移动视频业务的体验质量测量方法及装置与流程

本发明实施例涉及移动通信领域，尤其涉及一种移动视频业务的体验质量测量方法及装置。

背景技术：
随着移动互联网的发展，以手机电视、移动视频电视、视频短消息等为代表的移动视频业务越来越受到用户的喜爱，移动视频业务将成为移动通信业务的主力。为吸引更多的客户，网络提供商和业务提供商更加关心用户对移动视频业务的体验质量(QualityofExperience，QoE)，该QoE由主观测试分数(MeanOpinionScore，MOS)体现，MOS值越高，表示QoE越大，用户满意度好。其中，MOS是通过人来对视频进行打分得到一个视频的平均得分，这种打分测试需要在严格的测试环境下，遵循标准规定的特定流程来实现，对环境要求很高，流程复杂，通常不会采用。现有技术中，通过峰值信噪比(PeakSignaltoNoiseRatio，PSNR)或结构相似性测量指数(StructuralSimilarityIndexMeasurement，SSIM)对MOS进行评估。具体的，对于传统的视频业务，即码率恒定的视频业务，计算视频每一帧的PSNR或SSIM，然后对整个视频所有帧求PSNR或SSIM平均值，用这个平均值作为视频质量的客观评估指标。然而，HTTP自适应流媒体(HTTPAdaptiveStreaming，HAS)视频业务会在发送端将完整的视频编码成几个不同码率的视频，并对每个码率的视频进行分段。接收端根据当前的信道条件会请求相应码率的分段，最终导致HAS播放视频的码率是波动的。此时，主观MOS分除了跟平均PSNR或者平均SSIM有关，还跟码率的波动情况等相关。因此，上述MOS评估方法并不适于HAS视频业务的体验质量测量。

技术实现要素：
本发明实施例提供一种移动视频业务的体验质量测量方法及装置，实现对HAS视频业务体验质量的精确测量。第一个方面，本发明实施例提供一种移动视频业务的体验质量测量方法，包括：对样本视频的每一个码率每一分段的峰值噪声比PSNR进行预处理，得到差值峰值噪声比dPSNR，其中，每一码率每一分段的dPSNR为该码率该分段的PSNR与同一个样本视频中最大码率对应的该分段的PSNR的差值；对于同一样本视频，根据各码率各分段的dPSNR，确定根据所述样本视频得到的接收视频的预输入参数，所述预输入参数包括：平均差值峰值噪声比mean(dPSNR)、最大差值峰值噪声比max(dPSNR)、最小差值峰值噪声比min(dPSNR)、方差差值峰值噪声比std(dPSNR)；根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强峰值噪声比ePSNR预测模型；根据所述ePSNR预测模型，确定增强主观测试分数MOS预测模型。在第一个方面的第一种可能的实现方式中，所述根据各个样本视频的预输入参数与对应的主观测试分数MOS，确定增强峰值噪声比ePSNR预测模型，包括：对各样本视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出ePSNR；所述ePSNR＝a×mean(dPSNR)+b×max(dPSNR)+c×min(dPSNR)+d×std(dPSNR)，其中，a、b、c、d为使得所述ePSNR与所述MOS相关性最大的一组参数；根据所述ePSNR预测模型，确定增强主观测试分数eMOS预测模型，包括：对根据所述ePSNR预测模型确定的ePSNR与对应的主观测试分数MOS进行一次线性拟合，确定出eMOS；所述eMOS＝e×所述ePSNR+f。结合第一个方面的第一种可能的实现方式，在第一个方面的第二种可能的实现方式中，所述a＝1.3、b＝0、c＝-0.2、d＝-0.6、e＝0.34、f＝4.1。第二个方面，本发明实施例提供一种移动视频业务的体验质量测量方法，包括：对样本视频的每一个码率每一分段的结构相似性测量指数SSIM进行预处理，得到差值结构相似性测量指数dSSIM，其中，每一码率每一分段的dSSIM为该码率该分段的SSIM与同一个样本视频中最大码率对应的该分段的SSIM的差值；对于同一样本视频，根据各码率各分段的dSSIM，确定根据所述样本视频得到的接收视频的预输入参数，所述预输入参数包括：平均差值结构相似性测量指数mean(dSSIM)、最大差值结构相似性测量指数max(dSSIM)、最小差值结构相似性测量指数min(dSSIM)、方差差值结构相似性测量指数std(dSSIM)；根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强结构相似性测量指数eSSIM预测模型；根据所述eSSIM预测模型，确定增强主观测试分数MOS预测模型。在第二个方面的第一种可能的实现方式中，所述根据各个样本视频的预输入参数与对应的主观测试分数MOS，确定增强结构相似性测量指数eSSIM预测模型，包括：对各样本视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出eSSIM；所述eSSIM＝a×mean(dSSIM)+b×max(dSSIM)+c×min(dSSIM)+d×std(dSSIM)，其中，a、b、c、d为使得所述eSSIM与所述MOS相关性最大的一组参数；根据所述eSSIM预测模型，确定增强主观测试分数eMOS预测模型，包括：对所述eSSIM预测模型确定的eSSIM与对应的主观测试分数MOS进行一次线性拟合，确定出eMOS；所述eMOS＝e×所述eSSIM+f。结合第二个方面的第一种可能的实现方式，在第二个方面的第二种可能的实现方式中，所述a＝1.4、b＝0、c＝-0.3、d＝-0.9、e＝22、f＝3.7。第三个方面，本发明实施例提供一种移动视频业务的体验质量测量装置，包括：预处理模块，用于对样本视频的每一个码率每一分段的峰值噪声比PSNR进行预处理，得到差值峰值噪声比dPSNR，其中，每一码率每一分段的dPSNR为该码率该分段的PSNR与同一个样本视频中最大码率对应的该分段的PSNR的差值；预输入参数确定模块，用于根据所述预处理模块处理得到的各码率各分段的dPSNR，确定根据所述样本视频得到的接收视频的预输入参数，所述预输入参数包括：平均差值峰值噪声比mean(dPSNR)、最大差值峰值噪声比max(dPSNR)、最小差值峰值噪声比min(dPSNR)、方差差值峰值噪声比std(dPSNR)；ePSNR预测模型确定模块，用于根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强峰值噪声比ePSNR预测模型；MOS预测模型确定模块，用于根据所述ePSNR预测模型确定模块确定出的所述ePSNR预测模型，确定增强主观测试分数MOS预测模型。在第三个方面的第一种可能的实现方式中，所述ePSNR预测模型确定模块，具体用于对各样本视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出ePSNR，所述ePSNR＝a×mean(dPSNR)+b×max(dPSNR)+c×min(dPSNR)+d×std(dPSNR)，其中，a、b、c、d为使得所述ePSNR与所述MOS相关性最大的一组参数；所述MOS预测模型确定模块，具体用于对根据所述ePSNR预测模型确定的ePSNR与对应的主观测试分数MOS进行一次线性拟合，确定出eMOS，所述eMOS＝e×所述ePSNR+f。结合第三个方面的第一种可能的实现方式，在第三个方面的第二种可能的实现方式中，所述a＝1.3、b＝0、c＝-0.2、d＝-0.6、e＝0.34、f＝4.1。第四个方面，本发明实施例提供一种移动视频业务的体验质量测量装置，包括：预处理模块，用于对样本视频的每一个码率每一分段的结构相似性测量指数SSIM进行预处理，得到差值结构相似性测量指数dSSIM，其中，每一码率每一分段的dSSIM为该码率该分段的SSIM与同一个样本视频中最大码率对应的该分段的SSIM的差值；预输入参数确定模块，用于对于同一样本视频，根据各码率各分段的dSSIM，确定根据所述样本视频得到的接收视频的预输入参数，所述预输入参数包括：平均差值结构相似性测量指数mean(dSSIM)、最大差值结构相似性测量指数max(dSSIM)、最小差值结构相似性测量指数min(dSSIM)、方差差值结构相似性测量指数std(dSSIM)；eSSIM预测模型确定模块，用于根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强结构相似性测量指数eSSIM预测模型；MOS预测模型，用于根据所述eSSIM预测模型确定模块确定的所述eSSIM预测模型，确定增强主观测试分数MOS预测模型。在第四个方面的第一种可能的实现方式中，所述eSSIM预测模型确定模块，具体用于对各样本视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出eSSIM，所述eSSIM＝a×mean(dSSIM)+b×max(dSSIM)+c×min(dSSIM)+d×std(dSSIM)，其中，a、b、c、d为使得所述eSSIM与所述MOS相关性最大的一组参数；所述MOS预测模型确定模块，具体用于对所述eSSIM预测模型确定的eSSIM与对应的主观测试分数MOS进行一次线性拟合，确定出eMOS，所述eMOS＝e×所述eSSIM+f。结合第四个方面的第一种可能的实现方式，在第四个方面的第二种可能的实现方式中，所述a＝1.4、b＝0、c＝-0.3、d＝-0.9、e＝22、f＝3.7。第五个方面，本发明实施例提供一种移动视频业务的体验质量测量装置，包括：处理器和存储器，所述存储器存储执行指令，当所述移动视频业务的体验质量测量装置运行时，所述处理器与所述存储器之间通信，所述处理器执行所述执行指令，对样本视频的每一个码率每一分段的峰值噪声比PSNR进行预处理，得到差值峰值噪声比dPSNR，其中，每一码率每一分段的dPSNR为该码率该分段的PSNR与同一个样本视频中最大码率对应的该分段的PSNR的差值；对于同一样本视频，根据各码率各分段的dPSNR，确定根据所述样本视频得到的接收视频的预输入参数，所述预输入参数包括：平均差值峰值噪声比mean(dPSNR)、最大差值峰值噪声比max(dPSNR)、最小差值峰值噪声比min(dPSNR)、方差差值峰值噪声比std(dPSNR)；根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强峰值噪声比ePSNR预测模型；根据所述ePSNR预测模型，确定增强主观测试分数MOS预测模型。在第五个方面的第一种可能的实现方式中，所述处理器，还用于执行所述执行指令，对各样本视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出ePSNR，所述ePSNR＝a×mean(dPSNR)+b×max(dPSNR)+c×min(dPSNR)+d×std(dPSNR)，其中，a、b、c、d为使得所述ePSNR与所述MOS相关性最大的一组参数，对根据所述ePSNR预测模型确定的ePSNR与对应的主观测试分数MOS进行一次线性拟合，确定出eMOS；所述eMOS＝e×所述ePSNR+f。结合第五个方面的第一种可能的实现方式，在第五个方面的第二种可能的实现方式中，所述a＝1.3、b＝0、c＝-0.2、d＝-0.6、e＝0.34、f＝4.1。第六个方面，本发明实施例提供一种移动视频业务的体验质量测量装置，包括：处理器和存储器，所述存储器存储执行指令，当所述移动视频业务的体验质量测量装置运行时，所述处理器与所述存储器之间通信，所述处理器执行所述执行指令，对样本视频的每一个码率每一分段的结构相似性测量指数SSIM进行预处理，得到差值结构相似性测量指数dSSIM，其中，每一码率每一分段的dSSIM为该码率该分段的SSIM与同一个样本视频中最大码率对应的该分段的SSIM的差值；对于同一样本视频，根据各码率各分段的dSSIM，确定根据所述样本视频得到的接收视频的预输入参数，所述预输入参数包括：平均差值结构相似性测量指数mean(dSSIM)、最大差值结构相似性测量指数max(dSSIM)、最小差值结构相似性测量指数min(dSSIM)、方差差值结构相似性测量指数std(dSSIM)；根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强结构相似性测量指数eSSIM预测模型；根据所述eSSIM预测模型，确定增强主观测试分数MOS预测模型。在第六个方面的第一种可能的实现方式中，所述处理器，还用于执行所述执行指令，对各样本视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出eSSIM，所述eSSIM＝a×mean(dSSIM)+b×max(dSSIM)+c×min(dSSIM)+d×std(dSSIM)，其中，a、b、c、d为使得所述eSSIM与所述MOS相关性最大的一组参数，对所述eSSIM预测模型确定的eSSIM与对应的主观测试分数MOS进行一次线性拟合，确定出eMOS，所述eMOS＝e×所述eSSIM+f。结合第六个方面的第一种可能的实现方式，在第六个方面的第二种可能的实现方式中，所述a＝1.4、b＝0、c＝-0.3、d＝-0.9、e＝22、f＝3.7。本发明实施例提供的移动视频业务的体验质量测量方法及装置，在对各个样本视频各分段的PSNR进行处理后，根据处理后得到的预输入参数和各个样本视频的主观测试分数，确定出ePSNR预测模型，进而根据该预测模型，确定出增强主观测试分数MOS预测模型。然后，对于任何需要评估的视频，仅仅根据ePSNR预测模型确定出ePSNR，然后根据增强MOS预测模型，即可确定出需要评估的视频的QoE。相较于现有技术中仅仅考虑了各帧PSRN平均值的QoE确定方法，该移动视频业务的体验质量测量过程中，尽可能的将影响视频的PSNR的因素都考虑进去，因此，能够实现对HAS视频业务体验质量的精确测量。附图说明图1为本发明移动视频业务的体验质量测量方法实施例一的流程图；图2为本发明视频的结构示意图；图3为本发明视频的PSNR分布示意图；图4为主观MOS分与y之间的相关性的第一分析图；图5为主观MOS分与y之间的相关性的第二分析图；图6为主观MOS分与y之间的相关性的第三分析图；图7A为MOS与mean(dPSNR)的散点图；图7B为MOS与ePSNR的散点图；图8是实际MOS分与拟合曲线示意图；图9为本发明移动视频业务的体验质量测量方法实施例二的流程图；图10为本发明移动视频业务的体验质量测量装置实施例一的结构示意图；图11为本发明移动视频业务的体验质量测量装置实施例二的结构示意图；图12为本发明移动视频业务的体验质量测量装置实施例三的结构示意图；图13为本发明移动视频业务的体验质量测量装置实施例四的结构示意图。具体实施方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。图1为本发明移动视频业务的体验质量测量方法实施例一的流程图。本实施例的执行主体为体验质量测量装置，该体验质量测量装置可独立设置在无线接入网侧，也可以集成设置在无线接入网侧网元上，如集成在演进型节点(eNodeB，eNB)上，本实施例适用于需要对码率不恒定的视频业务的体验质量进行精确测量的场景。具体的，本实施例包括如下步骤：101、对样本视频的每一个码率每一分段的峰值噪声比PSNR进行预处理，得到差值峰值噪声比dPSNR，其中，每一码率每一分段的dPSNR为该码率该分段的PSNR与同一个样本视频中最大码率对应的该分段的PSNR的差值。一般来说，视频是由很多帧图像组成的，PSNR和SSIM都是图像质量评价的客观标准，把该图像客观评价的方法应用到是视频业务中，对各帧的PSNR或SSIM求平均值，得到平均PSNR或平均SSIM，从而实现了对传统视频业务的体验质量评估，该传统视频即为每帧的码率一致的视频。而本实施例中，视频主要为码率不恒定的视频，如HTTP自适应流媒体(HTTPAdaptiveStreaming，HAS)视频。HAS视频业务会将一个完整的视频编码成几个不同码率的视频，并将每个码率的视频进行分段，例如，根据当前的信道条件请求相应码率的视频分段。从码率的角度来说，在相同的帧序号上，码率大视频的PSNR值总是大于码率小视频PSNR值；从各分段的角度来说，同一个码率的不同分段，即不同帧序号上的PSNR值呈现波动现象，例如，用来传输静止图像的帧的PSNR值高于用来传输动态图像的帧的PSNR值。由此可知，一个视频的PSNR，不仅和码率有关系，还于视频的内容有关。针对HAS视频业务的上述特点，本步骤中，体验质量(QualityofExperience，QoE)测量装置对样本视频各个分段的PSNR进行预处理，即对于每一个码率每一个分段，求该码率该分段的PSNR与同一个样本视频中最大码率对应的该分段的PSNR的差值。具体的，可参见图2。图2为本发明视频的结构示意图。如图2，样本视频首先编码成M种码率，然后每个码率被分成N个分段，每个码率视频会对应一个M3U8文件，记录该码率所有分段视频在发送端的存放地址。最后所有码率对应的M3U8文件会形成一个总的M3U8文件，其中记录了每个码率M3U8文件的存放地址。接收端在请求播放视频时首先下载总的M3U8文件，并据此下载所有码率对应的M3U8文件。接收端在播放视频时，会根据当前的下载情况决定下一个分段应该请求什么码率的分段，并根据要请求码率的M3U8文件，向发送端请求相应的分段。例如当前下载一个分段所用时间很短，证明当前的信道条件好，则在下载下一个分段的时候应该请求一个比当前码率更高的分段。通过此种方法可以实现下载速度和播放速度相匹配前提下，最大化利用信道资源，使得接收端可以流畅的观看相对高质量的视频。一般来说，不同码率的视频的质量随着帧序号的变化呈现出一致的趋势，把每个码率的各分段的PSNR分别减去码率最大视频对应的PSNR得到差值dPSNR，其中，该dPSNR(differentialPSNR)可通过如下公式(1)计算：。dPSNRij＝PSNRij-PSNRMj(1)其中：i＝1,2,3,…,M表示不同码率，i＝1表示最小的一个码率，i＝M表示最大的一个码率；j＝1,2,3,…,N表示不同的分段，j＝1表示视频时间方向上第一个分段，j＝N表示最后一个分段。由于接收方最终接收到的视频是不同码率分段的组合，相较于原始视频有偏差，即发生视频损伤。102、对于同一样本视频，各码率各分段的dPSNR，确定根据样本视频得到的接收视频的预输入参数，预输入参数包括：平均差值峰值噪声比mean(dPSNR)、最大差值峰值噪声比max(dPSNR)、最小差值峰值噪声比min(dPSNR)、方差差值峰值噪声比std(dPSNR)。本步骤中，QoE测量装置尽可能的将影响接收视频质量的PSNR因素确定出来并将其作为预输入参数。具体的，各码率各分段的dPSNR可以在发送方计算出来，并存放在M3U8文件中。接收方接收根据接收到的视频，以及捕获到的M3U8文件，可以确定预输入参数，例如，确定所有分段的mean(dPSNR)、max(dPSNR)、min(dPSNR)以及std(dPSNR)等，将确定出的各个数据作为预输入参数。其中，mean(PSNR)是影响视频质量的最关键因素，min(PSNR)反映了接收方接收到的视频中质量最差的分段，max(PSNR)反映了接收视频中的最好分段，标准差的值std(PSNR)反应了视频质量的波动情况，标准差越大视频质量的波动就越大，标准差越小视频质量的波动就越小。103、根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强峰值噪声比ePSNR预测模型。QoE测量装置将mean(dPSNR)作为影响QoE的最关键的因素，在该mean(dPSNR)的基础上，依次确定其他预输入参数，即max(dPSNR)、min(dPSNR)以及std(dPSNR)对QoE的影响。以下将根据预输入参数确定出的PSNR称之为增强峰值噪声比ePSNR。QoE测量装置根据预设的算法，对各预输入参数与与对应的主观测试分数MOS进行拟合，从而确定出ePSNR预测模型。104、根据ePSNR预测模型，确定增强主观测试分数MOS预测模型。在确定出ePSNR预测模型后，QoE测量装置进一步的对ePSNR预测模型与对应的主观测试分数MOS进行拟合，确定出增强MOS预测模型。本发明实施例提供的移动视频业务的体验质量测量方法，在对各个样本视频各分段的PSNR进行处理后，根据处理后得到的预输入参数和各个样本视频的主观测试分数，确定出ePSNR预测模型，进而根据该预测模型，确定出增强主观测试分数MOS预测模型。然后，对于任何需要评估的视频，仅仅根据ePSNR预测模型确定出ePSNR，然后根据增强MOS预测模型，即可确定出需要评估的视频的QoE。相较于现有技术中仅仅考虑了各帧PSRN平均值的QoE确定方法，该移动视频业务的体验质量测量过程中，尽可能的将影响视频的PSNR的因素都考虑进去，因此，能够实现对HAS视频业务体验质量的精确测量。下面，用一个具体的实施例对本发明如何确定ePSNR预测模型与增强主观测试分数MOS预测模型的过程进行详细说明。本实施例中，下一代移动通信网络(NextGenerationMobileNetwoks，NGMN)提供90个损伤视频作为样本视频，并同时提供每一个样本视频的播放记录，该播放记录携带在不同时间分别播放的哪一个码率的视频的信息。对于每个样本视频，每种编码码率视频在每个段上的dPSNR都是已知的，所以根据播放记录可以很容易的算出mean(dPSNR)，max(dPSNR)，min(dPSNR)，std(dPSNR)。另外，每个样本视频的MOS分数已知。图3为本发明视频的PSNR分布示意图。本实施例中，视频由6个码率的视频组成，图中由下至上的曲线①～⑥分布代表不同的码率，其中，曲线①的码率为128kbs，曲线②的码率为210kbs，曲线③的码率为350kbs，曲线④的码率为545kbs，曲线⑤的码率为876kbs，曲线⑥的码率为1410kbs。其中，横坐标为帧序号，纵坐标为PSNR值。需要说明的是，该图仅为一个示意图，并不代表实际实验数据得到的图。请结合图3，根据该图可推理得出：不同码率的视频随着帧序号的变化呈现出一致的趋势。例如，在帧序号771上，曲线②对应的PSNR值与曲线⑥对应的PSNR值的差值为dPSNR1，与在帧序号1431上，曲线②对应的PSNR值与曲线⑥对应的PSNR值的差值为dPSNR2，该dPSNR1与dPSNR2近似。因此，求出各个曲线的同一个分段的dPSNR，其他分段的dPSNR即为该同一个分段的dPSNR的近似值。按照图2公式(1)，对其中一个分段的PSNR进行处理，得到的dPSNR结果如表1所示，表1为图3中dPSNR的属性表。表1在确定出dPSNR后，根据该值确定预输入参数，即接收视频所有分段的mean(dPSNR)、max(dPSNR)、min(dPSNR)以及std(dPSNR)等，然后将mean(dPSNR)作为影响QoE的最关键的因素，在该mean(dPSNR)的基础上，依次确定其他预输入参数，即max(dPSNR)、min(dPSNR)以及std(dPSNR)对QoE的影响。首先，分析样本视频最差的分段对MOS分的影响，令客观估计值y＝mean(dSPNR)+a×min(dPSNR)，即将视频中最差分段PSNR值引入客观评估算法中。其中a的取值范围为-0.5～0.5。图4为主观MOS分与y之间的相关性的第一分析图。请参照图4，横坐标为a，纵坐标为相关系数。当a＝0，y＝mean(dPSNR)时，MOS与y之间的相关系数为0.7877，也即MOS与mean(dPSNR)之间的相关系数为0.7877。当a取不同值时主观MOS分与y之间的相关性波动较大，当a取合适值时可以使得MOS与y之间的相关性大于MOS与mean之间的相关性。由图中可以看出当a大约为-0.05，即min(dPSNR)前系数为-0.05时，MOS与y之间的相关性能达到最大，且明显的高于MOS分与mean之间的相关性。故在改进的客观评估算法中将min(dPSNR)作为一个输入，可以提高预测算法的准确性。其次，分析样本视频最好的分段对主观MOS分的影响，令客观估计值为y＝mean(dPSNR)+a×max(dPSNR)，同上a的取值范围为-0.5～0.5，即max(dPSNR)前系数的变化范围也为-0.5～0.5。图5为主观MOS分与y之间的相关性的第二分析图。请参照图5，横坐标为a，纵坐标为相关系数。主观MOS分与y之间的相关性随着max(dPSNR)前系数a的变化波动很小。这说明max(dPSNR)对主观MOS分基本没有影响。MOS与y之间的相关性大致等于MOS分与mean之间的相关性。故在改进的客观评估算法中没有必要将其作为一个输入。最后，分析样本视频各分段dPSNR的方差对主观MOS分的影响。令客观估计值y＝mean(dPSNR)+a×std(dPSNR)，其中a的取值范围为-0.5～0.5，即std(dPSNR)前系数的变化范围为-0.5～0.5。图6为主观MOS分与y之间的相关性的第三分析图。请参照图6，横坐标为a，纵坐标为相关系数，主观MOS分与y之间的相关性随着std(dPSNR)系数变化呈现较大波动。这说明std(dPSNR)对主观MOS分有一定的影响。当a取一个合适的值，即令std(dPSNR)前取一个合适的系数时MOS与y之间的相关性大于MOS分与mean(dPSNR)之间的相关性。所以在改进型客观评估算法中加入std(dPSNR)可以提高其预测主观MOS分的性能。因此，在改进的客观评估算法中可以将其作为一个输入。结合上述分析可知，MOS的取值主要取决于dPSNR的均值，其中dPSNR的最小值对MOS影响比较明显，dPSNR方差对MOS取值有影响，dPSNR的最大值对MOS基本无影响。因此，可以令改进型客观评估方法的公式为：ePSNR＝a×mean(dPSNR)+b×max(dPSNR)+c×min(dPSNR)+d×std(dPSNR)(2)确定出ePSNR的预测模型后，用ePSNR取值和现有的主观MOS分拟合得到MOS预测模型：eMOS＝e×ePSNR+f(3)。上述公式(2)中，由于dPSNR的最大值对MOS基本无影响，因此，b＝0。继续采用一系列的值进行迭代，MOS分与ePSNR之间相关性最大的系数即为最后确定的系数。最后得出的结果是a＝1.3，c＝-0.2，d＝-0.6。将该些系数带入公式(2)可得：ePSNR＝1.3×mean(dPSNR)-0.2×min(dPSNR)-0.6×std(dPSNR)(4)进一步的，根据公式(4)，用ePSNR取值和现有的主观MOS分拟合，得出e＝0.34，f＝4.1，将该些系数带入公式(3)可得：eMOS＝0.34×eSSIM+4.1(5)图7A为MOS与mean(dPSNR)的散点图，图7B为MOS与ePSNR的散点图。请参照图7A，横坐标为mean(dPSNR)的取值，纵坐标为主观MOS分，经计算得出主观MOS分与mean(dPSNR)的相关系数为0.7713。请参照图7B，横坐标为ePSNR的取值，总坐标为主观MOS分，经计算得出主观MOS分与ePSNR的相关系数为0.8716。因此，结合图7A和图7B可知，用dPSNR均值，最小值以及方差共同对MOS值预测的性能高于单用dPSNR均值对MOS值做预测时的性能。图8是实际MOS分与拟合曲线示意图，可以看到实际的MOS打分紧紧围绕在预测曲线的周围。综合上述，本发明实施例提供的移动视频业务的体验质量测量方法，尽可能的将影响视频的PSNR的因素都考虑进去，如dPSNR均值，最小值以及方差等，由此得出的MOS值预测的性能高于单用dPSNR均值对MOS值做预测时的性能。因此，在确定出预测模型，即上述公式(4)与公式(5)后，对于任一需要评估的HAS视频，确定出该需要评估的视频的各分段的dPSNR，进而确定出mean(dPSNR)、min(dPSNR)、std(dPSNR)，即可根据公式(4)与公式(5)准确的评估出QoE。图9为本发明移动视频业务的体验质量测量方法实施例二的流程图。相较于上述通过对各分段的PSNR进行处理从而确定预测模型，本实施例中，通过对各分段的SSIM进行处理从而确定出预测模型。具体的，本实施例包括如下步骤：201、对样本视频的每一个码率每一分段的结构相似性测量指数SSIM进行预处理，得到差值结构相似性测量指数dSSIM，其中，每一码率每一分段的dSSIM为该码率该分段的SSIM与同一个样本视频中最大码率对应的该分段的SSIM的差值。本步骤中，体验质量(QualityofExperience，QoE)测量装置对样本视频各个分段的SSIM进行预处理，即对于每一个码率每一个分段，求该码率该分段的SSIMR与同一个样本视频中最大码率对应的该分段的SSIM的差值。具体的处理方法，请见上述图1步骤101，此处不再赘述。202、对于同一样本接收视频，根据各码率各分段的dSSIM，确定根据样本视频得到的接收视频的预输入参数，预输入参数包括：平均差值结构相似性测量指数mean(dSSIM)、最大差值结构相似性测量指数max(dSSIM)、最小差值结构相似性测量指数min(dSSIM)、方差差值结构相似性测量指数std(dSSIM)。本步骤中，QoE测量装置尽可能的将影响接收视频的SSIM的因素确定出来作为预输入参数。例如，确定所有分段的mean(dSSIM)、max(dSSIM)、min(dSSIM)以及std(dSSIM)等，将确定出的各个数据作为预输入参数。其中，mean(SSIM)是影响视频质量的最关键因素，min(SSIM)反映了样本视频中质量最差的分段，max(SSIM)反映了视频中的最好分段，标准差的值std(SSIM)反应了视频质量的波动情况，标准差越大视频质量的波动就越大，标准差越小视频质量的波动就越小。203、根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强结构相似性测量指数eSSIM预测模型。QoE测量装置将mean(dSSIM)作为影响QoE的最关键的因素，在该mean(dSSIM)的基础上，依次确定其他预输入参数，即max(dSSIM)、min(dSSIM)以及std(dSSIM)对QoE的影响。以下将根据预输入参数确定出的SSIM称之为增强峰值噪声比eSSIM。QoE测量装置根据预设的算法，对各预输入参数与与对应的主观测试分数MOS进行拟合，从而确定出eSSIM预测模型。204、根据eSSIM预测模型，确定增强主观测试分数MOS预测模型。在确定出eSSIM预测模型后，QoE测量装置进一步的对eSSIM预测模型与对应的主观测试分数MOS进行拟合，确定出增强MOS预测模型。本发明实施例提供的移动视频业务的体验质量测量方法，在对各个样本视频各段的SSIM进行处理后，根据处理后得到的预输入参数和各个样本视频的主观测试分数，确定出eSSIM预测模型，进而根据该预测模型，确定出增强主观测试分数MOS预测模型。然后，对于任何需要评估的视频，仅仅根据eSSIM预测模型确定出SSIM，然后根据增强型MOS预测模型，即可确定出需要评估的视频的QoE。相较于现有技术中仅仅考虑了各帧SSIM平均值的QoE确定方法，该移动视频业务的体验质量测量过程中，尽可能的将影响接收视频的SSIM的因素都考虑进去，因此，能够实现对HAS视频业务体验质量的精确测量。进一步的，上述实施例二中，QoE测量装置对各样本接收视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出eSSIM；eSSIM＝a×mean(dSSIM)+b×max(dSSIM)+c×min(dSSIM)+d×std(dSSIM)(1)确定出eSSIM的预测模型后，用eSSIM取值和现有的主观MOS分拟合得到MOS预测模型：eMOS＝e×eSSIM+f(2)上述公式(1)中，a、b、c、d为使得eSSIM与MOS相关性最大的一组参数，采用一系列的值进行迭代后，确定出a＝1.4，c＝-0.3，d＝-0.9，将该些系数带入公式(1)可得：eSSIM＝1.4×mean(dSSIM)-0.3×min(dSSIM)-0.9×std(dSSIM)(3)进一步的，根据公式(3)，用eSSIM取值和现有的主观MOS分拟合，得出e＝22，f＝3.7，将该些系数带入公式(2)可得：：eMOS＝22×eSSIM+3.7(4)。在确定出预测模型，即上述公式(3)与公式(4)可对任一需要评估的HAS视频，确定出该需要评估视频的各分段的dSSIM，进而确定出mean(dSSIM)、min(dSSIM)、std(dSSIM)，即可根据公式(3)与公式(4)准确的评估出QoE。需要说明的是，上述实施例一是对各分段的PSNR进行处理确定出预测模型，上述实施例二是对各分段的SSIM进行处理确定出预测模块。由于PSNR与SSIM是两个不同的参数，因此，虽然通过该两种参数确定预测模型的过程一致，对于同一需要评估的HAS视频，该两种方式各自确定出的QoE具有相似性，但存在一定的偏差。图10为本发明移动视频业务的体验质量测量装置实施例一的结构示意图。本实施例提供的移动视频业务的体验质量测量装置，是与本发明图1实施例对应的装置实施例，具体实现过程在此不再赘述。具体的，本实施例提供的移动视频业务的体验质量测量装置100具体包括：预处理模块11，用于对样本视频的每一个码率每一分段的峰值噪声比PSNR进行预处理，得到差值峰值噪声比dPSNR，其中，每一码率每一分段的dPSNR为该码率该分段的PSNR与同一个样本视频中最大码率对应的该分段的PSNR的差值；预输入参数确定模块12，用于根据预处理模块11处理得到的各码率各分段的dPSNR，确定根据样本视频得到的接收视频的预输入参数，预输入参数包括：平均差值峰值噪声比mean(dPSNR)、最大差值峰值噪声比max(dPSNR)、最小差值峰值噪声比min(dPSNR)、方差差值峰值噪声比std(dPSNR)；ePSNR预测模型确定模块13，用于根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强峰值噪声比ePSNR预测模型；MOS预测模型确定模块14，用于根据ePSNR预测模型确定模块13确定出的ePSNR预测模型，确定增强主观测试分数MOS预测模型。进一步的，ePSNR预测模型确定模块13，具体用于对各样本视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出ePSNR，ePSNR＝a×mean(dPSNR)+b×max(dPSNR)+c×min(dPSNR)+d×std(dPSNR)，其中，a、b、c、d为使得ePSNR与MOS相关性最大的一组参数；MOS预测模型确定模块14，具体用于对根据ePSNR预测模型确定的ePSNR与对应的主观测试分数MOS进行一次线性拟合，确定出eMOS，eMOS＝e×ePSNR+f。进一步的，a＝1.3、b＝0、c＝-0.2、d＝-0.6、e＝0.34、f＝4.1。图11为本发明移动视频业务的体验质量测量装置实施例二的结构示意图。本实施例提供的移动视频业务的体验质量测量装置，是与本发明图9实施例对应的装置实施例，具体实现过程在此不再赘述。具体的，本实施例提供的移动视频业务的体验质量测量装置200具体包括：预处理模块21，用于对样本视频的每一个码率每一分段的结构相似性测量指数SSIM进行预处理，得到差值结构相似性测量指数dSSIM，其中，每一码率每一分段的dSSIM为该码率该分段的SSIM与同一个样本视频中最大码率对应的该分段的SSIM的差值；预输入参数确定模块22，用于对于同一样本视频，根据各码率各分段的dSSIM，确定根据样本视频得到的接收视频的预输入参数，预输入参数包括：平均差值结构相似性测量指数mean(dSSIM)、最大差值结构相似性测量指数max(dSSIM)、最小差值结构相似性测量指数min(dSSIM)、方差差值结构相似性测量指数std(dSSIM)；eSSIM预测模型确定模块23，用于根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强结构相似性测量指数eSSIM预测模型；MOS预测模型24，用于根据eSSIM预测模型确定模块23确定的eSSIM预测模型，确定增强主观测试分数MOS预测模型。进一步的，eSSIM预测模型确定模块23，具体用于对各样本视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出eSSIM，eSSIM＝a×mean(dSSIM)+b×max(dSSIM)+c×min(dSSIM)+d×std(dSSIM)，其中，a、b、c、d为使得eSSIM与MOS相关性最大的一组参数；MOS预测模型确定模块24，具体用于对eSSIM预测模型确定的eSSIM与对应的主观测试分数MOS进行一次线性拟合，确定出eMOS，eMOS＝e×eSSIM+f。进一步的，a＝1.4、b＝0、c＝-0.3、d＝-0.9、e＝22、f＝3.7。图12为本发明移动视频业务的体验质量测量装置实施例三的结构示意图。本实施例提供的移动视频业务的体验质量测量装置，是与本发明图1实施例对应的装置实施例，具体实现过程在此不再赘述。具体的，本实施例提供的移动视频业务的体验质量测量装置300具体包括：处理器31和存储器32，存储器32存储执行指令，当移动视频业务的体验质量测量装置300运行时，处理器31与存储器32之间通信，处理器31执行执行指令，对样本视频的每一个码率每一分段的峰值噪声比PSNR进行预处理，得到差值峰值噪声比dPSNR，其中，每一码率每一分段的dPSNR为该码率该分段的PSNR与同一个样本视频中最大码率对应的该分段的PSNR的差值；对于同一样本视频，根据各码率各分段的dPSNR，确定根据样本视频得到的接收视频的预输入参数，预输入参数包括：平均差值峰值噪声比mean(dPSNR)、最大差值峰值噪声比max(dPSNR)、最小差值峰值噪声比min(dPSNR)、方差差值峰值噪声比std(dPSNR)；根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强峰值噪声比ePSNR预测模型；根据ePSNR预测模型，确定增强主观测试分数MOS预测模型。进一步的，处理器31，还用于执行执行指令，对各样本视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出ePSNR，ePSNR＝a×mean(dPSNR)+b×max(dPSNR)+c×min(dPSNR)+d×std(dPSNR)，其中，a、b、c、d为使得ePSNR与MOS相关性最大的一组参数，对根据ePSNR预测模型确定的ePSNR与对应的主观测试分数MOS进行一次线性拟合，确定出eMOS；eMOS＝e×ePSNR+f。进一步的，a＝1.3、b＝0、c＝-0.2、d＝-0.6、e＝0.34、f＝4.1。图13为本发明移动视频业务的体验质量测量装置实施例四的结构示意图。本实施例提供的移动视频业务的体验质量测量装置，是与本发明图9实施例对应的装置实施例，具体实现过程在此不再赘述。具体的，本实施例提供的移动视频业务的体验质量测量装置400包括：处理器41和存储器42，存储器42存储执行指令，当移动视频业务的体验质量测量装置运行时，处理器41与存储器42之间通信，处理器41执行执行指令，对样本视频的每一个码率每一分段的结构相似性测量指数SSIM进行预处理，得到差值结构相似性测量指数dSSIM，其中，每一码率每一分段的dSSIM为该码率该分段的SSIM与同一个样本视频中最大码率对应的该分段的SSIM的差值；对于同一样本视频，根据各码率各分段的dSSIM，确定根据样本视频得到的接收视频的预输入参数，预输入参数包括：平均差值结构相似性测量指数mean(dSSIM)、最大差值结构相似性测量指数max(dSSIM)、最小差值结构相似性测量指数min(dSSIM)、方差差值结构相似性测量指数std(dSSIM)；根据各个样本视频得到的接收视频的预输入参数与对应的主观测试分数MOS，确定增强结构相似性测量指数eSSIM预测模型；根据eSSIM预测模型，确定增强主观测试分数MOS预测模型。进一步的，处理器41，还用于执行执行指令，对各样本视频的预输入参数与对应的主观测试分数MOS进行一次线性拟合，确定出eSSIM，eSSIM＝a×mean(dSSIM)+b×max(dSSIM)+c×min(dSSIM)+d×std(dSSIM)，其中，a、b、c、d为使得eSSIM与MOS相关性最大的一组参数，对eSSIM预测模型确定的eSSIM与对应的主观测试分数MOS进行一次线性拟合，确定出eMOS，eMOS＝e×eSSIM+f。进一步的，a＝1.4、b＝0、c＝-0.3、d＝-0.9、e＝22、f＝3.7。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。