。
[0136] 方法一：通过对大量码流数据的统计分析实验，发现编码码率Br与I帧编码比特 数馬（或多个视频段的平均I帧编码比特数）的比值R在一定程度上可以反映视频的内容 特性。
[0137] R = Br/Rj 公式（11)
[0138] 参考图7,一般，运动越剧烈的序列R越大，空间复杂程度越大的序列R越小，而运 动较小且空间复杂程度越小的序列R值在上述两者之间且接近空间复杂程度较大的序列 的R值。并且，R的值与码率呈近似线性的规律。
[0139]根据上述规律，设置阈值a，以R与a的差值的绝对值来表征视频内容复杂度。其 中，阈值a与码率Br呈线性关系，其值接近运动较小且空间复杂程度越小的序列的R值。
[0140]入=|R-a
[0141] a = a6 ? Br+b6 公式（12)
[0142] 具体的，当帧率Fr与GOP长度有不同组合时，也可考虑加入一同计算入。
[0143] 方法二：通过对大量码流数据的统计分析实验，发现视频段平均P帧编码比特数 R P与I帧编码比特数R:(或多个视频段的平均I帧编码比特数）的比值T在一定程度上可 以反映视频的内容特性。
[0144] T = Rp/Rj公式（13)
[0145] 参考图8,一般，运动越剧烈的序列T越大，空间复杂程度越大的序列T越小，而运 动较小且空间复杂程度越小的序列T值在上述两者之间且接近空间复杂程度较大的序列 的T值。并且，T的值与码率呈近似线性的规律。
[0146]根据上述规律，设置阈值0，以T与0的差值的绝对值来表征视频内容复杂度。其 中，阈值0与码率Br呈线性关系，其值接近运动较小且空间复杂程度越小的序列的T值。
[0147] A = |T-0
[0148] = a7 ? Br+b7 公式（14)
[0149] 具体的，当帧率Fr与GOP长度有不同组合时，也可考虑加入一同计算入。
[0150] 特别的，在某些应用场景下，视频内容复杂度（X)如能通过频道信息传递等途径 得到，也可省略掉计算的过程，直接用本节所述的模型公式进行准确的压缩失真质量的计 算。
[0151] 在某些应用场景下，比如当终端设备（网络设备，测试设备）的运算能力太低时， 本节涉及的各公式的运算结果也可通过查表替代。
[0152] 参考图9,当视频内容类别信息预先无法获得或类别不够精确时，为得到更为准确 的丢包失真质量，可首先计算精确的表征不同视频内容的视频内容时间复杂度（以〇表 示，本方案提出的视频内容时间复杂度用以表征视频序列的运动剧烈程度，运动越剧烈，视 频内容时间复杂度越大，反之越小），再结合图3对应的实施例中的丢包失真模型进行计 算。
[0153] 参考图10,本发明视频数据质量评估方法的另一个实施例，包括：
[0154] S1001:从视频数据包的包头中获得受损帧的比例、受损帧的平均损伤程度、损伤 频率、视频内容时间复杂度；
[0155]该视频数据质量评估方法计算的是帧损伤造成的失真。首先需要根据RTP数据包 的Marker位或TS包的payload_unit_start_indicator位得到帧边界，根据数据包的时间 戳和序列号等信息得到各个视频帧的损伤情况，同时根据帧大小（编码数据量）推测帧类 型（I/IDR帧，P帧，B帧，非I/IDR的场景切换帧），从而统计如下信息：
[0156] (1)受损帧的比例（x):在需评分序列中受到损伤的帧（包括有丢包的帧和受到误 码传播的帧）占全部帧数的比例；
[0157] (2)受损帧的平均损伤程度（y):受到损伤的帧的平均损伤比例；
[0158] (3) -段时间内的损伤频率（FLF):损伤频率也成为丢包事件频率，即在一个固定 时长内的丢包事件次数。一次丢包事件的失真将截止在I/IDR或场景切换帧处。当在某些 应用场景下无法得知失真截止边界时，临近的受损帧算在一次损伤里，损伤频率可直接统 计一段时间内的损伤次数。
[0159] 视频内容时间复杂度〇可由如下两种方法计算得到：
[0160] 〇 = c4 ? (Br/Rj) +c5
[0161]或 〇 = c4 ? (Rp/R〗)+c5 公式（15)
[0162]其中，c4，c#常数。
[0163] 具体的，当帧率Fr与GOP长度有不同组合时，也可考虑加入一同计算〇。
[0164] S1002:获得视频数据的压缩失真参数；
[0165] 视频数据的压缩失真参数表示表示考虑了视频编码压缩失真的视频基础质量，可 以通过多种方法获得该参数，例如可以采用现有技术的计算方法，也可以采用本实施例下 面描述的方法。
[0166] S1003:利用压缩失真参数、受损帧的比例、受损帧的平均损伤程度、损伤频率和视 频内容时间复杂度计算视频数据的帧损伤失真参数，其中帧损伤失真参数介于〇与压缩失 真参数和最小质量值的差之间，视频帧损伤失真参数随受损帧的比例、受损帧的平均损伤 程度、损伤频率中任何一个的增加而减小直至最小质量值，随视频内容时间复杂度增加而 增加。视频序列的质量为视频数据的压缩失真参数减去帧损伤失真参数。
[01 67]^sequence Q encoding Qframedistortion 公式（16)
[0168] 一个实施例中，采用如下公式计算视频数据的帧损伤失真参数：
[0169] QframedistOTti(m= (Q -gA) Xf(x，y，FLF，0)公式（17)
[0170] 其中，a1:代表视频序列的最低质量（如评分为五分制，则最低质量可以为1); f(x，y，FLF，〇)表示受损帧的比例、受损帧的平均损伤程度、损伤频率和视频内容复杂度构 成的函数，该函数满足0彡f(x，y，FLF，〇 )彡1的关系，其值随受损帧的比例、受损帧的平 均损伤程度、损伤频率中任何一个变量的值的增加而增加并将无限接近1，随视频内容复 杂度增加而增大。即x、y或FLF很小时，失真不可见，视频内容复杂度越小，失真越不明显； 而x、y或FLF大到一定程度时，分数直接降到最低，视频内容时间复杂度越高，失真越容易 被发现。
[0171] 在一个实施例中，利用如下公式计算f(x，y，FLF，〇 ):
[0172]
[0173] 其中，ai，b4，b 5为常数，对于不同的编码类型、视频分辨率（及显示缩放比例）和视 频内容类别分别有不同的数值。funcl(o)和func2( 〇)是与视频内容时间复杂度有关的 函数，其值都随〇增大而减小，具体表达形式可以是线性的，也可以是非线性的，也可以是 线性与非线性的组合。
[0174] a1:代表视频序列的最低质量（如评分为五分制，则最低质量可以为1);
[0175] b4:表示人眼对此类视频的主观感受对于视频内容损伤比例的敏感程度；
[0176] b5:表示人眼对此类视频的主观感受对于损伤频率的敏感程度。
[0177] 特别的，在某些应用场景下，视频内容时间复杂度（〇 )如能通过频道信息传递等 途径得到，也可省略掉计算的过程，直接用本节所述的模型公式进行准确的丢包失真质量 的计算。
[0178] 在某些应用场景下，比如当终端设备（网络设备，测试设备）的运算能力太低时， 本节涉及的各公式的运算结果也可通过查表替代。
[0179] 在不同实施例中，可以分别利用如下公式计算f (x，y，FLF，〇 ):
[0180] f (x，y，FLF，〇 ) = (a4 ? (x ? y) 2+b4 ? x ? y+c4) ? (a5 ? FLF2+b5 ? FLF+c5) ? func ( 〇 )
[0181] 公式（19)
[0182] 其中，a4, b4, c4, a5, b5, c5为常数，对于不同的编码类型、视频分辨率（及显示缩放 比例）和视频内容类别分别有不同的数值。func( 〇)是与视频内容时间复杂度有关的函 数，其值都随〇增大而增大，具体表达形式可以是线性的，也可以是非线性的，也可以是线 性与非线性的组合。
[0183] f (x, y, FLF, 〇 ) = (a4 ? x2+b4 ? x+c4) ? (a5, y2+b5 ? y+c5) ? (a6 ? FLF2+b6 ? FLF+c6)
[0184] ? func ( 〇 )
[0185] 公式（20)
[0186] 其中，a4, b4, c4, a5, b5, c5, a6, b6, c6,为常数，对于不同的编码类型、视频分辨率（及 显示缩放比例）和视频内容类别分别有不同的数值。func ( 〇 )是与视频内容时间复杂度有 关的函数，其值都随〇增大而增大，具体表达形式可以是线性的，也可以是非线性的，也可 以是线性与非线性的组合。
[0187]
[0188]
[0189] 其中，b4，b5为常数，对于不同的编码类型、视频分辨率（及显示缩放比例）和视频 内容类别分别有不同的数值。funcl(o)和func2(〇)是与视频内容时间复杂度有关的函 数，其值都随〇增大而减小，具体表达形式可以是线性的，也可以是非线性的，也可以是线 性与非线性的组合。
[0192]公式（22)
[0193] 其中，b4, b5, b6为常数，对于不同的编码类型、视频分辨率（及显示缩放比例）和 视频内容类别分别有不同的数值。funcl ( 〇 )，func2 ( 〇 )和func3 ( 〇 )是与视频内容时间 复杂度有关的函数，其值都随〇增大而减小，具体表达形式可以是线性的，也可以是非线 性的，也可以是线性与非线性的组合。
[0194] 进一步的，在某些应用场景下，对于H. 264编码的视频流，如能够解析NAL头相关 信息，对于复杂度并没有增加很多，但能够得到确切的是否参考帧的信息，再结合帧大小来 推测帧类型及丢包分布情况会更为准确。
[0195] 本方案提出的视频质量评估模型不需解析视频码流净载，而只利用数据包包头信 息，来对视频流进行评价，大大减小了复杂度，能够实时进行评估。同时，还考虑了视频不同 于普通传输数据包的特性，在计算丢包影响时比直接利用数据包的丢包率会更加准确。
[0196] 参考图11，利用数据包的包头信息，并结合提前获取的参数信息，一起推导评估所 需的直接输入参数，计算压缩失真模型和丢包失真模型，得到最终的视频序列质量。模型的 输入参数不同于上述实施例中是视频序列或是一个较长时间段内的统计信息，而是较短的 一个视频段（以误码截止帧为边界，一般情况为一个G0P)的具体损伤信息，首先检测出误 码截止边界（比如I/IDR帧或场景切换帧）来划分视频段，再对视频段质量进行评估，进而 得到视频序列或一个长时间段内的视频流的质量。
[0197] 参考图12,本发明视频数据质量评估方法的另一个实施例，包括：
[0198] S1201:获得视频序列的各视频段中各参考帧在视频段中误码传播