基于支持向量机的无线视频流业务QoE评估方法
【技术领域】
[0001] 本发明属于无线通信技术领域，具体涉及一种基于支持向量机的无线视频业务 Q〇E评估方法。
【背景技术】
[0002] 随着无线通信技术的高速发展，以及手机、平板电脑等智能终端设备的普及，无线 视频流业务在通信数据总量中所占的比重越来越大。为了在日渐激烈的竞争中占据一席之 地，服务提供商们越发希望获得用户对视频流服务质量的认可。因此，如何从用户角度出 发，系统地评估视频流质量与业务满意度，已成为一个迫切需要解决的问题。
[0003] 目前，服务质量（QualityofService,QoS)是业界最广泛采用的服务度量标 准，其性能指标主要包括网络的带宽、丢包率、抖动与延时等。但是QoS仅仅反应网络传 输层面的性能，无法直接反映用户的主观感受，即使网络各部分都有较好的QoS指标，用 户对业务的实际满意程度可能依然很差。为弥补QoS的不足，用户体验质量（Qualityof Experience,QoE)的概念应运而生。
[0004] 国际电信联盟电信标准化部门（ITU-T)将QoE定义为"终端用户所感受到的一项 业务或服务的总体可接受程度"。Q〇E包含对完整的端到端系统的评价，如网络、用户、终端 以及业务的基础设施等影响因素。对于无线视频流业务，采用QoE作为综合评价指标，能从 用户角度出发，有效地反映终端用户在使用业务过程中的主观感受。
[0005] 为准确描述QoE与主观感受之间的关系，通常采用量化的方法来衡量QoE，并反映 业务质量与用户期望之间的差距。目前使用最广泛的QoE量化方法是ITU-T提出的平均意 见得分（MeanOpinionScore,M0S)，它将用户的主观感受划分为五个等级，取值从1至5， 1表示体验最差，5表示体验最佳，如表1所示。M0S值能够高效、细致地描述用户的主观体 验质量，被广泛应用于基于QoE的业务评估与优化研究中。
[0006] 表1.平均意见得分
[0007]
[0008] 目前，针对无线视频流业务QoE，通常采用模型映射的方法，来评估不同因素影响 下的用户体验质量，如ITU-T提出的G. 1070意见模型，基于编码比特率、帧率与丢包率计算 视频质量。但是，该模型没有将视频的内容特征考虑在内，无法反映不同视频内容类型对用 户体验质量的影响，且准确度有限。此外，目前大部分视频资源支持HTTP传输，通过在客户 端播放器设置缓冲区，来缓解延时、抖动等对视频播放质量的影响，而现有的大量基于UDP 的视频质量评估模型，在HTTP服务中将变得不再适用。
[0009] 为了提高准确度，解决影响参数与QoE映射的多参数非线性问题，越来越多的研 究转向了利用机器学习建立模型的方法，而如何有效地结合视频内容特征、编码参数、网络 传输参数、缓冲区参数等影响因素，准确地评估用户体验质量，目前尚未出现有效的解决方 案。
【发明内容】
[0010] 本发明的目的是针对现有解决方案的不足，提出一种基于支持向量机的无线视频 流业务QoE评估方法。本发明所述方法考虑视频内容特征、编码参数、网络传输参数与播放 缓冲参数等端到端QoE影响因素，在分别评价客观感知QoE与心理感知QoE之后，利用乘 性融合的方法获得综合Q〇E，最后利用支持向量机建立模型，在契合人类实际感知模式的同 时，提高了QoE评估的准确度，降低了评估误差。
[0011] 为了实现上述目的，本发明所采用的技术方案的具体步骤为：
[0012] 步骤1 :确定影响无线视频流QoE的端到端参数，包含客观感知参数与心理感知参 数两类。
[0013] 客观感知参数包括视频内容特征、编码参数与网络传输参数。视频内容特征包括 空间信息SI、时间信息TI、亮度信息Br、颜色信息CI;编码参数包括编码比特率EBR、帧率 FR、分辨率Res;网络传输参数包括丢包率PLR。
[0014] 空间信息SI表示视频序列的空间复杂度，计算公式为SI=maxtime{stdspa(：e[Sob el(Fn)]}，其中Fn表示视频序列的第n帧图像（亮度平面），Sobel(〇表示Sobel滤波， stdspa(：f；[ ?]表示在像素域上计算标准差，maxtinre{ ? }表示在视频序列的所有帧结果中取最 大值。
[0015] 时间信息TI表示视频序列的运动剧烈程度，计算公式为TI=maxtime {stdspaee [Mn(i ，j)]}，其中Mn(i,j) =Fn(i,j)-FnJi,j)，Fn(i,j)表示第n帧图像中第i行第j列的像素 值（亮度平面）。
[0016] 亮度信息Br表示视频图像的平均亮度差，计算公式为
， 其中I表示第n帧图像中第i行第j列像素的平均亮度，Nb为每帧图像亮度平面的 像素列数目，Mb为每帧图像亮度平面的像素行数目。
[0017] 颜色信息CI用于衡量视频序列的颜色分布，计算公式为CI=maxtime {stdspaee [cn(i ，j)]}，其中A
Ki，j)表示每帧第i行第j列 像素的色度值，V(i，j)表示表示每帧第i行第j列像素的浓度值，N。为每帧图像色度平面 的像素列数目，M。为每帧图像色度平面的像素行数目。
[0018] 编码比特率EBR表示单位时间内视频包含的比特数，帧率FR表示视频每秒显示的 帧数，分辨率Res表示视频图像的像素数量，丢包率PLR表示网络传输中丢失数据包数量占 所发送数据包总量的比率。以上客观感知参数可从编解码器与比特流信息中获取。
[0019] 心理感知参数即播放缓冲参数，包括初始缓冲延时IBD与重缓冲时间比RTR，建立 缓冲区模型来计算这两个参数。
[0020] 初始缓冲延时IBD表示从视频的第一个帧进入缓冲区到它最终被播放的时间间 隔，计算公式3
其中Bfull为缓冲区的长度，单位为秒；y为视频播放速率， 单位为bits/s;A是视频数据的平均有效吞吐量，单位为bits/s;
[0021] 重緩冲时间比RTR表示重緩冲总时长占视频播放时长的比率，计算公式为
Trabuf为平均重缓冲延时；BMpty为标识缓冲区读空的阈值，单位为秒；n"buf为视频播放过程 中发生重缓冲的次数，1为视频长度，单位为秒。
[0022] 步骤2 :设置不同的端到端参数下的网络环境，分别对客观感知M0S与心理感知 M0S进行评价，然后利用乘性融合方法，获得综合M0S值。
[0023] 2-1.根据ITU-T建议的评估标准，将无线视频流的体验质量划分为5个等级，SP M0S值从1至5分别表示体验质量从最差到最佳。
[0024] 根据研究，不同参数对QoE的影响是相互叠加的，相比于传统加权和的形式，乘性 融合的方法更适用于对用户满意度的评估。
[0025] 2-2.利用人工实验与控制变量的方法，分别评价视频流受客观感知参数与心理感 知参数影响的Q〇E，分别记为客观感知M0S&与心理感知M0Spsy，则视频流的综合M0S值计算 为
> 同时记录对应的端到端参数，作为训练集。
[0026] 步骤3 :基于支持向量机建立QoE评估模型，并将步骤2中记录的端到端参数与对 应的综合M0S值作为输入数据，对评估模型进行训练；具体过程如下：
[0027] 3-1?训练集记为{(X;，y;)}，i= 1，2,…，N，其中Xi=[x!，x2,…，x10]T为输入数 据，包含视频内容特征（31、1'1、8^01)、编码参数伍81?41?、1^ 8)、网络传输参数（?1^)与播 放缓冲参数（IBD、RTR)，yi为对应的综合M0S值，N为样本数。
[0028] 3-2.定义函数将输入数据映射到高维特征空间，采用径向基函数作为核 函数
其中y为系数。对于输入的训 练集，在高维特征空间构造最优线性函数
> 其中x为输入的参数向量， f(x)为模型输出的M0S估计值，w为权重向量，b为偏置项。
[0029] 3-3.引入e-不敏感损失函数来限制估计值f(x)与训练数据y之间的偏差：
程度，C为正则化常数。
[0031] 3-4?以上问题的等效对偶问题为：
[0032]
[0033] 其中为拉格朗日乘子对。
[0034] 3-5.解上述对偶优化问题，获得N个乘子对i= ，根据支持向 量机的回归公式，模型的M0S评估值即为. 1-1
[0035] 步骤4 :利用步骤3中建立的QoE评估模型，采集无线视频流的影响参数，包括视 频内容特征（SI、TI、Br、CI)、编码参数（EBR、FR、Res)、网络传输参数（PLR)与播放缓冲参 数（IBD、RTR)，作为模型的输入x= [Xl，x2，…，x1Q]T，则模型的输出y即为对应参数条件下 的M0S评估值。
[0036] 本发明是基于支持向量机的无线视频流业务QoE评估模型，与现有的QoE评估模 型相比，其优点体现在：
[0037] 1、现有的视频流业务QoE评估模型考虑的影响因素不够全面，大多仅考虑比特 率、帧率、延时、丢包率等传统参数，而本发明同时将视频内容特征（空间信息、时间信息、 亮度信息、颜色信息）、编码参数（编码比特率、帧率、分辨率）、网络传输参数（丢包率）与 播放缓冲参数（初始缓冲延时、重缓冲时间比）纳入考虑，更能全面、准确地评估用户的体 验质量，且适用于对HTTP视频流业务的QoE评估。