一种基于网络健康指数的视频质量评估方法与系统

摘要

本发明提出一种基于网络健康指数的视频质量评估方法和系统。通过将基于网络健康指数的视频质量评估与基于芯片提供的帧卡顿信息分析卡顿数据的视频质量评估进行拟合，获得模拟分析卡顿数据的评估方法的基于网络健康指数的评估算法模块，将其植入缺乏分析卡顿数据能力的机顶盒，实现客观正确且与人眼体验对应效果一致的视频质量评估，解决全网质量监测统一评价标准的问题。

说明书

技术领域

本发明涉及互联网领域，尤其涉及一种针对IPTV等实时流的基于网络健康指数的视频质量评估方法与系统。

背景技术

随着互联网和多媒体技术的蓬勃发展，在线观看视频已经成为日常生活中主要的娱乐方式之一，用户对于观看体验的要求随着网络带宽的增加和在线视频资源的日益丰富而不断提高。用户端视频质量是影响用户观看体验的关键因素，因为即便是质量较高的原始视频，也很有可能经过网络传输并受到机顶盒处理能力影响而发生失真。因此，为改善用户体验，对用户端的视频质量进行有效地评估具有重要意义。

人眼对视频的主要感觉在三个方面：流畅度(是否有可察觉的卡顿)、清晰度、和延时度。其中，流畅度又是视频质量体验指标中最重要的一项。

目前，对视频质量进行评估主要有主观质量评估和客观质量评估，也可以主客观结合。

主观质量评估通常需要在受限制的环境条件下进行，人员分组观看后按等级主观打分，直接利用人眼的体验结果，实施难度较大，且不便于对大量视频进行评估，且个人打分因主观因素而存在较大偏差。

主客观结合法将客观质量评估结合个人平均打分，拟合效果不好，且同样因个人打分的主观因素而存在较大偏差。

客观质量评估根据其采用的参考模型可进一步分为全参考、部分参考、无参考三类：

1、全参考：其方法是对比原始视频进行评估，这样达到了像素级，可全面准确评价，与人眼效果一致，但是因为其需要有原始视频作对比而原始视频往往无法获取，而且消耗的带宽太多，可应用范围受到限制，适应性差，视频分辨率缩放之后不具有可比性；

2、部分参考：其方法是对比部分原始视频并施加运算，这样便于实施，相比于全参考也可以减小带宽的开销，但是评估值不一定与人眼体验效果一致，存在一定偏差；

3、无参考：其方法包括分析视频帧信息、分析网络传输数据、分析芯片卡顿数据。

·分析视频帧信息优点是比较准确，但算法复杂且结果难以与人眼体验对应；

·分析网络丢包延时等传输数据，考虑丢包率和平均连续丢包数对视频质量的影响，还考虑了丢包离散度所指示的丢包分布对视频质量的影响，该方法较为简便，但评估值也无法与人眼体验对应，偏差很大；

·分析卡顿数据，通过分析芯片提供的帧信息统计用户终端的视频卡顿，真实地反映用户的视频体验，可以实现与人眼体验对应效果一致，但需要大量的机顶盒芯片和播放器的适配工作，在无法提供芯片卡顿数据接口即没有芯片帧信息的场景中无法实现。

由于对于视频质量评估方法和系统好坏的判断而言，评估结果与人眼的主观体验感受一致程度是最为重要的指标。基于此，综合前述各质量评估方法可见，仅有全参考类型和分析卡顿数据的无参考类型两种可以实现与人眼体验对应效果一致，但其中全参考类型又因原始视频不易获取而应用范围受到限制。因此，只有后者，即基于芯片提供的帧信息分析卡顿数据无参考类型的客观质量评估才能较好的评估视频质量。

目前已经建立的IPTV视频质量监测系统中，南方省份大多通过机顶盒探针，读取播放器输出的芯片底层视频卡顿帧信息数据，如图1(a)中的机顶盒A具有芯片帧卡顿信息统计模块，基于芯片提供的帧信息分析卡顿数据可较好实现视频质量的评估。但是北方省份的机顶盒，如图1(a)中的机顶盒B，由于播放器和硬件问题，没有硬件芯片帧卡顿信息统计模块没有卡顿数据，或者虽然硬件芯片有卡顿数据但是播放器软件不予向探针传输卡顿数据，因此无法实现上述基于芯片提供的帧信息分析卡顿数据的无参考类型的客观质量评估。这样全网中的那些没有芯片帧卡顿信息统计模块的机顶盒将导致全网规模统计视频质量评估难以进行。

因此，亟须针对无法提供芯片卡顿数据接口的客户端机顶盒，即如图1(a)中的机顶盒B，提出一种高效且便于实施，同时客观正确且与人眼体验对应效果一致的视频质量评估方法，解决全网质量监测以及南北省份统一评价标准的问题。

发明内容

提供本发明内容以便以简化形式介绍将在以下详细描述中进一步描述的一些概念。本发明内容并不旨在标识出所要求保护的主题的关键特征或必要特征；也不旨在用于确定或限制所要求保护的主题的范围。

本发明提出了一种在机顶盒探针内植入网络健康指数算法，获取媒体传输系数MDI(Media Delivery Index)值，结合网络指标和卡顿曲线拟合优化修正其算法系数，以此较佳地模拟分析卡顿数据的评估方法，进行网络健康指数计算和评估。本发明的技术方案实施难度小、准确性高。不需要全网机顶盒适配复杂的芯片帧信息卡顿信息库，使得播放器不能提供芯片信息的场景也能够正确地进行视频优良率评估。

本发明的视频质量评估系统，包括：视频平台；具备芯片帧卡顿信息统计模块的机顶盒；以及不具备芯片帧卡顿信息统计模块但植入了基于网络健康指数h_mos的视频质量评估算法模块的机顶盒。其中，基于h_mos的视频质量评估算法模块通过将基于MDI计算h_mos的视频质量评估与基于芯片提供的帧卡顿信息分析卡顿数据的视频质量评估进行拟合而获得。

本发明的视频质量评估方法，包括以下步骤：在位于实验室的同时具备基于h_mos的算法模块和基于芯片卡顿的评估模块的测试机顶盒中将基于MDI计算h_mos的视频质量评估与基于芯片提供的帧卡顿信息分析卡顿数据的视频质量评估进行拟合，获得模拟分析卡顿数据的评估效果的基于h_mos的评估的理想算法模块；将理想算法模块植入缺乏分析卡顿数据能力的机顶盒中；机顶盒以固定时间间隔向视频平台上报一次h_mos，出现一次上报的h_mos低于h_mos临界阈值的情况就记录一个质差块，全天内质差块数量累积高于一比例的机顶盒列为质差用户；基于全天内质差用户数量和当天播放过视频的用户总数，根据公式“规模统计视频优良率＝(1-质差用户数/播放过视频的用户总数)×100％”来计算全天规模统计视频优良率，获得整体视频质量评估结果。

在前述测试机顶盒中进行的拟合过程中，每隔固定时间运行一次基于MDI的h_mos算法，计算得到一个h_mos数据值，记录h_mos数据值与网络损伤丢包控制关系的曲线；每秒获取芯片帧信息卡顿信息数据，每隔相同固定时间统计出一个卡顿次数数据值，记录卡顿次数数据值与网络损伤丢包控制关系的曲线；将卡顿次数数据值与网络损伤丢包控制关系的曲线保持不变，通过修正h_mos算法系数，拟合h_mos数据值与网络损伤丢包控制关系的曲线以与卡顿次数数据值与网络损伤丢包控制关系的曲线相似；以及确定卡顿两次的情况作为h_mos临界阈值。

通过阅读下面的详细描述并参考相关联的附图，这些及其他特点和优点将变得显而易见。应该理解，前面的概括说明和下面的详细描述只是说明性的，不会对所要求保护的各方面形成限制。

附图说明

以下将通过参考附图中示出的具体实施例来对本发明进行更具体描述。

图1的(a)和(b)分别是现有IPTV视频质量监测系统整体模块示意图和使用了本发明的视频质量评估系统的IPTV视频质量监测系统整体模块示意图；

图2是根据本发明的网络健康指数曲线与卡顿曲线趋势拟合示意图；

图3是根据本发明的基于网络健康指数的视频质量评估方法的流程图。

附图中的流程图和框图显示了根据本申请的实施例的系统、方法可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。

具体实施方式

以下将通过参考附图中示出的具体实施例来对本发明进行更具体描述。通过阅读下文具体实施方式的详细描述，本发明的各种优点和益处对于本领域普通技术人员将变得清楚明了。然而应当理解，可以以各种形式实现本发明而不应被这里阐述的各实施方式所限制。提供以下实施方式是为了能够更透彻地理解本发明。除非另有说明，本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。

发明人注意到，媒体传输质量是影响和衡量网络视频质量的主要因素，机顶盒处理能力对网络视频质量的影响次之。

MDI与视频质量高度相关一致，作为IP视频流传输质量测试的行业标准，可以被用来衡量网络媒体流抖动和丢包率。MDI包含两个参数：DF延迟因子和MLR媒体丢包率。而芯片缓存内视频帧信息数据，是网络传输和机顶盒处理综合反映结果。500ms帧率卡顿和时长，经现网环境测试表明与人眼体验感觉效果高度一致。

基于此，本发明提出了一种基于MDI的网络健康指数算法(包括经验公式和判断逻辑)，将该算法植入无法提供芯片卡顿数据接口的客户端机顶盒探针内，使得其能够和具有芯片卡顿数据接口的客户端机顶盒一样正确地进行优良率评估。

而基于MDI的网络健康指数算法的获得，需要在实验室结合网络指标和卡顿曲线拟合优化修正其算法系数。

图1的(a)和(b)分别是现有IPTV视频质量监测系统整体模块示意图和使用了本发明的视频质量评估系统的IPTV视频质量监测系统整体模块示意图。

其中的机顶盒A为现有的具有芯片帧卡顿信息统计模块的机顶盒，如南方省份常见的，已经可以实现基于芯片提供的帧信息分析卡顿数据无参考类型的客观质量评估，无需本发明的分方法，在图中用虚线示出；而机顶盒B为现有的没有芯片帧卡顿信息统计模块的机顶盒，如北方省份常见的，不能实现基于芯片提供的帧信息分析卡顿数据无参考类型的客观质量评估，本发明的方法是针对这样的机顶盒B而提出的。

图1(b)中的机顶盒B’为在现有的没有芯片帧卡顿信息统计模块的机顶盒B中增加本发明的网络健康指数(h_mos)MDI算法模块，使其能够和机顶盒A一样实现基于网络健康指数的视频质量评估。

为了使得基于网络健康指数的视频质量评估能够真实地反映用户的视频体验，像分析芯片提供的帧信息统计用户终端的视频卡顿实现与人眼体验对应效果一致，发明人在实验室采用同时具备网络健康指数算法模块和芯片卡顿信息统计模块的测试机顶盒，根据卡顿曲线对网络健康指数进行修正。还需要在测试机顶盒和IPTV平台视频之间插入连接到电脑的网络损伤仪来完成网络健康指数曲线与卡顿曲线趋势拟合工作。

图2是根据本发明的网络健康指数曲线与卡顿曲线趋势拟合示意图，图中：

L1为芯片卡顿曲线，即反映芯片卡顿次数与丢包值实测关系的曲线；

L2为初始网络健康指数(h_mos)曲线，即模型初始系数与丢包值计算曲线；

L3为拟合目标网络健康指数(h_mos)曲线，即优化拟合的最终目标曲线，在图2中可见L3与L1呈水平翻转对称状态。

本发明的计算探针网络健康指数(h_mos)的经验计算公式如下：

h_mos＝(5-(int(MDI/a))×b-((float)lost/c))×(pow(d,e×lost×f))

其中，lost为丢包，算法中单位为0.01％，lost为5，实际丢包为0.05％。

公式中的a、b、c、d、e、f为动态系数，它们的不同取值将使h_mos模型计算值动态变化。目标是使得图中初始曲线L2逐步变化到目标曲线L3，即与L1呈水平翻转对称状态。

拟合优化修正过程如下：

·h_mos曲线函数，先在y＝2.5水平直线上横轴反转(y取2.5是因为：h_mos的y值域是0～5分，取中间值2.5翻转后，即可与卡顿数据曲线的函数单调性保持一致，方能拟合)

·与卡顿曲线标幺量纲同一处理

·再使用单纯形优化算法、最小二乘法

·最终优化拟合确定模型系数。

在一个实施例中，根据实验室测试拟合结果，卡顿曲线拟合后系数取值：a＝50，b＝0.1，c＝50，d＝2.72，e＝-0.000394，f＝50。根据上述公式，对应视频卡顿2次的优良率的网络健康指数临界阈值：h_mos＝4.8。

运算逻辑经验步骤如下：(a>10)

if(MDI<＝10)

h_mos＝(5.0-((float)lost/50))×(pow(2.72,-0.000394×lost×50))；

else if(MDI<＝a＝50)

h_mos＝(4.9-((float)lost/50))×(pow(2.72,-0.000394×lost×50))；

else if(MDI<＝2a＝100)

h_mos＝(4.8-((float)lost/50))×(pow(2.72,-0.000394×lost×50))；

else if(MDI<＝3a＝150)

h_mos＝(4.7-((float)lost/50))×(pow(2.72,-0.000394×lost×50))；

else if(MDI<＝4a＝200)

h_mos＝(4.6-((float)lost/50))×(pow(2.72,-0.000394×lost×50))；

else if(MDI<＝5a＝250)

h_mos＝(4.5-((float)lost/50))×(pow(2.72,-0.000394×lost×50))；

else if(MDI<＝6a＝300)

h_mos＝(4.4-((float)lost/50))×(pow(2.72,-0.000394×lost×50))；

else

h_mos＝(4.3-((float)lost/50))×(pow(2.72,-0.000394×lost×50))。

图3是根据本发明的质量评估方法的流程图。

在实验室的测试机顶盒中，将基于网络健康指数的视频质量评估与基于芯片提供的帧信息分析卡顿数据的视频质量评估进行拟合，获得模拟分析卡顿数据的评估方法的基于网络健康指数的评估算法模块，并将其应用于没有分析卡顿数据能力的机顶盒，进行质量评估的流程图。

步骤S310-S350为实验室中进行的步骤。

在测试机顶盒中同时具备h_mos和芯片卡顿两种视频质量模块(这不同于实际使用场景，实际使用中具备分析芯片卡顿进行评估的能力的机顶盒无需加装本发明的基于网络健康指数的评估算法模块)。

在步骤S310，每间隔固定时间(例如5分钟，本领域技术人员可以理解，可根据具体情况进行调整)运行一次基于MDI的网络健康指数算法，计算出一个h_mos数据值；同时

在步骤S320，每秒获取芯片帧信息卡顿信息数据，每间隔相同固定时间(例如5分钟)统计出一个卡顿次数数据值；

在步骤S330，根据测试得到的h_mos和卡顿数据值，记录各自与网络损伤丢包控制关系的曲线；

在步骤S340，将卡顿数据曲线基本保持不变，同时修正网络健康指数算法系数，使h_mos数值曲线，与卡顿曲线趋势相似(参见上述结合图2的描述)。步骤S340可以包括多次拟合数据的过程，最终修正网络健康指数算法中各个参数；

在步骤350，确定卡顿2次的情况作为网络健康指数临界阈值，即临界h_mos阈值。并获得基于网络健康指数的视频质量评估的理想算法模块。

接下来，步骤S360-S380为使用场景的步骤。

在步骤360，将所获得的理想算法模块应用到现有机顶盒，即未提供芯片卡顿数据接口的机顶盒(图1中的机顶盒B)，使之成为机顶盒B’。

在步骤370，植入前述理想算法模块的机顶盒每间隔固定时间(例如5分钟，本领域技术人员可以理解，可根据具体情况进行调整)向视频平台上报一次h_mos数据。由平台计算视频优良率。如果机顶盒某个5分钟上报数据的小于h_mos阈值，则为一个质差块；如果机顶盒某天共计有高于5％质差块，则为质差用户。

在步骤380，计算一整天的规模统计视频优良率＝(1-质差用户数/播放过视频的用户总数)×100％。至此，获得整体视频质量评估结果。

本发明的技术方案使基于网络健康指数的客观质量评估方法与另外一种人眼体验高一致性的芯片卡顿次数的客观质量评估方法的数据，有效进行结合。提出的网络健康指数算法，基于了更合理的MDI网络指标，其与机顶盒芯片视频帧信息反映的视频播放卡顿的相关性更高，结合拟合具有合理性。

以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，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申请各实施例技术方案的范围，其均应涵盖在本申请的权利要求和说明书的范围当中。