视频卡顿预测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种视频卡顿预测方法、装置、计算机设备及存储介质。所述方法包括：获取目标视频在设定时刻的前一时间段内的流量特征，形成流量特征序列；将所述流量特征序列输入到预先训练的卡顿预测模型中，得到所述目标视频在设定时刻的后一时间间隔内的卡顿预测结果，其中，所述时间段的时长大于等于所述时间间隔的时长。本发明专利技术实施例可以准确预测视频在下一时间间隔内的卡顿。

Video card prediction method, device, computer equipment and storage medium

【技术实现步骤摘要】
视频卡顿预测方法、装置、计算机设备及存储介质
本专利技术实施例涉及多媒体
，尤其涉及一种视频卡顿预测方法、装置、计算机设备及存储介质。
技术介绍
视频卡顿是用户设备播放视频经常会遇到的一种现象。可以通过视频卡顿预测结果配合基站调度算法来调整调度策略以及配置方案，保证视频播放流畅，实现提升用户的观赏体验。目前，视频是否卡顿的判断方式为：通过统计某段预设时间内各单位时间主视频流的接收帧率，并计算接收帧率方差，通过判断该方差是否大于卡顿阈值，确定该时间段内视频是否出现卡顿。上述卡顿判断方式是通过一段时间内的视频帧率方差判断该时间段内视频的卡顿情况，无法预测下一时间段内的视频是否出现卡顿，且不具有实时性。
技术实现思路
本专利技术实施例提供一种视频卡顿预测方法、装置、计算机设备及存储介质，可以准确预测视频在下一时间内的卡顿。第一方面，本专利技术实施例提供了一种视频卡顿预测方法，包括：获取目标视频在设定时刻的前一时间段内的流量特征，形成流量特征序列；将所述流量特征序列输入到预先训练的卡顿预测模型中，得到所述目标视频在设定时刻的后一时间间隔内的卡顿预测结果，其中，所述时间段的时长大于等于所述时间间隔的时长。第二方面，本专利技术实施例还提供了一种视频卡顿预测装置，包括：流量特征序列生成模块，用于获取目标视频在设定时刻的前一时间段内的流量特征，形成流量特征序列；视频卡顿预测模块，用于将所述流量特征序列输入到预先训练的卡顿预测模型中，得到所述目标视频在设定时刻的后一时间间隔内的卡顿预测结果，其中，所述时间段的时长大于等于所述时间间隔的时长。第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术实施例中任一所述的视频卡顿预测方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例中任一所述的视频卡顿预测方法。本专利技术实施例通过获取视频在设定时刻之前一段时间内的流量特征，并形成流量特征序列，输入到预先训练的卡顿预测模型中，可以得到视频在设定时刻之后的一段时间内的卡顿预测结果，解决了现有技术中无法预测视频卡顿的问题，实现预测未来时间段内的视频卡顿，提高了视频卡顿预测的实时性。附图说明图1a是本专利技术实施例一中的一种视频卡顿预测方法的流程图；图1b是本专利技术实施例一中的一种神经网络模型的示意图；图1c是本专利技术实施例一中的一种长短期记忆网络模型的示意图；图1d是本专利技术实施例一中的一种卷积神经网络模型的示意图；图2是本专利技术实施例二中的一种视频卡顿预测方法的流程图；图3是本专利技术实施例三中的一种视频卡顿预测装置的结构示意图；图4是本专利技术实施例四中的一种计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1a为本专利技术实施例一中的一种视频卡顿预测方法的流程图的示意图，本实施例可适用于获取视频的一段时间内的流量特征，并预测下一时间段内是否卡顿的情况，该方法可以由本专利技术实施例提供的视频卡顿预测装置来执行，该装置可采用软件和/或硬件的方式实现，并一般可集成计算机设备中。如图1a所示，本实施例的方法具体包括：S110，获取目标视频在设定时刻的前一时间段内的流量特征，形成流量特征序列。目标视频可以是指网络(如视频网站)上可实时播放的视频，或者还可以是预先录制的视频。可选的，所述目标视频为实时播放的视频，所述设定时刻为当前系统时刻。目标视频为实时播放的视频，同时设定时刻为当前系统时刻，实现快速准确地预测当前系统时刻未来时间间隔内是否卡顿。设定时刻的前一时间段是指，在设定时刻以前的时间段，其中，时间段的时长可以根据需要进行设定，例如，时间段的时长为3秒。用户在使用视频播放器播放视频时，会产生网络流量。通常流量特征用于描述在预设时间段内的网络情况，进而体现用户终端播放视频时的网络质量。流量特征可以是指播放视频产生的网络流量的特征。流量特征序列至少包括以下一个或几个流量特征。可选的，所述流量特征包括下述至少一项：每秒字节数、上行每秒字节数、下行每秒字节数、每秒数据包数、上行每秒数据包数、下行每秒数据包数、每秒抖动字节数、上行每秒抖动字节数、下行每秒抖动字节数、每秒抖动包数、上行每秒抖动包数、下行每秒抖动包数、每秒最大字节数、上行每秒最大字节数、下行每秒最大字节数、每秒最大包数、上行每秒最大包数、下行每秒最大包数、每秒最小包数、上行每秒最小包数、下行每秒最小包数、每秒包间延时总和、每秒包间平均延时、每秒上行包间延时总和、每秒上行平均包间延时、每秒下行包间延时总和、每秒下行平均包间延时、码率和视频分辨率。其中，上行是指本地IP(InternetProtocol，网际协议地址)向服务器IP发送字节数的方向。下行是指服务器IP向本地IP发送字节数的方向。具体的，每秒字节数(kb/s)：每秒传输的总字节数。上行每秒字节数(up_kb/s)：本地IP每秒向视频服务器IP发送的字节数总和。下行每秒字节数(down_kb/s)：视频服务器IP每秒向本地IP发送的字节数总和。每秒包数(packets/s)：每秒传输的数据包数。上行每秒数据包数(up_packets/s)：本地IP向视频服务器IP每秒发送的包数总和。下行每秒数据包数(down_packets/s)：视频服务器IP向本地IP每秒发送的包(packet)数总和。每秒抖动字节数(shake_kb/s)：请求时刻(s为单位)的每秒字节数与上一时刻每秒字节数之差。上行每秒抖动字节数(up_shake_kb/s)：请求时刻(s为单位)的上行每秒字节数与上一时刻上行每秒字节数之差。下行每秒抖动字节数(down_shake_kb/s)：请求时刻(s为单位)的下行每秒字节数与上一时刻下行每秒字节数之差。每秒抖动包数(shake_packets/s)：请求时刻(s为单位)的每秒包数与上一时刻每秒包数之差。上行每秒抖动包数(up_shake_packets/s)：请求时刻(s为单位)的上行每秒包数与上一时刻上行每秒包数之差。下行每秒抖动包数(down_shake_packets/s)：请求时刻(s为单位)的下行每秒包数与上一时刻下行每秒包数之差。每秒最大字节数(max_kb/s)：先记录初始时刻每秒字节数(kb/s)为每秒最大字节数，若任意当前时刻统计的每秒字节数大于历史统计的每秒最大字节数，则进行更新，否则保持不变。上行每秒最大字节数(up_max_kb/s)：先记录初始时刻上行每秒字节数(up_kb/s)为上行每秒最大字节数，若任本文档来自技高网...

【技术保护点】
1.一种视频卡顿预测方法，其特征在于，包括：/n获取目标视频在设定时刻的前一时间段内的流量特征，形成流量特征序列；/n将所述流量特征序列输入到预先训练的卡顿预测模型中，得到所述目标视频在设定时刻的后一时间间隔内的卡顿预测结果，其中，所述时间段的时长大于等于所述时间间隔的时长。/n

【技术特征摘要】
1.一种视频卡顿预测方法，其特征在于，包括：
获取目标视频在设定时刻的前一时间段内的流量特征，形成流量特征序列；
将所述流量特征序列输入到预先训练的卡顿预测模型中，得到所述目标视频在设定时刻的后一时间间隔内的卡顿预测结果，其中，所述时间段的时长大于等于所述时间间隔的时长。


2.根据权利要求1所述的方法，其特征在于，在将所述流量特征序列输入到预先训练的卡顿预测模型中之前，还包括：
获取采样视频至少一个所述时间间隔内的流量特征，以及在至少一个所述时间间隔的下一个时间间隔的卡顿评价结果；
根据各所述时间间隔内的卡顿评价结果，以及各所述时间间隔内的流量特征，生成训练样本；
根据多个所述训练样本，对神经网络模型进行训练，得到卡顿预测模型。


3.根据权利要求2所述的方法，其特征在于，所述根据各所述时间间隔内的卡顿评价结果，以及各所述时间间隔内的流量特征，生成训练样本，包括：
将目标时刻的后一所述时间间隔的卡顿评价结果，以及所述目标时刻的至少一个前一所述时间间隔的流量特征，生成训练样本。


4.根据权利要求2所述的方法，其特征在于，所述获取采样视频至少一个所述时间间隔内的流量特征，以及在至少一个所述时间间隔的下一个时间间隔的卡顿评价结果，包括：
获取按照时间间隔对采样视频进行截取形成的图像帧；
对每两个相邻图像帧进行比较，确定所述两个相邻图像帧的获取时刻关联的时间间隔匹配的卡顿评价结果；
获取所述采样视频的抓包数据，并进行解析，得到流量特征，所述抓包数据包括pcap包数据；
将所述抓包数据中首个获取请求的获取视频数据的时刻关联的时间间隔作为所述流量特征匹配的时间间隔。


5....

【专利技术属性】
技术研发人员：崔渊博，李晓宵，金红，刘长永，杨满智，陈晓光，
申请(专利权)人：恒安嘉新北京科技股份公司，
类型：发明
国别省市：北京;11