【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...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。