视频播放方法、装置、设备和介质制造方法及图纸

本公开实施例提供一种视频播放方法、装置、设备和介质，上述视频播放包括：根据视频体验质量QoE模型选择播放码率；根据选择的播放码率播放视频；其中，视频QoE模型是基于训练过程得到的，训练过程包括：获取多条历史播放数据，历史播放数据是视频播放中存在卡顿的播放数据；基于历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；基于连续惩罚权重和位置惩罚权重确定视频QoE模型。本公开实施例的技术方案中视频QoE模型基于用户播放数据得到卡顿发生位置和连续卡顿对用户的影响，以提升预测用户观看视频主观分数的准确度，且该视频体验质量模型结构简单，计算难度低。

【技术实现步骤摘要】
视频播放方法、装置、设备和介质
本公开实施例涉及流媒体处理
，尤其涉及一种视频播放方法、装置、设备和介质。
技术介绍
随着移动互联网的发展和智能终端的普及，视频业务迎来爆发式的增长。为了应对网络波动等挑战，HTTP动态自适应流媒体(DynamicAdaptiveStreamingoverHTTP，DASH)技术在视频业务中被广泛应用，旨在确保视频体验质量(QualityofExperience，QoE)。在视频业务中，视频体验质量不仅会受到平均视频质量的影响，还会受到诸如卡顿，码率切换等因素的干扰。现有的QoE建模方法中，一般采用线性加权和QoE模型，该QoE模型主要考虑视频质量、卡顿以及质量切换对QoE的影响。导致与主观QoE的相关性较低，基于机器学习的诸多方法则需要大量训练样本，得出的视频体验质量模型相对复杂，容易出现过拟合的问题。公开内容本公开实施例提供一种视频播放方法、装置、设备和介质，以提升预测用户观看视频主观分数的准确度，且该视频体验质量模型结构简单，计算难度低。第一方面，本公开实施例提供了一种视频播放方法，包括：根据视频体验质量QoE模型选择播放码率；根据选择的所述播放码率播放视频；其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。第二方面，本公开实施例还提供了一种视频播放装置，包括：播放码率模块，用于根据视频体验质量QoE模型选择播放码率；视频播放模块，用于根据选择的所述播放码率播放视频；其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重，其中，所述惩罚权重用于表示用户观看意愿的损失度；基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。第三方面，本公开实施例还提供了一种视频播放设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例中任一项所述的视频播放方法。第四方面，本公开实施例还提供了一种介质，所述介质存储有计算机程序，所述计算机程序被处理器执行时实现如本公开实施例中任一项所述的视频播放方法。本公开实施例提供的视频播放方法、装置、设备和介质，所述视频播放方法包括：根据视频体验质量QoE模型选择播放码率；根据选择的播放码率播放视频；其中，视频QoE模型是基于训练过程得到的，训练过程包括：获取多条历史播放数据，历史播放数据是视频播放中存在卡顿的播放数据；基于历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；基于连续惩罚权重和位置惩罚权重确定视频QoE模型。本公开实施例的技术方案中视频QoE模型基于用户播放数据得到卡顿发生位置和连续卡顿对用户的影响，以提升预测用户观看视频主观分数的准确度，且该视频体验质量模型结构简单，计算难度低。附图说明结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。图1是本公开实施例提供的一种视频播放方法的流程图；图2是本公开实施例提供的一种视频QoE模型训练方法的流程图；图3是本公开实施例提供的观看意愿损失度与卡顿位置的关系图；图4是本公开实施例提供的观看意愿损失度与卡顿次数的关系图；图5是本公开实施例提供的一种QoE模型确定及应用的流程图；图6是本公开实施例提供的一种视频播放装置的结构示意图；图7是本公开实施例提供的一种电子设备的结构图。具体实施方式下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。早期的QoE模型假设卡顿在观看体验中占主导地位，只是简单地将卡顿事件的统计数据与QoE相关联，对画质的忽视降低了QoE模型与用户真实感受的相关性。为了克服这种局限性，提出用平均码率作为补充，与卡顿时长一同作为QoE模型的输入，上述QoE模型以码率和卡顿持续时间的加权平均数来计算QoE。后续一些QoE模型又增加了对质量(码率)切换的考虑，将QoE建模为视频码率、卡顿时长(次数)以及码率切换的线性加权和，并且应用在许多自适应比特率(AdaptiveBitrateStreaming，ABR)算法中。由于平均码率不一定能准确表示视频的质量(画质)，有相关工作提出使用视频质量评估(videoqualityassessment,VQA)模型取代平均码率作为视频质量的衡量标准，取得了一定的提升。同时，主观QoE模型无法通过简单的参数函数建模，利用机器学习技术，如非线性自回归视频体验质量模型、神经网络、支持向量机以及随机森林将一系列视频指标映射到主观意见分(MeanOpinionScore,MOS)。虽然上述方法可以拟合任意复杂的连续函数，但是容易过拟合，在不同的QoE数据集中性能表现不稳定，缺乏通用性。图1是本公开实施例提供的一种视频播放方法的流程图，本实施例可适用于确定视频播放码率并基于码率播放视频的情况，该方本文档来自技高网...

【技术保护点】
1.一种视频播放方法，其特征在于，包括：/n根据视频体验质量QoE模型选择播放码率；/n根据选择的所述播放码率播放视频；/n其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：/n获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；/n基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；/n基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。/n

【技术特征摘要】
1.一种视频播放方法，其特征在于，包括：
根据视频体验质量QoE模型选择播放码率；
根据选择的所述播放码率播放视频；
其中，所述视频QoE模型是基于训练过程得到的，所述训练过程包括：
获取多条历史播放数据，所述历史播放数据是视频播放中存在卡顿的播放数据；
基于所述历史播放数据确定连续卡顿对应的连续惩罚权重和不同卡顿位置的位置惩罚权重；
基于所述连续惩罚权重和所述位置惩罚权重确定所述视频QoE模型。


2.根据权利要求1所述的方法，其特征在于，基于所述历史播放数据确定不同卡顿位置的位置惩罚权重，包括：
基于所述历史播放数据确定至少一个卡顿位置以及所述卡顿位置对应的观看意愿损失度；
对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合，得到不同卡顿位置的惩罚权重。


3.根据权利要求2所述的方法，其特征在于，采用如下拟合方式中的一种或多种，对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合：
线性回归拟合、多项式回归拟合、负指数函数拟合。


4.根据权利要求3所述的方法，其特征在于，对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合，包括：
采用四次多项式对所述卡顿位置和所述卡顿位置对应的观看意愿损失度之间的关系进行拟合。


5.根据权利要求1至4中任一项所述的方法，其特征在于，基于所述历史播放数据确定连续卡顿对应的连续惩罚权重，包括：
统计第一预设时长内发生的卡顿次数；
确定所述卡顿次数和所述卡顿次数对应的观看意愿损失度；
对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重。


6.根据权利要求5所述的方法，其特征在于，采用如下拟合方式中的一种或多种，对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重，包括：
线性回归拟合、多项式回归拟合、对数函数拟合。


7.根据权利要求6所述的方法，其特征在于，对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重，包括：
采用分段式的二次多项式对所述卡顿次数和所述卡顿次数对应的观看意愿损失度之间的关系进行拟合，得到连续卡顿惩罚权重。...

【专利技术属性】
技术研发人员：曾敏寅，孟胜彬，李军林，王悦，郭宗明，
申请(专利权)人：脸萌有限公司，
类型：发明
国别省市：开曼群岛;KY