一种多媒体数据处理方法、装置、设备及可读存储介质制造方法及图纸

本申请实施例公开了一种多媒体数据处理方法、装置、设备及可读存储介质，该方法包括：获取多媒体数据对应的历史数据组；获取多媒体数据对应的目标网络数据；目标网络数据是在基于初始媒体预测码率播放多媒体数据时所采集到的网络数据；初始媒体预测码率是由初始码率预测模型所预测得到的码率；根据历史网络数据、历史媒体预测码率、目标网络数据以及初始码率预测模型，生成聚合数据组，对聚合数据组进行分类回归学习，得到轻量码率预测模型；轻量码率预测模型用于在播放多媒体数据的目标终端中进行媒体码率预测处理。采用本申请，可以实时响应网络变化，减少视频卡顿发生，减少网络带宽的浪费。网络带宽的浪费。网络带宽的浪费。

【技术实现步骤摘要】
一种多媒体数据处理方法、装置、设备及可读存储介质


[0001]本申请涉及计算机
，尤其涉及一种多媒体数据处理方法、装置、设备以及可读存储介质。

技术介绍

[0002]随着广播技术以及网络视频应用的发展，视频已成为人们日常生活中重要的一个部分，人们用视频进行娱乐或学习。
[0003]目前对于视频观看大多需要通过无线网络(例如，WiFi)或者流量数据进行，若无线网络不稳定或用户存在移动行为时，则视频可用带宽就存在着一定范围的波动。而网络波动可能会产生带宽变小的情况，在这种情况下若视频缓冲又被消耗殆尽时，在视频播放过程中就会出现视频画面卡顿的问题，这十分损害用户体验。
[0004]在现有技术中，主要采用根据当前网络状况去调整传输的码率的策略来改善视频画面卡顿的问题。也就是说，现有技术主要根据网络状况去滞后响应补救措施，当视频卡顿的问题发生，才降低码率来进行补救；另一方面，当网络恢复后，也不能及时将码率提高，从而可能会造成网络带宽的浪费。

技术实现思路

[0005]本申请实施例提供一种多媒体数据处理方法、装置、设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多媒体数据处理方法，其特征在于，包括：获取多媒体数据对应的历史数据组；所述历史数据组中包括历史网络数据和历史媒体预测码率，所述历史媒体预测码率是由已训练的码率预测神经网络基于所述历史网络数据所预测得到的码率；获取所述多媒体数据对应的目标网络数据；所述目标网络数据是在基于初始媒体预测码率播放所述多媒体数据时所采集到的网络数据；所述初始媒体预测码率是由初始码率预测模型所预测得到的码率；所述初始码率预测模型是通过对所述历史数据组进行分类回归学习所构建得到；根据所述历史网络数据、所述历史媒体预测码率、所述目标网络数据以及所述初始码率预测模型，生成聚合数据组，对所述聚合数据组进行分类回归学习，得到轻量码率预测模型；所述轻量码率预测模型用于在播放所述多媒体数据的目标终端中进行媒体码率预测处理。2.根据权利要求1所述的方法，其特征在于，所述历史网络数据包括第一历史网络数据与第二历史网络数据，所述历史媒体预测码率包括第一历史媒体预测码率与第二历史媒体预测码率；所述获取多媒体数据对应的历史数据组，包括：将所述码率预测神经网络部署于模拟播放器中；在所述模拟播放器中模拟请求播放所述多媒体数据的过程中，获取第一历史网络数据，将所述第一历史网络数据输入至所述码率预测神经网络；通过所述码率预测神经网络输出与所述第一历史网络数据相匹配的第一历史媒体预测码率；通过所述模拟播放器，在基于所述第一历史媒体预测码率对所述多媒体数据进行模拟请求播放的过程中，获取第二历史网络数据；将所述第二历史网络数据输入至所述码率预测神经网络，通过所述码率预测神经网络输出与所述第二历史网络数据相匹配的第二历史媒体预测码率；根据所述第一历史网络数据与所述第一历史媒体预测码率所组成的数据组，以及所述第二历史网络数据与所述第二历史媒体预测码率所组成的数据组，生成所述历史数据组。3.根据权利要求2所述的方法，其特征在于，所述通过所述模拟播放器，在基于所述第一历史媒体预测码率对所述多媒体数据进行模拟请求播放的过程中，获取第二历史网络数据，包括：通过所述模拟播放器向内容服务器发送用于播放所述多媒体数据的模拟播放请求；所述模拟播放请求携带所述第一历史媒体预测码率；获取由所述内容服务器所传输的基于所述第一历史媒体预测码率转码后的多媒体数据，基于所传输的基于所述第一历史媒体预测码率转码后的多媒体数据，采集网络数据，将采集到的网络数据作为所述第二历史网络数据。4.根据权利要求1所述的方法，其特征在于，所述获取所述多媒体数据对应的目标网络数据，包括：将所述初始码率预测模型部署于模拟播放器中；在所述模拟播放器中模拟请求播放所述多媒体数据的过程中，获取初始网络数据，将
所述初始网络数据输入至所述初始码率预测模型；通过所述初始码率预测模型输出与所述初始网络数据相匹配的初始媒体预测码率；通过所述模拟播放器向所述内容服务器发送用于播放所述多媒体数据的模拟播放请求；所述模拟播放请求携带所述初始媒体预测码率；获取由所述内容服务器所传输的基于所述初始媒体预测码率转码后的多媒体数据，基于所传输的基于所述初始媒体预测码率转码后的多媒体数据，采集网络数据，将采集到的网络数据作为所述目标网络数据。5.根据权利要求1所述的方法，其特征在于，所述根据所述历史网络数据、所述历史媒体预测码率、所述目标网络数据以及所述初始码率预测模型，生成聚合数据组，包括：将所述历史网络数据与所述目标网络数据进行合并，得到合并网络数据；将所述合并网络数据输入至所述初始码率预测模型，通过所述初始码率预测模型输出与所述合并网络数据相匹配的合并媒体预测码率；将所述合并网络数据与所述合并媒体预测码率所组成的数据组，以及所述历史网络数据与所述历史媒体预测码率所组成的所述历史数据组，进行聚合，得到所述聚合数据组。6.根据权利要求1～5任一项所述的方法，其特征在于，所述对所述聚合数据组进行分类回归学习，得到轻量码率预测模型，包括：对所述聚合数据组进行分类回归学习，得到更新码率预测模型；获取所述更新码率预测模型对应的模型更新迭代次数；当所述模型更新迭代次数满足迭代次数阈值，将所述更新码率预测模型确定为所述轻量码率预测模型。7.根据权利要求1～5任一项所述的方法，其特征在于，所述方法还包括...

【专利技术属性】
技术研发人员：黄巍，戚伟杰，韩云博，严华梁，张云飞，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：