一种自适应码率传输的服务器及码率确定方法技术

本发明专利技术揭示了一种自适应码率传输的服务器及码率确定方法，自适应码率传输服务器，包括网络状况判断模块和码率决策模块；其中，网络状况判断模块，接收客户端的历史网络状况信息，并根据网络状况预测模型，判断出客户端的未来网络状况；码率决策模块，根据客户端的未来网络状况选择或切换相对应的码率决策模型，并结合客户端的历史网络状况信息、客户端的缓冲状况信息和码率决策模型确定传输给客户端的媒体内容的码率。采用了本发明专利技术的技术方案，解决了现有码率自适应传输难以很好地应对网络高动态特性的问题，有利于保持较优的决策性能，保证用户在多种传输网络状况下均可以获得较高的媒体观看体验质量。较高的媒体观看体验质量。较高的媒体观看体验质量。

【技术实现步骤摘要】
一种自适应码率传输的服务器及码率确定方法


[0001]本专利技术属于互联网领域，尤其是一种媒体内容自适应码率传输的服务器及码率确定方法。

技术介绍

[0002]随着互联网传输流量中视频流量所占比例的日益提升以及用户对于媒体质量要求的日渐增加，视频内容提供商越来越注重提升视频传输的质量以保证高用户主观体验质量，其中主要用到的一种方案就是自适应码率传输算法，即综合考虑传输网络历史吞吐率状况及用户端播放器状态，动态地为未来视频内容选择合适的传输码率，而不是以恒定的码率进行视频内容的传输，从而在保证用户观看视频高质量的同时，减少视频卡顿次数，降低传输时延，提升视频平滑度。然而，传输网络具有高动态特性，并且随着接入用户数量的不断上升以及网络流量的急剧增长，传输网络环境也正变得越来越复杂。
[0003]现有的码率自适应传输算法，在选取特定模型或模型参数后，都只能针对某种网络状况时达到较优的效果，当网络因为波动而出现完全不同的吞吐率状况时，即当客户端播放器遇到完全不同的网络状况时，码率自适应算法则无法取得较优的效果。现实生活中的媒体传输网络通常具有高动态特性，且媒体播放器广泛部署在移动客户端之中，客户端媒体播放器不可避免地会经历完全不同的网络状况。
[0004]因此，考虑到单一码率自适应模型或固定模型参数在应对网络动态特性时存在的不足，以及客户端播放器处网络状况时变的属性，需要针对码率自适应传输提出一种基于网络状况自动进行模型切换的方案。

技术实现思路

[0005]本专利技术提供了一种自适应码率传输服务器及码率确认方法，采用在自适应码率传输中设置多个码率决策模型、能够自动进行码率决策模型切换并确认媒体内容传输码率的技术方案，解决媒体内容在多种不同的网络状况下传输质量不佳的问题。
[0006]依据上述目的，实施本专利技术的一种自适应码率传输服务器，用于根据客户端的网络状况及缓冲状况确定传输给客户端的媒体内容的码率，其特征在于，包括网络状况判断模块和码率决策模块；其中，
[0007]所述网络状况判断模块，接收客户端的历史网络状况信息，并根据网络状况预测模型，判断出客户端的未来网络状况；
[0008]所述码率决策模块，根据客户端的未来网络状况选择或切换相对应的码率决策模型，并结合客户端的历史网络状况信息、客户端的缓冲状况信息和码率决策模型确定传输给客户端的媒体内容的码率。
[0009]可选的，所述码率决策模块，确定传输给客户端的媒体内容的码率时，还需结合客户端当时的网络状况信息。
[0010]可选的，所述客户端的历史网络状况信息包括客户端在若干个不同时刻的网络状
况信息。
[0011]可选的，所述网络状况预测模型基于传统启发式算法或数据驱动的深度学习算法构建。
[0012]可选的，所述网络状况预测模型，包括卷积神经网络、池化层、批量归一化层、矩阵维度重塑层和全连接神经网络；其中，
[0013]所述卷积神经网络，对接收到的所述历史网络状况的信息进行卷积运算；
[0014]所述池化层，对卷积运算后的数据进行一维池化处理；
[0015]所述批量归一化层，对池化后的数据进行归一化处理；
[0016]所述矩阵维度重塑层，对归一化处理后的数据进行矩阵维度重塑；
[0017]所述全连接神经网络，对矩阵维度重塑后的数据进行分类，并预测出客户端的未来网络状况。
[0018]依据上述目的，实施本专利技术的一种自适应码率传输的码率确定方法，用于根据客户端的网络状况及缓冲状况确定传输给客户端的媒体内容的码率，其特征在于，包括如下步骤：
[0019]接收的客户端的历史网络状况信息；
[0020]根据客户端的历史网络状况信息和网络状况预测模型，判断出客户端的未来网络状况；
[0021]根据客户端的未来网络状况选择或切换相对应的码率决策模型；
[0022]根据客户端的历史网络状况信息、客户端的缓冲状况信息和码率决策模型，确定传输给客户端的媒体内容的码率。
[0023]可选的，确定传输给客户端的媒体内容的码率时，还需结合客户端当时的网络状况信息。
[0024]可选的，所述客户端的历史网络状况信息包括客户端在若干个不同时刻的网络状况信息。
[0025]可选的，所述网络状况预测模型基于传统启发式算法或数据驱动的深度学习算法构建。
[0026]可选的，所述网络状况预测模型，包括卷积神经网络、池化层、批量归一化层、矩阵维度重塑层和全连接神经网络；其中，
[0027]所述卷积神经网络，对接收到的所述历史网络状况的信息进行卷积运算；
[0028]所述池化层，对卷积运算后的数据进行一维池化处理；
[0029]所述批量归一化层，对池化后的数据进行归一化处理；
[0030]所述矩阵维度重塑层，对归一化处理后的数据进行矩阵维度重塑；
[0031]所述全连接神经网络，对矩阵维度重塑后的数据进行分类，并预测出客户端的未来网络状况。
[0032]依据上述目的，实施本专利技术的一种自适应码率传输的系统，其特征在于，客户端、自适应码率传输服务器、媒体服务提供商和内容存储服务器；
[0033]所述客户端，用于向媒体服务提供商发送认证信令和需要的媒体内容请求信息，向自适应码率传输服务器发送客户端的网络状况信息和缓冲状况信息，并根据媒体服务提供商反馈的媒体内容的存储地址及可用码率信息、自适应码率传输服务器反馈的合适码
率，向对应存储地址的内容存储服务器请求合适码率的媒体内容；
[0034]所述媒体服务提供商，根据接收到的认证信令和需要的媒体内容请求信息，反馈媒体内容的存储地址及可用码率信息；
[0035]所述自适应码率传输服务器，根据接收到的客户端的网络状况信息和缓冲状况信息，确定传输给客户端的媒体内容的合适码率；
[0036]所述内容存储服务器，根据接收到的客户端的请求，向客户端发送合适码率的媒体内容。
[0037]依据上述目的，实施本专利技术的一种媒体内容的自适应码率传输方法，其特征在于，
[0038]发送认证信令和需要的媒体内容请求信息、客户端的网络状况信息和缓冲状况信息；
[0039]根据认证信令和需要的媒体内容请求信息，反馈媒体内容的存储地址及可用码率信息；
[0040]根据客户端的网络状况信息和缓冲状况信息，确定传输媒体内容的合适码率；
[0041]根据获得的媒体内容的存储地址和合适码率，向对应存储地址的内容存储服务器请求合适码率的媒体内容；
[0042]发送合适码率的媒体内容。
[0043]本专利技术提供了一种自适应码率传输服务器及码率确认方法，根据接收到的客户端的历史网络状况信息判定和预测客户端的未来网络状况，选择最适合该网络状况的码率决策模型，并基于该码率决策模型进行未来一段时间内码率自适应传输中的码率决策，更好地应对传输网络动态特性。
附图说明
[0044]图1为自适应码率传输系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应码率传输服务器，用于根据客户端的网络状况及缓冲状况确定传输给客户端的媒体内容的码率，其特征在于，包括网络状况判断模块和码率决策模块；其中，所述网络状况判断模块，接收客户端的历史网络状况信息，并根据网络状况预测模型，判断出客户端的未来网络状况；所述码率决策模块，根据客户端的未来网络状况选择或切换相对应的码率决策模型，并结合客户端的历史网络状况信息、客户端的缓冲状况信息和码率决策模型确定传输给客户端的媒体内容的码率。2.如权利要求1所述的一种自适应码率传输服务器，其特征在于，所述码率决策模块，确定传输给客户端的媒体内容的码率时，还需结合客户端实时的网络状况信息。3.如权利要求1所述的一种自适应码率传输服务器，其特征在于，所述客户端的历史网络状况信息包括客户端在若干个不同时刻的网络状况信息。4.如权利要求1所述的一种自适应码率传输服务器，其特征在于，所述网络状况预测模型基于传统启发式算法或数据驱动的深度学习算法构建。5.如权利要求4所述的一种自适应码率传输服务器，其特征在于，所述网络状况预测模型，包括卷积神经网络、池化层、批量归一化层、矩阵维度重塑层和全连接神经网络；其中，所述卷积神经网络，对接收到的所述历史网络状况的信息进行卷积运算处理；所述池化层，对卷积运算后的数据进行一维池化处理；所述批量归一化层，对池化后的数据进行归一化处理；所述矩阵维度重塑层，对归一化处理后的数据进行矩阵维度重塑；所述全连接神经网络，对矩阵维度重塑后的数据进行分类，并预测出客户端的未来网络状况。6.一种自适应码率传输的码率确定方法，用于根据客户端的网络状况及缓冲状况确定传输给客户端的媒体内容的码率，其特征在于，包括如下步骤：接收客户端的历史网络状况信息；根据客户端的历史网络状况信息和网络状况预测模型，判断出客户端的未来网络状况；根据客户端的未来网络状况选择或切换相对应的码率决策模型；根据客户端的历史网络状况信息、客户端的缓冲状况信息和码率决策模型，确定传输给客户端的媒体内容的码率。7.如权利要求6所述的一种自适应码率传输的码率确定方法，其特征在于，确定传输给客户端的媒体内容的码率时，还需结合客户端实时的网络状况信息。8.如权利要求6所述的一种自适应码率传输的码率确定方法，其特征在于，所述客...

【专利技术属性】
技术研发人员：徐异凌，殷骄阳，张旭，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：