基于深度学习的移动网络视频码率实时调整方法和装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的移动网络视频码率实时调整方法和装置，其中，上述方法包括：实时获取移动网络用于码率调整决策的网络参数；基于所述网络参数，预先建立的神经网络实时调整视频传输码率；基于接收的反馈信号，根据最大化累积奖励算法更新所述神经网络的参数。与现有技术相比，本发明专利技术方案通过基于深度学习的神经网络根据当前移动网络参数实时动态调整视频码率，从而有效对抗网络波动的同时提升视频播放效果。同时提升视频播放效果。同时提升视频播放效果。

【技术实现步骤摘要】
基于深度学习的移动网络视频码率实时调整方法和装置


[0001]本专利技术涉及视频传输
，尤其涉及的是一种基于深度学习的移动网络视频码率实时调整方法和装置。

技术介绍

[0002]移动网络上传输音视频时，由于移动网络的特性，使得移动网络中端对端的吞吐量、延迟等都具有很高的时变性，并且在不同的用户之间由于网络资源竞争使得这些网络状态随时间动态波动，使得现有的固定规则码率调整算法难以实现良好的码率控制。
[0003]因此，现有技术还有待改进和发展。

技术实现思路

[0004]本专利技术的主要目的在于提供一种基于深度学习的移动网络视频码率实时调整方法、装置、智能终端及存储介质，旨在解决现有技术中固定规则码率调整算法难以根据移动网络的网络信号质量自动调节传输视频的码率。
[0005]为了实现上述目的，本专利技术提供了一种基于深度学习的移动网络视频码率实时调整方法，其中，上述方法包括：
[0006]实时获取移动网络用于码率调整决策的网络参数；
[0007]基于所述网络参数，预先建立的神经网络实时调整视频传输码率；
[0008]获取视频播放时生成的反馈信号；
[0009]基于所述反馈信号，根据最大化累积奖励算法更新所述神经网络的参数。
[0010]可选的，所述视频播放时生成反馈信号的方法，包括：
[0011]获取视频播放时的实时误码率和丢帧率；
[0012]将所述实时误码率和所述丢帧率组合，形成所述反馈信号。
[0013]可选的，预先建立所述神经网络的方法，包括：
[0014]采集移动网络的训练参数；
[0015]基于所述训练参数，根据网络拥塞控制算法获得决策结果；
[0016]基于所述训练参数和所述决策结果，训练所述神经网络。
[0017]可选的，所述训练参数包括：码流大小、丢包率、网络模式、网络状态和视频播放状态。
[0018]可选的，所述基于所述网络参数，预先建立的神经网络实时调整视频传输码率，包括：
[0019]基于所述网络参数，所述神经网络生成码率调整决策；
[0020]根据所述码率调整决策实时调节视频传输码率。
[0021]可选的，所述实时获取移动网络用于码率调整决策的网络参数，包括：
[0022]基于视频的当前码率，获取视频的编码缓冲状态；
[0023]获取移动网络当前模式下的无线信号质量和网络状态；
[0024]获取视频当前播放状态；
[0025]将所述编码缓冲状态、所述无线信号质量、所述网络状态和所述播放状态加权组合，形成所述网络参数。
[0026]可选的，所述神经网络包括三个卷积层、两个池化层和两个全连接层。
[0027]为了实现上述目的，本专利技术第二方面还提供了一种基于深度学习的移动网络视频码率实时调整装置，包括：
[0028]网络参数获取模块，用于实时获取移动网络用于码率调整决策的网络参数；
[0029]码率调整模块，用于基于所述网络参数，预先建立的神经网络实时调整视频传输码率；
[0030]反馈信号获取模块，用于获取视频播放时生成的反馈信号；
[0031]更新模块，用于基于所述反馈信号，根据最大化累积奖励算法更新所述神经网络的参数。
[0032]本专利技术第三方面提供一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于深度学习的移动网络视频码率实时调整程序，上述基于深度学习的移动网络视频码率实时调整程序被上述处理器执行时实现任意一项上述基于深度学习的移动网络视频码率实时调整方法的步骤。
[0033]本专利技术第四方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有基于深度学习的移动网络视频码率实时调整程序，上述基于深度学习的移动网络视频码率实时调整程序被处理器执行时实现任意一项上述基于深度学习的移动网络视频码率实时调整方法的步骤。
[0034]由上述可见，本专利技术的基于深度学习的移动网络视频码率实时调整方法、装置、智能终端及存储介质，实时获取移动网络用于码率调整决策的网络参数；基于所述网络参数，通过预先建立的神经网络实时调整视频传输码率；获取视频播放时生成的反馈信号；基于反馈信号，根据最大化累积奖励算法更新所述神经网络的参数。通过基于深度学习的神经网络根据当前移动网络参数实时动态调整视频码率，从而能够在移动网络信号不稳定的情况下，实现流畅的视频播放效果。
附图说明
[0035]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0036]图1是本专利技术实施例提供的基于深度学习的移动网络视频码率实时调整方法的流程示意图；
[0037]图2是本专利技术实施图1中步骤S200的具体流程示意图；
[0038]图3是本专利技术实施图1中步骤S300的具体流程示意图；
[0039]图4是本专利技术实施例提供的基于深度学习的移动网络视频码率实时调整装置的结构示意图；
[0040]图5是本专利技术实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
[0041]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0042]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0043]还应当理解，在本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0044]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0045]如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当
…
时”或“一旦”或“响应于确定”或“响应于检测到”。类似的，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0046]下面结合本专利技术实施例的附图，对本专利技术实施例中的技术方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的移动网络视频码率实时调整方法，其特征在于，包括：实时获取移动网络用于码率调整决策的网络参数；基于所述网络参数，通过预先建立的神经网络实时调整视频传输码率；获取视频播放时生成的反馈信号；基于所述反馈信号，根据最大化累积奖励算法更新所述神经网络的参数。2.如权利要求1所述的基于深度学习的移动网络视频码率实时调整方法，其特征在于，所述视频播放时生成反馈信号的方法，包括：获取视频播放时的实时误码率和丢帧率；将所述实时误码率和所述丢帧率组合，形成所述反馈信号。3.如权利要求1所述的基于深度学习的移动网络视频码率实时调整方法，其特征在于，预先建立所述神经网络的方法，包括：采集移动网络的训练参数；基于所述训练参数，根据网络拥塞控制算法获得决策结果；基于所述训练参数和所述决策结果，训练所述神经网络。4.如权利要求3所述的基于深度学习的移动网络视频码率实时调整方法，其特征在于，所述训练参数包括：码流大小、丢包率、网络模式、网络状态和视频播放状态。5.如权利要求1所述的基于深度学习的移动网络视频码率实时调整方法，其特征在于，所述基于所述网络参数，通过预先建立的神经网络实时调整视频传输码率，包括：基于所述网络参数，所述神经网络生成码率调整决策；根据所述码率调整决策实时调节视频传输码率。6.如权利要求1所述的基于深度学习的移动网络视频码率实时调整方法，其特征在于，所述实时获取移动网络用于码率调整决策的网络参数，包括：基于视频的当前码率，获取视频的编码缓冲状态；...

【专利技术属性】
技术研发人员：周朝晖，刘昆，
申请(专利权)人：深圳市新田科技有限公司，
类型：发明
国别省市：