基于深度强化学习的传输编码联合码率自适应控制方法技术

本发明专利技术提供了一种基于深度强化学习的传输编码联合码率自适应控制方法，其步骤如下：(1)将原始视频划分为视频帧组，计算出视频帧的空间复杂度和时间复杂度信息；(2)针对每个视频帧组，利用神经网络根据视频复杂度信息、网络状况和编码器信息给出视频编码的压缩参数值，然后进行编码后打包传输；(3)视频发送端以帧为单位依次发送视频流，接收端在本地维护一个接收缓冲区和一个播放缓冲区；(4)根据回传的状态信息计算用户体验质量，更新神经网络的参数，输出下一个视频压缩参数的决策；(5)重复上述步骤，直至收敛到最优决策策略。本发明专利技术直接对编码所需压缩参数进行决策，避免了基于码率的决策的不准确性，降低了对于网络带宽的滥用。滥用。滥用。

【技术实现步骤摘要】
基于深度强化学习的传输编码联合码率自适应控制方法


[0001]本专利技术涉及
，具体涉及一种基于深度强化学习的传输编码联合码率自适应控制方法。

技术介绍

[0002]视频内容在当今互联网的流量中占有很大比例。目前的服务提供商主要使用自适应流媒体传输技术来传输视频，即根据一定的算法和规则，动态地切换视频码率，以提高用户体验质量(Quality of Experience，QoE)。随着人们生活方式的改变，实时视频通信(Real Time Video Communications,RTVC)业务迅猛发展，其内容包括使用普通相机拍摄的自然视频，以及通过智能电子设备生成的屏幕视频两类，有着内容复杂度高、种类多样、场景切换迅速等特点。此外，不同于视频点播，实时视频通信对于延迟的要求极为苛刻，这使得自适应码率算法(Adaptive Bitrate，ABR)无法在播放端维持较大的播放缓存，对于网络波动的抵抗能力大大降低。
[0003]传统的自适应码率算法大多使用固定的控制规则来做出码率决策，它们的不同的点主要在于所参考的指标，大体可以分为以下三本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度强化学习的传输编码联合码率自适应控制方法，其特征在于，包括如下步骤：(1)由内容提供端生成原始视频，然后利用视频切片的操作将原始视频划分为视频帧组，计算出每个视频帧组所包含视频帧的空间复杂度信息和时间复杂度信息作为内容复杂度状态；(2)分别从视频编码器收集历史视频帧类型和历史压缩参数CRF值作为编码器状态，从视频接收端收集丢包率、平均帧传输延迟和卡顿率作为网络传输状态；(3)针对每个视频帧组，根据所述内容复杂度状态和网络传输状态，利用神经网络得到视频编码的压缩参数CRF值；然后对每个视频帧组进行编码后打包传输；其中，所述神经网络对所述内容复杂度状态和编码器状态进行联合提取特征，对所述网络传输状态进行单独提取特征，再将两部分特征融合以进一步提取高维特征；(4)视频发送端以帧为单位依次发送视频帧组的视频流，接收端在本地维护一个接收缓冲区和一个播放缓冲区；未接收完整的帧暂存于所述接收缓冲区，接收完整且可解码的连续帧移交至所述播放缓冲区依次播放；根据所述接收缓冲区中未接收完整的帧计算出当前实时丢包率和平均帧传输延迟，根据所述播放缓冲区的剩余帧数计算出卡顿率，以此反映网络吞吐量的波动和编码码流大小的波动；(5)根据传输过程中回传给智能体的状态信息，计算用户体验质...

【专利技术属性】
技术研发人员：陈浩，李岳恒，马展，
申请(专利权)人：南京大学，
类型：发明
国别省市：