網(wǎng)絡(luò)視頻業(yè)務(wù)中用戶QoE評(píng)估研究.pdf

1、用戶體驗(yàn)質(zhì)量（Quality of Experience，QoE）評(píng)估是視頻業(yè)務(wù)質(zhì)量保障研究中面臨的一個(gè)重要問(wèn)題。人們所處的信息化世界是一個(gè)巨大、復(fù)雜的通信生態(tài)系統(tǒng)，用戶的體驗(yàn)會(huì)受到技術(shù)、經(jīng)濟(jì)、環(huán)境以及用戶自身等多個(gè)領(lǐng)域中各種因素的共同影響。如何準(zhǔn)確分析各因素與 QoE之間的關(guān)系是當(dāng)前研究的難點(diǎn)。本文重點(diǎn)研究視頻業(yè)務(wù)中的用戶 QoE評(píng)價(jià)方法。根據(jù)不同的應(yīng)用場(chǎng)景，著重研究技術(shù)領(lǐng)域中網(wǎng)絡(luò)視頻質(zhì)量的評(píng)估方法，提出了一種參數(shù)規(guī)劃模型、一種包層評(píng)

2、估模型以及一種比特流層評(píng)估模型。另外，本文還研究了用戶領(lǐng)域和技術(shù)領(lǐng)域因素共同對(duì)用戶 QoE的影響，提出了一種QoE客觀評(píng)價(jià)模型。主要研究成果包括：
　　1.為了能夠?qū)W(wǎng)絡(luò)視頻的編碼和網(wǎng)絡(luò)參數(shù)合理規(guī)劃和部署，提出了一種結(jié)合視頻編碼特性和信道傳輸特性評(píng)估網(wǎng)絡(luò)視頻質(zhì)量的參數(shù)規(guī)劃模型。本文根據(jù)四狀態(tài)馬爾科夫信道特性分析了數(shù)據(jù)包丟失的各狀態(tài)概率分布，并結(jié)合數(shù)據(jù)包丟失的突發(fā)性與編碼視頻幀間的時(shí)域相關(guān)性推導(dǎo)出反映序列受損的參數(shù)以及反映視頻幀受損

3、的參數(shù)，利用這些損傷參數(shù)來(lái)預(yù)測(cè)網(wǎng)絡(luò)視頻的質(zhì)量。相比國(guó)際標(biāo)準(zhǔn)G.1070中的模型和T-V模型，該模型可以更準(zhǔn)確地預(yù)測(cè)由直接丟包和錯(cuò)誤傳播等因素造成的視頻失真。
　　2.為了能夠?qū)崟r(shí)預(yù)測(cè)網(wǎng)絡(luò)視頻質(zhì)量，在分析視頻內(nèi)容運(yùn)動(dòng)特性的基礎(chǔ)上建立了一種視頻質(zhì)量包層評(píng)估模型。該模型通過(guò)分析數(shù)據(jù)包頭信息計(jì)算視頻和網(wǎng)絡(luò)相關(guān)參數(shù)，然后根據(jù)每幀編碼比特?cái)?shù)的變化情況提出一種基于動(dòng)態(tài)閾值的視頻幀類型檢測(cè)方法?？紤]到視頻內(nèi)容運(yùn)動(dòng)特性對(duì)視頻質(zhì)量的影響，采用平均P幀

4、編碼比特?cái)?shù)與平均I幀編碼比特?cái)?shù)的比值來(lái)預(yù)測(cè)視頻的時(shí)間復(fù)雜度。在此基礎(chǔ)上，利用編碼碼率和視頻內(nèi)容的時(shí)間復(fù)雜度預(yù)測(cè)視頻的編碼失真，并結(jié)合丟包位置、時(shí)間復(fù)雜度等信息預(yù)測(cè)由丟包引起的失真，最后得到視頻的質(zhì)量。實(shí)驗(yàn)結(jié)果表明，其性能明顯優(yōu)于國(guó)際標(biāo)準(zhǔn) G.1070中的模型和德國(guó)電信提出的DT模型。
　　3.為了能夠更準(zhǔn)確地預(yù)測(cè)數(shù)據(jù)包丟失對(duì)視頻質(zhì)量的影響，構(gòu)建一種基于幀質(zhì)量的視頻質(zhì)量比特流層評(píng)估模型。根據(jù)丟包對(duì)視頻幀質(zhì)量的影響將視頻幀劃分為四類，

5、即未受丟包影響的幀、受參考幀丟失影響的幀、受錯(cuò)誤傳播影響的幀以及受二者共同影響的幀。另外，考慮到不同視頻內(nèi)容對(duì)視頻幀質(zhì)量的影響，通過(guò)對(duì)視頻幀中的運(yùn)動(dòng)部分和靜止部分進(jìn)行區(qū)分，計(jì)算得到描述視頻運(yùn)動(dòng)特性的時(shí)間復(fù)雜度。結(jié)合視頻內(nèi)容特性，對(duì)不同類型的視頻幀的質(zhì)量分別進(jìn)行預(yù)測(cè)。在此基礎(chǔ)上，進(jìn)一步通過(guò)兩級(jí)時(shí)域聯(lián)合算法得到序列的質(zhì)量。相比其他兩個(gè)基于幀質(zhì)量的視頻質(zhì)量評(píng)價(jià)模型，所提模型具有更好的性能。
　　4.為了能夠更全面的評(píng)價(jià)視頻業(yè)務(wù)中用戶的感

6、受，結(jié)合用戶對(duì)視頻質(zhì)量和內(nèi)容的感知提出一種基于用戶行為表征的QoE客觀評(píng)價(jià)模型。不同于傳統(tǒng)意義上的QoE評(píng)價(jià)方法，該模型著重分析用戶對(duì)視頻質(zhì)量的感知以及對(duì)視頻內(nèi)容的感興趣程度，并結(jié)合這兩個(gè)視頻業(yè)務(wù)中最基本的感知層面來(lái)預(yù)測(cè)用戶的QoE。為了客觀描述用戶觀看視頻時(shí)的興趣度，文中設(shè)計(jì)了一種與觀看過(guò)程同步的基于單攝像頭的眼部行為檢測(cè)方法，并著重分析一些無(wú)意識(shí)的眼部行為，例如眨眼、凝視等，從中選取眨眼行為來(lái)表征用戶的興趣度。實(shí)驗(yàn)結(jié)果表明，預(yù)測(cè)Qo