[發(fā)明專利]視頻質(zhì)量估計技術

有效

• 申請?zhí)枺?/td>: 201610322111.3
• 申請日: 2010-02-01
• 公開（公告）號: CN105847788B
• 公開（公告）日: 2018-04-06
• 發(fā)明（設計）人: 馬丁·彼得松;安德魯·羅舒姆
• 申請（專利權）人: 瑞典愛立信有限公司
• 主分類號: H04N17/00
• 分類號: H04N17/00
• 代理公司: 中科專利商標代理有限責任公司11021
• 代理人: 余婧娜

本申請是2010年1月11日提交的中國專利申請No.201080061198.4的發(fā)明名稱為“視頻質(zhì)量估計技術”的分案申請。

技術領域

本公開大體上涉及用于估計視頻質(zhì)量的技術，具體涉及一種基于比特流的視頻質(zhì)量估計技術。

背景技術

視頻是當今常見的媒體服務，且在末端用戶中迅速受到歡迎。通過通信網(wǎng)絡傳遞的作為比特流的視頻可能經(jīng)歷通信約束或問題，該通信約束或問題可以導致諸如數(shù)據(jù)丟失或數(shù)據(jù)延遲之類的錯誤。這種錯誤可以引起末端用戶體驗到的可見質(zhì)量劣化。通常，這種可見劣化展現(xiàn)為凍結或失真的圖像。

質(zhì)量監(jiān)視是讓服務提供商維持視頻服務的令人滿意的體驗質(zhì)量(QoE)的重要操作方案。為此，要求良好的技術來準確并及時地評估視頻質(zhì)量，這絕不是一件平凡的任務。

可能最準確的視頻質(zhì)量評估技術是主觀測試，其中，收集大量末端觀眾的意見，并基于此形成質(zhì)量的公共觀點。然而，主觀測試是昂貴的、人工的、費時的，且在很多情況下是不可行的；例如，不可能針對通信網(wǎng)絡或機頂盒中的視頻質(zhì)量監(jiān)視來進行主觀測試。因此，必須提供基于客觀測量來估計視頻的主觀質(zhì)量的手段。該需求已推動了客觀視頻質(zhì)量評估技術的發(fā)展。客觀視頻質(zhì)量估計不僅可以在評估視頻質(zhì)量方面取代主觀測試，而且其還可以使得對主觀質(zhì)量的實時和自動評估成為可能。

在本公開的上下文中，類似于“估計”、“評估”、“測量”的單詞可以互相交換使用。

近些年來，已提出和開發(fā)了客觀視頻質(zhì)量技術的不同模型。基于使用的輸入?yún)?shù)，可以將它們分類為感知模型和參數(shù)模型。參數(shù)模型也被稱為網(wǎng)絡層模型。

感知模型采用解碼視頻作為對模型的輸入，有時候也利用參考視頻作為對模型的輸入。例如，對于所謂的全參考(FR)模型，輸入?yún)?shù)是源視頻的像素數(shù)據(jù)以及解碼視頻的像素數(shù)據(jù)。感知模型通常以在估計視頻質(zhì)量方面的高準確度為特征，但是他們是高度復雜的、費時的以及消耗計算能力的，這使得它們不適合很多情況，比如實時監(jiān)視。此外，當在感知模型中使用參考視頻時，模型必須努力解決將參考視頻與解碼視頻加以同步的關鍵問題。

對于輕量視頻質(zhì)量模型的關注已導致了近來對參數(shù)模型的發(fā)展。參數(shù)模型采用分組報頭信息作為輸入，并基于此計算質(zhì)量分數(shù)。網(wǎng)絡協(xié)議報頭信息通常取自以下一項或多項：網(wǎng)際協(xié)議(IP)、用戶數(shù)據(jù)報協(xié)議(UDP)、實時傳輸協(xié)議(RTP)和運動圖像專家組2傳輸流(MPEG2TS)層。參數(shù)模型與感知模型相比相對不復雜，但是由于可以從網(wǎng)絡協(xié)議報頭中檢索到的有限信息，因此它們可以實現(xiàn)的估計準確度相當?shù)汀＠纾y以對數(shù)據(jù)丟失在解碼視頻中將如何可見進行有用的估計。

發(fā)明內(nèi)容

因此，需要一種客觀估計或評估視頻質(zhì)量的改進技術。如下面將看到的，本文呈現(xiàn)的技術實現(xiàn)了令人滿意的視頻質(zhì)量估計準確度，且同時較簡單并消耗較少的計算資源等。

根據(jù)第一方面，提供了一種視頻質(zhì)量估計方法。所述方法包括以下步驟：接收包括圖像幀序列的視頻比特流；確定圖像幀中的錯誤發(fā)生(例如，確定在所述圖像幀中已發(fā)生了錯誤以及所述錯誤在所述圖像幀中的位置)；確定將所述錯誤的時間傳播和空間傳播中的至少一項考慮在內(nèi)的錯誤傳播(例如，確定所述錯誤的時間傳播和空間傳播中至少一項)；以及基于上述確定的結果(例如，所確定的錯誤傳播)，估計所述視頻比特流的質(zhì)量。所述錯誤可以由于信息的延遲或丟失而發(fā)生(例如，由于分組、圖像幀、圖像幀分區(qū)的延遲或丟失，等等)。此外，所述質(zhì)量估計步驟可以基于評分方案。

所述方法還可以包括以下步驟：確定(例如，估計或測量)由所述錯誤引起的可見劣化。換言之，該步驟是用于確定所述錯誤的可視性，或由所述錯誤引起的對視頻質(zhì)量的影響。可見劣化是針對錯誤可視性的特定且可計量的度量。在一個實施例中，確定可見劣化包括：確定指示由所述錯誤引起的可見劣化的懲罰值。

所述圖像幀可以包括多個分區(qū)(比如但不限于像素、宏塊等)。所述錯誤可以發(fā)生在所述圖像幀的一個或更多個分區(qū)處，或影響所述圖像幀的一個或更多個分區(qū)。此外，考慮到擴散效應，在一個圖像幀中發(fā)生的錯誤可以影響在一個或更多個其他圖像幀中的一個或更多個分區(qū)。因此，確定由所述錯誤引起的可見劣化可以包括以下步驟：針對每個受錯誤影響的分區(qū)或圖像幀，計算單獨的懲罰值。所述懲罰值是指示由所述錯誤對所述視頻引起的可見劣化的數(shù)量或程度的值。

可以根據(jù)規(guī)則集合來計算或分配懲罰值。規(guī)則可以是預先定義的且可調(diào)整的。以下是用于計算懲罰值的規(guī)則的非窮盡列表：

●如果錯誤發(fā)生在場景改變中，則向錯誤分配(比在錯誤是與場景改變無關的錯誤的情況下)較高的懲罰值；