[發明專利]聯合決策樹和模糊推理的網絡視頻質量評估方法及系統

在審

• 申請號: 202011072784.0
• 申請日: 2020-10-09
• 公開（公告）號: CN112235566A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 史志明;黃誠惕;唐加能
• 申請（專利權）人: 華僑大學
• 主分類號: H04N17/00
• 分類號: H04N17/00;H04N21/472;G06T7/00;G06N5/04;G06K9/62
• 代理公司: 泉州市文華專利代理有限公司 35205
• 代理人: 陳雪瑩

本發明提供一種聯合決策樹和模糊推理的網絡視頻質量評估方法及系統，所述方法包括：步驟S10、獲取視頻質量的影響因素；步驟S20、構建決策樹模型，并根據評估值的分類，構建評估值與決策樹模型的葉子節點之間的映射關系，得到不同類別的葉子節點；步驟S30、根據葉子節點的類別選擇對應的推理規則，將影響因素分為應用指標和圖像指標兩組，并分別以應用指標和圖像指標作為輸入進行模糊推理，得到應用指標推理結果和圖像指標推理結果，計算應用指標推理結果和圖像指標推理結果的加權平均值，即為視頻質量的客觀評估值。本發明聯合了決策樹和模糊推理算法，減少模糊推理處理次數，同時兼顧了視頻評估準確性與效率。

技術領域

本發明涉及通信技術領域，尤其涉及一種聯合決策樹和模糊推理的網絡視頻質量評估方法及系統。

背景技術

隨著通信技術的不斷發展，移動視頻業務得到飛速發展與應用，目前越來越多的人通過移動端收看網絡視頻，用戶對視頻質量的要求也與日俱增，為了保證網絡視頻的服務質量，需要對網絡視頻進行監控和評估，以便及時采取相應的措施進行調節和維護，以保證業務的正常運行。

現有的視頻質量評估主要分為主觀、客觀兩種方法。主觀評估需要用戶觀看視頻，并通過人的視覺感受給出分值。客觀評估主要分為全參考、部分參考、無參考三種方法，它們都是通過設計數學模型，然后對視頻質量進行評估。傳統的客觀評估方法主要是根據某些影響因素構建相對固定的數學評估模型，不具有普遍適用性，也無法根據實際測試的情況及時調整數學評估模型，致使某些使用場景的準確性較低，且評估過程繁瑣，耗時長，效率低下，無法滿足網絡視頻業務的爆炸性增長環境需求。

發明內容

本發明要解決的技術問題，在于提供一種聯合決策樹和模糊推理的網絡視頻質量評估方法和系統，聯合了決策樹和模糊推理算法，減少模糊推理處理次數，提高了兼顧理論視頻評估準確性與效率。

第一方面，本發明提供了一種聯合決策樹和模糊推理的網絡視頻質量評估方法，包括：

步驟S10、獲取視頻質量的影響因素；

步驟S20、構建決策樹模型，并根據評估值的分類，構建評估值與決策樹模型的葉子節點之間的映射關系，得到不同類別的葉子節點；

步驟S30、根據葉子節點的類別選擇對應的推理規則，將影響因素分為應用指標和圖像指標兩組，并分別以應用指標和圖像指標作為輸入進行模糊推理，得到應用指標推理結果和圖像指標推理結果，計算應用指標推理結果和圖像指標推理結果的加權平均值，即為視頻質量的客觀評估值。

進一步的，所述影響因素包括平均停頓次數、平均停頓時間、模糊度和塊效應，其中平均停頓次數和平均停頓時間為應用指標，模糊度和塊效應為圖像指標。

進一步的，所述步驟S20具體包括：

步驟S21、根據輸入影響因素樣本集以及決策樹的劈分準則，構建決策樹模型；所述劈分準則公式為：

其中，所述T代表輸入的影響因素樣本集，Ti代表第i個子樣本，sd代表樣本標準差，S_DR代表樣本的劈分點；

步驟S22、對評估值進行分類，將0-5之間的評估值分為五類：Poor表示評估值為0-1，bad表示評估值為1-2，fair表示評估值為2-3，good表示評估值為3-4，Excellent表示評估值為4-5，并根據評估值的分類，構建評估值與決策樹模型的葉子節點之間的映射關系，對應的得到五種類別的葉子節點。

進一步的，所述“將影響因素分為應用指標和圖像指標兩組，并分別以應用指標和圖像指標作為輸入進行模糊推理，得到應用指標推理結果和圖像指標推理結果”具體包括：

將葉子節點的影響因素中的應用指標作為第一輸入集，將葉子節點的影響因素中的圖像指標作為第二輸入集；