[發明專利]視頻起播的優化方法、裝置、設備以及存儲介質

在審

• 申請號: 202011578020.9
• 申請日: 2020-12-28
• 公開（公告）號: CN112752148A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 高遠飛
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: H04N21/44
• 分類號: H04N21/44;G06N20/00
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請公開了視頻起播的優化方法、裝置、設備以及存儲介質，涉及人工智能技術領域，具體為深度學習和計算機視覺技術領域。該方法的一具體實施方式包括：獲取視頻起播時影響視頻起播速度的特征數據；將特征數據輸入預先訓練好的梯度提升決策樹GBDT回歸模型，輸出預測的視頻緩存幀的值，記為第一預測值；基于第一預測值確定是否開始播放視頻。該實施方式提供了一種視頻起播的優化方法，降低了視頻的起播時間，減少了視頻播放的卡頓次數，從而提升了用戶體驗。

技術領域

本申請實施例涉及計算機領域，具體涉及深度學習、計算機視覺等人工智能領域，尤其涉及視頻起播的優化方法、裝置、設備以及存儲介質。

背景技術

隨著網絡技術和智能設備的普及，智能終端(手機、電視、盒子、平板電腦等)數量迅速增長，隨時隨地看網絡視頻、直播視頻逐漸成為一種習慣，隨之而來的是出現大量由于各種原因導致的網絡視頻起播不暢的情況，從而給用戶帶來極差的視頻播放體驗。

網絡視頻起播前，視頻播放器通常都會預先下載并緩存一定數量的視頻幀，當緩存的視頻幀達到一定的閾值時，才會讓視頻幀解碼并播放，閾值的選取往往針對某一類型場景，閾值一旦選取就固化了，視頻起播都以這個選取的閾值為標準。

發明內容

本申請實施例提出了一種視頻起播的優化方法、裝置、設備以及存儲介質。

第一方面，本申請實施例提出了一種視頻起播的優化方法，包括：獲取視頻起播時影響視頻起播速度的特征數據；將特征數據輸入預先訓練好的梯度提升決策樹GBDT回歸模型，輸出預測的視頻緩存幀的值，記為第一預測值；基于第一預測值確定是否開始播放視頻。

第二方面，本申請實施例提出了一種視頻起播的優化裝置，包括：第一獲取模塊，被配置成獲取視頻起播時影響視頻起播速度的特征數據；預測模塊，被配置成將特征數據輸入預先訓練好的GBDT回歸模型，輸出預測的視頻緩存幀的值，記為第一預測值；確定模塊，被配置成基于第一預測值確定是否開始播放視頻。

第三方面，本申請實施例提出了一種電子設備，包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行如第一方面中任一實現方式描述的方法。

第四方面，本申請實施例提出了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，計算機指令用于使計算機執行如第一方面中任一實現方式描述的方法。

第五方面，本申請實施例提出了一種計算機程序產品，包括計算機程序，計算機程序在被處理器執行時實現如第一方面中任一實現方式描述的方法。

本申請實施例提供的視頻起播的優化方法、裝置、設備以及存儲介質，首先獲取視頻起播時影響視頻起播速度的特征數據；然后將特征數據輸入預先訓練好的GBDT回歸模型，輸出預測的視頻緩存幀的值，記為第一預測值；最后基于第一預測值確定是否開始播放視頻。本申請提供了一種通過機器學習的方法動態預測最優化的視頻緩存幀值的方法，降低了多種場景下視頻的起播時間，減少了視頻播放的卡頓次數，從而提升了用戶體驗。應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

通過閱讀參照以下附圖所作的對非限制性實施例所作的詳細描述，本申請的其它特征、目的和優點將會變得更明顯。附圖用于更好地理解本方案，不構成對本申請的限定。其中：

圖1是根據本申請的視頻起播的優化方法的一個實施例的流程圖；

圖2是根據本申請的視頻起播的優化方法的另一個實施例的流程圖；

圖3是播放器運行本申請的視頻起播的優化方法的實現框圖；

圖4是根據本申請的視頻起播的優化裝置的一個實施例的結構示意圖；