[发明专利]视频卡顿模型训练方法、预测方法、服务器及存储介质

说明书

本发明公开了一种视频卡顿模型训练方法、预测方法、服务器及存储介质，属于视频技术领域。该训练方法包括：采集用户的视频码流数据，并记录卡顿时间区间；对视频数据计算下载速率序列，并标注播放状态标签；将下载速率序列按预设的时间单位进行分割为区间，将每个区间作为一个单独样本计算速率波形特征；利用机器学习分类法对计算出的速率波形特征进行训练，得到视频卡顿模型。本发明实施例采用机器学习分类法将正常和卡顿区间的速率波形进行采样训练，得到卡顿模型，然后根据训练的卡顿模型对更多的网络视频的卡顿现象进行在线预测，协助提升网络质量。特别适用于加密视频。

技术领域

本发明涉及视频技术领域，尤其涉及一种视频卡顿模型训练方法、卡顿预测方法、服务器及存储介质。

背景技术

随着互联网技术的快速发展，越来越多的用户会观看网络视频。同时，出于数据安全性和用户隐私保护的考虑，加密视频流量在互联网中的占比也越来越高。比如YOUTUBE，海外最主流的视频播放软件，其播放的视频内容全部都是加密视频流量。

加密视频流量也会带来问题，用户在使用观看网络视频时，如果网络出现问题，可能会造成视频播放不流畅或者无法播放。因为视频为加密流量，运营商服务器无法获取码率等信息，又无法通过传统的DPI(Deep Packet Inspection，深度包检测技术)方法感知用户体验。因此，运营商服务器无法分析用户在观看加密视频播放过程中的卡顿现象，导致不能更好的提升网络质量。

发明内容

有鉴于此，本发明的目的在于提供一种视频卡顿模型训练方法、卡顿预测方法、服务器及存储介质，以解决运营商服务器无法分析用户在观看加密视频播放过程中的卡顿现象，导致不能更好的提升网络质量的技术问题。

本发明实施例解决上述技术问题所采用的技术方案如下：

根据本发明实施例的一个方面，提供一种视频卡顿模型训练方法，该方法包括：

采集用户的视频码流数据，并记录卡顿时间区间；

对视频数据计算下载速率序列，并标注播放状态标签；

将下载速率序列按预设的时间单位进行分割为区间，将每个区间作为一个单独样本计算速率波形特征；

利用机器学习分类法对计算出的速率波形特征进行训练，得到视频卡顿模型。

根据本发明实施例的另一个方面，提供一种视频卡顿预测方法，该方法包括：

采集用户的视频码流数据，计算下载速率序列；

将下载速率序列按预设的时间单位进行分割为区间，计算每个区间的速率波形特征；

根据预训练的视频卡顿模型，对每个区间的速率波形特征计算结果进行分类，得到每个区间的播放状态。

根据本发明实施例的再一个方面，提供一种服务器，该服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特在于，该计算机程序被处理器执行时，

实现上述视频卡顿模型训练方法的步骤；

和/或者实现上述视频卡顿预测方法的步骤。

根据本发明实施例的又一个方面，提供一种存储介质，该存储介质上存储有计算机程序，计算机程序被处理器执行时，

实现上述视频卡顿模型训练方法的步骤；

和/或实现上述视频卡顿预测方法的步骤。