[发明专利]一种实时视频通信的质量评价方法

权利要求书

1.一种实时视频通信的质量评价方法，其特征在于：首先建立一个质量模型，该质量模型的输出参数为质量评价值，记为MOS，输入参数包括时间质量值和空间质量值，时间质量值记为TMOS，空间质量值记SMOS，质量模型的输出参数与输入参数之间的对应关系为：MOS＝TMOS^a*SMOS^b，a和b为预设权重系数；

在实时视频通话过程中，在实时视频通信的接收端，将实时视频通信中与时间相关的第一类参数输入到预先训练好的第一机器学习模型中，输出时间质量值TMOS；在实时视频通信的发送端，将实时视频通信中与空间相关的第二类参数输入到预先训练好的第二机器学习模型中，输出空间质量值SMOS；将得到的时间质量值TMOS和空间质量值SMOS输入质量模型中，计算得到实时视频通话过程中的质量评价值MOS。

2.根据权利要求1所述的实时视频通信的质量评价方法，其特征在于：所述第一类参数包括以下参数中的一种或任意组合：接收视频图像的往返延迟RTT，渲染时间Timestamp，渲染帧率FPS和渲染卡顿率Stuck Rate；

所述第二类参数包括以下参数中的一种或任意组合：发送端实时视频图像的SSIM值，发送端实时视频图像的PSNR值，发送端实时视频图像的目标分辨率，发送端实时视频图像的当前编码分辨率，以及发送端编码量化参数QP。

3.根据权利要求1或2所述的实时视频通信的质量评价方法，其特征在于：第一机器学习模型为SVM机器学习模型或Fitting机器学习模型；第二机器学习模型为SVM机器学习模型或Fitting机器学习模型。

4.根据权利要求3所述的实时视频通信的质量评价方法，其特征在于：通过模拟网络的丢包、延迟、抖动，实时视频通信的接收端录制一定数量的视频，通过多人的主观质量打分，获取机器学习的第一监督数据；然后将第一类参数和第一监督数据输入到第一机器学习模型中进行训练，得到第一机器学习模型的模型参数。

5.根据权利要求3所述的实时视频通信的质量评价方法，其特征在于：在实时视频通信的发送端，选定不同时间和空间复杂度的视频源后，通过编码器编码输出不同码率和不同分辨率的视频保存起来；然后通过多人对这些视频进行主观打分，以生成第二监督数据；然后将第二类参数和第二监督数据输入到第二机器学习模型中进行训练，得到第二机器学习模型的模型参数。

6.根据权利要求1所述的实时视频通信的质量评价方法，其特征在于：a和b的值均取0.6。