[发明专利]针对自适应点云视频流媒体中用户体验质量QoE的建模方法

说明书

本发明公开了一种针对自适应点云视频流媒体中用户体验质量QoE的建模方法，包括：1、获取原始点云视频，切分为时间上的帧组，再切分为空间上的切块，最后将每个切块压缩为不同的质量等级；2、根据用户视角预测和网络带宽进行质量选择，计算出用户视角内切块选择的质量等级；3、重新融合切块和帧组，得到处理后的点云视频以及处理后的点云视频在流媒体传输时产生的暂停时间，质量切换；4、评估处理后的点云视频的客观质量；5、处理后的点云视频进行体验质量的评分，根据评分，客观质量，暂停时间，质量切换进行QoE建模。本发明能够更加全面的进行点云视频QoE建模，在网络带宽变化的情况下准确预测点云视频流媒体中用户的主观体验质量。

技术领域

本发明涉及多媒体视频传输领域，具体的说是一种针对自适应点云视频流媒体中用户体验质量QoE的建模方法。

背景技术

厦门大学的陈一平等人发明了一种基于深度学习的激光扫描SLAM室内三维点云质量评价方法(公开号：CN110246112A)，包括：S1、通过激光扫描SLAM装置获取优质点云；S2、对优质点云进行降质，获取仿真点云；S3、对仿真点云进行轨迹度量分析；S4、对优质点云与仿真点云提取平面，对平面进行局部一致性噪声分析及几何规则分析，量化点云质量；S5、对优质点云与仿真点云进行分割，得到点云块；S6、将点云块进行归一化后输入到PointNet++神经网络中做模型训练，得到网络模型；S7、将待评价点云通过步骤S4进行点云质量分析，得到点云质量水平值；S8、对待评价点云通过步骤S6得到的神经网络模型进行预测，判断点云属于优质点云或者降质点云。虽然该方法提出量化点云质量的方法，建立了评价SLAM系统下室内三维点云模型的分类标准及框架，但是该方法属于静态点云的客观质量评价方法，不能准确的反应点云视频流媒体时的用户体验质量。

福州大学的赵铁松等人发明了一种基于长期记忆的视频QoE评价系统及方法(公开号：CN112101788A),包括：视频序列生成模块、采集模块、基于长期记忆的数据库和QoE评价模型；所述视频序列生成模块包括可接受度测试视频序列生成模块和长期记忆影响测试视频序列生成模块；所述采集模块用于采集实验人员对视频的可接受度以及具有不同长期记忆的实验人员对视频的主观意见分；所述基于长期记忆的数据库按照整体可接受度的区间分为至少三类数据库，并存储实验人员对视频的可接受度和主观意见分信息。虽然此种方法考虑了长期记忆对QoE评价模型的影响，但是它对于QoE评价模型考虑的其他影响因素太少，不能全面准确的反应用户的体验质量。

西安交通大学的曲桦等人发明了一种针对HTTP视频流的主观QoE评估方法(公开号：CN109831705A)，该方法综合考虑HTTP视频流端到端传输和播放过程，确定影响QoE的客观感知参数以及用户主观打分参数；并得到QoE IFs数据集合X；将QoE IFs数据集合X中表征类型的变量数值化预处理，利用主成分分析进行降维和特征提取，获得主成分；计算主成分综合得分并对各指标赋权确定各个QoE IFs重要性排序；选择重要性较大的影响因素，建立其与平均意见得分之间的非线性关系映射模型库，平均绝对误差最小的模型作为QoE估计的最优模型。虽然此种方法在QoE评估时加入了基于PCA的指标赋权方法，但是它考虑了太多影响QoE的客观感知参数，对于影响用户QoE的因素不具有针对性，不能具体的反应传输过程中用户的体验质量。

中国科技大学的唐爽等人发明了一种基于网络流特征构造学习的加密视频QoE评测方法(公开号：CN108696403A)，其特征是通过HAS视频业务数据流特性分析从QoS参数中提取了与数据内容无关的网络数据流特征，在此基础上利用机器学习方法训练建立了“网络数据流特征→视频KQI→用户MOS”的映射模型，在数据采集平台中直接实现了对加密视频QoE的评测。此种方法虽然在建模过程中基于网络数据流采集获取的视频业务QoS参数，但是它和视频内容相关性较少，准确性低。