[发明专利]联合决策树和模糊推理的网络视频质量评估方法及系统

说明书

本发明提供一种联合决策树和模糊推理的网络视频质量评估方法及系统，所述方法包括：步骤S10、获取视频质量的影响因素；步骤S20、构建决策树模型，并根据评估值的分类，构建评估值与决策树模型的叶子节点之间的映射关系，得到不同类别的叶子节点；步骤S30、根据叶子节点的类别选择对应的推理规则，将影响因素分为应用指标和图像指标两组，并分别以应用指标和图像指标作为输入进行模糊推理，得到应用指标推理结果和图像指标推理结果，计算应用指标推理结果和图像指标推理结果的加权平均值，即为视频质量的客观评估值。本发明联合了决策树和模糊推理算法，减少模糊推理处理次数，同时兼顾了视频评估准确性与效率。

技术领域

本发明涉及通信技术领域，尤其涉及一种联合决策树和模糊推理的网络视频质量评估方法及系统。

背景技术

随着通信技术的不断发展，移动视频业务得到飞速发展与应用，目前越来越多的人通过移动端收看网络视频，用户对视频质量的要求也与日俱增，为了保证网络视频的服务质量，需要对网络视频进行监控和评估，以便及时采取相应的措施进行调节和维护，以保证业务的正常运行。

现有的视频质量评估主要分为主观、客观两种方法。主观评估需要用户观看视频，并通过人的视觉感受给出分值。客观评估主要分为全参考、部分参考、无参考三种方法，它们都是通过设计数学模型，然后对视频质量进行评估。传统的客观评估方法主要是根据某些影响因素构建相对固定的数学评估模型，不具有普遍适用性，也无法根据实际测试的情况及时调整数学评估模型，致使某些使用场景的准确性较低，且评估过程繁琐，耗时长，效率低下，无法满足网络视频业务的爆炸性增长环境需求。

发明内容

本发明要解决的技术问题，在于提供一种联合决策树和模糊推理的网络视频质量评估方法和系统，联合了决策树和模糊推理算法，减少模糊推理处理次数，提高了兼顾理论视频评估准确性与效率。

第一方面，本发明提供了一种联合决策树和模糊推理的网络视频质量评估方法，包括：

步骤S10、获取视频质量的影响因素；

步骤S20、构建决策树模型，并根据评估值的分类，构建评估值与决策树模型的叶子节点之间的映射关系，得到不同类别的叶子节点；

步骤S30、根据叶子节点的类别选择对应的推理规则，将影响因素分为应用指标和图像指标两组，并分别以应用指标和图像指标作为输入进行模糊推理，得到应用指标推理结果和图像指标推理结果，计算应用指标推理结果和图像指标推理结果的加权平均值，即为视频质量的客观评估值。

进一步的，所述影响因素包括平均停顿次数、平均停顿时间、模糊度和块效应，其中平均停顿次数和平均停顿时间为应用指标，模糊度和块效应为图像指标。

进一步的，所述步骤S20具体包括：

步骤S21、根据输入影响因素样本集以及决策树的劈分准则，构建决策树模型；所述劈分准则公式为：

其中，所述T代表输入的影响因素样本集，Ti代表第i个子样本，sd代表样本标准差，S_DR代表样本的劈分点；

步骤S22、对评估值进行分类，将0-5之间的评估值分为五类：Poor表示评估值为0-1，bad表示评估值为1-2，fair表示评估值为2-3，good表示评估值为3-4，Excellent表示评估值为4-5，并根据评估值的分类，构建评估值与决策树模型的叶子节点之间的映射关系，对应的得到五种类别的叶子节点。

进一步的，所述“将影响因素分为应用指标和图像指标两组，并分别以应用指标和图像指标作为输入进行模糊推理，得到应用指标推理结果和图像指标推理结果”具体包括：

将叶子节点的影响因素中的应用指标作为第一输入集，将叶子节点的影响因素中的图像指标作为第二输入集；