[发明专利]一种基于云边协议的直播视频传输方法有效
| 申请号: | 202011134693.5 | 申请日: | 2020-10-21 |
| 公开(公告)号: | CN112333456B | 公开(公告)日: | 2022-05-10 |
| 发明(设计)人: | 李清;陈颖;张傲阳;江勇;辛遥;崔春来 | 申请(专利权)人: | 鹏城实验室;清华大学深圳国际研究生院;南方科技大学 |
| 主分类号: | H04N21/2187 | 分类号: | H04N21/2187;H04N21/262;H04N21/442;H04N21/466;H04L65/1045;H04L65/80 |
| 代理公司: | 深圳市君胜知识产权代理事务所(普通合伙) 44268 | 代理人: | 温宏梅 |
| 地址: | 518000 广*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 协议 直播 视频 传输 方法 | ||
1.一种基于云边协议的直播视频传输方法,其特征在于,所述方法包括:
接收直播端上传的视频资源,确定所述视频资源对应的流行度;
基于所述流行度确定所述视频资源对应的边缘节点以及超分倍数,以使得所述边缘节点按照所述超分倍数对所述视频资源进行超分处理,得到超分视频资源;
所述接收直播端上传的视频资源,确定所述视频资源对应的流行度具体包括:
接收直播端上传的视频资源,并获取所述视频资源对应的视频制作者的历史观看人数;
基于获取到的历史观看人数,确定所述视频资源对应的流行度;
所述基于所述流行度确定所述视频资源对应的边缘节点以及超分倍数具体包括:
获取所述视频资源对应的视频信息;
基于所述视频信息以及流行度,确定所述视频资源对应的边缘节点以及超分倍数;
所述基于所述视频信息以及流行度,确定所述视频资源对应的边缘节点以及超分倍数具体包括:
将所述视频信息以及所述流行度输入经过训练的强化学习模型,通过所述强化学习模型确定所述视频资源对应的边缘节点以及超分倍数,所述强化学习模型的目标是使得观看当前视频制作者的用户QoE最大化,其中,QoE的计算公式为:
其中,表示用户端u在时刻t收到了当前观看视频制作者c的第n个视频资源;表示视频感知质量,用VMAF表示,视频资源的VMAF值在视频编码时被计算出来,并在传输视频资源时作为附加信息同时传输给用户端;|q(cn)-q(cn-1)|是该视频资源与上一视频资源感知质量的差值,表示质量切换值;是用户端u在下载当前视频资源时遭受的卡顿时间;是用户端u的播放进度与直播算上传当前视频资源的时延;α1,α2,α3三个系数用于调节质量切换、卡顿时间和延迟指标对用户QoE的影响程度;
所述视频信息包括各边缘节点的边缘算力信息、各边缘节点的用户连接信息、历史处理信息以及所述视频资源对应的视频质量。
2.根据权利要求1所述基于云边协议的直播视频传输方法,其特征在于,所述基于所述视频信息以及流行度,确定所述视频资源对应的边缘节点以及超分倍数之后,所述方法包括:
基于所述超分倍数确定所述视频资源对应的超分网络模型,并将所述超分网络模型布置于所述边缘节点,其中,所述超分网络模型配置有所述超分倍数。
3.根据权利要求2所述基于云边协议的直播视频传输方法,其特征在于,所述超分网络模型包括通用超分网络模型或者设定超分网络模型,其中,所述设定超分网络模型为基于视频资源对应的流行度为该视频制作者训练得到。
4.根据权利要求3所述基于云边协议的直播视频传输方法,其特征在于,所述设定超分网络模型的训练过程具体包括:
当接收到该视频资源对应的视频制作者上传目标视频资源时,确定所述目标视频资源对应的流行度;
当流行度大于预设流行度阈值时,获取该视频制作者对应的若干视频数据集,其中,若干视频数据集中的每个视频数据集均对应一超分倍数,且各视频数据集各自对应的超分倍数互不相同;
对于若干视频数据集中的每个视频数据集,将该视频数据集对经过训练的通用超分模型进行训练,以得到设定超分网络模型,其中,每个视频数据集对应的通用超分模型配置有个视频数据集对应的超分倍数。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-4任意一项所述的基于云边协议的直播视频传输方法中的步骤。
6.一种云服务器,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如权利要求1-4任意一项所述的基于云边协议的直播视频传输方法中的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于鹏城实验室;清华大学深圳国际研究生院;南方科技大学,未经鹏城实验室;清华大学深圳国际研究生院;南方科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011134693.5/1.html,转载请声明来源钻瓜专利网。





