[发明专利]基于队列学习和超分辨率的超高清视频传输系统与方法

说明书

本发明公开了基于队列学习和超分辨率的超高清视频传输系统与方法，系统包括边缘代理节点；边缘代理节点包括自适应决策智能体、VSR处理器和下载缓存队列；VSR处理器用于对源端传输来的视频分辨率进行重建；下载缓存队列用于缓存从源端传输来的视频块；自适应决策智能体用于监控网络状态信息、客户端播放缓存队列信息以及下载缓存队列信息，并根据监控到的信息对源端视频分辨率和VSR处理器重建的视频分辨率进行自适应调节。本发明能够对源端分辨率和VSR重建分辨率进行自适应调节，为打破超高清视频传输质量对网络状况的强依赖关系提供技术支撑，同时能够有效缓解传输超高清视频所面临的带宽资源压力。

技术领域

本发明属于视频自适应传输技术领域，具体涉及一种基于队列学习和超分辨率的超高清视频传输系统与方法。

背景技术

超高清视频具有超高分辨率特性且其传输对网络要求较高，使其在网络资源受限的网络环境中传输存在巨大挑战。虽然随着5G逐步大规模商用，其良好的网络承载力能够改善4K、8K超高清视频播放或者直播的流畅度和稳定性；但是，一方面，视频用户数量和网络视频流量与日俱增，远远超过网络传输速率的提升速度，仍然会造成带宽资源紧缺；另一方面，超高清视频传输(特别是直播)往往要求网络带宽大、时延低以及抖动小，这使其在网络资源受限的弱网场景(如卫星网络、车联网、无人机应急救灾、边远山区通信等)中传输面临以下几个方面问题：1)网络链路可用带宽具有时变性；2)网络带宽和覆盖范围具有有限性；3)无线接入会产生间歇性中断且信道干扰具有随机性；4)用户请求具有随机性和区域性；5)网络流量具有突发性；6)视频生产者、消费者以及传输节点具有潜在移动性等，这些问题使得超高清视频服务质量难以得到保障。因此，迫切需要研究更加有效的超高清视频自适应传输机制，在尽可能满足泛在视频场景的服务质量(或体验)需求前提下，打破对网络带宽和场景的依赖，缓解因网络资源受限而导致的视频抖动、卡顿、延迟较大等现象。

发明内容

为了降低超高清视频传输质量对网络宽带和场景的依赖性，本发明提供了一种基于队列学习和超分辨率的超高清视频传输系统。本发明通过构建具有VSR能力的视频自适应传输系统，能够对源端分辨率和VSR重建分辨率进行智能自适应调节，为打破超高清视频传输质量对网络状况的强依赖关系提供技术支撑，同时能够有效缓解传输超高清视频所面临的带宽资源压力。

本发明通过下述技术方案实现：

基于队列学习和超分辨率的超高清视频传输系统，包括边缘代理节点；

所述边缘代理节点包括自适应决策智能体、VSR处理器和下载缓存队列；

所述VSR处理器用于对源端传输来的视频分辨率进行重建；

所述下载缓存队列用于缓存从源端传输来的视频块；

所述自适应决策智能体用于监控网络状态信息、客户端播放缓存队列信息以及所述下载缓存队列信息，并根据监控到的信息对源端视频分辨率和所述VSR处理器重建的视频分辨率进行自适应调节，输出自适应视频分辨率决策到源端，以使源端根据接收的自适应视频分辨率决策发送对应分辨率的视频块。

作为优选实施方式，本发明的VSR处理器能够执行基于深度学习的VSR算法。

作为优选实施方式，本发明的源端为DASH服务器端，支持多种分辨率视频格式。

作为优选实施方式，本发明的客户端包括DASH播放器；

所述DASH播放器中维护一个状态可读的播放缓存队列。

另一方面，本发明提出了基于上述基于队列学习和超分辨率的超高清视频传输系统的传输方法，包括：

建立基于队列学习的自适应传输优化模型；

采用深度强化学习方法对所述自适应传输优化模型进行求解，对源端视频分辨率和VSR处理器重建的视频分辨率进行决策。