吉高卿　郭　建　葛　宇　劉　超　杜春暉　龔志廣　張連連　馬立勇

(河北建筑工程學(xué)院，河北 張家口 075000)

?

基于SVC的視頻自適應(yīng)傳輸系統(tǒng)的研究與實(shí)現(xiàn)

吉高卿郭建葛宇劉超杜春暉龔志廣張連連馬立勇

(河北建筑工程學(xué)院，河北 張家口 075000)

摘要:可伸縮視頻編碼(SVC)以H.264標(biāo)準(zhǔn)為基礎(chǔ)，其編碼具有時(shí)域可伸縮、空域可伸縮、質(zhì)量可伸縮的特點(diǎn)，是解決IP網(wǎng)絡(luò)的動(dòng)態(tài)性、異構(gòu)性以及終端設(shè)備多樣性等問(wèn)題的最好辦法之一.目前，人們對(duì)SVC的研究主要集中在其編碼效率和性能方面，關(guān)于SVC具體應(yīng)用的研究較少.主要提出了一種視頻QOE的評(píng)估算法，在該算法基礎(chǔ)上，設(shè)計(jì)實(shí)現(xiàn)了一套SVC視頻傳輸系統(tǒng).實(shí)驗(yàn)結(jié)果表明，在該系統(tǒng)中，當(dāng)IP網(wǎng)絡(luò)帶寬動(dòng)態(tài)下降時(shí)，視頻仍能流暢的播放，并且視頻質(zhì)量沒(méi)有明顯的降低，實(shí)現(xiàn)了視頻質(zhì)量的自適應(yīng)傳輸.

關(guān)鍵詞:可伸縮視頻編碼；動(dòng)態(tài)性；自適應(yīng)傳輸

0引言

隨著網(wǎng)絡(luò)技術(shù)和視頻編碼技術(shù)的發(fā)展，視頻直播點(diǎn)播等面向網(wǎng)絡(luò)應(yīng)用的視頻服務(wù)得到迅速增長(zhǎng).然而在網(wǎng)絡(luò)上傳輸多媒體數(shù)據(jù)時(shí)，由于受到網(wǎng)絡(luò)環(huán)境質(zhì)量的不確定性因素影響，可能會(huì)出現(xiàn)視頻播放不流暢，造成用戶體驗(yàn)不佳的后果.

實(shí)現(xiàn)基于SVC的視頻傳輸系統(tǒng)要解決的關(guān)鍵問(wèn)題有兩個(gè).第一的問(wèn)題是視頻質(zhì)量?jī)?yōu)劣的評(píng)判依據(jù).即在一定帶寬條件下，如何選出時(shí)域，空域，可伸域的一個(gè)合理組合，使視頻的質(zhì)量最優(yōu).另外一個(gè)問(wèn)題是視頻調(diào)整的時(shí)機(jī)選擇.即視頻服務(wù)器該在何時(shí)對(duì)傳輸所視頻的質(zhì)量進(jìn)行調(diào)整.基于上述兩個(gè)關(guān)鍵問(wèn)題，本文結(jié)構(gòu)安排如下，第1部分介紹了一種基于QOE(用戶體驗(yàn)質(zhì)量)的視頻質(zhì)量檢測(cè)算法；在此算法基礎(chǔ)上，第2部分設(shè)計(jì)并實(shí)現(xiàn)一個(gè)基于SVC的網(wǎng)絡(luò)視頻傳輸系統(tǒng)，第3部分總結(jié).

1基于QOE的視頻質(zhì)量檢測(cè)算法

采用QOE作為評(píng)估視頻質(zhì)量標(biāo)準(zhǔn)的方法有兩種：主觀評(píng)估與客觀評(píng)估.主觀評(píng)估方法是指測(cè)試人員根據(jù)自己的主觀感受，對(duì)視頻的質(zhì)量進(jìn)行打分評(píng)估.由于視頻最終觀看者是人，因此采用主觀評(píng)估方法是最直接也最準(zhǔn)確的評(píng)估方法.典型的基于QOE的主觀評(píng)估方法有兩種：ITU-R BT.500，ITU-T P.900[2].通常，可以將主觀評(píng)估的結(jié)果作為客觀評(píng)估模型性能的衡量標(biāo)準(zhǔn).

但主觀評(píng)估也有一些不足，比如實(shí)現(xiàn)過(guò)程復(fù)雜，觀察者必須經(jīng)過(guò)專門的訓(xùn)練，才能較為準(zhǔn)確的進(jìn)行視頻質(zhì)量的評(píng)估等.

客觀評(píng)估方法可以克服以上不足之處.客觀評(píng)估的基本思路是對(duì)待評(píng)估視頻的相關(guān)參數(shù)建立某種特定的數(shù)學(xué)模型，將視頻參數(shù)輸入到該模型后得到的計(jì)算結(jié)果作為視頻質(zhì)量的評(píng)估結(jié)果.客觀評(píng)估的關(guān)鍵就在于如何建立一個(gè)能夠反映視頻質(zhì)量的合理的數(shù)學(xué)模型.

目前，國(guó)內(nèi)外常用的客觀評(píng)估的實(shí)現(xiàn)方法有以下幾類：ITU-T G.1070，基于回歸分析的模型，基于人工神經(jīng)網(wǎng)絡(luò)的模型，基于最近鄰居算法的KNN模型[3].

本文在認(rèn)真分析了以上幾種客觀評(píng)估方法性能優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了一種基于Adaboost和CART算法的視頻質(zhì)量評(píng)估標(biāo)準(zhǔn).Adaboost算法屬于模式識(shí)別中的一種分類算法，該算法在人臉識(shí)別等領(lǐng)域有著廣泛應(yīng)用[4].Adaboost算法采用的是模型組合思想，將一的強(qiáng)分類器.CART算法的基本思想是采用二分遞歸，將樣本集分成兩個(gè)子樣本集，最終生成一顆決策樹[5].

本文提出的算法是對(duì)上述兩種算法的改進(jìn).即在Adaboost算法中，用CART算法中生成二叉樹代替?zhèn)鹘y(tǒng)的Adaboost算法中的弱分類器，并級(jí)聯(lián)成最終的強(qiáng)分類器.實(shí)驗(yàn)證明了Adaboost和CART算法的性能要優(yōu)于傳統(tǒng)的客觀評(píng)估方法.

1.1Adaboost和CART算法實(shí)現(xiàn)

基于Adaboost和CART算法的視頻質(zhì)量預(yù)測(cè)模型的建立有兩個(gè)階段：訓(xùn)練階段以及測(cè)試階段.

1.在訓(xùn)練階段，選取視頻的一些關(guān)鍵信息參數(shù)作為模型的輸入，采用Adaboost算法，并利用主觀評(píng)價(jià)方法得到的視頻的MOS值對(duì)出多個(gè)弱分類器進(jìn)行訓(xùn)練，最終得到一個(gè)強(qiáng)分類器，并將其作為QOE的預(yù)測(cè)模型.

2.在測(cè)試階段，將視頻的相關(guān)參數(shù)輸入到已建立的QOE預(yù)測(cè)模型中，輸出為預(yù)測(cè)的QOE值，將該值域視頻的主觀預(yù)測(cè)得到的MOS值作對(duì)比，如果誤差在可接受的范圍內(nèi)，則該預(yù)測(cè)模型有效，如果超出一定范圍，預(yù)測(cè)模型無(wú)效.

在訓(xùn)練階段，假設(shè)參與訓(xùn)練的樣本個(gè)數(shù)為n，n個(gè)樣本的輸入?yún)?shù)集合可以表示為D={(x1,y1),(x2,y2)…(xn,yn)}，其中的輸入向量xi指影響視頻質(zhì)量的幾個(gè)關(guān)鍵參數(shù)，包括丟包率(PLR)，視頻的幀率(FR)，量化參數(shù)(QP)，分辨率(SR)以及時(shí)間信息(TI)，空間(SI)信息，因此取xi={PLR,FR,QP,SR,TI,SI}，y1是第i個(gè)樣本利用主觀評(píng)價(jià)方法得到的視頻的MOS值.算法的最終目標(biāo)是要根據(jù)n個(gè)樣本提供的信息，求出一個(gè)函數(shù)P′(x)，使預(yù)測(cè)誤差e(P′(x),y)的值最小.

根據(jù)Adaboost算法的原理，算法實(shí)現(xiàn)的關(guān)鍵是求出每個(gè)樣本的權(quán)重以及每個(gè)CART算法中生成二叉樹的權(quán)重.具體的說(shuō)，每次迭代過(guò)程后，都需要對(duì)錯(cuò)分的樣本加大其權(quán)重，對(duì)正確分類的樣本減少其權(quán)重.

算法具體步驟為：

(1)假設(shè)n個(gè)視頻樣本的輸入?yún)?shù)與MOS值的集合為D={(x1,y1),(x2,y2)…(xn,yn)}，最初所有樣本賦予相等的權(quán)重，即ωi=1/n;

(4)更新預(yù)測(cè)函數(shù)：pt+1(x)=pi(x)+αt+1ht+1(x);

1.2算法性能測(cè)試

測(cè)試在OverSim網(wǎng)絡(luò)仿真平臺(tái)上進(jìn)行.測(cè)試具體步驟如下：

(1)從JVT提供的測(cè)試序列中選取soccer,city,park,ice,ducks這5種視頻序列，利用JSVM視頻編碼軟件進(jìn)行SVC編碼.通過(guò)設(shè)置配置文件去設(shè)定不同的幀率，分辨率等參數(shù)，獲得300個(gè)具有不同參數(shù)的視頻片段.

(2)在OverSim仿真平臺(tái)上，將300個(gè)視頻的丟包率分別設(shè)置為0,0.01,0.03,0.05,0.1.

(3)利用OpenSVCDecoder軟件對(duì)視頻進(jìn)行解碼播放，并由專業(yè)測(cè)評(píng)人員對(duì)視頻質(zhì)量進(jìn)行主觀測(cè)評(píng)，視頻MOS值范圍為1-5.即視頻質(zhì)量可分為五個(gè)等級(jí)，最高級(jí)別為MOS值等于1，最低級(jí)別為MOS值等于5.

(4)將其中的200個(gè)視頻作為訓(xùn)練用視頻以獲得預(yù)測(cè)模型.該算法中，迭代次數(shù)T決定了算法的準(zhǔn)確度.T值越大，算法結(jié)果的準(zhǔn)確度越高，但也增大了算法的復(fù)雜度.圖1為經(jīng)過(guò)測(cè)試后獲得的迭代次數(shù)與錯(cuò)誤率之間的關(guān)系，可發(fā)現(xiàn)當(dāng)?shù)螖?shù)大于T大于150之后，錯(cuò)誤率迅速降低，故將迭代次數(shù)T設(shè)為150次.

圖1　迭代次數(shù)與錯(cuò)誤率關(guān)系圖　　　　　　　　圖2　Adaboost和CART算法性能

圖3　ITU-T G.1070算法性能

(5)將另外100個(gè)視頻作為測(cè)試用視頻.圖2中，縱坐標(biāo)為利用Adaboost和CART算法得到的預(yù)測(cè)MOS值，橫坐標(biāo)為視頻真實(shí)MOS值的.絕大多數(shù)點(diǎn)都在對(duì)角線附近，說(shuō)明預(yù)測(cè)值與真實(shí)值較為接近.圖3為利用傳統(tǒng)的評(píng)估方式ITU-T G.1070測(cè)得的預(yù)測(cè)值與真實(shí)值的關(guān)系，點(diǎn)在對(duì)角線附近分布較分散，說(shuō)明基于Adaboost和CART算法的視頻質(zhì)量預(yù)測(cè)效果優(yōu)于傳統(tǒng)方式.

2SVC網(wǎng)絡(luò)視頻傳輸系統(tǒng)

客戶端的是在QOE視頻檢測(cè)算法基礎(chǔ)上完成的，具體實(shí)現(xiàn)的算法流程如下：

1.根據(jù)當(dāng)前網(wǎng)絡(luò)帶寬BW0，確定視頻比特率Rt范圍：Rt≤BW0；在符合該條件的所有視頻中，將視頻的PLR,FR,QP,SR,TI,SI輸入以構(gòu)建好的QOE視頻質(zhì)量評(píng)估模型中，求出輸出值值最大的視頻，并通過(guò)控制命令通知SVC服務(wù)器發(fā)送該視頻.

2.以T=5 s為周期，計(jì)算網(wǎng)絡(luò)帶寬BWt以及緩存中視頻時(shí)長(zhǎng)Td，視頻比特率Rt應(yīng)滿足公式Rt(T-Td)≤BWt×T，并在符合要求的所有視頻中，將視頻的PLR,FR,QP,SR,TI,SI輸入以構(gòu)建好的QOE模型中，求出輸出值值最大的視頻，然后通過(guò)控制命通知SVC服務(wù)器發(fā)送該視頻.

3.重復(fù)第2步操作，直到請(qǐng)求結(jié)束.

3總結(jié)

本文主要介紹了基于Adaboost和CART算法的視頻質(zhì)量檢測(cè)算法以及基于該模型的一個(gè)SVC網(wǎng)絡(luò)傳輸系統(tǒng).實(shí)驗(yàn)結(jié)果表明，該SVC網(wǎng)絡(luò)傳輸系統(tǒng)能有效的工作，真正的充分發(fā)揮了SVC的可伸縮特性，實(shí)現(xiàn)了視頻的自適應(yīng)傳輸.

參考文獻(xiàn)

[1]Schwarzh H,Marpre D,Wiegand T.Overview of the scalable video coding extension of the H.264/AVC standard[J].IEEE Transactions on Circuits and Systems for Video Technology,2013,17(9):1103～1120

[2]汪大勇，孫世新.可伸縮視頻編碼研究現(xiàn)況綜述[J]電子測(cè)量與儀器學(xué)報(bào)，2009,23(8):78～84

[3]向科燏.“可分級(jí)視頻編碼傳輸系統(tǒng)若干關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)”電子科技大學(xué)碩士論文，2011

[4]李曉峰，劉洪盛，等.基于H.264可伸縮視頻流的自適應(yīng)媒體播放算法[J]計(jì)算機(jī)應(yīng)用，2011,31(7):1956～1959

[5]ITU-T Rec.H.222.0,“Information Technology—Generic Coding of Moving Pictures and Associated Audio Information:Systems,”May 2006;ISO/IEC13818-1:2012

Research and Realization of Network Video-adaptive Transmission System based on SVC

JI Gao-qing,GUO Jian,GE Yu,LIU Chao,DU Chun-hui,

GONG Zhi-guang,ZHANG Lian-lian,MA Li-yong

(Hebei Institute of Architecture and Civil Engineering,Zhangjiakou,China 075000)

Abstract：Scalable video encoding (SVC), based on the H.264 standard,has the characteristics of time domain scalability,spatial scalability,and quality scalability.It is one of the best ways to solve the problems of dynamic,heterogeneous and terminal equipment diversity of IP network.At present,the research on SVC mainly focuses on its encoding efficiency and performance,and the research on the specific application of SVC is relatively less.In this paper,a new assessment algorithm for evaluating video QOE is proposed,on the basis of which,SVC video transmission system is designed and implemented.Experimental results show that,when the band width of IP network decreases,the video can fluently play with no significant reduction in video quality,which has realized the adaptive transmission of video.

Key words：scalable video coding;dynamic characteristics;adaptive transmission

收稿日期：2015-12-01

基金項(xiàng)目：河北建筑工程學(xué)院?；痦?xiàng)目，三網(wǎng)融合技術(shù)在建筑電視網(wǎng)中的應(yīng)用(Y201415)；河北省住房與城鄉(xiāng)建設(shè)部科技計(jì)劃項(xiàng)目，智能LED道路照明節(jié)能控制系統(tǒng)研究(2012-K1-43)；河北省張家口市科技局項(xiàng)目(1421003B,1521005B)；河北省教育廳項(xiàng)目(ZC2016030,QN2016205)；河北省科技計(jì)劃自籌經(jīng)費(fèi)項(xiàng)目(15211114)

作者簡(jiǎn)介：吉高卿(1987-)，男，助教，電子科技大學(xué)碩士研究生畢業(yè)，主要研究方向：視頻編碼.

中圖分類號(hào):TP 31

文獻(xiàn)標(biāo)識(shí)碼：A