一种适应用户多样性的视频流ABR算法的制作方法

一种适应用户多样性的视频流abr算法
技术领域
1.本发明涉及多媒体视频传输技术领域，具体涉及一种适应用户多样性的视频流abr算法。


背景技术：

2.随着电视、移动设备、笔记本电脑等视频播放设备类型的增加，http视频流已成为视频服务的理想候选技术。由于不同的终端用户情况因网络、设备各异，视频提供商使用abr算法在动态网络中自适应地选择合适的比特率以提高qoe。主要的qoe指标包括平均码率、码率切换和卡顿，现有的abr算法使用单个或多个qoe指标，并使用基于预测模型的技术来提高qoe。
3.但是，现有视频供应商通常拥有大量的视频内容和终端用户，不同的用户对于视频播放指标具有不同的偏好。现有的abr算法通常采用固定的用户体验量化函数，并且在整体应用中表现较好。然而，对于某一个具体的用户，这种方式可能会导致不合适的码率选择。基于有预测能力的模型和机器学习的abr算法采用固定形式的用户体验函数，如果要想使其能够对用户体验多样性适应，必须采用具体的用户体验函数，而用户体验函数的变化会产生大量的模型计算开销，无法在现实场景中使用，为此，我们提出一种适应用户多样性的视频流abr算法。


技术实现要素：

4.本发明针对现有技术存在的上述问题，提供了一种适应用户多样性的视频流abr算法，将偏好反映在相应的视频播放指标权重上。
5.本发明的基本方案为：一种适应用户多样性的视频流abr算法，包括如下步骤：
6.a、定义惩罚函数z
bs
，、z
re
、z
bo
：
7.z
bs
[i]＝α1×e|c[i]-c[i-1]|
[0008]zre
[t]＝α2×
[1-i(buf(t))]
[0009]zbo
[t]＝α3×
buf(t)；
[0010]
b、设置惩罚约束c
bs
，c
re
，c
bo
，约束设置如下：
[0011][0012]
c、记视频被分割的块数为n，当i＜n时，执行d-j步骤；
[0013]
d、对所有码率计算惩罚y
bs
[i]，y
re
[i]，y
bo
[i]；
[0014][0015]
f、下载码率为r*的视频块c[i]；
[0016]
g、根据下式计算z
bs
[f 1]，z
re
[i 1]，z
bo
[i 1]
[0017][0018]
h、更新缓存占用和虚拟队列z
bs
，z
re
，z
bo
；
[0019]
i、更新i＝i 1；
[0020]
j、更新α1，α2，α3；返回第c步骤。
[0021]
优选地，z
bs
，、z
re
、z
bo
分别为码率切换、卡顿、缓存占用。
[0022]
优选地，步骤b中，m为视频可选的码率个数，s[j]为码率j对应的视频块大小，b
max
为最大缓存，表示预期下载时间的上界。
[0023]
优选地，进行步骤a之前，需将视频流模型被建模为更新系统模型，一个视频块的行为是系统中的一帧，每一帧中，系统中的策略选择视频块i的码率，并在完成后会产生一个惩罚向量y和效用向量u，为码率选择的决策空间。
[0024]
优选地，更新系统中的惩罚与体验指标对应，表示为：
[0025]
y＝(y1[i]，y1[i]，y2[i]，y3[i])＝(-u[i]，y
bs
[i]，y
re
[i]，y
bo
[i])。
[0026]
优选地，系统的目标是在满足惩罚约束c
l
的情况下最大化整体效用：
[0027][0028][0029][0030]
为了处理约束c
l
(l∈{1，2，3})，定义相应的虚拟队列z
l
[i](z
l
[0]＝0)如下，其中t[i]为视频块i的传输时间，得出：
[0031]zl
[i 1]＝max[z
l
[i] y
l
[i]-c
l
t[i]，0]。
[0032]
优选地，对于视频块i，定义lyapunov函数如下：
[0033][0034]
其中，k表示约束的数量，k＝3，因此，条件lyapunov流动表示为：
[0035][0036]
式(5)中的lyapunov流动满足：
[0037][0038]
其中，b是有限的常数。因此，b存在并且对于全部的i和可能的z[i]：
[0039][0040]
对于视频块i的流动与惩罚，满足
[0041][0042]
优选地，v是恒定的常量。
[0043]
优选地，步骤b中，设置i＝0，默认用户体验函数参数α1，α2，α3。
[0044]
本发明的工作原理及优点在于：本发明使用流动与惩罚技术进行算法设计，同时引入虚拟队列选择最优的码率，通过对用户体验多样性的建模定义具体的用户体验函数，能够在线感知用户体验函数，有效处理用户体验多样性，将偏好反映在相应的视频播放指标权重上，并通过线上参数更新对abr算法进行设计和实现，有效地适应用户体验多样性。
附图说明
[0045]
图1为本发明的算法流程图。
具体实施方式
[0046]
下面通过具体实施方式进一步详细的说明：
[0047]
如图1所示，一种适应用户多样性的视频流abr算法，视频流模型被建模为更新系统模型，一个视频块的行为是系统中的一帧。每一帧中，系统中的策略选择视频块i的码率，并在完成后会产生一个惩罚向量y和效用向量u。为码率选择的决策空间，更新系统中的惩罚与体验指标对应，表示为：
[0048]
y＝(y1[i]，y1[i]，y2[i]，y3[i])＝(-u[i]，y
bs
[i]，y
re
[i]，y
bo
[i])
ꢀꢀꢀ
(1)
[0049]
系统的目标是在满足惩罚约束c
l
的情况下最大化整体效用：
[0050][0051][0052][0053]
其中，c
l
(2∈{1，
…
，3})对应着卡顿、码率切换和缓存占用的平均惩罚约束，为了处理约束c
l
(l∈{1，2，3})，定义相应的虚拟队列z
l
[i](z
l
[0]＝0)如下，其中t[i]为视频块i的传输时间；
[0054]zl
[i 1]＝max[z
l
[i] y
l
[i]-c
l
t[i]，0]
ꢀꢀꢀ
(3)
[0055]
对于视频块i，定义lyapunov函数如下：
[0056]
[0057]
其中，k表示约束的数量，k＝3。因此，条件lyapunov流动表示为：
[0058][0059]
式(5)中的lyapunov流动满足：
[0060][0061]
其中，b是有限的常数。因此，b存在并且对于全部的i和可能的z[i]：
[0062][0063]
对于视频块i的流动与惩罚，满足
[0064][0065]
其中，v是恒定的常量。
[0066]
式(8)中的最优化策略π[i]可以通过最小化下面的比率得到，即对于视频块i，该码率会最小化公式(9)中的比率：
[0067][0068]
s1、定义惩罚函数z
bs
，、z
re
、z
bo
：
[0069]zbs
[i]＝α1×e|c[i]-c[i-1]|
[0070]zre
[t]＝α2×
[1-i(buf(t))]
[0071]zbo
[t]＝α3×
buf(t)；
[0072]
i(x)＝1当x＞0，否则，i(x)＝0；i是视频块的序号，c[i]表示视频块i的码率，buf(t)为时间t的缓存占用，参数α1，α2，和α3为对应惩罚的权重，并可以根据用户体验多样性进行调整。过调整α1，α2，以及α3可以对码率切换、卡顿和缓存占用的惩罚设置约束。越大的权重会越限制对应的体验指标，使其惩罚降低；
[0073]
设置惩罚约束c
bs
，c
re
，c
bo
，约束设置如下：
[0074][0075]
s2、记视频被分割的块数为n，当i＜n时，执行s3-s9步骤；
[0076]
s3、对所有码率计算惩罚y
bs
[i]，y
re
[i]，y
bo
[i]；
[0077]
[0078]
s5、下载码率为r*的视频块c[i]；
[0079]
s6、根据下式计算z
bs
[i 1]，z
re
[i 1]，z
bo
[i 1]
[0080][0081]
s7、更新缓存占用和虚拟队列z
bs
，z
re
，z
bo
；
[0082]
s8、更新i＝i 1；
[0083]
s9、更新α1，α2，α3，返回s2步骤。
[0084]
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本技术给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本技术的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。