2024年5月14日发(作者：笔记本电脑品牌前十名)

移动终端用户感知的流媒体视频质量评估

系统的研究与实现

摘要:视频的质量评估一直都是一个研究的重要课题。本文具体来讲，实现了一个针对移动

终端用户接收到的流媒体视频的质量评估系统。由于这种视频服务提供者给移动终端用户提

供视频服务的客观的业务限制，我们在进行终端用户感知视频质量的评估中需要用无参考的

视频质量评估方法／模型。而在无参考视频质量评估的研究中,已知的都是使用用户感知的

视频相关参数或网络传输质量相关参数对视频质量进行评估。这些传统的方法存在一些不

足。一方面这些相互之间较为独立的方法/模型并不能被视频服务提供者直接使用,没有一个

较统一和完善的系统把这些方法/模型整合起来以更精确的感知终端用户收到的视频质量。

另一方面没有考虑到用户移动终端设备对其感知到的视频质量的影响以及对视频质量评估

的影响．针对上述问题,本文设计和实现了视频服务发送端对接收服务用户端感知质量的评

估系统，以帮助视频服务提供者精确地判定视频质量和改善用户的体验。

关键词：终端用户 视频服务提供者 视频质量 评估 系统

0 引言

如今,随着多媒体业务的快速发展，随着3G/4Ｇ等移动互联网的飞速发展，移动终端用

户的数量在爆发式的增长,用户在移动终端观看网络视频的情况越来越多.由于用户的移动终

端设备种类型号繁多,差异性较大，要想针对每一个用户给其提供尽可能高质量的视频就必

须把用户终端设备信息考虑在内,并且由于大部分终端都受流量限制，所以针对每一个用户

给其提供流量较小情况下的尽可能高质量的视频是本文的视频质量评估系统的目的。

1 视频质量评估的现状

传统的视频质量评价分为视频主观质量评价和视频客观质量评价.

视频主观质量评价需要依靠人观看待评价的视频片段并且按照某一标准给每一个视频

进行打分,视频的质量是这个视频的平均得分(Mｅan Opiniｏn Score， ＭＯS)。由于视频

的主观质量评价需要依靠大量的人力,并且为了保证尽可能少的由于人为因素的不确定性对

最终视频的得分产生影响,需要制定详细的统一的标准,不断的交流和讨论。效率比较低而且

成本很大.传统的方法都是把上述这种主观质量评价当作衡量视频客观质量评价准确性的标

准．

视频质量客观评估模型根据是否需要参考原始的视频流分为全参考模型、部分参考模型

和无参考模型,其中无参考模型由于不需要任何原始视频流的信息,很符合如今大部分的业务

需求而有重要的研究价值和广阔的前景。而在无参考视频质量评估的研究中，一部分是通过

机器学习算法进行训练建模而成的复杂的评估过程，我们暂不考虑和研究这些方法,另一部

分是根据影响视频质量的一些参数进行研究计算而成的，但是这些参数有很多方面,例如传

输过程中损伤视频的关键指标、视频本身的质量指标等,过于繁杂。对于提供视频服务方并

没有一个统一的较完善的系统来直接针对终端用户感知到的视频进行评价.

2 本文的视频质量评估系统的研究

本文设计的视频质量评估系统是对每一个终端用户他所真实感受到的视频质量进行客

观评定。在该客观评定中隐性的加入了我们设定的统一标准的主观评定方法，是一种无参考

客观质量评价和主观质量评价相结合的方法。该系统不需要用户去主动的评论视频的质量也

能较精确的反映用户感受到的主观的视频质量,结合了客观评价快速、耗费人力少和主观评

价精确,感受真实的优点.

2.1 主观评估标准

研究过程中对视频质量进行参照分类的标准是通过大量视频网站如爱奇艺、优酷、乐视

视频、搜狐视频等对视频源进行极速、流畅、高清、超清、原画的分类标准为依据采用传统

的视频主观质量评价方法：平均主观分值法(MOS)．根据极速、流畅、高清、超清、原画给

视频质量评分为１分到5分,1分质量最差,5分质量最高。

2。２ 客观视频质量评估系统

该系统承载在终端设备的Android操作系统上，本文视频的播放采用VLC开源播放器,

它的编解码核心是开源工具ffmpeｇe,应用广泛，具有一定的代表性。本文的视频质量评估

系统主要包含以下四个方面，最后结合这四个方面对视频质量的影响建立系统模型.

２．2。1 视频图片初步确定视频质量

在研究过程中发现现有的无参考客观视频质量的评估标准有很多方面，难以统一整合到

一起。考虑到本文的目的是对终端用户的感知视频质量进行评估,强调用户的主观感受,所以

我们通过直接针对视频中的一帧帧图像进行质量分数的评估。

采用这种评估方式有三个好处，一是更贴近用户的主观感受,感知质量的评估效果更准

确.二是可以避免对决定视频质量因素的分析处理,不使用机器学习等复杂的算法和处理过

程，较为简捷快速。三是符合我们的感知质量评估标准的背景情况．由于我们的主观视频质

量评估参考是结合目前几大视频服务提供商的视频网站的分类标准的,而几大视频提供商的

视频格式等存在一定的差异性甚至同一个视频提供商同一个视频的不同清晰标准的视频格

式有的都是不同的,采用对视频中的播放图像进行质量分析可以忽略不同视频格式造成的视

频质量评估的干扰和复杂性。

本文评估系统使用的图片质量评价是使用Anｉｓh Mittａl等人的较成熟的研究成果，

一种在空间域上的无参考图像质量评价方法

[]

，包括算法模型和实现程序。每一帧的图像都

会有一个分数，图像质量越高分数越小。通过对这些大量图像分数的分析建立我们感知系统

的初步评估模型。

我们对大量不同类视频的不同清晰度标准的视频进行测试，如图1所示展现了采用上述

方法得到的某一类视频的标清、高清、超清三种清晰度的视频中的10０幅图像的分数。由

图1中可以看到会有些异常高和异常低的数据，在实际的某个视频中的图像的清晰度是类似

的，不应该存在差异如此巨大的情况,可以认为这些异常值是错误数据。分析发现原因有的

６