网络视频质量评估技术研究现状及发展动向

客观网络视频质量评估模型可分为参数规划模型、分组层评价模型、比特流层评价模型、媒体层评价模型及混合评价模型.

1.参数规划模型

在已知网络状况的情况下预测传输不同参数视频流可以得到的视频质量。现有参数规划模型则分别考虑编码参数和网络特性的影响，它的结构一般是如下的结构。

2.分组层评价模型

分组层评价模型只允许使用数据分组的头信息预测视频流质量。



该类模型只允许介入视频数据分组的头信息：RTP 头、UDP 头和 IP 头，通过分析头信息提取或预测视频及网络参数，进而评估视频流的质量。



这是这个模型对四个不同视频序列所作出的结果，可以看出由于没有考虑视频特性，无法反映内容特性对视频质量的影响。
数据分组丢失对视频质量的影响与视频的内容特性密切相关。另外，错误传播是数据分组丢失影响视频质量的另一关键因素。不同帧类型和帧丢失的位置也至关重要。

3.比特流层评价模型

比特流层评价模型



这个就是只分析视频头的比特流分析模型流程
比特流层评价模型允许介入数据分组的视频载荷，因此可以较准确地预测或获得视频参数及内容特性。其中，量化参数、编码速率、空域复杂度、时域复杂度是预测视频压缩失真的关键参数，而压缩失真、数据分组丢失位置、视频帧类型、时域复杂度是预测数据分组丢失对视频质量影响的关键参数。量化参数、编码速率、视频帧类型等参数只需要解码视频帧头信息即可以得到，而准确获得或预测空域复杂度、时域复杂度、数据分组丢失位置等参数则需要对视频流进行更深入解码甚至完全解码。对视频载荷的深入分析势必增加算法的运算复杂度，但由于可以借助于多种参数和视频特征信息，该类模型可以较准确地预测网络视频流的质量。

4媒体层评价模型

媒体层评价模型利用视频流的解码视频评价其质量，通常也称为基于像素的评价模型。

媒体层评价模型只根据恢复视频的像素值预测视频质量，无法使用网络视频流的相关信息，而从码流中可以获得的信息，如量化因子可以很好地反映视频的压缩质量，利用 RTP 头信息中的序列号可以确定遭受数据丢失的视频帧，结合视频帧的编码类型可以确定受影响的视频帧等。而媒体层评价模型无法准确确定受数据丢失影响的视频帧，必须采用错误检测算法判断是否受数据丢失影响，并且该类模型应用于评价网络视频流时需要对视频流进行完全解码，不适用于实时性要求较高的场合。

5.混合评价模型

混合评价模型可以利用比特流信息和恢复视频信号得到任何信息，如通过分析视频数据分组可以得到量化参数、帧类型、数据分组丢失的具体位置等关键参数，利用恢复视频信号可以准确得到视频的内容特征空域复杂度、时域复杂度等。因此，混合评价模型具有出色的性能，但利用更多信息的同时意味着更为复杂的参数提取或预测过程。混合评价模型的关键技术是如何有效选择参数，以及如何合理组合利用各参数。