泛視頻質量評價模型分析及應用

丁華，王昕，魏崢，羅傳飛，宋皓，施唯佳

工程與應用

泛視頻質量評價模型分析及應用

丁華1，王昕2，魏崢1，羅傳飛1，宋皓1，施唯佳1

（1. 天翼數字生活科技有限公司，上海 200085；2. 中國電信股份有限公司，北京 100045）

泛視頻是指以視頻為信息展現和交互形式的業務，主要分為傳統視頻業務、新興視頻業務和衍生視頻業務三類，然而如何準確地進行視頻播放質量評估卻一直是一個難題。提出了一種泛視頻播放質量評價模型及參數，主要包括視頻切換時延、視頻起播時延以及視頻播放卡頓次數和時長等，其已在現網的IPTV天翼高清質量監測系統中得到了應用，實踐表明應用效果良好。所提研究成果可進一步應用于視聯網產品領域等所有泛視頻應用場景中。

泛視頻；視頻質量評估；視頻切換時延；視頻起播時延；視頻播放卡頓次數和時長

0 引言

隨著互聯網和多媒體技術的蓬勃發展，人類社會進入泛視頻媒體時代，可以說“無處不視頻”。長視頻多元突破、短視頻快速增長、網絡直播帶動大小屏深度融合，在線觀看視頻已經成為人們日常生活中主要的娛樂方式之一。用戶對于觀看體驗的追求也不斷提高，視頻播放質量的優劣，是影響用戶觀看體驗的關鍵因素，因此如何有效地評估視頻的質量具有重要意義。人眼對視頻的主觀感知，往往在清晰度、流暢度、延時度3個方面比較敏感，另外視頻色彩飽和度、畫面亮度對比度、視頻背景畫面干凈度和音視頻唇音同步度也是影響主觀感知的因素。泛視頻播放質量評價一直是困擾人們的難題，人們一直致力于尋找一種能夠全面、準確地評估視頻質量的模型和方法。由此，在分析研究相關視頻質量評估的方法和問題之后，本文提出了一種泛視頻播放質量評價模型及參數的方法，主要涉及視頻切換時延、視頻起播時延、視頻播放卡頓次數和時長4項指標參數。本文提出的模型及參數，已在電信運營商交互式網絡電視（internet protocol television，IPTV）質量評估系統中得到應用，其視頻質量評價效果良好，基本與人眼主觀體驗結果一致。

1 視頻質量評估面臨的問題

服務質量（quality of service，QoS）是廣泛采用的服務度量標準之一，主要包括網絡的吞吐率、時延、丟包率、抖動、誤碼率等，顯然這些指標僅反映了服務技術層面的性能，甚至僅是網絡傳輸層面的性能，忽略用戶主觀因素，因此它不能直接反映用戶對服務的認可程度。用戶體驗質量（quality of experience，QoE）是一種以用戶認可程度為標準的服務評價方法，它綜合了服務層面、用戶層面、環境層面的影響因素，直接反映了用戶對服務的認可程度[1]。涉及QoE的量化問題，目前較廣泛采用的是國際電信聯盟（ITU）建議的“平均意見得分（mean opinion score，MOS）”，它將QoE的主觀感受分為5個層次[2-3]。

按照是否有用戶直接參與評價及是否給出QoE與其影響因素之間的關聯模型，可以將現有的評價方法分為主觀評價方法、客觀評價方法及主客觀結合的方法。主觀評價方法，是讓用戶直接對所使用的業務做出評價，因此它最準確，一般可以作為評價其他評價方法的標準。由于主觀評價方法需要考慮太多的因素，實施步驟較復雜、代價大，沒有得到廣泛的應用?？陀^評價方法，通過計算輸出序列相對于輸入序列的失真程度，對業務做出評價，分為全參考、部分參考、無參考3種類型?？陀^評價具有簡單、實用的特點，所以它是目前QoE評價方法研究中重要的一部分，但值得注意的是，為了更準確地反映用戶對業務或者服務的主觀感受，客觀評價方法需要考慮人類的感知模型，這就給QoE的客觀評價帶來了一定的難度[1,4]。

網絡視頻質量評估已經成為網絡視頻業務發展的迫切需求，人們一直期望通過對視頻特征或網絡傳輸分析客觀評價視頻質量，然而視頻特征信息獲取、計算復雜度、實時性要求，以及分組丟失、時延、抖動等網絡因素都為有效評價網絡視頻質量增加了困難[5-6]。另外，移動網絡視頻質量評價方法，也還不能提供足夠可靠的評價結果。在單向傳輸的視頻質量評價中，無論主觀方法還是客觀方法都需要進一步研究[7]。以上分析表明，人們之前基于網絡傳輸參數或視頻數據信息，提出過很多經驗公式或模型評估視頻質量，但往往效果不理想，無法準確評價?；旧蠠o法與人眼主觀體驗感知相一致，有時甚至會出現視頻質量評估值較高，人眼主觀感知卻很差的情況，或者反之。目前的客觀評價方法，雖然可以精確地分析碼流傳輸質量或視頻圖像特征質量，但其往往存在無法與主觀感受效果匹配一致的問題。主觀評價方法雖然可以按照人眼的主觀感受劃分出非常好、好、一般、差、非常差5個等級，但是實際操作時會出現等級分無法有效評定的問題，例如，視頻卡頓多少次可認為是列入“一般”等級，這個沒有客觀標準，往往會因人而異[8-10]。本文提出的一種泛視頻播放質量評價模型及參數的方法，屬于客觀評價方法類型，不采用主觀評價方法的五分評分評價，取而代之的是評價視頻時延、視頻卡頓等參數，實踐表明，評估效果基本上與人眼主觀體驗相一致，很好地解決了當前諸多視頻質量評價方法所面臨的問題。

2 IPTV視頻質量評估系統設計

近年來，人們一直試圖通過主觀評價和客觀評價等方法評估IPTV網絡的數字視頻質量[11]。例如，文獻[12]針對CBR編碼、MPEG.2 TS封裝、H.264Mainprofile@level4.1/1 920×l 080@25 f/s的視頻進行了主觀評價。文獻[13]提出了在機頂盒內置質量監測工具，監測IPTV業務的丟包率、媒體流速率、業務互動等指標。進一步地，人們還進行了三網融合下視頻業務質量評估體系，以及優化編碼參數以期提升IPTV高清頻道的視頻質量等研究工作[14-15]。目前，國內互聯網視頻產業界尚不存在評估用戶體驗質量的一致標準，不同視頻服務運營商對于用戶體驗的認識在角度和深度上存在較大差異。同時，視頻服務運營商普遍缺少對用戶行為規律的深刻研究和認識，往往投入了大量資金和成本進行系統和平臺的管理和優化之后，用戶體驗質量卻沒有得到明顯的改善，從而造成資源的極大浪費[16]。

本文針對某電信運營商的IPTV視頻質量評估系統進行了應用設計，IPTV視頻質量評估系統示意圖如圖1所示。分析表明，該運營商的南方省機頂盒應用的是定制IPTV視頻播放器，可升級機頂盒底層硬件視頻編/解碼芯片的庫文件，并對播放器進行適配開發，增加接口向其他類似探針的應用提供相關采集數據。另外，該電信運營商的北方省機頂盒應用的是基于開放互聯網視頻服務（over the top，OTT）的第三方視頻播放器，無法開發和適配相關接口向探針提供采集數據。根據用戶體驗關注的重點，結合實際應用效果，本文將IPTV視頻質量指標重點聚焦在視頻流暢度和視頻延時度兩個方面。本文提出的新型視頻質量評價模型設計方案，旨在通過視頻播放器接口或網絡數據抓包兩種模式，分別采集分析視頻切換時延、視頻起播時延、視頻播放卡頓次數和時長4項視頻質量指標參數，以及計算用戶觀看視頻業務體驗的綜合評分U_MOS值和網絡健康指數h_mos值。機頂盒探針將采集計算的視頻質量數據，及時上報到中心平臺，平臺對分省的IPTV視頻優良率進行統計分析和考核處理。本文提出的視頻播放質量評價模型及參數方法，很好地解決了電信運營商的全網智能機頂盒視頻質量評估問題。

圖1 IPTV視頻質量評估系統示意圖

本文提出的一種泛視頻播放質量評價模型及參數的方法，相較于傳統的視頻質量衡量標準，有明顯的改進。一方面，其所采用的方法和參數簡便實用、全面可靠；另一方面，雖然屬于客觀評價方法類型，但是評估效果與人眼體驗結果高度一致。一般地，視頻質量主要體現在清晰度、流暢度、延時度3個方面，然而目前互聯網平臺服務的視頻清晰度（如分辨率等）往往都比較高，因此視頻質量評估可以僅針對流暢度、延時度進行分析。研究表明，視頻延時度主要體現在視頻直播切換和視頻點播起播階段，視頻流暢度主要反映視頻播放階段的卡頓情況。在視頻切換或起播階段，當視頻關鍵幀出現后人眼將能觀察到視頻畫面，本文通過播放器接口可以準確地采集視頻關鍵幀的時延，其與人眼主觀體驗的視頻時延高度一致。同時，視頻編/解碼芯片上報的視頻幀信息，經由播放器解碼后將直接送至顯示器視頻顯示，若500 ms內顯示緩存沒有接收到視頻數據，本文中探針算法模塊將及時進行視頻播放卡頓次數的統計，其也與人眼體驗的視頻卡頓感知基本一致。

3 播放器接口采集視頻質量指標的實現方案

3.1 IPTV播放器采集視頻質量參數的接口要求

南方省IPTV機頂盒底層硬件視頻編/解碼芯片的視頻幀信息數據，上報到播放器。播放器通過智能機頂盒進程間數據通信Android接口定義語言（Android interface definition language，AIDL）方式，將接收的幀信息數據和生成的視頻質量指標數據，及時傳遞給機頂盒質量探針，兩者之間的數據通信采用JSON格式進行傳遞。播放器采集視頻質量指標參數見表1。

表1 播放器采集視頻質量指標參數

3.2 播放器計算視頻時延和視頻卡頓方案描述

（1）視頻播放時延

IPTV播放器向平臺請求視頻開始計時（第一時刻），平臺下推視頻到機頂盒編/解碼芯片，芯片解析后按接口定義要求每秒上報視頻幀信息，IPTV播放器收到芯片上報的視頻關鍵幀為止（第二時刻），兩個時刻的時間差值即視頻播放時延。一般地，在視頻切換或起播階段，只有當第一個視頻關鍵幀出現后，人眼才能觀察到視頻畫面。由于視頻播放器可以甄別視頻關鍵幀，因此本方案可準確地獲取IPTV直播（多播）頻道切換時延、點播（單播）影視起播時延，其與人眼主觀觀察體驗基本一致。

（2）視頻卡頓

人眼的視覺暫留現象，使靜止圖像連續出現時會有動畫感；然而，當視頻幀率低于15 f/s時，連續的運動視頻往往就會有停頓的感覺。在視頻編碼序列中，當一個圖像組（group of picture，GOP）中發現緩存下溢即出現空幀，且空幀數量超過一半時，該GOP就判斷為卡頓組。視頻幀信息結構示意圖如圖2所示，圖2（a）示例1判斷為卡頓1次/秒，因為25幀中有13幀為空幀；圖2（b）示例2不判斷為卡頓。

圖2 視頻幀信息結構示意圖

3.3 基于芯片視頻幀信息計算U_MOS

寬帶視頻服務用戶體驗評估U_MOS，按照其處理信號層級主要包含Model0、Model1和Model2的3層模型。其中Model0顯式包含比特率（BitRate）、屏幕大?。⊿creenSize）、像素密度單位（PPI）變量，其余變量在不同的應用場景（分辨率、編碼器類型）下為定值。Model1需要從編碼數據包及比特流中采集視頻幀關鍵編碼信息。Model2需要從原始或播放器連續采集視頻幀的關鍵質量信息。本文探針的實驗室實測數據主要參考行業標準及相關文獻中Model1的模型算法[17-19]，取值為視頻觀看質量QV，如式（1）所示。

其中，Qcod為視頻序列的質量分析結果，取值范圍為[1,5]。

其中，kfr表示視頻幀率與兩個相鄰視頻關鍵幀（I幀）之間的幀數的比值，如式（3）所示。

其中，intraflicker為一個布爾型變量，表示到目前接收到的幀為止，是否出現I幀閃爍現象，所謂I幀閃爍是指某一接收到的I幀的QP值較之前及之后的I幀的QP值相比，有明顯突變（增加）的現象。

若某一I幀QP值滿足以下條件，即可判定為發生了I幀閃爍現象。

? 當前I幀QP值比前一幀QP值高5。

? 當前I幀QP值比后一幀QP值高5。

其中，SkipRatio為Skip模式和非Skip模式比例，br為碼率，fr為幀率，AvgByte為平均字節大小。視頻觀看質量QV計算式中涉及的各項系數見表2。

4 網絡數據抓包計算視頻質量指標的實現方案

4.1 網絡抓包計算視頻質量的參數要求

北方省OTT機頂盒探針可以通過網絡數據抓包方式，采集和分析相關視頻質量指標參數。網絡抓包計算視頻質量指標參數見表3。

表2 視頻觀看質量QV計算式中涉及的各項系數

表3 網絡抓包計算視頻質量指標參數

4.2 網絡抓包計算視頻時延方案描述

直播切換時延的計算要求是從網絡抓包解析到多播互聯網組管理協議（internet group management protocol，IGMP）的igmp join消息開始，到收到第一個數據包的時間為止。點播起播時延的計算要求是從網絡抓包解析到單播實時流傳輸協議（real time streaming protocol，RTSP）的DESCRIBE消息開始，到收到第一個數據包的時間為止；如果存在302跳轉，以第一個請求時間為起始時間。

由于網絡抓包只能定位數據首包、無法精確定位視頻關鍵幀，因此探針網絡抓包計算的直播切換時延和點播起播時延，往往計算數值比較小。一般地，視頻切換時延、視頻起播時延的發生過程和時刻大致如下：用戶遙控器按鍵操作（1）、播放器發起視頻請求（2）、機頂盒發送網絡包請求協議（3）、平臺返回網絡視頻流首包（4）、播放器獲取視頻關鍵幀（5）、視頻輸出到顯示器（6）。其中，1~2、2~3、5~6 的3個區間時長基本上是相對不變的；3~4、4~5兩個區間的時長是不斷變化的，主要由網絡傳輸和系統響應能力決定。前文所述的播放器計算到關鍵幀的時延區間為2~5，此處所述的網絡抓包計算到首包的時延區間為3~4。

4.3 優化擬合網絡健康指數公式計算h_mos

互聯網的技術規范RFC 4445中的媒體傳輸質量指標（media delivery index，MDI）是IP視頻流傳輸質量的技術標準，是行業內公認的網絡指標參數方法，被用來衡量網絡媒體流抖動和丟包率，其包含兩個參數：延遲因子（DF）和媒體丟包速率（MLR）[20]。

利用MDI，本文提出了一種網絡健康指數的計算h_mos值的模型算法，如式（7）所示。

其中，delay為MDI中的DF，lost為MDI中的MLR，、、、、、是系數。

上述經驗表達式中的網絡健康指數模型系數需要進行優化，目標是使h_mos數值曲線與卡頓曲線變化趨勢相似，網絡健康指數曲線優化逼近卡頓曲線變化趨勢示意圖如圖3所示。在實驗室條件下，特定機頂盒既可以帶有播放器接口和芯片幀信息卡頓模塊，同時又可以植入網絡健康指數模塊。在測試過程中，將網絡健康指數h_mos曲線先在=2.5的直線上水平翻轉，并與卡頓曲線標幺量綱統一處理，利用單純形優化、最小二乘算法使兩曲線之間的差值平方和達到最小。通過不斷地對h_mos表達式優化，最終確定出一組優化系數。

圖3 網絡健康指數曲線優化逼近卡頓曲線變化趨勢示意圖

網絡健康指數曲線在與卡頓曲線擬合優化時，可利用網絡損傷儀進行控制，以期在實驗室連續控制不同的網絡丟包的測試環境，并記錄橫軸數據。在網絡損傷儀的控制下，卡頓數據曲線變化趨勢將基本保持不變，而h_mos數值曲線隨模型系數改變而發生變化。機頂盒探針內置的網絡健康指數算法運算模塊，將按規范RFC 4445中的MDI要求，實時采集和計算網絡的DF值和MLR值，代入式（7）計算h_mos值。當單純形優化算法優化搜索到某組模型系數時，重新進行實驗室網絡損傷控制，將得到新的h_mos曲線，再次與卡頓目標曲線擬合優化，直至優化得到最后一組系數、、、、、為止，之后停止網絡損傷控制測試操作。實驗室某款機頂盒測試擬合后，得到了一組優化系數：=50、=0.1、=50、=2.72、=－0.000 394、=50。

特別地，如果實驗室沒有上述特定機頂盒，視頻播放卡頓曲線也可以通過人眼觀察方式記錄形成，統計記錄周期和卡頓計次頻率與上述一致，分別為5 min和1 s。

5 實驗室測試的視頻質量指標數據分析

5.1 終端側采集的視頻指標數據分析

實驗室特定機頂盒同時具備播放器計算模塊功能（包括直播切換開始到關鍵幀、點播起播開始到關鍵幀、幀信息卡頓數據和U_MOS）和網絡抓包計算模塊功能（包括直播切臺開始到數據首包、點播起播開始到數據首包、網絡健康指數h_mos）。實驗室測試中，特定機頂盒探針每5 min上報的數據與人眼實際主觀感知對比見表4。

表4 特定機頂盒探針每5 min上報的數據與人眼實際主觀感知對比

（1）播放器采集數據分析

播放器計算的直播切臺時延和點播起播時延基本上與人眼感知時延接近，實驗效果良好。例如，第二次測試的點播起播時延，播放器采集的Latency1為503 ms時，人眼實測感知時延為500 ms左右。第一次測試的直播切臺時延，播放器采集的switchChannel_time為1 087 ms，人眼實測感知時延為1 000 ms左右。

播放器計算的視頻卡頓次數和卡頓時長，基本上與人眼感知一致（個別數據除外），實驗效果比較理想。例如，10次的視頻播放測試中，播放器采集的卡頓次數和卡頓時長基本與人眼實測感知一致；但是第5次測試時，播放器采集卡頓次數為1次、人眼實測感知為13次。

U_MOS計算值在視頻卡頓不是很嚴重時，數值有波動；但是在視頻卡頓比較嚴重時，數值變化不明顯，不能有效反映視頻質量下降的情況。例如，第5次測試時，視頻播放效果較差，卡頓時長達到13 000 ms，但是MOS（U_MOS）值仍然高達3.95分。

（2）網絡抓包采集數據分析

探針網絡抓包計算的直播切臺時延和點播起播時延，多數情況下與人眼感知時延的誤差約為500 ms。例如，第2次測試的點播起播時延，網絡抓包采集的Latency1為29 ms時，人眼實測感知時延為500 ms左右；第3次測試的直播切臺時延，網絡抓包采集的switchChannel_time1為13 ms，人眼實測感知時延小于500 ms。

h_mos計算值在視頻卡頓不是很嚴重時，數值變化波動不明顯；然而在視頻卡頓比較嚴重時，數值明顯下降，較好地反映了視頻質量下降的情況。例如，第5次測試時，視頻播放效果較差，卡頓時長達到13 000 ms，StreamHealth（h_mos）值相應降低到2.00分。

5.2 平臺側IPTV播放優良率統計分析

平臺優良率統計主要分為直播切臺優良率、點播起播優良率以及視頻播放卡頓優良率。單個機頂盒每5 min上報一次話單，如出現一次時延大于1 s或卡頓超過兩次，則該話單為一次質差塊。單個機頂盒中的質差塊，如超過全天話單的5%，則該盒子確定為當天的質差用戶。全省全天的優良率統計為（1－當天的質差用戶數/當天全天的話單用戶總數）×100%。

平臺在統計南方省的優良率時，直接采用終端探針上報的視頻時延數據和視頻卡頓數據計算；另外，由于U_MOS值不完全準確，因此在實際應用中并沒有采用該結果。平臺在統計北方省的時延優良率時，將在探針上報的視頻首包時延數據的基礎上加500 ms后再進行計算處理；平臺在統計視頻播放卡頓優良率時，當h_mos值小于4.8分時記為質差話單，實驗表明視頻卡頓兩次的臨界點時往往h_mos值接近4.8分。

6 結束語

目前電信運營商正在積極踐行網絡強國、數字中國和“云改數轉”戰略，依托云網邊端能力，構建數字生活業務新格局。同時，利用視頻監控產品基礎能力，全力打造視聯網，業務覆蓋數字家庭、智慧城市、智慧社區、數字鄉村等應用領域。本文的研究成果已經在現網智能機頂盒內得到了規模應用，探針部署量超過了8 000萬個。本文所提視頻質量評價模型和方法的目標是力求評價結果與人眼主觀體驗感知相一致，可進一步應用于視聯網產品領域等所有泛視頻應用場景中。

[1] 林闖, 胡杰, 孔祥震. 用戶體驗質量(QoE)的模型與評價方法綜述[J]. 計算機學報, 2012, 35(1): 1-15.

LIN C, HU J, KONG X Z. Survey on models and evaluation of quality of experience[J]. Chinese Journal of Computers, 2012, 35(1): 1-15.

[2] ITU-T．Methods for subjective determination of transmission quality: P.800[S]. 1996.

[3] ITU-R．Methodology for the subjective assess ment of the quality of television pictures: BT.500-13[S]. 2012.

[4] 李永強, 沈慶國, 朱江, 等．數字視頻質量評價方法綜述[J]. 電視技術, 2006(6): 5.

LI Y Q, SHEN Q G, ZHU J, et al. Overview of video quality evaluation methods[J].Video Engineering, 2006(6): 5.

[5] 楊付正, 萬帥. 網絡視頻質量評估技術研究現狀及發展動向[J].通信學報, 2012, 33(4): 107-114.

YANG F Z, WAN S. Overview of state-of-the-art and future of networked video quality assessment[J]. Journal on Communications, 2012, 33(4): 107-114.

[6] 劉河潮, 常義林, 元輝, 等. 一種網絡丟包的無參考視頻質量評估方法[J]. 西安電子科技大學學報(自然科學版), 2012, 39(2): 29-34.

LIU H C, CHANG Y L, YUAN H, et al. No-reference video quality assessment over the IP network based on packet loss[J]. Journal of Xidian University (Natural Science), 2012, 39(2): 29-34.

[7] 魏耀都, 謝湘, 匡鏡明, 等. 移動視頻質量評價方法及發展趨勢[J]. 電信科學, 2010, 26(3): 57-63.

WEI Y D, XIE X, KUANG J M, et al. Mobile video quality evaluation methods and its development[J]. Telecommunications Science, 2010, 26(3): 57-63.

[8] 方玉明, 眭相杰, 鄢杰斌, 等. 無參考圖像質量評價研究進展[J]. 中國圖象圖形學報, 2021, 26(2): 265-286.

FANG Y M, SUI X J, YAN J B, et al. Progress in no-reference image quality assessment[J]. Journal of Image and Graphics, 2021, 26(2): 265-286.

[9] 汪芮. 超高清視頻圖像質量主觀評價方法探究[J]. 廣播與電視技術, 2021, 48(6): 25-29.

WANG R. Research on subjective image quality assessment method for UHD video[J]. Radio & TV Broadcast Engineering, 2021, 48(6): 25-29.

[10] 王惠明, 歐臻彥, 王倩男, 等. 8K超高清視頻質量客觀評測方法研究[J]. 現代電視技術, 2022(10): 116-121. WANG H M, OU Z Y, WANG Q N, et al. Research on objective evaluation methods for 8K teltra high definition video quality[J]. Advanced Television Engineering, 2022(10): 116-121.

[11] 栗蔚, 魏凱. IPTV視頻質量評價技術綜述[J]. 電信網技術, 2009(5): 24-29.

LI W, WEI K. Overview of IPTV video quality measurement techonlogies[J]. Telecommunications Network Technology, 2009(5): 24-29.

[12] 羅斯青, 肖晴, 胡源. 面向IPTV的H.264高清編碼視頻質量評估[J]. 電信科學, 2008, 24(5): 83-86.

LUO S Q, XIAO Q, HU Y. A subjective quality assessment test for HD video based on H. 264 technology in IPTV[J]. Telecommunications Science, 2008, 24(5): 83-86.

[13] 姚良. 影響IPTV業務質量的關鍵因素及質量提升措施探討[J].電信科學, 2009, 25(3): 32-35.

YAO L. Research on key factors effecting IPTV service quality and service improvement measures[J]. Telecommunications Science, 2009, 25(3): 32-35.

[14] 姚良, 奚溪. 三網融合下視頻業務質量評估體系的研究[J]. 電信科學, 2011, 27(3): 27-31.

YAO L, XI X. Research of video service quality evaluation system in triple-play field[J]. Telecommunications Science, 2011, 27(3): 27-31.

[15] 羅傳飛, 張瑋. IPTV高清頻道視頻質量提升研究[J]. 電信科學, 2012, 28(12): 135-140.

LUO C F, ZHANG W. Research of improving IPTV HD channels video quality[J]. Telecommunications Science, 2012, 28(12): 135-140.

[16] 張玉冉. 互聯網視頻用戶體驗質量評估模型的研究與實現[D].北京: 北京郵電大學, 2015.

ZHANG Y R. Research and implementation of evaluation model of Internet video user experience quality[D]. Beijing: Beijing University of Posts and Telecommunications, 2015.

[17] 工業和信息化部．寬帶視頻服務用戶體驗評估直播算法和參數: YD/T 3778-2020[S]. 2020.

Ministry of Industry and Information Technology. The live algorithm and parameter for the user experience assessment of broadband video service: YD/T 3778-2020[S]. 2020.

[18] 工業和信息化部．寬帶視頻服務用戶體驗評估點播算法和參數:YD/T 3779-2020[S]. 2020.

Ministry of Industry and Information Technology. The Vod Algorithm and parameter for the user experience assessment of broadband video service: YD/T 3779-2020[S]. 2020.

[19] 賀甜甜, 劉彥凱, 宋利. 視頻用戶體驗理論與實踐[J]. 電信科學, 2017, 33(8): 67-76.

HE T T, LIU Y K, SONG L. Theory and practice of quality of experience in video services[J]. Telecommunications Science, 2017, 33(8): 67-76.

[20] RFC．A proposed media delivery index (MDI): 4445[S]. 2006.

Analysis and application of pan-video playback quality evaluation model

DING Hua1, WANG Xin2, WEI Zheng1, LUO Chuanfei1, SONG Hao1, SHI Weijia1

1. E-surfing Digital Life Technology Co., Ltd., Shanghai 200085, China 2. China Telecom Co., Ltd., Beijing 100045, China

Pan-video refers to the business that takes video as the form of information presentation and interaction. It is mainly divided into three categories: traditional video business, emerging video business and derivative video business. However, how to accurately evaluate the quality of video playback has always been a problem. A pan-video playback quality evaluation model and parameters were proposed, which mainly included: video switching delay, video start delay, video playback pause times and duration, etc. It has been applied in the IPTV quality monitoring system of the current network, and the practice shows that the application effect is good. The proposed research results can be further applied to all pan-video application scenarios in the field of video network products.

pan-video, video playback quality evaluation, video switching delay, video start delay, video playback pause times and duration

TP399

A

10.11959/j.issn.1000?0801.2023171

2023?03?27；

2023?08?31

丁華（1969? ），男，天翼數字生活科技有限公司高級工程師，主要研究方向為IPTV及探針、視頻監控和視頻通話等。

王昕（1977? ），男，中國電信股份有限公司工程師，主要研究方向為寬帶和基于高帶寬接入的IPTV等。

魏崢（1983? ），男，天翼數字生活科技有限公司工程師，主要研究方向為IPTV及探針、視頻視覺和機器人智能等。

羅傳飛（1978? ），男，博士，天翼數字生活科技有限公司教授級高級工程師，主要研究方向為視音頻信號處理、IPTV視頻質量指標和視聯網等。

宋皓（1988? ），女，天翼數字生活科技有限公司工程師，主要研究方向為IPTV及探針、計算機數據處理系統和云網CDN等。

施唯佳（1978? ），男，天翼數字生活科技有限公司高級工程師，主要研究方向為IPTV及探針、融合視訊和視聯網等。