[发明专利]一种基于编码器-解码器预测模型的视频自适应调度方法

说明书

本发明公开了一种基于编码器‑解码器预测模型的视频自适应调度方法，包括以下步骤：1)包括视频切割，2)初始化调度，3)视频播放，4)流量预测，5)视频调度，6)返回迭代步骤3)至步骤5)，直至完成整个视频播放。本发明使用小波变换处理网络流量数据集，使数据集更加准确；基于编码器‑解码器的预测模型进一步提高预测结果的准确性，提高视频调度性能，更准确的实现网络资源的调度；在有限的缓存和网络带宽之下，自适应调节视频文件分辨率，动态自适应的完成视频分片的调度与播放。

技术领域

本发明涉及数据通信技术领域，特别是一种基于编码器-解码器预测模型的视频自适应调度方法。

背景技术

近年来，随着互联网行业的不断发展，各种在线视频服务快速普及，诸如抖音、快手、bilibili等流媒体平台已经逐渐融入到了用户的生活。然而，随着网络流量的越发庞大，传统的基于TCP和HTTP的视频点播服务已经遇到了发展瓶颈。为了满足终端用户在高清、流畅等方面的视频观影需求，有必要在有限的网络资源条件下，在时间和空间的角度合理的分配现有网络从而提升媒体的传输质量。

目前国际上主要由4种基于HTTP协议的动态自适应流媒体解决方案：HTTP livestreaming(HLS)、Smooth streaming(SS)、HTTP dynamic streaming(HDS)和MPEG-DASH。其中SS和HDS不可以放在普通web服务器上，HLS不支持快速信道切换，HDS不支持多声信道。而DASH是第一个基于HTTP协议的自适应码率的国际标准流媒体解决方案，其将视频分片信息记录在媒体描述文件(MPD)中，但原MPD文件中的码率信息与带宽选择容易造成误差导致播放卡顿。

小波变换是一种信号时间一尺度分析方法，具有时频分析和多分辨分析的特点。多分辨率分析是指将信号按照不同尺度进行分解，可以由粗到细地逐步观察信号。时频分析是指小波变换的时间窗和频率窗都可以改变，在时域和频域都能够很好地获取信号的局部化特性，即在低频部分具有较低的时间分辨率和较高的频率分辨率，在高频部分具有较高的时间分辨率和较低分辨率。这正好符合低频部分变化缓慢持续时间较长，高频部分变化较快持续时间较短的特征。小波阈值去噪的基本原理是通过小波变换将信号按照不同频率进行分解，得到信号的高频系数和低频系数。低频系数主要反映信号信息，高频系数主要反映信号的细节信息和噪声，信号的细节信号和噪声有不同的表现形式，可以选择适当的阈值将噪声筛选出来。

在传统的流量预测领域，通常使用时间序列来表示网络流量之间的数据关系，对此，研究人员提出了各种基于自动回归、自动回归平滑和移动平均自回归模型的预测算法。但综合来说，经典预测模型的预测效果存在一定缺陷。近年来，随着深度学习技术的不断发展，各种基于神经网络的预测模型层出不穷。

发明内容

为了满足在不同的网络带宽环境下视频观看的用户体验，解决在不同网络条件下视频播放频繁卡顿问题，本发明提出了一种基于编码器-解码器模型的视频自适应调度方法。

为了实现上述目的，本发明提出的基于编码器-解码器预测模型的视频自适应调度方法，其特征在于，包括以下步骤：

1)服务器使用FFmpeg工具将视频拆分为若干个视频分片，每个视频分片时间长度相同，且每个视频分片分别设置了1080p、720p、480p、360p、144p五种不同分辨率的视频分片文件；

2)调度其中一种分辨率的一定数量的视频分片文件：

3)客户端接收到服务器发来的视频分片文件后进行视频播放；

4)客户端统计每个视频文件传输过程中的网络流量，并在预测之前使用基于小波变换和3sigma准则的粗差过滤算法对统计的网络流量进行粗差值过滤，客户端采用编码器-解码器模型与注意力机制预测下一阶段的网络流量；

5)客户端根据当前视频缓存状况、剩余播放时间和预测得到的网络流量自适应调度视频分片文件，在完成当前视频文件调度之后，立马开始下一轮文件调度；