收稿日期:20180803;修回日期:20180913 基金项目:国家自然科学基金资助项目(61462014);贵州省优秀科技教育人才省长专项资
金资助项目(黔省专合字[2011]34);贵州省科学技术基金资助项目(黔科合 J字[2011]2201);贵州大学引进人才科研项目(贵大人基合字[2010]034)
作者简介:刘江涛(1991),男,四川达州人,硕士,主要研究方向为计算机网络、流媒体技术(jonta@jonta.cn);李泽平(1964),男,贵州贵阳
人,教授,硕导,博士,主要研究方向为计算机网络、流媒体技术;杨炳钊(1993),男,山东烟台人,硕士,主要研究方向为计算机网络、流媒体技术.
一种 H.265视频带宽实时预测模型
刘江涛,李泽平,杨炳钊
(贵州大学 计算机科学与技术学院,贵阳 550025)
摘 要:针对视频直播过程中带宽抖动导致视频帧丢失造成用户体验降低问题,提出了一种 H.265视频带宽实
时预测(VBRP)模型。模型基于马尔可夫链,专注于 H.265编码的直播视频流,研究了在 GOP(groupofpictures)
编码模式下 B帧出现的统计特性,发现 B帧大小对视频流传输速率的影响较大。应用此特性可预测出直播流中
B帧的大小,并根据网络带宽选择性丢弃 B帧,同时引入步长调整因子 AF和误差阈值 FT,均衡模型在预测 B帧
时的训练频率和预测帧数。最后基于模型实现 VBRP预测算法并在直播系统中验证算法的有效性。
关键词:带宽预测;H.265;马尔可夫链;流媒体
中图分类号:TP393 文献标志码:A 文章编号:10013695(2020)02010036505
doi:10.19734/j.issn.10013695.2018.08.0552
RealtimepredictionmodelofH.265videobandwidth
LiuJiangtao,LiZeping,YangBingzhao
(CollegeofComputerScience&Technology,GuizhouUniversity,Guiyang550025,China)
Abstract:Inordertosolvetheuserexperiencereductionbybandwidthjitterthatcausedvideoframelossduringlivevideo,
thispaperproposedarealtimepredictionmodel(VBRP)ofH.265videobandwidth.ThemodelwasbasedonMarkovchain
andfocusesonthelivevideostreamencodedbyH.265.ItstudiedthestatisticalcharacteristicsofframeBintheGOP(groupof
pictures)encodingmode,whichshowedthattheBframessizehadagreatinfluenceonthetransmissionrateofvideostream
andusedthisfeature
,itcanpredictthesizeoftheBframe.ThenaccordingtothenetworkbandwidthselectivediscardingtheB
frame.AtthesametimeusedthenumberofframesadjustmentfactorAFanderrorthresholdFT,tobalancethetrainingfre
quencyandthenumberofpredictedframeswhenpredictingBframes.Finally,thepredictionalgorithm isimplementedand
validatedinthelivevideosystem.
Keywords:bandwidthprediction;H.265;Markovchain;mediastreaming
根据 Netflix的 2017年度报告
[1]
全世界有超过 1.17亿的
Netflix流媒体会员,每天有超过 1.4亿小时的电视节目和电影
被观看。未来,流媒体流量预计将在移动领域增长 67%,在固
定网络领域增长 29%
[2]
。多媒体内容的爆炸式增长推动了流
媒体行业的发展和研究,寻求更高效的流媒体发布方法架构来
为所有用户提供更好的视频服务成为研究热点。在当前的网
络服务中,视频流已经占据了绝大部分有线和无线的网络带
宽。H.265/HEVC(highefficiencyvideocoding)视频编码
[3]
在
同等图像质量下,其压缩率比 H.264标准提高了一倍,所以
H.265/HEVC编码应用于流媒体传输将会极大提高网络带宽
利用率。然而,网络带宽并不总是稳定不变的,通常带宽是一
个时变系统,随时间而动态变化,特别是在高抖动、高时延的移
动网络环境下尤为明显。如果在视频直播中遇到网络抖动,将
造成关键视频数据丢失,影响视频画质。传统的解决方案是根
据网络带宽的减少去降低视频的质量
[4]
,这样就会给用户带
来不好的体验并且会使服务质量下降。如果用统计学方法预
测视频带宽大小,并根据网络带宽选择性丢弃
B帧,能够平衡
服务质量(qualityofservice,QoS)与网络带宽负载能力,从而提
高用户体验(qualityofexperience,QoE)。
1 相关工作
Sarkar等 人
[5]
提 出 了 Markovmodulatedgammabased框
架,
Lanfranchi等人
[6]
提出了 MPEG4预测模型来提高用户的
QoE和服务提供商的 QoS,这些模型必须适应动态变化的网络
条件,如吞吐量、丢包率和延迟抖动
[7]
。Kalampogia等人
[8]
提
出的模拟退火算法来预测视频的 B帧,然而模拟退火算法和
MPEG4预测模型和对于 H.265编码的视频来说是不够准确
的。因为 H.265视频有许多比均值小很多的 B帧,而且随机
分布在整个视频帧中,不能用公式很好地预测。根据文献[5]
分析,视频模型可以分为两类,分别是数据速率模型和帧大小
模型。数据速率模型不能识别帧对整个视频的影响程度,如果
一些包括
I帧在内的很小数据丢失,会影响接收视频的质量。
文献[9]计算了视频流数据包在 LTE网络中准时传输的概率,
根据概率将视频数据包分配给用户,而不区分视频帧不同类型
在各个视频 中 的重 要 性。然 而文 献 [9]遵循 的 是 DASH 标
准
[10]
,而 DASH标准并不适合非常低延迟的视频流。文 献
[11]用目前已知的分布对 B帧进行建模,找到 B帧的统计特
性,但是对于直播视频流,即将到来的视频帧是未知的,无法进
行统计,因此会很大程度上影响
B帧预测的准确性。
针对以上问题,提出一种 H.265视频带宽实时预测(video
bandwidthrealtimepredictionprediction
,VBRP)模型。VBRP模
型基于马尔可夫链,用于动态网络环境下提升视频直播的质
量。在此模型基础上实现了视频带宽实时预测 VBRP算法,应
用于
RTMP(realtimemessagingprotocol)
[12]
流媒体发布预测系
统。本文专注的 H.265
[3]
是继承 H.264的新一代视频编码标
第 37卷第 2期
2020年 2月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol37No2
Feb.2020