文章图片

最后是媒体流内容质量评估的实践 。
媒体流在现网传输、分发过程中可能出现损伤 ， 引起画质变差 。 一般帧率、码率能侧面反映视频质量 ， 但不等同于用户的主观质量评价 。 目前如PSNR、SSIM以及比较火的VMF视频质量评估主要是有参考的 ， 我们需要有效的、实时的、无参考的客观视频质量评估模型以解决四个方面的问题：

• 质量评估 ， 对视频质量做出客观评估 ， 保证最终用户的视觉体验；
• 编码优化 ， 评估、优化编码器质量；
• 质量提升 ， 前处理、后处理、画质增强对清晰度的影响；
• 成本优化 ， 调节最优的清晰度、节省码率以及带宽成本 。

构建自动化极致体验优化系统 ， 提升终端用户体验 。

文章图片

为此 ， 华为自研构建视频在线媒体质量评估能力HVQA 。 HVQA是基于深度网络学习模型的无参考视频质量评估 ， 主要解决两个问题：1、能够检测异常内容 ， 比如黑屏、花屏 ， 目前能满足1080p ， 30帧的检测能力 。 2、能对画质进行评估 ， 比如清晰度等客观指标 。 HVQA已应用在两个场景中：1、端侧视频质量评估 。 2、服务侧视频质量评估：在服务端对转码视频流进行视频内容质量评估 。
实际测试效果显示 ， 异常内容检测方面 ， 在实际业务测试集上对黑屏、花屏的检测准确率达100% ， 召回率达60% ， 对视频画质 ， 如清晰度的测试情况为SROCC=0.8283 ， PLCC=0.7886 ， CPU占用增加1.9% ， 内存占用增加1% 。
目前华为云的会议系统已在逐步应用HVQA 。

文章图片

大家平时在体检时会按照体检的大致框架一步步进行 ， 框架中包括体检的指标 ， 也就是系统的组成 。 我们将体检思路运用到媒体质量诊断 ， 在诊断网络之前要先理解网络 ， 主要做法是基于时空理解网络 ， 包括理解系统、理解用户、理解内容 ， 从影响音视频卡顿的因素看 ， 包括系统（站点之间的网络时好时坏 ， 边缘站点有水位 ， 资源有瓶颈）、用户（接入网络wifi/4G、本区域和跨区域接入影响）和内容（冷热流影响 ， 主播端产生内容质量差）等各方面 。
基于时空体验诊断能力 ， 我们构建了一个整个网络时空孪生世界 。 主要解决了运维面临的问题如查找难、定位难、优化难 ， 解决之道是基于数据和算法重新定义媒体网络运维 ， 首先要感知网络中的业务类型 ， 业务内容 ， 用户内容 ， 感知之后基于“人、站、流”构建数字世界 。 系统站方面主要感知时延、带宽、丢包、抖动、负荷等参数；视频流内容方面主要感知质量；用户人方面主要感知行为、QoE 。
数字世界中已有百万级对象、千万级关系、亿级时序线 。
诊断模型的构建策略是分三层来构建整体的能力 ， 最基础的能力就是构建L0全链路网络拓扑基础能力 ， 其次是基于L0能力构建基于时空质量因素自动诊断全网体验问题 ， 最上层是业务分析能力层 ， 支撑体验指标与业务规模的多维分析 ， 如果上层业务体验指标发生了变化 ， 通过业务模型、诊断能力 ， 全链路能够快速找到影响因素并进行优化 。

文章图片

接下来介绍在体验提升方面的一些实践 ， 实践包括业务层的全域调度及传输层的全链路加速 。 现网存在的很多问题是无法使用单一方法解决 ， 这里有四个问题：多SLA保障问题 ， 成本高昂问题、资源诉求剧增、业务场景融合 ， 这些问题往往都是多业务 ， 多目标的综合性问题 ， 需要一个数据驱动的云原生媒体网络决策系统来解决 ， 决策系统需要具备的核心能力是智能画像（能够进行QoS预测、带宽预测、用户数预测、算力消耗预测） ， 流量调度、算力调度、商业助手（因为所有业务都跑在一张网络上 ， 涉及到资源复用 ， 需要知道下一位用户第二天的复用情况 。 需要从回源率、成本、复用比三个维度进行预测） 。