基于p2p网状多流冗余视频传输系统

    公开(公告)号:CN118381960B

    公开(公告)日:2025-05-09

    申请号:CN202410423454.3

    申请日:2024-04-09

    Abstract: 本发明提供一种基于p2p网状多流冗余视频传输系统,包括:视频转发终端接收视频数据包复制到编码缓存区中,转发至内容分发终端;在复制数量等于预设视频数据包数量的情况下,生成冗余数据包,并将冗余数据包转发至内容分发终端;初始化编码缓存区;执行响应于接收到的视频数据包,将视频数据包复制到编码缓存区中的步骤;通过内容分发终端在接收到视频数据包或者冗余数据包的情况下,将视频数据包或者冗余数据包分发至至少一个上游终端;通过上游终端,在接收到视频数据包或冗余数据包的情况下,将视频数据包或冗余数据包转发至至少一个下游终端;能够解决上游观众的加入或离开行为打断实时流媒体的传输,导致下游观众观看直播视频体验较差的问题。

    一种面向低时延视频服务的5G和MEC耦合方法及装置

    公开(公告)号:CN115884413A

    公开(公告)日:2023-03-31

    申请号:CN202211221892.9

    申请日:2022-10-08

    Abstract: 本申请提供一种面向低时延视频服务的5G和MEC耦合方法及装置,方法包括:根据应用层上下文信息确定目标图像帧的下一帧大小预测结果;对5G接入网状态信息进行实时链路动态性估计,确定5G接入网的无线链路质量估计结果;将下一帧大小预测结果和无线链路质量估计结果融合至无线资源需求规则;基于激励和加速机制控制5G接入网和边缘服务器之间按照无线资源需求规则进行实时数据交互以自适应调整针对视频服务的无线资源分配。本申请能够精确定制视频服务的无线资源需求,能够针对视频服务进行无线资源自适应调整并保障资源分配的可靠性,进而能够确保如视频分析及视频处理类等视频服务的时延敏感性。

    优化视频传输用户体验质量的流量控制方法、装置和系统

    公开(公告)号:CN114024906B

    公开(公告)日:2022-06-17

    申请号:CN202111193250.8

    申请日:2021-10-13

    Abstract: 本发明提供一种优化视频传输用户体验质量的流量控制方法、装置和系统,所述方法包括:获得网络传输数据包的丢包率、延时间隔和当前时刻码率,并利用基于固定映射规则的算法预测下一时刻的目标码率;将包含所述丢包率、延时间隔和预测的下一时刻的目标码率的训练数据输入基于神经网络的拥塞控制模型,输出码率系数,基于码率系数与当前时刻的码率获得下一时刻码率预测值,对所述拥塞控制模型进行训练;获得网络传输数据包的丢包率、延时间隔和当前时刻码率,将获得的丢包率和延时间隔输入经训练的拥塞控制模型,基于输出的码率系数与当前时刻的码率获得下一时刻码率预测值,并将获得的下一时刻码率预测值应用于下一时刻数据包的传输。

    面向实时视频质量优化的深度混合模型流量控制方法、装置和存储介质

    公开(公告)号:CN114039916A

    公开(公告)日:2022-02-11

    申请号:CN202111227849.9

    申请日:2021-10-21

    Abstract: 本发明提供一种面向实时视频质量优化的深度混合模型流量控制方法、装置和存储介质,该方法包括:实时获得网络传输数据包的网络信息状态,从中获得第一特征集合,输入至训练好的第一智能拥塞控制模型,以从该模型的特征层输出概率特征向量,该模型为利用基于固定映射规则的拥塞控制算法的预测结果作为标签训练得到的;基于网络信息状态获得第二特征集合,输入至在线训练的基于强化学习的第二智能拥塞控制模型,从该模型的特征层输出概率特征向量;对第一智能拥塞控制模型输出的概率特征向量进行强化操作;将经强化的概率特征向量与第二智能拥塞控制模型输出的概率特征向量进行融合;基于融合后的概率特征向量获得预测码率,进行流量控制。

    基于深度学习的灯具识别的室内定位方法、装置及系统

    公开(公告)号:CN110309715B

    公开(公告)日:2021-05-25

    申请号:CN201910429230.2

    申请日:2019-05-22

    Abstract: 本发明实施例提供了一种基于深度学习的灯具识别的室内定位方法、装置与系统,所述方法包括:客户端获取待识别的包含可见光特征信息的第一图像,并对所述第一图像依次进行光晕及亮度补偿预处理,得到第二图像,将所述第二图像发送至服务器;服务器接收客户端发送的第二图像,将所述第二图像输入预先训练的卷积神经网络中,得到所述第二图像对应的分类结果,并将所述分类结果与数据库中预先存储的类别信息匹配,当所述分类结果与所述类别信息匹配成功时,将所匹配的类别信息对应的位置信息发送至客户端;客户端接收服务器返回的位置信息,并根据所述位置信息进行定位。本发明实施例,能够提高可见光特征识别的准确性,进一步提高定位的准确性。

    基于深度学习的灯具识别的室内定位方法、装置及系统

    公开(公告)号:CN110309715A

    公开(公告)日:2019-10-08

    申请号:CN201910429230.2

    申请日:2019-05-22

    Abstract: 本发明实施例提供了一种基于深度学习的灯具识别的室内定位方法、装置与系统,所述方法包括:客户端获取待识别的包含可见光特征信息的第一图像,并对所述第一图像依次进行光晕及亮度补偿预处理,得到第二图像,将所述第二图像发送至服务器;服务器接收客户端发送的第二图像,将所述第二图像输入预先训练的卷积神经网络中,得到所述第二图像对应的分类结果,并将所述分类结果与数据库中预先存储的类别信息匹配,当所述分类结果与所述类别信息匹配成功时,将所匹配的类别信息对应的位置信息发送至客户端;客户端接收服务器返回的位置信息,并根据所述位置信息进行定位。本发明实施例,能够提高可见光特征识别的准确性,进一步提高定位的准确性。

    多路径视频传输调度方法、设备及程序产品

    公开(公告)号:CN118381759A

    公开(公告)日:2024-07-23

    申请号:CN202410423455.8

    申请日:2024-04-09

    Abstract: 本发明提供一种多路径视频传输调度方法、设备及程序产品,所述方法包括:获取每条传输子流在当前时刻下对应的传输层状态信息和应用层质量信息;获取多层神经网络模型,输入传输层状态信息,得到n条传输子流的流量平均值和流量标准差,将流量平均值和流量标准差映射到[0,1]范围内,得到动作矩阵;按照动作矩阵指示的增强层数据的发送比例调度控制n条传输子流;根据传输层状态信息和应用层质量信息计算传输子流调度奖励值;通过强化学习智能体,以最大化未来传输子流调度奖励值之和为优化目标对多层神经网络模型进行训练和参数更新直至收敛;能够解决无法及时响应网络环境的变化,导致无法在多流实时视频传输系统中满足用户体验质量需求的问题。

    面向实时视频质量优化的深度混合模型流量控制方法、装置和存储介质

    公开(公告)号:CN114039916B

    公开(公告)日:2022-09-16

    申请号:CN202111227849.9

    申请日:2021-10-21

    Abstract: 本发明提供一种面向实时视频质量优化的深度混合模型流量控制方法、装置和存储介质,该方法包括:实时获得网络传输数据包的网络信息状态,从中获得第一特征集合,输入至训练好的第一智能拥塞控制模型,以从该模型的特征层输出概率特征向量,该模型为利用基于固定映射规则的拥塞控制算法的预测结果作为标签训练得到的;基于网络信息状态获得第二特征集合,输入至在线训练的基于强化学习的第二智能拥塞控制模型,从该模型的特征层输出概率特征向量;对第一智能拥塞控制模型输出的概率特征向量进行强化操作;将经强化的概率特征向量与第二智能拥塞控制模型输出的概率特征向量进行融合;基于融合后的概率特征向量获得预测码率,进行流量控制。

    面向交互视频传输质量提升的混合学习方法、装置及设备

    公开(公告)号:CN112367490B

    公开(公告)日:2021-05-25

    申请号:CN202010954328.2

    申请日:2020-09-11

    Abstract: 本发明实施例提供了面向交互视频传输质量提升的混合学习方法、装置及电子设备,方法包括:针对当前传输时隙,获取上一传输时隙的传输参数及包间延迟序列;将上一传输时隙的传输参数输入码率预测深度强化学习模型,确定第一备选传输码率;基于包间延迟序列所表示的包间延迟趋势确定网络状态标识值;确定当前传输时隙的网络状态阈值;如果网络状态标识值不大于当前传输时隙的网络状态阈值,基于第一备选传输码率发送数据包;如果网络状态标识值大于当前传输时隙对应的网络状态阈值,基于传输码率调整规则、上一传输时隙的传输码率及传输参数确定第二备选传输码率,基于第二备选传输码率发送数据包。采用本发明实施例可以提高视频通话的质量。

    一种基于深度模仿学习的视频通话方法及装置

    公开(公告)号:CN110809127A

    公开(公告)日:2020-02-18

    申请号:CN201910960211.2

    申请日:2019-10-10

    Abstract: 本发明实施例提供了一种基于深度模仿学习的视频通话方法及装置,方法包括:针对视频通话的当前传输时隙,获取上一传输时隙的传输信息;传输信息包括:传输层信息和应用层信息;将传输信息输入码率优化网络模型,得到当前传输时隙的传输码率;码率优化网络模型是根据训练集训练得到的模型,训练集包括:样本视频通话中各个传输时隙的真实传输信息和真实传输码率;基于当前传输时隙的传输码率,向接收端发送视频通话数据。以实现实时确定视频通话中合适的传输码率,提高视频通话质量。

Patent Agency Ranking