一种加密视频的视频码率识别方法、视频播放指标估计方法及装置与流程

1.本发明属于移动通信网络技术领域，具体涉及一种加密视频的视频码率识别方法、视频播放指标估计方法及装置。


背景技术：

2.视频播放流畅度是评价移动网络质量的关键因素，而要评估视频流畅度，首先需要获取到视频码率，通常可以采用深度报文检测(dpi，deep packet inspection)技术从视频流传输头文件中的媒体描述获取。但是当视频采用加密协议传输时，视频分片的码率等信息无法从媒体描述中获取。视频业务质量评估关键指标需要基于视频码率进行计算。为了在未知码率的情况下计算视频播放指标，业界常用的解决方案是将码率设一个默认的固定值。但基于此固定码率计算的视频业务指标显然不够准确。
3.业界对加密视频评估也有一些研究。一类为采用监督学习方法，对标签数据提取特征训练模型，需要大量训练数据，估计准确率与训练数据量和覆盖场景直接相关。第二类为基于业务的方法，但是以视频参数为先验信息，比如视频码率、视频时长等，这显然是不合理的。第三类为基于业务的无监督、无先验方式，但是仅针对单一正常流畅下载模式，这类视频本就不是进行视频播放指标识别的重点，重点在于卡顿能否识别，卡顿的程度能否识别并描述。


技术实现要素：

4.本发明的目的在于克服现有技术的缺陷，提供了一种加密视频的视频码率识别方法、视频播放指标估计方法及装置。
5.为实现上述目的，本发明所采取的技术方案如下：
6.技术方案一：
7.一种加密视频的视频码率识别方法，包括
8.基于request粒度、extremum粒度、时间窗粒度这三种粒度聚合抓取的视频传输数据包，并判断出下载模式；
9.针对下载模式，在时间窗内估计视频码率，获得视频的基准码率rb；
10.进一步的，基于request粒度、extremum粒度、时间窗粒度对抓取的视频传输数据包进行聚合的方法为：
11.s21、进行request粒度数据包的聚合和统计
12.s22、extremum粒度数据包聚合和统计
13.s23、下载模式的识别。
14.进一步的，在s21中，进行request粒度数据包的聚合和统计具体方法为：
15.对抓取的视频传输数据包进行统计，将两次上行下载请求数据包，及两次上行下载请求数据包期间的下行数据包定义为一个request统计粒度，并获取所述request粒度的
统计特征；
16.在s22中，extremum粒度数据包聚合和统计方法为：
17.s221、识别request的极小值；
18.s222、在request粒度的基础上，进行extremum粒度聚合；
19.在s23中，下载模式的识别的方法为；
20.s231、识别有效request；
21.s232、取数据累积满足有效request总时长大于等于3
×
t0秒的一段视频数据，构成集合r，并计算集合r内的下载时间占空比rd和request时长大于t0的有效request的占比rs；
22.s233、基于下载时间占空比rd和request时长大于t0的有效request的占比rs，，判定下载模式；
23.其中，t0为视频块时长。
24.进一步的，在s231中，所述request极小值需同时满足如下条件：
25.1)所述request的下载数据量比前一个request的下载数据量小；
26.2)所述request的下载数据量比后一个request的下载数据量小；
27.3)所述request的下载数据量小于250kb。
28.进一步的，在s222中，进行extremum粒度聚合的方法为：将两个request极小值间的所有request定义为一个extremum粒度，获取extremum粒度的统计特征。
29.进一步的，所述extremum粒度的统计特征包括：
30.1)起始极值request；
31.2)终止极值request；
32.3)从起始到终止的request序列list《request》；
33.4)extremum粒度中request下载数据总量。
34.进一步的，在s231中，所述有效request为同时满足如下条件：
35.1)request下载数据量大于10kb；
36.2)request非下载时长小于t0/2；
37.其中，t0为视频块时长。
38.进一步的，所述request粒度的统计特征包括：
39.1)、起始request时间戳t
start
；
40.2)、终止request时间戳t
end
；
41.3)、request中的下载完成时间戳t
download_over
；
42.4)、request中的下载数据量。
43.进一步的，在s232中，所述下载时间占空比rd的计算公式为：其中r为有效request的集合；
44.所述request时长大于t0的有效request的占比rs的计算公式为：
[0045][0046]
其中，为集合r内，request时长大于t0的有效request的个数；
[0047]
为集合r内，有效request总个数。
[0048]
进一步的，在s233中，基于下载时间占空比rd和request时长大于t0的有效request的占比rs，，判定下载模式的方法为：
[0049]
首先判定下载时间占空比rd，当rd＜门限阈值th1时，即判定为流畅下载模式；
[0050]
当rd≥门限阈值th1时，对request时长大于t0的比例rs进行判定，当rs＜门限阈值th2时，即判定为平衡下载模式；
[0051]
当rs≥门限阈值th2时，即判定为卡顿下载模式。
[0052]
进一步的，基于request粒度、extremum粒度、时间窗粒度对抓取的视频传输数据包进行聚合的方法，还包括s24、时间窗粒度数据包聚合和统计。
[0053]
进一步的，在s24中，时间窗粒度数据包聚合和统计的方法为：
[0054]
s241、识别有效extremum；
[0055]
s242、在extremum粒度基础上，对时间窗粒度进行聚合；
[0056]
进一步的，在s241中，所述有效extremum的需同时满足如下条件：
[0057]
1)extremum下载数据总量大于250kb；
[0058]
2)当已经判定为卡顿下载模式或平衡下载模式时，extremum下载时间占空比应大于0.8。
[0059]
进一步的，在s242中，聚合时间窗的长度为取thn个有效extremum时间长度，和时间长度门限th
t
中的较小值。
[0060]
进一步的，针对下载模式，在时间窗内估计视频码率的方法为：
[0061]
1)当下载模式为周期下载模式时，采用周期下载模式下实时码率的估计方法进行实时码率估算；所述周期下载模式包括流畅下载模式和卡顿下载模式。
[0062]
2)当下载模式为非周期下载模式时，首先，计算时间窗内的所有有效request的大小变异系数cv；
[0063][0064]
其中，σ为request大小标准差，μ为request大小均值；
[0065]
然后，设置门限值th
cv
，当cv＞th
cv
时，改用周期下载模式下实时码率估计方法估算码率；当cv≤th
cv
时，继续采用非周期下载模式下实时码率估计方法估算实时码率；
[0066]
所述非周期下载模式包括平衡下载模式。
[0067]
进一步的，所述周期下载模式下实时码率的估计方法为：在时间窗内，基于extremum粒度估计实时码率。
[0068]
进一步的，所述周期下载模式下实时码率的估计方法具体为：在周期下载模式下，在时间窗内有多个有效extremum，计算时间窗内所有有效extremum的数据量的大小，取有效extremum大小的中位数，为一个视频片段大小的基准值v0；时间窗内的基准码率rb＝v0/t0；
[0069]
其中，t0为视频块时长。
[0070]
进一步的，所述非周期下载模式下实时码率的估计方法为：在时间窗内，基于request粒度估计实时码率。
[0071]
进一步的，计算时间窗内所有有效request的数据量的大小，取有效request大小的中位数，为一个视频片段大小的基准值v0；时间窗内的基准码率rb＝v0/t0；
[0072]
其中，t0为视频块时长。
[0073]
进一步的，所述视频块时长t0的获得方法为：对抓取的视频传输数据进行观察，确定音频块的大小和预设音频采样率，并估计视频块时长，设音频块的大小为h，音频采样率为m，则视频块时长t0＝h/m，其中h/m为整数。
[0074]
技术方案二：
[0075]
一种加密视频播放指标估计的方法，包括
[0076]
由抓取的视频传输数据包经统计生成实际下载积分曲线；
[0077]
采用如上所述的加密视频的视频码率识别方法识别视频码率；
[0078]
生成理论播放积分曲线；
[0079]
估计实际播放积分曲线；
[0080]
计算各种视频播放指标。
[0081]
进一步的，由抓取的视频传输数据包经统计生成实际下载积分曲线的具体方法为：按时间顺序，将每个时间点以前下载完成的数据包大小累加，并以下载时间为横坐标，以每个时间点以前下载完成的数据包大小总量为纵坐标，作图，形成下载数据量积分曲线。
[0082]
进一步的，所述理论播放积分曲线的绘制方法为：
[0083]
s41、假设视频无卡顿播放，在时间窗内，以视频播放时刻为横坐标，以所述时间窗内的基准码率为斜率，作图，形成理论播放积分曲线；纵坐标即为到当前视频播放时刻累积播放的数据量总数；
[0084]
s42、将s41中绘制的每一个时间窗的理论播放积分曲线按时间顺序连接，形成整个视频的理论播放积分曲线。
[0085]
进一步的，估计实际播放积分曲线，是基于理论播放积分曲线和下载积分曲线进行的。
[0086]
进一步的，估计实际播放积分曲线的方法为：
[0087]
s51、设置缓冲时长t
buf
参数，
[0088]
s52、将理论播放曲线右移，并置于实际下载积分曲线之下，并且保证在初始播放、卡顿恢复时间点，下载曲线比播放曲线大缓冲时长t
buf
所对应的视频数据量，即可获得实际播放积分曲线。
[0089]
进一步的，所述视频播放指标包括视频时长、初始缓冲时长、卡顿时间点、卡顿恢复时间点、卡顿时长。
[0090]
进一步的，所述视频播放指标的计算是基于实际播放曲线进行的。
[0091]
进一步的，1)视频时长：即理论播放曲线结束时间点；
[0092]
2)初始缓冲时长：即实际播放曲线上，首次下载时长t
buf
视频数据量的时间点；
[0093]
3)卡顿时间点：即实际播放曲线与实际下载曲线的交点所对应的时间点，也即实际下载数据量＝实际播放数据量时间点；
[0094]
4)卡顿恢复时间点：即实际播放曲线上，卡顿后下载时长t
buf
视频数据量时间点；
[0095]
5)卡顿时长：每次卡顿时长由该次的卡顿恢复时间点-该次的卡顿时间点，即可获得。
[0096]
技术方案三：
[0097]
一种加密视频的视频码率识别装置，包括
[0098]
数据包聚合和统计模块，用于基于request粒度、extremum粒度、时间窗粒度这三种粒度聚合抓取的视频传输数据包，并判断出下载模式；
[0099]
视频码率估计模块，用于对不同下载模式下视频，在时间窗内估计视频码率。
[0100]
进一步的，所述数据包聚合和统计模块，用于request粒度数据包聚合和统计，extremum粒度数据包聚合和统计，下载模式识别，时间窗粒度数据包聚合和统计。
[0101]
进一步的，所述视频码率估计模块，用于周期下载模式，基于extremum粒度估计实时码率；用于在非周期下载模式，基于request粒度估计实时码率。
[0102]
技术方案四：
[0103]
一种加密视频播放指标估计装置，包括
[0104]
下载积分曲线生成模块，用于由抓取的视频传输数据包经统计生成实际下载积分曲线；
[0105]
如上所述的加密视频的视频码率识别装置；
[0106]
理论播放积分曲线生成模块，用于根据时间窗内估计的视频码率生成理论播放积分曲线；
[0107]
视频播放指标估计模块：用于基于实际下载积分曲线和理论播放积分曲线估计实际播放积分曲线，并计算视频播放指标。
[0108]
与现有技术相比，本发明的有益效果在于：
[0109]
本发明对于视频传输数据抓包，由抓取的数据包统计生成实际下载积分曲线，并基于request粒度、extremum粒度、时间窗粒度三种粒度聚合抓取的数据包，在时间窗内估计视频码率，生成理论播放积分曲线，最后估计实际播放积分曲线和各种视频播放指标；采用本发明方法和装置对于加密视频能够准确识别出视频正常播放或出现卡顿，能够准确估计视频的实时码率，并且能估计各种卡顿指标，包括视频时长、初始缓冲时长、卡顿时间点、卡顿恢复时间点、卡顿时长等。
附图说明
[0110]
图1是本发明一个实施例钟加密视频播放指标估计方法流程示意图；
[0111]
图2是本发明一个实施例中实际下载积分曲线示意图；
[0112]
图3是本发明一个实施例中基于request粒度、extremum粒度、时间窗粒度三种粒度聚合数据包方法流程示意图；
[0113]
图4是本发明一个实施例中正常下载模式示意图；
[0114]
图5是本发明一个实施例中卡顿下载模式示意图；
[0115]
图6是本发明一个实施例中平衡下载模式示意图；
[0116]
图7是本发明一个实施例中下载模式识别二叉树示意图；
[0117]
图8是本发明一个实施例在时间窗内估计视频码率的流程示意图；
[0118]
图9为本发明一个实施例中视频码率的识别方法的流程示意图；
[0119]
图10是本发明一个实施例中视频播放指标计算方法示意图；
[0120]
图11是本发明一个实施例中实际播放积分曲线的示意图；
[0121]
图12是本发明一个实施例加密视频播放指标估计装置结构框图。
具体实施方式
[0122]
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0123]
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0124]
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0125]
以下结合附图对本发明进行进一步详细的叙述。
[0126]
如图1、3、7、8所示的本发明一种视频播放指标估计方法的一个实施例，包括
[0127]
s1、由抓取的视频传输数据包经统计生成实际下载积分曲线；
[0128]
按时间顺序，将每个时间点以前下载完成的数据包大小累加，并以下载时间为横坐标，以每个时间点以前下载完成的数据包大小总量(单位：字节)为纵坐标，作图，如图2所示，形成下载数据量积分曲线。在图中，各点的切线的斜率表示当前时间数据下载的实时速率。
[0129]
s2、基于request粒度、extremum粒度、时间窗粒度这三种粒度聚合抓取的视频传输数据包，并判断出下载模式；
[0130]
s21、进行request粒度数据包的聚合和统计
[0131]
具体的，终端申请下载视频片段需要上行发送下载请求，然后下行传输视频数据，视频传输完成后，再上行发送请求下载下一个视频片段。两次上行下载请求代表一次完整的数据块下载；对抓取的视频传输数据包进行统计，将两次上行下载请求数据包，及两次上行下载请求数据包期间的下行数据包定义为一个request统计粒度，并获取所述request粒度的统计特征；
[0132]
所述request粒度的统计特征包括：
[0133]
1)、起始request时间戳t
start
；
[0134]
2)、终止request时间戳t
end
；
[0135]
3)、request中的下载完成时间戳t
download_over
；
[0136]
4)、request中的下载数据量(字节)；
[0137]
其中，终止request时间戳t
end
即下一个request粒度的起始request时间戳t
start
；
[0138]
s22、extremum粒度数据包聚合和统计
[0139]
s221、识别request的极小值，
[0140]
所述request极小值需同时满足如下条件：
[0141]
1)所述request比前一个request小；
[0142]
2)所述request比后一个request小；
[0143]
3)所述request小于250kb(约为144p视频10s视频大小)。
[0144]
s222、在request粒度的基础上，进行extremum粒度聚合；
[0145]
request的大小呈现周期变化规律，extremum粒度聚合是在request粒度的基础上，将两个request极小值间的所有request定义为一个extremum粒度，获取extremum粒度的统计特征；
[0146]
所述extremum粒度的统计特征包括：
[0147]
1)起始极值request；
[0148]
2)终止极值request；
[0149]
3)从起始到终止的request序列list＜request＞；
[0150]
4)extremum粒度中request下载数据总量(含起始极值request，不含终止极值request)。
[0151]
为了清楚的展现上述统计特征，现以柱状图的方式度其进行表示：
[0152]
具体的，将抓取的视频传输数据包，根据上述request粒度的统计特征绘制成数据块下载的柱状图，如图4～6所示，其中，每个柱为一个数据块，对应request；柱上沿为数据块开始下载时间，也即起始request时间戳t
start
，柱下沿为数据块结束下载时间，也即request中的下载完成时间戳t
download_over
，柱宽度表示数据块实际下载时长，柱高度表示数据块大小，也即request中的下载数据量(字节)；
[0153]
通过观察不同视频传输数据块下载柱状图，将加密视频下载模式定义为3类：流畅下载模式、卡顿下载模式和平衡下载模式。
[0154]
流畅下载模式，视频播放流畅，视频传输过程中视频和音频的传输是交替进行的，request的大小呈现周期变化规律，展现在图4中即为：大数据块、小数据块交替传输，数据块大小呈周期变化规律，周期通常为5s或10s。通常其中大数据块为视频数据块，小数据块为音频数据块。下载占空比很小，带宽能充分满足视频下载需求，视频播放流畅。图4中框a(实线框)框出的3个request聚合成一个extremum；
[0155]
卡顿下载模式，视频播放出现卡顿，展现在如图5中即为，大数据块、小数据块交替传输，数据块大小呈现周期变化规律(周期大小不定，通常大于10s，与带宽受限程度相关)，音频和视频都在大数据块中传输，小数据块仅传输请求消息。下载占空比很大，带宽成为视频传输的瓶颈，视频播放卡顿。
[0156]
平衡下载模式，如图6所示，数据块大小不呈现明显的周期规律(数据块间隔通常
在5s～10s)，一个数据块对应一个时间片段的视频块和音频块。此时下载速率与视频播放速率相当，下载占空比很大，视频播放正常。
[0157]
s23、下载模式的识别。
[0158]
下载模式识别即基于一定时间的下载数据包统计判定其属于前述三种下载模式中的一种。下载模式判定至少需要数据累积满足有效request总时长不小于3
×
t0秒，构成集合r；其中t0为视频块时长。
[0159]
s231、识别有效request，
[0160]
所述有效request为同时满足如下条件：
[0161]
1)request下载数据量大于10kb；
[0162]
2)request非下载时长小于t0/2；
[0163]
其中，t0为视频块的时长。
[0164]
s232、取数据累积满足有效request总时长大于等于3
×
t0秒的一段视频数据，构成集合r，并计算集合r内的下载时间占空比rd和request时长大于t0的有效request的占比rs；
[0165]
1)所述下载时间占空比rd：集合r内，有效request下载总时长占request总时长的占比；
[0166]
计算公式为：其中r为有效request的集合；
[0167]
2)所述request时长大于t0的有效request的占比rs：集合r内，request时长大于t0的有效request的个数在统计时间内request总个数中的占比；
[0168]
计算公式为：
[0169]
其中，为集合r内，request时长大于t0的有效request的个数；
[0170]
为集合r内，有效request总个数，
[0171]
其中t0为视频块下载时长，为可配置参数；
[0172]
视频块下载时长t0的获取方法为：对抓取的视频传输数据进行观察，确定音频块的大小和预设音频采样率，并估计视频块下载时长t0，设音频块的大小为h，音频采样率为m，则视频块时长t0＝h/m，其中h/m为整数。
[0173]
下面以具体实例说明视频块下载时长t0的获取方法：从整体考虑视频播放指标估计问题，已知下载数据量，待求播放速率，则必须先估计视频时长。在流畅下载模式中，能将视频块和音频块区分，视频块大小随清晰度变化较大，但通常音频的采样率差异不大。因此可以通过音频块的大小和预设音频采样率，估计视频时长。以youtube android平台为例，设音频采样率m＝128kbps＝16kbps，从数据中观察发现音频块的大小通常为h＝161kb左右，则视频时长约为t0＝h/m＝161/16≈10s，即t0＝10s；卡顿下载模式、平衡下载模式下，
视频块时长也为10s，因此将视频块时长10s作为下载模式判定和后面在码率估计的前提。
[0174]
s233、基于下载时间占空比rd和request时长大于t0的有效request的占比rs，，判定下载模式。
[0175]
三种下载模式可以基于以上提取的两个特征，采用二叉树进行分类，如图7所示，
[0176]
首先判定下载时间占空比rd，当rd＜门限阈值th1时，即判定为流畅下载模式；
[0177]
当rd≥门限阈值th1时，对request时长大于t0的比例rs进行判定，当rs＜门限阈值th2时，即判定为平衡下载模式；
[0178]
当rs≥门限阈值th2时，即判定为卡顿下载模式；
[0179]
其中，所述th1和th2为可配参数，通常取th1＝0.8，th2＝0.1。
[0180]
s24、时间窗粒度数据包聚合和统计。
[0181]
s241、识别有效extremum
[0182]
一个有效extremum的需同时满足如下条件：
[0183]
1)、extremum下载数据总量大于250kb；
[0184]
2)、当已经判定为卡顿下载模式或平衡下载模式时，extremum下载时间占空比应大于0.8。
[0185]
其中，extremum下载时间占空比指的是extremum内下载所用时长在extremum总时长的占比。
[0186]
s242、在extremum粒度基础上，对时间窗粒度进行聚合；
[0187]
聚合时间窗的长度为取thn(通常取thn＝5)个有效extremum时间长度，和时间长度门限th
t
(通常取th
t
＝150)中的较小值
[0188]
为清楚的解释有效extremum的定义，下面根据附图4～6所示三种下载模式，给出有效extremum的识别结果，
[0189]
流畅下载模式，如图4所示，框b(虚线框)框出的是一个时间窗。此时间窗包含5个有效extremum和1个无效extremum(下载数据量不满足条件1)
[0190]
卡顿下载模式，如图5所示，框c(虚线框)框出的是一个时间窗。此时间窗包含2个有效extremum和多个无效extremum(框d(实线圆圈)处不满足条件1，框e(虚线圆圈)处不满足条件2)。
[0191]
平衡下载模式，如图6所示，视频下载时长115m秒，共2个有效extremum，1个无效extremum(框f(虚线框)处不满足条件2，extremum下载时间占空比应大于0.8)；图6所示的视频下载中只有1个时间窗。
[0192]
s3、针对下载模式，在时间窗内估计视频码率，获得视频的基准码率rb；
[0193]
在前面已经对视频下载时长t0进行了估计，前述三种下载模式，其中流畅下载模式和卡顿下载模式可以统一为周期下载模式，每个周期对应一个extremum，下载一个t0时长的视频块；卡顿下载模式对应非周期下载模式，每个request(对应下载一个t0时长的视频块。周期和非周期下载模式采用不同的播放速率估计方法。
[0194]
1)当下载模式为周期下载模式时，采用周期下载模式下实时码率的估计方法进行实时码率估算；所述周期下载模式包括流畅下载模式和卡顿下载模式。
[0195]
所述周期下载模式下实时码率的估计方法为：在时间窗内，基于extremum粒度估计实时码率；
[0196]
具体的，在周期下载模式下，在时间窗内有多个有效extremum，计算时间窗内所有有效extremum的数据量的大小，取有效extremum大小的中位数，为一个视频片段大小的基准值v0；视频时长同样取t0，同视频块时长，时间窗内的基准码率rb＝v0/t0；
[0197]
所述有效extremum的大小中位数的获得方法为：在所有的有效extremum中，按数据量大小对有效extremum进行排序，当有效extremum的个数为奇数时，所述有效extremum的大小中位数为：处于最中间位置的有效extremum的数据量数值；当有效extremum的个数为偶数时，所述有效extremum的大小中位数为：处于最中间位置的2个有效extremum的数据量数值的平均值。
[0198]
2)当下载模式为非周期下载模式时，首先，计算时间窗内的所有有效request的大小变异系数cv，变异系数表征数据离散程度，变异系数越大代表数据越离散。
[0199][0200]
其中，σ为request大小标准差，μ为request大小均值；
[0201]
然后，设置门限值th
cv
(通常取th
cv
＝0.5)，当cv＞th
cv
时，改用周期下载模式下实时码率估计方法估算码率；当cv≤th
cv
时，继续采用非周期下载模式下实时码率估计方法估算实时码率；
[0202]
所述非周期下载模式包括平衡下载模式。
[0203]
所述非周期下载模式下实时码率的估计方法为：在时间窗内，基于request粒度估计实时码率；
[0204]
具体的，计算时间窗内所有有效request的数据量的大小，在所有的有效request中，取有效request大小的中位数，为一个视频片段大小的基准值v0；视频时长同样取t0，同视频块时长，时间窗内的基准码率rb＝v0/t0；
[0205]
所述有效request的大小中位数的获得方法为：在所有的有效request中，按数据量大小对有效request进行排序，当有效request的个数为奇数时，所述有效request的大小中位数为：处于最中间位置的有效request的数据量数值；当有效request的个数为偶数时，所述有效request的大小中位数为：处于最中间位置的2个有效request的数据量数值的平均值。
[0206]
s4、生成理论播放积分曲线；
[0207]
s41、假设视频无卡顿播放，在时间窗内，以视频播放时刻为横坐标，以所述时间窗内的基准码率为斜率，作图，形成理论播放积分曲线；纵坐标即为到当前视频播放时刻累积播放的数据量总数；
[0208]
s42、将s41中绘制的每一个时间窗的理论播放积分曲线按时间顺序连接，形成整个视频的理论播放积分曲线。
[0209]
s5、估计实际播放积分曲线；
[0210]
实际播放积分曲线的估计，是基于理论播放积分曲线和下载积分曲线进行的；
[0211]
s51、设置缓冲时长t
buf
参数，(通常取t
buf
＝5s)。当视频初始缓冲时，需要加载够t
buf
视频后开始播放；当出现卡顿时，需要加载够t
buf
视频后卡顿恢复。
[0212]
s52、如图10所示，将理论播放积分曲线右移，并置于实际下载积分曲线之下，并且保证在初始播放、卡顿恢复时间点，下载曲线比播放曲线大缓冲时长t
buf
所对应的视频数据
量，即可获得实际播放积分曲线。h0为视频初始缓冲t
buf
时长数据量大小，h1为t1时刻视频播放卡顿后恢复播放需要缓存的t
buf
时长数据量大小。
[0213]
具体的，s521、过原理论播放积分曲线的最底端即初始点，画与x轴平行的线段x，线段x的终点x’即为到实际下载曲线的距离对应初始播放或卡顿时缓冲t
buf
时长所对应的数据量大小，然后将理论播放曲线右移至线段x的终点x’处，即完成一次理论播放曲线的右移，s522、当右移后的理论播放积分曲线与实际下载积分曲线仍旧有交叉时，在交叉点x”截取处于实际下载积分曲线上方的部分，重复步骤s521，直至将原理论积分曲线全部右移至实际播放曲线的下方，这是将右移后的多段理论播放曲线与线段x连接，即可获得如图10～11所示的实际播放积分曲线。
[0214]
s6、计算各种视频播放指标。
[0215]
所述视频播放指标的计算是基于实际播放曲线进行的。
[0216]
1)视频时长：即理论播放曲线结束时间点(比如图10中的tv)；
[0217]
2)初始缓冲时长：即实际播放曲线上，首次下载时长t
buf
视频数据量(h0)的时间点(比如图10中的t0)；
[0218]
3)卡顿时间点：即实际播放曲线与实际下载曲线的交点所对应的时间点，也即实际下载数据量＝实际播放数据量时间点(比如图10中的t1、t3、t5、t7)；
[0219]
4)卡顿恢复时间点：即实际播放曲线上，卡顿后下载时长t
buf
视频数据量时间点(比如图10中的t2、t4、t6、t8)；
[0220]
5)卡顿时长：每次卡顿时长由该次的卡顿恢复时间点-该次的卡顿时间点，即可获得。
[0221]
其中，在提供的上述的一种加密视频播放指标估计中，其中的s2、基于request粒度、extremum粒度、时间窗粒度这三种粒度聚合抓取的视频传输数据包，并判断出下载模式；s3、针对下载模式，在时间窗内估计视频码率，获得视频的基准码率rb；为加密视频的视频码率识别方法的流程。
[0222]
为实现上述方法，如图12所示，本发明还提供了一种加密视频播放指标估计装置，
[0223]
下载积分曲线生成模块1，用于由抓取的视频传输数据包经统计生成实际下载积分曲线；
[0224]
数据包聚合和统计模块2，用于基于request粒度、extremum粒度、时间窗粒度这三种粒度聚合抓取的视频传输数据包，并判断出下载模式；
[0225]
视频码率估计模块3，用于对不同下载模式下视频，在时间窗内估计视频码率。
[0226]
理论播放积分曲线生成模块4，用于根据时间窗内估计的视频码率生成理论播放积分曲线；
[0227]
视频播放指标估计模块5：用于基于实际下载积分曲线和理论播放积分曲线估计实际播放积分曲线，并计算视频播放指标。
[0228]
其中，数据包聚合和统计模块和视频码率估计模块为加密视频的视频码率估计装置，
[0229]
具体的，所述数据包聚合和统计模块2，用于request粒度数据包聚合和统计，extremum粒度数据包聚合和统计，下载模式识别，时间窗粒度数据包聚合和统计。
[0230]
所述视频码率估计模块3，用于周期下载模式，基于extremum粒度估计实时码率；
用于在非周期下载模式，基于request粒度估计实时码率。
[0231]
以上所述实施方式仅为本发明的优选实施例，而并非本发明可行实施的穷举。对于本领域一般技术人员而言，在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动，都应当被认为包含在本发明的权利要求保护范围之内。