一种视频网络质量检测的方法、装置、设备及存储介质与流程

本申请涉及信息，尤其涉及一种视频网络质量检测的方法、装置、设备及存储介质。

背景技术：

1、而随着互联网的发展及人们生活的变化，视频类型应用使用越来越广泛，对网络的需求也日渐增加，为了能提升用户体验，需要对有效对视频网络质量进行分析。

2、现有技术中，视频网络质量检测方法一般通过插件采集数据，将采集到的数据输出为csv文件，其中，需要保证被采集设备只运行视频类应用；再从csv文件中获取的每个流包间到达时间列表计算平均网络时延，得到相应特征字段；再基于基本数据统计方法，对一段时间内的网络时延求均值，以人为感知的网络质量为标尺检测网络质量。

3、采用上述方式虽然能对视频网络质量进行检测，但是上述检测过程中需要较多的人为干预，检测的网络质量准确率不高。

技术实现思路

1、本申请提供一种视频网络质量检测的方法、装置、设备及存储介质，用以解决现有视频网络质量检测过程中需要较多人为干预，导致检测准确率不高的问题。

2、一方面，本申请提供一种视频网络质量检测的方法，包括：

3、获取视频类应用的数据信息，其中，所述数据信息包括统计时段和网络参数信息；

4、基于所述统计时段将所述网络参数信息划分为多个参数簇，计算每个所述参数簇的目标平均时延和网络的连接成功率；

5、利用dbscan聚类算法，以所述目标平均时延和连接成功率为特征值对所述多个参数簇进行聚类分析，得到聚类簇；

6、按所述聚类簇划分网络类型，根据预设的时间阈值确定每个所述网络类型的在所有所述网络类型中的目标占比，根据所述目标占比确定网络稳定性。

7、在一种可能的设计中，所述获取视频类应用的数据信息，包括：

8、采集路由器数据，输出csv文件；

9、根据预设的应用识别库，对所述csv文件中的字段进行匹配与识别，获取视频类应用的数据信息。

10、在一种可能的设计中，所述视频类应用的网络参数信息包括数据流向、流量包到达的时间列表、源地址到目的地址的流量包数量，所述计算每个所述参数簇的平均时延和网络的连接成功率，包括：

11、根据所述数据流向、所述流量包到达的时间列表和所述源地址到目的地址的流量包数量，得到流上行平均时延、下行平均时延和连接建立状态；

12、根据所述上行平均时延和所述下行平均时延得到目标平均时延，根据所述源地址到目的地址的流量包数量和所述连接建立状态，得到连接成功率。

13、在一种可能的设计中，利用dbscan聚类算法，以所述目标平均时延和连接成功率为特征值对所述多个参数簇进行聚类分析，得到聚类簇之前，还包括：

14、判断每个所述参数簇的目标平均时延和所述连接建立状态是否存在缺失值；

15、若存在，则通过k值近邻法填充所述缺失值。

16、在一种可能的设计中，所述根据预设的时间阈值确定每个所述网络类型的在所有所述网络类型中的目标占比，包括：

17、将预设的时间阈值划分为多个预设周期；

18、获取每个所述网络类型在所述预设周期内相对于所有所述网络类型的占比；

19、根据所述占比，确定所述网络类型的平均占比；

20、将所述目标占比作为所述平均占比。

21、在一种可能的设计中，在利用dbscan聚类算法，以所述目标平均时延和连接成功率为特征值对所述多个参数簇进行聚类分析，得到聚类簇之前，还包括：

22、在预设范围内设定dbscan聚类算法的扫描半径和最小样本数，通过轮廓系数评价每个所述扫描半径、所述最小样本数对应的聚类结果；

23、将所述轮廓系数最大时对应的所述扫描半径和所述最小样本数作为目标扫描半径及目标最小样本数；

24、以所述目标扫描半径和所述目标最小样本数更新所述dbscan聚类算法的扫描半径和最小样本数。

25、在一种可能的设计中，在按所述聚类簇划分网络类型，根据预设的时间阈值确定每个所述网络类型的在所有所述网络类型中的目标占比之前，还包括：

26、若所述聚类簇的数量等于1，则重新确定所述目标扫描半径及所述目标最小样本数，通过dbscan聚类算法对多个所述聚类簇进行二次聚类分析，直至所述聚类簇的数量大于1。

27、本申请第二方面提供一种视频网络质量检测的装置，包括：

28、获取模块，用于获取视频类应用的数据信息；

29、处理模块，用于基于所述统计时段将所述网络参数信息划分为多个参数簇，计算每个所述参数簇的目标平均时延和网络的连接成功率；

30、所述处理模块还用于利用dbscan聚类算法，以所述目标平均时延和连接成功率为特征值对所述多个参数簇进行聚类分析，得到聚类簇；

31、所述处理模块还用于按所述聚类簇划分网络类型，根据预设的时间阈值确定每个所述网络类型的在所有所述网络类型中的目标占比，根据所述目标占比确定网络稳定性。

32、本申请第三方面提供一种电子设备，包括处理器和存储器；

33、所述存储器存储计算机执行指令；

34、所述处理器执行所述存储器存储的计算机执行指令，使得所述电子设备执行本申请第一方面任一项所述的视频网络质量检测的方法。

35、本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如本申请第一方面任一项所述的视频网络质量检测的方法。

36、本申请提供了一种视频网络质量检测的方法、装置、电子设备及存储介质，在对视频网络质量进行分析时，先获取视频类应用的统计时段和对应统计时段的网络参数信息，并根据统计时段对获取到的网络参数信息进行聚类，得到多个参数簇，根据每个参数簇包含网络参数信息，计算每个参数簇对应的目标平均时延和网络的连接成功率，以目标平均时延和连接成功率作为特征值，通过dbscan聚类算法对多个参数簇进行聚类分析得到聚类簇，最后根据聚类簇来划分网络类型，从而可以将紧密相连的网络质量样本划分成一个网络类型，并依据预设的时间阈值统计每个网络类型在所有网络类型中的目标占比，这样根据每个网络类型对应的目标占比，就可以对网络质量进行有效分析，本申请的视频网络质量检测的方法在整个视频网络质量检测过程中，无需人工进行干预，完全依靠无监督的机器学习算法dbscan算法对网络质量进行划分，可以有效提升视频网络质量检测的准确性；同时将平均时延和连接成功率一起作为特征值来对网络质量进行划分，增加了特征值的种类，这也进一步提升了视频网络质量检测的准确性。

技术特征：

1.一种视频网络质量检测的方法，其特征在于，包括：

2.根据权利要求1所述的视频网络质量检测的方法，其特征在于，所述获取视频类应用的数据信息，包括：

3.根据权利要求1所述的视频网络质量检测的方法，其特征在于，所述视频类应用的网络参数信息包括数据流向、流量包到达的时间列表、源地址到目的地址的流量包数量，所述计算每个所述参数簇的目标平均时延和连接成功率，包括：

4.根据权利要求3所述的视频网络质量检测的方法，其特征在于，利用dbscan聚类算法，以所述目标平均时延和所述连接成功率为特征值对所述多个参数簇进行聚类分析，得到聚类簇之前，还包括：

5.根据权利要求1所述的视频网络质量检测的方法，其特征在于，所述根据预设的时间阈值确定每个所述网络类型的在所有所述网络类型中的目标占比，包括：

6.根据权利要求1所述的视频网络质量检测的方法，其特征在于，在利用dbscan聚类算法，以所述目标平均时延和连接成功率为特征值对所述多个参数簇进行聚类分析，得到聚类簇之前，还包括：

7.根据权利要求6所述的视频网络质量检测的方法，其特征在于，在按所述聚类簇划分网络类型，根据预设的时间阈值确定每个所述网络类型的在所有所述网络类型中的目标占比之前，还包括：

8.一种视频网络质量检测的装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括处理器和存储器；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-7任一项所述的视频网络质量检测的方法。

技术总结
本申请提供一种视频网络质量检测的方法、装置、设备及存储介质，该视频网络质量检测的方法包括：获取视频类应用的数据信息，其中，所述数据信息包括统计时段和网络参数信息；基于所述统计时段将所述网络参数信息划分为多个参数簇，计算每个所述参数簇的目标平均时延和网络的连接成功率；利用DBSCAN聚类算法，以所述目标平均时延和所述连接成功率为特征值对所述多个参数簇进行聚类分析，得到聚类簇；按所述聚类簇划分网络类型，根据预设的时间阈值确定每个所述网络类型的在所有所述网络类型中的目标占比，根据所述目标占比确定网络稳定性，从而大幅度减少了视频网络质量检测过程中的人工干预，提升了网络质量分析的速度和准确率。

技术研发人员：张强,张沛,林鹏
受保护的技术使用者：中国联合网络通信集团有限公司
技术研发日：
技术公布日：2024/1/15