论文部分内容阅读
近年来,虚拟现实(Virtual Reality,VR)技术快速发展,其中全景视频是VR领域的重要业务形态。如何在现有网络容量受限且质量波动的情况下,提升高码率全景视频的用户体验质量(Quality of Experience,QoE),是目前面临的挑战。对于360度的全景视频,用户视角(Field of View,FOV)仅占全景视频的一部分,传输非FOV的视频内容会浪费大量的带宽资源。为了解决上述问题,结合HTTP动态自适应流媒体(Dynamic Adaptive Streaming over HTTP,DASH)技术,本文提出一种基于视点(视角中心点,Viewpoint)的全景视频自适应传输方案。本方案将全景视频划分为不同视频区块(Tile),根据用户视点变化和网络变化动态传输Tile。其中,自适应性包括如下两个方面。一方面,基于视点的Tile自适应算法是根据用户视点变化,预测未来FOV内的Tile(FOV-Tile)。本文采用线性回归模型进行视点预测,并根据预测误差调整FOV-Tile 比例,提高FOV预测准确率。通过减少非FOV-Tile的数据量,将带宽资源更多地分配给FOV-Tile,解决了全景视频传输中网络容量受限的问题;另一方面,基于QoE的码率自适应算法是根据网络变化,对不同的Tile选择最优码率。本文设计了全景视频QoE模型、带宽预测和实时码率预测,将码率选择问题转换为QoE优化问题,解决了全景视频传输中网络波动的问题。最后,本文搭建了全景视频传输仿真平台,并使用真实用户的头部运动数据集和真实网络的带宽数据集来模拟用户视点变化和网络变化。实验结果表明,在带宽受限的情况下,本文提出的方案比全景传输方案可以获得更高的QoE。