依托于视频技术和网络通信技术的发展,视频服务行业迎来了快速的发展阶段。用户对视频服务体验质量的要求也日益提高,高清化、多屏化、社交化、交互化等因素成为用户选择视频服务的关键。与此同时,视频编码技术、终端播放设备以及视频服务类型处于不断的发展和革新中。如何在多元化的视频服务中提升用户体验质量成为视频服务行业发展的关键问题,建立合理有效的视频用户体验评价体系具有十分重要的研究意义和现实意义。国际电信联盟基于视频服务质量(Quality of Service,QoS),确定了视频服务用户体验质量(Quality of Experience,QoE)的概念。相关学者和组织基于视频质量提出了一系列基于码流层的评价方法。但是这些方法大多针对H.264/AVC及以下的单一编码标准,且采用实验室中的模拟环境和数据对模型进行评估,很有可能造成模型与视频服务的实际应用脱节。而且对视频质量的单一方面指标的评价难以反应用户在视频服务中的综合体验质量全貌。现实中视频服务多终端、多场景、多类型的发展趋势给用户体验质量的评价带来更多的挑战。如何建立较为全面的QoE评价方法并提升模型在多种应用场景、多种服务类型、多种编码标准、多种终端设备下的泛化能力成为目前亟需解决的问题。本文对视频服务用户体验质量评价体系进行了研究。首先研究了针对传统单一码流的视频服务的QoE评价体系框架,并在此框架下着重对基于码流层的视频体验质量进行了研究,确定了从视频播放质量和压缩质量两方面综合评价的模型算法。同时基于H.264/AVC和H.265/HEVC两种编码标准之间相似的编码结构特征,模型实现了对上述两种主流编码标准的兼容性。通过模型性能的验证,证明了本文模型具有对两种编码标准的兼容性且具有较好的性能。同时,我们将模型的参数采集工具和算法工具进行了集成化和公开化实现。然后,本文在视频服务类型方面对用户体验模型的研究进行了拓展。针对存在码流自适应切换机制的视频服务类型,基于国际标准模型ITU-T P.1203,本文提出了HTTP自适应流媒体HAS(HTTP Adaptive Streaming)视频服务的用户体验质量评价方法。模型中通过传统算法和机器学习算法相结合的方式,对视频压缩质量、质量自适应切换相关损伤、播放缓冲损伤和时间相关指标进行了考量。通过多次验证,证明了模型在参数使用、机器学习方法使用上的可行性和有效性,同时也证明了所提的整体模型具有较好的效果。