Page 477 - 《软件学报》2025年第7期

3398 软件学报 2025 年第 36 卷第 7 期

个时长范围在 30–300 s 的视频, 采集一次播放数据作为测试数据, 其识别结果如表 6 所示.

表 6 固定分辨率场景下新增平台的识别结果

播放视频 指纹库数量 准确率 精确率 召回率 F1得分
平台
数量 级 (万) (Accuracy) (%) (Precision) (%) (Recall) (%) (F1_Score) (%)
40 99.75 100.00 99.75 99.86
Triller 3 184
0.5 99.87 100.00 99.87 99.93
40 99.13 99.05 99.13 99.08
Twitter 3 000
0.5 99.20 99.07 99.20 99.11
40 99.42 100.00 99.42 99.68
芒果TV 1 200
0.5 99.67 100.00 99.67 99.82

在动态分辨率播放场景下, 针对 Triller、Twitter 和芒果 TV 这 3 个平台, 实验各选取了 761、500 和 450 个时
长在 3 min 左右的视频进行播放. 鉴于多样化的视频分辨率切换的触发原因, 本文设置了与上文中 Facebook 和
Instagram 平台相似的多种实验场景, 同样使用网络仿真工具 NetEm 和 tc 来控制网络参数, 模拟网络波动.
为了模拟真实场景中触发自适应切换的多种方式, 针对这 3 个平台, 实验设置了不同的分辨率切换环境.
● Triller: 为了模拟在真实网络条件下视频播放的自适应切换场景, 选择以 AUTO 分辨率模式进行播放.
● Twitter: 为了模拟在严重网络波动条件下视频播放的自适应切换场景, 进行了 2 次网络波动设置, 设置具体
为 1% 的网络丢包率和 400 ms 的网络延迟, 每次网络波动持续时长为 1 min.
● 芒果 TV: 为了模拟正常用户手动切换分辨率的场景, 进行 2 次手动分辨率切换, 每次间隔 1 min.
实验得到的识别结果如表 7 所示.

表 7 动态分辨率场景下新增平台的识别结果

播放视频 指纹库数量 准确率 精确率 召回率 F1得分
平台
数量 级 (万) (Accuracy) (%) (Precision) (%) (Recall) (%) (F1_Score) (%)
40 99.47 100.00 99.47 99.72
Triller 761
0.5 99.60 100.00 99.60 99.77
40 98.40 98.60 98.40 98.49
Twitter 500
0.5 98.80 100 98.80 98.95
40 99.11 100.00 99.11 99.47
芒果TV 450
0.5 99.33 100.00 99.33 99.60

从表 6 和表 7 可以看出, 使用本文方法, 无论是在固定分辨率播放场景下, 还是在动态分辨率播放场景下, 这
3 个平台均表现出了较好的识别效果. 其中, 在固定分辨率播放场景下, 识别准确率、精确率、召回率和 F1 得分
均超过了 99.05%, 在动态分辨率播放场景下, 识别准确率等各项评价指标也均超过了 98.40%, 这也证明了本文识
别方法的通用性. 在实验过程中, 本文针对各个新增的平台, 都只各选取了 50 个视频的一次播放数据进行平台模
型的训练, 训练出的模型可以识别新增平台上其他未在训练集中的视频, 充分说明了本文方法的泛化性.
考虑到在真实网络环境下可能存在网络抖动和拥塞现象, 本文在动态分辨率播放场景中, 针对 Triller 和
Twitter 平台, 分别模拟了正常网络环境和严重网络波动环境, 从表 7 中的识别结果来看, 本文方法不仅能在良好
网络环境下实现超过 99% 的识别准确率, 也能在严重网络波动环境下实现超过 98.40% 的识别准确率, 这也充分
说明了本文方法在真实网络环境下具有较强的鲁棒性.
(4) 视频识别方法的时间开销评估
加密视频识别方法的时间开销是方法能否被落地应用的关键问题之一. 本文第 6.1 节介绍了快速匹配的关键
技术, 可以减少视频识别的时间开销. 以下对视频识别的时间进行实验评估.
为了验证本文方法在不同规模视频明文指纹库场景中的匹配效率, 对于 0.5–40 万不同规模的指纹库, 本文分
别使用 800 次视频播放进行了实验, 记录并计算了识别每个视频的平均耗时, 结果如图 16 所示.