随着视频流媒体业务的发展,用户对视频业务质量的要求也越来越高,对视频流媒体业务质量进行评估显得日益重要。传统对视频流媒体业务质量的评估局限于对服务质量(QoS)的评估,实际上,QOS并不能全面地反映用户真实的需求和体验,如何面向用户体验更有效地评估端到端的视频业务质量成为一个迫切需要解决的问题。而体验质量(QoE)是从用户主观感知出发的指标,可以直接反映用户对服务的认可程度,因此,对QoE评估成了目前网络管理领域的研究重点。本论文围绕视频流媒体业务的QoE评估展开研究,首先分析了视频业务的特性,明确了视频QoE评估的关键客观影响因素,包括应用层及比特流层的影响因素。并重点分析了应用层影响因素——视频内容类型。首先针对视频变化小、时长较短的非实时视频,提出了一种快速有效的静态视频分类方法。其次,针对视频内容变化范围较大、时长较长的实时视频传输环境,提出了一种基于场景变换检测的动态视频内容分类方法。在视频内容分类方法的基础上,结合影响视频QoE的多层次客观影响因素,应用人工神经网络建立了基于用户体验的H.264/AVC视频质量评估模型,用可量化的客观参数来评测QoE。在此基础上,将动态视频内容分类方法与视频体验质量评估方法结合起来,建立了一种动态的适用于实时视频传输网络的视频质量评估机制,在一定程度上实现了QoE评估的实时性和准确性。综上所述,本论文的研究成果可以在降低时间开销以及计算成本的基础上,实现QoE评估的实时性和准确性,达到了本研究的预期目标。