WebRTC开源项目支持Web浏览器中实现实时通信,获得广泛的应用并引起极大的研究兴趣。无线环境中的WebRTC视频应用的体验质量(QoE)得到充分的理解。以广泛接受的视频冻结事件作为QoE指标,我们提出通过将两个连续视频帧(称为F-Gap)之间的接收时间间隔与阈值进行比较来识别冻结事件。为了能够自动跟踪视频冻结,修改了原始的WebRtc协议,刹车在帧规模,上一个室内学习实验,评估了WiFi网络中视频冻结与服务质量(QoS)之间的相关性。并建立了一个机器学习模型,根据当前的QoS指标在下一个时间