近年来,随着多媒体和网络传输技术的不断发展,人们对短视频和视频直播的质量要求日益增高。视频在拍摄、存储、编码、传输、播放等各个环节均可能引起空间失真和时序失真,导致视频的主观视觉质量降低,影响用户的观看体验。对视频质量进行合理有效的评价已变得越来越重要,视频质量评估领域的研究也受到越来越多的关注。常见的图像质量评估方法常用于衡量视频的空间失真,缺少衡量失真在时序上对视频质量造成的影响,因此与人眼主观感受的一致性较差。此外,编码码流视频中的帧内、帧间编码信息能够在一定程度上反映视频内容的时序和空间质量,但目前视频质量评估方法通常在解码视频上完成,没有利用视频码流中的编码信息对视频质量进行评估。本文针对失真前后视频的时空特征变化及视频编码信息与失真的关联性展开研究,提出了时空特征融合的视频质量评估方法,具体研究内容如下:（1）本文在空间上计算失真前后视频梯度幅值的差异研究视频的空间失真,同时考虑到人眼对视频质量上升和视频质量下降的感受不同,计算视频空间失真的梯度,进一步通过百分比池化后得到衡量视频质量波动的空间质量特征。在时序上利用块运动估计方法,计算视频前后帧的块运动矢量作为视频的时序信息。通过比较失真对视频运动矢量的局部均值和标准差造成的影响,衡量视频的时序失真。最后融合视频在空间和时序上的失真,构建基于运动估计的全参考视频质量评估模型。在公开数据集上的实验结果表明,本文所提模型在降低获取视频运动信息时间复杂度的同时,获得了与人眼主观感受一致性更好的预测结果。（2）视频码流中存在与视频质量相关的帧内、帧间编码信息,例如代表视频内容纹理丰富程度的编码树划分深度、代表压缩程度的量化参数值以及代表视频内容运动情况的编码运动矢量等特征。为了便于研究视频编码信息与主观质量的相关性,本文首先构建了基于视频编码信息的码流视频质量评估数据集,之后将码流视频在解码端得到的编码信息作为视频时空特征,采用梯度提升回归树的方式进行特征融合,得到无参考视频质量评估模型。最后在所构建的数据集上对所提出方法进行了有效性的实验验证。实验结果表明,该模型能够在不利用解码视频的情况下,利用视频码流中的编码信息完成视频质量评估过程,且评估结果与人眼主观感受一致性较好。