如何将TS源流重新封装并通过P2P协议传输在安卓终端和苹果终端播放

什么是TS流

 

TS流(TransportStream)即在MPEG-2系统中,由视频,音频的ES流和辅助数据复接生成的用于实际传输的标准信息流称为MPEG-2传送流。根据传输媒体的质量不同,MPEG-2中定义了两种复合信息流:传送流(TS)和节目流(PS:ProgramStream)。

 

也可以从另外一个层面来理解TS流。 TS是MPEG2中提出的一种流媒体的封装格式,适合流媒体播放。在MPEG2中支持了2种媒体播放格式:本地播放的PS流(program Stream),网络播放的流媒体格式TS流(transport Stream)。

 

流媒体传输协议和TS流

 

在网上传输音频、视频等多媒体信息目前主要有两种方式:下载和流式传输。采用下载方式,用户需要先下载整个媒体文件,然后才能进行播放。由于网络带宽的限制,下载常常要花很长时间,所以这种处理方式延迟很大。

 

而流媒体实现的关键技术是流式传输。传输之前首先对多媒体进行预处理(降低质量和高效压缩) ,然后使用缓存系统来保证数据连续正确地进行传输。使用流式传输方式,用户不必像采用下载方式那样要等到整个文件全部下载完毕,而是只需经过几秒到几十秒的启动延时即可在客户端进行播放和观看。此时媒体文件的剩余部分将在后台继续下载。

 

与单纯的下载方式相比,这种对多媒体文件边下载边播放的流式传输方式不仅使启动延时大幅度地缩短,而且对系统缓存容量的需求也大大降低。使用流式传输的另一个好处是使传输那些事先不知道或无法知道大小的媒体数据(如网上直播、视频会议等) 成为可能。

 

TS流的应用

 

TS流应用比较广泛,如视音频资料的保存、电视节目的非线性编辑系统及其网络等。一般TS流的网络应用是将其封装在各种协议中进行网络传输。如RTSP, HTTP, UDP等。而我们常见的RTMP是封装的FLV视频在互联网中进行传输。

 

如何将TS流通过P2P协议进行传输

 

1. 将TS流拉流过来并主动推送至支持P2P协议的800Li流媒体系统。

2. 通过800Li流媒体系统的P2P协议网络分发。

3. 应用于网络电视OTT/IPTV方案的安卓机顶盒和安卓手机播放观看。

 

TS源流拉流软件

 

 

800Li Media Server P2P协议网络分发

 

网络电视-安卓机顶盒APK界面

 

 

PS: 版权的七家牌照商


1. 央视国际——CNTV(中央电视台为申请主体)
2. 杭州华数(浙江、杭州电视台联合申请)
3. 上海文广——百视通(上海电视台为申请主体)
4. 南方传媒(广东电视台为申请主体)
5. 湖南电视台
6. 中国国际广播电台
7. 中央人民电台

 

相关文章

 

助力网络电视800Li提供完整OTT解决方案

高清时代4K H.265/HEVC的OTT-TV/IPTV

具有P2P及防盗链功能的OTT/IPTV互联网解决方案

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31457014/viewspace-2141792/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/31457014/viewspace-2141792/

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值