live555中关于mpeg4的处理

转载地址：http://blog.youkuaiyun.com/gavinr/article/details/7162369

live555支持mpeg4的ES(Elemental Stream)流，相关类为MPEGVideoStreamFramer、MPEG4ESVideoRTPSink。我想扩展其对avi格式的支持，将avi中的MPEG4数据包解析出来后，交给MPEGVideoStreamFramer进行处理。后来发现，这样根本不行。问题在于，MPEGVideoStreamFramer处理的是严格的MPEG4 ES流。

    先简单的说明一下MPEG4的ES流：

MPEG4 Elemental stream 组成如下：
VOS->VO->VOL->GOV(可选)->VOP
VOS 视觉对像序列     
VO 视觉对像
VOL 视觉对对象层
GOV 视觉对象平面组(VOP组)
VOP 视觉对象平面 

   紧跟着VOP开始的，有一个2bit 的标志，用来表示这个Frame到底是一个 I Frame，P Frame，B Frame抑或是S Frame（GMS-VOP）
标志如下：
00: I Frame
01: P Frame
10: B Frame
11: S Frame


起始符及结束符定义如下:

[cpp] view plain copy print ?

1. #define VISUAL_OBJECT_SEQUENCE_START_CODE 0x000001B0  
2. #define VISUAL_OBJECT_SEQUENCE_END_CODE   0x000001B1  
3. #define GROUP_VOP_START_CODE              0x000001B3  
4. #define VISUAL_OBJECT_START_CODE          0x000001B5  
5. #define VOP_START_CODE                    0x000001B6  

    用二进制方式打开avi文件，发现只存在vop开始符，说明只存在VOP层次，而不是严格的ES流。可以认为一个VOP对应着一个帧。


    后来发现，live555中实现了另一个类，MPEG4VideoStreamDiscreteFramer， 继承自MPEG4VideoStreamFramer。它可以处理VOS，也可以处理一个个的BOV及VOP，正好可以满足需求。
    看一下MPEG4VideoStreamDiscreteFramer对MPEG4数据的处理

[cpp] view plain copy print ?

1. void MPEG4VideoStreamDiscreteFramer  
2. ::afterGettingFrame1(unsigned frameSize, unsigned numTruncatedBytes,  
3.                      struct timeval presentationTime,  
4.                      unsigned durationInMicroseconds) {  
5.   // Check that the first 4 bytes are a system code:  
6.   if (frameSize >= 4 && fTo[0] == 0 && fTo[1] == 0 && fTo[2] == 1) {  
7.     fPictureEndMarker = True; // Assume that we have a complete 'picture' here  
8.     unsigned i = 3;  
9.   
10.   
11.     //  
12.     //视觉对象序列，按照完整的MPEG4 Elemental Stream进行解析  
13.     //  
14.     if (fTo[i] == 0xB0) { // VISUAL_OBJECT_SEQUENCE_START_CODE  
15.       // The next byte is the "profile_and_level_indication":  
16.       if (frameSize >= 5) fProfileAndLevelIndication = fTo[4];  
17.   
18.   
19.       // The start of this frame - up to the first GROUP_VOP_START_CODE  
20.       // or VOP_START_CODE - is stream configuration information.  Save this:  
21.       for (i = 7; i < frameSize; ++i) {  
22.     if ((fTo[i] == 0xB3 /*GROUP_VOP_START_CODE*/ ||  
23.          fTo[i] == 0xB6 /*VOP_START_CODE*/)  
24.         && fTo[i-1] == 1 && fTo[i-2] == 0 && fTo[i-3] == 0) {  
25.       break; // The configuration information ends here  
26.     }  
27.       }  
28.       fNumConfigBytes = i < frameSize ? i-3 : frameSize;  
29.       delete[] fConfigBytes; fConfigBytes = new unsigned char[fNumConfigBytes];  
30.       for (unsigned j = 0; j < fNumConfigBytes; ++j) fConfigBytes[j] = fTo[j];  
31.   
32.   
33.       // This information (should) also contain a VOL header, which we need  
34.       // to analyze, to get "vop_time_increment_resolution" (which we need  
35.       // - along with "vop_time_increment" - in order to generate accurate  
36.       // presentation times for "B" frames).  
37.       analyzeVOLHeader();  
38.     }  
39.   
40.   
41.     if (i < frameSize) {  
42.       u_int8_t nextCode = fTo[i];  
43.   
44.   
45.       //  
46.       //VOP组  
47.       //  
48.       if (nextCode == 0xB3 /*GROUP_VOP_START_CODE*/) {  
49.     // Skip to the following VOP_START_CODE (if any):  
50.     for (i += 4; i < frameSize; ++i) {  
51.       if (fTo[i] == 0xB6 /*VOP_START_CODE*/  
52.           && fTo[i-1] == 1 && fTo[i-2] == 0 && fTo[i-3] == 0) {  
53.         nextCode = fTo[i];  
54.         break;  
55.       }  
56.     }  
57.       }  
58.   
59.   
60.       //  
61.       //视觉对象平面  
62.       //  
63.       if (nextCode == 0xB6 /*VOP_START_CODE*/ && i+5 < frameSize) {  
64.     ++i;  
65.   
66.   
67.     // Get the "vop_coding_type" from the next byte:  
68.     u_int8_t nextByte = fTo[i++];  
69.     u_int8_t vop_coding_type = nextByte>>6;   //VOP开始符后的2bit，表示帧类型I/P/B/S  
70.   
71.   
72.     // Next, get the "modulo_time_base" by counting the '1' bits that  
73.     // follow.  We look at the next 32-bits only.  
74.     // This should be enough in most cases.  
75.     u_int32_t next4Bytes  
76.       = (fTo[i]<<24)|(fTo[i+1]<<16)|(fTo[i+2]<<8)|fTo[i+3];  
77.     i += 4;  
78.     u_int32_t timeInfo = (nextByte<<(32-6))|(next4Bytes>>6);  
79.     unsigned modulo_time_base = 0;  
80.     u_int32_t mask = 0x80000000;  
81.     while ((timeInfo&mask) != 0) {  
82.       ++modulo_time_base;  
83.       mask >>= 1;  
84.     }  
85.     mask >>= 2;  
86.   
87.   
88.     // Then, get the "vop_time_increment".  
89.     unsigned vop_time_increment = 0;  
90.     // First, make sure we have enough bits left for this:  
91.     if ((mask>>(fNumVTIRBits-1)) != 0) {  
92.       for (unsigned i = 0; i < fNumVTIRBits; ++i) {  
93.         vop_time_increment |= timeInfo&mask;  
94.         mask >>= 1;  
95.       }  
96.       while (mask != 0) {  
97.         vop_time_increment >>= 1;  
98.         mask >>= 1;  
99.       }  
100.     }  
101.   
102.   
103.     //  
104.     //若是"B"frame, 需要修正时间时间戳  
105.     //  
106.     // If this is a "B" frame, then we have to tweak "presentationTime":  
107.     if (vop_coding_type == 2/*B*/  
108.         && (fLastNonBFramePresentationTime.tv_usec > 0 ||  
109.         fLastNonBFramePresentationTime.tv_sec > 0)) {  
110.       int timeIncrement  
111.         = fLastNonBFrameVop_time_increment - vop_time_increment;  
112.       if (timeIncrement<0) timeIncrement += vop_time_increment_resolution;  
113.       unsigned const MILLION = 1000000;  
114.       double usIncrement = vop_time_increment_resolution == 0 ? 0.0  
115.         : ((double)timeIncrement*MILLION)/vop_time_increment_resolution;  
116.       unsigned secondsToSubtract = (unsigned)(usIncrement/MILLION);  
117.       unsigned uSecondsToSubtract = ((unsigned)usIncrement)%MILLION;  
118.   
119.   
120.       presentationTime = fLastNonBFramePresentationTime;  
121.       if ((unsigned)presentationTime.tv_usec < uSecondsToSubtract) {  
122.         presentationTime.tv_usec += MILLION;  
123.         if (presentationTime.tv_sec > 0) --presentationTime.tv_sec;  
124.       }  
125.       presentationTime.tv_usec -= uSecondsToSubtract;  
126.       if ((unsigned)presentationTime.tv_sec > secondsToSubtract) {  
127.         presentationTime.tv_sec -= secondsToSubtract;  
128.       } else {  
129.         presentationTime.tv_sec = presentationTime.tv_usec = 0;  
130.       }  
131.     } else {  
132.       fLastNonBFramePresentationTime = presentationTime;  
133.       fLastNonBFrameVop_time_increment = vop_time_increment;  
134.     }  
135.       }  
136.     }  
137.   }  
138.   
139.   
140.   // Complete delivery to the client:  
141.   fFrameSize = frameSize;  
142.   fNumTruncatedBytes = numTruncatedBytes;  
143.   fPresentationTime = presentationTime;  
144.   fDurationInMicroseconds = durationInMicroseconds;  
145.   afterGetting(this);  
146. }  

上面的代码，其实只完成一个功能，就是当当前VOP为B帧时，调整时间戳。

最后关注一下，MPEG4 ES流时间戳的处理。 在处理MPEG4 的ES流时，使用MPEG4VideoStreamFramer，作为source。使用分析器MPEG4VideoStreamParser，对完整的MPEG4 Elemental Stream进行分析，主要是解析出其中的时间信息。

[cpp] view plain copy print ?

1. void MPEGVideoStreamFramer::continueReadProcessing() {  
2.   unsigned acquiredFrameSize = fParser->parse();  
3.   if (acquiredFrameSize > 0) {  
4.     // We were able to acquire a frame from the input.  
5.     // It has already been copied to the reader's space.  
6.     fFrameSize = acquiredFrameSize;  
7.     fNumTruncatedBytes = fParser->numTruncatedBytes();  
8.   
9.   
10.     // "fPresentationTime" should have already been computed.  
11.   
12.   
13.     //  
14.     //根据帧计数及帧率计算帧的持续时间  
15.     //  
16.     // Compute "fDurationInMicroseconds" now:  
17.     fDurationInMicroseconds  
18.       = (fFrameRate == 0.0 || ((int)fPictureCount) < 0) ? 0  
19.       : (unsigned)((fPictureCount*1000000)/fFrameRate);  
20.   
21.   
22.     fPictureCount = 0;  
23.   
24.   
25.     // Call our own 'after getting' function.  Because we're not a 'leaf'  
26.     // source, we can call this directly, without risking infinite recursion.  
27.     afterGetting(this);  
28.   } else {  
29.     // We were unable to parse a complete frame from the input, because:  
30.     // - we had to read more data from the source stream, or  
31.     // - the source stream has ended.  
32.   }  
33. }  

计算fDurationInMicroseconds需要frame rate参数fFrameRate, 它是通过分析VOL头确定的

[cpp] view plain copy print ?

1. void MPEG4VideoStreamParser::analyzeVOLHeader() {  
2.     //  
3.     //从VOL中解析出时间信息  
4.     //  
5.   // Extract timing information (in particular,  
6.   // "vop_time_increment_resolution") from the VOL Header:  
7. ...  
8.   do {  
9.   
10.   
11.       ...  
12.   
13.   
14.     // Use "vop_time_increment_resolution" as the 'frame rate'  
15.     // (really, 'tick rate'):  
16.     usingSource()->fFrameRate = (double)vop_time_increment_resolution;  //帧率  
17.   
18.   
19.     return;  
20.   } while (0);  
21.   
22. ...  
23. }