原文首發(fā)在金山云Live，請(qǐng)從原文轉(zhuǎn)載，本文不接受再次轉(zhuǎn)載！
金山云多媒體SDK團(tuán)隊(duì)在移動(dòng)直播、短視頻等項(xiàng)目中遇到了許多FFmpeg問題，特設(shè)立《FFmpeg從入門到出家》系列文稿，希望博君一笑的同時(shí)，能讓大家對(duì)FFmpeg有更深入的了解。
流媒體是采用流式傳輸方式在網(wǎng)絡(luò)上播放的媒體格式，視頻網(wǎng)站內(nèi)容、短視頻、在線直播這些視頻形態(tài)，均屬于流媒體的不同分支。流媒體大致包含三個(gè)層級(jí)：碼流、封裝和協(xié)議。從音視頻編碼器輸出的碼流，經(jīng)過某種封裝格式后，經(jīng)過特定的協(xié)議傳輸、保存，構(gòu)成了流媒體世界的基礎(chǔ)功能。
在直播應(yīng)用的開發(fā)過程中，如果把主播端消息事件傳遞到觀眾端，一般會(huì)以Instant Messaging（即時(shí)通訊）的方式傳遞過去，但因?yàn)橄⒎职l(fā)通道和直播通道是分開的，因此消息與直播音視頻數(shù)據(jù)的同步性就會(huì)出現(xiàn)很多問題。那么有沒有在音視頻內(nèi)部傳遞消息的方法呢？答案是SEI。
1. SEI的介紹
補(bǔ)充增強(qiáng)信息（Supplemental Enhancement Information）是碼流范疇里面的概念，提供了向視頻碼流中加入信息的辦法，是H.264/H.265 視頻壓縮標(biāo)準(zhǔn)的特性之一。SEI 有基本的特征：
- 并不是解碼過程的必須項(xiàng)；
- 有可能對(duì)解碼過程（容錯(cuò)、糾錯(cuò)）有幫助；
- 集成在視頻碼流中；
這意味著視頻編碼器在輸出視頻碼流的時(shí)候，可以不提供SEI信息 。同時(shí)我們也要清楚：視頻傳輸過程、解封裝、解碼環(huán)節(jié)，都可能因?yàn)槟撤N原因丟棄SEI 。
在視頻內(nèi)容的生成端、傳輸過程中，都可以插入SEI 信息。插入的信息，和其他視頻內(nèi)容一起經(jīng)過傳輸鏈路到達(dá)了消費(fèi)端。那么在SEI 中可以添加哪些信息呢？這里舉幾個(gè)例子，用戶場(chǎng)景可以任意擴(kuò)展：
- 傳遞編碼器參數(shù)；
- 傳遞視頻版權(quán)信息;
- 傳遞攝像頭參數(shù)；
- 傳遞內(nèi)容生成過程中的剪輯事件（引發(fā)場(chǎng)景切換）；
1.1 NAL unit類型
網(wǎng)絡(luò)抽象層（Network Abstract Layer）簡稱為NAL。在H.264/AVC視頻編碼標(biāo)準(zhǔn)中，整個(gè)系統(tǒng)框架被分為了兩個(gè)層面：視頻編碼層面（Video Coding Layer - VCL）和網(wǎng)絡(luò)抽象層面（Network Abstraction Layer - NAL）。VCL負(fù)責(zé)表示有效視頻數(shù)據(jù)的內(nèi)容，NAL 負(fù)責(zé)格式化數(shù)據(jù)并提供頭信息，以保證數(shù)據(jù)適合各種信道和存儲(chǔ)介質(zhì)上的傳輸。NAL unit是NAL的基本語法結(jié)構(gòu)，它包含一個(gè)字節(jié)的頭信息（NAL header）和一系列來自VCL的原始數(shù)據(jù)字節(jié)流（RBSP）。
1.1.1 H.264/AVC 中的情況
NAL unit type儲(chǔ)存在NAL header中，在H.264/AVC標(biāo)準(zhǔn)中，可用的NAL unit type一共有17種，其中值為6時(shí)表征SEI 內(nèi)容。比較常見的類型如下表所示：
| NAL unit type | NAL unit content |
|---|---|
| 1 | 非IDR圖像，且不采用數(shù)據(jù)劃分的片段 |
| 5 | IDR圖像 |
| 6 | 補(bǔ)充增強(qiáng)信息（SEI） |
| 7 | 序列參數(shù)集（SPS） |
| 8 | 圖像參數(shù)集（PPS） |
| 11 | 流結(jié)束符 |
《ISO/IEC 14496-10:2014》是MPEG專家組為AVC編解碼器制定的標(biāo)準(zhǔn)，H.264/AVC中NAL unit類型完整定義都在該標(biāo)準(zhǔn)的7-1表中，標(biāo)準(zhǔn)一共預(yù)留了32種類型，所以在NAL header里面，用5 bits表征NAL unit type。
如下圖所示，8 bits的NAL header里面：
- 第0位是禁止位0，值為1時(shí)表示語法出錯(cuò)；
- 第1~2位為參考級(jí)別(NRI，NAL ref idc)；
- 第3~7為是NAL unit type;
NRI取值為 "00" (二進(jìn)制)時(shí)，表征NAL unit不參與重建參考圖像，這時(shí)的NAL unit是可以丟棄的。大于 "00"(二進(jìn)制)時(shí)，NAL unit 不能被丟棄。
1.1.H.265/HEVC 中的情況
《ISO/IEC 23008-2:2015》是MPEG專家組為HEVC編解碼器制定的標(biāo)準(zhǔn)，H.265/HEVC中NAL unit類型完整定義都在該標(biāo)準(zhǔn)的7-1表中，可用的NAL unit type一共有40種之多，其中39和40都表征SEI內(nèi)容。因?yàn)闃?biāo)準(zhǔn)一共預(yù)留64種類型，所以在NAL header里面，用6 bits表征NAL unit type。
如下圖所示，16 bits的NAL header里面：
- 第0位是禁止位0，值為1時(shí)表示語法出錯(cuò)；
- 第1~6位是NAL unit type；
- 第7~12位是NUH layer id；
- 第13~15位是temporal_id；
1.2 SEI 類型
在H.264/AVC視頻編碼標(biāo)準(zhǔn)中，并沒有規(guī)定SEI payload type的范圍，所以表征payload type的字節(jié)數(shù)是浮動(dòng)的。
語法分析如下所示，當(dāng)開始解析類型為SEI的NAL時(shí)，持續(xù)讀取8bit，直到非0xff為止，然后把讀取的數(shù)值累加，累加值即為SEI payload type。
sei_message(){
payloadType = 0
while( next_bits(8) == 0xFF){
ff_byte
payloadType += 255
}
last_payload_type_byte
payloadType += last_payload_type_byte
}
讀取SEI payload size和payload type邏輯類似，仍然是讀取到0xff為止，這樣可以支持任意長度的SEI payload添加。
sei_message(){
payloadSize = 0
while( next_bits(8) == 0xFF){
ff_byte
payloadSize += 255
}
last_payload_size_byte
payloadSize += last_payload_size_byte
}
當(dāng)獲取了SEI payload類型和大小后，就進(jìn)入了實(shí)際的SEI內(nèi)容讀取。
當(dāng)前《ISO/IEC 14496-10:2014》Annex D.1.1提供了最大到181的payload類型處理規(guī)范，由于類型可以指定任意大小，給SEI的添加、處理創(chuàng)造了很大的自由空間。
其中SEI payload類型值為5時(shí)，指定的處理方法叫user_data_unregistered()，字面含義為未注冊(cè)的用戶數(shù)據(jù)，常用于存儲(chǔ)編碼器的編碼參數(shù)信息，是比較常見的payload類型。
讀取payload type為5時(shí)，具體的語法解析流程如下：
user_data_unregistered(payloadSize){
uuid_iso_iec_11578
for( i=16; i< payloadSize; i++)
user_data_payload_byte
}
其中uuid_iso_iec_11578的詳細(xì)定義在《
ISO/IEC 11578:1996》Annex A中，大致規(guī)定了使用128bits(16個(gè)字節(jié))來指定UUID。此處UUID可以表征寫入SEI payload的角色I(xiàn)D，或者表征其他業(yè)務(wù)用途。剩下的payloadSize -16字節(jié)，即是業(yè)務(wù)層傳遞的具體內(nèi)容了。
通過user_data_unregistered()語法解析可以看出，當(dāng)使用SEI payload type為5時(shí)，注意事項(xiàng)如下：
- payload size應(yīng)該大于16；
- uuid可能出現(xiàn)0x000000/0x000001/0x000002，需要插入0x03做防競(jìng)爭(zhēng)處理；
構(gòu)成RBSP時(shí)，都需要做RBSP拖尾處理。拖尾處理對(duì)所有SODB方式都一致。rbsp_trailing_bits()語法邏輯如下：
rbsp_trailing_bits( ){
rbsp_stop_one_bit
while( !byte_aligned( ) )
rbsp_alignment_zero_bit
}
1.3 SEI例子
從video.js的示例中下載oceans.mp4并提取出H.264碼流如下：
NAL header
起始碼（暗紅底色）"0x00000001"分割出來的比特流即是NAL unit，起始碼緊跟的第一個(gè)字節(jié)(墨綠底色)是NAL header。上圖“NAL header”一共出現(xiàn)了四個(gè)數(shù)值：
- "0x06"，此時(shí)NRI為"00B"，NAL unit type為SEI類型。
- “0x67”，此時(shí)NRI為“11B”，NAL unit type為SPS類型。
- “0x68”，此時(shí)NRI為“11B”，NAL unit type為PPS類型。
- “0x65”，此時(shí)NRI為“11B”，NAL unit type為IDR圖像。
SEI payload type
"0x06"后一個(gè)字節(jié)為“0x05”（淡黃底色）是SEI payload type，即表征SEI payload分析遵循user_data_unregistered()語法。
SEI payload size
“0x05”后一個(gè)字節(jié)為“0x2F”（淡藍(lán)底色）是SEI payload size，此時(shí)整個(gè)payload是47個(gè)字節(jié)。
SEI payload uuid
"0x2F"隨后的16個(gè)字節(jié)即為uuid，此時(shí)uuid為
dc45e9bd-e6d9-48b7-962c-d820d923eeef
SEI payload content
由于payload size是47個(gè)字節(jié)，除去16字節(jié)的uuid，剩下31個(gè)字節(jié)的content。由于content是字符串，所以有結(jié)束符"0x00"，有效的30個(gè)字符內(nèi)容是：
Zencoder Video Encoding System
rbsp trailing bits
47個(gè)payload字節(jié)后的"0x80"（灰底色）即是rbsp trailing bits，在user_data_unregistered()里面都是按字節(jié)寫入的，所以此時(shí)的NAL unit結(jié)尾寫入的字節(jié)一定是0x80。
2. SEI的生成
生成SEI的方式很多，大致可以有：
- 對(duì)已有碼流做filter，插入SEI NAL；
- 視頻編碼時(shí)生成SEI；
- 容器層寫入時(shí)插入SEI；
以下代碼示例來自于FFmpeg origin/master 分支。
2.1 bsf
BitStream Filter（碼流過濾）的縮寫即為bsf，在不做碼流解碼的前提下，對(duì)已經(jīng)編碼后的比特流做特定的修改、調(diào)整。
bsf h264_metadata的調(diào)用
The ff* tools have a -bsf option applied per stream, taking a comma-separated list of filters, whose parameters follow the filter name after a ’=’.
使用ffmpeg工具時(shí)，可以使用比特流過濾器?；镜膄ilter調(diào)用格式如下：
ffmpeg -i INPUT -c:v copy -bsf:v filter1[=opt1=str1:opt2=str2][,filter2] OUTPUT
從上文提到的mp4文件中提取出h.264碼流oceans.h264，可以使用* h264_metadata比特流過濾器添加SEI*。下面示例命令添加了類型為未注冊(cè)的用戶數(shù)據(jù)的SEI，其中uuid為"086f3693-b7b3-4f2c-9653-21492feee5b8"，payload內(nèi)容為"hello"：
./ffmpeg -I oceans.h264 -c:v copy -bsf:v h264_metadata=sei_user_data='086f3693-b7b3-4f2c-9653-21492feee5b8+hello' oceans.sei.h264
其中oceans.h264已經(jīng)有一個(gè)SEI和28個(gè)SPS。輸出的oceans.sei.h264碼流中，共有28個(gè)SEI，其中第一個(gè)與輸入保持一致，剩下27個(gè)為新插入的SEI。
bsf h264_metadata的代碼分析
具體代碼位于：libavcodec/h264_metadata_bsf.c中。
// 函數(shù)int h264_metadata_filter(AVBSFContext *bsf, AVPacket *out)
if (ctx->sei_user_data && (has_sps || !ctx->sei_first_au)) {
H264RawSEI *sei;
H264RawSEIPayload *payload;
H264RawSEIUserDataUnregistered *udu;
int sei_pos, sei_new;
ctx->sei_first_au = 1;
for (i = 0; i < au->nb_units; i++) {
if (au->units[i].type == H264_NAL_SEI ||
au->units[i].type == H264_NAL_SLICE ||
au->units[i].type == H264_NAL_IDR_SLICE)
break;
}
sei_pos = i;
if (sei_pos < au->nb_units &&
au->units[sei_pos].type == H264_NAL_SEI) {
sei_new = 0;
sei = au->units[sei_pos].content;
} else {
sei_new = 1;
sei = &ctx->sei_nal;
memset(sei, 0, sizeof(*sei));
}
}
以上代碼是h264_metadata添加SEI的判斷邏輯，當(dāng)指定了sei_user_data時(shí)，滿足以下條件之一即可以處理：
- 讀取的access units是第一個(gè)au；
- 當(dāng)前au包含sps；
滿足插入SEI邏輯后，具體處理過程中： - 如果發(fā)現(xiàn)第一個(gè)NAL已經(jīng)是SEI，則該au不做插入SEI 處理；
- 如果au包含了IDR幀或者非IDR未分區(qū)的幀，則在其前面插入SEI 信息。
基于以上代碼，oceans.sei.h264碼流中新插入27個(gè)新的SEI 符合處理邏輯。
具體構(gòu)造SEI NAL Unit代碼如下：
sei->nal_unit_header.nal_unit_type = H264_NAL_SEI;
err = ff_cbs_insert_unit_content(ctx->cbc, au,
sei_pos, H264_NAL_SEI, sei);
if (err < 0) {
av_log(bsf, AV_LOG_ERROR, "Failed to insert SEI.\n");
goto fail;
}
payload = &sei->payload[sei->payload_count];
payload->payload_type = H264_SEI_TYPE_USER_DATA_UNREGISTERED;
udu = &payload->payload.user_data_unregistered;
for (i = j = 0; j < 32 && ctx->sei_user_data[i]; i++) {
int c, v;
c = ctx->sei_user_data[i];
if (c == '-') {
continue;
} else if (av_isxdigit(c)) {
c = av_tolower(c);
v = (c <= '9' ? c - '0' : c - 'a' + 10);
} else {
goto invalid_user_data;
}
if (i & 1)
udu->uuid_iso_iec_11578[j / 2] |= v;
else
udu->uuid_iso_iec_11578[j / 2] = v << 4;
++j;
}
if (j == 32 && ctx->sei_user_data[i] == '+') {
sei_udu_string = av_strdup(ctx->sei_user_data + i + 1);
if (!sei_udu_string) {
err = AVERROR(ENOMEM);
goto sei_fail;
}
udu->data = sei_udu_string;
udu->data_length = strlen(sei_udu_string);
payload->payload_size = 16 + udu->data_length;
}
代碼完整解釋了上文提到的SEI規(guī)范，其中"H264_SEI_TYPE_USER_DATA_UNREGISTERED"值為5，對(duì)應(yīng)的即是未注冊(cè)的用戶信息。在解析"ffmpeg"工具輸入過程中，將"+"號(hào)前面的字符串轉(zhuǎn)換成二進(jìn)制寫入uuid，"+"后內(nèi)容使用字符串寫入payload。
2.2 x264
libx264支持多種SEI類型數(shù)據(jù)寫入，常用的仍然是SEI_USER_DATA_UNREGISTERED，具體的寫入函數(shù)x264_sei_version_write()位于libx264/encoder/set.c中。
int x264_sei_version_write( x264_t *h, bs_t *s )
{
static const uint8_t uuid[16] =
{
0xdc, 0x45, 0xe9, 0xbd, 0xe6, 0xd9, 0x48, 0xb7,
0x96, 0x2c, 0xd8, 0x20, 0xd9, 0x23, 0xee, 0xef
};
char *opts = x264_param2string( &h->param, 0 );
char *payload;
int length;
if( !opts )
return -1;
CHECKED_MALLOC( payload, 200 + strlen( opts ) );
memcpy( payload, uuid, 16 );
sprintf( payload+16, "x264 - core %d%s - H.264/MPEG-4 AVC codec - "
"Copy%s 2003-2018 - http://www.videolan.org/x264.html - options: %s",
X264_BUILD, X264_VERSION, HAVE_GPL?"left":"right", opts );
length = strlen(payload)+1;
x264_sei_write( s, (uint8_t *)payload, length, SEI_USER_DATA_UNREGISTERED );
x264_free( opts );
x264_free( payload );
return 0;
fail:
x264_free( opts );
return -1;
}
libx264提供的uuid和上文舉例的uuid一致，payload中主要記錄了相關(guān)參數(shù)和版權(quán)信息。以上函數(shù)完成了SEI參數(shù)的構(gòu)造，下面的函數(shù)x264_sei_write完成了具體語法的寫入：
void x264_sei_write( bs_t *s, uint8_t *payload, int payload_size, int payload_type )
{
int i;
bs_realign( s );
for( i = 0; i <= payload_type-255; i += 255 )
bs_write( s, 8, 255 );
bs_write( s, 8, payload_type-i );
for( i = 0; i <= payload_size-255; i += 255 )
bs_write( s, 8, 255 );
bs_write( s, 8, payload_size-i );
for( i = 0; i < payload_size; i++ )
bs_write( s, 8, payload[i] );
bs_rbsp_trailing( s );
bs_flush( s );
}
以上寫入的代碼邏輯和標(biāo)準(zhǔn)語法說明保持一致。
3. SEI的解析
3.1 解析SEI
FFmpeg在讀取和解碼NAL unit，都有相同的邏輯處理SEI。
讀取或者解碼數(shù)據(jù)時(shí)，會(huì)調(diào)用下面函數(shù)進(jìn)行碼流的解碼，其中buf包含具體的二進(jìn)制流，buf_size是當(dāng)前碼流長度。函數(shù)內(nèi)部會(huì)解析碼流并實(shí)例出具體的NAL對(duì)象：
//Locate in libavcodec/h264dec.c
int decode_nal_units(H264Context *h, const uint8_t *buf, int buf_size)
如果NAL對(duì)象類型是SEI 時(shí)，將調(diào)用以下函數(shù)解碼：
//Locate in libavcodec/h264_sei.c
int ff_h264_sei_decode(H264SEIContext *h, GetBitContext *gb,
const H264ParamSets *ps, void *logctx)
函數(shù)內(nèi)部會(huì)判斷SEI payload type進(jìn)行不同的函數(shù)調(diào)用，如果是未注冊(cè)的用戶數(shù)據(jù)，則調(diào)用以下函數(shù)：
int decode_unregistered_user_data(H264SEIUnregistered *h, GetBitContext *gb,void *logctx, int size)
{
uint8_t *user_data;
int e, build, i;
if (size < 16 || size >= INT_MAX - 16)
return AVERROR_INVALIDDATA;
user_data = av_malloc(16 + size + 1);
if (!user_data)
return AVERROR(ENOMEM);
for (i = 0; i < size + 16; i++)
user_data[i] = get_bits(gb, 8);
user_data[i] = 0;
e = sscanf(user_data + 16, "x264 - core %d", &build);
if (e == 1 && build > 0)
h->x264_build = build;
if (e == 1 && build == 1 && !strncmp(user_data+16, "x264 - core 0000", 16))
h->x264_build = 67;
av_free(user_data);
return 0;
}
可以看到，根據(jù)SEI語法標(biāo)準(zhǔn)，在解析了SEI payload type和length后，對(duì)未注冊(cè)用戶數(shù)據(jù)的提取，跳過了uuid的分析，只嘗試提取了x264的build信息。總體上，并未利用SEI_USER_DATA_UNREGISTERED傳遞過來的其他相關(guān)參數(shù)信息。
從解碼器邏輯看，H264SEIUnregistered結(jié)構(gòu)體只有一個(gè)x264_build屬性，并未返回實(shí)質(zhì)有效數(shù)據(jù)。上層業(yè)務(wù)如果需要提取SEI_USER_DATA_UNREGISTERED，仍然需要自己提取。提取邏輯，請(qǐng)參考下一小節(jié)(ffplay)。
3.2 ffplay
ffplay是一個(gè)簡單、常用的FFmpeg接口示例工具，常用于測(cè)試解碼、播放效果。如果在ffplay中示例跑通SEI提取功能，可以很方便的移植到其他平臺(tái)。
在ffplay工具中，通過av_read_frame(ic, pkt);可以快速拿到當(dāng)前讀到的NAL unit，位于pkt->data中，可以從此取出NAL unit type，如果是SEI且是用戶未注冊(cè)數(shù)據(jù)類型(payload type值為5)，則可以參考SEI語法繼續(xù)讀取UUID和其后傳遞的字符串。
4. 總結(jié)
限于篇幅，本文主要對(duì)H.264碼流中涉及用戶未注冊(cè)數(shù)據(jù)的SEI進(jìn)行了分析?？傮w而言，SEI只是視頻標(biāo)準(zhǔn)里面很小的一部分，但在應(yīng)用過程中，比如直播問答項(xiàng)目中SEI承載的信息，就極大提升了直播觀看和答題操作的整體用戶體驗(yàn)。所以說，從SEI的例子中，我們就會(huì)發(fā)現(xiàn)，視頻標(biāo)準(zhǔn)里面還有很多金礦等待著大家的挖掘，這就是多媒體技術(shù)的魅力。
