一種基于傳輸流的視頻點播ＶＣＲ功能實現方法

(1.中國科學院 研究生院， 北京 100049；2.中國科學院 聲學所 國家網絡新媒體工程技術研究中心， 北京 100190）

摘 要：傳輸流（TS）作為多媒體數據傳輸和存儲格式在網絡視頻點播中得到了越來越廣泛的應用，但其面向廣播設計的固有的封裝格式使其在點播系統中難以進行靈活的人機交互操作（VCR功能）。針對TS文件結構的特點，設計了TS文件的時間快速定位算法，并針對TS文件的快進、快退過程提出了高效的數據挑選機制，保證了基于TS文件的視頻點播人機交互VCR功能的實現。

關鍵詞：傳輸流；視頻數字錄像；解復用

中圖分類號：TP393； TP391 文獻標志碼：A

文章編號：10013695(2009)01028303

Implementation method of VCR function in VoD based on transport stream

ZHU Xiaoyong1，2，NI Hong2，SUN Peng2，YAO Qiong1，2

(1.Graduate School， Chinese Academy of Sciences， Beijing 100049， China;2.National Network New Media Technology Research Center， Institute of Acoustics， Chinese Academy of Sciences， Beijing 100190， China)

Abstract:As an efficient multimedia transport and storage format， TS(transport stream) is widely used in various network VoD systems. However， the inhere format of TS designed for broadcasting application can not provide adequate support for flexible manmachine function (VCR function). Based on the characteristic of TS format，the paper designed a fast localization method according to the time ，and then put forward an efficient data selecting scheme used in fast/back forward to support VCR function of TS and the realization of manmachine function in VoD based on transport stream.

Key words:transport stream (TS); video cassette recording(VCR); demultiplex

0 引言

MPEG2傳輸流TS[1]是為音視頻等多媒體數據傳輸而設計，其廣泛應用于DVB、IPTV等廣播系統。TS格式充分考慮了復雜易錯的網絡環境，具有良好的容錯能力，如任意截斷后的每個片段均可單獨正常播放。作為視頻廣播的最主要格式，TS已應用多年，形成豐富的節目源，因此現在的視頻點播系統中，TS流格式的多媒體源文件（如高清節目）占有相當大的比例。

友好的人機交互是點播系統的重要表現特征，使用者應該能夠像對待DVD碟片一樣進行節目的快進、快退、暫停和隨機訪問等操作，即通稱為VCR操作。TS面向廣播信道設計，其初衷是為了提供順序播放，缺少對交互式操作的有效支持，從而使得基于TS文件的視頻點播系統難以實現VCR操作。目前關于視頻流的VCR技術的研究內容大都是討論如何在網絡流媒體系統中提供VCR操作，如文獻[2，3]描述的VCR技術；或采用建立TS文件中關鍵幀索引的方法，如文獻[4]中提到服務器點播系統，可以對VCR操作提供有利支持，但這種方法需要對文件事先預解析，不僅浪費磁盤空間（文獻[4]中說明索引文件大約占原始TS文件的1/6的空間），而且在播放文件前進行預解析需要耗費大量的時間，嚴重影響了用戶體驗。如何在無須作任何預處理，或僅作少量處理的前提下，能夠對TS文件進行流暢的VCR操作是一個亟待解決的難題。

本文重點分析了TS文件VCR操作的難點，并對TS格式進行了針對性分析，設計了相關算法解決TS文件的VCR操作問題。

1 TS文件的VCR功能

11 TS格式

MPEG2碼流格式分為兩種，即節目流PS（program stream）和傳輸流TS（transport stream）格式。TS將音視頻及其他輔助數據復用在一起形成TS，構成TS的基本單位是TS包，TS包的長度是固定的，為188 Byte。每個TS包分成首部和有效負載兩部分。首部包含同步字節0x47、標志位、PID和適應字段等。其中：PID是packet ID的縮寫，長度為13 bit，作為不同的TS負載區分彼此的標志。TS包的有效負載主要有三種，即節目特定信息（program specific information，PSI）、視頻或音頻的PES包（packetized elementary stream）和私有數據。其中音視頻PES數據占TS數據的主要部分。PES數據的主要結構如圖1所示。其中可選項中的PTS為該PES包中第一個訪問單元被解碼后的顯示時間，通過該時間可得到該PES包中數據對應的節目時間。

雖然TS格式是由MPEG2系統層定義的，但文件中音視頻的編碼格式并不局限于MPEG系列，視頻編碼格式為VC1，H.264的TS文件也占有很大的比例。

12 VCR功能及操作

VCR是指卡帶式影像錄放機。隨著時間的推移，人們把對節目的快進、快退、暫停及隨機訪問等人機交互操作統稱為VCR操作。

文件數據存儲在本地設備作為本地文件時，VCR操作的難點主要在于快進、快退和隨機訪問的本地數據處理。目前多媒體文件中使用的視頻壓縮算法，如MPEG系列、H.26x，多采用去除時間域冗余的壓縮算法，即前后向幀預測，只有關鍵幀才可以單獨解碼。快進、快退實現多倍速播放時多采用僅解碼關鍵幀的模式，因此快進、快退的關鍵在于根據提供的時間能夠快速精確地定位到文件中對應位置，并開始解碼播放，也就是需要定位最接近的那個關鍵幀。

13 TS文件本地VCR操作難點分析

不同于AVI、MP4、MKV等其他文件格式，TS文件中并不存在一個關于所有幀或所有關鍵幀信息的索引。另外，TS文件中最基本的單位是TS包，TS將音視頻數據復用在TS包內，只有對TS包進行解復用后才能得到相關的數據幀信息。這些均給TS文件的VCR處理帶來了難題。多媒體文件的快進、快退采用的是基于關鍵幀的方式，而TS文件中關于數據幀的信息封裝在TS包中，獲取幀信息就必須對TS包進行解復用，而解復用本身就是非常耗資源的操作。因此在快進、快退過程中不可能對所有TS包解復用后再挑取關鍵幀，必須在快進、快退過程只對部分TS包進行解復用，然后解碼顯示。部分TS包挑取的原則是盡量保證該部分TS包中含有關鍵幀，因此數據塊選擇算法的目的是增加視頻關鍵幀的命中率。如果TS包挑選得不合適，就會造成快進（快退）過程畫面的不均勻，甚至沒有畫面。另外，根據時間快速定位文件必須得到文件中數據幀的時間信息，但這些時間信息也封裝在TS包內，必須解復用后才能得到。對于CBR(constant bit rate)的影片，可以簡單用文件碼率（文件總大小除以文件總時長）乘以搜索時間來粗略估計文件中的位置，但TS包中固有的音頻數據包和其他輔助數據會使得這種估算算法存在一定的誤差。這種估算算法對于VBR(variable bit rate)的影片更是不能適用，時間偏差能達到幾十秒甚至幾分鐘，因此迫切需要一個針對TS文件的精確且快速的定位算法。

2 TS文件的時間快速定位算法

21 快速定位算法

TS文件快速定位算法的基本設計思想是：估算搜索時間對應的位置，解復用該位置處的數據，得到該處的節目時間。若等于搜索時間，則搜索成功；否則再利用估算位置處的節目時間重新估算碼率，然后根據上一次位置處的時間與搜索時間的差值和估算出的碼率重新計算新的位置，直至搜索成功為止。具體算法步驟（圖2）如下：

a)計算文件的總時長Ttotal。順序解析文件頭數據，直至發現第一個含時間的PES數據，記該時間為Tfirst；逆序解析文件尾的數據，直至發現第一個含有時間的PES數據，記該時間為Tlast，則文件的總時長Ttotal＝(Tlast－Tfirst)/90000。其中90 000為TS格式中PTS的時間分辨率。

b)估計搜索時間處對應的碼率B。考慮到VBR的影片中，在文件不同位置處碼率可能不同，估算碼率是為了更準確地計算出對應于搜索時間處的文件位置。碼率的計算公式為數據塊的大小除以數據塊的時長。記搜索時間為Tseek，數據塊的起始位置為start，對應的時間為Tstart，終止位置為end，對應的時間為Tend，則數據塊的時長為Tend-Tstart。初始時，start=0，end=filesize，碼率初始估計值B=filesize/(Tend-Tstart)。迭代一次后，根據碼率估算出新的文件位置Pnew（見c)的描述）， 解復用該處的數據后得到該處的時間為T。若Tstart

c)估計文件中對應于搜索時間的位置。對應某一搜索時間的文件位置的定位計算公式為Pnew＝Pold＋Tdiff×B。其中：Pnew為新的計算位置；Pold為上次計算的位置；Tdiff為上次搜索位置處對應的節目時間與目標搜索時間的差值；B為第b)步中估算出的搜索時間處的碼率。

d)判斷是否為要搜索的位置。解復用該位置處數據得到該處的節目時間，若等于搜索時間，則搜索完畢，退出；否則轉b)。

22 算法復雜度

該算法的復雜度與迭代次數有關，每迭代一次，需要對數據進行解復用一次。由于不同的影片其碼率分布情況不同，定位不同的文件以及在同一文件中定位不同的時間所需的迭代次數皆不同，無法以精確的數學模型計算其迭代次數。本文在Sigma 8623平臺上對該算法進行了大量的測試，大部分影片的迭代次數均在二到三次，最多不超過四次，在1 s內就可以精確無誤地定位到文件中的相應位置，用戶感受良好。實驗證明，該算法的復雜度不高，具有很高的效率。

3 TS文件的快進、快退

快退與快進處理過程類似，下面以快進處理為例，描述其處理過程。

由于TS格式的特殊性，必須對數據解復用后才能得到關于數據幀的信息，但由于效率的限制無法做到在快進過程中對所有數據解復用后再挑選關鍵幀，在快進過程中必須采取只挑選部分數據的方法。如何在保證流暢的快進、快退效果下從文件中挑選合適的數據是一個難題。

如圖3所示，在快進過程中筆者采用的策略是，在每個大小為skipsize的數據塊中挑選大小為demuxsize的數據塊用于解復用后解碼顯示。其中，demuxsize大小的數據塊盡量包含一個關鍵幀用于顯示，而skipsize的大小決定了快進過程中畫面的顆粒度。Skipsize值越大，快進過程中畫面越少，連貫性越差；skipsize值越小，則快進過程中解復用耗用的資源越多，可能會導致無法按正常倍速快進;skipsize最小值為demuxsize，即快進過程中對所有數據均解復用。這兩個關鍵參數的取值直接影響到能否對TS文件流暢而均勻地快進。下面分析如何確定這兩個參數：

a)Demuxsize的大小。每次挑選的數據塊目的是盡可能使得該數據塊中包含一個關鍵幀。對于TS文件來說，根據編碼器的通常設置，一般一秒內存在兩個關鍵幀，因此挑選大小為0.5 s的數據塊就可以保證該數據塊中包含一個關鍵幀。記文件大小為Stotal Byte，1 s的數據塊的大小約為Stotal/Ttotal；0.5 s的數據塊大小約為0.5×Stotal/Ttotal。為了增大關鍵幀的命中率，且兼顧效率，考慮20％的冗余量，即每次挑選的數據塊大小為05×Stotal/Ttotal×12。

b)Skipsize的大小。其大小與快進的倍速相關，快進的倍速越高，單位時間內處理的數據跨越的時間越長，skipsize越大。另外，這個參數也與系統的解復用和解碼能力有關，如果系統的性能較強，則每次跳過的數據塊可以小一些，快進過程中出現的圖像就會更密集些；相反，則每次跳過的數據塊比較大，畫面連續性也就較差。假設快進的速度為speed，系統1 s內能夠對n個關鍵幀解碼，則skipsize的大小為speed×(Stotal/Ttotal)/n。

4 結束語

本文重點研究了基于TS格式的視頻點播系統中TS文件VCR操作的難點，詳細分析了產生這些問題的原因。針對難以根據時間精確定位TS文件的問題，設計了一種時間快速定位TS文件的算法，該算法具有較低的復雜度和較短的時間消耗，并能夠精確地定位到文件中的相應位置，較以往的估算算法有很大的改進。另外，TS格式的特殊性給快進、快退過程中挑取關鍵幀帶來了困難，對此本文提出了一種基于TS格式的數據挑選機制，在滿足效率的前提下最大程度地保證了快進、快退過程中畫面的均勻性和連貫性。本文提出的機制與算法已經應用于實際系統，取得了良好的效果。

參考文獻：

［1］

ISO/IEC 138181，Information technology: coding of moving pictures and associated audio part 1:system[S].1994.

[2]LIN Chiawen，ZHOU Jian，YOUN J，et al.MPEG video streaming with VCRfunctionality[J].IEEE Trans on Circuits and Systems for Video Technology，2001，11(3):415425.

[3]POON W F，LOK T，FENG J.Provision of continuous VCR functions in interactive broadcast VoD systems[J].IEEE Trans on Broadcasting，2005，51(4):460472.

[4]高梅，昌玉芳，黃本雄.視頻點播系統交互式功能的設計與實現[J].華中科技大學學報：自然科學版，2006，34(10):1820.