實時視訊系統中的媒體傳輸，絕大多數都會採用RTP（實時傳輸協議）標準。H.264視訊作為當前應用最廣泛的視訊編碼標準，其傳輸協議也會首選RTP標準。在設計實現H.264的實時傳輸時，H.264協議基於RTP的打包和解包定義於IETF標準-RFC6184，RTC系統需要遵循這個標準來設計打包和解包處理模組。在通訊理論中，這個過程可以被認為是基於傳輸的通道編碼。本篇技術文章帶你瞭解H.264在RTP中的基本格式和技術實踐。

#01

基本格式

使用RTP對H.264打包和解包需要遵循IETF標準RFC6184, 我們先來了解一下H.264在RTP中的封包協議。

01

H.264的RTP報頭

圖1 RTP報頭

對於H.264的RTP負載格式而言，RTP報頭的格式和RFC 3550裡面的定義是一致的，不過有一些欄位需要特別說明一下。

標記位 (M) ： 1 位

對RTP時間戳所對應訪問單元的最後一個數據包來設定標記位，符合視訊中M位的正常使用格式，以允許有效的播放緩衝處理。解碼器可以使用這個位作為訪問單元最後一個數據包的早期指示，但是不能完全依賴這個屬性。

負載型別 (PT)：7位

沒有特別指定的負載型別，需要通過協商來確定。

序列號（SN）：16位

根據RFC 3550設定和使用。對於單NAL單元和非交錯打包模式，序列號用於確定NAL單元的解碼順序。

時間戳：32位

RTP時間戳設定 為視訊 內容的取樣時間戳。必須使用90 kHz時鐘頻率。 

02

H.264的RTP負載型別

H.264的RTP負載可分為三大類，型別如下：

單個NAL單元資料包：

此類RTP負載中僅包含單個NAL單元。負載報頭型別編號等於原始NAL單元型別，即從 1 到 23 的範圍值，詳見H.264規範。

聚合資料包：

此型別用於聚合多個NAL單元成為單個 RTP 負載。這類資料包有四個細分版本：單時間聚合包A (STAP-A)、單時間聚合包B (STAP-B)、16位偏移多時間聚合包 (MTAP16) 和24位偏移多時間聚合包 (MTAP24)。負載型別編號分配給 STAP-A、STAP-B、MTAP16 和 MTAP24 的值分別為 24、25、26 和27。

分片單元：

用於將單個NAL單元分片到多個RTP 資料包。存在兩個版本：FU-A 和 FU-B，負載型別編號分別為 28 和 29。

負載型別	資料包型別	資料包型別名
1-23	NAL單元	單個NAL單元包
24	STAP-A	單個時間聚合包
25	STAP-B	單個時間聚合包
26	MTAP16	多個時間聚合包
27	MTAP24	多個時間聚合包
28	FU-A	分片單元
29	FU-B	分片單元

 表1 H.264負載型別

03

H.264的RTP打包模式

H.264的RTP打包模式有三種：

單NAL單元模式

所有的接收端都必須支援這種模式，主要應用於相容低時延應用中的硬體裝置。只有單NAL單元資料包可以在這種模式下使用。

非交錯模式

建議接收端去支援這種模式，主要應用於低時延應用。只有單NAL單元、STAP-A和FU-A資料包可以在這種模式下使用。

交錯模式

有需求的接收端可以去支援這種模式，主要應用於非低延時應用。STAP-B、兩種MTAP、FU-A和FU-B資料包可以在這種模式下使用。 

負載型別	資料包型別	單NAL單元模式	非交錯模式	交錯模式
1-23	NAL單元	允許	允許	不允許
24	STAP-A	不允許	允許	不允許
25	STAP-B	不允許	不允許	允許
26	MTAP16	不允許	不允許	允許
27	MTAP24	不允許	不允許	允許
28	FU-A	不允許	允許	允許
29	FU-B	不允許	不允許	允許

表2 H.264打包模式允許的負載型別

單NAL單元和非交錯模式中，NAL單元必須以NAL單元解碼順序傳輸，這兩種模式更適合低延時需求的互動系統。

交錯模式中NAL單元的傳輸順序和解碼順序可以是不一致的，導致接收端的解包過程中需要按照解碼順序重新排序，引入更多的時延，因此並不適合需要低時延的互動系統。 

04

H.264的RTP負載報頭

圖2  H.264的RTP負載報頭

H.264的RTP負載報頭位於負載的第1個位元組，分成三個欄位：

F：1位

forbidden_zero_bit。值為 0 表示NAL單元型別位元組和負載不應包含位錯誤或其他語法違規。值為 1 表示NAL單元型別位元組和負載可能包含位錯誤或其他語法違規。

NRI：2位

nal_ref_idc。00值和非零值的語義與H.264規範保持不變。值00表示NAL單元的內容不是用於重建圖片間預測的參考圖片，這樣的NAL單元可以被丟棄並不會導致參考圖片的不完整。值大於00表示需要對NAL單元進行解碼以保持參考圖片的完整性。

型別：5位

負載型別，包括表1裡面列舉的所有型別。

05

H.264的RTP負載格式

因為只有單NAL單元模式和非交錯模式打包模式更適合應用於低時延互動系統中，而這兩種打包模式所涉及的只有單NAL資料包、單時間聚合包A（STAP-A）和分片單元A（FU-A）三種RTP負載，所以在這裡只對這三種負載格式做個簡單的介紹。

單NAL資料包

圖3 單NAL資料包負載格式 

單NAL資料包就是將原始的NAL單元直接放置到RTP的負載中，NAL單元頭就是作為單NAL資料包的負載型別。

單時間聚合包A（STAP-A）

圖4 聚合資料包負載格式

聚合資料包的負載中包含一個或者多個聚合單元。一個聚合包可以攜帶儘可能多的聚合單元；不過聚合資料包中的總資料量應該選擇合適大小，以便生成的IP資料包小於MTU大小。聚合資料包負載報頭中的NRI欄位的值必須是所有聚合NAL單元中最大值。

圖5 單時間聚合單元格式

STAP-A資料包中，每個聚合單元的NAL都應該是共享相同的NALU時間。負載的首位元組是STAP-A負載報頭，每個聚合單元是由兩位元組的NAL單元尺寸欄位和原始NAL單元組成。如果STAP-A資料包中包含兩個聚合單元，負載格式如下圖：

圖6 包含兩個聚合單元的STAP-A資料包示例

 分片單元A（FU-A）

圖7 FU-A資料包負載格式

FU-A資料包的負載包含1位元組的分片單元標識（負載報頭）、1位元組的分片單元報頭和分片單元負載。分片單元負載報頭中的NRI欄位的值等同於被分片NAL單元的值。

分片單元報頭的格式如下：

圖8 分片單元報頭

S: 1 位

起始位。當設定為 1 時，指示一個分片 NAL 單元的開始。當 FU 負載不是分片 NAL 單元的開始片段，設定起始位為 0 。

E: 1 位

結束位。當設定為 1 時，指示一個分片 NAL 單元的結束。當 FU 負載不是分片 NAL 單元的最後一個片段，設定結束位為 0 。

R: 1 位

保留位。必須等於 0 ，並且必須被接收者忽略。   

型別：5位

被分片的原始 NAL 單元型別（ 1 - 23 ）。

 

#02

實踐分享

RTC系統中的視訊處理的結構大致如下圖，RTP打包解包是視訊編解碼和傳輸之間的橋樑。

圖9 視訊流工作流程

01

Ｈ.264打包

H.264的打包的基本流程大致如下：

• 輸入H.264 NAL，判決當前的H.264 NAL的打包格式，可以選擇單NAL單元包格式、STAP-A包格式，或者是FU-A格式。MTAP格式一般不在實時系統中使用，考量的重點在於兼顧打包效率和傳輸效率。
• Single-NAL-Unit 打包比較簡單，一個NAL封裝為一個RTP包。
• STAP-A在NAL包比較小的時候採用，多個相同時間戳的NAL包被打到一個RTP包。

• FU在NAL包比較大的時候採用，限制RTP包的大小小於MTU。一個NAL包被拆成多個碎片(Fragment), 碎片被打成RTP包。

02

Ｈ.264解包

在此只對三種打包模式下的解包過程做一個大致的介紹。

單NAL單元和非交錯模式

接收端包括一個接收緩衝器來補償傳輸延遲和抖動。接收端將傳入的資料包按照接收順序儲存到接收緩衝器中。資料包按RTP序列號的順序被解包。如果解包的資料包是單個NAL單元包，包中包含的NAL單元直接傳遞給解碼器。如果解包的資料包是 STAP-A，則包含在資料包中的NAL單元按照它們封裝在資料包中的順序被傳遞給解碼器。對於所有 FU-A包含單個NAL單元片段的資料包，解包的片段按其傳送順序恢復出NAL單元，然後傳遞給解碼器。

交錯模式

交錯模式的解包規則一般是從傳輸順序到解碼順序來重新排序NAL單元。在實時系統中應用比較少見，具體過程在此就不展開了。 

參考文獻

1、RFC 3550 – RTP: A Transport Protocol for Real-time Application

2、RFC 6184 – RTP Payload Format for H.264 Video