流媒體是採用流式傳輸方式在網絡上播放的媒體格式，視頻網站內容、短視頻、在線直播這些視頻形態，均屬於流媒體的不同分支。流媒體大致包含三個層級：碼流、封裝和協議。從音視頻編碼器輸出的碼流，經過某種封裝格式後，經過特定的協議傳輸、保存，構成了流媒體世界的基礎功能。
在直播應用的開發過程中，如果把主播端消息事件傳遞到觀眾端，一般會以Instant Messaging（即時通訊）的方式傳遞過去，但因為消息分發通道和直播通道是分開的，因此消息與直播音視頻數據的同步性就會出現很多問題。那麼有沒有在音視頻內部傳遞消息的方法呢？答案是SEI（Supplemental Enhancement Information）。金山雲目前推出的直播問答解決方案中，就用到了SEI，作為一名視頻雲架構資深開發工程師，今天就來和大家分享一下SEI的技術細節。
SEI介紹
SEI即補充增強信息，屬於碼流範疇，它提供了向視頻碼流中加入額外信息的方法，是H.264/H.265這些視頻壓縮標準的特性之一。SEI的基本特徵如下：
1.並非解碼過程的必須選項
2.可能對解碼過程（容錯、糾錯）有幫助
3.集成在視頻碼流中
也就是說，視頻編碼器在輸出視頻碼流的時候，可以不提供SEI信息。雖然在視頻的傳輸過程、解封裝、解碼這些環節，都可能因為某種原因丟棄SEI內容，但在視頻內容的生成端和傳輸過程中，是可以插入SEI信息的。這些插入的信息，和其他視頻內容一同經過傳輸鏈路到達消費端。舉例來說，當前火爆的直播問答模式，就是通過SEI傳遞較多和答題業務相關的信息，通過SEI承載的信息，極大地優化了題目顯示和觀眾音視頻觀看的同步性。
那麼在SEI中可以添加哪些信息呢？以下是一些用戶場景可任意擴展的例子：
1.傳遞編碼器參數
2.傳遞視頻版權資訊
3.傳遞攝像頭參數
4.傳遞內容生成過程中的剪輯事件（引發場景切換）
對於SEI如何應用，我們先以H.264/AVC這一視頻編碼標準為例。在這一標準中，整個系統框架分為兩層：視頻編碼層面（Video Coding Layer，簡稱VCL）和網絡抽象層面（Network Abstraction Layer，簡稱NAL）。VCL負責表示有效視頻數據的內容，NAL負責格式化數據並提供頭信息，以保證數據適合各種信道和存儲介質上的傳輸。NAL unit是NAL的基本語法結構，它包含一個字節的頭信息（NAL header）和一系列來自VCL的原始數據字節流（RBSP）。
H.264/AVC中的情況
NAL unit type儲存在NAL header中，在H.264/AVC標準中，可用的NAL unit type一共有17種，作用是高速解碼器，承載的數據是視頻關鍵幀，還是視頻解碼器的配置參數信息。其中值為6時表徵SEI內容。比較常見的類型如下表所示：
H.264/AVC中完整的NAL unit類型定義請參考《ISO/IEC 14496-10:2014》，這是MPEG專家組為AVC編解碼器制定的標準，H.264/AVC中NAL unit類型完整定義都在該標準的7-1表中，標準一共預留了32種類型，在NAL header裡面，用5 bits表徵NAL unit type。
H.264/AVC中的NAL unit type
如上圖所示，在8 bits的NAL header中：
1.第0位是禁止位0，值為1時表示語法出錯
2.第1~2位是參考級別（NRI，NAL ref idc）
3.第3~7位是NAL unit type
需要注意的是，當NRI取值為"00"（二進位）時，表徵NAL unit不參與重建參考圖像，這時的NAL unit是可以丟棄的。大於"00"（二進位）時，NAL unit不能被丟棄。
H.265/HEVC中的情況
《ISO/IEC 23008-2:2015》是MPEG專家組為HEVC編解碼器制定的標準，H.265/HEVC中NAL unit類型完整定義都在該標準的7-1表中，可用的NAL unit type一共有40種之多，其中39和40都表徵SEI內容。因為標準一共預留64種類型，所以在NAL header裡面，用6 bits表徵NAL unit type。
H.265/HEVC中的NAL unit type
如上圖所示，在16 bits的NAL header中：
1.第0位是禁止位0，值為1時表示語法出錯
2.第1~6位是NAL unit type
3.第7~12位是NUH layer id
4.第13~15位是temporal_id
SEI類型
在H.264/AVC視頻編碼標準中，並沒有規定SEI payload type的範圍，所以表徵payload type的字節數是浮動的。
語法分析如下所示，當開始解析類型為SEI的NAL時，持續讀取8bit，直到非0xff為止，然後把讀取的數值累加，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
}
當獲取了SEI payload類型和大小後，就進入了實際的SEI內容讀取。
當前《ISO/IEC 14496-10:2014》Annex D.1.1提供了最大到181的payload類型處理規範，由於類型可以指定任意大小，給SEI的添加、處理創造了很大的自由空間。
其中SEI payload類型值為5時，指定的處理方法叫user_data_unregistered()，字面含義為未註冊的用戶數據，常用於存儲編碼器的編碼參數信息，是比較常見的payload類型。
讀取payload type為5時，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的詳細定義在《ISO/IEC 11578:1996》 Annex A中，大致規定了使用128 bits（16個字節）來指定UUID。此處UUID可以表徵寫入SEI payload的角色ID，或者表徵其他業務用途。剩下的payloadSize -16位元組，即是業務層傳遞的具體內容了。
通過user_data_unregistered()語法解析可以看出，當使用SEI payload type為5時，注意事項如下：
1.payload size應該大於16；
2.uuid可能出現0x000000/0x000001/0x000002，需要插入0x03做防競爭處理；
構成RBSP時，都需要做RBSP拖尾處理。拖尾處理對所有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
}
SEI例子
從video.js <https://github.com/videojs/video.js>的示例中下載oceans.mp4 <http://vjs.zencdn.net/v/oceans.mp4>並提取出H.264碼流如下：
bitstream from oceans.mp4
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字節(墨綠底色)是NAL header。上圖「NAL header」一共出現了四個數值：
·"0x06"，此時NRI為"00B"，NAL unit type為SEI類型。
·「0x67」，此時NRI為「11B」，NAL unit type為SPS類型。
·「0x68」，此時NRI為「11B」，NAL unit type為PPS類型。
·「0x65」，此時NRI為「11B」，NAL unit type為IDR圖像。
SEI payload type
"0x06"後一個字節為「0x05」（淡黃底色）是SEI payload type，即表徵SEI payload分析遵循user_data_unregistered()語法。
SEI payload size
「0x05」後一個字節為「0x2F」（淡藍底色）是SEI payload size，此時整個payload是47個字節。
SEI payload uuid
"0x2F"隨後的16個字節即為uuid，此時uuid為
dc45e9bd-e6d9-48b7-962c-d820d923eeef
SEI payload content
由於payload size是47個字節，除去16位元組的uuid，剩下31個字節的content。由於content是字符串，所以有結束符"0x00"，有效的30個字符內容是：
Zencoder Video Encoding System
rbsp trailing bits
47個payload字節後的"0x80"（灰底色）即是rbsp trailing bits，在user_data_unregistered()裡面都是按字節寫入的，所以此時的NAL unit結尾寫入的字節一定是0x80。
SEI的生成
生成SEI的方式很多，大致可以有：
1.對已有碼流做filter，插入SEI NAL
2.視頻編碼時生成SEI
3.容器層寫入時插入SEI
以下代碼示例來自於FFmpeg origin/master 分支。
bsf
BitStream Filter（碼流過濾）的縮寫為bsf，它的作用是，在不做碼流解碼的前提下，對已經編碼後的比特流做特定的修改、調整。
bsf h264_metadata的調用
使用ffmpeg工具時，可以使用比特流過濾器。基本的filter調用格式如下：
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註冊的用戶數據的SEI，其中uuid為"086f3693-b7b3-4f2c-9653-21492feee5b8"，payload內容為"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已經有一個SEI和28個SPS。輸出的oceans.sei.h264碼流中，共有28個SEI，其中第一個與輸入保持一致，剩下27個為新插入的SEI。
bsf h264_metadata的代碼分析
具體代碼位於：libavcodec/h264_metadata_bsf.c中。
// 函數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，當指定了sei_user_data時，滿足以下條件之一即可以處理：
·讀取的access units是第一個au；
·當前au包含sps；
滿足插入SEI邏輯後，具體處理過程中：
·如果發現第一個NAL已經是SEI，則該au不做插入SEI處理；
·如果au包含了IDR幀或者非IDR未分區的幀，則在其前面插入SEI信息。
基於以上代碼，oceans.sei.h264碼流中新插入27個新的SEI 符合處理邏輯。
具體構造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規範，其中"H264_SEI_TYPE_USER_DATA_UNREGISTERED"值為5，對應的即是未註冊的用戶信息。在解析"ffmpeg"工具輸入過程中，將"+"號前面的字符串轉換成二進位寫入uuid，"+"後內容使用字符串寫入payload。
x264
libx264支持多種SEI類型數據寫入，常用的仍然是SEI_USER_DATA_UNREGISTERED，具體的寫入函數x264_sei_version_write()位於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中主要記錄了相關參數和版權資訊。以上函數完成了SEI參數的構造，下面的函數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準語法說明保持一致。
SEI解析
FFmpeg在讀取和解碼NAL unit，都有相同的邏輯處理SEI。
讀取或者解碼數據時，會調用下面函數進行碼流的解碼，其中buf包含具體的二進位流，buf_size是當前碼流長度。函數內部會解析碼流並實例出具體的NAL對象：
//Locate in libavcodec/h264dec.c
int decode_nal_units(H264Context *h, const uint8_t *buf, int buf_size)
如果NAL對象類型是SEI 時，將調用以下函數解碼：
//Locate in libavcodec/h264_sei.c
int ff_h264_sei_decode(H264SEIContext *h, GetBitContext *gb,
const H264ParamSets *ps, void *logctx)
函數內部會判斷SEI payload type進行不同的函數調用，如果是未註冊的用戶數據，則調用以下函數：
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SEI語法標準，在解析了SEI payload type和length後，對未註冊用戶數據的提取，跳過了uuid的分析，只嘗試提取了x264的build信息。總體上，並未利用SEI_USER_DATA_UNREGISTERED傳遞過來的其他相關參數信息。
從解碼器邏輯看，H264SEIUnregistered結構體只有一個x264_build屬性，並未返回實質有效數據。上層業務如果需要提取SEI_USER_DATA_UNREGISTERED，仍然需要自己提取。提取邏輯，請參考下一小節(ffplay)。
ffplay
ffplay是一個簡單、常用的FFmpeg接口示例工具，常用於測試解碼、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。
在ffplay中通過函數av_read_frame(ic, pkt)返回後，讀取pkt->data可以快速拿到當前讀到的NAL unit。從data數據中取出NAL unit type，如果是SEI且是用戶未註冊數據類型(payload type值為5)，則可以參考SEI語法繼續讀取UUID和其後傳遞的字符串。
總結
本文主要對H.264碼流中涉及用戶未註冊數據的SEI進行了分析。總體而言，SEI只是視頻標準裡面很小的一部分，但在應用過程中，比如直播問答項目中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。所以說，從SEI的例子中，我們就會發現，視頻標準裡面還有很多金礦等待著大家的挖掘，這就是多媒體技術的魅力，也是金山雲努力的方向。
第三十屆CIO班招生 法國布雷斯特商學院碩士班招生 北達軟EXIN網絡空間與IT安全基礎認證培訓 北達軟EXIN DevOps Professional認證培訓責編：fanwei