GAT66942008视音频编解码技术要求

1、公安部科技信息化局 全国安全防范报警系统标准化技术委员会,GA/T669.4-2008 城市监控报警联网系统 技术标准 第4部分: 视音频编、解码技术要求,城市监控报警联网系统 系列标准教师宣贯培训,第一章 范围,本章规定了GA/T 669.4-2008城市监控报警联网系统 技术标准 第4部分：视音频编、解码技术要求的基本内容和适用范围。,1 范围 GA/T 669的本部分规定了城市监控报警联网系统（以下简称“联网系统”）视音频编码、解码的技术要求，包括总体技术要求、视频编、解码技术要求、音频编、解码技术要求、视音频传输格式、视音频存储格式等。 本部分适用于城市监控报警联网系统，其他领域的监控

2、报警联网系统可参考采用。 【条文解释】 “城市监控报警联网系统 视音频编、解码技术要求”是城市监控报警联网系统工程建设中的重要技术文件，以城市监控报警联网系统中视音频互联互通为目的，主要从视音频编解码、网络传输和存储三个层次对城市监控报警联网系统中视、音频编解码技术提出了基本技术要求。与H.264、MPEG-4等视音频编解码标准相比，该技术要求并不详细描述具体的编解码细节，而是规范了如何在城市监控报警联网系统中应用相关的视音频编解码标准，达到既能实现媒体的互联互通，又兼顾监控行业视音频技术发展现状的目的。 该标准虽然不是强制性标准，但按照行政法规和规章的相关规定，它对监控报警联网系统中视音频编

3、解码技术的应用仍然具有很强的约束力和规范作用。,第二章 规范性引用文件,本章列出了GA/T 669.4-2008城市监控报警联网系统 技术标准 第4部分：视音频编、解码技术要求引用的相关标准、文件。,第三章 术语、定义和缩略语,本章列出了GA/T 669.4-2008城市监控报警联网系统 技术标准 第4部分：视音频编、解码技术要求中所用到的基本术语、定义和缩略语。 GA/T 669.1-2008城市监控报警联网系统 技术标准 第1部分：通用技术要求中列出的术语、定义和缩略语也适用于本部分，因此直接引用而未在本部分列出。,3.1 术语和定义 3.1.1 编码器 实现编码过程的实体，可以为软件或硬

4、件。 【条文解释】 从处理媒体的种类角度编码器可以分为视频编码器和音频编码器，从实物表现形态角度编码器又可以分为软件编码器和硬件编码器。编码器中包含视频或音频编码算法的实现，编码器的输入为模拟视频或音频信号，经过编码器的处理后输出压缩的视频或音频数字码流。 3.1.2 解码器 实现解码过程的实体，可以为软件或硬件。 【条文解释】 从处理媒体的种类角度解码器可以分为视频解码器和音频解码器，从实物表现形态角度解码器又可以分为软件解码器和硬件解码器。解码器中包含视频或音频解码算法的实现，解码器的输入为压缩的视频或音频数字码流，经过解码器的处理后输出可以直接显示或播放的视频或音频信号。,3.1.3 档

5、次 H.264或MPEG-4视频编解码标准中规定的整个比特流语法的子集，描述了对比特流的限制以及满足该档次的解码器应遵从的算法特征和限制。 【条文解释】 进行H.264和MPEG-4视频编码或解码时会应用到多种具体算法，H.264和MPEG-4视频编解码标准中，根据实现编解码采用的具体算法不同划分出不同的比特流档次，每一种档次都与一组具体的算法相对应，以适用于不同的应用场景。比如，H.264视频编解码标准中就划分为基本档次、主档次、扩展档次等等。 3.1.4 级别 视频编码比特流中句法元素参数值的限制集合，一个档次可以包括一个或若干个级别。 【条文解释】 级别是对档次的细分。一个档次中，会根据

6、支持的分辨率大小等因素细分为若干级别。,3.1.5 一致性测试 验证比特流和解码器是否满足相应标准规定的测试。 【条文解释】 简言之，一致性测试是指验证比特流或解码器是否与相应标准规定一致的测试，一致性测试一般都与特定的档次和级别相关联。一致性测试可分为比特流一致性测试和解码器一致性测试，比特流一致性测试是指为验证比特流是否确实是所标称的特定档次和级别的标准比特流所做的测试。同理，解码器一致性测试则是指为验证解码器是否确实能解码特定档次和级别的标准比特流所做的测试。 3.1.6 比特流/码流 描述图像或声音编码的一种有序的二进制数据组合。,第四章 视音频编、解码的总体技术要求,本章规定了为实现

7、联网系统中媒体信息的互联互通视音频编、解码技术应满足的基本要求。包括对视音频编、解码标准的选择，以及视频图像的分辨率、媒体流传输协议、码率控制等方面的总体技术要求。,4 视音频编、解码的总体技术要求 4.1综述 本部分仅规定了实现联网系统中互联互通视音频编、解码技术应满足的基本要求。在不影响互联互通的情况下，本部分不限制使用方根据需要采用其它适合的视音频编、解码标准或工具。 联网系统中的视音频流原则上不应包含私有数据格式。若确有必要加入私有数据，则应不影响该视音频编、解码器的性能及其与相应标准视音频编、解码器间的互通性。 【条文解释】 “私有”与“标准”是相互对立的。随意在视音频码流中增加私有

8、的数据格式将会对城市监控报警联网系统中的媒体流互联互通带来非常严重的影响，因此该技术要求规定视音频流原则上不应包含私有数据格式。但并非绝对禁止，考虑到不同媒体设备制造商的具体需求，若确有必要加入私有数据时，一定要进行完善的一致性测试，以便不影响其与标准视音频编、解码器间的互通性和编解码器的使用性能。,4.2 视音频编、解码标准选择 视频编码应支持H.264 或 MPEG-4 视频编码标准，视频解码应同时支持H.264 和 MPEG-4 视频解码标准。对上述两种视频编/解码标准的具体要求详见第 5 章。 【条文解释】 从计算复杂度来讲，视频编码的复杂度要远高于解码复杂度，而且目前安防行业中很少有

9、能同时支持H.264 和 MPEG-4 视频编码标准的视频编码器；视频解码器的计算复杂度相对较低，可以实现在同一个解码终端同时对H.264 和 MPEG-4 视频流进行解码。而且在实际应用中，往往是同一个解码终端对应诸多的编码器，因此对于联网系统中视频流的互联互通而言，规定视频解码器适应较多种类的视频格式是切实可行的有效途径。,在适用于安防视频监控领域的SVAC视音频标准发布后，宜优先采用。 【条文解释】 目前我国正在制定的适用于安防视频监控领域的视音频编解码标准名称是SVAC (安全防范视频监控数字音视频编解码技术要求)。标准颁布后，宜优先采用。 4.3 视频图像分辨率 编码、传输和存储的图

10、像数据应具有不低于CIF（352288）格式的图像分辨率，重要目标和报警图像宜具有不低于4CIF（704576）格式的图像分辨率。 【条文解释】 较高的图像分辨率更有利于图像使用人员准确分析和判断图像场景的内容。在条件允许的情况下，城市监控报警联网系统中编码、传输和存储的图像数据应尽量使用不低于4CIF（704576）的图像分辨率。,4.4 视音频流的传输协议 采用RTP协议在IP网络上传输视音频流，不同视音频流的RTP打包格式详见第5、6章中的相关规定。 4.5 码率控制 宜支持CBR/VBR两种码率控制方式。 【条文解释】 CBR即固定码率，优点是压缩快，缺点是占用空间相对大，编码内容的质

11、量不稳定。当网络带宽紧张时宜采用CBR方式编码。 VBR即可变码率，当强调画面质量且网络带宽充裕的情况下宜采用VBR方式编码。 城市监控报警联网系统中的视频编码器宜支持CBR/VBR两种码率控制方式，以适应不同的需求。,第五章 视频编、解码技术要求,本章规定了城市监控报警联网系统中H.264、MPEG-4视频编解码及一致性测试的具体要求。,5视频编、解码技术要求 5.1 基于H.264的视频编/解码技术要求 本部分规定了城市监控报警联网系统中H.264视频编解码的具体技术要求。包括H.264档次和级别的技术要求、基本档次的码流语法技术要求，以及一致性测试技术要求等几方面的内容。 5.1.1 H

12、.264的档次和级别 采用H.264标准的视频编码应至少支持H.264-2005的基本档次,级别（Level）应至少支持到Level 1.3，宜扩展支持到Level 3；视频解码所支持的档次和级别应不低于编码支持的最高档次和级别，至少应支持到H.264基本档次的Level 3；视频解码宜扩展支持H.264主档次中的隔行扫描和B帧工具，且相邻两P帧间的B帧个数不大于2。 【条文解释】 H.264视频编码基本档次的Level 1.3级别：相当于采用CIF（352288）分辨率进行视频编码时，帧率可以达到30.0帧/秒；基本档次的Level 3级别：相当于采用4CIF（704576）分辨率进行视频编

13、码时，帧率可以达到25.6帧/秒；在条件允许的情况下，建议H.264视频编码支持到基本档次的Level 3级别。 为了保证各视频编码器输出的视频流在监控联网系统中能被有效地解码和播放，视频解码器应尽可能支持较高的档次和级别。,H.264主档次（Main Profile）中的隔行扫描和B帧工具均有各自的优点。隔行扫描工具可以有效减少反隔行(deinterlace)处理造成的图像质量的损失，更适用于隔行扫描设备；B帧工具可以提供更加有效的压缩率。但目前安防市场上对这两个工具的支持还不是特别普遍，因此不宜强制采用。 相邻两P帧间的B帧个数不大于2：B帧工具虽然可以提供更加有效的压缩，但参考帧太多时会

14、带来较大的编码延时。综合压缩率和延时两方面的因素，规定相邻两P帧间的B帧个数不大于2。 5.1.1.1 H.264基本档次的选项和工具 H.264基本档次支持的选项和工具主要有： a）I片和P片（Slice）； b）基于内容自适应的变长编码CAVLC； c）容错工具：FMO，ASO，RS； d）去块效应滤波器（Deblocking Filter）； e）多参考帧编码。 采用H.264编码的视频流应为H.264 Baseline视频流，编码应支持上述Baseline选项和工具中的部分或全部，可不支持容错工具；H.264的解码至少应支持上述除容错工具外的全部选项和工具。 【条文解释】 a)e)为H

15、.264基本档次中规定的主要选项和工具。从互联互通的角度讲，H.264解码器应比编码器支持更多的选项和工具。其中的容错工具实现起来较为复杂，目前支持该工具的视频编解码设备非常少，不做强制规定。,多参考帧编码时，P片的参考帧数一般不大于两帧。 【条文解释】 多参考帧编码可以提供更加有效的压缩，但参考帧太多时会带来较大的编码延时。 5.1.1.2 H.264级别的限制 H.264级别（Level 13）的限制如表1所示。 【条文解释】 表1中的数据来源于H.264视频编解码标准（ITU-T Rec. H.264-2005）附录A中的表A-1 Level limits。表中给出了H.264视频编解码

16、基本档次中级别13的相关参数限制。,5.1.1.3 H.264基本档次各级别的参数限制 H.264基本档次各级别的参数限制如表2所示。 【条文解释】 表2中的数据来源于H.264视频编解码标准（ITU-T Rec. H.264-2005）附录A中的表A-3 Baseline profile level limits。表中给出了对H.264视频编解码基本档次中级别13的最大子宏块尺寸的限制。,5.1.1.4 H.264各级别的最大帧率限制 H.264中CIF、4CIF各级别（Level）的最大帧率限制如表3所示。其他分辨率各级别的最大帧率限制详见ITU-T Rec. H.264-2005中的规定

17、。 【条文解释】 表3中的数据来源于H.264视频编解码标准（ITU-T Rec. H.264-2005）附录A中的表A-6 Maximum frame rates (frames per second) for some example frame sizes。表中规定了对H.264视频编解码基本档次中级别13的最大帧率及其他相关参数的限制。,5.1.3 H.264的一致性测试 H.264的一致性测试包括比特流一致性测试和解码器一致性测试。 【条文解释】 城市监控报警联网系统中的H.264视频编、解码器应是符合相应标准的编解码器。 比特流一致性测试是为了验证编码器是否能编码出符合标准的视频流

18、，解码器一致性测试则是为了验证解码器是否是符合标准的解码器。无论比特流一致性测试还是解码器一致性测试，都是非常复杂的测试过程，因此编、解码器的生产者需要认真进行测试，以确保城市监控报警联网系统中H.264视频流的有效互联互通。 5.1.3.1 比特流一致性测试 H.264的一致性比特流应满足如下测试：当使用解码软件对H.264视频比特流进行解码时，不应出现任何由比特流引起的错误或不一致。 注：测试中不考虑由于传输而产生的错误。,比特流一致性的进一步测试还包括虚拟参考解码器HRD的一致性测试（基于ITU-T Rec. H.264-2005的附录C，附录D，附录E）等。 【条文解释】 H.264比

19、特流一致性测试是指验证某一视频比特流是否确实与H.264视频编解码标准相符的测试，H.264比特流一致性测试的目的是为了验证相应的H.264编码器是否能编码出标准的H.264视频流。 ITU-T Rec. H.264-2005附录C中的C3详细描述了H.264一致性比特流需要满足的条件。H.264比特流一致性测试的具体过程可参考ITU-T Rec. H.264.1-2005文档中第6.4节的描述。,5.1.3.2 解码器一致性测试 解码器一致性描述详见ITU-T Rec. H.264-2005附录C中C4的规定。 H.264解码器的一致性测试可参考ITU-T Rec. H.264.1-2005

20、中的方法，验证解码器一致性用到的软件可参考ITU-T Rec. H.264.2-2005中指定的软件。 满足特定档次和级别的H.264视频解码器应能正确解码相应档次和级别的H.264一致性比特流。 【条文解释】 此处的“解码器”主要是指解码器实体（软件或硬件）中的核心解码模块。 H.264解码器一致性测试是指验证某一解码器是否确实是所标称的特定档次和级别的H.264解码器。 ITU-T Rec. H.264-2005附录C中的C4详细描述了H.264一致性解码器需要满足的条件。H.264解码器一致性测试需要使用多种H.264一致性比特流进行测试。 H.264解码器一致性测试的具体过程可参考IT

21、U-T Rec. H.264.1-2005文档中第6.5节的描述。,5.2基于MPEG-4的视频编、解码技术要求 本部分规定了城市监控报警联网系统中MPEG-4视频编解码的具体技术要求。包括MPEG-4档次和级别的技术要求、简单档次的码流语法技术要求，以及一致性测试技术要求等几方面的内容。 5.2.1 MPEG-4的档次和级别 采用MPEG-4标准的视频编码应至少支持ISO/IEC 14496-2:2004中简单档次的级别L5（ISO/IEC 14496-2:2004/Amd.2:2005），即MPEG-4 SPL5。采用MPEG-4标准的视频解码所支持的档次和级别不应低于编码支持的最高档次和

22、级别，宜扩展支持MPEG-4先进简单档次中的隔行扫描和B帧工具。 【条文解释】 简单档次是MPEG-4视频编解码标准中最基本的档次。在MPEG-4标准最初的文档中，简单档次的最高级别只能支持到L3，相应的图像分辨率只能支持到CIF（352288）。若要支持720576的图像分辨，至少需要采用先进简单档次的级别L5。相对于简单档次而言，先进简单档次支持的编解码工具更多，复杂度更高，在目前的安防市场并非所有的MPEG-4视频编解码生产商都能支持。,5.2.1.2 MPEG-4简单档次各级别的参数限制 MPEG-4视频编、解码应至少支持简单档次的L5级别，参数限制如表4所示。简单档次其他各级别的参数

23、限制详见ISO/IEC 14496-2:2004及ISO/IEC 14496-2:2004/Amd.2:2005中的相关规定。 【条文解释】 表中L2、L3级别的数据来源于MPEG-4视频编解码标准文档（ISO/IEC 14496-2:2004）附录N中的表N.1，L5级别的数据来源于MPEG-4视频编解码标准修订文档2：ISO/IEC 14496-2:2004/Amd.2:2005。,5.2.2 MPEG-4的码流语法 为实现联网系统中视频流的互通，采用MPEG-4标准的视频码流语法应符合ISO/IEC 14496-2:2004中的规定。 MPEG-4中简单档次不同级别的相应标识码见表5（详

24、见ISO/IEC 14496-2:2004中的表G-1和ISO/IEC 14496-2:2004/Amd.2:2005中的规定）。 【条文解释】 表中简单档次/级别03的数据来源于MPEG-4视频编解码标准文档（ISO/IEC 14496-2:2004）附录N中的表G.1，简单档次L4a、L5级别的数据来源于MPEG-4视频编解码标准修订文档2：ISO/IEC 14496-2:2004/ Amd.2:2005。,5.2.3 MPEG-4的一致性测试 包括比特流一致性测试和解码器的一致性测试。 【条文解释】 城市监控报警联网系统中的MPEG-4视频编、解码器应是符合相应标准的编解码器。 与H.2

25、64的一致性测试相似。MPEG-4的比特流一致性测和解码器一致性测试的主要目的也是为了验证编码器能否编码出符合标准的视频流，以及解码器是否是符合标准的解码器。无论比特流一致性测试还是解码器一致性测试，都是非常复杂的测试过程，编、解码器的生产者需要认真进行测试，以确保城市监控报警联网系统中MPEG-4视频流的有效互联互通。 5.2.3.1比特流一致性测试 MPEG-4的一致性比特流是指实现了ISO/IEC 14496-2:2004在通用语法中定义的所有限制的比特流，包括ISO/IEC 14496-2:2004中第9章关于档次和级别的限制。 MPEG-4的一致性比特流应满足如下测试：当使用解码软件

26、对MPEG-4视频比特流进行解码时，不应出现任何由比特流引起的错误或不一致。 注：测试中不考虑由于传输而产生的错误。,5.2.3.2 解码器的一致性测试 MPEG-4的比特流一致性测试的附加测试详见ISO/IEC 14496-4:2004中的描述。 上述验证比特流一致性用到的解码软件可参考ISO/IEC 14496-5:2001中指定的软件。 【条文解释】 此处的“解码器”主要是指解码器实体（软件或硬件）中的核心解码模块。 MPEG-4解码器一致性测试是指验证某一解码器是否确实是所标称的特定档次和级别的MPEG-4解码器。 MPEG-4解码器一致性测试过程需要使用多种符合MPEG-4标准的比特

27、流进行测试。测试过程可分为静态测试和动态测试：静态测试的主要目的是测试解码过程中算法的准确性，是否从功能上实现正确解码；动态测试的主要目的是检查所有的重构样本是否被输出给显示进程、时序是否符合标准规定，以及解码缓冲区是否会有溢出等。 MPEG-4解码器一致性测试的详细描述参见ISO/IEC 14496-4:2004的5.4节和5.5节。,第六章 视频编、解码技术要求,本章规定了城市监控报警联网系统中音频编解码应支持的标准，并分别对ITU-T G.711/G.723.1/G.729音频编解码格式给出了具体的技术要求。,6 音频编、解码技术要求 6.1总体要求 在联网系统中，音频编码应支持G.71

28、1-1988或G.723.1-1996或 G.729-1996等音频编码标准，可扩展支持G.722.1-1999音频编码标准；音频解码应同时支持G.711-1988、G.723.1-1996和G.729-1996音频解码标准，可扩展支持G.722.1-1999音频解码标准（对G.722.1-1999的技术要求参见附录B）。 【条文解释】 在城市监控报警联网系统中，音频编码器可以只支持 G.711/G.723.1 /G.729中的一种或几种音频格式，而音频解码则应同时支持G.711/G.723.1 /G.729三种音频格式。 作为宽带音频的补充，音频编码器和解码器还可在上述基础上扩展支持G.72

29、2.1格式的音频格式。,6.2 G.711格式 应至少支持G.711-1988中定义的A律。 G.711解码实现的正确性和精度应符合G.711-1988相应测试序列的验证要求。 6.3 G.723.1格式 应支持G.723.1-1996中定义的5.3kbit和6.3kbit语音编/解码模式，宜扩展支持ITU-T Rec. G.723.1-1996附件Annex A中的VAD/CNG模式。 G.723.1解码实现的正确性和精度应符合ITU-T Rec. G.723.1-1996相应测试序列的验证要求。 【条文解释】 ITU-T Rec. G.723.1-1996中定义了两种码率：5.3kbit和

30、6.3kbit，较高码率的音频编码具有更好的音频质量，较低码率的音频编码具有更好的设计灵活性。这两种码率都是G.723.1标准的强制执行部分，而且可以在任何30毫秒（ms）的帧边界处进行切换。,6.3 G.723.1格式 应支持G.723.1-1996中定义的5.3kbit和6.3kbit语音编/解码模式，宜扩展支持G.723.1-1996附件 A中的VAD/CNG模式。 G.723.1解码实现的正确性和精度应符合G.723.1-1996相应测试序列的验证要求。 【条文解释】 ITU-T Rec. G.723.1-1996中定义了两种码率：5.3kbit和6.3kbit，较高码率的音频编码具有

31、更好的音频质量，较低码率的音频编码具有更好的设计灵活性。这两种码率都是G.723.1标准的强制执行部分，而且可以在任何30毫秒（ms）的帧边界处进行切换。,6.4 G.729格式 应支持G.729-1996中定义的语音编、解码模式，宜扩展支持 G.729-1996 附件 B中定义的静音压缩模式。 G.729解码实现的正确性和精度应符合G.729-1996相应测试序列的验证要求。 【条文解释】 为实现良好的互联互通，G.729音频编码器至少应支持G.729-1996中定义的语音编、解码模式，条件允许的情况下，宜扩展支持附件 B中的静音压缩模式。G.729音频解码器应能正确解码标准的G.729及G

32、.729 B音频测试序列。,第7章 视音频转输技术要求,本章规定了城市监控报警联网系统中基于RTP协议传输视音频流的具体技术要求。给出了基于RTP协议传输PS封装的视音频流和基于RTP协议传输视音频基本流时的具体参数设置。,7 视音频传输格式要求 7.1总体要求 联网系统中，视音频流在基于IP的网络上传输时应采用下述7.2和7.3中的两种封装格式之一：基于RTP的PS封装和基于RTP的视音频封装。 【条文解释】 本段有两层含义： 1、联网系统中，所有的视音频流应基于RTP协议进行传输； 2、联网系统中，基于RTP协议传输的视音频负载分为两类：一类是经过PS封装的视音频流，一类是视音频的基本流（

33、即未经过任何封装的视音频流）。,7.2 基于RTP的PS封装 首先按照ISO/IEC 13818-1:2000将视音频流封装成PS包，再将PS包以负载的方式封装成RTP包。 【条文解释】 PS（Program Stream：节目流）封装方式可以将一种或多种媒体流封装成一个流。在传输环节采用PS封装，一方面可以将视频流和音频流封装在一个流内，更好地实现视音频同步；另一方面可以有效减少联网系统中媒体存储、播放设备的复杂度。 将视音频流封装成PS格式的方法详见ISO/IEC 13818-1:2000中的2.5节。,7.2.1 PS包的主要参数设置 针对规定的几种视音频格式，PS包中的流类型（stre

34、am_type）的取值如下： MPEG-4视频流：0 x10； H.264视频流：0 x1B； G.711音频流：0 x90； G.723.1音频流：0 x93； G.729音频流：0 x99。 【条文解释】 PS包中包含PS头、系统头（System Header）、PSM（Program Stream Map）及PES包等结构，上述参数是生成PSM时的重要参数； 除此外，PS包中的流ID（stream_id）参数取值建议如下： 视频流的stream_id：0 xE0； 音频流的stream_id：0 xC0； 流类型和流ID参数均用于标识PS包中的视音频基本流，对不同媒体设备商视音频流（PS

35、流）间的互通具有重要作用。,7.2.2 RTP包的主要参数设置 PS包的RTP封装格式参照RFC 2250，RTP的主要参数设置如下： 负载类型（payload type）:96； 编码名称（encoding name）：PS； 时钟频率（clock rate）：90kHz； SDP描述中“m”字段的“media”项：video。 【条文解释】 RFC 2250中描述了MPEG1/MPEG2视频的RTP负载格式，其中包括对PS包的RTP打包方式。上述4项参数会在RTP封装和SDP描述中用到。,7.3 基于RTP的视音频流封装 该方式直接将视音频数据以负载的方式封装成RTP包。 【条文解释】 本部分规定了在RTP协议之上直接传递视频（H.264/MPEG-4）或音频（G.711/G.723.1.G.729）基本流的技术要求。基于RTP协议传递视音频基本流时，一般情况下每一路视频或音频流各自独立传输。 7.3.1 MPEG-4视频流的RTP封装 MPEG-4视频流的RTP封装格式应符合RFC3016协议中的相关规定。 MPEG-4视频流