live555 关于使用ffmpeg扩展文件格式

live555目前只mpg、mkv、webM等少数几种音视频混合的文件，可以使用ffmpeg来扩展live555所支持的文件格式。花了一个多月的时间，

终于可以支持mp4和avi了，媒体格式支持mpeg4、h264、mp3、aac。主要是参考了live555中mpg的实现。

1.扩展mediaServer的主要步骤

1)定义一个RTSP Server类MyRTSPServer，继承自DynamicRTSPServer。作用是重新实现lookupServerMediaSession函数，在其中添加对avi、mp4的支持代码。

2)参考mpg的实现，定义以下几个类

MyDemux->Mdeium:

调用ffmpeg中的函数，完成文件的解析，分离出文件中媒体流的数据。每一个客户端连接将对应一个MyDemux实例。

MyDemuxedElementaryStream->FramedSource:

这个类作为source，实际上会调用MyDemux实例获取所需的数据。每一个流将对应一个MyDemuxedElementaryStream实例。

MyServerDemux->Medium:

这个一个服务类，主要是辅助创建MyDemux、MyDemuxedElementaryStream及subsession实例。

3)subsession

对于每一种媒体格式，都需要实现一个subsession，并重新实现虚函数createNewStreamSource以创建自己的source。

h264，处理h264的subsession从H264VideoFileServerMediaSubsession继承，将从packet中可以获取h264的es流，直接交给H264VideoStreamFramer处理即可。

mpeg4，subsession从MPEG4VideoFileServerMediaSubsession继承，另外需要注意的是，从packet中获取到的数据并不是严格的ES流。与处理mpeg4 es流相关的类有两个，MPEG4VideoStreamFramer与MPEG4VideoStreamDiscreteFramer，这里应选择MPEG4VideoStreamDiscreteFramer。具体可以参考前面的文章"live555
关于mpeg4的处理"

mp3, subsession从MP3AudioFileServerMediaSubsession继承。注意还需要实现seekStreamSource函数，函数体可以为空。在创建MP3AudioFileServerMediaSubsession时，传递的参数中generateADUs应为False, interleaving为空。

aac, subsession从FileServerMediaSubsession继承。要实现createNewStreamSource及createNewRTPSink。createNewRTPSink的实现，可以参考live555对Matroska中aac的处理。

2.处理avi、mp4文件文件的一些注意事项

通过ffmpeg获取的数据一般保存在packet中。 对于avi文件，处理比较简单，直接将packet中的数据提取出来，进行后续处理即可。对于mp4文件，则稍复杂。

从mp4中提取h264数据时, packet中不会包含SPS及PPS信息，这些信息储存在***CodecContext的extradata数据域中，通过流过滤器"h264_mp4toannexb"可以得到标准的sps及pps。另外packet中的数据并不是标准nalu单元，需要将前4个字节替成开始符。详情见"ffmpeg 从mp4上提取H264的nalu"。

关于mp4中的mpeg4, 获取的packet中，只包含vop层次(0x000001B5)的数据，vos(0x000001B0)则储存在在***CodecContext的extradata数据域中,所以只需要将extradata中的数据添加到流的开始处即可。

对于mp4中的音频aac来讲，音频配置信息config，也是保存在extradata。

3.aac音频的配置信息config

mpeg4中的aac是交给MPEG4GenericRTPSink的，需要关注一下传递的参数，来看Matroska文件中是怎么处理的

RTPSink* AACAudioMatroskaFileServerMediaSubsession
::createNewRTPSink(Groupsock* rtpGroupsock, unsigned char rtpPayloadTypeIfDynamic, FramedSource* /*inputSource*/) {
  MatroskaTrack* track = fOurDemux.lookup(fTrackNumber);
  return MPEG4GenericRTPSink::createNew(envir(), rtpGroupsock,
                                        rtpPayloadTypeIfDynamic,
                                        track->samplingFrequency,  //采样频率
                                        "audio", "AAC-hbr", fConfigStr,
                                        track->numChannels);  //通道数
}

创建MPEG4GenericRTPSink时，fConfigStr就是aac的帧配置信息，它表示AAC帧的配置信息。其实config有两种传输方式，包含在RTP负载称为带内传输，否则称为带外传输，这时就必需在SDP中传输config信息了。显然使用带外传输可以节约带宽。 config是一个16进制的8位字节串，可表示ISO/IEC 14496-3 [5] 定义的MPEG-4音频负载配置数据"StreamMuxConfig"。SDP中还有一个cpresent属性， 一个布尔值参数，表示音频负载配置数据是否已经复用到一个RTP负载中。0表示尚未复用，1表示已经复用。该参数的缺省值为1。即缺省情况下为带外传输。

在MPEG4GenericRTPSink构造函数中可以看到这个配置信息是如何保存到sdp中的。

MPEG4GenericRTPSink
::MPEG4GenericRTPSink(UsageEnvironment& env, Groupsock* RTPgs,
		      u_int8_t rtpPayloadFormat,
		      u_int32_t rtpTimestampFrequency,
		      char const* sdpMediaTypeString,
		      char const* mpeg4Mode, char const* configString,
		      unsigned numChannels)
  : MultiFramedRTPSink(env, RTPgs, rtpPayloadFormat,
		       rtpTimestampFrequency, "MPEG4-GENERIC", numChannels),
  fSDPMediaTypeString(strDup(sdpMediaTypeString)),
  fMPEG4Mode(strDup(mpeg4Mode)), fConfigString(strDup(configString)) {
  // Check whether "mpeg4Mode" is one that we handle:
  if (mpeg4Mode == NULL) {
    env << "MPEG4GenericRTPSink error: NULL \"mpeg4Mode\" parameter\n";
  } else if (strcmp(mpeg4Mode, "AAC-hbr") != 0) {  //说明必需使用"AAC-hbr"模式
    env << "MPEG4GenericRTPSink error: Unknown \"mpeg4Mode\" parameter: \""
	<< mpeg4Mode << "\"\n";
  }

  // Set up the "a=fmtp:" SDP line for this stream:
  char const* fmtpFmt =
    "a=fmtp:%d "
    "streamtype=%d;profile-level-id=1;"
    "mode=%s;sizelength=13;indexlength=3;indexdeltalength=3;"
    "config=%s\r\n";    //config属性
  unsigned fmtpFmtSize = strlen(fmtpFmt)
    + 3 /* max char len */
    + 3 /* max char len */
    + strlen(fMPEG4Mode)
    + strlen(fConfigString);    //注意
  char* fmtp = new char[fmtpFmtSize];
  sprintf(fmtp, fmtpFmt,
	  rtpPayloadType(),
	  strcmp(fSDPMediaTypeString, "video") == 0 ? 4 : 5,
	  fMPEG4Mode,
	  fConfigString);  //注意
  fFmtpSDPLine = strDup(fmtp);
  delete[] fmtp;
}

ffmpeg获取到的config信息保存在***CodecContext.extradata中，占用两个字节。对于44khz的音频，这两个字节顺序为0x12,0x10。不过需要转换成字符串后再保存到config中，所以最后config="1816"。

4.mp3、aac帧播放时间

aac每帧均为1024个采样，所以可以通过如下公式计算：

frame_duration = 1024 * 1000000 / sample_rate

例如：sample_rate = 44100HZ时， 计算出的时长为23.219ms

mp3 每帧均为1152个字节， 则：

frame_duration = 1152 * 1000000 / sample_rate

例如：sample_rate = 44100HZ时， 计算出的时长为26.122ms，这就是经常听到的mp3每帧播放时间固定为26ms的由来

附上一张mpeg音频每帧采样数表



一些问题：

这个地方有一个问题，使用vlc播放avi或者mp4中的mpeg4视频时，非常卡，cpu会达到100%，但是使用ffplay和mplayer时播放正常，

PS:

代码已上传至http://download.csdn.net/detail/gavinr/4320175