2021年09月30日 | 视频智能分析之Web视频播放通用解决方案

通常，摄像机H265视频编码在传输快、存储小、画质高等方面的优势使得其备受企业青睐，但是由于主流浏览器不能够支持这种格式，因此在浏览器下播放和解析视频都受到一定的约束。那么，如何实现 Web 视频播放的通用就成为了我们必须研究的课题。本期技术的真相将带你了解旷视盘古系统是如何解决 Web 视频播放通用方案这一难题的。

一、背景

在视频智能分析领域，绝大部分摄像机视频码流均支持 H264 和 H265 两种编码格式，H265 视频编码相比 H264 有着诸多优点：视频数据传输带宽减半、存储减半、画质提升等。因此，在大部分智慧安全管理项目中， H265 视频编码使用较为广泛，能够直接减少用户项目成本。

但当下主流浏览器对 H265 视频编码格式仍然未能够支持，主要还是支持 H264 视频编码格式，随着 Flash 插件退出市场后，在 Chrome 浏览器下支持视频播放难度雪上加霜，所以大部分智慧安全管理厂家依然是在 IE 浏览器插件机制下支持着摄像机视频播放。

旷视在浏览器端视频播放也有诸多实践，旷视的盘古系统深耕智慧园区领域，在业内各项指标均遥遥领先，系统功能繁多，其中视频播放就是其必不可少的一部分，面向 ToB 市场，盘古平台系统自然需要适配用户各种使用场景，能够在不同浏览器中进行视频播放是基本要求。因此，在视频播放方面，我们需要研究一套通用的 Web 视频播放解决方案，来适配不同使用场景：高性能多路视频播放、强实时性视频播放等，并能够兼容不同的浏览器（IE / 360 / Chrome）。

二、当前解决方案

盘古系统中视频数据来源

如上图所示，盘古系统中，视频数据来源各异、数据内容各异、甚至视频编码也各不相同，怎么样实现 PC 端跨浏览器进行 Web 视频播放，当前也有诸多方案，下面简易介绍下各个方案的实现关键点。

2.1 Web 前端封装 FMP4 + H5 video 播放显示

方案说明：

Web 前端收取到视频流后，进行 FMP4 封包，并使用 MSE 扩展 video 标签进行视频播放，对于智能帧（ Intelligence Frame 即结构化信息）采取透传方式，前端 Canvas 绘制。

MSE 即 Media Source Extensions，是一个 W3C 草案，MSE 扩展了 HTML5 的 Video 和 Audio 标签能力，目前支持的视频封装格式是 MP4，支持的视频编码是 H.264 和 MPEG4 ,支持的音频编码是 AAC 和 MP3，FMP4 即 Fragment mp4，前端将封装好的 FMP4 数据直接送进 MediaSource 即可实现浏览器视频播放，当前主流浏览器支持情况：

当前浏览器对MSE支持情况

2.2  Web 前端 WebAssembly 解码 + Canvas 显示

方案说明：

前端收取到视频流后直接使用 ffmpeg 生成的 WebAssembly 进行软解码，输出 YUV、PCM，前端通过 WebGL 在 Canvas 上绘制视频画面，同时通过 Web Audio API 播放音频。

WebAssembly 是一种新的编码方式，可以在现代的网络浏览器中运行，它是一种低级的类汇编语言，具有紧凑的二进制格式，并为其他语言提供一个编译目标，以便它们可以在 Web 上运行。它也被设计为可以与 JavaScript 共存，允许两者一起工作。近几年已经被各主流浏览器所广泛支持，支持情况：

2.3 后端解转码 + H5 video 播放显示

方案说明：

前两方案基本是依靠 Web 前端实现视频播放，压力基本都在前端，播放路数受限，而此方案是需要部署一台服务器，进行视频码流的解码、编码、封装等动作，前端 Web 拿到 FMP4 视频数据后，依靠 MSE 扩展 video 标签的方式进行视频播放。 上述方案各有优缺点，如下：

那么我们依然面对以下问题：

• 如何面对服务器端资源紧张的情况下播放多路视频？如何面对跨浏览器播放各种音视频编码视频数据？如何面对端到端实时性要求高的使用场景？

三、Web 视频通用解决方案

我们经过大量分析讨论及预研，发现要解决这些问题的依然可行，在没有服务端资源情况下，我们只能将视频播放资源消耗前置，但考虑到浏览器对密集型数据计算并不擅长，我们决定在视频播放端使用后台程序，来实现视频封装、解码等动作。

在这个架构基础下，我们能够支持各种音视频编码格式，如 H264、H265、MJPEG、SVAC 等，同时，我们增加了多种模式来应对不同的使用场景。

3.1 适配兼容性好，实时性优先的视频播放需求：解码成 YUV + Web 前端 WebGL 显示

具体流程：

• 组件获取音视频码流，CPU 软解成视频帧 YUV 、音频帧 PCM ；电脑环回地址 Websocket 数据传输，不受网络带宽限制； 前端视频帧 WebGL 渲染，音频帧 Audio 标签音频播放，支持各种浏览器；通用性较强，支持各种音视频编码格式；支持 4 路 1080P 或者 9 路 4CIF ，端到端播放延迟 300ms 左右

3.2 适配视频码流自适应、性能优先的视频播放需求

具体流程：

• 组件获取音视频码流，若视频码流是 H264 ，封装成 FMP4 ，音频码流解码成 PCM ；Web 前端 H5 播放显示，利用浏览器硬解码能力，性能消耗较少；若视频码流非 H264 格式，解码成 YUV ，前端 WebGL 渲染；通过判断视频码流格式，自适应输出不同视频数据给前端，来达到综合性能消耗最低，支持路数更多的效果，支持各种浏览器。

3.3  适配高分辨率、多路数的视频播放需求

具体流程：

• 在 IE 引擎下，Web 前端可以加载组件中 OCX 控件，控件获取音视频码流；控件支持 H264 、H265 视频编码的 GPU 解码及显示；GPU 解码显示能力较好，使端到端播放延迟能够在 200ms 以内；支持 16 路 1080P ， 支持 400万 、 800万 等更高分辨率。

YUV输出Web视频播放

四、总结

总结：当然每个视频播放方案各有实际的使用场景及约束条件，在浏览器尚未支持 H265 等视频编码格式前，每个方案实现起来都有其对应的代价，怎么样实现 Web 视频播放并满足各自项目需求应该是百花齐放，各有略同。