底層技術發展驅動視頻會議系統可用性增強

視頻會議的發展是建立在一系列的底層應用技術的支撐上，底層技術視音頻壓 縮技術、視頻會議協議標準等的不斷發展，使得視頻會議可用性、互聯性不斷增強。

視音頻編解碼指通過視音頻編解碼算法對視音頻信息進行數據壓縮和解壓縮。 在進行圖像初始采集后，視音頻數據往往有大量的冗余信息，不利于網絡傳輸、存 儲和處理。通過視音頻編碼算法進行壓縮/解壓縮可以提高傳輸效率。

視頻壓縮標準 主要有 ITU定義的專用于低比特率視頻電話的標準，包括 H.261/2/3/5；國際標準化 組織 ISO 針對消費類應用對運動圖像壓縮定義 MPEG 標準，包括 MPEG1/2/4；由 ITU 與 ISO 聯合視頻小組JVT 定義的 H.264 編解碼技術

視頻壓縮標準可以從實現成本、編碼性能、網絡支持、應用支持范圍和未來潛 力等 5 個方面來進行打分，從而得到比較直觀的結果。

實現成本：包括算法實現的復雜度和資源占有程度，技術獲取的難度和代價， 以及其最終體現在產品中的成本高低；

編碼性能：主要體現在同等主、客觀視覺質量情況下，壓縮后所得到的碼流 大小，此對于網絡傳輸和存儲都非常關鍵；

網絡支持：主要取決于對網絡丟包和出錯的容錯能力與支持網絡的自適應能 力；

應用支持范圍：視頻監控領域的應用需求千變萬化，平臺對不同需求的支持 能力非常重要；

未來潛力：一個標準的潛力大小體現在未來被行業接受的廣泛程度，在相關 應用上轉化的平滑程度，和對互聯互通的支持程度等方面。

H.264 編解碼技術整體效果較好，成為過去數年廣為采用的標準。從編碼性能 上看，H.264 要遠優于 MPEG4，平均節約 39%的傳輸碼流，可在低于 1Mbps 的速 度實現標清數字圖像傳送，支持更加廣泛和多變的應用環境，在視頻監控領域已經 成為主流標準之一。2007 年推出的 H.264 SVC 標準是 H.264 標準的附錄 G，利用了 AVC 編解碼器的各種高效算法工具，支持具有分級特性的碼流，可以通過一次編碼 產生具有不同幀率、分辨率的視頻壓縮碼流，以適應不同網絡帶寬、不同的顯示屏 幕和終端解碼能力的應用需求，從而有效地避免了視頻會議系統中 MCU 上復雜而 昂貴的轉碼，是云視頻會議采用的主要協議。2012 年發布的 H.265 標準比 H.264 僅需原先的一半帶寬即可播放相同質量的視頻，同時支持 4K、8K。

在視頻會議中，通常會有多對多的語音對話，實現該功能主要通過語音采集、 編碼、傳送、解碼、語音重現等步驟來實現。音頻編碼技術可以縮小占用的帶寬， 在實際的語音通話應用中不可或缺。目前行業內主要的音頻編解碼標準包括 G.711、 G.722、G.728、G.723.1、G.729、G722.1、AAC_LD 等，其中 AAC 支持采樣率 48K， 達到高保真 CD 音質效果；在編碼延時上，AAC 編解碼為 20ms，效果較好。

視頻會議的呈現還依賴視頻的分辨率，高清晰度是視頻技術發展的主線之一。 視頻技術的分辨率實際是指圖片的分辨率，一個視頻是由無數的相同分辨率圖片組 成，分辨率大小決定了視頻的清晰度，分辨率越高，視頻的質量也越高。但同時， 分辨率的增加需求更高的視頻流碼率，會要求更高的網絡傳輸帶寬和速度。視頻技 術的發展經歷了 CIF 格式、480P、720P、1080P、2K、4K。目前，高清晰度（4K） 是視頻發展的主流趨勢。2019 年工信部等聯合發布的《超高清視頻產業發展行動計 劃》提出了到 2022 年我國超高清視頻產業的發展目標，在政策引導和各方資源積 極投入下，產業總體規模有望超過 4 萬億元，超高清視頻用戶數達到 2 億，4K 產 業生態體系基本完善，8K關鍵技術產品研發和產業化取得突破，形成技術、產品、 服務和應用協調發展的良好格局。

視頻會議的發展離不開國際標準的制定，國際標準的重要性在于解決了不同廠 商產品的互通和兼容性問題，從而實現了真正的互聯互通，保護了用戶的利益；同 時降低了廠商研發和用戶建網成本，使得視頻會議真正推廣開來。視頻通信的組網 協議從 1960 年代的各公司專用系統發展到如今的SIP 協議，極大促進了行業發展。 目前國際標準有 H.320、H.323（ITU）和 SIP（IETF）3 個標準集，其中 H.323 是 目前的主流標準，SIP 將會是下一代標準。

H323 標準是 ITU-T 組織于 1996 年在 h.320 的基礎上建立起來的基于寬帶 IP 網的視訊會議系統系列協議的集合，涵蓋了音頻、視頻及數據在以 IP 包為基礎的網 絡上的通訊，允許不同廠商的多媒體產品和應用能夠互操作。SIP（會話初始協議） 是 IETF 于 1999 年提出的在 IP 網上進行多媒體通信的應用層控制協議，是 IETF 標 準進程的一部分。SIP 協議則更為簡單、開放、靈活，目前的大部分主流網絡視訊 產品均支持 H.323，并可兼容 SIP 協議以適應未來發展。

從標準的完備性而言， H.323 是關于在IP環境中實時多媒體應用的完整標準族， 對于呼叫的建立、管理以及所傳輸媒體格式等各個方面都有完善而嚴格的規定；而 sip 標準嚴格意義上講是一個實現實時多媒體應用的信令標準，自身不支持多點的會 議功能以及管理和控制功能，而是要依賴于別的協議實現，如 ITU-T SG16 小組提 出的 sip 運用規范，影響了系統的完備性。

從系統實現的難易性而言，h.323 標準的信令信息是采用符合 asn.1 per 的二進 制編碼，并且在連接實現全過程都要嚴格標準的定義，系統的自由度小，如要實現大規模的應用，需要對整個網絡的各個環節進行規劃。SIP 標準建立在 SMTP（簡 單郵件傳送協議）和 HTTP（超文本傳送協議）的基礎之上，信令信息是基于文本 的，采用符合 iso10646 的 utf-8 編碼，全系統的構造結構相對靈活，終端和服務器 的實現也相對容易成本也較低，從網絡運營商的角度考慮，構造一個大規模視頻通 訊網絡，采用 sip 系統的成本要廉價許多，而且也更具有可實現性。

從組網結構而言，H.323 協議傾向于嚴謹的層次化結構，由多點控制單元(MCU) 集中執行會議控制功能，所有參加會議終端都向 MCU 發送控制消息，不支持信令 的組播功能，限制了可擴展性，降低了可靠性；而 SIP 設計上就為分布式的呼叫模 型，具有分布式的組播功能，其組播功能不僅便于會議控制，而且簡化了用戶定位、 群組邀請等，并且能節約帶寬。

視頻會議的使用環境復雜，光照、天氣、音場等因素都有可能極大地影響視音 頻的表現效果，產生模糊、回聲、昏暗等情形，因此視音頻處理技術也會影響產品 的體檢效果。視頻的處理主要包括圖像降噪、低照度轉換、白平衡、寬動態等功能， 音頻的處理則主要包括回聲抵消、語音降噪、嘯叫抑制等功能。主流企業技術水平 高低主要區別在算法處理速度和處理效果方面。