基于5G網(wǎng)絡的視頻低延遲視頻關鍵技術及應用場景

本次分享將分為三個部分：第一部分介紹低延遲視頻所涉及到的關鍵技術，包括低延遲視頻編解碼、視頻傳輸、視頻處理低延時框架、視頻采集和顯示；第二部分重點介紹5G環(huán)境下低延遲視頻對抗弱網(wǎng)提出的要求，包括：弱網(wǎng)狀態(tài)的探測、擁塞控制等；最后一部分會結合實際測試結果，介紹在港口遠控、遠程駕駛等場景下的應用范例。

網(wǎng)絡技術發(fā)展帶來了延時低這一問題的討論。以前網(wǎng)絡的延遲比較高，芯片的處理都需要時間，所以延時一直都做得不夠完美。隨著技術的發(fā)展，芯片的處理能力提高和網(wǎng)絡的發(fā)展，低延遲視頻開始能夠運用在一些比較特殊的場景，所以今天我想講的主要內(nèi)容包括：首先把“低延時”這一問題拋出來，然后介紹一下如何解決這些問題和相關技術，最后介紹低延遲視頻的應用場景。

-01-

低延遲視頻面對的問題

延時是做視頻都會遇到的一個關鍵技術指標。平時面對面實時交流，一般200ms的延時就能達到滿意的狀態(tài)，因為人與人之間交流的反應速度沒有這么快。但是人和機器交流或機器和機器間對接，對延遲的要求就會比較高，因為機器的反應速度遠快于人。例如受操控的中等速度的工程車，通常100ms的延遲速度能夠滿足控制要求，較典型的例子是遠程控制車上的機械臂。另外，游戲也有比較高的延遲需求，最好是在100ms以下，最好能夠做到50ms、60ms左右。因為游戲雖然是人在操控，但控制的是較為激烈的游戲場景，例如開車、開槍，可能延遲差一點點游戲就輸了，因此延遲對于用戶體驗而言是很關鍵的。遠程開車速度通常有60公里/小時，延遲如果在60ms左右，控制時就會有1米左右的誤差。再如在高速公路上操控無人機，“智慧道路”要求在控制的同時告知操控人前方是否有事故或障礙物，因此延遲需要達到30ms左右才能滿足用戶的要求。

那么如何定義延遲呢？ 從視頻的產(chǎn)生、采集到顯示（在云游戲場景下，即從視頻產(chǎn)生的時候算起）產(chǎn)生的延時，即視頻經(jīng)過發(fā)送、網(wǎng)絡傳輸、接收，一直到顯示器，這整個環(huán)節(jié)就屬于端到端的延時。中間段的延時也可以單獨計算，例如從發(fā)送端到接收端，不計算頭和尾的延時。這中間的很多環(huán)節(jié)都會產(chǎn)生延時，所以每個環(huán)節(jié)的延時都需要計算、都需要考慮指標能做到多少，這樣才能把完整的延時定義出來。同時，還需要考慮內(nèi)容的產(chǎn)生來源，例如內(nèi)容是從某個云端產(chǎn)生，這其中的延時也需要計算。因此，技術指標是需要考慮到各個方面的。以上就是它的定義。

? 可以通過列表來估算每個環(huán)節(jié)會產(chǎn)生多大的延遲，哪些環(huán)節(jié)是容易產(chǎn)生延遲的。第一個環(huán)節(jié)是采樣，如果是30幀/秒，其中會有33ms左右的間隔。這個（過程）本身也是有延遲的，因為采集有固定間隔，其固定間隔就是采樣的延時。接下來是媒體的前處理，主要是ISP芯片帶來的延遲，例如降噪、畸變校正等，其中的運算、數(shù)據(jù)傳輸都會產(chǎn)生延時，這部分就和它的處理能力有關，我們也可以對其進行估算。

然后是發(fā)送緩沖、網(wǎng)絡傳輸、接收緩沖，這些也都需要時間，因為網(wǎng)絡的帶寬是有限的，如果帶寬非常寬，則傳輸時間可以忽略不計。后面會詳細介紹這其中會帶來什么問題。這部分是延時產(chǎn)生的主要來源。

再之后是后處理，后處理和前處理相同，都屬于媒體的處理，這部分的延遲比較固定，其數(shù)值不會波動太大。而中間的網(wǎng)絡部分（的延遲）波動是比較大的，是隨著網(wǎng)絡條件、環(huán)境變化而變化的，也和丟不丟包有關。最終的顯示，解碼之后進入顯示緩存和顯示器，顯示也是存在等待延遲的。綜合上面的計算，根據(jù)目前系統(tǒng)的能力來看，如果不計算采樣延時，（延時）大概在20到幾百之間。

? 下面再逐個分析延時產(chǎn)生的原因到底是什么。一個是計算的開銷，比如說在處理的時候計算很復雜，涉及到一些數(shù)值計算，比如做白平衡、降噪、去掉噪聲、編碼、解碼，這些都是大計算量的，都需要時間，時間大概在幾毫秒到幾十毫秒不等。這部分屬于計算的開銷。

第二個（延遲產(chǎn)生的）來源是傳輸延遲。網(wǎng)絡本身是有延遲的，不管是什么網(wǎng)絡，光的傳輸都是需要時間的，路由器處理也需要時間，不管用什么方式（傳輸）都是需要時間的。視頻的數(shù)據(jù)量比較大，大的視頻幀有幾百kbps到幾M不等。傳輸是在有限的帶寬上進行，假設是50M、100M左右的網(wǎng)絡，傳一個2M的視頻，這是需要幾毫秒時間的。通過后面的視頻傳輸數(shù)據(jù)的波形圖，可以看出視頻的碼流是不穩(wěn)定的，即每幀的大小差異比較大，每幀在傳輸中需要的時間是不確定的，每幀到達目的地的時間不同，是不是固定的，這樣不可預計到達時間。壓縮前的視頻數(shù)據(jù)達到1G左右的級別，即數(shù)據(jù)在編碼前和解碼后都有這么大的數(shù)據(jù)量，這在終端設備上顯示和處理都是需要時間的。所以傳輸?shù)难舆t算是需要考慮的一個方面。還有就是抗丟包。當網(wǎng)絡質(zhì)量比較差的時候，要應對網(wǎng)絡抖動或網(wǎng)絡丟包，就要用一個“代價”。通常情況下，要保證用戶體驗，要用的“代價”就是用延時來換。所以要增加延遲來抵抗（丟包），比如重傳。這部分的延遲是可變動的，隨著網(wǎng)絡狀態(tài)的變化而不斷變化。再有就是任務調(diào)度之間的延遲。要把以上的步驟串起來，不同的模塊之間、不同的任務之間需要安排好，像流水線一樣。如果流水安排得不好，就會出現(xiàn)“等待”：數(shù)據(jù)還沒來，我無法處理，需要等數(shù)據(jù)過來才能開始。這其中就有等待延遲。

? 再看到延遲、帶寬和算力之間的關系。它們之間是三角形的、互相矛盾關系。如果要限制算力、節(jié)省算力，延遲可能就會上升。算力如果給得多，延遲或帶寬就會占得比較少，它們之間是互相矛盾的關系。假如帶寬給得非常高，給得十分充足，延遲肯定就會下降，因為花在傳輸路上的時間少了，而且如果帶寬給得高，抗丟包也好做，需要的抗弱網(wǎng)的延遲比較少。所以它們之間是三角形的關系。延遲最終可以表達為與帶寬、算力、視頻質(zhì)量相關的函數(shù)，視頻質(zhì)量高，要求的延遲、算力的消耗都會更多，會影響視頻質(zhì)量。算力高意味著成本高，帶寬占得高也意味著成本高，所以需要尋找平衡。在什么樣的質(zhì)量下、在什么樣的延遲要求下，用多少成本約束是合理的。也不是一定要選擇最好的芯片，處理能力、配置強一些、帶寬配置高一些，就一定是好的，它是一個均衡的關系，相互之間要達到平衡和優(yōu)化。當然，視頻質(zhì)量和延遲也是互為矛盾的關系，如果視頻質(zhì)量要求高，碼率就會高。

? 再看下視頻碼流的圖。不同的線表示不同的條件，有的是游戲，有的是演講、聊天。在不同的條件下的曲線是變化的，碼流是不太有規(guī)則的，雖然長時間看，有一根平均線，但短時間看是忽上忽下的，這是因為視頻的復雜度不一樣，內(nèi)容的復雜度和碼流是有關系的。內(nèi)容越復雜，或者攝像頭劇烈晃動、距離變動，碼流自然就會沖高，因為帶寬（例如4M的帶寬）是壓不住的，是會上升的。因為編碼要保證質(zhì)量在一定范圍內(nèi)、保證它不太差，那么（碼流）必然會沖高，因為信息量非常大。如果把碼率壓低，編碼器最終輸出的質(zhì)量會很差，就會看到很多不清楚的、模糊的畫面。內(nèi)容的復雜度還包括幀內(nèi)的內(nèi)容。如果幀內(nèi)的內(nèi)容非常豐富，也會影響碼流的輸出。所以視頻的碼流波動是比較劇烈的。

還有一個影響碼率的因素是視頻的I幀、P幀的問題。關鍵幀的大小一般是P幀的5倍、10倍都有可能，這取決于內(nèi)容的復雜度、幀內(nèi)的復雜度。如果幀內(nèi)復雜度很高，100k、200k都是很正常的，而P幀可能只有它的十分之一。因為它的波動比較劇烈，所以每幀在路上傳輸消耗的時間是不一樣的，即使是網(wǎng)絡很好的時候，到達、接收的時間也是不一樣的，到達延遲是變化的。有的幀可能特別大，要把它拆成幾百個報文，要等所有的報文都收到才算傳輸完畢，這路上花費的時間變化就會比較大。同時，碼流變化會對網(wǎng)絡產(chǎn)生一定的沖擊，假設幾個攝像頭在同一個信道里傳輸，幾個波峰都在一起，相互之間會擠，等待時間就會大幅度增加，就會出現(xiàn)更多不可預料的延時。這些問題都是需要考慮的。

? 顯示也是有延遲的。視頻解碼后，到GPU渲染，再到操作系統(tǒng)顯示。如圖，是安卓上的顯示過程，在其他系統(tǒng)上也是一樣的，有顯示服務，服務每隔一段時間會刷新一次的，如果要求數(shù)據(jù)”1”低延遲顯示，就要在第一個間隔點前把它處理、渲染好，比如你需要疊加一個文字，就需要在這之前處理好，再到下一個時間段會把它刷新。除了圖中的延遲外，還有顯示器刷新的時間，顯示器刷新的時間比較短，有的顯示器僅有1毫秒。操作系統(tǒng)是軟件控制的，這里的延遲和刷新率有關，例如刷新頻率是100赫茲，就會有10毫秒的間隔。這是一個固定的延遲，它是操作系統(tǒng)和刷新間隔造成的。再看圖中的“3”的圖像，“3”跨越兩個時間段，它的顯示就會等待更長時間，它不會在前面還沒有處理完就刷新顯示器。所以顯示的環(huán)節(jié)也是延遲比較大。

以上就是低延遲視頻的問題，下面再看下如何解決這些問題。

? 我把它歸納為傳輸和信源（兩部分）。傳輸主要是指低延遲傳輸，即如何實現(xiàn)（傳輸?shù)模┛焖?、穩(wěn)定，能抵抗丟包。信源層包括攝像頭前面的處理部分，到最終的顯示，如果把這一系列問題都能解決好，解決延遲問題的目標就達成了。

? 并行視頻的處理和編碼。視頻本身是采樣過來的，是可以劃分成條塊的，前面這個示意圖可以橫過來劃分，也可以四分劃分。發(fā)送條塊可以通過并行來計算，圖像的并行化是解決延遲的主要手段。當然，并行化也會帶來一些問題，并行是通過劃分（進行的），計算的時候就可以把每塊分別計算，進行處理，包括后面的編碼也可以用同樣的方法，這樣就可以通過并行化把延遲降到原來的幾分之一。當然，（為了實現(xiàn)并行化），每幀都單獨處理而不做關聯(lián)會造成一些問題，比如白平衡，有的處理算法要整幀先計算，或者后面做補償計算。因為每幀的內(nèi)部及每幀之間是有關聯(lián)度的，包括編碼，在計算時一旦分割進行全屏處理，從而實現(xiàn)并行化。

并行化有什么問題呢？一個是做了分塊之后，Slice的壓縮比也是受影響的，不僅有幀頭開銷，Slice之間的相互參考也會減少，就會帶來壓縮率的下降。還有就是視頻解碼時，要跨越條塊邊界就需要做濾波，所以解碼的并行化不如編碼的并行化好。所以一般是編碼時做并行化，解碼的并行化比較弱。然后是做圖像處理時，不同條塊之間有一致性的問題，比如光照強度，有區(qū)域的較暗，需要做統(tǒng)一的計算，才能知道別的塊要怎么處理。

因此，如果把并行化做好，編碼的時間、前處理的時間都可以減少很多。充分發(fā)揮計算的能力，通過并行化的手段使延遲下降。

還有就是動態(tài)調(diào)整關鍵幀的間隔，來減少碼流波動?？瓷厦孢@張圖，關鍵幀如果同時出現(xiàn)，這兩幀的延遲都受到影響。這時候瞬間出現(xiàn)一個比較大的波動，到達接收端時，就會出現(xiàn)這一幀在路上的時間特別長的情況，其他幀比較小。但是顯示時為了保證流暢性，減少快慢播問題，就必須緩沖和等待。為了能夠平滑地顯示播放，不至于不斷出現(xiàn)快放、慢放的情況，就會導致所有的幀都帶來額外的延遲，慢慢才能通過動態(tài)緩沖把它補償回來。這種情況是需避免的，以避免關鍵幀同時出現(xiàn)。

在延遲要求比較敏感的地方，關鍵幀盡量越少越好。因為關鍵幀越少，碼流的平滑度越容易做，每幀在路上的時間不容易出現(xiàn)波動。當然，有的場景會要求固定間隔，比如幾秒就要有一個關鍵幀。假如沒有終端臨時加入觀看，是可以讓間隔長一些的，這是有收益的，而且壓縮比也更高。但是如果有的場景間隔要求短，就盡量避免它們同時出現(xiàn)。在同一個信道中間傳輸多路視頻的時候，盡量把關鍵幀交錯開，避免關鍵幀同時出現(xiàn)，減少I幀的碰撞。

在傳輸過程中間，已經(jīng)編碼完的數(shù)據(jù)立刻進行傳輸，盡量減少等待。有多少數(shù)據(jù)立刻傳輸，不用等這一幀全部編完，因為按照并行化編碼，數(shù)據(jù)是可以先后出來的，這樣就可以減少等待。這是傳輸?shù)膯栴}。

有的場景延遲是固定為主的，有的則是變化的，因為是和網(wǎng)絡有關的，網(wǎng)絡路上很多是不確定的，哪兒堵車了、哪兒出問題了，會帶來很大的不確定性。一般抗丟包用的都是前向糾錯或者重傳，或者兩者互相結合。如果是延遲很敏感的場景，可以先用FEC使丟包率下降，但它不能把丟包率完全消除，這取決于你的丟包模型。如果模型是很均勻的，用FEC是可以把它消除到幾乎沒有的；但通常前向糾錯本身是無法把它完全消除的，但它能夠使得你的丟包率下降，下降之后發(fā)生重傳的概率就會相對低一些。重傳的次數(shù)越多，在路上RTT的時間就會更長，就會出現(xiàn)卡頓，就會影響后面視頻的接收和顯示，緩沖區(qū)就會有很多數(shù)據(jù)在等。

而且前向糾錯本身冗余率是非常高的，它會帶來額外的帶寬的浪費和消耗。但它是一種平衡，假如你舍得用帶寬，延遲是可以下降的；如果你覺得帶寬很值錢，不希望消耗太多，延遲可能就會增加一些，前向糾錯可能就加得少或者不加，因為有時不一定會有收益。在丟包比較多、或丟包模型不符合一定條件時，不用FEC會劃算，這是一種平衡。如果能夠通過網(wǎng)絡狀態(tài)探測到，并且能夠根據(jù)當前的丟包率、RTT的時間，能夠動態(tài)調(diào)整，達到一個平衡就能知道什么場景下用什么方式是最劃算的。

通訊引擎本身是能夠滿足各種條件的。例如延遲敏感條件，或者帶寬和延遲要求平衡的條件，告訴引擎有這些偏好要求，就可以通過做一些策略調(diào)整來達到最終延遲和帶寬消耗的平衡。

還有就是智能調(diào)速技術。接收方把每個報文的接收時間反饋回去，發(fā)送端就可以根據(jù)接收的時間和發(fā)送時間的差來估算網(wǎng)絡狀態(tài)，最終可以獲得網(wǎng)絡帶寬、當前的丟包率、延遲等信息。網(wǎng)絡如果感知到這些信息，碼率就可以做動態(tài)調(diào)整。在移動網(wǎng)絡中，碼率和帶寬是波動的，當被干擾、被遮擋或有天氣變化等情況時，它的無線信號在一段時間內(nèi)也會出現(xiàn)比較大比例的丟包或帶寬的下降。無線信號的噪聲上升了，整個網(wǎng)絡的帶寬就會下降，丟包率上升等情況都會出現(xiàn)。這時就需要對它進行動態(tài)監(jiān)測，要估算網(wǎng)絡現(xiàn)在到底怎么樣、處于什么狀態(tài)，要獲得丟包率等參數(shù)，同時感知視頻內(nèi)容。

所謂的內(nèi)容，是指內(nèi)容的復雜度，復雜度可以表征為時間復雜度和空間復雜度。時間復雜度就是每幀之間的變化，比如運動是否劇烈?？臻g復雜度是幀內(nèi)的畫面復雜度。根據(jù)這些來動態(tài)估計碼率的決策，可以使得碼率更加合理，達到最優(yōu)值，減少卡頓和延遲。

智能調(diào)速能夠根據(jù)各種條件實時動態(tài)調(diào)整碼率。調(diào)整碼率不能太頻繁，不能一秒鐘內(nèi)立刻就變了，那也是有問題的，它也得有一定的調(diào)整時間的限制。這個圖可以看出，如果調(diào)整的時間合理，隨著網(wǎng)絡帶寬的恢復，碼率也能恢復。當然恢復是慢速恢復，下降則是快速下降。為了盡量消除卡頓，帶寬必須快速下降，而上升則是慢慢上升。

還有一個問題是最短傳輸路徑。如果端到端，在兩個端上解決這個問題，其實還不是徹底地解決，因為在路上傳輸所消耗的時間和網(wǎng)絡節(jié)點是從哪兒走有關。如果網(wǎng)絡節(jié)點之間，能夠把路況都探測到、獲取到不同路徑的延遲和帶寬情況，就可以尋找到最小延遲路徑來解決延遲這個問題，使得網(wǎng)絡傳輸之間自主選路。再加上上面端到端之間的媒體抗弱網(wǎng)，在端到端之間、2個媒體節(jié)點之間做抗丟包，綜合起來之后可以達到完整的方案。每個節(jié)點都做了優(yōu)化，就可以解決好這個問題。 ?

-03-

低延遲視頻應用案例

最后說一下應用場景。

? 5G應用給產(chǎn)業(yè)帶來了一些變革。之前許多控制都是靠有線的，例如網(wǎng)線、光纖。但是有了移動網(wǎng)絡之后，一些需要運動的、不太容易布線的（東西、場景），移動網(wǎng)絡就可以適用于這些新的應用場景，例如生產(chǎn)線、工業(yè)應用、自動駕駛、遠程操控，或是一些較為危險的場景，例如地下礦車等。工業(yè)園區(qū)、港口、煤礦、醫(yī)院、智慧社區(qū)這些都是未來潛在的應用可能。這也是移動網(wǎng)絡帶來的一個好處，即通信設備可以通過移動網(wǎng)絡來解決問題。

這是我們中興做的一個網(wǎng)關，上面帶5G天線，里面可以接幾個攝像頭，也可以接工業(yè)、車載控制的口，接口豐富?？梢越?a href="http://www.1cnz.cn/tags/sdi/" target="_blank">SDI的攝像頭，這種攝像頭延遲是比較低的。還有就是接入IP攝像頭，它已經(jīng)把視頻編碼和打包好了。最后工業(yè)設備的控制，通過遠程控制臺可以控制前面的設備。IP攝像頭的延遲取決于攝像頭編碼和采集的延遲。因為上面有5G天線，所以可以實現(xiàn)遠程控制。

還有一種是可以有一個網(wǎng)關，前面攝像頭已采集的視頻經(jīng)過它做一次轉碼，轉碼之后再通過天線從基站過來，再把視頻進行回傳。這是我們的另外一個設備，它可以進行網(wǎng)關的轉碼或合成，畫面也可以在里面合成，合成網(wǎng)關設備可以和前面的設備形成互補。

案例1是煤礦。左邊是煤礦的機械，在井道里面，如果將網(wǎng)關放在車上，可以在機械上放幾個攝像頭，遠程控制中心可以看到礦井內(nèi)視頻，就不用人在下面開車了，可以在地面的集控中心控制它。因為這個機械的延遲要求估計在100毫秒就夠，它運動速度不快，就可以解決井下工人工作環(huán)境危險的問題。這是通過遠程控制減少人工成本的比較有價值的應用。

無人集卡。這和前面的車差不多，但它可以帶幾個SDI或IP攝像頭，然后通過車載完成控制。中間要建5G的基站，及核心網(wǎng)設備。里面有2個5G模組實現(xiàn)備份，提供抗弱網(wǎng)體驗，支持onvif攝像頭，及支持IP攝像頭接入。到了本地之后它是可以走有線的。

這個場景是在港口上。港口上有龍門吊（之類的設備），每個吊車上可以放20、30個攝像頭，人都是在操控室里控制的。這種場景要求人可以切換攝像頭，傳過來之后還需要做一些放大，這樣才能使操作時司機控制得比較好。這種以前都是用有線來做的，用光纖或網(wǎng)線來做，因為環(huán)境比較惡劣，有一定的維護成本。如果換成無線的這種，相對而言維護成本會降低?？梢蕴峁?0-80毫秒的延遲，無線網(wǎng)絡上的這一段大概在10毫秒，可以解決在岸橋這一場景的遠程控制。它的優(yōu)勢在于司機控制龍門吊時可以自由切換攝像頭，智能化之后生產(chǎn)效率還是會有一定提高的。