# 时域可分层视频编码 ## 基础概念 ### 时域可分层视频编码介绍 **可分层视频编码**，又叫可分级视频编码、可伸缩视频编码，是视频编码的扩展标准，目前广泛使用的包含SVC（H.264编码标准采用的可伸缩扩展）和SHVC（H.265编码标准采用的可扩展标准）。 其特点是能一次编码出时域分层、空域分层、质量域分层的码流结构，满足因网络、终端能力和用户需求不同带来的差异化需求。 **时域可分层视频编码**，是指能编码出时域分层码流的视频编码，下图展示了通过参考关系构建的4层时域分层码流结构。 ![Temporal scalability 4 layers](figures/temporal-scalability-4layers.png) 从高到低逐层丢弃部分层级的码流（丢弃顺序L3->L2->L1），能实现不同程度的帧率伸缩，以满足传输和解码能力的变化需求。 如下图所示，这是上述4层时域分层码流结构丢弃L3后组成的新的码流结构，能在解码正常的情况下实现帧率减半的效果。其他层的丢弃同理。 ![Temporal scalability 4 layers L3 dropped](figures/temporal-scalability-4layers-L3-dropped.png) ### 时域分层码流结构介绍 基础码流是由一个或多个独立图像组（Group Of Pictures，简称GOP）组合而成的视频码流。GOP是在编码中一组从I帧开始到I帧结束的连续的可独立解码的图像组。 时域分层码流可以在GOP内继续细分为独立的一个或多个时域图像组（Temporal Group Of Pictures，简称TGOP），每一个TGOP由一个基本层和后续的一个或多个增强层组合而成，如上述4层时域分层码流结构中的帧0到帧7是一个TGOP。 - **基本层（Base Layer，简称BL）：** 是GOP中的最底层（L0）。在时域分层中，该层用最低帧率进行编码。 - **增强层（Enhance Layer，简称EL）：** 是BL之上的层级，由低到高可以分为多层（L1、L2、L3）。在时域分层中，最低层的EL参考BL，进一步编码帧率更高的层级，更高层的EL会参考BL或低层EL，来编码比低层更高帧率的视频。 ### 如何实现时域分层码流结构 时域分层码流结构的实现依赖于逐帧指定的参考关系，参考帧根据在解码图像缓存区（Decoded Picture Buffer，简称DPB）驻留的时长分为短期参考帧和长期参考帧。 - **短期参考帧（Short-Term Reference，简称STR）：** 是不能长期驻留在DPB中的参考帧，更新方式是先进先出，如果DPB满，旧的短期参考帧会被移出DPB。 - **长期参考帧（Long-Term Reference，简称LTR）：** 是能长期驻留在DPB中的参考帧，通过标记替换的方式更新，不主动标记替换就不会更新。 虽然STR个数大于1时，也能实现一定的跨帧参考结构，但受限于存在时效过短，时域分层结构支持的跨度有限。LTR则不存在上述问题，也能覆盖短期参考帧跨帧场景。优选使用LTR实现时域分层码流结构。 ## 适用场景 基于上述描述的时域分层编码特点，推荐以下场景使用： - 场景1：播放侧无缓存或低缓存的实时编码传输场景，例如视频会议、视频直播、协同办公等。 - 场景2：有视频预览播放或倍速播放需求的视频编码录制场景。 若应用场景不涉及动态调整时域参考结构，且分层结构简单，则推荐使用[全局时域可分层特性](#全局时域可分层特性feature_temporal_scalability)，否则使能[长期参考帧特性](#长期参考帧特性feature_long-term_reference)。 ## 约束和限制 - 不可以混用全局时域可分层特性和长期参考帧特性。 由于底层实现归一，全局时域可分层特性和长期参考帧特性不能同时开启。 - 叠加强制IDR配置时，请使用随帧通路配置。 参考帧仅在GOP内有效，刷新I帧后，DPB随之清空，参考帧也会被清空，因此参考关系的指定受I帧刷新位置影响很大。 使能时域分层能力后，若需要通过`OH_MD_KEY_REQUEST_I_FRAME`临时请求I帧，应使用生效时机确定的随帧通路配置方式准确告知系统I帧刷新位置以避免参考关系错乱，参考随帧通路配置相关指导，避免使用生效时机不确定的`OH_VideoEncoder_SetParameter`方式。详情请参考[视频编码Surface模式](video-encoding.md#surface模式)"步骤-4：调用OH_VideoEncoder_RegisterParameterCallback()在Configur接口之前注册随帧通路回调。"。 - 支持`OH_AVBuffer`回调通路，不支持`OH_AVMemory`回调通路。 新特性依赖随帧特性，应避免使用`OH_AVMemory`回调`OH_AVCodecAsyncCallback`，应使用`OH_AVBuffer`回调`OH_AVCodecCallback`。 - 支持时域P分层，不支持时域B分层。 时域可分层编码按分层帧类型分为基于P帧的时域分层和基于B帧的时域编码，当前支持分层P编码，不支持分层B编码。 - 均匀分层模式当前只支持TGOP为2或4。 ## 全局时域可分层特性（Feature_Temporal_Scalability） ### 接口介绍 全局时域可分层特性，适用于编码稳定和简单的时域分层结构，初始配置全局生效，不支持动态修改。开发配置参数如下。 | 配置参数 | 语义 | | -------- | ---------------------------- | | OH_MD_KEY_VIDEO_ENCODER_ENABLE_TEMPORAL_SCALABILITY | 全局时域可分层编码使能参数。 | | OH_MD_KEY_VIDEO_ENCODER_TEMPORAL_GOP_SIZE | 全局时域可分层编码TGOP大小参数。 | | OH_MD_KEY_VIDEO_ENCODER_TEMPORAL_GOP_REFERENCE_MODE | 全局时域可分层编码TGOP参考模式。 | - **全局时域可分层编码使能参数：** 在配置阶段配置，仅特性支持才会真正使能成功。 - **全局时域可分层编码TGOP大小参数：** 可选配置，影响时域关键帧之间的间隔，用户需要基于自身业务场景下抽帧需求自定义关键帧密度，可在[2, GopSize)范围内配置，若不配置则使用默认值。 - **全局时域可分层编码TGOP参考模式参数：** 可选配置，影响非关键帧参考模式。包括相邻参考`ADJACENT_REFERENCE`、跨帧参考`JUMP_REFERENCE`和均匀分层`UNIFORMLY_SCALED_REFERENCE`。相邻参考相对跨帧参考拥有更好的压缩性能，跨帧参考相对相邻参考拥有更好的丢帧自由度，均匀分层模式丢帧后的码流分布更均匀，如不配置则使用默认值。 > **说明：** > 均匀分层模式当前只支持TGOP为2或4。 > 使用举例1：TGOP=4时的相邻参考模式。 ![Temporal gop 4 adjacent reference](figures/temporal-scalability-tgop4-adjacent.png) 使用举例2：TGOP=4时的跨帧参考模式。 ![TGOP4 jump reference](figures/temporal-scalability-tgop4-jump.png) 使用举例3：TGOP=4时的均匀分层模式。 ![TGOP4 uniformly scaled reference](figures/temporal-scalability-tgop4-uniformly.png) ### 开发指导 基础编码流程请参考[视频编码开发指导](video-encoding.md)。下面将重点说明与基础视频编码流程中的不同之处。 1. 在初始阶段创建编码实例时，校验视频编码器是否支持全局时域可分层特性。 ```c++ // 1.1 获取对应视频编码器能力实例，此处以H.264为例。 OH_AVCapability *cap = OH_AVCodec_GetCapability(OH_AVCODEC_MIMETYPE_VIDEO_AVC, true); // 1.2 通过特性能力查询接口校验是否支持全局时域可分层特性。 bool isSupported = OH_AVCapability_IsFeatureSupported(cap, VIDEO_ENCODER_TEMPORAL_SCALABILITY); ``` 如果支持，则可以使能全局时域可分层特性。 ```c++ // 创建硬件编码器实例。 OH_AVCodec *videoEnc = OH_VideoEncoder_CreateByMime(OH_AVCODEC_MIMETYPE_VIDEO_AVC); ``` 2. 在配置阶段，设置全局时域可分层编码特性参数。 ```c++ constexpr int32_t TGOP_SIZE = 3; // 2.1 创建配置用临时AVFormat。 auto format = std::shared_ptr(OH_AVFormat_Create(), OH_AVFormat_Destroy); if (format == nullptr) { // 异常处理。 } // 2.2 填充使能参数键值对。 OH_AVFormat_SetIntValue(format.get(), OH_MD_KEY_VIDEO_ENCODER_ENABLE_TEMPORAL_SCALABILITY, 1); // 2.3 (可选)填充TGOP大小和TGOP内参考模式键值对。 OH_AVFormat_SetIntValue(format.get(), OH_MD_KEY_VIDEO_ENCODER_TEMPORAL_GOP_SIZE, TGOP_SIZE); OH_AVFormat_SetIntValue(format.get(), OH_MD_KEY_VIDEO_ENCODER_TEMPORAL_GOP_REFERENCE_MODE, ADJACENT_REFERENCE); // 2.4 参数配置。 int32_t ret = OH_VideoEncoder_Configure(videoEnc, format.get()); if (ret != AV_ERR_OK) { // 异常处理。 } ``` 3. （可选）在输出轮转中，可以获取码流对应时域层级信息。 开发者可利用已配置的TGOP参数和编码出帧数目获取时域层级信息。 示例代码如下： ```c++ constexpr int32_t TGOP_SIZE = 3; uint32_t outPoc = 0; // 通过输出回调中有效帧数，获取TGOP内相对位置，对照配置确认层级。 static void OnNewOutputBuffer(OH_AVCodec *codec, uint32_t index, OH_AVBuffer *buffer, void *userData) { struct OH_AVCodecBufferAttr attr; OH_AVErrCode ret = OH_AVBuffer_GetBufferAttr(buffer, &attr); if (ret != AV_ERR_OK) { // 异常处理。 } // 刷新I帧后POC归零。 if (attr.flags & AVCODEC_BUFFER_FLAGS_SYNC_FRAME) { outPoc = 0; } // 只有XPS的输出需要跳过。 if (attr.flags != AVCODEC_BUFFER_FLAGS_CODEC_DATA) { int32_t tGopInner = outPoc % TGOP_SIZE; if (tGopInner == 0) { // 时域关键帧，后续传输、解码流程不可丢弃。 } else { // 时域非关键帧，后续传输、解码流程可以丢弃。 } outPoc++; } } ``` 4. （可选）在输出轮转中，使用步骤3获取的时域层级信息，自适应传输或自适应解码。 根据获取的时域可分层码流和对应的层级信息，开发者可选择需要的层级进行传输，或携带至对端自适应选帧解码。 ## 长期参考帧特性（Feature_Long-Term_Reference） ### 接口介绍 长期参考帧特性提供帧级参考关系配置。适用于灵活和复杂的时域分层结构。 | 配置参数 | 语义 | | -------- | ---------------------------- | | OH_MD_KEY_VIDEO_ENCODER_LTR_FRAME_COUNT | 长期参考帧个数参数。 | | OH_MD_KEY_VIDEO_ENCODER_PER_FRAME_MARK_LTR | 当前帧标记为LTR帧。 | | OH_MD_KEY_VIDEO_ENCODER_PER_FRAME_USE_LTR | 当前帧参考的LTR帧的POC号。 | - **长期参考帧个数参数：** 在配置阶段进行设置，应不大于实际查询到的最大支持数目。具体查询方法请参见下文开发指导的“步骤-3”。 - **当前帧标记为LTR帧：** BL层和被跳跃参考的EL层均标记为LTR。 - **当前帧参考的LTR帧的POC号：** 如当前帧需要跳跃参考前面已被标记为LTR帧的POC号。 使用举例，实现[时域可分层视频编码介绍](#时域可分层视频编码介绍)中的4层时域分层结构的配置如下。 1. 在配置阶段，将`OH_MD_KEY_VIDEO_ENCODER_LTR_FRAME_COUNT` 配置为5。 2. 在运行阶段输入轮转中，按如下表所示随帧配置LTR相关参数，下表中`\`表示不做配置。 | 配置\POC | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | | -------- |---|---|---|---|---|---|---|---|---|---|----|----|----|----|----|----|----| | MARK_LTR | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | | USE_LTR | \ | \ | 0 | \ | 0 | \ | 4 | \ | 0 | \ | 8 | \ | 8 | \ | 12 | \ | 8 | ### 开发指导 基础编码流程请参考[视频编码开发指导](video-encoding.md)，下面仅针对与基础视频编码过程中存在的区别做具体说明。 1. 在初始阶段创建编码实例时，校验当前视频编码器是否支持LTR特性。 ```c++ constexpr int32_t NEEDED_LTR_COUNT = 5; bool isSupported = false; int32_t supportedLTRCount = 0; // 1.1 获取对应编码器能力实例，此处以H.264为例。 OH_AVCapability *cap = OH_AVCodec_GetCapability(OH_AVCODEC_MIMETYPE_VIDEO_AVC, true); // 1.2 通过特性能力查询接口校验是否支持LTR特性。 isSupported = OH_AVCapability_IsFeatureSupported(cap, VIDEO_ENCODER_LONG_TERM_REFERENCE); // 1.3 确定支持的LTR数目。 if (isSupported) { OH_AVFormat *properties = OH_AVCapability_GetFeatureProperties(cap, VIDEO_ENCODER_LONG_TERM_REFERENCE); if (!OH_AVFormat_GetIntValue(properties, OH_FEATURE_PROPERTY_KEY_VIDEO_ENCODER_MAX_LTR_FRAME_COUNT, &supportedLTRCount)) { // 异常处理。 } OH_AVFormat_Destroy(properties); // 1.4 判断LTR是否满足结构需求。 isSupported = supportedLTRCount >= NEEDED_LTR_COUNT; } ``` 若支持且LTR数目满足自身码流结构需求，则可以使能LTR特性。 2. 在配置之前注册回调时，注册随帧通路回调。 Buffer输入模式示例： ```c++ // 2.1 编码输入回调OH_AVCodecOnNeedInputBuffer实现。 static void OnNeedInputBuffer(OH_AVCodec *codec, uint32_t index, OH_AVBuffer *buffer, void *userData) { // 输入帧buffer对应的index，送入InIndexQueue队列。 // 输入帧的数据buffer送入InBufferQueue队列。 // 数据处理，请参考： // - 写入编码码流。 // - 通知编码器码流结束。 // - 随帧参数写入。 auto format = std::shared_ptr(OH_AVBuffer_GetParameter(buffer), OH_AVFormat_Destroy); if (format == nullptr) { // 异常处理。 } OH_AVFormat_SetIntValue(format.get(), OH_MD_KEY_VIDEO_ENCODER_PER_FRAME_MARK_LTR, 1); OH_AVFormat_SetIntValue(format.get(), OH_MD_KEY_VIDEO_ENCODER_PER_FRAME_USE_LTR, 4); OH_AVBuffer_SetParameter(buffer, format.get()); // 通知编码器buffer输入完成。 OH_VideoEncoder_PushInputBuffer(codec, index); } // 2.2 编码输出回调OH_AVCodecOnNewOutputBuffer实现。 static void OnNewOutputBuffer(OH_AVCodec *codec, uint32_t index, OH_AVBuffer *buffer, void *userData) { // 完成帧buffer对应的index，送入outIndexQueue队列。 // 完成帧的数据buffer送入outBufferQueue队列。 // 数据处理，请参考： // - 释放编码帧。 // - 记录POC和LTR生效情况。 } // 2.3 注册数据回调。 OH_AVCodecCallback cb; cb.onNeedInputBuffer = OnNeedInputBuffer; cb.onNewOutputBuffer = OnNewOutputBuffer; OH_VideoEncoder_RegisterCallback(videoEnc, cb, nullptr); ``` Surface输入模式示例： ```c++ // 2.1 编码输入参数回调OH_VideoEncoder_OnNeedInputParameter实现。 static void OnNeedInputParameter(OH_AVCodec *codec, uint32_t index, OH_AVFormat *parameter, void *userData) { // 输入帧buffer对应的index，送入InIndexQueue队列。 // 输入帧的数据avformat送入InFormatQueue队列。 // 数据处理，请参考： // - 写入编码码流。 // - 通知编码器码流结束。 // - 随帧参数写入。 OH_AVFormat_SetIntValue(parameter, OH_MD_KEY_VIDEO_ENCODER_PER_FRAME_MARK_LTR, 1); OH_AVFormat_SetIntValue(parameter, OH_MD_KEY_VIDEO_ENCODER_PER_FRAME_USE_LTR, 4); // 通知编码器随帧参数配置输入完成。 OH_VideoEncoder_PushInputParameter(codec, index); } // 2.2 编码输出回调OH_AVCodecOnNewOutputBuffer实现。 static void OnNewOutputBuffer(OH_AVCodec *codec, uint32_t index, OH_AVBuffer *buffer, void *userData) { // 完成帧buffer对应的index，送入outIndexQueue队列。 // 完成帧的数据buffer送入outBufferQueue队列。 // 数据处理，请参考： // - 释放编码帧。 // - 记录POC和LTR生效情况。 } // 2.3 注册数据回调。 OH_AVCodecCallback cb; cb.onNewOutputBuffer = OnNewOutputBuffer; OH_VideoEncoder_RegisterCallback(videoEnc, cb, nullptr); // 2.4 注册随帧参数回调。 OH_VideoEncoder_OnNeedInputParameter inParaCb = OnNeedInputParameter; OH_VideoEncoder_RegisterParameterCallback(videoEnc, inParaCb, nullptr); ``` 3. 在配置阶段，设置最大LTR数目。 ```c++ constexpr int32_t NEEDED_LTR_COUNT = 5; // 3.1 创建配置用临时AVFormat。 auto format = std::shared_ptr(OH_AVFormat_Create(), OH_AVFormat_Destroy); if (format == nullptr) { // 异常处理。 } // 3.2 填充使能LTR个数键值对。 OH_AVFormat_SetIntValue(format.get(), OH_MD_KEY_VIDEO_ENCODER_LTR_FRAME_COUNT, NEEDED_LTR_COUNT); // 3.3 参数配置。 int32_t ret = OH_VideoEncoder_Configure(videoEnc, format.get()); if (ret != AV_ERR_OK) { // 异常处理。 } ``` 4. （可选）在输出轮转中，可以获取码流的时域层级信息。 同全局时域可分层特性。 由于在输入轮转过程中配置了LTR参数，也可以在输入轮转中记录这些参数，并在输出轮转中找到对应的输入参数。 5. （可选）在输出轮转中，使用步骤4获取的时域层级信息，进行自适应传输或自适应解码。 同全局时域可分层特性。