RTMP协议以及提取RTMP视频流组成H264视频文件

短命女 2022-08-13 13:59 333阅读 0赞

首先我们获得h264的流，在监听里，我们通过参数可以获得RTMP包 IStreamPacket，调用getData()方法直接获得包数据 放入IOBuffer。以下是提取并修改数据存成h264文件的步骤

1. 添加监听 IStreamListener

2. 通过IOBuffer的put函数将每次获得的包数据放入新的IObuffer

3. 在流结束时将IOBuffer存成文件

4. 用工具，如[UltraEdit][]打开文件，查看里面的数据并分析

5. 根据分析结果修改程序，提取h264视频文件所需的数据并存储

1.RTMP协议

RTMP协议封包由一个包头和一个包体组成,包头可以是4种长度的任意一种:12, 8, 4,  1 byte(s).完整的RTMP包头应该是12bytes,包含了[时间戳][Link 1],AMFSize,AMFType,StreamID信息, 8字节的包头只纪录了时间戳,AMFSize,AMFType,其他字节的包头纪录信息依次类推 。包体最大长度默认为128字节,通过chunkSize可改变包体最大长度,通常当一段AFM数据超过128字节后,超过128的部分就放到了其他的RTMP封包中,包头为一个字节.  
完整的12字节RTMP包头每个字节的含义:

1.1 Head\_Type  
第一个字节Head\_Type的前两个Bit决定了包头的长度.它可以用掩码0xC0进行"与"计算:   
Head\_Type的前两个Bit和长度对应关系：

<table style="color:rgb(51,51,51); font-size:13.63636302947998px; line-height:25.99431800842285px; text-align:center"> 
 <tbody> 
 <tr> 
 <td> Bits </td> 
 <td> Header Length </td> 
 </tr> 
 <tr> 
 <td> 00 </td> 
 <td> 12 bytes </td> 
 </tr> 
 <tr> 
 <td> 01 </td> 
 <td> 8 bytes </td> 
 </tr> 
 <tr> 
 <td> 10 </td> 
 <td> 4 bytes </td> 
 </tr> 
 <tr> 
 <td> 11 </td> 
 <td> 1 byte </td> 
 </tr> 
 </tbody> 
</table>

Head\_Type的后面6个Bit和StreamID决定了ChannelID。  StreamID和ChannelID对应关系：StreamID=(ChannelID-4)/5+1 参考red5

<table style="text-align:center"> 
 <tbody> 
 <tr> 
 <td> ChannelID </td> 
 <td> Use </td> 
 </tr> 
 <tr> 
 <td> 02 </td> 
 <td> Ping 和ByteRead通道 </td> 
 </tr> 
 <tr> 
 <td> 03 </td> 
 <td> Invoke通道 我们的connect() publish()和自字写的NetConnection.Call()&nbsp;数据都是在这个通道的 </td> 
 </tr> 
 <tr> 
 <td> 04 </td> 
 <td> Audio和Vidio通道 </td> 
 </tr> 
 <tr> 
 <td> 05 06 07 </td> 
 <td> 服务器保留,经观察FMS2用这些Channel也用来发送音频或视频数据 </td> 
 </tr> 
 </tbody> 
</table>

例如在rtmp包里面经常看到的0xC2,就表示一字节的包头,channel=2.  
  
1.2 TiMMER   
TiMMER占3个字节纪录的是时间戳,音视频流的时间戳是统一排的。可分为绝对时间戳和相对时间戳。  
fms对于同一个流，发布的时间戳接受的时间戳是有区别的  
publish时间戳,采用相对时间戳，时间戳值等于当前媒体包的绝对时间戳与上个媒体包的绝对时间戳之间的差距，也就是说音视频时间戳在一个时间轴上面.单位毫秒。  
play时间戳，相对时间戳，时间戳值等于当前媒体包的绝对时间戳与上个同类型媒体包的绝对时间戳之间的差距,也就是说音视频时间戳分别为单独的时间轴，单位毫秒。  
flv格式文件时间戳，绝对时间戳，时间戳长度3个字节。超过0xFFFFFF后时间戳值等于TimeStamp &0xFFFFFF。  
flv格式文件影片总时间长度保存在onMetaData的duration属性里面，长度为8个字节，是一个翻转的double类型。  
  
1.3 AMFSize  
AMFSize占三个字节，这个长度是AMF长度，可超过RTMP包的最大长度128字节。如果超过了128字节，那么由多个后续RTMP封包组合，每个后续RTMP封包的头只占一个字节。一般就是以0xC？开头。  
  
1.4 AMFType  
AMFSize占三个字节，这个长度是AMF长度，可超过RTMP包的最大长度128字节。  
AMFType是包的类型

<table style="color:rgb(51,51,51); font-size:13.63636302947998px; line-height:25.99431800842285px"> 
 <tbody> 
 <tr> 
 <td> 0×01 </td> 
 <td> Chunk Size </td> 
 <td> changes the chunk size for packets </td> 
 </tr> 
 <tr> 
 <td> 0×02 </td> 
 <td> Unknown </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> 0×03 </td> 
 <td> Bytes Read </td> 
 <td> send every x bytes read by both sides </td> 
 </tr> 
 <tr> 
 <td> 0×04 </td> 
 <td> Ping </td> 
 <td> ping is a stream control message, has subtypes </td> 
 </tr> 
 <tr> 
 <td> 0×05 </td> 
 <td> Server BW </td> 
 <td> the servers downstream bw </td> 
 </tr> 
 <tr> 
 <td> 0×06 </td> 
 <td> Client BW </td> 
 <td> the clients upstream bw </td> 
 </tr> 
 <tr> 
 <td> 0×07 </td> 
 <td> Unknown </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> 0×08 </td> 
 <td> Audio Data </td> 
 <td> packet containing audio </td> 
 </tr> 
 <tr> 
 <td> 0×09 </td> 
 <td> Video Data </td> 
 <td> packet containing video data </td> 
 </tr> 
 <tr> 
 <td> 0x0A-0x0E </td> 
 <td> Unknown </td> 
 <td> &nbsp; </td> 
 </tr> 
 <tr> 
 <td> 0x0F </td> 
 <td> FLEX_STREAM_SEND </td> 
 <td> TYPE_FLEX_STREAM_SEND </td> 
 </tr> 
 <tr> 
 <td> 0x10 </td> 
 <td> FLEX_SHARED_OBJECT </td> 
 <td> TYPE_FLEX_SHARED_OBJECT </td> 
 </tr> 
 <tr> 
 <td> 0x11 </td> 
 <td> FLEX_MESSAGE </td> 
 <td> TYPE_FLEX_MESSAGE </td> 
 </tr> 
 <tr> 
 <td> 0×12 </td> 
 <td> Notify </td> 
 <td> an invoke which does not expect a reply </td> 
 </tr> 
 <tr> 
 <td> 0×13 </td> 
 <td> Shared Object </td> 
 <td> has subtypes </td> 
 </tr> 
 <tr> 
 <td> 0×14 </td> 
 <td> Invoke </td> 
 <td> like remoting call, used for stream actions too. </td> 
 </tr> 
 <tr> 
 <td> 0×16 </td> 
 <td> StreamData </td> 
 <td> 这是FMS3出来后新增的数据类型,这种类型数据中包含AudioData和VideoData </td> 
 </tr> 
 </tbody> 
</table>

1.6 StreamID  
StreamID是音视频流的ID,如果AMFType!=0x08或!=0x09那么 StreamID为0。  
ChannelID 和StreamID之间的计算公式：StreamID=(ChannelID-4)/5+1 参考red5  
例如当ChannelID为2、3、4时StreamID都为1当ChannelID为9的时候StreamID为2

2.RTMP包的数据部分分析

如果 AMFType = 0×09, 数据就是 Video Data

Video Data由多个video tag组成

一个video tag，包含的信息：SPS，PPS，访问单元分隔符，SEI，I帧包

首先我们来看下vedio tag

如果TAG包中的TagType==9时，就表示这个TAG是video.

StreamID之后的数据就表示是VideoTagHeader，VideoTagHeader结构如下：

VideoTagHeader的头1个字节，也就是接跟着StreamID的1个字节包含着视频帧类型及视频CodecID最基本信息.表里列的十分清楚.

VideoTagHeader之后跟着的就是VIDEODATA数据了，也就是videopayload.当然就像音频AAC一样，这里也有特例就是如果视频的格式是AVC（H.264）的话，VideoTagHeader会多出4个字节的信息.

AVCPacketType 和CompositionTime。AVCPacketType表示接下来 VIDEODATA（AVCVIDEOPACKET）的内容：

IF AVCPacketType ==0 AVCDecoderConfigurationRecord（AVC sequence header）  
IF AVCPacketType == 1 One or more NALUs (Full frames are required)

AVCDecoderConfigurationRecord.包含着是H.264解码相关比较重要的sps和pps信息，再给AVC解码器送数据流之前一定要把sps和pps信息送出，否则的话解码器不能正常解码。而且在解码器stop之后再次start之前，如seek、快进快退状态切换等，都需要重新送一遍sps和pps的信息.AVCDecoderConfigurationRecord在FLV文件中一般情况也是出现1次，也就是第一个 video tag.

![1351582495_8659.png][]

2.1 AVC sequence header分析

§  17：1-keyframe  7-avc

§  00：AVC sequence header -- AVC packet type

§  00 00 00：composition time，AVC时，全0，无意义

因为AVC packet type=AVCsequence header，接下来就是AVCDecoderConfigurationRecord的内容

§  configurationVersion= 01

§  AVCProfileIndication= 42

§  profile\_compatibility=00

§  AVCLevelIndication =1E

§  lengthSizeMinusOne =FF -- FLV中NALU包长数据所使用的字节数，（lengthSizeMinusOne & 3）+1，实际测试时发现总为ff，计算结果为4，下文还会提到这个数据

§  numOfSequenceParameterSets= E1 -- SPS的个数，numOfSequenceParameterSets & 0x1F，实际测试时发现总为E1，计算结果为1

§  sequenceParameterSetLength= 0x2E\-- SPS的长度，2个字节，计算结果46

§  sequenceParameterSetNALUnits=6742 80 1E 96 54 0A 0F D8 0A 84 00 00 03 00 04 00 00 03 00 7B 80 00 08 00 00 0400 1F c6 38 C0 00 04 00 0 03 02 00 0F E3 1C 3B 42 44 D4\-- SPS，为刚才计算的46个字节， SPS中包含了视频长、宽的信息

§  numOfPictureParameterSets= 01 -- PPS的个数，实际测试时发现总为E1，计算结果为1

§  pictureParameterSetLength= 0004\-- PPS的长度

§  pictureParameterSetNALUnits=68ce 35 20 -- PPS

2.1 AVCNALU分析

接下来又是新的一包videotag数据了

§  17：1-keyframe  7-avc

§  01：AVC NALU

§  00 00 00：composition time，AVC时，全0，无意义

因为AVCPacket type = AVCNALU，接下来就是一个或多个NALU

每个NALU包前面都有（lengthSizeMinusOne & 3）+1个字节的NAL包长度描述（前文提到的，还记得吗），前面计算结果为4个字节

§  00 00 00 02：2 -- NALU length

§  09 10：NAL包

这里插入一点NALU的小知识，每个NALU第一个字节的前5位标明的是该NAL包的类型，即NAL nal\_unit\_type

\#define NALU\_TYPE\_SLICE 1

\#define NALU\_TYPE\_DPA 2

\#define NALU\_TYPE\_DPB 3

\#define NALU\_TYPE\_DPC 4

\#define NALU\_TYPE\_IDR 5

\#define NALU\_TYPE\_SEI 6

\#define NALU\_TYPE\_SPS 7

\#define NALU\_TYPE\_PPS 8

\#define NALU\_TYPE\_AUD 9//访问分隔符

\#define NALU\_TYPE\_EOSEQ 10

\#define NALU\_TYPE\_EOSTREAM 11

\#define NALU\_TYPE\_FILL 12

§  09&0x1f=9，访问单元分隔符

前面我们解析的sps头字节为67，67&0x1f = 7，pps头字节为68，68&0x1f=8，正好能对应上。

§  00 00 00 29：说明接下来的NAL包长度为41

06 00 11 80 00 af c8 00 00 03 00 00 03 00 00 af c8 00 00 03 00 00 40 010c 00 00 03 00 00 03     00 90 80 08 00 00 03 00 0880：06&0x1f=6 -- SEI

§  00 00 0F 9F：接下来的NAL包长度

65 88 80……：65&0x1f=5 -- I帧数据

这包video tag分析到此结束了，下面会紧接着来一些该I帧对应的P帧数据，

前面说的I帧数据从65 88 80，到下图第一行的 5F 7E B0都是上一个video tag的内容，即前面说的65 88 80那个I帧的数据拉，27开始是新的一个video tag

![1351582551_7233.png][]

§  27：2-inter frame即P帧，7-codecid=AVC

§  01：AVCPacket type = AVC NALU

§  00 00 00：composition time，AVC时，全0，无意义

§  00 00 00 02 09 30：跟上面分析的一样拉，2个字节的nal包，访问单元分隔符

§  00 00 00 11：17字节的NAL包

§  06 01 0c 00 00 80 0000 90 80 18 00 00 03 00 08 80：06&0x1f=6  --SEI

§  00 00 0C 45： NAL包数据长度

§  41 9A 02……： 41&0x1f=1 --P帧数据

3.H264视频文件格式

h264的NALU和NALU之间是由00 00 01（也可以是00 00 00 01）分隔开的，我们组成h264之后的格式为

1、00 00 00 01 SPS 0000 00 01 PPS 00 00 00 01访问单元分隔符 00 00 00 01 SEI 0000 00 01 I帧 00 00 00 01 P帧 00 00 00 01 P帧……（P帧数量不定）

其中的访问单元分隔符和SEI不是必须的

4.将获得的包数据存储成H264文件

通过以上我们清楚了H264文件的格式，也分析了现在获得的数据格式，我们需要对这些数据进行处理，得到H264视频要求的数据格式

1.当数据是AVC squence header(只有一次)的时候，提取sps，pps数据并加入 0000 01（也可以是00 00 00 01）隔开。

2. 当数据是AVC NALU时，四个字节存储帧数据长度，后面紧跟着数据，根据长度计算帧数据长，提取数据，加上00 00 00 01,将每个帧数据隔开。

5.red5 数据处理代码

@Override

public void streamPublishStart(IBroadcastStreamstream) \{

super.streamPublishStart(stream);

stream.addStreamListener(newIStreamListener() \{

protected boolean bFirst = true;

@Override

public void packetReceived(IBroadcastStreamarg0, IStreamPacket arg1) \{

IoBufferin = arg1.getData();

if(arg1.getDataType() == 0x09)\{

System.out.println("11111");

byte\[\] data = new byte\[in.limit()\];

in.get(data);

byte\[\] foredata = \{ 0, 0, 0, 1 \};

ioBuffer3.put(data);

// buflimit3 += in.limit();

if( bFirst) \{

//AVCsequence header

ioBuffer.put(foredata);

//获取sps

intspsnum = data\[10\]&0x1f;

intnumber\_sps = 11;

intcount\_sps = 1;

while (count\_sps<=spsnum)\{

int spslen =(data\[number\_sps\]&0x000000FF)<<8 |(data\[number\_sps+1\]&0x000000FF);

number\_sps += 2;

ioBuffer.put(data,number\_sps, spslen);

ioBuffer.put(foredata);

number\_sps += spslen;

count\_sps ++;

//获取pps

intppsnum = data\[number\_sps\]&0x1f;

intnumber\_pps = number\_sps+1;

intcount\_pps = 1;

while (count\_pps<=ppsnum)\{

int ppslen =(data\[number\_pps\]&0x000000FF)<<8|data\[number\_pps+1\]&0x000000FF;

number\_pps += 2;

ioBuffer.put(data,number\_pps,ppslen);

ioBuffer.put(foredata);

number\_pps += ppslen;

count\_pps ++;

bFirst =false;

\} else \{

//AVCNALU

int len =0;

int num =5;

ioBuffer.put(foredata);

while(num<data.length) \{

len =(data\[num\]&0x000000FF)<<24|(data\[num+1\]&0x000000FF)<<16|(data\[num+2\]&0x000000FF)<<8|data\[num+3\]&0x000000FF;

num = num+4;

ioBuffer.put(data,num,len);

ioBuffer.put(foredata);

num = num + len;

System.out.println("22222");

\}else if (arg1.getDataType() == 0x08) \{

//            这存储处理音频数据 Audio data

\});

[UltraEdit]: http://www.so.com/s?q=UltraEdit&ie=utf-8&src=se_lighten_f
[Link 1]: http://www.so.com/s?q=%E6%97%B6%E9%97%B4%E6%88%B3&ie=utf-8&src=se_lighten_f
[1351582495_8659.png]: https://img-my.csdn.net/uploads/201210/30/1351582495_8659.png
[1351582551_7233.png]: https://img-my.csdn.net/uploads/201210/30/1351582551_7233.png