底层技术发展驱动视频会议系统可用性增强

视频会议的发展是建立在一系列的底层应用技术的支撑上，底层技术视音频压 缩技术、视频会议协议标准等的不断发展，使得视频会议可用性、互联性不断增强。

视音频编解码指通过视音频编解码算法对视音频信息进行数据压缩和解压缩。 在进行图像初始采集后，视音频数据往往有大量的冗余信息，不利于网络传输、存 储和处理。通过视音频编码算法进行压缩/解压缩可以提高传输效率。

视频压缩标准 主要有 ITU定义的专用于低比特率视频电话的标准，包括 H.261/2/3/5；国际标准化 组织 ISO 针对消费类应用对运动图像压缩定义 MPEG 标准，包括 MPEG1/2/4；由 ITU 与 ISO 联合视频小组JVT 定义的 H.264 编解码技术

视频压缩标准可以从实现成本、编码性能、网络支持、应用支持范围和未来潜 力等 5 个方面来进行打分，从而得到比较直观的结果。

实现成本：包括算法实现的复杂度和资源占有程度，技术获取的难度和代价， 以及其最终体现在产品中的成本高低；

编码性能：主要体现在同等主、客观视觉质量情况下，压缩后所得到的码流 大小，此对于网络传输和存储都非常关键；

网络支持：主要取决于对网络丢包和出错的容错能力与支持网络的自适应能 力；

应用支持范围：视频监控领域的应用需求千变万化，平台对不同需求的支持 能力非常重要；

未来潜力：一个标准的潜力大小体现在未来被行业接受的广泛程度，在相关 应用上转化的平滑程度，和对互联互通的支持程度等方面。

H.264 编解码技术整体效果较好，成为过去数年广为采用的标准。从编码性能 上看，H.264 要远优于 MPEG4，平均节约 39%的传输码流，可在低于 1Mbps 的速 度实现标清数字图像传送，支持更加广泛和多变的应用环境，在视频监控领域已经 成为主流标准之一。2007 年推出的 H.264 SVC 标准是 H.264 标准的附录 G，利用了 AVC 编解码器的各种高效算法工具，支持具有分级特性的码流，可以通过一次编码 产生具有不同帧率、分辨率的视频压缩码流，以适应不同网络带宽、不同的显示屏 幕和终端解码能力的应用需求，从而有效地避免了视频会议系统中 MCU 上复杂而 昂贵的转码，是云视频会议采用的主要协议。2012 年发布的 H.265 标准比 H.264 仅需原先的一半带宽即可播放相同质量的视频，同时支持 4K、8K。

在视频会议中，通常会有多对多的语音对话，实现该功能主要通过语音采集、 编码、传送、解码、语音重现等步骤来实现。音频编码技术可以缩小占用的带宽， 在实际的语音通话应用中不可或缺。目前行业内主要的音频编解码标准包括 G.711、 G.722、G.728、G.723.1、G.729、G722.1、AAC_LD 等，其中 AAC 支持采样率 48K， 达到高保真 CD 音质效果；在编码延时上，AAC 编解码为 20ms，效果较好。

视频会议的呈现还依赖视频的分辨率，高清晰度是视频技术发展的主线之一。 视频技术的分辨率实际是指图片的分辨率，一个视频是由无数的相同分辨率图片组 成，分辨率大小决定了视频的清晰度，分辨率越高，视频的质量也越高。但同时， 分辨率的增加需求更高的视频流码率，会要求更高的网络传输带宽和速度。视频技 术的发展经历了 CIF 格式、480P、720P、1080P、2K、4K。目前，高清晰度（4K） 是视频发展的主流趋势。2019 年工信部等联合发布的《超高清视频产业发展行动计 划》提出了到 2022 年我国超高清视频产业的发展目标，在政策引导和各方资源积 极投入下，产业总体规模有望超过 4 万亿元，超高清视频用户数达到 2 亿，4K 产 业生态体系基本完善，8K关键技术产品研发和产业化取得突破，形成技术、产品、 服务和应用协调发展的良好格局。

视频会议的发展离不开国际标准的制定，国际标准的重要性在于解决了不同厂 商产品的互通和兼容性问题，从而实现了真正的互联互通，保护了用户的利益；同 时降低了厂商研发和用户建网成本，使得视频会议真正推广开来。视频通信的组网 协议从 1960 年代的各公司专用系统发展到如今的SIP 协议，极大促进了行业发展。 目前国际标准有 H.320、H.323（ITU）和 SIP（IETF）3 个标准集，其中 H.323 是 目前的主流标准，SIP 将会是下一代标准。

H323 标准是 ITU-T 组织于 1996 年在 h.320 的基础上建立起来的基于宽带 IP 网的视讯会议系统系列协议的集合，涵盖了音频、视频及数据在以 IP 包为基础的网 络上的通讯，允许不同厂商的多媒体产品和应用能够互操作。SIP（会话初始协议） 是 IETF 于 1999 年提出的在 IP 网上进行多媒体通信的应用层控制协议，是 IETF 标 准进程的一部分。SIP 协议则更为简单、开放、灵活，目前的大部分主流网络视讯 产品均支持 H.323，并可兼容 SIP 协议以适应未来发展。

从标准的完备性而言， H.323 是关于在IP环境中实时多媒体应用的完整标准族， 对于呼叫的建立、管理以及所传输媒体格式等各个方面都有完善而严格的规定；而 sip 标准严格意义上讲是一个实现实时多媒体应用的信令标准，自身不支持多点的会 议功能以及管理和控制功能，而是要依赖于别的协议实现，如 ITU-T SG16 小组提 出的 sip 运用规范，影响了系统的完备性。

从系统实现的难易性而言，h.323 标准的信令信息是采用符合 asn.1 per 的二进 制编码，并且在连接实现全过程都要严格标准的定义，系统的自由度小，如要实现大规模的应用，需要对整个网络的各个环节进行规划。SIP 标准建立在 SMTP（简 单邮件传送协议）和 HTTP（超文本传送协议）的基础之上，信令信息是基于文本 的，采用符合 iso10646 的 utf-8 编码，全系统的构造结构相对灵活，终端和服务器 的实现也相对容易成本也较低，从网络运营商的角度考虑，构造一个大规模视频通 讯网络，采用 sip 系统的成本要廉价许多，而且也更具有可实现性。

从组网结构而言，H.323 协议倾向于严谨的层次化结构，由多点控制单元(MCU) 集中执行会议控制功能，所有参加会议终端都向 MCU 发送控制消息，不支持信令 的组播功能，限制了可扩展性，降低了可靠性；而 SIP 设计上就为分布式的呼叫模 型，具有分布式的组播功能，其组播功能不仅便于会议控制，而且简化了用户定位、 群组邀请等，并且能节约带宽。

视频会议的使用环境复杂，光照、天气、音场等因素都有可能极大地影响视音 频的表现效果，产生模糊、回声、昏暗等情形，因此视音频处理技术也会影响产品 的体检效果。视频的处理主要包括图像降噪、低照度转换、白平衡、宽动态等功能， 音频的处理则主要包括回声抵消、语音降噪、啸叫抑制等功能。主流企业技术水平 高低主要区别在算法处理速度和处理效果方面。