如何知道 H.264 流中代表图片的 NAL 单元的数量

Question

我正在使用带有通过 avcodec 解码的 RTSP 上的 H.264 流的摄像机。对于大多数相机，接收到的每个数据包（NAL 单元）都代表一个完整的帧（I 帧或帧），当我对其进行解码时，我每次都会获得一个帧。 但是对于另一台相机，一个帧被分成许多恒定大小的 NAL 单元，当我解码每个数据包时，我没有得到每个数据包的帧。

我看到 NAL 单元中有一个开始和结束标志。除了 PPS 或 SPS，从不设置结束标志。不过，我可以检测开始代码，并在新帧开始时告诉每一帧结束。

我想在单个帧内缓冲每个 NAL 单元，然后将其发送到解码器（这用于记录功能并最大限度地减少帧索引）。

这里是一个例子（start_flags 在 NAL[1] 字节内是 128）

NALU: 10 bytes: SPS, NAL[1]={0,64,0,2} // Start Frame 1
NALU: 5 bytes: PPS, NAL[1]={128,64,0,14}
NALU: 551 bytes: I-Frame, NAL[1]={128,0,0,8}
NALU: 531 bytes: I-Frame, NAL[1]={0,0,0,9}
NALU: 532 bytes: I-Frame, NAL[1]={0,0,0,4}
NALU: 517 bytes: I-Frame, NAL[1]={0,0,0,7}
NALU: 533 bytes: I-Frame, NAL[1]={0,0,0,3}
NALU: 621 bytes: I-Frame, NAL[1]={0,0,0,3}
NALU: 586 bytes: I-Frame, NAL[1]={0,0,0,1}
NALU: 520 bytes: I-Frame, NAL[1]={0,0,0,1}
NALU: 507 bytes: I-Frame, NAL[1]={0,0,0,1}
NALU: 508 bytes: I-Frame, NAL[1]={0,0,0,1}
NALU: 531 bytes: I-Frame, NAL[1]={0,0,0,0}
NALU: 558 bytes: I-Frame, NAL[1]={0,0,0,0}
NALU: 49 bytes: I-Frame, NAL[1]={0,0,0,0} // Start Frame 2 + END Frame 1
NALU: 253 bytes: Frame, NAL[1]={128,0,0,26} // Start Frame 3 + END Frame 2
// Frame 2 start so we can record/decode Frame 1
NALU: 510 bytes: Frame, NAL[1]={128,0,0,26}
// Frame 3 start so we can record/decode Frame 2
NALU: 506 bytes: Frame, NAL[1]={0,0,0,1}
NALU: 267 bytes: Frame, NAL[1]={0,0,0,0} // Start Frame 4 + END Frame 3
NALU: 535 bytes: Frame, NAL[1]={128,0,0,26}
// Frame 4 start so we can record/decode Frame 3
NALU: 527 bytes: Frame, NAL[1]={0,0,0,4}
NALU: 509 bytes: Frame, NAL[1]={0,0,0,3}
NALU: 508 bytes: Frame, NAL[1]={0,0,0,1}
NALU: 519 bytes: Frame, NAL[1]={0,0,0,0}
NALU: 327 bytes: Frame, NAL[1]={0,0,0,0} // END Frame 4
...

但是，我似乎在某些流中遇到了一些麻烦。对于每个 NAL 单元代表一个帧的流，如果我仅在下一次开始时解码帧，RTSP 流似乎会丢弃一些 I 帧。我认为这是一个同步问题，因为可能是由于解码时间问题，因为问题没有发生是我直接接收时解码帧。

这里是我直接解码时的细节（一切正常）：

NALU: 24 bytes: SPS, NAL[1]={0,64,0,13} // Start Frame 1
NALU: 4 bytes: PPS, NAL[1]={128,64,32,14}
NALU: 176124 bytes: Frame, NAL[1]={128,0,0,8}
// Decode Frame 1 OK
NALU: 24 bytes: SPS, NAL[1]={0,64,0,13}  // Start Frame 2
NALU: 4 bytes: PPS, NAL[1]={128,64,32,14}
NALU: 175605 bytes: I-Frame, NAL[1]={128,0,0,8}
// Decode Frame 2 OK
NALU: 38777 bytes: Frame, NAL[1]={128,0,0,26} // Start Frame 3
// Decode Frame 3 OK
NALU: 32188 bytes: Frame, NAL[1]={128,0,0,26} // Start Frame 4
// Decode Frame 4 OK
NALU: 24 bytes: SPS, NAL[1]={0,64,0,13} // Start Frame 5
NALU: 4 bytes: PPS, NAL[1]={128,64,32,14}
NALU: 175975 bytes: I-Frame, NAL[1]={128,0,0,8}
// Decode Frame 5 OK
NALU: 41681 bytes: Frame, NAL[1]={128,0,0,26} // Start Frame 6
// Decode Frame 6 OK

这里是我在每一帧开始后解码时的细节（有些帧没有解码）：

NALU: 24 bytes: NAL[0]={0,3,7}, NAL[1]={0,64,0,13} // Start frame 1
NALU: 4 bytes: NAL[0]={0,3,8}, NAL[1]={128,64,32,14}
NALU: 177827 bytes: NAL[0]={0,3,1}, NAL[1]={128,0,0,8}
NALU: 24 bytes: NAL[0]={0,3,7}, NAL[1]={0,64,0,13} // Start frame 2 + End frame 1
// Decode Frame 1 OK
NALU: 4 bytes: NAL[0]={0,3,8}, NAL[1]={128,64,32,14}
NALU: 43304 bytes: NAL[0]={0,3,1}, NAL[1]={128,0,0,26}
NALU: 39115 bytes: NAL[0]={0,3,1}, NAL[1]={128,0,0,26} // Start frame 3 + End frame 2
// Decode Frame 2 OK
NALU: 24 bytes: NAL[0]={0,3,7}, NAL[1]={0,64,0,13} // Start frame 4 + End frame 3
// Decode Frame 3 OK
NALU: 4 bytes: NAL[0]={0,3,8}, NAL[1]={128,64,32,14} 
NALU: 49200 bytes: NAL[0]={0,3,1}, NAL[1]={128,0,0,26}
NALU: 41002 bytes: NAL[0]={0,3,1}, NAL[1]={128,0,0,26}  // Start frame 5 + End frame 4
// Decode Frame 4 failed
 NALU: 39581 bytes: NAL[0]={0,3,1}, NAL[1]={128,0,0,26}
// Decode Frame 5 failed

就像 RTSP 流（I-Frame）丢弃了某些帧

所以我的问题是：

• 您认为 RTPS 会丢帧吗？
• H.264 解码器是否期望在延迟内到达的帧被正确解码，尊重某些时间码或类似的东西？
• 如何检测 NAL 单元是图片的最后一个，而不是等待下一个的开始。

感谢您的帮助

Answer 1

首先，没有“结束标志”。只有附件 B 的起始码和其他格式的 NALU 大小（我相信 RTP 使用附件 B）。在 H.264 中，您所说的帧称为访问单元。对于每个访问单元，非视频编码层（非 VCL）NALUS 可选地在 VCL nalus 之前。因此，要确定是否拥有所有 VCL Nalus，必须解析每个 NALU 以确定将哪些宏块编码到切片中。通过使用从 SPS 解析的数据，您可以确定每帧有多少宏块。然后，一旦你收到了所有的宏块，你就可以解码帧了。