[发明专利]一种多媒体实时交互系统及方法

说明书

(一)技术领域

本发明涉及一种多媒体网络通信系统，以及应用该系统的通信方法。

(二)背景技术

实时交互系统是一种可通过终端与网络，使身处异地的与会者可以就同一议题参与讨论的系统。与会者相互之间不仅可以听到发言者声音而且还可以看到发言者的图像及背景，同时还可以交流有关该议题的数据、文字、图表等信息，因而与会者可获得比电话会议丰富得多的各种信息，随着超大规模集成电路和计算机技术的发展，集计算机的交互性、网络的分布性和多媒体信息的同步性为一体的多媒体会议电视系统突破了计算机、通信、电视等传统的界限，为人们提供了全新的交互服务。

实时交互系统提供位于不同地点的多个用户之间的实时通信，内容包括带有与会者图像信息的高质量话音以及其它媒体信息。当会议包括两个以上的终端时，通常需要一个多点控制单元(MCU)。所有终端都接到一个MCU上，MCU负责对每个用户发送的信号进行选择或进行适当的混合，同时对信令和可选信道进行控制和管理。

实时交互系统最核心的技术指标是编码标准、体系结构、流媒体服务。

1、编码标准

和一般的数据业务不同，视频是流特性业务，数据量很大。例如，目前的PAL制广播电视信号，在分辨率为720×576、帧率为25帧每秒的情况下，未经压缩的码率为165.888Mbps。这种码率的视频在网络上是无法传输的，会轻易地将网络资源吞没，造成网络拥塞甚至崩溃。因此，视频通信的第一步就是视频压缩。目前在众多的视频编码算法中，被广泛使用在视频会议系统中的压缩标准是H.26x和MPEG。

H.26x是国际电信联盟制定的标准，主要包括H.261和H.263。H.261也称为(P×64Kbit/s)标准(P＝1，2，3…30)，在P＜6的情况下，只能传输QCIF格式的图像(176×144)；在P＝6～30时，也仅能传输CIF格式的图像(352×288)。它的视频效果较差，只适合低速率下相对静止图像传输。1996年ITU-T在H.261的基础上进行一定的改进推出了H.263标准，但它仍然不能实现高清晰度图像的传输，只适合低带宽下的应用。

MPEG本是Moving Pictures Experts Group，即“运动图像专家组″的英文缩写，这个专家组是由国际标准化组织ISO和国际电子委员会IEC于1988年联合成立的，致力于运动图像及其伴音编码的标准化工作，MPEG制定的标准主要有MPEG-1、MPEG-2和MPEG-4。

MPEG-1制定于1992年，它主要是在1.5Mbps情况下，对352×288×25帧/秒的运动图像进行处理。它的算法框图基本与H.261相同，但在时间域正负方向进行的运动补偿的帧间内插使其具有以下优点：①具有更高的图像压缩倍数；②能够恰当地对待突发背景；③能较好地保存边缘轮廓，降低原始图像的噪声。但正由于它的双向帧间预测使得图像显示顺序与编码顺序不同，造成较大的系统延时，且压缩比越高，延时也会越大。

MPEG-2制定于1994年，主要应用在广播电视图像的传输和数字存贮媒体(DVD)。与MPEG-1的区别在于MPEG-2有了等级之分，共分为4个等级LL(352×288×25帧/秒)、ML(720×576×25帧/秒)、H1440L(1440×1152×25帧/秒)、HL(1920×1152×25帧/秒)。它在带宽充足的情况下MPEG-2可实现高清晰度图像的传输，甚至能满足HDTV的要求。但它和MPEG-1具有同样的缺点，即延时较大、带宽要求相对较高。在广播电视系统中，由于不要求交互且能提供足够的带宽(广播电视系统可为每路图像信号提供8M带宽)，这些缺点体现不明显。但当它应用到视频会议系统中时，要达到ML(720×576×25帧/秒)，需要3M以上的带宽，且会有1s以上的延时，不能完全适应当前视频会议系统的需求。

为了解决时延与压缩比的问题，ISO于1999年通过了MPEG-4标准，它与其它标准的最大区别在于MPEG-4是基于内容进行编码，将编码对象由原来的矩形图像改为单独的对象，即将每幅图像分为不同的自然对象单独进行编码。由于这种合成对象/自然对象混合编码SNHC可大大降低帧间图像的信息冗余，因此MPEG-4编码技术可利用最少的数据获得最佳的图像质量。在视频会议系统实际应用中，可在1.5Mbps情况下实现高清晰度图像(720×576×25帧/秒)的传输，同时将时延控制在300ms以内。另外，MPEG-4还把提高多媒体系统的交互性和灵活性作为一项重要的目标，因此它比其他编码方式更适合交互式的视频服务和远程监控。