一種基于WebRTC的視頻會(huì)議系統(tǒng)的架構(gòu)

李冬

摘 要：視頻會(huì)議是利用多媒體技術(shù)和數(shù)據(jù)通信技術(shù)通過計(jì)算機(jī)網(wǎng)絡(luò)實(shí)現(xiàn)的兩地或多地信息交互或視頻會(huì)議的一種高效率、低成本的多媒體通信手段。通過對(duì)常見的視頻會(huì)議系統(tǒng)分析，結(jié)合WebRTC技術(shù)在音頻、視頻和網(wǎng)絡(luò)等方面的特性，提出了一種基于WebRTC技術(shù)的視頻會(huì)議方案，并對(duì)其方案進(jìn)行了研究和設(shè)計(jì)。最后對(duì)視頻會(huì)議未來的發(fā)展做出了展望。

關(guān)鍵詞：視頻會(huì)議；WebRTC； 視頻； 音頻； 網(wǎng)絡(luò)技術(shù)

中圖分類號(hào)：P315.69 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：

Implementation of video conferencing based on WebRTC

Li Dong

（Shangqiu polytechnic ，Shangqiu 476000， Henan）

Abstract：Videoconferencing is a good method for multimedia communications to realize the information interaction or meeting between two places or more based on the marriage of multimedia technology and data communication technology. Through the common video conferencing systems analysis， combined with WebRTC technical characteristics in terms of audio， video and networking， a comparatively common videoconferencing model is presented ， and the scheme is researched and designed. At last the prospect of future videoconferencing development is viewed.

Key words：Videoconferencing； WebRTC； Video； Audio； Network Technology

計(jì)算機(jī)、通信和多媒體相關(guān)技術(shù)的快速發(fā)展是視頻會(huì)議得以實(shí)現(xiàn)的研究設(shè)計(jì)基礎(chǔ)，而且隨著計(jì)算機(jī)技術(shù)和多媒體技術(shù)在人們生產(chǎn)生活中的蔓延與滲透，其相關(guān)產(chǎn)品也因之得到了大范圍的普遍的應(yīng)用。視頻會(huì)議是指多個(gè)（超過兩個(gè)）不同地方的人通過某種方式進(jìn)行視頻和音頻的溝通，這種多人溝通的形式也被稱為虛擬群組溝通。如今已然擴(kuò)展至社會(huì)的方方面面：如商業(yè)方面，很多企業(yè)都通過視頻會(huì)議進(jìn)行內(nèi)部管理或者是合作伙伴的協(xié)調(diào)關(guān)系，尤其是地理位置分布越發(fā)散，其應(yīng)用則愈加廣泛。在教育應(yīng)用方面，學(xué)生間的學(xué)習(xí)和實(shí)驗(yàn)交流，教師間的學(xué)術(shù)會(huì)議交流，師生間的課程傳授與指引，視頻會(huì)議技術(shù)都提供了不可小視的效用便利。更進(jìn)一步地，視頻會(huì)議對(duì)國(guó)家政府，軍事會(huì)議的交流溝通更提供了新式的可能及可見的便利，既節(jié)省了時(shí)間，減少了交通流量，同時(shí)也促進(jìn)了環(huán)境保護(hù)的實(shí)施和規(guī)范實(shí)現(xiàn)。

本文在對(duì)常見的視頻會(huì)議系統(tǒng)進(jìn)行研究的基礎(chǔ)上，分析了webrtc技術(shù)在音頻、視頻和網(wǎng)絡(luò)技術(shù)等方面對(duì)視頻會(huì)議系統(tǒng)的影響，并由此提出基于WebRTC的視頻會(huì)議系統(tǒng)方案。

1常見的視頻會(huì)議系統(tǒng)介紹

當(dāng)前的視頻會(huì)議系統(tǒng)可以分為三類，分別是大型的視頻會(huì)議系統(tǒng)、中小型的視頻會(huì)議系統(tǒng)以及純軟件實(shí)現(xiàn)的視頻會(huì)議系統(tǒng)。

具體來說，大型視頻會(huì)議系統(tǒng)主要由硬件構(gòu)成，注重穩(wěn)定性，要求速度快、延遲低、畫質(zhì)清晰等，適合大型企業(yè)和政府中使用。但因其基本上是由硬件搭建所致，使其成本偏高。如思科的IP視頻會(huì)議系統(tǒng)，集成視頻、語音及T.120 數(shù)據(jù)等，就可以對(duì)視頻會(huì)議及帶寬進(jìn)行管理，尤其是還可以對(duì)廣域網(wǎng)上的會(huì)議提供高優(yōu)質(zhì)量保證，更可同時(shí)支持多達(dá)50個(gè)會(huì)議。而且，視頻會(huì)議參加者也可以獲得現(xiàn)場(chǎng)實(shí)時(shí)交流的需求滿足，因而具有理想應(yīng)用效果。

中小型的視頻會(huì)議系統(tǒng)主要是由輕型的硬件系統(tǒng)配合相對(duì)應(yīng)的軟件系統(tǒng)調(diào)試構(gòu)成，其在視頻會(huì)議的質(zhì)量和功能上相對(duì)大型硬件視頻會(huì)議系統(tǒng)上要略弱一些，但是成本上也隨之降低了一些，只是總體來說仍然頗高。

純軟件實(shí)現(xiàn)的視頻會(huì)議系統(tǒng)就是構(gòu)建在軟件平臺(tái)上的視頻會(huì)議系統(tǒng)，特點(diǎn)就是用軟件實(shí)現(xiàn)。根據(jù)數(shù)據(jù)傳輸方式的不同細(xì)分為三類：第一類，數(shù)據(jù)傳輸是以IP為基礎(chǔ)，使用TCP協(xié)議；第二類，是以組播為基礎(chǔ)，使用UDP協(xié)議；第三類，使用RTP協(xié)議進(jìn)行數(shù)據(jù)傳輸。

2 WebRTC關(guān)鍵技術(shù)在視頻會(huì)議系統(tǒng)的應(yīng)用

數(shù)據(jù)通信技術(shù)和多媒體技術(shù)的發(fā)展推進(jìn)了視頻會(huì)議系統(tǒng)的改進(jìn)升級(jí)，但是迄至目前，卻仍然存在著各類問題，如視頻和音頻數(shù)據(jù)的同步處理，網(wǎng)絡(luò)實(shí)時(shí)數(shù)據(jù)傳輸，內(nèi)網(wǎng)和防火墻的穿透，不同網(wǎng)絡(luò)平臺(tái)和系統(tǒng)平臺(tái)的通信以及信息共享等等。基于此，本文展開了如下研究。

WebRTC技術(shù)包含音頻視頻采集和處理以及網(wǎng)絡(luò)傳輸功能，將多媒體的處理嵌入到瀏覽器中，是一種基于瀏覽器的多媒體實(shí)時(shí)通信技術(shù)。其最初設(shè)計(jì)是用來實(shí)現(xiàn)瀏覽器間的P2P 通信。WebRTC技術(shù)在瀏覽器中通過統(tǒng)一、與平臺(tái)無關(guān)的 native API與JavaScript API 向本地或 Web應(yīng)用提供多種接口以供調(diào)用，如：音頻引擎、視頻引擎、網(wǎng)絡(luò)傳輸以及對(duì)音頻采集、視頻采集和網(wǎng)絡(luò) I/O 的接口。WebRTC體系結(jié)構(gòu)如圖1所示。

圖1 WebRTC體系結(jié)構(gòu)圖

Fig. 1 The structure of WebRTC system

2.1 音頻數(shù)據(jù)的處理

WebRTC音頻處理引擎是從聲音設(shè)備到聲音處理流程的功能集合，引擎中包括了設(shè)備控制、語音編碼、聲音的處理控制、NetEQ、加密、網(wǎng)絡(luò)傳輸與流控（RTP/RTCP）等功能。

WebRTC在不同帶寬下對(duì)音頻編碼器將有不同的選擇：在寬帶和超寬帶中，WebRTC采用開源的iSAC音頻編解碼器。iSAC的采樣頻率一般在16kHz或32KHz，支持的可變碼率為12-52kbit/s。在針對(duì)分組交換網(wǎng)絡(luò)通信的窄寬帶的環(huán)境中采用iLBC音頻編解碼器。iLBC音頻編解碼器在丟包率越大的環(huán)境中，語音質(zhì)量則越具優(yōu)勢(shì)。測(cè)試中，在傳統(tǒng)的VoIP的極限網(wǎng)絡(luò)條件下，采用iLBC音頻編解碼器仍然能夠保證語音質(zhì)量，其效果不亞于手機(jī)的語音通話質(zhì)量[1]。WebRTC技術(shù)默認(rèn)采用iSAC音頻編解碼器。

音頻數(shù)據(jù)需要經(jīng)過降噪處理、回聲消除、自動(dòng)增益等處理過程才能提升語音的質(zhì)量。WebRTC的NetEQ模塊可以實(shí)現(xiàn)音頻數(shù)據(jù)的錯(cuò)誤掩蓋和自適應(yīng)抖動(dòng)緩沖區(qū)功能。NetEQ算法能夠保證在復(fù)雜多變的網(wǎng)絡(luò)環(huán)境下快速增強(qiáng)適應(yīng)，將緩存延遲實(shí)現(xiàn)最大化的降低，而且具有很高的解析度。這樣不但能夠減少網(wǎng)絡(luò)抖動(dòng)和分組丟失對(duì)語音通話質(zhì)量的影響，而且在延時(shí)下還將盡可能地提高語音通話的品質(zhì)和音質(zhì)。WebRTC的回聲消除模塊用來實(shí)時(shí)去除由麥克風(fēng)再次捕獲放音所造成的聲學(xué)回響，而降噪模塊則用于消除與VoIP語音相關(guān)的噪聲。這兩個(gè)模塊都是為了給基于軟件的處理信號(hào)元件提供更好的語音質(zhì)量。

2.2 視頻圖像信息的處理

視頻圖像在視頻會(huì)議系統(tǒng)中的清晰度、流暢性關(guān)系到視頻會(huì)議的質(zhì)量，由此視頻圖像的信息處理即已成為視頻會(huì)議系統(tǒng)的關(guān)鍵技術(shù)之一。WebRTC視頻處理引擎是從視頻采集設(shè)備到視頻處理流程的功能集合，引擎中包括了采集設(shè)備的控制、視頻數(shù)據(jù)的編碼、圖像質(zhì)量監(jiān)控以及網(wǎng)絡(luò)安全控制等功能。

采用VP8編碼技術(shù)能用更少的數(shù)據(jù)來提供更高質(zhì)量的視頻，本系統(tǒng)中應(yīng)用的視頻編碼就相應(yīng)采用了VP8編碼技術(shù)。只該技術(shù)需較低的處理能力即可播放視頻，因此能夠在復(fù)雜多變的網(wǎng)絡(luò)中保有優(yōu)異質(zhì)量，并且在較低編碼率的環(huán)境中，也仍能保持較高的視頻質(zhì)量，這對(duì)視頻會(huì)議系統(tǒng)來說具有至關(guān)重要的意義和作用。WebRTC中視頻加密功能保證了在網(wǎng)絡(luò)傳輸中視頻的數(shù)據(jù)不會(huì)被輕易竊取，隨即視頻雙方的數(shù)據(jù)安全性也獲得了高度提升。

在視頻處理方面，WebRTC給出了視頻抖動(dòng)緩沖器模塊和增強(qiáng)圖像質(zhì)量模塊，前者可以有效降低由視頻信息包丟失和視頻抖動(dòng)所帶來的不良影響；后者提供了顏色增強(qiáng)、降噪處理等功能，從而提升了圖像的質(zhì)量。

2.3 網(wǎng)絡(luò)技術(shù)的處理

在網(wǎng)絡(luò)傳輸以及會(huì)話控制方面，WebRTC集合了實(shí)時(shí)傳輸協(xié)議RTP/SRTP協(xié)議棧，以及用于穿越NAT的STUN/TURN/ICE的方法。具體地，在網(wǎng)絡(luò)傳輸中，WebRTC使用了RTP/SRTP實(shí)時(shí)傳輸協(xié)議，這樣瀏覽器之間建立連接后，傳輸音視頻數(shù)據(jù)將釆用RTP協(xié)議，同時(shí)WebRTC媒體流則采用STUN/TURN/ICE技術(shù)來穿透私網(wǎng)。而在會(huì)議控制方面，WebRTC采用了JavaScript語言來編寫協(xié)議棧JSEP。在協(xié)議棧JSEP中，定義了WebRTC通信雙方如何對(duì)SDP信息進(jìn)行媒體流的交換，協(xié)商和控制。JSEP的設(shè)計(jì)思路是為了降低瀏覽器和信令狀態(tài)機(jī)的耦合度，由此協(xié)議將更具靈活性；分別地，媒體層的控制將交由瀏覽器，信令層的控制則交由WEB應(yīng)用開發(fā)者[2]。

3 基于WebRTC的視頻會(huì)議系統(tǒng)的架構(gòu)

3.1 系統(tǒng)結(jié)構(gòu)描述

會(huì)議主持人和會(huì)議終端是視頻會(huì)議系統(tǒng)的兩個(gè)主要構(gòu)成部分。其中，會(huì)議主持人負(fù)責(zé)會(huì)議的全面管理，包括發(fā)起和結(jié)束會(huì)議、審核會(huì)議終端的加入和退出申請(qǐng)、控制會(huì)議發(fā)言令牌等。參加會(huì)議人員必須通過會(huì)議終端設(shè)置的身份驗(yàn)證。參加會(huì)議過程中，如需發(fā)言，即需提出申請(qǐng)，會(huì)議主持人接受申請(qǐng)并將發(fā)言控制令牌交與發(fā)言者，這樣整個(gè)會(huì)議系統(tǒng)就將能看到會(huì)議發(fā)言者的全過程音頻和視頻信息[3]。

3.2 系統(tǒng)功能實(shí)現(xiàn)

3.2.1 管理模塊

在視頻會(huì)議的起始階段，會(huì)議主持人首先啟動(dòng)視頻會(huì)議系統(tǒng)發(fā)起會(huì)議，指定組播地址并提供證書。會(huì)議系統(tǒng)在服務(wù)器端口監(jiān)聽客戶端的連接請(qǐng)求。會(huì)議終端連接服務(wù)端，提供相關(guān)證書，服務(wù)端驗(yàn)證無誤后，會(huì)議終端與會(huì)議主持人建立連接。此后，客戶端必須提供各自的用戶名和密碼，驗(yàn)證后，會(huì)議主持人就將通過驗(yàn)證的終端加入到相應(yīng)會(huì)議分組，同時(shí)一并開啟音視頻的接受和傳送。假設(shè)發(fā)生有會(huì)議終端加入會(huì)議系統(tǒng)，主持人和各會(huì)議終端界面上的“會(huì)議終端”列表處將顯示其用戶名。在會(huì)議過程中，各會(huì)議終端如需要發(fā)言，都可以向會(huì)議主持人提出發(fā)言申請(qǐng)。與其相應(yīng)的列席者的名字都將會(huì)顯示在會(huì)議主持人界面上的“發(fā)言申請(qǐng)者”列表處。

根據(jù)會(huì)議的實(shí)際情況，研究規(guī)定在此會(huì)議系統(tǒng)中，同一時(shí)刻只能有一個(gè)發(fā)言者。會(huì)議主持人可按照當(dāng)前會(huì)議的進(jìn)展情況，合理選擇一個(gè)發(fā)言申請(qǐng)者，授予其發(fā)言令牌，并從“申請(qǐng)發(fā)言者”列表刪除該用戶名稱。擁有了發(fā)言令牌的列席者，就可以開啟自己的音視頻發(fā)送線程，向會(huì)議系統(tǒng)發(fā)送音視頻數(shù)據(jù)。會(huì)議主持人還可以根據(jù)會(huì)議實(shí)況，控制當(dāng)前發(fā)言者的發(fā)言權(quán)限，被剝奪發(fā)言權(quán)的發(fā)言者將會(huì)重新變回普通列席者。根據(jù)會(huì)議的實(shí)際情況，允許會(huì)議客戶端相互之間可以通過文字交流。而且會(huì)議終端也可以隨時(shí)離開會(huì)議。會(huì)議終端離開會(huì)議系統(tǒng)后，會(huì)議主持人的服務(wù)器端將通過輪詢模式定期檢測(cè)客戶端的離開情況，并將與會(huì)情況實(shí)時(shí)顯示在會(huì)議主持人的“會(huì)議終端”界面上。

3.2.2 RTP 協(xié)議

RTP（Real-time Transfer Protocol）是一種網(wǎng)絡(luò)層協(xié)議，允許應(yīng)用傳送不同類型具有實(shí)時(shí)特征的數(shù)據(jù)，如音頻、視頻等。RTP位于IP 和 UDP 之上，可以用來傳送單播和組播數(shù)據(jù)流。RTP依賴底層協(xié)議來提供負(fù)載類型認(rèn)證、序號(hào)和時(shí)間戳，以及監(jiān)視數(shù)據(jù)傳遞的功能，再引入不同的應(yīng)用來處理數(shù)據(jù)包丟失和亂序傳遞問題。

RTP 協(xié)議中包括兩部分內(nèi)容：其一為實(shí)時(shí)傳輸協(xié)議，即 RTP 協(xié)議，定義了數(shù)據(jù)報(bào)文格式及其使用規(guī)則；其二為實(shí)時(shí)傳輸控制協(xié)議，即 RTCP（real-time transfer control protocol）協(xié)議，用于數(shù)據(jù)傳輸質(zhì)量的反饋以及傳輸控制。RTP 協(xié)議中包括實(shí)時(shí)傳輸控制協(xié)議RTCP協(xié)議和實(shí)時(shí)傳輸協(xié)議RTP 協(xié)議，前者用于數(shù)據(jù)傳輸質(zhì)量的反饋以及傳輸控制，后者定義了數(shù)據(jù)報(bào)文格式及其使用規(guī)則[3]。

以 RTP 為基礎(chǔ)的應(yīng)用是通過RTCP周期性地向所有的會(huì)議終端傳輸會(huì)話控制信息，即可使會(huì)議服務(wù)器端能夠根據(jù)RR報(bào)文和SR報(bào)文中的統(tǒng)計(jì)數(shù)據(jù)，執(zhí)行一些特殊處理和選擇，從而提供最優(yōu)可控的視頻和音頻會(huì)議系統(tǒng)。

3.2.3 媒體數(shù)據(jù)處理

媒體流模塊主要由3大部分組成，即語音模塊、視頻模塊和數(shù)據(jù)傳輸模塊。其中，語音模塊負(fù)責(zé)采集語音信號(hào)，對(duì)語音數(shù)字信號(hào)進(jìn)行處理（如降噪、消除回聲等），對(duì)語音信號(hào)進(jìn)行編碼、解碼以及深層的渲染和播放。語音模塊集成了目前大部分的主流 Codec，如 G711、iLBC 和 iSAC 等，能較好地滿足主流音頻業(yè)務(wù)的需求。而視頻模塊則負(fù)責(zé)對(duì)視頻信號(hào)進(jìn)行采集、處理和渲染。為了能夠使用設(shè)備的硬件加速功能，用戶還可以將 H264集成到WebRTC 的視頻模塊框架中，由此可進(jìn)一步提高編解碼效率。

實(shí)際的網(wǎng)絡(luò)情況將會(huì)因具體的應(yīng)用而有所不同，但基于WebRTC的視頻會(huì)議系統(tǒng)模型卻因其采用了出色的WebRTC技術(shù)，全面解決了基于軟件控制方法的視頻會(huì)議系統(tǒng)質(zhì)量低劣、網(wǎng)絡(luò)平臺(tái)受限，維護(hù)費(fèi)用趨高的狀況，不失為一種有效的模型。

4 結(jié)束語

隨著網(wǎng)絡(luò)通信和多媒體技術(shù)的快速發(fā)展，視頻會(huì)議系統(tǒng)以其高效率，低能耗，小成本，且方便快捷的特點(diǎn)而日漸受到企事業(yè)和政府單位的歡迎，這也在相當(dāng)程度上促進(jìn)了視頻會(huì)議系統(tǒng)的深入研究和開發(fā)。基于WebRTC的視頻會(huì)議系統(tǒng)的設(shè)計(jì)方案是在現(xiàn)代高速寬帶網(wǎng)絡(luò)的基礎(chǔ)上，采用出色的基于瀏覽器上的WebRTC技術(shù)框架而構(gòu)建并實(shí)現(xiàn)的，不僅跨越網(wǎng)絡(luò)平臺(tái)和系統(tǒng)平臺(tái)，而且具有優(yōu)秀的視頻音頻性能。更進(jìn)一步地，該方案不僅節(jié)省了投入，同時(shí)還適合未來寬帶網(wǎng)和云平臺(tái)的特點(diǎn)，因而表現(xiàn)出了強(qiáng)健的實(shí)用性、通用性和適應(yīng)性，已然成為一種頗具良好實(shí)效的視頻會(huì)議系統(tǒng)架構(gòu)方案。

參考文獻(xiàn)：

[1] 林建平，黃東軍. 視頻會(huì)議系統(tǒng)基于軟交換的研究與設(shè)計(jì)[J].赤峰學(xué)院學(xué)報(bào)：自然科學(xué)版，2008，（11）：27-29.

[2] 屈振華，龍顯軍，等.運(yùn)營(yíng)商借WebRTC技術(shù)推進(jìn)IMS視頻業(yè)務(wù)發(fā)展[J].通信世界，2012，（30）：28 -28.

[3] 胡凡良，宋玲，李陶深.基于DirectShow的視頻會(huì)議系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì)， 2006，27（7）：1164 -1166.

[4] 馬建生，于沛，趙金東. 基于P2P 技術(shù)的網(wǎng)絡(luò)視頻會(huì)議系統(tǒng)研究[J].計(jì)算機(jī)工程與應(yīng)用，2007，28（9）：2063-2065.

[5] Google Chrome Team.WebRTC General Overview and References[EB/OL].[2014-04-01]http： / /www.webrtc.org/ ref-erence/architecture.