数字门禁可视对讲 音视频同步原理解析

　　本文介绍了一种基于新型的音视频同步解决方案。阐述了方案的构思，设计和实现方法。该方案已在一种新型的数字化智能家居门禁系统中得到了应用，并取得良好的效果。

　　一、引言

　　目前，成熟的智能家居系统的室外机、门禁可视对讲和门禁控制几乎全部采用模拟信号，安装时需要架设专用网络，布线复杂，不可扩展，灵活性差，传输距离短，投资大，维护成本高。随着市场需求的增长、消费者消费观念的提高以及模拟系统沉重的工程维护代价，结合以太网技术的全数字室外机和门禁产品成为研发的热点。但是在诸多因素影响下，当前的数字门禁产品不成熟、不稳定、价格高昂，特别是门禁对讲中的音视频同步问题，一直以来都是数字可视对讲的短板。

　　二、音视频同步问题概述

　　音视频同步问题是可视对讲中的重点需要解决的问题之一，也是一直以来被模拟门禁产品厂商攻击的一个弱点，因为模拟可视对讲产品都采用专线传输，不存在这个问题。解决同步问题的方法有很多种，其中时间戳是最成熟最完美也是最复杂的解决办法，可以解决任何多媒体领域的音视频同步问题；其原理是选择一个参考时间，在生成数据流时依据参考时间上的时间给每个数据块都打上时间戳；在播放时，读取数据块上的时间戳，同时参考当前时钟上的时间来安排播放，让快于这个参考时间的包等待，丢弃慢于这个参考时间的包。在基于时间戳的同步机制中，仅仅对不同步的数据进行处理是不完备的，还需要反馈机制，如基于Windows平台的DirectShow就提供这样一个反馈机制，它的质量控制(QualityControl)可以将播放的状态反馈给源，让源端加快或者放慢数据流的速度。

　　在多媒体文件采集，播放及对同步的要求都非常严格，如果从多媒体文件中分离出音视频数据的数据不同步，音视频的时间差则会越来越大，这是无法忍受的，所以在多媒体文件中，不但要求有同步机制，还要求有反馈机制。

　　三、数字可视对讲中的音视频同步方案

　　在数字可视对讲中，可以考虑的音视频同步方案有两种：一是发送端解决；二是接收端解决。

　　发送端解决方法比较简单，具体措施是在发送端先将一段时间内采集到音视频数据打包。比如采集到一帧视频图像，将这帧图像与采集这帧视频的时间内采集到的视频数据打成一个包，接收端接收到这个包之后解包分别播放就可以了。发送端解决的控制方法比较简单，但是在高清要求清晰度比较高的情况下就不是很理想，清晰度高，意味着每个音视频包数据量就大，能保证同步，却难以保证连续。我们在同一个线程中按照先后顺序发送PCM音频和H.264视频，测试结果表明这种方法确实存在连续问题。

　　接收端解决方案绕不开的问题是时间戳，接收端根据接收到的音视频数据的时间戳安排播放。时间戳需要一个参考时间，而采集过程中视频的时间是不定的，数字摄像头采集图像的帧率是一个平均值，不宜用来做参考时间，所以只能用音频时间作为参考时间。

　　四、声卡编程和声卡驱动的时间机制

　　门禁可视对讲中音频是双向的。本文的门禁可视对讲方案中，音频的采用PCM(PulseCodeModulation--脉码调制录音)采集，在网络中传送的也是原始数据，之所以没有对音频数据进行编码处理是基于以下原因：一是S3C6410没有提供对音频的硬编解码，如果使用软件实现编解码，在有限的系统资源条件下难以实现；二是音频数据量较小：采用8000采样率和量化位数为8位的电话语音标准，一秒的音频数据是8K字节，只相当于视频1帧数据的两倍，这对普遍拥有百兆网卡的局域网来说，数据量很小。实验的结果表明，这种简单的处理方式被证明是有效的。