Python使用UDP实现720p视频传输
使用UDP完成720p以上高清视频传输
- 1. 项目背景
- 2. 解决方案
- 3. 实现细节
- 3.1 TCP/UDP的选择
- 3.2 图片分片算法
- 3.3 JPG压缩
- 3.4 接收队列
- 4. 遇到的坑及解决办法
- 4.1. Windows防火墙
- 4.2. 路由器网络频段
- 4.3. Wifi配置
- 4.4. 硬件瓶颈
- 4.5. OpenCV读取摄像头大坑
- 4.6. Socket卡顿
- 5. 尚未Bug Free的功能
- 5.1 使用TCP回传帧率信息
- 5.2 ~~拥塞控制~~ （流量控制）的算法
- 6. 总结
1. 项目背景
视频传输: 在一台电脑上播放视频（捕捉摄像头画面），同局域网内另一台电脑上实时播放，尽量不卡顿。
先放最后的照片，和用gif展示一下视频效果。
- 传输视频可以采取
图片或者流的形式，本文采取传输图片的形式，在1s之内显示多张图片从而形成连续的视频画面。 - 经费有限，所有实验均基于笔记本电脑。
- 使用的视频源是本机摄像头，以及进击的巨人720p资源。
2. 解决方案
- 使用
Python的Socket，使用opencv捕捉摄像头/视频的画面。 - 原始的图片很大（720p的大小是
1920*1080*3），整图就算压缩成jpg格式其大小也非常大。而UDP最大只能传输65535字节大小的数据区，故对图片进行分块，分块过后的数据压缩成jpg格式，并对图片分块数据进行编号。 - 实验检测表明，本文实验环境发送端不需要使用发送队列，基本上新生成的帧很快就能被socket传输掉。
- 接收端使用多线程接收，每个线程是一个socket，接收过后的数据存储于
数据片池。 - 接收端另开一个线程，用于反复从
数据片池读取数据片，根据数据片的编号更新幕布，这里幕布是专门用于图像显示的一个数组，其维度是720p（1920*1080*3）。更新过后的结果暂存于图片池 - 主线程反复从
图片池读取图片，并显示。
3. 实现细节
3.1 TCP/UDP的选择
为了实现低延迟，毫无疑问选取无连接的UDP传输。
3.2 图片分片算法
这里其实也谈不上什么算法，就是将图片水平分割。这种做法的好处在于，分割后图片的编号可以和区域一一对应。
本文没有探索更为复杂的图片分片算法。
经过处理，图片变为一个个分片，如下：
对上述图片进行编号，很显然可以编号0,1,2,3，对于任意分块（例如2）在图像数组中对应的区域是frame[2*piece_size:(2+1)*piece_size]，其中piece_size表示一片数据的大小。
这种对应关系方便解压后的图像还原操作。
3.3 JPG压缩
这其实是个很小的技术点，因为使用的压缩算法都是现成的。但是值得一提的是，JPG的压缩率是真的高，在实验数据上实现了10-20倍的压缩率。
使用了多线程压缩，压缩完过后，更新对应的桶，这里的桶实际上就是数据片。
由主线程Main Thread反复从桶里取数据片(t1)，每取1片发送一次，然后再取下一片（t2），直到所有桶都被取了一次（例子中有10片）。至此，一张图片的分片数据被全部取完，于是开始统计一些FPS相关信息。
3.4 接收队列
接收端开了10个线程用于异步socket接收数据片。
为了保证接收端产生丝滑的视频效果，使用接收队列是个不错的选择。本文使用了2个队列的设计。实现数据接收的二级缓冲。
示意图如下：
这样一来，视频效果明显丝滑了很多。
4. 遇到的坑及解决办法
4.1. Windows防火墙
巨坑，最好都关了。
4.2. 路由器网络频段
同一台路由器的5G和2.4G频段有时候不能互相ping通，要确保两个电脑连接在同一频段上。
4.3. Wifi配置
如果上述设置都对了，但是还是ping不通。将wifi连接设置成专用网络，也许就能解决问题。
4.4. 硬件瓶颈
个人PC的性能是较大瓶颈，尤其是单机测验的时候（本地两个终端，一个发送、一个接收），CPU使用率分分钟到100%。听某个技术大哥说要使用GPU压缩。
用两台电脑，一台接收一台发送之后，效果要好很多。
4.5. OpenCV读取摄像头大坑
由于摄像头驱动的关系，在我的电脑上需要设置以下两个变量，才能成功启用外置的720p摄像头。
os.environ["OPENCV_VIDEOIO_DEBUG"] = "1"
os.environ["OPENCV_VIDEOIO_PRIORITY_MSMF"] = "0"
即使如此，如果不做额外的设置，读出来的图片将是480p的（看起来很像是720p被压缩过后的）。所以如果要传输真·720p，还需要设置读出的图像大小，如下：
self.stream = cv2.VideoCapture(1) # 读取第一个外置摄像头
self.stream.set(cv2.CAP_PROP_FRAME_WIDTH, 1280) # float
self.stream.set(cv2.CAP_PROP_FRAME_HEIGHT, 720) # float
4.6. Socket卡顿
不知道是不是我写的有问题，感觉多线程的socket会争抢资源（发送和接收的线程间，对应5.1节功能），造成接收端的画面显示将变得卡顿。
5. 尚未Bug Free的功能
5.1 使用TCP回传帧率信息
为了计算网络时延，采取类似伽利略测光速的方法。从数据包打包之前，到对方收到数据包之后，再将这个数据回传到发送方。这样就不存在两台机器时间差校准的问题。
该算法的大致流程如下图所示。
如上图，这样回传之后，设数据包时间戳是 c t c_t ct(单位 m s ms ms，下同)，当前时间是 n t n_t nt，则网络时延计算方式为：
D e l a y = n t − c t 2 m s Delay= \frac{n_t - c_t}{2} ms Delay=2nt−ctms
这种计算方式应该是自己的实验环境下比较准确的方法了。
时延信息的反馈不需要特别快（比如200-500ms发送一次），所以使用TCP技术
其实TCP和UDP在使用Python编程的时候代码差距可以说极小…
但是！！！
- 自己目前在实现信息回传的时候，会莫名卡顿起来。
- 接收端建立回传的
socket之后，甚至还没传输数据，整个程序运行起来就变得非常卡顿，这个让我比较苦恼，目前正在找bug.
5.2 拥塞控制 （流量控制）的算法
这部分的思想是流量控制，感谢评论区指正。
5.1节如果一并回传接收端队列状态信息。如果接收端队列太满，说明来不及处理视频帧了，从而对发送端的发送速度进行控制，才是“拥塞控制”
这个本来是想着和5.1综合起来用的，已经写好了，但是还没能真正展现价值，设计是否合理也值得商榷。
控制的是发送端的发送频率，从而实现接收端的流畅播放
思想和TCP的拥塞控制一样慢增长，快下降。如果接收端的队列一直处于较空的状态，则表明还有一定的性能剩余，此时可以缓慢加快发送的频率；如果检测到接收端队列中数据较多，表明发送速度太快来不及显示，这时候就大幅下降发送的频率。
这个拥塞控制的算法基于几个假设：
- 网络情况良好，丢包率比较低；
- 接收端电脑的性能足够高，来得及处理解包、显示图像。
如果5.1能够正确实现，则应该根据网络时延 d e l a y delay delay的大小来控制发送的频率。
6. 总结
这个项目是一周的时间内完成的，目前还有点bug。小组内的成员分别在不同技术方向上进行了探索，收获都还挺大的。这篇博客就当一个项目总结吧，写的难免有纰漏之处，有想法和问题可以在评论区交流。
github地址：https://github.com/820fans/UDP-Video-Transfer