北京2016年8月26日電 /美通社/ -- 隨著互聯(lián)網(wǎng)用戶消費內(nèi)容和交互方式的升級，支撐這些內(nèi)容和交互方式的基礎設施也正在悄悄發(fā)生變革。手機設備拍攝視頻能力和網(wǎng)絡的升級催生了大家對視頻直播領域的關注，吸引了很多互聯(lián)網(wǎng)創(chuàng)業(yè)者或者成熟企業(yè)進入該領域。
七牛云于 6 月底發(fā)布了一個針對視頻直播的實時流網(wǎng)絡 LiveNet 和完整的直播云解決方案，很多開發(fā)者對這個網(wǎng)絡和解決方案的細節(jié)和使用場景非常感興趣。
結合七牛實時流網(wǎng)絡 LiveNet 和直播云解決方案的實踐，我們將用七篇文章，更系統(tǒng)化地介紹當下大熱的視頻直播各環(huán)節(jié)的關鍵技術，幫助視頻直播創(chuàng)業(yè)者們更全面、深入地了解視頻直播技術，更好地技術選型。本篇我們將詳解處理環(huán)節(jié)的技術問題，比如常見視頻處理功能如美顏、視頻水印、濾鏡、連麥等等。
視頻或者音頻完成采集之后得到原始數(shù)據(jù)，為了增強一些現(xiàn)場效果或者加上一些額外的效果，我們一般會在將其編碼壓縮前進行處理，比如打上時間戳或者公司 Logo 的水印，祛斑美顏和聲音混淆等處理。在主播和觀眾連麥場景中，主播需要和某個或者多個觀眾進行對話，并將對話結果實時分享給其他所有觀眾，連麥的處理也有部分工作在推流端完成。
一、開放式設計
如上圖所示，處理環(huán)節(jié)中分為音頻和視頻處理，音頻處理中具體包含混音、降噪和聲音特效等處理，視頻處理中包含美顏、水印、以及各種自定義濾鏡等處理。對于七牛這樣的直播云服務來說，為了滿足所有客戶的需求，除了要提供這些“標準”處理功能之外，我們還需要將該模塊設計成可自由接入自定義處理功能的方式。
二、常見視頻處理功能
1. 美顏
都說“80% 的主播沒有美顏根本沒法看”，美顏是直播產(chǎn)品中最常見的功能之一。最近準備在香港上市的美圖公司的主打產(chǎn)品就是美顏相機和美拍，有媒體戲稱其會沖擊化妝品行業(yè)，其實就是美顏的效果的功勞，讓美女主播們不化妝也可以自信的直播，而美顏相機的用戶則可以拍出“更好的自己”。
美顏的主要原理是通過“磨皮+美白”來達到整體美顏的效果。磨皮的技術術語是“去噪”，也即對圖像中的噪點進行去除或者模糊化處理，常見的去噪算法有均值模糊、高斯模糊和中值濾波等。當然， 由于臉部的每個部位不盡相同，臉上的雀斑可能呈現(xiàn)出眼睛黑點的樣子，對整張圖像進行“去噪”處理的時候不需要將眼睛也去掉，因此這個環(huán)節(jié)中也涉及到人臉和皮膚檢測技術。
七牛直播云提供的 iOS 和 Android 推流 SDK 中內(nèi)置了美顏功能，可以根據(jù)自己的需要選擇開關美顏功能，并且能夠自由調節(jié)包括美顏，美白，紅潤等在內(nèi)的參數(shù)。其中 iOS 端 SDK PLCameraStreamingKit 的參數(shù)設置如下：
1）按照默認參數(shù)開啟或關閉美顏：
-(void)setBeautifyModeOn:(BOOL)beautifyModeOn;
2）設置美顏程度，范圍為 0 ~ 1：
-(void)setBeautify:(CGFloat)beautify;
3）設置美白程度，范圍為 0 ~ 1
-(void)setWhiten:(CGFloat)whiten;
4）設置紅潤程度，范圍為 0 ~ 1
-(void)setRedden:(CGFloat)redden;
2. 視頻水印
水印是圖片和視頻內(nèi)容中常見的功能之一，它可用于簡單是版權保護，或者進行廣告設置。處于監(jiān)管的需求，國家相關部門也規(guī)定視頻直播過程中必須打上水印，同時直播的視頻必須錄制存儲下來保存一定的時間，并在錄制的視頻上打上水印。
視頻水印包括播放器水印和視頻內(nèi)嵌水印兩種方式可供選擇，對于播放器水印來說，如果沒有有效的防盜措施，對于沒有播放鑒權的推流，客戶端拿到直播流之后可以在任何一個不帶水印的播放器里面播放，因此也就失去了視頻保護的能力。綜合考慮云端錄制對于水印的需求，我們一般會選擇“視頻內(nèi)嵌水印”的方式打水印。
七牛直播云提供的 iOS 和 Android 推流 SDK 中也內(nèi)置了水印功能，可以根據(jù)自己的需要添加水印或移除水印，并且能夠自由設置水印的大小和位置。其中 iOS 端 SDK PLCameraStreamingKit 的參數(shù)設置如下：
1）添加水印
-(void)setWaterMarkWithImage:(UIImage *)wateMarkImage position:(CGPoint)position;
該方法將為直播流添加一個水印，水印的大小由 wateMarkImage 的大小決定，位置由 position 決定，需要注意的是這些值都是以采集數(shù)據(jù)的像素點為單位的。例如我們使用AVCaptureSessionPreset1280x720 進行采集，同時 wateMarkImage.size 為 (100, 100) 對應的origin 為 (200, 300)，那么水印的位置將在大小為 1280x720 的采集畫幅中位于 (200, 300) 的位置，大小為 (100, 100)。
2）移除水印
-(void)clearWaterMark;
3. 濾鏡
除了上面提到的美顏和水印之外，視頻中還有很多其它的處理效果也在這個環(huán)節(jié)完成。七牛直播云提供的 SDK 在開放性設計基礎之上，通過數(shù)據(jù)源回調接口，可以支持各種自定義濾鏡的接入。
為了實現(xiàn)豐富的濾鏡效果，在 iOS 端可以考慮使用 GPUImage 這個庫，這是一個開源的基于GPU的圖片或視頻的處理框架，內(nèi)置了多達120多種常見的濾鏡效果。有了它，添加實時的濾鏡只需要簡單地添加幾行代碼，還可以基于這個庫自己寫算法實現(xiàn)更豐富端效果。GPUImage 地址：https://github.com/BradLarson/GPUImage
除了 iOS 端之外，Android 也有 GPUImage 這個庫的移植：https://github.com/CyberAgent/android-gpuimage
同時，Google 官方也開源了一個偉大的庫，覆蓋了 Android 上面很多多媒體和圖形圖像相關的處理：https://github.com/google/grafika
4. 連麥
連麥是互動直播中常見的需求，其流程如上圖所示。主播和部分觀眾之間可以進行實時互動，然后將互動結果實時播放給其他觀眾觀看?；谝陨蠘I(yè)務需求，我們很容易想到基于單向直播原理，在主播端和連麥觀眾端進行雙向推流和雙向播流的方式互動，然后在服務端將兩路推流合成一路推送給其他觀眾。但 RTMP 帶來的延遲決定了這種方式無法做到用戶可接受的互動直播。實際上，互動直播的主要技術難點在于：
1）低延遲互動：保證主播和互動觀眾之間能夠實時互動，兩者之間就像電話溝通，因此必須保證兩者能在秒級以內(nèi)聽到對方的聲音，看到對方的視頻；
2）音畫同步：互動直播中對音畫同步的需求和單向直播中類似，只不過互動直播中的延遲要求更高，必須保證在音視頻秒級傳輸情況下的秒級同步。
3）音視頻實時合成：其他觀眾需要實時觀看到對話結果，因此需要在客戶端或者服務端將畫面和聲音實時合成，然后以低成本高品質的方式傳輸觀眾端。
在視頻和電話會議領域，目前比較成熟的方案是使用思科或者 WebEx 的方案，但這些商用的方案一不開源，二比較封閉，三成本比較高。對于互動人數(shù)比較少的互動直播，目前市場上比較成熟的方案是使用基于 WebRTC 的實時通訊方案。
上圖是一個基于 WebRTC 協(xié)議實現(xiàn)多方實時通訊的示意圖，本地用戶（主播）和遠程用戶（連麥觀眾）之間的連接通過 RTCPeerConnection API 管理，這個 API 包裝了底層流管理和信令控制相關的細節(jié)?；谠摲桨缚梢暂p松實現(xiàn)多人（14 人以下）的多方實時通信。
當然，在通信人數(shù)少的情況下，其復雜度相對簡單，如 2 人情況下。但人數(shù)增多至 4 人之后，其可選的網(wǎng)絡結構就增多了，可以每個點之間形成自組織網(wǎng)絡的方式通信，也可以以 1 人為中心形成星型通信網(wǎng)絡，還可以讓大家都通過一個集中式的服務端進行通信。
作為一個高性能、可伸縮的直播基礎服務提供商，七牛直播云經(jīng)過評估選擇了以主播為中心形成星形通信網(wǎng)絡，支持主播和多個觀眾之間的互動質量。同時，為了保證合成后的音視頻實時傳輸?shù)狡渌^眾端，這里采用經(jīng)過改造的 UDP 協(xié)議傳輸：
1. 通過 UDP 降低傳輸延遲。
2. 在 UDP 之上進行傳輸控制，保證用戶互動體驗 QoS。
在下一篇連載中，將詳細介紹編碼和封裝，敬請期待。
為了讓大家能夠將技術理論快速應用到實踐開發(fā)中，七牛云聯(lián)合慕課網(wǎng)特別制作了一期課程，專門針對移動直播應用開發(fā)，供大家學習參考：http://www.imooc.com/learn/707。
