解析MP4文件中的sps和pps

一、MP4格式基本概念

MP4格式对应标准MPEG-4标准(ISO/IEC14496)

二、MP4封装格式核心概念

1 MP4封装格式对应标准为 ISO/IEC 14496-12（信息技术视听对象编码的第12部分: ISO 基本媒体文件格式/Information technology Coding of audio-visual objects Part 12: ISO base media file format）

　附-- 标准免费下载： Freely Available Standards http://standards.iso.org/ittf/PubliclyAvailableStandards/index.html

2 MP4封装格式是基于QuickTime容器格式定义，媒体描述与媒体数据分开，目前被广泛应用于封装h.264视频和ACC音频，是高清视频/HDV的代表。

3 MP4文件中所有数据都封装在box中（对应QuickTime中的atom），即MP4文件是由若干个box组成，每个box有长度和类型，每个box中还可以包含另外的子box（称container box）。

　一个MP4文件首先会有且只有一个“ftyp”类型的box，作为MP4格式的标志并包含关于文件的一些信息；之后会有且只有一个“moov”类型的box（Movie Box），它是一种container box，子box包含了媒体的metadata信息；MP4文件的媒体数据包含在“mdat”类型的box（Midia Data Box）中，该类型的box也是container box，可以有多个，也可以没有（当媒体数据全部引用其他文件时），媒体数据的结构由metadata进行描述。

4 MP4中box存储方式为大端模式。一般，标准的box开头会有四个字节的box size。

5 几个名词

track	表示一些sample的集合，对于媒体数据来说，track表示一个视频或音频序列。
hint track	特殊的track，并不包含媒体数据，包含的是一些将其他数据track打包成流媒体的指示信息。
sample	对于非hint track来说，video sample即为一帧视频，或一组连续视频帧，audio sample即为一段连续的压缩音频，它们统称sample。对于hint track，sample定义一个或多个流媒体包的格式。
sample table	指明sampe时序和物理布局的表。
chunk	一个track的几个sample组成的单元。

三、MP4封装格式结构图

1 实例样本

来源于Android MediaRecoder视频录制，平台为华为T8300和TCL968，用mp4info查看如下：

用EsEYE查看如下：

用winhex分析如下：

2 box结构图

接下来对h264编码中有用的几个进行阐述，其它不再描述。

3 ftyp（file type box）

如下图所示，开始的四字节00 00 00 00 18表示该box的size为24字节（含头），然后66 74 79 70是ftyp的BOX TYPE，其它是一些格式兼容等相关信息。

4 mdat

如下图所示，BOX YPE为6D 64 61 74 ，紧接着的00 00 09 39表示sliece长度

5 avcC

如下图所示，红色为BOX TYPE

四、MP4文件中h264的 SPS、PPS获取

1 【参考依据】ISO/IEC 14496-15 （下载）

2 【综述】在H264中，SPS和PPS存在于NALU header中，而在MP4文件中，SPS和PPS存在于AVCDecoderConfigurationRecord，首先要定位avcC.

3 【定义】

①参数集：一组很少改变的，为大量VCL NALU 提供解码信息的数据。

序列参数集SPS作用于一系列连续的编码图像，而图像参数集PPS作用于编码视频序列中一个或多个独立的图像。

如果解码器没能正确接收到这两个参数集，那么其他NALU 也是无法解码的。因此它们一般在发送其它 NALU 之前发送，并且使用不同的信道或者更加可靠的传输协议（如TCP）进行传输，也可以重复传输。

②关于AVCDecoderConfigurationRecord结构定义为　　

4 【实例分析】数据如上avcC图所示，现在对数据进行详细分析

所以，提取的SPS和PPS分别为67 42 00 1E A6 81 41 F9和68 CE 38 80

五、MP4文件中的H264 data /NALU slice

1 【参考】H264官方文档（下载） + 毕书—新一代视频压缩编码标准（下载）

2 【综述】

① 在MP4格式文件中，H264 slice并不是以00 00 00 01来作分割，而是存储在mdat box中。

② H264基本码流由一些列的NALU组成。原始的NALU单元组成：[start code] + [NALU header] + [NALU payload]

start code	1字节	00 00 01 或 00 00 00 01	需要添加的
NALU header	1字节	如下3	通过mdat定位

③ H264基本码流结构分两层：视频编码层VCL和网络适配层NAL，这样使信号处理和网路传输分离

VCL	负责高效视频内容表示
NAL	以网络所要求的恰当方式对数据进行打包和发送

3 【定义】 NALU header

+---------------+

|0|1|2|3|4|5|6|7|

+-+-+-+-+-+-+-+-+

|F|NRI| Type |

+---------------+

特别的，当值为7和8分别为SPS和PPS。

毕书（下载）（P191）上的定义为：

4 【实例分析】数据分析，数据如上图mdat所示

6D 64 61 74	mdat BOX TYPE
00 00 09 39	silce长度，2361

接下来的65就是NALU header，可以由65&0x1F来求的后五个bit，从而得知此slice为I frame

注意，mdat与silce之间有可能存在若干占位符，我在TCL手机测试时就出现了连续的00的占位符，这样后面用H264硬编码时会比较麻烦一点。

Ref/Related

1 相关资料和工具在文中链接下载

2 http://www.52rd.com/Blog/wqyuwss/559/4/

3 http://blog.csdn.net/szu030606/article/details/5943279

4 http://blog.csdn.net/k1988/article/details/5654631

5 http://www.cppblog.com/czanyou/archive/2008/11/26/67940.html

6 http://krdai.info/blog/sps-pps-in-mp4-format.html

7 http://www.cnitblog.com/zouzheng/archive/2007/04/04/25155.html

8 http://bbs.chinavideo.org/viewthread.php?tid=10273