ZLMediaKit中GB28181推流丢失P帧问题分析与解决方案
2025-05-15 17:54:39作者:仰钰奇
问题背景
在视频监控领域,GB28181协议作为国家标准协议被广泛应用。ZLMediaKit作为一款优秀的流媒体服务器,支持通过GB28181协议接入设备视频流。然而在实际应用中,开发者发现通过GB28181协议接入H.265编码视频流时,使用FLV/TS协议播放会出现花屏现象,而FMP4协议则表现正常。
问题现象
- 首次播放花屏:当设备首次通过GB28181协议推送RTP流时,前端使用WS-FLV协议首次播放会出现花屏现象
- 后续播放正常:如果流已经存在,再次播放则不会出现花屏
- 协议差异:FLV和TS协议可能出现问题,FMP4协议表现稳定
- 测试验证:
- 保存的RTP数据重放不会复现问题
- 添加静音音频会导致I帧丢失
问题定位
通过深入分析日志和代码,发现问题根源在于:
- 按需转协议机制:当
rtmp_demand=1时,ZLMediaKit会启用按需转协议功能,这可能导致在转协议过程中丢失部分帧 - 帧处理逻辑缺陷:在H.265/H.264编码处理流程中,存在帧索引检查不严格的问题,导致部分帧被错误丢弃
- 时间戳处理:FLV Muxer中对时间戳的处理可能导致部分帧被过滤
技术分析
帧丢失规律
通过大量测试数据分析,发现帧丢失呈现以下规律:
- 首帧丢失:表现为I帧(未发送)→P帧(发送)→P帧(未发送)
- 中间帧丢失:表现为I帧(发送)→P帧(发送)→P帧(未发送)→...,通常从第二个P帧开始丢失
关键代码问题
- H265Rtmp编码器:在帧合并处理时,未能正确处理所有帧类型
- MediaSink模块:帧索引检查过于严格,导致部分有效帧被错误丢弃
- FlvMuxer模块:时间戳检查逻辑可能导致部分帧被过滤
解决方案
临时解决方案
- 关闭按需转协议:将配置中的
rtmp_demand设置为0[protocol] rtmp_demand=0 - 避免添加静音音频:设置
add_mute_audio=0
根本解决方案
开发者已提交代码修复,主要包含以下改进:
- H265/H264处理优化:完善extra_data生成逻辑,确保缓冲区正确初始化
- 帧索引检查优化:放宽MediaSink中的帧索引检查条件
- 时间戳处理改进:调整FLV Muxer中的时间戳过滤逻辑
最佳实践建议
-
配置建议:
- 对于稳定性要求高的场景,建议关闭按需转协议功能
- 合理设置
wait_track_ready_ms和wait_add_track_ms参数 - 根据实际需求选择是否添加静音音频
-
开发建议:
- 在接入GB28181设备时,优先测试FMP4协议
- 对于关键监控场景,建议开启调试日志以便快速定位问题
- 定期更新ZLMediaKit版本以获取最新修复
-
性能权衡:
- 关闭按需转协议会增加服务器资源消耗
- 需要根据实际业务场景在性能和稳定性之间做出权衡
总结
GB28181协议与ZLMediaKit的集成中出现P帧丢失问题,主要源于按需转协议机制与帧处理逻辑的交互问题。通过合理配置和代码优化,可以有效解决这一问题。对于视频监控等对稳定性要求高的场景,建议采用更稳定的FMP4协议,并根据实际需求调整服务器配置参数。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878