School of Mathematics and Systems Engineering. Reports from MSI - Rapporter från MSI. Video on Demand. Martin Gustavsson Johnny Renegård

Transkript

1 School of Mathematics and Systems Engineering Reports from MSI - Rapporter från MSI Video on Demand Martin Gustavsson Johnny Renegård Jun 2002 MSI Report Växjö University ISSN SE VÄXJÖ ISRN VXU/MSI/EL/E/ /--SE 1

2 Organisation/ Organization VÄXJÖ UNIVERSITET Matematiska och systemtekniska institutionen Växjö University/ School of Mathematics and Systems Engineering Författare/Author(s) Martin Gustavsson Johnny Renegård Dokumenttyp/Type of document Examensarbete/ Diplomawork Titel och undertitel/title and subtitle Video on Demand Sammanfattning (på svenska) Examensarbetet är gjort på uppdrag av AV-Media i Kronobergs län. Arbetet innefattar grundläggande beskrivningar av olika och de mest förekommande filformaten inom digital videokompression. Rapporten tar upp problemställningar och framtida lösningar av streaming samt en jämförelse av två skilda VoD system. Nyckelord Video on Demand, streaming, filformat, MPEG-1, MPEG-2, MPEG-4, Pulsent, DivX, H.26L, Windows Media 8, Dynamisk bandbreddsallokering, Synkronisering av streaming. Abstract (in English) This report is an assignment by AV-Media i Kronobers län. The work of this dokument includes basic information of the most common file formats, according to digital videocompression. Problems and future technology of streaming are investegated and summarized. Two different Video on Demand soulutions are compared and evaluated. Key Words Video on Demand, streaming, file format, MPEG-1, MPEG-2, MPEG-4, Pulsent, DivX, H.26L. Windows Media 8, Dynamic bandwidth allocation, Merging of streams. Utgivningsår/Year of issue Språk/Language Antal sidor/number of pages 2002 Svenska/Swedish 48

3 Inledning Denna rapport är avsedd som ett examensarbete för kandidatexamen i Datateknik vid Växjö Universitet. För att uppnå de krav som ställs på en C-uppsats har vi fördjupat oss i diverse områden, bl. a inom digitala videoformat och vad framtidens videotekniker har att erbjuda. Bakgrund: Av en tillfällighet kom vi i kontakt med AV-media i Kronoberg. Deras verksamhet innefattar utlåning av utbildningsmaterial som idag finns lagrat på VHS-kasseter. Vi fick höra att deras visioner i framtiden är att kunna distribuera detta material digitalt och på så sätt slippa frakta band fram och tillbaka i länet. Vi tyckte ämnet var intressant och spännande då vi inte alls varit i kontakt med detta innan. Vi beslutade oss därför att titta närmare på detta som examensarbete och se vad vi kan hjälpa AV-Media i Kronoberg med. Syfte: Vårat mål och syfte med examensarbetet är att undersöka hur man kan gå tillväga för att lösa de problem som AV- Media i Kronobergs län ställts inför. Detta innefattar att undersöka vad Video On Demand och streaming är, samt titta lite på var problemen ligger för att åstadkomma en bra streamingmiljö. Vi vill också påvisa vad för typ av VoD- system som passar för AV-Media i Kronobergs län. Handledare på Växjö Universitet MSI: Handledare hos AV-Media i Kronobergs län: Jim Bengtsson Bo Magnusson 2

4 Innehållsförteckning Inledning Sidnr: Bakgrund och syfte med rapporten 2 Innehållsförteckning 3 Avsnitt 1. Fördjupningsområden 4 Digitala videoformat och standarder 5 - MPEG, Moving Picture Expert Group 5 o MPEG-1 5 o MPEG-2 9 o MPEG Standardorganisationer 14 - Användarapplikationer 16 - Framtida filformat och system 17 o DivX 17 o Windows Media 8 18 o Pulsent 20 o H.26L 22 o MXF 23 Synkronisering av streaming 24 - Statisk synkronisering 25 - Dynamisk synkronisering 27 Dynamisk Bandbreddsallokering 29 - Constant / Variable Bitrate 29 - Sammanfattning av Dynamisk bandbreddsallokering 32 Sammanfattning av avsnitt 1 33 Avsnitt 2. Studier av befintliga VoD- system 34 Inledning 35 Mediecenter i Stockholm 36 Qbrick 39 Sammanfattning och jämförelse av systemen 43 Avsnitt 3. Resultat och slutsats 44 Vad är bäst för AV-Media i Kronobergs län 45 Vad har vi lärt oss utav denna undersökning 46 Slutord 46 Källförteckning med referenslista 47 3

5 Avsnitt 1 Fördjupningsområden Inledningsvis i detta avsnitt går vi lite djupare på de olika filformaten som finns för digitala videofilmer, bl a MPEG 1, 2 och 4 samt DivX och andra intressanta nya filformat och dekodrar. Sedan finns det lite funderingar och forskningar angående bandbreddsallokering vid Video on Demand och även lösningar för att spara på bandbredd genom att synkronisera streamningar. Upplägg: Filformat för digitala videofilmer (MPEG, DIVX, PULSENT mm.). Användarapplikationer för att se film från datorn (Quicktime, Mediaspelaren, o s v). Standardorganisationer (ISO/IEC, ITU-T). Synkroniseringsteknik. Dynamisk Bandbreddsallokering 4

6 Digitala videoformat och standarder Det som idag visas på en datorskärm är inte detsamma som visades när datorn uppfanns, då var det enbart text och siffror medan det idag ska visas både stillbilder och rörliga bilder av hög kvalité. För att dessa stora bilder inte ska ta upp hela hårddisken så måste de komprimeras på något vis. Ett sätt att komprimera dem är med MPEG-tekniken som är en väl utvecklad standard för videokompression. Vi ska ta reda lite om vad MPEG är och vad man idag kan åstadkomma med denna teknik. En annan aspekt som vi ska titta på är vad det kostar d v s om man får minska kraven på kvaliteten. MPEG är formellt sett utformat av standardorganisationen ISO/IEC, men en annan standardorganisation vid namn ITU-T har även varit framgångsrik inom komprimeringstekniker. Mer om dessa format och standarder står i detta avsnitt. Datareduktion har blivigt allt viktigare för databranschen idag då filer, speciellt mediafiler, tenderar att bli allt större och större. I och med att Internettrafiken ökat lavinartat på senare tid så är även komprimering av filer ett sätt att få ner belastningen på nätet. Digitaltekniken är idag ett utmärkt redskap för att bearbeta en digitaliserad signal och det är just i det arbetet man kan komprimera stora datamängder. Resultatet blir en digitaliserad film. Digitaltekniken blir därmed både en anledning till och en förutsättning för datareduktion. Det finns minst två skäl för varför man ska digitalisera. För det första kan man lagra och överföra signaler med betydligt mindre försämring om man väl har digitaliserat dem. För det andra kan datareduktion göra att slutsignalen kräver mindre lagringsutrymme än den analoga signalen gjorde från början. Det finns två olika begrepp som används ganska flitigt nämligen datakompression som ofta kallas bitreduktion och datakompression. Vid en kompression så tar man inte bort något material utan bara packar ihop det mer för att sedan kunna få tillbaka originalet vid expansionen. Vid en reducering av materialet så innebär det att man förstör datamängden på något vis vilket måste göras om man vill krympa det kraftigt. Det som tas bort kan aldrig återskapas helt, men man försöker alltid i första hand kasta bort sådant som inte syns. MPEG Generellt MPEG är det vanligaste sättet att reducera videosignaler kraftigt. MPEG är inte ett ända filformat utan innehåller ett antal olika standarder. En sådan är MPEG-1 som i sig innehåller flera varianter. Exempel på andra är MPEG-2 och MPEG-4. Det fanns innan också en MPEG- 3 som idag är inkluderad i MPEG-2. MPEG-1 MPEG arbetar på två huvudsakliga sätt där det ena är att ta bort onödig information. Sådan information kan vara om vilken färg en bakgrund har pixelvis och är den lika överallt kan detta beskrivas på ett komprimerat sätt. Detta sparar mycket utrymme. Den andra metoden är reduceringsmetoden och används när man har en film där många bilder rör sig i en snabb frekvens. För att slippa skicka all information för varje bild så behåller man den gamla bilden och skickar sedan bara förändringarna som skett. För att på ett smart sätt plocka bort data används en teknik som kallas CODECS (compress/decompress). Vissa codecs är optimerade för att skapa de minsta möjliga filerna dvs. den största komprimeringen. Vissa är till för att skapa den exakta representationen även 5

7 om det medför att filerna blir större. Detta beror på vad det är för material och främst vad man ska använda det till. För att det digitaliserade materialet ska få så hög kvalitet som möjligt så har originalkvalitén en avgörande betydelse. Man kan inte göra en bra digitalisering med ett dåligt originalmaterial. Det man börjar med är att kvantisera materialet till 325 x 288 bildpunkter vilket ger en upplösning som motsvarar VHS- filmer. I och med att en bild är digitaliserad i en relativt låg upplösning så ger detta en delvis ny karaktär åt bilden. Detta syns i uppdelningen av enstaka bildpunkter på skarpa konturer som lutar i förhållande till horisonten. Detta är ett fenomen som ger en taggighet och ger åskådaren en dålig synupplevelse. För att reducera problemet så kan man innan kvantiseringen filtrera bort de högsta samplingskomponenterna vilket är de finaste detaljerna i en bild. Felet har att göra med att man får vikningsdistorsion, d v s signalkomponenter som tillkommit och som inte fanns med i originalet. För att åtgärda denna distorsion så måste man ta bort allt signalinnehåll över halva samplingsfrekvensen, detta problemet finns för övrigt också vid ljuddigitalisering. För att få en bild av hur MPEG-1 systemet kan arbeta så förklaras här näst hur arbetsgången går till för både reducerade stillbilder och reducerade rörelser. Metoderna innefattar från video in till video ut. Stillbilder För att reducera en stillbild så samplas bilden i första steget till 352 x 288 bildpunkter. Bilden sparas egentligen tre gånger som brukar betecknas med RGB- format vilket innebär en bild i röd, en i grön och en i blå färg. I normalfallet så sparas varje bildpunkt för sig som beskriver dess gråton eller färg. För att ytterligare få ner datamängden så görs fortsatta bearbetningar i form av att ersätta nivåerna på färgerna med nivåförändringar istället. Detta är en direkt sparande åtgärd, främst om stora delar som bakgrund är lika från en bild till en annan vilket gör att det då inte skett någon nivåförändring på dessa ställen. Det behöver alltså inte skickas så mycket ny data om bilden. Processen för omvandlingen sker genom DCT (Diskret Cosinus Transform) och kallas även JPEG 1. De samplade bildpunkterna delas upp i svartvit och färginformation där de svartvita bildpunkterna sedan delas upp i block om 8 x 8 bildpunkter. Färgen har istället en uppdelning på 16 x 16 bildpunkter. Detta resulterar i att det svartvita kommer att bestå av 1584 block d v s 44 x 36 och färgen i 396 block eller 22 x 18 st. Härifrån sker sen omvandlingen internt i varje block till nivåförändringar. Blockuppdelning I bilden nedan (figur 1) så visas tillvägagångssättet och för en lättare överblick så används bara block i 4 x 4 rutor. I varje ruta i högra bilden så är punkterna definierad med ett nivåvärde, 255 representerar vitt och är också är det högsta värdet som går att få med ett 8- bitars ord. I de undre rutorna så är transformationen gjord och nu representerar varje värde i delrutorna en viss frekvens i en speciell riktning. En snabb förändring med skarpa konturer motsvarar höga frekvenser och tvärt om med långsamma förändringar. I undre högra rutan längst upp till vänster motsvaras rutan av 0 Hz och får därför värdet 255. All information motsvaras för övrigt av en likspänning. I och med att det inte finns några konturer eller förändringar så ger det övriga rutor värdet 0. I bildrutan till vänster så varierar nivåerna betydligt mer och också här finns en stor likspänningskomponent längst upp till vänster. 1 JPEG Joint Picture Expert Group är ett standardformat för digitala stillbilder 6

8 För att beskriva en förändring i en viss riktning som nämndes innan så visas det åt höger i nivåvärdena för allt högre frekvenser i horisontalled. Nedåt visas högre frekvenser i vertikalled och sneda övergångar visas diagonalt nedåt höger. Hela grejen går ut på att beskriva bilden med mindre information så hade man beskrivit frekvenserna med lika många värden skulle vinsten ha varit obefintlig. Kodningen styrs till stor del av om en bild har snabba övergångar eller inte. Detta har sin grund i att det krävs att gråskalan innehåller många steg för att en bild ska se naturlig ut. Vid snabba övergångar så är man inte alls lika känslig för antalet steg och kan därför reducera bitantalet. Långsamma förändringar i en bild kodas med full upplösning, d v s 8 bitar (se rutan längs upp till vänster i figur 1). Antalet bitar man kodar med sjunker sedan i proportion till att frekvensen ökar. Figur 1. Genom att dela upp bildpunkterna i grupper kan man analysera innehållet och reducera datamängden kraftigt. Rörelser För att koda rörelser så använder MPEG-1 sig utav ett antal bilder av olika kvalitet, det finns tre olika typer av bilder och de kallas: I-rutor (Intra-frames), P-rutor (Prediction-frames) och B-rutor (Bidirectional-frames). I-rutor är en bild som är reducerad som en stillbild och är av bra kvalité. För en bättre demonstration hur kodningen går till så refereras textens bildnummer till bilden nedan (figur 2). Bild 100 datareduceras och lagras på bästa möjliga sätt och kan sägas är utgångspunkten eller den mest sanningsenliga bilden. Ur bild 97 och 100 försöker man förutsäga hur bild 103 ska se ut, detta jämförs sedan med den verkliga bilden och skillnaden eller felet i örutsägelsen registreras och kodas i en P-ruta. P-rutan innehåller alltså felet i extrapolarisationen (förutsägelsen) och innehåller betydligt mindre information än I-rutorna. Detta betyder att ju mindre information P-rutan innehåller desto bättre, man kan också dra slutsatsen att en P-ruta med mycket fel också innehåller mycket krångliga rörelser. De värsta rörelserna att behandla är brus, dels har de inget värde för tittaren och dels har elektroniken oerhört svårt att förutsäga oregelbundet brus. Bildkvalitén sjunker som följd och man inser direkt vikten av ett bra originalmaterial även om det finns brusreducering idag. Under en sekund så används alltså bara var 3:e delbild varav man lagrar 5st, detta kompletteras sedan med 12 P-rutor. Interpolerande bilder B-rutorna fås fram genom interpolarisation som innebär att man tittar på omgivande rutor före och efter. Ruta 98 och 99 fås alltså fram på detta viset. Eftersom man inte kan använda sig av en ruta som inte kommit än så ändrar man ordningen när bilderna lagras, d v s de läggs i ett minne vid avkodningen och släpps ut i rätt ordning. Detta är inte illustrerat. Det finns däremot ett annat problem nämligen när ruta 100 ska interpolera med ruta 103. Eftersom ruta 103 inte är någon riktig bild så måste den återskapas innan den kan användas. Då ruta 103 är en P-ruta innehåller den bara felet som elektroniken skapat och för en återskapning gör man om samma extrapolarisation för rutorna 97 och 100. För återskapningen dras felet från extrapolarisationen får därmed fram bild 103 som i sin tur används för att få fram de båda B- rutorna. 7

9 Problem För ett bra resultat så bör P-rutorna vara så lika I-rutorna som möjligt, skulle avkodaren inte vara tillräckligt snabb så kanske den inte gör lika bra förutsägelser som inkodaren vilket försämrar bilden. Har man inte tilldelat korrektionen av fel tillräcklig datakapacitet som kan uppstå t ex om rörelserna är mycket stora vid inkodningen så sänks kvaliteten på återskapade P-rutor. En för liten tilldelning kan man göra för att inte störa I-ruterna för mycket. Risken för kvalitetsförsämringar ökar också ju längre från en I-ruta man kommer i och med att man återskapar bilder från tidigare bilder som kan innehålla felaktigheter. Detta fenomen visar sig även på de framräknade B-rutorna. Problemets karaktär gör inte bara att bilden försämras utan bidrar också med redigeringssvårigheter om man skulle vilja klippa en film precis före en I- ruta. Kvaliteten är då som sämst och i värsta fall tar man bort en efterföljande ruta som används för interpolarisation vilket resulterar i att bilden kraschar. Har man stora krav på bilden brukar man i stället använda sig av en variant av MPEG-1 som kallas M-JPEG där i princip bara I-rutor används. Huvudsyftet frångås samtidigt lite då denna kräver större lagringsutrymme. Figur 2. En MPEG 1-kodad video innehåller bara fem hela bilder per sekund. Resten är återskapade bilder som kan vara mer eller mindre lika det ursprungliga originalet. Metoden bygger på att det mesta innehållet är lika mellan två delbilder i video. MPEG-1 kan packa ner data med komprimering mellan 20:1 och 50:1 d v s att de komprimerade filerna tar upp mellan 1/20 och 1/50 av den plats som de ursprungliga filerna gör. Denna komprimering har ett pris, även om komprimeringen är professionellt utförd blir kvaliteten inte bättre än en ickekomprimerad analog film, som t.ex. på en videobandspelare. 8

10 MPEG-2 MPEG-2 är en variant som tillåter högre datahastigheter, bättre bildkvalitet och flera ljudkanaler. Denna komprimering är en mycket bättre lösning än den gamla MPEG-1. Den heter MPEG-2 och bygger på samma teknik som MPEG-1 men p.g.a. av att codecen är bättre är även bildkvaliteten bättre. Jämfört med en analogt inspelad film så är skillnaden t ex att i en MPEG-2 film så är allt videobrus borta och färgåtergivningen bättre. MPEG-2 är förövrigt den komprimeringsteknik som används i DVD. MPEG- 2 bygger främst på de krav som ställs på digitala TV- sändningar och HDTV med bithastigheter mellan 2 Mbps och 30 Mbps. MPEG- 2 använder sig av kompressionsmöjligheter som introducerades med MPEG- 1, men är mer tåliga för miljöer där fel lätt smyger sig in. Det innebär att MPEG- 2 har bättre verktyg för att korrigera fel och dölja fel som inte tidigare kunnat korrigeras. MPEG-4 MPEG- 4 standardiseringsfas startade redan Målsättningen var att standardisera algoritmer för s.k. audiovisuell kodning i multimediaapplikationer, där det audiovisuella innehållet skulle ges möjlighet till interaktivitet, hög kompression och mobilitet. MPEG- 4 målsättning var att sammanfoga dessa tre funktionsområden i en och samma standard. Bithastigheterna för denna nya standard ligger mellan 5 64 Kbps för mobila applikationer och upp till 2 Mbps för TV/ film applikationer. Målet med MPEG- 4 är alltså att erbjuda något som tidigare standarder inte kunnat klara av. Dels vid högre videokvalitet samt vid lägre hastigheter och dels med interaktivitet. Figur 3. Visar MPEG-formatens kvalitet vid olika överföringshastigheter. 9

11 Det finns en grundläggande skillnad mellan MPEG-1, MPEG2 till MPEG-4. Denna skillnad ligger i att MPEG-4 är objektbaserat medan de lägre MPEG-formaten är rambaserade. Detta innebär att en videosekvens i MPEG-4 kan skalas ner i objekt som i sin tur är sammansatta, detta är illustrerat i nedanstående bild (figur 4). Figur 4. Visar hur objekten är sammansatta i MPEG-4. Fördelen med denna teknik är att de bilder som är statiska bara överförs till mottagaren en gång d v s första bilden i och med att denna inte ändras. Detta kan till exempel vara bakgrunder. Det som kommer att skickas till mottagaren är nu bara förändringarna som sker och i detta fall så är det tennisspelarens rörelser som behöver uppdateras. MPEG-4 möjliggör också att man kan komprimera filmen på olika sätt genom codecs då man kan reducera bildkvaliteten mer på vissa delar som inte ligger i bildens fokus. Just att utveckla codecs som står för code och decode är under ständig utveckling. MPEG-4 standarden tillhandahåller ett antal teknologier för att tillfredställa behoven hos både tillverkare, servicepersonal och slutanvändare. Här följer några exempel: För tillverkare. MPEG-4 möjliggör att innehållet i mycket högre grad går att återanvända. Den har också högre flexibilitet än vad som är möjligt idag med individuella tekniker som t ex. digital tv och animerad grafik. Slutsatsen är att det nu är möjligt att bättre övervaka och skydda innehållets ägarrättigheter. För nätverksadministratören så erbjuder MPEG-4 transparent information som kan bli interpreterat och översatt till lämpliga signaleringsmeddelande för varje nätverk. Detta görs med hjälp av relevanta standardramar. För slutanvändaren så tillför MPEG-4 en högre grad av interaktion med innehållet inom ramarna som upphovsmannen satt upp. Formatet ger också möjlighet att föra in multimedia i ett helt nytt typ av nätverk, t ex de nätverk med relativt liten överföringshastighet. Ett exempel på detta är till mobila enheter som mobiltelefoner. 10

12 MPEG-4 uppnår följande mål genom att erbjuda standardiserade sätt att: 1. Representera mediaobjekt. Dessa mediaobjekt kan vara av naturlig eller av syntetisk uppkomst vilket menas att de kan bli inspelade med en kamera, mikrofon eller bli skapade m h a. en dator. 2. Beskriva komprimeringen av objekten för att skapa en blandning av mediaobjekten som skapar en audiovisuella scener. 3. Skapa en mångfald och synkronisering av data associerade med media objekt så att de kan transporteras över nätverkskanaler. 4. Interaktivt jobba med audivisuella scener som skapats hos mottagarsidan. Kodningen av media objekt Audiovisuella scener är en samling av många mediaobjekt som är organiserade i en hierarkisk form. Som löven i trädet hittar vi de mest primitiva objekten som: Stillbilder (t ex en fast bakgrund) Video objekt (t ex en talande person utan bakgrunden) Audio objekt (t ex rösten associerad med personen och bakgrundsmusik) MPEG-4 har standardiserat ett antal liknande primitiva objekt som är kapabla att representeras på både ett syntetiskt och ett naturligt sätt och kan vara antingen 2 eller 3 dimensionellt. Som tillägg till mediaobjekten som nämndes ovan och som visas i figuren nedan (figur 5) så representerar och definierar MPEG-4 objekt så som: Text och grafik Syntetiskt tal och associerad text som används vid animeringar Syntetiskt ljud Ett mediaobjekt i kodad form består av beskrivande element som tillåter behandling av objektet i en audiovisuell scen så gott som associerad streamad data, om detta är nödvändigt. Det är viktigt att tillägga att detta är i kodad form. Varje mediaobjekt kan representeras oberoende av omgivning och bakgrund. Den kodade representationen av mediaobjekt är så effektiv som möjligt när den beräknar de begärda funktionaliteterna. Ett exempel på sådan funktionalitet är hur robust den är mot fel. 11

13 Sammansättning av mediaobjekt Figuren nedan förklarar hur audiovisuella scener är sammansatta i MPEG-4 och hur de är representerade som individuella objekt. Figuren innehåller blandade mediaobjekt som grupperar primitiva objekt tillsammans. Primitiva mediaobjekt motsvarar löven i beskrivningsträdet medan de sammansatta mediaobjekten omfattar alla underträd. Som ett exempel kan vi ta det visuella objektet som svarar mot den talande personen. Motsvarande röst är knuten tillsammans med personen för att få ett nytt sammansatt objekt som innehåller både audiella och visuella komponenter av den talande personen. En sådan gruppering tillåter upphovsmannen att skapa komplexa scener och möjliggör för konsumenten att på ett meningsfullt sätt manipulera objekten. Mer generellt så erbjuder MPEG-4 ett standardiserat sätt att beskriva scener och tillåter t ex att:. Placera mediaobjekt var som helst i ett givet koordinatsystem. Applicera verktyg för att förändra den geometriska och akustiska utseendet på mediaobjektet. Gruppera primitiva mediaobjekt för att forma ett sammansatt objekt. Applicera streamad data till mediaobjekt för att kunna modifiera attribut som t ex en rullande text som tillhör ett objekt. Interaktivt kunna ändra användarens syn och hörselområde var som helst i scenen. Figur 5. Visar hur audiovisuella scener är sammansatta i MPEG-4. 12

14 MPEG 1&2 jämfört med MPEG-4 I juli 1999 genomfördes ett prestandatest [13] av MPEG för att utvärdera prestandan på MPEG-4 jämfört med de tidigare MPEG-formaten d v s MPEG 1&2. Testet innefattade en genomtänkt prövning och utvärdering av komprimering och dekomprimering av videosekvenser. Utvärderingstestet innehöll åtskilliga sekvenser med QCIF 2 och CIF 3 upplösning som kan används vi exempelvis videokonferenser. Varje körning skedde vid olika datahastigheter med både MPEG 1&2 och MPEG-4. Det som kunde konstateras var att MPEG-4 visade en klar överlägsenhet på allt som undersöktes. Komprimeringen på MPEG-4 var ungefär 20 % bättre än de tidigare formaten. 2 QCIF (Quarter Common Interface Format) Är ITU-T H.261 standard för upplösningen 176x CIF (Common Interface Format) Är ITU-T H.261 standard för upplösningen 352x

15 Standardorganisationer för Digital Video. Det finns idag två huvudstandardorganisationer för digital video, ITU-T 4 Video Coding Expert Group [1] respektive ISO/IEC 5 Moving Picture Expert Group [2]. ISO/IEC MPEG är den mest kända standarden eftersom den har visat sig mer användbar till videofilmer. De flesta som har sett en film på datorn har stött på dessa MPEG-format av olika slag. ISO/IEC har uppsatta mål som t ex objektbaserad bildbehandling som ger bättre bildkvaliteter och anpassas inte för streaming alla gånger. ITU-T VCEG där emot har fokuserat sig på att förbättra komprimeringen och minska känsligheten för fördröjning. Deras nyaste teknik heter H.26L och är mer anpassad för streaming i form av videotelefoni eller videokonferenser. VCEG arbetar för tillfället med att ta fram en bra streaminglösning för mobiltelefoni. Ett stort steg för MPEG version 2 var när DVD kom ut på marknaden. Men då ska man veta att framtagandet av MPEG-2 i många fall var ett samarbete mellan ITU-T och ISO/IEC. DVD och DVformaten är sedan organisationernas egna sammanslagningar av de olika standarderna. Man talar ofta om bildkvalitet och jämförelser mellan de olika formatens bildkvalitet. Detta är delvis förvirrande för ovana läsare, eftersom en MPEG-1 film kan vara mycket bättre än en MPEG-4. Detta på grund av att standarden endast tar hänsyn till interoperabillitet och inte till kvalitet. Se figur 6 [3]. Figur 6. Hämtad ur [3]. Beskriver bra hur svårt det är att avgöra ifall en MPEG-2 är bättre än MPEG-4. Standarden för videoformaten ligger sällan i kodningen av filmen, även om man lätt kan tro det. Området för standardiseringar för video är vid avkodningen (decode) som figur 7 visar. figur 7. Visar var standardiseringen äger rum. Det är bara syntaxen och avkodningsprocessen som är standardiserad. 4 ITU-T (International Telecommunication Union Telecommunication Standardization Sector) 5 ISO/IEC (International Standard Organisation / International Electrotechnical Commission) 14

16 En viktig iakttagelse är att nya konkurrerande videoformat som t ex DivX [4] eller Pulsent, inte har någon specificerad standardorganisation att luta sig mot. Förutom att DivX bygger på MPEG-4 standarden försöker man bygga ett eget koncept som bygger på en teknologi gjord av en hacker vid namn Jerome Rota, från frankrike. Denna DivX teknologi skall klara av att komprimera 10 ggr mer än MPEG-2 men med bibehållen DVD- kvalitet. Det som Jerome Rota lyckades göra var att skicka en film, med hjälp av det svår hackade asf-formatet, till en vän. Detta videoschema programmerade han sig igenom för att skicka sin presentation online och detta är grunden till dagens DivX teknologi. Över 1 miljon nedladdningar gjordes på 48 timmar efter att den senaste versionen DivX 5.0 släpptes.. Pulsent är ett företag som i flera år arbetat med att ta fram en egen teknik för hantering av videodata. Något namn på formatet finns inte ännu men efter många års forskning har de fått tekniken att fungera med mjukvara. Dock väntar man med iver på att hårdvaruversionen skall bli klar ty det är där Pulsent kan nå framgångar. I mjukvara är nämligen DivX och Microsoft de ledande tillverkarna av komprimeringsprogram mm men att göra dessa verktyg i hårdvara krävs mycket mer arbete. Anledningen till att DivX inte har nått ut till den stora seriösa marknaden är att formatet länge varit förknippat med Hackers och Piratkopiering. Idag finns företaget DivX Networks som är ett av de mest intressanta företag som tillhandahåller digitala videoformat. Till sommaren 2002 skall de nya DVD-spelarna vara utrustade med CODEC som klarar av DivX formaten. Joint Video Team, JVT. I slutet av år 2001 bildades en sammanslagning av ITU-T och ISO/IEC. Målet med sammanslagningen var att lägga grunden för en ny gemensam video-codec-standard huvudsakligen baserad på H.26L standarden och MPEG standarder. MPEG tror att interoperabillitet och enkelhet kommer att ha en betydande roll i den nya JVT- codec (även känd som H.26L och MPEG-4 Part 10 ). Framtagandet av JVT- codec planeras vara klart i slutet av år Då kommer alla RTP-baserade 6 system att ha möjlighet att använda sig utav den nya JVT- tekniken. 6 RTP (Realtime Transport Protocol) är ett Internetstandardprotokoll som hanterar Realtidsöverföringar som innehåller både videodata och audiodata. RTP Är definierad av IEFT, Internet Engineering Task Force. 15

17 Användarapplikationer Att en standard typ MPEG finns är bra då det detta gör att många program kan hantera filformatet, nackdelen är att det tar tid att utveckla och gör att utvecklingen kan stanna upp. MPEG standarden har riktlinjer som måste hållas och detta gör att företag typ Microsoft fortsätter att utveckla formaten vidare. Detta har nu hänt och vi ska här ta upp några andra format och användarapplikationer. Dessa applikationer kan man säga är en vidareutveckling av MPEG-4 standarden. Windows Media Windows Media Technologies är Microsofts streaming media lösning. Windows media stöder bara realtime streaming när man använder en Microsoft Media server. Användare kan titta på Windows Mediafiler med Windows Media Player som kan laddas ner från nätet. Den just nu aktuella versionen är Windows media 8.0. Windows Media stöder XML (Extended Markup Language) som möjliggör för Windows Mediaplayer att synkronisera media och aktiviteter inom en webbsida som ett komplement till video o audio. QuickTime QuickTime är Apples multimedia- och streaming- lösning. QuickTime finns i många videoredigeringssystem och de flesta titelutvecklare levererar CD-ROM med QuickTime. QuickTime finns för olika slags media som synkroniserad grafik, ljud, video, text, musik, VR och 3-D. Det finns även en hel del specialfunktioner som interaktivitet, VR panoraman och motiv, alternativa versioner med användardefinierade kriterier, liveinspelade videoeffekter, URL-länkar och mycket mera. QuickTime har video och audiokretsar som passar för allt från streaming till DVD. QuickTime adresserar även media som hanterar filformat av andra format än QuickTime-filer, nämligen DV och AVI-filer, Macromedia och Flash mm. QuickTime stöder SMIL (Synchronized Multimedia Integration Language). Detta språk gör det möjligt för QuickTime att synkronisera media och aktiviteter inom en webbsida som ett komplement till video och audio. Apple erbjuder utöver en enklare gratisspelare även en utförligare betalversion och som kallas för QuickTime Pro som innehåller en mängd QuickTime plug funktioner. Real Media RealSystem är en streaming media lösning som utvecklats av RealNetworks. RealSystem erbjuder streaming i realtid från en Realserver. Användaren kan se på RealSystem-filer med RealPlayer Basic som är en gratisspelare som kan hämtas från RealNetworks. RealSystem lämpar sig för ljud, video och annan media som hämtas från nätverk, exempelvis text och Flash-animationer. Det är mindre bra för CD-ROM och DVD på grund av de högre CPU-kraven som gäller vid högre bandbredd. RealSystem-filer kan inte redigeras eller återkomprimeras sedan man väl avkodat dem till ett RealSystem-format. Även RealSystem stöder SMIL. 16

18 Framtida filformat och system För inte så länge sedan tyckte vi att musik på en CD-skiva var unikt. Detta var bara för ett tio tal år sedan. När man köpte en ny VHS-film blev man förundrad över den fina kvaliteten på bilden. Men efter hand så förstördes den mer och mer efter varje uppspelning. Övergången till digital lagring av filmer började ta ordentlig fart vid introducerandet av MPEG formaten. Även idag används dessa flitigt men många företag har försökt specialisera sig mot egna lösningar. I denna del av rapporten beskrivs några av de vanligaste och mest kända nykomlingar på området. DivX. DivX [5] var från början en bra lösning för pay per view - konceptet som lanserades av företaget Circuit City Los Angeles. Företagets affärsidé var att hyra ut sina DVD-filmer via modem och få betalt för varje gång man såg på filmen. Det man behövde var en DVD-spelare som hade ett inbyggt modem i sig. Varje gång du laddade hem en film kostade det ca 5$ för de första 48 timmarna. DivX stod för Digital Video express, och tekniken byggde på MPEG-4 teknologin. Filformatet heter ASF och var på den tiden (1998) näst intill omöjligt att hacka. Men så en dag tröttnade en Hacker vid namn Gej på att behöva betala dyra pengar för filmer han kunnat köpa för nästan samma pris. DivX ;-) 7 grundades av Jerome Rota, en fransk Hacker som gick under namnet Gej. Enligt han själv, började det hela med att han ville kompilera en portfölj i AVI formatet, men kunde inte hitta något bra sätt att komprimera den och sedan skicka den på ett bra sätt. Efter lite arbete med en Microsoft ASF-applikation lyckades han få applikationen kompatibel med AVI-formatet. Efter detta skickade han sin lösning via IRC till en vän och efter en kort stund störtade det in förfrågningar på hans teknik fick Jordan Greenhall 8 tag på Gej och lyckades övertala honom till att satsa på en affärsidé som t o m lockat Microsoft som intressent. Företaget heter nu DivX Networks och ligger som många andra dataföretag i Kalifornien, USA. Tekniken. DivX formatet bygger på MPEG version 4 och sägs vara det ledande formatet som hanterar MPEG-4. Tekniken är designad att klara av fullskärmsupplösning och video med hög upplösning. Bildkvaliteten är kanske inte så mycket märkvärdigare än andra MPEG- lösningar men ser man till hastigheten DivX arbetar på finns det inte mycket att jämföra med. Den teknik som ligger närmast är Windows Media version 8 som t o m är bättre i vissa avseenden. DivX filer gjorda i version 5.0 är kompatibla med MPEG-4 SP (Simple Profile) samt MPEG- 4 ASP (Advanced Simple Profile) (ISO/IEC ). I och med detta är man på god väg att uppfylla den sanna teknologin som lyder: encode once, decode anywhere. Man vill alltså sträva efter att ha så god kompatibilitet med andra system att filmen kan spelas upp vart som helst utan att behöva kodas om. Framgångarna har lett till att Texas Instrument har inlett ett samarbete med DivX Networks för att innan 2003 få ut produkter på marknaden som t ex mobila DVD-spelare som klarar av DivX formaten. 7 DivX ;-) är den hackade versionen av DivX-formatet. Det tidigare DivX formatet visade sig vara mycket sämre än den hackade versionen, så det är därför man inte har hört talas om det så mycket. 8 Joe Greenhall är företaget DivX Networks finansiär och grundare. 17

19 DivX Networks [4] består idag av många duktiga programmerare och kunniga ingenjörer. Tillsammans med grundaren av idén (Gej) har man utvecklat en egen avancerad teknologi som bygger på MPEG-4. Informationen om dessa tekniker är väldigt hemlig än så länge men några delar av hemligheten ligger i något som de kallar för intelligent allokering av data. En revolutionerande process som kallas Psychovisual Modeling använder sig utav kunskapen om människans visuella system (Human Visual System, HVS). Till varje ram i filmen anropas PCR (Psychovisual Complexity Rating) som bl a tar bort data som inte kan ses av det mänskliga ögat vid den hastighet som en film visas i (oftast 25 ramar/sekund). Denna teknik medför en effektivare dataallokering och ökar den genomsnittliga videokvaliteten. Egen VoD lösning. DivX Networks har tagit fram en egen Video on Demand lösning. Systemet kallas Open Video System (OVS) och fungerar i princip som ett vanligt VoD- backbonenätverk. I OVS har man tagit hänsyn till upphovsrättslagar o d för att bland annat få en trovärdig produkt till kunden men även för att konkurrera ut andra VoD system som inte tar hänsyn till detta. Det man använder sig av är Digital Rights Management. DRM har varit ett väldigt omtalat område den senaste tiden (Napster, och andra gratisprogram som påverkat dagens musik och filmindustrier) och på bara några år har mängder av nya företag specialiserat sig på sådana lösningar. Windows Media 8. Windows Media 8 är en mycket revolutionerande komprimeringsteknik för video och ljud. I alla fall om man ska tro på dess skapare Microsoft. De påstår att vid en överföringshastighet på 500 Kbps kan näst intill DVD kvalitet uppnås [14]. Då upplösningen är 640*480 och frekvensen är 24 fps (frames per second). Ljudet är då på 64 Kpbs vilket anses vara tillräckligt för att uppnå CD-kvalitet. Windows Media 8 (WM-8) bygger på MPEG-4 standarden, precis som sin största konkurrent DivX. Man har bland annat lyft fram en bra teknik för att lösa VBR (Variable Bit Rate) men den är ändå inte att rekommendera för streaming. Detta på grund av att dagens leverantörer av bandbredd har svårt att variera överföringshastigheten så ofta och så mycket. WM-8 arbetar med en sk Figur 8 visar en actionbild från WM8 i Fast Motion. Low Motion CODEC och en Fast Motion CODEC. En Low Motion CODEC (LM) är det vanligaste alternativet när man kodar ner en film till Windows Media 8. LM 18

20 fungerar bäst vid filmsekvenser där rörelser inte är för intensiva. I en actionscen händer det ofta mycket på samma gång i bilden och därför är differensen mellan varje ram mycket större. FM (Fast Motion) är utformat att klara dessa snabba ändringar utan att bilden försämras, men då till ett högre komprimeringspris. Med andra ord så krävs det överföringshastigheter på mellan 1000 kbps och 2000 Kbps. Komprimerar man filmen i LM kan man lätt se att bilden blir oskarpare vi actionscener. Figur 8 och 9 visar skillnaderna mellan LM och FM från samma actionscen. Skulle man koda hela filmen i FM skulle filmen bli betydligt större för lagring och dessutom blir kvaliteten på de lugna scenerna sämre än vid LM. Figur 9. Visar samma bild som i figur 11 men denna är komprimerad i LM (Low Motion). En del tester har redan gjorts på betaversionen som släpptes i slutet av år 2001 och är kanske inte jätte relevanta eftersom det är en betaversion. Vad testerna lett till är att Microsofts Windows Media 8 inte håller det mått man påstått [6]. Om man tolkar de tester som gjordes på betaversionen, betyder det att man får plats med 2 timmar och 30 minuter film på en CD-ROM. Plus att kvaliteten är nära DVD- kvalitet och ljudet nära CD- kvalitet. En CD-ROM rymmer som standard 650 MB. I testerna ser man klart och tydligt att Beta versionen inte lever upp till detta. Inte ens vid de enkla videosekvenserna där det inte händer så mycket är kvaliteten på bilden så som de lovat. Vad man å andra sidan konstaterat är att det inte finns någon teknik idag som slår Windows Media 8 när det gäller bildkvalitet vid låga överföringshastigheter. Även om inte betaversionen, som dessutom var gratis att ladda hem, levde upp till de mål som Microsoft skryter med är Windows Media 8 sannolikt det mest revolutionerande inom videoteknik vi kan komma idag. 19