🤔

RTSPのSDPを読んでみる

2024/11/28に公開

RTSP

sdp

idea

はじめに

前回、OSSに初めてコミットしてみた話を書きました。

そこで前回記述したRTSPセッション中に交換されるSDP (Session Description Protocol) の情報を解読してみます。

読んでみる

このようなSDPでした。

v = 0
o = - 294741794 1 IN IP4 192.168.0.0
s = IGCSMS 
i = 
t = 0 0 
a = tool:IGCSMS 
m = video 0 RTP/AVP 96 
c = IN IP4 192.168.0.0 
b = AS:2
a = rtpmap:96 H264/90000 
a = fmtp:96 packetization-mode=1;profile-level-id=64001E;sprop-parameter-sets=Z2QAHqwsaoKAv+WbgICAgQ==,aO4xshs= 
a = control:track=1 
m = audio 0 RTP/AVP (null) 
c = IN IP4 0.0.0.0 
b = AS:64 
a = rtpmap 
a = control:track=2

そして、それぞれかいつまんで調べたことをまとめてみました。

v = 0

プロトコルバージョンを表す。

o = - 294741794 1 IN IP4 192.168.0.0

o = <username> <sess-id> <sess-version> <nettype> <addrtype> <unicast-address>

<username>
- 発信元ホストにおけるユーザーのログイン名、発信元ホストがユーザーIDをサポートしていない場合は、-と記述される
<sess-id>
- <username>、<sess-id>、<nettype>、<addrtype>、<unicast-addres>をフォーマットした数値文字列
<sess-version>
- セッションが記述されたバージョン番号
<nettype>
- ネットワークの種類を表す文字列。INはインターネットを意味する。
<addrtype>
- アドレスの種類を表す文字列。IP4とIP6が定義されている。
<unicast-address>
- セッションが作成されたマシンのIPアドレス
- 今回の場合はネットワークカメラのIPアドレス

s = IGCSMS 
s = <session name>

<session name>
- テキストによるセッション名を表す。

i = <session information>

<session information>
- セッションに関するテキスト情報。
- 上述した例では空白。

t = <start-time> <stop-time>

時刻情報(time-field)を表す。

<start-time>
- セッション開始時刻
<stop-time>
- セッション終了時刻

a = tool:IGCSMS
a = rtpmap:96 H264/90000
a = fmtp:96 packetization-mode=1;profile-level-id=64001E;sprop-parameter-sets=Z2QAHqwsaoKAv+WbgICAgQ==,aO4xshs= 
a = control:track=1 
a = rtpmap 
a = control:track=2

a=<attribute-name>
a=<attribute-name>:<attribute-value>

属性を表し、SDPを拡張するために使用される。

a = rtpmap:96 H264/90000
- a = rtpmap:<ペイロードタイプ> <符号化方式>/<クロック速度>
- RTPペイロードタイプ番号が96のデータはH264コーデックでエンコードされており、RTPのタイムスタンプクロックレートは90kHz
a = fmtp:96 packetization-mode=1;profile-level-id=64001E;sprop-parameter-sets=Z2QAHqwsaoKAv+WbgICAgQ==,aO4xshs=
- RTPのfmtp（Format Parameters、フォーマットパラメーター）のRTPペイロードタイプ番号が96、packetization-mode=1（非インタリーブモード）、profile-level-id=64001E(64=Highプロファイル、00=?、1E=?)、sprop-parameter-setsはSPS（シーケンスパラメータセット：ストリームに対する情報）とPPS(ピクチャパラメータセット：フレームに対する情報）をbase64に変換した値、をそれぞれが意味している。これらはH264でストリームした情報を正しくエンコード・デコードするのに必要。

m = video 0 RTP/AVP 96 
m = audio 0 RTP/AVP (null) 

m = <media> <port> <proto> <fmt> ...
もしくは
m = <media> <port>/<number of ports> <proto> <fmt> ...

メディアに関する説明を表す。
こちらはセッション中、複数含まれる可能性がある。
今回の例では、videoとaudioの2つが含まれる。

<media>
- メディアタイプ
- ex. audio, video, text, application, message
  -<port>
- メディアストリームの送信先のトランスポート
- cの項目で定義されるネットワークと<proto>のフィールドで定義されるプロトコルに依存する
<proto>
- プロトコル名
<fmt>
- メディアフォーマットの説明を表す
- <proto>がRTP/AVPもしくはRTP/SAVPのとき、<fmt>はRTPペイロイドタイプ番号が入る。
- 96の場合、動的なペイロードタイプであることを表す。

c = IN IP4 192.168.0.0

c = <nettype> <addrtype> <connection-address>

接続情報を表す。

<nettype>
- ネットワークタイプ
- IN = インターネット
<addrtype>
- アドレスの種類
<connection-address>
- 接続アドレス

b = AS:2
b = AS:64

b=<bwtype>:<bandwidth>

帯域幅情報を表す。
b=AS:は、 RTPベースのアプリケーションの場合、RTPのセッション帯域幅を示す。

<bwtype>
- <bandwidth>番号の意味を提供する英数字の修飾子
<bandwidth>
- 帯域幅

おわりに

調べて気になった点をまとめてみました。
奥深すぎて、正直わからないことだらけです。
あまり深入りしないほうが良さそう。
これを考えて仕様が共通化されてまとめられているので、なんだか凄い世界🤔

参考

H.264ビデオのためのRTPペイロードフォーマットに関する技術レポート
https://vcbook.vtv.co.jp/7_3_3.html

https://knowledge.sakura.ad.jp/31586/
https://www.elwsc.co.jp/knowledge/6525/

はじめに

読んでみる

おわりに

参考

Discussion