GB28181中的音视频封装

最近由于某些原因刚好研究了下GB28181中的音视频封装，秉着事情无论具细都记录下的原则，记录下。
GB28181是公共安全视频监控联网系统信息传输、交换、控制技术要求，最近几年才出来的安防新标准，旨在统一各种摄像头监控设备的各种协议，实现全网接入，既然是公安部出的标准，肯定是非常重要啦，想接入政府部门可能都得实现这个协议。
其音视频封装部分，分为两种：1、对讲类型，2、广播类型；
下面聊聊对讲类型的一些音视频封装，文档中的说明有时给我的感觉并不是很全面。
媒体流：采用PS流的格式，按照ISO/IEC 13818-1标准，先将ES流（也就是原始的编码后的H264或者音频G711格式的数据）都打包成PES。然后将PES打包成PS；这里分为两种，一种是I帧的PS，需要在PS头部添加System header，然后再PES前面添加一个特殊的PES，叫PSM（program stream map），这也是一种PES，比较特殊；
所以对于包含I帧的视频格式就是（注意，这里PESA可以多个，原来的文档写得模棱两可，只有一个PESA）

另外一种是P帧的视频，这种视频不需要添加Sytem header及PSM格式为：

将音视频数据打包成上面的格式后，使用RTP封包，封成多个RTP包发送，最后一个包marker位为1。
另外注意音频采样率及通道数要求。
最后通过网络io发送给服务端。

这里还有个问题吐槽，PS流按照这种封装格式，PS流按照文档上的说法主要是在存储比如CD存储中使用，而传输一般使用TS；
这里就需要看MPEG-TS文档中的说明，TS和PS是对PES处理的两个相反的过程，PS将若干个PES打包为一个PS包，而TS将一个PES拆分成多个TS包，每个包大小固定188字节，最后如果不够就填充。PS其实是不利于网络传输的，对于基于UDP的RTP而言，丢包是很正常的，按到里应该采用TS更加合理，但是不明白为什么GB28181采用PS来传输，如果中间丢了一个包，整个PS流都无法还原，而TS丢包只影响一个PES而已。