音视频入门基础：RTP专题（21）——使用Wireshark分析海康网络摄像机RTSP的RTP流

一、引言

使用vlc等播放器可以播放海康网络摄像机的RTSP流：

网络摄像机的RTSP流中，RTSP主要用于控制媒体流的传输，如播放、暂停、停止等操作。RTSP本身并不用于转送媒体流数据，而是会通过PLAY方法使用RTP来传输实际的音视频数据。所以播放器播放RTSP流，实际播放的是里面的RTP音视频数据。

 二、Wireshark抓包分析

播放器播放摄像机的rtsp流时，对摄像机的数据进行抓包。以我使用的海康摄像机为例：

（一）区分RTSP客户端和服务器

首先我们得搞清楚一个概念：播放器和摄像机哪个是客户端，哪个是服务器。

对于RTSP，其通常使用TCP进行传输，因为它需要可靠的连接来确保控制命令的可靠性：

如下图所示，172.16.25.64是摄像机的ip，172.16.25.63是播放器所在电脑的ip。大家都知道，TCP握手的第一次握手总是：客户端向服务器发送一个SYN报文段。所以从下图的TCP三次握手可以看出来，播放器是TCP（RTSP）客户端，摄像机是TCP（RTSP）服务器：

但是对于传输实际音视频数据的RTP，则是反过来的：播放器是UDP（RTP）服务器，摄像机是UDP（RTP）客户端。具体可以参考：《音视频入门基础：RTP专题（9）——FFmpeg接收RTP流的原理和内部实现》。

（二）SDP分析

RTSP协议中，RTSP（TCP）客户端向RTSP服务器端发送DESCRIBE方法，用于得到URI所指定的媒体描述信息，一般是SDP信息（关于SDP协议可以参考：《音视频入门基础：RTP专题（3）——SDP简介》）。选中RTSP的DESCRIBE方法，右键 -> “追踪流” -> “TCP Stream”：

从SDP信息中，可以看到，

对于视频：a=rtpmap:96 H264/90000表示映射PT值为96的负载类型到H.264编码，采样率为90000 Hz。packetization-mode=1表示采用Non-interleaved mode（非交错模式）。

对于音频：a=rtpmap:104 mpeg4-generic/16000/1表示映射PT值为104的负载类型到AAC编码，音频的采样频率为16000Hz，音频声道数为2：

根据SDP找到PT（payload type）值为96的RTP包如下，该RTP包的payload即为H.264格式：

根据SDP找到PT（payload type）值为104的RTP包如下，该RTP包的payload即为AAC格式：

（三）RTP封装H.264时，视频的有效载荷结构

由《音视频入门基础：RTP专题（13）——SDP的packetization-mode》可以知道，当packetization-mode参数的值等于1时，表示使用Non-Interleaved Mode（非交错模式）。它主要用于低延迟应用，只能使用Single NAL Unit Packet、STAP-A和FU-A，不得使用STAP-B、MTAP（MTAP16、MTAP24）和FU-B。NAL单元的传输顺序必须符合 NAL单元解码顺序。通过Wireshark进行抓包，我们可以发现确实如此：

关于Single NAL Unit Packet、STAP-A和FU-A的概念，见《音视频入门基础：RTP专题（12）——RTP封装H.264时，视频的有效载荷结构》。

（四）提取出H.264裸流

通过Wireshark可以提取出摄像机RTP流中的H.264裸流，具体可以参考：《音视频入门基础：RTP专题（8）——使用Wireshark分析RTP》。