2.1 概述

根据统计，人与人的交流有40%是通过语音，60%是通过视觉来实现的，但人们面对面获得视觉交流的机会很小。随着通信网络技术的发展，尤其是图像压缩、编码算法和计算机技术的出现，使利用视频实现异地面对面信息交流成为可能，加快了人们信息沟通的速度。

从网络视频技术发展来看，视频体系框架分为两条技术路线。一是由电信行业ITU-T提出的标准，推崇保证服务质量、收费服务和集中控制。利用传统的电视电话通信方式，通过多种信息综合化、通信信号数字化，增加交互和自动管理功能，达到近似多媒体通信的服务效果，其发展目标是提高服务质量、增加服务内容、操作灵活方便等。例如，语音数字化的数字电话、语音与视频结合的可视电话和视频会议等应用，虽然这些技术较好地解决了音频与视频综合传输，但实现交互和统一管理等功能却十分困难。二是由计算机行业IETF提出标准，推崇尽力而为、免费服务和分散控制。利用计算机及计算机网络通信方式，通过信息传输的实时化、传输信息的多媒体化以及对多媒体的信息管理综合化，实现交互式多媒体通信。发展目标是实现高质量视频服务、多样化服务内容，具有较强的交互能力和会议管理能力。

国际电信联盟为公共和私营的电信组织制定了许多多媒体计算机和通信系统的推荐标准，以促进各国之间的电信合作。在国际电信联盟的26个系列（A～Z）推荐标准中，与视频通信关系最密切的7个系列标准如表2-1所示。

目前，支持网络视频的主要标准分别为ITU-T的H.320、H.323标准和IETF的SIP标准，以及3GPP的3G-324M标准，网络视频系统建设可以依据4种不同标准框架制定建设方案。H.320标准是1990年7月ITU-T提出的有关视频会议的第一套完整标准，该标准从总体上规定了以视频会议终端为主的系统框架。H.323标准在1996年由ITU-T标准出台，建立在通用的、开放的计算机网络通信技术基础之上，使得网络视频在技术和市场上发生了革命性的变化，越来越多的用户采用H.323技术和产品构建的网络视频系统，H.323标准成为目前应用最广、最通用的协议标准。SIP标准由IETF的多方多媒体会晤控制（MMUSIC）工作组在1995年研究提出，1999年3月由IETF提议成为标准，是在IP网络中实现实时通信应用的一种信令标准，2002年6月发布了更新版的SIP基本框架和RFC3261建议，SIP协议以其可读性、灵活性、良好的可扩展性和强健性在网络应用中得到越来越多的重视。

网络视频系统建立在H.32x或SIP协议框架之上，目前以H.320、H.323、SIP和H.324M应用最为广泛，本章重点介绍这4个标准框架。网络视频系统相关标准如表2-2所示。

表2-2概述了ITU-T 有关H系列和IETF的SIP标准，以及所适用的传输网络、相应视频、音频、复用和控制协议。所有的ITU-T 的H系列标准支持双向实时音频和视频会话，同时为T.120数据/图像会议提供可选择的数据信道。这些标准可支持多点会议、加密、远端摄像机的远程控制和广播应用。每个标准指定了一个基本模式，确保相互间互操作性，同时也允许通过控制协议来协商使用标准或非标准模式。

H.320、H.321、H.322是第一代H系列标准，它们以1990年通过的ISDN网络上的H.320为基础，H.321、H.322分别描述了H.320终端如何与ATM网络和以太网适配。H.323和H.324是第二代H系列标准，分别于1995年和1996年通过。这两项标准总结了H.320的经验，使用新的H.245控制协议，并且与很多音频与视频编解码协议兼容。H.324与H.320一样适用于低速电路交换网络（如PSTN、POTS），它利用了H.233/H.234加密和H.224/H.281远端摄像控制等H.320扩展协议。

H.320：窄带可视电话系统和终端设备的标准；

H.321：适应B－ISDN环境的可视电话系统和通信终端的标准；

H.322：有QoS保证的局域网环境的可视电话系统和通信终端的标准；

H.323：无QoS保证的包交换网络上进行多媒体通信终端的标准；

H.324：基于分组低比特率多媒体通信终端的标准。

H.324M：H.324标准的“移动部分”扩展部分，是专用于移动视频通信业务的协议簇，适用于无线网络的视频通信。

SIP：基于IP网络的应用层信令控制协议。

如图2-1所示，所有H系列终端能通过相应媒体网关加入多点会议，实现不同标准终端的互操作。