WebRTC视频 02 - 视频采集类 VideoCaptureModule

一、前言：

上一篇文章介绍了webrtc视频采集整体架构，分析了几个关键类的类关系，以及如何通过这几个类建立视频采集链路。主要在软件层面进行了分析，本节着重分析下如何进行设备层操作的。总体负责操作设备层的类叫做VideoCaptureModule（简称VCM），Windows平台负责具体操作硬件的组件是DirectShow。

二、DirectShow：

1、简介：

DirectShow是一种由微软开发的多媒体框架，主要用于Windows平台上处理和操控流媒体数据。该技术提供了一组API，支持音频和视频的捕获、处理、转换和播放。下面是对DirectShow的一些主要特性的介绍：

1. 模块化结构 ：
   • DirectShow基于过滤器（filter）的架构，每个过滤器执行特定的任务，如源读取、数据解析、编码、解码、渲染等。过滤器之间通过引脚（pin）连接，形成一个可定制的处理链。
2. 多种格式支持 ：
   • 支持多种媒体格式，包括AVI、MPEG、ASF、WAV、MP3等。这使得开发者可以构建能够处理多种媒体格式的应用程序。
3. 实时流媒体处理 ：
   • 能够处理实时数据流，非常适合用于视频会议、视频广播等需要实时处理的场景。
4. 灵活性和可扩展性 ：
   • 开发者可以创建自定义过滤器，以支持新的数据格式或实现新的处理算法。此外，还可以通过编程接口动态构建和操控过滤器图（filter graph）。
5. 系统集成性 ：
   • 作为Windows媒体框架的一部分，DirectShow与Windows操作系统和DirectX集成良好，能够利用硬件加速功能以提高性能。
6. 应用领域 ：
   • DirectShow被广泛应用于视频编辑软件、播放软件、流媒体服务以及各种需要音频视频处理的应用中。

尽管DirectShow功能强大，但随着Windows平台的发展，微软推出了更新的多媒体框架，如Windows Media Foundation，以提供更现代化的功能和更好的性能。在Windows 10及更高版本中，建议使用新的框架进行开发。

2、Filter

Filter 是DirectShow架构的基本单元，每个Filter执行特定的媒体数据处理功能。Filter可以分为以下几类：

• 源过滤器（Source Filter）：负责从文件、设备或网络读取媒体数据。
• 变换过滤器（Transform Filter）：用于对流媒体数据进行处理和转换，如编解码、特效处理等。
• 渲染过滤器（Renderer Filter）：负责将媒体数据输出到设备，如显示到屏幕或播放到音频设备。

每个Filter通常有一个或多个输入和输出连接点，称为Pins，用于连接其他过滤器。

3、Filter Graph

Filter Graph 是一组按特定顺序连接的Filters，它定义了媒体流的处理路线。Filter Graph是DirectShow的核心，处理步骤如下：

• 定义要使用的Filters及其顺序。
• 连接Filters之间的Pins以建立媒体流的传输路径。
• 控制媒体流的运行状态，如开始、停止、暂停等。

Filter Graph的设计允许灵活地构建不同的媒体处理链条，以满足不同的应用需求。

4、Filter Graph Manager

Filter Graph Manager 是负责创建和管理Filter Graph的组件。它提供的主要功能包括：

• 自动构建和连接Filters来形成一个完整的Graph。
• 管理Graph的状态与控制，如启动、暂停、停止图中所有Filters。
• 提供接口供应用程序访问和操作Filter Graph。

通过Filter Graph Manager，开发者可以更容易地管理Filter Graph的生命周期和处理流程。

5、Pin

Pin 是Filters之间的数据连接点，用于传递媒体数据流。Pin分为两类：

• 输入Pin：接收来自上游过滤器的数据。
• 输出Pin：发送数据到下游过滤器。

Pins之间的连接称为"pin connection"，数据在Filter Graph中通过Pins在不同的Filters之间传递。Pins还会协商数据格式和流类型，以确保兼容性。

6、工作过程

在DirectShow的工作过程中，首先创建Filter Graph，然后通过Filter Graph Manager将合适的Filters添加到Graph，并通过Pins连接这些Filters，形成一个完整的处理链。当播放或采集媒体时，媒体数据会按照预定义的过程通过各类Filters处理，最终输出到用户设定的目标设备或存储介质中。

这种模块化和灵活性使DirectShow成为构建复杂媒体应用的强大工具。

三、核心类图：

上面类图的中最核心的就是VideoCaptureModule和DeviceInfo这两个接口类，这两个接口类的子类对象在什么时候创建的呢？如果还记得上一篇文章的代码，就是在VcmCapturer::Init()中利用VideoCaptureFactory创建的。

• DeviceInfo：主要存储采集设备的相关信息；比如，采集设备的数量，采集设备的能力（分辨率、帧率等），采集设备的方向；
• 上面两个重要的类都是接口类，在Windows平台下，实现者分别是VideoCaptureDS和DeviceInfoDS（其中DS就是DirectShow的缩写）；
• VideoCaptureModule方法包括开始和停止采集，以及一个注册回调的接口，采集到数据之后，通过这个回调上传给上层。
• VideoCaptureDS成员：
  • _dsInfo：就是DeviceInfoDS。
  • captureFilter：主要负责视频的采集；
  • graphBuilder：用于构造FilterGraph；
  • mediaControl：用于控制FilterGraph什么时候开启，什么时候停止；
  • sink_filter：使用captureFilter采集的数据，最终输出到Sink当中；

四、采集步骤：

具体函数在VcmCapturer::Init当中：

bool VcmCapturer::Init(size_t width,
                       size_t height,
                       size_t target_fps,
                       size_t capture_device_index) {
  // 创建 DeviceInfo 对象
  std::unique_ptr<VideoCaptureModule::DeviceInfo> device_info(
      VideoCaptureFactory::CreateDeviceInfo());

  char device_name[256];
  char unique_name[256];
  if (device_info->GetDeviceName(static_cast<uint32_t>(capture_device_index),
                                 device_name, sizeof(device_name), unique_name,
                                 sizeof(unique_name)) != 0) {
    Destroy();
    return false;
  }
  // 创建 VideoCapture 对象
  vcm_ = webrtc::VideoCaptureFactory::Create(unique_name);
  if (!vcm_) {
    return false;
  }
  vcm_->RegisterCaptureDataCallback(this);
  // 获取摄像头Capability
  device_info->GetCapability(vcm_->CurrentDeviceName(), 0, capability_);

  capability_.width = static_cast<int32_t>(width);
  capability_.height = static_cast<int32_t>(height);
  capability_.maxFPS = static_cast<int32_t>(target_fps);
  capability_.videoType = VideoType::kI420;
  // 通知 VideoCapture 开始采集
  if (vcm_->StartCapture(capability_) != 0) {
    Destroy();
    return false;
  }

  RTC_CHECK(vcm_->CaptureStarted());

  return true;
}

注意创建DeviceInfo和VideoCapture的具体对象，都是通过VideoCaptureFactory完成的，等会儿会详细分析。

VcmCaptureer::Init方法主要做了六件事：

• 创建并获取DeviceInfo；
• 创建并获取VideoCaptureModule，也就是真正的视频采集模块；
• 然后就将VcmCapturer自己注册到VideoCaptureModule中来接收采集的数据；
• 再就是通过DeviceInfo::GetCapability获取设备的能力，分辨率是多少，帧率是多少，使用的视频类型是什么。获取到这个能力之后，在初始化函数会修改这个能力为用户想要的能力。
• 然后通过StartCapture开始根据capability采集视频数据。
• 最后，通过CaptureStarted检测设备状态是否为已经采集状态。

下面看看这个非常关键的VCM类做了什么。

五、VideoCaptureModule：

1、采集通道搭建：

从前面的类图可知VideoCaptureModule只是一个接口类，它的实现类为VideoCaptureImpl，屏蔽了平台差异，不同平台又有自己的实现，比如Linux为VideoCaptureModuleV4L2，Windows平台为VideoCaptureDS，我是在Windows平台运行的，所以重点关注VideoCaptureDS。

我们前面说了VideoCaptureModule对象是通过VideoCaptureFactory::创建的：

  vcm_ = webrtc::VideoCaptureFactory::Create(unique_name);

我们进去看看：

rtc::scoped_refptr<VideoCaptureModule> VideoCaptureFactory::Create(
    const char* deviceUniqueIdUTF8) {
#if defined(WEBRTC_ANDROID) || defined(WEBRTC_MAC)
  return nullptr;
#else
  // linux 和 windows 平台走这儿
  return videocapturemodule::VideoCaptureImpl::Create(deviceUniqueIdUTF8);
#endif
}

发现转手调用了VideoCaptureImpl里面的方法，再进去看看：

rtc::scoped_refptr<VideoCaptureModule> VideoCaptureImpl::Create(
    const char* device_id) {
  if (device_id == nullptr)
    return nullptr;

  // TODO(tommi): Use Media Foundation implementation for Vista and up.
  // 创建了VideoCaptureDS对象，并进行初始化
  rtc::scoped_refptr<VideoCaptureDS> capture(
      new rtc::RefCountedObject<VideoCaptureDS>());
  if (capture->Init(device_id) != 0) {
    return nullptr;
  }

  return capture;
}

发现里面直接new了一个VideoCaptureDS对象，并进行初始化。

然后分析下VideoCaptureDS::Init函数；这里面有很多是和前面介绍的DirectShow相关的，具体代码：

int32_t VideoCaptureDS::Init(const char* deviceUniqueIdUTF8) {
  const int32_t nameLength = (int32_t)strlen((char*)deviceUniqueIdUTF8);
  if (nameLength > kVideoCaptureUniqueNameLength)
    return -1;

  // Store the device name
  _deviceUniqueId = new (std::nothrow) char[nameLength + 1];
  memcpy(_deviceUniqueId, deviceUniqueIdUTF8, nameLength + 1);

  if (_dsInfo.Init() != 0)
    return -1;
  // 构造CaptureFilter
  _captureFilter = _dsInfo.GetDeviceFilter(deviceUniqueIdUTF8);
  if (!_captureFilter) {
    RTC_LOG(LS_INFO) << "Failed to create capture filter.";
    return -1;
  }

  // Get the interface for DirectShow's GraphBuilder
  // 创建FilterGraph，并返回IGraphBuilder接口
  HRESULT hr = CoCreateInstance(CLSID_FilterGraph, NULL, CLSCTX_INPROC_SERVER,
                                IID_IGraphBuilder, (void**)&_graphBuilder);
  if (FAILED(hr)) {
    RTC_LOG(LS_INFO) << "Failed to create graph builder.";
    return -1;
  }
  // 获取IMediaControl接口，用于控制数据的流转
  hr = _graphBuilder->QueryInterface(IID_IMediaControl, (void**)&_mediaControl);
  if (FAILED(hr)) {
    RTC_LOG(LS_INFO) << "Failed to create media control builder.";
    return -1;
  }
  // 将前面构造好的CaptureFilter添加到FilterGraph当中
  hr = _graphBuilder->AddFilter(_captureFilter, CAPTURE_FILTER_NAME);
  if (FAILED(hr)) {
    RTC_LOG(LS_INFO) << "Failed to add the capture device to the graph.";
    return -1;
  }
  // 获取CaptureFilter的输出Pin
  _outputCapturePin = GetOutputPin(_captureFilter, PIN_CATEGORY_CAPTURE);
  if (!_outputCapturePin) {
    RTC_LOG(LS_INFO) << "Failed to get output capture pin";
    return -1;
  }

  // Create the sink filte used for receiving Captured frames.
  // 开始构造CaptureSinkFilter
  sink_filter_ = new ComRefCount<CaptureSinkFilter>(this);
  // 将CaptureSinkFilter加入到GraphicBuilder当中
  hr = _graphBuilder->AddFilter(sink_filter_, SINK_FILTER_NAME);
  if (FAILED(hr)) {
    RTC_LOG(LS_INFO) << "Failed to add the send filter to the graph.";
    return -1;
  }
  // 获取SinkFilter的输入pin
  _inputSendPin = GetInputPin(sink_filter_);
  if (!_inputSendPin) {
    RTC_LOG(LS_INFO) << "Failed to get input send pin";
    return -1;
  }

  // Temporary connect here.
  // This is done so that no one else can use the capture device.
  // 将两个filter的pin连接起来
  if (SetCameraOutput(_requestedCapability) != 0) {
    return -1;
  }
  // 先暂停，因为此时还没有数据过来
  hr = _mediaControl->Pause();
  if (FAILED(hr)) {
    RTC_LOG(LS_INFO)
        << "Failed to Pause the Capture device. Is it already occupied? " << hr;
    return -1;
  }
  RTC_LOG(LS_INFO) << "Capture device '" << deviceUniqueIdUTF8
                   << "' initialized.";
  return 0;
}

我虽然每一步都写了注释，还是小结下：

• DeviceInfo::Init准备好设备需要的环境；
• 获取用于采集视频数据的CaptureFilter；
• 接下来就是创建一个IGraphBuilder，这个接口主要做了两件事：
  • 创建IMediaControl接口，这个主要是控制采集的，比如，开始采集，停止采集等；
  • AddFilter将之前获取到的CaptureFilter加入到FilterGraph当中，后面再给FilterGraph添加一个Sink，就可以获取CaptureFilter采集到的数据了；
• GetOutputPin获取CaptureFilter的输出引脚；
• 接下来就是通过CaptureSinkFilter创建SinkFilter了；
• 然后通过IGraphBuilder::AddFilter将SinkFilter添加到GraphFilter当中；
• 然后获取SinkFilter的输入引脚，通过GetInputPin；
• 通过SetCameraOutput将CaptureFilter的输出引脚和SinkFilter的输入引脚进行连接；数据就可以源源不断的从capture->sink。代码中其实就是就VideoCaptureDS作为入参传给SinkFilter；这样就一层层传给上层。
• 调用meidaControl->Pause暂停数据采集，因为这时候我们还不需要数据采集，什么时候开始呢？就是VcmCapture的CaptureStarted调用之后。

至此，数据通道就已经建立好了，通道启动之后，数据流向就是这样：CaptureFilter->SinkFilter->VideoCaptureDS->VcmCapture->上层应用。

2、开始采集：

就是VcmCapturer::Init最后一步 vcm_->StartCapture(capability_) 开始，启动采集了。

int32_t VideoCaptureDS::StartCapture(const VideoCaptureCapability& capability) {
  MutexLock lock(&api_lock_);
  // 如果用户请求的能力，和我们当前设备能力不同，需要重新连接下Filter
  if (capability != _requestedCapability) {
    DisconnectGraph();

    if (SetCameraOutput(capability) != 0) {
      return -1;
    }
  }
  // 通过IMediaControl接口通知底层开始采集
  HRESULT hr = _mediaControl->Run();
  if (FAILED(hr)) {
    RTC_LOG(LS_INFO) << "Failed to start the Capture device.";
    return -1;
  }
  return 0;
}

六、总结：

本文主要说明了应用层如何通过VideoCaptureModule去控制DirectShow进行视频采集的，主要是创建了FilterGraph，并往里添加了输入CaptureFilter、输出SinkFilter两个Filter，最后通过SetCameraOutput将CaptureFilter的输出pin和SinkFilter的输入pin连起来，并通过IMediaControl接口启动采集。

后续再写一篇分析下和Filter相关的这几个步骤里面都是怎么做的。