本演讲主要讲解如何通过FFmpeg作为一个主要的接口，将OpenGL、OpenCV以及诸如Tensorflow等AI框架以第三方库的形式，作为FFmpeg的一个模块进行快速的业务开发，从而简化音视频图像处理的开发流程，为听众打开一个新思路。
文 / 刘歧
整理 / LiveVideoStack
审校/ 赵军
感谢大家关注FFmpeg在OnVideo以及AI方面的一些工作，我是刘歧，是OnVideo联合创始人的同时也担任技术负责人，同时也是FFmpeg的官方顾问，FFmpeg GSoC 2019 Mentor，FFmpeg决策委员会的委员，以及腾讯云TVP。我主要的兴趣在嵌入式开发、图形图像及音视频流媒体处理、分布式系统设计等领域。FFmpeg官方有我的联系方式，大家有问题可以和我随时交流。关于FFmpeg深度学习场景下的应用，目前看来，颇具价值且实用。
1. 契机
首先介绍一下我们的公司，OnVideo是一个音视频在线编辑云平台，上图是制作人员的处理过程中效果预览这个功能的一个展示。OnVideo云平台可以支持很多的图像处理相关功能，但实际上它并不限于视频和图片相关，它大量的使用了FFmpeg的一些内置功能以及AI相关的框架与算法，其具体功能大约如下图所示：
另外一个需要附带提及的事情是我在2019年Google Summer of Code期间指导学生做的一个深度学习相关FFmpeg Mentor Project，这是一个基于神经网络实现对图像进行去雨点、去雾的功能（本质上这两个是类似的功能），最终实现并放入了FFmpeg。
在做FFmpeg GSOC项目期间，首先和有意愿的学生事先沟通，然后在FFmpeg社区以及GSOC上申请立项，之后是与学生沟通要达到去雨点去雾的功能要点，做出实际的开发计划任务，紧接着，我安排并引导学生去了解了FFmpeg的一些基本功能以及相关原理，随后实现了去雨点去雾的功能，需要注明的是，FFmpeg目前的去雨点，去雾使用了基于AI的方式，目前FFmpeg同时支持两类后端，其中一个是FFmpeg native的DNN后端，但性能较差，主要用作验证，另一个是可以在实际场合中部署的TensorFlow后端。上图展示了最终的一个结果，图中上半部分为原图，下面是对应去雨点去雾的图像，需要注意，虽然目前的实现基本上能解决大部分的问题了，例如天气恶劣的环境采集的图像后期处理，通过这种技术可以节省很多时间，但更广泛的现实场景是有可能会存在一些瑕疵，这可能是目前AI算法普适性的一个通用问题。接下来重点分享一下onVideo中更细节的一些技术内容。
2. 初级处理
做音视频的云端处理，尤其是Web-base的场景，最忌讳的是前端Web部分预览看到的内容与后端实际生成的结果不一致，会导致非常尴尬的用户体验，我们的第一步就需要将Codec格式统一化，此步会在云端进行处理，对于输出，在客户要求的情况下，我们会给到高清版本，否则就给到低清版本，原因是高清版本流量消耗较大，会耗费很多带宽；另外，实际使用中，常规的预览并不真正需要高清，除非用户有特别需求。另外，为了后期在后端处理更快，会将所有内容变成I帧，这样的好处是可以精确处理到帧；其次，我们也使用了FFmpeg提供的一些基础的滤镜，概述如下：
画字体（FFmpeg的字体功能使用了FreeType等），为了解决其中一些瑕疵（例如某些系统下的文字大小粗细不一致）尝试过更改drawtext，但效果不理想；另外，如果字体找不到的话，那会变成一小方块，此时只需要换一个字体库即可。再就是subtitle，唱词的时候用subtitle，例如电影中的字幕，可以切为一段一段。
在平时我们做视频切片处理的时候，会有一个问题，在生成一个视频之后，所有视频的start time全都会归零，在切片时，需要将多轨道的时间都对上，所以setpts和asetpts、adelay、atempo这些功能强大的Filter，在处理音视频的编辑中，例如多轨道叠加或者边缘对齐等需求下，起了非常大的作用。我写过一篇关于setpts的文章，大家有兴趣可以去阅览一下。
overlay多图层：有时候我们并不只是要求单纯的设x,y，也需要同时需要调整宽高，但overlay不直接支持宽高的调整，这可以通过一些简单的开发，例如增加前景宽高处理用来做缩放效果，或者还有一些其他效果例如使用expr的办法。另外，FFmpeg有内置方法，可以直接做一些想要的效果，例如跑马灯效果，游动效果等；甚至于导播台中，在直播的过程当中，推出去一个视频流，可以通过利用zmq的方式动态的改一个logo，或者是加字幕。
chromakey：与colorkey类似，chromakey主要是以 YUV处理为主，colorkey主要以RGB处理为主，二者均只支持抠单色。例如扣绿幕背景时，将其中的代码稍作修改（增加diff值的计算）即可改善抠图的小瑕疵问题。如果是杂色背景，就需要多次抠图或者利用AI的方式，再或者边缘检测等方式。
crop：剪切处理，国内经常看到的视频是16:9/9:16/3:4/4:3的分辨率,但如果把视频发到Twitter上，则看到大多数是以1:1的分辨率显示的，就需要进行crop裁剪处理；除去上述这些Filter以外，我们还使用了boxblur、avgblur等。
3. 进一步图像处理
一些基本的处理功能介绍完毕之后就需要考虑关于性能的问题。
3.1 如何解决FFmpeg某些滤镜处理性能差的问题
以overlay为例，早期用overlay等Filter是顺序处理的，是一个简单的单线程处理，我们知道，多数图像都是decode之后的图像，多数都是yuv格式，是一个点一个点打上去的图像，在像素之间没有关联的情况下，可以考虑充分利用多核，进行多线程处理。这是FFmpeg Filter内部的一个优化点。
分布式处理：通过引入timeline的概念，不同的轨道对应各自的timeline，在进行多个轨道切片的时候，通过timeline进行对应匹配。此方法的性能使得可以在数秒至一分钟之内快速处理完成一个1小时长度的视频任务。
OpenGL优化：在用FFmpeg做图像移动，放大效果动画，缩小效果动画，旋转效果动画等图像动态效果时，图像会有抖动感；可以在遇到图像抖动情况通过此方式处理。
使用分布式 FFmpeg OpenGL，是我本人处理这些问题的基本做法。
3.2 单独使用FFmpeg的一些问题
单独使用FFmpeg tools某些场景下可能会出现性能差、运动不平滑、计算量大、扩展不方便和升级开销大的问题，因此团队开始考虑如下的一些优化，尝试把FFmpeg和OpenGL结合起来，解决性能问题。
3.3 利用FFmpeg OpenGL方式处理
上图所示，是利用FFmpeg API OpenGL API方式处理的流程图。但利用FFmpeg API OpenGL API方式处理的特点是开发成本高、技能融合模糊，因为开发人员全部都要精通（指同时知晓FFmpeg API的使用，OpenGL API的使用），很难短时间找到这样的合适的开发人员，不太适合创业型小公司，所以团队采用了下面的方式避过这个问题.
3.4 FFmpeg内置OpenGL
采用FFmpeg融合了OpenGL，但并不直接touch OpenGL的优化部分，这部分又精通OpenGL的开发人员之间使用GLSL优化，而FFmpeg开发者只关心怎么把FFmpeg作为一个通用的Filter放入进来，最终是将图像算法处理和音视频编解码处理分开，开发层次会更加清晰，如上图所示为升级优化之后的处理流程。FFmpeg内置OpenGL的方法处理的优势是可以一劳永逸、不同专业的人员做不同专业的事情。
专业的人员处理专业的事情之后，我们需要的就是将执行步骤抽象为接口，再利用插件（Plugin）将内容按照接口进行处理。
3.5 FFmpeg与OpenCV的配合
由于OpenCV的特点，它在3.0版本之后全面拥抱C ，因此FFmpeg只能使用旧版本，但是我们还是需要用一些新版本的OpenCV的功能。面对这种情况，我们只能自己抽象需要的接口，再做成so，先完成导入后再进行处理。
4. AI融合
自2018年起，FFmpeg GSOC项目开始集成CUDNN以及TensorFlow框架，使得它调第三方程序即可实现超分辨率或者直接使用FFmpeg内置的CUDNN模块。需要提及一下，如果直接用FFmpeg内置的DNN，性能很差，甚至会慢到0.001的倍速，它指使用了CPU资源，且没做任何优化，基本上用作算法的验证，不能作为线上实际使用的后端。在FFmpeg的AI框架下，目前还支持了SDR转HDR、去雨点去雾处理以及智能插帧（还在开发中）。
关于Native DNN的支持，主要处理以上几个接口即可。
目前AI部分需要自己单独进行模型（Model）训练，在以前，FFmpeg使用这些Model的时候需要自己转换Model为PB文件，目前通过处理后直接提供Model文件即可。
5. 总结
一个创业团队的初期会按照最简单迅速的方式演进，因此我们团队初期全部使用FFmpeg，在应用过程中，功能快速跑起来时发现了一系列问题，根据经验和团队成员各自擅长的部分进行针对处理，最后在考虑性能时加入了分布式的方法。
