本演講主要講解如何通過FFmpeg作為一個主要的接口，將OpenGL、OpenCV以及諸如Tensorflow等AI框架以第三方庫的形式，作為FFmpeg的一個模塊進行快速的業務開發，從而簡化音視頻圖像處理的開發流程，為聽眾打開一個新思路。
文 / 劉歧
整理 / LiveVideoStack
審校/ 趙軍
感謝大家關注FFmpeg在OnVideo以及AI方面的一些工作，我是劉歧，是OnVideo聯合創始人的同時也擔任技術負責人，同時也是FFmpeg的官方顧問，FFmpeg GSoC 2019 Mentor，FFmpeg決策委員會的委員，以及騰訊云TVP。我主要的興趣在嵌入式開發、圖形圖像及音視頻流媒體處理、分布式系統設計等領域。FFmpeg官方有我的聯系方式，大家有問題可以和我隨時交流。關于FFmpeg深度學習場景下的應用，目前看來，頗具價值且實用。
首先介紹一下我們的公司，OnVideo是一個音視頻在線編輯云平臺，上圖是制作人員的處理過程中效果預覽這個功能的一個展示。OnVideo云平臺可以支持很多的圖像處理相關功能，但實際上它并不限于視頻和圖片相關，它大量的使用了FFmpeg的一些內置功能以及AI相關的框架與算法，其具體功能大約如下圖所示：
另外一個需要附帶提及的事情是我在2019年Google Summer of Code期間指導學生做的一個深度學習相關FFmpeg Mentor Project，這是一個基于神經網絡實現對圖像進行去雨點、去霧的功能（本質上這兩個是類似的功能），最終實現并放入了FFmpeg。
在做FFmpeg GSOC項目期間，首先和有意愿的學生事先溝通，然后在FFmpeg社區以及GSOC上申請立項，之后是與學生溝通要達到去雨點去霧的功能要點，做出實際的開發計劃任務，緊接著，我安排并引導學生去了解了FFmpeg的一些基本功能以及相關原理，隨后實現了去雨點去霧的功能，需要注明的是，FFmpeg目前的去雨點，去霧使用了基于AI的方式，目前FFmpeg同時支持兩類后端，其中一個是FFmpeg native的DNN后端，但性能較差，主要用作驗證，另一個是可以在實際場合中部署的TensorFlow后端。上圖展示了最終的一個結果，圖中上半部分為原圖，下面是對應去雨點去霧的圖像，需要注意，雖然目前的實現基本上能解決大部分的問題了，例如天氣惡劣的環境采集的圖像后期處理，通過這種技術可以節省很多時間，但更廣泛的現實場景是有可能會存在一些瑕疵，這可能是目前AI算法普適性的一個通用問題。接下來重點分享一下onVideo中更細節的一些技術內容。
做音視頻的云端處理，尤其是Web-base的場景，最忌諱的是前端Web部分預覽看到的內容與后端實際生成的結果不一致，會導致非常尷尬的用戶體驗，我們的第一步就需要將Codec格式統一化，此步會在云端進行處理，對于輸出，在客戶要求的情況下，我們會給到高清版本，否則就給到低清版本，原因是高清版本流量消耗較大，會耗費很多帶寬；另外，實際使用中，常規的預覽并不真正需要高清，除非用戶有特別需求。另外，為了后期在后端處理更快，會將所有內容變成I幀，這樣的好處是可以精確處理到幀；其次，我們也使用了FFmpeg提供的一些基礎的濾鏡，概述如下：
畫字體（FFmpeg的字體功能使用了FreeType等），為了解決其中一些瑕疵（例如某些系統下的文字大小粗細不一致）嘗試過更改drawtext，但效果不理想；另外，如果字體找不到的話，那會變成一小方塊，此時只需要換一個字體庫即可。再就是subtitle，唱詞的時候用subtitle，例如電影中的字幕，可以切為一段一段。
在平時我們做視頻切片處理的時候，會有一個問題，在生成一個視頻之后，所有視頻的start time全都會歸零，在切片時，需要將多軌道的時間都對上，所以setpts和asetpts、adelay、atempo這些功能強大的Filter，在處理音視頻的編輯中，例如多軌道疊加或者邊緣對齊等需求下，起了非常大的作用。我寫過一篇關于setpts的文章，大家有興趣可以去閱覽一下。
overlay多圖層：有時候我們并不只是要求單純的設x,y，也需要同時需要調整寬高，但overlay不直接支持寬高的調整，這可以通過一些簡單的開發，例如增加前景寬高處理用來做縮放效果，或者還有一些其他效果例如使用expr的辦法。另外，FFmpeg有內置方法，可以直接做一些想要的效果，例如跑馬燈效果，游動效果等；甚至于導播臺中，在直播的過程當中，推出去一個視頻流，可以通過利用zmq的方式動態的改一個logo，或者是加字幕。
chromakey：與colorkey類似，chromakey主要是以 YUV處理為主，colorkey主要以RGB處理為主，二者均只支持摳單色。例如扣綠幕背景時，將其中的代碼稍作修改（增加diff值的計算）即可改善摳圖的小瑕疵問題。如果是雜色背景，就需要多次摳圖或者利用AI的方式，再或者邊緣檢測等方式。
crop：剪切處理，國內經常看到的視頻是16:9/9:16/3:4/4:3的分辨率,但如果把視頻發到Twitter上，則看到大多數是以1:1的分辨率顯示的，就需要進行crop裁剪處理；除去上述這些Filter以外，我們還使用了boxblur、avgblur等。
一些基本的處理功能介紹完畢之后就需要考慮關于性能的問題。
以overlay為例，早期用overlay等Filter是順序處理的，是一個簡單的單線程處理，我們知道，多數圖像都是decode之后的圖像，多數都是yuv格式，是一個點一個點打上去的圖像，在像素之間沒有關聯的情況下，可以考慮充分利用多核，進行多線程處理。這是FFmpeg Filter內部的一個優化點。
分布式處理：通過引入timeline的概念，不同的軌道對應各自的timeline，在進行多個軌道切片的時候，通過timeline進行對應匹配。此方法的性能使得可以在數秒至一分鐘之內快速處理完成一個1小時長度的視頻任務。
OpenGL優化：在用FFmpeg做圖像移動，放大效果動畫，縮小效果動畫，旋轉效果動畫等圖像動態效果時，圖像會有抖動感；可以在遇到圖像抖動情況通過此方式處理。
使用分布式+FFmpeg+OpenGL，是我本人處理這些問題的基本做法。
單獨使用FFmpeg tools某些場景下可能會出現性能差、運動不平滑、計算量大、擴展不方便和升級開銷大的問題，因此團隊開始考慮如下的一些優化，嘗試把FFmpeg和OpenGL結合起來，解決性能問題。
上圖所示，是利用FFmpeg API +OpenGL API方式處理的流程圖。但利用FFmpeg API+OpenGL API方式處理的特點是開發成本高、技能融合模糊，因為開發人員全部都要精通（指同時知曉FFmpeg API的使用，OpenGL API的使用），很難短時間找到這樣的合適的開發人員，不太適合創業型小公司，所以團隊采用了下面的方式避過這個問題.
采用FFmpeg融合了OpenGL，但并不直接touch OpenGL的優化部分，這部分又精通OpenGL的開發人員之間使用GLSL優化，而FFmpeg開發者只關心怎么把FFmpeg作為一個通用的Filter放入進來，最終是將圖像算法處理和音視頻編解碼處理分開，開發層次會更加清晰，如上圖所示為升級優化之后的處理流程。FFmpeg內置OpenGL的方法處理的優勢是可以一勞永逸、不同專業的人員做不同專業的事情。
專業的人員處理專業的事情之后，我們需要的就是將執行步驟抽象為接口，再利用插件（Plugin）將內容按照接口進行處理。
由于OpenCV的特點，它在3.0版本之后全面擁抱C++，因此FFmpeg只能使用舊版本，但是我們還是需要用一些新版本的OpenCV的功能。面對這種情況，我們只能自己抽象需要的接口，再做成so，先完成導入后再進行處理。
自2018年起，FFmpeg GSOC項目開始集成CUDNN以及TensorFlow框架，使得它調第三方程序即可實現超分辨率或者直接使用FFmpeg內置的CUDNN模塊。需要提及一下，如果直接用FFmpeg內置的DNN，性能很差，甚至會慢到0.001的倍速，它指使用了CPU資源，且沒做任何優化，基本上用作算法的驗證，不能作為線上實際使用的后端。在FFmpeg的AI框架下，目前還支持了SDR轉HDR、去雨點去霧處理以及智能插幀（還在開發中）。
關于Native DNN的支持，主要處理以上幾個接口即可。
目前AI部分需要自己單獨進行模型（Model）訓練，在以前，FFmpeg使用這些Model的時候需要自己轉換Model為PB文件，目前通過處理后直接提供Model文件即可。
一個創業團隊的初期會按照最簡單迅速的方式演進，因此我們團隊初期全部使用FFmpeg，在應用過程中，功能快速跑起來時發現了一系列問題，根據經驗和團隊成員各自擅長的部分進行針對處理，最后在考慮性能時加入了分布式的方法。
