基于XML场景描述的MPEG-4内容制作工具的研究与实现摘要：在MPEG－4视频压缩编码标准框架下，通过对MPEG－4场景描述格式的研究，提出了基于XML场景描述的MPEG－4内容制作系统，并给出了详细的模块设计和系统实现。通过此项目将提升多媒体远程实时教学的质量，促进MPEG－4在网络教育中更广泛的应用。关键词：网络教育；MPEG－4；场景描述；二进制场景格式；XMT中图法分类号：TP393文献标识码：A：1001－3695(2006)09－0256－02随着远程教育技术与应用在中国发展到第三代，多媒体远程实时教学已经成为了一种趋势。其通过声、图、文并茂的方式，让学生在生动的人性化课堂环境中，最大限度地对所学内容进行理解，并与教师和其他学生进行交流及沟通。由于网络带宽等因素的限制，客户端往往收不到良好的视频播放效果，制约了多媒体远程实时教学的发展。MPEG?B4采用先进的视频压缩技术，使音频和视频的压缩比率在MPEG1和MPEG?B2等技术的基础上得到了很大的提高。同时还采用了分级编码技术、DMIF等技术，使视频适合在多种带宽的环境下传输，并能获得最佳的质量。通过对MPEG?B4场景描述格式的研究，提出了基于XML场景描述的MPEG?B4内容制作系统，并给出了详细的模块设计和系统实现。??1MPEG－4场景描述??场景描述是MPEG?B4系统的主要内容之一，其作为系统规范的一部分，描述了用于传输时空位置信息的格式。为此，MPEG?B4根据虚拟现实建模语言（VirtualRealityModelingLanguage，VRML）开发了一种二进制语言用来进行场景描述，即二进制场景格式BIFS，其定义了许多交互性的内容。??1．1二进制场景格式??为了方便地定义更多的交互性内容，MPEG?B4引入AV对象（Audio/VisualObjects）的概念，即将媒体元素，如行走的人、航行的船、背景和声音等作为对象来进行单独编码。而场景描述规定了场景中AV对象的组织方式，就是用来说明如何根据AV对象的时间和空间属性将它们有效地组织起来，即通过空间和时间位置的方式来实现。这样的信息足以使得将各个AV对象分别解码重构后，组合及重现它们。BIFS使用的是参数方法，场景描述由一些带有属性和其他信息（包括事件源和目标）的节点构成的编码层次（树）组成。树中的叶节点表示特定的AV对象，而用一些媒介节点来实现分组、空间转移和其他操作（场景描述节点）。BIFS可以随着其更新升级而不断改进。BIFS目的就是携带场景描述信息，它实际上就是一个协议：①它规定了如何重现MPEG?B4对象的场景图，实现对象的动画和可交互行为以及对这些元素的发送加以时序化和同步化；②它还是一种有效的对数据进行重现和发送的压缩工具；③它还定义了事件处理、对象组合的节点和运行规则。??1．2可扩展MPEG?B4文本格式??BIFS描述了由变化的时间场景组成的视频、图片、2D图形和3D图形对象。使用音频和视频一起创建BIFS流，这样就可以向用户提供丰富的多媒体体验，其中包括用户交互。但是，BIFS几乎不可能手动进行编码，所以必须使用可扩展MPEG?B4文本格式（eXtensibleMPEG?B4TextualFormat，XMT）来处理BIFS内容。??可扩展MPEG?B4文本格式采用XML的文档组织格式按照树状结构对MPEG?B4场景进行描述，其允许用户之间相互交互场景信息及所提供的相应服务，更便于描述由Web3D联盟提出的X3D和由W3C联盟提出的同步多媒体集成语言（SynchronizedMultimediaIntegrationLanguage，SMIL）。??可扩展MPEG?B4文本格式（XMT）分为以下两层：??（1）XMTA格式。它是一种基于XML的MPEG?B4场景描述较为低级的格式，是供BIFS使用的汇编语言，只不过是以XML的形式表示。它与BIFS直接存在着一对一的映射关系。此外，更便于描述由Web3D联盟提出的X3D。XMTA格式不仅包括了由MPEG?B4标准中提出的类似X3D的内容，如对象描述符（ObjectDescriptors，OD）、BIFSUpdateCommands和2D对象等，而且还包括了部分X3D内容。??（2）XMTO格式。它是一种易于学习的、用来在MPEG－4展示内部创建2D图形、动画和交互元素的高级语言，也采用XML的形式表示。它的一些高级概念，如定位、同步、动画和交互等，与SMIL类似。对于每一个XMTO元素均有一系列XMTA元素相对应。虽然不是一对一的映射关系，但XMT提供了一个由XMTO到X...