最近，在研究低延迟视频传输课题时接触到了SRT协议。SRT是一个时下非常受欢迎的开源低延迟视频传输协议。SRT是Secure Reliable Transport的简称。它拥有三大特点，安全，可靠，低延迟。安全方面，SRT支持AES加密，保障端到端的视频传输安全。可靠性方面，SRT通过前向纠正技术(FEC)保证传输的稳定性。低延迟方面，由于SRT建立在UDT协议之上，解决了UDT协议传输延迟高的问题。UDT协议是基于UDP网络通信协议的。SRT解决了复杂的传输时序问题，可以做到支持高吞吐量文件和超清视频的实时传输。GitHub代码
虽然SRT在GitHub上公布了源代码，但是我在研究SRT协议的过程中，百度、谷歌基本很难找到开发使用的资料。经过仔细的研究，逐渐实现了SRT协议在不同终端下的文件传输，服务器客户端的视频传输。经过测试，端到端的最大延迟为1秒。经过分析，我发现这么大的延迟并不是SRT协议产生的。主要是客户端在调用ffmpeg协议，生成视频流的过程中，需要进行h264编码，耗费了大量的计算资源，导致产生了1秒的延迟。
实验环境
按照GitHub上的readme，在linux下编译了这个项目。
SRT协议传输文件
**发送端
$ ./srt-file-transmit file:///home/master/1.jpg srt://192.168.43.196:5002
接收端
$ ./srt-file-transmit srt://:5002/?mode=listener file:///home/master/**
分别在两台电脑（接收端和发送端）的终端下输入上述命令，即可以将/home/master/1.jpg发送到192.168.43.196:5002。第二行的"/home/master/"是文件保存路径。
ffmpeg生成流接收流测试
发送端：
ffmpeg -f lavfi -re -i smptebars=duration=60:size=1280x720:rate=30 -f lavfi -re -i sine=frequency=1000:duration=60:sample_rate=44100 -pix_fmt yuv420p -c:v libx264 -b:v 1000k -g 30 -keyint_min 120 -profile:v baseline -preset veryfast -f mpegts “udp://127.0.0.1:1234?pkt_size=1316”
（生成彩色条带视频流）
接收端：
ffplay udp://127.0.0.1:1234
可以显示出彩色条带和播放出滴滴的长鸣声（正弦波的声音）
通过这段代码，可以验证在linux中ffmpeg是否安装完整。
SRT本地回环传输彩色条带
在终端1输入：
ffmpeg -f lavfi -re -i smptebars=duration=60:size=1280x720:rate=30 -f lavfi -re -i sine=frequency=1000:duration=60:sample_rate=44100 -pix_fmt yuv420p -c:v libx264 -b:v 1000k -g 30 -keyint_min 120 -profile:v baseline -preset veryfast -f mpegts “udp://127.0.0.1:5000?pkt_size=1316”
（生成流）
在终端2输入：
./stransmit -r:10 -s:5 udp://:5000 srt://:9000
（发送流）
在终端3输入：
./stransmit srt://127.0.0.1:9000 file://con | ffplay -
（接收流，显示出视频和声音）
SRT本地回环传输TS流视频
在终端1输入：
ffmpeg -r 30 -re -i /dev/video0 -pix_fmt yuv420p -c:v libx264 -b:v 1000k -profile:v baseline -preset ultrafast -f mpegts “udp://127.0.0.1:5000?pkt_size=1316”
（生成流）
在终端2输入：
./stransmit -r:10 -s:5 udp://:5000 srt://:9000
（发送流）
在终端3输入：
./stransmit srt://127.0.0.1:9000 file://con | ffplay -
（接收流，显示出视频和声音）
转载至：
https://blog.csdn.net/blgpb/article/details/86704820
https://blog.csdn.net/v6543210/article/details/102887791?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase