视频监控“大联网”中SIP

■ 本刊记者 贺小花

SIP标准凭借其简单灵活、易于扩展、便于实现等诸多优点越来越得到业界的青睐，而且随着大型联网安全与视频监控平台在各个领域的应用越来越广泛，业内人士发现SIP标准作为联网监控的信令标准承载协议，具有多种优势及功能。

前言

2004年以来，全国各地公安机关自建了2万多个视频监控系统，安装了百余万台摄像机，建立了打防管控相结合的立体化治安防控体系。下一步视频监控系统联网建设及视频图像信息整合与共享的方向是：“建成一个共享平台，完善一张传输网络，建立四大保障支柱”，基本构建起视频监控技术应用体系。为了能够实现视频图像信息跨区域跨部门高效准确传输及共享应用，就必须满足联网系统中信息传输、交换、控制的兼容性和安全性要求。

可喜的是，2012年6月1日，《GB/T28181-2011安全防范视频监控联网系统信息传输、交换、控制技术要求》（以下简称“新国标”）正式施行。新国标对推动我国的视频监控大联网建设具有非凡意义。然而，新国标的前身为公安部推出的一个行业标准，全称为《GA/T669-2008城市监控报警联网系统技术标准》（以下简称T669）。T669的内容包括前端的接入及采集、中间的信息传输、交换、控制、整个管理平台的架构、卡口信息的识别、比对等内容，主要侧重于整个监控系统，协议基于SIP。

由于新国标发布后，部分厂家不能第一时间做出响应，势必会存在新旧并存的情况；况且新国标又是一个推荐标准，强制力有限，目前各个行业也有自己的行业标准，考虑到整体兼容性，必须要用保留利旧的方式将各种已建资源整合进来。因此，针对不同情况，配合新国标可以有以下两种整合接入模式。第一种，对于已调整完成，符合新国标的视音频监控系统，可以采用直连的方式实现综合联网。第二种，对于已建并不支持新国标且不具备改造能力的视音频监控系统，可通过SIP网关方式，将非标系统改造为标准系统后再进行接入。SIP网关将被整合联网的系统中视音频信息编码格式、传输方式、数据交换方式和控制方式转换为新国标中规定的内容，最后接入标准的联网系统，成为整个系统的一部分。SIP网关采用控制协议与媒体分离的方式，分别对控制信令和视音频媒体进行非标与标准之间的转换。

毋庸置疑，SIP标准在作为联网监控的信令标准承载协议时，应用广泛，功能巨大。

SIP标准产生背景

SIP（Session Initiation Protocol 会话初始协议）是一个应用层的信令控制协议，最初开发目的是用来帮助提供跨越因特网的电话业务，因特网电话（IP电话）正在向一种正式的商业电话模式演进，SIP就是用来确保这种演进实现而需要的NGN（下一代网络）系列协议中重要的一员。SIP是IETF标准进程的一部分，它是在诸如SMTP（简单邮件传送协议）和HTTP（超文本传送协议）基础之上建立起来的。它用来建立，改变和终止基于IP网络的用户间的呼叫。为了提供电话业务它还需要结合不同的标准和协议：特别是需要确保传输（RTP），与当前电话网络的信令互连，能够确保语音质量（RSVP），能够提供目录（LDAP），能够鉴权用户（RADIUS）等等。

SIP被描述为用来生成，修改和终结一个或多个参与者之间的会话。这些会话包括因特网多媒体会议，因特网（或任何IP网络）电话呼叫和多媒体发布。会话中的成员能够通过多播或单播联系的网络来通信。SIP支持会话描述，它允许参与者在一组兼容媒体类型上达成一致。它同时通过代理和重定向请求到用户当前位置来支持用户移动性。SIP不与任何特定的会议控制协议捆绑。

随着全社会对创建平安城市的关注度越来越高，视频监控作为安防系统的一个重要技术应用，发展迅猛。然而，在当前的视频监控市场中，不同监控系统采用的信令控制协议不统一，互联互通困难，无法满足网络化时代对大规模电信级视频监控、远程访问、集中管理的需要。从现实角度考虑，为视频监控制定一个专门的协议标准恐怕又不太可能的，于是设计者们将目光投向了SIP标准与H.323协议。H.323由于其协议族过于复杂庞大，不如SIP简单灵活、分布式控制，故将SIP作为市场视频监控的主流协议已成为业界共识。且随着大型联网安全与视频监控平台在各个领域的应用越来越广泛，人们发现SIP标准作为联网监控的信令标准承载协议，具有多种优势及功能。它不仅能适用当前联网监控的各种业务需要，而且能使监控平台标准化，更易于其他业务（比如可视电话）整合。

SIP标准会话组件

SIP协议会话使用多达4 个主要组件：①SIP标准用户代理；②SIP协议注册服务器；③SIP协议代理服务器；④SIP协议重定向服务器。这些系统通过传输包括了SDP协议（用于定义消息的内容和特点）的消息来完成SIP协议会话。

1）SIP协议用户代理（UA）是终端用户设备，如用于创建和管理SIP协议会话的移动电话、多媒体手持设备、PC、PDA等。用户代理客户机发出消息。用户代理服务器对消息进行响应。

2）SIP协议注册服务器是包含域中所有用户代理的位置的数据库。在SIP协议通信中，这些服务器会检索参与方的IP地址和其他相关信息，并将其发送到SIP协议代理服务器。

3）SIP协议代理服务器接受SIP协议UA的会话请求，并查询SIP协议注册服务器，获取收件方UA的地址信息。然后，它将会话邀请信息直接转发给收件方UA（如果它位于同一域中）或代理服务器（如果UA位于另一域中）。

4）SIP协议重定向服务器允许SIP协议代理服务器将SIP协议会话邀请信息定向到外部域。它可以与SIP协议注册务器和SIP协议代理服务器同在一个硬件上。

SIP标准的实现机制

SIP是一个分层结构的协议，这意味着它的行为根据一组平等独立的处理阶段来描述，每一阶段之间只是松耦合。协议分层描述是为了表达，从而允许功能的描述可在一个部分跨越几个元素。它不指定任何方式的实现。当我们说某元素包含某层，我们是指它顺从该层定义的规则集，不是协议规定的每个元素都包含各层，而且，由SIP规定的元素是逻辑元素，不是物理元素。一个物理实现可以选择作为不同的逻辑元素，甚至可能在一个个事务的基础上。

SIP的最底层是语法和编码。它的编码使用增强Backus-Nayr形式语法（BNF）来规定。

第二层是传输层。它定义了网络上一个客户机如何发送请求和接收响应以及一个服务器如何接收请求和发送响应。所有的SIP元素包含传输层。

第三层是事务层。事务是SIP的基本元素。一个事务是由客户机事务发送给服务器事务的请求（使用传输层），以及对应该请求的从服务器事务发送回客户机的所有响应组成。事务层处理应用层重传，匹配响应到请求，以及应用层超时。任何用户代理客户机（UAC）完成的任务使用一组事务产生。用户代理包含一个事务层，有状态的代理也有，无状态的代理不包含事务层。事务层具有客户机组成部分（称为客户机事务）和服务器组成部分（称为服务器事务），每个代表有限的状态机，它被构造来处理特定的请求。

事务层之上的层称为事务用户（TU）。每个SIP实体，除了无状态代理，都是事务用户。当一个TU希望发送请求，它生成一个客户机事务实例并且向它传递请求和IP地址，端口，和用来发送请求的传输机制。一个TU生成客户机事务也能够删除它。当客户机取消一个事务时，它请求服务器停止进一步的处理，将状态恢复到事务初始化之前，并且生成特定的错误响应到该事务。这由CANCEL请求完成，它构成自己的事务，但涉及要取消的事务。

SIP通过Email形式的地址来标明用户地址。每一用户通过一等级化的URL来标识，它通过诸如用户电话号码或主机名等元素来构造（例如：SIP:usercompany.com）。因为它与Email地址的相似性，SIP URLs容易与用户的Email地址关联。

SIP提供它自己的可靠性机制从而独立于分组层，并且只需不可靠的数据包服务即可。SIP可典型地用于UDP或TCP之上。

SIP提供必要的协议机制以保证终端系统和代理服务器提供以下业务：

● 用户定位

● 用户能力

● 用户可用性

● 呼叫建立

● 呼叫处理

● 呼叫前转，包括：（1）等效800类型的呼叫；（2）无应答呼叫前转；（3）遇忙呼叫前转；（4）无条件呼叫前转。

● 呼叫号码传递，该号码可以是任何命名机制。

● 个人移动性，例如通过一个单一的、位置无关的地址来到达被呼叫方，即使被呼叫方改变了终端。

● 终端类型的协商和选择：呼叫者可以给出选择如何到达对方，例如通过因特网电话，移动电话或应答业务等。

● 终端能力协商

● 呼叫者和被呼叫者鉴权

● 不知情和指导式的呼叫转移

● 多播会议的邀请

当一用户希望呼叫另一用户，呼叫者用INVITE请求初始呼叫，请求包含足够的信息用以被呼叫方参与会话。如果客户机知道另一方的位置它能够直接将请求发送到另一方的IP地址。如果不知道，客户机将请求发送到本地配置的SIP网络服务器。如果服务器是代理服务器它将解析被呼叫用户的位置并且将请求发送给它们。有很多方法完成上步，例如搜索DNS或访问数据库。服务器也可以是重定向服务器，它可以返回被呼叫用户的位置到呼叫客户机用以它直接与用户联系。在定位用户的过程中，SIP网络服务器当然能够代理或重定向呼叫到其它的服务器，直到到达一个明确地知道被呼叫用户IP地址的服务器。

一旦发现用户地址，请求就发送给该用户，此时将产生几种选择。在最简单的情况，用户电话客户机接收请求，也就是用户的电话振铃。如果用户接受呼叫，客户机用客户机软件的指定能力响应请求并且建立连接。如果用户拒绝呼叫，会话将被重定向到语音邮箱服务器或另一用户。“指定能力”参照用户想启用的功能。例如，客户机软件可以支持视频会议，但用户只想使用音频会议，那则只会启用音频功能。

SIP还具有另外两个有重要意义的特征。第一个是有状态SIP代理服务器具有分割入呼叫或复制入呼叫的能力，从而可以同时运行几个扩展分支。第一个应答的分支接受呼叫。该特征在用户工作在两位置之间（例如实验室和办公室）或者同时对经理和其秘书振铃时是非常便利的。

第二个特征是SIP独特的返回不同媒体类型的能力。举个用户联系公司的例子，当SIP服务器接收到客户机的连接请求，它能够通过Web交互式语音响应页面来返回到顾客的客户机，该页面具有可获得的部门分支或提供在列表上的用户。点击适当的链接后将发送一请求到所点击选择的用户从而建立起呼叫。

SIP标准功能及特点

功能

1、名字翻译和用户定位：无论被呼叫方在哪里都确保呼叫达到被叫方，执行任何描述信息到定位信息的映射，确保呼叫（会话）的本质细节被支持。

2、特征协商：它允许与呼叫有关的组（这可以是多方呼叫）在支持的特征上达成一致（注意：不是所有方都能够支持相同级别的特征）。例如视频可以或不可以被支持。总之，存在很多需要协商的范围。

3、呼叫参与者管理：呼叫中参与者能够引入其它用户加入呼叫或取消到其它用户的连接。此外，用户可以被转移或置为呼叫保持。

4、呼叫特征改变：用户应该能够改变呼叫过程中的呼叫特征。例如，一呼叫可以被设置为“voice-only”，但是在呼叫过程中，用户可以需要开启视频功能。也就是说一个加入呼叫的第三方为了加入该呼叫可以开启不同的特征。

特点

1、最少状态：呼叫过程中代理服务器可以采用无状态方式工作。

2、低层协议无关性：低层协议可以为SIP标准层提供可靠或非可靠业务。Internet环境下首选UDP协议，当不能使用UDP协议时，使用TCP协议。

3、基于文本：采用基于文本的UTF-8编码方式和ISO 10646字符集。

4、可扩展性：分层编码方式编状态码。可以根据情况忽略或引入头域，用户可以指示服务器必须理解的消息内容。

5、易于支持IN业务：能够支持绝大多数ITU-T的Capability Set 1和 Capability Set 2中的业务。

SIP标准优势

SIP标准具有良好的可扩展特性，可以方便地增加定义，嵌入各种用户终端并迅速实现新功能；有较强的互操作能力，良好的开放性。这样有助于不同SIP设备之间的通信并且能够与H.323等原有网络实现互通。

采用SIP的优势主要包括：参照HTTP协议定义的，适用基于IP的网络；采用了URI、DNS和MIME并与其它IP应用兼容；强调支持多方会议，包括IP多播和请求加入的功能；采用了DNS系统，在寻址方面可以匹配现有体系；作为端到端的协议，用户代理只需呼叫其IP地址或采用DNS即可与另外一个用户通话；系统可通过增加SIP服务和提供更大的灵活性来实现负载均衡，有效提高自身性能。

由于具有与H.323协议中Q.931和H.225类似的性质，SIP可作为IP网络中的信令协议。在不同网络配置和体系结构中，电信运营商可以利用SIP和IP的各自优势，无需在全IP/SIP网络体系结构中进行转换。

通过单一的IP骨干网络提供话音、视讯和数据服务，运营商可将运营维护成本降到最低。运营商还可通过具有SIP功能的用户服务产生新的增值业务流，使现有网络通过SIP功能保持、吸引并赢得新用户。

SIP标准在视频监控“大联网”中的应用意义

SIP用于建立，修改和终止包括视频，语音，即时通信，在线游戏和虚拟现实等多种多媒体元素在内的交互式用户会话。协议本身没有限制，甚至能够传送未来还没有设想的应用。基于IETF的SIP协议标准，是继HTTP和IP协议之后的非赢利Internet标准协议，提供开放式体系架构。SIP可与许多其它的协议协同工作，仅仅涉及通信会话的信令部分（control message）。

视频监控联网为何要广泛使用SIP标准？主要基于以下原因：第一，SIP是通信领域公认的标准协议；第二，更好的网络传输；第三，架构多媒体网络和应用系统；第四，与Internet兼容性好。SIP消息数据及格式与Web消息数据是同样类型的数据。SIP可以充分利用已定义的头域，对其进行简单必要的扩充就能很方便地支持各项新业务和智能业务，有利于与Internet的各项应用集成开发。第五，可与各种媒体应用兼容；第六，SIP简单、易扩充。

使用SIP，服务提供商可随意选择标准组件。不论媒体内容和参与方数量，用户都可查找和联系对方。SIP进行协商，使所有参与方都能就会话功能达成一致及修改；可以添加、删除或转移用户。SIP重要特点是不定义要建立的会话的类型，只定义应如何管理会话。对设计人员而言更加灵活直观。

SIP重用几个现有的比较成熟的Internet 服务和协议，如DNS、RTP、RSVP等。不必再引入新服务对SIP基础设施提供支持，因为该基础设施很多部分已经到位或现成可用。对SIP的扩充易于定义，可由服务提供商在新应用中添加，不会损坏网络。网络中基于SIP的旧设备不会妨碍基于SIP的新服务。例如，如果旧SIP实施不支持新的SIP应用所用的方法/标头，则会将其忽略。

SIP独立于传输层。因此，底层传输可以是采用ATM的IP。SIP使用用户数据报协议（UDP）以及传输控制协议（TCP），将独立于底层基础设施的用户灵活地连接起来。SIP支持多设备功能调整和协商。如果服务或会话启动了视频和语音，则仍然可以将语音传输到不支持视频的设备，也可以使用其他设备功能，如单向视频流传输功能。SIP是不到十年前在计算机实验室诞生的一个想法。它是第一个适合各种媒体内容而实现多用户会话的协议，现已成了互联网工程任务组（IETF）的规范。

与H.323比较而言，H.323和SIP分别是通信领域与互联网两大阵营推出的建议（标准），很多标准都有两大体系。H.323的目的是把IP电话作为传统电话，只是传输方式发生了改变，由电路交换变成了分组交换。SIP则侧重于将IP电话作为互联网上的一个应用，较其它应用（如FTP、E-mail等）增加了信令和QoS的要求。它们支持的业务基本相同，都是利用RTP作为媒体传输的协议，但H.323是一个相对复杂的协议。

目前、在视频会议系统，SIP替代H.323是趋势。网络视频的协议集应包括：前端和近端设备的搜索、管理；图像结构；媒体结构；音视频实时流；事件处理；图像分析；PTZ控制和安全机制等。ONVIF和PSIA都是如此。我国安防标准目前只是规定了系统的互联、互操作、互通等基本功能，还需进一步完善。

结束语

安防监控直接关系到国家安全、公共安全、国防建设等诸多要害领域，而且产业规模巨大，2012年全球规模已超过3000亿美元，发展前景被业界看好。我国拥有世界最大的安防监控市场，同时已拥有部分自主标准、核心技术和较为完善的产业基础。SIP标准凭借其简单、易于扩展、便于实现等诸多优点越来越得到业界的青睐，它正逐步成为NGN（下一代网络）和3G多媒体子系统域中的重要协议，并且市场上出现越来越多的支持SIP的客户端软件和智能多媒体终端，以及用SIP标准实现的服务器和软交换设备。可以预见的是，SIP在视频监控“大联网”中会成为一个明星。