Web RTSP 播放器的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

使用原生HTML5播放安控攝影機H.264歷史串流檔案之限制與實作解決方案—以C公司U服務為例

為了解決Web RTSP 播放器的問題，作者謝泓儒 這樣論述：

隨著網路頻寬的增加以及安控產業的發展，傳統上要觀看安控系統所生成之歷史影像回放資料必需於Client端安裝客製化套件或使用IE ActiveX技術將播放器外掛元件嵌入運行之瀏覽器執行程序內，拜HTML5瀏覽器技術的進步，目前針對影音封裝格式已經可支援到以MPEG-4格式封裝H.264與AAC codec影音壓縮資料後直接於瀏覽器上直接播放。透過前端Media Server以RTSP協定溝通之網路攝影機，將封裝於RTP封包Payload內視頻與音頻封包分離出來後根據ISO/IEC 14496-12 Base Media File Format規範打包成MPEG-4檔。然而，實務上會發現不同廠牌

之攝影機在Video與Audio的codec與profile都選擇相同的條件下，有些錄影檔透過網頁瀏覽器原生HTML5播放器直接開啟會產生無法播放問題。後來透過工具分析MPEG-4封裝結構內之Moov Box，針對不同種類網路攝影機所產生之錄製封裝結果，發現Moov box結構下之stts box資訊會因在某種條件因素下產生不合適之資訊，該資訊的存在對於傳統使用獨立播放器（例如VLC Player）播放沒有問題，但是將該檔案透過HTML5瀏覽器播放器播放時則會出現無法播放之異常。本研究共截取2020年總市占率占7成以上攝影機廠牌如海康、大華、安迅士、晶睿、奇偶、利凌部分型號設備進行驗證，透過本

研究的修正流程可調整前述有問題的Moov Box內容，以達到單一平台兼容處理不同廠牌攝影機串流問題。

基於深度强化學習的動態自適應性影像串流系統

為了解決Web RTSP 播放器的問題，作者倪富洋 這樣論述：

近年來隨著科技的快速發展，智能手機等各類電子產品已逐漸普及化，現代的人們無論大人亦或者是小孩都擁有智能手機。隨著智能手機的崛起，觀看網路影片已然成爲了人們的日常，由於智能手機的方便携帶性，人們能夠隨時隨地的使用智能手機來觀看影片，然而人們在觀看影片時往往會遇到網路狀態不佳而導致影片播放卡頓亦或者模糊。針對此情況許多研究提出了解決方案如自適應性串流(adaptive bitrate streaming)。自適應性串流是一種串流技術，過去大多使用在RTP/RTSP，但現在大多基於HTTP [1]。此技術根據用戶的頻寬和CPU效能來調整影片的質量。這需要使用可以在不同碼率來回切換的播放器來爲用戶提

供良好的觀看體驗。其中基於HTTP的動態自適應性串流系統（Dynamic adaptive streaming system over HTTP；DASH）就是以自適應性串流為架構的成功案例。它使得高質量影片可以透過傳統的HTTP網路服務器以互聯網的方式傳輸。DASH會將影片内容分解為一系列基於HTTP的小型文件，並製成多種bitrate的備選片段，以提供多種影片質量來應變不斷變化的網路狀況并提高觀看體驗。雖然DASH架構能夠降低卡頓或重新緩存的發生頻率，但其效能是根據制定好自適應性串流規則。只有良好的自適應性串流規則搭配DASH架構才能提供良好的觀看體驗。因此在本論文中，我們針對如何優化自適

應性串流規則並提高網路環境不佳時的用戶觀看體驗問題進行探討。隨著近年來機器學習的迅速發展，在我們的構想中，我們使用深度强化學習的優化特質來改善適應性串流規則。深度强化學習是一種使用深度學習技術拓展傳統强化學習方法的一種機械學習。其繼承了傳統强化學習的最優解特性以及深度學習的化繁爲簡的特性，使得深度强化學習能夠處理複雜的狀況。在本論文中，我們將會把深度强化學習融入自適應性串流規則當中，我們的目的是要制定出一個最優解的自適應性串流規則來提升網路環境不佳時的用戶觀看體驗。因此首先我們需要把各種播放環境以及獎勵定義完整，并且使用不同影片性質來進行訓練以尋找最合適的訓練模型。透過訓練好的最優解自適應性串

流規則，我們能夠提高網路環境不佳時的影片卡頓及模糊的問題，並且可以提升用戶的觀看體驗。