实时传输协议（Real-time Transport Protocol或简写RTP）是一个网络传输协议，它是由IETF的多媒体传输工作小组1996年在RFC 1889中公布的。

RTP协议详细说明了在互联网上传递音频和视频的标准数据包格式。它一开始被设计为一个多播协议，但后来被用在很多单播应用中。RTP协议常用于流媒体系统（配合RTSP协议），视频会议和一键通（Push to Talk）系统（配合H.323或SIP），使它成为IP电话产业的技术基础。RTP协议和RTP控制协议RTCP一起使用，而且它是创建在UDP协议上的。

当RTSP会话建立成功，并开始传输时，音视频数据以RTP协议打包发送给客户端；

V：RTP协议的版本号，占2位，当前协议版本号为2

P：填充标标志，占1位，如果P=1，则在该报文的尾部填充一个或多个额外的八位组，它们不是有效载荷的一部分。

X：扩展标志，占1位，如果X=1，则在RTP报头后跟有一个扩展报头

CC：CSRC计数器，占4位，指示CSRC 标识符的个数

M：标记，占1位，不同的有效载荷有不同的含义，对于视频，标记一帧的结束；对于音频，标记会话的开始

PT：有效载荷类型，占7位，用于说明RTP报文中有效载荷的类型，如GSM音频、JPEM图像等

sequence number：序列号，占16位，用于标识发送者所发送的RTP报文的序列号，每发送一个报文，序列号增1。接收者通过序列号来检测报文丢失情况，重新排序报文，恢复数据

timestamp：时间戳，占32位，时戳反映了该RTP报文的第一个八位组的采样时刻。接收者使用时戳来计算延迟和延迟抖动，并进行同步控制

SSRC：同步信源标识符，占32位，用于标识同步信源。该标识符是随机选择的，对弈同一个视频源，每个会话都有自己独立的同步信源

CSRC：特约信源标识符，每个CSRC信源占32位，可以有0-15个，具体数量由CC决定，每个CSRC标识了包含在该RTP报文有效载荷中的所有特约信源

打包时，每帧数据包均需要添加二中所述RTP包头，对于每路视频流，RTP包头除序列号外，基本保持不变；另一个要注意的时，由于包头需要按位填充，当填充/发送数据时，应注意发送端数据的大小端限制。

此处以h264，h265，aac，g711来举例说明

g711数据在发送时，不需要额外的头部信息，其他三种数据流，在rtp包头后，应按格式封装自己的数据头

其中h264为一个字节，h265为两个字节，aac数据为四个字节

视频包时需要考虑到MTU的大小，每包数据不能超过MTU的大小，通常情况下，设备是不知道当前网络的MTU大小的。

因此都会在代码中指定一个大小，开发时，可以参考ffmpeg中给定该值的大小

H264数据打包格式如下：

RTP头+h264字节头+视频数据帧

h264字节头为两个字节，格式如下

第一个字节

根据ffmpeg代码，F为0，此处type为28，

nri = buff[0] & 0x60;

buff[0] 为视频帧的第一个数据

第二个字节

此处type = buff[0] & 0x1f;

其中S E R的解释如下，注意当数据包被分成多包数据后，处S E R三位，其他均与第一包保持一致，不得改变

打包和h264过程类似，区别就是H265的数据头为三个字节，

h265的三个字节，结构如下：

第一第二个字节

参考ffmpeg代码 此处F为0，Type为49，LayerId为0，TID为1

第三个字节

其中FuType = (buf[0] >> 1) & 0x3F;

S E的用法和h264中相同，此处不再叙述

aac在打包为RTP数据包时，每帧数据前还应该由四个字节头，即格式如下

RTP包头+AAC字节头+AAC数据

当AAC数据前由ADTS头时， 打包时应该跳过7字节的ADTS头

AAC字节头定义如下

字节1：0x00

字节2：0x01

字节3：(data_len & 0x1fe0) >> 5

字节4：(data_len &0x1f)