一、视频会议系统的组成

　　 什么是视频会议系统？视频会议系统就是不受地域限制、建立在宽带网络基础上的双向、多点、实时的视音频交互式系统。
　　会议系统的组成非常简单，每个会场安放一台视频会议终端，终端接上电视机作为回显设备、接上网络作为传输媒介就可以了。一台终端通常有一台核心编解码器、一个摄像头，一个全向麦克风以及一个遥控器。核心编解码将摄像头和麦克风输入的图像及声音编码通过网络传送到远端，同时将网络传来的数据解码后将图像和声音还原到电视机和音响上，即实现了与远端的实时交互。终端通过呼叫IP 地址或ISDN 号码进行连接（专线无需拨号）。但在有三点会场就必须采用MCU（视频会议多点控制单元）进行管理。
　　同电话交换机相似，MCU（多点控制单元）的作用就是在视频会议三点以上时，决定将哪一路（或哪四路合并成一个）图像作为主图像广播出去，以供其他会场点收看。所有会场的声音是实时同步混合传输的。在具有MCU的会议系统里，所有终端的音视频数据均实时传到MCU 供选择广播。MCU 的数据流量较大，通常接于网络的中心交换机上，控制人员通过笔记本电脑调用MCU 管理界面在主控台进行远程管理。呼叫方式可以由控制人员由MCU 呼叫各个终端，亦可由各终端呼叫控设置好的会议号。

图一：视频会议系统组网图

二、视频会议系统终端的工作原理

图二：视频会议终端的工作原理

　　如图所示：视频会议终端将输入进来的视频使用H.261、H.263 或H.264 协议、音频使用G.711、G.722 或G.728、数据、控制信令进行单独编码，然后将编码后的数据进行“复用”打包后形成遵循网络协议的数据包，通过网络接口传到MCU 供选择广播。从MCU 传来的其他会场的数据包通过“解复用”，分别还原成视频、音频以及数据及控制信令分别相应的输出设备上回显或执行。
在这原理图中有两处要强调的地方：一是音频数据量（小于等于64K）远远小于视频的数据量，编码的时延也比视频时间短。因此在早期的视频会议系统中经常会出现听到声音后很久才看到人嘴动的情况。业界术语叫唇音同步。现在的视频会议知名品牌都在音频编码后加入一定的时延，唇音同步问题已完全解决。二是在传输的信息里面，优先级的排列顺序为：音频－＞视频－＞控制信令－＞数据。因为会议以说话为主，在网络拥塞时，画面可能会有马塞克，但会议的声音必然首先保证是连贯和清晰的。
　　另外，ITU 已经在2003 年中期公布了H.264 视频编码协议。采用该协议，384kbps 下传输的视音频质量相当于H.263 视频编码协议768kbps 带宽下的质量与效果。H.264 协议是视频会议发展的一个分水岭，视频会议终端及MCU 是否支持H.264 这种最新的视频编码协议，成为该视频会议品牌是否具有生命力和研发能力的一个标志。