1、概述
当时对广播来说已经有相当完备的系统标准，但对于通信和计算机应用仍是不足，随着数字广播、网络游戏、视频点播等交互式多媒体应用的增多，对视频、音频内容的表示要求更为有效和灵活。于是MPEG-4在1995年7月开始研究，1998年11月被ISO/IEC批准为正式标准，正式标准编号是ISO/IEC14496。
在信源方面，不是简单地对连续的图像和声音进行压缩，而是对图像和声音进行详细的分解和描述，将计算机中“对象”（Objects）的概念引入MPEG-4，称为AV对象（Audio/Visual Objects），对音视频对象和背景及文字分别进行压缩，使得更多的交互操作成为可能。甚至采用参数控制综合合成的办法还原图像和声音，使效率大大提高。
“AV对象”可以是一个孤立的人，也可以是这个人的语音或一段背景音乐等。它具有高效编码、高效存储与传播及可交互操作的特性。MPEG-4对AV对象的操作主要有：采用AV对象来表示听觉、视觉或者视听组合内容；组合已有的AV对象来生成复合的AV对象，并由此生成AV场景；对AV对象的数据灵活地多路合成与同步，以便选择合适的网络来传输这些AV对象数据；允许接收端的用户在AV场景中对AV对象进行交互操作等。
MPEG-4的系统层在原有ES流复用层（FlexMux）的基础上扩展了传送复用层（TransMux），几乎包括了所有多媒体、存贮媒体和通信的接口，如（RTP）UDP IP，PES MPEG-2 TS，AAL ATM，H223 PSTN，DABMux等等。使得MPEG-4的系统应用极其广泛。如播音员脸部动画的综合，文字到声音的语音合成等，使解码处理可扩展到对象的缩放，具有a通道的对象透明度调整等复杂场景。也即除自然图像外，增加了人工合成，创造和处理的痕迹。
2、MPEG-4的组成
MPEG-4标准是由6个主要部分构成：
1）多媒体传送整体框架DMIF：DMIF（The Dellivery Multimedia Integration Framework）主要解决交互网络中、广播环境下以及磁盘应用中多媒体应用的操作问题。通过传输多路合成比特信息来建立客户端和服务器端的交互和传输。通过DMIF，MPEG4可以建立起具有特殊品质服务（QoS）的信道和面向每个基本流的带宽。
2）数据平面：MPEG4中的数据平面可以分为两部分：传输关系部分和媒体关系部分。为了使基本流和AV对象在同一场景中出现，MPEG4引用了对象描述（OD）和流图桌面（SMT）的概念。OD传输与特殊AV对象相关的基本流的信息流图。桌面把每一个流与一个CAT（Channel Assosiation Tag）相连，CAT可实现该流的顺利传输。
3）缓冲区管理和实时识别：MPEG4定义了一个系统解码模式（SDM），该解码模式描述了一种理想的处理比特流句法语义的解码装置，它要求特殊的缓冲区和实时模式。通过有效地管理，可以更好地利用有限的缓冲区空间。
4）音频编码：MPEG-4的优越之处在于--它不仅支持自然声音，而且支持合成声音。MPEG4的音频部分将音频的合成编码和自然声音的编码相结合，并支持音频的对象特征。
5）视频编码：与音频编码类似，MPEG4也支持对自然和合成的视觉对象的编码。 合成的视觉对象包括2D、3D动画和人面部表情动画等。
6）场景描述：MPEG-4提供了一系列工具，用于组成场景中的一组对象。一些必要的合成信息就组成了场景描述，这些场景描述以二进制格式BIFS（Binary Format for Scene description）表示，BIFS与AV对象一同传输、编码。场景描述主要用于描述各AV对象在一具体AV场景坐标下，如何组织与同步等问题。同时还有AV对象与AV场景的知识产权保护等问题。MPEG4为我们提供了丰富的AV场景。
3、MPEG-4的类和级
MPEG的类（Profile）规定了用于协同操作点（interoperability point）的技术，等级（level）规定了一个类的范围或大小。
就类而言，对视像描述来说，分为自然视频内容、自然和合成混合图像内容两部分。自然视频内容部分的类分为五类；合成的自然图像混合视像内容部分的类分为四类。对图形描述来说共有两类。对场景描述共有五类。对音频的描述有四类。详见下表1。
表1：MPEG-4的类
就级而言，级是对比特率、取样率、图像分辨率及复杂性进行分级。不可能有没有级的类，但有的类只有一级。MPEG-4目前有了版本1、版本2，将包括以对象为基础的空间可分级性。MPEG-4版本2应用的例子是HomeNet Processing Laboratory 和逐行扫描清晰度电视编码器，使用MPEG-4空间可分级对1080行 60帧逐行扫描高清晰度电视进行编码，MPEG-4空间可分级的性能通常优于MPEG-2/4单层编码，而且所需的帧存也要少12.5%，而且1080P很容易下变换到1080I和720P，该实验将高质量1080P/60的传输码率降至18Mb/s。
标准的修正通常都会增加更多的类和级，如MPEG-4的第二版修正1和2就增加了FGS类，而修正3又增加了简单可扩展level 0和高级简单可扩展level 3b。
4、MPEG-4的应用
与MPEG-1和MPEG-2相比，MPEG-4更适于交互AV服务以及远程监控，它的设计目标使其具有更广的适应性和可扩展性：MPEG-4传输速率在4800~64000bps之间，分辨率为176×144，可以利用很窄的带宽通过帧重建技术压缩和传输数据，从而能以最少的数据获得最佳的图像质量。因此，它将在数字电视、动态图像、互联网、实时多媒体监控、移动多媒体通信、Internet/Intranet上的视频流与可视游戏、DVD上的交互多媒体应用等方面大显身手。
当然，对于普通用户来说，MPEG-4在目前来说最有吸引力的地方还在于它能在普通CD-ROM上基本实现DVD的质量。用MPEG-4压缩算法的ASF（Advanced Streaming format，高级格式流）可以将120分钟的电影压缩为300MB左右的视频流；采用MPEG-4压缩算法的DIVX（视频编码技术）可以将120分钟的电影压缩600MB左右，也可以将一部DVD影片压缩到2张CD-ROM上！也就是说，有了MPEG-4，你不需要购买DVD-ROM就可以享受到和它差不多的视频质量。播放这种编码的影片对机器的要求并不高，只要你的电脑有300MHz以上(无论是哪种型号)的CPU、64MB内存、8MB的显卡就可以流畅地播放。
不过，和DVD相比，MPEG-4属于一种高比率有损压缩算法，其图像质量始终无法和DVD的MPEG-2相比，毕竟DVD的存储容量比较大。此外，要想保证高速运动的图像画面不失真，必须有足够的码率，目前MPEG-4的码率虽然可以调到和DVD差不多，但总体效果还有不小的差距。因此，现在的MPEG-4只能面向娱乐、欣赏方面的市场，那些对图像质量要求较高的专业视频领域暂时还不能采用。
