本文围绕实现现有的视频点播系统所不具备的基于视觉对象的交互功能,这一目标进行展开，完成了下面的工作： 1. 在研究MPEG-4标准和点播系统关键协议的基础上，综合比较已有的MPEG-4数据传输方案，实现了高效率的RTP直接打包MPEG-4数据AU的方案。 2. 设计具有基于视觉对象交互能力的客户端软件，解决实现交互功能的关键问题：以层次化的对象结构设计，解决基于视觉对象交互的基本问题——场景节点的实现难题，提供良好的节点扩充能力；提出场景节点的两次遍历呈现方案，运用于呈现流水线中，获得处理场景变更的快速响应能力，解决交互中场景呈现的性能问题。 3. 研究媒体同步问题，采用数据接收缓存池和合成内存双缓冲机制，解决由网络数据包延迟、乱序以及媒体数据合成时间差异带来的不同步问题。针对MPEG-4中的不同媒体的时间特征分类予以研究，给出相应的同步算法和方案。