视频数据按照不同层次组织，虽然不同的标准中，会有一些差别，但是通常都如下 
视频序列层：视频序列有一个序列头部，存储着整个视频序列的信息，比如视频图像的格式，图像的分辨率等，视频序列由多个GOP组成
GOP（图像组）层：视频序列由多个图像组成，包括I 、P、B三种不同类型的帧。
I帧：利用内帧的空间相关进行压缩，压缩效率最低，但必不可少，编码无需用到其他帧的信息，是其他帧编解码的基础，在一个GOP中，I帧是编解码的起始点
P帧： 前向预测帧，P帧可以作为其他视频编码时的参考帧，在GOP中，表现为误差在后续帧之间的传播
B帧： 双向预测帧，使用视频序列两个时间方向上的相关性进行压缩，在编码中一般不用作参考帧
图像层 ：一个图像通常被分割为特定大小的块进行编码，这些块称为宏块 多个宏块组合成一个宏块组进行编码，
宏块组层：宏块组可以提供多种附加功能，如：调整网络传输时视频包的大小，抗误码
h264 标准中条带，条带组就是宏块组
宏块层： 宏块可以继续向下分成多个图像块，