問題描述：項目中，需要對高清監控視頻分析處理，經 測試，其解碼過程所占CPU資源較多，導致整個系統處理效率不高，解碼成為系統的瓶頸。

解決思路：

????? 利用GPU解碼高清視頻，降低解碼所占用CPU資源，加速解碼過程。

一、OpenCV中的硬解碼

????? OpenCV2.4.6中，已實現利用GPU進行讀取視頻，由cv::gpu::VideoReader_GPU完成，其示例程序如下。

[cpp] view plain copy

int?main(int?argc,?const?char*?argv[])????

{????

????if?(argc?!=?2)????

????????return?-1;????

????const?std::string?fname(argv[1]);????

????cv::namedWindow("GPU",?cv::WINDOW_OPENGL);????????

????cv::gpu::setGlDevice();????

????????

????cv::gpu::GpuMat?d_frame;????

????cv::gpu::VideoReader_GPU?d_reader(fname);????

????d_reader.dumpFormat(std::cout);????

????for?(;;)????

????{????

????????if?(!d_reader.read(d_frame))????

????????????break;????

????????//....????

????????cv::imshow("GPU",?d_frame);????

????????if?(cv::waitKey(3)?>?0)????

????????????break;????

????}????

????return?0;????

}????

????? 閱讀OpenCV中VideoReader_GPU源碼，可發現其底層實現是借助于視頻解碼庫CUVID。

二、視頻解碼庫CUVID

???? CUVID是基于CUDA的視頻解碼庫，利用CUVID進行解碼，主要包括以下四個步驟：

1.解析視頻數據文件

2.在GPU端解碼

3.轉換解碼后的數據(YUV420、NV12 ---> RGBA)

4.將RGBA數據顯示出來

?????? 下圖為利用CUVID解碼的偽代碼示意圖，其中VideoSource用來解析視頻數據文件，VideoParser用來解碼數據。

???????VideoSource的回調函數HandleVideoData()，當VideoSource的狀態設置為Started時，開始解析視頻文件，并創建VideoParser，解碼數據。

VideoParser的回調函數：

HandleVideoSequence() 創建解碼器或重設解碼器

HandlePictureDecode() 解碼每幀視頻數據

HandlePictureDisplay() 轉換，處理，顯示解碼后的數據

OpenCV中VideoReader_GPU可以方便地利用GPU讀取視頻文件，加速解碼過程，但OpenCV中VideoReader_GPU無法讀取rtsp視頻流數據。

這是因為CUVID中CuvideoSource不支持rtsp視頻流數據，不能由rtsp地址創建VideoSource。

三、CUVID解碼rtsp視頻流

基本思路：跳過VideoSource模塊，利用其他方式解析視頻數據文件。

基本步驟：

1.利用FFmpeg解析rtsp視頻流

2.創建VideoParser

3.利用FFmpeg讀取數據包(AVpacket)

4.將數據包傳輸到VideoParser(AVpacket ---> CUVIDSOURCEDATAPACKET)

5.VideoParser解碼數據包

其示例偽代碼如下圖所示

http://www.cnblogs.com/dwdxdy/p/3244723.html 《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的GPU视频解码之CUVID的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。