GPU编解码 - 硬解码---CUVID

问题描述：项目中，需要对高清监控视频分析处理，经测试，其解码过程所占CPU资源较多，导致整个系统处理效率不高，解码成为系统的瓶颈。
解决思路：
利用GPU解码高清视频，降低解码所占用CPU资源，加速解码过程。
一、OpenCV中的硬解码
OpenCV2.4.6中，已实现利用GPU进行读取视频，由cv::gpu::VideoReader_GPU完成，其示例程序如下。

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;
}

阅读OpenCV中VideoReader_GPU源码，可发现其底层实现是借助于视频解码库CUVID。二、视频解码库CUVID
CUVID是基于CUDA的视频解码库，利用CUVID进行解码，主要包括以下四个步骤：
1.解析视频数据文件
2.在GPU端解码
3.转换解码后的数据(YUV420、NV12 ---> RGBA)
4.将RGBA数据显示出来
下图为利用CUVID解码的伪代码示意图，其中VideoSource用来解析视频数据文件，VideoParser用来解码数据。
VideoSource的回调函数HandleVideoData()，当VideoSource的状态设置为Started时，开始解析视频文件，并创建VideoParser，解码数据。
VideoParser的回调函数：
HandleVideoSequence() 创建解码器或重设解码器
HandlePictureDecode() 解码每帧视频数据
HandlePictureDisplay() 转换，处理，显示解码后的数据



OpenCV中VideoReader_GPU可以方便地利用GPU读取视频文件，加速解码过程，但OpenCV中VideoReader_GPU无法读取rtsp视频流数据。
这是因为CUVID中CuvideoSource不支持rtsp视频流数据，不能由rtsp地址创建VideoSource。
三、CUVID解码rtsp视频流
基本思路：跳过VideoSource模块，利用其他方式解析视频数据文件。
基本步骤：
1.利用FFmpeg解析rtsp视频流
2.创建VideoParser
3.利用FFmpeg读取数据包(***packet)
4.将数据包传输到VideoParser(***packet ---> CUVIDSOURCEDATAPACKET)
5.VideoParser解码数据包
其示例伪代码如下图所示



http://www.cnblogs.com/dwdxdy/p/3244723.html