【計算機視覺】【平行計算與CUDA開發】GPU硬解碼---CUVID
問題描述:專案中,需要對高清監控視訊分析處理,經測試,其解碼過程所佔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解碼高清視訊,降低解碼所佔用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進行讀取視訊,由cv::gpu::VideoReader_GPU完成,其示例程式如下。
1 int main(int argc, const char* argv[]) 2 { 3 if (argc != 2) 4 return -1; 5 const std::stringfname(argv[1]); 6 cv::namedWindow("GPU", cv::WINDOW_OPENGL); 7 cv::gpu::setGlDevice(); 8 9 cv::gpu::GpuMat d_frame; 10 cv::gpu::VideoReader_GPU d_reader(fname); 11 d_reader.dumpFormat(std::cout); 12 for (;;) 13 { 14 if (!d_reader.read(d_frame)) 15 break; 16 //.... 17 cv::imshow("GPU", d_frame); 18 if (cv::waitKey(3) > 0) 19 break; 20 } 21 return 0; 22 }
閱讀OpenCV中VideoReader_GPU原始碼,可發現其底層實現是藉助於視訊解碼庫CUVID。
二、視訊解碼庫CUVID
CUVID是基於CUDA的視訊解碼庫,利用CUVID進行解碼,主要包括以下四個步驟:
1.解析視訊資料檔案
2.在GPU端解碼
3.轉換解碼後的資料(YUV420、NV12 ---> RGBA)
4.將RGBA資料顯示出來
下圖為利用CUVID解碼的虛擬碼示意圖,其中VideoSource用來解析視訊資料檔案,VideoParser用來解碼資料。
VideoSource的回撥函式HandleVideoData(),當VideoSource的狀態設定為Started時,開始解析視訊檔案,並建立VideoParser,解碼資料。
VideoParser的回撥函式:
HandleVideoSequence() 建立解碼器或重設解碼器
HandlePictureDecode() 解碼每幀視訊資料
HandlePictureDisplay() 轉換,處理,顯示解碼後的資料
OpenCV中VideoReader_GPU可以方便地利用GPU讀取視訊檔案,加速解碼過程,但OpenCV中VideoReader_GPU無法讀取rtsp視訊流資料。
這是因為CUVID中CuvideoSource不支援rtsp視訊流資料,不能由rtsp地址建立VideoSource。
三、CUVID解碼rtsp視訊流
基本思路:跳過VideoSource模組,利用其他方式解析視訊資料檔案。
基本步驟:
1.利用FFmpeg解析rtsp視訊流
2.建立VideoParser
3.利用FFmpeg讀取資料包(AVpacket)
4.將資料包傳輸到VideoParser(AVpacket ---> CUVIDSOURCEDATAPACKET)
5.VideoParser解碼資料包
其示例虛擬碼如下圖所示