超详细-Docker中使用CUDA加速FFMPEG和OPENCV实现视频硬解编码

已于 2024-07-20 14:04:49 修改
阅读量1k 收藏 21
点赞数 22
分类专栏： # Linux # OpenCV 文章标签： docker ffmpeg opencv
于 2024-07-15 10:50:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_47145054/article/details/140422403
版权

超详细-Docker中使用CUDA加速FFMPEG和OPENCV实现视频硬解编码


由于许多博客都是编译旧版，故本文基于CUDA12.0+CUDNN8编译opencv-4.8.0，ffmpeg-5.1，使用最新的Video_Codec_SDK_12.2.72，该记录过程避免大家踩坑

1. 宿主机显卡驱动

在这里插入图片描述

2. 安装Nvidia-docker

3. 拉取cuda和cudnn镜像

4. 创建容器

  • docker run -dit --gpus all -h meiwu -e NVIDIA_DRIVER_CAPABILITIES=compute,utility,video --name opencv_cuda nvidia/cuda:12.0.1-cudnn8-devel-ubuntu20.04 bash
  • 注意：其中 --gpus all和-e NVIDIA_DRIVER_CAPABILITIES=compute,utility,video为必需指令，不可缺少

5. 编译FFMPEG

  • 安装编译工具和依赖
    apt update
apt-get update
apt upgrade
apt-get upgrade
apt install -y libreadline-dev libbz2-dev libsm6 libxrender1 libxext-dev  libgomp1 liblzma-dev libgl1-mesa-glx libprotobuf-dev protobuf-compiler libglib2.0-0 mpich openmpi-bin libopenmpi-dev libass-dev
apt-get install -y gcc g++ make cmake zlib1g zlib1g-dev openssl libsqlite3-dev libssl-dev libffi-dev unzip pciutils net-tools libblas-dev gfortran libblas3 libopenblas-dev git-lfs libswresample-dev autoconf automake build-essential libass-dev libfreetype6-dev libsdl2-dev libtheora-dev libtool libva-dev libvdpau-dev libvorbis-dev libxcb1-dev libxcb-shm0-dev libxcb-xfixes0-dev pkg-config texinfo zlib1g-dev yasm libx264-dev libx265-dev libvpx-dev libfdk-aac-dev libmp3lame-dev libopus-dev
  • 下载编译nv-codec-headers-sdk
    • 通过git clone https://github.com/FFmpeg/nv-codec-headers.git下载nv-codec-headers-sdk,我使用的是sdk/12.0版本，使用git checkout sdk/12.0版本切换
    • 使用sudo make -j&(nproc)和sudo make install进行编译和安装
  • 进入Video Codec SDK根据自己的需求下载对应的SDK，与FFMPEG的对应关系自行看官方文档，我使用的是最新版本Video_Codec_SDK_12.2.72。将对应的头文件和动态链接库COPY到CUDA中：
    cp ./Video_Codec_SDK_12.2.72/Lib/linux/stubs/x86_64/*  /usr/local/cuda/lib64/stubs
cp ./Video_Codec_SDK_12.2.72/Interface/* /usr/local/cuda/include
cp ./Video_Codec_SDK_12.2.72/Lib/linux/stubs/x86_64/*  /usr/local/cuda-12.0/lib64/stubs
cp ./Video_Codec_SDK_12.2.72/Interface/* /usr/local/cuda-12.0/include
cp ./Video_Codec_SDK_12.2.72/Interface/* /usr/include
  • 下载FFMPEG并解压
    wget http://ffmpeg.org/releases/ffmpeg-5.1.tar.gz && tar zxvf ffmpeg-5.1.tar.gz
  • 编译FFMPEG，cd到ffmpeg-5.1文件夹下
    ./configure --prefix=/usr/local/ffmpeg --disable-asm --disable-x86asm \
 --enable-cuda --enable-cuvid --enable-nvenc \
 --enable-nonfree --enable-libnpp \
 --extra-cflags=-I/usr/local/cuda/include \
 --extra-cflags=-fPIC --extra-ldflags=-L/usr/local/cuda/lib64 \
 --enable-gpl --enable-libx264  --enable-libx265 \
 --enable-shared \
 --enable-libass \
 --enable-libfdk-aac \
 --enable-libfreetype \
 --enable-libmp3lame \
 --enable-libopus \
 --enable-libtheora \
 --enable-libvorbis
 make -j&(nproc)
 sudo make install
  • 配置环境变量
    sudo vi /root/.bashrc
export FFMPEG_HOME=/usr/local/ffmpeg
export PATH=$PATH:$FFMPEG_HOME/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$FFMPEG_HOME/lib
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:$FFMPEG_HOME/lib/pkgconfig:/usr/local/lib
source ~/.bashrc
  • 测试和硬解码成功
    ffmpeg -i test.mp4 -c:v h264_nvenc -c:a aac output.mp4
    成功转码截图
  • ffmpeg -codecs | grep cuvid查看cuvid支持的编解码协议
    在这里插入图片描述

6. 编译OPENCV

  • 下载opencv和opencv_contrib

    git clone https://github.com/opencv/opencv.git
cd opencv
git checkout 4.8.0
git clone https://github.com/opencv/opencv_contrib.git
cd opencv_contrib
git checkout 4.8.0

  • 修改OpenCVDetectCUDA.cmake，加入"/usr/include" "/usr/local/include/ffnvcodec"

    vi opencv/cmake/OpenCVDetectCUDA.cmake

    在这里插入图片描述

  • 添加libnvcuvid.so软连接

    sudo ln -s /usr/lib/x86_64-linux-gnu/libnvcuvid.so.1 /usr/lib/x86_64-linux-gnu/libnvcuvid.so

  • 修改opencv_contrib的cudacodec CMakeLists.txt文件

    vi  opencv_contrib/modules/cudacodec/CMakeLists.txt
# 增加以下内容
include_directories(/usr/local/include/ffnvcodec)

    在这里插入图片描述

  • 安装numpy

    pip install numpy==1.24.4

  • 修改precomp.hpp，增加nvcuvid头文件

    vi /home/meiwu/opencv_contrib/modules/cudacodec/src/precomp.hpp
# 增加以下内容
#include <nvcuvid.h>

  • 开始编译，cd到opencv目录下执行，其中cmake参数太多就不一一讲解，具体含义可自行查找资料

    mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local \
-D INSTALL_PYTHON_EXAMPLES=ON \
-D INSTALL_C_EXAMPLES=ON \
-D BUILD_opencv_python2=OFF \
-D BUILD_opencv_python3=ON \
-D BUILD_opencv_cudacodec=ON \
-D BUILD_TIFF=ON \
-D ENABLE_FAST_MATH=1 \
-D OPENCV_EXTRA_MODULES_PATH=/home/opencv_contrib/modules \
-D PYTHON3_EXECUTABLE=/home/envpy3.8/bin/python3.8 \
-D PYTHON3_INCLUDE_DIR=/home/envpy3.8/include/python3.8 \
-D PYTHON3_LIBRARY=/home/envpy3.8/lib/libpython3.8.so \
-D PYTHON3_NUMPY_INCLUDE_DIRS=/home/envpy3.8/lib/python3.8/site-packages/numpy/core/include \
-D PYTHON3_PACKAGES_PATH=/home/envpy3.8/lib/python3.8/site-packages \
-D PYTHON_DEFAULT_EXECUTABLE=/home/envpy3.8/bin/python3.8 \
-D OPENCV_PYTHON3_INSTALL_PATH=/home/envpy3.8/lib/python3.8/site-packages \
-D OPENCV_ENABLE_NONFREE=ON \
-D WITH_LIBV4L=ON \
-D WITH_CUBLAS=1 \
-D WITH_CUDA=ON \
-D WITH_CUDNN=ON \
-D WITH_TBB=ON \
-D WITH_GTK_2_X=ON \
-D WITH_OPENCL=ON \
-D WITH_FFMPEG=ON  \
-D WITH_NVCUVID=ON \
-D CUDA_ARCH_BIN=8.6 \
-D CUDA_FAST_MATH=1 \
-D WITH_V4L=ON ..
make -j&(nproc)
make install

    在这里插入图片描述
    NVIDIA CUDA中得为YES并且出现NVCUVID才算配置成功

  • 测试验证

    >>> import cv2
>>> cv2.__version__
'4.8.0'
>>> video_gpu = cv2.cudacodec.createVideoReader('/home/meiwu/test.mp4')
>>> _, img_gpu = video_gpu.nextFrame()
>>> img_cpu = img_gpu.download()
>>> img_cpu.shape
(720, 1280, 4)

  • 安装低版本（4.2以下）的opencv，编译过程中可能会缺少以下文件：

    boostdesc_bgm.i
boostdesc_bgm_bi.i
boostdesc_bgm_hd.i
boostdesc_lbgm.i
boostdesc_binboost_064.i
boostdesc_binboost_128.i
boostdesc_binboost_256.i
vgg_generated_120.i
vgg_generated_64.i
vgg_generated_80.i
vgg_generated_48.i

    将以上的文件cp至opencv_contrib/modules/xfeatures2d/src/，百度网盘分享链接如下：

    链接：https://pan.baidu.com/s/1hnIopHg_BfuXLd1tv3e0Hw 
提取码：f7a2

若要转载请注明出处🚀，谢谢💕💕

参考资料

小叶MW
关注
专栏目录
Docker构建cuda镜像
weixin_42336571的博客
06-23 338
容器化部署算法服务，将cuda、cudnn等算法需要的库内置到容器中，为算法提供开箱即用的环境。
关于ffmpeg的安装和编码格式问题
门前大橋下丶
04-01 764
ffmpeg能转很多的视频格式，不同的格式对应的版本也不一样。如上述安装5.1和3.4.8都是一样的流程，但5.1中转h264格式会报错，找不到对应的设备，就需要安装3.4.8的低版本才行。
FFmpeg hardware GUP codec
chinabinlang的专栏
12-06 4787
from：https://trac.ffmpeg.org/wiki/HWAccelIntro Many platforms offer access to dedicated hardware to perform a range of video-related tasks. Using such hardware allows some operations like decodin...
Docker 仓库国内镜像加速源（2024年3月21日）
最新发布
化繁为简
08-22 639
【代码】Docker 仓库国内镜像加速源（2024年3月21日）
docker+nvidia+ffmpeg实现GPU硬编解码手记
ywxuan的专栏
02-13 2635
弄了2天，终于实现了在docker中ffmpeg+GPU硬编解码，基本上是参考：https://note.youdao.com/ynoteshare1/index.html?id=700052b0a49301059a34f20a00a830ca&type=note，但还是遇到了很多的坑。本手记默认已经安装好nvidia驱动，驱动版本在Tesla V100上是440，在我的笔记本电脑上是450 一、拉取镜像 sudo docker run -dit --gpus all docker.io/nvi..
ubuntu docker安装opencv支持cuda加速
kisshine
09-14 1377
软件版本信息 Ubuntu18.04 LST 宿主机 CUDA Version: 11.4 Nvidia GPU Driver Version: 470.57.02 cudDNN: 8.2.2.26 opencv: 4.5.3 opencv_contrib: 4.5.3 Video_Codec_SDK: 11.0.10 目标：编译 支持GPU硬件解码的opencv，支持C++和python3。 1. 宿主机安装docker 详见 Docker安装ubuntu18.04 2. 安装
环境搭建 Docker内FFmpeg GPU加速
_Tsun 的博客
07-21 4343
参考文档 这篇文章不是在docker内的 编译过程写的非常详细了，亲测可以使用 注意ffmpeg版本要3.x, 我用4.3 4.2都没有成功 1. 首先宿主机要有显卡驱动 这里省略掉可 2. 再 安装nvidia-docker 3. 再下载 nvidia的基础镜像 选择合适的版本，我选择的是 nvidia/cuda:10.2-cudnn7-devel-centos7 带devel字样的 ，里面才有nvcc -V命令 10.2 是cuda版本 4. 编写Dockerfile 具体如何下载源码包，可以到最上.
docker-ffmpeg-opencv-dlib-node:带有捆绑的ffmpeg，opencv，dlib和node.js运行时的Docker映像。 [自动构建]
05-15
docker-ffmpeg-opencv-dlib-节点 具有已编译的OpenCV，Dlib，ffmpeg和Node.js的Docker映像。 基于 版本（最新） 节点-10.3.0 dlib-19.8 opencv的-3.4.1 Node.js库兼容性 本机模块，请参阅上面的安装说明并遵循...
docker-python-opencv-ffmpeg:基于Ubuntu的包含ffmpeg，opencv3和python23的干净Dockerfile的存储库
05-15
码头工人：python-opencv-ffmpeg（-cuda） 基于Ubuntu 16.04 LTS的包含ffmpeg，opencv3和python2 / 3的干净Dockerfile的存储库。 标签 :py2 Python 2.7，OpenCV 3.4.2，ffmpeg :py3 Python 3.5，OpenCV 3.4.2，...
docker-python-opencv-ffmpeg:带有FFMPEG的OpenCVDocker映像
05-18
docker-python-opencv-ffmpeg 带有FFMPEG的OpenCVDocker映像 包括： Python OpenCV 音频MPEG 版本号 Python2 Python3 用法 docker run -it --rm djx339/docker-python-opencv-ffmpeg:py2-cv3.1.0 python >>> ...
opencv_3rdparty-ffmpeg-master_20160715.zip_docker opencv rtsp_op
09-23
opencv视频处理是用到的组件ffmpeg.dll
docker初认知（二）安装nvidia-docker并build cuda+pytorch的image
yxnd150150的博客
05-27 3340
硬件/软件环境 ubuntu16.04， 显卡 nvidia-1080 docker本身并不支持GPU的调用，安装在容器里的pytorch自然就没法调用GPU，因此，需要额外安装nvidia-docker step 1: 安装nvidia-docker。 在安装nvidia-docker之前，请先参照我之前的文档安装好docker，然后开始安装nvidia-docker。这是安装的文档地址按照官方...
cuda docker镜像
Loong Cheng的博客
03-31 1871
工作或者开发中难免会用到docker环境。作为深度学习这方面工作者，cuda是不可避免的。自己搭建真的很费劲，看tf官网上推荐的方法。 还好英伟达官方做了很多镜像--nvidia/cuda。 他还提高了很多历史版本--here。 切记，一定要根据本地cuda和cudnn版本来选择镜像中的版本。不匹配，会识别不出来。 下面是他们github的库，有关ubuntu+cuda的内容。非常基础。不能直接使用。 ARG BASEIMAGE FROM ${BASEIMAGE} # packaging d.
OpenCV4.7.0、FFmpeg5.1 Nvidia GPU视频硬解码
洪流之源
02-10 7509
OpenCV4.7.0、FFmpeg5.1 2080TI视频硬解码
基于docker镜像搭建ffmpeg硬解码环境和web项目环境
kkae8643150的专栏
03-19 7175
文章目录前言正文1 首先找个操作手册2 创建容器2-1 查看本地镜像2-2 加载nvidia/cuda镜像创建容器2-3 查看所有容器2-4 批量删除容器2-5 容器与宿主机共享文件夹2-5 容器ip设置 前言 前面的文章已经说明了docker环境安装，以及nvidia　gpu支持的环境准备，并下载了nvidia/cuda镜像作为基础版本，现在基于这个镜像做ffmpeg硬解码，当然也可以做深度学习...
Docker调用Intel集显实现FFmpeg硬解码
weixin_47407737的博客
02-10 1636
Docker调用Intel集显实现FFmpeg硬解码
docker 获取Nvidia 镜像 cuda cudnn_docker获取nvidia镜像
2301_82257730的博客
04-12 1437
零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**
ubuntu docker配置cuda+anaconda+vscode+tensorflow环境的镜像
qq_43488795的博客
04-25 3862
展示了从ubuntu系统安装docker，下载镜像，启动容器，在容器配置cuda+anaconda+vscode+tensorflow的全部过程
构建ffmpeg gpu版docker镜像 硬件加速处理视频流——筑梦之路
筑梦之路
07-30 1475
构建docker ffmpeg gpu版 硬件加速处理视频流数据 编写Dockerfile，内容如下： FROM nvidia/cuda:10.1-devel-ubuntu16.04 WORKDIR /tmp ADD build-ffmpeg.sh build-ffmpeg.sh #此步骤主要是拉取官方的源码比较慢的时候 采取在外面拉取了添加目录进去 #ADD ffmpeg ffmpeg RUN chmod +x build-ffmpeg.sh RUN apt-get update -y &am..
linux中下载docker-compose的详细步骤和如何使用docker-compose
01-19
在Linux中下载docker-compose的详细步骤如下： 1. 打开终端，使用以下命令下载docker-compose二进制文件： ```shell sudo curl -L "https://github.com/docker/compose/releases/latest/download/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose ``` 2. 授予docker-compose二进制文件执行权限： ```shell sudo chmod +x /usr/local/bin/docker-compose ``` 3. 验证docker-compose是否成功安装： ```shell docker-compose --version ``` 如果成功安装，将显示docker-compose的版本信息。 使用docker-compose的步骤如下： 1. 创建一个docker-compose.yml文件，定义你的服务和容器配置。例如： ```yaml version: '3' services: web: image: nginx:latest ports: - 80:80 volumes: - ./html:/usr/share/nginx/html ``` 2. 在终端中，使用以下命令启动docker-compose： ```shell docker-compose up -d ``` 这将根据docker-compose.yml文件中的配置创建和启动容器。 3. 使用以下命令停止和删除容器： ```shell docker-compose down ``` 这将停止并删除由docker-compose创建的容器。 4. 使用以下命令查看docker-compose创建的容器状态： ```shell docker-compose ps ``` 这将显示容器的状态信息，包括容器的名称、状态、端口映射等。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小叶MW

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值