GPU视频解码之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(AVpacket)

4.将数据包传输到VideoParser(AVpacket ---> 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