本文介绍了如何在Ubuntu 16.04环境下，利用CUDA 9.0和OpenCV 3.4进行GPU视频解码的步骤，包括CUDA和FFmpeg的安装，以及在OpenCV配置时启用CUDA支持。然而，在实际操作中遇到了Segmentation fault错误，通过调试发现是由于nvcuvid库的问题。通过复制和修改CUDA样例代码解决了该问题。尽管如此，测试结果显示使用GPU解码并未带来预期的加速效果，反而速度减慢，作者计划进一步研究其原因。
Opencv 实现GPU解码
最近一直关注使用GPU解码视频方面的工作。OpenCV已经实现了GPU解码的功能，本文将介绍一下如何使用OpenCV进行GPU解码，可能遇到的BUGs和解码速度分析。
实验环境：Ubuntu 16.04, Nvidia K40, CUDA 9.0, OpenCV 3.4, FFmepg 3.3.1, Intel E5-2630 v3 2.4GHz
首先需要安装CUDA，安装过程请参考NVIDIA官网教程。第二步，安装FFmpeg，参考安装教程 ，注意enable-cuda，enable-cuvid等。第三步，安装OpenCV，需要注意的是，在cmake过程中，也要-D WITH_CUDA=ON, -D WITH_NVCUVID=ON. 完成这三步以后，实验环境配置完成。
代码主要参考opencv\sources\samples\gpu\video_reader.cpp略做修改，编译链接以后，运行代码会出现错误：
Segmentation fault with gpu video decoding
代码Debug以后，将定位到这一行：
cv::Ptr<cv::cudacodec::VideoReader> d_reader = cv::cudacodec::createVideoReader(fname);
这个错误的主要原因在于https://github.com/opencv/opencv/issues/10201#issuecomment-379478620：
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
