【計算機視覺】【並行計算與CUDA開發】GPU硬解碼---CUVID

問題描述：項目中，須要對高清監控視頻分析處理，經測試，其解碼過程所佔CPU資源較多，致使整個系統處理效率不高，解碼成爲系統的瓶頸。

解決思路：

利用GPU解碼高清視頻，下降解碼所佔用CPU資源，加速解碼過程。

1、OpenCV中的硬解碼

OpenCV2.4.6中，已實現利用GPU進行讀取視頻，由cv::gpu::VideoReader_GPU完成，其示例程序以下。

 1 int main(int argc, const char* argv[])
 2 {
 3     if (argc != 2)
 4         return -1;
 5     const std::string fname(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源碼，可發現其底層實現是藉助於視頻解碼庫CUVID。

2、視頻解碼庫CUVID

CUVID是基於CUDA的視頻解碼庫，利用CUVID進行解碼，主要包括如下四個步驟：

1.解析視頻數據文件

2.在GPU端解碼

3.轉換解碼後的數據(YUV420、NV12 ---> RGBA)

4.將RGBA數據顯示出來

下圖爲利用CUVID解碼的僞代碼示意圖，其中VideoSource用來解析視頻數據文件，VideoParser用來解碼數據。

VideoSource的回調函數HandleVideoData()，當VideoSource的狀態設置爲Started時，開始解析視頻文件，並建立VideoParser，解碼數據。

VideoParser的回調函數：

HandleVideoSequence() 建立解碼器或重設解碼器

HandlePictureDecode() 解碼每幀視頻數據

HandlePictureDisplay() 轉換，處理，顯示解碼後的數據

OpenCV中VideoReader_GPU能夠方便地利用GPU讀取視頻文件，加速解碼過程，但OpenCV中VideoReader_GPU沒法讀取rtsp視頻流數據。

這是由於CUVID中CuvideoSource不支持rtsp視頻流數據，不能由rtsp地址建立VideoSource。

3、CUVID解碼rtsp視頻流

基本思路：跳過VideoSource模塊，利用其餘方式解析視頻數據文件。

基本步驟：

1.利用FFmpeg解析rtsp視頻流

2.建立VideoParser

3.利用FFmpeg讀取數據包(AVpacket)

4.將數據包傳輸到VideoParser(AVpacket ---> CUVIDSOURCEDATAPACKET)

5.VideoParser解碼數據包

其示例僞代碼以下圖所示