問題描述：項目中，需要對高清監控視頻分析處理，經測試，其解碼過程所占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解碼高清視頻，降低解碼所占用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進行讀取視頻，由cv::gpu::VideoReader_GPU完成，其示例程序如下。
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借助於視頻解碼庫CUVID。
二、視頻解碼庫CUVID
CUVID是基於CUDA的視頻解碼庫，利用CUVID進行解碼，主要包括以下四個步驟：
1.解析視頻數據文件
2.在GPU端解碼
3.轉換解碼后的數據(YUV420、NV12 ---> RGBA)
4.將RGBA數據顯示出來
下圖為利用CUVID解碼的偽代碼示意圖，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的狀態設置為Started時，開始解析視頻文件，並創建VideoParser，解碼數據。
VideoParser的回調函數：
HandleVideoSequence() 創建解碼器或重設解碼器
HandlePictureDecode() 解碼每幀視頻數據
HandlePictureDisplay() 轉換，處理，顯示解碼后的數據
OpenCV中VideoReader_GPU可以方便地利用GPU讀取視頻文件，加速解碼過程，但OpenCV中VideoReader_GPU無法讀取rtsp視頻流數據。
這是因為CUVID中CuvideoSource不支持rtsp視頻流數據，不能由rtsp地址創建VideoSource。
三、CUVID解碼rtsp視頻流
基本思路：跳過VideoSource模塊，利用其他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.創建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
其示例偽代碼如下圖所示
