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。
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 }
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
