opencv GStreamer拉rtsp流之Windows平台

目录

  • [1. 先决条件](#1. 先决条件)
  • [2. 代码](#2. 代码)
  • [3. GStreamer参数说明](#3. GStreamer参数说明)

1. 先决条件

opencv要想使用GStreamer拉rtsp流,那么编译opencv必须带上GStreamer编译选项,具体参见:opencv带GStreamer之Windows编译

2. 代码

cpp 复制代码
#include <opencv2/opencv.hpp>

using namespace cv;

int opencv_gstreamer_decoder_demo()
{
	cv::VideoCapture capture;
	capture.open("rtspsrc location=rtsp://admin:a88888888@192.168.1.64:554/Streaming/Channels/101?transportmode=unicast&profile=Profile_1 latency=0 ! decodebin ! videoconvert ! video/x-raw,format=BGR ! appsink", cv::CAP_GSTREAMER);
	if (!capture.isOpened())
	{
		cout << "open video faild" << std::endl;
		std::cout << cv::getBuildInformation() << std::endl;
		return -1;
	}
	cv::Mat frame;
	while (capture.read(frame))
	{
		imshow("frame", frame);
		if (waitKey(1) == 'q') break;
	}
	// 释放资源
	capture.release();
	cv::destroyAllWindows();

	return 0;
}

int main()
{
	opencv_gstreamer_decoder_demo();
	return 0;
}

3. GStreamer参数说明

cpp 复制代码
"rtspsrc location=rtsp://admin:a88888888@192.168.1.64:554/Streaming/Channels/101?transportmode=unicast&profile=Profile_1 latency=0 ! decodebin ! videoconvert ! video/x-raw,format=BGR ! appsink"
  1. rtspsrc location={rtsp_url} :这是GStreamer的元素,用于指定RTSP流的位置。 {rtsp_url} 是您实际的RTSP流URL,包括用户名、密码、IP地址、端口号和流路径。

  2. latency=0 :这是 rtspsrc 元素的属性,用于设置延迟时间。在这种情况下,将延迟设置为0,以尽可能减少延迟。

  3. decodebin :这是GStreamer的元素,用于自动选择适当的解码器来解码输入流。它根据输入流的编码格式动态选择解码器。

  4. videoconvert :这是GStreamer的元素,用于进行视频格式转换。它将解码后的视频帧转换为指定的格式,以便后续处理或显示。

  5. video/x-raw,format=BGR :这是GStreamer的媒体类型,用于指定输出视频帧的格式。在这种情况下,它指定输出视频帧的格式为BGR。

  6. appsink :这是GStreamer的元素,用于将视频帧传递给应用程序进行处理。它充当视频帧的接收器,以供后续在应用程序中使用。

综上所述,该GStreamer管道的作用是从指定的RTSP流中拉取视频数据,然后通过解码、格式转换等处理,将视频帧传递给应用程序进行进一步处理或显示。

相关推荐
和鲸社区3 小时前
《斯坦福CS336》作业1开源,从0手搓大模型|代码复现+免环境配置
人工智能·python·深度学习·计算机视觉·语言模型·自然语言处理·nlp
fanstuck3 小时前
2025 年高教社杯全国大学生数学建模竞赛C 题 NIPT 的时点选择与胎儿的异常判定详解(一)
人工智能·目标检测·数学建模·数据挖掘·aigc
cxr8283 小时前
Claude Code PM 深度实战指南:AI驱动的GitHub项目管理与并行协作
人工智能·驱动开发·github
THMAIL4 小时前
深度学习从入门到精通 - LSTM与GRU深度剖析:破解长序列记忆遗忘困境
人工智能·python·深度学习·算法·机器学习·逻辑回归·lstm
Gyoku Mint4 小时前
NLP×第六卷:她给记忆加了筛子——LSTM与GRU的贴靠机制
人工智能·深度学习·神经网络·语言模型·自然语言处理·gru·lstm
YF云飞4 小时前
数据仓库进化:Agent驱动数智化新范式
数据仓库·人工智能·ai
ningmengjing_5 小时前
理解损失函数:机器学习的指南针与裁判
人工智能·深度学习·机器学习
程序猿炎义5 小时前
【NVIDIA AIQ】自定义函数实践
人工智能·python·学习
小陈phd5 小时前
高级RAG策略学习(四)——上下文窗口增强检索RAG
人工智能·学习·langchain
荒野饮冰室5 小时前
分类、目标检测、实例分割的评估指标
目标检测·计算机视觉·分类·实例分割