VS2019+OpenCV4.7.0+OpenCV_contrib4.7.0+CUDA安装+配置视频硬解码保姆级别教程

在算法开发过程中,涉及基于opencv的rtsp流硬解码,这里设计结合当前所有的资料,实现了现有opengl相关的所有跟视频硬解码相关的功能,下面对opencv4.7.0的编译流程进行说明:

一、准备工作

  1. 下载opencv :opencv-4.7.0-windows.exe;
  2. 下载vs2019:Visual Studio Enterprise 2019;
  3. 下载Video_Codec:Video_Codec_SDK_10.0.26,该软件需要与Cuda版本对应
  4. 下载cuda:cuda_10.1.243_426.00_windows.exe,这个可以任意选择
  5. 下载gstreamer:gstreamer-1.0-devel-msvc-x86_64-1.22.7.msi 和gstreamer-1.0-msvc-x86_64-1.22.7.msi
  6. 下载cmake:cmake 3.21.3

二、编译opencv4.7.0

特殊说明:opencv相关的第三方库已经下载完成,都在opencv4.7.0目录下。

  1. 1.Cmake配置

  2. 先配置cmake设置,选择vs2019和x64,之后点击finish。

2.配置OPENCV_EXTRA_MODULES_PATH:

在Search栏输入OPENCV_EXTRA_MODULES_PATH,添加下面的opencv_contrib-4.7.0路径,opencv_contrib-4.7.0已经下载好,在opencv4.7.0目录下,之后点击configure,需要连续点击2次:

复制代码
OPENCV_EXTRA_MODULES_PATH = D:/Opencv/Opencv-4.7.0/opencv_contrib-4.7.0/modules

3.去掉BUILD_TESTS、BUILD_DOCS、BUILD_PERF_TESTS、BUILD_EXAMPLES等:

在search中分别输入test、python、doc、example,把勾选都去掉;

一般情况下,在上面的configure后,把滚动条拉倒最上方,把下面的几个选项的勾去掉,需要把没有用的选项去掉,之后再点击configure,一般需要点击两次。

4.添加cuda选项:

在Search栏输入cuda,把下面添加WITH_CUDA、BUILD_CUDA_STUBS、OPENCV_DNN_CUDA进行勾选,之后点击configure,需要连续点击2次。

在Search栏输入cuda和enable,把下面添加CUDA_FAST_MATH和ENABLE_FAST_MATH进行勾选,且把CUDA_ARCH_BIN=6.1;7.0;7.5(我使用的是GTX1050TI,最小算力为6.1,需要保留以上的即可)之后点击configure,需要连续点击2次。

5.添加 nonfree选项:

在搜索栏搜索nonfree,勾选BUILD_ENABLE_NONFREE选项,之后点击Configure,需要连续点击2次。

6.NVCUVID选项:

在search中输入nvcu,勾选WITH_NVCUVID和WITH_NVCUVIDNC,把Video_Codec_SDK_10.0.26\Interface中的cuviddec.h和nvcuvid.h⽂件拷⻉到"CUDA安装⽬录\CUDA\v10.1\include"⽂件夹下,把 Video_Codec_SDK_10.0.26\Lib\x64中的nvcuvid.lib和nvencodeapi.lib拷⻉到"CUDA安装⽬录\CUDA\v10.1\lib\x64"⽂件夹下。再次点击configure。如果在NVIDIA CUDA选项中出现NVCUVID字段,说明配置成功。

7.配置gstreamer

在search中输入gstreamer,分别添加对应的路径,如下图所示,表示成功:

8.添加 opengl选项:

在搜索栏搜索opengl,勾选WITH_OPENGL选项,之后点击Configure,需要连续点击2次,opencv配置完成。

9.添加 world选项:

在搜索栏搜索world,勾选BUILD_opencv_world选项,之后点击Configure,需要连续点击2次,opencv配置完成。

10.生成vs2019工程

最后点击Generate,生成opencv的vs2019的工程,进入目录后打开工程。

11.编译opencv工程:

用vs2019打开工程,设置为Release x64编译模式,最后把INSTALL设置为启动选项,之后编译工程,生成的算法库在install目录下:

三、多线程解码

基于Code的多线程解码,以及opengl的显示方法如下:

复制代码
void thread_decodec(void* pData)
{
    vsDecodecParam* parm = (vsDecodecParam*)pData;

    int breakConnectTimes = 0;
    int threadID = parm->threadID;
    cv::cuda::GpuMat d_frame;
    cv::Mat frame;

    cv::VideoCapture d_reader(parm->rtspStream);
    std::string title = to_string(parm->threadID);
    cv::ogl::Texture2D text;
    cv::namedWindow(title, cv::WINDOW_OPENGL);
    while (!g_exitFlag)
    {
        if (!d_reader.read(frame))
        {
            //break;
            std::this_thread::sleep_for(std::chrono::milliseconds(500));
            breakConnectTimes++;
            if (breakConnectTimes > 10)//重新连接
            {
                d_reader = cv::VideoCapture(parm->rtspStream);
                std::this_thread::sleep_for(std::chrono::milliseconds(2000));
            }
        }
        breakConnectTimes = 0;
        g_mtx.lock();
        d_frame.copyTo(m_decodeGPU[threadID]);
        //m_decodeGPU[threadID].upload(frame);
        g_mtx.unlock();

        text.copyFrom(d_frame, true);
        cv::imshow(title, text);
        if (cv::waitKey(3) > 0)
            break;
    }
}

opencv4.7.0的离线版本已经下载完成,只需要把上面依赖的源码下载即可,opencv的codec和gestreamer已经上传的百度网盘,版本有升级,按照上面的步骤即可,有需要的可以下载:

链接:https://pan.baidu.com/s/1diaB5gPXqosIdvHcqJrJIg

提取码:m9d2

相关推荐
Lethehong4 分钟前
简历优化大师:基于React与AI技术的智能简历优化系统开发实践
前端·人工智能·react.js·kimi k2·蓝耘元生代·蓝耘maas
大千AI助手6 分钟前
Box-Cox变换:机器学习中的正态分布“整形师“
人工智能·机器学习·假设检验·正态分布·大千ai助手·box-cox变换·数据变换
涤生84316 分钟前
图像处理中的投影变换(单应性变换)
图像处理·人工智能·计算机视觉
shayudiandian30 分钟前
YOLOv8目标检测项目实战(从训练到部署)
人工智能·yolo·目标检测
陈天伟教授33 分钟前
基于学习的人工智能(4)机器学习基本框架
人工智能·学习·机器学习
studytosky1 小时前
深度学习理论与实战:MNIST 手写数字分类实战
人工智能·pytorch·python·深度学习·机器学习·分类·matplotlib
做萤石二次开发的哈哈1 小时前
11月27日直播预告 | 萤石智慧台球厅创新场景化方案分享
大数据·人工智能
AGI前沿1 小时前
AdamW的继任者?AdamHD让LLM训练提速15%,性能提升4.7%,显存再省30%
人工智能·算法·语言模型·aigc
后端小肥肠1 小时前
小佛陀漫画怎么做?深扒中老年高互动赛道,用n8n流水线批量打造
人工智能·aigc·agent
是店小二呀1 小时前
本地绘图工具也能远程协作?Excalidraw+cpolar解决团队跨网画图难题
人工智能