opencv+gstreamer拉流-Toy模板网

这篇具有很好参考价值的文章主要介绍了opencv+gstreamer拉流。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

介绍

opencv的VideoCapture函数支持以Gstreamer pipeline的方法对RTSP数据进行解码，VideoWriter函数支持以Gstreamer pipeline的方式进行RTSP推流。
为了实现上述的功能，opencv在编译时需要打开WITH_GSTREAMER选项，具体编译过程，需要后续进行测试，然后描述相应的过程。

查看opencv是否支持gstreamer

opencv中可以通过调用getBuildInformance函数查看opencv的编译情况，具体如下所示：

#include <opencv2/opencv.hpp>

int main(void)
{
  std::cout << cv::getBuildInformation() << std::endl;
}

通过运行上述命令可以得到如下输出，其中Video I/O中可以找到Gstreamer选项是否打开。

RTSP拉流

OpenCV的VideoCapture类支持视频文件、图像序列或摄像头作为输入，获取数据。在这小节中，重点介绍如何使用VideoCapture类来拉取RTSP流媒体数据。
通过调用如下的VideoCapure构造函数能实现对RTSP流数据的拉取：

cv::VideoCapture::VideoCapture	(	const String & 	filename,
									int 	apiPreference 	
)

其中filename的输入可以是：

视频文件路径；
图像序列，例如图像序列名为image_00.jpg, image_01.jpg, image_02.jpg, 则可以设置为image_%02d.jpg；
视频流的URL，例如：rtsp://admin@password:192.168.170.XXX；
Gstreamer的pipeline string，该pipeline可以使用gst-launch-1.0测试可用性；

apiPreference指的是Capture API使用何种后端，包括cv::CAP_FFMPEG or cv::CAP_IMAGES or cv::CAP_DSHOW等。

软件解码

#include <opencv2/core.hpp>
#include <opencv2/videoio.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>
#include <stdio.h>
#include <string>
using namespace cv;
using namespace std;
int main(int, char**)
{
    Mat frame;
    //--- INITIALIZE VIDEOCAPTURE
    VideoCapture cap;
    string rtsp_url = "rtsp://admin:password@192.168.170.xxx:554";
    int apiID = cv::CAP_ANY;      // 0 = autodetect default API
    // open rtsp stream using selected API
    cap.open(rtsp_url, apiID);
    // check if we succeeded
    if (!cap.isOpened()) {
        cerr << "ERROR! Unable to open camera\n";
        return -1;
    }
    //--- GRAB AND WRITE LOOP
    cout << "Start grabbing" << endl
        << "Press any key to terminate" << endl;
    for (;;)
    {
        // wait for a new frame from camera and store it into 'frame'
        cap.read(frame);
        // check if we succeeded
        if (frame.empty()) {
            cerr << "ERROR! blank frame grabbed\n";
            break;
        }
        // show live and wait for a key with timeout long enough to show images
        imshow("Live", frame);
        if (waitKey(5) >= 0)
            break;
    }
    // the camera will be deinitialized automatically in VideoCapture destructor
    return 0;
}

上述代码默认采用软件解码，使用CPU资源进行数据解码，但是对于NVIDIA Jetson嵌入式平台，CPU资源非常宝贵，可以使用NVDEC硬件解码器来实现流数据的硬件解码。

硬件解码

如VideoCapture定义所示，其接收gstreamer的pipeline string来拉取数据。因此，gstreamer进行硬件解码的流程如下图所示：

与其他博客不同，本文使用nvv4l2decoder替代了之前的omxh264dec，nvvidconv替换为nvvideoconvert，下面硬件解码的代码在NVIDIA的dGPU和Jetson平台都可以使用。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <chrono>


int main()
{
    using std::chrono::steady_clock;
    typedef std::chrono::milliseconds milliseconds_type;
    const int interval = 15;

    std::stringstream ss;
    std::string rtsp_url = "rtsp://admin:password@192.168.170.xxx:554";
    size_t latency = 200;
    size_t frame_width = 1920;
    size_t frame_height = 1080;
    size_t framerate  = 15;

    ss << "rtspsrc location=" << rtsp_url << " latency=" << latency << " ! application/x-rtp, media=video, encoding-name=H264 "
       << "! rtph264depay ! video/x-h264, clock-rate=90000, width=" << frame_width << ", height=" << frame_height << ", framerate="
       << framerate << "/1 ! nvv4l2decoder ! video/x-raw(memory:NVMM), width=" << frame_width << ", height=" << frame_height 
       << ", framerate=" << framerate << "/1 ! nvvideoconvert ! video/x-raw, format=BGRx ! videoconvert ! video/x-raw, format=BGR ! appsink";
    std::cout << ss.str() << std::endl;

    cv::VideoCapture cap = cv::VideoCapture(ss.str(), cv::CAP_GSTREAMER);
    if(!cap.isOpened())
    {
        std::cerr << "error to open camera." << std::endl;
        return -1;
    }
    std::cout << cv::getBuildInformation() << std::endl;
    cv::Mat frame ;
    steady_clock::time_point start = steady_clock::now();
    size_t frame_idx = 0;

    while(1)
    {
        bool ret = cap.read(frame);
        if(ret)
        {
            // cv::imwrite("tmp.jpg", frame);
            ++frame_idx;
        }
        if(frame_idx % interval == 0)
        {
            steady_clock::time_point end = steady_clock::now();
            milliseconds_type span = std::chrono::duration_cast<milliseconds_type>(end - start) ;
            std::cout << "it took " << span.count() / frame_idx << " millisencods." << std::endl;
            start = end;
        }
    }
    return 0;
}

其中上面几个关键参数需要与所拉取RTSP的设置一致，大家可以通过IP摄像头的网页查看相关信息，两个重要的参数是图像分辨率和视频帧率，如下图所示：

CMakeLists文件内容如下：

# requirement of cmake version
cmake_minimum_required(VERSION 3.5)
# project name
PROJECT(opencv_test)

# find required opencv
find_package(OpenCV REQUIRED)
# directory of opencv headers
include_directories(${OpenCV_INCLUDE_DIRS})
# directory of opencv library
link_directories(${OpenCV_LIBRARY_DIRS})

# name of executable file and path of source file
add_executable(${PROJECT_NAME} opencv_test.cpp)
# opencv libraries
target_link_libraries(${PROJECT_NAME} ${OpenCV_LIBS})

对比实验

为了比较Jetson TX2下RTSP流媒体数据在软件解码和硬件解码下耗时，分别统计了其50s的平均耗时，结果如下所示，其中视频帧率为15FPS，分辨率为1080p，时间仅包含数据read的时间，未包含imwrite的时间：

正常来说，视频帧率为15FPS，则应该1000/15ms产生一帧数据，因此，平均耗时没有错误。但是，可以看到的是在硬件解码的情况下CPU资源的占用仅约为软件解码的一半，所以，在嵌入式平台下，使用硬件解码数据能大大减少CPU资源的占用。文章来源地址https://www.toymoban.com/news/detail-442210.html