Аппаратное декодирование сжатого видео 🚀

Проект разработан в рамках выпускной квалификационной работы (ВКР) в Таджикском филиале МГУ им. М. В. Ломоносова.
Научный руководитель: Шокуров Антон Вячеславович (ti.math.msu.su, машинноезрение.рф).

Работа посвящена исследованию и разработке системы аппаратного декодирования сжатого видео с использованием специализированных аппаратных решений для оптимизации производительности. Проект демонстрирует эффективное декодирование видеопотоков с акцентом на снижение нагрузки на процессор и ускорение обработки.

📖 Описание

Проект реализует и сравнивает подходы к аппаратному декодированию сжатого видео с использованием современных технологий и библиотек. Он включает примеры декодирования с применением GPU (NVIDIA, Intel) и CPU, а также интеграцию мультимедийных фреймворков.

Применение:

• 📺 Разработка высокопроизводительных приложений для стриминга, видеонаблюдения и видеоконференций.
• 🔍 Исследование производительности аппаратного декодирования на различных платформах.
• 🖼️ Интеграция в проекты компьютерного зрения для эффективной обработки видеопотоков.
• 📚 Декодированные изображения можно подавать на вход нейронным сетям.

🛠️ Стек технологий

• Языки: Python 🐍, C++ 💻
• Библиотеки и SDK:
  • NVIDIA Video Codec SDK
  • Intel Media SDK
  • FFmpeg
  • OpenCV
  • GStreamer

⚙️ Установка и использование

Установка

Инструкции по настройке окружения находятся в папке installation/:

• cuda_installation_guide.md — установка NVIDIA CUDA и Video Codec SDK.
• ffmpeg_installation_guide.md — установка FFmpeg с поддержкой аппаратного декодирования.
• gstreamer_installation_guide.md — установка GStreamer и плагинов.
• intel_media_sdk_installation_guide.md — установка Intel Media SDK.
• opencv_installation_guide.md — установка OpenCV с поддержкой GPU и CPU.

Следуйте этим руководствам для корректной установки зависимостей.

Использование

Проект включает готовые функции для декодирования видео:

• gstreamer/decode.py — декодирование с GStreamer (Python).
• nvcc/main.cpp — декодирование с NVIDIA Video Codec SDK (C++).
• intel/main.cpp — декодирование с Intel Media SDK (C++).
• ffmpeg-decoding/decode.py — декодирование с FFmpeg (Python).
• opencv-decoding/gpu_nvidia.py — декодирование с OpenCV на GPU NVIDIA (Python).
• opencv-decoding/cpu.py — декодирование с OpenCV на CPU (Python).
• opencv-decoding/gpu_intel.py — декодирование с OpenCV на GPU Intel (Python).

Для запуска скриптов следуйте инструкциям в соответствующих файлах и убедитесь, что все зависимости установлены.