1. 写在前面

        硬件加速即利用GPU来完成图形相关的操作，将CPU空闲出来处理其他事务，特别是在CPU性能不足的情况下，此类操作就更必要了。在视频处理上，DXVA是微软定制的视频加速规范，而在Linux 平台上则是由NVIDIA和Intel分别提供的VDPAU和VAAPI加速规范。利用上述API可以有效加速视频解码和图像处理，降低系统CPU占用，提升系统性能。

2. 实现方案

        针对Intel CPU X86架构平台，可采用FFmpeg+VAAPI的硬解方案。其中，FFmpeg用于处理各种格式的视频解码；VAAPI则提供对硬件加速视频处理的访问，处理流程图如下。

2.1 相关环境部署

（一）安装依赖包

# apt-get install autoconf automake debhelper ladspa-sdk libsoundio-dev libbluray-dev libbs2b-dev libcaca-dev libcdio-paranoia-dev libdvdnav-dev libdvdread-dev libegl1-mesa-dev libenca-dev libfontconfig1-dev libfreetype6-dev libfribidi-dev libgl1-mesa-dev libgbm-dev libgme-dev libgnutls28-dev libgsm1-dev libguess-dev libharfbuzz-dev libjack-jackd2-dev libjpeg-dev liblcms2-dev liblircclient-dev liblua5.3-dev libmodplug-dev libmp3lame-dev libnetcdf-dev libopenal-dev libopus-dev libopencore-amrnb-dev libopencore-amrwb-dev libpulse-dev librtmp-dev librubberband-dev libschroedinger-dev libsmbclient-dev libssh-dev libsoxr-dev libspeex-dev libtheora-dev libtool libtwolame-dev libuchardet-dev libv4l-dev libva-dev libvorbis-dev libvo-amrwbenc-dev libvpx-dev libwavpack-dev libx264-dev libx265-dev libx11-dev libxext-dev libxinerama-dev libxrandr-dev libxss-dev libxv-dev libxvidcore-dev pkg-config python python-docutils x11proto-core-dev yasm zlib1g-dev

（二）安装libva

        进入当前用户目录，并下载libva源码包：

# cd ~

#git clone https://github.com/01org/libva.git

        进入libva文件夹中，

#cd libva

        切换到1.7.3版本：

# git checkout libva-1.7.3

        执行编译安装：

./autogen.sh && ./configure && make && make install

        运行vainfo查看执行结果

        图中红框内表示当前所支持硬解的视频压缩格式。

（三）安装FFmpeg

        进入当前用户目录，并下载FFmpeg源码包

# cd ~

#git clone https://git.ffmpeg.org/ffmpeg.git ffmpeg

        进入FFmpeg文件夹中，

#cd ffmpeg

        执行编译安装

./configure --disable-static --enable-shared --enable-gpl --enable-version3 --disable-debug --enable-vaapi &&make && make install

        最后执行ffmpeg查看执行结果。

2.2 代码实现

（一）视频播放原理

         简单来说，视频播放器在播放本地视频文件需要经历以下步骤：解封装，解码，音视频帧同步，最终会把数据投递到对应的驱动设备，具体过程如下图所示：

（二）VAAPI解码流程

        当程序把视频的压缩数据传递到VAAPI解码模块时，会根据视频的压缩格式(如H.264.MPEG-2等)创建对应的VADecoder，然后把数据送入VADecoder进行解码，最后由vaPutSurface来处理视频解码后的合成和渲染，具体过程如下：

（三）具体实现

        基于VAAPI和FFmpeg的解码流程图如下：

        由于使用的FFmpeg的版本是3.3版本，里面集成了VAAPI中对视频的细节处理，所以只需要在AVCodecContext的get_format回调函数中指定硬解参数，解码后的视频数据会存储在GPU内存中，通过vaPutSruface函数来处理后期的合成和图像渲染，下图为窗口创建和图像处理的过程图：

3. 测试结果

        本次测试为对比使用GPU硬解和CPU软解的CPU占用率，视频参数：分辨率1920*1080 、帧率25FPS、编码格式H.264。依据测试结果可以看出，使用GPU硬解能大大降低CPU使用率，同时画面输出更加清晰流畅。

4. 写在最后

        至此，基于VAAPI 的硬件加速技术介绍完毕。在实际的应用场景中，还可进一步与视频重定向结合，关于视频重定向的结合应用将在后续更新，请持续关注公众号更新。

本文转载于 灵跃云：原文链接