前言

从视频流中检测算法，如果要从cv::Mat形式写入本地，怎么可以快速且高效呢？

方式1

把cv::Mat直接以单个图片的形式写入本地，使用cv::imwrite()即可；

如果觉得速度慢，可以使用多线程从同一个队列里去取，然后写入本地

方式2

图像如果都以单个文件形式存在本地的话，比较散，可以使用opencv videowriter 写入本地视频

方式3

如果写入视频太慢的话，有什么办法提高速度呢？下面才是要表达的

- 方式3.1

使用 使用opencv cuda版本，利用显卡编码写入本地

-方式3.2

使用ffmpeg cpu 写入本地，利用多线程的形式

-方式3.3

使用cuda ENC 硬编码的形式写入视频文件

- 方式3.4

使用ffmpeg +cuda编码的形式写入视频

以上硬编码的话，各有利弊，同时你也可以选择H264、H265的编码形式

---

方式3.1
opencv cuda编码 该方案放弃了 HAVE_NVCUVENC ，2014年的时候使用的是这个库，当时还没有win10，现在接口变了，叫CUVID，opencv samples中并没有给出解码的接口

---- opencv cuda 编码------
https://github.com/opencv/opencv/blob/master/samples/gpu/video_writer.cpp
opencv 找到ffmpeg包
https://zhuanlan.zhihu.com/p/472115312
https://blog.csdn.net/wanggao_1990/article/details/124555285
HAVE_NVCUVENC 弃用了
https://github.com/opencv/opencv/issues/18271

---

方式3.4
----- ffmpeg cuda 编码----------
打开Nvidia控制面板，选择“管理3D设置”，点击左下角“系统信息”
https://blog.csdn.net/u012117034/article/details/123131144
nvidia 给出的编译建议
https://docs.nvidia.com/video-technologies/video-codec-sdk/ffmpeg-with-nvidia-gpu/
详细的中文安装教程
https://blog.csdn.net/u012117034/article/details/123131144

版本要求：

ffmpeg版本4.3.4 ：https://git.ffmpeg.org/gitweb/ffmpeg.git/shortlog/refs/heads/release/4.3
nv-codec-headers-master 版本 11.1.5.0： https://github.com/FFmpeg/nv-codec-headers/releases
cuda 版本 11.0
ffmpeg 全编译
https://github.com/GyanD/codexffmpeg/releases?page=8

操作步骤

1.下载好ffmpeg 和 nv-codec-headers-master到 C:\msys64\home
2.管理员身份运行x64 Native Tools Command Prompt for VS 2019
3. cd c:\msys64\ 启动窗口 ：.\msys2_shell.cmd -mingw64
4.准备好nv-codec-headers
make install PREFIX=/usr
export PKG_CONFIG_PATH=“C:/msys64/mingw32/lib/pkgconfig”:$PKG_CONFIG_PATH
.PC 的位置 拷贝.pc文件到 C:\msys64\usr\lib\pkgconfig
你想查看某一个名称的环境变量，命令是：echo $环境变量名，比如：echo $PKG_CONFIG_PATH
删除环境变量: unset -v PKG_CONFIG_PATH 添加环境变量: export PKG_CONFIG_PATH=“你需要设置的路径”
ffnvcodec include目录 C:/msys64/usr/local/include
5. 下面命令是生效的，在开头添加 PKG_CONFIG_PATH=“C:/msys64/usr/lib/pkgconfig”
在执行命令前，打开configure文件修改两个地方
5.1 sm_30 -> sm_86 ：ffmpeg 目录下的config 更改架构：https://www.cnblogs.com/xiaochouk/p/16228915.html
5.2 enabled cuda_nvcc && { check_nvcc cuda_nvcc ; }
5.3 拷贝文件 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
和 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
到 C:\msys64\home\nv_sdk_11.0

CC=cl.exe PKG_CONFIG_PATH="C:/msys64/usr/lib/pkgconfig" ./configure \
--prefix=/home/ffmpeg-n4.3.4/installcuda \
--enable-gpl \
--enable-nonfree \
--enable-shared \
--enable-cuda-nvcc \
--enable-libnpp \
--toolchain=msvc \
--enable-cuda \
--enable-cuvid \
--enable-nvenc \
--extra-cflags="-IC:/msys64/home/nv_sdk_11.0" \
--extra-ldflags="-LIBPATH:C:/msys64/home/nv_sdk_11.0"

make -j32
make insall

可能遇到的问题

1. NVcc 失败
https://blog.csdn.net/weixin_43442574/article/details/119540428
重装后成功，一定要显示下方信息

C:\Users\>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Tue_Sep_15_19:12:04_Pacific_Daylight_Time_2020
Cuda compilation tools, release 11.1, V11.1.74
Build cuda_11.1.relgpu_drvr455TC455_06.29069683_0

2.cuda requested, but not all dependencies are satisfied: ffnvcodec
https://www.csdn.net/tags/OtDaQg1sMzQ2Mi1ibG9n.html
3. nvcc fatal : Could not set up the environment for Microsoft Visual Studio using
https://blog.csdn.net/qq_41840797/article/details/122604806 （有效）
https://www.codenong.com/56002017/
4.编译空间不足,尝试失败
https://wenku.baidu.com/view/c3cd601732126edb6f1aff00bed5b9f3f90f72bb.html

未完待续，这几天做完再贴代码