基于CUDA的多路高清视频流解码器设计与实现

›› 2016, Vol. 29 ›› Issue (4): 71-.

基于CUDA的多路高清视频流解码器设计与实现

唐昆鹏,陈庆奎

(上海理工大学光电信息与计算机学院,上海 200093)

出版日期:2016-04-15 发布日期:2016-04-26
作者简介:唐昆鹏(1989—),男,硕士研究生。研究方向:并行计算。陈庆奎(1966—),男,博士,教授。研究方向:并行计算等。
基金资助:
国家自然科学基金资助项目(60970012);高等学校博士学科点专项科研博导基金资助项目(20113120110008);上海重点科技攻关基金资助项目(14511107902)

Design and Implementation of Multistream Hddecoder Based on Cuda

TANG Kunpeng,CHEN Qingkui

(School of OpticalElectrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China)

Online:2016-04-15 Published:2016-04-26

摘要/Abstract

摘要：

针对多视频流解码和显示时CPU占用率过高等问题。设计了基于统一计算设备架构(CUDA)平台上的GPU多视频流并行化处理方案,定义了表示GPU显卡设备和解码器的数据结构,通过解码函数接口的调用可适用于多种视频播放器中去。实验结果表明,所设计的解码器大幅降低了多视频解码显示中CPU的占用率,同时与JM实现的软件解码方案相比,解码单路720 p的高清视频CPU占用率同比降低约30%,所以此硬件解码方案表现出更加高效的多视频流解码处理能力。提高了系统性能和资源复用率,并能保持较低的能量消耗。

关键词: 多视频流解码, CUDA, 并行化, 占用率, 能量消耗

Abstract:

A GPU multistream parallel decoding implementation based on compute unified device architecture (CUDA) platform is designed to solve the high CPU load problem in multivideo decoding and display.The data structure of the graphics processing unit (GPU) device and video decoder are defined.By calling the decoding function interface,the decoder can be used in variety of video players efficiently.The experimental results show that this decoder can greatly reduce the CPU utilization.Also,compared with the JM reference software decoder,CPU utilization is remarkably reduced by 30% when decoding the single road 720 p high definition video synchronously.So the decoder based on hardware enjoys higher efficiencyin video parallel decoding.Besides,the system performance and resource reuse rate are improved together with lower energy consumption.

Key words: multi video decoding;CUDA;parallelization;occupancy;energy consumption

中图分类号:

TN919.8

唐昆鹏,陈庆奎. 基于CUDA的多路高清视频流解码器设计与实现[J]. , 2016, 29(4): 71-.

TANG Kunpeng,CHEN Qingkui. Design and Implementation of Multistream Hddecoder Based on Cuda[J]. , 2016, 29(4): 71-.

[1]	周佳,王然. 目标覆盖中基于权重的最大网络寿命算法[J]. 电子科技, 2021, 34(7): 37-42.
[2]	李琪,张欣,张平康,张航. 基于Spark框架的CFSFDP改进算法[J]. 电子科技, 2019, 32(5): 38-44.
[3]	梅凯, 火久元, 常扣扣. 并行人工蜂群算法研究[J]. , 2018, 31(1): 20-.
[4]	李智杰,周津羽,华诚,刘逍,周晓辉. 基于MIC的CLCG4并行化设计与实现[J]. , 2015, 28(7): 101-.
[5]	粟子芩,徐伯庆,苏栋骐. 图像代数重建算法的并行性研究[J]. , 2015, 28(10): 4-.
[6]	俞经龙,赵曙光,王祥. 可逆逻辑门进化设计方法的CUDA实现[J]. , 2015, 28(1): 12-.
[7]	许晋,胡泽林,杨智,王颖. 基于多核处理器的任务记录数据并行压缩算法[J]. , 2014, 27(8): 164-.
[8]	杨昊. CUDA下局部阈值和二值函数的边缘检测[J]. , 2014, 27(3): 52-.
[9]	李璋,杜慧敏,王涌钢. 字符串匹配算法的实现:CPU vs.GPU vs.FPGA[J]. , 2014, 27(12): 5-.
[10]	董亚清. 基于GPU的线性调频信号脉冲压缩算法实现[J]. , 2013, 26(12): 12-.
[11]	侯明辉. 基于GPU的高分辨率星载SAR成像处理研究[J]. , 2013, 26(10): 29-.
[12]	章剑, 仰枫帆. 一种基于异构系统的H.264/AVC运动估计算法[J]. , 2012, 25(10): 106-.