OpenCV CUDA硬件解码报错：视频源不支持，求排查方案

让我们一步步分析并解决你遇到的问题：

你的环境信息 #

• 操作系统：Ubuntu 18.04
• OpenCV版本：4.3.0
• CUDA版本：10.2
• GPU：NVIDIA GeForce RTX 2060（Turing架构）

你的CMake配置命令 #

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=OFF -D WITH_TBB=ON \
-D WITH_CUDA=ON -D CUDA_GENERATION=Turing \
-D BUILD_opencv_cudacodec=ON -D ENABLE_FAST_MATH=ON -D NVCUVID_FAST_MATH=ON -D CUDA_FAST_MATH=ON -D WITH_CUBLAS=ON -D BUILD_opencv_java=OFF -D BUILD_ZLIB=ON -D BUILD_TIFF=ON -D WITH_GTK=ON -D WITH_NVCUVID=ON -D WITH_FFMPEG=ON -D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda-10.2 -D WITH_1394=ON -D CUDNN_INCLUDE_DIR=/usr/local/cuda/include -D CUDNN_LIBRARY=/usr/local/cuda/lib64/libcudnn.so.7.6.5 -D OPENCV_GENERATE_PKGCONFIG=ON -D OPENCV_PC_FILE_NAME=opencv4.pc -D OPENCV_ENABLE_NONFREE=ON -D WITH_GSTREAMER=ON -D WITH_V4L=ON -D OPENCV_PYTHON3_INSTALL_PATH=$cwd/OpenCV-4.3.0-py3/lib/python3.5/site-packages -D WITH_QT=ON -D WITH_CUDNN=ON -D OPENCV_DNN_CUDA=ON -D WITH_OPENGL=ON -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules -D BUILD_EXAMPLES=ON ..

CMake输出关键片段 #

-- Video I/O:
-- DC1394: YES (2.2.5)
-- FFMPEG: YES
-- avcodec: YES (57.107.100)
-- avformat: YES (57.83.100)
-- avutil: YES (55.78.100)
-- swscale: YES (4.8.100)
-- avresample: YES (3.7.0)
-- GStreamer: YES (1.14.5)
-- v4l/v4l2: YES (linux/videodev2.h)
--
-- Parallel framework: TBB (ver 2017.0 interface 9107)
--
-- NVIDIA CUDA: YES (ver 10.2, CUFFT CUBLAS NVCUVID FAST_MATH)
-- NVIDIA GPU arch: 75
-- NVIDIA PTX archs:
--
-- cuDNN: YES (ver 7.6.5)

你的测试代码与编译命令 #

编译命令 #

g++ -std=c++11 codec.cpp `pkg-config --libs --cflags opencv4` -o output

测试代码 #

#include <opencv2/opencv_modules.hpp>
#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/cudacodec.hpp>
#include <opencv2/highgui.hpp>
int main(int argc, const char* argv[]) {
const std::string fname = "rtsp://usrname/ipadress..."; // Tried also different formats of videos such as YUV,mp4 webM
cv::namedWindow("GPU", cv::WINDOW_NORMAL);
cv::cuda::GpuMat d_frame;
cv::Ptr<cv::cudacodec::VideoReader> d_reader = cv::cudacodec::createVideoReader(fname);
for (;;) {
if (!d_reader->nextFrame(d_frame)) break;
cv::Mat frame;
d_frame.download(frame);
cv::imshow("GPU", frame);
if (cv::waitKey(3) > 0) break;
}
return 0;
}

错误信息 #

terminate called after throwing an instance of 'cv::Exception'
what():  OpenCV(4.3.0) /home/yongatek02/opencv_contrib/modules/cudacodec/src/video_decoder.cpp:101: error: (-210:Unsupported format or combination of formats) Video source is not supported by hardware video decoder in function 'create'
Aborted (core dumped)

问题原因与解决方案 #

1. 核心原因：cv::cudacodec::VideoReader的支持限制 #

cv::cudacodec::VideoReader基于NVIDIA NVDEC硬件解码器实现，但有明确的支持边界：

• 仅支持压缩视频流：RTX2060硬件仅原生支持H.264（AVC）、H.265（HEVC）格式；YUV是原始像素格式，不属于压缩视频范畴，无法被硬件解码器处理；WebM常用的VP8/VP9格式，Turing架构仅部分支持，且OpenCV 4.3.0的cudacodec模块对其适配不完善。
• 对网络流（RTSP）支持有限：该模块主要针对本地视频文件优化，直接处理RTSP流时会因为协议封装、流拉取逻辑等问题导致兼容性不足。

2. 分步解决方案 #

步骤1：确认视频流/文件的编码格式

先检查你的RTSP流或本地文件的编码类型，确保是H.264/H.265：

# 检查RTSP流编码
ffprobe -v error -select_streams v:0 -show_entries stream=codec_name -of default=noprint_wrappers=1:nokey=1 rtsp://usrname/ipadress...

# 检查本地视频文件编码
ffprobe -v error -select_streams v:0 -show_entries stream=codec_name -of default=noprint_wrappers=1:nokey=1 your_video.mp4

如果输出不是h264或hevc，说明该格式不被硬件解码器支持，需要更换视频源或转码。

步骤2：改用cv::VideoCapture处理RTSP流（推荐）

对于RTSP网络流，更稳定的硬件解码方式是使用cv::VideoCapture结合CUDA加速参数，而非直接用cudacodec::VideoReader。修改后的代码如下：

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

int main(int argc, char** argv) {
    std::string rtsp_url = "rtsp://usrname/ipadress...";
    cv::VideoCapture cap;

    // 配置CUDA硬件加速
    cap.set(cv::CAP_PROP_HW_ACCELERATION, cv::VIDEO_ACCELERATION_CUDA);
    cap.set(cv::CAP_PROP_HW_DEVICE, 0); // 使用第0块GPU
    cap.set(cv::CAP_PROP_HW_ACCELERATION_USE_OPENCL, false);

    if (!cap.open(rtsp_url, cv::CAP_FFMPEG)) {
        std::cerr << "无法打开RTSP流！" << std::endl;
        return -1;
    }

    cv::namedWindow("GPU解码画面", cv::WINDOW_NORMAL);
    cv::Mat frame;

    while (true) {
        if (!cap.read(frame)) {
            std::cerr << "读取帧失败！" << std::endl;
            break;
        }
        cv::imshow("GPU解码画面", frame);
        if (cv::waitKey(3) >= 0) break;
    }

    cap.release();
    cv::destroyAllWindows();
    return 0;
}

编译命令保持不变，运行后即可实现RTSP流的GPU硬件解码。

步骤3：验证本地H.264/HEVC文件的硬件解码

如果想验证cudacodec::VideoReader本身是否正常，可以用本地H.264编码的MP4文件测试：

// 替换为你的本地H.264/HEVC视频路径
const std::string fname = "test_h264.mp4";
cv::namedWindow("GPU", cv::WINDOW_NORMAL);
cv::cuda::GpuMat d_frame;
cv::Ptr<cv::cudacodec::VideoReader> d_reader = cv::cudacodec::createVideoReader(fname);
for (;;) {
    if (!d_reader->nextFrame(d_frame)) break;
    cv::Mat frame;
    d_frame.download(frame);
    cv::imshow("GPU", frame);
    if (cv::waitKey(3) > 0) break;
}

如果这段代码能正常运行，说明你的cudacodec模块安装没问题，问题仅出在RTSP流的适配。

步骤4：检查FFmpeg的硬件加速支持

如果上述方法仍无效，需要确认系统中的FFmpeg是否支持NVIDIA硬件加速：

ffmpeg -hwaccels

如果输出中没有cuda，说明你当前的FFmpeg未编译NVDEC/NVENC支持，需要重新编译FFmpeg并添加以下参数：

./configure --enable-cuda --enable-cuvid --enable-nvenc --enable-nonfree --enable-libnpp

编译完成后，重新编译OpenCV链接新的FFmpeg即可。

内容的提问来源于stack exchange，提问作者Yunus Temurlenk