软、硬件编解码简介：
1、硬件编解码码
硬件编解码是非CPU（GPU、FPGA或者ASIC等独立硬件模块）通过烧写运行视频加速功能对高清视频流进行编解码。
优点：可分离出音视频编解码的工作，无需占用CPU资源；性能高，同等条件下编解码的速率更快；同等条件下，独立硬件进行编解码的功耗要低于CPU进行软编解码。
缺点：支持度无法与软件编解码相提并论；兼容度较低；硬件编码在大量画面输出补偿及画质增强等技术方面有一定欠缺；硬件编解码在软件上需要进行独立设置，对小白用户不是很友好。
2、软件编解码
视频等信号直接通过CPU进行编解码。
优点：编解码器更易于开发，协议兼容度高；软件编解码拥有大量画面输出补偿及画质增强的技术，画质优于硬件编解码。
缺点：软件编解码对CPU的性能要求较高，通过软件编解码进行串流玩高帧率游戏或播放高清电影，CPU的负担较重。
硬件解码：
方法1：通过pip命令安装av库，使用av库完成硬解码，通过利用计算机的硬件功能，我们可以加快解码的速度，并减少CPU的使用：
import av
# 打开音频/视频文件
container = av.open('demo.mp4')
# 获取音频/视频流
stream = container.streams.audio[0] # 对于音频文件
stream = container.streams.video[0] # 对于视频文件
# 创建硬件解码器
codec = stream.codec
hardware_codec = codec.to_hardware_decoder()
# 创建解码器上下文
decoder = hardware_codec.create_context()
# 解码并处理音频/视频帧
for frame in container.decode(stream):
# 处理帧
...
# 关闭容器
container.close()
方法2：使用nvidia的VPF库对RTSP流进行硬解码。使用PyNvCodec库来进行视频解码，同时利用了GPU来加速处理。
参考：https://blog.csdn.net/q317379184/article/details/132174203
def decode_rtsp_stream(thread_index: int, url: str, gpu_id: int):
# 获取视频流参数
params = get_stream_params(url)
# ...
# 创建NvDecoder实例
nvdec = nvc.PyNvDecoder(w, h, f, c, g)
# ...
while True:
# 读取视频流数据
bits = proc.stdout.read(read_size)
# ...
# 解码视频帧
surf = nvdec.DecodeSurfaceFromPacket(enc_packet, pkt_data)
# ...
# 执行颜色空间转换和表面下载
cvtSurface = nv_cvt.Execute(surf, cc_ctx)
success = nv_down.DownloadSingleSurface(cvtSurface, data)
# ...
# 显示解码后的帧
cv2.imshow(str(thread_index), new_data)
cv2.waitKey(1)
# ...