Qt + FFmpeg RTSP视频流解码:延迟0.2s以内!
2026-01-19 10:13:12作者:廉彬冶Miranda
项目简介
本项目实现了一路基于Qt和FFmpeg的RTSP视频流解码方案。通过调用FFmpeg API(版本为FFmpeg 4.1.2),我们成功地将视频流的延迟控制在200ms以内,达到了商业使用标准。
功能特点
- 低延迟解码:通过优化FFmpeg的解码流程,实现了低于200ms的视频延迟,适用于对实时性要求较高的应用场景。
- 跨平台支持:基于Qt框架开发,支持Windows、Linux和macOS等多平台运行。
- 易于集成:项目代码结构清晰,易于理解和集成到其他项目中。
使用说明
-
环境配置:
- 确保系统中已安装Qt开发环境。
- 下载并配置FFmpeg 4.1.2库,确保编译通过。
-
编译与运行:
- 克隆本仓库到本地。
- 使用Qt Creator打开项目文件,进行编译。
- 运行生成的可执行文件,输入RTSP视频流地址,即可开始解码。
-
参数调整:
- 可根据实际需求调整FFmpeg的解码参数,以进一步优化性能。
依赖库
- Qt 5.x
- FFmpeg 4.1.2
贡献
欢迎大家提出问题和建议,或者提交Pull Request,共同完善本项目。
许可证
本项目采用MIT许可证,详情请参阅LICENSE文件。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220