1.DeepstreamApp是什么？

????????如果你安裝完畢deepstream整體框架，會在你的系統(tǒng)執(zhí)行目錄內(nèi)有可執(zhí)行文件，文件名字是deepstream-app。這是一個可執(zhí)行腳本文件，通過deepstream框架中的代碼在安裝的時候編譯后install到系統(tǒng)根目錄內(nèi)。

? ? ? ? 此腳本文件可以通過終端命令行使用，使用的同時必須使用txt文本文件作為配置文件。此腳本可以通過txt配置一個“相當(dāng)簡單的”deepstream管道，管道中的視頻源可以通過txt文本設(shè)置為各種輸入，包括但不限于本地視頻文件，網(wǎng)絡(luò)上的rtsp推流等等。管道中的堆疊，一級、二級推理、跟蹤、OSD等也可以通過txt文本文件進(jìn)行相當(dāng)簡單快速的配置。

? ? ? ? 使用終端輸入deepstream-app -h即可查看如何使用此腳本。

????????這個deepstream-app程序是安裝deepstream的時候就已經(jīng)編譯好安裝在系統(tǒng)里，可以在任意位置的命令終端進(jìn)行調(diào)用。App分為deepstream-app和deepstream-test5-app兩種。兩者功能上的差別就是tset5支持類型設(shè)置為6的sink，也就是向kafka服務(wù)器收發(fā)數(shù)據(jù)的組件。其余二者大致相同。英偉達(dá)也附贈了兩個app的源代碼，基于C++的源代碼的位置位于：（可以學(xué)習(xí)參考）

opt/nvidia/deepstream/deepstream-5.1/sources/apps/sample_apps/deepstream-app
opt/nvidia/deepstream/deepstream-5.1/sources/apps/sample_apps/deepstream-test5

?2.Deepstream-App存在的意義？

????????deepstream-app腳本存在主要有兩個意義。

? ? ? ? 首先第一個，用于工程快速驗證性開發(fā)。因為deepstream-app是一個通過文本文件就能配置的管道，因此可以在您視頻應(yīng)用的早期階段進(jìn)行深度學(xué)習(xí)網(wǎng)絡(luò)性能和設(shè)備硬件性能的快速測試。譬如您設(shè)計、訓(xùn)練了一個網(wǎng)絡(luò)，要部署到nx上面，需要實時處理8路視頻。此時您對nx的性能沒有底，或者是并不知道這個網(wǎng)絡(luò)在nx上能不能跑八路。這時候總不能現(xiàn)用c++或者python開發(fā)個系統(tǒng)再去測試吧。代碼的時間是寶貴的，為了快速驗證可行性，通常會先把網(wǎng)絡(luò)設(shè)計訓(xùn)練完畢，然后通過deepstream-app腳本裝載到簡單管道里做一下壓力測試。這樣可以快速驗證項目可行性。

? ? ? ? 其次第二個，deepstream-app可以驗證網(wǎng)絡(luò)性能瓶頸和輔助排除Bug。我之前遇到過一個大學(xué)的學(xué)生設(shè)計制作礦井安全監(jiān)控，他們在3090上面跑了20多路1080p的視頻流，開到22個視頻流就開始卡頓，無推理結(jié)果，他們使用了c++腳本二次開發(fā)。因為他們的代碼揉合了自己的代碼和deepstream官方代碼，有很多自定義的方法和類，短時間摸透他們的代碼并不容易，且代碼風(fēng)格一團(tuán)糟。也沒有注釋，這時候就開始把他們的網(wǎng)絡(luò)通過deepstream-app配置一個22路視頻同時輸入的管道，通過配置發(fā)現(xiàn)deepstream-app本身工作正常，并沒有出現(xiàn)卡頓無推理的情況。所以基本排除了deepstream本身的關(guān)鍵組件出現(xiàn)問題的可能。將問題鎖定在了他們自己的代碼位置。最后通過排查發(fā)現(xiàn)他們是版本控制太亂，有個學(xué)生在管道內(nèi)通過tee組件插了一個支路，這個支路導(dǎo)致了線程崩潰。再者說，如果您的deepstream工程出現(xiàn)了卡頓、性能瓶頸等，完全可以把網(wǎng)絡(luò)模型單獨(dú)拿出來用txt寫個簡單管道，挨個排查deepstream每個單元可能的問題。如果deepstream-app都沒問題，就需要自己排查自己寫的部分代碼。

3.Deepstream-app怎么用？

????????Deepstream-app的用法非常簡潔。即腳本+配置文件。具體寫法如下所示：

deepstream-app -c 您的配置文件.txt

? ? ? ? 腳本會自動解析您配置文件里面的內(nèi)容然后組成管道。所以我們的重點(diǎn)應(yīng)該放在這個配置文件如何寫。下面，我貼出來一份以YoloV5m為范例的配置文件，逐行進(jìn)行分析。

################################################################################
# Copyright (c) 2018-2020, NVIDIA CORPORATION. All rights reserved.
#
# Permission is hereby granted, free of charge, to any person obtaining a
# copy of this software and associated documentation files (the "Software"),
# to deal in the Software without restriction, including without limitation
# the rights to use, copy, modify, merge, publish, distribute, sublicense,
# and/or sell copies of the Software, and to permit persons to whom the
# Software is furnished to do so, subject to the following conditions:
#
# The above copyright notice and this permission notice shall be included in
# all copies or substantial portions of the Software.
#
# THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
# IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
# FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.  IN NO EVENT SHALL
# THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
# LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING
# FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER
# DEALINGS IN THE SOFTWARE.
################################################################################

[application]
enable-perf-measurement=1
perf-measurement-interval-sec=5
#gie-kitti-output-dir=streamscl

[tiled-display]
enable=1
rows=1
columns=1
width=1920
height=1080

[source0]
enable=1
#Type - 1=CameraV4L2 2=URI 3=MultiURI 4=RTSP
type=3
uri=rtsp://admin:HuaWei123@113.128.197.19:54388/LiveMedia/ch1/Media1
#uri=file:///home/jetson/vedio/1.mp4
num-sources=1
gpu-id=0
# (0): memtype_device   - Memory type Device
# (1): memtype_pinned   - Memory type Host Pinned
# (2): memtype_unified  - Memory type Unified
cudadec-memtype=0

[sink0]
enable=1
#Type - 1=FakeSink 2=EglSink 3=File 4=RTSPStreaming 5=Overlay 6=send message to cloud(only enable in test5-app)
type=6
msg-conv-config=./MsgConfig/config.txt
msg-conv-payload-type=0
#(0): PAYLOAD_DEEPSTREAM - Deepstream schema payload
#(1): PAYLOAD_DEEPSTREAM_MINIMAL - Deepstream schema payload minimal
#(256): PAYLOAD_RESERVED - Reserved type
#(257): PAYLOAD_CUSTOM   - Custom schema payload
msg-broker-proto-lib=/opt/nvidia/deepstream/deepstream-5.1/lib/libnvds_kafka_proto.so
#msg-broker-conn-str=127.0.0.1;9092;RawData
msg-broker-conn-str=192.168.1.104;9092;RawData
topic=RawData

[sink1]
enable=1
#Type - 1=FakeSink 2=EglSink 3=File 4=RTSPStreaming 5=Overlay
type=4
#1=h264 2=h265
codec=1
#encoder type 0=Hardware 1=Software
enc-type=0
sync=0
bitrate=4000000
#H264 Profile - 0=Baseline 2=Main 4=High
#H265 Profile - 0=Main 1=Main10
profile=0
# set below properties in case of RTSPStreaming
rtsp-port=8554
udp-port=5400


[osd]
enable=1
border-width=2
text-size=15
text-color=1;1;1;1;
text-bg-color=0.3;0.3;0.3;1
font=Serif
show-clock=0
clock-x-offset=800
clock-y-offset=820
clock-text-size=12
clock-color=1;0;0;0

[streammux]
##Boolean property to inform muxer that sources are live
live-source=0
batch-size=1
##time out in usec, to wait after the first buffer is available
##to push the batch even if the complete batch is not formed
batched-push-timeout=40000
## Set muxer output width and height
width=1920
height=1080
## If set to TRUE, system timestamp will be attached as ntp timestamp
## If set to FALSE, ntp timestamp from rtspsrc, if available, will be attached
# attach-sys-ts-as-ntp=1

# config-file property is mandatory for any gie section.
# Other properties are optional and if set will override the properties set in
# the infer config file.

[primary-gie]
enable=1
bbox-border-color0=1;0;0;1
bbox-border-color1=0;1;1;1
bbox-border-color2=0;0;1;1
bbox-border-color3=0;1;0;1
gie-unique-id=1
config-file=./Models/config.txt

[tracker]
enable=1
# For the case of NvDCF tracker, tracker-width and tracker-height must be a multiple of 32, respectively
tracker-width=640
tracker-height=384
ll-lib-file=/opt/nvidia/deepstream/deepstream-5.1/lib/libnvds_mot_iou.so
#ll-lib-file=/opt/nvidia/deepstream/deepstream-5.1/lib/libnvds_nvdcf.so
#ll-lib-file=/opt/nvidia/deepstream/deepstream-5.1/lib/libnvds_mot_klt.so
#ll-config-file required for DCF/IOU only
#ll-config-file=tracker_config.yml
#ll-config-file=iou_config.txt
gpu-id=0
#enable-batch-process and enable-past-frame applicable to DCF only
enable-batch-process=1
enable-past-frame=0
display-tracking-id=1

[tests]
file-loop=0

? ? ? ? 讓我們逐組件逐行來進(jìn)行翻譯和解釋。說在最前面，這份配置文件是通過“#”字符來進(jìn)行注釋的，如果有不需要的設(shè)置或者需要更改設(shè)置，建議使用“#”來進(jìn)行無效化，不建議直接刪，否則可能會記不住刪除了那些東西。

[application]
enable-perf-measurement=1
perf-measurement-interval-sec=5

????????首先來看application總體配置。enable-perf-measurement的意思是開啟每秒幀數(shù)測試。是否開啟fps幀率檢測，0代表不開啟1代表開始，下面的perf-measurement-interval-sec參數(shù)是多少幀率計算一次用來做數(shù)據(jù)平滑。

[source0]
enable=1
#Type - 1=CameraV4L2 2=URI 3=MultiURI 4=RTSP
type=3
uri=rtsp://admin:HuaWei123@113.128.197.19:54388/LiveMedia/ch1/Media1
#uri=file:///home/jetson/vedio/1.mp4
num-sources=1
gpu-id=0
# (0): memtype_device   - Memory type Device
# (1): memtype_pinned   - Memory type Host Pinned
# (2): memtype_unified  - Memory type Unified
cudadec-memtype=0

? ? ? ? 然后來看source0，這個是deepstream的輸入源，您可以在這個source組件進(jìn)行視頻流輸入的配置。如果您有一個視頻流就寫[source0]，如果有多個就[source1]，[source2]，[source3]依次往下遞增序號即可。enable不用說了還是一個使能設(shè)置，0則關(guān)閉1則開啟。type類型是告訴deepstream-app大概是什么類型的輸入，1是V4L2也就是linux硬件設(shè)備樹上面的攝像頭，2是網(wǎng)絡(luò)URI，3是萬能設(shè)置，比2更好，可以讀取本地文件。4是指定的RTSP視頻流。我一般直接用3即可。

? ? ? ? 然后是Uri鏈接，如果是網(wǎng)絡(luò)連接或者是ip攝像頭，直接把rtsp地址copy過來即可。就如同上面的：uri=rtsp://admin:HuaWei123@113.128.197.19:54388/LiveMedia/ch1/Media1。如果是本地的視頻文件，需要特定的寫法。這個我也是論壇查了好久才查到的，具體寫法就是uri:///加上文件在系統(tǒng)內(nèi)的絕對路徑加上文件名字。這樣寫deepstream-app就能直接讀取本地視頻流進(jìn)行推理。

[streammux]
##Boolean property to inform muxer that sources are live
live-source=0
batch-size=1
##time out in usec, to wait after the first buffer is available
##to push the batch even if the complete batch is not formed
batched-push-timeout=40000
## Set muxer output width and height
width=1920
height=1080
## If set to TRUE, system timestamp will be attached as ntp timestamp
## If set to FALSE, ntp timestamp from rtspsrc, if available, will be attached
# attach-sys-ts-as-ntp=1

? ? ? ? Streammux插件是deepstream的混流插件，比如你輸入是30路視頻流，需要通過Streammux插件將視頻流混流到一起，組成一個視頻流。這里需要注意的是batch-size改成了1，還有輸入輸出的尺寸需要設(shè)計好。

[primary-gie]
enable=1
bbox-border-color0=1;0;0;1
bbox-border-color1=0;1;1;1
bbox-border-color2=0;0;1;1
bbox-border-color3=0;1;0;1
gie-unique-id=1
config-file=./Models/config.txt

????????[primary-gie]插件就是我們需要用到的推理插件，這個插件在deepstream-app的txt配置文件中需要寫的東西不多，上面的幾個參數(shù)分別是使能，bbox框顏色，bbox框是否生成唯一id。后面這個config-file目錄才是重點(diǎn)。這里文件目錄采用的是和終端命令行相似的相對目錄，在deepstream-app的txt配置文件的同級目錄下的Models的文件夾內(nèi)的config文件。這個目錄和文件名到時候根據(jù)您的項目來隨意寫。網(wǎng)絡(luò)推理的相關(guān)參數(shù)都在這個config文本內(nèi)。接下來我們看一下這個config.txt文本內(nèi)到底是什么。

################################################################################
# Copyright (c) 2019-2020, NVIDIA CORPORATION. All rights reserved.
#
# Permission is hereby granted, free of charge, to any person obtaining a
# copy of this software and associated documentation files (the "Software"),
# to deal in the Software without restriction, including without limitation
# the rights to use, copy, modify, merge, publish, distribute, sublicense,
# and/or sell copies of the Software, and to permit persons to whom the
# Software is furnished to do so, subject to the following conditions:
#
# The above copyright notice and this permission notice shall be included in
# all copies or substantial portions of the Software.
#
# THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
# IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
# FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.  IN NO EVENT SHALL
# THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
# LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING
# FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER
# DEALINGS IN THE SOFTWARE.
################################################################################

# Following properties are mandatory when engine files are not specified:
#   int8-calib-file(Only in INT8), model-file-format
#   Caffemodel mandatory properties: model-file, proto-file, output-blob-names
#   UFF: uff-file, input-dims, uff-input-blob-name, output-blob-names
#   ONNX: onnx-file
#
# Mandatory properties for detectors:
#   num-detected-classes
#
# Optional properties for detectors:
#   cluster-mode(Default=Group Rectangles), interval(Primary mode only, Default=0)
#   custom-lib-path
#   parse-bbox-func-name
#
# Mandatory properties for classifiers:
#   classifier-threshold, is-classifier
#
# Optional properties for classifiers:
#   classifier-async-mode(Secondary mode only, Default=false)
#
# Optional properties in secondary mode:
#   operate-on-gie-id(Default=0), operate-on-class-ids(Defaults to all classes),
#   input-object-min-width, input-object-min-height, input-object-max-width,
#   input-object-max-height
#
# Following properties are always recommended:
#   batch-size(Default=1)
#
# Other optional properties:
#   net-scale-factor(Default=1), network-mode(Default=0 i.e FP32),
#   model-color-format(Default=0 i.e. RGB) model-engine-file, labelfile-path,
#   mean-file, gie-unique-id(Default=0), offsets, process-mode (Default=1 i.e. primary),
#   custom-lib-path, network-mode(Default=0 i.e FP32)
#
# The values in the config file are overridden by values set through GObject
# properties.

[property]
gpu-id=0
net-scale-factor=0.0039215697906911373
#0=RGB, 1=BGR
model-color-format=0
custom-network-config=yolov5s
model-file=yolov5s.wts
model-engine-file=yolov5s_fp16.engine
labelfile-path=labels.txt
int8-calib-file=yolov5s.trt.calib.table
## 0=FP32, 1=INT8, 2=FP16 mode
network-mode=2
num-detected-classes=2
gie-unique-id=1
network-type=0
is-classifier=0
## 0=Group Rectangles, 1=DBSCAN, 2=NMS, 3= DBSCAN+NMS Hybrid, 4 = None(No clustering)
cluster-mode=2
maintain-aspect-ratio=1
parse-bbox-func-name=NvDsInferParseCustomYoloV5
custom-lib-path=libnvdsinfer_custom_impl_yolov5.so
engine-create-func-name=NvDsInferYoloCudaEngineGet
#scaling-filter=0
#scaling-compute-hw=0

? ? ? ? 首先，前面的大段都是nvidia的版權(quán)聲明，從poperty這里開始是推理引擎的配置。gpu-id是指定相關(guān)gpu，單卡就是0，多卡依次按序號指定。net-scale-factor一般是默認(rèn)數(shù)據(jù)。需要注意的是，這里的：

custom-network-config=yolov5s
model-file=yolov5s.wts
model-engine-file=yolov5s_fp16.engine
parse-bbox-func-name=NvDsInferParseCustomYoloV5
custom-lib-path=libnvdsinfer_custom_impl_yolov5.so
engine-create-func-name=NvDsInferYoloCudaEngineGet

幾行要合起來看，因為我這里使用的是deepstream的第三方網(wǎng)絡(luò)也就是yolov5m，deepstream并不能直接加載且解析網(wǎng)絡(luò)、構(gòu)建網(wǎng)絡(luò)的加速引擎、并且對網(wǎng)絡(luò)推理的后處理bbox進(jìn)行解析，所以需要你自己編寫一個.so來進(jìn)行上述工作。parse-bbox-func-name就是指出bbox解析的api名稱，custom-lib-path是你的.so庫名字，engine-create-func-name是你庫的解析yolov5模型創(chuàng)建引擎的api名稱。需要注意的是，如果你使用的英偉達(dá)TAO或者TLT遷移學(xué)習(xí)，深度學(xué)習(xí)網(wǎng)絡(luò)模型是從nvidia官網(wǎng)上下載的resnet19等訓(xùn)練好的etlt模型，可以無縫接入Deepstream不用做這個第三方庫。直接就可以簡化為：

model-file=resnet19.etlt
model-engine-file=resnet19_fp16.engine

? ? ? ? 剩下的關(guān)于深度學(xué)習(xí)網(wǎng)絡(luò)的配置我就不一一介紹了，基本都是推理相關(guān)，我等會會把每一條都是什么的官網(wǎng)查詢文檔貼出來。

????????接著來看跟蹤器相關(guān)設(shè)置。

[tracker]
enable=1
# For the case of NvDCF tracker, tracker-width and tracker-height must be a multiple of 32, respectively
tracker-width=640
tracker-height=384
ll-lib-file=/opt/nvidia/deepstream/deepstream-5.1/lib/libnvds_mot_iou.so
#ll-lib-file=/opt/nvidia/deepstream/deepstream-5.1/lib/libnvds_nvdcf.so
#ll-lib-file=/opt/nvidia/deepstream/deepstream-5.1/lib/libnvds_mot_klt.so
#ll-config-file required for DCF/IOU only
#ll-config-file=tracker_config.yml
#ll-config-file=iou_config.txt
gpu-id=0
#enable-batch-process and enable-past-frame applicable to DCF only
enable-batch-process=1
enable-past-frame=0
display-tracking-id=1

????????Tracker組件用于對推理目標(biāo)進(jìn)行跟蹤，譬如一個攝像頭30FPS，但是推理性能不夠只有15FPS，需要跳幀推理的時候，中間沒有進(jìn)行推理的幀就通過跟蹤器進(jìn)行追蹤，確保不會丟失bbox。或者是針對目標(biāo)進(jìn)行單一id化，確保目標(biāo)識別出來后在畫面內(nèi)始終保持同一個id。在車船人員計數(shù)方面還是有一定作用，防止bbox推理丟失后產(chǎn)生多重計數(shù)等。

? ? ? ? nvidia這邊提供了三種跟蹤方式，分別是iou、nvdcf、klt光流。iou最簡單算力使用最低，但是效果最差勁，klt光流法最好但是最吃算力。nvdcf是英偉達(dá)自己開發(fā)的算法，通過概率去預(yù)測。是一個比較均衡的。此Tracker組件需要根據(jù)選用的算法指定具體.so，追蹤寬高基本是默認(rèn)的。

? ? ? ? 需要注意的是上述追蹤算法在jetson平臺默認(rèn)自動運(yùn)行于VIC內(nèi)，會減少CPU占用。

[osd]
enable=1
border-width=2
text-size=15
text-color=1;1;1;1;
text-bg-color=0.3;0.3;0.3;1
font=Serif
show-clock=0
clock-x-offset=800
clock-y-offset=820
clock-text-size=12
clock-color=1;0;0;0

????????OSD插件適用于bbox可視化，基本就是線寬，是否展示id，顏色等等，不做過多贅述。此插件也是在jetson平臺用VIC進(jìn)行硬件加速的，會減少cpu占用。

[sink0]
enable=1
#Type - 1=FakeSink 2=EglSink 3=File 4=RTSPStreaming 5=Overlay 6=msgbroker(only enable in test5-app)
type=6
msg-conv-config=./MsgConfig/config.txt
msg-conv-payload-type=0
#(0): PAYLOAD_DEEPSTREAM - Deepstream schema payload
#(1): PAYLOAD_DEEPSTREAM_MINIMAL - Deepstream schema payload minimal
#(256): PAYLOAD_RESERVED - Reserved type
#(257): PAYLOAD_CUSTOM   - Custom schema payload
msg-broker-proto-lib=/opt/nvidia/deepstream/deepstream-5.1/lib/libnvds_kafka_proto.so
#msg-broker-conn-str=127.0.0.1;9092;RawData
msg-broker-conn-str=192.168.1.104;9092;RawData
topic=RawData

????????sink是管道最后的sink接受終端，enable-1代表開啟，type種類非常豐富。1就是假的sink，啥也不干。算法純在后臺運(yùn)行不做任何顯示或者處理。2是圖像顯示，格式是EGL。3是文件sink，在接收到視頻流后直接在本地存文件。4是RTSP推流。5是全屏直接顯示，6是服務(wù)器收發(fā)消息組件，僅在deepstream-test5-app有效。此處選擇了6。

????????msg-conv-config參數(shù)是配置攝像頭位置信息的，僅僅在360度扭曲變換那個例子有用，這里直接抄過來了怕出錯。不過里邊的東西沒用。msg-conv-payload-type就是每一幀發(fā)送什么樣的消息，0就是所有的都發(fā)，1簡短一些，256 257是自定義和預(yù)留的參數(shù)。msg-broker-proto-lib是選擇底層用什么通訊，這里選用了kafka。msg-broker-conn-str參數(shù)是服務(wù)參數(shù)配置，這里nx代表了kafka的producer，需要給一個broker發(fā)送消息。Kafka的broker就相當(dāng)于是個托管服務(wù)器，消費(fèi)者和生產(chǎn)者的消息都要過這個broker中間人。第一個是broker服務(wù)的地址，第二個是端口，第三個是Topic。下面的Topic參數(shù)和上面的寫一致即可。

? ? ? ? 上面這個主要是為了給kafka服務(wù)器發(fā)送數(shù)據(jù)，如果只是做本地顯示，改成如下即可。

[sink0]
enable=1
#Type - 1=FakeSink 2=EglSink 3=File 4=RTSPStreaming 5=Overlay 6=msgbroker(only enable in test5-app)
type=2

? ? ? ? 如果你想通過deepstream-app推流，也可以如下設(shè)置sink組件來達(dá)到推流效果：

[sink1]
enable=1
#Type - 1=FakeSink 2=EglSink 3=File 4=RTSPStreaming 5=Overlay
type=4
#1=h264 2=h265
codec=1
#encoder type 0=Hardware 1=Software
enc-type=0
sync=0
bitrate=4000000
#H264 Profile - 0=Baseline 2=Main 4=High
#H265 Profile - 0=Main 1=Main10
profile=0
# set below properties in case of RTSPStreaming
rtsp-port=8554
udp-port=5400

????????sink1是rtsp的推流sink，可以接受管道數(shù)據(jù)然后在局域網(wǎng)轉(zhuǎn)推出來。Codec是選擇編碼格式，默認(rèn)h264。Enc-type是編碼器選擇，這里肯定選硬件編碼器。Sync是同步選擇，就是視頻源頭推送一幀我這個sink就推送一幀，是同步且實時的，但是有點(diǎn)不好的就是讀取帶有延遲的網(wǎng)絡(luò)視頻流，經(jīng)過網(wǎng)絡(luò)的傳輸實時延遲已經(jīng)很大了，就會造成sync報錯視頻卡頓，所以sync還是不開了，給關(guān)掉了。Bitrate是編碼比特率，默認(rèn)參數(shù)。Profile暫時沒搞懂，默認(rèn)的參數(shù)。Rtsp port和udp port都是網(wǎng)絡(luò)端口信息。這倆都是默認(rèn)即可，可以根據(jù)網(wǎng)絡(luò)環(huán)境更改。最后管道在運(yùn)行的時候就可以得到一個實時推流地址。

4.實機(jī)演示

? ? ? ? 驗證平臺：Jetson NX 8 GB 、yolov5m 、deeepstream 5.1

????????運(yùn)行效果如上圖所示。 如果你還增加了rtsp推流，將結(jié)果推出，腳本會輸出rtsp地址以供查看。

5.概括Deepstream-app腳本優(yōu)缺點(diǎn)

????????優(yōu)點(diǎn)1.快速搭建用于驗證的管道模型。

????????優(yōu)點(diǎn)2.通過控制關(guān)鍵組件enable的0、1來排查bug或者性能瓶頸。

????????缺點(diǎn)：基本就是個直腸子，只能組建source-mux混流-gie推理-（gie二級推理）-tracker-osd-sink這樣的簡單管道，至于您要想搞什么tee插件分流，搞什么opencv掛探針取圖，基本不可能，只能靠二次開發(fā)。如果您的管道設(shè)計非常簡單，甚至不用二次開發(fā)用deepstream-app腳本掛管道就行了。但是如果您的設(shè)計較為復(fù)雜，此腳本遠(yuǎn)遠(yuǎn)無法滿足。還是得搞開發(fā)環(huán)境二次開發(fā)。

6.相關(guān)資料

????????上述配置文件中各種眼花繚亂的配置有些很重要有些是次要的，好多都沒寫，我只寫了主要的。但是要查這些組件的配置去哪里查呢？英偉達(dá)doc文檔中心有deepstream的設(shè)置參數(shù)手冊，里邊羅列了非常詳細(xì)的參數(shù)列表和建議參數(shù)還有參數(shù)含義。在這里將地址掛出來您自行查詢。

?????????地址在這里：

https://docs.nvidia.com/metropolis/deepstream/dev-guide/text/DS_ref_app_deepstream.html

? ? ? ? 感謝您的閱讀！文章來源地址http://www.zghlxwxcb.cn/news/detail-401106.html

到了這里，關(guān)于帶你玩轉(zhuǎn)Jetson之Deepstream簡明教程（四）DeepstreamApp如何使用以及用于工程驗證。的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！