ZONGXP的博客

介绍 DeepStream 的安装及各种应用案例

基于deepstream sdk运行yolov8目标检测模型

deepstream 数据结构图

汇总deepstream有用资源

deepstream 运行 yolov7 的方法

deepstream部署yolov6的方法介绍

deepstream调用yolox的方法

使用perf插件进行pipeline性能的快速测试

在pipeline回调函数中完成图像保存功能

基于deepstream的kafka物联网功能

基于deepstream实现rtmp输出功能

在 jetson 或 dGPU 上部署视频分析 pipeline 时，为了发挥硬件的最大性能，需要合理正确的进行配置，本文对相关配置要点进行一个汇总，供参考。

deepstream6.1 版本的安装及测试

从 deepstream3.0 开始，增加了 dewarper 插件，该插件可以接收鱼眼相机视频，可以产生最多 4 路解畸变后的视频输出，接下来对该插件的使用方法进行一个介绍。

在《DeepStream4.0系列之SDK文件夹解析》一文中，对 SDK 的目录结构进行了一个介绍。随着内容的更新，在 5.0、5.1、6.0 版本中又新增了很多实用功能，提供了很多有价值的示例代码，本文以 jetson 端的 SDK 为例，对新增的内容进行一个介绍（与 4.0 版本相比）首先使用 tree -d 指令查看 sdk 的目录结构，输出如下，其中，红色加粗的内容表示是新增内容可以看到，samples 文件夹中主要增加了对 triton 和 tao 工具链的支持，提供了各种配置...

近日，NV 发布了 deepstream6.0，有不少新功能，本文对发行内容进行一个说明，后续也会对我比较感兴趣的一些功能进行详细介绍与测试。安装方法与之前的大同小异，需要注意的是环境依赖性，在 jetson 上需要将 jetpack 更新到 4.6，如果你现在是 4.4 及以上版本的 jetpack，可以使用《NVIDIA Jetson之OTA远程升级Jetpack》中的方法升级，否则需要使用 NVIDIA SDK Manger 工具刷机，或者烧写 SD 卡。...

在做 deepstream 功能测试时，常常需要将结果保存为 mp4 视频文件，而 sdk 中并未直接提供相关代码，不熟悉功能的同学改起来有点困难，因此，今天整理一下修改 pipeline 的方法

利用 deepstream 构建车牌识别 pipeline，实现实时车辆检测、车牌检测车牌识别功能。

deepstream 的 sdk 是以 c 语言为主，但在开发过程中，会遇到用 python 快速验证功能的需求，因此本文对 python 使用 deepstream 的方式进行介绍。

deepstream 官方文档介绍，支持与 Triton Server 对接，把 nvinfer 的部分放到 triton 上来实现，即 nvinferserver，那么这种方式可以解决什么问题呢？首先，triton server 支持更多种类的模型，如 pytorch、tensorflow、tensorrt 等，而 nvinfer 只专注于做 tensorrt 模型的集成，这对于模型的开发调试有利；但是如果在实际生产环境中，还是建议使用 nvinfer 插件，因为这种方式更高效，对内存...

从 DS4.0 开始就调试了 deepstream 动态增减源的功能，好长时间没接触，又生疏了。好记性不如烂笔头，趁着今天回顾代码，把过程记录一下

之前介绍了在 deepstream 中使用 yolov3、yolov4 的方法，现在已经有 yolov5 了，在性能上有了很大的提升，本文对 deepstream 中使用 yolov5 的方法做一介绍

deepstream 5.0 GA 版本的 SDK 中包含有 yolov3 的检测，还没有正式加上 yolov4 的功能，不过 nvidia 官方也在 github 上发布了相关的代码，本文对使用方法做一个介绍

0 背景处理流程1 安装首先按照我之前的文章《NVIDIA之TLT迁移学习训练自己的数据集》部署一下容器环境，进入容器环境中git clone https://github.com/NVIDIA-AI-IOT/face-mask-detection.gitcd tlt-ds-face_mask_detectpython -m pip install -r requirements.txt2 数据集准备2.1 下载数据集Faces with Mask Kaggle Me

在《NVIDIA之TLT迁移学习训练自己的数据集》文章中，我们用 NVIDIA 的 TLT 工具对模型进行训练、剪枝，得到一个检测效果较好的模型，接下来如要进行部署应用，在 deepstream 里应用是一个很好的选择。我们知道，TLT 支持两种方式导出模型：但第 2 种方法导出的 engine 是平台相关的，如果部署平台与导出平台不一致，模型会不能用，因此我们使用第一种方式导出的tllt模型进行部署nvidia 提供了一些示例：https://github.com/NVIDIA-AI-...

在用 deepstream 或 gstreamer 开发时，需要有一个分析 pipeline 的工具，用来查看pipeline的一些信息，比如每个 element 的时延、buffer 信息、cpu 利用率等内容。虽然我们之前在《GStreamer基础教程11：调试工具》介绍过 gst-debug 和生成 pipeline 图的方法，但只能看到结构信息，运行过程中的信息看不到。而 gst-shark 就是这样一个工具，这里有一个PPT介绍可以了解下。...

在前边的文章中，我们介绍过deepstream4.0 SDK的安装方法，最近deepstream更新到5.0版本，因此介绍一下5.0的安装方法。

deepstream是基于gstreamer开发的，因此里边涉及的基本概念都是gstreamer中的，比如element、pipeline、pad等等，这些基本概念大家可以参考《GStreamer基础教程2：基本概念》。当然不比纠结这些名词的定义，大家在使用过程中，会逐渐了解这些概念的。本文我们介绍的一个工具是 pipeline 可视化工具。我们创建deepstream应用时，本质上就是在创建不同的pipeline，有了pipeline才能实现各种各样的功能。...

在上一篇文章中，我们对deepstream的安装进行了介绍，本篇对SDK的文件结构进行解析，从而对SDK有更清楚的认识。DeepStream参考应用程序是基于GStreamer的解决方案，由一组GStreamer插件组成，这些插件封装了低级API，以形成完整的图形（关于GStreamer的入门介绍，可参考《Gstreamer系列教程》）。...

什么是DeepStream？NVIDIA的DeepStream SDK为基于AI的视频和图像理解以及多传感器处理提供了完整的流分析工具包。DeepStream还提供了为用户创建的库和功能构建自定义插件的功能。许多开源插件之一也可以很容易地与DeepStream框架配合使用。这些插件包括：总的来说：deepstream提供了一个完整的视频开发应用框架，使开发者能够更加专注于自己的应用和网络，详细信息可参考官网介绍官网提供的平台支持如下（这里不介绍jet...