DeepStream 服务库 (DSL) 使用教程
1. 项目介绍
DeepStream 服务库 (DSL) 是一个基于 NVIDIA® DeepStream SDK 的开源项目,旨在简化复杂的流处理管道的开发。DSL 将 NVIDIA® DeepStream 参考应用程序重新构想为一个共享库,提供了一系列的 DeepStream 管道服务。通过 DSL,开发者可以轻松构建、播放和动态修改 NVIDIA® DeepStream 管道,从而实现实时视频分析和多传感器处理。
DSL 的核心功能包括:
- 提供简单直观的 API 用于构建、播放和动态修改 DeepStream 管道。
- 支持多种源组件(如 CSI 源、V4L2 源、URI 源等)和多种输出组件(如窗口渲染、文件录制、RTSP 流等)。
- 支持动态添加和移除源、分支和输出组件,实现动态管道管理。
- 提供丰富的对象检测事件 (ODE) 服务,支持基于检测事件的自动化操作。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保您的系统已经安装了以下依赖:
- NVIDIA® DeepStream SDK
- GStreamer
- Python 3.x
2.2 安装 DSL
首先,克隆 DSL 项目到本地:
git clone https://github.com/prominenceai/deepstream-services-library.git
cd deepstream-services-library
然后,根据项目文档中的说明进行编译和安装:
make
sudo make install
2.3 快速启动示例
以下是一个简单的 Python 示例,展示如何使用 DSL 创建一个基本的 DeepStream 管道:
from dsl import *
# 创建一个 CSI 源
retval = dsl_source_csi_new('my-source', width=1280, height=720, fps_n=30, fps_d=1)
# 创建一个主推理引擎
retval += dsl_infer_gie_primary_new('my-pgie', 'path_to_config_file', 'path_to_model_engine', interval=0)
# 创建一个多源分屏器
retval += dsl_tiler_new('my-tiler', width=1280, height=720)
# 创建一个屏幕显示组件
retval += dsl_osd_new('my-osd', text_enabled=True, clock_enabled=True, bbox_enabled=True, mask_enabled=False)
# 创建一个窗口渲染组件
retval += dsl_sink_window_egl_new('my-window-sink', width=1280, height=720)
# 检查组件创建是否成功
if retval != DSL_RESULT_SUCCESS:
print("组件创建失败")
exit(1)
# 将组件添加到新管道
retval = dsl_pipeline_new_component_add_many('my-pipeline', ['my-source', 'my-pgie', 'my-tiler', 'my-osd', 'my-sink', None])
# 播放管道
retval = dsl_pipeline_play('my-pipeline')
if retval != DSL_RESULT_SUCCESS:
print("管道播放失败")
exit(1)
# 运行主循环
dsl_main_loop_run()
# 清理资源
dsl_delete_all()
3. 应用案例和最佳实践
3.1 智能视频分析
DSL 可以用于构建智能视频分析系统,通过结合多种源和推理引擎,实现对视频流的实时分析。例如,可以创建一个包含多个 RTSP 源和多个推理引擎的管道,用于检测和跟踪视频中的对象。
3.2 动态管道管理
DSL 支持动态添加和移除源、分支和输出组件,适用于需要灵活调整管道配置的应用场景。例如,可以根据检测到的对象类型动态调整管道的推理引擎配置。
3.3 对象检测事件自动化
DSL 提供了丰富的对象检测事件 (ODE) 服务,可以用于自动化处理检测事件。例如,可以在检测到特定对象时自动启动录制或发送通知。
4. 典型生态项目
4.1 NVIDIA® DeepStream SDK
DSL 是基于 NVIDIA® DeepStream SDK 构建的,DeepStream SDK 是一个完整的流分析工具包,适用于基于 AI 的视频和图像理解以及多传感器处理。
4.2 GStreamer
DSL 使用 GStreamer 作为其底层框架,GStreamer 是一个极其强大和灵活的流媒体应用程序框架。
4.3 OpenCV
DSL 支持与 OpenCV 集成,可以通过 OpenCV 处理从 DeepStream 管道中提取的帧数据。
通过这些生态项目的结合,DSL 可以构建出功能强大且灵活的流处理系统,适用于各种复杂的应用场景。
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 StartedRust0213
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 Notebook0138
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03