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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00