前面一篇文章已經(jīng)帶著大家將 DeepStream 容器配置 Python 使用環(huán)境，本文的重點(diǎn)就是繼續(xù)執(zhí)行實(shí)際的開發(fā)操作。

由于前面開啟容器時(shí)，透過 “-v” 指令將容器外路徑與容器內(nèi)形成映射，因此實(shí)際代碼文件是存放在主機(jī)上（容器外），我們可以在主機(jī)上使用 gedit 這個(gè)較為便利的編輯器去修改代碼，然后在容器內(nèi)執(zhí)行應(yīng)用，如此搭建起實(shí)用性更高的開發(fā)環(huán)境。

在 DeepStream 范例中的test2是識(shí)別功能最豐富的經(jīng)典范例，不僅能識(shí)別對(duì) “Car” 與 “Person” 配置唯一的編號(hào)進(jìn)行跟蹤功能，還能為 “Car” 物體進(jìn)一步分析 “廠牌”、“顏色”、“車型” 等屬性，我們還可以將這些信息改成中文顯示。

另一個(gè)runtime_source_add_delete項(xiàng)目則是實(shí)現(xiàn) “動(dòng)態(tài)添加/刪減視頻源” 的功能，通常在面對(duì) “不均衡” 監(jiān)控的時(shí)候，會(huì)需要這項(xiàng)功能的輔助。

例如 “醫(yī)院的門診與急診” 的流量在正常工作時(shí)間是門診大于急診，下班之后的流量就剛好反轉(zhuǎn)，如果能根據(jù)時(shí)間去調(diào)整輸入源的增減，就會(huì)有很高的實(shí)用性；都市中很多道路車流量在上下班高峰期是反轉(zhuǎn)的，如果中控室的監(jiān)控屏幕數(shù)量有限的時(shí)候，也可以根據(jù)不同狀態(tài)去調(diào)整視頻流的來源。

這并不意味著我們得去調(diào)整設(shè)備的數(shù)量，而是調(diào)整輸入源的 “接收開關(guān)”，例如道路交通的監(jiān)控有 100 臺(tái)攝像頭，是保持 24 小時(shí)全年午休地拍攝并傳輸數(shù)據(jù)，而中控室如果只有 50 個(gè)顯示屏幕，就只要切換接收輸入源的開關(guān)就可以。

現(xiàn)在就用容器版 DeepStream 的 Python 環(huán)境，來執(zhí)行這兩個(gè)應(yīng)用。

1、DeepStream-test2 項(xiàng)目

這個(gè)項(xiàng)目將 DeepStream 關(guān)于物體識(shí)別的絕大部分人工智能功能都集于一身，包括以下三大類組件：

• 1 個(gè)具備四類別的物體檢測(cè)器（object detector）作為一階段檢測(cè)器；

• 1 個(gè)跟蹤器（tracker）；

• 3 個(gè)基于 “Car” 類別的圖像分類器（image classifier）作為二階段分類器。

三者的合作關(guān)系如下：

1）將讀入的圖像傳給一階段檢測(cè)器進(jìn)行物體檢測(cè)計(jì)算；

2）將識(shí)別出的物體傳送給跟蹤器去賦予唯一的編號(hào)；

3）如果識(shí)別的類別為 “Car”，則將物體位置坐標(biāo)分別傳送給 3 個(gè)二階段分類器，對(duì)坐標(biāo)內(nèi)圖形進(jìn)行 “廠牌”、“顏色”、“車型” 等屬性識(shí)別；

4）最后將上面的信息合成回原始圖像，然后進(jìn)行輸出作業(yè)。

這里使用的檢測(cè)器與 3 個(gè)二階段分類器模型都在 samples / models 下，如以下的路徑名：

• Primary_Detector：一階段監(jiān)測(cè)器

• Secondary_CarColor：識(shí)別車輛顏色的二階段分類器

• Secondary_CarMake：識(shí)別車輛廠牌的二階段分類器

• Secondary_VehicleTypes：識(shí)別車輛種類的二階段分類器

如果前面建立的 Python 容器環(huán)境沒有刪除的話，現(xiàn)在就可以執(zhí)行以下指令進(jìn)入容器內(nèi)去執(zhí)行這個(gè)范例：

复制sudo  xhost  +si:localuser:root复制dockerstartds_python&&dockerexec-itds_pythonbash

進(jìn)入容器后，執(zhí)行以下指令：

复制cd  sources/deepstream_python_apps/apps/deepstream-test2复制./deepstream_test_2.py../../../../samples/streams/sample_720p.h264

下圖就是執(zhí)行的效果，可以看到每個(gè)識(shí)別到的物體都有唯一的識(shí)別號(hào)，在 “Car 3” 后面還有 “gray” 與 “nissan” 等顏色與廠牌的信息。

不過這個(gè)容器版有個(gè)還未解決的問題，就是 “中文顯示” 的部分，如果有更精通操作系統(tǒng)的朋友可以試著解決這個(gè)中文顯示問題。

2、runtime_source_add_delete 項(xiàng)目

這個(gè)項(xiàng)目也是基于 deepstream-test2 多神經(jīng)網(wǎng)絡(luò)組合識(shí)別項(xiàng)目基礎(chǔ)上，使用以下的動(dòng)態(tài)處理函數(shù)，因此沒有固定的通道結(jié)構(gòu)：

1）create_uridecode_bin：作為 “多輸入源路徑解析” 功能；

2）stop_release_source：停止指定編號(hào)數(shù)據(jù)源，并釋放相關(guān)資源的內(nèi)存空間；

3）delete_sources：首先刪除現(xiàn)有 stream 中已經(jīng) End of Stream 的數(shù)據(jù)源，如果沒有隨機(jī)刪除一個(gè)視頻源。如果全部視頻源都被刪除時(shí)，就結(jié)束應(yīng)用；

4）add_sources：隨機(jī)增加數(shù)據(jù)源，如果數(shù)量達(dá)到 MAX_NUM_SOURCES，10s 后刪除一個(gè)視頻源；

5）bus_call：總線管理機(jī)制，作為觸發(fā)事件的管理機(jī)制。

為了簡(jiǎn)化運(yùn)行，這個(gè)示例只接收 1 個(gè) H.264 視頻文件當(dāng)作 4 個(gè)輸入源使用，每 10 秒添加的視頻都會(huì)從頭開始播放，系統(tǒng)就是為每個(gè)輸入源設(shè)置唯一的編號(hào)，作為新增與刪除的依據(jù)。

复制cd  sources/deepstream_python_apps/apps/runtime_source_add_delete复制export  DS_ROOT=/opt/nvidia/deepstream/deepstream/复制./deepstream_rt_src_add_del.pyfile://$DS_ROOT/samples/streams/sample_720p.mp4

接下去就會(huì)執(zhí)行以下的 7 個(gè)畫面變化：

1）顯示第一個(gè)輸入源的檢測(cè)結(jié)果：

2）10 秒后添加第二個(gè)輸入源的檢測(cè)結(jié)果：

3）再 10 秒后添加第三個(gè)輸入源的檢測(cè)結(jié)果：

4）再 10 秒后添加第四個(gè)輸入源的檢測(cè)結(jié)果：

5）再 10 秒后隨機(jī)刪除一個(gè)輸入源：

6）再 10 秒后又隨機(jī)刪除一個(gè)輸入源：

7）再 10 秒后又隨機(jī)刪除一個(gè)輸入源：

8）再 10 秒后刪除最后一個(gè)輸入源。

可以修改 deepstream_rt_src_add_del.py 文件的以下兩個(gè)粗體下劃線的參數(shù)，調(diào)整輸出總數(shù)量與間隔時(shí)間：

• 第 48 行：MAX_NUM_SOURCES = 4

• 第 278 行：GLib.timeout_add_seconds(10, delete_sources, g_source_bin_list)

之后請(qǐng)自行嘗試修改的結(jié)果。

審核編輯：湯梓紅