jetson小助理 发表于 2021-11-8 14:00:00

Jetson Nano 2GB系列文章(34)DeepStream 安装Python开发环境

大部分我们在网上看到的 DeepStream 示范,都是用开发包里提供的 deepstream-app 这个应用,然后透过“-c”去指定配置文件,来实现很多 DeepStream 的各种用法,包括同时导入多个输入源、结合多个检测器等等,让我们很轻松地体验到 DeepStream 的强大与易用。

但是 deepstream-app 这个范例为了展现完整的功能,反而不适合开发人员去修改成自己想要的专属应用,当然不是说做不到,而是你必须花费更多时间去解读deepstream_app_main.c、deepstream_app_config_parser.c、deepstream_app.c 这三支代码的所有内容,总计超过 2,200 行,如果能了解透彻绝对有助于驾驭 DeepStream 的绝大部分功能,不过这对初学者来说就太过艰辛了。

事实上 DeepStream 5.0 提供了大约 20个C/C++ 所写成的范例代码,存放的位置在 /opt/nvidia/deepstream/deepstream-5.0/sources/apps/sample_apps里,deepstream-app 是其中一个。如果要循序渐进的话,最好参考 DeepStream 开发手册对这些范例的介绍与使用说明,https://docs.nvidia.com/metropol ... _C_Sample_Apps.html。

在 NVID-AIOT 的 github 仓里有非常多基于 DeepStream 框架所开发的应用,几乎都是以 deepstream-test 系列的 C/C++ 代码为基础进行修改,例如“redaction_with_deepstream”遮脸应用、“deepstream_pose_estimation”姿势识别、“deepstream_lpr_app”车牌识别、“Deepstream-Dewarper-App”鱼眼镜头还原应用、“deepstream-occupancy-analytics”人流分析等等。

但是 C/C++ 毕竟不像 Python 那么容易上手,因此 NVIDIA 在 github 上发布 DeepStream 的 Python 范例代码,在 https://github.com/NVIDIA-AI-IOT/deepstream_python_apps 可供自由下载使用,现在我们就在 Jetson Nano 2GB 上下载 DeepStream 的 python 范例,并且执行看看效果如何!


[*]安装 DeepStream 的 Python 开发环境

Python 接口的安装对 DeepStream 而言是个“可选项”,因此安装 DeepStream 的过程并不会自动安装 Python 接口,这部分需要手动处理,请执行以下指令进行安装:

cd /opt/nvidia/deepstream/deepstream-5.0/lib
sudo   python3 setup.py install
执行后会在目录下生成“pyds.so”库文件,后面的 Python 代码中只要加入“import pyds”,就能导入 DeepStream 的 Python 模块开始使用,至于 DeepStream 的 Python API 接口定义细节,请自行参考

https://docs.nvidia.com/metropolis/deepstream/python-api/index.html 里详细的说明。


[*]安装 Gst Python 这个绑定(binding)元件

根据下图 DeepStream Python 应用的执行工作流所示,这个开发环境还需要安装“Gst Python”元件进行“Python Bindings”任务,这样才能执行管道建构(Pipeline Construction)、访问元数据(MetaData Access)与图像数据访问(Image Data Access)等功能。

DeepStream 元数据包含推断结果和分析中使用的其他信息,元数据附加到每个管道组件接收的 Gst 缓冲区,SDK 元数据库是用 C/C++ 开发的,Python 绑定提供了对 Python 应用程序元数据的访问,绑定在编译模块中提供,可用于 x86_64 和 Jetson 平台。



安装的步骤可以在 DeepStream 开发手册“Python Sample Apps Source Detail”中找到(https://docs.nvidia.com/metropolis/deepstream/dev-guide/text/DS_Python_Sample_Apps.html),我们也将安装步骤列在下面:

sudo   apt-get install -y python-gi-dev
export   GST_LIBS="-lgstreamer-1.0 -lgobject-2.0 -lglib-2.0"
export   GST_CFLAGS="-pthread -I/usr/include/gstreamer-1.0   -I/usr/include/glib-2.0 -I/usr/lib/x86_64-linux-gnu/glib-2.0/include"
git   clone https://github.com/GStreamer/gst-python.git
cd   gst-python
git   checkout 1a8f48a
./autogen.sh   PYTHON=python3
./configure   PYTHON=python3
make
sudo   make install
好了,到这里就完成 DeepStream 的 Python 开发环境的配置,现在就可以开始用 Python 语言调用 DeepStream 接口去开发应用了。不过相信绝大部分的读者是不会有耐性,去从零开始学习 DeepStream 的 Python 开发,最简单的方式就是用 NVIDIA 提供的 Python 范例来进行测试与修改。


[*]下载 DeepStream 的 Python App 范例

这部分内容并不包含在 DeepStream 安装包里面,需要从 NVIDIA 提供的开源仓下载,网址在 https://github.com/NVIDIA-AI-IOT/deepstream_python_apps,直接下载就能使用。不过由于这套范例的设定文件,都已做好相关环境的路径配置,因此最好下载到指定的位置(/opt/nvidia/deepstream/deempstream/sources)就可以节省很多路径调整的时间。

请执行以下指令下载 deepstream_python_apps 到本地:

cd   /opt/nvidia/deepstream/deempstream/sources
git clone https://github.com/NVIDIA-AI-IOT/deepstream_python_apps
sudo chmod 777 -R deepstream_python_apps
最后一个步骤,是为了让上我们具备足够的权限去修改这个目录下的文件。


[*]阅读重要文件

在开始进入范例执行之前,建议大家先看一下里面的几个重要文件,您可以直接进入 deepstream_python_app 目录,用自己惯用的编辑器去打开,也可以直接在前面的 github 网页上打开这些文件。



由于文件都是 Markdown 格式(.md),因此在网页上打开阅读会比较方便。这里主要有三个文件,对我们的使用会有很大的帮助:


[*]README.md:这里的内容就是这个项目的总指引,包括前面的架构图等等。需要强调一点,里面虽然表示“支持 SDK 5.1版本”,但实际测试之后其实也支持 5.0 版本,因此已经安装 DeepStream 5.0 版本的人,就不用急着升级。
[*]HOWTO.md:这里面处理前面安装“Gst Python”的步骤之外,下面所提到的技术原理也是非常重要的,对于进一步了解 DeepStream 的工作流是有帮助的,另外关于“元数据存取”的部分,最好也能先行浏览一下。
[*]FAQ.md:这个文件整理了很多问题集,是非常有价值的部分,后面执行过程中遇到的一些问题,就先到这里来看看是否有对应的解决办法。

NVIDIA 的使用手册一向都撰写的非常详细,因此先耐心地阅读这些文件,会得到很多助益。接下来看看想范例的内容有哪些?


[*]DeepStream 的 Python 范例内容:

目前这里提供 12 个 Python 范例,每个范例存放在对应的目录之下,其目录名称与简单功能描述如下列表(名称以目录名为主):


[*]deepstream-test1:4 类物件检测功能,输入源为视频文件做

[*]deepstream-test1-usbcam:用 USB 摄像头作为 deepstream-test1 的输入源
[*]deepstream-test1-rtsp-out:用 RTSP 视频流作为 deepstream-test1 输出

[*]deepstream-test2:4 类物件检测+目标追踪+物件属性分类的管道

[*]deepstream-test3:同时执行多视频流输入源的4类物件检测

[*]deepstream-test4:透过 msgbroker 将分析结果发送到云端指定地址

[*]deepstream-imagedata-multistream:结合“图像缓冲区访问”功能的多视频流处理

[*]deepstream- ssd-parser:通过 Triton 执行 ssd 推理,在 Python 进行输出解析

[*]deepstream-opticalflow:以 NumPy 阵列返回流矢量的光流和可视化管道

[*]deepstream-segmentation:NumPy 数组中返回分割掩码的分割与可视化流水线

[*]deepstream-nvdsanalytics:具有分析插件的多流管道

[*]runtime_source_add_delete:在运行时添加/删除源流

以上范例,从最粗浅的单检测器调用/单流输入(视频或 USB 摄像头)/单流输出(显示器或 RTSP),到进阶的多检测器叠加与追踪功能,还有透过 msgbroker 将分析数据上传到云端服务器的范例,以及结合 NVIDIA Triton 推理服务器的资源应用等等,内容相当丰富而且实用,在后面的文章中我们将挑选 5~6 个范例,带着大家去实现并且进行简单的代码说明。


[*]执行第一个 Python 范例:

既然以及安装好 Python 开发环境,我就来执行个最简单得到范例。前面所列范例中的 deepstream-test1 到 deepstream-test4 的功能,与 DeepStream 开发包预安装 C/C++ 版本的 deepstream-test1 到 deepstream-test4 是一样的功能,只是用不同语言去调用而已。

由于 C/C++ 版本的范例执行文件已经都事先编译好,因此我们可以直接在任何路径中进行调用,接下去就执行以下指令,感受以下两种范例的功能是否一致:

cd <路径>/deepstream_python_apps/apps/deepstream-test1
# 这个目录下有个 dstest1_pgie_config.txt
# 执行   deepstream_test_1.py,会以这个目录下的 dstest1_pgie_config.txt   为配置
python3   deepstream_test_1.py ../../../../samples/streams/sample_720p.h264
# 执行   deepstream-test1-app,会以这个目录下的 dstest1_pgie_config.txt   为配置
deepstream-test1-app   ../../../../samples/streams/sample_720p.h264
看看二者所执行的结果是否完全一样(如下截图)?



好了,现在是否清楚这几个 Python 范例与 C/C++ 范例之间的关系!后面将再以其他几个实用范例带着大家一起使用 Python 去实现 DeepStream 的功能。
页: [1]
查看完整版本: Jetson Nano 2GB系列文章(34)DeepStream 安装Python开发环境