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

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

在 DeepStream 范例中的test2是識別功能最豐富的經典范例，不僅能識別對 “Car” 與 “Person” 配置唯一的編號進行跟蹤功能，還能為 “Car” 物體進一步分析 “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runtime_source_add_delete項目則是實現(xiàn) “動態(tài)添加/刪減視頻源” 的功能，通常在面對 “不均衡” 監(jiān)控的時候，會需要這項功能的輔助。

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

這并不意味著我們得去調整設備的數量，而是調整輸入源的 “接收開關”，例如道路交通的監(jiān)控有 100 臺攝像頭，是保持 24 小時全年午休地拍攝并傳輸數據，而中控室如果只有 50 個顯示屏幕，就只要切換接收輸入源的開關就可以。

現(xiàn)在就用容器版 DeepStream 的 Python 環(huán)境，來執(zhí)行這兩個應用。

1、DeepStream-test2 項目

這個項目將 DeepStream 關于物體識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 個具備四類別的物體檢測器（object detector）作為一階段檢測器；

• 1 個跟蹤器（tracker）；

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

三者的合作關系如下：

1）將讀入的圖像傳給一階段檢測器進行物體檢測計算；

2）將識別出的物體傳送給跟蹤器去賦予唯一的編號；

3）如果識別的類別為 “Car”，則將物體位置坐標分別傳送給 3 個二階段分類器，對坐標內圖形進行 “廠牌”、“顏色”、“車型” 等屬性識別；

4）最后將上面的信息合成回原始圖像，然后進行輸出作業(yè)。

這里使用的檢測器與 3 個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)測器

• Secondary_CarColor：識別車輛顏色的二階段分類器

• Secondary_CarMake：識別車輛廠牌的二階段分類器

• Secondary_VehicleTypes：識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)行以下指令進入容器內去執(zhí)行這個范例：

sudo  xhost  +si:localuser:rootdockerstartds_python&&dockerexec-itds_pythonbash

進入容器后，執(zhí)行以下指令：

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

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

不過這個容器版有個還未解決的問題，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中文顯示問題。

2、runtime_source_add_delete 項目

這個項目也是基于 deepstream-test2 多神經網絡組合識別項目基礎上，使用以下的動態(tài)處理函數，因此沒有固定的通道結構：

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

2）stop_release_source：停止指定編號數據源，并釋放相關資源的內存空間；

3）delete_sources：首先刪除現(xiàn)有 stream 中已經 End of Stream 的數據源，如果沒有隨機刪除一個視頻源。如果全部視頻源都被刪除時，就結束應用；

4）add_sources：隨機增加數據源，如果數量達到 MAX_NUM_SOURCES，10s 后刪除一個視頻源；

5）bus_call：總線管理機制，作為觸發(fā)事件的管理機制。

為了簡化運行，這個示例只接收 1 個 H.264 視頻文件當作 4 個輸入源使用，每 10 秒添加的視頻都會從頭開始播放，系統(tǒng)就是為每個輸入源設置唯一的編號，作為新增與刪除的依據。

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

接下去就會執(zhí)行以下的 7 個畫面變化：

1）顯示第一個輸入源的檢測結果：

2）10 秒后添加第二個輸入源的檢測結果：

3）再 10 秒后添加第三個輸入源的檢測結果：

4）再 10 秒后添加第四個輸入源的檢測結果：

5）再 10 秒后隨機刪除一個輸入源：

6）再 10 秒后又隨機刪除一個輸入源：

7）再 10 秒后又隨機刪除一個輸入源：

8）再 10 秒后刪除最后一個輸入源。

可以修改 deepstream_rt_src_add_del.py 文件的以下兩個粗體下劃線的參數，調整輸出總數量與間隔時間：

• 第 48 行：MAX_NUM_SOURCES = 4

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

之后請自行嘗試修改的結果。

審核編輯：湯梓紅