跳到主要内容

DeepStream

本指南介绍如何在 Jetson Orin 设备上安装并运行 NVIDIA DeepStream SDK。DeepStream 支持使用 GPU 加速的 AI 视频分析流水线，针对 Jetson 的 CUDA/NvMedia 平台高度优化。

1. 概览​

  • NVIDIA 提供的实时视频分析 SDK
  • 基于 TensorRT 和 CUDA 加速
  • 支持多路 AI 推理与目标追踪
  • 输入支持 RTSP、USB、CSI 摄像头及本地视频文件
  • 内置目标检测、分类、追踪功能

本指南包括：

  • 安装方法（.deb 包和 Docker）
  • 示例流水线运行
  • 自定义模型集成
  • Docker 使用（含 jetson-containers）
  • 常见问题与技巧

overview

2. 系统要求​

硬件​

组件最低要求
设备Jetson Orin Nano / NX / AGX
内存≥ 8GB
存储空间≥ 10GB

软件​

  • JetPack 6.1 GA 或更高版本（L4T ≥ R36.4）
  • Ubuntu 20.04 / 22.04
  • CUDA、TensorRT、cuDNN（已包含在 JetPack 中）
  • Docker（可选，用于容器化部署）

3. 安装 DeepStream​

  • glib 迁移 为了迁移到较新的 glib 版本（例如 2.76.6），请按照以下步骤操作： 先决条件：安装以下软件包:

    sudo pip3 install meson
    sudo pip3 install ninja

    编译安装步骤：

    git clone https://github.com/GNOME/glib.git
    cd glib
    git checkout <glib-version-branch>
    # e.g. 2.76.6
    meson build --prefix=/usr
    ninja -C build/
    cd build/
    sudo ninja install

    检查并确认新安装的glib版本：

    pkg-config --modversion glib-2.0

  • 依赖库安装：

    sudo apt update
    sudo apt install -y \
      libssl1.1 \
      libgstreamer1.0-0 \
      gstreamer1.0-tools \
      gstreamer1.0-plugins-good \
      gstreamer1.0-plugins-bad \
      gstreamer1.0-plugins-ugly \
      gstreamer1.0-libav \
      libgstrtspserver-1.0-0 \
      libjansson4 \
      libyaml-cpp-dev

安装 librdkafka（为消息代理启用 Kafka 协议适配器）

  1. 从 GitHub克隆librdkafka存储库：
git clone https://github.com/confluentinc/librdkafka.git
  1. 配置并构建库
cd librdkafka
git checkout tags/v2.2.0
./configure --enable-ssl
make
sudo make install
  1. 将生成的库复制到deepstream目录：
sudo mkdir -p /opt/nvidia/deepstream/deepstream/lib
sudo cp /usr/local/lib/librdkafka* /opt/nvidia/deepstream/deepstream/lib
sudo ldconfig

方式一：通过 SDK Manager 安装​

  1. 下载并安装 SDK Manager：从 NVIDIA 官方网站 下载并安装 SDK Manager

  2. 连接设备：使用 USB-C 数据线将 Jetson Orin 设备连接到主机电脑

  3. 启动 SDK Manager：在主机上运行 sdkmanager 命令，登录 NVIDIA 开发者账号

  4. 选择目标硬件和 JetPack 版本：在 SDK Manager 中选择对应的 Jetson Orin 设备和合适的 JetPack 版本

  5. 勾选 DeepStream SDK：在“附加 SDK”选项中勾选 DeepStream SDK

  6. 开始安装：按照提示完成安装过程

方式二：使用 DeepStream tar 包​

  1. 下载 DeepStream SDK：访问 NVIDIA DeepStream 下载页面，下载适用于 Jetson 的 DeepStream SDK tar包（例如 deepstream_sdk_v7.1.0_jetson.tbz2)

  2. 解压并安装：

sudo tar -xvf deepstream_sdk_v7.1.0_jetson.tbz2 -C /
cd /opt/nvidia/deepstream/deepstream-7.1
sudo ./install.sh
sudo ldconfig

方式三：使用 DeepStream Debian 软件包​

  1. 下载 DeepStream Debian：访问 DeepStream Debian下载页面，下载适用于 Jetson 的 DeepStream SDK tar包（例如 deepstream-7.1_7.1.0-1_arm64.deb)

  2. 安装

sudo apt-get install ./deepstream-7.1_7.1.0-1_arm64.deb

  1. *安装 Docker 和 NVIDIA Container Toolkit：确保系统已安装 Docker 和 NVIDIA Container Toolkt。

  2. 拉取 DeepStream Docker 镜像：

docker pull nvcr.io/nvidia/deepstream-l4t:6.1-samples
  1. 运行容器：
docker run -it --rm --runtime=nvidia \
  -v /tmp/.X11-unix:/tmp/.X11-unix \
  -e DISPLAY=$DISPLAY \
  nvcr.io/nvidia/deepstream-l4t:6.1-samples

你也可以使用社区维护的 jetson-containers：

jetson-containers run dusty-nv/deepstream

安装验证​

检查版本信息：

deepstream-app --version-all

正常输出：

 deepstream-app version 7.1.0
 DeepStreamSDK 7.1.0
 CUDA Driver Version: 12.6
 CUDA Runtime Version: 12.6
 TensorRT Version: 10.3
 cuDNN Version: 9.0
 libNVWarp360 Version: 2.0.1d3

4. 运行示例​

步骤 1：运行默认示例​

  1. 导航到开发套件上的 configs/deepstream-app 目录。
cd /opt/nvidia/deepstream/deepstream-7.1/samples/configs/deepstream-app
  1. 输入以下命令来运行参考应用程序
# deepstream-app -c <path_to_config_file>
deepstream-app -c source30_1080p_dec_infer-resnet_tiled_display_int8.txt

该命令将弹出视频窗口，实时显示检测结果:

deepstream_app_5x8​

步骤 2：使用 USB 或 CSI 摄像头​

修改配置文件中的输入部分：

[source0]
enable=1
type=1
camera-width=1280
camera-height=720
camera-fps-n=30

然后运行：

deepstream-app -c <your_camera_config>.txt

🎥 USB 摄像头对应 type=1，CSI 摄像头使用 nvarguscamerasrc

步骤 3：使用 RTSP 流​

使用以下配置片段：

[source0]
enable=1
type=4
uri=rtsp://<your-camera-stream>

步骤 4：视频检测​

进入示例所在的文件夹：

cd /opt/nvidia/deepstream/deepstream-7.1/sources/apps/sample_apps/deepstream-test1

编译源代码:

sudo make CUDA_VER=12.6

运行：

./deepstream-test1-app dstest1_config.yml

deepstream_od

更多源码示例，详见 /opt/nvidia/deepstream/deepstream/sources

5. 集成自定义模型​

DeepStream 支持通过 TensorRT 或 ONNX 集成自定义模型。

步骤 1：模型转换​

使用 trtexec 或 tao-converter 工具：

trtexec --onnx=model.onnx --saveEngine=model.engine

步骤 2：更新配置文件​

[primary-gie]
enable=1
model-engine-file=model.engine
network-type=0

更多deepstream使用tao示例，请参考 https://github.com/NVIDIA-AI-IOT/deepstream_tao_apps

6. 更多其他示例​

deepstream_python_apps deepstream_python

7. 小贴士与故障排查​

问题解决方法
Docker 中无图像显示挂载 X11 socket 并设置 DISPLAY 变量
帧率低使用 INT8 引擎或降低输入分辨率
USB 摄像头无法识别使用 v4l2-ctl --list-devices 检查设备
GStreamer 报错检查插件是否安装，必要时重刷 JetPack
RTSP 延迟/丢帧设置 drop-frame-interval=0 和 latency=200

8. 附录​

关键路径​

用途路径
示例配置文件/opt/nvidia/deepstream/deepstream/samples/configs/
模型引擎文件/opt/nvidia/deepstream/deepstream/models/
日志目录/opt/nvidia/deepstream/logs/
DeepStream 命令行工具/usr/bin/deepstream-app

参考资源​