部署YOLOV3到DeepStream5.0平台，并支持多路同步推流及自定义模型部署

一、前言

本文阐述了利用DeepStream5.0平台结合YoloV3目标检测算法进行车辆与行人识别的部署流程。第二章节将说明所需环境配置；第三、四章节则分别讲解YoloV3示例工程的构建及其执行方式；第五章节涉及多路视频流的获取方法；第六章节介绍如何根据需求对YOLOV3模型进行个性化调整；最后部分为总结内容及参考文献。

期望通过本文详尽且明确的说明，使读者在实践过程中能够减少不必要的探索，直接完成相关操作。

二、环境配置与准备工作

• Cuda10.2
  • Jetpack4.4
  • Ubuntu18.04
  • DeepStream SDK ≥ 5.0
  • 在硬件配置方面，我所采用的设备为NVIDIA Jetson AGX Xavier，此外Nano、TX2以及NX系列同样适用。

三、YoloV3工程结构

完成DeepStream的安装流程后，系统将默认将其部署至以下路径：/opt/nvidia/deepstream/deepstream-5.0。

关于sources目录下各子目录的功能说明： （详见下图）

• apps
  • sample_apps：该文件夹中包含了官方提供的可以直接运行的应用程序，例如deepstream-app、deepstream-test1、deepstrea