基于NVIDIA的deepstream进行串行多任务模型开发，DeepStream 多模型组合检测（精）

1，需求描述：

本文是基于deepstream-app；同理可以看deepstream-test2的源码
关于串行多模型配置的说明，参见文章：deepstream的nvinfer属性功能介绍
如果你有这样的需求，例如在进行目标识别，我们识别出一个车，但是还想要识别出这个车是颜色，什么厂家的，那这个时候，我们就需要进行串行任务执行了。
“单一检测器（detector）”检测出来的物件是离散型的内容，例如车、人、脚踏车这些各自独立的信息。有没有什么方法能够实现“组合信息”呢？例如“黑色/大众/SUV 车”！
DeepStream 有一个非常强大的功能，就是多模型组合检测的功能，以一个主（Primary）推理引擎（GIE：GPU Inference Engine）去带着多个次（Secondary）推理引擎，就能实现前面所说的功能。

2，功能介绍：

Primary_Detector：作为项目的主检测器，这是用 Caffe 框架以 ResNet10 网络所训练的 4 类检测器，能检测“Car”、“Bicycle”、“Person”、“Roadsign”四种物件，这个数据可以在目录下的 labels.txt 中找到。
Primary_Detector_Nano：将Primary_Detector里的模型，针对 Jetson Nano（含 2