使用DeepStream5.0部署YOLOV3，并实现多路拉流、自定义模型

一、前言

本文介绍基于DeepStream5.0和YoloV3目标检测模型来实现车辆和行人检测的部署过程。在第二部分介绍依赖的环境；第三、四部分介绍YoloV3的样例工程和编译运行过程；第五部分介绍如何实现多路拉流；第六部分介绍如何自定义YOLOV3模型；最后是小结和参考资料。

希望本文尽可能的详细和清晰，让大家在动手尝试过程中少走弯路，一步到位。

二、环境准备

• Cuda10.2
• Jetpack4.4
• Ubuntu18.04
• DeepStream SDK >= 5.0
• 硬件设备我这里使用的是NVIDIA Jetson AGX Xavier ，包括Nano、TX2、NX都是可以的。

三、YoloV3工程结构

DeepStream在安装完成后，默认会自动安装到以下目录内：/opt/nvidia/deepstream/deepstream-5.0。

sources目录各个文件夹功能介绍：（如下图所示）

• apps
  • sample_apps：这里官方提供了可直接执行的应用。如deepstream-app, deepstream-test1, deepstream-test2, deepstream-test3, deepstream-test4, deepstream-mrnn-test等20个。
• gst-plugins: NVIDIA deepstream框架提供的gstreamer 插件
• includes: 头文件
• libs: 库文件
• objectDetector_FasterRCNN: 提供了一个FasterRCNN模型的工作示例
• objectDetector_SSD: 提供了一个 SSD模型的工作示例
• objectDetector_Yolo: 提供了一个 YOLO 模型的工作示例
• tools: 日志相关的功能

我们的目的是通过objectDetector_Yolo工程来编译生成动态链接库（一个so文件），并在DeepStream 应用程序中应用YOLOV3来实现目标检测。

在objectDetector_Yolo 目录内，包含三部分内容：

• nvdsinfer_custom_impl_yolo文件夹： yolo实现代码

• 配置文件࿱