引言

        在AIoT与智能视频分析的时代，NVIDIA DeepStream SDK无疑是开发者手中最强大的工具之一。它让我们能够高效地构建高性能的视觉AI应用，处理复杂的视频流数据。但在实际开发中，其复杂的管道和配置常常让人望而却步。本文旨在分享几个DeepStream的核心用法与实战技巧，希望能帮助你快速上手，解决开发中遇到的常见问题，通过deepstream6.3在Jetson板端进行yolov8的模型推理。

一、环境安装

1. yolov8环境安装

代码地址：GitHub - ultralytics/ultralytics: Ultralytics YOLO 🚀

2. Jetson板端环境

3. Deepstream安装

# 更新软件包列表
sudo apt update

# 搜索可用的 DeepStream 包
apt search deepstream

# 通常会看到类似以下的包（版本号可能不同）
# deepstream-6.3

# 安装 DeepStream（如果未预装或需要重新安装）
sudo apt install nvidia-deepstream

# 或者安装特定版本，例如 DeepStream 6.5
sudo apt install deepstream-6.3

二、DeepStream-YOLO下载

代码地址：https://github.com/tangjunjun966/DeepStream-Yolo-master

三、wts与cfg生成

进入DeepStream-YOLO/utils中，将gen_wts_yolov8.py脚本复制到yolov8的文件夹中。运行该脚本，如下图所示：

# 直接运行脚本，-w后改为自己权重文件所在路径
python gen_wts_yoloV8.py -w yolov8n.pt

成功生成wts和cfg文件

四、libnvdsinfer_custom_impl_Yolo.so库生成

在DeepStream-Yolo路径下执行以下命令：

sudo CUDA_VER=11.4 make -C nvdsinfer_custom_impl_Yolo

编译成功后会出现libnvdsinfer_custom_impl_Yolo.so。

五、修改配置文件

1. 修改配置文件的路径及视频流的输入源（可修改），如下图所示：

2. 修改config_infer_primary_yolov8.txt文件，如下图所示：

3.运行deepstream

deepstream-app -c deepstream_app_config.txt

初次运行时，需要生成engine文件，时间较长，生成的engine文件无需删除，下次运行即可快速编译。检测效果如下图所示：