deepstream

DeepStream Single-View 3D Tracking在视频分析应用中，传统多目标跟踪通常工作在 2D 图像平面上：检测器输出 bounding box，tracker 负责在连续帧之间维持稳定的 object ID。这种方式在简单场景中效果很好，但在零售、仓库、交通等真实环境中，经常会遇到遮挡、人体只露出上半身、检测框突然变小或偏移的问题。检测框一旦不稳定，tracker 就容易发生 ID switch 或 track 丢失。

DeepStream9.0 service-makerservice-maker在前几个版本就推出了，DeepStream9.0做了增强：Added Pyservice maker support for Smart-Recording（就是实时录制码流）

DeepStream9.0 Smart Recording在视频分析系统里，“录制”看起来很简单：把摄像头流保存成文件就行。但在真实项目中，持续录制往往意味着巨大的存储成本、检索成本和网络压力。

DeepStream9.0 inference_builder在实际部署 AI 模型时，很多团队都会遇到同一个问题：模型本身已经训练好了，但要把它变成一个稳定、可测试、可扩展的推理服务，仍然需要写大量工程代码。

DeepStream9.0 Multi-View 3D TrackingMulti-View 3D Tracking（MV3DT）是在8.0推出来的，9.0对精度做了优化（Accuracy improvements for Reference Apps - MV3DT, MaskTracker, Pose Estimation）。

DeepStream Code AgentDeepStream 9.0 的一个重要变化是：它不只是提供 SDK、插件和示例代码，也开始面向 AI coding agent 提供更结构化的开发路径。换句话说，开发者可以让 Cursor、Claude Code 这类 coding agent 辅助编写 DeepStream 应用，而不是从零手写复杂的 GStreamer pipeline、配置文件和模型接入代码。

Issac sim 做测试视频Issac sim安装这里是安装要求，包含推荐的GPU，和驱动版本。https://docs.isaacsim.omniverse.nvidia.com/5.1.0/installation/requirements.html#system-requirements

DeepStream推理dewarped所有surfaces原视频\opt\nvidia\deepstream\deepstream\samples\streams\sample_cam6.mp4如上图所示，是一个360度的球型视频，DeepStream的nvdewarper插件可以将原视频拆分成多个单独的视频，nvdewarper可以生成最大4个dewarped surfaces.

deepstream读取mp4文件及不同类型视频输入bug解决在deepstream中使用mp4文件，与rtsp类似，使用uridecodebin即可，（可见官方test.py文件）

ubuntu20.04 deepstream 6.3安装1.基础环境gstreamer2.驱动卸载（可选） sudo apt -y --purge remove nvidia* sudo apt -y --purge remove "*nvidia*" sudo apt -y --purge remove "*nvidia*" sudo apt -y --purge remove "*nvidia*" sudo apt -y --purge remove "*cublas*" "cuda*" sudo apt autoremove

deepstream-测试发送AMQP1. 安装库* glib 2.0 ---------- sudo apt-get install libglib2.0 libglib2.0-dev Install rabbitmq-c library -------------------------- sudo apt-get install librabbitmq-dev If you plan to have AMQP broker installed on your local machine -------------------------

我是有底线的