DeepStream 流水线开发

要解决什么问题

DeepStream 把 GStreamer 插件、TensorRT 推理和 NVMM 零拷贝串成一条视频分析流水线，但属性名、Pad 模板、配置段命名和 Python 元数据 API 与直觉不一致。动态 ONNX、Ultralytics YOLO 不同代次的输出形状、Tee 拆分后的 async=0、venv 里缺失 pyservicemaker 等问题，往往在运行时才以 PAUSED 卡住、Probe 失败或框位倾斜等形式暴露。

技能如何工作

激活后在生成代码之前先阅读技能附带的参考文档，而不是凭记忆拼插件。技能给出 SDK 版本与典型阶段（Source → nvstreammux → nvinfer → OSD/Sink），并强调最小流水线：跟踪器、分析、Kafka 等仅在用户明确请求时加入。

核心约定包括：

• 默认用 nvurisrcbin 处理本地文件、HTTP 与 RTSP；RTSP 需 live-source=1 与 sink sync=0
• 元数据用 .frame_items / .object_items 迭代，不要对迭代器使用 len()
• Pad 请求使用 "sink_%u" 模板
• nvinfer 配置里段名必须是 property；动态 ONNX 需 infer-dims=C;H;W
• YOLO v8/v11 与 v10/v26+ 的 cluster-mode 必须与输出张量形状匹配

文档索引覆盖插件属性、Service Maker API、用例流水线、Kafka、nvinfer/nvtracker 配置与排错表。

适用边界

技能面向 Ubuntu 24.04 上 DeepStream 栈（文档中列出的 GStreamer/CUDA/TensorRT 版本）。它不替代官方安装文档；复杂自定义协议适配、容器镜像细节需对照 references/ 中对应章节。用户未要求的 GIE、跟踪或消息代理不应默认写入流水线。