WordDoc/miva/miva.md

miva

项目应用场景为地铁列车上,考虑到硬件统合性能和功耗限制等因素, 选择的是Jetson Xavire NX, 软件则基于Deepstream进行开发.

1.软件仓库

统一采用docker镜像 + docker-compose的部署方式.

仓库	地址
部署仓库	http://git.siwill.com/lishengyin/MIVA.git
软件仓库	http://git.siwill.com/lishengyin/MIVAS.git

2.流程说明

miva主要与Netty(本地应用后端)、 PIS系统进行通信, 大致的流程为, 客流密度分析系统结束到关门信号5s后, 至多同时分析12路摄像头, 规定时间内得出结果, 统合运算后将客流密数据传输给PIS系统.

3.配置说明

配置方面主要包含config.ini、config_infer_primary_yoloV5.txt两个文件.

config.ini配置说明

[Netty]
Netty_ip = 47.112.106.146
Netty_port = 94
Netty_IdName = Netty

[PIS]
PIS_ip = 192.168.31.95
PIS_port = 9082
PIS_IdName = PIS

[MySql]
sql_ip = 127.0.0.1
sql_port = 3306
user = root
password = 123456
character = utf8mb4

[USER]
device_id = 1

config_infer_primary_yoloV5.txt

请参考gsd.md

4.部署框架

主要使用Deepstream, 自行学习, 使用场景上并未要求实时处理, 因为Jetson系列CPU和GPU是内存共享的形态, 所以在处理一次数据后就要将一些资源释放掉, 不然内存会一直处于占满的情况, 功耗就不符合要求, 核心就在于该释放的资源一定要释放掉.

5.参考资料

• GStreamer系列 - 基本介绍
• NVIDIA查看CPU、内存、GPU、DLA使用情况
• DeepStream介绍
• DeepStream: 新一代智能城市视频分析
• 初步学习DeepStream
• 使用Deepstream部署你的YOLOV4模型
• NVIDIA DeepStream笔记(一)
• 下面是在deepstream使用过程中碰到的一些坑
• 在Jetson Nano上进行视频分析的DeepStream入门
• deepstream数据流分析工具包安装和使用
• 英伟达DeepStream学习笔记1——概述
• DeepStream Yolov5
• DeepStream5.0系列之环境安装
• NVIDIA JETSON TX2 使用Jetpack4.4刷机指南
• TX2开发之刷机JetPack4.4

PIS Test String: (Close door) fd0301c0a80194003001020304011417030f01020301010102030405060708090a0b0c00000000000000000000fffffe