Análise de Vídeo com Múltiplos Fluxos — DeepStream 9.1

O DeepStream é o framework da NVIDIA para construir pipelines acelerados de análise de vídeo inteligente (IVA), e o DeepStream 9.1 vem com o JetPack 7.2 no Jetson Orin. Este tutorial segue a documentação oficial de instalação e de início rápido da NVIDIA; todos os comandos abaixo são retirados dessas páginas (ou resumidos diretamente delas).

Pareamento de versões: DeepStream 9.1 ↔ JetPack 7.2 GA ↔ L4T 39.2 ↔ CUDA 13.2 ↔ TensorRT 10.16.1.7 ↔ Ubuntu 24.04 ↔ GStreamer 1.24.2 (conforme a tabela de compatibilidade da NVIDIA).

1. Instalação

A NVIDIA oferece quatro métodos de instalação no Jetson; a nota oficial recomenda Docker para novos usuários (o mais rápido, sem dependências):

• Método 4 — Docker (recomendado para novos usuários): use os contêineres NGC DeepStream — consulte Contêineres Docker.
• Método 1 — SDK Manager: selecione DeepStreamSDK em "Additional SDKs" junto com os componentes do JetPack 7.2 GA.
• Método 2 — pacote tar: baixe deepstream_sdk_v9.1.0_jetson.tbz2 (de NVIDIA/DeepStream releases) e, em seguida:

  sudo tar -xvf deepstream_sdk_v9.1.0_jetson.tbz2 -C /
  cd /opt/nvidia/deepstream/deepstream-9.1
  sudo ./install.sh
  sudo ldconfig

• Método 3 — pacote Debian: instale deepstream-9.1_9.1.0-1_arm64.deb com sudo apt-get install ./deepstream-9.1_9.1.0-1_arm64.deb.

Pacotes de pré-requisitos (lista oficial de dependências para a instalação nativa):

sudo apt install \
libssl3 libssl-dev libcurl4-openssl-dev \
libgstreamer1.0-0 gstreamer1.0-tools gstreamer1.0-plugins-good \
gstreamer1.0-plugins-bad gstreamer1.0-plugins-ugly gstreamer1.0-libav \
libgstreamer-plugins-base1.0-dev libgstrtspserver-1.0-0 \
libjansson4 libyaml-cpp-dev libmosquitto1

Nota da Juxi: se você encontrar o problema de RTSP documentado (aplicativos travados em EOS com fluxos RTSP), execute o script update_rtpmanager.sh em /opt/nvidia/deepstream/deepstream/ após instalar os pacotes acima.

2. Aumente os clocks (antes de executar qualquer coisa)

sudo nvpmodel -m 0
sudo jetson_clocks

A NVIDIA observa uma exceção: o Jetson Orin Nano usa -m 2 para MAXN SUPER; todos os outros módulos Orin (incluindo AGX Orin) usam -m 0. Execute esses comandos antes de executar os aplicativos do DeepStream.

3. Execute o aplicativo de referência

cd /opt/nvidia/deepstream/deepstream-9.1/samples/configs/deepstream-app
deepstream-app -c source30_1080p_dec_infer-resnet_tiled_display.txt

O que esperar (conforme a NVIDIA): uma exibição em mosaico de 30 fluxos de 1080p simulados com inferência ResNet, e métricas de desempenho — ~30 FPS para esta configuração — impressas no terminal. Clique em um bloco para ampliar; clique com o botão direito para voltar à exibição em mosaico.

Arquivos de configuração úteis para explorar (todos nesse diretório):

Configuração	Caso de uso
source30_1080p_dec_infer-resnet_tiled_display.txt	Teste de desempenho com 30 fluxos
source4_1080p_dec_infer-resnet_tracker_sgie_tiled_display.txt	Rastreamento + inferência secundária
source1_usb_dec_infer_resnet.txt	Uma única câmera USB
source1_csi_dec_infer_resnet.txt · source2_csi_usb_dec_infer_resnet.txt	Configurações com câmera CSI (o suporte do driver depende da sua câmera)
source2_1080p_dec_infer-resnet_demux.txt	Exemplo de demux

Notas do início rápido oficial:

• A primeira execução com um novo modelo leva alguns minutos, enquanto o motor TensorRT é gerado; as execuções posteriores o reutilizam.
• Se os elementos do GStreamer falharem ao inicializar, limpe o cache: rm ${HOME}/.cache/gstreamer-1.0/registry.aarch64.bin
• Operação headless (sem monitor): o sink EGL padrão precisa de um monitor. As configurações suportam, em vez disso, um sink de saída RTSP (consulte o grupo [sink2] na configuração de 30 fluxos) — transmita os resultados para outra máquina.
• Todos os aplicativos de exemplo pré-compilados ficam em /opt/nvidia/deepstream/deepstream-9.1/samples/ — cada um tem um README.

4. Novidades em torno do DeepStream 9.1 no JetPack 7.2

• Pipelines assistidos por agentes: a NVIDIA documenta um DeepStream Coding Agent (suporte a agentes de IA para construir pipelines) — documentação · GitHub.
• LLM/VLM no pipeline: os aplicativos de referência incluem um deepstream-vllm-plugin para combinar pipelines de vídeo com raciocínio de grandes modelos — consulte a documentação. Para inferência de modelos no próprio dispositivo fora do DeepStream, consulte Inferência de LLM local.
• Triton no dispositivo: para executar o Triton Inference Server nativamente (sem Docker), execute sudo ./triton_backend_setup.sh no diretório de exemplos (instala o Triton 2.68.0 para Jetson).

Solução de problemas e leitura adicional

• Solução de problemas e FAQ do DeepStream
• Ajuste de desempenho — necessário quando você for além das configurações de referência
• Configurações de exemplo explicadas
• Problemas no nível do sistema (tela, energia, armazenamento): consulte Solução de problemas

Fontes

• Guia de instalação do DeepStream (verificado em 2026-09-24)
• Guia de início rápido do DeepStream (verificado em 2026-09-24)
• Página de downloads do JetPack 7.2.1 (verificado em 2026-09-24) — ⚠️ sua tabela de componentes está defasada em algumas linhas; para as versões realmente instaladas, consulte Downloads

Status: rascunho, pendente de revisão por cheny. Baseado na documentação oficial da NVIDIA na data indicada; ainda não verificado em hardware físico pela Juxi Technology.

---

NVIDIA® e Jetson™ são marcas registradas da NVIDIA Corporation. Esta página é publicada pela Juxi Technology e não é uma publicação da NVIDIA.