Intel® Deep Learning Streamer Pipeline Server Docker镜像文档

镜像概述与主要用途

Intel® Deep Learning Streamer Pipeline Server (DL Streamer Pipeline Server) 是一款基于Python的可互操作容器化微服务，旨在简化视频分析管道的开发与部署。该镜像构建于GStreamer和Deep Learning Streamer (DL Streamer)之上，提供视频摄入和深度学***推理功能，支持将视频流转化为有价值的业务洞察。

核心功能与特性

视频摄入能力：支持多种视频流输入，实现高效的视频数据采集与预处理。
深度学推理集成**：基于DL Streamer提供强大的深度学**推理功能，支持各类预训练模型部署。
GStreamer媒体处理：依托GStreamer框架，提供灵活的媒体处理管道，支持视频编解码、滤波等操作。
容器化微服务设计：采用容器化架构，便于快速部署、扩展及跨环境迁移，简化微服务集成。
多任务算法支持：内置视频分析核心算法，可执行目标检测、分类、识别、计数及跟踪等任务。

使用场景与适用范围

适用于需要对视频流进行实时分析与洞察提取的各类业务场景，包括但不限于：

***健康：***影像分析、患者活动监测、手术室流程优化。
零售行业：顾客行为分析、货架商品识别与计数、客流统计。
娱乐领域：内容自动标签生成、用户观看行为分析、视频内容审核。
工业制造：生产线设备状态监控、产品质量检测、员工安全合规检查。

使用方法与配置说明

部署方式

Docker Compose部署

详细部署步骤请参考***文档：DL Streamer Pipeline Server Docker Compose部署指南

示例docker-compose.yml（参考*配置）**：

yaml
version: '3'
services:
  dlstreamer-pipeline-server:
    image: intel/dlstreamer-pipeline-server:<version>  # 替换为具体版本（如3.1.0）
    container_name: dlstreamer-pipeline-server
    ports:
      - "8080:8080"  # 默认服务端口
    volumes:
      - ./pipelines:/app/pipelines  # 挂载自定义管道配置文件
      - ./models:/app/models        # 挂载深度学***模型
    environment:
      - LOG_LEVEL=info              # 日志级别（debug/info/warn/error）
      - PIPELINE_WORKERS=4          # 管道工作线程数
    restart: unless-stopped

Kubernetes部署

通过Helm Charts部署，详细步骤请参考***文档：DL Streamer Pipeline Server Kubernetes部署指南

配置说明

环境变量：
- LOG_LEVEL：日志输出级别，可选值：debug、info、warn、error，默认info。
- PIPELINE_WORKERS：并行处理管道的工作线程数，根据硬件资源调整，默认4。
- 更多配置参数请参考***文档中的环境变量说明。
挂载卷：
- 管道配置文件：通过/app/pipelines挂载自定义视频分析管道配置（JSON/YAML格式）。
- 模型文件：通过/app/models挂载深度学***模型（如TensorFlow、PyTorch格式），需与管道配置中的模型路径对应。