# 从dstest2_tracker_config.txt读入，为追踪器逐项设置变量for key in config['tracker']:

时间：2022-03-17 10:57:01 | 来源：行业动态

时间：2022-03-17 10:57:01 来源：行业动态

if key == 'tracker-width' :

tracker_width = config.getint('tracker', key)

tracker.set_property('tracker-width', tracker_width)

if key == 'tracker-height' :

tracker_height = config.getint('tracker', key)

tracker.set_property('tracker-height', tracker_height)

if key == 'gpu-id' :

tracker_gpu_id = config.getint('tracker', key)

tracker.set_property('gpu_id', tracker_gpu_id)

if key == 'll-lib-file' :

tracker_ll_lib_file = config.get('tracker', key)

tracker.set_property('ll-lib-file', tracker_ll_lib_file)

if key == 'll-config-file' :

tracker_ll_config_file = config.get('tracker', key)

tracker.set_property('ll-config-file', tracker_ll_config_file)

if key == 'enable-batch-process' :

tracker_enable_batch_process = config.getint('tracker', key)

tracker.set_property('enable_batch_process', tracker_enable_batch_process)

if key == 'enable-past-frame' :

tracker_enable_past_frame = config.getint('tracker', key)

tracker.set_property('enable_past_frame', tracker_enable_past_frame)

以上就是test2与test1在创建元件与设置参数部分的一些代码修改的部分，至于管道创建与连接的部分，自己就能看懂，这里就不浪费篇幅去说明。

最后还有一部分，就是在函数osd_sink_pad_buffer_probe里面，第126～164行有一代码，不过下面注释内容表明l_user.data与user_meta.user_meta_data在这里并不做处理，我们也试过将if(past_tracking_meta[0]==1):下面整段代码全部删除，并不影响test2范例的执行与输出结果。

• 修改设定文件与执行

最后在执行之前，看一下5个配置文件的内容，发现原本的设定以INT8精度模式进行推理，可以看到文件里的network-mode都设置为1，如果在Jetson Nano（含2GB）上执行时，建议将这些模式都改成FP16模式，除了将所有network-mode都改成2之外，再把每个加速引擎的xxx_int8.engine改成xxx_fp16.engine。

虽然不改变这个设定值也能正常工作，差别就在于如果要重复测试的时候，就得花费更多时间去重新生成xxx_fp16.engine加速引擎，如果改成fp16模式的话，就只需要生成一次就行，第二次再执行的时候就会非常快速启动。

好了，一切就绪之后，就可以体验一下这个多模型合成功能的效果，请执行以下指令：

python3 deepstream_test_2.py ../../../../samples/streams/sample_720p.h264

在屏幕上方会出现该帧的检测结果，不过这里只显示Vehicle与Person两个类别。图片中也能清楚看到每个物件都有个追踪编号，在Car物件上也有颜色、厂牌、车型等信息。

当我们回头再仔细看看这个范例的代码，会发现其实大部分要做的事情，就是把插件元件做合理的安排，然后就是定义、创建、连接，就几乎完成大部分的工作了。《完》