前面教大家使用 DeepStream 的 Docker 镜像去创建自己的 Python 工作环境，其好处是即使 Jetson 设备需要使用 JetPack 重新安装系统，我们只要重新启动这个 Docker 容器就可以，无需重复环境配置的工作。

输入源在视频分析中是至关重要的部分，先前的视频文件只是单纯的测试目的，真正实用的部分还是需要接上摄像头或网络的视频流，这样才能应用到实际的工作场景。本文的内容就是带领读者将摄像头与 RTSP 流接入容器内使用，搭建具有实用价值的容器。

1、接入摄像头

第一件任务就是要判断摄像头的种类与数量，用最简单的 “ls /dev/video*” 指令并不能分辨其种类，因此最好的方法还是使用 v4l2 工具。请先执行以下指令安装这个工具：

安装好之后，请执行以下指令：

如果检测到以下 “imx219” 之类的信息，表示这个摄像头为 CSI 类型：

如果检测到以下 “USB Camera” 信息的，就表示为 USB 摄像头：

在 Jetson Orin 开发套件的 USB 摄像头都会占用 2 个 video 口，例如上图中的一台 USB 摄像头占用 video0 与 video1 两个端口，但实际能调用作为输入功能的是第一个 video0 的编号，如果设备上有多个摄像头的时候，就需要特别注意这些细节。

由于 CSI 摄像头与 USB 摄像头的调用方式不同，因此在创建 Docker 容器时，需要使用以下两种不同的映射方式将设备指到容器内使用：

CSI 摄像头：使用 “-v  /tmp/argus_socket:/tmp/argus_socket” 方式进行映射；

USB 摄像头：使用 “--device /dev/video” 方式进行映射，如果有多个 USB 摄像头则可以使用 “--device /dev/video --device /dev/video ...” 方式添加到容器内。

这些摄像头加到容器之后，会发现容器内的编号与容器外是对应的，例如原本 video0 与 video2 两个 USB 摄像头，进到容器之后同样为 video0 与 video2 的编号。

由于 Jetson Orin 开发套件的 CSI 摄像头比较特殊，因此这里使用两个 USB 摄像头来做演示，并以 nvcr.io/nvidia/deepstream-l4t:6.1-samples 镜像来创建执行容器，如果您按照前面文章将 samples 内容复制到容器外的话，请执行以下指令：

现在进入容器后先检查摄像头数量，请执行以下指令：

会看到如下的信息，表示有两个 USB 摄像头：

这样就能在容器内调用摄像头来进行工作。

2、执行容器内 deepstream-app 调用 USB 摄像头

在容器内用 deepstream-app 进行演示，使用 samples/config/deepstream-app 下的 source1_usb_dec_infer_resnet_int8.txt 配置文件，不过需要对配置文件进行以下的修改：

将 [tiled-display] 设置组的 columns 设为 2，配合两个摄像头的显示；

确认 [source0] 设置组最后的 camera-v4l2-dev-node 设为 0；

将 [source0] 设置组复制一份为 [source1]，将 camera-v4l2-dev-node 设为 2；

将 [sink0] 设置组的 type 设为 2。

主要修改部分如下：

修改完后，就在容器内执行以下指令：

就应该能看到显示两个摄像头的画面。

3、执行容器内 Python 调用 USB 摄像头范例

如果您已经按照前面文章创建支持 Python 开发环境的 DeepStream 容器，现在就可以用前面存好的 deepstream-l4t:6.1-python 镜像创建 ds_python 容器，如果还没有创建好的话，可参考上一篇文章中去调试 Python 执行环境。

现在执行以下指令，使用 deepstream-l4t:6.1-python 镜像创建可执行 Python 范例的容器：

进入容器后，先使用以下指令检查摄像头是否完成连接：

如果看到如下的信息，表示有两个 USB 摄像头：

现在使用 Python 范例的 deepstream-test1-usbcam 项目来执行 USB 摄像头的测试，请执行以下指令：

这样就能在容器内调用 USB 摄像头。