上一篇文章为大家深入地讲解了 videoSource() 这个非常强大的输入源处理模块，本文的重点将聚焦在 videoOutput() 这个输出标的处理模块。
videoOutput() 与 videoSource() 几乎具备一致的特性。这里直接列出了 videoOutput() 所支持的输出种类与媒体格式：
- 支持 5 种输出方式：
显示器：“display://0”
RTP 视频流：“rtp://<remote_ip>:1234”
视频文件：“完整文件名”，例如 “input.mp4”
图像文件：“完整文件名”，例如 “room_0.jpg”
文件夹：“完整文件夹路径”，当识别到输出类型为“文件夹”时，就会按照流水号递增方式生成文件名 - 支持 4 种视频输出格式：MKV、MP4、AVI 与 FLV
- 支持 5 种媒体输出格式：H.264、H.265、VP8、VP9 与 MJPEG
- 支持 4 种图像格式：JPG、PNG、TGA 与 BMP
- 自动根据数据源，调用合适的 NVDEC 解码功能
- 调用 CUDA 核处理大部分基础图像处理任务
我们在前面已经熟悉了将结果输出到显示器上的方式，接下来就来体验其他几种输出方式，这对于将来开发边缘应用是非常有帮助的。要知道绝大部分的边缘计算场景，都是不能在设备上直接连上显示器的，那么此时如何观看该设备上所监控到的视频内容呢？通常就是将输入源所获取的数据，做完深度学习推理识别之后的结果，做以下两种处理方式：
- 在当地存成视频，然后批次往管理服务区发送，再删除该视频，以保留空间。
- 将视频流直接转向到其他设备上进行显示。
至于使用哪种方式，必须根据实际场景而定。而本文的重点就是带着大家，对这两种用法进行试验，并借此学会这些使用方法。
我们还是用 10lines.py 代码为基础来进行修改，不过为了节省测试时间，这里会将深度学习推理计算的部分省略掉，只保留 videoSource() 与 videoOutput() 这两部分的代码。修改后的内容如下：
这个 6 行代码，让人看起来非常轻松，却又支持了绝大部分常用的输入、输出形态与格式。
接下来的重点，就是将代码内的 INPUT 与 OUTPUT 做有效的置换，试试以下几种组合状况：
- 从 CSI 摄像头读入，然后输出存放至 csi.mp4 视频文件，这个相对直观，因此不多做说明。在观察 jetson-stats 时，若输出为视频文件，NVENC 编码器的功能就启动了。
- 用 VisionWorks 的范例视频 signs.avi 作为输入，输出成个别帧图像到 OUTPUT 目录里。视频长度为 22 秒，输出后生成 44 张图像，就是每 0.5 秒生成一张图像，不过实际生成的数量并不一定，与其他相关参数也有关。
- 这个组合是本文的重点实验，因为 RTP 视频流转向的实用性非常高，操作较为复杂，必须在发送端与接收端之间进行配合，因此需要花点时间说明并演示。
接下来就进行 RTP 视频流转向的示范步骤：
设备：一台 Jetson Nano 担任 “发送端”，另外需要一台设备执行 “接受端”，这个可以是另一台Jetson设备，也可以是 Windows、MAC 或 Ubuntu 操作系统的 x86电脑。
网络：本实验的发送端与接收端设备，都在内网中的同一个网段。这里的实验用 MicroUSB 线连接 Jetson Nano 2GB 与运行 Ubuntu 操作系统的 x86 电脑，此时Jetson Nano 的 IP 是 192.168.55.1，x86 电脑的 IP 是192.168.55.100，因此就需要将代码中 OUTPUT 部分修改成 “rtp://192.168.55.100:1234”，修改后的完整代码如下：
执行步骤：
- 在发送端上执行以下指令：
执行过程中会出现如下截屏的摄像头信息内容：
最后停在下面截屏的地方，发送端到这边就不用再去动这个指令框了。
- 在接收端执行接收的动作：
(1) 在 Ubuntu 操作系统下，可执行以下指令便能直接接收视频流：
正确执行指令后，接收端设备的命令行会停留在如下图的状态：
并且还会跳出一个显示框，需要核对一下显示的内容与 Jetson Nano 上的摄像头是否一致。
发送端与接收端之间的显示，是否出现时间差？取决于网络的质量！
(2) 用 VLC 播放软件，适用于 Windows、Mac、Ubuntu 操作系统：
首先得在接收设备上安装 VLC 播放软件，然后用文字编辑器生成一个 “.sdp” 文件，例如 “rdp.sdp”，里面的内容如下：
同样先在发送端执行 10lines.py 这个代码，然后在接收端用 VLC 播放器打开 rdp.sdp，就可以在 VLC 播放器上显示了。
这样就能很轻松地将 Jetson Nano 2GB 上的摄像头看到的画面，直接透过 RTP 转到 PC 上去呈现。
这时候，如果你打开 Jetson Nano 2GB 的 jetson-stats 监控软件，也会看到左下角“NVDEC”处于执行的状态。
如果我们这时候将 “物件检测” 的推理识别功能打开的话，会出现怎样的结果呢？先将前面代码中的 “#” 部分取消，开启对象检测的功能，执行一次看看就知道，是否如下图一样会出现检测的结果。
