本文主要是介绍【视觉检测C++接口实现】vs2019使用动态链接库yolo_cpp_dll调用yolov3，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

目录

0. 前言

1. 准备工作

1.1 yolo_cpp_dll.dll和yolo_cpp_dll.lib的获取

1.2 pthreadGC2.dll和pthreadVC2.dll的获取

1.3 yolo_v2_class.hpp的获取

1.4 设置opencv环境变量（若已经设置可忽略）

2. C++新项目的创建

2.1 创建一个C++新项目（略）

2.2 在新项目文件夹内创建两个新文件夹

2.3 在新项目文件夹内（这里是project1）放好提前准备的链接库等文件

2.4 编写源代码

3. 测试结果

4. 出现的问题

5. 后续目标

0. 前言

在正文之前，默认大家完成了win10系统下，基于darknet框架的yolov3目标检测。若对此部分有疑问，可以参考这篇博文，讲的非常好！

1. 准备工作

当完成了基本工作（前言所述内容）后，准备好以下文件：

1.1 yolo_cpp_dll.dll和yolo_cpp_dll.lib的获取

①在D:\darknet-master\darknet-master\build\darknet路径下，修改yolo_cpp_dll.vcxproj文件（以记事本打开，将CUDA 11.1全部修改为自己电脑的CUDA版本，我的是CUDA 10.1）

②以vs2019打开yolo_cpp_dll.sln进行编译生成

③继续打开darknet下的x64文件夹，会发现此时在x64文件夹下生成了yolo_cpp_dll.dll和yolo_cpp_dll.lib

1.2 pthreadGC2.dll和pthreadVC2.dll的获取

在1.1步骤之前，在x64文件夹下同样是直接存在的，所以不用再获取了（参考上张图片）。

1.3 yolo_v2_class.hpp的获取

在D:\darknet-master\darknet-master\include的路径下，直接获取

1.4 设置opencv环境变量（若已经设置可忽略）

双击系统变量—>Path，新建两个opencv环境变量。

2. C++新项目的创建

2.1 创建一个C++新项目（略）

2.2 在新项目文件夹内创建两个新文件夹

分别是params（存放cfg、names等文件）、test（存放测试用的jpg图片和avi视频等文件）

在params中，存放coco.names、yolov3.cfg、yolov3.weights，这些文件都可以直接在darknet/x64找到

 在test中，存放一些测试图片，这里就不展示了，想检测什么放什么。

2.3 在新项目文件夹内（这里是project1）放好提前准备的链接库等文件

2.4 编写源代码

若以上步骤严格执行，这里是可以不用做大的修改，只需要在opencv链接库哪一行，将opencv修改为自己下载的opencv版本号即可；另外，test文件夹内还有有检测图片，我这里是dog.jpg。

例如：我这里是opencv3.4.6版本，我用opencv_world346.lib就可以。

#include <iostream>

#ifdef _WIN32
#define OPENCV
#define GPU
#endif

#include "yolo_v2_class.hpp" //引用动态链接库中的头文件
#include <opencv2/opencv.hpp>
#include "opencv2/highgui/highgui.hpp"

#pragma comment(lib, "opencv_world346.lib") //引入OpenCV链接库
#pragma comment(lib, "yolo_cpp_dll.lib") //引入YOLO动态链接库

//以下两段代码来自yolo_console_dll.sln
void draw_boxes(cv::Mat mat_img, std::vector<bbox_t> result_vec, std::vector<std::string> obj_names,
	int current_det_fps = -1, int current_cap_fps = -1)
{
	int const colors[6][3] = { { 1,0,1 },{ 0,0,1 },{ 0,1,1 },{ 0,1,0 },{ 1,1,0 },{ 1,0,0 } };

	for (auto& i : result_vec) {
		cv::Scalar color = obj_id_to_color(i.obj_id);
		cv::rectangle(mat_img, cv::Rect(i.x, i.y, i.w, i.h), color, 2);
		if (obj_names.size() > i.obj_id) {
			std::string obj_name = obj_names[i.obj_id];
			if (i.track_id > 0) obj_name += " - " + std::to_string(i.track_id);
			cv::Size const text_size = getTextSize(obj_name, cv::FONT_HERSHEY_COMPLEX_SMALL, 1.2, 2, 0);
			int const max_width = (text_size.width > i.w + 2) ? text_size.width : (i.w + 2);
			cv::rectangle(mat_img, cv::Point2f(std::max((int)i.x - 1, 0), std::max((int)i.y - 30, 0)),
				cv::Point2f(std::min((int)i.x + max_width, mat_img.cols - 1), std::min((int)i.y, mat_img.rows - 1)),
				color, CV_FILLED, 8, 0);
			putText(mat_img, obj_name, cv::Point2f(i.x, i.y - 10), cv::FONT_HERSHEY_COMPLEX_SMALL, 1.2, cv::Scalar(0, 0, 0), 2);
		}
	}
	if (current_det_fps >= 0 && current_cap_fps >= 0) {
		std::string fps_str = "FPS detection: " + std::to_string(current_det_fps) + "   FPS capture: " + std::to_string(current_cap_fps);
		putText(mat_img, fps_str, cv::Point2f(10, 20), cv::FONT_HERSHEY_COMPLEX_SMALL, 1.2, cv::Scalar(50, 255, 0), 2);
	}
}

std::vector<std::string> objects_names_from_file(std::string const filename) {
	std::ifstream file(filename);
	std::vector<std::string> file_lines;
	if (!file.is_open()) return file_lines;
	for (std::string line; getline(file, line);) file_lines.push_back(line);
	std::cout << "object names loaded \n";
	return file_lines;
}

int main()
{
	std::string names_file = "C:\\Users\\zzp\\Desktop\\Project1\\params\\coco.names";
	std::string cfg_file = "C:\\Users\\zzp\\Desktop\\Project1\\params\\yolov3.cfg";
	std::string weights_file = "C:\\Users\\zzp\\Desktop\\Project1\\params\\yolov3.weights";
	Detector detector(cfg_file, weights_file, 0); //初始化检测器
	//std::vector<std::string> obj_names = objects_names_from_file(names_file); //调用获得分类对象名称
	//或者使用以下四行代码也可实现读入分类对象文件
	std::vector<std::string> obj_names;
	std::ifstream ifs(names_file.c_str());
	std::string line;
	while (getline(ifs, line)) obj_names.push_back(line);
	//测试是否成功读入分类对象文件
	for (size_t i = 0; i < obj_names.size(); i++)
	{
		std::cout << obj_names[i] << std::endl;
	}

	cv::VideoCapture capture;
	capture.open("C:\\Users\\zzp\\Desktop\\Project1\\test\\dog.jpg");
	if (!capture.isOpened())
	{
		printf("文件打开失败");
	}
	cv::Mat frame;
	while (true)
	{
		capture >> frame;
		std::vector<bbox_t> result_vec = detector.detect(frame);
		draw_boxes(frame, result_vec, obj_names);
		cv::namedWindow("test", CV_WINDOW_NORMAL);
		cv::imshow("test", frame);
		cv::waitKey(0);
	}
	return 0;
}

3. 测试结果

4. 出现的问题

在测试前，出现了一个问题

 解决办法：完美解决

5. 后续目标

将在QT中进行封装，还在学习QT中……

这篇关于【视觉检测C++接口实现】vs2019使用动态链接库yolo_cpp_dll调用yolov3的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！