[C++]在windows基于C++编程署yolov8的openvino目标检测模型cmake项目部演示源码

在#%#$#%@%@%$#%$#%#%#$%@_0f4137ed1502b5045d6083aa258b5c++42平台上，利用c++结合openvino部署yolov8目标检测模型，可以通过cmake构建项目实现高效推理。yolov8作为yolo系列的较新版本，在检测精度与推理速度方面均有显著提升。openvino（open visual inference and neural network optimization）是英特尔推出的深度学习推理优化工具包，专为提升其硬件上的ai模型性能而设计，支持模型加速、低延迟推理及跨设备部署。

首先需搭建开发环境，安装必要的组件：OpenVINO Toolkit、CMake、OpenCV以及C++编译器（如MSVC或GCC）。随后从GitHub获取YOLOv8的OpenVINO C++部署示例项目源码。

接着，将训练好的YOLOv8 PyTorch模型转换为OpenVINO支持的中间表示（IR）格式。该过程依赖于OpenVINO提供的Model Optimizer工具，命令如下：

yolo export model=best.pt format=openvino

模型转换成功后，使用CMake对项目进行编译。需要修改

CMakeLists.txt

bin

编译生成可执行文件后，即可运行目标检测程序。程序会加载IR模型，对图像或视频流进行实时推理。借助OpenVINO的硬件加速能力，模型在Intel CPU上能够实现高效的推理性能，满足实际应用中的实时性需求。

立即学习“C++免费学习笔记（深入）”；

官方OpenVINO提供了详尽的文档和示例代码，涵盖模型优化、推理引擎调用、后处理实现等全流程，开发者可参考这些资源快速完成YOLOv8模型的C++部署。

【测试环境配置】

• Visual Studio 2019
• CMake 3.24.3
• OpenCV 4.8.0
• OpenVINO Toolkit：w_openvino_toolkit_windows_2024.3.0.16041.1e3b88e4e3f_x86_64

【效果展示】

芦笋演示

一键出成片的录屏演示软件，专为制作产品演示、教学课程和使用教程而设计。

34

查看详情

【部分核心代码】

#include <iostream>
#include "Yolov8OpenvinoDet.h"
#include "opencv2/opencv.hpp"
#include <chrono>
<p>using namespace std;
using namespace cv;</p><p>void video_demo(std::string videopath, Yolov8OpenvinoDet& det)
{
cv::VideoCapture cap(videopath);
if (!cap.isOpened())
{
std::cerr << "无法打开视频文件或摄像头！" << std::endl;
return;
}</p><pre class="brush:php;toolbar:false;"><pre class="brush:php;toolbar:false;">int frameCount = 0;
auto startTime = std::chrono::high_resolution_clock::now();

cv::Mat frame;
while (cap.read(frame))
{
    frameCount++;
    if (frame.empty()) break;

    auto results = det.Inference(frame);
    cv::Mat img = det.DrawImage(results, frame);

    auto currentTime = std::chrono::high_resolution_clock::now();
    auto elapsed = std::chrono::duration_cast<std::chrono::seconds>(currentTime - startTime);

    if (elapsed.count() >= 2)
    {
        double fps = static_cast<double>(frameCount) / elapsed.count();
        std::cout << "FPS: " << fps << std::endl;

        startTime = currentTime;
        frameCount = 0;
    }

    cv::imshow("YOLOv8 Detection", img);
    if (cv::waitKey(1) == 27) break; // ESC退出
}

cap.release();
cv::destroyAllWindows();

}

【部署步骤】

1. 下载OpenCV与OpenVINO的C++开发库（版本建议与测试环境一致），具体下载地址可在

   CMakeLists.txt

   登录后复制
   中查看，也可使用较新兼容版本。
2. 将OpenCV和OpenVINO的

   bin

   登录后复制
   目录添加到系统的PATH环境变量中。
3. 修改

   CMakeLists.txt

   登录后复制
   中的路径配置，使其指向本地的OpenCV和OpenVINO安装目录。
4. 训练自己的YOLOv8模型，获得

   best.pt

   登录后复制
   文件，并使用以下命令导出为OpenVINO格式：

   yolo export model=best.pt format=openvino

   登录后复制
5. 修改

   main.cpp

   登录后复制
   中的视频输入路径和模型路径，确保指向正确的

   .xml

   登录后复制
   和

   .bin

   登录后复制
   模型文件。
6. 使用CMake重新构建项目，生成可执行文件（.exe），运行后即可弹出窗口显示实时视频检测效果。

【视频演示】

B站视频链接：https://www.php.cn/link/6e2559b077897e54a426cbdbd0bb05cc
标题：在Windows基于C++部署YOLOv8的OpenVINO模型｜CMake项目演示源码
播放量：6｜弹幕：0｜点赞：0｜投币：0｜收藏：0｜转发：0
作者：未来自主研究中心
相关推荐视频包括：

• 使用C#部署YOLOv8的TensorRT模型
• LightRAG vs GraphRAG 对比分析
• C++纯OpenCV部署YOLOv8 OBB旋转框检测
• C# WinForm部署YOLOv8 ONNX实例分割
• YOLOv8 + ByteTrack 目标追踪实现（C++/C#）
• 基于YOLOv8的道路交通事故检测系统（C# + ONNX + GUI）
• RVC变声器双声线女声模型免费分享

【源码下载地址】

https://www.php.cn/link/729fe11bfd2eab32e7613461d2f5ea74

以上就是[C++]在windows基于C++编程署yolov8的openvino目标检测模型cmake项目部演示源码的详细内容，更多请关注php中文网其它相关文章！