Windows系统下YOLO动态链接库的封装和调用

Windows10+VS2015+OpenCV3.4.1+CUDA8.0+cuDNN8.0

参考教程 https://blog.csdn.net/stjuliet/article/details/87884976

承接上一篇文章所做工作，这篇文章进一步讲述如何将YOLO封装成动态链接库以方便后续目标检测时直接调用。
关于动态链接库的介绍：
https://www.cnblogs.com/chechen/p/8676226.html
https://www.jianshu.com/p/458f87251b3d?tdsourcetag=s_pctim_aiomsg

step1 运行环境和前期准备

与上一篇文章所需环境完全一致，具体可参考：
https://blog.csdn.net/stjuliet/article/details/87731998

配置opecv3.4.1   cuda8.0以及配套cudnn

step2 编译动态链接库

1、下载Darknet源代码：
https://github.com/AlexeyAB/darknet

2、
(1)下载解压后，进入darknet-master->build->darknet目录：

(2)打开yolo_cpp_dll.vcxproj文件，将具有CUDA的版本改成自己使用的版本（默认为10.0），一共有两处，分别在55行和302行

自己电脑装了cuda10和8,这里用8

(3)打开yolo_cpp_dll.sln文件，在属性管理器中配置包含目录、库目录、附加依赖项（和OpenCV环境配置一样），特别注意要将CUDA设备中的Generation改成自己显卡对应的计算能力（默认添加了35和75两项，可能不是你的显卡的计算能力，可以去英伟达显卡官网查询计算能力：https://developer.nvidia.com/cuda-gpus#collapseOne）
，否则接下来的生成会出错。

(4)分别设置Debug/Release - x64，右键项目->生成，成功后在darknet-master\build\darknet\x64目录下找到生成的yolo_cpp_dll.lib和yolo_cpp_dll.dll两个文件。

step3 调用动态链接库

一、至此所有准备工作已经完成，首先将调用所需的所有文件找出来：
1、动态链接库（均在darknet-master\build\darknet\x64目录下）
(1)yolo_cpp_dll.lib
(2)yolo_cpp_dll.dll
(3)pthreadGC2.dll
(4)pthreadVC2.dll

2、OpenCV库（取决于使用debug还是release模式）
(1)opencv_world340d.dll
(2)opencv_world340.dll

如果是扩展库需要

opencv_aruco341.lib

opencv_bgsegm341.lib

opencv_bioinspired341.lib

opencv_calib3d341.lib

opencv_ccalib341.lib

opencv_core341.lib

opencv_cudaarithm341.lib

opencv_cudabgsegm341.lib

opencv_cudacodec341.lib

opencv_cudafeatures2d341.lib

opencv_cudafilters341.lib

opencv_cudaimgproc341.lib

opencv_cudalegacy341.lib

opencv_cudaobjdetect341.lib

opencv_cudaoptflow341.lib

opencv_cudastereo341.lib

opencv_cudawarping341.lib

opencv_cudev341.lib

opencv_datasets341.lib

opencv_dnn341.lib

opencv_dnn_objdetect341.lib

opencv_dpm341.lib

opencv_face341.lib

opencv_features2d341.lib

opencv_flann341.lib

opencv_fuzzy341.lib

opencv_hfs341.lib

opencv_highgui341.lib

opencv_imgcodecs341.lib

opencv_imgproc341.lib

opencv_img_hash341.lib

opencv_line_descriptor341.lib

opencv_ml341.lib

opencv_objdetect341.lib

opencv_optflow341.lib

opencv_phase_unwrapping341.lib

opencv_photo341.lib

opencv_plot341.lib

opencv_reg341.lib

opencv_rgbd341.lib

opencv_saliency341.lib

opencv_shape341.lib

opencv_stereo341.lib

opencv_stitching341.lib

opencv_structured_light341.lib

opencv_superres341.lib

opencv_surface_matching341.lib

opencv_text341.lib

opencv_tracking341.lib

opencv_video341.lib

opencv_videoio341.lib

opencv_videostab341.lib

opencv_xfeatures2d341.lib

opencv_ximgproc341.lib

opencv_xobjdetect341.lib

opencv_xphoto341.lib

　　

3、YOLO模型文件（第一个文件在darknet-master\build\darknet\x64\data目录下，第二个文件在darknet-master\build\darknet\x64目录下，第三个文件需要自己下载，下载链接见前一篇文章）
(1)coco.names
(2)yolov3.cfg
(3)yolov3.weights

4、头文件
(1)yolo_v2_class.hpp
头文件包含了动态链接库中具体的类的定义，调用时需要引用，这个文件在darknet-master\build\darknet目录下的yolo_console_dll.sln中，将其复制到记事本保存成.hpp文件即可。

二、在VS2015中新建一个空项目，在源文件中添加main.cpp，将第一步中所有文件全部放入与main.cpp同路径的文件夹中，并且放入一个目标检测的测试视频test0.mp4，在main.cpp中添加如下代码：

#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_world340d.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 = "../../yolo权重/coco.names";

	std::string cfg_file = "../../yolo权重/yolov3.cfg";

	std::string weights_file = "../../yolo权重/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("DJI_0002.MP4");

	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(3);

	}

	return 0;

}

　　

工程配置

包含目录

opencv

cuda

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include

F:\dongdong\0tool\navidia_cuda_opencv\opencv3.4.1\include

F:\dongdong\0tool\navidia_cuda_opencv\opencv3.4.1\include\opencv2

F:\dongdong\0tool\navidia_cuda_opencv\opencv3.4.1\include\opencv

　　

库目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

F:\dongdong\0tool\navidia_cuda_opencv\opencv3.4.1\x64\vc14\lib

　　

输入附加依赖项

增加 cuda

cublas.lib

cuda.lib

cudadevrt.lib

cudart.lib

cudart_static.lib

nvcuvid.lib

OpenCL.lib

cudnn.lib

　　增加yolo

yolo_cpp_dll.lib

　　增加opencv

opencv_aruco341.lib

opencv_bgsegm341.lib

opencv_bioinspired341.lib

opencv_calib3d341.lib

opencv_ccalib341.lib

opencv_core341.lib

opencv_cudaarithm341.lib

opencv_cudabgsegm341.lib

opencv_cudacodec341.lib

opencv_cudafeatures2d341.lib

opencv_cudafilters341.lib

opencv_cudaimgproc341.lib

opencv_cudalegacy341.lib

opencv_cudaobjdetect341.lib

opencv_cudaoptflow341.lib

opencv_cudastereo341.lib

opencv_cudawarping341.lib

opencv_cudev341.lib

opencv_datasets341.lib

opencv_dnn341.lib

opencv_dnn_objdetect341.lib

opencv_dpm341.lib

opencv_face341.lib

opencv_features2d341.lib

opencv_flann341.lib

opencv_fuzzy341.lib

opencv_hfs341.lib

opencv_highgui341.lib

opencv_imgcodecs341.lib

opencv_imgproc341.lib

opencv_img_hash341.lib

opencv_line_descriptor341.lib

opencv_ml341.lib

opencv_objdetect341.lib

opencv_optflow341.lib

opencv_phase_unwrapping341.lib

opencv_photo341.lib

opencv_plot341.lib

opencv_reg341.lib

opencv_rgbd341.lib

opencv_saliency341.lib

opencv_shape341.lib

opencv_stereo341.lib

opencv_stitching341.lib

opencv_structured_light341.lib

opencv_superres341.lib

opencv_surface_matching341.lib

opencv_text341.lib

opencv_tracking341.lib

opencv_video341.lib

opencv_videoio341.lib

opencv_videostab341.lib

opencv_xfeatures2d341.lib

opencv_ximgproc341.lib

opencv_xobjdetect341.lib

opencv_xphoto341.lib

　　预处理器

_CRT_SECURE_NO_WARNINGS

_WINSOCK_DEPRECATED_NO_WARNINGS

　　

工程配置完毕

4 配置代码

代码修改：

1包含yolo文件

#include "yolo_v2_class.hpp" //引用动态链接库中的头文件

　　

由于找不到库文件，把文件拷贝到工程main.cpp函数下

2修改权重文件路径

上一层

再上一层

进入

为了省事也可以直接放在工程里同级目录。

运行代码

贴一张原来教程的作者图

main测试代码

、

#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_world340d.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

/*

输入：

cv::Mat mat_img,                          目标图像

std::vector<bbox_t> result_vec,           所有目标框信息   位置 大小

std::vector<std::string> obj_names        所有目标名字列表

*/

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) {                     //遍历目标框

		cv::Scalar color = obj_id_to_color(i.obj_id);//根据目标框ID转换颜色

		cv::rectangle(mat_img, cv::Rect(i.x, i.y, i.w, i.h), color, 2);  // 在图像上画目标框

		if (obj_names.size() > i.obj_id) {            //如果目标ID小于名字最大ID，证明事先赋予了名字

			std::string obj_name = obj_names[i.obj_id];  //根据目标ID获取名字，所以训练的时候直接是分配ID了，根据ID在获取名字

			if (i.track_id > 0) obj_name += " - " + std::to_string(i.track_id);// 啥意思？如果有追踪ID?? 加上编号？？

			cv::Size const text_size = getTextSize(obj_name, cv::FONT_HERSHEY_COMPLEX_SMALL, 1.2, 2, 0);// 名字转化为text

			int const max_width = (text_size.width > i.w + 2) ? text_size.width : (i.w + 2);

			//画矩形

			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);

			//画文字

			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 = "../../yolo权重/coco.names";

	std::string cfg_file = "../../yolo权重/yolov3.cfg";

	std::string weights_file = "../../yolo权重/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

	//将标签名字从文件逐条读取出来

	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);//读取成功一条

	//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;          //输出标签名字

	}

	cv::VideoCapture capture;

	capture.open("DJI_0002.MP4");						 //打开测试视频

	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);  // 检测一帧，输出目标框信息容器

		draw_boxes(frame, result_vec, obj_names);                 // 目标图像 所有目标检测框 所有目标总分类名称

		cv::namedWindow("test", CV_WINDOW_NORMAL);

		cv::imshow("test", frame);

		cv::waitKey(3);

	}

	return 0;

}

　　

最新文章

  1. delphi7 编译程序时报win32.indcu.a病毒的解决方法
  2. Android控件属性大全(转)
  3. Spring+Mybatis+SpringMVC+Maven+MySql搭建实例
  4. delphi 压缩ZLib
  5. [iOS UI进阶 - 0] Quiartz2D
  6. 虚拟桌面 VDI
  7. 什么是PWM信号
  8. JAVA几种常见的编码格式（转）
  9. 在使用hibernate的getHibernateTemplate()时怎么让控制台输出封装好的SQL? 怎么用日志打印出来?
  10. java程序调用xfire发布的webService服务（二）
  11. MySql中innodb存储引擎事务日志详解
  12. redis-win-server 正确启动方式
  13. 自己搭建git服务器
  14. PHP使用自定义key实现对数据加密解密
  15. Python使用中错误(持续更新.....)
  16. HOSTNAME问题 和yum配置163源的操作 安装lsb_release,KSH,CSH
  17. 解决RobotFramework的关键字不能高亮的问题
  18. macaca使用中问题解决方法整理
  19. [转载]Java中的String，StringBuilder，StringBuffer三者的区别
  20. Hadoop HDFS的shell(命令行客户端)操作实例

热门文章

  1. jupyter lab matplotlib 画图
  2. TCMalloc - 细节
  3. 补习系列(17)-springboot mongodb 内嵌数据库【华为云技术分享】
  4. Java异常的10个关键知识点
  5. quota磁盘配额
  6. C#开发中常用的加密解密方法
  7. 上传文件至Github仓库
  8. nodeType属性在vue源码中的使用
  9. DataPipeline数据融合重磅功能丨一对多实时分发、批量读取模式
  10. docker-ce添加国内源-阿里docker-hub镜像