OpenCV DNN C++ 使用 YOLO 模型推理

引言

YOLO（You Only Look Once）是一种流行的目标检测算法，因其速度快和准确度高而被广泛应用。OpenCV 的 DNN（Deep Neural Networks）模块为我们提供了一个简单易用的 API，用于加载和运行预先训练的深度学习模型。本文将详细介绍如何使用 OpenCV 的 DNN 模块来进行 YOLOv5 的目标检测。

准备工作

使用vcpkg直接安装

核心代码解析

结构体和类定义

struct DetectResult
 {
 int classId;
 float score;
 cv::Rect box;
 };

 class YOLOv5Detector
 {
 public:
 void initConfig(std::string onnxpath, int iw, int ih, float threshold);
 void detect(cv::Mat& frame, std::vector<DetectResult>& result);

 private:
 int input_w = 640;
 int input_h = 640;
 cv::dnn::Net net;
 int threshold_score = 0.25;
 };

我们定义了一个名为 DetectResult 的结构体，用于存储检测结果，其中包括目标的类别 ID、得分和边界框。

YOLOv5Detector 类提供了两个主要的公共方法：

• initConfig：用于初始化网络模型和一些参数。

• detect：用于进行目标检测。

初始化配置

 void YOLOv5Detector::initConfig(std::string onnxpath, int iw, int ih, float threshold)
 {
     this->input_w = iw;
     this->input_h = ih;
     this->threshold_score = threshold;
     this->net = cv::dnn::readNetFromONNX(onnxpath);
 }

在 initConfig 方法中，我们主要进行了以下操作：

• 设置输入图像的宽度和高度（input_w 和 input_h）。

• 设置目标检测的置信度阈值（threshold_score）。

• 通过 cv::readNetFromONNX 方法加载预训练的 ONNX 模型。

目标检测

void YOLOv5Detector::detect(cv::Mat& frame, std::vector<DetectResult>& results)
 {
 // 图象预处理 - 格式化操作
 int w = frame.cols;
 int h = frame.rows;
 int _max = std::max(h, w);
 cv::Mat image = cv::Mat::zeros(cv::Size(_max, _max), CV_8UC3);
 cv::Rect roi(0, 0, w, h);
 frame.copyTo(image(roi));

 float x_factor = image.cols / 640.0f;
 float y_factor = image.rows / 640.0f;

 cv::Mat blob = cv::dnn::blobFromImage(image, 1 / 255.0, cv::Size(this->input_w, this->input_h), cv::Scalar(0, 0, 0),
                                       true, false);
 this->net.setInput(blob);
 cv::Mat preds = this->net.forward();

 cv::Mat det_output(preds.size[1], preds.size[2], CV_32F, preds.ptr<float>());
 float confidence_threshold = 0.5;
 std::vector<cv::Rect> boxes;
 std::vector<int> classIds;
 std::vector<float> confidences;
 for (int i = 0; i < det_output.rows; i++)
 {
 float confidence = det_output.at<float>(i, 4);
 if (confidence < 0.45)
 {
 continue;
 }
 cv::Mat classes_scores = det_output.row(i).colRange(5, 8);
 cv::Point classIdPoint;
 double score;
 minMaxLoc(classes_scores, 0, &score, 0, &classIdPoint);

 // 置信度 0～1之间
 if (score > this->threshold_score)
 {
 float cx = det_output.at<float>(i, 0);
 float cy = det_output.at<float>(i, 1);
 float ow = det_output.at<float>(i, 2);
 float oh = det_output.at<float>(i, 3);
 int x = static_cast<int>((cx - 0.5 * ow) * x_factor);
 int y = static_cast<int>((cy - 0.5 * oh) * y_factor);
 int width = static_cast<int>(ow * x_factor);
 int height = static_cast<int>(oh * y_factor);
 cv::Rect box;
 box.x = x;
 box.y = y;
 box.width = width;
 box.height = height;

 boxes.push_back(box);
 classIds.push_back(classIdPoint.x);
 confidences.push_back(score);
 }
 }

 // NMS
 std::vector<int> indexes;
 cv::dnn::NMSBoxes(boxes, confidences, 0.25, 0.45, indexes);
 for (size_t i = 0; i < indexes.size(); i++)
 {
 DetectResult dr;
 int index = indexes[i];
 int idx = classIds[index];
 dr.box = boxes[index];
 dr.classId = idx;
 dr.score = confidences[index];
 cv::rectangle(frame, boxes[index], cv::Scalar(0, 0, 255), 2, 8);
 cv::rectangle(frame, cv::Point(boxes[index].tl().x, boxes[index].tl().y - 20),
               cv::Point(boxes[index].br().x, boxes[index].tl().y), cv::Scalar(0, 255, 255), -1);
 results.push_back(dr);
 }


 std::ostringstream ss;
 std::vector<double> layersTimings;
 double freq = cv::getTickFrequency() / 1000.0;
 double time = net.getPerfProfile(layersTimings) / freq;
 ss << "FPS: " << 1000 / time << " ; time : " << time << " ms";
 putText(frame, ss.str(), cv::Point(20, 40), cv::FONT_HERSHEY_PLAIN, 2.0, cv::Scalar(255, 0, 0), 2, 8);
 }

在 detect 方法中，我们进行了以下几个关键步骤：

• 对输入图像进行预处理。

• 使用 cv::blobFromImage 函数创建一个 4 维 blob。

• 通过 setInput 和 forward 方法进行前向传播，得到预测结果。

然后，我们对预测结果进行解析，通过非极大值抑制（NMS）得到最终的目标检测结果。

参考资料

完整代码

 #include <fstream>
 #include <iostream>
 #include <string>
 #include <map>
 #include <opencv2/opencv.hpp>


 struct DetectResult
 {
 int classId;
 float score;
 cv::Rect box;
 };

 class YOLOv5Detector
 {
 public:
 void initConfig(std::string onnxpath, int iw, int ih, float threshold);
 void detect(cv::Mat& frame, std::vector<DetectResult>& result);

 private:
 int input_w = 640;
 int input_h = 640;
 cv::dnn::Net net;
 int threshold_score = 0.25;
 };

 void YOLOv5Detector::initConfig(std::string onnxpath, int iw, int ih, float threshold)
 {
 this->input_w = iw;
 this->input_h = ih;
 this->threshold_score = threshold;
 this->net = cv::dnn::readNetFromONNX(onnxpath);
 }

 void YOLOv5Detector::detect(cv::Mat& frame, std::vector<DetectResult>& results)
 {
 // 图象预处理 - 格式化操作
 int w = frame.cols;
 int h = frame.rows;
 int _max = std::max(h, w);
 cv::Mat image = cv::Mat::zeros(cv::Size(_max, _max), CV_8UC3);
 cv::Rect roi(0, 0, w, h);
 frame.copyTo(image(roi));

 float x_factor = image.cols / 640.0f;
 float y_factor = image.rows / 640.0f;

 cv::Mat blob = cv::dnn::blobFromImage(image, 1 / 255.0, cv::Size(this->input_w, this->input_h), cv::Scalar(0, 0, 0),
                                       true, false);
 this->net.setInput(blob);
 cv::Mat preds = this->net.forward();

 cv::Mat det_output(preds.size[1], preds.size[2], CV_32F, preds.ptr<float>());
 float confidence_threshold = 0.5;
 std::vector<cv::Rect> boxes;
 std::vector<int> classIds;
 std::vector<float> confidences;
 for (int i = 0; i < det_output.rows; i++)
 {
 float confidence = det_output.at<float>(i, 4);
 if (confidence < 0.45)
 {
 continue;
 }
 cv::Mat classes_scores = det_output.row(i).colRange(5, 8);
 cv::Point classIdPoint;
 double score;
 minMaxLoc(classes_scores, 0, &score, 0, &classIdPoint);

 // 置信度 0～1之间
 if (score > this->threshold_score)
 {
 float cx = det_output.at<float>(i, 0);
 float cy = det_output.at<float>(i, 1);
 float ow = det_output.at<float>(i, 2);
 float oh = det_output.at<float>(i, 3);
 int x = static_cast<int>((cx - 0.5 * ow) * x_factor);
 int y = static_cast<int>((cy - 0.5 * oh) * y_factor);
 int width = static_cast<int>(ow * x_factor);
 int height = static_cast<int>(oh * y_factor);
 cv::Rect box;
 box.x = x;
 box.y = y;
 box.width = width;
 box.height = height;

 boxes.push_back(box);
 classIds.push_back(classIdPoint.x);
 confidences.push_back(score);
 }
 }

 // NMS
 std::vector<int> indexes;
 cv::dnn::NMSBoxes(boxes, confidences, 0.25, 0.45, indexes);
 for (size_t i = 0; i < indexes.size(); i++)
 {
 DetectResult dr;
 int index = indexes[i];
 int idx = classIds[index];
 dr.box = boxes[index];
 dr.classId = idx;
 dr.score = confidences[index];
 cv::rectangle(frame, boxes[index], cv::Scalar(0, 0, 255), 2, 8);
 cv::rectangle(frame, cv::Point(boxes[index].tl().x, boxes[index].tl().y - 20),
               cv::Point(boxes[index].br().x, boxes[index].tl().y), cv::Scalar(0, 255, 255), -1);
 results.push_back(dr);
 }


 std::ostringstream ss;
 std::vector<double> layersTimings;
 double freq = cv::getTickFrequency() / 1000.0;
 double time = net.getPerfProfile(layersTimings) / freq;
 ss << "FPS: " << 1000 / time << " ; time : " << time << " ms";
 putText(frame, ss.str(), cv::Point(20, 40), cv::FONT_HERSHEY_PLAIN, 2.0, cv::Scalar(255, 0, 0), 2, 8);
 }

 std::map<int, std::string> classNames = {{0, "-1"}, {1, "0"}, {2, "1"}};

 int main(int argc, char* argv[])
 {
 std::shared_ptr<YOLOv5Detector> detector = std::make_shared<YOLOv5Detector>();
 detector->initConfig(R"(D:\AllCodeProjects\best.onnx)", 640, 640, 0.25f);

 cv::Mat frame = cv::imread(R"(D:\0002.jpg)");

 std::vector<DetectResult> results;
 detector->detect(frame, results);
 for (DetectResult& dr : results)
 {
 cv::Rect box = dr.box;
 cv::putText(frame, classNames[dr.classId], cv::Point(box.tl().x, box.tl().y - 10), cv::FONT_HERSHEY_SIMPLEX,
            .5, cv::Scalar(0, 0, 0));
 }
 cv::imshow("OpenCV DNN", frame);
 cv::waitKey();
 results.clear()