手把手教你封装YOLOv8推理位DLL给客户端调用

OpenCV学堂 2024-03-04 19:37

TI MCU方案：电动汽车实时控制 【TI资料】专为高压系统设计的新型MCU

点击上方蓝字关注我们

微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识

前言

创建DLL有几种不同的方式，最简单直接的的方式就是通过VS自带的动态链接库(DLL)项目，把相关的功能封装成一个类，然后导出几个接口方法，编译成功以后生成DLL文件，就可以在其他地方跟正常的第三方库配置之后一样调用了。

创建DLL

首先打开VS创建一个DLL空项目，打开VS的桌面向导如下：

创建DLL链接库项目

然后在头文件中添加mytest.h文件，添加代码如下：

#pragma once

#ifdef _DLL_EXPORTS
#define DLL_API _declspec(dllexport)
#else
#define DLL_API _declspec(dllimport)
#endif

#include 

//=========导出函数C++调用接口============
class DLL_API MyTestDLL {
public:
    int addData(int a, int b);
    ~MyTestDLL();
};

然后在源文件中添加mytest.cpp文件，添加代码如下：

#define _DLL_EXPORTS
#include 

MyTestDLL::~MyTestDLL() {
    std::cout << "destory instance done!" << std::endl;
}

int MyTestDLL::addData(int a, int b) {
    int sum = 0;
    sum = a + b;
    std::cout << "sum: " << sum << std::endl;
    return sum;
}

编译运行成功，显示如下：

DLL测试程序

创建测试程序，来测试DLL。新建一个控制台空项目，在源文件中添加main.cpp文件，然后添加如下代码：

#include "opencv2/opencv.hpp"
#include "mytest.h"

int main(int argc, char** argv) {
    std::cout << "test mydll..." << std::endl;
    std::shared_ptr mydll(new MyTestDLL());
    int sum = mydll->addData(3, 5);
    std::cout << "DLL invoke result : " << sum << std::endl;
    return 0;
}

运行结果如下：

YOLOv8对象检测DLL测试

采用相同的方法，基于ONNXRUNTIME深度学习模型库框架，我对以前ONNXRUNTIME + YOLOv8对象检测C++代码稍作修改，封装了一个YOLOv8对象检测推理类为DLL，支持C++与C#接口调用。客户端调用代码如下：

#include "yolov8_infer.h"
#include 
#include 

std::string label_map = "D:/python/yolov5-7.0/classes.txt";
int main(int argc, char** argv) {
    std::string names = "10:bike";
    int pos = names.find_first_of(":");
    std::cout << names.substr(0, pos) << " -->> " << names.substr(pos + 1) << std::endl;
    std::vector<std::string> classNames;
    std::ifstream fp(label_map);
    std::string name;
    while (!fp.eof()) {
        getline(fp, name);
        if (name.length()) {
            classNames.push_back(name);
        }
    }
    fp.close();
    // std::shared_ptr detector(new YOLOv5ORTDetector());
    std::shared_ptr detector(new YOLOv8ORTDetector());
    detector->initConfig("D:/python/my_yolov8_train_demo/yolov8n.onnx", 640, 640, 0.25f, 0.5);
    cv::VideoCapture capture("D:/images/video/sample.mp4");
    cv::Mat frame;
    std::vector results;
    while (true) {
        bool ret = capture.read(frame);
        if (frame.empty()) {
            break;
        }
        int64 start = cv::getTickCount();
        detector->detect(frame, results);
        float fps = static_cast<float>(cv::getTickFrequency()) / (cv::getTickCount() - start);
        cv::putText(frame, cv::format("FPS: %.2f", fps), cv::Point(50, 50), cv::FONT_HERSHEY_SIMPLEX, 1.0, cv::Scalar(255, 0, 255), 2, 8); 
        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("YOLOv8 + ONNXRUNTIME - DLL导出演示", frame);
        char c = cv::waitKey(1);
        if (c == 27) { // ESC 退出
            break;
        }
        // reset for next frame
        results.clear();
    }

    return 0;
}