OpenCVC#实现YOLO12部署推理演示

原创 OpenCV学堂 2025-03-22 23:44 37浏览 0评论 0点赞

百万设备≠唯一解！精密测量成本砍半秘籍 一场让你秒懂实时频谱分析的直播

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

免费领学习资料+微信：OpenCVXueTang_Asst

上次我写过一篇文件，VS2022如何安装OpenCV C#版本的开发包并实现测试运行，链接在这里：

https://mp.weixin.qq.com/s/_R-qtDvlXoQWzwFjK4L6jQ

今天我又拓展了如何通过OpenCV DNN实现C#上部署YOLO12模型，实现对象检测。代码实现主要分为如下四个步骤分别是：

1. 图像读取与预处理2. 模型加载3. 模型推理4. 预测结果数据后处理与显示

YOLO12模型的输入与输出格式如下：

完整的代码实现如下：

// Read class listList classList = File.ReadAllLines(classesFilePath).Select(line => line.Trim()).ToList();var colors = new List<(int, int, int)> { (255, 255, 0), (0, 255, 0), (0, 255, 255), (255, 0, 0) };// Load the modelusing var model = CvDnn.ReadNetFromOnnx(modelPath);// Open video captureusing var capture = new VideoCapture(videoPath);if (!capture.IsOpened()){    Console.WriteLine("无法打开视频文件");    return;}while (true){    Mat frame = new Mat();    bool isSuccess = capture.Read(frame);    if (!isSuccess || frame == null)    {        Console.WriteLine("视频流结束");        break;    }    // Preprocess the frame    var bgr = FormatYolov5(frame);    int img_h = bgr.Height;    int img_w = bgr.Width;    int img_c = bgr.Channels();    using var blob = CvDnn.BlobFromImage(bgr, 1 / 255.0, new Size(640, 640), new Scalar(), true, false);    model.SetInput(blob);    // Perform inference    Mat outputs = model.Forward();    Mat rows = outputs.Reshape(0, 1).T();    List<int> classIds = new List<int>();    List<float> confidences = new List<float>();    List boxes = new List();    double xFactor = img_w / 640.0;    double yFactor = img_h / 640.0;    for (int r = 0; r < rows.Rows; r++)    {        Mat row = rows.Row(r);        //Console.WriteLine("row width: " + row.Rows);        Mat classesScores = new Mat();        Rect roi = new Rect(4, 0, 80, 1);        row[roi].CopyTo(classesScores);        double minv = 0, maxv = 0;        Point minLoc = new Point(0, 0);        Point maxLoc = new Point(0, 0);        Cv2.MinMaxLoc(classesScores, out minv, out maxv, out minLoc, out maxLoc);        int classId = maxLoc.X;        if (classesScores.At<float>(0, classId) > 0.25)        {            confidences.Add(classesScores.At<float>(0, classId));            classIds.Add(classId);            float cx = row.At<float>(0, 0);            float cy = row.At<float>(0, 1);            float w = row.At<float>(0, 2);            float h = row.At<float>(0, 3);            int left = (int)((cx - 0.5 * w) * xFactor);            int top = (int)((cy - 0.5 * h) * yFactor);            int width = (int)(w * xFactor);            int height = (int)(h * yFactor);            boxes.Add(new Rect(left, top, width, height));        }    }    // Non-maximum suppression    int[] indexes;    CvDnn.NMSBoxes(boxes, confidences, 0.25f, 0.45f, out indexes);    foreach (int index in indexes)    {        Rect box = boxes[index];        var color = colors[(classIds[index] % colors.Count)];        Cv2.Rectangle(frame, box, new Scalar(color.Item1, color.Item2, color.Item3), 2);        Cv2.Rectangle(frame, new Rect(box.X, box.Y - 20, box.Width, 15), new Scalar(color.Item1, color.Item2, color.Item3), -1);        Cv2.PutText(frame, classList[classIds[index]], new Point(box.X, box.Y - 10), HersheyFonts.HersheySimplex, 0.5, new Scalar(0, 0, 0));    }    Cv2.ImShow("OpenCV学堂C#版本-YOLO12对象检测 ", frame);    if (Cv2.WaitKey(1) == 27) break;}