用 C++ 和 OpenCV 实现视频目标检测（YOLOv4 模型）

据说，现在很多小区都上线了 AI 抓拍高空抛物的黑科技，可以自动分析抛物轨迹，用来协助检查很多不文明行为。

你想不想知道，这类检测视频中目标物的黑科技是怎么实现的呢？

虽然不同场景下的目标检测模型训练不同，但底层技术都是一样的。

这里就一步步来教一下大家如何用 C++ 和 OpenCV 实现视频目标检测（YOLOv4 模型）。

1.     实现思路

读取视频流，载入模型，执行推理，找出所有目标及其位置，最后绘制检测结果。

2.     实现步骤

读取摄像头视频流或本地视频文件：

载入模型：

执行推理：

找出所有目标及其位置：

绘制检测结果：

（a）测试图 1YOLOv4

（b）测试图 1YOLOv4-tiny

（c）测试图 2YOLOv4

（d）测试图 2YOLOv4-tiny

图 YOLOv4 与 YOLOv4-tiny 模型的检测结果

3.     总结

YOLOv4 的检测精度优于 YOLOv4-tiny。经 GPU 加速后，模型推理速度明显提升，YOLOv4 的推理速度提高了约 10 倍，YOLOv4-tiny 的推理速度提高了约 4.8 倍。

▼

若想了解更多关于视频检测或文本检测的内容，可以阅读《OpenCV 4 机器学习算法原理与编程实战》一书。

▊《OpenCV 4 机器学习算法原理与编程实战》

朱斌 著

• 注重理论结合实战

• 兼顾经典与前沿算法

• 应用案例翔实

• 学习路线清晰

本书主要面向 OpenCV 领域的研究与开发人员，采用原理结合实战的方式，介绍 OpenCV 4 的机器学习算法模块与深度神经网络模块中的核心算法原理与 C++编程实战。全书共 10 章， 第 1~3 章， 介绍 OpenCV 4 的基础知识、基本图像操作和机器学习基础知识；第 4~8 章，介绍 K-means、KNN、决策树、随机森林、Boosting 算法和支持向量机等机器学习算法与编程实战；第 9~10 章，介绍神经网络与深度神经网络的基本原理与编程实战，并提供了不同深度学习模型的部署示例代码。

本书基本聚焦于机器学习在计算机视觉领域的应用，不要求读者具有相应的知识背景，在必要时书中会介绍相关的基本概念。因此，本书既可以作为相关专业学生的实验教材，也可以作为研究人员或工程技术人员的参考资料。