C++部署YOLOv8 OpenVino模型教程

在Windows平台上，利用C++结合OpenVINO部署YOLOv8目标检测模型，可以通过CMake构建项目实现高效推理。YOLOv8作为YOLO系列的较新版本，在检测精度与推理速度方面均有显著提升。OpenVINO（Open Visual Inference and Neural Network Optimization）是英特尔推出的深度学习推理优化工具包，专为提升其硬件上的AI模型性能而设计，支持模型加速、低延迟推理及跨设备部署。

首先需搭建开发环境，安装必要的组件：OpenVINO Toolkit、CMake、OpenCV以及C++编译器（如MSVC或GCC）。随后从GitHub获取YOLOv8的OpenVINO C++部署示例项目源码。

接着，将训练好的YOLOv8 PyTorch模型转换为OpenVINO支持的中间表示（IR）格式。该过程依赖于OpenVINO提供的Model Optimizer工具，命令如下：

yolo export model=best.pt format=openvino

模型转换成功后，使用CMake对项目进行编译。需要修改CMakeLists.txt文件中的路径配置，确保正确指向本地的OpenCV和OpenVINO库文件目录。同时，将这两个库的bin目录添加至系统环境变量，以避免运行时找不到动态链接库。

编译生成可执行文件后，即可运行目标检测程序。程序会加载IR模型，对图像或视频流进行实时推理。借助OpenVINO的硬件加速能力，模型在Intel CPU上能够实现高效的推理性能，满足实际应用中的实时性需求。

官方OpenVINO提供了详尽的文档和示例代码，涵盖模型优化、推理引擎调用、后处理实现等全流程，开发者可参考这些资源快速完成YOLOv8模型的C++部署。

【测试环境配置】

• Visual Studio 2019
• CMake 3.24.3
• OpenCV 4.8.0
• OpenVINO Toolkit：w_openvino_toolkit_windows_2024.3.0.16041.1e3b88e4e3f_x86_64

【效果展示】

【部分核心代码】

#include 
#include "Yolov8OpenvinoDet.h"
#include "opencv2/opencv.hpp"
#include 
using namespace std;
using namespace cv;
void video_demo(std::string videopath, Yolov8OpenvinoDet& det)
{
cv::VideoCapture cap(videopath);
if (!cap.isOpened())
{
std::cerr << "无法打开视频文件或摄像头！" << std::endl;
return;
}
int frameCount = 0;
auto startTime = std::chrono::high_resolution_clock::now();

cv::Mat frame;
while (cap.read(frame))
{
    frameCount++;
    if (frame.empty()) break;

    auto results = det.Inference(frame);
    cv::Mat img = det.DrawImage(results, frame);

    auto currentTime = std::chrono::high_resolution_clock::now();
    auto elapsed = std::chrono::duration_cast(currentTime - startTime);

    if (elapsed.count() >= 2)
    {
        double fps = static_cast(frameCount) / elapsed.count();
        std::cout << "FPS: " << fps << std::endl;

        startTime = currentTime;
        frameCount = 0;
    }

    cv::imshow("YOLOv8 Detection", img);
    if (cv::waitKey(1) == 27) break; // ESC退出
}

cap.release();
cv::destroyAllWindows();
}

【部署步骤】

1. 下载OpenCV与OpenVINO的C++开发库（版本建议与测试环境一致），具体下载地址可在CMakeLists.txt中查看，也可使用较新兼容版本。
2. 将OpenCV和OpenVINO的bin目录添加到系统的PATH环境变量中。
3. 修改CMakeLists.txt中的路径配置，使其指向本地的OpenCV和OpenVINO安装目录。
4. 训练自己的YOLOv8模型，获得best.pt文件，并使用以下命令导出为OpenVINO格式：

   yolo export model=best.pt format=openvino

5. 修改main.cpp中的视频输入路径和模型路径，确保指向正确的.xml和.bin模型文件。
6. 使用CMake重新构建项目，生成可执行文件（.exe），运行后即可弹出窗口显示实时视频检测效果。

【视频演示】

B站视频链接：https://www.bilibili.com/video/BV1RuynYYEFU/?vd_source=989ae2b903ea1b5acebbe2c4c4a635ee
标题：在Windows基于C++部署YOLOv8的OpenVINO模型｜CMake项目演示源码
播放量：6｜弹幕：0｜点赞：0｜投币：0｜收藏：0｜转发：0
作者：未来自主研究中心
相关推荐视频包括：

• 使用C#部署YOLOv8的TensorRT模型
• LightRAG vs GraphRAG 对比分析
• C++纯OpenCV部署YOLOv8 OBB旋转框检测
• C# WinForm部署YOLOv8 ONNX实例分割
• YOLOv8 + ByteTrack 目标追踪实现（C++/C#）
• 基于YOLOv8的道路交通事故检测系统（C# + ONNX + GUI）
• RVC变声器双声线女声模型免费分享

【源码下载地址】

https://download.csdn.net/download/FL1623863129/88540394