C# Opencvsharp+yolov4 视频与摄像头实时检测

【实例简介】

之前发的实例只能进行图片检测，现在发一个能够实时检测视频和摄像头的

注意：先打开摄像头，再点打开检测，CPU配置比较卡，GPU要快很多，如果要识别其他物体，需替换自己的训练数据集yolov3.weights 还有CFG文件   仅大家交流，我也是好久才搞会视频和摄像头检测！由于包括训练数据集，文件有点大约800M，上传不易，所以分高点，望理解！

【实例截图】

【核心代码】

 private void m_LoadImage_Btn_Click(object sender, EventArgs e)
        {
            try
            {
                var filename = OpenImagefileDlg();
                if (filename != null && filename != "")
                {
                    Mat img = Cv2.ImRead(filename);
                    //Imgwindow.Showimg(img);
                    rawimg = img.Clone();

                    if (isObjectDetect)
                    {
                        var blob = CvDnn.BlobFromImage(rawimg, 1.0 / 255, new OpenCvSharp.Size(416, 416), new Scalar(), true, false);

                        //load model and config, if you got error: "separator_index < line.size()", check your cfg file, must be something wrong.
                        var net = CvDnn.ReadNetFromDarknet(cfg, model);
                        #region set preferable
                        net.SetPreferableBackend(Backend.OPENCV);
                        /*
                        0:DNN_BACKEND_DEFAULT 
                        1:DNN_BACKEND_HALIDE 
                        2:DNN_BACKEND_INFERENCE_ENGINE
                        3:DNN_BACKEND_OPENCV 
                         */
                        net.SetPreferableTarget(Target.CPU);
                        /*
                        0:DNN_TARGET_CPU 
                        1:DNN_TARGET_OPENCL
                        2:DNN_TARGET_OPENCL_FP16
                        3:DNN_TARGET_MYRIAD 
                        4:DNN_TARGET_FPGA 
                         */
                        #endregion

                        //input data
                        net.SetInput(blob);

                        //get output layer name
                        var outNames = net.GetUnconnectedOutLayersNames();
                        //create mats for output layer
                        var outs = outNames.Select(_ => new Mat()).ToArray();

                        #region forward model
                        Stopwatch sw = new Stopwatch();
                        sw.Start();

                        net.Forward(outs, outNames);

                        sw.Stop();
                        Console.WriteLine($"Runtime:{sw.ElapsedMilliseconds} ms");
                        #endregion

                        //get result from all output
                        GetResult(outs, rawimg, threshold, nmsThreshold);
                    }
                    showImage(rawimg);
                    //Imgwindow.Showimg(rawimg);
                    img.Dispose();
                }
            }
            catch (Exception ex)
            {
                throw (ex);