據說，現在很多小區都上線了AI抓拍高空抛物的黑科技，可以自動分析抛物軌迹，用來協助檢查很多不文明行為。
你想不想知道，這類檢測視訊中目标物的黑科技是怎麼實作的呢？
雖然不同場景下的目标檢測模型訓練不同，但底層技術都是一樣的。
這裡就一步步來教一下大家如何用C++ 和OpenCV 實作視訊目标檢測（YOLOv4模型）。
1. 實作思路
讀取視訊流，載入模型，執行推理，找出所有目标及其位置，最後繪制檢測結果。
2. 實作步驟
讀取攝像頭視訊流或本地視訊檔案：
cv::VideoCapture cap;cap.open(0); //打開攝像頭//cap.open("TH1.mp4"); //讀取視訊檔案 載入模型：
cv::dnn::Net net = cv::dnn::readNet(config, model, framework);net.setPreferableTarget(cv::dnn::DNN_TARGET_CUDA); 執行推理：
net.forward(outs, outNames); //前向傳播 找出所有目标及其位置：
for (size_t i = 0; i < outs.size(); ++i) {float*)outs[i].data;for (int j = 0; j < outs[i].rows; ++j, data += outs[i].cols) {5, outs[i].cols);0, &confidence, 0, &classIdPoint); 繪制檢測結果：
void drawPred( cv::Mat &frame,vector<cv::Rect> &boxes,vector<int> &classIds,vector<int> &indices,vector<string> &classNamesVec) 
（a）測試圖1YOLOv4
（b）測試圖1YOLOv4-tiny
（c）測試圖2YOLOv4
（d）測試圖2YOLOv4-tiny
圖 YOLOv4與YOLOv4-tiny模型的檢測結果
3. 總結
YOLOv4的檢測精度優于YOLOv4-tiny。經GPU 加速後，模型推理速度明顯提升，YOLOv4 的推理速度提高了約10倍，YOLOv4-tiny的推理速度提高了約4.8倍。
▼
若想了解更多關于視訊檢測或文本檢測的内容，可以閱讀《OpenCV 4機器學習算法原理與程式設計實戰》一書。
▊《OpenCV 4機器學習算法原理與程式設計實戰》
朱斌 著
- 注重理論結合實戰
- 兼顧經典與前沿算法
- 應用案例翔實
-
學習路線清晰
本書主要面向OpenCV領域的研究與開發人員，采用原理結合實戰的方式，介紹OpenCV 4的機器學習算法子產品與深度神經網絡子產品中的核心算法原理與C++程式設計實戰。全書共10章， 第1~3章， 介紹OpenCV 4的基礎知識、基本圖像操作和機器學習基礎知識；第4~8章，介紹K-means、KNN、決策樹、随機森林、Boosting算法和支援向量機等機器學習算法與程式設計實戰；第9~10章，介紹神經網絡與深度神經網絡的基本原理與程式設計實戰，并提供了不同深度學習模型的部署示例代碼。