基于 C# WPF + OpenCvSharp(底层 C++ OpenCV DNN)的摄像头实时目标检测程序。支持加载自训 YOLO 模型(ONNX/Darknet)。
- 实时摄像头预览 + YOLO 目标检测
- 支持 ONNX(YOLOv5/v8/v11)和 Darknet(YOLOv3/v4)模型
- 自动检测推理设备(CUDA / OpenCL / CPU)
- 置信度阈值调节
- 自动读取类别文件(classes.txt / coco.names / labels.txt)
- Windows 10/11 x64
- .NET 8 SDK
- 摄像头
- (可选)NVIDIA GPU + CUDA 加速推理
# 编译
dotnet build -c Release
# 运行
.\CameraYolo\bin\Release\net8.0-windows\CameraYolo.exe- 点击 「加载模型」 选择 ONNX 或 Darknet 模型文件
- 在设备下拉框选择推理设备(默认自动检测)
- 选择摄像头编号 → 点击 「启动」
- 拖动置信度滑条调整检测灵敏度
├─ CameraYolo/ # WPF 应用源码
│ ├─ MainWindow.xaml(.cs) # 主界面
│ ├─ Services/
│ │ ├─ CameraPipeline.cs # 摄像头采集管线
│ │ └─ YoloDetector.cs # YOLO 推理引擎
│ └─ Models/ # 数据模型
├─ models/ # 预置模型
│ ├─ widerperson_person.onnx
│ ├─ yolov8n.pt
│ └─ classes.txt
└─ training/ # 训练脚本(可选)
├─ train_yolov8.py # YOLOv8 训练
└─ export_onnx.py # 导出 ONNX
# 1. 安装依赖
pip install ultralytics
# 2. 训练
python training\train_yolov8.py --data dataset\data.yaml --epochs 80 --imgsz 640
# 3. 导出 ONNX
python training\export_onnx.py --weights runs\detect\train\weights\best.pt
# 4. 加载模型
# 将生成的 .onnx 和 classes.txt 放入 models/ 目录MIT License