简介

本文主要以yolov7的公版检测模型为例展开，对Openvino在windows平台的开发环境配置、代码开发和vs2019生成的“.exe”文件在其它电脑或windows平台部署时依赖环境的配置等做介绍，避免读者后期踩坑。其中，示例代码的“.exe”文件下载便可直接在windows环境中运行。

环境配置

在此部分，主要对Windows下的opencv环境、Openvino环境和Vs2019环境配置进行详细介绍。

Opencv环境配置

下载安装

首先在Opencv官网选择合适的版本直接下载即可，笔者选择的是opencv-4.5.4版本。也可从网盘下载链接，提取码6666。

等待几秒便可自己弹出下载

下载完成后目录内出现下图中红框内内容。之后点击安装即可。为了避免网络等因素影响下载，也可从百度网盘下载。

点击.exe文件运行，经历过提取文件之后选择安装目录，这个根据自己情况选择即可，笔者已经安装过，此处以安装后的内容截图展示。如下，安装后文件夹包含以下内容。

环境变量配置

找到此电脑，右键找到“属性”并打开，点击“高级系统设置”，再点击“环境变量”，
之后出现如下界面，点击路径“Path”，在系统变量中添加安装的opencv的路径，如“E:\opencv\opencv\build\x64\vc15\bin”和“E:\opencv\opencv\build\bin”，具体路径根据自己安装进行更改。


到此处，opencv的下载和电脑的环境配置便结束了，注意“E:\opencv\opencv\build\x64”路径下有“vc14”和“vc15”两个文件夹，选择“vc15”下的“bin”目录进行环境配置。

Openvino环境配置

下载安装

可在官网下载，下载地址和界面如下图所示。笔者选择的是2022.3.1版本，具体版本图中蓝色选择，之后点击Download Archives即可。也可从网盘下载，提取码6666。

下载后解压压缩包，文件列表如下：

环境配置

在“C”盘的“Program Files (x86)”文件夹中建立“Intel”文件夹，将解压后的文件复制过去，当然了，文件夹也可以按照自己版本号命名，如笔者的路径为“C:\Program Files (x86)\Intel\openvino_2022.3.0”。此部分路径主要用于后面的环境配置，和opencv的电脑上环境配置类似。

找到环境变量

添加路径

三个路径分别为：
“C:\Program Files (x86)\Intel\openvino_2022.3.0\runtime\bin\intel64\Release”
“C:\Program Files (x86)\Intel\openvino_2022.3.0\runtime\bin\intel64\Debug”
“C:\Program Files (x86)\Intel\openvino_2022.3.0\runtime\3rdparty\tbb\bin”
到此处，openvino的安装和电脑上环境配置结束。

Vs2019安装

软件安装

可以自己找渠道也可以网盘下载，提取码6666。
步骤1：鼠标右击【vs_Professional.exe】选择【以管理员身份运行】。

步骤2：点击“继续”，等待片刻，则出现下图。因为笔者已经下载安装过了，所以选择这三项需要的空间为0。特别注意，右边的单个组件，可以选择里边需要的安装，这样可以减少内存和安装时间，如果内容够和不着急可以全选。

步骤3：接下来就是语言包，选择中文和英文就可以。
步骤4： 安装位置，会有三个路径，不能设置在同一个文件夹，即要设置三个不同的路径。（点击"…"可更改软件安装位置，建议不要安装在C盘，可以在D盘或其它磁盘下新建一个“vs2019”文件夹。注：安装路径中不能有中文），取消勾选【安装完成后保留下载缓存】,在右下角点击【安装】。
步骤5：稍等片刻，则出现画面，显示已安装，关闭界面即可。

软件激活

步骤1：重新启动vs2019，选择“继续但无需代码”进入主界面。

步骤2：点击主界面的上方菜单栏的“帮助”，选择“注册Visual Studio”。，选择“使用产品密钥解锁”。
步骤3：输入密钥，点击应用，则出现下面的画面，激活成功，关闭界面即可。

此外，该软件不会自动创建桌面启动快捷方式，创建桌面启动快捷方式方法：点击桌面左下角【开始】图标，点击【所有应用】→找到并拖动【 Professional 2019 】图标到电脑桌面。至此，vs2019安装完成。

开发示例

pytorch模型训练

yolov7模型

步骤1：在github上下载源码或在笔者的百度网盘下载yolov7_python文件，解压打开后目录如下所示，提取码为6666。

步骤2：制作自己的数据集，进行标注和格式转换。（这一部分如果有问题，可以私聊，我再搞详细的教程）
步骤3：修改相应的参数进行模型训练，得到“.pt”模型，并使用“export.py”文件将模型转为“.onnx”格式。

.exe可执行文件部署应用

基于Openvino和C++的yolov7推理:

在vs2019中编写前处理、后处理代码，以及结合Openvino框架的推理过程，也可以在其它IDE中编辑复制过去，如下图。

其中main.cpp内容主要为：

#include "DetYolov7.h"


int main() {

  std::cout << "欢迎使用yolov7检测示例" << std::endl;
  DetYolov7 det;

  std::string Model_dir;
  std::string Label_txt;
  std::string Load_Path;
  std::string Save_Path;
  std::vector<std::string> vec_ImageNames;
  std::vector<cv::Mat> vec_ImageLoad;

  //读取配置文件
  read_ini_file("./config.ini", Load_Path, Save_Path, Model_dir, Label_txt);
  //Load_Img_name(Load_Path, vec_ImageNames, vec_ImageLoad);//
  double cof_threshold = 0.25;
  double nms_area_threshold = 0.45;
  //模型初始化
  det.init(Model_dir, Label_txt, cof_threshold, nms_area_threshold);
  auto start = std::chrono::high_resolution_clock::now();
  //加载图像
  cv::Mat im = cv::imread(Load_Path);
  //推理图像和保存
  auto result = det.detector(im, Save_Path);
  auto end = std::chrono::high_resolution_clock::now();

  // 计算代码执行的时间（微秒）
  auto duration = std::chrono::duration_cast<std::chrono::microseconds>(end - start);

  // 输出运行时间
  std::cout << "Code executed in: " << duration.count() << " microseconds" << std::endl;

}
}

软件运行过程：
步骤1：在建立的工程属性中，配置opencv和openvino环境，也可以把使用到的依赖库提前复制到文件夹中，如放在include和lib文件夹。
配置环境处，则可以设置如下，

步骤2：读取配置文件(config.ini)中的模型路径、标签路径和测试图像（可以更换成摄像头读取图像）。
步骤3：模型初始化
步骤4：进入while（1）循环，确保模型初始化只进行一次，避免推理一次模型初始化一次
步骤5：加载图像进行推理，并保存标注的图像到指定文件夹
步骤6：根据检测结果和制定的判断逻辑，进行相应的需求判断，并保存结果到日志文件。（此处使用的穿件日志文件为48小时清空和重新创建，比较繁琐，也可以用其它方式进行，因涉及到项目此处没有贴出）

部署应用

将开发好的代码和训练好的模型进行融合，生成可执行文件，并进行移植部署应用（windows环境下，便是生成的.exe文件可以在其它电脑上运行）。
步骤1：运行程序

步骤2：在文件夹中生成的“x64”文件夹中的“Release”文件夹中生成如下信息。在移植部署时，只有“XXX.exe”的应用程序有用。

步骤3：将路径配置文件“config.ini”和“XXXX.exe”可执行文件以及依赖库放在同一个文件夹中便可。
步骤4：把文件夹整体复制到别的文件夹点击应用程序即可运行。

运行示例

下载网盘“.exe”可执行文件

可从百度网盘下载yolov7_openvino_exe笔者开发完成的,下载即可使用,提取码6666。应用的yolov7检测类别为80类的公版模型的检测结果。模型和标签也可以根据自己的数据集进行替换。

“ yolov7_示例.exe”运行示例

步骤1：下载解压，打开后文件目录为：

步骤2：在点击“yolov7_示例，exe”程序则自动运行。模型和图像均在“data”数据集中。也可以更改配置文件“config.ini”中的路径进行更改，换成自己的图像和路径。
步骤3：显示终端和标注的图像。

步骤4：关闭图像，结束本次运行。

小结

因整体流程和开发应用涉及到项目，所以运行示例仅展示了读取配置文件、推理和保存结果的功能。项目内容在此基础上进行了大量开发和扩展，如判断图像数量、清空路径、添加日志文件、逻辑判断等等。

欢迎沟通交流。