一、准备工作

1. 安装依赖库
   • 首先需要安装OpenCV库，用于图像的读取、处理等操作。OpenCV的安装方式因操作系统而异，例如在Ubuntu系统中，可以通过以下命令安装：

sudo apt-get install libopencv-dev

在Windows系统中，可以从OpenCV官网下载预编译的库文件，然后配置到相应的开发环境（如Visual Studio）中。
- 还需要安装LibTorch（Pytorch的C++库），从Pytorch官网（https://pytorch.org/）根据你的操作系统、是否使用GPU（以及对应的CUDA版本）等情况下载相应的LibTorch版本，并解压到合适的目录。
2. 获取YOLOv8模型文件
- 从官方渠道获取YOLOv8的预训练模型文件（如yolov8n.pt等），或者使用自己训练好的模型文件，将其放置在合适的项目目录下。

二、创建C++项目并配置环境

1. 创建项目（以Visual Studio为例，其他IDE类似）
   • 打开Visual Studio，创建一个新的C++控制台应用程序项目或者其他类型的项目（如动态链接库项目等，取决于具体需求）。
2. 配置包含目录和库目录
   • 在项目属性中，配置包含目录，添加OpenCV的头文件目录以及LibTorch的头文件目录（例如解压后的LibTorch目录下的include文件夹路径）。
   • 配置库目录，添加OpenCV的库文件目录以及LibTorch的库文件目录（如解压后的LibTorch目录下的lib文件夹路径）。
3. 添加依赖的库文件
   • 在链接器的输入选项中，添加需要链接的库文件，例如OpenCV的相关库文件（如opencv_core.lib、opencv_imgproc.lib等）以及LibTorch的相关库文件（如c10.lib、torch.lib、torchvision.lib等，具体根据实际使用情况添加）。

三、代码实现

以下是一个简单的示例代码框架，用于展示如何在C++中调用YOLOv8模型进行目标检测（这里假设已经完成了上述的环境配置工作）：

#include <iostream>
#include <opencv2/opencv.hpp>
#include <torch/script.h>// 定义函数用于加载模型
torch::jit::Module loadModel(const std::string& modelPath) {torch::jit::Module module;try {module =