原创来自本人的公众号：阿嚏个技术

公众号文章地址：darknet+yolo4的windows下图片验证码识别，之一：环境编译和运行

目前有很多采取深度学习的方式，进行图片验证码的文字识别，然后实现打码功能。本文采用darknet+yolo4的深度学习框架来实现图片文字识别，当然该框架可以做的事情很多，还能对视频内容进行标识识别。

相关的内容应该会分三期制作，本期内容主要是针对该系统在windows环境下的编译和运行，之前看了些文章和视频很少一次性编译成功的。我把整个编译过程录成了视频，特别是对编译过程中碰到的坑，进行了讲解，应该对有兴趣的同学有帮助。

1、资源文件

项目源码、安装文件以及其他文件放在网盘，可供大家下载，包括：

    Darknet + Yolo4源码

    CUDA 11.1（上面源码的darknet.vcxproj中默认的版本，否则需要修改该文件）

    cuDNN 8.2

    Opencv 4.5.5

    VS2019

    yolo4.weights

    yolo3-tiny.weights

网盘链接：https://pan.baidu.com/s/17xSElt4P1BE-xLA9GIMGJA

提取码：xkqr

2、环境运行文件配置

1）复制CUDA文件

把C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.1\extras\visual_studio_integration\MSBuildExtensions所有文件复制到C:\ProgramFiles (x86)\Microsoft VisualStudio\2019\Community\MSBuild\Microsoft\VC\v160\BuildCustomizations下

2）复制cuDnn文件

把cuDnn压缩目录下cuda目录下的所有文件复制到C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.1

3、VS2019配置

4、编译和运行

进行工程目录下的build->darknet目录，通过vs2019打开darknet.sln。然后把opencv\build\x64\vc15\bin下的opencv_videoio_ffmpeg455_64.dll、opencv_world455.dll，yolov4.weights，yolov3-tiny.weights复制到生成的darknet运行目录下，这样整个项目的运行环境就完成了。然后在powershell中通过下面2个命令，可以分别获得图片和视频上内容的识别和标注。

图片识别命令：.\darknet.exe detect .\cfg\yolov4.cfg .\yolov4.weights .\data\dog.jpg

视频识别命令：./darknet detector demo cfg/coco.data cfg/yolov3-tiny.cfg yolov3-tiny.weights .\data\dog.mp4

效果还是不错的，具体可见上面的视频。