C#视频监控系统开发全攻略:拉流、解码、渲染与存储实践

简介:用C#编写的视频监控上位机源码,重点面向需要入门视频采集、图像处理与实时画面显示的.NET开发者,程序基于.NET框架构建,代码结构完整,下载后编译即可运行。外接摄像头便能自动识别并展示实时监控画面,核心视频流处理可选用Windows Media Foundation或AForge.NET完成,便于理解摄像头驱动调用、帧缓冲与图像渲染流程;同时涉及边缘检测、颜色空间转换等图像分析基础,适合深入学习。资源压缩为zip包(约5.28MB),文件数量与内部结构以实际解压为准,不预先罗列文件清单。已有311人学习,适合作为C#课程设计、物联网安防项目或上位机开发的起步参考,也可进一步利用RTSP/WebRTC协议扩展远程监控功能,贯通视频编码、网络传输与桌面界面开发各项技能。整体偏实操,代码稳定运行后即可快速验证监控效果。

1. 项目概述与整体设计思路

先聊点实在的,C#做视频监控这事儿,我在实际项目里摸爬滚打了四五年,踩过的坑比吃过的盐还多。最初接手的第一个监控项目,客户要求16路高清画面同时预览,还要支持录像回放、报警联动,那时候我才真正体会到,视频监控远不是“打开摄像头看看画面”那么简单。

如果你正在做C#上位机开发、工控系统集成,或者被领导安排去对接海康、大华的网络摄像机,这篇东西值得花十分钟看完。我会把整个视频监控系统的骨架、关键代码、调优经验、以及那些文档里根本不会写的坑,一次讲透。

先说结论:C#做视频监控,方案比代码重要,架构比功能重要。这个领域不是你写多少行代码的问题,而是你选对协议、选对解码方案、选对渲染方式的问题。选错了,后面全是坑;选对了,你就是抄作业也能做个能用的系统。

我自己的经验是,一套能用的C#视频监控系统,至少包含四大块: 视频拉流与解流、画面渲染与显示、录像存储与回放、以及对外提供的管理和操作接口 。如果你的场景涉及工业检测,还会延伸到机器视觉部分,比如通过C#调用Halcon或者OpenCV做实时分析,这个我放在后面单独说。

2. 核心技术细节解析:从摄像机到屏幕的全链路

2.1 RTSP协议与拉流方式

几乎所有的IPC(网络摄像机)都支持RTSP协议,这是视频监控领域的事实标准。从C#程序的视角看,RTSP协议做的事情就三步:发起会话请求、接收码流数据、解析并解码显示。

RTSP的URL格式一般是这样的:

rtsp://username:password@ip:port/Streaming/Channels/101

不同厂商的路径规则不太一样。海康是 /Streaming/Channels/101 ,大华是 /cam/realmonitor?channel=1&subtype=0 ,做通用接入时最好写一个配置文件把地址模板管理起来。

我自己早期犯过一个低级错误——直接用TCP连接摄像机的RTSP端口,然后自己写RTSP信令去协商。这个办法不是不行,但完全没有必要。实际项目里我强烈建议直接用成熟的库去拉流,把精力花在后端业务上。

常用的几种拉流方式我整理了个对比表,你们可以参考:

方案 成熟度 解码方式 适用场景 学习成本
FFmpeg原生库 高 软解为主 多路视频、自定义处理 较高
OpenCvSharp 中高 软解为主 开发验证、原型演示 低
VLC.DotNet 中 内置解码器 快速出demo 低
NVR厂商SDK 高 硬件解码 单品牌设备环境 中

如果你只是做个内部工具,OpenCvSharp的 VideoCapture 几行代码就能出画面。但如果是商业项目或者24小时不关机的系统,我建议用FFmpeg的C#封装,比如FFmpeg.AutoGen,搭配BgraConverter做像素格式转换。

2.2 视频解码与像素格式转换

解码是视频监控里最容易被低估的环节,很多新手在这里栽跟头。摄像头的原始码流通常是H.264或H.265编码,需要解码成原始图像数据才能显示。解码后拿到的通常是YUV420P格式,而Windows下GDI+绘制需要使用RGB格式,所以必须做转换。

这里有个关键选择:软解还是硬解。

软解就是靠CPU算力去解码,H.264的4路1080P画面,CPU占用率能到40%~60%直冲70%。硬解是把解码任务交给GPU或者专门的解码器,CPU占用能压到10%以内。

我在一个RK3588平台上做过硬编码实时监控系统设计,这种场景下硬件编解码几乎是唯一选项,4路4K的画面纯靠CPU解码完全不现实。参考RK3588的Media Process Acceleration(MPA)模块,支持H.265/H.264硬件编解码,在此基础上用C#做上层控制,整体效果非常理想——CPU占用率是个位数。

软解和硬解在C#里没有直接的区别,因为最终都是调用底层库。硬解的配置主要在FFmpeg层面:

// 启用硬件解码的AVCodec配置
AVCodecContext* codecCtx = avcodec_alloc_context3(codec);
codecCtx->hw_device_ctx = av_buffer_ref(hwDeviceCtx); // 绑定GPU设备上下文
codecCtx->get_format = GetHwFormat; // 指定硬件像素格式

实际项目里选择方案时,我的建议是:

  • 4路以下1080P:软解够用,重点优化线程模型
  • 4路以上1080P或4K:必须硬解,或者引入GPU加速
  • 需要考虑成本:软解免费,硬解SDK通常需要厂商授权

2.3 画面显示与渲染方式

解码拿到RGB数据后,下一步是把图像画到界面上。这个环节的代表性方案有三种:

Windows Forms + PictureBox + SetBitmap

适合快速出原型,直接用 Bitmap 赋值给PictureBox的Image属性。但是16路视频用这个方案就别想了,频繁的GDI+绘制会直接把UI线程拖死。

WPF + WriteableBitmap

WriteableBitmap支持后台线程写入像素数据,配合 Dispatcher 可以在UI线程安全渲染。这个方案比PictureBox性能好不少,16路1080P勉强能撑住,但快速切换和缩放时还是有压力。

高性能渲染:Direct2D / OpenGL / SkiaSharp

真正要承载16路以上或4K分辨率,建议用渲染引擎做绘制缓存。通过GPU纹理加载图像数据,实现极高的画面吞吐。

我个人在几个项目里测过,使用SkiaSharp做渲染的C#监控客户端,32路720P画面可以稳定30帧,而传统PictureBox方案差不多到8路就开始掉帧了。所以说,如果系统规模可能扩展,架构上最好一开始就考虑渲染层抽象,不然后面换渲染方案等于重写整个客户端。

2.4 录像存储与回放设计

录像存储这块,需要先明确两个概念: 片断录制 和 连续录制 。

片断录制是按时间片分段保存文件,比如每5分钟生成一个MP4文件,之后按时间段检索回放时只需要找到对应时间范围内的文件。这个方案的优点是简单、稳定、损坏影响面小。

连续录制是单一文件持续增长,技术上要处理文件跨4GB边界的问题,还得担心文件损坏恢复。我一般不推荐在生产环境用连续录制,除非有特殊的司法合规要求。

C#里写录像文件,我几乎都在用FFmpeg的 avformat_write_header 和 av_interleaved_write_frame 做封装。注意一点,保存录像时的编码格式最好和原始码流一致,不要解码后再重新编码存盘,那样既浪费CPU又损失画质。

存储空间的估算是有经验公式的,我给你们算一下:

每小时数据量(GB) = 码流(Mbps) × 3600 ÷ 8 ÷ 1024
  • 1080P,4Mbps码流:一小时约1.8GB
  • 720P,2Mbps码流:一小时约0.9GB
  • 4K,8Mbps码流:一小时约3.5GB

如果一个项目有16路1080P摄像机,码流设4Mbps,那么24小时不间断录制需要的空间是:

1.8GB × 24小时 × 16路 = 691.2GB

这就是个每天需要约700GB存储的系统。建议提前规划磁盘阵列或者接入对象存储服务。

3. 实操过程与核心环节实现

3.1 项目结构设计——从零搭建一个可扩展的监控客户端

我现在做一个新项目时,C#解决方案的层级会分成四层:

层级 项目名 职责
表现层 Monitor.Client WPF页面、视频控件、操作界面
应用层 Monitor.Application 业务流程、命令处理、状态管理
领域层 Monitor.Domain 设备模型、录像计划、告警规则
基础设施 Monitor.Infrastructure RTSP拉流、解码、存储、网络通信

这么分层的好处是,以后想加机器学习分析模块,或者接新的设备厂商SDK,不需要动表现层的代码框架,只需要在基础设施层加一个适配器就行。

我在一个工控集成项目里接手过一套“大泥球”式的监控代码,所有功能都塞在Window的 CodeBehind 里,什么事情都直接操作控件。后面客户要加一个扫码枪触发事件的功能,花了两周还在和UI线程打架。后来我重新按分层架构理顺,改代码的难度瞬间下降。

3.2 网络交互:Socket接收与设备通信

C#做视频监控,Socket的用途不只是传输视频流,还涉及设备控制、心跳监控、云台协议对接等场景。

我在一个项目里用C#开发过工业级网口通讯助手,本质上是一个通用TCP/UDP调试工具。做这种工具的关键点在于: 正确区分视频流端口和控制端口 。海康的RTSP通常走554端口,但SDK控制走8000端口,云台控制走HTTP接口或SDK。你不能指望用一个端口解决所有通信。

设备控制的简单代码示例(发送云台控制命令):

using System.Net.Sockets;

public class DeviceController
{
    private readonly Socket _socket;

    public DeviceController(string deviceIp, int controlPort)
    {
        _socket = new Socket(AddressFamily.InterNetwork, SocketType.Stream, ProtocolType.Tcp);
        _socket.Connect(deviceIp, controlPort);
        _socket.ReceiveTimeout = 5000;
    }

    public void SendCommand(byte[] commandBytes)
    {
        _socket.Send(commandBytes);
        byte[] buffer = new byte[1024];
        int received = _socket.Receive(buffer);
        // 校验应答,判断命令是否执行成功
    }
}

这里有个要注意的坑:TCP向设备发送数据后,必须等待设备回复确认,不能连续发送。很多设备的控制板在忙时根本来不及处理连续指令,会直接丢弃。实际项目中我在发送线程里加了应答等待信号量,确保上一个命令完成后再发下一个。

3.3 实时画面渲染的关键代码

在WPF下用WriteableBitmap做实时画面渲染,核心代码如下:

public class VideoRenderControl
{
    private WriteableBitmap _bitmap;
    private readonly int _width = 1920;
    private readonly int _height = 1080;

    public void InitializeBitmap()
    {
        _bitmap = new WriteableBitmap(_width, _height, 96, 96, PixelFormats.Bgra32, null);
        VideoImage.Source = _bitmap; // VideoImage 是XAML中的Image控件
    }

    public void UpdateFrame(byte[] rgbData)
    {
        _bitmap.Lock();
        try
        {
            // 将像素数据写入WriteableBitmap的后台缓冲区
            IntPtr buffer = _bitmap.BackBuffer;
            System.Runtime.InteropServices.Marshal.Copy(rgbData, 0, buffer, rgbData.Length);
            _bitmap.AddDirtyRect(new Int32Rect(0, 0, _width, _height));
        }
        finally
        {
            _bitmap.Unlock();
        }
    }
}

这段代码的性能瓶颈在于 Marshal.Copy ,它把非托管内存的数据复制到托管缓冲区。更高性能的做法是直接使用 memcpy 或者共享内存,但WriteableBitmap在绝大多数场景下已经足够。

3.4 多路视频的内存管理

16路视频同时显示,最头疼的就是内存暴增。每一帧1080P的Bgra32图像数据大约是:

1920 × 1080 × 4字节 = 8,294,400字节 ≈ 8MB

16路同时显示,如果每路缓存5帧,就是:

8MB × 16路 × 5帧 = 640MB

这还没算解码器内部的缓冲和渲染层的开销。实际项目中我见过很多“视频打开越看越卡”的现象,很大一部分原因就是没有控制帧缓存。

有效的做法是设置 队列上限 ,例如用 Channel 或 BlockingCollection ,当队列满时丢弃最新帧而不是无限堆积:

var frameQueue = new Channel<VideoFrame>(
    new BoundedChannelOptions(3) // 最多缓存3帧
    {
        FullMode = BoundedChannelFullMode.DropWrite
    });

这样每路视频最多缓存3帧画面,等待时间短,延迟也低。如果应用的场景需要接着做后续算法分析,可以把分析帧和显示帧分开处理,分析走独立的队列,别把解码线程和显示线程搅在一起。

4. 常见问题与排查技巧实录

4.1 UI刷新卡顿与数据采集线程冲突

“C#循环数据采集和UI刷新卡顿”这个问题,我见过太多人踩坑了。核心原因就是 在UI线程做了耗时操作 ,或者在后台线程直接访问了UI控件。

我自己调试过一个典型的报修单:客户反应界面每秒钟卡一次,任务管理器看CPU只有10%。查下来发现,代码在UI线程里用 Thread.Sleep(10) 做循环采集,而且每隔一个循环就更新一个ListView。UI线程既要做采集又要做渲染,自然卡到飞起。

正确做法是把采集放到后台线程( Task.Run ),通过 IProgress<T> 或者 Dispatcher.BeginInvoke 回调UI更新:

private readonly IProgress<int> _progress;

public void StartCollecting()
{
    _progress = new Progress<int>(value =>
    {
        ValueLabel.Content = value.ToString(); // 线程安全更新UI
    });

    Task.Run(() =>
    {
        while (!_cancellationToken.IsCancellationRequested)
        {
            int data = ReadSensorData();
            _progress.Report(data);
            Thread.Sleep(100);
        }
    });
}

还有一个很隐蔽的问题:在使用 System.Windows.Forms.Timer 时,它的Tick事件是在UI线程执行的,如果Tick逻辑里做了解码或者Socket操作,同样会卡界面。所以视频帧的更新尽量不要用Timer去驱动,应该用后台解码线程完成回调。

4.2 画面延迟过高的排查路径

如果你发现视频画面延迟到了3秒甚至5秒以上,排查方向按优先级排:

  1. 检查摄像机帧率和码流参数 :把主码流帧率从25fps降为15fps,或者码流从8Mbps降到4Mbps,看延迟是否下降。摄像头推流过大时,解码会形成积压。
  2. 检查解码队列积压 :用日志打出每路视频的待处理帧数量,如果持续增长,说明解码速度跟不上输入速度。
  3. 检查网络带宽 :千兆网口在16路1080P场景下已经接近极限,优先采用交换机端口隔离和组播。
  4. 检查显示逻辑 :有些实现是解码线程直接把Bitmap赋给控件,没有做帧率控制,导致高速画面看起来像慢动作。

我之前遇到一个极端案例,客户反馈现场设备5分钟录像经常出现跳秒,排查最后发现是交换机的一个端口处于半双工状态。所以网络问题也是一大类,别只看软件。

4.3 多路视频监控中“内存暴涨”的典型案例

有一次项目上线第三天,客户端内存占到了2.5GB。当时客户很恼火,说是我们程序有内存泄漏。我排查后发现,塔台里有一个模块订阅了所有视频帧做算法分析,但他忘了到后面释放算法实例和图像对象。算法分析线程每检测一次就new一个Mat,而C#的Dispose没被调用,垃圾回收根本来不及跟不上。

针对这类问题,我后来定了一条铁律: 视频帧对象(包括Bitmap、Mat等)必须用using或try-finally显式释放,不能依赖GC 。

public void ProcessFrame(byte[] yuvData, int width, int height)
{
    using var mat = new Mat(height, width, MatType.CV_8UC3);
    Marshal.Copy(yuvData, 0, mat.DataPointer, yuvData.Length);

    using var resultMat = _processor.Detect(mat); // 算法分析
    // 释放非托管资源
    mat.Dispose();
    resultMat.Dispose();
}

4.4 萤石云摄像头视频转不了的问题

这里再说一个常见的接入问题:萤石云摄像头(EZVIZ)的RTSP地址格式和海康传统设备不同,必须使用萤石开放平台的鉴权信息,不能直接拿局域网IP去拉流。

而且萤石云在隐私保护模式下,通常不允许第三方直接拉RTSP,只开放其云平台API的访问。这种情况下C#程序如果想接入,优先走萤石开放平台提供的OpenAPI或者SDK,走云转存或者云录像服务,而不是在本地强制拉流。否则就会出现“萤石云视频监控怎么转不了”的问题,本质上不是程序问题,是协议对接方式不对。

5. 从视频监控到机器视觉:扩展方向与实战建议

5.1 C#与机器视觉的融合

视频监控的技术栈和机器视觉高度重叠,核心都是图像采集、图像处理、图像理解。C#在机器视觉里的常见组合有两套:Halcon和OpenCV。

海康相机VisionMaster与C#上位机配合,常用的通信协议是TCP/IP或者基于厂家的SDK。VisionMaster作为独立的机器视觉软件,输出检测结果后通过TCP套接字传给上位机显示,这种方式简单稳定,适合两套系统解耦。

如果是深度集成,我建议直接用相机SDK配套的C#接口,或者用HALCON的C#接口做联合编程。实际项目里,我做Halcon与海康相机配合时,主要用HALCON的 HOperatorSet.GrabImageAsync 抓图,再做模板匹配和缺陷检测。模板匹配返回的坐标、角度直接用于机械手定位,整个过程在C#的窗体里显示控制,很方便。

还有一些冷门但有趣的方向,比如用SkiaSharp的Android版本结合C#做视频帧的卡通化或素描化后处理。底层走ONNX Runtime加载素描模型,C#端只负责图像数据的输入输出和结果展示,这个思路在娱乐互动和内容创作领域都很有想象空间。

5.2 视频监控系统的后期扩展建议

如果做完一个基础视频监控系统,接下去可以按这些方向扩展:

  • AI算法集成 :通过ONNX Runtime部署行人检测、车辆识别、物体分类等模型
  • 智能告警 :当画面出现移动侦测、遮挡、区域入侵时,C#程序自动推送消息或抓拍,通过企业微信或邮件通知值班人员
  • 视频结构化 :把画面中的目标信息提取成结构化数据,存储到数据库,方便检索和统计
  • 多端展示 :服务端做成Web API,手机端通过WebRTC或HLS观看实时画面

在产品规划上,如果一个系统只做纯视频预览,价值不会太高。做了录像和回放,才像一个监控系统。再加了智能分析,系统才有竞争力。所以C#视频监控的最终产物,不是一堆播放画面的窗口,而是一个能采集、理解、存储视频信息的平台。

6. 最后想分享的一点经验

做C#视频监控这几年,最大的体会是:这个领域没有一个“官网下载就能用”的全能控件,真正能支撑项目的,是扎实的底层原理理解和你的排错能力。

很多刚入行的同学喜欢找现成的SDK或控件,直接拖过来用,出了bug根本无从下手。我后来做任何视频相关的功能,一定会先把“帧是怎么来的”“字节流里到底是什么格式”“画面是怎么渲染上去的”这三个问题搞得清清楚楚,出问题的时候就能快速定位。

另外要多做压测。视频监控和普通业务系统不同,它是7x24小时跑着的“吞帧机器”,不到高负载你根本不知道系统什么时候会崩。拿16路画面连续跑两天,看内存曲线、CPU曲线、延迟变化,你得到的收获比看十天文档都大。

最后分享一个实战小技巧:开发阶段在视频面板右上角显示关键调试信息,包括解码帧率、渲染帧率、CPU占用、内存占用,方便随时监控系统健康度。看似不起眼,但帮你节省的排查时间真的不是一点半点。

本文还有配套的精品资源,点击获取 menu-r.4af5f7ec.gif

chrome-win64-159.0.8145.0(Canary).zip 内容概要:Chrome for Testing 官方 chrome 159.0.8145.0 win64 平台(金丝雀版通道),原版未修改,附来源说明。 适合人群:Windows 64 位 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①Chrome for Testing 官方浏览器本体,供自动化测试使用;②与同版本 chromedriver 配套;③CI/容器环境的浏览器运行时。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。 立即下载

相关推荐

chrome-headless-shell-win64-157.0.8103.38(Stable).zip

Chrome for Testing 官方指定版本的 Chrome 浏览器、ChromeDriver 与 Headless Shell 压缩包,适用于 Selenium、Playwright 等自动化测试环境搭建,覆盖 Windows、macOS、Linux 多平台,解压即可使用,无需额外安装或配置。

TVJ1120资源及合并指令

内容概要:本文提供了TVJ1120.apk拆分文件的下载链接及合并方法,包含两个分卷文件(part1和part2)的CSDN下载地址,并给出在Windows系统下使用copy命令将两个分卷合并为完整APK文件的具体指令。同时提供使用certutil工具对合并后的TVJ1120.apk进行SHA256哈希值校验的命令,以确保文件完整性与安全性。; 适合人群:具备基本计算机操作能力,熟悉命令行工具使用的开发者或技术人员;需要下载并验证安卓应用文件完整性的用户。; 使用场景及目标:①用于从分卷压缩或拆分的APK文件中恢复完整的安装包;②通过哈希校验确保下载的APK文件未被篡改或损坏,保障应用安全性和可用性;③适用于软件分发、移动应用测试、逆向分析等技术场景。; 阅读建议:在操作前确认已下载全部分卷文件,并在相同目录下执行合并命令;建议严格比对生成的SHA256值与官方提供的校验值,防止运行不安全的应用程序。

chrome-win32-159.0.8150.0(Canary).zip

内容概要:Chrome for Testing 官方 chrome 159.0.8150.0 win32 平台(金丝雀版通道),原版未修改,附来源说明。 适合人群:Windows 32 位 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①Chrome for Testing 官方浏览器本体,供自动化测试使用;②与同版本 chromedriver 配套;③CI/容器环境的浏览器运行时。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。

集团企业采购职能管控模式规划方法论采购职能管控方案、采购职能管理模式、组织与职责设计.pptx

集团企业采购职能管控模式规划方法论采购职能管控方案、采购职能管理模式、组织与职责设计.pptx

chromedriver-win32-160.0.8164.0(Canary).zip

chromedriver-win32-160.0.8164.0(Canary).zip

chrome-headless-shell-mac-x64-160.0.8164.0(Canary).zip

内容概要:Chrome for Testing 官方 chrome-headless-shell 160.0.8164.0 mac-x64 平台(金丝雀版通道),原版未修改,附来源说明。 适合人群:macOS Intel 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①无头浏览器内核(Playwright/Puppeteer/Selenium 无界面自动化与爬虫);②服务器/容器离线内置;③版本精准匹配(chromedriver 与 Chrome 需同大版本)。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。

【M波段2D双树(希尔伯特)小波多分量图像去噪】基于定向M波段双树(希尔伯特)小波对多分量彩色图像进行降噪研究(Matlab代码实现)

内容概要:本文系统研究了基于定向M波段双树(希尔伯特)小波的多分量彩色图像去噪方法,通过引入M波段双树结构的小波变换,增强了传统小波在方向选择性和冗余性方面的表现,有效克服了图像去噪中边缘模糊与纹理丢失的问题。该方法充分利用小波变换的多分辨率分析能力,结合阈值处理策略,在去除高斯噪声、椒盐噪声等多种噪声的同时,显著保留了图像的细节特征与色彩信息。文章详细阐述了算法的数学原理、实现步骤及关键参数设计,并提供了完整的Matlab代码实现,便于读者复现与进一步优化。 适合人群:具备数字图像处理基础知识,熟悉Matlab编程语言,从事图像去噪、计算机视觉、遥感图像处理或医学影像分析等相关领域的研究生、科研人员及工程技术人员。 使用场景及目标:①应用于彩色图像、遥感影像、医学图像等多通道图像的高质量去噪处理;②服务于后续高级视觉任务(如目标检测、图像分割)前的预处理环节,提升整体系统性能;③为需要高保真图像恢复的应用场景提供技术支持。 阅读建议:建议读者结合提供的Matlab代码逐模块理解算法实现流程,重点关注小波分解与重构、方向滤波器组设计、阈值选择与收缩策略等核心环节,同时可通过调整噪声类型与参数设置进行对比实验,深入掌握算法性能边界与优化方向。

chrome-mac-arm64-159.0.8154.2(Canary).zip

内容概要:Chrome for Testing 官方 chrome 159.0.8154.2 mac-arm64 平台(金丝雀版通道),原版未修改,附来源说明。 适合人群:macOS Apple Silicon 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①Chrome for Testing 官方浏览器本体,供自动化测试使用;②与同版本 chromedriver 配套;③CI/容器环境的浏览器运行时。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。

华为智简园区医疗物联网解决方案.pptx

华为智简园区医疗物联网解决方案.pptx

化工MES-石化盈科信息技术有限责任公司.pptx

化工MES-石化盈科信息技术有限责任公司.pptx

健康管理服务运营方案.pptx

健康管理服务运营方案.pptx

极简架构MES系统解决方案介绍.pptx

极简架构MES系统解决方案介绍.pptx

钢铁行业工业互联网安全解决方案.pptx

钢铁行业工业互联网安全解决方案.pptx

轨道交通云平台解决方案.pptx

轨道交通云平台解决方案.pptx

集团S&OP供应链计划管理蓝图规划方案(供应链二).pptx

集团S&OP供应链计划管理蓝图规划方案(供应链二).pptx

互联网 医联体信息化建设和实施解决方案.pptx

互联网 医联体信息化建设和实施解决方案.pptx

工业互联网助力企业数字化转型方案.pptx

工业互联网助力企业数字化转型方案.pptx

超详细的YOLOv8安装与测试指南:让计算机视觉任务变得简单

python3+、Anaconda3或Miniconda3 Ultralytics提供了多种安装方法,包括pip、conda和Docker。通过pip包安装最新稳定版的YOLOv8,或者克隆Ultralytics GitHub仓库以获取最新版本。Docker可用于在隔离容器中执行包,避免本地安装。 最简单直接的方式就是直接使用pip方法直接安装。 也可以直接从GitHub仓库安装包。如果你想要最新的开发版本,这可能会很有用。确保你的系统上安装了Git命令行工具

CDBmax的博客 1万+
上一篇: C语言中UTF-8与GBK互转:原理、实现与坑点详解
下一篇: C++课程设计实战:从零构建定向越野打卡记录系统
张瑞15129378030
博客等级 码龄8年 60粉丝 1万+原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址