Delphi调用OpenCV做人脸检测：C接口桥接与Haar级联实战

简介面向Delphi开发者的OpenCV人脸检测工程演示如何在Delphi环境中调用OpenCV库完成图像或视频流中的人脸定位涵盖Haar级联分类器加载、灰度转换、detectMultiScale检测及结果绘制等关键环节适合希望将计算机视觉功能集成到Delphi应用中的入门及进阶读者。压缩包共61个文件以.pas单元源码为主辅以OpenCV 2.4.13动态库.dll、Haar级联模型xml、工程入口/配置.dpr、.dproj及窗体定义.dfm等其中.pas文件涵盖核心检测逻辑与OpenCV绑定接口.dll提供运行时依赖.xml为预训练模型总大小仅2.71MB是一个可直接编译学习的轻量完整实例。文件按OpenCV的模块划分整理核心算法与界面分离便于逐模块理解。已有2364人学习下载。通过该示例读者不仅能掌握OpenCV在Delphi中的集成与配置方法还可理清人脸检测从输入到输出的完整技术路径并以此为基础扩展表情识别、运动检测等更高级的视觉应用。1. 用 OpenCV 在 Delphi 里做人脸检测C 接口桥接这条路必须走接手某公司一个遗留的 Delphi 门禁客户端需求是摄像头画面里实时做人脸检测并把结果圈出来。OpenCV 的 Haar 级联方案在这里最合适但老项目是 Delphi 7 时代的代码为了一个人脸检测不可能整个换语言Python 那套 pip install opencv-python 在这里完全走不通。最后落实的方案就是 Delphi 动态加载 OpenCV 的 Windows 动态库走 C 语言接口把级联检测调通。这份「使用 opencv 的人脸检测 (delphi 版)」资源正是按这个思路整理的一份能直接拖进工程的 C 接口绑定单元、一个完整可跑的检测 Demo、配套的级联分类器 XML 模型。适合手里有 Delphi 桌面项目、又要做本地图片或摄像头人脸定位的开发者读完后能跑通检测也知道参数去哪调、哪些地方会翻车。2. 环境与动态加载把 opencv_world 的 C 接口接进 Delphi 工程2.1 选型为什么 Delphi 只能走 C 接口而不是 C 接口OpenCV 的主接口是 CDelphi 无法直接链接 C 头文件里的类和重载。这其实是所有 Delphi 接 OpenCV 的人面对的第一个坎。常见的做法有两条。第一条是找现成的第三方封装比如某开源组织维护的 Delphi 绑定包。好处是拿来就能用坏处是和 OpenCV 大版本绑定太死官方一升级绑定单元就得跟着改不然运行时导出的符号对不上连编译都过不了。第二条是自己用 LoadLibrary GetProcAddress 做动态加载只拿 OpenCV 对外导出的 C 接口。C 接口虽然在 OpenCV 4.x 里被标成兼容维护状态但 Haar 级联检测这条链路——cvLoad 加载分类器、cvHaarDetectObjects 执行检测——从 2.4 一直保留到 4.x导出符号没断过。对桌面检测场景来说是够用的而且换 DLL 版本时只要改一个常量不用重编译整个单元。还有一种方案是再包一层 C 辅助 DLL把 OpenCV 的 C API 封装成纯 C 接口给 Delphi 调用。这个方案灵活性最高但要求你有一套能编译 OpenCV 的 C 工具链发布时还得附带两个动态库维护成本明显偏高。对这个资源要解决的桌面检测场景直接用 OpenCV 自带的 C 接口就够了没必要自找麻烦。2.2 动态加载函数指针声明与 GetProcAddress 绑定C 接口的函数签名是固定的在 Delphi 里先声明成函数指针类型再从 DLL 里按名字取地址。注意 OpenCV 3.x 之后 Windows 版把模块都合并进了 opencv_world DLL没有单独的 opencv_core、opencv_objdetect 之类的小动态库所以只需要 LoadLibrary 一次。type TCvSize record Width: Integer; Height: Integer; end; TCvRect record X: Integer; Y: Integer; Width: Integer; Height: Integer; end; // 函数指针统一 Tfn 前缀跟后面的封装方法区分开 TfnLoadImage function(const FileName: PAnsiChar; Flags: Integer): Pointer; cdecl; TfnCreateImage function(Size: TCvSize; Depth, Channels: Integer): Pointer; cdecl; TfnCvtColor procedure(Src, Dst: Pointer; Code: Integer); cdecl; TfnEqualizeHist procedure(Src, Dst: Pointer); cdecl; TfnLoad function(const FileName: PAnsiChar; Storage: Pointer; const Name: PAnsiChar): Pointer; cdecl; TfnCreateMemStorage function(BlockSize: Integer): Pointer; cdecl; TfnHaarDetectObjects function(Image, Cascade, Storage: Pointer; ScaleFactor: Double; MinNeighbors, Flags: Integer; MinSize, MaxSize: TCvSize): Pointer; cdecl; TfnGetSeqElem function(Seq: Pointer; Index: Integer): Pointer; cdecl;关键点有三个。一是调用约定网上老帖子抄来的代码有写 stdcall 的也有写 cdecl 的实践下来 OpenCV 2.x 及以后的 C 接口按 cdecl 声明才不会栈错声明错了的表现就是偶发崩溃Debug 下不明显Release 下特别频繁。二是 TCvSize 和 TCvRect 是按值传参的小结构体Delphi 的 record 两个 Integer 正好 8 字节内存布局和 C 的 CvSize 一致可以放心用但注意别把字段声明成 Int64会错位。三是字符串参数必须用 PAnsiChar不能用 PWideCharOpenCV 内部按 UTF-8 字节流处理文件名这个在避坑章节展开说。绑定代码我一般做成一个独立的初始化类加载时做一次符号自检constructor TOpenCVDll.Create(const ADllPath: string); begin FDllHandle : LoadLibrary(PChar(ADllPath)); if FDllHandle 0 then raise Exception.Create(OpenCV DLL 加载失败: ADllPath); FnLoadImage : TfnLoadImage(GetProcAddress(FDllHandle, cvLoadImage)); FnCreateImage : TfnCreateImage(GetProcAddress(FDllHandle, cvCreateImage)); // ...其余函数同理逐个取地址 if not Assigned(FnHaarDetectObjects) then raise Exception.Create(cvHaarDetectObjects 符号不存在请检查 DLL 版本); end;提示GetProcAddress 返回的是普通指针必须强转成对应的函数指针类型再赋值直接赋值编译过不了。加载顺序有讲究LoadLibrary 失败先看 DLL 是否缺依赖比如缺 VC 运行库GetProcAddress 返回 nil 则说明当前这个 opencv_world 版本没导出这个 C 符号。我在某实验室的旧机器上遇到过 LoadLibrary 成功、但 cvLoadImage 怎么都取不到的情况最后发现是机器残留了老版本 OpenCV 的动态库被优先加载了。解决方法是给 DLL 用绝对路径别让系统去搜索路径里翻出旧货。建议在构造函数里把所有函数指针遍历检查一遍哪个没取到就抛异常并带上函数名这个习惯能省大量排查时间——不然使用期才发现某个函数是 nil报错位置离加载代码十万八千里。2.3 模型文件级联分类器 XML 的准备级联分类器模型是纯数据文件OpenCV 官方仓库的 data 目录里给了一堆 haarcascade_*.xml。这份资源里带的是最有代表性的三个模型文件特点适用haarcascade_frontalface_alt2.xml检测率和误检率均衡最常用通用照片、摄像头haarcascade_frontalface_default.xml速度快误检略多性能紧张的单帧检测haarcascade_frontalface_alt_tree.xml精度高速度最慢离线批处理模型文件我会放在 EXE 同级的 models 子目录程序启动时用 ExtractFilePath(ParamStr(0)) 拼绝对路径再传给 cvLoad。不要用相对路径直接传因为当前工作目录在 Delphi IDE 里按 F9 调试时和双击 EXE 运行时不一样这个细小的差异能坑掉一上午。另外注意 models 目录的写权限问题程序装进 Program Files 之后运行时想往 models 目录写文件会失败模型文件随程序一起只读分发最稳。3. cvHaarDetectObjects 是核心Delphi 里的检测调用与四个关键参数3.1 图像结构IplImage 最小结构体与偏移问题cvLoadImage 返回的是 IplImage 指针。完整翻译这个 C 结构体很啰嗦而且 32 位和 64 位下指针字段占的字节不一样。Delphi 侧实际只需要读四个字段Width、Height、ImageData、WidthStep。我一般定义最小结构体用占位字段把偏移撑对type PIplImage ^TIplImage; TIplImage record // 32 位编译下以下字段偏移与 C 的 IplImage 对齐 NSize: Integer; // 0 ID: Integer; // 4 NChannels: Integer; // 8 AlphaChannel: Integer; // 12 Depth: Integer; // 16 ColorModel: array[0..3] of AnsiChar; // 20 ChannelSeq: array[0..3] of AnsiChar; // 24 DataOrder: Integer; // 28 Origin: Integer; // 32 Align: Integer; // 36 Width: Integer; // 40 Height: Integer; // 44 ROI: array[0..15] of Byte; // 48 起指针位按 32 位算 ImageData: Pointer; // 业务侧真正要用的指针字段 end;这里有一个血泪教训64 位编译时ROI、MaskROI 这些指针字段占 8 字节上面的 32 位布局会全部错位。所以要么条件编译分别定义要么干脆不读结构体字段改用 cvGetSize、cvGetImageData 这类 C 函数去取值。资源里的单元用的是条件编译加函数取值双保险新写代码时我建议直接走函数少碰裸结构体省得被偏移玄学反复折磨。3.2 检测主流程加载图片、灰度化、级联检测下面这段是核心流程完整可编译遍历部分做了收敛以突出重点procedure TFaceDetector.DetectFromFile(const AImagePath, ACascadePath: string); var LImage, LGray, LEqu: Pointer; LCascade, LStorage, LSeq: Pointer; LMinSize: TCvSize; I: Integer; LRect: ^TCvRect; begin LImage : FDll.FnLoadImage(PAnsiChar(AnsiString(AImagePath)), 1); // 1 CV_LOAD_IMAGE_COLOR if LImage nil then raise Exception.Create(加载图片失败); try // 先灰度化再均衡化能明显提升 Haar 检测召回率 LGray : FDll.FnCreateImage(GetSize(LImage), 8, 1); LEqu : FDll.FnCreateImage(GetSize(LImage), 8, 1); try FDll.FnCvtColor(LImage, LGray, CV_BGR2GRAY); FDll.FnEqualizeHist(LGray, LEqu); LCascade : FDll.FnLoad(PAnsiChar(AnsiString(ACascadePath)), nil, nil); if LCascade nil then raise Exception.Create(级联分类器加载失败: ACascadePath); try LStorage : FDll.FnCreateMemStorage(0); try LMinSize.Width : 60; LMinSize.Height : 60; // 最小人脸 60x60小于此尺寸的窗口直接跳过 LSeq : FDll.FnHaarDetectObjects(LEqu, LCascade, LStorage, 1.1, // scaleFactor每轮缩放 10% 3, // minNeighbors邻域内至少 3 个窗口命中才算人脸 0, // flags0 表示不做额外优化 LMinSize, // minSize GetZeroSize); // maxSize0 表示不限制 for I : 0 to GetSeqTotal(LSeq) - 1 do begin LRect : FDll.FnGetSeqElem(LSeq, I); // LRect^ 就是一个人脸框这里收集进 TListTRect FResult.Add(Rect(LRect.X, LRect.Y, LRect.X LRect.Width, LRect.Y LRect.Height)); end; finally FDll.FnReleaseMemStorage(LStorage); end; finally FDll.FnReleaseCascade(LCascade); end; finally FDll.FnReleaseImage(LGray); FDll.FnReleaseImage(LEqu); end; finally FDll.FnReleaseImage(LImage); end; end;逻辑上分三段先把彩色图转灰度并做直方图均衡然后加载分类器、创建内存存储区最后调用 cvHaarDetectObjects 拿到一个 CvSeq 序列里面每个元素是 CvRect。这里的每个 finally 都有讲究——cvHaarDetectObjects 返回的 CvSeq 挂在 MemStorage 上必须先读完结果、再释放存储区如果先释放了存储区再读序列轻则读到垃圾数据重则访问已释放内存直接崩。这个顺序问题我见过不止一次基本都是同一个原因把 C 的容器习惯带过来了忘了 C 接口里内存归属是分层的。注意CvSeq 的数据块分配在 MemStorage 里遍历结束后才能释放存储区顺序反了必崩。3.3 四个关键参数scaleFactor、minNeighbors、minSize 的调参表cvHaarDetectObjects 的调参本质上是在「多检」和「误检」之间找平衡。参数语义如下参数作用常用值调整方向scaleFactor每轮缩放比例1.1 表示窗口每次缩小 10%1.1~1.2越接近 1 检得越细越慢1.05 容易误检背景纹理minNeighbors候选框周围至少多少个检测窗口才确认3~6调大过滤误检但侧脸、小脸会被滤掉minSize最小人脸尺寸像素图像短边的 1/10 左右设太小会大量误检纹理maxSize最大人脸尺寸0 表示不限制0画面里人脸不可能太大时设上限能提速flags优化开关0 为默认0CV_HAAR_FIND_BIGGEST_OBJECT4 适合单人场景先说 scaleFactor。它控制检测窗口的缩放步长1.1 意味着每一级窗口边长缩小 10%全图要经过大约几十级缩放。改成 1.05 理论上能提高漏检召回但代价是检测时间几乎翻倍而且极易把衣服纹理、百叶窗误判成人脸。我的默认做法是 1.1 起步误检多了先动 minNeighbors而不是动 scaleFactor。再说 minNeighbors这是最直观的防误检旋钮。级联检测会在图上产生很多候选窗口同一个真实人脸周围通常有大量重叠窗口命中而背景误检往往是孤立的几个窗口。minNeighbors3 表示候选窗口周围至少 3 个近邻窗口都命中才确认是人脸。想要低误检就把值往上加加到 6 左右人脸基本不漏但小脸和侧脸会被滤掉反过来摄像头离人远、人脸只有几十像素的场景保持 3 更稳。minSize 是容易被忽略的参数。默认 0 会让检测器从很小尺寸开始扫描在小图上会产生大批误检白白吃掉 CPU。我一般按图像短边的 1/10 设置起步尺寸比如 640x480 的图用 60x60 左右既能跳过大量无效窗口又能保证正常距离下的人脸不漏。如果画面里人脸永远占很大面积比如桌面摄像头正对人脸直接设成 100x100速度会有可感知的提升。门禁场景我固定用 scaleFactor1.1、minNeighbors4、minSize60兼顾了误检率和漏检率。4. 检测率与性能实战灰度预处理、ROI 裁剪与参数调优4.1 灰度化与直方图均衡为什么能提高召回Haar 级联检测器内部基于灰度特征计算喂彩色图其实也是先取灰度通道。手动先做 cvCvtColor 转到灰度图再 cvEqualizeHist 做直方图均衡目的是把光照差异压平人脸在逆光、侧光条件下明暗反差大均衡化后特征更容易被级联命中。直方图均衡不是万能的。在强彩色光源场景比如舞台彩色灯光打在脸上均衡化会把颜色亮度信息打乱反而可能降低召回。我遇到这种情况的处理办法是保留原灰度图跑一次均衡图再跑一次两次结果取并集。检测时间翻倍但召回率确实能上来。这个技巧适合离线批处理实时视频流不建议双路跑。还有一种常见误用在彩色图上直接调用检测函数。内部虽然也会灰度化但颜色空间转换的插值方式不可控效果不如自己显式转换。显式转换的另一个好处是你可以顺手做缩放——把 1920x1080 的图先缩到 960x540 再检测时间能降到原来的三分之一左右人脸尺寸在这个分辨率下依然足够检出。4.2 ROI 裁剪让检测器只在有人脸的区域工作视频场景里有个天然规律上一帧检测到的人脸这一帧大概率还在附近。与其每帧全图扫描不如先把上一帧的人脸框放大 1.3 倍作为 ROI只在 ROI 内做检测。function ExpandRect(const ARect: TRect; const AScale: Double; const AMaxWidth, AMaxHeight: Integer): TRect; var LWidth, LHeight: Integer; begin LWidth : Round(ARect.Width * AScale); LHeight : Round(ARect.Height * AScale); Result.Left : Max(0, ARect.Left - (LWidth - ARect.Width) div 2); Result.Top : Max(0, ARect.Top - (LHeight - ARect.Height) div 2); Result.Right : Min(AMaxWidth, ARect.Right (LWidth - ARect.Width) div 2); Result.Bottom : Min(AMaxHeight, ARect.Bottom (LHeight - ARect.Height) div 2); end;ROI 实现里最核心的是边界裁切人脸靠近画面边缘时放大后的矩形可能超出图像范围如果不做 Max/Min 钳制传给 ROI 设置的矩形会越界轻则返回空图重则内存访问异常。参数里 AScale 取 1.3 到 1.5 之间太小则人脸轻微移动就跑到 ROI 外面太大则 ROI 接近全图失去加速意义。做了 ROI 之后 minSize 也要相应缩水否则 ROI 内的人脸被 minSize 过滤掉白忙一场。ROI 裁剪和全图检测的差异我实测过全图 640x480 单帧检测大约 60 到 100msROI 缩小到 200x150 之后降到 20ms 左右配合帧跳过足够跑出实时感。但有个前提——第一帧必须全图检测之后才有 ROI 可用。这正好引出帧和帧之间的策略问题。4.3 后台线程别把 Haar 检测丢在主线程Haar 检测是纯 CPU 计算640x480 单帧几十毫秒。如果在主线程里跑UI 会明显卡顿拖动窗口时跟幻灯片一样。常规做法是把检测放进后台线程帧数据通过队列传给线程检测完通过另一条队列回传结果。type TDetectThread class(TThread) private FFrameQueue: TThreadedQueuePointer; FResultQueue: TThreadedQueueTListTRect; protected procedure Execute; override; end; procedure TDetectThread.Execute; var LFrame: Pointer; LResult: TListTRect; begin while not Terminated do begin if FFrameQueue.PopItem(LFrame) wrSignaled then begin LResult : TListTRect.Create; try FDetector.Detect(LFrame, LResult); // 内部做灰度化和级联检测 FResultQueue.PushItem(LResult); except LResult.Free; end; end; end; end;这里要注意摄像头帧的线程归属问题摄像头回调线程把帧推入队列后绝不能继续持有或复用这块内存帧的释放必须由检测线程完成否则两个线程同时访问同一块帧缓冲轻则花屏重则访问冲突闪退。队列深度我限制在 2 左右满了就丢弃新帧而不是阻塞摄像头回调——视频检测宁可丢帧也不该让采集卡住。线程模型定下来之后性能优化才有意义。单线程里再怎么调参数也有上限多线程才能真正吃满多核 CPU。比如四核机器上把画面按垂直中线切成两半两线程各扫一半理想情况接近翻倍。切分检测的并集要做去重相邻边界处的人脸可能会被两半各检出一次重叠框用面积交并比过滤掉即可。5. 避坑与常见问题路径编码、内存释放与 DLL 版本三大翻车现场5.1 中文路径加载 XML 返回 nil现象cvLoad 传入的模型路径带中文或带空格时函数返回 nil检测静默失效换成纯英文路径就正常。原因OpenCV 内部对文件名按 UTF-8 字节流处理而 Delphi 的 string 是 UTF-16直接转 PAnsiChar 得到的是 ANSI 编码字节在中文 Windows 上这段字节既不是 UTF-8 也不是合法文件名自然找不到文件。解决项目里统一用纯 ASCII 路径模型文件放在 EXE 同级的 models 目录运行时用 ExtractFilePath(ParamStr(0)) 拼绝对路径不依赖当前工作目录。如果必须支持用户选的中文路径先 WideCharToMultiByte 转成 UTF-8 再传给 cvLoad不要直接 AnsiString()——那是系统 ANSI 代码页不是 UTF-8。5.2 32 位编译正常64 位编译后图像尺寸是乱码现象同一份代码32 位下跑得好好的切到 64 位编译cvLoadImage 后读 Width、Height 得到的全是怪数字检测结果全乱。原因IplImage 结构体里 ROI、MaskROI、ImageId 是指针字段32 位占 4 字节、64 位占 8 字节直接按 32 位布局硬读64 位下后面所有字段全部错位。解决不要用最小结构体硬读改用 cvGetSize、cvGetWidth、cvGetHeight 这类 C 函数取尺寸。资源单元里把结构体只用于编译器需要知道大小的场景业务代码一律走函数。如果你坚持用结构体用条件编译分别定义 32/64 两份布局并在单元自带的初始化测试里跑一次自检读出的宽高等于实际图片尺寸才算过。5.3 释放顺序颠倒程序偶发崩溃现象检测几百帧后偶发 Access Violation崩溃位置不固定Debug 下概率低、Release 下概率高。原因最常见的是先释放了 MemStorage再去遍历 cvHaarDetectObjects 返回的 CvSeq。CvSeq 的数据块就分配在 MemStorage 里释放存储区后序列指针成了野指针。Debug 下内存未复用所以看起来没事Release 下内存被新分配覆盖一访问就炸。解决严格遵守「先读结果再释放存储区」的顺序。另外 cvReleaseImage 要配对调用cvCreateImage 创建的灰度图、均衡图用完都要释放。图像数据泄漏一次两次没感觉长时间跑视频流内存会缓慢爬升直到系统内存耗尽才暴露这种问题最难查。我会在封装类里维护一个 Create/Release 配对计数单元卸载时校验计数归零归不了零就说明有泄漏点。5.4 侧脸和戴眼镜的人检不出来现象正脸检测很准但人脸一偏转超过 30 度就丢失戴墨镜的人基本检不到。原因Haar 级联是基于正脸样本训练出来的对姿态变化敏感。frontalface 系列模型本来就没覆盖侧脸这不是参数问题是模型能力边界。解决把模型换成 haarcascade_profileface.xml 专门检侧脸或者用 front 模型加 profile 模型并行检测结果取并集。更省事的办法是只做正脸场景调整摄像头安装角度让用户正对镜头——门禁考勤这种场景本来就是这么设计的。想真正解决姿态问题得换 DNN 模型比如 OpenCV 的 Caffe/ONNX 人脸检测接口那就超出这套 C 接口封装的范围了需要单独的推理封装。5.5 开发机正常换台机器就 LoadLibrary 失败现象开发机上跑得好好的拷到客户的 Windows 机器上启动时报 DLL 加载失败而 EXE 和 DLL 明明都在同一目录。原因opencv_world DLL 依赖微软 VC 运行库目标机器没装对应版本的 VC Redistributable 就会加载失败。LoadLibrary 返回 0错误码 126 表示找不到依赖模块。解决把项目用到的 VC 运行库做成静默安装包或者干脆在发布目录里带上对应版本的运行库 DLL随 EXE 一起分发。排查手段是先用 PE 依赖查看工具看 DLL 依赖了哪些系统库再逐个确认目标机器上有没有。这个问题和 OpenCV 版本无关纯属 Windows 部署的老坑我一般是直接写进发布脚本而不是靠手记。6. 进阶技巧视频流里的帧跳过与检测框稳定化视频流场景和单张图片检测有个本质区别实时性要求下不可能每帧全图检测。我习惯的做法是帧跳过加检测框稳定化两级优化把 30fps 视频降到「每 2 帧检一次加中间帧局部检测」既保住实时感又避免检测框在帧间乱跳。第一级是帧间隔检测。检测线程维护一个帧计数器只在计数到 3 的倍数帧做全图检测中间两帧直接复用上一次的 ROI 做局部检测甚至直接沿用结果框。这样每秒实际全图检测 10 次左右CPU 压力小一半以上。这个策略本质上是拿时间连续性换算力对人脸这种低速运动目标是成立的。第二级是检测框稳定化。Haar 检测的框在帧间会轻微抖动直接画在画面上会给人「闪烁」的感觉。我的做法是维护一个历史框队列取最近 N 帧的人脸框做加权平均新帧的框权重高、历史框权重低输出前再按平均值画框。procedure TStableBox.Update(const ANewBox: TRect; var AOutBox: TRect); const N 5; // 历史帧数 begin FHistory.Add(ANewBox); if FHistory.Count N then FHistory.Remove(FHistory[0]); // 加权平均新帧权重 0.4历史权重 0.6 AOutBox : WeightedAverage(FHistory, 0.4); end;这个稳定化有个前提如果画面发生大幅跳变比如人物突然走出画面又重新进入历史平均反而会把新框拖向旧位置。所以我在应用平均前做一个突变检测新框和历史平均框的中心距离超过人脸宽度的 60% 时直接清空历史、用新框重新起步。这个阈值是经验值调小了会频繁清空失去稳定效果调大了在快速转头时会拖影。从那以后每次做视频流检测我都会先写完帧跳过和突变检测的伪代码再动手编码先把历史框的更新和清空条件定死免得被框的抖动反复带偏。这套资源的完整绑定单元、检测 Demo 和模型文件都在下载包里按第 2 章的方式接进工程就能跑通希望帮到你。本文还有配套的精品资源点击获取