OpenCV5实测：纯CPU跑YOLO26目标检测

自 2018 年以来，OpenCV 终于迎来了一次大版本更新。OpenCV 5.0 于 2026 年 6 月发布，对计算机视觉工程师来说，最大的变化是 DNN 模块被彻底重写，换上了一套为现代神经网络打造的新推理引擎。这也引出了一个很实际的问题：只靠 CPU，能不能把当下最先进的目标检测器跑得又快又准？

为了让演示落地，我们把检测器对准了正在发生的事。2026 年世界杯正在美国、加拿大、墨西哥三国开踢。于是我们直接拉来赛事片段，让一个完全跑在 OpenCV 5 DNN 模块里的 YOLO26 模型，把场上每一名球员和那颗球都框出来。

这里没有 GPU，推理时也没有 PyTorch，只有一个 ONNX 文件加上 OpenCV。这是系列第一篇，先把完整的 Python 流程讲透。第二篇会把同一条流水线搬进 C++，后面的篇章还会继续挖掘 OpenCV 5 的本事，从姿态估计到图像分割。

上面那张任意球画面里，OpenCV 5 配合 YOLO26 把球员和球全都检测了出来。

你将学到

读完这篇，你将能够：装好 OpenCV 5；用正确的参数把 YOLO26 模型导出成 ONNX；借助 OpenCV 5 全新的 DNN 引擎，在 CPU 上完成图片与视频的目标检测。此外，你还会弄明白，为什么 YOLO26 让后处理比早年的 YOLO 模型简单了一大截。

1. 为什么是 OpenCV 5？新在哪

OpenCV 5.0 是自 2018 年 OpenCV 4.0 之后的第一个大版本，现代化的地方着实不少。动手写代码之前，有几处变化得先心里有数。比如现在最低要求是 C++17，老旧的 C 语言接口已被移除。再比如 DNN 模块不再支持 Darknet 和 Caffe 的导入器。结果就是，早年那种加载 .cfg 和 .weights 文件的 YOLOv3、YOLOv4 流程，没法直接用了，正道是先转成 ONNX。

不过最重头的，还是 DNN 的重写。具体而言，OpenCV 5 并排提供了两套推理引擎，通过一个全新的引擎类型来切换。新引擎是一套重写的图引擎，带形状推导、常量折叠和算子融合，把 ONNX 算子的覆盖率从原来的一小部分提升到了绝大多数。说人话就是：更多导出的模型，包括现代的 YOLO 检测器，现在能直接加载运行，不用再手工改图。

以上只是简要概括。完整的新特性清单，请看官方发布说明与 OpenCV 5 的 wiki 页面（文末参考资料给出了名称）。

2. 准备环境

2.1 安装 OpenCV 5

OpenCV 5 的 wheel 包已经上了 PyPI，Python 这边一句 pip install 就够。实际操作里，我们建议用隔离的虚拟环境，尤其是你别的工程还在用 OpenCV 4.x 的时候，因为原地升级全局安装，可能让不相干的代码行为悄悄变了。

python 复制代码

python -m venv .venv # Windows:  .venv\Scripts\activate # Linux/macOS:  source .venv/bin/activate pip install "opencv-python==5.0.0.93" ultralytics onnx onnxruntime

当然，这个 pip wheel 只有 CPU 版。它内置了新引擎和经典的 CPU 路径，但不带 CUDA。要想上 GPU，就得从源码编译 OpenCV，这超出了本文范围，毕竟我们的全部前提就是 CPU 推理。

2.2 把 YOLO26 导出成 ONNX

OpenCV 的 DNN 模块读的是 ONNX 文件，所以第一步是把 YOLO26 从原生格式导出来。这里有三个导出参数最关键：用 12 或更高的 opset；用固定输入尺寸导出；不要把 NMS 烤进图里。

python 复制代码

from ultralytics import YOLO model = YOLO("yolo26n.pt")          # nano = fastest on CPU model.export(     format="onnx",     opset=12,        # OpenCV 5 DNN needs opset >= 12     imgsz=640,       # fixed square input     dynamic=False,   # static shapes avoid a known DNN parsing issue     simplify=True,   # fold constants for a cleaner graph     nms=False,       # keep the raw head; YOLO26 is already NMS-free )

3. 用 OpenCV 5 跑 YOLO26

3.1 加载模型并选择引擎

这一点，正是 OpenCV 5 和 4.x 差别最大的地方。实际写起来，readNet 调用现在多了一个引擎参数，OpenCV 把可选的引擎做成了枚举。

python 复制代码

import cv2 def build_net(onnx_path, engine="auto"):     engines = {         "auto":    cv2.dnn.ENGINE_AUTO,     # new engine, falls back to classic         "new":     cv2.dnn.ENGINE_NEW,      # OpenCV 5's rewritten CPU engine         "classic": cv2.dnn.ENGINE_CLASSIC,  # the 4.x engine (needed for CUDA)         "ort":     cv2.dnn.ENGINE_ORT,      # bundled ONNX Runtime (source build)     }     # readNet takes (model, config, framework, engine) in OpenCV 5     return cv2.dnn.readNet(onnx_path, "", "", engines[engine.lower()])

3.2 预处理与无 NMS 的输出

YOLO26 是一个端到端、无 NMS 的检测器。早年的 YOLO 模型会吐出一大张候选框网格（比如 YOLOv8 那个 $1, 84, 8400$ 的张量），你得先做转置，再用非极大值抑制（NMS）清理一遍。反观 YOLO26，它直接给出一个固定的 $1, 300, 6$ 张量，300 行里的每一行已经是一个最终检测结果：x1、y1、x2、y2、置信度、类别编号。于是既不用转置，也没有 NMS 调用。到头来，我们要做的只是把低于置信度阈值的行丢掉，再把框映射回原始画面。

python 复制代码

def detect(net, img, size=640, conf_thres=0.25):     padded, r, (dw, dh) = letterbox(img, size)                 # keep aspect ratio     blob = cv2.dnn.blobFromImage(padded, 1/255.0, (size, size),                                  swapRB=True, crop=False)     net.setInput(blob)     out = net.forward()[0]          # (300, 6): x1,y1,x2,y2,score,class     dets = []     for x1, y1, x2, y2, score, cls in out:         if score < conf_thres:             continue         # undo the letterbox padding and scaling         dets.append(((x1-dw)/r, (y1-dh)/r, (x2-dw)/r, (y2-dh)/r,                      float(score), int(cls)))     return dets

上面用到的 letterbox 和 draw 是项目中配套的辅助函数，分别负责保持长宽比填充与画框，下文不再展开。

3.3 在图片上做检测

python 复制代码

net = build_net("models/yolo26n_640.onnx", engine="auto") img = cv2.imread("media/wc2026_still_1.jpg") detect(net, img)                          # warm-up dets = detect(net, img, conf_thres=0.3)   # timed run cv2.imwrite("outputs/detected.jpg", draw(img, dets))

来看一个输出示例：世界杯比赛里梅西带球的一帧，球员和球都被框了出来。

切到视频之前，先插一句题外话。如果你盯着那个 10 号脚下的球看，YOLO26 很自信地把它标成了「人」。有人要较真了：在他们看来，这框明明该标成「球王」才对。可惜，模型训练用的 COCO 数据集压根没设这个类别，所以「人」已经是它眼下能给的最好答案。

3.4 在视频上做检测

说白了，视频不过是把同一个调用塞进读取循环里。OpenCV 负责解码和画框，模型则在每一帧上跑一遍。

python 复制代码

cap = cv2.VideoCapture("media/Messi_Goal.mp4") writer = cv2.VideoWriter("outputs/detected.mp4",                          cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h)) while True:     ok, frame = cap.read()     if not ok:         break     dets = detect(net, frame, conf_thres=0.3)     writer.write(draw(frame, dets))

拿一段片段跑这个循环，就能得到下面那样的视频输出。我们还往前多走了一步：按队伍给每个框上色，一边绿、一边红。这个上色是上面代码片段之外的小附加，你想怎么区分两队都行。

（原文此处附检测结果视频与按队伍上色的示例；因源站资源在当前环境下无法抓取，本稿未附，详见《发布说明》。）

4. OpenCV 5 到底在哪儿出力？

这里值得把话说准，因为这一点很容易被夸大。训练好的 YOLO26 模型是大脑：真正分得清球员和球的，是它。而 OpenCV 5 是驱动这颗大脑、并包揽周边所有像素管线的引擎。

具体到每一帧，OpenCV 5 其实干了五件相互独立的事。先用 VideoCapture 或 imread 把像素读进来；接着用 blobFromImage 做预处理；然后在自己的 DNN 引擎里用 net.forward() 跑网络，全程不依赖 PyTorch 或任何外部运行时；最后画框、写输出。

所以真正「OpenCV 5 新增」的部分虽小，却是核心：正是 3.1 节那个引擎枚举，以及扩展后的 readNet 签名，二者合力，把模型跑在了重写过的 CPU 引擎上。

5. 效果

在高分辨率静态图上，检测器稳稳框住了每一名球员、门将和球。即便是任意球开进一片人堆的禁区，它也能把叠在一起的球衣干净地分开。

快节奏动作意味着运动模糊，而转播画面极少锐利如刀。让人放心的是，检测器在这里扛得住。下面那张模糊的帧里，哪怕四肢拉出残影、边缘发软，YOLO26 依旧框住了门将和场上球员。这份稳健来自在海量、多样的数据集上的训练，所以一点点模糊很少让检测翻车。当然，极重的模糊，或者一颗又小又快的球，会更难应付，这时候换更高分辨率的模型，或者调低置信度阈值，就有用了。

同一套检测器在视频上一样跑得欢。下面这段片段里，它一帧一帧地跟着球员，靠纯 CPU 就跑出了实时速度。

最后再看一个运动战的例子。哪怕球员散落满场，框依旧贴得紧，球也照样被挑出来。

6. 结语

一句话总结：OpenCV 5 让这个库从「围着别人模型打杂的预处理帮手」，变成了一个正经、自洽的推理运行时。配上 YOLO26，这一点变得具体可感。因为 YOLO26 无 NMS，把原始输出整理成干净检测的代码几乎不费吹灰之力。又因为两边都很轻快，我们靠纯 CPU 就跑通了真实的 2026 世界杯检测。第二篇里，我们会把这条流水线原封不动搬进 C++，对着 OpenCV 5 编译一遍，看看没了 Python 之后故事怎么讲。除了检测，同一套 OpenCV 5 DNN 引擎还能干更多，后续篇章会让它在姿态估计、图像分割等任务上一展身手。