cpp目录下提供了C++例程以供参考使用，具体情况如下：
| 序号 | C++例程 | 说明 |
|---|---|---|
| 1 | hrnet_pose_bmcv | 使用FFmpeg解码、BMCV前处理、BMRT推理 |
如果您在x86平台安装了PCIe加速卡（如SC系列加速卡），可以直接使用它作为开发环境和运行环境。您需要安装libsophon、sophon-opencv和sophon-ffmpeg，具体步骤可参考x86-pcie平台的开发和运行环境搭建。
如果您使用SoC平台（如SE、SM系列边缘设备），刷机后在/opt/sophon/下已经预装了相应的libsophon、sophon-opencv和sophon-ffmpeg运行库包，可直接使用它作为运行环境。通常还需要一台x86主机作为开发环境，用于交叉编译C++程序。
C++程序运行前需要编译可执行文件。
可以直接在PCIe平台上编译程序：
cd cpp/hrnet_pose_bmcv
mkdir build && cd build
cmake ..
make
cd ..编译完成后，会在hrnet_pose_bmcv目录下生成hrnet_pose_bmcv.pcie。
通常在x86主机上交叉编译程序，您需要在x86主机上使用SOPHON SDK搭建交叉编译环境，将程序所依赖的头文件和库文件打包至soc-sdk目录中，具体请参考交叉编译环境搭建。本例程主要依赖libsophon、sophon-opencv和sophon-ffmpeg运行库包。
交叉编译环境搭建好后，使用交叉编译工具链编译生成可执行文件：
cd cpp/hrnet_pose_bmcv
mkdir build && cd build
#请根据实际情况修改-DSDK的路径，需使用绝对路径。
cmake -DTARGET_ARCH=soc -DSDK=/path_to_sdk/soc-sdk ..
make编译完成后，会在hrnet_pose_bmcv目录下生成hrnet_pose_bmcv.soc。如果在SOC模式下执行hrnet_pose_bmcv.soc显示权限不够，可以使用chmod +x ./hrnet_pose_bmcv.soc，给 hrnet_pose_bmcv.soc 文件添加可执行权限。
对于PCIe平台，可以直接在PCIe平台上推理测试；对于SoC平台，需将交叉编译生成的可执行文件及所需的模型、测试数据拷贝到SoC平台中测试。测试的参数及运行方式是一致的，下面主要以PCIe模式进行介绍。
可执行程序默认有一套参数，请注意根据实际情况进行传参。以hrnet_pose_bmcv.pcie为例，具体参数说明如下：
Usage: hrnet_pose_bmcv.pcie [params]
optional arguments:
-h, --help 打印这个帮助日志然后退出
--input INPUT 测试数据路径，可输入整个图片文件夹的路径或者视频路径
--pose_bmodel POSE_BMODEL HRNet姿态估计模型的bmodel路径
--dev_id DEV_ID 用于推理的tpu设备id
--flip FLIP 在推理是是否对图像进行左右翻转以增强姿态估计检测效果
--person_thresh PERSON_THRESH 目标检测模型对检测到人的置信度阈值
--detection_bmodel DETECTION_BMODEL 目标检测模型的bmodel路径
--conf_thresh CONF_THRESH 目标检测模型的置信度阈值
--nms_thresh NMS_THRESH 目标检测模型的nms阈值
--use_cpu_opt 开启YOLOv5的cpu后处理优化注意： cpp例程传参与python不同，需要用等于号，例如
./hrnet_pose_bmcv.pcie --input=xxx。cpp可以使用--use_cpu_opt=true开启前置yolov5模型后处理cpu加速，use_cpu_opt仅限输出维度为5的模型(一般是3输出，别的输出个数可能需要用户自行修改后处理代码)。
图片测试实例如下，支持对整个图片文件夹进行测试。
./hrnet_pose_bmcv.pcie --input=../../datasets/test_images --pose_bmodel=../../models/BM1684X/hrnet_w32_256x192_int8.bmodel --person_thresh=0.5 --detection_bmodel=../../models/BM1684X/yolov5s_v6.1_3output_int8_4b.bmodel --conf_thresh=0.01 --nms_thresh=0.6 --classnames=../../datasets/coco.names测试结束后，会将预测的图片保存在results/images下，预测的结果保存在results/keypoints_results_cpp.json下，同时会打印预测结果、推理时间等信息。
视频测试实例如下，支持对视频流进行测试。
./hrnet_pose_bmcv.pcie --input=../../datasets/test_pose_estimation.mp4 --pose_bmodel=../../models/BM1684X/hrnet_w32_256x192_int8.bmodel --person_thresh=0.5 --detection_bmodel=../../models/BM1684X/yolov5s_v6.1_3output_int8_4b.bmodel --conf_thresh=0.01 --nms_thresh=0.6 --classnames=../../datasets/coco.names测试结束后，会将预测结果画在图片上并保存在results/video中，同时会打印预测结果、推理时间等信息。
hrnet_pose_bmcv中的处理流程，都遵循以下流程图：
