Dernière mise à jour : novembre 2026
Alternative à Accord.NET : Guide de migration vers VisioForge .Net SDK
Remplacez Accord.NET archivé par des alternatives modernes .NET 6-10
Accord.NET est une bibliothèque .NET open source de capture vidéo, de vision par ordinateur et d'apprentissage automatique, archivée sur GitHub et qui n'est plus maintenue ; sa dernière version, 3.8.0 d'octobre 2017, fournit des builds pour .NET Framework et .NET Standard 2.0. Ce guide associe à chaque espace de noms Accord.NET un remplaçant maintenu pour .NET 6-10. Accord.Video et Accord.Video.DirectShow, qui réutilisent les classes AForge.Video MJPEGStream, ScreenCaptureStream et VideoCaptureDevice, passent à VisioForge Video Capture SDK .NET et à son moteur VideoCaptureCoreX. Accord.Vision et Accord.Imaging passent à la vision par ordinateur intégrée au VisioForge .Net SDK : des blocs de détection de visages Haar cascade et DNN avec floutage et pixellisation intégrés, ainsi qu'un détecteur facial DLib, dans Media Blocks SDK, et un détecteur de piétons HOG qui se branche sur VideoCaptureCoreX. De plus, OpenCvSharp autonome remplace les filtres Accord.Imaging utilisés hors d'un pipeline vidéo. Accord.MachineLearning et Accord.Neuro passent à ML.NET ou ONNX Runtime. Par exemple, une application webcam qui détecte les visages peut remplacer Accord.Video et Accord.Vision par un seul pipeline Media Blocks SDK qui capture la caméra et exécute le détecteur.
À partir de 250 €/an · licence Lifetime à partir de 900 €
Pourquoi remplacer Accord.NET ?
Accord.NET doit être remplacé, car le projet est archivé sur GitHub et ne reçoit plus ni correction de bug ni correctif de sécurité, si bien que toute faille de son code de traitement d'image et de vidéo restera non corrigée dans chaque application qui embarque la bibliothèque. Accord.NET a intégré le code source d'AForge.NET en 2015 et hérite donc aussi du code de capture d'AForge.Video : Accord.Video.DirectShow repose sur DirectShow et ne fonctionne que sous Windows. Sa dernière version, 3.8.0, fournit des builds .NET Standard 2.0 des paquets principaux, de sorte qu'une grande partie de la bibliothèque se charge encore sous .NET 6-10. De plus, son code d'apprentissage automatique est antérieur à ML.NET et à ONNX Runtime. Par exemple, une application webcam Accord.Video migrée vers VideoCaptureCoreX peut exécuter le même code de capture sous Windows, macOS et Linux.
| Risque | Impact |
|---|---|
| Projet archivé | Aucune correction de bugs, correctifs de sécurité ou mises à jour |
| Figé en 3.8.0 (2017) | Aucun correctif depuis 3.8.0 (2017) ; les builds .NET Standard 2.0 se chargent sous .NET 6-10, mais la capture DirectShow reste limitée à Windows |
| ML obsolète | Antérieur à ML.NET, TensorFlow.NET, ONNX Runtime |
| Code vidéo AForge | Mêmes composants internes AForge.Video abandonnés pour la capture vidéo |
| Windows uniquement | Capture de périphériques basée sur DirectShow, pas de capture webcam sous macOS ni Linux |
| Sécurité | Vulnérabilités non corrigées dans le traitement image/vidéo |
Stratégie de migration
Accord.NET couvrait trois domaines. Chacun migre vers une pile moderne différente :
| Domaine Accord.NET | Remplacement moderne |
|---|---|
| Capture vidéo (Accord.Video) | VisioForge Video Capture SDK .Net |
| Vision par ordinateur (Accord.Vision, Accord.Imaging) | VisioForge .Net SDK (détecteurs intégrés OpenCV / DLib) ou OpenCvSharp autonome |
| Apprentissage automatique (Accord.MachineLearning, Accord.Neuro) | ML.NET ou ONNX Runtime |
Migration de capture vidéo : Accord.Video → VisioForge
Accord.Video est essentiellement AForge.Video avec des ajouts mineurs. Si vous utilisez `VideoCaptureDevice`, `MJPEGStream` ou `ScreenCaptureStream` d'Accord.NET, remplacez-les par le VisioForge Video Capture SDK pour la capture webcam moderne en C#, le streaming RTSP et l'enregistrement d'écran sur .NET 6-10.
Correspondance des classes
| Classe Accord.Video | Remplacement VisioForge |
|---|---|
| `VideoCaptureDevice` | `VideoCaptureCoreX` + `VideoCaptureDeviceSourceSettings` |
| `MJPEGStream` | `VideoCaptureCoreX` + `RTSPSourceSettings` |
| `ScreenCaptureStream` | `VideoCaptureCoreX` + `ScreenCaptureSourceSettings` |
| `FileVideoSource` | `MediaPlayerCoreX` ou `VideoEditCoreX` |
| `NewFrameEventArgs` | Événement `OnVideoFrameBuffer` |
Exemple de capture vidéo en C#
Accord.NET — capture webcam (avant)
C#var videoDevices = new FilterInfoCollection(FilterCategory.VideoInputDevice);
var videoSource = new VideoCaptureDevice(videoDevices[0].MonikerString);
videoSource.NewFrame += (s, e) =>
{
pictureBox.Image = (Bitmap)e.Frame.Clone();
};
videoSource.Start();VisioForge — capture webcam (après)
C#var capture = new VideoCaptureCoreX(videoView);
var devices = await DeviceEnumerator.Shared.VideoSourcesAsync();
capture.Video_Source = new VideoCaptureDeviceSourceSettings(devices[0]);
capture.Outputs_Add(new MP4Output("recording.mp4"), true);
await capture.StartAsync();Migration de vision par ordinateur : Accord.Vision → VisioForge / OpenCvSharp
VisioForge .Net SDK inclut des blocs de vision par ordinateur intégrés alimentés par OpenCV et DLib. Ceux-ci s'intègrent directement dans les pipelines multimédias VisioForge — aucune conversion manuelle de frames ni bibliothèques externes nécessaires. Pour le traitement d'images autonome en dehors d'un pipeline vidéo, OpenCvSharp peut être utilisé directement.
Correspondance des classes
| Fonction Accord.Vision | Intégré VisioForge | OpenCvSharp autonome |
|---|---|---|
| `HaarObjectDetector` (détection faciale) | `CascadeFaceDetectorBlock` — Cascade Haar avec détection yeux/nez/bouche, flou/pixelisation faciale | `CascadeClassifier` |
| `HaarObjectDetector` (détection faciale, DNN) | `DNNFaceDetectorBlock` — Modèle Caffe SSD, filtrage par confiance, accélération GPU | Module DNN |
| `HaarObjectDetector` (détection faciale, DLib) | `FaceDetectorBlock` (CVD) — Détecteur facial frontal DLib HOG+SVM | — |
| `MotionDetector` | ObjectDetector (VisioForge.Core.CV) — soustraction de fond MOG2 (history: 500 frames, variance threshold: 40) | `BackgroundSubtractorMOG2` |
| `BlobCounter` | CarCounter (VisioForge.Core.CV) — suivi de blobs, détection de contours, comptage de véhicules sur une ligne de suivi | `Cv2.FindContours()` + `Cv2.ConnectedComponents()` |
| `HistogramsOfOrientedGradients` (HOG) | `PedestrianDetector` — Détection de personnes HOG+SVM | `HOGDescriptor` |
| `CannyEdgeDetector` | `CameraCoveredDetector` — Détection d'obstruction d'objectif basée sur Canny | `Cv2.Canny()` |
| `SpeededUpRobustFeatures` (SURF) | — | `SIFT.Create()` (SURF breveté, utilisez SIFT ou ORB) |
| `HoughLineTransformation` | — | `Cv2.HoughLinesP()` |
| Correspondance de modèles | — | `Cv2.MatchTemplate()` |
Fonctionnalités de confidentialité intégrées
Les détecteurs VisioForge incluent un traitement de confidentialité intégré — aucun code supplémentaire nécessaire :
- ✓Flou facial — Flou gaussien appliqué aux régions faciales détectées
- ✓Pixelisation faciale — Pixelisation en blocs des régions faciales
- ✓Cache de régions — Résultats lissés entre les frames (taille de cache configurable)
Exemple de détection faciale en C#
Accord.NET — détection faciale (avant)
C#var detector = new HaarObjectDetector(
new HaarCascade(HaarCascade.FaceHaarCascadePath));
detector.MinSize = new Size(30, 30);
Rectangle[] faces = detector.ProcessFrame(bitmap);VisioForge — détection faciale par cascade Haar (après)
C#var settings = new CascadeFaceDetectorSettings
{
DetectFrontalFace = true,
DetectProfileFace = true,
DetectEyes = true,
DetectNose = true,
DetectMouth = true,
MinFaceSize = new Size(30, 30),
ScaleFactor = 1.1f,
DrawEnabled = true,
Blur = false, // set true for privacy blur
Pixelate = false // set true for privacy pixelation
};
var detector = new CascadeFaceDetectorBlock(settings);VisioForge — détecteur facial DNN
C#var settings = new DNNFaceDetectorSettings
{
Confidence = 0.25f,
DrawEnabled = true,
Blur = true // built-in privacy blur
};
var detector = new DNNFaceDetectorBlock(settings);VisioForge — Détecteur facial DLib
C#var settings = new FaceDetectorSettings
{
DrawEnabled = true,
MinFaceSize = new Size(30, 30)
};
var detector = new FaceDetectorBlock(settings);OpenCvSharp autonome (alternative)
C#using var cascade = new CascadeClassifier("haarcascade_frontalface_default.xml");
using var mat = Cv2.ImRead("image.jpg");
using var gray = new Mat();
Cv2.CvtColor(mat, gray, ColorConversionCodes.BGR2GRAY);
var faces = cascade.DetectMultiScale(gray, 1.1, 3, 0, new Size(30, 30));Exemple de détection de piétons en C#
Accord.NET — détection de piétons HOG (avant)
C#var hog = new HistogramsOfOrientedGradients();
double[] features = hog.ProcessImage(bitmap);
// Manual SVM classification neededVisioForge — détection de piétons (après)
C#var detector = new PedestrianDetector
{
DrawEnabled = true,
VideoScale = 1.0,
FramesToSkip = 2
};
detector.Init();
detector.OnPedestrianDetected += OnPedestrianDetected;
capture.Video_Processors.Add(detector);
// HOG descriptors + SVM classifierExemple de détection de mouvement en C#
Accord.NET — détection de mouvement (avant)
C#var detector = new MotionDetector(
new TwoFramesDifferenceDetector(),
new BlobCountingObjectsProcessing());
double motionLevel = detector.ProcessFrame(bitmap);VisioForge — détection d'objets/mouvement (après)
C#// Motion cells grid: raises MotionDetected as cells change
var settings = new CVMotionCellsSettings
{
Display = true,
GridSize = new Size(16, 16)
};
var detector = new CVMotionCellsBlock(settings);
detector.MotionDetected += (s, e) => Console.WriteLine("Motion");Migration d'apprentissage automatique : Accord.MachineLearning → ML.NET
Pour l'inférence d'apprentissage profond pendant le traitement vidéo, VisioForge fournit une détection faciale DNN intégrée (`DNNFaceDetectorBlock`), une détection de piétons (`PedestrianDetector`) et une détection de mouvement (`CVMotionCellsBlock`). Pour les modèles personnalisés, intégrez ONNX Runtime avec des callbacks de frames.
Correspondance des classes ML
| Fonction Accord.ML | Remplacement ML.NET |
|---|---|
| `SupportVectorMachine` | `SdcaMaximumEntropy` ou `LinearSvm` |
| `DecisionTree` | `FastTree` ou `FastForest` |
| `KMeans` | `KMeansTrainer` |
| `NaiveBayes` | `NaiveBayes` (ML.NET) |
| `NeuralNetwork` (Accord.Neuro) | ONNX Runtime ou TensorFlow.NET |
| `PrincipalComponentAnalysis` | `PrincipalComponentAnalysis` (ML.NET contrib) |
Liste de vérification de migration
- Auditer l'utilisation d'Accord.NET — Identifier quels domaines (vidéo, vision, ML) sont utilisés
- Capture vidéo → Installer les packages NuGet VisioForge Video Capture SDK
- Vision par ordinateur → Utiliser les détecteurs intégrés VisioForge (visage, piéton, objet, comptage de véhicules) ou installer OpenCvSharp4 pour une utilisation autonome
- Apprentissage automatique → Installer les packages NuGet ML.NET ou ONNX Runtime
- Remplacer les classes de source vidéo — Voir le tableau de correspondance ci-dessus
- Remplacer les algorithmes de vision — Utiliser VisioForge MediaBlocks ou porter vers les équivalents OpenCvSharp
- Remplacer les modèles ML — Réentraîner avec ML.NET ou exporter en ONNX
- Supprimer les packages NuGet Accord — Nettoyer les dépendances
- Cibler .NET moderne — .NET 6-10
- Tester multiplateforme — VisioForge et OpenCvSharp supportent tous deux Windows, macOS et Linux
Ce que vous gagnez après la migration
| Aspect | Accord.NET | Après la migration |
|---|---|---|
| Statut | Archivé | Développement actif (tous les remplacements) |
| Framework | .NET Framework / .NET Standard 2.0 (2017) | .NET 6-10 |
| Capture vidéo | Composants internes AForge basiques | SDK professionnel avec effets, streaming, enregistrement |
| Vision par ordinateur | Algorithmes obsolètes | Détecteurs intégrés VisioForge + OpenCV complet (2500+ algorithmes) |
| Apprentissage automatique | Algorithmes basiques | ML.NET + ONNX (niveau production) |
| Détection faciale | Haar basique uniquement | Haar + DNN (Caffe SSD) avec flou/pixelisation ; DLib HOG détection seule |
| Détection d'objets | Compteur de blobs basique | Soustraction de fond MOG2 |
| Détection de piétons | HOG+SVM manuel | Détecteur de piétons intégré en une ligne |
| Deep learning | Aucun | ONNX Runtime, TensorFlow.NET |
| Plateformes | Capture webcam : Windows uniquement | Windows, macOS, Linux, iOS, Android |
| Effets audio | Aucun | 40+ (EQ, reverb, chorus, 3D) |
| Accélération GPU | Aucune | CUDA (OpenCvSharp), effets GPU (VisioForge) |
Questions fréquentes
Accord.NET est-il encore maintenu ?
Puis-je utiliser VisioForge pour la détection faciale sans OpenCvSharp ?
VisioForge supporte-t-il .NET 6, .NET 8, .NET 9 et .NET 10 ?
Quelle est la meilleure alternative à Accord.NET pour la capture vidéo en C# ?
Puis-je migrer depuis Accord.NET de manière incrémentale ?
À partir de 250 €/an · licence Lifetime à partir de 900 €
