VisioForge

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.

RisqueImpact
Projet archivéAucune 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 obsolèteAntérieur à ML.NET, TensorFlow.NET, ONNX Runtime
Code vidéo AForgeMêmes composants internes AForge.Video abandonnés pour la capture vidéo
Windows uniquementCapture de périphériques basée sur DirectShow, pas de capture webcam sous macOS ni Linux
SécuritéVulnérabilités non corrigées dans le traitement image/vidéo

Stratégie de migration

Accord.NET couvrait trois domaines. Chacun migre vers une pile moderne différente :

Domaine Accord.NETRemplacement 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.VideoRemplacement 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.VisionIntégré VisioForgeOpenCvSharp 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 GPUModule 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 needed

VisioForge — 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 classifier

Exemple 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.MLRemplacement 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

AspectAccord.NETAprès la migration
StatutArchivéDéveloppement actif (tous les remplacements)
Framework.NET Framework / .NET Standard 2.0 (2017).NET 6-10
Capture vidéoComposants internes AForge basiquesSDK professionnel avec effets, streaming, enregistrement
Vision par ordinateurAlgorithmes obsolètesDétecteurs intégrés VisioForge + OpenCV complet (2500+ algorithmes)
Apprentissage automatiqueAlgorithmes basiquesML.NET + ONNX (niveau production)
Détection facialeHaar basique uniquementHaar + DNN (Caffe SSD) avec flou/pixelisation ; DLib HOG détection seule
Détection d'objetsCompteur de blobs basiqueSoustraction de fond MOG2
Détection de piétonsHOG+SVM manuelDétecteur de piétons intégré en une ligne
Deep learningAucunONNX Runtime, TensorFlow.NET
PlateformesCapture webcam : Windows uniquementWindows, macOS, Linux, iOS, Android
Effets audioAucun40+ (EQ, reverb, chorus, 3D)
Accélération GPUAucuneCUDA (OpenCvSharp), effets GPU (VisioForge)

Questions fréquentes

Accord.NET est-il encore maintenu ?
Non. Accord.NET est archivé sur GitHub et sa dernière version, 3.8.0, date d'octobre 2017. Aucun correctif de sécurité ni correction de bugs n'est prévu. Les builds .NET Standard 2.0 de ses paquets principaux se chargent encore sous .NET 6+, mais ne sont plus développés. Utilisez VisioForge .Net SDK comme alternative moderne à Accord.NET.
Puis-je utiliser VisioForge pour la détection faciale sans OpenCvSharp ?
Oui. VisioForge .Net SDK inclut trois moteurs de détection faciale intégrés — Cascade Haar (CascadeFaceDetectorBlock), basé sur DNN (DNNFaceDetectorBlock) et basé sur DLib (FaceDetectorBlock). Aucune installation OpenCV supplémentaire n'est requise.
VisioForge supporte-t-il .NET 6, .NET 8, .NET 9 et .NET 10 ?
Oui. Tous les packages VisioForge .Net SDK supportent .NET 6 à .NET 10, y compris le déploiement multiplateforme sur Windows, macOS et Linux.
Quelle est la meilleure alternative à Accord.NET pour la capture vidéo en C# ?
VisioForge Video Capture SDK .Net remplace Accord.Video (et le AForge.Video sous-jacent) avec une API asynchrone moderne, le support des webcams, caméras IP (RTSP/ONVIF), capture d'écran et sortie en MP4, WebM et autres formats.
Puis-je migrer depuis Accord.NET de manière incrémentale ?
Oui. Les SDKs VisioForge peuvent coexister avec les packages Accord.NET pendant la migration. Remplacez un composant à la fois — commencez par la capture vidéo, puis la vision, puis le ML — et supprimez les packages NuGet Accord.NET au fur et à mesure que chaque étape de migration est terminée.

À partir de 250 €/an · licence Lifetime à partir de 900 €

Démarrer avec VisioForge .Net SDK

Guides de migration associés