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 | openpose_bmcv | 使用FFmpeg解码、BMCV前处理、BMRT推理 |
如果您在x86/arm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或arm-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/openpose_bmcv
mkdir build && cd build
cmake ..
make
cd ..编译完成后，会在openpose_bmcv目录下生成openpose_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/openpose_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openpose_bmcv目录下生成openpose_bmcv.soc。
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，具体参数说明如下：
Usage: openpose_bmcv.pcie [params]
--bmodel (value:../../models/BM1684/pose_coco_fp32_1b.bmodel)
bmodel file path
--dev_id (value:0)
TPU device id
--help (value:true)
print help information.
--input (value:../../datasets/test)
input path, images direction or video file path
--performance_opt (value:no_opt)
performance optimization type, supporting [tpu_kernel_opt, tpu_kernel_half_img_size_opt, cpu_opt, no_opt]注意： C++程序的传参方式与python不同，需要用等于号，例如./openpose_bmcv.pcie --bmodel=xxx。
图片测试实例如下，支持对整个图片文件夹进行测试。
./openpose_bmcv.pcie --input=../../datasets/test --bmodel=../../models/BM1684X/pose_coco_fp32_1b.bmodel --dev_id=0仅在BM1684X上，若需要使用tpu_kernel后处理来加速，则可以使用以下命令。
./openpose_bmcv.pcie --input=../../datasets/test --bmodel=../../models/BM1684X/pose_coco_fp32_1b.bmodel --dev_id=0 --performance_opt=tpu_kernel_opt进一步，若在后处理中仅仅放大输出特征图到原图一半，精度轻微下降的同时性能能够大幅提高，使用以下命令。
./openpose_bmcv.pcie --input=../../datasets/test --bmodel=../../models/BM1684X/pose_coco_fp32_1b.bmodel --dev_id=0 --performance_opt=tpu_kernel_half_img_size_opt若需要使用针对算法的后处理性能优化来加速，同时伴随精度轻微下降，可以使用以下命令。
./openpose_bmcv.pcie --input=../../datasets/test --bmodel=../../models/BM1684X/pose_coco_fp32_1b.bmodel --dev_id=0 --performance_opt=cpu_opt测试结束后，会将预测的图片保存在results/images下，预测的关键点坐标保存在results/pose_coco_fp32_1b.bmodel.bmodel_test_bmcv_cpp_result.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。在BM1684X上，后处理加速命令与3.2中类似，若使用算法后处理加速也与3.2中类似。
./openpose_bmcv.pcie --input=../../datasets/dance_1080P.mp4 --bmodel=../../models/BM1684X/pose_coco_fp32_1b.bmodel --dev_id=0测试结束后，会将预测结果画在图片上并保存在results/images中，同时会打印预测结果、推理时间等信息。