代碼鏈接：
創(chuàng)新互聯(lián)建站主要為客戶提供服務(wù)項(xiàng)目涵蓋了網(wǎng)頁(yè)視覺(jué)設(shè)計(jì)、VI標(biāo)志設(shè)計(jì)、成都全網(wǎng)營(yíng)銷(xiāo)推廣、網(wǎng)站程序開(kāi)發(fā)、HTML5響應(yīng)式網(wǎng)站建設(shè)、成都做手機(jī)網(wǎng)站、微商城、網(wǎng)站托管及成都網(wǎng)站維護(hù)公司、WEB系統(tǒng)開(kāi)發(fā)、域名注冊(cè)、國(guó)內(nèi)外服務(wù)器租用、視頻、平面設(shè)計(jì)、SEO優(yōu)化排名。設(shè)計(jì)、前端、后端三個(gè)建站步驟的完善服務(wù)體系。一人跟蹤測(cè)試的建站服務(wù)標(biāo)準(zhǔn)。已經(jīng)為混凝土泵車(chē)行業(yè)客戶提供了網(wǎng)站改版服務(wù)。
https://github.com/watersink/mtcnn-linux-as
本代碼可以在模擬器下進(jìn)行跑。
環(huán)境：
windows10
Android studio 3.6
Sdk：android10 api 29
Ndk：r15c
Ncnn：20200226
Linux下的代碼測(cè)試：
cd mtcnn_linux/build cmake .. make ./mtcnn
如果可以跑通，輸出正確結(jié)果，證明mtcnn代碼的準(zhǔn)確性。
實(shí)際操作的時(shí)候，首先基于linux把c++代碼調(diào)試通，方便后續(xù)的android調(diào)試。
Android進(jìn)行c++調(diào)試時(shí)，使用__android_log_print函數(shù)進(jìn)行l(wèi)og的輸出，
開(kāi)發(fā)：
（1）工程建立
新建android工程，選擇Native C++，工程名為mtcnn，C++ Standard選擇c++11
（2）資源文件res修改：
src/main/res/drawable下面隨便復(fù)制一張帶有人臉的照片，比如這里，復(fù)制了一張beauty.png
src/main/res/layout下面新加main.xml。
詳細(xì)內(nèi)容，
<?xml version="1.0" encoding="utf-8"?>
（3）增加ncnn的lib文件
src/main下面新加jniLibs文件夾，加入對(duì)應(yīng)平臺(tái)的libncnn.a
（4）增加網(wǎng)絡(luò)模型文件assets
在main下面新建assets文件夾，里面放入mtcnn的3個(gè)網(wǎng)絡(luò)結(jié)構(gòu)的模型文件。
（5）修改java文件，
修改src/main/java/com/example/mtcnn下面的MainActivity，
主要操作，包括在onCreate函數(shù)中對(duì)mtcnn這個(gè)類(lèi)進(jìn)行初始化。然后監(jiān)聽(tīng)buttonImage，buttonDetect按鈕，分別進(jìn)行實(shí)現(xiàn)。
然后在該路徑下增加MTCNN類(lèi)，主要需要實(shí)現(xiàn)的方法如下，
重慶分公司
重慶分公司
package com.example.mtcnn;
public class MTCNN {
//人臉檢測(cè)模型導(dǎo)入
public native boolean FaceDetectionModelInit(byte[] det1_param, byte[] det1_bin, byte[] det2_param,byte[] det2_bin,byte[] det3_param,byte[] det3_bin);
//人臉檢測(cè)
public native int[] FaceDetect(byte[] imageDate, int imageWidth , int imageHeight, int imageChannel);
public native int[] MaxFaceDetect(byte[] imageDate, int imageWidth , int imageHeight, int imageChannel);
//人臉檢測(cè)模型反初始化
public native boolean FaceDetectionModelUnInit();
//檢測(cè)的最小人臉設(shè)置
public native boolean SetMinFaceSize(int minSize);
//線程設(shè)置
public native boolean SetThreadsNumber(int threadsNumber);
//循環(huán)測(cè)試次數(shù)
public native boolean SetTimeCount(int timeCount);
static {
System.loadLibrary("mtcnn");
}
}（6）修改cpp文件，
首先將ncnn的include文件夾包含進(jìn)來(lái)。
將模型的3個(gè)id.h文件包含進(jìn)來(lái)，det1.id.h，det2.id.h，det3.id.h
mtcnn_jni.cpp負(fù)責(zé)對(duì)人臉檢測(cè)的幾個(gè)native方法進(jìn)行實(shí)現(xiàn)。
mtcnn.h，mtcnn.cpp分別定義了一個(gè)MTCNN類(lèi)，然后進(jìn)行了相關(guān)方法的實(shí)現(xiàn)。
需要注意，
這里讀取的模型文件是通過(guò)二進(jìn)制的方式讀取的assets下面的模型。所以模型文件一定要首先進(jìn)行加密處理（ncnn2mem）。
然后ncnn讀取加密后文件和未加密文件是有一些區(qū)別的。主要包含2個(gè)地方。
第一個(gè)區(qū)別就是導(dǎo)入模型的區(qū)別，詳細(xì)的用法看下圖。
未加密的：
load_param
load_model
已經(jīng)加密的：
load_param_bin
load_model
如果使用load_param，load_model加載已經(jīng)加密的文件，返回值為讀取的字節(jié)數(shù)
其余情況下，正常加載模型會(huì)返回0，錯(cuò)誤返回其他值。
第二個(gè)區(qū)別就是，就是模型讀取輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)的區(qū)別，
未加密的：
ex.input("data", in);
ncnn::Mat score_, location_;
ex.extract("prob1", score_);
ex.extract("conv4-2", location_);已經(jīng)加密的：
ex.input(det1_param_id::BLOB_data, in); ncnn::Mat score_, location_; ex.extract(det1_param_id::BLOB_prob1, score_); ex.extract(det1_param_id::BLOB_conv4_2, location_);
（7）修改cpp下面的CMakeLists，增加ncnnlib的引用。
cmake_minimum_required(VERSION 3.4.1)
#include頭文件目錄
include_directories(include)
#source directory源文件目錄
file(GLOB MTCNN_SRC *.h
*.cpp)
set(MTCNN_COMPILE_CODE ${MTCNN_SRC})
#添加ncnn庫(kù)
add_library(libncnn STATIC IMPORTED )
set_target_properties(libncnn
PROPERTIES IMPORTED_LOCATION
${CMAKE_SOURCE_DIR}/../jniLibs/${ANDROID_ABI}/libncnn.a)
#編譯為動(dòng)態(tài)庫(kù)
add_library(mtcnn SHARED ${MTCNN_COMPILE_CODE})
#添加工程所依賴的庫(kù)
find_library( log-lib log )
target_link_libraries( mtcnn
libncnn
android
jnigraphics
z
${log-lib} )（8）修改app/build.gradle下, defaultConfig里面加入下面的代碼，
externalNativeBuild {
cmake {
arguments "-DANDROID_TOOLCHAIN=clang"
cFlags "-fopenmp -O2 -fvisibility=hidden -fomit-frame-pointer -fstrict-aliasing -ffunction-sections -fdata-sections -ffast-math "
cppFlags "-fopenmp -O2 -fvisibility=hidden -fvisibility-inlines-hidden -fomit-frame-pointer -fstrict-aliasing -ffunction-sections -fdata-sections -ffast-math "
arguments "-DANDROID_STL=c++_shared", "-DANDROID_CPP_FEATURES=rtti exceptions"
cppFlags ""
cppFlags "-std=c++11"
cppFlags "-frtti"
cppFlags "-fexceptions"
}
}
ndk {
abiFilters 'armeabi-v7a'// , 'arm64-v8a' //,'x86', 'x86_64', 'armeabi'
stl "gnustl_static"
}最終結(jié)果：
總結(jié)
到此這篇關(guān)于基于Android studio3.6的JNI教程之ncnn人臉檢測(cè)mtcnn功能的文章就介紹到這了,更多相關(guān)android studio3.6 ncnn人臉檢測(cè)mtcnn內(nèi)容請(qǐng)搜索創(chuàng)新互聯(lián)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持創(chuàng)新互聯(lián)！
