代碼鏈接：

https://github.com/watersink/mtcnn-linux-as

本代碼可以在模擬器下進行跑。

環境：

windows10

Android studio 3.6

Sdk：android10 api 29

Ndk：r15c

Ncnn：20200226

Linux下的代碼測試：

cd mtcnn_linux/buildcmake ..make./mtcnn

如果可以跑通，輸出正確結果，證明mtcnn代碼的準確性。

實際操作的時候，首先基于linux把c++代碼調試通，方便后續的android調試。

Android進行c++調試時，使用__android_log_print函數進行log的輸出，

開發：

（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下面隨便復制一張帶有人臉的照片，比如這里，復制了一張beauty.png

src/main/res/layout下面新加main.xml。

詳細內容，

<?xml version='1.0' encoding='utf-8'?><LinearLayout xmlns:android='http://schemas.android.com/apk/res/android' android:orientation='vertical' android:layout_width='fill_parent' android:layout_height='fill_parent'> <LinearLayout android:orientation='horizontal' android:layout_width='fill_parent' android:layout_height='wrap_content'> <Button android: android:layout_width='wrap_content' android:layout_height='wrap_content' android:text='選圖' /> <Button android: android:layout_width='wrap_content' android:layout_height='wrap_content' android:text='檢測' /> </LinearLayout> <TextView android: android:layout_width='fill_parent' android:layout_height='wrap_content' android:text='' /> <ImageView android: android:layout_width='fill_parent' android:layout_height='fill_parent' android:layout_weight='1' /></LinearLayout>

（3）增加ncnn的lib文件

src/main下面新加jniLibs文件夾，加入對應平臺的libncnn.a

（4）增加網絡模型文件assets

在main下面新建assets文件夾，里面放入mtcnn的3個網絡結構的模型文件。

（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函數中對mtcnn這個類進行初始化。然后監聽buttonImage，buttonDetect按鈕，分別進行實現。

然后在該路徑下增加MTCNN類，主要需要實現的方法如下，

package com.example.mtcnn; public class MTCNN { //人臉檢測模型導入 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 public native int[] FaceDetect(byte[] imageDate, int imageWidth , int imageHeight, int imageChannel); public native int[] MaxFaceDetect(byte[] imageDate, int imageWidth , int imageHeight, int imageChannel); //人臉檢測模型反初始化 public native boolean FaceDetectionModelUnInit(); //檢測的最小人臉設置 public native boolean SetMinFaceSize(int minSize); //線程設置 public native boolean SetThreadsNumber(int threadsNumber); //循環測試次數 public native boolean SetTimeCount(int timeCount); static { System.loadLibrary('mtcnn'); }}

（6）修改cpp文件，

首先將ncnn的include文件夾包含進來。

將模型的3個id.h文件包含進來，det1.id.h，det2.id.h，det3.id.h

mtcnn_jni.cpp負責對人臉檢測的幾個native方法進行實現。

mtcnn.h，mtcnn.cpp分別定義了一個MTCNN類，然后進行了相關方法的實現。

需要注意，

這里讀取的模型文件是通過二進制的方式讀取的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別的。主要包含2個地方。

第一個區別就是導入模型的區別，詳細的用法看下圖。

未加密的：

load_paramload_model

已經加密的：

load_param_binload_model

如果使用load_param，load_model加載已經加密的文件，返回值為讀取的字節數

其余情況下，正常加載模型會返回0，錯誤返回其他值。

第二個區別就是，就是模型讀取輸入節點和輸出節點的區別，

未加密的：

ex.input('data', in);ncnn::Mat score_, location_;ex.extract('prob1', score_);ex.extract('conv4-2', location_);

已經加密的：

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add_library(libncnn STATIC IMPORTED )set_target_properties(libncnn PROPERTIES IMPORTED_LOCATION ${CMAKE_SOURCE_DIR}/../jniLibs/${ANDROID_ABI}/libncnn.a)#編譯為動態庫add_library(mtcnn SHARED ${MTCNN_COMPILE_CODE})#添加工程所依賴的庫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' }

最終結果：

總結

到此這篇關于基于Android studio3.6的JNI教程之ncnn人臉檢測mtcnn功能的文章就介紹到這了,更多相關android studio3.6 ncnn人臉檢測mtcnn內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！