代碼鏈接：

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/buildcmake ..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'?><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(cè)' /> </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(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)類進(jìn)行初始化。然后監(jiān)聽buttonImage，buttonDetect按鈕，分別進(jìn)行實(shí)現(xiàn)。

然后在該路徑下增加MTCNN類，主要需要實(shí)現(xiàn)的方法如下，

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。

將模型的3個(gè)id.h文件包含進(jìn)來，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，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_paramload_model

已經(jīng)加密的：

load_param_binload_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)搜索好吧啦網(wǎng)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好吧啦網(wǎng)！