您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
google图片识别模型在Android平台小案例
2017年07月03日 由 Neo 发表
510060
0
前两天做了一个在安卓设备上识别物体并分类的小案例，用到的是一个训练好的模型，把图片进行分类，分类的种类比较少，只有在生活中常见的那些物件，并且是按照大类型分的，例如：动物、建筑等这种的分成一类。今天我们用Google官方提供的一个视觉训练模型，来进行识别，并且做成摄像头拍摄模式。
首先在AndroidStudio 2.0+版本，Android SDK 23+的编译环境下创建工程并且导入pb模型文件和labei_string到assets目录下，导入so包到jniLibs文件夹，目录结构如下图：
在清单文件里面申明相机相关权限、对焦权限、以及拍照后文件存储的读写权限：
接着是相机初始化以及自动对焦，在页面上用SurfaceTexture显示图像流。SurfaceTexture是从Android3.0（API 11）加入的一个新类。这个类跟SurfaceView很像，可以从camera preview或者video decode里面获取图像流（image stream）。和SurfaceView不同的是，它对图像流的处理并不直接显示，而是转为GL外部纹理，因此可用于图像流数据的二次处理（如Camera滤镜，桌面特效等）。比如Camera的预览数据，变成纹理后可以交给GLSurfaceView直接显示，也可以通过SurfaceTexture交给TextureView作为View heirachy中的一个硬件加速层来显示。相机初始化主要代码如下图：
获取CameraManager，调取后置摄像头获取图像流，然后将后置摄像头的图像流传输到上述SurfaceTexture中，主要代码如下：
在显示图像流时对SurfaceTexture frame进行设置，确保其完整并合理的显示在屏幕上，如果不设置的话取景区域显示在屏幕上会不完整
接下来要做的就是使用OnImageAvailableListener监听SurfaceTexture内容，并且在onImageAvailable接口里面获取到当前帧数的ImageReader，获取到图片以后确定分辨率，然后将之存储为Bitmap
最后调用tensorflow的图像识别方法，识别图片，获取识别结果List将之显示在屏幕上，这样就基本完成了今天的示例，我们看一下最后的演示成果
识别结果是斑猫、虎斑猫、埃及猫
键盘
电风扇
识别效果总体还是令人满意的，这个识别模型较前阵子图片分类的例子要全面得多，总共有1000多种的物品分类，而图片分类那个只有10多个，经测试，识别的效率是相差无几的，都可以达到基本没有延时
[download id="3"]
首先在AndroidStudio 2.0+版本，Android SDK 23+的编译环境下创建工程并且导入pb模型文件和labei_string到assets目录下，导入so包到jniLibs文件夹，目录结构如下图：
在清单文件里面申明相机相关权限、对焦权限、以及拍照后文件存储的读写权限：
接着是相机初始化以及自动对焦，在页面上用SurfaceTexture显示图像流。SurfaceTexture是从Android3.0（API 11）加入的一个新类。这个类跟SurfaceView很像，可以从camera preview或者video decode里面获取图像流（image stream）。和SurfaceView不同的是，它对图像流的处理并不直接显示，而是转为GL外部纹理，因此可用于图像流数据的二次处理（如Camera滤镜，桌面特效等）。比如Camera的预览数据，变成纹理后可以交给GLSurfaceView直接显示，也可以通过SurfaceTexture交给TextureView作为View heirachy中的一个硬件加速层来显示。相机初始化主要代码如下图：
获取CameraManager，调取后置摄像头获取图像流，然后将后置摄像头的图像流传输到上述SurfaceTexture中，主要代码如下：
在显示图像流时对SurfaceTexture frame进行设置，确保其完整并合理的显示在屏幕上，如果不设置的话取景区域显示在屏幕上会不完整
接下来要做的就是使用OnImageAvailableListener监听SurfaceTexture内容，并且在onImageAvailable接口里面获取到当前帧数的ImageReader，获取到图片以后确定分辨率，然后将之存储为Bitmap
最后调用tensorflow的图像识别方法，识别图片，获取识别结果List
识别结果是斑猫、虎斑猫、埃及猫
键盘
电风扇
识别效果总体还是令人满意的，这个识别模型较前阵子图片分类的例子要全面得多，总共有1000多种的物品分类，而图片分类那个只有10多个，经测试，识别的效率是相差无几的，都可以达到基本没有延时
[download id="3"]
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消