pose demo on android mobile based on PaddleDetection
本工程Android部分基于Paddle-Lite-Demo修改。
算法模型基于PaddleDetection的PP-TinyPose.
如欲获取更多详情，请点击链接至相应repo中查看。
- Andoird APP下载体验
- 安装二维码：
安装问题解决：
如果华为手机安装时提示发现风险项（该应用为诈骗应用，请勿安装），该问题因华为手机有对外部应用的限制，可以按以下步骤解决：
-
控制中关闭纯净模式（如果有，一般在下拉栏）。
-
在设置-安全设置中，打开
外部来源应用下载。关闭外部来源应用检查。
如果找不到可以百度搜索查找详细信息。
- Android
- Android Studio 4.2；
- adb调试工具；
- Android手机或开发版；
$ git clone https://github.com/zhiboniu/pose_demo_android
- Android
- 打开Android Studio，在"Welcome to Android Studio"窗口点击"Open an existing Android Studio project"，在弹出的路径选择窗口中进入"image_classification_demo"目录，然后点击右下角的"Open"按钮即可导入工程
- 通过USB连接Android手机或开发板；
- 载入工程后，点击菜单栏的Run->Run 'App'按钮，在弹出的"Select Deployment Target"窗口选择已经连接的Android设备（连接失败请检查本机adb工具是否正常），然后点击"OK"按钮；
- 由于Demo所用到的库和模型均通过app/build.gradle脚本在线下载，因此，第一次编译耗时较长（取决于网络下载速度），请耐心等待；
- 使用自己训练的模型，根据PaddleDetection中lite部署文档导出模型并转换为lite模型格式（.nb格式的模型）。导出时在config文件中TestReader栏增加
fuse_normalize: true，将预处理normalize融合进模型。 - 在
app/src/main/assets/models/yolov3_mobilenet_v3_for_cpu路径下有检测lite模型model_det.nb、关键点lite模型model_keypoint.nb。依次对应替换。 - 修改检测模型输入尺寸（默认320）。在
app/src/main/res/values/strings.xml文件中修改INPUT_WIDTH_DEFAULT、INPUT_HEIGHT_DEFAULT两项为实际模型使用尺寸。 - 修改关键点模型尺寸（默认192(w) x 256(h)）。在
app/src/main/cpp/Pipeline.cc文件中L30行修改输入尺寸（w*h）。
- Paddle-Lite项目：https://github.com/PaddlePaddle/Paddle-Lite
- 参考 Paddle-Lite文档，编译IOS预测库、Android和ARMLinux预测库
- 编译最终产物位于
build.lite.xxx.xxx.xxx下的inference_lite_lib.xxx.xxx
- 替换jar文件：将生成的build.lite.android.xxx.gcc/inference_lite_lib.android.xxx/java/jar/PaddlePredictor.jar替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/libs/PaddlePredictor.jar
- 替换arm64-v8a jni库文件：将生成build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/java/so/libpaddle_lite_jni.so库替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/arm64-v8a/libpaddle_lite_jni.so
- 替换armeabi-v7a jni库文件：将生成的build.lite.android.armv7.gcc/inference_lite_lib.android.armv7/java/so/libpaddle_lite_jni.so库替换demo中的Paddle-Lite-Demo/PaddleLite-android-demo/image_classification_demo/app/src/main/jniLibs/armeabi-v7a/libpaddle_lite_jni.so.
主要源码位于工程pose_demo_android/app/src/main目录下，由三大部分组成java、cpp、assets。
- java: Android前端界面相关代码部分
- cpp: 算法实现相关代码
- assets: 模型存放位置
pose_demo_android/app/src目录结构如下：
src/
|-- main
|-- java Java源码（Andoird前端部分）
| `-- com.baidu.paddle.lite.demo
| |-- common
| `-- yolo_detection
|-- cpp C++ 源码（底层算法部分）
| |-- CMakeLists.txt 编译文件
| |-- Native.h Jni高级类型数据格式转换辅助函数
| |-- Native.cc Cpp与Java交互Jni接口
| |-- Pipeline.h
| |-- Pipeline.cc 算法整体Pipeline流程
| |-- Detector.h
| |-- Detector.cc 检测模型实现
| |-- Detector_Kpts.h
| |-- Detector_Kpts.cc 关键点模型实现
| |-- postprocess.h
| |-- postprocess.cc 关键点后处理所需函数
| |-- pose_action.h
| |-- pose_action.cc 动作识别相关代码
| |-- Utils.h
| `-- Utils.cc 模型前处理及其他函数
`-- assets
|-- images 未使用
|-- models
| `-- yolov3_mobilenet_v3_for_cpu
| |--model_det.nb 检测模型文件
| `--model_keypoint.nb 关键点模型文件
`-- labels
`-- coco_labels_2014_2017.txt coco labels文件，实际只用了第一类person
本项目的发布受Apache 2.0 license许可认证。
我们非常欢迎你可以为PaddleDetection提供代码，也十分感谢你的反馈。
- 感谢Shigure19帮忙贡献Android前端代码。
@misc{ppdet2021,
title={PaddleDetection, Object detection and instance segmentation toolkit based on PaddlePaddle.},
author={PaddlePaddle Authors},
howpublished = {\url{https://github.com/PaddlePaddle/PaddleDetection}},
year={2021}
}