研发干货丨基于OK3399

首先我们了解下 android系统常用的图像识别框架

一：调用一些不开源库进行识别

旷视的图像识别及 OCR 文字识别库，及其他厂家如阿里，百度，华为，腾讯的 OCR 文字识别库等。

二：调用一些开源库进行识别

一）： tensorflow 训练自定义图像并识别

1. 是先在 ubuntu 上对很多图片进行训练得到自己的类别模型文件， xxx.pb 文件及 xxx_labels.txt 文件

2. 把上一步生成的文件放到 Android studio （ AS ）工程里

3.AS 添加 tensorflow 依赖

4. 在 tensorflow 给的 android 工程上做改动，写出自己的工程

5. 运行工程开始识别。

要在 android 上使用 tensorflow ，官方提供两种方式工程：

一） tensorflow for mobile, 成熟，功能方法多

只需配置 buildgradle, 调用 tensorflow 相关接口进行识别

2) tensorflow lite. 轻量，允许设备端的机器学习模型的低延迟推断

下载移动端的模型 model 和标签 labels 文件并解压到 assert 下，导入 tensorflow 项目，调用 tensorflow 相关接口进行识别

注意此种方法不能直接使用 tensorflow 的模型，需要对模型进行转换。

二）： opencv 训练自定义图像并识别

1. 配置 AS 中 opencv 的环境，下载并配置 opencv 的 sdk

2. 在 windows 上用 opencv 工具训练自定义图像数据集

3. 将训练好的数据集加载到 AS

4. 编写自己的 android 工程

5. 运行 android 工程进行识别

三）： tensorflow 训练自定义图像，实时处理 openCV 获取的摄像头图像（ openCV 对图像进行分割）并识别（ https://blog.csdn.net/qq_33200967/article/details/82773677 ）

此方法与单独使用 tensorflow 的区别是使用了 opencv 中的图像分割，将所有分割物体进行识别

四）其他：

另外有些开源的图像识别方法， Tesseract （支持 OCR 文字识别）等，可以将其加入 android 并进行识别。

OK3399-C 平台 android 系统的图像识别实现

OK3399 的 android 图像识别实现是使用 tensorflow 在 ubuntu 上训练自定义图像，用 tensorflow lite 在 android 上进行的识别，识别部分使用了 rk3399 内部的 mali400 gpu 。

关于模型

首先，我们有训练好的 tensorflow 模型文件： xxx.pb 。

其次，将模型文件进行转换，先转换成 tensorflow lite 支持的 xxx.tflite 模型文件，然后转换成 rk3399 的 SSD （ Single Shot MultiBox Detector ）支持的 xxx.rkl 模型文件。

然后，把此转换后的模型文件加入 android 工程。

此 android 例程的基本实现为：

打开 camera 的预览，同时创建一个跟踪线程。跟踪线程不断的检测是否有可用的图片，一旦有可用图片就调用识别 api 进行识别，识别函数会返回识别目标的位置及类型，然后得到 物体在图片中的范围，并绘制出来。

此例程除 java 实现的部分外，还涉及到三个库： librkssd4j.so ， librga.so 和 librkssd.so 。

以下是三个库的介绍。

librkssd4j.so

调用说明：由 android 例程直接调用的库。

源码位置： rk_ssd_demo_rk3399appsrcmaincpp

作用：调用 librga.so 对于图像进行格式转换或翻转及压缩，然后调用 librkssd.so 进行识别。

librga.so

调用说明：被 librkssd4j.so 加载

源码位置： OK3399-android7-source/hardware/rockchip/librga/

作用：用来判断平台是否支持 rga ，及做 yuv 转 rgb 处理， rga 主要对图片数据进行一些格式转换，翻转，缩放等运算。

librkssd.so

作用：对图片进行识别。其使用了 rk3399 内部的 Mali400 gpu 。

以下为运行效果：

参考资料：

瑞芯微原厂资料 RKDocs/rk3399/ RK3399_SSD_Android& Linux_V1.0_20180522.pdf