我在opencv C ++中实现了一个ANN字符分类器。我创建了一个模型:
cv::Mat layers(3,1,CV_32S);
layers.at<int>(0,0) = ATTRIBUTES;//400
layers.at<int>(1,0)=25;//hidden layer
layers.at<int>(2,0) =CLASSES;// eg. 10
CvANN_MLP nnetwork(layers, CvANN_MLP::SIGMOID_SYM,0.6,1);
CvANN_MLP_TrainParams params(
cvTermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, 1000, 0.000001),
CvANN_MLP_TrainParams::BACKPROP,
0.1, 0.1);
int iterations = nnetwork.train(training_set, training_set_classifications,cv::Mat(),cv::Mat(),params);
CvFileStorage* storage = cvOpenFileStorage( "C:\\example\\myModel.xml", 0, CV_STORAGE_WRITE );
nnetwork.write(storage,"OCR");
cvReleaseFileStorage(&storage);
现在,我的模型存储在C:/example/myModel.xml中 当我想使用ANN分类器时,我在C ++中使用以下代码:
CvANN_MLP nnetwork;
CvFileStorage* storage = cvOpenFileStorage("C:\\example\\myModel.xml", 0, CV_STORAGE_READ );
CvFileNode *n = cvGetFileNodeByName(storage,0,"OCR");
nnetwork.read(storage,n);
cvReleaseFileStorage(&storage);
现在我可以使用nnetwork.predict()
并对我的角色进行分类。我的问题在这里,我想在Android中使用相同的分类器。但是,我不知道如何在Android中的myModel.xml中加载模型。我正在使用opencv 3.0.0,我无法在Android opencv中找到CvFileStorage
的Java conterpart。我不知道如何在Java中使用FileStorage。
请帮帮我。
答案 0 :(得分:1)
我发现没有
CvFileStorage
支持opencv4android。但是,如果你跳过jni,你可以做任何你想做的事情。我使用的是Android Studio,我很难找到解决方案。
将jni与opencv链接到android有一个近乎复杂的过程。我将讨论整个过程如下:
步骤1.在Android项目中创建一个新类。称之为linkToNative。 添加从jni读取字符串的本机方法。
package com.example.yourname.yourproject;
public class linkToNative {
public native String compare(long src,long dest);
static {
System.loadLibrary("compare");
}
}
还有一件事,将您的原生模块介绍到app文件夹中的glradle.build。因此,您的gradle defaultConfig范围将如下所示:
defaultConfig {
applicationId "com.example.yourname.yourproject"
minSdkVersion 10
targetSdkVersion 22
versionCode 1
versionName "1.0"
ndk{
moduleName 'compare'
}
}
步骤2.构建项目
步骤3.使用javah创建标题。为此,请在终端中导航至[您的项目根目录] / app / src / main并键入:
javah -d jni -classpath [Your Android sdk root directory]/platforms/android-19/android.jar;../../build/intermediates/classes/debug com.example.yourname.yourproject.linkToNative
步骤4.在javah创建的jni文件夹中,你应该制作你的cpp [我强烈推荐cpp]文件。我创建一个简单的如下:
#include <com.example.yourname.yourproject.linkToNative.h>
JNIEXPORT jstring JNICALL Java_com_example_yourname_yourproject_linkToNative_compare
(JNIEnv *env, jobject obj, jlong src, jlong dest){
return env->NewStringUTF("hello, I'm jni");
}
转到新创建的jni文件夹,创建两个名为Android.mk和Application.mk的文件,如下所示:
LOCAL_PATH := $(call my-dir)
include $(CLEAR_VARS)
OPENCVROOT:= [PATH/TO/Your/Opencv4android/Directory]
OPENCV_CAMERA_MODULES:=off
OPENCV_INSTALL_MODULES:=on
OPENCV_LIB_TYPE:=SHARED
LOCAL_C_INCLUDE := ${OPENCVROOT}/sdk/native/jni/include/
include ${OPENCVROOT}/sdk/native/jni/OpenCV.mk
LOCAL_LDLIBS += -llog -lstdc++ -lz
LOCAL_MODULE := compare
LOCAL_SRC_FILES := compare.cpp
include $(BUILD_SHARED_LIBRARY)
APP_STL := gnustl_static
APP_CPPFLAGS := -frtti -fexceptions
APP_ABI := armeabi-v7a
APP_PLATFORM := android-19
现在,您可以使用ndk-build交叉编译本机代码。您应该已经下载了NDK并事先将其解压缩。然后,转到您的终端,导航到app文件夹并记下下面的代码:
[YOUR NDK FOLDER]\ndk-build.cmd NDK_PROJECT_PATH=build/intermediates/ndk NDK_LIBS_OUT=src/main/jniLibs APP_BUILD_SCRIPT=src/main/jni/Android.mk NDK_APPLICATION_MK=src/main/jni/Application.mk
请注意,如果您使用的是Linux或Mac平台,请从上面的命令中删除.cmd。等待代码编译并运行您的项目。现在,您可以在java中运行代码。 每次更改cpp文件时,都应该编译上面提到的jni代码。如果你想摆脱这种情况,可以通过在其中定义任务来做到这一点。提供了一个很好的教程HERE。
在opencv3中稍微更改了StatModel。这是加载模型并根据testClass预测类的代码。事先,在cpp文件中包含以下库。
#include <opencv/cv.h>
#include "opencv2/opencv.hpp"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include <opencv2/ml/ml.hpp>
现在,这是代码的其余部分。
#define CLASSES 10
using namespace cv;
using namespace cv::ml;
JNIEXPORT jstring JNICALL Java_com_example_yourname_yourproject_linkToNative_compare
(JNIEnv *env, jobject obj, jlong addrGray , jlong dest){
Mat* srcMat = (Mat*) src;
Mat* destMat = (Mat*) dest;
Mat ref = pMatYr->clone();
Ptr<ANN_MLP> model=StatModel::load<ANN_MLP>("/storage/emulated/0/ALPR/param.xml");
cv::Mat outputArray(1,CLASSES,CV_8U);
//
Your code that creates testClass according to srcMat
.
.
//
model->predict(testClass,outputArray)
return env->NewStringUTF("YOUR MSG!");
}
有关STatModel的更多信息,请阅读documentation page。