person_monitor/dependence/PaddleDetection/static/deploy/android_demo/README.md

PaddleDetection安卓端demo

下载试用

可通过下载链接直接下载，或直接使用手机浏览器扫描二维码下载安装：

环境搭建与代码运行

• 安装最新版本的Android Studio，可以从https://developer.android.com/studio 下载。本demo使用是4.0版本Android Studio编写。
• 下载NDK 20 以上版本，NDK 20版本以上均可以编译成功。可以用以下方式安装和测试NDK编译环境：点击 File -> New ->New Project，新建 "Native C++" project。
• 导入项目：点击 File->New->Import Project...， 跟随Android Studio的引导导入项目即可。
• 首先打开app/build.gradle文件，运行downloadAndExtractArchives函数，完成PaddleLite预测库与模型的下载与压缩。
• 连接并选择设备，编译app并运行。

效果展示

更新预测库与模型

更新预测库

• 参考 Paddle-Lite文档，编译Android等预测库，或直接下载最新Paddle Lite预编译库。
• 更新app/libs下PaddlePredictor.jar包，更新app/src/main/jniLibs/arm64-v8a/libpaddle_lite_jni.so包，更新app/src/main/jniLibs/armeabi-v7a/libpaddle_lite_jni.so包。

更新模型

• 本demo中支持SSD与YOLO系列模型，如想更新模型，请替换app/src/main/assets/models下相关model.nb权重文件。
• 如果想要加入新的算法模型，如人脸检测、实例分割等，需要在app/src/main/assets/models下放入新模型，并修改app/src/main/cpp下的数据预处理代码以适配新的模型算法。
• 如更新的模型是非COCO数据集模型，请更新app/src/main/assets/labels下的类别标签文件。

获取更多支持

• 本demo依赖Paddle-Lite，Android工程开发可参考Paddle-Lite Android 工程示例教程。
• 更多Paddle-Lite的demo请参考Paddle-Lite-Demo。
• 前往端计算模型生成平台EasyEdge，获得更多开发支持。