关于YOLO8学习（五）安卓部署ncnn模型--视频检测

教学视频地址

B站

前文

关于YOLO8学习（一）环境搭建，官方检测模型部署到手机
关于YOLO8学习（二）数据集收集，处理
关于YOLO8学习（三）训练自定义的数据集
关于YOLO8学习（四）模型转换为ncnn

简介

本文将会讲解：
（1）使用前文生成的ncnn模型，部署到安卓端，并且实现视频中，人脸的检测

效果图

开发环境

win10、python 3.11、cmake、pytorch2.0.1+cu117、pycharm、ultralytics==8.0.134
要特别注意，不要升级到python312，目前onnx还没支持到312，所以转换了，会导致转换模型失效。
对于上述环境如何配置，请看我之前的文章。
安卓：as4+,ndk21+,jdk11

开发过程

ncnn是腾讯出厂的一个端到端库，通过不同的模型，最终转换为ncnn可用的格式，然后进行部署。ncnn支持安卓，苹果。而且特别对cpu做了相关的优化，所以博主选择这个模型作为部署到端的方案。

前面的文章中，已经得到了一个ncnn模型文件了，接下来，博主将会手把手，示范如何把这个模型，部署到安卓端：

下载资源

相关环境：
opencv-4.8.1-android-sdk.zip
ncnn-20240410-android-vulkan.zip

feige的demo，具体链接如下：link

下载后，解压，进入到ncnn-android-yolov8目录

然后把上述的环境，解压，放到安卓项目中的jni目录，完成后的目录如下（这里博主把OpenCV重命名为了OpenCV-android-sdk）：

然后修改CMakeLists.txt文件，代码如下：

project(yolov8ncnn)

cmake_minimum_required(VERSION 3.10)
#cmake_minimum_required(VERSION 3.4.1)

set(OpenCV_DIR ${CMAKE_SOURCE_DIR}/OpenCV-android-sdk/sdk/native/jni)
find_package(OpenCV REQUIRED core imgproc)

set(ncnn_DIR ${CMAKE_SOURCE_DIR}/${ANDROID_ABI}/lib/cmake/ncnn)
find_package(ncnn REQUIRED)

add_library(yolov8ncnn SHARED yolov8ncnn.cpp yolo.cpp ndkcamera.cpp)

target_link_libraries(yolov8ncnn ncnn ${OpenCV_LIBS} camera2ndk mediandk)

若存在编译问题，请下载对应的cmake插件，如下图，入口：tool–sdkmanager

完成上述步骤后，这个demo是大概率是可以跑通了，直接run试一下效果吧

---

接下来，将会介绍如何使用自己训练的ncnn模型，部署到这个demo中，实现人脸识别

---

一、替换自己的模型到assets下

博主把人脸检测的文件，命名为了face_detect，替换后，assets目录如下图：

二、修改strings.xml文件

把item替换为自己模型的名字

三、修改yolov8ncnn.cpp文件

修改modeltypes变量为自己模型的名字，target_sizes为320，具体代码如下：

四、修改yolo.cpp文件

（1）Yolo::load方法中，模型名字修改，代码如下图：

（2）Yolo::detect方法中，输入输出的名字修改。
可以使用onnx，通过网站link进行输入输出名字的查看。
具体修改代码内容如下：

这里修改了输入为images，输出为output0

（3）Yolo::draw方法中，修改class_names为你的类别名。这个模型中，只有一个类别，所以这里设置为face（其实这个名字可以随便起）对应好下标即可。因为模型输出的也是下标，后续通过查询这个class_names下标对应的名字，进行绘制的。对应代码如下图：

（4）修改yolo.cpp中的方法generate_proposals
修改num_class为你对应的类别数量，我们这里是一类，所以是1，具体代码如下：

---

完成上述步骤后，直接运行吧，按道理，可以实现检测了。

安卓demo源码：关注并回复 “yolo8检测安卓人脸demo”即可

---