Dnn神经网络使用例（java版）

使用Dnn调用神经网络实例，查找了2个多月的方法，在无数的百度和谷歌和git中学习到了使用opencv+java内置的神经网络处理函数来解决模型调用问题

主要是maven配置的自带jar包版本太老了，说白了其实maven其实就是更方便地让自己得到自己所需要的jar包，打包的时候非常让人痛苦，还不如简单地建立一个java工程文件。不过可以去百度搜索maven官网，去下载自己所需要的jar包，然后放在自己的项目中，这样比较方便。

使用javacv1.5.1-platrom，低版本没有此例方法（或者说maven版本的jar包功能不齐全）。

package BodyDetection;

import org.bytedeco.javacpp.indexer.FloatIndexer;

import org.bytedeco.opencv.opencv_core.*;

import org.bytedeco.opencv.opencv_dnn.*;

import static org.bytedeco.opencv.global.opencv_core.*;

import static org.bytedeco.opencv.global.opencv_dnn.*;

import static org.bytedeco.opencv.global.opencv_imgproc.*;

public class bodyDetection {

//模型文件路径

   private static final String pbload = System.getProperty("user.dir")+"\\resources\\frozen_inference_graph.pb";

   private static final String pbtxtload = System.getProperty("user.dir")+"\\resources\\graph.pbtxt";



private static Net net = null;



static {

    net = readNetFromTensorflow(pbload, pbtxtload);

}



public static void detectAndDraw(Mat image) {

       int ws=image.rows();

       int hs=image.cols();

       System.out.println(ws);

       System.out.println(hs);

      

    resize(image, image, new Size(300, 300));//调整图像大小以匹配模型的输入大小



    Mat blob = blobFromImage(image, 1.0, new Size(300, 300), new Scalar(104.0, 177.0, 123.0, 0), false, false, CV_32F);



    net.setInput(blob);//将输入设置为网络模型

    Mat output = net.forward();//将输入转发给Dnn神经网络，得到输出矩阵



    Mat ne = new Mat(new Size(output.size(3), output.size(2)), CV_32F, output.ptr(0, 0));//提取一个2d矩阵用于4d输出矩阵，形式为(检测次数x 7)

 //这里可以这样理解，这个索引器识别了图中的关键点（人），以点为中心，向四周画框，然后把重绘的图（画好框的图），覆盖在原来的图上，不要理解错误了

    FloatIndexer srcIndexer = ne.createIndexer(); // 创建索引器来访问矩阵的元素

    //System.out.println(srcIndexer);

    int testnub=0;

    for (int i = 0; i < output.size(3); i++) {//迭代提取元素

       

           float confidence = srcIndexer.get(i, 2);

        float f1 = srcIndexer.get(i, 3);

        float f2 = srcIndexer.get(i, 4);

        float f3 = srcIndexer.get(i, 5);

        float f4 = srcIndexer.get(i, 6);

        if (confidence > .6) {

            float tx = f1 * 300;//top left point's x

            float ty = f2 * 300;//top left point's y

            float bx = f3 * 300;//bottom right point's x

            float by = f4 * 300;//bottom right point's y

            rectangle(image, new Rect(new Point((int) tx, (int) ty), new Point((int) bx, (int) by)), new Scalar(255, 0, 0, 0));//print blue rectangle

            testnub++;

        }

       

       

    }

   resize(image, image, new Size(640, 480));//还原

    //System.out.println(testnub);

}

}