android onpreviewframe保存mp4_Objection Detection：Android客户端应用开发总结

本文主要对Android平台上开发实时Object Detection类App涉及到的一些技术进行总结。

1. 模型

由于要实时检测，所以模型文件必须下载到手机端，在手机端本地运行模型的inference。对于这类需求，Tensorflow已经有了一套成熟的方案：

1. 后端模型训练：在服务端训练好tensorflow物体检测模型。训练好之后，将其导出为SavedModel格式的模型文件。SavedModel文件中不仅包括训练所得的模型参数，还包括完成的计算图信息，因此，可以脱离模型源码而独立运行。
2. 下载模型到手机：在App内，可以通过网络，将训练好的模型下载到手机内。
3. 手机端运行模型：通过TensorFlow Android版TFLite来加载、运行SavedModel模型文件。

2. 模型加载

TFLite模型实例可以提前、创建，然后反复调用来提高效率，而不用每次创建一个新的实例。

3. 传感器朝向问题

相机得到的图像数据，是手机上的图像传感器产生的数据。图像传感器，这个硬件固定在手机上，并且具有一个它自己认为的“正“方向。App的每个界面，也有一个设置的“正”方向，例如：portrait、landscape。不同的“正”方向，直接决定了X、Y轴的朝向，因此ÿ