1.一种Android系统图像识别中目标可前置选择的方法，其特征在于，具体过程为：用户根据待识别图像选择云端服务器上的系统补丁包进行下载，如云端服务器上没有对应的系统补丁包，则将用户自定义补丁包上传至云端服务器上，再进行下载，将下载的补丁包进行解压，解压出dex文件、so链接库文件和模型文件，在Android系统中进行图像识别功能的重新组建，实现对待识别图像的前置选择；所述系统补丁包和自定义补丁包中均包括：模型文件、so链接库文件和dex文件。

2.根据权利要求1所述Android系统图像识别中目标可前置选择的方法，其特征在于，所述系统补丁包的生成过程具体为：程序开发者收集系统补丁包的模型文件的图像，根据图像特征进行分类，利用pytorch对模型文件的图像进行训练，优化待识别图像的模型文件的结构参数，将训练后的模型文件提供给NDK开发；程序开发者进行API处理类java代码程序开发形成.java文件，通过jdk工具编译生成.jar文件，再由Android SDK的platform‑tools目录下dx工具将.jar文件转换成Android系统可识别的dex文件；程序开发者通过NDK的C/C++程序开发在NDK中完成对图像的预处理、算法处理、异构调度和NPU加速，输出so链接库文件；最后将dex文件、so链接库文件以及模型文件压缩成系统补丁包。

3.根据权利要求2所述Android系统图像识别中目标可前置选择的方法，其特征在于，所述API处理类java代码程序的接口行参和方法名保持一致。

4.根据权利要求1所述Android系统图像识别中目标可前置选择的方法，其特征在于，所述系统补丁包根据不同的图像类型进行映射配置，存储在云端服务器中。

5.根据权利要求1所述Android系统图像识别中目标可前置选择的方法，其特征在于，所述自定义补丁包的生成过程具体为：由用户选择图像集，并对图像集中的图像进行筛选、裁剪并上传至云端服务器后产生自定义的图像数据集，云端服务器上的自动化脚本通过Jenkins配合pytorch的自动化训练，完成所述图像数据集的处理及训练，生成模型文件，再将对应图像集开发的so链接库文件、dex文件以及生成的模型文件压缩成自定义补丁包。

6.根据权利要求1所述Android系统图像识别中目标可前置选择的方法，其特征在于，所述解压出的dex文件进行图像识别功能的重新组建过程具体为：将解压出的dex文件通过DexClassLoader和PathClassLoader两个类加载器，运行时修改PathClassLoader.pathList.dexElements，构造DexClassLoader对象，通过反射技术获取得到系统默认的PathClassLoader.pathList.dexElements；再将dex文件与原系统中默认的Elements数组合并，将合并完成后的数组设置回PathClassLoader.pathList.dexElements中，然后通过调用element.dexFile对象上的loadClassBinaryName方法来完成类加载。

7.根据权利要求6所述Android系统图像识别中目标可前置选择的方法，其特征在于，所述解压的so链接库文件的动态加载过程具体为：将解压出的so链接库文件拷贝到私有目录/data/packagename/中，在调用so链接库文件的API前，通过System.load( )方法动态加载私有目录路径下的so链接库文件再调用API。