Android事件分发机制一:事件是如何到达activity的?

本文探讨Android事件分发机制,解答触摸事件如何从系统底层到达Activity的问题。事件分发始于viewRootImpl,而非Activity,由InputManagerService处理后,通过WindowManagerService分发到对应的viewRootImpl。viewRootImpl管理view树,负责事件的进一步分发。触摸事件到达Activity是由于DecorView的存在,它会调用Activity实现的window callback进行处理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

事件分发,真的一定从Activity开始吗?

前言

很高兴遇见你~

事件分发,android中一个老生常谈的话题了。前阵子去面试一家企业,他里面有一道笔试题问到事件分发的流程,正确答案是选择:Activity->window->view,基本的流程我们也都知道是从Activity开始分发。

当时我选择完之后,我就开始思考,那事件是怎么到达Activity的?如果了解过window机制的读者会知道,事件分发也是window机制的一部分,而Activity不属于window机制内,那么触摸事件应该是从Window开始才对,怎么是从Activity开始的呢?

抱着这些疑问,我重新学习了事件分发,结合之前的window机制内容,对于事件分发的理解又有了新的认知。这篇文章就是要回答事件是如何到达Activity的这个问题。

你以为我接下来要开始讲源码、系统底层了?不不不,本文不讲这些。我们要探究的是,一个触摸信息从系统底层产生之后,一步步到达Activity进行分发的整体流程。而关于系统底层的逻辑,不在本文的讨论范围内。

本文是笔者android触摸事件系列文章的开篇,主要的内容是分析触摸事件传递的路径。不会纠结于源码与底层,而是把触摸事件来源的大体流程呈现出来,便于对事件分发体系有个更加完整的理解。

管理单位:window

android的view管理是以window为单位的,每个window对应一个view树。这里管理涉及到view的绘制以及事件分发等。Window机制不仅管理着view的显示,也负责view的事件分发。关于window的本质,可以阅读笔者的另一篇文章window机制。研究事件分发的来源,则必须对于window机制有一定的了解。

所以,首先要了解一个概念:view树。

我们的应用布局,一般是有多层viewGroup和view的嵌套,如下图:

image

而他们对应的结构关系如下图所示

image

此时,我们就可以称该布局是以一个LinearLayout为根的一棵view树。LinearLayout可以直接访问FrameLayout和RelativeLayout,因为他们都是LinearLayout的子view,同样的RelativeLayout可以直接访问Button。

每一棵view树都有一个根,叫做ViewRootImpl ,他负责管理这整一棵view树的绘制、事件分发等。

我们的应用界面一般会有多个view树,我们的activity布局就是一个view树、其他应用的悬浮窗也是一个view树、dialog界面也是一个view树、我们使用windowManager添加的view也是一个view树等等。最简单的view树可以只有一个view。

android中view的绘制和事件分发,都是以view树为单位。每一棵view树,则为一个window 。系统服务WindowManagerService,管理界面的显示就是以window为单位,也可以说是以view树为单位。而view树是由viewRootImpl来负责管理的,所以可以说,wms(WindowManagerService的简写)管理的是viewRootImpl。如下图:

window机制

  • wms是运行在系统服务进程的,负责管理所有应用的window。应用程序与wms的通信必须通过Binder进行跨进程通信。
  • 每个viewRootImpl在wms中都有一个windowState对应,wms可以通过windowState找到对应的viewRootImpl进行管理。

了解window机制的一个重要原因是:事件分发并不是由Activity驱动的,而是由系统服务驱动viewRootImpl来进行分发 ,甚至可以说,在框架层角度,和Activity没有任何关系。这将有助于我们对事件分发的本质理解。

那么触摸信息是如何一步步到达viewRootImpl?为什么说viewRootImpl是事件分发的起点?viewRootImpl如何对触摸信息进行分发处理的?这是我们接下来要讨论的。

触摸信息是如何到达viewRootImpl的?

我们都知道的是,在我们手指触摸屏幕时,即产生了触摸信息。这个触摸信息由屏幕这个硬件产生,被系统底层驱动获取,交给Android的输入系统服务:InputManagerService,也就是IMS。

IMS会对这个触摸信息进行处理,通过WMS找到要分发的window,随后发送给对应的viewRootImpl。所以发送触摸信息的并不是WMS,WMS提供的是window的相关信息。

这一部分涉及到系统底层的逻辑,不是本文的重点,感兴趣的读者推荐阅读gityuan博主的文章Input系统-事件处理全过程。这里不展开讲解。大体的过程如下图:

事件是如何到达viewRootImpl

当viewRootImpl接收到触摸信息时,也正是应用程序进程事件分发的开始。

viewRootImpl是如何分发事件的?

前面我们讲到,viewRootImpl

### RT-DETRv3 网络结构分析 RT-DETRv3 是种基于 Transformer 的实时端到端目标检测算法,其核心在于通过引入分层密集正监督方法以及系列创新性的训练策略,解决了传统 DETR 模型收敛慢和解码器训练不足的问题。以下是 RT-DETRv3 的主要网络结构特点: #### 1. **基于 CNN 的辅助分支** 为了增强编码器的特征表示能力,RT-DETRv3 引入了个基于卷积神经网络 (CNN) 的辅助分支[^3]。这分支提供了密集的监督信号,能够与原始解码器协同工作,从而提升整体性能。 ```python class AuxiliaryBranch(nn.Module): def __init__(self, in_channels, out_channels): super(AuxiliaryBranch, self).__init__() self.conv = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1) self.bn = nn.BatchNorm2d(out_channels) def forward(self, x): return F.relu(self.bn(self.conv(x))) ``` 此部分的设计灵感来源于传统的 CNN 架构,例如 YOLO 系列中的 CSPNet 和 PAN 结构[^2],这些技术被用来优化特征提取效率并减少计算开销。 --- #### 2. **自注意力扰动学习策略** 为解决解码器训练不足的问题,RT-DETRv3 提出了种名为 *self-att 扰动* 的新学习策略。这种策略通过对多个查询组中阳性样本的标签分配进行多样化处理,有效增加了阳例的数量,进而提高了模型的学习能力和泛化性能。 具体实现方式是在训练过程中动态调整注意力权重分布,确保更多的高质量查询可以与真实标注 (Ground Truth) 进行匹配。 --- #### 3. **共享权重解编码器分支** 除了上述改进外,RT-DETRv3 还引入了个共享权重的解编码器分支,专门用于提供密集的正向监督信号。这设计不仅简化了模型架构,还显著降低了参数量和推理时间,使其更适合实时应用需求。 ```python class SharedDecoderEncoder(nn.Module): def __init__(self, d_model, nhead, num_layers): super(SharedDecoderEncoder, self).__init__() decoder_layer = nn.TransformerDecoderLayer(d_model=d_model, nhead=nhead) self.decoder = nn.TransformerDecoder(decoder_layer, num_layers=num_layers) def forward(self, tgt, memory): return self.decoder(tgt=tgt, memory=memory) ``` 通过这种方式,RT-DETRv3 实现了高效的目标检测流程,在保持高精度的同时大幅缩短了推理延迟。 --- #### 4. **与其他模型的关系** 值得提的是,RT-DETRv3 并未完全抛弃经典的 CNN 技术,而是将其与 Transformer 结合起来形成混合架构[^4]。例如,它采用了 YOLO 系列中的 RepNCSP 模块替代冗余的多尺度自注意力层,从而减少了不必要的计算负担。 此外,RT-DETRv3 还借鉴了 DETR 的匹配策略,并在此基础上进行了优化,进步提升了小目标检测的能力。 --- ### 总结 综上所述,RT-DETRv3 的网络结构主要包括以下几个关键组件:基于 CNN 的辅助分支、自注意力扰动学习策略、共享权重解编码器分支以及混合编码器设计。这些技术创新共同推动了实时目标检测领域的发展,使其在复杂场景下的表现更加出色。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值