经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置:技术经验 » Java相关 » Java » 查看文章
JavaCV的摄像头实战之十四:口罩检测
来源:cnblogs  作者:程序员欣宸  时间:2023/7/5 9:28:33  对本文有异议

欢迎访问我的GitHub

这里分类和汇总了欣宸的全部原创(含配套源码):https://github.com/zq2599/blog_demos

本篇概览

  • 本文是《JavaCV的摄像头实战》系列的第十四篇,如标题所说,今天的功能是检测摄像头内的人是否带了口罩,把检测结果实时标注在预览窗口,如下图所示:
    在这里插入图片描述
  • 整个处理流程如下,实现口罩检测的关键是将图片提交到百度AI开放平台,然后根据平台返回的结果在本地预览窗口标识出人脸位置,以及此人是否带了口罩:
    在这里插入图片描述

问题提前告知

  • 依赖云平台处理业务的一个典型问题,就是处理速度受限
  • 首先,如果您在百度AI开放平台注册的账号是个人类型,那么免费的接口调用会被限制到一秒钟两次,如果是企业类型账号,该限制是十次
  • 其次,经过实测,一次人脸检测接口耗时300ms以上
  • 最终,实际上一秒钟只能处理两帧,这样的效果在预览窗口展现出来,就只能是幻灯片效果了(低于每秒十五帧就能感受到明显的卡顿)
  • 因此,本文只适合基本功能展示,无法作为实际场景的解决方案

关于百度AI开放平台

编码:添加依赖库

  1. <dependency>
  2. <groupId>com.squareup.okhttp3</groupId>
  3. <artifactId>okhttp</artifactId>
  4. <version>3.10.0</version>
  5. </dependency>
  6. <dependency>
  7. <groupId>com.fasterxml.jackson.core</groupId>
  8. <artifactId>jackson-databind</artifactId>
  9. <version>2.11.0</version>
  10. </dependency>

编码:封装请求和响应百度AI开放平台的代码

  • 接下来要开发一个服务类,这个服务类封装了所有和百度AI开放平台相关的代码
  • 首先,定义web请求的request对象FaceDetectRequest.java:
  1. package com.bolingcavalry.grabpush.bean.request;
  2. import com.fasterxml.jackson.annotation.JsonProperty;
  3. import lombok.Data;
  4. /**
  5. * @author willzhao
  6. * @version 1.0
  7. * @description 请求对象
  8. * @date 2022/1/1 16:21
  9. */
  10. @Data
  11. public class FaceDetectRequest {
  12. // 图片信息(总数据大小应小于10M),图片上传方式根据image_type来判断
  13. String image;
  14. // 图片类型
  15. // BASE64:图片的base64值,base64编码后的图片数据,编码后的图片大小不超过2M;
  16. // URL:图片的 URL地址( 可能由于网络等原因导致下载图片时间过长);
  17. // FACE_TOKEN: 人脸图片的唯一标识,调用人脸检测接口时,会为每个人脸图片赋予一个唯一的FACE_TOKEN,同一张图片多次检测得到的FACE_TOKEN是同一个。
  18. @JsonProperty("image_type")
  19. String imageType;
  20. // 包括age,expression,face_shape,gender,glasses,landmark,landmark150,quality,eye_status,emotion,face_type,mask,spoofing信息
  21. //逗号分隔. 默认只返回face_token、人脸框、概率和旋转角度
  22. @JsonProperty("face_field")
  23. String faceField;
  24. // 最多处理人脸的数目,默认值为1,根据人脸检测排序类型检测图片中排序第一的人脸(默认为人脸面积最大的人脸),最大值120
  25. @JsonProperty("max_face_num")
  26. int maxFaceNum;
  27. // 人脸的类型
  28. // LIVE表示生活照:通常为手机、相机拍摄的人像图片、或从网络获取的人像图片等
  29. // IDCARD表示身份证芯片照:二代身份证内置芯片中的人像照片
  30. // WATERMARK表示带水印证件照:一般为带水印的小图,如公安网小图
  31. // CERT表示证件照片:如拍摄的身份证、工卡、护照、学生证等证件图片
  32. // 默认LIVE
  33. @JsonProperty("face_type")
  34. String faceType;
  35. // 活体控制 检测结果中不符合要求的人脸会被过滤
  36. // NONE: 不进行控制
  37. // LOW:较低的活体要求(高通过率 低攻击拒绝率)
  38. // NORMAL: 一般的活体要求(平衡的攻击拒绝率, 通过率)
  39. // HIGH: 较高的活体要求(高攻击拒绝率 低通过率)
  40. // 默认NONE
  41. @JsonProperty("liveness_control")
  42. String livenessControl;
  43. // 人脸检测排序类型
  44. // 0:代表检测出的人脸按照人脸面积从大到小排列
  45. // 1:代表检测出的人脸按照距离图片中心从近到远排列
  46. // 默认为0
  47. @JsonProperty("face_sort_type")
  48. int faceSortType;
  49. }
  • 其次,定义web响应对象FaceDetectResponse.java:
  1. package com.bolingcavalry.grabpush.bean.response;
  2. import com.fasterxml.jackson.annotation.JsonProperty;
  3. import lombok.Data;
  4. import lombok.ToString;
  5. import java.io.Serializable;
  6. import java.util.List;
  7. @Data
  8. @ToString
  9. public class FaceDetectResponse implements Serializable {
  10. // 返回码
  11. @JsonProperty("error_code")
  12. String errorCode;
  13. // 描述信息
  14. @JsonProperty("error_msg")
  15. String errorMsg;
  16. // 返回的具体内容
  17. Result result;
  18. @Data
  19. public static class Result {
  20. // 人脸数量
  21. @JsonProperty("face_num")
  22. private int faceNum;
  23. // 每个人脸的信息
  24. @JsonProperty("face_list")
  25. List<Face> faceList;
  26. /**
  27. * @author willzhao
  28. * @version 1.0
  29. * @description 检测出来的人脸对象
  30. * @date 2022/1/1 16:03
  31. */
  32. @Data
  33. public static class Face {
  34. // 位置
  35. Location location;
  36. // 是人脸的置信度
  37. @JsonProperty("face_probability")
  38. double face_probability;
  39. // 口罩
  40. Mask mask;
  41. /**
  42. * @author willzhao
  43. * @version 1.0
  44. * @description 人脸在图片中的位置
  45. * @date 2022/1/1 16:04
  46. */
  47. @Data
  48. public static class Location {
  49. double left;
  50. double top;
  51. double width;
  52. double height;
  53. double rotation;
  54. }
  55. /**
  56. * @author willzhao
  57. * @version 1.0
  58. * @description 口罩对象
  59. * @date 2022/1/1 16:11
  60. */
  61. @Data
  62. public static class Mask {
  63. int type;
  64. double probability;
  65. }
  66. }
  67. }
  68. }
  • 然后是服务类BaiduCloudService.java,把请求和响应百度AI开放平台的逻辑全部集中在这里,可见其实很简单:根据图片的base64字符串构造请求对象、发POST请求(path是人脸检测服务)、收到响应后用Jackson反序列化成FaceDetectResponse对象:
  1. package com.bolingcavalry.grabpush.extend;
  2. import com.bolingcavalry.grabpush.bean.request.FaceDetectRequest;
  3. import com.bolingcavalry.grabpush.bean.response.FaceDetectResponse;
  4. import com.fasterxml.jackson.databind.DeserializationFeature;
  5. import com.fasterxml.jackson.databind.ObjectMapper;
  6. import okhttp3.*;
  7. import java.io.IOException;
  8. /**
  9. * @author willzhao
  10. * @version 1.0
  11. * @description 百度云服务的调用
  12. * @date 2022/1/1 11:06
  13. */
  14. public class BaiduCloudService {
  15. OkHttpClient client = new OkHttpClient();
  16. static final MediaType JSON = MediaType.parse("application/json; charset=utf-8");
  17. static final String URL_TEMPLATE = "https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token=%s";
  18. String token;
  19. ObjectMapper mapper = new ObjectMapper();
  20. public BaiduCloudService(String token) {
  21. this.token = token;
  22. // 重要:反序列化的时候,字符的字段如果比类的字段多,下面这个设置可以确保反序列化成功
  23. mapper.disable(DeserializationFeature.FAIL_ON_UNKNOWN_PROPERTIES);
  24. }
  25. /**
  26. * 检测指定的图片
  27. * @param imageBase64
  28. * @return
  29. */
  30. public FaceDetectResponse detect(String imageBase64) {
  31. // 请求对象
  32. FaceDetectRequest faceDetectRequest = new FaceDetectRequest();
  33. faceDetectRequest.setImageType("BASE64");
  34. faceDetectRequest.setFaceField("mask");
  35. faceDetectRequest.setMaxFaceNum(6);
  36. faceDetectRequest.setFaceType("LIVE");
  37. faceDetectRequest.setLivenessControl("NONE");
  38. faceDetectRequest.setFaceSortType(0);
  39. faceDetectRequest.setImage(imageBase64);
  40. FaceDetectResponse faceDetectResponse = null;
  41. try {
  42. // 用Jackson将请求对象序列化成字符串
  43. String jsonContent = mapper.writeValueAsString(faceDetectRequest);
  44. //
  45. RequestBody requestBody = RequestBody.create(JSON, jsonContent);
  46. Request request = new Request
  47. .Builder()
  48. .url(String.format(URL_TEMPLATE, token))
  49. .post(requestBody)
  50. .build();
  51. Response response = client.newCall(request).execute();
  52. String rawRlt = response.body().string();
  53. faceDetectResponse = mapper.readValue(rawRlt, FaceDetectResponse.class);
  54. } catch (IOException ioException) {
  55. ioException.printStackTrace();
  56. }
  57. return faceDetectResponse;
  58. }
  59. }
  • 服务类写完了,接下来是主程序把整个逻辑串起来

DetectService接口的实现

  • 熟悉《JavaCV的摄像头实战》系列的读者应该对DetectService接口不陌生了,为了在整个系列的诸多实战中以统一的风格实现抓取帧-->处理帧-->输出处理结果这样的流程,咱们定义了一个DetectService接口,每种不同帧处理业务按照自己的特点来实现此接口即可(例如人脸检测、年龄检测、性别检测等)
  • 先来回顾DetectService接口:
  1. package com.bolingcavalry.grabpush.extend;
  2. import org.bytedeco.javacv.Frame;
  3. import org.bytedeco.javacv.OpenCVFrameConverter;
  4. import org.bytedeco.opencv.opencv_core.*;
  5. import org.bytedeco.opencv.opencv_objdetect.CascadeClassifier;
  6. import static org.bytedeco.opencv.global.opencv_core.CV_8UC1;
  7. import static org.bytedeco.opencv.global.opencv_imgproc.*;
  8. /**
  9. * @author willzhao
  10. * @version 1.0
  11. * @description 检测工具的通用接口
  12. * @date 2021/12/5 10:57
  13. */
  14. public interface DetectService {
  15. /**
  16. * 根据传入的MAT构造相同尺寸的MAT,存放灰度图片用于以后的检测
  17. * @param src 原始图片的MAT对象
  18. * @return 相同尺寸的灰度图片的MAT对象
  19. */
  20. static Mat buildGrayImage(Mat src) {
  21. return new Mat(src.rows(), src.cols(), CV_8UC1);
  22. }
  23. /**
  24. * 检测图片,将检测结果用矩形标注在原始图片上
  25. * @param classifier 分类器
  26. * @param converter Frame和mat的转换器
  27. * @param rawFrame 原始视频帧
  28. * @param grabbedImage 原始视频帧对应的mat
  29. * @param grayImage 存放灰度图片的mat
  30. * @return 标注了识别结果的视频帧
  31. */
  32. static Frame detect(CascadeClassifier classifier,
  33. OpenCVFrameConverter.ToMat converter,
  34. Frame rawFrame,
  35. Mat grabbedImage,
  36. Mat grayImage) {
  37. // 当前图片转为灰度图片
  38. cvtColor(grabbedImage, grayImage, CV_BGR2GRAY);
  39. // 存放检测结果的容器
  40. RectVector objects = new RectVector();
  41. // 开始检测
  42. classifier.detectMultiScale(grayImage, objects);
  43. // 检测结果总数
  44. long total = objects.size();
  45. // 如果没有检测到结果,就用原始帧返回
  46. if (total<1) {
  47. return rawFrame;
  48. }
  49. // 如果有检测结果,就根据结果的数据构造矩形框,画在原图上
  50. for (long i = 0; i < total; i++) {
  51. Rect r = objects.get(i);
  52. int x = r.x(), y = r.y(), w = r.width(), h = r.height();
  53. rectangle(grabbedImage, new Point(x, y), new Point(x + w, y + h), Scalar.RED, 1, CV_AA, 0);
  54. }
  55. // 释放检测结果资源
  56. objects.close();
  57. // 将标注过的图片转为帧,返回
  58. return converter.convert(grabbedImage);
  59. }
  60. /**
  61. * 初始化操作,例如模型下载
  62. * @throws Exception
  63. */
  64. void init() throws Exception;
  65. /**
  66. * 得到原始帧,做识别,添加框选
  67. * @param frame
  68. * @return
  69. */
  70. Frame convert(Frame frame);
  71. /**
  72. * 释放资源
  73. */
  74. void releaseOutputResource();
  75. }
  • 再来看看本次实战中DetectService接口的实现类BaiduCloudDetectService.java,有几处要注意的地方稍后会提到:
  1. package com.bolingcavalry.grabpush.extend;
  2. import com.bolingcavalry.grabpush.bean.response.FaceDetectResponse;
  3. import lombok.extern.slf4j.Slf4j;
  4. import org.bytedeco.javacpp.Loader;
  5. import org.bytedeco.javacv.Frame;
  6. import org.bytedeco.javacv.Java2DFrameConverter;
  7. import org.bytedeco.javacv.OpenCVFrameConverter;
  8. import org.bytedeco.opencv.opencv_core.Mat;
  9. import org.bytedeco.opencv.opencv_core.Point;
  10. import org.bytedeco.opencv.opencv_core.Rect;
  11. import org.bytedeco.opencv.opencv_core.Scalar;
  12. import org.bytedeco.opencv.opencv_objdetect.CascadeClassifier;
  13. import org.opencv.face.Face;
  14. import sun.misc.BASE64Encoder;
  15. import javax.imageio.ImageIO;
  16. import java.awt.image.BufferedImage;
  17. import java.io.ByteArrayOutputStream;
  18. import java.io.File;
  19. import java.io.IOException;
  20. import java.net.URL;
  21. import java.util.List;
  22. import static org.bytedeco.opencv.global.opencv_imgproc.*;
  23. import static org.bytedeco.opencv.global.opencv_imgproc.CV_AA;
  24. /**
  25. * @author willzhao
  26. * @version 1.0
  27. * @description 音频相关的服务
  28. * @date 2021/12/3 8:09
  29. */
  30. @Slf4j
  31. public class BaiduCloudDetectService implements DetectService {
  32. /**
  33. * 每一帧原始图片的对象
  34. */
  35. private Mat grabbedImage = null;
  36. /**
  37. * 百度云的token
  38. */
  39. private String token;
  40. /**
  41. * 图片的base64字符串
  42. */
  43. private String base64Str;
  44. /**
  45. * 百度云服务
  46. */
  47. private BaiduCloudService baiduCloudService;
  48. private OpenCVFrameConverter.ToMat openCVConverter = new OpenCVFrameConverter.ToMat();
  49. private Java2DFrameConverter java2DConverter = new Java2DFrameConverter();
  50. private OpenCVFrameConverter.ToMat converter = new OpenCVFrameConverter.ToMat();
  51. private BASE64Encoder encoder = new BASE64Encoder();
  52. /**
  53. * 构造方法,在此指定模型文件的下载地址
  54. * @param token
  55. */
  56. public BaiduCloudDetectService(String token) {
  57. this.token = token;
  58. }
  59. /**
  60. * 百度云服务对象的初始化
  61. * @throws Exception
  62. */
  63. @Override
  64. public void init() throws Exception {
  65. baiduCloudService = new BaiduCloudService(token);
  66. }
  67. @Override
  68. public Frame convert(Frame frame) {
  69. // 将原始帧转成base64字符串
  70. base64Str = frame2Base64(frame);
  71. // 记录请求开始的时间
  72. long startTime = System.currentTimeMillis();
  73. // 交给百度云进行人脸和口罩检测
  74. FaceDetectResponse faceDetectResponse = baiduCloudService.detect(base64Str);
  75. // 如果检测失败,就提前返回了
  76. if (null==faceDetectResponse
  77. || null==faceDetectResponse.getErrorCode()
  78. || !"0".equals(faceDetectResponse.getErrorCode())) {
  79. String desc = "";
  80. if (null!=faceDetectResponse) {
  81. desc = String.format(",错误码[%s],错误信息[%s]", faceDetectResponse.getErrorCode(), faceDetectResponse.getErrorMsg());
  82. }
  83. log.error("检测人脸失败", desc);
  84. // 提前返回
  85. return frame;
  86. }
  87. log.info("检测耗时[{}]ms,结果:{}", (System.currentTimeMillis()-startTime), faceDetectResponse);
  88. // 如果拿不到检测结果,就返回原始帧
  89. if (null==faceDetectResponse.getResult()
  90. || null==faceDetectResponse.getResult().getFaceList()) {
  91. log.info("未检测到人脸");
  92. return frame;
  93. }
  94. // 取出百度云的检测结果,后面会逐个处理
  95. List<FaceDetectResponse.Result.Face> list = faceDetectResponse.getResult().getFaceList();
  96. FaceDetectResponse.Result.Face face;
  97. FaceDetectResponse.Result.Face.Location location;
  98. String desc;
  99. Scalar color;
  100. int pos_x;
  101. int pos_y;
  102. // 如果有检测结果,就根据结果的数据构造矩形框,画在原图上
  103. for (int i = 0; i < list.size(); i++) {
  104. face = list.get(i);
  105. // 每张人脸的位置
  106. location = face.getLocation();
  107. int x = (int)location.getLeft();
  108. int y = (int)location.getHeight();
  109. int w = (int)location.getWidth();
  110. int h = (int)location.getHeight();
  111. // 口罩字段的type等于1表示带口罩,0表示未带口罩
  112. if (1==face.getMask().getType()) {
  113. desc = "Mask";
  114. color = Scalar.GREEN;
  115. } else {
  116. desc = "No mask";
  117. color = Scalar.RED;
  118. }
  119. // 在图片上框出人脸
  120. rectangle(grabbedImage, new Point(x, y), new Point(x + w, y + h), color, 1, CV_AA, 0);
  121. // 人脸标注的横坐标
  122. pos_x = Math.max(x-10, 0);
  123. // 人脸标注的纵坐标
  124. pos_y = Math.max(y-10, 0);
  125. // 给人脸做标注,标注是否佩戴口罩
  126. putText(grabbedImage, desc, new Point(pos_x, pos_y), FONT_HERSHEY_PLAIN, 1.5, color);
  127. }
  128. // 将标注过的图片转为帧,返回
  129. return converter.convert(grabbedImage);
  130. }
  131. /**
  132. * 程序结束前,释放人脸识别的资源
  133. */
  134. @Override
  135. public void releaseOutputResource() {
  136. if (null!=grabbedImage) {
  137. grabbedImage.release();
  138. }
  139. }
  140. private String frame2Base64(Frame frame) {
  141. grabbedImage = converter.convert(frame);
  142. BufferedImage bufferedImage = java2DConverter.convert(openCVConverter.convert(grabbedImage));
  143. ByteArrayOutputStream bStream = new ByteArrayOutputStream();
  144. try {
  145. ImageIO.write(bufferedImage, "png", bStream);
  146. } catch (IOException e) {
  147. throw new RuntimeException("bugImg读取失败:"+e.getMessage(),e);
  148. }
  149. return encoder.encode(bStream.toByteArray());
  150. }
  151. }
  • 上述代码有以下几点要注意:
  1. 整个BaiduCloudDetectService类,主要是对前面BaiduCloudService类的使用
  2. convert方法中,拿到frame实例后会转为base64字符串,用于提交到百度AI开放平台做人脸检测
  3. 百度AI开放平台的检测结果中有多个人脸检测结果,这里要逐个处理:取出每个人脸的位置,以此位置在原图画矩形框,然后根据是否戴口罩在人脸上做标记,戴口罩的是绿色标记(包括矩形框),不戴口罩的是红色矩形框

主程序

  • 最后是主程序了,还是《JavaCV的摄像头实战》系列的套路,咱们来看看主程序的服务类定义好的框架
  • 《JavaCV的摄像头实战之一:基础》创建的simple-grab-push工程中已经准备好了父类AbstractCameraApplication,所以本篇继续使用该工程,创建子类实现那些抽象方法即可
  • 编码前先回顾父类的基础结构,如下图,粗体是父类定义的各个方法,红色块都是需要子类来实现抽象方法,所以接下来,咱们以本地窗口预览为目标实现这三个红色方法即可:
    在这里插入图片描述
  • 新建文件PreviewCameraWithBaiduCloud.java,这是AbstractCameraApplication的子类,其代码很简单,接下来按上图顺序依次说明
  • 先定义CanvasFrame类型的成员变量previewCanvas,这是展示视频帧的本地窗口:
  1. protected CanvasFrame previewCanvas
  • 把前面创建的DetectService作为成员变量,后面检测的时候会用到:
  1. /**
  2. * 检测工具接口
  3. */
  4. private DetectService detectService;
  • PreviewCameraWithBaiduCloud的构造方法,接受DetectService的实例:
  1. /**
  2. * 不同的检测工具,可以通过构造方法传入
  3. * @param detectService
  4. */
  5. public PreviewCameraWithBaiduCloud(DetectService detectService) {
  6. this.detectService = detectService;
  7. }
  • 然后是初始化操作,可见是previewCanvas的实例化和参数设置,还有检测、识别的初始化操作:
  1. @Override
  2. protected void initOutput() throws Exception {
  3. previewCanvas = new CanvasFrame("摄像头预览", CanvasFrame.getDefaultGamma() / grabber.getGamma());
  4. previewCanvas.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
  5. previewCanvas.setAlwaysOnTop(true);
  6. // 检测服务的初始化操作
  7. detectService.init();
  8. }
  • 接下来是output方法,定义了拿到每一帧视频数据后做什么事情,这里调用了detectService.convert检测人脸并识别性别,然后在本地窗口显示:
  1. @Override
  2. protected void output(Frame frame) {
  3. // 原始帧先交给检测服务处理,这个处理包括物体检测,再将检测结果标注在原始图片上,
  4. // 然后转换为帧返回
  5. Frame detectedFrame = detectService.convert(frame);
  6. // 预览窗口上显示的帧是标注了检测结果的帧
  7. previewCanvas.showImage(detectedFrame);
  8. }
  • 最后是处理视频的循环结束后,程序退出前要做的事情,先关闭本地窗口,再释放检测服务的资源:
  1. @Override
  2. protected void releaseOutputResource() {
  3. if (null!= previewCanvas) {
  4. previewCanvas.dispose();
  5. }
  6. // 检测工具也要释放资源
  7. detectService.releaseOutputResource();
  8. }
  • 每一帧耗时太多,所以两帧之间就不再额外间隔了:
  1. @Override
  2. protected int getInterval() {
  3. return 0;
  4. }
  • 至此,功能已开发完成,再写上main方法,代码如下,请注意token的值是前面在百度AI开放平台取得的access_token:
  1. public static void main(String[] args) {
  2. String token = "21.xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx.xxxxxxx.xxxxxxxxxx.xxxxxx-xxxxxxxx";
  3. new PreviewCameraWithBaiduCloud(new BaiduCloudDetectService(token)).action(1000);
  4. }
  • 至此,代码写完了,准备好摄像头开始验证,群众演员为了免费盒饭已经在寒风中等了很久啦

验证

  • 运行PreviewCameraWithBaiduCloud的main方法,请群众演员出现在摄像头前面,此时不戴口罩,可见人脸上是红色字体和矩形框:
    在这里插入图片描述

  • 让群众演员戴上口罩,再次出现在摄像头前面,这次检测到了口罩,显示了绿色标注和矩形框:
    在这里插入图片描述

  • 实际体验中,由于一秒钟最多只有两帧,在预览窗口展示时完全是幻灯片效果,惨不忍睹...

  • 本篇博客使用了群众演员两张照片,所以被他领走了两份盒饭,欣宸很心疼...

  • 至此,基于JavaCV和百度AI开放平台实现的口罩检测功能已完成,希望您继续关注《JavaCV的摄像头实战》系列,之后的实战更精彩

欢迎关注博客园:程序员欣宸

学习路上,你不孤单,欣宸原创一路相伴...

原文链接:https://www.cnblogs.com/bolingcavalry/p/17527084.html

 友情链接:直通硅谷  点职佳  北美留学生论坛

本站QQ群:前端 618073944 | Java 606181507 | Python 626812652 | C/C++ 612253063 | 微信 634508462 | 苹果 692586424 | C#/.net 182808419 | PHP 305140648 | 运维 608723728

W3xue 的所有内容仅供测试,对任何法律问题及风险不承担任何责任。通过使用本站内容随之而来的风险与本站无关。
关于我们  |  意见建议  |  捐助我们  |  报错有奖  |  广告合作、友情链接(目前9元/月)请联系QQ:27243702 沸活量
皖ICP备17017327号-2 皖公网安备34020702000426号