C++ 近红外人脸定位与深度图人脸活体检测（.raw深度图像）

最新推荐文章于 2023-01-31 09:43:29 发布
最新推荐文章于 2023-01-31 09:43:29 发布
阅读量5.1k 收藏 26
点赞数 3
分类专栏： C++ 深度相机 文章标签： 人脸活体检测 深度图 ransac dlib 人脸定位
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ffcjjhv/article/details/83270644
版权

近红外人脸定位与活体检测

通过深度相机的红外图进行人脸位置定位，传给深度图进行活体检测
注：利用rgb传来的位置对应到深度图上偏差过大，直接利用深度相机产生的红外图像进行人脸位置的确定更加精准。

运行

dlib_test.cpp

#include <dlib/image_processing/frontal_face_detector.h>
#include <dlib/gui_widgets.h>
#include <dlib/image_io.h>
#include <iostream>
#include <time.h>

#include <stdio.h>
#include <math.h>
#include <stdbool.h>
#include <stdlib.h>

using namespace dlib;
using namespace std;

/* 函数声明 */
int *face_location(char *imgFile);
bool liveness_detection(char *DeepFile, int rec_face[4]);  

const int IMG_HEIGHT =  720;
const int IMG_WIDTH =  1280;

int main()
{

	char *imgFile = "/home/zhoujie/cProject/dlib_test/0001_IR_frontface.jpg";
	int *rec_face;

    /* 调用函数得到人脸位置 */
    // Eg:rec_face = {157 ,66 ,172 ,198 }, 行取66：66+198,列取157：157+172
	rec_face = face_location(imgFile);

	//深度图与红外图是水平翻转的
	rec_face[0] = IMG_WIDTH - rec_face[0] -rec_face[2]; 
    
    cout << rec_face[0] << endl;
    cout << rec_face[1] << endl;
    cout << rec_face[2] << endl;
    cout << rec_face[3] << endl;

    char *DeepFile = "/home/zhoujie/cProject/dlib_test/raw_0001_frontface.raw";
	bool IS_FACE;

	/* 调用函数判断是否为活体 */
    IS_FACE = liveness_detection( DeepFile, rec_face);
    printf("RESULT : %d\n", IS_FACE);

    delete rec_face;
}


/* 函数 输出人脸位置 */
int *face_location(char* imgFile)
{  
    int *rec_face = new int[4];

    frontal_face_detector detector = get_frontal_face_detector();

    cout << "processing image " << imgFile << endl;

    clock_t start,finish;
    double totaltime;
    start=clock();

    array2d<unsigned char> img;
    load_image(img, imgFile);
    
    std::vector<rectangle> dets = detector(img);

    cout << "Number of faces detected: " << dets.size() << endl;

    rec_face[0] = dets[0].left();
    rec_face[1] = dets[0].top();
    rec_face[2] = dets[0].right() - dets[0].left() + 1;
    rec_face[3] = dets[0].bottom() - dets[0].top() + 1;

    finish=clock();
    totaltime=(double)(finish-start)/CLOCKS_PER_SEC;
    cout<<"\n此程序的运行时间为"<<totaltime<<"秒！"<<endl;

    // delete rec_face;

    return  rec_face;
}

/* 函数判断是否为活体 */
bool liveness_detection(char *DeepFile, int rec_face[4])
{
    const int ITER = 10000; // 随机取点次数
    const float PLANE_OR_NOT = 0.1; // 判断是否为平面的分界线
	const int SIGMA = 1;
    typedef unsigned short UNIT16;
	
	// 从.raw读取二进制16位数据到MatDATA
	UNIT16 MatDATA[IMG_HEIGHT*IMG_WIDTH];
	FILE *fp = NULL;
	fp = fopen( DeepFile, "rb" );
    fread(MatDATA,sizeof(UNIT16),IMG_HEIGHT*IMG_WIDTH,fp);
	fclose(fp);
	
	int n = 0;
	int i,j;
	int COL = rec_face[0],ROW = rec_face[1],FACE_WIDTH = rec_face[2],FACE_HEIGHT = rec_face[3]; //位置信息
	// txt :157 66 172 198 , 取行66：66+198,列取157：157+172
	int faceno0_num = FACE_HEIGHT*FACE_WIDTH -1; 
	int FaceDATA[3][160000];
	n = 0;
	for(i = 1;i< FACE_HEIGHT+1;i++)
		{
			for(j= 1;j< FACE_WIDTH+1;j++) 
			{ 
				if (MatDATA[IMG_WIDTH*(ROW+i-2)+COL+j-2] == 0)
				{
					faceno0_num -= 1; // 非零深度点个数为 faceno0_num+1
					continue;
				}
				FaceDATA[1][n] = i;
				FaceDATA[0][n] = j; 
				FaceDATA[2][n] = MatDATA[IMG_WIDTH*(ROW+i-2)+COL+j-2];
				n += 1;
			} 
		} 
	
	int pretotal = 0;  // 符合拟合模型的数据的个数
	int x[3],y[3],z[3];  // 随机取三个点 
	srand((unsigned)time(NULL));
	float a,b,c;  // 拟合平面方程 z=ax+by+c
	// float besta,bestb,bestc;  // 最佳参数
	int rand_num[3];
	float check,distance;
	int total = 0;
	for(i = 0; i < ITER; i++)
	{
		do{
			rand_num[0] = std::rand()%faceno0_num; 
			rand_num[1] = std::rand()%faceno0_num; 
			rand_num[2] = std::rand()%faceno0_num; 
		}while(rand_num[0] == rand_num[1] || rand_num[0] == rand_num[2] || rand_num[1] == rand_num[2]);
		for(n = 0; n < 3; n++ )
		{
			x[n] = FaceDATA[0][rand_num[n]];
			y[n] = FaceDATA[1][rand_num[n]];
			z[n] = FaceDATA[2][rand_num[n]];
			// printf("%d,%d,%d,%d\n", x[n],y[n],z[n],n);
		}
		check = (x[0]-x[1])*(y[0]-y[2]) - (x[0]-x[2])*(y[0]-y[1]);
		if ( check == 0)  // 防止提示浮点数例外 (核心已转储)
		{
			i -= 1;
			continue;
		}
		a = ( (z[0]-z[1])*(y[0]-y[2]) - (z[0]-z[2])*(y[0]-y[1]) )/( (x[0]-x[1])*(y[0]-y[2]) - (x[0]-x[2])*(y[0]-y[1]) );
        if (y[0] == y[2])  // 防止提示浮点数例外 (核心已转储)
		{
			i -= 1;
			continue;
		}
		b = ((z[0] - z[2]) - a * (x[0] - x[2]))/(y[0]-y[2]);
        c = z[0]- a * x[0] - b * y[0];
		// printf("%f,%f,%f\n",a,b,c);
		total = 0;
		for(n = 0; n < faceno0_num +1 ; n++ )
		{
			distance = fabs(a*FaceDATA[0][n] + b*FaceDATA[1][n] - 1*FaceDATA[2][n] + c*1);
			if (distance < SIGMA)
			{
				total +=1;
			}
		}
		// printf("%d,%f,%d\n",i,distance,total);
		if (total > pretotal)  // 找到符合拟合平面数据最多的拟合平面
        {
			pretotal=total;
		}
	}
	float pretotal_ary = pretotal *1.0/ faceno0_num ;
	printf("%d,%f\n", pretotal,pretotal_ary);
	bool IS_FACE;

    if (pretotal_ary < PLANE_OR_NOT)
	{
		IS_FACE =  true;
	}
	else
	{
		IS_FACE = false;
	}
	return  IS_FACE;
}

Ubuntu下编译Dlib库参考这里 https://blog.csdn.net/ffcjjhv/article/details/84660869
修改CMakeLists.txt相应路径
cmake .
make
./dlib_test

运行结果

在这里插入图片描述
项目地址：https://github.com/zj19941113/Face-Liveness_detection

活检部分原理

Func_liveness_detection.c

#include <stdio.h>
#include <stdlib.h>
#include <dirent.h>
#include <string.h>
#include <time.h>
#include <math.h>
#include <stdbool.h>

const int IMG_HEIGHT =  345;
const int IMG_WIDTH =  400;
const int ITER = 10000; // 随机取点次数
const float PLANE_OR_NOT = 0.1; // 判断是否为平面的分界线
typedef unsigned short UNIT16;

int readFileList(char *basePath)
{
    DIR *dir;
    struct dirent *ptr; 
    char base[8]; 
    char title[4];
    char *p=".raw"; //需要的子串;
    char *p2=".txt";
    char *padd="/";
    int len;
    char Deepfile_raw[100];
    char Deepfile_txt[100];

    UNIT16 MatDATA[IMG_HEIGHT*IMG_WIDTH];
    FILE *fp = NULL;
    int DeepDATA[3][IMG_HEIGHT*IMG_WIDTH];
    int length;
    int n;
    int i,j;
    FILE *fp2 = NULL;
    char buf[20];
    char *ptr2;
    int rec_face[4];
    int COL ,ROW ,FACE_WIDTH ,FACE_HEIGHT ; 
    int FaceDATA[3][40000];
    int faceno0_num ;
    int sigma = 1;
    int pretotal;  // 符合拟合模型的数据的个数
    int x[3],y[3],z[3];  // 随机取三个点 
    float a,b,c;  // 拟合平面方程 z=ax+by+c
    // float besta,bestb,bestc;  // 最佳参数
    int rand_num[3];
    float check,distance;
    int total;
 

    if ((dir=opendir(basePath)) == NULL)
    {
        perror("Open dir error...");
        exit(1);
    }
    while ((ptr=readdir(dir)) != NULL)
    {
        strcpy(base, ptr->d_name);
        if(strstr(base,p)) 
        {
            len = strlen(base);
            memset(title, '\0', sizeof(title));
            strncpy(title, base, len -4);
            strcpy(Deepfile_raw, basePath);
            strcat(Deepfile_raw, padd);
            strcat(Deepfile_raw, title);
            strcpy(Deepfile_txt, Deepfile_raw);
            strcat(Deepfile_raw, p);
            strcat(Deepfile_txt, p2);
            // printf("%s\n",Deepfile_raw); 
            // printf("%s\n",Deepfile_txt); 

            // 从.raw读取二进制16位数据到MatDATA 
            fp = fopen( Deepfile_raw, "rb" );
            fread(MatDATA,sizeof(UNIT16),IMG_HEIGHT*IMG_WIDTH,fp);
            fclose(fp);
            // length = sizeof(MatDATA) / sizeof(UNIT16); 
            // printf("数组的长度为: %d\n",length); //length 应为IMG_HEIGHT*IMG_WIDTH
            n = 0;
            // DeepDATA三行分别为深度图行数，列数，深度信息
            for(i=1;i< IMG_HEIGHT+1 ;i++)
                {
                    for(j=1;j< IMG_WIDTH+1 ;j++) 
                    { 
                        DeepDATA[0][n] = i;
                        DeepDATA[1][n] = j;
                        DeepDATA[2][n] = MatDATA[n];
                        n += 1;
                    } 
                } 
            // int test1 = 110194 ;
            // printf("%d,%d,%d\n",DeepDATA[0][test1],DeepDATA[1][test1],DeepDATA[2][test1]);	
            
            // FaceDATA为深度图DeepDATA裁剪后且去除零深度信息后的人脸部分
            n = 0;
            fp2 = fopen(Deepfile_txt, "r");
            fgets(buf, 20, fp2);
            // printf("%s\n", buf );
            ptr2 = strtok(buf, " ");
            for(n = 0; n < 4; n++)
            {
                rec_face[n] = atoi(ptr2);
                ptr2 = strtok(NULL, " ");

            }
            fclose(fp2);
            COL = rec_face[0],ROW = rec_face[1],FACE_WIDTH = rec_face[2],FACE_HEIGHT = rec_face[3]; //位置信息
            // txt :157 66 172 198 , 取行66：66+198,列取157：157+172
            faceno0_num = FACE_HEIGHT*FACE_WIDTH -1; 
            n = 0;
            for(i = 1;i< FACE_HEIGHT+1;i++)
                {
                    for(j= 1;j< FACE_WIDTH+1;j++) 
                    { 
                        if (MatDATA[IMG_WIDTH*(ROW+i-2)+COL+j-2] == 0)
                        {
                            faceno0_num -= 1; // 非零深度点个数为 faceno0_num+1
                            continue;
                        }
                        FaceDATA[1][n] = i;
                        FaceDATA[0][n] = j; 
                        FaceDATA[2][n] = MatDATA[IMG_WIDTH*(ROW+i-2)+COL+j-2];
                        n += 1;
                    } 
                } 
            // int test = 6804;  
            // printf("%d,%d,%d,%d\n",test,FaceDATA[0][test],FaceDATA[1][test],FaceDATA[2][test]);	
            
            srand((unsigned)time(NULL));
            pretotal = 0;
            total = 0;
            for(i = 0; i < ITER; i++)
            {
                do{
                    rand_num[0] = rand()%faceno0_num; 
                    rand_num[1] = rand()%faceno0_num; 
                    rand_num[2] = rand()%faceno0_num; 
                }while(rand_num[0] == rand_num[1] || rand_num[0] == rand_num[2] || rand_num[1] == rand_num[2]);
                for(n = 0; n < 3; n++ )
                {
                    x[n] = FaceDATA[0][rand_num[n]];
                    y[n] = FaceDATA[1][rand_num[n]];
                    z[n] = FaceDATA[2][rand_num[n]];
                    // printf("%d,%d,%d,%d\n", x[n],y[n],z[n],n);
                }
                check = (x[0]-x[1])*(y[0]-y[2]) - (x[0]-x[2])*(y[0]-y[1]);
                if ( check == 0)  // 防止提示浮点数例外 (核心已转储)
                {
                    i -= 1;
                    continue;
                }
                a = ( (z[0]-z[1])*(y[0]-y[2]) - (z[0]-z[2])*(y[0]-y[1]) )*1.0/( (x[0]-x[1])*(y[0]-y[2]) - (x[0]-x[2])*(y[0]-y[1]) );
                if (y[0] == y[2])  // 防止提示浮点数例外 (核心已转储)
                {
                    i -= 1;
                    continue;
                }
                b = ((z[0] - z[2]) - a * (x[0] - x[2]))*1.0/(y[0]-y[2]);
                c = z[0]- a * x[0] - b * y[0];
                // printf("%f,%f,%f\n",a,b,c);
                total = 0;
                for(n = 0; n < faceno0_num +1 ; n++ )
                {
                    distance = fabs(a*FaceDATA[0][n] + b*FaceDATA[1][n] - 1*FaceDATA[2][n] + c*1);
                    if (distance < sigma)
                    {
                        total +=1;
                    }
                }
                // printf("%d,%f,%d\n",i,distance,total);
                if (total > pretotal)  // 找到符合拟合平面数据最多的拟合平面
                {
                    pretotal=total;
                    // besta = a;
                    // bestb = b;
                    // bestc = c;
                }
            }
            float pretotal_ary = pretotal *1.0/ faceno0_num ;
            printf("pretotal = %d,_ary = %f,",pretotal,pretotal_ary);
            printf("%s",base);
            bool IS_FACE;

            if (pretotal_ary>PLANE_OR_NOT)
            {
                IS_FACE =  false;
                printf("不是人脸\n");
            }
            else
            {
                IS_FACE = true;
                printf("是人脸\n");
            }
        }  
    }
    closedir(dir);
}

int main(void)
{
    DIR *dir;
    char *basePath = "/home/zhoujie/liveness detection/raw文件/non-face";
    readFileList(basePath);
    return 0;
}

github地址：https://github.com/zj19941113/Face-Liveness_detection
上面这个项目使用的数据集标定的不太准，PLANE_OR_NOT参数选为 0.1

这个数据集是自己标定的，数量较少但是比较准确： https://pan.baidu.com/s/161xSbayGW7tKg0tKfTW1mw ，PLANE_OR_NOT参数选为 0.2

快速鼠标标定深度图人脸位置： https://blog.csdn.net/ffcjjhv/article/details/83270002

zj19941113
关注
  • 3
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
静默活体检测静脸防欺骗攻击检测silent face anti-spoofing attack detection.zip
03-26
脸活体验证是人脸识别过程中重要的一环，主要区分真实的人脸与假脸图像，能够识别通过纸张打印，屏幕翻拍，3D模型等场景的欺骗行为。我们在算法设计阶段，尝试了不同的方法，包括SVM，LBP，深度学习等，针对单一场景或者摄像头，能够获得不错的效果，但是没有得到一个能够兼容多种摄像头的活体算法，我们将我们训练的其中一个模型开放出来，逆光等情况下效果不是很好，可以作为参考。 依赖 基于mobilenet-0.5 OpenCV 3.4.3以上 MTCNN人脸检测 凯拉斯，TF Python3 运行 python src / demo.py
C++ opencv处理kinect红外数据和彩色数据
cabbagel的博客
03-27 210
从网上搜的资料来看，大多是通过openNi来操作kinect，而且要openNi1.x，opencv要2.x。先试了几个版本的openNi，都不成功，于是准备直接从kinect sdk看看有无办法直接获取数据给opencv处理。结果一动手，竟然十分简单，关键是不挑opencv版本！然后找到color basics-d2d和depth basics-d2d，install，将这2个代码项目下载到本地。接下来就很简单了，这两个项目融合一下，同时捕捉2路数据，直接用流数据构造Mat对象即可。
人脸深度图活体检测_SVM（Ubuntu+opencv3）
zhoujie1994的博客
11-19 3109
环境 Ubuntu ，opencv3 数据准备 原始深度图（已标定过人脸位置） 百度云盘：https://pan.baidu.com/s/1Hi85o521oIGaAfDoavOXeA 使用MATLAB进行数据采集与处理： 1、运行dataGet_MATLAB/position_process.m，进行深度图片的人脸位置的快速批量标定，鼠标框出人脸位置，自动生成同名包含位置信息的txt文件。（百度...
热像仪 二次开发 c++_一种全新的红外热像仪——“可编程红外热像仪”
weixin_39631263的博客
11-03 4218
如 今，红外热像仪对于很多人而言已经不是一个新鲜事物了，它利用红外探测器对被测目标的红外辐射进行探测，并加以光电转换和信号处理等手段，将被测目标的温度分布转换为我们人眼可以直观识别的图像。受益于这种温度可见的技术，红外热像仪已广泛应用于包括电力、科研、制造等领域内的各行各业。那么提到“可编程”你会想到什么？可编程电源？可编程逻辑控制器？还是大名鼎鼎的程序猿？你可能熟知很多种可编程的软件或者硬件，同...
C++opencv红外线目标点提取
weixin_44565980的博客
05-31 690
红外线目标点提取 做跟踪算法实验 原理：通过提取R通道并阈值二值化，以分割红点 /***** 红外线点目标提取 *****/ #include "StdAfx.h" #include "stdafx.h" #include "core/core.hpp" #include "highgui/highgui.hpp" #include "imgproc/imgproc.hpp" #include "iostream" #include <iostream> #include &lt
多模态(RGB-D)——Face Depth Estimation
小花生的博客
10-04 2298
《Improving 2D Face Recognition via Discriminative Face Depth Estimation》 ICB 2018，Jiyun Cui, Hao Zhang, Hu Han, Shiguang Shan, and Xilin Chen. 1.引言： 1）.RGB-D人脸识别无法避免的问题：模态缺失或不可用 2）.可能的解决方法：深度图像生成 ...
活体识别1：近红外（NIR）图像特性
yuanlulu的博客
01-31 2877
第一行从左到右分别为近红外光下的真实人脸、打印黑白人脸以及打印彩色人脸,第二行为相同情况下的可见光成像图。通过图4可以看出,在近红外光下真实人脸能够保留较为完善的边缘轮廓信息,而打印照片的边缘信息丢失较为严重,同时可以看出在近红外下真实人脸的对比度比打印人脸高。来自：[1]隋孟君,茅耀斌,孙金生.基于近红外图像特征的活体人脸检测[J].自动化与仪器仪表,2021(09):25-29.最近在接触活体识别，在网上找到一个介绍近红外光（NIR）特性的论文，我简单做个笔记。原文的全文在文末参考资料里。
基于近红外单目成像的活体检测
Henry_Zhao的博客
04-18 1227
c++ 实现红外图与深度图结合的人脸识别+活体检测（Ubuntu +dlib）
zhoujie1994的博客
01-23 4985
准备： 1、Ubuntu C++ 编译dlib库 https://blog.csdn.net/ffcjjhv/article/details/84660869 2、数据+模型下载 https://pan.baidu.com/s/1jIoW6BSa5nkGWNipL7sxVQ 其中包括： candidate-face.zip（人脸库：包含29个正面人脸红外图） allface.zip（测试人脸集：...
深度学习人脸检测综述
yangpan011的博客
04-25 6561
深度学习在计算机视觉的应用中已经十分广泛，其效果相比于传统方法也有很大的提高。本文就人脸检测这个领域，介绍深度学习在人脸检测领域的发展。深度学习人脸检测最早的代表作之一是2015年CVPR的一篇论文《A Convolutional Neural Network Cascade for FaceDetection》，下文简称CascadeCNN。这篇文章保留了传统人脸检测方法中Cascade的概念，...
人脸识别活体检测方法讨论
11-26
PPT里面详细介绍了人脸识别活体检测的几种方法，包括动作指令活体检测、近红外活体检测、3D活体检测、静默活体检测等方法。了解人脸识别或是需要做人脸识别相关汇报的可以直接下载使用，本人也是因为需要汇报才做了这个PPT。
人脸 生存认证及活体检测
04-12
人脸活体检测技术论文。包括一篇综述六篇具体实现论文。其中一篇的作者获得过人脸活体检测比赛的冠军。
dlib红外深度人脸活体检测程序.tar.gz
09-24
C++ dlib红外深度人脸识别活体检测程序,最近在作这方面的东西，找了很久的资料，看了很多东西，这个是调试通过了的。需要加入dlib,opencv才能运行。希望对大家用用。红外双目
OpenCV+C++图像处理设计-人脸检测与识别系统DEMO源代码.zip
05-05
OpenCV+C++图像处理设计-人脸检测与识别系统DEMO源代码
基于深度学习的人脸检测和人脸关键点检测代码
01-26
基于深度学习的人脸检测和人脸关键点检测，包含python和C++两个版本，提供了所有代码和运行数据
C++与Opencv人脸检测与识别系统.zip
05-25
C++与Opencv人脸检测与识别系统，包含可执行程序以及源代码，可运行和参考学习。
基于可见光图像与红外图像实现对堤坝渗水点的检测C++源码（毕业设计）.zip
最新发布
10-18
基于可见光图像与红外图像实现对堤坝渗水点的检测C++源码（毕业设计）.zip 主要功能分为图像处理,视频处理以及堤坝渗水点识别三大块。 图像处理包括：灰度化、均值滤波、边缘检测、伽马变换、旋转镜像、亮度调节、二...
C++ 时间类型及相互转换详解 time_t与tm
热门推荐
zhoujie1994的博客
10-25 1万+
时间常见的有两种存储方式: time_t :整数类型 用来存储从1970年到现在经过了多少秒 tm :结构类型 把日期和时间以 C 结构的形式保存，tm 结构的定义如下： struct tm { int tm_sec; // 秒，正常范围从 0 到 59，但允许至 61 int tm_min; // 分，范围从 0 到 59 int tm_hour; // 小时，范围从 0 到 23 i...
图像人脸检测分割 opencv c++代码实现
05-14
以下是使用OpenCV C++实现图像人脸检测和分割的代码示例： ```c++ #include <opencv2/opencv.hpp> using namespace cv; int main() { // 加载人脸分类器 CascadeClassifier face_cascade; face_cascade.load("haarcascade_frontalface_alt.xml"); // 打开摄像头 VideoCapture cap(0); if (!cap.isOpened()) { std::cerr << "无法打开摄像头" << std::endl; return -1; } // 循环处理每一帧图像 Mat frame; while (cap.read(frame)) { // 转换为灰度图像 Mat gray; cvtColor(frame, gray, COLOR_BGR2GRAY); equalizeHist(gray, gray); // 检测人脸 std::vector<Rect> faces; face_cascade.detectMultiScale(gray, faces); // 绘制矩形框标识人脸 for (const auto& face : faces) { rectangle(frame, face, Scalar(0, 0, 255), 2); } // 显示图像 imshow("人脸检测", frame); // 按下ESC键退出 if (waitKey(10) == 27) { break; } } return 0; } ``` 这个代码使用了OpenCV自带的人脸分类器（haar级联分类器）。可以通过调整分类器的参数来提高检测的准确性，也可以使用其他类型的分类器。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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