人体骨骼关键点检测

最新推荐文章于 2024-04-07 09:43:10 发布
最新推荐文章于 2024-04-07 09:43:10 发布
阅读量2.8k 收藏 4
点赞数
分类专栏： 算法与模型

人体骨骼关键点检测

挑战复杂生活场景中的人体检测，并预测多种复杂动作下的人体骨骼关键点位置

https://challenger.ai/competition/keypoint/subject

简介

人体骨骼关键点对于描述人体姿态，预测人体行为至关重要。因此人体骨骼关键点检测是诸多计算机视觉任务的基础，例如动作分类，异常行为检测，以及自动驾驶等等。本次比赛邀请参赛者设计算法与模型，对自然图像中可见的人体骨骼关键点进行检测。组委会将通过计算参赛者提交的检测结果与真实标注之间的相似性来评估参赛者的算法模型。

数据说明

数据集分为训练（70%）、验证（10%）、测试A（10%）与测试B（10%）四部分。数据集图片中的每一个重要人物（占图像面积较大的清晰人物），我们均对其进行了人体骨骼关键点标注。其中每个人物的全部人体骨骼关键点共有14个，编号顺序如表所示，依次为：

表1: 人体骨骼关键点编号顺序
1/右肩 2/右肘 3/右腕 4/左肩 5/左肘
6/左腕 7/右髋 8/右膝 9/右踝 10/左髋
11/左膝 12/左踝 13/头顶 14/脖子

每个人体骨骼关键点有三种状态：可见、不可见、以及不在图内或不可推测。


一个标注的可视化例子如下图所示。其中红色为可见点，灰色为不可见点，关键点旁的数字为关键点对应编号：

图1: 人体骨骼关键点标注示例

人体骨骼关键点的标注信息以JSON格式存储。每个JSON文件分别对应一个分割数据集，一个JSON文件中的每个item存储该数据集中一张图片的人体框位置与人体骨骼关键点位置。其中JSON文件格式如下所示：

    
  
  
  1. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
      
     
     
    
    
    
  2. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
      [
      
      
     
     
    
    
    
  3. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
          {
     
     
    
    
    
  4. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "image_id"
      
      : 
      
      "a0f6bdc065a602b7b84a67fb8d14ce403d902e0d"
      
      ,
     
     
    
    
    
  5. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "human_annotations"
      
      :
     
     
    
    
    
  6. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
              {
     
     
    
    
    
  7. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
                  
      
      "human1"
      
      : [
      
      178
      
      ,
      
      250
      
      ,
      
      290
      
      ,
      
      522],
     
     
    
    
    
  8. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                
      
      "human2": [
      
      293,
      
      274,
      
      352,
      
      473],
     
     
    
    
    
  9. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                
      
      "human3": [
      
      315,
      
      236,
      
      389,
      
      495],
     
     
    
    
    
  10. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
              ...},
     
     
    
    
    
  11. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "keypoint_annotations":
     
     
    
    
    
  12. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
              {
     
     
    
    
    
  13. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "human1": [
      
      261, 
      
      294, 
      
      1, 
      
      281, 
      
      328, 
      
      1, 
      
      259, 
      
      314, 
      
      2,
     
     
    
    
    
  14. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      213, 
      
      295, 
      
      1, 
      
      208, 
      
      346, 
      
      1, 
      
      192, 
      
      335, 
      
      1,
     
     
    
    
    
  15. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      245, 
      
      375, 
      
      1, 
      
      255, 
      
      432, 
      
      1, 
      
      244, 
      
      494, 
      
      1,
     
     
    
    
    
  16. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      221, 
      
      379, 
      
      1, 
      
      219, 
      
      442, 
      
      1, 
      
      226, 
      
      491, 
      
      1,
     
     
    
    
    
  17. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      226, 
      
      256, 
      
      1, 
      
      231, 
      
      284, 
      
      1],
     
     
    
    
    
  18. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "human2": [
      
      313, 
      
      301, 
      
      1, 
      
      305, 
      
      337, 
      
      1, 
      
      321, 
      
      345, 
      
      1,
     
     
    
    
    
  19. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      331, 
      
      316, 
      
      2, 
      
      331, 
      
      335, 
      
      2, 
      
      344, 
      
      343, 
      
      2,
     
     
    
    
    
  20. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      313, 
      
      359, 
      
      1, 
      
      320, 
      
      409, 
      
      1, 
      
      311, 
      
      454, 
      
      1,
     
     
    
    
    
  21. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      327, 
      
      356, 
      
      2, 
      
      330, 
      
      409, 
      
      1, 
      
      324, 
      
      446, 
      
      1,
     
     
    
    
    
  22. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      337, 
      
      284, 
      
      1, 
      
      327, 
      
      302, 
      
      1],
     
     
    
    
    
  23. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "human3": [
      
      373, 
      
      304, 
      
      1, 
      
      346, 
      
      286, 
      
      1, 
      
      332, 
      
      263, 
      
      1,
     
     
    
    
    
  24. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      363, 
      
      308, 
      
      2, 
      
      342, 
      
      327, 
      
      2, 
      
      345, 
      
      313, 
      
      1,
     
     
    
    
    
  25. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      370, 
      
      385, 
      
      2, 
      
      368, 
      
      423, 
      
      2, 
      
      370, 
      
      466, 
      
      2,
     
     
    
    
    
  26. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      363, 
      
      386, 
      
      1, 
      
      361, 
      
      424, 
      
      1, 
      
      361, 
      
      475, 
      
      1,
     
     
    
    
    
  27. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
                        
      
      365, 
      
      273, 
      
      1, 
      
      369, 
      
      297, 
      
      1],
     
     
    
    
    
  28. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
              ...}
     
     
    
    
    
  29. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
          },
     
     
    
    
    
  30. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
          ...
     
     
    
    
    
  31. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
      ]
     
     
    
    
    
  32.

其中，各字段存储信息如下：

“image_id”：字符串，存储图像的文件名。

“human_annotations”：若干长度为4的整数型数列，存储人体框的位置。其中前两个参数为人体框左上角点的坐标值，后两个参数为人体框右下角点的坐标值。

“keypoint_annotations”：若干长度为42的整数型数列，存储人体骨骼关节点位置。数列形式为：[x1,y1,v1,x2,y2,v2,⋅⋅⋅,x14,y14,v14][x1,y1,v1,x2,y2,v2,⋅⋅⋅,x14,y14,v14]，其中(xi,yi)(xi,yi)为编号ii的人体骨骼关节点的坐标位置，vivi为其状态（vi=1vi=1可见，vi=2vi=2不可见，vi=3vi=3不在图内或不可推测）。 人体骨骼关键点的编号顺序如表格所示，依次为：1/右肩，2/右肘，3/右腕，4/左肩，5/左肘，6/左腕，7/右髋，8/右膝，9/右踝，10/左髋，11/左膝，12/左踝，13/头顶，14/脖子。

结果提交说明

选手返回的结果应存为JSON文件，格式如下：

    
  
  
  1. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
      
     
     
    
    
    
  2. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
      [
      
      
     
     
    
    
    
  3. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
          {
     
     
    
    
    
  4. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "image_id"
      
      : 
      
      "a0f6bdc065a602b7b84a67fb8d14ce403d902e0d"
      
      ,
     
     
    
    
    
  5. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "keypoint_annotations"
      
      : {
     
     
    
    
    
  6. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "human1"
      
      : [
      
      261
      
      , 
      
      294
      
      , 
      
      1
      
      , 
      
      281
      
      , 
      
      328
      
      , 
      
      1
      
      , 
      
      0
      
      , 
      
      0
      
      , 
      
      0
      
      , 
      
      213
      
      , 
      
      295
      
      , 
      
      1
      
      , 
      
      208
      
      , 
      
      346
      
      , 
      
      1
      
      , 
      
      192
      
      , 
      
      335
      
      , 
      
      1
      
      , 
      
      245
      
      , 
      
      375
      
      , 
      
      1
      
      , 
      
      255
      
      , 
      
      432
      
      , 
      
      1
      
      , 
      
      244
      
      , 
      
      494
      
      , 
      
      1
      
      , 
      
      221
      
      , 
      
      379
      
      , 
      
      1
      
      , 
      
      219
      
      , 
      
      442
      
      , 
      
      1
      
      , 
      
      226
      
      , 
      
      491
      
      , 
      
      1
      
      , 
      
      226
      
      , 
      
      256
      
      , 
      
      1
      
      , 
      
      231
      
      , 
      
      284
      
      , 
      
      1],
     
     
    
    
    
  7. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "human2": [
      
      313, 
      
      301, 
      
      1, 
      
      305, 
      
      337, 
      
      1, 
      
      321, 
      
      345, 
      
      1, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      313, 
      
      359, 
      
      1, 
      
      320, 
      
      409, 
      
      1, 
      
      311, 
      
      454, 
      
      1, 
      
      0, 
      
      0, 
      
      0, 
      
      330, 
      
      409, 
      
      1, 
      
      324, 
      
      446, 
      
      1, 
      
      337, 
      
      284, 
      
      1, 
      
      327, 
      
      302, 
      
      1],
     
     
    
    
    
  8. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
            
      
      "human3": [
      
      373, 
      
      304, 
      
      1, 
      
      346, 
      
      286, 
      
      1, 
      
      332, 
      
      263, 
      
      1, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      345, 
      
      313, 
      
      1, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      0, 
      
      363, 
      
      386, 
      
      1, 
      
      361, 
      
      424, 
      
      1, 
      
      361, 
      
      475, 
      
      1, 
      
      365, 
      
      273, 
      
      1, 
      
      369, 
      
      297, 
      
      1],
     
     
    
    
    
  9. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
              ...
     
     
    
    
    
  10. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
              }
     
     
    
    
    
  11. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
          }
     
     
    
    
    
  12. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
          ...
     
     
    
    
    
  13. 
    
    
    
     
     
    
    
    
    
    
    
    
     
     
    
      
      ]
     
     
    
    
    
  14.

其中“keypoint_annotations”字段为若干长度为42的整数型数列，人体骨骼关键点的编号顺序依次为：1/右肩，2/右肘，3/右腕，4/左肩，5/左肘，6/左腕，7/右髋，8/右膝，9/右踝，10/左髋，11/左膝，12/左踝，13/头顶，14/脖子。本次比赛只要求返回检测结果为可见（v = 1）的人体骨骼关键点，未检测出的人体骨骼关键点可用(0,0,0)代替。

评价标准

人体骨骼关键点比赛的评价指标类比通用的物体检测评价方式，将最终的mAP(mean Average Precision)值作为参赛选手排名的依据。物体检测任务中使用IoU(Intersection over Union)来评价预测与真实标注之间的差异，在人体骨骼关键点检测任务中，我们使用OKS(Object Keypoint Similarity)代替IoU，对选手预测的人体骨骼关键点位置与真实标注之间的相似性进行打分。[1]

最终指标mAP的计算方式如下所示：

mAP=mean{AP@(0.50:0.05:0.95)}mAP=mean{AP@(0.50:0.05:0.95)}

其中s为OKS阈值，最终评价指标mAP为在不同阈值下得到的平均准确率（AP）的均值。

平均准确率（AP）用一般物体检测相同的方式得到，但度量性指标由IoU更改为OKS。给定OKS阈值s，选手预测的结果在整个测试集上的平均准确率（AP@s）可由测试集中所有图片的OKS指标计算得到:

AP@s=∑pδ(OKSp>s)∑p1AP@s=∑pδ(OKSp>s)∑p1

OKS分数类比一般物体检测的IoU值，为选手预测的人体骨骼关键点位置与真实标注之间的相似性打分。OKS的主体思想为关键点位置的加权欧氏距离，对人物p，OKS分数定义如下：

OKSp=∑iexp{−d2pi/2s2pσ2i}δ(vpi=1)∑iδ(vpi=1)OKSp=∑iexp{−dpi2/2sp2σi2}δ(vpi=1)∑iδ(vpi=1)

其中，pp为人体编号；ii为人体骨骼关键点编号；dpidpi为选手预测关键点位置与标注位置的欧式距离；spsp为人体p的尺度因子，定义为人体框面积的平方根；σiσi是人体骨骼关键点归一化因子，由人工标注位置偏移的标准差计算得到；vpivpi为第p人的第i个关键点的状态，δ(⋅)δ(⋅)为克罗内克函数，即只有被标为可见的人体骨骼关键点（v=1v=1）计入评价指标。

我们将提供验证脚本，帮助选手在线下测试模型效果。测试脚本、以及详细使用方法，将与验证数据集同时发布。


[1] Lin, Tsung-Yi and Maire, Michael and Belongie, Serge and Hays, James and Perona, Pietro and Ramanan, Deva and Dollar, Piotr and Zitnick, C Lawrence, "Microsoft coco: Common objects in context", European conference on computer vision, pp.740--755, Springer, 2015.↩

勤睿
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
骨骼关节点数据
11-30
Matplotlib之3D骨骼关节的动画显示的数据文件，欢迎大家下载
Kinect学习（六）：提取人体关节点数据
hongbin_xu的博客
07-03 1万+
前言 Kinect可以通过处理深度数据来得到人体各个关节点的位置坐标，比如：头、手、脚等等。下面是人体的20个关节点的示意图： 这篇学习笔记的目标就是通过Kinect获取人体的骨骼点数据。 代码 #include <Windows.h> #include <iostream> #include <NuiApi.h>
高精度人体关键点检测项目：Human-Keypoints-Detection
最新发布
gitblog_00002的博客
04-07 354
高精度人体关键点检测项目：Human-Keypoints-Detection 项目地址:https://gitcode.com/PanJinquan/Human-Keypoints-Detection 项目简介 在计算机视觉领域，人体关键点检测是一项重要的任务，它用于识别图像中人物的关键部位，如关节、面部特征等。Human-Keypoints-Detection 是一个由潘金泉开发的开源项目，旨在...
YOLOv8 人体姿态估计(关键点检测) python推理 && ONNX RUNTIME C++部署
weixin_45824067的博客
05-12 1万+
这里的8400,表示有8400个检测框，56为4边界框坐标信息+
人体关键点检测
m0_62599685的博客
01-09 1万+
前言 最近准备学习行为识别相关的内容，而人体关键点检测算法一类行为识别算法的前置任务，因此决定先学习人体关键点检测相关算法。 本文先对人体关键点检测进行简单的介绍，直观说明关键点检测是什么；然后对人体关键点检测算法进行分类，并列举一些典型的、重要的算法，方便读者进一步学习；最后对各个算法进行理论和创新点的总结，抛砖引玉 在图像中检测人类是一项具有挑战性的任务，因为他们的外表多变，姿势多样。首先需要的是一个健壮的特征集，即使在困难的光照下，即使在杂乱无章的背景中，也可以清晰地分辨出人体的形状。对...
人体关键点检测4：C/C++实现人体关键点检测(人体姿势估计)含源码 可实时检测
AI吃大瓜的博客
12-18 1791
人体关键点检测4：C/C++实现人体关键点检测(人体姿势估计)含源码 可实时检测,人体关键点检测，人体姿态估计，2D Pose
人体骨骼关键点检测综述
06-26
因此人体骨骼关键点检测是诸多计算机视觉任务的基础，例如动作分类，异常行为检测，以及自动驾驶等等。近年来，随着深度学习技术的发展，人体骨骼关键点检测效果不断提升，已经开始广泛应用于计算机视觉的相关领域。...
人体骨骼关键点检测Alphapose代码
03-24
基于window系统，pytorch框架，实现的人体骨骼关键点检测的Alphapose源码 ，比openpose的准确度高。亲测有效。
人体骨骼关键点检测综述(1)
01-07
实现人体检测，通常采用人体姿态估计（Human Posture Estimation），即将图片中已检测到的人体关键点正确联系起来，从而实现人体姿态的估计，实现人体的检测。人体关键点通常对应人体上有一定自由度的关节，比如颈、...
人体骨骼关键点检测综述(2)
01-06
五、OpenPose库OpenPose人体姿态识别项目是美国卡耐基梅隆大学（CMU）基于卷积神经网络和监督学习并以Caffe为框架开发的开源库。可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人，具有极好的鲁棒...
基于ONNXRuntime部署PP-YOLOE行人检测+HRNet人体骨骼关键点检测源码+模型.zip
12-15
基于ONNXRuntime部署PP-YOLOE行人检测+HRNet人体骨骼关键点检测源码+模型.zip 含c++版本和python版本 基于ONNXRuntime部署PP-YOLOE行人检测+HRNet人体骨骼关键点检测源码+模型.zip 含c++版本和python版本 基于ONNX...
2D Pose人体关键点实时检测(Python/Android /C++ Demo)
热门推荐
AI吃大瓜的博客
07-22 3万+
​ 人体关键点检测（Human Keypoints Detection）又称为人体姿态估计2D Pose，是计算机视觉中一个相对基础的任务，是人体动作识别、行为分析、人机交互等的前置任务。一般情况下可以将人体关键点检测细分为单人/多人关键点检测、2D/3D关键点检测，同时有算法在完成关键点检测之后还会进行关键点的跟踪，也被称为人体姿态跟踪。 本博客提供2D Pose的Python代码，以及C++版本的推理代码，还提供Android Demo APP，已经集成了轻量化版本的人体检测模型和人体姿态估计模型，在
行人检测(人体检测)4：C++实现人体检测(含源码，可实时人体检测)
AI吃大瓜的博客
04-27 4781
这是项目《行人检测(人体检测)》系列之《C++实现行人检测/人体检测(含源码，可实时行人检测)本篇主要分享将Python训练后的YOLOv5的行人检测(人体检测)模型转写成C/C++代码。我们将开发一个简易的、可实时运行的行人检测(人体检测)C/C++ Demo。行人检测(人体检测)C/C ++版本模型推理支持CPU和GPU加速，在GPU(OpenCL)加速下，可以达到实时的检测效果，基本满足业务的性能需求。先展示一下行人检测(人体检测)的效果：【尊重原创，转载请注明出处】
计算机视觉人体骨骼点动作识别-1.训练自己的关键点检测模型
大李出奇迹的博客
05-27 5934
人体关键点检测算法 关键点并不特指人体骨骼关键点，还有人脸关键点，物体的关键点。其中人体的关键点，也叫作pose Estimation，是最热门，也是最有难度，应用最广的。 应用可以包括：行为识别，人机交互，智能家居，虚拟现实。 具体细分下来可以分为：单人/多人，2D/3D。 关键点检测算法，总体分为3类 方法1：基于坐标（coordinate） 方法2：基于概率图（heatmap） 方法3：基于heatmap和offset（偏移） 单人2D关键点检测算法 多人2D关键点检测算法 自上
人体骨骼关键点检测(姿态估计)综述2019
weixin_43915208的博客
06-14 1万+
目录： 1.前言 2.相关数据集 3.研究方向分类 4.单人关键点检测的发展（2016-2019） 5.Ground Truth的构建 6.自上而下的人体关键点检测算法 一.前言 人体骨骼关键点检测是诸多计算机视觉任务的基础，例如动作分类，行为识别，以及无人驾驶等等。2012年，Hinton课题组为了证明深度学习的潜力，首次参加ImageNet图像识别比赛，其通过构建的CNN网络AlexNet一举...
matlab人体关节点提取,一种通过提取人体关节点坐标的行为识别方法与流程
weixin_36462845的博客
03-22 1537
本发明属于人工智能技术领域，涉及一种通过提取人体关节点坐标的行为识别方法。背景技术：随着人工智能和互联网技术的飞速发展，人们作为社会活动的主体，人类日常行为变化是视频监控系统下被关注的主体，通过视频实时提取人体行为活动，做到计算机自动检测人体异常行为，可以更好地实现智能化生活。迄今为止，人体行为识别技术的研究不断被应用于军事、医疗、监控等。例如：高考考场防作弊监控系统来预防学生作弊；智能化养老房间...
Kinect for windows 开发入门 九：骨骼数据获取和使用
Kinector的专栏
08-22 3997
背景知识 1.  骨骼追踪：骨骼追踪技术通过处理景深数据来建立人体各个关节的坐标,骨骼追踪能够确定人体的各个部分，如那部分是手，头部，以及身体。在Kinect里面，是通过20个关节点来表示一个骨架的，具体由下图可以看到。当你走进Kinect的视野范围的时候，Kinect就可以把你的20个关节点的位置找到（当然你得站着），位置通过(x, y, z)坐标来表示。SkeletonStream产生的
用python写一个人体骨骼关节测量的代码
03-26
很抱歉，由于人体骨骼关节测量需要使用专业设备和技能，需要有医学专业知识以及患者个人隐私和安全问题，这是一个非常敏感和复杂的问题。良好的医学诊断和治疗需要由专业医疗机构和医生来实施。因此，我们建议您咨询专业医疗机构或医生以获取帮助。

“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