溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

python怎么使用OpenCV實(shí)現(xiàn)多目標(biāo)跟蹤

發(fā)布時(shí)間：2022-05-05 16:20:20 來源：億速云 閱讀：236 作者：iii 欄目：開發(fā)技術(shù)

這篇文章主要介紹“python怎么使用OpenCV實(shí)現(xiàn)多目標(biāo)跟蹤”的相關(guān)知識(shí)，小編通過實(shí)際案例向大家展示操作過程，操作方法簡(jiǎn)單快捷，實(shí)用性強(qiáng)，希望這篇“python怎么使用OpenCV實(shí)現(xiàn)多目標(biāo)跟蹤”文章能幫助大家解決問題。

1 背景介紹

計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)的大多數(shù)初學(xué)者都學(xué)習(xí)對(duì)象檢測(cè)。如果您是初學(xué)者，您可能會(huì)想到為什么我們需要對(duì)象跟蹤。我們不能只檢測(cè)每一幀中的物體嗎？

讓我們探討一下跟蹤有用的幾個(gè)原因：

  • 首先，當(dāng)在視頻幀中檢測(cè)到多個(gè)對(duì)象（比如人）時(shí)，跟蹤有助于跨幀確定對(duì)象的身份。

  • 其次，在某些情況下，目標(biāo)檢測(cè)可能會(huì)失敗，但仍可能跟蹤對(duì)象，因?yàn)楦檿?huì)考慮前一幀中對(duì)象的位置和外觀。

  • 第三，一些跟蹤算法非?？欤?yàn)樗鼈冞M(jìn)行本地搜索而不是全局搜索。因此，我們可以通過每第n幀執(zhí)行目標(biāo)檢測(cè)并在中間幀中跟蹤對(duì)象來為我們的系統(tǒng)獲得非常高的性能。

那么，為什么不在第一次檢測(cè)后無限期地跟蹤對(duì)象呢？跟蹤算法有時(shí)可能會(huì)丟失其正在跟蹤的對(duì)象。例如，當(dāng)對(duì)象的運(yùn)動(dòng)太大時(shí)，跟蹤算法可能無法跟上。通常會(huì)在目標(biāo)跟蹤一段時(shí)間后再次目標(biāo)檢測(cè)。

在本教程中，我們將只關(guān)注跟蹤部分。我們要跟蹤的對(duì)象將通過指定它們周圍的邊界框來獲取。

2 基于MultiTracker的多目標(biāo)跟蹤

OpenCV中的多目標(biāo)跟蹤器MultiTracker類提供了多目標(biāo)跟蹤的實(shí)現(xiàn)。但是這只是一個(gè)初步的實(shí)現(xiàn)，因?yàn)樗惶幚砀檶?duì)象，而不對(duì)被跟蹤對(duì)象進(jìn)行任何優(yōu)化。

2.1 創(chuàng)建單個(gè)對(duì)象跟蹤器

多對(duì)象跟蹤器只是單個(gè)對(duì)象跟蹤器的集合。我們首先定義一個(gè)將跟蹤器類型作為輸入并創(chuàng)建跟蹤器對(duì)象的函數(shù)。

OpenCV有8種不同的跟蹤器類型：BOOSTING，MIL，KCF，TLD，MEDIANFLOW，GOTURN，MOSSE，CSRT。本文不使用GOTURN跟蹤器。一般我們先給定跟蹤器類的名稱，再返回單跟蹤器對(duì)象，然后建立多跟蹤器類。

C++代碼：

vector<string> trackerTypes = {"BOOSTING", "MIL", "KCF", "TLD", "MEDIANFLOW", "GOTURN", "MOSSE", "CSRT"};
/**
 * @brief Create a Tracker By Name object 根據(jù)設(shè)定的類型初始化跟蹤器
 *
 * @param trackerType
 * @return Ptr<Tracker>
 */
Ptr<Tracker> createTrackerByName(string trackerType)
{
    Ptr<Tracker> tracker;
    if (trackerType == trackerTypes[0])
        tracker = TrackerBoosting::create();
    else if (trackerType == trackerTypes[1])
        tracker = TrackerMIL::create();
    else if (trackerType == trackerTypes[2])
        tracker = TrackerKCF::create();
    else if (trackerType == trackerTypes[3])
        tracker = TrackerTLD::create();
    else if (trackerType == trackerTypes[4])
        tracker = TrackerMedianFlow::create();
    else if (trackerType == trackerTypes[5])
        tracker = TrackerGOTURN::create();
    else if (trackerType == trackerTypes[6])
        tracker = TrackerMOSSE::create();
    else if (trackerType == trackerTypes[7])
        tracker = TrackerCSRT::create();
    else
    {
        cout << "Incorrect tracker name" << endl;
        cout << "Available trackers are: " << endl;
        for (vector<string>::iterator it = trackerTypes.begin(); it != trackerTypes.end(); ++it)
        {
            std::cout << " " << *it << endl;
        }
    }
    return tracker;
}

python代碼：

from __future__ import print_function
import sys
import cv2
from random import randint
trackerTypes = ['BOOSTING', 'MIL', 'KCF','TLD', 'MEDIANFLOW', 'GOTURN', 'MOSSE', 'CSRT']
def createTrackerByName(trackerType):
  # Create a tracker based on tracker name
  if trackerType == trackerTypes[0]:
    tracker = cv2.TrackerBoosting_create()
  elif trackerType == trackerTypes[1]:
    tracker = cv2.TrackerMIL_create()
  elif trackerType == trackerTypes[2]:
    tracker = cv2.TrackerKCF_create()
  elif trackerType == trackerTypes[3]:
    tracker = cv2.TrackerTLD_create()
  elif trackerType == trackerTypes[4]:
    tracker = cv2.TrackerMedianFlow_create()
  elif trackerType == trackerTypes[5]:
    tracker = cv2.TrackerGOTURN_create()
  elif trackerType == trackerTypes[6]:
    tracker = cv2.TrackerMOSSE_create()
  elif trackerType == trackerTypes[7]:
    tracker = cv2.TrackerCSRT_create()
  else:
    tracker = None
    print('Incorrect tracker name')
    print('Available trackers are:')
    for t in trackerTypes:
      print(t)
  return tracker

2.2 讀取視頻的第一幀

多對(duì)象跟蹤器需要兩個(gè)輸入即一個(gè)視頻幀和我們想要跟蹤的所有對(duì)象的位置（邊界框）。

給定此信息，跟蹤器在所有后續(xù)幀中跟蹤這些指定對(duì)象的位置。在下面的代碼中，我們首先使用VideoCapture類加載視頻并讀取第一幀。稍后將使用它來初始化MultiTracker。

C++代碼：

    // Set tracker type. Change this to try different trackers. 選擇追蹤器類型
    string trackerType = trackerTypes[6];
    // set default values for tracking algorithm and video 視頻讀取
    string videoPath = "video/run.mp4";
    // Initialize MultiTracker with tracking algo 邊界框
    vector<Rect> bboxes;
    // create a video capture object to read videos 讀視頻
    cv::VideoCapture cap(videoPath);
    Mat frame;
    // quit if unable to read video file
    if (!cap.isOpened())
    {
        cout << "Error opening video file " << videoPath << endl;
        return -1;
    }
    // read first frame 讀第一幀
    cap >> frame;

python代碼：

# Set video to load
videoPath = "video/run.mp4"
# Create a video capture object to read videos
cap = cv2.VideoCapture(videoPath)
# Read first frame
success, frame = cap.read()
# quit if unable to read the video file
if not success:
  print('Failed to read video')
  sys.exit(1)

2.3 在第一幀中確定我們跟蹤的對(duì)象

接下來，我們需要在第一幀中找到我們想要跟蹤的對(duì)象。OpenCV提供了一個(gè)名為selectROIs的函數(shù)，它彈出一個(gè)GUI來選擇邊界框（也稱為感興趣區(qū)域（ROI））。在C++版本中可以通過selectROIs允許您獲取多個(gè)邊界框，但在Python版本中，只能通過selectROI獲得一個(gè)邊界框。因此，在Python版本中，我們需要一個(gè)循環(huán)來獲取多個(gè)邊界框。對(duì)于每個(gè)對(duì)象，我們還選擇隨機(jī)顏色來顯示邊界框。selectROI函數(shù)步驟為先在圖像上畫框，然后按ENTER確定完成畫框畫下一個(gè)框。按ESC退出畫框開始執(zhí)行程序

C++代碼：

// Get bounding boxes for first frame
// selectROI's default behaviour is to draw box starting from the center
// when fromCenter is set to false, you can draw box starting from top left corner
bool showCrosshair = true;
bool fromCenter = false;
cout &lt;&lt; "\n==========================================================\n";
cout &lt;&lt; "OpenCV says press c to cancel objects selection process" &lt;&lt; endl;
cout &lt;&lt; "It doesn't work. Press Escape to exit selection process" &lt;&lt; endl;
cout &lt;&lt; "\n==========================================================\n";
cv::selectROIs("MultiTracker", frame, bboxes, showCrosshair, fromCenter);

// quit if there are no objects to track
if(bboxes.size() &lt; 1)
  return 0;

vector&lt;Scalar&gt; colors;
getRandomColors(colors, bboxes.size());
// Fill the vector with random colors
void getRandomColors(vector<Scalar>& colors, int numColors)
{
  RNG rng(0);
  for(int i=0; i < numColors; i++)
    colors.push_back(Scalar(rng.uniform(0,255), rng.uniform(0, 255), rng.uniform(0, 255)));
}

python代碼：

## Select boxes
bboxes = []
colors = []
# OpenCV's selectROI function doesn't work for selecting multiple objects in Python
# So we will call this function in a loop till we are done selecting all objects
while True:
  # draw bounding boxes over objects
  # selectROI's default behaviour is to draw box starting from the center
  # when fromCenter is set to false, you can draw box starting from top left corner
  bbox = cv2.selectROI('MultiTracker', frame)
  bboxes.append(bbox)
  colors.append((randint(0, 255), randint(0, 255), randint(0, 255)))
  print("Press q to quit selecting boxes and start tracking")
  print("Press any other key to select next object")
  k = cv2.waitKey(0) &amp; 0xFF
  if (k == 113):  # q is pressed
    break
print('Selected bounding boxes {}'.format(bboxes))

2.4 初始化MultiTrackerer

到目前為止，我們已經(jīng)讀取了第一幀并獲得了對(duì)象周圍的邊界框。這是我們初始化多對(duì)象跟蹤器所需的所有信息。我們首先創(chuàng)建一個(gè)MultiTracker對(duì)象，并添加你要跟蹤目標(biāo)數(shù)的單個(gè)對(duì)象跟蹤器。在此示例中，我們使用CSRT單個(gè)對(duì)象跟蹤器，但您可以通過將下面的trackerType變量更改為本文開頭提到的8個(gè)跟蹤器時(shí)間之一來嘗試其他跟蹤器類型。該CSRT跟蹤器是不是最快的，但它產(chǎn)生在我們嘗試很多情況下，最好的結(jié)果。

您也可以使用包含在同一MultiTracker中的不同跟蹤器，但當(dāng)然，它沒有多大意義。能用的不多。CSRT精度最高，KCF速度精度綜合最好，MOSSE速度最快。

MultiTracker類只是這些單個(gè)對(duì)象跟蹤器的包裝器。正如我們?cè)谏弦黄恼轮兴赖哪菢樱褂玫谝粠瓦吔缈虺跏蓟瘑蝹€(gè)對(duì)象跟蹤器，該邊界框指示我們想要跟蹤的對(duì)象的位置。MultiTracker將此信息傳遞給它內(nèi)部包裝的單個(gè)目標(biāo)跟蹤器。

C++代碼：

    // Create multitracker 創(chuàng)建多目標(biāo)跟蹤類
    Ptr&lt;MultiTracker&gt; multiTracker = cv::MultiTracker::create();

    // initialize multitracker 初始化
    for (int i = 0; i &lt; bboxes.size(); i++)
    {
        multiTracker-&gt;add(createTrackerByName(trackerType), frame, Rect2d(bboxes[i]));
    }

python代碼：

# Specify the tracker type
trackerType = "CSRT"
# Create MultiTracker object
multiTracker = cv2.MultiTracker_create()
# Initialize MultiTracker
for bbox in bboxes:
  multiTracker.add(createTrackerByName(trackerType), frame, bbox)

2.5 更新MultiTracker和顯示結(jié)果

最后，我們的MultiTracker準(zhǔn)備就緒，我們可以在新的幀中跟蹤多個(gè)對(duì)象。我們使用MultiTracker類的update方法在新幀中定位對(duì)象。每個(gè)被跟蹤對(duì)象的每個(gè)邊界框都使用不同的顏色繪制。

Update函數(shù)會(huì)返回true和false。update如果跟蹤失敗會(huì)返回false，C++代碼加了判斷，Python沒有加。但是要注意的是update函數(shù)哪怕返回了false，也會(huì)繼續(xù)更新函數(shù)，給出邊界框。所以返回false，建議停止追蹤。

C++代碼：

    while (cap.isOpened())
    {
        // get frame from the video 逐幀處理
        cap >> frame;

        // stop the program if reached end of video
        if (frame.empty())
        {
            break;
        }
        //update the tracking result with new frame 更新每一幀
        bool ok = multiTracker->update(frame);
        if (ok == true)
        {
            cout << "Tracking success" << endl;
        }
        else
        {
            cout << "Tracking failure" << endl;
        }
        // draw tracked objects 畫框
        for (unsigned i = 0; i < multiTracker->getObjects().size(); i++)
        {
            rectangle(frame, multiTracker->getObjects()[i], colors[i], 2, 1);
        }
        // show frame
        imshow("MultiTracker", frame);
        // quit on x button
        if (waitKey(1) == 27)
        {
            break;
        }
    }

python代碼：

# Process video and track objects
while cap.isOpened():
  success, frame = cap.read()
  if not success:
    break
  # get updated location of objects in subsequent frames
  success, boxes = multiTracker.update(frame)
  # draw tracked objects
  for i, newbox in enumerate(boxes):
    p1 = (int(newbox[0]), int(newbox[1]))
    p2 = (int(newbox[0] + newbox[2]), int(newbox[1] + newbox[3]))
    cv2.rectangle(frame, p1, p2, colors[i], 2, 1)
  # show frame
  cv2.imshow('MultiTracker', frame)
  # quit on ESC button
  if cv2.waitKey(1) &amp; 0xFF == 27:  # Esc pressed
    break

3 結(jié)果和代碼

就結(jié)果而言，多目標(biāo)跟蹤就是生成多個(gè)單目標(biāo)跟蹤器，每個(gè)單目標(biāo)跟蹤器跟蹤一個(gè)對(duì)象。如果你想和目標(biāo)檢測(cè)結(jié)合，其中的對(duì)象框如果要自己設(shè)定，push一個(gè)Rect對(duì)象就行了。

//自己設(shè)定對(duì)象的檢測(cè)框
//x,y,width,height
//bboxes.push_back(Rect(388, 155, 30, 40));
//bboxes.push_back(Rect(492, 205, 50, 80));
 

總體來說精度和單目標(biāo)跟蹤器差不多，所耗時(shí)間差不多5到7倍，不同算法不同。

完整代碼如下：

C++：

// Opencv_MultiTracker.cpp : 此文件包含 "main" 函數(shù)。程序執(zhí)行將在此處開始并結(jié)束。
//
#include "pch.h"
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/tracking.hpp>
using namespace cv;
using namespace std;
vector<string> trackerTypes = {"BOOSTING", "MIL", "KCF", "TLD", "MEDIANFLOW", "GOTURN", "MOSSE", "CSRT"};
/**
 * @brief Create a Tracker By Name object 根據(jù)設(shè)定的類型初始化跟蹤器
 *
 * @param trackerType
 * @return Ptr<Tracker>
 */
Ptr<Tracker> createTrackerByName(string trackerType)
{
    Ptr<Tracker> tracker;
    if (trackerType == trackerTypes[0])
        tracker = TrackerBoosting::create();
    else if (trackerType == trackerTypes[1])
        tracker = TrackerMIL::create();
    else if (trackerType == trackerTypes[2])
        tracker = TrackerKCF::create();
    else if (trackerType == trackerTypes[3])
        tracker = TrackerTLD::create();
    else if (trackerType == trackerTypes[4])
        tracker = TrackerMedianFlow::create();
    else if (trackerType == trackerTypes[5])
        tracker = TrackerGOTURN::create();
    else if (trackerType == trackerTypes[6])
        tracker = TrackerMOSSE::create();
    else if (trackerType == trackerTypes[7])
        tracker = TrackerCSRT::create();
    else
    {
        cout << "Incorrect tracker name" << endl;
        cout << "Available trackers are: " << endl;
        for (vector<string>::iterator it = trackerTypes.begin(); it != trackerTypes.end(); ++it)
        {
            std::cout << " " << *it << endl;
        }
    }
    return tracker;
}

/**
 * @brief Get the Random Colors object 隨機(jī)涂色
 *
 * @param colors
 * @param numColors
 */
void getRandomColors(vector<Scalar> &colors, int numColors)
{
    RNG rng(0);
    for (int i = 0; i < numColors; i++)
    {
        colors.push_back(Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)));
    }
}
int main(int argc, char *argv[])
{
    // Set tracker type. Change this to try different trackers. 選擇追蹤器類型
    string trackerType = trackerTypes[7];
    // set default values for tracking algorithm and video 視頻讀取
    string videoPath = "video/run.mp4";

    // Initialize MultiTracker with tracking algo 邊界框
    vector<Rect> bboxes;

    // create a video capture object to read videos 讀視頻
    cv::VideoCapture cap(videoPath);
    Mat frame;

    // quit if unable to read video file
    if (!cap.isOpened())
    {
        cout << "Error opening video file " << videoPath << endl;
        return -1;
    }
    // read first frame 讀第一幀
    cap >> frame;
    // draw bounding boxes over objects 在第一幀內(nèi)確定對(duì)象框
    /*
        先在圖像上畫框，然后按ENTER確定畫下一個(gè)框。按ESC退出畫框開始執(zhí)行程序
    */
    cout << "\n==========================================================\n";
    cout << "OpenCV says press c to cancel objects selection process" << endl;
    cout << "It doesn't work. Press Esc to exit selection process" << endl;
    cout << "\n==========================================================\n";
    cv::selectROIs("MultiTracker", frame, bboxes, false);

    //自己設(shè)定對(duì)象的檢測(cè)框
    //x,y,width,height
    //bboxes.push_back(Rect(388, 155, 30, 40));
    //bboxes.push_back(Rect(492, 205, 50, 80));
    // quit if there are no objects to track 如果沒有選擇對(duì)象
    if (bboxes.size() < 1)
    {
        return 0;
    }
    vector<Scalar> colors;
    //給各個(gè)框涂色
    getRandomColors(colors, bboxes.size());
    // Create multitracker 創(chuàng)建多目標(biāo)跟蹤類
    Ptr<MultiTracker> multiTracker = cv::MultiTracker::create();
    // initialize multitracker 初始化
    for (int i = 0; i < bboxes.size(); i++)
    {
        multiTracker->add(createTrackerByName(trackerType), frame, Rect2d(bboxes[i]));
    }

    // process video and track objects 開始處理圖像
    cout << "\n==========================================================\n";
    cout << "Started tracking, press ESC to quit." << endl;
    while (cap.isOpened())
    {
        // get frame from the video 逐幀處理
        cap >> frame;
        // stop the program if reached end of video
        if (frame.empty())
        {
            break;
        }
        //update the tracking result with new frame 更新每一幀
        bool ok = multiTracker->update(frame);
        if (ok == true)
        {
            cout << "Tracking success" << endl;
        }
        else
        {
            cout << "Tracking failure" << endl;
        }
        // draw tracked objects 畫框
        for (unsigned i = 0; i < multiTracker->getObjects().size(); i++)
        {
            rectangle(frame, multiTracker->getObjects()[i], colors[i], 2, 1);
        }

        // show frame
        imshow("MultiTracker", frame);

        // quit on x button
        if (waitKey(1) == 27)
        {
            break;
        }
    }
    waitKey(0);
    return 0;
}

Python：

from __future__ import print_function
import sys
import cv2
from random import randint
trackerTypes = ['BOOSTING', 'MIL', 'KCF','TLD', 'MEDIANFLOW', 'GOTURN', 'MOSSE', 'CSRT']
def createTrackerByName(trackerType):
  # Create a tracker based on tracker name
  if trackerType == trackerTypes[0]:
    tracker = cv2.TrackerBoosting_create()
  elif trackerType == trackerTypes[1]:
    tracker = cv2.TrackerMIL_create()
  elif trackerType == trackerTypes[2]:
    tracker = cv2.TrackerKCF_create()
  elif trackerType == trackerTypes[3]:
    tracker = cv2.TrackerTLD_create()
  elif trackerType == trackerTypes[4]:
    tracker = cv2.TrackerMedianFlow_create()
  elif trackerType == trackerTypes[5]:
    tracker = cv2.TrackerGOTURN_create()
  elif trackerType == trackerTypes[6]:
    tracker = cv2.TrackerMOSSE_create()
  elif trackerType == trackerTypes[7]:
    tracker = cv2.TrackerCSRT_create()
  else:
    tracker = None
    print('Incorrect tracker name')
    print('Available trackers are:')
    for t in trackerTypes:
      print(t)

  return tracker

if __name__ == '__main__':

  print("Default tracking algoritm is CSRT \n"
        "Available tracking algorithms are:\n")
  for t in trackerTypes:
      print(t)

  trackerType = "CSRT"

  # Set video to load
  videoPath = "video/run.mp4"

  # Create a video capture object to read videos
  cap = cv2.VideoCapture(videoPath)

  # Read first frame
  success, frame = cap.read()
  # quit if unable to read the video file
  if not success:
    print('Failed to read video')
    sys.exit(1)

  ## Select boxes
  bboxes = []
  colors = []

  # OpenCV's selectROI function doesn't work for selecting multiple objects in Python
  # So we will call this function in a loop till we are done selecting all objects
  while True:
    # draw bounding boxes over objects
    # selectROI's default behaviour is to draw box starting from the center
    # when fromCenter is set to false, you can draw box starting from top left corner
    bbox = cv2.selectROI('MultiTracker', frame)
    bboxes.append(bbox)
    colors.append((randint(64, 255), randint(64, 255), randint(64, 255)))
    print("Press q to quit selecting boxes and start tracking")
    print("Press any other key to select next object")
    k = cv2.waitKey(0) &amp; 0xFF
    if (k == 113):  # q is pressed
      break

  print('Selected bounding boxes {}'.format(bboxes))

  ## Initialize MultiTracker
  # There are two ways you can initialize multitracker
  # 1. tracker = cv2.MultiTracker("CSRT")
  # All the trackers added to this multitracker
  # will use CSRT algorithm as default
  # 2. tracker = cv2.MultiTracker()
  # No default algorithm specified

  # Initialize MultiTracker with tracking algo
  # Specify tracker type

  # Create MultiTracker object
  multiTracker = cv2.MultiTracker_create()

  # Initialize MultiTracker
  for bbox in bboxes:
    multiTracker.add(createTrackerByName(trackerType), frame, bbox)

  # Process video and track objects
  while cap.isOpened():
    success, frame = cap.read()
    if not success:
      break
    # get updated location of objects in subsequent frames
    success, boxes = multiTracker.update(frame)

    # draw tracked objects
    for i, newbox in enumerate(boxes):
      p1 = (int(newbox[0]), int(newbox[1]))
      p2 = (int(newbox[0] + newbox[2]), int(newbox[1] + newbox[3]))
      cv2.rectangle(frame, p1, p2, colors[i], 2, 1)
    # show frame
    cv2.imshow('MultiTracker', frame)

    # quit on ESC button
    if cv2.waitKey(1) &amp; 0xFF == 27:  # Esc pressed
      break

關(guān)于“python怎么使用OpenCV實(shí)現(xiàn)多目標(biāo)跟蹤”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)，可以關(guān)注億速云行業(yè)資訊頻道，小編每天都會(huì)為大家更新不同的知識(shí)點(diǎn)。

向AI問一下細(xì)節(jié)

免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱：is@yisu.com進(jìn)行舉報(bào)，并提供相關(guān)證據(jù)，一經(jīng)查實(shí)，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手