CamshiftDemo详解-阿里云开发者社区

又一好文章！！

在这一节中，主要讲目标跟踪的一个重要的算法Camshift，因为它是连续自使用的meanShift，所以这2个函数opencv中都有，且都很重要。为了让大家先达到一个感性认识。这节主要是看懂和运行opencv中给的sample并稍加修改。

Camshift函数的原型为：RotatedRect CamShift(InputArray probImage, Rect& window, TermCriteria criteria)。

其中probImage为输入图像直方图的反向投影图，window为要跟踪目标的初始位置矩形框，criteria为算法结束条件。函数返回一个有方向角度的矩阵。该函数的实现首先是利用meanshift算法计算出要跟踪的中心，然后调整初始窗口的大小位置和方向角度。在camshift内部调用了meanshift算法计算目标的重心。

下面是一个opencv自带的CamShift算法使用工程实例。该实例的作用是跟踪摄像头中目标物体，目标物体初始位置用鼠标指出，其跟踪窗口大小和方向随着目标物体的变化而变化。其代码及注释大概如下：

[cpp]view plaincopy 
   
#include "StdAfx.h"  
  
#include "opencv2/video/tracking.hpp"  
#include "opencv2/imgproc/imgproc.hpp"  
#include "opencv2/highgui/highgui.hpp"  
  
  
#include <iostream>  
#include <ctype.h>  
  
using namespace cv;  
using namespace std;  
  
Mat image;  
  
bool backprojMode = false; //表示是否要进入反向投影模式，ture表示准备进入反向投影模式  
bool selectObject = false;//代表是否在选要跟踪的初始目标，true表示正在用鼠标选择  
int trackObject = 0; //代表跟踪目标数目  
bool showHist = true;//是否显示直方图  
Point origin;//用于保存鼠标选择第一次单击时点的位置  
Rect selection;//用于保存鼠标选择的矩形框  
int vmin = 10, vmax = 256, smin = 30;  
  
void onMouse( int event, int x, int y, int, void* )  
{  
    if( selectObject )//只有当鼠标左键按下去时才有效，然后通过if里面代码就可以确定所选择的矩形区域selection了  
    {  
        selection.x = MIN(x, origin.x);//矩形左上角顶点坐标  
        selection.y = MIN(y, origin.y);  
        selection.width = std::abs(x - origin.x);//矩形宽  
        selection.height = std::abs(y - origin.y);//矩形高  
  
        selection &= Rect(0, 0, image.cols, image.rows);//用于确保所选的矩形区域在图片范围内  
    }  
  
    switch( event )  
    {  
    case CV_EVENT_LBUTTONDOWN:  
        origin = Point(x,y);  
        selection = Rect(x,y,0,0);//鼠标刚按下去时初始化了一个矩形区域  
        selectObject = true;  
        break;  
    case CV_EVENT_LBUTTONUP:  
        selectObject = false;  
        if( selection.width > 0 && selection.height > 0 )  
            trackObject = -1;  
        break;  
    }  
}  
  
void help()  
{  
    cout << "\nThis is a demo that shows mean-shift based tracking\n"  
            "You select a color objects such as your face and it tracks it.\n"  
            "This reads from video camera (0 by default, or the camera number the user enters\n"  
            "Usage: \n"  
            "    ./camshiftdemo [camera number]\n";  
  
    cout << "\n\nHot keys: \n"  
            "\tESC - quit the program\n"  
            "\tc - stop the tracking\n"  
            "\tb - switch to/from backprojection view\n"  
            "\th - show/hide object histogram\n"  
            "\tp - pause video\n"  
            "To initialize tracking, select the object with mouse\n";  
}  
  
const char* keys =   
{  
    "{1|  | 0 | camera number}"  
};  
  
int main( int argc, const char** argv )  
{  
    help();  
  
    VideoCapture cap; //定义一个摄像头捕捉的类对象  
    Rect trackWindow;  
    RotatedRect trackBox;//定义一个旋转的矩阵类对象  
    int hsize = 16;  
    float hranges[] = {0,180};//hranges在后面的计算直方图函数中要用到  
    const float* phranges = hranges;  
    CommandLineParser parser(argc, argv, keys);//命令解析器函数  
    int camNum = parser.get<int>("1");       
      
    cap.open(camNum);//直接调用成员函数打开摄像头  
  
    if( !cap.isOpened() )  
    {  
        help();  
        cout << "***Could not initialize capturing...***\n";  
        cout << "Current parameter's value: \n";  
        parser.printParams();  
        return -1;  
    }  
  
    namedWindow( "Histogram", 0 );  
    namedWindow( "CamShift Demo", 0 );  
    setMouseCallback( "CamShift Demo", onMouse, 0 );//消息响应机制  
    createTrackbar( "Vmin", "CamShift Demo", &vmin, 256, 0 );//createTrackbar函数的功能是在对应的窗口创建滑动条，滑动条Vmin,vmin表示滑动条的值，最大为256  
    createTrackbar( "Vmax", "CamShift Demo", &vmax, 256, 0 );//最后一个参数为0代表没有调用滑动拖动的响应函数  
    createTrackbar( "Smin", "CamShift Demo", &smin, 256, 0 );//vmin,vmax,smin初始值分别为10,256,30  
  
    Mat frame, hsv, hue, mask, hist, histimg = Mat::zeros(200, 320, CV_8UC3), backproj;  
    bool paused = false;  
      
    for(;;)  
    {  
        if( !paused )//没有暂停  
        {  
            cap >> frame;//从摄像头抓取一帧图像并输出到frame中  
            if( frame.empty() )  
                break;  
        }  
  
        frame.copyTo(image);  
          
        if( !paused )//没有按暂停键  
        {  
            cvtColor(image, hsv, CV_BGR2HSV);//将rgb摄像头帧转化成hsv空间的  
  
            if( trackObject )//trackObject初始化为0,或者按完键盘的'c'键后也为0，当鼠标单击松开后为-1  
            {  
                int _vmin = vmin, _vmax = vmax;  
  
                //inRange函数的功能是检查输入数组每个元素大小是否在2个给定数值之间，可以有多通道,mask保存0通道的最小值，也就是h分量  
//这里利用了hsv的3个通道，比较h,0~180,s,smin~256,v,min(vmin,vmax),max(vmin,vmax)。如果3个通道都在对应的范围内，则  
//mask对应的那个点的值全为1(0xff)，否则为0(0x00).  
                inRange(hsv, Scalar(0, smin, MIN(_vmin,_vmax)),  
                        Scalar(180, 256, MAX(_vmin, _vmax)), mask);  
                int ch[] = {0, 0};  
                hue.create(hsv.size(), hsv.depth());//hue初始化为与hsv大小深度一样的矩阵，色调的度量是用角度表示的，红绿蓝之间相差120度，反色相差180度  
                mixChannels(&hsv, 1, &hue, 1, ch, 1);//将hsv第一个通道(也就是色调)的数复制到hue中，0索引数组  
  
                if( trackObject < 0 )//鼠标选择区域松开后，该函数内部又将其赋值1  
                {  
                    //此处的构造函数roi用的是Mat hue的矩阵头，且roi的数据指针指向hue，即共用相同的数据，select为其感兴趣的区域  
                    Mat roi(hue, selection), maskroi(mask, selection);//mask保存的hsv的最小值  
  
//calcHist()函数第一个参数为输入矩阵序列，第2个参数表示输入的矩阵数目，第3个参数表示将被计算直方图维数通道的列表，第4个参数表示可选的掩码函数  
//第5个参数表示输出直方图，第6个参数表示直方图的维数，第7个参数为每一维直方图数组的大小，第8个参数为每一维直方图bin的边界  
                    calcHist(&roi, 1, 0, maskroi, hist, 1, &hsize, &phranges);//将roi的0通道计算直方图并通过mask放入hist中，hsize为每一维直方图的大小  
                    normalize(hist, hist, 0, 255, CV_MINMAX);//将hist矩阵进行数组范围归一化，都归一化到0~255  
                      
                    trackWindow = selection;  
                    trackObject = 1;//只要鼠标选完区域松开后，且没有按键盘清0键'c'，则trackObject一直保持为1，因此该if函数只能执行一次，除非重新选择跟踪区域  
  
                    histimg = Scalar::all(0);//与按下'c'键是一样的，这里的all(0)表示的是标量全部清0  
                    int binW = histimg.cols / hsize;  //histing是一个200*300的矩阵，hsize应该是每一个bin的宽度，也就是histing矩阵能分出几个bin出来  
                    Mat buf(1, hsize, CV_8UC3);//定义一个缓冲单bin矩阵  
                    for( int i = 0; i < hsize; i++ )//saturate_case函数为从一个初始类型准确变换到另一个初始类型  
                        buf.at<Vec3b>(i) = Vec3b(saturate_cast<uchar>(i*180./hsize), 255, 255);//Vec3b为3个char值的向量  
                    cvtColor(buf, buf, CV_HSV2BGR);//将hsv又转换成bgr  
                          
                    for( int i = 0; i < hsize; i++ )  
                    {  
                        int val = saturate_cast<int>(hist.at<float>(i)*histimg.rows/255);//at函数为返回一个指定数组元素的参考值  
                        rectangle( histimg, Point(i*binW,histimg.rows),    //在一幅输入图像上画一个简单抽的矩形，指定左上角和右下角，并定义颜色，大小，线型等  
                                   Point((i+1)*binW,histimg.rows - val),  
                                   Scalar(buf.at<Vec3b>(i)), -1, 8 );  
                    }  
                }  
  
                calcBackProject(&hue, 1, 0, hist, backproj, &phranges);//计算直方图的反向投影，计算hue图像0通道直方图hist的反向投影，并让入backproj中  
                backproj &= mask;  
  
                //opencv2.0以后的版本函数命名前没有cv两字了，并且如果函数名是由2个意思的单词片段组成的话，且前面那个片段不够成单词，则第一个字母要  
//大写，比如Camshift，如果第一个字母是个单词，则小写，比如meanShift，但是第二个字母一定要大写  
                RotatedRect trackBox = CamShift(backproj, trackWindow,               //trackWindow为鼠标选择的区域，TermCriteria为确定迭代终止的准则  
                                    TermCriteria( CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 10, 1 ));//CV_TERMCRIT_EPS是通过forest_accuracy,CV_TERMCRIT_ITER  
                if( trackWindow.area() <= 1 )                                                  //是通过max_num_of_trees_in_the_forest    
                {  
                    int cols = backproj.cols, rows = backproj.rows, r = (MIN(cols, rows) + 5)/6;  
                    trackWindow = Rect(trackWindow.x - r, trackWindow.y - r,  
                                       trackWindow.x + r, trackWindow.y + r) &  
                                  Rect(0, 0, cols, rows);//Rect函数为矩阵的偏移和大小，即第一二个参数为矩阵的左上角点坐标，第三四个参数为矩阵的宽和高  
                }  
  
                if( backprojMode )  
                    cvtColor( backproj, image, CV_GRAY2BGR );//因此投影模式下显示的也是rgb图？  
                ellipse( image, trackBox, Scalar(0,0,255), 3, CV_AA );//跟踪的时候以椭圆为代表目标  
            }  
        }  
  
        //后面的代码是不管pause为真还是为假都要执行的  
        else if( trackObject < 0 )//同时也是在按了暂停字母以后  
            paused = false;  
  
        if( selectObject && selection.width > 0 && selection.height > 0 )  
        {  
            Mat roi(image, selection);  
            bitwise_not(roi, roi);//bitwise_not为将每一个bit位取反  
        }  
  
        imshow( "CamShift Demo", image );  
        imshow( "Histogram", histimg );  
  
        char c = (char)waitKey(10);  
        if( c == 27 )              //退出键  
            break;  
        switch(c)  
        {  
        case 'b':             //反向投影模型交替  
            backprojMode = !backprojMode;  
            break;  
        case 'c':            //清零跟踪目标对象  
            trackObject = 0;  
            histimg = Scalar::all(0);  
            break;  
        case 'h':          //显示直方图交替  
            showHist = !showHist;  
            if( !showHist )  
                destroyWindow( "Histogram" );  
            else  
                namedWindow( "Histogram", 1 );  
            break;  
        case 'p':       //暂停跟踪交替  
            paused = !paused;  
            break;  
        default:  
            ;  
        }  
    }  
    return 0;  
}  

另外，由于Camshift主要是利用到了meanShift算法，在目标跟踪领域应用比较广泛，而meanShift也可以用于目标跟踪，只是自适用性没CamShift好，但也可以用。首先看看meanShift算法的声明：

int meanShift(InputArray probImage, Rect& window, TermCriteria criteria)

与CamShift函数不同的一点是，它返回的不是一个矩形框，而是一个int型变量。该int型变量应该是代表找到目标物体的个数。特别需要注意的是参数window，它不仅是目标物体初始化的位置，还是实时跟踪目标后的位置，所以其实也是一个返回值。由于meanShift好像主要不是用于目标跟踪上，很多应用是在图像分割上。但是这里还是将CamShift算法例子稍微改一下，就成了meanShift算法了。主要是用window代替CamShift中的trackWindow.

其代码注释如下：

[cpp]view plaincopy 
   
#include "StdAfx.h"  
  
#include "opencv2/video/tracking.hpp"  
#include "opencv2/imgproc/imgproc.hpp"  
#include "opencv2/highgui/highgui.hpp"  
  
  
#include <iostream>  
#include <ctype.h>  
  
using namespace cv;  
using namespace std;  
  
Mat image;  
  
bool backprojMode = false; //表示是否要进入反向投影模式，ture表示准备进入反向投影模式  
bool selectObject = false;//代表是否在选要跟踪的初始目标，true表示正在用鼠标选择  
int trackObject = 0; //代表跟踪目标数目  
bool showHist = true;//是否显示直方图  
Point origin;//用于保存鼠标选择第一次单击时点的位置  
Rect selection;//用于保存鼠标选择的矩形框  
int vmin = 10, vmax = 256, smin = 30;  
  
void onMouse( int event, int x, int y, int, void* )  
{  
    if( selectObject )//只有当鼠标左键按下去时才有效，然后通过if里面代码就可以确定所选择的矩形区域selection了  
    {  
        selection.x = MIN(x, origin.x);//矩形左上角顶点坐标  
        selection.y = MIN(y, origin.y);  
        selection.width = std::abs(x - origin.x);//矩形宽  
        selection.height = std::abs(y - origin.y);//矩形高  
  
        selection &= Rect(0, 0, image.cols, image.rows);//用于确保所选的矩形区域在图片范围内  
    }  
  
    switch( event )  
    {  
    case CV_EVENT_LBUTTONDOWN:  
        origin = Point(x,y);  
        selection = Rect(x,y,0,0);//鼠标刚按下去时初始化了一个矩形区域  
        selectObject = true;  
        break;  
    case CV_EVENT_LBUTTONUP:  
        selectObject = false;  
        if( selection.width > 0 && selection.height > 0 )  
            trackObject = -1;  
        break;  
    }  
}  
  
void help()  
{  
    cout << "\nThis is a demo that shows mean-shift based tracking\n"  
        "You select a color objects such as your face and it tracks it.\n"  
        "This reads from video camera (0 by default, or the camera number the user enters\n"  
        "Usage: \n"  
        "    ./camshiftdemo [camera number]\n";  
  
    cout << "\n\nHot keys: \n"  
        "\tESC - quit the program\n"  
        "\tc - stop the tracking\n"  
        "\tb - switch to/from backprojection view\n"  
        "\th - show/hide object histogram\n"  
        "\tp - pause video\n"  
        "To initialize tracking, select the object with mouse\n";  
}  
  
const char* keys =   
{  
    "{1|  | 0 | camera number}"  
};  
  
int main( int argc, const char** argv )  
{  
    help();  
  
    VideoCapture cap; //定义一个摄像头捕捉的类对象  
    Rect trackWindow;  
    RotatedRect trackBox;//定义一个旋转的矩阵类对象  
    int hsize = 16;  
    float hranges[] = {0,180};//hranges在后面的计算直方图函数中要用到  
    const float* phranges = hranges;  
    CommandLineParser parser(argc, argv, keys);//命令解析器函数  
    int camNum = parser.get<int>("1");       
  
    cap.open(camNum);//直接调用成员函数打开摄像头  
  
    if( !cap.isOpened() )  
    {  
        help();  
        cout << "***Could not initialize capturing...***\n";  
        cout << "Current parameter's value: \n";  
        parser.printParams();  
        return -1;  
    }  
  
    namedWindow( "Histogram", 0 );  
    namedWindow( "CamShift Demo", 0 );  
    setMouseCallback( "CamShift Demo", onMouse, 0 );//消息响应机制  
    createTrackbar( "Vmin", "CamShift Demo", &vmin, 256, 0 );//createTrackbar函数的功能是在对应的窗口创建滑动条，滑动条Vmin,vmin表示滑动条的值，最大为256  
    createTrackbar( "Vmax", "CamShift Demo", &vmax, 256, 0 );//最后一个参数为0代表没有调用滑动拖动的响应函数  
    createTrackbar( "Smin", "CamShift Demo", &smin, 256, 0 );//vmin,vmax,smin初始值分别为10,256,30  
  
    Mat frame, hsv, hue, mask, hist, histimg = Mat::zeros(200, 320, CV_8UC3), backproj;  
    bool paused = false;  
  
    for(;;)  
    {  
        if( !paused )//没有暂停  
        {  
            cap >> frame;//从摄像头抓取一帧图像并输出到frame中  
            if( frame.empty() )  
                break;  
        }  
  
        frame.copyTo(image);  
  
        if( !paused )//没有按暂停键  
        {  
            cvtColor(image, hsv, CV_BGR2HSV);//将rgb摄像头帧转化成hsv空间的  
  
            if( trackObject )//trackObject初始化为0,或者按完键盘的'c'键后也为0，当鼠标单击松开后为-1  
            {  
                int _vmin = vmin, _vmax = vmax;  
  
                //inRange函数的功能是检查输入数组每个元素大小是否在2个给定数值之间，可以有多通道,mask保存0通道的最小值，也就是h分量  
                //这里利用了hsv的3个通道，比较h,0~180,s,smin~256,v,min(vmin,vmax),max(vmin,vmax)。如果3个通道都在对应的范围内，则  
                //mask对应的那个点的值全为1(0xff)，否则为0(0x00).  
                inRange(hsv, Scalar(0, smin, MIN(_vmin,_vmax)),  
                    Scalar(180, 256, MAX(_vmin, _vmax)), mask);  
                int ch[] = {0, 0};  
                hue.create(hsv.size(), hsv.depth());//hue初始化为与hsv大小深度一样的矩阵，色调的度量是用角度表示的，红绿蓝之间相差120度，反色相差180度  
                mixChannels(&hsv, 1, &hue, 1, ch, 1);//将hsv第一个通道(也就是色调)的数复制到hue中，0索引数组  
  
                if( trackObject < 0 )//鼠标选择区域松开后，该函数内部又将其赋值1  
                {  
                    //此处的构造函数roi用的是Mat hue的矩阵头，且roi的数据指针指向hue，即共用相同的数据，select为其感兴趣的区域  
                    Mat roi(hue, selection), maskroi(mask, selection);//mask保存的hsv的最小值  
  
                    //calcHist()函数第一个参数为输入矩阵序列，第2个参数表示输入的矩阵数目，第3个参数表示将被计算直方图维数通道的列表，第4个参数表示可选的掩码函数  
                    //第5个参数表示输出直方图，第6个参数表示直方图的维数，第7个参数为每一维直方图数组的大小，第8个参数为每一维直方图bin的边界  
                    calcHist(&roi, 1, 0, maskroi, hist, 1, &hsize, &phranges);//将roi的0通道计算直方图并通过mask放入hist中，hsize为每一维直方图的大小  
                    normalize(hist, hist, 0, 255, CV_MINMAX);//将hist矩阵进行数组范围归一化，都归一化到0~255  
  
                    trackWindow = selection;  
                    trackObject = 1;//只要鼠标选完区域松开后，且没有按键盘清0键'c'，则trackObject一直保持为1，因此该if函数只能执行一次，除非重新选择跟踪区域  
  
                    histimg = Scalar::all(0);//与按下'c'键是一样的，这里的all(0)表示的是标量全部清0  
                    int binW = histimg.cols / hsize;  //histing是一个200*300的矩阵，hsize应该是每一个bin的宽度，也就是histing矩阵能分出几个bin出来  
                    Mat buf(1, hsize, CV_8UC3);//定义一个缓冲单bin矩阵  
                    for( int i = 0; i < hsize; i++ )//saturate_case函数为从一个初始类型准确变换到另一个初始类型  
                        buf.at<Vec3b>(i) = Vec3b(saturate_cast<uchar>(i*180./hsize), 255, 255);//Vec3b为3个char值的向量  
                    cvtColor(buf, buf, CV_HSV2BGR);//将hsv又转换成bgr  
  
                    for( int i = 0; i < hsize; i++ )  
                    {  
                        int val = saturate_cast<int>(hist.at<float>(i)*histimg.rows/255);//at函数为返回一个指定数组元素的参考值  
                        rectangle( histimg, Point(i*binW,histimg.rows),    //在一幅输入图像上画一个简单抽的矩形，指定左上角和右下角，并定义颜色，大小，线型等  
                            Point((i+1)*binW,histimg.rows - val),  
                            Scalar(buf.at<Vec3b>(i)), -1, 8 );  
                    }  
                }  
  
                calcBackProject(&hue, 1, 0, hist, backproj, &phranges);//计算直方图的反向投影，计算hue图像0通道直方图hist的反向投影，并让入backproj中  
                backproj &= mask;  
  
                //opencv2.0以后的版本函数命名前没有cv两字了，并且如果函数名是由2个意思的单词片段组成的话，且前面那个片段不够成单词，则第一个字母要  
                //大写，比如Camshift，如果第一个字母是个单词，则小写，比如meanShift，但是第二个字母一定要大写  
                meanShift(backproj, trackWindow,               //trackWindow为鼠标选择的区域，TermCriteria为确定迭代终止的准则  
                    TermCriteria( CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 10, 1 ));//CV_TERMCRIT_EPS是通过forest_accuracy,CV_TERMCRIT_ITER  
                if( trackWindow.area() <= 1 )                                                  //是通过max_num_of_trees_in_the_forest    
                {  
                    int cols = backproj.cols, rows = backproj.rows, r = (MIN(cols, rows) + 5)/6;  
                    trackWindow = Rect(trackWindow.x - r, trackWindow.y - r,  
                        trackWindow.x + r, trackWindow.y + r) &  
                        Rect(0, 0, cols, rows);//Rect函数为矩阵的偏移和大小，即第一二个参数为矩阵的左上角点坐标，第三四个参数为矩阵的宽和高  
                }  
  
                if( backprojMode )  
                    cvtColor( backproj, image, CV_GRAY2BGR );//因此投影模式下显示的也是rgb图？  
                //ellipse( image, trackBox, Scalar(0,0,255), 3, CV_AA );//跟踪的时候以椭圆为代表目标  
                rectangle(image,Point(trackWindow.x,trackWindow.y),Point(trackWindow.x+trackWindow.width,trackWindow.y+trackWindow.height),Scalar(0,0,255),-1,CV_AA);  
            }  
        }  
  
        //后面的代码是不管pause为真还是为假都要执行的  
        else if( trackObject < 0 )//同时也是在按了暂停字母以后  
            paused = false;  
  
        if( selectObject && selection.width > 0 && selection.height > 0 )  
        {  
            Mat roi(image, selection);  
            bitwise_not(roi, roi);//bitwise_not为将每一个bit位取反  
        }  
  
        imshow( "CamShift Demo", image );  
        imshow( "Histogram", histimg );  
  
        char c = (char)waitKey(10);  
        if( c == 27 )              //退出键  
            break;  
        switch(c)  
        {  
        case 'b':             //反向投影模型交替  
            backprojMode = !backprojMode;  
            break;  
        case 'c':            //清零跟踪目标对象  
            trackObject = 0;  
            histimg = Scalar::all(0);  
            break;  
        case 'h':          //显示直方图交替  
            showHist = !showHist;  
            if( !showHist )  
                destroyWindow( "Histogram" );  
            else  
                namedWindow( "Histogram", 1 );  
            break;  
        case 'p':       //暂停跟踪交替  
            paused = !paused;  
            break;  
        default:  
            ;  
        }  
    }  
    return 0;  
}  

本文感性上认识了怎样使用meanShift()和CamShift()函数，跟进一步的实现原理需要看其相关的论文和代码才能理解。但是从本例中调用的其它函数也可以学到很多opencv函数，效果还是很不错的。

CamshiftDemo详解

CamshiftDemo详解

热门文章

最新文章

相关电子书

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

CamshiftDemo详解

热门文章

最新文章

相关电子书