devbox
很楠不爱3
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

【SDK案例系列 10】基于 Live555 + MindX SDK + Pytorch YoLoV5的视频检测_yolov5 验证视频

作者：很楠不爱3 | 2024-04-05 18:47:01

赞

踩

yolov5 验证视频

源码下载：

https://gitee.com/open-ascend/atlas_mindxsdk_samples/raw/master/contrib/cv/object_detection/video_yolov5

快速运行攻略（MindX SDK & live555环境已经部署完毕情况下）：

1、获取模型文件

（1）yolov5s_sim_t.onnx文件

https://gitee.com/ai_samples/pytorch_models/tree/master/cv/object_detection/yolov5

存放到 vidio_yolov5/data/models/yolov5 目录下

2、模型文件转换

（1）vidio_yolov5/data/models/yolov5目录下执行模型转换，根据芯片类型，执行atc_310.sh 或 atc_310P3.sh
bash atc_310.sh

  • 1
bash atc_310P3.sh

  • 1

3、修改run_cpp.sh & run_python.sh中MX_SDK_HOME为MindX SDK安装目录

export MX_SDK_HOME=/usr/local/sdk_home/mxVision

  • 1

4、执行run_cpp.sh 或者 run_python.sh

bash run_cpp.sh

  • 1
bash run_python.sh

  • 1

一、使用live555搭建 rtsp server

（1）安装live555
wget http://www.live555.com/liveMedia/public/live555-latest.tar.gz
tar xzf live555-latest.tar.gz
cd live
./genMakefiles linux-64bit #注意后面这个参数是根据当前文件夹下config.<后缀>获取得到的
make

  • 1
  • 2
  • 3
  • 4
  • 5
（2）启动rtsp server
cd mediaServer
./live555MediaServer

  • 1
  • 2
（3）验证rtsp server是否正常

下面上传文件到 live555MediaServer 同级目录

[root@localhost mediaServer]#
[root@localhost mediaServer]# ls
COPYING         DynamicRTSPServer.cpp  DynamicRTSPServer.o  live555MediaServer.cpp  Makefile       Makefile.tail  video.264
COPYING.LESSER  DynamicRTSPServer.hh   live555MediaServer   live555MediaServer.o    Makefile.head  version.hh
[root@localhost mediaServer]# 

  • 1
  • 2
  • 3
  • 4
  • 5

我上传了一个 video.264 那么，使用http协议访问的地址就行 http://你的ip:8000/文件名

例：http://127.0.0.1:8000/video.264；

使用rtsp协议访问的地址 http://你的ip/文件名

例：rtsp://127.0.0.1/video.264

然后请准备一个流媒体播放器，我下载的是vlc播放器
在这里插入图片描述
输入测试地址：
在这里插入图片描述
输入测试地址后点击播放，播放的时候能看到视频，说明rtsp server功能正常。

二、安装昇腾驱动

先安装昇腾驱动，昇腾驱动请参考各个产品安装手册，安装完成后npu-smi info 显示安装成功

[root@localhost ~]#
[root@localhost ~]# npu-smi info
+-------------------------------------------------------------------------------------------------+
| npu-smi 22.0.2                   Version: 22.0.2                                                |
+------------------+--------------+---------------------------------------------------------------+
| NPU    Name      | Health       | Power(W)             Temp(C)           Hugepages-Usage(page)  |
| Chip   Device    | Bus-Id       | AICore(%)            Memory-Usage(MB)                         |
+==================+==============+===============================================================+
| 1      310       | OK           | 12.8                 45                0   / 0                |
| 0      0         | 0000:05:00.0 | 0                    2621  / 8192                             |
+==================+==============+===============================================================+

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

三、安装MindX SDK > mxVision

（1）MindX SDK需要通过官网获取。
（2）mxVision说明手册：

https://www.hiascend.com/document/detail/zh/mind-sdk/30rc3/quickstart/visionquickstart/visionquickstart_0000.html

（3）安装MindX SDK
./Ascend-mindxsdk-mxvision_3.0.RC2_linux-aarch64.run --install --install-path=/usr/local/sdk_home

  • 1

–install-path为指定安装的路径

（4）安装成功后会提示如下信息
Installing collected packages:mindx
Successfully installed mindx-3.0.RC2

  • 1
  • 2
（5）安装成功后在对应目录下查看，能看到mxVision
[root@localhost sdk_home]#
[root@localhost sdk_home]# pwd
/usr/local/sdk_home
[root@localhost sdk_home]# ls
mxVision mxVision-3.0.RC2
[root@localhost sdk_home]#
[root@localhost sdk_home]#

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
（6）MindX SDK使用中需要用到OSD功能，安装后需要执行以下命令，生成om文件
bash /usr/local/sdk_home/mxVision/operators/opencvosd/generate_osd_om.sh

  • 1

执行成功后，显示如下效果

[root@localhost ~]# bash /usr/local/sdk_home/mxVision/operators/opencvosd/generate_osd_om.sh
ASCEND_HOME is set to /usr/local/Ascend by user
Set ASCEND_VERSION to the default value:ascend-toolkit/latest
ATC start working now,please wait for a moment.
ATC run success, welcome to the next use.

The model has been successfully converted to om,please get it under /usr/local/sdk_home/mxVision/operators/opencvosd.
[root@localhost ~]# 

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
（9）安装完MindX SDK后，需要配置环境变量

.bashrc文件添加以下环境变量

# 安装mxVision时配置
. /usr/local/sdk_home/mxVision/set_env.sh

  • 1
  • 2

用户也可以通过修改~/.bashrc文件方式设置永久环境变量，操作如下：

a) 以运行用户在任意目录下执行vi ~/.bashrc命令，打开.bashrc文件，在文件最后一行后面添加上述内容。
b) 执行:wq!命令保存文件并退出。
c) 执行source ~/.bashrc命令使其立即生效。

四、ATC模型转换

样例模型快速下载地址：

https://gitee.com/ai_samples/pytorch_models/tree/master/cv/object_detection/yolov5

1、yolov5-2.0获取权重文件。(yolov5-5.0 跳过此步)

（1）pt文件转换为onnx文件

python3.7 pytorch 1.5 建议搭配yolov5 2.0

下载ultralytics-2.0（软件包名为yolov5-2.0.tar.gz）。

wget https://github.com/ultralytics/yolov5/archive/v2.0.tar.gz

  • 1

运行如下命令，解压软件包并修改转换脚本，目前ATC（om文件转换工具）支持的onnx算子版本为opset11。

tar -xzf yolov5-2.0.tar.gz
vi yolov5-2.0/models/export.py
:set number
i
# 修改第48行opset_version为11
:wq!

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

在yolov5-2.0目录运行如下命令：

python models/export.py --weights ./yolov5s.pt --img 640 --batch 1

  • 1

运行结果：生成yolov5s.onnx文件。

（2）onnx文件简化及算子处理

首先对导出的onnx图使用onnx-simplifer工具进行简化。在yolov5-2.0目录运行如下命令：

python -m onnxsim --skip-optimization yolov5s.onnx yolov5s_sim.onnx

  • 1

运行结果：生成yolov5s_sim.onnx文件。

然后利用附件脚本video_yolov5/data/models/yolov5/modify_yolov5s_2.0_slice.py修改模型Slice算子。将附件脚本上传yolov5-2.0目录，运行如下命令：

python modify_yolov5s_2.0_slice.py yolov5s_sim.onnx

  • 1

运行结果：生成yolov5s_sim_t.onnx文件。

2、yolov5-5.0获取权重文件。(yolov5-2.0 跳过此步)

（1）pt文件转换为onnx文件

python3.8 pytorch 1.7 建议搭配yolov5 5.0

下载ultralytics-5.0（软件包名为yolov5-5.0.tar.gz）。

wget https://github.com/ultralytics/yolov5/archive/v5.0.tar.gz

  • 1

运行如下命令，解压软件包并修改转换脚本，目前ATC（om文件转换工具）支持的onnx算子版本为opset11。

tar -xzf yolov5-5.0.tar.gz
vi yolov5-5.0/models/export.py
:set number
i
# 修改第77行opset_version为11
:wq!

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

在yolov5-5.0目录运行如下命令：

python models/export.py --weights ./yolov5s.pt --img 640 --batch 1

  • 1

运行结果：生成yolov5s.onnx文件。

（2）onnx文件简化及算子处理

首先对导出的onnx图使用onnx-simplifer工具进行简化。在yolov5-5.0目录运行如下命令：

python -m onnxsim --skip-optimization yolov5s.onnx yolov5s_sim.onnx

  • 1

运行结果：生成yolov5s_sim.onnx文件。

然后利用附件脚本video_yolov5/data/models/yolov5/modify_yolov5s_5.0_slice.py修改模型Slice算子。将附件脚本上传yolov5-5.0目录，运行如下命令：

python modify_yolov5s_5.0_slice.py yolov5s_sim.onnx

  • 1

运行结果：生成yolov5s_sim_t.onnx文件。

3、onnx文件转换为om文件

（1）把生成的yolov5s_sim_t.onnx放在video_yolov5/data/models/yolov5目录下
[root@localhost yolov5]#
[root@localhost yolov5]# ls
aipp_yolov5.cfg  atc_310.sh  atc_310P3.sh  coco2014.names  modify_yolov5s_2.0_slice.py  modify_yolov5s_5.0_slice.py  yolov5.cfg  yolov5.pt  yolov5s_sim_t.onnx
[root@localhost yolov5]# 

  • 1
  • 2
  • 3
  • 4
（2）执行模型转换命令

Ascend310芯片模型转换命令如下：

atc \
    --model=./yolov5s_sim_t.onnx \
    --framework=5 \
    --output=./yolov5s \
    --input_format=NCHW \
    --input_shape="images:1,3,640,640"  \
    --enable_small_channel=1 \
    --insert_op_conf=./aipp_yolov5.cfg \
    --soc_version=Ascend310 \
    --log=info

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

Ascend310P3芯片模型转换命令如下：

atc \
    --model=./yolov5s_sim_t.onnx \
    --framework=5 \
    --output=./yolov5s \
    --input_format=NCHW \
    --input_shape="images:1,3,640,640"  \
    --enable_small_channel=1 \
    --insert_op_conf=./aipp_yolov5.cfg \
    --soc_version=Ascend310P3 \
    --log=info

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

参数说明：

–model：待转换的ONNX模型。

–framework：5代表ONNX模型。

–output：输出的om模型。

–input_format：输入数据的格式。

–input_shape：输入数据的shape。

–insert_op_conf=./aipp_yolov5.cfg：AIPP插入节点，通过config文件配置算子信息，功能包括图片色域转换、裁剪、归一化，主要用于处理原图输入数据，常与DVPP配合使用，详见下文数据预处理。

详细ATC命令转换学习请参考：

https://support.huawei.com/enterprise/zh/doc/EDOC1100234054?idPath=23710424%7C251366513%7C22892968%7C251168373

3、模型转换后，会在目录下生成yolov5s.om

[root@localhost yolov5]#
[root@localhost yolov5]# ls
aipp_yolov5.cfg  atc_310.sh  atc_310P3.sh  coco2014.names  modify_yolov5s_2.0_slice.py  modify_yolov5s_5.0_slice.py  yolov5.cfg  yolov5.om  yolov5.pt  yolov5s_sim_t.onnx
[root@localhost yolov5]# 

  • 1
  • 2
  • 3
  • 4

四、使用video_yolov5

1、修改run_cpp.sh & run_python.sh中MX_SDK_HOME为MindX SDK安装目录
export MX_SDK_HOME=/usr/local/sdk_home/mxVision

  • 1
2、修改data/pipeline/test.pipeline中rtspUrl，rtspUrl修改为拉取视频流的链接
"rtspUrl": "rtsp://127.0.0.1/video.264"

  • 1
3、执行run_cpp.sh 或者 run_python.sh
bash run_cpp.sh

  • 1
bash run_python.sh

  • 1
4、在对应目录下生成out.h264视频

在这里插入图片描述
打开视频，视频流目标检测符合预期。

五、image_yolov5详解

1、技术流程图

在这里插入图片描述

视频获取：通过RTSP拉取视频流。
视频解码：调用DVPP解码能力，转换为 YUV 格式图像数据。
图像缩放：调用DVPP，将图像缩放到一定尺寸大小。
目标检测：YoLoV5模型针对图像进行目标检测。
图像绘制边框：调用OSD基础功能在图片上绘制基本单元，如画框、写字、画线、画圆等。
视频编码：调用DVPP编码能力，转换为 H264 格式视频数据。
2、pipeline详解
{
    "classification": {
        "stream_config": {  ##设置业务流在哪个芯片上处理
            "deviceId": "0"
        },
        "mxpi_rtspsrc0": {  ##拉取视频流
            "factory": "mxpi_rtspsrc",
            "props": {
                "rtspUrl": "rtsp://127.0.0.1/video.264",
                "channelId": "0"
            },
            "next": "mxpi_videodecoder0"
        },
        "mxpi_videodecoder0": {  ##视频解码（纯硬件）
            "factory": "mxpi_videodecoder",
            "props": {
                "inputVideoFormat": "H264",
                "outputImageFormat": "YUV420SP_NV12",
                "vdecChannelId": "0"
            },
            "next": "tee0"
        },
        "tee0": {  ##分流插件
            "factory": "tee",
            "next": [
                "queue1",
                "queue2"
            ]
        },
        "queue1": {  ##缓存插件
            "props": {
                "max-size-buffers": "100"
            },
            "factory": "queue",
            "next": "mxpi_imageresize0"
        },
        "queue2": {  ##缓存插件
            "props": {
                "max-size-buffers": "100"
            },
            "factory": "queue",
            "next": "mxpi_opencvosd_plugin:0"
        },
        "mxpi_imageresize0": {  ##图像缩放（纯硬件）
            "props": {
                "dataSource": "mxpi_videodecoder0",
                "resizeHeight": "640",
                "resizeWidth": "640",
                "resizeType": "Resizer_KeepAspectRatio_Fit"
            },
            "factory": "mxpi_imageresize",
            "next": "queue3"
        },
        "queue3": {  ##缓存插件
            "props": {
                "max-size-buffers": "100"
            },
            "factory": "queue",
            "next": "mxpi_modelinfer0"
        },
        "mxpi_modelinfer0": {  ##模型推理
            "props": {
                "dataSource": "mxpi_imageresize0",
                "modelPath": "data/models/yolov5/yolov5s.om",  ##模型路径
                "postProcessConfigPath": "data/models/yolov5/yolov5.cfg",
                "labelPath": "data/models/yolov5/coco2014.names",
                "postProcessLibPath": "libMpYOLOv5PostProcessor.so"
            },
            "factory": "mxpi_modelinfer",
            "next": "queue4"
        },
        "queue4": {  ##缓存插件
            "props": {
                "max-size-buffers": "100"
            },
            "factory": "queue",
            "next": "mxpi_object2osdinstances0"
        },
        "mxpi_object2osdinstances0": {  ##配置OSD绘框参数
            "props": {
                "dataSource": "mxpi_modelinfer0",
                "colorMap":"100,100,100|200,200,200|0,128,255|255,128,0",
                "fontFace":"16",
                "fontScale":"0.5",
                "fontThickness":"2",
                "fontLineType":"16",
                "rectThickness":"2",
                "rectLineType":"16"
            },
            "factory":"mxpi_object2osdinstances",
            "next": "queue5"
        },
        "queue5": {  ##缓存插件
            "props": {
                "max-size-buffers": "100"
            },
            "factory": "queue",
            "next": "mxpi_opencvosd_plugin:1"
        },
        "mxpi_opencvosd_plugin":{  ##绘制边框和目标检测类型
            "factory":"mxpi_opencvosd",
            "next":"queue6"
        },
        "queue6": {  ##缓存插件
            "props": {
                "max-size-buffers": "100"
            },
            "factory": "queue",
            "next": "mxpi_videoencoder0"
        },
        "mxpi_videoencoder0": {  ##视频编码（纯硬件）
            "props": {
                "imageHeight": "1080",
                "imageWidth": "1920",
                "inputFormat": "YUV420SP_NV12",
                "outputFormat": "H264",
                "fps": "1",
                "iFrameInterval": "50"
            },
            "factory": "mxpi_videoencoder",
            "next": "queue7"
        },
        "queue7": {  ##缓存插件
            "props": {
                "max-size-buffers": "100"
            },
            "factory": "queue",
            "next": "appsink0"
        },
        "appsink0": {  ##视频流输出
            "factory": "appsink"
        }
    }
}

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • 84
  • 85
  • 86
  • 87
  • 88
  • 89
  • 90
  • 91
  • 92
  • 93
  • 94
  • 95
  • 96
  • 97
  • 98
  • 99
  • 100
  • 101
  • 102
  • 103
  • 104
  • 105
  • 106
  • 107
  • 108
  • 109
  • 110
  • 111
  • 112
  • 113
  • 114
  • 115
  • 116
  • 117
  • 118
  • 119
  • 120
  • 121
  • 122
  • 123
  • 124
  • 125
  • 126
  • 127
  • 128
  • 129
  • 130
  • 131
  • 132
  • 133
  • 134
3、C++源码详解
int main(int argc, char* argv[])
{
    // 读取pipeline配置文件
    std::string pipelineConfigPath = "data/pipeline/Sample.pipeline";
    std::string pipelineConfig = ReadPipelineConfig(pipelineConfigPath);
    if (pipelineConfig == "") {
        LogError << "Read pipeline failed.";
        return APP_ERR_COMM_INIT_FAIL;
    }

    // 初始化 stream manager 资源
    MxStream::MxStreamManager mxStreamManager;
    APP_ERROR ret = mxStreamManager.InitManager();
    if (ret != APP_ERR_OK) {
        LogError << "Failed to init Stream manager, ret = " << ret << ".";
        return ret;
    }

     // 根据指定的pipeline配置创建Stream
    ret = mxStreamManager.CreateMultipleStreams(pipelineConfig);
    if (ret != APP_ERR_OK) {
        LogError << "Failed to create Stream, ret = " << ret << ".";
        return ret;
    }

    // 创建空的h264文件
    FILE *fp = fopen("./out.h264", "wb");
    if (fp == nullptr) {
        LogError << "Failed to open file.";
        return APP_ERR_COMM_OPEN_FAIL;
    }

    bool m_bFoundFirstIDR = false;
    bool bIsIDR = false;
    uint32_t frameCount = 0;
    uint32_t MaxframeCount = 5000;

    std::string streamName = "classification";
    int inPluginId = 0;

    while (1) {
        // 获取视频编码后的视频帧
        MxStream::MxstDataOutput* output = mxStreamManager.GetResult(streamName, inPluginId, 200000);
        if (output == nullptr) {
            LogError << "Failed to get pipeline output.";
            return ret;
        }

        // H264视频格式，第一帧写入必须是IDR帧
        bIsIDR = (output->dataSize > 1);
        if(!m_bFoundFirstIDR)
        {
            if(!bIsIDR) {
                continue;
            } else {
                m_bFoundFirstIDR = true;
            }
        }

        // 把视频编码后的数据帧写入h264文件
        if (fwrite(output->dataPtr, output->dataSize, 1, fp) != 1) {
            LogInfo << "write frame to file fail";
        }
        LogInfo << "Dealing frame id:" << frameCount;
        frameCount++;
        if (frameCount > MaxframeCount) {

            LogInfo << "write frame to file done";
            break;
        }

        delete output;

    }

    // 关闭h264文件
    fclose(fp);

    // 销毁Streams
    mxStreamManager.DestroyAllStreams();
    return 0;
}

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
4、Python源码详解
if __name__ == '__main__':
    # 初始化 Stream manager 资源
    streamManagerApi = StreamManagerApi()
    ret = streamManagerApi.InitManager()
    if ret != 0:
        print("Failed to init Stream manager, ret=%s" % str(ret))
        exit()

    # 根据指定的pipeline配置创建Stream
    with open("data/pipeline/Sample.pipeline", 'rb') as f:
        pipelineStr = f.read()
    ret = streamManagerApi.CreateMultipleStreams(pipelineStr)
    if ret != 0:
        print("Failed to create Stream, ret=%s" % str(ret))
        exit()

    # 创建空的h264文件
    fo = open("./out.h264", mode='wb')

    m_bFoundFirstIDR = False
    bIsIDR = False
    frameCount = 0
    MaxframeCount = 1000

    streamName = b'classification'
    uniqueId = 0

    while 1 :
        # 获取视频编码后的视频帧
        Result = streamManagerApi.GetResult(streamName, uniqueId, 200000)
        if Result.errorCode != 0:
            print("GetResult error. errorCode=%d, errorMsg=%s" % (Result.errorCode, Result.data.decode()))
            exit()

        # H264视频格式，第一帧写入必须是IDR帧
        bIsIDR = (len(Result.data) > 1)
        if m_bFoundFirstIDR == False :
            if bIsIDR == False :
                continue
            else :
                m_bFoundFirstIDR = True

        # 把视频编码后的数据帧写入h264文件
        if fo.write(Result.data) == 0 :
            print("write frame to file fail")
            break

        print("Dealing frame id: %d" % frameCount)
        frameCount = frameCount + 1

        if frameCount > MaxframeCount :
            print("write frame to file done")
            break

    # 关闭h264文件
    fo.close()

    # 销毁Streams
    streamManagerApi.DestroyAllStreams()

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/很楠不爱3/article/detail/367397
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号