Q&A以前別のプログラムで動画の読み込みができましたが、今現在取り組んでいるプログラムではうまくいきません。
言語はC++を使用しています。
・ソースコード
ヘッダファイルも回答の方に併せて投稿しました。
・OS、コンパイラの情報
windows8.1 64bit
visual studio2013
・**opecvのビルド方法 **
http://opencv.org/downloads.html
VERSION2.4.9の「OpenCV for Windows」をダウンロードしました。
・**aviファイル **
いくつかファイルを試しましたが、同じエラーの内容でした。
・エラーメッセージ
OpenCV Error: Assertion failed (udata < (uchar*)ptr && ((uchar*)ptr - udata) <= (ptrdiff_t)(sizeof(void*)+16)) in cv::fastFree, file C:\builds\2_4_PackSlave-win32-vc12-shared\opencv\modules\core\src\alloc.cpp, line 78
エラーの内容がよくわからない状態なので、どんな小さなことでもいいのでアドバイスをいただけたら幸いです。
よろしくお願いします。
main.cpp
#include <opencv2/opencv.hpp> //静的リンクライブラリの指定 #include <opencv2/opencv_lib.hpp> #include "Classifier.h" #include "IntegralHistogram.h" #include "MeanShift.h" #include "Common.h" //画像を扱う構造体の宣言 IplImage* imgSource = NULL; //原画像 IplImage* imgResult = NULL; //人検出結果 IplImage* imgGray = NULL; //グレイスケール画像 //クラス CClassifier ob_CL; //Real AdaBoostによる識別 CIntegralHistogram ob_IH; //Integral HistogramによるHOG特徴量算出 CMeanShift ob_MS; //MeanShiftによる検出ウィンドウの統合 int main(){ int i, j, l; int frame = 0; CvCapture *capture = NULL; // カメラキャプチャ用の構造体 //出力ウィンドウの作成 char* winOriginal = "OutputImage"; cvNamedWindow(winOriginal, CV_WINDOW_AUTOSIZE); //検出ウィンドウのパラメータ int window_width = INIT_WINDOW_X; int window_height = INIT_WINDOW_Y; int window_count = 0; int window_ture_count = 0; int tcount = 0; double scale; //HOG特徴量の配列 double feature[FEATURE]; // 動画ファイルを開く if ((capture = cvCaptureFromFile("C:\\opencv\\sources\\samples\\c\\swswM4.avi")) == NULL) { // ファイルが見つからなかった場合 printf("ファイルが見つかりません\n"); exit(1); } imgSource = cvQueryFrame(capture); //領域確保 imgGray = cvCreateImage(cvGetSize(imgSource), IPL_DEPTH_8U, 1); //aviファイル設定 double fps = 25.0; CvVideoWriter* VideoWriter = cvCreateVideoWriter("C:\\opencv\\sources\\samples\\c\\result.avi", -1, fps, cvGetSize(imgSource), 1); //カラー画像からグレイスケール画像へ変換 cvCvtColor(imgSource, imgGray, CV_BGR2GRAY); //初期化 ob_IH.CreateGradLUT(); ob_CL.init(); ob_MS.Init(imgSource); ob_IH.Init(imgGray); cvReleaseImage(&imgSource); //人検出開始 while (1){ //画像の読み込み imgSource = cvQueryFrame(capture); if (imgSource == NULL) exit(1); printf("frame -> %d\n", frame); //積分画像の初期化 ob_IH.ClearIH(); // 画像サイズを保存 CvSize imageSize = cvGetSize(imgSource); //領域確保 imgResult = cvCreateImage(imageSize, IPL_DEPTH_8U, 3); //カラー画像からグレイスケール画像へ変換 cvCvtColor(imgSource, imgGray, CV_BGR2GRAY); //勾配方向と勾配強度，積分画像の算出 ob_IH.CreateIntegralHistogram(imgGray); //原画像のコピー memcpy(imgResult->imageData, imgSource->imageData, imgSource->width * imgSource->height * 3); //パラメータの初期化 window_width = INIT_WINDOW_X; window_height = INIT_WINDOW_Y; window_count = 0; window_ture_count = 0; //検出ウィンドウのスケール変化 for (scale = MIN_SCALE; scale < MAX_SCALE; scale += STEP_SCALE){ window_width = INIT_WINDOW_X * scale; window_height = INIT_WINDOW_Y * scale; //検出ウィンドウのラスタスキャン for (j = 0; j<imgSource->height - window_height; j += STEP_WIDTH){ for (i = 0; i<imgSource->width - window_width; i += STEP_WIDTH){ //特徴量抽出 ob_IH.Getfeature(feature, i, j, window_width, window_height); //検出ウィンドウが人であるかの識別 if (ob_CL.classifier(feature) == TRUE){ //検出ウィンドウの座標をストック ob_MS.Voting(i + (int)(window_width * 0.5), j + (int)(window_height * 0.5), window_ture_count, scale); window_ture_count++; } } } } //MeanShiftによる検出ウィンドウの統合 ob_MS.MeanShift(); //Nearest Neighborによる検出ウィンドウの統合 tcount = ob_MS.NearestNeighbor(); //人がいると識別された領域を矩形で囲む for (l = 0; l < tcount; l++){ //検出ウィンドウが統合された数がしきい値以下ならば人以外として判別 if (ob_MS.win[l].count >= TH_HEAD_COUNT){ //検出ウィンドウの縦幅と横幅を計算 window_width = INIT_WINDOW_X * ob_MS.win[l].new_scale; window_height = INIT_WINDOW_Y * ob_MS.win[l].new_scale; //検出ウィンドウを矩形で囲む cvRectangle(imgResult, cvPoint(ob_MS.win[l].new_x - window_width * 0.5, ob_MS.win[l].new_y - window_height * 0.5), cvPoint(ob_MS.win[l].new_x + window_width * 0.5, ob_MS.win[l].new_y + window_height * 0.5), CV_RGB(0, 0, 255), 2, 8, 0); } } //人検出結果を保存と出力 cvShowImage(winOriginal, imgResult); cvWaitKey(10); //１画面分の取り込み cvWriteFrame(VideoWriter, imgResult); // 確保したメモリを開放 cvReleaseImage(&imgSource); cvReleaseImage(&imgResult); frame++; } // 確保したメモリを開放 cvReleaseImage(&imgGray); cvReleaseVideoWriter(&VideoWriter); cvReleaseCapture(&capture); return 0; } コード
回答4件
0
肝心のalloc.cppが無いので外してるかもですが・・・
アサートでこけているようなので、alloc.cpp, line 78もしくは78行目を含む関数の頭にブレークをはってそこまで実行してみましょう。
(udata < (uchar*)ptr && ((uchar*)ptr - udata) <= (ptrdiff_t)(sizeof(void*)+16))とありますから、ptrが怪しいですが・・・止まったらptrの中身や呼び出し履歴を確認すれば原因がつかめると思います。
・・・実行したらこけるのですよね？
投稿2015/12/31 11:20
総合スコア6851
0
Common.h
#include <opencv2/opencv.hpp> //静的リンクライブラリの指定 #include <opencv2/opencv_lib.hpp> #include <math.h> #include <stdio.h> #include <stdlib.h> #include <math.h> #include <windows.h> #include <mmsystem.h> //1個の検出ウィンドウから得られるHOG特徴量の個数 #define FEATURE 3780 //検出ウィンドウのラスタスキャンを行う初期サイズ #define INIT_WINDOW_X 30 #define INIT_WINDOW_Y 60 //検出ウィンドウの最小スケール #define MIN_SCALE 1.0 //検出ウィンドウの最大スケール #define MAX_SCALE 2.5 //検出ウィンドウのスケールの変化幅 #define STEP_SCALE 0.25 //検出ウィンドウをラスタスキャンする際のずらし幅 #define STEP_WIDTH 8 //検出ウィンドウの統合を行った際に，TH_HEAD_COUNTより少ない場合は人と識別しない #define TH_HEAD_COUNT 3 コード
Classifier.h
#include "common.h" //Real AdaBoostによって作成した検出器のフォルダ #define CLASSIFIER_FILE_DIR "C:\\DataSet\\InputData\\boost.dat" //識別に使用する確率密度分布 #define LUT_DIR "C:\\DataSet\\InputData\\LUT\\" #define POS 1 #define NEG 0 #define TRUE 1 #define FALSE 0 #define LEARNING_NUM 500 //学習回数 #define EPSILON 0.0000000001 //弱識別器の出力不可の回避 #define BIN 64 //確率密度分布(1次元ヒストグラム)のBIN数 #define TH 3.0 //valが0以上の場合は1，それ以外は0 #define SIGN(val) ((val == 0) ? 1 : (val < 0) ? 0 : 1) class CClassifier { public: CClassifier(void); ~CClassifier(void); int init(); int classifier(double feature[]); double Prediction(int learn, double feature[]); int ClassifierFileOpen(); int LUTFileOpen(); private: //弱識別器として選択された特徴量の番号 int m_number[LEARNING_NUM]; //弱識別器の確率密度分布 double m_WeakClassifierLUT[LEARNING_NUM][BIN]; }; コード
Classifier.cpp
CClassifier::CClassifier(void) { } CClassifier::~CClassifier(void) { } //初期化 int CClassifier::init(){ //識別器と確率密度分布の読み込み ClassifierFileOpen(); LUTFileOpen(); return 0; } //検出器の読み込み int CClassifier::ClassifierFileOpen(){ int i; char fname[200]; FILE* fp; sprintf(fname, "%s", CLASSIFIER_FILE_DIR); if ((fp = fopen(fname, "r")) == NULL){ printf("File Open Error\n"); exit(1); } for (i = 0; i<LEARNING_NUM; i++){ fscanf(fp, "%d", &m_number[i]); } fclose(fp); return 0; } //確率密度分布読み込み int CClassifier::LUTFileOpen(){ int i, j; double pos, neg; char fname[200]; int tmp; FILE* fp; for (j = 0; j<LEARNING_NUM; j++){ sprintf(fname, "%s%d.dat", LUT_DIR, j); if ((fp = fopen(fname, "r")) == NULL){ printf("File Open Error\n"); exit(1); } for (i = 0; i<BIN; i++){ fscanf(fp, "%d %lf %lf", &tmp, &pos, &neg); //ポジティブクラス，ネガティブクラスの確率密度分布から弱識別器の出力を予めLUTとして計算 m_WeakClassifierLUT[j][i] = 0.5 * log((pos + EPSILON) / (neg + EPSILON)); } fclose(fp); } return 0; } //弱識別器 double CClassifier::Prediction(int learn, double feature[]){ int tmp; //1次元ヒストグラムで表される確率密度分布のどこのBINにくるかを計算 tmp = (int)(feature[m_number[learn]] * BIN); if (tmp >= BIN){ tmp = BIN - 1; } //LUTから弱識別器の読み込みを返す return m_WeakClassifierLUT[learn][tmp]; } //強識別器 int CClassifier::classifier(double feature[]){ int i; double p, q; double c; p = 0, q = 0; c = 0.0; //学習回数分だけ弱識別器による識別の繰り返し for (i = 0; i<LEARNING_NUM; i++){ c += Prediction(i, feature); } //しきい値による判定 if (c >= TH){ return TRUE; } else{ return FALSE; } } コード
投稿2015/12/24 05:48
総合スコア14
0
IntegralHistogram.h
#define CELL_SIZE 8 //8*8pixel #define BLOCK_SIZE 2 //2*2cell #define PI 3.14 #define LN_E 1.0 #define SET_X_SIZE 64 //低解像度にしたときのXの大きさ #define SET_Y_SIZE 128 //低解像度にしたときのYの大きさ #define ORIENTATION 9 #define CW ( SET_X_SIZE / CELL_SIZE) //セルの横幅 #define CH ( SET_Y_SIZE / CELL_SIZE) //セルの縦幅 #define LUT_SIZE 511 //LUTのサイズ class CIntegralHistogram { public: CIntegralHistogram(void); ~CIntegralHistogram(void); // 勾配方向，勾配強度のLUTを作成 int CreateGradLUT(); // 初期化 int Init(IplImage* img); int InitIH(); int ClearIH(); // 各勾配の積分画像の作成 int CreateIntegralHistogram(IplImage* img); int CompIntegralImage(int image_w, int image_h); int Getfeature(double hog_feature[], int x, int y, int w_size, int h_size); // 正規化 int Normalize(double hog_feature[]); // メモリーの解放 int FreeImg(); private: // 各勾配方向の勾配強度 double** image[ORIENTATION]; double cell_hist[CW][CH][ORIENTATION]; int m_bpp; int m_wStep; int m_Width; int m_Height; double m_magnitudeLUT[LUT_SIZE][LUT_SIZE]; int m_gradLUT[LUT_SIZE][LUT_SIZE]; }; コード
IntegralHistogram.cpp
#include <math.h> // include: create #include "IntegralHistogram.h" CIntegralHistogram::CIntegralHistogram(void) { } CIntegralHistogram::~CIntegralHistogram(void) { } // 初期化 int CIntegralHistogram::Init(IplImage* img) { m_wStep = img->widthStep; m_bpp = ((img->depth & 255) / 8) * img->nChannels; m_Width = img->width; m_Height = img->height; // 勾配方向，勾配強度のLUTを作成 CreateGradLUT(); // 各方向のIntegral Image(9方向分)の領域確保 InitIH(); return 0; } // 勾配方向，勾配強度のLUTを作成 int CIntegralHistogram::CreateGradLUT() { int i, j; double x, y; double grad; // 勾配方向の算出 for (j = 0; j < LUT_SIZE; j++){ // 0から511を-255から255に変換 y = j - 255; for (i = 0; i < LUT_SIZE; i++){ // 0から511を-255から255に変換 x = i - 255; m_magnitudeLUT[j][i] = sqrt(x*x + y*y); //勾配の大きさの計算 grad = atan2(y, x); //ラジアンから角度へ変換 grad = (grad * 180) / PI; grad -= 1.0; //マイナスは反転させる if (grad<0.0){ grad += 360.0; } //0～360度を0～180度にする if (grad>180.0){ grad = grad - 180.0; } //20度ずつにする．9分割 m_gradLUT[j][i] = (int)grad / 20; } } return 0; } // 各方向のIntegral Image(9方向分)の領域確保 int CIntegralHistogram::InitIH() { int i, j, k; // メモリの確保 for (k = 0; k < ORIENTATION; k++){ if ((image[k] = (double**)malloc(m_Height * sizeof(double*))) == NULL){ fprintf(stderr, "Don't allocate memory.\n"); exit(1); } for (j = 0; j < m_Height; j++){ if ((image[k][j] = (double*)malloc(m_Width * sizeof(double))) == NULL){ fprintf(stderr, "Don't allocate memory.\n"); for (i = 0; i < j; i++){ free(image[k][i]); } free(image[k]); exit(1); } } } // 初期化 for (k = 0; k < ORIENTATION; k++){ for (j = 0; j < m_Height; j++){ for (i = 0; i < m_Width; i++){ image[k][j][i] = 0.0; } } } return 0; } //各方向のIntegral Image(9方向分)のメモリクリア int CIntegralHistogram::ClearIH(){ int i, j, k; // 初期化 for (k = 0; k < ORIENTATION; k++){ for (j = 0; j < m_Height; j++){ for (i = 0; i < m_Width; i++){ image[k][j][i] = 0.0; } } } return 0; } // 各方向のIntegral Imageを作成 int CIntegralHistogram::CreateIntegralHistogram(IplImage* img){ int x, y; int xgrad, ygrad; int grad; // 勾配方向 int img_h = img->height; int img_w = img->width; int width_size; unsigned char* imgSource = (unsigned char*)img->imageData; // ｙ軸方向の移動 for (y = 0; y < img_h; y++){ width_size = y * m_wStep; // x軸方向の移動 for (x = 0; x < img_w; x++){ //差分 //difference integral if (x == 0){ xgrad = imgSource[width_size + (x + 0)] - imgSource[width_size + (x + 1)]; } else if (x == img_w - 1){ xgrad = imgSource[width_size + (x - 1)] - imgSource[width_size + (x + 0)]; } else{ xgrad = imgSource[width_size + (x - 1)] - imgSource[width_size + (x + 1)]; } if (y == 0){ ygrad = imgSource[(y + 0)*m_wStep + x] - imgSource[(y + 1)*m_wStep + x]; } else if (y == img_h - 1){ ygrad = imgSource[(y - 1)*m_wStep + x] - imgSource[(y + 0)*m_wStep + x]; } else{ ygrad = imgSource[(y - 1)*m_wStep + x] - imgSource[(y + 1)*m_wStep + x]; } xgrad = xgrad + 255; ygrad = ygrad + 255; // 勾配方向 grad = m_gradLUT[ygrad][xgrad]; // 勾配強度 image[grad][y][x] = m_magnitudeLUT[ygrad][xgrad]; } } // 各方向のIntegral Imageの算出 CompIntegralImage(img_w, img_h); return 0; } // 各方向のIntegral Imageの算出 int CIntegralHistogram::CompIntegralImage(int image_w, int image_h){ int i, j, k; for (k = 0; k < ORIENTATION; k++){ // y軸方向の加算 for (j = 1; j < image_h; j++){ for (i = 0; i < image_w; i++){ image[k][j][i] = image[k][j - 1][i] + image[k][j][i]; } } // x軸方向の加算 for (j = 0; j < image_h; j++){ for (i = 1; i < image_w; i++){ image[k][j][i] = image[k][j][i - 1] + image[k][j][i]; } } } return 0; } // 指定範囲内のintegral imageを算出 int CIntegralHistogram::Getfeature(double feature[], int x, int y, int w_size, int h_size){ int p, q, k; int x1, x2, y1, y2; // 1セルが何ピクセルか算出 int iw = w_size / CW; int ih = h_size / CH; //領域内の勾配方向ヒストグラムの作成 for (q = 0; q < CH; q++){ y1 = y + ih * q; y2 = y1 + ih - 1; for (p = 0; p < CW; p++){ x1 = x + iw * p; x2 = x1 + iw - 1; if (x1 == 0){ if (y1 == 0){ for (k = 0; k < ORIENTATION; k++){ cell_hist[p][q][k] = image[k][y2][x2]; } } else{ for (k = 0; k < ORIENTATION; k++){ cell_hist[p][q][k] = image[k][y2][x2] - image[k][y1 - 1][x2]; } } } else{ if (y1 == 0){ for (k = 0; k < ORIENTATION; k++){ cell_hist[p][q][k] = image[k][y2][x2] - image[k][y2][x1 - 1]; } } else{ for (k = 0; k < ORIENTATION; k++){ cell_hist[p][q][k] = (image[k][y1 - 1][x1 - 1] + image[k][y2][x2]) - (image[k][y2][x1 - 1] + image[k][y1 - 1][x2]); } } } } } // ヒストグラムの正規化と特徴量の取得 Normalize(feature); return 0; } //正規化したHOG特徴量の取得 int CIntegralHistogram::Normalize(double feature[]) { int i, j, p, q, k; int c = 0; double sum_magnitude = 0.0; double e = LN_E; double div_regular; int box_w = CW - BLOCK_SIZE + 1; int box_h = CH - BLOCK_SIZE + 1; //ｙ軸方向 for (q = 0; q < box_h; q++){ //x軸方向 for (p = 0; p < box_w; p++){ //ｙ軸方向のセル内の移動 for (j = 0; j < BLOCK_SIZE; j++){ //x軸方向のセル内の移動 for (i = 0; i < BLOCK_SIZE; i++){ for (k = 0; k < ORIENTATION; k++){ //正規化のためヒストグラムの総和の二乗を求める sum_magnitude += cell_hist[p + i][q + j][k] * cell_hist[p + i][q + j][k]; } } } div_regular = 1.0 / sqrt(sum_magnitude + e); //ｙ軸方向のセル内の移動 for (j = 0; j < BLOCK_SIZE; j++){ //x軸方向のセル内の移動 for (i = 0; i < BLOCK_SIZE; i++){ //ヒストグラムの正規化 for (k = 0; k < ORIENTATION; k++){ // あらかじめ計算しておいた除数でかける feature[c] = cell_hist[p + i][q + j][k] * div_regular; //printf("%f\n", feature[c] ); c++; } } } sum_magnitude = 0.0; } } return 0; } // メモリの解放 int CIntegralHistogram::FreeImg() { int j, k; for (k = 0; k < ORIENTATION; k++){ for (j = 0; j < m_Height; j++){ free(image[k][j]); } free(image[k]); } return 0; } コード
投稿2015/12/24 05:46
総合スコア14
0
MeanShift.h
//インクルードファイル指定 #include <opencv2/opencv.hpp> //静的リンクライブラリの指定 #include <opencv2/opencv_lib.hpp> #include <math.h> #include <stdio.h> #include <time.h> #define PI 3.14 #define RADIUS 30.0//20.0 //検出ウィンドウの統合範囲 #define SCALE_RADIUS 0.5 //スケール空間統合範囲(バンド幅) class CMeanShift { public: CMeanShift(void); ~CMeanShift(void); int Init(IplImage* img); int Voting(int w, int h, int count, double scale); int MeanShift(); int NearestNeighbor(); typedef struct{ int old_x; int old_y; int new_x; int new_y; double old_scale; double new_scale; int count; }Window; struct Window win[4000]; private: int m_Width; int m_Height; int m_ImageSize; int bpp; int wStep; int m_count; }; コード
MeanShift.cpp
CMeanShift::CMeanShift(void) { } CMeanShift::~CMeanShift(void) { } //初期化 int CMeanShift::Init(IplImage* img){ m_Width = img->width; m_Height = img->height; m_ImageSize = m_Width*m_Height; wStep = img->widthStep; bpp = ((img->depth & 255) / 8) * img->nChannels; return 0; } //正規分布状に投票 int CMeanShift::Voting(int w, int h, int count, double scale){ win[count].old_x = w; win[count].old_y = h; win[count].old_scale = scale; m_count = count; return 0; } int CMeanShift::MeanShift(){ int i, j; double x, y, xi, yi, move_x, move_y, move_scale, Kernel, Kernel1, Kernel2; double scale, scalei; double sum_x = 0.0, sum_y = 0.0, sum_scale = 0.0, sum_w = 0.0; double radius; // 検出座標数だけ繰り返し for (i = 0; i<m_count; i++){ x = win[i].old_x; y = win[i].old_y; scale = win[i].old_scale; while (1){ //初期化 sum_x = sum_y = sum_scale = sum_w = 0.0; //密度計算 for (j = 0; j<m_count; j++){ xi = win[j].old_x; yi = win[j].old_y; scalei = win[j].old_scale; //x-y空間のカーネル関数 Kernel1 = -(((x - xi) * (x - xi) + (y - yi) * (y - yi)) / (RADIUS * RADIUS)); Kernel1 = exp(Kernel1); //scale空間のカーネル関数 Kernel2 = -(((scale - scalei) * (scale - scalei)) / (SCALE_RADIUS * SCALE_RADIUS)); Kernel2 = exp(Kernel2); //カーネルの統合 Kernel = Kernel1 * Kernel2; sum_x += xi * Kernel; sum_y += yi * Kernel; sum_scale += scalei * Kernel; sum_w += Kernel; } // 移動量の計算 move_x = (sum_x / sum_w) - x; move_y = (sum_y / sum_w) - y; move_scale = (sum_scale / sum_w) - scale; x = x + move_x; y = y + move_y; scale = scale + move_scale; // 閾値以下に収束するまで if (move_x > -0.1 && move_x < 0.1 && move_y > -0.1 && move_y < 0.1 && move_scale > -SCALE_RADIUS && move_scale < SCALE_RADIUS){ break; } } // Mean-Shift後位置保存 win[i].new_x = int(x); win[i].new_y = int(y); win[i].new_scale = scale; } return 0; } int CMeanShift::NearestNeighbor(){ int i, j; int count = 0; double d; double th = RADIUS; int flag; struct Window win2[4000]; memset(win2, 0, sizeof(win2)); int outcount; for (j = 0; j<m_count; j++){ flag = 0; if (win[j].new_x != -100){ win2[count].new_x = win[j].new_x; win2[count].new_y = win[j].new_y; win2[count].new_scale = win[j].new_scale; win2[count].count++; count++; flag = 1; } if (flag == 1){ outcount = 0; for (i = j; i<m_count; i++){ d = ((win[j].new_x - win[i].new_x) * (win[j].new_x - win[i].new_x) + (win[j].new_y - win[i].new_y) * (win[j].new_y - win[i].new_y)); if (d < (th * th) && i != j){ win2[count - 1].count++; win2[count - 1].new_x = (win2[count - 1].new_x + win[i].new_x) / 2.0; win2[count - 1].new_y = (win2[count - 1].new_y + win[i].new_y) / 2.0; win2[count - 1].new_scale = (win2[count - 1].new_scale + win[i].new_scale) / 2.0; win[i].new_x = -100; win[i].new_y = -100; win[i].new_scale = -1.0; win[i].count = 0; outcount++; } } } } memcpy(win, win2, sizeof(win)); return count; } コード
投稿2015/12/24 05:44
総合スコア14
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2015/12/31 19:04
2016/01/01 21:53 編集