Initial commit

Detector.py

+import cv2
+
+
+# 鼻子检测
+def nose_detection(img):
+    img = cv2.GaussianBlur(img, (5, 5), 0)  # 高斯滤波
+    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 将图片转化成灰度
+    nose_cascade = cv2.CascadeClassifier("haarcascade_mcs_nose.xml")
+    nose_cascade.load("data/haarcascades/haarcascade_mcs_nose.xml")  # 文件所在的具体位置
+    '''此文件是opencv的haar鼻子特征分类器'''
+    noses = nose_cascade.detectMultiScale(gray, 1.3, 5)  # 鼻子检测
+    for (x, y, w, h) in noses:
+        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)  # 画框标识鼻子
+    flag = 0  # 检测到鼻子的标志位，如果监测到鼻子，则判断未带口罩
+    if len(noses) > 0:
+        flag = 1
+    return img, flag
+
+
+# 眼睛检测
+def eye_detection(img):
+    img = cv2.GaussianBlur(img, (5, 5), 0)  # 高斯滤波
+    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 将图片转化成灰度
+    eyes_cascade = cv2.CascadeClassifier("haarcascade_eye_tree_eyeglasses.xml")
+    eyes_cascade.load("data/haarcascades/haarcascade_eye_tree_eyeglasses.xml")  # 文件所在的具体位置
+    '''此文件是opencv的haar眼睛特征分类器'''
+    eyes = eyes_cascade.detectMultiScale(gray, 1.3, 5)  # 眼睛检测
+    for (x, y, w, h) in eyes:
+        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)  # 画框标识眼部
+        # print("x y w h is", (x, y, w, h))
+        # frame = cv2.rectangle(img, (x, y+h), (x + 3*w, y + 3*h), (255, 0, 0), 2)  # 画框标识眼部
+    return img, eyes
+
+
+def back(x):
+    pass
+
+
+# 嘴巴检测
+def get_mouth(faces, predictor, img_gray):
+    for i, face in enumerate(faces):
+        # 人脸高度
+        height = face.bottom() - face.top()
+        # 人脸宽度
+        width = face.right() - face.left()
+        shape = predictor(img_gray, face)
+        # 48-67 为嘴唇部分
+        x = []
+        y = []
+        for j in range(48, 68):
+            x.append(shape.part(j).x)
+            y.append(shape.part(j).y)
+        # 根据嘴唇位置和人脸大小推断口罩位置
+        y_max = int(max(y) + 2 * height / 5 + 10)
+        y_min = int(min(y) - 2 * height / 5 - 10)
+        x_max = int(max(x) + 2 * width / 5)
+        x_min = int(min(x) - 2 * width / 5)
+        size = ((x_max - x_min), (y_max - y_min))
+        return x_min, x_max, y_min, y_max, size

Filter.py

+import time
+
+import cv2
+import numpy as np
+
+
+# 双边滤波，size为核大小
+def bilateral_filter(image, size=3, sigma_s=20, sigma_c=20):
+    h, w, c = image.shape  # 获取图像信息
+    image = cv2.copyMakeBorder(image, size, size, size, size, cv2.BORDER_REPLICATE)  # 扩展边界
+    pic_ = image.copy()
+    time_start = time.time()
+    for i in range(size, size + h):  # 双边滤波
+        for j in range(size, size + w):
+            for k in range(c):
+                tol_up = 0.0
+                tol_down = 0.0
+                for m in range(i - size, i + size + 1):
+                    for n in range(j - size, j + size + 1):
+                        temp = get_g(image, i, j, m, n, k, sigma_s, sigma_c)
+                        tol_up += temp * pic_[m, n, k]
+                        tol_down += temp
+                value = min(255.0, tol_up / tol_down)  # 防止值溢出
+                pic_[i, j, k] = value
+    time_end = time.time()
+    print("花费时间:", time_end - time_start)
+    return pic_[size: size + h, size: size + w]  # 裁剪回原图
+
+
+def get_g(image, i, j, m, n, k, sigma_s, sigma_c):
+    gs = np.exp(-((i - m) ** 2 + (j - n) ** 2) / (2 * sigma_s ** 2))
+    gr = np.exp(-(float(image[i, j, k]) - float(image[m, n, k])) ** 2 / (2 * sigma_c ** 2))
+    return gs * gr
+
+
+# 中值滤波，size为核大小
+def median_filter(image, size=3):
+    h, w, c = image.shape
+    image = cv2.copyMakeBorder(image, size, size, size, size, cv2.BORDER_REPLICATE)  # 扩展边界
+    pic_ = image.copy()
+    for i in range(size, size + h):
+        for j in range(size, size + w):
+            for k in range(c):
+                pic_[i, j, k] = np.median(image[i-size: i+size, j-size: j+size, k])  # 调用np.median求取中值
+    return pic_
+
+
+# 均值滤波，size为核大小
+def average_filter(image, size=3):
+    h, w, c = image.shape
+    image = cv2.copyMakeBorder(image, size, size, size, size, cv2.BORDER_REPLICATE)  # 扩展边界
+    pic_ = image.copy()
+    for i in range(size, size + h):
+        for j in range(size, size + w):
+            for k in range(c):
+                pic_[i, j, k] = np.mean(image[i-size: i+size, j-size: j+size, k])  # 调用np.median求取均值
+    return pic_
+
+
+# 高通滤波, r为通带半径
+def high_pass_filter(image, r=40):
+    image_ = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
+    dft = np.fft.fft2(image_)
+    # 将频域从左上角移动到中间
+    dft_shift = np.fft.fftshift(dft)
+
+    h, w = dft_shift.shape[0], dft_shift.shape[1]
+    mh, mw = int(h/2), int(w/2)  # 中心位置
+    dft_shift[mh-r: mh+r, mw-r: mw+r] = 0
+
+    # 傅里叶逆变换
+    i_dft_shift = np.fft.ifftshift(dft_shift)
+    i_image = np.fft.ifft2(i_dft_shift)
+    i_image = np.uint8(np.abs(i_image))
+    return i_image
+
+
+# 低通滤波器
+def low_pass_filter(img, size=60):
+    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+    # 傅里叶变换
+    img_dft = np.fft.fft2(img)
+    # 将频域从左上角移动到中间
+    dft_shift = np.fft.fftshift(img_dft)
+    # 高通滤波
+    h, w = dft_shift.shape[0], dft_shift.shape[1]
+    mh, mw = int(h/2), int(w/2)
+    mask = np.zeros(dft_shift.shape, dtype=np.uint8)
+    mask[mh-int(size/2): mh+int(size / 2), mw-int(size/2): mw+int(size/2)] = 1
+    dft_shift = dft_shift * mask
+
+    # 将频域从中间移动到左上角
+    i_dft_shift = np.fft.ifftshift(dft_shift)
+    i_img = np.fft.ifft2(i_dft_shift)
+    i_img = np.uint8(np.abs(i_img))
+    return i_img

NoiseGenerator.py

+import random
+
+import numpy as np
+
+from numpy import array, clip, uint8
+from numpy.random import uniform, rayleigh
+
+
+# 添加高斯噪声
+def add_gauss_noise(image, sigma=40):
+    # 获得r,g,b三个图像通道
+    r = image[:, :, 0].flatten()
+    g = image[:, :, 1].flatten()
+    b = image[:, :, 2].flatten()
+
+    # 遍历像素随机生成高斯噪声
+    # 对每个通道增加噪声
+    for i in range(image.shape[0] * image.shape[1]):
+        pr = int(r[i]) + random.gauss(0, sigma)
+        pg = int(g[i]) + random.gauss(0, sigma)
+        pb = int(b[i]) + random.gauss(0, sigma)
+        if pr < 0:
+            pr = 0
+        if pr > 255:
+            pr = 255
+        if pg < 0:
+            pg = 0
+        if pg > 255:
+            pg = 255
+        if pb < 0:
+            pb = 0
+        if pb > 255:
+            pb = 255
+        r[i] = pr
+        g[i] = pg
+        b[i] = pb
+
+    image[:, :, 0] = r.reshape([image.shape[0], image.shape[1]])
+    image[:, :, 1] = g.reshape([image.shape[0], image.shape[1]])
+    image[:, :, 2] = b.reshape([image.shape[0], image.shape[1]])
+    return image
+
+
+# 添加椒盐噪声，arg为信噪比(不增加噪声的像素点/总像素点)
+def add_salt_noise(image, arg=0.9):
+    image_ = image.copy()
+    for h in range(image_.shape[0]):
+        for w in range(image_.shape[1]):
+            if np.random.random(1) > arg:
+                image_[h, w] = np.random.randint(2) * 255
+    return image_
+
+
+# 添加伽马噪声，var为方差
+def add_gamma_noise(image, var=0.1):
+    image = array(image/255, dtype=float)
+    # 2个服从指数分布的噪声叠加
+    noise = np.random.gamma(2, var ** 0.5, image.shape)
+    image = image + noise
+    image = clip(image, 0, 1)
+    image = uint8(image * 255)
+    return image
+
+
+# 添加均匀噪声，high为上界，low为下界
+def add_uniform_noise(image, high=1.0, low=0.0):
+    image = array(image/255, dtype=float)
+    noise = uniform(low, high, image.shape)
+    image = image + noise
+    image = clip(image, 0, 1)
+    image = uint8(image * 255)
+    return image
+
+
+# 添加瑞利噪声， var为方差
+def add_rayleigh_noise(image, var=0.1):
+    image = array(image/255, dtype=float)
+    noise = rayleigh(var ** 0.5, image.shape)
+    image = image + noise
+    image = clip(image, 0, 1)
+    image = uint8(image * 255)
+    return image

PicUtils.py

+import math
+
+import cv2
+import dlib
+import face_recognition
+import numpy as np
+from PIL import Image
+
+import Detector
+
+
+def change_size(image, ratio):
+    h = image.shape[0]
+    w = image.shape[1]
+    dh = int(ratio * h)
+    dw = int(ratio * w)
+    image = cv2.resize(image, (dw, dh))
+    return image
+
+
+# 计算灰度直方图
+def get_gray_hist(image):
+    h, w, c = image.shape
+    gray_hist = np.zeros(256, np.uint32)
+    for i in range(h):
+        for j in range(w):
+            for k in range(c):
+                gray_hist[image[i][j][k]] += 1
+    return gray_hist
+
+
+# 直方图正规化
+def regularize(image):
+    i_max = np.max(image)
+    i_min = np.min(image)
+    o_min, o_max = 0, 255
+    a = float(o_max - o_min) / (i_max - i_min)
+    b = o_min - a * i_min
+    image = a * image + b
+    image = image.astype(np.uint8)
+    return image
+
+
+# 直方图均衡化
+def equalize(image):
+    h, w, c = image.shape
+    gray_hist = get_gray_hist(image)
+    cal_gray_hist = np.zeros(256, np.uint32)
+    cal_gray_hist[0] = gray_hist[0]
+    for i in range(1, 256):
+        cal_gray_hist[i] = cal_gray_hist[i-1] + gray_hist[i]
+    output = np.zeros(256, np.uint8)
+    param = 256.0 / (h * w)
+    for i in range(256):
+        j = param * float(cal_gray_hist[i]) - 1
+        if j > 0:
+            output[i] = math.floor(j)
+        else:
+            output[i] = 0
+    equal_hist = np.zeros(image.shape, np.uint8)
+    for i in range(h):
+        for j in range(w):
+            for k in range(c):
+                equal_hist[i][j][k] = output[image[i][j][k]]
+    return equal_hist
+
+
+def remove_background(img, col):
+    detector = dlib.get_frontal_face_detector()
+    predictor = dlib.shape_predictor('data/shape_predictor_68_face_landmarks.dat')
+    h, w = img.shape[:2]
+    faces = detector(img, 0)
+    mask = np.zeros(img.shape[:2], np.uint8)
+    bg = np.zeros((1, 65), np.float64)
+    fg = np.zeros((1, 65), np.float64)
+    if len(faces) > 0:
+        for k, d in enumerate(faces):
+            left = max(int((3 * d.left() - d.right()) / 2), 1)
+            top = max(int((3 * d.top() - d.bottom()) / 2) - 60, 1)
+            right = min(int((3 * d.right() - d.left()) / 2), w)
+            bottom = min(int((3 * d.bottom() - d.top()) / 2) + 60, h)
+            rect = (left, top, right, bottom)
+    else:
+        exit(0)
+    # 函数返回的mask中明显的背景像素为0，明显的前景像素为1，可能的背景像素为2，可能的前景像素为3
+    cv2.grabCut(img, mask, rect, bg, fg, 10, cv2.GC_INIT_WITH_RECT)
+    # mask为0或2(即为背景的)设置为0
+    mask = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')
+    # 背景颜色(蓝/红/白)
+    bg_color = [(225, 166, 23), (0, 0, 255), (255, 255, 255)]
+    # 相乘则将背景的像素置为0，留下前景
+    img = img * mask[:, :, np.newaxis]
+    # 腐蚀操作
+    img = cv2.erode(img, None, iterations=1)
+    # 膨胀操作
+    img = cv2.dilate(img, None, iterations=1)
+    for i in range(h):  # 高
+        for j in range(w):
+            if max(img[i, j]) == 0:
+                img[i, j] = bg_color[col]
+    img = img[rect[1]:rect[3], rect[0]:rect[2]]
+    img = cv2.resize(img, (164, 233))
+    cv2.imwrite("images/tmp/certificate.png", img)
+
+
+def paste_pic(img, col):
+    remove_background(img, col)
+    img = Image.open("images/tmp/certificate.png")
+    background = Image.open("images/certificate.png")
+    background.paste(img, (534, 196))
+    background.save("result/certificate.png", quality=95)
+
+
+def face_rec(img, face_characters, face_names):
+    face_locations = face_recognition.face_locations(img)  # 获得所有人的人脸位置
+    img_characters = face_recognition.face_encodings(img, face_locations)  # 获得所有人的人脸特征值
+    pic_face_names = []  # 记录画面中的所有人名
+    for img_character in img_characters:  # 和数据库人脸进行对比
+        # 数据集中相似度超过0.5的则为true，否则为false,优先返回高匹配度
+        tol = 0.05
+        flag = 0
+        while tol <= 0.5:
+            res = face_recognition.compare_faces(face_characters, img_character, tolerance=tol)
+            # 存在匹配的结果则记录下标
+            if True in res:
+                index = res.index(True)
+                name = face_names[index]
+                pic_face_names.append(name)
+                flag = 1
+                break
+            tol += 0.02
+        if flag == 0:
+            pic_face_names.append("unknown")
+    # 将捕捉到的人脸显示出来
+    for (top, right, bottom, left), name in zip(face_locations, pic_face_names):
+        cv2.rectangle(img, (left, top), (right, bottom), (0, 0, 255), 2)  # 画人脸矩形框
+        # 加上人名标签
+        cv2.rectangle(img, (left, bottom - 30), (right, bottom), (0, 0, 255), cv2.FILLED)
+        cv2.putText(img, name, (left + 5, bottom - 5), cv2.FONT_HERSHEY_DUPLEX, 1.0, (255, 255, 255), 1)
+    # 保存图片并进行实时的显示
+    h = img.shape[0]
+    w = img.shape[1]
+    ratio1 = 500 / h
+    ratio2 = 800 / w
+    img = change_size(img, min(ratio1, ratio2))
+    cv2.imwrite("images/tmp/face_rec.jpg", img)
+    if len(img_characters) == 0:
+        return 0
+    return 1
+
+
+def mask_rec(img):
+    img_nose, noses = Detector.nose_detection(img)  # 鼻子检测
+    if noses == 1:  # 检测到鼻子说明未戴口罩
+        cv2.putText(img_nose, "NO MASK", (15, 30), cv2.FONT_HERSHEY_COMPLEX, 0.9, (0, 0, 255), 1)  # 图片上写字
+        cv2.imwrite('images/tmp/mask_rec.jpg', img_nose)
+    if noses == 0:  # 未检测到鼻子则进行眼睛检测
+        img_eye, eyes = Detector.eye_detection(img)  # 进行眼睛检测，返回检测之后的图形以及标志位
+        hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  # 将图片转化成HSV格式
+        h, s, v = cv2.split(hsv)  #
+        # h_min = cv2.getTrackbarPos("h_min", 'skin')  # 获取bar
+        # h_max = cv2.getTrackbarPos("h_max", 'skin')
+        # if h_min > h_max:
+        #     h_max = h_min
+        thresh = cv2.inRange(h, 0, 15)  # 提取人体肤色区域
+        if len(eyes) > 1:  # 判断是否检测到两个眼睛，其中eyes[0]为左眼坐标
+            # 确定口罩区域
+            # 左眼的begin为口罩begin
+            mask_x_begin = min(eyes[0][0], eyes[1][0])
+            # 右眼begin+右眼宽度为口罩end
+            mask_x_end = max(eyes[0][0], eyes[1][0]) + \
+                         eyes[list([eyes[0][0], eyes[1][0]]).index(max(list([eyes[0][0], eyes[1][0]])))][2]
+            # 越界处理
+            if mask_x_end > img_eye.shape[0]:
+                mask_x_end = img_eye.shape[0]
+            # 眼睛高度为口罩begin
+            mask_y_begin = max(eyes[0][1] + eyes[0][3], eyes[1][1] + eyes[1][3]) + 20
+            # 越界处理
+            if mask_y_begin > img_eye.shape[1]:
+                mask_y_begin = img_eye.shape[1]
+            mask_y_end = max(eyes[0][1] + 3 * eyes[0][3], eyes[1][1] + 3 * eyes[1][3]) + 20
+            if mask_y_end > img_eye.shape[1]:
+                mask_y_end = img_eye.shape[1]
+            cv2.rectangle(img_eye, (mask_x_begin, mask_y_begin), (mask_x_end, mask_y_end), (255, 0, 0), 2)
+            mask_scale = 0
+            face_scale = 0
+            # 遍历二值图，为0则total_mask_pixel+1，否则total_face_pixel+1
+            for i in range(mask_x_begin, mask_x_end):
+                for j in range(mask_y_begin, mask_y_end):
+                    if thresh[i, j] == 0:
+                        mask_scale += 1
+                    else:
+                        face_scale += 1
+            if mask_scale > face_scale:
+                cv2.putText(img_eye, "HAVE MASK", (mask_x_begin, mask_y_begin - 10),
+                            cv2.FONT_HERSHEY_COMPLEX, 0.9, (0, 0, 255), 1)
+            if mask_scale < face_scale:
+                cv2.putText(img_eye, "NO MASK", (mask_x_begin, mask_y_begin - 10),
+                            cv2.FONT_HERSHEY_COMPLEX, 0.9, (0, 0, 255), 1)
+        cv2.imwrite("images/tmp/mask_rec.jpg", img_eye)

README.md

-![](https://file.iviewui.com/cloud-ide/1024game-cover.png)
-
-## 一、大赛介绍
-
-代码开发随着云计算技术的不断发展，云 IDE 能够帮助开发者聚焦业务逻辑，简化应用开发难度，提升软件研发效率。云 IDE 应用挑战赛是由 CSDN 自主策划的轻量级挑战赛事。参赛者可在 CSDN 的云 IDE 上（[https://ide.csdn.net](https://ide.csdn.net)）自动拉取代码并在线运行、预览、提交代码，赛事所有的事项都可以在云 IDE 内一站式完成。比赛不对作品提交形式作限制，参赛者可以尽情发挥自己的想象力。
-
-## 二、参赛对象
-
-大赛面向全社会开放，个人、高等院校、科研单位、企业等人员均可报名参赛。
-
-说明：如有大赛主办方和技术支持单位（如 CSDN 员工）参赛，则自动放弃获奖资格。
-
-## 三、赛事安排
-
-|  赛程   | 时间  |
-|  ----  | ----  |
-| 参赛报名及提交作品  | 2022.10.23 - 2022.11.06 |
-| 作品评选  | 2022.11.07 - 2022.11.14 |
-| 评选结果公布  | 2022.11.15 |
-| 奖励发放  | 2022.11.16 - 2022.11.22 |
-
-## 四、奖项设置
-
-|  奖项   | 奖品  | 人数 |
-|  ----  | ----  | ---- |
-| 一等奖  | **奖金 ¥5000 元** + 10核 10G 云实验环境会员 -1年| 1 |
-| 二等奖  | **奖金 ¥2000 元** + 10核 10G 云实验环境会员 -1年 | 2 |
-| 三等奖  | **奖金 ¥1000 元** + 10核 10G 云实验环境会员 -1年 | 5 |
-| 优秀奖  | **奖金 ¥100 元** + 10核 10G 云实验环境会员 -1年 | 80 |
-| 参与奖  | 10核 10G 云实验环境会员 -1个月 | 前10000名参赛者可得 |
-
-注：一年10核10G云实验环境会员，非云服务器，是云容器实验环境，详细介绍[戳我查看](https://mydev.csdn.net/product/pod/new)。
-
-## 五、参赛要求
-
-1. 开发者可根据自己情况选择业界知名开源项目进行自行开发，或自研可开源项目结合GitCode和Cloud IDE进行开发与适配，作品要求必须能通过 CSDN 的云 IDE 内置的预览功能，在云 IDE 内预览。（CSDN 的云IDE：[https://ide.csdn.net](https://ide.csdn.net)）。作品可以是任何小应用（如外卖H5、个人主页）；小游戏（如 2048、五子棋）；各类特效（如 three.js、前端动画）等。
-
-2. 未满 18 周岁的报名者，请在报名前征得有法定监护权的监护人的同意。
-
-3. 参赛作品不存在抄袭等行为。
-
-4. 除参与奖外，获奖人员，领奖时需实名认证，1 个实名认证用户仅可领取1份奖项。
-
-## 六、报名及参赛流程
-
-1. **进入 1024 云 IDE 应用挑战赛页面：[https://gitcode.net/cloud-ide/1024](https://gitcode.net/cloud-ide/1024)** 。**Fork 该项目，即参与比赛**。
-
-2. **参赛后，将 Fork 的项目在云 IDE 中打开，并在云IDE中完成您自己的作品，提交代码。**
-
-在云IDE提交代码，有2种操作方法，任选其一即可：
-
-**方法一：**
-
-> (1) 访问 [https://ide.csdn.net](https://ide.csdn.net) ，新建工作空间，仓库地址填写 克隆 的 Git 地址（操作方法：点击”克隆“，复制 ”通过SSH Clone项目“ 的链接）
->  
-> <img src="https://gitcode.net/cloud-ide/1024/-/raw/main/src/gitcode-ssh.png" width="400px" style="border: 6px solid #fff;border-radius: 2px;">
-> <img src="https://file.iviewui.com/cloud-ide/cloud-ide-img-1.png" width="400px" style="border: 6px solid #fff;border-radius: 2px;">
-> 
-> （2）填写 SSH 的 Git 地址，并将云 IDE 提供的 SSH Key （操作方法：[https://dev-ide.csdn.net/doc#git_commit](https://dev-ide.csdn.net/doc#git_commit) ）绑定到自己的 GitCode SSH 密钥中 [https://gitcode.net/-/profile/keys](https://gitcode.net/-/profile/keys)
-
-
-**方法二：**
-
-> (1) 直接在 Fork 的 GitCode 域名前加 ide 进入，例如 https://gitcode.net/xxxxx/1024 修改为 https://idegitcode.net/xxxxx/1024
-> <br/>
-> <img src="https://file.iviewui.com/cloud-ide/cloud-ide-img-2.png" width="400px" style="border: 6px solid #fff;border-radius: 2px;display:block">
-> 
-> (2) 提交代码时，云 IDE 会让用户输入 CSDN 的账号和密码（即手机号+密码）
-
-**3. 提交代码后，即可等待CSDN官方进行评选。** 2022.11.07 - 2022.11.14为作品评选时间，2022.11.15公布评选结果。
-
-
-## 七、评选规则
-
-由评选委员会根据获得的 Star、作品复杂程度、易用性、新颖性等多角度评选。 
-
-1. Star 占比 20%
-
-    a. 获得 Star 的数量，1 颗即为 1 分，最高 20 分封顶
-
-2. 作品复杂程度占比 40%
-
-    a. 作品完整度
-
-    b. 代码简洁，代码可读性强
-
-    c. 架构清晰
-
-    d. 作品难度，如使用了一些高级 API，比如 WebGL、Canvas
-
-3. 易用性占比 30%
-
-    a. 作品配套的说明，如果项目介绍、如果使用等
-
-    b. 交互体验，产品具有较好的交互体验，有足够的易用性
-
-    c. 可用，代码能在 CSDN 的云 IDE 上完整运行
-
-4. 新颖性占比 10%
-
-    a. 新颖性，使用了较为新颖的技术实现
-
-## 八、领奖规则
-
-1. 获奖名单会在该评选结束后在该页面公布。
-
-2. 工作人员将在活动结束后的7个工作日内，通过CSDN私信联系中奖用户，进行发奖，请您注意消息通知。
-
-## 九、赛事交流
-
-参赛选手官方交流群（仅作为选手之间讨论和交流）。扫码进入选手沟通群。大赛重要节点通知会在群内第一时间告知，请所有报名选手务必加群
-
-<img src="https://file.iviewui.com/asd/cloud-ide/cloud-ide-2.png" width="200px" style="border: 6px solid #fff;border-radius: 2px;">
-
-## 十、其他说明
-
-若出现以下情况，将视为违规，大赛组委会有权取消用户参赛资格及获得的奖项。
-
-1. 参赛报名信息虚假，或不符合大赛报名要求的参赛者。
-
-2. 参赛作品涉嫌抄袭，侵犯他人知识产权等行为。
-
-3. 参赛期间或参赛作品发现或被举报认定存在的其他违法、违规行为。
-
-法律允许范围内的，最终解释权归 CSDN 所有。
-
-<div style="height:200px"></div>
-