• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于HOG3D描述器與稀疏編碼的異常行為檢測方法

    2016-10-27 14:11:06何聰芹華東理工大學(xué)信息科學(xué)與工程學(xué)院上海200237
    關(guān)鍵詞:字典重構(gòu)編碼

    何聰芹, 朱 煜, 陳 寧(華東理工大學(xué)信息科學(xué)與工程學(xué)院,上海 200237)

    基于HOG3D描述器與稀疏編碼的異常行為檢測方法

    何聰芹, 朱 煜, 陳 寧
    (華東理工大學(xué)信息科學(xué)與工程學(xué)院,上海 200237)

    提出了一種基于稀疏編碼理論的視頻異常行為檢測方法,并使用HOG3D空-時描述器表征視頻序列的形態(tài)及運(yùn)動信息。首先,從正常視頻序列中提取空-時興趣點(diǎn),獲得其特征向量作為訓(xùn)練樣本。通過K-SVD字典訓(xùn)練算法構(gòu)建過完備字典,使得正常樣本在所構(gòu)建字典上的表達(dá)具有很好的稀疏性。在稀疏編碼過程中,按視頻段讀取測試視頻序列,求解特征信息在字典上的關(guān)于其稀疏系數(shù)的凸優(yōu)化問題,然后根據(jù)稀疏編碼改進(jìn)公式求得重構(gòu)誤差數(shù)值。最后的判斷階段,計(jì)算視頻段的相對重構(gòu)誤差,相對重構(gòu)誤差為正表明為異常視頻段,否則為正常視頻段。在UMN數(shù)據(jù)庫3個場景及Weizmann數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn),驗(yàn)證了本文算法的有效性。將實(shí)驗(yàn)拓展到現(xiàn)實(shí)監(jiān)控視頻中,結(jié)果表明本文方法在實(shí)踐中同樣具有較好的應(yīng)用價值。

    稀疏編碼;異常行為檢測;重構(gòu)誤差;HOG3D描述器;K-SVD

    在視頻監(jiān)控領(lǐng)域,異常事件檢測扮演了非常重要的角色。監(jiān)控視頻數(shù)量龐大,難以完全依靠人力觀察發(fā)現(xiàn)異常事件,因此,智能化異常事件檢測備受關(guān)注。本文以基于視頻智能分析的異常事件檢測為目標(biāo),在實(shí)現(xiàn)算法上進(jìn)行了研究?!爱惓J录保鳛橐粋€與“正常事件”相對應(yīng)的概念,它的檢測應(yīng)當(dāng)是基于“正常事件”訓(xùn)練樣本的。一種思想是,在適應(yīng)關(guān)于訓(xùn)練樣本的概率模型時,異常測試樣本相較正常測試樣本具有較低的概率[1-4]。其中的難點(diǎn)在于,模型訓(xùn)練過程中需要大量的訓(xùn)練數(shù)據(jù),并且視頻信息往往需要高維度特征來表征。事實(shí)上,視頻中往往僅有小部分顯著內(nèi)容包含檢測所需的重要信息。目前針對空-時興趣點(diǎn)[5-7]信息進(jìn)行的異常檢測最受關(guān)注。Adam[1]利用光流直方圖描述空-時興趣點(diǎn)的局部信息;Kratz[3]提取空-時梯度來適應(yīng)高斯模型,然后使用HMM檢測異常事件;Mehran[4]提出了一種社會力模型(Social force model)[8],適用于群體異常行為檢測的新方法,該方法利用LDA(Latent dirichlet allocation)檢測異常。在特征描述上不斷更新的研究結(jié)果表明,采用合適的特征描述子會對檢測結(jié)果起到積極作用。由Klaser等[9]提出的HOG3D描述器可以被看成是SIFT描述器在空-時域的一種擴(kuò)展,它的特征基于3D梯度方向直方圖,且梯度的計(jì)算由積分視頻[10]完成,正多面體用于空-時梯度方向的均勻量化,因此,這個描述符能夠同時結(jié)合形狀信息和運(yùn)動信息。

    文獻(xiàn)[11]提出了一種基于正常事件樣本的稀疏重構(gòu)方法,稀疏表示(Sparse Representation,SR)適用于高維度特征表示[11-12]。正常事件基于正常特征基的重構(gòu)誤差小,而異常事件基于正常特征基的重構(gòu)誤差大,這是基于稀疏重構(gòu)方法的異常檢測的關(guān)鍵思想。文獻(xiàn)[13]對稀疏編碼公式進(jìn)行了改進(jìn),在計(jì)算稀疏重構(gòu)誤差時引入了一個鄰接矩陣,使得在最后將重構(gòu)誤差與閾值比較判斷時,相鄰興趣點(diǎn)之間的運(yùn)動信息也被考慮其中。其思想是,相鄰興趣點(diǎn)運(yùn)動越相似,則視頻中發(fā)生的事件是正常事件的可能性越大。

    本文在上述研究的基礎(chǔ)上,將拓展到空間領(lǐng)域的HOG3D描述子引入表征,提出了一種基于HOG3D描述器與稀疏編碼的異常檢測方法。在稀疏編碼過程中,構(gòu)建字典也是一個重點(diǎn),由高維度特征向量構(gòu)建的過完備字典無法被直接使用于稀疏編碼當(dāng)中,文獻(xiàn)[14]提出了一種基于K-SVD的字典訓(xùn)練算法。KSVD是一種泛化K-mean算法,先基于現(xiàn)有字典對訓(xùn)練樣本進(jìn)行稀疏編碼,再更新字典原子去適應(yīng)稀疏系數(shù),接著再進(jìn)入下一輪稀疏編碼和更新字典,根據(jù)預(yù)設(shè)迭代次數(shù)如此循環(huán)計(jì)算。本文在構(gòu)建字典上使用了上述K-SVD適應(yīng)稀疏性的字典構(gòu)建算法,提出的檢測方法在實(shí)驗(yàn)中獲得了驗(yàn)證,并且在靈敏度方面較其他類似算法有良好的表現(xiàn)。

    1 空-時興趣點(diǎn)的HOG3D描述法

    HOG3D特征是一種基于空-時興趣點(diǎn)的局部特征。局部空-時特征能表征人物在視頻中的狀態(tài)和運(yùn)動,并做到在有尺度變換、空時平移、背景模糊、多目標(biāo)情況下的正常識別。這種特征通常直接作用于視頻流本身,省去了預(yù)處理中的一些步驟,例如運(yùn)動分割和運(yùn)動跟蹤。二維平面的Harris-Corner[6]興趣點(diǎn)檢測算法是檢測圖像在平面中x軸和y軸都有顯著變化的點(diǎn)。本文采用的空-時興趣點(diǎn)檢測方法是上述二維檢測算法向三維的擴(kuò)展,這樣檢測的興趣點(diǎn)需要滿足在空間和時間的維度上都具有顯著的變化,只對這些興趣點(diǎn)進(jìn)行是否異常的判斷。圖1展示了視頻數(shù)據(jù)庫中部分幀畫面及檢測得到的興趣點(diǎn)。

    圖1 Weizmann數(shù)據(jù)庫jack和jump行為單幀圖像中檢測得的空-時興趣點(diǎn)Fig.1 Example spatio-temporal interest points detected in Weizmann database

    對檢測得到的興趣點(diǎn)進(jìn)行基于HOG3D的興趣點(diǎn)描述。HOG3D是三維空間的興趣點(diǎn)描述子,是SIFT描述子從二維空間到三維空間的擴(kuò)展。HOG3D描述子是在一個興趣點(diǎn)周圍某個空間尺度和時間尺度下的特征向量,代表了這個空間尺度和時間尺度下的點(diǎn)。計(jì)算過程如圖2所示。描述子計(jì)算方式如下:

    首先,在空-時興趣點(diǎn)檢測之后,不僅得到了興趣點(diǎn)的三維坐標(biāo)(x,y,t),還得到了空間尺度σ和時間尺度τ,根據(jù)h=w=σ·σ0和l=τ·τ0,在興趣點(diǎn)周圍區(qū)域建立一個以h,w,l為長、寬、高的立方體,定義其為Q(cuboid),如圖2(a)所示。

    將區(qū)域Q(x-w/2∶x+w/2;y-h(huán)/2∶y+h/2,t-l/2∶t+l/2)分割成M×M×N個單元C(Cell),單個單元標(biāo)記為ci(i=1,2,3,…,M2N),再根據(jù)S=2將ci分割成S3=23=8的子塊B(Block),單個子塊標(biāo)記為bj(j=1,2,3,…S3),如圖2(b)所示。

    對b內(nèi)所有點(diǎn)的梯度均值進(jìn)行統(tǒng)計(jì),如圖2(d)所示,計(jì)算得到梯度均值然后采用正十二面體作為量化的多面體,每個面的中心坐標(biāo)為P=(p1,p2,…,p12)T,pi=(0,±1,叫做黃金比例。如圖2(c)所示。通過式(1)得到映射結(jié)果q—b:

    再將其經(jīng)過閾值處理就得到了qb。

    最后一步,對ci內(nèi)的S3個qb取平均得到每個ci的,將M2N個ci按照H=(qb1,…,qbM2N)T順序排好,組成HOG3D描述器的最終特征向量H。

    圖23 D梯度方向直方圖獲得過程Fig.2 HOG3D descriptor formulation

    2 K-SVD字典訓(xùn)練算法

    訓(xùn)練字典過程使得訓(xùn)練樣本在所構(gòu)建的字典上具有稀疏表示,本文采用K-SVD算法訓(xùn)練字典。作為泛化K-mean算法,K-SVD是一種迭代算法,先基于現(xiàn)有字典對訓(xùn)練樣本進(jìn)行稀疏編碼,再更新字典原子去適應(yīng)稀疏系數(shù),接著進(jìn)入下一輪稀疏編碼和更新字典,根據(jù)預(yù)設(shè)迭代次數(shù)如此循環(huán)計(jì)算。

    設(shè)特征向量為Y,每列稀疏系數(shù)為xi,在字典D上,K-SVD算法根據(jù)稀疏性質(zhì)定義的目標(biāo)函數(shù)如下:

    在字典更新階段,同時固定稀疏矩陣X和字典D中除了dk的其他列,尋找一個新的dk,使得對應(yīng)的系數(shù),X中的第K行xkT,具有最小的均方誤差。式中的懲罰項(xiàng)被改寫為

    在稀疏編碼階段,首先固定字典D,對系數(shù)矩陣X進(jìn)行尋優(yōu)計(jì)算,優(yōu)化問題則重寫為如下形式:其中:矩陣Ek表示去掉原子dk的成分后,在所有N個樣本中造成的誤差。對Ek和做變換,中只保留系數(shù)X中的非零值,Ek則只保留用相應(yīng)乘積中非零值位置之項(xiàng),記為,將做SVD分解,最后更新dk。

    3 基于稀疏編碼模型的異常檢測

    本文中,對異常事件的檢測被看作是一個稀疏編碼的問題。其基本思想是以獲得的關(guān)于正常事件的描述信息構(gòu)建訓(xùn)練字典D,D的每一列都用來作為重構(gòu)信號的基。

    在包含F(xiàn)幀的測試視頻段內(nèi),檢測得n個興趣點(diǎn),提取包含興趣點(diǎn)的滑動窗內(nèi)特征作為測試樣本,表示為Xi∈Rl,i=1,…,n,單段視頻的特征描述矩陣X={X1,…,Xn}。通過訓(xùn)練獲得過完備字典D={d1,…,dk},測試樣本在過完備字典D的投影為Xi=D ai,ai為展開系數(shù)。計(jì)算重構(gòu)誤差J的公式如下:

    相比于傳統(tǒng)的稀疏編碼公式,式(5)等號右邊多了第3項(xiàng)平滑正規(guī)項(xiàng),此項(xiàng)將臨近興趣點(diǎn)之間的行為信息差異納入計(jì)算,其中的鄰接矩陣W采用高斯核函數(shù)。

    解決上述問題可以歸結(jié)為解決如下的最優(yōu)化問題:

    在求解重構(gòu)誤差J的最小值時,固定字典D,轉(zhuǎn)變一個為關(guān)于展開系數(shù)ai的凸優(yōu)化問題。在得到測試視頻段內(nèi)的所有測試樣本的重構(gòu)誤差J后,計(jì)算其統(tǒng)計(jì)平均值:

    根據(jù)Jre的正負(fù)判斷視頻段的異常情況,當(dāng)Jre為正時,測試段為異常片段,反之,則為正常片段。

    4 實(shí)驗(yàn)結(jié)果與分析

    實(shí)驗(yàn)使用的標(biāo)準(zhǔn)數(shù)據(jù)庫有UMN群體異常行為數(shù)據(jù)庫、Weizmann個體行為數(shù)據(jù)庫。UMN數(shù)據(jù)庫記錄了群體性突發(fā)的異常行為,分辨率為320× 240,包含3個不同場景共7 738幀,場景1、2、3分別包含2、6、3個情節(jié)。實(shí)驗(yàn)中分別使用場景1、2、3 中1、1、2個正常情節(jié)做訓(xùn)練,首先檢測其中的空-時興趣點(diǎn),利用HOG3D描述法得到特征向量集作為訓(xùn)練樣本,然后經(jīng)過PCA主成分提取及K-SVD訓(xùn)練算法構(gòu)建字典。最后,對同場景中其余的視頻序列進(jìn)行以20幀為段的異常檢測。本文實(shí)驗(yàn)在特征描述過程中尺度參數(shù)使用σ0=4,τ0=2,cell塊的個數(shù)選擇M=4,N=2。針對每次異常檢測,作出檢測結(jié)果的ROC曲線,選取曲線上最靠近坐標(biāo)圖左上方的點(diǎn)的閾值為經(jīng)驗(yàn)閾值。

    圖3、圖5、圖7分別為場景1、2、3中檢測結(jié)果為正常行為的部分視頻幀圖像,根據(jù)畫面內(nèi)容可以看到,場景內(nèi)的人群隨意走動,無異常行為發(fā)生,因此,檢測結(jié)果符合地面實(shí)況。圖4、圖6、圖8分別顯示了在場景1、2、3中檢測結(jié)果為異常行為的視頻片段中的部分幀,且首行視頻序列左上角的字體“Abnormal Crowd Activity”為數(shù)據(jù)庫預(yù)先做好的異常標(biāo)記,“Abnormal Event!”為本文方法檢測得到的異常結(jié)果標(biāo)注。選取經(jīng)驗(yàn)閾值為0.029 0時,場景1檢測結(jié)果較原視頻異常結(jié)果標(biāo)注提前25幀報警,場景2、場景3的異常檢測結(jié)果分別較原視頻異常結(jié)果標(biāo)注提前22幀及44幀。將本文算法與基于社會力模型的檢測[15]、基于時空興趣點(diǎn)與多尺度運(yùn)動直方圖的稀疏編碼檢測[16]、基于快速稀疏編碼與驚奇計(jì)算的檢測[17]進(jìn)行檢測靈敏度對比,結(jié)果列于表1。實(shí)驗(yàn)結(jié)果表明,本文方法在各個場景中都表現(xiàn)出較為迅速的檢測能力。

    圖3 場景1中正常行為的檢測結(jié)果(人群隨意走動)Fig.3 Normal behavior detection in scene 1

    圖4 場景1中異常行為的檢測結(jié)果(人群突然四散逃逸)Fig.4 Abnormal behavior detection in scene 1

    圖5 場景2中正常行為的檢測結(jié)果(人群隨意走動)Fig.5 Normal behavior detection in scene 2

    圖6 場景2中異常行為的檢測結(jié)果(人群突然逃逸)Fig.6 Abnormal behavior detection in scene 2

    圖7 場景3中正常行為的檢測結(jié)果(人群隨意走動)Fig.7 Normal behavior detection in scene 3

    圖8 場景3中異常行為的檢測結(jié)果(人群突然逃逸)Fig.8 Abnormal behavior detection in scene 3

    表1 UMN數(shù)據(jù)庫中本文檢測算法與類似方法的靈敏度比較Table 1 Comparison between our anomaly detection method and other similar methods

    以檢測序列段首幀為橫坐標(biāo),以式(9)計(jì)算得到的相對重構(gòu)誤差Jre為縱坐標(biāo)作圖,結(jié)果如圖9所示。在視頻片段3 804幀至4 164幀間(場景2部分幀)順序連接的,包含正常序列和異常序列的共18段視頻序列中,其中以3 904、3 924、3 944、3 964幀為首,長度均為20幀的視頻序列段實(shí)況為異常,而其對應(yīng)的相對重構(gòu)誤差值為正值;其余的視頻序列段實(shí)況為正常,在圖中對應(yīng)的相對重構(gòu)誤差值則體現(xiàn)為負(fù)值。由此說明,利用本文檢測方法,將測試樣本用訓(xùn)練好的字典表達(dá),再計(jì)算重構(gòu)誤差值,取檢測段內(nèi)所有興趣點(diǎn)的重構(gòu)誤差均值,求其對應(yīng)于經(jīng)驗(yàn)閾值的相對重構(gòu)誤差,根據(jù)其正負(fù),最終能夠有效判斷出視頻內(nèi)容是否異常。

    圖9 UMN數(shù)據(jù)庫中不同幀段的相對重構(gòu)誤差Fig.9 Relative sparse reconstruction errors of different sessions in the UMN database

    ROC(Receiver Operating Characteristic)曲線用于評判多閾值情況下的二元分類的準(zhǔn)確性。ROC空間將假陽性率(FPR)定義為X軸,真陽性率(TPR)定義為Y軸。TPR體現(xiàn)的是在所有實(shí)際為陽性的樣本中,被正確地判斷為陽性之比率,F(xiàn)PR體現(xiàn)的則是在所有實(shí)際為陰性的樣本中,被錯誤地判斷為陽性之比率。

    其中:真陽性(TP)是判斷正確的異常事件;真陰性(TN)是判斷正確的正常事件;假陽性(FP)是判斷錯誤的異常事件;假陰性(FN)是判斷錯誤的正常事件。實(shí)驗(yàn)以UMN視頻的目測實(shí)況為判別基準(zhǔn),對視頻片段的檢測結(jié)果做出真假判斷,然后取多個閾值,繪制出UMN數(shù)據(jù)庫基于視頻段的ROC曲線如圖10所示。

    圖10 基于視頻段的UMN數(shù)據(jù)庫異常檢測的ROC曲線Fig.10 ROCs of abnormal behavior detection in the UMN database

    Weizmann數(shù)據(jù)庫包含90個低分辨率視頻序列,為9名實(shí)驗(yàn)人員各自10種不同的自然行為。實(shí)驗(yàn)預(yù)先定義其中一種行為(如walk)作為正常行為,對Ira的walk行為視頻序列進(jìn)行興趣點(diǎn)檢測,共88幀,獲得了53個興趣點(diǎn)。應(yīng)用HOG3D描述法獲得53個興趣點(diǎn)的特征向量,并將其作為訓(xùn)練樣本構(gòu)建字典。以20幀為段截取針對不同人員及不同行為的視頻序列,以獲得的興趣點(diǎn)特征向量作為測試樣本進(jìn)行異常檢測。圖11、圖12顯示了Weizmann數(shù)據(jù)庫中的部分幀、幀內(nèi)空-時興趣點(diǎn)的檢測結(jié)果,以及求解優(yōu)化問題獲得的針對字典中每個樣本的稀疏系數(shù)。根據(jù)不同行為的測試段針對walk行為的檢測結(jié)果,根據(jù)式(9)計(jì)算得的相對重構(gòu)誤差值列于表2。從表中數(shù)據(jù)可以看出,與預(yù)先定義的正常行為walk相一致的,不同實(shí)驗(yàn)人員的walk行為,均具有負(fù)值的相對重構(gòu)誤差,說明其重構(gòu)誤差小于經(jīng)驗(yàn)閾值。而無論是同一人或不同人的異于walk的行為,均具有正值的相對重構(gòu)誤差,即其重構(gòu)誤差大于經(jīng)驗(yàn)閾值。

    以上分析是對UMN和Weizmann這兩個經(jīng)典數(shù)據(jù)庫進(jìn)行實(shí)驗(yàn)分析的結(jié)果。本文算法還在實(shí)際監(jiān)控視頻中進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)對象是不同光照下的同一個禁止出入大門的監(jiān)控視頻,圖13、圖14所示為夜間監(jiān)控視頻中的部分幀,圖15、圖16所示為日間監(jiān)控視頻中的部分幀。實(shí)驗(yàn)取視頻正常幀中前400幀做訓(xùn)練,對其余的視頻序列做檢測,檢測結(jié)果顯示,正常事件中獲得的空-時興趣點(diǎn)主要集中在大門外疾馳的車輛上,如圖13、圖15所示。當(dāng)有人靠近或攀爬大門時,檢測結(jié)果顯示發(fā)生異常,如圖14、圖16所示。實(shí)驗(yàn)結(jié)果表明,對于背景有運(yùn)動干擾的較復(fù)雜監(jiān)控畫面,本文提出的異常檢查方法仍能具有良好的檢測效果,并具有良好的光照魯棒性。

    圖11 walk行為的興趣點(diǎn)及其稀疏系數(shù)Fig.11 Sparse and dense representative coefficients of normal samples

    圖12 Skip、jack行為的興趣點(diǎn)及其稀疏系數(shù)Fig.12 Sparse and dense representative coefficients of abnormal samples

    表2 Weizmann數(shù)據(jù)庫中各種行為的相對重構(gòu)誤差Table 2 Relative sparse reconstruction errors of test activities in the Weizmann database

    圖13 夜間環(huán)境下檢測結(jié)果為正常事件的部分幀F(xiàn)ig.13 Normal event detection in thesurveillance video(midnight)

    圖14 夜間環(huán)境下檢測結(jié)果為異常事件的部分幀F(xiàn)ig.14 Abnormal event detection in thesurveillance video(midnight)

    圖15 日間環(huán)境下檢測結(jié)果為正常事件的部分幀F(xiàn)ig.15 Normal event detection in thesurveillance video(daytime)

    圖16 日間環(huán)境下檢測結(jié)果為異常事件的部分幀F(xiàn)ig.16 Abnormal event detection in thesurveillance video(daytime)

    5 結(jié)束語

    本文提出了一種視頻異常檢測方法,應(yīng)用HOG3D空-時興趣點(diǎn)描述器,并結(jié)合稀疏編碼算法進(jìn)行異常行為分析。在初始字典構(gòu)建時使用了K-SVD算法,使得初始字典在正常事件的表達(dá)上有很好的稀疏性。在UMN群體異常數(shù)據(jù)庫和Weizmann個體行為數(shù)據(jù)庫中進(jìn)行了算法實(shí)踐。實(shí)驗(yàn)結(jié)果表明,本文算法能夠快速、有效地檢測出異常事件并給出提示,算法的實(shí)用性同樣在實(shí)際拍攝的監(jiān)控視頻上得到有效驗(yàn)證。

    [1] ADAM A,RIVLIN E,SHIMSHONI I,et al.Robust real-time unusual event detection using multiple fixed-location monitors [J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2008,30(3):555-560.

    [2] KIM J,GRAUMAN K.Observe locally,infer globally:A space-time MRF for detecting abnormal activities with incremental updates[C]//2009 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2009).Miami,F(xiàn)lorida,USA:IEEE,2009:2921-2928.

    [3] KRATZ L,NISHINO K.Anomaly detection in extremely crowded scenes using spatio-temporal motion pattern models[C]//2009 IEEE Computer Society Conference on Computer Vision and Pattern Recognition(CVPR 2009).Miami,F(xiàn)lorida,USA:IEEE,2009:1446-1453.

    [4] MEHRAN R,OYAMA A,SHAH M.Abnormal crowd behavior detection using social force model[C]//2009 IEEE Computer Society Conference on Computer Vision and Pattern Recognition(CVPR 2009).Miami,F(xiàn)lorida,USA:IEEE,2009:935-942.

    [5] LAPTEV I.On space-time interest points[J].International Journal of Computer Vision,2005,64(2/3):107-123.

    [6] DOLLáR P,RABAUD V,COTTRELL G,et al.Behavior recognition via sparse spatio-temporal features[C]//2nd Joint IEEE International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance,2005. USA:IEEE,2005:65-72.

    [7] BLANK M,GORELICK L,SHECHTMAN E,et al.Actions as space-time shapes[C]//Tenth IEEE International Conference on Computer Vision2005,ICCV 2005.Beijing:IEEE,2005,2:1395-1402.

    [8] HELBING D,MOLNAR P.Social force model for pedestrian dynamics[J].Physical Review E,1995,51(5):4282.

    [9] KLASER A,MARSZA?EK M,SCHMID C.A spatiotemporal descriptor based on 3d-gradients[C]//BMVC 2008-19th British Machine Vision Conference.UK:British Machine Vision Association,2008,275:1-10.

    [10] WILLEMS G,TUYTELAARS T,VAN GOOL L.An efficient dense and scale-invariant spatio-temporal interest point detector[M]//10th European Conference on Computer Vision.Marseille.France:Springer Berlin Heidelberg,2008:650-663.

    [11] CONG Yang,YUAN Junsong,LIU Ji.Sparse reconstruction cost for abnormal event detection[C]//2011 IEEE Conference on Computer Vision and Pattern Recognition(CVPR). Providence,RI:IEEE,2011:3449-3456.

    [12] ZHANG Tianzhu,GHANEM B,LIU S,et al.Robust visual tracking via structured multi-task sparse learning[J]. International Journal of Computer Vision,2013,101(2):367-383.

    [13] ZHAO B,F(xiàn)EI-FEI L,XING E P.Online detection of unusual events in videos via dynamic sparse coding[C]//2011 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Colorado Springs,USA:IEEE,2011:3313-3320.

    [14] AHARON M,ELAD M,BRUCKSTEIN A.K-SVD:An algorithm for designing overcomplete dictionaries for sparse representation[J].IEEE Transactions on Signal Processing,2006,54(11):4311-4322.

    [15] MEHRAN R,OYAMA A,SHAH M.Abnormal crowd behavior detection using social force model[C]//IEEE Conference on Computer Vision and Pattern Recognition,2009.CVPR 2009.Miami:IEEE,2009:935-942.

    [16] 謝錦生,郭立,趙龍,等.一種基于稀疏編碼模型的視頻異常發(fā)現(xiàn)方法[J].小型微型計(jì)算機(jī)系統(tǒng),2014,35(4):917-921.

    [17] 謝錦生,郭立,趙龍.基于快速稀疏編碼與驚奇計(jì)算的視頻異常檢測方法[J].中國科學(xué)技術(shù)大學(xué)學(xué)報,2013,43(7):561-568.

    Abnormal Behavior Detection Using Sparse Coding and HOG3D Descriptor

    HE Cong-qin, ZHU Yu, CHEN Ning
    (School of Information Science and Engineering,East China University of Science and Technology,Shanghai 200237,China)

    In this paper,an abnormality behavior detect method based on sparse coding is proposed and the HOG3D descriptor is utilized to capture appearance and motion information of the surveillance videos. Firstly,a set of training data are extracted from normal events.And then,K-SVD method is utilized to construct the dictionary atoms such that each normal member attains the best representation under the strict sparsity constraints.In the process of sparse coding,by taking a video session as a sample,we introduce the relative sparse reconstruction error over the normal dictionary to measure the level of normal of the testing sample.When the relative sparse reconstruction error is positive,the sample would be judged as abnormal.The proposed method is tested via UMN database,Weizmann database and real world surveillance videos,which show that the proposed method can reliably detect the unusual events in the video sequence.

    sparse coding;abnormal behavior detection;sparse reconstruction error;HOG3D descriptor;K-SVD

    TP181

    A

    1006-3080(2016)01-0110-09 DOI:10.14135/j.cnki.1006-3080.2016.01.018

    2015-03-24

    國家自然科學(xué)基金(61271349);中央高?;究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(WH1214015)

    何聰芹(1991-),女,浙江人,碩士生,研究方向?yàn)閿?shù)字圖像處理、稀疏表示、異常行為檢測。E-mail:amberhcq@163.com

    朱 煜,E-mail:zhuyu@ecust.edu.cn

    猜你喜歡
    字典重構(gòu)編碼
    開心字典
    家教世界(2023年28期)2023-11-14 10:13:50
    開心字典
    家教世界(2023年25期)2023-10-09 02:11:56
    長城敘事的重構(gòu)
    攝影世界(2022年1期)2022-01-21 10:50:14
    基于SAR-SIFT和快速稀疏編碼的合成孔徑雷達(dá)圖像配準(zhǔn)
    《全元詩》未編碼疑難字考辨十五則
    子帶編碼在圖像壓縮編碼中的應(yīng)用
    電子制作(2019年22期)2020-01-14 03:16:24
    北方大陸 重構(gòu)未來
    Genome and healthcare
    北京的重構(gòu)與再造
    商周刊(2017年6期)2017-08-22 03:42:36
    我是小字典
    淫秽高清视频在线观看| a级毛片a级免费在线| 久久热精品热| 伦精品一区二区三区| 国产91av在线免费观看| 国产精华一区二区三区| 九色成人免费人妻av| av中文乱码字幕在线| 婷婷精品国产亚洲av| 国产欧美日韩精品一区二区| 国产精品伦人一区二区| 老司机午夜福利在线观看视频| 成人精品一区二区免费| 禁无遮挡网站| 欧美zozozo另类| 97在线视频观看| 草草在线视频免费看| 麻豆久久精品国产亚洲av| 伦精品一区二区三区| 99精品在免费线老司机午夜| 直男gayav资源| 在线免费十八禁| 亚洲欧美日韩卡通动漫| 国产欧美日韩精品亚洲av| 村上凉子中文字幕在线| 国产三级在线视频| 亚洲精华国产精华液的使用体验 | 亚洲天堂国产精品一区在线| 三级毛片av免费| 99在线视频只有这里精品首页| 哪里可以看免费的av片| 久久精品国产亚洲av香蕉五月| 日本免费一区二区三区高清不卡| 午夜精品一区二区三区免费看| 97热精品久久久久久| 久久亚洲精品不卡| 男女啪啪激烈高潮av片| 亚洲中文字幕一区二区三区有码在线看| 亚洲第一电影网av| aaaaa片日本免费| 久久九九热精品免费| 99久久无色码亚洲精品果冻| 91久久精品国产一区二区成人| 国产精品久久久久久亚洲av鲁大| 中文字幕熟女人妻在线| 国产精品免费一区二区三区在线| 亚洲av中文av极速乱| 国产老妇女一区| 久久久久免费精品人妻一区二区| 99热这里只有精品一区| 日韩 亚洲 欧美在线| 免费av毛片视频| 婷婷精品国产亚洲av在线| 在线天堂最新版资源| 中国美白少妇内射xxxbb| 国产成人a区在线观看| 国模一区二区三区四区视频| 久久久久久久午夜电影| 亚洲自偷自拍三级| 亚洲欧美成人综合另类久久久 | 欧美性猛交╳xxx乱大交人| 日韩三级伦理在线观看| 看非洲黑人一级黄片| 午夜福利高清视频| 国产精品亚洲一级av第二区| 色5月婷婷丁香| 精品国内亚洲2022精品成人| 亚洲av电影不卡..在线观看| 99热6这里只有精品| 亚洲国产精品成人久久小说 | 久久久久久久久久黄片| 搡老岳熟女国产| 亚洲精品一区av在线观看| 国内精品美女久久久久久| 亚洲欧美日韩东京热| 真人做人爱边吃奶动态| 日本一本二区三区精品| 亚洲美女搞黄在线观看 | 变态另类成人亚洲欧美熟女| 久久久久国产网址| 日韩欧美在线乱码| 午夜视频国产福利| 国产亚洲精品av在线| 大又大粗又爽又黄少妇毛片口| 国产亚洲欧美98| 三级毛片av免费| 在线免费十八禁| 免费人成视频x8x8入口观看| 99九九线精品视频在线观看视频| 国产精品一区二区三区四区久久| 在线观看av片永久免费下载| 亚洲乱码一区二区免费版| 色在线成人网| 人妻夜夜爽99麻豆av| 亚洲av五月六月丁香网| 成年版毛片免费区| 国产精品不卡视频一区二区| 91狼人影院| 国产免费男女视频| 免费av观看视频| 精品久久久久久久久久久久久| av女优亚洲男人天堂| 在线免费十八禁| 一进一出抽搐动态| 99久久精品国产国产毛片| 乱人视频在线观看| 激情 狠狠 欧美| 色综合站精品国产| 深爱激情五月婷婷| 亚洲熟妇熟女久久| 亚洲av成人av| 男女边吃奶边做爰视频| 国产一区二区激情短视频| 国产国拍精品亚洲av在线观看| 成人国产麻豆网| 色在线成人网| ponron亚洲| 成人毛片a级毛片在线播放| 在线观看66精品国产| 国内精品一区二区在线观看| 久久久久久久久久成人| 不卡视频在线观看欧美| 免费av观看视频| 精品久久久久久久人妻蜜臀av| 如何舔出高潮| 久久人人爽人人片av| 欧美成人免费av一区二区三区| 日韩欧美精品免费久久| av在线播放精品| 久久综合国产亚洲精品| 俄罗斯特黄特色一大片| 99九九线精品视频在线观看视频| 美女xxoo啪啪120秒动态图| 两个人视频免费观看高清| 免费观看的影片在线观看| 高清毛片免费观看视频网站| 好男人在线观看高清免费视频| 午夜福利在线观看吧| 欧美xxxx黑人xx丫x性爽| 综合色av麻豆| 久久久久久大精品| 亚洲国产欧美人成| 中国国产av一级| av在线天堂中文字幕| 欧美另类亚洲清纯唯美| 高清毛片免费看| 别揉我奶头 嗯啊视频| 久久人妻av系列| 国产精品野战在线观看| 成人永久免费在线观看视频| 国产精品1区2区在线观看.| 日本黄大片高清| 国产熟女欧美一区二区| 一进一出抽搐gif免费好疼| 亚洲精品亚洲一区二区| 亚洲精品一区av在线观看| 久久国产乱子免费精品| 美女大奶头视频| 亚洲欧美成人综合另类久久久 | 99热只有精品国产| 美女黄网站色视频| 亚洲av成人av| 色哟哟·www| 男女边吃奶边做爰视频| 亚洲最大成人av| 欧美性感艳星| 亚洲七黄色美女视频| 亚洲精品影视一区二区三区av| 美女xxoo啪啪120秒动态图| 亚洲七黄色美女视频| 色播亚洲综合网| 中国美女看黄片| 久久九九热精品免费| 日韩 亚洲 欧美在线| 91精品国产九色| 国产 一区 欧美 日韩| 91狼人影院| 变态另类成人亚洲欧美熟女| 男人舔奶头视频| 99久久精品热视频| 国产一区二区亚洲精品在线观看| 精品午夜福利在线看| 搡老妇女老女人老熟妇| 在线观看午夜福利视频| 给我免费播放毛片高清在线观看| 国产av不卡久久| 俄罗斯特黄特色一大片| 日韩成人av中文字幕在线观看 | 亚洲av不卡在线观看| 免费人成在线观看视频色| 欧美日韩综合久久久久久| 22中文网久久字幕| 91久久精品电影网| 精华霜和精华液先用哪个| 久久中文看片网| a级毛片a级免费在线| 欧美zozozo另类| 好男人在线观看高清免费视频| 国产麻豆成人av免费视频| 国产一区亚洲一区在线观看| 国产极品精品免费视频能看的| 看十八女毛片水多多多| 变态另类成人亚洲欧美熟女| 国产精品久久久久久亚洲av鲁大| 精品人妻偷拍中文字幕| 国产精品福利在线免费观看| 热99在线观看视频| 国产av不卡久久| 欧美日本亚洲视频在线播放| 我的女老师完整版在线观看| 国产一区二区在线av高清观看| 国产精品日韩av在线免费观看| 欧美一区二区国产精品久久精品| 超碰av人人做人人爽久久| 一本久久中文字幕| 男人狂女人下面高潮的视频| 久久久国产成人精品二区| 久久精品国产亚洲av天美| 九九爱精品视频在线观看| 国产av一区在线观看免费| 精品国内亚洲2022精品成人| 欧美绝顶高潮抽搐喷水| 国产亚洲精品久久久久久毛片| 三级经典国产精品| 91狼人影院| 日本黄色视频三级网站网址| 亚洲成人精品中文字幕电影| 免费高清视频大片| 中文字幕熟女人妻在线| 成人无遮挡网站| 精品无人区乱码1区二区| 特大巨黑吊av在线直播| 久久久精品大字幕| 国产精品99久久久久久久久| ponron亚洲| 黄片wwwwww| 国产一区二区激情短视频| 美女内射精品一级片tv| 可以在线观看的亚洲视频| 成人亚洲精品av一区二区| 老师上课跳d突然被开到最大视频| 国产 一区 欧美 日韩| 久久久欧美国产精品| 白带黄色成豆腐渣| av在线播放精品| 日韩亚洲欧美综合| 亚洲不卡免费看| 成人永久免费在线观看视频| 麻豆久久精品国产亚洲av| 亚洲精品亚洲一区二区| 日韩欧美三级三区| 日韩av在线大香蕉| 色视频www国产| 欧美高清性xxxxhd video| 真实男女啪啪啪动态图| 免费无遮挡裸体视频| 国产女主播在线喷水免费视频网站 | 亚洲精品亚洲一区二区| 亚洲中文字幕一区二区三区有码在线看| 中文亚洲av片在线观看爽| 成人高潮视频无遮挡免费网站| 日日摸夜夜添夜夜爱| 日韩欧美精品免费久久| 欧美丝袜亚洲另类| 中文字幕人妻熟人妻熟丝袜美| 99精品在免费线老司机午夜| 国内精品一区二区在线观看| 久久热精品热| 国产精品免费一区二区三区在线| 久久久精品94久久精品| 久久韩国三级中文字幕| 在线看三级毛片| 看片在线看免费视频| 国产精品1区2区在线观看.| 精品日产1卡2卡| 真人做人爱边吃奶动态| 欧美日韩综合久久久久久| 国产一区二区在线观看日韩| 久久综合国产亚洲精品| 午夜激情福利司机影院| 99精品在免费线老司机午夜| 插逼视频在线观看| 黄片wwwwww| 免费大片18禁| 欧美xxxx性猛交bbbb| 日韩欧美在线乱码| ponron亚洲| 国产一区二区在线av高清观看| 亚洲内射少妇av| 亚洲av熟女| 一级黄片播放器| 亚洲美女搞黄在线观看 | 久久精品国产鲁丝片午夜精品| 午夜免费男女啪啪视频观看 | 欧美日韩乱码在线| 麻豆成人午夜福利视频| 日本三级黄在线观看| 日韩,欧美,国产一区二区三区 | 久久6这里有精品| 最近的中文字幕免费完整| 天堂网av新在线| 老熟妇乱子伦视频在线观看| 12—13女人毛片做爰片一| 天堂动漫精品| 毛片女人毛片| 亚洲在线观看片| 日本熟妇午夜| 最好的美女福利视频网| 国产国拍精品亚洲av在线观看| 99国产精品一区二区蜜桃av| 国产单亲对白刺激| 不卡视频在线观看欧美| 亚洲精品亚洲一区二区| 国产精品人妻久久久影院| 美女cb高潮喷水在线观看| 欧洲精品卡2卡3卡4卡5卡区| 国产午夜精品论理片| 嫩草影视91久久| 国产亚洲91精品色在线| 国产亚洲av嫩草精品影院| 亚洲第一电影网av| h日本视频在线播放| 18禁黄网站禁片免费观看直播| 天堂动漫精品| 午夜免费激情av| 老师上课跳d突然被开到最大视频| 91狼人影院| 2021天堂中文幕一二区在线观| 国产一区亚洲一区在线观看| 18禁在线无遮挡免费观看视频 | 三级经典国产精品| 黄片wwwwww| 亚洲高清免费不卡视频| 午夜福利成人在线免费观看| 插逼视频在线观看| 精品久久国产蜜桃| 热99re8久久精品国产| 亚洲三级黄色毛片| 99久久久亚洲精品蜜臀av| 色哟哟·www| 国产黄色视频一区二区在线观看 | 村上凉子中文字幕在线| 激情 狠狠 欧美| 51国产日韩欧美| 可以在线观看毛片的网站| 午夜福利在线在线| 久久中文看片网| 精品欧美国产一区二区三| 精品一区二区三区av网在线观看| 三级经典国产精品| 在线免费观看的www视频| 欧美在线一区亚洲| 国内久久婷婷六月综合欲色啪| 欧美激情国产日韩精品一区| 深夜a级毛片| 欧美在线一区亚洲| 精品99又大又爽又粗少妇毛片| 在线观看66精品国产| 国产高清激情床上av| 18禁在线无遮挡免费观看视频 | 少妇熟女aⅴ在线视频| 成人国产麻豆网| 精品久久久久久久末码| 99热这里只有精品一区| 三级男女做爰猛烈吃奶摸视频| 97人妻精品一区二区三区麻豆| 免费观看人在逋| 三级毛片av免费| 色5月婷婷丁香| 在线观看一区二区三区| 男女视频在线观看网站免费| 久久精品国产亚洲av天美| 国产精品久久久久久久电影| 无遮挡黄片免费观看| 乱人视频在线观看| 干丝袜人妻中文字幕| 天天一区二区日本电影三级| 美女免费视频网站| 最近中文字幕高清免费大全6| 久久久久性生活片| 熟妇人妻久久中文字幕3abv| 97人妻精品一区二区三区麻豆| 男女视频在线观看网站免费| 亚洲欧美日韩高清在线视频| 午夜福利高清视频| 俄罗斯特黄特色一大片| 成年av动漫网址| 国产精品久久久久久久电影| 日本精品一区二区三区蜜桃| 能在线免费观看的黄片| av专区在线播放| 亚洲欧美日韩无卡精品| 久久6这里有精品| 淫妇啪啪啪对白视频| 12—13女人毛片做爰片一| 日韩欧美免费精品| 色尼玛亚洲综合影院| 精品熟女少妇av免费看| 女生性感内裤真人,穿戴方法视频| 午夜亚洲福利在线播放| 内地一区二区视频在线| 国内精品美女久久久久久| 亚洲国产欧美人成| 亚洲av不卡在线观看| 国产精品1区2区在线观看.| 国产男人的电影天堂91| 色av中文字幕| 一进一出抽搐gif免费好疼| 少妇猛男粗大的猛烈进出视频 | 成年版毛片免费区| 日韩精品青青久久久久久| 亚洲性夜色夜夜综合| 女的被弄到高潮叫床怎么办| 三级男女做爰猛烈吃奶摸视频| 亚洲精品日韩av片在线观看| 日韩欧美精品免费久久| 国产激情偷乱视频一区二区| 无遮挡黄片免费观看| 日本一二三区视频观看| 午夜视频国产福利| 色噜噜av男人的天堂激情| 亚洲四区av| 久久久久免费精品人妻一区二区| 亚洲成人精品中文字幕电影| 美女cb高潮喷水在线观看| 国产伦一二天堂av在线观看| 午夜a级毛片| 亚洲国产精品成人久久小说 | 直男gayav资源| 99久久久亚洲精品蜜臀av| 亚洲aⅴ乱码一区二区在线播放| 亚洲精品乱码久久久v下载方式| 欧美区成人在线视频| 成年女人永久免费观看视频| 亚洲图色成人| 男女啪啪激烈高潮av片| 18禁在线无遮挡免费观看视频 | 国产一区二区在线观看日韩| 一区二区三区免费毛片| 人人妻人人看人人澡| 少妇丰满av| 一个人观看的视频www高清免费观看| 最近的中文字幕免费完整| 国内精品一区二区在线观看| 久久人人爽人人爽人人片va| 免费看日本二区| 三级国产精品欧美在线观看| 国产精品女同一区二区软件| 亚洲国产精品国产精品| 国产精品久久久久久亚洲av鲁大| 九九热线精品视视频播放| 国产久久久一区二区三区| 日韩一本色道免费dvd| 欧美在线一区亚洲| 国产伦精品一区二区三区四那| 午夜福利高清视频| 亚洲七黄色美女视频| 国产色爽女视频免费观看| 中文字幕人妻熟人妻熟丝袜美| 亚洲av电影不卡..在线观看| 精品一区二区三区人妻视频| 搡老妇女老女人老熟妇| 国产探花在线观看一区二区| 麻豆乱淫一区二区| 亚洲第一电影网av| 日韩精品青青久久久久久| 69人妻影院| 啦啦啦韩国在线观看视频| 91麻豆精品激情在线观看国产| 在线免费观看不下载黄p国产| 伦精品一区二区三区| eeuss影院久久| 欧美xxxx性猛交bbbb| 国产精品久久久久久久电影| 嫩草影院精品99| 久久久久久久久久久丰满| 久久热精品热| 精品久久久久久久末码| 欧美日韩国产亚洲二区| 亚州av有码| 亚洲av不卡在线观看| 欧美一区二区精品小视频在线| av视频在线观看入口| 看片在线看免费视频| 婷婷六月久久综合丁香| 成年免费大片在线观看| 亚洲电影在线观看av| av视频在线观看入口| 国产亚洲精品综合一区在线观看| 国内揄拍国产精品人妻在线| 亚洲欧美日韩高清专用| 亚洲av五月六月丁香网| 中文字幕熟女人妻在线| 淫妇啪啪啪对白视频| 99久久精品热视频| 久久草成人影院| 日韩人妻高清精品专区| 男人的好看免费观看在线视频| 久久久欧美国产精品| 色吧在线观看| 欧美成人精品欧美一级黄| 亚洲精品日韩在线中文字幕 | 欧美一区二区国产精品久久精品| 成年av动漫网址| 一级a爱片免费观看的视频| 三级毛片av免费| 身体一侧抽搐| 俺也久久电影网| 伦理电影大哥的女人| 欧美日韩乱码在线| 国产亚洲精品综合一区在线观看| 国产精品一及| 国产精品永久免费网站| 亚洲乱码一区二区免费版| 简卡轻食公司| 亚洲国产高清在线一区二区三| 亚洲av第一区精品v没综合| 日韩欧美在线乱码| 精品久久国产蜜桃| 亚洲在线观看片| 99热网站在线观看| 亚洲人成网站在线播| 精品人妻视频免费看| 午夜激情欧美在线| 国产高潮美女av| 一本一本综合久久| 中文亚洲av片在线观看爽| 99国产精品一区二区蜜桃av| 18+在线观看网站| 国产一区二区在线av高清观看| 别揉我奶头 嗯啊视频| www日本黄色视频网| 免费看av在线观看网站| 中文亚洲av片在线观看爽| 国产成人a∨麻豆精品| 看免费成人av毛片| 深爱激情五月婷婷| 日韩在线高清观看一区二区三区| 欧美精品国产亚洲| 国产高清三级在线| 国产成年人精品一区二区| 内地一区二区视频在线| 国产精品福利在线免费观看| 麻豆精品久久久久久蜜桃| 男女啪啪激烈高潮av片| 日韩亚洲欧美综合| 日本-黄色视频高清免费观看| 国产高清有码在线观看视频| 伦精品一区二区三区| 久久久精品欧美日韩精品| 亚洲在线观看片| 久久久久久久久久黄片| 国产高清三级在线| 深夜精品福利| 啦啦啦观看免费观看视频高清| 少妇被粗大猛烈的视频| 男人狂女人下面高潮的视频| 97人妻精品一区二区三区麻豆| 51国产日韩欧美| 大型黄色视频在线免费观看| 国产亚洲av嫩草精品影院| 人人妻人人澡人人爽人人夜夜 | 久久久午夜欧美精品| 亚洲四区av| 不卡一级毛片| 一本久久中文字幕| 国产极品精品免费视频能看的| 午夜福利在线观看吧| 九九在线视频观看精品| 嫩草影院入口| 亚洲色图av天堂| 国产成人a∨麻豆精品| 精品福利观看| 亚洲精品影视一区二区三区av| 日韩,欧美,国产一区二区三区 | a级一级毛片免费在线观看| 色综合站精品国产| 亚洲丝袜综合中文字幕| 国产黄a三级三级三级人| 国产av麻豆久久久久久久| 少妇的逼好多水| 亚洲三级黄色毛片| 国产国拍精品亚洲av在线观看| 老师上课跳d突然被开到最大视频| 国产精品av视频在线免费观看| 麻豆精品久久久久久蜜桃| 自拍偷自拍亚洲精品老妇| 又爽又黄无遮挡网站| 一级a爱片免费观看的视频| 色av中文字幕| 日韩制服骚丝袜av| 国产探花在线观看一区二区| 国产成人福利小说| 国产伦精品一区二区三区四那| 亚洲精品色激情综合| 一级毛片aaaaaa免费看小| 国产精品三级大全| 人人妻人人看人人澡| 免费看美女性在线毛片视频| 欧美+日韩+精品| 69av精品久久久久久| 看十八女毛片水多多多| 午夜福利在线观看吧| 免费在线观看影片大全网站| 熟女人妻精品中文字幕| 此物有八面人人有两片| 麻豆精品久久久久久蜜桃| 欧美日韩在线观看h| 成人亚洲精品av一区二区| 国产成人91sexporn| 男女那种视频在线观看| 哪里可以看免费的av片| 免费av观看视频| 国产高清有码在线观看视频| h日本视频在线播放|