• <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
    精品人妻一区二区三区麻豆| 久久韩国三级中文字幕| 99国产精品免费福利视频| 天堂8中文在线网| 国产成人精品无人区| 午夜福利乱码中文字幕| 国产69精品久久久久777片| 亚洲av电影在线观看一区二区三区| 日本与韩国留学比较| 欧美日本中文国产一区发布| 内地一区二区视频在线| 国产在视频线精品| 狂野欧美激情性xxxx在线观看| 哪个播放器可以免费观看大片| 欧美最新免费一区二区三区| 国产精品麻豆人妻色哟哟久久| 日韩 亚洲 欧美在线| 久久综合国产亚洲精品| 人人妻人人澡人人看| 亚洲欧美精品自产自拍| 免费看不卡的av| 纯流量卡能插随身wifi吗| 人妻人人澡人人爽人人| 色哟哟·www| 欧美精品高潮呻吟av久久| 亚洲国产成人一精品久久久| 蜜桃国产av成人99| 日韩一区二区三区影片| 三级国产精品片| 在线观看www视频免费| 亚洲高清免费不卡视频| 丰满乱子伦码专区| 黑人欧美特级aaaaaa片| 人人澡人人妻人| 国产精品国产三级国产av玫瑰| 大香蕉久久成人网| 久久精品久久久久久噜噜老黄| 欧美人与善性xxx| 亚洲色图综合在线观看| 国产欧美亚洲国产| 性色avwww在线观看| 国产成人精品无人区| 99热6这里只有精品| 香蕉国产在线看| 久久毛片免费看一区二区三区| 精品午夜福利在线看| 另类亚洲欧美激情| 9色porny在线观看| 久久久久久久久久久免费av| 美国免费a级毛片| 最新的欧美精品一区二区| 国产在线一区二区三区精| av天堂久久9| av福利片在线| 满18在线观看网站| 色5月婷婷丁香| 丁香六月天网| 黄网站色视频无遮挡免费观看| 好男人视频免费观看在线| 99热网站在线观看| 亚洲精品自拍成人| 成人亚洲欧美一区二区av| 在线观看免费视频网站a站| 中文字幕亚洲精品专区| 亚洲精品日本国产第一区| 亚洲色图综合在线观看| 啦啦啦在线观看免费高清www| 亚洲精品,欧美精品| 99国产综合亚洲精品| 日韩在线高清观看一区二区三区| 精品亚洲乱码少妇综合久久| 最近的中文字幕免费完整| 99久久综合免费| 91久久精品国产一区二区三区| 亚洲av成人精品一二三区| 伊人亚洲综合成人网| 伦理电影大哥的女人| 两个人免费观看高清视频| 亚洲精品国产av蜜桃| 国产 精品1| videossex国产| 亚洲国产精品一区三区| 少妇的丰满在线观看| 成人国产麻豆网| 久久免费观看电影| 成人亚洲欧美一区二区av| 人人妻人人爽人人添夜夜欢视频| 国产成人精品一,二区| 亚洲国产成人一精品久久久| 亚洲欧美一区二区三区国产| 丰满少妇做爰视频| 天堂8中文在线网| 一边亲一边摸免费视频| 草草在线视频免费看| 久久99精品国语久久久| 你懂的网址亚洲精品在线观看| 亚洲,欧美,日韩| 青春草视频在线免费观看| 国产深夜福利视频在线观看| 激情视频va一区二区三区| 老司机亚洲免费影院| 国产免费视频播放在线视频| 国产高清国产精品国产三级| 日韩三级伦理在线观看| 国产极品粉嫩免费观看在线| 亚洲av中文av极速乱| 制服丝袜香蕉在线| 国产免费现黄频在线看| 欧美激情国产日韩精品一区| 久久精品aⅴ一区二区三区四区 | 精品一区二区三区四区五区乱码 | 在线观看人妻少妇| 纯流量卡能插随身wifi吗| 午夜精品国产一区二区电影| 欧美国产精品va在线观看不卡| av在线播放精品| 色哟哟·www| 一级毛片 在线播放| 观看av在线不卡| 国产极品天堂在线| 国产成人精品无人区| 免费高清在线观看日韩| 精品少妇黑人巨大在线播放| 在线观看免费视频网站a站| 极品少妇高潮喷水抽搐| 晚上一个人看的免费电影| 在线免费观看不下载黄p国产| 我要看黄色一级片免费的| 国产免费视频播放在线视频| 亚洲情色 制服丝袜| av片东京热男人的天堂| av福利片在线| 在线观看免费日韩欧美大片| 国产一区二区在线观看av| 9色porny在线观看| 亚洲欧美清纯卡通| 国产成人aa在线观看| 婷婷色综合www| 国产免费视频播放在线视频| 免费大片18禁| 男女国产视频网站| 久久久国产一区二区| 最近最新中文字幕免费大全7| 国产极品粉嫩免费观看在线| 两性夫妻黄色片 | 我的女老师完整版在线观看| 国产极品粉嫩免费观看在线| 黄片无遮挡物在线观看| 一级片免费观看大全| 国产福利在线免费观看视频| 全区人妻精品视频| 国产精品一区二区在线观看99| 欧美日本中文国产一区发布| 久久av网站| 亚洲精华国产精华液的使用体验| 日韩精品免费视频一区二区三区 | 女人久久www免费人成看片| 在线精品无人区一区二区三| 国产精品不卡视频一区二区| 成人午夜精彩视频在线观看| 男女无遮挡免费网站观看| 一级爰片在线观看| 免费黄频网站在线观看国产| 老熟女久久久| 熟妇人妻不卡中文字幕| 中文字幕亚洲精品专区| 国产精品久久久久久久久免| 国产69精品久久久久777片| 熟女人妻精品中文字幕| 中国国产av一级| 777米奇影视久久| 国产男人的电影天堂91| 精品久久蜜臀av无| 五月玫瑰六月丁香| 欧美精品国产亚洲| 国产成人精品婷婷| 一边亲一边摸免费视频| 少妇的逼好多水| 多毛熟女@视频| 黑人猛操日本美女一级片| 国产激情久久老熟女| 午夜久久久在线观看| 男女边吃奶边做爰视频| 国国产精品蜜臀av免费| 男女国产视频网站| 亚洲欧洲精品一区二区精品久久久 | 一级片免费观看大全| av网站免费在线观看视频| 交换朋友夫妻互换小说| 日韩人妻精品一区2区三区| 91午夜精品亚洲一区二区三区| 1024视频免费在线观看| 最新的欧美精品一区二区| 亚洲av福利一区| 在线观看免费高清a一片| 欧美日韩亚洲高清精品| 亚洲精品一二三| 超色免费av| 国产精品国产三级国产av玫瑰| 国产精品三级大全| 91精品伊人久久大香线蕉| 97人妻天天添夜夜摸| av女优亚洲男人天堂| 人妻系列 视频| 国产精品蜜桃在线观看| 久久精品国产a三级三级三级| 精品亚洲成国产av| 秋霞伦理黄片| 国产成人一区二区在线| 色94色欧美一区二区| 欧美xxⅹ黑人| 免费高清在线观看视频在线观看| 少妇被粗大猛烈的视频| 一本色道久久久久久精品综合| 各种免费的搞黄视频| 国产一区二区在线观看日韩| 在线天堂最新版资源| 亚洲人成网站在线观看播放| 18禁观看日本| 97人妻天天添夜夜摸| 91在线精品国自产拍蜜月| 又粗又硬又长又爽又黄的视频| 草草在线视频免费看| 亚洲一区二区三区欧美精品| 亚洲,欧美,日韩| 国产日韩欧美亚洲二区| 天天躁夜夜躁狠狠躁躁| 9191精品国产免费久久| av片东京热男人的天堂| 亚洲精品自拍成人| 人人妻人人澡人人爽人人夜夜| 日韩电影二区| tube8黄色片| www.av在线官网国产| 肉色欧美久久久久久久蜜桃| av免费观看日本| 大片免费播放器 马上看| 少妇精品久久久久久久| 最近最新中文字幕大全免费视频 | 校园人妻丝袜中文字幕| 国产精品一二三区在线看| 97超碰精品成人国产| 婷婷色麻豆天堂久久| 国产一区亚洲一区在线观看| 伦理电影免费视频| 欧美日韩av久久| 巨乳人妻的诱惑在线观看| 高清黄色对白视频在线免费看| 日韩制服骚丝袜av| 中文字幕最新亚洲高清| 嫩草影院入口| 亚洲精品日本国产第一区| 亚洲欧美一区二区三区国产| 婷婷色av中文字幕| 极品少妇高潮喷水抽搐| 成人综合一区亚洲| 久久av网站| 国产高清不卡午夜福利| av网站免费在线观看视频| 日本av免费视频播放| 亚洲av.av天堂| 亚洲欧洲日产国产| 啦啦啦中文免费视频观看日本| 精品久久久精品久久久| 久久精品夜色国产| 男人舔女人的私密视频| 免费少妇av软件| 亚洲,欧美,日韩| 99视频精品全部免费 在线| 一级片免费观看大全| 最黄视频免费看| 亚洲综合色网址| 色视频在线一区二区三区| 人妻人人澡人人爽人人| 在线免费观看不下载黄p国产| 18禁观看日本| 亚洲丝袜综合中文字幕| 国产欧美亚洲国产| 高清黄色对白视频在线免费看| 国产精品无大码| 亚洲成国产人片在线观看| 久久午夜综合久久蜜桃| 丰满少妇做爰视频| 麻豆乱淫一区二区| 97在线人人人人妻| 亚洲欧美成人精品一区二区| 免费av不卡在线播放| 1024视频免费在线观看| 亚洲国产av新网站| av一本久久久久| 久久精品国产综合久久久 | 久久久久久久久久人人人人人人| 国产永久视频网站| 免费在线观看黄色视频的| 午夜久久久在线观看| 国产成人a∨麻豆精品| 欧美xxxx性猛交bbbb| 黑人巨大精品欧美一区二区蜜桃 | 日韩大片免费观看网站| 国产综合精华液| 免费日韩欧美在线观看| 如何舔出高潮| 国产色爽女视频免费观看| 久久久久久久大尺度免费视频| 亚洲人与动物交配视频| 夜夜骑夜夜射夜夜干| 日日摸夜夜添夜夜爱| 成人18禁高潮啪啪吃奶动态图| 啦啦啦在线观看免费高清www| 久久这里只有精品19| 日本色播在线视频| 蜜臀久久99精品久久宅男| 中文天堂在线官网| 制服丝袜香蕉在线| 国产有黄有色有爽视频| 久久久国产精品麻豆| 亚洲精品美女久久av网站| 久久亚洲国产成人精品v| 两个人免费观看高清视频| 在线天堂中文资源库| 这个男人来自地球电影免费观看 | 又黄又爽又刺激的免费视频.| 在线天堂中文资源库| 汤姆久久久久久久影院中文字幕| 国产精品人妻久久久影院| av卡一久久| 国产成人欧美| 蜜桃在线观看..| 久久99一区二区三区| 精品国产一区二区久久| 久久久久久久大尺度免费视频| av在线老鸭窝| 大香蕉久久网| 中文欧美无线码| 男女高潮啪啪啪动态图| 亚洲av免费高清在线观看| 黑人巨大精品欧美一区二区蜜桃 | 亚洲欧洲日产国产| 一本大道久久a久久精品| 久久久久久人妻| 91精品三级在线观看| 2022亚洲国产成人精品| 国产男女内射视频| 国产在视频线精品| 成年av动漫网址| 精品人妻熟女毛片av久久网站| 丝袜人妻中文字幕| 97在线视频观看| 下体分泌物呈黄色| 大香蕉久久网| 精品久久蜜臀av无| 下体分泌物呈黄色| 亚洲丝袜综合中文字幕| 精品福利永久在线观看| 日本猛色少妇xxxxx猛交久久| 男人爽女人下面视频在线观看| 欧美激情 高清一区二区三区| 中文字幕人妻熟女乱码| 一区二区三区四区激情视频| 18禁动态无遮挡网站| 国产一区二区激情短视频 | 18禁国产床啪视频网站| 日韩av不卡免费在线播放| 国产精品欧美亚洲77777| 女性被躁到高潮视频| 精品国产一区二区三区四区第35| 亚洲av日韩在线播放| 国产国拍精品亚洲av在线观看| 亚洲国产色片| 久热这里只有精品99| 视频在线观看一区二区三区| 欧美精品av麻豆av| 丰满饥渴人妻一区二区三| 人人妻人人爽人人添夜夜欢视频| 黄片无遮挡物在线观看| 黄色怎么调成土黄色| 国产精品一二三区在线看| 久久99一区二区三区| 美女内射精品一级片tv| 欧美老熟妇乱子伦牲交| 午夜激情久久久久久久| 极品少妇高潮喷水抽搐| 这个男人来自地球电影免费观看 | 看免费成人av毛片| 国产男人的电影天堂91| a级毛片黄视频| 亚洲中文av在线| 一本色道久久久久久精品综合| www日本在线高清视频| 日韩电影二区| 国产福利在线免费观看视频| 最新中文字幕久久久久| 国产精品久久久久久精品电影小说| 亚洲成av片中文字幕在线观看 | 免费女性裸体啪啪无遮挡网站| 精品国产一区二区久久| 久久国内精品自在自线图片| 国产精品久久久av美女十八| 亚洲精品乱码久久久久久按摩| 欧美另类一区| 妹子高潮喷水视频| 成人亚洲欧美一区二区av| 我的女老师完整版在线观看| 久久久久久久大尺度免费视频| 亚洲一码二码三码区别大吗| 日本爱情动作片www.在线观看| 美女视频免费永久观看网站| 18禁国产床啪视频网站| 国产亚洲欧美精品永久| a 毛片基地| 国产精品不卡视频一区二区| 日韩三级伦理在线观看| 国产亚洲一区二区精品| 亚洲av日韩在线播放| av免费在线看不卡| 亚洲av综合色区一区| 日本免费在线观看一区| 成人漫画全彩无遮挡| 熟妇人妻不卡中文字幕| 国产高清不卡午夜福利| 青春草亚洲视频在线观看| 欧美成人午夜免费资源| 久久免费观看电影| 午夜福利视频精品| 国产精品不卡视频一区二区| 26uuu在线亚洲综合色| 妹子高潮喷水视频| 色网站视频免费| 久久精品久久精品一区二区三区| 男女无遮挡免费网站观看| 日日撸夜夜添| 日韩制服丝袜自拍偷拍| 中文欧美无线码| 一区二区三区乱码不卡18| 九草在线视频观看| 两个人看的免费小视频| 久久精品熟女亚洲av麻豆精品| 一本—道久久a久久精品蜜桃钙片| 久久久久久人人人人人| 国产精品国产三级专区第一集| 美女国产高潮福利片在线看| 99视频精品全部免费 在线| 91精品伊人久久大香线蕉| 国产成人一区二区在线| 午夜久久久在线观看| 97在线人人人人妻| 亚洲精品视频女| 99久国产av精品国产电影| 久久女婷五月综合色啪小说| 高清不卡的av网站| 十八禁网站网址无遮挡| 日韩av免费高清视频| 久久久久久久亚洲中文字幕| 一本—道久久a久久精品蜜桃钙片| 亚洲精品国产av蜜桃| 国产黄频视频在线观看| 亚洲精品第二区| 人成视频在线观看免费观看| 丰满少妇做爰视频| 亚洲三级黄色毛片| 免费av不卡在线播放| 高清av免费在线| 涩涩av久久男人的天堂| 最黄视频免费看| 蜜桃国产av成人99| 久久99精品国语久久久| 秋霞在线观看毛片| 免费高清在线观看日韩| 午夜福利视频精品| 一级爰片在线观看| 18在线观看网站| 国产免费视频播放在线视频| 欧美97在线视频| 国产一区二区三区av在线| 午夜福利影视在线免费观看| 国产精品.久久久| 大码成人一级视频| 久久人人爽人人片av| 女性生殖器流出的白浆| 精品午夜福利在线看| 国产一区有黄有色的免费视频| 99热网站在线观看| 高清毛片免费看| 亚洲欧美成人综合另类久久久| 亚洲美女搞黄在线观看| 亚洲欧洲国产日韩| 内地一区二区视频在线| av网站免费在线观看视频| 国产老妇伦熟女老妇高清| 久久人妻熟女aⅴ| 国产精品嫩草影院av在线观看| 国产女主播在线喷水免费视频网站| 亚洲精品日本国产第一区| 99精国产麻豆久久婷婷| 婷婷色综合www| 中文字幕另类日韩欧美亚洲嫩草| 一本久久精品| 寂寞人妻少妇视频99o| 国产精品嫩草影院av在线观看| 亚洲av日韩在线播放| 老司机亚洲免费影院| 美女大奶头黄色视频| 欧美xxxx性猛交bbbb| 2022亚洲国产成人精品| 99热全是精品| 婷婷色麻豆天堂久久| 亚洲欧美中文字幕日韩二区| 边亲边吃奶的免费视频| 狂野欧美激情性bbbbbb| 一级片免费观看大全| 日韩欧美精品免费久久| 国产成人精品福利久久| 精品一区在线观看国产| 在线观看一区二区三区激情| 日本猛色少妇xxxxx猛交久久| 国产av一区二区精品久久| 2018国产大陆天天弄谢| 在线观看人妻少妇| 亚洲欧洲国产日韩| 久热久热在线精品观看| av在线观看视频网站免费| 国产亚洲一区二区精品| 国产精品无大码| 国内精品宾馆在线| 波野结衣二区三区在线| 春色校园在线视频观看| 日本免费在线观看一区| 国产成人a∨麻豆精品| 夫妻性生交免费视频一级片| 国产在视频线精品| 99视频精品全部免费 在线| 99久久精品国产国产毛片| 久久人妻熟女aⅴ| 国产精品久久久久成人av| av网站免费在线观看视频| 少妇人妻精品综合一区二区| 大话2 男鬼变身卡| 亚洲av免费高清在线观看| 肉色欧美久久久久久久蜜桃| 男人爽女人下面视频在线观看| 久久久久精品人妻al黑| 欧美另类一区| 高清在线视频一区二区三区| 亚洲国产欧美在线一区| 精品一区二区三卡| 桃花免费在线播放| 日韩电影二区| 中文字幕最新亚洲高清| 欧美人与善性xxx| 啦啦啦视频在线资源免费观看| 国产精品不卡视频一区二区| 午夜久久久在线观看| 天天影视国产精品| 菩萨蛮人人尽说江南好唐韦庄| 久久久久久人人人人人| 黄片无遮挡物在线观看| 国产乱来视频区| 最近最新中文字幕大全免费视频 | 亚洲欧美清纯卡通| 亚洲成色77777| 国产1区2区3区精品| 国产在线视频一区二区| 国产综合精华液| 午夜福利,免费看| 久久影院123| 国产成人一区二区在线| 制服人妻中文乱码| 18+在线观看网站| 男女高潮啪啪啪动态图| 成人综合一区亚洲| 大码成人一级视频| 一级爰片在线观看| 黑人高潮一二区| 一个人免费看片子| 日日撸夜夜添| videos熟女内射| 男女边吃奶边做爰视频| 日韩一区二区视频免费看| 男女国产视频网站| 久久久久精品人妻al黑| 久久国产亚洲av麻豆专区| 国产熟女欧美一区二区| 老司机亚洲免费影院| 亚洲精品乱码久久久久久按摩| 晚上一个人看的免费电影| 免费在线观看黄色视频的| 国产乱人偷精品视频| 我的女老师完整版在线观看| 男人添女人高潮全过程视频| 久久久国产一区二区| 久久婷婷青草| 免费av中文字幕在线| 亚洲欧美成人精品一区二区| 校园人妻丝袜中文字幕| 国产一区二区三区综合在线观看 | 久久亚洲国产成人精品v| 免费大片18禁| 亚洲精品美女久久av网站| 日日摸夜夜添夜夜爱| 亚洲成色77777| 夜夜骑夜夜射夜夜干| 日本黄大片高清| 9热在线视频观看99| freevideosex欧美| 免费看av在线观看网站| 国产一区二区在线观看日韩| 日韩制服丝袜自拍偷拍| 十分钟在线观看高清视频www| 日韩视频在线欧美| www.熟女人妻精品国产 | 一级片'在线观看视频| 久久精品aⅴ一区二区三区四区 | 国产精品一国产av| 久久久久久人妻| 国产欧美另类精品又又久久亚洲欧美|