• <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 ?

    復(fù)雜場景下基于特征點(diǎn)匹配的目標(biāo)跟蹤算法

    2014-12-03 08:07:50仇大偉劉靜
    山東科學(xué) 2014年4期
    關(guān)鍵詞:矩形框直方圖特征

    仇大偉,劉靜

    (山東中醫(yī)藥大學(xué)理工學(xué)院,山東濟(jì)南250355)

    目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域中的一個重要問題,在視頻會議、目標(biāo)監(jiān)控和人機(jī)交互中有著廣泛應(yīng)用。目標(biāo)跟蹤的主要目的是在動態(tài)變化的場景下連續(xù)、可靠地獲取目標(biāo)的準(zhǔn)確位置[1],多年來,研究者們對此進(jìn)行了大量研究,提出了一些目標(biāo)跟蹤算法。概括起來,目標(biāo)跟蹤算法可以分為以下四種類型[2]:基于梯度的方法通過最小化代價函數(shù)定位后續(xù)幀中的目標(biāo);基于知識的方法使用形狀、輪廓等先驗(yàn)知識跟蹤目標(biāo);基于學(xué)習(xí)的方法借助模式識別算法首先學(xué)習(xí)目標(biāo)模型,然后在后續(xù)幀中搜索目標(biāo);基于特征的方法使用提取的諸如亮度、顏色和邊緣等特征跟蹤目標(biāo)。

    主動輪廓模型[3]自1988年提出后,一直是圖像分割領(lǐng)域的研究熱點(diǎn),但是輪廓的初始化、運(yùn)算速度等問題使其很難應(yīng)用于目標(biāo)跟蹤的研究中。基于學(xué)習(xí)的方法[2,4-6]主要使用神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)和支持向量機(jī)等方法進(jìn)行目標(biāo)跟蹤。該方法允許進(jìn)行復(fù)雜的、非線性目標(biāo)建模,且可以動態(tài)地進(jìn)行模型更新。然而,基于學(xué)習(xí)的方法一般用于特定的目標(biāo)跟蹤,且需要離線學(xué)習(xí)大量樣本,通用性較差。近年來,基于特征的目標(biāo)跟蹤方法引起了研究者的廣泛關(guān)注。均值偏移跟蹤[7](mean shift tracking,MST)及其改進(jìn)算法主要利用顏色直方圖表示目標(biāo),自提出以來得到了廣泛應(yīng)用。然而,該類算法假定目標(biāo)的直方圖在跟蹤過程中不會發(fā)生較大改變,實(shí)際上,由于光照強(qiáng)度、觀測角度、目標(biāo)遠(yuǎn)近以及遮擋等情況的變化,目標(biāo)在運(yùn)動過程中常常會發(fā)生較大改變。針對不斷變化的目標(biāo)外形,Nejhum等[8]提出一種使用直方圖跟蹤目標(biāo)的算法,該算法利用目標(biāo)窗口中的若干小的矩形框表示目標(biāo),小矩形框的位置在算法運(yùn)行過程中自適應(yīng)地確定,該算法能夠跟蹤在運(yùn)動過程中外形有較大變化的目標(biāo)。然而,該算法每次都需掃描整個圖像以確定目標(biāo)的大體位置,表示目標(biāo)的小矩形框的調(diào)整和再定位、目標(biāo)模型的更新等方面也需要做出進(jìn)一步的改進(jìn)。

    研究人員將局部不變特征應(yīng)用于目標(biāo)跟蹤,也取得了較好的效果。Tang等[9]使用基于SIFT(scale invariant feature transform,SIFT)的屬性關(guān)系圖(attributed relational graph,ARG)表示目標(biāo),在幾個連續(xù)的幀中總是出現(xiàn)的特征被認(rèn)為是穩(wěn)定的特征,用于構(gòu)建圖;反之,較少出現(xiàn)的特征則從圖中刪除。然而,在實(shí)際的視覺目標(biāo)跟蹤過程中,由于外觀、光照等的變化,這樣穩(wěn)定的特征比較少。Carrera等[10]根據(jù)SURF(speeded-up robust features)算法提出了一種魯棒的目標(biāo)跟蹤算法,該算法使用Harris算子檢測目標(biāo)區(qū)域中的興趣點(diǎn),使用SURF描述算子對興趣點(diǎn)進(jìn)行表示,在目標(biāo)跟蹤過程中,使用UKF(unscented kalman filter)預(yù)測目標(biāo)中心位置。實(shí)驗(yàn)表明,該算法在目標(biāo)旋轉(zhuǎn)、尺度變化等情況下,魯棒性較好。然而,在目標(biāo)姿態(tài)、外觀發(fā)生改變的情況下,該算法未能及時更新目標(biāo)模型。

    為減少計算量,有效應(yīng)對目標(biāo)跟蹤過程中的遮擋、目標(biāo)外觀變化等情況,本文提出了一種基于SURF的目標(biāo)跟蹤算法。

    1 SURF算法

    SURF算法是Bay等[11-12]在2006年提出的一種具有尺度、旋轉(zhuǎn)不變性的圖像局部特征檢測和描述算子。該算法不但在性能上達(dá)到或超過了目前常用的基于Harris、基于Hessian矩陣的方法和SIFT等算法,而且其執(zhí)行速度更快。

    1.1 興趣點(diǎn)的檢測

    SURF算法的興趣點(diǎn)檢測算子基于Hessian矩陣,這樣可以利用積分圖像,極大地減少時間。

    對于圖像中的一個像素點(diǎn)X=(x,y),在尺度σ下該點(diǎn)處的Hessian矩陣定義為

    文獻(xiàn)[13-14]中已經(jīng)表明高斯核在尺度空間分析中性能優(yōu)良,實(shí)際應(yīng)用時須將其離散化。在SURF算法中,將二階高斯微分算子近似為如圖1所示的盒形濾波。使用這些算子SURF算法不但以較低的開銷在積分圖像上進(jìn)行計算,且計算時間獨(dú)立于濾波大小。

    圖1中的高斯二階微分算子可記為Dxx、Dyy和Dyy。Hessian矩陣的行列式為

    Lxx、Lyy和Lxy分別為Dxx、Dyy和Dxy與輸入圖像在某像素點(diǎn)處卷積,權(quán)值w按如下方式計算

    式中,|·|F為F-范數(shù)。

    興趣點(diǎn)從不同尺度檢測,尺度空間通常表示為一個圖像金字塔。由于積分圖像的使用,SURF算法可以通過不斷增大濾波而不是減小圖像進(jìn)行尺度空間分析,如圖2所示,左圖表示不斷減少圖像大小進(jìn)行尺度空間分析,SURF算法使用右圖所示方法,使用相同大小的輸入圖像,通過不斷增大濾波大小進(jìn)行尺度空間分析。

    圖1 高斯二階微分算子Fig.1 Gaussian second-order partial derivative operator in x-,y-and xy-directions

    尺度空間分成不同分組,為了使濾波大小為奇數(shù)且保證中心像素的存在,相鄰濾波必須增大至少2像素。對于每一新的尺度空間分組,濾波增大加倍(從6~12到24~48)。在SURF算法中,第1分組的濾波大小分別為9、15、21、27,第2分組至第4分組中的濾波大小分別為15、27、39、51;27、51、75、99;51、99、147、195。

    SURF算法運(yùn)用非最大化抑制和插值方法尋找興趣點(diǎn)。

    圖2 尺度空間分析Fig.2 Scale space analysis

    1.2 興趣點(diǎn)的描述

    為提取興趣點(diǎn)的描述,首先構(gòu)造一個以興趣點(diǎn)為中心,沿興趣點(diǎn)方向的窗口,窗口大小為20s。該窗口被劃分成4×4的小區(qū)域,在每個小區(qū)域計算Haar小波響應(yīng),水平方向記為 dx,垂直方向記為 dy(濾波大小為2s)。dx和dy與以興趣點(diǎn)為中心高斯分布(σ=3.3s)進(jìn)行加權(quán)。在每個小區(qū)域中計算向量v=(Σ dx,Σ dy,Σ |dx|,Σ |dy|),連接4×4個小區(qū)域的向量,就可得到一個長度為64的向量。

    圖3 興趣點(diǎn)方向的指定Fig.3 Orientation assignment for the interest point

    1.3 興趣點(diǎn)的匹配

    興趣點(diǎn)的匹配基于向量間的距離,一般使用馬氏(Mahalanobis)距離或歐氏(Euclidean)距離。

    2 基于SURF的目標(biāo)跟蹤算法

    在目標(biāo)跟蹤中,目標(biāo)的表示、目標(biāo)的檢測、遮擋情況的處理、目標(biāo)大小的縮放、目標(biāo)模型的更新等是需要著重解決的幾個問題,在本算法中,我們針對這幾個問題提出了基于SURF的目標(biāo)跟蹤算法。

    基于SURF的目標(biāo)跟蹤算法以第1幀圖像中矩形框界定的目標(biāo)為輸入,后續(xù)幀中表示目標(biāo)位置的矩形框作為輸出。該算法的總體框架見圖4。

    算法獲得輸入后,對于每一幀新的圖像,為減少計算量,不是在整個圖像中搜索目標(biāo),而是首先根據(jù)目標(biāo)的運(yùn)動狀態(tài),計算目標(biāo)搜索區(qū)域。算法在目標(biāo)搜索區(qū)域中檢測SURF點(diǎn),將SURF點(diǎn)與目標(biāo)模型中的SURF點(diǎn)進(jìn)行比較,計算最佳匹配SURF點(diǎn)。然后,根據(jù)最佳匹配SURF點(diǎn)的個數(shù),判定目標(biāo)是否發(fā)生遮擋。若發(fā)生遮擋,則根據(jù)獲得的匹配SURF點(diǎn)在目標(biāo)模型中相對應(yīng)的SURF點(diǎn),計算目標(biāo)中心,根據(jù)SURF點(diǎn)及其鄰近R、G、B直方圖計算目標(biāo)的實(shí)際位置。若目標(biāo)未發(fā)生遮擋,則根據(jù)檢測到的最佳匹配SURF點(diǎn),計算目標(biāo)中心,根據(jù)SURF點(diǎn)鄰近R、G、B直方圖縮放跟蹤窗口,計算目標(biāo)的最佳大小和位置。并根據(jù)獲得的目標(biāo)窗口,重新計算窗口內(nèi)SURF點(diǎn)及其鄰近R、G、B直方圖,對目標(biāo)模型進(jìn)行更新,以反映目標(biāo)的最新變化。

    圖4 算法框架圖Fig.4 Flowchart of the tracking process

    2.1 目標(biāo)檢測

    目標(biāo)檢測是視覺跟蹤的中心任務(wù)之一。本節(jié)的主要任務(wù)是計算目標(biāo)的搜索區(qū)域,然后在該區(qū)域中檢測目標(biāo)的SURF點(diǎn),這些點(diǎn)作為目標(biāo)的主要特征點(diǎn),確定了目標(biāo)的大致位置,為后面計算目標(biāo)的準(zhǔn)確位置做必要的準(zhǔn)備。

    2.1.1 目標(biāo)表示

    本文提出的算法屬于基于特征的目標(biāo)跟蹤算法。算法首先檢測目標(biāo)區(qū)域中的SURF點(diǎn),然后計算每個SURF點(diǎn)鄰近的R、G、B直方圖,以SURF點(diǎn)和R、G、B直方圖來表示目標(biāo)。如圖5所示,以目標(biāo)跟蹤窗口內(nèi)的若干小矩形框的R、G、B直方圖表示目標(biāo)。在對跟蹤的目標(biāo)進(jìn)行直方圖的相似度比較時,不同的小矩形框賦以不同權(quán)值,離目標(biāo)中心近的賦以較大權(quán)值,離目標(biāo)中心較遠(yuǎn)的賦以較小權(quán)值,權(quán)值在算法運(yùn)行過程中動態(tài)確定(權(quán)值的計算見2.3節(jié))。在目標(biāo)跟蹤框中不可避免地會包含很多背景像素,對離目標(biāo)中心較遠(yuǎn)的小矩形框直方圖賦以較小權(quán)值,可以降低其對目標(biāo)表示的影響,以便較準(zhǔn)確地檢測到目標(biāo),提高跟蹤的精度。

    圖5 目標(biāo)的表示Fig.5 Target representation

    2.1.2 目標(biāo)搜索區(qū)域的計算

    為減少算法的計算成本,加快算法的執(zhí)行速度,本算法不是掃描整個輸入圖像檢測目標(biāo),而是根據(jù)上一幀圖像中目標(biāo)的位置和速度,在當(dāng)前幀中掃描目標(biāo)可能的鄰近區(qū)域,進(jìn)而確定目標(biāo)的準(zhǔn)確位置。目標(biāo)可能鄰近區(qū)域,即目標(biāo)搜索區(qū)域的計算方法為:

    其中,testRect和targetRect分別表示當(dāng)前幀的目標(biāo)搜索區(qū)域和上一幀的目標(biāo)區(qū)域。其第一、第二分量表示矩形區(qū)域左上角坐標(biāo),第三、第四分量分別表示矩形區(qū)域的寬度和高度。dx和dy分別表示目標(biāo)在x和y方向上的速度,此處我們假定目標(biāo)沿右下角方向移動,若目標(biāo)向其他方向移動,目標(biāo)搜索區(qū)域可相應(yīng)向該方向增長。step_w和step_h分別表示矩形區(qū)域在寬度和高度方向上需要增加的量,其計算方法如下

    其中,sw和sh分別表示目標(biāo)搜索區(qū)域在寬度和高度方向上的增長系數(shù),一般選擇0.1~0.3,本文中sw和sh均設(shè)置為0.2。

    目標(biāo)搜索區(qū)域的計算見圖6,圖中虛線框?yàn)樯弦粠瑘D像中檢測到的目標(biāo)的準(zhǔn)確位置,點(diǎn)線框?yàn)樵繕?biāo)位置進(jìn)行擴(kuò)展后的區(qū)域。

    圖6 目標(biāo)搜索區(qū)域的計算Fig.6 Computation of target searching area

    2.1.3 SURF點(diǎn)的檢測

    確定了目標(biāo)搜索區(qū)域后,應(yīng)用SURF算法檢測該區(qū)域中的SURF點(diǎn),一般來說,在目標(biāo)搜索區(qū)域中檢測到的SURF點(diǎn)將多于目標(biāo)模型中SURF點(diǎn)的數(shù)量。為計算最佳匹配SURF點(diǎn),我們首先計算目標(biāo)搜索區(qū)域與目標(biāo)模型中SURF點(diǎn)的歐氏距離

    其中,TI(i)表示在目標(biāo)搜索區(qū)域中檢測到的第i個SURF點(diǎn),TS(k)表示目標(biāo)模型中的第k個SURF點(diǎn)。對于歐氏距離小于某一閾值θdist的SURF點(diǎn),我們選定為最佳匹配點(diǎn),其中θdist的值在算法運(yùn)行過程中動態(tài)確定,一般為上一幀最佳SURF匹配點(diǎn)歐氏距離的最大值。

    檢測到的最佳SURF匹配點(diǎn)即為目標(biāo)的大致位置,為計算目標(biāo)的準(zhǔn)確位置,需要計算目標(biāo)的中心位置,為此算法將判斷目標(biāo)是否發(fā)生遮擋。

    2.2 遮擋處理

    為簡單起見,算法根據(jù)如下原則,判斷目標(biāo)是否發(fā)生遮擋,并進(jìn)行相應(yīng)處理:

    (1)若未檢測到匹配點(diǎn),則目標(biāo)發(fā)生完全遮擋,在后續(xù)幀中,再次檢測到與目標(biāo)模型中相匹配的SURF點(diǎn)時,標(biāo)志著目標(biāo)再次出現(xiàn)。

    (2)若匹配點(diǎn)的個數(shù)少于上一幀中最佳匹配點(diǎn)個數(shù)的75%,則目標(biāo)發(fā)生部分遮擋。此時,目標(biāo)中心根據(jù)目標(biāo)模型中相應(yīng)匹配點(diǎn)到中心的距離來計算,為方便說明,我們進(jìn)行如下符號約定:目標(biāo)模型中目標(biāo)中心位置為O?

    ,目標(biāo)模型中相應(yīng)最佳SURF匹配點(diǎn)的位置為P?i,因此,目標(biāo)中心到該點(diǎn)的距離為

    如圖7所示。從而,當(dāng)前幀目標(biāo)中心的估計值為

    其中,n為檢測到的最佳匹配SURF點(diǎn)的個數(shù)。

    圖7 目標(biāo)發(fā)生遮擋時的目標(biāo)中心位置計算Fig.7 Computation of the center position of a shaded target

    圖8 目標(biāo)未發(fā)生遮擋時的目標(biāo)中心位置計算Fig.8 Computation of the center position without a shaded target

    (3)否則,目標(biāo)未發(fā)生遮擋,根據(jù)檢測到的最佳SURF匹配點(diǎn)計算目標(biāo)中心位置,見圖8,目標(biāo)中心的估計值為

    2.3 目標(biāo)縮放

    檢測到當(dāng)前幀目標(biāo)中心的估計值后,算法將根據(jù)最佳匹配SURF點(diǎn)鄰近的顏色直方圖來計算目標(biāo)的準(zhǔn)確位置。

    根據(jù)上一幀中目標(biāo)跟蹤窗口的大小,在當(dāng)前幀中,算法隨機(jī)改變跟蹤窗口的寬度和高度,對于每一個窗口W'=S(W,winw,winh),其中W為上一幀中目標(biāo)跟蹤窗口,winw和winh分別為寬度和高度方向上窗口大小改變系數(shù),本文中我們選取0.8≤winw,winh≤1.2。算法計算在該窗口內(nèi),最近匹配SURF點(diǎn)鄰近的R、G、B直方圖,并與目標(biāo)模型中相應(yīng)SURF點(diǎn)的R、G、B直方圖進(jìn)行比較,返回相似度最高的窗口大小,即

    式中,n為最佳匹配SURF點(diǎn)的個數(shù),θ(i)為相應(yīng)于第i個匹配點(diǎn)的目標(biāo)模型中的SURF點(diǎn),λi為第i個SURF點(diǎn)鄰近直方圖的權(quán)重系數(shù),在算法運(yùn)行過程中動態(tài)改變,其計算方法為

    其中,b為直方圖箱子索引號,Hi為目標(biāo)搜索區(qū)域中第i個SURF點(diǎn)鄰近的原始直方圖。ρ(·)度量目標(biāo)區(qū)域和目標(biāo)模板的R、G、B直方圖的接近程度,本文對R、G、B三個分量采用相同權(quán)重,即均為1/3,算法采用Bhattacharyya距離

    上式中,N為直方圖箱數(shù)。

    因?yàn)樵诒疚闹?,目?biāo)跟蹤窗口和直方圖的計算均是矩形框,所以可以采用積分直方圖以加快算法的執(zhí)行速度。

    2.4 模型更新

    由于姿態(tài)改變、光線變化以及場景改變等因素的影響,目標(biāo)在運(yùn)動過程中其特征不斷發(fā)生變化,目標(biāo)模型應(yīng)及時反映這些變化。因此,模型更新也是影響目標(biāo)跟蹤效果的一個重要方面。為此,本文提出了一種在線更新目標(biāo)模型的策略。

    在遮擋發(fā)生前,系統(tǒng)保存有最近未發(fā)生遮擋的前M(本文中,我們設(shè)置M為10)幀圖像中的目標(biāo)特征(SURF點(diǎn)、鄰近直方圖)。若當(dāng)前幀中目標(biāo)未發(fā)生遮擋,則根據(jù)2.3中計算目標(biāo)的準(zhǔn)確跟蹤窗口,重新計算跟蹤窗口內(nèi)的SURF點(diǎn)鄰近的R、G、B直方圖,將SURF點(diǎn)即R、G、B直方圖保存到目標(biāo)模型中,若目標(biāo)模型中的幀數(shù)超過M,則刪除最前幀中的目標(biāo)特征。

    若當(dāng)前幀中目標(biāo)發(fā)生遮擋,停止更新目標(biāo)模型,根據(jù)匹配的最佳SURF點(diǎn)及目標(biāo)模型,估計可能的目標(biāo)中心位置,計算SURF點(diǎn)鄰近R、G、B直方圖,輸出目標(biāo)未遮擋部分。

    3 實(shí)驗(yàn)結(jié)果與分析

    為了評價所提出算法的性能,通過幾個實(shí)驗(yàn)對其進(jìn)行測試,主要針對目標(biāo)縮放、遮擋情況的處理。經(jīng)典均值偏移(MST)算法[7]應(yīng)用較為廣泛,因此本文選擇該算法作為對比算法。本文將選用PETS[15-16]作為測試數(shù)據(jù)集,該數(shù)據(jù)集在目標(biāo)跟蹤領(lǐng)域作為測試數(shù)據(jù)集得到了廣泛應(yīng)用。

    3.1 目標(biāo)縮放的對比實(shí)驗(yàn)

    本次實(shí)驗(yàn)使用PETS2001[15]中數(shù)據(jù)集,在該數(shù)據(jù)集的視頻中,目標(biāo)由遠(yuǎn)至近,跟蹤目標(biāo)逐漸變大,圖像大小為768×576。圖9為使用不同算法的部分跟蹤結(jié)果,其中左側(cè)為經(jīng)典MST算法的部分跟蹤結(jié)果,右側(cè)為本文提出算法的跟蹤結(jié)果。實(shí)驗(yàn)中本文算法選用的參數(shù)為:最優(yōu)匹配SURF點(diǎn)個數(shù)為12,目標(biāo)模型中歷史幀數(shù)為10,R、G、B直方圖箱數(shù)為128。圖9中從上到下依次為第329、333、343、360、379幀圖像。

    圖9 目標(biāo)發(fā)生縮放情況下的不同方法的跟蹤結(jié)果比較Fig.9 Comparisons of tracking results of different algorithms for a zoomer target

    從圖9中可以看出,在目標(biāo)大小發(fā)生變化的情況下,本文提出的算法可以較好地適應(yīng)目標(biāo)大小的變化,而經(jīng)典MST算法在第360幀己不能很好地適應(yīng)目標(biāo)大小的變化,最終只能定位到目標(biāo)的一部分。

    3.2 遮擋情況的對比實(shí)驗(yàn)

    在本節(jié)中,我們使用PETS2007[16]中的數(shù)據(jù)集,圖像大小為720×576。圖10為使用不同算法的部分跟蹤結(jié)果,其中左側(cè)為經(jīng)典MST算法的部分跟蹤結(jié)果,右側(cè)為本文提出算法的跟蹤結(jié)果。實(shí)驗(yàn)中本文算法選用的參數(shù)為:最優(yōu)匹配SURF點(diǎn)個數(shù)為12,目標(biāo)模型中歷史幀數(shù)為10,R、G、B直方圖箱數(shù)為128。圖10中從上到下依次為第10、47、75、110幀圖像。

    從圖10可以看出,從第47幀開始,經(jīng)典MST算法的跟蹤結(jié)果即開始偏離目標(biāo),在第75幀中,經(jīng)典MST算法已經(jīng)失去了目標(biāo)。而本文提出的算法,即使在有遮擋的情況下,也可較好地跟蹤目標(biāo),說明了本文算法的有效性。

    圖10 目標(biāo)發(fā)生遮擋情況下的不同方法的跟蹤結(jié)果比較Fig.10 Comparisons of tracking results of different algorithms for a shaded target

    3.3 實(shí)驗(yàn)分析

    本節(jié)從以下三個方面說明不同參數(shù)的選擇對目標(biāo)跟蹤結(jié)果的影響。

    3.3.1 SURF特征點(diǎn)個數(shù)的選擇

    SURF特征點(diǎn)并不是越多越好,如圖11所示,從上到下依次為SURF特征點(diǎn)數(shù)4、8、12、16的跟蹤結(jié)果。左側(cè)分別表示不同參數(shù)下PETS2001[15]中第349幀的跟蹤結(jié)果,右側(cè)分別表示不同參數(shù)下第379幀的跟蹤結(jié)果。

    文獻(xiàn)[8]中通過實(shí)驗(yàn)說明了使用單一直方圖進(jìn)行目標(biāo)跟蹤時,常常得不到令人滿意的跟蹤效果。從圖11中也可以看出,SURF特征點(diǎn)選取得少,算法雖然也能較準(zhǔn)確地跟蹤到目標(biāo),但是并不能準(zhǔn)確地定位到完整的目標(biāo)大小。這是因?yàn)镾URF特征點(diǎn)較少,這些特征點(diǎn)只能代表目標(biāo)的局部特征,其R、G、B直方圖表示目標(biāo)的區(qū)分性不足。反之,SURF特征點(diǎn)選取得越多,跟蹤結(jié)果受目標(biāo)周邊背景特征點(diǎn)的影響越大;再者,SURF特征點(diǎn)越多,每個特征點(diǎn)的鄰近區(qū)域越小,其R、G、B直方圖在最終目標(biāo)跟蹤結(jié)果中所占的權(quán)重也越小。所以,應(yīng)選取適當(dāng)數(shù)量的SURF特征點(diǎn)。實(shí)驗(yàn)表明,目標(biāo)跟蹤過程中,一般選取SURF特征點(diǎn)的數(shù)量為目標(biāo)區(qū)域中檢測到的SURF特征點(diǎn)數(shù)量的1/3,跟蹤效果較好。

    圖11 不同SURF特征點(diǎn)個數(shù)下的跟蹤結(jié)果比較Fig.11 Comparisons of tracking results corresponding to different numbers of SURF feature points

    3.3.2 目標(biāo)模型中歷史幀數(shù)量的選擇

    直覺上,跟蹤目標(biāo)的特征在連續(xù)幀中相似度較大。因此,目標(biāo)模型中歷史幀數(shù)一般不會設(shè)置較大。

    表1 目標(biāo)在歷史幀中的相似度比較Table 1 Object similarity comparison among the past frames

    我們在選取的SURF特征點(diǎn)數(shù)分別為4、8、12、16的情況下,多次進(jìn)行實(shí)驗(yàn),在目標(biāo)模型的最優(yōu)SURF特征點(diǎn)匹配中,歷史幀的使用情況如表1所示。從表1可以看出,當(dāng)前幀中的SURF特征點(diǎn)主要與前3幀相匹配。所以,目標(biāo)模型中歷史幀數(shù)一般設(shè)置為3~5。

    3.3.3 直方圖中箱數(shù)量的選擇

    對于RGB圖像來說,直方圖的箱數(shù)最大為256。實(shí)驗(yàn)表明,箱數(shù)越大,越能較好地表示目標(biāo)的特征。箱數(shù)的大小對算法的運(yùn)行速度影響不顯著。

    4 結(jié)論

    本文根據(jù)SURF相比于SIFT等特征提取方法在性能、執(zhí)行速度等方面的優(yōu)點(diǎn),提出了一種基于SURF的目標(biāo)跟蹤和在線目標(biāo)模型更新算法,該方法的時間復(fù)雜度較低,執(zhí)行速度快,并能夠在線實(shí)時更新目標(biāo)模型。對于目標(biāo)運(yùn)動過程中突然改變運(yùn)動方向,以及光照突然變化的場景下的目標(biāo)跟蹤算法是今后研究的方向。

    [1]HU W M,TAN T N,WANG L,et al.A survey on visual surveillance of object motion and behaviors[J].IEEE Transactions on Systems,Man and Cybernetics,Part C,2004,34(3):334 -352.

    [2]BABU R V,SURESH S,MAKUR A.Online adaptive radial basis function networks for robust object tracking[J].Computer Vision and Image Understanding,2010,114(3):297-310.

    [3]KASS M,WITKIN A,TERZOPOULOS D.Snakes:Active contour models[J].International Journal of Computer Vision,1988,1(4):321-331.

    [4]MUSAVI M,AHMED W,CHAN K H,et al.On the training of radial basis function classifiers[J].Neural Networks,1992,5(4):595-603.

    [5]AVIDAN S.Support vector tracking[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2004,26(8):1064-1072.

    [6]AVIDAN S.Ensemble tracking[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007,29(2):261 -271.

    [7]COMANICIU D,RAMESH V,Meer P.Kernel-based object tracking[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25(5):564-577.

    [8]NEJHUM S M,HO J,YANG M H.Online visual tracking with histograms and articulating blocks[J].Computer Vision and Image Understanding,2010,114(8):901-914.

    [9]TANG F,TAO H.Object tracking with dynamic feature graph[C]//2nd Joint IEEE International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance,2005.Piscataway:IEEE,2005:25-32.

    [10]CARRERA G,SAVAGE J,MAYOL-CUEVAS W.Robust feature descriptors for efficient vision-based tracking[M]//Progress in Pattern Recognition,Image Analysis and Applications.Berlin:Springer,2007,4756:251 -260.

    [11]BAY H,TUYTELAARS T,van GOOL L.Surf:Speeded up robust features[C]//Computer Vision – ECCV 2006.Berlin:Springer,2006:404 -417.

    [12]BAY H,ESS A,TUYTELAARS T,et al.Speeded-up robust features(surf)[J].Computer Vision and Image Understanding,2008:110(3):346-359.

    [13]KOENDERINK J J.The structure of images[J].Biological Cybernetics,1984,50(5):363 -370.

    [14]LINDEBERG T.Scale-space for discrete signals[J].IEEE Trans Pattern Anal Mach Intell,1990,12(3):234 -254.

    [15]PETS.Sequence 2[EB/OL].[2014-02-10].ftp://ftp.cs.rdg.ac.uk/pub/PETS2001/.

    [16]PETS.Sequence 3[EB/OL].[2014-02-10].ftp://ftp.cs.rdg.ac.uk/pub/PETS2007/.

    猜你喜歡
    矩形框直方圖特征
    統(tǒng)計頻率分布直方圖的備考全攻略
    符合差分隱私的流數(shù)據(jù)統(tǒng)計直方圖發(fā)布
    如何表達(dá)“特征”
    多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)的物體抓取檢測
    不忠誠的四個特征
    一種汽車式起重機(jī)防傾翻方法的研究
    用直方圖控制畫面影調(diào)
    抓住特征巧觀察
    基于直方圖平移和互補(bǔ)嵌入的可逆水印方案
    PowerPoint 2013圖片裁剪技巧兩則
    1024手机看黄色片| 观看美女的网站| 亚洲五月天丁香| 亚洲精品456在线播放app | 成人高潮视频无遮挡免费网站| netflix在线观看网站| 成年版毛片免费区| 久久精品91蜜桃| 午夜福利18| 国产午夜精品久久久久久| 男人的好看免费观看在线视频| 久久久国产成人精品二区| 真人做人爱边吃奶动态| 日本免费一区二区三区高清不卡| 久久久久久久午夜电影| 操出白浆在线播放| 欧美高清成人免费视频www| 老熟妇仑乱视频hdxx| 黄片小视频在线播放| a级毛片在线看网站| 精品午夜福利视频在线观看一区| 激情在线观看视频在线高清| 热99在线观看视频| 亚洲aⅴ乱码一区二区在线播放| 久久久国产成人精品二区| 亚洲熟妇中文字幕五十中出| 一本久久中文字幕| 免费在线观看日本一区| 嫩草影视91久久| 丰满的人妻完整版| 亚洲五月天丁香| 亚洲国产中文字幕在线视频| 女同久久另类99精品国产91| 亚洲熟妇中文字幕五十中出| 美女 人体艺术 gogo| 99精品在免费线老司机午夜| 久久欧美精品欧美久久欧美| 色综合站精品国产| 中文字幕精品亚洲无线码一区| 亚洲在线自拍视频| 国产爱豆传媒在线观看| 极品教师在线免费播放| 欧美另类亚洲清纯唯美| 国产精品一区二区精品视频观看| 久久人人精品亚洲av| 国产主播在线观看一区二区| 天天躁狠狠躁夜夜躁狠狠躁| 男女下面进入的视频免费午夜| 九色成人免费人妻av| 国内毛片毛片毛片毛片毛片| 最近最新中文字幕大全免费视频| 国产亚洲精品久久久com| 最近在线观看免费完整版| 成人性生交大片免费视频hd| 首页视频小说图片口味搜索| 欧美成人免费av一区二区三区| 色尼玛亚洲综合影院| 99国产精品99久久久久| 国产精品亚洲美女久久久| av天堂中文字幕网| 久久久久久人人人人人| 国产成人系列免费观看| 日韩欧美三级三区| 最近最新中文字幕大全免费视频| 亚洲国产精品久久男人天堂| 久久精品91蜜桃| 十八禁网站免费在线| 久久午夜亚洲精品久久| 国产精品电影一区二区三区| 久久国产乱子伦精品免费另类| 日韩欧美免费精品| 国产激情久久老熟女| 亚洲av五月六月丁香网| 日本 av在线| 母亲3免费完整高清在线观看| 成人亚洲精品av一区二区| 国产毛片a区久久久久| 色噜噜av男人的天堂激情| 69av精品久久久久久| 99热这里只有精品一区 | 亚洲精品粉嫩美女一区| 成年免费大片在线观看| h日本视频在线播放| 黄色女人牲交| 后天国语完整版免费观看| 久久久精品大字幕| 神马国产精品三级电影在线观看| 亚洲九九香蕉| 法律面前人人平等表现在哪些方面| 国产精品一区二区精品视频观看| 哪里可以看免费的av片| 成年免费大片在线观看| 不卡av一区二区三区| www日本黄色视频网| 国产成人精品久久二区二区91| 亚洲avbb在线观看| 老汉色∧v一级毛片| 久久久久久国产a免费观看| 国产成人av教育| 亚洲国产日韩欧美精品在线观看 | 听说在线观看完整版免费高清| 国产视频内射| 国语自产精品视频在线第100页| 色综合亚洲欧美另类图片| 这个男人来自地球电影免费观看| 国产精品野战在线观看| 国产又色又爽无遮挡免费看| 美女cb高潮喷水在线观看 | 国产精品av久久久久免费| xxxwww97欧美| 婷婷精品国产亚洲av| 国产私拍福利视频在线观看| 一进一出抽搐动态| 又黄又爽又免费观看的视频| 18禁国产床啪视频网站| 18禁黄网站禁片午夜丰满| 亚洲国产日韩欧美精品在线观看 | 久久久久久久精品吃奶| www.熟女人妻精品国产| 亚洲专区中文字幕在线| 亚洲av熟女| 国内久久婷婷六月综合欲色啪| 夜夜看夜夜爽夜夜摸| 哪里可以看免费的av片| 欧美一级毛片孕妇| 日本黄大片高清| 亚洲av日韩精品久久久久久密| 桃色一区二区三区在线观看| 黄色成人免费大全| 亚洲国产欧美人成| 两人在一起打扑克的视频| 岛国在线观看网站| 亚洲国产欧洲综合997久久,| 欧美丝袜亚洲另类 | 又大又爽又粗| 少妇的逼水好多| 久久人人精品亚洲av| 色播亚洲综合网| 国产人伦9x9x在线观看| 国产乱人视频| 91久久精品国产一区二区成人 | 亚洲成av人片在线播放无| 美女午夜性视频免费| 麻豆av在线久日| 精品国产乱子伦一区二区三区| 91字幕亚洲| 91av网站免费观看| 精品一区二区三区av网在线观看| 国产野战对白在线观看| 欧美黑人巨大hd| 观看免费一级毛片| 亚洲美女黄片视频| 后天国语完整版免费观看| 91在线观看av| 一区福利在线观看| 亚洲狠狠婷婷综合久久图片| 亚洲国产精品久久男人天堂| 此物有八面人人有两片| 久久天躁狠狠躁夜夜2o2o| 人妻丰满熟妇av一区二区三区| 欧美+亚洲+日韩+国产| 亚洲七黄色美女视频| 级片在线观看| 午夜影院日韩av| 精品久久久久久久末码| 91在线观看av| 国产精品,欧美在线| 欧美日韩福利视频一区二区| 成人高潮视频无遮挡免费网站| 美女黄网站色视频| 国产成人欧美在线观看| 99久久久亚洲精品蜜臀av| 极品教师在线免费播放| 亚洲在线观看片| 久久久久亚洲av毛片大全| 日本a在线网址| 国产综合懂色| 国产高潮美女av| 五月玫瑰六月丁香| 又大又爽又粗| 精品熟女少妇八av免费久了| 精品无人区乱码1区二区| 国产高清三级在线| 国产精品99久久久久久久久| 我的老师免费观看完整版| 国产伦精品一区二区三区视频9 | 97人妻精品一区二区三区麻豆| 亚洲性夜色夜夜综合| 国产淫片久久久久久久久 | 国产又色又爽无遮挡免费看| 一夜夜www| 非洲黑人性xxxx精品又粗又长| 美女被艹到高潮喷水动态| 欧美在线黄色| 18禁黄网站禁片午夜丰满| 婷婷亚洲欧美| a级毛片a级免费在线| 亚洲国产中文字幕在线视频| 免费看a级黄色片| 国产成人影院久久av| 黑人操中国人逼视频| 国产伦精品一区二区三区视频9 | 两个人看的免费小视频| 精华霜和精华液先用哪个| 男人和女人高潮做爰伦理| 99国产精品一区二区三区| 亚洲精品色激情综合| 久久久国产成人精品二区| 夜夜看夜夜爽夜夜摸| 日韩欧美免费精品| 午夜精品一区二区三区免费看| 色在线成人网| 亚洲人成电影免费在线| 久久久久国产精品人妻aⅴ院| 香蕉av资源在线| 国产视频内射| 999久久久国产精品视频| 亚洲av熟女| 国产欧美日韩精品一区二区| 九九久久精品国产亚洲av麻豆 | 午夜福利在线观看免费完整高清在 | 99久久无色码亚洲精品果冻| 免费一级毛片在线播放高清视频| 在线观看一区二区三区| 一级作爱视频免费观看| 老熟妇乱子伦视频在线观看| 国产三级黄色录像| svipshipincom国产片| 12—13女人毛片做爰片一| 亚洲精品中文字幕一二三四区| 欧美大码av| 国产精品久久久久久亚洲av鲁大| 香蕉国产在线看| 中文资源天堂在线| 亚洲精品美女久久久久99蜜臀| 美女高潮的动态| 欧美日韩精品网址| 国产精品精品国产色婷婷| www.熟女人妻精品国产| 亚洲乱码一区二区免费版| 欧美黑人巨大hd| 日日摸夜夜添夜夜添小说| www日本黄色视频网| 麻豆成人午夜福利视频| 老司机在亚洲福利影院| 视频区欧美日本亚洲| 成人亚洲精品av一区二区| 免费在线观看影片大全网站| 老鸭窝网址在线观看| 免费观看精品视频网站| 天天躁狠狠躁夜夜躁狠狠躁| 非洲黑人性xxxx精品又粗又长| 精品不卡国产一区二区三区| 一夜夜www| 亚洲在线观看片| 少妇人妻一区二区三区视频| av女优亚洲男人天堂 | 男人的好看免费观看在线视频| 亚洲va日本ⅴa欧美va伊人久久| 哪里可以看免费的av片| 91老司机精品| 免费av毛片视频| 欧美丝袜亚洲另类 | 又爽又黄无遮挡网站| 麻豆久久精品国产亚洲av| 色播亚洲综合网| 91九色精品人成在线观看| 99精品欧美一区二区三区四区| 老司机福利观看| 伊人久久大香线蕉亚洲五| 日本一二三区视频观看| 在线观看免费视频日本深夜| 欧美黑人巨大hd| 国产精品亚洲美女久久久| 亚洲精品粉嫩美女一区| 精品国内亚洲2022精品成人| 88av欧美| 中文字幕最新亚洲高清| 国产免费av片在线观看野外av| 欧美丝袜亚洲另类 | 亚洲欧美精品综合久久99| 欧美+亚洲+日韩+国产| 国产亚洲av嫩草精品影院| 老熟妇乱子伦视频在线观看| 欧美激情在线99| 好看av亚洲va欧美ⅴa在| 国产欧美日韩精品亚洲av| 伦理电影免费视频| 亚洲美女视频黄频| 亚洲avbb在线观看| 亚洲国产精品sss在线观看| 午夜激情福利司机影院| 久久久久久九九精品二区国产| 性色avwww在线观看| www日本在线高清视频| 国产精品自产拍在线观看55亚洲| 色综合婷婷激情| 一二三四社区在线视频社区8| 久久午夜亚洲精品久久| 国产精品1区2区在线观看.| 我要搜黄色片| 欧美乱色亚洲激情| 亚洲九九香蕉| 久久精品亚洲精品国产色婷小说| 偷拍熟女少妇极品色| 国产激情欧美一区二区| 变态另类丝袜制服| 99精品在免费线老司机午夜| 久久久水蜜桃国产精品网| 久久久久精品国产欧美久久久| 欧美在线黄色| 桃色一区二区三区在线观看| 最好的美女福利视频网| 97超级碰碰碰精品色视频在线观看| 国产爱豆传媒在线观看| 可以在线观看的亚洲视频| 亚洲精品在线美女| 一本一本综合久久| 亚洲人成网站在线播放欧美日韩| a级毛片在线看网站| 岛国在线观看网站| 欧美在线一区亚洲| 国语自产精品视频在线第100页| 91在线精品国自产拍蜜月 | 日韩成人在线观看一区二区三区| 欧美3d第一页| 日韩人妻高清精品专区| 久久久久久久精品吃奶| 国产精品野战在线观看| 91字幕亚洲| 国产一区二区在线av高清观看| 免费在线观看亚洲国产| 我的老师免费观看完整版| 美女cb高潮喷水在线观看 | 亚洲人与动物交配视频| 大型黄色视频在线免费观看| 国产精品美女特级片免费视频播放器 | 免费看美女性在线毛片视频| 在线观看舔阴道视频| 90打野战视频偷拍视频| 欧美乱码精品一区二区三区| 偷拍熟女少妇极品色| 国产亚洲精品av在线| 久久久久久国产a免费观看| 成人一区二区视频在线观看| 久久香蕉国产精品| 小蜜桃在线观看免费完整版高清| 久久久国产精品麻豆| 精品一区二区三区av网在线观看| 免费看a级黄色片| 露出奶头的视频| 男人舔女人下体高潮全视频| 香蕉国产在线看| 老司机深夜福利视频在线观看| 欧美日韩中文字幕国产精品一区二区三区| 成人18禁在线播放| 久久久久亚洲av毛片大全| 又大又爽又粗| 国产激情欧美一区二区| 国产欧美日韩一区二区三| 成年免费大片在线观看| av天堂中文字幕网| 欧美黑人欧美精品刺激| 久99久视频精品免费| 成人国产综合亚洲| АⅤ资源中文在线天堂| 婷婷丁香在线五月| 每晚都被弄得嗷嗷叫到高潮| 亚洲av熟女| 免费一级毛片在线播放高清视频| 久久亚洲精品不卡| 国产成人av教育| 久久国产精品影院| 极品教师在线免费播放| 国产在线精品亚洲第一网站| 国产精品久久久av美女十八| 久久九九热精品免费| 国产精品99久久久久久久久| 亚洲精品美女久久久久99蜜臀| 人妻久久中文字幕网| 好男人电影高清在线观看| 日韩高清综合在线| 一个人看视频在线观看www免费 | or卡值多少钱| 亚洲专区字幕在线| 久久久久久久精品吃奶| 在线观看免费视频日本深夜| 好男人在线观看高清免费视频| 999久久久精品免费观看国产| 成年人黄色毛片网站| 午夜福利在线观看免费完整高清在 | 午夜免费观看网址| 高潮久久久久久久久久久不卡| 日韩三级视频一区二区三区| 少妇的逼水好多| 嫩草影院精品99| 国产午夜精品论理片| 少妇裸体淫交视频免费看高清| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av熟女| 国产精品99久久99久久久不卡| 久久久久国内视频| 1000部很黄的大片| aaaaa片日本免费| 男女午夜视频在线观看| 欧美日韩亚洲国产一区二区在线观看| 亚洲激情在线av| 91老司机精品| 亚洲无线在线观看| 国产免费男女视频| 日本 欧美在线| 国产视频一区二区在线看| 给我免费播放毛片高清在线观看| 男人舔女人的私密视频| 国产精品亚洲av一区麻豆| 99re在线观看精品视频| 久久午夜综合久久蜜桃| 国产精品九九99| 黑人操中国人逼视频| 男女之事视频高清在线观看| 在线观看66精品国产| 美女cb高潮喷水在线观看 | 欧美成人免费av一区二区三区| 日本 av在线| 欧美大码av| 久久精品影院6| 久久久久久久久中文| 免费观看人在逋| 激情在线观看视频在线高清| 国产精华一区二区三区| 97碰自拍视频| 久久草成人影院| 一区福利在线观看| 天堂网av新在线| 欧美日韩中文字幕国产精品一区二区三区| 国产精品99久久久久久久久| 中国美女看黄片| 日本黄大片高清| 狂野欧美白嫩少妇大欣赏| 亚洲精品一区av在线观看| 老司机福利观看| 香蕉av资源在线| 99热精品在线国产| 我要搜黄色片| 精品不卡国产一区二区三区| 久99久视频精品免费| 久久人人精品亚洲av| 久久香蕉国产精品| 91九色精品人成在线观看| 99国产精品一区二区蜜桃av| 久久香蕉精品热| 在线观看免费午夜福利视频| 亚洲国产精品999在线| 欧美国产日韩亚洲一区| 色综合欧美亚洲国产小说| 亚洲av熟女| 欧洲精品卡2卡3卡4卡5卡区| 午夜福利在线在线| 久久久久九九精品影院| 超碰成人久久| 亚洲国产欧美人成| 黑人欧美特级aaaaaa片| 18禁黄网站禁片免费观看直播| 老司机午夜十八禁免费视频| 身体一侧抽搐| 午夜免费激情av| 免费在线观看视频国产中文字幕亚洲| 亚洲精品美女久久久久99蜜臀| 日本在线视频免费播放| 18禁黄网站禁片免费观看直播| 亚洲人与动物交配视频| 国内精品美女久久久久久| 亚洲精品久久国产高清桃花| 亚洲成人久久性| 国产97色在线日韩免费| av欧美777| 久久久精品大字幕| 偷拍熟女少妇极品色| 成人国产综合亚洲| 欧美zozozo另类| www日本在线高清视频| 亚洲片人在线观看| 一个人免费在线观看的高清视频| 精品一区二区三区av网在线观看| 久久精品国产亚洲av香蕉五月| 欧美另类亚洲清纯唯美| 欧美日本亚洲视频在线播放| 狂野欧美白嫩少妇大欣赏| 国产高清视频在线播放一区| 男人和女人高潮做爰伦理| 成人特级黄色片久久久久久久| 久久久久国内视频| 变态另类成人亚洲欧美熟女| 日本 欧美在线| 黄色日韩在线| 嫩草影院入口| 又黄又爽又免费观看的视频| 欧美成人性av电影在线观看| 超碰成人久久| 精品免费久久久久久久清纯| 亚洲专区字幕在线| 一个人免费在线观看电影 | 国产精品,欧美在线| 午夜久久久久精精品| 色综合亚洲欧美另类图片| 高清在线国产一区| 丰满的人妻完整版| 国产成人啪精品午夜网站| 欧美黑人欧美精品刺激| 熟妇人妻久久中文字幕3abv| 青草久久国产| 在线视频色国产色| 久久人妻av系列| 中文字幕熟女人妻在线| av福利片在线观看| 非洲黑人性xxxx精品又粗又长| 国产高清激情床上av| 日日夜夜操网爽| 亚洲欧美日韩卡通动漫| 一进一出抽搐gif免费好疼| 欧美成人免费av一区二区三区| 亚洲国产欧洲综合997久久,| 亚洲va日本ⅴa欧美va伊人久久| 国产亚洲精品久久久com| 久久人人精品亚洲av| 久久人妻av系列| 久久中文字幕一级| 成年女人看的毛片在线观看| 国产单亲对白刺激| 男女床上黄色一级片免费看| 超碰成人久久| 精品一区二区三区视频在线 | 亚洲av熟女| 12—13女人毛片做爰片一| 欧美成人免费av一区二区三区| 国产欧美日韩精品亚洲av| 在线十欧美十亚洲十日本专区| 国产亚洲av嫩草精品影院| 日韩成人在线观看一区二区三区| 国产成人av激情在线播放| 精品免费久久久久久久清纯| 黄色 视频免费看| 99久久综合精品五月天人人| 九色成人免费人妻av| 曰老女人黄片| 99久久国产精品久久久| 久久天堂一区二区三区四区| netflix在线观看网站| 久久精品91无色码中文字幕| 久久久久亚洲av毛片大全| 日韩欧美国产在线观看| 免费大片18禁| 成年女人看的毛片在线观看| 99久久综合精品五月天人人| 国产午夜精品久久久久久| 国产乱人伦免费视频| 中文字幕精品亚洲无线码一区| 一进一出好大好爽视频| 国产成+人综合+亚洲专区| 一本一本综合久久| 色噜噜av男人的天堂激情| 麻豆一二三区av精品| a级毛片在线看网站| 国产av在哪里看| 国产精品一区二区免费欧美| 两个人视频免费观看高清| 久久久久久人人人人人| 日本在线视频免费播放| 99国产综合亚洲精品| 精品一区二区三区视频在线观看免费| 国产单亲对白刺激| 国产黄a三级三级三级人| 国产精品一区二区精品视频观看| 在线看三级毛片| 男女床上黄色一级片免费看| 国产精品国产高清国产av| 午夜激情欧美在线| 免费电影在线观看免费观看| 欧美乱色亚洲激情| 一级作爱视频免费观看| 久久精品国产亚洲av香蕉五月| 在线观看舔阴道视频| 午夜精品在线福利| 国内揄拍国产精品人妻在线| netflix在线观看网站| 两性夫妻黄色片| 巨乳人妻的诱惑在线观看| 精品久久久久久久人妻蜜臀av| 99riav亚洲国产免费| 一级a爱片免费观看的视频| 国产欧美日韩精品一区二区| 成人无遮挡网站| 久久人人精品亚洲av| 啦啦啦韩国在线观看视频| 嫩草影院入口| 亚洲自拍偷在线| 可以在线观看毛片的网站| 这个男人来自地球电影免费观看| 在线视频色国产色| 99久久精品一区二区三区| 性色avwww在线观看| 亚洲成人中文字幕在线播放| 一区二区三区国产精品乱码| 美女cb高潮喷水在线观看 | 啦啦啦韩国在线观看视频| 午夜福利在线观看吧| 在线视频色国产色| 精品久久久久久久人妻蜜臀av| 黄片大片在线免费观看| 色噜噜av男人的天堂激情| 欧美日本视频| 国产真实乱freesex| 国产私拍福利视频在线观看| 久久久久国产精品人妻aⅴ院| 免费在线观看亚洲国产|