• <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 ?

    視頻目標(biāo)跟蹤典型算法比較與分析

    2015-09-19 03:42:36吳澤民徐任暉趙曉通徐明月
    電視技術(shù) 2015年23期
    關(guān)鍵詞:跟蹤器外觀變化

    王 蘋,張 磊,吳澤民,徐任暉,趙曉通,徐明月

    (解放軍理工大學(xué) 通信工程學(xué)院,江蘇 南京210007)

    視頻目標(biāo)跟蹤實(shí)質(zhì)是在連續(xù)圖像序列中找到具有最相似特征的區(qū)域,核心問題是對(duì)輸入圖像序列每一幀圖像中的目標(biāo)能夠?qū)崿F(xiàn)魯棒地預(yù)測(cè)其運(yùn)動(dòng)趨勢(shì)。隨著計(jì)算機(jī)自身硬件配置性能的不斷提高,加之圖像處理分析技術(shù)的不斷發(fā)展,實(shí)時(shí)目標(biāo)跟蹤得以實(shí)現(xiàn)。

    穩(wěn)定的視頻跟蹤正是視頻分析處理和計(jì)算機(jī)視覺的重要問題,在軍事偵查、自動(dòng)機(jī)器人導(dǎo)航、人機(jī)交互接口、視頻標(biāo)注等方面有廣泛應(yīng)用。視頻圖像提供的信息是復(fù)雜和海量的,依靠人工進(jìn)行信息識(shí)別和提取是不現(xiàn)實(shí)的。2009 年,美軍通過無人機(jī)在阿富汗和伊拉克獲得的視頻信息總量,一個(gè)人需要24 年才能看完;在通常戰(zhàn)備執(zhí)勤時(shí),需要至少一個(gè)人緊盯屏幕發(fā)現(xiàn)可疑目標(biāo),而其他的輔助人員進(jìn)行信息甄別和記錄。在我國,邊海防哨所已經(jīng)配備了大量的視頻采集裝備,但是受人員數(shù)量限制,僅僅依靠人工方法進(jìn)行視頻目標(biāo)的捕捉與記錄不但工作強(qiáng)度大,而且工作效率低,及時(shí)發(fā)現(xiàn)可疑目標(biāo)的時(shí)機(jī)往往把握不住。目前,各大城市的智能交通系統(tǒng)都具有車輛違章檢測(cè)功能,可以極大地提高發(fā)現(xiàn)交通違法事件的效率。但是受目前視頻目標(biāo)跟蹤性能的限制,還僅能對(duì)交通燈道口的違章行為進(jìn)行識(shí)別,不能完全獲得各路段的違章行為。各方面的需求不斷推動(dòng)著視頻目標(biāo)跟蹤研究的進(jìn)一步深化。

    然而,當(dāng)目標(biāo)發(fā)生劇烈的運(yùn)動(dòng)或者形變、背景相對(duì)復(fù)雜或者與目標(biāo)相似、外界環(huán)境發(fā)生較大變化時(shí),大多數(shù)視頻目標(biāo)跟蹤算法不具有很好的魯棒性。歸結(jié)來看,對(duì)于大量跟蹤算法[1]的問題主要是由于外觀和運(yùn)動(dòng)的變化造成的。外觀變化包括目標(biāo)幾何和光度變化,如遮擋、形變、亮度變化等。運(yùn)動(dòng)變化往往發(fā)生在較低幀率的視頻中或者目標(biāo)運(yùn)動(dòng)劇烈的情況下。以上問題的存在,使得視頻目標(biāo)跟蹤研究仍有很長(zhǎng)的路要走。

    本文將對(duì)視頻目標(biāo)跟蹤技術(shù)的研究背景、系統(tǒng)組成原理進(jìn)行闡述;對(duì)當(dāng)前幾種前沿的跟蹤算法進(jìn)行詳細(xì)的分析比較;并且對(duì)跟蹤算法的評(píng)價(jià)指標(biāo)和典型的標(biāo)準(zhǔn)庫進(jìn)行介紹;最后總結(jié)了視頻目標(biāo)跟蹤技術(shù)的發(fā)展前景和面臨的困難挑戰(zhàn)。

    1 視頻目標(biāo)跟蹤系統(tǒng)構(gòu)成及研究現(xiàn)狀

    視頻目標(biāo)跟蹤系統(tǒng)是一個(gè)動(dòng)態(tài)系統(tǒng)的估計(jì)問題,利用的是目標(biāo)在時(shí)間上的連續(xù)性和空間上的相關(guān)性。視頻目標(biāo)跟蹤系統(tǒng)的一般框架如圖1 所示。

    圖1 視頻目標(biāo)跟蹤系統(tǒng)框架

    典型的視頻目標(biāo)跟蹤系統(tǒng)由四部分組成:目標(biāo)初始化,外觀模型,運(yùn)動(dòng)估計(jì),目標(biāo)定位。目標(biāo)初始化包括手動(dòng)初始化和自動(dòng)初始化,手動(dòng)初始化是用戶用邊緣框注釋出目標(biāo)的位置,自動(dòng)則通過檢測(cè)器進(jìn)行檢測(cè)目標(biāo)。外觀模型包括視覺描述和統(tǒng)計(jì)模型。視覺描述主要是用不同類型的視覺特征來構(gòu)造魯棒的目標(biāo)描述子。統(tǒng)計(jì)模型是用統(tǒng)計(jì)學(xué)習(xí)的方法構(gòu)造有效的數(shù)學(xué)模型來識(shí)別目標(biāo)。運(yùn)動(dòng)估計(jì)主要是利用了狀態(tài)方程和觀測(cè)方程構(gòu)成的預(yù)測(cè)器進(jìn)行估計(jì),常用預(yù)測(cè)器包括線性回歸技術(shù)[2],卡爾曼濾波[3]和粒子濾波[4-6]等。目標(biāo)的跟蹤定位是目標(biāo)跟蹤中的核心問題,主要利用貪婪搜索或者是最大后驗(yàn)概率來實(shí)現(xiàn)[7]。

    目前,很多跟蹤算法通過在特征提取、外觀模型和結(jié)構(gòu)信息方面的改進(jìn),跟蹤的精度和魯棒性得到極大的提高。較為常用的特征包括像素值[8]、顏色[9-12]、文本描述子[13-14]。利用目標(biāo)外觀模型較為常用的有顏色分布[10-11]、子空間[8,15]、支持向量機(jī)SVM[16]以及稀疏表示[17-19]等。類似于目前較為流行的目標(biāo)檢測(cè)[20]和識(shí)別[21]的算法,通過獲取結(jié)構(gòu)信息對(duì)目標(biāo)進(jìn)行跟蹤的算法也越來越多[9,22-24]。在目標(biāo)發(fā)生遮擋和形變時(shí),目標(biāo)的內(nèi)部結(jié)構(gòu)信息對(duì)于模型的恢復(fù)和魯棒性跟蹤尤為重要。

    2 典型視頻目標(biāo)跟蹤算法

    判定目標(biāo)跟蹤算法好壞往往從魯棒性、準(zhǔn)確性和快速性三個(gè)方面比較[25]:

    1)魯棒性(Robustness)。魯棒性是指在各種環(huán)境中算法都能實(shí)現(xiàn)對(duì)目標(biāo)的穩(wěn)定持續(xù)跟蹤。但往往會(huì)受到目標(biāo)自身形變、環(huán)境中的光照變化、部分或者全遮擋等影響。

    2)準(zhǔn)確性(Accuracy)。在目標(biāo)跟蹤的研究中,準(zhǔn)確性包括兩個(gè)方面,一是對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確性,這一點(diǎn)主要是在監(jiān)控系統(tǒng)中要求比較嚴(yán)格,為的是對(duì)目標(biāo)檢測(cè)的漏警率和虛警率的降低,將檢測(cè)到真實(shí)目標(biāo)的概率提高;另一個(gè)是對(duì)運(yùn)動(dòng)目標(biāo)分割的準(zhǔn)確性,主要應(yīng)用在圖像壓縮編碼領(lǐng)域,其實(shí)質(zhì)是圖像分割(Image Segmentation)問題。將運(yùn)動(dòng)目標(biāo)和背景進(jìn)行準(zhǔn)確的分割后,方便提取目標(biāo)準(zhǔn)確的運(yùn)動(dòng)信息。

    3)快速性(Speed)。在實(shí)際的視頻目標(biāo)跟蹤系統(tǒng)中,對(duì)運(yùn)動(dòng)目標(biāo)實(shí)時(shí)的跟蹤就要求跟蹤算法必須快速,計(jì)算量相對(duì)較小。然而跟蹤算法本身處理的圖像序列包含大量的數(shù)據(jù),所需的運(yùn)算量極大,很難能夠滿足實(shí)時(shí)的要求。一種通用的減小運(yùn)算量的方法是利用金字塔分解或者小波變換將圖像分層處理;另一種思路是設(shè)計(jì)專用硬件實(shí)現(xiàn)實(shí)時(shí)的視頻目標(biāo)跟蹤。

    本節(jié)將從以上提到的跟蹤器性能出發(fā),詳細(xì)介紹當(dāng)前前沿的四種視頻目標(biāo)跟蹤算法,即LGT,TLD,ALIEN 和DGT,并對(duì)其工作原理、性能進(jìn)行分析和比較。

    2.1 LGT(Local-Global layer Tracker)跟蹤器

    隨著低成本、小規(guī)模攝像機(jī)傳感器的應(yīng)用不斷增多,對(duì)視頻序列的魯棒的自動(dòng)跟蹤需求也隨之迅速增加[26]。實(shí)際應(yīng)用中,目標(biāo)外觀隨著形變、角度變化、光照變化等因素的變化而變化。因此,魯棒的跟蹤取決于能否隨著目標(biāo)外形的變化自適應(yīng)地更新目標(biāo)模型。

    最早是Stolkin 等人[27]進(jìn)行的兩層模型的嘗試。目標(biāo)像素的亮度模型的重新學(xué)習(xí)使用剛性目標(biāo)物體的運(yùn)動(dòng)和幾何模型增強(qiáng)結(jié)構(gòu)。L.Cehovin 等人在2013 年針對(duì)目標(biāo)迅速和劇烈的外觀變化提出一種雙層視覺LGT 模型[28],即整合的目標(biāo)全局和局部外觀的兩層模型。跟蹤算法如圖2 所示。

    圖2 雙層結(jié)構(gòu)目標(biāo)跟蹤算法

    其中,局部層是由局部塊組成的集合,反映目標(biāo)外觀發(fā)生的幾何變化。隨著目標(biāo)幾何形變,局部層通過移除或添加局部塊來更新結(jié)構(gòu)。添加的局部塊是由全局層約束得到的。全局層主要是反映目標(biāo)全局的視覺特性,包括顏色、形狀和表面上的局部運(yùn)動(dòng)。全局層的更新需要依賴跟蹤過程中得到的穩(wěn)定的局部塊。LGT 算法的魯棒性更好,并且跟蹤精度更高,對(duì)參數(shù)變化不敏感。這篇文章的重要貢獻(xiàn)就是在兩層模型的貝葉斯公式中應(yīng)用了雙層約束。

    這種交叉的雙層視頻模型是較為先進(jìn)的技術(shù),效果優(yōu)于其他的跟蹤器。

    2.2 TLD(Tracking-Learning-Detection)跟蹤器

    考慮手持?jǐn)z像機(jī)拍攝的視頻流,各種事物從相機(jī)拍攝范圍內(nèi)出入。僅在單獨(dú)的一幀中用邊緣框框出了感興趣目標(biāo),而需要解決的問題是,在接下來的每一幀中自動(dòng)標(biāo)出目標(biāo)的邊緣框或者當(dāng)目標(biāo)沒有出現(xiàn)時(shí)給出提示。該視頻流需要長(zhǎng)時(shí)間實(shí)時(shí)跟蹤處理。在文獻(xiàn)[29]中,將這類任務(wù)定義為長(zhǎng)期跟蹤問題。

    解決長(zhǎng)期跟蹤問題的關(guān)鍵是目標(biāo)的檢測(cè)。首先,目標(biāo)外觀會(huì)變化,甚至跟初始幀中外觀沒有任何關(guān)聯(lián);其次一個(gè)成功的長(zhǎng)期跟蹤器要能夠應(yīng)對(duì)尺度、光照的變化,復(fù)雜背景,部分遮擋,以及實(shí)時(shí)地完成處理。

    在文獻(xiàn)[29]中Kalal 的出發(fā)點(diǎn)立足于單獨(dú)的跟蹤或檢測(cè)無法解決長(zhǎng)期跟蹤問題。文中提出一種新穎的跟蹤框架TLD(Tracking-Learning-Detection),如圖3 所示。文章將長(zhǎng)期的目標(biāo)跟蹤分解為跟蹤、學(xué)習(xí)、檢測(cè)。跟蹤器逐幀跟蹤目標(biāo),檢測(cè)器局部化目前位置出現(xiàn)的所有外觀,在必要時(shí)修正跟蹤器,學(xué)習(xí)階段評(píng)估檢測(cè)器的誤差并更新,避免這些誤差。作者研究確定檢測(cè)器誤差并學(xué)習(xí),提出一種新穎的學(xué)習(xí)方式(P-N學(xué)習(xí)):1)P 評(píng)估遺漏的檢測(cè);2)N 評(píng)估錯(cuò)誤預(yù)警。學(xué)習(xí)過程模型化為一個(gè)離散的動(dòng)態(tài)系統(tǒng),學(xué)習(xí)中確保有改善的情況被查找到。

    圖3 TLD 算法跟蹤框架

    Kalal 提出的TLD 跟蹤系統(tǒng),能夠?qū)崿F(xiàn)對(duì)視頻流中的目標(biāo)的實(shí)時(shí)地跟蹤、學(xué)習(xí)、檢測(cè),利用標(biāo)準(zhǔn)數(shù)據(jù)庫和同時(shí)期較為前沿的跟蹤器相比,TLD 的長(zhǎng)期實(shí)時(shí)跟蹤性能優(yōu)于其他跟蹤器。

    2.3 ALIEN(Appearance Learning In Evidential Nuisance)跟蹤器

    文獻(xiàn)[30]中給出妨礙因素(Nuisance Factors)的定義。妨礙因素是指影響圖像結(jié)構(gòu)處理的因素,不是用于跟蹤的直接興趣點(diǎn),然而又必須考慮在內(nèi)。妨礙因素分為可逆妨礙和不可逆妨礙??赡娣恋K主要是指反差、視角變化等,不可逆妨礙包括遮擋、傳感器量化、一般光照變化等。不可逆的妨礙通??梢赞D(zhuǎn)化為可逆妨礙。

    ALIEN 跟蹤器利用弱匹配目標(biāo)模板的多尺度不變局部特征,考慮到三維形狀和平面的絕對(duì)偏差,以及陰影、遮擋、傳感器量化等不可逆妨礙因素的影響。同時(shí)基于傳遞匹配特性的無參學(xué)習(xí)算法,將目標(biāo)從上下文分離出來,防止遮擋情況下的目標(biāo)模板的錯(cuò)誤更新。這種學(xué)習(xí)準(zhǔn)則在緩慢變化的情況下具有漸近穩(wěn)定的特性,確保了算法在長(zhǎng)時(shí)間跟蹤中的無偏移特性。

    文章作者從一般的觀察出發(fā),嘗試同時(shí)解決可逆和非可逆的妨礙因素?;谶@種考慮,作者選用局部特征來表示目標(biāo),同時(shí)利用過采樣保留多數(shù)目標(biāo)和場(chǎng)景信息。

    文中算法的基本流程如圖4 所示。

    圖4 ALIEN 算法流程圖

    2.4 DGT(Dynamic-Graph-Tracking)跟蹤器

    目前,很多文章對(duì)遮擋問題都有所討論,例如將目標(biāo)進(jìn)行水平垂直的分割對(duì)抗遮擋;稀疏表示對(duì)遮擋問題也不敏感;以及利用場(chǎng)景學(xué)習(xí)機(jī)制、上下文信息等。絕大多數(shù)的跟蹤器在解決遮擋問題[9,18,31]時(shí)沒有考慮到目標(biāo)自身的形變[12,23]問題。針對(duì)目標(biāo)形變問題通常采用局部塊進(jìn)行表示,但此時(shí)塊之間的結(jié)構(gòu)信息將被忽略。

    文獻(xiàn)[35]在一個(gè)統(tǒng)一的框架中同時(shí)考慮到遮擋和形變的問題,引入動(dòng)態(tài)圖進(jìn)行跟蹤。圖表示利用目標(biāo)的內(nèi)部結(jié)構(gòu)信息,能夠識(shí)別幾何形變的目標(biāo),同時(shí)能夠借助目標(biāo)未被遮擋部分定義出被遮擋目標(biāo)。

    作者的基本思路是:首先,將視頻目標(biāo)跟蹤問題公式化為跟蹤動(dòng)態(tài)無向圖的問題,即目標(biāo)圖和候選圖的匹配問題,利用馬爾科夫隨機(jī)場(chǎng)(Markov Random Filed)將候選圖中的局部塊與背景分割,再利用譜聚類(Spectral Clustering)的方法完成圖匹配;其次,目標(biāo)狀態(tài)利用塊一致性的依賴關(guān)系通過帶權(quán)重的投票獲得,同時(shí)由前景和背景的分割進(jìn)一步改善;最后,有效地在線更新機(jī)制更新模型,魯棒地適應(yīng)目標(biāo)結(jié)構(gòu)的變化。

    文中的算法同時(shí)考慮到目標(biāo)出現(xiàn)遮擋和發(fā)生形變的情況,利用無向圖更好地記錄目標(biāo)的內(nèi)部信息,有效對(duì)抗遮擋和形變。

    2.5 對(duì)比與歸納

    通過對(duì)上述4 種跟蹤器的工作原理的詳細(xì)分析,可以歸納出以下幾點(diǎn):

    1)LGT 算法在目標(biāo)表示上結(jié)合局部和全局特征。局部特征包含大量空間信息,對(duì)部分遮擋具有魯棒性,全局特征作為局部特征選取時(shí)的約束信息。雙層的貝葉斯公式對(duì)跟蹤進(jìn)行雙層約束,提高目標(biāo)模型更新的精確性,基本達(dá)到實(shí)時(shí)的要求。但是實(shí)際應(yīng)用中該算法對(duì)于雜亂背景,以及目標(biāo)發(fā)生尺度變化時(shí)都較為敏感。

    2)TLD 算法能夠通過檢測(cè)、學(xué)習(xí)跟蹤目標(biāo),針對(duì)長(zhǎng)期實(shí)時(shí)的跟蹤環(huán)境,處理效果較好。但由于算法沒有考慮到目標(biāo)的遮擋和形變等問題,在處理非剛性目標(biāo)跟蹤中存在一定的局限性。同時(shí)針對(duì)劇烈運(yùn)動(dòng)的目標(biāo)跟蹤效果不佳。

    3)ALIEN 算法無差別地處理可逆和不可逆妨礙因素,算法對(duì)遮擋是否發(fā)生作出判定給出不同的計(jì)算思路。將目標(biāo)和上下文同時(shí)進(jìn)行建模和模型更新,保留了較多跟蹤目標(biāo)的信息。但在復(fù)雜背景下以及目標(biāo)發(fā)生形變的情況下,跟蹤器將無法準(zhǔn)確跟蹤。

    4)DGT 算法提出利用無向圖表征目標(biāo),將目標(biāo)跟蹤的問題公式化為無向圖匹配問題,同時(shí)在長(zhǎng)期跟蹤中具有漸近穩(wěn)定的特性。該算法同時(shí)考慮到目標(biāo)的遮擋和形變問題。但是無加權(quán)表示的無向圖在尺度發(fā)生變化時(shí)較為敏感。同時(shí)由于光照變化造成的前景、背景不易區(qū)分也給跟蹤帶來一定的難度。

    幾種算法各有優(yōu)勢(shì)和劣勢(shì),針對(duì)不同的應(yīng)用場(chǎng)景,需要充分理解它們的算法特性加以改進(jìn)應(yīng)用。同時(shí)算法較為新穎的思路為今后的研究給出極大的啟示。

    3 算法評(píng)價(jià)指標(biāo)及標(biāo)準(zhǔn)庫

    近年來,視頻目標(biāo)跟蹤技術(shù)在計(jì)算機(jī)視覺領(lǐng)域的廣泛應(yīng)用推動(dòng)著跟蹤算法的不斷提升改進(jìn)。但是仍舊有很多的因素影響著跟蹤算法的性能。因此,評(píng)估主流跟蹤算法的優(yōu)勢(shì)和劣勢(shì)非常重要,能夠給未來這個(gè)方向的研究提供更多的方向。

    首先,關(guān)于跟蹤算法的評(píng)價(jià)指標(biāo)問題。定量分析(Quantitative Analysis)算法性能,能夠更加清晰地看出算法的各方面優(yōu)勢(shì)。較為常用的指標(biāo)包括成功率(Success Rate)如Pascal Score[33],F(xiàn)-measure,和精度率(Precision Rate)如CLE(Center-Location-Error),Precision Plot[13,34]。其次,用于測(cè)試的數(shù)據(jù)庫也是至關(guān)重要的部分。具有代表性的數(shù)據(jù)庫對(duì)綜合評(píng)估跟蹤算法至關(guān)重要?,F(xiàn)有的用于視頻跟蹤的監(jiān)控場(chǎng)景的視頻庫包括VIVID[35],CAVIAR[36],PETS,VIRAT(Video and Image Retrieval Analysis Tool)等。

    3.1 視頻目標(biāo)跟蹤算法評(píng)價(jià)指標(biāo)

    多數(shù)跟蹤算法將目標(biāo)表示為邊緣框(A Bounding Box),通過比較邊緣框重疊面積確定跟蹤的成功率(Success Rate)。

    式中,Bp,Bgt分別表示跟蹤器跟蹤的目標(biāo)邊緣框和真實(shí)邊緣框(Ground Truth),等式右邊表示邊緣框交疊部分面積占邊緣框并面積的比率。設(shè)置門限值t0(一般取0.5),大于此門限為跟蹤成功,小于則跟蹤失敗。

    2)F-measure,與之類似

    跟蹤精度率(Precision Rate)的比較,較為常用的指標(biāo)也有兩種。

    3)CLE(Center-Location-Error),計(jì)算跟蹤的邊緣框內(nèi)中心點(diǎn)與真實(shí)邊緣框內(nèi)中心點(diǎn)的像素距離。距離越大表示跟蹤的精確度越低。

    4)Precision Plot,近段時(shí)間的研究常用Precision Plot 來衡量整體跟蹤的表現(xiàn)。主要反映的是跟蹤器估計(jì)出的位置距離真實(shí)位置在某個(gè)門限范圍內(nèi)的圖像幀的百分率。門限值單位為像素。

    3.2 視頻目標(biāo)跟蹤算法標(biāo)準(zhǔn)庫

    可用于測(cè)試的視頻庫有很多,但是大多數(shù)的圖像序列沒有給出真實(shí)位置注釋(Ground Truth Annotations),在進(jìn)行定量評(píng)估時(shí)會(huì)產(chǎn)生誤差。包含多種特殊場(chǎng)景(光照變化、復(fù)雜背景、部分遮擋或全遮擋等)同時(shí)具有真實(shí)位置的數(shù)據(jù)庫非常的重要。

    2008 年美國國防部高級(jí)研究項(xiàng)目署開始的VIRAT(Video and Image Retrieval Analysis Tool)系統(tǒng),用于進(jìn)行無人機(jī)航拍圖像的分析處理,用以實(shí)現(xiàn)針對(duì)特定事件的有效預(yù)警等功能。視頻庫包含多場(chǎng)景,如大型公共場(chǎng)所、停車場(chǎng)、校園等。背景復(fù)雜簡(jiǎn)單情況不一,同時(shí)包含攝像機(jī)自身運(yùn)動(dòng)的情況。另外,文獻(xiàn)[37]收集構(gòu)建了目前較為常用且含真實(shí)位置標(biāo)注的具有典型代表性的圖像序列數(shù)據(jù)庫,如遮擋、劇烈形變、光照變化、陰影情況等。

    以上數(shù)據(jù)庫都包含復(fù)雜多樣的場(chǎng)景狀況,普遍適用于跟蹤器的測(cè)試,是較為全面合理的測(cè)試數(shù)據(jù)庫。

    4 視頻目標(biāo)跟蹤技術(shù)發(fā)展前景與挑戰(zhàn)

    視頻目標(biāo)跟蹤技術(shù)是一個(gè)多學(xué)科相結(jié)合的研究領(lǐng)域,包括機(jī)器視覺、人工智能、計(jì)算機(jī)科學(xué)、模式識(shí)別、圖像處理等方面。該領(lǐng)域仍處在發(fā)展階段,很多的問題亟需解決。跟蹤的特征選擇、動(dòng)態(tài)外觀模型、運(yùn)動(dòng)估計(jì)等方面將是研究非常重要的領(lǐng)域。目前,研究人員針對(duì)特定的應(yīng)用場(chǎng)景下的視頻目標(biāo)跟蹤問題已經(jīng)提出了很多的解決的方案策略,但是仍然存在著很多的進(jìn)步空間,需要新的思路進(jìn)行完善。

    綜上,對(duì)視頻目標(biāo)跟蹤技術(shù)的未來發(fā)展趨勢(shì)可以歸結(jié)如下:一是運(yùn)動(dòng)目標(biāo)外觀的模型化,即外觀建模,運(yùn)動(dòng)目標(biāo)外觀模型隨著目標(biāo)自身運(yùn)動(dòng)能夠自適應(yīng)的作出調(diào)整是目前的一個(gè)研究的熱點(diǎn)問題;二是目標(biāo)模型的更新策略,較多的算法在模型更新階段會(huì)出現(xiàn)誤差和偏移,往往會(huì)導(dǎo)致跟蹤失敗;三是多傳感器的視頻目標(biāo)跟蹤,這其中就要重點(diǎn)考慮到數(shù)據(jù)關(guān)聯(lián)融合的問題;四是對(duì)目標(biāo)動(dòng)作的識(shí)別問題,通過目標(biāo)運(yùn)動(dòng)狀態(tài)進(jìn)行目標(biāo)的進(jìn)一步的行為分析。

    5 結(jié)語

    本文對(duì)視頻目標(biāo)跟蹤算法中較為常見的問題進(jìn)行歸納,對(duì)該技術(shù)進(jìn)行了綜述,重點(diǎn)分析比較了目前較為前沿的跟蹤算法。對(duì)跟蹤性能比較的評(píng)價(jià)指標(biāo)以及標(biāo)準(zhǔn)庫進(jìn)行簡(jiǎn)單介紹。視頻目標(biāo)跟蹤基本流程是利用目標(biāo)的運(yùn)動(dòng)信息、顏色、紋理等特征采樣描述子形式描述目標(biāo),通過外觀建模以及模型更新的策略實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)狀態(tài)的預(yù)測(cè),獲取目標(biāo)的位置信息。

    由于最終的具體應(yīng)用背景的不同,視頻目標(biāo)跟蹤領(lǐng)域的研究?jī)?nèi)容存在較大差異,極具挑戰(zhàn)性的問題也有很多,不管是在研究領(lǐng)域還是在實(shí)際的工程應(yīng)用中都具有非常重要的意義和廣闊的前景。

    [1]蔡榮太,吳元昊,王明佳,等.視頻目標(biāo)跟蹤算法綜述[J]. 電視技術(shù),2010,34(12):135-138.

    [2]ELLIS L,DOWSON N,MATAS J,et al. Linear regression and adaptive appearance models for fast simultaneous modelling and tracking[J]. International Journal of Computer Vision,2011,95(2):154-179.

    [3]KALMAN R E. A new approach to linear filtering and prediction problems[J]. Journal of Fluids Engineering,1960,82(1):35-45.

    [4]ISARD M,BLAKE A. Condensation—conditional density propagation for visual tracking[J]. International Journal of Computer Vision,1998,29(1):5-28

    [5]ARULAMPALAM M S,MASKELL S,GORDON N,et al.A tutorial on particle filters for online nonlinear/non-Gaussian Bayesian tracking[J].IEEE Trans.Signal Processing,2002,50(2):174-188.

    [6]SHEN C,BROOKS M J,VAN DEN H A.Augmented particle filtering for efficient visual tracking[C]//Proc. ICIP 2005.[S.l.]:IEEE Press,2005:856-859.

    [7]LI X,HU W,SHEN C,et al. A survey of appearance models in visual object tracking[J]. ACM Trans. Intelligent Systems and Technology,2013,4(4):58.

    [8]LIM J,ROSS D A,LIN R S,et al.Incremental learning for visual tracking[C]//SAUL LK,WEISS Y BOTTOU L.Advances in Neural Information Processing Systems 7.[S.l.]:Neural Information Processing Systems Foundation,Inc.,2004:793-800.

    [9]ADAM A,RIVLIN E,SHIMSHONI I. Robust fragments-based tracking using the integral histogram[C]//Proc.2006 IEEE Computer Society Conference on Computer vision and pattern recognition,[S.l.]:IEEE Press,2006:798-805.

    [10]COMANICIU D,RAMESH V,MEER P. Real-time tracking of non-rigidobjects using mean shift[C]//Proc.2000 IEEE Conference on Computer Vision and Pattern Recognition.[S.l.]:IEEE Press,2000:142-149.

    [11]PéREZ P,HUE C,VERMAAK J,et al. Color-based probabilistic tracking[M]//Computer vision—ECCV 2002.[S.l.]:Springer Berlin Heidelberg,2002:661-675.

    [12]WANG S,LU H,YANG F,et al.Superpixel tracking[C]//Proc.ICCV 2011.[S.l.]:IEEE Press,2011:1323-1330.

    [13]BABENKO B,YANG M H,BELONGIE S. Robust object tracking with online multiple instance learning[J]. IEEE Trans. Pattern Analysis and Machine Intelligence,2011,33(8):1619-1632.

    [14]GRABNER H,BISCHOF H. On-line boosting and vision[C]//Proc.CVPR 2006.[S.l.]:IEEE Press,2006:260-267.

    [15]WEN L,CAI Z,LEI Z,et al. Online spatio-temporal structural context learning for visual tracking[M]//Computer Vision–ECCV 2012.Berlin:Springer,2012:716-729.

    [16]TIAN M,ZHANG W,LIU F.On-line ensemble SVM for robust object tracking[M]//Computer Vision – ACCV 2007. Berlin:Springer,2007:355-364.

    [17]LIU B,HUANG J,YANG L,et al. Robust tracking using local sparse appearance model and k-selection[C]//Proc. CVPR 2011.[S.l.]:IEEE Press,2011:1313-1320.

    [18]MEI X,LING H. Robust visual tracking using L1 minimization[C]//Proc. ICCV 2009.[S.l.]:IEEE Press,2009:1436-1443.

    [19]ZHANG K,ZHANG L,YANG M. Fast compressive tracking[J].IEEE Trans. Pattern Analysis&Machine Intelligence,2014,36(10):2002-2015.

    [20]FELZENSZWALB P F,GIRSHICK R B,MCALLESTER D,et al.Object detection with discriminatively trained part-based models[J]. IEEE Transa. Pattern Analysis and Machine Intelligence,2010,32(9):1627-1645.

    [21]QUATTONI A,COLLINS M,DARRELL T. Conditional random fields for object recognition[C]//Proc.Advances in Neural Information Processing Systems 2004.[S.l.]:Neural Information Processing Systems Foundation,Inc.,2004:1097-1104.

    [22]GRACIANO A B V,CESAR R M,BLOCH I. Graph-based object tracking using structural pattern recognition[C]//Proc.Computer Graphics and Image Processing,2007.[S.l.]:IEEE Press,2007:179-186.

    [23]KWON J,LEE K M. Tracking of a non-rigid object via patchbased dynamic appearance modeling and adaptive basin hopping monte carlo sampling[C]//Proc. CVPR 2009. [S.l.]:IEEE Press,2009:1208-1215.

    [24]YANG M,WU Y,HUA G. Context-aware visual tracking[J].IEEE Trans. Pattern Analysis and Machine Intelligence,2009,31(7):1195-1209.

    [25]侯志強(qiáng),韓崇昭. 視覺跟蹤技術(shù)綜述[J]. 自動(dòng)化學(xué)報(bào),2006,32(4):603-617.

    [26]WANG X. Intelligent multi-camera video surveillance:a review[J].Pattern recognition letters,2013,34(1):3-19.

    [27]STOLKIN R,GREIG A,HODGETTS M,et al.An EM/E-MRF algorithm for adaptive model based tracking in extremely poor visibility[J].Image and Vision Computing,2008(26):480-495.

    [28]CEHOVIN L,KRISTAN M,LEONARDIS A. Robust visual tracking using an adaptive coupled-layer visual model[J]. IEEE Trans.Pattern Analysis and Machine Intelligence, 2013, 35(4):941-953.

    [29]KALAL Z,MIKOLAJCZYK K,MATAS J. Tracking-learning-detection[J]. IEEE Trans. Pattern Analysis and Machine Intelligence,2012,34(7):1409-1422.

    [30]PERNICI F,DEL BIMBO A.Object tracking by oversampling local features[J]. IEEE Trans. Pattern Analysis and Machine Intelligence,2014,36(12):2538-2551.

    [31]GRABNER H,MATAS J,VAN GOOL L,et al. Tracking the invisible:Learning where the object might be[C]//Proc. CVPR 2010.[S.l.]:IEEE Press,2010:1285-1292.

    [32]CAI Z,WEN L,LEI Z,et al.Robust deformable and occluded object tracking with dynamic graph[J]. IEEE Trans. Image Processing,2014,23(12):5497-5509.

    [33]EVERINGHAM M,VAN GOOL L,WILLIAMS C K I,et al. The pascal visual object classes(VOC)challenge[J]. International Journal Of Computer Vision,2010,88(2):303-338.

    [34]HENRIQUES J F,CASEIRO R,MARTINS P,et al.Exploiting the circulant structure of tracking-by-detection with kernels[M]//Computer Vision–ECCV 2012.Berlin:Springer,2012:702-715.

    [35]COLLINS R,ZHOU X,TEH S K.An open source tracking testbed and evaluation web site[C]//Proc.IEEE International Workshop on Performance Evaluation of Tracking and Surveillance. [S.l.]:IEEE Press,2005:17-24.

    [36]FISHER R B.The PETS04 surveillance ground-truth data sets[C]//Proc.6th IEEE international workshop on performance evaluation of tracking and surveillance.[S.l.]:IEEE Press,2004:1-5.

    [37]WU Y,LIM J,YANG M H. Online object tracking:A benchmark[C]//Proc.CVPR 2013.[S.l.]:IEEE Press,2013:2411-2418.

    猜你喜歡
    跟蹤器外觀變化
    外觀動(dòng)作自適應(yīng)目標(biāo)跟蹤方法
    A Shopping Story to Remember
    光伏跟蹤器陣列跟蹤精度的測(cè)算方法研究
    太陽能(2022年3期)2022-03-29 05:15:50
    不論外觀還是聲音,它都很美 Yamaha(雅馬哈)A-S3200合并功放
    從9到3的變化
    淺析一種風(fēng)光儲(chǔ)一體化跟蹤器
    太陽能(2020年3期)2020-04-08 03:27:10
    超長(zhǎng)待機(jī)的自行車位置跟蹤器
    這五年的變化
    特別文摘(2018年3期)2018-08-08 11:19:42
    雙向多軌跡判定方法在目標(biāo)跟蹤中的應(yīng)用研究
    方外觀遺跡舊照
    紫禁城(2017年6期)2017-08-07 09:22:52
    国产成人a∨麻豆精品| 交换朋友夫妻互换小说| 午夜福利免费观看在线| 美女高潮到喷水免费观看| 熟女av电影| 午夜免费男女啪啪视频观看| 在线精品无人区一区二区三| 久久99精品国语久久久| 精品一区在线观看国产| 亚洲国产精品成人久久小说| 少妇精品久久久久久久| 国产免费福利视频在线观看| 又粗又硬又长又爽又黄的视频| 一区二区三区乱码不卡18| 午夜精品国产一区二区电影| 在线天堂中文资源库| 日韩一本色道免费dvd| 亚洲国产欧美在线一区| 国产精品久久久久成人av| 精品亚洲乱码少妇综合久久| 国产有黄有色有爽视频| 国产一区亚洲一区在线观看| 亚洲国产精品成人久久小说| 另类亚洲欧美激情| 国产色视频综合| 伦理电影免费视频| 啦啦啦啦在线视频资源| 看免费成人av毛片| 国产成人一区二区三区免费视频网站 | 国产极品粉嫩免费观看在线| 丁香六月欧美| 99久久人妻综合| 女性生殖器流出的白浆| 国产成人一区二区三区免费视频网站 | 啦啦啦啦在线视频资源| 亚洲久久久国产精品| 婷婷色麻豆天堂久久| 免费av中文字幕在线| 手机成人av网站| 欧美在线黄色| 日韩av不卡免费在线播放| 久久久国产一区二区| 欧美 亚洲 国产 日韩一| 女人高潮潮喷娇喘18禁视频| 国产伦人伦偷精品视频| 一级片'在线观看视频| 亚洲自偷自拍图片 自拍| 精品亚洲成a人片在线观看| 色94色欧美一区二区| 精品国产一区二区久久| 国产精品久久久久成人av| 国产亚洲av片在线观看秒播厂| 大陆偷拍与自拍| 老司机午夜十八禁免费视频| 亚洲欧美一区二区三区久久| 国产野战对白在线观看| 国产女主播在线喷水免费视频网站| 一本色道久久久久久精品综合| 一区二区三区乱码不卡18| 国产亚洲精品第一综合不卡| cao死你这个sao货| 中国国产av一级| 丰满饥渴人妻一区二区三| 日韩欧美一区视频在线观看| 欧美日韩成人在线一区二区| av网站在线播放免费| 精品久久久精品久久久| 十八禁高潮呻吟视频| 黑丝袜美女国产一区| 99久久精品国产亚洲精品| 王馨瑶露胸无遮挡在线观看| 欧美av亚洲av综合av国产av| 在线看a的网站| 欧美黄色淫秽网站| 国产精品免费视频内射| 国产精品国产av在线观看| 亚洲av国产av综合av卡| 一区二区三区四区激情视频| 亚洲av在线观看美女高潮| 天天添夜夜摸| 亚洲国产中文字幕在线视频| 另类精品久久| 亚洲成色77777| 日本wwww免费看| 91精品伊人久久大香线蕉| 中文字幕亚洲精品专区| 久久精品国产亚洲av涩爱| 欧美日韩视频精品一区| 人妻人人澡人人爽人人| 在线观看免费视频网站a站| 男女下面插进去视频免费观看| av网站在线播放免费| 国产精品久久久久久精品电影小说| 成年动漫av网址| 1024视频免费在线观看| 国产精品一区二区在线不卡| 欧美日韩亚洲高清精品| 黄色一级大片看看| 一级毛片 在线播放| 咕卡用的链子| 日韩精品免费视频一区二区三区| 免费高清在线观看视频在线观看| 啦啦啦视频在线资源免费观看| 在线亚洲精品国产二区图片欧美| 国产av精品麻豆| 最新在线观看一区二区三区 | 亚洲国产日韩一区二区| 国产成人91sexporn| 99久久99久久久精品蜜桃| 国产亚洲av片在线观看秒播厂| 男女之事视频高清在线观看 | 女人高潮潮喷娇喘18禁视频| 大话2 男鬼变身卡| 9色porny在线观看| 日本91视频免费播放| 久久人妻熟女aⅴ| 大码成人一级视频| 亚洲熟女毛片儿| 在线精品无人区一区二区三| 免费不卡黄色视频| 777久久人妻少妇嫩草av网站| 1024香蕉在线观看| 国产成人一区二区三区免费视频网站 | 成年av动漫网址| videosex国产| 美女扒开内裤让男人捅视频| 久久久久久免费高清国产稀缺| 美女高潮到喷水免费观看| 性少妇av在线| 国产精品一区二区精品视频观看| 在线天堂中文资源库| 99久久精品国产亚洲精品| a级毛片黄视频| av视频免费观看在线观看| 丝袜人妻中文字幕| 午夜日韩欧美国产| 考比视频在线观看| 久9热在线精品视频| 精品高清国产在线一区| 在线观看免费视频网站a站| 又大又爽又粗| 女人爽到高潮嗷嗷叫在线视频| 精品人妻1区二区| 国产成人精品久久久久久| 亚洲国产中文字幕在线视频| 999久久久国产精品视频| 色网站视频免费| 狂野欧美激情性xxxx| 国产精品一区二区精品视频观看| 国产精品.久久久| 国产成人免费观看mmmm| 日韩一区二区三区影片| 国产精品九九99| 两人在一起打扑克的视频| 亚洲午夜精品一区,二区,三区| 午夜福利,免费看| 在线观看免费午夜福利视频| 国产片特级美女逼逼视频| 国产不卡av网站在线观看| 免费观看a级毛片全部| 午夜日韩欧美国产| 午夜精品国产一区二区电影| 老鸭窝网址在线观看| 黄色a级毛片大全视频| 亚洲av在线观看美女高潮| 在线看a的网站| 久久午夜综合久久蜜桃| 韩国精品一区二区三区| 亚洲欧美精品自产自拍| 久久人人爽av亚洲精品天堂| 日本91视频免费播放| 日韩av不卡免费在线播放| 午夜免费鲁丝| 国产亚洲精品第一综合不卡| 久久女婷五月综合色啪小说| 自拍欧美九色日韩亚洲蝌蚪91| 日本欧美国产在线视频| 亚洲伊人色综图| 亚洲av欧美aⅴ国产| 久久久久久久久免费视频了| 自线自在国产av| 国产成人精品久久久久久| 久久国产精品人妻蜜桃| 日本91视频免费播放| 麻豆av在线久日| 久久精品久久精品一区二区三区| 国产淫语在线视频| 精品国产一区二区久久| 国产亚洲av高清不卡| 成年人免费黄色播放视频| 十分钟在线观看高清视频www| 97人妻天天添夜夜摸| 在线精品无人区一区二区三| 777米奇影视久久| 黄网站色视频无遮挡免费观看| 九草在线视频观看| 熟女少妇亚洲综合色aaa.| 飞空精品影院首页| 欧美精品一区二区大全| 丁香六月欧美| 午夜免费男女啪啪视频观看| 女人精品久久久久毛片| 超碰97精品在线观看| 人体艺术视频欧美日本| 亚洲国产精品一区三区| 国产在线观看jvid| 操出白浆在线播放| 国产日韩欧美视频二区| 亚洲国产精品一区二区三区在线| 91精品三级在线观看| 18禁裸乳无遮挡动漫免费视频| 麻豆乱淫一区二区| 久久人妻熟女aⅴ| 黑人欧美特级aaaaaa片| 久久精品熟女亚洲av麻豆精品| 欧美日韩视频精品一区| 欧美精品亚洲一区二区| 国产av精品麻豆| 国产人伦9x9x在线观看| 免费少妇av软件| 后天国语完整版免费观看| 亚洲欧美清纯卡通| www.999成人在线观看| 中文字幕色久视频| 国产欧美日韩一区二区三区在线| 又大又爽又粗| 欧美人与性动交α欧美软件| 国产精品.久久久| 午夜久久久在线观看| 午夜视频精品福利| 这个男人来自地球电影免费观看| 国产精品久久久久成人av| 一本一本久久a久久精品综合妖精| 桃花免费在线播放| 晚上一个人看的免费电影| 国产福利在线免费观看视频| 男男h啪啪无遮挡| 欧美黑人精品巨大| 精品久久久久久电影网| 妹子高潮喷水视频| 男女免费视频国产| 精品卡一卡二卡四卡免费| 国产精品久久久人人做人人爽| 久久久精品国产亚洲av高清涩受| 精品卡一卡二卡四卡免费| av在线老鸭窝| 黄网站色视频无遮挡免费观看| 亚洲欧美一区二区三区国产| 人人妻,人人澡人人爽秒播 | 午夜福利免费观看在线| 亚洲天堂av无毛| 国产精品一区二区在线不卡| 一边摸一边做爽爽视频免费| 国产不卡av网站在线观看| 国产精品国产三级专区第一集| 一级毛片电影观看| 成年人午夜在线观看视频| 欧美在线黄色| 五月开心婷婷网| 婷婷色综合大香蕉| 丁香六月欧美| 999精品在线视频| 99re6热这里在线精品视频| 汤姆久久久久久久影院中文字幕| av网站在线播放免费| 五月天丁香电影| 免费黄频网站在线观看国产| 电影成人av| 午夜91福利影院| 熟女av电影| 精品欧美一区二区三区在线| 99久久人妻综合| 制服诱惑二区| 秋霞在线观看毛片| 天天躁夜夜躁狠狠久久av| 亚洲中文日韩欧美视频| 看免费成人av毛片| 天堂8中文在线网| 搡老岳熟女国产| 99精品久久久久人妻精品| 欧美精品亚洲一区二区| 满18在线观看网站| 精品国产国语对白av| 国产在线视频一区二区| 9色porny在线观看| 尾随美女入室| 久久午夜综合久久蜜桃| 亚洲视频免费观看视频| 欧美国产精品一级二级三级| 男女无遮挡免费网站观看| 极品人妻少妇av视频| 热re99久久精品国产66热6| 久久99一区二区三区| 在线观看免费高清a一片| 热99久久久久精品小说推荐| av又黄又爽大尺度在线免费看| 男人舔女人的私密视频| 别揉我奶头~嗯~啊~动态视频 | 1024香蕉在线观看| 777米奇影视久久| 嫩草影视91久久| 日本色播在线视频| 亚洲国产欧美日韩在线播放| 日本午夜av视频| 亚洲熟女毛片儿| 母亲3免费完整高清在线观看| 欧美人与性动交α欧美软件| 十八禁网站网址无遮挡| 大码成人一级视频| 2021少妇久久久久久久久久久| av天堂久久9| 丰满少妇做爰视频| av在线app专区| 久久人妻福利社区极品人妻图片 | 天堂俺去俺来也www色官网| 亚洲男人天堂网一区| 如日韩欧美国产精品一区二区三区| 丝袜美足系列| 男人舔女人的私密视频| 免费少妇av软件| 亚洲色图 男人天堂 中文字幕| 国产免费一区二区三区四区乱码| 精品国产一区二区三区四区第35| 又大又爽又粗| 亚洲国产欧美网| 国产欧美日韩一区二区三区在线| 91麻豆精品激情在线观看国产 | 久久毛片免费看一区二区三区| 亚洲欧美精品自产自拍| 国产精品一区二区在线不卡| 亚洲av综合色区一区| 午夜福利在线免费观看网站| 欧美黄色淫秽网站| 国产在视频线精品| 99久久人妻综合| 你懂的网址亚洲精品在线观看| 成年女人毛片免费观看观看9 | 亚洲中文日韩欧美视频| 午夜影院在线不卡| 久久免费观看电影| 欧美日韩视频高清一区二区三区二| 十八禁高潮呻吟视频| 久久精品亚洲av国产电影网| 美国免费a级毛片| 日本欧美视频一区| 日本一区二区免费在线视频| 国产av国产精品国产| 午夜免费成人在线视频| 91麻豆精品激情在线观看国产 | 午夜福利影视在线免费观看| 免费黄频网站在线观看国产| 制服诱惑二区| 久久久久久久精品精品| 黑人巨大精品欧美一区二区蜜桃| 午夜福利乱码中文字幕| 久久免费观看电影| 国产高清国产精品国产三级| 亚洲三区欧美一区| 深夜精品福利| 日本vs欧美在线观看视频| 啦啦啦啦在线视频资源| 日韩,欧美,国产一区二区三区| 日本wwww免费看| 久久国产精品影院| 午夜福利在线免费观看网站| 一本—道久久a久久精品蜜桃钙片| 国产成人免费无遮挡视频| 午夜福利,免费看| 18禁黄网站禁片午夜丰满| 咕卡用的链子| 精品少妇黑人巨大在线播放| 亚洲免费av在线视频| 777久久人妻少妇嫩草av网站| 色94色欧美一区二区| 久久99精品国语久久久| 欧美日韩福利视频一区二区| 亚洲成人手机| 亚洲欧美色中文字幕在线| 欧美在线一区亚洲| 狂野欧美激情性xxxx| 午夜两性在线视频| 国产免费现黄频在线看| 两人在一起打扑克的视频| 欧美日韩av久久| 午夜影院在线不卡| 一区二区三区精品91| av国产精品久久久久影院| 精品亚洲乱码少妇综合久久| 老鸭窝网址在线观看| 91老司机精品| 精品亚洲成a人片在线观看| 免费观看人在逋| 精品久久久精品久久久| 叶爱在线成人免费视频播放| 一级毛片我不卡| 免费高清在线观看日韩| 脱女人内裤的视频| 国产精品.久久久| 91精品国产国语对白视频| 精品少妇黑人巨大在线播放| 丁香六月欧美| 国产有黄有色有爽视频| 老司机亚洲免费影院| 男女床上黄色一级片免费看| 成年女人毛片免费观看观看9 | 校园人妻丝袜中文字幕| 亚洲精品成人av观看孕妇| 亚洲,欧美精品.| 两人在一起打扑克的视频| 亚洲熟女毛片儿| 亚洲人成77777在线视频| 欧美少妇被猛烈插入视频| 乱人伦中国视频| 肉色欧美久久久久久久蜜桃| 久久久国产一区二区| 久久人人爽人人片av| 欧美日本中文国产一区发布| 国产精品人妻久久久影院| 一级黄片播放器| 成年人免费黄色播放视频| 七月丁香在线播放| 精品国产超薄肉色丝袜足j| 欧美日韩综合久久久久久| 精品欧美一区二区三区在线| 久久久久国产精品人妻一区二区| 亚洲av日韩精品久久久久久密 | 一级毛片我不卡| 亚洲国产毛片av蜜桃av| 国产精品成人在线| 国产成人免费无遮挡视频| 国产日韩欧美在线精品| 一级,二级,三级黄色视频| 国产99久久九九免费精品| 欧美日韩亚洲高清精品| 美女高潮到喷水免费观看| 国产精品亚洲av一区麻豆| 午夜日韩欧美国产| 韩国高清视频一区二区三区| 美女脱内裤让男人舔精品视频| 观看av在线不卡| 黄色a级毛片大全视频| 成人国产一区最新在线观看 | 91成人精品电影| 又粗又硬又长又爽又黄的视频| 成年动漫av网址| 伦理电影免费视频| 亚洲人成电影观看| 久久人人爽人人片av| 午夜av观看不卡| 丝瓜视频免费看黄片| 两人在一起打扑克的视频| 国产xxxxx性猛交| 国产精品三级大全| 午夜福利,免费看| 一区二区三区四区激情视频| 久久女婷五月综合色啪小说| 欧美 亚洲 国产 日韩一| 亚洲一码二码三码区别大吗| 国产黄色视频一区二区在线观看| 欧美亚洲 丝袜 人妻 在线| 老汉色∧v一级毛片| 亚洲欧洲国产日韩| 欧美精品高潮呻吟av久久| 熟女少妇亚洲综合色aaa.| 欧美老熟妇乱子伦牲交| 男男h啪啪无遮挡| 你懂的网址亚洲精品在线观看| 成年人午夜在线观看视频| 男女边摸边吃奶| 久久精品久久久久久久性| 精品熟女少妇八av免费久了| 涩涩av久久男人的天堂| 熟女少妇亚洲综合色aaa.| 国产伦理片在线播放av一区| 黄色毛片三级朝国网站| 色网站视频免费| 五月天丁香电影| 亚洲一区二区三区欧美精品| 飞空精品影院首页| 国产97色在线日韩免费| 久久亚洲精品不卡| 黄色怎么调成土黄色| 90打野战视频偷拍视频| 老司机影院成人| 大香蕉久久成人网| 自线自在国产av| 一级片'在线观看视频| 伊人久久大香线蕉亚洲五| 亚洲av国产av综合av卡| 又黄又粗又硬又大视频| 午夜影院在线不卡| www.999成人在线观看| 伦理电影免费视频| videos熟女内射| 日韩大码丰满熟妇| 免费日韩欧美在线观看| 国产成人精品在线电影| 脱女人内裤的视频| 国产精品香港三级国产av潘金莲 | 亚洲精品av麻豆狂野| 搡老岳熟女国产| 国产精品一国产av| av电影中文网址| 一区福利在线观看| 日韩制服骚丝袜av| 亚洲精品中文字幕在线视频| 日韩人妻精品一区2区三区| 国产精品熟女久久久久浪| 国产免费现黄频在线看| 久久人人爽av亚洲精品天堂| 两个人免费观看高清视频| av片东京热男人的天堂| 每晚都被弄得嗷嗷叫到高潮| 中国美女看黄片| 男人爽女人下面视频在线观看| 天天添夜夜摸| 大片免费播放器 马上看| 捣出白浆h1v1| 搡老乐熟女国产| 赤兔流量卡办理| 又粗又硬又长又爽又黄的视频| videos熟女内射| 极品人妻少妇av视频| 午夜视频精品福利| 最新的欧美精品一区二区| 超碰成人久久| 国产成人精品在线电影| 啦啦啦中文免费视频观看日本| 亚洲精品国产区一区二| 人人妻,人人澡人人爽秒播 | 高清黄色对白视频在线免费看| 久久久久久久精品精品| 少妇精品久久久久久久| 免费人妻精品一区二区三区视频| 日本欧美国产在线视频| 亚洲成色77777| 亚洲色图综合在线观看| kizo精华| 中文精品一卡2卡3卡4更新| 丁香六月天网| 国产欧美日韩综合在线一区二区| 妹子高潮喷水视频| 国产黄色免费在线视频| 亚洲成人手机| 在线精品无人区一区二区三| 欧美乱码精品一区二区三区| 国产精品偷伦视频观看了| 午夜福利视频在线观看免费| 成人18禁高潮啪啪吃奶动态图| 亚洲av电影在线进入| 秋霞在线观看毛片| 少妇人妻久久综合中文| 午夜免费男女啪啪视频观看| 91九色精品人成在线观看| 日韩av在线免费看完整版不卡| 91字幕亚洲| 国产精品三级大全| 女性生殖器流出的白浆| 精品少妇一区二区三区视频日本电影| 亚洲av男天堂| 亚洲第一青青草原| av电影中文网址| 国产一区二区三区av在线| 天天躁狠狠躁夜夜躁狠狠躁| 一级毛片女人18水好多 | 久久国产精品影院| 国产精品秋霞免费鲁丝片| 国产av一区二区精品久久| 美女福利国产在线| 久久久亚洲精品成人影院| 嫩草影视91久久| 欧美国产精品一级二级三级| 国产成人精品在线电影| 亚洲午夜精品一区,二区,三区| 国产成人精品久久二区二区91| 老司机深夜福利视频在线观看 | 欧美精品亚洲一区二区| 亚洲七黄色美女视频| 午夜福利影视在线免费观看| 亚洲欧美清纯卡通| 最近中文字幕2019免费版| 一级毛片我不卡| 国产女主播在线喷水免费视频网站| 在现免费观看毛片| 在线看a的网站| 成年人午夜在线观看视频| 日韩av在线免费看完整版不卡| 国产老妇伦熟女老妇高清| 成人亚洲欧美一区二区av| 国产精品一区二区在线不卡| 男女无遮挡免费网站观看| 亚洲综合色网址| 午夜免费观看性视频| 各种免费的搞黄视频| 无遮挡黄片免费观看| 狂野欧美激情性xxxx| 日韩精品免费视频一区二区三区| 熟女少妇亚洲综合色aaa.| 久热这里只有精品99| 国产视频首页在线观看| 尾随美女入室| 国产99久久九九免费精品| 色94色欧美一区二区| 国产在视频线精品| 久久精品国产亚洲av高清一级| 9热在线视频观看99| 日韩av在线免费看完整版不卡| 国产日韩欧美视频二区| 久9热在线精品视频| 精品亚洲乱码少妇综合久久| 狂野欧美激情性xxxx| 一区二区日韩欧美中文字幕| 欧美国产精品一级二级三级| 蜜桃在线观看..| 精品第一国产精品|