• <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 ?

    基于低秩矩陣分解的運(yùn)動(dòng)目標(biāo)檢測(cè)①

    2016-02-20 06:52:22許海霞
    關(guān)鍵詞:陰影背景顏色

    黃 霞, 許海霞, 莫 言

    (湘潭大學(xué) 信息工程學(xué)院, 湘潭 411105)

    基于低秩矩陣分解的運(yùn)動(dòng)目標(biāo)檢測(cè)①

    黃 霞, 許海霞, 莫 言

    (湘潭大學(xué) 信息工程學(xué)院, 湘潭 411105)

    運(yùn)動(dòng)目標(biāo)檢測(cè)是視頻監(jiān)控任務(wù)的基礎(chǔ)問題之一, 針對(duì)灰度信息, 目標(biāo)檢測(cè)存在的陰影識(shí)別能力差、檢測(cè)精度低等問題, 提出在HSV顏色空間下基于低秩矩陣分解的運(yùn)動(dòng)目標(biāo)檢測(cè)算法. 首先將獲取的RGB圖像轉(zhuǎn)為HSV顏色空間分量, 分別對(duì)H、S、V通道構(gòu)建低秩觀測(cè)量, 進(jìn)行低秩矩陣優(yōu)化分解, 分離出不同顏色通道的前景和背景分量; 組合 H、S、V通道分量的前景圖像, 得到粗略的運(yùn)動(dòng)目標(biāo)區(qū)域; 再采用HSV顏色陰影去除去除前景圖像中的陰影; 最后經(jīng)噪聲去除和空洞的填充, 檢測(cè)得到準(zhǔn)確的前景運(yùn)動(dòng)目標(biāo). 實(shí)驗(yàn)驗(yàn)證表明, 與其它方法相比, 能夠有效地提高運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確度.

    智能視頻監(jiān)控; 運(yùn)動(dòng)目標(biāo)檢測(cè); 低秩矩陣分解; HSV顏色空間

    近幾年, 智能視頻監(jiān)控逐漸成為備受學(xué)者們關(guān)注的研究熱點(diǎn), 運(yùn)動(dòng)目標(biāo)檢測(cè)作為視頻監(jiān)控中的關(guān)鍵部分, 同時(shí)受到學(xué)者們的熱捧, 越來越多的方法用于對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè). 運(yùn)動(dòng)目標(biāo)檢測(cè)是從圖像序列中獲得目標(biāo)的運(yùn)動(dòng)信息, 并將其從圖像提取出來, 其是智能監(jiān)控系統(tǒng)中目標(biāo)分類、跟蹤及行為理解等后續(xù)處理的基礎(chǔ). 目前常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法有光流法、幀差法和背景減除法等, 其中背景減除法得到了廣泛的應(yīng)用. 背景減除法[1-3]的核心思想是將當(dāng)前獲得的圖片與得到的背景圖像相減, 得到差分圖像, 然后通過設(shè)置閥值來判定差分圖像的像素狀態(tài), 如果像素點(diǎn)的值小于閥值則該像素被認(rèn)為是背景區(qū)域, 否則認(rèn)為是感興趣的運(yùn)動(dòng)目標(biāo)區(qū), 如混合高斯模型法[4-8]通過建立多個(gè)高斯模型來判定像素點(diǎn)屬于前景還是背景, 其方法在一定程度上能夠準(zhǔn)確的獲得運(yùn)動(dòng)目標(biāo)信息, 然而, 此類方法需要訓(xùn)練相關(guān)的圖像序列預(yù)先構(gòu)造背景模型,從而限制了其在視頻分析自動(dòng)化中的應(yīng)用.

    近年, Wright[9]等人提出魯棒主成分析(Robust Principal Component Analysis, RPCA, 又稱低秩矩陣分解)并將此理論應(yīng)用到運(yùn)動(dòng)目標(biāo)檢測(cè)領(lǐng)域. 由于監(jiān)控視頻具有攝像頭的位置是固定不變的特點(diǎn), 因此采集到的視頻中背景信息是相對(duì)穩(wěn)定的, 而移動(dòng)的車輛在視頻的每一幀中存在很大的變動(dòng), 可將監(jiān)控視頻的每一幀圖像像素值組成一個(gè)列向量并排列成一個(gè)矩陣, 利用低秩矩陣恢復(fù)算法對(duì)其進(jìn)行分解, 將會(huì)對(duì)穩(wěn)定的背景(對(duì)應(yīng)低秩部分)和運(yùn)動(dòng)的物體(對(duì)應(yīng)稀疏部分)進(jìn)行分離. 文獻(xiàn)[10]基于低秩矩陣分解原理提出一種新穎的顯著運(yùn)動(dòng)目標(biāo)檢測(cè)方法, 其數(shù)據(jù)M矩陣由視頻的每一幀圖像的相同位置的行(列)組成, 通過低秩矩陣分解目標(biāo)函數(shù)求解, 獲得每幀圖像行(列)低秩部分和行(列)稀疏部分, 再對(duì)每幀圖像的行稀疏部分和列稀疏部分進(jìn)行組合, 得到初步的顯著目標(biāo), 利用自適應(yīng)閥值法和噪聲去除方法, 獲得最終的目標(biāo). 此方法在不同的視頻場景取得了較好的效果, 對(duì)低分辨率環(huán)境和噪聲具有較好的魯棒性. 然而當(dāng)基于灰度值建立背景時(shí), RPCA算法對(duì)運(yùn)動(dòng)目標(biāo)的陰影識(shí)別能力很差, 運(yùn)動(dòng)目標(biāo)檢測(cè)的精確度低, 為后續(xù)的視頻分析帶來了困難.

    本文針對(duì)在灰度信息情況下, RPCA算法對(duì)陰影識(shí)別能力差問題, 利用顏色信息對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè).考慮到RGB顏色空間與人眼感知的差異很大, 且由于陰暗區(qū)域比亮區(qū)域的像素差別具有更高的不穩(wěn)定性,使其在陰暗區(qū)域的顏色比較效果不好, 而HSV顏色空間符合人視覺神經(jīng)觀察模型, 為此本文將圖像從RGB空間轉(zhuǎn)換到HSV空間, 在HSV顏色空間下通過低秩矩陣恢復(fù)對(duì)背景進(jìn)行建模, 提取運(yùn)動(dòng)目標(biāo), 提出在HSV顏色空間下基于低秩矩陣恢復(fù)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法.

    實(shí)驗(yàn)表明改進(jìn)后的方法能夠取得更加準(zhǔn)確的前景分割特性, 對(duì)噪聲干擾表現(xiàn)出良好的魯棒性. 同時(shí)RGB顏色空間對(duì)運(yùn)動(dòng)目標(biāo)的陰影識(shí)別能力很差, 在HSV顏色空間卻能很好的識(shí)別, 可以有效地檢測(cè)出陰影區(qū)域.

    1 HSV顏色空間

    彩色數(shù)字圖像可由多種色彩空間模型來表示[11],常用的表現(xiàn)彩色圖像的顏色空間有RGB、HSV、YCbCr顏色空間等. 目前, 通過視頻采集設(shè)備獲取的視頻大多數(shù)是RGB顏色模式, 因此在對(duì)視頻序列幀進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究大多數(shù)直接采用各個(gè)像素點(diǎn)的RGB值或者灰度值, 但RGB模型是通過紅(R)、綠(G)、藍(lán)(B)3種色光作適當(dāng)混合引起電磁光譜上所有任意顏色的感知, 故在RGB模型中R、G、B三個(gè)分量都包含了亮度信息, 它們之間存在著很大的相關(guān)性, 從而不利于運(yùn)動(dòng)目標(biāo)的檢測(cè)和分割, 且其顏色表示方式不適于人的視覺感知習(xí)慣, 在這方面HSV顏色模式則更有優(yōu)勢(shì). 在HSV顏色空間中, 其色度(H)表示不同的顏色, 飽和度(S)表示顏色的深淺; 亮度(V)表示顏色的明暗程度, 3個(gè)分量獨(dú)立不相關(guān). HSV顏色空間相對(duì)于RGB顏色空間能夠較好地解決強(qiáng)光照射、陰影和遮蔽或紋理帶來的物體表面顏色不勻等問題.

    在傳統(tǒng)的RGB模型轉(zhuǎn)換到HSV模型中, 由于各自的自身特性, 使得在轉(zhuǎn)換過程中H分量出現(xiàn)奇異值和不穩(wěn)定點(diǎn), 本文采用文獻(xiàn)[12] 中RGB到HSV空間修正后的色彩轉(zhuǎn)換公式:

    圖1為采用傳統(tǒng)方法轉(zhuǎn)換的結(jié)果與修正公式后轉(zhuǎn)換的結(jié)果. 圖1(b)為利用傳統(tǒng)方法轉(zhuǎn)換后的HSV圖,圖1(c)為利用式(1)轉(zhuǎn)換后的HSV圖, 比較圖1(b)和圖1(c)兩幀圖像, 可以看出利用修正公式轉(zhuǎn)換后的HSV圖像沒有存在不穩(wěn)定點(diǎn).

    圖1 傳統(tǒng)方法與修正公式后轉(zhuǎn)換的HSV圖

    2 RPCA理論

    經(jīng)典的PCA(Principal Component Analysis)是一種特征提取和分析中數(shù)據(jù)降維的方法, 將高維的數(shù)據(jù)投影到低維線性子空間中并對(duì)其進(jìn)行估計(jì). 假設(shè)數(shù)據(jù)矩陣M可表示為M=L+E, 其中矩陣L表示矩陣M的低秩成分, 矩陣E表示噪聲干擾, 矩陣L和E未知,且矩陣E中的所有元素都服從獨(dú)立同分布的高斯分布, 經(jīng)典的PCA通過求解下式尋求最優(yōu)的秩k來估計(jì)L:

    其中,k是目標(biāo)子空間的維度,表示矩陣的2范數(shù), 即M中奇異值的最大值. 經(jīng)典PCA只有當(dāng)E較小時(shí)才能求得最優(yōu)解, 而實(shí)際數(shù)據(jù)M矩陣往往被大量的干擾數(shù)據(jù)覆蓋, 此時(shí), 經(jīng)典PCA方法無法達(dá)到令人滿意的效果.

    為了解決經(jīng)典PCA的缺點(diǎn), candes[13]等人提出RPCA模型, 該模型通過矩陣的低秩與稀疏性約束,能夠從稀疏的顯著誤差中恢復(fù)出低秩的矩陣, 此時(shí),求解低秩矩陣L的問題可優(yōu)化成如下模型問題:

    其中,rank(L)表示矩陣L的秩,||E||0是矩陣的l0范數(shù), 即矩陣E中非零元素的個(gè)數(shù), 目標(biāo)函數(shù)中的兩項(xiàng)都是非線性非凸的, 上述問題是一個(gè)NP-hard問題. Candes將上述模型松弛到如下凸優(yōu)化問題:

    其中,||L||*代表矩陣L的核范數(shù), 即為其矩陣奇異值之和.||E||1是矩陣E的l1范數(shù), 即E中所有元素絕對(duì)值之和.λ為控制稀疏矩陣E權(quán)值參數(shù). 此優(yōu)化問題可通過迭代閥值算法(iterative thresholding, IT)[13,15]、加速近端梯度算法(accelerated proximal gradient, APG)[14]、對(duì)偶方法[14,15]和不精確拉格朗日乘子法(inexact augmented Lagrange multipliers, IALM)[15,16]求解. 即使觀測(cè)矩陣M中的數(shù)據(jù)被大量干擾信息的破壞,通過求解(4)式仍能得到比較理想的結(jié)果(L,E).

    3 基于矩陣分解的運(yùn)動(dòng)目標(biāo)檢測(cè)

    由于利用灰度信息, 對(duì)運(yùn)動(dòng)目標(biāo)的陰影識(shí)別能力很差, 運(yùn)動(dòng)目標(biāo)檢測(cè)的精確度低, 本文利用顏色信息運(yùn)用低秩矩陣分解檢測(cè)運(yùn)動(dòng)目標(biāo), 提出在HSV顏色空間下基于RPCA的運(yùn)動(dòng)目標(biāo)檢測(cè)算法, 具體目標(biāo)檢測(cè)原理如圖2所示,過程描述如下:

    1) 視頻的獲取以及顏色空間的轉(zhuǎn)換

    由監(jiān)控系統(tǒng)獲取RGB圖像序列, 首先根據(jù)公式(1)將RGB圖像序列轉(zhuǎn)化為HSV圖像序列, 整個(gè)視頻數(shù)據(jù)可以看成是4維的, 通過按照3個(gè)顏色通道表示可以得到3個(gè)3維數(shù)據(jù), 把整個(gè)視頻流看作是H、S、V三個(gè)顏色通道的視頻流, 此時(shí)可以看作是對(duì)多個(gè)二維矩陣進(jìn)行計(jì)算, 大大地降低了存儲(chǔ)空間同時(shí)提高了計(jì)算效率.

    2) 背景圖像與前景圖像的分離

    根據(jù)低秩矩陣恢復(fù)理論, 觀測(cè)到的數(shù)據(jù)可以分解為兩個(gè)成分, 一個(gè)具有低秩性, 一個(gè)具有稀疏性. 由于背景比較穩(wěn)定, 故其背景像素值組成的矩陣具有低秩性, 而運(yùn)動(dòng)目標(biāo)在視頻中是運(yùn)動(dòng)的且分布范圍比較小, 故運(yùn)動(dòng)目標(biāo)像素值組成的矩陣具有稀疏特性. 前景目標(biāo)檢測(cè)步驟如下:

    Step1: 低秩觀測(cè)量矩陣的構(gòu)成. 分別對(duì)視頻流中的H、S、V顏色通道的圖像序列進(jìn)行處理. 首先提取H顏色通道圖像序列幀H1,H2,L,Hf, 并將各幀圖像向量化, 組成低秩觀測(cè)矩陣

    MH∈RMN×f, 其中f是圖像幀數(shù), 圖像的大小為M×N. 同理, 對(duì)S顏色通道圖像序列S1,S2,L,Sf和V顏色通道圖像序列V1,V2,L,Vf中的各幀圖像向量化, 得到S顏色通道的低秩觀測(cè)矩陣和V顏色通道的低秩觀測(cè)矩陣

    Step2: 根據(jù)RPCA優(yōu)化模型, 得到的低秩觀測(cè)量滿足下式:

    其中,x∈{H,S,V}, 采用IALM[15]對(duì)觀測(cè)矩陣低秩優(yōu)化分解,得到H顏色通道的低秩矩陣LH和稀疏矩陣EH, S顏色通道的低秩矩陣LS和稀疏矩陣ES, V顏色通道的低秩矩陣LV和稀疏矩陣EV.

    Step3: 對(duì)低秩矩陣LH中的第n列去向量化,n={1,2Lf}, 得到圖像序列中第n幀的背景圖像, 對(duì)稀疏矩陣EH中的第n列去向量化, 得到圖像序列中第n幀的前景圖像, 對(duì)所有的列去向量化最終得到H顏色通道的背景圖像序列和前景圖像序列. 同理, 對(duì)S顏色通道的低秩矩陣LS、稀疏矩陣ES和V顏色通道的低秩矩陣LV、稀疏矩陣EV去向量化, 得到S顏色通道的背景圖像序列, 前景圖像序得到V顏色通道的背景圖像序列, 前景圖像序

    圖2 基于低秩矩陣分解的運(yùn)動(dòng)目標(biāo)檢測(cè)算法原理

    Step4: 組合H、S、V 三分量的背景部分得到HSV空間下第n幀圖像的背景圖像其中n=1,2,Lf; 組合H、S、V 三分量的前景部分得到HSV空間下第n幀圖像的前景圖像然后對(duì)值求和處理, 得到初步的前景圖像Maskn:

    3) HSV陰影檢測(cè)

    光具有直線傳播特性, 當(dāng)光源在入射方向上受到車的遮擋時(shí), 在汽車的另一側(cè)將產(chǎn)生陰影, 因此在絕大多數(shù)交通視頻場景下都存在著陰影.

    陰影與物體具有運(yùn)動(dòng)一致性, 這使得背景差減法和去噪處理均不能將運(yùn)動(dòng)物體和陰影分離開, 陰影區(qū)域往往被誤檢為前景, 從而造成車體外觀以及形狀的扭曲, 車體之間粘貼, 不利于分割和識(shí)別.

    根據(jù)前面得到的H、S、V顏色通道的背景圖像, 本文利用HSV顏色空間分別對(duì)初步的前景圖像Maskn進(jìn)行陰影檢測(cè)及去除. 在檢測(cè)圖像陰影區(qū)域時(shí), 陰影比對(duì)應(yīng)背景點(diǎn)的亮度變暗, 而色度和飽和度基本保持不變, 即陰影覆蓋區(qū)域與背景區(qū)域相比較, 區(qū)域像素的V(亮度)值降低, H(色度)值和S(飽和度)值變化小.本文采用 Cucchiara R[17,18]等人提出基于HSV空間的陰影檢測(cè)算法, 其判別函數(shù)如(7)所示.

    其中, 下標(biāo)I表示當(dāng)前幀, 下標(biāo)B表示背景模型, H、S、V表示在HSV顏色空間下的各個(gè)組成分量,α和β是亮度的閾值;Ts和Th分別是飽和度和色相的閾值.其檢測(cè)結(jié)果由SW表示, 1表示該像素點(diǎn)是陰影點(diǎn), 0表示該像素點(diǎn)是目標(biāo)點(diǎn).

    4) 噪聲去除和空洞的填充

    在室外監(jiān)控視頻中, 由于樹枝的搖晃以及攝像頭的抖動(dòng)等情況的存在, 故背景往往是動(dòng)態(tài)的, 使檢測(cè)的前景圖像中存在細(xì)小的干擾噪聲, 針對(duì)前景圖像的噪聲, 本文首先對(duì)得到前景圖像進(jìn)行二值化, 閥值的選取采用最大類間方法(Otsu), 使用類間方差最大的分割意味著錯(cuò)分概率最小, 且該方法計(jì)算簡單、受圖像變化影響較小[19]. 在前景目標(biāo)檢測(cè)圖像中還存在一些面積較小的檢測(cè)物, 可通過設(shè)置前景目標(biāo)面積閥值去除掉. 由于目標(biāo)中間區(qū)域常常與背景相似, 在低秩矩陣分解過程中, 目標(biāo)區(qū)域在一定程度上存在內(nèi)部空洞, 為此, 本文進(jìn)一步對(duì)前景中的目標(biāo)進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理, 可基本完成空洞的填充, 從而達(dá)到最終運(yùn)動(dòng)目標(biāo)提取效果.

    4 實(shí)驗(yàn)與結(jié)果分析

    采用實(shí)際交通視頻數(shù)據(jù), 對(duì)本文方法進(jìn)行實(shí)驗(yàn)驗(yàn)證, 實(shí)驗(yàn)運(yùn)行平臺(tái)為matlab R2010b, CPU為Inter? Pentium? CPU G3220, 3.00GH, 4GB內(nèi)存, Windows7系統(tǒng)的臺(tái)式機(jī), 取三段交通視頻序列進(jìn)行實(shí)驗(yàn), 視頻序列的具體描述如下:

    視頻1: 為高速公路上的交通視頻序列, 序列幀大小為240×320, 其背景相對(duì)比較平穩(wěn), 運(yùn)動(dòng)的車輛有較明顯的陰影. 實(shí)驗(yàn)中選取400幀作為測(cè)試序列.

    視頻2: 為郊區(qū)的交通視頻序列, 序列幀大小為120×160, 道路的右側(cè)有樹木和青草, 有輕微的晃動(dòng),實(shí)驗(yàn)中選取400幀作為測(cè)試序列.

    視頻3: 為高速公路上的交通視頻序列, 序列幀大小為240×200, 道路的右側(cè)有樹木, 由于光照導(dǎo)致樹木的陰影倒映在道路上. 實(shí)驗(yàn)中選取400幀作為測(cè)試序列.

    把視頻流中的RGB圖像轉(zhuǎn)換成HSV圖像, 分別對(duì)H、S、V三個(gè)顏色通道的圖像序列的低秩觀測(cè)矩陣進(jìn)行優(yōu)化分解, 可得每幀圖像HSV空間下的前景圖像Imgn和背景圖像Backn, 再對(duì)HSV空間下的前景圖像中的H、S、V三個(gè)分量進(jìn)行絕對(duì)值求和處理的到初步的前景圖像Maskn. 為了提高運(yùn)動(dòng)目標(biāo)的精確度,本文對(duì)初步背景圖像Maskn進(jìn)行陰影去除, 根據(jù)文獻(xiàn)[17],式(7)中的參數(shù)取值為:α=0.4,β=0.6,Ts=0.1,Th=0.5,然后對(duì)前景圖像進(jìn)行閥值分割, 噪聲去除和形態(tài)學(xué)處理可得最終結(jié)果. 將本文方法的結(jié)果與GMM[6]、文獻(xiàn)[10]的結(jié)果進(jìn)行比較, 各算法在上述3種場景下的實(shí)驗(yàn)結(jié)果如圖3~5所示.

    圖3 視頻1中圖像運(yùn)動(dòng)目標(biāo)檢測(cè)的對(duì)比實(shí)驗(yàn)結(jié)果

    圖3 采用GMM方法、基于灰度信息的RPCA方法以及本文的方法對(duì)交通視頻1場景進(jìn)行運(yùn)動(dòng)車輛目標(biāo)檢測(cè), 在高速公路上, 由于受到光照的影響, 行駛的車輛存在面積較大的陰影, 檢測(cè)到的目標(biāo)容易出現(xiàn)粘連的現(xiàn)象, 造成檢測(cè)不準(zhǔn)確, 精確度低, GMM方法和基于灰色信息的RPCA方法未能對(duì)陰影進(jìn)行去除,針對(duì)存在陰影的情況, 本文提出在HSV顏色空間下的前景和背景的同時(shí)分離, 利用基于HSV顏色空間陰影檢測(cè)方法去除陰影, 得精確度高的檢測(cè)結(jié)果.

    圖4 視頻2中圖像運(yùn)動(dòng)目標(biāo)檢測(cè)的對(duì)比實(shí)驗(yàn)結(jié)果

    圖4采用GMM方法、基于灰度信息的RPCA方法以及本文的方法對(duì)交通視頻2場景進(jìn)行運(yùn)動(dòng)車輛目標(biāo)檢測(cè), 道路一側(cè)的樹葉和綠化帶的植物有輕微的晃動(dòng), 受到光照的不均勻, 背景像素值波動(dòng)大, 不穩(wěn)定, GMM方法和基于灰度信息的PRCA方法的結(jié)果中存在干擾的小目標(biāo)區(qū)域, 本文提出的方法能夠去除小目標(biāo)區(qū)域, 具有較好的魯棒性.

    圖5 視頻3中圖像運(yùn)動(dòng)目標(biāo)檢測(cè)的對(duì)比實(shí)驗(yàn)結(jié)果

    圖5 采用GMM方法、基于灰度信息的RPCA方法以及本文的方法對(duì)交通視頻3場景進(jìn)行運(yùn)動(dòng)車輛目標(biāo)檢測(cè), 道路的右側(cè)為樹木, 其陰影投在道路上, 左側(cè)為綠化帶, GMM方法未能排除樹木和綠化帶的干擾,基于灰度信息的PRCA方法未能完整檢測(cè)車距離較遠(yuǎn)的運(yùn)動(dòng)目標(biāo), 出現(xiàn)目標(biāo)區(qū)域漏檢和空洞的現(xiàn)象, 本文提出在顏色空間下的運(yùn)動(dòng)目標(biāo)檢測(cè), 圖像包含的信息豐富, 可以完整的檢測(cè)到遠(yuǎn)距離的車輛, 且能夠去除干擾信息.

    從圖3~5中可以看出, 本文基于HSV顏色空間,應(yīng)用低秩矩陣分解原理, 可精確的檢測(cè)出運(yùn)動(dòng)目標(biāo),同時(shí)通過HSV顏色空間陰影檢測(cè)和去除, 有效地去除了陰影的干擾. 實(shí)驗(yàn)表明, 本文方法能夠更好的適應(yīng)復(fù)雜的環(huán)境, 具有較好的魯棒性, 檢測(cè)到的目標(biāo)精確度更高, 能夠有效地去除陰影, 去除動(dòng)態(tài)背景所產(chǎn)生的干擾, 以及光照帶來的小目標(biāo)區(qū)域干擾等, 具有較高的精確度和較好的魯棒性.

    5 結(jié)語

    針對(duì)灰度信息, 對(duì)陰影識(shí)別差、檢測(cè)精度低的問題, 本文提出在HSV顏色空間下, 基于低秩矩陣分解的運(yùn)動(dòng)目標(biāo)提取方法, 分別對(duì)H、S、V顏色通道的視頻流組成的觀測(cè)矩陣進(jìn)行低秩矩陣分解, 得到背景部分, 及前景部分; 再進(jìn)一步對(duì)前景圖像利用HSV顏色信息有效去除陰影, 以及空洞填充, 噪聲去除. 本方法優(yōu)于文獻(xiàn)[10]提出的混合高斯模型方法, 且在不需要事先學(xué)習(xí)和人工干預(yù)的情況下, 能夠精確地提出運(yùn)動(dòng)目標(biāo)區(qū)域, 具有較好的魯棒性和自適應(yīng)性.

    1 Bouwmans T, El Baf F, Vachon B. Statistical background modeling for foreground detection: A survey. Handbook of Pattern Recognition and Computer Vision, 2010, 4(2): 181–189.

    2 Cristani M, Farenzena M, Bloisi D, et al. Background subtraction for automated multisensor surveillance: A comprehensive review. EURASIP Journal on Advances in Signal Processing, 2010, 2010: 43.

    3 Elhabian SY, El-Sayed KM, Ahmed SH. Moving object detection in spatial domain using background removal techniques-state-of-art. Recent Patents on Computer Science, 2008, 1(1): 32–54.

    4 Stauffer C, Grimson WEL. Adaptive background mixture models for real-time tracking. 1999. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. IEEE. 1999, 2.

    5 Lee DS. Effective Gaussian mixture learning for video background subtraction. IEEE Trans. on Pattern Analysis and Machine Intelligence, 2005, 27(5): 827–832.

    6 Zivkovic Z. Improved adaptive Gaussian mixture model for background subtraction Proc. of the 17th International Conference on Pattern Recognition, 2004. ICPR 2004. IEEE. 2004, 2. 28–31.

    7 Sheikh Y, Shah M. Bayesian modeling of dynamic scenes for object detection. IEEE Trans. on Pattern Analysis andMachine Intelligence, 2005, 27(11): 1778–1792.

    8 Zivkovic Z, van der Heijden F. Efficient adaptive density estimation per image pixel for the task of background subtraction. Pattern Recognition Letters, 2006, 27(7): 773–780.

    9 Wright J, Ganesh A, Rao S, et al. Robust principal component analysis: Exact recovery of corrupted low-rank matrices via convex optimization. Advances in Neural Information Processing Systems. 2009. 2080–2088.

    10 Xue Y, Guo X, Cao X. Motion saliency detection using low-rank and sparse decomposition. 2012 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE. 2012. 1485–1488.

    11 阮秋琦.數(shù)字圖像處理學(xué).北京:電子工業(yè)出版社,2007.

    12 石美紅,申亮,龍世忠,等.從RGB到HSV色彩空間轉(zhuǎn)換公式的修正.紡織高?;A(chǔ)科學(xué)學(xué)報(bào),2008,21(3):351–356.

    13 Candès EJ, Li X, Ma Y, et al. Robust principal component analysis. Journal of the ACM (JACM),2011,58(3): 11 .

    14 Lin Z, Ganesh A, Wright J, et al. Fast convex optimization algorithms for exact recovery of a corrupted low-rank matrix. Computational Advances in Multi-Sensor Adaptive Processing (CAMSA- P), 2009, 61.

    15 史加榮,鄭秀云,魏宗田,等.低秩矩陣恢復(fù)算法綜述.計(jì)算機(jī)應(yīng)用研究,2013,30(6):1601–1605.

    16 Yuan X, Yang J. Sparse and low rank matrix decomposition via alternating direction method. Pacific Journal of Optimization, 2009, 9(1).

    17 Cucchiara R, Grana C, Piccardi M, et al. Detecting moving objects, ghosts, and shadows in video streams. IEEE Trans. on Pattern Analysis and Machine Intelligence, 2003, 25(10): 1337–1342.

    18 Cucchiara R, Grana C, Piccardi M, et al. Improving shadow suppression in moving object detection with HSV color information. 2001 IEEE Proc. of Intelligent Transportation Systems. IEEE. 2001. 334–339.

    19 王紅茹,季鳴.一種新型的實(shí)效運(yùn)動(dòng)目標(biāo)檢測(cè)方法.計(jì)算機(jī)系統(tǒng)應(yīng)用,2015,24(12):208–214.

    Moving Objects Detection Based on Low-Rank Matrix Decomposition

    HUANG Xia, XU Hai-Xia, MO Yan
    (College of Information Engineering, Xiangtan University, Xiangtan 411105, China)

    Moving objects detection is one of fundamental tasks of video surveillance. Specific to the poor identification capability and low accuracy to shadow in gray information, this paper proposes a novel moving objects detection method based on the combination of Low-Rank Matrix decomposition and HSV color information. Firstly, we convert the images from RGB space to HSV space, construct observation matrix for H, S, V channels, respectively, and optimize the observation matrix through Low-Rank Matrix decomposition to obtain H, S, V channel’s foreground component and background component; combing H, S, V channels foreground component in order to get roughly moving object district. Secondly, the moving shadow should be detected and eliminated from the foreground image, after combining H, S, V channels component to get the row processing foreground objects and the column processing foreground objects, the row processing foreground image and the column processing foreground image are combined to obtain the moving objects image. Finally, by morphological processing and connectivity detection to eliminate the noise, the accurate foreground moving objects can be obtained. The experimental results demonstrate that the proposed method is much better than others in increasing accuracy of moving objects detection.

    intelligent video surveillance; moving objects detection; low-rank matrix decomposition; HSV color space

    湖南省自然科學(xué)基金(14JJ6014)

    2016-03-23;收到修改稿時(shí)間:2016-05-16

    10.15888/j.cnki.csa.005585

    猜你喜歡
    陰影背景顏色
    “新四化”背景下汽車NVH的發(fā)展趨勢(shì)
    《論持久戰(zhàn)》的寫作背景
    你來了,草就沒有了陰影
    文苑(2020年11期)2020-11-19 11:45:11
    中國詩歌(2019年6期)2019-11-15 00:26:47
    讓光“驅(qū)走”陰影
    認(rèn)識(shí)顏色
    晚清外語翻譯人才培養(yǎng)的背景
    陰影魔怪
    特殊顏色的水
    和顏色捉迷藏
    兒童繪本(2015年8期)2015-05-25 17:55:54
    99精品在免费线老司机午夜| 91av网站免费观看| 99久久国产精品久久久| 一级毛片精品| 成人av一区二区三区在线看| 亚洲熟妇中文字幕五十中出| 一本久久中文字幕| 黑人欧美特级aaaaaa片| 国产亚洲av高清不卡| 国产一区二区在线观看日韩 | 久久欧美精品欧美久久欧美| 麻豆国产97在线/欧美| 在线观看午夜福利视频| 一本精品99久久精品77| 成年女人看的毛片在线观看| 国产欧美日韩一区二区三| 亚洲国产精品成人综合色| 夜夜夜夜夜久久久久| 看片在线看免费视频| 国产极品精品免费视频能看的| 国产精品久久久久久精品电影| av视频在线观看入口| 99热6这里只有精品| 日本在线视频免费播放| 久久精品影院6| 亚洲av美国av| 免费高清视频大片| 美女黄网站色视频| 久久久成人免费电影| av欧美777| av国产免费在线观看| 久久99热这里只有精品18| 亚洲精品美女久久久久99蜜臀| 久久久国产精品麻豆| 一个人免费在线观看电影 | 国产探花在线观看一区二区| 亚洲成av人片在线播放无| 成人国产综合亚洲| 国产精品久久久久久久电影 | 999久久久国产精品视频| 日本五十路高清| 国产精品久久久久久精品电影| 叶爱在线成人免费视频播放| 国产亚洲av嫩草精品影院| 国产v大片淫在线免费观看| 欧美中文综合在线视频| 久久人妻av系列| 波多野结衣巨乳人妻| 亚洲av五月六月丁香网| 三级国产精品欧美在线观看 | 国产欧美日韩一区二区精品| 在线免费观看不下载黄p国产 | 日韩国内少妇激情av| 欧美日韩精品网址| 午夜福利在线观看免费完整高清在 | 免费一级毛片在线播放高清视频| 国产成人精品久久二区二区免费| 日本熟妇午夜| 国产午夜福利久久久久久| 日韩欧美精品v在线| 男女床上黄色一级片免费看| 麻豆成人午夜福利视频| 日韩欧美在线乱码| www日本黄色视频网| 我要搜黄色片| 丰满人妻熟妇乱又伦精品不卡| 国产乱人伦免费视频| 在线观看一区二区三区| 性色avwww在线观看| 亚洲欧洲精品一区二区精品久久久| 亚洲专区国产一区二区| 亚洲精品色激情综合| 青草久久国产| 一级毛片高清免费大全| 精品人妻1区二区| 天天添夜夜摸| 老司机福利观看| 老熟妇乱子伦视频在线观看| 88av欧美| 亚洲人与动物交配视频| 超碰成人久久| 男人舔女人下体高潮全视频| 欧美在线一区亚洲| 久久国产精品人妻蜜桃| 悠悠久久av| 亚洲av美国av| 成年女人永久免费观看视频| 久久亚洲精品不卡| 最好的美女福利视频网| 欧美+亚洲+日韩+国产| 在线观看一区二区三区| 色综合站精品国产| 丝袜人妻中文字幕| 美女高潮的动态| 成熟少妇高潮喷水视频| 亚洲人成伊人成综合网2020| 欧美色欧美亚洲另类二区| 两人在一起打扑克的视频| 91麻豆av在线| 99热精品在线国产| 岛国在线观看网站| 亚洲 国产 在线| 国产一区二区三区在线臀色熟女| 法律面前人人平等表现在哪些方面| 久久国产精品影院| 国产午夜精品久久久久久| 三级毛片av免费| 久久久久免费精品人妻一区二区| 草草在线视频免费看| 俺也久久电影网| 高潮久久久久久久久久久不卡| 亚洲专区中文字幕在线| 久久久久久久精品吃奶| 精品国内亚洲2022精品成人| 久久国产乱子伦精品免费另类| 国产成人精品无人区| 丰满人妻熟妇乱又伦精品不卡| 精品一区二区三区视频在线观看免费| 欧美性猛交╳xxx乱大交人| 老司机午夜福利在线观看视频| 99国产精品一区二区三区| 日本 av在线| 欧美成人一区二区免费高清观看 | 免费高清视频大片| 国内精品久久久久久久电影| 在线观看66精品国产| 免费电影在线观看免费观看| 在线免费观看不下载黄p国产 | 美女cb高潮喷水在线观看 | 欧美成人性av电影在线观看| 一级毛片女人18水好多| 日韩欧美国产一区二区入口| 欧美在线一区亚洲| 99热这里只有是精品50| 2021天堂中文幕一二区在线观| 亚洲av第一区精品v没综合| www.熟女人妻精品国产| 男人舔女人的私密视频| 日本免费a在线| 国产精品久久电影中文字幕| 一进一出抽搐gif免费好疼| 欧美性猛交╳xxx乱大交人| 老司机福利观看| 亚洲中文字幕日韩| 偷拍熟女少妇极品色| 成熟少妇高潮喷水视频| 午夜福利高清视频| 国产伦人伦偷精品视频| 亚洲av成人精品一区久久| 日本免费一区二区三区高清不卡| 国产高清有码在线观看视频| 国内精品久久久久精免费| 伊人久久大香线蕉亚洲五| 一个人免费在线观看电影 | 九九热线精品视视频播放| 精品久久蜜臀av无| 亚洲人成网站在线播放欧美日韩| 黄色视频,在线免费观看| 99久国产av精品| 亚洲成人免费电影在线观看| 国内毛片毛片毛片毛片毛片| xxx96com| av国产免费在线观看| 18禁裸乳无遮挡免费网站照片| 啦啦啦韩国在线观看视频| 日韩成人在线观看一区二区三区| 好男人在线观看高清免费视频| 在线国产一区二区在线| 久久精品国产清高在天天线| 欧美丝袜亚洲另类 | 男人和女人高潮做爰伦理| 国产成人精品久久二区二区免费| 国产精品免费一区二区三区在线| 国产成人欧美在线观看| 色哟哟哟哟哟哟| 亚洲欧美精品综合久久99| 黑人巨大精品欧美一区二区mp4| 亚洲中文av在线| 国产亚洲欧美98| 亚洲精品一卡2卡三卡4卡5卡| 久久久久久久久久黄片| 久久久久国产一级毛片高清牌| 日韩中文字幕欧美一区二区| 一个人免费在线观看的高清视频| 九色国产91popny在线| 亚洲精品在线观看二区| 欧美在线一区亚洲| 午夜日韩欧美国产| 男女床上黄色一级片免费看| 免费看日本二区| 国产午夜福利久久久久久| 亚洲九九香蕉| 伦理电影免费视频| 一级a爱片免费观看的视频| 美女cb高潮喷水在线观看 | 久久精品91无色码中文字幕| 欧美乱码精品一区二区三区| 丰满人妻一区二区三区视频av | 日本三级黄在线观看| 免费在线观看影片大全网站| 日本a在线网址| 久久久久久久久免费视频了| 无遮挡黄片免费观看| 久久久久九九精品影院| 国产成+人综合+亚洲专区| 久久精品国产清高在天天线| 特大巨黑吊av在线直播| 18禁观看日本| 午夜免费激情av| 欧美乱码精品一区二区三区| 日韩三级视频一区二区三区| 欧美中文综合在线视频| 亚洲自拍偷在线| 欧美成狂野欧美在线观看| 不卡av一区二区三区| 国产精品一区二区三区四区久久| 午夜成年电影在线免费观看| 村上凉子中文字幕在线| 午夜福利视频1000在线观看| 成人国产综合亚洲| 香蕉丝袜av| 夜夜躁狠狠躁天天躁| 巨乳人妻的诱惑在线观看| 久久午夜亚洲精品久久| 在线a可以看的网站| 淫秽高清视频在线观看| 亚洲av成人精品一区久久| 日本免费一区二区三区高清不卡| 久久99热这里只有精品18| 伊人久久大香线蕉亚洲五| 精华霜和精华液先用哪个| 国产精品女同一区二区软件 | 久久性视频一级片| 亚洲av电影不卡..在线观看| 一个人看视频在线观看www免费 | 天堂动漫精品| 午夜激情欧美在线| 国产1区2区3区精品| 久久欧美精品欧美久久欧美| a级毛片a级免费在线| 亚洲欧美激情综合另类| 亚洲一区二区三区不卡视频| 村上凉子中文字幕在线| 欧美zozozo另类| 亚洲男人的天堂狠狠| 日本成人三级电影网站| 亚洲激情在线av| 丝袜人妻中文字幕| 人妻丰满熟妇av一区二区三区| 国内少妇人妻偷人精品xxx网站 | 亚洲av中文字字幕乱码综合| 又紧又爽又黄一区二区| 亚洲成人久久爱视频| 日韩欧美在线乱码| 精品国产三级普通话版| 午夜精品久久久久久毛片777| 搡老熟女国产l中国老女人| 国产又色又爽无遮挡免费看| 男人的好看免费观看在线视频| 午夜精品一区二区三区免费看| 精品人妻1区二区| 国产成人精品无人区| 制服人妻中文乱码| 国产高潮美女av| or卡值多少钱| 欧美色欧美亚洲另类二区| 日韩国内少妇激情av| 久久中文看片网| 国产欧美日韩一区二区精品| 小蜜桃在线观看免费完整版高清| 亚洲国产看品久久| 久久久色成人| 亚洲国产欧美网| 国产精品一及| 成年免费大片在线观看| 夜夜看夜夜爽夜夜摸| 我要搜黄色片| 午夜久久久久精精品| 亚洲乱码一区二区免费版| 久久九九热精品免费| 成人高潮视频无遮挡免费网站| 亚洲熟妇中文字幕五十中出| 中文字幕精品亚洲无线码一区| h日本视频在线播放| 国产精品免费一区二区三区在线| xxxwww97欧美| 亚洲电影在线观看av| 欧美性猛交╳xxx乱大交人| 欧美国产日韩亚洲一区| 国内少妇人妻偷人精品xxx网站 | 脱女人内裤的视频| 日韩欧美精品v在线| 好男人在线观看高清免费视频| 成人高潮视频无遮挡免费网站| 亚洲熟妇中文字幕五十中出| 欧美中文日本在线观看视频| 免费av不卡在线播放| 久久久久久久午夜电影| 老司机福利观看| 老汉色∧v一级毛片| 在线观看美女被高潮喷水网站 | 亚洲乱码一区二区免费版| 性色avwww在线观看| 又黄又粗又硬又大视频| 久久99热这里只有精品18| 可以在线观看的亚洲视频| 老司机在亚洲福利影院| 亚洲熟妇中文字幕五十中出| e午夜精品久久久久久久| 亚洲精品一卡2卡三卡4卡5卡| 国产欧美日韩精品亚洲av| 99久久精品国产亚洲精品| 国产精品99久久99久久久不卡| 亚洲精品色激情综合| av视频在线观看入口| 最新在线观看一区二区三区| 国产精品一区二区精品视频观看| 国产精品一及| 女人被狂操c到高潮| 身体一侧抽搐| 日本免费a在线| 国产探花在线观看一区二区| 美女大奶头视频| 美女cb高潮喷水在线观看 | 在线免费观看的www视频| 操出白浆在线播放| 免费看光身美女| 亚洲av美国av| 99久久综合精品五月天人人| av在线蜜桃| 男女之事视频高清在线观看| 久久午夜综合久久蜜桃| 好男人电影高清在线观看| 99国产精品一区二区蜜桃av| 国产成人av激情在线播放| 国产av在哪里看| 久久久久国内视频| 亚洲成av人片在线播放无| 草草在线视频免费看| 女警被强在线播放| 亚洲色图av天堂| 久久久久久久午夜电影| 国产高清videossex| 亚洲自拍偷在线| 国产精华一区二区三区| 国产精品一区二区精品视频观看| 麻豆av在线久日| 国产精品99久久99久久久不卡| 69av精品久久久久久| 欧美乱色亚洲激情| 亚洲av第一区精品v没综合| 特级一级黄色大片| 岛国在线免费视频观看| 欧美激情久久久久久爽电影| 色播亚洲综合网| 激情在线观看视频在线高清| 中亚洲国语对白在线视频| 久久久久国产精品人妻aⅴ院| 免费观看人在逋| 好看av亚洲va欧美ⅴa在| 国产精品爽爽va在线观看网站| 99国产精品99久久久久| 亚洲中文av在线| 日日摸夜夜添夜夜添小说| 99在线人妻在线中文字幕| 91老司机精品| 亚洲激情在线av| e午夜精品久久久久久久| 九九在线视频观看精品| 欧美性猛交╳xxx乱大交人| 国内精品久久久久精免费| 波多野结衣高清作品| 国产在线精品亚洲第一网站| 亚洲18禁久久av| 精品国产乱子伦一区二区三区| 黄片小视频在线播放| 久久人妻av系列| 岛国视频午夜一区免费看| 最新美女视频免费是黄的| 香蕉av资源在线| 欧美大码av| 丰满人妻一区二区三区视频av | 色综合欧美亚洲国产小说| 国产精品 欧美亚洲| 美女被艹到高潮喷水动态| 国产又色又爽无遮挡免费看| 久久性视频一级片| 日本熟妇午夜| 19禁男女啪啪无遮挡网站| 国产精品 欧美亚洲| 美女免费视频网站| 午夜精品久久久久久毛片777| 亚洲午夜理论影院| 亚洲欧美日韩无卡精品| 亚洲国产精品成人综合色| 99久久成人亚洲精品观看| 久久久久亚洲av毛片大全| 国产精华一区二区三区| 天天一区二区日本电影三级| 久久久水蜜桃国产精品网| 亚洲avbb在线观看| 欧美又色又爽又黄视频| 免费观看的影片在线观看| 99国产精品一区二区三区| 国产一区二区激情短视频| 国产av一区在线观看免费| 天天躁狠狠躁夜夜躁狠狠躁| 女警被强在线播放| 午夜福利在线观看免费完整高清在 | 国产黄a三级三级三级人| 亚洲avbb在线观看| 91av网一区二区| 99久久综合精品五月天人人| 免费av毛片视频| 亚洲av成人精品一区久久| 亚洲激情在线av| 老司机午夜福利在线观看视频| 久久久久国产精品人妻aⅴ院| 超碰成人久久| 草草在线视频免费看| 精品无人区乱码1区二区| 九九在线视频观看精品| 最近最新中文字幕大全免费视频| 成人精品一区二区免费| 岛国视频午夜一区免费看| 99热这里只有精品一区 | 久久久成人免费电影| 久久久国产成人精品二区| 国产又色又爽无遮挡免费看| 观看免费一级毛片| 亚洲av日韩精品久久久久久密| 亚洲无线观看免费| 岛国在线免费视频观看| 夜夜看夜夜爽夜夜摸| 亚洲人成电影免费在线| 欧美av亚洲av综合av国产av| 伦理电影免费视频| 久久香蕉国产精品| 日韩国内少妇激情av| 天天躁狠狠躁夜夜躁狠狠躁| 精品99又大又爽又粗少妇毛片 | 小蜜桃在线观看免费完整版高清| 性色av乱码一区二区三区2| 欧美激情久久久久久爽电影| 午夜福利视频1000在线观看| 亚洲av成人不卡在线观看播放网| 精品日产1卡2卡| 亚洲激情在线av| 国产探花在线观看一区二区| 香蕉丝袜av| h日本视频在线播放| 毛片女人毛片| 99国产极品粉嫩在线观看| 少妇的丰满在线观看| 99久久精品热视频| 国产av麻豆久久久久久久| 欧美性猛交╳xxx乱大交人| 成人国产综合亚洲| 久久久色成人| 村上凉子中文字幕在线| 成人18禁在线播放| 女生性感内裤真人,穿戴方法视频| 国产精品亚洲美女久久久| 国产精品 国内视频| 麻豆成人av在线观看| 久久久国产成人免费| 欧美又色又爽又黄视频| 亚洲精品乱码久久久v下载方式 | 一级作爱视频免费观看| 狂野欧美激情性xxxx| 亚洲美女视频黄频| 窝窝影院91人妻| 久久中文字幕一级| 亚洲欧美精品综合一区二区三区| 成人性生交大片免费视频hd| 美女免费视频网站| 国产高清三级在线| av在线天堂中文字幕| 老熟妇乱子伦视频在线观看| 1024手机看黄色片| 午夜影院日韩av| www.熟女人妻精品国产| 欧美日韩中文字幕国产精品一区二区三区| 亚洲最大成人中文| 久久午夜亚洲精品久久| 亚洲成人精品中文字幕电影| 国产aⅴ精品一区二区三区波| 19禁男女啪啪无遮挡网站| 免费在线观看视频国产中文字幕亚洲| 18美女黄网站色大片免费观看| 一进一出抽搐gif免费好疼| 欧美中文日本在线观看视频| 午夜a级毛片| 日本一本二区三区精品| 免费看美女性在线毛片视频| av天堂中文字幕网| 中文字幕精品亚洲无线码一区| 在线观看一区二区三区| 精品一区二区三区av网在线观看| 免费大片18禁| 女同久久另类99精品国产91| 在线免费观看不下载黄p国产 | 日日摸夜夜添夜夜添小说| 亚洲av第一区精品v没综合| 亚洲国产高清在线一区二区三| 久久这里只有精品19| 国产又色又爽无遮挡免费看| 99精品在免费线老司机午夜| 99国产精品一区二区蜜桃av| 12—13女人毛片做爰片一| 久久久国产成人精品二区| 久久中文看片网| 国产亚洲精品av在线| 母亲3免费完整高清在线观看| 久久久久久人人人人人| 99久国产av精品| 天堂动漫精品| 亚洲最大成人中文| 精品一区二区三区视频在线 | 国产成人精品无人区| 人妻夜夜爽99麻豆av| 亚洲精品456在线播放app | 欧美乱色亚洲激情| 毛片女人毛片| 丁香欧美五月| 看免费av毛片| а√天堂www在线а√下载| 超碰成人久久| 国产高清有码在线观看视频| 亚洲最大成人中文| 天天躁日日操中文字幕| 亚洲专区国产一区二区| 俺也久久电影网| 三级国产精品欧美在线观看 | 亚洲av成人不卡在线观看播放网| 欧美色欧美亚洲另类二区| 国产精品久久久av美女十八| 午夜福利成人在线免费观看| 草草在线视频免费看| 亚洲国产精品久久男人天堂| 国产高清激情床上av| 国产精品永久免费网站| 国产欧美日韩一区二区三| 真实男女啪啪啪动态图| 久久精品影院6| 亚洲中文日韩欧美视频| 噜噜噜噜噜久久久久久91| 国产熟女xx| 欧美zozozo另类| 久久国产精品影院| 亚洲成av人片免费观看| 成人av一区二区三区在线看| 美女 人体艺术 gogo| 精品人妻1区二区| 99久国产av精品| 久久这里只有精品中国| 国产精品一区二区免费欧美| 19禁男女啪啪无遮挡网站| 99久久99久久久精品蜜桃| 18禁美女被吸乳视频| 国产精品1区2区在线观看.| 午夜免费激情av| 久久久久久九九精品二区国产| 可以在线观看的亚洲视频| 午夜影院日韩av| 蜜桃久久精品国产亚洲av| 丰满人妻一区二区三区视频av | 国产精品久久电影中文字幕| 91麻豆精品激情在线观看国产| 在线国产一区二区在线| 男插女下体视频免费在线播放| 天天躁狠狠躁夜夜躁狠狠躁| 欧美最黄视频在线播放免费| 男女之事视频高清在线观看| 在线观看免费视频日本深夜| 真人一进一出gif抽搐免费| 日日夜夜操网爽| 亚洲精品一区av在线观看| 国产精品亚洲av一区麻豆| 亚洲美女黄片视频| 女人被狂操c到高潮| 久久亚洲精品不卡| 国产久久久一区二区三区| 久久亚洲精品不卡| 久久午夜综合久久蜜桃| 国产成人福利小说| 亚洲av成人一区二区三| 少妇裸体淫交视频免费看高清| 精品福利观看| 两性夫妻黄色片| 日韩精品青青久久久久久| 婷婷丁香在线五月| 久久天堂一区二区三区四区| 欧美一级a爱片免费观看看| 欧美一区二区国产精品久久精品| 久久久久免费精品人妻一区二区| 国产成人精品无人区| 夜夜看夜夜爽夜夜摸| 午夜激情欧美在线| avwww免费| 看免费av毛片| 少妇裸体淫交视频免费看高清| 国产精品1区2区在线观看.| 精品熟女少妇八av免费久了| ponron亚洲| 99久国产av精品| 香蕉av资源在线| 波多野结衣巨乳人妻| 亚洲国产精品成人综合色| 精品一区二区三区视频在线观看免费| 久99久视频精品免费| 久久久国产欧美日韩av| 色av中文字幕| 99精品欧美一区二区三区四区| 人人妻人人看人人澡|