• <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(chǎng)景下面向時(shí)空模糊性的人體動(dòng)作檢測(cè)方案研究

    2016-04-12 00:00:00從繼成
    現(xiàn)代電子技術(shù) 2016年15期

    摘 要: 與嚴(yán)格受控環(huán)境下傳統(tǒng)的人體動(dòng)作檢測(cè)不同,進(jìn)行復(fù)雜場(chǎng)景下的動(dòng)作檢測(cè)時(shí)由于背景帶有噪聲、人體遮擋和跟蹤不全導(dǎo)致空間和時(shí)間邊界存在時(shí)空模糊性?,F(xiàn)有的動(dòng)作檢測(cè)方案無法有效解決這一問題,為此,首先采用運(yùn)動(dòng)歷史圖像特征和外觀特征對(duì)人體運(yùn)動(dòng)進(jìn)行區(qū)分,然后將一個(gè)動(dòng)作的候選區(qū)域看成是一個(gè)實(shí)例包,提出模擬退火多實(shí)例學(xué)習(xí)支持向量機(jī)(SMILE?SVM)算法實(shí)現(xiàn)人體動(dòng)作檢測(cè)。仿真結(jié)果表明,該算法在公共的CMU運(yùn)動(dòng)數(shù)據(jù)集上的性能優(yōu)于現(xiàn)有算法。另外,還提出了一種超市客戶意圖檢測(cè)系統(tǒng),可檢測(cè)擁擠的超市中客戶是否有意從貨架上取貨,對(duì)于商家研究客戶興趣具有重大價(jià)值。

    關(guān)鍵詞: 人體動(dòng)作檢測(cè); 時(shí)空模糊性; 運(yùn)動(dòng)歷史圖像特征; 外觀特征; 多實(shí)例學(xué)習(xí)

    中圖分類號(hào): TN911.73?34; TP391 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2016)15?0038?05

    Abstract: Unlike the traditional human motion detection in well?controlled environment, the space and time boundary exists the space?time fuzziness due to the background noise, human body occlusion and incomplete tracking while performing motion detection in complex scene. The available motion detection schemes can′t solve the above problem effectively, therefore the motion history image (MHI) features and appearance features are used to distinguish the human motion. And then the candidate regions of an action are regarded as an instance package, and the simulated annealing multiple instances learning support vector machines (SMILE?SVM) algorithm is proposed for realizing the human motion detection. The simulation results show that the proposed algorithm is superior to the available algorithms in the aspect of public CMU action dataset. In addition, a client intention detection system for supermarkets is proposed, which can detect whether the customers intend to get the merchandise on shelf in crowded supermarket, and has the significant value for merchants to research the customer interests.

    Keywords: human motion detection; space?time fuzziness; motion history image feature; appearance feature; multi?instance learning

    0 引 言

    當(dāng)前大多數(shù)人體數(shù)據(jù)集中,人體動(dòng)作往往采集于無噪背景下,每個(gè)視頻片斷往往只包括一種動(dòng)作(比如快跑或慢跑)和一個(gè)人體,且人體在整個(gè)視頻片斷中只有這一種動(dòng)作。然而,在實(shí)際的監(jiān)視場(chǎng)景中,背景往往帶噪,監(jiān)視系統(tǒng)必須要從人群中檢測(cè)出感興趣的目標(biāo)人體動(dòng)作。

    在背景帶噪或人群部分遮擋等復(fù)雜場(chǎng)景下,進(jìn)行人體準(zhǔn)確定位的難度很大[1?2]。若沒有人體交互,從復(fù)雜場(chǎng)景中修剪一個(gè)對(duì)象往往會(huì)導(dǎo)致嚴(yán)重的錯(cuò)位或偶爾的漂移,此外,還可能存在時(shí)域模糊性。真實(shí)世界中的大部分動(dòng)作只發(fā)生一次且持續(xù)時(shí)間很短。而人體動(dòng)作是連續(xù)的,動(dòng)作屬于同一種類別但速度可能有巨大差異,所以難以確定這些目標(biāo)動(dòng)作的起點(diǎn)或終點(diǎn),以及真實(shí)世界中每個(gè)動(dòng)作的持續(xù)時(shí)間。另外,未檢測(cè)到快跑和慢跑等重復(fù)性動(dòng)作在時(shí)域的模糊性,但這些模糊性可能嚴(yán)重影響撿東西、拍照、按下電梯按鈕等非重復(fù)性動(dòng)作的檢測(cè)性能。這些空間和時(shí)間模糊性大大增加了動(dòng)作檢測(cè)的難度。

    為了克服這些模糊性,本文提出一種基于多實(shí)例學(xué)習(xí)(MIL)的支持向量機(jī)(SVM)處理時(shí)域和空域模糊性問題。圖1給出了多實(shí)例學(xué)習(xí)的主要思路。雖然不能精確知道目標(biāo)動(dòng)作的發(fā)生位置和時(shí)間,但是可以估計(jì)出一個(gè)包括多個(gè)潛在位置和時(shí)間片的“包”。這個(gè)包可以是正性包(目標(biāo)動(dòng)作發(fā)生于包中的某一位置),也可以是負(fù)性包(目標(biāo)動(dòng)作并未發(fā)生)。正性包中肯定有至少一個(gè)正性實(shí)例,而負(fù)性包中的所有實(shí)例均為非動(dòng)作實(shí)例。這種多實(shí)例方法既可識(shí)別目標(biāo)動(dòng)作,又可以確定動(dòng)作的準(zhǔn)確位置和時(shí)間段。

    1 相關(guān)工作

    針對(duì)人體動(dòng)作檢測(cè)問題,文獻(xiàn)[3]提出一種累積方向?數(shù)量級(jí)光流梯度直方圖的人體動(dòng)作特征表示方法。該方法首先利用Horn?Schunck光流算法計(jì)算圖像光流,然后將光流矢量按照不同的方向?數(shù)量級(jí)進(jìn)行直方圖統(tǒng)計(jì),得到單幀圖像的方向?數(shù)量級(jí)的光流梯度直方圖,最后將單幀圖像的直方圖特征在時(shí)間維上進(jìn)行累積來表示整個(gè)視頻動(dòng)作的特征。文獻(xiàn)[4]提出一種結(jié)合全局的剪影特征和局部的光流特征的混合特征,并用于人體動(dòng)作識(shí)別。該算法對(duì)于Weizmann數(shù)據(jù)庫中的動(dòng)作可以達(dá)到100%的正確識(shí)別率。文獻(xiàn)[5]提出一種基于主題模型的人體動(dòng)作識(shí)別方法,該方法首先提取時(shí)空興趣點(diǎn)來描述人體運(yùn)動(dòng),然后提出使用慢特征分析算法計(jì)算興趣點(diǎn)梯度信息不變量最優(yōu)解,最后使用概率潛在語義分析模型識(shí)別人體動(dòng)作。文獻(xiàn)[6]引入壓縮感知和稀疏表示理論,同時(shí)解決人體活動(dòng)監(jiān)測(cè)中的動(dòng)作識(shí)別和數(shù)據(jù)壓縮問題,探索如何在達(dá)到一定動(dòng)作識(shí)別率的同時(shí)降低傳感器節(jié)點(diǎn)的能耗。

    另外,文獻(xiàn)[7]提出通過提取密集采樣的局部視頻補(bǔ)丁檢測(cè)出背景比較簡(jiǎn)單的視頻的不規(guī)則動(dòng)作。這種方法難以對(duì)復(fù)雜場(chǎng)景下的非重復(fù)性動(dòng)作執(zhí)行對(duì)準(zhǔn)操作。文獻(xiàn)[8]提出體積特征,以便將時(shí)空形態(tài)與分割后的視頻片斷關(guān)聯(lián)起來。與文獻(xiàn)[9]基于流的關(guān)聯(lián)算法相結(jié)合后,再利用手工分割獲得的動(dòng)作樣本即可檢測(cè)出視頻中的多種動(dòng)作。然而總的來說,以上方法都還存在著不足:高度依賴人體部位的跟蹤,如果出現(xiàn)遮擋或環(huán)境變化等復(fù)雜因素,將無法得到完整的運(yùn)動(dòng)信息;當(dāng)存在時(shí)域和空域模糊性時(shí),人體動(dòng)作檢測(cè)精度較低;無法準(zhǔn)確獲取動(dòng)作的時(shí)間段或動(dòng)作意圖模糊。為了解決以上問題,文中提出了一種面向復(fù)雜背景下的人體動(dòng)作檢測(cè)方案,并通過仿真實(shí)驗(yàn)驗(yàn)證了該方案的有效性。

    2 系統(tǒng)概述

    為了采集數(shù)據(jù)構(gòu)建動(dòng)作分類器,本文采取手工方式標(biāo)識(shí)視頻序列,以獲得訓(xùn)練樣本。只需明確人體頭部的粗略位置以及動(dòng)作發(fā)生地點(diǎn)的近似幀即可。標(biāo)識(shí)過程結(jié)束后,按照幀內(nèi)的不同位置/尺度及時(shí)間線上的不同起始/結(jié)束幀號(hào),對(duì)標(biāo)識(shí)后的視頻序列做進(jìn)一步修剪,于是每個(gè)動(dòng)作(稱為包)將生成多個(gè)段(稱為實(shí)例)。這些陽性和陰性包將提供給本文學(xué)習(xí)算法以訓(xùn)練動(dòng)作檢測(cè)器。其中,每個(gè)正性包擁有一個(gè)目標(biāo)作為目標(biāo)動(dòng)作,而負(fù)性包不含。

    在測(cè)試階段,本文將處理人體動(dòng)作在時(shí)域和空域上的位置模糊性。本文系統(tǒng)允許短序列中的多個(gè)候選作為輸入,并推斷目標(biāo)動(dòng)作是否發(fā)生。它并不需要準(zhǔn)確的跟蹤器或人體檢測(cè)。相反,可以利用人臉檢測(cè)器或概率檢測(cè)器的輸出作為人體估計(jì)。同時(shí),它也不需確切知道人體動(dòng)作的起始或結(jié)束幀。相反,它可以考慮多種概率,并估計(jì)動(dòng)作的實(shí)際發(fā)生位置。

    為了獲得區(qū)分性特征進(jìn)行動(dòng)作檢測(cè),本文首先考慮動(dòng)作特征,以便將目標(biāo)動(dòng)作與其他動(dòng)作區(qū)分開。因?yàn)閭鹘y(tǒng)的光流容易受到噪聲影響,所以本文采用運(yùn)動(dòng)歷史圖像(MHI)特征[10],該特征積累了多個(gè)幀的運(yùn)動(dòng)信息。在本文系統(tǒng)中計(jì)算每個(gè)實(shí)例的MHI特征,然后將其下采樣為10×10像素尺寸,即特征向量長度為100。

    本文提出將運(yùn)動(dòng)和外觀信息結(jié)合起來,以便提高人體運(yùn)動(dòng)的區(qū)分性能。采用了兩種外觀特征,并與MHI特征相結(jié)合,作為運(yùn)動(dòng)識(shí)別時(shí)的高度區(qū)分性特征。圖2給出了這些特征的多個(gè)示例。第1種外觀特征是前景圖像(FI),通過與背景相減獲得;第2種外觀特征是定向梯度特征直方圖(HOG)[11],它可以描述邊緣和拐角的方向和大小。已知一個(gè)實(shí)例的圖像區(qū)域,F(xiàn)I特征可正規(guī)化為10×10像素。為了獲得HOG特征,圖像區(qū)域被分為3×4=12個(gè)子窗口,然后使用梯度方向的8個(gè)容器計(jì)算直方圖,為每個(gè)實(shí)例生成一個(gè)96維HOG特征向量。運(yùn)動(dòng)特征(MHI)和外觀特征(FI和HOG)可從不同方面描述人體動(dòng)作,且互為補(bǔ)充。外觀特征可以描述運(yùn)動(dòng)期間人體的空間形態(tài),而運(yùn)動(dòng)特征主要是描述正在運(yùn)動(dòng)的人體部位的方向和強(qiáng)度。

    3 SMILE?SVM算法

    下面介紹如何利用多實(shí)例學(xué)習(xí)解決動(dòng)作檢測(cè)在時(shí)域和空域上的模糊性,提出了一種模擬退火多實(shí)例學(xué)習(xí)支持向量機(jī)(SMILE?SVM)算法。已知一組輸入模式[x1,x2,…,xN]分組到[B1,B2,…,BM]中,且對(duì)于已知索引集合[Im?1,2,…,N]有[Bm=xi:i∈Im]。每個(gè)包[Bm]關(guān)聯(lián)一個(gè)標(biāo)識(shí)[Ym,][Ym=1]表示包是正性包,至少有一個(gè)實(shí)例[xi∈Bm]是類別中的陽性樣本。相反,[Ym=-1]表示包是陰性包,所有實(shí)例[xi∈Bm]均是陰性樣本。將每個(gè)實(shí)例的標(biāo)識(shí)表示為[yi,]則有:如果[Ym=-1,]則對(duì)[i∈Im]有[?yi=-1,]其中[m=1,2,…,M。]否則,如果[Ym=1,]則對(duì)[i∈Im,][?yi=1]。基于SVM的多實(shí)例學(xué)習(xí)可闡述為如下的目標(biāo)函數(shù)最小化:

    其中,[ξi]表示估計(jì)誤差,[w]確定余量的尺寸。傳統(tǒng)的SVM屬于二次優(yōu)化問題,則式(1)最小化是式(2)約束下的混合優(yōu)化問題。因?yàn)閇yi]的可能選擇數(shù)量太多,所以該目標(biāo)函數(shù)難以直接最小化。

    SMILE?SVM算法的目的是在增加包識(shí)別率的同時(shí)實(shí)現(xiàn)分類器容限最大。因?yàn)榉诸惾菹薜某叽缈捎蒣1w2]衡量[12],所以定義一種新的目標(biāo)函數(shù):

    [S=maxw,b,yinc+kw2] (3)

    式中:[nc]表示包分類的正確率;[k]表示容限指標(biāo)權(quán)重的控制參數(shù),部署時(shí)將[k]設(shè)為0.5。SMILE?SVM采用一種參數(shù)[T](稱為溫度)控制新的評(píng)分[S]被接受的概率。在學(xué)習(xí)過程的早期步驟中,[T]要設(shè)置的足夠大以便候選解能夠轉(zhuǎn)換為得分較低的另一種狀態(tài)。在學(xué)習(xí)過程中,[T]逐漸下降,以便降低切換到[S]較低的其他狀態(tài)的概率。當(dāng)[T]接近0時(shí),系統(tǒng)將會(huì)收斂。

    SMILE?SVM采取迭代方式尋求最優(yōu)得分[Sopt]。在第[t]次迭代時(shí),SMILE?SVM生成一個(gè)相鄰狀態(tài)[y*i,]然后提供給下次迭代以便生成一個(gè)新的SVM分類器。為了使新分類器的決策邊界與之前的邊界類似,引入隨機(jī)微小擾動(dòng)以生成一個(gè)新的狀態(tài)。

    [y*i=-signfti,fti<閾值, i∈Itrandsignfti,else]

    式中:[Itrand]表示第[t]次迭代的隨機(jī)集合;[fti]表示由[wt,bt]估計(jì)的分類置信度。生成相鄰狀態(tài)[y*i]之后,SMILE?SVM就會(huì)決定是否將其作為下次迭代的訓(xùn)練集。首先,驗(yàn)證式(2)中的約束,如果式(2)滿足,則系統(tǒng)將根據(jù)式(3)及[y*i]訓(xùn)練出來的分類器計(jì)算得分[St]。此時(shí),通過隨機(jī)數(shù)和[St]的比較決定將[y*i]作為下次迭代時(shí)狀態(tài)[yt+1i]的概率。如果[y*i]未被接受或式(2)未被滿足,則將生成另一個(gè)相鄰狀態(tài)。

    4 仿真實(shí)驗(yàn)

    本文通過兩組實(shí)驗(yàn)評(píng)估SMILE?SVM算法的有效性。第一組實(shí)驗(yàn)使用CMU人體運(yùn)動(dòng)數(shù)據(jù)集[8]。第二組實(shí)驗(yàn)考慮一種真實(shí)應(yīng)用,以檢測(cè)超市中的客戶是否有意從貨架上購買商品。

    4.1 CMU運(yùn)動(dòng)數(shù)據(jù)集的結(jié)果

    CMU運(yùn)動(dòng)數(shù)據(jù)集中有5種類型的人體運(yùn)動(dòng),包括人體跳躍、撿東西、雙手揮動(dòng)、單手揮動(dòng)及按下電梯按鈕。所有視頻的持續(xù)時(shí)間約為20 min,包括大約100種目標(biāo)運(yùn)動(dòng)。視頻的分辨率下調(diào)為160×120像素。人體運(yùn)動(dòng)的方式有較大差異。背景帶有噪聲,且目標(biāo)運(yùn)動(dòng)有時(shí)被其他人體遮擋。所有這些變化導(dǎo)致時(shí)域和空域存在較大的模糊性。評(píng)估時(shí)的訓(xùn)練/測(cè)試配置與文獻(xiàn)[8]相同。一個(gè)人體進(jìn)行的一個(gè)樣本序列用于所有5種動(dòng)作的訓(xùn)練。3~6個(gè)其他人體每種動(dòng)作進(jìn)行多次測(cè)試。采用一對(duì)多策略分別訓(xùn)練和測(cè)試5種人體運(yùn)動(dòng)檢測(cè)器,于是在訓(xùn)練階段有1個(gè)陽性包和4個(gè)陰性包,在測(cè)試階段的陽/陰性包的分布類似。

    圖3給出了使用不同特征進(jìn)行動(dòng)作檢測(cè)的性能比較結(jié)果。從圖3中可以發(fā)現(xiàn),綜合使用運(yùn)動(dòng)和HOG外觀特征(MHI+HOG特征)后的性能優(yōu)于其他種類的特征。

    表1比較了文獻(xiàn)[8]中結(jié)果與本文算法的性能。對(duì)于所有運(yùn)動(dòng),SMILE?SVM均顯著優(yōu)于文獻(xiàn)[8]中的結(jié)果,惟一例外便是雙手揮舞動(dòng)作,這也證明了基于運(yùn)動(dòng)和外觀特征的SMILE?SVM算法的有效性。

    4.2 真實(shí)場(chǎng)景的結(jié)果:超市監(jiān)測(cè)系統(tǒng)

    為了進(jìn)一步驗(yàn)證本文算法的有效性,在真實(shí)場(chǎng)景下對(duì)其性能進(jìn)行測(cè)試,以證明其在監(jiān)測(cè)應(yīng)用場(chǎng)景下的作用。目標(biāo)運(yùn)動(dòng)是擁擠的超市中客戶是否有意從貨架上購買貨物,這種類型的運(yùn)動(dòng)包括使用一只手或一雙手指向或觸摸某種商品或者彎腰接近/觀看某種商品。超市希望對(duì)這種運(yùn)動(dòng)進(jìn)行跟蹤以便知道客戶的意圖。該數(shù)據(jù)庫采集于典型的超市場(chǎng)景下,在早晨和中午時(shí)間比較擁擠。

    本文構(gòu)建了一種目標(biāo)運(yùn)動(dòng)檢測(cè)系統(tǒng),如圖4所示。在該系統(tǒng)中,對(duì)卷積神經(jīng)網(wǎng)絡(luò)(CNN)[13]進(jìn)行訓(xùn)練以便檢測(cè)每一幀中的二維頭部候選。根據(jù)頭部檢測(cè)器的輸出,本文運(yùn)動(dòng)檢測(cè)算法利用CNN人體檢測(cè)器輸出的視頻幀中每個(gè)人體頭部矩形的位置和尺寸作為輸入,從空間鄰域內(nèi)這些頭部位置周圍及時(shí)間鄰域的相鄰幀中提取出不同位置的多個(gè)窗口,然后為這些實(shí)例提取視頻特征。以SMILE?SVM算法的識(shí)別結(jié)果為基礎(chǔ),如果估計(jì)概率超過經(jīng)過學(xué)習(xí)的置信度閾值,則檢測(cè)到目標(biāo)運(yùn)動(dòng)。如果在時(shí)間線上的相鄰區(qū)域內(nèi)檢測(cè)到兩個(gè)運(yùn)動(dòng),則將其融合以形成層次更高、時(shí)間更長的運(yùn)動(dòng)。該系統(tǒng)將運(yùn)動(dòng)檢測(cè)與三維跟蹤器(比如將立體相機(jī)二維跟蹤結(jié)果相融合后產(chǎn)生的結(jié)果)結(jié)合起來,可獲得一些具體信息,比如貨架上哪個(gè)部位最能吸引客戶的注意力。這種信息對(duì)商家非常有用。

    使用20 min左右時(shí)長的視頻作為訓(xùn)練視頻,40 min時(shí)間的視頻用作測(cè)試視頻,包括大約150個(gè)陽性運(yùn)動(dòng)樣本。在時(shí)域上,每個(gè)運(yùn)動(dòng)分割為運(yùn)動(dòng)期間隨機(jī)點(diǎn)上的多個(gè)小片斷,每個(gè)片斷的尺寸為10幀。在空域上,包含人體頭部和身體的運(yùn)動(dòng)區(qū)域按照12種不同尺寸和尺度進(jìn)行修剪。上述每個(gè)時(shí)空樣本成為一個(gè)實(shí)例,且所有實(shí)例與包中的一個(gè)運(yùn)動(dòng)相關(guān)聯(lián)。這一過程將分別在訓(xùn)練和測(cè)試數(shù)據(jù)集中生成約50個(gè)陽性包(包括25 000個(gè)實(shí)例)和100個(gè)陽性包(包括50 000個(gè)陽性實(shí)例)。對(duì)步行和站立等不感興趣的其他陰性運(yùn)動(dòng)(陰性運(yùn)動(dòng)樣本),只有10%左右(382個(gè)陰性包)被隨機(jī)采樣,以便獲得數(shù)量類似的訓(xùn)練和測(cè)試陰性實(shí)例(34 000個(gè)和79 000個(gè))。

    為了保證比較的公平性,對(duì)不同算法使用相同的運(yùn)動(dòng)特征(MHI)。圖5給了3種算法的精度/召回率曲線??梢园l(fā)現(xiàn),多實(shí)例學(xué)習(xí)算法的性能遠(yuǎn)優(yōu)于經(jīng)典SVM算法。此外,文獻(xiàn)[2]中的算法不如本文算法,因?yàn)楸疚哪M退火搜索策略陷入局部最優(yōu)值的概率較小。

    通過將運(yùn)動(dòng)特征和外觀特征結(jié)合起來后,本系統(tǒng)的性能得到進(jìn)一步提升。如第2節(jié)所示,F(xiàn)I和HOG特征提供的信息與運(yùn)動(dòng)特征互補(bǔ),因此本文分別將運(yùn)動(dòng)特征與FI和HOG特征相結(jié)合,構(gòu)建了新的特征。圖6給出了基于3種特征的性能:只有運(yùn)動(dòng)特征(MHI),兩種混合特征((MHI+FI和MHI+HOG)??梢园l(fā)現(xiàn),使用混合特征的召回率比只使用MHI平均高出近20%(當(dāng)精度率為0.6時(shí))。

    為了測(cè)試本文運(yùn)動(dòng)檢測(cè)器的通用性,將其用于不同時(shí)期、不同時(shí)刻在超市中采集的新的視頻序列。新視頻采集于客戶運(yùn)動(dòng)更密集的高峰時(shí)間。新的測(cè)試視頻包含390個(gè)目標(biāo)運(yùn)動(dòng)構(gòu)成的陽性包和591個(gè)非目標(biāo)運(yùn)動(dòng)構(gòu)成的陰性包,大約包括124 000個(gè)陽性實(shí)例和166 000個(gè)陰性實(shí)例。

    圖7分別給出了采用MHI+FI和MHI+HOG聯(lián)合特征時(shí),原始測(cè)試數(shù)據(jù)和高難度測(cè)試數(shù)據(jù)的精度/召回率曲線。此時(shí),MFI表示運(yùn)動(dòng)(MHI)和外觀(FI)聯(lián)合特征,MHOG表示運(yùn)動(dòng)(MHI)和外觀(HOG)聯(lián)合特征??梢园l(fā)現(xiàn),由于數(shù)據(jù)不同,算法總體性能略有下降。然而,這種誤差并不明顯,算法在新數(shù)據(jù)集上的性能仍然較好。

    如前文所述,非運(yùn)動(dòng)包中的所有實(shí)例為陰性樣本,運(yùn)動(dòng)包中只有部分實(shí)例被識(shí)別為陽性樣本。利用這些陽性實(shí)例,不僅可以識(shí)別出目標(biāo)運(yùn)動(dòng)是否發(fā)生于包中,還可以估計(jì)出該運(yùn)動(dòng)的位置和時(shí)間。圖8演示了部分樣本的運(yùn)動(dòng)檢測(cè)結(jié)果,其中陽性示例用紅色方框表示。鑒于本文實(shí)例的構(gòu)建方法,即使人體被部分遮擋(見圖8(c)),本文算法仍可以檢測(cè)出目標(biāo)運(yùn)動(dòng)及其時(shí)間和位置(見圖8(a)和圖8(b)。

    5 結(jié) 語

    本文研究了復(fù)雜場(chǎng)景下的人體運(yùn)動(dòng)檢測(cè)問題,并提出一種多實(shí)例學(xué)習(xí)方法以克服時(shí)空模糊性。實(shí)驗(yàn)結(jié)果表明,本文方案不僅在公共的CMU運(yùn)動(dòng)數(shù)據(jù)集上的性能優(yōu)于其他算法,而且在真實(shí)監(jiān)測(cè)場(chǎng)景中具有應(yīng)用價(jià)值。下一步工作是對(duì)當(dāng)前系統(tǒng)進(jìn)行拓展,以便適用于自助餐廳或麥當(dāng)勞等更多場(chǎng)景。

    參考文獻(xiàn)

    [1] 李擬臖,程旭,郭海燕,等.基于多特征融合和分層反向傳播增強(qiáng)算法的人體動(dòng)作識(shí)別[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,44(3):493?498.

    [2] ANDREWS S, TSOCHANTARIDIS I, HOFMANN T. Support vector machines for multiple?instance learning [J]. Advances in neural information processing systems, 2002, 15(2): 561?568.

    [3] 郭利,曹江濤,李平,等.累積方向?數(shù)量級(jí)光流梯度直方圖的人體動(dòng)作識(shí)別[J].智能系統(tǒng)學(xué)報(bào),2014,9(1):104?108.

    [4] 郭利,姬曉飛,李平,等.基于混合特征的人體動(dòng)作識(shí)別改進(jìn)算法[J].計(jì)算機(jī)應(yīng)用研究,2013,30(2):601?604.

    [5] 譚論正,夏利民,黃金霞,等.基于 pLSA 模型的人體動(dòng)作識(shí)別[J].國防科技大學(xué)學(xué)報(bào),2013,35(5):102?108.

    [6] 肖玲,李仁發(fā),羅娟.體域網(wǎng)中一種基于壓縮感知的人體動(dòng)作識(shí)別方法[J].電子與信息學(xué)報(bào),2013,35(1):119?125.

    [7] BOIMAN O, IRANI M. Detecting irregularities in images and in video [J]. International journal of computer vision, 2007, 74(1): 17?31.

    [8] KE Y, SUKTHANKAR R, HEBERT M. Event detection in crowded videos [C]// Proceedings of 2007 11th IEEE International Conference on Computer Vision. Rio de Janeiro: IEEE, 2007: 1?8.

    [9] EFROS A A, BERG A C, MORI G, et al. Recognizing action at a distance [C]// Proceedings of 2013 Ninth IEEE International Conference on Computer Vision. US: IEEE, 2013: 726?733.

    [10] WEINLAND D, RONFARD R, BOYER E. A survey of vision?based methods for action representation, segmentation and recognition [J]. Computer vision and image understanding, 2011, 115(2): 224?241.

    [11] DALAL N, TRIGGS B. Histograms of oriented gradients for human detection [C]// Proceedings of 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Diego: IEEE, 2005: 886?893.

    [12] BOSER B E, GUYON I M, VAPNIK V N. A training algorithm for optimal margin classifiers [C]// Proceedings of the Fifth Annual Workshop on Computational Learning Theory. US: ACM, 2008: 144?152.

    [13] 呂國豪,羅四維,黃雅平,等.基于卷積神經(jīng)網(wǎng)絡(luò)的正則化方法[J].計(jì)算機(jī)研究與發(fā)展,2014,51(9):1891?1900.

    久久久国产成人免费| 国产一区二区激情短视频| 国产一区二区激情短视频| av在线天堂中文字幕| 一个人免费在线观看的高清视频| 国产亚洲精品久久久久5区| 两个人视频免费观看高清| 大型av网站在线播放| 免费高清在线观看日韩| 香蕉丝袜av| 日韩三级视频一区二区三区| 午夜免费观看网址| 美女大奶头视频| 男人舔女人的私密视频| 久热爱精品视频在线9| 欧美绝顶高潮抽搐喷水| 在线播放国产精品三级| 亚洲五月婷婷丁香| 一级片免费观看大全| 久99久视频精品免费| 美女扒开内裤让男人捅视频| 精品日产1卡2卡| 国产成人啪精品午夜网站| 欧洲精品卡2卡3卡4卡5卡区| 波多野结衣巨乳人妻| 免费一级毛片在线播放高清视频| 国产激情偷乱视频一区二区| 国产精品一区二区免费欧美| xxx96com| 成人欧美大片| 男男h啪啪无遮挡| 中文字幕最新亚洲高清| 日日夜夜操网爽| 国产99久久九九免费精品| 精品高清国产在线一区| 激情在线观看视频在线高清| 美国免费a级毛片| 色尼玛亚洲综合影院| 中文字幕精品亚洲无线码一区 | 国产午夜精品久久久久久| 国产欧美日韩一区二区三| 国产一级毛片七仙女欲春2 | 日韩成人在线观看一区二区三区| 久久国产精品影院| 日韩欧美在线二视频| 亚洲五月天丁香| 香蕉丝袜av| 欧美zozozo另类| 久久精品成人免费网站| 又大又爽又粗| 久久性视频一级片| 亚洲五月婷婷丁香| 成年人黄色毛片网站| 亚洲欧美激情综合另类| 好男人在线观看高清免费视频 | 精品久久久久久久久久免费视频| 中文字幕最新亚洲高清| 99精品在免费线老司机午夜| 我的亚洲天堂| 丝袜人妻中文字幕| a级毛片a级免费在线| 欧美黑人精品巨大| 日韩欧美一区视频在线观看| 欧美日韩黄片免| 成人永久免费在线观看视频| 欧美国产日韩亚洲一区| 欧美成狂野欧美在线观看| 免费看美女性在线毛片视频| 久久久国产欧美日韩av| 老汉色∧v一级毛片| 精品久久久久久久人妻蜜臀av| 在线看三级毛片| 午夜福利在线观看吧| 一二三四社区在线视频社区8| 男女做爰动态图高潮gif福利片| 日韩国内少妇激情av| 国产片内射在线| 免费女性裸体啪啪无遮挡网站| 草草在线视频免费看| 少妇 在线观看| 精品第一国产精品| 国产真实乱freesex| 久久中文字幕人妻熟女| 欧美午夜高清在线| 中文亚洲av片在线观看爽| 国产av一区在线观看免费| 国产极品粉嫩免费观看在线| 日韩视频一区二区在线观看| 波多野结衣av一区二区av| 麻豆久久精品国产亚洲av| 99国产精品99久久久久| 少妇的丰满在线观看| 欧美日韩一级在线毛片| av超薄肉色丝袜交足视频| 久久99热这里只有精品18| 国产av在哪里看| 国产av在哪里看| 在线十欧美十亚洲十日本专区| 99久久综合精品五月天人人| 别揉我奶头~嗯~啊~动态视频| 搡老妇女老女人老熟妇| 99re在线观看精品视频| 色哟哟哟哟哟哟| 色老头精品视频在线观看| 亚洲国产日韩欧美精品在线观看 | 99国产综合亚洲精品| 深夜精品福利| 午夜免费成人在线视频| av免费在线观看网站| 日日夜夜操网爽| 女人被狂操c到高潮| 亚洲精品久久国产高清桃花| 免费搜索国产男女视频| 久久中文字幕人妻熟女| 在线天堂中文资源库| 亚洲av日韩精品久久久久久密| 午夜福利免费观看在线| 丝袜美腿诱惑在线| 久久久水蜜桃国产精品网| 亚洲av成人av| 女性生殖器流出的白浆| 天天添夜夜摸| 嫁个100分男人电影在线观看| 后天国语完整版免费观看| 国产精品久久视频播放| 黑丝袜美女国产一区| 露出奶头的视频| 亚洲av电影在线进入| 午夜福利免费观看在线| 啦啦啦 在线观看视频| 亚洲国产精品成人综合色| 一边摸一边抽搐一进一小说| 操出白浆在线播放| 国产97色在线日韩免费| www.精华液| 国产99久久九九免费精品| 韩国av一区二区三区四区| 亚洲欧美精品综合一区二区三区| 亚洲国产欧美日韩在线播放| 亚洲 国产 在线| 午夜影院日韩av| 婷婷六月久久综合丁香| 黄色女人牲交| 男女午夜视频在线观看| 亚洲国产精品999在线| 国产精品久久久人人做人人爽| videosex国产| 成人亚洲精品一区在线观看| 嫩草影院精品99| 国产成人精品无人区| 久久精品91无色码中文字幕| 成年人黄色毛片网站| 搡老妇女老女人老熟妇| 亚洲av电影在线进入| 欧美日韩亚洲综合一区二区三区_| 久久中文看片网| 少妇被粗大的猛进出69影院| 亚洲真实伦在线观看| 一区二区三区高清视频在线| 麻豆成人av在线观看| 国产精品亚洲美女久久久| 国产1区2区3区精品| 欧美一级a爱片免费观看看 | av视频在线观看入口| 久久久久久久午夜电影| 看免费av毛片| 亚洲成国产人片在线观看| 18禁黄网站禁片午夜丰满| 夜夜爽天天搞| 黄色视频,在线免费观看| 日本免费a在线| av欧美777| 亚洲精品一区av在线观看| 人人妻,人人澡人人爽秒播| 亚洲 国产 在线| 国产99白浆流出| 黑人巨大精品欧美一区二区mp4| 久久久久免费精品人妻一区二区 | 国产精品野战在线观看| www.熟女人妻精品国产| 欧美日韩亚洲国产一区二区在线观看| 午夜精品久久久久久毛片777| АⅤ资源中文在线天堂| 免费高清视频大片| 色综合站精品国产| 亚洲中文av在线| 88av欧美| 欧美黄色片欧美黄色片| 国产不卡一卡二| 亚洲av成人不卡在线观看播放网| 女同久久另类99精品国产91| 韩国av一区二区三区四区| 免费在线观看日本一区| 国内精品久久久久精免费| 精品日产1卡2卡| 精品久久久久久成人av| 两人在一起打扑克的视频| 黄片大片在线免费观看| 久久久久久久精品吃奶| 免费看十八禁软件| 亚洲成av人片免费观看| 亚洲人成电影免费在线| 丰满人妻熟妇乱又伦精品不卡| 国产免费男女视频| 女人高潮潮喷娇喘18禁视频| 久热这里只有精品99| 久久人妻福利社区极品人妻图片| 欧美乱妇无乱码| 伦理电影免费视频| 国产精品电影一区二区三区| 国产亚洲精品一区二区www| 国产乱人伦免费视频| 亚洲午夜精品一区,二区,三区| 中文资源天堂在线| 久久精品国产综合久久久| 亚洲av片天天在线观看| 亚洲一区中文字幕在线| 亚洲专区国产一区二区| 久久婷婷成人综合色麻豆| 男女下面进入的视频免费午夜 | 在线观看免费日韩欧美大片| 国产成人啪精品午夜网站| 精品国产乱子伦一区二区三区| 黑人欧美特级aaaaaa片| 不卡av一区二区三区| 色在线成人网| 欧美日韩乱码在线| 精品日产1卡2卡| 午夜免费鲁丝| 麻豆一二三区av精品| 欧美精品啪啪一区二区三区| 成年版毛片免费区| 国产精品99久久99久久久不卡| 女人高潮潮喷娇喘18禁视频| 国产三级黄色录像| 色播亚洲综合网| 欧美色欧美亚洲另类二区| 看免费av毛片| 亚洲精品一卡2卡三卡4卡5卡| 欧美成人午夜精品| 午夜免费成人在线视频| 在线天堂中文资源库| 一边摸一边抽搐一进一小说| 国产精品永久免费网站| 99久久99久久久精品蜜桃| 亚洲专区中文字幕在线| 他把我摸到了高潮在线观看| 久久久久久大精品| 国产av又大| 久久精品国产99精品国产亚洲性色| 最新美女视频免费是黄的| 国产激情偷乱视频一区二区| 一边摸一边做爽爽视频免费| av中文乱码字幕在线| 国产蜜桃级精品一区二区三区| 久久人妻福利社区极品人妻图片| 久久香蕉激情| 亚洲成国产人片在线观看| 法律面前人人平等表现在哪些方面| 国产精品电影一区二区三区| 又黄又粗又硬又大视频| 欧美不卡视频在线免费观看 | 国产熟女午夜一区二区三区| 久久久国产成人免费| 一本精品99久久精品77| 波多野结衣巨乳人妻| 亚洲国产高清在线一区二区三 | 黄片大片在线免费观看| 欧美大码av| 亚洲国产高清在线一区二区三 | 午夜免费激情av| 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| 午夜免费成人在线视频| 日韩视频一区二区在线观看| 久久久精品国产亚洲av高清涩受| 99久久综合精品五月天人人| 免费在线观看日本一区| 国产伦在线观看视频一区| 一区二区三区激情视频| 男女午夜视频在线观看| www.999成人在线观看| 天天添夜夜摸| 中文字幕另类日韩欧美亚洲嫩草| 中亚洲国语对白在线视频| 在线看三级毛片| 中文字幕久久专区| 757午夜福利合集在线观看| 老熟妇乱子伦视频在线观看| 国产精品亚洲一级av第二区| 国产精品综合久久久久久久免费| 国产av一区二区精品久久| 国产蜜桃级精品一区二区三区| 在线天堂中文资源库| 亚洲av熟女| 在线看三级毛片| www.精华液| 不卡av一区二区三区| 国产野战对白在线观看| 淫秽高清视频在线观看| 1024手机看黄色片| 精品国内亚洲2022精品成人| av电影中文网址| 日韩精品青青久久久久久| 亚洲成av片中文字幕在线观看| 欧美黑人巨大hd| 欧美另类亚洲清纯唯美| 777久久人妻少妇嫩草av网站| 午夜福利一区二区在线看| 满18在线观看网站| 成年女人毛片免费观看观看9| 中文字幕av电影在线播放| 亚洲精品在线美女| 91麻豆精品激情在线观看国产| 一个人观看的视频www高清免费观看 | 久久精品国产清高在天天线| 日日干狠狠操夜夜爽| 美女 人体艺术 gogo| 精品久久久久久久久久免费视频| 中文亚洲av片在线观看爽| 午夜福利一区二区在线看| 亚洲aⅴ乱码一区二区在线播放 | 午夜精品在线福利| 久久伊人香网站| av免费在线观看网站| 国产精品久久久人人做人人爽| 久久精品91无色码中文字幕| 亚洲欧美精品综合久久99| 欧美激情久久久久久爽电影| 亚洲国产精品sss在线观看| 搡老妇女老女人老熟妇| 天堂影院成人在线观看| 色哟哟哟哟哟哟| 黄色视频不卡| 非洲黑人性xxxx精品又粗又长| 久久久久免费精品人妻一区二区 | 亚洲第一青青草原| 可以在线观看的亚洲视频| 午夜免费鲁丝| 91字幕亚洲| 亚洲人成77777在线视频| 性欧美人与动物交配| 香蕉久久夜色| 丁香欧美五月| 国产亚洲精品久久久久5区| 国产亚洲欧美98| 亚洲av五月六月丁香网| 国产91精品成人一区二区三区| 一边摸一边抽搐一进一小说| 国产精品一区二区免费欧美| 12—13女人毛片做爰片一| 啦啦啦 在线观看视频| 欧美乱妇无乱码| 看黄色毛片网站| 91字幕亚洲| 国产欧美日韩一区二区三| 女生性感内裤真人,穿戴方法视频| 两性夫妻黄色片| 精品久久久久久久久久免费视频| 精品少妇一区二区三区视频日本电影| 国内揄拍国产精品人妻在线 | 十八禁人妻一区二区| 国产亚洲欧美98| 看免费av毛片| 成人特级黄色片久久久久久久| 91字幕亚洲| 88av欧美| 久久久久国内视频| 精品久久蜜臀av无| 窝窝影院91人妻| 韩国av一区二区三区四区| 精品一区二区三区视频在线观看免费| 国产一区在线观看成人免费| 男女床上黄色一级片免费看| 搡老妇女老女人老熟妇| 国产真实乱freesex| 久久国产精品人妻蜜桃| 亚洲午夜理论影院| 欧美不卡视频在线免费观看 | 久久精品国产综合久久久| 亚洲一区中文字幕在线| a在线观看视频网站| 欧美中文日本在线观看视频| 精品国产乱子伦一区二区三区| 女性被躁到高潮视频| 亚洲成人精品中文字幕电影| 欧美激情极品国产一区二区三区| 在线观看日韩欧美| 成年女人毛片免费观看观看9| 国产精品野战在线观看| 女性被躁到高潮视频| 一级a爱片免费观看的视频| www.999成人在线观看| 亚洲性夜色夜夜综合| 一级片免费观看大全| 国产v大片淫在线免费观看| 国产激情欧美一区二区| 在线十欧美十亚洲十日本专区| 欧美又色又爽又黄视频| 亚洲av日韩精品久久久久久密| 在线观看免费午夜福利视频| 国产激情欧美一区二区| 国产精品久久久久久亚洲av鲁大| 国产精华一区二区三区| 曰老女人黄片| 国产精品自产拍在线观看55亚洲| 午夜免费鲁丝| 搡老岳熟女国产| 久久香蕉激情| 一区二区三区激情视频| av视频在线观看入口| 男男h啪啪无遮挡| 男女做爰动态图高潮gif福利片| 很黄的视频免费| 黄色 视频免费看| 国产精品日韩av在线免费观看| 久久天躁狠狠躁夜夜2o2o| 一卡2卡三卡四卡精品乱码亚洲| www日本在线高清视频| 国内揄拍国产精品人妻在线 | 国产av又大| 日本一本二区三区精品| 黑人巨大精品欧美一区二区mp4| 国产成人系列免费观看| 成在线人永久免费视频| 色综合欧美亚洲国产小说| 黑人操中国人逼视频| 男人舔女人的私密视频| 免费看美女性在线毛片视频| 黄色a级毛片大全视频| 日韩欧美一区视频在线观看| 无人区码免费观看不卡| 亚洲色图av天堂| 亚洲成av片中文字幕在线观看| 十分钟在线观看高清视频www| 少妇熟女aⅴ在线视频| 亚洲激情在线av| av片东京热男人的天堂| 亚洲精品中文字幕在线视频| 久久香蕉国产精品| 日韩有码中文字幕| 亚洲午夜精品一区,二区,三区| 亚洲中文av在线| 日日夜夜操网爽| 他把我摸到了高潮在线观看| 99久久精品国产亚洲精品| 久久精品人妻少妇| 91国产中文字幕| 岛国在线观看网站| 18禁美女被吸乳视频| 亚洲av成人一区二区三| 国产精品九九99| 中文字幕久久专区| 精品国产美女av久久久久小说| 久久草成人影院| av中文乱码字幕在线| 三级毛片av免费| 久久婷婷成人综合色麻豆| 露出奶头的视频| 50天的宝宝边吃奶边哭怎么回事| 精品欧美国产一区二区三| 欧美成人午夜精品| 亚洲成人久久爱视频| 国产野战对白在线观看| 熟女少妇亚洲综合色aaa.| 欧美午夜高清在线| 国产1区2区3区精品| 制服丝袜大香蕉在线| 国产精品国产高清国产av| 丝袜人妻中文字幕| 日本免费一区二区三区高清不卡| www国产在线视频色| 国产欧美日韩一区二区三| 国产人伦9x9x在线观看| 久久久久久国产a免费观看| 久久精品亚洲精品国产色婷小说| 亚洲精华国产精华精| 成人av一区二区三区在线看| 中文字幕精品亚洲无线码一区 | 免费搜索国产男女视频| 亚洲一区二区三区色噜噜| 免费在线观看亚洲国产| 久久精品aⅴ一区二区三区四区| 黄片播放在线免费| a级毛片a级免费在线| 757午夜福利合集在线观看| 又大又爽又粗| 伊人久久大香线蕉亚洲五| 免费看日本二区| 免费av毛片视频| 看免费av毛片| 日本免费a在线| 麻豆成人av在线观看| 色播亚洲综合网| 亚洲国产日韩欧美精品在线观看 | 国产黄a三级三级三级人| 国产精品永久免费网站| 亚洲精品久久成人aⅴ小说| 亚洲欧美精品综合久久99| 美女免费视频网站| 精品日产1卡2卡| 亚洲国产看品久久| 99久久国产精品久久久| 激情在线观看视频在线高清| 久久久久九九精品影院| 每晚都被弄得嗷嗷叫到高潮| 精品欧美一区二区三区在线| 久久久久久久久久黄片| 黑人操中国人逼视频| 亚洲五月天丁香| 国产一区二区三区视频了| 桃色一区二区三区在线观看| 一区二区日韩欧美中文字幕| 国产激情欧美一区二区| 亚洲一码二码三码区别大吗| 国产一区二区三区视频了| 国产区一区二久久| 国产一卡二卡三卡精品| 亚洲午夜理论影院| 久久精品成人免费网站| 午夜免费成人在线视频| 国产久久久一区二区三区| 琪琪午夜伦伦电影理论片6080| 两性午夜刺激爽爽歪歪视频在线观看 | 黄片大片在线免费观看| 国产av在哪里看| 99热这里只有精品一区 | 日本免费一区二区三区高清不卡| 亚洲成国产人片在线观看| 岛国视频午夜一区免费看| 亚洲国产欧美网| 日本 欧美在线| 男人舔女人的私密视频| 亚洲国产精品久久男人天堂| 成人亚洲精品一区在线观看| av中文乱码字幕在线| 美女扒开内裤让男人捅视频| 久久久水蜜桃国产精品网| 久久精品亚洲精品国产色婷小说| 给我免费播放毛片高清在线观看| 91成人精品电影| 亚洲人成网站高清观看| 国产黄色小视频在线观看| 亚洲一区二区三区色噜噜| 在线看三级毛片| 国产私拍福利视频在线观看| 亚洲国产日韩欧美精品在线观看 | 成人国产一区最新在线观看| 精品午夜福利视频在线观看一区| 在线天堂中文资源库| 欧美精品啪啪一区二区三区| 真人一进一出gif抽搐免费| 丁香欧美五月| 国产激情欧美一区二区| 男女视频在线观看网站免费 | 国产一区二区三区在线臀色熟女| 在线观看66精品国产| av片东京热男人的天堂| 亚洲第一青青草原| av电影中文网址| 久久午夜亚洲精品久久| 波多野结衣av一区二区av| 国产在线精品亚洲第一网站| 搡老妇女老女人老熟妇| 黄色 视频免费看| 91麻豆av在线| 亚洲精品国产精品久久久不卡| 不卡av一区二区三区| 欧美色视频一区免费| 美女大奶头视频| 夜夜躁狠狠躁天天躁| 国产高清有码在线观看视频 | www日本黄色视频网| 国产99久久九九免费精品| 黄色视频,在线免费观看| 色综合婷婷激情| 日韩欧美免费精品| 欧美激情久久久久久爽电影| 嫁个100分男人电影在线观看| ponron亚洲| 欧美色欧美亚洲另类二区| 国产精品久久久av美女十八| 一卡2卡三卡四卡精品乱码亚洲| 国产主播在线观看一区二区| 一本精品99久久精品77| 1024香蕉在线观看| 国产精品一区二区免费欧美| 亚洲熟妇中文字幕五十中出| 亚洲中文日韩欧美视频| 欧美日韩乱码在线| 曰老女人黄片| 亚洲五月天丁香| 麻豆成人av在线观看| 一本一本综合久久| 久久精品人妻少妇| 成年免费大片在线观看| 波多野结衣av一区二区av| 免费看日本二区| 亚洲国产看品久久| 欧美日韩亚洲国产一区二区在线观看| 一区二区日韩欧美中文字幕| 美女扒开内裤让男人捅视频| 国产一区在线观看成人免费| 色综合欧美亚洲国产小说| 一a级毛片在线观看| 国产激情久久老熟女| 亚洲激情在线av| 精品国内亚洲2022精品成人| www.999成人在线观看| 一级毛片女人18水好多| 久久久水蜜桃国产精品网| 国产99久久九九免费精品| 91成年电影在线观看| netflix在线观看网站| 日韩视频一区二区在线观看|