• <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 ?

    基于三維彩色點(diǎn)云的物體識(shí)別算法

    2016-10-17 09:05:16吳婷璇
    電視技術(shù) 2016年9期
    關(guān)鍵詞:特征描述視點(diǎn)直方圖

    吳婷璇,謝 剛,趙 婕

    (太原理工大學(xué) 智能控制與智能信息處理實(shí)驗(yàn)室,山西 太原 030024)

    ?

    基于三維彩色點(diǎn)云的物體識(shí)別算法

    吳婷璇,謝剛,趙婕

    (太原理工大學(xué) 智能控制與智能信息處理實(shí)驗(yàn)室,山西 太原030024)

    隨著新一代深度傳感器的出現(xiàn),使用三維(3-D)數(shù)據(jù)成為物體識(shí)別研究的熱點(diǎn),而且提出了很多點(diǎn)云特征描述子。針對(duì)傳統(tǒng)的采用點(diǎn)云形狀特征描述子在目標(biāo)描述方面的不足,提出了一種基于三維彩色點(diǎn)云的物體識(shí)別算法。首先提取點(diǎn)云數(shù)據(jù)的視點(diǎn)特征直方圖(VFH)和顏色直方圖(CH),然后對(duì)提取的形狀特征和顏色特征分別通過(guò)支持向量機(jī)(SVM)進(jìn)行預(yù)分類,最后將上述2個(gè)識(shí)別結(jié)果進(jìn)行決策級(jí)融合。提出的算法在Washington RGB-D數(shù)據(jù)集進(jìn)行訓(xùn)練和測(cè)試。結(jié)果表明,該方法與傳統(tǒng)的采用點(diǎn)云形狀特征描述子相比,其物體的正確識(shí)別率有了顯著的提高。

    三維彩色點(diǎn)云;VFH;顏色直方圖;特征融合;SVM

    移動(dòng)機(jī)器人對(duì)其工作環(huán)境的有效感知、辨識(shí)與認(rèn)知,是其進(jìn)行自主行為優(yōu)化并可靠完成所承擔(dān)任務(wù)的前提和基礎(chǔ)。如何實(shí)現(xiàn)場(chǎng)景中物體的有效分類與識(shí)別是移動(dòng)機(jī)器人場(chǎng)景認(rèn)知的核心問(wèn)題。目前物體識(shí)別的重點(diǎn)逐漸集中于物體特征提取的研究上。提取特征的好壞決定不同的目標(biāo)對(duì)象在高維特征空間中分離程度,好的特征能夠有效地降低識(shí)別算法后續(xù)步驟的復(fù)雜度,達(dá)到良好的效果。

    隨著近年來(lái)3D傳感器的發(fā)展,價(jià)格也不像以前的3D傳感器那么昂貴,使用三維(3-D)數(shù)據(jù)成為物體識(shí)別研究的熱點(diǎn),并提出很多點(diǎn)云特征描述子。常用的點(diǎn)云特征描述子可以分為兩類:局部特征描述子和全局特征描述子[1]。局部特征描述子主要描述關(guān)鍵點(diǎn)的局部特征,主要應(yīng)用于曲面匹配。全局特征描述子主要描述點(diǎn)云的全局幾何信息。全局特征描述子較局部特征描述子更為復(fù)雜,主要用于目標(biāo)識(shí)別和形狀檢索領(lǐng)域。常用的全局特征描述子有:PFH (Point Feature Histogram)[2],VFH(Viewpoint Feature Histogram)[3], CVFH(Clustered View-point Feature Histogram)[4], ESF (Ensemble Shape Functions)[5]。由于Kinect等深度傳感器獲得的點(diǎn)云數(shù)據(jù)含有大量的噪聲,在全局特征描述子中,VFH對(duì)噪聲有很強(qiáng)的魯棒性[6],在其準(zhǔn)確率、穩(wěn)定性和計(jì)算復(fù)雜度能保持很好的折衷,在點(diǎn)云識(shí)別中得到了很好地應(yīng)用。但目前點(diǎn)云特征描述子主要針對(duì)物體的幾何形狀,忽視了顏色特征也是物體識(shí)別的關(guān)鍵因素之一。本文針對(duì)傳統(tǒng)的采用點(diǎn)云形狀特征描述子在目標(biāo)描述方面的不足,提出了一種基于三維彩色點(diǎn)云的物體識(shí)別算法。首先分別提取點(diǎn)云數(shù)據(jù)的視點(diǎn)特征直方圖(VFH)和顏色直方圖(CH),然后對(duì)提取的形狀特征和顏色特征分別通過(guò)支持向量機(jī)(SVM)進(jìn)行預(yù)分類,最后將上述2個(gè)識(shí)別結(jié)果進(jìn)行決策級(jí)融合。本文提出的算法在Washington RGB-D[7]數(shù)據(jù)集進(jìn)行訓(xùn)練和測(cè)試。試驗(yàn)結(jié)果表明,本文提出的方法與傳統(tǒng)的采用點(diǎn)云形狀特征描述子相比,其物體的正確識(shí)別率有了顯著性的提高。

    1 融合特征構(gòu)建

    本文方法的流程如圖1所示。圖1中,融合特征由顏色直方圖(Color Histogram, CH)和視點(diǎn)特征直方圖(Viewpoint Feature Histogram, VFH)兩種特征構(gòu)成。

    圖1 本文方法的流程圖

    1.1視點(diǎn)特征直方圖

    視點(diǎn)特征直方圖(View Feature Histogram,VFH)[8]是一種新型的特征表示方法,能夠很好地進(jìn)行點(diǎn)云識(shí)別。視點(diǎn)特征直方圖在FPFH描述子的基礎(chǔ)上,加入視點(diǎn)變量,使其構(gòu)造的特征具有縮放不變性而且具有強(qiáng)大的識(shí)別力。它涉及3部分的特征分量:

    1)對(duì)視點(diǎn)方向與每個(gè)法線之間角度進(jìn)行統(tǒng)計(jì),得到其直方圖,來(lái)計(jì)算視點(diǎn)相關(guān)的特征分量。由于法線的視角在尺度變換下具有可變性,并不是計(jì)算每條法線的視角,而是將視點(diǎn)平移到查詢點(diǎn)后計(jì)算其視點(diǎn)方向及其每條法線間的角度。并將其量化為128個(gè)區(qū)間。

    2)第二組特征分量是PFH中有涉及的3個(gè)角度α,φ,θ。如圖2所示,pi和pj為點(diǎn)云上的兩點(diǎn),ni和nj為pi,pj對(duì)應(yīng)的法向量,為了計(jì)算兩點(diǎn)及其對(duì)應(yīng)法線之間的相對(duì)偏差,在其中一個(gè)點(diǎn)上定義了一個(gè)固定的局部坐標(biāo)系uvw(u=ni,v=(pj-pi)×u,w=u×v)。使用uvw坐標(biāo)系,通過(guò)式(1)~(3)可以計(jì)算出α, φ, θ來(lái)表示兩點(diǎn)及其對(duì)應(yīng)法線之間的相對(duì)偏差。在VFH計(jì)算中,測(cè)量的是中心點(diǎn)的視點(diǎn)方向和每個(gè)點(diǎn)對(duì)應(yīng)法線之間的角度。并將每一個(gè)角度量化為45個(gè)區(qū)間。

    圖2 定義一個(gè)固定的局部坐標(biāo)系

    α=v·nj

    (1)

    (2)

    θ=arctan(w·nj,u·nj)

    (3)

    3)第三組特征分量是統(tǒng)計(jì)點(diǎn)云上所有點(diǎn)到其中心點(diǎn)的距離,并將其量化為45個(gè)區(qū)間。

    最后形成的VFH是一個(gè)關(guān)于308維的特征向量。

    計(jì)算VFH的步驟如下:

    1)輸入點(diǎn)云數(shù)據(jù),對(duì)其以0.2 cm×0.2 cm×0.2 cm的體積元進(jìn)行采樣。

    2)對(duì)采樣后的點(diǎn),估計(jì)其法向量。圖3a為一個(gè)物體的點(diǎn)云及其法向量。

    3)通過(guò)每個(gè)點(diǎn)的法向量,計(jì)算其VFH特征。如圖3b對(duì)應(yīng)的就是圖3a的VFH特征。

    圖3 提取VFH特征

    1.2顏色直方圖

    作為一種關(guān)鍵的圖像特征,顏色特征值的大小取決于選取的顏色空間。目前常用的顏色空間有4種即RGB,HSV,Luv與YCrCb等。目前主要的提取方法有顏色直方圖、顏色集、顏色矩等方法,其具有全局性。本文采用顏色直方圖(ColorHistogtam,CH)來(lái)表征目標(biāo)對(duì)象的特征。由于RGB顏色空間不能滿足人類視覺(jué)特性需求,本文中采用HSV顏色直方圖作為顏色特征。步驟如下:

    1)將目標(biāo)的每個(gè)點(diǎn)的顏色值由RGB顏色空間轉(zhuǎn)變?yōu)镠SV顏色空間。

    2)將H、S與V的空間分別設(shè)置為8級(jí)、3級(jí)與3級(jí)。即

    (4)

    (5)

    (6)

    3)構(gòu)造出1維顏色特征向量

    G=HQSQV+SQV+V

    (7)

    式中:QS是S的設(shè)置級(jí)數(shù),QV是V的設(shè)置級(jí)數(shù),QS=QV=3,即

    G=9H+3S+V

    (8)

    由式(8)得到,G的取值范圍為 [0,1,2,…,71],即整個(gè)點(diǎn)云的HSV空間被設(shè)置為72種顏色。通過(guò)計(jì)算得到72 bin的顏色直方圖。圖4為一個(gè)點(diǎn)云及其顏色直方圖。

    圖4 提取顏色直方圖

    1.3特征融合

    為了更有效地進(jìn)行目標(biāo)識(shí)別,對(duì)于獲得的VFH特征和CH特征,采用決策級(jí)融合策略進(jìn)行融合。其一般采用投票的方法,即當(dāng)分類器輸出結(jié)果不一致時(shí),采用投票的方式來(lái)決定類別確定問(wèn)題。先對(duì)不同特征進(jìn)行訓(xùn)練,得到各特征所對(duì)應(yīng)的分類器,然后將測(cè)試樣本提取的特征用該特征所對(duì)應(yīng)的分類器進(jìn)行分類,得到屬于每種類別的概率,由于各特征具有統(tǒng)計(jì)獨(dú)立性,所以加法規(guī)則對(duì)屬于每種類別的概率進(jìn)行合并,從而得到識(shí)別結(jié)果。圖5為本文采用的決策級(jí)融合流程圖。

    圖5 決策級(jí)融合流程圖

    1.4模式分類

    本文算法采用支持向量機(jī)(SVM)進(jìn)行訓(xùn)練和分類。支持向量機(jī)是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理、性能優(yōu)良的機(jī)器學(xué)習(xí)方法。SVM的二分類方法通過(guò)尋找一個(gè)最優(yōu)分類超平面,使得分類間隔(從這個(gè)超平面到兩類樣本中最近樣本的距離之和)最大。多分類問(wèn)題可以看作是多個(gè)二分類的組合,分別對(duì)每一個(gè)類別構(gòu)建一個(gè)二分類器。

    SVM的核類型及其相關(guān)參數(shù)的選擇直接影響SVM分類器的分類效果。本文采用高斯核(RBF)的分類器。研究中,使用三折交叉驗(yàn)證,并使用GridSearch尋找最優(yōu)的懲罰因子C和核參數(shù)gamma,對(duì)訓(xùn)練樣本集進(jìn)行分組,分為訓(xùn)練集和驗(yàn)證集。利用訓(xùn)練集對(duì)分類器進(jìn)行訓(xùn)練,然后利用驗(yàn)證集來(lái)測(cè)試訓(xùn)練集得到的模型,根據(jù)驗(yàn)證集測(cè)試的結(jié)果來(lái)評(píng)價(jià)該分類器的性能指標(biāo),擇取最優(yōu)的懲罰因子和核參數(shù)。筆者設(shè)置C的取值集合為{1,2,…,210},gammar的取值集合為{2-10,2-9,…,1}。研究中,采用VFH特征進(jìn)行識(shí)別時(shí)確定最優(yōu)的懲罰因子和核參數(shù)分別為8和0.003 9,采用CH特征進(jìn)行識(shí)別時(shí)確定的最優(yōu)的懲罰因子和核參數(shù)分別為1 024和1。

    2 實(shí)驗(yàn)結(jié)果與分析

    2.1實(shí)驗(yàn)數(shù)據(jù)集

    在這里采用華盛頓大學(xué)RGB-D數(shù)據(jù)集進(jìn)行測(cè)試,這個(gè)數(shù)據(jù)集根據(jù)WordNet上義詞/下義詞的關(guān)系,形成一個(gè)分層的結(jié)構(gòu),包含50類300個(gè)不同的日常物品,一共有250 000個(gè)點(diǎn)云數(shù)據(jù)。將每個(gè)物體放在一個(gè)轉(zhuǎn)盤(pán)上,使用一個(gè)Kinect類的3D攝像機(jī)記錄該物體全角度的點(diǎn)云數(shù)據(jù)。這個(gè)數(shù)據(jù)集的每一個(gè)樣本都包含有30°,45°,60°不同視角下的點(diǎn)云數(shù)據(jù)。為了驗(yàn)證本文算法的有效性,筆者在部分?jǐn)?shù)據(jù)集上進(jìn)行實(shí)驗(yàn),所用的數(shù)據(jù)集的結(jié)構(gòu)圖如圖6,圖中括號(hào)內(nèi)為每種類包含的例子的數(shù)目如圖7中梨的例子,所采用的數(shù)據(jù)集所對(duì)應(yīng)的部分樣本如圖8所示。算法測(cè)試在PC機(jī)上運(yùn)行(配置:IntelCorei3CPU, 2.13GHz主頻,內(nèi)存2Gbyte)。

    圖6 所用數(shù)據(jù)集的分層結(jié)構(gòu)

    圖7 梨的例子

    圖8 部分類別物體

    2.2留一校驗(yàn)評(píng)價(jià)

    留一校驗(yàn)(Leave-oneoutCrossValidation),其過(guò)程是隨機(jī)從一組測(cè)定數(shù)據(jù)中抽取一部分?jǐn)?shù)據(jù)來(lái)訓(xùn)練并建立模型,用其余的數(shù)據(jù)進(jìn)行測(cè)試此模型。在本次實(shí)驗(yàn)中,從每一個(gè)類別中隨機(jī)抽取一個(gè)例子進(jìn)行測(cè)試,對(duì)其他例子的所有視角的點(diǎn)云數(shù)據(jù)進(jìn)行訓(xùn)練。因?yàn)榱粢恍r?yàn)評(píng)價(jià)的隨機(jī)性,筆者重復(fù)10次進(jìn)行實(shí)驗(yàn)。

    表1為10次實(shí)驗(yàn)的實(shí)驗(yàn)結(jié)果,評(píng)價(jià)整體的識(shí)別效果。從表1的10組實(shí)驗(yàn)結(jié)果來(lái)看,顏色特征在物體識(shí)別方面的效果比形狀特征識(shí)別效果好。將兩者特征進(jìn)行決策級(jí)融合后,實(shí)現(xiàn)顏色信息和形狀信息的互補(bǔ),識(shí)別效果比單一特征識(shí)別效果有所提高。

    表1訓(xùn)練識(shí)別結(jié)果

    編號(hào)VFHCH決策級(jí)融合實(shí)驗(yàn)159.5176.0585.93實(shí)驗(yàn)263.4873.0483.24實(shí)驗(yàn)356.3774.2279.87實(shí)驗(yàn)453.7875.3384.13實(shí)驗(yàn)551.6373.9082.41實(shí)驗(yàn)654.2773.2983.19實(shí)驗(yàn)757.2876.7183.23實(shí)驗(yàn)861.2375.2185.15實(shí)驗(yàn)960.3872.4578.92實(shí)驗(yàn)1059.8075.3482.72平均值57.7774.5582.87

    為了更好地分析實(shí)驗(yàn)結(jié)果,采用查準(zhǔn)率(Precision)和查全率(Recall)對(duì)實(shí)驗(yàn)1中每一類別的實(shí)驗(yàn)結(jié)果進(jìn)行進(jìn)一步的分析。定義為

    (9)

    (10)

    式中:C為查全率;Q為查準(zhǔn)率;R為正確的識(shí)別結(jié)果數(shù);O為漏檢數(shù);W為誤檢數(shù)。表2為采用VFH特征各類別的實(shí)驗(yàn)結(jié)果;表3為采用CH特征各類別的實(shí)驗(yàn)結(jié)果;表4為采用融合特征各類別的實(shí)驗(yàn)結(jié)果。

    表2采用VFH特征各類別的實(shí)驗(yàn)結(jié)果

    類別正確識(shí)別漏檢誤檢查全率/%查準(zhǔn)率/%apple111123090.2478.72banana1401099.29100lemon953714571.9739.42lime65565553.7254.17orange117264381.8273.13peach113540.7425pear2511010018.5220

    表3采用CH特征各類別的實(shí)驗(yàn)結(jié)果

    類別正確識(shí)別漏檢誤檢查全率/%查準(zhǔn)率/%apple11857895.9360.20banana10338073.05100lemon13204310075.43lime1156995.0492.74orange25118017.48100peach13602710083.44pear79566658.5260.31

    表4采用融合特征各類別的實(shí)驗(yàn)結(jié)果

    類別正確識(shí)別漏檢誤檢查全率/%查準(zhǔn)率/%apple12305110070.69banana12714090.07100lemon13206010068.75lime1192498.3596.75orange9251064.34100peach13600100100pear71641652.5981.61

    從表2和表3各個(gè)類別的識(shí)別的查全率和查準(zhǔn)率可以得出,對(duì)于apple類而言,由于其顏色形狀在一定范圍內(nèi)的穩(wěn)定性以及獨(dú)特性,其在顏色和形狀方面的識(shí)別率都很高。由于banana類在形狀方面的特殊性,采用VFH形狀特征進(jìn)行識(shí)別,達(dá)到很好的識(shí)別效果。對(duì)于lemon、lime類而言,雖然在形狀方面的識(shí)別效果不好,但是由于其顏色的獨(dú)特性,使用顏色特征的識(shí)別效果較優(yōu)于形狀特征的識(shí)別效果。對(duì)于orange類而言,形狀特征的識(shí)別結(jié)果較好于顏色特征的識(shí)別結(jié)果。由于peach類其形狀的多樣性,形狀特征的識(shí)別效果不好,但是其顏色特征識(shí)別效果很好。對(duì)于pear類而言,形狀和顏色的多樣性使其VFH和CH的識(shí)別率都很低。顏色特征和形狀特征在物體識(shí)別方面各有優(yōu)勢(shì),對(duì)兩種特征進(jìn)行決策級(jí)的融合后,從整體上提高了各個(gè)類別的查全率和查準(zhǔn)率,綜合效果較好。

    3 小結(jié)

    本文針對(duì)傳統(tǒng)的采用點(diǎn)云形狀特征描述子在目標(biāo)描述方面的不足,提出了一種基于三維彩色點(diǎn)云的物體識(shí)別算法,實(shí)現(xiàn)形狀和顏色特征在決策級(jí)的互補(bǔ)。在WashingtonRGB-D數(shù)據(jù)庫(kù)中進(jìn)行的實(shí)驗(yàn)結(jié)果表明,本文方法取得了較高的查全率和查準(zhǔn)率,綜合效果較好,而且證明了簡(jiǎn)單特征的決策級(jí)融合能更好地進(jìn)行物體識(shí)別。下一步工作可針對(duì)復(fù)雜場(chǎng)景中物體進(jìn)行識(shí)別,并考慮其他方面的特征,進(jìn)一步優(yōu)化物體識(shí)別精度,取得更好的識(shí)別效果。

    [1]ALDOMAA,MARTONZC,TOMBARIF,etal.Pointcloudlibrary[J].IEEErobotics&automationmagazine,2012,1070:9932.

    [2]RUSURB,BLODOWN,MARTONZC,etal.Aligningpointcloudviewsusingpersistentfeaturehistograms[C]//Proc.IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems. [S.l.]:IEEE, 2008:3384-3391.

    [3]RUSURB,BRADSKIG,THIBAUXR,etal.Fast3Drecognitionandposeusingtheviewpointfeaturehistogram[C]//Proc. 2010IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems(IROS). [S.l.]:IEEE,2010:2155-2162.

    [4]ALDOMAA,TOMBARIF,RUSURB,etal.OUR-CVFH-oriented,uniqueandrepeatableclusteredviewpointfeaturehistogramforobjectrecognitionand6DOFposeestimation[M]//PatternRecognition.Berlin:Springer, 2012:113-122.

    [5]WOHLKINGERW,VINCZEM.Ensembleofshapefunctionsfor3Dobjectclassification[C]//Proc.IEEEInternationalConferenceonRoboticsandBiomimetic. [S.l.]:IEEE,2011:2987-2992.

    [6]SALIHY,MALIKAS,WALTERN,etal.Noiserobustnessanalysisofpointclouddescriptors[C]//Proc.AdvancedConceptsforIntelligentVisionSystems. [S.l.]:SpringerInternationalPublishing,2013:68-79.

    [7]LaiK,BoL,RenX,etal.Alarge-scalehierarchicalmulti-viewRGB-Dobjectdataset[C]//Proc.IEEEInternationalConferenceonRoboticandAutomation.Shanhai:IEEE,2011:1-8.

    [8]RUSURB,BLODOWN,BEETZM.Fastpointfeaturehistograms(FPFH)for3Dregistration[C]//Proc.IEEEInternationalConferenceonRoboticsandAutomation. [S.l.]:IEEE,2009:3212-3217.

    吳婷璇(1991— ),女,碩士生,主研圖像處理、人工智能;

    謝剛(1972— ),博士生導(dǎo)師,主要研究方向?yàn)閳D像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)等;

    趙婕(1978— ),女,博士生,主研圖像處理、計(jì)算機(jī)視覺(jué)。

    責(zé)任編輯:閆雯雯

    Object recognition algorithm based on 3D color point-cloud

    WU Tingxuan,XIE Gang,ZHAO Jie

    (LaboratoryonIntelligentControlandIntelligentInformationProcessing,TaiyuanUniversityofTechnology,Taiyuan030024,China)

    With the advent of new-generation depth sensors, the three-dimensional (3-D) data is used frequently on the object recognition, then a lot of point cloud feature descriptors are put forward. Based on the traditional using point cloud shape feature descriptors are insufficient, an object recognition algorithm based on the 3D color point cloud is proposed. First, the viewpoints histogram (VFH) and color histogram (CH) of a certain point cloud data is extracted. Then, the support vector machine is used to presort the extracted features respectively. Finally,the above two recognition results is fused using the decision level fusion. The proposed algorithm is tested on the Washington RGB-D dataset. Experiment results show that the algorithm can effectively improve the correct rate of object recognition.

    3D point cloud;VFH;color histogram;feature fusion;SVM

    TP391

    A

    10.16280/j.videoe.2016.09.025

    太原市科技項(xiàng)目人才專項(xiàng)基金項(xiàng)目(120247-28);山西省研究生教育創(chuàng)新項(xiàng)目(2015BY23)

    2015-11-17

    文獻(xiàn)引用格式:吳婷璇,謝剛,趙婕. 基于三維彩色點(diǎn)云的物體識(shí)別算法[J].電視技術(shù),2016,40(9):122-126.

    WU T X, XIE G, ZHAO J. Object recognition algorithm based on 3D color point-cloud[J]. Video engineering,2016,40(9):122-126.

    猜你喜歡
    特征描述視點(diǎn)直方圖
    In the Zoo
    統(tǒng)計(jì)頻率分布直方圖的備考全攻略
    船舶尾流圖像的數(shù)字化處理和特征描述技術(shù)
    符合差分隱私的流數(shù)據(jù)統(tǒng)計(jì)直方圖發(fā)布
    用直方圖控制畫(huà)面影調(diào)
    目標(biāo)魯棒識(shí)別的抗旋轉(zhuǎn)HDO 局部特征描述
    視點(diǎn)
    河南電力(2016年5期)2016-02-06 02:11:24
    基于直方圖平移和互補(bǔ)嵌入的可逆水印方案
    基于差異的圖像特征描述及其在絕緣子識(shí)別中的應(yīng)用
    讓你每天一元錢,物超所值——《今日視點(diǎn)—2014精萃》序
    新聞前哨(2015年2期)2015-03-11 19:29:22
    国产一区二区在线观看av| 91精品伊人久久大香线蕉| 9热在线视频观看99| 亚洲国产成人一精品久久久| 五月开心婷婷网| 十八禁人妻一区二区| 可以免费在线观看a视频的电影网站 | 午夜免费鲁丝| 免费看av在线观看网站| 久久精品aⅴ一区二区三区四区| 90打野战视频偷拍视频| 精品久久久久久电影网| 美国免费a级毛片| 午夜精品国产一区二区电影| 在线天堂中文资源库| 亚洲国产欧美一区二区综合| 777米奇影视久久| 亚洲国产最新在线播放| 亚洲少妇的诱惑av| 成人亚洲精品一区在线观看| 成人手机av| 国产片内射在线| 美女国产高潮福利片在线看| h视频一区二区三区| 久久人妻熟女aⅴ| 精品一区二区免费观看| 老司机深夜福利视频在线观看 | 久久精品久久久久久久性| 80岁老熟妇乱子伦牲交| 一区二区三区精品91| 欧美另类一区| 国产精品一二三区在线看| 精品视频人人做人人爽| 最近最新中文字幕大全免费视频 | 亚洲国产最新在线播放| 国产日韩欧美亚洲二区| 亚洲人成77777在线视频| 婷婷色综合大香蕉| 男男h啪啪无遮挡| 国产精品国产三级专区第一集| 免费av中文字幕在线| 亚洲一区中文字幕在线| 亚洲人成网站在线观看播放| 街头女战士在线观看网站| 久久久久人妻精品一区果冻| 亚洲欧美一区二区三区国产| 精品一区二区三卡| 1024视频免费在线观看| 成人漫画全彩无遮挡| 99热全是精品| 黄色一级大片看看| 日韩一卡2卡3卡4卡2021年| 亚洲成人手机| 新久久久久国产一级毛片| 最近中文字幕2019免费版| 性少妇av在线| 亚洲四区av| 国产精品久久久av美女十八| 国产伦人伦偷精品视频| 日本猛色少妇xxxxx猛交久久| 五月天丁香电影| 欧美在线黄色| 一级片免费观看大全| 国产精品欧美亚洲77777| 曰老女人黄片| 国产不卡av网站在线观看| 亚洲精品视频女| 欧美国产精品一级二级三级| 青春草国产在线视频| 熟女av电影| 欧美亚洲 丝袜 人妻 在线| 中文字幕最新亚洲高清| 亚洲国产成人一精品久久久| 欧美最新免费一区二区三区| 777米奇影视久久| 久久久久网色| 亚洲精华国产精华液的使用体验| 观看av在线不卡| 久久青草综合色| 女人被躁到高潮嗷嗷叫费观| 欧美激情高清一区二区三区 | 亚洲成人国产一区在线观看 | 青青草视频在线视频观看| 天堂俺去俺来也www色官网| 国产伦理片在线播放av一区| bbb黄色大片| 毛片一级片免费看久久久久| 美女中出高潮动态图| 中文天堂在线官网| 天美传媒精品一区二区| 国产精品久久久久久久久免| 国产精品av久久久久免费| 少妇的丰满在线观看| 欧美国产精品va在线观看不卡| 亚洲国产看品久久| 黄片无遮挡物在线观看| 亚洲 欧美一区二区三区| 久久久久久久国产电影| 大话2 男鬼变身卡| 亚洲国产中文字幕在线视频| 国产精品久久久久久精品古装| 捣出白浆h1v1| 日韩中文字幕视频在线看片| 在线免费观看不下载黄p国产| 熟女av电影| 婷婷色综合大香蕉| 老司机深夜福利视频在线观看 | 丝袜喷水一区| 又大又爽又粗| 91精品伊人久久大香线蕉| 国产日韩欧美亚洲二区| 18在线观看网站| 看免费av毛片| 久久人人97超碰香蕉20202| 夫妻性生交免费视频一级片| 午夜激情久久久久久久| 老汉色∧v一级毛片| av有码第一页| 日韩av免费高清视频| 麻豆乱淫一区二区| 成人亚洲欧美一区二区av| 可以免费在线观看a视频的电影网站 | 欧美最新免费一区二区三区| 精品一区二区三区四区五区乱码 | 建设人人有责人人尽责人人享有的| 在线精品无人区一区二区三| 中国三级夫妇交换| 亚洲欧美中文字幕日韩二区| 免费看不卡的av| 国产一区二区三区av在线| 丁香六月欧美| 精品视频人人做人人爽| 99热国产这里只有精品6| netflix在线观看网站| av在线老鸭窝| 亚洲av国产av综合av卡| 人人妻人人添人人爽欧美一区卜| 中文字幕制服av| 欧美日韩综合久久久久久| av网站在线播放免费| 青春草国产在线视频| av有码第一页| 国产亚洲午夜精品一区二区久久| 三上悠亚av全集在线观看| 欧美日韩综合久久久久久| 美女扒开内裤让男人捅视频| 在线亚洲精品国产二区图片欧美| 黄频高清免费视频| av在线播放精品| 十八禁高潮呻吟视频| 国产福利在线免费观看视频| 亚洲国产精品一区三区| 丝袜喷水一区| 十八禁人妻一区二区| 午夜福利视频精品| 久热这里只有精品99| 欧美精品一区二区免费开放| 日韩欧美精品免费久久| 80岁老熟妇乱子伦牲交| 亚洲av男天堂| 丰满饥渴人妻一区二区三| 19禁男女啪啪无遮挡网站| 色吧在线观看| 侵犯人妻中文字幕一二三四区| 国产一区二区三区综合在线观看| e午夜精品久久久久久久| 老司机在亚洲福利影院| 亚洲av日韩精品久久久久久密 | 天堂8中文在线网| 老熟女久久久| 中文欧美无线码| av卡一久久| 精品视频人人做人人爽| 一区二区av电影网| 亚洲精品成人av观看孕妇| 国产在线免费精品| 久久ye,这里只有精品| 免费黄网站久久成人精品| 看免费成人av毛片| 成人三级做爰电影| 自线自在国产av| 亚洲一码二码三码区别大吗| 啦啦啦在线免费观看视频4| 国产日韩欧美亚洲二区| 十八禁人妻一区二区| 精品卡一卡二卡四卡免费| 一区二区日韩欧美中文字幕| 精品一区二区三区四区五区乱码 | 999久久久国产精品视频| 午夜福利网站1000一区二区三区| 久久 成人 亚洲| 国产成人系列免费观看| 中文字幕人妻熟女乱码| 午夜激情av网站| 成年人免费黄色播放视频| 日韩中文字幕视频在线看片| 九九爱精品视频在线观看| 午夜福利网站1000一区二区三区| 99久久99久久久精品蜜桃| 久久久精品免费免费高清| 日韩伦理黄色片| 欧美国产精品va在线观看不卡| 深夜精品福利| 久久久国产一区二区| 国产精品久久久久久久久免| 午夜日本视频在线| 无限看片的www在线观看| kizo精华| 在线观看三级黄色| 欧美 日韩 精品 国产| 亚洲一码二码三码区别大吗| 国产1区2区3区精品| 久久婷婷青草| 日韩一卡2卡3卡4卡2021年| 久久人人爽人人片av| 大陆偷拍与自拍| 国产精品一区二区在线不卡| 午夜影院在线不卡| 日韩不卡一区二区三区视频在线| 一级a爱视频在线免费观看| 成人亚洲精品一区在线观看| 日本av手机在线免费观看| 国产精品久久久av美女十八| 国产一区二区在线观看av| 麻豆乱淫一区二区| 美女大奶头黄色视频| 男男h啪啪无遮挡| 午夜免费男女啪啪视频观看| 国产一区亚洲一区在线观看| 久久久久久人妻| 日韩人妻精品一区2区三区| 91精品伊人久久大香线蕉| 久久毛片免费看一区二区三区| 国产成人91sexporn| 韩国av在线不卡| 日韩熟女老妇一区二区性免费视频| 日本猛色少妇xxxxx猛交久久| 亚洲美女搞黄在线观看| 亚洲精品,欧美精品| 超碰成人久久| 美女高潮到喷水免费观看| 欧美中文综合在线视频| 日本欧美视频一区| 国产成人91sexporn| 亚洲精品在线美女| 一级,二级,三级黄色视频| av电影中文网址| 久久久久精品人妻al黑| 亚洲av电影在线观看一区二区三区| 丁香六月天网| 国产极品粉嫩免费观看在线| 热re99久久精品国产66热6| 狠狠婷婷综合久久久久久88av| 综合色丁香网| 国产伦理片在线播放av一区| 激情五月婷婷亚洲| 精品一区二区三卡| 亚洲免费av在线视频| 热re99久久精品国产66热6| 国产成人精品久久二区二区91 | 国产探花极品一区二区| 久久久久人妻精品一区果冻| 80岁老熟妇乱子伦牲交| 日韩中文字幕视频在线看片| 国产亚洲精品第一综合不卡| 日韩制服骚丝袜av| 熟妇人妻不卡中文字幕| 哪个播放器可以免费观看大片| 久久精品亚洲熟妇少妇任你| 啦啦啦 在线观看视频| 国产激情久久老熟女| 极品少妇高潮喷水抽搐| 别揉我奶头~嗯~啊~动态视频 | 中文乱码字字幕精品一区二区三区| 国产成人精品福利久久| 男女国产视频网站| av在线老鸭窝| 十分钟在线观看高清视频www| 亚洲精品中文字幕在线视频| 汤姆久久久久久久影院中文字幕| 老司机在亚洲福利影院| 亚洲精品aⅴ在线观看| 国语对白做爰xxxⅹ性视频网站| 在线天堂中文资源库| av天堂久久9| 天天影视国产精品| 成年女人毛片免费观看观看9 | 精品一品国产午夜福利视频| 十分钟在线观看高清视频www| 久久久久久人人人人人| 91aial.com中文字幕在线观看| 老司机在亚洲福利影院| 高清黄色对白视频在线免费看| 日日摸夜夜添夜夜爱| 考比视频在线观看| 国产男女内射视频| av在线老鸭窝| 极品人妻少妇av视频| 黄色 视频免费看| 美女大奶头黄色视频| 老司机深夜福利视频在线观看 | 亚洲国产日韩一区二区| 亚洲情色 制服丝袜| 欧美黑人精品巨大| xxx大片免费视频| 黑人巨大精品欧美一区二区蜜桃| 免费观看a级毛片全部| 国产精品一区二区精品视频观看| 一级片免费观看大全| 亚洲自偷自拍图片 自拍| 黄色视频不卡| 人人妻人人添人人爽欧美一区卜| 99国产精品免费福利视频| 欧美另类一区| 久久久精品免费免费高清| 亚洲av福利一区| 男人舔女人的私密视频| 日韩伦理黄色片| 在线观看www视频免费| 天天躁夜夜躁狠狠久久av| 国产精品嫩草影院av在线观看| 最近中文字幕2019免费版| 卡戴珊不雅视频在线播放| 欧美人与善性xxx| 久久久精品94久久精品| 日韩精品免费视频一区二区三区| av网站在线播放免费| 国产日韩欧美亚洲二区| 操美女的视频在线观看| 日韩制服丝袜自拍偷拍| 别揉我奶头~嗯~啊~动态视频 | 九色亚洲精品在线播放| 纵有疾风起免费观看全集完整版| 老司机深夜福利视频在线观看 | 黄色一级大片看看| 国产av国产精品国产| 宅男免费午夜| 精品一区在线观看国产| 热99久久久久精品小说推荐| 久久久久精品国产欧美久久久 | 精品久久久精品久久久| 午夜福利在线免费观看网站| 精品卡一卡二卡四卡免费| 看十八女毛片水多多多| 中文字幕av电影在线播放| 亚洲国产精品999| 亚洲欧洲日产国产| 日韩精品免费视频一区二区三区| 国产精品免费大片| 久久精品aⅴ一区二区三区四区| 自拍欧美九色日韩亚洲蝌蚪91| 一个人免费看片子| 各种免费的搞黄视频| 久久久国产欧美日韩av| 香蕉国产在线看| 亚洲av综合色区一区| 麻豆av在线久日| 国产 精品1| 国产成人精品久久久久久| 午夜福利影视在线免费观看| 国产免费福利视频在线观看| 日本欧美国产在线视频| 伊人亚洲综合成人网| 五月天丁香电影| 国产成人精品久久二区二区91 | 欧美最新免费一区二区三区| 美国免费a级毛片| 国产av码专区亚洲av| 大片免费播放器 马上看| 五月开心婷婷网| 国精品久久久久久国模美| 老汉色av国产亚洲站长工具| 国产1区2区3区精品| www.av在线官网国产| 最近中文字幕高清免费大全6| 精品人妻熟女毛片av久久网站| 黑人欧美特级aaaaaa片| 国产一区二区三区综合在线观看| 国产成人a∨麻豆精品| 国产一区二区激情短视频 | 天美传媒精品一区二区| www.av在线官网国产| 91精品国产国语对白视频| 女人久久www免费人成看片| 美女福利国产在线| 久久国产精品大桥未久av| 亚洲婷婷狠狠爱综合网| 色网站视频免费| 亚洲欧美一区二区三区久久| 人体艺术视频欧美日本| 99久国产av精品国产电影| 亚洲一码二码三码区别大吗| 老司机在亚洲福利影院| 日韩大码丰满熟妇| 蜜桃国产av成人99| 国产极品粉嫩免费观看在线| 女人高潮潮喷娇喘18禁视频| 桃花免费在线播放| 国产成人系列免费观看| 免费av中文字幕在线| 欧美变态另类bdsm刘玥| 欧美久久黑人一区二区| 九草在线视频观看| 91精品伊人久久大香线蕉| 色94色欧美一区二区| 咕卡用的链子| 免费观看av网站的网址| 亚洲国产精品成人久久小说| 亚洲人成电影观看| 久久久久久免费高清国产稀缺| 观看av在线不卡| 国产爽快片一区二区三区| 免费在线观看黄色视频的| 纯流量卡能插随身wifi吗| 精品久久久久久电影网| 国产一区有黄有色的免费视频| 各种免费的搞黄视频| 免费少妇av软件| 免费久久久久久久精品成人欧美视频| 午夜免费男女啪啪视频观看| 观看美女的网站| 国产一区二区三区综合在线观看| 99九九在线精品视频| 色网站视频免费| 高清欧美精品videossex| 一级毛片黄色毛片免费观看视频| 一边摸一边抽搐一进一出视频| 欧美精品人与动牲交sv欧美| 国产精品国产三级国产专区5o| 亚洲精品久久久久久婷婷小说| 日韩一区二区三区影片| 久久精品久久久久久噜噜老黄| 久久精品国产a三级三级三级| 日日撸夜夜添| 精品视频人人做人人爽| 久久综合国产亚洲精品| 波野结衣二区三区在线| 免费在线观看视频国产中文字幕亚洲 | 新久久久久国产一级毛片| 一本色道久久久久久精品综合| 免费少妇av软件| 伦理电影免费视频| 亚洲精品美女久久av网站| 男男h啪啪无遮挡| 国产av码专区亚洲av| 色婷婷久久久亚洲欧美| 亚洲精品,欧美精品| 18禁观看日本| 狂野欧美激情性xxxx| 日韩免费高清中文字幕av| 精品国产一区二区三区久久久樱花| 夜夜骑夜夜射夜夜干| 欧美在线一区亚洲| 国产日韩欧美视频二区| 亚洲美女视频黄频| 国产xxxxx性猛交| 丰满乱子伦码专区| 亚洲精品美女久久av网站| av卡一久久| 天堂中文最新版在线下载| 男人爽女人下面视频在线观看| 电影成人av| 激情视频va一区二区三区| 日韩伦理黄色片| 国产一区有黄有色的免费视频| 国产成人啪精品午夜网站| 亚洲,欧美,日韩| 少妇猛男粗大的猛烈进出视频| 最近中文字幕2019免费版| 成年人午夜在线观看视频| 日韩av在线免费看完整版不卡| 亚洲国产欧美日韩在线播放| 国产麻豆69| 日韩电影二区| 天堂8中文在线网| 午夜福利免费观看在线| 不卡av一区二区三区| 色精品久久人妻99蜜桃| 蜜桃国产av成人99| 最新在线观看一区二区三区 | 亚洲国产日韩一区二区| 最近手机中文字幕大全| 欧美在线一区亚洲| 如何舔出高潮| 99久久精品国产亚洲精品| 精品国产一区二区三区四区第35| 国产日韩一区二区三区精品不卡| 久久女婷五月综合色啪小说| 2021少妇久久久久久久久久久| 亚洲精品久久久久久婷婷小说| 熟妇人妻不卡中文字幕| 成人三级做爰电影| 男女床上黄色一级片免费看| 国产成人a∨麻豆精品| 天堂中文最新版在线下载| 精品少妇一区二区三区视频日本电影 | 亚洲av电影在线观看一区二区三区| 大香蕉久久网| 9热在线视频观看99| 男人操女人黄网站| 国产成人系列免费观看| 欧美日韩视频高清一区二区三区二| 精品人妻熟女毛片av久久网站| 日韩欧美精品免费久久| 汤姆久久久久久久影院中文字幕| 久久人人97超碰香蕉20202| 国产亚洲欧美精品永久| 在线天堂中文资源库| 色婷婷久久久亚洲欧美| 日本色播在线视频| 欧美av亚洲av综合av国产av | 在线精品无人区一区二区三| 无限看片的www在线观看| 汤姆久久久久久久影院中文字幕| 精品亚洲乱码少妇综合久久| 精品一区在线观看国产| 欧美最新免费一区二区三区| 少妇人妻精品综合一区二区| 久久久久精品久久久久真实原创| 日韩视频在线欧美| 亚洲,一卡二卡三卡| 国产熟女欧美一区二区| 久久久精品区二区三区| 各种免费的搞黄视频| 一本一本久久a久久精品综合妖精| 好男人视频免费观看在线| 永久免费av网站大全| 18禁动态无遮挡网站| 色综合欧美亚洲国产小说| 国产精品二区激情视频| 婷婷色综合www| 国产极品天堂在线| 亚洲成人免费av在线播放| 久久午夜综合久久蜜桃| 在线天堂最新版资源| 日韩一区二区三区影片| 日韩大片免费观看网站| 另类亚洲欧美激情| 亚洲成人手机| 亚洲精品久久久久久婷婷小说| 97在线人人人人妻| 9色porny在线观看| 男女之事视频高清在线观看 | 韩国高清视频一区二区三区| 国产成人91sexporn| 国产精品久久久人人做人人爽| 日日摸夜夜添夜夜爱| 久久久久久久久久久久大奶| 丝瓜视频免费看黄片| 可以免费在线观看a视频的电影网站 | 久久久久国产一级毛片高清牌| 久久精品国产亚洲av涩爱| 老司机影院成人| 母亲3免费完整高清在线观看| 老汉色∧v一级毛片| 又粗又硬又长又爽又黄的视频| 亚洲国产日韩一区二区| 国产 精品1| 极品人妻少妇av视频| 欧美激情 高清一区二区三区| 婷婷色综合www| 亚洲天堂av无毛| 日韩 欧美 亚洲 中文字幕| 国产高清国产精品国产三级| 色网站视频免费| 性色av一级| 中国三级夫妇交换| 亚洲精品美女久久av网站| 丝袜脚勾引网站| 又大又黄又爽视频免费| 国产av一区二区精品久久| av卡一久久| 久久99精品国语久久久| 一个人免费看片子| 久久97久久精品| 男的添女的下面高潮视频| 中文字幕亚洲精品专区| 伦理电影免费视频| 免费观看人在逋| 女人被躁到高潮嗷嗷叫费观| svipshipincom国产片| 亚洲中文av在线| 麻豆乱淫一区二区| 精品午夜福利在线看| 国产探花极品一区二区| 777久久人妻少妇嫩草av网站| 精品国产一区二区久久| 午夜福利,免费看| 美女国产高潮福利片在线看| 精品一区二区三区四区五区乱码 | 老司机影院毛片| 热re99久久精品国产66热6| 国产亚洲欧美精品永久| 亚洲人成77777在线视频| 啦啦啦啦在线视频资源| 欧美日韩亚洲国产一区二区在线观看 | 亚洲精品久久成人aⅴ小说| 丰满迷人的少妇在线观看| 亚洲一码二码三码区别大吗| 亚洲图色成人| 天堂8中文在线网| 美女大奶头黄色视频| 国产亚洲精品第一综合不卡| 久久精品久久精品一区二区三区| 男的添女的下面高潮视频| av在线app专区| 黑人欧美特级aaaaaa片| 欧美精品一区二区大全| 亚洲国产精品国产精品| 校园人妻丝袜中文字幕| 国产免费福利视频在线观看| 日韩制服丝袜自拍偷拍| 91老司机精品| 午夜福利免费观看在线| 热99国产精品久久久久久7|