• <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 ?

    基于圖塊和二階統(tǒng)計(jì)特征的行人檢測(cè)

    2016-11-09 11:04:05欒書(shū)鵬
    電子設(shè)計(jì)工程 2016年20期
    關(guān)鍵詞:圖塊二階前景

    欒書(shū)鵬

    (河海大學(xué) 計(jì)算機(jī)與信息學(xué)院,江蘇 南京210000)

    基于圖塊和二階統(tǒng)計(jì)特征的行人檢測(cè)

    欒書(shū)鵬

    (河海大學(xué) 計(jì)算機(jī)與信息學(xué)院,江蘇 南京210000)

    在行人檢測(cè)中,由于外界環(huán)境復(fù)雜變化和行人自身的不同特點(diǎn),往往會(huì)造成錯(cuò)誤檢測(cè)以及遺漏檢測(cè)。針對(duì)以上問(wèn)題,文中提出一種基于圖塊和二階統(tǒng)計(jì)特征的方法,提高檢測(cè)的準(zhǔn)確率。首先利用基于圖塊的幀差法進(jìn)行前景檢測(cè),接著計(jì)算前景區(qū)域的灰度共生矩陣,進(jìn)而提取前景區(qū)域的二階統(tǒng)計(jì)特征,最后透過(guò)基于二階統(tǒng)計(jì)量特征的支持向量機(jī)分類(lèi)器進(jìn)行行人檢測(cè)。通過(guò)仿真實(shí)驗(yàn)對(duì)比表明文中的算法有較好的檢測(cè)效果。

    行人檢測(cè);圖塊;灰度共生矩陣;二階統(tǒng)計(jì)特征;支持向量機(jī)

    行人檢測(cè)與跟蹤在智能監(jiān)控系統(tǒng)、虛擬現(xiàn)實(shí)、智能機(jī)器人應(yīng)用等方面應(yīng)用廣泛,是計(jì)算機(jī)應(yīng)用領(lǐng)域的研究熱點(diǎn)之一。通過(guò)結(jié)合行人檢測(cè)、行為分析和視頻監(jiān)控等多種技術(shù),能為實(shí)時(shí)的智能安全監(jiān)控提供解決方案,以替代或輔助基于人員的監(jiān)控。通常對(duì)于固定攝像頭的情況行人檢測(cè)分為兩部分,首先是前景目標(biāo)檢測(cè),然后對(duì)前景區(qū)域內(nèi)容檢測(cè),判斷是否為行人。

    前景檢測(cè)部分,利用一些典型的前景檢測(cè)法來(lái)辨識(shí)移動(dòng)的前景物,例如背景減除法、光流法與幀差法。前景檢測(cè)算法需要盡量減少運(yùn)算時(shí)間,降低前景物容誤判幾率,以便增強(qiáng)識(shí)別分類(lèi)效果。判斷階段則是從目標(biāo)中區(qū)分行人,通過(guò)行人特定的特征匹配方法,或者通過(guò)神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、多層感知機(jī)等方法來(lái)判斷前景區(qū)域中是否包含行人。Dalal[1]等人提出梯度方向直方圖(HOG)特征是目前廣泛使用的行人特征描述子,其描述圖像的局部梯度幅值和方向特征,能有效地刻畫(huà)出人體的邊緣特征。Ojala[2]等人提出的局部二值模式(LBP)特征因具有維度低、計(jì)算速度快、能很好地刻畫(huà)圖像的紋理信息而得到廣泛的應(yīng)用。Xu[3]等人,利用車(chē)載紅外攝像機(jī)設(shè)計(jì)出行人檢測(cè)算法,提取前景的灰度強(qiáng)度特征并透過(guò)支持向量機(jī)(SVM)和卡爾曼濾波器進(jìn)行檢測(cè)和跟蹤;但此算法要先進(jìn)行道路檢測(cè),若圖像里沒(méi)有道路則無(wú)法檢測(cè),且灰度的強(qiáng)度特征不易區(qū)分物體。Dai[4]等人提出基于外觀形狀信息的行人檢測(cè),使用高斯混合模型(GMM)背景建模,然后先利用形狀特征去除非行人,再以外觀找到行人位置;該算法能準(zhǔn)確檢測(cè)行人與非行人,但依賴(lài)背景模型,背景模型的建立和更新較耗時(shí),系統(tǒng)效率低。

    文中主要是利用基于二階統(tǒng)計(jì)特征的支持向量機(jī)[5](SVM)分類(lèi)器進(jìn)行行人檢測(cè),克服因環(huán)境變化所造成的錯(cuò)誤和遺漏檢測(cè)。首先運(yùn)用改進(jìn)的基于圖塊(block-graphs)的前景檢測(cè)找出運(yùn)動(dòng)物體,較傳統(tǒng)幀差法取得更完整的前景區(qū)域。之后再對(duì)提取到的前景區(qū)域,利用灰度共生矩陣(GLCM)得到4個(gè)方向的4種不同的二階統(tǒng)計(jì)特征。經(jīng)支持向量機(jī)分類(lèi),找出行人目標(biāo),以達(dá)到實(shí)時(shí)檢測(cè)目的,大幅增加監(jiān)控的智能性。

    1 前景檢測(cè)

    一般環(huán)境下,背景建模受到許多限制,如光線變化、背景物干擾、或跟蹤物與背景過(guò)于相似,造成前景無(wú)法被正確檢測(cè),而且背景模型的更新會(huì)造成運(yùn)算量增加。文中將使用改進(jìn)的幀間差分法取代背景減除法檢測(cè)運(yùn)動(dòng)物體。

    傳統(tǒng)基于像素的幀間差分法在檢測(cè)時(shí)會(huì)產(chǎn)生許多破碎前景區(qū)塊,因?yàn)樵诳臻g上像素之間相鄰的關(guān)系是不被考慮的。從而在檢測(cè)移動(dòng)物時(shí),如果使用幀間差分法就必須同時(shí)考慮局部與廣域的特性。因此我們提出了改進(jìn)的基于圖塊[6]的前景檢測(cè)方法,使得所檢測(cè)前景區(qū)域更加完整正確。首先,將每幀圖像的RGB顏色空間轉(zhuǎn)換成YUV顏色空間,然后將圖像分割成許多非重疊區(qū)域,每塊區(qū)域的大小可根據(jù)物體的大小作調(diào)整。其中YUV空間,Y是圖像的灰度值,而U和V則是指色調(diào),描述圖像色彩及飽和度。對(duì)前景的檢測(cè)需考慮灰度值與色調(diào)的同時(shí)變化。此前景檢測(cè)算法步驟如下:

    1)將每幀圖像的RGB顏色空間轉(zhuǎn)換成YUV顏色空間,分別于Y、U和V通道內(nèi)檢測(cè)移動(dòng)物。對(duì)第k幀及k+1幀圖片的Y、U和V通道分別做差分處理分別得到二值圖像。公式(1)如下:

    式中的TY、TU和TV分別為預(yù)先設(shè)定的Y、U和V通道閾值,可根據(jù)經(jīng)驗(yàn)選取。

    2)將圖像分割為若干小區(qū)域,每個(gè)區(qū)域的大小為N×N(N取值由目標(biāo)的尺寸決定),每個(gè)小區(qū)域是一個(gè)圖塊。如果圖像大小為M0×N0,則可劃分區(qū)域數(shù)目為L(zhǎng)=M0×N0/N2。

    3)融合Y、U和V 3個(gè)通道得到更完整的前景區(qū)域。在每一圖塊內(nèi),若一像素的Y通道的變化超過(guò)閾值TY的1.5倍,則直接分為前景;否則采用融合Y、U和V通道的方式,即如果灰度值和顏色一起有明顯的變化,則歸類(lèi)為前景,規(guī)則如下:(Y>TY)&&((U>TU)||(V>TV))。

    4)統(tǒng)計(jì)每個(gè)N×N圖塊在YUV顏色空間前景像素?cái)?shù)量Ni(1≤i≤L),在每一個(gè)圖塊中,如果計(jì)算到前景的像素?cái)?shù)量大于一定的閾值TN(N為圖塊大?。?,則將此圖塊歸類(lèi)為前景。

    2 二階統(tǒng)計(jì)特征分類(lèi)器

    文中利用紋理特征做為行人檢測(cè)的驗(yàn)證,因?yàn)榧y理特征不易受光照變化的影響,是一種穩(wěn)定的特征。由于不同目標(biāo)在特征上的差異,利用灰度共生矩陣(GLCM)所產(chǎn)生的4種(ASM、Contrast、IDF和Entropy)在4個(gè)方向 (0°、45°、90°和135)上的二階統(tǒng)計(jì)特征,以這16個(gè)特征做為前景區(qū)域的特征向量,將此特征向量帶入支持向量機(jī)(SVM)中,設(shè)計(jì)出基于二階統(tǒng)計(jì)特征的分類(lèi)器。利用此分類(lèi)器對(duì)前景物進(jìn)行分類(lèi),能降低由圖像特征造成的誤檢。

    2.1 灰度共生矩陣(GLCM)

    灰度直方圖是對(duì)圖像上單個(gè)象素具有某個(gè)灰度進(jìn)行統(tǒng)計(jì)的結(jié)果,直方圖統(tǒng)計(jì)是一階統(tǒng)計(jì)量,描述像素中灰度分布特征。但是對(duì)于不同位置像素之間的差異,直方圖卻無(wú)法詳細(xì)描述,二階統(tǒng)計(jì)特征可以對(duì)像素之間位置的相對(duì)關(guān)系做出詳細(xì)描述。這里采用 Haralick等人提出的灰度共生矩陣(GLCM)[7],灰度共生矩陣是對(duì)圖像上保持某距離的兩象素分別具有某灰度的狀況進(jìn)行統(tǒng)計(jì)得到的。灰度共生矩陣產(chǎn)生的方式是統(tǒng)計(jì)灰度圖像中,兩相對(duì)位置在預(yù)設(shè)參數(shù)條件下(距離、方向)的像素對(duì)之間的概率,并將概率值歸納成矩陣形式,用以描述圖像灰度的分布狀況。

    對(duì)于目標(biāo)(區(qū)域大小為M×N)圖像f(x,y),設(shè)其灰度級(jí)數(shù)為L(zhǎng),可以定義共生矩陣 p(i,j,d,θ),其中,i=f(x1,y1),j= f(x2,y2)且x1+Dx=x2,y1+Dy=y2,參數(shù)d和θ分別代表像素對(duì)(i,j)相對(duì)的距離和像素間相對(duì)的方向。其中像素對(duì)(i,j)如圖1(a)所示,方向θ分成4個(gè)方向:水平、斜向、垂直,角度分別為0°、45°、90°、135°如圖1(b)所示。

    圖1 灰度共生矩陣示意圖

    對(duì)于整個(gè)目標(biāo)區(qū)域,統(tǒng)計(jì)出每一種(i,j)值出現(xiàn)的次數(shù),然后排列成一個(gè)方陣,再用(i,j)出現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率P(i,j),這樣就生成灰度共生矩陣。

    矩陣Pd元素Pd(i,j)表示:目標(biāo)區(qū)域中位置關(guān)系為d的兩個(gè)像素,其灰度分別為i和j情況下出現(xiàn)的概率。距離差分值(Dx,Dy)取不同的數(shù)值組合,得到不同情況下的聯(lián)合概率矩陣。(Dx,Dy)取值根據(jù)紋理周期分布的特性來(lái)選擇,對(duì)于較細(xì)的紋理,選?。?,0)、(1,1)、(-1,0)等小的差分值。當(dāng)a=1,b=0時(shí),像素對(duì)是水平的,即0°掃描;當(dāng)a=0,b=1時(shí),像素對(duì)是垂直的,即90°掃描;當(dāng)a=1,b=1時(shí),像素對(duì)是右對(duì)角線的,即45°掃描;當(dāng)a=-1,b=1時(shí),像素對(duì)是左對(duì)角線,即135°掃描?;叶裙采仃嚪从硤D像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息,是分析圖像的局部模式和它們排列規(guī)則的基礎(chǔ)。

    2.2 灰度共生矩陣(GLCM)的特征提取

    灰度共生矩陣并不能直接作為紋理分析的特征量,必須在共生矩陣的基礎(chǔ)上進(jìn)行二次統(tǒng)計(jì)量的計(jì)算,并將其作為紋理特征之后才能實(shí)現(xiàn)后續(xù)流程的算法。從灰度共生矩陣中提取出來(lái)的二階矩特征中有一些對(duì)紋理[8]具有直接的物理意義,例如粗糙度、平滑、對(duì)比度等。文中選用其中的4種主要特征:能量(二階距)(ASM)、對(duì)比度(Contrast)、逆差矩(IDM)和熵(Entropy)。

    1)能量(二階距)

    能量(ASM)是灰度共生矩陣元素值的平方和,反映了圖像灰度分布均勻程度和紋理粗細(xì)程度。公式(3)如下所示:

    如果共生矩陣的所有值均相等,則ASM值小;相反,如果其中一些值大而其它值小,則ASM值大。當(dāng)共生矩陣中元素集中分布時(shí)ASM值大,表明是較均勻和規(guī)則變化的紋理。

    2)對(duì)比度

    對(duì)比度(Contrast)主要是用于計(jì)算圖像灰度值的對(duì)比強(qiáng)度,也就是目標(biāo)區(qū)域圖像中灰度的變化量,公式(4)如下所示:

    對(duì)比度度量圖像中的局部變化情況,反應(yīng)了圖像的清晰度和紋理的溝紋深淺。紋理的溝紋越深,反差越大,效果清晰;反之,對(duì)比度小,則溝紋淺,效果模糊。

    3)逆差矩

    逆差矩(IDF)用來(lái)度量圖像紋理局部變化的大小,反映圖像紋理的同質(zhì)性,度量圖像紋理局部變化的多少。逆差矩與前一個(gè)特征對(duì)比度剛好相反,在對(duì)比度愈低時(shí)這項(xiàng)特征會(huì)得到愈高的值,公式(5)如下:

    其值大說(shuō)明不同紋理區(qū)域間缺少變化,局部非常均勻,因此連續(xù)灰度的圖像IDF值較大。

    4)熵

    熵(Entropy)主要用于測(cè)量圖像的混亂度,在越平滑的圖像中熵度值會(huì)越低,公式(6)如下:

    熵表示了圖像中紋理的非均勻程度或復(fù)雜程度,熵值越大,圖像越復(fù)雜。紋理信息也屬于圖像的信息,是一個(gè)隨機(jī)性的度量,當(dāng)共生矩陣中元素分散分布時(shí),熵較大。

    2.3 支持向量機(jī)(SVM)

    支持向量機(jī)(Support Vector Machine,SVM)[9]是 Cortes和Vapnik首先提出的,它在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有優(yōu)勢(shì)。SVM是指一些在n維空間的數(shù)據(jù),希望可以在此空間找出一個(gè)超平面(Hyperplan)將資料分成兩群,并且超平面到離他最近的訓(xùn)練樣本的距離要最大。以二維的例子來(lái)說(shuō),如圖2所示,希望能找出一條直線能夠?qū)A形和三角形分開(kāi),而且希望這條虛線距離這兩個(gè)資料的邊界越大越好,這樣才能夠正確的分辨這是屬于哪一類(lèi)的資料。

    圖2 SVM分類(lèi)示意圖

    對(duì)于非線性分類(lèi)情況,可通過(guò)核函數(shù)的非線性映射,把數(shù)據(jù)映射到高維特征空間中,將問(wèn)題變成線性可分的。文中中的SVM主要是用RBF(radial basis function)核,選取前景物件的二階統(tǒng)計(jì)量特征能量(ASM)、對(duì)比度(Contrast)、逆差矩(IDF)和熵(Entropy)4個(gè)距離為1各不同角度的特征,將特征量化成1×16的特征向量如下所示:

    將各前景的特征向量用SVM分類(lèi)器進(jìn)行分類(lèi),以達(dá)到行人檢測(cè)的目的。

    3 實(shí)驗(yàn)結(jié)果與分析

    文中運(yùn)用VS2010配置Opencv2.4.8和MATLABR2012進(jìn)行實(shí)驗(yàn)平臺(tái)的搭建。首先運(yùn)用改進(jìn)的基于圖塊前景檢測(cè)技術(shù)找出移動(dòng)物體,之后再對(duì)提取到的前景區(qū)域,利用二階統(tǒng)計(jì)的灰度共生矩陣得到4個(gè)方向(0°、45°、90°和145°)的4種不同特征分別為能量(ASM)、對(duì)比度(Contrast)、逆差矩(IDF)和熵度(Entropy)。經(jīng)支持向量機(jī)(SVM)進(jìn)行分類(lèi),找出行人目標(biāo)。我們分別對(duì)3段不同的場(chǎng)景視頻序列進(jìn)行測(cè)試。

    第1部分主要進(jìn)行前景檢測(cè),經(jīng)實(shí)驗(yàn)觀察發(fā)現(xiàn)基于圖塊的檢測(cè)法會(huì)使得前景區(qū)域更完整。在圖3中分別表示基于像素與基于圖塊的前景檢測(cè)方法。由圖3(b)(c)(d)可看出基于圖塊會(huì)比基于像素(圖3(a))所形成的前景更佳的完整。

    圖3 基于像素與基于圖塊的前景區(qū)域

    第2部分進(jìn)行行人檢測(cè)的分類(lèi)驗(yàn)證,實(shí)驗(yàn)中我們分別對(duì)3段不同的場(chǎng)景視頻序進(jìn)行測(cè)試,對(duì)文中方法與基于高斯混合模型建背景的和基于對(duì)比度特征的方法來(lái)做比較。利用前景區(qū)域得到灰度共生矩陣,提取相對(duì)應(yīng)的紋理特征,這里將圖像的灰度級(jí)定為16級(jí),主要是為了減少灰度共生矩陣(GLCM)的大小,提高運(yùn)算的速度。在接下來(lái)利用行人與非行人在GLCM上的概率分布差異,選取前景的二階統(tǒng)計(jì)特征能量(ASM)、對(duì)比度(Contrast)、逆差矩(IDF)和熵(Entropy)4個(gè)距離為1各不同角度的特征,并將將特征量化成1×16的特征向量FV。

    文中使用MATLAB-LIBSVM工具箱進(jìn)行分類(lèi),參數(shù)設(shè)置:SVM型態(tài)為C-SVC,核心函數(shù)為徑向基函數(shù)RBF,cost(損失函數(shù))-c和核函數(shù)-g的最優(yōu)值采用遍歷g和c的網(wǎng)格法確定。將行人作為正樣本,非行人作為負(fù)樣本。實(shí)驗(yàn)從測(cè)試的3段視頻中取600張圖像當(dāng)作訓(xùn)練樣本樣本,其中中正樣本300個(gè)、負(fù)樣本300個(gè)。再將訓(xùn)練好的的分類(lèi)器對(duì)視頻中的進(jìn)行分類(lèi)測(cè)試,以3段不同場(chǎng)景、不同情境的視頻來(lái)驗(yàn)證本算法。實(shí)驗(yàn)顯示,這3段視頻都能達(dá)到實(shí)時(shí)檢測(cè),效果如圖4所示。

    圖4 通過(guò)二階統(tǒng)計(jì)特征分類(lèi)器后結(jié)果

    接下來(lái)將會(huì)與基于混合高斯模型背景建模(GMM)以及基于對(duì)比度特征[10]的方法做比較。驗(yàn)證基于二階統(tǒng)計(jì)量特征分類(lèi)器的檢測(cè)結(jié)果對(duì)比另外兩個(gè)算法,是否可以有效的提升檢測(cè)正確率,降低誤檢以及漏檢,這項(xiàng)實(shí)驗(yàn)中我們將以Jaccard系數(shù)[11]來(lái)計(jì)算,J的定義為:

    TP是移動(dòng)的物正確檢測(cè),F(xiàn)P是錯(cuò)誤檢測(cè)和FN是遺漏檢測(cè)。表1反映了不同算法的檢測(cè)結(jié)果。

    表1 不同算法的檢測(cè)結(jié)果對(duì)比

    由實(shí)驗(yàn)結(jié)果可以看出在3段視頻中,文中算法的正確率高于其他兩個(gè)方法?;旌细咚鼓P捅尘敖R约盎趯?duì)比度特征的對(duì)背景環(huán)境依賴(lài)性比較大,產(chǎn)生錯(cuò)檢和漏檢幾率增大,造成對(duì)檢測(cè)的不穩(wěn)定,實(shí)驗(yàn)證明文中方法是有效的。

    4 結(jié)束語(yǔ)

    文中算法運(yùn)用加入圖塊的前景檢測(cè)法和基于二階統(tǒng)計(jì)特征的分類(lèi)器,對(duì)不同環(huán)境的行人進(jìn)行檢測(cè)?;趫D塊的前景檢測(cè)能夠提取出更完整的前景,提高分類(lèi)器準(zhǔn)確率,而且二階統(tǒng)計(jì)特征使得SVM分類(lèi)器有更高的鑒別度。由于視頻中光線變化,會(huì)使前景不完整造成檢測(cè)穩(wěn)定性降低。同時(shí),當(dāng)監(jiān)控分辨率較低時(shí),畫(huà)面會(huì)出現(xiàn)雪花噪聲,容易造成前景檢測(cè)的不穩(wěn)定,如何克服低分辨率也是亟需解決的問(wèn)題。下一步需要解決由于光線在短時(shí)間內(nèi)變化和低分辨率所造成的影響,在目前白天已有不錯(cuò)效果的算法上,達(dá)到全天候的檢測(cè)效果。

    [1]Dalal N,Triggs B.Histograms of oriented gradients for human detection[C]//2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition,San Diego,USA,2005:886-893.

    [2]Li J,Gong W,LiW,et al.Robust pedestrian detection in thermal infrared imagery using the wavelet transform[J].Infrared Physics&Technology,2010,53(4):267-273.

    [3]Xu F,Liu X,F(xiàn)ujimura K.Pedestrian detection and tracking with night vision [J].Intelligent Transportation Systems,IEEE Transactions on,2005,6(1):63-71.

    [4]Dai C,Zheng Y,Li X.Pedestrian detection and tracking in infrared imagery using shape and appearance[J].Computer Vision and Image Understanding,2007,106(2):288-299.

    [5]Burges C JC.A tutorial on support vectormachines for pattern recognition[J].Data Mining and Knowledge Discovery,1998,2(2):121-167.

    [6]Khanina N A,Semeikina E V,Yurin D V.Scale-space color blob and ridge detection[J].Pattern Recognition and Image Analysis,2012,22(1):221-227.

    [7]Davis L S,Johns SA,Aggarwal JK.Texture analysis using generalized co-occurrencematrices[J].IEEE Transactions on Pattern Analysisand Machine Intelligence,1979(3):251-259.

    [8]薄 華,馬縛龍,焦李成.圖像紋理的灰度共生矩陣計(jì)算問(wèn)題的分析[J].電子學(xué)報(bào),2006(1):155-158.

    [9]Burges C J C.Geometry and invariance in kernel based methods[C]//Advances in kernel methods-support vector learning.Boston:MITPress,1999:89-116.

    [10]Huang K,Wang L,Tan T,et al.A real-time object detecting and tracking system for outdoor night surveillance[J]. Pattern Recognition,2008,41(1):432-444.

    [11]Sneath PH A,Sokal R R.Numerical taxonomy.The principles and practices of numerical classification[M].San Fran cisco:WH Freeman,1973.

    Pedestrian detection based on blocks-graphs and second-order statistics

    LUAN Shu-peng
    (School of Computer and Information,Hohai University,Nanjing 210000,China)

    In the pedestrian detection,since the complex changes in the external environment and pedestrians'own different characteristics,usually resulting in error and missing detection.To solve the problem above,this paper proposes amethod based on block-graphs and second-order statistics to improve detection accuracy.Firstly,foreground detection based on frame difference of block-graphs,then calculate GLCM of foreground area.Next extracting the second-order statistics of the foreground region,finally detecting pedestriansby SVM classifierbased on second-order statistics.Itshows that this algorithm hasbetter detection resultsby contrastsimulation experiments.

    pedestrian detection;gray level co-occurrencematrix;block-graphs;second-order statistics;Support Vector Machine(SVM)

    TN911.73

    A

    1674-6236(2016)20-0190-04

    2015-10-30 稿件編號(hào):201510237

    欒書(shū)鵬(1991—),男,江蘇泰興人,碩士研究生。研究方向:計(jì)算機(jī)視覺(jué),圖像處理。

    猜你喜歡
    圖塊二階前景
    我國(guó)旅游房地產(chǎn)開(kāi)發(fā)前景的探討
    四種作物 北方種植有前景
    一類(lèi)二階迭代泛函微分方程的周期解
    離岸央票:需求與前景
    一類(lèi)二階中立隨機(jī)偏微分方程的吸引集和擬不變集
    二階線性微分方程的解法
    一類(lèi)二階中立隨機(jī)偏微分方程的吸引集和擬不變集
    AutoCAD中圖塊命令的應(yīng)用分析
    優(yōu)化A算法搜索連連看圖塊配對(duì)和消除次序
    量子糾纏的來(lái)歷及應(yīng)用前景
    太空探索(2016年10期)2016-07-10 12:07:01
    亚洲午夜理论影院| 男女做爰动态图高潮gif福利片| 一本综合久久免费| 99热这里只有精品一区 | 亚洲午夜精品一区,二区,三区| 成人三级做爰电影| 欧美日韩福利视频一区二区| a级毛片a级免费在线| 亚洲精品美女久久av网站| 大型黄色视频在线免费观看| 欧美日韩瑟瑟在线播放| 国产1区2区3区精品| 亚洲精品国产一区二区精华液| 国产av又大| 国产黄色小视频在线观看| 1024香蕉在线观看| 亚洲片人在线观看| 91字幕亚洲| 一边摸一边做爽爽视频免费| 国产激情偷乱视频一区二区| 精品久久蜜臀av无| 亚洲人成77777在线视频| 国产av在哪里看| 亚洲av五月六月丁香网| 成年女人毛片免费观看观看9| 久久午夜亚洲精品久久| 免费看美女性在线毛片视频| 88av欧美| 99久久精品热视频| av在线播放免费不卡| 欧美+亚洲+日韩+国产| 夜夜看夜夜爽夜夜摸| 激情在线观看视频在线高清| 久久热在线av| 精品久久蜜臀av无| 国产成人av教育| www.www免费av| 亚洲欧美一区二区三区黑人| 舔av片在线| 精品乱码久久久久久99久播| 巨乳人妻的诱惑在线观看| 12—13女人毛片做爰片一| 色老头精品视频在线观看| 一本综合久久免费| 韩国av一区二区三区四区| 男女那种视频在线观看| 丰满人妻熟妇乱又伦精品不卡| 美女扒开内裤让男人捅视频| 免费看日本二区| 精品无人区乱码1区二区| 狂野欧美白嫩少妇大欣赏| 午夜福利在线观看吧| 香蕉丝袜av| 极品教师在线免费播放| 日韩欧美三级三区| 亚洲男人天堂网一区| 村上凉子中文字幕在线| 久久国产乱子伦精品免费另类| 国产真人三级小视频在线观看| 免费看a级黄色片| 伊人久久大香线蕉亚洲五| 亚洲电影在线观看av| 精品福利观看| 激情在线观看视频在线高清| 黑人操中国人逼视频| 天堂av国产一区二区熟女人妻 | 1024视频免费在线观看| 在线观看www视频免费| 小说图片视频综合网站| 老熟妇乱子伦视频在线观看| 搞女人的毛片| 日韩国内少妇激情av| 亚洲欧美日韩东京热| 一区二区三区国产精品乱码| 国产探花在线观看一区二区| 成人一区二区视频在线观看| 天堂av国产一区二区熟女人妻 | 国产精品亚洲美女久久久| 中文字幕高清在线视频| 精品久久久久久久人妻蜜臀av| 午夜精品一区二区三区免费看| 婷婷丁香在线五月| 91麻豆av在线| 精品久久蜜臀av无| 亚洲国产中文字幕在线视频| 老司机福利观看| 精品日产1卡2卡| 91麻豆av在线| 国产激情久久老熟女| 亚洲男人的天堂狠狠| 熟女少妇亚洲综合色aaa.| 日韩欧美在线二视频| 伦理电影免费视频| 久久久久久久久免费视频了| 人妻丰满熟妇av一区二区三区| 香蕉久久夜色| 又紧又爽又黄一区二区| 欧美激情久久久久久爽电影| 真人做人爱边吃奶动态| 天堂av国产一区二区熟女人妻 | 变态另类成人亚洲欧美熟女| 色老头精品视频在线观看| 欧美精品亚洲一区二区| 国产视频一区二区在线看| 亚洲 欧美 日韩 在线 免费| 黑人巨大精品欧美一区二区mp4| 婷婷精品国产亚洲av| 亚洲成人免费电影在线观看| 亚洲一区二区三区色噜噜| 亚洲电影在线观看av| 国产精品1区2区在线观看.| 无限看片的www在线观看| 国产精品一区二区三区四区免费观看 | 久久精品国产清高在天天线| 国产精品av视频在线免费观看| 精品乱码久久久久久99久播| 天堂动漫精品| av欧美777| 国产精品av视频在线免费观看| 黄色女人牲交| 黄片小视频在线播放| 99精品欧美一区二区三区四区| 九九热线精品视视频播放| 成在线人永久免费视频| 久久久精品欧美日韩精品| 久久精品国产亚洲av高清一级| 亚洲aⅴ乱码一区二区在线播放 | 亚洲国产日韩欧美精品在线观看 | 两个人视频免费观看高清| 亚洲国产欧美一区二区综合| a在线观看视频网站| 午夜福利视频1000在线观看| 99在线视频只有这里精品首页| 久9热在线精品视频| 操出白浆在线播放| 欧美中文日本在线观看视频| 亚洲第一电影网av| 男女那种视频在线观看| 日日摸夜夜添夜夜添小说| 国产精品亚洲美女久久久| 久久香蕉精品热| 两个人的视频大全免费| 神马国产精品三级电影在线观看 | 成年免费大片在线观看| 欧美日韩亚洲国产一区二区在线观看| 一卡2卡三卡四卡精品乱码亚洲| 国产99久久九九免费精品| 成人高潮视频无遮挡免费网站| 老熟妇乱子伦视频在线观看| 欧美三级亚洲精品| 亚洲精品在线美女| 欧美又色又爽又黄视频| 99re在线观看精品视频| 亚洲男人天堂网一区| 丝袜美腿诱惑在线| 亚洲av熟女| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩大码丰满熟妇| 免费观看人在逋| 亚洲五月天丁香| 男人的好看免费观看在线视频 | 亚洲最大成人中文| 黑人巨大精品欧美一区二区mp4| 三级国产精品欧美在线观看 | 身体一侧抽搐| 国产男靠女视频免费网站| 国产精品av视频在线免费观看| 麻豆国产97在线/欧美 | 好男人在线观看高清免费视频| 99久久综合精品五月天人人| 亚洲av成人精品一区久久| 亚洲av片天天在线观看| 欧美日韩精品网址| 999久久久国产精品视频| 中文字幕人成人乱码亚洲影| 亚洲精品美女久久久久99蜜臀| 一个人免费在线观看电影 | 亚洲一卡2卡3卡4卡5卡精品中文| 首页视频小说图片口味搜索| 欧美极品一区二区三区四区| 91大片在线观看| 成人欧美大片| 午夜激情av网站| 2021天堂中文幕一二区在线观| 久久天堂一区二区三区四区| 久久中文字幕人妻熟女| 两性夫妻黄色片| 国产成人欧美在线观看| 国产探花在线观看一区二区| 免费无遮挡裸体视频| 两个人的视频大全免费| 国产精品一区二区三区四区久久| 嫁个100分男人电影在线观看| 亚洲第一电影网av| 日韩三级视频一区二区三区| 亚洲狠狠婷婷综合久久图片| 中出人妻视频一区二区| 午夜日韩欧美国产| 亚洲成人中文字幕在线播放| 大型av网站在线播放| 最近最新中文字幕大全电影3| 中文亚洲av片在线观看爽| 丰满的人妻完整版| 日韩国内少妇激情av| 手机成人av网站| www.自偷自拍.com| 国产精品久久久久久精品电影| 性色av乱码一区二区三区2| 99久久国产精品久久久| 欧美久久黑人一区二区| 婷婷亚洲欧美| 免费看a级黄色片| 国产精品一区二区三区四区久久| 亚洲av第一区精品v没综合| bbb黄色大片| 国产精品永久免费网站| 国产伦在线观看视频一区| 免费在线观看影片大全网站| 黄色女人牲交| 久久中文字幕人妻熟女| av福利片在线| 国产又黄又爽又无遮挡在线| 亚洲午夜精品一区,二区,三区| ponron亚洲| 他把我摸到了高潮在线观看| 叶爱在线成人免费视频播放| 亚洲欧美日韩高清专用| 国产精品永久免费网站| 成人国产综合亚洲| 又粗又爽又猛毛片免费看| 男女做爰动态图高潮gif福利片| 日韩三级视频一区二区三区| 又大又爽又粗| 成年女人毛片免费观看观看9| 欧美最黄视频在线播放免费| 国语自产精品视频在线第100页| 日韩欧美精品v在线| 国产av不卡久久| 1024视频免费在线观看| 人妻久久中文字幕网| 久久久久久久久中文| 亚洲一区二区三区色噜噜| 久久精品国产亚洲av香蕉五月| 最近视频中文字幕2019在线8| 精品欧美国产一区二区三| svipshipincom国产片| 香蕉久久夜色| 伊人久久大香线蕉亚洲五| 国产精品,欧美在线| 最近最新中文字幕大全免费视频| 中文字幕精品亚洲无线码一区| 高潮久久久久久久久久久不卡| 在线观看66精品国产| 国产一区在线观看成人免费| 亚洲无线在线观看| 国产av又大| √禁漫天堂资源中文www| 一本综合久久免费| 男人舔奶头视频| 19禁男女啪啪无遮挡网站| 禁无遮挡网站| 亚洲欧洲精品一区二区精品久久久| 国内精品一区二区在线观看| 神马国产精品三级电影在线观看 | 在线观看午夜福利视频| 欧美3d第一页| 国产激情欧美一区二区| 小说图片视频综合网站| 国产一区在线观看成人免费| 男女之事视频高清在线观看| 亚洲人成伊人成综合网2020| 俄罗斯特黄特色一大片| 国产麻豆成人av免费视频| 怎么达到女性高潮| av福利片在线观看| 在线视频色国产色| 午夜福利免费观看在线| 亚洲人与动物交配视频| 天堂影院成人在线观看| 亚洲午夜理论影院| 久久精品亚洲精品国产色婷小说| 久久精品国产综合久久久| 正在播放国产对白刺激| 最近最新中文字幕大全免费视频| 久久欧美精品欧美久久欧美| 亚洲欧美日韩东京热| 欧美精品啪啪一区二区三区| 免费在线观看影片大全网站| 亚洲成人国产一区在线观看| 亚洲一码二码三码区别大吗| 亚洲免费av在线视频| 欧美高清成人免费视频www| 亚洲精品在线美女| 久久久久久久久久黄片| 丝袜人妻中文字幕| 成人亚洲精品av一区二区| 欧美日本视频| 亚洲成人精品中文字幕电影| 亚洲狠狠婷婷综合久久图片| 后天国语完整版免费观看| 亚洲欧洲精品一区二区精品久久久| 欧美日韩精品网址| 日韩精品免费视频一区二区三区| 午夜亚洲福利在线播放| 欧美黄色淫秽网站| 欧美乱色亚洲激情| 啦啦啦免费观看视频1| 欧美zozozo另类| 可以免费在线观看a视频的电影网站| 欧美乱色亚洲激情| 精华霜和精华液先用哪个| 日本a在线网址| 成熟少妇高潮喷水视频| 国产精品一区二区精品视频观看| 一a级毛片在线观看| a级毛片在线看网站| 伦理电影免费视频| 麻豆成人av在线观看| 久久久久久久久久黄片| 在线观看免费午夜福利视频| 日日爽夜夜爽网站| 一进一出抽搐gif免费好疼| 黄色视频不卡| 在线观看日韩欧美| 精品久久久久久久久久免费视频| 一区二区三区激情视频| 丰满人妻一区二区三区视频av | 正在播放国产对白刺激| 精品少妇一区二区三区视频日本电影| 国产免费av片在线观看野外av| 中国美女看黄片| 亚洲欧洲精品一区二区精品久久久| 在线a可以看的网站| 国产成年人精品一区二区| 99在线视频只有这里精品首页| 一区二区三区国产精品乱码| 99久久久亚洲精品蜜臀av| 国产三级黄色录像| 99久久精品国产亚洲精品| 国内精品一区二区在线观看| 日本 av在线| 高清毛片免费观看视频网站| 国产激情欧美一区二区| 日韩欧美国产一区二区入口| 听说在线观看完整版免费高清| 亚洲一卡2卡3卡4卡5卡精品中文| 波多野结衣巨乳人妻| ponron亚洲| 成在线人永久免费视频| 久久久久国产一级毛片高清牌| 婷婷亚洲欧美| 亚洲成人国产一区在线观看| 在线观看免费日韩欧美大片| 欧美大码av| 91字幕亚洲| 亚洲av第一区精品v没综合| 国产激情久久老熟女| 999久久久精品免费观看国产| 亚洲无线在线观看| 女人被狂操c到高潮| 欧美性长视频在线观看| 草草在线视频免费看| 中国美女看黄片| 淫妇啪啪啪对白视频| 嫩草影视91久久| 舔av片在线| 老司机午夜福利在线观看视频| 国产精品一区二区精品视频观看| 日韩欧美三级三区| 国产麻豆成人av免费视频| 国产精品电影一区二区三区| 久久久久亚洲av毛片大全| 51午夜福利影视在线观看| 色尼玛亚洲综合影院| 久久久久久九九精品二区国产 | 啦啦啦韩国在线观看视频| 99国产极品粉嫩在线观看| 日本免费a在线| √禁漫天堂资源中文www| 12—13女人毛片做爰片一| 叶爱在线成人免费视频播放| 国产激情久久老熟女| 精品国产超薄肉色丝袜足j| 欧美日韩亚洲综合一区二区三区_| 亚洲第一欧美日韩一区二区三区| 欧美不卡视频在线免费观看 | 国产久久久一区二区三区| 熟女电影av网| 亚洲精品美女久久久久99蜜臀| 免费在线观看黄色视频的| 亚洲一区二区三区不卡视频| 中文字幕人成人乱码亚洲影| 国产精品 国内视频| 欧美最黄视频在线播放免费| 好男人电影高清在线观看| 久久人妻福利社区极品人妻图片| 亚洲男人的天堂狠狠| 国产一区二区三区视频了| 叶爱在线成人免费视频播放| 一卡2卡三卡四卡精品乱码亚洲| 国产精品一区二区精品视频观看| 国产精品久久久人人做人人爽| 欧美日韩福利视频一区二区| 亚洲一区二区三区不卡视频| 草草在线视频免费看| 午夜精品在线福利| 欧美乱码精品一区二区三区| 国内揄拍国产精品人妻在线| 制服诱惑二区| 在线国产一区二区在线| 午夜影院日韩av| 久久精品成人免费网站| 中文字幕高清在线视频| 在线观看一区二区三区| 久久久国产成人免费| 少妇熟女aⅴ在线视频| 亚洲成人国产一区在线观看| e午夜精品久久久久久久| 婷婷精品国产亚洲av| 亚洲av日韩精品久久久久久密| 成年女人毛片免费观看观看9| 亚洲熟女毛片儿| 欧美日韩亚洲综合一区二区三区_| √禁漫天堂资源中文www| 亚洲av成人不卡在线观看播放网| 夜夜爽天天搞| 日日夜夜操网爽| 日韩成人在线观看一区二区三区| 美女高潮喷水抽搐中文字幕| 九色成人免费人妻av| 成人国语在线视频| 国产精品一区二区精品视频观看| 变态另类丝袜制服| √禁漫天堂资源中文www| 99久久久亚洲精品蜜臀av| 欧美在线一区亚洲| 可以在线观看毛片的网站| av国产免费在线观看| 国产真实乱freesex| 岛国在线观看网站| 国产精品免费一区二区三区在线| 美女 人体艺术 gogo| 757午夜福利合集在线观看| 亚洲熟妇熟女久久| 蜜桃久久精品国产亚洲av| 日韩免费av在线播放| 一级片免费观看大全| 亚洲第一电影网av| av中文乱码字幕在线| 午夜免费激情av| 国产免费男女视频| 国产av不卡久久| 国产激情久久老熟女| 999精品在线视频| 亚洲国产欧美一区二区综合| 日韩欧美在线乱码| 午夜免费观看网址| 中出人妻视频一区二区| 18禁观看日本| 啪啪无遮挡十八禁网站| 成人欧美大片| 午夜免费观看网址| 欧美日韩亚洲国产一区二区在线观看| 伊人久久大香线蕉亚洲五| www.www免费av| 搞女人的毛片| 国产黄a三级三级三级人| 成人亚洲精品av一区二区| 好男人电影高清在线观看| 99riav亚洲国产免费| 国产亚洲精品一区二区www| 天堂√8在线中文| 久久伊人香网站| 午夜免费成人在线视频| 午夜免费激情av| 成人高潮视频无遮挡免费网站| 久久久久久国产a免费观看| 校园春色视频在线观看| 一区二区三区高清视频在线| 人成视频在线观看免费观看| 色综合婷婷激情| 少妇被粗大的猛进出69影院| 国产单亲对白刺激| 男人舔女人的私密视频| 久久午夜亚洲精品久久| 色老头精品视频在线观看| av有码第一页| 成人18禁在线播放| 男女午夜视频在线观看| 亚洲欧美日韩高清专用| 国产精品一区二区精品视频观看| 香蕉丝袜av| 国产精品野战在线观看| 久久中文看片网| 亚洲av电影不卡..在线观看| 久久人人精品亚洲av| 久久久国产成人免费| 亚洲av五月六月丁香网| 九九热线精品视视频播放| 成人18禁高潮啪啪吃奶动态图| 亚洲电影在线观看av| 日韩av在线大香蕉| 国产成+人综合+亚洲专区| 久久久水蜜桃国产精品网| 国产精品永久免费网站| 一级a爱片免费观看的视频| 午夜老司机福利片| 亚洲熟女毛片儿| 欧美在线一区亚洲| 99国产精品一区二区三区| 女生性感内裤真人,穿戴方法视频| 国产精品一区二区免费欧美| 在线永久观看黄色视频| 蜜桃久久精品国产亚洲av| 啦啦啦免费观看视频1| 亚洲成a人片在线一区二区| www.自偷自拍.com| 欧美色视频一区免费| 精品国产超薄肉色丝袜足j| 日韩高清综合在线| 亚洲色图av天堂| cao死你这个sao货| 不卡av一区二区三区| 亚洲精品中文字幕一二三四区| 在线十欧美十亚洲十日本专区| 叶爱在线成人免费视频播放| 国产精品野战在线观看| 天堂√8在线中文| 精品久久久久久久久久免费视频| 国产免费av片在线观看野外av| 人妻久久中文字幕网| 国产成人系列免费观看| 97超级碰碰碰精品色视频在线观看| 91字幕亚洲| 午夜老司机福利片| 波多野结衣高清无吗| 18禁黄网站禁片午夜丰满| 91字幕亚洲| 日本一区二区免费在线视频| 国产高清视频在线播放一区| 中国美女看黄片| 精品少妇一区二区三区视频日本电影| 69av精品久久久久久| 久久久久精品国产欧美久久久| 美女午夜性视频免费| aaaaa片日本免费| 波多野结衣高清无吗| 精品无人区乱码1区二区| 又粗又爽又猛毛片免费看| 亚洲欧美激情综合另类| 97碰自拍视频| 亚洲人成伊人成综合网2020| 嫩草影视91久久| 久久久精品国产亚洲av高清涩受| 日本免费一区二区三区高清不卡| 麻豆成人午夜福利视频| 天天躁夜夜躁狠狠躁躁| 可以在线观看的亚洲视频| 日韩免费av在线播放| 久久久精品国产亚洲av高清涩受| 久久久久亚洲av毛片大全| 亚洲人成伊人成综合网2020| 久久精品人妻少妇| 久久久久性生活片| 少妇人妻一区二区三区视频| 国产成人欧美在线观看| 一级a爱片免费观看的视频| 色av中文字幕| 欧美黑人精品巨大| 国产高清videossex| 久久中文看片网| 婷婷丁香在线五月| 日韩免费av在线播放| 亚洲人成电影免费在线| 老汉色∧v一级毛片| 亚洲aⅴ乱码一区二区在线播放 | 国产蜜桃级精品一区二区三区| 国内久久婷婷六月综合欲色啪| 国产精品久久久久久精品电影| 国产人伦9x9x在线观看| 日韩欧美三级三区| 亚洲 欧美一区二区三区| 哪里可以看免费的av片| 窝窝影院91人妻| 亚洲av日韩精品久久久久久密| 91在线观看av| 精品免费久久久久久久清纯| 日韩精品中文字幕看吧| www.www免费av| 亚洲一区二区三区色噜噜| 无人区码免费观看不卡| 免费看a级黄色片| 免费看日本二区| 午夜a级毛片| 午夜久久久久精精品| 久久精品影院6| 看黄色毛片网站| 亚洲狠狠婷婷综合久久图片| 特级一级黄色大片| 在线观看美女被高潮喷水网站 | 欧美另类亚洲清纯唯美| 一a级毛片在线观看| 91大片在线观看| 19禁男女啪啪无遮挡网站| netflix在线观看网站| 两个人视频免费观看高清| 亚洲精品一卡2卡三卡4卡5卡| 中国美女看黄片| 999久久久精品免费观看国产| 亚洲人成电影免费在线| 午夜免费成人在线视频| 99久久综合精品五月天人人| 久久婷婷人人爽人人干人人爱| 91老司机精品| 久久久久久大精品|