• <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 ?

    一種新的基于顏色統(tǒng)計(jì)特征的判別跟蹤方法①

    2016-12-05 03:13:30胡昭華歐陽雯
    高技術(shù)通訊 2016年3期
    關(guān)鍵詞:跟蹤器特征向量分類器

    胡昭華 鞠 蓉 歐陽雯 金 蓉

    (*南京信息工程大學(xué) 電子與信息工程學(xué)院 南京 210044)(**南京信息工程大學(xué) 江蘇省大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心 南京 210044)

    ?

    一種新的基于顏色統(tǒng)計(jì)特征的判別跟蹤方法①

    胡昭華②***鞠 蓉③*歐陽雯*金 蓉*

    (*南京信息工程大學(xué) 電子與信息工程學(xué)院 南京 210044)(**南京信息工程大學(xué) 江蘇省大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心 南京 210044)

    針對目前目標(biāo)跟蹤的大部分判別算法注重跟蹤效率而沒有考慮尺度變化這一問題,提出了一個(gè)簡單而魯棒的基于顏色統(tǒng)計(jì)特征的判別跟蹤方法。這種新的顏色統(tǒng)計(jì)特征具有一定的光照不變性,同時(shí)保持較強(qiáng)的判別能力。建立了跟蹤過程的仿射運(yùn)動(dòng)模型,利用優(yōu)化參數(shù)來解決尺寸及角度變化等問題。此外,為了進(jìn)一步提高跟蹤速度,采用低維的顏色統(tǒng)計(jì)特征描述目標(biāo)外觀,利用顏色統(tǒng)計(jì)特征訓(xùn)練貝葉斯分類器,將置信值最大的樣本作為跟蹤結(jié)果,并在線更新分類器。與現(xiàn)有跟蹤器的大量綜合性的對比實(shí)驗(yàn)表明,該判別跟蹤方法在不同挑戰(zhàn)因素下均有明顯優(yōu)勢。

    視覺跟蹤, 顏色統(tǒng)計(jì)特征, 仿射變換, 降維, 判別分類器

    0 引 言

    目標(biāo)跟蹤在計(jì)算機(jī)視覺的許多應(yīng)用中都占據(jù)非常重要的地位,如自動(dòng)監(jiān)測、視頻檢索、交通監(jiān)控和人機(jī)交互等。盡管研究者們在過去幾十年里提出了很多目標(biāo)跟蹤算法,但要構(gòu)建一個(gè)簡單且魯棒的跟蹤系統(tǒng)用來處理因突然運(yùn)動(dòng)、光照變化、形狀變形和遮擋等引起的外觀變化,依然具有很大的挑戰(zhàn)。本研究針對這種情況進(jìn)行了探索,提出了一種新的基于顏色統(tǒng)計(jì)特征的判別跟蹤算法,實(shí)驗(yàn)證明,該算法的性能明顯優(yōu)于其他算法。

    1 相關(guān)研究

    選擇合適的視覺特征對于一個(gè)高性能的跟蹤器是很重要的。大部分先進(jìn)的跟蹤器依賴于灰度、形狀、強(qiáng)度和紋理信息[1-5]。方向梯度直方圖(HOG)特征[6]描述了目標(biāo)的邊緣特征。局部二值模式(LBP)特征[7]不容易受到光照的影響,可以提取圖像的局部紋理特征,但它對噪聲敏感,容易受到目標(biāo)變形的影響?;贖aar-like特征的跟蹤器[8-10]在跟蹤速度和檢測率上占有優(yōu)勢,然而對邊緣卻很敏感?,F(xiàn)在越來越多的研究者在研究顏色特征。與其他的視覺特征相比,顏色特征具有較高的魯棒性,對目標(biāo)大小、方向和視角的依賴性更小。Swain和Ballard[11]提出用顏色直方圖(color histogram)提取圖像的特征。雖然圖像直方圖受圖像的物理變換影響較小,然而,由于顏色直方圖描述的是全局顏色統(tǒng)計(jì)的結(jié)果,丟失了像素之間的位置信息,因而在識(shí)別前景對象上不能取得顯著的效果。為了消除顏色直方圖中量化的影響,Stricker和Orengo[12]提出用顏色矩(color moments)作為圖像檢索中的特征向量。然而,為避免低次矩較弱的分辨能力,顏色矩常和其它特征結(jié)合使用。顏色直方圖和顏色矩只包含每個(gè)像素的顏色信息,忽略了局部圖像相鄰像素之間的關(guān)系。Huang等人[13]提出了顏色相關(guān)圖(color correlogram),既直觀地描述了不同顏色的像素?cái)?shù)量在整幅圖像中所占的比例,還反映了不同顏色對間的空間相關(guān)性。Joost等人[14]從現(xiàn)實(shí)圖像中提出了一種新的色名(color name)特征。由于光源、陰影、高光、相機(jī)和目標(biāo)形狀的變化,一個(gè)圖像序列的顏色測量會(huì)有很大的變化,通過對彩色成像中這些因素的魯棒性研究,色名特征已成功應(yīng)用于圖像分類和行為識(shí)別中。雖然顏色信息在視覺跟蹤上得到了重大進(jìn)展,但僅限在簡單的顏色空間轉(zhuǎn)換上。相比于視覺跟蹤,復(fù)雜的顏色特征在目標(biāo)識(shí)別和檢測方面表現(xiàn)出更好的性能。將顏色信息用于視覺跟蹤是一個(gè)困難的挑戰(zhàn)。Martin等人[15]將顏色屬性(color attributes)特征引入到視覺跟蹤中,展現(xiàn)了該特征優(yōu)異的光照不變性和判別能力。受上述工作的啟發(fā),本文提出了一種新的基于顏色特征的跟蹤方法。

    跟蹤算法一般可以分成兩類:生成模型[2,3]和判別模型[4,5,8-10]。生成算法通過學(xué)習(xí)一個(gè)外觀模型來搜索圖像,將重構(gòu)誤差最小的區(qū)域作為跟蹤結(jié)果。這類算法都是基于模板或子空間模型。Frag跟蹤器[1]采用局部圖像塊的直方圖,有效地解決了部分遮擋問題。然而,由于沒有有效的模板更新策略,很難處理目標(biāo)的外觀和尺寸變化。視頻跟蹤分解(visual tracking decomposition, VTD)跟蹤器[2]則是利用多個(gè)運(yùn)動(dòng)和觀測模型來描述目標(biāo)外觀和尺寸的變化,從而有效擴(kuò)展了傳統(tǒng)的粒子濾波框架。增量視覺跟蹤器(incremental visual tracker, IVT)[3]能夠適應(yīng)光照和姿態(tài)變化造成的外觀變化,這是因?yàn)樗诰€增量學(xué)習(xí)低維子空間。然而,當(dāng)目標(biāo)經(jīng)歷嚴(yán)重的遮擋時(shí),跟蹤器的性能卻不盡如人意。生成模型沒有考慮到目標(biāo)周圍環(huán)境的有用信息,這在一定程度上限制了生成跟蹤算法的魯棒性。

    判別方法的目標(biāo)是將目標(biāo)從背景中區(qū)分出來,它將目標(biāo)跟蹤轉(zhuǎn)換成一個(gè)通過訓(xùn)練分類器區(qū)分目標(biāo)和其周圍背景的檢測問題。Avidan等人[16]利用Adaboost對每個(gè)像素進(jìn)行分類,訓(xùn)練一系列弱分類器級(jí)聯(lián)成一個(gè)強(qiáng)分類器來區(qū)分目標(biāo)和背景。該方法可以有效地減少遮擋造成的影響。由于自主學(xué)習(xí)導(dǎo)致的積累不準(zhǔn)確性,Babenko等人[9]提出用多示例學(xué)習(xí)(multiple instance learning,MIL)代替?zhèn)鹘y(tǒng)的監(jiān)督學(xué)習(xí)。雖然這種方法可以減少跟蹤漂移,但不能處理非剛性變形。判別跟蹤算法很簡單,而且實(shí)驗(yàn)結(jié)果具有良好的魯棒性,但大多數(shù)跟蹤器無法從根本上解決目標(biāo)的尺度變化問題。為了同時(shí)考慮目標(biāo)前景和背景信息,本文給出了一種新的判別跟蹤方法,采用多示例學(xué)習(xí)處理正樣本定位模糊問題。該方法是建立在粒子濾波框架下,可以有效解決尺寸變化問題。

    2 跟蹤算法流程及步驟

    本文提出的算法的基本流程如圖1所示。首先,抽取正負(fù)樣本并獲取它們的外觀模型,用一組低維顏色統(tǒng)計(jì)特征表示為F(Xα)和F(Xζ,β),然后用樣本訓(xùn)練貝葉斯分類器。在粒子濾波框架中,根據(jù)運(yùn)動(dòng)模型產(chǎn)生的候選樣本來估計(jì)置信值。通過分類器hL(x)構(gòu)建置信函數(shù)來估計(jì)后驗(yàn)概率P(y=1|x),其中y∈{0,1}是一個(gè)代表樣本標(biāo)簽的二進(jìn)制變量。在決策階段,根據(jù)最大置信值x*=argmaxx(P(y=1|x))判別最佳的候選粒子x*。

    圖1 本文算法流程圖

    本文采用與在線判別特征選擇(online discriminative feature selection, ODFS)[10]跟蹤器類似的方式獲得正負(fù)樣本。設(shè)It(x)∈R2表示樣本x在第t幀的位置,本文中將目標(biāo)位置始終設(shè)為It(x*)。抽取兩組圖像塊Xα={x|‖It(x)-It(x*)‖<α}和Xζ,β={x|ζ<‖It(x)-It(x*)‖<β}(α<ζ<β)分別表示正樣本和負(fù)樣本。

    3 基于顏色統(tǒng)計(jì)特征的判別跟蹤方法

    3.1 顏色統(tǒng)計(jì)特征

    如何有效地選取特征對跟蹤器的性能是很重要的。Berlin和Kay[17]提出英語語義中主要包含11種基本顏色:黑色、藍(lán)色、棕色、灰色、綠色、橙色、粉紅色、紫色、紅色、白色和黃色。為了將色名特征運(yùn)用到計(jì)算機(jī)視覺中,Joost等人[14]將顏色命名算法應(yīng)用于Berlin和Kay在世界色彩調(diào)查(world color survey, WCS)中使用的孟塞爾顏色數(shù)組中,并提供了一個(gè)映射將RGB值與語言顏色標(biāo)簽聯(lián)系起來,將RGB值映射到一個(gè)概率性的11維的顏色空間中,每一維的概率值總和為1。

    然而,本文使用的是Martin等人[15]提供的經(jīng)過標(biāo)準(zhǔn)化處理后的色名映射,主要是將11維的色名特征投影到10維子空間的標(biāo)準(zhǔn)正交基中進(jìn)行標(biāo)準(zhǔn)化,然后將灰度特征與獲取的10維色名特征相結(jié)合建立最終的顏色統(tǒng)計(jì)特征,通過這種方式獲取的特征有效降低了光照的影響。圖2直觀地展示本文中采用的顏色統(tǒng)計(jì)特征。第一行顯示的是原始圖像,中間一行顯示的是抽取顏色統(tǒng)計(jì)特征后的特征圖像。

    圖2 原始圖像、顏色特征圖像和PCA降維重構(gòu)圖像

    3.2 顏色統(tǒng)計(jì)特征降維

    跟蹤器的效率與特征維度之間具有顯著相關(guān)性。雖然顏色統(tǒng)計(jì)特征能有效地表示目標(biāo)外觀,然而,它的高維度將極大地影響后續(xù)的跟蹤速度。為了解決這個(gè)問題,本文采用主成分分析(principal component analysis, PCA)方法來減少顏色統(tǒng)計(jì)特征在每個(gè)通道的維度,既可以去除噪聲和背景信息,同時(shí)又保留了有用信息,大大提高了跟蹤速度。

    將從圖像塊中抽取的顏色統(tǒng)計(jì)特征向量表示為F(v)=(f1(v),…, fL(v)),其中L表示顏色統(tǒng)計(jì)特征通道數(shù),fl(v)=(v1,v2,…,vp)(l=1,…,L)表示第l個(gè)通道的顏色特征共有p維。PCA將特征向量(v1,v2,…,vp)整合成一個(gè)維數(shù)盡可能少的綜合向量(x1,x2,…,xq)(q

    為了確定主成分的數(shù)目q,通過計(jì)算前q個(gè)主成分的方差貢獻(xiàn)率,即:

    (1)

    其中,λi和λj分別表示與特征向量對應(yīng)的第i個(gè)和第j個(gè)特征根。若前q個(gè)主成分的累積方差貢獻(xiàn)率超過99%,就用前q個(gè)主成分(x1,x2,…,xq)(q

    為了證明PCA降維方法對于本章特征的建立是可行的,本節(jié)進(jìn)行了PCA降維重建,重建的結(jié)果展示在圖2最后一行。根據(jù)圖2所示,很明顯可以看出,PCA降維重建的結(jié)果和經(jīng)過顏色統(tǒng)計(jì)特征提取后的圖像是非常相似的,這證明了經(jīng)過PCA降維后的特征可以代替原來的特征并實(shí)現(xiàn)原來特征的功能。

    3.3 分類器的構(gòu)建及更新

    在多示例學(xué)習(xí)(MIL)框架下構(gòu)建的分類器能夠有效地解決正樣本的定位模糊問題,同時(shí),為了能更好地適應(yīng)視覺跟蹤中目標(biāo)外觀變化,在線更新目標(biāo)模型是很有必要的。樣本x用特征向量F(x)=(f1(x),…,fL(x))表示,其中每個(gè)特征假定都是獨(dú)立的,fl(v)(l=1,…,L)代表特征集,分類器hL(x)可用樸素貝葉斯分類器建模如下[10]:

    (2)

    本文用一組低維的顏色統(tǒng)計(jì)特征fl(l=1,…,L)表示樣本,設(shè)分類器hL(x)中的條件分布p(fl|y=1)和p(fl|y=0)服從高斯分布[10],其中fl是第l個(gè)低維的顏色統(tǒng)計(jì)特征向量,則

    (3)

    (4)

    (5)

    (6)

    在本方法中,假設(shè)每個(gè)樣本特征向量中的每個(gè)元素是相互獨(dú)立的,則

    p(fl(x)|y=1)=p(fl(x1)|y=1)…

    p(fl(xq)|y=1)

    (7)

    p(fl(x)|y=0)=p(fl(x1)|y=0)…

    p(fl(xq)|y=0)

    (8)

    其中fl(xi)(i=1,…,q)表示第l個(gè)顏色統(tǒng)計(jì)特征通道的第i個(gè)元素,q表示顏色統(tǒng)計(jì)特征的每個(gè)通道經(jīng)過PCA降維之后的維數(shù)。

    3.4 判別跟蹤算法

    算法1總結(jié)了本文跟蹤算法的主要步驟。為了判別最佳粒子,根據(jù)分類器hL(x)構(gòu)建置信函數(shù)來估計(jì)后驗(yàn)概率密度:

    c(x)=P(y=1|x)=σ(hL(x))

    (9)

    其中樣本x用特征向量F(x)=(f1(x),…,fL(x))表示,y∈{0,1}是二值變量表示樣本標(biāo)簽,σ(·)代表sigmoid函數(shù),即σ(z)=(1/(1+e-z))。最終將具有置信函數(shù)值最大的粒子即x*=argmaxx(c(x))作為跟蹤結(jié)果。

    算法1:判別跟蹤算法輸入: ?當(dāng)前幀t ?第t-1幀的跟蹤結(jié)果It-1(x?) ?n個(gè)候選粒子Sit-1,i=1,2,…,n輸出: ?第t幀的跟蹤結(jié)果It(x?)1:抽取正負(fù)樣本Xα和Xζ,β;2:獲取正負(fù)樣本的外觀模型F(Xα)和F(Xζ,β);3:構(gòu)建弱分類器?l(x)并根據(jù)公式(2)級(jí)聯(lián)為強(qiáng)分類器hL(x);4:根據(jù)p(St|St-1)=N(St;St-1,Σ)抽取n個(gè)候選粒子的狀態(tài)Sit,并獲取它們的外觀模型Fi(x),其中i=1,2,…,n;5:根據(jù)式(9)計(jì)算每個(gè)候選粒子的置信值c(x);6:將置信值最大的候選粒子x?=argmaxx(c(x))作為當(dāng)前幀的跟蹤結(jié)果It(x?);7:根據(jù)式(5)和(6)更新分類器的參數(shù)。

    4 實(shí)驗(yàn)結(jié)果及分析

    本節(jié)通過大量的實(shí)驗(yàn)驗(yàn)證了本文方法的有效性和效率。實(shí)驗(yàn)中選用了一個(gè)公共數(shù)據(jù)集[18]中的35個(gè)彩色視頻序列測試本文跟蹤器的性能。進(jìn)行實(shí)驗(yàn)的視頻序列具有不同的挑戰(zhàn)因素,包括光照變化(IV)、尺寸變化(SV)、變形(DEF)、運(yùn)動(dòng)模糊(MB)、快速運(yùn)動(dòng)(FM)、面內(nèi)旋轉(zhuǎn)(IPR)、面外旋轉(zhuǎn)(OPR),背景雜亂(BC),遮擋(OCC)、超出視野(OV)以及低分辨率(LR)。同時(shí),將本文設(shè)計(jì)的跟蹤器與5種先進(jìn)的追蹤器進(jìn)行比較,包括跟蹤學(xué)習(xí)檢測(TLD)[5],在線判別特征選擇(ODFS)[10],自適應(yīng)顏色屬性(CN)[15],自適應(yīng)局部外觀模型(ASLA)[19]以及稀疏協(xié)同模型(SCM)[20],每個(gè)跟蹤的實(shí)驗(yàn)參數(shù)都是從同一測評基準(zhǔn)庫中獲得的[18]。

    4.1 實(shí)驗(yàn)配置

    本實(shí)驗(yàn)在MATLAB平臺(tái)下,配置為i3 3.3GHz和2GB內(nèi)存的計(jì)算機(jī)上實(shí)現(xiàn)的。每個(gè)測試視頻的初始幀位置是通過手動(dòng)標(biāo)記的。本實(shí)驗(yàn)通過仿射參數(shù)將目標(biāo)區(qū)域縮放到32×32像素?cái)?shù)目的圖像塊,在每一幀中以半徑α=4抽取45個(gè)正樣本,抽取負(fù)樣本集Xζ,β的內(nèi)外半徑分別設(shè)為ζ=8,β=38。弱分類器的學(xué)習(xí)率設(shè)置為0.93,候選粒子的數(shù)目設(shè)為n=600。

    4.2 定性評價(jià)

    本節(jié)選擇了4個(gè)具有不同挑戰(zhàn)因素的視頻序列。圖3給出了本文提出的方法與一些先進(jìn)的算法之間的跟蹤結(jié)果。

    圖3(a)展示了籃球運(yùn)動(dòng)員在比賽中攔截、運(yùn)球以及防守等一系列動(dòng)作。在整個(gè)過程中,由于目標(biāo)外觀經(jīng)歷了光照、尺度、遮擋、變形等變化,很多跟蹤器不能一直跟蹤到最后,漂移到其他球員或者背景上面,但ODFS、CN跟蹤器以及本文提出的跟蹤器能一直跟蹤目標(biāo)。

    圖3(b)所示的bolt視頻序列中,運(yùn)動(dòng)員運(yùn)動(dòng)劇烈,而且經(jīng)歷了不同程度的面內(nèi)和面外旋轉(zhuǎn),CN跟蹤器和本文跟蹤器在整個(gè)序列中都能夠跟蹤目標(biāo)。這個(gè)結(jié)果表明,顏色統(tǒng)計(jì)特征可以有效地阻止跟蹤器漂移到背景區(qū)域。

    在david視頻序列(圖3(c))中,一個(gè)人從黑暗的房間走到明亮的區(qū)域。盡管大多數(shù)跟蹤器能夠跟蹤到目標(biāo),但在目標(biāo)轉(zhuǎn)身以及尺寸變小時(shí),部分跟蹤器不能很好地適應(yīng)這種變化。ALSA、SCM、TLD、CN跟蹤器和本文方法可以自始至終準(zhǔn)確地跟蹤移動(dòng)的目標(biāo)。由于顏色統(tǒng)計(jì)特征能夠削弱光照的影響,因此本文跟蹤器能使分類器更好地適應(yīng)目標(biāo)的外觀改變。

    圖3 6種跟蹤器的跟蹤結(jié)果

    Soccer視頻序列展示的是慶祝的場面,背景雜亂,而且背景的顏色和目標(biāo)衣服顏色很相近,目標(biāo)在整個(gè)過程中經(jīng)歷了遮擋、尺寸變化以及光照變化。由于本文方法有效地利用了多個(gè)示例和顏色統(tǒng)計(jì)特征更新和訓(xùn)練分類器,因此能很好地處理劇烈的外觀變化,很好地跟蹤目標(biāo)對象。

    4.3 定量評價(jià)

    本節(jié)采用重疊率(overlap rate,OR)定量評估跟蹤器的性能,OR是通過計(jì)算算法跟蹤結(jié)果目標(biāo)框 與真實(shí)結(jié)果目標(biāo)框之間的重疊率。本文用35個(gè)有挑戰(zhàn)性的彩色視頻序列進(jìn)行了測試,表1展示了本文方法和其他5種方法對于其中15個(gè)視頻序列的平均重疊率結(jié)果,其中最好的兩個(gè)結(jié)果分別用粗體和下劃線表示。從表中可以明顯地看出,選擇的視頻序列相對來說具有更多的挑戰(zhàn)因素,雖然本文方法的跟蹤結(jié)果不一定最準(zhǔn)確,但相對比較穩(wěn)定。

    圖4展示了本文算法和5種跟蹤器針對35個(gè)測試視頻序列的整體性能。為了測試跟蹤器是否對初始值敏感,本文采用一次性評估(one-pass evaluation, OPE)和時(shí)間魯棒性評價(jià)(temporal robustness evaluation, TRE)[18]來評估本文提出的跟蹤器的整體性能。OPE通過將跟蹤器從視頻序列的第一幀開始運(yùn)行,獲得平均精確度(precision)和成功率(success rate)。TRE則不同,采用的是將跟蹤器從視頻的不同幀開始運(yùn)行到最后。

    表1 平均重疊率的比較結(jié)果

    圖4 精確度圖和成功率圖

    圖4(a)(c)評估的是算法的精度,其中橫坐標(biāo)表示位置誤差閾值(location error threshold),單位是像素,縱坐標(biāo)表示精度。位置誤差是通過計(jì)算算法跟蹤結(jié)果與真實(shí)結(jié)果的中心位置的歐式距離得到的,若位置誤差小于選定的閾值,則認(rèn)為跟蹤結(jié)果準(zhǔn)確。從圖4(a)(c)可以看出,選定的位置誤差閾值越大,同一個(gè)跟蹤器的精度也越大。本實(shí)驗(yàn)中選定誤差閾值為20像素時(shí)對應(yīng)的精度估測不同的跟蹤器,精確度越高說明跟蹤器性能越好。相應(yīng)的,圖4(b)(d)評估的則是算法的成功率,其中橫坐標(biāo)表示重疊閾值(overlap threshold),縱坐標(biāo)代表成功率。重疊率的計(jì)算方式和OR相同,當(dāng)重疊率大于選定的閾值時(shí),則認(rèn)為跟蹤結(jié)果準(zhǔn)確。因此,從圖4(b)(d)中可以看出,當(dāng)重疊閾值越大,同一個(gè)跟蹤器的成功率反而越小。在這兩個(gè)圖中,采用曲線下面積(AUC)來評估不同的跟蹤器,AUC越大的跟蹤器性能越好。從圖4可以明顯看出,無論是OPE還是TRE,本文提出的方法性能都比較好,這說明本文方法對初始值不敏感,但其他跟蹤器在這4個(gè)圖中的排名卻并不一致,這是因?yàn)橛械母櫰鲗Τ跏贾迪鄬Ρ容^敏感。

    跟蹤器的性能會(huì)受不同挑戰(zhàn)因素的影響。圖5舉例說明和分析了本文跟蹤器在變形(DEF)、遮檔(OCC)以及尺寸變化(SV)這三種挑戰(zhàn)因素下的成功率圖和精確度圖。從圖5中可以看出,本文跟蹤器的性能是比較優(yōu)異的,除了在圖5(c)中成功率比SCM跟蹤器低了1.4%位居第二。除了圖5(c),本文跟蹤器和CN跟蹤器性能都超過其他跟蹤器,這顯示了顏色統(tǒng)計(jì)特征在目標(biāo)跟蹤中的優(yōu)越性。此外,由于采用了仿射變換,相對于CN跟蹤器來說,本文的方法能更好地適應(yīng)目標(biāo)尺度的變化。

    圖5 在變形(DEF)、遮擋(OCC)以及尺寸變化(SV)等不同挑戰(zhàn)因素下的精確度圖和成功率圖

    5 結(jié) 論

    本文提出了一個(gè)新的簡單而魯棒的基于顏色統(tǒng)計(jì)特征的判別跟蹤算法。本文在跟蹤過程中建立了仿射運(yùn)動(dòng)模型和優(yōu)化參數(shù)來解決尺寸變化以及角度變化等問題。此外,采用低維特征空間表示保存有用的顏色信息來反映目標(biāo)外觀變化,并直接用顏色統(tǒng)計(jì)特征訓(xùn)練分類器,避免了特征選擇,從而設(shè)計(jì)了一個(gè)更簡單的方法。大量的實(shí)驗(yàn)結(jié)果表明,在面對不同的挑戰(zhàn)因素時(shí),本文提出的跟蹤方法都有較大的優(yōu)勢。然而,本文方法在提高準(zhǔn)確性的同時(shí)降低了幀率。今后將會(huì)針對這一問題,尋求解決的方案以使跟蹤器的精確度和效率更高。

    [1] Adam A, Rivlin E, Shimshoni I. Robust fragments-based tracking using the integral histogram. In: IEEE Conference on Computer Vision & Pattern Recognition, New York, USA, 2006. 798-805

    [2] Kwon J, Lee K M. Visual tracking decomposition. In: IEEE Conference on Computer Vision & Pattern Recognition, San Francisco, USA, 2010. 1269-1276

    [3] Ross D A, Lim J, Lin R S, et al. Incremental learning for robust visual tracking.AdvancesinNeuralInformationProcessingSystems, 2008, 77(1-3): 125-141

    [4] 郭鵬宇, 蘇昂, 張紅良等. 結(jié)合紋理和形狀特征的在線混合隨機(jī)樸素貝葉斯視覺跟蹤器. 光學(xué)學(xué)報(bào), 2015, 03: 195-205

    [5] Kalal Z, Matas J, Mikolajczyk K. P-N learning: Bootstrapping binary classifiers by structural constraints. In: IEEE Conference on Computer Vision & Pattern Recognition, San Francisco, USA, 2010, 238(6): 49-56

    [6] Dalal N, Triggs B. Histograms of oriented gradients for human detection. In: IEEE Conference on Computer Vision & Pattern Recognition, San Diego, USA, 2005. 886-893

    [7] Ahonen T, Hadid A, Pietik?inen M. Face recognition with local binary patterns.LectureNotesinComputerScience, 2004, 3021: 469-481

    [8] 朱秋平, 顏佳, 張虎等. 基于壓縮感知的多特征實(shí)時(shí)跟蹤. 光學(xué)精密工程, 2013, 21(2): 437-444

    [9] Babenko B, Yang M H, Belongie S. Robust object tracking with online multiple instance learning.IEEETransactionsonPatternAnalysis&MachineIntelligence, 2011, 33(8): 1619-1632

    [10] Zhang K, Zhang L, Yang M H. Real-time object tracking via online discriminative feature selection.IEEETransactionsonImageProcessing, 2013, 22(12): 4664 - 4677

    [11] Swain M J, Ballard D H. Color indexing.InternationalJournalofComputerVision, 1991, 7(1): 11-32

    [12] Stricker A M A, Orengo M. Similarity of color images.ProceedingsofSPIE-TheInternationalSocietyforOpticalEngineering, 1970, 2420: 381-392

    [13] Huang J, Kumar S R, Mitra M, et al. Image indexing using color correlograms. In: IEEE Conference on Computer Vision & Pattern Recognition, San Juan, Puerto Rico, 1997. 762-768

    [14] Joost V D W, Cordelia S, Jakob V, et al. Learning color names for real-world applications.IEEETransactionsonImageProcessingAPublicationoftheIEEESignalProcessingSociety, 2009, 18(7): 1512-1523

    [15] Danelljan M, Khan F S, Felsberg M, et al. Adaptive color attributes for real-time visual tracking. In: IEEE Conference on Computer Vision & Pattern Recognition, Columbus, USA, 2014. 1090-1097

    [16] Avidan S. Ensemble tracking.IEEETransactionsonPatternAnalysis&MachineIntelligence, 2007, 29(2): 261-271

    [17] Berlin B, Kay P. Basic Color Terms: Their Universality and Evolution. Berkeley: UC Press, 1969

    [18] Wu Y, Lim J, Yang M H. Online object tracking: A benchmark. In: IEEE Conference on Computer Vision & Pattern Recognition, Portland, USA, 2013. 2411-2418

    [19] Jia X. Visual tracking via adaptive structural local sparse appearance model. In: IEEE Conference on Computer Vision & Pattern Recognition, Providence. USA, 2012. 1822-1829

    [20] Zhong W. Robust object tracking via sparsity-based collaborative model. In: IEEE Conference on Computer Vision & Pattern Recognition, Providence, USA, 2012. 1838-1845

    A new discriminative tracking algorithm based on color statistical characteristics

    Hu Zhaohua***, Ju Rong*, Ou Yangwen*, Jin Rong*

    (*School of Electronic & Information Engineering, Nanjing University of Information Science & Technology, Nanjing 210044)(**Jiangsu Collaborative Innovation Center on Atmospheric Environment and Equipment Technology, Nanjing 210044)

    In view of the problem that most discriminative algorithms for target tracking focus on the tracking speed while neglect the scale variation, a simple, robust discriminative algorithm based on color statistical characteristics was presented. The new color statistical characteristics not only possess the certain illumination invariance, but also maintain the higher discriminative power. An affine kinematics model for tracking was established to keep optimizing the parameters during tracking to solve the scale variation and the view angle change. To improve the tracking speed, the low-dimensional color statistical characteristics were used to describe the target appearance, and the color statistical characteristics were used to train naive Bayes classifiers and update classifiers online. The sample with the maximum confidence was regarded as the tracking result. Numerous comprehensive experiments were conducted for evaluation of the proposed algorithm and other algorithms, and the remarkable effectiveness under different challenge factors of the proposed tracking algorithm was showed.

    visual tracking, color statistical characteristics, affine transformation, dimensionality reduction, discriminative classifier

    10.3772/j.issn.1002-0470.2016.03.004

    ①國家自然科學(xué)青年基金(61203273),江蘇省自然科學(xué)基金青年基金(BK20141004),江蘇省普通高校自然科學(xué)研究資助項(xiàng)目(11KJB510009, 14KJB510019),江蘇省“信息與通信工程”優(yōu)勢學(xué)科資助和江蘇省大學(xué)生實(shí)踐創(chuàng)新訓(xùn)練計(jì)劃(201410300021)資助項(xiàng)目。

    ,E-mail: jrnuist@163.com(

    2015-12-01)

    ②女,1981年生,博士,副教授;研究方向:視頻目標(biāo)跟蹤,模式識(shí)別,粒子濾波等;E-mail: zhaohua_hu@163.com

    猜你喜歡
    跟蹤器特征向量分類器
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計(jì)——以特征值和特征向量為例
    克羅內(nèi)克積的特征向量
    光伏跟蹤器陣列跟蹤精度的測算方法研究
    太陽能(2022年3期)2022-03-29 05:15:50
    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
    超長待機(jī)的自行車位置跟蹤器
    一類特殊矩陣特征向量的求法
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    雙向多軌跡判定方法在目標(biāo)跟蹤中的應(yīng)用研究
    EXCEL表格計(jì)算判斷矩陣近似特征向量在AHP法檢驗(yàn)上的應(yīng)用
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    午夜免费男女啪啪视频观看| 亚洲成人精品中文字幕电影| 91狼人影院| 联通29元200g的流量卡| 国产精品永久免费网站| 国产一区有黄有色的免费视频 | 又粗又硬又长又爽又黄的视频| 国产精品国产三级国产av玫瑰| 97在线视频观看| 亚洲伊人久久精品综合 | 91久久精品国产一区二区成人| 国产精品精品国产色婷婷| 久久综合国产亚洲精品| 成人午夜高清在线视频| 麻豆国产97在线/欧美| 有码 亚洲区| 中文字幕熟女人妻在线| 九九热线精品视视频播放| 国产私拍福利视频在线观看| 久久99热这里只有精品18| a级一级毛片免费在线观看| 亚洲丝袜综合中文字幕| 又黄又爽又刺激的免费视频.| 国产欧美另类精品又又久久亚洲欧美| 久久久久久伊人网av| 国产三级中文精品| 亚洲国产精品合色在线| 看十八女毛片水多多多| 国产精品1区2区在线观看.| av.在线天堂| 亚洲中文字幕日韩| 看十八女毛片水多多多| 欧美最新免费一区二区三区| 麻豆av噜噜一区二区三区| 男插女下体视频免费在线播放| a级毛色黄片| 女人被狂操c到高潮| 韩国高清视频一区二区三区| 一区二区三区乱码不卡18| 麻豆国产97在线/欧美| 国产成人aa在线观看| 在线观看一区二区三区| 少妇猛男粗大的猛烈进出视频 | av视频在线观看入口| 性插视频无遮挡在线免费观看| 午夜精品在线福利| 亚洲国产精品成人综合色| 最后的刺客免费高清国语| 国产成人aa在线观看| 日韩 亚洲 欧美在线| 午夜老司机福利剧场| av在线播放精品| 欧美性感艳星| 深爱激情五月婷婷| 久久99热这里只频精品6学生 | 午夜激情欧美在线| 免费黄色在线免费观看| 99热6这里只有精品| 一级黄片播放器| 人妻系列 视频| 特大巨黑吊av在线直播| 一级av片app| 国产91av在线免费观看| 级片在线观看| 国产激情偷乱视频一区二区| 欧美日韩国产亚洲二区| 啦啦啦啦在线视频资源| 一个人免费在线观看电影| 亚洲高清免费不卡视频| 97热精品久久久久久| 人妻系列 视频| 国产在视频线在精品| 精品人妻一区二区三区麻豆| 国产精品蜜桃在线观看| 亚洲三级黄色毛片| 国产亚洲精品av在线| 久久精品久久久久久久性| 亚洲国产色片| 少妇熟女欧美另类| 建设人人有责人人尽责人人享有的 | 男女视频在线观看网站免费| 一个人观看的视频www高清免费观看| 亚洲国产最新在线播放| 国内精品宾馆在线| 最近2019中文字幕mv第一页| 国产单亲对白刺激| 亚洲久久久久久中文字幕| 国产乱人偷精品视频| 看黄色毛片网站| 欧美激情久久久久久爽电影| 国产熟女欧美一区二区| 亚洲熟妇中文字幕五十中出| 午夜激情欧美在线| 久久亚洲国产成人精品v| 亚洲精品日韩在线中文字幕| 超碰av人人做人人爽久久| 久久久久性生活片| 精品少妇黑人巨大在线播放 | 国产精品久久电影中文字幕| 欧美日韩综合久久久久久| 亚洲精品自拍成人| 亚洲美女视频黄频| 午夜视频国产福利| 亚洲欧美一区二区三区国产| 亚洲精品日韩在线中文字幕| 色综合色国产| 精品久久久噜噜| 极品教师在线视频| 亚洲欧美清纯卡通| or卡值多少钱| 草草在线视频免费看| av在线蜜桃| 国内精品一区二区在线观看| 国产成人a区在线观看| 麻豆精品久久久久久蜜桃| 亚洲婷婷狠狠爱综合网| 亚洲av成人av| 在线观看一区二区三区| 日产精品乱码卡一卡2卡三| 天天躁夜夜躁狠狠久久av| 亚洲成人精品中文字幕电影| 高清av免费在线| 激情 狠狠 欧美| 成人午夜高清在线视频| 直男gayav资源| av福利片在线观看| 在线免费观看的www视频| 午夜福利视频1000在线观看| 国产精品野战在线观看| 黄片无遮挡物在线观看| 日韩欧美精品免费久久| 成人欧美大片| 亚洲激情五月婷婷啪啪| 久久亚洲精品不卡| 高清视频免费观看一区二区 | 我的女老师完整版在线观看| 亚洲一级一片aⅴ在线观看| 97在线视频观看| 99久国产av精品国产电影| 人妻系列 视频| av黄色大香蕉| 中文字幕av在线有码专区| 岛国毛片在线播放| 麻豆久久精品国产亚洲av| 亚洲国产精品sss在线观看| 亚洲一级一片aⅴ在线观看| 免费看美女性在线毛片视频| 国产精品久久视频播放| 99热6这里只有精品| 国产又黄又爽又无遮挡在线| 成人综合一区亚洲| 国产成人一区二区在线| 插逼视频在线观看| 在线观看一区二区三区| 久久6这里有精品| 欧美丝袜亚洲另类| 成人一区二区视频在线观看| 最近中文字幕2019免费版| 日韩av在线免费看完整版不卡| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日本猛色少妇xxxxx猛交久久| 精品久久久久久久久av| 天天躁日日操中文字幕| 婷婷色av中文字幕| 最近最新中文字幕大全电影3| 如何舔出高潮| 久热久热在线精品观看| 99九九线精品视频在线观看视频| 国产在视频线精品| 国模一区二区三区四区视频| 91精品国产九色| 日韩欧美国产在线观看| 伦精品一区二区三区| 国产精品久久久久久久电影| 国产亚洲5aaaaa淫片| 一本一本综合久久| 少妇人妻精品综合一区二区| 成人鲁丝片一二三区免费| 国产一区有黄有色的免费视频 | 我要看日韩黄色一级片| 国模一区二区三区四区视频| 2021少妇久久久久久久久久久| 九九久久精品国产亚洲av麻豆| 亚洲国产欧美在线一区| 一级毛片久久久久久久久女| 六月丁香七月| 久热久热在线精品观看| 成人午夜精彩视频在线观看| 中文亚洲av片在线观看爽| 国产 一区精品| 久久99精品国语久久久| 日韩国内少妇激情av| 欧美精品一区二区大全| 亚洲av免费在线观看| 午夜免费激情av| av线在线观看网站| 亚洲欧美日韩东京热| 久久欧美精品欧美久久欧美| 久久精品综合一区二区三区| 大香蕉97超碰在线| 欧美高清性xxxxhd video| 日韩成人伦理影院| 22中文网久久字幕| 91午夜精品亚洲一区二区三区| 国产又黄又爽又无遮挡在线| 国产伦在线观看视频一区| 永久网站在线| 亚洲欧美精品专区久久| 少妇的逼好多水| 美女内射精品一级片tv| 国产美女午夜福利| 蜜桃亚洲精品一区二区三区| 欧美人与善性xxx| 国产三级在线视频| 国产亚洲午夜精品一区二区久久 | 午夜老司机福利剧场| 久久国内精品自在自线图片| 中文字幕精品亚洲无线码一区| 久久精品国产99精品国产亚洲性色| 午夜福利成人在线免费观看| 高清毛片免费看| 国产探花在线观看一区二区| 伦精品一区二区三区| 亚洲中文字幕日韩| 91午夜精品亚洲一区二区三区| 日本午夜av视频| 爱豆传媒免费全集在线观看| 色综合站精品国产| 精品免费久久久久久久清纯| av国产久精品久网站免费入址| 久久久国产成人免费| 欧美成人免费av一区二区三区| 久久人妻av系列| 中文字幕av在线有码专区| h日本视频在线播放| 午夜福利网站1000一区二区三区| 精品国产露脸久久av麻豆 | 极品教师在线视频| 十八禁国产超污无遮挡网站| 色5月婷婷丁香| 成人亚洲欧美一区二区av| 男女啪啪激烈高潮av片| av免费观看日本| 日韩欧美三级三区| 国产亚洲最大av| 99久久无色码亚洲精品果冻| 男人和女人高潮做爰伦理| 国产69精品久久久久777片| 久久久久久久久久久丰满| 可以在线观看毛片的网站| 国产精品乱码一区二三区的特点| 亚洲中文字幕一区二区三区有码在线看| 国产精品无大码| 亚洲伊人久久精品综合 | 色播亚洲综合网| 简卡轻食公司| 蜜桃久久精品国产亚洲av| a级一级毛片免费在线观看| 欧美不卡视频在线免费观看| 成人毛片60女人毛片免费| 亚洲精品成人久久久久久| 变态另类丝袜制服| 91久久精品国产一区二区成人| 国产精品一二三区在线看| 久久精品国产鲁丝片午夜精品| 看黄色毛片网站| 一级黄色大片毛片| 免费看a级黄色片| 亚洲美女视频黄频| 听说在线观看完整版免费高清| 大香蕉97超碰在线| 国产精品蜜桃在线观看| 成人一区二区视频在线观看| 人人妻人人澡人人爽人人夜夜 | 国产成人a区在线观看| 国产色婷婷99| 国产亚洲av嫩草精品影院| 午夜激情福利司机影院| 全区人妻精品视频| 久久久久久久国产电影| 亚洲婷婷狠狠爱综合网| 一边亲一边摸免费视频| 又黄又爽又刺激的免费视频.| kizo精华| 精品国产露脸久久av麻豆 | 长腿黑丝高跟| 毛片一级片免费看久久久久| 超碰av人人做人人爽久久| 久久这里只有精品中国| 欧美日韩国产亚洲二区| 午夜福利在线在线| 搡老妇女老女人老熟妇| 亚洲精品乱码久久久v下载方式| 夫妻性生交免费视频一级片| 99久久中文字幕三级久久日本| 亚洲最大成人手机在线| 国产精品久久电影中文字幕| 国产高清不卡午夜福利| 免费不卡的大黄色大毛片视频在线观看 | 男的添女的下面高潮视频| 欧美性猛交黑人性爽| 亚洲一区高清亚洲精品| 岛国毛片在线播放| 99热网站在线观看| 精品一区二区三区视频在线| 日韩欧美在线乱码| 精品久久久久久久久亚洲| 欧美成人a在线观看| 久久久久久久亚洲中文字幕| 久久久久久九九精品二区国产| 激情 狠狠 欧美| 晚上一个人看的免费电影| 亚洲成人av在线免费| 亚洲av成人av| 国产精品国产三级国产专区5o | 校园人妻丝袜中文字幕| 免费黄网站久久成人精品| 国产午夜福利久久久久久| 91久久精品国产一区二区三区| 久久精品国产99精品国产亚洲性色| 国产成人一区二区在线| 伊人久久精品亚洲午夜| 2021少妇久久久久久久久久久| 日韩高清综合在线| 国产精品久久电影中文字幕| 三级国产精品欧美在线观看| 综合色av麻豆| 嘟嘟电影网在线观看| 小说图片视频综合网站| 亚洲内射少妇av| 水蜜桃什么品种好| 亚洲国产日韩欧美精品在线观看| 亚洲成人精品中文字幕电影| 丰满少妇做爰视频| 天堂av国产一区二区熟女人妻| 欧美又色又爽又黄视频| 欧美zozozo另类| 丝袜喷水一区| 高清午夜精品一区二区三区| 成年女人永久免费观看视频| 婷婷色av中文字幕| 亚洲美女搞黄在线观看| 国产高潮美女av| 男女视频在线观看网站免费| 国产成人精品一,二区| 大话2 男鬼变身卡| 99九九线精品视频在线观看视频| 久久草成人影院| 国产老妇女一区| 久久精品综合一区二区三区| 在线免费观看不下载黄p国产| 美女脱内裤让男人舔精品视频| 深爱激情五月婷婷| 亚洲美女搞黄在线观看| 日韩人妻高清精品专区| 性插视频无遮挡在线免费观看| 精品99又大又爽又粗少妇毛片| 我的老师免费观看完整版| 国产成人91sexporn| 一区二区三区高清视频在线| 高清av免费在线| 欧美极品一区二区三区四区| 少妇高潮的动态图| 国产精品久久久久久精品电影| 99热这里只有是精品在线观看| 日韩在线高清观看一区二区三区| 久久久久久久久久成人| 国产精品国产三级国产专区5o | 大香蕉久久网| 国产黄a三级三级三级人| 建设人人有责人人尽责人人享有的 | 久热久热在线精品观看| 精品不卡国产一区二区三区| 听说在线观看完整版免费高清| 亚洲精品一区蜜桃| 91午夜精品亚洲一区二区三区| av卡一久久| 丝袜喷水一区| 一区二区三区高清视频在线| 亚洲精品国产成人久久av| 亚洲va在线va天堂va国产| 国产又色又爽无遮挡免| 91午夜精品亚洲一区二区三区| 99国产精品一区二区蜜桃av| av线在线观看网站| 精品不卡国产一区二区三区| 亚洲欧洲日产国产| 亚洲图色成人| 久久国产乱子免费精品| 春色校园在线视频观看| 国产在线男女| 久久亚洲精品不卡| 日本五十路高清| 免费观看人在逋| 久久久久久久亚洲中文字幕| 国产精品无大码| 一本一本综合久久| 日韩成人av中文字幕在线观看| 亚洲国产精品国产精品| 91aial.com中文字幕在线观看| 男插女下体视频免费在线播放| 亚洲在线观看片| 久久人妻av系列| 又爽又黄无遮挡网站| 啦啦啦观看免费观看视频高清| 91av网一区二区| 国产精品久久视频播放| 天堂网av新在线| 中文精品一卡2卡3卡4更新| 我要看日韩黄色一级片| 蜜桃亚洲精品一区二区三区| 91狼人影院| 国产成人免费观看mmmm| 国产麻豆成人av免费视频| 欧美区成人在线视频| 99久久精品热视频| 99热全是精品| av.在线天堂| 欧美zozozo另类| 亚洲丝袜综合中文字幕| 日韩一本色道免费dvd| 欧美成人一区二区免费高清观看| 国产精品野战在线观看| 最新中文字幕久久久久| 秋霞在线观看毛片| 不卡视频在线观看欧美| 日韩大片免费观看网站 | 亚洲精品久久久久久婷婷小说 | 免费看av在线观看网站| 国内精品美女久久久久久| 少妇猛男粗大的猛烈进出视频 | 国产精品久久电影中文字幕| 成人欧美大片| 91狼人影院| 久久久久久久久久黄片| 欧美成人精品欧美一级黄| 成人毛片60女人毛片免费| 久久午夜福利片| 色综合色国产| 99久久中文字幕三级久久日本| 久99久视频精品免费| 99久久九九国产精品国产免费| a级毛片免费高清观看在线播放| 午夜久久久久精精品| 在线观看av片永久免费下载| 亚洲av免费高清在线观看| 波野结衣二区三区在线| 一级二级三级毛片免费看| 成人美女网站在线观看视频| 国内揄拍国产精品人妻在线| 99在线视频只有这里精品首页| 中国美白少妇内射xxxbb| 久久韩国三级中文字幕| 啦啦啦观看免费观看视频高清| 日韩av在线免费看完整版不卡| 汤姆久久久久久久影院中文字幕 | 久久精品91蜜桃| 毛片一级片免费看久久久久| 成人欧美大片| 国产精品无大码| 桃色一区二区三区在线观看| 女人久久www免费人成看片 | 亚洲av电影不卡..在线观看| 男女啪啪激烈高潮av片| 丝袜美腿在线中文| 啦啦啦韩国在线观看视频| 亚洲精品日韩av片在线观看| 久久韩国三级中文字幕| 国产中年淑女户外野战色| .国产精品久久| 日韩三级伦理在线观看| 特大巨黑吊av在线直播| 亚洲中文字幕一区二区三区有码在线看| 免费观看人在逋| 国产又黄又爽又无遮挡在线| 欧美日韩在线观看h| 非洲黑人性xxxx精品又粗又长| 国产免费福利视频在线观看| 亚洲国产最新在线播放| 波野结衣二区三区在线| 久久综合国产亚洲精品| 99久久精品一区二区三区| 九九久久精品国产亚洲av麻豆| 亚洲综合精品二区| 91精品一卡2卡3卡4卡| 欧美日本视频| 欧美精品一区二区大全| 一夜夜www| 国产免费男女视频| 免费看美女性在线毛片视频| 老师上课跳d突然被开到最大视频| 国产 一区精品| 国产人妻一区二区三区在| 国产老妇女一区| 少妇裸体淫交视频免费看高清| 国产69精品久久久久777片| 人人妻人人看人人澡| 97在线视频观看| 久久精品国产鲁丝片午夜精品| 亚洲成人中文字幕在线播放| 国产精品国产三级国产专区5o | 我要看日韩黄色一级片| 国产伦精品一区二区三区四那| 久久久久久久久久黄片| 中文字幕精品亚洲无线码一区| 日日啪夜夜撸| 成年免费大片在线观看| 大话2 男鬼变身卡| 国产成人a∨麻豆精品| 欧美变态另类bdsm刘玥| av又黄又爽大尺度在线免费看 | 老师上课跳d突然被开到最大视频| 在线观看66精品国产| 22中文网久久字幕| 嫩草影院入口| 级片在线观看| 色综合亚洲欧美另类图片| 欧美成人免费av一区二区三区| 国产亚洲5aaaaa淫片| 国内精品宾馆在线| 欧美日韩综合久久久久久| 亚洲精品国产成人久久av| 精品免费久久久久久久清纯| 亚洲av中文字字幕乱码综合| 色哟哟·www| 丝袜喷水一区| 五月伊人婷婷丁香| 非洲黑人性xxxx精品又粗又长| 精品熟女少妇av免费看| 成人午夜高清在线视频| 亚洲无线观看免费| 一边亲一边摸免费视频| 99久久成人亚洲精品观看| av国产免费在线观看| 久久久国产成人精品二区| 国产精品国产三级专区第一集| 午夜爱爱视频在线播放| 夜夜看夜夜爽夜夜摸| 日本av手机在线免费观看| 欧美日韩国产亚洲二区| 舔av片在线| 精品国内亚洲2022精品成人| 国内揄拍国产精品人妻在线| 亚洲一区高清亚洲精品| 婷婷色麻豆天堂久久 | 国产在线男女| or卡值多少钱| 日韩欧美在线乱码| 色哟哟·www| 啦啦啦韩国在线观看视频| 亚洲av.av天堂| av线在线观看网站| 亚洲精品成人久久久久久| 韩国高清视频一区二区三区| 亚洲欧美成人精品一区二区| 国产成人免费观看mmmm| 极品教师在线视频| 日产精品乱码卡一卡2卡三| 国产精品美女特级片免费视频播放器| 熟妇人妻久久中文字幕3abv| 少妇人妻一区二区三区视频| 最近2019中文字幕mv第一页| 搞女人的毛片| 亚洲欧洲国产日韩| 国产91av在线免费观看| av免费观看日本| 韩国高清视频一区二区三区| 久久热精品热| 久久久久网色| 日本免费一区二区三区高清不卡| 51国产日韩欧美| 日本-黄色视频高清免费观看| 成人无遮挡网站| 欧美激情久久久久久爽电影| 99九九线精品视频在线观看视频| 国产大屁股一区二区在线视频| 久久久久久久久大av| 国产亚洲av片在线观看秒播厂 | 91精品一卡2卡3卡4卡| 一级毛片电影观看 | 成年女人看的毛片在线观看| 毛片女人毛片| 精品国产露脸久久av麻豆 | 91aial.com中文字幕在线观看| a级毛色黄片| 亚洲自拍偷在线| 国产亚洲一区二区精品| 日本与韩国留学比较| 秋霞在线观看毛片| 亚洲真实伦在线观看| 免费在线观看成人毛片| 国产av在哪里看| a级毛色黄片| 日本免费一区二区三区高清不卡| 老司机影院成人| 欧美三级亚洲精品| 男插女下体视频免费在线播放| 亚洲成人av在线免费| 天天躁日日操中文字幕| 欧美最新免费一区二区三区| 少妇猛男粗大的猛烈进出视频 | 日韩成人av中文字幕在线观看| 久久久久免费精品人妻一区二区| 一级二级三级毛片免费看| 国产午夜精品论理片| 舔av片在线| 欧美激情国产日韩精品一区| 超碰av人人做人人爽久久| 人妻制服诱惑在线中文字幕| 毛片一级片免费看久久久久| 欧美一级a爱片免费观看看| 身体一侧抽搐| 好男人在线观看高清免费视频| 日韩欧美 国产精品| 午夜激情福利司机影院|