• <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 ?

    融合圖像語(yǔ)義的動(dòng)態(tài)視頻拼接方法

    2018-12-10 03:40:04王冬生宋文杰付夢(mèng)印
    關(guān)鍵詞:語(yǔ)義特征評(píng)價(jià)

    楊 毅,王冬生,宋文杰,付夢(mèng)印

    (北京理工大學(xué)自動(dòng)化學(xué)院,北京 100081)

    0 引 言

    隨著機(jī)器人技術(shù)的進(jìn)步與發(fā)展,機(jī)器人對(duì)于視覺(jué)信息的需求越來(lái)越高,普通攝像頭受限于視場(chǎng)角,全方位相機(jī)又存在分辨率過(guò)低且拍攝死角較大等問(wèn)題,而圖像拼接技術(shù)能夠?qū)⒍鄠€(gè)的圖像拼接成一幅大視場(chǎng)圖像,可以更準(zhǔn)確地檢測(cè)和追蹤圖像中的目標(biāo)[1]。視頻拼接是圖像拼接的技術(shù)延伸,其對(duì)拼接的實(shí)時(shí)性、連續(xù)性、魯棒性有更高的要求,在視頻監(jiān)控和無(wú)人駕駛系統(tǒng)中有重要的應(yīng)有價(jià)值。

    圖像拼接作為視頻拼接技術(shù)的基礎(chǔ),按照拼接模式可以分為兩類(lèi)。第一類(lèi)是以文獻(xiàn)[2]為代表的通過(guò)估計(jì)全局2D投影變形來(lái)對(duì)齊輸入圖像的拼接模式[2],該模式主要利用一個(gè)全局3×3單應(yīng)矩陣將多張圖像對(duì)齊到同一坐標(biāo)平面[3],并使用多頻帶融合算法獲取大場(chǎng)景拼接圖像,但這類(lèi)方法是基于拍攝內(nèi)容近似處于同一個(gè)平面的假設(shè)實(shí)現(xiàn),對(duì)于不滿(mǎn)足假設(shè)的情況,由于全局投影模型不一致,會(huì)導(dǎo)致拼接圖像出現(xiàn)重影或模糊等問(wèn)題。第二類(lèi)是利用多個(gè)局部單應(yīng)矩陣對(duì)齊圖像的模式[4-9],代表方法是文獻(xiàn)[7]在2015年國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議上提出自適應(yīng)圖像拼接方法(adaptive as-natural-as-possible,AANAP)[7],該方法將圖像劃分為密集網(wǎng)格,每個(gè)網(wǎng)格都計(jì)算出一個(gè)單應(yīng)矩陣。并將局部單應(yīng)性與全局相似性變換組合,根據(jù)圖像目標(biāo)自動(dòng)估計(jì)出所有參數(shù)。這類(lèi)方法可以允許一定程度的局部視差,但由于引入網(wǎng)格的形變估計(jì),極大增加了計(jì)算成本,拼接一張圖需要十幾秒甚至幾分鐘,不能直接應(yīng)用到視頻拼接算法中。為了降低拼接的計(jì)算成本,本文從當(dāng)前圖像拼接技術(shù)出發(fā),將圖像分為上下兩個(gè)半平面,用兩個(gè)局部單應(yīng)矩陣擬合,在局部視差允許的情況下,加快算法的處理速度。

    目前視頻拼接按相機(jī)設(shè)置和應(yīng)用場(chǎng)景可以分為3大類(lèi),第1類(lèi)是靜態(tài)場(chǎng)景下攝像機(jī)間幾何關(guān)系固定的拼接方法[10-11],該類(lèi)方法由于應(yīng)用環(huán)境比較單一,只需預(yù)先標(biāo)定校準(zhǔn)一次攝像機(jī)間的位置,然后輔助過(guò)渡區(qū)域局部融合算法,就能夠?qū)崿F(xiàn)實(shí)時(shí)的圖像拼接。第2類(lèi)是運(yùn)動(dòng)環(huán)境下攝像機(jī)間幾何關(guān)系固定的拼接方法[12-14],該類(lèi)方法同第1類(lèi)相似,也需要預(yù)先標(biāo)定好攝像機(jī)之間的幾何關(guān)系,但由于應(yīng)用于運(yùn)動(dòng)環(huán)境,環(huán)境所屬平面變化時(shí)都會(huì)不可避免地產(chǎn)生局部視差。第3類(lèi)是靜態(tài)和運(yùn)動(dòng)環(huán)境下攝像機(jī)間相互獨(dú)立的拼接方法[15-17],該類(lèi)方法主要應(yīng)用于非剛性固連的攝像機(jī)組,例如手持?jǐn)z像設(shè)備,懸掛式拖車(chē)環(huán)視設(shè)備等,由于輸入設(shè)備之間的位置關(guān)系不確定性,場(chǎng)景投影平面時(shí)變性,需要實(shí)時(shí)校準(zhǔn)標(biāo)定參數(shù)。對(duì)于手持設(shè)備拍攝的離線(xiàn)視頻,為了實(shí)現(xiàn)更好的拼接效果,視頻需作平滑運(yùn)動(dòng)軌跡的穩(wěn)定處理[16]。對(duì)于在線(xiàn)拼接方法,由于無(wú)法預(yù)知相機(jī)運(yùn)動(dòng)軌跡,很難獲取滿(mǎn)意的拼接圖像,本文采用基于拼接質(zhì)量反饋的方法優(yōu)化拼接結(jié)果。

    圖像語(yǔ)義分割技術(shù)是指使用一定的分類(lèi)方法對(duì)圖像進(jìn)行像素分類(lèi)。在深度學(xué)習(xí)應(yīng)用到計(jì)算機(jī)視覺(jué)領(lǐng)域之前,人們使用紋理基元森林(texton forest,TF)和隨機(jī)森林(random forest,RF)分類(lèi)器進(jìn)行語(yǔ)義分割,隨后提出的卷積神經(jīng)網(wǎng)絡(luò)極大地促進(jìn)了語(yǔ)義分割領(lǐng)域的發(fā)展。文獻(xiàn)[18]提出了用于語(yǔ)義分割的全卷積網(wǎng)絡(luò)(fully convolutional networks,FCN),FCN主要使用了卷積化、上采樣、跳躍結(jié)構(gòu)等技術(shù),改善了語(yǔ)義分割的結(jié)果,將端對(duì)端的卷積網(wǎng)絡(luò)應(yīng)用到語(yǔ)義分割領(lǐng)域,這使得卷積神經(jīng)網(wǎng)絡(luò)無(wú)需全連接層即可進(jìn)行密集的像素分類(lèi),使用這種方法可生成任意大小的分割圖,在這之后,語(yǔ)義分割領(lǐng)域幾乎所有先進(jìn)方法都采用了該模型。2015年文獻(xiàn)[19]提出一種用于圖像分割的深度卷積編碼器-解碼器架構(gòu)(A deep convolutional encoder-decoder architecture for image segmentation,SegNet),包含一個(gè)編碼網(wǎng)絡(luò)和對(duì)應(yīng)的解碼網(wǎng)絡(luò),并跟隨一個(gè)像素級(jí)別的分類(lèi)層。編碼層由13個(gè)卷積層構(gòu)成,其作用是提取圖像特征,解碼器網(wǎng)絡(luò)將低分辨率的特征圖譜還原到輸入圖像的分辨率,可以處理任意大小的輸入圖像并輸出相同大小的分割圖。在FCN中,盡管使用了解卷積層和一些跳躍連接,但輸出的分割圖仍然比較粗糙,SegNet沒(méi)有復(fù)制FCN 中的編碼器特征,而是復(fù)制了最大池化索引,只存儲(chǔ)特征映射的最大匯集指數(shù),這使得SegNet比 FCN更節(jié)省內(nèi)存,效率更高,其在城區(qū)場(chǎng)景理解方面效果表現(xiàn)明顯,因此本文采用文獻(xiàn)[19]提供的SegNet 語(yǔ)義模型對(duì)城市環(huán)境進(jìn)行語(yǔ)義分割,圖1為語(yǔ)義分割效果圖。

    圖1 語(yǔ)義分割效果圖Fig.1 Effect of the Semantic segmentation

    綜上所述,圖像語(yǔ)義分割結(jié)果可以提供圖像的高階語(yǔ)義信息,對(duì)環(huán)境有更高的解析,但該技術(shù)還未曾應(yīng)用到視頻拼接領(lǐng)域。為了提高現(xiàn)有視頻拼接技術(shù)的準(zhǔn)確性與魯棒性,本文提出一種融合圖像語(yǔ)義信息的在線(xiàn)動(dòng)態(tài)視頻拼接方案。

    1 系統(tǒng)框架

    為了加快拼接速度,本文采用多線(xiàn)程方式分時(shí)并行處理拼接過(guò)程,拼接系統(tǒng)由主線(xiàn)程、特征配準(zhǔn)線(xiàn)程、特征評(píng)價(jià)線(xiàn)程3部分組成,系統(tǒng)框架如圖2所示。主線(xiàn)程的主要步驟包括:圖像預(yù)處理、圖像降采樣、圖像語(yǔ)義分割、單應(yīng)矩陣預(yù)測(cè)模型更新、拼接質(zhì)量?jī)?yōu)化、圖像融合等。其中圖像預(yù)處理是指利用改進(jìn)的張正友棋盤(pán)格標(biāo)定算法[20]校正原始圖像的圖像畸變;圖像語(yǔ)義分割前需要先將原圖降采樣到360×480大小,然后利用語(yǔ)義模型(本文采用文獻(xiàn)[19]提供的SegNet城區(qū)語(yǔ)義模型)對(duì)圖像進(jìn)行語(yǔ)義分割,可將街道圖像像素點(diǎn)分為11類(lèi),最后得到與原始圖像相同尺寸的語(yǔ)義圖,結(jié)果如圖1所示。在第1次圖像畸變矯正后初始化特征配準(zhǔn)線(xiàn)程,該線(xiàn)程主要作用是求解拼接所需的單應(yīng)性投影模型。

    圖2 本文視頻拼接算法流程圖Fig.2 Video stitching algorithm flowchart in this paper

    在拼接評(píng)價(jià)線(xiàn)程中,本文通過(guò)投影變換將待配準(zhǔn)圖投影到參考圖平面上,并對(duì)兩圖重疊區(qū)域處的語(yǔ)義、紋理、色彩等信息進(jìn)行相似度分析,獲得拼接結(jié)果的定量評(píng)估。主線(xiàn)程能夠?qū)崟r(shí)檢測(cè)拼接評(píng)價(jià)線(xiàn)程的量化評(píng)價(jià)結(jié)果,判斷是否需要優(yōu)化拼接,當(dāng)拼接質(zhì)量評(píng)價(jià)結(jié)果大于設(shè)定的評(píng)價(jià)閾值Th時(shí)融合對(duì)齊的圖像,最終輸出拼接圖;否則,利用單應(yīng)矩陣預(yù)測(cè)模型預(yù)測(cè)當(dāng)前單應(yīng)矩陣,達(dá)到優(yōu)化拼接結(jié)果得目的。當(dāng)拼接評(píng)價(jià)線(xiàn)程接收到來(lái)自主線(xiàn)程的優(yōu)化拼接請(qǐng)求時(shí),會(huì)利用優(yōu)化的單應(yīng)矩陣重新對(duì)齊圖像。在n次優(yōu)化嘗試后,輸出評(píng)價(jià)質(zhì)量最高的一組對(duì)齊結(jié)果。假設(shè)單應(yīng)矩陣在一段時(shí)間內(nèi)是線(xiàn)性變化的,該模型可以表示為

    (1)

    式中,H(t)表示當(dāng)前時(shí)刻計(jì)算出的單應(yīng)矩陣;HC(t)表示利用模型預(yù)測(cè)出的當(dāng)前單應(yīng)矩陣;score表示拼接評(píng)價(jià)評(píng)估結(jié)果;T(l)指第l-1次到第l次單應(yīng)矩陣計(jì)算的時(shí)間間隔,本文僅利用最近十次的數(shù)據(jù)進(jìn)行預(yù)測(cè)。

    本小節(jié)介紹了融合圖像語(yǔ)義的自適應(yīng)動(dòng)態(tài)視頻拼接方法系統(tǒng)框架和主線(xiàn)程的主要步驟,提出了利用拼接評(píng)價(jià)結(jié)果實(shí)現(xiàn)基于歷史拼接信息的拼接參數(shù)預(yù)測(cè)。

    2 特征匹配

    圖像特征匹配,是指利用一定方法將多幅圖像的相似特征進(jìn)行匹配,是圖像對(duì)齊的前提,匹配的準(zhǔn)確度直接影響到圖像拼接的質(zhì)量。

    為了解決全局投影模型不一致的問(wèn)題,本文將圖像場(chǎng)景劃分為上下兩個(gè)半平面,分別提取兩個(gè)半平面(見(jiàn)圖3(a))內(nèi)的特征點(diǎn),并對(duì)特征點(diǎn)進(jìn)行配準(zhǔn)(見(jiàn)圖3(b)),計(jì)算出相應(yīng)的兩個(gè)單應(yīng)矩陣。

    圖3 場(chǎng)景局部匹配圖Fig.3 Scene partial area matching map

    本文匹配流程如圖2特征配準(zhǔn)線(xiàn)程所示,以圖4為例說(shuō)明。首先使用David Lowe提出的具有尺度不變性的加速穩(wěn)健特征(speeded-up robust features,SURF)算法提取特征點(diǎn)如圖4(a)所示。該算法利用Harr特征以及積分圖像加速特征提取過(guò)程,能實(shí)時(shí)提取特征點(diǎn)并為特征點(diǎn)計(jì)算位置和尺度信息,最終生成一個(gè)64維的SURF特征描述符,包括采用Henssian矩陣獲取圖像局部最值和利用Harr小波特征求取的特征點(diǎn)的主方向。然后使用快速最近鄰搜索包(fast library for approximate nearest neighbors,FLANN)匹配方法直接對(duì)原始圖SURF特征進(jìn)行匹配,再使用k-最近鄰算法(k-nearest neighbor,KNN)篩選匹配點(diǎn)后的匹配結(jié)果,結(jié)果顯示存在大量誤匹配,如圖4(b)所示,主要集中在鄰域信息相近但語(yǔ)義不同的像素點(diǎn)對(duì)之間。

    傳統(tǒng)方法僅使用特征向量歐式距離的相似度進(jìn)行匹配,由于沒(méi)有考慮到點(diǎn)自身的高階語(yǔ)義屬性,不可避免地會(huì)產(chǎn)生一些錯(cuò)誤匹配,因此本文提出一種融合圖像高階語(yǔ)義的匹配算法,旨在增加匹配正確率。給定紅綠藍(lán)通道(red,green,blue,RGB)圖像,X={x1,x2,…,xN}對(duì)應(yīng)于所有圖像像素的集合,N為圖像像素點(diǎn)數(shù)量,待配準(zhǔn)圖與參考圖像素集合分別用XM,XR表示。圖像語(yǔ)義分割后對(duì)原圖每個(gè)像素指定預(yù)定義的類(lèi),如圖4(c)所示,分割提取的高階語(yǔ)義信息基本與實(shí)際物體所屬類(lèi)別一致,以不同顏色標(biāo)記不同類(lèi)像素,標(biāo)簽集合L={l1,l2,…Ij…,lC},j∈{1,2,…,C},C表示對(duì)象類(lèi)標(biāo)簽的個(gè)數(shù),由于語(yǔ)義分割的結(jié)果存在分類(lèi)誤差,本文用PLj表示像素分割為語(yǔ)義標(biāo)簽j的準(zhǔn)確度,表1說(shuō)明了語(yǔ)義標(biāo)簽的準(zhǔn)確度。

    圖4(d)部分是本文提出的融合圖像高階語(yǔ)義信息圖像特征匹配方法在場(chǎng)景I下的效果圖,可以看出,本文的方法能夠剔除圖像中大量的誤匹配,提高匹配正確率的同時(shí)優(yōu)化匹配點(diǎn)數(shù)量。在分析過(guò)程中為了增加實(shí)驗(yàn)的可信度本文對(duì)包含場(chǎng)景I的5個(gè)不同場(chǎng)景進(jìn)行分析測(cè)試。

    圖4 本文匹配方法效果圖Fig.4 Matching method in this paper

    表1 文獻(xiàn)[19]模型語(yǔ)義標(biāo)注正確率Table 1 Semantic annotation accuracy of model in[19]

    本文使用語(yǔ)義分割產(chǎn)生的像素級(jí)語(yǔ)義標(biāo)簽對(duì)傳統(tǒng)基于特征向量歐氏距離的匹配方法進(jìn)行擴(kuò)展,將語(yǔ)義分割結(jié)果與圖像特征匹配對(duì)集合M={m1,m2}相關(guān)聯(lián),其中m1表示正確匹配對(duì)集合,m2表示錯(cuò)誤匹配對(duì)集合。特征匹配過(guò)程表示為

    P(mij∈m1)=ω1φij+ω2φ(xi,xj)

    (2)

    式中,1≤i,j≤N,xi∈XM,xj∈XR;mij為點(diǎn)xi與點(diǎn)xj組成的特征匹配對(duì);當(dāng)概率P(mij∈m1)大于匹配閾值Mth時(shí)認(rèn)為該匹配是正確的;ω表示各項(xiàng)權(quán)值,ω1+ω2=1;φ(xi,xj)表示匹配點(diǎn)對(duì)應(yīng)特征向量歐式距離相似概率;φ表示匹配對(duì)屬于同一語(yǔ)義分類(lèi)的概率,表示為

    (3)

    式中,seg(xj)表示對(duì)像素xj進(jìn)行語(yǔ)義分割后的分類(lèi)結(jié)果,由于匹配點(diǎn)對(duì)的語(yǔ)義分割結(jié)果同時(shí)錯(cuò)誤的概率很小,本文僅考慮圖像單個(gè)像素語(yǔ)義分類(lèi)誤差。匹配點(diǎn)對(duì)特征向量歐式距離的相似度可以用匹配點(diǎn)間歐式距離與匹配集合中相關(guān)匹配歐式距離集合中次最小值的關(guān)系來(lái)確定,即

    φij(xi,xj)=

    (4)

    式中,Min2表示取集合中次最小值的函數(shù);Disij為點(diǎn)xi與點(diǎn)xj所組成匹配對(duì)的歐式距離,匹配對(duì)的歐式距離越近,φij(xi,xj)的值越大,匹配正確的概率越高,歐式距離的計(jì)算方法為

    (5)

    傳統(tǒng)匹配方法中僅用到式(5),當(dāng)最小歐式距離與次最小歐式距離的比值小于設(shè)定閾值時(shí),認(rèn)為特征點(diǎn)與對(duì)應(yīng)的最小歐式距離的特征點(diǎn)是匹配的,但匹配過(guò)程僅利用了特征點(diǎn)的鄰域點(diǎn)信息,文獻(xiàn)[21-22]提出結(jié)合圖像的紅外光優(yōu)化配準(zhǔn)算法,并取得了一定成果,但紅外采集設(shè)備的引入,帶來(lái)了數(shù)據(jù)同步困難和經(jīng)費(fèi)成本增加等問(wèn)題。本文提出的融合高階語(yǔ)義信息的特征匹配方法能夠充分結(jié)合圖像自身的語(yǔ)義屬性,優(yōu)化配準(zhǔn)算法,提高匹配正確率。

    3 拼接質(zhì)量評(píng)價(jià)

    拼接質(zhì)量評(píng)價(jià)本質(zhì)是對(duì)拼接圖與參考圖的重疊區(qū)域進(jìn)行圖像相似度評(píng)價(jià),傳統(tǒng)評(píng)價(jià)法僅從圖像的色彩、紋理等幾何特征角度分析,而沒(méi)有考慮目標(biāo)的語(yǔ)義屬性。本文將圖像語(yǔ)義信息與傳統(tǒng)的圖像幾何信息相融合,提出一種融合圖像語(yǔ)義的圖像拼接質(zhì)量評(píng)價(jià)方法,結(jié)果更符合人眼實(shí)際評(píng)價(jià)標(biāo)準(zhǔn),實(shí)現(xiàn)流程如圖5所示。

    圖5 本文拼接評(píng)價(jià)算法流程圖Fig.5 Stitching evaluation algorithm flowchart in this paper

    本文評(píng)價(jià)算法主要從圖像的紋理、色彩、語(yǔ)義3方面出發(fā),綜合考慮圖像在這3方面的相似程度,最終計(jì)算出更為符合人眼視覺(jué)的評(píng)價(jià)結(jié)果Q,圖6是一個(gè)具體場(chǎng)景下的示意圖。

    圖6 拼接質(zhì)量評(píng)價(jià)示意圖Fig.6 Stitching quality evaluation

    在利用兩個(gè)單應(yīng)矩陣變形對(duì)齊圖像后,分別提取待配準(zhǔn)圖與參考圖中的重疊感興趣區(qū)域(圖6(a) Ⅲ區(qū)域),用IM與IR表示,然后分別提取圖IM與圖IR的紋理信息、語(yǔ)義信息、色彩信息等,并計(jì)算相似度。其中邊緣紋理信息的提取方法是先對(duì)原始圖進(jìn)行灰度化處理,按照Y=0.3R+0.59G+0.11B轉(zhuǎn)換方法將三通道的RGB圖像轉(zhuǎn)化為單通道的灰度圖像。然后采用兩個(gè)3×3的高斯卷積核對(duì)圖像做平面卷積處理,得到橫向與縱向的亮度差分近似值,再結(jié)合橫向與縱向的亮度差分近似值計(jì)算出圖像中每個(gè)點(diǎn)的近似梯度,最后,對(duì)圖像進(jìn)行二值化處理進(jìn)而獲取邊緣檢測(cè)圖[23],其計(jì)算過(guò)程為

    (6)

    (7)

    則重疊率計(jì)算方法為

    (8)

    式中,sum(I)表示圖像Ⅰ中所有像素點(diǎn)的灰度值總和,經(jīng)過(guò)計(jì)算可以獲取IM_D與IR_D邊緣紋理的重疊率α(見(jiàn)圖6(c))。

    經(jīng)過(guò)語(yǔ)義分割圖IM與IR后可以獲取相應(yīng)的語(yǔ)義圖IM_S與IR_S(見(jiàn)圖6(b))。語(yǔ)義分割的結(jié)果使得圖像中每個(gè)像素具有不同的語(yǔ)義強(qiáng)度,但分割結(jié)果也存在著分類(lèi)誤差?;谝陨闲畔⒖紤],圖像語(yǔ)義相似度檢測(cè)方法可參考紋理邊緣重疊率的計(jì)算方法,求取語(yǔ)義圖IM_S與IR_S的相似匹配圖IS,過(guò)程為

    (9)

    則相似率的計(jì)算方法為

    (10)

    其中,sum_ele(I)表示圖像Ⅰ中所有非零像素點(diǎn)數(shù)量總和,經(jīng)過(guò)計(jì)算可以獲取語(yǔ)義圖IM_S與IR_S語(yǔ)義相似度β(見(jiàn)圖6(c))。

    對(duì)于圖像來(lái)說(shuō),色調(diào)飽和度明暗通道(hue,saturation,value,HSV)色彩空間比RGB色彩空間更能直觀(guān)地表達(dá)色彩的明暗、色調(diào)以及鮮艷程度,面對(duì)光照的變化更穩(wěn)定[24],本文通過(guò)研究相同顏色在不同色彩空間下的表征方法,將HSV與CIE 1976(L*,a*,b*)色彩空間相結(jié)合對(duì)圖像的色彩進(jìn)行分割。為了減少光照以及圖像亮度對(duì)檢測(cè)的影響,在色彩分割之前需要對(duì)圖像IM與IR進(jìn)行相應(yīng)的預(yù)處理,采用均衡化方法處理圖像的RGB通道直方圖,加強(qiáng)色彩效果,然后通過(guò)對(duì)通道H以及通道A、B的顏色信息進(jìn)行分析如圖6(b)所示,計(jì)算圖像IM與IR的色彩匹配圖IC,過(guò)程為

    (11)

    根據(jù)物體色彩在圖像中平滑過(guò)渡的特點(diǎn),對(duì)不同的色彩空間,用高斯核定義HSV的H通道項(xiàng)與LAB通道的A、B通道項(xiàng),其表達(dá)形式為

    (12)

    式中,H(x,y)表示HSV空間下H通道在點(diǎn)(x,y)處的像素值;A(x,y)與B(x,y)則分別表示LAB空間下A與B通道在點(diǎn)(x,y)處的像素值;σH,σA和σB控制高斯核的影響,其值設(shè)定為H、A、B通道的強(qiáng)度變化幅值;每個(gè)核l(k)(x,y)由ω(k)加權(quán)。計(jì)算結(jié)果傾向于將相同位置下色彩變化不明顯的點(diǎn)作為相似點(diǎn)處理,有助于色彩相似度的檢測(cè),最終色彩相似度γ的計(jì)算方法為

    (13)

    由于圖像相似程度與圖像的紋理、語(yǔ)義、色彩等特征直接相關(guān),因此本文用Q=αβγ表示計(jì)算出的圖像拼接質(zhì)量評(píng)價(jià)結(jié)果。

    4 實(shí)驗(yàn)與分析

    本文在Liunx系統(tǒng)下通過(guò)c++編程實(shí)現(xiàn)了提出的方法,并在配置為2.8GHz CPU、16G RAM 和低耗版GTX-1050Ti的筆記本上進(jìn)行實(shí)驗(yàn)。從融合語(yǔ)義的匹配準(zhǔn)確性、拼接質(zhì)量評(píng)價(jià)客觀(guān)性以及自適應(yīng)拼接的算法效率出發(fā),做了相關(guān)的實(shí)驗(yàn)。

    4.1 融合語(yǔ)義的圖像特征匹配

    在驗(yàn)證融合圖像語(yǔ)義匹配方法的實(shí)驗(yàn)中,本文使用文獻(xiàn)[5-7]提供的5個(gè)場(chǎng)景的圖像數(shù)據(jù)進(jìn)行特征匹配實(shí)驗(yàn),場(chǎng)景如圖7所示。在提取特征之前,本文將圖片都轉(zhuǎn)化為640×480大小,本文和文獻(xiàn)[17]都采用SURF算法提取圖像特征,該算法相比于傳統(tǒng)尺度不變特征變換(scale-invariant feature transform,SIFT)方法同樣具有尺度旋轉(zhuǎn)不變性,但其計(jì)算效率快了一個(gè)數(shù)量級(jí),能夠高效地提取特征。文獻(xiàn)[17]匹配的算法采用的是FLANN,結(jié)合KNN匹配對(duì)篩選算法,匹配結(jié)果存在大量誤匹配,主要集中在不同類(lèi)但特征相似的像素點(diǎn)對(duì)之間。本文從匹配正確率、匹配數(shù)量、匹配時(shí)間出發(fā),對(duì)文獻(xiàn)[17]與本文提出的匹配方法進(jìn)行對(duì)比實(shí)驗(yàn),結(jié)果如表2所示,根據(jù)調(diào)試經(jīng)驗(yàn),閾值Dth設(shè)為經(jīng)驗(yàn)值0.7,Mth設(shè)為經(jīng)驗(yàn)值0.8。

    表2 5個(gè)場(chǎng)景下匹配算法的性能比較Table 2 Comparison of matching algorithms in five scenes

    在比較不同特征匹配方法準(zhǔn)確度實(shí)驗(yàn)中,本文使用隨機(jī)抽樣一致(random sample consensus,RANSAC)算法,通過(guò)計(jì)算不同投影模型M的投影誤差,得到誤差閾值范圍內(nèi)的內(nèi)點(diǎn)集I,通過(guò)k次迭代,k=ln(1-p)/ln(1-wm),求取最優(yōu)投影模型MB使得其內(nèi)點(diǎn)集中元素最多,式中p為置信度,設(shè)為0.999;w為內(nèi)點(diǎn)所占比例,設(shè)為0.3;m為最小樣本數(shù),設(shè)為4;誤差閾值設(shè)為3。因此在迭代了850次后,此時(shí)在內(nèi)點(diǎn)集中的匹配點(diǎn)對(duì)認(rèn)為是正確匹配的,通過(guò)計(jì)算正確匹配點(diǎn)在不同方法產(chǎn)生匹配對(duì)集合中所占的比例,得出匹配準(zhǔn)確度。表2的結(jié)果顯示,本文提出的方法與文獻(xiàn)[17]中使用的方法相比,獲取的匹配對(duì)數(shù)量相近,但匹配準(zhǔn)確性卻提高了50%左右,這使得本文的方法在迭代次數(shù)相同的情況下能夠更準(zhǔn)確且快速地計(jì)算出圖像間的單應(yīng)矩陣。

    由于引入了圖像語(yǔ)義信息,圖像中大量的誤匹配被剔除掉,在提高匹配精度的同時(shí)優(yōu)化匹配點(diǎn)數(shù)量,縮短了單應(yīng)矩陣的計(jì)算時(shí)間。

    4.2 融合圖像語(yǔ)義拼接質(zhì)量評(píng)價(jià)方法

    本文提出的拼接質(zhì)量評(píng)價(jià)方法本質(zhì)是對(duì)兩幅圖像的相似度進(jìn)行評(píng)估,而圖像對(duì)齊效果直接影響到拼接的質(zhì)量。單應(yīng)性是指從一個(gè)平面q到另一個(gè)平面Q的映射,可以表示為q=sMWQ,式中單應(yīng)矩陣表示為H=sMW,其中s表示尺度的比例系數(shù);M表示相機(jī)的內(nèi)參數(shù)矩陣;W=[Rt]表示由旋轉(zhuǎn)平移組成的物理變換矩陣。實(shí)驗(yàn)在大小為1 600×1 200的圖像中進(jìn)行(見(jiàn)圖7),選取圖8(a)中400×400紅色窗口內(nèi)圖像作為參考圖,由于相機(jī)內(nèi)參數(shù)矩陣在相機(jī)標(biāo)定后不會(huì)變化,假設(shè)相機(jī)內(nèi)參已經(jīng)標(biāo)定。本實(shí)驗(yàn)在充分考慮拼接過(guò)程中出現(xiàn)誤差原因的基礎(chǔ)上,對(duì)圖8(a)中圖像在不同尺度、旋轉(zhuǎn)以及平移參數(shù)下進(jìn)行變換,并利用同一位置相同大小的窗口產(chǎn)生3組數(shù)量為400的圖像序列,過(guò)程如圖8(b)所示,利用4種圖像相似度計(jì)算方法進(jìn)行圖像檢索實(shí)驗(yàn)。

    圖7 5個(gè)測(cè)試場(chǎng)景Fig.7 Five tested scenes

    圖8 生成圖像測(cè)試序列Fig.8 Generating the image test sequence

    除本文方法外,另外3種圖像相似度計(jì)算方法如下。

    (1) 峰值信噪比

    峰值信噪比(peak signal to noise ratio,PSNR)是一種全參考的客觀(guān)圖像相似度評(píng)價(jià)指標(biāo),該方法計(jì)算的是兩幅圖像間均方誤差相對(duì)于最大信號(hào)平方的對(duì)數(shù)值,結(jié)果數(shù)值越大兩個(gè)圖像間的相似程度越高。

    (2) 結(jié)構(gòu)相似性

    結(jié)構(gòu)相似性(structural similarity index,SSIM)是一種全參考的圖像相似度評(píng)價(jià)指標(biāo),該方法分別從圖像的亮度、對(duì)比度、結(jié)構(gòu)3方面度量圖像相似性[25],更符合人眼視覺(jué)感受。

    (3) 感知哈希

    哈希方法描述了一類(lèi)可比較的哈希函數(shù),該方法提取圖像的低頻信息作為比較內(nèi)容,對(duì)圖像的尺寸、對(duì)比度、亮度具有良好的魯棒性[26]。

    在相似度評(píng)價(jià)實(shí)驗(yàn)前,先將圖8所示的3組圖像序列做高斯濾波和亮度變暗處理,模擬實(shí)際拼接過(guò)程中投影變換帶來(lái)的邊緣模糊以及曝光不均勻造成的亮度差異的情況。為了方便比較,本文將4種評(píng)價(jià)方法的結(jié)果進(jìn)行歸一化處理,最終結(jié)果如圖9所示。

    表3 4種評(píng)價(jià)方法耗時(shí)Table 3 Time-consuming of four evaluation methods

    本實(shí)驗(yàn)對(duì)3組不同變換方式產(chǎn)生的圖像序列與參考圖進(jìn)行相似度評(píng)估。圖9結(jié)果顯示本文提出的方法相對(duì)于感知哈希算法魯棒性更強(qiáng),相對(duì)于PSNR方法評(píng)價(jià)結(jié)果區(qū)分更明顯。本文方法和SSIM方法都能夠很快地收斂到真值附近但本文算法評(píng)價(jià)結(jié)果隨圖像差異變化過(guò)渡更符合人眼視覺(jué)。表3顯示的是4種算法在處理大小為400×400圖片過(guò)程中的平局處理時(shí)間,結(jié)果顯示感知哈希算法結(jié)果最快,而SSIM由于其計(jì)算量大,每個(gè)過(guò)程需要267 ms,本文提出的方法則只需要82.6 ms,滿(mǎn)足實(shí)時(shí)處理的需求。綜上所述,本文提出的基于圖像語(yǔ)義的拼接質(zhì)量評(píng)價(jià)方法在評(píng)價(jià)結(jié)果以及處理耗時(shí)方面表現(xiàn)良好。

    圖9 4種評(píng)價(jià)方法測(cè)試結(jié)果Fig.9 Test results of four evaluation methods

    4.3 自適應(yīng)動(dòng)態(tài)視頻拼接方法

    本實(shí)驗(yàn)的數(shù)據(jù)由安裝在紅旗H7上的兩個(gè)攝像機(jī)拍攝得到,實(shí)驗(yàn)平臺(tái)如圖10所示,攝像機(jī)采用的是菲力爾公司推出的Flea3系列相機(jī),該相機(jī)能以60每秒傳輸幀數(shù)(frames per second,FPS)的速度采集分辨率為1 280×1 024的圖像,為了加快處理,本文將視頻幀壓縮到640×480。圖10所示的兩個(gè)攝像機(jī)采用非剛性連接,其中左側(cè)攝像機(jī)與車(chē)體固連,右側(cè)攝像機(jī)可以多自由度運(yùn)動(dòng),模擬兩個(gè)攝像機(jī)相對(duì)位姿不固定的情況。測(cè)試地點(diǎn)選在北京理工大學(xué)中關(guān)村校區(qū),測(cè)試環(huán)境如圖11所示,環(huán)境既包括靜態(tài)背景也包括車(chē)輛行駛中產(chǎn)生的動(dòng)態(tài)背景,在獲取視頻過(guò)程中加入了人為對(duì)攝像機(jī)位姿的擾動(dòng),此時(shí)有來(lái)自?xún)蓚€(gè)方面的因素會(huì)導(dǎo)致拼接參數(shù)的更新:①攝像機(jī)間相對(duì)位姿的變化;②由于場(chǎng)景移動(dòng)導(dǎo)致視場(chǎng)中投影平面的變化。拼接的過(guò)程是按照第1節(jié)提出的拼接框架進(jìn)行,以拼接質(zhì)量評(píng)價(jià)結(jié)果作為反饋,進(jìn)而優(yōu)化拼接結(jié)果,使得結(jié)果盡可能達(dá)到本文設(shè)定的拼接評(píng)價(jià)閾值Th,本實(shí)驗(yàn)設(shè)定閾值Th為經(jīng)驗(yàn)值0.7。

    圖10 實(shí)驗(yàn)平臺(tái)Fig.10 Experiment platform

    本實(shí)驗(yàn)在圖11所示的校園環(huán)境采集2 205張視頻序列做測(cè)試。為了測(cè)試程序的魯棒性,測(cè)試時(shí)車(chē)輛以10 km/h的速度行駛,拍攝環(huán)境有特征豐富的地面與建筑,也有特征缺失的墻面,相機(jī)的相對(duì)位姿也在動(dòng)態(tài)變化,使得重疊區(qū)域有超過(guò)整張圖像二分之一的序列也有低于五分之一的序列,圖12是從視頻序列中抽取的4張拼接結(jié)果圖,其中左側(cè)為使用本文提出的視頻拼接方法所生成的效果圖,右側(cè)為使用文獻(xiàn)[17]視頻拼接方法所生成的拼接效果圖。

    圖11 實(shí)驗(yàn)環(huán)境Fig.11 Experimental environment

    圖12 視頻序列拼接效果圖Fig.12 Video sequence stitching effect

    圖12結(jié)果顯示在相機(jī)重疊區(qū)域有限,相機(jī)位姿差異明顯,測(cè)試環(huán)境復(fù)雜等情況下,本文算法仍能很好地計(jì)算出吻合程度較高的拼接圖。本文采用多線(xiàn)程編程方式將視頻拼接部分為主線(xiàn)程、特征配準(zhǔn)線(xiàn)程、拼接評(píng)價(jià)線(xiàn)程等,使得算法能夠以約2幀(537 ms)的速度拼接運(yùn)動(dòng)場(chǎng)景下的視頻幀,其中語(yǔ)義分割耗時(shí)占總耗時(shí)的80%左右。

    本文采用所提出的拼接質(zhì)量評(píng)價(jià)方法對(duì)兩種拼接方法下視頻序列的拼接結(jié)果進(jìn)行評(píng)估,評(píng)估結(jié)果如圖13所示。

    圖13 視頻序列拼接評(píng)價(jià)結(jié)果Fig.13 Stitching evaluation result of video sequence

    圖13實(shí)驗(yàn)統(tǒng)計(jì)結(jié)果顯示,本文拼接方法評(píng)價(jià)均值為0.664 9,文獻(xiàn)[17]拼接方法的評(píng)價(jià)均值為0.534 7。在一些視頻序列中,文獻(xiàn)[17]拼接方法的拼接結(jié)果評(píng)價(jià)過(guò)低,其原因主要有3種可能:①參考圖與待配準(zhǔn)圖視野重疊區(qū)域過(guò)小。由于攝像機(jī)組加入相對(duì)位姿的動(dòng)態(tài)調(diào)整,導(dǎo)致某些攝像頭相對(duì)位姿下的視野重疊區(qū)域過(guò)小,其特點(diǎn)是存在時(shí)間較長(zhǎng)且評(píng)價(jià)結(jié)果接近于0。②參考圖與待配準(zhǔn)圖重疊區(qū)域特征缺失。由于參考圖與待配準(zhǔn)圖重疊區(qū)域特征單一且稀疏,導(dǎo)致拼接結(jié)果有局部投影誤差,其特點(diǎn)是存在時(shí)間較短但評(píng)價(jià)結(jié)果不會(huì)太低,可以通過(guò)本文提出的基于反饋的拼接模式優(yōu)化。③測(cè)試環(huán)境中攝像機(jī)距離前景目標(biāo)較近,視差過(guò)大。其特點(diǎn)是存在時(shí)間短且評(píng)價(jià)結(jié)果急驟下跌;本文提出的帶有拼接質(zhì)量反饋的自適應(yīng)動(dòng)態(tài)視頻拼接方法能很好優(yōu)化這些問(wèn)題。綜上所述,本文視頻拼接方法相比于文獻(xiàn)[17]提出的拼接方法,拼接質(zhì)量提升了24.35%,在一些復(fù)雜環(huán)境下拼接結(jié)果更為魯棒。

    5 結(jié) 論

    現(xiàn)有的視頻拼接方案大多基于圖像的低階幾何特征實(shí)現(xiàn),而沒(méi)有考慮圖像像素自身的高階語(yǔ)義信息,并且拼接過(guò)程都是單方向。為了減少匹配誤差、提高拼接精度,本文提出一種融合圖像語(yǔ)義的自適應(yīng)動(dòng)態(tài)視頻拼接方法,其重要優(yōu)勢(shì)在于:①該方法將圖像像素點(diǎn)的語(yǔ)義信息融合到傳統(tǒng)基于特征向量歐式距離的匹配方法中,利用圖像的多種屬性對(duì)特征進(jìn)行匹配與篩選,提高算法對(duì)錯(cuò)誤匹配點(diǎn)的魯棒性;②該方法包含一種圖像拼接質(zhì)量評(píng)價(jià)方案,即充分考慮圖像間紋理、色彩、語(yǔ)義等信息的相似程度,更貼合人眼的主觀(guān)感受;③該方法在視頻拼接過(guò)程中引入了拼接結(jié)果的反饋,能夠根據(jù)拼接的歷史信息優(yōu)化特征缺失情況下的拼接結(jié)果;④該方法采用多線(xiàn)程編程的方式分時(shí)并行處理拼接過(guò)程,加快拼接過(guò)程。實(shí)驗(yàn)結(jié)果顯示,相比于傳統(tǒng)算法,本文提出的匹配算法正確率提升了50%左右,拼接評(píng)價(jià)算法更符合人眼視覺(jué),拼接質(zhì)量提升了25%左右。但本文的方法由于引入了圖像的語(yǔ)義分割,降低了算法的實(shí)時(shí)性,在未來(lái)將著重改進(jìn)現(xiàn)有的語(yǔ)義分割模型,使得語(yǔ)義分割更加高效準(zhǔn)確,進(jìn)而提高融合圖像語(yǔ)義視頻拼接方法的準(zhǔn)確性與高效性。

    猜你喜歡
    語(yǔ)義特征評(píng)價(jià)
    SBR改性瀝青的穩(wěn)定性評(píng)價(jià)
    石油瀝青(2021年4期)2021-10-14 08:50:44
    語(yǔ)言與語(yǔ)義
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    抓住特征巧觀(guān)察
    “上”與“下”語(yǔ)義的不對(duì)稱(chēng)性及其認(rèn)知闡釋
    基于Moodle的學(xué)習(xí)評(píng)價(jià)
    認(rèn)知范疇模糊與語(yǔ)義模糊
    線(xiàn)性代數(shù)的應(yīng)用特征
    河南科技(2014年23期)2014-02-27 14:19:15
    保加利亞轉(zhuǎn)軌20年評(píng)價(jià)
    色综合色国产| 99久久九九国产精品国产免费| 18禁动态无遮挡网站| 午夜老司机福利剧场| 亚洲18禁久久av| 亚洲激情五月婷婷啪啪| 小说图片视频综合网站| 免费无遮挡裸体视频| 成人欧美大片| av国产久精品久网站免费入址| 免费电影在线观看免费观看| 国产精品人妻久久久久久| 久久久久精品久久久久真实原创| 亚洲三级黄色毛片| 中文字幕制服av| 建设人人有责人人尽责人人享有的 | 搡老妇女老女人老熟妇| 舔av片在线| 久久久精品94久久精品| 久久久久久国产a免费观看| 变态另类丝袜制服| 国产精品一区二区三区四区久久| 又粗又硬又长又爽又黄的视频| 国产一区二区在线av高清观看| 亚洲欧洲日产国产| 亚洲国产欧美人成| 听说在线观看完整版免费高清| 色综合站精品国产| 一级毛片久久久久久久久女| 我要搜黄色片| 91在线精品国自产拍蜜月| 69av精品久久久久久| 天天躁日日操中文字幕| 91精品伊人久久大香线蕉| 久久6这里有精品| 久久韩国三级中文字幕| 日韩成人av中文字幕在线观看| 精品免费久久久久久久清纯| 日本色播在线视频| 看非洲黑人一级黄片| 国产伦精品一区二区三区视频9| 精品午夜福利在线看| 床上黄色一级片| 舔av片在线| 99久久无色码亚洲精品果冻| 一夜夜www| 一区二区三区四区激情视频| 国产成人a∨麻豆精品| 最近手机中文字幕大全| 久久韩国三级中文字幕| 国内精品宾馆在线| 免费黄色在线免费观看| 麻豆精品久久久久久蜜桃| 精品久久久久久成人av| 一边摸一边抽搐一进一小说| 国产精品一区www在线观看| 国产精品国产三级国产专区5o | 永久免费av网站大全| 国产三级中文精品| 九九久久精品国产亚洲av麻豆| 变态另类丝袜制服| 青青草视频在线视频观看| 性色avwww在线观看| 国产视频内射| 欧美成人午夜免费资源| 欧美成人午夜免费资源| 成人一区二区视频在线观看| 成人午夜精彩视频在线观看| 免费av不卡在线播放| 精品人妻偷拍中文字幕| av国产免费在线观看| 久久精品久久久久久噜噜老黄 | 久久精品国产鲁丝片午夜精品| 欧美97在线视频| 色5月婷婷丁香| 欧美不卡视频在线免费观看| 插逼视频在线观看| 1000部很黄的大片| 日韩精品青青久久久久久| 亚洲欧美精品专区久久| 国产精品久久久久久精品电影| 国产国拍精品亚洲av在线观看| 成人漫画全彩无遮挡| 免费观看性生交大片5| 国产真实乱freesex| 啦啦啦啦在线视频资源| 欧美高清性xxxxhd video| 国产91av在线免费观看| 99热这里只有是精品50| 可以在线观看毛片的网站| 国产午夜精品论理片| .国产精品久久| 中文天堂在线官网| 五月伊人婷婷丁香| 亚洲美女视频黄频| 国产精品国产三级专区第一集| 黄片wwwwww| 五月玫瑰六月丁香| 偷拍熟女少妇极品色| 成人午夜高清在线视频| 亚洲国产最新在线播放| 能在线免费看毛片的网站| 熟女人妻精品中文字幕| 久久99热6这里只有精品| 亚洲精品乱码久久久v下载方式| 亚洲国产成人一精品久久久| 国产亚洲av片在线观看秒播厂 | 午夜福利在线观看吧| 嫩草影院入口| 一本一本综合久久| 国产人妻一区二区三区在| 又爽又黄无遮挡网站| 欧美97在线视频| 亚洲欧美日韩东京热| 国产高潮美女av| 欧美日本亚洲视频在线播放| 亚洲av.av天堂| 国产av不卡久久| 成人特级av手机在线观看| 日日摸夜夜添夜夜爱| 亚洲国产色片| 日韩 亚洲 欧美在线| 国产精品蜜桃在线观看| 午夜久久久久精精品| 国产亚洲精品av在线| 插逼视频在线观看| 只有这里有精品99| 亚洲国产精品专区欧美| 国国产精品蜜臀av免费| 久久精品久久精品一区二区三区| 午夜福利视频1000在线观看| 美女高潮的动态| 最近最新中文字幕大全电影3| 小蜜桃在线观看免费完整版高清| 岛国毛片在线播放| 蜜臀久久99精品久久宅男| 色吧在线观看| 嫩草影院精品99| 一区二区三区免费毛片| 久久精品夜色国产| 久久精品国产鲁丝片午夜精品| 97超碰精品成人国产| 欧美最新免费一区二区三区| 男人舔女人下体高潮全视频| 亚洲成人中文字幕在线播放| 少妇的逼好多水| 最近视频中文字幕2019在线8| 69人妻影院| 亚洲国产色片| 亚洲av电影不卡..在线观看| 午夜视频国产福利| 在线a可以看的网站| 自拍偷自拍亚洲精品老妇| 热99在线观看视频| 久久久精品欧美日韩精品| 亚洲高清免费不卡视频| 欧美xxxx性猛交bbbb| 欧美成人免费av一区二区三区| 成人欧美大片| 美女脱内裤让男人舔精品视频| 深夜a级毛片| 97在线视频观看| 国产亚洲av嫩草精品影院| 特大巨黑吊av在线直播| 成人欧美大片| 精品酒店卫生间| 亚洲乱码一区二区免费版| 色哟哟·www| 禁无遮挡网站| 精品99又大又爽又粗少妇毛片| 久久精品熟女亚洲av麻豆精品 | 蜜桃亚洲精品一区二区三区| 免费观看精品视频网站| 美女脱内裤让男人舔精品视频| 日本午夜av视频| 又粗又硬又长又爽又黄的视频| 一级毛片我不卡| 蜜桃亚洲精品一区二区三区| 国产又色又爽无遮挡免| 国产极品精品免费视频能看的| 久久精品久久久久久噜噜老黄 | 国产91av在线免费观看| 一级毛片aaaaaa免费看小| 欧美最新免费一区二区三区| 日韩精品有码人妻一区| 午夜亚洲福利在线播放| 国产老妇伦熟女老妇高清| 最近最新中文字幕大全电影3| 久久久久国产网址| 欧美日韩在线观看h| 有码 亚洲区| 国产精品久久视频播放| 老司机福利观看| 久久久久久久久久成人| 中文天堂在线官网| 亚洲精品乱久久久久久| av卡一久久| 特大巨黑吊av在线直播| 日日摸夜夜添夜夜添av毛片| ponron亚洲| 日韩大片免费观看网站 | 别揉我奶头 嗯啊视频| 国产精品99久久久久久久久| 91午夜精品亚洲一区二区三区| 床上黄色一级片| 99在线视频只有这里精品首页| 乱码一卡2卡4卡精品| 国产精品1区2区在线观看.| 久久久久精品久久久久真实原创| 免费观看人在逋| 一级黄片播放器| 久久久a久久爽久久v久久| 欧美不卡视频在线免费观看| 亚洲国产精品sss在线观看| 亚洲精品国产成人久久av| 中文乱码字字幕精品一区二区三区 | 亚洲精品久久久久久婷婷小说 | 好男人在线观看高清免费视频| 亚洲人成网站在线播| 91狼人影院| 午夜日本视频在线| 国产精品一区二区三区四区久久| 免费搜索国产男女视频| 超碰97精品在线观看| 成人欧美大片| 成年女人看的毛片在线观看| 七月丁香在线播放| 成人无遮挡网站| 特大巨黑吊av在线直播| 麻豆成人av视频| 精品人妻偷拍中文字幕| АⅤ资源中文在线天堂| 日本欧美国产在线视频| 一卡2卡三卡四卡精品乱码亚洲| 国产成人freesex在线| 欧美日韩在线观看h| 欧美性感艳星| 在线免费观看不下载黄p国产| 天堂av国产一区二区熟女人妻| 99视频精品全部免费 在线| 精品久久久久久久久亚洲| 日韩成人av中文字幕在线观看| 99热全是精品| 天堂av国产一区二区熟女人妻| 午夜福利网站1000一区二区三区| 国产精品国产三级国产av玫瑰| 99久久精品国产国产毛片| 一级爰片在线观看| 三级国产精品欧美在线观看| 亚洲av福利一区| 亚洲国产精品成人久久小说| 看黄色毛片网站| 久久久亚洲精品成人影院| 日本猛色少妇xxxxx猛交久久| av女优亚洲男人天堂| 少妇的逼水好多| 午夜福利在线在线| 国产高清国产精品国产三级 | 国产激情偷乱视频一区二区| 天天躁夜夜躁狠狠久久av| 亚洲国产高清在线一区二区三| 久久99热这里只有精品18| 久久久久九九精品影院| 国产高清三级在线| 大话2 男鬼变身卡| 亚洲国产欧洲综合997久久,| 2021少妇久久久久久久久久久| 免费人成在线观看视频色| 欧美又色又爽又黄视频| 亚洲精品色激情综合| 简卡轻食公司| 午夜视频国产福利| 免费观看a级毛片全部| 一个人免费在线观看电影| 99热这里只有精品一区| 精品不卡国产一区二区三区| 久久久久久久久久黄片| 国产黄色视频一区二区在线观看 | 久久精品人妻少妇| 久久久精品94久久精品| 男女视频在线观看网站免费| 女的被弄到高潮叫床怎么办| 国产白丝娇喘喷水9色精品| 免费不卡的大黄色大毛片视频在线观看 | 国产亚洲91精品色在线| 精品无人区乱码1区二区| 岛国毛片在线播放| 亚洲伊人久久精品综合 | av线在线观看网站| 国产白丝娇喘喷水9色精品| 美女黄网站色视频| 99在线视频只有这里精品首页| 免费av观看视频| 美女大奶头视频| 性色avwww在线观看| 久久这里有精品视频免费| 免费看a级黄色片| 欧美性猛交╳xxx乱大交人| 精品99又大又爽又粗少妇毛片| 色网站视频免费| 五月玫瑰六月丁香| 热99re8久久精品国产| 91狼人影院| 男人舔女人下体高潮全视频| 亚洲欧美清纯卡通| 成人午夜精彩视频在线观看| 国产极品天堂在线| 男女视频在线观看网站免费| 观看免费一级毛片| 男的添女的下面高潮视频| 免费看美女性在线毛片视频| 国产精品永久免费网站| 国产精品一区二区性色av| 久久久久久国产a免费观看| 亚洲成人久久爱视频| 搞女人的毛片| 亚洲美女视频黄频| 国产精华一区二区三区| 人人妻人人看人人澡| 国产成人91sexporn| 人妻少妇偷人精品九色| 97超碰精品成人国产| 日韩中字成人| 性色avwww在线观看| 午夜视频国产福利| 草草在线视频免费看| 久久久久网色| 91狼人影院| 国产精品一及| 亚洲人成网站高清观看| 国产精品久久久久久久电影| 国产精品精品国产色婷婷| 中文字幕免费在线视频6| 身体一侧抽搐| 淫秽高清视频在线观看| 狠狠精品人妻久久久久久综合| 你懂的网址亚洲精品在线观看| 丰满乱子伦码专区| 18禁观看日本| 伊人亚洲综合成人网| 中文字幕av电影在线播放| 一级爰片在线观看| 在线观看免费日韩欧美大片| 美女福利国产在线| 久久婷婷青草| 黄片无遮挡物在线观看| 嫩草影院入口| 在线观看免费视频网站a站| 日本午夜av视频| www日本在线高清视频| 色5月婷婷丁香| 色吧在线观看| 韩国高清视频一区二区三区| 久久久国产精品麻豆| 精品午夜福利在线看| 欧美丝袜亚洲另类| 人人妻人人澡人人爽人人夜夜| 丰满乱子伦码专区| 熟妇人妻不卡中文字幕| 欧美xxⅹ黑人| 亚洲色图综合在线观看| 久久精品熟女亚洲av麻豆精品| 少妇被粗大猛烈的视频| 欧美国产精品va在线观看不卡| 欧美+日韩+精品| 亚洲成国产人片在线观看| 免费看av在线观看网站| 欧美日韩一区二区视频在线观看视频在线| 多毛熟女@视频| 日韩制服丝袜自拍偷拍| 国产精品偷伦视频观看了| 我要看黄色一级片免费的| 人妻一区二区av| 色吧在线观看| 国产69精品久久久久777片| 99精国产麻豆久久婷婷| 久久久精品94久久精品| 免费黄网站久久成人精品| 亚洲精品aⅴ在线观看| 少妇猛男粗大的猛烈进出视频| 日韩一区二区视频免费看| 99香蕉大伊视频| 日韩 亚洲 欧美在线| 看十八女毛片水多多多| 91久久精品国产一区二区三区| 97在线人人人人妻| 最新的欧美精品一区二区| 日韩免费高清中文字幕av| 欧美人与善性xxx| 亚洲伊人久久精品综合| 国产精品一二三区在线看| 国产av精品麻豆| 久久99热这里只频精品6学生| 精品视频人人做人人爽| 一区二区av电影网| 麻豆乱淫一区二区| 久久久国产精品麻豆| 成人漫画全彩无遮挡| tube8黄色片| 日韩不卡一区二区三区视频在线| 一级黄片播放器| 午夜福利在线观看免费完整高清在| 久久99热6这里只有精品| 免费av不卡在线播放| 校园人妻丝袜中文字幕| 国产深夜福利视频在线观看| 成人手机av| 9热在线视频观看99| 99国产综合亚洲精品| 91在线精品国自产拍蜜月| 亚洲精品久久成人aⅴ小说| 久久久久精品久久久久真实原创| 亚洲国产精品成人久久小说| 久久久久国产网址| 国产精品免费大片| videos熟女内射| 久久精品国产自在天天线| 最近的中文字幕免费完整| 国产免费福利视频在线观看| 高清不卡的av网站| 成人午夜精彩视频在线观看| 国产精品人妻久久久影院| 国产深夜福利视频在线观看| 日本午夜av视频| 秋霞在线观看毛片| 亚洲第一区二区三区不卡| 嫩草影院入口| 国产伦理片在线播放av一区| 国产一区亚洲一区在线观看| 久久久久久久国产电影| 超色免费av| 人妻少妇偷人精品九色| 黑丝袜美女国产一区| 啦啦啦中文免费视频观看日本| 少妇被粗大的猛进出69影院 | 国产综合精华液| 亚洲丝袜综合中文字幕| 我的女老师完整版在线观看| 婷婷成人精品国产| a级毛片在线看网站| 久久国内精品自在自线图片| 黑丝袜美女国产一区| 久久久久久久精品精品| 午夜视频国产福利| 黑人高潮一二区| 国产亚洲精品第一综合不卡 | 熟妇人妻不卡中文字幕| 久久99蜜桃精品久久| 一级黄片播放器| 男女下面插进去视频免费观看 | 成人亚洲欧美一区二区av| 欧美日韩视频高清一区二区三区二| 欧美变态另类bdsm刘玥| 女人精品久久久久毛片| 丝袜在线中文字幕| 亚洲av国产av综合av卡| 女性被躁到高潮视频| 全区人妻精品视频| 男男h啪啪无遮挡| 女性生殖器流出的白浆| 一二三四中文在线观看免费高清| 亚洲精品久久午夜乱码| 国产精品人妻久久久久久| 爱豆传媒免费全集在线观看| 精品99又大又爽又粗少妇毛片| 一区二区三区精品91| 狂野欧美激情性bbbbbb| 永久网站在线| 欧美日韩国产mv在线观看视频| 黄色配什么色好看| 黑人欧美特级aaaaaa片| 成年女人在线观看亚洲视频| 一级毛片 在线播放| 亚洲精品456在线播放app| 丝袜人妻中文字幕| 9热在线视频观看99| 精品熟女少妇av免费看| 91精品伊人久久大香线蕉| 99re6热这里在线精品视频| 成人影院久久| 成年女人在线观看亚洲视频| 成人国语在线视频| 极品少妇高潮喷水抽搐| 成人国产麻豆网| 国产精品久久久久久久久免| 一区二区三区精品91| 少妇 在线观看| 人成视频在线观看免费观看| 久久国内精品自在自线图片| 夫妻性生交免费视频一级片| 中文字幕av电影在线播放| 国产一区二区三区综合在线观看 | 国产成人午夜福利电影在线观看| 高清av免费在线| 日韩视频在线欧美| 少妇的丰满在线观看| 韩国精品一区二区三区 | 久久久久久人人人人人| 亚洲精品,欧美精品| 欧美xxxx性猛交bbbb| a级毛片在线看网站| 国产 精品1| 美女大奶头黄色视频| 美女国产高潮福利片在线看| 99精国产麻豆久久婷婷| 国产成人a∨麻豆精品| 伦理电影大哥的女人| 青青草视频在线视频观看| 欧美激情 高清一区二区三区| av天堂久久9| 另类亚洲欧美激情| 男女高潮啪啪啪动态图| 免费人成在线观看视频色| 久久人人爽人人爽人人片va| 免费少妇av软件| 国产精品人妻久久久影院| av黄色大香蕉| 日日撸夜夜添| 亚洲精品一区蜜桃| 菩萨蛮人人尽说江南好唐韦庄| 欧美成人午夜免费资源| 欧美日韩精品成人综合77777| 妹子高潮喷水视频| 这个男人来自地球电影免费观看 | 少妇被粗大猛烈的视频| 女人被躁到高潮嗷嗷叫费观| 五月伊人婷婷丁香| 黄色 视频免费看| av免费观看日本| 欧美日韩亚洲高清精品| 最黄视频免费看| 九九爱精品视频在线观看| 最新中文字幕久久久久| 男人舔女人的私密视频| 日韩伦理黄色片| 丝瓜视频免费看黄片| 亚洲国产av新网站| 丁香六月天网| 日韩中文字幕视频在线看片| 一级爰片在线观看| 亚洲综合色网址| 亚洲精品久久成人aⅴ小说| 久久久国产一区二区| 巨乳人妻的诱惑在线观看| 亚洲精品乱久久久久久| 午夜影院在线不卡| 国产成人精品婷婷| 久久这里有精品视频免费| 免费av中文字幕在线| 宅男免费午夜| 午夜免费鲁丝| 女人久久www免费人成看片| 丝袜美足系列| 亚洲成人av在线免费| videossex国产| 香蕉精品网在线| 亚洲欧洲国产日韩| 涩涩av久久男人的天堂| 亚洲精品乱久久久久久| 亚洲三级黄色毛片| 国产男女内射视频| 午夜免费男女啪啪视频观看| 欧美性感艳星| 国产成人精品福利久久| 卡戴珊不雅视频在线播放| 久久国产精品大桥未久av| 婷婷色综合www| 亚洲av欧美aⅴ国产| 亚洲国产色片| 精品人妻偷拍中文字幕| 欧美成人午夜精品| 成人黄色视频免费在线看| 欧美成人午夜免费资源| 久久久久久伊人网av| 一个人免费看片子| 自拍欧美九色日韩亚洲蝌蚪91| 少妇被粗大的猛进出69影院 | 亚洲精品第二区| 两性夫妻黄色片 | 午夜福利,免费看| 国产av国产精品国产| 老司机影院毛片| 国产亚洲精品久久久com| 美女大奶头黄色视频| 麻豆乱淫一区二区| 91aial.com中文字幕在线观看| 婷婷成人精品国产| 成人国产麻豆网| 久久久a久久爽久久v久久| 亚洲综合色网址| 国产精品国产av在线观看| 青青草视频在线视频观看| 国产在线免费精品| 9191精品国产免费久久| 国产成人精品久久久久久| 久久久久精品性色| 欧美日韩成人在线一区二区| 香蕉精品网在线| 亚洲国产精品专区欧美| 夜夜爽夜夜爽视频| 多毛熟女@视频| 久久av网站| 国产成人免费无遮挡视频| av.在线天堂| 最近的中文字幕免费完整| 成人手机av| 国产在线一区二区三区精| 在线观看三级黄色| 免费看不卡的av| 一区二区三区四区激情视频| 亚洲成人av在线免费| 国产片特级美女逼逼视频| 国产精品国产三级专区第一集| 18禁观看日本| 国产一区亚洲一区在线观看|