• <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 ?

    基于航拍圖像的人員實(shí)時(shí)搜尋機(jī)制與分析

    2020-06-18 07:04:08梁永春田立勤朱洪根
    關(guān)鍵詞:航拍卷積神經(jīng)網(wǎng)絡(luò)

    梁永春,田立勤,陳 楠,朱洪根

    (華北科技學(xué)院 計(jì)算機(jī)學(xué)院,北京 東燕郊 065201)

    0 引言

    在突發(fā)性自然災(zāi)害或旅游、探險(xiǎn)等活動(dòng)中,經(jīng)常發(fā)生人員失蹤或被困需要救助的情況。野外人員搜救過(guò)程中,判斷被困人員的位置通常是困難和耗時(shí)的一項(xiàng)工作。傳統(tǒng)人工尋找的方法,需要大量的人員參與,效率低下。隨著無(wú)人機(jī)技術(shù)的發(fā)展和成熟,依托它具有的成本低,方便靈活和可以在空中懸停的優(yōu)勢(shì),通過(guò)無(wú)人機(jī)進(jìn)行被困人員的位置確定成為一種高效可行的方法。但是,只是通過(guò)肉眼觀看視頻,進(jìn)行人員的搜索和查找,容易受人的注意力、情緒和經(jīng)驗(yàn)等因素的干擾,影響搜索效果。當(dāng)前,由于神經(jīng)網(wǎng)絡(luò)算法在圖像特征提取和相似度比較方面的突出表現(xiàn),通過(guò)計(jì)算機(jī)輔助,進(jìn)行被困人員的搜索和查找已經(jīng)成為可能。通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行航拍圖像中人的查找,將減少人主觀因素引起的干擾,提高搜索效率和準(zhǔn)確性,對(duì)提升突發(fā)事件應(yīng)急處置能力有一定的幫助??墒牵捎诤脚钠髋c目標(biāo)間觀測(cè)角度和距離變動(dòng)的影響,使得航拍圖像中目標(biāo)外觀和大小變化較大。正是因?yàn)楹脚膱D像的特殊性和重要性,使它成為計(jì)算機(jī)視覺(jué)領(lǐng)域中圖像識(shí)別方向的難點(diǎn)和熱點(diǎn)[1-4]。

    計(jì)算機(jī)視覺(jué)中的目標(biāo)檢測(cè)主要由兩個(gè)相反的操作部分組成:“目標(biāo)到模型”和“模型到目標(biāo)”。目標(biāo)到模型是訓(xùn)練階段,通過(guò)已經(jīng)標(biāo)注過(guò)包含識(shí)別目標(biāo)的圖像訓(xùn)練獲得含有這些目標(biāo)特點(diǎn)的模型;模型到目標(biāo)是檢測(cè)階段,通過(guò)訓(xùn)練好的模型在沒(méi)有標(biāo)注的圖像中檢測(cè)是否含有與模型特征相似的區(qū)域。這兩部分操作都包含圖像中目標(biāo)的特征提取,因此它也是圖像識(shí)別的基礎(chǔ)和計(jì)算機(jī)視覺(jué)領(lǐng)域核心問(wèn)題。早期主要通過(guò)人工建模和半自動(dòng)化的方式尋找和收集圖像特征。這些方法包括顏色直方圖、紋理特征圖、比例特征等。例如,可以從多個(gè)視覺(jué)特征、LBP(local binary pattern)和方向梯度直方圖(Histogram of Oriented Gradient,HOG)結(jié)合起來(lái),實(shí)現(xiàn)航拍圖像數(shù)據(jù)的目標(biāo)檢測(cè)[5]。還有人提出先使用SIFT(Scale Invariant Feature Transform)檢測(cè)圖像,先確定圖像中特定背景區(qū)域,再通過(guò)支持向量機(jī)(SVM)分類檢測(cè)特定背景中的目標(biāo)[6]。隨著計(jì)算機(jī)硬件性能大幅提升和以區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Region-CNN)算法為代表的機(jī)器學(xué)習(xí)算法研究的深入,使得計(jì)算機(jī)視覺(jué)快速發(fā)展和應(yīng)用領(lǐng)域不斷拓寬。其中,與傳統(tǒng)人工建模的方式相比,運(yùn)用神經(jīng)網(wǎng)絡(luò)可以從原始圖像中自動(dòng)提取特征、分離目標(biāo)和背景[10-12]。這些方法雖然實(shí)現(xiàn)了目標(biāo)識(shí)別,但準(zhǔn)確性和實(shí)時(shí)性方面還有提升的空間。Redmon等人提出的YOLO(You Only Look Once)目標(biāo)檢測(cè)算法是通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)快速、準(zhǔn)確的通用目標(biāo)檢測(cè)算法[13]。

    綜上,本文針對(duì)在野外環(huán)境中,無(wú)人機(jī)航拍圖像與目標(biāo)檢測(cè)技術(shù)結(jié)合進(jìn)行人員搜尋任務(wù)中,由于航拍器的觀測(cè)角度、拍照環(huán)境中光照強(qiáng)度的影響和被困人員的服裝顏色和姿勢(shì)的差異等原因,導(dǎo)致航拍圖像中的目標(biāo)檢測(cè)識(shí)別率不高,通過(guò)擴(kuò)充訓(xùn)練數(shù)據(jù)集和對(duì)YOLO 算法中的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的調(diào)整和參數(shù)的優(yōu)化,提高了航拍圖像中特定目標(biāo)的檢出率。

    1 卷積神經(jīng)網(wǎng)絡(luò)與目標(biāo)檢測(cè)

    YOLO 系列目標(biāo)檢測(cè)算法包括V1、V2、V9000和V3等版本,它們的網(wǎng)絡(luò)結(jié)構(gòu)是通過(guò)卷積層(Convolutional)獲得特征,池化層(Maxpool)融合特征,多層、多次迭代生成特征圖模型,見圖1。它們都可以在多框架下實(shí)現(xiàn),包括Darknet[15],caffe[16]和PyTorch[17]等。

    在YOLO算法體系中,V3公開測(cè)試結(jié)果顯示在小目標(biāo)識(shí)別的速度和識(shí)別率方面都優(yōu)于其它算法。因此本文在V3算法的基礎(chǔ)上,結(jié)合其它算法,提高航拍圖片中目標(biāo)被正確識(shí)別的準(zhǔn)確率。支持YOLO目標(biāo)檢測(cè)的框架都提供了樣本圖片通過(guò)特定網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練后,獲得特征模型文件,進(jìn)行目標(biāo)檢測(cè)。視頻在這些框架中是將視頻拆分成幀圖片進(jìn)行識(shí)別。

    YOLO系列目標(biāo)檢測(cè)算法都是將圖片整體讀入,分批次取成特定等分尺寸的S×S個(gè)小區(qū)域。根據(jù)不同的算法對(duì)這些小區(qū)域進(jìn)行特征提取,將具有相同或相似特征小區(qū)域進(jìn)行連接形成具有某些共性的大區(qū)域。這些區(qū)域中的某些特征與權(quán)重文件中的特征進(jìn)行比對(duì),給出這兩種特征的相似度。通過(guò)這個(gè)相似度,判斷某區(qū)域中,存在特定物體的概率。最后選擇含有某待檢測(cè)物體最高概率的區(qū)域進(jìn)行矩形標(biāo)注,輸出識(shí)別結(jié)果,見圖1。

    圖1 YOLO目標(biāo)檢測(cè)方法

    圖2 訓(xùn)練樣本旋轉(zhuǎn)擴(kuò)充和標(biāo)注框生成

    2 訓(xùn)練樣本數(shù)據(jù)集的擴(kuò)充

    卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè),檢出率是由訓(xùn)練樣本和網(wǎng)絡(luò)模型結(jié)構(gòu)決定。航拍圖像有兩個(gè)突出的特點(diǎn):觀測(cè)角度多變和目標(biāo)較小。第一個(gè)特點(diǎn)要求訓(xùn)練數(shù)據(jù)集要足夠的全,第二個(gè)特點(diǎn)要求設(shè)計(jì)的卷積網(wǎng)絡(luò)模型對(duì)圖像特征提取更加準(zhǔn)確全面。

    樣本的數(shù)據(jù)規(guī)模和質(zhì)量都直接影響機(jī)器學(xué)習(xí)算法最終識(shí)別的正確性和準(zhǔn)確性,通過(guò)卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行目標(biāo)檢測(cè)也具有這樣的特點(diǎn)。航拍圖像通常是從上向下拍攝,航拍器束縛較小,拍攝角度更加靈活,因此圖像的表現(xiàn)形式也更豐富,也給識(shí)別增加了難度。其中,拍攝視角靈活多變是造成航拍圖像識(shí)別率較低的主要原因。擴(kuò)大旋轉(zhuǎn)樣本的數(shù)量,是解決這一問(wèn)題直接有效的方法。但大量的符合要求的樣本收集是非常困難的。傳統(tǒng)的通過(guò)圖像特點(diǎn)半自動(dòng)的方式建立模型,進(jìn)行目標(biāo)識(shí)別雖然通用性方面落后于卷積神經(jīng)網(wǎng)絡(luò),但應(yīng)用它進(jìn)行訓(xùn)練樣本的擴(kuò)充還是非常實(shí)用和高效的。在本實(shí)驗(yàn)自建的數(shù)據(jù)集中,部分照片中的識(shí)別對(duì)象比較分散,并且周圍背景也比較單一,這樣的圖片可以通過(guò)旋轉(zhuǎn)生成新的訓(xùn)練樣本。

    圖像的自動(dòng)標(biāo)注,主要由前景提取、計(jì)算輪廓和計(jì)算標(biāo)識(shí)框三個(gè)主要部分組成。數(shù)字圖像是由像素點(diǎn)構(gòu)成,像素點(diǎn)可以看作由代表RGB三色的數(shù)字組成。前景提取就是根據(jù)數(shù)字圖像的特征實(shí)現(xiàn)特定數(shù)值范圍內(nèi)的像素點(diǎn)與其它像素點(diǎn)進(jìn)行分離。為了輪廓計(jì)算的準(zhǔn)確性和排除異常像素點(diǎn)的干擾,需要對(duì)圖像進(jìn)行二值處理,即圖中的前景為轉(zhuǎn)換為一色,其它部分轉(zhuǎn)換為另一種顏色。輪廓計(jì)算是通過(guò)圖像中的前景與背景交接處兩邊像素的數(shù)值有跳變這一特點(diǎn)計(jì)算獲得。標(biāo)注框的計(jì)算是計(jì)算輪廓中的點(diǎn)在橫坐標(biāo)與縱坐標(biāo)方向的最大和最小值。因?yàn)樵谶@一系列的圖像像素?cái)?shù)值計(jì)算過(guò)程中,圖片中的前景位置沒(méi)有改變,所以得到的標(biāo)注框就是識(shí)別目標(biāo)的標(biāo)識(shí)框。圖3展示了從航拍圖片選取的部分含有檢測(cè)目標(biāo)的圖片進(jìn)行旋轉(zhuǎn)與標(biāo)注的過(guò)程。數(shù)字圖像可以看成矩陣數(shù)據(jù),因此旋轉(zhuǎn)與矩陣變換綜合應(yīng)用對(duì)訓(xùn)練數(shù)據(jù)集擴(kuò)充效果會(huì)更好。

    圖3 SR-YOLO 網(wǎng)絡(luò)超清部分的網(wǎng)絡(luò)結(jié)構(gòu)

    對(duì)于人的目標(biāo)識(shí)別,通過(guò)旋轉(zhuǎn)進(jìn)行樣本集擴(kuò)充時(shí)不能違背人類活動(dòng)的特點(diǎn)。通過(guò)對(duì)航拍圖像中人各種姿勢(shì)和生活經(jīng)驗(yàn)的總結(jié),臥姿時(shí)因?yàn)槿梭w和地面近似平行,所以可以360°旋轉(zhuǎn),但其它姿勢(shì)人體大多與地面垂直,因此攝像機(jī)的拍攝角約等于90°時(shí)才有實(shí)際意義。

    3 SR-YOLO網(wǎng)絡(luò)結(jié)構(gòu)

    通常航拍成像設(shè)備離目標(biāo)較遠(yuǎn),造成目標(biāo)較小,通過(guò)傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)提取到的特征信息也較少,降低了目標(biāo)被檢測(cè)到的可能性。因此,提高航拍圖像中目標(biāo)物體的檢出率,可以通過(guò)增加卷積神經(jīng)網(wǎng)絡(luò)提取到的特征信息實(shí)現(xiàn)。其中,圖像的超分辨率就是其中有效方法。本文提出的SR-YOLO(Super-Resolution You Only Look One)算法,將圖像先進(jìn)行超分辨率在進(jìn)行目標(biāo)檢測(cè)。

    3.1 圖像的清晰度增強(qiáng)處理

    圖像的超分辨率可以看成由低像素矩陣向高像素矩陣的函數(shù)對(duì)映問(wèn)題,因?yàn)樯窠?jīng)網(wǎng)絡(luò)在數(shù)據(jù)擬合方面有著非常優(yōu)異的表現(xiàn),所以可以由神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)從低清晰度圖像數(shù)據(jù)向高清晰度圖像數(shù)據(jù)的對(duì)應(yīng)。圖像清晰化加強(qiáng)的建模訓(xùn)練時(shí)需要將生成的超清圖片與輸入圖片對(duì)應(yīng)的清晰度較高圖片進(jìn)行相似對(duì)比。本文判斷兩個(gè)圖片的相似性應(yīng)用結(jié)構(gòu)相似法。

    (1)

    圖像清晰度加強(qiáng)部分的網(wǎng)絡(luò)結(jié)構(gòu)主要功能包括特征提取、上采樣、特征融合、殘差修正和圖像輸出,網(wǎng)絡(luò)框架如圖4所示。Conv是卷積層,功能是特征提??;ReLu是激活函數(shù),見公式(2),小于0的值被設(shè)為0,其它值保持不變。Dropout層是為了防止過(guò)擬合,隨機(jī)對(duì)部分神經(jīng)元進(jìn)行刪除。 Up-Sampling層進(jìn)行上采樣,即按當(dāng)前的數(shù)據(jù)的結(jié)構(gòu)特征進(jìn)行數(shù)據(jù)擴(kuò)充。Merge層是融合層,將上采樣數(shù)據(jù)加入原數(shù)據(jù)特點(diǎn)。Residual Learning是殘差層,防止多層神經(jīng)網(wǎng)絡(luò)性能的衰退,進(jìn)行的計(jì)算方式的轉(zhuǎn)換。

    ReLu(x)=max(0,x)

    (2)

    圖4 殘差塊

    3.2 SP-YOLO算法的目標(biāo)檢測(cè)部分

    SR-YOLO目標(biāo)檢測(cè)部分輸入圖像大小為608×608,此數(shù)值越大每次讀取的像素點(diǎn)越多對(duì)訓(xùn)練和識(shí)別越有利,但它受到顯存和其它硬件性能的制約,在工程實(shí)踐中通常需要根據(jù)具體情況進(jìn)行調(diào)整。在一定范圍內(nèi)更深的網(wǎng)絡(luò)結(jié)構(gòu)可以提升檢測(cè)效果,但隨著網(wǎng)絡(luò)層數(shù)的增加,效率也會(huì)隨之下降,同時(shí),帶來(lái)的還有訓(xùn)練困難。為了網(wǎng)絡(luò)更好的收斂,通常在網(wǎng)絡(luò)結(jié)構(gòu)中加入批量歸一化層(Batch Normalization,BN)[18]和殘差層[19]。

    在通過(guò)梯度下降思想訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型過(guò)程中,傳統(tǒng)的模型訓(xùn)練過(guò)程是將每層的卷積得到的特征結(jié)果直接提供給下一網(wǎng)絡(luò)運(yùn)算層,可是每次卷積的結(jié)果差異可能非常大,造成收斂速度慢。根據(jù)中心極限定理[20]的思想,卷積運(yùn)算得到的特征總體分布符合正態(tài)分布。在YOLO 算法中BN 層實(shí)現(xiàn)將正態(tài)分布的特性引入到卷積神經(jīng)網(wǎng)絡(luò)中,加速模型收斂。式(3)和式(4)中,γ為縮放因子,xconv為卷積層,μ為一組圖片卷積特征值的平均值,σ為一組圖片卷積特征值的方差,Δ為標(biāo)準(zhǔn)方差的微調(diào)(通常為10-6),β為偏置值。式(3)是BN層數(shù)學(xué)表達(dá)式,式(4)為普通正態(tài)分布轉(zhuǎn)化為標(biāo)準(zhǔn)正態(tài)分布的公式。對(duì)比這兩個(gè)公式可以發(fā)現(xiàn),BN層的作用是實(shí)現(xiàn)卷積層提取到的特征轉(zhuǎn)化成標(biāo)準(zhǔn)正態(tài)分布。當(dāng)卷積提取到的圖像特征轉(zhuǎn)化成近似符合標(biāo)準(zhǔn)正態(tài)分布,實(shí)現(xiàn)數(shù)據(jù)的中心化和標(biāo)準(zhǔn)化,更有助于激活函數(shù)對(duì)其特征的處理,減小梯度消失或梯度爆炸發(fā)生的可能性。同時(shí),一批數(shù)據(jù)的均值和方差并不能代表全體數(shù)據(jù)的均值和方差,如果BN層嚴(yán)格按照公式(4)對(duì)卷積提取到的特征進(jìn)行中心化和標(biāo)準(zhǔn)化將會(huì)消除真實(shí)分布的差異性,增加發(fā)生過(guò)擬合的風(fēng)險(xiǎn)。因此,在公式(3)中通過(guò)設(shè)置γ,β和Δ 參數(shù),實(shí)現(xiàn)總體近似服從標(biāo)準(zhǔn)正態(tài)分布,但并不嚴(yán)格。

    (3)

    (4)

    隨著神經(jīng)網(wǎng)絡(luò)層數(shù)的增多,梯度消失越明顯,而且某些隱藏層可能存在恒等映射,導(dǎo)致擬合效果不斷降低。這里引入殘差的概念,如圖4所示,將原始輸入x不做任何改變和輸出H(x)進(jìn)行相加處理,即H(x)=F(x)+x,其中x表示輸入,H(x)表示輸出,F(xiàn)(x)表示通過(guò)神經(jīng)網(wǎng)絡(luò)去擬合輸入與輸出之間的殘差。引入殘差后網(wǎng)絡(luò)產(chǎn)生了短連接(淺層網(wǎng)絡(luò)),網(wǎng)絡(luò)中數(shù)據(jù)的正向傳遞路徑更多樣和網(wǎng)絡(luò)參數(shù)的反向傳遞優(yōu)化能力更強(qiáng)。

    通過(guò)上述討論可以發(fā)現(xiàn),BN層通過(guò)將卷積后的特征轉(zhuǎn)換成標(biāo)準(zhǔn)正態(tài)分布,實(shí)現(xiàn)抑制損失函數(shù)值大幅波動(dòng),但這樣的方法對(duì)提取到的特征是有損失的.在小目標(biāo)檢測(cè)的任務(wù)中,損失的特征將給目標(biāo)的識(shí)別率帶來(lái)較大負(fù)面影響。因此,在SR-YOLO網(wǎng)絡(luò)結(jié)構(gòu)中,增加殘差塊的使用減少BN層的使用。

    在目標(biāo)檢測(cè)訓(xùn)練階段,損失函數(shù)幫助實(shí)現(xiàn)目標(biāo)和非目標(biāo)相互分離。在航拍圖片“人”的識(shí)別中,選擇通過(guò)誤差損失的平方和為基礎(chǔ)實(shí)現(xiàn)目標(biāo)特有特征的提取。

    (5)

    (6)

    4 實(shí)驗(yàn)過(guò)程和實(shí)驗(yàn)結(jié)果分析

    4.1 實(shí)驗(yàn)過(guò)程

    (1) 試驗(yàn)設(shè)備與檢測(cè)系統(tǒng)搭建

    本實(shí)驗(yàn)前期模型訓(xùn)練和目標(biāo)檢測(cè)都是針對(duì) RGB圖像數(shù)據(jù)[21],即算法處理的是圖片對(duì)應(yīng)的矩陣。但是圖像矩陣規(guī)模非常巨大,CPU緩存很小,如果用CPU進(jìn)行這樣的計(jì)算需要不斷從內(nèi)存讀入數(shù)據(jù)和將計(jì)算的中間結(jié)果保存到內(nèi)存,大量的時(shí)間被消耗在CPU對(duì)內(nèi)存的訪問(wèn)。因此,目前針對(duì)這樣大規(guī)模矩陣類數(shù)據(jù)的計(jì)算常通過(guò)顯卡(GPU)進(jìn)行。本實(shí)驗(yàn),也選擇是在Ubuntu18.04系統(tǒng)配置GPU版的PyTorch神經(jīng)網(wǎng)絡(luò)框架,進(jìn)行模型的訓(xùn)練和檢測(cè),選擇的顯卡處理芯片是NVIDIA品牌Tesla P40,顯存24G。

    (2) 試驗(yàn)構(gòu)建

    在本論文目標(biāo)檢測(cè)模型的選擇上采取相關(guān)因素比較法,檢測(cè)結(jié)果與訓(xùn)練階段使用數(shù)據(jù)集相關(guān)。由于公開的數(shù)據(jù)集較少有航拍圖片針對(duì)“人”作為檢測(cè)目標(biāo)的訓(xùn)練圖庫(kù)。本實(shí)驗(yàn),采取將多段航拍視頻拆分成幀圖片,并從中挑選部分作為訓(xùn)練樣本。如果只應(yīng)用這些樣本進(jìn)行模型訓(xùn)練,數(shù)據(jù)量是不夠的,容易產(chǎn)生過(guò)擬合現(xiàn)象。本實(shí)驗(yàn)采取分步訓(xùn)練的方式解決這個(gè)問(wèn)題。先通過(guò)ImageNet圖片庫(kù)進(jìn)行訓(xùn)練[22],得到第一步的訓(xùn)練模型。雖然不同的觀測(cè)角度會(huì)產(chǎn)生不同的物體外形特點(diǎn),但同類目標(biāo)不同的觀測(cè)角度也有很多相似的特點(diǎn)。ImageNet圖片數(shù)據(jù)量巨大可以較為全面的獲取人的各種外形特征。第二步訓(xùn)練在自己標(biāo)注的數(shù)據(jù)集和通過(guò)旋轉(zhuǎn)生成的數(shù)據(jù)集上進(jìn)行,目的是通過(guò)航拍圖片數(shù)據(jù),對(duì)第一步訓(xùn)練的模型加入更多航拍圖片特征,提高在航拍場(chǎng)景中的識(shí)別率。

    實(shí)驗(yàn)?zāi)康氖球?yàn)證通過(guò)航拍圖片進(jìn)行人的識(shí)別,訓(xùn)練樣本選擇戶外地形復(fù)雜的地區(qū)。華山因其險(xiǎn)而聞名全國(guó),選擇它作為本實(shí)驗(yàn)的樣本數(shù)據(jù)是有代表性的。但是,由于華山旅游視頻是冬天拍攝,游客穿深色衣服較多,訓(xùn)練樣本特征不夠多樣,將會(huì)影響訓(xùn)練模型對(duì)不同衣著顏色的人識(shí)別率差異增大。為了增加樣本的多樣性,又在樣本中增加了夏季貴州德江大龍阡景區(qū)旅游視頻。這個(gè)數(shù)據(jù)樣本的特點(diǎn)是人們服裝顏色更多樣,增加水面為背景的樣本。樣本標(biāo)注在Ubuntu系統(tǒng)下采用標(biāo)注工具labelImg軟件。所有樣本數(shù)據(jù),按照訓(xùn)練樣本占80%,驗(yàn)證驗(yàn)證樣本占20%進(jìn)行隨機(jī)選擇。

    4.2 實(shí)驗(yàn)結(jié)果分析

    根據(jù)卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn),訓(xùn)練集的擴(kuò)充和網(wǎng)絡(luò)結(jié)構(gòu)的調(diào)整都會(huì)改變目標(biāo)檢測(cè)的效果。圖5說(shuō)明的是通過(guò)訓(xùn)練集圖片進(jìn)行有選擇的旋轉(zhuǎn)數(shù)據(jù)擴(kuò)充對(duì)目標(biāo)識(shí)別效果的影響,圖中是學(xué)生在操場(chǎng)擺拍——學(xué)生在操場(chǎng)上圍成圓圈,人為創(chuàng)造一種航拍圖像下目標(biāo)可以多角度任意旋轉(zhuǎn)變換。

    圖5 不同訓(xùn)練集獲得的模型目標(biāo)檢測(cè)結(jié)果對(duì)比

    損失函數(shù)值的變化是對(duì)訓(xùn)練過(guò)程間接評(píng)價(jià),訓(xùn)練得到的模型評(píng)價(jià),通常由目標(biāo)檢測(cè)結(jié)果圖直觀展現(xiàn)。從識(shí)別結(jié)果可以看出,訓(xùn)練數(shù)據(jù)集中加入對(duì)已有部分樣本的旋轉(zhuǎn)擴(kuò)充數(shù)據(jù),可以解決航拍視角下由拍攝角度多變和識(shí)別目標(biāo)人的姿態(tài)變化帶來(lái)的識(shí)別困難。圖6 是原YOLO算法與SR-YOLO在真實(shí)場(chǎng)景中人的識(shí)別對(duì)比。由于拍攝距離的影響,目標(biāo)(人)在航拍圖像中通常比較小,小目標(biāo)提供的特征信息也較少增加目標(biāo)檢測(cè)的難度。圖6 (a)是航拍直接獲得的圖片,圖6(b)為原圖在YOLO下的識(shí)別結(jié)果,圖6(c)為原圖經(jīng)過(guò)SR-YOLO超分辨率處理后的中間效果,圖6(d)為航拍圖在SR-YOLO下識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果顯示,圖6(c)只檢測(cè)到一個(gè)目標(biāo);圖6(d)檢測(cè)到4個(gè)目標(biāo)。表1是SR-YOLO與YOLO v3目標(biāo)檢測(cè)性能對(duì)比數(shù)據(jù),通過(guò)數(shù)據(jù)可以看出SR-YOLO目標(biāo)檢測(cè)算法對(duì)小目標(biāo)人的正確識(shí)別的性能相比YOLO 有提升。

    圖6 SR-YOLO 與 YOLO 目標(biāo)檢測(cè)結(jié)果對(duì)比

    表1 性能指標(biāo)對(duì)照表

    5 結(jié)論

    (1) 將目標(biāo)檢測(cè)引入到戶外環(huán)境下基于航拍圖像的人員搜尋任務(wù)中,發(fā)現(xiàn)與傳統(tǒng)的目標(biāo)檢測(cè)任務(wù)相比航拍圖像由于拍攝距離較遠(yuǎn)和拍攝角度多變,造成航拍圖像中的目標(biāo)較小,目標(biāo)外形變化較大,影響目標(biāo)的檢出率。

    (2) 針對(duì)被檢測(cè)目標(biāo)人在航拍圖像中姿態(tài)多變,提出通過(guò)傳統(tǒng)數(shù)字圖像處理方法進(jìn)行照片旋轉(zhuǎn)、前景目標(biāo)分割、圖像二值化、輪廓計(jì)算和標(biāo)識(shí)框獲取的流程對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行擴(kuò)充。實(shí)驗(yàn)數(shù)據(jù)表明經(jīng)過(guò)旋轉(zhuǎn)擴(kuò)充后訓(xùn)練得到的識(shí)別模型對(duì)航拍圖像中人的姿勢(shì)多變識(shí)別效果更好。

    (3) 針對(duì)航拍圖像中目標(biāo)小,不利于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取,提出在原有YOLOL算法的基礎(chǔ)上加入超分辨率處理部分形成SR-YOLO算法,此算法通過(guò)對(duì)卷積獲得的特征進(jìn)行上采樣補(bǔ)充部分特征實(shí)現(xiàn)提升小目標(biāo)的檢出率。

    猜你喜歡
    航拍卷積神經(jīng)網(wǎng)絡(luò)
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    航拍下的苗圃與農(nóng)場(chǎng)
    中外文摘(2021年10期)2021-05-31 12:10:40
    神經(jīng)網(wǎng)絡(luò)抑制無(wú)線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    難忘的航拍
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    《航拍中國(guó)》美得讓人想哭
    陜西畫報(bào)航拍
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    中文字幕av电影在线播放| 黄色视频不卡| 黑丝袜美女国产一区| 人成视频在线观看免费观看| 日本猛色少妇xxxxx猛交久久| 女人爽到高潮嗷嗷叫在线视频| 老司机影院成人| 午夜免费成人在线视频| 精品人妻熟女毛片av久久网站| 国产成人影院久久av| 亚洲综合色网址| 一本久久精品| 欧美av亚洲av综合av国产av| 成年人免费黄色播放视频| 1024视频免费在线观看| 十分钟在线观看高清视频www| 亚洲中文日韩欧美视频| 久久久久久久国产电影| 免费高清在线观看日韩| 国产成人欧美在线观看 | 国产精品一区二区在线不卡| 侵犯人妻中文字幕一二三四区| 日韩电影二区| 丝袜人妻中文字幕| 亚洲精品国产色婷婷电影| 曰老女人黄片| 国产精品国产av在线观看| 男女免费视频国产| 99久久精品国产亚洲精品| 脱女人内裤的视频| 国产一级毛片在线| 不卡一级毛片| 黄色视频不卡| 99久久精品国产亚洲精品| 亚洲av成人一区二区三| 性色av一级| 宅男免费午夜| 99香蕉大伊视频| 午夜免费鲁丝| 亚洲 国产 在线| 在线天堂中文资源库| 欧美精品一区二区免费开放| 免费久久久久久久精品成人欧美视频| 一边摸一边抽搐一进一出视频| 天天影视国产精品| 老鸭窝网址在线观看| 免费久久久久久久精品成人欧美视频| 一边摸一边做爽爽视频免费| 亚洲精品美女久久av网站| 日本av免费视频播放| 丰满迷人的少妇在线观看| 亚洲欧美日韩另类电影网站| 一本一本久久a久久精品综合妖精| 久久精品成人免费网站| 国产精品一区二区在线不卡| 在线观看www视频免费| 日韩制服骚丝袜av| 精品久久久精品久久久| 国产日韩欧美在线精品| 母亲3免费完整高清在线观看| 亚洲avbb在线观看| 777久久人妻少妇嫩草av网站| 男人添女人高潮全过程视频| 最近最新免费中文字幕在线| 亚洲欧洲日产国产| 麻豆乱淫一区二区| 大香蕉久久网| 十分钟在线观看高清视频www| 无限看片的www在线观看| 日本91视频免费播放| 天天添夜夜摸| 欧美人与性动交α欧美精品济南到| 脱女人内裤的视频| 狠狠精品人妻久久久久久综合| 日韩三级视频一区二区三区| 老司机午夜十八禁免费视频| 中文字幕精品免费在线观看视频| 欧美黑人精品巨大| 免费高清在线观看视频在线观看| 亚洲色图综合在线观看| 男女午夜视频在线观看| 母亲3免费完整高清在线观看| 免费av中文字幕在线| 一级毛片精品| 男女午夜视频在线观看| 精品国产乱码久久久久久男人| cao死你这个sao货| 久久久国产一区二区| 欧美大码av| 我要看黄色一级片免费的| 国产在线观看jvid| 亚洲黑人精品在线| 国产日韩一区二区三区精品不卡| 亚洲精品国产av蜜桃| 人人妻人人澡人人爽人人夜夜| 亚洲色图 男人天堂 中文字幕| 精品一区在线观看国产| 亚洲专区中文字幕在线| 久久人妻福利社区极品人妻图片| 爱豆传媒免费全集在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 狠狠狠狠99中文字幕| 亚洲第一欧美日韩一区二区三区 | 欧美亚洲日本最大视频资源| 大陆偷拍与自拍| e午夜精品久久久久久久| 久久青草综合色| 黄色 视频免费看| 美女高潮到喷水免费观看| 久久精品久久久久久噜噜老黄| 免费一级毛片在线播放高清视频 | 色94色欧美一区二区| 操美女的视频在线观看| 99九九在线精品视频| 97在线人人人人妻| 天天操日日干夜夜撸| 精品一区在线观看国产| 丝瓜视频免费看黄片| 少妇裸体淫交视频免费看高清 | 久久久久久人人人人人| 免费高清在线观看日韩| 亚洲欧洲精品一区二区精品久久久| 水蜜桃什么品种好| www.av在线官网国产| 久久这里只有精品19| 99国产精品一区二区三区| 人妻 亚洲 视频| 亚洲一区二区三区欧美精品| 中文字幕av电影在线播放| 涩涩av久久男人的天堂| a在线观看视频网站| 我的亚洲天堂| 涩涩av久久男人的天堂| 这个男人来自地球电影免费观看| 国产免费视频播放在线视频| 精品一品国产午夜福利视频| 操出白浆在线播放| 成年人午夜在线观看视频| 亚洲精品一二三| 成年人黄色毛片网站| 啦啦啦中文免费视频观看日本| 精品人妻1区二区| 亚洲一码二码三码区别大吗| 精品国内亚洲2022精品成人 | 精品亚洲成a人片在线观看| 久久久国产欧美日韩av| 大陆偷拍与自拍| 性少妇av在线| 欧美少妇被猛烈插入视频| 真人做人爱边吃奶动态| 欧美性长视频在线观看| 国产在线一区二区三区精| 国产一区二区三区综合在线观看| 大陆偷拍与自拍| 十分钟在线观看高清视频www| 久久影院123| 在线观看www视频免费| 亚洲精品美女久久av网站| 亚洲人成电影免费在线| 欧美大码av| 少妇 在线观看| 国产又爽黄色视频| 肉色欧美久久久久久久蜜桃| 老鸭窝网址在线观看| 69精品国产乱码久久久| 熟女少妇亚洲综合色aaa.| 中国国产av一级| 又黄又粗又硬又大视频| 韩国高清视频一区二区三区| 亚洲国产毛片av蜜桃av| 国产亚洲欧美在线一区二区| 超色免费av| 国产区一区二久久| 国产亚洲午夜精品一区二区久久| 咕卡用的链子| 国产成人欧美| 亚洲精品久久成人aⅴ小说| 精品国产一区二区三区久久久樱花| 狂野欧美激情性xxxx| 狂野欧美激情性bbbbbb| 成年人免费黄色播放视频| 一本色道久久久久久精品综合| 九色亚洲精品在线播放| 国产精品.久久久| 午夜激情久久久久久久| 狠狠精品人妻久久久久久综合| 国产免费福利视频在线观看| 美女福利国产在线| 亚洲视频免费观看视频| 最新在线观看一区二区三区| 欧美日韩黄片免| 亚洲九九香蕉| 精品少妇久久久久久888优播| 丁香六月天网| 麻豆国产av国片精品| 一区二区三区乱码不卡18| 国产精品国产av在线观看| 国产成人一区二区三区免费视频网站| 99热全是精品| 久久人妻熟女aⅴ| 亚洲国产精品一区三区| 国产精品久久久av美女十八| 免费观看a级毛片全部| 国产精品久久久久成人av| 蜜桃在线观看..| 极品人妻少妇av视频| 亚洲专区国产一区二区| 欧美激情高清一区二区三区| 精品国产乱子伦一区二区三区 | 91麻豆av在线| 国产精品久久久久久精品古装| 黑丝袜美女国产一区| 久久ye,这里只有精品| 99国产极品粉嫩在线观看| 电影成人av| 少妇猛男粗大的猛烈进出视频| 久久国产精品男人的天堂亚洲| 两性夫妻黄色片| 夜夜骑夜夜射夜夜干| 国产91精品成人一区二区三区 | 黑人操中国人逼视频| 久久精品熟女亚洲av麻豆精品| 久久精品成人免费网站| 老司机亚洲免费影院| 捣出白浆h1v1| 国产一级毛片在线| 亚洲一区二区三区欧美精品| 久久精品亚洲熟妇少妇任你| 视频区欧美日本亚洲| 中文字幕色久视频| 人人妻,人人澡人人爽秒播| 伊人亚洲综合成人网| 久久 成人 亚洲| 人妻 亚洲 视频| 国产精品秋霞免费鲁丝片| 精品少妇一区二区三区视频日本电影| 免费观看av网站的网址| 国产成人精品久久二区二区免费| 欧美黑人欧美精品刺激| 黑人猛操日本美女一级片| 99久久人妻综合| 国产精品偷伦视频观看了| 夜夜骑夜夜射夜夜干| 亚洲精品美女久久久久99蜜臀| 午夜激情久久久久久久| 丁香六月天网| 久久精品久久久久久噜噜老黄| 97精品久久久久久久久久精品| 国产av精品麻豆| 青春草亚洲视频在线观看| 在线观看人妻少妇| 亚洲国产av影院在线观看| 又紧又爽又黄一区二区| 永久免费av网站大全| 国产成人精品久久二区二区免费| 国产欧美日韩精品亚洲av| 婷婷丁香在线五月| 国产野战对白在线观看| 三级毛片av免费| 韩国高清视频一区二区三区| 亚洲激情五月婷婷啪啪| 国产精品熟女久久久久浪| 国产精品.久久久| 成人影院久久| 亚洲精品久久成人aⅴ小说| 亚洲av男天堂| 韩国精品一区二区三区| 一区二区三区精品91| 成年人午夜在线观看视频| 在线精品无人区一区二区三| 一进一出抽搐动态| 高清av免费在线| 久久九九热精品免费| 精品一区在线观看国产| 日韩一区二区三区影片| videosex国产| 欧美另类亚洲清纯唯美| 成人av一区二区三区在线看 | 午夜免费鲁丝| 少妇精品久久久久久久| 一区二区三区精品91| 亚洲欧美一区二区三区久久| 久久亚洲国产成人精品v| 国产一区二区在线观看av| 黄色视频在线播放观看不卡| 国产在线视频一区二区| 一本—道久久a久久精品蜜桃钙片| 欧美激情久久久久久爽电影 | 91成人精品电影| 久久精品成人免费网站| 日日摸夜夜添夜夜添小说| 天天影视国产精品| 免费高清在线观看视频在线观看| 丝袜美足系列| 在线观看人妻少妇| 中文字幕人妻丝袜制服| bbb黄色大片| 9191精品国产免费久久| 新久久久久国产一级毛片| 狠狠狠狠99中文字幕| 高清在线国产一区| 久久人人爽人人片av| 深夜精品福利| 亚洲欧美成人综合另类久久久| 人妻人人澡人人爽人人| 欧美变态另类bdsm刘玥| 亚洲一区二区三区欧美精品| 91老司机精品| 乱人伦中国视频| 国产成人精品久久二区二区91| 亚洲欧洲精品一区二区精品久久久| 亚洲精品在线美女| 性高湖久久久久久久久免费观看| 一本色道久久久久久精品综合| 999久久久精品免费观看国产| 免费观看人在逋| 成人18禁高潮啪啪吃奶动态图| 美女国产高潮福利片在线看| 一区二区三区激情视频| 人人妻人人澡人人爽人人夜夜| 国产精品 欧美亚洲| 新久久久久国产一级毛片| 大型av网站在线播放| 亚洲av电影在线观看一区二区三区| 99国产极品粉嫩在线观看| 国产免费现黄频在线看| 在线观看免费午夜福利视频| 一级毛片女人18水好多| 999精品在线视频| 十八禁网站免费在线| e午夜精品久久久久久久| av不卡在线播放| 国产精品香港三级国产av潘金莲| 亚洲av日韩在线播放| 日本撒尿小便嘘嘘汇集6| 99久久99久久久精品蜜桃| 久久国产精品男人的天堂亚洲| 一区二区三区精品91| 啦啦啦视频在线资源免费观看| 人人妻,人人澡人人爽秒播| 交换朋友夫妻互换小说| 脱女人内裤的视频| tube8黄色片| 亚洲精品日韩在线中文字幕| 亚洲色图综合在线观看| 在线观看人妻少妇| 免费看十八禁软件| 国产精品一区二区免费欧美 | 天天操日日干夜夜撸| 亚洲精品久久午夜乱码| 天天躁狠狠躁夜夜躁狠狠躁| 午夜福利在线观看吧| 窝窝影院91人妻| 日韩 欧美 亚洲 中文字幕| 别揉我奶头~嗯~啊~动态视频 | 两人在一起打扑克的视频| 18禁观看日本| 99久久国产精品久久久| 亚洲伊人色综图| 操出白浆在线播放| 99国产极品粉嫩在线观看| 日本wwww免费看| 黑人巨大精品欧美一区二区蜜桃| 99久久精品国产亚洲精品| 日韩欧美国产一区二区入口| 两人在一起打扑克的视频| 精品人妻1区二区| 日本撒尿小便嘘嘘汇集6| 国产精品影院久久| 在线av久久热| 国产又爽黄色视频| 国产精品 欧美亚洲| 久热这里只有精品99| 黑人猛操日本美女一级片| 久热这里只有精品99| 免费av中文字幕在线| 精品人妻在线不人妻| 欧美另类一区| 久久av网站| 人人妻人人添人人爽欧美一区卜| 亚洲,欧美精品.| 亚洲欧洲日产国产| 久久中文看片网| 青春草亚洲视频在线观看| 亚洲国产精品999| 9色porny在线观看| 大香蕉久久网| 午夜91福利影院| 日韩欧美免费精品| 免费日韩欧美在线观看| 麻豆av在线久日| 久久人人爽人人片av| 嫁个100分男人电影在线观看| 国产视频一区二区在线看| 亚洲黑人精品在线| 亚洲欧美激情在线| 久久久国产成人免费| 每晚都被弄得嗷嗷叫到高潮| 一区二区av电影网| av在线老鸭窝| 免费久久久久久久精品成人欧美视频| 国产又色又爽无遮挡免| 黑人欧美特级aaaaaa片| 亚洲精品粉嫩美女一区| 女人爽到高潮嗷嗷叫在线视频| 91av网站免费观看| 久久久久网色| 最新的欧美精品一区二区| 啦啦啦啦在线视频资源| 中文字幕人妻熟女乱码| 亚洲少妇的诱惑av| av又黄又爽大尺度在线免费看| 国产淫语在线视频| 国产日韩一区二区三区精品不卡| www.av在线官网国产| 亚洲成人手机| 狠狠狠狠99中文字幕| 精品福利观看| 国产精品成人在线| 好男人电影高清在线观看| 国产成人一区二区三区免费视频网站| 亚洲欧美色中文字幕在线| 国产男人的电影天堂91| 一区二区日韩欧美中文字幕| 9色porny在线观看| 成人亚洲精品一区在线观看| 超碰成人久久| 亚洲av国产av综合av卡| 日韩一区二区三区影片| 日本一区二区免费在线视频| 国产一区有黄有色的免费视频| 亚洲国产中文字幕在线视频| 欧美黑人欧美精品刺激| 黄色毛片三级朝国网站| 中文字幕另类日韩欧美亚洲嫩草| 老熟妇乱子伦视频在线观看 | 色婷婷久久久亚洲欧美| 免费高清在线观看视频在线观看| 黄色 视频免费看| 久久久精品国产亚洲av高清涩受| 欧美在线黄色| 久久综合国产亚洲精品| 国产欧美亚洲国产| 天堂8中文在线网| av视频免费观看在线观看| 久久热在线av| 色94色欧美一区二区| 老司机深夜福利视频在线观看 | 亚洲国产欧美日韩在线播放| 精品国产一区二区久久| 日韩视频在线欧美| 丰满迷人的少妇在线观看| 日韩三级视频一区二区三区| 一本大道久久a久久精品| 啪啪无遮挡十八禁网站| 久久久精品区二区三区| 一区二区av电影网| 日韩电影二区| 青青草视频在线视频观看| 成人亚洲精品一区在线观看| 岛国在线观看网站| 欧美日韩成人在线一区二区| 自线自在国产av| 国产精品亚洲av一区麻豆| 久久亚洲精品不卡| av在线播放精品| 日韩欧美免费精品| 亚洲精品第二区| 美女主播在线视频| 欧美av亚洲av综合av国产av| 欧美精品av麻豆av| av有码第一页| 亚洲午夜精品一区,二区,三区| 国产成人影院久久av| 三上悠亚av全集在线观看| 亚洲av男天堂| 他把我摸到了高潮在线观看 | 亚洲精品国产av蜜桃| 成人国语在线视频| 亚洲成人国产一区在线观看| 精品高清国产在线一区| 啪啪无遮挡十八禁网站| 每晚都被弄得嗷嗷叫到高潮| 日韩中文字幕视频在线看片| 1024香蕉在线观看| 男男h啪啪无遮挡| 亚洲av日韩在线播放| 在线观看www视频免费| 菩萨蛮人人尽说江南好唐韦庄| 日本五十路高清| 欧美国产精品一级二级三级| 日韩,欧美,国产一区二区三区| av电影中文网址| 麻豆av在线久日| 91字幕亚洲| 免费不卡黄色视频| 国产不卡av网站在线观看| 国产1区2区3区精品| 久久99一区二区三区| 一区二区三区激情视频| e午夜精品久久久久久久| 欧美变态另类bdsm刘玥| 91精品国产国语对白视频| 亚洲精品中文字幕一二三四区 | 91精品三级在线观看| 免费在线观看影片大全网站| 爱豆传媒免费全集在线观看| 欧美黄色片欧美黄色片| 人妻人人澡人人爽人人| 黄片大片在线免费观看| 人人妻,人人澡人人爽秒播| √禁漫天堂资源中文www| 成年人免费黄色播放视频| 两性午夜刺激爽爽歪歪视频在线观看 | 看免费av毛片| 精品国产乱码久久久久久男人| 亚洲精品第二区| 亚洲国产av新网站| 国产精品久久久人人做人人爽| 真人做人爱边吃奶动态| 精品福利永久在线观看| 在线亚洲精品国产二区图片欧美| 婷婷丁香在线五月| 国产欧美日韩精品亚洲av| 亚洲欧美清纯卡通| 亚洲五月婷婷丁香| av在线老鸭窝| 天堂8中文在线网| 国产伦人伦偷精品视频| 亚洲五月色婷婷综合| 精品久久久久久电影网| 久久久欧美国产精品| 99久久99久久久精品蜜桃| 色精品久久人妻99蜜桃| 好男人电影高清在线观看| 法律面前人人平等表现在哪些方面 | 亚洲第一欧美日韩一区二区三区 | 日韩欧美免费精品| 激情视频va一区二区三区| 18禁裸乳无遮挡动漫免费视频| 18禁国产床啪视频网站| 一本久久精品| 国产一区二区三区av在线| 亚洲国产毛片av蜜桃av| 日本av手机在线免费观看| 久久精品国产亚洲av高清一级| 国产成人欧美| 2018国产大陆天天弄谢| 亚洲av日韩精品久久久久久密| 手机成人av网站| 女警被强在线播放| 另类亚洲欧美激情| netflix在线观看网站| 又大又爽又粗| 91成人精品电影| 黄色a级毛片大全视频| 亚洲国产精品一区二区三区在线| 悠悠久久av| 美女扒开内裤让男人捅视频| 成年人免费黄色播放视频| a 毛片基地| 亚洲欧美成人综合另类久久久| 国产精品国产av在线观看| 一区二区三区乱码不卡18| 国产黄频视频在线观看| 啦啦啦免费观看视频1| 亚洲精品av麻豆狂野| 最近最新免费中文字幕在线| 国产在线一区二区三区精| 正在播放国产对白刺激| 丝袜美腿诱惑在线| 蜜桃国产av成人99| 午夜久久久在线观看| 五月开心婷婷网| 亚洲精品第二区| 首页视频小说图片口味搜索| www.999成人在线观看| 老熟妇乱子伦视频在线观看 | 亚洲精品国产区一区二| 成人三级做爰电影| 色94色欧美一区二区| 国产亚洲av高清不卡| 狂野欧美激情性xxxx| 亚洲精品美女久久av网站| 欧美精品亚洲一区二区| 国产成人免费观看mmmm| 精品少妇黑人巨大在线播放| 黄色视频在线播放观看不卡| 老司机午夜十八禁免费视频| 男女床上黄色一级片免费看| 丝袜脚勾引网站| 亚洲国产av新网站| 男女床上黄色一级片免费看| 成年人午夜在线观看视频| 亚洲国产av新网站| 国产精品二区激情视频| 色老头精品视频在线观看| 国产极品粉嫩免费观看在线| 久久久精品免费免费高清| 国产在视频线精品| 99精品久久久久人妻精品| 国产免费av片在线观看野外av| 亚洲精品国产av成人精品| 69精品国产乱码久久久| 他把我摸到了高潮在线观看 | av欧美777| 王馨瑶露胸无遮挡在线观看| 久久性视频一级片| 一区福利在线观看| 在线观看舔阴道视频| 69精品国产乱码久久久| 另类亚洲欧美激情| 国产精品熟女久久久久浪| 日本wwww免费看| 亚洲久久久国产精品|