• <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 ?

    基于相關(guān)濾波的重檢測(cè)目標(biāo)跟蹤算法

    2020-12-01 03:15理政伍悠張建明
    軟件導(dǎo)刊 2020年10期
    關(guān)鍵詞:目標(biāo)跟蹤

    理政 伍悠 張建明

    摘要:針對(duì)目標(biāo)跟蹤中因嚴(yán)重遮擋、變形、快速運(yùn)動(dòng)等因素導(dǎo)致的跟蹤失敗問(wèn)題,提出一種基于相關(guān)濾波的重檢測(cè)跟蹤算法。首先使用相關(guān)濾波算法Staple對(duì)目標(biāo)進(jìn)行位置估計(jì),然后構(gòu)造一個(gè)檢測(cè)濾波器對(duì)Staple算法跟蹤結(jié)果進(jìn)行置信度檢測(cè),將檢測(cè)分?jǐn)?shù)作為跟蹤結(jié)果的置信度評(píng)估結(jié)果。若檢測(cè)分?jǐn)?shù)小于給定閾值,則激活在線SVM分類器對(duì)跟蹤結(jié)果進(jìn)行重檢測(cè)。同時(shí)用檢測(cè)濾波器對(duì)SVM分類結(jié)果進(jìn)行檢測(cè),若檢測(cè)分?jǐn)?shù)大于Staple跟蹤算法檢測(cè)分?jǐn)?shù),則采用SVM的跟蹤結(jié)果。在基準(zhǔn)數(shù)據(jù)集OTB-2013上的實(shí)驗(yàn)結(jié)果表明,該算法精度達(dá)到80.2%,成功率達(dá)到60.6%,整體性能優(yōu)于其它6種對(duì)比算法。

    關(guān)鍵詞:目標(biāo)跟蹤;相關(guān)濾波;重檢測(cè);檢測(cè)濾波器;置信度評(píng)估

    DOI:10. 11907/rjdk. 192813

    中圖分類號(hào):TP312文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-7800(2020)010-0055-06

    Abstract: In order to avoid tracking failure caused by severe occlusion, deformation, fast motion and other factors in object tracking, a re-detection tracking algorithm based on correlation filter is proposed. Firstly, we use the correlation filter algorithm Staple to estimate the target position, and then a detection filter is constructed to run to confidence test of the tracking results of the Staple algorithm. The detection score of the detection filter is used as the confidence evaluation of the tracking results. If the detection score is less than the given threshold, the online SVM classifier is activated to detect the tracking results again. For SVM classification results, we use a detection filter to make detection. If the detection score is greater than the detection score of the Staple, we employ SVM tracking results. Experimental results on the dataset OTB-2013 show that the proposed algorithm achieves an accuracy of 80.2% and a success rate of 60.6%, and the overall performance is better than the other six compared algorithms.

    Key Words: object tracking; correlation filter; re-detection; detection filter; confidence evaluation

    0 引言

    視覺(jué)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)發(fā)展迅速的研究方向,在機(jī)器人、視頻監(jiān)視、人機(jī)交互等方面有著廣泛應(yīng)用[1-3]。目標(biāo)跟蹤通常是指在給定初始狀態(tài)(位置和大?。┫拢烙?jì)目標(biāo)在圖像序列中的空間軌跡。但由于受到遮擋、變形、光照變化、快速運(yùn)動(dòng)和背景雜波等因素影響,在多幀背景下尋找相應(yīng)目標(biāo)區(qū)域仍是一個(gè)具有挑戰(zhàn)性的問(wèn)題。

    根據(jù)目標(biāo)外觀建模的不同,跟蹤方法可分為生成式方法[4-6]和判別式方法[7-9]。生成式跟蹤方法通常在忽略背景信息的基礎(chǔ)上對(duì)目標(biāo)外觀進(jìn)行建模,容易在復(fù)雜場(chǎng)景中漂移,而判別式跟蹤方法則將跟蹤任務(wù)當(dāng)作一個(gè)二分類目標(biāo),將目標(biāo)與周圍背景區(qū)分開(kāi)來(lái)。相關(guān)濾波算法是典型的判別式跟蹤算法,基于相關(guān)濾波的跟蹤算法通過(guò)使用循環(huán)矩陣和快速傅立葉變換實(shí)現(xiàn)了高效率的計(jì)算,近年來(lái)已在多個(gè)跟蹤數(shù)據(jù)集[10-12]上顯示了較高的準(zhǔn)確性和魯棒性。

    Bolme等[13]最先將相關(guān)濾波應(yīng)用于目標(biāo)跟蹤中,并提出MOSSE算法。隨后,研究者們對(duì)MOSSE算法進(jìn)行了改進(jìn)。2012年,Henriques等[14]提出具有循環(huán)結(jié)構(gòu)的檢測(cè)跟蹤 (Circulant Structure of Tracking-by-detection with Kernel,CSK)算法,其在MOSSE基礎(chǔ)上引入核方法,并利用相鄰子窗口的循環(huán)結(jié)構(gòu),快速學(xué)習(xí)密集采樣下的目標(biāo)外觀模型。核相關(guān)濾波器(High-speed Tracking with Kernelized Correlation Filters, KCF)[15]是CSK的擴(kuò)展版本,通過(guò)使用HOG特征代替灰度特征,將核相關(guān)濾波器由單通道擴(kuò)展到多通道,顯著提升了跟蹤性能;Danelljan等[16-17]引入顏色屬性對(duì)CSK算法進(jìn)行改進(jìn),又提出一種判別尺度空間跟蹤器算法,以實(shí)現(xiàn)實(shí)時(shí)尺度自適應(yīng)跟蹤;Bertineto等[18]提出Staple (Sum of Template And Pixel-wise Learners)算法,將相關(guān)濾波器與全局顏色直方圖相結(jié)合,對(duì)目標(biāo)形變和顏色變化具有較好的魯棒性。盡管基于相關(guān)濾波的方法取得了一定成果,但仍存在以下問(wèn)題:基于相關(guān)濾波的跟蹤器一般會(huì)在第一幀提取樣本,訓(xùn)練一個(gè)濾波器模型,為了適應(yīng)目標(biāo)的外觀變化,會(huì)在上一幀預(yù)測(cè)目標(biāo)周圍提取樣本對(duì)濾波器模型進(jìn)行更新,但在實(shí)際跟蹤過(guò)程中,目標(biāo)受到快速運(yùn)動(dòng)、變形、嚴(yán)重遮擋等因素影響,很容易發(fā)生跟蹤漂移。如果跟蹤漂移無(wú)法得到及時(shí)糾正,將會(huì)污染濾波器模型,從而導(dǎo)致跟蹤失敗。針對(duì)該問(wèn)題,Kalal等[19]將跟蹤任務(wù)分成跟蹤、學(xué)習(xí)和檢測(cè)3個(gè)模塊。跟蹤模塊用于跟蹤目標(biāo);檢測(cè)模塊用于估計(jì)跟蹤模塊誤差,若誤差很大,則改正跟蹤結(jié)果;學(xué)習(xí)模塊在預(yù)測(cè)過(guò)程中不斷修正負(fù)樣本庫(kù),以提高檢測(cè)模塊修正精度。但該方法每一幀都需要檢測(cè)跟蹤結(jié)果,計(jì)算量太大。

    因此,針對(duì)相關(guān)濾波框架發(fā)生跟蹤漂移無(wú)法糾正的問(wèn)題,本文在相關(guān)濾波算法Staple基礎(chǔ)上引入重檢測(cè)機(jī)制。首先重新訓(xùn)練一個(gè)檢測(cè)濾波器用來(lái)計(jì)算跟蹤結(jié)果置信度,以確定是否跟蹤失敗,然后訓(xùn)練一個(gè)在線SVM分類器用于重檢測(cè),當(dāng)出現(xiàn)跟蹤漂移或跟蹤失敗的情況時(shí),利用SVM重新修正跟蹤目標(biāo)。在基準(zhǔn)數(shù)據(jù)集OTB-2013上的實(shí)驗(yàn)結(jié)果表明,本文算法在精度和成功率上優(yōu)于其它算法。

    1 Staple跟蹤算法

    KCF[15]、DSST[17]等相關(guān)濾波算法采用HOG特征表達(dá)目標(biāo),其對(duì)運(yùn)動(dòng)模糊和光照變化魯棒性強(qiáng),但對(duì)目標(biāo)快速變形和快速運(yùn)動(dòng)不敏感。Staple算法根據(jù)顏色直方圖對(duì)目標(biāo)形變具有魯棒性的特點(diǎn),將HOG特征與顏色直方圖相結(jié)合,利用兩種特征的互補(bǔ)性取得了較高的跟蹤精度,速度也達(dá)到80fps,所以本文選擇Staple作為基礎(chǔ)的相關(guān)濾波算法。Staple算法解決了兩個(gè)嶺回歸(ridge regression)問(wèn)題,分別訓(xùn)練兩個(gè)跟蹤模型,一個(gè)是相關(guān)濾波器模型,另一個(gè)是顏色直方圖(color histogram)模型。Staple算法最后得到結(jié)果是兩個(gè)模型分?jǐn)?shù)的線性組合,具體表達(dá)式如下:

    1.1 相關(guān)濾波器模型

    在Staple中,提取包含目標(biāo)及周圍信息的圖像塊[f],通過(guò)對(duì)圖像塊進(jìn)行循環(huán)移位得到訓(xùn)練樣本,然后提取訓(xùn)練樣本的d維HOG特征訓(xùn)練相關(guān)濾波器[h]。[fl]代表第[l]維HOG特征向量,其中[l∈1,2,...,d]。通過(guò)最小化以下?lián)p失函數(shù)求得最優(yōu)濾波器[h]:

    通過(guò)傅里葉變換將式(2)轉(zhuǎn)換到頻域進(jìn)行計(jì)算,可快速求得式(2)的解,如式(3)所示。

    每一幀通過(guò)最小化損失函數(shù)誤差訓(xùn)練一個(gè)最優(yōu)濾波器,會(huì)導(dǎo)致計(jì)算量較大,從而影響跟蹤器速度。在相關(guān)濾波器算法中,采用線性差值方式更新每一幀的濾波器,計(jì)算方式如下:

    目標(biāo)位置由最大分?jǐn)?shù)所在位置決定。

    1.2 顏色直方圖模型

    顏色直方圖模型是通過(guò)計(jì)算每個(gè)像素屬于目標(biāo)前景的概率得到的。給定輸入圖像[I],[HIO]、[HIB]分別表示前景區(qū)域和背景區(qū)域的顏色直方圖,[HIΩ(b)][HIΩ(b)]表示區(qū)域[Ω∈I]上的顏色直方圖[H]在第[b]個(gè)區(qū)間的統(tǒng)計(jì)個(gè)數(shù),其中[Ω∈{O,B}]。由貝葉斯分類器[20]可得在像素[x]的目標(biāo)似然概率為:

    通過(guò)計(jì)算顏色直方圖可得到前景先驗(yàn)概率[P(x∈O|I)]和背景先驗(yàn)概率[P(x∈B|I)],如式(7)、式(8)所示。

    2 本文算法實(shí)現(xiàn)

    2.1 算法描述

    圖1給出了本文算法總框架。給定新一幀圖像,以上一幀估計(jì)的位置為中心裁剪搜索區(qū)域,即圖1的紅色矩形框區(qū)域;然后使用Staple算法預(yù)測(cè)目標(biāo)位置,詳細(xì)過(guò)程見(jiàn)本文第1節(jié);以Staple跟蹤算法估計(jì)的目標(biāo)位置為中心,按照上一幀中的目標(biāo)大小比例裁剪圖像塊,使用檢測(cè)濾波器[HD]計(jì)算圖像塊的置信度分?jǐn)?shù)[yHD],詳細(xì)過(guò)程見(jiàn)2.2節(jié)。當(dāng)置信度分?jǐn)?shù)小于閾值[T1]時(shí),激活SVM分類器,在Staple算法預(yù)估的位置重新進(jìn)行檢測(cè),SVM分?jǐn)?shù)最大的地方就是目標(biāo)所在位置;在獲得檢測(cè)結(jié)果后,也重新使用檢測(cè)濾波器[HD]對(duì)SVM分類器結(jié)果作一個(gè)置信度評(píng)估,如果檢測(cè)出的置信度分?jǐn)?shù)[y''HD>yHD],則采用SVM重檢測(cè)結(jié)果,否則還是采用Staple算法跟蹤結(jié)果,詳細(xì)過(guò)程見(jiàn)2.3節(jié)。

    2.2 置信度評(píng)估

    對(duì)目標(biāo)重檢測(cè)算法而言,提供一個(gè)有效的置信度指標(biāo)判斷目標(biāo)是否跟蹤失敗是至關(guān)重要的。與以往相關(guān)濾波算法使用最大響應(yīng)值評(píng)估跟蹤置信度不同,本文方法通過(guò)訓(xùn)練另一個(gè)檢測(cè)濾波器評(píng)估跟蹤結(jié)果。在相關(guān)濾波跟蹤算法中,包括第1.1節(jié)中的濾波器模型H,在訓(xùn)練時(shí)都會(huì)考慮目標(biāo)區(qū)域與目標(biāo)周圍的上下文信息,如圖2中的紅色矩形框區(qū)域,從而使訓(xùn)練得到的濾波器包含更多判別信息,有利于從背景中檢測(cè)出目標(biāo)。為了適應(yīng)跟蹤過(guò)程中目標(biāo)外觀的變化,濾波器模型還會(huì)以一定速率進(jìn)行更新,但這種更新方案只能維持目標(biāo)外觀的短期記憶。當(dāng)目標(biāo)出現(xiàn)遮擋或劇烈形變時(shí),算法容易產(chǎn)生漂移,使得濾波器學(xué)習(xí)到污染后的樣本導(dǎo)致錯(cuò)誤更新。本文檢測(cè)濾波器[HD]是用置信度最高的目標(biāo)區(qū)域特征訓(xùn)練得到的,如圖2中的黃色矩形框區(qū)域。當(dāng)跟蹤器確定新一幀目標(biāo)位置后,從新的目標(biāo)位置處提取核心目標(biāo)區(qū)域特征,使用訓(xùn)練好的檢測(cè)濾波器與提取的特征作卷積操作,將其響應(yīng)作為跟蹤器的結(jié)果置信度。檢測(cè)濾波器[HD]與濾波器H求解方式相同,不同的是檢測(cè)濾波器只提取目標(biāo)核心區(qū)域的HOG特征。

    為防止檢測(cè)濾波器污染,本文并不是每一幀都更新檢測(cè)濾波器[HD],而是僅在跟蹤結(jié)果可信,即檢測(cè)濾波器響應(yīng)分?jǐn)?shù)[yHD>T2]時(shí)更新,從而使檢測(cè)濾波器可以長(zhǎng)期存儲(chǔ)目標(biāo)外觀。

    2.3 目標(biāo)重檢測(cè)

    在大多數(shù)時(shí)間,視頻幀都是跟蹤難度較低的簡(jiǎn)單幀,且相鄰視頻幀之間目標(biāo)外觀變化緩慢。相關(guān)濾波算法Staple針對(duì)目標(biāo)外觀變化不大的簡(jiǎn)單幀可以有效定位,但當(dāng)目標(biāo)出現(xiàn)遮擋、快速運(yùn)動(dòng)、嚴(yán)重變形、背景雜亂等外觀發(fā)生較大變化時(shí),Staple算法則會(huì)出現(xiàn)預(yù)測(cè)誤差。在誤差不斷積累時(shí),跟蹤器將會(huì)跟丟目標(biāo)。一個(gè)魯棒性強(qiáng)的跟蹤算法需要重檢測(cè)機(jī)制恢復(fù)對(duì)目標(biāo)的跟蹤,本文使用一個(gè)SVM分類器用于目標(biāo)重檢測(cè)。

    對(duì)于需要進(jìn)行重檢測(cè)的幀,首先在目標(biāo)周圍提取樣本,利用訓(xùn)練好的SVM分類器模型參數(shù)[wSVM]獲取分類分?jǐn)?shù)[score],公式如下:

    在本文方法中,對(duì)新一幀先使用Staple算法確定目標(biāo)位置,然后用檢測(cè)濾波器[HD]計(jì)算置信度分?jǐn)?shù)[yHD],計(jì)算方式如式(5)所示。當(dāng)置信度分?jǐn)?shù)[yHD]小于預(yù)先定義的閾值[T1]時(shí),調(diào)用一個(gè)在線SVM分類器進(jìn)行重檢測(cè)。值得注意的是,在得到重檢測(cè)的位置后,本文會(huì)重新作一個(gè)置信度評(píng)估,用檢測(cè)濾波器對(duì)SVM分類器得到的位置進(jìn)行檢測(cè),當(dāng)?shù)玫降捻憫?yīng)分?jǐn)?shù)[y''HD]大于[yHD]時(shí),才采用重檢測(cè)得到的位置,否則還是采用Staple算法預(yù)測(cè)的位置。以下為基于相關(guān)濾波的重檢測(cè)跟蹤算法流程。

    輸入:第一幀目標(biāo)位置p0。

    輸出:第t幀目標(biāo)位置pt 。

    For t = 2: n

    目標(biāo)位置估計(jì)

    1. 在pt-1周圍裁剪獲得第t幀的感興趣區(qū)域,分別用式(5)、式(9)計(jì)算濾波器響應(yīng)和顏色直方圖響應(yīng)分?jǐn)?shù)。

    2. 使用式(1)計(jì)算濾波器響應(yīng)和顏色直方圖響應(yīng)分?jǐn)?shù)加權(quán)和,預(yù)估目標(biāo)位置[pt]。

    置信度評(píng)估

    3.在預(yù)估位置裁剪目標(biāo)大小的圖像塊,使用檢測(cè)濾波器[HD],根據(jù)式(5)計(jì)算置信度響應(yīng)分?jǐn)?shù)[yHD]。

    目標(biāo)重檢測(cè)

    4.如果[yHD

    5. 在SVM預(yù)估位置裁剪目標(biāo)大小的圖像塊,使用檢測(cè)濾波器[HD],根據(jù)式(5)計(jì)算圖像塊的置信度響應(yīng)分?jǐn)?shù)[y''HD]。

    6. 如果[y''HD>yHD],采用SVM預(yù)測(cè)的目標(biāo)位置。

    模型(濾波器)更新

    7.根據(jù)式(4)更新濾波器[H]。

    8. 如果[yHD>T2],根據(jù)式(4)更新檢測(cè)濾波器[HD]。

    END

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置

    本實(shí)驗(yàn)軟件平臺(tái)為Matlab R2017a,硬件運(yùn)行環(huán)境配置為Intel (R) Core (TM) i7-6700K 4.00 GHz CPU。本文使用的基準(zhǔn)數(shù)據(jù)集是OTB-2013,包含51個(gè)挑戰(zhàn)視頻。視頻中主要包括11種場(chǎng)景挑戰(zhàn)屬性:光照變化(IV)、尺度變化(SV)、遮擋(OCC)、形變(DEF)、運(yùn)動(dòng)模糊(MB)、快速運(yùn)動(dòng)(FM)、平面內(nèi)旋轉(zhuǎn)(IPR)、平面外旋轉(zhuǎn)(OPR)、低分辨率(LR)、出視野(OV)、背景雜亂(BC)。使用成功率(Success rate)和精度(Precision)兩個(gè)評(píng)價(jià)指標(biāo),給定預(yù)測(cè)框[b1]和真實(shí)框[b2],成功率為當(dāng)[b1?b0b1?b0>0.5]時(shí)幀數(shù)占總幀數(shù)的百分比,精度為估計(jì)中心位置誤差小于給定距離閾值(例如20個(gè)像素)的幀數(shù)占總幀數(shù)的百分比。

    設(shè)置學(xué)習(xí)率[η]為0.025,正則化參數(shù)[λ]為0.001,參數(shù)[γ]為0.7。由于選擇不同閾值會(huì)影響實(shí)驗(yàn)效果,為了選擇合適的閾值[T1]和[T2],本文通過(guò)實(shí)驗(yàn)進(jìn)行探索。首先確定閾值[T1]、[T2]的大致區(qū)間,然后代入?yún)^(qū)間閾值,比較其實(shí)驗(yàn)結(jié)果,最后選出使實(shí)驗(yàn)效果最好的閾值。在本文方法中,并不是每一幀都會(huì)調(diào)用SVM作重檢測(cè),而是當(dāng)置信度分?jǐn)?shù)[yHDT2]時(shí)才更新檢測(cè)濾波器。表3顯示不同閾值[T2]對(duì)應(yīng)的實(shí)驗(yàn)結(jié)果,當(dāng)閾值[T2]為0.1時(shí),實(shí)驗(yàn)效果最好。

    3.2 定量分析

    本文在OTB-2013數(shù)據(jù)集上與其它6種算法進(jìn)行對(duì)比,結(jié)果如圖3所示。其它6種算法包括Staple[18]、DSST[17]、TLD[19]、KCF[15]、MIL[8]、CSK[14],本文算法在所有對(duì)比算法中取得了最好成績(jī),精度達(dá)到80.2%,成功率達(dá)到60.6%。相比Staple算法,精度與成功率分別提高了1.7%和1.3%,說(shuō)明本文提出的重檢測(cè)機(jī)制是有效的。

    3.3 屬性分析

    為了更充分地評(píng)估本文算法的跟蹤性能,利用數(shù)據(jù)集OTB-2013的11個(gè)挑戰(zhàn)屬性對(duì)算法作進(jìn)一步評(píng)估。圖4是本文算法與其它6種算法針對(duì)11個(gè)不同挑戰(zhàn)屬性的精度圖。本文算法在平面外旋轉(zhuǎn)、遮擋、形變、運(yùn)動(dòng)模糊、快速運(yùn)動(dòng)、平面內(nèi)旋轉(zhuǎn)、背景雜亂等7個(gè)挑戰(zhàn)屬性上都排名第一,在低分辨率上僅次于Staple算法,排名第二。通過(guò)定量分析及挑戰(zhàn)屬性對(duì)比,本文算法相對(duì)其它算法具有更高的準(zhǔn)確性。

    3.4 定性分析

    本文算法與其它4個(gè)優(yōu)秀的跟蹤器(Staple[18]、TLD[19]、MIL[8]和CSK[14])在5個(gè)具有挑戰(zhàn)性的序列上進(jìn)行比較,如圖5所示。coke序列包含光照變化、平面內(nèi)旋轉(zhuǎn),前期各算法都能成功跟蹤,到后期出現(xiàn)光照變化和平面內(nèi)旋轉(zhuǎn)時(shí),MIL跟蹤失敗。在jogging序列的第77幀與soccer序列的第106幀,目標(biāo)都發(fā)生了遮擋,Staple算法與本文算法都跟蹤失敗,但在jogging序列的第124幀與soccer序列的第126幀,Staple算法跟丟目標(biāo)后未能重新跟蹤,而本文算法又再次成功跟蹤了目標(biāo),這得益于本文提出的重檢測(cè)機(jī)制。在跟蹤失敗的情況下,TLD算法也能夠重新檢測(cè)目標(biāo),但TLD方法無(wú)法像本文方法那樣充分利用目標(biāo)的上下文信息,因此在面對(duì)如skating視頻中明顯變形和快速運(yùn)動(dòng)的目標(biāo)時(shí)表現(xiàn)不佳。CSK也是基于相關(guān)濾波的算法,其在singer視頻上表現(xiàn)不太理想,原因是CSK僅使用了灰度特征,對(duì)目標(biāo)缺乏表達(dá)能力。

    4 結(jié)語(yǔ)

    本文在相關(guān)濾波算法Staple的基礎(chǔ)上加入重檢測(cè)機(jī)制。首先使用Staple算法用于目標(biāo)跟蹤,然后重新構(gòu)造一個(gè)檢測(cè)濾波器用于跟蹤結(jié)果的置信度評(píng)估。當(dāng)置信度較低時(shí),調(diào)用一個(gè)在線SVM分類器進(jìn)行目標(biāo)重檢測(cè),提高了算法精度。為避免檢測(cè)濾波器被污染,只有在目標(biāo)具有高置信度的情況下才更新檢測(cè)濾波器。最后在基準(zhǔn)數(shù)據(jù)集OTB-2013上進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該算法在準(zhǔn)確性和魯棒性方面均優(yōu)于其它6種對(duì)比算法。

    參考文獻(xiàn):

    [1] 盧湖川,李佩霞,王棟. 目標(biāo)跟蹤算法綜述[J]. 模式識(shí)別與人工智能,2018,31(1):61-76.

    [2] 黃凱奇, 陳曉棠, 康運(yùn)鋒,等.? 智能視頻監(jiān)控技術(shù)綜述[J].? 計(jì)算機(jī)學(xué)報(bào), 2015, 20(6):1093-1118.

    [3] WANG N, SHI J, YEUNG D Y, et al. Understanding and diagnosing visual tracking systems[C]. IEEE International Conference on Computer Vision, 2015: 3101-3109.

    [4] SUI Y, ZHANG S, ZHANG L. Robust visual tracking via sparsity-induced subspace learning[J].? IEEE Transactions on Image Processing, 2015, 24(12):4686-4700.

    [5] ZHANG T, BIBI A, GHANEM B. In defense of sparse tracking: circulant sparse tracker [C].? IEEE Conference on Computer Vision and Pattern Recognition, 2016:3880-3888.

    [6] SUI Y, WANG G, TANG Y, et al. Tracking completion[C].? European Conference on Computer Vision, 2016:194-209.

    [7] NING J, YANG J, JIANG S, et al. Object tracking via dual linear structured SVM and explicit feature map[C].? IEEE Conference on Computer Vision and Pattern Recognition, 2016: 4266-4274.

    [8] BABENKO B, YANG M H, BELONGIE S. Robust object tracking with online multiple instance learning[J].? IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(8):1619-1632.

    [9] SUN H, LI J, CHANG J, et al. Efficient compressive sensing tracking via mixed classifier decision [J].? Science China Information Sciences, 2016, 59(7):072102.

    [10] WU Y, LIM J, YANG M H. Online object tracking: a benchmark [C].? IEEE Conference on Computer Vision and Pattern Recognition, 2013: 2411-2418.

    [11] WU Y, LIM J, YANG M H. Object tracking benchmark [J].? IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(9): 1834-1848.

    [12] KRISTAN M, MATAS J, LEONARDIS A, et al. The visual object tracking VOT2016 challenge results [C].? Amsterdam, 14th European Conference on Computer Vision, 2016: 777-823.

    [13] BOLME D S, BEVERIDGE J R, DRAPER B A, et al. Visual object tracking using adaptive correlation filters [C].? Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2010: 2544-2550.

    [14] HENRIQUES J F, CASEIRO R, MARTINS P, et al. Exploiting the circulant structure of tracking-by-detection with kernels [C].? Proceedings of the European Conference on Computer Vision, 2012: 702-715.

    [15] HENRIQUES J F, CASEIRO R, MARTINS P, et al. High-speed tracking with kernelized correlation filters [J].? IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(3): 583-596.

    [16] DANELLJAN M, SHAHBAZ KHAN F, FELSBERG M, et al. Adaptive color attributes for real-time visual tracking [C].? IEEE Conference on Computer Vision and Pattern Recognition, 2014: 1090-1097.

    [17] DANELLJAN M, H?GER G, KHAN F, et al. Accurate scale estimation for robust visual tracking [C].? British Machine Vision Conference, 2014: 1-5.

    [18] BERTINETTO L, VALMADRE J, GOLODETZ S, et al. Staple: complementary learners for real-time tracking [C].? IEEE Conference on Computer Vision and Pattern Recognition, 2016: 1401-1409.

    [19] KALAL Z, MIKOLAJCZYK K, MATAS J. Tracking-learning-detection[J].? IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(7): 1409-1422.

    [20] POSSEGGER H, MAUTHNER T, BISCHOF H. In defense of color-based model-free tracking[C].? IEEE Conference on Computer Vision and Pattern Recognition, 2015: 2113-2120.

    (責(zé)任編輯:黃 健)

    猜你喜歡
    目標(biāo)跟蹤
    多視角目標(biāo)檢測(cè)與跟蹤技術(shù)的研究與實(shí)現(xiàn)
    基于重采樣粒子濾波的目標(biāo)跟蹤算法研究
    智能視頻技術(shù)在電力系統(tǒng)領(lǐng)域的應(yīng)用
    基于車牌識(shí)別的機(jī)混車道視頻測(cè)速算法
    自車速測(cè)量中的目標(biāo)檢測(cè)與跟蹤技術(shù)
    基于目標(biāo)跟蹤的群聚行為識(shí)別
    圖像跟蹤識(shí)別技術(shù)在煤炭運(yùn)量視頻管理系統(tǒng)中的研究
    基于SIFT的壓縮跟蹤算法
    激情视频va一区二区三区| 成人手机av| 国产亚洲欧美在线一区二区| 搡老妇女老女人老熟妇| 国产成人影院久久av| 久久久久久久久久久久大奶| 国产熟女午夜一区二区三区| 欧美一级a爱片免费观看看 | 99久久久亚洲精品蜜臀av| 成人av一区二区三区在线看| 美女午夜性视频免费| 亚洲精品美女久久久久99蜜臀| 国产一区二区三区在线臀色熟女| 女警被强在线播放| 国产精品久久电影中文字幕| 色播在线永久视频| 9热在线视频观看99| 亚洲自拍偷在线| 亚洲视频免费观看视频| 日韩视频一区二区在线观看| 久久久久久久精品吃奶| 中文字幕色久视频| 久久热在线av| 亚洲国产精品合色在线| 国产高清视频在线播放一区| 99热只有精品国产| 久久人妻熟女aⅴ| 国产亚洲欧美98| 人人妻人人澡人人看| 欧美另类亚洲清纯唯美| 我的亚洲天堂| 欧美乱码精品一区二区三区| 国产成人欧美| 村上凉子中文字幕在线| 香蕉丝袜av| 母亲3免费完整高清在线观看| 精品欧美国产一区二区三| 亚洲成国产人片在线观看| 淫妇啪啪啪对白视频| 熟妇人妻久久中文字幕3abv| 男人舔女人的私密视频| 国产欧美日韩一区二区三| 免费搜索国产男女视频| 女人被狂操c到高潮| 国产aⅴ精品一区二区三区波| 99国产精品99久久久久| 亚洲成人免费电影在线观看| 久久天堂一区二区三区四区| 18禁美女被吸乳视频| 91国产中文字幕| 亚洲成a人片在线一区二区| 欧美乱妇无乱码| www.熟女人妻精品国产| 在线十欧美十亚洲十日本专区| 久久国产精品人妻蜜桃| 亚洲五月色婷婷综合| 一a级毛片在线观看| or卡值多少钱| 夜夜爽天天搞| 三级毛片av免费| 99久久精品国产亚洲精品| 久久久久久久久中文| 亚洲精品一卡2卡三卡4卡5卡| av免费在线观看网站| 无遮挡黄片免费观看| 国产精品久久久人人做人人爽| 在线观看一区二区三区| 黄色女人牲交| 日韩高清综合在线| 91麻豆av在线| 曰老女人黄片| 一a级毛片在线观看| 亚洲欧美一区二区三区黑人| 1024视频免费在线观看| av有码第一页| 欧美 亚洲 国产 日韩一| 欧美成人免费av一区二区三区| 久久人妻熟女aⅴ| 精品久久久久久,| 亚洲一区二区三区不卡视频| 日韩欧美国产在线观看| 大型av网站在线播放| 18禁裸乳无遮挡免费网站照片 | 一区二区三区精品91| 国产午夜精品久久久久久| 亚洲人成伊人成综合网2020| 麻豆av在线久日| 欧美在线一区亚洲| 日韩大码丰满熟妇| 日本 欧美在线| 亚洲精品中文字幕一二三四区| 19禁男女啪啪无遮挡网站| 成人亚洲精品一区在线观看| 18禁国产床啪视频网站| 日本黄色视频三级网站网址| 午夜免费鲁丝| 在线永久观看黄色视频| 女性被躁到高潮视频| 我的亚洲天堂| 成人亚洲精品av一区二区| 亚洲av熟女| 一边摸一边做爽爽视频免费| 人人澡人人妻人| 久久久国产成人精品二区| 人成视频在线观看免费观看| 久久久久国产精品人妻aⅴ院| 高清在线国产一区| 韩国av一区二区三区四区| 欧美精品亚洲一区二区| 亚洲精品在线观看二区| 欧美老熟妇乱子伦牲交| 午夜免费观看网址| 欧美黄色片欧美黄色片| 一二三四社区在线视频社区8| 两个人免费观看高清视频| 欧美黑人精品巨大| 国产不卡一卡二| 99国产极品粉嫩在线观看| 精品国产一区二区三区四区第35| 久久精品国产清高在天天线| 十八禁网站免费在线| 国产一区二区激情短视频| 老鸭窝网址在线观看| 久久久久久亚洲精品国产蜜桃av| 国产伦一二天堂av在线观看| 国产一级毛片七仙女欲春2 | 精品国产超薄肉色丝袜足j| 亚洲国产精品999在线| 亚洲熟妇熟女久久| 欧美成狂野欧美在线观看| 狂野欧美激情性xxxx| 亚洲国产日韩欧美精品在线观看 | 精品不卡国产一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 19禁男女啪啪无遮挡网站| 国产色视频综合| 国产区一区二久久| 91九色精品人成在线观看| 国产精品98久久久久久宅男小说| 国产精品1区2区在线观看.| 999精品在线视频| 国产精品久久久av美女十八| 亚洲熟妇熟女久久| 最新美女视频免费是黄的| xxx96com| 波多野结衣巨乳人妻| 黑人操中国人逼视频| 国产成+人综合+亚洲专区| 丁香六月欧美| 久久国产精品人妻蜜桃| 欧美黄色淫秽网站| 国产单亲对白刺激| 亚洲avbb在线观看| 久久中文字幕一级| 欧美最黄视频在线播放免费| 久久人妻av系列| 日韩大尺度精品在线看网址 | 99国产精品一区二区蜜桃av| 亚洲精品美女久久av网站| 精品一品国产午夜福利视频| 亚洲自拍偷在线| 日韩精品免费视频一区二区三区| 国产精品九九99| 精品久久久久久久毛片微露脸| 久久亚洲精品不卡| 国产真人三级小视频在线观看| 此物有八面人人有两片| 天天躁狠狠躁夜夜躁狠狠躁| av视频免费观看在线观看| 久久香蕉国产精品| 大陆偷拍与自拍| 满18在线观看网站| 十八禁人妻一区二区| 国产极品粉嫩免费观看在线| 女人精品久久久久毛片| 大码成人一级视频| 两个人看的免费小视频| 免费在线观看日本一区| 欧美 亚洲 国产 日韩一| 99久久久亚洲精品蜜臀av| 国产精品久久久av美女十八| 亚洲全国av大片| 国产精品99久久99久久久不卡| 法律面前人人平等表现在哪些方面| 免费看十八禁软件| 一级,二级,三级黄色视频| www.www免费av| 黄片大片在线免费观看| 欧美日韩福利视频一区二区| 久久久国产成人精品二区| www.精华液| 正在播放国产对白刺激| 国产成人一区二区三区免费视频网站| av片东京热男人的天堂| 亚洲avbb在线观看| 久久人妻av系列| 免费观看精品视频网站| 不卡一级毛片| 亚洲成av片中文字幕在线观看| 午夜免费激情av| 国产精品一区二区在线不卡| 亚洲熟女毛片儿| 久久天堂一区二区三区四区| 国产一区二区三区在线臀色熟女| 久久久国产成人精品二区| 亚洲自偷自拍图片 自拍| 亚洲成人精品中文字幕电影| 黄频高清免费视频| 午夜福利成人在线免费观看| 亚洲精品av麻豆狂野| 亚洲全国av大片| 19禁男女啪啪无遮挡网站| 精品熟女少妇八av免费久了| 精品高清国产在线一区| 午夜影院日韩av| 日本a在线网址| 一区二区三区精品91| 成人av一区二区三区在线看| 一本综合久久免费| 欧美最黄视频在线播放免费| 久久久久久亚洲精品国产蜜桃av| 黄网站色视频无遮挡免费观看| 天天一区二区日本电影三级 | 亚洲熟女毛片儿| 老汉色∧v一级毛片| 久久人人精品亚洲av| 999久久久精品免费观看国产| 91字幕亚洲| 亚洲精品久久成人aⅴ小说| 天堂动漫精品| 国产av精品麻豆| 免费高清在线观看日韩| 天天添夜夜摸| 少妇裸体淫交视频免费看高清 | 午夜福利一区二区在线看| 亚洲精品一区av在线观看| 午夜福利高清视频| 免费看a级黄色片| 久久久久久人人人人人| 十八禁人妻一区二区| 久久久精品国产亚洲av高清涩受| 久久久国产精品麻豆| 色精品久久人妻99蜜桃| 十分钟在线观看高清视频www| 精品日产1卡2卡| 久久午夜综合久久蜜桃| 亚洲中文日韩欧美视频| 精品高清国产在线一区| 亚洲人成网站在线播放欧美日韩| 亚洲少妇的诱惑av| 日韩欧美一区视频在线观看| 美女免费视频网站| 国产成人系列免费观看| 丰满的人妻完整版| 色播亚洲综合网| 国产麻豆69| 性少妇av在线| 亚洲在线自拍视频| 欧美日韩精品网址| 国产av在哪里看| 亚洲国产毛片av蜜桃av| 波多野结衣高清无吗| av在线播放免费不卡| 男女做爰动态图高潮gif福利片 | av视频在线观看入口| 免费女性裸体啪啪无遮挡网站| 非洲黑人性xxxx精品又粗又长| 久久九九热精品免费| 亚洲色图 男人天堂 中文字幕| 免费不卡黄色视频| 熟女少妇亚洲综合色aaa.| 欧美大码av| 在线十欧美十亚洲十日本专区| 亚洲国产欧美日韩在线播放| 国产私拍福利视频在线观看| 国产麻豆成人av免费视频| av电影中文网址| 在线观看免费视频日本深夜| 亚洲少妇的诱惑av| 日韩欧美一区视频在线观看| 精品一品国产午夜福利视频| 午夜福利,免费看| 国产精品av久久久久免费| 麻豆av在线久日| 精品一区二区三区四区五区乱码| 伦理电影免费视频| 欧美乱码精品一区二区三区| 老司机靠b影院| 久久精品aⅴ一区二区三区四区| 日韩视频一区二区在线观看| www.www免费av| 后天国语完整版免费观看| 女人精品久久久久毛片| 777久久人妻少妇嫩草av网站| 少妇 在线观看| 久久精品国产清高在天天线| 国产精品美女特级片免费视频播放器 | 又黄又粗又硬又大视频| 国产精品九九99| 人成视频在线观看免费观看| 亚洲欧美日韩高清在线视频| 好男人电影高清在线观看| 丝袜美腿诱惑在线| 91大片在线观看| 亚洲专区中文字幕在线| 搡老妇女老女人老熟妇| 天堂影院成人在线观看| 麻豆久久精品国产亚洲av| 久久精品人人爽人人爽视色| 人妻久久中文字幕网| 久久香蕉精品热| 成人亚洲精品一区在线观看| 国产亚洲欧美98| 成年版毛片免费区| 亚洲无线在线观看| e午夜精品久久久久久久| 久热爱精品视频在线9| 久久久久久国产a免费观看| 婷婷丁香在线五月| 久久久久久免费高清国产稀缺| 午夜福利一区二区在线看| 美女高潮到喷水免费观看| 国产极品粉嫩免费观看在线| 国产精品乱码一区二三区的特点 | 性欧美人与动物交配| 欧美成人午夜精品| 极品教师在线免费播放| 国产成人欧美在线观看| 亚洲 欧美 日韩 在线 免费| 国产精品av久久久久免费| 日韩欧美在线二视频| 午夜视频精品福利| 两个人视频免费观看高清| 黑人欧美特级aaaaaa片| 99国产精品99久久久久| 国产高清视频在线播放一区| 久久中文字幕一级| 日本vs欧美在线观看视频| 久久午夜综合久久蜜桃| 女人高潮潮喷娇喘18禁视频| 老鸭窝网址在线观看| 亚洲情色 制服丝袜| 欧美日本亚洲视频在线播放| a级毛片在线看网站| 国产精品野战在线观看| 日韩精品免费视频一区二区三区| 免费在线观看黄色视频的| 成人国产综合亚洲| 精品乱码久久久久久99久播| 国产麻豆成人av免费视频| 97人妻天天添夜夜摸| 免费av毛片视频| 国产国语露脸激情在线看| 变态另类成人亚洲欧美熟女 | 亚洲黑人精品在线| 人人澡人人妻人| 免费在线观看黄色视频的| 天天一区二区日本电影三级 | 午夜久久久在线观看| 伊人久久大香线蕉亚洲五| 这个男人来自地球电影免费观看| 无限看片的www在线观看| 91麻豆精品激情在线观看国产| 国产麻豆69| 手机成人av网站| 日韩欧美一区视频在线观看| 久久这里只有精品19| 可以在线观看毛片的网站| 精品久久久久久久久久免费视频| 亚洲人成电影免费在线| 老司机福利观看| 天堂影院成人在线观看| 女同久久另类99精品国产91| av天堂在线播放| 国产私拍福利视频在线观看| 久久精品影院6| 亚洲av电影在线进入| 国内精品久久久久久久电影| 中文字幕av电影在线播放| 999精品在线视频| 天堂√8在线中文| 后天国语完整版免费观看| 窝窝影院91人妻| 老汉色∧v一级毛片| 国产黄a三级三级三级人| 99精品久久久久人妻精品| www.精华液| 咕卡用的链子| 久久国产乱子伦精品免费另类| 嫩草影院精品99| 国产区一区二久久| 精品国产亚洲在线| 色精品久久人妻99蜜桃| 国产精品亚洲美女久久久| 亚洲精品美女久久久久99蜜臀| 亚洲avbb在线观看| 久久国产精品影院| 国产精品自产拍在线观看55亚洲| 日日夜夜操网爽| 男女下面进入的视频免费午夜 | 亚洲欧美日韩无卡精品| 好男人在线观看高清免费视频 | 久久人妻av系列| 美女午夜性视频免费| 国产伦人伦偷精品视频| 久久久久久亚洲精品国产蜜桃av| 国内精品久久久久精免费| 国产精品99久久99久久久不卡| 久久久国产欧美日韩av| 成人亚洲精品一区在线观看| 国产欧美日韩综合在线一区二区| 色综合婷婷激情| 亚洲欧美日韩无卡精品| 日本免费a在线| 一级作爱视频免费观看| av天堂久久9| 欧美成人午夜精品| 十八禁网站免费在线| 午夜精品久久久久久毛片777| 日日爽夜夜爽网站| 精品电影一区二区在线| АⅤ资源中文在线天堂| 免费在线观看黄色视频的| 在线观看免费视频日本深夜| 国产精品久久久久久人妻精品电影| 国产精品 国内视频| 久久精品aⅴ一区二区三区四区| 免费在线观看亚洲国产| 黄网站色视频无遮挡免费观看| 国产成人精品久久二区二区91| 久久久久久久久中文| 国产日韩一区二区三区精品不卡| 此物有八面人人有两片| 国产熟女午夜一区二区三区| 亚洲精品一卡2卡三卡4卡5卡| 99国产精品一区二区蜜桃av| 亚洲va日本ⅴa欧美va伊人久久| 日韩欧美免费精品| 一本综合久久免费| 黑丝袜美女国产一区| 高潮久久久久久久久久久不卡| 亚洲片人在线观看| 99在线视频只有这里精品首页| 亚洲av五月六月丁香网| 国产成人精品在线电影| 人人澡人人妻人| 国产精品日韩av在线免费观看 | 在线观看舔阴道视频| 日本五十路高清| 黑丝袜美女国产一区| 制服人妻中文乱码| 老司机靠b影院| 日韩av在线大香蕉| 9191精品国产免费久久| 村上凉子中文字幕在线| bbb黄色大片| 悠悠久久av| 中亚洲国语对白在线视频| 在线十欧美十亚洲十日本专区| 男女床上黄色一级片免费看| 国产97色在线日韩免费| 欧美日韩黄片免| av网站免费在线观看视频| 老司机深夜福利视频在线观看| 久久久久久大精品| 九色国产91popny在线| 精品久久久久久,| av超薄肉色丝袜交足视频| 免费观看精品视频网站| 男人舔女人下体高潮全视频| 99久久国产精品久久久| 日韩中文字幕欧美一区二区| 制服丝袜大香蕉在线| 美女扒开内裤让男人捅视频| 99国产极品粉嫩在线观看| 午夜精品久久久久久毛片777| 日韩中文字幕欧美一区二区| 亚洲国产精品成人综合色| 香蕉久久夜色| 国产精品自产拍在线观看55亚洲| 久久 成人 亚洲| 亚洲熟妇中文字幕五十中出| 制服人妻中文乱码| 国产蜜桃级精品一区二区三区| 欧美中文综合在线视频| 国产精品久久久av美女十八| 女人精品久久久久毛片| 午夜免费成人在线视频| 美女 人体艺术 gogo| 纯流量卡能插随身wifi吗| 精品熟女少妇八av免费久了| 激情视频va一区二区三区| 桃红色精品国产亚洲av| 夜夜看夜夜爽夜夜摸| 一边摸一边抽搐一进一小说| 久久国产精品影院| 国产精品久久久久久人妻精品电影| 久久精品国产综合久久久| АⅤ资源中文在线天堂| 欧美大码av| 国产蜜桃级精品一区二区三区| 亚洲免费av在线视频| 久久人人97超碰香蕉20202| 99香蕉大伊视频| 成人av一区二区三区在线看| 午夜精品久久久久久毛片777| 欧美亚洲日本最大视频资源| 成年人黄色毛片网站| 久久久久久免费高清国产稀缺| 亚洲成av人片免费观看| 亚洲熟女毛片儿| 禁无遮挡网站| 日本黄色视频三级网站网址| a在线观看视频网站| 日韩中文字幕欧美一区二区| 黄片大片在线免费观看| 夜夜看夜夜爽夜夜摸| 久久性视频一级片| 亚洲精品在线美女| 两性夫妻黄色片| 老司机靠b影院| 国产欧美日韩综合在线一区二区| 日本免费一区二区三区高清不卡 | 欧美成人午夜精品| 欧美乱妇无乱码| 亚洲国产欧美日韩在线播放| 在线观看日韩欧美| 成人国产一区最新在线观看| 好男人在线观看高清免费视频 | 日韩国内少妇激情av| 亚洲精品国产精品久久久不卡| 正在播放国产对白刺激| 国产在线观看jvid| aaaaa片日本免费| 精品人妻1区二区| 久久这里只有精品19| 亚洲伊人色综图| 首页视频小说图片口味搜索| 午夜福利18| 中出人妻视频一区二区| 美女午夜性视频免费| 婷婷丁香在线五月| 巨乳人妻的诱惑在线观看| 色av中文字幕| avwww免费| 色av中文字幕| av视频免费观看在线观看| 国产日韩一区二区三区精品不卡| 亚洲久久久国产精品| 精品国内亚洲2022精品成人| 亚洲av日韩精品久久久久久密| 亚洲午夜理论影院| 国产亚洲精品久久久久5区| 色婷婷久久久亚洲欧美| 一级,二级,三级黄色视频| 精品国产超薄肉色丝袜足j| 欧美日韩一级在线毛片| 人人妻,人人澡人人爽秒播| 老司机福利观看| 午夜福利,免费看| 亚洲色图综合在线观看| 露出奶头的视频| 美国免费a级毛片| 黄色视频,在线免费观看| 精品久久久久久久人妻蜜臀av | 大型av网站在线播放| 午夜福利影视在线免费观看| 免费看美女性在线毛片视频| 久久精品国产综合久久久| 久久香蕉国产精品| 丝袜美足系列| 免费观看人在逋| 国产精品99久久99久久久不卡| 黄片大片在线免费观看| 女人被躁到高潮嗷嗷叫费观| 国产麻豆69| 日本欧美视频一区| 最新在线观看一区二区三区| 男人舔女人下体高潮全视频| 制服人妻中文乱码| 国产精品九九99| 久久精品亚洲精品国产色婷小说| 男女下面插进去视频免费观看| 又紧又爽又黄一区二区| 好男人在线观看高清免费视频 | 国产又爽黄色视频| 黄色丝袜av网址大全| 长腿黑丝高跟| 亚洲av片天天在线观看| 狠狠狠狠99中文字幕| 国产视频一区二区在线看| 中文字幕人妻熟女乱码| 村上凉子中文字幕在线| 欧美中文综合在线视频| 99国产精品免费福利视频| 亚洲午夜理论影院| 久久人妻熟女aⅴ| 黄色成人免费大全| 1024视频免费在线观看| 午夜两性在线视频| 一级作爱视频免费观看| 婷婷精品国产亚洲av在线| 欧美中文日本在线观看视频| 神马国产精品三级电影在线观看 | 亚洲精品国产区一区二| 欧美成人一区二区免费高清观看 | 中文字幕另类日韩欧美亚洲嫩草| 每晚都被弄得嗷嗷叫到高潮| 国产精品 欧美亚洲| 俄罗斯特黄特色一大片| 亚洲精品中文字幕在线视频| 法律面前人人平等表现在哪些方面| av在线天堂中文字幕| 成人av一区二区三区在线看| 亚洲欧洲精品一区二区精品久久久|