• <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
    一边摸一边抽搐一进一小说| 嫩草影院入口| 日韩成人在线观看一区二区三区| 亚洲国产精品合色在线| 精品国产乱子伦一区二区三区| 免费在线观看亚洲国产| cao死你这个sao货| 成人特级av手机在线观看| 国产不卡一卡二| ponron亚洲| 小说图片视频综合网站| 欧美高清成人免费视频www| svipshipincom国产片| 热99re8久久精品国产| 黄片大片在线免费观看| 欧美激情在线99| 国产一区二区三区在线臀色熟女| 淫秽高清视频在线观看| 久久久久亚洲av毛片大全| 老熟妇乱子伦视频在线观看| 人人妻人人看人人澡| 国产精品永久免费网站| 99久久综合精品五月天人人| 久久草成人影院| 国产成人aa在线观看| 亚洲精华国产精华精| 免费搜索国产男女视频| 日韩av在线大香蕉| 男女之事视频高清在线观看| 中文字幕熟女人妻在线| 亚洲国产欧洲综合997久久,| 国产精品综合久久久久久久免费| av女优亚洲男人天堂 | 最新在线观看一区二区三区| 天天躁日日操中文字幕| 制服丝袜大香蕉在线| 亚洲18禁久久av| 国产私拍福利视频在线观看| 久久精品aⅴ一区二区三区四区| 精品人妻1区二区| 国产午夜福利久久久久久| 久久国产精品影院| 久久久久国产精品人妻aⅴ院| 中文字幕av在线有码专区| 亚洲avbb在线观看| 欧美3d第一页| 老司机午夜福利在线观看视频| 精品熟女少妇八av免费久了| 国产高清有码在线观看视频| 久久久精品欧美日韩精品| 免费高清视频大片| 免费av毛片视频| 国产精品av视频在线免费观看| www.自偷自拍.com| 两个人的视频大全免费| 一区二区三区高清视频在线| av福利片在线观看| 国产熟女xx| 亚洲国产欧美网| 中文字幕久久专区| 久久久久精品国产欧美久久久| 亚洲精品国产精品久久久不卡| 99国产极品粉嫩在线观看| 老汉色∧v一级毛片| 天天一区二区日本电影三级| 看片在线看免费视频| 精品国内亚洲2022精品成人| 精品久久久久久久久久久久久| 性欧美人与动物交配| 又爽又黄无遮挡网站| 美女 人体艺术 gogo| 青草久久国产| 午夜福利在线观看吧| 亚洲欧美日韩卡通动漫| 噜噜噜噜噜久久久久久91| 天堂动漫精品| 在线免费观看的www视频| 久久久久久久久久黄片| 一级a爱片免费观看的视频| av国产免费在线观看| 国产一区在线观看成人免费| 一a级毛片在线观看| 草草在线视频免费看| 久久亚洲精品不卡| 啦啦啦免费观看视频1| 亚洲欧美日韩无卡精品| 亚洲精品一区av在线观看| 巨乳人妻的诱惑在线观看| 久久久国产欧美日韩av| 巨乳人妻的诱惑在线观看| 亚洲国产精品999在线| 在线视频色国产色| 国产野战对白在线观看| 午夜福利在线在线| 最好的美女福利视频网| 搡老岳熟女国产| 国产一区在线观看成人免费| 久久亚洲精品不卡| 岛国视频午夜一区免费看| 久久天堂一区二区三区四区| 午夜福利欧美成人| 99久久精品热视频| 久久天堂一区二区三区四区| 五月玫瑰六月丁香| 久久久久久久午夜电影| 欧美一区二区国产精品久久精品| 一个人免费在线观看电影 | 免费在线观看日本一区| 精品国内亚洲2022精品成人| 国产欧美日韩精品一区二区| 看片在线看免费视频| 国产精品一区二区精品视频观看| 国产精品98久久久久久宅男小说| 少妇熟女aⅴ在线视频| 又黄又爽又免费观看的视频| 亚洲午夜精品一区,二区,三区| 一二三四在线观看免费中文在| 999精品在线视频| 欧美+亚洲+日韩+国产| 日韩成人在线观看一区二区三区| 丁香欧美五月| 亚洲成人精品中文字幕电影| 国产又色又爽无遮挡免费看| 免费电影在线观看免费观看| 88av欧美| 天堂√8在线中文| 亚洲精品粉嫩美女一区| 色综合站精品国产| 俄罗斯特黄特色一大片| 91在线精品国自产拍蜜月 | 国产91精品成人一区二区三区| 免费av毛片视频| 免费高清视频大片| 中文字幕熟女人妻在线| 观看美女的网站| 亚洲欧美日韩卡通动漫| 高清毛片免费观看视频网站| 国产亚洲精品久久久com| 热99re8久久精品国产| 欧美丝袜亚洲另类 | 这个男人来自地球电影免费观看| 亚洲国产精品成人综合色| 黄频高清免费视频| 久久亚洲真实| 麻豆av在线久日| 给我免费播放毛片高清在线观看| av女优亚洲男人天堂 | 国产精品一区二区精品视频观看| 精品不卡国产一区二区三区| 欧美日韩综合久久久久久 | 熟女人妻精品中文字幕| 国产97色在线日韩免费| www.精华液| 九色国产91popny在线| 成人精品一区二区免费| 人人妻,人人澡人人爽秒播| 黑人巨大精品欧美一区二区mp4| 亚洲欧美日韩东京热| 白带黄色成豆腐渣| 老熟妇仑乱视频hdxx| 国产精品久久久av美女十八| 91麻豆精品激情在线观看国产| 国产高清视频在线观看网站| 国产精品精品国产色婷婷| 最近最新免费中文字幕在线| 精品熟女少妇八av免费久了| 成人亚洲精品av一区二区| 亚洲av成人精品一区久久| 亚洲成av人片在线播放无| 黑人巨大精品欧美一区二区mp4| 国产三级中文精品| 国产真人三级小视频在线观看| 国内揄拍国产精品人妻在线| 国产三级黄色录像| 国产高清有码在线观看视频| 丝袜人妻中文字幕| xxxwww97欧美| 欧美大码av| 又黄又粗又硬又大视频| 精品不卡国产一区二区三区| 97碰自拍视频| 国产主播在线观看一区二区| 长腿黑丝高跟| cao死你这个sao货| 99精品久久久久人妻精品| 校园春色视频在线观看| 免费观看精品视频网站| 又黄又爽又免费观看的视频| www.自偷自拍.com| 黄色女人牲交| 久久久久久国产a免费观看| 最近最新中文字幕大全免费视频| 精品欧美国产一区二区三| aaaaa片日本免费| 久久久久久久久免费视频了| 看黄色毛片网站| 亚洲人成网站在线播放欧美日韩| 悠悠久久av| 一级a爱片免费观看的视频| 变态另类丝袜制服| 啪啪无遮挡十八禁网站| 老司机午夜十八禁免费视频| 日韩欧美国产在线观看| 国产午夜精品论理片| 女同久久另类99精品国产91| 日韩精品青青久久久久久| 日韩 欧美 亚洲 中文字幕| 国产亚洲欧美在线一区二区| 国产精品久久久久久人妻精品电影| 国产真实乱freesex| 国产激情久久老熟女| 久久久久久久久中文| 婷婷精品国产亚洲av| 伊人久久大香线蕉亚洲五| 久久久久久久久久黄片| 变态另类丝袜制服| 岛国在线免费视频观看| 这个男人来自地球电影免费观看| 欧美丝袜亚洲另类 | 别揉我奶头~嗯~啊~动态视频| 老司机午夜福利在线观看视频| 真实男女啪啪啪动态图| netflix在线观看网站| 国产极品精品免费视频能看的| 午夜福利18| 亚洲av免费在线观看| 69av精品久久久久久| 国产成人av教育| 两个人看的免费小视频| 亚洲一区二区三区不卡视频| 国产一区二区三区视频了| 国产伦精品一区二区三区视频9 | 午夜精品一区二区三区免费看| h日本视频在线播放| 亚洲人成网站在线播放欧美日韩| 国产精品99久久久久久久久| 看免费av毛片| 亚洲av熟女| 国产视频一区二区在线看| 两个人看的免费小视频| 制服人妻中文乱码| 国产伦在线观看视频一区| 国产精品久久久久久亚洲av鲁大| 日本精品一区二区三区蜜桃| 最近最新中文字幕大全免费视频| 非洲黑人性xxxx精品又粗又长| 国产伦精品一区二区三区四那| 全区人妻精品视频| 婷婷六月久久综合丁香| 亚洲精品中文字幕一二三四区| a在线观看视频网站| 久久久国产成人精品二区| 少妇的逼水好多| 成人av一区二区三区在线看| 深夜精品福利| 丝袜人妻中文字幕| 中文字幕最新亚洲高清| 白带黄色成豆腐渣| 午夜福利18| 舔av片在线| 国产麻豆成人av免费视频| 免费人成视频x8x8入口观看| 在线观看美女被高潮喷水网站 | 禁无遮挡网站| 午夜福利成人在线免费观看| 亚洲中文日韩欧美视频| av在线蜜桃| 99热只有精品国产| 亚洲国产欧美一区二区综合| 国产成人欧美在线观看| 国产av麻豆久久久久久久| 亚洲中文字幕一区二区三区有码在线看 | av在线蜜桃| 国产一区在线观看成人免费| 极品教师在线免费播放| 精品一区二区三区四区五区乱码| 精品国内亚洲2022精品成人| 亚洲成人免费电影在线观看| 日韩 欧美 亚洲 中文字幕| av在线天堂中文字幕| 免费在线观看亚洲国产| 久久精品国产综合久久久| 精品国产超薄肉色丝袜足j| 久久精品国产清高在天天线| 51午夜福利影视在线观看| 日本撒尿小便嘘嘘汇集6| 国内精品久久久久精免费| 亚洲国产高清在线一区二区三| 国产91精品成人一区二区三区| 国产精华一区二区三区| 久久人妻av系列| 婷婷亚洲欧美| 一级a爱片免费观看的视频| 国产欧美日韩精品亚洲av| 日本 欧美在线| 国产久久久一区二区三区| 99国产精品一区二区三区| 欧美日本亚洲视频在线播放| 中文字幕熟女人妻在线| 成人av在线播放网站| 99久久成人亚洲精品观看| 亚洲精品一卡2卡三卡4卡5卡| 国产精品av视频在线免费观看| av视频在线观看入口| 中出人妻视频一区二区| 国产乱人伦免费视频| 午夜影院日韩av| 国产一区二区三区在线臀色熟女| 非洲黑人性xxxx精品又粗又长| 国产1区2区3区精品| 日韩欧美 国产精品| 亚洲精品色激情综合| 99riav亚洲国产免费| 观看免费一级毛片| 精品不卡国产一区二区三区| 亚洲美女视频黄频| 少妇裸体淫交视频免费看高清| 操出白浆在线播放| 脱女人内裤的视频| 国产精品综合久久久久久久免费| 亚洲精品美女久久av网站| 国产亚洲精品久久久com| 一级毛片精品| 又粗又爽又猛毛片免费看| 亚洲av美国av| 又大又爽又粗| 九色国产91popny在线| 亚洲欧美精品综合一区二区三区| 久久精品国产亚洲av香蕉五月| 中亚洲国语对白在线视频| 欧美日韩亚洲国产一区二区在线观看| 日韩国内少妇激情av| 久久国产乱子伦精品免费另类| 少妇裸体淫交视频免费看高清| 久久久国产成人精品二区| 久久精品亚洲精品国产色婷小说| 亚洲 欧美 日韩 在线 免费| 亚洲18禁久久av| 国产亚洲av嫩草精品影院| 亚洲人成网站高清观看| 九九在线视频观看精品| 国产私拍福利视频在线观看| 亚洲精品久久国产高清桃花| 最近最新中文字幕大全电影3| 亚洲熟女毛片儿| 国产精品一及| 这个男人来自地球电影免费观看| 黄色丝袜av网址大全| 成年女人看的毛片在线观看| 波多野结衣高清作品| 非洲黑人性xxxx精品又粗又长| 窝窝影院91人妻| 国产av在哪里看| 一个人免费在线观看电影 | 悠悠久久av| 亚洲狠狠婷婷综合久久图片| 久久精品国产99精品国产亚洲性色| 亚洲专区字幕在线| 2021天堂中文幕一二区在线观| 亚洲七黄色美女视频| 级片在线观看| 999精品在线视频| 88av欧美| 亚洲人与动物交配视频| 国产午夜精品论理片| 午夜福利欧美成人| 男人的好看免费观看在线视频| 午夜精品一区二区三区免费看| 久久久久久人人人人人| 欧美一区二区国产精品久久精品| 日本黄色片子视频| 岛国在线观看网站| 色吧在线观看| 国产麻豆成人av免费视频| 韩国av一区二区三区四区| 在线观看一区二区三区| 啪啪无遮挡十八禁网站| 天堂网av新在线| 国产三级在线视频| 狠狠狠狠99中文字幕| 成人18禁在线播放| 一进一出抽搐gif免费好疼| 亚洲九九香蕉| 国产精品 欧美亚洲| 中文亚洲av片在线观看爽| 变态另类丝袜制服| 热99re8久久精品国产| 99国产精品一区二区三区| 久久中文看片网| 午夜激情福利司机影院| 又爽又黄无遮挡网站| 变态另类成人亚洲欧美熟女| 亚洲精品国产精品久久久不卡| 欧美黄色淫秽网站| 国产精品亚洲一级av第二区| 欧美性猛交黑人性爽| 欧美成人免费av一区二区三区| 女同久久另类99精品国产91| 国产午夜精品久久久久久| 国产97色在线日韩免费| 黄色日韩在线| 深夜精品福利| 97超级碰碰碰精品色视频在线观看| 国产免费男女视频| 国产伦精品一区二区三区视频9 | avwww免费| 久99久视频精品免费| 一个人看视频在线观看www免费 | 国产真人三级小视频在线观看| 一本久久中文字幕| 一级毛片高清免费大全| 亚洲片人在线观看| 精品熟女少妇八av免费久了| 搞女人的毛片| 深夜精品福利| 久久久久性生活片| 国产黄片美女视频| 19禁男女啪啪无遮挡网站| 中出人妻视频一区二区| 亚洲电影在线观看av| 久久久久久国产a免费观看| 色综合欧美亚洲国产小说| 国产极品精品免费视频能看的| 成人特级av手机在线观看| 蜜桃久久精品国产亚洲av| 精品国产超薄肉色丝袜足j| 亚洲九九香蕉| 国产精品一区二区免费欧美| 此物有八面人人有两片| av视频在线观看入口| 国产精品电影一区二区三区| 搡老岳熟女国产| 欧美色视频一区免费| 国产熟女xx| 久久久久久久久久黄片| 国产69精品久久久久777片 | 久久中文字幕人妻熟女| 精品久久久久久久久久久久久| 大型黄色视频在线免费观看| 日本 欧美在线| 人人妻人人看人人澡| 国产高清激情床上av| 国产成人aa在线观看| 成年女人看的毛片在线观看| 亚洲精品一区av在线观看| 美女cb高潮喷水在线观看 | 久久精品影院6| 久久精品国产99精品国产亚洲性色| 99视频精品全部免费 在线 | 9191精品国产免费久久| 香蕉av资源在线| 亚洲人成电影免费在线| 国产免费男女视频| 日韩欧美三级三区| 女人被狂操c到高潮| 动漫黄色视频在线观看| 淫秽高清视频在线观看| 亚洲天堂国产精品一区在线| 精品人妻1区二区| 禁无遮挡网站| 757午夜福利合集在线观看| 哪里可以看免费的av片| 日本撒尿小便嘘嘘汇集6| 成人特级黄色片久久久久久久| 欧美性猛交╳xxx乱大交人| 亚洲欧洲精品一区二区精品久久久| 人人妻,人人澡人人爽秒播| 香蕉国产在线看| 成人高潮视频无遮挡免费网站| 久久久水蜜桃国产精品网| 日韩欧美在线二视频| 亚洲精品在线观看二区| 日韩高清综合在线| 国产伦一二天堂av在线观看| 免费电影在线观看免费观看| 欧美3d第一页| 亚洲中文字幕一区二区三区有码在线看 | 国产精品 国内视频| 少妇的逼水好多| 香蕉av资源在线| 又爽又黄无遮挡网站| 久久久久久九九精品二区国产| 欧美成人性av电影在线观看| 看片在线看免费视频| 久久99热这里只有精品18| 夜夜夜夜夜久久久久| 久久香蕉精品热| 国产精品女同一区二区软件 | 91老司机精品| 少妇丰满av| 99热6这里只有精品| 又紧又爽又黄一区二区| 国产精品爽爽va在线观看网站| 精品久久久久久久久久久久久| 精品久久久久久,| 在线观看日韩欧美| 亚洲av五月六月丁香网| 亚洲av电影在线进入| 国产综合懂色| 少妇人妻一区二区三区视频| 亚洲成av人片免费观看| 熟妇人妻久久中文字幕3abv| 变态另类丝袜制服| 在线播放国产精品三级| 精品久久久久久,| 别揉我奶头~嗯~啊~动态视频| 免费看光身美女| 19禁男女啪啪无遮挡网站| 日韩欧美在线二视频| 男人舔女人的私密视频| 在线观看午夜福利视频| 亚洲av成人一区二区三| 婷婷六月久久综合丁香| 好男人在线观看高清免费视频| 成人永久免费在线观看视频| 中文字幕人妻丝袜一区二区| 成年女人毛片免费观看观看9| 国产99白浆流出| 国产成人精品无人区| 少妇的逼水好多| 在线永久观看黄色视频| 亚洲第一欧美日韩一区二区三区| 成年女人看的毛片在线观看| 男女之事视频高清在线观看| 国产伦精品一区二区三区四那| 欧美一区二区国产精品久久精品| 免费看日本二区| 国产高清视频在线播放一区| 午夜福利在线观看吧| 国产亚洲精品一区二区www| 久久久久久久久久黄片| 精品日产1卡2卡| 日本五十路高清| 99在线视频只有这里精品首页| 手机成人av网站| 久久中文字幕人妻熟女| 亚洲在线自拍视频| 热99在线观看视频| 非洲黑人性xxxx精品又粗又长| 亚洲 欧美 日韩 在线 免费| cao死你这个sao货| 久久精品亚洲精品国产色婷小说| 丰满人妻一区二区三区视频av | 热99在线观看视频| 很黄的视频免费| 12—13女人毛片做爰片一| 久久精品91无色码中文字幕| 一个人看视频在线观看www免费 | 嫩草影视91久久| 国产成人影院久久av| 亚洲欧美日韩东京热| 国产精品女同一区二区软件 | 国产视频内射| 老熟妇仑乱视频hdxx| 亚洲欧美日韩高清专用| 成年女人看的毛片在线观看| 久久性视频一级片| 日本黄大片高清| 国产亚洲av嫩草精品影院| 精品国产超薄肉色丝袜足j| 毛片女人毛片| 亚洲一区二区三区色噜噜| 后天国语完整版免费观看| 黄色 视频免费看| 国产真实乱freesex| 欧美一区二区精品小视频在线| 99在线视频只有这里精品首页| 身体一侧抽搐| 成人av在线播放网站| 18禁观看日本| 免费在线观看亚洲国产| 2021天堂中文幕一二区在线观| 欧美黄色淫秽网站| 18禁黄网站禁片免费观看直播| 少妇的丰满在线观看| 成人三级黄色视频| 精品久久久久久成人av| 国产一区二区在线观看日韩 | 免费搜索国产男女视频| 国产乱人伦免费视频| 中亚洲国语对白在线视频| 在线a可以看的网站| 久久性视频一级片| 99久久久亚洲精品蜜臀av| 亚洲人与动物交配视频| 久久久久亚洲av毛片大全| 老司机午夜十八禁免费视频| 国产av在哪里看| 精品午夜福利视频在线观看一区| 在线观看一区二区三区| svipshipincom国产片| 国产精品,欧美在线| 日韩欧美国产在线观看| 亚洲av成人av| 99久久99久久久精品蜜桃| 免费大片18禁| 国产精品乱码一区二三区的特点| 亚洲av熟女| 亚洲精品一卡2卡三卡4卡5卡| 国产成人影院久久av| 我的老师免费观看完整版| 18禁黄网站禁片午夜丰满| 婷婷精品国产亚洲av在线| 免费看日本二区| 婷婷六月久久综合丁香| 一本精品99久久精品77| 五月玫瑰六月丁香| 精品久久久久久久人妻蜜臀av| 国产精品女同一区二区软件 | 国产黄片美女视频| 免费观看的影片在线观看| 一区二区三区高清视频在线| 国产欧美日韩一区二区精品| 久久久久久人人人人人| 国产日本99.免费观看|