• <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 ?

    基于支持向量機(jī)的長(zhǎng)波紅外目標(biāo)分類識(shí)別算法

    2021-03-06 02:47:48王周春崔文楠
    紅外技術(shù) 2021年2期
    關(guān)鍵詞:長(zhǎng)波分類器灰度

    王周春,崔文楠,張 濤

    基于支持向量機(jī)的長(zhǎng)波紅外目標(biāo)分類識(shí)別算法

    王周春1,2,3,4,崔文楠1,2,4,張 濤1,2,3,4

    (1. 中國(guó)科學(xué)院上海技術(shù)物理研究所,上海 200083;2. 中國(guó)科學(xué)院大學(xué),北京 100049;3. 上海科技大學(xué),上海 201210;4. 中國(guó)科學(xué)院智能紅外感知重點(diǎn)實(shí)驗(yàn)室,上海 200083)

    紅外圖像的分辨率低和色彩單一,但由于紅外設(shè)備的全天候工作特點(diǎn),因而在某些場(chǎng)景具有重要作用。本文采用一種基于支持向量機(jī)(support vector machine, SVM)的長(zhǎng)波紅外目標(biāo)圖像分類識(shí)別的算法,在一幅圖像中,將算法提取的邊緣特征和紋理特征作為目標(biāo)的識(shí)別特征,輸入到支持向量機(jī),最后輸出目標(biāo)的類別。在實(shí)驗(yàn)中,設(shè)計(jì)方向梯度直方圖+灰度共生矩陣+支持向量機(jī)的組合算法模型,采集8種人物目標(biāo)場(chǎng)景圖像進(jìn)行訓(xùn)練和測(cè)試,實(shí)驗(yàn)結(jié)果顯示:相同或者不相同人物目標(biāo),穿著不同服飾,算法模型的分類識(shí)別正確率較高。因此,在安防監(jiān)控、工業(yè)檢測(cè)、軍事目標(biāo)識(shí)別等運(yùn)用領(lǐng)域,此組合算法模型可以滿足需要,在紅外目標(biāo)識(shí)別領(lǐng)域具有一定的優(yōu)越性。

    長(zhǎng)波紅外目標(biāo);支持向量機(jī);識(shí)別特征;目標(biāo)識(shí)別

    0 引言

    紅外線是一種波長(zhǎng)范圍為760nm~1mm的電磁輻射[1],紅外圖像的分辨率低、色彩單一,但是,由于紅外設(shè)備具有全天工作的優(yōu)點(diǎn),因而在某些場(chǎng)景具有重大的運(yùn)用價(jià)值,例如軍事、交通、安全領(lǐng)域等。紅外目標(biāo)檢測(cè)與識(shí)別是指從一幅紅外圖像中找出目標(biāo)位置并識(shí)別目標(biāo)類別[2],任務(wù)的目標(biāo)在于待檢測(cè)區(qū)域的提取與識(shí)別[3]。本文的處理圖像是長(zhǎng)波(7.5~14mm)紅外目標(biāo)圖像,其特征相對(duì)可見光圖像,特征更少,因而目標(biāo)檢測(cè)與識(shí)別的難度更大。

    本文研究主題是解決長(zhǎng)波紅外目標(biāo)的分類識(shí)別問題。國(guó)際上許多研究機(jī)構(gòu),如微軟、谷歌、麻省理工學(xué)院、牛津大學(xué)等都建立針對(duì)目標(biāo)檢測(cè)和識(shí)別的實(shí)驗(yàn)室,取得很大的成果。在國(guó)內(nèi)的研究機(jī)構(gòu)和企業(yè)中,中國(guó)科學(xué)院自動(dòng)化研究所下屬的模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室在交通場(chǎng)景視覺監(jiān)控、人的運(yùn)動(dòng)視覺監(jiān)控和行為模式識(shí)別方面進(jìn)行了深入研究,商湯科技和曠視科技等企業(yè)主要從事目標(biāo)識(shí)別,而海康集團(tuán)則從事智能安防監(jiān)控。目標(biāo)檢測(cè)與識(shí)別研究和運(yùn)用取得很大進(jìn)展,但是也存在著不少問題[4]:①算法不具有通用性,有些算法在不同運(yùn)用場(chǎng)景效果不一樣;②相關(guān)算法性能優(yōu)越,但是需要強(qiáng)大的計(jì)算能力支撐;③數(shù)據(jù)量不足或較少情況下,有些算法的性能不能滿足需要。因此,需要根據(jù)實(shí)際需求選擇相應(yīng)的算法,才能滿足特定需要。

    機(jī)器學(xué)習(xí)是人工智能的核心,機(jī)器系統(tǒng)通過學(xué)習(xí)經(jīng)驗(yàn),不斷改善性能,而支持向量機(jī)(support vector machine, SVM)是其中優(yōu)秀代表[5],主要運(yùn)用于圖像的分類識(shí)別。特征提取是圖像識(shí)別的重要組成部分[6],一般情況下,圖像識(shí)別特征提取的是全局不變特征,但是當(dāng)圖像畸變很復(fù)雜或者目標(biāo)存在遮擋情況時(shí),全局特征提取有一定困難,因此紅外圖像一般都是提取局部不變特征,例如邊緣、紋理等特征。根據(jù)長(zhǎng)波紅外圖像特點(diǎn)以及運(yùn)用場(chǎng)景需要,本文選擇邊緣、紋理作為目標(biāo)識(shí)別特征,設(shè)計(jì)相應(yīng)的算法模型,用SVM分類器解決長(zhǎng)波紅外目標(biāo)的分類識(shí)別問題[7]。

    1 算法模型分析

    長(zhǎng)波紅外圖像具有局部特征穩(wěn)定的優(yōu)點(diǎn),例如邊緣和紋理,在室內(nèi)白天場(chǎng)景下,穿著同一服飾的同一目標(biāo)的長(zhǎng)波紅外圖像和可見光灰度圖像的邊緣特征分別如圖1所示,由圖1可知:長(zhǎng)波紅外圖像的邊緣輪廓特征比可見光灰度圖像清晰,能很好地描繪圖像的形狀特征。

    根據(jù)長(zhǎng)波紅外圖像特點(diǎn)以及算法優(yōu)點(diǎn),本文設(shè)計(jì)以方向梯度直方圖(histogram of oriented gradient, HOG)+灰度共生矩陣(gray level co-occurrence matrix, GLCM)+支持向量機(jī)(SVM)的組合算法模型,對(duì)紅外目標(biāo)圖像進(jìn)行分類。圖2是模型的工作流程。

    圖1 圖像邊緣特征

    圖2 算法模型工作流程

    在模式識(shí)別問題中,圖像的梯度信息可以描繪邊緣特征,HOG適宜提取目標(biāo)的梯度信息[8],它主要有2個(gè)優(yōu)點(diǎn):①對(duì)幾何和光學(xué)因素導(dǎo)致的外形變化能保持良好的一致性;②在滿足相關(guān)條件下,在人體檢測(cè)圖像處理中,直立姿勢(shì)的微小改變,對(duì)檢測(cè)結(jié)果影響很小[9]。因此,HOG在目標(biāo)檢測(cè)中有很大的優(yōu)勢(shì)[10]。紋理是描述圖像表面灰度變化情況,是圖像處理與模式識(shí)別問題需要提取的重要特征,本文選擇GLCM算法提取圖像的紋理特征,GLCM主要有2個(gè)優(yōu)點(diǎn):①能反應(yīng)像元之間的空間位置信息;②豐富的紋理特征量。SVM是一種在模式識(shí)別問題中得到廣泛應(yīng)用的分類器,它主要有3個(gè)優(yōu)點(diǎn):①能避免維數(shù)災(zāi)難;②通過核函數(shù),實(shí)現(xiàn)特征空間映射,適用性強(qiáng);③樣本較少情況下,也能取得良好分類效果。

    1.1 支持向量機(jī)

    SVM是一種二分類器,它使用超平面分割樣本,主要分為線性模型和非線性模型,本文中,由于提取紅外圖像的HOG特征和基于GLCM的紋理特征作為圖像目標(biāo)識(shí)別特征,維度很高,存在著使用線性模型無法正確分類的情況,因此,本文使用非線性的SVM對(duì)長(zhǎng)波紅外目標(biāo)圖像進(jìn)行分類[11-12]。

    1)線性模型

    線性SVM如圖3所示,能將樣本正確分割,圖中的分割超平面分類效果最好,分類器有最強(qiáng)的魯棒性。

    圖3 線性SVM

    線性可分?jǐn)?shù)據(jù)集:Data={(1,1),(2,2), (3,3),(4,4),…,(x,y)},樣本的特征向量?R,即樣本是維空間中的向量,y={1,-1}。對(duì)于圖3的兩類樣本,分割樣本的超平面有多個(gè),但是最優(yōu)分割超平面只有一個(gè),設(shè)最優(yōu)分割超平面滿足式(1):

    (1)

    式中:是垂直于分割超平面的向量,分割超平面的方向由確定,超平面方向確定之后,根據(jù)樣本所在空間位置,就可以確定樣本的所屬類別;為位移量。正確分割的樣本(x,y)滿足式(2):

    由點(diǎn)到平面距離原理可知道,樣本(x,y)到最優(yōu)分割超平面的距離為:

    因此最近樣本(x,y)到最優(yōu)分割超平面的距離為:

    兩類間的間隔距離為:

    間隔距離最大,分割超平面才是最優(yōu)的,因此,工作目標(biāo)是求最大值,因此最大化式(5)等價(jià)于最小化式(6):

    滿足約束條件:

    通過式(6)和式(7),構(gòu)造拉格朗日函數(shù),求出()的最優(yōu)解,函數(shù):

    由式(8)可知,函數(shù)與、和有關(guān),對(duì)和求偏導(dǎo)數(shù),同時(shí)偏導(dǎo)數(shù)等于0:

    式(8)展開得:

    由式(12)可知道,與、無關(guān),只與有關(guān),則式(12)為:

    根據(jù)KKT條件,解必須滿足:

    求解出*、*、*分別為、、的最優(yōu)解,則決策函數(shù)為:

    式中:x(=1,2,…,)為訓(xùn)練樣本,為測(cè)試樣本。

    2)非線性模型

    對(duì)于有些問題,使用線性分類器是無法劃分的,或者說存在大量樣本被錯(cuò)誤分類的問題,在這種情況下,需要使用非線性函數(shù)實(shí)現(xiàn)特征空間映射,在新的特征空間進(jìn)行分類,如圖4的樣本在新空間可以有效分類,使用非線性函數(shù)可以構(gòu)造非線性模型分類器。

    圖4 非線性模型SVM

    函數(shù):R?R可以將空間R映射到R,樣本(x)(=1,2,…,)在R可分,分類器在R空間進(jìn)行訓(xùn)練,最后映射回R特征空間[13],樣本可以正確分類,設(shè)非線性模型分割超平面方程為:

    有些運(yùn)用項(xiàng)目對(duì)于分類正確率沒有十分嚴(yán)格的要求,在一定條件下,允許少量樣本錯(cuò)誤分類,對(duì)項(xiàng)目的整體效果影響不大,而且工程實(shí)現(xiàn)條件更加容易,引入松弛變量,的值目前還沒有具體的理論支持,根據(jù)實(shí)際情況或者經(jīng)驗(yàn)設(shè)定,非線性可分問題的約束條件則變?yōu)椋?/p>

    對(duì)于錯(cuò)誤的分類要進(jìn)行懲罰,在此引入懲罰系數(shù),太大,超平面約束太多,則不利于分類器的泛化,太小,分類器的分類性能可能不佳,的取值需要根據(jù)具體運(yùn)用場(chǎng)景選擇,最小化目標(biāo)函數(shù)為:

    在如下約束條件下:

    最小化():

    式中:(x)和(x)分別為xx映射后樣本,核函數(shù)(x,x)=(x(x),:R?R,式(21)可變?yōu)椋?/p>

    因此最終的決策(分類)函數(shù)為:

    1.2 方向梯度直方圖(HOG)

    在模式識(shí)別領(lǐng)域中,HOG基于梯度來計(jì)算和統(tǒng)計(jì)圖像的方向梯度直方圖來構(gòu)建圖像邊緣特征[14-15]。長(zhǎng)波紅外圖像具有局部邊緣特征穩(wěn)定的優(yōu)點(diǎn),而HOG能很好地描述邊緣特征,邊緣包含物體很多的形狀信息,長(zhǎng)波紅外圖像在邊緣的方向梯度值很大,HOG提取紅外圖像邊緣特征有很多優(yōu)勢(shì),它的HOG不僅表示簡(jiǎn)潔,而且具有很強(qiáng)的魯棒性,同時(shí)對(duì)噪聲不敏感?;驹恚菏紫葘D像劃分成多個(gè)細(xì)胞單元[16],提取每一個(gè)細(xì)胞單元的HOG描述符,然后將幾個(gè)細(xì)胞單元組成一個(gè)區(qū)間,最后將全部區(qū)間的HOG描述符串聯(lián)起來則得到該圖像的HOG特征[17]。

    1.2.1 梯度計(jì)算

    梯度是一個(gè)向量,表示某一函數(shù)在該點(diǎn)處的方向?qū)?shù)沿著該方向取得最大值[18],設(shè)(,)為某點(diǎn)的灰度值,則該點(diǎn)的水平和垂直方向梯度的幅值分別為D(,)和D(,)[19],計(jì)算的D(,)和D(,)為:

    梯度的幅值和方向?yàn)椋?/p>

    1.2.2 直方圖計(jì)算

    本文將梯度方向0°~360°(考慮正負(fù)-180°~180°)平均分成36個(gè)塊(1~36),用于統(tǒng)計(jì)目標(biāo)圖像的方向梯度信息,HOG選擇如圖5所示。

    圖5 HOG選擇

    圖6是本文選擇的其中一張?jiān)紙D像以及對(duì)應(yīng)的HOG。

    1.3 灰度共生矩陣(GLCM)

    由上文可知,長(zhǎng)波紅外圖像的局部紋理特征比較穩(wěn)定,因而選擇它作為目標(biāo)識(shí)別特征?;叶裙采仃嚹芊从硤D像灰度的位置分布特性[20-21],適宜提取紋理特征。

    GLCM用表示,如果一張圖像灰度級(jí)為,則為一個(gè)×的矩陣,和為灰度值,=(D,D)為位置關(guān)系,矩陣元素(,),(,=1,2,…,)為和在=(D,D)下出現(xiàn)的數(shù)量或概率[22],空間位置關(guān)系如圖7所示。

    常用的空間位置關(guān)系有:

    從GLCM導(dǎo)出相關(guān)參數(shù)[23]{Gratton, 1990 #668},這些參數(shù)反應(yīng)圖像的紋理信息,常用的參數(shù)有:能量、對(duì)比度、相關(guān)性、熵、逆差距等。

    1.4 混淆矩陣

    上文中,通過方向梯度直方圖和灰度共生矩陣提取長(zhǎng)波紅外圖像的目標(biāo)識(shí)別特征,然后用支持向量機(jī)進(jìn)行決策分類,特征選擇和分類器設(shè)計(jì)決定分類的正確率。為便于分析每個(gè)類別的分類正確率以及類別之間的分類情況,本文采用混淆矩陣統(tǒng)計(jì)分類器對(duì)樣本的分類情況,把分類結(jié)果記錄在混淆矩陣?yán)锩妗?/p>

    混淆矩陣用于表示分類器分類情況[24],矩陣元素值表示樣本類別的分類數(shù)量,如表1所示,以第一行元素分析為例:它的正確類別為class 1,矩陣元素為分類器對(duì)樣本的分類數(shù)目,第一個(gè)元素為正確分類的數(shù)目,其余元素為被錯(cuò)誤分類的數(shù)目。設(shè)正確分類數(shù)目為,錯(cuò)誤分類為,其中T為真實(shí)值為類正確分類為類的數(shù)目,F(≠)為真實(shí)值為類錯(cuò)誤分類為類的數(shù)目。

    圖6 原始圖像以及對(duì)應(yīng)的HOG

    圖7 空間位置關(guān)系

    通過混淆矩陣,可以計(jì)算算法模型對(duì)某個(gè)類別以及整個(gè)類別的分類正確率。

    單個(gè)類別的分類正確率為:

    整個(gè)模型的分類正確率為:

    表1 混淆矩陣

    2 實(shí)驗(yàn)結(jié)果

    2.1 算法模型流程分析

    在上文中,介紹了算法的基本原理以及運(yùn)用優(yōu)勢(shì),基本流程如下:對(duì)于某一張圖像,使用HOG提取圖像邊緣特征,然后使用GLCM提取圖像的紋理特征,最后將兩種特征串聯(lián)起來作為圖像總特征,總特征作為SVM的特征向量,SVM決策輸出圖像的目標(biāo)類別,實(shí)現(xiàn)目標(biāo)的檢測(cè)識(shí)別工作。在實(shí)驗(yàn)中,首先使用設(shè)計(jì)的分類器對(duì)訓(xùn)練集中的長(zhǎng)波紅外圖像樣本進(jìn)行分類訓(xùn)練,然后使用訓(xùn)練好的分類器對(duì)測(cè)試集長(zhǎng)波紅外圖像樣本進(jìn)行測(cè)試,得出分類器對(duì)各個(gè)類別的分類情況,最后根據(jù)測(cè)試結(jié)果對(duì)分類器的分類效果進(jìn)行評(píng)估。

    2.2 算法運(yùn)行結(jié)果

    在本文中,采集了8種目標(biāo)場(chǎng)景圖像,因此采用多個(gè)二分類器組成的多類分類器對(duì)樣本進(jìn)行分類。算法模型主要有4個(gè)模塊:①主函數(shù)模塊:圖像的讀取、顯示和模型評(píng)估;②邊緣特征提取模塊:HOG提取圖像的邊緣信息;③紋理特征提取模塊:GLCM提取圖像的紋理信息;④分類模塊:多分類SVM分類器對(duì)圖像進(jìn)行分類。算法運(yùn)行環(huán)境:Windows10,I5-6200U,2.4G,MATLAB R2018b。Training set(訓(xùn)練集)和Testing set(測(cè)試集)圖像數(shù)目為950張和410張。

    圖8為相同場(chǎng)景下,同一目標(biāo)穿著不同服飾的紅外圖像,其中Class A為穿著迷彩服圖像,Class B為穿著普通衣服圖像,兩種圖像的灰度分布情況用灰度直方圖統(tǒng)計(jì),由圖8的灰度直方圖可知:同一個(gè)目標(biāo)圖像的外形特征一樣,但是灰度分布確不一樣,因此,服飾對(duì)長(zhǎng)波紅外圖像的灰度分布有一定影響。本文的工作目標(biāo):將穿有不同服飾(迷彩服和普通衣服)的不同人物目標(biāo)進(jìn)行分類識(shí)別,在實(shí)驗(yàn)中設(shè)置了8種目標(biāo)場(chǎng)景圖像,8種不同目標(biāo)場(chǎng)景圖像如圖9所示,其類別意義如表2所示。

    表2 圖像場(chǎng)景代表意義

    Continued Table 2

    模型的部分樣本分類結(jié)果(Class A和Class B)如圖10所示。

    模型對(duì)測(cè)試集8種樣本的分類結(jié)果如表3所示。

    由混淆矩陣可得,分類器對(duì)類別Class A、Class B、Class C、Class D以及整體類別的分類正確率為:

    圖9 八種目標(biāo)場(chǎng)景圖像

    圖10 模型分類結(jié)果

    表3 模型分類結(jié)果

    3 結(jié)論

    在本文中,設(shè)計(jì)一種基于支持向量機(jī)(SVM)的組合算法模型對(duì)長(zhǎng)波(7.5~14mm)紅外圖像目標(biāo)進(jìn)行分類識(shí)別,通過HOG和GLCM提取圖像的目標(biāo)識(shí)別特征,然后把這些特征作為特征向量輸入到SVM分類器進(jìn)行分類,實(shí)驗(yàn)結(jié)果顯示:目標(biāo)人物U,室內(nèi)條件下,預(yù)測(cè)效果最好,同目標(biāo)人物U,穿迷彩衣服Class A和普通衣服Class B能很好分類識(shí)別;室外條件下,在一定情況下,分類正確率可以接受。同時(shí)也知道,不同目標(biāo)由于穿著不同服飾以及外部客觀條件的影響,分類效果也不一樣。

    總體上,由于長(zhǎng)波(7.5~14mm)紅外圖像質(zhì)量不是很好,可提取的信息比較少或者說比較單一,文中的組合算法模型對(duì)8種不同場(chǎng)景目標(biāo)共計(jì)410張圖像進(jìn)行分類識(shí)別,設(shè)計(jì)的算法模型對(duì)Class A、Class B類別分類效果最好,而且整體分類正確率也達(dá)到90.5%,因此,在安防監(jiān)控、工業(yè)檢測(cè)、軍事目標(biāo)識(shí)別等應(yīng)用領(lǐng)域,此模型可以滿足長(zhǎng)波紅外目標(biāo)圖像的分類要求。

    [1] 曹鳳杰. 紅外圖像人臉識(shí)別方法研究[D]. 西安: 西安電子科技大學(xué), 2010.

    CAO Fengjie. Research on Infrared Image Face Recognition Method[D]. Xi'an: Xidian University, 2010.

    [2] Der S Z, Chellappa R. Probe-based automatic target recognition in infrared imagery[J]., 1997, 6(1): 92-102.

    [3] 姜錦鋒. 紅外圖像的目標(biāo)檢測(cè)、識(shí)別與跟蹤技術(shù)研究[D]. 西安: 西北工業(yè)大學(xué), 2004.

    JIANG Jinfeng. Research on Target Detection, Recognition and Tracking Technology of Infrared Image[D]. Xi'an: Northwestern Polytechnical University, 2004.

    [4] 郭濟(jì)民. 基于深度神經(jīng)網(wǎng)絡(luò)的物體識(shí)別方法研究及實(shí)現(xiàn)[D]. 成都:電子科技大學(xué), 2018.

    GUO Jimin. Research and Implementation of Object Recognition Method Based on Deep Neural Network[D]. Chengdu: University of Electronic Science and Technology, 2018.

    [5] Abdulkadir Eryildirim, Ibrahim Onaran. Pulse Doppler radar target recognition using a two-stage SVM procedure[J]., 2011, 47(2): 1450-1457.

    [6] 李小迷. 葡萄糖藥液中異物目標(biāo)視覺檢測(cè)與識(shí)別方法研究[D]. 長(zhǎng)沙: 湖南大學(xué), 2010.

    LI Xiaomi. Research on Visual Inspection and Recognition Method of Foreign Objects in Glucose Liquid[D]. Changsha: Hunan University, 2010.

    [7] 王朔琛, 汪西莉, 馬君亮. 基于均值漂移的半監(jiān)督支持向量機(jī)圖像分類[J]. 計(jì)算機(jī)應(yīng)用, 2014, 34(8): 2399-2403.

    WANG Shuochen, WANG Xili, MA Junliang. Semi-supervised support vector machine image classification based on mean shift[J]., 2014, 34(8): 2399-2403.

    [8] 丁方靜. 室內(nèi)監(jiān)控中移動(dòng)檢測(cè)與跟蹤算法的改進(jìn)與實(shí)現(xiàn)[D]. 南京: 東南大學(xué), 2017.

    DING Fangjing. Improvement and Implementation of Moving Detection and Tracking Algorithm in Indoor Monitoring[D]. Nanjing: Southeast University, 2017

    [9] 卞海曼. 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)[D]. 合肥: 合肥工業(yè)大學(xué), 2017.

    BIAN Haiman. Pedestrian Detection Based on Convolutional Neural Network[D]. Hefei: Hefei University of Technology, 2017.

    [10] Navneet Dalal, Bill Triggs. Histograms of oriented gradients for human detection[C]//(CVPR), 2005.

    [11] Minho J, Y Hee Yong, C Hsiao-Hwa. Intelligent RFID tag detection using support vector machine[J]., 2009, 8(10): 5050-5059.

    [12] WANG R P, CHEN J, SHAN S G, et al. Enhancing training set for face detection based on SVM[J]., 2009, 19(11): 2921-2931.

    [13] 尤倩. 基于SVM的脫機(jī)手寫體數(shù)字識(shí)別的研究與應(yīng)用[D]. 濟(jì)南: 山東師范大學(xué), 2014.

    YOU Qian. Research and Application of Offline Handwritten Digit Recognition Based on SVM[D]. Jinan: Shandong Normal University, 2014.

    [14] 張小琴, 趙池航, 沙月進(jìn). 基于HOG特征及支持向量機(jī)的車輛品牌識(shí)別方法[J]. 東南大學(xué)學(xué)報(bào): 自然科學(xué)版 , 2013, 43(2): 410-413.

    ZHANG Xiaoqin, ZHAO Chihang, SHA Yuejin. Vehicle brand recognition method based on HOG features and support vector machine[J].: Natural Science Edition, 2013, 43(2): 410-413.

    [15] LI Weixing, SU Haijun, PAN Feng, et al. A fast pedestrian detection via modified HOG feature[C]//e 34t, 2015: 3870-3873.

    [16] 曾雪. 基于旋轉(zhuǎn)不變梯度方向直方圖的航拍圖像目標(biāo)檢測(cè)[D]. 南京: 東南大學(xué), 2017.

    ZENG Xue. Object Detection Based on Rotation Invariant Histogram of Oriented Gradient in Aerial Image[D]. Nanjing: Southeast University, 2017.

    [17] Alex Omid-Zohoor, Christopher Young, David Ta, et al. Toward always-on mobile object detection: energy versus performance tradeoffs for embedded HOG feature extraction[J]., 2018, 28(5): 1102-1115.

    [18] 段嘉欣. 基于梯度下降的時(shí)變PID算法[J]. 中國(guó)新通信, 2019, 21(14): 223-226.

    DUAN Jiaxin. Time-varying PID algorithm based on gradient descent[J]., 2019, 21(14): 223-226.

    [19] CHEN Pei-Yin, HUANG Chien-Chuan, Lien Chih-Yuan, et al. An efficient hardware implementation of HOG feature extraction for human detection[J]., 2014, 15(2): 656-662.

    [20] HE Jiayuan, ZHU Xiangyang. Combining improved gray-level co-occurrence matrix with high density grid for myoelectric control robustness to electrode shift[J]., 2017, 25(9): 1539-1548.

    [21] 葉鵬, 王永芳, 夏雨蒙, 等.一種融合深度基于灰度共生矩陣的感知模型[J]. 計(jì)算機(jī)科學(xué), 2019, 46(3): 92-96.

    YE Peng, WANG Yongfang, XIA Yumeng, et al. Perceptual model based on GLCM combined with depth[J]., 2019, 46(3): 92-96.

    [22] 王紅, 武繼剛, 張錚. 基于二維MB_LBP特征的人臉識(shí)別[J]. 計(jì)算機(jī)工程與應(yīng)用, 2015, 51(10): 191-194.

    WANG Hong, WU Jigang, ZHANG Zheng. Face recognition based on 2-dimensional MB-LBP characteristics[J]., 2015, 51(10): 191-194.

    [23] Marceau D J, Howarth P J, Dubois J M, et al. Evaluation of the grey -level co-occurrence matrix method for land-cover classification using SPOT imagery[J]., 1990, 28(4): 513-519.

    [24] Simon D, Simon D L. Analytic confusion matrix bounds for fault detection and isolation using a sum-of-squared-residuals approach[J]., 2010, 59(2): 287-296.

    Classification and Recognition Algorithm for Long-wave Infrared Targets Based on Support Vector Machine

    WANG Zhouchun1,2,3,4,CUI Wennan1,2,4,ZHANG Tao1,2,3,4

    (1.,,200083,; 2.,100049,; 3.,201210,; 4.,,200083,)

    Infrared images have a low resolution and a single color, but they play an important role in some scenes because they can be used under all weather conditions. This study adopts a support vector machine algorithm for long-wave infrared target image classification and recognition. The algorithm extracts edge and texture features, which are used as the recognition features of the target, and forwards them to a support vector machine. Then, the target category is output for infrared target recognition. Several models, such as the histogram of oriented gradient, gray level co-occurrence matrix, and support vector machine, are combined to collect images of eight types of target scenes for training and testing. The experimental results show that the algorithm can classify the same target person wearing different clothes with high accuracy and that it has a good classification effect on different target characters. Therefore, under certain scene conditions, this combined algorithm model can meet the needs and has certain advantages in the field of target recognition.

    long-wave infrared target, support vector machine, recognition feature, target recognition

    TN219

    A

    1001-8891(2021)02-0153-09

    2020-01-06;

    2020-01-31.

    王周春(1989-),男,碩士研究生,研究方向:紅外圖像處理,目標(biāo)識(shí)別,機(jī)器學(xué)習(xí)。E-mail:wangzhch@shanghaitech.edu.cn。

    張濤(1966-),男,博士,二級(jí)研究員,研究方向:光電技術(shù)與系統(tǒng),空間科學(xué)儀器,目標(biāo)光學(xué)探測(cè)與數(shù)字仿真。E-mail:haozzh@sina.com。

    猜你喜歡
    長(zhǎng)波分類器灰度
    采用改進(jìn)導(dǎo)重法的拓?fù)浣Y(jié)構(gòu)灰度單元過濾技術(shù)
    廣義對(duì)稱正則長(zhǎng)波方程的孤波解和周期波解及它們與Hamilton能量的關(guān)系
    基于灰度拉伸的圖像水位識(shí)別方法研究
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    基于最大加權(quán)投影求解的彩色圖像灰度化對(duì)比度保留算法
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    基于灰度線性建模的亞像素圖像抖動(dòng)量計(jì)算
    基于構(gòu)架點(diǎn)頭角速度的軌道垂向長(zhǎng)波不平順在線檢測(cè)
    掃描型長(zhǎng)波紅外連續(xù)變焦光學(xué)系統(tǒng)
    国产麻豆成人av免费视频| 亚洲熟妇中文字幕五十中出| 亚洲成人中文字幕在线播放| 国产男靠女视频免费网站| 夜夜看夜夜爽夜夜摸| 久久香蕉精品热| 网址你懂的国产日韩在线| 日韩国内少妇激情av| 伦精品一区二区三区| 亚洲最大成人中文| 国产精品电影一区二区三区| 一本精品99久久精品77| 欧美丝袜亚洲另类 | 99精品久久久久人妻精品| 嫩草影院精品99| 最新中文字幕久久久久| 一区二区三区激情视频| 熟妇人妻久久中文字幕3abv| 中文字幕人妻熟人妻熟丝袜美| 1024手机看黄色片| 日韩强制内射视频| 国产伦精品一区二区三区视频9| 色哟哟哟哟哟哟| 欧美绝顶高潮抽搐喷水| 国产 一区 欧美 日韩| 亚洲成人久久爱视频| 女人十人毛片免费观看3o分钟| 狂野欧美激情性xxxx在线观看| 国产精品一及| 日韩精品有码人妻一区| 日韩强制内射视频| 在线观看午夜福利视频| 国产一区二区亚洲精品在线观看| 精品人妻视频免费看| av.在线天堂| 不卡视频在线观看欧美| 中文在线观看免费www的网站| xxxwww97欧美| 久久午夜亚洲精品久久| 校园人妻丝袜中文字幕| 亚州av有码| www日本黄色视频网| 久久久久久九九精品二区国产| 成年版毛片免费区| 国产在线男女| 尤物成人国产欧美一区二区三区| 久久久久性生活片| 亚洲av免费高清在线观看| 日本a在线网址| 99在线人妻在线中文字幕| 综合色av麻豆| 亚洲乱码一区二区免费版| 国产熟女欧美一区二区| av在线亚洲专区| 亚洲在线自拍视频| 蜜桃亚洲精品一区二区三区| 色精品久久人妻99蜜桃| 日本免费a在线| 免费人成视频x8x8入口观看| 麻豆成人午夜福利视频| 俺也久久电影网| 亚洲七黄色美女视频| 亚洲无线在线观看| 精品午夜福利在线看| 国产精品三级大全| 精品免费久久久久久久清纯| 18禁裸乳无遮挡免费网站照片| 狂野欧美白嫩少妇大欣赏| 中文字幕精品亚洲无线码一区| 99riav亚洲国产免费| 嫁个100分男人电影在线观看| 国产私拍福利视频在线观看| 日韩欧美 国产精品| 少妇人妻一区二区三区视频| 黄色女人牲交| 欧美黑人欧美精品刺激| 亚洲精品色激情综合| 亚洲成人精品中文字幕电影| 无遮挡黄片免费观看| 村上凉子中文字幕在线| 国产高清激情床上av| 国产亚洲91精品色在线| 久久久久国内视频| 我要看日韩黄色一级片| 欧美zozozo另类| 日韩亚洲欧美综合| 少妇人妻精品综合一区二区 | 国产精品电影一区二区三区| 特级一级黄色大片| 在线a可以看的网站| 亚洲av二区三区四区| 一区二区三区高清视频在线| 日韩欧美精品v在线| 91麻豆精品激情在线观看国产| 色综合站精品国产| 亚洲av第一区精品v没综合| 给我免费播放毛片高清在线观看| aaaaa片日本免费| av黄色大香蕉| 国产伦精品一区二区三区四那| 日韩精品中文字幕看吧| 国产精品久久久久久久电影| 欧美不卡视频在线免费观看| 日本黄色视频三级网站网址| 欧美+亚洲+日韩+国产| 久久久久久久久大av| 美女高潮喷水抽搐中文字幕| 99九九线精品视频在线观看视频| 一边摸一边抽搐一进一小说| 51国产日韩欧美| 老司机福利观看| 男女那种视频在线观看| 精品久久久久久久久久免费视频| 尾随美女入室| 三级男女做爰猛烈吃奶摸视频| 97碰自拍视频| 亚洲精品成人久久久久久| 亚洲av.av天堂| 欧美日韩中文字幕国产精品一区二区三区| 亚洲熟妇熟女久久| 99九九线精品视频在线观看视频| 嫁个100分男人电影在线观看| 欧美色欧美亚洲另类二区| 内地一区二区视频在线| 午夜视频国产福利| 成人国产综合亚洲| 又粗又爽又猛毛片免费看| 一区二区三区高清视频在线| 国产三级在线视频| 久久这里只有精品中国| 久久久久久久午夜电影| 欧美成人性av电影在线观看| 亚洲欧美清纯卡通| 欧美中文日本在线观看视频| 国产av一区在线观看免费| 国产亚洲精品综合一区在线观看| 婷婷精品国产亚洲av| 国内少妇人妻偷人精品xxx网站| 日本色播在线视频| 久久人人爽人人爽人人片va| 成人午夜高清在线视频| 乱系列少妇在线播放| 一级av片app| 精品久久久久久久久久免费视频| 国产探花极品一区二区| 91久久精品电影网| 久久久成人免费电影| 18禁在线播放成人免费| 国产亚洲av嫩草精品影院| 国产一区二区亚洲精品在线观看| 在线观看午夜福利视频| 两人在一起打扑克的视频| 内地一区二区视频在线| 亚洲欧美精品综合久久99| 99热这里只有是精品50| 在线国产一区二区在线| 亚洲一区二区三区色噜噜| 久久精品国产自在天天线| 欧美日韩中文字幕国产精品一区二区三区| 亚洲精品久久国产高清桃花| 在线看三级毛片| 国产 一区 欧美 日韩| 亚洲av中文字字幕乱码综合| 成年女人看的毛片在线观看| 我的女老师完整版在线观看| 亚洲欧美日韩卡通动漫| 欧美中文日本在线观看视频| 免费av观看视频| 亚洲专区中文字幕在线| 97超视频在线观看视频| 亚洲五月天丁香| 精品人妻熟女av久视频| 亚洲不卡免费看| 天堂av国产一区二区熟女人妻| 国产视频一区二区在线看| 日韩欧美精品v在线| 麻豆国产97在线/欧美| 天美传媒精品一区二区| 亚洲四区av| 97超级碰碰碰精品色视频在线观看| 亚洲久久久久久中文字幕| 一个人看视频在线观看www免费| 神马国产精品三级电影在线观看| 长腿黑丝高跟| 色精品久久人妻99蜜桃| 国产真实乱freesex| 九九爱精品视频在线观看| 亚洲国产日韩欧美精品在线观看| 亚洲成人免费电影在线观看| 日本色播在线视频| a级毛片a级免费在线| 国模一区二区三区四区视频| 蜜桃亚洲精品一区二区三区| 搡老熟女国产l中国老女人| 999久久久精品免费观看国产| 最新中文字幕久久久久| 成人午夜高清在线视频| 如何舔出高潮| 伦精品一区二区三区| 又粗又爽又猛毛片免费看| 国产私拍福利视频在线观看| 亚洲国产精品成人综合色| 一级av片app| 日韩欧美在线乱码| 日韩一本色道免费dvd| 国产高清视频在线观看网站| 免费搜索国产男女视频| 麻豆av噜噜一区二区三区| 国产av麻豆久久久久久久| 日本成人三级电影网站| 深夜a级毛片| 国产男人的电影天堂91| 亚洲五月天丁香| 亚洲人成伊人成综合网2020| 亚洲精品乱码久久久v下载方式| 国产精品亚洲美女久久久| 欧美+亚洲+日韩+国产| 亚洲国产欧洲综合997久久,| 亚洲精品影视一区二区三区av| 精品久久久久久成人av| 婷婷精品国产亚洲av| 少妇丰满av| а√天堂www在线а√下载| 免费看日本二区| 亚洲精华国产精华液的使用体验 | 在线看三级毛片| 国内精品久久久久精免费| 一区二区三区激情视频| 日本 av在线| 69av精品久久久久久| 成人亚洲精品av一区二区| 内射极品少妇av片p| 国产精品无大码| 免费观看人在逋| 桃色一区二区三区在线观看| 午夜免费男女啪啪视频观看 | 国产爱豆传媒在线观看| 日本精品一区二区三区蜜桃| 少妇猛男粗大的猛烈进出视频 | 伦精品一区二区三区| 亚洲真实伦在线观看| 欧美性感艳星| 国产视频内射| 尾随美女入室| 神马国产精品三级电影在线观看| 91久久精品国产一区二区三区| 久久久久性生活片| 色5月婷婷丁香| 亚洲成人中文字幕在线播放| 久久久久久久精品吃奶| 亚洲图色成人| 欧美三级亚洲精品| 五月玫瑰六月丁香| 别揉我奶头~嗯~啊~动态视频| 国产激情偷乱视频一区二区| 日韩一本色道免费dvd| 18禁在线播放成人免费| 免费看日本二区| 成人国产综合亚洲| 精品一区二区免费观看| 男插女下体视频免费在线播放| 精品久久久噜噜| 12—13女人毛片做爰片一| 久久精品影院6| 国产成人aa在线观看| 国产伦一二天堂av在线观看| 无遮挡黄片免费观看| 久久6这里有精品| 亚洲中文日韩欧美视频| 欧美又色又爽又黄视频| 免费观看人在逋| 九九爱精品视频在线观看| 在线天堂最新版资源| 哪里可以看免费的av片| 无人区码免费观看不卡| 内射极品少妇av片p| 男女做爰动态图高潮gif福利片| 午夜福利视频1000在线观看| a级一级毛片免费在线观看| 国产三级在线视频| 久久6这里有精品| 观看免费一级毛片| 国内少妇人妻偷人精品xxx网站| 亚洲精品国产成人久久av| 久久草成人影院| 精品不卡国产一区二区三区| 国产免费av片在线观看野外av| 午夜免费激情av| 99精品在免费线老司机午夜| 男女啪啪激烈高潮av片| 亚洲av一区综合| 婷婷丁香在线五月| 欧美最新免费一区二区三区| 免费不卡的大黄色大毛片视频在线观看 | 女人十人毛片免费观看3o分钟| 国产麻豆成人av免费视频| 欧美高清成人免费视频www| 日本色播在线视频| 18禁裸乳无遮挡免费网站照片| 亚洲在线观看片| 大型黄色视频在线免费观看| 免费观看人在逋| 色av中文字幕| 在线观看免费视频日本深夜| 国产精品一区二区三区四区久久| 在线观看午夜福利视频| 欧美一级a爱片免费观看看| 97碰自拍视频| 一夜夜www| 十八禁国产超污无遮挡网站| 男女啪啪激烈高潮av片| 岛国在线免费视频观看| 国产在线精品亚洲第一网站| 一区二区三区高清视频在线| 美女高潮喷水抽搐中文字幕| 一区二区三区免费毛片| 女的被弄到高潮叫床怎么办 | 有码 亚洲区| 男人的好看免费观看在线视频| 欧美极品一区二区三区四区| 亚洲国产精品合色在线| 五月伊人婷婷丁香| 俄罗斯特黄特色一大片| 两人在一起打扑克的视频| 精品久久久久久久人妻蜜臀av| 精品一区二区三区人妻视频| 五月玫瑰六月丁香| 18禁裸乳无遮挡免费网站照片| 国产av一区在线观看免费| 一区二区三区激情视频| 亚洲性夜色夜夜综合| 久久精品国产鲁丝片午夜精品 | 国产伦人伦偷精品视频| 别揉我奶头 嗯啊视频| 动漫黄色视频在线观看| 国产精品精品国产色婷婷| 直男gayav资源| 日韩一本色道免费dvd| 岛国在线免费视频观看| 啦啦啦观看免费观看视频高清| 村上凉子中文字幕在线| 一边摸一边抽搐一进一小说| 成人一区二区视频在线观看| av中文乱码字幕在线| 性插视频无遮挡在线免费观看| 真实男女啪啪啪动态图| 亚洲精品亚洲一区二区| 亚洲av熟女| 亚洲在线观看片| 亚洲精品一区av在线观看| 色播亚洲综合网| 国产色婷婷99| 亚洲乱码一区二区免费版| 欧美xxxx黑人xx丫x性爽| 精品久久久久久久人妻蜜臀av| www日本黄色视频网| 亚洲va在线va天堂va国产| 国产 一区 欧美 日韩| 成人国产一区最新在线观看| 少妇裸体淫交视频免费看高清| 级片在线观看| 久久欧美精品欧美久久欧美| 免费人成视频x8x8入口观看| 99热这里只有是精品50| av天堂在线播放| 嫩草影院入口| 色综合婷婷激情| 18禁黄网站禁片免费观看直播| 美女cb高潮喷水在线观看| 人人妻人人看人人澡| 18禁黄网站禁片免费观看直播| 久久久久九九精品影院| 色5月婷婷丁香| 精品久久久久久久久亚洲 | 国产亚洲精品久久久久久毛片| 综合色av麻豆| 在线播放国产精品三级| 日本五十路高清| 丝袜美腿在线中文| 亚洲欧美日韩高清在线视频| 2021天堂中文幕一二区在线观| 最后的刺客免费高清国语| 久久久久免费精品人妻一区二区| 精品一区二区免费观看| 桃色一区二区三区在线观看| 亚洲成人免费电影在线观看| 免费大片18禁| 国产精品一区二区免费欧美| 国产精品福利在线免费观看| 午夜福利视频1000在线观看| 欧美+日韩+精品| 日日撸夜夜添| 亚洲一区高清亚洲精品| 亚洲国产高清在线一区二区三| 免费看美女性在线毛片视频| 老女人水多毛片| 美女免费视频网站| 可以在线观看的亚洲视频| 欧美日韩瑟瑟在线播放| 九色成人免费人妻av| 亚洲男人的天堂狠狠| 成人av一区二区三区在线看| 国产伦人伦偷精品视频| 欧美一级a爱片免费观看看| 精品人妻视频免费看| 99riav亚洲国产免费| 91狼人影院| 亚洲av免费在线观看| 三级男女做爰猛烈吃奶摸视频| 国产91精品成人一区二区三区| 麻豆精品久久久久久蜜桃| 欧美最新免费一区二区三区| 亚洲最大成人av| 男女那种视频在线观看| 搡老岳熟女国产| bbb黄色大片| 在线天堂最新版资源| 午夜亚洲福利在线播放| 啦啦啦观看免费观看视频高清| 成人三级黄色视频| 麻豆成人午夜福利视频| 国产黄片美女视频| 久久久久久伊人网av| 毛片一级片免费看久久久久 | 亚洲国产高清在线一区二区三| 欧美一区二区亚洲| 欧美丝袜亚洲另类 | 高清日韩中文字幕在线| 精品免费久久久久久久清纯| 国产av一区在线观看免费| 亚洲乱码一区二区免费版| 嫁个100分男人电影在线观看| 不卡视频在线观看欧美| 久久人人爽人人爽人人片va| 老司机福利观看| 又粗又爽又猛毛片免费看| 久久久久九九精品影院| 中文字幕久久专区| 丰满的人妻完整版| 亚洲第一电影网av| 久久亚洲精品不卡| 日本撒尿小便嘘嘘汇集6| 日韩精品青青久久久久久| 国产淫片久久久久久久久| 熟妇人妻久久中文字幕3abv| 精品久久国产蜜桃| 亚洲avbb在线观看| 婷婷色综合大香蕉| 色视频www国产| 亚洲自拍偷在线| 亚洲精品456在线播放app | 亚洲欧美激情综合另类| 一级黄色大片毛片| 亚洲精品亚洲一区二区| 哪里可以看免费的av片| 别揉我奶头 嗯啊视频| 成人三级黄色视频| 国产日本99.免费观看| 欧美一区二区精品小视频在线| 真人一进一出gif抽搐免费| 免费无遮挡裸体视频| 我的女老师完整版在线观看| 欧洲精品卡2卡3卡4卡5卡区| 精品人妻偷拍中文字幕| 一边摸一边抽搐一进一小说| 91狼人影院| 综合色av麻豆| 免费在线观看日本一区| 九九久久精品国产亚洲av麻豆| 亚洲人成伊人成综合网2020| 在线观看66精品国产| 在线观看美女被高潮喷水网站| 亚洲中文日韩欧美视频| 99在线人妻在线中文字幕| 午夜久久久久精精品| 精品国产三级普通话版| 亚洲精品456在线播放app | 久久午夜亚洲精品久久| 亚洲经典国产精华液单| 两个人视频免费观看高清| av在线亚洲专区| 亚洲狠狠婷婷综合久久图片| 成人一区二区视频在线观看| 精品午夜福利在线看| 麻豆av噜噜一区二区三区| 成人毛片a级毛片在线播放| 国产成人影院久久av| 欧美最新免费一区二区三区| 欧美在线一区亚洲| 国产精品乱码一区二三区的特点| 亚洲国产欧美人成| 99精品在免费线老司机午夜| avwww免费| 在线免费十八禁| .国产精品久久| 免费人成视频x8x8入口观看| 免费观看精品视频网站| 日韩精品有码人妻一区| 在线免费观看不下载黄p国产 | 午夜免费激情av| 国产精品乱码一区二三区的特点| 国产黄a三级三级三级人| 欧美国产日韩亚洲一区| 亚洲美女黄片视频| 男人和女人高潮做爰伦理| 白带黄色成豆腐渣| 俄罗斯特黄特色一大片| 大又大粗又爽又黄少妇毛片口| 最新中文字幕久久久久| xxxwww97欧美| 国产免费一级a男人的天堂| 啪啪无遮挡十八禁网站| netflix在线观看网站| 免费av毛片视频| 91麻豆av在线| 亚洲精品在线观看二区| 男人和女人高潮做爰伦理| 婷婷精品国产亚洲av| 制服丝袜大香蕉在线| 亚洲av中文字字幕乱码综合| 在线免费观看的www视频| 91麻豆av在线| av在线观看视频网站免费| 在现免费观看毛片| 三级男女做爰猛烈吃奶摸视频| 一个人免费在线观看电影| 天堂网av新在线| 色综合亚洲欧美另类图片| 99久国产av精品| 日本五十路高清| 国产精品一区www在线观看 | 免费搜索国产男女视频| 国产成人一区二区在线| 丰满乱子伦码专区| 精品一区二区三区av网在线观看| 草草在线视频免费看| 99久国产av精品| 最好的美女福利视频网| 简卡轻食公司| 欧美日韩黄片免| 一边摸一边抽搐一进一小说| 看免费成人av毛片| 18禁在线播放成人免费| 成人精品一区二区免费| 五月玫瑰六月丁香| 精品人妻一区二区三区麻豆 | 内射极品少妇av片p| 狂野欧美激情性xxxx在线观看| 啦啦啦韩国在线观看视频| 久久中文看片网| 可以在线观看毛片的网站| 色噜噜av男人的天堂激情| 女人被狂操c到高潮| 国产 一区精品| 干丝袜人妻中文字幕| 自拍偷自拍亚洲精品老妇| 非洲黑人性xxxx精品又粗又长| 波多野结衣高清无吗| 午夜爱爱视频在线播放| 99久久久亚洲精品蜜臀av| 午夜精品久久久久久毛片777| 国产精品亚洲一级av第二区| 桃红色精品国产亚洲av| 精品不卡国产一区二区三区| 久久久久国内视频| 亚洲经典国产精华液单| 91久久精品国产一区二区成人| 日韩,欧美,国产一区二区三区 | 成人午夜高清在线视频| 老司机深夜福利视频在线观看| 欧美激情在线99| 黄色日韩在线| 中亚洲国语对白在线视频| 欧美区成人在线视频| 亚洲最大成人手机在线| 国产乱人视频| 国产亚洲欧美98| 最新中文字幕久久久久| 久久久久久久久久久丰满 | 亚洲五月天丁香| 国产精品久久久久久久电影| 一本一本综合久久| 国内少妇人妻偷人精品xxx网站| 国产日本99.免费观看| 婷婷色综合大香蕉| 国产av一区在线观看免费| 亚洲18禁久久av| 赤兔流量卡办理| 观看美女的网站| 亚洲精品一卡2卡三卡4卡5卡| 久久国内精品自在自线图片| 日韩人妻高清精品专区| 蜜桃亚洲精品一区二区三区| 成人国产麻豆网| 久久国产精品人妻蜜桃| 有码 亚洲区| 亚洲国产日韩欧美精品在线观看| 日日干狠狠操夜夜爽| 99视频精品全部免费 在线| 99精品久久久久人妻精品| 村上凉子中文字幕在线| 校园春色视频在线观看| 亚州av有码| 18+在线观看网站| 一区二区三区四区激情视频 | aaaaa片日本免费| 亚洲精品一区av在线观看| 亚洲欧美精品综合久久99| 99久久精品热视频| 久久人妻av系列| 国产一区二区亚洲精品在线观看| 成人永久免费在线观看视频| 亚洲精华国产精华精| 人妻夜夜爽99麻豆av| 亚洲成a人片在线一区二区|