• <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 ?

    基于可變形掩膜對(duì)齊卷積模型的行人再識(shí)別

    2021-03-09 16:41:22邱衛(wèi)根張立臣
    關(guān)鍵詞:特征融合信息

    劉 暢,邱衛(wèi)根,張立臣

    廣東工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院,廣州510006

    在當(dāng)今社會(huì),智能化視頻監(jiān)控的普及為公共安全提供了有力的保障。視頻監(jiān)控技術(shù)不僅能為公安部門尋找犯罪嫌疑人及破案提供有利的線索,而且還可以應(yīng)用到找回走失兒童[1]等領(lǐng)域。實(shí)際上,要想在海量的視頻數(shù)據(jù)中,查詢并確定犯罪嫌疑人仍是一項(xiàng)巨大的挑戰(zhàn)。通過(guò)人工查看監(jiān)控視頻來(lái)鎖定目標(biāo),一方面會(huì)造成大量人力物力財(cái)力的浪費(fèi),更會(huì)錯(cuò)失查找定位的良機(jī),導(dǎo)致案件勘破的延遲;另一方面,觀察者由于查看海量視頻而產(chǎn)生視覺(jué)疲勞,往往會(huì)漏看關(guān)鍵人物[2],延誤案情。利用行人再識(shí)別技術(shù)對(duì)犯罪嫌疑人和目標(biāo)對(duì)象進(jìn)行追蹤,不僅可以從海量的數(shù)據(jù)排查中釋放出巨量的人力資源,而且能快速高效地定位犯罪嫌疑人和目標(biāo)對(duì)象的活動(dòng)范圍,為勘破案件贏得寶貴的時(shí)間機(jī)會(huì)。行人再識(shí)別[3]是利用計(jì)算機(jī)視覺(jué)技術(shù),判斷圖像或者視頻序列中是否存在特定對(duì)象或行人的技術(shù),被認(rèn)為是一個(gè)圖像檢索的子問(wèn)題。

    行人再識(shí)別的特點(diǎn)是給定一個(gè)感興趣的行人圖像,依次與不同攝像頭下出現(xiàn)的行人進(jìn)行特征匹配,緊接著,根據(jù)特征匹配的結(jié)果,判斷出行人依次出現(xiàn)在何處。然而,由于行人在不同時(shí)間段出現(xiàn)在不同攝像頭下,會(huì)出現(xiàn)尺度、光照[4]、姿態(tài)、視角[5]的變化,以及行人被遮擋等問(wèn)題,從而導(dǎo)致提取的行人特征會(huì)有所不同。以上都使得行人再識(shí)別成為計(jì)算機(jī)視覺(jué)領(lǐng)域中既具有重要研究?jī)r(jià)值,同時(shí)又極具挑戰(zhàn)性的熱門課題。

    大量的行人再識(shí)別方法是以完美的行人檢測(cè)[6]為前提的。然而實(shí)際情況中,由于不完美的行人檢測(cè)[7-8],行人再識(shí)別經(jīng)常會(huì)出現(xiàn)圖像未對(duì)齊的現(xiàn)象。文獻(xiàn)[9]提出了一種密集語(yǔ)義對(duì)齊的行人再識(shí)別框架,利用密集的語(yǔ)義分割得到人體部位的局部特征,解決行人未對(duì)齊問(wèn)題。文獻(xiàn)[10]提出了一種局部對(duì)齊的行人再識(shí)別模型,該模型采用雙流的網(wǎng)絡(luò)結(jié)構(gòu),分別用來(lái)提取行人外觀特征以及身體部位特征,最后通過(guò)雙線性合并層將兩個(gè)特征向量融合為行人的特征表示。

    本文在Resnet50主干網(wǎng)絡(luò)的基礎(chǔ)上,利用全卷積神經(jīng)網(wǎng)絡(luò)(Fully Convolutional Network,F(xiàn)CN)[11]對(duì)圖像進(jìn)行分割,并利用積分映射函數(shù),獲取感興趣區(qū)域(Region of Interest,ROI),同時(shí)融合了多層次特征圖信息,有效地解決了圖像未對(duì)齊問(wèn)題。本文提出的方法具有三個(gè)優(yōu)點(diǎn):

    (1)利用多特征融合,充分利用局部與全局特征信息,增強(qiáng)行人特征表示的魯棒性。

    (2)利用分割網(wǎng)絡(luò)獲取行人前景掩膜,緊接著將不同尺度的行人特征映射到同一維度的特征空間,從而有效地解決行人未對(duì)齊問(wèn)題。

    (3)利用前景掩膜信息,獲取圖像前景特征,從而有效地解決背景雜亂的問(wèn)題。

    1 相關(guān)工作

    行人再識(shí)別是一項(xiàng)具有重要應(yīng)用前景,又具有嚴(yán)峻挑戰(zhàn)性的研究課題。行人再識(shí)別的前提,一般都需要將行人或?qū)ο髲膱?chǎng)景中檢測(cè)出來(lái)。緊接著利用不同的方法提取行人圖像的特征,從而得到圖像的特征空間。最后利用度量學(xué)習(xí)計(jì)算特征空間的相似度得分,依據(jù)相似度得分實(shí)現(xiàn)行人再識(shí)別。在實(shí)際場(chǎng)景中,行人在不同的時(shí)間段出現(xiàn)在不同的攝像頭下,可能會(huì)出現(xiàn)光照、遮擋、姿態(tài)和視角的變化,從而導(dǎo)致行人在不同的攝像頭下具有不同的特征,進(jìn)而影響到行人再識(shí)別的準(zhǔn)確率。

    文獻(xiàn)[12]提出了一種基于顏色特征的特征描述子,用來(lái)解決行人再識(shí)別中光照變化的問(wèn)題。文獻(xiàn)[13]提出了一種基于局部特征映射的方法來(lái)解決視角不變性的行人再識(shí)別問(wèn)題。文獻(xiàn)[14]提出了對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行隨機(jī)擦除來(lái)解決目標(biāo)被遮擋的問(wèn)題。文獻(xiàn)[15]提出了通過(guò)仿射變換,將行人的姿勢(shì)轉(zhuǎn)換成標(biāo)準(zhǔn)姿勢(shì),從而解決行人姿態(tài)變化的問(wèn)題。

    在上述方法中,普遍是以一個(gè)完美的行人檢測(cè)方法作為前提。在實(shí)際情況下,行人檢測(cè)算法的性能會(huì)直接影響到后續(xù)的行人再識(shí)別工作。由于行人檢測(cè)算法的不完美性,會(huì)導(dǎo)致查詢圖像與圖庫(kù)中的圖像存在未對(duì)齊的情況。正如圖1所示,圖1(a)中矩形框標(biāo)出的是行人的頭部,而圖1(b)中與之位于同一位置的矩形框標(biāo)出的是背景。由圖1中包含同一行人的兩張圖像可看到,在比對(duì)圖像中行人的身體部位未對(duì)齊。在進(jìn)行特征匹配時(shí),最好就是將比對(duì)圖像中行人對(duì)應(yīng)的身體部位進(jìn)行特征匹配。然而,未對(duì)齊現(xiàn)象的出現(xiàn)會(huì)影響到特征空間的相似度得分。

    圖1 Market-1501數(shù)據(jù)集中的行人圖像

    在解決圖像未對(duì)齊的方法中,許多是通過(guò)對(duì)人體進(jìn)行分割,從而獲取了行人的局部部位信息。文獻(xiàn)[16]提出了一個(gè)名為Spindle Net的網(wǎng)絡(luò),是基于人體區(qū)域引導(dǎo)的多階段特征分解和樹(shù)狀結(jié)構(gòu)競(jìng)爭(zhēng)特征融合。文獻(xiàn)[17]提出了一種姿勢(shì)驅(qū)動(dòng)的深度卷積模型,是利用人體部位信息來(lái)減輕姿勢(shì)變化,使得人物對(duì)齊。文獻(xiàn)[18]強(qiáng)調(diào)每個(gè)部分內(nèi)容的一致性,將圖像水平分為若干塊,對(duì)每一塊做一個(gè)分類器,判別塊內(nèi)的內(nèi)容是否一致。文獻(xiàn)[19]將局部特征與全局特征共同學(xué)習(xí)得到最終的特征表示,其全局特征的學(xué)習(xí)受益于局部特征的學(xué)習(xí),通過(guò)計(jì)算兩組局部特征的最短路徑來(lái)執(zhí)行對(duì)齊操作。

    本文提出了一種基于可變形掩膜對(duì)齊卷積模型的行人再識(shí)別方法,用來(lái)解決行人未對(duì)齊的問(wèn)題。首先利用分割網(wǎng)絡(luò)對(duì)原圖進(jìn)行分割,提取出包含行人的掩膜。本文利用FCN分割網(wǎng)絡(luò)獲取行人前景掩膜。FCN對(duì)圖像進(jìn)行像素級(jí)的分類,從而解決了語(yǔ)義級(jí)別的圖像分割問(wèn)題,并且具有很好的分割效果。緊接著利用掩膜信息,對(duì)特征圖進(jìn)行裁剪,獲取僅包含行人的特征圖。由于進(jìn)行比對(duì)的兩張圖像,行人的分辨率是不同的,導(dǎo)致掩膜的大小不同。本文所提出的方法將表示行人的特征圖水平劃分為四塊[20],這四塊分為表示行人的不同身體部位。緊接著將各個(gè)表示身體部位的特征進(jìn)行融合,得到行人的全身特征表示。因此,本文提出的方法可自適應(yīng)不同尺度的行人掩膜,達(dá)到可變形掩膜對(duì)齊的效果。

    本文所提出的方法在Market-1501[21]和DukeMTMCreID[22]這兩大數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),均有著較為不錯(cuò)的準(zhǔn)確率。并且,本文通過(guò)消融實(shí)驗(yàn),驗(yàn)證了掩膜對(duì)齊模塊對(duì)識(shí)別未對(duì)齊圖像有一定的幫助,使得整體識(shí)別準(zhǔn)確率得到提高。

    2 本文工作

    為更好地處理圖像未對(duì)齊問(wèn)題,本文提出了一種改進(jìn)的可變形掩膜對(duì)齊及相關(guān)技術(shù)。本章將從網(wǎng)絡(luò)結(jié)構(gòu)、掩膜對(duì)齊、多特征融合、損失函數(shù)四個(gè)方面,介紹本文所提出的技術(shù)。

    2.1 網(wǎng)絡(luò)結(jié)構(gòu)

    圖2 網(wǎng)絡(luò)模型

    本文所提出的網(wǎng)絡(luò)模型的整體框架結(jié)構(gòu)如圖2所示,其是以Resnet50[23]作為主干網(wǎng)絡(luò)。Resnet50有很好的特征提取能力,其有4個(gè)Layer層,每層都會(huì)使得圖像的分辨率減半。如圖2中的虛線框所示,整體網(wǎng)絡(luò)模型分為三個(gè)部分,從上到下依次為:圖像淺層與深層的信息融合特征提取層、主干網(wǎng)絡(luò)特征提取層,以及利用掩膜得到的行人特征提取層。

    信息融合特征提取層,提取主干網(wǎng)絡(luò)中的四個(gè)Layer層的輸出特征圖,并進(jìn)行全局平均池化操作(Global Average Pooling,GAP)[24],再將所得到的特征向量輸入到全連接層,得到四個(gè)維度相同的特征向量。緊接著,將這四個(gè)特征向量進(jìn)行融合,融合后得到的特征向量再次經(jīng)過(guò)全連接層,得到圖像淺層與深層信息融合的特征表示。

    主干網(wǎng)絡(luò)特征提取層提取圖像語(yǔ)義級(jí)別的特征,采用Resnet50作為主干網(wǎng)絡(luò)。Resnet網(wǎng)絡(luò)是深度殘差網(wǎng)絡(luò),該網(wǎng)絡(luò)具有殘差模塊,使得網(wǎng)絡(luò)盡可能加深,從而具有魯棒性更強(qiáng)的特征提取能力。

    行人特征提取層提取Resnet50的Layer2層的特征,并利用掩膜信息,在特征圖進(jìn)行感興趣區(qū)域池化操作,池化后得到四個(gè)特征向量,再將這四個(gè)特征向量進(jìn)行融合,得到行人的特征表示。

    最后,將主干網(wǎng)絡(luò)得到的2 048維特征向量和融合特征提取層的512維特征向量,以及行人特征表示提取層的512維特征向量進(jìn)行集成,得到該圖像的最終的特征表示。

    2.2 掩膜對(duì)齊

    將比對(duì)圖像的對(duì)應(yīng)身體部位分別進(jìn)行比對(duì),是行人再識(shí)別中的一個(gè)重要的方法。由于比對(duì)圖像未對(duì)齊,在查詢圖像包含人物頭部的位置,在圖庫(kù)圖像中的對(duì)應(yīng)位置,可能是背景,這就造成行人再識(shí)別的一個(gè)難點(diǎn)。同時(shí),背景雜亂也會(huì)影響再識(shí)別模型的性能。

    為了解決行人未對(duì)齊的問(wèn)題,本文提出利用分割網(wǎng)絡(luò)與全局平均池化操作提取行人特征。由于行人在不同圖像中具有不同的尺度,從而行人特征的尺度會(huì)不同。因此,利用分割網(wǎng)絡(luò)獲取行人前景掩膜,根據(jù)掩膜信息獲取行人特征,將行人特征等分為若干塊,每塊代表行人特定的身體部位。對(duì)每塊對(duì)應(yīng)的特征進(jìn)行全局平均池化操作,得到固定大小的特征向量。因此,最終不同尺度的行人特征會(huì)映射到固定大小的特征空間。同時(shí),由于可變形掩膜對(duì)齊深度卷積模型具有前景掩膜信息,可有效減少背景雜亂帶來(lái)的識(shí)別影響,提高識(shí)別準(zhǔn)確率。

    為了具體實(shí)現(xiàn)掩膜對(duì)齊,本文首先利用FCN網(wǎng)絡(luò)對(duì)圖像進(jìn)行分割,得到包含行人的前景掩膜。圖3顯示了行人圖像由FCN分割后得到的掩膜圖像。當(dāng)出現(xiàn)復(fù)雜背景、行人被遮擋等問(wèn)題時(shí),F(xiàn)CN分割網(wǎng)絡(luò)依舊能較好地獲取行人前景掩膜。在實(shí)際場(chǎng)景中,復(fù)雜背景以及行人被遮擋等問(wèn)題,均會(huì)影響到行人特征的提取。因此,獲取行人前景掩膜,對(duì)增強(qiáng)行人特征表示,具有重要的意義。緊接著,利用積分映射函數(shù)對(duì)掩膜圖像進(jìn)行處理,獲取掩膜圖像的前景感興趣區(qū)ROI。因此,在具體訓(xùn)練模型時(shí),輸入的數(shù)據(jù)為{img,label,x1,y1,x2,y2},其中,分別是輸入的圖像、圖像對(duì)應(yīng)的標(biāo)簽、ROI左上角坐標(biāo)、ROI右下角坐標(biāo)。

    圖3 FCN分割網(wǎng)絡(luò)分割后的掩膜圖像

    由于每個(gè)Layer層都會(huì)使得圖像的分辨率減半,行人圖像由四個(gè)Layer層提取后的特征圖的大小分別為64×128×256、32×64×512、16×32×1 024、8×16×2 048,其中,特征圖的維度分別由長(zhǎng)和寬,以及通道數(shù)進(jìn)行表示。在卷積神經(jīng)網(wǎng)絡(luò)中,淺層特征具有圖像的局部信息,高層特征具有圖像全局語(yǔ)義信息。主干網(wǎng)絡(luò)Resnet50的Layer1層提取圖像的局部特征,其提取的特征信息不夠充分。Layer3層提取的特征圖的大小為16×32×1 024,此時(shí)的特征圖具有較強(qiáng)的語(yǔ)義信息。但由于進(jìn)行了池化操作,導(dǎo)致圖像局部的信息丟失。為了兼具局部信息與語(yǔ)義信息,本文提取主干網(wǎng)絡(luò)Resnet50的Layer2層的特征圖。利用ROI坐標(biāo)信息,對(duì)Layer2層的特征圖進(jìn)行裁剪,得到僅包含行人的特征圖。緊接著,將僅包含行人的特征圖水平劃分為四塊,每一塊代表行人身體的一部分。對(duì)每一部分利用全局平均池化操作,從而人體每一部分是由512維的特征向量進(jìn)行表示,將人體四個(gè)部位的特征向量進(jìn)行特征融合,得到行人全身的特征表示。

    2.3 多特征融合

    傳統(tǒng)的行人再識(shí)別的方法中,大多只輸出最高層特征圖像作為其特征表示。當(dāng)然,高層的特征能抽象出語(yǔ)義級(jí)別的信息,對(duì)目標(biāo)識(shí)別有重要的效果。當(dāng)然,層次越高的卷積操作,感受野越大,局部信息的丟失度也更大。僅獲取高層語(yǔ)義級(jí)別的信息是不夠的,低級(jí)別的屬性特征,如衣服的顏色和紋理等,對(duì)正確分類也非常重要。因此,融合多個(gè)層次的特征圖,例如將高級(jí)別的語(yǔ)義特征和低級(jí)別的屬性特征進(jìn)行融合,可以獲取局部與全局的信息,對(duì)提高正確分類率是很有意義的。

    本文中,將Resnet50的每一個(gè)Layer層的特征圖提取出來(lái),如圖2所示,并對(duì)每一層得到的特征圖做GAP操作,并利用全連接層,得到4個(gè)512維的特征向量,再經(jīng)過(guò)Concat操作和Linear操作,就得到512維的特征向量,此即為圖像多層特征信息融合之后的特征表示。

    行人的特征表示為:

    其中,F(xiàn)part為人體的部分塊的特征表示,F(xiàn)body為行人全身的特征表示。

    多級(jí)別特征表示為:

    其中,F(xiàn)Layer是從Resnet50中的Layer層進(jìn)行特征提取后進(jìn)過(guò)全連接層映射得到的特征向量,F(xiàn)globle為多級(jí)別特征表示。

    最后得到了三種特征向量,分別為主干網(wǎng)絡(luò)的2 048維特征向量和表示行人的512維特征向量,以及多層信息融合后的512維特征向量。將這三種特征向量進(jìn)行集成,得到3 072維的特征向量作為該圖像的最終特征表示。

    最終行人圖像的特征表示為:

    其中,⊕表示將特征向量沿著維度連接。

    2.4 損失函數(shù)

    為了訓(xùn)練一個(gè)魯棒性與泛化能力強(qiáng)的網(wǎng)絡(luò),本文采用交叉熵?fù)p失函數(shù)與三元組損失函數(shù)進(jìn)行聯(lián)合訓(xùn)練。交叉熵?fù)p失函數(shù)可充分利用訓(xùn)練數(shù)據(jù)集的標(biāo)簽信息,將行人進(jìn)行分類。三元組損失函數(shù)可增加類間距離,減小類內(nèi)距離。

    交叉熵?fù)p失函數(shù):

    其中,M是x的維度,class∈[0,C-1],C是要分類的個(gè)數(shù)。ω∈RC,表示標(biāo)簽的權(quán)重。

    在使用三元組損失函數(shù)進(jìn)行訓(xùn)練時(shí),需要每次輸入三張圖像。記輸入的三元組為其中與表示同一個(gè)行人表示兩個(gè)不同的行人。將這三元組中的三張圖像分別送入網(wǎng)絡(luò)結(jié)構(gòu)相同以及參數(shù)相同的網(wǎng)絡(luò),進(jìn)行特征的提取。記該網(wǎng)絡(luò)為φw,則三元組的特征表示為因此,三元組損失函數(shù)為:

    其中[x]+=max(x,0),α表示邊際分布,通過(guò)計(jì)算三元組特征空間的歐式距離得到行人圖像間的相似度。

    因此,本網(wǎng)絡(luò)最終的損失函數(shù)為:

    3 實(shí)驗(yàn)部分

    為了評(píng)估本文提出的方法的有效性,在公開(kāi)的兩大數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。本章首先介紹實(shí)驗(yàn)所用到的數(shù)據(jù)集以及算法性能的評(píng)測(cè)準(zhǔn)測(cè)。緊接著,介紹具體的實(shí)驗(yàn)細(xì)節(jié)。最后,從準(zhǔn)確率的角度下比對(duì)所提出的方法與其他方法。

    3.1 數(shù)據(jù)集和評(píng)估方法

    本實(shí)驗(yàn)主要在兩個(gè)大的行人再識(shí)別數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),這兩大行人再識(shí)別數(shù)據(jù)集分別為Market-1501和DukeMTMC-reID。

    Market-1501:該數(shù)據(jù)集是由6個(gè)攝像頭拍攝得到,共有32 668張圖像,其中有1 501個(gè)行人。整個(gè)數(shù)據(jù)集被分為訓(xùn)練集和測(cè)試集這兩部分,其中訓(xùn)練集包含751個(gè)行人,共12 936張圖像;測(cè)試集包含750個(gè)行人,共19 732張圖像。對(duì)于在測(cè)試集中的每一個(gè)行人,從每個(gè)攝像頭下挑選出一張?jiān)撔腥说膱D像作為查詢圖像,從而獲得了3 368張查詢圖像。

    DukeMTMC-reID:該數(shù)據(jù)集是由8個(gè)攝像頭拍攝得到,共有36 411張圖像,其中有812個(gè)行人。該數(shù)據(jù)集中只有404個(gè)行人出現(xiàn)在超過(guò)兩個(gè)攝像頭中,其他408個(gè)行人可視為干擾者。訓(xùn)練集包含702個(gè)行人,共16 522張圖像;測(cè)試集包含702個(gè)行人,共17 661張圖像。對(duì)于測(cè)試集中的每一個(gè)行人,從每個(gè)攝像頭下挑選出一張?jiān)撔腥说膱D像作為查詢圖像,從而獲得了2 228張查詢圖像。

    在以上兩個(gè)數(shù)據(jù)集上,本實(shí)驗(yàn)使用累積匹配特征曲線(Cumulative Match Characteristic,CMC)和平均精度均值(mean Average Precision,mAP)這兩個(gè)標(biāo)準(zhǔn)的評(píng)測(cè)度量方法。

    CMC評(píng)測(cè)度量方法是將行人再識(shí)別問(wèn)題視為排序問(wèn)題[25]。首先提取查詢圖像與候選集中所有圖像的特征,依次計(jì)算查詢圖像特征與候選集中圖像特征的歐式距離,并將計(jì)算得到的距離進(jìn)行升序排列。在得到的排序結(jié)果中,若查詢圖中的行人在其前k張圖像中出現(xiàn),則視為匹配成功。

    mAP評(píng)測(cè)度量方法是將行人再識(shí)別問(wèn)題視為檢索問(wèn)題。在圖庫(kù)中可能存在同一個(gè)行人的多張圖像,此時(shí)給定該行人的查詢圖進(jìn)行檢索時(shí),應(yīng)該返回所有匹配正確的結(jié)果。此時(shí)CMC評(píng)判標(biāo)準(zhǔn)就顯得不夠用了,因?yàn)闆](méi)有考慮到召回率。通過(guò)計(jì)算每一張查詢圖像的平均準(zhǔn)確率(Average Precision,AP),并對(duì)所有查詢圖像的AP值求平均,可得到mAP值。其中,可通過(guò)計(jì)算精度與召回率曲線下的面積得到查詢圖的AP值。

    CMC曲線不僅能很好地表達(dá)查詢圖像的第一正確準(zhǔn)確率,還能表達(dá)其他正確準(zhǔn)確率。因此,利用CMC曲線可以很直觀地反映出行人再識(shí)別模型的效果。mAP綜合考慮了準(zhǔn)確率與召回率,是一個(gè)更加全面的評(píng)價(jià)指標(biāo)。

    3.2 實(shí)驗(yàn)細(xì)節(jié)

    本實(shí)驗(yàn)是基于pytorch開(kāi)源框架,并利用在ImageNet數(shù)據(jù)集上進(jìn)行預(yù)訓(xùn)練的Resnet50作為主干網(wǎng)絡(luò)來(lái)進(jìn)行。

    數(shù)據(jù)增強(qiáng):對(duì)訓(xùn)練集進(jìn)行三次樣條插值,將圖像大小調(diào)整到288×144,再對(duì)圖像進(jìn)行隨機(jī)裁剪,得到圖像大小為256×128,接著對(duì)圖像以0.5的概率進(jìn)行隨機(jī)翻轉(zhuǎn),最后,根據(jù)正則化操作將每個(gè)圖像減去平均值并除以標(biāo)準(zhǔn)差作為網(wǎng)絡(luò)的輸入。

    訓(xùn)練配置:本實(shí)驗(yàn)設(shè)置的batchsize為32,訓(xùn)練模型的Epoch設(shè)置為60,基本學(xué)習(xí)率初始化為0.1,在40個(gè)Epoch后衰減到0.01。

    3.3 性能評(píng)測(cè)

    本文提出的可變形掩膜對(duì)齊卷積模型在訓(xùn)練集上訓(xùn)練后得到的模型大小為128 MB。單張行人圖像通過(guò)本網(wǎng)絡(luò)進(jìn)行特征提取,耗時(shí)15 ms。相比于其他通過(guò)單獨(dú)檢測(cè)人體各個(gè)部位以解決未對(duì)齊問(wèn)題的模型,本文模型具有參數(shù)量更少、速度更快的優(yōu)勢(shì)。

    本文基于Market-1501數(shù)據(jù)集和DukeMTMCreID數(shù)據(jù)集這兩大數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),并和近幾年的關(guān)于行人再識(shí)別方法進(jìn)行性能對(duì)比。由表1可知,在Market-1501數(shù)據(jù)集上,本文算法rank1值和mAP值分別為88.93%和70.48%。由表2可知,在DukeMTMC-reID數(shù)據(jù)集上,本文算法rank1值和mAP值分別為78.57%和61.73%。本文算法在行人再識(shí)別的性能上有著一定的提升。

    表1 Market-1501數(shù)據(jù)集上實(shí)驗(yàn)結(jié)果

    表2 DukeMTMC-reID數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果

    圖4 顯示的是CMC曲線圖,可明顯看到本文所提出的方法在性能上優(yōu)于其他方法。圖4中Baseline曲線是僅由Resnet50主干網(wǎng)絡(luò)在測(cè)試集上得到的CMC曲線。NoneMask曲線是由Resnet50與多特征融合模塊組合的網(wǎng)絡(luò)結(jié)構(gòu)在測(cè)試集上得到的CMC曲線。Ours曲線是由添加了掩膜對(duì)齊模塊后的網(wǎng)絡(luò)結(jié)構(gòu)在測(cè)試集上得到的CMC曲線。

    圖4 CMC曲線圖

    由于Baseline曲線是由Resnet50的最高層特征作為行人最終特征表示,導(dǎo)致丟失了局部信息。因此,本實(shí)驗(yàn)在Resnet50作為主干網(wǎng)絡(luò)的基礎(chǔ)上,添加了多特征融合模塊,其實(shí)驗(yàn)結(jié)果如NoneMask曲線所示,在Market-1501數(shù)據(jù)集上,模型的rank1值由73.9%提升到83.0%。因此,低級(jí)別的屬性特征與高級(jí)別的語(yǔ)義特征進(jìn)行融合,對(duì)提高識(shí)別準(zhǔn)確率有一定的效果。為了驗(yàn)證掩膜對(duì)齊模塊的效果,本文在Resnet50與多特征融合模塊組合的網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上,添加了掩膜對(duì)齊模塊,其實(shí)驗(yàn)結(jié)果如Ours曲線所示。對(duì)比NoneMask曲線與Ours曲線可知,在添加掩膜對(duì)齊模塊后,模型的rank1值由83.0%提升到88.9%,驗(yàn)證了掩膜對(duì)齊模塊可有效地提高行人再識(shí)別的準(zhǔn)確率。

    圖5 顯示的是若干查詢圖利用本文提出的方法,在圖庫(kù)上進(jìn)行查詢所得到的匹配結(jié)果。在圖5中,第一列表示的是查詢圖,第二列到第六列分別表示匹配結(jié)果的降序等級(jí),其中第二列是與查詢圖在特征空間中匹配度最大的圖像。圖5中紅色邊框包圍的是識(shí)別錯(cuò)誤的圖像。可從結(jié)果圖看出,本文提出的方法可很好地對(duì)未對(duì)齊圖像進(jìn)行識(shí)別,使得整體準(zhǔn)確率得到提高。

    圖5 Market-1501數(shù)據(jù)集上的測(cè)試結(jié)果

    圖6 顯示的是復(fù)雜背景下的行人圖像,利用本文提出的方法,在圖庫(kù)上進(jìn)行查詢所得到的匹配結(jié)果。在解決背景雜亂的問(wèn)題上,大多數(shù)的文獻(xiàn)通過(guò)檢測(cè)人體局部信息,然后集成所有檢測(cè)到的局部信息,得到行人最終的特征表示。文獻(xiàn)[26]通過(guò)利用姿勢(shì)引導(dǎo)的局部注意力模塊解決復(fù)雜背景的問(wèn)題。但由于行人在不同的攝像頭下,會(huì)有姿勢(shì)變化、視角變化等問(wèn)題,導(dǎo)致行人的部分部位無(wú)法檢測(cè),從而影響特征的提取。考慮到人體部位會(huì)有丟失的問(wèn)題,本文引入掩膜信息,獲取行人整體的前景特征。在圖6所示的查詢圖中,行人的服裝與背景差異度小、行人被遮擋、行人處于復(fù)雜場(chǎng)景等問(wèn)題,從顯示的查詢結(jié)果看出,利用可變形掩膜對(duì)齊卷積模型,可以很好地解決上述的問(wèn)題。

    圖6 行人在復(fù)雜背景下的測(cè)試結(jié)果

    4 結(jié)束語(yǔ)

    為了解決圖像中的行人未對(duì)齊問(wèn)題,本文提出了一種基于可變形掩膜的行人對(duì)齊的深度卷積模型。本文在Resnet50基礎(chǔ)上,提取其多層特征圖信息,進(jìn)行特征信息融合;并引入掩膜信息,利用FCN和GAP操作,實(shí)現(xiàn)了可變形掩膜。本文算法通過(guò)FCN獲取行人圖像的前景掩膜,從而根據(jù)掩膜信息可以有效地提取行人特征。并利用GAP操作,將不同尺度的行人特征映射到同一維度的特征空間,從而實(shí)現(xiàn)不同尺度的行人圖像在同一特征空間進(jìn)行比對(duì)。本文算法不僅解決了行人未對(duì)齊問(wèn)題,而且可以有效地減少雜亂背景對(duì)行人再識(shí)別的影響。本文的方法在兩個(gè)公開(kāi)的數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),均取得了較好的效果。

    猜你喜歡
    特征融合信息
    村企黨建聯(lián)建融合共贏
    融合菜
    從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
    《融合》
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    抓住特征巧觀察
    訂閱信息
    中華手工(2017年2期)2017-06-06 23:00:31
    展會(huì)信息
    線性代數(shù)的應(yīng)用特征
    河南科技(2014年23期)2014-02-27 14:19:15
    男女国产视频网站| 色视频在线一区二区三区| 国产乱人视频| 亚洲,欧美,日韩| 国产欧美日韩一区二区三区在线 | 91aial.com中文字幕在线观看| 日本免费在线观看一区| 一个人看视频在线观看www免费| 国产成人精品一,二区| 亚洲美女搞黄在线观看| 国产淫片久久久久久久久| 97热精品久久久久久| 色视频在线一区二区三区| 18禁裸乳无遮挡动漫免费视频 | 亚洲欧美中文字幕日韩二区| 色播亚洲综合网| 国产亚洲最大av| 99久久中文字幕三级久久日本| 男女啪啪激烈高潮av片| 人体艺术视频欧美日本| 99re6热这里在线精品视频| 高清毛片免费看| 熟女人妻精品中文字幕| 亚洲四区av| 卡戴珊不雅视频在线播放| 精品久久久久久久久av| 丰满人妻一区二区三区视频av| 视频区图区小说| freevideosex欧美| 日韩一本色道免费dvd| 日本黄大片高清| 岛国毛片在线播放| 欧美激情国产日韩精品一区| 另类亚洲欧美激情| av在线老鸭窝| 免费黄网站久久成人精品| 嘟嘟电影网在线观看| 美女高潮的动态| 国产精品一二三区在线看| 久久久久国产精品人妻一区二区| 大香蕉97超碰在线| 丰满少妇做爰视频| av国产久精品久网站免费入址| 免费观看性生交大片5| 亚洲欧美日韩卡通动漫| 午夜亚洲福利在线播放| 欧美一区二区亚洲| 一级二级三级毛片免费看| 亚洲最大成人av| 国产一区二区亚洲精品在线观看| 国产成人精品婷婷| 成人亚洲精品av一区二区| 免费观看的影片在线观看| 亚洲婷婷狠狠爱综合网| 日日摸夜夜添夜夜爱| 亚洲国产精品成人综合色| 青青草视频在线视频观看| 王馨瑶露胸无遮挡在线观看| av在线天堂中文字幕| 日韩强制内射视频| 777米奇影视久久| 欧美精品国产亚洲| 狂野欧美激情性xxxx在线观看| 综合色av麻豆| 久久ye,这里只有精品| 深爱激情五月婷婷| 久久人人爽av亚洲精品天堂 | 日韩大片免费观看网站| 26uuu在线亚洲综合色| 在线观看一区二区三区| 久久久成人免费电影| 国产伦精品一区二区三区视频9| 少妇丰满av| 97超视频在线观看视频| 亚洲av免费在线观看| 久久久久久国产a免费观看| 国国产精品蜜臀av免费| 欧美少妇被猛烈插入视频| 久久久久久久午夜电影| 青春草亚洲视频在线观看| 超碰av人人做人人爽久久| 国产高清有码在线观看视频| 久久韩国三级中文字幕| 精品久久久久久久末码| 能在线免费看毛片的网站| 高清欧美精品videossex| 在线免费十八禁| 乱系列少妇在线播放| 亚洲欧美中文字幕日韩二区| 麻豆精品久久久久久蜜桃| 成年免费大片在线观看| 建设人人有责人人尽责人人享有的 | 婷婷色综合www| 亚洲欧美日韩卡通动漫| 国产免费一区二区三区四区乱码| 午夜老司机福利剧场| 一级毛片我不卡| 一区二区三区乱码不卡18| 熟女人妻精品中文字幕| 麻豆精品久久久久久蜜桃| 久久精品国产亚洲网站| 成人鲁丝片一二三区免费| 晚上一个人看的免费电影| 蜜桃久久精品国产亚洲av| 99久久人妻综合| 精品一区二区三卡| 亚洲性久久影院| 亚洲av二区三区四区| 你懂的网址亚洲精品在线观看| 亚洲av欧美aⅴ国产| 婷婷色麻豆天堂久久| 哪个播放器可以免费观看大片| 日日撸夜夜添| 欧美性猛交╳xxx乱大交人| 亚洲国产精品成人综合色| 色婷婷久久久亚洲欧美| 国产精品一区www在线观看| 99热6这里只有精品| 久热久热在线精品观看| 精品亚洲乱码少妇综合久久| 男女那种视频在线观看| 日韩一区二区视频免费看| 中文资源天堂在线| 成人免费观看视频高清| 国产老妇女一区| 亚洲精品乱码久久久久久按摩| 免费看a级黄色片| 免费av毛片视频| 国产一区二区亚洲精品在线观看| 18禁在线播放成人免费| 午夜福利视频精品| 国产片特级美女逼逼视频| 高清毛片免费看| 小蜜桃在线观看免费完整版高清| 白带黄色成豆腐渣| av在线蜜桃| 日韩人妻高清精品专区| 欧美日韩视频精品一区| 亚洲精品色激情综合| 成人特级av手机在线观看| 欧美zozozo另类| 久久久色成人| 啦啦啦啦在线视频资源| 亚洲久久久久久中文字幕| 青春草视频在线免费观看| 国产伦理片在线播放av一区| 99精国产麻豆久久婷婷| 国产黄色免费在线视频| 亚洲av成人精品一二三区| 一本色道久久久久久精品综合| 国产一区二区亚洲精品在线观看| 亚洲国产精品成人综合色| 国产人妻一区二区三区在| 欧美高清性xxxxhd video| 国产日韩欧美亚洲二区| 国产大屁股一区二区在线视频| 80岁老熟妇乱子伦牲交| 少妇高潮的动态图| 老司机影院毛片| 你懂的网址亚洲精品在线观看| 熟女av电影| av.在线天堂| 精品国产一区二区三区久久久樱花 | 午夜福利在线观看免费完整高清在| 男的添女的下面高潮视频| 2021天堂中文幕一二区在线观| 久久国产乱子免费精品| 少妇被粗大猛烈的视频| 99久久中文字幕三级久久日本| 一级片'在线观看视频| 激情五月婷婷亚洲| 成人漫画全彩无遮挡| 精品久久久精品久久久| 下体分泌物呈黄色| 国产精品99久久99久久久不卡 | 寂寞人妻少妇视频99o| 欧美xxⅹ黑人| 中文字幕av成人在线电影| 国产一区二区在线观看日韩| 免费不卡的大黄色大毛片视频在线观看| 偷拍熟女少妇极品色| 91精品伊人久久大香线蕉| 日本欧美国产在线视频| 美女高潮的动态| 久久久a久久爽久久v久久| 国产欧美亚洲国产| 国内少妇人妻偷人精品xxx网站| 亚洲天堂av无毛| 亚洲国产欧美在线一区| 青青草视频在线视频观看| 欧美成人一区二区免费高清观看| 国产 精品1| 狠狠精品人妻久久久久久综合| 国产成人a区在线观看| 久久精品国产亚洲av涩爱| 国产成人精品久久久久久| 日韩欧美精品v在线| 色吧在线观看| 午夜福利视频精品| 青春草国产在线视频| av在线老鸭窝| www.av在线官网国产| 日产精品乱码卡一卡2卡三| 一本色道久久久久久精品综合| 久久99热这里只频精品6学生| 热99国产精品久久久久久7| 男人狂女人下面高潮的视频| 黄色欧美视频在线观看| 伦理电影大哥的女人| 汤姆久久久久久久影院中文字幕| 国产精品久久久久久精品电影| 激情 狠狠 欧美| 精品久久久久久久末码| 免费看av在线观看网站| 亚洲三级黄色毛片| 少妇高潮的动态图| 免费看a级黄色片| 日韩av免费高清视频| 18禁在线无遮挡免费观看视频| 久久人人爽人人片av| 黄色欧美视频在线观看| h日本视频在线播放| 免费高清在线观看视频在线观看| 亚洲国产精品专区欧美| 亚洲av一区综合| 大香蕉97超碰在线| 内地一区二区视频在线| 国产又色又爽无遮挡免| 熟女电影av网| 亚洲天堂av无毛| 久久精品综合一区二区三区| 国产在视频线精品| 国产一级毛片在线| kizo精华| 欧美精品一区二区大全| 亚洲av.av天堂| 午夜福利视频精品| 国产精品国产三级国产专区5o| 99热6这里只有精品| 97人妻精品一区二区三区麻豆| 久久国内精品自在自线图片| 人人妻人人澡人人爽人人夜夜| 国产国拍精品亚洲av在线观看| 亚洲精品,欧美精品| 欧美亚洲 丝袜 人妻 在线| 国产精品秋霞免费鲁丝片| 国产黄a三级三级三级人| 好男人视频免费观看在线| 狠狠精品人妻久久久久久综合| 欧美日本视频| 肉色欧美久久久久久久蜜桃 | 欧美xxxx性猛交bbbb| 欧美高清性xxxxhd video| 少妇的逼水好多| 插逼视频在线观看| 亚洲天堂av无毛| 一级二级三级毛片免费看| 国产精品嫩草影院av在线观看| 内地一区二区视频在线| 久久精品国产亚洲av涩爱| 大香蕉97超碰在线| 亚洲图色成人| 高清视频免费观看一区二区| 亚洲精品视频女| 国产男女内射视频| 亚洲国产精品成人久久小说| 一级毛片aaaaaa免费看小| 国产黄片美女视频| av播播在线观看一区| 91久久精品国产一区二区三区| 国产淫片久久久久久久久| 真实男女啪啪啪动态图| 亚洲成色77777| 久久国产乱子免费精品| a级毛片免费高清观看在线播放| 插阴视频在线观看视频| 熟妇人妻不卡中文字幕| 亚洲,欧美,日韩| 亚洲真实伦在线观看| 国产精品三级大全| 国产亚洲av嫩草精品影院| 久久精品国产亚洲av天美| av在线亚洲专区| freevideosex欧美| 有码 亚洲区| 国产精品久久久久久精品电影小说 | 汤姆久久久久久久影院中文字幕| 日本午夜av视频| 亚洲综合色惰| 嫩草影院新地址| 欧美 日韩 精品 国产| 国产伦在线观看视频一区| 久久久午夜欧美精品| 国产一区二区亚洲精品在线观看| 国产在视频线精品| 高清在线视频一区二区三区| 免费av不卡在线播放| 亚洲美女视频黄频| 一二三四中文在线观看免费高清| 亚洲av不卡在线观看| 一个人看视频在线观看www免费| 国产黄频视频在线观看| 综合色av麻豆| 天堂俺去俺来也www色官网| 小蜜桃在线观看免费完整版高清| 国内少妇人妻偷人精品xxx网站| 国产av不卡久久| 在现免费观看毛片| 高清在线视频一区二区三区| 九草在线视频观看| 少妇丰满av| 18禁在线无遮挡免费观看视频| 97在线人人人人妻| 欧美日韩综合久久久久久| 日韩不卡一区二区三区视频在线| 卡戴珊不雅视频在线播放| 亚洲精品乱码久久久v下载方式| av天堂中文字幕网| 少妇人妻久久综合中文| 亚洲aⅴ乱码一区二区在线播放| 亚洲美女搞黄在线观看| 最近中文字幕2019免费版| 成人国产av品久久久| 高清欧美精品videossex| 中文字幕人妻熟人妻熟丝袜美| 国产白丝娇喘喷水9色精品| 少妇丰满av| 亚洲婷婷狠狠爱综合网| 尤物成人国产欧美一区二区三区| 99视频精品全部免费 在线| 久久人人爽人人爽人人片va| 亚洲成人久久爱视频| 涩涩av久久男人的天堂| 欧美日韩一区二区视频在线观看视频在线 | 只有这里有精品99| 欧美一区二区亚洲| 国产精品国产三级国产专区5o| 亚洲在久久综合| av国产免费在线观看| 国产av国产精品国产| 高清毛片免费看| 黄色日韩在线| 我的女老师完整版在线观看| 99久久精品国产国产毛片| 联通29元200g的流量卡| 日韩av在线免费看完整版不卡| 夫妻午夜视频| 美女高潮的动态| 国产精品一区二区三区四区免费观看| 婷婷色综合大香蕉| 亚洲精品影视一区二区三区av| 国产色爽女视频免费观看| 日本-黄色视频高清免费观看| 国产精品一及| 亚洲最大成人手机在线| a级一级毛片免费在线观看| 天天躁夜夜躁狠狠久久av| 久久久精品欧美日韩精品| 国产美女午夜福利| 伦精品一区二区三区| 91aial.com中文字幕在线观看| 精品少妇久久久久久888优播| 精品99又大又爽又粗少妇毛片| 波野结衣二区三区在线| 国产男人的电影天堂91| 国产精品嫩草影院av在线观看| 国产精品麻豆人妻色哟哟久久| 国产男女超爽视频在线观看| 精品午夜福利在线看| 国产精品熟女久久久久浪| 国产午夜精品一二区理论片| 亚洲精品亚洲一区二区| 国产精品精品国产色婷婷| 嘟嘟电影网在线观看| 不卡视频在线观看欧美| 亚洲欧美成人综合另类久久久| 久久午夜福利片| 久久精品国产鲁丝片午夜精品| 夜夜看夜夜爽夜夜摸| 国产亚洲午夜精品一区二区久久 | 91午夜精品亚洲一区二区三区| 大香蕉97超碰在线| 国产日韩欧美在线精品| 日韩人妻高清精品专区| 嫩草影院精品99| 亚洲美女搞黄在线观看| 两个人的视频大全免费| 97在线视频观看| 啦啦啦啦在线视频资源| 全区人妻精品视频| 亚洲成人精品中文字幕电影| 日日摸夜夜添夜夜爱| 国产精品久久久久久久久免| 联通29元200g的流量卡| 欧美日韩视频精品一区| 久久午夜福利片| 一级爰片在线观看| 日日啪夜夜撸| 亚洲精品影视一区二区三区av| 免费少妇av软件| 久久99精品国语久久久| 日本爱情动作片www.在线观看| 午夜精品国产一区二区电影 | 久久精品久久久久久噜噜老黄| 91久久精品国产一区二区三区| 好男人在线观看高清免费视频| 免费av观看视频| 男的添女的下面高潮视频| 大片电影免费在线观看免费| 国产亚洲一区二区精品| 国产高清不卡午夜福利| 国产欧美另类精品又又久久亚洲欧美| 国产精品99久久99久久久不卡 | 婷婷色综合www| 久久久精品免费免费高清| 久久国产乱子免费精品| 日韩免费高清中文字幕av| 小蜜桃在线观看免费完整版高清| 日韩不卡一区二区三区视频在线| 国产精品国产三级国产专区5o| 日本黄大片高清| 一区二区三区四区激情视频| 精品一区二区三卡| 亚洲精品成人久久久久久| av国产久精品久网站免费入址| 美女被艹到高潮喷水动态| 亚洲精品日韩在线中文字幕| 天天躁日日操中文字幕| 国产欧美日韩精品一区二区| 国产一区二区三区av在线| 国产亚洲精品久久久com| av在线亚洲专区| 菩萨蛮人人尽说江南好唐韦庄| 国产视频内射| 国产白丝娇喘喷水9色精品| 精品久久久久久久久av| 久热久热在线精品观看| 亚洲欧美一区二区三区黑人 | 久久精品人妻少妇| 七月丁香在线播放| 免费看日本二区| 日韩人妻高清精品专区| 日韩欧美精品免费久久| 大又大粗又爽又黄少妇毛片口| 精品久久久久久久久亚洲| 久久久久精品性色| 白带黄色成豆腐渣| 国产高清国产精品国产三级 | 国产亚洲av片在线观看秒播厂| 欧美亚洲 丝袜 人妻 在线| 国产亚洲av嫩草精品影院| 亚洲性久久影院| 啦啦啦在线观看免费高清www| 特大巨黑吊av在线直播| 三级国产精品欧美在线观看| 日日摸夜夜添夜夜爱| 成人午夜精彩视频在线观看| 国产精品久久久久久精品电影| 亚洲精品成人av观看孕妇| 人人妻人人澡人人爽人人夜夜| 国产精品爽爽va在线观看网站| 真实男女啪啪啪动态图| 少妇被粗大猛烈的视频| 日韩 亚洲 欧美在线| 最近中文字幕2019免费版| 成人漫画全彩无遮挡| 精品久久久噜噜| av国产免费在线观看| 99热6这里只有精品| 在线a可以看的网站| 欧美一区二区亚洲| 免费人成在线观看视频色| 国产伦精品一区二区三区视频9| 麻豆乱淫一区二区| 九九在线视频观看精品| 一级毛片久久久久久久久女| 免费人成在线观看视频色| 九九久久精品国产亚洲av麻豆| 少妇人妻精品综合一区二区| 免费av不卡在线播放| 超碰av人人做人人爽久久| 国产精品麻豆人妻色哟哟久久| 日韩精品有码人妻一区| 天堂俺去俺来也www色官网| av在线蜜桃| 性色avwww在线观看| 欧美激情国产日韩精品一区| 有码 亚洲区| 日日啪夜夜爽| 欧美bdsm另类| 性色av一级| 久久久亚洲精品成人影院| 亚洲高清免费不卡视频| 国产欧美亚洲国产| 18禁在线播放成人免费| 成年女人在线观看亚洲视频 | 午夜精品国产一区二区电影 | 亚洲精品国产色婷婷电影| 又黄又爽又刺激的免费视频.| 少妇丰满av| 极品教师在线视频| freevideosex欧美| 国内精品宾馆在线| 三级男女做爰猛烈吃奶摸视频| 欧美性感艳星| 欧美变态另类bdsm刘玥| 亚洲精品乱久久久久久| 中文在线观看免费www的网站| 1000部很黄的大片| 久久久午夜欧美精品| 国产亚洲av嫩草精品影院| 三级男女做爰猛烈吃奶摸视频| 久久韩国三级中文字幕| 亚洲无线观看免费| 91久久精品国产一区二区三区| 中文字幕久久专区| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 免费少妇av软件| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 麻豆成人av视频| 丰满乱子伦码专区| 黄色欧美视频在线观看| 99热网站在线观看| 亚洲精品一区蜜桃| 亚洲美女视频黄频| 国产精品久久久久久久久免| 中文欧美无线码| 天堂俺去俺来也www色官网| av在线观看视频网站免费| 51国产日韩欧美| 国产免费一级a男人的天堂| 久久久久网色| 亚洲精品aⅴ在线观看| 国产精品嫩草影院av在线观看| 欧美三级亚洲精品| 六月丁香七月| 国产黄片美女视频| 久久韩国三级中文字幕| 国产毛片a区久久久久| 一区二区三区四区激情视频| 不卡视频在线观看欧美| 亚洲色图综合在线观看| 日本熟妇午夜| 精品少妇久久久久久888优播| 一个人看视频在线观看www免费| 青春草亚洲视频在线观看| 国产成人一区二区在线| 久久人人爽av亚洲精品天堂 | 久久久精品免费免费高清| 精品一区在线观看国产| 亚洲精华国产精华液的使用体验| 有码 亚洲区| 免费看不卡的av| 狂野欧美激情性xxxx在线观看| 久热这里只有精品99| 国产亚洲91精品色在线| 可以在线观看毛片的网站| 国产黄a三级三级三级人| 99久久精品一区二区三区| 久久精品综合一区二区三区| 欧美变态另类bdsm刘玥| 狂野欧美激情性xxxx在线观看| 国产又色又爽无遮挡免| 欧美性猛交╳xxx乱大交人| 亚洲国产精品999| 综合色丁香网| 内射极品少妇av片p| av在线天堂中文字幕| 日韩在线高清观看一区二区三区| 久久综合国产亚洲精品| 亚洲无线观看免费| 日本爱情动作片www.在线观看| 国产欧美亚洲国产| 天天躁日日操中文字幕| 在线a可以看的网站| 亚洲va在线va天堂va国产| 国产高清不卡午夜福利| 成人无遮挡网站| 亚洲国产高清在线一区二区三| 亚洲精品日本国产第一区| 久久热精品热| 少妇人妻精品综合一区二区| 亚洲av国产av综合av卡| 三级国产精品片| 精华霜和精华液先用哪个| 如何舔出高潮| 国产精品av视频在线免费观看| 国产乱人偷精品视频| 丰满人妻一区二区三区视频av| 国产在线一区二区三区精| 国产精品久久久久久精品电影| 久久久久久久亚洲中文字幕| 国产成人精品婷婷| 国产伦精品一区二区三区四那| 激情五月婷婷亚洲| 国产伦理片在线播放av一区| av国产精品久久久久影院| av福利片在线观看| 一本一本综合久久| 国产女主播在线喷水免费视频网站| 久久精品夜色国产| 只有这里有精品99| 香蕉精品网在线| 七月丁香在线播放| 欧美一级a爱片免费观看看| 亚洲av福利一区| 97超碰精品成人国产| 天美传媒精品一区二区| 三级经典国产精品| 国产亚洲av嫩草精品影院| 久久精品人妻少妇| 免费看av在线观看网站| 国产伦精品一区二区三区视频9| 国产日韩欧美在线精品| 丰满乱子伦码专区|