• <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 ?

    基于時(shí)空上下文信息增強(qiáng)的目標(biāo)跟蹤算法

    2022-01-05 02:31:48靜,李強(qiáng)
    計(jì)算機(jī)應(yīng)用 2021年12期
    關(guān)鍵詞:顯著性特征模塊

    溫 靜,李 強(qiáng)

    (山西大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院,太原 030006)

    (?通信作者電子郵箱wjing@sxu.edu.cn)

    0 引言

    視覺目標(biāo)跟蹤作為計(jì)算機(jī)視覺領(lǐng)域的重要課題,主要用于研究視頻幀之間對(duì)象的時(shí)空關(guān)聯(lián)性,在自動(dòng)駕駛、智能交通監(jiān)控、人機(jī)交互、醫(yī)學(xué)診斷和行為識(shí)別等諸多領(lǐng)域有著廣泛的應(yīng)用[1]。依據(jù)跟蹤目標(biāo)數(shù)目的不同,目標(biāo)跟蹤可分為單目標(biāo)跟蹤和多目標(biāo)跟蹤,本文主要研究單目標(biāo)跟蹤。單目標(biāo)跟蹤旨在給定某視頻第一幀中任意目標(biāo)的位置和大小,在視頻的后續(xù)幀中預(yù)測(cè)該目標(biāo)的位置和大小。

    目標(biāo)跟蹤的早期研究主要利用邊、角和輪廓等視覺特征進(jìn)行目標(biāo)跟蹤。視覺跟蹤算法的基本框架一般由搜索策略、特征提取和觀測(cè)模型等模塊組成。傳統(tǒng)機(jī)器學(xué)習(xí)算法在特征提取階段主要采取方向梯度直方圖[2]、顏色特征提?。–olor Names,CN)[3]等方法,這些方法存在特征信息不完整、有噪聲等缺點(diǎn),導(dǎo)致跟蹤精度下降。

    近幾年基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的特征提取算法在視覺目標(biāo)跟蹤上得到了廣泛的應(yīng)用。Danelljian 等[4]利用預(yù)訓(xùn)練VGG(Visual Geometry Group)網(wǎng)絡(luò)提取目標(biāo)的深層特征與淺層特征,并將提取到的特征融入相關(guān)濾波器。基于預(yù)訓(xùn)練網(wǎng)絡(luò)的深度特征提取算法增強(qiáng)了特征的外觀表征能力,提升了算法精度,但網(wǎng)絡(luò)參數(shù)過多以及目標(biāo)模型的在線更新導(dǎo)致算法的跟蹤速度滿足不了實(shí)時(shí)的要求。

    針對(duì)基于預(yù)訓(xùn)練網(wǎng)絡(luò)跟蹤算法因其網(wǎng)絡(luò)參數(shù)頻繁在線更新而導(dǎo)致時(shí)間效率較低的問題,Bertinetto 等[5]提出了一種基于全卷積孿生網(wǎng)絡(luò)(Fully-Convolutional Siamese Network,SiamFC)跟蹤算法。該算法通過計(jì)算候選區(qū)域和目標(biāo)模型的相似度來預(yù)測(cè)目標(biāo)的最終位置。SiamFC 在跟蹤過程中不需要在線更新網(wǎng)絡(luò)參數(shù),顯著提升了跟蹤算法的時(shí)間效率。在SiamFC 算法的基礎(chǔ)上,Li 等[6]結(jié)合了SiamFC 和Faster R-CNN中的區(qū)域生成網(wǎng)絡(luò)(Region Proposal Network,RPN)模塊提出了SiamRPN。當(dāng)SiamRPN 算法預(yù)測(cè)到正確的目標(biāo)時(shí),會(huì)預(yù)測(cè)跟蹤目標(biāo)的長(zhǎng)寬比給出更為精確的box 尺度,使得跟蹤算法達(dá)到了較高的精度。Wang 等[7]發(fā)現(xiàn)當(dāng)物體發(fā)生旋轉(zhuǎn)時(shí),簡(jiǎn)單的box表述會(huì)產(chǎn)生極大的損失。Wang等認(rèn)為通過直接預(yù)測(cè)物體的mask 可以得到更準(zhǔn)確的box。基于此,Wang 等提出了對(duì)視覺目標(biāo)跟蹤(Video Object Tracking,VOT)和視頻目標(biāo)分割(Video Object Segmentation,VOS)的統(tǒng)一算法SiamMask。SiamMask 縮小了任意目標(biāo)跟蹤與VOS 之間的差距,在視頻跟蹤任務(wù)上達(dá)到了最優(yōu)性能,并且在視頻目標(biāo)分割上取得了當(dāng)前最快速度。

    雖然上述跟蹤算法實(shí)現(xiàn)了較好的跟蹤性能,但通過實(shí)驗(yàn)發(fā)現(xiàn)SiamMask 存在一些問題。圖1(a)顯示中間人物是待跟蹤目標(biāo),上方人物是相似的目標(biāo)。圖1(b)是得到的特征置信圖,從置信圖可以發(fā)現(xiàn)相似目標(biāo)對(duì)跟蹤目標(biāo)會(huì)產(chǎn)生干擾,進(jìn)而導(dǎo)致目標(biāo)框選位置發(fā)生偏移,如圖1(c)所示。因此,考慮利用視頻幀之間時(shí)空上的高度關(guān)聯(lián)性來增強(qiáng)跟蹤目標(biāo)的特征顯著性,改進(jìn)后的響應(yīng)圖如1(d)所示,得到了更精確的位置響應(yīng)。

    圖1 相似干擾目標(biāo)Fig.1 Similar interference object

    為了充分利用時(shí)空上下文信息,本文在SiamMask 算法的基礎(chǔ)上引入一個(gè)短期的記憶存儲(chǔ)模塊來存儲(chǔ)歷史幀的外觀特征。然后,利用歷史幀和當(dāng)前幀的目標(biāo)特征具有強(qiáng)相似性,提出了外觀顯著性增強(qiáng)模塊(Appearance Saliency Boosting Module,ASBM)。該模塊利用歷史幀和當(dāng)前幀特征相關(guān)性,進(jìn)一步增強(qiáng)當(dāng)前幀的目標(biāo)特征,最終提高跟蹤的精度。

    1 時(shí)空上下文信息增強(qiáng)算法

    為了任務(wù)的多樣性和跟蹤的實(shí)時(shí)性,本文采用了基于多任務(wù)全卷積的孿生網(wǎng)絡(luò)框架。

    1.1 算法的整體結(jié)構(gòu)

    本文主要基于SiamMask 算法[7]來構(gòu)建網(wǎng)絡(luò)體系框架。當(dāng)進(jìn)行跟蹤任務(wù)時(shí),網(wǎng)絡(luò)的上分支主要負(fù)責(zé)提取視頻目標(biāo)的特征信息,網(wǎng)絡(luò)的下分支主要負(fù)責(zé)提取視頻當(dāng)前幀的特征信息;之后將兩個(gè)特征圖做互相關(guān),得到候選區(qū)域的響應(yīng)特征。為了跟蹤任務(wù)的準(zhǔn)確性,本文采用了兩種不同生成旋轉(zhuǎn)框的方式:一種是通過RPN 模塊生成固定長(zhǎng)寬比;另一種是根據(jù)分割分支生成旋轉(zhuǎn)框。將響應(yīng)特征采用第一種生成旋轉(zhuǎn)框策略僅得到跟蹤結(jié)果,將響應(yīng)特征采用第二種生成旋轉(zhuǎn)框策略將得到跟蹤和分割結(jié)果。

    為了充分挖掘視頻目標(biāo)跟蹤任務(wù)中豐富的時(shí)空線索,本文對(duì)孿生網(wǎng)絡(luò)的下分支進(jìn)行了改進(jìn),在圖2 中展示了訓(xùn)練網(wǎng)絡(luò)的總體框架。如圖2所示,上支以127×127大小的圖像作為模板輸入,下支以255×255 大小的圖像作為輸入;經(jīng)過共享權(quán)重的ResNet-50 框架Φ提取圖片信息特征,對(duì)于網(wǎng)絡(luò)下支,提出短期記憶存儲(chǔ)池保留了視頻的歷史幀特征信息;其次通過外觀顯著性增強(qiáng)模塊捕獲上下文信息,實(shí)現(xiàn)當(dāng)前幀特征的顯著性增強(qiáng),減少環(huán)境中相似物體的干擾;再次,對(duì)上下支進(jìn)行特征互相關(guān);最后,通過卷積激活得到目標(biāo)跟蹤和分割結(jié)果。

    圖2 時(shí)空上下文信息增強(qiáng)結(jié)構(gòu)Fig.2 Spatio-temporal context information enhancement structure

    1.2 短期記憶存儲(chǔ)池

    視頻上下幀之間具有強(qiáng)時(shí)空關(guān)聯(lián)性。目前大多數(shù)流行的跟蹤算法只利用當(dāng)前幀特征信息進(jìn)行目標(biāo)跟蹤,當(dāng)該幀跟蹤結(jié)束后,將重新初始化下一幀進(jìn)行跟蹤。這些算法缺乏對(duì)同一目標(biāo)在相鄰視頻幀之間關(guān)系的利用。圖3為利用CNN提取視頻中特征信息的熱度圖結(jié)果。通過實(shí)驗(yàn)發(fā)現(xiàn)不同幀中提取出來的特征通常關(guān)注物體相同的顯著部分。為了充分利用歷史幀中潛在的顯著特征,本文引入短期記憶存儲(chǔ)池來保留歷史幀特征。具體而言,在記憶存儲(chǔ)池中動(dòng)態(tài)地保留了包含當(dāng)前幀的三幀視頻特征(Ft,F(xiàn)t+1,F(xiàn)t+2),之后將拼接后的三幀特征送入ASBM。

    圖3 熱度圖Fig.3 Heat map

    1.3 外觀顯著性增強(qiáng)模塊

    本文借鑒圖匹配[8]和查詢記憶機(jī)制[9]的思想提出了一種基于特征對(duì)齊的ASBM。

    1.3.1 特征對(duì)齊

    目標(biāo)特征存在于歷史幀中不同的位置,這就導(dǎo)致提取出來的目標(biāo)顯著特征位置不一致,必須以某一幀為基準(zhǔn)對(duì)其他幀的特征進(jìn)行調(diào)整對(duì)齊。因此,本文利用圖匹配以當(dāng)前幀的特征為基準(zhǔn)重建歷史幀的特征以達(dá)到對(duì)齊的目的。圖匹配通過計(jì)算場(chǎng)景圖像特征和參考圖像特征的余弦相似度來建立場(chǎng)景圖像和參考圖像特征之間的相關(guān)性。在網(wǎng)絡(luò)中體現(xiàn)為,以當(dāng)前幀特征為參考信息,將歷史幀特征作為場(chǎng)景信息,通過將當(dāng)前幀特征和近鄰幀的特征計(jì)算余弦相似性得到相似性度量矩陣,然后將歷史幀信息與相似性度量矩陣相乘得到重建后的歷史幀信息。

    1.3.2 特征增強(qiáng)

    在特征對(duì)齊基礎(chǔ)上的特征增強(qiáng)可以提高目標(biāo)的顯著性,直接對(duì)對(duì)齊后的特征通道進(jìn)行簡(jiǎn)單疊加就可以達(dá)到特征增強(qiáng)的目的。這種方法的性能雖然有一定的提升,但是同時(shí)也會(huì)將歷史幀中干擾信息疊加到當(dāng)前幀中?;诖耍疚膶?duì)上下幀特征的增強(qiáng)方式進(jìn)行了改進(jìn)。本文采用一種類似查詢記憶(query-memory)機(jī)制,通過將當(dāng)前幀特征與歷史幀特征做相似性度量,以此得到當(dāng)前幀與歷史幀中相似目標(biāo)的相似度,通過相似度可以得到當(dāng)前幀的顯著信息并進(jìn)行增強(qiáng)。

    1.3.3 整體結(jié)構(gòu)

    圖4 顯示了外觀顯著性增強(qiáng)模塊的具體結(jié)構(gòu),網(wǎng)絡(luò)上支輸入為當(dāng)前幀的外觀特征信息Q∈RH×W×H,下支為歷史幀的外觀特征信息M∈RS×H×W×D,將上下分支特征經(jīng)過L2 正則(L2norm)計(jì)算,之后將當(dāng)前幀特征矩陣和近鄰幀的特征矩陣進(jìn)行相乘得到余弦相似度矩陣,將歷史幀特征與矩陣相乘得到重建后的歷史幀,實(shí)現(xiàn)特征對(duì)齊。

    圖4 外觀顯著性增強(qiáng)模塊Fig.4 Appearance saliency boosting module

    對(duì)于特征增強(qiáng)結(jié)構(gòu),將當(dāng)前幀的特征映射視為查詢幀Q,記憶幀為包含三幀的歷史幀特征的集合M,用來增強(qiáng)查詢幀Q的表示能力。首先將Q通過全局平均池化操作(Global Average Pooling,GAP)生成信道統(tǒng)計(jì)q∈RD,用來作為查詢幀的統(tǒng)計(jì)描述符;之后將M重構(gòu)數(shù)組維數(shù)為M∈R||M×D(M=S×H×W),將M看作一組D維局部描述子,||M為重構(gòu)完的特征大小,D為重構(gòu)完特征的維度;接下來,將q和M相乘得到其余弦相似性響應(yīng)圖(式(1)),該余弦相似性就是關(guān)于查詢向量與存儲(chǔ)器中的每個(gè)描述符匹配程度的概率圖。

    其中:Mi∈RD描述了第i個(gè)局部描述符,q和M通過二范數(shù)正則化后相乘得到P,t是超參數(shù)。然后通過算式O=MTP計(jì)算存儲(chǔ)器中所有描述符值的和。通過這種方式,M描述符中與Q中相似的特征將呈現(xiàn)更高的權(quán)重,同時(shí)可以避免低質(zhì)量幀中信息被破壞。

    最后,通過式(2),將O以一種殘差的方式傳遞到Q中。其中,BN是一個(gè)批規(guī)范化操作,用來提高網(wǎng)絡(luò)的泛化能力。

    1.4 損失函數(shù)

    損失L3B由mask 分支、score 分支和box 分支三部分組成。對(duì)于score 分支采用二分類交叉熵?fù)p失函數(shù),將anchor 分為正樣本和負(fù)樣本;box 分支主要采用文獻(xiàn)SiamRPN 中的smooth_L1損失,首先利用式(3)將anchor的坐標(biāo)標(biāo)準(zhǔn)化。

    其中:x、y、w、h代表矩陣中心的坐標(biāo)以及矩陣的寬和高;T和A分別代表groundtruth boxes 和anchor boxes。然后通過式(4)計(jì)算smooth_L1損失,得到box分支的損失。

    其中:f為anchor 的坐標(biāo)經(jīng)過式(3)標(biāo)準(zhǔn)化后的特征圖。但對(duì)于mask 分支,其損失函數(shù)為式(5),其中yn是ground truth 標(biāo)簽,分為1和-1,w、h為mask矩陣的維度。

    2 實(shí)驗(yàn)結(jié)果與分析

    將本文算法與SiamMask[7]、SiamRPN[6]、DaSiamRPN[10]、SiamRPN++[11]和 ATOM(Accurate Tracking by Overlap Maximization)[12]進(jìn)行了對(duì)比分析。其中,SiamMask 在多任務(wù)框架下完成了跟蹤和分割的工作,因此,將本文提出的算法在單任務(wù)、帶有分割的多任務(wù)下與SiamMask算法進(jìn)行對(duì)比。

    2.1 實(shí)驗(yàn)環(huán)境和訓(xùn)練設(shè)計(jì)

    本文算法基于PyTorch框架實(shí)現(xiàn),算法的主干網(wǎng)絡(luò)采用在ImageNet-1k 分類任務(wù)上訓(xùn)練ResNet-50[13]作為預(yù)訓(xùn)練網(wǎng)絡(luò)。訓(xùn)練過程中使用隨機(jī)梯度下降(Stochastic Gradient Descent,SGD)優(yōu)化器,前5 個(gè)epoch 學(xué)習(xí)率從10-3到5× 10-4,在15 個(gè)epoch內(nèi)逐漸降到5× 10-4。本文使用COCO[14]、ImageNet-VID[15]和YouTube-VOS[16]數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)。本文實(shí)驗(yàn)在兩塊NVIDIA 1080Ti GPU,64 GB 物理內(nèi)存和i7-8700K CPU 上進(jìn)行跟蹤算法訓(xùn)練,在一塊NVIDIA 1080Ti 和i7-8700K CPU 上進(jìn)行跟蹤算法的測(cè)試,編程語言為Python。

    2.2 目標(biāo)跟蹤的評(píng)估

    為了驗(yàn)證本文算法的有效性,采用了兩個(gè)廣泛使用的數(shù)據(jù)集進(jìn)行算法測(cè)試:VOT2016[17]和VOT2018[18]。VOT2016 和VOT2018均包含60段視頻,60段視頻中包含單目標(biāo)跟蹤領(lǐng)域中的難點(diǎn)問題,如相機(jī)變化、尺度變化、光照變化和遮擋。VOT2018 將VOT2016 中的一些跟蹤準(zhǔn)確的序列進(jìn)行替換,并對(duì)于序列的真值進(jìn)行了重新標(biāo)定,給出了更為準(zhǔn)確的標(biāo)注信息。根據(jù)VOT 的評(píng)估協(xié)議,本文采用了預(yù)期平均重疊率(Expected Average Overlap rate,EAO)、準(zhǔn)確率(Accuracy,A)和穩(wěn)健性(Robustness,R)指標(biāo)來表示跟蹤性能。其中,EAO是一種綜合考慮跟蹤算法準(zhǔn)確性和穩(wěn)健性的度量指標(biāo),該指標(biāo)越大越好;準(zhǔn)確性(A)用來評(píng)價(jià)跟蹤算法跟蹤目標(biāo)的準(zhǔn)確度,其值越大表示準(zhǔn)確率高;R 表示跟蹤算法的穩(wěn)定性,值越小表示跟蹤性能越穩(wěn)定。

    對(duì)比實(shí)驗(yàn)分為兩部分:充分考慮到生成旋轉(zhuǎn)框的策略,在VOT2016 上分別采取box 策略(傳統(tǒng)的固定或可變縱橫比的軸對(duì)齊邊界框,即不加目標(biāo)分割任務(wù)mask 分支)和最小外包矩形(Minimum Bounding Rectangle,MBR)策略(通過mask 分支得到分割結(jié)果,并根據(jù)分割結(jié)果得出最小的旋轉(zhuǎn)邊框),將其應(yīng)用于SiamMask 算法和本文提出的SiamAsbm 算法。最終實(shí)驗(yàn)結(jié)果如表1 所示,本文算法SiamAsbm-box(無分割任務(wù)優(yōu)化旋轉(zhuǎn)框)在準(zhǔn)確率和平均重疊率上明顯優(yōu)于基準(zhǔn)算法,而在SiamAsbm-MBR 下能獲得更優(yōu)的性能(如表1 中最后一行所示)。MBR 策略生成旋轉(zhuǎn)框的方式相比較傳統(tǒng)生成旋轉(zhuǎn)框的策略有著整體的性能提升。

    表1 在VOT2016數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果Tab.1 Experimental results on VOT2016 dataset

    表2 顯示了本文算法與5 種主流的目標(biāo)跟蹤算法在VOT2018 上的實(shí)驗(yàn)對(duì)比,同樣對(duì)比了SiamMask 在加入box 和MBR,以及本文算法SiamAsbm 在分別加入box 和MBR 的性能。本文算法SiamAsbm-MBR 在穩(wěn)健性上相比SiamMask-MBR 降低了2.8 個(gè)百分點(diǎn),在平均重疊率和準(zhǔn)確率上提高了1.1 個(gè)百分點(diǎn)和3.7 個(gè)百分點(diǎn)。本文提出的模塊可以得到準(zhǔn)確的旋轉(zhuǎn)框使得算法在準(zhǔn)確率上優(yōu)于其他算法,但跟蹤任務(wù)存在大尺度變化和遮擋問題,因而得不到準(zhǔn)確分割結(jié)果,導(dǎo)致魯棒性和平均重疊率提高不明顯。

    表2 在VOT2018數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果Tab.2 Experimental results on VOT2018 dataset

    2.3 消融實(shí)驗(yàn)

    算法分為基于存儲(chǔ)池模塊和ASBM 模塊,其中,存儲(chǔ)池模塊可以進(jìn)行特征疊加操作;ASBM 模塊包含兩個(gè)操作,一個(gè)是特征對(duì)齊,另一個(gè)是對(duì)于當(dāng)前幀的特征信息增強(qiáng)。為了驗(yàn)證本文算法的有效性,采用如下方式進(jìn)行消融分析。

    1)采用文獻(xiàn)SiamMask 中的基礎(chǔ)網(wǎng)絡(luò)作為基準(zhǔn)網(wǎng)絡(luò)(Baseline)。

    2)在Baseline 中通過短期記憶存儲(chǔ)池存儲(chǔ)歷史幀特征,并進(jìn)行特征疊加。

    3)在Baseline 中保持歷史信息,加入特征對(duì)齊模塊(Appearance Align),進(jìn)行特征疊加。

    4)在Baseline 中保持歷史信息,加入外觀顯著性增強(qiáng)模塊ASBM,對(duì)當(dāng)前幀進(jìn)行特征增強(qiáng)。

    從表3 的實(shí)驗(yàn)結(jié)果可以看出,特征對(duì)齊模塊相對(duì)于跟蹤的魯棒性有明顯的增強(qiáng),特征增強(qiáng)模塊對(duì)于跟蹤的準(zhǔn)確率有明顯提高。

    表3 消融實(shí)驗(yàn)Tab.3 Ablation experiment

    圖5 為跟蹤螞蟻圖片,原圖中存在較為相似的三只螞蟻,通過將歷史幀特征疊加到當(dāng)前幀中可以得到圖5(b),通過置信圖可以看出目標(biāo)輪廓模糊。之后經(jīng)過特征疊加到當(dāng)前幀可以得到圖5(c),可以發(fā)現(xiàn)目標(biāo)螞蟻在置信圖中獲得了清晰的輪廓,但同時(shí)圖中還存在一定的干擾物體。當(dāng)經(jīng)過特征增強(qiáng)模塊之后得到圖5(d),可以發(fā)現(xiàn)當(dāng)前跟蹤目標(biāo)的輪廓得到了進(jìn)一步增強(qiáng),并且干擾物的信息得到了明顯抑制。

    圖5 置信圖Fig.5 Confidence graph

    2.4 對(duì)多任務(wù)算法性能的提升

    在多任務(wù)中,本文同時(shí)對(duì)目標(biāo)進(jìn)行分割,而跟蹤對(duì)分割的性能也有明顯的提高,這是因?yàn)閭鹘y(tǒng)算法是在整幅圖片上分割目標(biāo),而在多任務(wù)中,目標(biāo)跟蹤和特征對(duì)齊增強(qiáng)都能縮小分割的范圍,提高分割的效率。表4 和表5 是本文算法在DAVIS-2016[19]和DAVIS-2016[20]視頻目標(biāo)分割驗(yàn)證集上的結(jié)果。DAVIS-2016 和DAVIS-2016 分別包含20 和30 個(gè)驗(yàn)證視頻,視頻中的每一幀以二進(jìn)制掩碼的方式手工創(chuàng)建分割。度量指標(biāo)分別是區(qū)域相似度J、輪廓精度F和時(shí)間穩(wěn)定性T。對(duì)于每次度量C∈{J,F(xiàn)}考慮三個(gè)統(tǒng)計(jì)平均值(mean)、查全率(recall)和下降率(decay),在表中分別表示為JM、JO、JD、FM、FO、FD、TM。表6 則列出了在NVIDIA 1080Ti GPU 的硬件設(shè)備條件下,本文算法與其他分割算法的運(yùn)行時(shí)間對(duì)比。

    表4 在DAVIS-2016數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果Tab.4 Experimental results on DAVIS-2016 dataset

    表5 在DAVIS-2016數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果Tab.5 Experimental results on DAVIS-2016 dataset

    表6 速度分析 單位:幀率Tab.6 Speed analysis unit:fps

    由表4~6 中的數(shù)據(jù)可以看出,與傳統(tǒng)算法相比,本文算法在區(qū)域相似度與輪廓精度上的表現(xiàn)雖然不是最優(yōu),但速度提升到了32 fps,能滿足實(shí)時(shí)要求;而與能實(shí)時(shí)處理的SiamMask算法相比,本文算法在大多指標(biāo)上能獲得更好的表現(xiàn),因?yàn)樘卣髟鰪?qiáng)模塊使得特征目標(biāo)輪廓更加準(zhǔn)確;同時(shí),相較于其他方法,本文方法在decay 實(shí)現(xiàn)了更低的衰減,這表明本文方法隨著時(shí)間的推移是穩(wěn)健的。

    2.5 定性分析

    圖6 顯示了本文算法在VOT 和DAVIS 測(cè)試集上的結(jié)果,其中Iceskater、girl、crabs 屬于VOT 測(cè)試集,Bmx-trees 和Dogsjump 屬于DAVIS 測(cè)試集。在VOT 測(cè)試集中展示了分割和跟蹤結(jié)果,DAVIS 展示了分割結(jié)果。從圖6 跟蹤分割結(jié)果可以清晰看出,本文算法不論在復(fù)雜場(chǎng)景(crabs),還是簡(jiǎn)單場(chǎng)景(Dogs-jump)都有很好的分割和目標(biāo)框的結(jié)果。除此之外,因?yàn)榧闪松舷挛男畔ⅲ员疚乃惴ㄔ诿鎸?duì)復(fù)雜上下文關(guān)系(Iceskater、girl)時(shí),仍然能準(zhǔn)確進(jìn)行目標(biāo)框的檢測(cè)而不受上下文信息的干擾。但是對(duì)于分割數(shù)據(jù)集,算法由于沒有得到更多的訓(xùn)練,導(dǎo)致分割結(jié)果在細(xì)節(jié)信息的處理上不夠完善。

    圖6 跟蹤分割結(jié)果Fig.6 Tracking and segmentation results

    2.6 失敗案例

    本文算法也會(huì)出現(xiàn)跟蹤失敗的案例。如圖7(a)為要跟蹤的目標(biāo),圖7(b)為當(dāng)前幀。由圖7 可以看出,當(dāng)跟蹤物體運(yùn)動(dòng)、尺度和形狀變化劇烈時(shí)會(huì)導(dǎo)致跟蹤失敗,如圖7(b)中箭頭所指的目標(biāo)就會(huì)丟失跟蹤。這是由于訓(xùn)練數(shù)據(jù)集缺少具有較大仿射變化的樣本,同時(shí)訓(xùn)練網(wǎng)絡(luò)缺乏尺度表達(dá)能力造成的。

    圖7 失敗案例Fig.7 Failure case

    3 結(jié)語

    本文提出了一種基于時(shí)空上下文信息增強(qiáng)的目標(biāo)跟蹤算法。該算法通過引入短時(shí)記憶存儲(chǔ)池和提出外觀顯著性增強(qiáng)模塊ASBM,可以獲得較為完善、清晰的物體外觀,有助于提高跟蹤和分割多任務(wù)的準(zhǔn)確性。通過跟蹤?quán)徲虻腣OT2016和VOT2018 數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文算法相較于本文中的其他單視頻目標(biāo)跟蹤算法在準(zhǔn)確率上有很大的提升;而在目標(biāo)分割鄰域的DAVIS-2016 和DAVIS-2017 數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文算法相較于本文中其他單視頻目標(biāo)分割算法在速度上達(dá)到了實(shí)時(shí)性要求,但是其他指標(biāo)提升不夠明顯。在DAVIS-2016 和DAVIS-2016 數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文算法在性能和速度上均有較好的表現(xiàn);但算法在面對(duì)物體劇烈形變時(shí),仍然會(huì)出現(xiàn)跟蹤失敗的情況,有待進(jìn)一步研究。下一步的工作將利用數(shù)據(jù)增強(qiáng)手段,進(jìn)一步增強(qiáng)數(shù)據(jù)和網(wǎng)絡(luò)的表達(dá)能力,提高目標(biāo)跟蹤的性能。

    猜你喜歡
    顯著性特征模塊
    28通道收發(fā)處理模塊設(shè)計(jì)
    “選修3—3”模塊的復(fù)習(xí)備考
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    基于顯著性權(quán)重融合的圖像拼接算法
    電子制作(2019年24期)2019-02-23 13:22:26
    基于視覺顯著性的視頻差錯(cuò)掩蓋算法
    抓住特征巧觀察
    一種基于顯著性邊緣的運(yùn)動(dòng)模糊圖像復(fù)原方法
    論商標(biāo)固有顯著性的認(rèn)定
    選修6 第三模塊 International Relationships
    亚洲第一区二区三区不卡| 色94色欧美一区二区| 丰满少妇做爰视频| 国产97色在线日韩免费| 肉色欧美久久久久久久蜜桃| 人妻 亚洲 视频| 蜜桃国产av成人99| 777久久人妻少妇嫩草av网站| 国产成人免费观看mmmm| 国产精品成人在线| 高清黄色对白视频在线免费看| 亚洲精品美女久久久久99蜜臀 | 极品少妇高潮喷水抽搐| 777久久人妻少妇嫩草av网站| 综合色丁香网| 国产激情久久老熟女| 最新中文字幕久久久久| 91aial.com中文字幕在线观看| a级毛片在线看网站| 一级毛片黄色毛片免费观看视频| 大码成人一级视频| 99九九在线精品视频| 中文字幕最新亚洲高清| 搡女人真爽免费视频火全软件| 亚洲天堂av无毛| 菩萨蛮人人尽说江南好唐韦庄| 天天躁狠狠躁夜夜躁狠狠躁| 欧美黄色片欧美黄色片| 亚洲第一av免费看| 免费观看性生交大片5| 又粗又硬又长又爽又黄的视频| 观看av在线不卡| 寂寞人妻少妇视频99o| 日韩熟女老妇一区二区性免费视频| 久久久久久人妻| 午夜91福利影院| 中国三级夫妇交换| 免费少妇av软件| 亚洲国产最新在线播放| 久久久久视频综合| 亚洲精品自拍成人| 伦精品一区二区三区| 97在线人人人人妻| 秋霞在线观看毛片| 久久 成人 亚洲| 大片电影免费在线观看免费| www日本在线高清视频| 久久精品国产a三级三级三级| 高清视频免费观看一区二区| 亚洲熟女精品中文字幕| 欧美精品人与动牲交sv欧美| 欧美日韩一级在线毛片| 综合色丁香网| 久久久久久久国产电影| 五月开心婷婷网| 国产黄频视频在线观看| 久久久久久久精品精品| 欧美 日韩 精品 国产| 国产伦理片在线播放av一区| 午夜av观看不卡| 熟女少妇亚洲综合色aaa.| 好男人视频免费观看在线| 女人被躁到高潮嗷嗷叫费观| 午夜福利,免费看| 男女边摸边吃奶| 777米奇影视久久| 午夜福利影视在线免费观看| 国产免费又黄又爽又色| 男的添女的下面高潮视频| 成人国产av品久久久| 有码 亚洲区| 午夜91福利影院| 欧美日韩亚洲高清精品| 日韩熟女老妇一区二区性免费视频| 电影成人av| 熟女少妇亚洲综合色aaa.| 亚洲av免费高清在线观看| 国产亚洲av片在线观看秒播厂| 看免费成人av毛片| 又大又黄又爽视频免费| 好男人视频免费观看在线| 久久人人97超碰香蕉20202| 不卡视频在线观看欧美| 免费播放大片免费观看视频在线观看| 9191精品国产免费久久| 国产日韩欧美亚洲二区| 制服丝袜香蕉在线| www.精华液| 夜夜骑夜夜射夜夜干| 高清在线视频一区二区三区| 亚洲第一区二区三区不卡| 日日撸夜夜添| 在现免费观看毛片| 日韩欧美一区视频在线观看| 日韩av不卡免费在线播放| 熟女少妇亚洲综合色aaa.| 亚洲精品日本国产第一区| 少妇精品久久久久久久| 人成视频在线观看免费观看| 亚洲精品国产色婷婷电影| 在线免费观看不下载黄p国产| 精品人妻在线不人妻| 久久免费观看电影| 亚洲欧洲精品一区二区精品久久久 | 久久精品国产自在天天线| 久久综合国产亚洲精品| www.自偷自拍.com| 欧美日韩一区二区视频在线观看视频在线| 国产亚洲欧美精品永久| 少妇人妻精品综合一区二区| 精品人妻熟女毛片av久久网站| 久久99蜜桃精品久久| 成人漫画全彩无遮挡| 一区二区三区激情视频| 女性生殖器流出的白浆| 一本色道久久久久久精品综合| 夜夜骑夜夜射夜夜干| 国产精品久久久av美女十八| 日韩人妻精品一区2区三区| 国产精品三级大全| 天堂俺去俺来也www色官网| 赤兔流量卡办理| 男女下面插进去视频免费观看| 国产精品国产三级专区第一集| 国产精品欧美亚洲77777| 国产成人av激情在线播放| 亚洲精品成人av观看孕妇| 宅男免费午夜| 99热国产这里只有精品6| 久久韩国三级中文字幕| 久久狼人影院| 两性夫妻黄色片| 久久精品久久精品一区二区三区| 一个人免费看片子| 免费高清在线观看视频在线观看| 国产免费一区二区三区四区乱码| 日韩精品免费视频一区二区三区| 成人黄色视频免费在线看| 久久 成人 亚洲| 精品亚洲成国产av| 国产黄色免费在线视频| 91精品伊人久久大香线蕉| 亚洲精品一区蜜桃| 男女边摸边吃奶| 黄色怎么调成土黄色| 熟妇人妻不卡中文字幕| 亚洲一码二码三码区别大吗| 亚洲精品久久午夜乱码| 国产精品麻豆人妻色哟哟久久| 永久免费av网站大全| 国产视频首页在线观看| 亚洲图色成人| 日韩人妻精品一区2区三区| 黑人欧美特级aaaaaa片| 亚洲少妇的诱惑av| freevideosex欧美| av国产久精品久网站免费入址| 亚洲国产毛片av蜜桃av| 久久精品亚洲av国产电影网| 亚洲欧美一区二区三区久久| 热99久久久久精品小说推荐| 国产麻豆69| 不卡av一区二区三区| 另类亚洲欧美激情| 精品一区二区三区四区五区乱码 | 久久久久视频综合| 国产一级毛片在线| 国产成人精品无人区| 久久午夜综合久久蜜桃| 老熟女久久久| 亚洲av中文av极速乱| 一区二区三区四区激情视频| 久久精品熟女亚洲av麻豆精品| 欧美日韩成人在线一区二区| 不卡av一区二区三区| 蜜桃在线观看..| 国产国语露脸激情在线看| 我要看黄色一级片免费的| 国产午夜精品一二区理论片| 精品一区二区免费观看| 一边摸一边做爽爽视频免费| 亚洲欧美成人精品一区二区| 亚洲伊人久久精品综合| 三级国产精品片| 国产白丝娇喘喷水9色精品| 精品午夜福利在线看| 国产日韩欧美视频二区| 丝袜美腿诱惑在线| 校园人妻丝袜中文字幕| 日韩一区二区视频免费看| 国产 一区精品| 午夜福利影视在线免费观看| 久久鲁丝午夜福利片| 成人国产av品久久久| 欧美av亚洲av综合av国产av | 两个人看的免费小视频| 一个人免费看片子| 免费在线观看黄色视频的| 日本欧美国产在线视频| 女人久久www免费人成看片| 日韩三级伦理在线观看| 午夜精品国产一区二区电影| 日韩av不卡免费在线播放| 国产1区2区3区精品| 国产精品香港三级国产av潘金莲 | 麻豆av在线久日| 91在线精品国自产拍蜜月| 国产精品麻豆人妻色哟哟久久| 91国产中文字幕| 丰满少妇做爰视频| 亚洲国产日韩一区二区| 黑人猛操日本美女一级片| 晚上一个人看的免费电影| 免费女性裸体啪啪无遮挡网站| 久久ye,这里只有精品| 丝瓜视频免费看黄片| 天天操日日干夜夜撸| 午夜免费鲁丝| 国产av一区二区精品久久| 久久精品久久久久久噜噜老黄| 丝袜脚勾引网站| 久久鲁丝午夜福利片| av网站在线播放免费| 老司机亚洲免费影院| 久久狼人影院| 日韩一本色道免费dvd| 久久热在线av| 在线观看www视频免费| 国产一区二区三区综合在线观看| 免费播放大片免费观看视频在线观看| 日韩成人av中文字幕在线观看| 97精品久久久久久久久久精品| 巨乳人妻的诱惑在线观看| 丝袜美腿诱惑在线| 少妇被粗大猛烈的视频| 国产综合精华液| 精品少妇一区二区三区视频日本电影 | 久久久久久久精品精品| 久久久精品区二区三区| 欧美老熟妇乱子伦牲交| 久久精品国产亚洲av高清一级| 国产麻豆69| 亚洲精品av麻豆狂野| 亚洲五月色婷婷综合| 男女无遮挡免费网站观看| 成人毛片a级毛片在线播放| 一级片'在线观看视频| 国产成人aa在线观看| 两个人免费观看高清视频| 1024视频免费在线观看| 欧美另类一区| 丝袜脚勾引网站| 午夜免费男女啪啪视频观看| 亚洲精品久久久久久婷婷小说| xxxhd国产人妻xxx| 久久久久久免费高清国产稀缺| 亚洲精品美女久久av网站| 国产成人精品久久久久久| 在线天堂中文资源库| 日韩av在线免费看完整版不卡| 高清av免费在线| 亚洲欧美一区二区三区国产| 久久鲁丝午夜福利片| 搡女人真爽免费视频火全软件| 精品少妇内射三级| 建设人人有责人人尽责人人享有的| 午夜免费男女啪啪视频观看| 欧美精品一区二区免费开放| av女优亚洲男人天堂| 国产精品嫩草影院av在线观看| 一区二区日韩欧美中文字幕| 两性夫妻黄色片| 亚洲精品久久午夜乱码| 一二三四在线观看免费中文在| 蜜桃在线观看..| 亚洲美女黄色视频免费看| 人人妻人人添人人爽欧美一区卜| 婷婷成人精品国产| 国产白丝娇喘喷水9色精品| 成人国产av品久久久| 日本-黄色视频高清免费观看| 久久久久视频综合| 丝袜脚勾引网站| 亚洲,欧美精品.| 国产熟女午夜一区二区三区| 精品少妇内射三级| 青春草视频在线免费观看| 亚洲精品,欧美精品| 热re99久久国产66热| 亚洲三级黄色毛片| 久久精品亚洲av国产电影网| 日韩中文字幕视频在线看片| av又黄又爽大尺度在线免费看| 日韩免费高清中文字幕av| 国产精品国产av在线观看| 99热网站在线观看| 最近2019中文字幕mv第一页| 人人妻人人澡人人爽人人夜夜| www.精华液| 久久精品国产a三级三级三级| 电影成人av| 精品第一国产精品| 国产乱人偷精品视频| 男女免费视频国产| 91精品国产国语对白视频| 久久精品熟女亚洲av麻豆精品| 最新中文字幕久久久久| 欧美精品亚洲一区二区| 人体艺术视频欧美日本| 久久久久人妻精品一区果冻| 亚洲国产精品国产精品| 欧美日韩成人在线一区二区| 久久精品夜色国产| 美女高潮到喷水免费观看| 日本猛色少妇xxxxx猛交久久| 香蕉精品网在线| 国产av码专区亚洲av| 伦理电影免费视频| 自线自在国产av| 天天躁夜夜躁狠狠久久av| 在线观看免费高清a一片| 亚洲人成网站在线观看播放| 色婷婷av一区二区三区视频| 侵犯人妻中文字幕一二三四区| 久久精品国产亚洲av涩爱| 亚洲av.av天堂| 美女视频免费永久观看网站| 交换朋友夫妻互换小说| 好男人视频免费观看在线| 一区二区日韩欧美中文字幕| 成人手机av| 亚洲国产最新在线播放| 秋霞伦理黄片| 日韩精品有码人妻一区| 国产免费一区二区三区四区乱码| 日韩精品免费视频一区二区三区| 国产黄色免费在线视频| 国产av国产精品国产| 国产色婷婷99| 久久99蜜桃精品久久| 国语对白做爰xxxⅹ性视频网站| 精品亚洲成a人片在线观看| 1024视频免费在线观看| 午夜福利视频精品| 国产免费又黄又爽又色| 日本av免费视频播放| 夜夜骑夜夜射夜夜干| 国产毛片在线视频| 99热网站在线观看| 秋霞在线观看毛片| 日韩熟女老妇一区二区性免费视频| 免费久久久久久久精品成人欧美视频| 国产一级毛片在线| 制服丝袜香蕉在线| 久久99热这里只频精品6学生| 国产精品久久久av美女十八| 欧美日韩一级在线毛片| 亚洲国产色片| 老汉色av国产亚洲站长工具| 在线观看三级黄色| 久久久久久人人人人人| 男的添女的下面高潮视频| 9色porny在线观看| av在线老鸭窝| 亚洲av.av天堂| 一二三四在线观看免费中文在| 精品酒店卫生间| 少妇的丰满在线观看| 少妇 在线观看| 久久久欧美国产精品| 精品福利永久在线观看| xxxhd国产人妻xxx| 一级爰片在线观看| 日本av免费视频播放| av不卡在线播放| av有码第一页| 国产精品免费大片| 九九爱精品视频在线观看| 国产精品 国内视频| 精品国产国语对白av| 欧美老熟妇乱子伦牲交| 成人国语在线视频| 国产成人欧美| 午夜福利网站1000一区二区三区| 高清不卡的av网站| 人妻 亚洲 视频| 少妇人妻久久综合中文| 97人妻天天添夜夜摸| 国产成人精品在线电影| 亚洲欧洲日产国产| 国产在线一区二区三区精| 两性夫妻黄色片| 男人爽女人下面视频在线观看| 国产欧美亚洲国产| 大码成人一级视频| 男人舔女人的私密视频| 亚洲精品视频女| 春色校园在线视频观看| 久久精品国产亚洲av涩爱| www.精华液| tube8黄色片| 国产欧美日韩综合在线一区二区| 最近2019中文字幕mv第一页| 国产av精品麻豆| 国产成人av激情在线播放| 久久精品aⅴ一区二区三区四区 | 免费av中文字幕在线| 国产无遮挡羞羞视频在线观看| 纵有疾风起免费观看全集完整版| 99久久综合免费| 久久av网站| 亚洲综合色网址| 亚洲美女搞黄在线观看| 91国产中文字幕| 男人爽女人下面视频在线观看| 美女高潮到喷水免费观看| 亚洲精品国产一区二区精华液| 自线自在国产av| 久久99蜜桃精品久久| 久久久久精品性色| 夫妻性生交免费视频一级片| 国产综合精华液| 秋霞伦理黄片| 极品人妻少妇av视频| 自线自在国产av| 桃花免费在线播放| 亚洲精品久久成人aⅴ小说| 国产激情久久老熟女| 久久久欧美国产精品| 我的亚洲天堂| 成人免费观看视频高清| 亚洲四区av| 叶爱在线成人免费视频播放| 啦啦啦在线免费观看视频4| 久久久精品免费免费高清| 2018国产大陆天天弄谢| 国产一级毛片在线| 亚洲欧美一区二区三区黑人 | 久久这里有精品视频免费| 一本—道久久a久久精品蜜桃钙片| av线在线观看网站| 日韩制服骚丝袜av| 久久久久久免费高清国产稀缺| 亚洲av中文av极速乱| 9热在线视频观看99| 狠狠婷婷综合久久久久久88av| 狠狠婷婷综合久久久久久88av| 亚洲精品乱久久久久久| 午夜福利一区二区在线看| 国产精品秋霞免费鲁丝片| 成人二区视频| 伊人亚洲综合成人网| 日本欧美国产在线视频| 国产有黄有色有爽视频| 国精品久久久久久国模美| 日韩一区二区视频免费看| 国产精品人妻久久久影院| 亚洲伊人色综图| 国产精品一国产av| 人妻系列 视频| 日韩av在线免费看完整版不卡| 人妻人人澡人人爽人人| www.av在线官网国产| 国产精品 欧美亚洲| 免费黄频网站在线观看国产| 欧美bdsm另类| 中文乱码字字幕精品一区二区三区| 人体艺术视频欧美日本| 大片免费播放器 马上看| 九草在线视频观看| 人妻人人澡人人爽人人| 久久国产精品大桥未久av| 少妇猛男粗大的猛烈进出视频| 日本黄色日本黄色录像| 两个人看的免费小视频| 18禁国产床啪视频网站| 嫩草影院入口| 电影成人av| 丝袜在线中文字幕| 免费播放大片免费观看视频在线观看| 亚洲第一av免费看| 久久综合国产亚洲精品| 99精国产麻豆久久婷婷| 免费黄色在线免费观看| 日韩伦理黄色片| 国产精品久久久av美女十八| 久久热在线av| 人体艺术视频欧美日本| 少妇熟女欧美另类| 国产极品粉嫩免费观看在线| 青春草视频在线免费观看| 国产精品女同一区二区软件| 精品国产露脸久久av麻豆| 狂野欧美激情性bbbbbb| 免费播放大片免费观看视频在线观看| 男人添女人高潮全过程视频| 搡老乐熟女国产| 久久久久久久久久久免费av| 曰老女人黄片| 欧美日韩视频精品一区| 精品亚洲成国产av| 精品第一国产精品| 国产av码专区亚洲av| 亚洲精品成人av观看孕妇| 日韩精品有码人妻一区| 秋霞伦理黄片| 国产免费视频播放在线视频| 亚洲av欧美aⅴ国产| 如何舔出高潮| 国产男人的电影天堂91| 人人妻人人爽人人添夜夜欢视频| 日韩欧美精品免费久久| 大话2 男鬼变身卡| 久久精品久久久久久久性| 久久这里只有精品19| 午夜免费观看性视频| 啦啦啦中文免费视频观看日本| 久久人妻熟女aⅴ| 丰满饥渴人妻一区二区三| 国产成人免费观看mmmm| 国产成人午夜福利电影在线观看| 精品国产国语对白av| 亚洲激情五月婷婷啪啪| 久久精品国产a三级三级三级| 97在线视频观看| www.av在线官网国产| 在现免费观看毛片| 欧美人与性动交α欧美精品济南到 | 黄片小视频在线播放| videossex国产| 国产黄色免费在线视频| 国产日韩欧美亚洲二区| 精品第一国产精品| av.在线天堂| 精品国产超薄肉色丝袜足j| 亚洲一级一片aⅴ在线观看| 欧美黄色片欧美黄色片| 国产精品久久久久成人av| 只有这里有精品99| videos熟女内射| 制服人妻中文乱码| 老司机影院毛片| 亚洲五月色婷婷综合| 日韩一卡2卡3卡4卡2021年| 国产又色又爽无遮挡免| 一区二区三区乱码不卡18| 只有这里有精品99| 少妇精品久久久久久久| 日本爱情动作片www.在线观看| 高清黄色对白视频在线免费看| 晚上一个人看的免费电影| 熟女少妇亚洲综合色aaa.| 性高湖久久久久久久久免费观看| 丝袜脚勾引网站| 搡女人真爽免费视频火全软件| 另类亚洲欧美激情| 国语对白做爰xxxⅹ性视频网站| 在线观看免费日韩欧美大片| 丁香六月天网| 青青草视频在线视频观看| 亚洲欧美一区二区三区黑人 | 成年女人毛片免费观看观看9 | 晚上一个人看的免费电影| 大片电影免费在线观看免费| 日韩熟女老妇一区二区性免费视频| 九色亚洲精品在线播放| 色婷婷av一区二区三区视频| 人妻一区二区av| 国产精品嫩草影院av在线观看| 婷婷色综合大香蕉| 日韩精品免费视频一区二区三区| 美女福利国产在线| 欧美亚洲 丝袜 人妻 在线| av在线老鸭窝| 啦啦啦中文免费视频观看日本| 男的添女的下面高潮视频| 老熟女久久久| 黑人欧美特级aaaaaa片| 高清黄色对白视频在线免费看| 久热久热在线精品观看| 国产男女内射视频| 国产高清不卡午夜福利| 另类精品久久| 日本猛色少妇xxxxx猛交久久| 国产精品.久久久| 一级毛片我不卡| 久久久久久久久久久久大奶| 国产成人欧美| 夫妻午夜视频| 波野结衣二区三区在线| 在现免费观看毛片| 一区二区三区精品91| 亚洲少妇的诱惑av| 黄色怎么调成土黄色| 美女大奶头黄色视频| 精品亚洲乱码少妇综合久久| 我的亚洲天堂| 精品人妻偷拍中文字幕| 精品亚洲成国产av| 啦啦啦在线免费观看视频4| 亚洲精品自拍成人| 国产精品久久久av美女十八| 国产成人免费无遮挡视频| 日产精品乱码卡一卡2卡三| 免费少妇av软件| 嫩草影院入口| 国产一区二区三区av在线| 精品视频人人做人人爽| 亚洲欧美一区二区三区久久| 91国产中文字幕| 亚洲少妇的诱惑av| www.熟女人妻精品国产| 国产一区二区激情短视频 | 国产成人精品在线电影| 天天躁日日躁夜夜躁夜夜|