• <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 ?

    基于深度學(xué)習(xí)的二維人體姿態(tài)估計(jì)算法綜述①

    2022-11-07 09:07:02馬雙雙曹少中楊樹林
    關(guān)鍵詞:關(guān)節(jié)點(diǎn)關(guān)鍵點(diǎn)姿態(tài)

    馬雙雙,王 佳,曹少中,楊樹林,趙 偉,張 寒

    (北京印刷學(xué)院 信息工程學(xué)院,北京 102600)

    人體姿態(tài)估計(jì)是計(jì)算機(jī)視覺領(lǐng)域一個(gè)基礎(chǔ)問題,解決這個(gè)問題是圖像和視頻中識(shí)別人類行為的重要步驟,主要內(nèi)容是從圖像中識(shí)別身體的各個(gè)部分,并計(jì)算其方向和位置信息.人體姿態(tài)估計(jì)作為解決圖像和視頻中人體關(guān)鍵點(diǎn)(如頭部、肩部、肘部等)坐標(biāo)的重要技術(shù),其流行與發(fā)展得到了眾多學(xué)者的廣泛關(guān)注.深度學(xué)習(xí)與卷積網(wǎng)絡(luò)的不斷發(fā)展,人體姿態(tài)估計(jì)在動(dòng)作識(shí)別[1]、動(dòng)作捕捉[2]、姿態(tài)追蹤[3]、手勢(shì)識(shí)別[4]、圖像生成[5]、人機(jī)交互[6]等方面得到了廣泛應(yīng)用.

    人體姿態(tài)估計(jì)算法發(fā)展至今可以分為傳統(tǒng)方法和深度學(xué)習(xí)的方法.傳統(tǒng)方法采用手工提取特征建立模型,一般是基于圖結(jié)構(gòu)(pictorial structures)模型[7]和基于形變部件模型[8],由于遮擋嚴(yán)重、光線條件差和拍攝角度不同,因此具有挑戰(zhàn)性.它們的準(zhǔn)確性受到限制,特別是在嚴(yán)重遮擋和復(fù)雜光照條件下.近幾年人工智能發(fā)展迅速,學(xué)者將目光專注于研究深度學(xué)習(xí)模型,比如深度卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)[9]、生成對(duì)抗網(wǎng)絡(luò)(generative adversarial nets,GANs)[10]、遞歸神經(jīng)網(wǎng)絡(luò)等.在圖像分割、圖像分類、圖像融合、圖像識(shí)別等領(lǐng)域獲得了顯著成果.人體姿態(tài)估計(jì)采用深度學(xué)習(xí)的方法可以利用CNN 提取到更加準(zhǔn)確的特征,有利于獲取人體關(guān)節(jié)點(diǎn)之間的聯(lián)系.

    二維人體姿態(tài)估計(jì)是在圖像中識(shí)別出人體關(guān)鍵點(diǎn),將關(guān)鍵點(diǎn)按順序連接形成人體骨骼圖.本文主要從單人目標(biāo)和多人目標(biāo)兩個(gè)方向?qū)ΧS姿態(tài)估計(jì)進(jìn)行梳理和分析,整理了相關(guān)數(shù)據(jù)集與評(píng)價(jià)指標(biāo),并對(duì)當(dāng)前所面臨的問題和未來發(fā)展趨勢(shì)進(jìn)行了闡述.

    1 傳統(tǒng)算法

    傳統(tǒng)方法主要用于解決姿態(tài)估計(jì)問題,大部分采用模板匹配的方法.基于Fischler 等人[7]提出的圖結(jié)構(gòu)模型,首先人體部件檢測(cè)器將人或物體表示為多個(gè)部件,并使用圖形模型確定部件之間的連通性.2005年Felzenszwalb 等人[11]提出了一個(gè)統(tǒng)計(jì)框架,用于表示可變形結(jié)構(gòu)中對(duì)象的視覺外觀,它允許對(duì)外觀進(jìn)行定性描述,并假設(shè)組件與樹形結(jié)構(gòu)一致.

    文獻(xiàn)[12]提出圖結(jié)構(gòu)主要由表述人體部件的局部模型(part model)和表述空間關(guān)系的空間模型(spatial model)構(gòu)成.為改善局部模型表現(xiàn)能力差的缺點(diǎn),使用了表現(xiàn)力更強(qiáng)的圖像特征,例如HOG 特征[13]和SIFT特征[14].韓貴金等人[15]提出一種基于HOG 和顏色特征融合的外觀模型,用于圖像中人體上半身的姿態(tài)估計(jì).前景技術(shù)可以應(yīng)用到姿態(tài)估計(jì)中[16],也可以將判別能力更強(qiáng)的檢測(cè)器來提高姿態(tài)估計(jì)準(zhǔn)確性[17].人體姿態(tài)估計(jì)會(huì)存在肢體遮擋的問題,為解決此類問題非樹形結(jié)構(gòu)的空間模型被提出[18].傳統(tǒng)方法已擁有較高的效率,但無法提取圖像中的充分信息并加以利用,使得適用方法范圍受到限制,并且由于傳統(tǒng)方法依賴于專業(yè)的攝影設(shè)備,成本較高,無法使用所有的應(yīng)用場(chǎng)景.

    2 基于深度學(xué)習(xí)的方法

    在近幾年,受到以端到端為特征的圖像識(shí)別的影響,越來越多的研究人員引入深度學(xué)習(xí)的人體姿態(tài)估計(jì)模型,并不斷提高模型的性能.深度學(xué)習(xí)通過訓(xùn)練大量的樣本數(shù)據(jù),獲取更加高效準(zhǔn)確的特征.相較于傳統(tǒng)方法,深度學(xué)習(xí)的方法魯棒性更強(qiáng)、泛化能力更好.自2014年首次引入深度學(xué)習(xí)以來,基于深度學(xué)習(xí)的人體姿態(tài)估計(jì)已成為一個(gè)研究學(xué)者的主流研究領(lǐng)域.根據(jù)應(yīng)用場(chǎng)景可將二維人體姿態(tài)估計(jì)分為單人姿態(tài)估計(jì)和多人姿態(tài)估計(jì),二維人體姿態(tài)估計(jì)分類如圖1 所示.

    圖1 二維人體姿態(tài)估計(jì)分類

    2.1 單人姿態(tài)估計(jì)

    單人姿態(tài)估計(jì)作為人體姿態(tài)估計(jì)的基礎(chǔ)尤為重要,圖像里只有單個(gè)待檢測(cè)目標(biāo),首先檢測(cè)出目標(biāo)的邊界框圖像,在檢測(cè)出目標(biāo)人體的所有關(guān)節(jié)點(diǎn).大多數(shù)單人姿態(tài)估計(jì)都使用有監(jiān)督的方法,可按照真值(ground truth)分為基于坐標(biāo)回歸與基于熱圖檢測(cè).

    2.1.1 基于坐標(biāo)回歸

    2014年Toshev 等人提出的DeepPose[19]首先將深度學(xué)習(xí)應(yīng)用在人體姿態(tài)估計(jì)領(lǐng)域,它將2D 人體姿態(tài)估計(jì)問題由原本的圖像處理和模板匹配問題轉(zhuǎn)化為卷積神經(jīng)網(wǎng)絡(luò)圖像特征提取和關(guān)鍵點(diǎn)坐標(biāo)回歸問題,它將2D 人體姿態(tài)估計(jì)問題由圖像處理和模板匹配問題轉(zhuǎn)化為CNN 圖像特征提取和關(guān)鍵點(diǎn)坐標(biāo)回歸問題,使用回歸準(zhǔn)則來估計(jì)被遮擋的人體關(guān)節(jié)點(diǎn).其思路是針對(duì)CNN 學(xué)習(xí)到的特征尺度固定、回歸性能差的問題,在網(wǎng)絡(luò)得到粗分回歸的基礎(chǔ)上增加一個(gè)階段,將特征圖像傳入CNN 網(wǎng)絡(luò)學(xué)習(xí)高分辨率的特征,進(jìn)行較高精度的坐標(biāo)值回歸.具體DeepPose 流程圖如圖2 所示.

    圖2 DeepPose 網(wǎng)絡(luò)結(jié)構(gòu)

    Geng 等人[20]認(rèn)為回歸關(guān)鍵點(diǎn)坐標(biāo)的特征必須集中注意關(guān)鍵點(diǎn)周圍的區(qū)域才能精確回歸出關(guān)鍵點(diǎn)坐標(biāo),提出了直接坐標(biāo)回歸方法解構(gòu)式關(guān)鍵點(diǎn)回歸(DEKR).使用自適應(yīng)的卷積激活關(guān)鍵點(diǎn)區(qū)域周圍的像素,利用這些激活的像素去學(xué)習(xí)新的特征,并利用多分支結(jié)構(gòu),每個(gè)分支都會(huì)針對(duì)某種關(guān)鍵點(diǎn)利用自適應(yīng)卷積學(xué)習(xí)關(guān)鍵點(diǎn)周圍的像素特征,回歸關(guān)鍵點(diǎn)的位置.

    多階段回歸可更加精確地反映關(guān)鍵點(diǎn)坐標(biāo),改善多階段直接回歸方法.Carrira 等人[21]提出了自我修正模型,通過從輸入到輸出的聯(lián)合空間學(xué)習(xí)特征提取器,對(duì)聯(lián)合空間中豐富的結(jié)構(gòu)化信息進(jìn)行建模.文章引入了自頂向下的反饋機(jī)制,通過反饋錯(cuò)誤預(yù)測(cè)逐步改變初始解的自校正模型,此過程稱為迭代錯(cuò)誤反饋(IEF).基于坐標(biāo)回歸的方法,只減少了每個(gè)關(guān)節(jié)點(diǎn)位置的誤差,忽略了關(guān)節(jié)點(diǎn)之間的相關(guān)信息,相比于關(guān)節(jié)點(diǎn)骨骼信息更準(zhǔn)確.Sun 等人[22]提出了一種基于ResNet-50[23]的結(jié)構(gòu)感知回歸方法,它采用重新參數(shù)化的姿勢(shì)表示,使用骨骼進(jìn)行姿態(tài)表示,對(duì)姿勢(shì)進(jìn)行編碼.

    總體而言,關(guān)節(jié)點(diǎn)坐標(biāo)的直接回歸是非線性的,在映射學(xué)習(xí)中存在困難,而且不能應(yīng)用于多人情況,缺乏魯棒性.相較于坐標(biāo)回歸,更多使用基于熱圖檢測(cè)的方法.

    2.1.2 基于熱圖檢測(cè)

    熱圖檢測(cè)的方法將人體各部位作為檢測(cè)目標(biāo),通過檢測(cè)關(guān)鍵點(diǎn)熱力圖(heatmap),獲得關(guān)鍵點(diǎn)的概率分布以及關(guān)鍵點(diǎn)的位置信息.

    Tompson 等人[24]采用深度卷積網(wǎng)絡(luò)進(jìn)行姿態(tài)估計(jì),采用heatmap 的方式回歸關(guān)鍵點(diǎn),將重疊感受野和多分辨率輸入,利用人體關(guān)鍵點(diǎn)之間的空間信息,結(jié)合馬爾科夫隨機(jī)場(chǎng)的思想來優(yōu)化預(yù)測(cè)結(jié)果.該方法也為多人場(chǎng)景下的姿態(tài)估計(jì)中關(guān)鍵點(diǎn)聚類問題提供思路.針對(duì)于定位的精度較低的問題,Tompson 等人[25]在此基礎(chǔ)上做了相應(yīng)改進(jìn),使用兩個(gè)級(jí)聯(lián)網(wǎng)絡(luò)來回歸人體關(guān)鍵點(diǎn)的熱圖,并聯(lián)合訓(xùn)練這兩個(gè)網(wǎng)絡(luò),提升模型的泛化能力.

    Isack 等人[26]提出高效輕量級(jí)模型RePose,將基于部件的結(jié)構(gòu)和幾何先驗(yàn)合并到分層預(yù)測(cè)框架,利用人體運(yùn)動(dòng)學(xué)約束,采用端到端的訓(xùn)練,根據(jù)先驗(yàn)知識(shí)進(jìn)行建模,傳播低分辨率特征以達(dá)到細(xì)化預(yù)測(cè)的姿勢(shì)信息的目的.

    Artacho 等人[27]基于“瀑布式”的空間池架構(gòu),提出了統(tǒng)一的人體姿態(tài)估計(jì)框架UniPose,將空洞卷積的級(jí)聯(lián)方法和空洞空間金字塔模塊并行.該方法結(jié)合上下文分割和聯(lián)合定位來確定關(guān)鍵點(diǎn)位置和人體邊界框,以實(shí)現(xiàn)人體姿勢(shì)的高精度估計(jì).

    基于坐標(biāo)回歸的方法獲取關(guān)鍵點(diǎn)信息更加直接,能夠獲取豐富的特征,但增加了復(fù)雜度,通用性低,精度低.基于熱圖檢測(cè)的方法相較于坐標(biāo)回歸的方法魯棒性更好,關(guān)節(jié)點(diǎn)之間的關(guān)聯(lián)更加清晰,但計(jì)算量較大,效率低,基于坐標(biāo)回歸與熱圖檢測(cè)的方法對(duì)比如表1 所示.

    表1 單人姿態(tài)估計(jì)方法對(duì)比

    2.2 多人姿態(tài)估計(jì)

    與單人姿態(tài)估計(jì)不同,多人姿態(tài)估計(jì)需要檢測(cè)出圖像中的所有目標(biāo)人體,包含檢測(cè)和定位步驟.多人姿態(tài)估計(jì)根據(jù)檢測(cè)步驟分為自頂向下(top-down)和自底向上(bottom-up),top-down 的方法先檢測(cè)人體目標(biāo),在對(duì)人體進(jìn)行姿態(tài)估計(jì); bottom-up 的方法先檢測(cè)圖像中的所有關(guān)節(jié)點(diǎn),再將關(guān)節(jié)點(diǎn)進(jìn)行聚類組合成人體.同時(shí),多人圖像場(chǎng)景可能會(huì)存在遮擋問題,如何精確預(yù)測(cè)出遮擋情況下的關(guān)節(jié)點(diǎn),補(bǔ)齊缺失關(guān)鍵點(diǎn)是多人姿態(tài)估計(jì)中的一個(gè)重要研究方向.

    2.2.1 Top-down

    基于自頂向下的方法首先采用目標(biāo)檢測(cè)算法獲取圖像中的多個(gè)人體,再對(duì)單個(gè)人體目標(biāo)進(jìn)行姿態(tài)估計(jì).Iqbal 等人[28]提出了一種多人姿態(tài)估計(jì)的方法,利用Faster R-CNN 進(jìn)行人體目標(biāo)檢測(cè),對(duì)檢測(cè)出的人體使用convolutional pose machines (CPM)網(wǎng)絡(luò)進(jìn)行姿態(tài)估計(jì).但是在對(duì)人體邊界框進(jìn)行姿態(tài)估計(jì)時(shí),并未考慮多人圖像中人體之間可能存在的遮擋情況,有可能會(huì)使得關(guān)鍵點(diǎn)信息缺失無法與人體相關(guān)聯(lián),從而導(dǎo)致姿態(tài)估計(jì)的誤差降低準(zhǔn)確度.Papandreou 等人[29]基于復(fù)雜場(chǎng)景下,沒有提供人體的真實(shí)位置或比例的情況下,提出了基于自頂向下簡(jiǎn)單有效的G-RMI 多人姿態(tài)估計(jì)方法.使用Faster R-CNN 進(jìn)行目標(biāo)檢測(cè),并估計(jì)目標(biāo)框中包含的關(guān)節(jié)點(diǎn).對(duì)于關(guān)節(jié)點(diǎn)的類型,使用全卷積ResNet 預(yù)測(cè)關(guān)節(jié)點(diǎn)的熱度圖和偏移量.引入熱圖-偏移的聚合方法來獲得準(zhǔn)確的關(guān)節(jié)點(diǎn).Mask R-CNN[30]首先檢測(cè)出目標(biāo)邊界框,通過特征圖進(jìn)行關(guān)節(jié)點(diǎn)檢測(cè).Mask R-CNN 的網(wǎng)絡(luò)結(jié)構(gòu)在Faster R-CNN 分類和回歸的基礎(chǔ)上增加了一個(gè)分支進(jìn)行圖像的語義分割,Dense-Pose 借用了Mask R-CNN 的架構(gòu).

    AlphaPose 由Fang 等人[31]提出,此研究認(rèn)為雖然當(dāng)前最先進(jìn)的人體檢測(cè)已經(jīng)達(dá)到較好的效果,但人體目標(biāo)的定位和識(shí)別仍會(huì)產(chǎn)生誤差,提出了區(qū)域多人姿態(tài)估計(jì)(RMPE)框架,由空間變換網(wǎng)絡(luò)(SSTN)、參數(shù)姿態(tài)非最大抑制(NMS)和姿勢(shì)引導(dǎo)區(qū)域生成器(PGPG)組成.SSTN 主要作用是在不精準(zhǔn)的邊界框中提取出高質(zhì)量的人體區(qū)域,NMS 用來解決人體目標(biāo)被重復(fù)檢測(cè)的問題,使用PGPG 來進(jìn)行數(shù)據(jù)增強(qiáng),根據(jù)檢測(cè)結(jié)果生成的訓(xùn)練樣本.AlphaPose 利用RMPE 框架對(duì)不準(zhǔn)確的人體目標(biāo)邊界框進(jìn)行準(zhǔn)確的姿態(tài)估計(jì),減少了因?yàn)槿梭w目標(biāo)檢測(cè)不準(zhǔn)確而導(dǎo)致的誤檢.文獻(xiàn)[32]提出一種用于人體姿態(tài)估計(jì)的無偏的數(shù)據(jù)處理方法(UDP),以減少訓(xùn)練和推理過程中的計(jì)算增量.

    HRNet[33]在2019年被提出,主要是為保持高分辨率的特征圖信息,現(xiàn)有方法大多是從低分辨率特征中恢復(fù)高分辨率特征,HRNet 通過并行化多分辨率子網(wǎng)絡(luò)保持高分辨率特征,并通過多尺度融合來增強(qiáng)高分辨率特征.Zhang 等人[34]在HRNet 的基礎(chǔ)上提出了一種新型的注意力模塊,去規(guī)范化注意力(DNA)來解決傳統(tǒng)注意力模塊的特征衰減問題.

    總體而言,自頂向下的方法思路清晰,精度較高,在檢測(cè)人體邊界框時(shí)不會(huì)出現(xiàn)漏檢、誤檢; 但實(shí)時(shí)性較差,對(duì)于每次檢測(cè),都要運(yùn)行單人姿態(tài)估計(jì),檢測(cè)的人數(shù)越多,計(jì)算成本越高.雖然相較于先前的方法檢測(cè)精度得到了很大提升,但發(fā)生檢測(cè)錯(cuò)誤還是不可避免的,比如邊界框定位錯(cuò)誤,會(huì)阻礙自頂向下方法精度的提高.

    2.2.2 Bottom-up

    基于自底向上的方法步驟包含關(guān)節(jié)點(diǎn)檢測(cè)和聚類,首先檢測(cè)出圖像中的所有關(guān)節(jié)點(diǎn),通過相應(yīng)策略將關(guān)節(jié)點(diǎn)聚類成人體,實(shí)現(xiàn)姿態(tài)估計(jì).自底向上的方法擺脫了首先對(duì)個(gè)體進(jìn)行進(jìn)行檢測(cè)的前提.

    Pishchulin 等人[35]提出了基于Fast R-CNN 檢測(cè)器的DeepCut,首先提取圖像中的所有關(guān)鍵點(diǎn),將關(guān)鍵點(diǎn)作為節(jié)點(diǎn)組成密集連接圖,將同一個(gè)體的關(guān)鍵點(diǎn)采用非極大值抑制聚類為完整個(gè)體.Insafutdinov 等人[36]改進(jìn)DeepCut 提出了基于ResNet 的DeeperCut.該算法采用ResNet 來獲取人體關(guān)節(jié)點(diǎn),提升檢測(cè)精度; 提出圖像條件成對(duì)項(xiàng)(ICPT)減少候選區(qū)域的關(guān)節(jié)點(diǎn),減少網(wǎng)絡(luò)的計(jì)算量.

    DeeperCut 相比于DeepCut,精確度提升了,并且減少了運(yùn)行時(shí)間,從時(shí)間效率依舊無法達(dá)到實(shí)時(shí)檢測(cè).為了提高實(shí)時(shí)檢測(cè)效率,Cao 等人[37]提出了基于CPM的OpenPose 方法,OpenPose 的網(wǎng)絡(luò)模型如圖3 所示.

    圖3 OpenPose 網(wǎng)絡(luò)架構(gòu)圖

    該方法利用VGG-19[38]的前10 層為輸入圖像創(chuàng)建特征映射,網(wǎng)絡(luò)框架分為兩個(gè)并行分支,一個(gè)分支預(yù)測(cè)關(guān)節(jié)點(diǎn)的置信度; 另一分支預(yù)測(cè)部分親和域場(chǎng)(PAFs),PAF 表示部件之間的關(guān)聯(lián)程度; 利用匈牙利算法進(jìn)行最優(yōu)化匹配將同一個(gè)體的關(guān)節(jié)點(diǎn)進(jìn)行聚類,得到人體姿態(tài)信息.

    Osokin[39]改進(jìn)OpenPose 提出了Lightweight OpenPose,使用MobileNet v1[40]代替VGG-19 進(jìn)行特征提取,通過權(quán)重共享來減少計(jì)算量,為解決感受野較小而造成的效果不佳采用空洞卷積優(yōu)化算法.Kreiss 等人[41]提出了與OpenPose 相似的PiPaf 網(wǎng)絡(luò),主要包含部分強(qiáng)度場(chǎng)(PIF)和部分關(guān)聯(lián)場(chǎng)(PAF),分別提升熱圖在高分辨率下的精度和確定關(guān)節(jié)點(diǎn)的連接,得到人體關(guān)節(jié)點(diǎn),與OpenPose 相比性能有明顯提升,該算法適用于低分辨率圖像.針對(duì)高分辨率網(wǎng)絡(luò),Cheng 等人[42]在高分辨率網(wǎng)絡(luò)HRNet 基礎(chǔ)上提出了更高分辨率網(wǎng)絡(luò)(HigherHRNet),提出了一種高分辨率特征金字塔,通過反卷積得到更高分辨率的特征來提高準(zhǔn)確度,使用多分辨率監(jiān)督讓不同層的特征能學(xué)習(xí)不同尺度的信息,解決多人姿態(tài)估計(jì)中的尺度變化.Luo 等人[43]為解決人體尺度的變化和人體關(guān)鍵點(diǎn)標(biāo)簽的模糊這兩大挑戰(zhàn),提出了尺度自適應(yīng)熱圖回歸(SAHR)方法和權(quán)重自適應(yīng)熱圖回歸(WAHR)方法共同作用以提高人體姿態(tài)估計(jì)的準(zhǔn)確性.Varamesh 等人[44]設(shè)計(jì)了一種使用混合密度網(wǎng)絡(luò)進(jìn)行空間回歸的框架,提高對(duì)象檢測(cè)和人體姿態(tài)估計(jì)的速度和精度.

    目前已經(jīng)有方法可以實(shí)現(xiàn)預(yù)測(cè).Newell 等人[45]提出了關(guān)聯(lián)嵌入標(biāo)簽算法,應(yīng)用在監(jiān)督學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)中,可以同時(shí)檢測(cè)和分組.Papandreou 等人[46]提出了多任務(wù)網(wǎng)絡(luò)PersonLab,使用模型對(duì)多人圖像中的人體進(jìn)行關(guān)鍵點(diǎn)檢測(cè)和實(shí)例分割.

    與自頂向下的方法相比,自底向上的方法受人數(shù)增加影響較小,處理速度較快.但復(fù)雜背景和人體遮擋情況會(huì)對(duì)性能產(chǎn)生較大影響.在復(fù)雜的背景和遮擋干擾情況下,缺失人體關(guān)節(jié)點(diǎn)在將關(guān)節(jié)點(diǎn)聚類到不同個(gè)體上時(shí)可能會(huì)出現(xiàn)誤判、匹配錯(cuò)誤等問題,如何處理背景干擾和遮擋情況是將來研究的重點(diǎn)和難點(diǎn).多人姿態(tài)估計(jì)方法對(duì)比如表2 所示.

    表2 多人姿態(tài)估計(jì)方法對(duì)比

    3 數(shù)據(jù)集與評(píng)價(jià)指標(biāo)

    3.1 數(shù)據(jù)集

    目前主流的人體姿態(tài)估計(jì)數(shù)據(jù)集可分為單人數(shù)據(jù)集和多人數(shù)據(jù)集,單人數(shù)據(jù)集包含LSP[47]、FLIC[48],多人數(shù)據(jù)集包含多人數(shù)據(jù)集COCO[49]、MPII[50]、AI Challenger[51]、PoseTrack[52].表3 對(duì)各個(gè)數(shù)據(jù)集的樣本數(shù)目、類型、關(guān)節(jié)點(diǎn)數(shù)目以及來源場(chǎng)景進(jìn)行對(duì)比.

    表3 人體姿態(tài)估計(jì)數(shù)據(jù)集

    LSP 數(shù)據(jù)集是一個(gè)體育姿勢(shì)數(shù)據(jù)集,收錄的運(yùn)動(dòng)場(chǎng)景下的人體圖像,圖像中只包含一個(gè)人體,定義了14 個(gè)關(guān)節(jié)點(diǎn),樣本數(shù)大約2 000 張,圖像大部分與體育有關(guān),該數(shù)據(jù)集中人體姿勢(shì)較復(fù)雜.FLIC 數(shù)據(jù)集來源于好萊塢電影片段,人工對(duì)電影片段截圖的圖像進(jìn)行標(biāo)注,圖像中包含多人時(shí),只對(duì)一個(gè)人的關(guān)節(jié)點(diǎn)進(jìn)行標(biāo)注,此數(shù)據(jù)集不包含人體被遮擋或者清晰度過低的圖像.COCO 數(shù)據(jù)集由微軟構(gòu)建,來源于谷歌、Flicker 等下載的圖像,圖像分為訓(xùn)練集、驗(yàn)證集和測(cè)試集,定義了17 個(gè)關(guān)節(jié)點(diǎn),包含20 萬張圖像和25 萬個(gè)被標(biāo)注的人體.MPII 數(shù)據(jù)集來源于YouTube 的日常生活場(chǎng)景,手動(dòng)檢測(cè)包含人的畫面.該數(shù)據(jù)集包含2.5 萬張圖像,定義了16 個(gè)關(guān)節(jié)點(diǎn),標(biāo)注了4 萬個(gè)人體目標(biāo).AI Challenger 數(shù)據(jù)集來源于網(wǎng)絡(luò)爬取的日常片段,包括訓(xùn)練集、驗(yàn)證集、測(cè)試集共30 萬張圖像.

    3.2 評(píng)價(jià)指標(biāo)

    不同數(shù)據(jù)集因自身特點(diǎn)采用的評(píng)估指標(biāo)也不同.常用的二維人體姿態(tài)估計(jì)指標(biāo)主要有以下幾種:

    (1)部位正確估計(jì)百分比(PCP): 關(guān)節(jié)點(diǎn)正確估計(jì)的比例,用于評(píng)估人體關(guān)節(jié)點(diǎn)的定位精度.

    (2)目標(biāo)關(guān)節(jié)點(diǎn)相似度(OKS): 計(jì)算關(guān)節(jié)點(diǎn)位置距離,檢測(cè)關(guān)節(jié)點(diǎn)的相似度.OKS的計(jì)算方式為:

    其中,i為標(biāo)注的關(guān)節(jié)點(diǎn)編號(hào);di2為檢測(cè)到的關(guān)節(jié)點(diǎn)位置與真實(shí)關(guān)節(jié)點(diǎn)位置的歐氏距離的平方;s2為檢測(cè)人體在圖像中面積;ki2為歸一化因子表示標(biāo)注關(guān)節(jié)點(diǎn)位移的標(biāo)準(zhǔn)差;vi為正整數(shù)是可見關(guān)節(jié)點(diǎn).

    (3)平均精度AP(average precision): 每一個(gè)關(guān)節(jié)點(diǎn)在整個(gè)測(cè)試數(shù)據(jù)集上,檢測(cè)結(jié)果的平均準(zhǔn)確率:

    其中,p為人體檢測(cè)框編號(hào).AP50、AP75為交并比(intersection over union)分別取值為0.5、0.75 時(shí)AP的值,APM、APL分別為中等目標(biāo)和大目標(biāo)的AP值.

    (4)關(guān)節(jié)點(diǎn)正確定位百分比(PCK): 用于評(píng)估關(guān)節(jié)點(diǎn)定位的準(zhǔn)確度,檢測(cè)關(guān)節(jié)點(diǎn)在標(biāo)注關(guān)節(jié)點(diǎn)的閾值內(nèi),則該關(guān)節(jié)點(diǎn)為準(zhǔn)確的.

    (5)關(guān)節(jié)點(diǎn)平均精度(APK): 將預(yù)測(cè)的人體姿態(tài)與真實(shí)姿態(tài)評(píng)估后,通過APK得出每個(gè)關(guān)節(jié)點(diǎn)定位準(zhǔn)確的平均精度.

    表4 列出了多人姿態(tài)估計(jì)部分算法在COCO 數(shù)據(jù)集上AP的性能對(duì)比.

    表4 多人姿態(tài)估計(jì)算法在COCO 數(shù)據(jù)集上的性能對(duì)比

    4 發(fā)展趨勢(shì)及難點(diǎn)

    深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的飛速發(fā)展,使得人體姿態(tài)估計(jì)領(lǐng)域不斷前進(jìn),在計(jì)算機(jī)視覺領(lǐng)域突出重要性和發(fā)展前景已被學(xué)者認(rèn)可,但依舊存在一些難點(diǎn)與挑戰(zhàn).

    (1)提高檢測(cè)精度和效率,雖然有些算法已經(jīng)取得了較大的進(jìn)步,但是真正將人體姿態(tài)估計(jì)應(yīng)用在無人駕駛、監(jiān)控檢測(cè)等領(lǐng)域還需要更高檢測(cè)精度的算法,需要簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu),文獻(xiàn)[53]提出可采用輕量級(jí)的網(wǎng)絡(luò)優(yōu)化姿態(tài)估計(jì)算法,保證精度的同時(shí)提高效率.

    (2)算法受復(fù)雜環(huán)境影響較大,在實(shí)際應(yīng)用中光照和遮擋情況容易對(duì)算法效率產(chǎn)生影響,重疊和遮擋的關(guān)節(jié)點(diǎn)會(huì)導(dǎo)致關(guān)節(jié)點(diǎn)的誤檢和漏檢.另一方面人體在不同視角會(huì)產(chǎn)生信息壓縮的情況,例如仰視或俯視條件會(huì)導(dǎo)致無法獲取到正確人體比例.因此如何解決遮擋問題是重要研究方向,文獻(xiàn)[54]提出對(duì)于肢體遮擋修復(fù)算法的研究非常重要,文獻(xiàn)[55]提出研究姿態(tài)連續(xù)性信息,可以還原姿態(tài)失真.

    (3)數(shù)據(jù)集分布不均勻,目前常用數(shù)據(jù)集足夠大,但分布不平衡,現(xiàn)有數(shù)據(jù)集無法對(duì)罕見姿態(tài)進(jìn)行檢測(cè),難以滿足人體姿態(tài)變化復(fù)雜與多樣性,例如存在遮擋情況、角度壓縮的數(shù)據(jù)集較少,豐富擴(kuò)充數(shù)據(jù)集樣本仍然是人體姿態(tài)估計(jì)研究的重點(diǎn).

    5 總結(jié)

    人體姿態(tài)估計(jì)由傳統(tǒng)方法發(fā)展至深度學(xué)習(xí)的方法,模型和算法性能不斷得到優(yōu)化和提升,人體姿態(tài)估計(jì)在電影動(dòng)畫、無人駕駛、虛擬現(xiàn)實(shí)和智能監(jiān)控等方面都取得了豐碩的研究成果.基于圖結(jié)構(gòu)的傳統(tǒng)方法可為后續(xù)的算法研究提供先驗(yàn)知識(shí),基于深度學(xué)習(xí)的人體姿態(tài)估計(jì)方法必然是未來的發(fā)展方向.在當(dāng)前大量圖像數(shù)據(jù)的背景下,應(yīng)當(dāng)充分利用視頻數(shù)據(jù),將人體姿態(tài)估計(jì)應(yīng)用于更多領(lǐng)域.二維姿態(tài)估計(jì)作為計(jì)算機(jī)視覺眾多任務(wù)的基礎(chǔ),具有廣闊的研究前景.

    猜你喜歡
    關(guān)節(jié)點(diǎn)關(guān)鍵點(diǎn)姿態(tài)
    聚焦金屬關(guān)鍵點(diǎn)
    肉兔育肥抓好七個(gè)關(guān)鍵點(diǎn)
    基于深度學(xué)習(xí)和視覺檢測(cè)的地鐵違規(guī)行為預(yù)警系統(tǒng)研究與應(yīng)用
    關(guān)節(jié)點(diǎn)連接歷史圖與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合的雙人交互動(dòng)作識(shí)別
    攀爬的姿態(tài)
    全新一代宋的新姿態(tài)
    汽車觀察(2018年9期)2018-10-23 05:46:40
    跑與走的姿態(tài)
    搞好新形勢(shì)下軍營(yíng)美術(shù)活動(dòng)需把握的關(guān)節(jié)點(diǎn)
    醫(yī)聯(lián)體要把握三個(gè)關(guān)鍵點(diǎn)
    鎖定兩個(gè)關(guān)鍵點(diǎn)——我這樣教《送考》
    天天躁日日躁夜夜躁夜夜| 精品少妇一区二区三区视频日本电影| 超碰成人久久| 亚洲欧美日韩另类电影网站| 欧美日韩亚洲高清精品| 波多野结衣av一区二区av| 亚洲三区欧美一区| 久久久久久免费高清国产稀缺| 亚洲精品成人av观看孕妇| 黄网站色视频无遮挡免费观看| 超碰97精品在线观看| 欧美 日韩 精品 国产| 精品一区二区三区视频在线观看免费 | 三上悠亚av全集在线观看| 久久久久久人人人人人| 无遮挡黄片免费观看| 99re在线观看精品视频| 国产伦理片在线播放av一区| 露出奶头的视频| 人人妻人人澡人人爽人人夜夜| 欧美激情极品国产一区二区三区| 久久精品91无色码中文字幕| 在线av久久热| 欧美日韩国产mv在线观看视频| 日本黄色视频三级网站网址 | 午夜福利在线免费观看网站| 在线观看免费日韩欧美大片| 亚洲精品国产色婷婷电影| 久久精品亚洲熟妇少妇任你| 老熟女久久久| 国产伦理片在线播放av一区| 国产黄频视频在线观看| 国产亚洲午夜精品一区二区久久| 一本大道久久a久久精品| 激情视频va一区二区三区| 不卡一级毛片| 97在线人人人人妻| 亚洲,欧美精品.| 国产免费现黄频在线看| 99国产精品一区二区蜜桃av | 9191精品国产免费久久| 曰老女人黄片| 热re99久久精品国产66热6| 午夜精品国产一区二区电影| 日本欧美视频一区| 欧美日韩亚洲高清精品| av欧美777| 80岁老熟妇乱子伦牲交| 性色av乱码一区二区三区2| 亚洲黑人精品在线| 午夜精品久久久久久毛片777| 日本vs欧美在线观看视频| 亚洲第一欧美日韩一区二区三区 | 一级毛片精品| 色播在线永久视频| 黑人巨大精品欧美一区二区mp4| 日韩欧美国产一区二区入口| www.999成人在线观看| 亚洲国产精品一区二区三区在线| 人人妻人人澡人人看| 美女扒开内裤让男人捅视频| 黄色毛片三级朝国网站| 国产精品99久久99久久久不卡| 香蕉久久夜色| 色综合婷婷激情| 亚洲自偷自拍图片 自拍| 美女福利国产在线| 精品国产超薄肉色丝袜足j| 91成人精品电影| 精品乱码久久久久久99久播| 中国美女看黄片| 女人精品久久久久毛片| 50天的宝宝边吃奶边哭怎么回事| 又紧又爽又黄一区二区| 精品一区二区三卡| 叶爱在线成人免费视频播放| 国产国语露脸激情在线看| 国产熟女午夜一区二区三区| 久久久精品94久久精品| 欧美精品啪啪一区二区三区| 天天躁夜夜躁狠狠躁躁| 天天躁夜夜躁狠狠躁躁| 欧美老熟妇乱子伦牲交| 欧美中文综合在线视频| 青草久久国产| 亚洲av电影在线进入| 午夜福利,免费看| 精品一品国产午夜福利视频| 色老头精品视频在线观看| 王馨瑶露胸无遮挡在线观看| 国产精品 欧美亚洲| av超薄肉色丝袜交足视频| 叶爱在线成人免费视频播放| 精品少妇黑人巨大在线播放| 1024香蕉在线观看| 午夜福利一区二区在线看| 国产91精品成人一区二区三区 | 热99re8久久精品国产| 男女高潮啪啪啪动态图| 老司机在亚洲福利影院| 国产日韩欧美在线精品| 欧美激情高清一区二区三区| 国产精品美女特级片免费视频播放器 | 飞空精品影院首页| 亚洲精品久久成人aⅴ小说| 99国产综合亚洲精品| 一区二区三区精品91| 国产精品秋霞免费鲁丝片| 国产精品欧美亚洲77777| 午夜福利影视在线免费观看| 自线自在国产av| 亚洲男人天堂网一区| 国产福利在线免费观看视频| 亚洲伊人久久精品综合| 国产精品电影一区二区三区 | 50天的宝宝边吃奶边哭怎么回事| 超碰97精品在线观看| 久久精品国产亚洲av香蕉五月 | av超薄肉色丝袜交足视频| 色精品久久人妻99蜜桃| 国产成人欧美在线观看 | a级毛片黄视频| 三上悠亚av全集在线观看| 久久精品国产a三级三级三级| 美女高潮到喷水免费观看| 啪啪无遮挡十八禁网站| 欧美日韩一级在线毛片| 国产亚洲午夜精品一区二区久久| av免费在线观看网站| 无遮挡黄片免费观看| 欧美日韩中文字幕国产精品一区二区三区 | 国产亚洲精品一区二区www | 香蕉久久夜色| 国产精品久久久久成人av| 十八禁高潮呻吟视频| 十八禁网站网址无遮挡| 欧美日韩福利视频一区二区| 99精品在免费线老司机午夜| 蜜桃国产av成人99| 亚洲少妇的诱惑av| 在线天堂中文资源库| 亚洲五月婷婷丁香| 免费久久久久久久精品成人欧美视频| 99久久99久久久精品蜜桃| 美女国产高潮福利片在线看| 欧美精品高潮呻吟av久久| 久久中文字幕一级| 首页视频小说图片口味搜索| 男男h啪啪无遮挡| 成人特级黄色片久久久久久久 | 亚洲国产精品一区二区三区在线| 欧美成人免费av一区二区三区 | 欧美精品av麻豆av| av免费在线观看网站| 精品国产一区二区三区四区第35| 午夜福利,免费看| 一边摸一边抽搐一进一小说 | 伦理电影免费视频| 欧美成人午夜精品| 伊人久久大香线蕉亚洲五| 亚洲视频免费观看视频| a在线观看视频网站| 91麻豆av在线| 在线 av 中文字幕| 国产成人系列免费观看| 亚洲国产精品一区二区三区在线| 欧美黄色淫秽网站| 啦啦啦中文免费视频观看日本| 在线观看舔阴道视频| 亚洲全国av大片| 十八禁网站网址无遮挡| 一区在线观看完整版| 国产精品一区二区在线不卡| 成人特级黄色片久久久久久久 | 在线观看一区二区三区激情| 人成视频在线观看免费观看| 国产精品一区二区在线不卡| 欧美亚洲日本最大视频资源| av有码第一页| 欧美日韩福利视频一区二区| 精品久久久精品久久久| 精品乱码久久久久久99久播| 99久久精品国产亚洲精品| 国产野战对白在线观看| 成年动漫av网址| 两性夫妻黄色片| 精品卡一卡二卡四卡免费| 啦啦啦免费观看视频1| 欧美精品一区二区免费开放| av国产精品久久久久影院| 亚洲美女黄片视频| 日韩大码丰满熟妇| 久久青草综合色| 午夜免费成人在线视频| 国产av又大| 一本久久精品| 国产午夜精品久久久久久| 18禁裸乳无遮挡动漫免费视频| 一边摸一边做爽爽视频免费| 免费观看av网站的网址| 精品国内亚洲2022精品成人 | 成人av一区二区三区在线看| 日韩人妻精品一区2区三区| 免费在线观看日本一区| 国产主播在线观看一区二区| 99香蕉大伊视频| 99国产精品一区二区三区| 欧美黑人欧美精品刺激| 性少妇av在线| 精品少妇一区二区三区视频日本电影| 日本a在线网址| 亚洲情色 制服丝袜| 日本五十路高清| 色精品久久人妻99蜜桃| 不卡av一区二区三区| a级片在线免费高清观看视频| 国产精品秋霞免费鲁丝片| av免费在线观看网站| videosex国产| 欧美精品av麻豆av| 亚洲国产看品久久| 欧美日韩福利视频一区二区| 亚洲熟女毛片儿| 国产精品自产拍在线观看55亚洲 | 日韩中文字幕欧美一区二区| 久久国产精品大桥未久av| 成人18禁在线播放| 91成人精品电影| tocl精华| 亚洲欧美精品综合一区二区三区| 日本a在线网址| 精品国内亚洲2022精品成人 | 国产一区二区三区综合在线观看| 成人18禁在线播放| 国产真人三级小视频在线观看| 欧美人与性动交α欧美精品济南到| 在线 av 中文字幕| 国产有黄有色有爽视频| 啦啦啦在线免费观看视频4| 久久狼人影院| 三级毛片av免费| 久热爱精品视频在线9| 91成年电影在线观看| 高清在线国产一区| 男女下面插进去视频免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 黄色丝袜av网址大全| 午夜两性在线视频| 久热这里只有精品99| 这个男人来自地球电影免费观看| 青青草视频在线视频观看| 又紧又爽又黄一区二区| 黄片小视频在线播放| 日韩大码丰满熟妇| 91老司机精品| 成人特级黄色片久久久久久久 | 精品国产超薄肉色丝袜足j| 亚洲精品久久成人aⅴ小说| 纵有疾风起免费观看全集完整版| 亚洲第一欧美日韩一区二区三区 | 久久久精品区二区三区| 日本精品一区二区三区蜜桃| 国产精品av久久久久免费| 久久精品国产亚洲av高清一级| 午夜精品久久久久久毛片777| 天堂8中文在线网| 不卡一级毛片| 免费高清在线观看日韩| 桃花免费在线播放| 高清欧美精品videossex| 91成人精品电影| 深夜精品福利| 亚洲五月婷婷丁香| 黄色怎么调成土黄色| 狠狠精品人妻久久久久久综合| 国产免费现黄频在线看| 操美女的视频在线观看| 不卡av一区二区三区| 日韩 欧美 亚洲 中文字幕| a级毛片在线看网站| 免费av中文字幕在线| 一区二区三区激情视频| 黄片小视频在线播放| 十八禁人妻一区二区| 色视频在线一区二区三区| 国产老妇伦熟女老妇高清| 欧美午夜高清在线| 99精品久久久久人妻精品| 无限看片的www在线观看| 日韩精品免费视频一区二区三区| 亚洲av欧美aⅴ国产| 成人精品一区二区免费| 国产一区二区三区综合在线观看| 50天的宝宝边吃奶边哭怎么回事| 亚洲男人天堂网一区| 夫妻午夜视频| 国产日韩欧美在线精品| 亚洲第一欧美日韩一区二区三区 | 国产成人精品无人区| 窝窝影院91人妻| 久久久精品免费免费高清| 菩萨蛮人人尽说江南好唐韦庄| 变态另类成人亚洲欧美熟女 | 怎么达到女性高潮| 国产不卡av网站在线观看| 一区二区av电影网| 日韩欧美国产一区二区入口| 精品国产一区二区久久| 黑人巨大精品欧美一区二区蜜桃| 精品国产乱码久久久久久小说| 精品一区二区三区视频在线观看免费 | 国产在线精品亚洲第一网站| av在线播放免费不卡| 色婷婷av一区二区三区视频| 97在线人人人人妻| 两人在一起打扑克的视频| 999精品在线视频| 人成视频在线观看免费观看| 成年版毛片免费区| 人人妻人人澡人人爽人人夜夜| 欧美一级毛片孕妇| 12—13女人毛片做爰片一| 国产精品偷伦视频观看了| 国产精品电影一区二区三区 | 亚洲一码二码三码区别大吗| 国产精品久久久久成人av| 黑丝袜美女国产一区| 美女福利国产在线| 午夜福利在线免费观看网站| 在线观看舔阴道视频| 亚洲精品美女久久久久99蜜臀| 伦理电影免费视频| 宅男免费午夜| 91大片在线观看| 在线永久观看黄色视频| 搡老乐熟女国产| 一区二区日韩欧美中文字幕| 午夜久久久在线观看| 日韩 欧美 亚洲 中文字幕| 久久久久视频综合| 日韩视频在线欧美| 国产亚洲午夜精品一区二区久久| 在线观看免费视频网站a站| 色综合欧美亚洲国产小说| 欧美精品高潮呻吟av久久| 亚洲成a人片在线一区二区| 国产在线一区二区三区精| 在线观看免费午夜福利视频| 日韩免费av在线播放| 欧美日韩视频精品一区| 建设人人有责人人尽责人人享有的| 夜夜爽天天搞| 国产精品亚洲一级av第二区| 亚洲一区二区三区欧美精品| 在线观看免费视频日本深夜| 十八禁人妻一区二区| 一二三四在线观看免费中文在| 精品免费久久久久久久清纯 | 巨乳人妻的诱惑在线观看| 女人精品久久久久毛片| 免费少妇av软件| 成人国语在线视频| 日韩 欧美 亚洲 中文字幕| 老司机福利观看| 99re在线观看精品视频| 免费av中文字幕在线| 久久久精品免费免费高清| 夫妻午夜视频| 黄片小视频在线播放| 最近最新中文字幕大全电影3 | videosex国产| 精品久久久精品久久久| 亚洲精品中文字幕一二三四区 | 欧美乱妇无乱码| 妹子高潮喷水视频| av福利片在线| 日本五十路高清| 桃花免费在线播放| 少妇精品久久久久久久| 精品午夜福利视频在线观看一区 | 操美女的视频在线观看| 国产一区有黄有色的免费视频| 日韩中文字幕视频在线看片| 日韩 欧美 亚洲 中文字幕| 2018国产大陆天天弄谢| 精品人妻在线不人妻| 精品欧美一区二区三区在线| av在线播放免费不卡| 多毛熟女@视频| 久久久欧美国产精品| 91大片在线观看| 精品一区二区三区四区五区乱码| 亚洲美女黄片视频| 欧美日韩亚洲国产一区二区在线观看 | 在线亚洲精品国产二区图片欧美| 18禁黄网站禁片午夜丰满| 嫩草影视91久久| 视频区图区小说| 嫩草影视91久久| 99久久精品国产亚洲精品| 无遮挡黄片免费观看| 精品欧美一区二区三区在线| 少妇被粗大的猛进出69影院| 亚洲欧美日韩高清在线视频 | 99国产精品一区二区三区| 日本a在线网址| 激情在线观看视频在线高清 | 高清在线国产一区| 黄片小视频在线播放| av一本久久久久| 午夜福利一区二区在线看| 最新美女视频免费是黄的| 免费在线观看完整版高清| 青青草视频在线视频观看| 国产午夜精品久久久久久| 亚洲av片天天在线观看| 免费女性裸体啪啪无遮挡网站| 国产成人免费无遮挡视频| 视频区欧美日本亚洲| 美女福利国产在线| 欧美日韩亚洲综合一区二区三区_| 精品国产国语对白av| 国产精品一区二区在线观看99| netflix在线观看网站| 丝袜美腿诱惑在线| 精品福利观看| 亚洲色图 男人天堂 中文字幕| 黄色 视频免费看| 成年人黄色毛片网站| 亚洲专区中文字幕在线| 久久精品国产99精品国产亚洲性色 | 日韩欧美免费精品| 国产精品99久久99久久久不卡| 亚洲精品自拍成人| 每晚都被弄得嗷嗷叫到高潮| 桃花免费在线播放| 欧美黑人精品巨大| 日本av手机在线免费观看| 色94色欧美一区二区| 欧美人与性动交α欧美软件| 亚洲一码二码三码区别大吗| 国产亚洲一区二区精品| 国产成人一区二区三区免费视频网站| 欧美精品高潮呻吟av久久| √禁漫天堂资源中文www| 亚洲精品一二三| 精品一区二区三区av网在线观看 | 久久久精品94久久精品| 国产欧美日韩精品亚洲av| 国产1区2区3区精品| 免费观看人在逋| 97人妻天天添夜夜摸| a在线观看视频网站| 老汉色∧v一级毛片| 国产一区二区在线观看av| 丝袜喷水一区| 成人18禁在线播放| 亚洲精品粉嫩美女一区| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av欧美aⅴ国产| 精品一区二区三区视频在线观看免费 | 搡老岳熟女国产| 黄色丝袜av网址大全| 在线天堂中文资源库| netflix在线观看网站| cao死你这个sao货| 亚洲精品国产区一区二| 国产97色在线日韩免费| 日韩欧美一区视频在线观看| 亚洲情色 制服丝袜| 露出奶头的视频| 国产精品国产高清国产av | 黑人欧美特级aaaaaa片| 老司机影院毛片| 女性被躁到高潮视频| 久久天躁狠狠躁夜夜2o2o| 每晚都被弄得嗷嗷叫到高潮| 成年女人毛片免费观看观看9 | 国产一区二区激情短视频| 又黄又粗又硬又大视频| 午夜福利在线观看吧| 999精品在线视频| 女人精品久久久久毛片| 一进一出好大好爽视频| 日日爽夜夜爽网站| 国产成人精品无人区| 另类精品久久| 成人国语在线视频| 欧美激情 高清一区二区三区| 精品少妇内射三级| 69av精品久久久久久 | 一本—道久久a久久精品蜜桃钙片| 少妇被粗大的猛进出69影院| 在线观看免费高清a一片| 久久99一区二区三区| 999久久久精品免费观看国产| 亚洲国产av新网站| 久久精品国产亚洲av香蕉五月 | 亚洲全国av大片| 亚洲综合色网址| 国产伦理片在线播放av一区| 精品久久久精品久久久| 十八禁人妻一区二区| 男人舔女人的私密视频| 午夜成年电影在线免费观看| 美女高潮到喷水免费观看| a级毛片黄视频| 麻豆国产av国片精品| 国产亚洲精品第一综合不卡| 丰满人妻熟妇乱又伦精品不卡| 国产精品九九99| 一边摸一边抽搐一进一出视频| 后天国语完整版免费观看| 十八禁高潮呻吟视频| 久久久久精品国产欧美久久久| 亚洲av日韩精品久久久久久密| 国产精品久久久久久精品电影小说| 亚洲天堂av无毛| 在线观看人妻少妇| 欧美大码av| 大陆偷拍与自拍| 亚洲专区国产一区二区| 国产极品粉嫩免费观看在线| 午夜福利欧美成人| 一级毛片精品| 日韩人妻精品一区2区三区| 午夜精品国产一区二区电影| 亚洲国产中文字幕在线视频| 国产三级黄色录像| 美女国产高潮福利片在线看| 免费在线观看黄色视频的| 日韩精品免费视频一区二区三区| 久久 成人 亚洲| 欧美精品人与动牲交sv欧美| 纯流量卡能插随身wifi吗| 日韩中文字幕视频在线看片| 精品人妻熟女毛片av久久网站| 夜夜骑夜夜射夜夜干| 两性夫妻黄色片| 在线观看一区二区三区激情| 黄色怎么调成土黄色| 亚洲av日韩在线播放| 婷婷成人精品国产| av网站在线播放免费| 久久av网站| 精品久久久精品久久久| 两性夫妻黄色片| 亚洲第一av免费看| 国产av国产精品国产| 夜夜爽天天搞| 亚洲伊人色综图| 国产片内射在线| 国产av精品麻豆| 中文亚洲av片在线观看爽 | 9191精品国产免费久久| 嫁个100分男人电影在线观看| 亚洲伊人色综图| 久久人妻av系列| 一夜夜www| 亚洲国产成人一精品久久久| 婷婷丁香在线五月| 大香蕉久久网| 麻豆成人av在线观看| 国产成人免费观看mmmm| 国产精品免费一区二区三区在线 | 黄网站色视频无遮挡免费观看| 国产精品亚洲av一区麻豆| 亚洲成av片中文字幕在线观看| 在线十欧美十亚洲十日本专区| 欧美日韩一级在线毛片| 80岁老熟妇乱子伦牲交| 欧美乱码精品一区二区三区| 久久午夜亚洲精品久久| 国产真人三级小视频在线观看| 亚洲 欧美一区二区三区| 老鸭窝网址在线观看| 成人国产一区最新在线观看| 男女高潮啪啪啪动态图| 精品国产乱码久久久久久男人| 国产亚洲一区二区精品| 成人三级做爰电影| videosex国产| 一区二区三区激情视频| 成人三级做爰电影| 人人妻人人澡人人爽人人夜夜| 亚洲欧美日韩另类电影网站| 久久精品国产99精品国产亚洲性色 | av福利片在线| 国产精品国产av在线观看| 亚洲欧美一区二区三区久久| 欧美成狂野欧美在线观看| 99国产精品99久久久久| 汤姆久久久久久久影院中文字幕| 亚洲欧美色中文字幕在线| 久久国产亚洲av麻豆专区| 十八禁人妻一区二区| 国产xxxxx性猛交| 91精品国产国语对白视频| 亚洲精品自拍成人| 国产成人系列免费观看| 久久国产亚洲av麻豆专区| 桃红色精品国产亚洲av| 国产成人系列免费观看| 少妇猛男粗大的猛烈进出视频| 嫁个100分男人电影在线观看| 日韩视频在线欧美| 亚洲av片天天在线观看| tocl精华| 欧美变态另类bdsm刘玥| 精品久久久精品久久久| 午夜精品久久久久久毛片777| 他把我摸到了高潮在线观看 | 亚洲人成电影观看| 99re在线观看精品视频| 99九九在线精品视频|