• <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 ?

    基于多特征融合的停車場行人異常行為識別

    2023-01-05 12:32:42翟智鈺侯北平
    浙江科技學(xué)院學(xué)報 2022年6期
    關(guān)鍵詞:分類特征檢測

    翟智鈺,侯北平

    (浙江科技學(xué)院 自動化與電氣工程學(xué)院,杭州 310023)

    實時交通監(jiān)控、停車場監(jiān)控等的攝像頭正迅速應(yīng)用于社會公共場所和地點。這些攝像頭每天可以提供海量數(shù)據(jù),然而大多數(shù)監(jiān)控仍然依靠操作員來篩選視頻,龐大的數(shù)據(jù)往往耗費大量的人力和財力。這就需要應(yīng)用計算機視覺技術(shù)來自動監(jiān)控異常行為,以協(xié)助工作人員及時做出判斷,特別是像停車場這種需要全天候監(jiān)控的場景,對異常行為的檢測十分必要,這對維護社會治安具有重要意義。

    異常行為識別的方法有很多,使用較多的是將監(jiān)控視頻的連續(xù)幀作為異常行為識別的主體。Cai等[1]提出了一種復(fù)雜場景下人體異常行為的多階段分析方法,用于遺留行李檢測,試驗結(jié)果表明,異常行為的平均識別率為86.93%。Zhang等[2]提出了一種基于能級分布變化的人群異常檢測方法,將圖像中的像素作為粒子處理,通過計算粒子與攝像機之間的距離,確定人群異常發(fā)生的時間戳,從而準(zhǔn)確地識別異常行為。除上述傳統(tǒng)計算閾值方法外,深度學(xué)習(xí)近年來也應(yīng)用在異常行為的識別上,Ma等[3]針對復(fù)雜結(jié)構(gòu)化戶外場景中異常目標(biāo)檢測困難的問題,提出了一種光流法和卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的異常目標(biāo)檢測方法,結(jié)果表明該方法可快速檢測復(fù)雜結(jié)構(gòu)化場景中的異常目標(biāo)并預(yù)警。汪鴻年等[4-5]根據(jù)運動周期曲線采用動態(tài)時間規(guī)整的方法提取停車場行人行為關(guān)鍵幀,將行為關(guān)鍵幀表征為一系列關(guān)鍵語句進行識別,異常行為的平均識別率達到了91%。Chen等[6]提出了一種基于雙向預(yù)測的框架,根據(jù)實際目標(biāo)幀及其雙向預(yù)測幀[7]構(gòu)造損失函數(shù),同時提出了一種基于滑動窗口的異常得分估計方法來識別視頻中行人的異常行為,識別準(zhǔn)確率達到了86.9%。

    除了使用以幀為單位的圖像識別異常行為,軌跡分析也是識別異常行為的一種有效的方法。無論是單獨個體還是多個行人交互,實際的監(jiān)控視頻都可以記錄大量的軌跡數(shù)據(jù),提供豐富的數(shù)據(jù)基礎(chǔ)。賽斌等[8]使用Hausdorff距離來描述軌跡聚類[9]得到的大數(shù)據(jù)以識別較大范圍內(nèi)行人的行為,得到地鐵行人流量較多、人流量較少和人流量適中3個場景的噪聲軌跡,占比分別為11.7%、9.9%、21.25%。Belhadi等[10]提出了群體軌跡離群點檢測模型,研究人類行為數(shù)據(jù)之間的不同相關(guān)性,通過學(xué)習(xí)歷史數(shù)據(jù)的不同特征來判斷人類的集體異常行為,準(zhǔn)確率為88%,得到了較好的識別效果。

    目前停車場行人異常行為識別方法尚存在以下問題:只考慮利用單一軌跡特征來衡量軌跡中心與軌跡間相似性,在復(fù)雜的停車場監(jiān)控場景中,軌跡模式識別率低,影響異常行為檢測效果;預(yù)處理算法效率低,檢測速度慢,識別準(zhǔn)確率低,跟蹤效果差,行人特征提取效果不明顯;基于神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)方法的異常行為識別方法實時性差,所耗運算資源較大。在實際場景中,由于視頻本身包含信息的復(fù)雜性,僅憑軌跡難以判斷行人的異常行為,而監(jiān)控視頻中還有其他的行人信息可以利用,比如骨架信息可以提高異常行為定位精度。針對上述問題,本研究提出一種基于軌跡-骨架模型的多特征融合的停車場行人異常行為識別算法。

    1 研究方法

    異常行為識別流程如圖1所示:首先利用基于深度學(xué)習(xí)的目標(biāo)檢測算法和跟蹤算法得到行人的軌跡特征,對行人姿態(tài)分析后得到行人的骨架特征;然后融合行人的軌跡和骨架特征,對行為進行分類,最終識別行人在停車場中的異常行為。

    圖1 異常行為識別流程

    1.1 視頻預(yù)處理

    現(xiàn)實中的室外停車場環(huán)境較為復(fù)雜,背景存在光照變化、樹葉抖動等干擾因素,會直接影響識別的準(zhǔn)確性和實時性。在分類過程中,預(yù)處理效果的好壞直接影響著算法的精度和最后的識別效果。為了提高算法精度,得到更好的目標(biāo)檢測和跟蹤效果,本研究選用準(zhǔn)確率和實時性較好的YOLOv5目標(biāo)檢測算法作為行人軌跡和骨架提取的基礎(chǔ),并在此基礎(chǔ)上加入DeepSort行人目標(biāo)跟蹤法,解決了YOLOv5無法匹配近鄰幀的問題。

    1.1.1 行人目標(biāo)檢測

    Redmon等[11]從2016年開始陸續(xù)設(shè)計出YOLO系列算法,YOLO算法最大的特點就是在檢測精度稍微降低的同時可以滿足實時性要求。本研究使用YOLOv5行人目標(biāo)檢測算法,檢測流程如圖2所示。YOLOv5沿用的是YOLOv3、YOLOv4的框架,主要分為4個部分,分別是輸入端、主干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)、輸出端。具體實現(xiàn)過程如下:1) 對輸入的停車場監(jiān)控視頻進行特征提取,輸入端采用了馬賽克數(shù)據(jù)增強的方式,通過隨機播放、隨機裁剪、隨機排布的方式,自動計算數(shù)據(jù)集的最佳錨框值。2) 通過聚焦網(wǎng)絡(luò)和CSPNet(cross stage partials networks,跨區(qū)域局部融合網(wǎng)絡(luò))結(jié)構(gòu)壓縮特征圖,其中CSP1_1和CSP1_3應(yīng)用于主干網(wǎng)絡(luò),可增強卷積神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和降低內(nèi)存成本,CSP2_1應(yīng)用于頸部網(wǎng)絡(luò),可加強網(wǎng)絡(luò)特征融合的能力,利用不同層的特征信息來獲得更為豐富的特征圖。3) 通過SPP(spatial pyramid pooling,空間金字塔池化)和FPN(feature pyramid networks,特征金字塔網(wǎng)絡(luò))進行特征信息的傳遞融合,從而得到預(yù)測后的特征圖。4) 通過PANet(path aggregation net,路徑聚合網(wǎng)絡(luò))結(jié)構(gòu)提升預(yù)測性能。5) 在預(yù)訓(xùn)練好的YOLOv5網(wǎng)絡(luò)中,對視頻中的停車場的行人及位置進行多尺度預(yù)測,輸出行人的定位框。

    圖2 YOLOv5行人目標(biāo)檢測流程

    1.1.2 行人目標(biāo)跟蹤

    通過YOLOv5輸出行人的位置信息[12]以后,利用DeepSort算法實現(xiàn)停車場行人跟蹤,主要分為4個步驟:

    1) 將停車場監(jiān)控視頻分成視頻幀,利用非極大值抑制算法去除重疊框,進一步篩選候選框;

    2) 使用卡爾曼濾波計算下一幀行人目標(biāo)的位置和狀態(tài),將置信度最高的行人檢測框作為預(yù)測結(jié)果;

    3) 利用匈牙利算法進行匹配,得到行人在視頻前后的軌跡,使用馬哈拉諾比斯距離公式計算行人檢測框和行人跟蹤框之間的距離,當(dāng)兩者距離小于某個特定閾值時,則兩者互相關(guān)聯(lián),匹配成功。否則,重新計算行人位置;

    4) 最后使用卡爾曼濾波對跟蹤器進行參數(shù)更新,重新開始行人目標(biāo)檢測。

    本研究在對現(xiàn)有的基于深度學(xué)習(xí)框架的算法進行學(xué)習(xí)和研究后,選取YOLOv5和DeepSort算法,以保證能夠在停車場這種復(fù)雜場景下對行人進行檢測和跟蹤,獲取視頻中行人的每幀坐標(biāo)信息,從而可以進一步分析行人的特征信息。

    1.2 特征提取

    軌跡含有較全面的時空信息,在描述行人目標(biāo)方面有其固有的優(yōu)越性,而骨架特征能夠更好地體現(xiàn)行人運動的細節(jié),能夠很好地表達行人的運動狀態(tài),所以選取軌跡和骨架作為識別異常行為的特征。

    1.2.1 軌跡的特征提取

    在行人運動過程中,一系列質(zhì)心點連接起來就會形成軌跡。提取每個行人目標(biāo)的位置、即時速度、方向等信息,將這些信息組成固定長度的特征向量來描述行人軌跡[13]。具體步驟如下:

    1) 建立軌跡模型:

    f=[(x,y),(dx,dy),(d2x,d2y)]。

    (1)

    式(1)中:(x,y)、(dx,dy)、(d2x,d2y)分別為位置特征、方向特征、速度特征。

    2) 提取出每個軌跡點的位置以后,x和y方向上的差分?jǐn)?shù)據(jù)中含有目標(biāo)的速度和方向信息,所以引入x軸和y軸的差分信息(|dx|,|dy|),其中

    dx=xt-xt-1;

    (2)

    dy=yt-yt-1。

    (3)

    3) 場景中不同區(qū)域中目標(biāo)的轉(zhuǎn)向、速度往往具有規(guī)律性,為了檢測出行人的突然加速異常行為[14],定義二次差分(|d2x|,|d2y|)來表示速度變化特征,為訓(xùn)練過程提供數(shù)據(jù)。

    d2x=xt-2xt-1+xt-2;

    (4)

    d2y=yt-2yt-1+yt-2。

    (5)

    4) 將上述特征作為后續(xù)機器學(xué)習(xí)分類算法的樣本輸入,表1為軌跡的位置特征、方向特征和速度特征樣本。

    表1 軌跡的位置特征、方向特征和速度特征樣本

    結(jié)合上述特征,以行人跑步為例,跑步行為與跑步軌跡如圖3所示。

    圖3 行人跑步行為與跑步軌跡

    1.2.2 骨架特征提取

    由于摔倒或者跳躍等行為不能簡單地通過軌跡來識別,因此用AlphaPose模型[15]來提取人體骨架信息,得到人體骨骼關(guān)鍵點坐標(biāo)。AlphaPose模型提取骨架信息的流程是:首先在單人姿態(tài)估計結(jié)構(gòu)上引入對稱空間變換網(wǎng)絡(luò),這個網(wǎng)絡(luò)能夠在不精準(zhǔn)的區(qū)域框中提取到高質(zhì)量的人體區(qū)域;然后使用參數(shù)化姿態(tài)非最大抑制的方法來解決檢測框定位錯誤和冗余檢測問題,并利用數(shù)據(jù)驅(qū)動來優(yōu)化姿態(tài)距離參數(shù);最后通過PGPG(pose-guided proposals generator,姿態(tài)引導(dǎo)區(qū)域框生成器)來強化訓(xùn)練數(shù)據(jù),得到每個目標(biāo)的骨架關(guān)鍵點位置數(shù)據(jù)。

    跑、走、跳躍、摔倒、打架5種行為的骨架圖如圖4所示,利用AlphaPose模型提取停車場跑步、走路、跳躍、摔倒、打架等行為的骨架關(guān)鍵點,這些關(guān)鍵點的原始坐標(biāo)不適合直接用于姿態(tài)識別中,因此需要從數(shù)據(jù)的原始特征中提取出有效的行為識別特征。

    圖4 跑、走、跳躍、摔倒、打架5種行為的骨架圖

    當(dāng)人的姿態(tài)發(fā)生變化時,各個關(guān)節(jié)也會發(fā)生變化,使用結(jié)構(gòu)向量來表示各個部位的骨骼狀態(tài)。假設(shè)A(x1,y1)和B(x2,y2)分別表示左膝和左腳踝的坐標(biāo),則向量VAB=(x2-x1,y2-y1)表示左小腿的骨骼姿態(tài),命名為VLKnee-LAnkle。摔倒行為可由雙腿與軀干之間的角度來表示,從監(jiān)控視頻的角度,軀干部分選取鼻子到髖部之間的骨骼關(guān)鍵點來表示,因此為了描述摔倒行為,構(gòu)建4組結(jié)構(gòu)向量:

    VNose-LKnee=(xLKnee-xNose,yLKnee-yNose);

    (6)

    VNose-RKnee=(xRKnee-xNose,yRKnee-yNose);

    (7)

    VLKnee-LAnkle=(xLAnkle-xLKnee,yLAnkle-yLKnee);

    (8)

    VRKnee-RAnkle=(xRAnkle-xRKnee,yRAnkle-yRKnee)。

    (9)

    式(6)~(9)中:VNose-LKnee為鼻部到左膝的結(jié)構(gòu)向量,(xLKnee,yLKnee)為左膝的坐標(biāo),(xNose,yNose)為鼻子的坐標(biāo);VNose-RKnee為鼻部到右膝的結(jié)構(gòu)向量;(xRKnee,yRKnee)為右膝的坐標(biāo);VLKnee-LAnkle為左膝到左腳踝的結(jié)構(gòu)向量;(xLAnkle,yLAnkle)為左腳踝的坐標(biāo);VRKnee-RAnkle為右膝到右腳踝的結(jié)構(gòu)向量;(xRAnkle,yRAnkle)為右腳踝的坐標(biāo)。

    人們在運動的時候,肢體的角度會發(fā)生較大的變化,因此選用向量角度作為運動特征來反映人體不同的運動狀態(tài)。分別計算上述4組結(jié)構(gòu)向量中的夾角的余弦值,將其作為摔倒行為特征[16]。構(gòu)建的兩組向量夾角余弦值特征如下:

    (10)

    (11)

    式(10)~(11)中:θNose-LAnkle為鼻部到左踝的夾角;VNose-LKnee和VLKnee-LAnke分別為鼻部到左膝的結(jié)構(gòu)向量和左膝到左腳踝的結(jié)構(gòu)向量;θNose-RAnkle為鼻部到右踝的夾角;VNose-RKnee和VRKnee-RAnkle分別為鼻部到右膝的結(jié)構(gòu)向量和右膝到右腳踝的結(jié)構(gòu)向量。

    1.3 特征融合

    特征融合是將提取的不同特征通過某種方法生成新的特征,新特征對分類更加有效。特征融合方法可以綜合利用不同特征的優(yōu)勢,形成特征互補,比單一特征分類更加準(zhǔn)確。行人的異常行為復(fù)雜多樣,單一的特征很難完全反映行為的類型,因此在對行人行為進行分類時,使用軌跡特征和骨架特征融合會提高分類的準(zhǔn)確性。

    1.3.1 基于軌跡的異常行為判別不足分析

    監(jiān)控過程中,對于行進過程的每個軌跡點,除了一些坐標(biāo)特征外,經(jīng)過式(1)~(11)的計算,還得到一些速度和加速度的特征,將這些特征作為分類算法的輸入。不同的活動可能具有相似的特征,例如走路和跑步,因此,很難產(chǎn)生某一種特征可以唯一地表示某種特定的活動。走路和跑步軌跡比較如圖5所示,從走路行為和跑步行為的軌跡圖(圖5(c)與(d))可以看出,很難通過軌跡來判斷行為是走路還是跑步。

    圖5 走路和跑步軌跡比較

    僅使用軌跡作為識別行為的另一個問題是,實際生活中大部分活動都不是簡單的重復(fù)性動作,而是復(fù)合性動作。大多數(shù)復(fù)合性活動都是由若干個簡單動作互相關(guān)聯(lián)起來的,僅憑軌跡很難描述復(fù)合性活動??梢?除軌跡特征外,還需要其他特征來表示人體行為。

    1.3.2 基于骨架的異常行為判別不足分析

    停車場的異常行為有很多種,比如摔倒、追逐等,這些異常行為都存在一些共同的特征,比如現(xiàn)實中的摔倒過程為:行走—摔倒過程—摔倒?fàn)顟B(tài),且摔倒過程往往發(fā)生得非常急促,一瞬間即可發(fā)生。跳躍也是如此,其過程為:行走—跳躍—行走—跳躍。異常行為具有突發(fā)性,摔倒或跳躍過程持續(xù)時間短,并且在實際監(jiān)控中,摔倒或者跳躍前,行人的行為可能是正常的走或跑,這就導(dǎo)致異常行為和正常行為的數(shù)量分布極不均衡。部分樣本異常行為占比見表2,從表中可以看出異常行為的幀數(shù)在整個視頻中所占的比例不高。從監(jiān)控視頻中截取不同時間段跳躍行為和摔倒行為各3幀圖像,如圖6所示,從圖中可以看出異常行為只發(fā)生在某個特殊時間段。在監(jiān)控視頻中,需要同時識別出正常行為和異常行為,僅把骨架作為特征行為很難滿足現(xiàn)實要求。

    表2 部分樣本異常行為占比

    圖6 跳躍行為和摔倒行為各3幀圖像

    針對可能出現(xiàn)的異常行為,本研究定義了速度、加速度等特征組成訓(xùn)練樣本,但是,現(xiàn)實中可能出現(xiàn)各種各樣的異常行為,所以引入骨架特征作為另外一個識別異常行為的方法。單單考慮骨架特征也無法滿足現(xiàn)實中的需求,因為像跳躍這樣的異常行為發(fā)生在一瞬間,沒有持續(xù)性,異常行為發(fā)生的前后,人體姿態(tài)沒有明顯的變化。所以,為了滿足現(xiàn)實需要,考慮使用行人軌跡特征與骨架特征融合模型來識別異常行為和正常行為。

    1.3.3 特征融合方法

    因為視頻信息比較復(fù)雜,將軌跡作為特征較為簡單,很難反映行人的行為,而骨架特征只能反映行人一瞬間的動作,因此在對異常行為分類時,使用特征融合會取得更佳的分類效果。同時,停車場監(jiān)控視頻中的行人異常行為往往是由復(fù)合活動組成的,單一的軌跡特征或者骨架特征無法描述行人整個活動過程,所以采用將軌跡特征和骨架特征融合的方法來識別行人的異常行為。

    針對1.3.1~1.3.2節(jié)遇到的問題,提出一種將行人軌跡和行人骨架特征融合的算法,將式(1)的軌跡模型與式(10)~(11)的骨架模型與相融合來組成新的軌跡-骨架模型,如式(12)所示:

    f=[x,y,dx,dy,d2x,d2y,cosθNose-LAnkle,cosθNose-RAnkle]。

    (12)

    特征融合后的部分分類樣本見表3。

    表3 特征融合后的部分分類樣本

    2 試驗環(huán)境及數(shù)據(jù)集

    2.1 試驗環(huán)境

    試驗測試硬件如下:CPU為E5-2670v4處理器,內(nèi)存為128 GB;顯卡為4塊RTX3090,內(nèi)存總共為96 GB。軟件操作系統(tǒng)型號為Ubuntu18.04。硬件和軟件都能夠滿足YOLOv5+DeepSort試驗的要求和機器學(xué)習(xí)分類的要求。

    2.2 數(shù)據(jù)集

    中科院行為數(shù)據(jù)庫CASIA(Chinese Academy of Sciences Institute of Automation,中國科學(xué)院自動化研究所)行為分析數(shù)據(jù)庫共有422條視頻數(shù)據(jù),由室外環(huán)境下分布在3個不同視角的攝像機拍攝而成,為行為分析提供試驗數(shù)據(jù)。行人行為包括走、跑、跳、暈倒、打架,每類行為有24人參與拍攝,每人4次左右。

    2.3 異常行為定義

    在基于視頻的異常行為識別中,對異常的定義和描述很難有明確的定義。在研究中,行人在停車場這個運動方式比較常見的應(yīng)用場景,露天停車場區(qū)域的監(jiān)控中行人的正常行為包括正常路過、車前跑步。行人異常跳躍,突然摔倒及打架被劃為異常行為。行人正常行為和異常行為分類如圖7所示。

    圖7 行人正常行為和異常行為分類

    3 試驗結(jié)果與分析

    為了避免使用神經(jīng)網(wǎng)絡(luò)分類需要大量的計算資源,本研究選取了5個機器學(xué)習(xí)分類模型進行對比,分別是決策樹、隨機森林、多層感知機、K近鄰算法和邏輯回歸。以上5個模型都是分類模型中經(jīng)常使用且性能較好的機器學(xué)習(xí)方法。

    為了驗證本研究提出的多特征融合模型的有效性,將提取的軌跡特征與骨架特征融合的異常行為識別結(jié)果,與未進行任何處理的單一數(shù)據(jù)及只有軌跡模型的行為識別結(jié)果進行對比。

    在異常行為識別中,本研究主要采用準(zhǔn)確度TA作為模型的評價指標(biāo):

    (13)

    式(13)中:TP表示實際為真實類別并被預(yù)測真實類別的個數(shù);TN表示實際為錯誤類別被預(yù)測為錯誤類別的個數(shù);FP表示實際為錯誤類別被預(yù)測為真實類別的個數(shù);FN表示實際為正確類別被預(yù)測為錯誤類別的個數(shù)。

    在CASIA數(shù)據(jù)集中,選取跑、走、摔倒、跳躍和打架5種行為作為分類數(shù)據(jù)集,5種行為各12段視頻,其中9段視頻作為訓(xùn)練集,3段視頻作為測試集。試驗數(shù)據(jù)分布見表4。

    表4 試驗數(shù)據(jù)分布

    采用5種分類算法進行分類,使用3種模型進行對比。

    模型一:只包含行人的坐標(biāo)信息,沒有提取軌跡特征和骨架特征。

    模型二:單獨加入行人的軌跡特征(式(1))。

    模型三:將軌跡特征與骨架特征融合之后的數(shù)據(jù)集,模型見式(12)。

    3種模型的分類結(jié)果見表5,折線圖如圖8所示。

    表5 3種模型的分類結(jié)果

    圖8 3種模型分類折線圖

    由表5和圖8可知,如果僅使用坐標(biāo)信息,識別的準(zhǔn)確率最高只有68.03%,采取單一軌跡的識別率最高只有77.64%,但使用軌跡-骨架模型,行人異常行為識別率在多層感知機算法下可以達到87.08%,基本上實現(xiàn)了異常行為識別。但本研究提出的算法也有缺點和不足,主要是正常行為與異常行為類別在數(shù)量上不均衡。行人在活動過程中異常行為的活動比較少,導(dǎo)致正常行為與異常行為的數(shù)量相差較大,在分類過程中影響了分類的準(zhǔn)確度。

    4 結(jié) 語

    為了降低安防帶來的時間和經(jīng)濟成本,提高異常行為識別的準(zhǔn)確性,本研究提出了基于軌跡和骨架特征融合的行人異常行為識別算法,首先通過YOLOv5算法快速檢測行人;然后利用基于DeepSort的目標(biāo)跟蹤算法實現(xiàn)對行人的跟蹤;最后使用機器學(xué)習(xí)方法對行人的行為進行分類。試驗結(jié)果表明,在多層感知機算法下本文模型分類結(jié)果最好,并有較高的實時性和準(zhǔn)確率,能夠快速檢測停車場異常行為的發(fā)生,可見本算法具有一定的應(yīng)用價值。為了能夠?qū)⑺惴☉?yīng)用到更多的場景中,我們將開展下一階段的研究工作:使用樹莓派作為硬件與網(wǎng)絡(luò)攝像頭連接,將停車場行人行為視頻數(shù)據(jù)傳輸?shù)椒?wù)器上,為后續(xù)算法提供數(shù)據(jù)基礎(chǔ),并根據(jù)采集的數(shù)據(jù)集,在計算機上編寫用戶界面,與模型算法相結(jié)合,實現(xiàn)離線處理;研究多相機聯(lián)合檢測方法,嘗試用多個相機從多個角度進行異常行為的檢測,從一定程度解決大小車輛對行人的遮擋問題。

    猜你喜歡
    分類特征檢測
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    分類算一算
    如何表達“特征”
    不忠誠的四個特征
    分類討論求坐標(biāo)
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    抓住特征巧觀察
    乱人视频在线观看| 伦精品一区二区三区| 成人亚洲欧美一区二区av| 国产不卡一卡二| 中国国产av一级| 亚洲av免费高清在线观看| 国产精品久久电影中文字幕| 欧美人与善性xxx| 嫩草影视91久久| 国产男人的电影天堂91| 国产精品一区www在线观看| 99热这里只有是精品50| 不卡一级毛片| 长腿黑丝高跟| 春色校园在线视频观看| 青春草视频在线免费观看| 女同久久另类99精品国产91| 免费av毛片视频| 成人午夜高清在线视频| 久久草成人影院| 18+在线观看网站| 悠悠久久av| 搡女人真爽免费视频火全软件 | a级一级毛片免费在线观看| 麻豆久久精品国产亚洲av| 日韩欧美三级三区| 日韩亚洲欧美综合| 啦啦啦韩国在线观看视频| 国产亚洲精品久久久久久毛片| 亚洲欧美成人综合另类久久久 | 深爱激情五月婷婷| 干丝袜人妻中文字幕| a级一级毛片免费在线观看| 国产高潮美女av| 99热只有精品国产| 国产欧美日韩一区二区精品| 美女被艹到高潮喷水动态| 午夜福利在线观看免费完整高清在 | 一级a爱片免费观看的视频| 免费大片18禁| 老司机福利观看| 国产伦一二天堂av在线观看| av国产免费在线观看| 久久综合国产亚洲精品| 欧美成人免费av一区二区三区| 国产午夜精品论理片| 国产三级在线视频| 岛国在线免费视频观看| 高清毛片免费看| 欧美不卡视频在线免费观看| 亚洲一级一片aⅴ在线观看| 亚洲va在线va天堂va国产| 级片在线观看| 成人毛片a级毛片在线播放| 国产精品人妻久久久影院| 国模一区二区三区四区视频| 久久久久性生活片| 中出人妻视频一区二区| 男人的好看免费观看在线视频| 淫秽高清视频在线观看| 一级毛片电影观看 | 91在线精品国自产拍蜜月| 天美传媒精品一区二区| 91在线精品国自产拍蜜月| 插阴视频在线观看视频| 在线免费观看不下载黄p国产| 九九爱精品视频在线观看| 美女被艹到高潮喷水动态| 亚洲,欧美,日韩| av福利片在线观看| 22中文网久久字幕| 少妇被粗大猛烈的视频| 嫩草影院入口| 国产综合懂色| 亚洲一区二区三区色噜噜| 长腿黑丝高跟| 免费在线观看成人毛片| 中文资源天堂在线| 亚洲自拍偷在线| 我要搜黄色片| 国产单亲对白刺激| 国产视频一区二区在线看| 日日撸夜夜添| 在线免费观看不下载黄p国产| 亚洲成av人片在线播放无| 神马国产精品三级电影在线观看| а√天堂www在线а√下载| 亚洲精品456在线播放app| 伦精品一区二区三区| 五月伊人婷婷丁香| 俺也久久电影网| av在线老鸭窝| 97碰自拍视频| 精品免费久久久久久久清纯| 亚洲久久久久久中文字幕| 久久鲁丝午夜福利片| 日韩中字成人| 免费观看的影片在线观看| 又黄又爽又刺激的免费视频.| 午夜亚洲福利在线播放| 色av中文字幕| 免费观看在线日韩| 中文字幕熟女人妻在线| 在线播放国产精品三级| 91久久精品电影网| 听说在线观看完整版免费高清| 在线看三级毛片| 欧美日韩国产亚洲二区| 国产精品,欧美在线| 美女cb高潮喷水在线观看| 欧美最黄视频在线播放免费| 亚洲欧美日韩无卡精品| 日韩高清综合在线| 午夜免费男女啪啪视频观看 | 国产av一区在线观看免费| 99视频精品全部免费 在线| 免费不卡的大黄色大毛片视频在线观看 | 看免费成人av毛片| av免费在线看不卡| 一级黄片播放器| 尾随美女入室| 一进一出好大好爽视频| 春色校园在线视频观看| 亚洲,欧美,日韩| 午夜a级毛片| 久久久久国内视频| 久久久欧美国产精品| 午夜福利18| 毛片一级片免费看久久久久| 成人一区二区视频在线观看| 少妇丰满av| 最后的刺客免费高清国语| 成人一区二区视频在线观看| 欧美bdsm另类| 最近手机中文字幕大全| 亚洲,欧美,日韩| 国产精品av视频在线免费观看| 最后的刺客免费高清国语| 欧美最黄视频在线播放免费| 男人舔女人下体高潮全视频| 亚洲成人久久爱视频| 亚洲,欧美,日韩| 久久久成人免费电影| 99久久精品国产国产毛片| 真人做人爱边吃奶动态| 日本 av在线| 亚洲欧美清纯卡通| 亚洲国产日韩欧美精品在线观看| 亚洲一级一片aⅴ在线观看| 国产麻豆成人av免费视频| 尾随美女入室| 国产高清视频在线观看网站| 女的被弄到高潮叫床怎么办| 国内少妇人妻偷人精品xxx网站| 免费大片18禁| 亚洲欧美日韩高清在线视频| 亚洲精品日韩av片在线观看| 最后的刺客免费高清国语| 免费一级毛片在线播放高清视频| av国产免费在线观看| 久久久久九九精品影院| av在线亚洲专区| 3wmmmm亚洲av在线观看| 久久人人爽人人爽人人片va| 久久天躁狠狠躁夜夜2o2o| 特大巨黑吊av在线直播| 国产视频一区二区在线看| 我的女老师完整版在线观看| a级毛色黄片| 波野结衣二区三区在线| a级毛片a级免费在线| 免费看av在线观看网站| 欧美区成人在线视频| 99在线人妻在线中文字幕| 成人二区视频| ponron亚洲| 午夜亚洲福利在线播放| 免费观看精品视频网站| 在线观看一区二区三区| 简卡轻食公司| 国产亚洲精品综合一区在线观看| 亚洲美女视频黄频| 午夜爱爱视频在线播放| 在线a可以看的网站| 国产高清视频在线观看网站| 精品久久久久久成人av| 亚洲第一区二区三区不卡| 成人特级av手机在线观看| 极品教师在线视频| 久久久久久九九精品二区国产| 成人漫画全彩无遮挡| 午夜精品国产一区二区电影 | 日韩av不卡免费在线播放| av视频在线观看入口| 级片在线观看| 欧美日韩精品成人综合77777| 一本一本综合久久| 婷婷精品国产亚洲av| 国产一区二区亚洲精品在线观看| 蜜桃久久精品国产亚洲av| 国产免费一级a男人的天堂| 精品免费久久久久久久清纯| 看片在线看免费视频| av国产免费在线观看| 1024手机看黄色片| 天天一区二区日本电影三级| 国产av不卡久久| 99热全是精品| 三级男女做爰猛烈吃奶摸视频| 久久久久久大精品| 午夜精品一区二区三区免费看| 午夜影院日韩av| 男女视频在线观看网站免费| 久久久久久久久久成人| 国产黄a三级三级三级人| 欧美3d第一页| 麻豆久久精品国产亚洲av| 午夜亚洲福利在线播放| 国产激情偷乱视频一区二区| 国产私拍福利视频在线观看| 女人被狂操c到高潮| 日韩,欧美,国产一区二区三区 | 久久久精品大字幕| 老熟妇仑乱视频hdxx| 一区二区三区四区激情视频 | 悠悠久久av| 久久6这里有精品| 成人综合一区亚洲| 男人舔女人下体高潮全视频| 一级黄片播放器| 熟女电影av网| 毛片一级片免费看久久久久| 欧美高清成人免费视频www| 91麻豆精品激情在线观看国产| 日本黄色片子视频| 又粗又爽又猛毛片免费看| 欧美成人一区二区免费高清观看| 91狼人影院| 99久久中文字幕三级久久日本| 最近2019中文字幕mv第一页| 国产精品日韩av在线免费观看| 国产视频内射| 国产高潮美女av| 夜夜爽天天搞| 日韩,欧美,国产一区二区三区 | 久久久久久久久久黄片| 亚洲图色成人| 欧美bdsm另类| 免费看日本二区| 久久热精品热| 亚洲最大成人手机在线| 国产精品乱码一区二三区的特点| 成人漫画全彩无遮挡| 亚洲在线观看片| 婷婷色综合大香蕉| 麻豆精品久久久久久蜜桃| 国产熟女欧美一区二区| 精品久久久久久久末码| 国内精品一区二区在线观看| 观看美女的网站| 天堂网av新在线| 久久精品国产自在天天线| 久久精品夜色国产| 免费在线观看影片大全网站| 亚洲最大成人手机在线| 精品福利观看| 免费大片18禁| 国产亚洲精品av在线| 国产亚洲91精品色在线| 老师上课跳d突然被开到最大视频| 亚洲精品日韩av片在线观看| 美女高潮的动态| 国产高清视频在线播放一区| 97热精品久久久久久| 搞女人的毛片| 一级毛片久久久久久久久女| 欧美日本视频| 男女边吃奶边做爰视频| 亚洲在线观看片| 草草在线视频免费看| 免费看av在线观看网站| 2021天堂中文幕一二区在线观| 国内精品宾馆在线| 国产视频一区二区在线看| 亚洲欧美日韩卡通动漫| 欧美激情国产日韩精品一区| 偷拍熟女少妇极品色| 国产av麻豆久久久久久久| 菩萨蛮人人尽说江南好唐韦庄 | 一个人观看的视频www高清免费观看| 看黄色毛片网站| 99热只有精品国产| 最近最新中文字幕大全电影3| 色噜噜av男人的天堂激情| 秋霞在线观看毛片| 成人av一区二区三区在线看| 国产亚洲av嫩草精品影院| .国产精品久久| 91在线精品国自产拍蜜月| 亚洲成av人片在线播放无| 天堂√8在线中文| 亚洲国产精品国产精品| 久久精品夜夜夜夜夜久久蜜豆| 欧美色欧美亚洲另类二区| 欧美一区二区精品小视频在线| 一区二区三区免费毛片| 国产白丝娇喘喷水9色精品| 俄罗斯特黄特色一大片| 在线国产一区二区在线| 有码 亚洲区| 国产精品一区二区免费欧美| 91麻豆精品激情在线观看国产| 精品99又大又爽又粗少妇毛片| 欧美+亚洲+日韩+国产| 99在线视频只有这里精品首页| 欧美最新免费一区二区三区| 久久韩国三级中文字幕| 国产黄片美女视频| 国产成人a∨麻豆精品| 日本熟妇午夜| 欧美激情在线99| 搞女人的毛片| 91在线精品国自产拍蜜月| 欧美日韩国产亚洲二区| 少妇裸体淫交视频免费看高清| 99热精品在线国产| 色哟哟·www| 啦啦啦观看免费观看视频高清| 国产精品久久久久久精品电影| 中出人妻视频一区二区| 99国产极品粉嫩在线观看| 在线免费十八禁| 国语自产精品视频在线第100页| 国产精品精品国产色婷婷| av专区在线播放| 亚洲精品色激情综合| 国产av一区在线观看免费| 亚洲欧美成人综合另类久久久 | 免费在线观看成人毛片| av中文乱码字幕在线| 中文字幕精品亚洲无线码一区| 免费在线观看影片大全网站| 能在线免费观看的黄片| 97碰自拍视频| 97超级碰碰碰精品色视频在线观看| 久久久久久九九精品二区国产| 老司机影院成人| 亚洲中文字幕一区二区三区有码在线看| 一本久久中文字幕| 不卡一级毛片| 久99久视频精品免费| av在线蜜桃| 久久午夜亚洲精品久久| 一进一出抽搐gif免费好疼| 国产亚洲精品久久久com| 在线a可以看的网站| 18禁在线无遮挡免费观看视频 | 乱系列少妇在线播放| 国产一级毛片七仙女欲春2| 久久久久国内视频| 午夜福利在线观看免费完整高清在 | 能在线免费观看的黄片| 日韩精品青青久久久久久| 狂野欧美白嫩少妇大欣赏| 欧美+亚洲+日韩+国产| 欧美xxxx性猛交bbbb| 91久久精品电影网| 非洲黑人性xxxx精品又粗又长| 老熟妇仑乱视频hdxx| 久99久视频精品免费| 午夜福利高清视频| aaaaa片日本免费| 亚洲av中文av极速乱| 成人性生交大片免费视频hd| 中文字幕av成人在线电影| 别揉我奶头~嗯~啊~动态视频| 91久久精品电影网| 99热全是精品| 一级a爱片免费观看的视频| 老司机午夜福利在线观看视频| 色在线成人网| 国产精品久久久久久久久免| 热99在线观看视频| 精品久久久久久久久久久久久| 亚洲av.av天堂| 乱码一卡2卡4卡精品| 久久久久久久久大av| 又爽又黄a免费视频| 色吧在线观看| 一级毛片aaaaaa免费看小| 男女边吃奶边做爰视频| 中文字幕av在线有码专区| 一级毛片电影观看 | 免费看av在线观看网站| av国产免费在线观看| 成人亚洲精品av一区二区| 日韩精品有码人妻一区| 直男gayav资源| 精品一区二区免费观看| 丝袜喷水一区| 国产国拍精品亚洲av在线观看| 日韩大尺度精品在线看网址| 亚洲国产欧美人成| 日韩在线高清观看一区二区三区| 一夜夜www| 老熟妇乱子伦视频在线观看| 亚洲精品国产av成人精品 | 少妇熟女欧美另类| 亚洲乱码一区二区免费版| 老司机午夜福利在线观看视频| 国产一区二区在线观看日韩| 欧美国产日韩亚洲一区| 精品乱码久久久久久99久播| 国产精品野战在线观看| 久久久精品欧美日韩精品| 亚洲国产日韩欧美精品在线观看| 一区二区三区四区激情视频 | 久久精品国产清高在天天线| 啦啦啦观看免费观看视频高清| 麻豆国产97在线/欧美| 欧美一级a爱片免费观看看| 亚洲18禁久久av| 国产探花在线观看一区二区| 国产一区二区三区在线臀色熟女| 成人高潮视频无遮挡免费网站| 狠狠狠狠99中文字幕| 波野结衣二区三区在线| 好男人在线观看高清免费视频| 中文字幕av成人在线电影| 99热这里只有是精品在线观看| 一级a爱片免费观看的视频| 欧洲精品卡2卡3卡4卡5卡区| 深夜精品福利| 麻豆一二三区av精品| 激情 狠狠 欧美| 国产伦在线观看视频一区| 日本a在线网址| 黄色日韩在线| 99久国产av精品国产电影| 日韩人妻高清精品专区| 成人鲁丝片一二三区免费| 亚洲精品在线观看二区| 中出人妻视频一区二区| 国产私拍福利视频在线观看| 国产激情偷乱视频一区二区| 校园人妻丝袜中文字幕| 网址你懂的国产日韩在线| 午夜老司机福利剧场| 永久网站在线| 97超级碰碰碰精品色视频在线观看| av国产免费在线观看| 又爽又黄a免费视频| 深夜精品福利| 午夜免费男女啪啪视频观看 | 日日摸夜夜添夜夜添av毛片| 一个人观看的视频www高清免费观看| 91av网一区二区| 国产中年淑女户外野战色| 少妇人妻一区二区三区视频| 国产久久久一区二区三区| 国产精品国产三级国产av玫瑰| 美女被艹到高潮喷水动态| 免费看美女性在线毛片视频| 欧美日韩国产亚洲二区| 成人无遮挡网站| 99久久久亚洲精品蜜臀av| 国产片特级美女逼逼视频| 中文亚洲av片在线观看爽| 欧美zozozo另类| 久久天躁狠狠躁夜夜2o2o| 国产91av在线免费观看| 久久人人精品亚洲av| av女优亚洲男人天堂| 午夜福利在线观看免费完整高清在 | 久久亚洲精品不卡| 欧美极品一区二区三区四区| 成人三级黄色视频| 欧美中文日本在线观看视频| 男人舔奶头视频| 一级黄片播放器| 亚洲美女黄片视频| 久久久久性生活片| 搡老岳熟女国产| 精品99又大又爽又粗少妇毛片| 久久精品久久久久久噜噜老黄 | 欧美精品国产亚洲| 乱码一卡2卡4卡精品| 丰满的人妻完整版| 日本在线视频免费播放| 欧美bdsm另类| 晚上一个人看的免费电影| 一区福利在线观看| 国产久久久一区二区三区| 亚洲欧美成人综合另类久久久 | 美女免费视频网站| 韩国av在线不卡| 日本五十路高清| 久久人人爽人人片av| 日韩精品青青久久久久久| 国产真实乱freesex| 亚洲人成网站在线播放欧美日韩| 超碰av人人做人人爽久久| 日韩在线高清观看一区二区三区| 久久久久久国产a免费观看| 美女被艹到高潮喷水动态| 国产一区二区激情短视频| 麻豆一二三区av精品| 久久久久久大精品| 亚洲人成网站在线观看播放| 九九热线精品视视频播放| 日韩一区二区视频免费看| 亚洲无线在线观看| 99精品在免费线老司机午夜| 五月玫瑰六月丁香| 免费人成在线观看视频色| 亚洲精品粉嫩美女一区| 国产欧美日韩精品一区二区| АⅤ资源中文在线天堂| 欧美一级a爱片免费观看看| 亚洲熟妇中文字幕五十中出| 欧美最黄视频在线播放免费| АⅤ资源中文在线天堂| 熟妇人妻久久中文字幕3abv| 亚洲精品国产av成人精品 | 别揉我奶头 嗯啊视频| 欧美精品国产亚洲| 美女被艹到高潮喷水动态| 久久久久久大精品| 岛国在线免费视频观看| 亚洲成av人片在线播放无| 久久久久久大精品| 特级一级黄色大片| 岛国在线免费视频观看| 看免费成人av毛片| 99九九线精品视频在线观看视频| 欧美潮喷喷水| 国产欧美日韩精品亚洲av| 色尼玛亚洲综合影院| 国产高清激情床上av| 99热这里只有精品一区| 国产成人91sexporn| 久久久a久久爽久久v久久| 亚洲18禁久久av| 国产欧美日韩精品一区二区| 亚洲最大成人av| 欧美激情国产日韩精品一区| 欧美激情在线99| 全区人妻精品视频| 美女 人体艺术 gogo| 人人妻,人人澡人人爽秒播| 国产视频内射| 3wmmmm亚洲av在线观看| 色尼玛亚洲综合影院| 免费不卡的大黄色大毛片视频在线观看 | a级毛色黄片| 91av网一区二区| 亚洲美女搞黄在线观看 | av在线老鸭窝| 麻豆国产97在线/欧美| 久久久久久久久中文| 观看美女的网站| 婷婷精品国产亚洲av| 一本一本综合久久| 日本免费一区二区三区高清不卡| 桃色一区二区三区在线观看| 欧美日韩精品成人综合77777| 尤物成人国产欧美一区二区三区| 日本精品一区二区三区蜜桃| 国产色爽女视频免费观看| av天堂中文字幕网| 狂野欧美激情性xxxx在线观看| 看免费成人av毛片| 免费观看的影片在线观看| 嫩草影视91久久| 又爽又黄无遮挡网站| 国内揄拍国产精品人妻在线| 午夜精品一区二区三区免费看| 我要看日韩黄色一级片| 国产成人freesex在线 | 啦啦啦观看免费观看视频高清| 国产亚洲91精品色在线| 波多野结衣巨乳人妻| 天美传媒精品一区二区| 婷婷精品国产亚洲av| 国产极品精品免费视频能看的| 亚洲精品久久国产高清桃花| 色哟哟哟哟哟哟| 亚洲人与动物交配视频| 中文字幕av成人在线电影| 人妻少妇偷人精品九色| 最好的美女福利视频网| 成人亚洲精品av一区二区| 丰满的人妻完整版| 亚洲天堂国产精品一区在线| 少妇的逼好多水| 国产精品爽爽va在线观看网站| 国产精品人妻久久久久久| 国产成人福利小说| 国产精品野战在线观看| 欧美性猛交╳xxx乱大交人| 特级一级黄色大片| 少妇裸体淫交视频免费看高清| 日本熟妇午夜| 免费看美女性在线毛片视频| 日韩国内少妇激情av| 国产成人a∨麻豆精品| 成人特级黄色片久久久久久久| 人妻少妇偷人精品九色| 色在线成人网| 国产av一区在线观看免费| АⅤ资源中文在线天堂| 特级一级黄色大片| 性色avwww在线观看| 国产三级中文精品| 99久国产av精品|