• <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
    大香蕉97超碰在线| 久久99蜜桃精品久久| 99re6热这里在线精品视频| 国产又色又爽无遮挡免| 久久精品国产亚洲av天美| 免费看av在线观看网站| 国产中年淑女户外野战色| 一本久久精品| 久久久国产一区二区| 国产一区二区三区av在线| 日日啪夜夜撸| 日本色播在线视频| 少妇被粗大猛烈的视频| 亚洲欧美日韩无卡精品| 伦精品一区二区三区| 十八禁网站网址无遮挡 | 欧美一级a爱片免费观看看| 夜夜爽夜夜爽视频| 欧美潮喷喷水| 亚洲欧美精品自产自拍| 国产男人的电影天堂91| 国产在视频线精品| 国产一区有黄有色的免费视频 | 日韩三级伦理在线观看| 好男人视频免费观看在线| 极品教师在线视频| 国产一区二区三区综合在线观看 | 在线播放无遮挡| 男的添女的下面高潮视频| 五月玫瑰六月丁香| 久久午夜福利片| 亚洲久久久久久中文字幕| 黄色配什么色好看| 久久精品久久久久久噜噜老黄| 亚洲av免费在线观看| 亚洲国产最新在线播放| 国产一区有黄有色的免费视频 | 偷拍熟女少妇极品色| 少妇人妻精品综合一区二区| 欧美激情国产日韩精品一区| 欧美bdsm另类| 一区二区三区乱码不卡18| 日本三级黄在线观看| 久久精品国产亚洲av涩爱| 人人妻人人澡欧美一区二区| 一级二级三级毛片免费看| 久久久久精品性色| 成人二区视频| 天堂中文最新版在线下载 | 国产欧美日韩精品一区二区| 99热这里只有是精品50| 超碰97精品在线观看| 国产综合懂色| 91精品一卡2卡3卡4卡| 国产白丝娇喘喷水9色精品| 边亲边吃奶的免费视频| 国产一区二区在线观看日韩| 国产亚洲91精品色在线| 欧美激情在线99| 久久久久精品性色| 亚洲久久久久久中文字幕| 99久久精品一区二区三区| 国产成人午夜福利电影在线观看| 成人高潮视频无遮挡免费网站| 97超碰精品成人国产| www.av在线官网国产| 亚洲精品aⅴ在线观看| 看非洲黑人一级黄片| 高清av免费在线| 女人十人毛片免费观看3o分钟| 性插视频无遮挡在线免费观看| 国产av国产精品国产| 久久久久九九精品影院| 五月天丁香电影| 极品教师在线视频| 久久久精品免费免费高清| 久久久久久久久久久免费av| 久久久亚洲精品成人影院| 亚洲欧美成人综合另类久久久| 国产一区亚洲一区在线观看| 久久精品久久精品一区二区三区| 午夜福利视频1000在线观看| 建设人人有责人人尽责人人享有的 | 成人二区视频| 夜夜爽夜夜爽视频| 黄色配什么色好看| 午夜精品一区二区三区免费看| 美女大奶头视频| 麻豆乱淫一区二区| 欧美精品国产亚洲| 久久久久久久亚洲中文字幕| 亚洲精品第二区| 97精品久久久久久久久久精品| 狂野欧美白嫩少妇大欣赏| 久久99热6这里只有精品| 日日啪夜夜爽| 麻豆成人av视频| 欧美xxⅹ黑人| 亚洲熟女精品中文字幕| 久久人人爽人人爽人人片va| 欧美激情在线99| 久久精品国产亚洲网站| 亚洲国产成人一精品久久久| 高清视频免费观看一区二区 | 亚洲高清免费不卡视频| 午夜免费观看性视频| 午夜福利在线在线| 日日干狠狠操夜夜爽| 晚上一个人看的免费电影| 亚洲色图av天堂| 免费av毛片视频| 午夜福利在线观看吧| 亚洲av成人精品一区久久| av.在线天堂| 九色成人免费人妻av| 人妻少妇偷人精品九色| 久久久久国产网址| 色综合亚洲欧美另类图片| 好男人视频免费观看在线| 亚洲在线自拍视频| 免费看a级黄色片| 啦啦啦中文免费视频观看日本| 少妇熟女欧美另类| 国产精品一区二区在线观看99 | 最近2019中文字幕mv第一页| 亚洲在久久综合| 亚洲怡红院男人天堂| 亚洲欧美清纯卡通| 国产亚洲精品av在线| 日本与韩国留学比较| 丝袜美腿在线中文| 日韩一区二区视频免费看| 国产黄频视频在线观看| videossex国产| 夜夜爽夜夜爽视频| av国产免费在线观看| 69av精品久久久久久| 在线观看人妻少妇| 亚洲精品日韩在线中文字幕| 亚洲精品久久午夜乱码| 国产一区有黄有色的免费视频 | 一本久久精品| 久久久久久久久久成人| 亚洲自偷自拍三级| 麻豆精品久久久久久蜜桃| 日韩国内少妇激情av| 婷婷色综合大香蕉| 在线免费十八禁| 尾随美女入室| 在线免费观看的www视频| 麻豆成人午夜福利视频| 国产午夜精品论理片| 精华霜和精华液先用哪个| 女人十人毛片免费观看3o分钟| 色尼玛亚洲综合影院| 国产免费福利视频在线观看| 亚洲av电影在线观看一区二区三区 | 午夜福利成人在线免费观看| 亚洲欧美一区二区三区黑人 | 老女人水多毛片| 日韩一区二区视频免费看| a级一级毛片免费在线观看| 国产毛片a区久久久久| 在线天堂最新版资源| av播播在线观看一区| 亚洲av福利一区| 精品久久久久久久末码| 亚洲精品第二区| 日韩一区二区视频免费看| av在线蜜桃| 亚洲国产欧美在线一区| 亚洲精品国产av成人精品| 色尼玛亚洲综合影院| 白带黄色成豆腐渣| 只有这里有精品99| 男女国产视频网站| 成人性生交大片免费视频hd| 青春草亚洲视频在线观看| 最近2019中文字幕mv第一页| 欧美最新免费一区二区三区| 少妇的逼好多水| 成人av在线播放网站| videossex国产| 免费高清在线观看视频在线观看| 九九在线视频观看精品| 国产极品天堂在线| 精品午夜福利在线看| 91久久精品国产一区二区成人| 久久精品国产自在天天线| av在线蜜桃| 嘟嘟电影网在线观看| 直男gayav资源| 国产精品99久久久久久久久| 免费观看av网站的网址| 欧美3d第一页| 日本黄色片子视频| 亚洲在线观看片| 国产精品人妻久久久久久| 永久免费av网站大全| 亚洲一级一片aⅴ在线观看| 美女xxoo啪啪120秒动态图| 免费观看无遮挡的男女| 亚洲在线观看片| 白带黄色成豆腐渣| freevideosex欧美| 国产亚洲最大av| 久久久久精品性色| 精品人妻一区二区三区麻豆| 久久久精品免费免费高清| 国产一级毛片七仙女欲春2| 亚洲怡红院男人天堂| 国产成人a∨麻豆精品| 中文字幕免费在线视频6| 国产成人精品福利久久| 日本午夜av视频| 一夜夜www| 午夜福利成人在线免费观看| 国产成人一区二区在线| av在线观看视频网站免费| av在线天堂中文字幕| 亚洲欧美中文字幕日韩二区| 天堂网av新在线| 全区人妻精品视频| 超碰av人人做人人爽久久| 亚洲人成网站高清观看| 少妇丰满av| 最近2019中文字幕mv第一页| 肉色欧美久久久久久久蜜桃 | 午夜亚洲福利在线播放| 国产探花在线观看一区二区| 亚洲成人精品中文字幕电影| 一级毛片我不卡| 91狼人影院| 日韩三级伦理在线观看| 亚洲不卡免费看| 汤姆久久久久久久影院中文字幕 | 伦精品一区二区三区| 久久久久久久久久黄片| 女的被弄到高潮叫床怎么办| 国产黄频视频在线观看| 三级毛片av免费| 精品国产一区二区三区久久久樱花 | 97超碰精品成人国产| 色吧在线观看| 欧美成人午夜免费资源| 美女大奶头视频| 老司机影院成人| 黄色配什么色好看| 日本免费a在线| 十八禁国产超污无遮挡网站| 日韩不卡一区二区三区视频在线| 久久久久精品性色| 寂寞人妻少妇视频99o| 亚洲欧美日韩卡通动漫| 国产伦在线观看视频一区| 草草在线视频免费看| 成人性生交大片免费视频hd| 国产成人精品久久久久久| 日日摸夜夜添夜夜爱| kizo精华| 天堂√8在线中文| 欧美高清性xxxxhd video| 亚洲精品日韩在线中文字幕| 水蜜桃什么品种好| 欧美日韩一区二区视频在线观看视频在线 | 亚洲av.av天堂| 亚洲精品456在线播放app| 纵有疾风起免费观看全集完整版 | 亚洲欧美成人精品一区二区| 国产一区二区亚洲精品在线观看| 久久精品国产鲁丝片午夜精品| 亚洲精品乱码久久久久久按摩| 欧美成人a在线观看| 国产亚洲精品av在线| 最近最新中文字幕免费大全7| 秋霞在线观看毛片| 天天躁夜夜躁狠狠久久av| 美女cb高潮喷水在线观看| 伦理电影大哥的女人| 最近视频中文字幕2019在线8| 尤物成人国产欧美一区二区三区| 亚洲精品日韩av片在线观看| 狂野欧美白嫩少妇大欣赏| 国产高清不卡午夜福利| 六月丁香七月| 国产成人精品福利久久| 一区二区三区四区激情视频| 内射极品少妇av片p| a级毛片免费高清观看在线播放| 日日啪夜夜爽| 国产不卡一卡二| 三级国产精品片| 成人毛片a级毛片在线播放| 18禁在线无遮挡免费观看视频| 在线播放无遮挡| 一边亲一边摸免费视频| 亚洲在线自拍视频| 日韩三级伦理在线观看| 久久精品国产鲁丝片午夜精品| 日本与韩国留学比较| 国产成人aa在线观看| 亚洲经典国产精华液单| 国产综合精华液| 欧美成人午夜免费资源| 91aial.com中文字幕在线观看| 亚洲国产最新在线播放| 在线播放无遮挡| 色吧在线观看| av在线老鸭窝| 黑人高潮一二区| 日日啪夜夜爽| 日日撸夜夜添| 午夜久久久久精精品| av国产免费在线观看| 少妇人妻精品综合一区二区| 91午夜精品亚洲一区二区三区| 最近手机中文字幕大全| 天天一区二区日本电影三级| 精品午夜福利在线看| 日日啪夜夜爽| 国内揄拍国产精品人妻在线| 99久国产av精品| 中文欧美无线码| 人妻系列 视频| 久久久久久九九精品二区国产| av国产久精品久网站免费入址| 99re6热这里在线精品视频| 激情 狠狠 欧美| 波多野结衣巨乳人妻| 日韩欧美三级三区| 亚洲精品456在线播放app| av天堂中文字幕网| 一边亲一边摸免费视频| 日韩人妻高清精品专区| 26uuu在线亚洲综合色| 日韩欧美精品免费久久| 国产成人精品一,二区| 中文字幕av成人在线电影| 成人特级av手机在线观看| 亚洲国产成人一精品久久久| 欧美精品一区二区大全| 能在线免费看毛片的网站| 午夜免费男女啪啪视频观看| 热99在线观看视频| 最近2019中文字幕mv第一页| 黄色一级大片看看| 久久久久久国产a免费观看| 欧美xxxx性猛交bbbb| 岛国毛片在线播放| 国产成人精品婷婷| 欧美 日韩 精品 国产| 寂寞人妻少妇视频99o| 久久99热这里只频精品6学生| 国产在线男女| 激情五月婷婷亚洲| 亚洲精品一二三| 男女国产视频网站| 国产午夜精品论理片| av一本久久久久| 久久久久久久久中文| 九色成人免费人妻av| 男女那种视频在线观看| av免费在线看不卡| 欧美一级a爱片免费观看看| 国产成年人精品一区二区| 尤物成人国产欧美一区二区三区| www.色视频.com| 欧美成人午夜免费资源| 日日撸夜夜添| 免费少妇av软件| 一级片'在线观看视频| 国产探花在线观看一区二区| 国产av不卡久久| 99热这里只有是精品50| 亚洲精品乱久久久久久| 精品国内亚洲2022精品成人| 国产国拍精品亚洲av在线观看| 午夜久久久久精精品| 日本wwww免费看| 99久久人妻综合| 日本wwww免费看| 极品少妇高潮喷水抽搐| 国产男人的电影天堂91| 午夜视频国产福利| 18禁在线播放成人免费| 特级一级黄色大片| 日本爱情动作片www.在线观看| 国产亚洲精品av在线| 精品一区在线观看国产| av在线亚洲专区| 日韩成人av中文字幕在线观看| kizo精华| 久久精品久久精品一区二区三区| www.av在线官网国产| 男女视频在线观看网站免费| 欧美日韩综合久久久久久| 午夜免费激情av| 插逼视频在线观看| 日韩亚洲欧美综合| 日韩av不卡免费在线播放| 麻豆乱淫一区二区| 黄片wwwwww| av线在线观看网站| 97超视频在线观看视频| 啦啦啦韩国在线观看视频| 国产成人精品婷婷| 亚洲精品一二三| 一个人免费在线观看电影| 欧美激情久久久久久爽电影| 卡戴珊不雅视频在线播放| 久久久久久久久久人人人人人人| 97热精品久久久久久| 精品熟女少妇av免费看| 熟女人妻精品中文字幕| 亚洲成人精品中文字幕电影| 欧美丝袜亚洲另类| av播播在线观看一区| 极品教师在线视频| 日日撸夜夜添| 秋霞伦理黄片| 日本免费a在线| 十八禁网站网址无遮挡 | 欧美人与善性xxx| 一区二区三区四区激情视频| 人体艺术视频欧美日本| 麻豆成人午夜福利视频| 日韩av在线免费看完整版不卡| 狂野欧美白嫩少妇大欣赏| 日韩av在线免费看完整版不卡| 国产中年淑女户外野战色| 黄片无遮挡物在线观看| 亚洲图色成人| 又粗又硬又长又爽又黄的视频| 联通29元200g的流量卡| 亚洲av电影在线观看一区二区三区 | 亚洲,欧美,日韩| 69av精品久久久久久| 99视频精品全部免费 在线| 亚洲精品日本国产第一区| 日韩一本色道免费dvd| 欧美3d第一页| 男女下面进入的视频免费午夜| 免费黄网站久久成人精品| 国产 亚洲一区二区三区 | 亚洲av在线观看美女高潮| 在线免费观看的www视频| 日韩一区二区视频免费看| 欧美一区二区亚洲| 老司机影院毛片| 成年人午夜在线观看视频 | 欧美成人一区二区免费高清观看| 插逼视频在线观看| 最近的中文字幕免费完整| 国产 一区精品| 日日啪夜夜爽| 久久精品综合一区二区三区| 国产成人一区二区在线| 国产精品久久视频播放| 男的添女的下面高潮视频| 美女高潮的动态| 日本wwww免费看| 日韩视频在线欧美| 听说在线观看完整版免费高清| 熟妇人妻久久中文字幕3abv| 国产精品久久久久久av不卡| 成年女人看的毛片在线观看| 非洲黑人性xxxx精品又粗又长| 亚洲自拍偷在线| 晚上一个人看的免费电影| 日日撸夜夜添| 人人妻人人看人人澡| 欧美日韩视频高清一区二区三区二| 好男人在线观看高清免费视频| 成年版毛片免费区| 精品一区二区三区视频在线| 少妇人妻一区二区三区视频| 亚洲人成网站在线播| 黑人高潮一二区| kizo精华| 亚洲婷婷狠狠爱综合网| 精品人妻偷拍中文字幕| 午夜精品国产一区二区电影 | 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 | 赤兔流量卡办理| 国产黄片视频在线免费观看| 亚洲第一区二区三区不卡| 少妇人妻精品综合一区二区| 精品国产三级普通话版| 一级毛片aaaaaa免费看小| 国产一区二区三区av在线| 精品人妻一区二区三区麻豆| 91久久精品国产一区二区三区| 欧美人与善性xxx| 一级毛片我不卡| 男女边摸边吃奶| 精品99又大又爽又粗少妇毛片| 99久久中文字幕三级久久日本| 青春草视频在线免费观看| 欧美日韩视频高清一区二区三区二| 亚洲欧美日韩东京热| 97热精品久久久久久| 男女啪啪激烈高潮av片| 免费黄网站久久成人精品| 久久人人爽人人爽人人片va| 日韩国内少妇激情av| 视频中文字幕在线观看| 免费看光身美女| 一区二区三区四区激情视频| 日韩国内少妇激情av| 色综合站精品国产| 国产亚洲av片在线观看秒播厂 | 欧美zozozo另类| 欧美人与善性xxx| 少妇裸体淫交视频免费看高清| 久久久精品免费免费高清| 九色成人免费人妻av| 真实男女啪啪啪动态图| 99久久中文字幕三级久久日本| 亚洲久久久久久中文字幕| 26uuu在线亚洲综合色| 午夜精品国产一区二区电影 | av福利片在线观看| 中国国产av一级| 久久久久久久久久成人| 天美传媒精品一区二区| 特级一级黄色大片| 18禁在线播放成人免费| 人人妻人人看人人澡| 久久97久久精品| 两个人的视频大全免费| 国产单亲对白刺激| xxx大片免费视频| 伊人久久精品亚洲午夜| 久久久色成人| 日本色播在线视频| 联通29元200g的流量卡| 一二三四中文在线观看免费高清| 欧美xxⅹ黑人| 国产精品蜜桃在线观看| 亚洲熟妇中文字幕五十中出| 国产亚洲精品av在线| 天天躁日日操中文字幕| 亚洲精品自拍成人| av黄色大香蕉| 欧美性感艳星| 亚洲欧美一区二区三区黑人 | 亚洲av免费在线观看| 熟妇人妻久久中文字幕3abv| 最近手机中文字幕大全| 国产一区二区三区av在线| 亚洲在线观看片| 两个人视频免费观看高清| 亚洲电影在线观看av| 青春草国产在线视频| 免费电影在线观看免费观看| 人人妻人人看人人澡| 国产精品久久久久久av不卡| 亚洲精品日韩在线中文字幕| 乱码一卡2卡4卡精品| 久久综合国产亚洲精品| 寂寞人妻少妇视频99o| 中文字幕亚洲精品专区| 一级毛片电影观看| 国产熟女欧美一区二区| 一级av片app| 日韩av免费高清视频| 精品酒店卫生间| 午夜激情欧美在线| 日韩大片免费观看网站| 亚洲在久久综合| 亚洲欧美中文字幕日韩二区| 国产伦精品一区二区三区视频9| 日韩欧美一区视频在线观看 | 一级毛片黄色毛片免费观看视频| 麻豆精品久久久久久蜜桃| 亚洲av免费在线观看| 看免费成人av毛片| 久久精品夜色国产| 美女黄网站色视频| 国产伦一二天堂av在线观看| 高清欧美精品videossex| 精品久久久久久久久亚洲| 久久这里有精品视频免费| 97热精品久久久久久| 深夜a级毛片| 秋霞伦理黄片| 精品久久久精品久久久| 亚洲欧美日韩无卡精品| 午夜精品一区二区三区免费看| 国产黄片视频在线免费观看| 在线观看av片永久免费下载| 日韩欧美国产在线观看| 搡老乐熟女国产| 永久网站在线| 午夜福利成人在线免费观看| 色哟哟·www| 国产老妇女一区| 免费看日本二区| 久久人人爽人人爽人人片va| 黄色日韩在线| 成人鲁丝片一二三区免费| 有码 亚洲区| 精品国产露脸久久av麻豆 | 成人毛片60女人毛片免费| 国产久久久一区二区三区| 男女国产视频网站| 永久网站在线| 国产久久久一区二区三区| 久久久精品欧美日韩精品| 国产有黄有色有爽视频| 18禁动态无遮挡网站| 久久久精品欧美日韩精品| 日本免费在线观看一区| 中文字幕制服av| 我要看日韩黄色一级片|