• <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KL散度與通道選擇的熱紅外目標(biāo)跟蹤算法

    2023-02-04 03:11:12段艷艷馬小虎
    紅外技術(shù) 2023年1期
    關(guān)鍵詞:跟蹤目標(biāo)跟蹤器散度

    吳 捷,段艷艷,馬小虎

    基于KL散度與通道選擇的熱紅外目標(biāo)跟蹤算法

    吳 捷1,段艷艷1,馬小虎2

    (1. 泰州職業(yè)技術(shù)學(xué)院 信息技術(shù)學(xué)院,江蘇 泰州 225300;2. 蘇州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇 蘇州 215006)

    為了解決單一跟蹤器無(wú)法有效應(yīng)對(duì)復(fù)雜背景及目標(biāo)外觀的顯著變化,對(duì)于熱紅外目標(biāo)跟蹤準(zhǔn)確度不高的問(wèn)題,基于全卷積孿生網(wǎng)絡(luò)提出了一種多響應(yīng)圖集成的跟蹤算法用于熱紅外跟蹤。首先,使用預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)來(lái)提取熱紅外目標(biāo)的多個(gè)卷積層的特征并進(jìn)行通道選擇,在此基礎(chǔ)上分別構(gòu)建3個(gè)對(duì)應(yīng)的跟蹤器,每個(gè)跟蹤器獨(dú)立執(zhí)行跟蹤并返回一個(gè)響應(yīng)圖。然后,利用Kullback–Leibler(KL)散度對(duì)多個(gè)響應(yīng)圖進(jìn)行優(yōu)化集成,得到一個(gè)更強(qiáng)的響應(yīng)圖。最后利用集成后的響應(yīng)圖來(lái)確定目標(biāo)位置。為了評(píng)估所提算法的性能,在當(dāng)前最全面的熱紅外跟蹤基準(zhǔn)LSOTB-TIR(Large-Scale Thermal Infrared Object Tracking Benchmark)上進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,所提算法能夠適應(yīng)復(fù)雜多樣的紅外跟蹤場(chǎng)景,綜合性能超過(guò)了現(xiàn)有的紅外跟蹤算法。

    熱紅外;全卷積孿生網(wǎng)絡(luò);多響應(yīng)圖;通道選擇;KL散度

    0 引言

    近年來(lái),借助于深度學(xué)習(xí)等理論,視覺(jué)目標(biāo)跟蹤技術(shù)取得了重大突破。但現(xiàn)有跟蹤算法大多是針對(duì)可見(jiàn)光場(chǎng)景,對(duì)于熱紅外目標(biāo)跟蹤的研究文獻(xiàn)較少,只有LIU等人[1-4]進(jìn)行了較為深入的研究。

    與可見(jiàn)光目標(biāo)跟蹤相比,熱紅外跟蹤具有不受照明變化影響的優(yōu)點(diǎn),可以在完全黑暗的情況下跟蹤目標(biāo)。因此,熱紅外跟蹤在災(zāi)難救援、視頻監(jiān)控和夜間巡邏等領(lǐng)域具有廣闊的應(yīng)用前景[5]。隨著熱紅外成像設(shè)備在民用領(lǐng)域的普及化使用,熱紅外目標(biāo)跟蹤正逐步成為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)。

    和可見(jiàn)光跟蹤相似,熱紅外跟蹤也面臨著不少挑戰(zhàn)。首先,熱紅外圖像缺少顏色信息,較難獲得目標(biāo)對(duì)象的判別特征,從而降低了跟蹤性能[6]。比如兩個(gè)不同顏色的相似物體在熱紅外圖像中幾乎是相同的。除此之外,熱紅外跟蹤還面臨如遮擋、外觀變化和運(yùn)動(dòng)模糊等挑戰(zhàn)。

    近年來(lái),深度學(xué)習(xí)已成功應(yīng)用到視覺(jué)跟蹤中,取得了一系列重要成果。與基于手工特征的跟蹤器相比,基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)的跟蹤器可以獲得更優(yōu)越的跟蹤性能。因?yàn)閱蝹€(gè)卷積層特征對(duì)跟蹤中的各種挑戰(zhàn)(例如形變和背景雜斑)魯棒性不強(qiáng),現(xiàn)有基于深度學(xué)習(xí)的跟蹤算法大多是融合淺層和深層特征進(jìn)行跟蹤,比如HCF(Hierarchical Convolutional Features)[7]基于KCF(Kernel Correlation Filter)框架,使用預(yù)訓(xùn)練的VGG-19(Visual Geometry Group-19)網(wǎng)絡(luò)提取目標(biāo)的Conv3-4(Convolution 3-4)、Conv4-4、Conv5-4層特征進(jìn)行融合,而TADT(Target-Aware Deep Tracking)[8]基于全卷積孿生網(wǎng)絡(luò)(Fully-Convolutional Siamese Network,SiamFC)[9]框架使用預(yù)訓(xùn)練的VGG-16網(wǎng)絡(luò)提取Conv4-1、Conv4-3層特征并進(jìn)行融合等等。上述算法均屬于特征層融合,并沒(méi)有實(shí)現(xiàn)決策層融合,而且使用單一跟蹤器無(wú)法有效應(yīng)對(duì)復(fù)雜背景及目標(biāo)外觀變化等挑戰(zhàn)因素。

    考慮到卷積神經(jīng)網(wǎng)絡(luò)的強(qiáng)大表征能力及其在視覺(jué)跟蹤中的成功應(yīng)用,本文將在可見(jiàn)光圖像數(shù)據(jù)集上預(yù)訓(xùn)練的CNN用于熱紅外跟蹤任務(wù),并基于此設(shè)計(jì)了一個(gè)多響應(yīng)圖集成的熱紅外目標(biāo)跟蹤方法。

    1 全卷積孿生網(wǎng)絡(luò)框架

    全卷積孿生網(wǎng)絡(luò)是ECCV 2016(European Conference on Computer Vision 2016)會(huì)議[9]上提出的一種全新的目標(biāo)跟蹤框架,其通過(guò)比較初始目標(biāo)模板和當(dāng)前幀中搜索區(qū)域的特征來(lái)進(jìn)行跟蹤。其實(shí)現(xiàn)流程可以由下式定義:

    (,)=()*()+(1)

    式中:()為第一幀中模板圖像對(duì)應(yīng)的特征圖;()為后續(xù)幀中待搜索區(qū)域的特征圖;*為卷積運(yùn)算符,為偏置項(xiàng)。圖1給出了SiamFC網(wǎng)絡(luò)結(jié)構(gòu)圖。

    本文算法選擇全卷積孿生網(wǎng)絡(luò)作為目標(biāo)跟蹤的基本框架,主要原因在于:①全卷積孿生網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單,可以在較大的搜索圖像中定位目標(biāo)模版,并且跟蹤速度快。②在跟蹤過(guò)程中目標(biāo)模板不更新,可以有效應(yīng)對(duì)目標(biāo)遮擋等挑戰(zhàn)。

    圖1 SiamFC網(wǎng)絡(luò)結(jié)構(gòu)

    2 本文算法

    2.1 預(yù)訓(xùn)練網(wǎng)絡(luò)

    雖然Siamese框架是在大型視頻數(shù)據(jù)集 ILSVRC15(Large Scale Visual Recognition Challenge 2015)上預(yù)先訓(xùn)練的,但是Siamese跟蹤器沒(méi)有充分利用與特定目標(biāo)對(duì)象相關(guān)的語(yǔ)義信息。因此在本文算法中,我們借鑒了TADT的做法,從一個(gè)預(yù)先訓(xùn)練好的CNN中選擇對(duì)于目標(biāo)最具判別性以及對(duì)于目標(biāo)尺度變化最為敏感的卷積濾波器(特征通道)來(lái)生成目標(biāo)深度特征。在本文中,我們選擇使用VGG-16卷積網(wǎng)絡(luò)來(lái)提取對(duì)于熱紅外目標(biāo)敏感的特征。在2.2節(jié)中將給出特征通道的選擇方法。

    2.2 通道選擇

    諸如VGG、ResNet(Residual Network)等卷積網(wǎng)絡(luò)中的參數(shù)是在龐大的數(shù)據(jù)集中預(yù)訓(xùn)練獲得的,相對(duì)于當(dāng)前要跟蹤的對(duì)象存在許多冗余的特征通道信息。冗余的特征通道會(huì)占用大量的計(jì)算資源,這也是許多基于深度學(xué)習(xí)的跟蹤算法執(zhí)行速度較慢的原因。除此之外,冗余的特征通道還會(huì)對(duì)跟蹤造成干擾,影響跟蹤精度。本文在特征提取過(guò)程中進(jìn)行通道選擇,減少冗余特征通道對(duì)當(dāng)前跟蹤目標(biāo)的不利影響。

    本文的通道選擇是基于文獻(xiàn)[10]提出的GCAM(Grad-Class Activation Mapping)模型來(lái)實(shí)現(xiàn)的。GCAM模型根據(jù)每個(gè)輸入像素點(diǎn)的梯度來(lái)表示其屬于給定類別標(biāo)記的重要性,通過(guò)沿特征通道計(jì)算加權(quán)和,生成一個(gè)類活動(dòng)映射。特征通道的權(quán)值是通過(guò)對(duì)該通道中所有梯度的全局平均池化(Global Average Pooling,GAP)來(lái)計(jì)算的,權(quán)值高的特征通道對(duì)當(dāng)前類的貢獻(xiàn)大。公式如下:

    式中:表示計(jì)算出的第個(gè)通道的重要性;AP是全局平均池化函數(shù);是損失函數(shù);z指的是第個(gè)過(guò)濾器的輸出特征。

    借鑒該理論,本文算法在提取深度特征后計(jì)算每個(gè)特征通道的梯度值,從中選擇最能標(biāo)記目標(biāo)特征也就是重要性較高的特征通道進(jìn)行后續(xù)運(yùn)算。

    2.3 多跟蹤器設(shè)計(jì)

    雖然當(dāng)前主流跟蹤算法都使用了深度特征,但使用單個(gè)跟蹤器在某些場(chǎng)景下仍然很難獲得優(yōu)秀的跟蹤性能?;诖?,本文提出利用多個(gè)互補(bǔ)的卷積層特征構(gòu)建一個(gè)集成式熱紅外目標(biāo)跟蹤方法。本文利用VGG-16卷積網(wǎng)絡(luò)分別提取待跟蹤目標(biāo)的Conv4-1、Conv4-2、Conv4-3和Conv5-1層特征,并形成如下3種特征組合:{Conv4-2、Conv4-1}、{Conv4-3、Conv4-1}、{Conv5-1、Conv4-1}。利用上述3種特征組合分別設(shè)計(jì)跟蹤器1、跟蹤器2、跟蹤器3,在3種特征組合中均包含Conv4-1層,這是因?yàn)槲墨I(xiàn)[8]的實(shí)驗(yàn)表明Conv4-1層特征最適合用來(lái)進(jìn)行目標(biāo)的尺度估計(jì)。每個(gè)跟蹤器的計(jì)算過(guò)程都是相似的,下面以跟蹤器1為例給出具體跟蹤過(guò)程:

    1)提取待跟蹤目標(biāo)的Conv4-1和Conv4-2層特征(每層共包含512個(gè)特征通道);

    2)利用2.2節(jié)中提到的方法計(jì)算所有特征通道的梯度信息,選擇對(duì)于目標(biāo)活動(dòng)和尺度變化較為敏感的特征通道參與后序的互相關(guān)操作。經(jīng)過(guò)通道選擇后,降低了卷積層的維度,提高了卷積層的有效性。本文按照重要性高低對(duì)所有特征通道進(jìn)行排序并選擇了Conv4-2層的前300個(gè)通道和Conv4-1層的前80個(gè)通道進(jìn)行融合參與后續(xù)運(yùn)算。

    3)通過(guò)互相關(guān)操作獲取目標(biāo)響應(yīng)圖。

    2.4 基于KL散度的集成模型

    利用2.3節(jié)的方法可以獲得多個(gè)響應(yīng)圖,在本節(jié)將給出利用KL散度將多個(gè)響應(yīng)圖進(jìn)行集成的過(guò)程。

    我們可以用P表示第個(gè)跟蹤器產(chǎn)生的目標(biāo)位置響應(yīng)圖,?R×表示集成后的響應(yīng)圖。然后采用KL散度度量他們之間的廣義距離,該距離越小則認(rèn)為他們之間的分布差異越小,也就意味著集成后的概率圖更能反映每一個(gè)概率圖P中一致的部分,即目標(biāo)出現(xiàn)概率最大的區(qū)域。通過(guò)最小化該KL散度,可以達(dá)到優(yōu)化概率圖的目的,具體過(guò)程如下式:

    其中:

    由于在跟蹤場(chǎng)景中可能存在背景雜斑等干擾,因此在響應(yīng)圖中會(huì)存在“多峰”現(xiàn)象,即存在多個(gè)目標(biāo)位置響應(yīng)。文獻(xiàn)[1]提供了一個(gè)行之有效的去噪策略,本文借鑒該策略將2.3節(jié)中得到的響應(yīng)圖進(jìn)行過(guò)濾,下式給出過(guò)濾過(guò)程:

    P,z=PP(5)

    式中:={1,2,…,-1},={+1,+2,…,}。

    在式(5)中代表跟蹤器的數(shù)量;⊙表示點(diǎn)乘操作。按照式(5)進(jìn)行去噪處理可以使過(guò)濾后的概率圖具有更高的置信度,提高跟蹤的精確度。個(gè)響應(yīng)圖進(jìn)行兩兩去噪處理后可以得到((-1))/2個(gè)噪音更少、置信度更高的概率圖={1,2,1,3,…,2,3,…P-1,n}。因此公式(3)可以被重寫成如下形式:

    根據(jù)拉格朗日乘數(shù)法,令:

    對(duì)所有的p、q求偏導(dǎo)并令¢()和¢()等于0,最終可求得:

    通過(guò)取式(8)中響應(yīng)圖中的最大值可以得到目標(biāo)的位置(,):

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 實(shí)驗(yàn)環(huán)境

    我們?cè)赪in10系統(tǒng)中使用Matlab2016b編程語(yǔ)言實(shí)現(xiàn)了所提出的目標(biāo)跟蹤算法。為了驗(yàn)證本文所提算法的有效性,在配備I7-10700 2.9GHz CPU和GTX-1080 GPU的PC上進(jìn)行了實(shí)驗(yàn),對(duì)比算法有HCF[7]、SiamFC[9]、TADT[8]、MDNet(Multi-Domain Convolutional Neural Networks)[11]、ATOM(Accurate Tracking by Overlap Maximization)[12]、MCFTS(Multi-Layer Convolutional Features for Thermal Infrared Tracking)[1]、HSSNet(Hierarchical Spatial-Aware Siamese Network)[2]、MLSSNet(Multi-Level Similarity Network)[3]、MMNet(Multi-Task Matching Network)[4]。其中MCFTS、MLSSNet、HSSNet和MMNet是專用紅外目標(biāo)跟蹤算法,其他5種算法均為近年來(lái)優(yōu)秀的可見(jiàn)光跟蹤算法。

    3.2 評(píng)估數(shù)據(jù)集

    因?yàn)槟壳肮_(kāi)的紅外視頻數(shù)據(jù)集非常少,所以很多學(xué)者使用VOT-TIR16(The Thermal Infrared Visual Object Tracking 2016)[13]和PTB-TIR(Thermal Infrared Pedestrian Tracking Benchmark)[14]作為熱紅外跟蹤評(píng)估數(shù)據(jù)集。VOT-TIR16數(shù)據(jù)集中視頻序列過(guò)少,只包含25個(gè)紅外視頻序列,部分跟蹤算法可以通過(guò)調(diào)參的方式去適應(yīng)。PTB-TIR數(shù)據(jù)集中雖然包含60個(gè)紅外視頻序列,但跟蹤目標(biāo)均為行人,類別較為單一,無(wú)法評(píng)估跟蹤算法對(duì)通用目標(biāo)的跟蹤效果。

    2020年8月發(fā)布的LSOTB-TIR[15]有效解決了上述問(wèn)題。LSOTB-TIR是迄今為止規(guī)模最大,多樣性最強(qiáng)的熱紅外目標(biāo)跟蹤數(shù)據(jù)集。包含120個(gè)跟蹤序列,涵蓋22個(gè)目標(biāo)類別,超過(guò)8.2萬(wàn)幀圖像。LSOTB-TIR中定義了4種場(chǎng)景屬性,這4種場(chǎng)景中的紅外視頻分別由車載、手持、無(wú)人機(jī)載和監(jiān)控設(shè)備拍攝,保證了視頻來(lái)源的多樣性。著名的可見(jiàn)光數(shù)據(jù)集OTB-100(Object Tracking Benchmark)定義了11種挑戰(zhàn)屬性,LSOTB-TIR則定義了紅外目標(biāo)跟蹤中的12種挑戰(zhàn)屬性。在這12種挑戰(zhàn)屬性中,有8種屬性和OTB-100中的類似,分別為遮擋、出視野、背景雜斑、形變、尺度變化、低分辨率、快速運(yùn)動(dòng)和運(yùn)動(dòng)模糊,這里不再贅述。剩余的4種為熱紅外跟蹤中特有的挑戰(zhàn)屬性,具體定義在表1中列出。

    因?yàn)長(zhǎng)SOTB-TIR的全面性和多樣性,所以本文選擇使用LSOTB-TIR作為評(píng)估數(shù)據(jù)集。需要說(shuō)明的是,本文并沒(méi)有選擇全部視頻序列進(jìn)行測(cè)試,而是從上述4種應(yīng)用場(chǎng)景數(shù)據(jù)集中隨機(jī)選擇了40個(gè)典型紅外短視頻序列進(jìn)行測(cè)試,這是因?yàn)長(zhǎng)SOTB-TIR沒(méi)有跟蹤失敗重啟機(jī)制,在長(zhǎng)視頻序列中如果在某一幀丟失目標(biāo)并且在后續(xù)幀無(wú)法找回將極大影響跟蹤成功率,采用短視頻序列測(cè)試更加公平。本文所提算法在40個(gè)視頻序列上的平均跟蹤速度約為11.2FPS。

    表1 LSOTB-TIR定義的的4種熱紅外挑戰(zhàn)屬性

    3.3 與經(jīng)典跟蹤算法的性能對(duì)比

    3.3.1 定量分析

    圖2為本文算法與MDNet等9種對(duì)比算法在LSOTB-TIR上生成的總精確度圖和成功率圖,本文提出的算法在這兩項(xiàng)重要指標(biāo)上均排名第一。與參照算法TADT相比,跟蹤精確度和成功率分別提高了3.6%和4.2%,大幅超過(guò)了MMNet等紅外目標(biāo)跟蹤算法,證明了本文采用的響應(yīng)圖集成策略取得較好的效果。圖3給出了10種算法在變形、背景雜斑、運(yùn)動(dòng)模糊、相似物干擾等4種復(fù)雜場(chǎng)景下的精確度曲線圖,本文所提算法均體現(xiàn)了較強(qiáng)的魯棒性。相比優(yōu)秀的可見(jiàn)光跟蹤器ATOM,本文算法的跟蹤精確度率分別提高了13.2%、10.5%、13.9%和27.8%,說(shuō)明本文所提算法更適合于紅外目標(biāo)跟蹤。

    圖2 10種算法在LSOTB-TIR的距離精度曲線圖和成功率曲線

    3.3.2 定性分析

    為了更直觀地評(píng)估本文所提算法的跟蹤性能,圖4給出了本文算法與另外3種在LSOTB-TIR數(shù)據(jù)集上表現(xiàn)優(yōu)異的算法(TADT、ATOM和MDNet)在car_S_003、cow_H_001、person_S_015、street_S_001等4個(gè)視頻序列的可視化跟蹤結(jié)果。這4個(gè)視頻序列非常具有代表性,包括汽車、動(dòng)物、行人和環(huán)境復(fù)雜的街道,幾乎涵蓋了重要種類的地面紅外目標(biāo)。定性分析過(guò)程如下:

    圖3 10種算法在LSOTB-TIR上4種挑戰(zhàn)性場(chǎng)景下精確度曲線圖

    圖4 本文算法與另外三種算法跟蹤結(jié)果比較

    1)car_S_003視頻序列中跟蹤目標(biāo)為行進(jìn)中的汽車。ATOM跟蹤器在第9幀時(shí)即受到周圍相似物的干擾而發(fā)生漂移,第52幀中TADT和MDNet也接近丟失目標(biāo),第105幀時(shí)只有本文算法可以準(zhǔn)確跟蹤。

    2)cow_H_001跟蹤目標(biāo)為右起第二只羊,從視頻截圖可以看出,ATOM和MDNet均受到相似物和周圍環(huán)境干擾丟失目標(biāo),只有本文算法和TADT可以持續(xù)準(zhǔn)確跟蹤。

    3)person_S_015視頻序列中跟蹤目標(biāo)為右邊的行人,旁邊有個(gè)撐傘的行人和其同步前進(jìn),存在相似物及熱交叉等干擾。ATOM、TADT分別在第30幀、第210幀時(shí)跟蹤失敗。相比MDNet,本文算法定位更為精確。

    4)street_S_001視頻序列中跟蹤目標(biāo)為街道上背包的行人,該視頻序列包含熱交叉、背景雜斑、遮擋等多種挑戰(zhàn)。從視頻截圖可以看出其他幾種算法跟蹤框均漂移到相似的行人上,而本文算法因?yàn)榧闪硕鄠€(gè)跟蹤器可以正確跟蹤。

    3.4 消融實(shí)驗(yàn)

    本節(jié)通過(guò)標(biāo)準(zhǔn)數(shù)據(jù)集LSOTB-TIR上的消融實(shí)驗(yàn)來(lái)驗(yàn)證算法相關(guān)模塊設(shè)計(jì)的合理性。首先,為了驗(yàn)證通道選擇的有效性,以跟蹤器1(Ours_1)為例,比較了不進(jìn)行通道選擇(No_CS)和進(jìn)行通道選擇的效果對(duì)比。如圖5(a)所示,本文算法在只選擇了300個(gè)通道的情況下跟蹤精度還提高了0.6%,證明冗余通道可以丟棄,并且丟棄冗余通道后跟蹤速度有了顯著提升,因此利用通道選擇后的跟蹤器參與后續(xù)集成更加高效。其次,為了驗(yàn)證集成方法的有效性,將本文提出的集成方法(Ours)與跟蹤器1(Ours_1)、跟蹤器2(Ours_2)及跟蹤器3(Ours_3)分別單獨(dú)跟蹤的結(jié)果進(jìn)行了對(duì)比。如圖5(b)所示,可以看出集成算法較其他3個(gè)單獨(dú)跟蹤方法在跟蹤精確度上分別提升了2.5%、3.6%和1.6%。消融結(jié)果證明了本文所提算法的有效性。

    圖5 消融實(shí)驗(yàn)

    4 結(jié)論

    基于簡(jiǎn)潔高效的全卷積孿生網(wǎng)絡(luò)框架提出了一種多響應(yīng)圖集成的紅外目標(biāo)跟蹤算法。算法的創(chuàng)新之處在于利用預(yù)訓(xùn)練的VGG-16網(wǎng)絡(luò)來(lái)提取熱紅外目標(biāo)的深度特征并進(jìn)行通道選擇,進(jìn)而通過(guò)對(duì)不同層次的深度特征進(jìn)行組合設(shè)計(jì)了3個(gè)跟蹤器。最后基于KL散度將3個(gè)跟蹤器的響應(yīng)圖進(jìn)行集成以獲取最優(yōu)結(jié)果。為了驗(yàn)證本文算法的實(shí)際效果,在大型熱紅外數(shù)據(jù)集LSOTB-TIR上進(jìn)行了測(cè)試并和近年來(lái)幾種先進(jìn)的目標(biāo)跟蹤算法進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明,本文所提算法性能良好,具有一定的實(shí)際應(yīng)用價(jià)值。

    [1] LIU Q, LU X H, HE Z Y, et al. Deep convolutional neural networks for thermal infrared object tracking[J]., 2017, 134: 189-198.

    [2] LI X, LIU Q, FAN Nana, et al. Hierarchical spatial-aware Siamese network for thermal infrared object tracking[J].2019, 166: 71-81.

    [3] LIU Q, LI X, HE Z Y, et al. Learning deep multi-level similarity for thermal infrared object tracking[J]., 2021, 23: 2124-2126.

    [4] LIU Q, LI X, HE Z Y, et al. Multi-task driven feature models for thermal infrared tracking[C]//34th, 2020: 11604-11611.

    [5] 張晉, 王元余, 林丹丹, 等. 基于相關(guān)濾波的紅外目標(biāo)跟蹤抗遮擋處理[J]. 紅外技術(shù), 2022, 44(3): 277-285.

    ZHANG Jin, WANG Yuanyu, LIN Dandan, et al. Anti-occlusion process of infrared target tracking based on correlation filters[J]., 2022, 44(3): 277-285.

    [6] 李暢, 楊德東, 宋鵬, 等. 基于全局感知孿生網(wǎng)絡(luò)的紅外目標(biāo)跟蹤[J]. 光學(xué)學(xué)報(bào), 2021, 41(6): 0615002-1-0615002-11.

    LI Chang, YANG Dedong, SONG Pen, et al. Global-Aware siamese network for thermal infrared object tracking[J]., 2021, 41(6): 0615002-1-0615002-11.

    [7] MA C, HUANG J B, YANG X, et al. Hierarchical convolutional features for visual racking[C]//, 2015: 3074-3082.

    [8] LI X, MA C, WU B Y, et al. Target-aware deep tracking[C]//(CVPR), 2019: 1369-1378.

    [9] Bertinetto L, Valmadre J, Henriques J F, et al. Fully-convolutional siamese networks for object tracking [C]//, 2016: 850-865.

    [10] Selvaraju R, Cogswell M, Das A, et al. Grad-cam: visual explanations from deep networks via gradient based localization[C]//, 2017: 618-626.

    [11] Nam H, Han B. Learning multi-domain convolutional neural networks for visual tracking[C]//, 2016: 4293-4302.

    [12] Danelljan M, Bhat G, Khan F S, et al. Atom: Accurate tracking by overlap max-imization[C]//, 2019: 4660-4669.

    [13] Felsberg M, Kristan M, others. The thermal infrared visual object tracking VOT-TIR2016 challenge results[C]//, 2016: 824-849.

    [14] LIU Q, HE Z, LI X, et al. PTB-TIR: A thermal infrared pedestrian tracking bench-mark[J]., 2019, 22(3): 666-675.

    [15] LIU Q, LI X, LI C L. LSOTB-TIR: A large-scale high-diversity thermal infrared object tracking benchmark[C/OL]//28, 2020, https://arxiv.org/abs/2008.00836.

    Thermal Infrared Target Tracking Algorithm Based on KL Divergence and Channel Selection

    WU Jie1,DUAN Yanyan1,MA Xiaohu2

    (1. College of Information Technology, Taizhou Polytechnic College, Taizhou 225300, China;2. School of Computer Science and Technology, Soochow University, Suzhou 215006, China)

    To solve the problem that a single tracker cannot effectively deal with the complex background and significant changes in target appearance, leading to the problem of low accuracy of thermal infrared target tracking, a tracking algorithm based on a fully-convolutional Siamese network is proposed for thermal infrared tracking. First, a pre-trained convolution neural network is used to extract the features of multiple convolution layers of thermal infrared targets and select channels. On this basis, three corresponding trackers are constructed, and each tracker performs tracking independently and returns a response map. Then, the Kullback Leibler (KL) divergence is used to optimize and integrate multiple response maps to obtain a stronger response map. Finally, the integrated response map is used to determine the target location. To evaluate the performance of the proposed algorithm, experiments were conducted using the most comprehensive thermal infrared tracking benchmark, LSOTB-TIR. The experimental results show that the proposed algorithm can adapt to complex and diverse infrared tracking scenes, and its comprehensive performance is better than that of existing infrared tracking algorithms.

    thermal infrared, fully-convolutional siamese network, multi response maps, channel selection, kullback-leibler divergence

    TP391.41

    A

    1001-8891(2023)01-0033-07

    2022-07-25;

    2022-08-23.

    吳捷(1982-),男,副教授,主要研究方向:視覺(jué)目標(biāo)跟蹤。E-mail:37323736@qq.com。

    國(guó)家自然科學(xué)基金(61402310);江蘇省自然科學(xué)基金(BK20141195);泰州職業(yè)技術(shù)學(xué)院重點(diǎn)科研項(xiàng)目(1821819039)。

    猜你喜歡
    跟蹤目標(biāo)跟蹤器散度
    帶勢(shì)加權(quán)散度形式的Grushin型退化橢圓算子的Dirichlet特征值的上下界
    光伏跟蹤器陣列跟蹤精度的測(cè)算方法研究
    核相關(guān)濾波與孿生網(wǎng)絡(luò)相結(jié)合的目標(biāo)跟蹤算法
    淺析一種風(fēng)光儲(chǔ)一體化跟蹤器
    具有部分BMO系數(shù)的非散度型拋物方程的Lorentz估計(jì)
    超長(zhǎng)待機(jī)的自行車位置跟蹤器
    H型群上一類散度形算子的特征值估計(jì)
    雙向多軌跡判定方法在目標(biāo)跟蹤中的應(yīng)用研究
    基于圖割理論的尺度自適應(yīng)人臉跟蹤算法
    連續(xù)同色調(diào)背景下運(yùn)動(dòng)目標(biāo)自適應(yīng)跟蹤
    日本wwww免费看| 9191精品国产免费久久| 午夜久久久在线观看| 欧美日韩成人在线一区二区| 捣出白浆h1v1| 免费黄频网站在线观看国产| 动漫黄色视频在线观看| 精品少妇内射三级| 两个人看的免费小视频| 日韩一卡2卡3卡4卡2021年| 色精品久久人妻99蜜桃| 日韩熟女老妇一区二区性免费视频| 欧美精品高潮呻吟av久久| 亚洲欧美精品综合一区二区三区| 精品高清国产在线一区| 午夜久久久在线观看| 视频区图区小说| 久久免费观看电影| 午夜福利免费观看在线| av线在线观看网站| 国产精品98久久久久久宅男小说| 一级毛片精品| svipshipincom国产片| 日本vs欧美在线观看视频| 久久亚洲真实| 亚洲精品美女久久av网站| 国产亚洲精品第一综合不卡| 曰老女人黄片| 色视频在线一区二区三区| 亚洲成国产人片在线观看| 在线看a的网站| 免费不卡黄色视频| 激情视频va一区二区三区| 搡老熟女国产l中国老女人| 丰满人妻熟妇乱又伦精品不卡| 无人区码免费观看不卡 | 精品久久久久久电影网| 母亲3免费完整高清在线观看| 在线观看免费日韩欧美大片| a在线观看视频网站| 一区二区三区国产精品乱码| 看免费av毛片| 亚洲欧美一区二区三区久久| 啦啦啦在线免费观看视频4| 中文字幕另类日韩欧美亚洲嫩草| 在线亚洲精品国产二区图片欧美| 国产在线一区二区三区精| 一级毛片女人18水好多| 无人区码免费观看不卡 | 久久九九热精品免费| 久久av网站| 超碰97精品在线观看| 亚洲午夜精品一区,二区,三区| 久久热在线av| 美女扒开内裤让男人捅视频| 69精品国产乱码久久久| 欧美精品人与动牲交sv欧美| 五月开心婷婷网| 国产精品麻豆人妻色哟哟久久| 亚洲精品在线美女| 亚洲精品国产区一区二| 欧美国产精品va在线观看不卡| 午夜91福利影院| 亚洲国产欧美在线一区| 亚洲天堂av无毛| 电影成人av| 国产男女超爽视频在线观看| 国产主播在线观看一区二区| 18禁观看日本| 妹子高潮喷水视频| www日本在线高清视频| 怎么达到女性高潮| 男女高潮啪啪啪动态图| 色综合欧美亚洲国产小说| 国产成人一区二区三区免费视频网站| 久久99一区二区三区| 国产av精品麻豆| 免费在线观看完整版高清| 午夜福利,免费看| 国产欧美日韩一区二区三| 丝瓜视频免费看黄片| 亚洲专区中文字幕在线| 妹子高潮喷水视频| 久久久久久久国产电影| 欧美老熟妇乱子伦牲交| videosex国产| av网站免费在线观看视频| 一边摸一边抽搐一进一小说 | 久久久久久久精品吃奶| 久久久国产成人免费| 国产97色在线日韩免费| 成人影院久久| 人人妻人人添人人爽欧美一区卜| 精品国产乱子伦一区二区三区| 国产99久久九九免费精品| 成人精品一区二区免费| 在线观看舔阴道视频| 中文字幕av电影在线播放| 啦啦啦视频在线资源免费观看| 中文字幕av电影在线播放| 国产精品久久久久成人av| 亚洲色图av天堂| 一区二区三区激情视频| 激情视频va一区二区三区| 亚洲国产欧美日韩在线播放| 亚洲 国产 在线| 久久人人97超碰香蕉20202| 欧美日韩亚洲高清精品| 18禁观看日本| 精品亚洲乱码少妇综合久久| 新久久久久国产一级毛片| 国产真人三级小视频在线观看| 一本一本久久a久久精品综合妖精| 精品人妻熟女毛片av久久网站| 国产一区二区三区综合在线观看| 大香蕉久久网| 免费观看av网站的网址| 18禁美女被吸乳视频| 日韩欧美免费精品| 久久久久久久精品吃奶| 日韩大码丰满熟妇| 久久九九热精品免费| 久久狼人影院| 久久久精品免费免费高清| 在线观看免费视频网站a站| 久久天堂一区二区三区四区| 日本欧美视频一区| 免费在线观看完整版高清| 视频区欧美日本亚洲| 俄罗斯特黄特色一大片| 性色av乱码一区二区三区2| 久久99一区二区三区| 这个男人来自地球电影免费观看| 男女边摸边吃奶| 欧美乱妇无乱码| 免费观看a级毛片全部| 99热国产这里只有精品6| 在线观看免费午夜福利视频| 日本vs欧美在线观看视频| 国产一区二区在线观看av| 亚洲成国产人片在线观看| 久久国产精品人妻蜜桃| 不卡av一区二区三区| 成人av一区二区三区在线看| 考比视频在线观看| cao死你这个sao货| 女人精品久久久久毛片| 色视频在线一区二区三区| av国产精品久久久久影院| 久久 成人 亚洲| 欧美人与性动交α欧美软件| 一本综合久久免费| 精品卡一卡二卡四卡免费| 午夜福利影视在线免费观看| 国产精品熟女久久久久浪| 欧美国产精品va在线观看不卡| 一本大道久久a久久精品| 日韩免费高清中文字幕av| 成年人午夜在线观看视频| 老司机深夜福利视频在线观看| 女性被躁到高潮视频| 欧美激情久久久久久爽电影 | 久久久久精品国产欧美久久久| 一级毛片电影观看| 多毛熟女@视频| 9色porny在线观看| 久久青草综合色| 一本久久精品| 国产精品免费视频内射| 黑人巨大精品欧美一区二区mp4| 亚洲一区中文字幕在线| 曰老女人黄片| 蜜桃国产av成人99| 欧美亚洲日本最大视频资源| 欧美变态另类bdsm刘玥| 亚洲av电影在线进入| 电影成人av| 欧美日韩成人在线一区二区| 国产国语露脸激情在线看| 欧美黄色淫秽网站| 大片电影免费在线观看免费| 亚洲成人手机| 成年版毛片免费区| 女同久久另类99精品国产91| 妹子高潮喷水视频| 亚洲伊人色综图| 国产日韩欧美在线精品| 亚洲视频免费观看视频| 亚洲,欧美精品.| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲av日韩精品久久久久久密| 午夜福利在线免费观看网站| 欧美激情高清一区二区三区| 国产福利在线免费观看视频| 一级,二级,三级黄色视频| 欧美亚洲 丝袜 人妻 在线| 在线观看免费午夜福利视频| 99香蕉大伊视频| 成人国语在线视频| 中文字幕最新亚洲高清| 精品久久久精品久久久| 自线自在国产av| 亚洲男人天堂网一区| 国产亚洲精品久久久久5区| 久久精品成人免费网站| 亚洲人成电影免费在线| 自拍欧美九色日韩亚洲蝌蚪91| 国产人伦9x9x在线观看| 亚洲欧洲日产国产| 久久国产精品人妻蜜桃| 欧美性长视频在线观看| 久久人人97超碰香蕉20202| 一区二区日韩欧美中文字幕| 亚洲精品国产精品久久久不卡| 免费观看av网站的网址| 亚洲一卡2卡3卡4卡5卡精品中文| 菩萨蛮人人尽说江南好唐韦庄| 成人18禁在线播放| 精品久久久精品久久久| 中文亚洲av片在线观看爽 | 韩国精品一区二区三区| 在线观看免费视频网站a站| 亚洲第一av免费看| 欧美精品高潮呻吟av久久| 国产不卡av网站在线观看| 国产真人三级小视频在线观看| 99在线人妻在线中文字幕 | 成年人免费黄色播放视频| 啪啪无遮挡十八禁网站| 国产高清国产精品国产三级| 无限看片的www在线观看| 国产视频一区二区在线看| 日韩免费av在线播放| 国产淫语在线视频| 99国产精品免费福利视频| 69av精品久久久久久 | 一区二区三区激情视频| 涩涩av久久男人的天堂| 亚洲,欧美精品.| 欧美日韩亚洲综合一区二区三区_| 久久久久国内视频| 精品久久久久久电影网| 国产人伦9x9x在线观看| 精品久久久精品久久久| 欧美日韩黄片免| 日韩视频在线欧美| 亚洲久久久国产精品| cao死你这个sao货| 91大片在线观看| 精品国产超薄肉色丝袜足j| 91成年电影在线观看| 成人国产av品久久久| 亚洲欧美日韩另类电影网站| 亚洲av成人不卡在线观看播放网| 欧美变态另类bdsm刘玥| 国产男女超爽视频在线观看| 欧美亚洲 丝袜 人妻 在线| 精品欧美一区二区三区在线| 最新美女视频免费是黄的| 女人爽到高潮嗷嗷叫在线视频| 国产精品一区二区精品视频观看| 国产一区二区三区视频了| 午夜激情av网站| 在线观看免费高清a一片| 国产片内射在线| 国产精品免费大片| 在线播放国产精品三级| 正在播放国产对白刺激| 18禁裸乳无遮挡动漫免费视频| 一区二区av电影网| 日本av免费视频播放| 亚洲精华国产精华精| 老汉色av国产亚洲站长工具| 巨乳人妻的诱惑在线观看| 亚洲五月色婷婷综合| 欧美国产精品va在线观看不卡| 18禁观看日本| 久久亚洲精品不卡| 国产免费现黄频在线看| 亚洲精华国产精华精| 成人国语在线视频| 国产av国产精品国产| 在线观看66精品国产| 国产一区有黄有色的免费视频| www.999成人在线观看| 国产免费福利视频在线观看| 日本一区二区免费在线视频| 一级毛片电影观看| 在线观看舔阴道视频| 亚洲精品在线美女| 巨乳人妻的诱惑在线观看| 精品少妇黑人巨大在线播放| 狠狠狠狠99中文字幕| 麻豆av在线久日| 精品午夜福利视频在线观看一区 | 男人舔女人的私密视频| 国产精品一区二区在线观看99| 亚洲五月婷婷丁香| 高潮久久久久久久久久久不卡| 黑人巨大精品欧美一区二区蜜桃| 亚洲精品美女久久久久99蜜臀| 久久精品人人爽人人爽视色| 日日夜夜操网爽| 18禁观看日本| 久久精品人人爽人人爽视色| 婷婷丁香在线五月| 老汉色∧v一级毛片| 欧美日韩中文字幕国产精品一区二区三区 | 怎么达到女性高潮| 亚洲精品在线观看二区| 国产亚洲欧美在线一区二区| 老鸭窝网址在线观看| 在线播放国产精品三级| 人人澡人人妻人| 亚洲情色 制服丝袜| 自线自在国产av| 精品福利永久在线观看| 黄片播放在线免费| 午夜免费成人在线视频| 母亲3免费完整高清在线观看| 啦啦啦中文免费视频观看日本| 99久久人妻综合| 五月开心婷婷网| 久久久精品国产亚洲av高清涩受| 黄色a级毛片大全视频| 两性午夜刺激爽爽歪歪视频在线观看 | 男女高潮啪啪啪动态图| 亚洲欧美精品综合一区二区三区| 这个男人来自地球电影免费观看| 又大又爽又粗| 久久青草综合色| 国产成人系列免费观看| 亚洲欧美一区二区三区黑人| 欧美久久黑人一区二区| 亚洲精品一卡2卡三卡4卡5卡| 日韩精品免费视频一区二区三区| 夜夜爽天天搞| 久久精品成人免费网站| 老司机福利观看| 久久久精品94久久精品| 少妇猛男粗大的猛烈进出视频| 91九色精品人成在线观看| 亚洲专区字幕在线| 欧美精品亚洲一区二区| 每晚都被弄得嗷嗷叫到高潮| 天天躁夜夜躁狠狠躁躁| 亚洲国产毛片av蜜桃av| 国产亚洲精品第一综合不卡| 精品亚洲成a人片在线观看| 亚洲欧美色中文字幕在线| 人妻 亚洲 视频| 免费在线观看完整版高清| 视频区欧美日本亚洲| 男女免费视频国产| 国产成人影院久久av| 欧美日韩一级在线毛片| 久久人妻av系列| 亚洲专区国产一区二区| www.999成人在线观看| 操出白浆在线播放| 久久精品国产综合久久久| 日韩免费av在线播放| 99精国产麻豆久久婷婷| 搡老乐熟女国产| 亚洲第一av免费看| 男人操女人黄网站| 一边摸一边抽搐一进一出视频| 99精品欧美一区二区三区四区| 黄色片一级片一级黄色片| 五月天丁香电影| 国产男女超爽视频在线观看| 久久久精品94久久精品| 久久久久久久大尺度免费视频| 黄色视频,在线免费观看| 老司机午夜十八禁免费视频| 欧美日韩国产mv在线观看视频| 午夜免费成人在线视频| 女性生殖器流出的白浆| 国产国语露脸激情在线看| 欧美乱码精品一区二区三区| 纯流量卡能插随身wifi吗| 午夜福利免费观看在线| 首页视频小说图片口味搜索| 欧美 亚洲 国产 日韩一| 国产真人三级小视频在线观看| 交换朋友夫妻互换小说| 黑人猛操日本美女一级片| 曰老女人黄片| av欧美777| 一级,二级,三级黄色视频| 欧美国产精品一级二级三级| 国产视频一区二区在线看| www.999成人在线观看| 在线观看免费午夜福利视频| 在线观看免费高清a一片| 极品少妇高潮喷水抽搐| 免费观看人在逋| 老司机午夜十八禁免费视频| 国产成+人综合+亚洲专区| 精品人妻1区二区| 18禁美女被吸乳视频| 成人三级做爰电影| 成年人午夜在线观看视频| 欧美变态另类bdsm刘玥| 桃红色精品国产亚洲av| 怎么达到女性高潮| 91字幕亚洲| 黑丝袜美女国产一区| 亚洲成国产人片在线观看| a级毛片黄视频| 欧美黑人欧美精品刺激| 女警被强在线播放| 丝袜美足系列| 国产精品麻豆人妻色哟哟久久| cao死你这个sao货| 在线播放国产精品三级| 超碰97精品在线观看| 国产精品.久久久| aaaaa片日本免费| 无限看片的www在线观看| 精品一品国产午夜福利视频| 午夜福利在线观看吧| 精品国产乱子伦一区二区三区| 91字幕亚洲| 天堂中文最新版在线下载| av一本久久久久| 国产成人欧美| 欧美激情高清一区二区三区| 午夜激情久久久久久久| 一级a爱视频在线免费观看| avwww免费| 久久免费观看电影| 国产成人av激情在线播放| 国产深夜福利视频在线观看| 国产av精品麻豆| 人妻久久中文字幕网| 一边摸一边做爽爽视频免费| 啦啦啦 在线观看视频| 中文字幕人妻熟女乱码| 午夜91福利影院| av欧美777| 国产av又大| 在线观看免费高清a一片| 国产不卡一卡二| 麻豆av在线久日| 啦啦啦在线免费观看视频4| 亚洲美女黄片视频| 一级,二级,三级黄色视频| 一级毛片女人18水好多| 新久久久久国产一级毛片| 久久ye,这里只有精品| 大香蕉久久成人网| 一级毛片女人18水好多| 91成人精品电影| 久久天躁狠狠躁夜夜2o2o| 日日夜夜操网爽| 国产又爽黄色视频| 色精品久久人妻99蜜桃| 精品国内亚洲2022精品成人 | 黄色片一级片一级黄色片| 亚洲一区中文字幕在线| 美女高潮喷水抽搐中文字幕| 国产麻豆69| 亚洲午夜精品一区,二区,三区| 久久中文看片网| 亚洲成a人片在线一区二区| 一级a爱视频在线免费观看| 日韩三级视频一区二区三区| 日韩大片免费观看网站| 变态另类成人亚洲欧美熟女 | 日韩欧美三级三区| aaaaa片日本免费| 女同久久另类99精品国产91| 亚洲精品美女久久久久99蜜臀| e午夜精品久久久久久久| 黑人巨大精品欧美一区二区mp4| 日韩熟女老妇一区二区性免费视频| 大码成人一级视频| 亚洲精品在线美女| 久久人妻福利社区极品人妻图片| 国产人伦9x9x在线观看| av天堂在线播放| 国产黄色免费在线视频| 真人做人爱边吃奶动态| 国产又色又爽无遮挡免费看| 久久久国产成人免费| www日本在线高清视频| 国产精品二区激情视频| 一本色道久久久久久精品综合| 日韩中文字幕欧美一区二区| 国产一区二区三区在线臀色熟女 | 成年动漫av网址| 国产国语露脸激情在线看| 国产精品99久久99久久久不卡| 日韩熟女老妇一区二区性免费视频| 熟女少妇亚洲综合色aaa.| 999精品在线视频| 狠狠狠狠99中文字幕| 免费在线观看日本一区| 欧美在线黄色| 亚洲成a人片在线一区二区| 精品人妻1区二区| 亚洲人成电影观看| 亚洲欧美一区二区三区久久| 午夜福利免费观看在线| 女人爽到高潮嗷嗷叫在线视频| 亚洲性夜色夜夜综合| 少妇猛男粗大的猛烈进出视频| 99国产精品免费福利视频| 国产片内射在线| 久久国产精品男人的天堂亚洲| 女警被强在线播放| 蜜桃国产av成人99| 久久天躁狠狠躁夜夜2o2o| 欧美 亚洲 国产 日韩一| 日本黄色日本黄色录像| 午夜成年电影在线免费观看| 日韩欧美国产一区二区入口| 如日韩欧美国产精品一区二区三区| 热99国产精品久久久久久7| 国产精品.久久久| 欧美久久黑人一区二区| 国产精品久久久av美女十八| 视频区图区小说| 黑人巨大精品欧美一区二区mp4| 欧美精品一区二区大全| 在线观看舔阴道视频| 久久久水蜜桃国产精品网| 亚洲 欧美一区二区三区| 亚洲,欧美精品.| 国产亚洲欧美精品永久| 韩国精品一区二区三区| 中文欧美无线码| a级毛片黄视频| 国内毛片毛片毛片毛片毛片| 久久99热这里只频精品6学生| 热99久久久久精品小说推荐| 国产精品免费大片| 精品人妻1区二区| 国产欧美日韩综合在线一区二区| 精品一区二区三区视频在线观看免费 | avwww免费| 狂野欧美激情性xxxx| 大型黄色视频在线免费观看| 大香蕉久久成人网| 黑人巨大精品欧美一区二区mp4| 免费女性裸体啪啪无遮挡网站| 久久99热这里只频精品6学生| 久久毛片免费看一区二区三区| 婷婷丁香在线五月| 91成人精品电影| 日本一区二区免费在线视频| 精品国产超薄肉色丝袜足j| 一级片免费观看大全| av电影中文网址| 国产免费现黄频在线看| 久久99热这里只频精品6学生| 国产精品国产av在线观看| 免费久久久久久久精品成人欧美视频| 精品亚洲成a人片在线观看| 国产极品粉嫩免费观看在线| 欧美 日韩 精品 国产| 高清毛片免费观看视频网站 | 精品亚洲成国产av| 国产成人av教育| 在线 av 中文字幕| 中文字幕另类日韩欧美亚洲嫩草| 国产成人精品久久二区二区免费| 五月开心婷婷网| 日日摸夜夜添夜夜添小说| 精品久久久久久久毛片微露脸| 91九色精品人成在线观看| 性高湖久久久久久久久免费观看| 黄色怎么调成土黄色| 亚洲成av片中文字幕在线观看| 天堂8中文在线网| 十八禁网站网址无遮挡| 在线观看免费高清a一片| 国内毛片毛片毛片毛片毛片| 老司机亚洲免费影院| 亚洲精华国产精华精| 麻豆成人av在线观看| av超薄肉色丝袜交足视频| 老熟妇乱子伦视频在线观看| 最近最新中文字幕大全免费视频| 国产在视频线精品| 国产精品自产拍在线观看55亚洲 | 淫妇啪啪啪对白视频| 精品乱码久久久久久99久播| 欧美久久黑人一区二区| 黄片小视频在线播放| 国产日韩一区二区三区精品不卡| 国产欧美日韩一区二区三| 亚洲精品国产一区二区精华液| 日本欧美视频一区| 亚洲欧洲日产国产| 少妇被粗大的猛进出69影院| 日本wwww免费看| 久久精品国产a三级三级三级| 亚洲国产av新网站| 韩国精品一区二区三区| 日本wwww免费看| 99国产极品粉嫩在线观看| 日本撒尿小便嘘嘘汇集6| 丝袜喷水一区| 成年女人毛片免费观看观看9 | 我的亚洲天堂| 国产三级黄色录像| 亚洲av片天天在线观看| 成人免费观看视频高清| 91九色精品人成在线观看| 日韩欧美免费精品| 无限看片的www在线观看| 免费观看av网站的网址| 国产老妇伦熟女老妇高清|