• <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
    成人二区视频| 最近的中文字幕免费完整| 五月玫瑰六月丁香| 久久精品久久久久久噜噜老黄| 26uuu在线亚洲综合色| 色吧在线观看| 桃花免费在线播放| 国产一区二区在线观看av| 少妇人妻久久综合中文| 日本wwww免费看| 日日撸夜夜添| 久久精品国产自在天天线| 3wmmmm亚洲av在线观看| 少妇高潮的动态图| 精品一品国产午夜福利视频| 一级毛片aaaaaa免费看小| 丝瓜视频免费看黄片| 在线观看www视频免费| 超碰97精品在线观看| 嘟嘟电影网在线观看| 99热6这里只有精品| 精品国产国语对白av| 久久 成人 亚洲| 国产成人免费无遮挡视频| 久久国产亚洲av麻豆专区| 久久ye,这里只有精品| 视频中文字幕在线观看| 国产片内射在线| 久久99热这里只频精品6学生| 黑人欧美特级aaaaaa片| 91在线精品国自产拍蜜月| 青青草视频在线视频观看| 欧美性感艳星| av卡一久久| 夜夜骑夜夜射夜夜干| 丝袜脚勾引网站| 最后的刺客免费高清国语| 午夜福利视频精品| 一级二级三级毛片免费看| 国产成人精品婷婷| 一级毛片 在线播放| 少妇被粗大猛烈的视频| 日本色播在线视频| 日本午夜av视频| 日本午夜av视频| 观看av在线不卡| 国产一区二区三区av在线| 亚洲av.av天堂| 天堂8中文在线网| 人妻系列 视频| 久久狼人影院| 婷婷色麻豆天堂久久| 男女边吃奶边做爰视频| 国产精品国产三级国产专区5o| 亚洲丝袜综合中文字幕| 2022亚洲国产成人精品| 黄色怎么调成土黄色| 99热这里只有是精品在线观看| 久久久欧美国产精品| 22中文网久久字幕| 久久影院123| 99热6这里只有精品| 免费看不卡的av| 亚洲欧美清纯卡通| 青春草视频在线免费观看| 亚洲欧美精品自产自拍| 欧美另类一区| 热re99久久精品国产66热6| 97超碰精品成人国产| 男女啪啪激烈高潮av片| 黑人欧美特级aaaaaa片| 九九爱精品视频在线观看| 精品酒店卫生间| 又大又黄又爽视频免费| 18禁在线播放成人免费| 国产老妇伦熟女老妇高清| 久久精品国产亚洲网站| 97超碰精品成人国产| freevideosex欧美| 免费观看性生交大片5| 香蕉精品网在线| 免费看光身美女| 亚洲色图 男人天堂 中文字幕 | 欧美精品人与动牲交sv欧美| 男女国产视频网站| 飞空精品影院首页| 99视频精品全部免费 在线| 日本wwww免费看| videossex国产| 涩涩av久久男人的天堂| av网站免费在线观看视频| 2018国产大陆天天弄谢| 亚洲欧美日韩另类电影网站| 欧美人与善性xxx| 91国产中文字幕| 精品一区在线观看国产| 少妇 在线观看| 免费少妇av软件| 老司机影院毛片| www.av在线官网国产| 欧美精品一区二区大全| 男女边吃奶边做爰视频| 一级毛片我不卡| 亚洲精品中文字幕在线视频| 久久av网站| 纵有疾风起免费观看全集完整版| 久久精品久久久久久噜噜老黄| 亚洲成人手机| 在线观看www视频免费| 18禁在线无遮挡免费观看视频| 亚洲精品第二区| 亚洲av成人精品一区久久| 国产精品一区二区在线观看99| 2022亚洲国产成人精品| 久久国产亚洲av麻豆专区| 久久久精品区二区三区| 欧美人与善性xxx| 午夜福利网站1000一区二区三区| xxx大片免费视频| 黄色毛片三级朝国网站| 久久国产精品男人的天堂亚洲 | 成年美女黄网站色视频大全免费 | 老司机亚洲免费影院| 日本黄色片子视频| 国产一区二区三区综合在线观看 | 亚洲美女黄色视频免费看| 免费久久久久久久精品成人欧美视频 | av不卡在线播放| 乱人伦中国视频| 精品熟女少妇av免费看| 大片电影免费在线观看免费| 国产 精品1| 涩涩av久久男人的天堂| 欧美最新免费一区二区三区| 26uuu在线亚洲综合色| 亚洲国产最新在线播放| 国产亚洲精品第一综合不卡 | 日韩成人av中文字幕在线观看| 另类精品久久| 美女脱内裤让男人舔精品视频| 大码成人一级视频| av女优亚洲男人天堂| 日韩在线高清观看一区二区三区| 国产欧美日韩综合在线一区二区| av卡一久久| 国产成人精品一,二区| 免费看光身美女| 精品一区二区免费观看| 九色亚洲精品在线播放| 女人久久www免费人成看片| 久久久久久久久大av| 免费日韩欧美在线观看| 极品少妇高潮喷水抽搐| 久久久亚洲精品成人影院| 丰满迷人的少妇在线观看| 97精品久久久久久久久久精品| 国产毛片在线视频| 亚洲国产av影院在线观看| 国内精品宾馆在线| videos熟女内射| 精品熟女少妇av免费看| 综合色丁香网| 美女视频免费永久观看网站| 欧美日韩一区二区视频在线观看视频在线| 亚洲欧洲精品一区二区精品久久久 | av国产久精品久网站免费入址| 丝袜喷水一区| 如日韩欧美国产精品一区二区三区 | 色婷婷久久久亚洲欧美| 亚洲,欧美,日韩| 国产精品无大码| 亚洲高清免费不卡视频| 伊人久久国产一区二区| 亚洲精品久久久久久婷婷小说| 大片电影免费在线观看免费| 久久精品夜色国产| 18+在线观看网站| 日韩中字成人| 在现免费观看毛片| 18+在线观看网站| 777米奇影视久久| 高清欧美精品videossex| 日韩一区二区视频免费看| 午夜日本视频在线| 久久久久精品久久久久真实原创| 老司机亚洲免费影院| 国产一区有黄有色的免费视频| 亚洲人成网站在线观看播放| 女人精品久久久久毛片| 日本黄色片子视频| 在线看a的网站| 99久久中文字幕三级久久日本| a 毛片基地| 日韩一区二区视频免费看| 亚洲精品日韩av片在线观看| 亚洲国产色片| 久久狼人影院| 亚洲av欧美aⅴ国产| 777米奇影视久久| 久久久久国产精品人妻一区二区| 日本黄色片子视频| 日韩一区二区三区影片| 妹子高潮喷水视频| 精品亚洲成a人片在线观看| 亚洲丝袜综合中文字幕| 秋霞伦理黄片| 欧美人与善性xxx| 人人妻人人澡人人爽人人夜夜| 国产精品久久久久久久电影| 一区二区av电影网| √禁漫天堂资源中文www| 一级二级三级毛片免费看| 亚洲色图综合在线观看| 99久久精品国产国产毛片| 日韩一区二区三区影片| 尾随美女入室| 永久网站在线| 欧美日韩一区二区视频在线观看视频在线| 美女xxoo啪啪120秒动态图| 91久久精品国产一区二区成人| 在现免费观看毛片| 老熟女久久久| 蜜桃在线观看..| 满18在线观看网站| 看非洲黑人一级黄片| 欧美性感艳星| 国产精品熟女久久久久浪| 蜜桃久久精品国产亚洲av| 日韩视频在线欧美| 免费高清在线观看日韩| 五月伊人婷婷丁香| 亚洲欧洲精品一区二区精品久久久 | 国精品久久久久久国模美| 99久久精品国产国产毛片| 国产无遮挡羞羞视频在线观看| 亚洲精品一区蜜桃| 亚洲无线观看免费| 国产不卡av网站在线观看| 久久人人爽av亚洲精品天堂| 91精品国产国语对白视频| 少妇 在线观看| 99热6这里只有精品| 亚洲精品一区蜜桃| 国产精品国产av在线观看| 色网站视频免费| 国产女主播在线喷水免费视频网站| 一区二区三区精品91| 欧美国产精品一级二级三级| 一区二区三区四区激情视频| 久久综合国产亚洲精品| 夜夜骑夜夜射夜夜干| 一级黄片播放器| 久久婷婷青草| 蜜桃久久精品国产亚洲av| 国产成人精品在线电影| 亚洲精品aⅴ在线观看| 搡老乐熟女国产| 亚洲精品成人av观看孕妇| 久久久久久久久久久免费av| 精品国产一区二区久久| 国产精品国产三级国产专区5o| 欧美+日韩+精品| 中国三级夫妇交换| 美女视频免费永久观看网站| 国产精品一区二区三区四区免费观看| 夫妻午夜视频| 亚洲精品中文字幕在线视频| 天天躁夜夜躁狠狠久久av| 精品一区在线观看国产| 晚上一个人看的免费电影| 欧美精品人与动牲交sv欧美| 美女xxoo啪啪120秒动态图| 亚洲av成人精品一区久久| 男女啪啪激烈高潮av片| 免费观看无遮挡的男女| 久久久欧美国产精品| 国产精品一国产av| 曰老女人黄片| 国产精品99久久久久久久久| 91久久精品国产一区二区三区| 精品亚洲成a人片在线观看| 亚洲色图 男人天堂 中文字幕 | 日韩强制内射视频| 久久精品熟女亚洲av麻豆精品| 午夜日本视频在线| 免费观看无遮挡的男女| 亚洲精品一二三| 如日韩欧美国产精品一区二区三区 | 五月伊人婷婷丁香| 欧美 亚洲 国产 日韩一| 在线观看免费视频网站a站| 亚洲国产av新网站| 在现免费观看毛片| 尾随美女入室| 高清黄色对白视频在线免费看| 午夜福利视频精品| 亚洲三级黄色毛片| freevideosex欧美| av卡一久久| 在线亚洲精品国产二区图片欧美 | 亚洲综合精品二区| 在线观看免费日韩欧美大片 | 久久久久久久亚洲中文字幕| 国产极品天堂在线| 最近2019中文字幕mv第一页| 性高湖久久久久久久久免费观看| 高清av免费在线| 国产精品蜜桃在线观看| 国产黄频视频在线观看| 久久精品国产亚洲网站| 男女边摸边吃奶| 午夜91福利影院| 又黄又爽又刺激的免费视频.| 久久久久精品久久久久真实原创| 亚洲欧美中文字幕日韩二区| 高清午夜精品一区二区三区| 在线观看国产h片| 一级爰片在线观看| 国产永久视频网站| 美女福利国产在线| 国产爽快片一区二区三区| 久久久午夜欧美精品| 少妇猛男粗大的猛烈进出视频| 久久av网站| 国产欧美日韩综合在线一区二区| 亚洲精品国产av成人精品| www.av在线官网国产| 国产成人精品婷婷| 欧美97在线视频| 免费高清在线观看视频在线观看| 王馨瑶露胸无遮挡在线观看| 亚洲中文av在线| 青青草视频在线视频观看| av视频免费观看在线观看| 如日韩欧美国产精品一区二区三区 | 波野结衣二区三区在线| 国产女主播在线喷水免费视频网站| 亚洲欧美精品自产自拍| 免费观看在线日韩| 免费黄网站久久成人精品| a级毛片黄视频| 9色porny在线观看| 久久国产亚洲av麻豆专区| 国产成人a∨麻豆精品| 国产av国产精品国产| 国产成人免费无遮挡视频| 久久人人爽人人爽人人片va| 大片电影免费在线观看免费| xxx大片免费视频| 国产av精品麻豆| 两个人免费观看高清视频| 大陆偷拍与自拍| 菩萨蛮人人尽说江南好唐韦庄| 国产成人免费观看mmmm| 一级a做视频免费观看| 香蕉精品网在线| 久久久久国产网址| 日韩三级伦理在线观看| 欧美精品亚洲一区二区| 国产日韩欧美亚洲二区| 中文天堂在线官网| 国产在线一区二区三区精| 99精国产麻豆久久婷婷| 亚洲欧美成人综合另类久久久| 亚洲国产精品成人久久小说| 国产男女超爽视频在线观看| 国产日韩一区二区三区精品不卡 | 久久ye,这里只有精品| 妹子高潮喷水视频| videosex国产| 久久人人爽av亚洲精品天堂| 极品少妇高潮喷水抽搐| 国产黄色免费在线视频| 99久久精品国产国产毛片| 成人午夜精彩视频在线观看| 亚洲精品aⅴ在线观看| 精品一区在线观看国产| 性色av一级| 男女免费视频国产| 大码成人一级视频| 成人二区视频| 亚洲av二区三区四区| 日韩大片免费观看网站| 美女cb高潮喷水在线观看| 女性生殖器流出的白浆| 狂野欧美激情性xxxx在线观看| 99热6这里只有精品| 久久亚洲国产成人精品v| 菩萨蛮人人尽说江南好唐韦庄| 91在线精品国自产拍蜜月| 新久久久久国产一级毛片| 又大又黄又爽视频免费| 色吧在线观看| 国产精品99久久99久久久不卡 | 国产乱来视频区| 九草在线视频观看| 99热网站在线观看| 国产日韩欧美视频二区| 女人久久www免费人成看片| 午夜激情久久久久久久| 在线亚洲精品国产二区图片欧美 | 最近最新中文字幕免费大全7| 少妇熟女欧美另类| 国产精品不卡视频一区二区| 97超视频在线观看视频| 亚洲成人一二三区av| 不卡视频在线观看欧美| 中文欧美无线码| 男女国产视频网站| 麻豆精品久久久久久蜜桃| 精品人妻熟女毛片av久久网站| 亚洲欧洲国产日韩| 精品人妻熟女av久视频| kizo精华| 美女主播在线视频| 免费观看无遮挡的男女| 在线观看免费视频网站a站| 日韩av不卡免费在线播放| 91在线精品国自产拍蜜月| 青春草视频在线免费观看| 亚洲av国产av综合av卡| 黄色毛片三级朝国网站| 久久精品国产a三级三级三级| 黄色配什么色好看| 欧美 亚洲 国产 日韩一| 在线观看人妻少妇| 欧美bdsm另类| 国产精品久久久久成人av| 亚洲无线观看免费| 99热国产这里只有精品6| 9色porny在线观看| 婷婷色av中文字幕| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 欧美最新免费一区二区三区| 各种免费的搞黄视频| 蜜桃国产av成人99| 一级毛片黄色毛片免费观看视频| 精品一区二区免费观看| 一本久久精品| 十八禁高潮呻吟视频| 国产一区二区三区av在线| 嫩草影院入口| 精品亚洲成国产av| 日韩一本色道免费dvd| 日本猛色少妇xxxxx猛交久久| av线在线观看网站| 99热网站在线观看| 秋霞伦理黄片| 亚洲精品久久午夜乱码| 久久国产精品大桥未久av| 热99国产精品久久久久久7| 性高湖久久久久久久久免费观看| 国产高清国产精品国产三级| 欧美老熟妇乱子伦牲交| 成人国产av品久久久| 日韩一区二区三区影片| 三级国产精品欧美在线观看| 99热6这里只有精品| 国产精品 国内视频| 热re99久久精品国产66热6| 蜜臀久久99精品久久宅男| 晚上一个人看的免费电影| 国产精品一国产av| 高清在线视频一区二区三区| 超色免费av| 三上悠亚av全集在线观看| 亚洲精品日韩av片在线观看| 狂野欧美白嫩少妇大欣赏| 国产永久视频网站| 五月天丁香电影| 免费观看在线日韩| 最近的中文字幕免费完整| 欧美精品人与动牲交sv欧美| 欧美 亚洲 国产 日韩一| 国产免费一级a男人的天堂| 在现免费观看毛片| 国产免费一级a男人的天堂| 久久97久久精品| 久久国产精品大桥未久av| 最近中文字幕高清免费大全6| 亚洲成人av在线免费| 国产免费一区二区三区四区乱码| 交换朋友夫妻互换小说| 欧美亚洲日本最大视频资源| 黄片无遮挡物在线观看| 国产深夜福利视频在线观看| 国产午夜精品久久久久久一区二区三区| 亚洲国产成人一精品久久久| 爱豆传媒免费全集在线观看| 中文字幕久久专区| 青春草亚洲视频在线观看| 亚洲国产精品999| 久久国产亚洲av麻豆专区| 亚洲,欧美,日韩| 99九九在线精品视频| www.av在线官网国产| 日本爱情动作片www.在线观看| 美女中出高潮动态图| 久久久国产一区二区| 乱码一卡2卡4卡精品| 一级毛片电影观看| 黄色配什么色好看| 国精品久久久久久国模美| 亚洲第一区二区三区不卡| 亚洲精品第二区| 国产极品天堂在线| 国产乱人偷精品视频| 国国产精品蜜臀av免费| 少妇的逼水好多| 国产黄片视频在线免费观看| 成年人免费黄色播放视频| av电影中文网址| 欧美最新免费一区二区三区| 国产成人aa在线观看| 亚洲av国产av综合av卡| 久久久久久久久久久丰满| www.色视频.com| 精品人妻在线不人妻| 91久久精品国产一区二区三区| 亚洲人成网站在线观看播放| 丰满迷人的少妇在线观看| 97超碰精品成人国产| av一本久久久久| 欧美激情 高清一区二区三区| 国产精品女同一区二区软件| 色94色欧美一区二区| 一二三四中文在线观看免费高清| 一级毛片黄色毛片免费观看视频| 国产片特级美女逼逼视频| 久久99精品国语久久久| 嘟嘟电影网在线观看| 国产一区二区在线观看日韩| 久久国产精品男人的天堂亚洲 | 黑人猛操日本美女一级片| 国产精品不卡视频一区二区| 91精品伊人久久大香线蕉| 日韩熟女老妇一区二区性免费视频| 久久人人爽av亚洲精品天堂| 高清视频免费观看一区二区| 人人澡人人妻人| 亚洲性久久影院| 日韩中字成人| 九九爱精品视频在线观看| av福利片在线| 欧美成人午夜免费资源| 精品久久久久久久久av| 亚洲精品久久成人aⅴ小说 | 日韩一区二区三区影片| 国产成人免费观看mmmm| 人妻一区二区av| 久久国内精品自在自线图片| 日本-黄色视频高清免费观看| 国产精品久久久久久精品古装| 少妇丰满av| 91精品国产九色| 少妇的逼好多水| 人妻 亚洲 视频| 久久国产亚洲av麻豆专区| 国产一区二区三区综合在线观看 | 狂野欧美激情性bbbbbb| 只有这里有精品99| 亚洲国产毛片av蜜桃av| 亚州av有码| 纯流量卡能插随身wifi吗| 亚洲美女视频黄频| 国产精品国产av在线观看| 国产成人av激情在线播放 | 久久国产精品男人的天堂亚洲 | 在线天堂最新版资源| 国产成人免费无遮挡视频| 十八禁网站网址无遮挡| 一区二区三区四区激情视频| 大陆偷拍与自拍| 久久99热6这里只有精品| 成人国产麻豆网| 少妇的逼水好多| 97在线视频观看| 亚洲国产日韩一区二区| 国产免费一区二区三区四区乱码| 免费高清在线观看日韩| 午夜91福利影院| 免费观看在线日韩| 免费观看性生交大片5| 乱人伦中国视频| 久久人人爽人人爽人人片va| 18禁观看日本| 欧美日韩精品成人综合77777| 自线自在国产av| 亚洲美女黄色视频免费看| 另类精品久久| 九九久久精品国产亚洲av麻豆| 狠狠精品人妻久久久久久综合| 纵有疾风起免费观看全集完整版| 午夜激情福利司机影院| av网站免费在线观看视频| 韩国av在线不卡| 成人毛片60女人毛片免费| 久久综合国产亚洲精品| 久热这里只有精品99| 一本—道久久a久久精品蜜桃钙片| 99热这里只有精品一区| 日韩三级伦理在线观看| 亚洲少妇的诱惑av| 欧美另类一区| av有码第一页| 人妻少妇偷人精品九色| 国产精品无大码| 国产成人aa在线观看| 天天操日日干夜夜撸| 天堂俺去俺来也www色官网| 久久热精品热| 水蜜桃什么品种好| 欧美人与性动交α欧美精品济南到 | 国产精品偷伦视频观看了| 亚洲国产成人一精品久久久|