• <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
    亚洲欧美精品综合久久99| 一a级毛片在线观看| 亚洲熟妇中文字幕五十中出| 亚洲国产精品成人综合色| 精品无人区乱码1区二区| 久久伊人香网站| 欧美乱色亚洲激情| 国产爱豆传媒在线观看| 哪里可以看免费的av片| 欧美色视频一区免费| 色尼玛亚洲综合影院| 老司机深夜福利视频在线观看| 欧美+亚洲+日韩+国产| 国产精品免费一区二区三区在线| 国产精华一区二区三区| 99热精品在线国产| 91字幕亚洲| 亚洲熟妇中文字幕五十中出| 久99久视频精品免费| 久久久精品大字幕| 亚洲成人久久性| 99热只有精品国产| 桃红色精品国产亚洲av| 夜夜躁狠狠躁天天躁| h日本视频在线播放| eeuss影院久久| 露出奶头的视频| 精品熟女少妇八av免费久了| 免费在线观看日本一区| 好男人电影高清在线观看| 99在线人妻在线中文字幕| 男插女下体视频免费在线播放| 级片在线观看| 国产一区二区三区视频了| 国产精品一及| 国产精品嫩草影院av在线观看 | 97超级碰碰碰精品色视频在线观看| 免费人成在线观看视频色| 在线a可以看的网站| 婷婷色综合大香蕉| 欧美成人性av电影在线观看| 亚洲不卡免费看| 国产毛片a区久久久久| 精华霜和精华液先用哪个| 免费观看人在逋| 日本黄色片子视频| 国产伦在线观看视频一区| 人人妻人人澡欧美一区二区| 岛国在线免费视频观看| 高清在线国产一区| 麻豆成人av在线观看| 亚洲美女视频黄频| 亚洲精品影视一区二区三区av| 欧美日韩亚洲国产一区二区在线观看| .国产精品久久| 搡女人真爽免费视频火全软件 | 国产高清激情床上av| 亚洲黑人精品在线| 老女人水多毛片| 国产老妇女一区| 久久婷婷人人爽人人干人人爱| 两个人视频免费观看高清| 亚洲欧美精品综合久久99| 人妻制服诱惑在线中文字幕| 在线观看一区二区三区| 欧美成人一区二区免费高清观看| 亚洲欧美日韩高清在线视频| 国产免费一级a男人的天堂| 一二三四社区在线视频社区8| 久久久久国内视频| 久久久久久久亚洲中文字幕 | 一进一出抽搐动态| 精品久久久久久久人妻蜜臀av| 两个人的视频大全免费| 嫁个100分男人电影在线观看| 91麻豆av在线| 精品不卡国产一区二区三区| 他把我摸到了高潮在线观看| 精品欧美国产一区二区三| 亚洲在线自拍视频| 亚洲成人久久性| 国产一区二区亚洲精品在线观看| 色视频www国产| 亚洲国产日韩欧美精品在线观看| 97人妻精品一区二区三区麻豆| 一个人免费在线观看电影| 一级av片app| 国产探花极品一区二区| 日本 av在线| 91久久精品国产一区二区成人| 蜜桃亚洲精品一区二区三区| 亚洲专区国产一区二区| 亚洲18禁久久av| 麻豆成人午夜福利视频| 免费av观看视频| av在线观看视频网站免费| 嫩草影院精品99| 久久99热6这里只有精品| 国产精品亚洲美女久久久| 国产午夜精品久久久久久一区二区三区 | 日韩大尺度精品在线看网址| 在线观看av片永久免费下载| 五月玫瑰六月丁香| 无人区码免费观看不卡| 欧美绝顶高潮抽搐喷水| 男女做爰动态图高潮gif福利片| 91久久精品国产一区二区成人| 99热这里只有精品一区| 亚洲成人免费电影在线观看| 少妇的逼好多水| 午夜精品久久久久久毛片777| 日日夜夜操网爽| 大型黄色视频在线免费观看| 我要搜黄色片| 欧美国产日韩亚洲一区| 亚洲第一区二区三区不卡| 欧美黑人欧美精品刺激| 热99re8久久精品国产| 久久久久久久久中文| 国产三级中文精品| 国内毛片毛片毛片毛片毛片| 内地一区二区视频在线| 国产午夜福利久久久久久| 十八禁网站免费在线| 能在线免费观看的黄片| 伊人久久精品亚洲午夜| 久久久久久久久大av| 桃红色精品国产亚洲av| 99久久99久久久精品蜜桃| 国产真实伦视频高清在线观看 | 成人亚洲精品av一区二区| 国产精品国产高清国产av| 草草在线视频免费看| 99riav亚洲国产免费| 在线播放国产精品三级| 1000部很黄的大片| 少妇裸体淫交视频免费看高清| 91麻豆av在线| 99久久久亚洲精品蜜臀av| 亚洲av日韩精品久久久久久密| 两人在一起打扑克的视频| 日韩国内少妇激情av| 搡女人真爽免费视频火全软件 | 宅男免费午夜| 在线免费观看不下载黄p国产 | 亚洲精品成人久久久久久| 免费搜索国产男女视频| 国内精品久久久久精免费| 大型黄色视频在线免费观看| 亚洲aⅴ乱码一区二区在线播放| 久久精品国产亚洲av天美| 亚洲成人免费电影在线观看| 亚洲av电影在线进入| 男人狂女人下面高潮的视频| 女同久久另类99精品国产91| 欧美日韩中文字幕国产精品一区二区三区| 如何舔出高潮| 午夜两性在线视频| 亚洲狠狠婷婷综合久久图片| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产精品久久视频播放| 脱女人内裤的视频| 五月伊人婷婷丁香| 国产人妻一区二区三区在| 午夜免费男女啪啪视频观看 | 国内少妇人妻偷人精品xxx网站| 亚洲性夜色夜夜综合| 一级av片app| 国产精品亚洲一级av第二区| 琪琪午夜伦伦电影理论片6080| 夜夜夜夜夜久久久久| 少妇熟女aⅴ在线视频| 搡女人真爽免费视频火全软件 | 黄片小视频在线播放| 99在线视频只有这里精品首页| 国产在线男女| 草草在线视频免费看| 欧美成狂野欧美在线观看| 免费一级毛片在线播放高清视频| 精品久久久久久久久亚洲 | 国产又黄又爽又无遮挡在线| 男人舔奶头视频| 性色av乱码一区二区三区2| 欧美高清性xxxxhd video| 欧美日韩黄片免| 露出奶头的视频| 午夜福利成人在线免费观看| 亚洲成人久久性| 国产精品女同一区二区软件 | 亚洲精品一卡2卡三卡4卡5卡| 五月玫瑰六月丁香| 91麻豆av在线| 日本免费一区二区三区高清不卡| 免费人成视频x8x8入口观看| 天堂av国产一区二区熟女人妻| 国产野战对白在线观看| 青草久久国产| 日韩精品中文字幕看吧| 亚洲狠狠婷婷综合久久图片| 男女那种视频在线观看| 亚洲精品成人久久久久久| 成年人黄色毛片网站| 在线国产一区二区在线| 免费av毛片视频| 午夜精品久久久久久毛片777| 欧美+日韩+精品| 国产欧美日韩一区二区三| av女优亚洲男人天堂| 亚洲欧美日韩高清在线视频| eeuss影院久久| 国产亚洲精品久久久com| 看黄色毛片网站| 少妇被粗大猛烈的视频| 欧美乱妇无乱码| 亚洲无线观看免费| 日本精品一区二区三区蜜桃| 91麻豆av在线| 亚洲精品亚洲一区二区| 一区二区三区免费毛片| 久久久久免费精品人妻一区二区| 欧美黄色片欧美黄色片| 亚洲欧美日韩高清专用| 欧美一级a爱片免费观看看| 欧美日韩福利视频一区二区| 一二三四社区在线视频社区8| 亚洲av免费高清在线观看| 人妻久久中文字幕网| 日韩精品中文字幕看吧| 久久久成人免费电影| 久久久久九九精品影院| 天堂网av新在线| 亚洲一区二区三区色噜噜| 琪琪午夜伦伦电影理论片6080| av女优亚洲男人天堂| 日韩大尺度精品在线看网址| 身体一侧抽搐| 波多野结衣高清作品| 青草久久国产| 亚洲在线观看片| 色哟哟哟哟哟哟| 亚洲内射少妇av| 国产亚洲精品久久久com| av在线老鸭窝| 九九在线视频观看精品| 午夜a级毛片| 亚洲精品影视一区二区三区av| 日韩欧美在线二视频| 国产乱人伦免费视频| 丰满的人妻完整版| 亚洲精品久久国产高清桃花| 在线播放国产精品三级| 国产视频一区二区在线看| 长腿黑丝高跟| 成人亚洲精品av一区二区| 日韩免费av在线播放| 91久久精品国产一区二区成人| 欧美潮喷喷水| 宅男免费午夜| 亚洲第一电影网av| 18禁黄网站禁片免费观看直播| 精品欧美国产一区二区三| 国产毛片a区久久久久| a级毛片a级免费在线| 尤物成人国产欧美一区二区三区| 少妇人妻一区二区三区视频| 简卡轻食公司| 精品一区二区三区视频在线观看免费| 免费搜索国产男女视频| 欧美激情久久久久久爽电影| 淫秽高清视频在线观看| 免费观看精品视频网站| 国产精品免费一区二区三区在线| 99久久成人亚洲精品观看| 国产野战对白在线观看| 欧美色视频一区免费| 精品福利观看| 久久久久久久精品吃奶| 老司机深夜福利视频在线观看| 国产成人福利小说| 久久国产精品人妻蜜桃| 少妇丰满av| 国产人妻一区二区三区在| 亚洲专区国产一区二区| 两个人视频免费观看高清| 亚洲午夜理论影院| 国产欧美日韩精品亚洲av| 亚洲男人的天堂狠狠| 精品人妻1区二区| 一本一本综合久久| 国产精品久久久久久久电影| 一个人观看的视频www高清免费观看| 亚洲成av人片在线播放无| 亚洲av免费在线观看| 99热这里只有精品一区| 精华霜和精华液先用哪个| 中文字幕精品亚洲无线码一区| 日本黄色视频三级网站网址| 嫁个100分男人电影在线观看| 在线十欧美十亚洲十日本专区| 国产亚洲欧美在线一区二区| 淫妇啪啪啪对白视频| 黄色女人牲交| 成人亚洲精品av一区二区| 午夜免费成人在线视频| 欧美xxxx性猛交bbbb| 国产极品精品免费视频能看的| 国产高清有码在线观看视频| 欧美高清成人免费视频www| 久久久久久久久久黄片| 尤物成人国产欧美一区二区三区| 搡女人真爽免费视频火全软件 | 亚洲国产欧洲综合997久久,| 久久国产精品人妻蜜桃| 久久精品国产清高在天天线| 亚洲av电影不卡..在线观看| 日韩欧美精品v在线| 成人性生交大片免费视频hd| 国内精品美女久久久久久| 日本 欧美在线| 国产精品亚洲美女久久久| 国产三级黄色录像| 日日摸夜夜添夜夜添小说| 18禁黄网站禁片免费观看直播| 一个人免费在线观看的高清视频| 国内精品久久久久久久电影| 国产毛片a区久久久久| 欧美性猛交╳xxx乱大交人| 日韩大尺度精品在线看网址| 日本精品一区二区三区蜜桃| 国内精品久久久久精免费| 欧美午夜高清在线| 亚洲不卡免费看| 18禁黄网站禁片免费观看直播| 色视频www国产| 好男人电影高清在线观看| 午夜精品在线福利| 亚洲成人免费电影在线观看| 午夜老司机福利剧场| 伦理电影大哥的女人| 日本免费a在线| 国产在线男女| 午夜福利免费观看在线| 午夜日韩欧美国产| 噜噜噜噜噜久久久久久91| 99精品在免费线老司机午夜| 亚洲精品粉嫩美女一区| 淫妇啪啪啪对白视频| 久久精品国产清高在天天线| 国产综合懂色| 国产高清视频在线观看网站| 淫妇啪啪啪对白视频| 91麻豆精品激情在线观看国产| 直男gayav资源| 日韩中字成人| 精品午夜福利视频在线观看一区| 3wmmmm亚洲av在线观看| 欧美极品一区二区三区四区| 精品久久久久久久久亚洲 | 搞女人的毛片| 男女之事视频高清在线观看| 少妇熟女aⅴ在线视频| 少妇裸体淫交视频免费看高清| 9191精品国产免费久久| 少妇裸体淫交视频免费看高清| 91九色精品人成在线观看| 90打野战视频偷拍视频| 免费av观看视频| 我要看日韩黄色一级片| 免费一级毛片在线播放高清视频| 久久久久久久午夜电影| 免费av观看视频| 嫩草影院精品99| 非洲黑人性xxxx精品又粗又长| 我的老师免费观看完整版| 久久性视频一级片| 精品一区二区三区人妻视频| av女优亚洲男人天堂| 1000部很黄的大片| 亚洲成人久久爱视频| 亚洲 国产 在线| 国产亚洲av嫩草精品影院| 国产精品久久久久久久电影| 久久久色成人| 91字幕亚洲| 日韩有码中文字幕| 精品人妻偷拍中文字幕| 亚洲成a人片在线一区二区| 国产精品影院久久| 国产亚洲欧美98| 精品人妻视频免费看| 国产成人欧美在线观看| www日本黄色视频网| 极品教师在线视频| 精品一区二区免费观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产中年淑女户外野战色| 欧美一区二区精品小视频在线| 国产精品嫩草影院av在线观看 | 少妇人妻一区二区三区视频| 成人亚洲精品av一区二区| 最新中文字幕久久久久| 色尼玛亚洲综合影院| 国产精品一及| 怎么达到女性高潮| 丰满乱子伦码专区| 小蜜桃在线观看免费完整版高清| 极品教师在线免费播放| 少妇熟女aⅴ在线视频| 一区二区三区四区激情视频 | 午夜精品久久久久久毛片777| 成人av一区二区三区在线看| 美女 人体艺术 gogo| 精品人妻1区二区| 欧美中文日本在线观看视频| avwww免费| 内地一区二区视频在线| 亚洲精品色激情综合| 人妻丰满熟妇av一区二区三区| 哪里可以看免费的av片| 中文资源天堂在线| 性色av乱码一区二区三区2| 欧美日韩瑟瑟在线播放| 中国美女看黄片| 久久香蕉精品热| 亚洲欧美日韩高清专用| 日本免费一区二区三区高清不卡| 亚洲一区高清亚洲精品| 国产成人影院久久av| 国产老妇女一区| 给我免费播放毛片高清在线观看| 国内精品美女久久久久久| 国产淫片久久久久久久久 | 久久九九热精品免费| 午夜福利在线观看免费完整高清在 | 亚洲av中文字字幕乱码综合| 亚洲最大成人av| 色5月婷婷丁香| 国产黄色小视频在线观看| 欧美不卡视频在线免费观看| 最后的刺客免费高清国语| 亚洲一区二区三区色噜噜| 成人性生交大片免费视频hd| 色在线成人网| 97碰自拍视频| 狂野欧美白嫩少妇大欣赏| 国产男靠女视频免费网站| 夜夜夜夜夜久久久久| 婷婷色综合大香蕉| 级片在线观看| 久久精品综合一区二区三区| 国产精品99久久久久久久久| 啪啪无遮挡十八禁网站| 精品国产亚洲在线| 51国产日韩欧美| 男人舔奶头视频| 亚洲欧美日韩高清专用| 精品不卡国产一区二区三区| 国产黄色小视频在线观看| 婷婷精品国产亚洲av| 99riav亚洲国产免费| 1000部很黄的大片| 日本黄色片子视频| 热99在线观看视频| 精品久久久久久久久久免费视频| 少妇的逼好多水| 国产亚洲精品av在线| 日本a在线网址| 国产精品1区2区在线观看.| 欧美成狂野欧美在线观看| 好男人电影高清在线观看| 最新在线观看一区二区三区| 久久亚洲精品不卡| 亚洲人成网站高清观看| 久久久久久国产a免费观看| 国产伦在线观看视频一区| 日韩av在线大香蕉| 精品一区二区三区人妻视频| 欧美色欧美亚洲另类二区| 亚洲欧美日韩无卡精品| 免费黄网站久久成人精品 | av专区在线播放| or卡值多少钱| 白带黄色成豆腐渣| 麻豆成人午夜福利视频| 国产午夜精品久久久久久一区二区三区 | 欧美午夜高清在线| 怎么达到女性高潮| 欧美一区二区亚洲| av天堂中文字幕网| 给我免费播放毛片高清在线观看| 欧美日本亚洲视频在线播放| 国产成人啪精品午夜网站| 亚洲精品色激情综合| 成人精品一区二区免费| 观看美女的网站| 亚洲精品一卡2卡三卡4卡5卡| 亚洲成av人片免费观看| 成人国产一区最新在线观看| 亚洲av不卡在线观看| 亚洲自偷自拍三级| 99久久99久久久精品蜜桃| 岛国在线免费视频观看| 欧美三级亚洲精品| 很黄的视频免费| 男女下面进入的视频免费午夜| 日韩大尺度精品在线看网址| 中文字幕熟女人妻在线| 国产精品国产高清国产av| 亚洲欧美清纯卡通| 亚洲av成人不卡在线观看播放网| 国产69精品久久久久777片| 男女下面进入的视频免费午夜| 观看免费一级毛片| 久久久久久大精品| 亚洲经典国产精华液单 | 搡老岳熟女国产| 乱码一卡2卡4卡精品| 久久久精品欧美日韩精品| 亚洲最大成人中文| 禁无遮挡网站| 精品人妻1区二区| 黄色丝袜av网址大全| 国产一区二区亚洲精品在线观看| 免费无遮挡裸体视频| 99在线视频只有这里精品首页| 无遮挡黄片免费观看| 日本一本二区三区精品| 偷拍熟女少妇极品色| 亚洲专区国产一区二区| 国内精品久久久久久久电影| 九九久久精品国产亚洲av麻豆| 国产欧美日韩精品一区二区| 久久久久久久精品吃奶| 1000部很黄的大片| 精品午夜福利视频在线观看一区| 久久精品影院6| 99国产精品一区二区三区| 亚洲五月婷婷丁香| 亚洲美女黄片视频| 九色国产91popny在线| 国产精品爽爽va在线观看网站| av福利片在线观看| 在线免费观看不下载黄p国产 | 精品久久久久久久末码| ponron亚洲| 国产精品久久电影中文字幕| 国产精品三级大全| 伦理电影大哥的女人| 一进一出抽搐动态| 草草在线视频免费看| 色综合婷婷激情| 精品久久久久久久末码| 日韩欧美国产一区二区入口| 一本精品99久久精品77| av在线天堂中文字幕| 在线a可以看的网站| xxxwww97欧美| 久久久久久久久大av| 国产精品不卡视频一区二区 | 亚洲av成人不卡在线观看播放网| 色尼玛亚洲综合影院| a级毛片a级免费在线| 三级男女做爰猛烈吃奶摸视频| 中文字幕精品亚洲无线码一区| 久久久久久久久大av| 一本精品99久久精品77| 我要看日韩黄色一级片| 久久精品91蜜桃| 99久国产av精品| 国产国拍精品亚洲av在线观看| 伊人久久精品亚洲午夜| 麻豆成人午夜福利视频| 男女下面进入的视频免费午夜| 国产精品野战在线观看| 18美女黄网站色大片免费观看| 久久久久亚洲av毛片大全| 国内久久婷婷六月综合欲色啪| 国产精品爽爽va在线观看网站| 麻豆成人av在线观看| 欧美丝袜亚洲另类 | 夜夜爽天天搞| 日韩精品青青久久久久久| 直男gayav资源| 偷拍熟女少妇极品色| 亚洲精品在线美女| 亚洲欧美精品综合久久99| 床上黄色一级片| 一个人看的www免费观看视频| 日本撒尿小便嘘嘘汇集6| 精品乱码久久久久久99久播| 欧美乱色亚洲激情| 好男人在线观看高清免费视频| 97人妻精品一区二区三区麻豆| 美女被艹到高潮喷水动态| 免费搜索国产男女视频| 亚洲av成人不卡在线观看播放网| 真实男女啪啪啪动态图| 日韩欧美免费精品| 国内精品美女久久久久久| 亚洲美女搞黄在线观看 | 免费高清视频大片| 国产精品一区二区三区四区免费观看 | 国产欧美日韩精品亚洲av| 成人国产综合亚洲| 久久久久性生活片| 亚州av有码| 黄色配什么色好看| 亚洲人成伊人成综合网2020| 在线免费观看的www视频| 9191精品国产免费久久| 在现免费观看毛片| 午夜a级毛片| 国产午夜精品论理片| 午夜精品在线福利| 久久精品国产亚洲av香蕉五月|