• <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 ?

    復(fù)雜場景下基于特征點(diǎn)匹配的目標(biāo)跟蹤算法

    2014-12-03 08:07:50仇大偉劉靜
    山東科學(xué) 2014年4期
    關(guān)鍵詞:矩形框直方圖特征

    仇大偉,劉靜

    (山東中醫(yī)藥大學(xué)理工學(xué)院,山東濟(jì)南250355)

    目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域中的一個重要問題,在視頻會議、目標(biāo)監(jiān)控和人機(jī)交互中有著廣泛應(yīng)用。目標(biāo)跟蹤的主要目的是在動態(tài)變化的場景下連續(xù)、可靠地獲取目標(biāo)的準(zhǔn)確位置[1],多年來,研究者們對此進(jìn)行了大量研究,提出了一些目標(biāo)跟蹤算法。概括起來,目標(biāo)跟蹤算法可以分為以下四種類型[2]:基于梯度的方法通過最小化代價函數(shù)定位后續(xù)幀中的目標(biāo);基于知識的方法使用形狀、輪廓等先驗(yàn)知識跟蹤目標(biāo);基于學(xué)習(xí)的方法借助模式識別算法首先學(xué)習(xí)目標(biāo)模型,然后在后續(xù)幀中搜索目標(biāo);基于特征的方法使用提取的諸如亮度、顏色和邊緣等特征跟蹤目標(biāo)。

    主動輪廓模型[3]自1988年提出后,一直是圖像分割領(lǐng)域的研究熱點(diǎn),但是輪廓的初始化、運(yùn)算速度等問題使其很難應(yīng)用于目標(biāo)跟蹤的研究中。基于學(xué)習(xí)的方法[2,4-6]主要使用神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)和支持向量機(jī)等方法進(jìn)行目標(biāo)跟蹤。該方法允許進(jìn)行復(fù)雜的、非線性目標(biāo)建模,且可以動態(tài)地進(jìn)行模型更新。然而,基于學(xué)習(xí)的方法一般用于特定的目標(biāo)跟蹤,且需要離線學(xué)習(xí)大量樣本,通用性較差。近年來,基于特征的目標(biāo)跟蹤方法引起了研究者的廣泛關(guān)注。均值偏移跟蹤[7](mean shift tracking,MST)及其改進(jìn)算法主要利用顏色直方圖表示目標(biāo),自提出以來得到了廣泛應(yīng)用。然而,該類算法假定目標(biāo)的直方圖在跟蹤過程中不會發(fā)生較大改變,實(shí)際上,由于光照強(qiáng)度、觀測角度、目標(biāo)遠(yuǎn)近以及遮擋等情況的變化,目標(biāo)在運(yùn)動過程中常常會發(fā)生較大改變。針對不斷變化的目標(biāo)外形,Nejhum等[8]提出一種使用直方圖跟蹤目標(biāo)的算法,該算法利用目標(biāo)窗口中的若干小的矩形框表示目標(biāo),小矩形框的位置在算法運(yùn)行過程中自適應(yīng)地確定,該算法能夠跟蹤在運(yùn)動過程中外形有較大變化的目標(biāo)。然而,該算法每次都需掃描整個圖像以確定目標(biāo)的大體位置,表示目標(biāo)的小矩形框的調(diào)整和再定位、目標(biāo)模型的更新等方面也需要做出進(jìn)一步的改進(jìn)。

    研究人員將局部不變特征應(yīng)用于目標(biāo)跟蹤,也取得了較好的效果。Tang等[9]使用基于SIFT(scale invariant feature transform,SIFT)的屬性關(guān)系圖(attributed relational graph,ARG)表示目標(biāo),在幾個連續(xù)的幀中總是出現(xiàn)的特征被認(rèn)為是穩(wěn)定的特征,用于構(gòu)建圖;反之,較少出現(xiàn)的特征則從圖中刪除。然而,在實(shí)際的視覺目標(biāo)跟蹤過程中,由于外觀、光照等的變化,這樣穩(wěn)定的特征比較少。Carrera等[10]根據(jù)SURF(speeded-up robust features)算法提出了一種魯棒的目標(biāo)跟蹤算法,該算法使用Harris算子檢測目標(biāo)區(qū)域中的興趣點(diǎn),使用SURF描述算子對興趣點(diǎn)進(jìn)行表示,在目標(biāo)跟蹤過程中,使用UKF(unscented kalman filter)預(yù)測目標(biāo)中心位置。實(shí)驗(yàn)表明,該算法在目標(biāo)旋轉(zhuǎn)、尺度變化等情況下,魯棒性較好。然而,在目標(biāo)姿態(tài)、外觀發(fā)生改變的情況下,該算法未能及時更新目標(biāo)模型。

    為減少計算量,有效應(yīng)對目標(biāo)跟蹤過程中的遮擋、目標(biāo)外觀變化等情況,本文提出了一種基于SURF的目標(biāo)跟蹤算法。

    1 SURF算法

    SURF算法是Bay等[11-12]在2006年提出的一種具有尺度、旋轉(zhuǎn)不變性的圖像局部特征檢測和描述算子。該算法不但在性能上達(dá)到或超過了目前常用的基于Harris、基于Hessian矩陣的方法和SIFT等算法,而且其執(zhí)行速度更快。

    1.1 興趣點(diǎn)的檢測

    SURF算法的興趣點(diǎn)檢測算子基于Hessian矩陣,這樣可以利用積分圖像,極大地減少時間。

    對于圖像中的一個像素點(diǎn)X=(x,y),在尺度σ下該點(diǎn)處的Hessian矩陣定義為

    文獻(xiàn)[13-14]中已經(jīng)表明高斯核在尺度空間分析中性能優(yōu)良,實(shí)際應(yīng)用時須將其離散化。在SURF算法中,將二階高斯微分算子近似為如圖1所示的盒形濾波。使用這些算子SURF算法不但以較低的開銷在積分圖像上進(jìn)行計算,且計算時間獨(dú)立于濾波大小。

    圖1中的高斯二階微分算子可記為Dxx、Dyy和Dyy。Hessian矩陣的行列式為

    Lxx、Lyy和Lxy分別為Dxx、Dyy和Dxy與輸入圖像在某像素點(diǎn)處卷積,權(quán)值w按如下方式計算

    式中,|·|F為F-范數(shù)。

    興趣點(diǎn)從不同尺度檢測,尺度空間通常表示為一個圖像金字塔。由于積分圖像的使用,SURF算法可以通過不斷增大濾波而不是減小圖像進(jìn)行尺度空間分析,如圖2所示,左圖表示不斷減少圖像大小進(jìn)行尺度空間分析,SURF算法使用右圖所示方法,使用相同大小的輸入圖像,通過不斷增大濾波大小進(jìn)行尺度空間分析。

    圖1 高斯二階微分算子Fig.1 Gaussian second-order partial derivative operator in x-,y-and xy-directions

    尺度空間分成不同分組,為了使濾波大小為奇數(shù)且保證中心像素的存在,相鄰濾波必須增大至少2像素。對于每一新的尺度空間分組,濾波增大加倍(從6~12到24~48)。在SURF算法中,第1分組的濾波大小分別為9、15、21、27,第2分組至第4分組中的濾波大小分別為15、27、39、51;27、51、75、99;51、99、147、195。

    SURF算法運(yùn)用非最大化抑制和插值方法尋找興趣點(diǎn)。

    圖2 尺度空間分析Fig.2 Scale space analysis

    1.2 興趣點(diǎn)的描述

    為提取興趣點(diǎn)的描述,首先構(gòu)造一個以興趣點(diǎn)為中心,沿興趣點(diǎn)方向的窗口,窗口大小為20s。該窗口被劃分成4×4的小區(qū)域,在每個小區(qū)域計算Haar小波響應(yīng),水平方向記為 dx,垂直方向記為 dy(濾波大小為2s)。dx和dy與以興趣點(diǎn)為中心高斯分布(σ=3.3s)進(jìn)行加權(quán)。在每個小區(qū)域中計算向量v=(Σ dx,Σ dy,Σ |dx|,Σ |dy|),連接4×4個小區(qū)域的向量,就可得到一個長度為64的向量。

    圖3 興趣點(diǎn)方向的指定Fig.3 Orientation assignment for the interest point

    1.3 興趣點(diǎn)的匹配

    興趣點(diǎn)的匹配基于向量間的距離,一般使用馬氏(Mahalanobis)距離或歐氏(Euclidean)距離。

    2 基于SURF的目標(biāo)跟蹤算法

    在目標(biāo)跟蹤中,目標(biāo)的表示、目標(biāo)的檢測、遮擋情況的處理、目標(biāo)大小的縮放、目標(biāo)模型的更新等是需要著重解決的幾個問題,在本算法中,我們針對這幾個問題提出了基于SURF的目標(biāo)跟蹤算法。

    基于SURF的目標(biāo)跟蹤算法以第1幀圖像中矩形框界定的目標(biāo)為輸入,后續(xù)幀中表示目標(biāo)位置的矩形框作為輸出。該算法的總體框架見圖4。

    算法獲得輸入后,對于每一幀新的圖像,為減少計算量,不是在整個圖像中搜索目標(biāo),而是首先根據(jù)目標(biāo)的運(yùn)動狀態(tài),計算目標(biāo)搜索區(qū)域。算法在目標(biāo)搜索區(qū)域中檢測SURF點(diǎn),將SURF點(diǎn)與目標(biāo)模型中的SURF點(diǎn)進(jìn)行比較,計算最佳匹配SURF點(diǎn)。然后,根據(jù)最佳匹配SURF點(diǎn)的個數(shù),判定目標(biāo)是否發(fā)生遮擋。若發(fā)生遮擋,則根據(jù)獲得的匹配SURF點(diǎn)在目標(biāo)模型中相對應(yīng)的SURF點(diǎn),計算目標(biāo)中心,根據(jù)SURF點(diǎn)及其鄰近R、G、B直方圖計算目標(biāo)的實(shí)際位置。若目標(biāo)未發(fā)生遮擋,則根據(jù)檢測到的最佳匹配SURF點(diǎn),計算目標(biāo)中心,根據(jù)SURF點(diǎn)鄰近R、G、B直方圖縮放跟蹤窗口,計算目標(biāo)的最佳大小和位置。并根據(jù)獲得的目標(biāo)窗口,重新計算窗口內(nèi)SURF點(diǎn)及其鄰近R、G、B直方圖,對目標(biāo)模型進(jìn)行更新,以反映目標(biāo)的最新變化。

    圖4 算法框架圖Fig.4 Flowchart of the tracking process

    2.1 目標(biāo)檢測

    目標(biāo)檢測是視覺跟蹤的中心任務(wù)之一。本節(jié)的主要任務(wù)是計算目標(biāo)的搜索區(qū)域,然后在該區(qū)域中檢測目標(biāo)的SURF點(diǎn),這些點(diǎn)作為目標(biāo)的主要特征點(diǎn),確定了目標(biāo)的大致位置,為后面計算目標(biāo)的準(zhǔn)確位置做必要的準(zhǔn)備。

    2.1.1 目標(biāo)表示

    本文提出的算法屬于基于特征的目標(biāo)跟蹤算法。算法首先檢測目標(biāo)區(qū)域中的SURF點(diǎn),然后計算每個SURF點(diǎn)鄰近的R、G、B直方圖,以SURF點(diǎn)和R、G、B直方圖來表示目標(biāo)。如圖5所示,以目標(biāo)跟蹤窗口內(nèi)的若干小矩形框的R、G、B直方圖表示目標(biāo)。在對跟蹤的目標(biāo)進(jìn)行直方圖的相似度比較時,不同的小矩形框賦以不同權(quán)值,離目標(biāo)中心近的賦以較大權(quán)值,離目標(biāo)中心較遠(yuǎn)的賦以較小權(quán)值,權(quán)值在算法運(yùn)行過程中動態(tài)確定(權(quán)值的計算見2.3節(jié))。在目標(biāo)跟蹤框中不可避免地會包含很多背景像素,對離目標(biāo)中心較遠(yuǎn)的小矩形框直方圖賦以較小權(quán)值,可以降低其對目標(biāo)表示的影響,以便較準(zhǔn)確地檢測到目標(biāo),提高跟蹤的精度。

    圖5 目標(biāo)的表示Fig.5 Target representation

    2.1.2 目標(biāo)搜索區(qū)域的計算

    為減少算法的計算成本,加快算法的執(zhí)行速度,本算法不是掃描整個輸入圖像檢測目標(biāo),而是根據(jù)上一幀圖像中目標(biāo)的位置和速度,在當(dāng)前幀中掃描目標(biāo)可能的鄰近區(qū)域,進(jìn)而確定目標(biāo)的準(zhǔn)確位置。目標(biāo)可能鄰近區(qū)域,即目標(biāo)搜索區(qū)域的計算方法為:

    其中,testRect和targetRect分別表示當(dāng)前幀的目標(biāo)搜索區(qū)域和上一幀的目標(biāo)區(qū)域。其第一、第二分量表示矩形區(qū)域左上角坐標(biāo),第三、第四分量分別表示矩形區(qū)域的寬度和高度。dx和dy分別表示目標(biāo)在x和y方向上的速度,此處我們假定目標(biāo)沿右下角方向移動,若目標(biāo)向其他方向移動,目標(biāo)搜索區(qū)域可相應(yīng)向該方向增長。step_w和step_h分別表示矩形區(qū)域在寬度和高度方向上需要增加的量,其計算方法如下

    其中,sw和sh分別表示目標(biāo)搜索區(qū)域在寬度和高度方向上的增長系數(shù),一般選擇0.1~0.3,本文中sw和sh均設(shè)置為0.2。

    目標(biāo)搜索區(qū)域的計算見圖6,圖中虛線框?yàn)樯弦粠瑘D像中檢測到的目標(biāo)的準(zhǔn)確位置,點(diǎn)線框?yàn)樵繕?biāo)位置進(jìn)行擴(kuò)展后的區(qū)域。

    圖6 目標(biāo)搜索區(qū)域的計算Fig.6 Computation of target searching area

    2.1.3 SURF點(diǎn)的檢測

    確定了目標(biāo)搜索區(qū)域后,應(yīng)用SURF算法檢測該區(qū)域中的SURF點(diǎn),一般來說,在目標(biāo)搜索區(qū)域中檢測到的SURF點(diǎn)將多于目標(biāo)模型中SURF點(diǎn)的數(shù)量。為計算最佳匹配SURF點(diǎn),我們首先計算目標(biāo)搜索區(qū)域與目標(biāo)模型中SURF點(diǎn)的歐氏距離

    其中,TI(i)表示在目標(biāo)搜索區(qū)域中檢測到的第i個SURF點(diǎn),TS(k)表示目標(biāo)模型中的第k個SURF點(diǎn)。對于歐氏距離小于某一閾值θdist的SURF點(diǎn),我們選定為最佳匹配點(diǎn),其中θdist的值在算法運(yùn)行過程中動態(tài)確定,一般為上一幀最佳SURF匹配點(diǎn)歐氏距離的最大值。

    檢測到的最佳SURF匹配點(diǎn)即為目標(biāo)的大致位置,為計算目標(biāo)的準(zhǔn)確位置,需要計算目標(biāo)的中心位置,為此算法將判斷目標(biāo)是否發(fā)生遮擋。

    2.2 遮擋處理

    為簡單起見,算法根據(jù)如下原則,判斷目標(biāo)是否發(fā)生遮擋,并進(jìn)行相應(yīng)處理:

    (1)若未檢測到匹配點(diǎn),則目標(biāo)發(fā)生完全遮擋,在后續(xù)幀中,再次檢測到與目標(biāo)模型中相匹配的SURF點(diǎn)時,標(biāo)志著目標(biāo)再次出現(xiàn)。

    (2)若匹配點(diǎn)的個數(shù)少于上一幀中最佳匹配點(diǎn)個數(shù)的75%,則目標(biāo)發(fā)生部分遮擋。此時,目標(biāo)中心根據(jù)目標(biāo)模型中相應(yīng)匹配點(diǎn)到中心的距離來計算,為方便說明,我們進(jìn)行如下符號約定:目標(biāo)模型中目標(biāo)中心位置為O?

    ,目標(biāo)模型中相應(yīng)最佳SURF匹配點(diǎn)的位置為P?i,因此,目標(biāo)中心到該點(diǎn)的距離為

    如圖7所示。從而,當(dāng)前幀目標(biāo)中心的估計值為

    其中,n為檢測到的最佳匹配SURF點(diǎn)的個數(shù)。

    圖7 目標(biāo)發(fā)生遮擋時的目標(biāo)中心位置計算Fig.7 Computation of the center position of a shaded target

    圖8 目標(biāo)未發(fā)生遮擋時的目標(biāo)中心位置計算Fig.8 Computation of the center position without a shaded target

    (3)否則,目標(biāo)未發(fā)生遮擋,根據(jù)檢測到的最佳SURF匹配點(diǎn)計算目標(biāo)中心位置,見圖8,目標(biāo)中心的估計值為

    2.3 目標(biāo)縮放

    檢測到當(dāng)前幀目標(biāo)中心的估計值后,算法將根據(jù)最佳匹配SURF點(diǎn)鄰近的顏色直方圖來計算目標(biāo)的準(zhǔn)確位置。

    根據(jù)上一幀中目標(biāo)跟蹤窗口的大小,在當(dāng)前幀中,算法隨機(jī)改變跟蹤窗口的寬度和高度,對于每一個窗口W'=S(W,winw,winh),其中W為上一幀中目標(biāo)跟蹤窗口,winw和winh分別為寬度和高度方向上窗口大小改變系數(shù),本文中我們選取0.8≤winw,winh≤1.2。算法計算在該窗口內(nèi),最近匹配SURF點(diǎn)鄰近的R、G、B直方圖,并與目標(biāo)模型中相應(yīng)SURF點(diǎn)的R、G、B直方圖進(jìn)行比較,返回相似度最高的窗口大小,即

    式中,n為最佳匹配SURF點(diǎn)的個數(shù),θ(i)為相應(yīng)于第i個匹配點(diǎn)的目標(biāo)模型中的SURF點(diǎn),λi為第i個SURF點(diǎn)鄰近直方圖的權(quán)重系數(shù),在算法運(yùn)行過程中動態(tài)改變,其計算方法為

    其中,b為直方圖箱子索引號,Hi為目標(biāo)搜索區(qū)域中第i個SURF點(diǎn)鄰近的原始直方圖。ρ(·)度量目標(biāo)區(qū)域和目標(biāo)模板的R、G、B直方圖的接近程度,本文對R、G、B三個分量采用相同權(quán)重,即均為1/3,算法采用Bhattacharyya距離

    上式中,N為直方圖箱數(shù)。

    因?yàn)樵诒疚闹?,目?biāo)跟蹤窗口和直方圖的計算均是矩形框,所以可以采用積分直方圖以加快算法的執(zhí)行速度。

    2.4 模型更新

    由于姿態(tài)改變、光線變化以及場景改變等因素的影響,目標(biāo)在運(yùn)動過程中其特征不斷發(fā)生變化,目標(biāo)模型應(yīng)及時反映這些變化。因此,模型更新也是影響目標(biāo)跟蹤效果的一個重要方面。為此,本文提出了一種在線更新目標(biāo)模型的策略。

    在遮擋發(fā)生前,系統(tǒng)保存有最近未發(fā)生遮擋的前M(本文中,我們設(shè)置M為10)幀圖像中的目標(biāo)特征(SURF點(diǎn)、鄰近直方圖)。若當(dāng)前幀中目標(biāo)未發(fā)生遮擋,則根據(jù)2.3中計算目標(biāo)的準(zhǔn)確跟蹤窗口,重新計算跟蹤窗口內(nèi)的SURF點(diǎn)鄰近的R、G、B直方圖,將SURF點(diǎn)即R、G、B直方圖保存到目標(biāo)模型中,若目標(biāo)模型中的幀數(shù)超過M,則刪除最前幀中的目標(biāo)特征。

    若當(dāng)前幀中目標(biāo)發(fā)生遮擋,停止更新目標(biāo)模型,根據(jù)匹配的最佳SURF點(diǎn)及目標(biāo)模型,估計可能的目標(biāo)中心位置,計算SURF點(diǎn)鄰近R、G、B直方圖,輸出目標(biāo)未遮擋部分。

    3 實(shí)驗(yàn)結(jié)果與分析

    為了評價所提出算法的性能,通過幾個實(shí)驗(yàn)對其進(jìn)行測試,主要針對目標(biāo)縮放、遮擋情況的處理。經(jīng)典均值偏移(MST)算法[7]應(yīng)用較為廣泛,因此本文選擇該算法作為對比算法。本文將選用PETS[15-16]作為測試數(shù)據(jù)集,該數(shù)據(jù)集在目標(biāo)跟蹤領(lǐng)域作為測試數(shù)據(jù)集得到了廣泛應(yīng)用。

    3.1 目標(biāo)縮放的對比實(shí)驗(yàn)

    本次實(shí)驗(yàn)使用PETS2001[15]中數(shù)據(jù)集,在該數(shù)據(jù)集的視頻中,目標(biāo)由遠(yuǎn)至近,跟蹤目標(biāo)逐漸變大,圖像大小為768×576。圖9為使用不同算法的部分跟蹤結(jié)果,其中左側(cè)為經(jīng)典MST算法的部分跟蹤結(jié)果,右側(cè)為本文提出算法的跟蹤結(jié)果。實(shí)驗(yàn)中本文算法選用的參數(shù)為:最優(yōu)匹配SURF點(diǎn)個數(shù)為12,目標(biāo)模型中歷史幀數(shù)為10,R、G、B直方圖箱數(shù)為128。圖9中從上到下依次為第329、333、343、360、379幀圖像。

    圖9 目標(biāo)發(fā)生縮放情況下的不同方法的跟蹤結(jié)果比較Fig.9 Comparisons of tracking results of different algorithms for a zoomer target

    從圖9中可以看出,在目標(biāo)大小發(fā)生變化的情況下,本文提出的算法可以較好地適應(yīng)目標(biāo)大小的變化,而經(jīng)典MST算法在第360幀己不能很好地適應(yīng)目標(biāo)大小的變化,最終只能定位到目標(biāo)的一部分。

    3.2 遮擋情況的對比實(shí)驗(yàn)

    在本節(jié)中,我們使用PETS2007[16]中的數(shù)據(jù)集,圖像大小為720×576。圖10為使用不同算法的部分跟蹤結(jié)果,其中左側(cè)為經(jīng)典MST算法的部分跟蹤結(jié)果,右側(cè)為本文提出算法的跟蹤結(jié)果。實(shí)驗(yàn)中本文算法選用的參數(shù)為:最優(yōu)匹配SURF點(diǎn)個數(shù)為12,目標(biāo)模型中歷史幀數(shù)為10,R、G、B直方圖箱數(shù)為128。圖10中從上到下依次為第10、47、75、110幀圖像。

    從圖10可以看出,從第47幀開始,經(jīng)典MST算法的跟蹤結(jié)果即開始偏離目標(biāo),在第75幀中,經(jīng)典MST算法已經(jīng)失去了目標(biāo)。而本文提出的算法,即使在有遮擋的情況下,也可較好地跟蹤目標(biāo),說明了本文算法的有效性。

    圖10 目標(biāo)發(fā)生遮擋情況下的不同方法的跟蹤結(jié)果比較Fig.10 Comparisons of tracking results of different algorithms for a shaded target

    3.3 實(shí)驗(yàn)分析

    本節(jié)從以下三個方面說明不同參數(shù)的選擇對目標(biāo)跟蹤結(jié)果的影響。

    3.3.1 SURF特征點(diǎn)個數(shù)的選擇

    SURF特征點(diǎn)并不是越多越好,如圖11所示,從上到下依次為SURF特征點(diǎn)數(shù)4、8、12、16的跟蹤結(jié)果。左側(cè)分別表示不同參數(shù)下PETS2001[15]中第349幀的跟蹤結(jié)果,右側(cè)分別表示不同參數(shù)下第379幀的跟蹤結(jié)果。

    文獻(xiàn)[8]中通過實(shí)驗(yàn)說明了使用單一直方圖進(jìn)行目標(biāo)跟蹤時,常常得不到令人滿意的跟蹤效果。從圖11中也可以看出,SURF特征點(diǎn)選取得少,算法雖然也能較準(zhǔn)確地跟蹤到目標(biāo),但是并不能準(zhǔn)確地定位到完整的目標(biāo)大小。這是因?yàn)镾URF特征點(diǎn)較少,這些特征點(diǎn)只能代表目標(biāo)的局部特征,其R、G、B直方圖表示目標(biāo)的區(qū)分性不足。反之,SURF特征點(diǎn)選取得越多,跟蹤結(jié)果受目標(biāo)周邊背景特征點(diǎn)的影響越大;再者,SURF特征點(diǎn)越多,每個特征點(diǎn)的鄰近區(qū)域越小,其R、G、B直方圖在最終目標(biāo)跟蹤結(jié)果中所占的權(quán)重也越小。所以,應(yīng)選取適當(dāng)數(shù)量的SURF特征點(diǎn)。實(shí)驗(yàn)表明,目標(biāo)跟蹤過程中,一般選取SURF特征點(diǎn)的數(shù)量為目標(biāo)區(qū)域中檢測到的SURF特征點(diǎn)數(shù)量的1/3,跟蹤效果較好。

    圖11 不同SURF特征點(diǎn)個數(shù)下的跟蹤結(jié)果比較Fig.11 Comparisons of tracking results corresponding to different numbers of SURF feature points

    3.3.2 目標(biāo)模型中歷史幀數(shù)量的選擇

    直覺上,跟蹤目標(biāo)的特征在連續(xù)幀中相似度較大。因此,目標(biāo)模型中歷史幀數(shù)一般不會設(shè)置較大。

    表1 目標(biāo)在歷史幀中的相似度比較Table 1 Object similarity comparison among the past frames

    我們在選取的SURF特征點(diǎn)數(shù)分別為4、8、12、16的情況下,多次進(jìn)行實(shí)驗(yàn),在目標(biāo)模型的最優(yōu)SURF特征點(diǎn)匹配中,歷史幀的使用情況如表1所示。從表1可以看出,當(dāng)前幀中的SURF特征點(diǎn)主要與前3幀相匹配。所以,目標(biāo)模型中歷史幀數(shù)一般設(shè)置為3~5。

    3.3.3 直方圖中箱數(shù)量的選擇

    對于RGB圖像來說,直方圖的箱數(shù)最大為256。實(shí)驗(yàn)表明,箱數(shù)越大,越能較好地表示目標(biāo)的特征。箱數(shù)的大小對算法的運(yùn)行速度影響不顯著。

    4 結(jié)論

    本文根據(jù)SURF相比于SIFT等特征提取方法在性能、執(zhí)行速度等方面的優(yōu)點(diǎn),提出了一種基于SURF的目標(biāo)跟蹤和在線目標(biāo)模型更新算法,該方法的時間復(fù)雜度較低,執(zhí)行速度快,并能夠在線實(shí)時更新目標(biāo)模型。對于目標(biāo)運(yùn)動過程中突然改變運(yùn)動方向,以及光照突然變化的場景下的目標(biāo)跟蹤算法是今后研究的方向。

    [1]HU W M,TAN T N,WANG L,et al.A survey on visual surveillance of object motion and behaviors[J].IEEE Transactions on Systems,Man and Cybernetics,Part C,2004,34(3):334 -352.

    [2]BABU R V,SURESH S,MAKUR A.Online adaptive radial basis function networks for robust object tracking[J].Computer Vision and Image Understanding,2010,114(3):297-310.

    [3]KASS M,WITKIN A,TERZOPOULOS D.Snakes:Active contour models[J].International Journal of Computer Vision,1988,1(4):321-331.

    [4]MUSAVI M,AHMED W,CHAN K H,et al.On the training of radial basis function classifiers[J].Neural Networks,1992,5(4):595-603.

    [5]AVIDAN S.Support vector tracking[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2004,26(8):1064-1072.

    [6]AVIDAN S.Ensemble tracking[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007,29(2):261 -271.

    [7]COMANICIU D,RAMESH V,Meer P.Kernel-based object tracking[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25(5):564-577.

    [8]NEJHUM S M,HO J,YANG M H.Online visual tracking with histograms and articulating blocks[J].Computer Vision and Image Understanding,2010,114(8):901-914.

    [9]TANG F,TAO H.Object tracking with dynamic feature graph[C]//2nd Joint IEEE International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance,2005.Piscataway:IEEE,2005:25-32.

    [10]CARRERA G,SAVAGE J,MAYOL-CUEVAS W.Robust feature descriptors for efficient vision-based tracking[M]//Progress in Pattern Recognition,Image Analysis and Applications.Berlin:Springer,2007,4756:251 -260.

    [11]BAY H,TUYTELAARS T,van GOOL L.Surf:Speeded up robust features[C]//Computer Vision – ECCV 2006.Berlin:Springer,2006:404 -417.

    [12]BAY H,ESS A,TUYTELAARS T,et al.Speeded-up robust features(surf)[J].Computer Vision and Image Understanding,2008:110(3):346-359.

    [13]KOENDERINK J J.The structure of images[J].Biological Cybernetics,1984,50(5):363 -370.

    [14]LINDEBERG T.Scale-space for discrete signals[J].IEEE Trans Pattern Anal Mach Intell,1990,12(3):234 -254.

    [15]PETS.Sequence 2[EB/OL].[2014-02-10].ftp://ftp.cs.rdg.ac.uk/pub/PETS2001/.

    [16]PETS.Sequence 3[EB/OL].[2014-02-10].ftp://ftp.cs.rdg.ac.uk/pub/PETS2007/.

    猜你喜歡
    矩形框直方圖特征
    統(tǒng)計頻率分布直方圖的備考全攻略
    符合差分隱私的流數(shù)據(jù)統(tǒng)計直方圖發(fā)布
    如何表達(dá)“特征”
    多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)的物體抓取檢測
    不忠誠的四個特征
    一種汽車式起重機(jī)防傾翻方法的研究
    用直方圖控制畫面影調(diào)
    抓住特征巧觀察
    基于直方圖平移和互補(bǔ)嵌入的可逆水印方案
    PowerPoint 2013圖片裁剪技巧兩則
    9191精品国产免费久久| 国产成人91sexporn| 91国产中文字幕| 亚洲人成77777在线视频| 国产淫语在线视频| 自线自在国产av| 妹子高潮喷水视频| 午夜激情av网站| 伊人亚洲综合成人网| 欧美最新免费一区二区三区| 欧美日本中文国产一区发布| 久久婷婷青草| 精品一品国产午夜福利视频| 在线观看一区二区三区激情| 国产欧美日韩一区二区三区在线| 国产精品蜜桃在线观看| a 毛片基地| 久久精品亚洲熟妇少妇任你| av卡一久久| 高清不卡的av网站| 国产成人av激情在线播放| 精品一区在线观看国产| 啦啦啦在线观看免费高清www| 99热网站在线观看| 亚洲天堂av无毛| 亚洲美女黄色视频免费看| 这个男人来自地球电影免费观看 | 国产一区二区在线观看av| 别揉我奶头~嗯~啊~动态视频 | 免费在线观看视频国产中文字幕亚洲 | 黄色怎么调成土黄色| 精品第一国产精品| 久久影院123| 日本猛色少妇xxxxx猛交久久| 一级片'在线观看视频| 少妇的丰满在线观看| 色婷婷av一区二区三区视频| 国产欧美日韩综合在线一区二区| 青草久久国产| 最新的欧美精品一区二区| 男的添女的下面高潮视频| 亚洲一码二码三码区别大吗| 久久精品国产亚洲av高清一级| 国产熟女欧美一区二区| 人体艺术视频欧美日本| 久久久国产精品麻豆| 久久鲁丝午夜福利片| 国产成人一区二区在线| 国产不卡av网站在线观看| av视频免费观看在线观看| 美女午夜性视频免费| 天天影视国产精品| 一个人免费看片子| 国产一区有黄有色的免费视频| 涩涩av久久男人的天堂| 嫩草影视91久久| 黑人巨大精品欧美一区二区蜜桃| 午夜精品国产一区二区电影| 999久久久国产精品视频| 久久久久久人人人人人| 女人被躁到高潮嗷嗷叫费观| 晚上一个人看的免费电影| 中文字幕亚洲精品专区| 久久久久久久国产电影| 婷婷成人精品国产| 中文字幕制服av| 亚洲国产精品国产精品| 精品亚洲乱码少妇综合久久| av线在线观看网站| 精品亚洲成国产av| 黑人巨大精品欧美一区二区蜜桃| 人人妻,人人澡人人爽秒播 | av卡一久久| netflix在线观看网站| 日韩欧美精品免费久久| 我要看黄色一级片免费的| 欧美 亚洲 国产 日韩一| 国产在视频线精品| 欧美 亚洲 国产 日韩一| 曰老女人黄片| 秋霞在线观看毛片| 啦啦啦啦在线视频资源| 啦啦啦啦在线视频资源| 超碰97精品在线观看| 亚洲三区欧美一区| 韩国高清视频一区二区三区| 欧美成人午夜精品| 亚洲精品成人av观看孕妇| 天堂俺去俺来也www色官网| 亚洲三区欧美一区| 美女视频免费永久观看网站| 亚洲国产欧美日韩在线播放| 天天躁夜夜躁狠狠躁躁| 女人高潮潮喷娇喘18禁视频| 亚洲欧美色中文字幕在线| 日日啪夜夜爽| 青春草视频在线免费观看| 一区二区日韩欧美中文字幕| kizo精华| 日本黄色日本黄色录像| 人人妻人人澡人人爽人人夜夜| 欧美日韩一区二区视频在线观看视频在线| 男女之事视频高清在线观看 | 99精品久久久久人妻精品| 久久久久精品久久久久真实原创| 性少妇av在线| 日韩中文字幕视频在线看片| 免费久久久久久久精品成人欧美视频| 免费av中文字幕在线| 亚洲 欧美一区二区三区| 嫩草影院入口| 我要看黄色一级片免费的| 亚洲欧美一区二区三区国产| 一级黄片播放器| 婷婷色av中文字幕| www.自偷自拍.com| 国产亚洲精品第一综合不卡| 两个人免费观看高清视频| 国产精品久久久av美女十八| 精品视频人人做人人爽| 在线精品无人区一区二区三| 大陆偷拍与自拍| 伊人亚洲综合成人网| 十八禁人妻一区二区| 别揉我奶头~嗯~啊~动态视频 | 丝瓜视频免费看黄片| 亚洲成人免费av在线播放| 丝袜喷水一区| 日韩欧美一区视频在线观看| 两个人免费观看高清视频| 深夜精品福利| 成人免费观看视频高清| 中文字幕另类日韩欧美亚洲嫩草| av网站免费在线观看视频| 波野结衣二区三区在线| 久久精品国产亚洲av涩爱| 久久国产精品男人的天堂亚洲| 无遮挡黄片免费观看| 久久久精品免费免费高清| 欧美人与善性xxx| 亚洲av日韩精品久久久久久密 | 国产精品久久久久久精品电影小说| 国产亚洲av高清不卡| 午夜精品国产一区二区电影| 日本欧美视频一区| 久久av网站| 国产精品一区二区在线观看99| 国产极品天堂在线| 在线观看免费午夜福利视频| 亚洲精品乱久久久久久| 国产精品一区二区在线不卡| 亚洲色图综合在线观看| 免费在线观看视频国产中文字幕亚洲 | 国产日韩欧美亚洲二区| 蜜桃在线观看..| 成人免费观看视频高清| 亚洲国产精品一区二区三区在线| 亚洲一区二区三区欧美精品| 一区在线观看完整版| 最近最新中文字幕免费大全7| 伦理电影免费视频| 天美传媒精品一区二区| 不卡av一区二区三区| 丰满饥渴人妻一区二区三| 日日啪夜夜爽| 亚洲成人国产一区在线观看 | 亚洲一区二区三区欧美精品| 最新的欧美精品一区二区| 青草久久国产| 女人精品久久久久毛片| 成人18禁高潮啪啪吃奶动态图| 欧美日韩国产mv在线观看视频| 狂野欧美激情性bbbbbb| 欧美成人精品欧美一级黄| 青春草视频在线免费观看| 女性生殖器流出的白浆| 人成视频在线观看免费观看| 菩萨蛮人人尽说江南好唐韦庄| 免费久久久久久久精品成人欧美视频| 久久 成人 亚洲| 老司机影院成人| 婷婷色av中文字幕| 一个人免费看片子| 久久av网站| 制服丝袜香蕉在线| 亚洲天堂av无毛| 美女扒开内裤让男人捅视频| 一区二区三区四区激情视频| 777久久人妻少妇嫩草av网站| 三上悠亚av全集在线观看| 午夜福利视频在线观看免费| 中文字幕人妻丝袜一区二区 | 少妇猛男粗大的猛烈进出视频| 99久国产av精品国产电影| 国产一级毛片在线| 美女中出高潮动态图| av有码第一页| 欧美成人午夜精品| 欧美成人精品欧美一级黄| 国产免费又黄又爽又色| 久久女婷五月综合色啪小说| 麻豆av在线久日| 精品一区二区免费观看| 黑人欧美特级aaaaaa片| 国语对白做爰xxxⅹ性视频网站| 人人妻人人澡人人看| 少妇的丰满在线观看| 中文字幕av电影在线播放| 国产 精品1| videos熟女内射| 国产成人一区二区在线| 亚洲精品aⅴ在线观看| 日韩大片免费观看网站| 黄色怎么调成土黄色| 一边摸一边抽搐一进一出视频| 亚洲美女搞黄在线观看| 成年动漫av网址| 国产精品一区二区在线观看99| 亚洲人成电影观看| 少妇的丰满在线观看| 丁香六月欧美| 麻豆乱淫一区二区| 国产一区有黄有色的免费视频| 久久鲁丝午夜福利片| 最新的欧美精品一区二区| 久久久久国产一级毛片高清牌| 久久久久久久精品精品| 免费黄色在线免费观看| 日韩制服丝袜自拍偷拍| 免费在线观看完整版高清| 亚洲欧美精品自产自拍| 欧美人与性动交α欧美精品济南到| 亚洲国产中文字幕在线视频| 王馨瑶露胸无遮挡在线观看| 天天躁夜夜躁狠狠躁躁| 亚洲第一青青草原| 制服丝袜香蕉在线| 精品一区二区三区四区五区乱码 | 亚洲一码二码三码区别大吗| 亚洲国产av影院在线观看| 色视频在线一区二区三区| 国产精品久久久久成人av| 国产精品一二三区在线看| 国产xxxxx性猛交| 亚洲视频免费观看视频| 中文字幕另类日韩欧美亚洲嫩草| 视频区图区小说| 啦啦啦在线免费观看视频4| 热re99久久精品国产66热6| 久热这里只有精品99| 肉色欧美久久久久久久蜜桃| 婷婷色综合大香蕉| 男女国产视频网站| av女优亚洲男人天堂| 韩国精品一区二区三区| 91精品三级在线观看| 1024视频免费在线观看| 国产亚洲午夜精品一区二区久久| 精品卡一卡二卡四卡免费| 纯流量卡能插随身wifi吗| 熟女av电影| 制服诱惑二区| 丰满迷人的少妇在线观看| 国产黄色视频一区二区在线观看| 国产精品久久久av美女十八| 99精国产麻豆久久婷婷| 极品人妻少妇av视频| 一二三四中文在线观看免费高清| 啦啦啦啦在线视频资源| 18禁国产床啪视频网站| 国产女主播在线喷水免费视频网站| 国产精品亚洲av一区麻豆 | 人妻一区二区av| 1024视频免费在线观看| 夫妻午夜视频| av女优亚洲男人天堂| 在线观看免费视频网站a站| 精品免费久久久久久久清纯 | 在线观看一区二区三区激情| 国产精品一区二区在线观看99| 国产极品粉嫩免费观看在线| 久久午夜综合久久蜜桃| 国产黄色视频一区二区在线观看| 亚洲国产看品久久| 高清黄色对白视频在线免费看| 日日撸夜夜添| 一级毛片我不卡| 人人妻,人人澡人人爽秒播 | 中文字幕亚洲精品专区| 亚洲久久久国产精品| 十八禁人妻一区二区| 多毛熟女@视频| 亚洲欧美精品综合一区二区三区| 日韩电影二区| 国产成人精品久久二区二区91 | 咕卡用的链子| 伊人久久国产一区二区| 亚洲成色77777| 国产国语露脸激情在线看| 啦啦啦视频在线资源免费观看| 国产无遮挡羞羞视频在线观看| 亚洲精华国产精华液的使用体验| 男女下面插进去视频免费观看| 777米奇影视久久| 成年人午夜在线观看视频| 午夜福利视频在线观看免费| 色网站视频免费| 日本wwww免费看| 9191精品国产免费久久| 国产日韩欧美亚洲二区| 精品国产乱码久久久久久男人| a级毛片在线看网站| 国产日韩一区二区三区精品不卡| 国产精品一区二区精品视频观看| 成年动漫av网址| 只有这里有精品99| 精品一区二区三区av网在线观看 | 精品第一国产精品| 妹子高潮喷水视频| 国产一区二区三区综合在线观看| 美女主播在线视频| 色播在线永久视频| 伊人久久国产一区二区| 欧美日韩亚洲综合一区二区三区_| 国产一区二区在线观看av| 99久久99久久久精品蜜桃| 狠狠精品人妻久久久久久综合| 日韩熟女老妇一区二区性免费视频| 亚洲美女视频黄频| 99久久99久久久精品蜜桃| 国产野战对白在线观看| 精品国产乱码久久久久久男人| 国产成人免费观看mmmm| 中文字幕精品免费在线观看视频| 亚洲国产毛片av蜜桃av| 国产成人精品无人区| www.精华液| 9热在线视频观看99| 蜜桃在线观看..| 免费观看a级毛片全部| 国产av国产精品国产| 久久久久久人妻| 肉色欧美久久久久久久蜜桃| 久久久国产一区二区| 一二三四在线观看免费中文在| 亚洲欧美成人精品一区二区| 欧美精品一区二区免费开放| 久久青草综合色| 自线自在国产av| 亚洲七黄色美女视频| 免费av中文字幕在线| 蜜桃国产av成人99| 在线天堂中文资源库| 成人国产麻豆网| 中文字幕精品免费在线观看视频| 国产一区有黄有色的免费视频| 午夜福利网站1000一区二区三区| 激情五月婷婷亚洲| 国产精品国产三级国产专区5o| 久久久久精品人妻al黑| 国产精品秋霞免费鲁丝片| 亚洲精品国产av成人精品| 国产淫语在线视频| 国产极品天堂在线| 最近中文字幕高清免费大全6| 欧美 日韩 精品 国产| 国产精品一区二区在线观看99| 成人国产av品久久久| 亚洲av福利一区| 少妇人妻精品综合一区二区| 亚洲在久久综合| 色婷婷av一区二区三区视频| 老司机亚洲免费影院| avwww免费| 久久99精品国语久久久| 9191精品国产免费久久| 美女中出高潮动态图| av在线观看视频网站免费| 啦啦啦在线免费观看视频4| 亚洲伊人色综图| 久久人妻熟女aⅴ| 多毛熟女@视频| 热re99久久精品国产66热6| 精品酒店卫生间| 成人国产av品久久久| 卡戴珊不雅视频在线播放| 精品亚洲成a人片在线观看| 伊人亚洲综合成人网| 天美传媒精品一区二区| 女人高潮潮喷娇喘18禁视频| 一级片免费观看大全| 午夜免费鲁丝| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品日韩在线中文字幕| 精品少妇久久久久久888优播| 亚洲少妇的诱惑av| 日韩一本色道免费dvd| 久久97久久精品| 天天影视国产精品| 婷婷色麻豆天堂久久| 国产1区2区3区精品| 国产日韩欧美在线精品| 久久精品亚洲av国产电影网| 嫩草影院入口| 久久狼人影院| 亚洲一卡2卡3卡4卡5卡精品中文| 一区二区三区乱码不卡18| 久久精品aⅴ一区二区三区四区| 国产 一区精品| 欧美乱码精品一区二区三区| 久热这里只有精品99| 成人黄色视频免费在线看| 欧美乱码精品一区二区三区| 久久久精品免费免费高清| 最黄视频免费看| 五月天丁香电影| 亚洲第一青青草原| 99热网站在线观看| 少妇人妻精品综合一区二区| 亚洲av日韩精品久久久久久密 | 国产av码专区亚洲av| 男女国产视频网站| 伊人久久大香线蕉亚洲五| av网站免费在线观看视频| 看免费av毛片| 亚洲第一av免费看| 欧美日韩视频精品一区| 咕卡用的链子| 另类亚洲欧美激情| 精品一区二区三区四区五区乱码 | 国产亚洲欧美精品永久| 婷婷成人精品国产| 亚洲七黄色美女视频| 天美传媒精品一区二区| 国产又爽黄色视频| 男人操女人黄网站| 亚洲精品日本国产第一区| 19禁男女啪啪无遮挡网站| 中文字幕色久视频| 国产一级毛片在线| 高清黄色对白视频在线免费看| 久久天堂一区二区三区四区| 国产成人精品无人区| 国产av国产精品国产| 久久婷婷青草| 亚洲av成人精品一二三区| 老司机影院成人| 午夜福利免费观看在线| 亚洲欧洲日产国产| av线在线观看网站| 视频在线观看一区二区三区| 好男人视频免费观看在线| a级片在线免费高清观看视频| 少妇人妻 视频| 曰老女人黄片| 夫妻性生交免费视频一级片| 精品一区在线观看国产| 人人妻,人人澡人人爽秒播 | 秋霞伦理黄片| 亚洲国产av影院在线观看| 精品少妇一区二区三区视频日本电影 | 亚洲av在线观看美女高潮| 婷婷色麻豆天堂久久| 色婷婷久久久亚洲欧美| 亚洲精品美女久久久久99蜜臀 | 狂野欧美激情性xxxx| 欧美日韩亚洲高清精品| 满18在线观看网站| 99久久99久久久精品蜜桃| 赤兔流量卡办理| 亚洲av男天堂| 婷婷色av中文字幕| 久久免费观看电影| 天天躁日日躁夜夜躁夜夜| 男女床上黄色一级片免费看| 狂野欧美激情性xxxx| 成年av动漫网址| 亚洲精品日韩在线中文字幕| 女人爽到高潮嗷嗷叫在线视频| 一本一本久久a久久精品综合妖精| 一本色道久久久久久精品综合| 国产一级毛片在线| 欧美在线一区亚洲| 国产免费一区二区三区四区乱码| 久久天堂一区二区三区四区| 狂野欧美激情性xxxx| 女人被躁到高潮嗷嗷叫费观| 五月开心婷婷网| av片东京热男人的天堂| 黄网站色视频无遮挡免费观看| 国产又色又爽无遮挡免| 国产麻豆69| 在线亚洲精品国产二区图片欧美| 又大又爽又粗| 欧美乱码精品一区二区三区| 啦啦啦 在线观看视频| svipshipincom国产片| 免费少妇av软件| 日本午夜av视频| 秋霞在线观看毛片| 交换朋友夫妻互换小说| 一本大道久久a久久精品| av有码第一页| 成人18禁高潮啪啪吃奶动态图| avwww免费| 最近最新中文字幕免费大全7| 黄色 视频免费看| 国产精品国产三级专区第一集| 亚洲欧美中文字幕日韩二区| 丝袜美腿诱惑在线| 国产1区2区3区精品| 国产成人一区二区在线| 日韩av免费高清视频| videos熟女内射| 国产国语露脸激情在线看| 黄网站色视频无遮挡免费观看| 人成视频在线观看免费观看| netflix在线观看网站| 欧美激情极品国产一区二区三区| 制服人妻中文乱码| 一区二区日韩欧美中文字幕| 各种免费的搞黄视频| 免费少妇av软件| 中文精品一卡2卡3卡4更新| 精品人妻一区二区三区麻豆| 看非洲黑人一级黄片| 国产乱来视频区| 一级片免费观看大全| 美女国产高潮福利片在线看| 欧美日韩综合久久久久久| 午夜免费鲁丝| 免费看不卡的av| 男女国产视频网站| 亚洲精品久久成人aⅴ小说| 成人三级做爰电影| 免费黄频网站在线观看国产| 国产国语露脸激情在线看| 女人被躁到高潮嗷嗷叫费观| 大香蕉久久成人网| 免费黄色在线免费观看| 欧美精品一区二区大全| 中文乱码字字幕精品一区二区三区| 香蕉丝袜av| 亚洲综合精品二区| 中文字幕另类日韩欧美亚洲嫩草| 亚洲国产欧美网| 国产精品一区二区在线观看99| 国产成人a∨麻豆精品| 国产探花极品一区二区| 青春草亚洲视频在线观看| 1024香蕉在线观看| 丰满乱子伦码专区| 两个人免费观看高清视频| 2018国产大陆天天弄谢| 在线观看一区二区三区激情| 可以免费在线观看a视频的电影网站 | 亚洲成人国产一区在线观看 | 狂野欧美激情性xxxx| 久久久国产欧美日韩av| 国产极品粉嫩免费观看在线| 婷婷成人精品国产| 日本色播在线视频| 国产无遮挡羞羞视频在线观看| 国产精品偷伦视频观看了| 少妇人妻精品综合一区二区| 亚洲激情五月婷婷啪啪| 少妇 在线观看| 亚洲av国产av综合av卡| 老司机在亚洲福利影院| 永久免费av网站大全| 又黄又粗又硬又大视频| 狠狠婷婷综合久久久久久88av| 又黄又粗又硬又大视频| 中文字幕人妻丝袜制服| 国产精品久久久久成人av| 色网站视频免费| 亚洲综合精品二区| 欧美日韩一区二区视频在线观看视频在线| 日韩免费高清中文字幕av| 国产有黄有色有爽视频| 婷婷色综合www| av.在线天堂| 我要看黄色一级片免费的| 人体艺术视频欧美日本| av电影中文网址| 成年美女黄网站色视频大全免费| 国产精品熟女久久久久浪| 满18在线观看网站| 国产精品久久久久久精品电影小说| 亚洲av欧美aⅴ国产| 777久久人妻少妇嫩草av网站| 日韩av在线免费看完整版不卡| 精品少妇一区二区三区视频日本电影 | 男女床上黄色一级片免费看| 亚洲av电影在线观看一区二区三区| 宅男免费午夜| 亚洲情色 制服丝袜| 亚洲国产精品999| 我的亚洲天堂| 欧美激情极品国产一区二区三区| 久久韩国三级中文字幕| 国产男女超爽视频在线观看| 午夜福利影视在线免费观看| 久久人妻熟女aⅴ| 国产片特级美女逼逼视频| 精品亚洲成a人片在线观看| 成人国语在线视频| 久久国产精品男人的天堂亚洲| 美女扒开内裤让男人捅视频| 亚洲人成网站在线观看播放| 亚洲av电影在线观看一区二区三区| 人妻一区二区av| 免费观看性生交大片5| 亚洲av日韩精品久久久久久密 | 成人国产麻豆网|