• <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 ?

    基于上下文感知和尺度自適應(yīng)的實(shí)時(shí)目標(biāo)跟蹤

    2021-05-29 01:25:28夏愛明伍雪冬
    紅外技術(shù) 2021年5期
    關(guān)鍵詞:濾波器尺度成功率

    夏愛明,伍雪冬

    〈圖像處理與仿真〉

    基于上下文感知和尺度自適應(yīng)的實(shí)時(shí)目標(biāo)跟蹤

    夏愛明,伍雪冬

    (江蘇科技大學(xué) 電子信息學(xué)院,江蘇 鎮(zhèn)江 212003)

    針對(duì)傳統(tǒng)核相關(guān)濾波視覺目標(biāo)跟蹤算法在快速運(yùn)動(dòng)、背景雜波、運(yùn)動(dòng)模糊等情況下跟蹤精度低且不能處理尺度變化的問題,提出了一種基于上下文感知和尺度自適應(yīng)的實(shí)時(shí)目標(biāo)跟蹤算法。該算法在核相關(guān)濾波算法框架的基礎(chǔ)上,引入了上下文感知和尺度自適應(yīng)方法,增加了背景信息且能夠處理目標(biāo)的尺度變化。首先,利用融合了fHOG(fusion histogram of oriented gradient)、CN(color names)和灰度的特征對(duì)目標(biāo)區(qū)域進(jìn)行采樣,訓(xùn)練一個(gè)二維位移濾波器,然后,在目標(biāo)區(qū)域建立尺度金字塔,利用fHOG對(duì)目標(biāo)區(qū)域進(jìn)行多尺度采樣,訓(xùn)練一個(gè)一維尺度濾波器,最后,在模型更新階段改進(jìn)了更新策略。在標(biāo)準(zhǔn)數(shù)據(jù)集OTB-2015上對(duì)100組視頻序列進(jìn)行的試驗(yàn)結(jié)果表明,提出的算法比基準(zhǔn)算法(kernel correlation filter, KCF)精度提高了13.9%,成功率提高了14.2%,且優(yōu)于實(shí)驗(yàn)中對(duì)比的其他跟蹤算法。在尺度變化、運(yùn)動(dòng)模糊、快速運(yùn)動(dòng)等條件下,提出的算法在準(zhǔn)確跟蹤的同時(shí),能夠保持較高的速度。

    相關(guān)濾波;特征融合;上下文感知;尺度自適應(yīng)

    0 引言

    目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域極具挑戰(zhàn)性的課題,在服務(wù)型機(jī)器人、視頻監(jiān)控、人機(jī)交互、智能交通等方面有著廣泛的應(yīng)用前景。但在實(shí)際的場(chǎng)景中,存在著目標(biāo)尺度變化、遮擋、姿態(tài)變化、光照變化等問題,這些問題影響了目標(biāo)跟蹤的準(zhǔn)確性和成功率,因此如何解決這些問題成為視覺目標(biāo)跟蹤方向的研究熱點(diǎn)[1-2]。

    針對(duì)在實(shí)際場(chǎng)景中存在的問題,研究人員提出了多種算法,但是目前還沒有通用的算法可以解決所有問題??傮w而言,現(xiàn)有的目標(biāo)跟蹤算法主要分為生成式算法和判別式算法[3-4]。

    近年來,基于判別式的相關(guān)濾波跟蹤算法,因其結(jié)構(gòu)簡(jiǎn)單和速度快而得到了廣泛的關(guān)注[5-8]。Bolme等[9]首次將相關(guān)濾波引入目標(biāo)跟蹤領(lǐng)域,并提出最小均方誤差和(minimum output sum of squared error, MOSSE)濾波器,采用簡(jiǎn)單的灰度特征即達(dá)到了快速高效的跟蹤。Henriques等[10]提出了經(jīng)典的核相關(guān)濾波算法(kernel correlation filter,KCF),采用方向梯度直方圖(histogram of oriented gradient,HOG)[11]特征并引入循環(huán)采樣、核方法和嶺回歸分類器,算法高速且精度高,成為了后續(xù)眾多算法的基礎(chǔ),但是該算法沒有考慮尺度變化和背景信息,對(duì)尺度變化、背景雜波等不夠魯棒。Danelljan等[12]提出了自適應(yīng)顏色屬性跟蹤算法(color names,CN),利用顏色名[13]作為特征進(jìn)行目標(biāo)跟蹤,取得了不錯(cuò)的效果,但是特征單一,對(duì)光照變化不夠魯棒。Danelljan等[14]提出了尺度自適應(yīng)跟蹤算法(discriminative scale space tracker, DSST),利用降維后的HOG特征和灰度特征進(jìn)行位置跟蹤,利用HOG特征進(jìn)行尺度跟蹤,實(shí)現(xiàn)了對(duì)目標(biāo)尺度的魯棒跟蹤,但是其尺度金字塔尺度較粗,在尺度較細(xì)時(shí),跟蹤不夠魯棒。Mueller等[15]提出了上下文感知相關(guān)濾波算法(context-aware correlation filter tracker, CACF),在目標(biāo)周圍提取圖像塊作為訓(xùn)練樣本,增加了訓(xùn)練樣本的背景信息,且速度損失較小,但是其更新策略不夠魯棒。

    本文針對(duì)核相關(guān)濾波算法沒有考慮尺度變化、背景信息較少的問題,提出了一種改進(jìn)的基于核相關(guān)濾波的實(shí)時(shí)視覺目標(biāo)跟蹤算法(improved kernel correlation filter,IKCF),該算法引入上下文感知相關(guān)濾波來增加背景信息,并改進(jìn)其更新策略,顯著提高其精度和成功率,將HOG特征替換為融合fHOG、CN和灰度的特征,獲取更多的特征信息,增強(qiáng)特征的魯棒性,采用一維尺度金字塔尺度濾波器估計(jì)尺度,兩維位置濾波器估計(jì)位置,并改進(jìn)尺度金字塔的尺度粗細(xì),引入了尺度估計(jì)且保證算法的實(shí)時(shí)性。

    1 基于核相關(guān)濾波的改進(jìn)算法

    核相關(guān)濾波算法通過對(duì)單個(gè)樣本進(jìn)行循環(huán)移位形成豐富的樣本庫,利用樣本庫建立目標(biāo)表觀模型,訓(xùn)練一個(gè)正則化的最小二乘(嶺回歸)分類器,利用核函數(shù)在傅里葉域進(jìn)行分類器訓(xùn)練和響應(yīng)檢測(cè),得到濾波器模板和目標(biāo)在新一幀的位置,實(shí)現(xiàn)了目標(biāo)的在線訓(xùn)練與跟蹤。雖然KCF算法取得了不錯(cuò)的跟蹤效果,但是其跟蹤準(zhǔn)確性和成功率還有進(jìn)一步提升的空間。

    本文針對(duì)KCF算法在目標(biāo)尺度變化、快速運(yùn)動(dòng)、背景雜波、運(yùn)動(dòng)模糊等情形下出現(xiàn)跟蹤失敗或跟蹤精度不高的問題,對(duì)KCF算法在目標(biāo)特征、背景信息、跟蹤策略和更新策略方面進(jìn)行了改進(jìn)。

    1.1 特征融合

    在目標(biāo)跟蹤過程中強(qiáng)大的特征可以顯著提高跟蹤的準(zhǔn)確度和檢測(cè)的性能。

    KCF算法在CSK(circulant structure of tracking- by-detection with kernels)算法[16]的基礎(chǔ)上將灰度特征替換為HOG特征,性能得到了大幅地提升,CN在CSK的基礎(chǔ)上用顏色名特征對(duì)灰度特征進(jìn)行了替換,并利用主成分分析技術(shù)(principal component analysis, PCA)將11維顏色特征降為2維,取得了很好的效果,可見HOG特征和CN特征對(duì)目標(biāo)表觀建模有很強(qiáng)的表達(dá)能力。

    fHOG[17]特征是將36維HOG特征縮減為32維特征而得,包括18維對(duì)比度敏感的方向通道、9個(gè)對(duì)比度不敏感的方向通道、4個(gè)紋理通道和一個(gè)全零通道,這種改進(jìn)的HOG特征保持了傳統(tǒng)HOG特征判別能力,且縮減了通道維數(shù),從而減少了計(jì)算量,加快了跟蹤速度,本文去除全零通道,將fHOG縮減為31維。顏色名特征(CN)是人類用來表示世界上顏色的語言標(biāo)簽,包含11個(gè)基本的顏色術(shù)語:黑色、藍(lán)色、棕色、灰色、綠色、橙色、粉色、紫色、紅色、白色和黃色,這種描述比常用的顏色(如RGB、Hue等)具有更好的表達(dá)能力。本文沒有采用CN算法的降維方法,而僅保留了其中的10維通道。原始的灰度像素特征雖然沒有HOG和CN特征表達(dá)的信息多,但是其特征表達(dá)能力仍不能忽略。

    由于核相關(guān)函數(shù)只需要計(jì)算點(diǎn)積和向量范數(shù),因此可以對(duì)圖像特征應(yīng)用多個(gè)通道。本文中將31維的fHOG、10維的CN和1維的灰度像素共42個(gè)通道連接到一個(gè)向量中,使得本文提出的算法可以使用更強(qiáng)大的特征,特征的可視化見圖1。

    1.2 環(huán)境上下文感知相關(guān)濾波

    目標(biāo)跟蹤通常在第一幀人工給定一個(gè)矩形框,根據(jù)給定的矩形框進(jìn)行跟蹤。基于核相關(guān)濾波的算法一般都是在給定矩形框的基礎(chǔ)上放大1~2倍建立搜索區(qū)域,但是這樣做會(huì)丟失很多背景信息,而目標(biāo)周圍的背景對(duì)于跟蹤的性能有很大影響,如相似物體的背景雜波等。文獻(xiàn)[15]提出了在訓(xùn)練階段向?yàn)V波器添加上下文環(huán)境信息的環(huán)境上下文相關(guān)濾波跟蹤算法,增加更多的背景信息,采樣區(qū)域如圖2所示。

    圖1 融合特征的可視化

    圖2 采樣區(qū)域

    在每一幀中,對(duì)目標(biāo)樣本周圍的個(gè)上下文圖像塊a(=1,2,…,)進(jìn)行采樣,它們對(duì)應(yīng)的循環(huán)矩陣為(=1,2,…,),這些上下文圖像塊可以視為硬性負(fù)樣本。它們以各種干擾物和不同背景的形式包含目標(biāo)周圍的背景。這樣可以學(xué)習(xí)一個(gè)包含上下文樣本的濾波器,使得濾波器對(duì)目標(biāo)產(chǎn)生較高響應(yīng),對(duì)上下文背景樣本響應(yīng)接近零。包含環(huán)境上下文圖像塊的最小化目標(biāo)函數(shù)為:

    上式在單通道特征原始域中的解為:

    式中:表示圖像的第幀;為學(xué)習(xí)率。

    1.3 跟蹤過程

    1.3.1 位移相關(guān)濾波

    基于HOG特征的相關(guān)濾波跟蹤器(比如KCF,DSST)通過提取灰度圖像的方向梯度圖對(duì)特征進(jìn)行表達(dá),對(duì)運(yùn)動(dòng)模糊和光照變化魯棒性高,但對(duì)顏色跟蹤效果不魯棒,CN特征側(cè)重于顏色信息,對(duì)顏色魯棒性高,對(duì)運(yùn)動(dòng)模糊和光照變化效果不佳,兩者具有互補(bǔ)作用,提出的算法將兩者結(jié)合并加上灰度特征,在KCF框架的基礎(chǔ)上引入環(huán)境上下文感知,用于2維位移相關(guān)濾波訓(xùn)練和檢測(cè)。將表示特征的多個(gè)通道連接到一個(gè)向量中,連接后的特征向量為c=[1,2, …,42],則公式(2)為:

    響應(yīng)的檢測(cè)公式為:

    1.3.2 尺度相關(guān)濾波

    KCF跟蹤算法采用固定的目標(biāo)搜索區(qū)域,沒有考慮目標(biāo)尺度的變化,跟蹤過程中目標(biāo)尺度變化時(shí),容易導(dǎo)致跟蹤失敗。為了保證跟蹤的成功率,需要對(duì)目標(biāo)的尺度變化進(jìn)行估計(jì)。目前尺度估計(jì)算法的一種常見思路是將尺度估計(jì)并入位移跟蹤器,構(gòu)成三維濾波器(如SAMF,scale adaptive with multiple features tracker[17]),而濾波器維數(shù)越高需要的計(jì)算成本越高,這將降低跟蹤器的速度。理想情況下,精確的尺度估計(jì)方法應(yīng)該是魯棒的,同時(shí)計(jì)算效率高。文獻(xiàn)[14]提出了一種快速尺度估計(jì)方法,通過分別獨(dú)立學(xué)習(xí)一個(gè)二維位移濾波器和一個(gè)一維尺度估計(jì)濾波器,相比融合尺度和位移的三維濾波器擁有更低的計(jì)算成本。此方法可以獨(dú)立選擇特征,而尺度估計(jì)加入CN特征對(duì)于尺度濾波器跟蹤意義不大,還可能降低跟蹤的效果,因此,提出的算法在這種方法的基礎(chǔ)上采用31維的fHOG特征進(jìn)行尺度跟蹤,以估計(jì)目標(biāo)圖像塊的尺度。

    1)一維尺度金字塔構(gòu)建

    設(shè)和分別表示當(dāng)前幀中目標(biāo)的寬和高,表示尺度濾波器中的尺度數(shù),其值取為33。以位移濾波器預(yù)測(cè)的目標(biāo)位置為中心,構(gòu)建尺度金字塔圖像塊J,表達(dá)式如下:

    式中:b表示各個(gè)特征層之間的尺度因子,在實(shí)驗(yàn)中觀察發(fā)現(xiàn),兩幀圖像間尺度變化不會(huì)特別大,故本文采用細(xì)尺度,取值為1.002,通過式(6)可以得到33個(gè)以目標(biāo)尺度為中心的尺度金字塔,如圖3。

    2)一維尺度估計(jì)

    利用下式計(jì)算尺度相關(guān)濾波器響應(yīng)值R,以最大響應(yīng)尺度為當(dāng)前目標(biāo)尺度。

    1.4 更新策略

    在KCF中利用簡(jiǎn)單線性插值作為模型更新策略被證明不是最優(yōu)的[12],因?yàn)樵诟履P蜁r(shí)只考慮當(dāng)前幀,而且之前幀在模型中的貢獻(xiàn)指數(shù)衰減過快。為了提高KCF的魯棒性,本算法采用了CN中提出的更新策略,同時(shí)考慮了當(dāng)前幀和之前所有幀中的目標(biāo)圖像塊,對(duì)分子分母分別更新,公式(4)和(8)的更新方式如下:

    式中:1、2分別為位移濾波器和尺度濾波器的學(xué)習(xí)率。

    2 算法流程

    基于上述策略,文中算法的跟蹤步驟如下。

    輸入:

    當(dāng)前幀圖像I;

    先前目標(biāo)位置p-1和尺度s-1;

    位移模型A-1、B-1和尺度模型C-1、D-1。

    輸出:

    當(dāng)前幀目標(biāo)位置p和尺度s;

    更新位移模型AB和尺度模型C、D

    位移估計(jì):

    1)在當(dāng)前幀圖像I中位置p-1和尺度s-1處提取位移樣本trans;

    尺度估計(jì):

    5)在當(dāng)前幀圖像I中位置p和尺度s-1處提取尺度樣本scale;

    模型更新

    9)利用公式(9)、(10)更新位移模型A、B;

    10)利用公式(11)、(12)更新尺度模型C、D

    當(dāng)輸入下一幀圖像I+1時(shí),重復(fù)以上步驟,算法的整體跟蹤框架如圖4所示。

    3 實(shí)驗(yàn)驗(yàn)證與分析

    3.1 特征和參數(shù)設(shè)置

    所有訓(xùn)練集視頻的參數(shù)設(shè)為固定,以防止過擬合。正則化參數(shù)設(shè)置為=0.0001,1=0.01。

    將位移濾波器期望的相關(guān)輸出的標(biāo)準(zhǔn)偏差設(shè)置為目標(biāo)大小的1/10。濾波器大小設(shè)置為初始目標(biāo)大小的3倍。

    位移濾波器的二維高斯標(biāo)簽的帶寬=0.4,尺度濾波器的一維高斯標(biāo)簽帶寬1=0.25。位移和尺度濾波器的學(xué)習(xí)率分別設(shè)置為1=0.005,2=0.03。

    位移濾波器中使用的fHOG特征單元尺寸采用4×4,尺度濾波器使用的fHOG特征單元尺寸采用1×1。尺度參數(shù)設(shè)置參照第1.3.2節(jié)。

    圖4 本文算法流程圖

    3.2 實(shí)驗(yàn)設(shè)置

    本文的所有代碼在MATLAB R2016a上編譯實(shí)現(xiàn)。在CPU為Intel G630,主頻2.70GHz,內(nèi)存為4GB的臺(tái)式計(jì)算機(jī)上運(yùn)行。

    3.2.1 數(shù)據(jù)集

    Wu等[18]建立了一套評(píng)估目標(biāo)跟蹤算法的視頻測(cè)試數(shù)據(jù)集OTB-2015,其中包含100個(gè)視頻,涵蓋了光照變化、顏色變化、快速移動(dòng)、遮擋、尺度變化等一系列視頻目標(biāo)跟蹤的過程中常見的問題,具有較高的代表性,已成為目標(biāo)跟蹤領(lǐng)域的通用測(cè)試集,提出的算法在此數(shù)據(jù)集中的全部100個(gè)視頻序列中運(yùn)行。

    3.2.2 評(píng)估方法

    為了評(píng)估跟蹤算法的性能,實(shí)驗(yàn)中采用OTB-2015測(cè)試數(shù)據(jù)集中兩種通用評(píng)估方法即精度圖(precision plots)和成功率圖(success plots)作為定量評(píng)價(jià)標(biāo)準(zhǔn),評(píng)估方式采用一次跟蹤評(píng)估(one-pass evaluation,OPE),即所有的視頻序列只跟蹤一次。

    在精度圖中,根據(jù)某范圍內(nèi)的閾值來繪制平均距離精度(distance precision, DP),使用的指標(biāo)是中心位置誤差(center location error, CLE),CLE定義為算法預(yù)測(cè)的目標(biāo)框中心坐標(biāo)與視頻序列中人工標(biāo)注的框中心坐標(biāo)之間的平均歐式距離。DP為CLE小于某一閾值的幀數(shù)占總幀數(shù)的比值,計(jì)算公式為DP=/,為算法預(yù)測(cè)的位置與目標(biāo)的真實(shí)位置小于一定閾值時(shí)的幀數(shù),為跟蹤視頻的總幀數(shù),實(shí)驗(yàn)采用標(biāo)準(zhǔn)閾值(20像素)。

    成功率圖的評(píng)估標(biāo)準(zhǔn)是成功率(Success Rate, SR),即跟蹤目標(biāo)框與人工標(biāo)注目標(biāo)框之間的重疊率超過一定閾值的幀數(shù)與跟蹤視頻的總幀數(shù)的比值,用重疊率R表示,計(jì)算公式為:

    式中:T為算法預(yù)測(cè)目標(biāo)框;G為人工標(biāo)注目標(biāo)框,area(T∩G)表示區(qū)域重疊面積,area(T∪G)表示區(qū)域合并面積。實(shí)驗(yàn)中采用標(biāo)準(zhǔn)閾值0.5,大于該值認(rèn)為跟蹤成功。

    為了評(píng)估算法的實(shí)時(shí)性,采用平均跟蹤速度進(jìn)行評(píng)估,平均跟蹤速度定義為視頻幀數(shù)除以算法跟蹤圖像總耗時(shí),單位為fps(幀/每秒),文中以文獻(xiàn)[19-20]中定義的15fps作為實(shí)時(shí)性的判別標(biāo)準(zhǔn)。

    3.3 與先進(jìn)算法的對(duì)比與分析

    實(shí)驗(yàn)中選擇了OTB-2015中提供的可用于運(yùn)行100組視頻的7種算法,分別為CT(compressive tracking)、IVT(incremental learning for visual tracking)、DFT(distribution fields for tracking)、ASLA(adaptive structural local sparse appearance model)、L1APG(L1 tracker using accelerated proximal gradient approach)、ORIA(online robust image alignment)、CSK(circulant structure of tracking-by-detection with kernels),新加入了近年來比較先進(jìn)的算法3種,分別為KCF、CN和DSST。IKCF為本文提出的算法。為了保證測(cè)試的客觀性,所有的對(duì)比算法都采用其原始代碼和參數(shù),并在相同的測(cè)試環(huán)境中進(jìn)行。

    3.3.1 不同算法的特點(diǎn)

    表1列出了最新6種算法的特點(diǎn),從表1中可看出,本文算法采用了更強(qiáng)的特征來表征目標(biāo),并且加入了尺度估計(jì)。

    3.3.2 不同算法幀率

    表2列出了全部11種算法在不同視頻上的跟蹤速度,表中第1行為視頻序列,最后1列為運(yùn)行速度,單位fps,表中加粗字體表示其對(duì)應(yīng)的算法達(dá)到了實(shí)時(shí)性的要求。從表2中可以看出,L1APG算法的跟蹤速度僅約0.6fps,遠(yuǎn)不能達(dá)到實(shí)時(shí)要求,而本文提出的算法可以達(dá)到26fps,與DSST相近。

    表1 6種最新算法的特點(diǎn)

    表2 11種算法運(yùn)行速度對(duì)比

    3.3.3 定量分析

    將11種算法在標(biāo)準(zhǔn)OTB-2015視頻數(shù)據(jù)集上運(yùn)行,得到排名前10的10種算法精度曲線圖和成功率曲線圖圖5。圖5為全部100組視頻的整體精度和成功率圖。從圖中可看出,文中提出的算法在整體跟蹤精度和成功率上均是最優(yōu)的。在精度圖中,提出的算法精度為0.793,比排名第二的基準(zhǔn)算法(KCF)提高了13.9%。在成功率圖中,本文算法成功率比基準(zhǔn)算法(KCF)提高了14.2%,比排名第二的DSST提高了2.6%。

    實(shí)驗(yàn)中還繪制了不同環(huán)境下的精度圖和成功率圖,從中選出了快速運(yùn)動(dòng)、背景雜波、運(yùn)動(dòng)模糊、尺度變化4種環(huán)境下的精度圖和成功率圖,列在圖6中。從圖中可以看出,在這4種跟蹤環(huán)境下:①提出的算法在精度和成功率上均比基準(zhǔn)算法(KCF)有較大提高;②提出的算法的精度均排在第一;③在跟蹤成功率方面,除了尺度變化環(huán)境下的成功率略低于DSST,其余跟蹤環(huán)境下的成功率均排在第一。

    圖5 100個(gè)視頻序列的精度圖和成功率圖

    3.3.4 定性分析

    為了更直觀地體現(xiàn)各個(gè)算法的跟蹤效果,圖7列出了11種對(duì)比算法中排名前4位的算法在OTB-2015數(shù)據(jù)集中部分具有代表性的視頻序列的跟蹤效果截圖。圖中視頻序列從上到下依次為jogging-1,singer2和shaking。3組視頻均存在快速運(yùn)動(dòng)、遮擋、運(yùn)動(dòng)模糊、尺度變化等多種干擾條件,具有很好的代表性。

    1)jogging-1視頻中第76幀左右遇到燈桿的遮擋,在第84幀看到只有本文算法跟蹤到目標(biāo),其他算法均跟蹤失敗。

    2)singer2視頻中第11幀4種算法都能很好地跟蹤,由于目標(biāo)的快速運(yùn)動(dòng)、姿態(tài)變化、背景雜波和尺度變化,在15幀左右CN算法跟蹤發(fā)生了偏離,本文算法和其它算法能夠一直跟蹤到第366幀,并且跟蹤效果最好。

    3)shaking視頻序列中由于目標(biāo)的光照變化、姿態(tài)變化、尺度變化和平面內(nèi)翻轉(zhuǎn),本文算法在第15幀左右發(fā)生了跟蹤偏離,但在21幀左右又能重新跟蹤到目標(biāo),并且跟蹤效果較好。

    從3組視頻序列可以看出,本文算法在保持較高精度的同時(shí),還可以很好地處理目標(biāo)的尺度變化和目標(biāo)周圍的環(huán)境,說明算法中加入的尺度自適應(yīng)、上下文感知和更新策略發(fā)揮了良好的作用。

    圖6 不同跟蹤環(huán)境曲線圖

    4 結(jié)束語

    針對(duì)KCF算法存在背景信息較少和不能很好處理目標(biāo)尺度變化的問題,在其基礎(chǔ)上提出了一種改進(jìn)算法,增加背景信息的同時(shí),還可以處理目標(biāo)的尺度變化。利用融合的多特征訓(xùn)練一個(gè)二維位移濾波器估計(jì)目標(biāo)位置,利用fHOG特征訓(xùn)練一個(gè)一維尺度濾波器估計(jì)目標(biāo)尺度,在模型更新階段改進(jìn)了更新策略。在標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行的實(shí)驗(yàn)表明:提出的算法對(duì)基準(zhǔn)KCF算法有較大改善,與其他當(dāng)前一些主流跟蹤算法相比整體綜合性能較好,驗(yàn)證了提出的算法的可行性和有效性。另外,位移濾波器中使用的3種特征只是簡(jiǎn)單的矢量鏈接,沒有考慮到不同視頻場(chǎng)合下不同特征的主導(dǎo)作用,同時(shí)跟蹤的成功率還有待進(jìn)一步提高。

    [1] Yilmaz A. Object tracking: a survey[J]., 2006, 38(4): 1-45.

    [2] Smeulders A W M, Chu D M, Cucchiara R, et al. Visual tracking: an experimental survey[J]., 2014, 36(7): 1442-1468.

    [3] 魏全祿, 老松楊, 白亮.基于相關(guān)濾波器的視覺目標(biāo)跟蹤綜述[J]. 計(jì)算機(jī)科學(xué), 2016, 43(11):1-5,18.

    WEI Quanlu, LAO Songyang, BAI Liang. Visual Object Tracking Based on Correlation Filters: A Survey[J]., 2016, 43(11): 1-5, 18.

    [4] 孟琭, 楊旭. 目標(biāo)跟蹤算法綜述[J]. 自動(dòng)化學(xué)報(bào), 2019, 45(7): 1244-1260.

    MENG Lu, YANG Xu. A Survey of Object Tracking Algorithms[J]., 2019, 45(7): 1244-1260.

    [5] 徐康, 龍敏.增強(qiáng)尺度估計(jì)的特征壓縮跟蹤算法[J]. 紅外技術(shù), 2018, 40(12): 1176-1181.

    XU Kang, LONG Min. Feature Compression Tracking Algorithm with Enhanced Scale Estimation[J]., 2018, 40(12): 1176-1181.

    [6] 劉教民, 郭劍威, 師碩.自適應(yīng)模板更新和目標(biāo)重定位的相關(guān)濾波器跟蹤[J]. 光學(xué)精密工程, 2018, 26(8): 2100-2111.

    LIU Jiaomin, GUO Jianwei, SHI Shuo. Correlation filter tracking based on adaptive learning rate and location refiner[J]., 2018, 26(8): 2100-2111.

    [7] 葉瑞哲, 許卓斌.基于自適應(yīng)搜索的空時(shí)上下文目標(biāo)跟蹤算法[J]. 微電子學(xué)與計(jì)算機(jī), 2018, 35(6):88-91.

    YE Ruizhe, XU Zhuobin.Spatio-Temporal Context-based Object Tracking Algorithm in Video Surveillance[J]., 2018, 35(6): 88-91.

    [8] 胡昭華, 鈕夢(mèng)宇, 邵曉雯, 等.多層深度特征的目標(biāo)跟蹤算法研究[J]. 現(xiàn)代電子技術(shù), 2019, 42(1): 51-56.

    HU Zhaohua, NIU Mengyu, SHAO Xiaowen, et al. Research on object tracking method based on multi-level deep feature[J]., 2019, 42(1): 51-56.

    [9] Bolme D S, Beveridge J R, Draper B A, et al. Visual object tracking using adaptive correlation filters[C]//2010, 2010: 2544-2550.

    [10] Henriques J F, Caseiro R, Martins P, et al. High-speed tracking with kernelized correlation filters[J]., 2015, 37(3): 583-596.

    [11] Felzenszwalb P F, Girshick R B, McAllester D, et al. Object detection with discriminatively trained part-based models[J]., 2010, 32(9): 1627-1645.

    [12] Danelljan M, Shahbaz Khan F, Felsberg M, et al. Adaptive color attributes for real-time visual tracking[C]//, 2014: 1090-1097.

    [13] Van De Weijer J, Schmid C, Verbeek J, et al. Learning color names for real-world applications[J]., 2009, 18(7): 1512-1523.

    [14] Danelljan M, H?ger G, Khan F, et al. Accurate scale estimation for robust visual tracking[C]//, 2014: 1-11.

    [15] Mueller M, Smith N, Ghanem B. Context-aware correlation filter tracking[C]//, 2017: 1396-1404.

    [16] Henriques J F, Caseiro R, Martins P, et al. Exploiting the circulant structure of tracking-by-detection with kernels[C]//2012: 702-715.

    [17] LI Y, ZHU J. A scale adaptive kernel correlation filter tracker with feature integration[C]//, 2014: 254-265.

    [18] WU Y, LIM J, YANG M H. Object Tracking Benchmark[J]., 2015, 37(9): 1834-1848.

    [19] YUN S, CHOI J, YOO Y, et al. Action-decision networks for visual tracking with deep reinforcement learning[C]//. 2017: 2711-2720.

    [20] LI Y, FU C, HUANG Z, et al. Keyfilter-aware real-time uav object tracking[C]//2020(), 2020: 193-199.

    Real-time Object Tracking Based on Context Awareness and Scale Adaptation

    XIA Aiming,WU Xuedong

    (School of Electronics and Information, Jiangsu University of Science and Technology, Zhenjiang 212000, China)

    Becausethe traditional kernel correlation filter algorithm for visual object tracking has low tracking accuracy under fast motion, background clutter, and motion blurring conditions and cannot deal with scale changes, a real-time object tracking algorithm based on context awareness and scale adaptation is proposed. Based on the kernel correlation filter algorithmframework, context-aware and scale-adaptive methods are introduced to add background information and handle changes in the scale of the target. First, the target region is sampled using the features of the fusion histogram of oriented gradient (fHOG), color names (CN),and gray, and a two-dimensional translation filter is trained. Then, a scale pyramid is established in the target areaand multi-scale sampling is performed using fHOG on the target area. Following this, a one-dimensional scale filter is trained. Finally, the update strategy is improved in the model updating stage. The experimental results of 100 sets of video sequences in the standard OTB-2015 dataset show that the proposed algorithm showed an improvement in the accuracy by 13.9% as compared with the benchmark algorithm (kernel correlation filter, KCF), and the success rate improved by 14.2%, which is superior to that of other comparison-tracking algorithms considered in the experiment. Under the conditions of scale change, motion blur, and fast motion, the proposed algorithm can maintain a high speed with accurate tracking.

    correlation filters, feature fusion, context-aware, scale-adaptive

    TP391.41

    A

    1001-8891(2021)05-0429-08

    2019-06-08;

    2021-03-19.

    夏愛明(1985-),男,碩士研究生,主要研究方向?yàn)橐曈X目標(biāo)跟蹤。E-mail: 362931408@qq.com。

    伍雪冬(1975-),男,博士,教授,主要研究方向?yàn)橛?jì)算機(jī)視覺,能源預(yù)測(cè)與環(huán)境經(jīng)濟(jì)調(diào)度等。E-mail: woolcn@163.com。

    國家自然科學(xué)基金(61671222)。

    猜你喜歡
    濾波器尺度成功率
    成功率超70%!一張冬棚賺40萬~50萬元,羅氏沼蝦今年將有多火?
    如何提高試管嬰兒成功率
    財(cái)產(chǎn)的五大尺度和五重應(yīng)對(duì)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    如何提高試管嬰兒成功率
    開關(guān)電源EMI濾波器的應(yīng)用方法探討
    電子制作(2018年16期)2018-09-26 03:26:50
    基于Canny振蕩抑制準(zhǔn)則的改進(jìn)匹配濾波器
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    基于TMS320C6678的SAR方位向預(yù)濾波器的并行實(shí)現(xiàn)
    研究發(fā)現(xiàn):面試排第四,成功率最高等4則
    海峽姐妹(2015年5期)2015-02-27 15:11:00
    久久精品影院6| 手机成人av网站| 国产精品美女特级片免费视频播放器 | 亚洲三区欧美一区| 侵犯人妻中文字幕一二三四区| 国产国语露脸激情在线看| 大陆偷拍与自拍| 国产精品国产av在线观看| 精品一区二区三区视频在线观看免费 | 最好的美女福利视频网| 免费在线观看完整版高清| 一个人免费在线观看的高清视频| 亚洲激情在线av| 免费一级毛片在线播放高清视频 | 亚洲狠狠婷婷综合久久图片| 黄色视频不卡| 国产极品粉嫩免费观看在线| 亚洲欧美一区二区三区久久| 国产在线观看jvid| 日韩视频一区二区在线观看| 国产亚洲精品久久久久5区| 国产高清激情床上av| 美国免费a级毛片| 91大片在线观看| svipshipincom国产片| www.精华液| 人人妻人人添人人爽欧美一区卜| 悠悠久久av| 国产精品香港三级国产av潘金莲| 长腿黑丝高跟| 一区福利在线观看| 757午夜福利合集在线观看| 法律面前人人平等表现在哪些方面| 无人区码免费观看不卡| 最新在线观看一区二区三区| 国产精品一区二区免费欧美| 久久精品亚洲精品国产色婷小说| 岛国在线观看网站| 高清在线国产一区| 亚洲九九香蕉| 精品乱码久久久久久99久播| 1024香蕉在线观看| 精品国产美女av久久久久小说| 午夜福利在线免费观看网站| 大码成人一级视频| 美女国产高潮福利片在线看| 一区二区日韩欧美中文字幕| 黄片大片在线免费观看| 中文字幕av电影在线播放| 黑人巨大精品欧美一区二区mp4| 日本五十路高清| 国产又爽黄色视频| 99久久久亚洲精品蜜臀av| av电影中文网址| 成人影院久久| 亚洲第一欧美日韩一区二区三区| 免费av中文字幕在线| 国产乱人伦免费视频| 日本 av在线| 电影成人av| 高清av免费在线| 国产亚洲欧美98| 精品久久久久久成人av| 日韩有码中文字幕| 首页视频小说图片口味搜索| 99riav亚洲国产免费| 两个人免费观看高清视频| 国产三级在线视频| 天天躁夜夜躁狠狠躁躁| 国产av在哪里看| 国产欧美日韩精品亚洲av| 真人一进一出gif抽搐免费| 亚洲欧美精品综合久久99| 国产成人啪精品午夜网站| 波多野结衣一区麻豆| 日本 av在线| 午夜免费成人在线视频| 999久久久国产精品视频| 国产成人系列免费观看| av超薄肉色丝袜交足视频| 国产不卡一卡二| 午夜亚洲福利在线播放| 美女扒开内裤让男人捅视频| 黑人巨大精品欧美一区二区mp4| 成人三级黄色视频| 俄罗斯特黄特色一大片| 欧美日韩视频精品一区| 日本wwww免费看| 久久性视频一级片| 男女下面进入的视频免费午夜 | 久久国产精品男人的天堂亚洲| 精品国产一区二区三区四区第35| 精品国产美女av久久久久小说| 日韩高清综合在线| 看片在线看免费视频| 亚洲 国产 在线| 午夜福利在线免费观看网站| 欧美黄色淫秽网站| 一级黄色大片毛片| 岛国视频午夜一区免费看| 啪啪无遮挡十八禁网站| 亚洲人成电影免费在线| 久久久国产成人免费| 18禁裸乳无遮挡免费网站照片 | 国产精品美女特级片免费视频播放器 | 成年人黄色毛片网站| 久久精品国产99精品国产亚洲性色 | av国产精品久久久久影院| 久久热在线av| 成熟少妇高潮喷水视频| 一级毛片精品| 国产在线观看jvid| 欧美精品一区二区免费开放| 亚洲情色 制服丝袜| 国产精品国产高清国产av| 色哟哟哟哟哟哟| 日韩欧美国产一区二区入口| 最好的美女福利视频网| 亚洲精品在线观看二区| 亚洲国产精品sss在线观看 | 中亚洲国语对白在线视频| 久久影院123| 一级a爱视频在线免费观看| 久久久久亚洲av毛片大全| 韩国精品一区二区三区| 激情在线观看视频在线高清| 黑人操中国人逼视频| 日韩精品中文字幕看吧| 超碰97精品在线观看| 国产蜜桃级精品一区二区三区| 日韩高清综合在线| av电影中文网址| 亚洲美女黄片视频| 在线天堂中文资源库| 国产精品久久久久久人妻精品电影| 黄片小视频在线播放| 天天躁狠狠躁夜夜躁狠狠躁| 精品一区二区三卡| 午夜福利,免费看| 国产有黄有色有爽视频| 精品久久久久久成人av| 91字幕亚洲| 国产有黄有色有爽视频| 久久人人爽av亚洲精品天堂| 国产精品综合久久久久久久免费 | 韩国精品一区二区三区| 国产午夜精品久久久久久| 一区在线观看完整版| 精品久久久久久久久久免费视频 | 黄色成人免费大全| 一区二区三区国产精品乱码| 在线观看免费高清a一片| 在线十欧美十亚洲十日本专区| 身体一侧抽搐| 99re在线观看精品视频| 亚洲人成77777在线视频| 成人黄色视频免费在线看| 美女福利国产在线| 黄色女人牲交| 亚洲欧美激情综合另类| 老司机在亚洲福利影院| 久久精品人人爽人人爽视色| 高清av免费在线| 侵犯人妻中文字幕一二三四区| 日韩欧美一区视频在线观看| 99国产综合亚洲精品| 在线观看日韩欧美| 国产亚洲欧美精品永久| 国产高清videossex| 夜夜夜夜夜久久久久| 成人亚洲精品av一区二区 | 亚洲熟女毛片儿| 999久久久国产精品视频| 欧美老熟妇乱子伦牲交| 51午夜福利影视在线观看| 婷婷精品国产亚洲av在线| 国产av在哪里看| 免费女性裸体啪啪无遮挡网站| 亚洲人成伊人成综合网2020| 最近最新中文字幕大全电影3 | 午夜福利免费观看在线| 老汉色av国产亚洲站长工具| 久久久久久久精品吃奶| 亚洲熟妇中文字幕五十中出 | 亚洲七黄色美女视频| tocl精华| 欧美成人免费av一区二区三区| xxxhd国产人妻xxx| 黄网站色视频无遮挡免费观看| 精品人妻1区二区| 国产一卡二卡三卡精品| а√天堂www在线а√下载| 免费在线观看亚洲国产| 看片在线看免费视频| 国产亚洲精品第一综合不卡| 香蕉国产在线看| 91九色精品人成在线观看| 丰满的人妻完整版| 老司机午夜福利在线观看视频| 在线观看免费视频日本深夜| 亚洲av电影在线进入| 欧美黄色淫秽网站| 国产欧美日韩一区二区三区在线| 免费观看人在逋| 亚洲精品国产色婷婷电影| 自线自在国产av| 国产成人精品久久二区二区91| 精品第一国产精品| 久久婷婷成人综合色麻豆| 久久中文看片网| 天天躁狠狠躁夜夜躁狠狠躁| 叶爱在线成人免费视频播放| 亚洲成国产人片在线观看| 美国免费a级毛片| 在线观看一区二区三区激情| 日韩欧美免费精品| 久久久水蜜桃国产精品网| 精品国产乱码久久久久久男人| 午夜成年电影在线免费观看| 国产99白浆流出| 一二三四社区在线视频社区8| 亚洲国产欧美一区二区综合| 久久久久精品国产欧美久久久| 999久久久精品免费观看国产| 美女高潮喷水抽搐中文字幕| 91国产中文字幕| 国产成人av激情在线播放| 热re99久久精品国产66热6| 男女床上黄色一级片免费看| 亚洲五月婷婷丁香| xxxhd国产人妻xxx| 伊人久久大香线蕉亚洲五| 淫秽高清视频在线观看| 日韩一卡2卡3卡4卡2021年| 9191精品国产免费久久| 色在线成人网| 在线观看免费视频网站a站| 中文字幕av电影在线播放| 12—13女人毛片做爰片一| 在线天堂中文资源库| 免费在线观看黄色视频的| 一级毛片高清免费大全| 人人妻,人人澡人人爽秒播| 国内毛片毛片毛片毛片毛片| 在线av久久热| 欧美国产精品va在线观看不卡| 一a级毛片在线观看| 国产精品久久视频播放| 精品第一国产精品| 老司机靠b影院| 美女高潮到喷水免费观看| 夜夜夜夜夜久久久久| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲av熟女| av超薄肉色丝袜交足视频| 女人精品久久久久毛片| 成人永久免费在线观看视频| 午夜免费成人在线视频| 女生性感内裤真人,穿戴方法视频| 如日韩欧美国产精品一区二区三区| 制服人妻中文乱码| 亚洲 欧美 日韩 在线 免费| 日韩三级视频一区二区三区| 欧美日韩福利视频一区二区| 黄片播放在线免费| 国产精品电影一区二区三区| 欧美亚洲日本最大视频资源| 午夜免费观看网址| 18禁美女被吸乳视频| aaaaa片日本免费| 99热国产这里只有精品6| 久久热在线av| 涩涩av久久男人的天堂| www.www免费av| 国产99久久九九免费精品| 亚洲国产毛片av蜜桃av| 久久九九热精品免费| 成人永久免费在线观看视频| 在线观看免费视频网站a站| 国产av又大| 在线观看免费高清a一片| 国产又色又爽无遮挡免费看| 久久久国产成人免费| 色婷婷久久久亚洲欧美| 国产一区二区三区综合在线观看| 成人亚洲精品av一区二区 | 一夜夜www| 亚洲情色 制服丝袜| 涩涩av久久男人的天堂| 精品福利永久在线观看| 国产精品一区二区在线不卡| 中文字幕精品免费在线观看视频| 久久久久亚洲av毛片大全| 国产真人三级小视频在线观看| 国产一区二区三区视频了| 99精品欧美一区二区三区四区| 真人一进一出gif抽搐免费| 免费观看精品视频网站| 黑人巨大精品欧美一区二区蜜桃| 午夜亚洲福利在线播放| 亚洲男人的天堂狠狠| 午夜两性在线视频| 国产一区二区在线av高清观看| 日本一区二区免费在线视频| 国产亚洲精品综合一区在线观看 | 欧美精品亚洲一区二区| 久热这里只有精品99| 中国美女看黄片| 麻豆av在线久日| 高清av免费在线| 一边摸一边做爽爽视频免费| 19禁男女啪啪无遮挡网站| 真人一进一出gif抽搐免费| 老司机深夜福利视频在线观看| 男人舔女人下体高潮全视频| 免费在线观看黄色视频的| 国产精品免费视频内射| 成人免费观看视频高清| 久久久久精品国产欧美久久久| 精品人妻1区二区| 大香蕉久久成人网| 韩国av一区二区三区四区| 国产一卡二卡三卡精品| 中出人妻视频一区二区| 国产亚洲精品久久久久久毛片| 国产精品自产拍在线观看55亚洲| 久久久久国产一级毛片高清牌| 亚洲欧美日韩另类电影网站| 黄色视频,在线免费观看| 国产精品永久免费网站| 精品福利观看| 男女床上黄色一级片免费看| 电影成人av| 国产色视频综合| 国产在线精品亚洲第一网站| 三上悠亚av全集在线观看| 美女高潮到喷水免费观看| 国产精品秋霞免费鲁丝片| 韩国av一区二区三区四区| 涩涩av久久男人的天堂| 国产成人精品久久二区二区91| 久久伊人香网站| 亚洲精品中文字幕在线视频| 亚洲狠狠婷婷综合久久图片| 色综合欧美亚洲国产小说| 一级a爱视频在线免费观看| 女性生殖器流出的白浆| 亚洲欧美精品综合久久99| 国产欧美日韩一区二区三区在线| 国产精品美女特级片免费视频播放器 | 18禁黄网站禁片午夜丰满| 欧美日韩国产mv在线观看视频| 亚洲全国av大片| videosex国产| 国产亚洲欧美98| 岛国在线观看网站| 亚洲片人在线观看| 男女下面插进去视频免费观看| 天堂影院成人在线观看| 999久久久国产精品视频| 久久性视频一级片| 老司机在亚洲福利影院| 国产成人精品在线电影| av天堂久久9| 热re99久久精品国产66热6| 五月开心婷婷网| 男人的好看免费观看在线视频 | √禁漫天堂资源中文www| 9热在线视频观看99| 在线视频色国产色| 久久香蕉激情| 伊人久久大香线蕉亚洲五| bbb黄色大片| 久久久久久人人人人人| 精品久久久久久电影网| 美女大奶头视频| 久久久国产成人精品二区 | 一级作爱视频免费观看| 9191精品国产免费久久| 一区福利在线观看| 老鸭窝网址在线观看| 久久伊人香网站| 国产精品98久久久久久宅男小说| av视频免费观看在线观看| 在线观看日韩欧美| 中文字幕av电影在线播放| 婷婷六月久久综合丁香| 欧美丝袜亚洲另类 | 18禁黄网站禁片午夜丰满| 韩国av一区二区三区四区| 男女做爰动态图高潮gif福利片 | 国产一区在线观看成人免费| 国产一区二区激情短视频| 久9热在线精品视频| 午夜福利影视在线免费观看| 日本五十路高清| 人成视频在线观看免费观看| 制服人妻中文乱码| 无遮挡黄片免费观看| 国产精品亚洲av一区麻豆| 国产在线观看jvid| 丰满人妻熟妇乱又伦精品不卡| 午夜免费观看网址| 欧美最黄视频在线播放免费 | 国产精品一区二区在线不卡| 长腿黑丝高跟| 9191精品国产免费久久| 国产成人精品在线电影| 人妻丰满熟妇av一区二区三区| 亚洲国产看品久久| 久久香蕉激情| 在线十欧美十亚洲十日本专区| 精品国产美女av久久久久小说| 欧美人与性动交α欧美精品济南到| 日日摸夜夜添夜夜添小说| 国产av在哪里看| 久久天躁狠狠躁夜夜2o2o| 亚洲国产欧美网| 亚洲,欧美精品.| 精品久久久久久成人av| 国产又色又爽无遮挡免费看| 色尼玛亚洲综合影院| 99久久人妻综合| 操出白浆在线播放| 亚洲 国产 在线| 久9热在线精品视频| 亚洲欧美激情在线| 亚洲狠狠婷婷综合久久图片| 天堂影院成人在线观看| 99国产极品粉嫩在线观看| а√天堂www在线а√下载| 天堂影院成人在线观看| 日本免费一区二区三区高清不卡 | 亚洲性夜色夜夜综合| www.精华液| 亚洲全国av大片| 亚洲色图 男人天堂 中文字幕| 侵犯人妻中文字幕一二三四区| 99riav亚洲国产免费| 久久久久久免费高清国产稀缺| 12—13女人毛片做爰片一| 夜夜看夜夜爽夜夜摸 | 午夜福利在线观看吧| 两性午夜刺激爽爽歪歪视频在线观看 | 大型av网站在线播放| 看免费av毛片| 日本 av在线| 国产成人av教育| 午夜激情av网站| 女性生殖器流出的白浆| 亚洲欧美精品综合久久99| 999久久久国产精品视频| 欧美日韩乱码在线| 久久国产亚洲av麻豆专区| 99国产精品免费福利视频| av天堂久久9| 丰满的人妻完整版| 欧洲精品卡2卡3卡4卡5卡区| 99国产极品粉嫩在线观看| 男人的好看免费观看在线视频 | 91精品国产国语对白视频| 另类亚洲欧美激情| 欧美精品一区二区免费开放| 老司机在亚洲福利影院| 性色av乱码一区二区三区2| 久久久久久久久中文| 国产亚洲欧美在线一区二区| 天堂影院成人在线观看| 无遮挡黄片免费观看| 一区在线观看完整版| 9热在线视频观看99| 成人亚洲精品一区在线观看| 亚洲国产中文字幕在线视频| 精品人妻1区二区| 成人黄色视频免费在线看| 少妇 在线观看| 国产成人精品无人区| a级毛片黄视频| 国产精品偷伦视频观看了| ponron亚洲| 成年女人毛片免费观看观看9| 两个人免费观看高清视频| 国产99久久九九免费精品| 精品国产乱码久久久久久男人| 国产精品98久久久久久宅男小说| 亚洲人成电影免费在线| 精品一区二区三卡| 人妻丰满熟妇av一区二区三区| 大陆偷拍与自拍| av免费在线观看网站| 一级作爱视频免费观看| 国产真人三级小视频在线观看| 丰满迷人的少妇在线观看| 国产亚洲欧美在线一区二区| 国产精品国产高清国产av| 两性夫妻黄色片| 午夜影院日韩av| 亚洲精品国产色婷婷电影| 亚洲精品国产精品久久久不卡| 欧美性长视频在线观看| 久久性视频一级片| 久久国产乱子伦精品免费另类| 丰满人妻熟妇乱又伦精品不卡| 美女高潮到喷水免费观看| www日本在线高清视频| 超色免费av| 亚洲伊人色综图| 男女高潮啪啪啪动态图| 国产成人精品在线电影| 一级a爱视频在线免费观看| 免费在线观看黄色视频的| 亚洲国产看品久久| 日日爽夜夜爽网站| 最近最新中文字幕大全免费视频| 久久婷婷成人综合色麻豆| www国产在线视频色| 午夜福利,免费看| 美国免费a级毛片| 午夜免费激情av| 神马国产精品三级电影在线观看 | 欧美人与性动交α欧美软件| 黄色视频,在线免费观看| 真人做人爱边吃奶动态| 91精品三级在线观看| 亚洲欧洲精品一区二区精品久久久| 国产一区在线观看成人免费| 首页视频小说图片口味搜索| 嫩草影视91久久| 久99久视频精品免费| 国产成人欧美| 日本一区二区免费在线视频| 亚洲少妇的诱惑av| 在线播放国产精品三级| 国产成人精品在线电影| 亚洲五月色婷婷综合| 日韩一卡2卡3卡4卡2021年| 日韩成人在线观看一区二区三区| 亚洲第一欧美日韩一区二区三区| 搡老岳熟女国产| av网站在线播放免费| 天天影视国产精品| 狂野欧美激情性xxxx| 婷婷精品国产亚洲av在线| 日韩有码中文字幕| 激情视频va一区二区三区| 一边摸一边抽搐一进一小说| 国产精品免费视频内射| av超薄肉色丝袜交足视频| 精品福利观看| 久久久久国内视频| 一区二区三区激情视频| 精品久久久久久电影网| 久久精品aⅴ一区二区三区四区| 男女高潮啪啪啪动态图| 亚洲成av片中文字幕在线观看| 窝窝影院91人妻| 视频区欧美日本亚洲| 色播在线永久视频| 黄色视频,在线免费观看| 欧美人与性动交α欧美软件| 国产精品爽爽va在线观看网站 | 天堂俺去俺来也www色官网| www.www免费av| 亚洲五月色婷婷综合| 超色免费av| 悠悠久久av| 日韩有码中文字幕| 人人妻,人人澡人人爽秒播| 操美女的视频在线观看| 亚洲欧美日韩无卡精品| 美女扒开内裤让男人捅视频| 十八禁网站免费在线| 日韩精品中文字幕看吧| 国产国语露脸激情在线看| 欧美在线黄色| 国产精品一区二区在线不卡| 91精品三级在线观看| netflix在线观看网站| 亚洲国产精品一区二区三区在线| 在线观看66精品国产| 亚洲色图 男人天堂 中文字幕| 男人舔女人的私密视频| 首页视频小说图片口味搜索| 久久精品国产亚洲av香蕉五月| 欧美最黄视频在线播放免费 | 欧美中文日本在线观看视频| 男人舔女人下体高潮全视频| 9色porny在线观看| 精品久久久久久久毛片微露脸| 国产精品久久久久成人av| 亚洲一码二码三码区别大吗| 国产精品免费视频内射| 成年人黄色毛片网站| 亚洲少妇的诱惑av| 午夜久久久在线观看| 80岁老熟妇乱子伦牲交| 久久午夜综合久久蜜桃| 国产欧美日韩精品亚洲av| 50天的宝宝边吃奶边哭怎么回事| 国产精品九九99| 9191精品国产免费久久| 男女之事视频高清在线观看| 国产精品一区二区精品视频观看| a级毛片在线看网站| 动漫黄色视频在线观看| 69精品国产乱码久久久| 新久久久久国产一级毛片| 成人亚洲精品av一区二区 | 国产成人啪精品午夜网站| 国产精品国产av在线观看| 国产成人av激情在线播放| 午夜福利在线免费观看网站| 亚洲国产精品合色在线| 大香蕉久久成人网| 黑人巨大精品欧美一区二区蜜桃|