亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于空間信息的泛洪算法在行人重識別系統(tǒng)中的應用研究

        2022-05-25 04:48:00李御瑾張雅麗葛馨陽趙佳鑫施新凱
        現(xiàn)代計算機 2022年6期
        關(guān)鍵詞:源點空間信息列表

        李御瑾,張雅麗,葛馨陽,趙佳鑫,施新凱

        (中國人民公安大學信息網(wǎng)絡安全學院,北京 100038)

        0 引言

        利用視頻監(jiān)控拍攝的畫面判斷出現(xiàn)在不同監(jiān)控中的行人是否是同一個行人并生成其軌跡的技術(shù)已經(jīng)廣泛應用于智能視頻監(jiān)控、安保、刑偵等領(lǐng)域。這種運用計算機視覺和機器學習等方法判斷監(jiān)控視頻中的特定行人是否出現(xiàn)在其他監(jiān)控視頻中的技術(shù)稱為行人重識別(person Re-identification,Re-ID)。有學者將行人重識別系統(tǒng)劃分為行人檢測和行人重識別兩部分,行人檢測主要應用深度學習的方法對原始圖像數(shù)據(jù)進行訓練學習并提取出更有效的特征,基于深度學習的行人檢測系統(tǒng)具備極高的魯棒性和準確率。隨著較大規(guī)模數(shù)據(jù)集的出現(xiàn),深度學習在行人重識別領(lǐng)域的應用研究逐年遞增?;诖笠?guī)模數(shù)據(jù)集與深度學習的行人重識別方法根據(jù)任務不同分為兩類,一類是基于圖像,一類是基于視頻序列。不管是基于圖像還是基于視頻序列,行人重識別的主要任務都是特征提取和相似度度量兩個步驟。

        在行人重識別系統(tǒng)的應用中,原始視頻幀經(jīng)過行人檢測并提取特征之后與對應幀重新存入特征庫。傳統(tǒng)的行人重識別系統(tǒng),其前端攝像頭僅能夠采集數(shù)據(jù)并不具備前置的計算處理功能,需要將數(shù)據(jù)回傳至數(shù)據(jù)中心進行處理。隨著邊緣計算在行人重識別系統(tǒng)中的應用,系統(tǒng)逐漸從前端采集、后端分析的模式轉(zhuǎn)變?yōu)榍岸酥悄芑⑶昂蠖藚f(xié)同計算和軟硬件一體化的新模式。

        按照功能來說,行人重識別系統(tǒng)在特征提取與相似度度量之間應該還有一個階段,即確定度量對象。如圖1所示,文獻[3]提供的行人重識別系統(tǒng)框架中,在特征提取與相似度度量之間加入“確定度量對象”階段。該階段的主要任務是從特征庫的指定度量范圍中檢索出進行相似度度量的對象,進行相似度度量的次數(shù)與總耗時和所占用算力都成正比關(guān)系,因此,縮小檢索范圍可有效減少度量次數(shù)和度量耗時,節(jié)約算力。目前主流的行人重識別系統(tǒng),在提取到待度量目標的特征后,通過遍歷度量的方式或按照時間劃分檢索范圍來在特征庫中進行相似度度量。城市部署的攝像機數(shù)量將會越來越多,盡管單個視頻所提取的目標特征信息所占空間不大,但是一個城市每天產(chǎn)生的視頻監(jiān)控數(shù)據(jù)量將只增不減,根據(jù)視頻數(shù)據(jù)所提取的特征庫也將隨之增大,因此,不論是遍歷檢索還是按照時間劃分度量范圍對于行人重識別系統(tǒng)而言都將是一項高耗時、高占用的任務。為了提高度量效率,本文在已有的研究基礎上提出一種基于泛洪算法并結(jié)合空間信息的檢索度量方式,在前端采集數(shù)據(jù)時通過內(nèi)嵌全球定位系統(tǒng)(global positioning system,GPS)芯片提供空間信息并回傳,在后端將前端所提取的特征與其回傳的空間信息進行關(guān)聯(lián)并建立空間信息數(shù)據(jù)庫。應用泛洪算法在進行度量時縮小度量范圍,在不損失度量的準確度和完整度的前提下達到提高度量效率的目的,且能有效利用特征所關(guān)聯(lián)的空間信息進行軌跡分析,整體提高行人重識別系統(tǒng)的應用效果。

        圖1 行人重識別系統(tǒng)

        1 基于空間信息的泛洪度量算法

        泛洪算法(flooding)在計算機網(wǎng)絡領(lǐng)域中是一種路由算法,簡單來說是設備群中交換信息的一種協(xié)議。分為不受控泛洪與受控泛洪兩種。在不受控制的泛洪中,每個節(jié)點無條件地將數(shù)據(jù)包分發(fā)給它的每個鄰居。如果沒有條件邏輯來控制就會產(chǎn)生廣播風暴(當廣播數(shù)據(jù)充斥網(wǎng)絡無法處理,并占用大量網(wǎng)絡帶寬,導致正常業(yè)務不能運行,甚至徹底癱瘓即為“廣播風暴”)。在受控泛洪中有兩種算法來避免廣播風暴,分別是序列號受控泛洪(sequence number controlled flooding,SNCF)和反向路徑轉(zhuǎn)發(fā)(reverse path forwarding,RPF)。在SNCF中,節(jié)點將自己的地址和序列號附加到數(shù)據(jù)包中,每個節(jié)點都有地址和序列號的存儲器。如果它在內(nèi)存中收到一個數(shù)據(jù)包,它會立即丟棄它,而在RPF中,節(jié)點只會轉(zhuǎn)發(fā)數(shù)據(jù)包。如果它是從下一個節(jié)點收到的,它將發(fā)送回發(fā)送者。

        本文應用泛洪算法的受控泛洪原理,在特征庫檢索中改進該算法,算法主要目的是改進并縮小度量范圍。目前主流的行人重識別系統(tǒng)在提取到待度量目標的特征后通過遍歷度量的方式或按照時間劃分度量范圍來在特征庫中選取對象進行相似度度量,目標的軌跡在時空上具有一定的相關(guān)性,即當目標被一臺攝像機拍攝到以后,該目標被另一臺攝像機再次拍攝到的可能性與兩臺攝像機的間距以及兩次拍攝時間間隔均成反比,簡單來說就是當一臺攝像機拍攝到一個目標之后,與該臺攝像機相距最近的幾臺攝像機在較小的時間間隔內(nèi)再次拍攝到目標的可能性最大。然而,遍歷度量或根據(jù)時間劃分度量范圍并沒有較好地利用目標軌跡的時空相關(guān)性,沒有優(yōu)先選擇可能性較大的攝像機提取的特征進行度量,而是對所有攝像機或者指定時間段內(nèi)攝像機提取的特征進行度量。算法實現(xiàn)方法是充分利用目標軌跡的時空相關(guān)性,將度量范圍以空間距離和時間間隔進行優(yōu)先級劃分,逐級進行相似度度量。將高優(yōu)先級的度量范圍定義為源點度量,低優(yōu)先級的度量范圍定義為節(jié)點度量。算法流程如圖2所示,圖中左邊部分為源點度量,右邊部分為節(jié)點度量。是源點列表信號量,當為0時源點列表為空,當為1時源點列表不為空。是節(jié)點列表信號量,當為0時,節(jié)點列表為空,反之亦然。首先將和置為零,分別依次執(zhí)行源點度量和節(jié)點度量,然后檢測源點列表和節(jié)點列表,如果為空,則返回0。如此循環(huán),直到源點列表和節(jié)點列表都為空,和都為0的時候代表度量完成。

        圖2 算法流程圖

        由于需要搭建空間信息數(shù)據(jù)庫,因此本文采用mysql進行數(shù)據(jù)存儲。在mysql中建立名為camerafile的數(shù)據(jù)庫,在庫中分別建立兩張表,一張表是設備檔案表(命名為cameraid),另一張是設備距離表(命名為distance_table)。設備檔案表中的字段為“Lon”,“Lat”,分別為該設備的經(jīng)緯度。然后分別對每臺設備兩兩之間計算直線距離,根據(jù)結(jié)果建立設備距離表。設備距離表中字段為“Orig”、“Dest”和“distance”,“Orig”為源點的設備編號,“Dest”為目標設備的編號,“distance”為兩點之間的直線距離。搭建空間信息數(shù)據(jù)庫的前提是獲取攝像機的經(jīng)緯信息以及物理地址信息,兩兩分別計算直線距離據(jù)此建立距離表。定義為與源點攝像機相聚最近的攝像機臺數(shù),定義為總度量范圍。

        在創(chuàng)建空間信息數(shù)據(jù)庫時需提前建立設備檔案表以及設備距離表,在輸入待度量目標并獲取采集該圖片的設備編號后,通過泛洪算法(如圖3所示)從數(shù)據(jù)庫中的設備距離表中提取出指定范圍內(nèi)的最近個其他設備編號,并設置總度量半徑以在這些設備采集的視頻數(shù)據(jù)中進行相似度度量,與兩個參數(shù)可根據(jù)實際情況進行設定。泛洪度量分為源點度量與節(jié)點度量。如果在該范圍內(nèi)出現(xiàn)高于閾值的結(jié)果則將該節(jié)點加入到源點列表,如果沒有則加入節(jié)點列表,待源點度量結(jié)束后再進行節(jié)點度量。

        圖3 泛洪算法示意圖

        1.1 源點度量

        從源點列表中順序選出一個源點,根據(jù)設備距離表計算出與源點相距最近的個節(jié)點,然后進行特征相似度計算。如果有節(jié)點高于閾值,則將該節(jié)點加入到源點列表中,如果個節(jié)點都沒有高于閾值的節(jié)點,則將源點加入到節(jié)點列表中,然后從源點列表中順序選出下一個源點,直到源點列表遍歷完,源點度量結(jié)束,源點度量示意圖如圖4所示。

        圖4 源點、節(jié)點度量示意圖

        1.2 節(jié)點度量

        從節(jié)點列表中順序選出一個節(jié)點,然后計算出與該節(jié)點相距最近的個節(jié)點并依次進行度量,如果有節(jié)點度量成功則將該節(jié)點加入源點列表,否則將節(jié)點加入次節(jié)點列表,然后從節(jié)點列表中選出下一個節(jié)點,如圖5所示。進行完節(jié)點度量之后,所有節(jié)點被分別加入源點列表和次節(jié)點列表。如果次節(jié)點列表不為空,則將次節(jié)點列表賦值給節(jié)點列表重新進行節(jié)點度量。直到節(jié)點列表遍歷完,節(jié)點度量結(jié)束。此時,分別檢測源點列表與節(jié)點列表,直到源點列表與節(jié)點列表均為空,即在指定區(qū)域內(nèi)無法再計算得出新的節(jié)點。

        圖5 節(jié)點度量示意圖

        泛洪算法是根據(jù)源點最近的點位進行度量,單次最大攝像頭數(shù)量越多,則單次搜索半徑越大,總搜索時間增加??偹阉靼霃绞穷A先設置的總搜索區(qū)域,算法中體現(xiàn)為以初始源點為圓心的總搜索半徑,凡是超過該搜索范圍的其他節(jié)點均不會被度量。

        2 實驗及結(jié)果分析

        本文在行人檢測部分使用的是YOLOv3目標檢測算法,并且使用YOLO416 COCO權(quán)重。在行人重識別部分是在Bag of Tricks and A Strong ReID Baseline的開源代碼基礎上進行改進。訓練部分將MSMT17數(shù)據(jù)集、Market1501數(shù)據(jù)集和CUHK03數(shù)據(jù)集進行了聯(lián)合訓練,然后在沒有進行訓練的DukeMTMC27數(shù)據(jù)集進行測試,測試效果滿足使用需求。本文實驗共設置兩組實驗模型,一組使用空間信息并結(jié)合泛洪算法進行度量,另一組使用遍歷算度量方式。

        2.1 實驗數(shù)據(jù)

        2.1.1 空間信息數(shù)據(jù)

        本文所提出的方法主要應用于縮小度量范圍,對于監(jiān)控設備數(shù)據(jù)要求的經(jīng)緯度。由于目前還未大規(guī)模部署內(nèi)嵌GPS芯片的網(wǎng)絡攝像機,因此從無錫市城市管理局發(fā)布的《無錫市城市管理視頻監(jiān)控系統(tǒng)點位調(diào)整信息公示》中獲取到無錫市部分監(jiān)控點位的物理位置和經(jīng)緯度原始數(shù)據(jù),處理后得到圖6。

        圖6 部分監(jiān)控點位原始數(shù)據(jù)

        空間信息數(shù)據(jù)庫創(chuàng)建兩張表,一張表是采集設備檔案表,另一張是設備距離表。由于從無錫市城市管理局所收集到的監(jiān)控點位信息并沒有對攝像機進行編號,因此將每一臺設備進行編號,并輸入其物理位置與經(jīng)緯度信息。然后對每一臺采集設備建立設備檔案表并存入mysql數(shù)據(jù)庫中,如圖7(a)所示;對每臺設備兩兩之間根據(jù)經(jīng)緯度計算直線距離,根據(jù)結(jié)果依次建立設備距離表,如圖7(b)所示。

        圖7 設備檔案表與設備距離表

        2.1.2 視頻圖像數(shù)據(jù)

        視頻數(shù)據(jù)使用在校園錄制的模擬街道監(jiān)控視頻,錄制設備為索尼HDR-CX405,隨機選取校園道路五個位置架設高約3 m的三腳架進行錄制,共計403段,平均每段有5 s,由151幀構(gòu)成,行人監(jiān)控截圖如圖8所示。本文分別將某臺設備所采集的視頻放置在該設備編號命名的文件夾中,其中視頻的命名格式為(攝像機編號_視頻編號),監(jiān)控點位共有311個,隨機從403段中抽取10段依次放置于編號文件夾中,相當于總視頻庫中共有3110個監(jiān)控視頻。

        圖8 行人監(jiān)控示意圖

        2.2 評價指標

        為了驗證算法對特征庫進行泛洪度量的有效性,本文設置了四個評價指標,分別是度量次數(shù)、度量準確度、度量完整度以及度量時間。度量次數(shù)越少對計算機的算力占用越低,在度量準確度相同的情況下度量時間越短則度量效率越高。度量準確度與度量完整度的定義如下:

        度量準確度=度量到的相關(guān)視頻數(shù)/總度量視頻數(shù)

        度量完整度=度量到的相關(guān)視頻數(shù)/庫中實際相關(guān)視頻數(shù)

        2.3 實驗環(huán)境及參數(shù)設置

        2.3.1 實驗環(huán)境

        本實驗的操作系統(tǒng)為Microsoft Windows 10(64位),CPU型號為(英特爾)Intel(R)Core(TM)i7-10750H CPU@2.60GHz(2592 MHz),本實驗使用一塊NVIDIA GeForce RTX 2060(6144 MB)顯卡,使用pytorch 1.7.1以及tensorflow-gpu 2.1.0作為深度學習框架,依賴Python 3.7.1環(huán)境完成編程。

        2.3.2 參數(shù)設置

        實驗中先將一組節(jié)點設置為目標軌跡路線,然后分別調(diào)用泛洪度量與遍歷度量從起始節(jié)點的視頻監(jiān)控開始度量,并將度量結(jié)果與設置的目標軌跡路線進行比較。本次實驗將待度量目標設置為身穿深藍色短袖和黑色長褲的行人,如圖9中(a)所示。

        圖9 目標與度量成功示意圖

        2.4 實驗結(jié)果與實驗分析

        為驗證泛洪算法的有效性,本文設置三個對照試驗,共計十五組。在泛洪算法中需設置單節(jié)點最大攝像機數(shù)和最大度量半徑,最大攝像機數(shù)以及最大度量半徑的取值取決于監(jiān)控點位的密集程度,在監(jiān)控點位密集區(qū)域最大攝像機數(shù)和單節(jié)點最大搜索半徑應設置較小,單次度量總量小能夠提高度量速度,而在監(jiān)控點位稀疏的地區(qū)二者均可以設置較大半徑,增加單次度量數(shù)量以提高度量效率。如果度量成功則會標記目標并輸出該節(jié)點視頻,如圖9中(b)所示。

        實驗對象:第一組至第五組

        不變量:軌跡節(jié)點(節(jié)點間距均小于1 km)、泛洪算法參數(shù)設置(最大攝像機數(shù)設置為5(=5),單節(jié)點最大搜索半徑設置為1 km(=1))

        變量:分別使用泛洪算法與遍歷算法

        實驗目的:驗證泛洪算法的有效性

        實驗結(jié)果見表1

        表1 實驗一結(jié)果

        實驗分析:在該五組實驗中,軌跡節(jié)點平均間距在1 km以內(nèi)。對于視頻圖像庫而言度量時間主要取決于度量次數(shù)。遍歷度量的范圍始終為全庫共計3110段視頻,因此其度量次數(shù)、度量時間、度量準確度與度量完整度都不變,采用泛洪算法之后視頻的平均度量次數(shù)會減少,如圖10所示,度量出相似視頻圖像的時間大幅縮短,如圖11所示。在度量完整度相同的情況下,泛洪算法結(jié)果,平均準確度為27.63%,平均度量次數(shù)為19.2次,平均度量時間為239.68 s,而遍歷算法結(jié)果的平均準確度為1.61%,平均度量次數(shù)為3110次,平均度量時間為2139.26 s。

        圖10 實驗一度量次數(shù)

        圖11 實驗一度量時間

        實驗結(jié)論:當軌跡節(jié)點平均間距在1 km以內(nèi)時,在完整度相同的前提下,泛洪算法的準確度、度量次數(shù)和時間均優(yōu)于遍歷算法。

        實驗對象:第一組至第十組

        不變量:前五組沿用第一組實驗結(jié)果,泛洪算法參數(shù)設置(最大攝像機數(shù)設置為5(=5),單節(jié)點最大搜索半徑設置為1 km(=1))

        變量:第一組至第五組的平均間距較?。ㄔ? km左右)、第六組至第十組平均間距較大(在1 km以上)

        實驗目的:分析節(jié)點平均間距對泛洪算法的影響

        實驗結(jié)果見表2。

        表2 實驗二結(jié)果

        實驗分析:在前五組實驗中,軌跡節(jié)點平均間距在1 km以內(nèi);后五組中平均間距大于1 km。十組實驗中泛洪算法的參數(shù)設置都相同(即最大攝像機數(shù)和單節(jié)點最大度量半徑都相同),當節(jié)點平均間距增大之后,對于未改變參數(shù)設置的泛洪算法,其度量準確度與完整度均有所下降,如圖12所示。前五組泛洪算法結(jié)果:平均準確度為27.63%,平均度量次數(shù)為19.2次,平均度量時間為239.68 s,后五組結(jié)果平均為度量完整度為60%,度量準確度為14.68%,度量次數(shù)為23次,度量時間為286.26 s;前五組遍歷算法結(jié)果為平均準確度為1.61%,平均度量次數(shù)為3110次,平均度量時間為2139.26 s,后五組遍歷算法結(jié)果為平均準確度為1.61%,平均度量次數(shù)為3110次,平均度量時間為2146.50 s。

        圖12 實驗二度量完整度

        實驗結(jié)論:在泛洪算法的參數(shù)設置為(最大攝像機數(shù)設置為5(=5),單節(jié)點最大搜索半徑設置為1 km(=1)),當軌跡節(jié)點平均間距大于1 km之后,泛洪算法的準確度、完整度明顯降低,度量時間與度量次數(shù)均明顯增加,可見平均節(jié)點間距對泛洪算法有直接影響,對遍歷算法無較大影響。

        實驗對象:第六組至第十五組

        不變量:第六組至第十組沿用實驗二結(jié)果,軌跡節(jié)點均相同

        變量:第六組至第十組泛洪算法設置參數(shù)為最大攝像機數(shù)設置為5(=5),單節(jié)點最大搜索半徑設置為1 km(=1);第十一組至第十五組設置參數(shù)為最大攝像機數(shù)設置為5(=5),單節(jié)點最大搜索半徑設置為2 km(=2)

        實驗目的:分析泛洪算法中單節(jié)點最大搜索半徑對算法影響

        實驗結(jié)果見表3。

        表3 實驗三結(jié)果

        實驗分析:十組實驗的軌跡節(jié)點都相同,平均間距在1 km以上,前五組的單節(jié)點最大搜索半徑為1 km(=1),后五組單節(jié)點最大搜索半徑為2 km(=2)。通過增大泛洪算法單節(jié)點最大搜索半徑,能夠有效地提高泛洪算法的度量完整度,如圖13所示。

        圖13 實驗三泛洪算法度量完整度

        前五組泛洪算法的結(jié)果平均為度量完整度為60%,度量準確度為14.68%,度量次數(shù)為23次,度量時間為286.26 s,后五組結(jié)果平均為度量完整度為100%,度量準確度為8.11%,度量次數(shù)為64次,度量時間為868.31 s。

        表4 遍歷算法度量時間

        實驗結(jié)論:軌跡節(jié)點平均間距大于1 km之后,通過調(diào)節(jié)泛洪算法的單節(jié)點最大搜索范圍能夠提高完整度,但準確度會降低,度量次數(shù)和度量時間增加。在相同度量完整度的情況下,通過對比調(diào)節(jié)參數(shù)前后的度量時間,可以得出雖然增大了單節(jié)點最大搜索半徑會增加度量時間,但為了獲得較高的度量完整度,度量盡量多的目標,增加的度量時間仍遠遠少于遍歷度量的時間,如圖14所示。

        圖14 實驗三度量時間比較

        3 結(jié)語

        本文提出一種結(jié)合空間信息并以泛洪算法為基礎的改進度量方法。該方法將空間信息與特征建立關(guān)聯(lián),在行人重識別系統(tǒng)進行相似度度量時,有效利用目標軌跡的時空相關(guān)性并根據(jù)特征關(guān)聯(lián)的空間信息來縮小度量范圍,快速度量目標特征。實驗結(jié)果表明,在度量出所有目標特征的情況下泛洪算法的度量時間與度量次數(shù)均優(yōu)于遍歷算法;而在犧牲度量完整度的情況下,泛洪算法能夠更快速地度量出目標特征。如果增加單點最大度量范圍,則會增加度量次數(shù)與時間,但能夠提高泛洪算法的度量完整度。結(jié)合空間信息的泛洪算法在行人重識別系統(tǒng)中的應用能夠協(xié)助民警在公安工作中迅速檢索度量出目標并得出其軌跡路線。此外,對于任何在原始數(shù)據(jù)中能夠提供空間信息的數(shù)據(jù)均能夠使用本方法進行快速度量,例如在全球新冠病毒肆虐的背景下,使用本方法能夠迅速度量目標,對于快速進行精準高效的流調(diào)工作、及時排查風險、消除隱患具有重要意義。

        猜你喜歡
        源點空間信息列表
        巧用列表來推理
        結(jié)合多層特征及空間信息蒸餾的醫(yī)學影像分割
        五指石
        天津詩人(2021年2期)2021-11-12 00:19:11
        學習運用列表法
        擴列吧
        隱喻的語篇銜接模式
        外語學刊(2017年3期)2017-12-07 01:45:38
        《地理空間信息》協(xié)辦單位
        首屆“絲路源點·青年學者研討會”主題論壇在我校成功舉辦
        不含3-圈的1-平面圖的列表邊染色與列表全染色
        關(guān)于地理空間信息標準體系
        国产激情视频免费观看| a级毛片免费观看在线| 精品国产av 无码一区二区三区| 人妻无码在线免费| 国产成av人在线观看| 丰满少妇人妻无码| 桃花色综合影院| 精品综合久久久久久8888| 久久99国产精品久久99密桃| 男人国产av天堂www麻豆| 久久久久久人妻毛片a片| 免费黄色福利| 男人的天堂av你懂得| 国内少妇毛片视频| 国产又色又爽无遮挡免费动态图| 91精品在线免费| 国产精品成人av大片| 狠狠躁天天躁中文字幕| 99国产超薄丝袜足j在线观看| 国产精品一区二区久久毛片| 变态另类人妖一区二区三区| 精品国产一区av天美传媒| 麻豆五月婷婷| 色综合久久人妻精品日韩| 4455永久免费视频| 国产人妻无码一区二区三区免费| 尤物yw午夜国产精品视频| 人妖国产视频一区二区| 天天躁日日躁狠狠躁欧美老妇| 日韩成人免费一级毛片| 一区二区三区视频免费观看在线| 精品国产精品三级精品av网址| 蜜桃成人无码区免费视频网站| 粉嫩小泬无遮挡久久久久久| 国产精品福利高清在线| 开心五月激情综合婷婷色| 亚洲日产无码中文字幕| 黄片国产一区二区三区| 日本最新免费二区| 999国产精品视频| 精品国产一区二区三区九一色|