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

        ?

        GoPose 人工智能運動分析對線上體育教學(xué)實施研究啟示

        2023-02-26 03:31:59袁鵬杜雨杉楊家華劉琪
        文體用品與科技 2023年24期
        關(guān)鍵詞:關(guān)鍵幀置信度關(guān)鍵點

        袁鵬 杜雨杉 楊家華 劉琪

        (1.江西師范大學(xué)體育學(xué)院 江西 南昌 330013 ;2.華東交通大學(xué)信息工程學(xué)院 江西 南昌 330013)

        1、引言

        隨著“互聯(lián)網(wǎng)+”走向大眾視野,中國大學(xué)MOOC 課、國家精品課程等網(wǎng)上教學(xué)課程促使大學(xué)生的上課方式產(chǎn)生了變化并更便利,現(xiàn)在很多學(xué)校通過“互聯(lián)網(wǎng)+”實現(xiàn)了線上線下結(jié)合模式,大大提高體育教學(xué)的趣味性、豐富性、專業(yè)性,形成良好的互補,提高了體育教學(xué)的教學(xué)效果。但網(wǎng)上課程教學(xué)對體育方面的資源少且不全,同時線上體育課的實踐課又與理論課不同,會受到很多條件的限制,如場地、器械、運動項目的差異等因素,導(dǎo)致線上體育課實踐開展較為困難。同時,在專業(yè)的體育訓(xùn)練過程中,運動姿勢的規(guī)范性極為重要,學(xué)生體育運動姿勢不標(biāo)準(zhǔn)、不規(guī)范,不僅會讓學(xué)生們達(dá)不到練習(xí)效果,還可能對身體關(guān)節(jié)、肌肉造成傷害,所以在訓(xùn)練過程中需要老師現(xiàn)場進行指導(dǎo)和監(jiān)督。但目前高校一個班級的師生比約為1:30,進行線上教學(xué)時,由于時間的限制,教師很難對每一位同學(xué)進行及時地指導(dǎo)。同時,一些細(xì)微的錯誤動作,也不能通過肉眼觀察出來。由此可知,線上教學(xué)給體育課程的教學(xué)思路帶來了巨大的挑戰(zhàn)。

        針對體育課線上教學(xué)出現(xiàn)的上述問題,本文提出了一種基于機器視覺的精準(zhǔn)捕捉動作軌跡的計算方法,并開發(fā)成應(yīng)用軟件。該軟件可以很好地輔助體育專業(yè)線上動作指導(dǎo),提高體育專業(yè)課程的線上教學(xué)效果。本軟件以O(shè)penPose 算法為基礎(chǔ),通過對運動視頻進行分析處理,捕捉和識別人體運動,并對關(guān)節(jié)角度、位移速度等數(shù)據(jù)進行測量和計算,使教師和學(xué)生能夠快速獲得需要的運動學(xué)數(shù)據(jù),體育教師可以根據(jù)這些數(shù)據(jù)來分析學(xué)生的運動姿勢,從而矯正學(xué)生的錯誤動作,實現(xiàn)線上一對一監(jiān)督,有效提高了監(jiān)督效率。

        相較于平日的肉眼觀察以及傳統(tǒng)的手動對各個關(guān)節(jié)點進行設(shè)置所花費的時間長,動作不準(zhǔn)確等缺點,本軟件具有較高的便利性和準(zhǔn)確性,可以利用機器視覺自動識別關(guān)節(jié)點并計算關(guān)節(jié)角度,使得導(dǎo)出的數(shù)據(jù)具有較高的準(zhǔn)確性和真實性,并且大大降低人力成本,提高分析效率。在未來,隨著功能技術(shù)的不斷完善,它也將廣泛應(yīng)用于學(xué)校的線上體育教學(xué)以及專業(yè)的體育訓(xùn)練和比賽過程中,為更多專業(yè)體育工作者提供便利。

        2、基于GoPose 人工智能運動分析軟件設(shè)計概述

        2.1、本軟件的組成部分

        GoPose 人工智能運動分析軟件由數(shù)據(jù)庫、服務(wù)端和前端組成。數(shù)據(jù)庫充當(dāng)整個軟件的中央樞紐,負(fù)責(zé)數(shù)據(jù)的傳遞。服務(wù)端從數(shù)據(jù)庫中獲取數(shù)據(jù),在處理一些邏輯問題后,將數(shù)據(jù)交接給前端。服務(wù)端提供前端獲取數(shù)據(jù)的接口,處理數(shù)據(jù)庫,并提供一部分程序邏輯。前端負(fù)責(zé)顯示數(shù)據(jù),包括登錄和注冊界面,是用戶所能接觸到的應(yīng)用層面,負(fù)責(zé)將數(shù)據(jù)返回給服務(wù)端。

        2.2、本軟件的編寫環(huán)境

        軟件環(huán)境:python7.3、OpenPose;

        編程語言:python。

        2.3、OpenPose 算法

        OpenPose 是一種能夠支持單人和多人情況下進行二維人體姿態(tài)估計的算法,包含腰、腿和頸等多個人體部位。其次,該算法是自下向上的,即先檢測整個完整圖像中人體所有的關(guān)鍵點,再連接所有關(guān)鍵點。OpenPose 的工作原理是將輸入的圖像分為多個子區(qū)域,并對每個子區(qū)域利用卷積神經(jīng)網(wǎng)絡(luò)進行特征提取,然后使用圖像模型將提取的特征映射到關(guān)鍵點位置。OpenPose能夠迅速地識別圖像中單人和多人的二維姿態(tài),并通過深度學(xué)習(xí)檢測圖像中人體的關(guān)鍵點位置,不依靠圖像的局部特征完成人物目標(biāo)檢測。即便是在圖像噪聲較大的環(huán)境下,它也能正確提取相應(yīng)的關(guān)鍵點位置。然后利用建模重構(gòu)的方法對檢測到的關(guān)鍵點位置進行姿態(tài)特征的提取,具有高精度和實時性特點,在視頻處理和人機交互等領(lǐng)域具有廣泛的應(yīng)用前景。

        (1)置信度算法。

        置信度指的是在圖像中的一點是人體關(guān)鍵點的概率。在OpenPose 算法中設(shè)置了n 個人體關(guān)鍵點,再將相應(yīng)的置信度設(shè)置為S,代表從第一個關(guān)鍵點開始的置信度。并且置信度呈正態(tài)分布,當(dāng)關(guān)鍵點與像素p 的歐氏距離越短,則其的置信度越高。兩者若坐標(biāo)相等,此時置信度達(dá)到最大值。在多人姿態(tài)識別中,往往取多個正態(tài)分布的最大值作為關(guān)鍵點的峰值。

        (2)親和度算法。

        親和度是指圖像關(guān)鍵點在人體肢體上的方向。局部親和度算法用來計算關(guān)鍵點部位之間的親和度,輸出結(jié)果用L 來表示第n個關(guān)鍵點連接的親和度。兩個互相連接的關(guān)鍵點之間會形成一個橢圓形的區(qū)域,進而親和度算法會對該區(qū)域內(nèi)的方向向量進行運算,用來判斷關(guān)鍵點的矢量性,同時賦予相應(yīng)關(guān)鍵點方向向量,最后通過定積分計算兩個關(guān)鍵點的連接方向。

        (3)匈牙利算法。

        通過置信度和親和度算法后,我們便可以獲得人體肢體關(guān)鍵點的坐標(biāo)信息,但還未對關(guān)鍵點進行正確聚類和正確連接。因為OpenPose 采取的是自下而上的識別策略,若我們遍歷所有關(guān)鍵點的連接方案,再從中選出最佳連接方案會消耗大量的計算資源和花費大量的時間。除此之外,還可將關(guān)鍵點信息按從小到大排序再依次連接匹配,但在遮攔情況下會產(chǎn)生較大的誤差,影響準(zhǔn)確性。

        匈牙利算法又稱最大二分圖匹配算法。OpenPose 中規(guī)定同一個關(guān)鍵點不能夠多條邊共用一個節(jié)點,同時需要滿足以下條件:假設(shè)節(jié)點1、2 有可能進行匹配,則類型為1 和2 的關(guān)鍵點置信度之和不能超過1,否則說明關(guān)鍵點與節(jié)點連接個數(shù)超過1,說明這種聚類方法是不可取的。反之,當(dāng)它們的約束條件相同時,節(jié)點1、2 的可能性可以通過尋找所有連接方式中積分和的最大值來確定,連接相應(yīng)節(jié)點的肢體,對其他肢體重復(fù)上述步驟即可完成多人肢體檢測。

        (4)姿態(tài)提取算法流程。

        OpenPose 方法的整體思路,可概括為以下幾步:首先通過10 層VGG19 網(wǎng)絡(luò),為輸入的圖像建立相應(yīng)的特征映射,并將所獲得的特征圖放入兩個卷積神經(jīng)網(wǎng)絡(luò)中進行計算,并分別預(yù)測每個關(guān)鍵點的置信度和親和度向量,得到分別包含置信度和親和度的熱圖,然后根據(jù)匈牙利算法實現(xiàn)關(guān)鍵點的聚類,從而求得相連關(guān)鍵點的最佳匹配,由于PAF 的矢量性保證了生成二分匹配的正確性,最終將同一個人的關(guān)節(jié)點拼接,組成一個整體框架。

        (5)OpenPose 網(wǎng)絡(luò)結(jié)構(gòu)。

        OpenPose 的整個網(wǎng)絡(luò)結(jié)構(gòu)使用了VGG 網(wǎng)絡(luò)作為骨架再進行預(yù)訓(xùn)練處理。這種結(jié)構(gòu)在姿態(tài)估計中發(fā)揮著關(guān)鍵作用。整個網(wǎng)絡(luò)由兩個部分組成,一部分用于預(yù)測關(guān)鍵點的置信圖,另一部分預(yù)測編碼相鄰關(guān)鍵點之間關(guān)聯(lián)的向量場,并分別計算回歸得到S 和L。上半部分即第一分支用于預(yù)測置信圖,通過該分支可以獲得每個關(guān)鍵點的置信度信息。下半部分即第二分支用于預(yù)測關(guān)聯(lián)向量場,通過該分支可以建立關(guān)鍵點之間的關(guān)聯(lián)關(guān)系。每回歸一次S 和L 說明一輪迭代預(yù)測已經(jīng)完成,進而通過連續(xù)的迭代,完整預(yù)測網(wǎng)絡(luò)的體系結(jié)構(gòu)便會逐漸形成。反饋損失函數(shù)在每一階段的訓(xùn)練中都會統(tǒng)計一次,并將S、原始輸入F 和L 連接在一起,作為下個階段訓(xùn)練的輸入。S 在歷經(jīng)多輪迭代后,能夠逐漸區(qū)分預(yù)測網(wǎng)絡(luò)體系結(jié)構(gòu)的左右部分。隨著迭代次數(shù)的增加,S 的區(qū)分能力越強。這種網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)勢在于它能夠通過多輪迭代學(xué)習(xí)到更準(zhǔn)確和連續(xù)的姿態(tài)估計結(jié)果。通過預(yù)測置信圖和關(guān)聯(lián)向量場,網(wǎng)絡(luò)能夠捕捉到關(guān)鍵點之間的結(jié)構(gòu)和聯(lián)系,進而提高姿態(tài)估計的精度。每一階段的訓(xùn)練都包括了反饋損失函數(shù)的計算,為了能夠更有效地提高預(yù)測精度,使得網(wǎng)絡(luò)能夠不斷優(yōu)化和調(diào)整,以適應(yīng)不同類型的姿態(tài)估計任務(wù)。最終,通過多輪迭代訓(xùn)練,S 在區(qū)分預(yù)測網(wǎng)絡(luò)結(jié)構(gòu)的左右部分方面發(fā)揮了重要作用,進一步提高了姿態(tài)估計的性能。

        (6)搭建姿態(tài)特征生成樹。

        相比于較傳統(tǒng)的特征提取方法,GoPose 引入了一種新的運動檢測特征值。在提取完人體姿態(tài)特征后,它通過導(dǎo)出目標(biāo)人物的頸部位置還有腳部位置,進而計算兩者之間的距離差值V。此外,我們還需要準(zhǔn)確計算檢測目標(biāo)的高度,從視頻數(shù)據(jù)中每5 幀數(shù)便要提取出一張照片用以高度計算,通過視頻數(shù)據(jù)相鄰兩幀中計算檢測目標(biāo)高度的差值,得到參數(shù)D。這兩個特征值可以用于判斷靜止姿態(tài)。

        此外,根據(jù)提取圖片中相鄰兩幀間檢測目標(biāo)頭部位置距離的差值,可以計算得到檢測目標(biāo)的速度S。而二軸加速度A 則用來判斷目標(biāo)的運動姿態(tài)。通過這些計算,GoPose 能夠提取出豐富的動作特征,從而更準(zhǔn)確地描述人體的姿態(tài)變化。這種新的運動檢測特征值的引入,為GoPose 軟件帶來了更全面和細(xì)致的姿態(tài)分析能力。通過計算頸部和腳部的距離差值,可以得到關(guān)于身體穩(wěn)定性的信息,從而判斷靜止姿態(tài)。而通過計算頭部位置距離的差值,可以獲得目標(biāo)的速度,結(jié)合二軸加速度,可以判斷運動姿態(tài)。這些特征值的綜合使用,使得GoPose 能夠更準(zhǔn)確地捕捉到人體運動的特征,從而提供更精確的姿態(tài)分析結(jié)果。無論是靜態(tài)姿態(tài)還是動態(tài)姿態(tài),GoPose 都能夠提供全面且準(zhǔn)確的分析,為用戶提供更多有價值的信息。

        (7)PAFs 算法解析過程。

        本軟件通過攝像頭采集了人們站立、坐著和躺著3 類整體行為的圖片,共計采集了1250 張圖像。其中,1000 張用于網(wǎng)絡(luò)訓(xùn)練,250 張用于網(wǎng)絡(luò)的實際測試。在采集過程中,特別注意保持人體四肢和軀干處于自然狀態(tài),避免抬腿、摸頭、傾斜等有意識的動作干擾。這樣做的目的是確保采集到的圖片能夠準(zhǔn)確反映不同行為狀態(tài)下的人體姿態(tài)。利用OpenCV 對這3 類行為圖片中的人體骨架節(jié)點進行坐標(biāo)位置信息的提取。通過這一步驟,可以獲取到包括鼻子、脖子、肩膀、肘部、手腕、髖部、膝蓋、踝部、眼睛和耳朵在內(nèi)的共18 個關(guān)鍵骨架節(jié)點的位置信息。這些關(guān)鍵骨架節(jié)點的位置信息被保存在JSON 文件中,以便后續(xù)的處理和分析。由于檢測目標(biāo)的數(shù)目不能夠確定,可能存在多個目標(biāo)或者錯誤檢測的關(guān)鍵點,因此需要為每個關(guān)鍵點提供多個候選區(qū)域進行匹配。這樣可以得到許多關(guān)鍵點對,需要在這些匹配點對中找到最佳匹配結(jié)果。為了得到最優(yōu)匹配結(jié)果,對每個匹配點對進行計算,并得到一個分?jǐn)?shù),這個過程可以歸結(jié)為一個NP-hard 匹配問題。將每種獨立區(qū)域中包含的所有關(guān)鍵點的最優(yōu)匹配對連接起來,就可以形成完整的檢測目標(biāo)的全身姿態(tài)。這些匹配點對的連接形成了全身姿態(tài)特征生成樹,最終得到拼合完整的全身姿態(tài)。通過這種復(fù)雜的匹配和拼合過程,本軟件能夠從采集的圖像中提取出詳盡的全身姿態(tài)信息。這為后續(xù)的動作分析和運動評估提供了有力的基礎(chǔ),為用戶提供了更全面、準(zhǔn)確的姿態(tài)分析結(jié)果。

        (8)關(guān)鍵幀提取算法。

        由于人體運動捕獲的數(shù)據(jù)需要較高的采樣率,慢速的運動往往會導(dǎo)致產(chǎn)生大量的冗余信息。我們需要提取出最具有代表性的關(guān)鍵幀來表示原始運動的數(shù)據(jù)。在本文中,我們將使用不同的算法從不同場景中提取關(guān)鍵幀,并通過運動差值重建來度量重建誤差,以便比較不同算法在關(guān)鍵幀提取方面的適用性。目前存在以下幾類關(guān)鍵幀提取算法:

        ①幀消減方法:這種方法操作簡單,只需要設(shè)定一個閾值,根據(jù)閾值對非關(guān)鍵幀進行消減或直接提取關(guān)鍵幀。通過利用四元數(shù)插值重建,可以還原原始序列,并且該方法符合人體關(guān)節(jié)旋轉(zhuǎn)運動的特點,因此提取的關(guān)鍵幀相對準(zhǔn)確;

        ②聚類方法:該方法通過設(shè)定閾值對幀間距進行加權(quán),從而對各幀進行聚類,并選擇每個聚類中的首幀作為關(guān)鍵幀。聚類方法在完成聚類后,能夠選擇具有代表性的關(guān)鍵幀,通過對幀間距的加權(quán)考慮,能夠更好地捕捉運動變化;

        ③普通最優(yōu)化方法:該方法關(guān)鍵在于貪心算法,通過不斷消減重建誤差最小的幀,直到達(dá)到指定的幀數(shù)為止??梢?,這種方法具有貪心算法的特點,可以一直求得當(dāng)前的最優(yōu)解,也不用設(shè)置相應(yīng)的閾值。因此,所得的關(guān)鍵幀是根據(jù)重建誤差曲線選擇具有最大重建誤差的幀,準(zhǔn)確度較高;

        ④曲線簡化方法:每幀運動數(shù)據(jù)都作為高維曲線上的一個點,再根據(jù)曲線的總體趨勢和變化將曲線分段,根據(jù)事先設(shè)定的閾值用此方法篩選出曲線上的一些凹凸點作為關(guān)鍵幀。此方法涉及的數(shù)據(jù)量較少,計算效率高,并適用于不同的數(shù)據(jù)類型和場景。

        在進行關(guān)鍵幀提取時,我們將詳細(xì)比較這些不同算法的效果。我們將根據(jù)具體場景和要求選擇合適的閾值和參數(shù)。通過對每個算法提取的關(guān)鍵幀進行運動差值重建,并對重建結(jié)果進行誤差度量,可以評估不同算法的準(zhǔn)確性和適用性。最終,我們將選出最適合本方法的關(guān)鍵幀提取算法,以獲得更精確和有代表性的關(guān)鍵幀序列。這將為后續(xù)的動作分析和姿態(tài)估計提供可靠的基礎(chǔ)。

        3、GoPose 軟件在體育教學(xué)中的應(yīng)用分析及延伸

        3.1、GoPose 軟件在體育運動中的應(yīng)用

        GoPose 人工智能運動分析軟件基于機器視覺技術(shù),可以實時捕捉和分析人體的動作軌跡。在體育教學(xué)中,通過使用GoPose軟件,可以對學(xué)生的動作進行精準(zhǔn)的捕捉和分析,通過前端顯示相應(yīng)的分析數(shù)據(jù),從而幫助老師更好地指導(dǎo)和監(jiān)督訓(xùn)練過程。

        (1)動作姿勢的準(zhǔn)確捕捉與實時分析。

        使用GoPose 軟件,可以通過攝像頭錄制自己的訓(xùn)練或比賽視頻。軟件能夠自動識別視頻中的關(guān)鍵骨架節(jié)點,如脖子、肩膀、手腕、膝蓋等,并計算出關(guān)節(jié)角度、位移速度等數(shù)據(jù)。這些數(shù)據(jù)能夠準(zhǔn)確地反映學(xué)生的動作姿勢,實時分析學(xué)生的姿勢變化,并給出實時反饋。老師可以通過軟件界面觀察學(xué)生的姿勢數(shù)據(jù),如關(guān)節(jié)角度、位移速度等,以便進行即時指導(dǎo)和調(diào)整。

        (2)動作評估和優(yōu)化。

        在教學(xué)過程中,GoPose 軟件實時顯示學(xué)生的動作數(shù)據(jù)和姿勢變化,學(xué)生的動作可以得到全面的評估。軟件會自動生成動作軌跡圖和相關(guān)數(shù)據(jù),老師可以通過對比不同動作的數(shù)據(jù),評估學(xué)生的表現(xiàn),并找出需要改進的地方。同時,軟件還提供了運動優(yōu)化的建議,幫助學(xué)生改進動作,以達(dá)到更標(biāo)準(zhǔn)的姿勢,提高技術(shù)水平。

        (3)動作記錄和跟蹤。

        GoPose 軟件能夠記錄學(xué)生每次訓(xùn)練的動作數(shù)據(jù),并保存在數(shù)據(jù)庫中。這樣,老師也可以隨時查看學(xué)生的訓(xùn)練歷史和進展情況,進行動作的長期跟蹤和評估。通過對比不同時間段的數(shù)據(jù),老師可以判斷學(xué)生的進步,并制定相應(yīng)的訓(xùn)練計劃。

        并且它能夠準(zhǔn)確捕捉和分析學(xué)生的動作姿勢,提供實時反饋和指導(dǎo),并幫助老師評估和優(yōu)化動作。同時,GoPose 還能提供動作記錄和跟蹤的功能,使老師能夠?qū)\動員的訓(xùn)練歷史進行查看和分析。這種基于機器視覺的精準(zhǔn)捕捉動作軌跡的計算方法為體育教學(xué)的線上教學(xué)提供了強大的輔助工具。

        (4)便利性和準(zhǔn)確性。

        GoPose 軟件具有便利性和準(zhǔn)確性的特點。相較于傳統(tǒng)的肉眼觀察和手動設(shè)置關(guān)節(jié)點的方法,GoPose 能夠自動識別關(guān)節(jié)點并計算關(guān)節(jié)角度,提供更準(zhǔn)確和真實的數(shù)據(jù)。同時,它大大降低了人力成本,提高了分析效率。

        在未來,隨著功能技術(shù)的不斷完善,GoPose 軟件將進一步應(yīng)用于學(xué)校的線上體育教學(xué)以及專業(yè)的體育訓(xùn)練和比賽過程中。它將為運動員和教練員提供更多便利,為專業(yè)體育工作者的訓(xùn)練和競技提供精準(zhǔn)的動作分析和指導(dǎo),助力他們?nèi)〉酶玫挠?xùn)練效果和競技成績。

        綜上所述,GoPose 基于機器視覺的精準(zhǔn)捕捉動作軌跡的計算方法在體育運動中具有廣泛的應(yīng)用前景。通過該軟件對技術(shù)動作姿勢的準(zhǔn)確捕捉與實時分析、動作評估和優(yōu)化、動作記錄和跟蹤的優(yōu)勢,對體育教學(xué)安全質(zhì)量的提升及專業(yè)運動員的日常訓(xùn)練,教練員都能夠?qū)崟r監(jiān)督和指導(dǎo)運動員的動作姿勢,提供個性化的訓(xùn)練建議,從而提高運動員的技術(shù)水平和競技成績。

        4、結(jié)論

        基于OpenPose 算法,本軟件自動對人體姿態(tài)的25 個關(guān)鍵點進行識別,快速對關(guān)節(jié)角度、位移速度等數(shù)據(jù)進行測量、計算,使得教師和學(xué)生能夠快速得到常用運動學(xué)結(jié)果,可廣泛應(yīng)用于線上體育教學(xué)。其優(yōu)勢是無接觸式測量、快速反饋、操作簡單等。同時它也解決了專業(yè)設(shè)備穿戴復(fù)雜、其他人工智能運動分析系統(tǒng)軟件使用價格高昂等問題,幫助廣大師生科學(xué)化運動和訓(xùn)練。隨著功能技術(shù)不斷完善、測量準(zhǔn)確度不斷提高,本軟件也將用于專業(yè)運動員的體育訓(xùn)練中,為運動員、教練員及體育科研工作者提供更大的便利。

        猜你喜歡
        關(guān)鍵幀置信度關(guān)鍵點
        聚焦金屬關(guān)鍵點
        硼鋁復(fù)合材料硼含量置信度臨界安全分析研究
        肉兔育肥抓好七個關(guān)鍵點
        正負(fù)關(guān)聯(lián)規(guī)則兩級置信度閾值設(shè)置方法
        基于改進關(guān)鍵幀選擇的RGB-D SLAM算法
        基于相關(guān)系數(shù)的道路監(jiān)控視頻關(guān)鍵幀提取算法
        基于聚散熵及運動目標(biāo)檢測的監(jiān)控視頻關(guān)鍵幀提取
        置信度條件下軸承壽命的可靠度分析
        軸承(2015年2期)2015-07-25 03:51:04
        論“關(guān)鍵幀”在動畫制作中的作用
        醫(yī)聯(lián)體要把握三個關(guān)鍵點
        精品伊人久久大线蕉色首页| 给我播放的视频在线观看| av一区二区三区综合网站| 无码国产精品一区二区免费式芒果| 久久综合精品国产二区无码| 无码国产精品一区二区免费网曝| 男女视频网站免费精品播放| 亚洲最好看的中文字幕| 欧美人和黑人牲交网站上线| 亚洲熟妇网| 看大陆男女真人草逼视频| 国产亚洲精品久久午夜玫瑰园 | 亚洲一区二区懂色av| 天天做天天爱夜夜爽| 亚洲精品一区二区三区大桥未久| 国产成人无精品久久久| 亚洲人成伊人成综合久久| 深夜福利啪啪片| 欧性猛交ⅹxxx乱大交| 免费国人成人自拍视频| 免费av日韩一区二区| 亚洲日韩一区精品射精| 制服丝袜天堂国产日韩| 蜜臀久久久精品国产亚洲av| 成人日韩熟女高清视频一区| av无码免费永久在线观看| 日韩免费高清视频网站| 日本va中文字幕亚洲久伊人| 中国丰满人妻videoshd| 精品十八禁免费观看| 日本办公室三级在线看| 亚洲精品乱码久久久久久不卡| 亚洲国产精品久久久久秋霞影院 | 国产成人av无码精品| 无遮无挡爽爽免费视频| 日本国产一区二区三区在线观看| 成人性生交大片免费5| 亚洲精品无码久久久影院相关影片 | 亚洲av永久无码精品网站在线观看 | 五十路一区二区中文字幕| 精品偷自拍另类在线观看|