• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 9
    • 下载费用:30 金币  

    重庆时时彩有哪些书籍: 一种基于混合特征的带缓存机制的实时行人检测与跟踪方法.pdf

    关 键 词:
    一种 基于 混合 特征 缓存 机制 实时 行人 检测 跟踪 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201611027589.X

    申请日:

    2016.11.21

    公开号:

    CN106778478A

    公开日:

    2017.05.31

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06K 9/00申请日:20161121|||公开
    IPC分类号: G06K9/00; G06K9/46; G06K9/62; G06T7/246(2017.01)I 主分类号: G06K9/00
    申请人: 中国科学院信息工程研究所
    发明人: 张园; 孙利民; 芦翔; 文辉; 田莹莹
    地址: 100093 北京市海淀区闵庄路甲89号
    优先权:
    专利代理机构: 北京君尚知识产权代理事务所(普通合伙) 11200 代理人: 司立彬
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611027589.X

    授权公告号:

    |||

    法律状态公告日:

    2017.06.23|||2017.05.31

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明公开了一种基于混合特征的带缓存机制的实时行人检测与跟踪方法。本方法为:1)提取正样本图像、负样本图像的混合特征;2)基于混合特征训练软级联分类器,得到最终的分类器;3)监控系统从监控视频的第t??1帧图像中提取若干滑动窗口,然后提取每一滑动窗口内的图像的混合特征并将其输入分类器进行检测,获得该滑动窗口的初步检测窗口;然后对获取的初步检测窗口进行融合,得到该第t??1帧图像的行人检测窗口;4)采用前后双向跟踪预测,并通过计算预测特征点与实际特征点的匹配程度来决定是否跟踪成功。5)检测与跟踪融合中,采用延缓播放机制,并利用双线程和双缓存机制实现。本发明能够实现高精度的实时行人检测与跟踪。

    权利要求书

    1.一种基于混合特征的带缓存机制的实时行人检测与跟踪方法,其步骤为:
    1)提取正样本图像、负样本图像的混合特征;所述混合特征包括图像的颜色特征、边缘
    特征、纹理特征;
    2)基于步骤1)提取的混合特征训练软级联分类器,得到最终的分类器;
    3)监控系统从监控视频的第t-1帧图像中提取若干滑动窗口,然后提取每一滑动窗口
    内的图像的混合特征并将其输入所述分类器进行检测,获得该滑动窗口的初步检测窗口;
    然后对获取的初步检测窗口进行融合,得到该第t-1帧图像的行人检测窗口;
    4)监控系统从第t-1帧图像的行人检测窗口提取行人的光流特征点,然后利用第t-1帧
    图像的光流特征点预测第t帧图像的光流特征点;然后利用预测的第t帧图像的光流特征点
    反向预测t-1帧图像的光流特征点;然后计算预测的第t-1帧图像的光流特征点与第t-1帧
    图像的光流特征点的距离;如果该距离小于设定阈值,并且预测的第t-1帧图像的光流特征
    点超过设定数目,则判定跟踪成功,否则重复步骤3)、4)。
    2.如权利要求1所述的方法,其特征在于,所述监控系统中设有双线程进行监控跟踪,
    其中检测与跟踪线程对监控视频进行检测与跟踪处理,显示线程对处理后的图像进行播
    放,两个线程同步进行。
    3.如权利要求2所述的方法,其特征在于,所述监控系统中设置有双缓存区,第一缓存
    区存储上一时段检测与跟踪的行人检测窗口,第二缓存区当前时段正在检测与跟踪的行人
    检测窗口;两个缓冲区交替使用,所述显示线程每次从对应的缓存区中读取数据进行显示。
    4.如权利要求3所述的方法,其特征在于,所述时段的长度为1秒。
    5.如权利要求1或2或3所述的方法,其特征在于,提取所述混合特征的方法为:
    1)提取样本图像的11个通道信息,分别为L、U、V通道、梯度幅值通道、6个梯度直方图通
    道和灰度图像通道;
    2)计算L、U、V通道、梯度幅值通道、6个梯度直方图通道的积分图;
    3)根据L、U、V通道的积分图信息提取基于L、U、V通道的Harr-like特征,即颜色特征;根
    据梯度度幅值和梯度直方图,提取行人的类HOG特征,即边缘特征;然后针对灰度图像通道,
    提取LBP特征,即纹理特征。
    6.如权利要求1或2或3所述的方法,其特征在于,步骤2)中,利用近似尺度特征估计方
    法对所述混合特征分别提取真实尺度下的特征值和近似尺度下的近似特征值,从而得到样
    本图像的多尺度特征信息;利用对尺度特征信息训练软级联分类器,得到最终的分类器;步
    骤3)中,提取每一滑动窗口内的图像的多尺度特征信息并将其输入所述分类器进行检测。
    7.如权利要求1或2或3所述的方法,其特征在于,利用非极大值抑制算法对获取的初步
    检测窗口进行融合,得最终的行人检测窗口。
    8.如权利要求1或2或3所述的方法,其特征在于,从INRIA数据库选取若干图像,然后对
    这些图像进行镜像变换、旋转变换得到所述正样本;从INRIA数据库随机选取若干图像作为
    所述负样本。
    9.如权利要求1或2或3所述的方法,其特征在于,步骤4)中,利用金字塔LK光流算法预
    测第t帧图像的光流特征点,进而进行跟踪判断。
    10.如权利要求1或2或3所述的方法,其特征在于,所述行人检测分类器为软级联
    Adaboost分类器;其中,软级联Adaboost分类器中弱分类器是高度为3的决策树,强分类为
    弱分类器的加权组合。

    说明书

    一种基于混合特征的带缓存机制的实时行人检测与跟踪方法

    技术领域

    本发明涉及数字图像处理、模式识别、计算机视觉应用中的行人检测与跟踪技术,
    属于智能视频监控装置的一个子系统???,适用于安全智能监控中的对静止或运动的行人
    进行检测与跟踪。

    背景技术

    行人检测与跟踪技术,是指从连续的视频图像中将行人目标提取、标识出来,进而
    在后续视频图像中,对标识出的行人进行跟踪标识的一项技术。利用这一技术,不仅可对静
    止的图像中的行人检测标识出来,也可以对视频场景中的行人检测标识出来,以便于后期
    对行人的行为进行分析,统计行人人数等。在安全智能监控系统中,行人是其关注的重点对
    象之一,故对行人的检测、跟踪、行为分析显得至关主要。此外,行人跟踪技术在交通辅助设
    备、智能机器人等相关领域也有着广阔的应用前景。

    目前行人检测的方法主要包括基于传统的图像处理方法、基于机器学习的方法和
    基于深度学习的方法?;诖车耐枷翊矸椒ㄖ饕ㄇ昂蟊尘胺掷?,图像开闭运算,连
    通域分析(参见《基于视频监控运动目标检测算法研究》等)等;基于机器学习的行人检测方
    法主要包括HOG+SVM方法(参见《Histograms of Oriented Gradient for Human
    Detection》和《Fast human detection using a cascade of histograms of oriented
    gradients》等)、Haar+Adaboost方法(参见《Rapid Object Detection using a Boosted
    Cascade of Simple Feature》和《Robust Real-Time Face Detection》等)、ICF+级联
    Adaboost方法(参见《Integral Channel Features》、《The Fasted Pedestrian Detector
    in the West》和《Fast feature pyramids for object detection》等)等;基于深度学习
    的行人检测方法主要是将CNN用于行人检测(参见《Robust people counting using
    sparse representation and random projection》和《Joint Deep Learning for
    Pedestrian Detection》等)等。行人跟踪技术指对视频序列中检测出来的行人进行进一步
    的跟踪,以确定后续视频图像中行人位置的一项技术。目前的行人跟踪技术的方法有
    MeanShift跟踪方法(参见《Real-Time Tracking of Non-Rigid Objects Using Mean
    Shift》)、光流跟踪方法(参见《Pyramidal Implementation of the Lucas Kanade
    Feature TrackerDescription of the algorithm》)、Particle Filter跟踪方法(参见《基
    于粒子滤波的行人跟踪》)、基于深度学习的跟踪方法(《Hierarchical Convolutional
    Features for Visual Track》和《Learning Multi-Domain Convolution Neural
    Networks for Visual Tracking》等)等。

    由于行人检测与跟踪系统容易受视频图像中的行人姿态、光照强度、遮挡、拍摄角
    度以及视频图像信息量大等影响,所以提高行人检测与跟踪的准确度和速度的难度大大加
    大,进而系统的开发难度也加大。

    发明内容

    目前,随着计算机视觉的发展,已经有越来越多的公司、研究机构研究相关的算法
    (主要是基于机器学习的方法和基于深度学习的方法)来提高行人检测与跟踪的精度和速
    度,并取得了一定的成果。尽管如此,基于机器学习的方法很难同时在精度和速度上达到很
    好的检测与跟踪效果,而基于深度学习行人检测与跟踪方法要达到高精度、实时的检测,需
    要依赖于内存、硬件(如GPU)等的支持?;谝陨?,本发明提出了一种基于混合特征的带缓
    存机制的实时行人检测与跟踪方法,以在不依赖昂贵硬件如内存、GPU等的支持下,达到高
    精度的实时行人检测与跟踪效果。这一方案的提出,对于实现监控领域的智能化、加快高级
    辅助驾驶系统和人机交互智能产品的发展有一定的意义。

    本发明的技术方案为:

    一种基于混合特征的带缓存机制的实时行人检测与跟踪方法,其步骤为:

    1)提取正样本图像、负样本图像的混合特征;所述混合特征包括图像的颜色特征、
    边缘特征、纹理特征;

    2)基于步骤1)提取的混合特征训练软级联分类器,得到最终的分类器;

    3)监控系统从监控视频的第t-1帧图像中提取若干滑动窗口,然后提取每一滑动
    窗口内的图像的混合特征并将其输入所述分类器进行检测,获得该滑动窗口的初步检测窗
    口;然后对获取的初步检测窗口进行融合,得到该第t-1帧图像的行人检测窗口;

    4)监控系统从第t-1帧图像的行人检测窗口提取行人的光流特征点,然后利用第
    t-1帧图像的光流特征点预测第t帧图像的光流特征点;然后利用预测的第t帧图像的光流
    特征点反向预测t-1帧图像的光流特征点;然后计算预测的第t-1帧图像的光流特征点与第
    t-1帧图像的光流特征点的距离;如果该距离小于设定阈值,并且预测的第t-1帧图像的光
    流特征点超过设定数目,则判定跟踪成功,否则重复步骤3)、4)。

    进一步的,所述监控系统中设有双线程进行监控跟踪,其中检测与跟踪线程对监
    控视频进行检测与跟踪处理,显示线程对处理后的图像进行播放,两个线程同步进行。

    进一步的,所述监控系统中设置有双缓存区,第一缓存区存储上一时段检测与跟
    踪的行人检测窗口,第二缓存区当前时段正在检测与跟踪的行人检测窗口;两个缓冲区交
    替使用,所述显示线程每次从对应的缓存区中读取数据进行显示。

    进一步的,所述时段的长度为1秒。

    进一步的,提取所述混合特征的方法为:

    1)提取样本图像的11个通道信息,分别为L、U、V通道、梯度幅值通道、6个梯度直方
    图通道和灰度图像通道;

    2)计算L、U、V通道、梯度幅值通道、6个梯度直方图通道的积分图;

    3)根据L、U、V通道的积分图信息提取基于L、U、V通道的Harr-like特征,即颜色特

    征;根据梯度度幅值和梯度直方图,提取行人的类HOG特征,即边缘特征;然后针对

    度图像通道,提取LBP特征,即纹理特征。

    进一步的,步骤2)中,利用近似尺度特征估计方法对所述混合特征分别提取真实
    尺度下的特征值和近似尺度下的近似特征值,从而得到样本图像的多尺度特征信息;利用
    对尺度特征信息训练软级联分类器,得到最终的分类器;步骤3)中,提取每一滑动窗口内的
    图像的多尺度特征信息并将其输入所述分类器进行检测。

    进一步的,利用非极大值抑制算法对获取的初步检测窗口进行融合,得最终的行
    人检测窗口。

    进一步的,从INRIA数据库选取若干图像,然后对这些图像进行镜像变换、旋转变
    换得到所述正样本;从INRIA数据库随机选取若干图像作为所述负样本。

    进一步的,步骤4)中,利用金字塔LK光流算法预测第t帧图像的光流特征点,进而
    进行跟踪判断。

    进一步的,所述行人检测分类器为软级联Adaboost分类器;其中,弱分类器是高度
    为3的决策树,强分类器是弱分类器的加权组合。

    本发明融合多特征的带缓存机制的行人检测与跟踪方案设计主要包括三大部分:
    行人检测方案设计、行人跟踪算法设计、检测与跟踪后的实时显示。

    行人检测方案设计:主要包括混合特征(颜色特征、边缘特征、纹理特征)的提取,
    软级联Adaboost分类器的设计、基于滑动窗口的行人检测。其中,为了加快行人检测的速
    度,在检测实现上,利用近似特征提取算法来快速提取特征;为了提高检测精度,使用非极
    大值抑制算法对初步检测到的行人窗口进行融合,从而提高检测率,降低误检率。

    行人跟踪算法设计:主要采用光流跟踪算法。实现中为了提高跟踪的效果,采用前
    后双向跟踪预测,并通过计算预测特征点与实际特征点的匹配程度来决定是否跟踪成功。
    即针对第t–1帧中的多行人,利用网格均匀采样思想提取多个特征点,得第t-1帧的光流特
    征点,然后利用提取的第t-1帧中的光流特征点来预测第t帧的光流点,此过程为前向光流
    预测;然后利用预测到的第t帧光流特征点反向预测第t-1帧的光流特征点,之后计算预测
    的第t-1帧光流特征点与原来第t-1帧光流特征点的距离(即相似度),如果距离小于一定阈
    值,并且预测的光流特征点超过一定数目,则认为此次前向跟踪正确,否则跟踪失败,进行
    跟踪调整。

    检测与跟踪实时显示设计:要实现检测与跟踪的实时显示,需要控制检测与跟踪
    的处理速度达到每秒25帧。由于检测一帧视频图像的时间慢于跟踪一帧视频图像的时间,
    故为了使跟踪的效果不会出现处理速度不一致效果,提出使用缓存机制,其具体为开辟两
    块缓存空间,分别保存上一秒24帧图像中的检测与跟踪结果和当前这一秒正在检测与跟踪
    的结果。然后缓一秒进行播放,即当前这一秒显示检测与跟踪的图像是上一秒的检测与跟
    踪的结果。此外,为了充分利用CPU使用率,提高系统检测跟踪速度,系统采用多线程技术,
    做到视频的检测跟踪处理与显示同步进行。

    与现有技术相比,本发明的积极效果为:

    此方案通过提取行人的多尺度混合特征,利用训练好的软级联Adaboost分类器进
    行检测,从而能够高精度地检测出当前视频帧的行人,之后对检测后的多行人利用前后光
    流跟踪算法进行跟踪。在行人检测与跟踪中,为了使其能够达到每秒检测与跟踪25帧,对特
    征提取、分类器设计、跟踪算法进行改进。但由于行人检测速度较慢,而行人跟踪速度较快,
    故存在检测与跟踪一帧时间不等现象,为了解决这一问题,提出了采用延缓播放和多线程
    加速的机制,来达到基于视频的实时行人检测与跟踪效果。此外,为了减少检测与跟踪过程
    中对内存的要求,本文采用双缓存交替使用机制。综上,本方案通过改善算法,并利用软加
    速方法能够实现在不依赖特殊硬件(GPU、大内存)的条件下,达到实时的行人检测与跟踪效
    果。综上,这一方案的提出解决了不依靠特殊硬件,实现高精度的实时行人检测与跟踪,它
    对安全智能监控系统、辅助交通驾驶、智能机器人等相关领域研究有一定的意义。

    附图说明

    图1为行人检测整体流程;其中主要涉及到11个通道(LUV通道、梯度幅值通道、6个
    梯度方向直方图通道,灰度图像通道)信息的提取,前10个通道积分图计算,近似金字塔特
    征提取,Soft cascade级联Adaboost分类器训练与检测,对检测窗口的非极大值抑制处理
    等。

    图2为利用光流方法进行行人跟踪的整体流程,主要包括行人矩形框的确定、特征
    点的提取,以及利用光流法进行跟踪计算当前视频帧的光流点,然后对光流点进行聚类,最
    终得每帧图像的多个行人目标等。

    图3为基于混合特征的带缓存机制的行人目标检测与跟踪整体流程流;其主要包
    括两个线程,一是视频序列中行人的检测与跟踪处理线程,一是检测跟踪后的实时显示线
    程。

    具体实施方式

    本发明针对安全智能监控中的实时行人检测与跟踪技术,提出了基于混合特征的
    带缓存机制的实时行人检测与跟踪方法。通过设计双线程程序,实现一个线程对视频图像
    进行检测与跟踪处理,一个线程对处理后的图像进行播放,两个线程同步进行,从而加快行
    人检测速度?;捍娴纳杓浦饕撬捍媲?,分别存储上一秒检测与跟踪的行人矩形框信息
    与当前这一秒正在检测与跟踪的行人矩形框。而显示过程中,采用延缓一秒播放的原理,每
    次从保存上一秒检测结果的缓存中读取相关数据进行显示,即可达到不利用大内存和特殊
    的硬件设备就能实时行人检测与跟踪效果。

    对于基于混合特征的带缓存机制的实时行人检测与跟踪方案的核心关键点有以
    下几点:其一,基于混合特征的行人检测,主要包括:混合特征的提??;软级联Adaboost分类
    器的设计与训练;基于滑动窗口行人检测,在检测时,为加快检测速度,利用近似特征提取
    算法;其二,针对提取到多行人检测框,提取光流特征点,然后利用前后光流跟踪和NCC算
    法,对行人进行跟踪;其三,设计多线程与双缓存机制,同时协调好线程之间的同步与异步
    关系,实现在低内存消耗下,良好流畅的实时行人检测跟踪。其各??榈木咛宕砣缦拢?br />

    ●行人检测,如图1所示。

    混合特征提?。?br />

    1)对图像提取11个通道信息,11个通道分别为L、U、V通道、梯度幅值通道、6个梯度
    直方图通道和灰度图像通道;

    2)计算前10个通道的积分图;

    3)针对该前10个通道的积分图信息,然后分别提取颜色特征(基于L、U、V通道的
    Harr-like特征)、边缘特征(针对梯度幅值和梯度直方图,提取行人的类HOG特征)、纹理特
    征(对灰度图像通道,提取LBP特征);

    4)利用近似尺度特征估计方法(The Fastest Pedestrian Detector in the
    west)对步骤3)提取的特征分别提取真实尺度下的特征值和近似尺度下的近似特征值,从
    而得到整个图像的多尺度特征信息。

    软级联Adaboost分类器设计与训练:

    1)软级联Adaboost分类器的设计为,弱分类器是高度为3的决策树,强分类利用弱
    分类器加权组合而成,而强分类的级联,采用的是软投票策略。分类器训练过程中为了防止
    过拟合,采用六折交叉验证方法来训练的最终的分类器。

    2)训练集主要使用INRIA数据库,首先对正样本进行镜像变换、旋转变换从而得到
    5000个正样本,而负样本则先随机产生5000个,然后在后续的训练中,再每次自举产生5000
    困难负样本;

    3)对正、负样本提取特征,训练软级联分类器,从而得到最终的分类器。

    检测实现

    1)针对待检的图像,提取滑动窗口;

    2)针对滑动窗口,利用近似尺度特征估计(The Fastest Pedestrian Detector
    in the west)方法,提取对应窗口的多尺度混合特征;

    3)将提取的特征,送入到训练好的分类器中进行检测,获取初步检测窗口;

    4)为提高行人检测的检测率,并降低误检率,利用非极大值抑制算法对获取的初
    步检测窗口进行融合,得到最终的行人检测窗口。

    ●行人跟踪,如图2所示。

    1)针对上一帧检测到的行人检测窗口,利用网格均匀划分原理提取行人的光流特
    征点;

    2)对上一帧提取到的光流点,利用金字塔LK光流算法(Pyramidal
    Implementation of the Lucas Kanade Feature Tracker Description of the
    algorithm)预测其在下一帧的光流特征点,然后选择满足3)条件的光流特征点,利用这些
    特征点,再反向预测前一帧光流点所在的位置;

    3)通过计算前一帧光流点与预测的前一帧光流点的预测错误率和匹配相似度,筛
    选出小于设定阈值H的光流特征点,来选出跟踪效果比较好的光流特征点,并通过统计预测
    光流特征点是否超过一定数目N来判定跟踪是否成功。

    4)重复步骤2)和3)来对视频序列进行预测跟踪。

    ●检测与跟踪实时显示,如图3所示。

    1)首先等待系统启动起来,然后启动行人检测与跟踪线程来处理视频序列,并将
    对应的检测结果保存在缓存区中,待处理完24帧图像后,启动显示线程;

    2)控制以每秒显示24帧视频的速度播放上一秒检测跟踪完的视频,在显示上一秒
    检测后的视频图像序列的同时处理当前这一秒视频帧的检测与跟踪,从而达到检测跟踪与
    显示同步进行。

    3)在实现2)的过程中,为了减少内存消耗,使用双缓存进行存储。两个缓存空间分
    别用于存放上一秒检测与跟踪得到的行人矩形框信息(即检测和跟踪得到的最终检测窗
    口),与当前这一秒正在处理的检测与跟踪结果。两个缓存交替使用,利用两个互斥锁,同时
    协调好多线程之间的同步互斥关系即可。

    综上,通过提取行人的混合特征,改进分类器的设计,将高精度检测与快速跟踪算
    法结合,并通过多线程、延缓播放和双缓存机制解决检测与跟踪速度不一致问题,从而能够
    达到只依靠软加速便能实现实时的行人检测与跟踪效果。

       内容来自专利网重庆时时彩单双窍门 www.4mum.com.cn转载请标明出处

    关于本文
    本文标题:一种基于混合特征的带缓存机制的实时行人检测与跟踪方法.pdf
    链接地址://www.4mum.com.cn/p-6021199.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • tbc版本怎么赚钱 江苏e球彩中奖规则说明 天津时时彩开奖结果 安徽快3遗漏数据大全 青海快三开奖 上海时时乐和尾走势图 彩客网群 燕赵风采20选5预测号 云南十一选五开奖结果定牛 七乐彩近500期走势图 武魂碟花赚钱 急速赛车开奖记录 极速十一选五开奖结果查询 娱乐城翻译 新彩彩票群 申城上海麻将app