• <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 ?

    基于局部四值模式的人臉識(shí)別

    2014-11-14 11:06:55云楠馮志勇
    現(xiàn)代電子技術(shù) 2014年22期
    關(guān)鍵詞:人臉識(shí)別

    云楠+馮志勇

    摘 要: 局部二值模式(LBP)作為經(jīng)典的紋理特征描述方法廣泛應(yīng)用于紋理分類和人臉識(shí)別等領(lǐng)域。然而現(xiàn)有相關(guān)算法僅利用周圍一個(gè)圓形鄰域的信息,沒有充分利用周圍鄰域的信息。為此,提出一種利用不同圓形鄰域之間的微分結(jié)構(gòu)信息進(jìn)行聯(lián)合描述的特征描述子,從而能夠更加充分地利用鄰域信息。由于所提方法在圓形鄰域上每個(gè)坐標(biāo)處有4種不同可能的取值情況,因此將這種模型稱為局部四值模式(LQP)。在通用的人臉識(shí)別數(shù)據(jù)庫(kù)FERET上的大量實(shí)驗(yàn)證明了所提算法的有效性。

    關(guān)鍵詞: 局部二值模式; 人臉識(shí)別; 紋理特征; 空域信息

    中圖分類號(hào): TN919?34 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2014)22?0030?04

    Face recognition based on local quaternize pattern

    YUN Nan, FENG Zhi?yong

    (Tianjin University, Tianjin 300072, China)

    Abstract: As a classic description method of texture features, local binary pattern (LBP) has been widely used in fields of texture classification and face recognition. However, the existing algorithms do not make full use of the surrounding spatial information but only exploit a circular neighborhood. To overcome the disadvantage, a novel descriptor which applies differential structure information between different circular neighborhoods to do joint description is proposed. It has four possible values at each coordinate in the circular neighborhood. Thus the model is called local quaternize pattern (LQP). Extensive experiment results on a popular face recognition dataset FERET show the effectiveness of the proposed method.

    Keywords: local binary pattern; face recognition; texture feature; spatial information

    0 引 言

    局部二值模式(LBP)作為經(jīng)典的紋理特征描述方法廣泛應(yīng)用于紋理分類[1?3]和人臉識(shí)別[4?5]等領(lǐng)域。該特征算子不僅簡(jiǎn)單高效,而且對(duì)圖像整體灰度單調(diào)變化具有魯棒性。其原因在于LBP并非從單一像素點(diǎn)的角度來(lái)描述紋理,而是用一個(gè)局部區(qū)域的模式來(lái)進(jìn)行描述圖像的微觀結(jié)構(gòu),例如微點(diǎn)、微線、微斑點(diǎn)、微折線等。由于這種微結(jié)構(gòu)很好地刻畫了圖像中的微紋理,因而具有較強(qiáng)的判別和區(qū)分能力。

    近年來(lái),大量的針對(duì)LBP局部微觀結(jié)構(gòu)改進(jìn)的算法被提出。例如,Liao等人通過(guò)實(shí)驗(yàn)統(tǒng)計(jì)來(lái)選擇局部微結(jié)構(gòu)中的主要結(jié)構(gòu),從而提出了主要局部二值模式(Dominant LBP)算子[6]。Zhang等人提出了局部衍生模式(Local Derivative Pattern, LDP),使用多種形狀的微結(jié)構(gòu)模板來(lái)提取高階的LBP信息[7]。這樣,LBP實(shí)際上就是LDP的局部一階偏導(dǎo)模式。Tan和Triggs通過(guò)設(shè)定閾值將鄰域與中心相似的狀態(tài)作為一種中間態(tài)[8],擴(kuò)展局部鄰域關(guān)系為三種狀態(tài),并提出了局部三值模式(Local Ternary Patterns,LTP),對(duì)光照變化有較好的魯棒性。Guo等人深入地分析了LBP中局部鄰域點(diǎn)與中心點(diǎn)灰度差值的計(jì)算過(guò)程,指出LBP方法表示的局部二值關(guān)系對(duì)應(yīng)著差值的符號(hào)信息[3]。通過(guò)分別利用差值的符號(hào)信息和幅值信息計(jì)算局部二值模式,提出了一套新的完整的圖像描述模型(Completed Modeling of Local Binary Pattern,CLBP)。在CLBP中,圖像的局部區(qū)域由局部差分符號(hào)?幅度變換(LDSMT)來(lái)表示。為了使符號(hào)部分和幅度部分那部分信息更能夠表征局部差分值,將局部差分值由符號(hào)部分和幅度部分分別進(jìn)行重建。

    在人臉識(shí)別方面,LBP算子也表現(xiàn)出了不錯(cuò)的性能。例如,Ahonen等人將人臉圖像劃分為幾個(gè)互不重疊的區(qū)域,并分別求取其LBP直方圖,然后將各區(qū)域直方圖連接起來(lái)作為人臉的特征[4]。張文超等人將LBP與Gabor小波相結(jié)合,提出了基于Gabor直方圖序列的人臉識(shí)別方法[5]。Zhang等人提出了一種級(jí)聯(lián)LBP人臉識(shí)別方法,通過(guò)改變局部區(qū)域的位置和窗口大小提取LBP特征集,并采用AdaBoost級(jí)聯(lián)學(xué)習(xí)的方法選擇LBP特征[9]。Jin等人提出了一種改進(jìn)的LBP算子,該算子將局部形狀和紋理信息相結(jié)合,并采用多元高斯混合模型建立人臉模型,用貝葉斯分類器進(jìn)行人臉識(shí)別[10]。

    1 局部二值模式介紹

    對(duì)于一幅給定的圖像,定義紋理描述符號(hào)T為紋理圖像中某一像素點(diǎn)[gc]與周圍鄰域的[P]個(gè)像素點(diǎn)之間的聯(lián)合分布:

    [T=t(gc,g0,...,gP-1) ] (1)

    式中:[gc]是鄰域中心像素點(diǎn)的灰度值,[gp(p=0,1,2,…,P-1)]是以中心像素點(diǎn)為圓心,[R(R>0)]為半徑的圓形鄰域上均勻分布的[P]個(gè)坐標(biāo)點(diǎn)處的灰度值,[gp]的坐標(biāo)為[(-Rsin(2πpP),Rcos(2πpP))]。

    假設(shè)圖像的差值[gp-gc]獨(dú)立于[gc],則可以將紋理描述符T表示為:

    [T≈t(gc)t(g0-gc,g1-gc,...,gP-1-gc) ] (2)

    為了使圖像描述子具有圖像灰度值平移不變性,只考慮局部圓形鄰域的像素的灰度值與中心像素的灰度值之間差值的符號(hào)部分,此時(shí)紋理描述符號(hào)T可以近似等于:

    [T≈t(s(g0-gc),s(g1-gc),…,s(gP-1-gc)),s(x)=1, x≥00, x<0] (3)

    當(dāng)為每個(gè)[s(gp-gc)]分配一個(gè)系數(shù)[2p]時(shí),式(3)可以變成一個(gè)刻畫圖像局部紋理空間結(jié)構(gòu)的局部二值模型:

    [LBPP,R=p=0P-1s(gp-gc)2p ] (4)

    從式(4)中可以看出:局部二值模型反映了局部鄰域的像素的灰度值被中心像素點(diǎn)的灰度值二值化。在得到圖像每個(gè)像素點(diǎn)的LBP之后,可以計(jì)算該圖像的LBP特征直方圖,其公式如下:

    [H(k)=i=1Ij=1Jf(LBPP,R(i,j),k), k∈[0,K] ,f(x,y)=1, x=y0, otherwise ] (5)

    式中[K]表示LBP模型的最大值。

    當(dāng)圖像旋轉(zhuǎn)時(shí),p坐標(biāo)點(diǎn)的灰度值[gp]將在以[gc]為圓心,R為半徑的圓周上移動(dòng)。然而,[g0]總是對(duì)應(yīng)著以[gc]像素為中心,坐標(biāo)為[(0,R)]的位置,因此,當(dāng)旋轉(zhuǎn)圖像時(shí),[g0]的值將會(huì)發(fā)生改變,[LBPP,R]將會(huì)隨之發(fā)生改變。為了消除旋轉(zhuǎn)的影響,Ojala等人對(duì)[LBPP,R]進(jìn)行了改進(jìn)[2],定義一種具有旋轉(zhuǎn)不變性的LBP,即[LBPriP,R]:

    [LBPriP,R=min{ROR(LBPiP,R)i=0,1,2,…,P-1} ] (6)

    式中:[ROR(x,i)]表示將[x]循環(huán)右移i比特位??芍?dāng)P=8時(shí),[LBPri8,R]共有36個(gè)不同的取值,即有36種基本模型。在基本LBP模型中,一些特定的二進(jìn)制模型是基本LBP模型的基礎(chǔ),起主導(dǎo)作用。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn),這些特定的LBP模型相比其他的LBP模型出現(xiàn)的幾率要高,有時(shí)甚至高達(dá)90%,這些基礎(chǔ)的LBP模型稱作均勻模型。這些均勻模型有一個(gè)共同的特性,這個(gè)特性就是其二進(jìn)制編碼的空間跳變次數(shù)較少。

    2 所提出的局部四值模式

    通過(guò)上面的分析,不難發(fā)現(xiàn)現(xiàn)有LBP特征描述子僅利用周圍一個(gè)圓形鄰域的信息,并沒有充分利用到周圍鄰域的信息?;诖藛?wèn)題,本文提出了一種更加充分地利用圓形鄰域周圍信息,區(qū)分力更強(qiáng)的圖像描述子?;舅枷胧轻槍?duì)現(xiàn)有LBP僅僅使用圖像中某一像素點(diǎn)與其圓形鄰域的微分信息的不足,在其基礎(chǔ)上進(jìn)一步利用不同圓形鄰域之間的微分信息,然后將兩種微分信息進(jìn)行聯(lián)合,從而得到更具有區(qū)分力的特征描述子。

    對(duì)于圖像中某一個(gè)像素點(diǎn),取其兩個(gè)半徑不同的圓形鄰域,其半徑分別設(shè)為RS和RB,圓形鄰域上P個(gè)均勻分布的點(diǎn)。當(dāng)P=8時(shí),兩個(gè)半徑不同的圓形鄰域的情況如圖1所示。

    圖1 不同半徑的圓形鄰域

    首先,求出中心像素點(diǎn)與圓形鄰域RS之間的差值。同LBP一樣,只取符號(hào)部分,則圓形鄰域RS上每個(gè)坐標(biāo)點(diǎn)位置處對(duì)應(yīng)的二元取值可以表示為:

    [BSC(p)=sgSp-gp, s(x)=1, x≥00, x<0] (7)

    然后,將圓形鄰域RS和圓形鄰域RB之間的灰度信息進(jìn)行比較,以便得到鄰域間相關(guān)位置處對(duì)應(yīng)的二元取值,結(jié)果表示如下:

    [BBS(p)=sgBp-gSp, s(x)=1, x≥00, x<0] (8)

    接著將[BSC(p)]和[BBS(p)]聯(lián)合在一起,形成一種對(duì)局部紋理描述更深刻的描述子[LQP]:[LQPP,R=p=0P-12BSC(p)+BBS(p)2p =p=0P-12s(gSp-gc)+s(gBp-gSp)2p, s(x)=1, x≥00, x<0] (9)

    從式(9)中可以看出中心像素點(diǎn)的圓形鄰域上每個(gè)坐標(biāo)點(diǎn)取值有四種可能,即00,01,10,11,如圖2所示。圖中四種不同顏色表示4種不同的取值情況。由于該模型圓形鄰域上每個(gè)坐標(biāo)處有4種不同可能的取值情況,因此將這種模型稱為局部四值模式(Local Quaternize Pattern,LQP)。

    圖2 LQP模型

    由于LQP的比特位數(shù)是LBP的比特位數(shù)的兩倍,如果直接使用LBP相同的方式建立相關(guān)的查找表,其輸出值的個(gè)數(shù)將會(huì)很大,從而導(dǎo)致形成的圖像特征直方圖的維度較高。同時(shí),對(duì)于LQP中兩種微分信息而言,中心像素與較小鄰域間的差分信息比較大鄰域與較小鄰域間的差分信息更重要?;谏鲜鰞煞N原因,使用以下方法建立LQP的特征直方圖。

    首先,根據(jù)圓形鄰域RS的LBP劃分方法將[BSC(p)]形成的P比特二進(jìn)制數(shù)[BSC]劃分成N1個(gè)bins,其中N1-1個(gè)bins為歸一化的bins。按照相同的方法,將[BBS(p)]形成的P比特二進(jìn)制數(shù)[BBS]劃分成N2個(gè)bins,同樣,其中N2-1個(gè)bins為歸一化的bins。然后,對(duì)于[BSC]屬于歸一化的情況,將它與[BBS]進(jìn)行異或運(yùn)算形成一個(gè)新的P比特的二進(jìn)制數(shù)[BBSC];對(duì)于[BSC]不屬于歸一化的情況,不管[BBS]取何值,都將這些情況歸為一類情況。

    接著,定義一個(gè)變量[U(BBSC)],它表示[BBSC]的空間跳變次數(shù)。當(dāng)[BBS]屬于N2-1個(gè)歸一化的情況時(shí),將[U(BBSC)≤2]的情況歸為一類,將[U(BBSC)>2]的歸為一類;當(dāng)[BBS]不屬于N2-1個(gè)歸一化情況時(shí),將[U(BBSC)=2]的情況歸為一類,將[U(BBSC)≠2]的情況歸為一類。這樣,[BSC]中的N1-1個(gè)歸一化情況的每種情況將會(huì)擴(kuò)展為4種,總共有[4(N1-1)]種情況。最后,將得到LQP的2P比特組成的二進(jìn)制數(shù)的查找表,這個(gè)查找表共有[4(N1-1)+1]個(gè)輸出值。利用這個(gè)查找表,便可以得到圖像的LQP描述子的圖像直方圖。

    使用LGP進(jìn)行圖像模式分類的過(guò)程如圖3所示。算法分為訓(xùn)練部分和測(cè)試部分。訓(xùn)練部分的主要目的是為了得到大量有關(guān)樣本的相關(guān)特征,以便與測(cè)試樣本的相關(guān)特征進(jìn)行對(duì)比,進(jìn)而將測(cè)試樣本劃歸到與它相似度最高的樣本所屬的類中去。具體地,對(duì)于一個(gè)測(cè)試圖像樣本,首先從圖像中提取特征。然后計(jì)算特征的直方圖。將該直方圖與訓(xùn)練樣本中的直方圖特征進(jìn)行對(duì)比,得到訓(xùn)練訓(xùn)練樣本特征和測(cè)試樣本特征之間的相似度度量值。根據(jù)度量值的大小,利用最近鄰分類原則,將測(cè)試樣本分類為對(duì)應(yīng)的類別并輸出該類別的類別標(biāo)簽。在相似度測(cè)量上,本文使用基于卡方距離的相似度測(cè)量的方法。

    圖3 基于LGP的圖像模式分類框架圖

    3 人臉識(shí)別實(shí)驗(yàn)

    實(shí)驗(yàn)采用FERET數(shù)據(jù)庫(kù)[11]進(jìn)行人臉識(shí)別性能的測(cè)試,該數(shù)據(jù)庫(kù)是目前世界上最權(quán)威的人臉數(shù)據(jù)庫(kù),是由美國(guó)國(guó)防部項(xiàng)目支持的。它是一個(gè)使用十分廣泛的被用來(lái)評(píng)估人臉識(shí)別算法的數(shù)據(jù)庫(kù),該數(shù)據(jù)庫(kù)包含1 199個(gè)人的14 051幅在不同的光照條件、表情、姿態(tài)以及不同時(shí)期的人的人臉圖像。該人臉數(shù)據(jù)庫(kù)分為訓(xùn)練集、原型圖像集和不同的測(cè)試集,其訓(xùn)練集分別為fa(正常的人臉表情)和fb(變化的人臉表情);原型圖像集則包含1 196個(gè)人的正面圖像;測(cè)試集分為4個(gè),分別為fb、fc、DupI和DupII??偟膩?lái)看,F(xiàn)ERET數(shù)據(jù)庫(kù)包含下面5個(gè)子集:

    fa子集:用作字典集,它包含了1 196個(gè)人的正面圖像;

    fb子集(1 195張圖像):相對(duì)于fa子集而言,該子集存在一定的表情變化;

    fc子集(194張圖像):相對(duì)于fa子集而言,該子集存在一定的光照變化;

    Dup I子集(722張圖像):該子集的圖像是在fa子集的圖像拍攝一定時(shí)間后進(jìn)行拍攝的;

    DupⅡ子集(234張圖像):DupI的子集,該子集的圖像的拍攝時(shí)間相對(duì)于fa子集中的其他圖像的拍攝時(shí)間至少晚1年。實(shí)驗(yàn)中將fa作為字典集,其余4個(gè)子集作為測(cè)試集,以測(cè)試描述子在不同條件下人臉識(shí)別的性能。由于FERET的圖像是人的上半身照片,需要將它進(jìn)行裁剪以得到只包含人臉部分的圖像。在實(shí)驗(yàn)中對(duì)圖像進(jìn)行歸一化,統(tǒng)一裁剪成大小為128×128的圖像。

    為了驗(yàn)證所提方法的有效性,將所提LQP算法與文章[4]提出的使用LBP的方法進(jìn)行對(duì)比。同文獻(xiàn)[4]中對(duì)人臉進(jìn)行分塊計(jì)算特征一樣,本文也將使用這種方法計(jì)算人臉的特征。在人臉識(shí)別的過(guò)程中,將人臉圖像分成[R1,R2,…,Rm]個(gè)子區(qū)域,以便增加圖像的空間信息,使識(shí)別的準(zhǔn)確率更高。圖4給出了人臉圖像被分別分成[7×7,5×5,3×3]個(gè)子矩形區(qū)域的示意圖。首先,分別計(jì)算每個(gè)子區(qū)域的描述子特征直方圖;然后,將這些直方圖連接在一起,形成描述子關(guān)于人臉圖像的特征直方圖。

    圖4 人臉圖像分解成[7×7,5×5,3×3]個(gè)子矩形區(qū)域

    在實(shí)驗(yàn)過(guò)程中,改變子矩形區(qū)域的個(gè)數(shù),LQP的兩個(gè)圓形鄰域半徑RS和RB的大小以及圓形鄰域上像素點(diǎn)的個(gè)數(shù),觀察描述子的相關(guān)規(guī)律。

    表1為L(zhǎng)QP和LBP在FERET人臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)數(shù)據(jù)。在表1中,(8,2),(8,3)分別表示中心像素點(diǎn)圓形鄰域S的半徑為2、圓周上取8個(gè)坐標(biāo)點(diǎn),中心像素點(diǎn)圓形鄰域B的半徑為3、圓周上去8個(gè)坐標(biāo)點(diǎn);LBP表示[LBPu28,2],即歸一化的LBP;LBP2表示[LBPu28,2]和[LBPu28,3]的直方圖連接在一起;[(n×n),n=4,5,…,9]表示將大小為128×128的人臉圖像分成[n×n]個(gè)子區(qū)域,分別求出每個(gè)子區(qū)域的直方圖,然后連接它們。在表1中,加入了圖像描述子LBP2的主要目的是觀察當(dāng)原始LBP描述子利用與LQP描述子相同的鄰域信息時(shí),LBP2的性能與LQP的性能誰(shuí)更好,以更有效地證明LQP描述子的正確性。從表1中,可以得出以下結(jié)論:

    (1) 總體來(lái)看,LQP描述子人臉識(shí)別的正確率相對(duì)于LBP和LBP2的人臉識(shí)別的正確率要高。但是在不同的情況下,LQP性能的提升不同,例如,對(duì)于探測(cè)集fb而言,LQP性能的提高不如其他探測(cè)集,這可能是因?yàn)長(zhǎng)QP的區(qū)分力更強(qiáng),它在一定程度上會(huì)將表情的變化當(dāng)做干擾因素。但是,從整體上看,LQP描述相對(duì)于LBP描述子具有更好的人臉識(shí)別性能。

    (2) 當(dāng)人臉被劃分成[n×n]個(gè)子區(qū)域時(shí),由于增加了圖像的空間信息,相關(guān)圖像描述的人臉識(shí)別性能得到大幅提升。但是,隨著n的進(jìn)一步增大,由于子區(qū)域過(guò)小,不同圖像對(duì)應(yīng)的相同子區(qū)域所含的相同信息過(guò)少,其性能將會(huì)逐漸變差。由表1可以看出當(dāng)n取8時(shí),LQP描述子的性能基本達(dá)到最優(yōu)。

    4 結(jié) 語(yǔ)

    針對(duì)現(xiàn)有LBP特征算子沒有充分利用周圍鄰域的信息的不足,提出一種利用不同圓形鄰域之間的微分信息進(jìn)行聯(lián)合描述的特征描述子,稱為局部四值模式(Local Quaternize Pattern,LQP)。LQP通過(guò)在LBP的基礎(chǔ)上引入二階信息和鄰域多值信息增強(qiáng)了鄰域信息的利用能力。通過(guò)在人臉識(shí)別數(shù)據(jù)庫(kù)FERET上的大量實(shí)驗(yàn),證明了所提算法的有效性。LQP的不足之處在于不能夠應(yīng)對(duì)人臉光照、表情等因素的劇烈變化等情況,這也是人臉識(shí)別中的挑戰(zhàn)性問(wèn)題。因此,未來(lái)工作將集中于如何設(shè)計(jì)對(duì)光照等更加魯棒的LQP特征算子。

    參考文獻(xiàn)

    [1] OJALA T, PIETIK?INEN M, M?ENP?? T. Multiresolution gray?scale and rotation invariant texture classification with local binary patterns [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(7): 971?987.

    [2] OJALA T, PIETIK?INEN M, HARWOOD D. A comparative study of texture measures with classification based on featured distributions [J]. Pattern Recognition, 1996, 29(1): 51?59.

    [3] GUO Z, ZHANG L, ZHANG D. A completed modeling of local binary pattern operator for texture classification [J]. IEEE Transactions on Image Processing, 2010, 19(6): 1657?1663.

    [4] AHONEN T, HADID A, PIETIK?INEN M. Face recognition with local binary patterns: application to face recognition [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006, 28(12): 2037? 2041.

    [5] 張文超,山世光,張洪明,等.基于局部Gabor變化直方圖序列的人臉描述與識(shí)別[J].軟件學(xué)報(bào),2006,17(12):2508?2517.

    [6] LIAO S, LAW M, CHUNG A. Dominant local binary patterns for texture classification [J]. IEEE Transactions on Image Processing, 2009, 18(5): 1107?1118.

    [7] ZHANG Bao?chang. GAO Yong?sheng, ZHAO San?qiang, et al. Local derivative pattern versus local binary pattern: face recognition with high?order local pattern descriptor [J]. IEEE Transactions on Image Processing, 2010, 19(2): 533?544.

    [8] TAN X, TRIGGS B. Enhanced local texture feature sets for face recognition under difficult lighting conditions [J]. IEEE Transactions on Image Processing, 2010, 19(6):1635?1650.

    [9] ZHANG G, HUANG X, LI S, et al. Boosting local binary pattern (LBP)?based face recognition[C]// Proceedings of Advances in Biometric Person Authentication: 5th Chinese Conference on Biometric Recognition. Cuangzhou, China: [s.n.], 2004: 179?186.

    [10] JIN H, LIU Q, LU H, et al. Face detection using improved LBP under Bayesian framework [C]// Proceedings of Third International Conference on Image and Graphics. Hong Kong, China: [sn.], 2004: 306?309.

    [11] PHILLIPS P J, MOON H, RIZVI S A. The FERET evaluation methodology for face recognition algorithms [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(10): 1090?1104.

    [2] OJALA T, PIETIK?INEN M, HARWOOD D. A comparative study of texture measures with classification based on featured distributions [J]. Pattern Recognition, 1996, 29(1): 51?59.

    [3] GUO Z, ZHANG L, ZHANG D. A completed modeling of local binary pattern operator for texture classification [J]. IEEE Transactions on Image Processing, 2010, 19(6): 1657?1663.

    [4] AHONEN T, HADID A, PIETIK?INEN M. Face recognition with local binary patterns: application to face recognition [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006, 28(12): 2037? 2041.

    [5] 張文超,山世光,張洪明,等.基于局部Gabor變化直方圖序列的人臉描述與識(shí)別[J].軟件學(xué)報(bào),2006,17(12):2508?2517.

    [6] LIAO S, LAW M, CHUNG A. Dominant local binary patterns for texture classification [J]. IEEE Transactions on Image Processing, 2009, 18(5): 1107?1118.

    [7] ZHANG Bao?chang. GAO Yong?sheng, ZHAO San?qiang, et al. Local derivative pattern versus local binary pattern: face recognition with high?order local pattern descriptor [J]. IEEE Transactions on Image Processing, 2010, 19(2): 533?544.

    [8] TAN X, TRIGGS B. Enhanced local texture feature sets for face recognition under difficult lighting conditions [J]. IEEE Transactions on Image Processing, 2010, 19(6):1635?1650.

    [9] ZHANG G, HUANG X, LI S, et al. Boosting local binary pattern (LBP)?based face recognition[C]// Proceedings of Advances in Biometric Person Authentication: 5th Chinese Conference on Biometric Recognition. Cuangzhou, China: [s.n.], 2004: 179?186.

    [10] JIN H, LIU Q, LU H, et al. Face detection using improved LBP under Bayesian framework [C]// Proceedings of Third International Conference on Image and Graphics. Hong Kong, China: [sn.], 2004: 306?309.

    [11] PHILLIPS P J, MOON H, RIZVI S A. The FERET evaluation methodology for face recognition algorithms [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(10): 1090?1104.

    [2] OJALA T, PIETIK?INEN M, HARWOOD D. A comparative study of texture measures with classification based on featured distributions [J]. Pattern Recognition, 1996, 29(1): 51?59.

    [3] GUO Z, ZHANG L, ZHANG D. A completed modeling of local binary pattern operator for texture classification [J]. IEEE Transactions on Image Processing, 2010, 19(6): 1657?1663.

    [4] AHONEN T, HADID A, PIETIK?INEN M. Face recognition with local binary patterns: application to face recognition [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006, 28(12): 2037? 2041.

    [5] 張文超,山世光,張洪明,等.基于局部Gabor變化直方圖序列的人臉描述與識(shí)別[J].軟件學(xué)報(bào),2006,17(12):2508?2517.

    [6] LIAO S, LAW M, CHUNG A. Dominant local binary patterns for texture classification [J]. IEEE Transactions on Image Processing, 2009, 18(5): 1107?1118.

    [7] ZHANG Bao?chang. GAO Yong?sheng, ZHAO San?qiang, et al. Local derivative pattern versus local binary pattern: face recognition with high?order local pattern descriptor [J]. IEEE Transactions on Image Processing, 2010, 19(2): 533?544.

    [8] TAN X, TRIGGS B. Enhanced local texture feature sets for face recognition under difficult lighting conditions [J]. IEEE Transactions on Image Processing, 2010, 19(6):1635?1650.

    [9] ZHANG G, HUANG X, LI S, et al. Boosting local binary pattern (LBP)?based face recognition[C]// Proceedings of Advances in Biometric Person Authentication: 5th Chinese Conference on Biometric Recognition. Cuangzhou, China: [s.n.], 2004: 179?186.

    [10] JIN H, LIU Q, LU H, et al. Face detection using improved LBP under Bayesian framework [C]// Proceedings of Third International Conference on Image and Graphics. Hong Kong, China: [sn.], 2004: 306?309.

    [11] PHILLIPS P J, MOON H, RIZVI S A. The FERET evaluation methodology for face recognition algorithms [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(10): 1090?1104.

    猜你喜歡
    人臉識(shí)別
    人臉識(shí)別 等
    揭開人臉識(shí)別的神秘面紗
    人臉識(shí)別技術(shù)的基本原理與應(yīng)用
    電子制作(2019年14期)2019-08-20 05:43:34
    人臉識(shí)別技術(shù)在高速公路打逃中的應(yīng)用探討
    基于(2D)2PCA-LBP 的人臉識(shí)別方法的研究
    電子制作(2017年17期)2017-12-18 06:40:55
    淺談人臉識(shí)別技術(shù)
    人臉識(shí)別在高校安全防范中的應(yīng)用
    電子制作(2017年1期)2017-05-17 03:54:46
    巡演完美收官 英飛拓引領(lǐng)人臉識(shí)別新潮流
    人臉識(shí)別在Android平臺(tái)下的研究與實(shí)現(xiàn)
    基于Metaface字典學(xué)習(xí)與核稀疏表示的人臉識(shí)別方法
    亚洲午夜精品一区,二区,三区| 天堂av国产一区二区熟女人妻| 国产不卡一卡二| 精品日产1卡2卡| www日本黄色视频网| 成年版毛片免费区| 久久久国产成人精品二区| 男女之事视频高清在线观看| 国产免费av片在线观看野外av| 久久久久久久久中文| 欧美日韩福利视频一区二区| 国产精品自产拍在线观看55亚洲| 男人舔女人的私密视频| 少妇的逼水好多| 可以在线观看的亚洲视频| 90打野战视频偷拍视频| 美女免费视频网站| 亚洲午夜精品一区,二区,三区| 精品国内亚洲2022精品成人| 午夜激情福利司机影院| 精品国产乱码久久久久久男人| 美女免费视频网站| 熟女电影av网| 久久午夜综合久久蜜桃| 一边摸一边抽搐一进一小说| 亚洲美女视频黄频| 悠悠久久av| 成人一区二区视频在线观看| 美女 人体艺术 gogo| 久久久久久久久久黄片| 日韩中文字幕欧美一区二区| 三级毛片av免费| 亚洲国产欧洲综合997久久,| 欧美日韩瑟瑟在线播放| 国产97色在线日韩免费| 九九热线精品视视频播放| 中文亚洲av片在线观看爽| 丁香六月欧美| 青草久久国产| 麻豆久久精品国产亚洲av| 欧美中文综合在线视频| 久久久精品欧美日韩精品| 国内精品美女久久久久久| 午夜精品一区二区三区免费看| 亚洲aⅴ乱码一区二区在线播放| 亚洲 国产 在线| 中文字幕av在线有码专区| 欧美3d第一页| 国产又黄又爽又无遮挡在线| 两性夫妻黄色片| 哪里可以看免费的av片| 国产爱豆传媒在线观看| 免费一级毛片在线播放高清视频| 久99久视频精品免费| 久久久久久久午夜电影| 嫩草影视91久久| 国产激情偷乱视频一区二区| 美女 人体艺术 gogo| 国产伦人伦偷精品视频| 亚洲av成人不卡在线观看播放网| 精品国内亚洲2022精品成人| 久99久视频精品免费| 国产精品av久久久久免费| 一级a爱片免费观看的视频| 久久久久国产精品人妻aⅴ院| 日本三级黄在线观看| 午夜福利在线观看吧| 国产精品一区二区三区四区久久| 大型黄色视频在线免费观看| 国产成人精品久久二区二区免费| 精品久久蜜臀av无| 狠狠狠狠99中文字幕| 亚洲国产看品久久| 日本黄色视频三级网站网址| 国产成人av激情在线播放| a级毛片在线看网站| 精品乱码久久久久久99久播| 一区二区三区激情视频| 国内精品久久久久精免费| 午夜精品在线福利| 国产午夜精品久久久久久| 久久久久久人人人人人| 亚洲 欧美一区二区三区| 这个男人来自地球电影免费观看| 天堂动漫精品| 999久久久国产精品视频| 亚洲自偷自拍图片 自拍| 精品99又大又爽又粗少妇毛片 | 久久草成人影院| 久久久水蜜桃国产精品网| 国产精品久久久久久亚洲av鲁大| 99久久99久久久精品蜜桃| 国产成人欧美在线观看| 日韩高清综合在线| 成人午夜高清在线视频| 美女午夜性视频免费| 国产v大片淫在线免费观看| 欧美黑人巨大hd| 19禁男女啪啪无遮挡网站| 久久久国产欧美日韩av| 久久国产精品影院| 91九色精品人成在线观看| 欧美日韩亚洲国产一区二区在线观看| 麻豆av在线久日| 亚洲国产欧美人成| 日本 av在线| 亚洲 欧美 日韩 在线 免费| 窝窝影院91人妻| 精品99又大又爽又粗少妇毛片 | 亚洲欧美精品综合一区二区三区| av片东京热男人的天堂| 久久久久久久午夜电影| 美女免费视频网站| 亚洲精品在线美女| 国产毛片a区久久久久| 一个人看视频在线观看www免费 | 国产一区二区在线av高清观看| 午夜视频精品福利| 白带黄色成豆腐渣| 国产在线精品亚洲第一网站| 一级作爱视频免费观看| 日韩三级视频一区二区三区| 日韩欧美 国产精品| 免费在线观看日本一区| 中文字幕精品亚洲无线码一区| 麻豆一二三区av精品| 久久亚洲真实| 国产三级黄色录像| 草草在线视频免费看| 一个人看的www免费观看视频| 亚洲中文日韩欧美视频| 人妻久久中文字幕网| 国产成人精品无人区| 在线视频色国产色| av天堂中文字幕网| 成人一区二区视频在线观看| 蜜桃久久精品国产亚洲av| 啪啪无遮挡十八禁网站| a级毛片a级免费在线| 91av网一区二区| 午夜两性在线视频| 好看av亚洲va欧美ⅴa在| 国产激情久久老熟女| 国产精品美女特级片免费视频播放器 | 一区二区三区国产精品乱码| 狂野欧美激情性xxxx| 亚洲七黄色美女视频| 久久久久久久久久黄片| 巨乳人妻的诱惑在线观看| 日韩精品中文字幕看吧| 中文在线观看免费www的网站| 亚洲欧美激情综合另类| 香蕉av资源在线| 美女免费视频网站| ponron亚洲| 不卡av一区二区三区| 亚洲午夜理论影院| 高潮久久久久久久久久久不卡| 亚洲av电影不卡..在线观看| 日本黄色片子视频| 欧美黄色淫秽网站| 国产成人一区二区三区免费视频网站| 免费人成视频x8x8入口观看| 久久精品影院6| 午夜免费观看网址| 村上凉子中文字幕在线| 亚洲国产高清在线一区二区三| 91在线观看av| 9191精品国产免费久久| 99热精品在线国产| 亚洲人成网站高清观看| 精品久久久久久久久久久久久| 欧美黄色淫秽网站| 禁无遮挡网站| 少妇裸体淫交视频免费看高清| 18禁国产床啪视频网站| 日韩免费av在线播放| 亚洲色图av天堂| 亚洲最大成人中文| 成人精品一区二区免费| 国产又黄又爽又无遮挡在线| 狂野欧美激情性xxxx| 日韩有码中文字幕| 日本精品一区二区三区蜜桃| 亚洲午夜理论影院| 国产精品亚洲av一区麻豆| 国产午夜精品久久久久久| 变态另类成人亚洲欧美熟女| 怎么达到女性高潮| 人妻丰满熟妇av一区二区三区| av黄色大香蕉| 亚洲av电影不卡..在线观看| www国产在线视频色| 精品午夜福利视频在线观看一区| 精品久久蜜臀av无| 欧美3d第一页| 国产精品永久免费网站| 熟女人妻精品中文字幕| 亚洲精品久久国产高清桃花| av视频在线观看入口| 亚洲av第一区精品v没综合| 亚洲精品粉嫩美女一区| 男人舔女人下体高潮全视频| 国产精品久久久人人做人人爽| 99re在线观看精品视频| 国产真人三级小视频在线观看| 美女午夜性视频免费| 国产乱人视频| 久久久久久九九精品二区国产| 欧美色视频一区免费| 老鸭窝网址在线观看| 成人无遮挡网站| 久久久久国内视频| 午夜福利视频1000在线观看| 黄片大片在线免费观看| 18美女黄网站色大片免费观看| 国产高清有码在线观看视频| 国产精品爽爽va在线观看网站| АⅤ资源中文在线天堂| 国产精品,欧美在线| 香蕉av资源在线| 哪里可以看免费的av片| 色综合站精品国产| 色播亚洲综合网| 男人和女人高潮做爰伦理| 啪啪无遮挡十八禁网站| 一个人免费在线观看电影 | 亚洲国产色片| 中文字幕精品亚洲无线码一区| 在线看三级毛片| 亚洲欧美精品综合久久99| 热99re8久久精品国产| 久久久国产成人免费| 亚洲黑人精品在线| 久久久精品欧美日韩精品| 欧美成人性av电影在线观看| а√天堂www在线а√下载| 欧美性猛交╳xxx乱大交人| av在线天堂中文字幕| 欧美日韩中文字幕国产精品一区二区三区| 观看美女的网站| 中文字幕熟女人妻在线| 亚洲aⅴ乱码一区二区在线播放| 日韩有码中文字幕| 成年女人毛片免费观看观看9| svipshipincom国产片| 中文在线观看免费www的网站| 色综合婷婷激情| 黄色日韩在线| 日韩免费av在线播放| 日本与韩国留学比较| 久久精品aⅴ一区二区三区四区| 国产亚洲欧美在线一区二区| 18美女黄网站色大片免费观看| 三级毛片av免费| 国产 一区 欧美 日韩| 国产熟女xx| 欧美三级亚洲精品| 丁香欧美五月| 麻豆国产97在线/欧美| 最近视频中文字幕2019在线8| 久久久久久大精品| 亚洲精华国产精华精| 亚洲成人久久爱视频| 亚洲第一电影网av| 99国产精品99久久久久| 精品不卡国产一区二区三区| 午夜影院日韩av| 久久久国产精品麻豆| 久久久久九九精品影院| 亚洲一区高清亚洲精品| 午夜日韩欧美国产| 国产亚洲av高清不卡| 日韩成人在线观看一区二区三区| 美女黄网站色视频| av视频在线观看入口| 99精品久久久久人妻精品| 亚洲成a人片在线一区二区| 免费看日本二区| 亚洲欧洲精品一区二区精品久久久| 脱女人内裤的视频| 精品不卡国产一区二区三区| 男女午夜视频在线观看| 在线永久观看黄色视频| 国产伦人伦偷精品视频| 黄色片一级片一级黄色片| 91老司机精品| 手机成人av网站| 搡老岳熟女国产| 90打野战视频偷拍视频| 欧美色视频一区免费| 亚洲第一欧美日韩一区二区三区| 亚洲在线自拍视频| www日本在线高清视频| 成人国产一区最新在线观看| 久久中文看片网| 最近最新中文字幕大全免费视频| 欧美乱妇无乱码| 蜜桃久久精品国产亚洲av| 麻豆一二三区av精品| 成年女人看的毛片在线观看| 国产一区二区在线观看日韩 | 不卡av一区二区三区| 熟女电影av网| 精华霜和精华液先用哪个| 久久久久久大精品| 午夜福利视频1000在线观看| 美女扒开内裤让男人捅视频| 搡老熟女国产l中国老女人| 精品一区二区三区视频在线观看免费| 91av网一区二区| 国产一区二区三区在线臀色熟女| 高清毛片免费观看视频网站| 中出人妻视频一区二区| 国产亚洲精品av在线| 欧美三级亚洲精品| 18禁国产床啪视频网站| 无限看片的www在线观看| 精品不卡国产一区二区三区| 欧美在线黄色| 久久久久久久午夜电影| 亚洲欧美日韩卡通动漫| 香蕉国产在线看| 国内久久婷婷六月综合欲色啪| 又黄又粗又硬又大视频| 老汉色∧v一级毛片| 成人三级黄色视频| 亚洲av成人av| 十八禁人妻一区二区| 老司机福利观看| 成人永久免费在线观看视频| 免费在线观看影片大全网站| 久久欧美精品欧美久久欧美| 男女做爰动态图高潮gif福利片| 深夜精品福利| 老鸭窝网址在线观看| 精品无人区乱码1区二区| 亚洲欧美日韩高清在线视频| 亚洲人成网站在线播放欧美日韩| 国产成人系列免费观看| 日韩三级视频一区二区三区| 久久午夜亚洲精品久久| 亚洲av电影不卡..在线观看| 免费看光身美女| 最好的美女福利视频网| 久久精品综合一区二区三区| 久久性视频一级片| 99热这里只有精品一区 | 我的老师免费观看完整版| 久久久成人免费电影| 免费人成视频x8x8入口观看| 欧美日韩亚洲国产一区二区在线观看| 搞女人的毛片| 精品人妻1区二区| 舔av片在线| 亚洲欧美激情综合另类| 日日摸夜夜添夜夜添小说| 国产精品综合久久久久久久免费| 一二三四社区在线视频社区8| 国产成人影院久久av| 国产aⅴ精品一区二区三区波| 婷婷亚洲欧美| 日本与韩国留学比较| 极品教师在线免费播放| x7x7x7水蜜桃| 欧美日本视频| 国产三级在线视频| 俄罗斯特黄特色一大片| 亚洲一区高清亚洲精品| 少妇熟女aⅴ在线视频| 国产精品久久久av美女十八| 成在线人永久免费视频| 久久久国产成人精品二区| 欧美日韩国产亚洲二区| 精华霜和精华液先用哪个| 观看美女的网站| 国内精品久久久久久久电影| 亚洲国产日韩欧美精品在线观看 | 欧美日韩综合久久久久久 | 国产激情欧美一区二区| 免费在线观看视频国产中文字幕亚洲| 久久久久亚洲av毛片大全| 露出奶头的视频| 美女高潮的动态| 国产免费男女视频| 99re在线观看精品视频| 露出奶头的视频| 美女 人体艺术 gogo| 国产成人精品久久二区二区免费| 又紧又爽又黄一区二区| 国产欧美日韩一区二区三| 午夜福利在线观看吧| www国产在线视频色| 亚洲无线观看免费| 国产极品精品免费视频能看的| 国内揄拍国产精品人妻在线| 91av网站免费观看| 国产成人欧美在线观看| 一级毛片高清免费大全| 小说图片视频综合网站| 97超视频在线观看视频| 国产成人精品无人区| 日本黄色片子视频| 日韩欧美在线乱码| 999久久久国产精品视频| 国产三级黄色录像| 好男人在线观看高清免费视频| 两个人看的免费小视频| 亚洲熟女毛片儿| АⅤ资源中文在线天堂| 最近在线观看免费完整版| 国产高清videossex| 国产成+人综合+亚洲专区| 国产乱人视频| 天堂√8在线中文| 亚洲欧美日韩高清专用| 黄色丝袜av网址大全| 亚洲欧美日韩东京热| 搡老岳熟女国产| 国产欧美日韩精品亚洲av| 亚洲欧美一区二区三区黑人| 亚洲精品乱码久久久v下载方式 | 亚洲精品乱码久久久v下载方式 | 国内久久婷婷六月综合欲色啪| 国产熟女xx| 日本五十路高清| 最近视频中文字幕2019在线8| 最近在线观看免费完整版| 欧美大码av| 国产高潮美女av| 欧美日韩中文字幕国产精品一区二区三区| 精品久久久久久久末码| 91麻豆av在线| 欧美日韩综合久久久久久 | 后天国语完整版免费观看| 国产精品久久电影中文字幕| 无限看片的www在线观看| 91字幕亚洲| 亚洲熟妇熟女久久| 久久性视频一级片| 99热这里只有是精品50| av天堂中文字幕网| 麻豆成人av在线观看| 国产乱人伦免费视频| 欧美中文综合在线视频| 午夜激情欧美在线| 国产精品九九99| 久久这里只有精品中国| 久久精品综合一区二区三区| 精品欧美国产一区二区三| 真人做人爱边吃奶动态| 色在线成人网| 嫩草影院入口| 怎么达到女性高潮| 嫩草影视91久久| 欧美性猛交黑人性爽| 后天国语完整版免费观看| 成熟少妇高潮喷水视频| 不卡一级毛片| 国产伦人伦偷精品视频| 中文字幕最新亚洲高清| 亚洲乱码一区二区免费版| 丝袜人妻中文字幕| 中文字幕高清在线视频| 亚洲美女视频黄频| 给我免费播放毛片高清在线观看| 成人永久免费在线观看视频| 色吧在线观看| 热99re8久久精品国产| 欧美激情久久久久久爽电影| 五月玫瑰六月丁香| 欧美3d第一页| 国产精品一区二区精品视频观看| 亚洲av日韩精品久久久久久密| 亚洲男人的天堂狠狠| 午夜福利高清视频| cao死你这个sao货| 精品国内亚洲2022精品成人| 久久精品国产亚洲av香蕉五月| 亚洲人成伊人成综合网2020| 亚洲最大成人中文| 国产私拍福利视频在线观看| 真人一进一出gif抽搐免费| 人人妻人人看人人澡| 亚洲自拍偷在线| 给我免费播放毛片高清在线观看| 欧美日韩国产亚洲二区| 热99在线观看视频| 午夜激情福利司机影院| 欧美精品啪啪一区二区三区| 中文字幕人妻丝袜一区二区| 国产日本99.免费观看| 国产精品一区二区精品视频观看| 天堂√8在线中文| 欧美成人免费av一区二区三区| 麻豆久久精品国产亚洲av| 极品教师在线免费播放| 国产aⅴ精品一区二区三区波| 男女午夜视频在线观看| 亚洲av熟女| 一级毛片女人18水好多| 在线观看一区二区三区| 黄色片一级片一级黄色片| 变态另类成人亚洲欧美熟女| 成年女人永久免费观看视频| 首页视频小说图片口味搜索| 夜夜看夜夜爽夜夜摸| 狠狠狠狠99中文字幕| 99久久精品一区二区三区| 中文字幕人成人乱码亚洲影| 午夜精品在线福利| 亚洲午夜精品一区,二区,三区| 日韩三级视频一区二区三区| 91麻豆av在线| 成人国产一区最新在线观看| 色播亚洲综合网| 精品久久久久久成人av| 国产视频一区二区在线看| 亚洲性夜色夜夜综合| 中文字幕久久专区| 美女大奶头视频| 91av网站免费观看| 欧美国产日韩亚洲一区| 身体一侧抽搐| 国产精品一区二区三区四区久久| 色视频www国产| 人妻夜夜爽99麻豆av| 亚洲欧美日韩卡通动漫| 国产伦精品一区二区三区四那| 亚洲国产看品久久| 日韩有码中文字幕| 黑人巨大精品欧美一区二区mp4| 亚洲九九香蕉| 免费在线观看日本一区| 中文字幕人成人乱码亚洲影| 一进一出抽搐动态| 亚洲成人免费电影在线观看| 午夜亚洲福利在线播放| 最新美女视频免费是黄的| 日本五十路高清| 男女之事视频高清在线观看| 国产精品电影一区二区三区| 国产精品香港三级国产av潘金莲| x7x7x7水蜜桃| 午夜福利在线观看免费完整高清在 | 麻豆一二三区av精品| 91av网一区二区| 国产日本99.免费观看| 国产精品综合久久久久久久免费| 俺也久久电影网| 婷婷精品国产亚洲av| 黄色视频,在线免费观看| 国产亚洲精品综合一区在线观看| 国产精品一及| 精品久久蜜臀av无| 亚洲精品一区av在线观看| 欧美成狂野欧美在线观看| 黄色成人免费大全| 免费大片18禁| 亚洲成av人片在线播放无| 波多野结衣高清作品| 亚洲国产精品久久男人天堂| av欧美777| 中出人妻视频一区二区| 亚洲精品一区av在线观看| 99久久国产精品久久久| 人妻夜夜爽99麻豆av| 十八禁人妻一区二区| 最近最新免费中文字幕在线| 久久精品亚洲精品国产色婷小说| 久久久久久久午夜电影| 一级毛片精品| 90打野战视频偷拍视频| 国产探花在线观看一区二区| 精品乱码久久久久久99久播| 美女扒开内裤让男人捅视频| 最好的美女福利视频网| 毛片女人毛片| 日韩中文字幕欧美一区二区| 这个男人来自地球电影免费观看| 网址你懂的国产日韩在线| 两个人视频免费观看高清| 免费在线观看视频国产中文字幕亚洲| 九九热线精品视视频播放| 精品久久久久久久人妻蜜臀av| 久久精品影院6| 国内精品久久久久精免费| 亚洲av免费在线观看| 精品一区二区三区av网在线观看| 黄片小视频在线播放| 亚洲天堂国产精品一区在线| 日韩欧美一区二区三区在线观看| 精品久久久久久成人av| 美女午夜性视频免费| 美女扒开内裤让男人捅视频| 国产不卡一卡二| 亚洲av电影不卡..在线观看| 美女午夜性视频免费| 精品午夜福利视频在线观看一区| 亚洲成人精品中文字幕电影| 欧美丝袜亚洲另类 | 久久香蕉精品热| 桃红色精品国产亚洲av| 久久精品91蜜桃| 最近在线观看免费完整版| 1000部很黄的大片| 女警被强在线播放| 国产高潮美女av| 国内精品久久久久久久电影| 精品电影一区二区在线| 麻豆国产av国片精品| 伊人久久大香线蕉亚洲五| 在线免费观看不下载黄p国产 | 午夜影院日韩av| 99久久综合精品五月天人人|