• <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
    考比视频在线观看| 国产精品麻豆人妻色哟哟久久| 最近中文字幕高清免费大全6| 精品一区二区三区四区五区乱码 | 青春草亚洲视频在线观看| 超色免费av| 91精品三级在线观看| 午夜日韩欧美国产| 国产一区二区在线观看av| 狠狠婷婷综合久久久久久88av| 日韩 欧美 亚洲 中文字幕| 午夜激情av网站| 成人影院久久| 在线观看免费日韩欧美大片| 国产在线视频一区二区| 日本欧美视频一区| 青春草国产在线视频| 午夜福利视频精品| 免费久久久久久久精品成人欧美视频| 亚洲激情五月婷婷啪啪| 亚洲在久久综合| 国产精品国产三级国产专区5o| 午夜久久久在线观看| 国产黄频视频在线观看| 国产在线免费精品| 美女中出高潮动态图| 久热爱精品视频在线9| 91老司机精品| 精品一区二区免费观看| 母亲3免费完整高清在线观看| 国产一区二区三区综合在线观看| 国产日韩欧美在线精品| 一级毛片我不卡| av网站在线播放免费| 欧美日韩视频精品一区| 久久女婷五月综合色啪小说| 国产xxxxx性猛交| 国产精品久久久久久久久免| 午夜91福利影院| 免费av中文字幕在线| 99精品久久久久人妻精品| 亚洲一区二区三区欧美精品| 精品卡一卡二卡四卡免费| 亚洲综合色网址| 亚洲一卡2卡3卡4卡5卡精品中文| av.在线天堂| 亚洲人成网站在线观看播放| 中文字幕制服av| 下体分泌物呈黄色| 色视频在线一区二区三区| 各种免费的搞黄视频| 亚洲熟女精品中文字幕| 在线天堂最新版资源| 在线观看免费视频网站a站| 国产亚洲一区二区精品| 在线观看免费高清a一片| 国产激情久久老熟女| 日韩不卡一区二区三区视频在线| 1024视频免费在线观看| 国产成人精品福利久久| 九九爱精品视频在线观看| 热re99久久国产66热| 最新在线观看一区二区三区 | 另类精品久久| 9191精品国产免费久久| 精品一区在线观看国产| 色婷婷av一区二区三区视频| 美女大奶头黄色视频| 天天添夜夜摸| 国产成人午夜福利电影在线观看| 黑人巨大精品欧美一区二区蜜桃| 免费日韩欧美在线观看| 精品一区在线观看国产| 日韩制服骚丝袜av| 婷婷色麻豆天堂久久| 大陆偷拍与自拍| 精品少妇黑人巨大在线播放| 欧美在线黄色| 黑人巨大精品欧美一区二区蜜桃| 国产精品一区二区精品视频观看| 天美传媒精品一区二区| 多毛熟女@视频| 亚洲国产av新网站| 两性夫妻黄色片| 国产福利在线免费观看视频| 久久精品人人爽人人爽视色| 亚洲欧美成人精品一区二区| 伊人久久国产一区二区| 妹子高潮喷水视频| 一边摸一边抽搐一进一出视频| av在线播放精品| 一级毛片电影观看| 可以免费在线观看a视频的电影网站 | 国产毛片在线视频| 欧美97在线视频| 日日啪夜夜爽| 中文字幕亚洲精品专区| 国产亚洲av高清不卡| 色婷婷久久久亚洲欧美| 精品少妇内射三级| 天美传媒精品一区二区| 国产片内射在线| 日韩中文字幕视频在线看片| 亚洲美女视频黄频| 两性夫妻黄色片| 久久免费观看电影| 肉色欧美久久久久久久蜜桃| 国产成人精品福利久久| 亚洲欧美成人精品一区二区| 亚洲精品久久成人aⅴ小说| 国产乱人偷精品视频| 婷婷成人精品国产| 国产精品熟女久久久久浪| 91精品伊人久久大香线蕉| 成人三级做爰电影| 精品久久蜜臀av无| 精品国产乱码久久久久久小说| 91国产中文字幕| 亚洲欧美一区二区三区黑人| 国产亚洲一区二区精品| 国产1区2区3区精品| 制服人妻中文乱码| 久久久久精品国产欧美久久久 | 啦啦啦在线观看免费高清www| 波多野结衣一区麻豆| 欧美激情高清一区二区三区 | 欧美另类一区| 国产av码专区亚洲av| 国产一区有黄有色的免费视频| 中文字幕制服av| 欧美日韩亚洲高清精品| 国产亚洲av高清不卡| 最近的中文字幕免费完整| 国产老妇伦熟女老妇高清| 婷婷色综合www| 国产成人a∨麻豆精品| 久久精品久久精品一区二区三区| 男女高潮啪啪啪动态图| 国产97色在线日韩免费| 亚洲美女视频黄频| 99久久精品国产亚洲精品| 免费在线观看黄色视频的| 亚洲精品,欧美精品| 久久人妻熟女aⅴ| 国产免费福利视频在线观看| 亚洲国产日韩一区二区| 欧美黑人精品巨大| 国产色婷婷99| av线在线观看网站| 国产欧美日韩一区二区三区在线| 亚洲五月色婷婷综合| 曰老女人黄片| 美女国产高潮福利片在线看| 欧美 亚洲 国产 日韩一| 丰满少妇做爰视频| 色播在线永久视频| 午夜日韩欧美国产| 精品国产国语对白av| 黄色毛片三级朝国网站| 亚洲 欧美一区二区三区| 9色porny在线观看| 国产片内射在线| 国产精品欧美亚洲77777| 一级片'在线观看视频| www.精华液| 国产男人的电影天堂91| 一本—道久久a久久精品蜜桃钙片| 国产欧美日韩综合在线一区二区| 亚洲av欧美aⅴ国产| 天堂中文最新版在线下载| 国产av码专区亚洲av| 亚洲成人av在线免费| 你懂的网址亚洲精品在线观看| 五月开心婷婷网| 成人免费观看视频高清| 久久精品人人爽人人爽视色| 精品酒店卫生间| 19禁男女啪啪无遮挡网站| 精品酒店卫生间| av有码第一页| 女性生殖器流出的白浆| videosex国产| 欧美黑人欧美精品刺激| 国产不卡av网站在线观看| 亚洲成人国产一区在线观看 | 久热爱精品视频在线9| 秋霞在线观看毛片| 免费黄色在线免费观看| 热99国产精品久久久久久7| 久久精品国产综合久久久| 亚洲成人手机| 国产免费视频播放在线视频| 国语对白做爰xxxⅹ性视频网站| 99久久99久久久精品蜜桃| 亚洲色图综合在线观看| 国产1区2区3区精品| 精品少妇内射三级| 又黄又粗又硬又大视频| 曰老女人黄片| 日韩一区二区三区影片| 一边摸一边做爽爽视频免费| 韩国av在线不卡| 免费日韩欧美在线观看| 美女国产高潮福利片在线看| 国产精品99久久99久久久不卡 | 免费高清在线观看日韩| 欧美日韩亚洲综合一区二区三区_| 国产伦人伦偷精品视频| 永久免费av网站大全| 精品福利永久在线观看| 久久99精品国语久久久| 色婷婷av一区二区三区视频| 五月开心婷婷网| 日韩熟女老妇一区二区性免费视频| 成人亚洲精品一区在线观看| 午夜福利免费观看在线| 久久人妻熟女aⅴ| 国产精品 国内视频| 国产黄频视频在线观看| av免费观看日本| 制服诱惑二区| 视频区图区小说| 国产97色在线日韩免费| 美女扒开内裤让男人捅视频| 操美女的视频在线观看| 久久久精品国产亚洲av高清涩受| 69精品国产乱码久久久| 日本色播在线视频| 性少妇av在线| 国产男人的电影天堂91| 中文字幕最新亚洲高清| 久久久久网色| 国产xxxxx性猛交| 亚洲精品一二三| 视频在线观看一区二区三区| 成人国语在线视频| 国产精品 欧美亚洲| 国产免费一区二区三区四区乱码| 亚洲国产欧美网| 中文乱码字字幕精品一区二区三区| 五月天丁香电影| 女人被躁到高潮嗷嗷叫费观| 亚洲国产看品久久| 国产毛片在线视频| 国产一区二区激情短视频 | 一区在线观看完整版| 香蕉国产在线看| 成人黄色视频免费在线看| 一本—道久久a久久精品蜜桃钙片| 日韩一卡2卡3卡4卡2021年| 日本vs欧美在线观看视频| 99香蕉大伊视频| av又黄又爽大尺度在线免费看| 亚洲国产欧美在线一区| 天美传媒精品一区二区| av不卡在线播放| 在线亚洲精品国产二区图片欧美| 日韩 欧美 亚洲 中文字幕| 99国产精品免费福利视频| 黄色视频不卡| 一级片免费观看大全| 免费不卡黄色视频| 少妇被粗大猛烈的视频| 爱豆传媒免费全集在线观看| 制服人妻中文乱码| 日本爱情动作片www.在线观看| 一级毛片我不卡| 免费黄色在线免费观看| 自线自在国产av| 精品人妻在线不人妻| 久久亚洲国产成人精品v| 日韩av不卡免费在线播放| 欧美日韩亚洲国产一区二区在线观看 | 亚洲一码二码三码区别大吗| 精品免费久久久久久久清纯 | av又黄又爽大尺度在线免费看| 国产一区亚洲一区在线观看| svipshipincom国产片| 日本爱情动作片www.在线观看| 女性被躁到高潮视频| 久久久久久人人人人人| 久久久久久久大尺度免费视频| av在线app专区| av视频免费观看在线观看| 大陆偷拍与自拍| 一区二区三区精品91| 最新在线观看一区二区三区 | 欧美精品高潮呻吟av久久| 少妇被粗大的猛进出69影院| 亚洲成av片中文字幕在线观看| 色网站视频免费| 成人黄色视频免费在线看| 精品午夜福利在线看| 国产人伦9x9x在线观看| 黄色怎么调成土黄色| 天天躁日日躁夜夜躁夜夜| 欧美日韩亚洲高清精品| 秋霞伦理黄片| 夫妻性生交免费视频一级片| 视频在线观看一区二区三区| 精品久久蜜臀av无| 一区二区三区四区激情视频| 狂野欧美激情性bbbbbb| 新久久久久国产一级毛片| 人妻一区二区av| 国产精品.久久久| 中文天堂在线官网| 性少妇av在线| 欧美中文综合在线视频| 亚洲av电影在线观看一区二区三区| 2018国产大陆天天弄谢| 欧美日韩一级在线毛片| 香蕉国产在线看| 成年美女黄网站色视频大全免费| 国产精品久久久人人做人人爽| 999精品在线视频| 亚洲欧美色中文字幕在线| 美女高潮到喷水免费观看| 又大又黄又爽视频免费| 最近中文字幕高清免费大全6| 青春草国产在线视频| 欧美黑人精品巨大| 欧美激情高清一区二区三区 | 高清欧美精品videossex| 九草在线视频观看| 纵有疾风起免费观看全集完整版| 在线看a的网站| 99香蕉大伊视频| 一级毛片电影观看| 亚洲精品成人av观看孕妇| 久久精品aⅴ一区二区三区四区| 国产av码专区亚洲av| 国产成人91sexporn| 亚洲成人手机| 狠狠精品人妻久久久久久综合| 不卡视频在线观看欧美| 国产一区二区三区av在线| 成人影院久久| 妹子高潮喷水视频| 热99久久久久精品小说推荐| 99国产综合亚洲精品| 久久久久网色| 女性被躁到高潮视频| 日韩制服丝袜自拍偷拍| 新久久久久国产一级毛片| 亚洲专区中文字幕在线 | 久久影院123| 大码成人一级视频| 久久久久久久久免费视频了| 好男人视频免费观看在线| 欧美人与性动交α欧美软件| 色婷婷久久久亚洲欧美| 婷婷成人精品国产| tube8黄色片| 国产一卡二卡三卡精品 | 嫩草影视91久久| 晚上一个人看的免费电影| a级毛片黄视频| 在线亚洲精品国产二区图片欧美| 亚洲熟女毛片儿| www.自偷自拍.com| 嫩草影视91久久| 巨乳人妻的诱惑在线观看| 一本一本久久a久久精品综合妖精| 尾随美女入室| 国产成人一区二区在线| 黄色一级大片看看| 你懂的网址亚洲精品在线观看| 成人亚洲精品一区在线观看| 高清黄色对白视频在线免费看| 丝袜美腿诱惑在线| 亚洲人成电影观看| 又大又黄又爽视频免费| 日韩伦理黄色片| 日韩av免费高清视频| 国产日韩一区二区三区精品不卡| 男女边吃奶边做爰视频| 国产成人免费观看mmmm| av片东京热男人的天堂| 91精品伊人久久大香线蕉| 日日啪夜夜爽| 亚洲第一区二区三区不卡| 一级毛片 在线播放| 亚洲国产精品999| 久久久精品94久久精品| 成人18禁高潮啪啪吃奶动态图| 如何舔出高潮| 国产成人精品福利久久| 亚洲欧美成人综合另类久久久| 看免费成人av毛片| 制服诱惑二区| 天天躁狠狠躁夜夜躁狠狠躁| 国产福利在线免费观看视频| 午夜福利免费观看在线| 久久久欧美国产精品| 青春草视频在线免费观看| 1024香蕉在线观看| 韩国av在线不卡| 女人被躁到高潮嗷嗷叫费观| 国产不卡av网站在线观看| 亚洲成色77777| 亚洲一区二区三区欧美精品| 国产成人精品福利久久| 黄色一级大片看看| 国产成人精品久久久久久| 日韩大码丰满熟妇| 亚洲国产av影院在线观看| 国产亚洲最大av| 亚洲av男天堂| 欧美乱码精品一区二区三区| 久久人人爽人人片av| 国产精品久久久人人做人人爽| 波野结衣二区三区在线| 亚洲精品久久久久久婷婷小说| svipshipincom国产片| 亚洲色图综合在线观看| 狂野欧美激情性bbbbbb| 亚洲国产精品国产精品| 人人妻人人澡人人爽人人夜夜| 欧美精品一区二区免费开放| 9色porny在线观看| 在现免费观看毛片| 天堂俺去俺来也www色官网| 亚洲,欧美精品.| 欧美人与善性xxx| 欧美日韩综合久久久久久| 亚洲av国产av综合av卡| 777米奇影视久久| 亚洲情色 制服丝袜| av电影中文网址| 国产淫语在线视频| 久久天躁狠狠躁夜夜2o2o | 女人久久www免费人成看片| 中文欧美无线码| 日日爽夜夜爽网站| 晚上一个人看的免费电影| 亚洲国产看品久久| 国产精品久久久久久人妻精品电影 | 三上悠亚av全集在线观看| 一级爰片在线观看| 亚洲av日韩精品久久久久久密 | 一级毛片我不卡| 妹子高潮喷水视频| 欧美变态另类bdsm刘玥| 在线观看免费日韩欧美大片| 国产男女内射视频| 国产精品一二三区在线看| 考比视频在线观看| 成人黄色视频免费在线看| 成人影院久久| 飞空精品影院首页| 热99久久久久精品小说推荐| 久久久久久久久久久久大奶| 成人影院久久| 青春草国产在线视频| 尾随美女入室| 男女边摸边吃奶| 搡老乐熟女国产| 在线 av 中文字幕| 日日啪夜夜爽| 国产精品.久久久| 欧美日韩视频精品一区| 91老司机精品| 国产精品一二三区在线看| 国产伦理片在线播放av一区| 亚洲av欧美aⅴ国产| 啦啦啦在线观看免费高清www| 老司机深夜福利视频在线观看 | 夫妻性生交免费视频一级片| 99国产综合亚洲精品| 久久久久视频综合| 日日摸夜夜添夜夜爱| www日本在线高清视频| 欧美变态另类bdsm刘玥| 最近最新中文字幕大全免费视频 | 日韩欧美一区视频在线观看| 亚洲欧美一区二区三区黑人| 国产亚洲欧美精品永久| www日本在线高清视频| 丝袜喷水一区| 精品国产露脸久久av麻豆| 日韩不卡一区二区三区视频在线| 亚洲 欧美一区二区三区| 美女脱内裤让男人舔精品视频| 国产熟女午夜一区二区三区| 成人18禁高潮啪啪吃奶动态图| 国产乱来视频区| 啦啦啦 在线观看视频| 色精品久久人妻99蜜桃| 久久久精品94久久精品| 国产在线一区二区三区精| 精品国产一区二区三区久久久樱花| 国产精品欧美亚洲77777| 国产精品一二三区在线看| 精品少妇黑人巨大在线播放| 爱豆传媒免费全集在线观看| 又黄又粗又硬又大视频| 亚洲第一av免费看| 如日韩欧美国产精品一区二区三区| 久久久久人妻精品一区果冻| 国产精品久久久久久精品古装| 亚洲精品美女久久久久99蜜臀 | 午夜福利一区二区在线看| 人体艺术视频欧美日本| 国产一区二区在线观看av| 美国免费a级毛片| 亚洲视频免费观看视频| 汤姆久久久久久久影院中文字幕| 久久热在线av| av在线老鸭窝| 国产福利在线免费观看视频| 午夜激情久久久久久久| 热re99久久精品国产66热6| 欧美变态另类bdsm刘玥| 日韩av在线免费看完整版不卡| 黑人猛操日本美女一级片| 免费黄色在线免费观看| 欧美变态另类bdsm刘玥| 欧美日韩视频精品一区| 久久 成人 亚洲| 天天躁夜夜躁狠狠躁躁| 色网站视频免费| 欧美日韩亚洲国产一区二区在线观看 | 两个人看的免费小视频| 亚洲熟女毛片儿| 五月开心婷婷网| 日韩一卡2卡3卡4卡2021年| 亚洲婷婷狠狠爱综合网| 自线自在国产av| 国产欧美亚洲国产| 日韩一本色道免费dvd| 9色porny在线观看| 悠悠久久av| 色94色欧美一区二区| 777米奇影视久久| 啦啦啦啦在线视频资源| 捣出白浆h1v1| 少妇人妻 视频| 老司机深夜福利视频在线观看 | 国产一区二区三区综合在线观看| 99香蕉大伊视频| 丰满少妇做爰视频| 国产精品二区激情视频| 日本vs欧美在线观看视频| 欧美亚洲日本最大视频资源| 99精国产麻豆久久婷婷| 啦啦啦中文免费视频观看日本| 丁香六月天网| 国产精品成人在线| 亚洲精品av麻豆狂野| 精品亚洲成a人片在线观看| 国产欧美日韩综合在线一区二区| 黄色毛片三级朝国网站| 久久久国产欧美日韩av| 99精品久久久久人妻精品| 一本久久精品| 免费看不卡的av| 极品人妻少妇av视频| 亚洲国产精品成人久久小说| 国产又色又爽无遮挡免| 国产国语露脸激情在线看| 久久综合国产亚洲精品| 亚洲av综合色区一区| 美女大奶头黄色视频| 久久久久久久精品精品| 亚洲精品一区蜜桃| 又大又黄又爽视频免费| 2021少妇久久久久久久久久久| 最近中文字幕2019免费版| 男女高潮啪啪啪动态图| 久久久久久久国产电影| 国产精品成人在线| 王馨瑶露胸无遮挡在线观看| 亚洲精品一二三| 国产成人免费观看mmmm| 免费黄网站久久成人精品| 男女免费视频国产| 我的亚洲天堂| 日本91视频免费播放| 国产精品偷伦视频观看了| 啦啦啦视频在线资源免费观看| 极品少妇高潮喷水抽搐| 一级,二级,三级黄色视频| 欧美久久黑人一区二区| 一级爰片在线观看| 日本午夜av视频| 黄色怎么调成土黄色| 91成人精品电影| 婷婷色麻豆天堂久久| 国产成人a∨麻豆精品| h视频一区二区三区| 欧美日韩视频精品一区| 国产精品国产三级国产专区5o| 久久国产精品大桥未久av| 久久久精品94久久精品| 国产爽快片一区二区三区| 欧美在线一区亚洲| 国精品久久久久久国模美| 国产亚洲av片在线观看秒播厂| 制服丝袜香蕉在线| 黑人猛操日本美女一级片| 亚洲国产成人一精品久久久| 亚洲七黄色美女视频| 精品一区二区三区av网在线观看 | 啦啦啦中文免费视频观看日本| 波多野结衣av一区二区av| 制服诱惑二区| 久久97久久精品| 午夜免费男女啪啪视频观看| 国产男人的电影天堂91| 国产精品国产三级国产专区5o| 大陆偷拍与自拍| 一区二区三区四区激情视频| 久久久久久人妻| 十八禁人妻一区二区|