• <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
    毛片一级片免费看久久久久| 国产69精品久久久久777片| 国产成人aa在线观看| 成年免费大片在线观看| 男人爽女人下面视频在线观看| 一级毛片我不卡| 美女cb高潮喷水在线观看| 亚洲成人久久爱视频| 亚洲一区高清亚洲精品| 直男gayav资源| 水蜜桃什么品种好| 午夜久久久久精精品| 国产在线男女| 伦理电影大哥的女人| 国产精品一区二区性色av| 亚洲精品久久久久久婷婷小说| 美女主播在线视频| 国国产精品蜜臀av免费| 精品久久久精品久久久| 蜜桃亚洲精品一区二区三区| 国产综合懂色| 国产成人午夜福利电影在线观看| 国产午夜精品论理片| 亚洲成色77777| 国内少妇人妻偷人精品xxx网站| 国产不卡一卡二| 又粗又硬又长又爽又黄的视频| 久久综合国产亚洲精品| 免费观看的影片在线观看| 久99久视频精品免费| 狠狠精品人妻久久久久久综合| 成人美女网站在线观看视频| 免费无遮挡裸体视频| av在线蜜桃| 亚洲熟女精品中文字幕| 男女国产视频网站| 国产亚洲精品久久久com| 麻豆精品久久久久久蜜桃| 别揉我奶头 嗯啊视频| 一级毛片aaaaaa免费看小| 特级一级黄色大片| 日韩av在线免费看完整版不卡| 亚洲欧洲国产日韩| 18禁在线播放成人免费| 99久国产av精品国产电影| 女人被狂操c到高潮| 极品少妇高潮喷水抽搐| 看免费成人av毛片| 神马国产精品三级电影在线观看| 黑人高潮一二区| 久久综合国产亚洲精品| 简卡轻食公司| av在线老鸭窝| 少妇高潮的动态图| 国产精品久久久久久久电影| 成人毛片a级毛片在线播放| 免费观看av网站的网址| 午夜福利在线在线| 日韩制服骚丝袜av| 久久99热这里只频精品6学生| 一区二区三区免费毛片| 麻豆精品久久久久久蜜桃| 一级爰片在线观看| 夫妻性生交免费视频一级片| 美女主播在线视频| or卡值多少钱| 日韩亚洲欧美综合| 老师上课跳d突然被开到最大视频| 在线播放无遮挡| 日本-黄色视频高清免费观看| 国产精品无大码| av又黄又爽大尺度在线免费看| 欧美性猛交╳xxx乱大交人| 婷婷色综合www| 男人狂女人下面高潮的视频| 午夜免费男女啪啪视频观看| 一区二区三区高清视频在线| 亚洲一级一片aⅴ在线观看| 99九九线精品视频在线观看视频| 国产精品美女特级片免费视频播放器| 国产免费又黄又爽又色| 免费观看av网站的网址| 日韩欧美三级三区| 六月丁香七月| 内地一区二区视频在线| 国产一区二区三区综合在线观看 | 亚洲18禁久久av| 亚洲内射少妇av| 午夜免费激情av| 国产精品久久久久久精品电影小说 | 日韩国内少妇激情av| 国产精品一区二区在线观看99 | 夫妻午夜视频| 在线 av 中文字幕| 亚洲在线自拍视频| 国产精品久久久久久久电影| 亚洲精品久久久久久婷婷小说| av天堂中文字幕网| 成人二区视频| 国内精品宾馆在线| 超碰av人人做人人爽久久| 嫩草影院精品99| 99九九线精品视频在线观看视频| 青春草亚洲视频在线观看| 青春草亚洲视频在线观看| 综合色丁香网| 免费观看无遮挡的男女| 91在线精品国自产拍蜜月| 少妇裸体淫交视频免费看高清| 国产精品日韩av在线免费观看| 欧美xxxx黑人xx丫x性爽| 欧美丝袜亚洲另类| 看黄色毛片网站| 高清午夜精品一区二区三区| 国内揄拍国产精品人妻在线| 天美传媒精品一区二区| 久久草成人影院| 国产午夜精品一二区理论片| 中文字幕av成人在线电影| 美女黄网站色视频| 搡老妇女老女人老熟妇| 国产单亲对白刺激| 亚洲国产日韩欧美精品在线观看| 两个人的视频大全免费| 精品久久国产蜜桃| 亚洲国产精品成人久久小说| 亚洲av成人精品一区久久| av天堂中文字幕网| 七月丁香在线播放| 精品久久久精品久久久| 丝袜喷水一区| 亚洲av日韩在线播放| 久久久成人免费电影| 国产av国产精品国产| 嘟嘟电影网在线观看| 欧美日本视频| 成人毛片a级毛片在线播放| 亚洲精品色激情综合| 少妇猛男粗大的猛烈进出视频 | 成人av在线播放网站| 又爽又黄a免费视频| 久久鲁丝午夜福利片| 亚洲乱码一区二区免费版| 少妇的逼好多水| 国产精品嫩草影院av在线观看| 最近最新中文字幕大全电影3| 国产伦理片在线播放av一区| 久久99蜜桃精品久久| 日韩强制内射视频| 青春草国产在线视频| 久久久精品免费免费高清| 边亲边吃奶的免费视频| 国产精品人妻久久久影院| av国产久精品久网站免费入址| 亚洲精品成人av观看孕妇| av专区在线播放| 一区二区三区高清视频在线| 床上黄色一级片| 亚洲av免费高清在线观看| 伊人久久国产一区二区| 免费观看av网站的网址| 夫妻午夜视频| 免费看av在线观看网站| 国内精品一区二区在线观看| 九九久久精品国产亚洲av麻豆| 久久精品久久精品一区二区三区| 嘟嘟电影网在线观看| 国内精品一区二区在线观看| 日韩不卡一区二区三区视频在线| 能在线免费观看的黄片| 午夜视频国产福利| 亚洲成人中文字幕在线播放| 国产欧美另类精品又又久久亚洲欧美| av女优亚洲男人天堂| 日日啪夜夜爽| 肉色欧美久久久久久久蜜桃 | 夫妻午夜视频| 欧美丝袜亚洲另类| 人妻制服诱惑在线中文字幕| 国产伦精品一区二区三区视频9| 两个人视频免费观看高清| 99热6这里只有精品| 成人一区二区视频在线观看| 日韩av不卡免费在线播放| 搡老乐熟女国产| 99热全是精品| 亚洲在线观看片| 国产成人精品福利久久| 国产午夜精品论理片| 国产老妇女一区| 国产免费一级a男人的天堂| 国产乱人视频| 五月伊人婷婷丁香| 日韩欧美三级三区| 国国产精品蜜臀av免费| 国产高清有码在线观看视频| 毛片女人毛片| 久久午夜福利片| 天天躁日日操中文字幕| 国产淫片久久久久久久久| 建设人人有责人人尽责人人享有的 | 亚洲精品色激情综合| 免费看美女性在线毛片视频| 国产69精品久久久久777片| 一个人看视频在线观看www免费| 人妻夜夜爽99麻豆av| 日韩av免费高清视频| 国产片特级美女逼逼视频| 蜜桃久久精品国产亚洲av| 人人妻人人澡人人爽人人夜夜 | 搡老乐熟女国产| 51国产日韩欧美| 国产 一区 欧美 日韩| 真实男女啪啪啪动态图| 老女人水多毛片| 午夜久久久久精精品| 国产午夜精品论理片| av网站免费在线观看视频 | 一级毛片黄色毛片免费观看视频| 深夜a级毛片| 色吧在线观看| 深爱激情五月婷婷| 成人毛片a级毛片在线播放| 精品一区二区三区人妻视频| 草草在线视频免费看| 亚洲国产欧美在线一区| 毛片一级片免费看久久久久| 久久人人爽人人片av| 国产亚洲av片在线观看秒播厂 | 亚洲人与动物交配视频| 日本三级黄在线观看| 国产又色又爽无遮挡免| 亚洲经典国产精华液单| 精品国产露脸久久av麻豆 | 精品酒店卫生间| 欧美不卡视频在线免费观看| 精品人妻偷拍中文字幕| 中文欧美无线码| av专区在线播放| 欧美区成人在线视频| 身体一侧抽搐| 国产精品一区二区三区四区久久| 超碰av人人做人人爽久久| 亚洲精品成人av观看孕妇| 极品少妇高潮喷水抽搐| 赤兔流量卡办理| 欧美日韩综合久久久久久| 亚洲精品,欧美精品| 中文欧美无线码| 国产精品国产三级国产av玫瑰| 搡老妇女老女人老熟妇| 久久久a久久爽久久v久久| 中文天堂在线官网| 校园人妻丝袜中文字幕| 久久久久久久亚洲中文字幕| 少妇人妻一区二区三区视频| 国模一区二区三区四区视频| 国产精品人妻久久久久久| 亚洲精品自拍成人| 女人十人毛片免费观看3o分钟| 天堂影院成人在线观看| 成年女人看的毛片在线观看| 嫩草影院精品99| 亚洲欧美中文字幕日韩二区| 免费看光身美女| 国产成人免费观看mmmm| 天堂俺去俺来也www色官网 | 黄色一级大片看看| 国产成年人精品一区二区| 久99久视频精品免费| 国产精品99久久久久久久久| 国产av不卡久久| 高清毛片免费看| 亚洲精品,欧美精品| 亚洲精品日本国产第一区| 夫妻性生交免费视频一级片| 国产成人a∨麻豆精品| 日日摸夜夜添夜夜添av毛片| xxx大片免费视频| 成年av动漫网址| 汤姆久久久久久久影院中文字幕 | 欧美变态另类bdsm刘玥| 精品国产三级普通话版| 春色校园在线视频观看| kizo精华| 精品久久久久久电影网| 国产中年淑女户外野战色| 黄色一级大片看看| 夫妻午夜视频| 精品久久久久久成人av| 亚洲精品aⅴ在线观看| 日韩强制内射视频| 国产乱人偷精品视频| 一区二区三区高清视频在线| 国精品久久久久久国模美| 午夜久久久久精精品| 国产黄色免费在线视频| 欧美成人一区二区免费高清观看| 久久这里有精品视频免费| 91aial.com中文字幕在线观看| 欧美日韩国产mv在线观看视频 | 日本猛色少妇xxxxx猛交久久| 男人狂女人下面高潮的视频| 永久免费av网站大全| 99久久精品热视频| 麻豆成人午夜福利视频| 人人妻人人澡人人爽人人夜夜 | 五月伊人婷婷丁香| 91久久精品国产一区二区三区| 最近手机中文字幕大全| 在线观看人妻少妇| 深夜a级毛片| 午夜免费激情av| 在线播放无遮挡| 美女大奶头视频| 国产精品熟女久久久久浪| 麻豆成人av视频| 免费看a级黄色片| 成人无遮挡网站| 久久久精品免费免费高清| 国内揄拍国产精品人妻在线| 亚洲精品影视一区二区三区av| 欧美97在线视频| 国产精品无大码| 国内精品宾馆在线| 国内精品一区二区在线观看| 亚洲内射少妇av| 亚洲久久久久久中文字幕| 日韩人妻高清精品专区| 日韩欧美精品免费久久| 国产伦精品一区二区三区四那| 久久精品久久久久久噜噜老黄| 一级av片app| 日本与韩国留学比较| 日韩 亚洲 欧美在线| 国产女主播在线喷水免费视频网站 | 99热6这里只有精品| 久久久久久久久久人人人人人人| 我要看日韩黄色一级片| 国产精品嫩草影院av在线观看| 国产一级毛片在线| 国产黄色视频一区二区在线观看| 日本欧美国产在线视频| 亚洲国产精品成人久久小说| 久久久a久久爽久久v久久| 欧美不卡视频在线免费观看| 日韩中字成人| 最近中文字幕高清免费大全6| 狂野欧美白嫩少妇大欣赏| 精品人妻一区二区三区麻豆| 高清视频免费观看一区二区 | 欧美日韩亚洲高清精品| 午夜免费观看性视频| 人体艺术视频欧美日本| 欧美另类一区| 久久久久久久亚洲中文字幕| 日韩精品有码人妻一区| 国产精品久久久久久精品电影小说 | 久久久成人免费电影| 一级黄片播放器| 精品国产露脸久久av麻豆 | 五月天丁香电影| 少妇熟女aⅴ在线视频| 久久久久久国产a免费观看| 99久久人妻综合| 亚洲,欧美,日韩| 国产精品无大码| 国产老妇伦熟女老妇高清| 中文字幕亚洲精品专区| 久久精品国产亚洲av涩爱| 国产 亚洲一区二区三区 | 天天躁日日操中文字幕| 亚洲精华国产精华液的使用体验| 亚洲自偷自拍三级| 直男gayav资源| 亚洲乱码一区二区免费版| 女人十人毛片免费观看3o分钟| 80岁老熟妇乱子伦牲交| 亚洲自偷自拍三级| 极品少妇高潮喷水抽搐| 国产精品福利在线免费观看| 成人性生交大片免费视频hd| 国产伦在线观看视频一区| 国产男人的电影天堂91| 国产久久久一区二区三区| 亚洲av中文av极速乱| 亚洲最大成人手机在线| 亚洲人成网站在线观看播放| 看非洲黑人一级黄片| 亚洲成人久久爱视频| 插逼视频在线观看| 日韩强制内射视频| 久久精品熟女亚洲av麻豆精品 | 久久午夜福利片| 亚洲,欧美,日韩| 国产精品日韩av在线免费观看| 国产大屁股一区二区在线视频| 日韩中字成人| 久久精品久久久久久久性| av网站免费在线观看视频 | av线在线观看网站| 国产一区二区三区av在线| 久久精品夜色国产| 两个人的视频大全免费| 精品欧美国产一区二区三| 三级男女做爰猛烈吃奶摸视频| 搡老妇女老女人老熟妇| 高清视频免费观看一区二区 | 一级爰片在线观看| 高清日韩中文字幕在线| 欧美成人午夜免费资源| 精华霜和精华液先用哪个| 久久久久性生活片| 亚洲精品自拍成人| 国产黄片视频在线免费观看| 中文字幕亚洲精品专区| 欧美变态另类bdsm刘玥| 哪个播放器可以免费观看大片| 欧美日本视频| 黄片无遮挡物在线观看| 亚洲av免费高清在线观看| 少妇高潮的动态图| 成人漫画全彩无遮挡| 亚洲在线自拍视频| 深夜a级毛片| av卡一久久| 国产成人freesex在线| 2018国产大陆天天弄谢| 别揉我奶头 嗯啊视频| 亚洲真实伦在线观看| 国语对白做爰xxxⅹ性视频网站| 亚洲av中文字字幕乱码综合| 亚洲国产欧美在线一区| 别揉我奶头 嗯啊视频| 人人妻人人澡欧美一区二区| 久久久久久久国产电影| 日韩三级伦理在线观看| 免费看不卡的av| 日本爱情动作片www.在线观看| 欧美激情久久久久久爽电影| 亚洲精品国产av成人精品| 91久久精品电影网| 韩国高清视频一区二区三区| 少妇丰满av| 又爽又黄a免费视频| 国产亚洲91精品色在线| 18+在线观看网站| 啦啦啦中文免费视频观看日本| 久久久久久久久久人人人人人人| 简卡轻食公司| 亚洲精品日韩av片在线观看| 乱码一卡2卡4卡精品| 国产精品三级大全| 最近最新中文字幕大全电影3| 中文精品一卡2卡3卡4更新| 国产又色又爽无遮挡免| 色播亚洲综合网| av.在线天堂| 51国产日韩欧美| 日本色播在线视频| 丝袜喷水一区| 激情 狠狠 欧美| 日韩,欧美,国产一区二区三区| 亚洲国产最新在线播放| 中文天堂在线官网| 欧美成人精品欧美一级黄| 99久久精品热视频| 国产激情偷乱视频一区二区| 一级毛片久久久久久久久女| 大陆偷拍与自拍| 乱系列少妇在线播放| 久久99蜜桃精品久久| 高清毛片免费看| 又粗又硬又长又爽又黄的视频| 国产精品不卡视频一区二区| 大片免费播放器 马上看| 1000部很黄的大片| 国产一级毛片在线| 亚洲av免费在线观看| 天堂av国产一区二区熟女人妻| 日本av手机在线免费观看| 大陆偷拍与自拍| 亚洲欧美一区二区三区国产| 看非洲黑人一级黄片| 国产成人a区在线观看| 青春草亚洲视频在线观看| 白带黄色成豆腐渣| 亚洲av免费高清在线观看| 只有这里有精品99| 天堂影院成人在线观看| 噜噜噜噜噜久久久久久91| 人妻制服诱惑在线中文字幕| 久久久色成人| 黄片无遮挡物在线观看| 久久久a久久爽久久v久久| 噜噜噜噜噜久久久久久91| 网址你懂的国产日韩在线| 女人十人毛片免费观看3o分钟| 日韩,欧美,国产一区二区三区| 少妇裸体淫交视频免费看高清| av在线亚洲专区| 久久久精品94久久精品| 黄色欧美视频在线观看| 丰满乱子伦码专区| 一个人看的www免费观看视频| 在线免费十八禁| av国产免费在线观看| 亚洲在线观看片| 少妇裸体淫交视频免费看高清| 国产av码专区亚洲av| 久久人人爽人人片av| 国产伦精品一区二区三区视频9| 成人欧美大片| 国产高清有码在线观看视频| 麻豆久久精品国产亚洲av| 一级av片app| 免费不卡的大黄色大毛片视频在线观看 | 少妇被粗大猛烈的视频| 成人美女网站在线观看视频| 日韩,欧美,国产一区二区三区| 禁无遮挡网站| 精品人妻视频免费看| 午夜久久久久精精品| 嫩草影院精品99| 欧美区成人在线视频| 日韩一区二区三区影片| 一级毛片 在线播放| 久久亚洲国产成人精品v| 能在线免费看毛片的网站| 亚洲激情五月婷婷啪啪| av线在线观看网站| 激情 狠狠 欧美| 99视频精品全部免费 在线| 国产精品国产三级国产专区5o| 美女国产视频在线观看| 中文资源天堂在线| 精品久久久精品久久久| 久久99蜜桃精品久久| 国产高清三级在线| 搡老妇女老女人老熟妇| 1000部很黄的大片| 亚洲人成网站在线播| 国国产精品蜜臀av免费| 三级男女做爰猛烈吃奶摸视频| 麻豆乱淫一区二区| 97超视频在线观看视频| 国产精品99久久久久久久久| 一本一本综合久久| 国产一区二区在线观看日韩| 免费观看精品视频网站| 久久韩国三级中文字幕| 亚洲精品日韩在线中文字幕| 久久精品国产鲁丝片午夜精品| 久久久精品欧美日韩精品| .国产精品久久| 免费黄色在线免费观看| av免费在线看不卡| 精品少妇黑人巨大在线播放| 亚洲av免费高清在线观看| 欧美日韩精品成人综合77777| 美女被艹到高潮喷水动态| 国产精品久久久久久av不卡| 日日啪夜夜撸| 丝袜喷水一区| 91在线精品国自产拍蜜月| 久久久久久九九精品二区国产| av线在线观看网站| 一级毛片电影观看| 成年版毛片免费区| 久久精品国产亚洲网站| 一级毛片 在线播放| 99re6热这里在线精品视频| 中文乱码字字幕精品一区二区三区 | 少妇人妻精品综合一区二区| 高清日韩中文字幕在线| 国产探花极品一区二区| 国产片特级美女逼逼视频| 亚洲欧美成人综合另类久久久| 国产精品人妻久久久久久| 一个人免费在线观看电影| 精品一区二区三区人妻视频| 精品久久久久久成人av| 搡老乐熟女国产| 精品熟女少妇av免费看| 久久久久性生活片| av又黄又爽大尺度在线免费看| 国产成人精品福利久久| 韩国av在线不卡| 五月玫瑰六月丁香| 久久久久久久久久久免费av| 青春草国产在线视频| 国产亚洲91精品色在线| 黄色日韩在线| 女人被狂操c到高潮| 有码 亚洲区| 插逼视频在线观看| 亚洲av不卡在线观看| 国产视频首页在线观看| 亚洲欧美精品自产自拍| 欧美成人午夜免费资源| 欧美性感艳星| 日韩欧美 国产精品| 国产在视频线在精品| 91在线精品国自产拍蜜月| 日韩精品青青久久久久久| 亚洲人成网站高清观看| 毛片一级片免费看久久久久| 国产黄频视频在线观看| 欧美一级a爱片免费观看看| 嫩草影院入口| 精品人妻视频免费看| 波多野结衣巨乳人妻| 亚洲最大成人手机在线| 草草在线视频免费看| 熟妇人妻久久中文字幕3abv|