• <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 ?

    一種具有噪聲魯棒性的人臉表情識(shí)別算法研究

    2015-10-20 09:13:10曹雪虹焦良葆
    電視技術(shù) 2015年3期
    關(guān)鍵詞:人眼擴(kuò)散系數(shù)人臉

    王 鎮(zhèn),童 瑩,曹雪虹,,焦良葆

    (1.南京郵電大學(xué)通信與信息工程學(xué)院,江蘇南京210003;2.南京工程學(xué)院通信工程學(xué)院,江蘇南京211167)

    1 人臉表情識(shí)別

    人臉面部表情是人類重要的形體語(yǔ)言之一,能夠比較準(zhǔn)確地反映情感、精神、心理等狀態(tài)變化。近年來(lái),利用計(jì)算機(jī)分析理解人臉表情完成相關(guān)工作,在人機(jī)交互中具有重要應(yīng)用前景,人臉表情識(shí)別技術(shù)逐漸成為研究熱點(diǎn)。人臉表情識(shí)別系統(tǒng)如圖1所示,由表情圖像預(yù)處理、人臉檢測(cè)與區(qū)域分割、表情特征提取和分類4個(gè)部分組成[1]。對(duì)于一幅高質(zhì)量圖像,特征提取和分類是人臉表情識(shí)別系統(tǒng)的兩個(gè)重要步驟??紤]到分類器識(shí)別效果好壞很大程度上取決于特征描述準(zhǔn)確性的高低,因此表情特征提取是人臉表情識(shí)別系統(tǒng)的重要環(huán)節(jié),是提高分類準(zhǔn)確率的關(guān)鍵。

    圖1 人臉表情識(shí)別系統(tǒng)流程圖

    常見(jiàn)的靜態(tài)圖像人臉特征提取方法有主成分分析法(PrincipalComponentAnalysis,PCA)[2]、獨(dú)立分量分析法(IndependentComponentAnalysis,ICA)[3]、Gabor 小波變換[4]、局部二值模式(LocalBinaryPattern,LBP)[5]和尺度不變特征變換(ScaleInvariantFeatureTransform,SIFT)[6]等。PCA、ICA子空間方法受樣本數(shù)量、圖像空域變化影響較大;LBP 是一種有效的紋理描述子,但編碼方式對(duì)鄰域灰度值變化敏感;Gabor小波變換、SIFT算子運(yùn)行時(shí)間長(zhǎng),特征維數(shù)巨大,不具有實(shí)時(shí)性,因此這些特征提取算法仍有局限性。針對(duì)這些不足,Dala N和Triggs B在2005年提出了梯度方向直方圖(Histograms of oriented gradients,HOG)[7]算法,它是一種形狀描述子,通過(guò)計(jì)算局部區(qū)域的梯度方向并統(tǒng)計(jì)個(gè)數(shù),得到梯度方向直方圖,能夠很好地表征圖像的邊緣信息,具有方向不變性等特點(diǎn)。因此,相比LBP、Gabor、SIFT等算子,本文采用改進(jìn)HOG算子可以有效提取人臉表情特征,且設(shè)置合理參數(shù)使特征維數(shù)大大降低,具有實(shí)時(shí)性。

    但實(shí)際應(yīng)用中,人臉表情圖像獲取容易受噪聲、光照、遮擋等因素影響,圖像質(zhì)量參差不齊,因此在進(jìn)行表情特征提取和識(shí)別之前,預(yù)處理工作又顯得尤為重要。本文僅考慮受噪聲污染嚴(yán)重的情況,首先對(duì)圖像進(jìn)行濾波預(yù)處理。目前,圖像濾波方法有很多[8],經(jīng)典算法有均值濾波、中值濾波、Wiener濾波等,它們?cè)谄交肼暤耐瑫r(shí),也模糊了圖像的邊緣,不能很好重現(xiàn)原始圖像中的結(jié)構(gòu)信息。近幾年,針對(duì)圖像濾波中保持重要特征的問(wèn)題,基于非線性方程的濾波方法得到很大發(fā)展,尤其是Perona和Malilik提出的各向異性擴(kuò)散濾波方法[9],其在圖像灰度平坦區(qū)域選擇大尺度平滑,在邊緣部分選擇小尺度平滑,從而實(shí)現(xiàn)了抑制噪聲的同時(shí)較好地保護(hù)圖像邊緣信息的目的,并得到廣泛應(yīng)用。嚴(yán)哲等[10]將地震相干屬性值作為斷層信息保護(hù)因子引入到各向異性擴(kuò)散濾波中,提出了一種基于各向異性擴(kuò)散濾波的地震圖像增強(qiáng)處理方法;陳金林等[11]提出一種結(jié)合各向異性擴(kuò)散和小波域的數(shù)字水印算法,保證水印不可見(jiàn)性的同時(shí),具有較好的魯棒性;付麗娟等[12]將PM算法與中值濾波相結(jié)合,用經(jīng)過(guò)中值濾波平滑后的梯度模值代替原始圖像的梯度模值,在提高信噪比的同時(shí)保留了圖像的細(xì)節(jié)信息,可以更好地滿足醫(yī)學(xué)圖像的使用要求。因此,本文將具有人眼視覺(jué)特性的各向異性擴(kuò)散濾波方法應(yīng)用到人臉表情識(shí)別中,對(duì)受噪聲污染嚴(yán)重的降質(zhì)圖像進(jìn)行濾波預(yù)處理。利用人眼在不同亮度背景下對(duì)亮度差的敏感性不同,結(jié)合梯度值修正擴(kuò)散系數(shù),區(qū)分處理面部斑點(diǎn)噪聲和肌肉皺褶形變所對(duì)應(yīng)的弱邊緣、弱細(xì)節(jié),盡可能保留原始圖像中的表情信息,為后續(xù)HOG表情特征的準(zhǔn)確提取提供方便。

    綜上所述,本文從預(yù)處理和特征提取兩個(gè)角度進(jìn)行改進(jìn),提出一種在噪聲環(huán)境下有效識(shí)別人臉表情的方法。首先,設(shè)計(jì)一種具有人眼視覺(jué)特性的各向異性擴(kuò)散濾波方法,利用人眼在不同亮度背景下對(duì)亮度差的敏感性不同修正擴(kuò)散系數(shù),使其在濾除噪聲的同時(shí)更好地保留了表情圖像的弱小細(xì)節(jié)信息;其次,采用HOG算子提取表情特征,并且改進(jìn)梯度算子,設(shè)置合理參數(shù),大大降低了特征向量維數(shù),提高了算法的運(yùn)行效率和識(shí)別率。在JAFFE數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明,本文算法是一種有效的,具有一定的噪聲魯棒性的人臉表情識(shí)別算法。

    2 HOG算法原理及其改進(jìn)

    2.1 HOG算法基本原理

    梯度方向直方圖(Histogram of Oriented Gradients,HOG),是一種在計(jì)算機(jī)視覺(jué)和圖像處理中用來(lái)進(jìn)行物體檢測(cè)的特征描述子,它通過(guò)計(jì)算和統(tǒng)計(jì)圖像局部區(qū)域的梯度方向直方圖來(lái)構(gòu)成特征。

    采用HOG算子提取表情特征的具體步驟如下:

    1)計(jì)算圖像每個(gè)像素點(diǎn)的梯度幅值和方向,捕獲表情輪廓信息,弱化光照的干擾。

    2)將檢測(cè)窗口劃分成大小相同的單元格(cell)。

    3)統(tǒng)計(jì)每個(gè)單元格(cell)的梯度方向直方圖。

    4)將相鄰的單元格組合成無(wú)重疊的塊(block),統(tǒng)計(jì)整個(gè)塊的梯度方向直方圖特征,并對(duì)每個(gè)塊內(nèi)的直方圖進(jìn)行歸一化,減少背景顏色和噪聲的影響。

    5)最后連接所有塊(block)的梯度方向直方圖,得到表示整個(gè)表情圖像的HOG特征。

    2.2 HOG算法的改進(jìn)

    在文獻(xiàn)[7]中,筆者將每個(gè) cell大小設(shè)置為8×8(pixels),block大小設(shè)為2×2(cells),在0o~180o內(nèi)分了9個(gè)方向區(qū)間,用一維中心對(duì)稱模板[-1 0 1]來(lái)計(jì)算每個(gè)像素點(diǎn)的梯度幅值和方向,計(jì)算公式如下

    因此,對(duì)于一幅大小為128×128的圖像,可劃分為8×8=64個(gè)無(wú)重疊block區(qū)域,得到特征向量維數(shù)等于64×4×9=2 304??紤]到過(guò)高的特征維數(shù)會(huì)對(duì)識(shí)別率以及運(yùn)行時(shí)間產(chǎn)生影響,分析各個(gè)參數(shù)的表征效果,得到最佳參數(shù),即cell大小為16×16(pixels),block大小為4×4(cells),0°~180°仍然分為9個(gè)方向區(qū)間,此時(shí)特征維數(shù)等于4×144=576,特征維度降低了75%,算法運(yùn)行效率得到明顯的提升。

    同時(shí),本文采用canny模板代替一維中心對(duì)稱模板,梯度計(jì)算公式如式(3)~式(6)所示,得到梯度幅值圖像如圖2所示??梢钥闯?,canny算子梯度幅值圖像比一維中心對(duì)稱算子梯度幅值圖像面部干擾噪聲小,邊緣清晰,因此其梯度方向直方圖中有效值與干擾值差異度大,特征空間距離分類效果更理想。

    圖2 不同梯度算子幅值圖像

    3 各向異性擴(kuò)散濾波原理及改進(jìn)

    3.1 各向異性擴(kuò)散濾波原理

    平滑濾波是圖像處理中一個(gè)比較重要的環(huán)節(jié),早期一些常見(jiàn)的濾波器,如高斯低通濾波器、維納濾波器等,在平滑噪聲的同時(shí),也模糊了邊緣,丟失了圖像中的重要結(jié)構(gòu)信息。針對(duì)這一不足,眾多學(xué)者提出了大量的圖像濾波算子,其中最著名的是Perona和Malik[9]提出的采用方向性分布系數(shù)代替高斯卷積的各向異性擴(kuò)散濾波方法。

    各向異性擴(kuò)散方程(P-M方程)實(shí)質(zhì)上是偏微分方程形式的熱傳導(dǎo)方程,其表達(dá)式如下

    式中:f(x,y,t)為輸入圖像f(x,y)經(jīng)過(guò)t次迭代后的結(jié)果;div(·)是散度算子;c(·)為擴(kuò)散系數(shù),Perona和Malik提出如下兩種形式的擴(kuò)散系數(shù)方程

    式中:Δf()是梯度算子;‖Δ f(x,y,t)‖表示 f(x,y,t)的梯度模值;K為梯度閾值。從上面兩個(gè)方程可以看出,擴(kuò)散系數(shù)c(·)是一個(gè)以梯度模值為變量的單調(diào)遞減函數(shù),在梯度值越大的區(qū)域,擴(kuò)散系數(shù)越小,有利于保護(hù)圖像的邊緣信息;在梯度值越小的地方,擴(kuò)散系數(shù)越大,有利于平滑圖像中的噪聲。

    3.2 各向異性擴(kuò)散濾波的改進(jìn)

    Δ

    從式(8)~式(9)可以看出,擴(kuò)散系數(shù)僅對(duì)梯度模值‖f(x,y,t)‖比較敏感,因此在人臉表情識(shí)別應(yīng)用中,考慮表情變化會(huì)引起下巴、額頭、鼻梁等非顯性區(qū)域的肌肉紋理變化,這些變化產(chǎn)生的弱邊緣、弱細(xì)節(jié)也是表情識(shí)別的關(guān)鍵因素。但它們的梯度模值較小,擴(kuò)散系數(shù)較大,傳統(tǒng)P-M方程對(duì)其有平滑作用,導(dǎo)致細(xì)節(jié)丟失,表情信息不完整。

    鑒于此,本文提出了基于人眼視覺(jué)信息處理機(jī)制的各向異性擴(kuò)散濾波方法,利于人眼在不同亮度背景下對(duì)目標(biāo)的敏感性不同,修正擴(kuò)散系數(shù),使其能正確區(qū)分噪聲和弱小細(xì)節(jié)信息。

    3.2.1 人眼視覺(jué)信息處理機(jī)制

    研究表明,人眼對(duì)物體的識(shí)別能力與物體亮度和背景亮度有關(guān)。假設(shè)某一物體所處的背景平均亮度為I,物體本身亮度可看作為I+ΔI,只有當(dāng)亮度差ΔI大于某個(gè)閾值時(shí),人眼才能從背景中將目標(biāo)分辨出來(lái),此時(shí)的ΔI稱為剛可分辨亮度差,ΔI與 I之間成一種非線性關(guān)系,稱為閾值亮度比(TVI)。人眼視網(wǎng)膜上有視桿體和視錐體兩種視覺(jué)細(xì)胞,其中視桿體在暗光環(huán)境下特別敏感,視錐體在亮光環(huán)境下比較敏感。圖3為視桿體和視錐體的閾值亮度比函數(shù)曲線[13]。從圖中可以看出,當(dāng)背景很亮或者很暗時(shí),ΔI需要較大值才能使物體可見(jiàn)。

    圖3 TVI函數(shù)曲線

    3.2.2 具有人眼視覺(jué)特性的各向異性擴(kuò)散濾波

    文中利用人眼在不同的亮度背景下對(duì)亮度差的敏感性不同修正擴(kuò)散系數(shù),提出新的擴(kuò)散系數(shù)方程如下

    式中:‖Δ f(x,y,t)‖為梯度模值;ΔI(x,y,t)為剛可分辨亮度差;α為可調(diào)系數(shù);K為梯度閾值。其中ΔI(x,y,t)的具體求解步驟如下:

    1)以像素點(diǎn)(x,y)為中心,求其3×3鄰域的均值fm(x,y,t)。

    2)比較 f(x,y,t)和 fm(x,y,t)大小。若 f(x,y,t)> fm(x,y,t),則取3 ×3鄰域內(nèi)所有灰度值小于 fm(x,y,t)的像素均值作為(x,y)處的背景值 Im(x,y,t);反之,則取所有灰度值大于 fm(x,y,t)的像素均值作為(x,y)處的背景值 Im(x,y,t)。

    3)計(jì)算圖像的亮度差

    由此可見(jiàn),利用改進(jìn)擴(kuò)散方程可以有效區(qū)分邊緣、背景、弱小細(xì)節(jié)和噪聲。在邊緣變化明顯的目標(biāo)區(qū)域,例如眼睛、嘴巴、眉毛等顯性特征區(qū)域,梯度模值 Δf(x,y,t)較大,亮度差ΔI(x,y,t)也較大,因此擴(kuò)散系數(shù)小,平滑作用顯著降低,有利于保護(hù)邊緣信息;而在平坦背景區(qū)域,梯度模值較小,亮度變化也不大,因此平滑作用明顯,能夠有效濾除噪聲;并且,對(duì)于弱小細(xì)節(jié)區(qū)域,例如下巴、額頭、鼻梁等非顯性區(qū)域,雖然其梯度值較小,但亮度差較大,可對(duì)擴(kuò)散系數(shù)進(jìn)行修正,適當(dāng)減弱平滑作用,實(shí)現(xiàn)了在濾除噪聲同時(shí),也保留圖像中的弱小結(jié)構(gòu)信息的目的,有利于后續(xù)表情圖像的特征提取。

    圖4是采用傳統(tǒng)各向異性擴(kuò)散方法和文中改進(jìn)方法對(duì)表情圖像進(jìn)行濾波的效果對(duì)比圖。從圖中可以看出,相比原始人臉表情圖像(見(jiàn)圖4a),傳統(tǒng)各向異性擴(kuò)散方法(見(jiàn)圖4b)和文中改進(jìn)方法(見(jiàn)圖4c)均能有效濾除噪聲,但對(duì)于弱小細(xì)節(jié)區(qū)域,傳統(tǒng)各向異性擴(kuò)散方法處理效果不理想。例如在原始人臉表情圖像的下巴區(qū)域(見(jiàn)圖4d),有明顯的肌肉紋理變化且包含噪聲,傳統(tǒng)各向異性擴(kuò)散方法雖然去除了噪聲但也弱化了邊緣(見(jiàn)圖4e),而本文方法在有效濾除噪聲同時(shí),也較好的保護(hù)了細(xì)節(jié)信息,為準(zhǔn)確提取表情特征提供方便(見(jiàn)圖4f)。

    圖4 傳統(tǒng)各向異性擴(kuò)散濾波與人眼視覺(jué)下的各向異性擴(kuò)散濾波效果圖

    4 實(shí)驗(yàn)結(jié)果與分析

    文中算法是在MATLAB環(huán)境下,對(duì)JAFFE數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)仿真。JAFFE數(shù)據(jù)庫(kù)是日本ATR媒體信息科學(xué)實(shí)驗(yàn)室的Lyons博士提供的,包括10位日本女性在憤怒、厭惡、恐懼、高興、悲傷、驚訝6種情況下自發(fā)產(chǎn)生的表情圖像,共213幅圖像,圖像大小為256×256,文中選取其中每人每種表情3幅圖像,共180幅圖像進(jìn)行實(shí)驗(yàn)仿真。該數(shù)據(jù)庫(kù)完全開(kāi)放,且表情標(biāo)定標(biāo)準(zhǔn),現(xiàn)為多數(shù)研究人員仿真使用。

    在進(jìn)行實(shí)驗(yàn)仿真前,文中對(duì)數(shù)據(jù)庫(kù)中的圖像進(jìn)行表情區(qū)域劃分和歸一化預(yù)處理,將所有圖像尺寸歸一化為128×128。JAFFE數(shù)據(jù)庫(kù)的部分歸一化預(yù)處理樣本表情圖像如圖5所示。

    圖5 JAFFE數(shù)據(jù)庫(kù)的部分樣本表情圖像

    本文采用文獻(xiàn)[14]中Leave-One-Sample-Out和Leave-One-Subject-Out兩種樣本選擇方式進(jìn)行仿真實(shí)驗(yàn)。Leave-One-Sample-Out(L-O-Sap-O)是一種熟悉人臉樣本選擇方式,選取1幅圖像作為測(cè)試樣本,剩余N-1幅圖像作為訓(xùn)練樣本,交叉驗(yàn)證N次,其中N為表情數(shù)據(jù)庫(kù)中所有樣本的數(shù)量。采用這種樣本選擇方式可以最大程度選擇所有數(shù)據(jù)作為測(cè)試樣本,以確保每幅圖像的表情特征都被考慮到,實(shí)驗(yàn)結(jié)果更具有真實(shí)性。Leave-One-Subject-out(L-O-Sub-O)是一種不熟悉人臉樣本選擇方式,選取同一個(gè)人的所有表情作為測(cè)試樣本,剩余人的所有表情圖像作為訓(xùn)練樣本,交叉驗(yàn)證M次,其中M為表情數(shù)據(jù)庫(kù)中人的個(gè)數(shù)。這種樣本選擇方式可以用來(lái)評(píng)價(jià)分析人臉識(shí)別時(shí)不同表情變化對(duì)識(shí)別系統(tǒng)的影響。

    本文采用中心最近鄰分類器進(jìn)行表情識(shí)別,具體步驟參考文獻(xiàn)[15],文中不再詳述。實(shí)驗(yàn)仿真包含以下3個(gè)方面內(nèi)容:1)改進(jìn)HOG算子的有效性驗(yàn)證;2)基于人眼視覺(jué)信息處理機(jī)制的各向異性擴(kuò)散濾波有效性驗(yàn)證;3)本文算法對(duì)噪聲的魯棒性分析。

    4.1 改進(jìn)HOG算子有效性驗(yàn)證

    首先,與原始HOG算子[7]比較。設(shè)置原始HOG算子的cell大小為8×8(pixels),block大小為 2×2(cells),將 0°~180°劃分9個(gè)方向區(qū)間,用一維中心對(duì)稱模板[-1 0 1]來(lái)計(jì)算每個(gè)像素點(diǎn)的梯度幅值和方向;設(shè)置改進(jìn)HOG算子的cell大小為16×16(pixels),block大小為 4×4(cells),0°~180°仍然分為9個(gè)方向區(qū)間,采用canny模板代替一維中心對(duì)稱模板計(jì)算每個(gè)像素點(diǎn)的梯度幅值和方向。在JAFFE數(shù)據(jù)庫(kù)上的仿真結(jié)果如表1所示。

    表1 JAFFE數(shù)據(jù)庫(kù)的原始HOG算子與改進(jìn)HOG算子識(shí)別效果比較

    從表1可以看出,改進(jìn)的HOG算子相比原始HOG算子在兩種分類模式下,其識(shí)別率均有明顯提高,L-O-Sub-O模式提高了5.56%,L-O-Sap-O模式提高了5.55%;從算法的運(yùn)行時(shí)間看,改進(jìn)HOG算法的特征提取時(shí)間和分類時(shí)間均遠(yuǎn)遠(yuǎn)小于原始HOG算法的運(yùn)行時(shí)間。這是由于改進(jìn)的HOG算法中,將每個(gè)cell的尺寸擴(kuò)大了4倍,得到的特征向量長(zhǎng)度會(huì)相應(yīng)降低75%,更有利于特征提取和分類。由此可見(jiàn),相比于原始HOG算子,改進(jìn)的HOG算子大大降低了特征維數(shù),減小了冗余信息的干擾,減少了算法運(yùn)行時(shí)間,提高了分類準(zhǔn)確性,具有較好的實(shí)時(shí)性。

    其次,與 LBP 算子[5]、Gabor小波變換[4]比較。這里采用LBP(8,1)算子分別對(duì)表情圖中8×8=64個(gè)子塊區(qū)域進(jìn)行特征提取,采用文獻(xiàn)[4]中的方法對(duì)Gabor小波變換結(jié)果降維,得到Gabor特征。以JAFFE數(shù)據(jù)庫(kù)為例,采用L-O-Sap-O分類模式進(jìn)行實(shí)驗(yàn)仿真,各表情詳細(xì)識(shí)別結(jié)果如表2所示。

    表2 改進(jìn)HOG算子與LBP算子、Gabor小波變換的識(shí)別效果比較 %

    從表2可以看出,在JAFFE數(shù)據(jù)庫(kù)下,改進(jìn)HOG算子相比LBP算子和Gabor小波變換,識(shí)別率有近13%的提高。由此可見(jiàn),文中改進(jìn)的HOG算子是一種有效的形狀描述子,能更準(zhǔn)確地描述人臉表情特征。

    4.2 具有人眼視覺(jué)特性各向異性擴(kuò)散濾波有效性驗(yàn)證

    在JAFFE數(shù)據(jù)庫(kù)中進(jìn)行實(shí)驗(yàn)仿真,首先采用原始各向異性擴(kuò)散濾波和改進(jìn)各向異性擴(kuò)散濾波進(jìn)行去噪預(yù)處理,再利用改進(jìn)HOG算子提取表情特征,分類結(jié)果如表3所示。兩種濾波器的參數(shù)設(shè)置如下:原始各向異性擴(kuò)散濾波的迭代次數(shù)為9次,梯度閾值K=5;改進(jìn)各向異性擴(kuò)散濾波的迭代次數(shù)為3次,梯度閾值K=10,常數(shù)系數(shù)α=0.8。

    表3 JAFFE數(shù)據(jù)庫(kù)中原始各向異性擴(kuò)散濾波與改進(jìn)各向異性擴(kuò)散濾波的識(shí)別率比較 %

    從表中可以看出,因改進(jìn)各向異性擴(kuò)散濾波比原始各向異性擴(kuò)散濾波更能有效區(qū)分噪聲和細(xì)節(jié),使得表情信息盡可能完整,在此基礎(chǔ)上利用改進(jìn)HOG算子提取表情特征和分類,兩種分類模式的識(shí)別率均有提高。由此可見(jiàn),文中提出的具有人眼視覺(jué)特性的各向異性擴(kuò)散濾波與改進(jìn)HOG算子的組合是一種有效的表情識(shí)別算法。

    4.3 本文算法的噪聲魯棒性能分析

    為進(jìn)一步研究本文算法對(duì)噪聲的魯棒性,對(duì)JAFFE數(shù)據(jù)庫(kù)中的人臉表情圖像分別加入方差為0.01的高斯白噪聲和噪聲密度為0.05的椒鹽噪聲,分別采用原始各向異性擴(kuò)散濾波和改進(jìn)的各向異性擴(kuò)散濾波方法進(jìn)行去噪預(yù)處理,用文中改進(jìn)HOG算法進(jìn)行表情特征提取和分類,實(shí)驗(yàn)結(jié)果如表4所示。

    從表4可以看出,因受高斯白噪聲和椒鹽噪聲的影響,圖像質(zhì)量變差,改進(jìn)HOG算子的識(shí)別率急劇下降,尤其是在L-O-Sap-O分類模式下,識(shí)別率下降近23%,這表明HOG算子對(duì)噪聲的魯棒性較差。若在特征提取之前,先采用原始各向異性擴(kuò)散濾波或文中提出的改進(jìn)各向異性擴(kuò)散濾波對(duì)加入噪聲的圖像進(jìn)行濾波預(yù)處理,識(shí)別率均有明顯提高。由此可見(jiàn),當(dāng)圖像質(zhì)量較差時(shí),預(yù)處理工作將顯得尤為重要,并且從識(shí)別率上可以看出,改進(jìn)的各向異性擴(kuò)散濾波比原始各向異性擴(kuò)散濾波去噪效果更佳。

    表4 不同噪聲下原始各項(xiàng)異性擴(kuò)散濾波與改進(jìn)的各向異性擴(kuò)散濾波識(shí)別率比較 %

    5 結(jié)論

    本文針對(duì)人臉表情識(shí)別中預(yù)處理和特征提取兩個(gè)步驟進(jìn)行改進(jìn),提出一種有效的、具有一定噪聲魯棒性的人臉表情識(shí)別算法。

    首先,提出一種基于人眼視覺(jué)信息處理機(jī)制的各向異性擴(kuò)散濾波方法,該方法利用人眼在不同的亮度背景下對(duì)亮度差的敏感性不同修正擴(kuò)散系數(shù)。與原始各向異性擴(kuò)散濾波方法相比,該算法在有效去除噪聲的同時(shí),能更好地保留圖像的邊緣信息和紋理細(xì)節(jié)信息,保證了表情信息的完整性。

    其次,采用能夠很好地表征圖像邊緣信息的HOG算子提取人臉表情特征,并修改梯度算子,合理設(shè)置參數(shù),大大降低特征維數(shù),有效消除冗余信息的干擾,提高識(shí)別效率,具有實(shí)時(shí)性。

    在JAFFE數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)仿真結(jié)果表明,與傳統(tǒng)的LBP算子和Gabor算子相比,文中改進(jìn)的HOG算子是一種有效的形狀描述子,能更準(zhǔn)確地描述人臉表情特征。且對(duì)于加入了高斯白噪聲和椒鹽噪聲的表情圖像,相比于原始各向異性擴(kuò)散濾波方法,文中提出的具有人眼視覺(jué)特性的各向異性擴(kuò)散濾波有更好的濾波效果,抗噪聲性能更強(qiáng)。因此,對(duì)于降質(zhì)圖像,本文提出算法可以有效區(qū)分噪聲和表情信息,且準(zhǔn)確提取特征,是一種有效的人臉表情識(shí)別算法。

    [1] SONG K T,CHIEN SC.Facial expression recognition based on mixture of basic expressions and intensities[C]//Proc.2012 IEEE International Conference on Systems,Man,and Cybernetics.[S.l.]:IEEE Press,2012:3123-3128.

    [2] ZHAOLihong,YANGCaikun,PAN Feng,et al.Face recognition based on gabor with 2DPCA and PCA[C]//Proc.2012 24th Chines Control and Decision Conference.[S.l.]:IEEE Press,2012:2632-2635.

    [3] BECKMANN C F,SMITH S M.Probabilistic independent component analysis for functional magnetic resonance imaging[J].IEEE Trans.Med.Imaging,2004(23):137-152

    [4]阮錦新.多姿態(tài)人臉檢測(cè)與表情識(shí)別關(guān)鍵技術(shù)研究[D].廣州:華南理工大學(xué),2010:64-83

    [5] OJALA T,PIETIKAINENM,HARWOODD.A comparative study of texture measures with classification based on feature distributions[J].Pattern Recognition,1996,29(1):51-59

    [6] GENG Cong,JIANG Xudong.Face recognition using SIFT features[C]//Proc.2009 16th IEEE International Conference on Image Processing.[S.l.]:IEEE Press,2009:3313-3316.

    [7] DALA N,TRIGGS B.Histograms of oriented gradients for human detection[C]//Proc.IEEE Computer Society Conferenceon Computer Vision and Pattern Recognition(CVPR'05).San Diego,CA,USA:IEEE Press,2005:886-893.

    [8]李麗萍.圖像去噪方法研究[D].武漢:長(zhǎng)江大學(xué),2012.

    [9] PERONA P,MALIK J.Scale space and edge detection using anisotropic diffusion[J].IEEE Trans.Pattern Analysis and Machine Intelligence,1990,12(7):629-639.

    [10]嚴(yán)哲,顧漢明,蔡成國(guó).基于各向異性擴(kuò)散濾波的地震圖像增強(qiáng)處理[J].石油地球物理學(xué)報(bào),2013,48(3):390-394.

    [11]陳金林,劉謝進(jìn).基于異性擴(kuò)撒方法的數(shù)字圖像水印研究[J].計(jì)算機(jī)應(yīng)用與軟件,2013,30(7):151-153.

    [12]付麗娟,姚宇,付忠良.中值濾波與各向異性擴(kuò)散相結(jié)合的醫(yī)學(xué)圖像濾波方法[J].計(jì)算機(jī)應(yīng)用,2014,34(1):145-148.

    [13] FERWERDA J A.Element of early vision for computer graphics[J].IEEE Computer Graphics and Applications,2001,21(5):22-33.

    [14] MARIOSK,ANASTASIOST,IOANNISP.Salient feature and reliable classifier selection for facial expression classification[J].Pattern Recognition,2010(43):972-986.

    [15]付曉峰.基于二元模式的人臉識(shí)別與表情識(shí)別研究[D].杭州:浙江大學(xué),2008.

    [16] DENIZ O,BUENO G,SALIDO J,et al.Face recognition using histograms of oriented gradients[J].Pattern Recognition Letters,2011(32):1598-1603.

    [17] SONG Fengyi,TAN Xiaoyang,LIU Xue,et al.Eyes closeness detection from still images with multi-scale histograms of principal ori ented gradients[J].Pattern Recognition,2014,47(9):2825-2838.

    猜你喜歡
    人眼擴(kuò)散系數(shù)人臉
    有特點(diǎn)的人臉
    人眼X光
    人眼為什么能看到虛像
    三國(guó)漫——人臉解鎖
    閃瞎人眼的,還有唇
    優(yōu)雅(2016年12期)2017-02-28 21:32:58
    看人,星光璀璨繚人眼
    電影故事(2016年5期)2016-06-15 20:27:30
    基于Sauer-Freise 方法的Co- Mn 體系fcc 相互擴(kuò)散系數(shù)的研究
    上海金屬(2015年5期)2015-11-29 01:13:59
    FCC Ni-Cu 及Ni-Mn 合金互擴(kuò)散系數(shù)測(cè)定
    上海金屬(2015年6期)2015-11-29 01:09:09
    非時(shí)齊擴(kuò)散模型中擴(kuò)散系數(shù)的局部估計(jì)
    馬面部與人臉相似度驚人
    亚洲视频免费观看视频| 性少妇av在线| 少妇被粗大的猛进出69影院| 亚洲伊人色综图| 精品高清国产在线一区| 亚洲国产av影院在线观看| 久久人妻福利社区极品人妻图片| 日本91视频免费播放| 午夜视频精品福利| 亚洲精品第二区| 国产99久久九九免费精品| 国产精品 欧美亚洲| www.精华液| 婷婷丁香在线五月| 成人手机av| 汤姆久久久久久久影院中文字幕| 亚洲精品中文字幕一二三四区 | av欧美777| 久久久久国产精品人妻一区二区| 午夜日韩欧美国产| 亚洲精品久久午夜乱码| 成人18禁高潮啪啪吃奶动态图| 伦理电影免费视频| 最新的欧美精品一区二区| 欧美国产精品一级二级三级| 日本一区二区免费在线视频| a级毛片在线看网站| 国产精品 国内视频| 在线精品无人区一区二区三| 91成人精品电影| 丰满少妇做爰视频| 亚洲成国产人片在线观看| 超色免费av| 国产成人精品在线电影| 亚洲精品国产精品久久久不卡| 高清视频免费观看一区二区| www.自偷自拍.com| 国产精品秋霞免费鲁丝片| 91av网站免费观看| 免费看十八禁软件| 亚洲av片天天在线观看| 丝袜人妻中文字幕| 这个男人来自地球电影免费观看| 无遮挡黄片免费观看| 免费一级毛片在线播放高清视频 | 国产日韩欧美亚洲二区| 久久精品国产综合久久久| 又黄又粗又硬又大视频| 国产av国产精品国产| 一二三四社区在线视频社区8| 精品高清国产在线一区| 免费在线观看日本一区| 操美女的视频在线观看| 免费观看av网站的网址| 国产深夜福利视频在线观看| 亚洲av成人不卡在线观看播放网 | 性少妇av在线| a在线观看视频网站| 超碰97精品在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲一区二区三区欧美精品| 亚洲久久久国产精品| 亚洲国产看品久久| 老熟妇乱子伦视频在线观看 | netflix在线观看网站| 亚洲精品自拍成人| 亚洲国产日韩一区二区| 在线观看免费视频网站a站| 国产高清国产精品国产三级| 国产99久久九九免费精品| 两个人看的免费小视频| 我的亚洲天堂| 久久热在线av| 法律面前人人平等表现在哪些方面 | 亚洲国产欧美在线一区| a在线观看视频网站| 国产精品偷伦视频观看了| 久久久国产成人免费| av有码第一页| a 毛片基地| 777久久人妻少妇嫩草av网站| 亚洲色图综合在线观看| 69精品国产乱码久久久| 黄频高清免费视频| 啪啪无遮挡十八禁网站| 交换朋友夫妻互换小说| 国产黄色免费在线视频| 国产熟女午夜一区二区三区| 丰满人妻熟妇乱又伦精品不卡| 99久久99久久久精品蜜桃| 久久综合国产亚洲精品| 秋霞在线观看毛片| 国产精品久久久久成人av| 我的亚洲天堂| 脱女人内裤的视频| 亚洲国产精品一区三区| 最黄视频免费看| 久久综合国产亚洲精品| 97人妻天天添夜夜摸| 日本91视频免费播放| 老司机影院毛片| 最近最新中文字幕大全免费视频| 欧美日韩成人在线一区二区| 色视频在线一区二区三区| 一二三四在线观看免费中文在| avwww免费| 一二三四社区在线视频社区8| 亚洲七黄色美女视频| 男女下面插进去视频免费观看| 免费女性裸体啪啪无遮挡网站| 国产有黄有色有爽视频| av免费在线观看网站| 久久国产精品人妻蜜桃| 精品第一国产精品| 人人妻人人添人人爽欧美一区卜| 日韩中文字幕视频在线看片| 多毛熟女@视频| www.熟女人妻精品国产| 亚洲欧洲精品一区二区精品久久久| 国产男女内射视频| 欧美另类亚洲清纯唯美| 国产亚洲精品一区二区www | 亚洲三区欧美一区| 国产野战对白在线观看| 亚洲精品中文字幕在线视频| 欧美在线黄色| 天天添夜夜摸| 三级毛片av免费| 国产亚洲欧美精品永久| www.精华液| svipshipincom国产片| 一级片'在线观看视频| 欧美另类亚洲清纯唯美| av网站在线播放免费| 自拍欧美九色日韩亚洲蝌蚪91| 日韩中文字幕视频在线看片| 亚洲欧洲日产国产| 欧美久久黑人一区二区| 成人手机av| 亚洲av男天堂| 高清av免费在线| 国产精品免费大片| 制服人妻中文乱码| 高清欧美精品videossex| 狂野欧美激情性bbbbbb| 黄网站色视频无遮挡免费观看| 亚洲精品国产区一区二| 亚洲第一av免费看| 久久久水蜜桃国产精品网| 午夜福利在线免费观看网站| 精品久久久久久久毛片微露脸 | 久久人人爽人人片av| 亚洲第一青青草原| 亚洲精品粉嫩美女一区| 狂野欧美激情性xxxx| 一本久久精品| 青春草视频在线免费观看| 亚洲欧美精品自产自拍| 欧美日韩亚洲国产一区二区在线观看 | 国产一级毛片在线| 亚洲性夜色夜夜综合| 国产成人欧美在线观看 | 精品国产一区二区三区四区第35| 国产精品自产拍在线观看55亚洲 | 日韩,欧美,国产一区二区三区| 如日韩欧美国产精品一区二区三区| 久久久久久久精品精品| 精品人妻1区二区| 久久av网站| 肉色欧美久久久久久久蜜桃| 久久久国产一区二区| 亚洲熟女毛片儿| 十八禁网站网址无遮挡| 日本wwww免费看| 一区二区三区乱码不卡18| 精品亚洲成国产av| 丝袜人妻中文字幕| 亚洲国产欧美网| 91成人精品电影| 亚洲av国产av综合av卡| 久久综合国产亚洲精品| 三上悠亚av全集在线观看| 久久久国产精品麻豆| 最新在线观看一区二区三区| 国产精品99久久99久久久不卡| 久久久欧美国产精品| 母亲3免费完整高清在线观看| 人人澡人人妻人| 悠悠久久av| 久久久国产精品麻豆| 国产精品亚洲av一区麻豆| 免费人妻精品一区二区三区视频| 真人做人爱边吃奶动态| 午夜福利视频在线观看免费| 免费看十八禁软件| 亚洲av片天天在线观看| 国产淫语在线视频| 性少妇av在线| 亚洲精品第二区| 亚洲精品美女久久久久99蜜臀| 中文字幕人妻熟女乱码| www日本在线高清视频| 久久久久久久国产电影| 欧美xxⅹ黑人| 人人妻人人添人人爽欧美一区卜| 久久亚洲精品不卡| 中文欧美无线码| 亚洲成人手机| 欧美黑人精品巨大| 精品一区二区三区四区五区乱码| 五月天丁香电影| 久久毛片免费看一区二区三区| 国产欧美日韩一区二区精品| 超碰成人久久| 欧美激情 高清一区二区三区| 少妇人妻久久综合中文| 欧美激情久久久久久爽电影 | 久久久国产欧美日韩av| 免费在线观看完整版高清| 制服诱惑二区| 人人妻人人添人人爽欧美一区卜| 热re99久久精品国产66热6| 男女床上黄色一级片免费看| 午夜老司机福利片| 在线 av 中文字幕| 国产在线免费精品| 久久久久国产一级毛片高清牌| 国产精品99久久99久久久不卡| 亚洲成av片中文字幕在线观看| 人人妻人人澡人人看| 美国免费a级毛片| 精品一品国产午夜福利视频| 99精品久久久久人妻精品| 国产一区二区 视频在线| 成年av动漫网址| 国产免费福利视频在线观看| 亚洲国产精品一区三区| 久久精品国产a三级三级三级| 男女免费视频国产| 中文字幕最新亚洲高清| 欧美成人午夜精品| 99精国产麻豆久久婷婷| 黑人欧美特级aaaaaa片| 国产无遮挡羞羞视频在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 国产精品1区2区在线观看. | 亚洲av成人不卡在线观看播放网 | 另类亚洲欧美激情| 国产三级黄色录像| 电影成人av| 最新在线观看一区二区三区| 大片电影免费在线观看免费| 国产精品免费视频内射| 亚洲精品久久成人aⅴ小说| 欧美精品一区二区大全| 爱豆传媒免费全集在线观看| xxxhd国产人妻xxx| 18禁观看日本| 亚洲中文av在线| 一区二区av电影网| 日本av手机在线免费观看| 中文字幕制服av| 亚洲国产精品一区二区三区在线| 久久午夜综合久久蜜桃| 亚洲国产欧美日韩在线播放| 一二三四社区在线视频社区8| 最近最新免费中文字幕在线| 国产麻豆69| 亚洲色图综合在线观看| 亚洲专区字幕在线| 精品高清国产在线一区| 亚洲午夜精品一区,二区,三区| av不卡在线播放| 天天躁日日躁夜夜躁夜夜| 色老头精品视频在线观看| 精品人妻1区二区| 19禁男女啪啪无遮挡网站| 99国产精品免费福利视频| 视频区欧美日本亚洲| 久久精品亚洲av国产电影网| √禁漫天堂资源中文www| 亚洲一区中文字幕在线| 超碰97精品在线观看| 亚洲情色 制服丝袜| 色播在线永久视频| 丰满饥渴人妻一区二区三| 久久精品国产亚洲av香蕉五月 | 欧美人与性动交α欧美精品济南到| 正在播放国产对白刺激| 国产日韩欧美视频二区| 亚洲视频免费观看视频| 免费在线观看黄色视频的| 真人做人爱边吃奶动态| 极品少妇高潮喷水抽搐| 国产精品影院久久| www.av在线官网国产| 汤姆久久久久久久影院中文字幕| 人人妻人人澡人人看| 精品国产国语对白av| 巨乳人妻的诱惑在线观看| 男女免费视频国产| 一本色道久久久久久精品综合| 免费在线观看视频国产中文字幕亚洲 | 水蜜桃什么品种好| 日韩中文字幕欧美一区二区| 一个人免费看片子| 女性生殖器流出的白浆| 后天国语完整版免费观看| 欧美大码av| 超碰成人久久| 激情视频va一区二区三区| 少妇精品久久久久久久| 欧美激情极品国产一区二区三区| 桃红色精品国产亚洲av| 一级片'在线观看视频| 老熟妇乱子伦视频在线观看 | 日日摸夜夜添夜夜添小说| 国产伦人伦偷精品视频| 欧美激情极品国产一区二区三区| 国产精品一区二区在线观看99| 99精国产麻豆久久婷婷| 啪啪无遮挡十八禁网站| 久久国产精品大桥未久av| 99香蕉大伊视频| 国精品久久久久久国模美| 亚洲精品在线美女| 天天躁夜夜躁狠狠躁躁| 成年av动漫网址| 午夜福利,免费看| 天天操日日干夜夜撸| 青草久久国产| 国产精品亚洲av一区麻豆| 人妻人人澡人人爽人人| 考比视频在线观看| 91国产中文字幕| 成人18禁高潮啪啪吃奶动态图| av免费在线观看网站| 欧美在线黄色| 美女脱内裤让男人舔精品视频| 天天影视国产精品| 国产精品一二三区在线看| 久久精品熟女亚洲av麻豆精品| 久久人妻福利社区极品人妻图片| 中文字幕人妻熟女乱码| 中文字幕色久视频| 丝袜美足系列| 国产激情久久老熟女| 中国国产av一级| 秋霞在线观看毛片| 大香蕉久久网| 日本vs欧美在线观看视频| 亚洲午夜精品一区,二区,三区| 新久久久久国产一级毛片| 欧美黑人精品巨大| 纵有疾风起免费观看全集完整版| 国产av又大| 精品少妇内射三级| 亚洲国产欧美日韩在线播放| 男女之事视频高清在线观看| 免费在线观看黄色视频的| 一区二区三区乱码不卡18| 精品福利观看| 久久久久精品国产欧美久久久 | av线在线观看网站| 少妇裸体淫交视频免费看高清 | 亚洲黑人精品在线| 中国美女看黄片| 亚洲美女黄色视频免费看| 日韩有码中文字幕| 欧美黄色淫秽网站| 欧美 亚洲 国产 日韩一| kizo精华| 国产精品九九99| 久久精品成人免费网站| 久久99热这里只频精品6学生| 99热全是精品| 99精品欧美一区二区三区四区| 国产成+人综合+亚洲专区| 日韩 欧美 亚洲 中文字幕| 久久中文字幕一级| 亚洲人成电影观看| 天天添夜夜摸| 伊人亚洲综合成人网| 午夜老司机福利片| 欧美日韩国产mv在线观看视频| 人妻人人澡人人爽人人| 国产亚洲一区二区精品| 五月天丁香电影| 日韩精品免费视频一区二区三区| 亚洲欧美精品自产自拍| 老司机午夜福利在线观看视频 | 天天躁狠狠躁夜夜躁狠狠躁| 国产成人精品无人区| 三级毛片av免费| 99久久99久久久精品蜜桃| 日韩中文字幕欧美一区二区| 久久国产精品男人的天堂亚洲| 香蕉丝袜av| 大香蕉久久成人网| 欧美日韩亚洲国产一区二区在线观看 | 久久亚洲精品不卡| 深夜精品福利| 免费观看人在逋| 免费观看人在逋| 亚洲国产精品一区三区| 99国产精品一区二区三区| 国产亚洲精品第一综合不卡| 日韩大码丰满熟妇| 日日爽夜夜爽网站| 黄网站色视频无遮挡免费观看| 精品少妇黑人巨大在线播放| 日韩制服骚丝袜av| 午夜激情av网站| 欧美日韩中文字幕国产精品一区二区三区 | 日韩 亚洲 欧美在线| 热99久久久久精品小说推荐| 国产黄色免费在线视频| 国产主播在线观看一区二区| 交换朋友夫妻互换小说| 永久免费av网站大全| 国产男人的电影天堂91| www日本在线高清视频| 一区二区日韩欧美中文字幕| 国产一区二区三区av在线| 咕卡用的链子| 久久久欧美国产精品| 99热网站在线观看| 妹子高潮喷水视频| 俄罗斯特黄特色一大片| www.熟女人妻精品国产| 激情视频va一区二区三区| 老司机影院毛片| 亚洲美女黄色视频免费看| 王馨瑶露胸无遮挡在线观看| 日韩 欧美 亚洲 中文字幕| 欧美日韩视频精品一区| 久久综合国产亚洲精品| 91字幕亚洲| 99精国产麻豆久久婷婷| 国产精品免费大片| 亚洲国产成人一精品久久久| 少妇裸体淫交视频免费看高清 | 在线亚洲精品国产二区图片欧美| 亚洲精品久久成人aⅴ小说| 亚洲人成电影观看| 在线观看免费午夜福利视频| 国产一区二区三区在线臀色熟女 | 国产亚洲av高清不卡| 久久久久精品人妻al黑| 一本—道久久a久久精品蜜桃钙片| 亚洲中文字幕日韩| 国产国语露脸激情在线看| 下体分泌物呈黄色| 国产免费福利视频在线观看| 丰满少妇做爰视频| 91成年电影在线观看| 日日摸夜夜添夜夜添小说| 国产精品国产av在线观看| 久久久国产一区二区| 午夜福利视频在线观看免费| 69精品国产乱码久久久| 一级a爱视频在线免费观看| 国产成人精品久久二区二区91| 国产精品 欧美亚洲| 啦啦啦啦在线视频资源| 久久精品成人免费网站| 在线十欧美十亚洲十日本专区| 亚洲中文av在线| 看免费av毛片| 少妇被粗大的猛进出69影院| svipshipincom国产片| 国产日韩欧美在线精品| 国产成人免费观看mmmm| 久久久久久久国产电影| 大香蕉久久成人网| 天天躁日日躁夜夜躁夜夜| 18禁国产床啪视频网站| 99热国产这里只有精品6| 亚洲国产精品成人久久小说| 黄色视频,在线免费观看| 黄色怎么调成土黄色| 国产精品久久久av美女十八| 成年动漫av网址| 日韩欧美一区二区三区在线观看 | 久久久精品区二区三区| 丝袜人妻中文字幕| 午夜两性在线视频| 十八禁人妻一区二区| 天天躁日日躁夜夜躁夜夜| 久久人妻福利社区极品人妻图片| 久久精品国产综合久久久| 日本黄色日本黄色录像| 久久影院123| 亚洲第一av免费看| 国产区一区二久久| 丝袜喷水一区| 女人精品久久久久毛片| 91成人精品电影| 18禁裸乳无遮挡动漫免费视频| 国产精品麻豆人妻色哟哟久久| 久久这里只有精品19| 欧美日韩亚洲高清精品| 久久九九热精品免费| 天堂俺去俺来也www色官网| 亚洲熟女精品中文字幕| 久久久久久人人人人人| 一区在线观看完整版| 侵犯人妻中文字幕一二三四区| 91av网站免费观看| 欧美 亚洲 国产 日韩一| 国产免费福利视频在线观看| 不卡av一区二区三区| 成年美女黄网站色视频大全免费| 女人爽到高潮嗷嗷叫在线视频| 久久中文字幕一级| 欧美日韩国产mv在线观看视频| 黄色视频,在线免费观看| 亚洲av成人一区二区三| videosex国产| 亚洲 欧美一区二区三区| 欧美激情 高清一区二区三区| 两性夫妻黄色片| 日本黄色日本黄色录像| 精品一区二区三区av网在线观看 | 五月天丁香电影| 狠狠狠狠99中文字幕| av国产精品久久久久影院| 1024香蕉在线观看| 50天的宝宝边吃奶边哭怎么回事| 日韩电影二区| 欧美国产精品一级二级三级| 日韩视频在线欧美| 亚洲欧洲日产国产| 热99久久久久精品小说推荐| 国产成人免费观看mmmm| 亚洲成人免费电影在线观看| 国产黄频视频在线观看| 亚洲精品成人av观看孕妇| 欧美精品一区二区免费开放| 老汉色∧v一级毛片| 欧美精品人与动牲交sv欧美| a 毛片基地| 国产免费福利视频在线观看| 欧美国产精品va在线观看不卡| 欧美在线一区亚洲| 国产老妇伦熟女老妇高清| av网站免费在线观看视频| 亚洲欧美日韩另类电影网站| 超色免费av| 啦啦啦啦在线视频资源| 中国美女看黄片| 久久久精品区二区三区| 亚洲人成电影免费在线| 日韩制服丝袜自拍偷拍| 少妇人妻久久综合中文| 久久久久久久国产电影| 极品人妻少妇av视频| 波多野结衣av一区二区av| 国产97色在线日韩免费| 国产野战对白在线观看| 99热网站在线观看| 国产在线观看jvid| 免费久久久久久久精品成人欧美视频| 考比视频在线观看| 亚洲国产精品一区三区| 99国产精品免费福利视频| 国产成人精品久久二区二区免费| 香蕉丝袜av| 欧美日韩av久久| 最新的欧美精品一区二区| 九色亚洲精品在线播放| 十八禁人妻一区二区| 激情视频va一区二区三区| 亚洲天堂av无毛| 亚洲少妇的诱惑av| 如日韩欧美国产精品一区二区三区| 欧美黄色淫秽网站| 淫妇啪啪啪对白视频 | 日韩一卡2卡3卡4卡2021年| 亚洲少妇的诱惑av| 精品欧美一区二区三区在线| 欧美97在线视频| 国产人伦9x9x在线观看| 成人亚洲精品一区在线观看| 中文字幕高清在线视频| 男女免费视频国产| 精品少妇一区二区三区视频日本电影| 大香蕉久久成人网| 欧美日韩av久久| 性色av乱码一区二区三区2| 老熟妇乱子伦视频在线观看 | 欧美日韩亚洲高清精品| 欧美成狂野欧美在线观看| 91字幕亚洲| 少妇的丰满在线观看| 一区二区日韩欧美中文字幕| 国产精品一区二区免费欧美 | 脱女人内裤的视频| 久久中文字幕一级| 一级黄色大片毛片| 69精品国产乱码久久久| 男女午夜视频在线观看| 中文精品一卡2卡3卡4更新| 国产又色又爽无遮挡免| 亚洲 欧美一区二区三区| 俄罗斯特黄特色一大片| 王馨瑶露胸无遮挡在线观看| av不卡在线播放| 国内毛片毛片毛片毛片毛片| 下体分泌物呈黄色| 大香蕉久久成人网| 十八禁高潮呻吟视频| 夫妻午夜视频| 欧美黑人欧美精品刺激| 丰满少妇做爰视频|