• <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“大T”型區(qū)域的AdaBoost人臉檢測算法

    2017-11-02 08:31李晶惠葉學(xué)義夏胡云葉楓
    軟件導(dǎo)刊 2017年10期
    關(guān)鍵詞:人臉檢測

    李晶惠++葉學(xué)義++夏胡云++葉楓

    摘要:針對AdaBoost人臉檢測算法分類器訓(xùn)練時Haar特征數(shù)目過多,導(dǎo)致訓(xùn)練過程過于耗時的問題,提出了一種基于“大T”型區(qū)域的AdaBoost人臉檢測算法。通過提取500張人臉樣本中的主要特征區(qū)域,投影到20×20的模板中,對重疊區(qū)域取其并集求得“大T”型特征篩選區(qū)域,以此模板優(yōu)化Haar特征,使用于分類器訓(xùn)練的Haar特征集中于人臉面部的關(guān)鍵區(qū)域。實驗結(jié)果表明,在LFW、PKU數(shù)據(jù)庫中進行人臉檢測,在不降低原始AdaBoost算法檢測率的同時,對PKU數(shù)據(jù)庫中的多人臉檢測算法的漏檢率有所改善,同時優(yōu)化了算法訓(xùn)練時間。

    關(guān)鍵詞:人臉檢測;AdaBoost算法;Haar特征;“大T”型特征篩選模板

    DOIDOI:10.11907/rjdk.171551

    中圖分類號:TP312文獻標(biāo)識碼:A文章編號:16727800(2017)010002205

    0引言

    AdaBoost算法最初由Freund等[1]提出,其關(guān)鍵思想是針對同一個訓(xùn)練集訓(xùn)練多個弱分類器,最后將這些弱分類器集成起來構(gòu)成最終的強分類器。人臉檢測是自動人臉識別系統(tǒng)中一個關(guān)鍵環(huán)節(jié)[2],它是指采用一定的策略對任意給定的圖片或視頻進行搜索,從而判斷其中是否存在人臉,如果存在則定位出每個人臉的位置、大小以及姿態(tài)的過程。Viola 等[3]提出的AdaBoost人臉檢測算法,在提高人臉識別準(zhǔn)確率的同時,極大加快了檢測速度。人臉的特征選取對于人臉檢測精度起著重要作用[4],基于AdaBoost的人臉檢測算法通常采用Haar特征來表示人臉的灰度變化,由于訓(xùn)練時Haar特征數(shù)目巨大導(dǎo)致訓(xùn)練過程過于耗時,而實際構(gòu)成人臉檢測分類器的Haar特征僅有幾千個。因此,有必要對Haar矩形特征進行優(yōu)化篩選以提升算法的整體訓(xùn)練速率。

    針對Haar特征數(shù)目過多問題,文獻[5]介紹了兩種常用的優(yōu)化Haar特征數(shù)目方法:①采用限制最小Haar特征尺寸大小并調(diào)整Haar特征的偏移量方式,優(yōu)化訓(xùn)練時Haar矩形特征個數(shù)。該方法雖然可以有效減少Haar矩形特征數(shù)量,但同時也會漏掉一些分類效果較好的矩形特征,因此會影響訓(xùn)練生成的分類器檢測率;②通過限制Haar矩形特征在檢測窗口中的遍歷范圍優(yōu)化Haar特征的數(shù)目,但采用這種方式會漏掉部分有效的人臉邊緣特征,同時矩形區(qū)域內(nèi)也包含了部分臉狹部位等分類特征不太明顯的區(qū)域。介于此,本文提出基于“大T”型區(qū)域的AdaBoost人臉檢測算法,通過采用“大T”型區(qū)域?qū)λ蠬aar特征進行篩選,使得用于訓(xùn)練的Haar特征集中于人臉面部的關(guān)鍵區(qū)域,降低了訓(xùn)練時Haar特征數(shù)目,加快了分類器的訓(xùn)練速度。實驗結(jié)果表明,采用 “大T”型區(qū)域篩選后的Haar矩形特征訓(xùn)練生成的分類器,在LFW、PKU數(shù)據(jù)庫中進行人臉檢測時,在不降低原始AdaBoost算法檢測率的同時,能改善PKU數(shù)據(jù)庫中的多人臉檢測算法漏檢率,同時優(yōu)化了算法的訓(xùn)練時間。

    1AdaBoost人臉檢測算法

    1.1AdaBoost算法概述

    基于AdaBoost算法的人臉檢測由Paul Viola和Michael Jones于2001年提出,通過從正負樣本中提取大量不同的Haar特征,并采用“積分圖”的計算方式求得對應(yīng)的特征值,對特征值遍歷找出分類錯誤率最低的特征值即對應(yīng)的最優(yōu)弱分類器,然后將訓(xùn)練樣本進行多次學(xué)習(xí),求出一系列最優(yōu)弱分類器線性組合成強分類器,最后將強分類器按照一定的規(guī)則組合成一個更加復(fù)雜的級聯(lián)分類器,并采用該級聯(lián)分類器進行人臉檢測。訓(xùn)練時若某個樣本被正確分類,則在下一次訓(xùn)練中該樣本的權(quán)重就會降低,相反分類錯誤的樣本在下一次訓(xùn)練中樣本權(quán)重就會增加。在不斷的循環(huán)中,弱分類器將其注意力集中至權(quán)重較大的分類器,根據(jù)檢測率和誤檢率要求,將簡單的弱分類器按照權(quán)重疊加成強分類器,并將強分類器級聯(lián)起來生成最需要的分類器[6],AdaBoost算法正是通過這種動態(tài)調(diào)整方式使訓(xùn)練生成的分類器更加關(guān)注于那些錯分的樣本。在進行人臉檢測時采用級聯(lián)分類器可快速排除圖像中明顯不是人臉的背景區(qū)域,進而在有可能存在人臉的區(qū)域更精細地檢測。

    1.2Haar矩形特征

    Viola構(gòu)建的人臉檢測分類器采用Haar矩形特征訓(xùn)練弱分類器,該特征是計算機視覺領(lǐng)域一種常用的特征描述算子,能較好地體現(xiàn)人臉的局部特征的灰度變化[7]。Haar矩形特征是由兩個或多個形狀大小相同的矩形組合而成,并采用黑白矩形塊反映人臉灰度變化差異。Haar矩形特征結(jié)構(gòu)簡單,計算方便。利用該特征訓(xùn)練生成的分類器,分類性能往往僅比隨機猜想的正確率略高,在實際應(yīng)用中難以起到較好的分類效果,屬于典型的弱分類器。本文選擇Viola提出的5種常用矩形特征原型進行實驗,具體的Haar特征原型如圖1所示。

    Haar矩形特征可以在檢測窗口中以“任意”尺寸放置,每一種形態(tài)表示不同的特征,準(zhǔn)確計算檢測窗口中矩形特征的個數(shù)是弱分類器訓(xùn)練的基礎(chǔ),以大小為W*H像素的檢測窗口為例:令X=W/w」,Y=H/h」,其中.」表示取整操作,W和H分別表示檢測窗口的寬度和高度,w和h分別表示Haar矩形特征的寬度和高度,t和ht(x)分別表示檢測窗口橫向和縱向可放大的倍數(shù)。因此一個大小為w×h的矩形特征在檢測窗口為W×H中的特征個數(shù)由公式(1)計算求得:

    X×Y×W+1-wX+12×H+1-hY+12(1)

    采用公式(1)計算出每個Haar特征原型在檢測窗口中的特征個數(shù),本文選用5種Haar特征原型在檢測窗口大小為20×20的情況下,矩形特征總數(shù)超過7萬個,而AdaBoost人臉檢測級聯(lián)分類器所用的Haar矩形特征數(shù)目遠少于訓(xùn)練特征個數(shù)。因此有必要對大量的Haar特征進行篩選,選出關(guān)鍵區(qū)域的Haar特征進行分類器訓(xùn)練,提升算法的訓(xùn)練速率。

    2訓(xùn)練特征優(yōu)化endprint

    2.1分類器構(gòu)成分析

    由于Haar矩形特征結(jié)構(gòu)簡單,應(yīng)用于人臉檢測時,可以根據(jù)人臉面部的灰度分布特點選擇不同的矩形特征原型,理論上影響訓(xùn)練時間的主要是訓(xùn)練樣本數(shù)目和參與訓(xùn)練的特征數(shù)目,為了使訓(xùn)練出的分類器具有很好的泛化能力,訓(xùn)練樣本數(shù)目不能太少,因此只能通過減少訓(xùn)練特征的數(shù)量來達到減少訓(xùn)練時間的目的[5]。AdaBoost算法是一種有效的特征選擇算法,通過從大量的特征中提取出對人臉檢測真正有用的特征,并從眾多特征中選擇最有效的弱分類器形成強分類器[8]。人臉的主要特征集中于面部中央位置,因此僅選擇該區(qū)域內(nèi)的Haar特征訓(xùn)練分類器以減少特征訓(xùn)練的數(shù)目,進而起到優(yōu)化訓(xùn)練時間的目的。

    根據(jù)人臉檢測的先驗知識,人臉圖像有一些明顯的基本特征,如臉部區(qū)域通常包括雙眼、鼻子和嘴巴等臉部特征和這些部位的結(jié)構(gòu)關(guān)系[9],是生物特征識別的重要依據(jù)。對于人臉的檢測即對圖像中包含人臉面部的這些關(guān)鍵部位的檢測。AdaBoost人臉檢測算法通常采用Haar矩形特征訓(xùn)練弱分類器,本文通過實驗對訓(xùn)練生成的分類器進行分析發(fā)現(xiàn),矩形特征集中分布于人臉面部的關(guān)鍵位置,圖2給出部分弱分類器對應(yīng)的Haar矩形特征與人臉樣本的匹配關(guān)系,由此提出采用包含人臉面部關(guān)鍵部位的Haar矩形特征來訓(xùn)練AdaBoost人臉檢測分類器。

    2.2“大T”型Haar特征篩選方法

    由人臉檢測的先驗知識可知,正面人臉的面部器官分布結(jié)構(gòu)是相對固定的,且人臉樣本中的雙眼、鼻子和嘴巴的幾何分布近似位于一個“大T”型區(qū)域內(nèi)。該區(qū)域涵蓋了人臉面部特征的主要區(qū)域,根據(jù)圖2分類器構(gòu)造分析可知,弱分類器對應(yīng)的Haar矩形特征幾乎全部涵蓋了該區(qū)域,因此本文提出采用“大T”型區(qū)域來篩選Haar矩形特征,并選擇篩選后的矩形特征來訓(xùn)練AdaBoost級聯(lián)分類器。

    本文主要針對正面人臉進行檢測,因此訓(xùn)練樣本集中人臉樣本的選擇主要包括正面人臉和旋轉(zhuǎn)角度小于45°的人臉圖片。圖3是在人臉樣本中標(biāo)記出對應(yīng)的“大T”型區(qū)域示意圖,由于部分樣本中人臉的旋轉(zhuǎn)角度問題,例如圖3(c)和圖3(d)中的“大T”型區(qū)域略靠近圖像的邊緣部分,因此有必要對 “大T”型區(qū)域進行規(guī)范,使采用該區(qū)域構(gòu)建的特征篩選模板可以有效地對Haar特征進行篩選。本文通過從訓(xùn)練樣本中抽取500張人臉圖片來構(gòu)建特征篩選模板,具體模板構(gòu)建方法為:首先標(biāo)記出每個人臉樣本中 “大T”型區(qū)域,然后分別將樣本中的標(biāo)記區(qū)域投影到一個20×20的模板,最后對投影區(qū)域的重疊部分求取并集,得到最終的“大T”型區(qū)域篩選模板。圖4為本文采用上述方法構(gòu)建的20×20大小的“大T”型Haar特征篩選模板,且經(jīng)過多次實驗驗證當(dāng)“大T”型模板與檢測窗口邊緣的間隔像素值為圖中所示的數(shù)字時,檢測效果最好。將得到的“大T”型特征篩選模板用于訓(xùn)練特征篩選,篩選過程如下:①求出5種矩形特征原型在20×20大小的檢測窗口中所有Haar矩形特征;②利用上述方法構(gòu)建一個“大T”型特征篩選模板,并設(shè)定模板中表示人臉面部特征的關(guān)鍵區(qū)域值為1,其它區(qū)域值為0 ;③分別將上述Haar矩形特征平鋪于“大T”型特征篩選模板,若Haar特征的最外層矩形區(qū)域內(nèi)所有像素值的和大于或等于該矩形區(qū)域面積的一半,則保留該特征用于分類器訓(xùn)練,反之則拋棄該特征;④將上述篩選后剩余的Haar特征作為AdaBoost人臉檢測的訓(xùn)練特征。

    通過 “大T”型區(qū)域?qū)λ械腍aar矩形特征進行篩選,使用于分類器訓(xùn)練的Haar矩形特征集中于人臉面部的關(guān)鍵區(qū)域,通過濾去非關(guān)鍵區(qū)域的Haar特征,有效降低訓(xùn)練特征的數(shù)量。表1給出了在20×20的檢測窗口中,對5種Haar特征原型采用“大T”型區(qū)域篩選后對應(yīng)的Haar矩形特征數(shù)量。

    由表1可知,經(jīng)過“大T”型區(qū)域樣本篩選后,剩下的Haar特征數(shù)量為57 120個,相對于優(yōu)化之前的矩形特征數(shù)量減少了近2萬個,優(yōu)化后的Haar矩形特征更集中于人臉面部的關(guān)鍵區(qū)域,對于人臉面部的灰度分布特征表征能力更好。根據(jù)以往的分類器訓(xùn)練經(jīng)驗[10],對于Haar矩形特征中寬度或高度等于1的矩形特征用于人臉檢測時,隨機性太大,不適合用作人臉檢測分類器,因此再排除掉矩形特征中寬度或高度等于1個像素的Haar矩形特征,剩余的特征總數(shù)為45 768個。由于“大T”型篩選模板可以有效提取人臉面部主要區(qū)域的Haar特征,因此對不同的訓(xùn)練樣本庫,“大T”型特征篩選模板同樣有效,且只針對于AdaBoost人臉檢測算法的分類器訓(xùn)練過程。綜上所述,本文選擇上述篩選方法得到的矩形特征訓(xùn)練人臉檢測分類器。

    3實驗結(jié)果與分析

    選取5500張來自CASPEAL數(shù)據(jù)庫[11]和1 500張來自LFW數(shù)據(jù)庫[12]的人臉圖,根據(jù)數(shù)據(jù)庫中人臉坐標(biāo)信息截出圖像中的人臉區(qū)域,歸一化為20×20大小的圖片,構(gòu)成訓(xùn)練人臉樣本集。LFW數(shù)據(jù)庫中的圖像為自然環(huán)境下拍攝的人臉圖,因此圖像中包含的人臉具有一定的旋轉(zhuǎn)角度,且各人臉圖像之間的面部變化不一;CASPEAL人臉庫涵蓋了姿態(tài)、表情、裝飾、光照、背景、距離和時間等特征變化,本文從中挑選出全部正面人臉,佩戴眼鏡、帽子等飾物,以及人臉圖像在水平或垂直方向旋轉(zhuǎn)角度小于45°的人臉圖像,用于增強分類器對正面人臉、多表情姿態(tài)以及佩戴飾物的人臉檢測性能。負樣本的選擇來自于網(wǎng)絡(luò)中不包含人臉的20 000張圖像,訓(xùn)練時通過“自舉”方式生成與正樣本同樣大小尺寸,實驗所選的部分訓(xùn)練樣本如圖5所示。

    3.1單人臉檢測

    通過采用“大T”型模板來篩選Haar特征,從而使得用于訓(xùn)練的Haar特征集中于人臉面部的關(guān)鍵區(qū)域,同時降低了訓(xùn)練特征數(shù)目,提升了算法的訓(xùn)練速率。為了驗證由本文方法訓(xùn)練求得的分類器對人臉檢測分類器性能的影響,設(shè)計了如下實驗內(nèi)容。

    首先驗證采用“大T”型區(qū)域優(yōu)化后的Haar特征對于訓(xùn)練樣本的分類效果。歸一化的樣本集中隨機選取5 500張人臉圖片和18 500張背景圖片構(gòu)成AdaBoost算法訓(xùn)練集,剩余的1 500張人臉圖片和1 500張背景圖片構(gòu)成測試集。分別采用原Haar矩形特征以及本文Haar矩形特征訓(xùn)練一個AdaBoost人臉檢測分類器。圖6是采用每次迭代生成的強分類器分別對測試集中的樣本進行分類時的誤檢率對比試驗結(jié)果。endprint

    由實驗結(jié)果可知,對上述測試集中的人臉樣本進行分類,由本文Haar矩形特征訓(xùn)練生成的人臉檢測分類器的誤檢率基本接近于原Haar矩形特征訓(xùn)練生成的分類器,只是由前幾輪迭代求出的強分類器誤檢率曲線波動較大,但經(jīng)過對訓(xùn)練樣本近20次的學(xué)習(xí)后,誤檢率曲線基本與原Haar矩形特征相吻合。因此,本文的改進方法對AdaBoost算法[2]的誤檢率影響較小。

    3.2視頻人臉檢測

    在歸一化后的樣本集中選擇全部的人臉樣本和非人臉樣本構(gòu)成訓(xùn)練樣本集,然后采用原Haar矩形特征、文獻[5]限制檢測窗口的方法求得訓(xùn)練特征,以及本文“大T”型模板篩選得到的Haar特征,分別訓(xùn)練生成15層級聯(lián)分類器用于人臉檢測。實驗選擇了LFW數(shù)據(jù)庫中和PKUSVDB數(shù)據(jù)庫[13]的視頻圖像作為本文人臉檢測測試集,用來驗證本文方法檢測效果。

    選擇LFW數(shù)據(jù)庫中剩余的1000張大小為250×250視頻圖像進行單人臉圖像檢測性能驗證,表2是對應(yīng)的實驗結(jié)果,圖7為部分實驗檢測結(jié)果。

    由表2可知,對LFW數(shù)據(jù)庫中的單個人臉圖像進行檢測時,本文的改進方法在檢測率方面要略高于文獻[5]中的方法,基本接近原矩形特征的檢測效果。

    多人臉的視頻檢測采用PKUSVDB數(shù)據(jù)庫,該數(shù)據(jù)庫是北京大學(xué)視頻編解碼技術(shù)國家工程實驗室聯(lián)合北京大學(xué)保衛(wèi)部提供的,通過對連續(xù)400幀大小為1 920*1 080視頻圖像共879個正面人臉進行檢測,得出表3的實驗結(jié)果,部分實驗結(jié)果如圖8所示。

    在進行多人臉視頻檢測時,由于人臉表情復(fù)雜、姿態(tài)各異,以及背景圖像中近似人臉區(qū)域的干擾,導(dǎo)致AdaBoost人臉檢測的檢測率有所降低。由表3實驗對比結(jié)果可知,本文方法不管是在檢測率還是漏檢率方面均優(yōu)于文獻[5]中的改進方法,而且基本與原矩形特征分類器的檢測效果接近,同時降低了人臉檢測的漏檢率。上述實驗結(jié)果中本文改進方法誤檢率略高的原因是,由于訓(xùn)練特征集中于人臉面部的關(guān)鍵區(qū)域即“大T”型區(qū)域內(nèi),因此訓(xùn)練求得的分類器對于近似于人臉區(qū)域的識別率較高,可能會把一些近似人臉的背景區(qū)域誤檢為人臉。

    本文的改進算法使用于訓(xùn)練的Haar特征更集中于人臉面部的關(guān)鍵區(qū)域,從而降低了訓(xùn)練特征的數(shù)目,使得AdaBoost人臉檢測分類器的訓(xùn)練速度明顯提升,表4是在同等條件下分類器訓(xùn)練時間對比結(jié)果。

    由表4數(shù)據(jù)可知,本文的改進方法可以較好地優(yōu)化AdaBoost人臉檢測分類器的訓(xùn)練時間。對于訓(xùn)練一個識別率為0.995的強分類器時,本文方法所需平均時間為1 182.72s,而采用原矩形特征所需訓(xùn)練時間為1 759.24s,限制檢測窗口[5]的方法為1 395.26s,同時對于訓(xùn)練15級的人臉檢測分類器時,采用“大T”型區(qū)域優(yōu)化后的Haar特征所需的訓(xùn)練時長約為19.2小時,比原始的AdaBoost算法縮短了近11個小時。由此可知,基于“大T”型區(qū)域的Haar特征篩選方法在不降低AdaBoost算法檢測效率的同時優(yōu)化了訓(xùn)練時間,因此本文方法對于AdaBoost算法人臉檢測分類器訓(xùn)練性能的提高具有一定效果。

    4結(jié)語

    針對AdaBoost人臉檢測算法在分類器訓(xùn)練時Haar特征數(shù)目過多,導(dǎo)致訓(xùn)練過程極其耗時的問題,本文提出了基于“大T”型區(qū)域的AdaBoost人臉檢測算法。通過對AdaBoost人臉檢測分類器的構(gòu)成進行分析,弱分類器對應(yīng)的Haar特征主要集中于人臉面部的關(guān)鍵區(qū)域,將該區(qū)域作為人臉檢測識別的依據(jù)。通過選取500個人臉樣本,提取其面部關(guān)鍵區(qū)域投影到20×20大小的模板中,對重疊區(qū)域取其并集求得“大T”型特征篩選模板,以此模板優(yōu)化Haar特征,使得用于分類器訓(xùn)練的Haar特征集中于人臉面部的關(guān)鍵區(qū)域,最后采用篩選后剩余的Haar特征來訓(xùn)練人臉檢測分類器?!按骉”型篩選模板只限于AdaBoost算法訓(xùn)練時訓(xùn)練特征的優(yōu)化,與不同的訓(xùn)練樣本庫無關(guān)。實驗結(jié)果表明,采用“大T”型區(qū)域?qū)aar特征進行篩選,不僅降低了訓(xùn)練特征的數(shù)目,還起到了優(yōu)化訓(xùn)練時間的目的。在LFW、PKUSVDB數(shù)據(jù)庫中的檢測結(jié)果表明,本文的改進方法在不降低AdaBoost算法檢測率的同時,對PKU數(shù)據(jù)庫中的多人臉檢測算法的漏檢率有所改善,對AdaBoost人臉檢測分類器的訓(xùn)練性能提高有一定的作用。

    致謝

    感謝北京大學(xué)視頻編解碼技術(shù)國家工程實驗室提供的PKUSVDB數(shù)據(jù)庫和中科院計算技術(shù)研究所提供的CASPEAL人臉數(shù)據(jù)庫。

    參考文獻:

    [1]許劍,張洪偉.AdaBoost算法分類器設(shè)計及其應(yīng)用[J].四川理工學(xué)院學(xué)報:自然科學(xué)版,2014(1):2831.

    [2]劉王勝,馮瑞.一種基于AdaBoost的人臉檢測算法[J].計算機工程與應(yīng)用,2016(11):209214.

    [3]曹瑩,苗啟廣,劉家辰,等.AdaBoost算法研究進展與展望[J].自動化學(xué)報,2013(6):745758.

    [4]張君昌,張譯.基于改進AdaBoost算法的人臉檢測[J].計算機仿真,2011,28(7):240244.

    [5]徐信.基于Adaboost人臉檢測算法的研究及實現(xiàn)[D].太原:太原理工大學(xué),2015.

    [6]甘玲,朱江,苗東.擴展Haar特征檢測人眼的方法[J].電子科技大學(xué)學(xué)報,2010,39(2):247250.

    [7]鐘銳,吳懷宇,吳若鴻.基于強跟蹤Kalman濾波的魯棒人臉跟蹤算法[J].計算機工程與設(shè)計,2016,37(2):475480.

    [8]王慶偉,應(yīng)自爐.一種基于HaarLike T特征的人臉檢測算法[J].模式識別與人工智能,2015,28(1):3541.

    [9]韓玉峰,施銅興,王小林.臉部特征點定位方法綜述[J].計算機工程與應(yīng)用,2012(1):180218.

    [10]劉俠,李蘇,李廷軍.一種改進的Adaboost算法的人臉檢測分類器[J].空軍工程大學(xué)學(xué)報:自然科學(xué)版, 2009, 10(2):7680.

    [11]GAO W, CAO B, et al. The CASPEAL largescale Chinese face database and baseline evaluations[J]. IEEE Transactions on Systems, Man and Cybernetics, Part A: Systems and Humans, 2008,38(1):149161.

    [12]HUANG G B, RAMESH M, BERG T, et al. Labeled faces in the wild: a database for studying face recognition in unconstrained environments[D]. Massachusetts, USA: Amherst College, 2007:949.

    [13]PKU SVD B. Database [EB/OL].http://www.smartcitycompetition.com

    責(zé)任編輯(責(zé)任編輯:杜能鋼)endprint

    猜你喜歡
    人臉檢測
    膚色與唇色信息相結(jié)合的人臉檢測
    基于人臉特征定位的SNS網(wǎng)站應(yīng)用組件研究與設(shè)計
    亚洲三级黄色毛片| 亚洲国产精品999| 伊人亚洲综合成人网| 乱人伦中国视频| av电影中文网址| 日本猛色少妇xxxxx猛交久久| 色94色欧美一区二区| 午夜福利视频在线观看免费| 91精品伊人久久大香线蕉| 母亲3免费完整高清在线观看 | 亚洲精品色激情综合| 亚洲精品一二三| 一区二区三区四区激情视频| 只有这里有精品99| 欧美日韩亚洲高清精品| 综合色丁香网| 观看av在线不卡| 黄色配什么色好看| 国产亚洲精品第一综合不卡 | 精品一区二区免费观看| 日本黄色日本黄色录像| xxx大片免费视频| 日韩精品有码人妻一区| 女人精品久久久久毛片| 国产精品偷伦视频观看了| 久久久国产精品麻豆| 最近中文字幕2019免费版| 两个人的视频大全免费| 看免费成人av毛片| 香蕉精品网在线| 麻豆乱淫一区二区| 久久午夜福利片| 五月玫瑰六月丁香| 中国国产av一级| 国产综合精华液| 黑人猛操日本美女一级片| 国产国拍精品亚洲av在线观看| 成人毛片60女人毛片免费| 久久免费观看电影| 寂寞人妻少妇视频99o| 国产日韩欧美在线精品| 纯流量卡能插随身wifi吗| av一本久久久久| 多毛熟女@视频| 黑人欧美特级aaaaaa片| 人人澡人人妻人| 精品一区在线观看国产| 高清午夜精品一区二区三区| 国产伦精品一区二区三区视频9| 建设人人有责人人尽责人人享有的| 亚洲成人手机| 精品久久蜜臀av无| 久久ye,这里只有精品| 日本vs欧美在线观看视频| 久久久久久久久久久免费av| 另类亚洲欧美激情| 九九爱精品视频在线观看| 美女cb高潮喷水在线观看| 午夜福利影视在线免费观看| 日日摸夜夜添夜夜爱| 午夜91福利影院| 亚洲国产精品成人久久小说| 亚洲国产色片| 黄色怎么调成土黄色| 亚洲一级一片aⅴ在线观看| 国产在线视频一区二区| 免费看不卡的av| 久久久欧美国产精品| 91精品三级在线观看| 精品一区二区三卡| 黄色配什么色好看| 国产精品 国内视频| 伦精品一区二区三区| 午夜视频国产福利| 国产探花极品一区二区| 久久精品人人爽人人爽视色| 制服丝袜香蕉在线| freevideosex欧美| 精品久久久久久电影网| 哪个播放器可以免费观看大片| 26uuu在线亚洲综合色| 国产极品粉嫩免费观看在线 | 亚洲成色77777| 视频在线观看一区二区三区| 国产黄色免费在线视频| 久久精品国产自在天天线| 国产成人精品在线电影| 国产亚洲精品久久久com| 成人国产av品久久久| 国产一区有黄有色的免费视频| 亚洲av男天堂| freevideosex欧美| 日本av免费视频播放| 草草在线视频免费看| av免费在线看不卡| 天天躁夜夜躁狠狠久久av| 精品人妻偷拍中文字幕| 久久久午夜欧美精品| 午夜福利在线观看免费完整高清在| 最新的欧美精品一区二区| 五月玫瑰六月丁香| 高清av免费在线| 男女国产视频网站| 精品久久国产蜜桃| 青青草视频在线视频观看| 丝袜美足系列| 欧美xxxx性猛交bbbb| 成年人午夜在线观看视频| 国产成人aa在线观看| 美女国产高潮福利片在线看| 老司机影院成人| a级毛色黄片| 99热这里只有是精品在线观看| 国产精品久久久久久精品古装| 999精品在线视频| 亚洲第一av免费看| 一个人看视频在线观看www免费| 亚洲国产日韩一区二区| 欧美精品高潮呻吟av久久| 亚洲精品国产色婷婷电影| av电影中文网址| 亚洲精品第二区| 久久精品国产亚洲av天美| 99久久人妻综合| 久久精品国产a三级三级三级| 亚洲丝袜综合中文字幕| 人妻一区二区av| 久久精品国产自在天天线| 国产免费福利视频在线观看| 黑丝袜美女国产一区| 亚洲无线观看免费| 美女中出高潮动态图| 特大巨黑吊av在线直播| 欧美丝袜亚洲另类| 狂野欧美白嫩少妇大欣赏| 免费日韩欧美在线观看| 在线免费观看不下载黄p国产| 99热6这里只有精品| 精品久久国产蜜桃| 日日爽夜夜爽网站| 在线免费观看不下载黄p国产| 亚洲精品国产av蜜桃| 在线观看免费视频网站a站| 波野结衣二区三区在线| 久久99精品国语久久久| 免费观看a级毛片全部| 黄片无遮挡物在线观看| 少妇人妻久久综合中文| 亚洲精品国产色婷婷电影| 亚洲av男天堂| 免费日韩欧美在线观看| 99九九线精品视频在线观看视频| 亚洲,一卡二卡三卡| 亚洲av电影在线观看一区二区三区| 又粗又硬又长又爽又黄的视频| 欧美日韩精品成人综合77777| av网站免费在线观看视频| 精品熟女少妇av免费看| 国产精品麻豆人妻色哟哟久久| 秋霞在线观看毛片| 精品少妇久久久久久888优播| 制服人妻中文乱码| 搡老乐熟女国产| 日韩不卡一区二区三区视频在线| 日本午夜av视频| 久久久久精品久久久久真实原创| 少妇被粗大猛烈的视频| 精品久久久久久久久亚洲| 极品人妻少妇av视频| 亚洲美女视频黄频| 少妇人妻久久综合中文| 最近最新中文字幕免费大全7| 成人国语在线视频| 日本与韩国留学比较| 男女啪啪激烈高潮av片| 国产精品 国内视频| 日本av免费视频播放| 日韩不卡一区二区三区视频在线| av专区在线播放| 九草在线视频观看| 国产黄频视频在线观看| 九色成人免费人妻av| 大片免费播放器 马上看| 亚洲av在线观看美女高潮| 在线播放无遮挡| 成人毛片60女人毛片免费| 亚洲av成人精品一二三区| 男女高潮啪啪啪动态图| 国产片特级美女逼逼视频| 中文字幕久久专区| 高清午夜精品一区二区三区| 五月玫瑰六月丁香| 黄色视频在线播放观看不卡| 蜜桃在线观看..| 91久久精品电影网| 欧美少妇被猛烈插入视频| a 毛片基地| 人妻 亚洲 视频| 欧美激情国产日韩精品一区| 午夜福利网站1000一区二区三区| 搡女人真爽免费视频火全软件| xxxhd国产人妻xxx| 蜜桃国产av成人99| 女性生殖器流出的白浆| 色婷婷av一区二区三区视频| 91久久精品国产一区二区成人| 999精品在线视频| 中文字幕久久专区| av有码第一页| 少妇人妻 视频| 一本大道久久a久久精品| 精品一区二区三卡| 成人毛片a级毛片在线播放| 国产男人的电影天堂91| 国产精品久久久久久av不卡| 亚洲成人一二三区av| 熟女av电影| 成人手机av| 天堂8中文在线网| 亚洲精品乱码久久久v下载方式| 黑丝袜美女国产一区| 26uuu在线亚洲综合色| 亚洲,一卡二卡三卡| 国产欧美日韩一区二区三区在线 | 免费观看a级毛片全部| 久久影院123| 亚洲成人一二三区av| 久久久欧美国产精品| 午夜福利网站1000一区二区三区| 日韩强制内射视频| 婷婷色av中文字幕| 看免费成人av毛片| 女人精品久久久久毛片| 精品一区二区三区视频在线| 免费看不卡的av| 美女主播在线视频| 国产在视频线精品| 青春草视频在线免费观看| 久久热精品热| 亚洲国产精品一区三区| 美女视频免费永久观看网站| 黑丝袜美女国产一区| 国产成人精品婷婷| 久久人人爽人人片av| 亚洲精品一二三| 大香蕉久久成人网| 丰满迷人的少妇在线观看| 欧美日韩国产mv在线观看视频| 久久久久久伊人网av| 丰满迷人的少妇在线观看| 久久久久精品性色| 精品少妇内射三级| xxxhd国产人妻xxx| 能在线免费看毛片的网站| 精品久久久精品久久久| 欧美成人精品欧美一级黄| 国产欧美日韩一区二区三区在线 | 夫妻性生交免费视频一级片| 边亲边吃奶的免费视频| 欧美日韩视频精品一区| 亚洲欧美成人综合另类久久久| 97超视频在线观看视频| 日本爱情动作片www.在线观看| 国模一区二区三区四区视频| 中文字幕人妻熟人妻熟丝袜美| 永久网站在线| 中文欧美无线码| 亚洲av.av天堂| 午夜福利视频精品| 成年av动漫网址| 成人免费观看视频高清| 中文欧美无线码| 大话2 男鬼变身卡| a级片在线免费高清观看视频| 国产黄频视频在线观看| 在线观看美女被高潮喷水网站| av线在线观看网站| 欧美精品一区二区大全| 亚洲精品乱久久久久久| 美女福利国产在线| av在线老鸭窝| 人妻夜夜爽99麻豆av| 国产精品免费大片| 嘟嘟电影网在线观看| 久久鲁丝午夜福利片| 色吧在线观看| 性色av一级| 不卡视频在线观看欧美| 亚洲国产av新网站| 国产成人aa在线观看| 欧美+日韩+精品| 一本—道久久a久久精品蜜桃钙片| 最近2019中文字幕mv第一页| 在线精品无人区一区二区三| 日韩制服骚丝袜av| 一区二区三区免费毛片| 新久久久久国产一级毛片| 高清午夜精品一区二区三区| 国产精品国产三级国产av玫瑰| 午夜免费观看性视频| 亚洲av二区三区四区| 亚洲综合色惰| av在线播放精品| 久热久热在线精品观看| 高清毛片免费看| 国产精品国产av在线观看| 男女免费视频国产| 国产一区二区在线观看日韩| 精品少妇内射三级| 新久久久久国产一级毛片| 免费看光身美女| 性高湖久久久久久久久免费观看| 日产精品乱码卡一卡2卡三| 国产欧美另类精品又又久久亚洲欧美| 亚洲国产精品一区三区| 美女cb高潮喷水在线观看| 精品99又大又爽又粗少妇毛片| 免费av不卡在线播放| 午夜福利网站1000一区二区三区| 3wmmmm亚洲av在线观看| √禁漫天堂资源中文www| 春色校园在线视频观看| 久久精品久久久久久久性| 两个人免费观看高清视频| 熟女电影av网| 又大又黄又爽视频免费| 国产亚洲最大av| 亚洲欧美中文字幕日韩二区| 久久精品国产a三级三级三级| 久久精品国产亚洲av涩爱| 国产精品无大码| 午夜激情久久久久久久| 少妇猛男粗大的猛烈进出视频| 如何舔出高潮| 考比视频在线观看| 成人毛片a级毛片在线播放| 国产精品免费大片| 国模一区二区三区四区视频| 伊人久久国产一区二区| www.av在线官网国产| 日韩av在线免费看完整版不卡| www.色视频.com| 天美传媒精品一区二区| 水蜜桃什么品种好| 国产色婷婷99| 免费观看av网站的网址| av免费观看日本| 久久影院123| 国产一级毛片在线| 黄色一级大片看看| 亚洲av日韩在线播放| 免费久久久久久久精品成人欧美视频 | 亚洲美女黄色视频免费看| 亚洲综合色惰| 欧美少妇被猛烈插入视频| 一本大道久久a久久精品| 亚洲精品乱码久久久v下载方式| 国产男女超爽视频在线观看| 看非洲黑人一级黄片| 免费大片18禁| 中文乱码字字幕精品一区二区三区| 国产日韩欧美亚洲二区| 人体艺术视频欧美日本| 亚洲综合色惰| 亚洲,一卡二卡三卡| 欧美3d第一页| 国产不卡av网站在线观看| 国产午夜精品久久久久久一区二区三区| 中文精品一卡2卡3卡4更新| 老司机亚洲免费影院| 99热国产这里只有精品6| 亚洲国产精品一区三区| 一本大道久久a久久精品| 中文字幕人妻熟人妻熟丝袜美| 肉色欧美久久久久久久蜜桃| 我的女老师完整版在线观看| 一区二区三区免费毛片| 高清在线视频一区二区三区| 国产免费福利视频在线观看| 国产成人精品婷婷| 2021少妇久久久久久久久久久| 日韩精品免费视频一区二区三区 | 丝瓜视频免费看黄片| 欧美三级亚洲精品| a级毛片免费高清观看在线播放| 最近的中文字幕免费完整| 成年女人在线观看亚洲视频| 精品国产乱码久久久久久小说| 精品少妇内射三级| 免费少妇av软件| 中文天堂在线官网| 精品少妇内射三级| 赤兔流量卡办理| 日本wwww免费看| 午夜91福利影院| 亚洲久久久国产精品| 成人国语在线视频| 秋霞在线观看毛片| 熟女电影av网| 久久97久久精品| 一级毛片aaaaaa免费看小| 少妇丰满av| 日韩免费高清中文字幕av| 国产成人freesex在线| 国国产精品蜜臀av免费| 欧美精品亚洲一区二区| 99国产精品免费福利视频| 丰满乱子伦码专区| 大又大粗又爽又黄少妇毛片口| 亚洲欧洲国产日韩| 少妇熟女欧美另类| 日本-黄色视频高清免费观看| 黄色怎么调成土黄色| 欧美97在线视频| 免费观看a级毛片全部| 日韩 亚洲 欧美在线| 老熟女久久久| 亚洲av成人精品一区久久| 婷婷色综合大香蕉| 亚洲精品成人av观看孕妇| 女人久久www免费人成看片| a级毛片免费高清观看在线播放| 国产日韩欧美亚洲二区| 成人黄色视频免费在线看| 2021少妇久久久久久久久久久| 国产午夜精品一二区理论片| 久久久久久伊人网av| 嘟嘟电影网在线观看| 亚洲精品日韩在线中文字幕| 99九九在线精品视频| 久久久久久久久久成人| 免费高清在线观看视频在线观看| 中文字幕最新亚洲高清| 久久久久久久亚洲中文字幕| 国产极品粉嫩免费观看在线 | 亚洲人成77777在线视频| 边亲边吃奶的免费视频| 9色porny在线观看| 国产亚洲一区二区精品| 在线天堂最新版资源| 亚洲av电影在线观看一区二区三区| 国产色婷婷99| 日本wwww免费看| 超碰97精品在线观看| 永久免费av网站大全| 亚洲精品国产色婷婷电影| 国产av国产精品国产| 两个人免费观看高清视频| 精品一区二区免费观看| 久久久久精品性色| 女性生殖器流出的白浆| 国产精品人妻久久久影院| 久久精品国产自在天天线| 99久国产av精品国产电影| 国产成人freesex在线| 亚洲国产欧美在线一区| 如何舔出高潮| 插逼视频在线观看| a级毛片免费高清观看在线播放| 国产欧美日韩一区二区三区在线 | 久久99热6这里只有精品| 午夜福利视频在线观看免费| 亚洲精品亚洲一区二区| 久久国产亚洲av麻豆专区| 丝袜喷水一区| 亚洲激情五月婷婷啪啪| 啦啦啦中文免费视频观看日本| 日本欧美视频一区| 亚洲精品乱码久久久久久按摩| 在线观看免费高清a一片| av视频免费观看在线观看| 亚洲欧洲国产日韩| 一本一本综合久久| 久久精品国产亚洲av涩爱| 一边亲一边摸免费视频| 18禁观看日本| 天天操日日干夜夜撸| 国产综合精华液| 欧美97在线视频| 男人操女人黄网站| 国产精品久久久久成人av| 国产毛片在线视频| 亚州av有码| 久久人人爽人人片av| 美女脱内裤让男人舔精品视频| 黑人猛操日本美女一级片| 丝瓜视频免费看黄片| 男的添女的下面高潮视频| 男男h啪啪无遮挡| 国产淫语在线视频| 男人操女人黄网站| 亚洲四区av| 免费看不卡的av| 各种免费的搞黄视频| 纯流量卡能插随身wifi吗| 欧美xxⅹ黑人| 久久人人爽av亚洲精品天堂| 国产亚洲av片在线观看秒播厂| 成人手机av| av国产久精品久网站免费入址| 极品少妇高潮喷水抽搐| 91国产中文字幕| a级毛色黄片| 久久久午夜欧美精品| 欧美精品亚洲一区二区| 永久免费av网站大全| 丰满迷人的少妇在线观看| 午夜福利视频精品| 亚洲久久久国产精品| 午夜免费鲁丝| 91精品一卡2卡3卡4卡| 久久久国产一区二区| 午夜影院在线不卡| 欧美人与善性xxx| 美女主播在线视频| 国产无遮挡羞羞视频在线观看| 蜜臀久久99精品久久宅男| 久久久久国产精品人妻一区二区| 欧美精品人与动牲交sv欧美| 欧美 亚洲 国产 日韩一| 久久毛片免费看一区二区三区| 少妇高潮的动态图| 亚洲,一卡二卡三卡| 午夜福利,免费看| 97在线视频观看| 日韩精品免费视频一区二区三区 | 黑人高潮一二区| 亚洲成人一二三区av| 永久网站在线| 成人18禁高潮啪啪吃奶动态图 | 高清视频免费观看一区二区| 久久久久久久久大av| 欧美成人午夜免费资源| 欧美日韩在线观看h| 亚洲精品国产av成人精品| 欧美人与善性xxx| 久久青草综合色| av有码第一页| 久久国产亚洲av麻豆专区| 亚洲成色77777| 91在线精品国自产拍蜜月| 亚洲欧美色中文字幕在线| 日韩中字成人| 建设人人有责人人尽责人人享有的| 久久热精品热| 亚洲四区av| 国产熟女欧美一区二区| 午夜福利影视在线免费观看| 欧美日韩一区二区视频在线观看视频在线| 亚洲精品国产av成人精品| 欧美最新免费一区二区三区| videossex国产| 中文字幕人妻丝袜制服| 王馨瑶露胸无遮挡在线观看| 永久网站在线| 午夜激情av网站| 欧美日韩成人在线一区二区| 女性被躁到高潮视频| 国产av精品麻豆| 亚洲色图综合在线观看| 国产av一区二区精品久久| 成人漫画全彩无遮挡| 看免费成人av毛片| 午夜福利视频精品| 国产有黄有色有爽视频| 一区二区三区乱码不卡18| 永久网站在线| 黄色视频在线播放观看不卡| 视频在线观看一区二区三区| 免费看av在线观看网站| 国产精品偷伦视频观看了| 51国产日韩欧美| 三级国产精品欧美在线观看| 一区二区三区免费毛片| 国产精品一区二区三区四区免费观看| 久久久精品94久久精品| 国产色爽女视频免费观看| 国产伦精品一区二区三区视频9| 亚洲精品国产av蜜桃| 亚洲av.av天堂| 亚洲三级黄色毛片| 中文字幕最新亚洲高清| 国产成人freesex在线| av国产精品久久久久影院| 国产精品一区二区三区四区免费观看| 国产免费一区二区三区四区乱码| 国产精品久久久久久久电影| 国产免费视频播放在线视频| 日本黄色日本黄色录像| 中国国产av一级| 考比视频在线观看| 欧美另类一区| 精品一品国产午夜福利视频| 中文精品一卡2卡3卡4更新| 亚洲人成网站在线观看播放| 久久影院123| www.av在线官网国产| 精品久久久精品久久久| 交换朋友夫妻互换小说| 青春草国产在线视频| 99热国产这里只有精品6| 在线观看一区二区三区激情| 国产男女内射视频| 尾随美女入室| 大片免费播放器 马上看| 亚洲av日韩在线播放| 一边摸一边做爽爽视频免费| 成人黄色视频免费在线看| 在线观看人妻少妇| 最新中文字幕久久久久| 天堂8中文在线网| 成人亚洲精品一区在线观看| 美女cb高潮喷水在线观看| 亚洲精品乱码久久久久久按摩| 999精品在线视频|