• <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
    亚洲精品日本国产第一区| 国产在线视频一区二区| 永久免费av网站大全| 久9热在线精品视频| 多毛熟女@视频| av电影中文网址| 老汉色∧v一级毛片| 久久毛片免费看一区二区三区| 精品国产一区二区三区久久久樱花| 精品少妇一区二区三区视频日本电影| 天天躁狠狠躁夜夜躁狠狠躁| 国产成人精品久久久久久| 久久久精品国产亚洲av高清涩受| 久久国产亚洲av麻豆专区| 欧美日韩黄片免| 熟女av电影| 国产精品 国内视频| 自拍欧美九色日韩亚洲蝌蚪91| 美国免费a级毛片| 晚上一个人看的免费电影| 亚洲精品一二三| 交换朋友夫妻互换小说| 啦啦啦在线观看免费高清www| 亚洲精品国产av成人精品| 天天躁夜夜躁狠狠躁躁| 黄色一级大片看看| 国产一区二区三区av在线| 国产人伦9x9x在线观看| 国产精品一区二区精品视频观看| 美女中出高潮动态图| 国产亚洲精品久久久久5区| 日韩制服骚丝袜av| 久久青草综合色| 老汉色∧v一级毛片| 亚洲,欧美,日韩| 亚洲精品久久久久久婷婷小说| 亚洲欧洲日产国产| 亚洲一区中文字幕在线| 天天影视国产精品| 亚洲欧美精品自产自拍| 各种免费的搞黄视频| 丰满少妇做爰视频| 女人高潮潮喷娇喘18禁视频| 免费女性裸体啪啪无遮挡网站| 日本vs欧美在线观看视频| 亚洲成人手机| 欧美+亚洲+日韩+国产| 九草在线视频观看| 99热国产这里只有精品6| 日本av手机在线免费观看| 久久久精品区二区三区| 免费在线观看完整版高清| 婷婷色麻豆天堂久久| 国产片内射在线| 狂野欧美激情性bbbbbb| 午夜免费观看性视频| 人成视频在线观看免费观看| 久久热在线av| 天堂俺去俺来也www色官网| 国产不卡av网站在线观看| 中国美女看黄片| 国产成人啪精品午夜网站| 国产精品久久久久久精品电影小说| 国产日韩欧美在线精品| 满18在线观看网站| 国产亚洲欧美精品永久| 亚洲国产精品成人久久小说| 少妇被粗大的猛进出69影院| 免费观看a级毛片全部| 一级毛片女人18水好多 | 只有这里有精品99| 两个人看的免费小视频| 国产无遮挡羞羞视频在线观看| 国产成人一区二区在线| 国产色视频综合| 50天的宝宝边吃奶边哭怎么回事| 嫩草影视91久久| 国产av精品麻豆| 女人精品久久久久毛片| 中文字幕精品免费在线观看视频| 久热这里只有精品99| 麻豆av在线久日| 夫妻午夜视频| 亚洲欧美激情在线| 深夜精品福利| 亚洲国产av影院在线观看| 99久久99久久久精品蜜桃| 十八禁高潮呻吟视频| 国产高清不卡午夜福利| 亚洲成国产人片在线观看| 高清欧美精品videossex| 搡老岳熟女国产| 国产熟女欧美一区二区| 狂野欧美激情性xxxx| 久久精品亚洲熟妇少妇任你| kizo精华| 99香蕉大伊视频| 免费一级毛片在线播放高清视频 | 欧美日韩黄片免| www.av在线官网国产| 又大又黄又爽视频免费| 精品国产国语对白av| 涩涩av久久男人的天堂| 成年美女黄网站色视频大全免费| 男女国产视频网站| 黄网站色视频无遮挡免费观看| 91精品三级在线观看| 人人妻人人澡人人看| 国产免费一区二区三区四区乱码| 国产淫语在线视频| 一区二区三区精品91| 国产成人av激情在线播放| 亚洲专区中文字幕在线| 丝袜美腿诱惑在线| 一边亲一边摸免费视频| 午夜两性在线视频| 黄色一级大片看看| 一本—道久久a久久精品蜜桃钙片| 欧美性长视频在线观看| 80岁老熟妇乱子伦牲交| 国产色视频综合| 国产成人免费无遮挡视频| 亚洲伊人色综图| 亚洲七黄色美女视频| 国产精品三级大全| 亚洲精品国产区一区二| 看十八女毛片水多多多| 18禁裸乳无遮挡动漫免费视频| 五月天丁香电影| 久久毛片免费看一区二区三区| 成年人黄色毛片网站| 热re99久久国产66热| 亚洲国产毛片av蜜桃av| 男女边摸边吃奶| 国产精品一区二区免费欧美 | 成人亚洲精品一区在线观看| 精品一区二区三区四区五区乱码 | 女人久久www免费人成看片| 桃花免费在线播放| 亚洲欧美中文字幕日韩二区| videosex国产| 欧美国产精品一级二级三级| 久久青草综合色| 99久久人妻综合| 亚洲第一青青草原| 久久精品亚洲av国产电影网| 在线观看免费高清a一片| 亚洲少妇的诱惑av| 人成视频在线观看免费观看| 中文字幕高清在线视频| 精品一区二区三卡| 国产色视频综合| 9191精品国产免费久久| 国产精品香港三级国产av潘金莲 | 老熟女久久久| 最新的欧美精品一区二区| 日日爽夜夜爽网站| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品国产三级专区第一集| 久久国产亚洲av麻豆专区| 亚洲欧美色中文字幕在线| 麻豆av在线久日| 久久 成人 亚洲| 午夜福利视频在线观看免费| 亚洲精品自拍成人| 日日夜夜操网爽| 少妇精品久久久久久久| 最新的欧美精品一区二区| 美女福利国产在线| 亚洲国产看品久久| 欧美亚洲 丝袜 人妻 在线| 中文字幕av电影在线播放| 男女午夜视频在线观看| av网站免费在线观看视频| 黄色a级毛片大全视频| 国产野战对白在线观看| 亚洲一区二区三区欧美精品| 国产av国产精品国产| 午夜福利视频在线观看免费| 成年人黄色毛片网站| 一本久久精品| 国产精品久久久人人做人人爽| 最黄视频免费看| 国产精品久久久久成人av| 国产91精品成人一区二区三区 | 国产黄频视频在线观看| 丰满少妇做爰视频| 亚洲第一青青草原| 在线av久久热| 纯流量卡能插随身wifi吗| 男女之事视频高清在线观看 | 精品人妻在线不人妻| 别揉我奶头~嗯~啊~动态视频 | 搡老岳熟女国产| 久久九九热精品免费| 色播在线永久视频| 欧美变态另类bdsm刘玥| 日本一区二区免费在线视频| 一级黄片播放器| 精品久久久久久久毛片微露脸 | 午夜免费鲁丝| 国产野战对白在线观看| 成人手机av| 国产在视频线精品| 黄片小视频在线播放| 免费不卡黄色视频| 一边摸一边做爽爽视频免费| 亚洲七黄色美女视频| 亚洲精品久久午夜乱码| 国产精品香港三级国产av潘金莲 | 欧美在线黄色| 国产国语露脸激情在线看| 国产片特级美女逼逼视频| 国产欧美亚洲国产| 亚洲国产中文字幕在线视频| 日本五十路高清| 1024视频免费在线观看| 天天躁日日躁夜夜躁夜夜| 亚洲成人国产一区在线观看 | 午夜福利一区二区在线看| 久久久精品国产亚洲av高清涩受| 欧美日韩黄片免| 精品免费久久久久久久清纯 | 天堂中文最新版在线下载| 欧美日韩视频高清一区二区三区二| 91成人精品电影| 久久九九热精品免费| 日本欧美国产在线视频| 成年人免费黄色播放视频| av网站在线播放免费| 晚上一个人看的免费电影| 欧美精品一区二区大全| 色播在线永久视频| 一本一本久久a久久精品综合妖精| 成人国语在线视频| 免费在线观看影片大全网站 | 91九色精品人成在线观看| a级片在线免费高清观看视频| 日本vs欧美在线观看视频| 激情视频va一区二区三区| 少妇裸体淫交视频免费看高清 | 国产片特级美女逼逼视频| 女性生殖器流出的白浆| 国产精品一区二区在线不卡| 男女无遮挡免费网站观看| 中文字幕人妻熟女乱码| 久热爱精品视频在线9| 亚洲人成77777在线视频| 亚洲国产精品一区三区| 免费少妇av软件| 观看av在线不卡| 手机成人av网站| 国产精品.久久久| 伦理电影免费视频| 搡老岳熟女国产| 人人妻人人澡人人看| 国产日韩欧美视频二区| 在线看a的网站| 日日摸夜夜添夜夜爱| 国产主播在线观看一区二区 | 午夜福利乱码中文字幕| 日韩一卡2卡3卡4卡2021年| 免费看av在线观看网站| 久久天躁狠狠躁夜夜2o2o | 男女边摸边吃奶| 亚洲欧美清纯卡通| 国产一区二区激情短视频 | 精品少妇一区二区三区视频日本电影| 国产精品久久久久久人妻精品电影 | 成在线人永久免费视频| 黄色怎么调成土黄色| 青春草视频在线免费观看| 黄色片一级片一级黄色片| 亚洲专区国产一区二区| 少妇裸体淫交视频免费看高清 | 国产精品99久久99久久久不卡| 亚洲av电影在线进入| 青青草视频在线视频观看| 一区福利在线观看| 久久久久久亚洲精品国产蜜桃av| 国产成人欧美| 欧美日韩成人在线一区二区| 亚洲精品一卡2卡三卡4卡5卡 | 婷婷色麻豆天堂久久| 免费日韩欧美在线观看| 亚洲人成77777在线视频| 精品少妇久久久久久888优播| 亚洲人成网站在线观看播放| 国产精品 欧美亚洲| videos熟女内射| 美女主播在线视频| 99热全是精品| 亚洲精品久久久久久婷婷小说| 亚洲一区中文字幕在线| 国产亚洲精品久久久久5区| 午夜福利视频精品| 日韩,欧美,国产一区二区三区| 搡老乐熟女国产| 免费少妇av软件| 精品久久久久久电影网| 999久久久国产精品视频| 高清黄色对白视频在线免费看| 久久综合国产亚洲精品| 亚洲中文字幕日韩| 日韩av免费高清视频| 少妇粗大呻吟视频| 亚洲人成77777在线视频| 七月丁香在线播放| 成年人午夜在线观看视频| 青春草视频在线免费观看| 在线观看免费午夜福利视频| 男人爽女人下面视频在线观看| 国产精品.久久久| 国产日韩一区二区三区精品不卡| 波多野结衣av一区二区av| 成人黄色视频免费在线看| 欧美日韩av久久| 欧美日韩综合久久久久久| 久久99热这里只频精品6学生| 一区二区日韩欧美中文字幕| 99久久精品国产亚洲精品| 麻豆乱淫一区二区| 午夜福利免费观看在线| 中文字幕色久视频| 九色亚洲精品在线播放| 九草在线视频观看| 日本vs欧美在线观看视频| 久热爱精品视频在线9| videosex国产| 黄色片一级片一级黄色片| 黄网站色视频无遮挡免费观看| 成人午夜精彩视频在线观看| 两性夫妻黄色片| 亚洲国产欧美网| 男人添女人高潮全过程视频| 亚洲激情五月婷婷啪啪| 在线 av 中文字幕| 天天躁狠狠躁夜夜躁狠狠躁| 只有这里有精品99| 亚洲精品av麻豆狂野| 亚洲国产毛片av蜜桃av| 日本a在线网址| √禁漫天堂资源中文www| 午夜精品国产一区二区电影| 1024视频免费在线观看| 亚洲,一卡二卡三卡| 80岁老熟妇乱子伦牲交| 别揉我奶头~嗯~啊~动态视频 | 又粗又硬又长又爽又黄的视频| 色婷婷久久久亚洲欧美| 精品少妇黑人巨大在线播放| 免费不卡黄色视频| 欧美国产精品va在线观看不卡| avwww免费| 91国产中文字幕| 人妻人人澡人人爽人人| 亚洲国产看品久久| 国产精品国产三级专区第一集| 欧美精品av麻豆av| 欧美av亚洲av综合av国产av| 欧美在线一区亚洲| 我的亚洲天堂| 国产爽快片一区二区三区| 婷婷色麻豆天堂久久| 国产成人系列免费观看| 亚洲天堂av无毛| 亚洲五月色婷婷综合| 男女边摸边吃奶| 一级黄色大片毛片| 18在线观看网站| 侵犯人妻中文字幕一二三四区| 日韩一本色道免费dvd| 亚洲精品一卡2卡三卡4卡5卡 | 一级片免费观看大全| 丝袜脚勾引网站| 日韩人妻精品一区2区三区| 精品福利观看| 只有这里有精品99| 蜜桃国产av成人99| 99热国产这里只有精品6| 999久久久国产精品视频| 国产成人av教育| 国产在线一区二区三区精| 日本vs欧美在线观看视频| 精品亚洲成a人片在线观看| 欧美黄色淫秽网站| 精品国产一区二区三区四区第35| 国产精品 欧美亚洲| 国产精品久久久人人做人人爽| 国产视频首页在线观看| 中文字幕人妻丝袜一区二区| 国精品久久久久久国模美| 啦啦啦 在线观看视频| 咕卡用的链子| 精品国产乱码久久久久久男人| 2021少妇久久久久久久久久久| 满18在线观看网站| 久久久久国产精品人妻一区二区| 大香蕉久久成人网| 手机成人av网站| 国产成人精品无人区| 亚洲一区中文字幕在线| 又大又爽又粗| 亚洲国产欧美日韩在线播放| 欧美日韩福利视频一区二区| 久久精品国产a三级三级三级| 99热网站在线观看| 亚洲国产毛片av蜜桃av| 夫妻午夜视频| 熟女av电影| 亚洲精品久久午夜乱码| 精品久久久久久久毛片微露脸 | 亚洲熟女毛片儿| 中文欧美无线码| 女人被躁到高潮嗷嗷叫费观| 两人在一起打扑克的视频| 天天躁狠狠躁夜夜躁狠狠躁| 欧美另类一区| 99re6热这里在线精品视频| 啦啦啦中文免费视频观看日本| 日本黄色日本黄色录像| 亚洲精品av麻豆狂野| 免费高清在线观看日韩| 成年人午夜在线观看视频| 视频在线观看一区二区三区| 晚上一个人看的免费电影| 精品一区二区三区四区五区乱码 | 亚洲av成人精品一二三区| videos熟女内射| 成人三级做爰电影| 亚洲第一青青草原| 少妇猛男粗大的猛烈进出视频| 国产精品av久久久久免费| 久久久久网色| 国产精品成人在线| 国产深夜福利视频在线观看| 少妇的丰满在线观看| 精品人妻在线不人妻| 91老司机精品| 夫妻性生交免费视频一级片| 亚洲午夜精品一区,二区,三区| 最新的欧美精品一区二区| 美女视频免费永久观看网站| 女人精品久久久久毛片| 考比视频在线观看| 国精品久久久久久国模美| 叶爱在线成人免费视频播放| 午夜激情av网站| 免费人妻精品一区二区三区视频| 日韩制服丝袜自拍偷拍| 一本—道久久a久久精品蜜桃钙片| 日韩精品免费视频一区二区三区| 精品一区二区三区av网在线观看 | 国产日韩欧美亚洲二区| 一级片'在线观看视频| 少妇被粗大的猛进出69影院| 亚洲精品av麻豆狂野| 国产熟女欧美一区二区| 少妇 在线观看| 日本av免费视频播放| 久久精品国产a三级三级三级| 大码成人一级视频| 蜜桃在线观看..| 国产1区2区3区精品| 伊人亚洲综合成人网| 一边摸一边做爽爽视频免费| 人人妻人人澡人人看| 亚洲欧美色中文字幕在线| 欧美精品av麻豆av| 国产免费现黄频在线看| 女性被躁到高潮视频| 亚洲五月婷婷丁香| 精品亚洲乱码少妇综合久久| 国产精品欧美亚洲77777| 欧美激情 高清一区二区三区| 99国产精品99久久久久| cao死你这个sao货| 老司机靠b影院| 99热网站在线观看| 国产精品久久久人人做人人爽| 亚洲 欧美一区二区三区| 一级毛片黄色毛片免费观看视频| 久久人人爽人人片av| 最黄视频免费看| 欧美精品高潮呻吟av久久| 亚洲欧洲精品一区二区精品久久久| 捣出白浆h1v1| av不卡在线播放| 欧美日韩成人在线一区二区| 十八禁高潮呻吟视频| 免费av中文字幕在线| 日韩,欧美,国产一区二区三区| 夜夜骑夜夜射夜夜干| 最新的欧美精品一区二区| 伊人久久大香线蕉亚洲五| 久久久久国产一级毛片高清牌| 久久亚洲国产成人精品v| 免费一级毛片在线播放高清视频 | 丝袜美腿诱惑在线| 日韩一区二区三区影片| 国产成人91sexporn| 久久精品aⅴ一区二区三区四区| 黄色a级毛片大全视频| 国产熟女欧美一区二区| 日韩中文字幕欧美一区二区 | 欧美黑人精品巨大| 国产成人免费无遮挡视频| 国产福利在线免费观看视频| 丝袜在线中文字幕| 少妇的丰满在线观看| 免费在线观看完整版高清| 色播在线永久视频| 亚洲精品自拍成人| 亚洲图色成人| 丰满人妻熟妇乱又伦精品不卡| 国产亚洲欧美在线一区二区| 黄色视频在线播放观看不卡| 99热国产这里只有精品6| 男女无遮挡免费网站观看| 国产成人av激情在线播放| 免费观看人在逋| 激情视频va一区二区三区| 久久久久久亚洲精品国产蜜桃av| 国产伦理片在线播放av一区| 一级毛片我不卡| 亚洲人成电影观看| 丁香六月天网| 亚洲av电影在线观看一区二区三区| 大陆偷拍与自拍| 一级黄色大片毛片| 色婷婷av一区二区三区视频| 91麻豆精品激情在线观看国产 | 丝袜喷水一区| 欧美久久黑人一区二区| 国产亚洲精品久久久久5区| 精品国产超薄肉色丝袜足j| 99热网站在线观看| 黄片小视频在线播放| 最近手机中文字幕大全| 国产黄频视频在线观看| 午夜影院在线不卡| 脱女人内裤的视频| 高清黄色对白视频在线免费看| 女人被躁到高潮嗷嗷叫费观| www.精华液| 色94色欧美一区二区| 777久久人妻少妇嫩草av网站| 最黄视频免费看| 亚洲精品久久成人aⅴ小说| 真人做人爱边吃奶动态| 视频在线观看一区二区三区| videos熟女内射| 91老司机精品| 国产成人精品无人区| 天天躁夜夜躁狠狠躁躁| 久久久久精品国产欧美久久久 | 视频在线观看一区二区三区| 97在线人人人人妻| 青春草亚洲视频在线观看| 国产熟女欧美一区二区| 欧美亚洲日本最大视频资源| 熟女少妇亚洲综合色aaa.| 亚洲av日韩精品久久久久久密 | 精品免费久久久久久久清纯 | av网站在线播放免费| 国产亚洲欧美在线一区二区| 亚洲精品第二区| 日韩大片免费观看网站| 日本黄色日本黄色录像| 国产精品99久久99久久久不卡| 亚洲国产av影院在线观看| 热99久久久久精品小说推荐| 亚洲精品国产av成人精品| 男人操女人黄网站| 国产主播在线观看一区二区 | 男女边摸边吃奶| 男女午夜视频在线观看| 亚洲欧美日韩高清在线视频 | 国产亚洲精品久久久久5区| 黄色 视频免费看| 男女边吃奶边做爰视频| 欧美日韩综合久久久久久| 国产无遮挡羞羞视频在线观看| 欧美日韩亚洲国产一区二区在线观看 | 亚洲精品久久久久久婷婷小说| 免费黄频网站在线观看国产| 久久久久久久精品精品| av网站免费在线观看视频| 日本五十路高清| 亚洲欧美日韩高清在线视频 | 午夜两性在线视频| 18禁裸乳无遮挡动漫免费视频| 亚洲精品美女久久av网站| 免费在线观看视频国产中文字幕亚洲 | 最近中文字幕2019免费版| 韩国高清视频一区二区三区| 一级片'在线观看视频| 亚洲人成77777在线视频| 久久久久久免费高清国产稀缺| 日韩av免费高清视频| 成人亚洲欧美一区二区av| 亚洲精品国产区一区二| 国产成人啪精品午夜网站| 叶爱在线成人免费视频播放| 少妇粗大呻吟视频| 亚洲欧洲精品一区二区精品久久久| 天堂中文最新版在线下载| 久久人人97超碰香蕉20202| 国产一区二区 视频在线| 亚洲av日韩在线播放| 91字幕亚洲| 黄片播放在线免费| 国产精品久久久久久人妻精品电影 | 亚洲av片天天在线观看| 日本av免费视频播放|