• <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 ?

    基于深度學(xué)習(xí)的連續(xù)手語語句識(shí)別算法

    2021-01-19 02:24:12黃元元胡作進(jìn)
    關(guān)鍵詞:手型語詞手語

    李 晨,黃元元,胡作進(jìn)

    (1.南京航空航天大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇 南京 211106; 2.南京特殊教育師范學(xué)院 數(shù)學(xué)與信息科學(xué)學(xué)院,江蘇 南京 210038)

    0 引 言

    在當(dāng)今的人機(jī)交互技術(shù)中,手勢是輸入信息的一種媒介。作為特殊的手勢類別,手語是聾啞人的重要交際工具。因此,研究手語識(shí)別不僅可以促進(jìn)人機(jī)交互技術(shù)的發(fā)展,還可以促進(jìn)聾啞人和健全人之間的交流。

    1 相關(guān)工作

    連續(xù)手語語句是由手語詞和連接手語詞的過渡動(dòng)作組成[1]。由于手語動(dòng)作的連貫性,從手語語句中分割出手語詞變得極其困難,因此如何準(zhǔn)確地檢測手語詞邊界是連續(xù)手語語句識(shí)別的最大挑戰(zhàn)。

    在國內(nèi),張繼海等[2]將手語語句進(jìn)行首輪粗分割后得到的多個(gè)片段送入手語詞的隱馬爾可夫模型(hidden Markov model,HMM)中,并借助閾值矩陣和動(dòng)態(tài)時(shí)間規(guī)整算法(dynamic time warping, DTW)確定出可能的候選詞及它們的結(jié)束幀,再根據(jù)比率閾值進(jìn)一步確定本輪粗分割的最優(yōu)候選詞,并以其結(jié)束幀的下一幀為起點(diǎn),繼續(xù)進(jìn)行下一輪的粗分割……最后將得到的多個(gè)最優(yōu)候選詞按照先后順序串聯(lián)起來,即可獲得語句的識(shí)別結(jié)果。該算法在包含34個(gè)詞匯的手語語句庫中取得77.8%的識(shí)別率,但由于它在確定候選詞的結(jié)束幀時(shí)采用逐幀遍歷的方法,因此運(yùn)行效率較低。楊文文等[3]采用基于HMM的逐層構(gòu)筑算法,同時(shí)輔以手語詞幀長的約束和n元語法模型,最終在由21個(gè)詞匯組成的20個(gè)手語語句上取得12.2%的錯(cuò)誤率。然而該算法中語句的平均識(shí)別時(shí)間超過8秒,顯然無法實(shí)現(xiàn)手語語句的實(shí)時(shí)識(shí)別。徐鑫鑫等[4]根據(jù)點(diǎn)密度提取手語的關(guān)鍵幀序列,然后利用若干連續(xù)關(guān)鍵幀的權(quán)值之和對(duì)關(guān)鍵幀序列進(jìn)行分割和識(shí)別,從而獲得手語語句的識(shí)別結(jié)果。該算法的運(yùn)行效率較高,但如果大權(quán)值的關(guān)鍵幀出現(xiàn)漏檢或者誤識(shí),將無法識(shí)別出正確的手語詞邊界。

    在國外,Yang等[5]利用基于條件隨機(jī)場(conditional random field,CRF)的閾值模型判斷語句中各幀是手語詞還是過渡動(dòng)作,然后利用CRF對(duì)分割后的手語詞進(jìn)行識(shí)別,最終在由48個(gè)詞匯組成的美國手語語句庫中取得87%的識(shí)別率。由于非特定人群手語數(shù)據(jù)的差異性較大,所以閾值模型在實(shí)際應(yīng)用時(shí)手語詞邊界的檢測效果并不理想。Cui等[6]通過卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)提取每幀圖像的空間特征,再通過疊加的時(shí)間卷積層和時(shí)間池化層提取各手語片段的空間-時(shí)間特征,并將其送入雙向的長短期記憶網(wǎng)絡(luò)(long short-term memory,LSTM)中建模,最后采用連接時(shí)序分類(connectionist temporal classification,CTC)算法作為整個(gè)架構(gòu)的目標(biāo)函數(shù)。在2012年的德國天氣預(yù)報(bào)手語庫中,該算法的錯(cuò)誤率為38.7%。由于手語片段的類別概率分布大多較分散,所以采用波束搜索法進(jìn)行CTC解碼時(shí),可能剔除部分片段的正確類別,進(jìn)而影響手語詞邊界的準(zhǔn)確性。Koller等[7]先利用CNN計(jì)算出每幀圖像的隱狀態(tài)類別概率分布向量,再通過Viterbi算法、一階隱馬爾可夫過程及n元語法模型求解手語語句的最優(yōu)詞匯序列,最終在2012年的德國天氣預(yù)報(bào)手語庫上取得32%的錯(cuò)誤率。由于該算法在尋找手語詞邊界時(shí)需要對(duì)三個(gè)超參數(shù)進(jìn)行網(wǎng)格搜索,因此算法的時(shí)間損耗較高。

    目前,大多數(shù)的手語詞邊界檢測算法對(duì)非特定人群沒有很好的魯棒性,這在一定程度上影響了手語語句的識(shí)別效果。

    2 算法步驟

    該文利用軌跡歸一化算法提取手語詞的軌跡特征,同時(shí)利用卷積神經(jīng)網(wǎng)絡(luò)提取手語詞的手型特征,并在此基礎(chǔ)上訓(xùn)練基于長短期記憶網(wǎng)絡(luò)的手語詞分類器。對(duì)于一個(gè)待識(shí)別的手語語句,該文采用基于軌跡信息的分割算法檢測過渡動(dòng)作。由過渡動(dòng)作將語句分割為多個(gè)片段后,考慮到過渡動(dòng)作可能是手語詞內(nèi)部的動(dòng)作,所以將若干片段拼接成復(fù)合段,并對(duì)所有復(fù)合段運(yùn)用手語詞識(shí)別算法進(jìn)行分類,然后跨段搜索出目標(biāo)詞匯序列,從而完成手語語句的識(shí)別。

    2.1 手語數(shù)據(jù)的獲取

    該文借助Kinect獲取手語者的手心位置和深度圖像,并在此基礎(chǔ)上獲得手語數(shù)據(jù)。

    2.1.1 手型圖像的獲取

    該文將深度圖像和手心位置相結(jié)合,從而實(shí)現(xiàn)手型圖像的快速提取[8]。圖1為手型圖像的提取效果。

    圖1 手型圖像的提取效果

    由于獲取的手型圖像比較粗糙,為了更精確地描述手語動(dòng)作,在手型圖像的基礎(chǔ)上,引入了軌跡數(shù)據(jù)。

    2.1.2 軌跡數(shù)據(jù)的獲取

    將手語持續(xù)時(shí)間內(nèi)、經(jīng)卡爾曼濾波校正后的手心位置按照先后順序連接起來,即可獲得手心的軌跡。為了進(jìn)一步地去除噪聲,該文對(duì)左、右手心軌跡分別應(yīng)用長度為3的均值濾波進(jìn)行平滑。平滑后的左、右手心軌跡構(gòu)成了軌跡數(shù)據(jù)。

    2.2 手語詞識(shí)別算法

    該文錄制了47個(gè)常用的手語詞。在獲得這些手語詞樣本的軌跡特征和手型特征的基礎(chǔ)上,開展手語詞分類器的訓(xùn)練。

    2.2.1 軌跡特征的提取

    為了消除手心軌跡的尺度差異、采樣點(diǎn)數(shù)差異和起始點(diǎn)差異,提出了一種軌跡歸一化算法。

    假設(shè)有一個(gè)持續(xù)時(shí)間為n幀的手語詞樣本,它的左手心軌跡P={p1,p2,…,pn},其中pi(1≤i≤n)表示第i幀左手心的位置。軌跡P的歸一化過程如下:

    (1)創(chuàng)建一個(gè)長度為50的時(shí)間序列Q來存儲(chǔ)歸一化后的軌跡。

    (2)計(jì)算軌跡P的尺度縮放因子αs和采樣點(diǎn)數(shù)縮放因子αn:

    αs=1/‖(Neckx,Necky,Neckz)-(SpineMidx,SpineMidy,SpineMidz)‖

    (1)

    (2)

    其中,(Neckx,Necky,Neckz)、(SpineMidx,SpineMidy,SpineMidz)分別表示脖子和脊柱中心的位置。將軌跡P各采樣點(diǎn)的手心位置乘上αs可以實(shí)現(xiàn)尺度歸一化;將軌跡P各采樣點(diǎn)的序號(hào)乘上αn可以指導(dǎo)采樣點(diǎn)數(shù)歸一化操作。

    (3)計(jì)算軌跡P的第i(1≤i≤n)個(gè)采樣點(diǎn)歸一化后的下標(biāo)j:

    j=「n*αn」

    (3)

    其中,「x」表示對(duì)x進(jìn)行四舍五入取整。如果在歸一化的軌跡Q中qj未被賦值,則將軌跡P的起始點(diǎn)p1與原點(diǎn)對(duì)齊,并將pi尺度歸一化后的值賦給qj:

    qj=αs*(pi-p1)

    (4)

    如果qj已被賦值,則將軌跡P的起始點(diǎn)p1與原點(diǎn)對(duì)齊,并把尺度歸一化后的pi和qj的均值賦給qj:

    (5)

    (4)遍歷軌跡Q,對(duì)所有未賦值的qi,采用線性插值法補(bǔ)充數(shù)據(jù):

    qi=(qi-1+qi+1)/2

    (6)

    (5)返回歸一化的軌跡Q。

    對(duì)左、右手心軌跡分別進(jìn)行歸一化后,該文使用歸一化的左、右手心軌跡共同描述手語的軌跡特征。

    2.2.2 手型特征的提取

    對(duì)MobileNetV2[9]稍加修改后,搭建出如表1所示的卷積神經(jīng)網(wǎng)絡(luò)。

    這里的conv2d表示標(biāo)準(zhǔn)卷積層,avgPool表示全局池化層。由表1可以看出,該網(wǎng)絡(luò)由3個(gè)標(biāo)準(zhǔn)卷積層、9個(gè)bottleneck模塊和1個(gè)全局池化層組成。該網(wǎng)絡(luò)的輸入為224×224×1的手型圖像,經(jīng)過網(wǎng)絡(luò)各層的作用后,最后輸出61維的手型類別概率分布向量。

    當(dāng)完成卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練后,移除網(wǎng)絡(luò)的最后一個(gè)標(biāo)準(zhǔn)卷積層,剩余的網(wǎng)絡(luò)架構(gòu)可以用作手型特征提取器。因此,輸入一張手型圖像,該網(wǎng)絡(luò)可以提取出160維的手型特征;輸入一個(gè)手語詞樣本,該網(wǎng)絡(luò)可以提取出它的手型特征序列,將該序列歸一化到50個(gè)采樣點(diǎn),即可獲得它的手型特征。

    表1 卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)信息

    2.2.3 基于長短期記憶網(wǎng)絡(luò)的手語詞分類器

    手型特征和軌跡特征共同組成手語詞的特征??紤]到手語詞的特征是時(shí)間序列數(shù)據(jù),而長短期記憶網(wǎng)絡(luò)(LSTM)善于學(xué)習(xí)時(shí)序數(shù)據(jù)中的關(guān)聯(lián)信息,于是搭建出如表2所示的長短期記憶網(wǎng)絡(luò)。

    表2 長短期記憶網(wǎng)絡(luò)的參數(shù)信息

    該網(wǎng)絡(luò)包含一個(gè)雙向LSTM層、一個(gè)Flatten層以及三個(gè)全連接層。網(wǎng)絡(luò)的輸入為手語詞的特征,即一個(gè)長度為50的時(shí)間序列,序列中的每個(gè)元素為166維的向量,經(jīng)過網(wǎng)絡(luò)各層的作用后,最終輸出47維的詞匯類別概率分布向量。其中雙向LSTM層用于捕捉每個(gè)采樣點(diǎn)的上下文信息;而Flatten層是把50個(gè)采樣點(diǎn)的隱狀態(tài)拼接起來,進(jìn)而獲取整個(gè)序列的上下文信息。至于三個(gè)全連接層的功能則有點(diǎn)不同,前兩個(gè)全連接層的作用是實(shí)現(xiàn)特征的學(xué)習(xí)和降維,最后一個(gè)全連接層則主要負(fù)責(zé)分類計(jì)算。

    2.3 連續(xù)手語語句識(shí)別算法

    對(duì)于一個(gè)待識(shí)別的手語語句,該文先采用分割算法檢測過渡動(dòng)作,然后采用基于過渡動(dòng)作的手語語句識(shí)別算法獲取語句的識(shí)別結(jié)果。

    2.3.1 手語語句的分割

    鑒于過渡動(dòng)作的速度相對(duì)較快,且方向的偏轉(zhuǎn)角度較小,因此提出了一種基于右手(主導(dǎo)手)軌跡信息的手語語句分割算法,它的詳細(xì)步驟如下:

    (1)初步確定過渡動(dòng)作。

    在圖2中,pi-1、pi和pi+1為三個(gè)相鄰采樣點(diǎn)上右手心的位置。第i個(gè)采樣點(diǎn)的右手心速度vi可以定義為pi和pi+1之間的距離,即:

    vi=‖pi+1-pi‖

    (7)

    圖2 三個(gè)時(shí)間上相鄰的采樣點(diǎn)

    圖2中的θi表示第i個(gè)采樣點(diǎn)上的方向角,它刻畫了右手心在時(shí)刻i的方向偏轉(zhuǎn)情況,即:

    (8)

    其中,u1=pi-pi-1,u2=pi+1-pi。針對(duì)右手心的速度,設(shè)定閾值ρv=(2*avg(v))/3;針對(duì)右手心的方向角,設(shè)定閾值ρθ=20。其中avg(v)表示所有右手心采樣點(diǎn)的速度的均值。當(dāng)vi≥ρv且θi≤ρθ時(shí),采樣點(diǎn)i是過渡幀。因?yàn)檫^渡動(dòng)作不止一幀,所以該文將距離三幀以內(nèi)的過渡幀合并到同一個(gè)過渡動(dòng)作中。由該方法確定出的第一個(gè)過渡動(dòng)作位于起始手勢和第一個(gè)手語詞之間,而最后一個(gè)過渡動(dòng)作位于最后一個(gè)手語詞和終止手勢之間,它們均不屬于過渡動(dòng)作,因?yàn)樗鼈儾皇窍噜徥终Z詞之間的連接動(dòng)作,該文先剔除最后一個(gè)過渡動(dòng)作,至于第一個(gè)過渡動(dòng)作則暫且保留。

    (2)剔除錯(cuò)誤的過渡動(dòng)作。

    非特定人群在比劃具有語義的關(guān)鍵手勢時(shí)會(huì)降低動(dòng)作的速度,在軌跡上的表現(xiàn)就是這些手勢對(duì)應(yīng)的點(diǎn)密度較大。通過對(duì)手語語句樣本的觀察,發(fā)現(xiàn)所有手語詞的關(guān)鍵手勢的右手心點(diǎn)密度均≥5。而過渡動(dòng)作位于前一手語詞的尾個(gè)關(guān)鍵手勢和后一手語詞的首個(gè)關(guān)鍵手勢之間,所以該文根據(jù)右手心的點(diǎn)密度進(jìn)一步剔除錯(cuò)誤的過渡動(dòng)作。

    假設(shè)由步驟(1)獲得過渡動(dòng)作序列T={t1,t2,…,tm},其中m表示過渡動(dòng)作數(shù)量。初始化i=1,接下來采用迭代算法剔除錯(cuò)誤的過渡動(dòng)作:

    ①若i≥m,考慮到t1不是過渡動(dòng)作,所以將t1從序列T中剔除,并得到最終的過渡動(dòng)作序列,否則進(jìn)入步驟②;

    ②若ti的終止幀到ti+1的起始幀之間的區(qū)間不存在右手心點(diǎn)密度≥5的采樣點(diǎn),則剔除ti+1,并更新序列T和數(shù)量m,然后重復(fù)該步驟;否則保留ti+1,并令i=i+1,跳轉(zhuǎn)至步驟①繼續(xù)判斷后續(xù)的過渡動(dòng)作。

    2.3.2 基于過渡動(dòng)作的手語語句識(shí)別算法

    假設(shè)對(duì)一個(gè)手語語句運(yùn)用上述分割算法檢測到T-1個(gè)過渡動(dòng)作,由這些過渡動(dòng)作可以將手語語句分割為T個(gè)片段。因?yàn)闄z測出的詞間過渡動(dòng)作包含下一手語詞的部分信息,所以對(duì)于任意相鄰過渡動(dòng)作間的手語片段而言,為了盡可能地保留手語詞的特征,該文將前個(gè)過渡動(dòng)作的中位點(diǎn)幀設(shè)為起始幀,同時(shí)為了盡可能地剔除手語詞的上下文信息,將后個(gè)過渡動(dòng)作前右手心點(diǎn)密度大于3的幀設(shè)為終止幀。

    考慮到檢測出的過渡動(dòng)作可能是手語詞內(nèi)部的動(dòng)作,所以該文將若干個(gè)片段拼接在一起形成復(fù)合段。因?yàn)檎Z句樣本中的詞匯平均大約包含1.7個(gè)手語片段,所以根據(jù)片段數(shù)T粗略預(yù)估語句中的手語詞數(shù)量N。

    N=「T/1.7」

    (9)

    其中,「x」表示對(duì)x進(jìn)行四舍五入取整。由于語句樣本中的手語詞至多包含5個(gè)片段,為了避免過度的片段拼接給后續(xù)識(shí)別帶來干擾,由式(10)預(yù)估手語詞的最大片段數(shù)β。

    β=min(5,「T-(N-1)×1.3」)

    (10)

    為了進(jìn)行手語語句的識(shí)別,該文需要在線創(chuàng)建類別標(biāo)簽矩陣C和分類概率矩陣S,并將它們的元素初始化為0。對(duì)于以片段t的起始幀開始、以片段t'的終止幀結(jié)束的復(fù)合段,Ct,t',q保存該復(fù)合段的候選手語詞的類別標(biāo)簽,St,t',q則保存該復(fù)合段是手語詞Ct,t',q的概率,其中1≤t≤T,t≤t'≤min(t+β-1,T),1≤q≤5。后續(xù)的手語語句識(shí)別過程如下:

    (1)復(fù)合段的分類。

    首先初始化當(dāng)前層各復(fù)合段的起始幀為片段1的起始幀,并令t=1,接下來開始復(fù)合段的分類工作。

    ①依次截取以片段t的開始幀為起點(diǎn),以片段t'(t≤t'≤min(t+β-1,T))的結(jié)束幀為終點(diǎn)的復(fù)合段,并對(duì)這些復(fù)合段運(yùn)用手語詞識(shí)別算法進(jìn)行分類。如果這些復(fù)合段存在概率值≥0.2的類別,則把對(duì)應(yīng)的類別和概率分別存入類別矩陣C和概率矩陣S中;

    ②令t=t+1,跳轉(zhuǎn)至步驟①,繼續(xù)對(duì)下一層的復(fù)合段進(jìn)行分類。

    (2)目標(biāo)詞匯序列的跨段搜索。

    定義δ(t,t',q)表示以片段t的起始幀開始、以片段t'的終止幀結(jié)束的復(fù)合段是手語詞Ct,t',q的累積概率,其中1≤t≤T,t≤t'≤min(t+β-1,T),1≤q≤5。令表示δ(t,t',q)的參數(shù)元組,所有合法的組成了元組的集合L。為了方便回溯出搜索路徑,令φ(t,t',q)保存δ(t,t',q)前個(gè)節(jié)點(diǎn)的參數(shù)元組。同時(shí)為了避免識(shí)別出過長的詞匯序列,定義η(t,t',q)表示搜索到δ(t,t',q)為止,路徑上已有詞匯的數(shù)量。

    目標(biāo)詞匯序列的跨段搜索算法如下:

    ①初始化。

    (11)

    φ(1,t',q)=NULL

    (12)

    (13)

    ②遞歸。

    δ(t,t',q)=

    (14)

    (15)

    (16)

    其中,L'表示滿足P(Ct,t',q|Ct'',t-1,q')≠0且η(t'',t-1,q')的集合,這里的P(Ct,t',q|Ct'',t-1,q')表示詞匯Ct'',t-1,q'到詞匯Ct,t',q的轉(zhuǎn)移概率,它可以通過統(tǒng)計(jì)語料庫中Ct'',t-1,q'的下一個(gè)詞匯是Ct,t',q的概率來確定取值。

    ③終止。

    (17)

    (18)

    ④路徑回溯。

    3 實(shí)驗(yàn)結(jié)果與分析

    為了驗(yàn)證手語詞識(shí)別算法的有效性,邀請(qǐng)6名手語者參與47類手語詞的樣本錄制。此外,以這47個(gè)詞組成的30條手語語句作為樣本進(jìn)行語句識(shí)別實(shí)驗(yàn)。共有6名手語者參與語句樣本的錄制,其中2名是熟練手語者,2名是次熟練手語者,還有2名是不熟練手語者。需注意,參與詞匯樣本采集的手語者和參與語句樣本采集的手語者不重疊。

    3.1 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

    針對(duì)錄制的47類手語詞的樣本,該文使用關(guān)鍵動(dòng)作提取算法提取關(guān)鍵手型[10],然后采用K均值算法對(duì)關(guān)鍵手型進(jìn)行聚類[11],其中K設(shè)為60,由此可以獲得60類關(guān)鍵手型的樣本。由于手語動(dòng)作中還存在關(guān)鍵手型之間的過渡手型,所以還需為過渡手型類選取樣本。鑒于手型樣本數(shù)有限,該文采用平移、旋轉(zhuǎn)及縮放變換來擴(kuò)充樣本集。最終每一類手型均有240個(gè)樣本作為訓(xùn)練集,60個(gè)樣本作為測試集。

    在交叉熵?fù)p失函數(shù)[12]的基礎(chǔ)上,使用隨機(jī)梯度下降法優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)。設(shè)置初始學(xué)習(xí)率為0.001,最大迭代次數(shù)為800。學(xué)習(xí)率的變化公式如下:

    (19)

    其中,i為迭代次數(shù),decay=1.0×10-2。為了防止網(wǎng)絡(luò)出現(xiàn)過擬合,該文對(duì)除最后一個(gè)標(biāo)準(zhǔn)卷積層外的其他卷積層都進(jìn)行了批量歸一化(batch normalization,BN)處理。其中訓(xùn)練集的batchSize設(shè)為50,測試集則無需劃分batch,把所有的測試樣本一次性送入網(wǎng)絡(luò)進(jìn)行識(shí)別。采用Keras框架訓(xùn)練該網(wǎng)絡(luò),最終訓(xùn)練出的網(wǎng)絡(luò)模型在測試集上的精度為94.58%。

    3.2 長短期記憶網(wǎng)絡(luò)的訓(xùn)練

    該文在每個(gè)手語詞樣本的基礎(chǔ)上造了2個(gè)樣本,它們分別保留了原始樣本前14/15和后14/15的采樣點(diǎn)。最終每一類手語詞的樣本總數(shù)增加至162,該文隨機(jī)選取其中的129個(gè)樣本用作訓(xùn)練集,其余的33個(gè)樣本則用于測試。

    采用交叉熵?fù)p失函數(shù)測量長短期記憶網(wǎng)絡(luò)的分類誤差。設(shè)置學(xué)習(xí)率的初始值為0.001,最大迭代次數(shù)為500。學(xué)習(xí)率的變化公式如下:

    lri=lr0*gamma∧(floor(i/stepsize))

    (20)

    其中,i表示迭代次數(shù),gamma=0.1,stepsize=200。為了防止網(wǎng)絡(luò)出現(xiàn)過擬合,該文對(duì)雙向LSTM層和fc2都進(jìn)行了BN處理,其中訓(xùn)練集的batchSize設(shè)為30,測試集無需劃分batch。在GPU上訓(xùn)練該模型,最終訓(xùn)練出的模型在測試集上的精度達(dá)98.55%。

    考慮到語句中的手語詞和孤立手語詞的差異較大,所以需要人工標(biāo)注語句中的詞匯,并將其送入長短期記憶網(wǎng)絡(luò)中訓(xùn)練[13-14]。該文對(duì)熟練、次熟練及不熟練的3名手語者的語句樣本中的手語詞進(jìn)行標(biāo)注。每條語句有這3名手語者的27個(gè)樣本,其中的21個(gè)樣本用于網(wǎng)絡(luò)的再訓(xùn)練,剩余的6個(gè)樣本用于再測試。由于語句中手語詞的樣本數(shù)有限,該文采用窗口規(guī)整方法[15]造樣本。最終每類手語詞用于再訓(xùn)練和再測試的樣本數(shù)分別為84、24。對(duì)長短期記憶網(wǎng)絡(luò)再訓(xùn)練500次后,網(wǎng)絡(luò)在測試集上的精度為95.32%。

    3.3 連續(xù)手語語句的識(shí)別

    為了驗(yàn)證手語語句識(shí)別算法的有效性,與文獻(xiàn)[4]以及文獻(xiàn)[13]中的算法進(jìn)行對(duì)比。對(duì)熟練程度不一的6名手語者的語句樣本進(jìn)行識(shí)別。其中手語者一和手語者二能夠熟練地表達(dá)手語,手語者三和手語者四能夠較熟練地表達(dá)手語,手語者五和手語者六則無法熟練地表達(dá)手語。且手語者一、手語者三和手語者五的部分語句樣本參與了長短期記憶網(wǎng)絡(luò)的訓(xùn)練。運(yùn)用各算法對(duì)上述手語者的語句樣本進(jìn)行分類后,得到的識(shí)別準(zhǔn)確率和平均識(shí)別時(shí)間如表3所示。

    表3 算法效果對(duì)比

    (1)文獻(xiàn)[4]是基于加權(quán)關(guān)鍵幀實(shí)現(xiàn)手語語句的識(shí)別。該算法的執(zhí)行效率較高,但是它依賴于大權(quán)值的關(guān)鍵幀。對(duì)于非熟練的手語者,可能由于動(dòng)作不夠規(guī)范導(dǎo)致大權(quán)值關(guān)鍵幀的錯(cuò)識(shí)概率增高,從而極大地影響語句的識(shí)別效果,因此該算法的穩(wěn)定性較差。

    (2)文獻(xiàn)[13]采用連接時(shí)序分類算法實(shí)現(xiàn)手語語句的識(shí)別。雖然該算法的運(yùn)行效率高,但它的識(shí)別精度較低,這是因?yàn)樗枰獙⑹终Z語句劃分成多個(gè)等長的片段,而大多數(shù)片段的類別概率分布比較分散,所以利用波束搜索法進(jìn)行解碼時(shí),手語片段的真實(shí)標(biāo)簽可能被剔除,從而極大地影響了語句的識(shí)別效果。

    (3)相比較來說,文中算法面向非特定人群的穩(wěn)定性較高,能夠?qū)崿F(xiàn)手語語句的實(shí)時(shí)識(shí)別。

    4 結(jié)束語

    針對(duì)當(dāng)前手語語句識(shí)別算法中存在的問題,提出了一種基于深度學(xué)習(xí)的手語語句識(shí)別算法。它充分利用了卷積神經(jīng)網(wǎng)絡(luò)的特征提取能力和長短期記憶網(wǎng)絡(luò)的時(shí)序建模能力,并借助分割算法檢測出的過渡動(dòng)作,將手語語句的識(shí)別轉(zhuǎn)化為復(fù)合段的分類和目標(biāo)詞匯序列的跨段搜索,降低了手語語句識(shí)別的復(fù)雜性。實(shí)驗(yàn)證明,該算法具有良好的穩(wěn)定性及實(shí)時(shí)性。

    猜你喜歡
    手型語詞手語
    輕輕跳
    你是那樣美 唐心語詞
    歌海(2021年3期)2021-07-25 02:30:48
    白石塔
    幼兒100(2020年13期)2020-07-08 08:03:04
    一個(gè)電話耳邊響
    幼兒100(2020年10期)2020-06-17 16:06:16
    自然手語在聾人大學(xué)生手語中的使用調(diào)查研究——以南京特殊教育師范學(xué)院為例
    活力(2019年15期)2019-09-25 07:23:06
    《老子》“自”類語詞哲學(xué)范疇釋要
    二胡演奏中左手固定手型的三個(gè)階段
    北方音樂(2017年4期)2017-05-04 03:40:05
    從文化理據(jù)看英漢語詞翻譯
    奇怪的手語圖
    奇怪的手語圖
    一本精品99久久精品77| 丁香欧美五月| 脱女人内裤的视频| 成年免费大片在线观看| 香蕉丝袜av| 午夜免费观看网址| 国内少妇人妻偷人精品xxx网站 | 网址你懂的国产日韩在线| 国产成人av激情在线播放| 两人在一起打扑克的视频| 99riav亚洲国产免费| 亚洲性夜色夜夜综合| 在线视频色国产色| 麻豆久久精品国产亚洲av| 日日摸夜夜添夜夜添小说| 久久草成人影院| 国产精华一区二区三区| 哪里可以看免费的av片| 色综合亚洲欧美另类图片| 在线观看66精品国产| 美女高潮的动态| 18禁裸乳无遮挡免费网站照片| 日本精品一区二区三区蜜桃| 波多野结衣高清无吗| 久久精品国产综合久久久| 中文在线观看免费www的网站| 亚洲色图 男人天堂 中文字幕| 国产欧美日韩精品亚洲av| 999精品在线视频| 好看av亚洲va欧美ⅴa在| 黄色丝袜av网址大全| 国产亚洲av嫩草精品影院| 亚洲熟妇熟女久久| 午夜a级毛片| 老汉色∧v一级毛片| 亚洲一区二区三区不卡视频| 午夜激情欧美在线| 观看美女的网站| 国产av不卡久久| 亚洲乱码一区二区免费版| 三级男女做爰猛烈吃奶摸视频| 一级毛片女人18水好多| 成年女人毛片免费观看观看9| 后天国语完整版免费观看| 国产精品av久久久久免费| 国产精品,欧美在线| 99国产极品粉嫩在线观看| 欧美日韩黄片免| 婷婷精品国产亚洲av| 搞女人的毛片| 免费一级毛片在线播放高清视频| 欧美国产日韩亚洲一区| aaaaa片日本免费| 一级作爱视频免费观看| 日韩高清综合在线| 男女之事视频高清在线观看| 久久久水蜜桃国产精品网| 美女大奶头视频| 亚洲精品在线美女| 在线十欧美十亚洲十日本专区| 最新美女视频免费是黄的| 非洲黑人性xxxx精品又粗又长| 午夜亚洲福利在线播放| 亚洲熟妇中文字幕五十中出| 黄色 视频免费看| 99国产精品一区二区三区| 国产综合懂色| 亚洲人成伊人成综合网2020| 亚洲五月天丁香| 精品久久久久久久毛片微露脸| 国产精品久久久久久精品电影| 久久国产乱子伦精品免费另类| 国产视频一区二区在线看| 亚洲av成人一区二区三| 国产高清videossex| 国产亚洲欧美98| 日韩有码中文字幕| 黄片大片在线免费观看| 俄罗斯特黄特色一大片| 18禁国产床啪视频网站| 又粗又爽又猛毛片免费看| 亚洲成人久久性| 欧美日韩精品网址| 国产成人精品久久二区二区免费| 国产精品永久免费网站| 亚洲成a人片在线一区二区| 桃红色精品国产亚洲av| 香蕉丝袜av| 国产一区二区在线av高清观看| 1024香蕉在线观看| 精华霜和精华液先用哪个| 12—13女人毛片做爰片一| 中文亚洲av片在线观看爽| 天天一区二区日本电影三级| 啦啦啦韩国在线观看视频| svipshipincom国产片| 国产v大片淫在线免费观看| 99在线视频只有这里精品首页| 两个人视频免费观看高清| 欧美性猛交黑人性爽| 久久天堂一区二区三区四区| 午夜视频精品福利| 天天一区二区日本电影三级| 一区二区三区国产精品乱码| 九色国产91popny在线| 伦理电影免费视频| 又爽又黄无遮挡网站| 天堂影院成人在线观看| 给我免费播放毛片高清在线观看| 香蕉丝袜av| www.999成人在线观看| 中文字幕人成人乱码亚洲影| 国产精品影院久久| 国产精品综合久久久久久久免费| 国产视频一区二区在线看| 麻豆成人av在线观看| 99国产精品一区二区三区| 真人做人爱边吃奶动态| 午夜久久久久精精品| 一卡2卡三卡四卡精品乱码亚洲| 久久久久性生活片| 国产淫片久久久久久久久 | 午夜激情欧美在线| 好男人在线观看高清免费视频| 一区二区三区激情视频| 欧美激情久久久久久爽电影| 亚洲午夜理论影院| 亚洲成av人片在线播放无| 窝窝影院91人妻| 两个人看的免费小视频| www.精华液| 国产精品久久电影中文字幕| 首页视频小说图片口味搜索| 亚洲人与动物交配视频| 久久久色成人| 欧美成狂野欧美在线观看| 久久九九热精品免费| 丝袜人妻中文字幕| 亚洲国产精品成人综合色| a级毛片a级免费在线| 哪里可以看免费的av片| 欧美黄色片欧美黄色片| 国产伦精品一区二区三区视频9 | 成人精品一区二区免费| 看黄色毛片网站| 美女被艹到高潮喷水动态| 淫妇啪啪啪对白视频| 免费观看精品视频网站| 男女那种视频在线观看| 精品一区二区三区av网在线观看| 成年女人毛片免费观看观看9| 亚洲国产欧美一区二区综合| 免费电影在线观看免费观看| 亚洲片人在线观看| 精华霜和精华液先用哪个| 丁香欧美五月| 一a级毛片在线观看| 国产一区在线观看成人免费| 2021天堂中文幕一二区在线观| 日韩欧美 国产精品| 亚洲精品在线美女| 夜夜看夜夜爽夜夜摸| 熟女电影av网| 三级国产精品欧美在线观看 | 母亲3免费完整高清在线观看| 成在线人永久免费视频| or卡值多少钱| 国产精品自产拍在线观看55亚洲| 欧美一区二区国产精品久久精品| 麻豆国产97在线/欧美| 亚洲熟妇中文字幕五十中出| 国产成年人精品一区二区| 天堂动漫精品| 成在线人永久免费视频| 欧美一区二区国产精品久久精品| 亚洲av美国av| 久久中文看片网| 国产伦精品一区二区三区视频9 | 欧美日韩精品网址| 国产乱人伦免费视频| 国内精品一区二区在线观看| 国产视频一区二区在线看| 精品一区二区三区视频在线观看免费| 亚洲人成网站在线播放欧美日韩| 国产亚洲av高清不卡| 黑人巨大精品欧美一区二区mp4| 熟女电影av网| 一区二区三区高清视频在线| 好男人电影高清在线观看| 久久人人精品亚洲av| 丁香欧美五月| 亚洲激情在线av| 香蕉av资源在线| 久久精品国产清高在天天线| 久久久成人免费电影| 午夜免费观看网址| 亚洲国产欧洲综合997久久,| 五月玫瑰六月丁香| 1024香蕉在线观看| 美女高潮喷水抽搐中文字幕| 视频区欧美日本亚洲| 欧美激情在线99| 亚洲精品中文字幕一二三四区| 一个人免费在线观看电影 | 黑人操中国人逼视频| 亚洲国产欧美网| 国产亚洲精品一区二区www| 特级一级黄色大片| 激情在线观看视频在线高清| 国产免费男女视频| 又紧又爽又黄一区二区| 12—13女人毛片做爰片一| 99国产极品粉嫩在线观看| 色在线成人网| 午夜福利欧美成人| 草草在线视频免费看| 亚洲国产欧洲综合997久久,| 两个人视频免费观看高清| 又大又爽又粗| 真人一进一出gif抽搐免费| 美女 人体艺术 gogo| 美女高潮喷水抽搐中文字幕| 99热只有精品国产| 亚洲精品粉嫩美女一区| 午夜福利免费观看在线| 制服丝袜大香蕉在线| 亚洲精品中文字幕一二三四区| 亚洲七黄色美女视频| 18禁裸乳无遮挡免费网站照片| 久99久视频精品免费| 非洲黑人性xxxx精品又粗又长| 校园春色视频在线观看| 亚洲在线观看片| 99久久99久久久精品蜜桃| 欧美乱色亚洲激情| 国产高清videossex| 午夜免费激情av| 国产真实乱freesex| 亚洲成a人片在线一区二区| 日本三级黄在线观看| 成人欧美大片| 天天一区二区日本电影三级| 国产99白浆流出| 亚洲美女黄片视频| 久久久久久久久久黄片| 噜噜噜噜噜久久久久久91| а√天堂www在线а√下载| 麻豆国产av国片精品| 亚洲第一欧美日韩一区二区三区| 欧美大码av| 欧美激情久久久久久爽电影| 老汉色∧v一级毛片| 亚洲成人中文字幕在线播放| 变态另类丝袜制服| 亚洲无线在线观看| 国产av不卡久久| 99riav亚洲国产免费| 国产视频内射| 国产单亲对白刺激| 窝窝影院91人妻| 国产黄片美女视频| 国产精品影院久久| 1024香蕉在线观看| 两个人视频免费观看高清| 熟女人妻精品中文字幕| 级片在线观看| 麻豆一二三区av精品| 搡老熟女国产l中国老女人| 一个人看的www免费观看视频| 国产一区二区三区视频了| 久久这里只有精品中国| 久久久久久大精品| 男女视频在线观看网站免费| 别揉我奶头~嗯~啊~动态视频| 99久久成人亚洲精品观看| 久久热在线av| 欧美精品啪啪一区二区三区| 12—13女人毛片做爰片一| 亚洲欧美日韩无卡精品| 午夜福利欧美成人| 国产精品爽爽va在线观看网站| 亚洲aⅴ乱码一区二区在线播放| 久久久国产成人免费| aaaaa片日本免费| 九色国产91popny在线| 亚洲自偷自拍图片 自拍| 国产极品精品免费视频能看的| 人人妻,人人澡人人爽秒播| 精品乱码久久久久久99久播| а√天堂www在线а√下载| 精品欧美国产一区二区三| 婷婷丁香在线五月| 欧美日本视频| 亚洲专区中文字幕在线| 五月伊人婷婷丁香| 天堂√8在线中文| 性色av乱码一区二区三区2| 操出白浆在线播放| 两个人看的免费小视频| 亚洲电影在线观看av| 在线免费观看的www视频| 国产精品久久久久久人妻精品电影| 久久久久精品国产欧美久久久| 亚洲国产高清在线一区二区三| 国产欧美日韩精品亚洲av| 中国美女看黄片| 欧美中文日本在线观看视频| 怎么达到女性高潮| 欧美不卡视频在线免费观看| 神马国产精品三级电影在线观看| 香蕉av资源在线| 美女cb高潮喷水在线观看 | 国产探花在线观看一区二区| 日韩高清综合在线| 精品国产乱子伦一区二区三区| 国产黄片美女视频| 午夜影院日韩av| 国产黄a三级三级三级人| 国产精品 国内视频| 国产综合懂色| 免费无遮挡裸体视频| 国产野战对白在线观看| 久久精品综合一区二区三区| 99riav亚洲国产免费| 日韩欧美在线二视频| 熟妇人妻久久中文字幕3abv| 午夜视频精品福利| 日韩欧美一区二区三区在线观看| 欧美日韩乱码在线| 免费在线观看成人毛片| 真人做人爱边吃奶动态| 日本黄大片高清| 岛国视频午夜一区免费看| 99久久无色码亚洲精品果冻| 日韩免费av在线播放| 国产不卡一卡二| 欧美日韩乱码在线| 亚洲第一欧美日韩一区二区三区| 好看av亚洲va欧美ⅴa在| 999久久久国产精品视频| 亚洲av成人av| 18禁裸乳无遮挡免费网站照片| 日本三级黄在线观看| 老熟妇乱子伦视频在线观看| 国产野战对白在线观看| av在线天堂中文字幕| 欧美色欧美亚洲另类二区| 一级毛片女人18水好多| 亚洲国产高清在线一区二区三| 色吧在线观看| 欧美黑人巨大hd| 婷婷丁香在线五月| 免费看光身美女| 欧美av亚洲av综合av国产av| 欧美性猛交╳xxx乱大交人| 女警被强在线播放| 精品国内亚洲2022精品成人| 亚洲精品在线美女| 丰满的人妻完整版| 久久天躁狠狠躁夜夜2o2o| 欧洲精品卡2卡3卡4卡5卡区| 国产伦在线观看视频一区| 午夜免费成人在线视频| 久久久精品欧美日韩精品| 国产淫片久久久久久久久 | 91在线观看av| 日韩精品青青久久久久久| 变态另类丝袜制服| 亚洲人成电影免费在线| 成人一区二区视频在线观看| 日韩免费av在线播放| 久久久水蜜桃国产精品网| 国产真实乱freesex| 国产精品野战在线观看| 日韩人妻高清精品专区| 国产精品九九99| 久久这里只有精品19| 中文字幕av在线有码专区| 亚洲av成人不卡在线观看播放网| 19禁男女啪啪无遮挡网站| 黄色片一级片一级黄色片| 亚洲中文日韩欧美视频| 亚洲成人精品中文字幕电影| 久久中文字幕人妻熟女| 亚洲欧美激情综合另类| 久久久久免费精品人妻一区二区| 午夜免费成人在线视频| 精品国产乱码久久久久久男人| 欧美黄色淫秽网站| 国产亚洲精品一区二区www| 久久国产乱子伦精品免费另类| а√天堂www在线а√下载| 国产激情久久老熟女| 国产精品一区二区精品视频观看| 九九久久精品国产亚洲av麻豆 | 欧美中文日本在线观看视频| 日本熟妇午夜| 热99在线观看视频| 18禁裸乳无遮挡免费网站照片| 天堂网av新在线| 亚洲 国产 在线| 99国产综合亚洲精品| 欧美成人免费av一区二区三区| 国产精品1区2区在线观看.| 精品乱码久久久久久99久播| 一级作爱视频免费观看| 色综合婷婷激情| 美女大奶头视频| 一个人观看的视频www高清免费观看 | 国产高清激情床上av| 这个男人来自地球电影免费观看| 中文在线观看免费www的网站| 亚洲精品在线美女| 国产精品日韩av在线免费观看| 美女 人体艺术 gogo| 国产免费男女视频| 久久亚洲精品不卡| 亚洲精品久久国产高清桃花| 久久久久久久久免费视频了| 亚洲 欧美 日韩 在线 免费| 亚洲精品国产精品久久久不卡| 1024手机看黄色片| 精品久久久久久久人妻蜜臀av| 村上凉子中文字幕在线| 亚洲欧美日韩卡通动漫| 最新美女视频免费是黄的| 日韩欧美 国产精品| 久久中文字幕人妻熟女| 亚洲男人的天堂狠狠| 熟女电影av网| 综合色av麻豆| 色综合欧美亚洲国产小说| 免费av不卡在线播放| АⅤ资源中文在线天堂| 精品无人区乱码1区二区| 日韩精品中文字幕看吧| 18禁国产床啪视频网站| 美女高潮的动态| 国产三级中文精品| 两个人视频免费观看高清| 久久久久久久久中文| 啦啦啦免费观看视频1| 国产精品久久久久久人妻精品电影| xxx96com| 男人舔奶头视频| cao死你这个sao货| 九色国产91popny在线| 波多野结衣高清无吗| 观看美女的网站| 最新美女视频免费是黄的| 国产精品久久久久久亚洲av鲁大| 亚洲国产精品成人综合色| 国产成人av激情在线播放| 亚洲真实伦在线观看| 天堂动漫精品| 男女视频在线观看网站免费| 久久久久久久久免费视频了| 伊人久久大香线蕉亚洲五| 欧美成人性av电影在线观看| 中文字幕久久专区| 亚洲自拍偷在线| 久久久色成人| 999精品在线视频| 日本免费a在线| 亚洲人成网站高清观看| 日韩欧美一区二区三区在线观看| 最新在线观看一区二区三区| 三级国产精品欧美在线观看 | 麻豆一二三区av精品| 久久久久久久久久黄片| 婷婷丁香在线五月| 神马国产精品三级电影在线观看| 成人无遮挡网站| 国产熟女xx| 一二三四社区在线视频社区8| 欧美中文综合在线视频| 亚洲乱码一区二区免费版| 青草久久国产| 国产精品99久久久久久久久| 哪里可以看免费的av片| 国产aⅴ精品一区二区三区波| 啦啦啦免费观看视频1| 久久这里只有精品19| 亚洲中文字幕一区二区三区有码在线看 | 亚洲人与动物交配视频| 在线观看66精品国产| 久久久久久久午夜电影| 级片在线观看| 亚洲国产精品999在线| 国产精品美女特级片免费视频播放器 | 男人舔女人下体高潮全视频| 女人被狂操c到高潮| 男人舔奶头视频| 欧美乱妇无乱码| 国产毛片a区久久久久| 90打野战视频偷拍视频| 亚洲在线自拍视频| 丰满的人妻完整版| 国产精品亚洲av一区麻豆| 午夜视频精品福利| 男人的好看免费观看在线视频| 国语自产精品视频在线第100页| 国内毛片毛片毛片毛片毛片| 国产成人欧美在线观看| 精品不卡国产一区二区三区| 亚洲七黄色美女视频| 久久久久久久久中文| 波多野结衣高清作品| 别揉我奶头~嗯~啊~动态视频| 国产亚洲精品av在线| 天堂√8在线中文| 午夜激情欧美在线| 久久久久国产精品人妻aⅴ院| 久久久精品欧美日韩精品| 精品国内亚洲2022精品成人| 在线永久观看黄色视频| 欧美3d第一页| 久久精品人妻少妇| 嫁个100分男人电影在线观看| 国产精品国产高清国产av| 叶爱在线成人免费视频播放| 丁香六月欧美| 国产精品免费一区二区三区在线| 久久草成人影院| 亚洲美女黄片视频| 午夜激情欧美在线| 免费在线观看影片大全网站| 毛片女人毛片| 亚洲中文字幕日韩| 老鸭窝网址在线观看| 无限看片的www在线观看| 久久久久久国产a免费观看| 亚洲人成网站高清观看| 一进一出好大好爽视频| 成熟少妇高潮喷水视频| 午夜福利在线在线| 久久久国产成人免费| 久久香蕉精品热| 老鸭窝网址在线观看| 99国产精品一区二区三区| 国产一区二区三区在线臀色熟女| 一级毛片女人18水好多| 免费电影在线观看免费观看| 色av中文字幕| 欧美av亚洲av综合av国产av| 久久久久性生活片| 国内少妇人妻偷人精品xxx网站 | 欧美不卡视频在线免费观看| 在线观看美女被高潮喷水网站 | 久久久久久人人人人人| 久久性视频一级片| 国产精品亚洲一级av第二区| 夜夜爽天天搞| 亚洲国产精品合色在线| 99国产精品一区二区蜜桃av| 国产毛片a区久久久久| 久久亚洲真实| 手机成人av网站| 久久精品91无色码中文字幕| 女同久久另类99精品国产91| 最近最新免费中文字幕在线| 全区人妻精品视频| 精品国产乱码久久久久久男人| 久久人妻av系列| 天堂√8在线中文| 日本三级黄在线观看| 国产精品久久久av美女十八| 亚洲avbb在线观看| 日韩欧美一区二区三区在线观看| 亚洲精品456在线播放app | 亚洲国产精品sss在线观看| 国产日本99.免费观看| 美女大奶头视频| 色av中文字幕| 国产不卡一卡二| 久久这里只有精品19| 每晚都被弄得嗷嗷叫到高潮| 最近在线观看免费完整版| 免费在线观看影片大全网站| 国产麻豆成人av免费视频| 日韩欧美 国产精品| 夜夜爽天天搞| 午夜两性在线视频| 一本一本综合久久| 色哟哟哟哟哟哟| 日韩有码中文字幕| 波多野结衣高清无吗| 色视频www国产| 日韩人妻高清精品专区| x7x7x7水蜜桃| 人人妻人人澡欧美一区二区| 成人鲁丝片一二三区免费| 欧美日本亚洲视频在线播放| 精品午夜福利视频在线观看一区| 国内揄拍国产精品人妻在线| 久久国产精品人妻蜜桃| 国产精品九九99| 国产欧美日韩精品一区二区| 亚洲精品美女久久av网站| 最近最新中文字幕大全电影3| 国产91精品成人一区二区三区| 亚洲av成人精品一区久久| 国产一区二区三区在线臀色熟女| 亚洲自偷自拍图片 自拍| 91av网站免费观看| 免费无遮挡裸体视频| 高清毛片免费观看视频网站| 国产高清视频在线播放一区| 国产精品亚洲av一区麻豆| 国产蜜桃级精品一区二区三区| av黄色大香蕉| 国产精品久久久人人做人人爽| 国产精品电影一区二区三区| 欧美成人性av电影在线观看| 欧美三级亚洲精品|