• <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 ?

    融合人眼特征與深度學(xué)習(xí)的疲勞駕駛檢測(cè)模型

    2021-08-20 04:54:26劉占文竇瑞娟
    計(jì)算機(jī)工程 2021年8期
    關(guān)鍵詞:眼部人臉投影

    樊 星,劉占文,林 杉,竇瑞娟

    (1.長(zhǎng)安大學(xué) 電子與控制工程學(xué)院,西安 710064;2.長(zhǎng)安大學(xué) 信息工程學(xué)院,西安 710064)

    0 概述

    疲勞駕駛是導(dǎo)致交通事故的重要因素之一,會(huì)給國(guó)家和個(gè)人的生命財(cái)產(chǎn)安全造成嚴(yán)重?fù)p失。疲勞是一種隨著時(shí)間的推移而積累的生理狀態(tài),在事故發(fā)生前的一段時(shí)間內(nèi)駕駛員就會(huì)出現(xiàn)相應(yīng)的征兆[1]。若能提前發(fā)現(xiàn)疲勞狀態(tài),使駕駛?cè)朔艞墝?duì)車(chē)輛的控制,則能有效減少疲勞駕駛造成的交通事故。

    現(xiàn)有疲勞駕駛檢測(cè)方法主要分為基于車(chē)輛行駛模式檢測(cè)、基于駕駛員生理特征檢測(cè)、基于駕駛員行為檢測(cè)3 類(lèi)。車(chē)輛行駛模式包括轉(zhuǎn)向模式、制動(dòng)模式和車(chē)輛在車(chē)道上的位置[2-3],對(duì)其檢測(cè)對(duì)路況和駕駛技能有很強(qiáng)的依賴(lài)性。駕駛員生理特征主要包括通過(guò)生物電信號(hào)獲得的腦電圖(EEG)、心電圖(ECG)和眼電圖(EOG)[4-5]。文獻(xiàn)[6]提出一種自適應(yīng)多尺度熵特征提取算法,基于腦電數(shù)據(jù)檢測(cè)疲勞狀態(tài)。文獻(xiàn)[7]提取駕駛員心率變異性數(shù)據(jù)以實(shí)現(xiàn)疲勞駕駛的檢測(cè)。文獻(xiàn)[8]利用表頸腰部肌電信號(hào)EMG和頭部腦電信號(hào)EEG 判別駕駛員的疲勞狀態(tài)。文獻(xiàn)[9]通過(guò)采集眼瞼周?chē)つw上的肌電信號(hào)檢測(cè)眼瞼的閉合情況,從而達(dá)到疲勞檢測(cè)的目的。然而,生理信號(hào)采集需要駕駛員佩戴各種信號(hào)測(cè)量工具,這降低了駕駛員的駕駛舒適性,易對(duì)駕駛行為造成影響,不能大范圍推廣。

    駕駛員行為監(jiān)測(cè)隨著機(jī)器視覺(jué)技術(shù)的廣泛應(yīng)用而成為研究的熱點(diǎn),主要包括面部特征,如閉眼、頭部運(yùn)動(dòng)、打哈欠時(shí)間、凝視或面部表情。文獻(xiàn)[10]提出用Viola-Jones 算法檢測(cè)人臉表情和眼部位置,再利用眼跟蹤技術(shù)采集眨眼持續(xù)時(shí)間和眨眼頻率的特征來(lái)完成疲勞檢測(cè)。文獻(xiàn)[11]設(shè)計(jì)哈欠熱成像模型來(lái)檢測(cè)哈欠,以反映駕駛員的疲勞程度。文獻(xiàn)[12]通過(guò)結(jié)合駕駛員的面部幾何特征與手部運(yùn)動(dòng)特征來(lái)確定駕駛員的疲勞狀態(tài)。

    近年來(lái),深度卷積神經(jīng)網(wǎng)絡(luò)(Deep Convolution Neural Network,DCNN)[13]在圖像分類(lèi)、目標(biāo)檢測(cè)、情感識(shí)別、場(chǎng)景分割等計(jì)算機(jī)視覺(jué)任務(wù)中取得了突破性成就。將人臉視覺(jué)特征與深度學(xué)習(xí)相結(jié)合,這種非接觸式的方法不會(huì)干擾駕駛員的正常駕駛,適用于實(shí)際駕駛環(huán)境下的疲勞駕駛檢測(cè)。文獻(xiàn)[14]提出三網(wǎng)絡(luò)并聯(lián)架構(gòu),使用AlexnNet[15]學(xué)習(xí)圖像特征,采用VGG FaceNet[16]提取人臉特征,再用FlowImageNet[17]提取行為特征。文獻(xiàn)[18]根據(jù)PFLD 深度學(xué)習(xí)模型進(jìn)行人臉關(guān)鍵點(diǎn)檢測(cè)并通過(guò)多特征融合策略獲取駕駛?cè)藛T疲勞狀態(tài)。Reddy 利用多任務(wù)級(jí)聯(lián)卷積網(wǎng)絡(luò)(Multitask Cascade CNN,MTCNN)[19]對(duì)人臉進(jìn)行檢測(cè)和對(duì)齊,然后利用駕駛員嗜睡檢測(cè)網(wǎng)絡(luò)(Driver Drowsiness Detection Network,DDDN)[20]檢測(cè)駕駛員疲勞。

    車(chē)載傳感器的廣泛應(yīng)用使得人臉特征與深度學(xué)習(xí)相互融合,為疲勞駕駛檢測(cè)提供了一種有效方法。然而,駕駛員的面部特征易受角度、方向變化的影響。同時(shí),深度學(xué)習(xí)架構(gòu)的規(guī)模較大,且存在較多參數(shù)冗余,這增加了計(jì)算復(fù)雜度與時(shí)間復(fù)雜度。因此,如何提高檢測(cè)方法的準(zhǔn)確性和實(shí)時(shí)性是疲勞檢測(cè)研究的重點(diǎn)。

    針對(duì)上述問(wèn)題,本文提出一種融合人眼特征與深度學(xué)習(xí)的疲勞駕駛檢測(cè)模型。采用端到端的學(xué)習(xí)架構(gòu)進(jìn)行人臉對(duì)齊,通過(guò)直接形狀回歸消除算法對(duì)人臉檢測(cè)的依賴(lài)性,減少關(guān)鍵點(diǎn)提取的時(shí)間消耗。在此基礎(chǔ)上,設(shè)計(jì)一個(gè)融合Ghost模塊和先驗(yàn)約束的疲勞檢測(cè)網(wǎng)絡(luò),將駕駛員疲勞狀態(tài)定量地標(biāo)記為9 個(gè)等級(jí),實(shí)現(xiàn)對(duì)疲勞狀態(tài)的細(xì)粒度檢測(cè)與識(shí)別。此外,通過(guò)少樣本學(xué)習(xí)來(lái)解決收集數(shù)據(jù)標(biāo)注成本高、難度大的問(wèn)題,從而以最小的代價(jià)對(duì)收集到的訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)記。

    1 疲勞駕駛檢測(cè)模型

    1.1 眼部區(qū)域提取

    駕駛員處于疲勞狀態(tài)時(shí),眼部張角會(huì)發(fā)生變化,眨眼頻率也會(huì)降低,在所有面部特征中,眼部參數(shù)能夠更全面地揭示反映疲勞程度的信息。然而,眼部在典型人臉圖像中所占的區(qū)域很小,導(dǎo)致人眼檢測(cè)的高難度、低精度以及低實(shí)時(shí)性。基于人臉標(biāo)志點(diǎn)的眼部區(qū)域提取是一種有效解決上述問(wèn)題的方法。人臉圖像和相關(guān)面部形狀之間的高度非線(xiàn)性關(guān)系是人臉關(guān)鍵點(diǎn)檢測(cè)的主要難點(diǎn),為了減少對(duì)級(jí)聯(lián)回歸的依賴(lài)性,本文在端到端學(xué)習(xí)框架中通過(guò)直接形狀回歸網(wǎng)絡(luò)(Direct Shape Regression Network,DSRN)[21]實(shí)現(xiàn)人臉關(guān)鍵點(diǎn)提取。DSRN 利用雙卷積層和傅里葉特征聚合層有效地解決了圖像與形狀之間高度非線(xiàn)性關(guān)系,再結(jié)合低階學(xué)習(xí)的線(xiàn)性層有效地處理了關(guān)鍵點(diǎn)之間的相關(guān)性,提高了性能。由DSRN 獲得的面部標(biāo)志點(diǎn)包括面部邊界、眉毛、眼部、鼻子和嘴唇,如圖1 所示。

    圖1 用于人臉對(duì)齊的DSRN 體系結(jié)構(gòu)Fig.1 DSRN framework for face alignment

    在所有標(biāo)記點(diǎn)中,共有12 個(gè)點(diǎn)與眼部特征相關(guān),其中左眼和右眼分別為6 個(gè)。研究表明,局部人臉圖像可以提供與全局人臉圖像相似的特征[22],因此,本文只提取左眼相關(guān)特征進(jìn)行疲勞檢測(cè),標(biāo)志點(diǎn)分布如圖2 所示。其中,A 和B 分別是上下眼瞼的內(nèi)交點(diǎn)和外交點(diǎn),C、E 為AB 線(xiàn)三等分點(diǎn)近內(nèi)交點(diǎn)處與上下眼瞼的交點(diǎn),D、F 為AB 線(xiàn)三等分點(diǎn)近外交點(diǎn)處與上下眼瞼的交點(diǎn)。則眼部的長(zhǎng)度和寬度為:

    圖2 基于左眼標(biāo)志點(diǎn)的眼部區(qū)域提取Fig.2 Eye region extraction based on left eye landmarks

    基于面部標(biāo)志點(diǎn)提取的眼部區(qū)域?yàn)椋?/p>

    1.2 模型構(gòu)建

    1.2.1 G-VGG16

    基于眼部區(qū)域建立疲勞駕駛檢測(cè)模型,提取疲勞相關(guān)特征,并根據(jù)眼部狀態(tài)在一段時(shí)間內(nèi)的變化來(lái)估計(jì)駕駛員的狀態(tài)。疲勞是一種隨著時(shí)間的推移而積累的生理狀態(tài)。當(dāng)長(zhǎng)時(shí)間無(wú)中斷駕駛時(shí),駕駛員需要不斷地感知和識(shí)別其余交通參與者的行為狀態(tài),導(dǎo)致精神長(zhǎng)期高度緊張,產(chǎn)生疲勞,造成事故瞬間發(fā)生。疲勞檢測(cè)的實(shí)時(shí)性對(duì)其產(chǎn)生預(yù)警作用至關(guān)重要。

    眼部結(jié)構(gòu)簡(jiǎn)單,淺層網(wǎng)絡(luò)即可對(duì)眼部特征提取分類(lèi)。然而,駕駛員疲勞產(chǎn)生過(guò)程中存在過(guò)渡狀態(tài),不能簡(jiǎn)單地將其劃分為疲勞和清醒狀態(tài)。細(xì)化疲勞分類(lèi)需要提取細(xì)粒度的眼部特征,選擇VGG16[23]作為基礎(chǔ)特征提取網(wǎng)絡(luò)。為了輕量化網(wǎng)絡(luò)以提高其實(shí)時(shí)性與移植性,受文獻(xiàn)[24]啟發(fā),本文在VGG16 中引入Ghost 模塊,得到G-VGG16。傳統(tǒng)CNN 通過(guò)不同卷積核參數(shù)計(jì)算得到的特征圖具有高度相似性,導(dǎo)致特征圖冗余。Ghost 模塊在減少輸出通道的情況下,通過(guò)常規(guī)卷積運(yùn)算生成固有特征圖,再基于固有特征圖,通過(guò)簡(jiǎn)單的線(xiàn)性變換生成更多的相似特征圖,稱(chēng)為Ghost 特征圖,最后得到與普通卷積方法生成特征圖數(shù)量相同的特征圖,如圖3 所示。

    圖3 Ghost 模型架構(gòu)Fig.3 Ghost model architecture

    假設(shè)普通卷積的通道數(shù)為n,當(dāng)前通道數(shù)為m,固有特征圖表示為Y′,則得到式(5)。

    G-VGG16 在原有卷積運(yùn)算的基礎(chǔ)上,采用線(xiàn)性變換生成合適的Ghost 特征圖,充分揭示了特征的內(nèi)在關(guān)聯(lián)性。通過(guò)這種低成本的代換,有效地簡(jiǎn)化了模型的參數(shù)量和運(yùn)算量,可以在較短的響應(yīng)時(shí)間內(nèi)得到眼部的特征表示,從而降低模型的運(yùn)行成本,提高其實(shí)時(shí)性和可移植性。

    1.2.2 GP-VGG16 網(wǎng)絡(luò)

    通過(guò)投影變換可以將特征從高維映射到低維,從而更緊湊。對(duì)眼部區(qū)域圖像進(jìn)行二值化處理,并對(duì)二值化圖像進(jìn)行垂直積分投影,獲得垂直積分投影曲線(xiàn)。觀(guān)察發(fā)現(xiàn),眼部狀態(tài)的不同會(huì)導(dǎo)致其整體投影特征有所差異,如圖4 所示。由于受眼球灰度的影響,睜眼的積分投影特征圖具有主峰波形。相反,閉眼的積分投影特征圖是平坦的波形,而當(dāng)眼部張度不同時(shí),主峰的高度也會(huì)隨之變化。眼部積分投影波形變化的特征可以對(duì)眼部張開(kāi)狀態(tài)進(jìn)行有效預(yù)判。

    圖4 不同眼部狀態(tài)的積分投影特征圖Fig.4 Integral projection feature maps of different eye states

    本文將積分投影得到的投影矢量調(diào)制作為先驗(yàn)知識(shí)引入到疲勞狀態(tài)分類(lèi)網(wǎng)絡(luò)中。將先驗(yàn)信息看作一種特征映射直接附加到G-VGG16 卷積層的輸出中,在G-VGG16的輸出端增加concat層,將網(wǎng)絡(luò)特征提取結(jié)果與先驗(yàn)知識(shí)相融合,如圖5所示,輸出前的最后一個(gè)卷積層可以有效提取包含先驗(yàn)信息的眼部特征,這種增加離線(xiàn)計(jì)算,對(duì)輸入的眼部區(qū)域進(jìn)行投影處理作為預(yù)處理的方法,可以提高眼部狀態(tài)識(shí)別的準(zhǔn)確性和有效性。

    圖5 本文疲勞駕駛檢測(cè)網(wǎng)絡(luò)整體框架Fig5 Overall framework of the proposed fatigue driving detection network

    本文選用GP-VGG16 作為特征提取模型,并基于提取的眼部特征,建立眼部特征-疲勞等級(jí)模型。先將疲勞狀態(tài)劃分為9 個(gè)等級(jí),再根據(jù)時(shí)間段內(nèi)疲勞等級(jí)的變化來(lái)定量地估計(jì)駕駛員狀態(tài)。

    1.3 少樣本學(xué)習(xí)

    現(xiàn)有公測(cè)數(shù)據(jù)集并不適用于本文模型,需要自己收集數(shù)據(jù)集進(jìn)行訓(xùn)練與測(cè)試。然而深度學(xué)習(xí)模型需要大量的標(biāo)記數(shù)據(jù)和多次迭代來(lái)訓(xùn)練參數(shù),若訓(xùn)練數(shù)據(jù)過(guò)少,在測(cè)試集上易出現(xiàn)過(guò)擬合現(xiàn)象,嚴(yán)重影響測(cè)試精度。因此,需要以最小的代價(jià)標(biāo)記收集到的訓(xùn)練數(shù)據(jù)。少樣本學(xué)習(xí)就是在訓(xùn)練數(shù)據(jù)非常有限的情況下有效識(shí)別出新目標(biāo)?,F(xiàn)有方法通常采用數(shù)據(jù)增強(qiáng)和正則化以及元學(xué)習(xí)來(lái)緩解數(shù)據(jù)缺乏問(wèn)題,本文通過(guò)端到端的少樣本學(xué)習(xí)框架實(shí)現(xiàn)從有限的樣本實(shí)例中對(duì)新類(lèi)識(shí)別的自學(xué)習(xí)。

    從訓(xùn)練數(shù)據(jù)集的每一類(lèi)中選取M個(gè)樣本,并根據(jù)KSS 表[25]手動(dòng)標(biāo)記。然后從這M個(gè)樣本中選擇K個(gè)樣本作為支持集S,剩余樣本作為查詢(xún)集Q,用于模擬在數(shù)據(jù)標(biāo)注中將遇到的未標(biāo)記集?;谥С旨筒樵?xún)集訓(xùn)練關(guān)系網(wǎng)絡(luò)(Relationship Network,RN)[26],再將所有的支持集和未標(biāo)記數(shù)據(jù)集映射到RN 中,計(jì)算來(lái)自不同集合的2 幅圖像之間的相似度,對(duì)采集到的疲勞數(shù)據(jù)進(jìn)行自適應(yīng)標(biāo)記。

    RN 由2 個(gè)部分組成,一部分是用于提取圖像特征的嵌入模塊fφ,另一部分是用于計(jì)算2 個(gè)圖像相似性的關(guān)系模塊gφ,總體結(jié)構(gòu)如圖6 所示。

    圖6 RN 的整體架構(gòu)Fig.6 Overall architecture of RN

    首先通過(guò)嵌入模塊fφ分別得到支持集S 中樣本xi的特征圖fφ(xi)和查詢(xún)集Q 中樣本xj的特征圖fφ(xj);然后將fφ(xi)和fφ(xj)在深度維度中連接得到特征圖C(fφ(xi),fφ(xj)),連接特征圖通過(guò)關(guān)系模塊gφ輸出關(guān)系得分,以表示xi和xj之間的相似性,如式(6)所示。

    其中:ri,j表示關(guān)系得分,C 表示分類(lèi)類(lèi)別數(shù),本文中C為9。輸出關(guān)系得分為0~1,0 表示非常不同,1 表示完全相似。最后,根據(jù)關(guān)系得分判斷未標(biāo)注樣本的類(lèi)別。

    2 實(shí)驗(yàn)

    2.1 疲勞檢測(cè)數(shù)據(jù)集

    目前用于疲勞檢測(cè)的公測(cè)數(shù)據(jù)集主要包括Drazy 數(shù)據(jù)集[27]、NTHU 駕駛員疲勞檢測(cè)數(shù)據(jù)集[28]、Closed Eyes in the Wild(CEW)數(shù)據(jù)集[29]和ZJU 眨眼數(shù)據(jù)集[30]。Drazy 數(shù)據(jù)集包含多種用于疲勞檢測(cè)的數(shù)據(jù),但其只包含11 個(gè)受試者的數(shù)據(jù),不適用于CNN 訓(xùn)練的模型。NTHU 數(shù)據(jù)集、CEW 數(shù)據(jù)集和ZJU 數(shù)據(jù)集包含各種場(chǎng)景下的RGB 圖像和視頻,然而其疲勞程度分類(lèi)標(biāo)簽主要為疲勞、不疲勞兩類(lèi),與本文的實(shí)驗(yàn)環(huán)境不同,這些局限性使得上述數(shù)據(jù)集很難應(yīng)用于本文提出的模型。因此,本文在自己收集的自定義數(shù)據(jù)集上進(jìn)行相應(yīng)實(shí)驗(yàn)。

    實(shí)驗(yàn)招募12 名年齡在25~35 歲的受試者(4 名女性和8 名男性),要求至少有2 年駕駛經(jīng)驗(yàn),無(wú)視力矯正,健康狀況良好,無(wú)睡眠障礙,且在實(shí)驗(yàn)前24 h 時(shí)內(nèi)禁食咖啡和酒精。本文使用駕駛模擬器和攝像機(jī)記錄駕駛員的轉(zhuǎn)向數(shù)據(jù)和面部圖像。將人臉圖像作為疲勞狀態(tài)識(shí)別網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集,轉(zhuǎn)向數(shù)據(jù)作為數(shù)據(jù)標(biāo)注的輔助。

    實(shí)驗(yàn)采用天氣正常、交通參與者行為正常的全封閉標(biāo)準(zhǔn)公路作為測(cè)試駕駛環(huán)境。不同睡眠時(shí)間的參與者進(jìn)入疲勞狀態(tài)的時(shí)間和最終的疲勞程度是不同的,為了收集到更全面的數(shù)據(jù),將受試者按照要求的睡眠時(shí)間分為2 組,一組睡眠時(shí)間為8 h(允許0.5 h 的誤差),另一組睡眠時(shí)間為4 h(允許0.5 h 的誤差)。實(shí)驗(yàn)時(shí)間為上午8 點(diǎn)至11 點(diǎn),每位駕駛員在最高車(chē)速為80 km/h 的要求下模擬駕駛4 h,直到疲勞過(guò)度無(wú)法繼續(xù)駕駛時(shí)實(shí)驗(yàn)停止。實(shí)驗(yàn)共獲得48 h的測(cè)試視頻數(shù)據(jù),將其劃分為2 880 個(gè)視頻片段,每個(gè)視頻片段包括1 500 張圖像。隨機(jī)抽取1 920 個(gè)視頻片段作為訓(xùn)練數(shù)據(jù)集,其余數(shù)據(jù)集作為測(cè)試數(shù)據(jù)集。

    2.2 數(shù)據(jù)標(biāo)注

    為全面反映疲勞產(chǎn)生過(guò)程中的過(guò)渡狀態(tài),本文根據(jù)KSS 將疲勞狀態(tài)分為9 個(gè)等級(jí),如表1 所示,每個(gè)等級(jí)都有唯一的KSS 得分標(biāo)簽ki,ki∈1,2,…,9。研究表明,受試者的KSS 得分ki在駕駛期間呈線(xiàn)性增加,當(dāng)ki∈1,2,3,4,5,6,駕駛員處于正常狀態(tài),當(dāng)ki∈7 時(shí),駕駛員處于過(guò)渡狀態(tài),當(dāng)ki∈8,9 時(shí),駕駛員處于疲勞駕駛狀態(tài)[4]。假定狀態(tài)的閾值為0.4,即當(dāng)駕駛員在測(cè)試區(qū)間保持某個(gè)狀態(tài)的時(shí)間超過(guò)40%時(shí),視為駕駛員處于該狀態(tài)。根據(jù)文獻(xiàn)[31],駕駛員處于喚醒狀態(tài)和過(guò)渡狀態(tài)時(shí)可以正常控制車(chē)輛。因此,當(dāng)疲勞駕駛檢測(cè)模型輸出的KSS 評(píng)分滿(mǎn)足ki∈1,2,…,7 時(shí),判定駕駛員處于正常狀態(tài),反之,駕駛員處于疲勞狀態(tài)。

    表1 Karolinska 困倦量化表Table 1 Karolinska sleepiness scale

    本文將駕駛員主觀(guān)評(píng)價(jià)與基于駕駛模擬器轉(zhuǎn)向數(shù)據(jù)的客觀(guān)評(píng)價(jià)方法相結(jié)合,實(shí)現(xiàn)駕駛員狀態(tài)的標(biāo)注。首先要求駕駛員根據(jù)KSS 表在固定的時(shí)間間隔(5 min)報(bào)告其駕駛狀態(tài)。同時(shí)考慮到在從清醒到疲勞的整個(gè)駕駛狀態(tài)下,方向盤(pán)轉(zhuǎn)角的變化(CSWA)和方向盤(pán)轉(zhuǎn)角變化的速度(SSWAC)存在變化,選擇CSWA 和SSWAC 作為疲勞相關(guān)指標(biāo),對(duì)駕駛員報(bào)告的KSS 評(píng)分進(jìn)行修正,得到最終的KSS 得分,作為疲勞駕駛檢測(cè)數(shù)據(jù)集中訓(xùn)練集的標(biāo)簽。

    2.3 評(píng)價(jià)指標(biāo)

    根據(jù)精確率、召回率、PRC、F1 值、準(zhǔn)確度和運(yùn)行速度對(duì)所提出的疲勞駕駛檢測(cè)模型的性能進(jìn)行評(píng)估。

    精確率P和召回率R表示為:

    PRC 是由準(zhǔn)確率和召回率組成的折線(xiàn)圖,F(xiàn)1是綜合識(shí)別率的評(píng)價(jià)指標(biāo),定義如下:

    2.4 實(shí)驗(yàn)設(shè)計(jì)與分析

    2.4.1 疲勞駕駛檢測(cè)框架有效性驗(yàn)證

    本文所有的訓(xùn)練和評(píng)估任務(wù)都基于配置NVIDIA GeForce GTX TITAN X GPU、12 GB 內(nèi)存的實(shí)驗(yàn)平臺(tái)完成。采用隨機(jī)梯度下降(SGD)算法優(yōu)化訓(xùn)練疲勞駕駛檢測(cè)網(wǎng)絡(luò),動(dòng)量和權(quán)重衰減分別設(shè)置為0.9和0.000 1。比較VGG16、G-VGG16、GP-VGG16這3 種網(wǎng)絡(luò)結(jié)構(gòu)的性能,以評(píng)估GP-VGG16 中該組成部分的有效性,實(shí)驗(yàn)結(jié)果如表2 所示??梢钥闯觯珿host 模塊的引入使得VGG16 緊湊化、輕量化,同時(shí)保持了較高的檢測(cè)性能。而先驗(yàn)信息補(bǔ)充了相似開(kāi)合度的眼部區(qū)域在特征提取過(guò)程中丟失的細(xì)節(jié)信息,提高了檢測(cè)識(shí)別精度。在運(yùn)行速度方面,G-VGG16 算法將計(jì)算時(shí)間縮短了約40%,雖然增加積分投影特征圖對(duì)時(shí)間消耗帶來(lái)了輕微影響,但GP-VGG16 較好地平衡了檢測(cè)精度和時(shí)間成本,對(duì)疲勞狀態(tài)的高精度實(shí)時(shí)檢測(cè)具有重要意義。

    表2 不同檢測(cè)模型的性能比較Table 2 Performance comparison of different detection models

    選取4名不同測(cè)試階段的參與者的部分測(cè)試樣本,結(jié)果如圖7 所示。其中:參與者1 為25 歲男性,睡眠時(shí)間8 h;參與者2 為32 歲女性,睡眠時(shí)間8 h;參與者3 為28 歲男性,睡眠時(shí)間4 h;參與者4 為35 歲男性,睡眠時(shí)間8 h。可以看出,不同的人經(jīng)過(guò)同一段時(shí)間,或者同一個(gè)人在不同的時(shí)間段,其疲勞狀態(tài)存在差異。在睡眠充足的條件下,在駕駛3 h 后,處于過(guò)渡狀態(tài)的概率大于疲勞狀態(tài)的概率。而當(dāng)睡眠不充足時(shí),在駕駛2 h后,即出現(xiàn)疲勞。4 h 睡眠對(duì)照組的建立有效地?cái)U(kuò)展了疲勞狀態(tài)的數(shù)據(jù)樣本。圖7 中測(cè)試樣本的檢測(cè)指標(biāo)如圖8 所示。實(shí)驗(yàn)結(jié)果表明,本文提出模型具有較高的檢測(cè)精度,且對(duì)年齡和性別差異魯棒性較好。

    圖7 不同參與者在不同駕駛階段的部分測(cè)試結(jié)果Fig.7 Some results of different participants at different driving stages

    圖8 部分測(cè)試樣本檢測(cè)結(jié)果Fig.8 Results of some test samples

    由于在對(duì)駕駛狀態(tài)進(jìn)行分類(lèi)時(shí)考慮了時(shí)間延續(xù)中出現(xiàn)的過(guò)渡狀態(tài),分別對(duì)9 種不同狀態(tài)下的檢測(cè)效果進(jìn)行驗(yàn)證。如圖9 所示,可以看出:當(dāng)ki∈8,9,即駕駛員處于疲勞駕駛狀態(tài)時(shí),眼部狀態(tài)與清醒時(shí)有很大不同,檢測(cè)精度較高;同樣,當(dāng)ki∈1,2 時(shí),檢測(cè)精度較高;當(dāng)ki∈5,6,7 時(shí),在KSS 評(píng)分的分類(lèi)中,屬于正常狀態(tài)和過(guò)渡狀態(tài),但眼動(dòng)狀態(tài)的差異相對(duì)較小,疲勞檢測(cè)的準(zhǔn)確性降低。從總體上看,本文模型具有較高的檢測(cè)精度,能夠有效地檢測(cè)出駕駛員從清醒到疲勞的各個(gè)階段的狀態(tài)。

    圖9 9 種不同狀態(tài)的檢測(cè)效果Fig.9 Detection effects of nine different states

    2.4.2 與現(xiàn)有檢測(cè)網(wǎng)絡(luò)的對(duì)比

    將本文提出檢測(cè)模型與Faster R-CNN[32]架構(gòu)和DDDN 架構(gòu)進(jìn)行對(duì)比。在數(shù)據(jù)集和硬件配置都相同的情況下,不斷調(diào)整參數(shù)以使3 種網(wǎng)絡(luò)都達(dá)到最佳性能。圖10 是平均精度和平均召回率的統(tǒng)計(jì)結(jié)果。實(shí)驗(yàn)結(jié)果表明,GP-VGG16 通過(guò)在傳統(tǒng)的卷積結(jié)構(gòu)中引入Ghost 模型和先驗(yàn)積分投影特征,對(duì)目前廣泛使用的疲勞檢測(cè)網(wǎng)絡(luò)進(jìn)行了改進(jìn)優(yōu)化,平均精度比采用Faster R-CNN 和DDDN 的方法提高了2%左右,在疲勞檢測(cè)方面取得了較好的性能表現(xiàn)。

    圖10 3 種對(duì)比度模型的P-R 曲線(xiàn)Fig.10 P-R curves of three contrast models

    由于在測(cè)試過(guò)程中引入積分投影會(huì)帶來(lái)額外的處理時(shí)間損失,因此對(duì)測(cè)試時(shí)間和模型的大小進(jìn)行對(duì)比實(shí)驗(yàn),結(jié)果見(jiàn)表3,表中最后一列顯示了整個(gè)系統(tǒng)的運(yùn)行時(shí)間,包括眼部特征提取和疲勞檢測(cè)??梢钥闯觯?yàn)橥队疤卣鲌D的特征易于提取,在網(wǎng)絡(luò)中加入積分投影的計(jì)算時(shí)間可以近似忽略。

    表3 運(yùn)行速度和模型尺寸對(duì)比Table3 Comparison of running speed and model size

    2.4.3 與現(xiàn)有模型的比較

    將本文提出的疲勞駕駛檢測(cè)方法與基于車(chē)輛行駛模式監(jiān)測(cè)、基于駕駛員生理特征監(jiān)測(cè)以及基于駕駛員行為監(jiān)測(cè)中的典型方法進(jìn)行測(cè)試對(duì)比,如表4 所示??梢钥闯觯何墨I(xiàn)[2]中基于行駛模式的疲勞駕駛檢測(cè)方法對(duì)駕駛員的駕駛風(fēng)格和駕駛環(huán)境的差異非常敏感;文獻(xiàn)[7]的方法具有較高的實(shí)時(shí)性和穩(wěn)定性,然而這種接觸式的檢測(cè)方法會(huì)影響駕駛員的駕駛舒適度,影響駕駛行為;文獻(xiàn)[11]中基于眨眼監(jiān)測(cè)的方法受真實(shí)環(huán)境中的光照變化的影響而不穩(wěn)定。對(duì)比發(fā)現(xiàn),本文提出模型在準(zhǔn)確性和實(shí)時(shí)性方面都是最好的,同時(shí),利用少樣本學(xué)習(xí)方法減少了樣本標(biāo)記過(guò)程中的時(shí)間和人力成本。

    表4 本文模型與現(xiàn)有檢測(cè)模型的比較Table 4 Comparison of the porposed model with exsisted detection models

    3 結(jié)束語(yǔ)

    根據(jù)駕駛員疲勞狀態(tài)對(duì)其進(jìn)行提前預(yù)警,可以有效減少交通事故的發(fā)生。本文提出一種融合人眼特征與深度學(xué)習(xí)的疲勞駕駛檢測(cè)模型。通過(guò)DSRN提取人眼特征點(diǎn),融合Ghost 模塊和先驗(yàn)約束設(shè)計(jì)GP-VGG16 網(wǎng)絡(luò),基于眼部特征建立疲勞等級(jí)模型,對(duì)疲勞狀態(tài)進(jìn)行定量分類(lèi)。少樣本學(xué)習(xí)可以解決疲勞駕駛檢測(cè)模型建立過(guò)程中缺少標(biāo)記數(shù)據(jù)的問(wèn)題。實(shí)驗(yàn)結(jié)果表明,本文模型能夠有效提高復(fù)雜駕駛環(huán)境中人臉特征提取的魯棒性,緩解特征提取過(guò)程中參數(shù)冗余的問(wèn)題,減少模型訓(xùn)練過(guò)程中圖像數(shù)據(jù)標(biāo)注的成本,實(shí)現(xiàn)對(duì)駕駛員疲勞狀態(tài)高效、精準(zhǔn)的檢測(cè)識(shí)別。下一步將研究如何降低檢測(cè)網(wǎng)絡(luò)對(duì)硬件設(shè)備的依賴(lài)性,使其得到更廣泛的應(yīng)用。

    猜你喜歡
    眼部人臉投影
    有特點(diǎn)的人臉
    解變分不等式的一種二次投影算法
    基于最大相關(guān)熵的簇稀疏仿射投影算法
    找投影
    找投影
    三國(guó)漫——人臉解鎖
    為什么要做眼部檢查
    戴眼罩有助消除眼部疲勞
    如何消除用電腦后的眼部疲勞
    早晨醒后別揉眼,容易感染
    国产成人av激情在线播放| 在线观看免费视频日本深夜| 级片在线观看| 亚洲精品久久国产高清桃花| 一进一出抽搐gif免费好疼| www.精华液| 久久九九热精品免费| 男女做爰动态图高潮gif福利片| 亚洲成人免费电影在线观看| 国内精品一区二区在线观看| 91在线观看av| 国产高清三级在线| 免费看日本二区| 18禁黄网站禁片午夜丰满| 香蕉国产在线看| 一区福利在线观看| 亚洲 欧美 日韩 在线 免费| 中文字幕av在线有码专区| 国产单亲对白刺激| 性色avwww在线观看| 国产91精品成人一区二区三区| 1000部很黄的大片| 亚洲av成人一区二区三| 日本三级黄在线观看| a级毛片在线看网站| 国产一区二区激情短视频| 国产毛片a区久久久久| 在线播放国产精品三级| 精品欧美国产一区二区三| netflix在线观看网站| 性色av乱码一区二区三区2| 男人舔女人下体高潮全视频| 一进一出抽搐gif免费好疼| 香蕉久久夜色| 怎么达到女性高潮| 狂野欧美激情性xxxx| 欧美乱妇无乱码| 听说在线观看完整版免费高清| 黄色女人牲交| 99热只有精品国产| 久久婷婷人人爽人人干人人爱| 日本黄大片高清| 午夜日韩欧美国产| 国内精品久久久久精免费| 久久久国产成人精品二区| 国产成人影院久久av| 嫩草影院精品99| 99国产极品粉嫩在线观看| 国产毛片a区久久久久| 中文字幕久久专区| www.精华液| 在线看三级毛片| 久久亚洲真实| 天堂√8在线中文| 亚洲国产精品999在线| 国产男靠女视频免费网站| 悠悠久久av| 日韩中文字幕欧美一区二区| 全区人妻精品视频| 国产亚洲精品一区二区www| 9191精品国产免费久久| 99精品在免费线老司机午夜| 精品久久久久久久久久免费视频| 精品久久久久久成人av| 国产单亲对白刺激| 欧美3d第一页| 非洲黑人性xxxx精品又粗又长| 非洲黑人性xxxx精品又粗又长| 亚洲五月婷婷丁香| cao死你这个sao货| 亚洲av熟女| 性色av乱码一区二区三区2| 国产精品自产拍在线观看55亚洲| 亚洲美女视频黄频| 村上凉子中文字幕在线| 精品久久久久久,| 日韩人妻高清精品专区| 午夜两性在线视频| 久久香蕉精品热| 老司机在亚洲福利影院| 成人高潮视频无遮挡免费网站| 香蕉久久夜色| 国产精品99久久久久久久久| 中文字幕av在线有码专区| 怎么达到女性高潮| 日韩国内少妇激情av| 亚洲欧美日韩高清在线视频| 怎么达到女性高潮| 国产成人av激情在线播放| 欧美国产日韩亚洲一区| 色视频www国产| 欧美另类亚洲清纯唯美| 91麻豆av在线| 久久午夜综合久久蜜桃| 看片在线看免费视频| 国产伦一二天堂av在线观看| 亚洲精品一卡2卡三卡4卡5卡| 欧美日韩黄片免| 亚洲美女黄片视频| 夜夜看夜夜爽夜夜摸| 国产亚洲av高清不卡| 悠悠久久av| 日本五十路高清| 亚洲国产看品久久| 一区二区三区高清视频在线| 白带黄色成豆腐渣| 欧美日韩瑟瑟在线播放| 老司机在亚洲福利影院| 91在线观看av| 老司机在亚洲福利影院| 老汉色∧v一级毛片| 久久人人精品亚洲av| 欧美一区二区精品小视频在线| 色在线成人网| 亚洲美女黄片视频| 精品久久久久久,| avwww免费| 色噜噜av男人的天堂激情| 丰满人妻一区二区三区视频av | 精品一区二区三区视频在线 | 国产亚洲精品久久久com| 日韩有码中文字幕| 国产成人欧美在线观看| 可以在线观看毛片的网站| 国产成人啪精品午夜网站| 美女扒开内裤让男人捅视频| 成人18禁在线播放| 日本一本二区三区精品| 亚洲成av人片在线播放无| 婷婷精品国产亚洲av| 日韩人妻高清精品专区| 热99在线观看视频| 久久久精品欧美日韩精品| 在线观看美女被高潮喷水网站 | 亚洲国产色片| 亚洲av电影不卡..在线观看| 黑人欧美特级aaaaaa片| netflix在线观看网站| 又黄又爽又免费观看的视频| 我的老师免费观看完整版| 亚洲欧美日韩无卡精品| 久久婷婷人人爽人人干人人爱| 精品久久久久久久毛片微露脸| 日韩av在线大香蕉| 欧美乱妇无乱码| 久久久国产成人精品二区| 精品国内亚洲2022精品成人| 国产精品一区二区精品视频观看| 18禁观看日本| 18禁黄网站禁片免费观看直播| 久久中文看片网| 制服丝袜大香蕉在线| 欧美乱妇无乱码| 国产欧美日韩一区二区精品| 欧美日韩福利视频一区二区| 成年女人毛片免费观看观看9| 精品久久久久久久久久久久久| 天堂av国产一区二区熟女人妻| 国产午夜精品论理片| 亚洲成人免费电影在线观看| 亚洲欧美日韩无卡精品| 午夜免费观看网址| 在线免费观看的www视频| 国产高清视频在线观看网站| 日韩三级视频一区二区三区| 精品久久久久久久毛片微露脸| 亚洲aⅴ乱码一区二区在线播放| 99riav亚洲国产免费| 男人和女人高潮做爰伦理| 成人性生交大片免费视频hd| 无人区码免费观看不卡| 91麻豆av在线| 高潮久久久久久久久久久不卡| 超碰成人久久| 日韩欧美 国产精品| 在线观看一区二区三区| 亚洲精品美女久久av网站| 亚洲无线在线观看| 国产成人精品久久二区二区91| 午夜激情福利司机影院| 99久国产av精品| 国产精品野战在线观看| 黄色日韩在线| 亚洲乱码一区二区免费版| 1024香蕉在线观看| 一个人免费在线观看的高清视频| 国产精品久久视频播放| 又爽又黄无遮挡网站| 国产精品久久久久久人妻精品电影| 国模一区二区三区四区视频 | 午夜福利在线观看免费完整高清在 | 给我免费播放毛片高清在线观看| 1024香蕉在线观看| 黄色视频,在线免费观看| 亚洲国产精品成人综合色| 亚洲成av人片免费观看| 在线看三级毛片| 久久久久精品国产欧美久久久| 亚洲精品乱码久久久v下载方式 | 男女视频在线观看网站免费| 久久天躁狠狠躁夜夜2o2o| 天天添夜夜摸| 最近最新中文字幕大全免费视频| 久久久水蜜桃国产精品网| 国产一区二区三区在线臀色熟女| 免费看美女性在线毛片视频| aaaaa片日本免费| 成熟少妇高潮喷水视频| 欧美大码av| 亚洲国产日韩欧美精品在线观看 | 亚洲专区字幕在线| 国产亚洲av高清不卡| 男女午夜视频在线观看| 欧美3d第一页| 国产又黄又爽又无遮挡在线| 少妇的逼水好多| 一二三四在线观看免费中文在| 国产av在哪里看| 天堂动漫精品| 老鸭窝网址在线观看| 黄色片一级片一级黄色片| 日本三级黄在线观看| 搡老熟女国产l中国老女人| 老司机在亚洲福利影院| 波多野结衣高清无吗| 国产三级黄色录像| 少妇裸体淫交视频免费看高清| 国产97色在线日韩免费| 亚洲va日本ⅴa欧美va伊人久久| 亚洲成人久久性| 亚洲欧美日韩无卡精品| 亚洲熟妇中文字幕五十中出| 亚洲欧美一区二区三区黑人| 午夜精品久久久久久毛片777| 首页视频小说图片口味搜索| 在线播放国产精品三级| 欧美高清成人免费视频www| 免费av不卡在线播放| 此物有八面人人有两片| 国产精品久久久人人做人人爽| 琪琪午夜伦伦电影理论片6080| 日本a在线网址| 亚洲人成伊人成综合网2020| 国产伦精品一区二区三区四那| 欧美日韩瑟瑟在线播放| 又粗又爽又猛毛片免费看| 久久婷婷人人爽人人干人人爱| 国产亚洲欧美在线一区二区| 十八禁人妻一区二区| 亚洲欧美精品综合久久99| 久久久久久久久中文| 亚洲熟女毛片儿| 五月伊人婷婷丁香| 国产精品爽爽va在线观看网站| 色精品久久人妻99蜜桃| 日本黄色片子视频| 日韩国内少妇激情av| 久久精品人妻少妇| 波多野结衣高清作品| 欧美zozozo另类| 亚洲人成电影免费在线| 国内久久婷婷六月综合欲色啪| 免费看光身美女| 欧美一区二区精品小视频在线| 亚洲av美国av| 国产成人影院久久av| 成熟少妇高潮喷水视频| 香蕉久久夜色| 日韩免费av在线播放| 一a级毛片在线观看| 69av精品久久久久久| x7x7x7水蜜桃| 国产欧美日韩精品一区二区| 国产黄片美女视频| 成人国产一区最新在线观看| 18禁国产床啪视频网站| 久久天躁狠狠躁夜夜2o2o| 色综合欧美亚洲国产小说| 两个人看的免费小视频| 中文字幕高清在线视频| 国内精品美女久久久久久| 国产蜜桃级精品一区二区三区| 日日干狠狠操夜夜爽| 成年免费大片在线观看| 可以在线观看毛片的网站| 久久香蕉精品热| 美女免费视频网站| 九九热线精品视视频播放| 给我免费播放毛片高清在线观看| 色av中文字幕| 中文资源天堂在线| 黄色 视频免费看| 色综合亚洲欧美另类图片| 免费观看人在逋| 亚洲人成伊人成综合网2020| 中文字幕久久专区| h日本视频在线播放| 亚洲美女黄片视频| 综合色av麻豆| 日韩有码中文字幕| 国产1区2区3区精品| 一级黄色大片毛片| 婷婷六月久久综合丁香| 香蕉丝袜av| 天堂网av新在线| 午夜视频精品福利| 日韩精品青青久久久久久| 精品乱码久久久久久99久播| 嫩草影院入口| 18禁黄网站禁片午夜丰满| 中文字幕久久专区| 我的老师免费观看完整版| 男女床上黄色一级片免费看| 国产精品久久久久久人妻精品电影| 日本撒尿小便嘘嘘汇集6| 天堂网av新在线| 麻豆成人av在线观看| 午夜福利在线在线| 97超视频在线观看视频| 最近最新中文字幕大全免费视频| 亚洲欧美激情综合另类| 一区二区三区国产精品乱码| 无遮挡黄片免费观看| 亚洲黑人精品在线| 男女那种视频在线观看| 99久久久亚洲精品蜜臀av| www.999成人在线观看| 别揉我奶头~嗯~啊~动态视频| 久久久久免费精品人妻一区二区| 男女午夜视频在线观看| 久久亚洲真实| 亚洲av成人精品一区久久| 成年女人看的毛片在线观看| 国产成人福利小说| 97超级碰碰碰精品色视频在线观看| 一个人看视频在线观看www免费 | 精品久久久久久久久久久久久| 久久精品亚洲精品国产色婷小说| 免费电影在线观看免费观看| 欧美3d第一页| 亚洲电影在线观看av| 国产精品爽爽va在线观看网站| 国产成人av教育| 曰老女人黄片| 露出奶头的视频| 精品久久久久久成人av| www.自偷自拍.com| 啪啪无遮挡十八禁网站| 人人妻人人看人人澡| 99久久精品热视频| 精品无人区乱码1区二区| 国产亚洲精品av在线| 午夜a级毛片| 老鸭窝网址在线观看| 国产伦精品一区二区三区四那| 国产又色又爽无遮挡免费看| 日本撒尿小便嘘嘘汇集6| 黄色成人免费大全| 男女之事视频高清在线观看| 国产激情偷乱视频一区二区| 国产伦精品一区二区三区视频9 | 最近视频中文字幕2019在线8| 别揉我奶头~嗯~啊~动态视频| 日本熟妇午夜| 黄色女人牲交| aaaaa片日本免费| 亚洲av五月六月丁香网| 国产三级黄色录像| 国产精品久久电影中文字幕| 999久久久国产精品视频| 亚洲精品粉嫩美女一区| 色av中文字幕| 欧美又色又爽又黄视频| av女优亚洲男人天堂 | 欧美黑人巨大hd| 国产伦一二天堂av在线观看| 国产黄a三级三级三级人| 观看免费一级毛片| 成人国产一区最新在线观看| 一本久久中文字幕| 特级一级黄色大片| 国产精品一及| 狂野欧美白嫩少妇大欣赏| 国产视频一区二区在线看| 久久久久久久久久黄片| 美女扒开内裤让男人捅视频| 免费看a级黄色片| 亚洲aⅴ乱码一区二区在线播放| av黄色大香蕉| 日韩欧美国产一区二区入口| 国产成人影院久久av| 欧美日韩精品网址| 午夜亚洲福利在线播放| 波多野结衣巨乳人妻| 久久精品国产清高在天天线| 亚洲精品456在线播放app | 变态另类成人亚洲欧美熟女| 综合色av麻豆| 亚洲成a人片在线一区二区| 欧美不卡视频在线免费观看| 天堂动漫精品| 蜜桃久久精品国产亚洲av| 欧美日本亚洲视频在线播放| 一本一本综合久久| 网址你懂的国产日韩在线| 国内毛片毛片毛片毛片毛片| 99精品在免费线老司机午夜| 男女做爰动态图高潮gif福利片| 国模一区二区三区四区视频 | 哪里可以看免费的av片| 丰满人妻熟妇乱又伦精品不卡| 美女大奶头视频| 麻豆国产av国片精品| 国产亚洲精品久久久久久毛片| cao死你这个sao货| 欧美乱色亚洲激情| 国产三级黄色录像| 啦啦啦观看免费观看视频高清| 男女下面进入的视频免费午夜| 操出白浆在线播放| 国产免费男女视频| 色综合站精品国产| 怎么达到女性高潮| 美女黄网站色视频| 国产成人av教育| 久久久久久大精品| 亚洲av电影不卡..在线观看| 国产精品影院久久| 午夜精品在线福利| 在线观看免费视频日本深夜| а√天堂www在线а√下载| 99久久精品一区二区三区| 久久精品国产清高在天天线| 精品日产1卡2卡| 男女午夜视频在线观看| 亚洲成人久久爱视频| 全区人妻精品视频| 夜夜爽天天搞| 两性午夜刺激爽爽歪歪视频在线观看| 国产高清视频在线观看网站| 99久久成人亚洲精品观看| 18禁黄网站禁片免费观看直播| 亚洲人成伊人成综合网2020| 99久久久亚洲精品蜜臀av| 99riav亚洲国产免费| 757午夜福利合集在线观看| 久久中文字幕人妻熟女| 日日摸夜夜添夜夜添小说| 97超视频在线观看视频| 日韩欧美在线二视频| 搡老岳熟女国产| 两人在一起打扑克的视频| 久久久久久人人人人人| 国产精华一区二区三区| 老司机在亚洲福利影院| 观看美女的网站| 9191精品国产免费久久| 成人特级av手机在线观看| 中文字幕久久专区| 夜夜夜夜夜久久久久| av黄色大香蕉| 97人妻精品一区二区三区麻豆| 在线免费观看不下载黄p国产 | 91在线观看av| 最近最新中文字幕大全免费视频| 中文亚洲av片在线观看爽| 成人性生交大片免费视频hd| 天天躁狠狠躁夜夜躁狠狠躁| 欧美成人免费av一区二区三区| 久久天堂一区二区三区四区| 一级毛片高清免费大全| 欧美成人性av电影在线观看| 一个人看的www免费观看视频| 国产精品 国内视频| 成年女人看的毛片在线观看| 欧美色欧美亚洲另类二区| av欧美777| 亚洲av成人精品一区久久| 九九热线精品视视频播放| 久久久久免费精品人妻一区二区| 国产成人精品无人区| 亚洲国产高清在线一区二区三| 18禁黄网站禁片午夜丰满| 91av网一区二区| 伦理电影免费视频| 久久久国产精品麻豆| 人人妻人人看人人澡| 亚洲精品国产精品久久久不卡| 日韩大尺度精品在线看网址| 宅男免费午夜| 精品久久久久久成人av| 婷婷精品国产亚洲av在线| 成年人黄色毛片网站| 亚洲精品一卡2卡三卡4卡5卡| 亚洲性夜色夜夜综合| 午夜精品一区二区三区免费看| 免费电影在线观看免费观看| 高清在线国产一区| avwww免费| 亚洲avbb在线观看| 精品久久久久久,| 色视频www国产| 亚洲精品在线观看二区| 99久久精品国产亚洲精品| 人人妻,人人澡人人爽秒播| 在线免费观看不下载黄p国产 | 变态另类丝袜制服| 国产激情欧美一区二区| 亚洲精品粉嫩美女一区| 天堂av国产一区二区熟女人妻| 久久久久久国产a免费观看| 国产伦精品一区二区三区四那| 国产三级黄色录像| 免费一级毛片在线播放高清视频| 国产三级黄色录像| 少妇的逼水好多| 亚洲无线在线观看| 久久久久久久久中文| 中文字幕熟女人妻在线| 好看av亚洲va欧美ⅴa在| 一个人免费在线观看电影 | 欧美激情在线99| 女警被强在线播放| 免费看光身美女| 久久久久久大精品| 日韩欧美在线乱码| 精品久久久久久久毛片微露脸| 亚洲在线观看片| 女生性感内裤真人,穿戴方法视频| 日本在线视频免费播放| 日韩人妻高清精品专区| 国产美女午夜福利| 一个人看的www免费观看视频| 欧美黑人巨大hd| av福利片在线观看| 国产精品 国内视频| 日本成人三级电影网站| 午夜免费激情av| 亚洲中文字幕一区二区三区有码在线看 | 最近视频中文字幕2019在线8| 搡老熟女国产l中国老女人| 欧美日韩乱码在线| 岛国在线观看网站| 啪啪无遮挡十八禁网站| 亚洲专区国产一区二区| 性色avwww在线观看| 午夜福利在线观看免费完整高清在 | 中出人妻视频一区二区| 精品国产三级普通话版| 中文字幕最新亚洲高清| 十八禁网站免费在线| 一级毛片高清免费大全| av在线天堂中文字幕| 日韩国内少妇激情av| 91久久精品国产一区二区成人 | 欧美绝顶高潮抽搐喷水| 亚洲精品久久国产高清桃花| 国产野战对白在线观看| 天堂网av新在线| 国产高清有码在线观看视频| 免费在线观看影片大全网站| 欧美另类亚洲清纯唯美| 亚洲国产欧美人成| 三级男女做爰猛烈吃奶摸视频| 日韩有码中文字幕| 日韩欧美一区二区三区在线观看| 中文资源天堂在线| 欧美成狂野欧美在线观看| 美女免费视频网站| 日日夜夜操网爽| 一个人观看的视频www高清免费观看 | 麻豆国产97在线/欧美| 国产乱人伦免费视频| 免费在线观看亚洲国产| 岛国视频午夜一区免费看| 一个人看视频在线观看www免费 | 一本精品99久久精品77| 免费大片18禁| 老汉色∧v一级毛片| 国产激情久久老熟女| 精品久久久久久久毛片微露脸| 国产精品久久久久久久电影 | www日本在线高清视频| 久久久国产成人免费| 男女做爰动态图高潮gif福利片| 亚洲成av人片在线播放无| 国产亚洲av嫩草精品影院| 国产真人三级小视频在线观看| 精品久久久久久久人妻蜜臀av| 丝袜人妻中文字幕| 午夜福利18| 成人一区二区视频在线观看| 亚洲五月天丁香| 人人妻人人澡欧美一区二区| 精品一区二区三区av网在线观看| 91久久精品国产一区二区成人 | 久久这里只有精品中国| 少妇的逼水好多| 桃红色精品国产亚洲av| 久久久国产欧美日韩av| 可以在线观看毛片的网站| 精品久久久久久久末码| 亚洲成人精品中文字幕电影| 成人欧美大片| 丝袜人妻中文字幕| 欧美在线黄色| 99久久99久久久精品蜜桃| 男人和女人高潮做爰伦理| 久久这里只有精品中国| 国产伦在线观看视频一区| 在线观看免费午夜福利视频| 国产私拍福利视频在线观看| 在线十欧美十亚洲十日本专区| 美女 人体艺术 gogo| 最新中文字幕久久久久 |