• <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 ?

    SFSR-Age: 一種基于人臉強語義的年齡識別算法

    2024-05-15 19:23:13孫旭菲繆新穎畢甜甜王水濤喻芳宇
    吉林大學學報(理學版) 2024年2期
    關(guān)鍵詞:人臉識別

    孫旭菲 繆新穎 畢甜甜 王水濤 喻芳宇

    摘要: 針對因光照、 拍攝角度及圖片質(zhì)量等因素導致的經(jīng)典深度學習算法難以有效提取人臉特征、 人物身份識別準確率難以達到理想精度的問題, 提出一種基于人臉強語義的年齡識別算法. 首先, 通過注意力矩陣增強人臉區(qū)域的特征權(quán)重, 達到提取特征區(qū)域的目的; 其次, 使用級聯(lián)雙向長短期記憶(Bi-LSTM)網(wǎng)絡學習時序幀之間的特征依賴關(guān)系, 彌補部分特征缺失對識別精度的影響. 在人臉數(shù)據(jù)集IMDB-WIKI和數(shù)據(jù)集Adience上進行測試, 該算法的年齡識別準確率分別達到78.34%和77.89%. 實驗結(jié)果表明, 相比于其他基于深度學習算法的方法, 該算法在基于圖片數(shù)據(jù)集的人物年齡識別任務上具有更高的準確率.

    關(guān)鍵詞: 年齡識別; 人臉識別; 深度學習算法; 注意力矩陣; 級聯(lián)Bi-LSTM

    中圖分類號: TP391.41文獻標志碼: A文章編號: 1671-5489(2024)02-0347-10

    SFSR-Age: An Age Recognition AlgorithmBased on Strong Facial Semantics

    SUN Xufei1,2, MIAO Xinying1,2, BI Tiantian1,2, WANG Shuitao1,2, YU Fangyu1

    (1. College of Information Engineering, Dalian Ocean University, Dalian 116023, Liaoning Province, China;

    2. Key Laboratory of Liaoning Provincial Marine? Information Technology, Dalian 116023, Liaoning Province, China)

    Abstract: Aiming at the problems that the classical deep learning algorithm was difficult to extract facial features effectively and the accuracy of character identification was difficult to reach the ideal accuracy due to factors such as illumination, shooting angle and image quality, we proposed an? age recognition algorithm based on strong facial semantics. Firstly, the feature weights of facial regions were enhanced by the attention matrix to achieve the purpose of extracting feature regions. Secondly, a cascaded bi-directional long short-term memory (Bi-LSTM) network was used to learn the feature dependency relationships between temporal frames and? compensate for the influence of missing features on recognition accuracy. When tested on IMDB-WIKI facial dataset and Adience dataset, the age recognition accuracy of the algorithm reached 78.34% and 77.89%, respectively. Experimental results show that compared with other methods based on deep learning algorithms, the proposed algorithm has higher accuracy in the task of person age recognition based on image datasets.

    Keywords: age recognition; facial recognition; deep learning algorithm; attention matrix; cascaded Bi-LSTM

    基于人臉的人物年齡識別算法在未成年人上網(wǎng)防沉迷、 網(wǎng)絡身份識別等領域應用廣泛, 目前, 基于人臉年齡識別方法主要分為兩類: 基于圖像分析的方法和基于回歸分析的方法. 陳文兵等[1]提出了基于多模型融合的年齡識別模型CNN-SE-ELM, 該模型首先使用卷積神經(jīng)網(wǎng)絡(CNN)初步提取人臉特征, 然后使用SENet(squeeze-and-excitation networks)進一步提取人臉深層特征, 最后使用EM-ELM(error minimized extreme learning machine)算法實現(xiàn)對人臉年齡的分類及性別分類. 實驗結(jié)果表明, 該算法能提取更有效的面部特征, 且分類器能快速收斂. 陳濟楠等[2]提出了改進的深度神經(jīng)網(wǎng)絡模型, 使用大卷積核以及跨連卷積實現(xiàn)對人臉特征的提取, 同時使用平均池化替代傳統(tǒng)的全連接層, 為充分訓練網(wǎng)絡參數(shù), 設置相對較大的學習率以及較小的Dropout值, 實驗結(jié)果表明, 改進的深度神經(jīng)網(wǎng)絡能在公開人臉數(shù)據(jù)集上達到較高的年齡識別準確率. 周玉陽等[3]提出了基于改進VGG(visual geometry group)[4]的年齡和性別分類算法, 在數(shù)據(jù)集Adience上的年齡識別準確率達到90%, 性別識別準確率達到93%. 錢麗萍等[5]提出了一種基于改進集成學習算法的人臉年齡分類算法, 首先使用集成算法對圖像進行分類, 然后使用基于加權(quán)閾值的投票方法將集成學習的弱分類器轉(zhuǎn)換成強分類器, 最終得到年齡的分類結(jié)果, 實驗結(jié)果表明, 該算法在人臉數(shù)據(jù)集上能得到較高的年齡分類準確率. 房國志等[6]提出了基于多尺度的YOLO算法[7]的人臉年齡估計算法, 首先使用多尺度卷積網(wǎng)絡以及加權(quán)通道方法減緩卷積過程中目標特征丟失問題, 基于決策樹回歸模型實現(xiàn)對年齡的估計, 該算法在多個數(shù)據(jù)集上均達到了較好的效果, 且魯棒性較強. 趙丙娟[8]提出了基于有監(jiān)督的偏最小二乘降維的人臉年齡估計算法, 該算法首先使用AAM(active appearance models)算法[9]提取圖像特征, 然后使用偏最小二乘算法[10]對特征圖降維, 最后基于支持向量回歸(SVR)算法[11]實現(xiàn)對年齡估計, 實驗結(jié)果表明, 將最小二乘算法與SVR相結(jié)合的年齡估計算法具有更好的魯棒性和年齡估計準確率. 田會娟等[12]提出了多任務卷積網(wǎng)絡在光線變化條件下的人臉年齡估計算法, 利用YCbCr色度以及Retinex算法增強對人臉特征提取效果, 在不同距離以及光照強度條件下的對比實驗表明, 特征提取增強模塊能更好地提取人臉特征, 年齡估計絕對平均誤差最大下降2.99%, 人臉識別準確率最大提升25%. 田青等[13]提出了基于AE(auto encoder)算法的關(guān)系自學習年齡估計模型CRSAE, 該方法首先基于人臉協(xié)方差矩陣投影獲取初始人臉特征, 將輸入特征與輸出編碼之間建立關(guān)聯(lián)正則項, 然后使用一個額外的結(jié)構(gòu)矩陣學習輸入特征與輸出特征之間的關(guān)聯(lián)關(guān)系, 最后求解CRSAE最優(yōu)解, 實驗結(jié)果表明, CRSAE算法在多個人臉數(shù)據(jù)集上均能達到較高的魯棒性. 張會影等[14]提出了改進的標記分布學習用于學習真實年齡及相鄰年齡之間的模糊性和多義性, 以豐富年齡信息, 提高識別精度, 在數(shù)據(jù)集MORPH和FG-NET上的平均絕對誤差均有降低.

    上述算法均實現(xiàn)了基于人臉的年齡識別, 這些算法大多數(shù)改進了現(xiàn)有的深度學習算法實現(xiàn)魯棒的人臉特征提取, 從而達到更高的年齡識別效果, 但均是從全局提取人臉特征, 缺乏將目標區(qū)域與非目標區(qū)域進行有效劃分, 導致缺少對目標區(qū)域的高效學習策略. 本文提出的SFSR-age(strong facial semantics recognition for age)算法實現(xiàn)了基于注意力矩陣的目標區(qū)域?qū)W習機制, 提高了算法對目標區(qū)域的建模魯棒性, 在多個人臉數(shù)據(jù)集上的實驗結(jié)果表明, 本文算法對基于人臉的年齡識別結(jié)果相對于對比算法有明顯優(yōu)勢.

    1 預備知識

    1.1 卷積神經(jīng)網(wǎng)絡基本組成

    卷積神經(jīng)網(wǎng)絡[15]的基本結(jié)構(gòu)包括卷積層、 采樣層、 全連接層和輸出層. 卷積層、 采樣層通常交替銜接. 全連接層的作用是將特征圖轉(zhuǎn)換成向量, 激活后作為最終的輸出.

    1.1.1 卷積層

    基于上層輸出, 卷積層通過卷積核在特征圖上進行卷積操作, 得到新的特征圖. 卷積可分兩種形式: 1) SAME, 即卷積核在卷積過程中可部分移出被卷積特征圖, 特征圖不夠卷積的區(qū)域使用0填充, SAME類型的特征圖卷積過程如圖1所示; 2) VALID, 即卷積核在卷積過程中始終不能被移出卷積特征圖, VALID類型的特征圖卷積過程中, 卷積核在特征圖內(nèi)滑動, 且特征圖外圍不填充. 從卷積類型看, 卷積得到的新特征圖規(guī)模滿足如下公式:

    由式(1)和式(2)可見, 當卷積形式是SAME時, 新特征圖的大小只與卷積核滑動步長Stride相關(guān), 當卷積形式是VALID時, 新生成的特征圖大小與步長Stride和卷積核大小線性相關(guān). 對于一張確定的特征圖以及卷積形式, 均可通過公式計算出新特征圖的維度.

    1.1.2 采樣層

    1.1.3 全連接層

    全連接層是直接將高層特征進一步通過矩陣的行列式乘積變成若干向量, 然后基于此開展下游任務, 假設全連接任務是單標簽預測和單值回歸, 全連接過程計算公式如下:fc=MF,

    Fw=MH,(5)其中表示特征圖M與矩陣F之間相乘, 得到目標向量fc, 特征圖的最后一個維度與全連接矩陣的第一個維度相同.

    1.2 循環(huán)神經(jīng)網(wǎng)絡

    卷積神經(jīng)網(wǎng)絡以及淺層的全連接網(wǎng)絡考慮的是對單個特征圖的特征抽取, 缺乏對特征圖之間的關(guān)聯(lián)學習, 循環(huán)神經(jīng)網(wǎng)絡[16]解決的是特征圖之間的語義關(guān)聯(lián)以及上下文的語義學習. 循環(huán)神經(jīng)網(wǎng)絡常被用于知識推理、 語言生成和語義理解等領域. 常見的循環(huán)神經(jīng)網(wǎng)絡主要包括: GRU(gate recurrent unit)和Bi-LSTM(bi-directional long short-term memory)等. Bi-LSTM是常見的網(wǎng)絡架構(gòu), 如圖2所示. 由圖2可見, Bi-LSTM的基本架構(gòu)是兩層平行的LSTM(long short-term memory): 前向和后向. 兩者基于特征圖的不同輸入順序從兩個方向?qū)W習特征之間的相互依賴關(guān)系, 從而得到更魯棒的特征. 對Bi-LSTM的兩個維度的輸出進行拼接便可得到融合模型, 一種典型的融合如圖3所示.

    2 算法設計

    SFSR-age算法首先使用殘差網(wǎng)絡提取人臉圖像特征圖; 然后基于注意力矩陣動態(tài)學習人臉目標區(qū)域語義特征, 從語義上區(qū)分人臉和背景; 最后基于多層梯形Bi-LSTM網(wǎng)絡逐層提取人臉區(qū)域高層特征, 最終得到年齡分類結(jié)果.

    SFSR-age算法主要包括兩部分.

    1) 基于注意力矩陣的目標人臉特征提取模塊. 由于光線、 用戶距離計算機攝像頭遠近等的影響, 用戶面部圖像常出現(xiàn)模糊甚至被遮擋的情況, 如何快速鎖定用戶面部輪廓、 準確提取面部特征對基于面部識別用戶身份至關(guān)重要. 本文使用目標人臉注意力矩陣訓練目標圖片, 提取目標圖片人臉特征, 最大程度地學習有用特征. 因此提出基于注意力矩陣的人臉區(qū)域快速定位和特征抽取算法.

    2) 基于分層級聯(lián)的Bi-LSTM人臉特征抽取算法. 不同時刻攝像頭采集的人臉圖像清晰度不同, 有時人臉被遮擋, 甚至部分人臉沒有出現(xiàn)在畫面中, 基于上下文信息借助衣著、 面部表情、 動作等識別出用戶身份, 能有效解決用戶面部短暫脫離攝像頭產(chǎn)生的身份識別不準問題. 因此, 本文提出基于梯形結(jié)構(gòu)的分層Bi-LSTM抽取用戶面部特征.

    本文將1)和2)相結(jié)合共同提取用戶的面部特征, 用于實現(xiàn)對基于人臉年齡的識別. SFSR-age算法基本框架如圖4所示.

    2.1 SFSR-age算法注意力矩陣

    通過對大量人臉圖像進行訓練, 優(yōu)化全局動態(tài)注意力矩陣(attention matrix, AM)提取圖像中人臉特征, 同時弱化非人臉區(qū)域?qū)θ四槄^(qū)域特征邊界的干擾, 達到準確提取人臉特征的目的. 由于目前大多數(shù)人臉年齡數(shù)據(jù)集缺少對人臉的標注信息, 為滿足本文研究的需要, 需要對IMDB-WIKI和Adience等人臉年齡數(shù)據(jù)集進行預處理得到人臉標定信息. 本文使用基于YOLO5預訓練模型實現(xiàn)對所使用的數(shù)據(jù)集人臉進行初步標注, 得到每張人臉的Bounding-Box, Bounding-Box區(qū)域即為目標區(qū)域, 區(qū)域外即為背景. 只有Bounding-Box區(qū)域包含人臉, 對年齡識別起關(guān)鍵作用. 將目標與背景進行精確分割是準確識別人臉輪廓的關(guān)鍵, 基于此本文設置全局注意力矩陣識別目標輪廓, 過程如下.

    1) 將數(shù)據(jù)集中的每張圖像進行如下處理:AtentionMatrix=Mn((Ai,j,h-H/2)2+(Ai,j,w-W/2)2,255.0),

    其中H和W分別表示目標人臉區(qū)域特征圖的高度和寬度, A表示特征圖像素位置矩陣, Ai,j,h和Ai,j,w表示特征圖位置, (i,j)對應相對原點的高度和寬度, 坐標(W/2,H/2)表示人臉目標中心, 由式(1)可見, 越遠離目標中心的像素點與目標的關(guān)聯(lián)越小, 映射后的值越大. 其效果就是對于AtentionMatrix矩陣, 越靠近目標中心的像素點映射后值越大, 顏色越淺, 越遠離目標中心的像素點映射后值越小, 顏色越深. 矩陣A的大小與原始圖像大小完全相同.

    2) 原始圖像特征提取. 使用殘差網(wǎng)絡提取圖像靜態(tài)特征, 實現(xiàn)對人臉輪廓及人臉區(qū)域的建模. 殘差網(wǎng)絡輸出的特征圖即為人臉特征, 使用目標輪廓與預測輪廓進行距離求解. 本文基于余弦距離和歐氏距離求解預測區(qū)域特征與真實目標區(qū)域之間的差異, 為計算方便, 首先將目標注意力矩陣與預測注意力矩陣進行灰度化處理, 得到灰度矩陣, 計算兩者之間的距離損失, 即dis←∑B/q=0∑A/k=0∑Z/j=01-cos(pk,j,tk,j)+‖pk,j,tk,j‖,(7)其中B,A,Z分別是批大小、 圖像寬和高, k表示x軸坐標, j表示y軸坐標, q表示z軸坐標. 假設坐標原點為o, 圖像任意一點均位于二維空間中, 如圖5所示.

    對人臉目標進行識別時, 預測向量與目標向量越重疊, 余弦值越大, 優(yōu)化目標是使1-cos(pk,j,tk,j)最小, 即cos(pk,j,tk,j)越大越好, 余弦距離只能保證向量平行, 平行包含重疊, 但對于目標定位, 滿足平行不足以定位, 歐氏距離‖pk,j,tk,j‖是求解預測輪廓與實際輪廓之間的絕對距離, 能保證預測輪廓絕對靠近目標輪廓. 因此, 基于上述兩個損失即可保證預測輪廓的準確性.

    數(shù)據(jù)集IMDB-WIKI和Adience部分原始樣本和標注后的樣本分別如圖6和圖7所示. 部分圖像的注意力矩陣如圖8所示. 在圖6和圖7中, 下半部分被紅色矩形圍起來的即為借助YOLO5算法框定的人臉區(qū)域, 人臉區(qū)域是年齡識別的主要學習目標. 圖8是YOLO5算法識別出的人臉區(qū)域基于式(6)計算得到的注意力矩陣, 矩陣中心顏色最深, 向外顏色逐漸變淺, 注意力逐漸減弱.

    2.2 基于分層Bi-LSTM人臉特征抽取

    基于殘差網(wǎng)絡提取的特征圖使用若干個層疊Bi-LSTM實現(xiàn)對目標人臉的特征抽取, 得到分類特征, 完成對年齡階段及年齡的預測. 人臉特征的形式化表示如下:fea←f(f(xn)‖θ,λ0,…,λn),

    f(x0)=f(Xλ0,B),(8)其中B表示BasicCNN的網(wǎng)絡參數(shù), λn為第n層Bi-LSTM的隱藏層節(jié)點數(shù), X為第一層Bi-LSTM的輸入.

    本文為進一步分層學習目標人臉區(qū)域的深層次特征, 層疊Bi-LSTM之間均設置門控參數(shù), 實現(xiàn)對重要特征的蒸餾, 每層Bi-LSTM之間依次基于上一層的建模輸出乘以門控因子作為本層的輸入. 圖4中已經(jīng)給出了基于分層Bi-LSTM過程用來提取人臉特征. 基于層疊Bi-LSTM特征分層提取的網(wǎng)絡結(jié)構(gòu)如圖9所示. 由圖4和圖9可見, 本文基于人臉的年齡分類算法的誤差由兩部分組成: 人臉全域建模與特征提取和全域真實注意力矩陣之間的誤差, 誤差計算公式由式(7)給出.

    基于門控分層Bi-LSTM對年齡預測的損失, 由于本文使用的數(shù)據(jù)集均為帶年齡標簽的數(shù)據(jù)集, 將對年齡的預測轉(zhuǎn)換成對年齡的分類問題, 誤差由交叉熵給出, 總的損失為Loss←dis-∑B/q=0∑C/k=0Pq.klog(pq.k),(9)其中C表示年齡類別, Pq.k表示樣本q被分類為類別k的概率.

    3 實驗結(jié)果與分析

    3.1 實驗環(huán)境與參數(shù)配置

    本文使用的數(shù)據(jù)集為IMDB-WIKI和Adience人臉年齡數(shù)據(jù)集. 本文提出的SFSR-age算法可在GPU快速部署運行, 與其他算法在GPU上進行對比實驗, 對比實驗硬件配置: GPU為RTX 2080Ti, 操作系統(tǒng)為Ubuntu18.04, 內(nèi)存為16 GB, 硬盤大小為1 000 GB, CPU核個數(shù)為4, GPU核個數(shù)為1~6. 實驗超參數(shù)設置: 批次大小設為64, 學習率設為0.001, 截斷損失為100, 優(yōu)化函數(shù)采用AdamOptimizer.

    3.2 數(shù)據(jù)集實驗結(jié)果

    將SFSR-age算法與對比算法在多個數(shù)據(jù)集上進行對比實驗, 本文使用的數(shù)據(jù)集基本信息列于表1. 其中數(shù)據(jù)集IMDB-WIKI和Adience的8個類別樣本分布列于表2. 每個類別均給出了相應的數(shù)據(jù)規(guī)模, 為使訓練過程穩(wěn)定, 本文在選取樣本時盡量使男女比例為1∶1, 并且在整個數(shù)據(jù)集的所有年齡類別進行采樣, 其中, 數(shù)據(jù)集IMDB-WIKI的每個年齡段選取1 000名男性和1 000名女性; 數(shù)據(jù)集Adience中, 由于數(shù)據(jù)分布特征, 每個類別的樣本均按最大限度采樣, 而又不使不同類別間樣本失衡, 最終選取出16 080個樣本數(shù)據(jù). 基于以上兩個數(shù)據(jù)集的采樣, 得到對應的子集合并成新的數(shù)據(jù)集, 然后進行對比實驗, 獲得實驗結(jié)果.

    本文實驗的對比算法為CNN[17],VGG-Face-SVM[18], CNN-SVM[19],VGG16-DEX-IMDB[20],CNN-SE-ELM,VGG-Face-FC. 評估指標分別為: 準確率(Accuracy)、 精確率(Precision)、 召回率(Recall)、 F1值(F1-Score), 直接調(diào)用Sklearn.metrics封裝好的計算公式計算這4個指標值. 4種評估指標計算公式分別為[FC(]Precision(p)=TP/TP+FP,

    3.3 數(shù)據(jù)集實驗分析

    本文算法在兩個數(shù)據(jù)集上的實驗結(jié)果列于表3. 由表3可見, 本文算法具有較好的魯棒性, 4種評估指標下的實驗結(jié)果均較高. 為驗證本文提出的SFSR-age算法對人臉圖像特征提取的有效性以及年齡分類的準確率, 本文算法與目前已有的算法實驗結(jié)果對比列于表4. 由表4可見, 本文SFSR-age算法在數(shù)據(jù)集IMDB-WIKI和Adience上的實驗結(jié)果優(yōu)于其他算法在原始數(shù)據(jù)集上的實驗結(jié)果.

    圖10為本文算法在數(shù)據(jù)集訓練過程中預測的注意力矩陣逐步優(yōu)化過程, 其中第2行是目標注意力矩陣, 第3行后的所有圖片均是算法訓練過程中對注意力矩陣優(yōu)化過程中產(chǎn)生的. 由圖10可見, 算法訓練早期, 預測的注意力矩陣是隨機的, 隨著訓練的深入, 預測的注意力矩陣逐漸向目標注意力矩陣靠攏直至重合.

    為進一步量化SFSR-age算法相比其他對比算法在權(quán)威公開人臉數(shù)據(jù)集上年齡分類的準確率提升情況, 不同算法在兩個數(shù)據(jù)集上評估指標提升結(jié)果列于表5.

    由表4和表5可見, 以F1為評估指標條件下, 本文算法在兩個數(shù)據(jù)集的F1值最大提升82.186%, 最小提升16.925%; 本文算法實驗準確率完全超過CNN以及VGG-Face算法, 與目前最新的人臉年齡識別算法CNN-SE-ELM以及VGG16-DEX-IMDB算法相比, 本文算法在F1值上仍分別提升了19.815%和21.688%. 上述對比結(jié)果表明, 本文算法具有一定的優(yōu)勢.

    綜上所述, 針對因光照、 拍攝角度及圖片質(zhì)量等因素導致的經(jīng)典深度學習算法難以有效提取人臉特征、 人物身份識別準確率難以達到理想精度的問題, 本文提出了一種基于人臉強語義的年齡識別算法. 首先采用殘差網(wǎng)絡提取人臉圖像特征圖, 基于注意力矩陣動態(tài)學習人臉目標區(qū)域的語義特征, 從語義上區(qū)分人臉和背景; 其次, 利用多層梯形Bi-LSTM網(wǎng)絡逐層提取人臉區(qū)域的高層特征, 最終得到年齡分類結(jié)果. 在實驗中, 分別對數(shù)據(jù)集IMDB-WIKI和Adience進行了預處理, 將每個樣本打上Bounding-Box標簽, 使用多個損失共同優(yōu)化算法在人臉數(shù)據(jù)集上的年齡分類誤差. 實驗結(jié)果表明, 本文算法在數(shù)據(jù)集上的實驗具有更高的準確率, 且優(yōu)于其他對比算法.

    參考文獻

    [1]陳文兵, 李育霖, 陳允杰. 一種基于CNN-SE-ELM的年齡和性別識別模型 [J]. 計算機工程與科學, 2021, 43(5): 872-882. (CHEN W B, LI Y L, CHEN Y J. An Age and Gender Recognition Model Based on CNN-SE-ELM [J]. Computer Engineering and Science, 2021, 43(5): 872-882.)

    [2]陳濟楠, 李少波, 高宗, 等. 基于改進CNN的年齡和性別識別 [J]. 計算機工程與應用, 2018, 54(16): 135-139. (CHEN J N, LI S B, GAO Z, et al. Age and Gender Recognition Based on an Improved CNN [J]. Journal of Computer Engineering and Applications, 2018, 54(16): 135-139.)

    [3]周玉陽, 秦科. 改進的VGG網(wǎng)絡可提升年齡與性別預測準確率 [J]. 計算機工程與應用, 2019, 55(18): 173-179. (ZHOU Y Y, QIN K. Improved VGG Network Can Enhance the Accuracy of Age and Gender Prediction [J]. Journal of Computer Engineering and Applications, 2019, 55(18): 173-179.)

    [4]SIMONYAN K, ZISSERMAN A. Very Deep Convolutional Networks for Large-Scale Image Recognition [EB/OL]. (2014-09-14)[2023-05-01]. https://arxiv.org/abs/1409.1556.

    [5]錢麗萍, 俞寧寧, 黃玉蘋, 等. 一種基于改進集成學習策略的人臉圖像年齡識別方法: CN201910027193.2 [P]. 2021-06-18. (QIAN L P, YU N N, HUANG Y P, et al. An Age Recognition Method for Face Images Based on an Improved Ensemble Learning Strategy: CN201910027193.2 [P]. 2021-06-18.)

    [6]房國志, 孫康瞳. 多尺度YOLO人臉年齡估計方法研究 [J]. 計算機工程與應用, 2019, 55(21): 135-141. (FANG G Z, SUN K T. Research on a Multi-scale YOLO Method for Face Age Estimation [J]. Journal of Computer Engineering and Applications, 2019, 55(21): 135-141.)

    [7]于秀萍, 呂淑平, 陳志韜. 基于YOLO算法的多類目標識別 [J]. 實驗室研究與探索, 2019(3): 34-36. (YU X P, L S P, CHEN Z T. Multi-class Object Identification Based on YOLO Algorithm [J]. Laboratory Research and Exploration, 2019(3): 34-36.)

    [8]趙丙娟. 基于偏最小二乘降維的人臉年齡估計研究 [D]. 南昌: 南昌大學, 2017. (ZHAO B J. Research on Face Age Estimation Based on Partial Least Square Dimension Reduction [D]. Nanchang: Nanchang University, 2017.)

    [9]COOTES T F, EDWARDS G J, TAYLOR C J. Active Appearance Models [C]//European Conference on Computer Vision. Berlin: Springer, 1998: 484-498.

    [10]WOLD H. Path Models with Latent Variables: The NIPALS Approach [J]. Quantitative Sociology, 1975, 11: 307-357.

    [11]GUO G D, MU G W, FU Y, et al. Human Age Estimation Using Bioinspired Features [C]//The 2009 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway, NJ: IEEE, 2009: 112-119.

    [12]田會娟, 喬明天, 蔡敏鵬. 基于變化光照下的人臉識別與年齡估計 [J]. 激光與光電子學進展, 2022, 59(2): 252-262. (TIAN H J, QIAO M T, CAI M P. Face Recognition and Age Estimation under Changing Illumination Conditions [J]. Laser & Optoelectronics Progress, 2022, 59(2): 252-261.)

    [13]田青, 毛軍翔, 曹猛. 耦合關(guān)系自學習的人臉年齡估計研究[J]. 智能系統(tǒng)學報, 2022, 17(2): 257-265. (TIAN Q, MAO J X, CAO M. Self-learning Coupled Relationships for Face Age Estimation [J]. Journal of Intelligent Systems, 2022, 17(2): 257-265.)

    [14]張會影, 圣文順, 曾耀徵. 基于標記分布學習的人臉年齡識別算法 [J]. 江蘇大學學報(自然科學版), 2023, 44(2): 180-185. (ZHANG H Y, SHENG W S, ZENG Y Z. Face Age Recognition Algorithm Based on Label Distribution Learning [J]. Journal of Jiangsu University (Natural Science Edition), 2023, 44(2): 180-185.)

    [15]竇慧, 張凌茗, 韓峰, 等. 卷積神經(jīng)網(wǎng)絡的可解釋性研究綜述 [J/OL]. 軟件學報, (2023-02-23)[2023-04-26]. https://kns.cnki.net/kcms/detail//11.2560.TP.20230222.1625.013.html. (DOU H, ZHANG L M, HAN F, et al. A Review of the Interpretability of Convolutional Neural Networks [J/OL]. Journal of Software, (2023-02-23)[2023-04-26]. https://kns.cnki.net/kcms/detail//11.2560.TP.20230222.1625.013.html.)

    [16]胡中源, 薛羽, 查加杰. 演化循環(huán)神經(jīng)網(wǎng)絡研究綜述 [J]. 計算機科學, 2023, 50(3): 254-265. (HU Z Y, XUE Y, ZHA J J. A Review of Evolutionary Recurrent Neural Networks [J]. Computer Science, 2023, 50(3): 254-265.)

    [17]HU J, SHEN L, SUN G. Squeeze-and-Excitation Networks? [C]//The 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway, NJ: IEEE, 2018: 7132-7141.

    [18]OZBULAK G, AYTAR Y, EKENEL H K. How Transferable Are CNN-Based Features for Age and Gender Classification? [C]//2016 International Conference of the Biometrics Special Interest Group (BIOSIG). Piscataway, NJ: IEEE, 2016: 1-6.

    [19]WOLFSHAAR J, KARAABA M F, WIERING M A. Deep Convolutional Neural Networks and Support Vector Machines for Gender Recognition [C]//IEEE Symposium Series on Computational Intelligence. Piscataway, NJ: IEEE, 2015: 188-195.

    [20]ROTHE R, TIMOFTE R, VAN GOOL L. Deep Expectation of Real and Apparent Age from a Single Image without Facial Land-Marks [J]. International Journal of Computer Vision, 2018, 126(2): 144-157.

    (責任編輯: 韓 嘯)

    收稿日期: 2023-05-26.

    第一作者簡介: 孫旭菲(1999—), 男, 漢族, 碩士研究生, 從事數(shù)據(jù)挖掘和人臉識別的研究, E-mail: 3522945497@qq.com.

    通信作者簡介: 繆新穎(1977—), 女, 滿族, 博士, 教授, 從事智能控制和數(shù)據(jù)挖掘的研究, E-mail: miaoxinying@dlou.edu.cn.

    基金項目: 遼寧省揭榜掛帥重點項目(批準號: 2022081)和設施漁業(yè)教育部重點實驗室開放課題項目(批準號: 202306).

    猜你喜歡
    人臉識別
    人臉識別 等
    作文中學版(2022年1期)2022-04-14 08:00:34
    揭開人臉識別的神秘面紗
    學生天地(2020年31期)2020-06-01 02:32:06
    人臉識別技術(shù)的基本原理與應用
    電子制作(2019年14期)2019-08-20 05:43:34
    人臉識別技術(shù)在高速公路打逃中的應用探討
    基于(2D)2PCA-LBP 的人臉識別方法的研究
    電子制作(2017年17期)2017-12-18 06:40:55
    淺談人臉識別技術(shù)
    人臉識別在高校安全防范中的應用
    電子制作(2017年1期)2017-05-17 03:54:46
    巡演完美收官 英飛拓引領人臉識別新潮流
    人臉識別在Android平臺下的研究與實現(xiàn)
    基于Metaface字典學習與核稀疏表示的人臉識別方法
    国产亚洲精品第一综合不卡| 亚洲最大成人中文| 老熟妇乱子伦视频在线观看| 久久久久久人人人人人| 国产免费av片在线观看野外av| 天堂√8在线中文| 色精品久久人妻99蜜桃| 精品无人区乱码1区二区| 91老司机精品| 国产乱人伦免费视频| 国产一区二区三区视频了| 一区福利在线观看| 黄频高清免费视频| 日本a在线网址| 大香蕉久久成人网| www.熟女人妻精品国产| 国产成+人综合+亚洲专区| 9191精品国产免费久久| 身体一侧抽搐| 夜夜看夜夜爽夜夜摸| 不卡一级毛片| 亚洲片人在线观看| 男女视频在线观看网站免费 | 欧美日韩一级在线毛片| 国产精品永久免费网站| 白带黄色成豆腐渣| 国产在线观看jvid| 变态另类丝袜制服| 国产色视频综合| 国产久久久一区二区三区| 欧美 亚洲 国产 日韩一| 神马国产精品三级电影在线观看 | 欧美成狂野欧美在线观看| 色尼玛亚洲综合影院| 欧美精品啪啪一区二区三区| 欧美在线黄色| 夜夜爽天天搞| 国产精品永久免费网站| 亚洲中文字幕日韩| 精品国产美女av久久久久小说| 欧美成人性av电影在线观看| 女人被狂操c到高潮| 久久精品国产综合久久久| 午夜福利高清视频| 亚洲狠狠婷婷综合久久图片| av视频在线观看入口| 国产精品,欧美在线| 亚洲人成伊人成综合网2020| 久久久久久久精品吃奶| 亚洲精华国产精华精| 免费看十八禁软件| 最好的美女福利视频网| 老汉色av国产亚洲站长工具| 国产成人av教育| 中文字幕久久专区| 国产精品影院久久| 国产黄色小视频在线观看| e午夜精品久久久久久久| 亚洲av中文字字幕乱码综合 | a级毛片在线看网站| 校园春色视频在线观看| 一级黄色大片毛片| 日韩欧美三级三区| 国产成人精品久久二区二区91| 国产午夜精品久久久久久| 夜夜夜夜夜久久久久| 色播亚洲综合网| 国产黄a三级三级三级人| 亚洲欧美日韩无卡精品| 日韩成人在线观看一区二区三区| 国产高清激情床上av| 岛国视频午夜一区免费看| 亚洲精品国产精品久久久不卡| videosex国产| 亚洲免费av在线视频| 中文资源天堂在线| 国产精品久久久av美女十八| 1024视频免费在线观看| 精品第一国产精品| 中文亚洲av片在线观看爽| 久久精品国产清高在天天线| 亚洲色图 男人天堂 中文字幕| 我的亚洲天堂| 自线自在国产av| 女生性感内裤真人,穿戴方法视频| 麻豆国产av国片精品| 精品国产乱子伦一区二区三区| 999久久久精品免费观看国产| 国产一卡二卡三卡精品| 国产欧美日韩一区二区精品| 色播在线永久视频| av在线播放免费不卡| 国产成人精品无人区| 校园春色视频在线观看| 国产一区二区三区视频了| 久久久水蜜桃国产精品网| 久久香蕉激情| 亚洲自偷自拍图片 自拍| 国产又爽黄色视频| 免费搜索国产男女视频| 啦啦啦观看免费观看视频高清| 免费在线观看影片大全网站| 亚洲av日韩精品久久久久久密| 麻豆国产av国片精品| 麻豆一二三区av精品| 午夜福利在线在线| 久久久久久久精品吃奶| 高潮久久久久久久久久久不卡| 久久久久久九九精品二区国产 | 日本免费a在线| 精品欧美一区二区三区在线| 欧美三级亚洲精品| 成在线人永久免费视频| 可以免费在线观看a视频的电影网站| 老司机深夜福利视频在线观看| www日本黄色视频网| 亚洲国产欧美一区二区综合| 免费观看精品视频网站| 亚洲成人精品中文字幕电影| 18禁裸乳无遮挡免费网站照片 | 国产主播在线观看一区二区| 99在线视频只有这里精品首页| 国产精品电影一区二区三区| 日韩欧美国产一区二区入口| 国产成人精品无人区| 国产片内射在线| 日韩精品中文字幕看吧| 亚洲一区二区三区色噜噜| 久久精品夜夜夜夜夜久久蜜豆 | 欧美激情久久久久久爽电影| 天天一区二区日本电影三级| 成人国产一区最新在线观看| 欧美日韩亚洲综合一区二区三区_| www国产在线视频色| 亚洲午夜精品一区,二区,三区| 久久婷婷人人爽人人干人人爱| 给我免费播放毛片高清在线观看| 亚洲av中文字字幕乱码综合 | 天堂影院成人在线观看| 成人av一区二区三区在线看| 免费看美女性在线毛片视频| 一本精品99久久精品77| 女人高潮潮喷娇喘18禁视频| www.www免费av| 中文字幕久久专区| 久久狼人影院| 午夜精品久久久久久毛片777| 精品国产国语对白av| 国产一区在线观看成人免费| 久久久久九九精品影院| 好看av亚洲va欧美ⅴa在| 国产真人三级小视频在线观看| www.www免费av| 窝窝影院91人妻| 色在线成人网| 国产亚洲av嫩草精品影院| 一级毛片精品| 男女下面进入的视频免费午夜 | 欧美最黄视频在线播放免费| 欧美国产精品va在线观看不卡| 丝袜在线中文字幕| 亚洲av日韩精品久久久久久密| 可以免费在线观看a视频的电影网站| 色老头精品视频在线观看| 亚洲国产看品久久| 欧美午夜高清在线| 免费在线观看黄色视频的| 一级毛片女人18水好多| 人人妻人人澡欧美一区二区| 少妇裸体淫交视频免费看高清 | 两个人免费观看高清视频| 99国产精品一区二区三区| 香蕉久久夜色| 亚洲国产精品合色在线| 91大片在线观看| svipshipincom国产片| 夜夜躁狠狠躁天天躁| 超碰成人久久| 亚洲人成网站在线播放欧美日韩| 一进一出抽搐gif免费好疼| 无遮挡黄片免费观看| 国产成人系列免费观看| 美女高潮到喷水免费观看| 国产黄色小视频在线观看| 两性夫妻黄色片| 精品一区二区三区四区五区乱码| 国产精品久久电影中文字幕| 搡老熟女国产l中国老女人| 亚洲最大成人中文| 妹子高潮喷水视频| 午夜福利一区二区在线看| 久久久久国内视频| 亚洲av中文字字幕乱码综合 | 很黄的视频免费| 亚洲 欧美一区二区三区| 国产高清视频在线播放一区| 欧美三级亚洲精品| 欧美黄色淫秽网站| 国产激情久久老熟女| 在线国产一区二区在线| 亚洲五月色婷婷综合| 亚洲色图av天堂| 色婷婷久久久亚洲欧美| 亚洲一区二区三区不卡视频| 国产熟女xx| 老司机在亚洲福利影院| 一进一出抽搐gif免费好疼| 国产黄a三级三级三级人| av视频在线观看入口| 老司机午夜十八禁免费视频| 国产激情欧美一区二区| 免费无遮挡裸体视频| 国语自产精品视频在线第100页| 岛国在线观看网站| 久久精品91蜜桃| 国产精品一区二区三区四区久久 | 亚洲av电影在线进入| 在线看三级毛片| 99精品在免费线老司机午夜| 亚洲欧洲精品一区二区精品久久久| 午夜日韩欧美国产| 午夜激情av网站| 18禁黄网站禁片免费观看直播| 国产黄a三级三级三级人| 一级片免费观看大全| 三级毛片av免费| 99热6这里只有精品| 特大巨黑吊av在线直播 | 国产男靠女视频免费网站| 国产一区二区三区在线臀色熟女| 嫁个100分男人电影在线观看| 在线观看免费午夜福利视频| 欧美色欧美亚洲另类二区| 久久青草综合色| 国产精品亚洲一级av第二区| www日本黄色视频网| 99久久无色码亚洲精品果冻| 18禁美女被吸乳视频| 精品熟女少妇八av免费久了| 人人妻人人澡人人看| 国产精品永久免费网站| 中文字幕精品免费在线观看视频| 老熟妇仑乱视频hdxx| 欧美亚洲日本最大视频资源| 国产三级在线视频| 亚洲男人天堂网一区| 狠狠狠狠99中文字幕| 久99久视频精品免费| 国产高清videossex| 欧美一级a爱片免费观看看 | 亚洲成av人片免费观看| 久久久久国内视频| 在线看三级毛片| 久久国产精品人妻蜜桃| 国产成人啪精品午夜网站| 国产97色在线日韩免费| 欧美大码av| 亚洲va日本ⅴa欧美va伊人久久| 最好的美女福利视频网| 亚洲国产欧洲综合997久久, | 99在线视频只有这里精品首页| 满18在线观看网站| а√天堂www在线а√下载| 天天添夜夜摸| 麻豆av在线久日| 午夜亚洲福利在线播放| 19禁男女啪啪无遮挡网站| 成在线人永久免费视频| 久久久久久久久久黄片| av在线天堂中文字幕| 久久香蕉激情| 欧洲精品卡2卡3卡4卡5卡区| 九色国产91popny在线| 我的亚洲天堂| 亚洲av五月六月丁香网| 国产精品久久久av美女十八| 午夜福利在线观看吧| 欧美人与性动交α欧美精品济南到| 99精品久久久久人妻精品| 亚洲电影在线观看av| 亚洲精品一区av在线观看| 亚洲国产精品成人综合色| 日本一区二区免费在线视频| 首页视频小说图片口味搜索| 婷婷亚洲欧美| 搡老岳熟女国产| 美女高潮喷水抽搐中文字幕| 香蕉丝袜av| 国产成人av教育| 亚洲在线自拍视频| 人人妻人人看人人澡| 女人高潮潮喷娇喘18禁视频| 男女床上黄色一级片免费看| 日日干狠狠操夜夜爽| 亚洲天堂国产精品一区在线| 亚洲精品一卡2卡三卡4卡5卡| 日本免费一区二区三区高清不卡| 久久精品国产亚洲av香蕉五月| 在线天堂中文资源库| 在线观看午夜福利视频| 九色国产91popny在线| 精品久久久久久久人妻蜜臀av| 日本熟妇午夜| 黑人巨大精品欧美一区二区mp4| 午夜福利欧美成人| 亚洲黑人精品在线| 午夜成年电影在线免费观看| 精品一区二区三区av网在线观看| 中文资源天堂在线| 午夜福利一区二区在线看| av视频在线观看入口| 黄色片一级片一级黄色片| 国产1区2区3区精品| 国产精品99久久99久久久不卡| 亚洲自拍偷在线| 午夜免费观看网址| 在线观看午夜福利视频| 日韩有码中文字幕| √禁漫天堂资源中文www| 久久精品亚洲精品国产色婷小说| 不卡一级毛片| 午夜a级毛片| 日韩av在线大香蕉| 精品久久久久久久久久免费视频| 久久精品91蜜桃| 国内揄拍国产精品人妻在线 | 欧美性猛交黑人性爽| 色播亚洲综合网| 中出人妻视频一区二区| 老司机在亚洲福利影院| 亚洲激情在线av| 搡老妇女老女人老熟妇| 亚洲人成伊人成综合网2020| 好看av亚洲va欧美ⅴa在| 日韩欧美 国产精品| 亚洲,欧美精品.| 午夜福利在线观看吧| 色综合欧美亚洲国产小说| 真人做人爱边吃奶动态| 亚洲国产毛片av蜜桃av| 色综合站精品国产| 香蕉国产在线看| 日日摸夜夜添夜夜添小说| 最好的美女福利视频网| 国产亚洲精品久久久久5区| 青草久久国产| 精品久久久久久成人av| 国产精品亚洲一级av第二区| 欧美黑人欧美精品刺激| 给我免费播放毛片高清在线观看| 日韩大尺度精品在线看网址| 亚洲一区中文字幕在线| 少妇被粗大的猛进出69影院| 桃红色精品国产亚洲av| 校园春色视频在线观看| 欧美日韩精品网址| 一级a爱片免费观看的视频| 欧美黑人欧美精品刺激| 日韩有码中文字幕| 又黄又粗又硬又大视频| 精品久久久久久,| 亚洲色图 男人天堂 中文字幕| 国产激情偷乱视频一区二区| 久久久久免费精品人妻一区二区 | 欧美日韩福利视频一区二区| xxx96com| 中文亚洲av片在线观看爽| 亚洲欧美日韩无卡精品| 亚洲国产精品sss在线观看| av有码第一页| 精品欧美国产一区二区三| 欧美日韩亚洲国产一区二区在线观看| 777久久人妻少妇嫩草av网站| 变态另类丝袜制服| 一本久久中文字幕| 99精品在免费线老司机午夜| 老熟妇仑乱视频hdxx| 欧美日韩亚洲综合一区二区三区_| www.熟女人妻精品国产| 亚洲人成网站在线播放欧美日韩| 精品免费久久久久久久清纯| 色尼玛亚洲综合影院| 欧美精品亚洲一区二区| 婷婷六月久久综合丁香| 国产成人精品无人区| 伦理电影免费视频| 12—13女人毛片做爰片一| 精品久久久久久久毛片微露脸| 操出白浆在线播放| 婷婷亚洲欧美| 深夜精品福利| 国产高清有码在线观看视频 | 久久久久亚洲av毛片大全| 一个人免费在线观看的高清视频| 十分钟在线观看高清视频www| 天天一区二区日本电影三级| АⅤ资源中文在线天堂| 99精品久久久久人妻精品| 高清在线国产一区| 久久久久亚洲av毛片大全| 嫩草影院精品99| 精品日产1卡2卡| 波多野结衣高清无吗| 一个人免费在线观看的高清视频| 免费在线观看黄色视频的| 国产精品亚洲一级av第二区| 国产精品久久久人人做人人爽| 午夜福利免费观看在线| 日本 欧美在线| 一级毛片高清免费大全| 日韩欧美 国产精品| a级毛片a级免费在线| 国内精品久久久久久久电影| 麻豆成人av在线观看| 久久中文字幕一级| 亚洲 欧美一区二区三区| 免费无遮挡裸体视频| 99精品欧美一区二区三区四区| 99久久综合精品五月天人人| 国产精品一区二区精品视频观看| 国产一区二区在线av高清观看| 免费看日本二区| 国产精品一区二区精品视频观看| 日韩欧美三级三区| 午夜福利成人在线免费观看| 中文亚洲av片在线观看爽| 哪里可以看免费的av片| 亚洲精品久久国产高清桃花| 色哟哟哟哟哟哟| 在线观看一区二区三区| 久久久久九九精品影院| 成年版毛片免费区| 亚洲成人国产一区在线观看| 青草久久国产| 激情在线观看视频在线高清| www.999成人在线观看| 最新在线观看一区二区三区| 日韩精品中文字幕看吧| 亚洲精品美女久久久久99蜜臀| 成年免费大片在线观看| 久久国产精品影院| 一个人免费在线观看的高清视频| 成人一区二区视频在线观看| 啦啦啦免费观看视频1| aaaaa片日本免费| 激情在线观看视频在线高清| 免费在线观看完整版高清| 很黄的视频免费| 日本熟妇午夜| 欧美又色又爽又黄视频| 久久精品成人免费网站| 成人永久免费在线观看视频| 亚洲av电影在线进入| 亚洲精品国产一区二区精华液| 国产一区二区三区视频了| 黄色视频不卡| 老司机午夜福利在线观看视频| 天天躁夜夜躁狠狠躁躁| 亚洲精华国产精华精| 日韩欧美在线二视频| 日韩欧美 国产精品| 国产伦人伦偷精品视频| 久久青草综合色| 人人妻,人人澡人人爽秒播| a级毛片在线看网站| 国产精品乱码一区二三区的特点| 亚洲av美国av| av福利片在线| 国产成人欧美| 日韩av在线大香蕉| 亚洲国产日韩欧美精品在线观看 | 国产亚洲精品久久久久久毛片| 亚洲无线在线观看| 高潮久久久久久久久久久不卡| 国产成人系列免费观看| 久久性视频一级片| 熟女电影av网| 夜夜爽天天搞| 又紧又爽又黄一区二区| 两个人视频免费观看高清| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av成人av| 十分钟在线观看高清视频www| 日韩精品青青久久久久久| 久久性视频一级片| 侵犯人妻中文字幕一二三四区| 国产一区二区激情短视频| 色综合欧美亚洲国产小说| 国产爱豆传媒在线观看 | 一级a爱视频在线免费观看| 国产精品免费一区二区三区在线| 狠狠狠狠99中文字幕| 99热6这里只有精品| 一级毛片精品| 国产精品九九99| 亚洲avbb在线观看| 久久精品人妻少妇| 大香蕉久久成人网| 免费在线观看影片大全网站| 麻豆av在线久日| 女同久久另类99精品国产91| 欧美zozozo另类| 亚洲午夜精品一区,二区,三区| 免费高清在线观看日韩| 亚洲一区二区三区不卡视频| 99在线人妻在线中文字幕| 可以在线观看毛片的网站| 香蕉av资源在线| 亚洲欧洲精品一区二区精品久久久| 欧美日韩黄片免| 久久精品国产清高在天天线| 国产亚洲欧美98| 亚洲成人免费电影在线观看| 国产精品一区二区三区四区久久 | 国产成+人综合+亚洲专区| 国产成年人精品一区二区| 首页视频小说图片口味搜索| 久久久久亚洲av毛片大全| 热99re8久久精品国产| 精品国产亚洲在线| 一级片免费观看大全| 女性被躁到高潮视频| 99国产综合亚洲精品| 丁香六月欧美| 久久亚洲精品不卡| 亚洲人成电影免费在线| 曰老女人黄片| 一进一出好大好爽视频| 精品久久久久久成人av| 神马国产精品三级电影在线观看 | 久久天堂一区二区三区四区| 久久草成人影院| 91字幕亚洲| 极品教师在线免费播放| 两个人看的免费小视频| 国产一区在线观看成人免费| 色av中文字幕| 国内少妇人妻偷人精品xxx网站 | 午夜视频精品福利| 午夜福利视频1000在线观看| 女性被躁到高潮视频| 成人午夜高清在线视频 | 自线自在国产av| 国产av又大| 亚洲中文字幕日韩| 亚洲国产精品成人综合色| 国产黄片美女视频| 国产黄色小视频在线观看| 国产麻豆成人av免费视频| 日本在线视频免费播放| 亚洲一区二区三区不卡视频| 欧美性猛交╳xxx乱大交人| 午夜日韩欧美国产| 国产av不卡久久| x7x7x7水蜜桃| 成人特级黄色片久久久久久久| 母亲3免费完整高清在线观看| 中文资源天堂在线| 两个人视频免费观看高清| 熟妇人妻久久中文字幕3abv| 99国产精品一区二区蜜桃av| 超碰成人久久| 国产精品 国内视频| 日韩国内少妇激情av| 极品教师在线免费播放| 亚洲av中文字字幕乱码综合 | 好男人在线观看高清免费视频 | АⅤ资源中文在线天堂| 成人精品一区二区免费| 一级a爱片免费观看的视频| 精品欧美一区二区三区在线| 亚洲精品一区av在线观看| 亚洲精品国产一区二区精华液| 在线观看一区二区三区| 少妇被粗大的猛进出69影院| 亚洲五月婷婷丁香| 中文资源天堂在线| 国产成年人精品一区二区| 国产精品美女特级片免费视频播放器 | 国产精品九九99| svipshipincom国产片| 香蕉av资源在线| 老司机午夜福利在线观看视频| av中文乱码字幕在线| 精品一区二区三区四区五区乱码| 亚洲真实伦在线观看| 男人的好看免费观看在线视频 | 观看免费一级毛片| 久久亚洲精品不卡| 美女 人体艺术 gogo| 黄色 视频免费看| 亚洲人成电影免费在线| 欧美日韩黄片免| 久99久视频精品免费| 免费在线观看影片大全网站| 99热6这里只有精品| 亚洲国产欧美日韩在线播放| 一本久久中文字幕| 夜夜看夜夜爽夜夜摸| 视频区欧美日本亚洲| 国产精品电影一区二区三区| 哪里可以看免费的av片| 午夜免费鲁丝| www.999成人在线观看| 中文资源天堂在线| 欧美成人一区二区免费高清观看 | 99re在线观看精品视频| 国产精品一区二区免费欧美| 香蕉av资源在线| 精品国产乱子伦一区二区三区| 国产高清激情床上av| 99久久综合精品五月天人人| 国产免费av片在线观看野外av| 中出人妻视频一区二区| 久久亚洲精品不卡|