• <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 ?

    基于駕駛員面部時(shí)序數(shù)據(jù)的疲勞駕駛檢測(cè)算法

    2022-03-25 02:27:32歐陽(yáng)麟吳仲城
    測(cè)控技術(shù) 2022年2期
    關(guān)鍵詞:駕駛員準(zhǔn)確率狀態(tài)

    歐陽(yáng)麟, 吳仲城, 張 俊, 李 芳

    (1.中國(guó)科學(xué)院 強(qiáng)磁場(chǎng)科學(xué)中心,安徽 合肥 230031;2.中國(guó)科學(xué)技術(shù)大學(xué),安徽 合肥 230026;3.強(qiáng)磁場(chǎng)安徽省實(shí)驗(yàn)室,安徽 合肥 230031)

    世界衛(wèi)生組織(WHO)指出,道路交通事故是對(duì)全球公眾身體健康造成傷害的最重要原因之一。如《2018年世界道路安全狀況報(bào)告》[1]中所述,交通事故是致死和致傷的重要原因,每年有接近140萬(wàn)人死于交通事故,還有數(shù)百萬(wàn)人因交通事故受傷或致殘。圖1顯示了2004年—2016年間因道路交通事故死亡的人數(shù),可知死亡人數(shù)每年以緩慢的趨勢(shì)上升。

    圖1 2014年—2016年因道路交通事故死亡的人數(shù)[1]

    2013年在摩洛哥進(jìn)行的一項(xiàng)研究[2]表明,該國(guó)每年因疲勞駕駛而死亡的人數(shù)高達(dá)4000多人,同時(shí)造成經(jīng)濟(jì)損失高達(dá)14億美元。輕度疲勞占到了事故比例的36.8%,重度疲勞占到了31.1%,如圖2所示。研究還指出,有42.4%的駕駛員未能按照每500 km或2 h 休息15 min的標(biāo)準(zhǔn)進(jìn)行駕駛。

    圖2 調(diào)查人群中各類(lèi)人所占比例

    同時(shí),因個(gè)人體質(zhì)不同,每個(gè)人所需休息時(shí)間和休息間隔不同,因此,單純依靠遵守規(guī)則并不能完全避免駕駛員疲勞駕駛行為,需要一種能檢測(cè)到疲勞駕駛行為的方法,并通過(guò)警報(bào)提醒駕駛員或上傳控制中心,避免交通事故的發(fā)生或降低損失。

    在早期的疲勞檢測(cè)研究中,主要使用駕駛員的生理信號(hào)來(lái)進(jìn)性檢測(cè),如眼電圖[3]、心電圖(ECG)[4]、腦電圖、肌電圖,通過(guò)附著在駕駛員身上的各類(lèi)傳感器,獲取生理數(shù)據(jù)[5],分析正常狀態(tài)和疲勞狀態(tài)下生理數(shù)據(jù)的差異來(lái)判斷疲勞與否,這種方法檢測(cè)精度高,但是需要駕駛員的配合以及昂貴的信號(hào)采集設(shè)備,需要與駕駛員的身體進(jìn)行接觸,比較容易引起駕駛員的不適和反感。另一種是基于行駛中車(chē)輛本身的方法,如通過(guò)研究車(chē)速、車(chē)輛軌跡、車(chē)道偏離等,來(lái)判斷疲勞駕駛狀態(tài)。Ma等[6]通過(guò)小波分析和神經(jīng)網(wǎng)絡(luò)來(lái)計(jì)算目標(biāo)車(chē)輛的橫向距離來(lái)預(yù)測(cè)駕駛員疲勞狀態(tài),這種方法受限于車(chē)道、駕駛員駕駛習(xí)慣,以及路面狀況等,通常很難應(yīng)用于復(fù)雜的實(shí)際場(chǎng)景中。還有一種通過(guò)攝像頭捕捉駕駛員面部信息的方法,通過(guò)分析眨眼頻率、是否打哈欠、PERCLOS(Percentage of Eyelid Closure over the Pupil)[7]等疲勞特征來(lái)判斷駕駛員的狀態(tài),Alioua等[8]通過(guò)Hough提取眼部和嘴部特征,利用SVM(Support Vector Machine,支持向量機(jī))分類(lèi)器來(lái)完成疲勞狀態(tài)判斷。這種基于計(jì)算機(jī)視覺(jué)的方法因其低侵入性、低成本的特點(diǎn),受到了較廣泛的應(yīng)用。

    近年來(lái),以CNN(Convolutional Neural Networks,卷積神經(jīng)網(wǎng)絡(luò))為代表的深度學(xué)習(xí)模型[9]在計(jì)算機(jī)視覺(jué)領(lǐng)域的一系列問(wèn)題(如分類(lèi)、目標(biāo)檢測(cè)、圖像分割等)上取得了巨大的成功。如果將疲勞檢測(cè)視為圖像分類(lèi)問(wèn)題,則很容易應(yīng)用深度網(wǎng)絡(luò)模型。例如,Kurylyak等[10]提出的基于卷積神經(jīng)網(wǎng)絡(luò)的哈欠檢測(cè)算法,直接將駕駛員面部圖片輸入神經(jīng)網(wǎng)絡(luò),Softmax分類(lèi)器用于判別駕駛員疲勞狀態(tài),疲勞(1)或非疲勞(0),在YawDD[11](Yawning Detection Dataset)上取得了95.81%的準(zhǔn)確度。但是在實(shí)際應(yīng)用中,疲勞狀態(tài)往往是以序列的形式出現(xiàn)的,是一個(gè)動(dòng)態(tài)的過(guò)程,很難通過(guò)單張圖片來(lái)判斷駕駛員是否疲勞?;跁r(shí)序數(shù)據(jù)的方法大多通過(guò)加窗的方式,對(duì)窗口內(nèi)的數(shù)據(jù)加以處理,并手動(dòng)提取特征,例如鐘奕輝[12]根據(jù)窗口內(nèi)的視頻幀計(jì)算眨眼間隔時(shí)間估計(jì)疲勞程度;Junaedi等[13]先判斷視頻幀中人眼部的狀態(tài),再計(jì)算PERCLOS值來(lái)判斷疲勞狀態(tài),并使用P60[14]標(biāo)準(zhǔn)在YawDD上獲得了最高83.66%的準(zhǔn)確率。這種方法需要手動(dòng)設(shè)置閾值,根據(jù)提取特征與閾值進(jìn)行比較,當(dāng)駕駛員臉部差異較大或個(gè)人習(xí)慣不同時(shí),閾值不同,泛化性不強(qiáng)。另一種方法對(duì)手動(dòng)提取的特征進(jìn)行特征融合[15]或接入如SVM[16]、MLP(Multilayer Perceptron,多層感知機(jī))等分類(lèi)算法對(duì)疲勞狀態(tài)進(jìn)行識(shí)別,這兩種方法都需要手動(dòng)設(shè)計(jì)特征且只針對(duì)臉部部分區(qū)域(如眼部、嘴部特征),不能充分利用臉部疲勞特征。

    基于以上研究,本文提出了一種基于CNN和長(zhǎng)短期記憶(Long Short-Term Memory,LSTM)單元的端到端可訓(xùn)練網(wǎng)絡(luò),并利用MTCNN(Multi-Task Cascaded Neural Networks,多任務(wù)級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò))檢測(cè)人臉關(guān)鍵點(diǎn),提取感興趣區(qū)域(Region of Interest,ROI),將拼接后的融合了嘴部區(qū)域和眼部區(qū)域的ROI放入CNN中提取特征,多幀圖片提取后的特征再經(jīng)過(guò)LSTM單元學(xué)習(xí)序列特征,輸出疲勞狀態(tài)(疲勞、打哈欠、非疲勞)。模型通過(guò)逐幀處理而不是基于窗口預(yù)測(cè),因此,它檢測(cè)速度快,消耗的計(jì)算成本較低,并且能夠?qū)崟r(shí)工作。實(shí)驗(yàn)表明本文方法在疲勞檢測(cè)數(shù)據(jù)集NTHU-DDD[17]中獲得了98%以上的準(zhǔn)確率并有較好的實(shí)時(shí)性。

    1 疲勞檢測(cè)算法流程

    疲勞檢測(cè)算法整體流程圖如圖3所示。

    圖3 疲勞檢測(cè)算法流程圖

    具體流程如下:

    ① 圖片經(jīng)過(guò)一個(gè)MTCNN[18]提取ROI,將ROI調(diào)整成網(wǎng)絡(luò)輸入所需的比例后拼接成單張圖片輸入進(jìn)CNN。

    ② CNN對(duì)連續(xù)視頻幀中的ROI進(jìn)行特征提取,提取后的序列特征進(jìn)入LSTM單元學(xué)習(xí)時(shí)序特征。

    ③ LSTM提取的特征經(jīng)過(guò)Softmax分類(lèi)器對(duì)當(dāng)前視頻幀進(jìn)行分類(lèi)(正常、疲勞、打哈欠3種狀態(tài))。

    2 數(shù)據(jù)準(zhǔn)備

    2.1 數(shù)據(jù)集

    YawDD是由Abtahi等制作的視頻數(shù)據(jù)集,用于哈欠檢測(cè)模型的設(shè)計(jì)與測(cè)試,其中包含了多名駕駛員在駕駛位上的視頻。視頻分為兩部分,一部分是攝像頭位于車(chē)內(nèi)后視鏡下方,側(cè)對(duì)著駕駛員錄制得到的;另一部分是攝像頭位于儀表盤(pán)上方,正對(duì)著駕駛員,采集到駕駛員的正面圖像,每秒采集30幀。每個(gè)駕駛員錄制3~4段視頻。此數(shù)據(jù)集用于驗(yàn)證模型的泛化性。本文取正臉部分?jǐn)?shù)據(jù)集,按照視頻文件的分類(lèi)將數(shù)據(jù)集分為打哈欠和正常兩種狀態(tài)。

    疲勞駕駛檢測(cè)數(shù)據(jù)集采用來(lái)自于臺(tái)灣國(guó)立清華大學(xué)的NTHU-DDD[17](Driver Drowsiness Detection),包括正常駕駛和疲勞駕駛的視頻數(shù)據(jù)集。在白天和黑夜兩種場(chǎng)景下拍攝,包含了戴眼鏡、不戴眼鏡、打哈欠、低頭等多種動(dòng)作。圖像幀像素格式為640像素×480像素,每段視頻平均60 s左右,每秒取15幀(黑夜)或30幀(白天)。此數(shù)據(jù)集用于模型的訓(xùn)練與測(cè)試。由于數(shù)據(jù)集的標(biāo)簽只有0(正常)和1(疲勞)狀態(tài),而本文模型輸出3種狀態(tài)(正常、疲勞和打哈欠),于是對(duì)數(shù)據(jù)集重新制作標(biāo)簽,將本來(lái)類(lèi)別為1(疲勞)的視頻幀按照順序分為1(疲勞)和2(打哈欠)。圖4為從NTHU-DDD中的一段連續(xù)的視頻均勻采樣截得的視頻幀。

    圖4 NTHU-DDD部分視頻幀

    NTHU-DDD分為訓(xùn)練集、驗(yàn)證集和測(cè)試集,其中訓(xùn)練集來(lái)自18位志愿者,共360段視頻,包括723248個(gè)視頻幀;驗(yàn)證集來(lái)自4位志愿者,共20段視頻,包括173299個(gè)視頻幀;測(cè)試集包括所有志愿者的70段視頻,包括736132個(gè)視頻幀。

    YawDD采用的正臉部分?jǐn)?shù)據(jù)集包括16段男性視頻和13段女性視頻,男性視頻共有36126幀,女性視頻共有28467幀。YawDD中的數(shù)據(jù)僅用于測(cè)試。

    2.2 ROI提取

    生物醫(yī)學(xué)研究表明,疲勞狀態(tài)是一個(gè)漸進(jìn)的過(guò)程,初期表現(xiàn)為眨眼頻率變高、打哈欠、哈欠持續(xù)時(shí)間變長(zhǎng),后期表現(xiàn)為眼睛閉合程度增大、眼睛閉合時(shí)間增長(zhǎng)等。因此面部區(qū)域中能表現(xiàn)疲勞特征的是眼部和嘴部,為了去除無(wú)關(guān)信息,而將有用的ROI送入CNN中進(jìn)行訓(xùn)練,首先應(yīng)用MTCNN提取面部關(guān)鍵點(diǎn),基于特征點(diǎn)截取出眼部和嘴部區(qū)域,再拼接成整個(gè)圖片。

    2.2.1 圖片角度矯正

    由于本文數(shù)據(jù)集中存在部分視頻幀未能正臉面對(duì)攝像頭,可能會(huì)出現(xiàn)頭部向左或者向右偏轉(zhuǎn)的情況。為了能夠正確提取出ROI,對(duì)于這種圖片,首先需要對(duì)其進(jìn)行角度矯正,如圖5所示。

    圖5 圖片旋轉(zhuǎn)過(guò)程

    圖5中,假設(shè)在圖片經(jīng)過(guò)MTCNN后輸出的關(guān)鍵點(diǎn)中,左眼和右眼分別為A點(diǎn)(xA,yA)和B點(diǎn)(xB,yB),那么此時(shí)兩眼連線(xiàn)與水平方向的夾角θ(即傾斜角度)為

    (1)

    將圖片圍繞中心點(diǎn)Z(x0,y0)旋轉(zhuǎn)θ°,即可調(diào)整至水平狀態(tài)。此時(shí)原圖片中任意點(diǎn)的坐標(biāo)P(xi,yi)將調(diào)整至P′(x′i,y′i)。計(jì)算規(guī)則如下:

    yi=2y0-yi

    (2)

    2.2.2 提取眼部ROI

    得到2.2.1節(jié)中輸出的圖片及關(guān)鍵點(diǎn)坐標(biāo)后,提取眼部ROI,如圖6所示。

    圖6 提取眼部ROI

    圖6中眼部矩形框即為提取的ROI區(qū)域,坐標(biāo)點(diǎn)以及矩形框?qū)挾葁、高度h之間的關(guān)系如下:

    (3)

    式中:xC為C點(diǎn)x軸坐標(biāo);yC為C點(diǎn)y軸坐標(biāo);d為兩眼之間橫向距離。

    同理,右眼區(qū)域與左眼區(qū)域經(jīng)過(guò)相同處理。

    2.2.3 提取嘴部ROI

    嘴部區(qū)域ROI處理與眼部類(lèi)似,將比例調(diào)整至合適范圍內(nèi)。如圖7所示,嘴部矩形框左上角C點(diǎn)的坐標(biāo)為

    圖7 提取嘴部ROI

    (4)

    式中:xC為C點(diǎn)x軸坐標(biāo);yC為C點(diǎn)y軸坐標(biāo);d為兩眼之間橫向距離。

    將NTHU-DDD中所有視頻幀在訓(xùn)練之前都進(jìn)行上述ROI提取處理,將得到的結(jié)果拼接成為一張新的圖片,正好可以得到一張長(zhǎng)寬大小相同的圖片。部分訓(xùn)練集圖片如圖8所示。將圖片調(diào)整為227像素×227像素的格式,做好數(shù)據(jù)標(biāo)簽,以便下一步訓(xùn)練網(wǎng)絡(luò)所用。

    圖8 經(jīng)過(guò)ROI提取后的數(shù)據(jù)集

    3 基于CNN和LSTM的疲勞檢測(cè)網(wǎng)絡(luò)

    3.1 CNN

    CNN因其在ImageNet上的出色表現(xiàn),受到了大量的關(guān)注和研究,廣泛應(yīng)用于各類(lèi)視覺(jué)任務(wù)。隨著網(wǎng)絡(luò)層數(shù)的加深,模型的表達(dá)能力也越強(qiáng),然而當(dāng)網(wǎng)絡(luò)層數(shù)到達(dá)一定程度,由于梯度消失問(wèn)題,導(dǎo)致在視覺(jué)任務(wù)中的準(zhǔn)確率不升反降。ResNet使用跳連接[19],即殘差塊(Residual Block)來(lái)解決這類(lèi)問(wèn)題,使得在復(fù)雜的視覺(jué)任務(wù)中可以更好地應(yīng)用深度網(wǎng)絡(luò)。ResNet基本單元如圖9所示。

    圖9 ResNet基本單元

    筆者選用的用于提取面部特征的ResNet-18中使用了4組這樣的單元,每組2個(gè)。

    使用從ImageNet上遷移過(guò)來(lái)的網(wǎng)絡(luò),加載預(yù)訓(xùn)練權(quán)重,開(kāi)放部分權(quán)重用于訓(xùn)練,加快收斂速度,防止過(guò)擬合。除了ResNet-18外,還使用了VGG-16[20],DenseNet[21]、AlexNet[22]這些在ImageNet上表現(xiàn)出色的網(wǎng)絡(luò)用于對(duì)比特征提取器的效果。

    3.2 LSTM

    LSTM[23]是遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)的改進(jìn)網(wǎng)絡(luò)。區(qū)別于CNN對(duì)單張圖片的特征提取及分類(lèi),LSTM的模型輸出與之前檢測(cè)的視頻幀結(jié)果是有關(guān)的。它將上一時(shí)序網(wǎng)絡(luò)的隱層狀態(tài)輸出到下一時(shí)序網(wǎng)絡(luò)中,與當(dāng)前序列數(shù)據(jù)一同訓(xùn)練,因此,它更擅長(zhǎng)于處理時(shí)序數(shù)據(jù)。RNN示意圖如圖10所示。

    圖10 RNN示意圖

    圖10中,ht+1為當(dāng)前序列的隱狀態(tài),它根據(jù)當(dāng)前的訓(xùn)練樣本xt+1以及上一序列的隱狀態(tài)ht進(jìn)行計(jì)算得出。LSTM在上述基本單元上又添加了3個(gè)控制門(mén)結(jié)構(gòu),即輸入門(mén)、遺忘門(mén)和輸出門(mén),能夠遺忘掉次要的特征信息而記住更明顯的疲勞特征。

    3.3 疲勞檢測(cè)網(wǎng)絡(luò)

    筆者使用從ImageNet上遷移過(guò)來(lái)的ResNet-18提取特征,如圖11所示。凍結(jié)部分層的權(quán)重,開(kāi)放后n層進(jìn)行fine-tune。連續(xù)的視頻幀經(jīng)過(guò)ROI提取后輸入進(jìn)ResNet-18,輸出的線(xiàn)性特征再接入LSTM網(wǎng)絡(luò)學(xué)習(xí)時(shí)序特征,最終輸出的特征經(jīng)過(guò)Softmax分類(lèi)得到駕駛員疲勞狀態(tài)。圖11中的Basic Block為圖9中的基本單元。

    圖11 疲勞檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)圖

    4 實(shí)驗(yàn)與結(jié)果分析

    4.1 網(wǎng)絡(luò)訓(xùn)練

    筆者采用隨機(jī)裁剪、旋轉(zhuǎn)和噪聲處理進(jìn)行數(shù)據(jù)增強(qiáng),通過(guò)減去圖片通道平均值實(shí)現(xiàn)歸一化。優(yōu)化器采用SGD(Stochastic Gradient Descent)算法。批次大小設(shè)為256,權(quán)重衰減系數(shù)設(shè)為0.0005,動(dòng)量設(shè)為0.9,初始學(xué)習(xí)率設(shè)為0.01。并將LSTM單元的步長(zhǎng)設(shè)為16,即選擇連續(xù)的16幀作為檢測(cè)窗口。權(quán)重采用預(yù)訓(xùn)練模型初始權(quán)重,開(kāi)放后10層更新權(quán)重,防止過(guò)擬合,在NVIDIA GTX 1080Ti上訓(xùn)練的迭代次數(shù)為200。

    4.2 算法在數(shù)據(jù)集上的性能比較

    將ResNet-18與其他分類(lèi)網(wǎng)絡(luò)(AlexNet、VGG-16和DenseNet)用相同的配置進(jìn)行訓(xùn)練,同時(shí),用ResNet18在不經(jīng)過(guò)ROI提取的原始數(shù)據(jù)集上進(jìn)行訓(xùn)練以作為比較。實(shí)驗(yàn)中損失值以及驗(yàn)證集中準(zhǔn)確率曲線(xiàn)如圖12和圖13所示。

    圖12 損失值變化曲線(xiàn)

    由圖可知,VGG網(wǎng)絡(luò)在訓(xùn)練中的振動(dòng)幅度較大,AlexNet-LSTM網(wǎng)絡(luò)的檢測(cè)效果最差,ResNet18和DenseNet提取面部特征的能力較為出色。經(jīng)ROI提取后的ResNet18-LSTM網(wǎng)絡(luò)性能最佳,在驗(yàn)證集上達(dá)到98.56%的準(zhǔn)確率。在原始數(shù)據(jù)集上訓(xùn)練的ResNe18-LSTM達(dá)到了97.22%的準(zhǔn)確率。相較于原始數(shù)據(jù)集,ROI提取明顯抓住了反映疲勞特征的關(guān)鍵區(qū)域,提升了準(zhǔn)確率。各網(wǎng)絡(luò)在驗(yàn)證集上的最終識(shí)別準(zhǔn)確率具體如表1所示。

    表1 各網(wǎng)絡(luò)在NTHU-DDD數(shù)據(jù)集上的準(zhǔn)確率

    各個(gè)主干網(wǎng)絡(luò)在ImageNet上的精度與參數(shù)量大小信息如圖14所示[24]。圖14中圓形的中心為模型在圖表中的位置,圓形的大小對(duì)應(yīng)模型的參數(shù)量,橫軸為計(jì)算量,縱軸為T(mén)op-1的準(zhǔn)確率,越靠近左上角的模型計(jì)算復(fù)雜度越低、準(zhǔn)確率越高,越小的模型參數(shù)越少。一般來(lái)說(shuō),網(wǎng)絡(luò)參數(shù)量和計(jì)算量越大,表示模型容量越大,而精度越高代表網(wǎng)絡(luò)提取特征的能力越強(qiáng)。由表1信息可知,主干網(wǎng)絡(luò)提取特征能力越強(qiáng),則遷移后的疲勞檢測(cè)網(wǎng)絡(luò)識(shí)別準(zhǔn)確率越高,而模型參數(shù)量達(dá)到一定量級(jí)后,可能會(huì)出現(xiàn)過(guò)擬合而導(dǎo)致檢測(cè)率不升反降。例如精度接近的VGG-16和ResNet-18,VGG-16由于模型過(guò)大而產(chǎn)生的過(guò)擬合(可通過(guò)表1中數(shù)據(jù)輔證,VGG-16在訓(xùn)練集上的精度很高,在驗(yàn)證集上卻出現(xiàn)精度下降),導(dǎo)致疲勞檢測(cè)網(wǎng)絡(luò)中ResNet-18的精度要遠(yuǎn)高于VGG-16,且計(jì)算量更小。這說(shuō)明在遷移學(xué)習(xí)任務(wù)中,選擇適合的模型尤為重要。

    圖14 各主干網(wǎng)絡(luò)精度與模型大小對(duì)比

    接著將模型與其他同樣在NTHU-DDD測(cè)試集上測(cè)試的基于時(shí)序數(shù)據(jù)的方法進(jìn)行對(duì)比。不同方法使用相同的預(yù)處理方法,使用模型與最終準(zhǔn)確率如表2所示。

    由表2可知,基于LSTM網(wǎng)絡(luò)的方法整體要優(yōu)于視頻幀中加窗分析的方法,而經(jīng)過(guò)預(yù)處理后的數(shù)據(jù)集識(shí)別準(zhǔn)確率也得到了提升,這說(shuō)明本文預(yù)處理方法對(duì)于疲勞檢測(cè)數(shù)據(jù)集是有效的。

    表2 不同方法在NTHU-DDD測(cè)試集上的結(jié)果對(duì)比

    4.3 參數(shù)討論

    下面討論上文中提出的網(wǎng)絡(luò)模型所涉及到的兩個(gè)重要參數(shù)。通常駕駛員一次眨眼的過(guò)程需要約0.3 s,當(dāng)出現(xiàn)疲勞駕駛時(shí),司機(jī)眨眼變慢,一次眨眼過(guò)程持續(xù)時(shí)間更長(zhǎng)。這對(duì)應(yīng)于4.1節(jié)提到的LSTM中步長(zhǎng)的選擇。步長(zhǎng)過(guò)大,則當(dāng)前幀之前的視頻幀對(duì)當(dāng)前狀態(tài)影響更大,LSTM可能會(huì)提取不重要的特征;反之,步長(zhǎng)過(guò)小,則忽略掉的視頻幀越多,可能會(huì)學(xué)習(xí)不到序列特征。因此,選擇不同的步長(zhǎng)進(jìn)行實(shí)驗(yàn),對(duì)比得出最佳步長(zhǎng)為16。實(shí)驗(yàn)結(jié)果如圖15所示,曲線(xiàn)代表準(zhǔn)確率與步長(zhǎng)的關(guān)系。

    圖15 步長(zhǎng)對(duì)網(wǎng)絡(luò)檢測(cè)效果的影響

    對(duì)于采用的ResNet-18預(yù)訓(xùn)練模型,開(kāi)放層數(shù)也會(huì)影響模型精度,層數(shù)過(guò)多,可能導(dǎo)致在小樣本數(shù)據(jù)集上不收斂,層數(shù)過(guò)低,可能學(xué)習(xí)不到數(shù)據(jù)集本身的特征,無(wú)法很好地遷移到目標(biāo)任務(wù)中。通過(guò)實(shí)驗(yàn)得出當(dāng)開(kāi)放層數(shù)為10的時(shí)候,準(zhǔn)確率達(dá)到峰值。開(kāi)放層數(shù)與模型最終精度的關(guān)系如圖16所示。

    圖16 開(kāi)放層數(shù)與模型最終精確度的關(guān)系曲線(xiàn)

    4.4 模型泛化能力

    為了驗(yàn)證模型的泛化能力,將其應(yīng)用于YawDD數(shù)據(jù)集,并與其他哈欠檢測(cè)算法[13,26-27]進(jìn)行比較,由于本文模型輸出打哈欠、疲勞和正常3個(gè)狀態(tài),而數(shù)據(jù)集中只標(biāo)注了打哈欠和正常2個(gè)狀態(tài),于是將輸出為疲勞的數(shù)據(jù)歸結(jié)于正常狀態(tài),測(cè)試結(jié)果如表3所示。

    表3 不同算法在YawDD數(shù)據(jù)集上的檢測(cè)結(jié)果

    如表3所示,在基于PERCLOS的方法中,不同的標(biāo)準(zhǔn)(P60,P70,P80)下有不同的結(jié)果,表3中記錄了方法在數(shù)據(jù)集多個(gè)部分中的最好結(jié)果。而本文方法在未經(jīng)YawDD數(shù)據(jù)訓(xùn)練的情況下直接測(cè)試,達(dá)到了與主流哈欠檢測(cè)算法近似的精度,由此說(shuō)明模型泛化性較強(qiáng)。

    4.5 算法實(shí)時(shí)性

    為了測(cè)試模型在實(shí)際場(chǎng)景中的實(shí)時(shí)性,在NVIDIA GTX 1080Ti環(huán)境下檢測(cè)連續(xù)的視頻幀,將攝像頭捕捉圖片裁剪為200像素×150像素的大小,提取ROI后輸入LSTM網(wǎng)絡(luò),測(cè)出檢測(cè)速度為25 f/s,平均檢測(cè)一幀的速度為40 ms,其中提取ROI所用時(shí)間與檢測(cè)疲勞狀態(tài)所用時(shí)間比例約為1∶1。在駕駛員疲勞檢測(cè)任務(wù)中實(shí)時(shí)性較強(qiáng)。若將模型放于更高配置的GPU服務(wù)器上提供服務(wù),則可以進(jìn)一步提升檢測(cè)效率。

    5 結(jié)束語(yǔ)

    本文首次提出了一種將LSTM應(yīng)用于駕駛員面部時(shí)序數(shù)據(jù)中的方法,根據(jù)面部關(guān)鍵點(diǎn)提取疲勞特征ROI,通過(guò)遷移學(xué)習(xí)提取圖像特征,并結(jié)合LSTM處理時(shí)序數(shù)據(jù)的能力,提出了一種能夠檢測(cè)疲勞駕駛的端到端可訓(xùn)練網(wǎng)絡(luò)。在公開(kāi)數(shù)據(jù)集中達(dá)到了較高的精度,同時(shí)具有較好的泛化能力,對(duì)于公共交通安全以及駕駛員人身安全保護(hù)具有很重要的意義。下一步研究可將模型放入云端,開(kāi)發(fā)Restful API并提供HTTP服務(wù),以此實(shí)時(shí)檢測(cè)終端駕駛員的疲勞狀態(tài)。

    猜你喜歡
    駕駛員準(zhǔn)確率狀態(tài)
    基于高速公路的駕駛員換道意圖識(shí)別
    駕駛員安全帶識(shí)別方法綜述
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    狀態(tài)聯(lián)想
    高速公路車(chē)牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    生命的另一種狀態(tài)
    起步前環(huán)顧四周是車(chē)輛駕駛員的義務(wù)
    公民與法治(2016年4期)2016-05-17 04:09:26
    熱圖
    家庭百事通(2016年3期)2016-03-14 08:07:17
    嫩草影院入口| 法律面前人人平等表现在哪些方面| 国模一区二区三区四区视频 | 99riav亚洲国产免费| 亚洲色图 男人天堂 中文字幕| 男人和女人高潮做爰伦理| 欧美日韩福利视频一区二区| 欧美国产日韩亚洲一区| 两人在一起打扑克的视频| 特大巨黑吊av在线直播| 两人在一起打扑克的视频| 美女扒开内裤让男人捅视频| 国产在线精品亚洲第一网站| 色尼玛亚洲综合影院| 国内久久婷婷六月综合欲色啪| 国产精品 欧美亚洲| 欧美一级a爱片免费观看看| 国产欧美日韩精品一区二区| 成人精品一区二区免费| 国产亚洲精品一区二区www| 日韩国内少妇激情av| 亚洲色图av天堂| 一级黄色大片毛片| 一进一出抽搐gif免费好疼| 女人高潮潮喷娇喘18禁视频| 免费av毛片视频| 欧美日韩乱码在线| 成人亚洲精品av一区二区| 日本熟妇午夜| 久久精品国产亚洲av香蕉五月| 亚洲七黄色美女视频| 欧美丝袜亚洲另类 | 亚洲熟妇中文字幕五十中出| 99精品久久久久人妻精品| 精品久久久久久久久久免费视频| 99久久久亚洲精品蜜臀av| 免费av毛片视频| 嫩草影院入口| 淫妇啪啪啪对白视频| 久久香蕉精品热| 婷婷六月久久综合丁香| 国产成人影院久久av| 亚洲欧洲精品一区二区精品久久久| 白带黄色成豆腐渣| 九九久久精品国产亚洲av麻豆 | 丁香六月欧美| 婷婷精品国产亚洲av在线| 国产亚洲欧美在线一区二区| 女警被强在线播放| 又黄又粗又硬又大视频| 午夜影院日韩av| 亚洲九九香蕉| 亚洲av电影不卡..在线观看| 亚洲欧美精品综合一区二区三区| 1024香蕉在线观看| 桃红色精品国产亚洲av| 国产av一区在线观看免费| 亚洲午夜精品一区,二区,三区| 精华霜和精华液先用哪个| 少妇裸体淫交视频免费看高清| 国内精品久久久久久久电影| 国产激情偷乱视频一区二区| 国产精品综合久久久久久久免费| 90打野战视频偷拍视频| 国产97色在线日韩免费| 岛国在线观看网站| 精华霜和精华液先用哪个| 我要搜黄色片| 久久久久久久午夜电影| 精品一区二区三区av网在线观看| 成人三级做爰电影| 午夜久久久久精精品| 亚洲天堂国产精品一区在线| 亚洲国产欧美网| 无限看片的www在线观看| 亚洲av五月六月丁香网| 九九在线视频观看精品| 麻豆久久精品国产亚洲av| 搡老岳熟女国产| 亚洲精品美女久久av网站| 两个人视频免费观看高清| 国产淫片久久久久久久久 | 亚洲精品一卡2卡三卡4卡5卡| 亚洲中文字幕一区二区三区有码在线看 | 熟妇人妻久久中文字幕3abv| 婷婷六月久久综合丁香| 99在线视频只有这里精品首页| 免费在线观看日本一区| 亚洲真实伦在线观看| 在线观看美女被高潮喷水网站 | 狠狠狠狠99中文字幕| 精品日产1卡2卡| 国产精品国产高清国产av| 色噜噜av男人的天堂激情| 天天躁日日操中文字幕| 人妻丰满熟妇av一区二区三区| 我的老师免费观看完整版| 19禁男女啪啪无遮挡网站| 女警被强在线播放| 岛国在线观看网站| 国产亚洲欧美在线一区二区| 老司机午夜十八禁免费视频| 激情在线观看视频在线高清| 国产蜜桃级精品一区二区三区| 男人的好看免费观看在线视频| 国产成人av激情在线播放| 99久久久亚洲精品蜜臀av| 国产精品九九99| 97超级碰碰碰精品色视频在线观看| 亚洲一区二区三区不卡视频| 丰满的人妻完整版| 一本一本综合久久| 熟妇人妻久久中文字幕3abv| 亚洲美女视频黄频| 青草久久国产| 中文资源天堂在线| 五月伊人婷婷丁香| 美女cb高潮喷水在线观看 | 麻豆国产97在线/欧美| 亚洲人与动物交配视频| 亚洲国产精品合色在线| www.999成人在线观看| 午夜精品久久久久久毛片777| 成人精品一区二区免费| 久久精品夜夜夜夜夜久久蜜豆| www.www免费av| 国产高清三级在线| 波多野结衣高清无吗| 偷拍熟女少妇极品色| 国产欧美日韩一区二区精品| 亚洲国产色片| 19禁男女啪啪无遮挡网站| 久久精品91无色码中文字幕| 国产成人啪精品午夜网站| 91九色精品人成在线观看| av天堂在线播放| 一二三四社区在线视频社区8| 黄片大片在线免费观看| 亚洲第一电影网av| 成人永久免费在线观看视频| 女同久久另类99精品国产91| 精品久久久久久,| 久久久久久国产a免费观看| 亚洲精品久久国产高清桃花| 嫁个100分男人电影在线观看| 最新在线观看一区二区三区| 啦啦啦韩国在线观看视频| 又紧又爽又黄一区二区| 一区二区三区高清视频在线| 国产伦精品一区二区三区视频9 | 大型黄色视频在线免费观看| 美女高潮喷水抽搐中文字幕| 色播亚洲综合网| 亚洲欧美激情综合另类| 看免费av毛片| 日韩欧美 国产精品| 国产精品女同一区二区软件 | 长腿黑丝高跟| 欧美日韩亚洲国产一区二区在线观看| 精品电影一区二区在线| 欧美在线一区亚洲| 少妇的逼水好多| 国产又色又爽无遮挡免费看| 国产真实乱freesex| 人妻丰满熟妇av一区二区三区| 亚洲熟女毛片儿| 色噜噜av男人的天堂激情| 亚洲精品中文字幕一二三四区| 高清在线国产一区| 国产野战对白在线观看| 亚洲成av人片免费观看| 老司机深夜福利视频在线观看| 国产91精品成人一区二区三区| 久99久视频精品免费| 国产免费男女视频| 十八禁网站免费在线| 首页视频小说图片口味搜索| 麻豆久久精品国产亚洲av| 91av网站免费观看| 淫妇啪啪啪对白视频| 2021天堂中文幕一二区在线观| 18美女黄网站色大片免费观看| 成人欧美大片| 最新中文字幕久久久久 | 欧美日韩瑟瑟在线播放| 五月玫瑰六月丁香| 亚洲avbb在线观看| 国产男靠女视频免费网站| 免费看十八禁软件| 亚洲自偷自拍图片 自拍| 国产精品,欧美在线| 亚洲人成伊人成综合网2020| 成年女人看的毛片在线观看| 欧美zozozo另类| 怎么达到女性高潮| 国产精品影院久久| 久久午夜亚洲精品久久| 日韩大尺度精品在线看网址| 国产高潮美女av| 香蕉丝袜av| 欧美色欧美亚洲另类二区| 在线观看舔阴道视频| 国产蜜桃级精品一区二区三区| bbb黄色大片| 国产精品98久久久久久宅男小说| 亚洲中文av在线| 精品99又大又爽又粗少妇毛片 | 成人亚洲精品av一区二区| 日本黄色视频三级网站网址| 中文字幕人妻丝袜一区二区| 国产真实乱freesex| 亚洲无线观看免费| 亚洲,欧美精品.| 夜夜夜夜夜久久久久| 女同久久另类99精品国产91| av视频在线观看入口| 欧美最黄视频在线播放免费| 欧美午夜高清在线| 色综合欧美亚洲国产小说| 国产极品精品免费视频能看的| 黄频高清免费视频| 少妇的逼水好多| 日韩欧美一区二区三区在线观看| 欧美一级毛片孕妇| 99国产极品粉嫩在线观看| 丝袜人妻中文字幕| 国产精品国产高清国产av| 成年女人永久免费观看视频| 国产高清三级在线| 啦啦啦免费观看视频1| 国产真实乱freesex| 欧美日韩精品网址| 观看美女的网站| 亚洲在线自拍视频| 免费av毛片视频| 国产69精品久久久久777片 | 99热这里只有精品一区 | 国产久久久一区二区三区| 神马国产精品三级电影在线观看| 又大又爽又粗| 岛国在线观看网站| 精品国产乱码久久久久久男人| 国产在线精品亚洲第一网站| 色综合亚洲欧美另类图片| 免费在线观看成人毛片| 每晚都被弄得嗷嗷叫到高潮| 91久久精品国产一区二区成人 | 国产精品99久久99久久久不卡| 综合色av麻豆| 啦啦啦韩国在线观看视频| 热99在线观看视频| 精品久久蜜臀av无| 久久人人精品亚洲av| 两性夫妻黄色片| 亚洲av五月六月丁香网| 亚洲欧美一区二区三区黑人| 人人妻人人看人人澡| 美女黄网站色视频| 黄色丝袜av网址大全| 免费看a级黄色片| 十八禁人妻一区二区| 亚洲av片天天在线观看| 国产欧美日韩精品亚洲av| 国产精品久久电影中文字幕| 亚洲真实伦在线观看| 久久久国产成人免费| 亚洲专区国产一区二区| 精品免费久久久久久久清纯| 91在线观看av| 色综合站精品国产| 脱女人内裤的视频| 亚洲av成人av| 久久国产精品人妻蜜桃| 他把我摸到了高潮在线观看| 又爽又黄无遮挡网站| 国产高清视频在线播放一区| 国产欧美日韩一区二区精品| 国产午夜福利久久久久久| 国产成人精品久久二区二区91| 久久久久久久久中文| 亚洲18禁久久av| 亚洲精品乱码久久久v下载方式 | 老鸭窝网址在线观看| 欧美日本视频| 国产av不卡久久| 丰满人妻熟妇乱又伦精品不卡| 久久人人精品亚洲av| 国产成人aa在线观看| 国产精品久久久久久久电影 | www.精华液| 国产男靠女视频免费网站| 国产淫片久久久久久久久 | 午夜精品一区二区三区免费看| 久久精品aⅴ一区二区三区四区| 国产视频内射| 好男人电影高清在线观看| 成年人黄色毛片网站| 网址你懂的国产日韩在线| 香蕉丝袜av| 久久久久久久久中文| 国产欧美日韩精品亚洲av| 午夜久久久久精精品| 一区福利在线观看| 精品99又大又爽又粗少妇毛片 | 国产精品一区二区免费欧美| 免费av毛片视频| 欧美极品一区二区三区四区| 久久国产乱子伦精品免费另类| 熟女人妻精品中文字幕| 国产乱人视频| 国产成人aa在线观看| 国内精品美女久久久久久| a在线观看视频网站| 精品福利观看| 啪啪无遮挡十八禁网站| 欧美不卡视频在线免费观看| cao死你这个sao货| 手机成人av网站| 亚洲七黄色美女视频| 亚洲无线观看免费| 91av网站免费观看| 日韩国内少妇激情av| av在线天堂中文字幕| 国产1区2区3区精品| 老汉色av国产亚洲站长工具| 脱女人内裤的视频| 成年女人永久免费观看视频| 成人精品一区二区免费| a级毛片a级免费在线| 国产激情欧美一区二区| 国产一区二区在线av高清观看| 两个人看的免费小视频| 久久精品国产亚洲av香蕉五月| 成人亚洲精品av一区二区| 成人三级黄色视频| 91麻豆av在线| 午夜福利欧美成人| 99热这里只有精品一区 | 两人在一起打扑克的视频| 嫩草影视91久久| 国产淫片久久久久久久久 | 99久久精品一区二区三区| 亚洲国产欧洲综合997久久,| 日韩大尺度精品在线看网址| 19禁男女啪啪无遮挡网站| 免费在线观看日本一区| 亚洲中文av在线| 成人欧美大片| 午夜福利免费观看在线| 黑人操中国人逼视频| 精品久久久久久久毛片微露脸| 日日摸夜夜添夜夜添小说| 免费高清视频大片| 天堂av国产一区二区熟女人妻| 变态另类丝袜制服| 中文字幕av在线有码专区| 视频区欧美日本亚洲| 一级毛片高清免费大全| 国产一区二区三区在线臀色熟女| 国产伦在线观看视频一区| 天天添夜夜摸| 免费在线观看视频国产中文字幕亚洲| 国产成人精品无人区| 欧美激情久久久久久爽电影| 啪啪无遮挡十八禁网站| 国产视频一区二区在线看| 欧美成人一区二区免费高清观看 | 欧美日韩福利视频一区二区| 日韩欧美国产一区二区入口| 日本撒尿小便嘘嘘汇集6| 午夜福利在线在线| 亚洲一区高清亚洲精品| 国产精品久久久av美女十八| 欧美日韩亚洲国产一区二区在线观看| 黄色女人牲交| 99热这里只有是精品50| 床上黄色一级片| 国产1区2区3区精品| 综合色av麻豆| 老司机深夜福利视频在线观看| 日本a在线网址| 天天一区二区日本电影三级| 一个人观看的视频www高清免费观看 | 五月伊人婷婷丁香| 欧美中文综合在线视频| 精品国产美女av久久久久小说| 久久久久精品国产欧美久久久| 丰满的人妻完整版| 天堂网av新在线| 变态另类丝袜制服| 亚洲av中文字字幕乱码综合| 香蕉丝袜av| 亚洲最大成人中文| 中国美女看黄片| 成人特级黄色片久久久久久久| 禁无遮挡网站| 大型黄色视频在线免费观看| 亚洲一区高清亚洲精品| 久久精品夜夜夜夜夜久久蜜豆| 国产精品 欧美亚洲| 一进一出好大好爽视频| 免费观看精品视频网站| 淫秽高清视频在线观看| 老司机深夜福利视频在线观看| 岛国在线免费视频观看| 一级黄色大片毛片| 最近在线观看免费完整版| 国产乱人视频| 性欧美人与动物交配| 日韩 欧美 亚洲 中文字幕| 法律面前人人平等表现在哪些方面| 在线永久观看黄色视频| 怎么达到女性高潮| 嫩草影院精品99| 国产成+人综合+亚洲专区| 日日干狠狠操夜夜爽| 小说图片视频综合网站| 性色avwww在线观看| 亚洲中文字幕一区二区三区有码在线看 | 老熟妇乱子伦视频在线观看| 一本久久中文字幕| 午夜福利高清视频| 夜夜夜夜夜久久久久| 欧美在线黄色| 人妻久久中文字幕网| 久久久成人免费电影| 久久午夜综合久久蜜桃| 国产一区二区激情短视频| 亚洲午夜理论影院| 亚洲七黄色美女视频| 免费av不卡在线播放| 男插女下体视频免费在线播放| 99久久久亚洲精品蜜臀av| 非洲黑人性xxxx精品又粗又长| 最好的美女福利视频网| 色视频www国产| 五月伊人婷婷丁香| 观看免费一级毛片| 久久久久久国产a免费观看| 国产伦在线观看视频一区| 免费人成视频x8x8入口观看| 国产精品久久久久久久电影 | 一区二区三区国产精品乱码| 午夜亚洲福利在线播放| 国产精品98久久久久久宅男小说| 精品欧美国产一区二区三| 国产三级中文精品| 欧美极品一区二区三区四区| 老熟妇仑乱视频hdxx| 精品欧美国产一区二区三| 嫩草影视91久久| 亚洲精品456在线播放app | 波多野结衣巨乳人妻| 免费大片18禁| 在线a可以看的网站| 国产亚洲精品久久久com| 亚洲 国产 在线| 免费看日本二区| 日韩欧美一区二区三区在线观看| 日日夜夜操网爽| 免费看美女性在线毛片视频| 免费av不卡在线播放| 99在线视频只有这里精品首页| 日本五十路高清| 99热这里只有精品一区 | 欧美国产日韩亚洲一区| www.999成人在线观看| 久久精品国产综合久久久| 久久久久久久精品吃奶| 色哟哟哟哟哟哟| 日本撒尿小便嘘嘘汇集6| av欧美777| 亚洲av成人精品一区久久| a级毛片a级免费在线| 欧美激情久久久久久爽电影| 免费观看的影片在线观看| 日韩欧美国产一区二区入口| 法律面前人人平等表现在哪些方面| 欧美黑人欧美精品刺激| 欧美日韩国产亚洲二区| a级毛片在线看网站| 99久久久亚洲精品蜜臀av| 成人鲁丝片一二三区免费| 在线永久观看黄色视频| 波多野结衣巨乳人妻| 成人午夜高清在线视频| 999精品在线视频| 日本黄色片子视频| 1024香蕉在线观看| 99久久99久久久精品蜜桃| 母亲3免费完整高清在线观看| 1000部很黄的大片| 国产v大片淫在线免费观看| 国产精品免费一区二区三区在线| 亚洲午夜理论影院| 国模一区二区三区四区视频 | 精品99又大又爽又粗少妇毛片 | 日本熟妇午夜| 男人和女人高潮做爰伦理| 亚洲美女黄片视频| 中文在线观看免费www的网站| 欧美性猛交黑人性爽| 国产毛片a区久久久久| 精品欧美国产一区二区三| 久久国产乱子伦精品免费另类| 中文字幕最新亚洲高清| or卡值多少钱| 欧美日韩综合久久久久久 | 午夜视频精品福利| 老司机福利观看| 十八禁网站免费在线| 欧美绝顶高潮抽搐喷水| 高清毛片免费观看视频网站| 免费看a级黄色片| 伦理电影免费视频| 国产一区二区三区在线臀色熟女| 又紧又爽又黄一区二区| 久久久久性生活片| 国产精品一及| 亚洲午夜理论影院| a在线观看视频网站| av中文乱码字幕在线| 级片在线观看| av在线天堂中文字幕| 99视频精品全部免费 在线 | 亚洲激情在线av| 免费一级毛片在线播放高清视频| 色播亚洲综合网| ponron亚洲| 国产激情久久老熟女| 国产三级黄色录像| 婷婷精品国产亚洲av| 国产成人一区二区三区免费视频网站| 啦啦啦免费观看视频1| 精品国产乱子伦一区二区三区| 日本a在线网址| 悠悠久久av| 精品日产1卡2卡| 国产黄a三级三级三级人| 激情在线观看视频在线高清| 亚洲成人久久爱视频| 精品国产三级普通话版| 久久久久久久久中文| 欧美成人一区二区免费高清观看 | 日本在线视频免费播放| 一个人免费在线观看的高清视频| 在线观看66精品国产| 免费在线观看亚洲国产| 18禁国产床啪视频网站| 国产精品99久久久久久久久| 香蕉国产在线看| 啦啦啦免费观看视频1| 窝窝影院91人妻| 久久亚洲真实| 欧美又色又爽又黄视频| 国产综合懂色| 搡老妇女老女人老熟妇| 一区二区三区高清视频在线| 国产成人啪精品午夜网站| 90打野战视频偷拍视频| 午夜两性在线视频| www国产在线视频色| 国产av不卡久久| 精品福利观看| 久久久久性生活片| 国产成年人精品一区二区| www日本在线高清视频| 精品熟女少妇八av免费久了| 九九久久精品国产亚洲av麻豆 | 麻豆国产97在线/欧美| 国产精品一区二区精品视频观看| 亚洲欧美激情综合另类| 国产成年人精品一区二区| 岛国在线观看网站| 国产成人一区二区三区免费视频网站| 国产精品一及| 不卡av一区二区三区| 操出白浆在线播放| 黄色女人牲交| 久久精品亚洲精品国产色婷小说| 99在线视频只有这里精品首页| 国内揄拍国产精品人妻在线| 亚洲成av人片在线播放无| 美女cb高潮喷水在线观看 | 久久久精品大字幕| 岛国在线免费视频观看| 男人舔奶头视频| 国产高清三级在线| 久久久久久久精品吃奶| 99国产极品粉嫩在线观看| 亚洲在线自拍视频| 99久久无色码亚洲精品果冻| 亚洲精品在线观看二区| 久久久精品大字幕| 母亲3免费完整高清在线观看| 午夜免费成人在线视频| 午夜精品一区二区三区免费看| 99久久无色码亚洲精品果冻| 人人妻人人澡欧美一区二区| 免费在线观看日本一区| 麻豆av在线久日| 丁香欧美五月| 亚洲中文日韩欧美视频| 久久九九热精品免费| 热99在线观看视频| 欧美日韩国产亚洲二区| 在线观看日韩欧美| 18禁国产床啪视频网站| 久久久久国产精品人妻aⅴ院| x7x7x7水蜜桃| 日本精品一区二区三区蜜桃| 一个人看的www免费观看视频| 夜夜夜夜夜久久久久| 床上黄色一级片| 中文亚洲av片在线观看爽|