• <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 ?

    在線字典學(xué)習(xí)形變模型的疲勞狀態(tài)識(shí)別方法

    2017-07-07 13:44:25王輝童麗峰于立君賁浩然游江
    關(guān)鍵詞:訓(xùn)練樣本識(shí)別率字典

    王輝, 童麗峰,于立君,賁浩然, 游江

    (哈爾濱工程大學(xué) 自動(dòng)化學(xué)院,黑龍江 哈爾濱 150001)

    ?

    在線字典學(xué)習(xí)形變模型的疲勞狀態(tài)識(shí)別方法

    王輝, 童麗峰,于立君,賁浩然, 游江

    (哈爾濱工程大學(xué) 自動(dòng)化學(xué)院,黑龍江 哈爾濱 150001)

    針對(duì)現(xiàn)有駕駛疲勞狀態(tài)識(shí)別算法中存在疲勞特征維數(shù)高、識(shí)別效率低下、計(jì)算量大等問題,本文提出一種基于在線字典學(xué)習(xí)形變模型的疲勞狀態(tài)識(shí)別方法。采用紅外疲勞人臉圖像中關(guān)鍵變形區(qū)域LBP特征構(gòu)建人臉形變模型;將在線字典學(xué)習(xí)算法引入到形變模型中,采用過完備基函數(shù)矩陣代替訓(xùn)練樣本整體對(duì)待測樣本進(jìn)行線性表示,利用其組合系數(shù)的稀疏性進(jìn)行人臉疲勞狀態(tài)識(shí)別;采用時(shí)間窗結(jié)合貝葉斯方法對(duì)識(shí)別算法進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的識(shí)別方法相比,本文所提算法可以降低系統(tǒng)的運(yùn)算量,提高疲勞狀態(tài)識(shí)別的魯棒性和準(zhǔn)確率,在實(shí)際駕駛環(huán)境中能夠取得良好的識(shí)別效果。

    疲勞狀態(tài)識(shí)別;變形區(qū)域;LBP特征;形變模型;在線字典學(xué)習(xí);過完備基函數(shù)矩陣;時(shí)間窗;貝葉斯方法

    疲勞駕駛是指駕駛員在長時(shí)間的行車過程中,由于駕駛動(dòng)作的反復(fù)連續(xù),使其生理上、心理上發(fā)生某種變化,出現(xiàn)駕駛機(jī)能下降的現(xiàn)象。據(jù)公安部調(diào)查顯示,近幾年因交通事故造成的死亡人數(shù)高達(dá)7萬多人,其中由于疲勞駕駛造成的死亡人數(shù)占總死亡人數(shù)的65%[1]。因此,研究駕駛員在行車過程中的疲勞狀態(tài)識(shí)別方法對(duì)預(yù)防交通事故的發(fā)生有著重大的意義。

    現(xiàn)階段,駕駛員疲勞狀態(tài)的識(shí)別方法主要有五類:1)基于生理信息的識(shí)別方法[2-3],有腦電圖信號(hào)監(jiān)測、眼電圖信號(hào)監(jiān)測、心電圖信號(hào)監(jiān)測等;2)基于行車參數(shù)的識(shí)別方法[4-5],有車速測量、運(yùn)動(dòng)軌跡監(jiān)測、橫向位移監(jiān)測等;3)基于操控行為的識(shí)別方法[6-7],有方向盤運(yùn)動(dòng)情況監(jiān)測、轉(zhuǎn)向角信號(hào)監(jiān)測等;4)基于計(jì)算機(jī)視覺的識(shí)別方法[8-10],有PERCLOS值檢測、眨眼頻率檢測、視線方向檢測等;5)融合多源信息的識(shí)別方法[11]。經(jīng)分析可知,基于生理測量的方法可以實(shí)時(shí)、準(zhǔn)確地對(duì)疲勞狀態(tài)進(jìn)行識(shí)別,但是監(jiān)控設(shè)備復(fù)雜,成本高,而且與駕駛員直接的接觸,不太適合擴(kuò)展應(yīng)用;基于操控行為和行車參數(shù)的識(shí)別方法可以具有很好地應(yīng)用前景,但是算法復(fù)雜,易受環(huán)境因素的影響,抗干擾能力差,識(shí)別率較低;融合多源信息的識(shí)別方法受限于實(shí)驗(yàn)條件,現(xiàn)階段研究較少,識(shí)別效果不一定優(yōu)于單一信息?;谟?jì)算機(jī)視覺的識(shí)別方法是目前應(yīng)用最廣泛的識(shí)別方法,具有非接觸的優(yōu)點(diǎn),且可以直接觀察到駕駛員疲勞時(shí)的面部變化特征。

    針對(duì)現(xiàn)有識(shí)別方法對(duì)光照敏感、特征維數(shù)大和識(shí)別率較低等問題,本文提出一種在線字典學(xué)習(xí)形變模型的疲勞狀態(tài)識(shí)別算法。該算法首先提取紅外人臉圖像中與疲勞相關(guān)的變形區(qū)域LBP特征,并將其用于表征疲勞人臉圖像,構(gòu)建疲勞人臉圖像的形變模型;然后采用在線字典學(xué)習(xí)算法提取訓(xùn)練樣本整體的過完備基函數(shù),引入到形變模型中,建立在線字典學(xué)習(xí)形變模型并對(duì)圖像的疲勞狀態(tài)進(jìn)行分類識(shí)別;最后考慮不同時(shí)間階段對(duì)人臉圖像疲勞狀態(tài)的影響,采用時(shí)間窗的方式對(duì)識(shí)別算法進(jìn)行優(yōu)化。

    1 疲勞特征提取與形變模型表示

    1.1 疲勞特征提取

    考慮到實(shí)際行車過程中駕駛員的頭部會(huì)發(fā)生擺動(dòng),且在自然光照下易受光照影響。為了保證后續(xù)疲勞狀態(tài)的正確識(shí)別,本文選用具有幾何結(jié)構(gòu)旋轉(zhuǎn)不變性和光照魯棒性的紋理檢測算子LBP對(duì)紅外人臉圖像中與疲勞相關(guān)的關(guān)鍵變形區(qū)域(眉毛、眼睛、嘴巴等)進(jìn)行特征提取[12-13]。

    設(shè)疲勞時(shí)面部發(fā)生形變的區(qū)域有k(k=0,1,…,k-1)個(gè),根據(jù)變形區(qū)域在面部的比重將其對(duì)應(yīng)劃分不同的子區(qū)域塊,區(qū)域比重越大,子區(qū)域塊越多,反之越少。為保證后續(xù)人臉特征數(shù)量的一致性,所有子區(qū)域的大小相同。若子區(qū)域塊的中心像素為fc,p個(gè)鄰點(diǎn)的像素為fp(p=0,1,…,p-1),則該子區(qū)域內(nèi)(x,y)點(diǎn)的LBP值為

    (1)

    第k個(gè)變形區(qū)域中子區(qū)域的直方圖可表示為

    (2)

    式中:mk為第k個(gè)變形區(qū)域的子區(qū)域塊數(shù)量。

    順序連接第k個(gè)變形區(qū)域中所有子區(qū)域直方圖獲得其特征向量,即

    (3)

    疲勞人臉圖像的特征向量可看作所有變形區(qū)域特征向量的串聯(lián),則

    H={H0,H1,…,Hk-1}∈Rm

    (4)

    本文針對(duì)疲勞人臉的關(guān)鍵變形區(qū)域進(jìn)行LBP特征提取,一定程度上提高了疲勞特征的有效性,且提取的特征不受光照和頭部擺動(dòng)的影響,為后續(xù)疲勞狀態(tài)準(zhǔn)確識(shí)別奠定了基礎(chǔ)。

    1.2 疲勞人臉圖像的形變模型表示

    形變模型[14-15]是一種線性組合模型,將形變模型應(yīng)用于疲勞人臉圖像表示中,旨在通過疲勞人臉的關(guān)鍵變形區(qū)域特征建立疲勞人臉形變模型。根據(jù)行車過程中人臉可能出現(xiàn)的疲勞狀態(tài)將訓(xùn)練樣本圖像分為清醒狀態(tài)、輕度疲勞狀態(tài)、中度疲勞狀態(tài)和重度疲勞狀態(tài)四類。具體算法過程如下:

    將訓(xùn)練樣本圖像中每個(gè)樣本圖像用其關(guān)鍵變形區(qū)域的LBP特征向量表示,則第i類訓(xùn)練樣本可表示為

    (5)

    則整個(gè)訓(xùn)練樣本可表示為

    (6)

    式中:m為樣本大小,p=4,為訓(xùn)練樣本類別數(shù),n為訓(xùn)練樣本總數(shù),則有n=n1+n2+…+np。

    設(shè)y為某一待測樣本,則有:

    (7)

    2 在線字典形變模型疲勞狀態(tài)識(shí)別

    傳統(tǒng)的疲勞人臉形變模型表示采用所有訓(xùn)練樣本圖像來對(duì)待測樣本進(jìn)行線性組合描述,此模型雖然能夠較好的表征疲勞人臉圖像,但由于特征維數(shù)的龐大使得系統(tǒng)運(yùn)行速度變慢,識(shí)別率降低。根據(jù)線性知識(shí),本文采用在線字典學(xué)習(xí)算法提取出能有效表達(dá)訓(xùn)練樣本整體的過完備基函數(shù)矩陣,并用其代替訓(xùn)練樣本整體對(duì)待測樣本進(jìn)行線性組合表示,最后利用組合系數(shù)的稀疏性進(jìn)行人臉疲勞狀態(tài)分類識(shí)別。該算法在一定程度上降低了特征的維數(shù),進(jìn)一步降低了算法的運(yùn)算量,提高了算法的識(shí)別率。

    2.1 在線字典學(xué)習(xí)提取過完備基函數(shù)矩陣

    在線字典學(xué)習(xí)算法(online dictionary learning, ODL)[16]是一種隨機(jī)逼近優(yōu)化算法。采用ODL算法提取形變模型的過完備基函數(shù)矩陣,主要是采用快速坐標(biāo)下降的方式迭代更新基函數(shù)矩陣,從而快速地得到能夠充分表示訓(xùn)練樣本集的過完備基函數(shù)矩陣,更好地實(shí)現(xiàn)待測圖像的形變模型表示。

    (8)

    (9)

    4)更新矩陣A、B:

    (10)

    (11)

    2.2 疲勞人臉圖像的在線字典學(xué)習(xí)形變模型表示

    (12)

    2.3 基于在線字典學(xué)習(xí)形變模型的疲勞狀態(tài)識(shí)別

    (13)

    (14)

    定義ε>0,則當(dāng)identify(y)<ε時(shí),輸出識(shí)別結(jié)果,否則重新獲取重構(gòu)圖像。具體識(shí)別流程圖如圖1所示。

    圖1 基于在線字典學(xué)習(xí)形變模型的疲勞狀態(tài)識(shí)別流程圖Fig.1 Flow chart of fatigue state recognition based on online dictionary learning deformation model

    在識(shí)別過程中,由于基函數(shù)矩陣維數(shù)大大低于訓(xùn)練樣本整體,使得求解最優(yōu)稀疏系數(shù)的運(yùn)算量大幅度降低,減少了運(yùn)行時(shí)間,提高了對(duì)疲勞面部狀態(tài)的識(shí)別率和魯棒性。

    3 融合時(shí)間窗優(yōu)化識(shí)別

    由于疲勞駕駛是指持續(xù)一段時(shí)間內(nèi)駕駛員面部出現(xiàn)疲勞特征,一幀圖像的識(shí)別往往不能準(zhǔn)確判斷駕駛員是否真正處于疲勞狀態(tài)。而在一段時(shí)間內(nèi)駕駛員的疲勞狀態(tài)轉(zhuǎn)移具有一定的規(guī)律,一般會(huì)隨著行車時(shí)間的加長而變得越來越疲勞。因此在識(shí)別過程中加入時(shí)間窗[17-18],采用序貫信息的前后相關(guān)性對(duì)時(shí)間窗內(nèi)的幀圖像進(jìn)行分類識(shí)別。為了能夠有效利用時(shí)間窗內(nèi)的先驗(yàn)知識(shí),本文采用貝葉斯方法的進(jìn)行疲勞狀態(tài)識(shí)別。

    (15)

    式中:p(xj|wi)為疲勞狀態(tài)類別wi對(duì)幀圖像xj生成的概率,p(wi)為先驗(yàn)概率,即前段時(shí)間到當(dāng)前時(shí)刻疲勞狀態(tài)類別的轉(zhuǎn)移概率。p(wi)的選取是根據(jù)疲勞狀態(tài)轉(zhuǎn)移規(guī)律確定的,其值大小如表1所示。

    圖2 時(shí)間窗的設(shè)置Fig.2 Time window setting

    待測時(shí)刻前識(shí)別結(jié)果p(w1)p(w2)p(w3)p(w4)清醒狀態(tài)0.50.500輕度疲勞00.50.50中度疲勞000.50.5重度疲勞0001

    4 實(shí)驗(yàn)仿真分析

    為了驗(yàn)證本文所提算法的有效性,以車內(nèi)紅外攝像機(jī)CCD拍攝的連續(xù)視頻段圖像作為實(shí)驗(yàn)數(shù)據(jù)庫,其中有不同時(shí)間段和不同光照條件下包含40個(gè)人四種疲勞狀態(tài)的6 400張人臉圖像。根據(jù)文獻(xiàn)[18]將實(shí)驗(yàn)數(shù)據(jù)庫分為清醒階段的數(shù)據(jù)庫(A數(shù)據(jù)庫)和易疲勞階段的數(shù)據(jù)庫(B數(shù)據(jù)庫)。兩數(shù)據(jù)庫均包含20名測試者,每人包含四種疲勞狀態(tài)的20個(gè)視頻段,共3 200張人臉圖像。

    A數(shù)據(jù)庫:在清醒階段,為保證疲勞狀態(tài)的一致性,每個(gè)視頻段設(shè)為15 s;為避免由于眨眼造成識(shí)別錯(cuò)誤,根據(jù)正常情況下眨眼頻率是12~15次/s設(shè)定每個(gè)時(shí)間段內(nèi)提取的圖像幀數(shù)為8幀。

    B數(shù)據(jù)庫:易疲勞階段人的生理機(jī)能下降,如人的眨眼頻率加快等,為保證提取到的圖像幀數(shù)與A數(shù)據(jù)庫相同,每個(gè)視頻段設(shè)為10 s,獲取的圖像幀數(shù)為8幀。

    本文提取實(shí)驗(yàn)數(shù)據(jù)庫中圖像的LBP特征,采用人臉形變模型識(shí)別方法(DM)和人臉在線字典學(xué)習(xí)形變模型識(shí)別方法(ODM)在數(shù)據(jù)庫A和數(shù)據(jù)庫B上進(jìn)行實(shí)驗(yàn),并與采用D-KSVD[19]和FDDL[20]字典學(xué)習(xí)的形變模型識(shí)別方法進(jìn)行比較。實(shí)驗(yàn)中,設(shè)定在線字典學(xué)習(xí)過程中的正則化因子λ=0.15。

    圖3 部分?jǐn)?shù)據(jù)庫樣本Fig.3 Part samples of the collected database

    4.1 單幀圖像疲勞狀態(tài)識(shí)別

    采用四種算法分別在A數(shù)據(jù)庫和B 數(shù)據(jù)庫中進(jìn)行實(shí)驗(yàn),其中兩個(gè)數(shù)據(jù)庫均隨機(jī)選取2 000張包含四種疲勞狀態(tài)的圖像作為訓(xùn)練樣本,其余1 200張作為測試樣本,不同疲勞狀態(tài)的識(shí)別率如表2和表3所示。

    表2 A數(shù)據(jù)庫中不同分類識(shí)別算法識(shí)別率

    Table 2 Recognition rate of different classification recognition algorithms in A database %

    表3 B數(shù)據(jù)庫中不同分類識(shí)別算法識(shí)別率

    Table 3 Recognition rate of different classification recognition algorithms in B database %

    由表2和表3可以看出, ODM算法、FDDL算法和D-KSVD算法的平均識(shí)別率均高于DM算法,充分說明字典學(xué)習(xí)算法可以有效提高形變模型識(shí)別方法對(duì)疲勞狀態(tài)的識(shí)別率;比較采用三種字典學(xué)習(xí)算法后的平均識(shí)別率,從高到低依次是ODM算法、FDDL算法和D-KSVD算法,這也驗(yàn)證了采用在線字典學(xué)習(xí)對(duì)形變模型進(jìn)行改進(jìn)可以進(jìn)一步提高識(shí)別率。

    比較表2和表3,表2中的疲勞狀態(tài)識(shí)別率明顯高于表3,即清醒階段的疲勞狀態(tài)識(shí)別結(jié)果優(yōu)于易疲勞階段。分析四種算法對(duì)兩個(gè)數(shù)據(jù)庫的平均識(shí)別率,相比于A數(shù)據(jù)庫, DM、D-KSVD、FDDL和ODM算法在B中平均識(shí)別率分別降低了1.59%、0.41%、0.51%和0.32%。比較得知,ODM算法在A、B實(shí)驗(yàn)庫中平均識(shí)別率差距最小,進(jìn)而說明該算法對(duì)疲勞狀態(tài)識(shí)別的魯棒性能優(yōu)于其他兩種字典學(xué)習(xí)算法,可以更好的應(yīng)用于不同時(shí)間段的疲勞狀態(tài)識(shí)別。

    算法計(jì)算量的大小影響著識(shí)別系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性,可以直接反映在系統(tǒng)運(yùn)行時(shí)間上。計(jì)算四種識(shí)別算法的運(yùn)行時(shí)間,如表4所示。從表中可以看出,ODM算法的運(yùn)行時(shí)間是最短的,即計(jì)算量最小,相比于DM、D-KSVD和FDDL算法分別減少了100.41、55.66和12.37 ms。更能滿足實(shí)際識(shí)別系統(tǒng)的需求。

    表4 不同算法的運(yùn)行時(shí)間

    4.2 基于時(shí)間窗的疲勞狀態(tài)識(shí)別

    本實(shí)驗(yàn)將一個(gè)視頻段視為一個(gè)時(shí)間窗,分別在A數(shù)據(jù)庫和B數(shù)據(jù)庫中隨機(jī)選取350個(gè)包含四種疲勞狀態(tài)的視頻段作為訓(xùn)練樣本,剩余50個(gè)視頻段作為測試集?;跁r(shí)間窗的方法,采用四種算法對(duì)測試集進(jìn)行疲勞狀態(tài)識(shí)別,即每個(gè)測試集的疲勞狀態(tài)識(shí)別結(jié)果采用貝葉斯方法確定,其中閾值T=0.5。則不同算法下的平均識(shí)別率如圖4所示。

    圖4 四種算法在時(shí)間窗內(nèi)的平均識(shí)別率Fig.4 Average recognition rate of four algorithms in time windows

    由圖4知,基于時(shí)間窗的方法, DM、D-KSVD、FDDL和ODM四種算法在數(shù)據(jù)庫A上的平均識(shí)別率分別為92.94%、93.96%、95.20%和96.28%,在B數(shù)據(jù)庫中的平均識(shí)別率分別為92.17%、93.54%、94.65%和95.92%。與4.1節(jié)中的實(shí)驗(yàn)結(jié)果相比,經(jīng)時(shí)間窗優(yōu)化后,算法的平均識(shí)別率明顯有所提高,對(duì)實(shí)際駕駛環(huán)境更為有利。

    5 結(jié)論

    1)采用過完備基函數(shù)矩陣代替整個(gè)訓(xùn)練樣本構(gòu)建在線字典學(xué)習(xí)形變模型,實(shí)現(xiàn)了用較少的稀疏系數(shù)對(duì)待測樣本進(jìn)行線性組合描述,一定程度上降低了疲勞特征的維數(shù)和分類識(shí)別時(shí)整體算法的計(jì)算量,提高了疲勞狀態(tài)識(shí)別的魯棒性。

    2)采用基于貝葉斯方法的時(shí)間窗對(duì)疲勞狀態(tài)進(jìn)行優(yōu)化識(shí)別,有效利用了人的疲勞狀態(tài)轉(zhuǎn)移規(guī)律,提高了實(shí)際駕駛環(huán)境下疲勞狀態(tài)的識(shí)別率。

    由于實(shí)驗(yàn)過程中數(shù)據(jù)庫圖像大多是無遮擋、無偽裝的人臉圖像,使得該算法在實(shí)際應(yīng)用中仍具有一定局限性。因此,如何增強(qiáng)在遮擋、偽裝和外界環(huán)境等因素下的算法魯棒性,是該算法后續(xù)的研究方向。

    [1]牛清寧, 周志強(qiáng), 金立生,等. 基于眼動(dòng)特征的疲勞駕駛檢測方法[J].哈爾濱工程大學(xué)學(xué)報(bào), 2015, (3): 394-398.

    NIU Qingning, ZHOU Zhiqiang, JIN Lisheng, et al. Fatigue driving detection method based on eye movement characteristics [J]. Journal of Harbin Engineering University, 2015, 36(3): 394-398.

    [2]PATEL M, LAL S K L, KAVANAGH D, et al. Applying neural network analysis on heart rate variability data to assess driver fatigue[J]. Expert systems with applications, 2011, 38(6): 7235-7242.

    [3]金純, 曾偉.基于腦電的實(shí)時(shí)疲勞監(jiān)測算法的研究[J].科學(xué)技術(shù)與工程, 2015, 15(34): 231-234.

    JIN Chun, ZENG Wei. Fatigue monitor algorithm research based on EEG[J]. Science technology and engineering, 2015, 15(34): 231-234.

    [4]SANDBERG D, WAHDE M. Particle swarm optimization of feedforward neural networks for the detection of drowsy driving[C]// IEEE International Joint Conference on Neural Networks. IEEE, 2008: 788-793.

    [5]JIN L, NIU Q, HOU H, et al. Driver cognitive distraction detection using driving performance measures[J]. Discrete dynamics in nature & society, 2012, 30(2012): 1555-1565.

    [6]TAKEI Y, FURUKAWA Y. Estimate of driver′s fatigue through steering motion[C]// IEEE International Conference on Systems, Man and Cybernetics, 2005: 1765-1770.

    [7]張希波, 成波, 馮睿嘉. 基于方向盤操作的駕駛?cè)似跔顟B(tài)實(shí)時(shí)檢測方法[J]. 清華大學(xué)學(xué)報(bào):自然科學(xué)版, 2010(7): 1072-1076.

    ZHANG Xibo, CHENG Bo, FENG Ruijia. Real-time detection of driver drowsiness based on steering performance [J]. Journal of Tsinghua University: science and technology, 2010, 50(7): 1072-1076.

    [8]JIN L, NIU Q, JIANG Y, et al. Driver sleepiness detection system based on eye movements variables[J]. Advances in mechanical engineering, 2013(5): 1-7.

    [9]AZIM T, JAFFAR M A, MIRZA A M. Fully automated real time fatigue detection of drivers through fuzzy expert systems[J]. Applied soft computing, 2014, 18(1): 25-38.

    [10]何明山, 羅衛(wèi)東, 陳啟新,等. 基于DSP虹膜識(shí)別防疲勞駕駛報(bào)警系統(tǒng)的研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù), 2016(1): 127-131.

    HE Mingshan, LUO Weidong, CHEN Qixin, et al. Research on anti-fatigue driving alarm system based on DSP for iris recognition[J]. Journal of safety science and technology, 2016, 12(1): 127-131.

    [11]牛清寧.基于信息融合的疲勞駕駛檢測方法研究[D].長春:吉林大學(xué),2014.

    NIU Qingning. Research on driver fatigue detection based on hybrid measures[D]. Changchun:Jilin University, 2014.

    [12]王輝, 于立君, 畢曉君,等. 自適應(yīng)熵疫苗算子的免疫圖像分割方法[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 2014, 46(1): 72-76.

    WANG Hui, YU Lijun, BI Xiaojun, et al. Immune image segmentation algorithm based on adaptive entropy vaccine operator[J]. Journal of Harbin Institute of Technology,2014, 46(1): 682-686.

    [13]齊興, 蘇本躍. 基于區(qū)域塊LBP特征的人臉表情識(shí)別[J]. 安慶師范學(xué)院學(xué)報(bào):自然科學(xué)版, 2015, 21(4): 48-51.

    QI Xing, SU Benyue. Human face recognition Based on the Regional Block LBP[J]. Journal of Anqing Teachers College: Natural Science Edition, 2015, 21(4): 48-51.

    [14]廖海斌, 陳慶虎, 王宏勇.融合局部形變模型的魯棒性人臉識(shí)別[J]. 武漢大學(xué)學(xué)報(bào):信息科學(xué)版, 2011, 36(7): 877-881.

    LIAO Haibin, CHEN Qinghu, WANG Gongyong. Robust face recognition based on local deformation model[J]. Geomatics and Information Science of Wuhan University, 2011, 36(7): 877-881.

    [15]WANG Hui, TONG Lifeng, YU Lijun, et al. The research of facial features localization based on posterior probability deformable model[C]//[S.l.],International Conference on Mechatronics and Automation. IEEE, 2015: 2392-2396.

    [16]MAIRAL J, BACH F, PONCE J, et al. Online dictionary learning for sparse coding[C]// International Conference on Machine Learning. [S.l.], 2009: 689-696.

    [17]李都厚, 劉群, 袁偉,等.疲勞駕駛與交通事故關(guān)系[J].交通運(yùn)輸工程學(xué)報(bào), 2010, 10(2): 104-108.

    LI Douhou, LIU Qun, YUAN Wei, et al. The Relationship between fatigue driving and traffic accidents[J]. Journal of traffic and transportation engineering, 2010, 10(2): 104-108.

    [18]GASTALDI M, ROSSI R, GECCHELE G. Effects of Driver Task-related Fatigue on Driving Performance[J]. Procedia-social and behavioral sciences, 2014, 111: 955-964.

    [19]ZHANG Q, LI B. Discriminative K-SVD for dictionary learning in face recognition[C]// IEEE Conference on Computer Vision & Pattern Recognition.[S.l.], 2010: 2691-2698.

    [20]YANG M, ZHANG L, FENG X, et al. Fisher Discrimination Dictionary Learning for sparse representation[C]// International Conference on Computer Vision.[S.l.], 2011: 543-550.

    本文引用格式:

    王輝, 童麗峰,于立君,等.在線字典學(xué)習(xí)形變模型的疲勞狀態(tài)識(shí)別方法[J]. 哈爾濱工程大學(xué)學(xué)報(bào), 2017, 38(6): 892-897.

    WANG Hui, TONG Lifeng, YU Lijun, et al. Fatigue state recognition method based on online dictionary learning deformation model[J]. Journal of Harbin Engineering University, 2017, 38(6): 892-897.

    Fatigue state recognition method based on online dictionary learning deformation model

    WANG Hui, TONG Lifeng, YU Lijun, BEN Haoran, YOU Jiang

    (College of Automation, Harbin Engineering University, Harbin 150001, China)

    Some problems such as high feature dimension, low recognition efficiency, and large amount of computation are drawbacks in existing driving fatigue state recognition algorithms. To tackle these problems, a new fatigue state recognition method based on the online dictionary learning deformation model was proposed. First, the LBP features of a key deformation region in infrared fatigue face image were applied to construct the deformation model. Second, the online dictionary learning algorithm was introduced into the deformation model, in which the over-complete base function matrix was employed instead of the whole training sample to express the test face images. The sparsity of linear combination coefficients was used to recognize the state of face. Finally, the time window and Bayesian theory were combined to optimize the recognition algorithm. Compared with traditional recognition methods, the proposed method improves the robustness and recognition rate of the system and reduces the computational complexity of the system. Therefore, the proposed method can obtain good recognition effects in an actual driving environment.

    fatigue state recognition; deformation region; LBP features; deformation model; online dictionary learning; over-complete basis function matrix; time window; Bayesian theory

    2016-04-30. 網(wǎng)絡(luò)出版日期:2017-04-05.

    國家自然科學(xué)基金項(xiàng)目(51479042).

    王輝(1976-), 女, 副教授,博士后; 于立君(1975-), 男, 副教授,博士后.

    于立君,E-mail:yulijun@hrbeu.edu.cn.

    10.11990/jheu.201604095

    http://www.cnki.net/kcms/detail/23.1390.u.20170405.1558.010.html

    TP18

    A

    1006-7043(2017)06-0892-06

    猜你喜歡
    訓(xùn)練樣本識(shí)別率字典
    開心字典
    家教世界(2023年28期)2023-11-14 10:13:50
    開心字典
    家教世界(2023年25期)2023-10-09 02:11:56
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    人工智能
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識(shí)別率的關(guān)系
    提升高速公路MTC二次抓拍車牌識(shí)別率方案研究
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識(shí)別算法
    我是小字典
    基于稀疏重構(gòu)的機(jī)載雷達(dá)訓(xùn)練樣本挑選方法
    人成视频在线观看免费观看| 国产深夜福利视频在线观看| 亚洲av片天天在线观看| 国产精品一区二区在线不卡| 最黄视频免费看| 欧美激情极品国产一区二区三区| 亚洲伊人色综图| 九色亚洲精品在线播放| 国产片内射在线| 成年人黄色毛片网站| 国产午夜精品久久久久久| 日本五十路高清| 美女国产高潮福利片在线看| 日本撒尿小便嘘嘘汇集6| 亚洲少妇的诱惑av| 一本久久精品| 制服人妻中文乱码| 老司机午夜十八禁免费视频| 国产免费福利视频在线观看| 高清视频免费观看一区二区| 午夜福利视频在线观看免费| 日本黄色视频三级网站网址 | 最新的欧美精品一区二区| 色94色欧美一区二区| 国产精品免费一区二区三区在线 | 欧美精品av麻豆av| 无人区码免费观看不卡 | 黄色成人免费大全| 日日夜夜操网爽| 中文字幕最新亚洲高清| 可以免费在线观看a视频的电影网站| 香蕉国产在线看| 久久久久久久精品吃奶| 叶爱在线成人免费视频播放| 国产午夜精品久久久久久| 久久精品熟女亚洲av麻豆精品| 91字幕亚洲| 丰满饥渴人妻一区二区三| 国产亚洲精品一区二区www | 亚洲熟女精品中文字幕| 亚洲国产精品一区二区三区在线| 国产免费现黄频在线看| 国产又色又爽无遮挡免费看| 午夜福利视频在线观看免费| 日本五十路高清| 国产日韩欧美亚洲二区| 黄色成人免费大全| 亚洲专区字幕在线| 亚洲色图综合在线观看| 婷婷丁香在线五月| 极品人妻少妇av视频| 国产av又大| 亚洲黑人精品在线| 国内毛片毛片毛片毛片毛片| 十八禁网站免费在线| 亚洲精品久久成人aⅴ小说| 午夜精品国产一区二区电影| 亚洲欧美激情在线| www日本在线高清视频| 国产免费视频播放在线视频| 成人18禁在线播放| 久久久精品国产亚洲av高清涩受| 色精品久久人妻99蜜桃| 国产精品av久久久久免费| www.999成人在线观看| 国产在线观看jvid| 成人国产一区最新在线观看| 中文亚洲av片在线观看爽 | 精品一区二区三区av网在线观看 | 91老司机精品| 免费久久久久久久精品成人欧美视频| 亚洲人成电影免费在线| cao死你这个sao货| 亚洲人成77777在线视频| a级片在线免费高清观看视频| 精品人妻1区二区| 久久久久久人人人人人| 一级黄色大片毛片| 午夜日韩欧美国产| 淫妇啪啪啪对白视频| 亚洲avbb在线观看| 美女扒开内裤让男人捅视频| 国产麻豆69| 久9热在线精品视频| 久久精品91无色码中文字幕| 18在线观看网站| 亚洲国产欧美一区二区综合| 交换朋友夫妻互换小说| 亚洲av日韩精品久久久久久密| 日韩欧美三级三区| 美女高潮喷水抽搐中文字幕| 久久毛片免费看一区二区三区| 美女午夜性视频免费| 涩涩av久久男人的天堂| 中文字幕制服av| 老汉色∧v一级毛片| 亚洲专区国产一区二区| 美国免费a级毛片| 精品国产乱子伦一区二区三区| 男女下面插进去视频免费观看| 免费少妇av软件| 成人av一区二区三区在线看| 丰满饥渴人妻一区二区三| 国产老妇伦熟女老妇高清| 两性午夜刺激爽爽歪歪视频在线观看 | 久久人人97超碰香蕉20202| 亚洲熟女毛片儿| 女性被躁到高潮视频| 亚洲欧洲日产国产| 日本vs欧美在线观看视频| 夜夜夜夜夜久久久久| 在线观看免费午夜福利视频| 免费观看a级毛片全部| 亚洲av欧美aⅴ国产| 天堂中文最新版在线下载| 51午夜福利影视在线观看| 久久精品国产亚洲av高清一级| 天堂中文最新版在线下载| 久久久久久久精品吃奶| 亚洲国产欧美一区二区综合| 最新的欧美精品一区二区| 亚洲国产av影院在线观看| 午夜成年电影在线免费观看| 久久青草综合色| svipshipincom国产片| svipshipincom国产片| 黑人欧美特级aaaaaa片| www.精华液| 国产激情久久老熟女| 老司机福利观看| 一级片'在线观看视频| 婷婷丁香在线五月| 可以免费在线观看a视频的电影网站| 亚洲人成伊人成综合网2020| 99久久国产精品久久久| 操出白浆在线播放| 亚洲天堂av无毛| 69精品国产乱码久久久| 最黄视频免费看| 亚洲国产av新网站| 日韩一卡2卡3卡4卡2021年| 色婷婷av一区二区三区视频| 桃花免费在线播放| 久久久久视频综合| 一级片'在线观看视频| 欧美日韩亚洲国产一区二区在线观看 | 最近最新中文字幕大全电影3 | 女性被躁到高潮视频| 中文字幕精品免费在线观看视频| 一本综合久久免费| 欧美 亚洲 国产 日韩一| 欧美乱码精品一区二区三区| 大片免费播放器 马上看| 91精品国产国语对白视频| 高潮久久久久久久久久久不卡| 最新美女视频免费是黄的| 国产片内射在线| 国产日韩一区二区三区精品不卡| 91大片在线观看| 国产精品一区二区免费欧美| 午夜免费鲁丝| 国产精品一区二区免费欧美| 午夜免费鲁丝| 日日爽夜夜爽网站| 99久久99久久久精品蜜桃| 丰满少妇做爰视频| 国产精品久久久久成人av| 在线十欧美十亚洲十日本专区| av免费在线观看网站| 久久国产精品影院| 天堂俺去俺来也www色官网| 老司机靠b影院| 亚洲成人免费av在线播放| 丝袜喷水一区| 欧美av亚洲av综合av国产av| 日韩 欧美 亚洲 中文字幕| 久久中文看片网| 亚洲精品美女久久久久99蜜臀| 国产91精品成人一区二区三区 | 老司机午夜十八禁免费视频| 欧美黄色淫秽网站| 亚洲国产中文字幕在线视频| 亚洲欧洲精品一区二区精品久久久| 制服人妻中文乱码| 精品国产乱子伦一区二区三区| 久久 成人 亚洲| 搡老熟女国产l中国老女人| 超碰成人久久| 一级a爱视频在线免费观看| 亚洲精品成人av观看孕妇| 妹子高潮喷水视频| 超碰97精品在线观看| 91字幕亚洲| 在线观看一区二区三区激情| 精品人妻在线不人妻| 中文字幕人妻丝袜一区二区| 极品教师在线免费播放| 欧美成狂野欧美在线观看| 极品人妻少妇av视频| 正在播放国产对白刺激| 亚洲中文日韩欧美视频| 黄网站色视频无遮挡免费观看| 亚洲av成人不卡在线观看播放网| 欧美变态另类bdsm刘玥| 丝袜美腿诱惑在线| 在线观看免费日韩欧美大片| 黑人猛操日本美女一级片| 色综合婷婷激情| 999久久久精品免费观看国产| 精品亚洲成国产av| 高清视频免费观看一区二区| 久久99一区二区三区| 国产极品粉嫩免费观看在线| 久久久久国产一级毛片高清牌| 亚洲 欧美一区二区三区| 在线 av 中文字幕| 国产精品1区2区在线观看. | 久久久精品国产亚洲av高清涩受| 首页视频小说图片口味搜索| 久久影院123| 一本大道久久a久久精品| 建设人人有责人人尽责人人享有的| 搡老岳熟女国产| www.999成人在线观看| 一夜夜www| 黄色片一级片一级黄色片| 亚洲avbb在线观看| 黄色毛片三级朝国网站| 曰老女人黄片| 日韩免费av在线播放| 欧美黑人精品巨大| 精品国产一区二区三区久久久樱花| 99riav亚洲国产免费| 一本—道久久a久久精品蜜桃钙片| 精品一区二区三区av网在线观看 | 黄色 视频免费看| 另类亚洲欧美激情| 中文字幕人妻丝袜制服| 最黄视频免费看| 丰满人妻熟妇乱又伦精品不卡| 一本大道久久a久久精品| 999精品在线视频| 国产精品久久久人人做人人爽| 香蕉丝袜av| 精品国产乱码久久久久久小说| 免费av中文字幕在线| 一区二区三区国产精品乱码| 麻豆成人av在线观看| 波多野结衣av一区二区av| 美女高潮到喷水免费观看| 久久亚洲真实| 性少妇av在线| 精品国产乱子伦一区二区三区| 老熟妇乱子伦视频在线观看| videos熟女内射| 宅男免费午夜| av超薄肉色丝袜交足视频| 成人国产av品久久久| 国产欧美日韩一区二区三区在线| 久久精品aⅴ一区二区三区四区| 国产一区二区三区在线臀色熟女 | 蜜桃国产av成人99| h视频一区二区三区| 欧美日韩中文字幕国产精品一区二区三区 | 一本久久精品| 久久婷婷成人综合色麻豆| 人妻 亚洲 视频| 久久久久国内视频| 国产人伦9x9x在线观看| 在线观看66精品国产| 99re在线观看精品视频| 亚洲精品中文字幕一二三四区 | 一个人免费看片子| 久久久国产精品麻豆| 操出白浆在线播放| 青青草视频在线视频观看| 黄色成人免费大全| 国产欧美日韩一区二区三| 久久精品91无色码中文字幕| 欧美成人免费av一区二区三区 | 久久午夜亚洲精品久久| 成年女人毛片免费观看观看9 | 这个男人来自地球电影免费观看| 99久久国产精品久久久| 久久影院123| 免费日韩欧美在线观看| 免费在线观看影片大全网站| 成年人免费黄色播放视频| 国产色视频综合| www.精华液| 下体分泌物呈黄色| 欧美精品高潮呻吟av久久| 成人亚洲精品一区在线观看| 国产精品 国内视频| 国产激情久久老熟女| 老汉色∧v一级毛片| 国产精品.久久久| 久久久久国内视频| 1024视频免费在线观看| 法律面前人人平等表现在哪些方面| 免费日韩欧美在线观看| 日韩欧美一区视频在线观看| 欧美乱妇无乱码| 国产一区二区 视频在线| 国产成人欧美| 在线天堂中文资源库| 极品人妻少妇av视频| 亚洲va日本ⅴa欧美va伊人久久| a级片在线免费高清观看视频| 午夜精品久久久久久毛片777| 美国免费a级毛片| 日韩制服丝袜自拍偷拍| 久久中文字幕人妻熟女| 欧美一级毛片孕妇| 一级a爱视频在线免费观看| 黄片小视频在线播放| 69精品国产乱码久久久| 热99国产精品久久久久久7| 999精品在线视频| 蜜桃在线观看..| 日韩大码丰满熟妇| 91老司机精品| 麻豆乱淫一区二区| 高清视频免费观看一区二区| 日韩大片免费观看网站| 侵犯人妻中文字幕一二三四区| 久久精品国产亚洲av香蕉五月 | 成在线人永久免费视频| 午夜老司机福利片| 免费一级毛片在线播放高清视频 | 超碰成人久久| 国产真人三级小视频在线观看| 啪啪无遮挡十八禁网站| 国产片内射在线| 精品一区二区三区视频在线观看免费 | 亚洲中文av在线| 菩萨蛮人人尽说江南好唐韦庄| 在线十欧美十亚洲十日本专区| 18禁国产床啪视频网站| 成年人黄色毛片网站| 色播在线永久视频| 啦啦啦免费观看视频1| 亚洲一区二区三区欧美精品| 怎么达到女性高潮| 极品少妇高潮喷水抽搐| 亚洲黑人精品在线| 国产在线精品亚洲第一网站| 成人国产一区最新在线观看| 性色av乱码一区二区三区2| 欧美国产精品一级二级三级| 建设人人有责人人尽责人人享有的| 在线天堂中文资源库| 国产成人免费观看mmmm| 水蜜桃什么品种好| 国产精品二区激情视频| 国产成人免费观看mmmm| 黄网站色视频无遮挡免费观看| 久久人妻福利社区极品人妻图片| 高清av免费在线| 好男人电影高清在线观看| 欧美在线一区亚洲| 欧美精品av麻豆av| 免费看a级黄色片| 香蕉国产在线看| 中文字幕精品免费在线观看视频| 久久精品aⅴ一区二区三区四区| 午夜精品久久久久久毛片777| 久久精品亚洲精品国产色婷小说| 人妻一区二区av| aaaaa片日本免费| www日本在线高清视频| 91麻豆精品激情在线观看国产 | 黄网站色视频无遮挡免费观看| 国产一区二区三区综合在线观看| 一本色道久久久久久精品综合| 97人妻天天添夜夜摸| 成人免费观看视频高清| 欧美一级毛片孕妇| 美女国产高潮福利片在线看| 另类亚洲欧美激情| 制服诱惑二区| 我要看黄色一级片免费的| 国产免费av片在线观看野外av| 大香蕉久久成人网| 我要看黄色一级片免费的| 亚洲精品久久成人aⅴ小说| 美女主播在线视频| 欧美精品亚洲一区二区| 在线天堂中文资源库| 人妻久久中文字幕网| 久久婷婷成人综合色麻豆| 天天添夜夜摸| 人妻久久中文字幕网| 亚洲欧美激情在线| 国产精品av久久久久免费| 亚洲精品国产一区二区精华液| 国产一区二区三区视频了| 午夜福利在线免费观看网站| 成年女人毛片免费观看观看9 | 桃花免费在线播放| www日本在线高清视频| 在线永久观看黄色视频| 成人手机av| 精品少妇内射三级| 亚洲第一av免费看| 国产成人影院久久av| 国产精品电影一区二区三区 | 久久精品国产a三级三级三级| 亚洲欧美一区二区三区黑人| 伦理电影免费视频| 久久久久久人人人人人| 少妇裸体淫交视频免费看高清 | 国产欧美日韩综合在线一区二区| 亚洲自偷自拍图片 自拍| 久久久精品免费免费高清| 如日韩欧美国产精品一区二区三区| 精品国产国语对白av| 精品国产一区二区三区四区第35| 日韩大码丰满熟妇| 99国产精品99久久久久| 国产真人三级小视频在线观看| 高清毛片免费观看视频网站 | 狠狠精品人妻久久久久久综合| 久久人妻福利社区极品人妻图片| 丝袜喷水一区| 日韩人妻精品一区2区三区| 人人澡人人妻人| 日韩制服丝袜自拍偷拍| 大型av网站在线播放| 91老司机精品| 在线观看人妻少妇| 久久久久国内视频| 大片免费播放器 马上看| 国产精品香港三级国产av潘金莲| 日本av免费视频播放| 成人永久免费在线观看视频 | 又黄又粗又硬又大视频| 午夜精品国产一区二区电影| 国产伦人伦偷精品视频| 欧美大码av| 精品亚洲乱码少妇综合久久| 母亲3免费完整高清在线观看| 啦啦啦中文免费视频观看日本| 亚洲国产毛片av蜜桃av| 超色免费av| 一区二区三区乱码不卡18| 他把我摸到了高潮在线观看 | 日本黄色视频三级网站网址 | 日韩视频一区二区在线观看| 欧美国产精品一级二级三级| 成人av一区二区三区在线看| 日本a在线网址| 午夜免费鲁丝| 精品一区二区三卡| 久久久国产成人免费| 老司机亚洲免费影院| 亚洲精品美女久久久久99蜜臀| 夜夜夜夜夜久久久久| 日韩中文字幕欧美一区二区| 俄罗斯特黄特色一大片| 国产人伦9x9x在线观看| 国产精品影院久久| 又大又爽又粗| 丰满少妇做爰视频| a级片在线免费高清观看视频| 日本vs欧美在线观看视频| 一二三四在线观看免费中文在| 国产三级黄色录像| 多毛熟女@视频| 大型黄色视频在线免费观看| a级毛片在线看网站| 精品国产国语对白av| 国产欧美日韩精品亚洲av| 自拍欧美九色日韩亚洲蝌蚪91| 久久久久久久大尺度免费视频| 人成视频在线观看免费观看| 国产成人免费无遮挡视频| 少妇被粗大的猛进出69影院| 国产成人免费观看mmmm| 日本黄色视频三级网站网址 | 精品国产一区二区三区久久久樱花| 搡老乐熟女国产| 国产日韩欧美亚洲二区| 大香蕉久久成人网| 免费日韩欧美在线观看| 成人免费观看视频高清| 久久影院123| 在线观看一区二区三区激情| 国产av又大| 午夜激情av网站| 天天添夜夜摸| 人人妻人人添人人爽欧美一区卜| 欧美在线黄色| 18禁黄网站禁片午夜丰满| 女同久久另类99精品国产91| 免费观看人在逋| 亚洲精品av麻豆狂野| 久久精品国产亚洲av香蕉五月 | 99久久国产精品久久久| 国产精品亚洲一级av第二区| 天堂中文最新版在线下载| 啦啦啦在线免费观看视频4| av视频免费观看在线观看| 在线av久久热| 自线自在国产av| 精品国产乱码久久久久久小说| 国产精品亚洲一级av第二区| 满18在线观看网站| 99久久99久久久精品蜜桃| 高清视频免费观看一区二区| 午夜久久久在线观看| 国产亚洲精品第一综合不卡| 欧美人与性动交α欧美精品济南到| 麻豆成人av在线观看| 在线看a的网站| 91九色精品人成在线观看| 日本黄色日本黄色录像| av天堂久久9| 久久精品熟女亚洲av麻豆精品| av片东京热男人的天堂| 亚洲国产成人一精品久久久| 99riav亚洲国产免费| 欧美日韩av久久| 黄频高清免费视频| 亚洲中文日韩欧美视频| 日本精品一区二区三区蜜桃| 中文字幕最新亚洲高清| 久久精品aⅴ一区二区三区四区| 两人在一起打扑克的视频| 日韩免费av在线播放| 亚洲色图 男人天堂 中文字幕| 欧美成人午夜精品| 99国产精品一区二区蜜桃av | 精品卡一卡二卡四卡免费| 国产在线视频一区二区| 欧美大码av| 考比视频在线观看| 高清av免费在线| 无遮挡黄片免费观看| 精品久久久久久电影网| 中文字幕制服av| 如日韩欧美国产精品一区二区三区| 一二三四在线观看免费中文在| 狠狠狠狠99中文字幕| 亚洲欧美一区二区三区久久| 亚洲精品粉嫩美女一区| 淫妇啪啪啪对白视频| 一进一出好大好爽视频| 午夜激情久久久久久久| 欧美av亚洲av综合av国产av| 亚洲人成伊人成综合网2020| 亚洲全国av大片| 最黄视频免费看| 丝袜在线中文字幕| 日韩大码丰满熟妇| 一边摸一边抽搐一进一出视频| 看免费av毛片| 一区福利在线观看| 成年女人毛片免费观看观看9 | 久久人人爽av亚洲精品天堂| 国产免费av片在线观看野外av| 老司机福利观看| 欧美av亚洲av综合av国产av| 国产麻豆69| 狠狠精品人妻久久久久久综合| 精品人妻熟女毛片av久久网站| 正在播放国产对白刺激| 一区福利在线观看| 成人三级做爰电影| 在线观看一区二区三区激情| 免费不卡黄色视频| 黑人巨大精品欧美一区二区蜜桃| 日韩有码中文字幕| 蜜桃国产av成人99| 香蕉国产在线看| 久久久精品区二区三区| 汤姆久久久久久久影院中文字幕| 成年版毛片免费区| 人成视频在线观看免费观看| 99国产精品一区二区三区| 久久人妻福利社区极品人妻图片| 精品国产国语对白av| 色94色欧美一区二区| 国产1区2区3区精品| 19禁男女啪啪无遮挡网站| 日日爽夜夜爽网站| 91精品三级在线观看| 国产av国产精品国产| 日韩欧美免费精品| 欧美国产精品va在线观看不卡| 亚洲国产精品一区二区三区在线| 曰老女人黄片| 亚洲精品自拍成人| 欧美日韩黄片免| 三级毛片av免费| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品亚洲av一区麻豆| 久热这里只有精品99| 久久影院123| 国产亚洲欧美在线一区二区| √禁漫天堂资源中文www| 国产日韩欧美在线精品| 精品久久蜜臀av无| 亚洲成人免费av在线播放| 在线观看免费午夜福利视频| 每晚都被弄得嗷嗷叫到高潮| 男人操女人黄网站| 伊人久久大香线蕉亚洲五| 国产单亲对白刺激| kizo精华| 男男h啪啪无遮挡| 男女下面插进去视频免费观看| 手机成人av网站| 大香蕉久久成人网| 天天躁夜夜躁狠狠躁躁|