• <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SIFT的說(shuō)話(huà)人唇動(dòng)識(shí)別

    2017-11-15 06:12:29馬新軍吳晨晨仲乾元李園園
    計(jì)算機(jī)應(yīng)用 2017年9期
    關(guān)鍵詞:唇部關(guān)鍵點(diǎn)人臉

    馬新軍,吳晨晨,仲乾元,李園園

    (哈爾濱工業(yè)大學(xué)(深圳) 機(jī)電工程與自動(dòng)化學(xué)院,廣東 深圳 518055)(*通信作者電子郵箱870715761@qq.com)

    基于SIFT的說(shuō)話(huà)人唇動(dòng)識(shí)別

    馬新軍,吳晨晨*,仲乾元,李園園

    (哈爾濱工業(yè)大學(xué)(深圳) 機(jī)電工程與自動(dòng)化學(xué)院,廣東 深圳 518055)(*通信作者電子郵箱870715761@qq.com)

    針對(duì)唇部特征提取維度過(guò)高以及對(duì)尺度空間敏感的問(wèn)題,提出了一種基于尺度不變特征變換(SIFT)算法作特征提取來(lái)進(jìn)行說(shuō)話(huà)人身份認(rèn)證的技術(shù)。首先,提出了一種簡(jiǎn)單的視頻幀圖片規(guī)整算法,將不同長(zhǎng)度的唇動(dòng)視頻規(guī)整到同一的長(zhǎng)度,提取出具有代表性的唇動(dòng)圖片;然后,提出一種在SIFT關(guān)鍵點(diǎn)的基礎(chǔ)上,進(jìn)行紋理和運(yùn)動(dòng)特征的提取算法,并經(jīng)過(guò)主成分分析(PCA)算法的整合,最終得到具有代表性的唇動(dòng)特征進(jìn)行認(rèn)證;最后,根據(jù)所得到的特征,提出了一種簡(jiǎn)單的分類(lèi)算法。實(shí)驗(yàn)結(jié)果顯示,和常見(jiàn)的局部二元模式(LBP)特征和方向梯度直方圖(HOG)特征相比較,該特征提取算法的錯(cuò)誤接受率(FAR)和錯(cuò)誤拒絕率(FRR)表現(xiàn)更佳。說(shuō)明整個(gè)說(shuō)話(huà)人唇動(dòng)特征識(shí)別算法是有效的,能夠得到較為理想的結(jié)果。

    唇部特征;尺度不變特征變換;特征提取;說(shuō)話(huà)人識(shí)別

    0 引言

    近年來(lái)越來(lái)越多的研究表明生物認(rèn)證技術(shù)比傳統(tǒng)的身份認(rèn)證具有更好的安全性與簡(jiǎn)便性。唇動(dòng)身份認(rèn)證原來(lái)作為語(yǔ)音認(rèn)證的輔助信息,現(xiàn)在已經(jīng)獨(dú)立出來(lái)成為一種新的認(rèn)證手段,唯一性和準(zhǔn)確性都得到了研究的證明[1-2]。唇動(dòng)身份認(rèn)證系統(tǒng)主要由四部分組成:在已建立的數(shù)據(jù)庫(kù)的基礎(chǔ)上,首先對(duì)獲取的圖像進(jìn)行人臉的定位,進(jìn)而作唇部定位;然后對(duì)得到的圖片進(jìn)行預(yù)處理;再進(jìn)行特征提?。蛔詈蟾鶕?jù)所得到的特征分類(lèi)得出結(jié)果,即完成整個(gè)說(shuō)話(huà)人唇動(dòng)識(shí)別研究。

    人臉檢測(cè)方面Yang等[3]提出了基于馬賽克圖進(jìn)行人臉檢測(cè)的方法。Kouzani等[4]利用人工神經(jīng)網(wǎng)絡(luò)分別對(duì)人臉的眼睛、鼻子和嘴等器官進(jìn)行檢測(cè)。Sirohey[5]通過(guò)使用人臉邊緣信息和橢圓擬合的方法,從復(fù)雜的背景中分割定位出人臉區(qū)域。Miao等[6]從輸入圖像中提取面部器官水平方向的馬賽克邊緣,將各段邊緣的“重心”與“重心”模板進(jìn)行匹配,再通過(guò)灰度和邊緣特征進(jìn)行驗(yàn)證以實(shí)現(xiàn)人臉的檢測(cè)。梁路宏等[7]給出了一種基于多關(guān)聯(lián)模板匹配的人臉檢測(cè)方法。自Viola和Jones首次將Adaboost算法用于人臉檢測(cè)以來(lái),由于其性能和速度優(yōu)勢(shì),成為一種主流的人臉檢測(cè)算法。由于其應(yīng)用的廣泛性和實(shí)用性,本文采用Adaboost算法作為人臉定位的算法。

    人臉的定位完成后,常見(jiàn)的唇部定位方法主要為對(duì)圖像灰度投影的峰值進(jìn)行分析,進(jìn)而通過(guò)顏色空間變換,對(duì)唇部區(qū)域進(jìn)行加強(qiáng),再經(jīng)過(guò)閾值的分割得到所需的唇部區(qū)域[8]。本文提出根據(jù)人臉各部分的大致比例關(guān)系給出一種唇部的粗定位算法,該算法計(jì)算簡(jiǎn)單,同時(shí)可以保證唇部邊緣的一些運(yùn)動(dòng)與紋理特征不會(huì)被忽略。

    圖片的預(yù)處理工作,是在前期對(duì)圖片進(jìn)行處理,減少噪聲、遮擋、光照不均等影響,使得特征提取能夠得到更加穩(wěn)定準(zhǔn)確的特征向量。本文在尺度不變特征變換(Scale-Invariant Feature Transform, SIFT)算法[9-11]的基礎(chǔ)上,進(jìn)行算法的改進(jìn)與調(diào)整。由于算法本身已包含高斯去噪功能,并且實(shí)驗(yàn)的光照條件變化不大,因此對(duì)于圖像的預(yù)處理算法不作過(guò)多的討論。

    完成唇部定位與預(yù)處理之后,特征提取是關(guān)乎到整個(gè)認(rèn)證系統(tǒng)穩(wěn)定性與準(zhǔn)確率的重要部分。目前的唇部特征提取主要分為三類(lèi):1)唇部的紋理特征;2)唇部的幾何特征;3)唇部的運(yùn)動(dòng)特征。紋理特征方法主要有:經(jīng)典的PCA算法、推廣的核主成分分析算法(Kernel-based Principal Component Analysis, KPCA)、二維主元素分析算法,核心都是提取高維特征空間中的線(xiàn)性鑒別特征,即原始輸入空間中的非線(xiàn)性鑒別特征,但PCA存在著面對(duì)非線(xiàn)性特質(zhì)無(wú)能為力,以及可能會(huì)忽略重要的投影方向等缺點(diǎn)。Ahonen等[12]使用局部二元模式(Local Binary Pattern, LBP)來(lái)提取臉部圖像的紋理特征,對(duì)臉部區(qū)域進(jìn)行分塊計(jì)算各分塊LBP直方圖,并將它們連接起來(lái)作為表情識(shí)別的特征。LBP特征具有較好的光照魯棒性,但是作為一種靜態(tài)特征,無(wú)法具有代表性地來(lái)表征動(dòng)態(tài)的特征。幾何特征主要有唇部的長(zhǎng)寬高等人工提取的特征,對(duì)于唇部的輪廓Kass等[13]在第一屆國(guó)際視覺(jué)會(huì)議上提出了Snake模型。關(guān)于運(yùn)動(dòng)特征:光流法作為常用的運(yùn)動(dòng)圖像處理方法,利用圖像序列中像素在時(shí)間域上的變化以及相鄰幀圖片間的相關(guān)性來(lái)找到上一幀圖片與當(dāng)前幀的對(duì)應(yīng)關(guān)系,從而得到物體的運(yùn)動(dòng)信息,但存在著運(yùn)算量大的問(wèn)題。Singh等[14]提出三正交平面窗口,唇動(dòng)的運(yùn)動(dòng)特征能夠在一個(gè)時(shí)空體積內(nèi)進(jìn)行表征。本文給出了一種在SFIT基礎(chǔ)上的特征提取算法,既有運(yùn)動(dòng)的表述,又有紋理的描述,同時(shí)對(duì)于旋轉(zhuǎn)變化具有一定的魯棒性。

    對(duì)所提取的特征進(jìn)行分類(lèi)的算法目前也有很多研究成果。高斯混合模型(Gaussian Mixture Model, GMM)[15]是唇動(dòng)識(shí)別和認(rèn)證領(lǐng)域的一種常用的分類(lèi)算法,算法簡(jiǎn)單,但在數(shù)據(jù)較多的情況下分類(lèi)結(jié)果不是很理想;Adaboost和PCA-LDA(Principal Component Analysis and Linear Discriminant Analysis),支持向量機(jī)(Support Vector Manhine, SVM)算法在唇動(dòng)認(rèn)證中也是較為常用的分類(lèi)算法;Yang等[16]提出了自調(diào)節(jié)分類(lèi)面支持向量機(jī)(Self-adjusting Classification-plane SVM, SCSVM)方法,通過(guò)學(xué)習(xí)過(guò)完備的稀疏特征,可以在高維特征空間提高特征的線(xiàn)性可分性,大大降低了訓(xùn)練分類(lèi)器的時(shí)間和空間消耗?;谏疃葘W(xué)習(xí)的特征提取和分類(lèi)算法是目前最為先進(jìn)的算法,主流的深度學(xué)習(xí)模型包括自動(dòng)編碼器、受限波爾茲曼機(jī)、深度信念網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等。Krizhevsky等[17]通過(guò)這種方式,成功將其應(yīng)用于手寫(xiě)數(shù)字識(shí)別、語(yǔ)音識(shí)別、基于內(nèi)容檢索等領(lǐng)域。本文在之前所得到的唇動(dòng)特征基礎(chǔ)上,提出一種簡(jiǎn)單的分類(lèi)算法,既滿(mǎn)足了分類(lèi)的精確性,同時(shí)計(jì)算量小,實(shí)時(shí)性較好,在數(shù)據(jù)庫(kù)較大時(shí)也可以和神經(jīng)網(wǎng)絡(luò)的分類(lèi)算法相結(jié)合。

    1 幀圖片提取

    在唇動(dòng)視頻中,錄像的幀率一般為30 frame/s,如果直接將視頻產(chǎn)生的所有幀圖片都作為下一步特征提取的數(shù)據(jù)庫(kù),不僅會(huì)有大量的噪聲干擾在其中,還會(huì)有大量的數(shù)據(jù)冗余,從而會(huì)加大系統(tǒng)的計(jì)算量并影響其魯棒性與運(yùn)算的實(shí)時(shí)性,最終降低系統(tǒng)認(rèn)證的準(zhǔn)確率與效率。文獻(xiàn)[18]分析了動(dòng)態(tài)時(shí)間規(guī)整算法(Dynamic Time Warping, DTW),本文給出了一種基于時(shí)間序列的動(dòng)態(tài)圖片提取算法,在相鄰的時(shí)間段里找到幀間灰度變化最大的圖片作為代表性圖片。該算法不僅可以減少計(jì)算量,同時(shí)可以增強(qiáng)整個(gè)系統(tǒng)對(duì)于說(shuō)話(huà)人語(yǔ)速變化的魯棒性。具體實(shí)行過(guò)程如下。

    1)令唇動(dòng)視頻所產(chǎn)生的幀圖片的數(shù)量為X。

    2)如果X的數(shù)量小于20,說(shuō)明說(shuō)話(huà)者說(shuō)話(huà)的時(shí)間小于1 s,作為認(rèn)證而言,說(shuō)話(huà)長(zhǎng)度明顯過(guò)短,提示唇動(dòng)視頻所提供的幀圖片數(shù)量過(guò)少,無(wú)法進(jìn)行認(rèn)證。

    3)如果 20≤X≤60,選取第3張圖片作為所提取的第1張幀圖片,選取倒數(shù)第3張圖片作為第12張幀圖片。A=?(X-10)/10」和B=「(X-10)/10?將依次作為選取圖片的數(shù)量間隔,每一幅幀圖片的大小為M*N,在每個(gè)間隔中,用式(1)選取所要的幀圖片:

    (1)

    其中:It(i,j)表示第t幀圖片I在點(diǎn)(i,j)處的灰度值;Pic表示在間隔內(nèi),和相鄰幀圖片比較,灰度值變化最大的圖片。

    4)如果 60

    5)如果480

    通過(guò)上述的算法,可以從唇動(dòng)視頻所產(chǎn)生的大量幀圖片中提取12張代表圖片。

    在被測(cè)試者的兩段視頻幀圖片中用上述算法提取的代表圖片如下,第一遍段視頻用正常語(yǔ)速說(shuō)“你好”,第二遍張大嘴巴放慢語(yǔ)速?gòu)?fù)述。

    從圖1中可以看出在語(yǔ)速和不同口型的情況下,所提取的12張圖片其對(duì)應(yīng)的序列及口型都有很強(qiáng)的相似性與代表性。該算法對(duì)于說(shuō)話(huà)者語(yǔ)速的變化和口型大小的改變都有很強(qiáng)的魯棒性,并能夠?yàn)楹竺嫣卣鞯奶崛〈蛳铝己玫幕A(chǔ)。

    圖1 視頻代表圖片

    2 基于SIFT算法的特征提取和匹配模型

    SIFT算法第一次由Lowe[19]提出,是一種廣泛應(yīng)用于圖像處理的算法,具有良好的尺度不變性和對(duì)旋轉(zhuǎn)的抵抗性。Bakshi等[20]曾將SIFT算法用在唇印的認(rèn)證與對(duì)比中,并取得了很好的效果。

    SIFT算法所提出的關(guān)鍵點(diǎn)的描述方式,作為一種局部特征,對(duì)于光照、旋轉(zhuǎn)、噪聲與尺度的變化都不敏感,因此在這基礎(chǔ)上進(jìn)行物體的認(rèn)證和識(shí)別,都具有很強(qiáng)的抗干擾性和針對(duì)性。這種局部特征檢測(cè)算法概括地講,就是通過(guò)在不同的尺度空間中得到關(guān)鍵點(diǎn)描述子,再對(duì)關(guān)鍵點(diǎn)進(jìn)行匹配的方法,SIFT算法的流程如圖2所示。

    圖2 SIFT算法流程

    2.1 基于SIFT的目標(biāo)匹配與認(rèn)證

    從圖3、4中可以看出,經(jīng)過(guò)參數(shù)的調(diào)整后,SIFT算法所提取的關(guān)鍵點(diǎn)個(gè)數(shù)明顯變多,但是在唇部輪廓變化較大的情況下,誤匹配點(diǎn)的個(gè)數(shù)也有所增加。因此在后面的特征提取中增加了消除重復(fù)關(guān)鍵點(diǎn)和PCA降維的步驟。圖5展現(xiàn)的是不同人不同尺寸的圖片的SIFT匹配結(jié)果,可以看到兩幅圖片的匹配點(diǎn)數(shù)明顯減少且明顯存在匹配錯(cuò)誤點(diǎn)。

    圖3 測(cè)試者未經(jīng)參數(shù)調(diào)整的SIFT匹配示例圖

    圖4 測(cè)試者經(jīng)參數(shù)調(diào)整后的SIFT匹配示例圖

    圖5 經(jīng)參數(shù)調(diào)整后的不同人唇部圖片SIFT匹配示例圖

    綜合實(shí)驗(yàn)結(jié)果可以看出不同的人的唇部無(wú)論出于何種口型,能夠匹配的關(guān)鍵點(diǎn)個(gè)數(shù)遠(yuǎn)少于同一個(gè)人的唇部所能匹配的關(guān)鍵點(diǎn)的個(gè)數(shù)。因此,將采用測(cè)試樣本與數(shù)據(jù)庫(kù)樣本的關(guān)鍵點(diǎn)匹配個(gè)數(shù)的比值作為判斷是否為同一個(gè)人的有效依據(jù)。

    如圖6所示,用已提到過(guò)的幀圖片提取算法將數(shù)據(jù)庫(kù)中所存放的同一個(gè)人所說(shuō)同一句話(huà)(比如說(shuō)了3遍)的12幅幀圖片一一進(jìn)行SIFT匹配,共可以匹配3次,將匹配點(diǎn)的個(gè)數(shù)求平均值得到A1,A2,…,A12,將其存儲(chǔ)起來(lái)。然后將測(cè)試樣本與數(shù)據(jù)庫(kù)中的任意樣本進(jìn)行SIFT匹配,得到匹配點(diǎn)的個(gè)數(shù)B1,B2,…,B12。設(shè)置閾值θ=0.4,i=1, 2,…,12。如果Bi/Ai<θ,則計(jì)數(shù)標(biāo)志flag+1,為了防止系統(tǒng)的誤判斷并降低噪聲圖片帶來(lái)的干擾,設(shè)置當(dāng)flag的值大于2時(shí),判定為不是用戶(hù)本人。通過(guò)調(diào)節(jié)閾值θ的大小,可以調(diào)整錯(cuò)誤拒絕率和錯(cuò)誤接受率的大小。θ值越大錯(cuò)誤接受率越小但錯(cuò)誤拒絕率越大,θ值越小錯(cuò)誤接受率越大但錯(cuò)誤拒絕率越小。

    圖6 目標(biāo)匹配原理

    2.2 基于SIFT的新的特征提取算法

    如圖7所示,首先對(duì)數(shù)據(jù)庫(kù)中的樣本(即12幅幀圖片)相鄰的圖片進(jìn)行SIFT匹配,得到匹配的關(guān)鍵點(diǎn)。提出的特征提取算法就是在這些關(guān)鍵點(diǎn)的基礎(chǔ)上得到的。

    圖7 相鄰序列間匹配關(guān)鍵點(diǎn)

    具體的特征提取算法如下。

    1)對(duì)于任意兩幀圖片之間匹配得到的關(guān)鍵點(diǎn)P1,P2:

    用式(2)來(lái)計(jì)算關(guān)鍵點(diǎn)P1,P2的運(yùn)動(dòng)矢量幅值:

    (2)

    其中:(ip1,jp1)為關(guān)鍵點(diǎn)P1的坐標(biāo)位置;(ip2,jp2)為關(guān)鍵點(diǎn)P2的位置坐標(biāo)。

    用式(3)來(lái)計(jì)算關(guān)鍵點(diǎn)P1,P2的運(yùn)動(dòng)矢量的方向:

    f2=tan-1[(jp1-jp2)/(ip1-ip2)]

    (3)

    對(duì)于每一對(duì)匹配的關(guān)鍵點(diǎn),通過(guò)這種方式可以得到二維的特征向量F=(f1,f2)。

    2)對(duì)于圖像中每一個(gè)關(guān)鍵點(diǎn),選取4×4的窗口,如圖8所示。圖8中每一個(gè)小方格代表著一個(gè)像素點(diǎn),圓點(diǎn)代表所得到的關(guān)鍵點(diǎn)的位置,其周?chē)?×4的像素點(diǎn)的運(yùn)動(dòng)特征矢量方向由箭頭所表示,該矢量幅值的大小表示其矢量的大小。最后將計(jì)算所得到16個(gè)矢量歸類(lèi)統(tǒng)計(jì)到8個(gè)主要的方向上去,作為最后得到的8維特征向量。具體的計(jì)算方法由式(4)和(5)給出:

    梯度幅值:

    m(x,y)=

    (4)

    其中L(x,y)表示在點(diǎn)(x,y)處的灰度值。

    梯度方向:

    (5)

    通過(guò)上述的算法,可以得到8維的特征向量R。

    圖8 關(guān)鍵點(diǎn)周?chē)\(yùn)動(dòng)矢量特征圖

    3) 對(duì)于圖像中每對(duì)匹配的關(guān)鍵點(diǎn),選取4×4的窗口,對(duì)4×4窗口中對(duì)應(yīng)位置的灰度值做差取絕對(duì)值,然后將這16個(gè)值求和,如圖9所示。

    即:

    (6)

    其中I1和I2分別代表相鄰的兩幅幀圖片中對(duì)應(yīng)點(diǎn)的灰度值。

    圖9 對(duì)應(yīng)位置的灰度差絕對(duì)值

    4)綜上所述,對(duì)于每一個(gè)匹配的關(guān)鍵點(diǎn),可以得到一個(gè)11維的特征向量T={F,R,G}。這11維向量中包含了唇部的運(yùn)動(dòng)信息F,唇部周?chē)募y理信息R,以及灰度的變化信息G。假設(shè)最終得到的匹配點(diǎn)個(gè)數(shù)為n,對(duì)最終得到的特征矩陣M采用PCA降維到11維,得到11維特征向量Z。Z特征比LBP等常見(jiàn)的紋理信息具有更強(qiáng)的針對(duì)性和規(guī)律性,比Snake算法所提取的輪廓特征具有更少的模型依賴(lài)性和更強(qiáng)的魯棒性。

    圖10所展示的是兩名測(cè)試者說(shuō)同一段話(huà)所提取的特征矢量的曲線(xiàn)圖?;叶茸兓塾?jì)值的值較大,為了能看出其變化趨勢(shì),在曲線(xiàn)圖中只畫(huà)出特征F和特征R。

    從圖10中可以看出,本文所提出的這種特征提取方法能夠很好地表征說(shuō)話(huà)人的說(shuō)話(huà)特征,具有很強(qiáng)個(gè)人特征以及區(qū)別性,可以很容易地進(jìn)行分類(lèi)。

    2.3 基于所提取特征的分類(lèi)算法

    以往的分類(lèi)方法,由于得到的圖像特征并不明顯,因此常用SVM、神經(jīng)網(wǎng)絡(luò)、隱馬爾可夫模型等算法對(duì)其進(jìn)行分類(lèi),這些算法需要較大的數(shù)據(jù)庫(kù)來(lái)訓(xùn)練,同時(shí)運(yùn)算量大,計(jì)算起來(lái)十分復(fù)雜。根據(jù)前面所得到的特征,本文通過(guò)簡(jiǎn)單的比較方法進(jìn)行二分類(lèi),也能得到很好的實(shí)驗(yàn)效果。具體的實(shí)現(xiàn)方法如下:

    1)通過(guò)式(7)得到數(shù)據(jù)庫(kù)中唇動(dòng)視頻中所提取的唇動(dòng)特征的平均值:

    (7)

    2)再用相同的方法將測(cè)試樣本的唇動(dòng)特征Z提取出來(lái);

    3)設(shè)置閾值θ1,θ2,其中θ2=1/θ1。θ1的值越大越大錯(cuò)誤接受率越小但錯(cuò)誤拒絕率越大。本文中θ1取0.7,θ2取1.42。

    令t=z/zmean如果t<θ1或者t>θ2,則令計(jì)數(shù)標(biāo)志flag+1,為了防止誤判斷,flag的值大于2時(shí),則判斷該用戶(hù)所說(shuō)的不是這段話(huà)。

    圖10 不同測(cè)試者說(shuō)同一段話(huà)的特征值曲線(xiàn)

    2.4 說(shuō)話(huà)者唇部特征識(shí)別流程

    進(jìn)行說(shuō)話(huà)者唇部特征識(shí)別的流程如圖11所示。首先對(duì)數(shù)據(jù)庫(kù)樣本進(jìn)行人臉定位與唇部定位,然后進(jìn)行幀圖片的選取,對(duì)選取的幀圖片進(jìn)行SIFT匹配,在此基礎(chǔ)上,提取特征并記錄匹配結(jié)果。對(duì)測(cè)試樣本采用同樣的步驟,最終根據(jù)本文提出的驗(yàn)證與分類(lèi)方法,將輸出結(jié)果與數(shù)據(jù)庫(kù)中的結(jié)果比較,得出判定結(jié)果。

    圖11 說(shuō)話(huà)者唇動(dòng)識(shí)別示意圖

    3 說(shuō)話(huà)者唇部特征識(shí)別實(shí)驗(yàn)結(jié)果

    3.1 數(shù)據(jù)庫(kù)的搭建

    1) 視頻數(shù)據(jù)庫(kù)的基本參數(shù)如下:視頻格式為AVI;顏色空間為YUY2;輸出大小為640×480;視頻輸出幀率為30 frame/s。

    2) 視頻數(shù)據(jù)庫(kù)的搭建如下。

    采樣人數(shù):50人; 采樣環(huán)境:正常的日光燈照明,人臉位置相對(duì)固定,無(wú)遮掩,無(wú)大角度旋轉(zhuǎn),無(wú)模糊、胡須,光照角度變化等復(fù)雜條件設(shè)置;采樣過(guò)程:接受采樣的樣本,分別以正常語(yǔ)速重復(fù)短句“你好”,以及數(shù)字1~9等不同的長(zhǎng)短句各4遍,再分別以較慢語(yǔ)速?gòu)埓罂谛偷那闆r重復(fù)各4遍。

    3.2 實(shí)驗(yàn)結(jié)果

    表1展示了本實(shí)驗(yàn)在不同唇動(dòng)視頻中獲得的Z特征的錯(cuò)誤接受率(False Acceptance Rate, FAR)和錯(cuò)誤拒絕率(False Rejection Rate, FRR),以及在相同條件下LBP和HOG特征的FAR和FRR值。圖12展示本文算法在不同的θ和θ1值時(shí),F(xiàn)AR和FRR值的變化情況。

    表1 三種特征得到的FAR和FRR

    4 結(jié)語(yǔ)

    本文介紹了一種針對(duì)動(dòng)態(tài)視頻所產(chǎn)生的幀圖片的提取算法。這種算法可以增強(qiáng)對(duì)于語(yǔ)速變化、口型大小變化以及照明變化的魯棒性。SIFT算法被引進(jìn)到了說(shuō)話(huà)者唇動(dòng)識(shí)別中,在參數(shù)調(diào)整后有很好的表現(xiàn)。在SIFT算法的基礎(chǔ)上提出了一種新的唇動(dòng)特征提取方法,這種方法既包含紋理特征又包含運(yùn)動(dòng)特征,可以準(zhǔn)確地描述說(shuō)話(huà)人唇動(dòng)的一系列特征。最后,在匹配點(diǎn)與所提取的特征的基礎(chǔ)上,分別提出了一種驗(yàn)證與分類(lèi)的算法,方法簡(jiǎn)單,計(jì)算量小,與常用的LBP和HOG特征相比較可以得到更為準(zhǔn)確和有效的結(jié)果,實(shí)現(xiàn)說(shuō)話(huà)人的唇部特征識(shí)別。在后面的實(shí)驗(yàn)中可以添加圖像預(yù)處理的算法,將多種特征提取方法相結(jié)合以及引入神經(jīng)網(wǎng)絡(luò)來(lái)增強(qiáng)系統(tǒng)的穩(wěn)定性和適應(yīng)性。

    圖12 本文算法不同θ和θ1值時(shí)的FAR和FRR曲線(xiàn)

    References)

    [1] KANAK A, ERZIN E, YEMEZ Y, et al. Joint audio-video processing for biometric speaker identification [C]// Proceedings of the 2003 IEEE International Conference on Multimedia and Expo. Washington, DC: IEEE Computer Society, 2003, 3: 561-564.

    [2] CETINGUL H E, YEMEZ Y, ERZIN E, et al. Discriminative analysis of lip motion features for speaker identification and speech-reading [J]. IEEE Transactions on Image Processing, 2006, 15(10): 2879-2891.

    [3] YANG G, HUANG T S. Human face detection in complex background [J]. Pattern Recognition, 1994, 27(1): 53-63.

    [4] KOUZANI A Z, HE F, SAMMUT K. Commonsense knowledge-based face detection [C]// Proceedings of the 1997 IEEE International Conference on Intelligent Engineering Systems. Piscataway, NJ: IEEE, 2002: 215-220.

    [5] SIROHEY S A. Human face segmentation and identification [EB/OL]. [2017- 01- 09]. https://www.researchgate.net/publication/2698964_Human_Face_Segmentation_and_Identification.

    [6] MIAO J, YIN B, WANG K, et al. A hierachical multiscale and multiangle system for human face detection in a complex background using gravity-center template [J]. Pattern Recognition, 1999, 32(10): 1237-1248.

    [7] 梁路宏,艾海舟,何克忠,等.基于多關(guān)聯(lián)模板匹配的人臉檢測(cè)[J].軟件學(xué)報(bào),2001,12(1):94-102.(LIANG L H, AI H Z, HE K Z, et al. Face detection based on multi-association template matching [J]. Journal of Software, 2001, 12(1): 94-102.)

    [8] GRITZMAN A D, RUBIN D M, PANTANOWITZ A, et al. Comparison of colour transforms used in lip segmentation algorithms [J]. Signal, Image and Video Processing, 2015, 9(4): 947-957.

    [9] NEERU N, KAUR L. Modified SIFT descriptors for face recognition under different emotions [EB/OL]. [2016- 12- 09]. https://www.researchgate.net/publication/294279428_Modified_SIFT_Descriptors_for_Face_Recognition_under_Different_Emotions.

    [10] KIRCHNER M R. Automatic thresholding of SIFT descriptors [C]// Proceedings of the 2016 IEEE International Conference on Image Processing. Piscataway, NJ: IEEE, 2016: 291-295.

    [11] 許佳佳,張葉,張赫.基于改進(jìn)Harris-SIFT算子的快速圖像配準(zhǔn)算法[J].電子測(cè)量與儀器學(xué)報(bào),2015,29(1):48-54.(XU J J, ZHANG Y, ZHANG H. Fast image registration algorithm based on improved Harris-SIFT descriptor [J]. Journal of Electronic Measurement and Instrumentation, 2015, 29(1): 48-54.

    [12] AHONEN T, HADID A, PIETIKAINEN M. Face recognition with local binary patterns [C]// European Conference on Computer Vision, LNCS 3021. Berlin: Springer, 2004: 469-481.

    [13] KASS M, WITKIN A, TERZOPOULOS D. Snakes: active contour model [EB/OL]. [2016- 12- 06]. http://webdocs.cs.ualberta.ca/~nray1/CMPUT617/Snake/kass_snake.pdf.

    [14] SINGH P, LAXMI V, GAUR M S. Speaker identification using optimal lip biometrics [C]// Proceedings of the 2012 5th IAPR International Conference on Biometrics. Piscataway, NJ: IEEE, 2012: 472-477.

    [15] SAEED U. Person identification using behavioral features from lip motion [C]// IEEE International Conference on Automatic Face & Gesture Recognition & Workshops. Piscataway, NJ: IEEE, 2011: 155-160.

    [16] YANG J, YU K, GONG Y, et al. Linear spatial pyramid matching using sparse coding for image classification [C]// Proceedings of the 2009 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway, NJ: IEEE, 2009: 1794-1801.

    [17] KRIZHEVSKY A, SUTSKEVER I, HINTON G E. ImageNet classification with deep convolutional neural networks [EB/OL]. [2016- 11- 27]. http://www.cs.toronto.edu/~hinton/absps/imagenet.pdf?WT.mc_id=Blog_MachLearn_General_DI.

    [18] 楊潔,康寧.動(dòng)態(tài)時(shí)間規(guī)整DTW算法的研究[J].科技與創(chuàng)新,2016(4):11-12.(YANG J, KANG N. Research on dynamic time regular DTW algorithm [J]. Science and Technology & Innovation, 2016(4): 11-12.)

    [19] LOWE D G. Distinctive image features from scale-invarient keypoints [J]. International Journal of Computer Vision, 2004, 60(2): 91-110.

    [20] BAKSHI S, RAMAN R, SA P K. Lip pattern recognition based on local feature extraction [C]// Proceedings of the 2011 Annual IEEE India Conference. Piscataway, NJ: IEEE, 2012: 1-4.

    LipmotionrecognitionofspeakerbasedonSIFT

    MA Xinjun, WU Chenchen*, ZHONG Qianyuan, LI Yuanyuan

    (CollegeofMechanicalEngineeringandAutomation,HarbinInstituteofTechnology(Shenzhen),ShenzhenGuangdong518055,China)

    Aiming at the problem that the lip feature dimension is too high and sensitive to the scale space, a technique based on the Scale-Invariant Feature Transform (SIFT) algorithm was proposed to carry out the speaker authentication. Firstly, a simple video frame image neat algorithm was proposed to adjust the length of the lip video to the same length, and the representative lip motion pictures were extracted. Then, a new algorithm based on key points of SIFT was proposed to extract the texture and motion features. After the integration of Principal Component Analysis (PCA) algorithm, the typical lip motion features were obtained for authentication. Finally, a simple classification algorithm was presented according to the obtained features. The experimental results show that compared to the common Local Binary Pattern (LBP) feature and the Histogram of Oriental Gradient (HOG) feature, the False Acceptance Rate (FAR) and False Rejection Rate (FRR) of the proposed feature extraction algorithm are better, which proves that the whole speaker lip motion recognition algorithm is effective and can get the ideal results.

    lip feature; Scale-Invariant Feature Transform (SIFT); feature extraction; speaker authentication

    2017- 03- 09;

    2017- 05- 24。

    國(guó)家自然科學(xué)基金資助項(xiàng)目(51677035);深圳市基礎(chǔ)研究項(xiàng)目(JCYJ20150513151706580);深圳市科技計(jì)劃項(xiàng)目(GRCK2016082611021550)。

    馬新軍(1972—),男,新疆石河子人,副教授,博士,主要研究方向:圖像處理及模式識(shí)別、智能汽車(chē)及智能駕駛、生物識(shí)別; 吳晨晨(1993—),女,河南濮陽(yáng)人,碩士研究生,主要研究方向:模式識(shí)別; 仲乾元(1990—),男,江蘇徐州人,碩士研究生,主要研究方向:模式識(shí)別; 李園園(1993—),女,河南許昌人,碩士研究生,主要研究方向:模式識(shí)別。

    1001- 9081(2017)09- 2694- 06

    10.11772/j.issn.1001- 9081.2017.09.2694

    TP391.41

    A

    This work is partially supported by the National Natural Science Foundation of China (51677035), the Fundamental Research Project of Shenzhen (JCYJ20150513151706580), the Science and Technology Plan Project of Shenzhen (GRCK2016082611021550).

    MAXinjun, born in 1972, Ph. D., associate professor. His research interests include image processing and pattern recognition, intelligent vehicle and intelligent driving, biological identification.

    WUChenchen, born in 1993, M. S. candidate. Her research interests include pattern recognition.

    ZHONGQianyuan, born in 1990, M. S. candidate. His research interests include pattern recognition.

    LIYuanyuan, born in 1993, M. S. candidate. Her research interests include pattern recognition.

    猜你喜歡
    唇部關(guān)鍵點(diǎn)人臉
    聚焦金屬關(guān)鍵點(diǎn)
    肉兔育肥抓好七個(gè)關(guān)鍵點(diǎn)
    有特點(diǎn)的人臉
    唇部美人計(jì)
    三國(guó)漫——人臉解鎖
    嬰幼兒唇部血管瘤的臨床分型和治療探討
    馬面部與人臉相似度驚人
    醫(yī)聯(lián)體要把握三個(gè)關(guān)鍵點(diǎn)
    長(zhǎng)得象人臉的十種動(dòng)物
    奇聞怪事(2014年5期)2014-05-13 21:43:01
    鎖定兩個(gè)關(guān)鍵點(diǎn)——我這樣教《送考》
    91av网一区二区| 热99re8久久精品国产| 国产亚洲91精品色在线| 国产私拍福利视频在线观看| 精品久久国产蜜桃| 久久久久国内视频| 亚洲avbb在线观看| 伊人久久精品亚洲午夜| 人人妻,人人澡人人爽秒播| 日本精品一区二区三区蜜桃| 亚洲国产精品成人综合色| 成年免费大片在线观看| 日韩在线高清观看一区二区三区 | 搡老岳熟女国产| 色综合站精品国产| 51国产日韩欧美| 久久久精品大字幕| 在线观看免费视频日本深夜| 欧美日本亚洲视频在线播放| 在线观看舔阴道视频| 99久久无色码亚洲精品果冻| 97超视频在线观看视频| 国产一区二区激情短视频| 欧美成人性av电影在线观看| 女人十人毛片免费观看3o分钟| 18禁裸乳无遮挡免费网站照片| 亚洲五月天丁香| 九九热线精品视视频播放| 我要搜黄色片| 我要搜黄色片| 亚洲av一区综合| 亚洲aⅴ乱码一区二区在线播放| 色精品久久人妻99蜜桃| 丝袜美腿在线中文| 狠狠狠狠99中文字幕| 国产高清有码在线观看视频| 免费大片18禁| 噜噜噜噜噜久久久久久91| 天堂动漫精品| 亚洲精品国产成人久久av| 69人妻影院| 午夜免费激情av| 欧美3d第一页| 亚洲无线观看免费| 国产三级在线视频| a级毛片a级免费在线| 无人区码免费观看不卡| 欧美日韩国产亚洲二区| 搡老岳熟女国产| 免费大片18禁| 国产精品久久电影中文字幕| 国产黄片美女视频| 97超视频在线观看视频| 成人性生交大片免费视频hd| 看黄色毛片网站| 国产高清视频在线播放一区| 黄色视频,在线免费观看| 狂野欧美白嫩少妇大欣赏| 啦啦啦韩国在线观看视频| 亚洲精品一卡2卡三卡4卡5卡| 欧美+亚洲+日韩+国产| 黄色女人牲交| 久久久久久久午夜电影| 久久亚洲真实| 在线观看午夜福利视频| 中出人妻视频一区二区| 免费人成在线观看视频色| 国产午夜精品论理片| 又黄又爽又免费观看的视频| 91午夜精品亚洲一区二区三区 | 亚洲国产精品成人综合色| 99在线视频只有这里精品首页| 老司机福利观看| 蜜桃久久精品国产亚洲av| 中文字幕久久专区| 变态另类成人亚洲欧美熟女| 日韩中文字幕欧美一区二区| 美女免费视频网站| 91久久精品国产一区二区三区| 乱人视频在线观看| 校园人妻丝袜中文字幕| 狠狠狠狠99中文字幕| 国产精品久久久久久av不卡| 成年人黄色毛片网站| 国产成人av教育| 欧美另类亚洲清纯唯美| 不卡视频在线观看欧美| 成人国产麻豆网| 欧美性猛交╳xxx乱大交人| 久久久久国内视频| 亚洲成人久久爱视频| 国内精品久久久久久久电影| 国产69精品久久久久777片| 亚洲成人久久爱视频| 精品日产1卡2卡| 又黄又爽又刺激的免费视频.| 伦精品一区二区三区| 99久久久亚洲精品蜜臀av| 久久精品影院6| 午夜精品在线福利| av在线亚洲专区| 18禁黄网站禁片免费观看直播| 欧美在线一区亚洲| 中文字幕人妻熟人妻熟丝袜美| 日本成人三级电影网站| 九色成人免费人妻av| 国产精品一区www在线观看 | 国产国拍精品亚洲av在线观看| 最近视频中文字幕2019在线8| 国产探花极品一区二区| 黄色丝袜av网址大全| 中文字幕久久专区| 国产探花在线观看一区二区| 欧美激情在线99| 春色校园在线视频观看| videossex国产| 真人一进一出gif抽搐免费| 非洲黑人性xxxx精品又粗又长| 婷婷丁香在线五月| 黄色配什么色好看| 长腿黑丝高跟| 日本撒尿小便嘘嘘汇集6| 伦精品一区二区三区| 色在线成人网| 亚洲va在线va天堂va国产| 天堂网av新在线| 精品人妻偷拍中文字幕| 亚洲精品国产成人久久av| 亚洲成a人片在线一区二区| 色5月婷婷丁香| 亚洲精品成人久久久久久| 久久精品久久久久久噜噜老黄 | 日日夜夜操网爽| 久久久久久九九精品二区国产| 亚洲av日韩精品久久久久久密| 麻豆精品久久久久久蜜桃| 成人永久免费在线观看视频| 丰满的人妻完整版| 午夜激情福利司机影院| 国产高清不卡午夜福利| 亚洲欧美日韩无卡精品| 又粗又爽又猛毛片免费看| 亚洲精华国产精华精| 亚洲最大成人手机在线| 国产精品永久免费网站| 中文字幕久久专区| 伦理电影大哥的女人| 久久热精品热| av中文乱码字幕在线| 国产伦精品一区二区三区视频9| 精品久久国产蜜桃| 欧美成人a在线观看| 最新在线观看一区二区三区| 国内精品久久久久精免费| 欧美人与善性xxx| 国产高清激情床上av| 日本一二三区视频观看| 国产av麻豆久久久久久久| 自拍偷自拍亚洲精品老妇| 亚洲欧美日韩卡通动漫| 十八禁国产超污无遮挡网站| 国产精品福利在线免费观看| 美女cb高潮喷水在线观看| 午夜视频国产福利| 色综合亚洲欧美另类图片| 男人和女人高潮做爰伦理| 久久久久久久久中文| 亚洲精品日韩av片在线观看| 亚洲国产色片| 国产伦一二天堂av在线观看| 精品一区二区免费观看| 免费在线观看成人毛片| 内射极品少妇av片p| 国产免费一级a男人的天堂| a级毛片a级免费在线| a在线观看视频网站| 国内久久婷婷六月综合欲色啪| 精品一区二区三区人妻视频| 日本a在线网址| av黄色大香蕉| 国产三级在线视频| 久久九九热精品免费| 亚洲精华国产精华液的使用体验 | 国产毛片a区久久久久| 久久这里只有精品中国| 少妇人妻精品综合一区二区 | 欧美极品一区二区三区四区| 99久久久亚洲精品蜜臀av| 国产一区二区在线av高清观看| 久99久视频精品免费| 在线播放国产精品三级| 久久精品国产亚洲网站| 中文资源天堂在线| 日本五十路高清| 九色成人免费人妻av| 简卡轻食公司| 最近最新中文字幕大全电影3| 在线天堂最新版资源| 国产私拍福利视频在线观看| 春色校园在线视频观看| 国产美女午夜福利| 亚洲无线观看免费| 18禁黄网站禁片免费观看直播| 国产伦人伦偷精品视频| 成人二区视频| 成人国产综合亚洲| 一a级毛片在线观看| 欧美成人性av电影在线观看| 精品日产1卡2卡| av天堂中文字幕网| 国产私拍福利视频在线观看| 亚洲va在线va天堂va国产| 国产久久久一区二区三区| 久久久久国产精品人妻aⅴ院| 他把我摸到了高潮在线观看| 在线观看午夜福利视频| 欧美潮喷喷水| 欧美区成人在线视频| 99热网站在线观看| 性插视频无遮挡在线免费观看| 干丝袜人妻中文字幕| 日韩欧美在线乱码| 男女啪啪激烈高潮av片| 久久久久久久午夜电影| 国产中年淑女户外野战色| 天天一区二区日本电影三级| 老熟妇仑乱视频hdxx| 九九久久精品国产亚洲av麻豆| 最后的刺客免费高清国语| 亚洲在线自拍视频| 日韩中文字幕欧美一区二区| avwww免费| 91久久精品国产一区二区成人| 色av中文字幕| 99久久九九国产精品国产免费| 国内揄拍国产精品人妻在线| 久久久久久久精品吃奶| 亚洲国产精品久久男人天堂| 国产高清不卡午夜福利| 久久婷婷人人爽人人干人人爱| 在线观看午夜福利视频| 国内精品久久久久精免费| 日韩精品青青久久久久久| 国产精品三级大全| 麻豆国产av国片精品| 别揉我奶头 嗯啊视频| 亚洲最大成人中文| 国产乱人伦免费视频| 久久精品国产自在天天线| 日韩欧美免费精品| 国产视频内射| 国产伦在线观看视频一区| 欧美一区二区精品小视频在线| 99久久精品热视频| 精品久久久久久久末码| 精品日产1卡2卡| 欧美人与善性xxx| 成人毛片a级毛片在线播放| 99久久精品国产国产毛片| 中国美女看黄片| 精品人妻熟女av久视频| 亚洲人与动物交配视频| 亚洲久久久久久中文字幕| 欧美不卡视频在线免费观看| 国产午夜精品久久久久久一区二区三区 | 欧美精品国产亚洲| 国产美女午夜福利| 中国美白少妇内射xxxbb| 成人国产麻豆网| 成年人黄色毛片网站| 麻豆一二三区av精品| 国产精品无大码| 日本爱情动作片www.在线观看 | 观看免费一级毛片| 又紧又爽又黄一区二区| 亚洲av.av天堂| 日本欧美国产在线视频| 窝窝影院91人妻| 成人国产一区最新在线观看| 久久人人爽人人爽人人片va| 国产精品美女特级片免费视频播放器| 成人综合一区亚洲| 日韩欧美 国产精品| 嫩草影院精品99| 亚洲欧美精品综合久久99| 全区人妻精品视频| 日本精品一区二区三区蜜桃| 啪啪无遮挡十八禁网站| 亚洲美女搞黄在线观看 | 在线天堂最新版资源| 亚洲av免费在线观看| 能在线免费观看的黄片| 韩国av一区二区三区四区| 婷婷精品国产亚洲av在线| 欧美性猛交╳xxx乱大交人| 国产69精品久久久久777片| 欧美激情久久久久久爽电影| avwww免费| 嫁个100分男人电影在线观看| 女人被狂操c到高潮| 国产精品98久久久久久宅男小说| 欧美性猛交黑人性爽| 成人鲁丝片一二三区免费| 波野结衣二区三区在线| 欧美激情在线99| 亚洲成av人片在线播放无| 日本精品一区二区三区蜜桃| 日本三级黄在线观看| 亚洲国产精品sss在线观看| 少妇猛男粗大的猛烈进出视频 | 欧美在线一区亚洲| 男人狂女人下面高潮的视频| av.在线天堂| 亚洲精品粉嫩美女一区| 亚洲精品久久国产高清桃花| 韩国av在线不卡| 变态另类成人亚洲欧美熟女| 免费看美女性在线毛片视频| 亚洲人成网站高清观看| 久久热精品热| 黄色视频,在线免费观看| 真人做人爱边吃奶动态| 免费观看在线日韩| 成人无遮挡网站| 国产毛片a区久久久久| 深爱激情五月婷婷| 久久久久久久久中文| 午夜免费成人在线视频| 亚洲精华国产精华精| 欧美xxxx性猛交bbbb| 免费观看的影片在线观看| 精品久久久噜噜| 国产三级在线视频| 高清毛片免费观看视频网站| 亚洲av中文字字幕乱码综合| 国产 一区精品| av视频在线观看入口| 精品久久久久久久久久久久久| 两个人的视频大全免费| 九九热线精品视视频播放| 91麻豆av在线| 一区二区三区激情视频| 嫁个100分男人电影在线观看| 婷婷精品国产亚洲av| 一区二区三区四区激情视频 | 中出人妻视频一区二区| 人人妻人人澡欧美一区二区| 亚洲成a人片在线一区二区| 又粗又爽又猛毛片免费看| 乱系列少妇在线播放| 国产午夜精品论理片| 久久人人精品亚洲av| 国语自产精品视频在线第100页| 国产蜜桃级精品一区二区三区| 精品久久久久久久末码| 国产精品电影一区二区三区| 国产精品久久久久久亚洲av鲁大| 丝袜美腿在线中文| 亚洲欧美日韩高清在线视频| 免费看a级黄色片| videossex国产| 天堂av国产一区二区熟女人妻| 婷婷色综合大香蕉| 国内精品宾馆在线| 身体一侧抽搐| av女优亚洲男人天堂| 国产熟女欧美一区二区| 日本一二三区视频观看| 国产免费一级a男人的天堂| 美女cb高潮喷水在线观看| 在线a可以看的网站| 久久亚洲真实| 国产老妇女一区| 中国美女看黄片| 三级男女做爰猛烈吃奶摸视频| 欧美成人a在线观看| 欧美黑人巨大hd| 中文字幕高清在线视频| 亚洲最大成人av| 波多野结衣巨乳人妻| 变态另类丝袜制服| 乱码一卡2卡4卡精品| www.色视频.com| 直男gayav资源| 搡女人真爽免费视频火全软件 | 麻豆精品久久久久久蜜桃| 男人舔奶头视频| 亚洲av日韩精品久久久久久密| 精品欧美国产一区二区三| 亚洲国产精品成人综合色| 性欧美人与动物交配| 日日摸夜夜添夜夜添av毛片 | 丝袜美腿在线中文| 亚洲三级黄色毛片| 人人妻,人人澡人人爽秒播| 毛片一级片免费看久久久久 | 久久久午夜欧美精品| www.www免费av| 亚洲无线观看免费| 亚洲自偷自拍三级| 99热这里只有精品一区| 国产精品av视频在线免费观看| 九九爱精品视频在线观看| 国产精品av视频在线免费观看| 久久精品国产亚洲av天美| 热99在线观看视频| 国产 一区 欧美 日韩| 亚洲av.av天堂| 十八禁国产超污无遮挡网站| 长腿黑丝高跟| 日韩一区二区视频免费看| 亚洲精品粉嫩美女一区| 亚洲精华国产精华液的使用体验 | 亚洲av成人av| 成人一区二区视频在线观看| 成年女人永久免费观看视频| 91在线观看av| 欧美日韩乱码在线| 亚洲国产精品合色在线| 一个人免费在线观看电影| 中国美白少妇内射xxxbb| 免费看美女性在线毛片视频| 黄色一级大片看看| 18禁裸乳无遮挡免费网站照片| 午夜福利在线观看免费完整高清在 | 色在线成人网| 亚洲人成网站在线播| 丰满的人妻完整版| 日韩大尺度精品在线看网址| 亚洲性夜色夜夜综合| 成人高潮视频无遮挡免费网站| 亚洲精华国产精华精| 免费观看在线日韩| x7x7x7水蜜桃| 最新中文字幕久久久久| 亚洲人成网站高清观看| 噜噜噜噜噜久久久久久91| 日本熟妇午夜| 国模一区二区三区四区视频| 99久久久亚洲精品蜜臀av| 国内精品久久久久久久电影| 在线观看一区二区三区| 亚洲在线观看片| 男女边吃奶边做爰视频| 国产免费男女视频| 99riav亚洲国产免费| 日韩欧美 国产精品| 97超级碰碰碰精品色视频在线观看| 五月伊人婷婷丁香| 久久人妻av系列| 久久久久久国产a免费观看| 国产成人一区二区在线| 少妇猛男粗大的猛烈进出视频 | 国产高清不卡午夜福利| 午夜爱爱视频在线播放| 91av网一区二区| 欧美国产日韩亚洲一区| 床上黄色一级片| 韩国av一区二区三区四区| 日韩av在线大香蕉| 亚洲中文字幕一区二区三区有码在线看| 精品人妻熟女av久视频| 亚洲精品成人久久久久久| 精品人妻一区二区三区麻豆 | 岛国在线免费视频观看| 熟女电影av网| 精品无人区乱码1区二区| 日韩中字成人| 男女那种视频在线观看| 亚洲最大成人av| 婷婷亚洲欧美| 1024手机看黄色片| 亚洲欧美日韩无卡精品| 国产伦精品一区二区三区视频9| 少妇人妻一区二区三区视频| 禁无遮挡网站| 一个人看的www免费观看视频| 最近中文字幕高清免费大全6 | 国产极品精品免费视频能看的| 69av精品久久久久久| 亚洲性久久影院| 精品久久国产蜜桃| 大又大粗又爽又黄少妇毛片口| 国产精品国产三级国产av玫瑰| 麻豆一二三区av精品| 国产伦人伦偷精品视频| 99视频精品全部免费 在线| bbb黄色大片| 搡老岳熟女国产| 九色国产91popny在线| 欧美日韩中文字幕国产精品一区二区三区| 欧美激情久久久久久爽电影| 一本久久中文字幕| 国产爱豆传媒在线观看| 如何舔出高潮| 国产私拍福利视频在线观看| 日韩欧美国产在线观看| 成年女人永久免费观看视频| 国产亚洲精品av在线| 一夜夜www| 校园春色视频在线观看| 久久中文看片网| 91在线观看av| 99riav亚洲国产免费| 神马国产精品三级电影在线观看| 真人一进一出gif抽搐免费| 国产午夜精品久久久久久一区二区三区 | 天堂√8在线中文| 色5月婷婷丁香| a级毛片a级免费在线| 国产毛片a区久久久久| 真人一进一出gif抽搐免费| 亚洲成人精品中文字幕电影| 一级av片app| 88av欧美| 日韩国内少妇激情av| 女生性感内裤真人,穿戴方法视频| av在线亚洲专区| 亚洲va在线va天堂va国产| av天堂在线播放| 级片在线观看| 国产精品免费一区二区三区在线| 亚洲成av人片在线播放无| 中国美女看黄片| 国产精品一区二区免费欧美| 亚洲国产欧洲综合997久久,| 亚洲最大成人中文| 1024手机看黄色片| 老熟妇仑乱视频hdxx| 欧美极品一区二区三区四区| 久久精品影院6| 国产精品电影一区二区三区| 一个人免费在线观看电影| 午夜福利在线观看免费完整高清在 | 午夜免费男女啪啪视频观看 | 舔av片在线| 国产老妇女一区| 欧美黑人巨大hd| 91午夜精品亚洲一区二区三区 | 欧美精品啪啪一区二区三区| 亚洲av第一区精品v没综合| 伊人久久精品亚洲午夜| 久久久久久大精品| 小蜜桃在线观看免费完整版高清| 日韩人妻高清精品专区| 成人性生交大片免费视频hd| 99久久九九国产精品国产免费| 免费人成视频x8x8入口观看| 国产乱人伦免费视频| 琪琪午夜伦伦电影理论片6080| 免费av观看视频| 欧美性感艳星| 91狼人影院| 久久久久久久午夜电影| 免费av观看视频| 美女高潮喷水抽搐中文字幕| 男人狂女人下面高潮的视频| 欧美三级亚洲精品| av中文乱码字幕在线| x7x7x7水蜜桃| 老熟妇乱子伦视频在线观看| 毛片一级片免费看久久久久 | 天堂网av新在线| 欧美黑人欧美精品刺激| 直男gayav资源| 97超视频在线观看视频| 一级黄片播放器| 人人妻,人人澡人人爽秒播| 国产人妻一区二区三区在| 波野结衣二区三区在线| 国产成人影院久久av| 日韩在线高清观看一区二区三区 | 成人av一区二区三区在线看| 两人在一起打扑克的视频| 久久99热这里只有精品18| 中文字幕高清在线视频| 亚洲av一区综合| 1000部很黄的大片| 国产久久久一区二区三区| 亚洲无线在线观看| 亚洲电影在线观看av| 久久久色成人| 一a级毛片在线观看| 18+在线观看网站| 久久九九热精品免费| 在线观看av片永久免费下载| 亚洲第一电影网av| 国产精品精品国产色婷婷| 啦啦啦观看免费观看视频高清| 国产精品久久久久久av不卡| 欧美一区二区精品小视频在线| 亚洲一区高清亚洲精品| 在线观看av片永久免费下载| 中文字幕人妻熟人妻熟丝袜美| 国产伦人伦偷精品视频| 欧美区成人在线视频| 男女视频在线观看网站免费| 国产爱豆传媒在线观看| 中文在线观看免费www的网站| 欧美一区二区亚洲| 国产黄片美女视频| 啦啦啦啦在线视频资源| 久久久久久久久大av| 久久草成人影院| 亚洲综合色惰| 国产精华一区二区三区| 日本在线视频免费播放| 97超视频在线观看视频| 啦啦啦观看免费观看视频高清| 一进一出好大好爽视频| 99热这里只有是精品在线观看| 欧美区成人在线视频| 国产日本99.免费观看| 男女下面进入的视频免费午夜| 亚洲avbb在线观看|