• <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 ?

    基于機(jī)器聽(tīng)覺(jué)的鳥(niǎo)聲識(shí)別的中文研究綜述

    2020-06-29 01:06:10趙子平
    關(guān)鍵詞:鳥(niǎo)聲鳥(niǎo)類(lèi)分類(lèi)器

    喬 玉,錢(qián) 昆,趙子平

    (1. 天津師范大學(xué) 計(jì)算機(jī)與信息工程學(xué)院,天津 300387; 2. 東京大學(xué) 身體教育學(xué)實(shí)驗(yàn)室,日本 東京 113-0033)

    鳥(niǎo)鳴聲包含豐富的生態(tài)學(xué)信息,其相關(guān)的研究成果可應(yīng)用于動(dòng)物行為分析與監(jiān)護(hù)、自然保護(hù)區(qū)信息采集、生態(tài)環(huán)境狀態(tài)恢復(fù)監(jiān)控等領(lǐng)域.鳥(niǎo)聲識(shí)別在現(xiàn)實(shí)中的應(yīng)用十分廣泛,例如,在一些面積比較大的濕地、森林和沼澤地中,由生態(tài)保護(hù)工作者長(zhǎng)期蹲點(diǎn)來(lái)觀察鳥(niǎo)類(lèi)的活動(dòng)規(guī)律,這將會(huì)耗費(fèi)大量的時(shí)間和成本,而基于鳥(niǎo)聲識(shí)別技術(shù)的智能聲測(cè)傳感網(wǎng)覆蓋范圍廣,持續(xù)時(shí)間長(zhǎng),即使在環(huán)境非常惡劣的野外,它也能夠在無(wú)人值守的情況下進(jìn)行監(jiān)測(cè),極大地節(jié)約了人力成本[1];同時(shí),收集到的鳥(niǎo)聲數(shù)據(jù)可供我們進(jìn)行生態(tài)監(jiān)測(cè),了解鳥(niǎo)類(lèi)的分布狀態(tài),維護(hù)生態(tài)系統(tǒng)的平衡.在日常生活中,我們能夠通過(guò)肉眼觀察鳥(niǎo)喙或者鳥(niǎo)的羽毛等形態(tài)特征來(lái)判斷鳥(niǎo)的類(lèi)別;同樣地,與這些形態(tài)特征相似,鳥(niǎo)鳴聲所蘊(yùn)含的生物學(xué)信息特征也有很大的差異,這種差異可以幫助區(qū)分不同物種的鳥(niǎo).因此,我們可以通過(guò)提取和分析鳥(niǎo)鳴聲所蘊(yùn)含的信息特征來(lái)鑒別鳥(niǎo)的物種,統(tǒng)計(jì)生態(tài)區(qū)的鳥(niǎo)類(lèi)分布特點(diǎn),從而幫助了解生物多樣性,進(jìn)而監(jiān)控生態(tài)系統(tǒng)的平衡;與此同時(shí),對(duì)鳥(niǎo)鳴聲的監(jiān)測(cè)有利于把握鳥(niǎo)類(lèi)的活動(dòng)范圍和規(guī)律,合理地安排飛機(jī)飛行的航線和時(shí)間,防止鳥(niǎo)類(lèi)與飛行器發(fā)生碰撞,造成不可挽回的損失[2].與國(guó)內(nèi)的研究相比,加拿大、德國(guó)、英國(guó)關(guān)于鳥(niǎo)聲識(shí)別的研究比較多.通過(guò)調(diào)研國(guó)內(nèi)的鳥(niǎo)聲識(shí)別文獻(xiàn),我們可以了解目前國(guó)內(nèi)在鳥(niǎo)聲識(shí)別領(lǐng)域的研究水平,并對(duì)未來(lái)需要努力的方向進(jìn)行展望.

    1 相關(guān)工作

    目前,國(guó)內(nèi)大多數(shù)語(yǔ)音識(shí)別技術(shù)都是針對(duì)音樂(lè)和語(yǔ)音的,對(duì)于鳥(niǎo)聲識(shí)別這一方面的研究還是比較少的,在識(shí)別技術(shù)上一般是通過(guò)提取鳥(niǎo)聲各方面的特征,然后使用傳統(tǒng)機(jī)器學(xué)習(xí)的算法,構(gòu)建單一的分類(lèi)器來(lái)進(jìn)行識(shí)別.通過(guò)對(duì)國(guó)內(nèi)鳥(niǎo)聲識(shí)別相關(guān)領(lǐng)域的文獻(xiàn)進(jìn)行調(diào)研和研究分析,我們發(fā)現(xiàn),相對(duì)來(lái)說(shuō),國(guó)內(nèi)學(xué)者做的比較多的研究還是在提取特征方面: 通過(guò)改進(jìn)特征提取算法,嘗試各種語(yǔ)音信號(hào)處理方法,或者是分析鳥(niǎo)鳴聲的各種特征,找出對(duì)分類(lèi)效果最好的特征.2013年陳莎莎[3]使用改進(jìn)的基于噪聲功率譜動(dòng)態(tài)估計(jì)的短時(shí)譜音頻增強(qiáng)算法來(lái)抑制背景噪音,盡可能地提取出了純粹的有效信號(hào),從而增加了分類(lèi)的正確性;隨后,陳莎莎等[4]在使用改進(jìn)后的聲音增強(qiáng)算法的基礎(chǔ)上,進(jìn)一步提取出鳥(niǎo)聲的時(shí)頻紋理特征并利用隨機(jī)森林(Random Forest, RF)分類(lèi)器對(duì)鳥(niǎo)聲進(jìn)行識(shí)別,不僅能達(dá)到良好的識(shí)別效果,還具有良好的抗噪性能,這種方法在一定程度上降低了背景噪音對(duì)鳥(niǎo)聲識(shí)別結(jié)果的影響,使得在對(duì)20種鳥(niǎo)的識(shí)別中平均識(shí)別率能夠達(dá)到95.35%.陳莎莎等的研究是在20種鳥(niǎo)鳴聲的基礎(chǔ)上進(jìn)行訓(xùn)練的,但在實(shí)際生活中所采集的鳥(niǎo)鳴聲往往包含多種鳥(niǎo)類(lèi)的叫聲,僅僅依賴(lài)于單種鳥(niǎo)聲進(jìn)行訓(xùn)練具有一定的局限性.2015年,魏靜明等[5]在提取紋理特征的算法上進(jìn)行改進(jìn),增加了和差統(tǒng)計(jì)法,得到的特征是抗噪性的紋理特征,之后在隨機(jī)森林分類(lèi)器上進(jìn)行鳥(niǎo)鳴聲識(shí)別,驗(yàn)證了改進(jìn)紋理特征提取方法后對(duì)鳥(niǎo)鳴聲識(shí)別的有效性.2016年,劉昊天等[6]將多標(biāo)記的遷移學(xué)習(xí)算法應(yīng)用于鳥(niǎo)聲識(shí)別上,同時(shí)在局部標(biāo)記關(guān)系上提出了1種新的多標(biāo)記遷移算法,相對(duì)于全局標(biāo)記關(guān)系來(lái)說(shuō),這種算法提高了分類(lèi)的精確度.隨后,劉昊天等[7]提出了基于特征遷移的多物種鳥(niǎo)聲識(shí)別方法(Recognition of Multiple Bird Species in audio recordings based on Feature Transfer, FT-RMBS),首先訓(xùn)練單物種鳥(niǎo)聲識(shí)別模型,然后再將其應(yīng)用到多物種鳥(niǎo)聲的識(shí)別中,這種方法將識(shí)別率提高了20%,這在一定程度上降低了多物種鳥(niǎo)聲樣本不足對(duì)模型訓(xùn)練的影響,同時(shí)有利于在鳥(niǎo)類(lèi)分布比較多的野生濕地、沼澤地或者森林等地區(qū)進(jìn)行鳥(niǎo)聲識(shí)別.同年,程龍等[8]將提取梅爾頻率倒譜系數(shù)(Mel Frequency Cepstral Coefficients, MFCC)的算法進(jìn)行改進(jìn),在進(jìn)行快速傅里葉變換(Fast Fourier Transformation, FFT)之前為其增加經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)來(lái)改進(jìn)MFCC算法,改進(jìn)后的算法對(duì)7種鳥(niǎo)聲的識(shí)別率達(dá)到了70.09%,與未改進(jìn)的算法相比識(shí)別率提高了3.42%.與陳莎莎的研究不同,劉釗等[9]從不同的角度對(duì)鳥(niǎo)聲識(shí)別進(jìn)行研究,他們不是去抑制背景噪聲,而是將高斯白噪聲和真實(shí)環(huán)境背景噪聲人工加入到鳥(niǎo)鳴聲音頻中,專(zhuān)門(mén)對(duì)加入這兩種噪聲的鳥(niǎo)鳴聲進(jìn)行研究,提出了1種噪聲環(huán)境下的鳥(niǎo)聲識(shí)別的仿真方法,在人工加入高斯白噪聲和真實(shí)環(huán)境背景噪聲下,采用這種方法的魯棒性比較好,對(duì)于這兩種背景下的鳥(niǎo)聲識(shí)別效果也比較好.但是,他們的研究成果也僅僅局限于這兩種噪聲背景下的鳥(niǎo)鳴聲識(shí)別,而在實(shí)際生活中有各種各樣的背景噪音,所以這種方法是有局限性的.以上幾位學(xué)者的研究均是基于單一分類(lèi)器進(jìn)行的,到2018年,徐淑正等[10]提出了1種與以上幾位學(xué)者均不相同的方法,他們綜合鳥(niǎo)聲的多種特征,提出了1種多分類(lèi)器集成技術(shù)的方法來(lái)識(shí)別鳥(niǎo)聲,不再是使用單一的分類(lèi)器進(jìn)行鳥(niǎo)聲識(shí)別,最終對(duì)11類(lèi)的鳥(niǎo)鳴聲樣本識(shí)別能實(shí)現(xiàn)92%的準(zhǔn)確率.

    圖1 鳥(niǎo)聲識(shí)別的框圖Fig.1 The diagram of bird sound recognition

    綜上所述,通過(guò)對(duì)國(guó)內(nèi)學(xué)者在鳥(niǎo)聲識(shí)別領(lǐng)域的研究成果的分析,我們可以發(fā)現(xiàn)他們?cè)谔卣魈崛》矫孀龀隽藝L試: 通過(guò)對(duì)某些特征提取的算法的改進(jìn),以得到較好的特征來(lái)進(jìn)行鳥(niǎo)鳴聲識(shí)別;嘗試提取多種鳥(niǎo)鳴聲特征,找出對(duì)分類(lèi)效果貢獻(xiàn)度最好的特征,并由此作為分類(lèi)的有效特征放入分類(lèi)器進(jìn)行分類(lèi);通過(guò)改進(jìn)算法來(lái)抑制背景噪音的影響,以期獲得比較純凈的鳥(niǎo)鳴聲的音頻數(shù)據(jù),提高在后期分類(lèi)的準(zhǔn)確性.同時(shí),在分類(lèi)器方面也做出了努力,提出了1種將標(biāo)簽進(jìn)行融合的集成分類(lèi)方法來(lái)進(jìn)行分類(lèi),取得了比單一分類(lèi)器分類(lèi)效果更好的結(jié)果.目前,在鳥(niǎo)聲識(shí)別方面,國(guó)內(nèi)學(xué)者的研究方法多是基于傳統(tǒng)的機(jī)器學(xué)習(xí)的算法來(lái)進(jìn)行的,所使用的鳥(niǎo)鳴聲特征也多是一些手工特征.在分類(lèi)器算法上使用比較多的是支持向量機(jī)和隨機(jī)森林算法,說(shuō)明這兩種算法對(duì)于鳥(niǎo)聲識(shí)別是有一定幫助的.通過(guò)對(duì)國(guó)內(nèi)鳥(niǎo)聲識(shí)別領(lǐng)域相關(guān)文獻(xiàn)的檢索和研究發(fā)現(xiàn),鳥(niǎo)聲識(shí)別的一般過(guò)程如圖1所示.

    2 鳥(niǎo)聲識(shí)別分類(lèi)的方法

    通過(guò)調(diào)查發(fā)現(xiàn),目前在鳥(niǎo)聲識(shí)別上所使用的分類(lèi)方法大致都是從3個(gè)方面出發(fā)的.

    第一,基于模板匹配的分類(lèi)方法,比較常見(jiàn)的是動(dòng)態(tài)時(shí)間規(guī)劃(Dynamic Time Wrapping, DTW)模板算法[11],徐淑正等[10]就將此方法應(yīng)用到了自己的研究當(dāng)中,最終對(duì)11類(lèi)的鳥(niǎo)聲分類(lèi)實(shí)現(xiàn)了92%的準(zhǔn)確率.陳海蘭等[12]提出的多維特征聯(lián)合的鳥(niǎo)類(lèi)分類(lèi)方法中也使用到了模板匹配.但是這種方法的運(yùn)算量相對(duì)來(lái)說(shuō)是比較大的,所以在一定程度上會(huì)影響運(yùn)算的效率.孫斌等[13]利用自適應(yīng)最優(yōu)核時(shí)頻分布(Adaptive Optimal Kernel, AOK)方法將經(jīng)過(guò)預(yù)處理的鳥(niǎo)鳴聲音頻信號(hào)轉(zhuǎn)變成時(shí)頻譜圖,通過(guò)分析時(shí)頻譜圖上的能量分布,將其轉(zhuǎn)化為灰度圖像,利用灰度共生矩陣來(lái)提取特征,之后利用模板匹配來(lái)將待識(shí)別的鳥(niǎo)類(lèi)模板與訓(xùn)練生成的訓(xùn)練模板進(jìn)行匹配,通過(guò)對(duì)匹配值的比較來(lái)對(duì)鳥(niǎo)的物種進(jìn)行識(shí)別.

    第二,根據(jù)特征的特點(diǎn)來(lái)建立分類(lèi)模型,所使用的分類(lèi)特征多是手工提取的特征,常用的分類(lèi)模型多是隨機(jī)森林[9]、支持向量機(jī)(Support Vector Machine, SVM)[14]、隱馬爾科夫模型(Hidden Markov Model, HMM)[15]和高斯混合模型(Gaussian Mixture Model, GMM)[16]等,通過(guò)調(diào)查國(guó)內(nèi)在這方面的研究,發(fā)現(xiàn)目前較多使用的分類(lèi)器算法是隨機(jī)森林和支持向量機(jī).

    第三,利用深度學(xué)習(xí)的方法進(jìn)行分類(lèi),這是目前比較熱門(mén)的方法,但是通過(guò)調(diào)查發(fā)現(xiàn),國(guó)內(nèi)很少將深度學(xué)習(xí)的方法應(yīng)用到鳥(niǎo)聲識(shí)別領(lǐng)域.2018年,謝將劍等[17]利用線性調(diào)頻小波變換(Linear Chirplet Transform, LCT)、短時(shí)傅里葉變換(Short-Time Fourier Transform, STFT)、梅爾頻率倒譜變換(Mel Frequency Cepstrum Transform, MFCT)獲得3種語(yǔ)譜圖樣本,并將這些語(yǔ)譜圖樣本輸入至深度卷積神經(jīng)網(wǎng)絡(luò)(Deep Convolution Neural Network, DCNN)VGG16模型中,最后以平均識(shí)別準(zhǔn)確率(Mean Average Precision, MAP)作為評(píng)判模型性能的標(biāo)準(zhǔn),最終以在北京市松山國(guó)家自然保護(hù)區(qū)實(shí)地采集的18種鳥(niǎo)作為實(shí)驗(yàn)對(duì)象,使用Chirplet語(yǔ)圖所訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)模型的性能最好,測(cè)試集的MAP值能夠達(dá)到98.71%,而且所需要的迭代次數(shù)也是最小的.

    表1 用于鳥(niǎo)聲識(shí)別研究的數(shù)據(jù)庫(kù)(集)Tab.1 Databases(datasets) for bird sound recognition research

    注: 數(shù)據(jù)均來(lái)自各文獻(xiàn).

    3 鳥(niǎo)聲識(shí)別數(shù)據(jù)庫(kù)(集)

    通過(guò)檢索目前國(guó)內(nèi)鳥(niǎo)聲識(shí)別領(lǐng)域的文獻(xiàn),各研究使用的數(shù)據(jù)庫(kù)(集)所涉及的鳥(niǎo)鳴聲種類(lèi)和樣本的數(shù)量如表1所示.

    4 鳥(niǎo)聲識(shí)別算法

    陳莎莎等[4]使用RF和SVM分類(lèi)器,結(jié)合時(shí)頻紋理特征對(duì)鳥(niǎo)鳴聲進(jìn)行分類(lèi),最終對(duì)通過(guò)實(shí)地采集和Freesound音頻網(wǎng)站上搜集的20種鳥(niǎo)類(lèi)的識(shí)別達(dá)到了極好的效果,其中采用RF分類(lèi)器的準(zhǔn)確度比采用SVM分類(lèi)器的高出了4%;魏靜明等[5]利用RF分類(lèi)器算法證明通過(guò)提取抗噪紋理特征能夠有效地提高分類(lèi)的準(zhǔn)確性;劉昊天等[7]在進(jìn)行鳥(niǎo)聲識(shí)別時(shí)構(gòu)造了1種GMM結(jié)合Rank SVM模型,這種模型結(jié)合了從鳥(niǎo)鳴聲中提取出來(lái)的MFCC特征來(lái)實(shí)現(xiàn)對(duì)多物種鳥(niǎo)聲的識(shí)別;劉釗等[9]采用RF分類(lèi)器對(duì)大規(guī)模聲學(xué)特征進(jìn)行分類(lèi);徐淑正等[10]提取了4種不同的聲學(xué)特征,對(duì)這些特征使用SVM和RF分類(lèi)器進(jìn)行分類(lèi),然后做了1個(gè)標(biāo)簽的融合,整合各個(gè)分類(lèi)器的分類(lèi)結(jié)果,使得最終預(yù)測(cè)的可靠性更高.通過(guò)對(duì)目前國(guó)內(nèi)鳥(niǎo)聲識(shí)別領(lǐng)域的文獻(xiàn)研究發(fā)現(xiàn),在鳥(niǎo)聲識(shí)別上多用的是RF和SVM分類(lèi)器.結(jié)合對(duì)目前國(guó)內(nèi)鳥(niǎo)聲識(shí)別領(lǐng)域的相關(guān)文獻(xiàn)的研究,本節(jié)將從以下幾個(gè)部分對(duì)鳥(niǎo)聲識(shí)別算法進(jìn)行討論.

    4.1 音頻增強(qiáng)算法

    從自然界中收集的鳥(niǎo)叫聲音頻難免會(huì)包含環(huán)境噪音,而在進(jìn)行鳥(niǎo)聲識(shí)別時(shí)所要用到的分類(lèi)特征應(yīng)當(dāng)是從比較純凈的鳥(niǎo)鳴聲信號(hào)中進(jìn)行提取,所以這種包含噪聲的音頻信號(hào)會(huì)對(duì)后期分類(lèi)器的準(zhǔn)確度造成極大的影響.為了防止這種背景噪音對(duì)鳥(niǎo)聲識(shí)別結(jié)果的影響,在進(jìn)行鳥(niǎo)叫聲特征提取之前需要利用音頻增強(qiáng)算法對(duì)鳥(niǎo)叫聲音頻進(jìn)行前端處理.

    所謂前端處理[4]就是對(duì)含有噪聲的信號(hào)進(jìn)行信號(hào)增強(qiáng)處理,從而降低背景噪聲在分類(lèi)時(shí)的影響.陳莎莎等[3-4]就提出了1種改進(jìn)的聲音增強(qiáng)算法,這種算法能夠有效抑制背景噪音對(duì)分類(lèi)結(jié)果的影響,提高分類(lèi)識(shí)別的準(zhǔn)確度.為了獲得更加純凈的音頻信號(hào),一些學(xué)者也嘗試通過(guò)改進(jìn)算法來(lái)提高音頻增強(qiáng)算法的效果,從而獲得相對(duì)來(lái)說(shuō)比較純粹的鳥(niǎo)鳴聲信號(hào).

    4.2 特征提取算法

    要對(duì)鳥(niǎo)類(lèi)進(jìn)行分類(lèi)首先需要的就是了解不同鳥(niǎo)類(lèi)的鳥(niǎo)叫聲特點(diǎn),這就要我們恰當(dāng)?shù)夭杉B(niǎo)鳴聲,并使用良好的語(yǔ)音信號(hào)處理方法對(duì)采集到的鳥(niǎo)鳴聲信號(hào)進(jìn)行處理和分析,提取最優(yōu)的音頻特征,根據(jù)不同物種的鳥(niǎo)叫聲的特征來(lái)進(jìn)行分類(lèi).通過(guò)研究國(guó)內(nèi)一些學(xué)者的文獻(xiàn)可以發(fā)現(xiàn),主要有以下幾種特征提取的方法.

    4.2.1 音節(jié)長(zhǎng)度

    音節(jié)長(zhǎng)度指音節(jié)持續(xù)的時(shí)間長(zhǎng)度,描述了鳥(niǎo)鳴聲的長(zhǎng)短.音節(jié)長(zhǎng)度的計(jì)算是在音節(jié)萃取之后進(jìn)行的.一般的音節(jié)萃取方法是先計(jì)算每幀的短時(shí)能量,然后設(shè)定1個(gè)閾值從而判斷有聲段和無(wú)聲段,得到結(jié)果后再進(jìn)行中值濾波,最后將密集的有聲段連接在一起,形成音節(jié).不同的音節(jié)長(zhǎng)度在后期進(jìn)行鳥(niǎo)聲識(shí)別分類(lèi)時(shí)的準(zhǔn)確性是不一樣的.

    4.2.2 梅爾頻率倒譜系數(shù)

    不同種類(lèi)的鳥(niǎo)在頻譜上表現(xiàn)出來(lái)的特征是不一樣的,可以通過(guò)將同一種鳥(niǎo)的特征幀拼合在一起,進(jìn)而利用拼合在一起的幀特征來(lái)識(shí)別不同種類(lèi)的鳥(niǎo).這里,梅爾頻率倒譜系數(shù)(MFCC)是語(yǔ)音識(shí)別中使用得最好的1類(lèi)特征參數(shù).對(duì)輸入的每幀語(yǔ)音先進(jìn)行快速傅里葉變換,從頻譜求得幅度譜,然后通過(guò)梅爾濾波器組平滑頻譜,消除諧波的作用后,再做對(duì)數(shù)運(yùn)算,經(jīng)過(guò)行離散余弦變換(Discrete Cosine Transform, DCT),最后得到我們所需要的MFCC.

    在分析國(guó)內(nèi)這方面研究的文章的時(shí)候發(fā)現(xiàn),對(duì)不平穩(wěn)的音頻信號(hào)可以采用經(jīng)驗(yàn)?zāi)B(tài)分解法來(lái)對(duì)信號(hào)進(jìn)行處理,而鳥(niǎo)鳴聲正好就是這樣1種非常不平穩(wěn)的信號(hào),所以在進(jìn)行FFT之前添加經(jīng)驗(yàn)?zāi)B(tài)分解法,經(jīng)過(guò)這樣的改進(jìn)之后,鳥(niǎo)鳴聲的識(shí)別準(zhǔn)確率有了明顯的提高.

    4.3 分類(lèi)器算法

    在調(diào)研過(guò)程中發(fā)現(xiàn)大部分學(xué)者在鳥(niǎo)聲識(shí)別的分類(lèi)器部分使用的都是RF和SVM,相對(duì)來(lái)說(shuō)使用RF的還是比較多的.

    4.3.1 隨機(jī)森林(RF)

    隨機(jī)森林算法是1種有監(jiān)督的學(xué)習(xí)算法,所謂森林就是決策樹(shù)的組合.它有利于防止過(guò)擬合,訓(xùn)練速度比較快,能夠處理大樣本的數(shù)據(jù),優(yōu)點(diǎn)是訓(xùn)練的參數(shù)比較少,具有較強(qiáng)的抗噪能力.“森林”的構(gòu)建采用的是“bagging(bootstrap aggregating)”方法訓(xùn)練的,也就是在選擇訓(xùn)練樣本的時(shí)候進(jìn)行隨機(jī)有放回的方法,然后再構(gòu)造分類(lèi)器,最后通過(guò)組合所有的分類(lèi)器使得整合后的分類(lèi)效果更好.

    隨機(jī)森林的具體實(shí)現(xiàn)過(guò)程如下:

    1) 隨機(jī)有放回地從訓(xùn)練集中抽取訓(xùn)練樣本作為某棵樹(shù)的訓(xùn)練集,同樣地,在為其他樹(shù)抽取訓(xùn)練樣本時(shí)也抽取相同數(shù)量的樣本作為訓(xùn)練集,以此類(lèi)推,最后每棵樹(shù)都擁有相同數(shù)量但是樣本種類(lèi)不同的訓(xùn)練集,然而樹(shù)與樹(shù)之間卻有重疊的樣本部分.通過(guò)這種抽取方法抽取出樣本后進(jìn)行訓(xùn)練,最終訓(xùn)練完成的樹(shù)會(huì)有不同的分類(lèi)結(jié)果,因?yàn)橛?xùn)練中的樣本有重復(fù)的部分,那么訓(xùn)練后的樹(shù)之間是有相關(guān)性的,這種相關(guān)性使得最終依靠這些樹(shù)進(jìn)行投票表決時(shí)的分類(lèi)結(jié)果更加準(zhǔn)確.

    2) 如果K為每個(gè)樣本的特征維度,k?K,那么在抽取特征的時(shí)候隨機(jī)從K個(gè)特征中抽取k個(gè)特征,然后找出最優(yōu)的特征進(jìn)行樹(shù)的分裂.

    3) 每棵樹(shù)都盡最大程度的生長(zhǎng),并且沒(méi)有剪枝過(guò)程.在過(guò)程1)中的隨機(jī)抽取訓(xùn)練樣本和過(guò)程2)中的隨機(jī)選取子集是影響隨機(jī)森林的分類(lèi)性能的兩個(gè)關(guān)鍵因素.隨機(jī)森林算法能夠防止過(guò)擬合并具有很好的抗噪能力都是由于隨機(jī)抽取樣本和隨機(jī)選取子集的引入,而隨機(jī)森林的最終分類(lèi)效果與特征個(gè)數(shù)k的取值有密切的關(guān)系,所以在使用隨機(jī)森林分類(lèi)器時(shí)選擇k的1個(gè)最優(yōu)值是非常關(guān)鍵的因素.

    對(duì)待測(cè)鳥(niǎo)叫聲樣本進(jìn)行預(yù)處理之后,提取特征,然后將樣本放入訓(xùn)練好的分類(lèi)器進(jìn)行分類(lèi)預(yù)測(cè).用所提取的特征向量遍歷森林中的樹(shù),然后將所有樹(shù)的結(jié)論進(jìn)行多數(shù)投票決定待測(cè)鳥(niǎo)聲的種類(lèi).生成樹(shù)的過(guò)程中是隨機(jī)生成特征進(jìn)行分支的,能夠最小化樹(shù)之間的相關(guān)性,在一定程度上增加了識(shí)別率.

    4.3.2 支持向量機(jī)(SVM)算法

    支持向量機(jī)算法是從樣本中找出1個(gè)最好的分割超平面,將不同類(lèi)別的數(shù)據(jù)完全分割開(kāi),然后最大化距離該平面兩側(cè)最近的樣本,使其能夠較好地泛化,從而對(duì)分類(lèi)問(wèn)題產(chǎn)生良好的泛化能力.

    具體實(shí)現(xiàn)步驟如下: 首先,如果樣本不是線性可分的,就需要用核函數(shù)來(lái)解決這個(gè)問(wèn)題,使樣本空間能夠轉(zhuǎn)換到線性可分的空間.這是因?yàn)槠匠N覀冊(cè)诮鉀Q問(wèn)題的時(shí)候,都是在2維或者低維來(lái)考慮問(wèn)題,但是樣本不是線性可分的話(huà)就會(huì)產(chǎn)生線性不可分的問(wèn)題,此時(shí),使用核函數(shù)就能夠解決這個(gè)問(wèn)題.其次,在高維的樣本空間中找到超平面來(lái)分割樣本,直接映射到高維的空間容易造成計(jì)算的復(fù)雜化,而這種映射方法并不是直接擴(kuò)展到高維的空間,這樣就降低了計(jì)算的復(fù)雜化.然后,在分割的時(shí)候用最大間隔化來(lái)獲取最大間隔線,進(jìn)而得出支持向量,也就是距離分類(lèi)決策面最近的樣本點(diǎn),這些點(diǎn)一般是比較難進(jìn)行分類(lèi)的.最大間隔線可以使得不同的樣本之間的距離最大,這樣,在判斷新的樣本是屬于哪一類(lèi)的時(shí)候就可以直接根據(jù)它位于分割線的哪一側(cè)來(lái)進(jìn)行判斷.最后,在前兩步中得到最大間隔線和支持向量后就可以直接利用這兩個(gè)量來(lái)預(yù)測(cè)新的樣本.

    5 深度學(xué)習(xí)在鳥(niǎo)聲識(shí)別上的應(yīng)用

    深度學(xué)習(xí)是通過(guò)建立深層神經(jīng)網(wǎng)絡(luò),經(jīng)過(guò)連續(xù)的層的學(xué)習(xí)優(yōu)化,來(lái)找到最合適地表征數(shù)據(jù)的方法,這種方法能夠模擬人腦來(lái)對(duì)數(shù)據(jù)進(jìn)行分析、解釋.深度學(xué)習(xí)方法能夠很好地對(duì)數(shù)據(jù)進(jìn)行分類(lèi),因?yàn)樗軌蜃詣?dòng)地獲取并組合表征輸入的特征信息,因此,對(duì)輸入模型的特征分析選取也是非常重要的.

    調(diào)查發(fā)現(xiàn)國(guó)內(nèi)學(xué)者將深度學(xué)習(xí)的方法應(yīng)用到鳥(niǎo)聲識(shí)別領(lǐng)域還是極少的,謝將劍等[17]利用經(jīng)典的VGG16模型,通過(guò)Chirplet變換將鳥(niǎo)鳴聲信號(hào)轉(zhuǎn)變?yōu)檎Z(yǔ)譜圖的形式,從而將音頻的分類(lèi)轉(zhuǎn)變?yōu)閷?duì)圖像的分類(lèi)問(wèn)題,將VGG16模型的softmax層的神經(jīng)元個(gè)數(shù)改為18,最終實(shí)現(xiàn)了對(duì)北京松山國(guó)家級(jí)自然保護(hù)區(qū)18種鳥(niǎo)類(lèi)的識(shí)別,使得識(shí)別的平均準(zhǔn)確率達(dá)到了98.71%.相對(duì)來(lái)說(shuō),國(guó)外學(xué)者在這方面的研究就比較多了,Koops等[18]通過(guò)提取鳥(niǎo)鳴聲信號(hào)的梅爾頻率倒譜系數(shù)(MFCC)及其均值和方差的組合,將其作為輸入到神經(jīng)網(wǎng)絡(luò)中的特征,通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,最終使得該模型對(duì)于鳥(niǎo)類(lèi)物種識(shí)別的平均準(zhǔn)確率達(dá)到了73%.Tóth等[19]將鳥(niǎo)叫聲信號(hào)轉(zhuǎn)變?yōu)檎Z(yǔ)譜圖,利用經(jīng)典的AlexNet神經(jīng)網(wǎng)絡(luò)模型對(duì)其進(jìn)行改進(jìn),從而實(shí)現(xiàn)對(duì)鳥(niǎo)類(lèi)物種的識(shí)別.雖然國(guó)內(nèi)學(xué)者極少利用深度學(xué)習(xí)的方法來(lái)進(jìn)行鳥(niǎo)聲的分類(lèi),但是國(guó)內(nèi)學(xué)者在提取鳥(niǎo)聲特征方面卻也取得了一些成果.例如陳海蘭等[12]提出多維特征聯(lián)合的鳥(niǎo)類(lèi)鳴聲識(shí)別的方法,這種方法將不同音節(jié)長(zhǎng)度特征與多段式平均頻譜法相結(jié)合,利用鳥(niǎo)聲音頻文件建立標(biāo)準(zhǔn)樣本數(shù)據(jù)庫(kù),并利用模板匹配的方法,將要分辨的鳥(niǎo)聲音節(jié)與標(biāo)準(zhǔn)模板音節(jié)進(jìn)行匹配,最終在濕地常見(jiàn)的17種鳥(niǎo)類(lèi)的識(shí)別中實(shí)現(xiàn)了極高的準(zhǔn)確率.

    6 結(jié)論與展望

    通過(guò)檢索文獻(xiàn),調(diào)查國(guó)內(nèi)學(xué)者在鳥(niǎo)聲識(shí)別領(lǐng)域的研究成果,我們發(fā)現(xiàn)目前國(guó)內(nèi)鳥(niǎo)聲識(shí)別技術(shù)主要集中在傳統(tǒng)機(jī)器學(xué)習(xí)算法的分類(lèi)技術(shù),多是提取鳥(niǎo)叫聲的一些音頻特征,然后利用隨機(jī)森林或者支持向量機(jī)分類(lèi)器進(jìn)行分類(lèi),而國(guó)外Koops等在2014年就已經(jīng)開(kāi)始使用神經(jīng)網(wǎng)絡(luò)進(jìn)行鳥(niǎo)聲分類(lèi),Tóth等使用經(jīng)典的AlexNet模型來(lái)實(shí)現(xiàn)對(duì)鳥(niǎo)聲物種的分類(lèi),同時(shí)國(guó)內(nèi)目前也沒(méi)有比較成型的數(shù)據(jù)庫(kù),所使用的鳥(niǎo)鳴聲樣本種類(lèi)也比較少.在未來(lái)的研究工作中,期望能夠采集更多種類(lèi)的鳥(niǎo)鳴聲樣本進(jìn)行訓(xùn)練,進(jìn)而增加鳥(niǎo)聲識(shí)別的多樣性;隨著深度學(xué)習(xí)算法的迅速發(fā)展,未來(lái)也可以利用深度神經(jīng)網(wǎng)絡(luò)來(lái)提取一些鳥(niǎo)鳴聲的更高級(jí)特征,使用一些深度學(xué)習(xí)的技術(shù)來(lái)對(duì)鳥(niǎo)鳴聲進(jìn)行識(shí)別,或許會(huì)有更好的分類(lèi)效果.

    猜你喜歡
    鳥(niǎo)聲鳥(niǎo)類(lèi)分類(lèi)器
    清晨,我們走在林子里
    草堂(2023年1期)2023-09-25 08:44:48
    善于學(xué)習(xí)的鳥(niǎo)類(lèi)
    學(xué)與玩(2022年9期)2022-10-31 02:54:08
    我的濕地鳥(niǎo)類(lèi)朋友
    文苑(2020年12期)2020-04-13 00:54:14
    七種鳥(niǎo)聲
    江南詩(shī)(2020年1期)2020-02-25 14:12:56
    鳥(niǎo)類(lèi)
    BP-GA光照分類(lèi)器在車(chē)道線識(shí)別中的應(yīng)用
    閑情
    詩(shī)潮(2017年12期)2018-01-08 07:25:20
    鳥(niǎo)類(lèi)的叫聲
    早 晨
    文苑(2016年14期)2016-11-26 23:04:39
    加權(quán)空-譜與最近鄰分類(lèi)器相結(jié)合的高光譜圖像分類(lèi)
    国产成人一区二区在线| 国产黄色小视频在线观看| 日日摸夜夜添夜夜添av毛片| 日韩欧美精品免费久久| 亚州av有码| 男的添女的下面高潮视频| 联通29元200g的流量卡| 在现免费观看毛片| 久久人人爽人人爽人人片va| 波多野结衣高清无吗| 国产精品人妻久久久久久| 国产69精品久久久久777片| 国产精品一区www在线观看| 日韩成人av中文字幕在线观看| 99久久精品热视频| 欧美日韩综合久久久久久| 久久久久久久国产电影| 毛片女人毛片| 精品久久国产蜜桃| 婷婷色综合大香蕉| 国产午夜福利久久久久久| 国产午夜精品论理片| 精品99又大又爽又粗少妇毛片| 久久6这里有精品| 黑人高潮一二区| 精品人妻视频免费看| 午夜福利高清视频| 亚洲国产日韩欧美精品在线观看| 亚洲av电影不卡..在线观看| 免费看a级黄色片| 久久久久久久久中文| 99热6这里只有精品| 国产成人a∨麻豆精品| 草草在线视频免费看| 天堂中文最新版在线下载 | 亚洲综合精品二区| av又黄又爽大尺度在线免费看 | 久久精品国产自在天天线| 亚洲精品aⅴ在线观看| 中文亚洲av片在线观看爽| 国产高清三级在线| 老司机影院成人| 91久久精品国产一区二区三区| 成人三级黄色视频| 99久久九九国产精品国产免费| 国产乱人偷精品视频| 亚洲人与动物交配视频| 日韩成人av中文字幕在线观看| 七月丁香在线播放| 国产爱豆传媒在线观看| 亚洲经典国产精华液单| 免费观看精品视频网站| 亚洲av不卡在线观看| 日本欧美国产在线视频| 欧美性感艳星| 久久婷婷人人爽人人干人人爱| 亚洲精品乱码久久久久久按摩| 黄色配什么色好看| 亚洲最大成人中文| 久久精品熟女亚洲av麻豆精品 | 国产欧美另类精品又又久久亚洲欧美| 2021天堂中文幕一二区在线观| 成人亚洲欧美一区二区av| 青春草视频在线免费观看| 久久久久久久国产电影| 桃色一区二区三区在线观看| 性色avwww在线观看| 69人妻影院| 精品久久久久久久久av| 搡女人真爽免费视频火全软件| ponron亚洲| 免费无遮挡裸体视频| 国产伦在线观看视频一区| 在线播放国产精品三级| 麻豆av噜噜一区二区三区| 亚洲高清免费不卡视频| 国产黄a三级三级三级人| 日本wwww免费看| 蜜臀久久99精品久久宅男| 国产熟女欧美一区二区| 国产探花极品一区二区| 亚洲av成人精品一区久久| 真实男女啪啪啪动态图| 久久精品国产鲁丝片午夜精品| 欧美成人精品欧美一级黄| 建设人人有责人人尽责人人享有的 | 成人二区视频| 精品无人区乱码1区二区| 精品一区二区三区视频在线| 插阴视频在线观看视频| 亚洲一级一片aⅴ在线观看| 午夜福利在线在线| 内射极品少妇av片p| 麻豆一二三区av精品| 国产精品野战在线观看| 国产欧美日韩精品一区二区| 欧美一级a爱片免费观看看| 免费黄网站久久成人精品| 久久久久久久国产电影| 精品99又大又爽又粗少妇毛片| 国产v大片淫在线免费观看| 久久精品久久久久久久性| 午夜激情欧美在线| 欧美成人免费av一区二区三区| 午夜激情福利司机影院| 简卡轻食公司| 午夜福利视频1000在线观看| 视频中文字幕在线观看| 久久久精品94久久精品| 免费不卡的大黄色大毛片视频在线观看 | 久久精品国产鲁丝片午夜精品| 男人舔女人下体高潮全视频| 午夜福利在线观看免费完整高清在| 国内精品一区二区在线观看| 亚洲无线观看免费| 国产伦精品一区二区三区四那| 啦啦啦观看免费观看视频高清| 久久久久久久国产电影| 久久久久久久国产电影| 亚洲图色成人| 国产久久久一区二区三区| 国产精品嫩草影院av在线观看| 午夜免费激情av| 一二三四中文在线观看免费高清| 免费看美女性在线毛片视频| videossex国产| 插阴视频在线观看视频| 欧美zozozo另类| 在线观看美女被高潮喷水网站| АⅤ资源中文在线天堂| 亚洲精品成人久久久久久| 搡老妇女老女人老熟妇| 国产一区亚洲一区在线观看| 欧美+日韩+精品| 色综合色国产| 午夜久久久久精精品| 男人和女人高潮做爰伦理| 一级二级三级毛片免费看| 亚洲熟妇中文字幕五十中出| 五月伊人婷婷丁香| 日韩欧美 国产精品| www.av在线官网国产| 国产午夜精品论理片| 国产av一区在线观看免费| 国产91av在线免费观看| 亚洲人与动物交配视频| 性插视频无遮挡在线免费观看| 国产精品精品国产色婷婷| av免费在线看不卡| 日本与韩国留学比较| 三级国产精品欧美在线观看| 网址你懂的国产日韩在线| 欧美激情久久久久久爽电影| 日韩国内少妇激情av| 国产免费男女视频| 亚洲国产精品合色在线| 少妇熟女aⅴ在线视频| 国内精品一区二区在线观看| 国语自产精品视频在线第100页| 在线a可以看的网站| 精品不卡国产一区二区三区| 永久网站在线| 亚洲中文字幕日韩| 国产精品综合久久久久久久免费| 婷婷色麻豆天堂久久 | 美女cb高潮喷水在线观看| 成人性生交大片免费视频hd| 成人av在线播放网站| 午夜激情欧美在线| 午夜福利成人在线免费观看| 别揉我奶头 嗯啊视频| 观看免费一级毛片| 国产伦精品一区二区三区四那| 亚洲精华国产精华液的使用体验| 色5月婷婷丁香| 人妻制服诱惑在线中文字幕| 亚洲经典国产精华液单| 中文亚洲av片在线观看爽| 91久久精品电影网| 日韩精品青青久久久久久| eeuss影院久久| 欧美bdsm另类| 三级国产精品欧美在线观看| 国产伦理片在线播放av一区| 国产激情偷乱视频一区二区| 日韩在线高清观看一区二区三区| 国产免费男女视频| 国产69精品久久久久777片| 亚洲欧美日韩高清专用| 水蜜桃什么品种好| 亚洲国产成人一精品久久久| 午夜久久久久精精品| 亚洲av中文字字幕乱码综合| 国产精品不卡视频一区二区| 大香蕉久久网| 永久网站在线| 人人妻人人澡欧美一区二区| 菩萨蛮人人尽说江南好唐韦庄 | 一区二区三区免费毛片| 在线免费十八禁| 亚洲精品456在线播放app| 级片在线观看| 人人妻人人看人人澡| 午夜精品国产一区二区电影 | 内射极品少妇av片p| 黄色日韩在线| 在线天堂最新版资源| 波多野结衣高清无吗| 日韩制服骚丝袜av| 亚洲欧洲日产国产| 久久精品久久精品一区二区三区| 国模一区二区三区四区视频| 在线免费观看不下载黄p国产| 九九爱精品视频在线观看| 秋霞伦理黄片| 免费av不卡在线播放| 欧美精品一区二区大全| 3wmmmm亚洲av在线观看| 一级二级三级毛片免费看| 毛片女人毛片| 麻豆乱淫一区二区| 一卡2卡三卡四卡精品乱码亚洲| 99热这里只有是精品50| 国产成人午夜福利电影在线观看| 欧美激情久久久久久爽电影| 国产免费一级a男人的天堂| 日本与韩国留学比较| 国产私拍福利视频在线观看| 色哟哟·www| 日日摸夜夜添夜夜爱| 97热精品久久久久久| 亚洲av免费高清在线观看| 国产麻豆成人av免费视频| 欧美3d第一页| 国产 一区 欧美 日韩| 亚洲成av人片在线播放无| 国产精品国产高清国产av| 欧美三级亚洲精品| 神马国产精品三级电影在线观看| 少妇丰满av| 国产国拍精品亚洲av在线观看| 青青草视频在线视频观看| 一区二区三区乱码不卡18| 国产精品美女特级片免费视频播放器| 国产69精品久久久久777片| 99久久人妻综合| 免费人成在线观看视频色| 久久久久免费精品人妻一区二区| 三级男女做爰猛烈吃奶摸视频| 1000部很黄的大片| 久久国产乱子免费精品| 亚洲精品色激情综合| 激情 狠狠 欧美| 一区二区三区乱码不卡18| 99热这里只有是精品在线观看| av在线老鸭窝| 搞女人的毛片| 纵有疾风起免费观看全集完整版 | 亚洲三级黄色毛片| 两性午夜刺激爽爽歪歪视频在线观看| 精品一区二区三区人妻视频| 人人妻人人澡欧美一区二区| 国产精品国产三级国产av玫瑰| 欧美一区二区亚洲| 久久久色成人| 欧美成人免费av一区二区三区| 国产精品电影一区二区三区| 欧美最新免费一区二区三区| 蜜臀久久99精品久久宅男| 黑人高潮一二区| 六月丁香七月| 建设人人有责人人尽责人人享有的 | 91久久精品电影网| 在线观看一区二区三区| 久久久久久大精品| 好男人在线观看高清免费视频| 欧美成人精品欧美一级黄| 日韩视频在线欧美| 黄色日韩在线| 男人舔女人下体高潮全视频| 国产一区二区亚洲精品在线观看| 禁无遮挡网站| 九九爱精品视频在线观看| 人人妻人人看人人澡| 国产白丝娇喘喷水9色精品| 男人舔奶头视频| 亚洲精品色激情综合| 久久韩国三级中文字幕| 亚洲精品国产av成人精品| 久久99热6这里只有精品| 别揉我奶头 嗯啊视频| 免费av观看视频| 国产精品一区二区三区四区免费观看| 国产探花极品一区二区| 国产成人精品久久久久久| 只有这里有精品99| 国产老妇女一区| 在线天堂最新版资源| 色综合色国产| 午夜日本视频在线| 国产精品,欧美在线| 成人漫画全彩无遮挡| 99久久精品国产国产毛片| 99久久人妻综合| 欧美日韩国产亚洲二区| 欧美三级亚洲精品| 日本色播在线视频| 高清av免费在线| 一边摸一边抽搐一进一小说| 久久精品久久久久久久性| 午夜免费男女啪啪视频观看| 国产伦在线观看视频一区| 99视频精品全部免费 在线| 欧美日韩在线观看h| 高清日韩中文字幕在线| 国产亚洲最大av| 午夜老司机福利剧场| 亚洲精品456在线播放app| 大又大粗又爽又黄少妇毛片口| 亚洲成色77777| 亚洲第一区二区三区不卡| 国产乱人视频| 色综合亚洲欧美另类图片| 乱人视频在线观看| 男人和女人高潮做爰伦理| 99久久人妻综合| 中文资源天堂在线| 亚洲中文字幕一区二区三区有码在线看| 亚洲熟妇中文字幕五十中出| 国产精品久久久久久av不卡| 亚洲欧美一区二区三区国产| 级片在线观看| 黄色配什么色好看| 日本免费一区二区三区高清不卡| 亚洲av.av天堂| 两个人视频免费观看高清| 欧美xxxx性猛交bbbb| 99热这里只有是精品50| 内射极品少妇av片p| 精品人妻偷拍中文字幕| 少妇丰满av| 天美传媒精品一区二区| 国产单亲对白刺激| av在线亚洲专区| 久久精品人妻少妇| 国产精品三级大全| 国产真实乱freesex| 高清毛片免费看| 亚洲经典国产精华液单| 国产一区二区在线观看日韩| 国产高清国产精品国产三级 | 免费搜索国产男女视频| 国产一级毛片在线| 欧美人与善性xxx| 日本色播在线视频| 最近中文字幕高清免费大全6| 非洲黑人性xxxx精品又粗又长| 欧美潮喷喷水| 成人毛片60女人毛片免费| 精品午夜福利在线看| 国产亚洲av嫩草精品影院| 高清在线视频一区二区三区 | 国内少妇人妻偷人精品xxx网站| 亚洲精品乱久久久久久| 亚洲综合精品二区| 99久久成人亚洲精品观看| 国产精品1区2区在线观看.| 免费看a级黄色片| 99九九线精品视频在线观看视频| 青春草国产在线视频| 少妇的逼水好多| 亚洲精品乱码久久久久久按摩| 国产精品日韩av在线免费观看| 大香蕉97超碰在线| 好男人视频免费观看在线| 精品国产三级普通话版| 看十八女毛片水多多多| 国产在线一区二区三区精 | 国产一区二区在线av高清观看| 嫩草影院精品99| 在线免费十八禁| 老师上课跳d突然被开到最大视频| 亚洲电影在线观看av| 亚洲国产欧美在线一区| 亚洲欧美日韩高清专用| 久久精品熟女亚洲av麻豆精品 | 久久久久久久国产电影| 国产成人freesex在线| 久久久午夜欧美精品| 亚洲最大成人av| 韩国高清视频一区二区三区| 熟妇人妻久久中文字幕3abv| 国产精品福利在线免费观看| 精品久久久久久久久av| 亚洲人与动物交配视频| 天堂av国产一区二区熟女人妻| 91午夜精品亚洲一区二区三区| 丰满乱子伦码专区| 国产亚洲一区二区精品| 精品少妇黑人巨大在线播放 | 精品无人区乱码1区二区| 熟妇人妻久久中文字幕3abv| 午夜日本视频在线| 99九九线精品视频在线观看视频| 啦啦啦啦在线视频资源| 九草在线视频观看| 午夜福利在线在线| 嫩草影院精品99| 桃色一区二区三区在线观看| 尾随美女入室| 国产亚洲5aaaaa淫片| 一夜夜www| 亚洲天堂国产精品一区在线| 成年女人看的毛片在线观看| 男女国产视频网站| 国产v大片淫在线免费观看| 少妇高潮的动态图| 国产一区二区在线观看日韩| 男插女下体视频免费在线播放| 欧美潮喷喷水| 国产午夜精品久久久久久一区二区三区| 一个人免费在线观看电影| 国产av一区在线观看免费| 熟女电影av网| 国产精品国产三级国产av玫瑰| 国产亚洲精品久久久com| 天堂av国产一区二区熟女人妻| 亚洲真实伦在线观看| 美女xxoo啪啪120秒动态图| 日本黄色视频三级网站网址| 3wmmmm亚洲av在线观看| 一个人免费在线观看电影| 成年av动漫网址| 色综合色国产| 精品午夜福利在线看| 久久精品夜色国产| 国产伦一二天堂av在线观看| 97人妻精品一区二区三区麻豆| 国产高清有码在线观看视频| 久久久久久久久久久丰满| 中文天堂在线官网| 一个人免费在线观看电影| 亚洲国产精品国产精品| 国产女主播在线喷水免费视频网站 | 国产真实乱freesex| 中文字幕亚洲精品专区| 国产伦理片在线播放av一区| 亚洲欧美日韩无卡精品| 91精品伊人久久大香线蕉| 国产成人精品一,二区| 国产极品天堂在线| av视频在线观看入口| 99热这里只有是精品50| 日本五十路高清| 国产免费视频播放在线视频 | 午夜精品国产一区二区电影 | 国产精品无大码| 一区二区三区免费毛片| 日韩一区二区视频免费看| 97人妻精品一区二区三区麻豆| 亚洲综合精品二区| 成人欧美大片| 日日啪夜夜撸| 一二三四中文在线观看免费高清| 国产综合懂色| 精品人妻偷拍中文字幕| av视频在线观看入口| 精品国内亚洲2022精品成人| 日本色播在线视频| 男插女下体视频免费在线播放| 国产精品麻豆人妻色哟哟久久 | 亚洲中文字幕日韩| 舔av片在线| 亚洲国产精品国产精品| 麻豆久久精品国产亚洲av| 亚洲精品国产成人久久av| 久久精品国产亚洲av天美| 久久鲁丝午夜福利片| 2021天堂中文幕一二区在线观| 男插女下体视频免费在线播放| 高清视频免费观看一区二区 | 3wmmmm亚洲av在线观看| 亚洲欧美日韩高清专用| 伊人久久精品亚洲午夜| 国产亚洲91精品色在线| 亚洲国产成人一精品久久久| 欧美一区二区精品小视频在线| 日日摸夜夜添夜夜爱| 看黄色毛片网站| 国产精品一及| 国产精品久久久久久久久免| 永久免费av网站大全| 天天躁日日操中文字幕| 日韩成人伦理影院| 国产av不卡久久| 99久久人妻综合| 国产精品国产三级专区第一集| 99久久精品国产国产毛片| 大香蕉久久网| 中国国产av一级| 国产一区有黄有色的免费视频 | 18+在线观看网站| 日韩大片免费观看网站 | 欧美变态另类bdsm刘玥| 亚洲综合色惰| 午夜福利成人在线免费观看| 2022亚洲国产成人精品| 美女cb高潮喷水在线观看| 伊人久久精品亚洲午夜| 麻豆国产97在线/欧美| 久久久a久久爽久久v久久| 最新中文字幕久久久久| 日韩一区二区三区影片| 欧美日韩一区二区视频在线观看视频在线 | 精品久久久久久电影网 | 天堂中文最新版在线下载 | 男人狂女人下面高潮的视频| 麻豆久久精品国产亚洲av| 久久午夜福利片| 免费看光身美女| 亚洲av电影在线观看一区二区三区 | 国产成人freesex在线| 亚洲国产欧美在线一区| 别揉我奶头 嗯啊视频| 久久国产乱子免费精品| 国产精品美女特级片免费视频播放器| 小说图片视频综合网站| or卡值多少钱| 成人一区二区视频在线观看| 久久久久久久久大av| 如何舔出高潮| 日韩人妻高清精品专区| 国产免费视频播放在线视频 | 欧美成人一区二区免费高清观看| 国产在视频线在精品| 国产成人精品久久久久久| av在线天堂中文字幕| 中文字幕亚洲精品专区| 国产老妇女一区| 一级毛片电影观看 | 建设人人有责人人尽责人人享有的 | 免费观看a级毛片全部| 亚洲综合精品二区| 天堂av国产一区二区熟女人妻| 自拍偷自拍亚洲精品老妇| 卡戴珊不雅视频在线播放| 亚洲人成网站高清观看| 午夜福利在线在线| 国产精品久久久久久av不卡| 午夜精品一区二区三区免费看| 久久久午夜欧美精品| 亚洲婷婷狠狠爱综合网| 一级毛片aaaaaa免费看小| 哪个播放器可以免费观看大片| 18禁裸乳无遮挡免费网站照片| 精品国内亚洲2022精品成人| 91aial.com中文字幕在线观看| 丰满少妇做爰视频| 夫妻性生交免费视频一级片| 久久韩国三级中文字幕| 久久久久久久久久久免费av| 卡戴珊不雅视频在线播放| 亚洲最大成人中文| 国产黄色小视频在线观看| 天天一区二区日本电影三级| 偷拍熟女少妇极品色| 小蜜桃在线观看免费完整版高清| av又黄又爽大尺度在线免费看 | 免费av不卡在线播放| 男女视频在线观看网站免费| 欧美不卡视频在线免费观看| 一二三四中文在线观看免费高清| 成人高潮视频无遮挡免费网站| 一夜夜www| 亚洲在久久综合| 久久99热这里只频精品6学生 | 亚洲国产精品sss在线观看| 国产一级毛片在线| 日韩中字成人| 99热这里只有精品一区| 色噜噜av男人的天堂激情| 精品99又大又爽又粗少妇毛片| 少妇丰满av| 日本三级黄在线观看| 日韩制服骚丝袜av| 国产大屁股一区二区在线视频| 国产精品,欧美在线| 亚洲av成人精品一区久久| 又粗又硬又长又爽又黄的视频| 成人一区二区视频在线观看| 男女边吃奶边做爰视频| 赤兔流量卡办理| 中国国产av一级| 亚洲最大成人中文| 日韩av在线大香蕉| 夫妻性生交免费视频一级片| 性色avwww在线观看| 免费观看在线日韩| 麻豆成人午夜福利视频| 国产精品一区二区性色av| 在线免费十八禁| 男女啪啪激烈高潮av片| 免费在线观看成人毛片| 亚洲成人精品中文字幕电影| 国产一级毛片在线| 日韩精品有码人妻一区| 亚洲国产精品国产精品| 色吧在线观看| 夜夜爽夜夜爽视频| 国国产精品蜜臀av免费| 国产午夜精品一二区理论片| or卡值多少钱| 麻豆成人av视频| 日日摸夜夜添夜夜爱| 欧美最新免费一区二区三区|