• <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)
    欧美绝顶高潮抽搐喷水| 99热只有精品国产| 男女下面进入的视频免费午夜 | 男人舔奶头视频| 99久久久亚洲精品蜜臀av| 激情在线观看视频在线高清| 麻豆一二三区av精品| 窝窝影院91人妻| 国产成人av激情在线播放| 国产aⅴ精品一区二区三区波| 国内精品久久久久久久电影| 无人区码免费观看不卡| 成年免费大片在线观看| 久久这里只有精品19| 国产成人一区二区三区免费视频网站| 国产区一区二久久| 亚洲欧美激情综合另类| 丝袜人妻中文字幕| 国产精品久久久久久人妻精品电影| 免费女性裸体啪啪无遮挡网站| 听说在线观看完整版免费高清| 女生性感内裤真人,穿戴方法视频| 俄罗斯特黄特色一大片| 久久精品国产亚洲av高清一级| 中亚洲国语对白在线视频| 久久精品91无色码中文字幕| 桃红色精品国产亚洲av| 99在线视频只有这里精品首页| 中文字幕人妻熟女乱码| 美女 人体艺术 gogo| 首页视频小说图片口味搜索| 亚洲第一欧美日韩一区二区三区| 久久久久国产一级毛片高清牌| 欧美国产日韩亚洲一区| 亚洲欧洲精品一区二区精品久久久| 精品第一国产精品| 久久青草综合色| 色综合婷婷激情| 老熟妇乱子伦视频在线观看| 侵犯人妻中文字幕一二三四区| 亚洲成人免费电影在线观看| 12—13女人毛片做爰片一| 成人国产一区最新在线观看| 国产av又大| 中亚洲国语对白在线视频| 桃红色精品国产亚洲av| 国产日本99.免费观看| 特大巨黑吊av在线直播 | 欧美av亚洲av综合av国产av| 久久婷婷人人爽人人干人人爱| 国产91精品成人一区二区三区| 国产精品久久久久久精品电影 | 国产99久久九九免费精品| 亚洲av成人一区二区三| 国产伦一二天堂av在线观看| 亚洲一区中文字幕在线| 久久婷婷成人综合色麻豆| 午夜福利在线在线| 午夜福利欧美成人| 国产精品一区二区三区四区久久 | 午夜福利视频1000在线观看| 男人操女人黄网站| 99热6这里只有精品| 99热6这里只有精品| 美女扒开内裤让男人捅视频| 国内精品久久久久精免费| 欧美最黄视频在线播放免费| 无限看片的www在线观看| 免费无遮挡裸体视频| 亚洲五月色婷婷综合| 国产高清视频在线播放一区| 成人国产一区最新在线观看| 18禁黄网站禁片免费观看直播| 国产精品免费一区二区三区在线| 成人亚洲精品一区在线观看| 中文字幕另类日韩欧美亚洲嫩草| 啪啪无遮挡十八禁网站| 欧美成狂野欧美在线观看| 欧美激情久久久久久爽电影| 国产亚洲精品久久久久久毛片| 夜夜看夜夜爽夜夜摸| 亚洲全国av大片| 波多野结衣av一区二区av| 一a级毛片在线观看| 日韩三级视频一区二区三区| 听说在线观看完整版免费高清| 亚洲一码二码三码区别大吗| 午夜福利在线观看吧| 欧美日韩一级在线毛片| 99久久综合精品五月天人人| 久久热在线av| 国产精品亚洲美女久久久| 亚洲av五月六月丁香网| 日本黄色视频三级网站网址| 午夜视频精品福利| 亚洲国产毛片av蜜桃av| av在线播放免费不卡| 亚洲av成人av| 国产精品爽爽va在线观看网站 | 成人国语在线视频| 美女扒开内裤让男人捅视频| 免费观看精品视频网站| 国产亚洲精品一区二区www| 亚洲人成网站在线播放欧美日韩| 一进一出抽搐gif免费好疼| 亚洲国产看品久久| 午夜福利一区二区在线看| 国产91精品成人一区二区三区| 亚洲精品美女久久av网站| 免费女性裸体啪啪无遮挡网站| 后天国语完整版免费观看| 女人被狂操c到高潮| 久久青草综合色| 国产精品乱码一区二三区的特点| 日韩欧美 国产精品| 男女做爰动态图高潮gif福利片| 国产黄a三级三级三级人| 久久久久久久精品吃奶| 中文字幕人妻熟女乱码| 日韩欧美在线二视频| 午夜日韩欧美国产| 女同久久另类99精品国产91| 亚洲美女黄片视频| 免费高清视频大片| 免费看美女性在线毛片视频| 在线观看免费午夜福利视频| 色尼玛亚洲综合影院| 好看av亚洲va欧美ⅴa在| 国产99白浆流出| www日本黄色视频网| 国产欧美日韩精品亚洲av| 亚洲黑人精品在线| 国产成人av教育| 91老司机精品| 手机成人av网站| 久久欧美精品欧美久久欧美| 丰满的人妻完整版| 叶爱在线成人免费视频播放| 男人的好看免费观看在线视频 | 久久久久国产一级毛片高清牌| 丁香六月欧美| 成人特级黄色片久久久久久久| 在线视频色国产色| 久久精品影院6| 麻豆av在线久日| 久久久久国产一级毛片高清牌| 精品久久久久久久人妻蜜臀av| 又紧又爽又黄一区二区| 日本五十路高清| 19禁男女啪啪无遮挡网站| 女生性感内裤真人,穿戴方法视频| 久久亚洲真实| 性欧美人与动物交配| 精品一区二区三区av网在线观看| 757午夜福利合集在线观看| 自线自在国产av| 亚洲精品色激情综合| 日日干狠狠操夜夜爽| 无人区码免费观看不卡| 国产精品一区二区免费欧美| 特大巨黑吊av在线直播 | 一级片免费观看大全| 欧美一区二区精品小视频在线| 国产一区二区激情短视频| 亚洲欧美精品综合久久99| 两个人免费观看高清视频| 国产精品综合久久久久久久免费| 一边摸一边做爽爽视频免费| 亚洲一区二区三区色噜噜| 精品国产一区二区三区四区第35| 淫秽高清视频在线观看| 午夜精品在线福利| 亚洲欧洲精品一区二区精品久久久| 欧美日韩瑟瑟在线播放| 欧美又色又爽又黄视频| 国产欧美日韩精品亚洲av| 免费看十八禁软件| 久久久国产成人精品二区| 可以在线观看毛片的网站| 日本成人三级电影网站| 无遮挡黄片免费观看| 国产一区二区激情短视频| 在线观看免费日韩欧美大片| 午夜久久久久精精品| 亚洲色图av天堂| 一a级毛片在线观看| 俄罗斯特黄特色一大片| 日本撒尿小便嘘嘘汇集6| 国产激情偷乱视频一区二区| 一区二区三区激情视频| 国产又色又爽无遮挡免费看| 午夜福利免费观看在线| 久久午夜亚洲精品久久| 制服人妻中文乱码| 老熟妇乱子伦视频在线观看| 波多野结衣av一区二区av| 欧美性猛交黑人性爽| 最近在线观看免费完整版| 午夜久久久久精精品| 免费无遮挡裸体视频| 在线视频色国产色| 日韩视频一区二区在线观看| 国产极品粉嫩免费观看在线| 夜夜躁狠狠躁天天躁| 夜夜看夜夜爽夜夜摸| av欧美777| 一夜夜www| 久久久国产成人精品二区| 香蕉久久夜色| 男人舔奶头视频| 国产精品日韩av在线免费观看| 亚洲成av人片免费观看| 成人亚洲精品av一区二区| 日韩国内少妇激情av| 午夜免费成人在线视频| 国产一区二区在线av高清观看| 又大又爽又粗| 亚洲欧洲精品一区二区精品久久久| 777久久人妻少妇嫩草av网站| 国产精品久久久av美女十八| 一个人免费在线观看的高清视频| 制服丝袜大香蕉在线| 欧美人与性动交α欧美精品济南到| 国产又黄又爽又无遮挡在线| 国产精品乱码一区二三区的特点| 亚洲自拍偷在线| 琪琪午夜伦伦电影理论片6080| 日本一区二区免费在线视频| 人妻丰满熟妇av一区二区三区| 老汉色∧v一级毛片| 久久久久久久久久黄片| 亚洲成av人片免费观看| 91大片在线观看| 亚洲精品一卡2卡三卡4卡5卡| 一级a爱片免费观看的视频| 欧美激情高清一区二区三区| 夜夜夜夜夜久久久久| 亚洲国产欧美网| 国产av在哪里看| 嫩草影院精品99| 国产极品粉嫩免费观看在线| 国产99久久九九免费精品| 亚洲午夜精品一区,二区,三区| 午夜影院日韩av| 露出奶头的视频| 国产精品美女特级片免费视频播放器 | 午夜福利成人在线免费观看| 无限看片的www在线观看| 午夜影院日韩av| 日韩欧美免费精品| 国产亚洲欧美98| 国产熟女xx| 日韩成人在线观看一区二区三区| 成在线人永久免费视频| av福利片在线| 淫妇啪啪啪对白视频| 亚洲一区二区三区色噜噜| www.999成人在线观看| 国产色视频综合| 久久精品国产99精品国产亚洲性色| 女性被躁到高潮视频| 色在线成人网| 51午夜福利影视在线观看| 国产精品亚洲av一区麻豆| 欧美不卡视频在线免费观看 | 日本精品一区二区三区蜜桃| АⅤ资源中文在线天堂| 成人手机av| 精品久久久久久久久久免费视频| 日韩欧美 国产精品| 国产伦人伦偷精品视频| 国产激情久久老熟女| 女同久久另类99精品国产91| 深夜精品福利| 免费在线观看黄色视频的| 国产亚洲精品综合一区在线观看 | 亚洲国产毛片av蜜桃av| 欧美日韩中文字幕国产精品一区二区三区| 亚洲成人国产一区在线观看| 国产黄色小视频在线观看| 欧美中文综合在线视频| 欧美成人午夜精品| 亚洲精品美女久久av网站| 99热6这里只有精品| 国产免费男女视频| 美女午夜性视频免费| 麻豆av在线久日| 亚洲在线自拍视频| 日韩欧美 国产精品| 亚洲人成77777在线视频| 亚洲免费av在线视频| 搞女人的毛片| 国产一卡二卡三卡精品| 欧美人与性动交α欧美精品济南到| 色播在线永久视频| 最好的美女福利视频网| 日韩av在线大香蕉| 正在播放国产对白刺激| 亚洲中文字幕一区二区三区有码在线看 | 高清毛片免费观看视频网站| 最新美女视频免费是黄的| 999久久久精品免费观看国产| 国产三级黄色录像| 久久这里只有精品19| 欧美性长视频在线观看| 一区二区日韩欧美中文字幕| 桃红色精品国产亚洲av| 黄片播放在线免费| 一进一出抽搐gif免费好疼| 视频区欧美日本亚洲| e午夜精品久久久久久久| 成人国产综合亚洲| 91麻豆精品激情在线观看国产| 国产精品久久视频播放| 亚洲av电影不卡..在线观看| 久久香蕉精品热| 亚洲精品美女久久av网站| 免费在线观看成人毛片| 激情在线观看视频在线高清| 亚洲av成人av| 99热6这里只有精品| 又黄又爽又免费观看的视频| 香蕉av资源在线| 国产成人一区二区三区免费视频网站| 国产成+人综合+亚洲专区| 日韩精品免费视频一区二区三区| 亚洲五月婷婷丁香| 91九色精品人成在线观看| 色综合亚洲欧美另类图片| 免费在线观看黄色视频的| 又黄又粗又硬又大视频| 日韩欧美一区二区三区在线观看| 别揉我奶头~嗯~啊~动态视频| 国产伦在线观看视频一区| 宅男免费午夜| bbb黄色大片| 亚洲国产精品合色在线| 1024香蕉在线观看| 精品熟女少妇八av免费久了| 女性被躁到高潮视频| 国产精品一区二区三区四区久久 | 成人一区二区视频在线观看| 国产av在哪里看| 18美女黄网站色大片免费观看| 欧美久久黑人一区二区| 久久精品人妻少妇| 久久久久久久精品吃奶| 高潮久久久久久久久久久不卡| 不卡一级毛片| 淫秽高清视频在线观看| 十分钟在线观看高清视频www| 一边摸一边做爽爽视频免费| 国产亚洲欧美在线一区二区| 久久精品国产99精品国产亚洲性色| 黄网站色视频无遮挡免费观看| 久久久久久大精品| 中出人妻视频一区二区| 午夜视频精品福利| 51午夜福利影视在线观看| 级片在线观看| 最好的美女福利视频网| 1024视频免费在线观看| 窝窝影院91人妻| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲性夜色夜夜综合| 正在播放国产对白刺激| 波多野结衣高清无吗| 色播亚洲综合网| 99国产精品99久久久久| 日韩精品免费视频一区二区三区| 欧美乱妇无乱码| 91九色精品人成在线观看| 欧美激情 高清一区二区三区| 成年免费大片在线观看| 亚洲五月色婷婷综合| 免费高清在线观看日韩| 在线播放国产精品三级| 97碰自拍视频| www.www免费av| 亚洲午夜理论影院| 他把我摸到了高潮在线观看| 亚洲人成伊人成综合网2020| 国产精品1区2区在线观看.| 亚洲狠狠婷婷综合久久图片| 欧美zozozo另类| 欧美中文日本在线观看视频| 黄网站色视频无遮挡免费观看| 久久中文字幕一级| 成人18禁高潮啪啪吃奶动态图| 男女午夜视频在线观看| 一区二区三区精品91| 中文资源天堂在线| 久热这里只有精品99| 国内精品久久久久久久电影| 亚洲欧美精品综合一区二区三区| 久久久水蜜桃国产精品网| 免费在线观看成人毛片| 精品福利观看| 琪琪午夜伦伦电影理论片6080| 亚洲精品国产一区二区精华液| 自线自在国产av| 99国产精品一区二区蜜桃av| 亚洲国产精品sss在线观看| 亚洲欧美一区二区三区黑人| 天堂影院成人在线观看| 日本五十路高清| 久久久久国内视频| 午夜日韩欧美国产| 黄色女人牲交| 日本一区二区免费在线视频| 午夜激情av网站| or卡值多少钱| 亚洲av电影不卡..在线观看| 夜夜看夜夜爽夜夜摸| 国产久久久一区二区三区| 小蜜桃在线观看免费完整版高清| 久久亚洲精品不卡| 能在线免费观看的黄片| 日韩精品中文字幕看吧| 狂野欧美激情性xxxx在线观看| 蜜桃久久精品国产亚洲av| 97碰自拍视频| 男人的好看免费观看在线视频| 久久久久久久久久成人| 亚洲熟妇中文字幕五十中出| 一卡2卡三卡四卡精品乱码亚洲| 日韩欧美 国产精品| 欧美成人a在线观看| 赤兔流量卡办理| 91麻豆精品激情在线观看国产| 97超级碰碰碰精品色视频在线观看| 亚洲成人av在线免费| 激情 狠狠 欧美| 啦啦啦韩国在线观看视频| 国产高清激情床上av| 国产亚洲欧美98| 亚洲中文字幕日韩| 精品免费久久久久久久清纯| 国产伦精品一区二区三区四那| 国产成人91sexporn| 免费在线观看成人毛片| 精品一区二区三区视频在线观看免费| 69av精品久久久久久| av在线亚洲专区| 国产成人福利小说| 国产大屁股一区二区在线视频| 午夜福利18| 久久久色成人| 黄色日韩在线| 国产精品女同一区二区软件| 国产精品电影一区二区三区| 丰满人妻一区二区三区视频av| 欧美3d第一页| 国产乱人视频| 99久国产av精品国产电影| 国产精品一区二区三区四区免费观看 | av在线播放精品| 免费av观看视频| 此物有八面人人有两片| 好男人在线观看高清免费视频| .国产精品久久| 国产黄色小视频在线观看| 亚洲av中文字字幕乱码综合| 日韩欧美三级三区| 亚洲国产精品国产精品| av中文乱码字幕在线| 国产成人aa在线观看| 在线观看免费视频日本深夜| av视频在线观看入口| 久久久久久久久久成人| 丰满乱子伦码专区| 国产欧美日韩精品一区二区| 亚洲一级一片aⅴ在线观看| 午夜福利成人在线免费观看| 日产精品乱码卡一卡2卡三| 熟女人妻精品中文字幕| 色哟哟哟哟哟哟| 最后的刺客免费高清国语| 亚洲av二区三区四区| 日日摸夜夜添夜夜爱| 97超碰精品成人国产| 成年女人永久免费观看视频| 美女被艹到高潮喷水动态| 黑人高潮一二区| 男女那种视频在线观看| 日韩欧美精品v在线| 秋霞在线观看毛片| 久久精品人妻少妇| 禁无遮挡网站| 中文亚洲av片在线观看爽| 一区二区三区免费毛片| 少妇熟女aⅴ在线视频| or卡值多少钱| 美女被艹到高潮喷水动态| 五月玫瑰六月丁香| 最近最新中文字幕大全电影3| 一a级毛片在线观看| 国产视频内射| av在线观看视频网站免费| 国产人妻一区二区三区在| 永久网站在线| 午夜福利视频1000在线观看| 成人亚洲欧美一区二区av| 中国美女看黄片| 国产精品1区2区在线观看.| 性插视频无遮挡在线免费观看| 日韩,欧美,国产一区二区三区 | 国内精品一区二区在线观看| 亚洲av一区综合| 亚洲国产日韩欧美精品在线观看| a级毛片免费高清观看在线播放| 久久精品国产鲁丝片午夜精品| 黄片wwwwww| 一卡2卡三卡四卡精品乱码亚洲| 人人妻人人澡欧美一区二区| 狂野欧美白嫩少妇大欣赏| 91午夜精品亚洲一区二区三区| 热99re8久久精品国产| 国产爱豆传媒在线观看| 欧美色视频一区免费| av在线蜜桃| av女优亚洲男人天堂| 精品一区二区三区人妻视频| 午夜精品在线福利| 日韩欧美 国产精品| 狂野欧美白嫩少妇大欣赏| 又粗又爽又猛毛片免费看| 最近的中文字幕免费完整| 又粗又爽又猛毛片免费看| 熟女人妻精品中文字幕| 日韩av不卡免费在线播放| 国产成人aa在线观看| 国产三级中文精品| 99热6这里只有精品| 国产精品久久久久久亚洲av鲁大| 狂野欧美白嫩少妇大欣赏| 午夜福利在线在线| 国产视频内射| 亚洲美女黄片视频| 美女 人体艺术 gogo| 久久热精品热| 国产日本99.免费观看| 97碰自拍视频| 国产亚洲欧美98| 亚洲精品日韩av片在线观看| 精品99又大又爽又粗少妇毛片| 热99在线观看视频| 又爽又黄a免费视频| 日韩制服骚丝袜av| 天堂影院成人在线观看| 免费不卡的大黄色大毛片视频在线观看 | 97超级碰碰碰精品色视频在线观看| 午夜影院日韩av| 亚洲精品456在线播放app| 18禁黄网站禁片免费观看直播| 看非洲黑人一级黄片| 桃色一区二区三区在线观看| 2021天堂中文幕一二区在线观| 免费看av在线观看网站| 婷婷色综合大香蕉| 午夜精品国产一区二区电影 | 日韩亚洲欧美综合| 三级国产精品欧美在线观看| 熟女人妻精品中文字幕| 日韩精品青青久久久久久| 中文字幕精品亚洲无线码一区| 91午夜精品亚洲一区二区三区| aaaaa片日本免费| 亚洲成人精品中文字幕电影| 如何舔出高潮| 精品久久久久久久久亚洲| 国产精品永久免费网站| 免费电影在线观看免费观看| 日韩大尺度精品在线看网址| 九色成人免费人妻av| 国产在线男女| 久久综合国产亚洲精品| 两性午夜刺激爽爽歪歪视频在线观看| 国产高清有码在线观看视频| 色综合色国产| 性色avwww在线观看| 色哟哟哟哟哟哟| 51国产日韩欧美| 国产精品福利在线免费观看| 亚洲欧美精品综合久久99| 男女做爰动态图高潮gif福利片| 亚洲图色成人| 97超视频在线观看视频| 国产欧美日韩精品一区二区| 噜噜噜噜噜久久久久久91| 内射极品少妇av片p| videossex国产| 国内精品美女久久久久久| 99热全是精品| 成人三级黄色视频| 别揉我奶头 嗯啊视频| 亚洲av成人av| 91狼人影院| 一区二区三区免费毛片| 在线天堂最新版资源| 久久久国产成人免费| 国产av在哪里看| 国产91av在线免费观看| 久久久久久久久大av| 欧美潮喷喷水| 成人漫画全彩无遮挡| 成年版毛片免费区| 亚洲av免费高清在线观看| 午夜福利在线在线| 欧美成人免费av一区二区三区| 成人国产麻豆网| 亚洲人成网站高清观看| 综合色av麻豆| 成人高潮视频无遮挡免费网站| 日本一二三区视频观看|