• <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CNN和SVM的疲勞駕駛閉眼特征實(shí)時(shí)檢測(cè)①

    2021-06-28 06:27:48王俊杰汪洋堃張士文郁曉冬
    關(guān)鍵詞:像素點(diǎn)直方圖眼部

    王俊杰,汪洋堃,張 峰,張士文,戴 毅,郁曉冬

    (上海交通大學(xué) 電子信息與電氣工程學(xué)院,上海 200240)

    近年來(lái),疲勞駕駛導(dǎo)致的交通事故比例高居不下[1],疲勞駕駛行為給道路行駛造成安全隱患,嚴(yán)重危害到人們的生命和財(cái)產(chǎn)安全.及時(shí)準(zhǔn)確的檢測(cè)疲勞駕駛行為并提出告警,對(duì)維護(hù)道路安全有著重要意義.

    現(xiàn)有的疲勞駕駛檢測(cè)方法,從數(shù)據(jù)信息的獲取方式上來(lái)看主要分為3 大類:

    第一,基于駕駛員生理信息分析的檢測(cè)方法,常用的生理信息有EOG 眼電圖[2,3]和EEG 腦電圖[4–7].基于準(zhǔn)確的生理信號(hào)信息使得這類方法判斷精確,但因需要被測(cè)人員佩戴特殊設(shè)備限制了其推廣和應(yīng)用.

    第二,基于機(jī)械傳感器信號(hào)分析的檢測(cè)方法,如在汽車方向盤、踏板等位置安裝相應(yīng)的傳感器,通過(guò)所得方向盤加速度[8,9]、踏板壓力[10]、車輛速度[11]等信息分析駕駛員的疲勞狀態(tài).該類方法相比第一類方法,信息獲取更便捷,但其判斷效果易受駕駛員個(gè)人習(xí)慣、道路狀態(tài)等因素影響,且給出的判斷是疲勞駕駛的綜合結(jié)果,如反應(yīng)遲緩、操作不當(dāng)?shù)?不能判斷出具體的疲勞行為.

    第三,基于機(jī)器視覺(jué)圖像信息分析的檢測(cè)方法,利用攝像頭獲取駕駛員圖像,進(jìn)而分析判斷其疲勞與否.文獻(xiàn)[12]提出了一種先驗(yàn)的增強(qiáng)模型皮膚圖像直方圖作為特征描述符,并使用K 最近鄰算法對(duì)其分類,檢測(cè)睡覺(jué)行為.文獻(xiàn)[13]使用方向梯度直方圖和回歸樹集合獲取人臉關(guān)鍵點(diǎn)后,融合眼部特征和嘴部特征實(shí)現(xiàn)疲勞檢測(cè).文獻(xiàn)[14]使用AdaBoost 算法定位眼部,使用圖像形態(tài)學(xué)等圖像處理方法獲取人眼高度,判斷眼睛是否閉合.相比前兩類方法,該類方法的圖像數(shù)據(jù)信息獲取便捷,且駕駛員面部信息比反映車輛狀態(tài)的機(jī)械傳感器信息更能直接反應(yīng)駕駛員的疲勞情況.

    閉眼是疲勞駕駛的一個(gè)重要表征,在閉眼檢測(cè)時(shí),虹膜、瞳孔、眼白、上下眼皮間距等是眼部檢測(cè)的關(guān)鍵區(qū)域.有研究者提出基于像素值分析的閉眼檢測(cè)方法,如依據(jù)眼部圖像中虹膜與其余部分像素值的差別,對(duì)眼部圖像中的像素點(diǎn)進(jìn)行分類,并計(jì)算圖中分類為虹膜的像素點(diǎn)個(gè)數(shù),若超過(guò)設(shè)定的閾值,則認(rèn)為檢測(cè)到了虹膜,圖像為睜眼.但該種基于像素值分析的檢測(cè)方法對(duì)光照條件敏感,在光線不足,鏡片反光,人眼較小的情況,由于較難準(zhǔn)確分離出眼部對(duì)應(yīng)區(qū)域,進(jìn)而產(chǎn)生誤判.如圖1所示,給出了4 人在不同環(huán)境下的眼部圖像,其中,第1 行是一般大小的眼睛在光線良好情況下的圖片(下簡(jiǎn)稱這類情況為參考情況),此類圖片較易于狀態(tài)辨識(shí);第2 行是光照不足時(shí)的人眼圖像,此時(shí)虹膜與其余部分像素值相差不大,基于像素值分析易將背景像素點(diǎn)分為虹膜,則閉眼圖像會(huì)被誤判為睜眼;第3 行是鏡片反光時(shí)的眼部圖像,此類圖像中,鏡片反射的光線會(huì)影響圖片中虹膜的顏色,可能導(dǎo)致虹膜部分檢測(cè)不出,此外,反射光線產(chǎn)生的光斑與其余部分有明顯差別,故可能被分類為虹膜,即鏡片反光情況時(shí),閉眼和睜眼都可能發(fā)生誤判;第4 行是人眼較小時(shí)的情況,此類情況下,可能因虹膜占據(jù)的像素點(diǎn)數(shù)不足設(shè)定的閾值而將睜眼圖像誤判為閉眼.

    圖1 閉眼檢測(cè)難點(diǎn)展示

    對(duì)于利用上下眼皮間的距離或眼睛的縱橫比與既定閾值比較來(lái)判斷是否存在閉眼的做法,主要的不足在于不同人上下眼皮距離和縱橫比可能差別較大,無(wú)法設(shè)定一個(gè)準(zhǔn)確的閾值適用于所有人.而記錄連續(xù)多幀圖片中上下眼皮距離或眼部縱橫比,分析其變化來(lái)判斷是否閉眼的做法不適用于僅有單張圖片的應(yīng)用情況和可能的持續(xù)閉眼情況.

    本文對(duì)駕駛員圖像信息展開研究分析,針對(duì)現(xiàn)有此類方法易受外界環(huán)境差異(如光照強(qiáng)度和背景等)和受測(cè)者外貌特征差異(眼睛大小等)影響,泛化能力不足,存在方法計(jì)算量大、處理過(guò)程耗時(shí)、缺乏實(shí)時(shí)應(yīng)用驗(yàn)證等問(wèn)題,本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)和支持向量機(jī)(Support Vector Machine,SVM)的疲勞駕駛閉眼特征檢測(cè)方法,使用CNN 獲取人臉相關(guān)特征點(diǎn)的位置并定位眼部感興趣區(qū)域(Region Of Interest,ROI),以灰度化和直方圖均衡化操作減弱光照差異影響,提取ROI 的方向梯度直方圖 (Histogram of Oriented Gradient,HOG)[15],并用SVM對(duì)HOG 進(jìn)行分類,相應(yīng)的判斷出原始圖像是否存在閉眼.此外,本文給出了所提方法在ARM 平臺(tái)的實(shí)現(xiàn),在不同光照和背景條件下對(duì)多位測(cè)試人員進(jìn)行檢驗(yàn),驗(yàn)證方法的有效性、實(shí)時(shí)性和泛化能力.

    1 基于卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的疲勞駕駛閉眼特征檢測(cè)方法

    對(duì)疲勞駕駛中伴隨的閉眼行為,本文提出的基于卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)(CNN-SVM)的疲勞駕駛閉眼特征檢測(cè)方法主要包含預(yù)處理層、HOG 提取層和決策層.分別實(shí)現(xiàn)了眼部ROI 分割,HOG 特征提取,眼部狀態(tài)判斷.著重解決在光線不足、鏡片反光、眼睛大小差異等多重復(fù)雜情況下的眼部開合的辨識(shí),以期在多種環(huán)境下,對(duì)不同受測(cè)者均能準(zhǔn)確判斷眼部開合狀態(tài).

    1.1 預(yù)處理層

    預(yù)處理層的目標(biāo)是利用人臉檢測(cè)和特征點(diǎn)提取算法,定位圖像中人眼ROI 并進(jìn)行分割.

    卷積神經(jīng)網(wǎng)絡(luò)(CNN)是深度學(xué)習(xí)的代表性算法,能有效的提取多層次的圖像特征,廣泛應(yīng)用于物體檢測(cè).考慮到檢測(cè)速度和精度的平衡,本文選擇了級(jí)聯(lián)CNN 算法[16]用于人臉檢測(cè)步驟.

    級(jí)聯(lián)CNN 算法使用6 個(gè)級(jí)聯(lián)的CNN 進(jìn)行人臉檢測(cè)工作.其中3 個(gè)為二分類網(wǎng)絡(luò),判斷是否是人臉,3 個(gè)為校正網(wǎng)絡(luò),用于校正人臉框邊界的位置.其流程如下:

    (1) 使用小型網(wǎng)絡(luò)12-net 對(duì)全圖進(jìn)行人臉檢測(cè),快速選擇可能存在人臉的區(qū)域,對(duì)大小為W×H的單張圖片采用步長(zhǎng)為4,大小為12×12 的窗口進(jìn)行檢測(cè),所需檢測(cè)窗口數(shù)為:

    其中,F為最小檢測(cè)人臉大小參數(shù),當(dāng)W=1280,H=720,由式(1)可得默認(rèn)參數(shù)F=20時(shí)檢測(cè)窗口數(shù)為20 140.使用12-calibration-net 進(jìn)行人臉區(qū)域校正.使用非極大值抑制(Non-Maximum Suppression,NMS)去除重疊區(qū)域過(guò)高的人臉框.

    (2) 將(1)中人臉區(qū)域轉(zhuǎn)為大小24×24 的圖片,使用24-net 分類,判斷是否是人臉,然后利用24-calibrationnet 進(jìn)行人臉區(qū)域校正.使用NMS 去除重疊的人臉框.

    (3) 將(2)中的人臉區(qū)域轉(zhuǎn)為大小48×48 的圖片,使用48-net 分類,得到人臉區(qū)域后使用NMS 去除重復(fù)的部分.最后使用48-calibration-net 對(duì)人臉區(qū)域進(jìn)行校正,并以此作為輸出.人臉檢測(cè)的結(jié)果如圖2中的框所示,定位出人臉區(qū)域.

    圖2 人臉檢測(cè)與特征點(diǎn)提取結(jié)果

    實(shí)驗(yàn)中發(fā)現(xiàn),級(jí)聯(lián)CNN 的參數(shù)F對(duì)處理精度和速度的影響顯著,默認(rèn)參數(shù)下,在側(cè)臉場(chǎng)景易出現(xiàn)誤判,將耳朵區(qū)域識(shí)別為人臉,如圖3所示.通過(guò)大量的實(shí)驗(yàn)測(cè)試和分析,發(fā)現(xiàn)可以通過(guò)提高F值來(lái)避免將較小區(qū)域誤判為人臉,同時(shí)也減少了所需檢測(cè)窗口數(shù),從而降低處理單張圖片耗時(shí).本文設(shè)置F=150,相應(yīng)的處理單張圖片的時(shí)間降低到默認(rèn)設(shè)置下處理時(shí)間的16.31%.

    圖3 人臉檢測(cè)誤檢示意圖

    人臉特征點(diǎn)的提取可以理解為從圖像I 到人臉形狀參數(shù)S 的一個(gè)非線性映射.本文利用深度神經(jīng)網(wǎng)絡(luò)的強(qiáng)大非線性模型擬合能力,選用完全端到端級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)(Fully End-to-end Cascaded CNN,FECCNN)方法[17]用于特征點(diǎn)提取.

    相對(duì)于人工提取特征再使用分類器分類,端到端的方法直接以圖像做輸入,特征點(diǎn)做輸出,將特征提取和分類的流程融合在了網(wǎng)絡(luò)之中.方法中包括若干個(gè)子CNN,表示為,網(wǎng)絡(luò)級(jí)聯(lián)之后構(gòu)成了總的網(wǎng)絡(luò),記為H,其目標(biāo)是擬合出圖像到特征點(diǎn)的非線性映射關(guān)系,如式(2)–式(4)所示:

    其中,ΔSt表示第t個(gè)網(wǎng)絡(luò)對(duì)S的修正值,Ft表示第t個(gè)CNN,Θ (I,St?1)表示圖像塊提取函數(shù),用以提取圖中的特征區(qū)域.St表示經(jīng)過(guò)第t個(gè)CNN 修正后的特征點(diǎn).特征點(diǎn)的提取結(jié)果如圖2中的點(diǎn)所示.

    本文人臉檢測(cè)和特征點(diǎn)提取的實(shí)現(xiàn)均借助了開源庫(kù)Seetaface2.

    使用圖2中所示的特征點(diǎn)進(jìn)行眼部ROI 定位,其中左眼ROI 計(jì)算如式(5)所示,右眼ROI 計(jì)算方法如式(6)所示.獲取的ROI 圖片歸一化到30×15 像素,并將右眼ROI 進(jìn)行水平翻轉(zhuǎn),便于后續(xù)統(tǒng)一操作.

    定位出的眼部區(qū)域如圖4所示.

    圖4 眼部ROI 示例

    1.2 HOG 提取層

    考慮到不同環(huán)境因素對(duì)眼部ROI 圖像的影響,在HOG 提取前先進(jìn)行圖像增強(qiáng)操作.

    上文所示圖像為常見(jiàn)的RGB 格式,即圖像中的每一個(gè)像素點(diǎn)包含3 個(gè)通道的色彩:紅(R)、綠(G)、藍(lán)(B),每個(gè)通道的色彩取值為0–255 之間的整數(shù).該格式下的圖片包含豐富的色彩信息,可以反應(yīng)光照、膚色等信息.而本文檢測(cè)閉眼行為關(guān)注圖像的梯度信息,因此將RGB 圖轉(zhuǎn)為灰度圖處理.常用做法將RGB 圖像亮度信息提取作為灰度值,亮度信息提取采用國(guó)標(biāo)公式進(jìn)行計(jì)算,如式(7)所示[18].

    轉(zhuǎn)換后的灰度圖仍存在分析上的難點(diǎn),部分圖像的像素值聚集在極小的范圍內(nèi),導(dǎo)致圖像對(duì)比度不足,梯度較小,不易提取相關(guān)特征.故對(duì)灰度圖進(jìn)行直方圖均衡化.

    設(shè)圖像的灰度級(jí)范圍為[0,L?1],則圖像的直方圖定義為離散函數(shù)h(rk)=nk,其中rk表示第k級(jí)的灰度,nk代表灰度級(jí)為rk的像素點(diǎn)個(gè)數(shù).將其中的每一個(gè)值除以圖片的像素點(diǎn)總數(shù)n,得到歸一化的直方圖P(rk)=nk/n.P(rk)也表示灰度級(jí)為rk的概率估值.直方圖均衡化的目標(biāo)是找到一個(gè)函數(shù),對(duì)圖片中像素點(diǎn)分布進(jìn)行調(diào)整,使其分布均勻,記函數(shù)為T:

    以圖片偏暗和偏亮兩種情況下為例,圖5展示了直方圖均衡化的效果,圖5(a)、圖5(c)為光線偏暗和偏亮的原圖以及相應(yīng)的灰度直方圖,圖5(b)、圖5(d)為直方圖均衡化處理后的圖片和相應(yīng)灰度直方圖分布.由圖5可以看到,圖片偏暗時(shí),像素點(diǎn)集中分布于0 附近,圖片偏亮?xí)r,像素點(diǎn)集中于較大值.圖片偏暗和偏亮均存在圖片對(duì)比度不足、特征不明顯的問(wèn)題.直方圖均衡化之后,圖片像素點(diǎn)的分布更加均衡,圖片對(duì)比度提升,有利于后續(xù)的特征提取與分類.

    圖5 直方圖均衡化示例

    提取HOG 特征時(shí)需計(jì)算每個(gè)像素點(diǎn)的水平梯度和垂直梯度,如式(9)、式(10)所示.

    式中,g表示梯度,H表示對(duì)應(yīng)點(diǎn)的像素值.x和y分別表示水平和垂直方向.

    由此可得該點(diǎn)梯度的幅值和角度:

    將圖片分為大量元胞,統(tǒng)計(jì)每個(gè)元胞中的梯度信息,構(gòu)成直方圖.將若干元胞構(gòu)成塊,對(duì)每個(gè)塊進(jìn)行歸一化處理,進(jìn)一步降低光照差異的影響,得到所需的HOG特征.因HOG 特征是局部梯度特征,對(duì)光線不敏感,有利于削弱光線差異造成的干擾.

    1.3 決策層

    決策層使用SVM 對(duì)HOG 分類.SVM是一種常見(jiàn)的二分類模型.其目標(biāo)是找到特征空間上最大間隔的分離超平面.如圖6所示.其中,z1和z2是特征空間的參數(shù),圓形和方形分別表示不同種樣本,l代表分類器找到的分離超平面.

    圖6 二分類問(wèn)題SVM 分類結(jié)果示例

    對(duì)特征平面的樣本點(diǎn)x,定義其函數(shù)間隔和幾何間隔如式(13)、式(14)所示.

    式中,yi為樣本的標(biāo)識(shí),一般用+1 表示正樣本,?1 表示負(fù)樣本.

    SVM 的目標(biāo)是學(xué)習(xí)找到一個(gè)正確分類樣本且?guī)缀伍g隔最大的超平面,該問(wèn)題可以總結(jié)為約束優(yōu)化問(wèn)題,如式(15)、式(16)所示.

    結(jié)合函數(shù)間隔與幾何間隔的關(guān)系,上述約束關(guān)系可以改寫為式(17)和式(18).

    利用凸二次規(guī)劃問(wèn)題算法求解出式(19)、式(20)的解w?和b?,則得到最優(yōu)的超平面:

    對(duì)應(yīng)的分類決策函數(shù)為:

    實(shí)際分類時(shí)將樣本x代入上述函數(shù),結(jié)果為+1 認(rèn)定為正樣本,否則為負(fù)樣本.

    利用SVM 分類結(jié)果判斷原圖中對(duì)應(yīng)眼部是否閉眼.本文規(guī)定,雙眼同時(shí)被判為閉眼狀態(tài),則認(rèn)為此張圖片中為閉眼,否則為睜眼.

    SVM 復(fù)雜度為O (M·S)[19],其中,M表示核函數(shù)的計(jì)算數(shù),S表示支持向量的個(gè)數(shù).本文選擇了線性核函數(shù),復(fù)雜度為O(D·S),其中,D表示輸入向量即HOG特征的維度.相比其他核函數(shù),如多項(xiàng)式核函數(shù)的M為對(duì)應(yīng)的次方,線性核函數(shù)大大減小了復(fù)雜度.實(shí)驗(yàn)測(cè)試時(shí),在PC 平臺(tái)i7-4710MQ 處理器上,SVM 分類單張眼睛HOG 特征耗時(shí)2 μs.

    因此,所提方法的疲勞駕駛閉眼特征檢測(cè)的流程如圖7所示,首先是預(yù)處理層,使用級(jí)聯(lián)CNN 算法獲取待測(cè)視頻圖片中的人臉區(qū)域,由FEC-CNN 算法定位人臉上的68 個(gè)特征點(diǎn),以此定位出眼部ROI,并將右眼ROI 水平翻轉(zhuǎn);然后是HOG 提取層,將眼部ROI 轉(zhuǎn)為灰度圖,進(jìn)行直方圖均衡化操作,提取HOG 特征;最后是決策層,使用SVM 對(duì)上述HOG 特征進(jìn)行分類,判斷圖片中是否存在閉眼行為,若兩只眼睛均為閉眼狀態(tài),則認(rèn)為駕駛員處于閉眼狀態(tài).

    圖7 CNN-SVM 疲勞駕駛閉眼特征檢測(cè)方法流程

    2 實(shí)驗(yàn)測(cè)試結(jié)果與分析

    2.1 模擬駕駛視頻測(cè)試

    模擬駕駛實(shí)驗(yàn)的圖像數(shù)據(jù)來(lái)自于多名受測(cè)人員按照指定圖像分辨率1280×720,在室內(nèi)隨機(jī)光線和背景下拍攝的模擬駕駛行為視頻.實(shí)驗(yàn)圖像選擇從駕駛員的正面拍攝,例如圖8第1 列圖像所示視角的正常駕駛狀態(tài),實(shí)驗(yàn)圖像與實(shí)際動(dòng)作成鏡像.圖8第2 列為閉眼時(shí)圖片.參與拍攝的人員共8 人,包含了多種不同的背景.在樣本收集時(shí),每人錄制睜眼狀態(tài)和閉眼狀態(tài)各持續(xù)10 s,視頻幀率為30 fps.

    圖8 數(shù)據(jù)集部分圖片

    為驗(yàn)證本文方法在不同人員和環(huán)境的泛化能力,測(cè)試使用k折交叉驗(yàn)證,即將數(shù)據(jù)集分為k份,測(cè)試k次,每次選取其中的k–1 份作為訓(xùn)練集,1 份作為測(cè)試集,將每次測(cè)試效果的評(píng)估參數(shù)取平均作為該方法的效果評(píng)估參數(shù).本文k選為8,即每個(gè)實(shí)驗(yàn)人員的數(shù)據(jù)單獨(dú)作為一份.測(cè)試結(jié)果如表1所示,其中,P和N分別指閉眼,T和F分別表示實(shí)際判斷與真實(shí)標(biāo)簽相同和不同.由真正(True Positive,TP),真負(fù)(True Negative,TN),假正(False Positive,FP),假負(fù)(False Negative,FN)按照式(23)–式(25)計(jì)算準(zhǔn)確率,召回率和精準(zhǔn)率.

    其中,準(zhǔn)確率表示被正確分類的圖片占總圖片的比例,該值越大意味著分類越準(zhǔn)確;召回率表示被正確分類為閉眼的圖片數(shù)與實(shí)際閉眼圖片數(shù)的比值,該值越高意味著閉眼行為被檢測(cè)出的比例越大;精準(zhǔn)率為正確分類的閉眼圖片占所有被分類為閉眼圖片的比例,其值越大表示正常駕駛被誤檢為閉眼的比例越低.

    表1對(duì)比了本文方法與基于眼部寬高比(Eye Aspect Ratio,EAR)的方法分別使用兩個(gè)開源人臉特征點(diǎn)檢測(cè)庫(kù)(Dlib和Seetaface2)時(shí)的各參數(shù)表現(xiàn).

    由表1看到,CNN-SVM 檢測(cè)方法的準(zhǔn)確率、召回率、精確率均高于基于EAR 計(jì)算的方法,接近100%,驗(yàn)證了所提方法在判斷睜眼和閉眼的有效性,其中CNN-SVM 方法的召回率為97.5%,表明漏檢閉眼行為的概率低.

    表1 閉眼檢測(cè)結(jié)果

    圖9是上述8 折交叉驗(yàn)證實(shí)驗(yàn)數(shù)據(jù)的箱形圖,其每一個(gè)箱子的上下邊緣代表該方法準(zhǔn)確率的最大值和最小值,矩形的上下邊緣分別代表上四分位數(shù)和下四分位數(shù),中間的線代表中位數(shù).可以看出,3 種方法的上限均較高,說(shuō)明多次實(shí)驗(yàn)中有達(dá)到較高準(zhǔn)確率的情況,但基于EAR 的方法中位數(shù)和下限低,說(shuō)明多次實(shí)驗(yàn)的結(jié)果分布分散,存在準(zhǔn)確率低的情況.本文方法對(duì)應(yīng)的箱子邊緣和矩形上下邊緣均集中在較大值,說(shuō)明本文方法在多折實(shí)驗(yàn)的不同測(cè)試集上均有較高準(zhǔn)確率,驗(yàn)證了其較強(qiáng)的泛化能力.

    圖9 模擬駕駛數(shù)據(jù)測(cè)試結(jié)果箱形圖

    綜上,與基于眼部寬高比的方法相比,本文方法能更準(zhǔn)確地判斷數(shù)據(jù)集中不同光照下不同大小眼睛的開閉狀態(tài),且具有較好的泛化能力.

    2.2 實(shí)際駕駛艙數(shù)據(jù)測(cè)試

    為驗(yàn)證所提疲勞駕駛閉眼特征檢測(cè)方法在實(shí)際車內(nèi)駕駛場(chǎng)景中的應(yīng)用效果,本文進(jìn)一步使用實(shí)際駕駛艙中拍攝的模擬駕駛動(dòng)作視頻進(jìn)行測(cè)試并完善方法.實(shí)驗(yàn)中隨機(jī)選擇7 位實(shí)驗(yàn)人員,從正面拍攝其在普通轎車駕駛艙中包含正常駕駛和閉眼的視頻,分辨率為1280×720,幀率為30 fps,其他拍攝條件,如光線、車型背景、攝像頭等條件是多樣的,以此來(lái)考察和驗(yàn)證方法的泛化能力.考慮到室內(nèi)場(chǎng)景與實(shí)際場(chǎng)景存在一定的差距,本文隨機(jī)選取了3 人的數(shù)據(jù)與前文2.1 節(jié)所述數(shù)據(jù)一起構(gòu)成了訓(xùn)練集,剩余4 人數(shù)據(jù)構(gòu)成測(cè)試集.訓(xùn)練集與測(cè)試集之間沒(méi)有重疊.實(shí)驗(yàn)中實(shí)際駕駛艙場(chǎng)景的部分?jǐn)?shù)據(jù)集如圖10所示.其中左列為駕駛艙內(nèi)睜眼圖片,右列為駕駛艙內(nèi)閉眼圖片.

    圖10 駕駛艙測(cè)試數(shù)據(jù)示意圖

    在PC 平臺(tái)i7-4710MQ 處理器進(jìn)行測(cè)試,實(shí)際駕駛艙數(shù)據(jù)測(cè)試結(jié)果如表2第1 列所示,可以看到本文方法在實(shí)際場(chǎng)景數(shù)據(jù)下仍達(dá)到94.25%的判斷準(zhǔn)確率,每秒可處理40 幀圖片.

    表2 駕駛艙數(shù)據(jù)實(shí)驗(yàn)結(jié)果

    考慮到方法的可集成性以及實(shí)車應(yīng)用成本等因素,本文進(jìn)一步測(cè)試了所提方法在ARM 嵌入式平臺(tái)的實(shí)驗(yàn)效果,選擇了基于ARM Cortex A72|A53 的i.MX 8QuadMax 處理器平臺(tái)(車規(guī)級(jí)芯片)進(jìn)行實(shí)驗(yàn).其中Cortex-A72 主頻最高1.6 GHz,Cortex-A53 主頻最高1.2 GHz.

    表2第2 列和第3 列給出了本文方法在ARM Cortex A72和ARM Cortex A53 處理器上測(cè)試結(jié)果.可以看見(jiàn),在判斷效果上,該方法在ARM Cortex A72和ARM Cortex A53 平臺(tái)運(yùn)行辨識(shí)結(jié)果準(zhǔn)確,相比在i7-4710MQ 上的結(jié)果整體上略有差別,這可能與i.MX 8QuadMax 處理器平臺(tái)讀取圖片的解碼方式和底層計(jì)算方式與在PC 上的存在不同這一因素有關(guān).

    從處理速度上看,在PC 平臺(tái)i7-4710MQ 處理器,i.MX 8QuadMax 處理器的ARM Cortex A72和ARM Cortex A53 核心運(yùn)行所提算法,處理每張圖片耗時(shí)分別為0.0244 s,0.049 s,0.1324 s,即每秒分別可處理40 幀,20 幀,7 幀圖片.因此,本文算法可以在1 s 之內(nèi),依據(jù)多張圖片的分類結(jié)果,及時(shí)檢測(cè)出駕駛員的閉眼行為特征.

    可見(jiàn),本文算法在所測(cè)實(shí)驗(yàn)平臺(tái)滿足實(shí)時(shí)性應(yīng)用要求.

    3 結(jié)論

    本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的駕駛員閉眼實(shí)時(shí)檢測(cè)方法CNN-SVM,預(yù)處理層使用CNN 分割出眼部ROI,HOG 提取層對(duì)ROI 進(jìn)行圖像增強(qiáng)后提取HOG 特征,決策層使用SVM 對(duì)ROI 分類,以此檢測(cè)疲勞駕駛閉眼特征.使用所建立的室內(nèi)模擬駕駛和實(shí)際駕駛艙內(nèi)拍攝的不同光照和背景下的圖像數(shù)據(jù)集,分別在PC i7-4710MQ 平臺(tái)和ARM 平臺(tái)的A72、A53 核心測(cè)試所提方法,辨識(shí)準(zhǔn)確率分別為94.25%、95.58%、95.58%,辨識(shí)速度分別為40.97 fps、20.39 fps、7.55 fps,表明所提CNN-SVM 方法對(duì)不同光照和背景下的閉眼特征檢測(cè)均滿足辨識(shí)精度和速度要求,具備有效性和實(shí)用性.

    猜你喜歡
    像素點(diǎn)直方圖眼部
    統(tǒng)計(jì)頻率分布直方圖的備考全攻略
    符合差分隱私的流數(shù)據(jù)統(tǒng)計(jì)直方圖發(fā)布
    用直方圖控制畫面影調(diào)
    基于canvas的前端數(shù)據(jù)加密
    為什么要做眼部檢查
    基于逐像素點(diǎn)深度卷積網(wǎng)絡(luò)分割模型的上皮和間質(zhì)組織分割
    戴眼罩有助消除眼部疲勞
    如何消除用電腦后的眼部疲勞
    早晨醒后別揉眼,容易感染
    基于直方圖平移和互補(bǔ)嵌入的可逆水印方案
    久久久久久久久久久丰满 | 自拍偷自拍亚洲精品老妇| 亚洲综合色惰| 最近中文字幕高清免费大全6 | 日本黄色视频三级网站网址| 久久精品国产亚洲av香蕉五月| 波多野结衣高清作品| 97热精品久久久久久| 干丝袜人妻中文字幕| 成人美女网站在线观看视频| 色哟哟哟哟哟哟| 日韩精品有码人妻一区| 嫩草影院新地址| 国产日本99.免费观看| 99热这里只有是精品50| 国产精品一区二区性色av| 国产精品久久久久久精品电影| 成人午夜高清在线视频| 欧美极品一区二区三区四区| 日韩在线高清观看一区二区三区 | 成人无遮挡网站| 如何舔出高潮| 网址你懂的国产日韩在线| 亚洲精品日韩av片在线观看| 91久久精品国产一区二区成人| 麻豆av噜噜一区二区三区| 看片在线看免费视频| 永久网站在线| 国产精品三级大全| 久久精品国产亚洲网站| 看黄色毛片网站| 成人毛片a级毛片在线播放| 亚洲av美国av| 禁无遮挡网站| 美女被艹到高潮喷水动态| 又紧又爽又黄一区二区| 免费在线观看影片大全网站| 午夜福利在线在线| 2021天堂中文幕一二区在线观| av在线观看视频网站免费| 久久热精品热| 欧美又色又爽又黄视频| 成人三级黄色视频| 久久精品久久久久久噜噜老黄 | 亚洲精品影视一区二区三区av| 春色校园在线视频观看| 午夜激情福利司机影院| 亚洲久久久久久中文字幕| 联通29元200g的流量卡| 夜夜看夜夜爽夜夜摸| 精品久久久久久,| 久久国产乱子免费精品| www.色视频.com| a级毛片a级免费在线| 男女之事视频高清在线观看| 我的女老师完整版在线观看| 国产私拍福利视频在线观看| 波多野结衣高清作品| 99九九线精品视频在线观看视频| 一个人免费在线观看电影| 91久久精品国产一区二区成人| 国模一区二区三区四区视频| 精品欧美国产一区二区三| 美女高潮的动态| 亚洲精品乱码久久久v下载方式| 级片在线观看| 小蜜桃在线观看免费完整版高清| 免费电影在线观看免费观看| 久久久久久久午夜电影| 一个人观看的视频www高清免费观看| 极品教师在线视频| 国产亚洲精品久久久久久毛片| 日韩欧美一区二区三区在线观看| 欧美色视频一区免费| 联通29元200g的流量卡| 无遮挡黄片免费观看| 国产黄色小视频在线观看| 久久久国产成人精品二区| 尾随美女入室| 午夜福利欧美成人| 一个人观看的视频www高清免费观看| 亚洲国产精品久久男人天堂| 亚洲国产精品合色在线| 12—13女人毛片做爰片一| 久久精品人妻少妇| 又粗又爽又猛毛片免费看| 亚洲自拍偷在线| 亚洲在线观看片| 婷婷亚洲欧美| 少妇丰满av| 一区二区三区四区激情视频 | 精品国产三级普通话版| 女生性感内裤真人,穿戴方法视频| 99riav亚洲国产免费| xxxwww97欧美| 日日夜夜操网爽| 波野结衣二区三区在线| 精品国产三级普通话版| 夜夜爽天天搞| 欧美3d第一页| 日日摸夜夜添夜夜添av毛片 | 熟女人妻精品中文字幕| av黄色大香蕉| 日韩国内少妇激情av| 午夜福利高清视频| 婷婷六月久久综合丁香| 国产高清有码在线观看视频| 欧美xxxx性猛交bbbb| 别揉我奶头 嗯啊视频| 国产精品久久久久久久久免| 99riav亚洲国产免费| 国产精品三级大全| 日韩中字成人| 一区二区三区激情视频| 国产在线男女| 99精品在免费线老司机午夜| 欧美绝顶高潮抽搐喷水| 12—13女人毛片做爰片一| 久久久成人免费电影| 国产精品爽爽va在线观看网站| 久久久久久久精品吃奶| aaaaa片日本免费| 国产成人a区在线观看| 啦啦啦韩国在线观看视频| 国产毛片a区久久久久| 深夜a级毛片| 国产一区二区在线观看日韩| 国国产精品蜜臀av免费| 欧美成人一区二区免费高清观看| 亚洲av不卡在线观看| 小蜜桃在线观看免费完整版高清| 成人精品一区二区免费| 亚洲国产精品合色在线| 免费观看在线日韩| 婷婷精品国产亚洲av在线| 国产真实伦视频高清在线观看 | 亚洲成a人片在线一区二区| 国产亚洲精品综合一区在线观看| av.在线天堂| 国产高清视频在线观看网站| 啪啪无遮挡十八禁网站| 欧美中文日本在线观看视频| 又黄又爽又刺激的免费视频.| 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| 国产不卡一卡二| 欧美一区二区亚洲| 国产精品一区www在线观看 | 国产乱人视频| 久久久久久伊人网av| 欧美日韩乱码在线| 精品一区二区三区视频在线| 精品久久久久久成人av| 欧美高清成人免费视频www| 欧美三级亚洲精品| 午夜福利欧美成人| 美女xxoo啪啪120秒动态图| 1024手机看黄色片| 又爽又黄a免费视频| 白带黄色成豆腐渣| 亚洲自拍偷在线| 国产精品日韩av在线免费观看| 在线看三级毛片| 又黄又爽又免费观看的视频| 女生性感内裤真人,穿戴方法视频| 久久草成人影院| 亚洲中文字幕日韩| 国产伦人伦偷精品视频| 中文字幕久久专区| 搡女人真爽免费视频火全软件 | 热99re8久久精品国产| 国产伦一二天堂av在线观看| 草草在线视频免费看| 国产淫片久久久久久久久| 欧美日本视频| 国产精品,欧美在线| x7x7x7水蜜桃| 精品一区二区三区视频在线观看免费| 国产伦人伦偷精品视频| 真实男女啪啪啪动态图| 午夜福利欧美成人| 简卡轻食公司| 99视频精品全部免费 在线| 男女边吃奶边做爰视频| 日本三级黄在线观看| 成人av一区二区三区在线看| 亚洲精品影视一区二区三区av| 色播亚洲综合网| 99久久成人亚洲精品观看| 男女啪啪激烈高潮av片| 亚洲va在线va天堂va国产| 亚洲精华国产精华液的使用体验 | 国产真实伦视频高清在线观看 | 国产男靠女视频免费网站| 免费人成视频x8x8入口观看| 99热精品在线国产| 日日撸夜夜添| 亚洲av电影不卡..在线观看| 日韩欧美国产一区二区入口| 欧美xxxx黑人xx丫x性爽| 国产欧美日韩精品一区二区| 久久精品久久久久久噜噜老黄 | 欧美日韩精品成人综合77777| 亚洲av免费高清在线观看| 国产精品99久久久久久久久| 色哟哟·www| 一卡2卡三卡四卡精品乱码亚洲| 亚洲中文字幕一区二区三区有码在线看| 俄罗斯特黄特色一大片| 久久久久久久亚洲中文字幕| 精华霜和精华液先用哪个| 给我免费播放毛片高清在线观看| 亚洲,欧美,日韩| 美女高潮喷水抽搐中文字幕| 精品久久久久久成人av| 午夜福利18| 高清毛片免费观看视频网站| 白带黄色成豆腐渣| 欧美一区二区亚洲| 日本一本二区三区精品| 国产伦精品一区二区三区视频9| 国产真实乱freesex| 亚洲欧美日韩东京热| 久久精品影院6| 亚洲avbb在线观看| 此物有八面人人有两片| 欧美色视频一区免费| 国产精品国产高清国产av| 成年女人永久免费观看视频| 亚洲图色成人| 欧美又色又爽又黄视频| 99riav亚洲国产免费| 久久久久久久久久成人| 亚洲熟妇中文字幕五十中出| 欧美中文日本在线观看视频| 欧美又色又爽又黄视频| 成人性生交大片免费视频hd| 久久香蕉精品热| 观看美女的网站| 成人综合一区亚洲| 国内揄拍国产精品人妻在线| 女人被狂操c到高潮| 12—13女人毛片做爰片一| 男女视频在线观看网站免费| 日本熟妇午夜| 欧美一区二区亚洲| 亚洲三级黄色毛片| 久久久久久久久久黄片| 久久草成人影院| 欧美一区二区精品小视频在线| 夜夜爽天天搞| 日韩,欧美,国产一区二区三区 | 婷婷亚洲欧美| 男女之事视频高清在线观看| 欧美高清成人免费视频www| 亚州av有码| 中文字幕免费在线视频6| 又粗又爽又猛毛片免费看| 久久久久九九精品影院| 精品福利观看| 男女之事视频高清在线观看| 尾随美女入室| 日韩强制内射视频| 麻豆一二三区av精品| 久久久久久久久大av| 亚洲一区高清亚洲精品| 日韩欧美国产一区二区入口| 国产美女午夜福利| 身体一侧抽搐| 免费观看的影片在线观看| 又黄又爽又免费观看的视频| 搡老妇女老女人老熟妇| 亚洲,欧美,日韩| 国产一区二区激情短视频| 久久精品国产亚洲av天美| 亚洲自拍偷在线| 国产人妻一区二区三区在| 免费av不卡在线播放| 免费观看人在逋| av专区在线播放| 一进一出好大好爽视频| 色尼玛亚洲综合影院| 99国产极品粉嫩在线观看| 男插女下体视频免费在线播放| 成人高潮视频无遮挡免费网站| 露出奶头的视频| 天堂网av新在线| 九九久久精品国产亚洲av麻豆| 欧美3d第一页| 久久人人精品亚洲av| 国产淫片久久久久久久久| 国产老妇女一区| av视频在线观看入口| 国产亚洲精品综合一区在线观看| 精品国产三级普通话版| 日韩欧美精品免费久久| 欧美极品一区二区三区四区| 婷婷亚洲欧美| 黄色女人牲交| 亚洲va在线va天堂va国产| 国产欧美日韩精品一区二区| 日本五十路高清| а√天堂www在线а√下载| 亚洲久久久久久中文字幕| 国内精品美女久久久久久| 99九九线精品视频在线观看视频| 99热这里只有精品一区| 成年女人看的毛片在线观看| 日韩强制内射视频| 校园春色视频在线观看| 丰满人妻一区二区三区视频av| 乱系列少妇在线播放| 亚洲欧美日韩东京热| 国产精品人妻久久久影院| 18禁黄网站禁片午夜丰满| 亚洲国产精品合色在线| 一区福利在线观看| 欧美bdsm另类| 天天躁日日操中文字幕| 久久久久久久久中文| 五月伊人婷婷丁香| 欧美xxxx黑人xx丫x性爽| 99热这里只有精品一区| 精品一区二区三区人妻视频| 狂野欧美激情性xxxx在线观看| 夜夜夜夜夜久久久久| .国产精品久久| 久久精品综合一区二区三区| 欧美中文日本在线观看视频| 一区二区三区激情视频| 黄色视频,在线免费观看| 亚洲久久久久久中文字幕| 免费在线观看影片大全网站| 制服丝袜大香蕉在线| 久久人妻av系列| 婷婷精品国产亚洲av在线| 最后的刺客免费高清国语| 少妇的逼水好多| 亚洲av成人av| 日本一本二区三区精品| 国产高清视频在线观看网站| 精品国内亚洲2022精品成人| 亚洲精品粉嫩美女一区| 亚洲av中文字字幕乱码综合| 亚洲最大成人av| 国产中年淑女户外野战色| 永久网站在线| 亚洲欧美日韩卡通动漫| 国产伦精品一区二区三区四那| 99久久九九国产精品国产免费| 中文字幕高清在线视频| 搡女人真爽免费视频火全软件 | 日本 av在线| 亚洲人与动物交配视频| 亚洲国产精品合色在线| 琪琪午夜伦伦电影理论片6080| 特大巨黑吊av在线直播| 身体一侧抽搐| 久久久久久久精品吃奶| 小蜜桃在线观看免费完整版高清| 九九久久精品国产亚洲av麻豆| 99热这里只有是精品在线观看| 欧美最新免费一区二区三区| 乱人视频在线观看| 别揉我奶头 嗯啊视频| 精品人妻1区二区| 久久国内精品自在自线图片| 天天一区二区日本电影三级| 精品久久久久久久久av| 国内久久婷婷六月综合欲色啪| 精品人妻1区二区| 99在线视频只有这里精品首页| 国产白丝娇喘喷水9色精品| 国产精品自产拍在线观看55亚洲| 观看免费一级毛片| 在线观看一区二区三区| 日本撒尿小便嘘嘘汇集6| 熟女电影av网| 欧美一区二区亚洲| 午夜精品一区二区三区免费看| 成人三级黄色视频| 简卡轻食公司| 亚洲精品一卡2卡三卡4卡5卡| 18禁在线播放成人免费| 成人美女网站在线观看视频| 国产一区二区在线观看日韩| 午夜激情福利司机影院| 日本黄色视频三级网站网址| 日本爱情动作片www.在线观看 | 欧美+日韩+精品| 国产成人福利小说| 一本精品99久久精品77| eeuss影院久久| 亚洲人成伊人成综合网2020| 亚洲中文字幕一区二区三区有码在线看| 国产精品精品国产色婷婷| av黄色大香蕉| av国产免费在线观看| 久久中文看片网| 欧美日韩中文字幕国产精品一区二区三区| 国产精品伦人一区二区| 九九在线视频观看精品| 日本a在线网址| 免费av观看视频| 欧美一区二区国产精品久久精品| 黄色丝袜av网址大全| 久久热精品热| 嫩草影院新地址| 中文字幕av在线有码专区| 男女边吃奶边做爰视频| 老师上课跳d突然被开到最大视频| 亚洲精品一区av在线观看| 国产亚洲av嫩草精品影院| 婷婷亚洲欧美| 成人午夜高清在线视频| 中文资源天堂在线| 亚洲熟妇中文字幕五十中出| 特大巨黑吊av在线直播| 大型黄色视频在线免费观看| 桃红色精品国产亚洲av| 欧美日韩瑟瑟在线播放| 亚洲18禁久久av| 亚洲欧美精品综合久久99| 看十八女毛片水多多多| 欧美在线一区亚洲| 在线观看舔阴道视频| 亚洲自偷自拍三级| 级片在线观看| 亚洲精品日韩av片在线观看| 禁无遮挡网站| 亚洲欧美日韩东京热| 男女啪啪激烈高潮av片| 一个人观看的视频www高清免费观看| 日日夜夜操网爽| 搡女人真爽免费视频火全软件 | 亚洲国产欧洲综合997久久,| 色av中文字幕| 国产午夜精品久久久久久一区二区三区 | 国产av麻豆久久久久久久| 91麻豆精品激情在线观看国产| 亚洲av不卡在线观看| 免费看a级黄色片| 久99久视频精品免费| av.在线天堂| 色精品久久人妻99蜜桃| 国产精品国产高清国产av| 一级毛片久久久久久久久女| a在线观看视频网站| 少妇裸体淫交视频免费看高清| 精品久久久噜噜| 一a级毛片在线观看| 成年免费大片在线观看| 91午夜精品亚洲一区二区三区 | 伊人久久精品亚洲午夜| 我要看日韩黄色一级片| 国产在视频线在精品| 精华霜和精华液先用哪个| 桃色一区二区三区在线观看| 嫩草影视91久久| 18禁黄网站禁片午夜丰满| 12—13女人毛片做爰片一| 给我免费播放毛片高清在线观看| av天堂中文字幕网| 亚洲av熟女| 国产大屁股一区二区在线视频| 亚洲av不卡在线观看| 波多野结衣高清无吗| 精品欧美国产一区二区三| 女同久久另类99精品国产91| 欧美日韩乱码在线| 免费观看精品视频网站| 长腿黑丝高跟| 中文字幕免费在线视频6| www日本黄色视频网| 欧美xxxx性猛交bbbb| 国产乱人伦免费视频| 一个人看视频在线观看www免费| 亚洲av美国av| 日韩欧美在线二视频| 国产 一区精品| 久久久久国内视频| 99久久九九国产精品国产免费| 五月玫瑰六月丁香| 又爽又黄a免费视频| 久久精品久久久久久噜噜老黄 | 九九热线精品视视频播放| 成人欧美大片| 九色成人免费人妻av| 尤物成人国产欧美一区二区三区| 色在线成人网| 免费观看的影片在线观看| 日韩中文字幕欧美一区二区| 日韩欧美精品免费久久| av天堂中文字幕网| 性插视频无遮挡在线免费观看| 欧美激情久久久久久爽电影| 免费大片18禁| 久久久久免费精品人妻一区二区| 欧美激情在线99| 身体一侧抽搐| 中出人妻视频一区二区| 国产男人的电影天堂91| netflix在线观看网站| 亚洲国产精品成人综合色| 夜夜看夜夜爽夜夜摸| 麻豆精品久久久久久蜜桃| 国产精品av视频在线免费观看| 国产欧美日韩精品一区二区| 嫩草影院精品99| 欧美不卡视频在线免费观看| 好男人在线观看高清免费视频| 日本与韩国留学比较| 中文字幕人妻熟人妻熟丝袜美| 露出奶头的视频| 波野结衣二区三区在线| 国产淫片久久久久久久久| 午夜福利18| 久久精品国产鲁丝片午夜精品 | 久久精品国产亚洲av涩爱 | 毛片一级片免费看久久久久 | 色精品久久人妻99蜜桃| 亚洲av中文av极速乱 | 久久久久久国产a免费观看| 日韩精品中文字幕看吧| 人妻少妇偷人精品九色| 亚洲成人中文字幕在线播放| 又黄又爽又刺激的免费视频.| 俄罗斯特黄特色一大片| 变态另类成人亚洲欧美熟女| 亚洲欧美激情综合另类| 久久中文看片网| 国产成人一区二区在线| 日本欧美国产在线视频| 亚洲国产精品sss在线观看| 亚洲精品乱码久久久v下载方式| 草草在线视频免费看| 免费看日本二区| 久久欧美精品欧美久久欧美| 国产亚洲精品久久久com| 日本黄色视频三级网站网址| 午夜精品久久久久久毛片777| 女同久久另类99精品国产91| 18禁裸乳无遮挡免费网站照片| 又黄又爽又免费观看的视频| 一夜夜www| 亚洲色图av天堂| 最后的刺客免费高清国语| 一区二区三区激情视频| 成年人黄色毛片网站| 欧美一区二区精品小视频在线| 国产人妻一区二区三区在| 大型黄色视频在线免费观看| aaaaa片日本免费| 美女免费视频网站| 成熟少妇高潮喷水视频| 日日撸夜夜添| 国产成人a区在线观看| 波多野结衣高清作品| 精品久久久久久久人妻蜜臀av| 国产精品自产拍在线观看55亚洲| 一个人看视频在线观看www免费| 免费搜索国产男女视频| 久久香蕉精品热| 久99久视频精品免费| 欧美又色又爽又黄视频| 精品午夜福利视频在线观看一区| 日韩精品有码人妻一区| 国产av一区在线观看免费| 亚洲无线在线观看| 全区人妻精品视频| 性欧美人与动物交配| 国产av不卡久久| 一个人看的www免费观看视频| x7x7x7水蜜桃| 国产精品免费一区二区三区在线| 两性午夜刺激爽爽歪歪视频在线观看| 麻豆国产av国片精品| 男人舔女人下体高潮全视频| 日日夜夜操网爽| 精品久久久久久久末码| 午夜福利18| 啦啦啦韩国在线观看视频| 最近最新免费中文字幕在线| 日本与韩国留学比较| 免费观看精品视频网站| 最近最新免费中文字幕在线| 亚洲乱码一区二区免费版| 联通29元200g的流量卡| 久久午夜福利片| 国产一区二区三区av在线 | 免费黄网站久久成人精品| 噜噜噜噜噜久久久久久91| 亚洲电影在线观看av| 一卡2卡三卡四卡精品乱码亚洲| 九九热线精品视视频播放| 夜夜看夜夜爽夜夜摸| 人妻久久中文字幕网| 亚洲无线在线观看| 亚洲第一区二区三区不卡| 又爽又黄无遮挡网站| 国国产精品蜜臀av免费| 日韩中文字幕欧美一区二区| 午夜福利成人在线免费观看| 91久久精品国产一区二区三区| 亚洲电影在线观看av| 亚洲男人的天堂狠狠| 俄罗斯特黄特色一大片| 国产高清视频在线播放一区| 在线播放国产精品三级| 嫩草影院新地址| 男人舔奶头视频| 又黄又爽又刺激的免费视频.| 一区二区三区四区激情视频 | 免费观看在线日韩| 九九爱精品视频在线观看|