• <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 ?

    基于區(qū)域漸進(jìn)校準(zhǔn)網(wǎng)絡(luò)的人臉檢測與定位

    2024-08-01 00:00:00齊向明侯明君高鵬淇黃勝
    關(guān)鍵詞:人臉檢測機(jī)器視覺神經(jīng)網(wǎng)絡(luò)

    摘要:為解決角度變化下的人臉檢測中存在參數(shù)量大及角度幅度變量小的問題,提出區(qū)域漸進(jìn)校準(zhǔn)網(wǎng)絡(luò)用于任意平面角度的人臉檢測,通過級(jí)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)降低角度變化、提升網(wǎng)絡(luò)運(yùn)行速度。采用區(qū)域生成網(wǎng)絡(luò)產(chǎn)生高質(zhì)量的候選區(qū)域,構(gòu)造漸進(jìn)校準(zhǔn)網(wǎng)絡(luò),逐步縮小面部平面角度變化范圍,同時(shí)由粗到細(xì)地對(duì)候選區(qū)域執(zhí)行面部檢測。其中,特征提取的中間層融合參數(shù)量較少時(shí),更好地表示了面部特征,調(diào)整錨的設(shè)置解決小尺度面部問題。在角度增強(qiáng)的FDDB(face detection data set and benchmark)數(shù)據(jù)集與WIDER FACE數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,提出的方法分別取得了89.1%與90.4%的平均召回率,準(zhǔn)確度高于快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Faster RCNN),且運(yùn)行速度更快。在實(shí)際項(xiàng)目中使用該算法,驗(yàn)證了該方法的有效性及可行性。

    關(guān)鍵詞:人臉檢測;神經(jīng)網(wǎng)絡(luò);機(jī)器視覺;級(jí)聯(lián)網(wǎng)絡(luò);旋轉(zhuǎn)不變

    中圖分類號(hào):TP391 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):1008-0562(2024)02-0248-09

    0 引言

    人臉檢測作為目標(biāo)檢測的特定場景應(yīng)用,是計(jì)算機(jī)視覺中最基本和最具挑戰(zhàn)的問題之一。高性能的人臉檢測器是人臉相關(guān)研究的關(guān)鍵保證,如人臉對(duì)齊、人臉識(shí)別、年齡識(shí)別、表情識(shí)別和行為檢測等。得益于深度學(xué)習(xí)在目標(biāo)、人臉檢測器上的成功應(yīng)用,人臉檢測器經(jīng)過多年發(fā)展也日趨成熟,其應(yīng)用場景逐漸復(fù)雜,當(dāng)人臉檢測器被應(yīng)用于平面旋轉(zhuǎn)角度過大的人臉檢測時(shí),由于面部的變化巨大,人臉檢測器要達(dá)到高性能十分具有挑戰(zhàn)性。對(duì)于大幅度角度變化下的人臉檢測,現(xiàn)有的方法包括適應(yīng)變化和縮小變化兩類。

    適應(yīng)變化的方法是人臉檢測器用足夠的計(jì)算量來應(yīng)對(duì)人臉角度變化,檢測器能夠在面部發(fā)生大幅度變化的情況下保持高性能。如快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(faster region convolotional neural netwrok,F(xiàn)aster RCNN)采用基于區(qū)域的二階段結(jié)構(gòu),使用區(qū)域生成網(wǎng)絡(luò)提升候選面部區(qū)域的生成速度,并利用深度殘差網(wǎng)絡(luò)(residual network,Res50)、視覺幾何組模型(visual geometry group model,VGG16)作為基礎(chǔ)網(wǎng)絡(luò),其擁有很高的檢測準(zhǔn)確度,在WIDER FACE數(shù)據(jù)集達(dá)到了92.7%的平均召回率,在多方位FDDB數(shù)據(jù)集上平均召回率為88%。基于人臉區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)(faceregion-based fully convolutional network,F(xiàn)aceRFCN)基于區(qū)域的全卷積網(wǎng)絡(luò),在(region-basedfully convolution net,R-FCN)基礎(chǔ)上提出位置敏感平均池化,重新計(jì)算了每個(gè)候選面部區(qū)域的權(quán)重,對(duì)面部的不同區(qū)域進(jìn)行了重要性劃分,消除人臉部分中的非均勻分布影響,其在WIDER FACE數(shù)據(jù)集上平均精度達(dá)到了91.8%。單射多尺度檢測器(single shot multibox detector,SSD)是在基于錨的方法上提出的基于默認(rèn)區(qū)域的候選區(qū)域生成方法,消除了提出生成區(qū)域后與特征圖重新采樣的時(shí)間消耗,在隨機(jī)翻轉(zhuǎn)的FDDB數(shù)據(jù)集上平均召回率為87.7%,并且運(yùn)行速度更快。齊悅等提出在SSD的基礎(chǔ)上級(jí)聯(lián)多個(gè)淺層卷積神經(jīng)網(wǎng)絡(luò)(convolution neural network,CNN),達(dá)到了87.1%的精度。

    縮小變化的方法是通過由粗到細(xì)的級(jí)聯(lián)方法調(diào)整與降低變化幅度,并在過程中檢測面部。例如漸進(jìn)式校準(zhǔn)網(wǎng)絡(luò)(progressive calibration networks,PCN) 采用滑動(dòng)窗口形式生成候選區(qū)域,通過前兩個(gè)階段將候選區(qū)域的角度變化范圍從[-180°,180°]降低到[-45°,45°],最后階段再進(jìn)行精確的檢測,3個(gè)階段均采用小型CNN,能夠快速檢測面部,每秒達(dá)到了30幀以上,在隨機(jī)翻轉(zhuǎn)的FDDB數(shù)據(jù)集上平均召回率為86%。文獻(xiàn)[16]提出了一種旋轉(zhuǎn)路由(rotation router)的人臉檢測器,將角度問題從檢測問題中提出并單獨(dú)解決。在級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)(Cascade CNN)方法與文獻(xiàn)[17]的研究中將多個(gè)獨(dú)立的檢測器級(jí)聯(lián),由粗至精地縮小分類變化,使分類更加精確。

    在目標(biāo)檢測的研究中,級(jí)聯(lián)區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Cascade RCNN)將級(jí)聯(lián)結(jié)構(gòu)與Faster RCNN相結(jié)合,并取得了比Faster RCNN更為優(yōu)秀的性能,相比增加各個(gè)獨(dú)立的級(jí)聯(lián)子網(wǎng)絡(luò)復(fù)雜度的方法,參數(shù)量增量也更低。

    為解決角度變化對(duì)人臉檢測帶來的時(shí)間消耗、參數(shù)量高及小尺度人臉檢測的問題,本文提出區(qū)域漸進(jìn)校準(zhǔn)網(wǎng)絡(luò)(region-base progresslve calibrationnetwork,RPCN),用于解決平面角度變化下人臉檢測問題,該網(wǎng)絡(luò)利用區(qū)域生成網(wǎng)絡(luò)(region proposalnetwork,RPN)降低滑動(dòng)窗口生成候選區(qū)域所帶來的時(shí)間消耗,引入中間層融合與適合人臉檢測的錨設(shè)計(jì)技術(shù),將候選區(qū)域?qū)?yīng)的特征圖區(qū)域的校準(zhǔn)旋轉(zhuǎn)變換后,使用高復(fù)雜度的基礎(chǔ)網(wǎng)絡(luò)增加漸進(jìn)校準(zhǔn)網(wǎng)絡(luò)(progressive calibration network,PCN)的檢測準(zhǔn)度。提出特征圖變換感興趣區(qū)域池化(region ofinterest and region pooling,ROI_R_Pooling)層以解決網(wǎng)絡(luò)結(jié)合問題、改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)并提升檢測器的性能,包括中間層特征融合、改進(jìn)的非最大值抑制、預(yù)期最大重疊(EMO)等方法。

    1 區(qū)域漸進(jìn)校準(zhǔn)網(wǎng)絡(luò)

    區(qū)域漸進(jìn)校準(zhǔn)網(wǎng)絡(luò)(RPCN)將漸進(jìn)校準(zhǔn)網(wǎng)絡(luò)與基于區(qū)域的檢測方法結(jié)合,實(shí)現(xiàn)全旋轉(zhuǎn)平面角度下的人臉檢測,見圖1。方法由特征提取與融合、區(qū)域生成網(wǎng)絡(luò)、漸進(jìn)面部檢測3個(gè)模塊組成。

    給定一張可能包含人臉的圖像m。特征提取與融合模塊對(duì)整張圖像提取用于候選區(qū)域生成與面部檢測的特征f,并融合每個(gè)卷積塊的中間層輸出,使得特征圖包含更豐富的幾何信息。

    區(qū)域生成網(wǎng)絡(luò)對(duì)原圖進(jìn)行采樣,利用神經(jīng)網(wǎng)絡(luò)對(duì)每個(gè)采樣區(qū)域給出是否包含人臉的置信度與粗略的區(qū)域大小回歸值,生成高質(zhì)量的人臉候選區(qū)域p。

    漸進(jìn)面部檢測模塊結(jié)合特征廠與人臉候選區(qū)域p,對(duì)人臉候選區(qū)域逐步地執(zhí)行檢測與區(qū)域大小回歸,并同時(shí)縮小面部平面角度的變化范圍,從而實(shí)現(xiàn)任意平面角度變化下的人臉檢測。

    1.1 特征提取與融合

    特征提取與融合模塊從整張圖像中提取用于候選區(qū)域生成與人臉檢測的特征,見圖2。該模塊由卷積塊、最大值池化層與特征圖組合層組成,采用類似VGG16結(jié)構(gòu)以保持卷積塊間參數(shù)量一致。

    對(duì)于輸入圖像m,特征提取表示為

    F1=f(m),(1)

    式中:F1為特征提取結(jié)果特征圖;f(·)為特征提取運(yùn)算。受文獻(xiàn)[19]和文獻(xiàn)[20]的啟發(fā),將每個(gè)最大池化(max pooling)層之前各卷積塊的輸出融合以保留圖像中的幾何信息,使用步幅為2的3x3卷積層以匹配融合特征圖的大小,將中間層特征表示為Hi(i∈{0,1,2})。中間層特征融合表示為

    F2 = g3 (g2 (g1(H0)+H1)+H2),(2)

    模塊的輸出特征圖表示為

    F= F1+ F2,(3)

    式(2)和式(3)中:F2為特征融合結(jié)果特征圖;F為輸出特征圖;Hi為各特征提取卷積塊的輸出;gi為特征融合的計(jì)算卷積塊;“+”表示中間輸出層加法運(yùn)算,即矩陣加法。

    1.2 區(qū)域生成網(wǎng)絡(luò)

    區(qū)域生成網(wǎng)絡(luò)(RPN)是利用深度網(wǎng)絡(luò)來產(chǎn)生候選面部的方法,RPN網(wǎng)絡(luò)結(jié)構(gòu)見圖3。

    從特征圖Fdown16上各點(diǎn)出發(fā),將每個(gè)特征圖的點(diǎn)逐一線性映射至輸入圖像上,進(jìn)行不同尺度的區(qū)域采樣,RPN計(jì)算各個(gè)采樣區(qū)域包含面部的置信度與回歸區(qū)域大小的微調(diào)值。模塊根據(jù)各個(gè)采樣區(qū)域的置信度通過指定閾值α=0.5對(duì)采樣區(qū)域過濾,生成可能包含人臉的候選人臉框。

    網(wǎng)絡(luò)目標(biāo)函數(shù)定義為

    式中:Lcls為分類損失,采用二進(jìn)制交叉熵;Lreg為邊框回歸損失,采用平滑L1損失函數(shù)(Smooth L1)損失并除以批次上的方差;λreg為損失平衡因子,取值為1。

    經(jīng)過適應(yīng)人臉的設(shè)計(jì),錨(Anchor)的尺寸設(shè)置為B={16,32,48,64,96,128,256,512},比例設(shè)置為S={1},見圖4。ZHU等的研究表明,減小采樣區(qū)域間距離、增大特征圖的大小可以有效增加Anchor對(duì)小尺寸(16像素×16像素)面部的包含程度,因此對(duì)尺寸B為16像素、32像素的Anchor進(jìn)行了偏移,見圖5,其中Sa是下采樣倍數(shù)。

    為增大特征圖的大小,對(duì)候選人臉框R進(jìn)行調(diào)整。采用8倍下采樣的結(jié)果特征圖F作為檢測任務(wù)的輸入特征圖,由于R是區(qū)域生成網(wǎng)絡(luò)16倍下采樣產(chǎn)生,因此將R中每個(gè)候選人臉框的大小擴(kuò)大4倍。為了減小二者轉(zhuǎn)換帶來的誤差,對(duì)擴(kuò)大后的R進(jìn)行變化為1的偏移,見圖6,將中心進(jìn)行8個(gè)方向的偏移。

    1.3 區(qū)域漸進(jìn)校準(zhǔn)檢測網(wǎng)絡(luò)

    區(qū)域漸進(jìn)校準(zhǔn)檢測網(wǎng)絡(luò)采用三階段校準(zhǔn)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行人臉檢測,見圖7。該網(wǎng)絡(luò)利用候選人臉框R提取特征圖F上的對(duì)應(yīng)區(qū)域特征組成區(qū)域特征Froi。每個(gè)Froi將被調(diào)整到256像素×7像素×7像素大小,并根據(jù)標(biāo)志角1(α1)、角2(α2)旋轉(zhuǎn)變換Froi,隨后被饋送到級(jí)聯(lián)的3個(gè)漸進(jìn)校準(zhǔn)子網(wǎng)絡(luò)中,預(yù)測目標(biāo)的角區(qū)間,逐步縮小角的變化范圍,同時(shí)進(jìn)行面部或非面部分類、邊界框回歸。

    3個(gè)級(jí)聯(lián)的漸進(jìn)校準(zhǔn)子網(wǎng)絡(luò)的目標(biāo)任務(wù)大致相同,分別為是否包含人臉的分類、邊界框回歸值預(yù)測和預(yù)測平面旋轉(zhuǎn)角(rotation in place,RIP)范圍。在這3個(gè)階段中,上一階段的預(yù)測值用于對(duì)候選人臉框R更新,并作為下一階段的輸入。指定平面坐標(biāo)y軸正方向?yàn)?°,前兩個(gè)子網(wǎng)絡(luò)將檢測目標(biāo)的平面角度所屬范圍由[-180°,180°]降低到[45°,-45°],第三階段進(jìn)行精確的人臉分類,從而檢測出平面內(nèi)任意角度變化的人臉。其中ROI_R_Pooling層是在感興趣區(qū)域池化(region of interest poling,ROI_Pooling)層的基礎(chǔ)上對(duì)區(qū)域?qū)?yīng)的特征圖進(jìn)行旋轉(zhuǎn)變換,這也是本文方法與Cascade RCNN網(wǎng)絡(luò)結(jié)構(gòu)的不同之處,對(duì)區(qū)域特征Froi的旋轉(zhuǎn)變換可表示為

    F=Froir(α1)r(α2),(5)

    式中:r(·)為矩陣旋轉(zhuǎn)函數(shù);α1、α2為區(qū)間的變化角,用于計(jì)算特征圖的矩陣轉(zhuǎn)置與翻轉(zhuǎn)變換。

    第一階段校準(zhǔn)子網(wǎng)絡(luò)PCNi,對(duì)Froi進(jìn)行是否包含人臉的分類、邊界框回歸、對(duì)RIP角度進(jìn)行上下朝向的二元分類。Adjusti利用PCNi網(wǎng)絡(luò)預(yù)測結(jié)果,過濾掉人臉二分類中預(yù)測值小于0.37的候選人臉框R,利用邊界框回歸值計(jì)算新的候選人臉框Ri,第一階段RIP角度預(yù)測值用于al的計(jì)算

    式中,Pagl1為PCNi對(duì)目標(biāo)角度區(qū)間的預(yù)測概率。

    第二階段校準(zhǔn)子網(wǎng)絡(luò)PCN2,首先用新的候選框獲取新的區(qū)域特征Froi,并根據(jù)αi將Froi旋轉(zhuǎn)變換為Fn1,將角度變化由[-180°,180°]降至[90°,-90°]。第二階段的目標(biāo)任務(wù)類似于第一階段,不同點(diǎn)是對(duì)RIP角度進(jìn)行[90°,45°]、[45°,-45°]或[-45°,-90°]區(qū)間的三分類。Adjust2利用PCN2網(wǎng)絡(luò)的預(yù)測結(jié)果,對(duì)候選人臉框R1進(jìn)行過濾與回歸,得到新的候選人臉框R2,第二階段RIP角度預(yù)測值用于α2的計(jì)算。

    式中,d為分類值。

    第三階段校準(zhǔn)子網(wǎng)絡(luò)PCN3,ROL_R_Pooling層提取R2對(duì)應(yīng)的特征,根據(jù)α1、α2將所有Froi校準(zhǔn)到RIP范圍為[45°,-45°]。同樣,對(duì)Fn2進(jìn)行精確的是否人臉的分類、邊界框回歸。最后,Adust3以第三階段的人臉二分類結(jié)果與回歸值做過濾與邊框回歸得到最終的檢測結(jié)果。

    PCN1、PCN2網(wǎng)絡(luò)的目標(biāo)函數(shù)定義為

    PCN3網(wǎng)絡(luò)的目標(biāo)函數(shù)定義為

    式(8)和式(9)中:λreg、λcal為平衡因子;j為網(wǎng)絡(luò)序號(hào)。在3個(gè)階段分別采用二進(jìn)制交叉熵、交叉熵、Smooth L1損失;F為各階段的輸入特征圖,其數(shù)據(jù)的分布隨著漸進(jìn)檢測變化。

    網(wǎng)絡(luò)訓(xùn)練階段,采用聯(lián)合訓(xùn)練的方式對(duì)整體網(wǎng)絡(luò)進(jìn)行訓(xùn)練,將區(qū)域生成網(wǎng)絡(luò)與漸進(jìn)校準(zhǔn)網(wǎng)絡(luò)聯(lián)合訓(xùn)練,將漸進(jìn)校準(zhǔn)各子網(wǎng)絡(luò)聯(lián)合訓(xùn)練,損失共同作用于特征提取與融合層。在研究中發(fā)現(xiàn),區(qū)域生成網(wǎng)絡(luò)產(chǎn)生的候選區(qū)域的中心點(diǎn)圍繞在檢測目標(biāo)的附近,兩者中心點(diǎn)越靠近,對(duì)于大尺寸的檢測目標(biāo),其候選區(qū)域的置信度越高;而對(duì)于小尺寸目標(biāo),各個(gè)候選區(qū)域的置信度高于指定閾值后,不能依賴置信度進(jìn)行基于投票的非最大值抑制(NMS)。因此,只對(duì)尺寸較大的候選區(qū)域使用基于投票的非最大值抑制策略,并選取置信度大于0.5的最多2 000個(gè)候選區(qū)域進(jìn)行檢測。

    2 實(shí)驗(yàn)

    2.1 數(shù)據(jù)集

    在WIDER FACE數(shù)據(jù)集與FDDB數(shù)據(jù)集上對(duì)本文方法進(jìn)行評(píng)估。WIDER FACE數(shù)據(jù)集中有61種不同場景、32 203張圖像和393 703個(gè)面部,其中包括的小尺寸、面部數(shù)量差異、照明、姿態(tài)等問題使得數(shù)據(jù)集很具有挑戰(zhàn)性。根據(jù)已有的研究,WIDER FACE數(shù)據(jù)集40%為訓(xùn)練集,20%為測試集,合并訓(xùn)練集與測試集可以提高檢測器性能。將WIDER FACE數(shù)據(jù)集人工進(jìn)行基準(zhǔn)框的方位區(qū)間標(biāo)注,并將所提方法在此數(shù)據(jù)集上進(jìn)行訓(xùn)練,在WIDER FACE數(shù)據(jù)集和FDDB數(shù)據(jù)集上進(jìn)行測試與評(píng)估,包括召回率與時(shí)耗的評(píng)估。

    在預(yù)訓(xùn)練模型上,使用Faster RCNN的官方預(yù)訓(xùn)練模型進(jìn)行了基于層名稱對(duì)應(yīng)的參數(shù)初始化。

    關(guān)于正負(fù)樣本的確定,本文研究的是人臉檢測,正樣本為標(biāo)注到的人臉,負(fù)樣本為沒有標(biāo)注的圖像上的所有區(qū)域(所有Anchor涉及的區(qū)域)。使用的WIDER FACE數(shù)據(jù)集中,剔除人臉尺寸低于12像素的原始圖像,其中負(fù)樣本占整體訓(xùn)練集的10%~15%。

    2.2 實(shí)現(xiàn)細(xì)節(jié)

    采用聯(lián)合交叉訓(xùn)練的訓(xùn)練方式。首先將區(qū)域生成網(wǎng)絡(luò)中采用了Faster RCNN的官方預(yù)訓(xùn)練模型進(jìn)行基于層名稱對(duì)應(yīng)的參數(shù)初始化。其中,預(yù)訓(xùn)練50 000次,采用隨機(jī)梯度下降(stochastic gradientdescent,SGD)進(jìn)行優(yōu)化,學(xué)習(xí)率固定為5×10-4,動(dòng)量為0.9,圖像批次設(shè)為1,錨的設(shè)定增加了偏移。

    在區(qū)域生成網(wǎng)絡(luò)的訓(xùn)練過程中,將交并比(intersection over union,IoU)分?jǐn)?shù)最大或IoU分?jǐn)?shù)高于0.7的錨定義為正樣本,低于0.3的定義為負(fù)樣本,正負(fù)樣本的比例為1:1,單批次樣本數(shù)目最大為256個(gè)。

    檢測網(wǎng)絡(luò)中的3個(gè)子網(wǎng)絡(luò)也采用聯(lián)合交叉訓(xùn)練方式,作為驗(yàn)證的最終結(jié)果。設(shè)置迭代次數(shù)為70 000,基本學(xué)習(xí)率為10-4,在50 000次迭代后降低為2xl0-5。參考Cascade RCNN的相關(guān)研究,設(shè)定3個(gè)子網(wǎng)絡(luò)IoU得分的上閾值分別為0.5、0.6、0.7,下閾值設(shè)為0.1,分別用于對(duì)檢測網(wǎng)絡(luò)中各個(gè)子網(wǎng)絡(luò)正負(fù)樣本進(jìn)行選取。

    在訓(xùn)練過程中,對(duì)WIDER FACE數(shù)據(jù)集圖像進(jìn)行圖像轉(zhuǎn)置、翻轉(zhuǎn)增強(qiáng),并將每張圖像調(diào)整至1 024/max(w,h)的比率,w、h為圖像的原始寬、高。為了提高對(duì)區(qū)域生成網(wǎng)絡(luò)輸出的篩選速度并保證小尺寸人臉被包含,將置信度大于0.5的最多2 000個(gè)錨作為候選區(qū)域,只對(duì)尺寸大于48像素×48像素的候選區(qū)域進(jìn)行非最大值抑制。

    2.3 對(duì)比實(shí)驗(yàn)

    將RPCN與其他先進(jìn)方法進(jìn)行比較,包括FasterRCNN方法、Cascade CNN方法、PCN方法、SSD500方法。Faster RCNN方法、SSD500方法使用WIDERFACE數(shù)據(jù)集進(jìn)行訓(xùn)練,采用VGG16作為基礎(chǔ)網(wǎng)絡(luò),并隨機(jī)旋轉(zhuǎn)訓(xùn)練樣本圖像。Faster RCNN方法使用區(qū)域生成網(wǎng)絡(luò)生成的前2 000個(gè)候選框。Cascade CNN方法和PCN方法都是根據(jù)滑動(dòng)窗口和圖像金字塔原理獲得所有候選人臉區(qū)域,并通過多個(gè)級(jí)聯(lián)的分類器漸進(jìn)地對(duì)候選區(qū)域分類,將WIDER FACE與FDDB數(shù)據(jù)集混合,用于訓(xùn)練PCN與Cascade CNN,其中圖像隨機(jī)旋轉(zhuǎn)的角度區(qū)間遵循PCN中的方法,Cascade CNN采用與PCN相同的3個(gè)CNN子網(wǎng)絡(luò)來級(jí)聯(lián)實(shí)現(xiàn)。

    遵循PCN中的方法,將FDDB數(shù)據(jù)集分別旋轉(zhuǎn)90°、180°、270°,形成FDDBup、FDDBdown、FDDBleft、FDDBright。將FDDB數(shù)據(jù)集分成4個(gè)子數(shù)據(jù)集,每個(gè)子數(shù)據(jù)集分別有3個(gè)角度,記作多方位FDDB數(shù)據(jù)集,并將面部的注釋調(diào)整為矩形框。所有方法在WIDER FACE數(shù)據(jù)集、多方位FDDB數(shù)據(jù)集上進(jìn)行評(píng)估。

    2.4 評(píng)估結(jié)果

    (1)多方位FDDB數(shù)據(jù)集上的結(jié)果

    圖8為多方位FDDB數(shù)據(jù)集上的ROC(receiveroperating characteristic)曲線。本文方法性能優(yōu)于Faster RCNN方法,在誤報(bào)為200時(shí),比FasterRCNN方法性能更好。與PCN方法相比,本文方法在整體上性能占優(yōu),但是在誤報(bào)為1 00時(shí)稍遜于PCN方法。

    (2)運(yùn)行速度與精度的比較

    提出RPCN是為了利用級(jí)聯(lián)結(jié)構(gòu)降低檢測任務(wù)的變化,以此來降低網(wǎng)絡(luò)的參數(shù)量,提高處理速度,并保持精度。將多方位FDDB數(shù)據(jù)集與隨機(jī)旋轉(zhuǎn)的WIDER FACE數(shù)據(jù)集中的圖像調(diào)整到1 024像素Auax(w,h)的比率,最小人臉尺寸(mini-face)分別設(shè)為16像素×16像素、48像素×48像素,在其上與其他的方法進(jìn)行比較,表1和表2分別為2個(gè)數(shù)據(jù)集上誤報(bào)為200個(gè)的結(jié)果。

    在多方位FDDB數(shù)據(jù)集上,本文方法的召回率高于Faster RCNN方法和SSD500方法,運(yùn)行速度在最小人臉尺寸為48像素時(shí)達(dá)到每秒11幀,比Faster RCNN方法快得多。在WIDER FACE數(shù)據(jù)集上,召回率超過90%,RPCN方法的運(yùn)行速度雖然比PCN方法低,但召回率優(yōu)于PCN方法,特別是處理小尺寸人臉時(shí)??傮w來看,RPCN方法相較于一階段方法,運(yùn)行速度稍慢一些,但性能更好,并且在處理小尺寸人臉時(shí)也更有優(yōu)勢;相較于二階段方法,RPCN方法使用更少的參數(shù)量達(dá)到了更好的性能。

    3 結(jié)論

    提出了一個(gè)將區(qū)域的檢測網(wǎng)絡(luò)與漸進(jìn)校準(zhǔn)網(wǎng)絡(luò)相結(jié)合的方法,用于全旋轉(zhuǎn)平面角度的人臉檢測。所提出的方法對(duì)特征提取和區(qū)域生成網(wǎng)絡(luò)進(jìn)行改進(jìn),通過級(jí)聯(lián)的檢測結(jié)構(gòu),逐步減小面部的角度變化并實(shí)現(xiàn)精確的人臉檢測。在多方位FDDB數(shù)據(jù)集與WIDER FACE數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的有效性。所提方法能夠采用較短的時(shí)間,完成角度變化大和小尺度人臉檢測與定位的任務(wù)。在方法的應(yīng)用前景中,本文方法不局限于對(duì)人臉的檢測,也可以運(yùn)用到角度變化下的一般目標(biāo)檢測,以及變化更加頻繁的圖像中的文字檢測。在接下來的研究中,將重點(diǎn)提高對(duì)三維角度變化的魯棒性。

    基金項(xiàng)目:國家自然科學(xué)基金項(xiàng)目(62173171)

    猜你喜歡
    人臉檢測機(jī)器視覺神經(jīng)網(wǎng)絡(luò)
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    基于人臉特征定位的SNS網(wǎng)站應(yīng)用組件研究與設(shè)計(jì)
    基于Android平臺(tái)的人臉識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    大場景三維激光掃描儀在研究生實(shí)踐教學(xué)培養(yǎng)中的應(yīng)用
    基于Matlab的人臉檢測實(shí)驗(yàn)設(shè)計(jì)
    基于機(jī)器視覺的工件鋸片缺陷檢測系統(tǒng)設(shè)計(jì)
    軟件工程(2016年8期)2016-10-25 15:55:22
    基于機(jī)器視覺技術(shù)的動(dòng)態(tài)“白帶”常規(guī)檢測系統(tǒng)的開發(fā)
    科技視界(2016年20期)2016-09-29 11:11:40
    機(jī)器視覺技術(shù)在煙支鋼印檢測中的應(yīng)用
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    99热精品在线国产| 2021天堂中文幕一二区在线观| 在线看三级毛片| 听说在线观看完整版免费高清| av在线观看视频网站免费| 国产激情偷乱视频一区二区| 中文字幕人妻熟人妻熟丝袜美| 十八禁人妻一区二区| 亚洲av免费在线观看| 91字幕亚洲| av在线老鸭窝| 国产精品久久久久久久久免 | 国产av一区在线观看免费| 日日干狠狠操夜夜爽| 日韩欧美 国产精品| 亚洲最大成人中文| 国产 一区 欧美 日韩| 99热6这里只有精品| 99久久无色码亚洲精品果冻| 亚洲熟妇熟女久久| 最好的美女福利视频网| 亚洲aⅴ乱码一区二区在线播放| 97人妻精品一区二区三区麻豆| 亚洲人成网站在线播放欧美日韩| 中文字幕免费在线视频6| 日韩有码中文字幕| 麻豆国产av国片精品| 国产精品综合久久久久久久免费| 免费看光身美女| 又黄又爽又刺激的免费视频.| 亚洲国产色片| 一级毛片久久久久久久久女| www.色视频.com| 午夜影院日韩av| 在线a可以看的网站| 日日夜夜操网爽| 精品久久久久久成人av| 国产精品久久视频播放| 久久久久久久午夜电影| 亚洲国产精品sss在线观看| 韩国av一区二区三区四区| 尤物成人国产欧美一区二区三区| 91久久精品国产一区二区成人| 欧美日韩中文字幕国产精品一区二区三区| 亚洲成人中文字幕在线播放| 日本黄大片高清| 久久久久国产精品人妻aⅴ院| 赤兔流量卡办理| 国产aⅴ精品一区二区三区波| 美女 人体艺术 gogo| 99riav亚洲国产免费| 深夜精品福利| 久久亚洲精品不卡| av欧美777| 波多野结衣高清作品| 宅男免费午夜| www.999成人在线观看| 久久精品综合一区二区三区| 超碰av人人做人人爽久久| 欧美在线一区亚洲| 日日干狠狠操夜夜爽| 男人和女人高潮做爰伦理| 国产中年淑女户外野战色| 高清在线国产一区| av专区在线播放| 亚洲成av人片在线播放无| 好看av亚洲va欧美ⅴa在| 精品一区二区三区人妻视频| 一区二区三区高清视频在线| 神马国产精品三级电影在线观看| 波多野结衣高清无吗| 少妇丰满av| 3wmmmm亚洲av在线观看| 在线观看一区二区三区| 午夜a级毛片| 精品午夜福利在线看| 久久精品影院6| 麻豆国产97在线/欧美| 欧美一区二区亚洲| 国内毛片毛片毛片毛片毛片| 男女床上黄色一级片免费看| 一二三四社区在线视频社区8| 极品教师在线免费播放| 岛国在线免费视频观看| 久久久色成人| 夜夜夜夜夜久久久久| 欧美3d第一页| 国产大屁股一区二区在线视频| 色综合婷婷激情| 又紧又爽又黄一区二区| 欧美又色又爽又黄视频| 日韩成人在线观看一区二区三区| 午夜福利欧美成人| 欧美黑人欧美精品刺激| 亚洲性夜色夜夜综合| 日本免费a在线| 欧美性猛交╳xxx乱大交人| 国产伦人伦偷精品视频| 亚洲五月天丁香| 亚洲欧美日韩高清专用| 欧美xxxx性猛交bbbb| 久久精品国产99精品国产亚洲性色| 亚洲人成网站在线播| 看免费av毛片| 国产亚洲精品av在线| 特级一级黄色大片| 免费无遮挡裸体视频| 久久精品91蜜桃| av在线观看视频网站免费| 久久久成人免费电影| 欧美精品国产亚洲| 我要搜黄色片| 久久久久九九精品影院| 日韩 亚洲 欧美在线| 午夜福利成人在线免费观看| 人妻丰满熟妇av一区二区三区| 久久精品国产亚洲av涩爱 | 在线天堂最新版资源| 日韩成人在线观看一区二区三区| 日本精品一区二区三区蜜桃| 长腿黑丝高跟| 极品教师在线免费播放| 青草久久国产| 亚洲久久久久久中文字幕| 久久久久久久亚洲中文字幕 | 精品久久国产蜜桃| 嫩草影院新地址| 久久午夜亚洲精品久久| 成人鲁丝片一二三区免费| 淫妇啪啪啪对白视频| 熟妇人妻久久中文字幕3abv| 我的老师免费观看完整版| 日韩欧美三级三区| 99热只有精品国产| 国产精品女同一区二区软件 | 免费观看的影片在线观看| 桃色一区二区三区在线观看| 国产精品久久久久久久久免 | 每晚都被弄得嗷嗷叫到高潮| 美女大奶头视频| 国产亚洲欧美在线一区二区| 亚洲七黄色美女视频| 亚洲欧美日韩高清专用| 亚洲欧美精品综合久久99| av在线老鸭窝| 91九色精品人成在线观看| 欧美日韩黄片免| 精华霜和精华液先用哪个| 在线免费观看的www视频| 舔av片在线| 一本一本综合久久| 精品午夜福利视频在线观看一区| 国产 一区 欧美 日韩| 伦理电影大哥的女人| 悠悠久久av| 精品久久久久久,| 一进一出好大好爽视频| 欧美性感艳星| 1024手机看黄色片| 乱码一卡2卡4卡精品| 天天一区二区日本电影三级| 亚洲中文字幕一区二区三区有码在线看| 男人舔奶头视频| 少妇丰满av| 综合色av麻豆| 一区二区三区免费毛片| 久久久久性生活片| 别揉我奶头 嗯啊视频| 国产午夜精品论理片| 999久久久精品免费观看国产| 成人三级黄色视频| 亚洲av美国av| 天美传媒精品一区二区| 麻豆国产av国片精品| 极品教师在线视频| a级一级毛片免费在线观看| 网址你懂的国产日韩在线| 深夜a级毛片| 长腿黑丝高跟| 露出奶头的视频| 一本久久中文字幕| 亚洲avbb在线观看| 免费观看精品视频网站| 特级一级黄色大片| av中文乱码字幕在线| 一二三四社区在线视频社区8| 亚洲精华国产精华精| 亚洲人成伊人成综合网2020| 久久久久久久亚洲中文字幕 | 露出奶头的视频| 国产亚洲精品久久久com| 国产精品嫩草影院av在线观看 | 亚洲精品一区av在线观看| 精品国产三级普通话版| 久久久成人免费电影| 此物有八面人人有两片| 欧美一区二区精品小视频在线| 日本成人三级电影网站| 亚洲国产精品999在线| 麻豆国产97在线/欧美| 在线观看午夜福利视频| 国产69精品久久久久777片| 久久久精品大字幕| 免费无遮挡裸体视频| 精品人妻1区二区| 精品乱码久久久久久99久播| 两个人视频免费观看高清| 欧美色欧美亚洲另类二区| 美女被艹到高潮喷水动态| 在线天堂最新版资源| 久久99热这里只有精品18| 最近中文字幕高清免费大全6 | 国产精品一区二区三区四区久久| 免费看美女性在线毛片视频| 国产淫片久久久久久久久 | 久久香蕉精品热| 久久婷婷人人爽人人干人人爱| 午夜福利免费观看在线| 男人的好看免费观看在线视频| 蜜桃亚洲精品一区二区三区| 赤兔流量卡办理| 亚洲中文字幕一区二区三区有码在线看| 亚洲精品成人久久久久久| 琪琪午夜伦伦电影理论片6080| 亚洲五月婷婷丁香| 亚洲欧美日韩高清在线视频| 他把我摸到了高潮在线观看| 欧美性猛交╳xxx乱大交人| bbb黄色大片| 免费人成在线观看视频色| 日本黄大片高清| 久久久成人免费电影| 99国产精品一区二区蜜桃av| 精品一区二区三区视频在线| 亚洲人成网站在线播| 99国产精品一区二区三区| av在线观看视频网站免费| 欧美黑人欧美精品刺激| 成人无遮挡网站| 亚洲avbb在线观看| 天天一区二区日本电影三级| 久久久久亚洲av毛片大全| 国产精品日韩av在线免费观看| 久久久色成人| 亚洲在线自拍视频| 国产精品亚洲一级av第二区| 中文字幕人成人乱码亚洲影| 色综合站精品国产| 国产精品嫩草影院av在线观看 | 欧美xxxx黑人xx丫x性爽| 老司机午夜福利在线观看视频| 麻豆一二三区av精品| 欧美区成人在线视频| 热99在线观看视频| 亚洲狠狠婷婷综合久久图片| 亚洲欧美清纯卡通| 丰满人妻熟妇乱又伦精品不卡| 欧美+日韩+精品| 免费看a级黄色片| 亚洲精品粉嫩美女一区| 久久久久九九精品影院| 日韩欧美在线二视频| 亚洲av五月六月丁香网| 久久人人精品亚洲av| 最近视频中文字幕2019在线8| 国产精品美女特级片免费视频播放器| 国产色婷婷99| 国产精品亚洲一级av第二区| 九九久久精品国产亚洲av麻豆| 最近中文字幕高清免费大全6 | 久久久久久久午夜电影| 99精品久久久久人妻精品| 日本一本二区三区精品| 色哟哟哟哟哟哟| 国产精品一区二区三区四区久久| 国产欧美日韩一区二区精品| 久久久久久久亚洲中文字幕 | 一个人观看的视频www高清免费观看| 色av中文字幕| 国产精品国产高清国产av| av国产免费在线观看| 国产黄色小视频在线观看| 性欧美人与动物交配| 欧美精品啪啪一区二区三区| 日韩欧美精品v在线| 男女之事视频高清在线观看| 色综合欧美亚洲国产小说| 欧美激情国产日韩精品一区| 国产乱人视频| a级毛片免费高清观看在线播放| 日韩亚洲欧美综合| 亚洲欧美日韩高清在线视频| 在线观看66精品国产| 国产一区二区在线观看日韩| 午夜福利免费观看在线| 日韩有码中文字幕| 啦啦啦韩国在线观看视频| 日本免费一区二区三区高清不卡| 国产黄a三级三级三级人| 日韩亚洲欧美综合| 国产伦精品一区二区三区四那| 一进一出抽搐gif免费好疼| 变态另类丝袜制服| 亚洲人成电影免费在线| 窝窝影院91人妻| 国产三级中文精品| 国产精品自产拍在线观看55亚洲| 午夜激情福利司机影院| 中文资源天堂在线| 久久国产乱子伦精品免费另类| 有码 亚洲区| 精品一区二区三区视频在线| 97超级碰碰碰精品色视频在线观看| 免费一级毛片在线播放高清视频| 国产伦一二天堂av在线观看| 成人av一区二区三区在线看| 久久国产乱子伦精品免费另类| 国产高清视频在线播放一区| 国产在线男女| 很黄的视频免费| 色播亚洲综合网| 午夜a级毛片| 亚洲自拍偷在线| 国产精品一及| 日本 欧美在线| 国产色爽女视频免费观看| 成年女人看的毛片在线观看| 国产成人福利小说| 51国产日韩欧美| 亚洲国产日韩欧美精品在线观看| 丁香欧美五月| www.www免费av| 夜夜躁狠狠躁天天躁| 嫩草影视91久久| 国产精品爽爽va在线观看网站| 久久久国产成人精品二区| 亚洲欧美日韩东京热| 91av网一区二区| 亚洲欧美日韩卡通动漫| 极品教师在线视频| 国产精品一区二区性色av| 亚洲内射少妇av| 色av中文字幕| 一级黄色大片毛片| 国产黄a三级三级三级人| 午夜激情福利司机影院| 国产精品亚洲美女久久久| 91麻豆精品激情在线观看国产| 国产成人影院久久av| 亚洲欧美日韩高清在线视频| 亚洲精品乱码久久久v下载方式| 亚洲va日本ⅴa欧美va伊人久久| 欧美午夜高清在线| 一级作爱视频免费观看| 欧美+日韩+精品| 日韩欧美一区二区三区在线观看| 在现免费观看毛片| 麻豆一二三区av精品| 亚洲精品成人久久久久久| 在线观看午夜福利视频| 欧美一级a爱片免费观看看| 亚洲 国产 在线| 欧美日韩乱码在线| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 一区二区三区高清视频在线| a级毛片免费高清观看在线播放| 桃色一区二区三区在线观看| 国产白丝娇喘喷水9色精品| 欧美午夜高清在线| 国产中年淑女户外野战色| 黄色一级大片看看| 日本精品一区二区三区蜜桃| 免费在线观看亚洲国产| 伦理电影大哥的女人| АⅤ资源中文在线天堂| 女人被狂操c到高潮| 一区二区三区激情视频| 色综合站精品国产| 国产成人欧美在线观看| av天堂中文字幕网| 欧美日韩中文字幕国产精品一区二区三区| 亚洲一区高清亚洲精品| 国语自产精品视频在线第100页| 国产精品,欧美在线| 又爽又黄无遮挡网站| 又紧又爽又黄一区二区| 欧美日韩中文字幕国产精品一区二区三区| 国产69精品久久久久777片| 女同久久另类99精品国产91| 色哟哟·www| 精品日产1卡2卡| 亚洲中文字幕一区二区三区有码在线看| a级毛片a级免费在线| 午夜福利成人在线免费观看| 999久久久精品免费观看国产| 国产精品精品国产色婷婷| 色尼玛亚洲综合影院| 色哟哟哟哟哟哟| 一个人免费在线观看电影| 天堂影院成人在线观看| 此物有八面人人有两片| 18美女黄网站色大片免费观看| 国产在线男女| 欧美午夜高清在线| 国产精品美女特级片免费视频播放器| 老熟妇乱子伦视频在线观看| 精品午夜福利在线看| 免费看日本二区| 永久网站在线| 露出奶头的视频| www.熟女人妻精品国产| 欧美又色又爽又黄视频| 99国产精品一区二区蜜桃av| 国产aⅴ精品一区二区三区波| 国产高清视频在线播放一区| 偷拍熟女少妇极品色| 久久伊人香网站| 亚洲真实伦在线观看| 1024手机看黄色片| 久久精品国产亚洲av涩爱 | 久久久久久大精品| 免费黄网站久久成人精品 | 国产欧美日韩一区二区精品| 欧美激情国产日韩精品一区| 丰满人妻一区二区三区视频av| 亚洲欧美激情综合另类| 国产亚洲精品久久久久久毛片| 国产精品日韩av在线免费观看| 丰满人妻熟妇乱又伦精品不卡| 自拍偷自拍亚洲精品老妇| 给我免费播放毛片高清在线观看| netflix在线观看网站| 国产伦精品一区二区三区视频9| 18禁黄网站禁片午夜丰满| 欧美最新免费一区二区三区 | 一本久久中文字幕| 99国产精品一区二区三区| 亚洲av成人av| 亚洲第一欧美日韩一区二区三区| 又紧又爽又黄一区二区| 哪里可以看免费的av片| 久久精品国产亚洲av香蕉五月| 色噜噜av男人的天堂激情| 一本一本综合久久| 国产精品99久久久久久久久| 久久久久久久久久黄片| 久久久久性生活片| 国产一级毛片七仙女欲春2| 69av精品久久久久久| 午夜日韩欧美国产| 亚洲av.av天堂| 亚洲欧美日韩高清专用| 网址你懂的国产日韩在线| 我要看日韩黄色一级片| 久久久精品大字幕| 久久亚洲精品不卡| 三级毛片av免费| 黄色日韩在线| 免费大片18禁| 怎么达到女性高潮| 国产真实伦视频高清在线观看 | 日韩亚洲欧美综合| 亚洲国产精品合色在线| 国产三级黄色录像| 黄色丝袜av网址大全| 亚洲精品在线观看二区| a在线观看视频网站| 在线十欧美十亚洲十日本专区| 九色成人免费人妻av| 老司机福利观看| 亚洲av成人不卡在线观看播放网| 高清毛片免费观看视频网站| 黄色配什么色好看| a级毛片a级免费在线| 成人美女网站在线观看视频| 色噜噜av男人的天堂激情| 在线看三级毛片| 欧美一区二区精品小视频在线| 精品久久久久久久末码| 亚洲一区二区三区不卡视频| 99在线人妻在线中文字幕| 国产色爽女视频免费观看| 久久精品夜夜夜夜夜久久蜜豆| 免费在线观看成人毛片| 精品国产亚洲在线| 久久天躁狠狠躁夜夜2o2o| 看片在线看免费视频| 国产主播在线观看一区二区| 极品教师在线视频| 亚洲精品在线观看二区| 十八禁人妻一区二区| 国产探花极品一区二区| 色综合站精品国产| 高潮久久久久久久久久久不卡| 国产伦精品一区二区三区视频9| 日本黄色片子视频| 国产乱人视频| 欧美xxxx黑人xx丫x性爽| 在线十欧美十亚洲十日本专区| 欧美性猛交╳xxx乱大交人| 欧美最黄视频在线播放免费| 久久中文看片网| 国产久久久一区二区三区| av国产免费在线观看| 国产成人欧美在线观看| 中文字幕av成人在线电影| 国模一区二区三区四区视频| 国产精品一区二区三区四区免费观看 | 男女下面进入的视频免费午夜| 99久久精品国产亚洲精品| 欧美日韩黄片免| 午夜精品在线福利| 女同久久另类99精品国产91| 免费人成视频x8x8入口观看| 一本综合久久免费| 美女xxoo啪啪120秒动态图 | 麻豆国产97在线/欧美| 免费在线观看日本一区| 亚洲18禁久久av| 久久久久久久亚洲中文字幕 | 如何舔出高潮| 色在线成人网| 国产精品亚洲av一区麻豆| 亚洲真实伦在线观看| 国内精品久久久久久久电影| 免费在线观看影片大全网站| 毛片女人毛片| 动漫黄色视频在线观看| 成人无遮挡网站| 精品福利观看| 欧美成人a在线观看| 欧美激情久久久久久爽电影| 国产伦人伦偷精品视频| 亚洲,欧美,日韩| 国产精品女同一区二区软件 | 91狼人影院| 最近视频中文字幕2019在线8| 美女被艹到高潮喷水动态| 亚洲18禁久久av| 人妻丰满熟妇av一区二区三区| 欧美黑人欧美精品刺激| 午夜精品一区二区三区免费看| 波多野结衣高清作品| 国产成人a区在线观看| 美女高潮喷水抽搐中文字幕| 精品人妻一区二区三区麻豆 | 国产人妻一区二区三区在| 人妻夜夜爽99麻豆av| 亚洲欧美日韩高清专用| 精品国产亚洲在线| 十八禁人妻一区二区| 精品不卡国产一区二区三区| 欧美成人一区二区免费高清观看| 精品福利观看| 亚洲黑人精品在线| 两性午夜刺激爽爽歪歪视频在线观看| 嫩草影院新地址| 看十八女毛片水多多多| 亚洲五月天丁香| 日本成人三级电影网站| 国产亚洲精品久久久com| 日本黄大片高清| 成人av在线播放网站| 91久久精品电影网| 国产美女午夜福利| 嫩草影视91久久| 很黄的视频免费| 亚洲乱码一区二区免费版| 久久久久性生活片| 亚洲精品亚洲一区二区| 男人和女人高潮做爰伦理| 我的老师免费观看完整版| 别揉我奶头~嗯~啊~动态视频| 亚洲成人久久性| bbb黄色大片| 久久精品人妻少妇| 一级黄片播放器| 亚洲精品一区av在线观看| 日本黄色片子视频| 日韩中字成人| 亚洲国产精品久久男人天堂| 欧美午夜高清在线| 久久国产精品人妻蜜桃| 长腿黑丝高跟| 午夜视频国产福利| 欧美一区二区亚洲| 搞女人的毛片| 51午夜福利影视在线观看| 亚洲国产精品合色在线| 国模一区二区三区四区视频| 亚洲成人免费电影在线观看| 精品一区二区三区视频在线| 在线观看av片永久免费下载| 国产日本99.免费观看| 精华霜和精华液先用哪个| 久久精品国产亚洲av天美| 高清日韩中文字幕在线| 看免费av毛片| 久久久久久大精品| 久久久久国产精品人妻aⅴ院| 老鸭窝网址在线观看| 日韩中文字幕欧美一区二区| 精品欧美国产一区二区三| 久久热精品热| 成人鲁丝片一二三区免费| 亚洲精品成人久久久久久| 国产大屁股一区二区在线视频| 国产国拍精品亚洲av在线观看| 国产精品不卡视频一区二区 | 好看av亚洲va欧美ⅴa在| 丝袜美腿在线中文| 成人特级黄色片久久久久久久| 狂野欧美白嫩少妇大欣赏| 少妇人妻一区二区三区视频| 亚洲第一电影网av|