欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

人臉識(shí)別大作業(yè)實(shí)戰(zhàn):Python傳統(tǒng)機(jī)器學(xué)習(xí)源碼解析與避坑指南

人臉識(shí)別大作業(yè)實(shí)戰(zhàn):Python傳統(tǒng)機(jī)器學(xué)習(xí)源碼解析與避坑指南 簡(jiǎn)介面向高校機(jī)器學(xué)習(xí)課程大作業(yè)場(chǎng)景這份壓縮包提供了基于Python的人臉識(shí)別與性別識(shí)別完整實(shí)現(xiàn)適合作為本科生課程項(xiàng)目參考。內(nèi)容覆蓋照片與視頻兩類輸入既包含人臉與眼睛檢測(cè)也演示了調(diào)用卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行性別識(shí)別的兩種方式有助于理解從圖像預(yù)處理、模型加載到輸出結(jié)果的完整工程流程。壓縮包大小約3.52MB核心文件包括Python源碼、預(yù)訓(xùn)練模型、工程說(shuō)明文檔以及BP神經(jīng)網(wǎng)絡(luò)性別檢測(cè)工作報(bào)告針對(duì)照片與視頻分別設(shè)置了多個(gè)獨(dú)立模塊便于按需學(xué)習(xí)。目前已有1449人學(xué)習(xí)下載多為正在完成人臉識(shí)別或機(jī)器學(xué)習(xí)大作業(yè)的學(xué)生。除可直接運(yùn)行的代碼外報(bào)告還系統(tǒng)梳理了BP神經(jīng)網(wǎng)絡(luò)的工作流程、數(shù)據(jù)集處理與實(shí)驗(yàn)分析可顯著降低起步門檻。對(duì)于需要同時(shí)提交源碼、課程報(bào)告和項(xiàng)目說(shuō)明的讀者這份材料提供了完整參考既便于復(fù)現(xiàn)實(shí)驗(yàn)也方便在此基礎(chǔ)上擴(kuò)展新功能。1. 人臉識(shí)別大作業(yè)這套Python機(jī)器學(xué)習(xí)源碼包先解決能跑再解決能講期末周最忙的幾件事里機(jī)器學(xué)習(xí)課程設(shè)計(jì)一定排得上號(hào)。人臉識(shí)別作為各校大作業(yè)的高頻題搜出來(lái)的資源大多是源碼課程報(bào)告項(xiàng)目說(shuō)明三件套的壓縮包。它解決的不是從零發(fā)明算法而是兩個(gè)更現(xiàn)實(shí)的問(wèn)題交上去能跑出結(jié)果答辯時(shí)能講清原理。這類包的內(nèi)容通常是一條基于Python傳統(tǒng)機(jī)器學(xué)習(xí)的完整流程——讀取人臉圖片、統(tǒng)一尺寸、提取特征、訓(xùn)練分類器、對(duì)新照片預(yù)測(cè)再把過(guò)程寫進(jìn)課程報(bào)告配一份讓老師照著命令能復(fù)現(xiàn)的項(xiàng)目說(shuō)明。適合三類人課程設(shè)計(jì)臨期想穩(wěn)過(guò)的學(xué)生、剛?cè)腴TPython還不熟悉工程結(jié)構(gòu)的初學(xué)者、想拿基準(zhǔn)流程做對(duì)比實(shí)驗(yàn)的畢設(shè)起步者。先給結(jié)論這類包的價(jià)值在流程骨架不在模型精度你要做的是跑通它、改參數(shù)、把三件事講清楚。2. 從原理到選型為什么這個(gè)題目用傳統(tǒng)機(jī)器學(xué)習(xí)而不是扔給深度學(xué)習(xí)2.1 三條技術(shù)路線特征臉、Fisherface和LBPH差在哪大作業(yè)源碼里最常見的算法不是CNN而是三種傳統(tǒng)方法PCA特征臉、LDA Fisherface、LBPH局部二值模式。特征臉Eigenface的思路是把每張人臉照片拉成一維向量計(jì)算所有向量的協(xié)方差矩陣用特征值分解找出一組主成分方向。這些主成分向量還原成圖像后看起來(lái)像一張模糊的人臉輪廓所以叫特征臉。識(shí)別時(shí)把新照片投影到特征空間和每個(gè)已注冊(cè)的人臉向量算歐氏距離距離最近的標(biāo)簽就是預(yù)測(cè)結(jié)果。這個(gè)方法的數(shù)學(xué)干凈答辯時(shí)老師問(wèn)你PCA做了什么一張?zhí)卣髂樋梢暬瘓D就能說(shuō)明白。Fisherface是在PCA基礎(chǔ)上加了類別意識(shí)。PCA只關(guān)心整體方差最大不關(guān)心不同人之間的區(qū)分LDA則轉(zhuǎn)而最大化類間散度/類內(nèi)散度這個(gè)比值讓同一人的照片聚攏、不同人的照片分開。實(shí)驗(yàn)里Fisherface在光照變化不大的數(shù)據(jù)集上通常比純PCA略好但它對(duì)樣本數(shù)的需求更高——每類樣本太少時(shí)類內(nèi)散度矩陣估不準(zhǔn)。LBPH走的是另一條路它不計(jì)算全局投影而是給每個(gè)像素統(tǒng)計(jì)鄰域紋理模式生成局部二值模式直方圖再用直方圖之間的相似度做識(shí)別。優(yōu)點(diǎn)是計(jì)算快、對(duì)光照變化相對(duì)魯棒OpenCV的face模塊里直接封裝了現(xiàn)成接口很多課程設(shè)計(jì)源碼會(huì)用OpenCV那一套而不是自己手寫PCA。2.2 為什么是機(jī)器學(xué)習(xí)而不是深度學(xué)習(xí)人臉識(shí)別在工業(yè)界早就被深度學(xué)習(xí)統(tǒng)治了但大作業(yè)場(chǎng)景里傳統(tǒng)機(jī)器學(xué)習(xí)依然是更穩(wěn)的選擇四個(gè)原因第一數(shù)據(jù)量不匹配。公開的課程級(jí)數(shù)據(jù)集一般很小ORL一共400張、Yale大概165張這點(diǎn)樣本喂給CNN訓(xùn)練驗(yàn)證集準(zhǔn)確率波動(dòng)會(huì)非常大很容易陷入訓(xùn)練集98%測(cè)試集不到70%的尷尬。傳統(tǒng)方法參數(shù)少幾百?gòu)垐D足以擬合一個(gè)SVM。第二算力限制。CNN訓(xùn)練要么借GPU要么在CPU上干等一個(gè)下午。傳統(tǒng)方法在CPU上幾十秒就能完成交叉驗(yàn)證迭代調(diào)參的體驗(yàn)完全不同。第三可解釋性。答辯老師會(huì)追問(wèn)為什么選這個(gè)特征為什么分類錯(cuò)誤。PCA降維、SVM間隔、距離閾值這些概念一句話能講清楚而深度學(xué)習(xí)是個(gè)黑匣子學(xué)生版本的CNN很難從內(nèi)部機(jī)理上給出有說(shuō)服力的回答。第四課程評(píng)分標(biāo)準(zhǔn)本身不要求SOTA。大多數(shù)大作業(yè)的給分維度是功能完整、可復(fù)現(xiàn)、報(bào)告清晰不是識(shí)別率排名。一套調(diào)好的傳統(tǒng)流程已經(jīng)能拿到90%以上的識(shí)別率足夠支撐報(bào)告里的實(shí)驗(yàn)章節(jié)。2.3 選型對(duì)照表先定算法再動(dòng)手寫代碼拿到zip之后第一步不是跑代碼是先弄清里面用的是哪條技術(shù)路線這決定了你后面所有修改方向。路線適合數(shù)據(jù)量光照魯棒性可解釋性答辯友好度PCA特征臉小每類5~10張弱高高LDA/Fisherface中每類至少8~10張弱高高LBPH小到中中等中中CNN很大每類數(shù)百?gòu)垙?qiáng)低低課程設(shè)計(jì)源碼里最常見的技術(shù)組合是兩種一是自己用scikit-learn實(shí)現(xiàn)PCA降維 SVM分類二是直接調(diào)OpenCV的EigenFaceRecognizer或LBPHFaceRecognizer。前者的好處是每行代碼都能寫進(jìn)報(bào)告后者的好處是代碼量少、接口穩(wěn)定。如果你拿到的包是前者恭喜它的可改空間最大——換分類器、調(diào)主成分?jǐn)?shù)、做對(duì)比實(shí)驗(yàn)都很順手。實(shí)際選型時(shí)還要考慮一個(gè)容易被忽略的點(diǎn)zip里的項(xiàng)目說(shuō)明寫的是什么。項(xiàng)目說(shuō)明如果承諾Windows 10 Python 3.8可直接運(yùn)行你就不要擅自升級(jí)Python大版本否則OpenCV的輪子可能裝不上后面全是在修環(huán)境的活。3. 把源碼跑起來(lái)環(huán)境配置、ORL數(shù)據(jù)集與三個(gè)最小命令3.1 Python環(huán)境準(zhǔn)備用獨(dú)立虛擬環(huán)境避開python安裝的坑很多新手第一次翻車不是翻在算法而是翻在環(huán)境。系統(tǒng)Python里裝了一堆亂七八糟的包新版舊版互相打架最后import cv2直接崩。拿到源碼包之后第一件事是建一個(gè)干凈的虛擬環(huán)境——這是你交作業(yè)前的后悔藥。我用conda建環(huán)境的習(xí)慣是conda create -n face_det python3.8 -y conda activate face_det然后裝依賴。注意大作業(yè)源碼一般依賴這幾個(gè)包命令里我特意把opencv-contrib-python寫在前面因?yàn)槠胀╫pencv-python不帶face模塊裝了也調(diào)不出cv2.face.LBPHFaceRecognizer。pip install opencv-contrib-python scikit-learn numpy matplotlib pillow joblib參數(shù)說(shuō)明opencv-contrib-pythonOpenCV主庫(kù)加擴(kuò)展模塊face識(shí)別器在這個(gè)包里。只裝opencv-python的話代碼跑到cv2.face會(huì)直接報(bào)no attribute。scikit-learnPCA、SVM、train_test_split、GridSearchCV都靠它。joblib模型持久化用比pickle更省事后面講。裝完可以用一行命令驗(yàn)證環(huán)境到位python -c import cv2, sklearn; print(cv2.__version__, sklearn.__version__)能打出兩個(gè)版本號(hào)就說(shuō)明基礎(chǔ)依賴沒(méi)有缺。如果是在VSCode里跑記得右下角把解釋器切到face_det這個(gè)虛擬環(huán)境否則終端里裝的包IDE里全找不到這個(gè)坑我見人踩過(guò)無(wú)數(shù)次。3.2 數(shù)據(jù)集準(zhǔn)備ORL人臉庫(kù)的目錄結(jié)構(gòu)ORLATT人臉庫(kù)是這類大作業(yè)最常見的配套數(shù)據(jù)集40個(gè)人每人10張共400張112x92的灰度PGM圖片。使用前先確認(rèn)你的數(shù)據(jù)集目錄長(zhǎng)什么樣。常見的目錄結(jié)構(gòu)是orl_faces/ s1/ 1.pgm 2.pgm ... 10.pgm s2/ 1.pgm 2.pgm ... 10.pgm ... s40/ 1.pgm 2.pgm ... 10.pgm在跑訓(xùn)練之前先花一分鐘寫個(gè)腳本掃描目錄別急著訓(xùn)練防止數(shù)據(jù)集路徑不對(duì)導(dǎo)致訓(xùn)練腳本讀零張圖import os from collections import Counter dataset_root orl_faces person_dirs [d for d in sorted(os.listdir(dataset_root)) if os.path.isdir(os.path.join(dataset_root, d))] counts {} for person in person_dirs: path os.path.join(dataset_root, person) files [f for f in os.listdir(path) if f.lower().endswith((.pgm, .jpg, .png))] counts[person] len(files) print(f檢測(cè)到 {len(person_dirs)} 個(gè)人) print(f每人圖片數(shù)量: {set(counts.values())}) print(f異常樣本: {[(k, v) for k, v in counts.items() if v ! 10]})這段代碼的邏輯是先枚舉根目錄下所有子目錄把每個(gè)子目錄里的圖片文件數(shù)統(tǒng)計(jì)出來(lái)。set(counts.values())輸出一個(gè)集合如果結(jié)果是{10}說(shuō)明每人10張全部正常只要集合里出現(xiàn)別的數(shù)字就說(shuō)明某個(gè)人的照片缺失或有雜質(zhì)先去把數(shù)據(jù)修好再往下走。注意數(shù)據(jù)集里偶爾混入隱藏文件和縮略圖過(guò)濾條件里我加了擴(kuò)展名校驗(yàn)?zāi)鼙荛_大部分干擾。3.3 訓(xùn)練、驗(yàn)證、識(shí)別三個(gè)命令項(xiàng)目說(shuō)明要寫的自助流程源碼包里那份項(xiàng)目說(shuō)明文檔本質(zhì)上是給老師看的復(fù)現(xiàn)手冊(cè)。你自己復(fù)現(xiàn)時(shí)先把訓(xùn)練、測(cè)試、識(shí)別三步跑通python train.py --data orl_faces --model output/face_model.pkl --n_components 50 python test.py --model output/face_model.pkl --data orl_faces python recognize.py --model output/face_model.pkl --image test.jpg三步的含義分別是第一條命令讀取orl_faces目錄下的所有人臉圖片做PCA降維到50維訓(xùn)練SVM分類器把模型存成output/face_model.pkl第二條命令重新讀一遍數(shù)據(jù)集按經(jīng)典劃分比例分成訓(xùn)練集和測(cè)試集加載模型跑準(zhǔn)確率第三條命令加載同一個(gè)模型對(duì)準(zhǔn)單張圖片輸出預(yù)測(cè)的人的編號(hào)。這里的參數(shù)需要解釋一下--n_components 50PCA保留的主成分個(gè)數(shù)。50是一個(gè)中庸的起點(diǎn)最后你改這個(gè)數(shù)字去畫準(zhǔn)確率曲線就是報(bào)告里的實(shí)驗(yàn)內(nèi)容。--model模型文件的輸出或加載路徑。訓(xùn)練和識(shí)別必須用同一個(gè)路徑否則會(huì)出現(xiàn)識(shí)別時(shí)加載的模型和剛才訓(xùn)的不是同一個(gè)的烏龍。很多源碼包的項(xiàng)目說(shuō)明里會(huì)寫將數(shù)據(jù)集放在orl_faces目錄下運(yùn)行python train.py即可但它未必會(huì)告訴你路徑分隔符在Windows上要怎么寫。如果你在Windows的cmd里跑output/face_model.pkl這種正斜杠路徑是沒(méi)有問(wèn)題的Python會(huì)自己處理真正坑的是數(shù)據(jù)集路徑里帶了中文OpenCV的imread在Windows上讀有中文路徑的圖片會(huì)靜默返回None圖片讀成空訓(xùn)練數(shù)據(jù)全是零向量準(zhǔn)確率直接崩。項(xiàng)目說(shuō)明文檔里正常會(huì)提醒改成純英文路徑如果沒(méi)提醒你自己改一下。3.4 模型持久化pkl文件是交作業(yè)前的后悔藥訓(xùn)練一個(gè)模型可能只要一分鐘但反復(fù)調(diào)參的過(guò)程會(huì)消耗大量時(shí)間。把模型存下來(lái)的意義在于每次調(diào)完參存一份帶參數(shù)的pkl最后比對(duì)哪份在測(cè)試集上最好就不用每次識(shí)別都重訓(xùn)一遍。import joblib # 訓(xùn)練完成后保存 joblib.dump(pipe, output/face_model.pkl) # 識(shí)別時(shí)加載 pipe joblib.load(output/face_model.pkl) pred pipe.predict([face_vector])[0]說(shuō)明一下dump的第一個(gè)參數(shù)是訓(xùn)練好的Pipeline對(duì)象第二個(gè)參數(shù)是文件路徑load負(fù)責(zé)讀回來(lái)讀回來(lái)的對(duì)象保留了完整的PCA變換、標(biāo)準(zhǔn)化參數(shù)和SVM權(quán)重不需要重新計(jì)算任何東西。我習(xí)慣把模型文件命名為{算法}_{主成分?jǐn)?shù)}_{準(zhǔn)確率}.pkl比如pca50_svm_0.965.pkl這樣交作業(yè)前整理實(shí)驗(yàn)數(shù)據(jù)時(shí)一眼就能看出哪份模型是最好的不用重新跑。4. 核心代碼拆解數(shù)據(jù)加載、PCA降維與SVM分類的落地寫法4.1 數(shù)據(jù)加載與預(yù)處理灰度、resize和直方圖均衡化的順序拿到源碼后第一段值得精讀的代碼就是數(shù)據(jù)加載。它決定了后面所有環(huán)節(jié)的數(shù)據(jù)質(zhì)量。典型寫法如下import cv2 import glob import numpy as np def load_dataset(data_root, target_size(112, 92)): images, labels [], [] for person_idx, person_dir in enumerate(sorted(glob.glob(str(data_root) /*))): for img_path in glob.glob(person_dir /*.pgm): img cv2.imread(img_path, cv2.IMREAD_GRAYSCALE) # 統(tǒng)一讀成灰度圖 img cv2.resize(img, target_size) # 尺寸統(tǒng)一 img cv2.equalizeHist(img) # 直方圖均衡化 images.append(img.flatten()) # 二維轉(zhuǎn)一維向量 labels.append(person_idx) return np.array(images), np.array(labels)這段代碼有三個(gè)關(guān)鍵點(diǎn)。一是IMREAD_GRAYSCALE人臉識(shí)別不需要顏色顏色信息只會(huì)增加PCA的計(jì)算量。二是resizeORL本身是112x92但很多源碼包為了統(tǒng)一輸入會(huì)強(qiáng)制resize到固定尺寸訓(xùn)練和識(shí)別時(shí)尺寸必須完全一致否則特征向量長(zhǎng)度對(duì)不上。三是equalizeHist直方圖均衡化把灰度分布拉開讓人臉在光線不均勻時(shí)依然能看出五官輪廓這一步對(duì)LBPH和PCA都有顯著的魯棒性提升。注意flatten()之后每張圖片變成了10304維112乘92的一維向量。這個(gè)維度數(shù)就是后面PCA要降維的對(duì)象。4.2 PCA主成分分析特征臉與累計(jì)方差貢獻(xiàn)率的取舍PCA在scikit-learn里封裝得非常簡(jiǎn)單但代碼簡(jiǎn)單不代表參數(shù)可以亂填。核心問(wèn)題是n_components到底取多少from sklearn.decomposition import PCA pca PCA(n_components50) X_pca pca.fit_transform(X) # X來(lái)自上一個(gè)函數(shù)的輸出 print(pca.explained_variance_ratio_.cumsum()[-1]) # 打印前50個(gè)主成分的累計(jì)方差貢獻(xiàn)率這段代碼的輸出會(huì)是一個(gè)0到1之間的小數(shù)比如0.9327。含義是前50個(gè)主成分保留了原圖93.27%的方差信息。這個(gè)數(shù)字越大保留的信息越多但主成分?jǐn)?shù)越多特征維度越高訓(xùn)練越慢、越容易過(guò)擬合。我一般把目標(biāo)定在0.9到0.95之間。如果50個(gè)主成分已經(jīng)到0.93就不用再加如果只有0.85則把n_components提到80或100重跑一次。你把這個(gè)主成分?jǐn)?shù)-累計(jì)方差貢獻(xiàn)率-識(shí)別準(zhǔn)確率的對(duì)應(yīng)關(guān)系做成表格直接就是課程報(bào)告里的一節(jié)實(shí)驗(yàn)結(jié)果。還有一個(gè)小細(xì)節(jié)pca.components_里存的就是特征臉向量用numpy重排成112x92像素再matplotlib畫出來(lái)能畫出網(wǎng)格狀的人臉輪廓圖。這張圖畫進(jìn)報(bào)告答辯時(shí)展示效果遠(yuǎn)好于貼一堆代碼。4.3 SVM分類器訓(xùn)練把PCA和SVM包進(jìn)一條Pipeline在大作業(yè)里SVM是比樸素貝葉斯和KNN更好的選擇它處理高維特征更穩(wěn)定而且有明確的參數(shù)可以調(diào)。這里我用Pipeline把預(yù)處理、降維、分類串成一條流水線識(shí)別時(shí)直接對(duì)單張圖片操作不容易漏步驟。from sklearn.pipeline import Pipeline from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA from sklearn.svm import SVC pipe Pipeline(steps[ (pca, PCA(n_components50)), (scaler, StandardScaler()), (svm, SVC(kernelrbf, C10.0, gamma0.01)) ]) pipe.fit(X_train, y_train) print(測(cè)試集準(zhǔn)確率:, pipe.score(X_test, y_test))Pipeline的邏輯是fit時(shí)按順序執(zhí)行PCA變換、標(biāo)準(zhǔn)化、SVM訓(xùn)練predict時(shí)對(duì)輸入自動(dòng)做同樣的PCA和標(biāo)準(zhǔn)化不需要你手動(dòng)調(diào)用pca.transform再scaler.transform。這里有個(gè)值得寫的技術(shù)點(diǎn)為什么PCA之后還要StandardScaler。PCA輸出的各主成分方差差異很大第一個(gè)主成分的數(shù)值范圍可能比第十幾個(gè)大一個(gè)數(shù)量級(jí)而RBF核的SVM對(duì)特征尺度敏感不做標(biāo)準(zhǔn)化數(shù)值大的主成分會(huì)主導(dǎo)距離計(jì)算導(dǎo)致分類邊界被帶偏。這個(gè)細(xì)節(jié)寫進(jìn)報(bào)告老師會(huì)認(rèn)為你是真調(diào)過(guò)參的不是只會(huì)黏貼代碼。4.4 評(píng)估與報(bào)告數(shù)據(jù)準(zhǔn)確率、混淆矩陣和一張測(cè)試截圖光是打出一個(gè)準(zhǔn)確率數(shù)字不夠課程報(bào)告需要有分析深度。評(píng)估環(huán)節(jié)至少要有三樣輸出準(zhǔn)確率、每個(gè)類別的精確率召回率、混淆矩陣。from sklearn.metrics import classification_report, confusion_matrix y_pred pipe.predict(X_test) print(classification_report(y_test, y_pred, digits3)) print(confusion_matrix(y_test, y_pred))classification_report會(huì)輸出每個(gè)類別的精確率、召回率、F1值digits3把小數(shù)位數(shù)擴(kuò)展到三位數(shù)據(jù)更好看。confusion_matrix輸出40行40列的矩陣如果按ORL的40人來(lái)算矩陣對(duì)角線越亮越好??磮?bào)告時(shí)重點(diǎn)看兩類問(wèn)題一是哪些人的識(shí)別率明顯低于平均說(shuō)明這兩人的樣本可能存在姿態(tài)或表情差異過(guò)大的情況二是哪兩個(gè)人容易互相混淆說(shuō)明特征空間里這兩類樣本距離太近PCA保留的信息不夠區(qū)分他們。這些分析寫進(jìn)課程報(bào)告里比單純貼一行準(zhǔn)確率有價(jià)值得多。必要的時(shí)候再對(duì)測(cè)試集里的某張圖片做一次完整的識(shí)別展示——原圖、預(yù)測(cè)標(biāo)簽、真實(shí)標(biāo)簽、模型置信度或距離值截圖貼到報(bào)告里答辯時(shí)直接給老師看這個(gè)效果圖。5. 大作業(yè)避坑指南五個(gè)讓訓(xùn)練直接翻車的低級(jí)錯(cuò)誤5.1 模型把所有照片都識(shí)別成同一個(gè)人現(xiàn)象訓(xùn)練結(jié)束準(zhǔn)確率看起來(lái)有90%以上但拿一張不在訓(xùn)練集里的人臉去識(shí)別永遠(yuǎn)輸出第一個(gè)人。原因最常見的是標(biāo)簽錯(cuò)位。數(shù)據(jù)加載時(shí)images和labels兩個(gè)列表的追加順序不一致比如images按s1到s40順序讀labels卻使用了從某個(gè)臨時(shí)字典里取的值導(dǎo)致特征和標(biāo)簽錯(cuò)位。另一種可能是測(cè)試圖片的預(yù)處理和訓(xùn)練時(shí)不一致比如訓(xùn)練時(shí)做了equalizeHist識(shí)別時(shí)忘了做特征分布完全對(duì)不上分類器只能把一切情況歸到最近的訓(xùn)練樣本。解決先打印pipe.predict用的向量維度和訓(xùn)練時(shí)的X_train.shape[1]比對(duì)維度不一致是預(yù)處理鏈路斷了。維度一致再看標(biāo)簽寫幾行代碼隨機(jī)抽取十張測(cè)試圖手工標(biāo)注真實(shí)身份和預(yù)測(cè)結(jié)果逐一對(duì)照很快就能定位是錯(cuò)位還是預(yù)處理問(wèn)題。踩過(guò)這個(gè)坑之后我養(yǎng)成了習(xí)慣數(shù)據(jù)加載函數(shù)里最后加一行assert len(images) len(labels)這句斷言能擋住大多數(shù)低級(jí)錯(cuò)誤。5.2 OpenCV提示 face 屬性不存在現(xiàn)象cv2.face.LBPHFaceRecognizer_create()報(bào)AttributeError: module cv2 has no attribute face。原因opencv-python這個(gè)包的主庫(kù)不帶face模塊只有opencv-contrib-python才有。很多安裝教程只讓裝opencv-python代碼一跑就直接翻車。解決先卸載再裝pip uninstall opencv-python opencv-contrib-python -y pip install opencv-contrib-python裝完驗(yàn)證import cv2 print(hasattr(cv2, face))輸出True就正常了。這個(gè)坑出現(xiàn)的概率極高我建議拿到源碼包后先跑這一行驗(yàn)證再繼續(xù)。5.3 訓(xùn)練集準(zhǔn)確率高、留出集卻很低現(xiàn)象訓(xùn)練集上識(shí)別率95%以上test_score只有60%甚至不到怎么調(diào)參都上不去。原因數(shù)據(jù)劃分時(shí)沒(méi)有打亂或者數(shù)據(jù)泄漏。比如訓(xùn)練和測(cè)試都直接取orl_faces里按順序排列的樣本測(cè)試集恰好集中了某幾個(gè)人全部照片模型沒(méi)有見過(guò)這類樣本自然預(yù)測(cè)很差。更隱蔽的一種是同一個(gè)人不同照片之間高度相似導(dǎo)致的信息泄漏如果劃分時(shí)沒(méi)有按人分組同一個(gè)人的幾張照片同時(shí)出現(xiàn)在訓(xùn)練集和測(cè)試集測(cè)試集準(zhǔn)確率會(huì)被虛高估計(jì)。解決用train_test_split顯式打亂并固定隨機(jī)種子from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test train_test_split( X_pca, y, test_size0.2, shuffleTrue, random_state42 )shuffleTrue是關(guān)鍵random_state42保證每次運(yùn)行結(jié)果一致方便課程報(bào)告里貼數(shù)據(jù)。如果數(shù)據(jù)集是按人分組的建議直接用GroupShuffleSplit按人劃分保證同一人的照片不會(huì)同時(shí)出現(xiàn)在訓(xùn)練集和測(cè)試集——這個(gè)細(xì)節(jié)講出來(lái)答辯老師會(huì)眼前一亮。5.4 攝像頭實(shí)時(shí)識(shí)別卡頓、誤判多現(xiàn)象用筆記本攝像頭做實(shí)時(shí)演示時(shí)畫面一卡一卡識(shí)別結(jié)果亂跳甚至把背景當(dāng)人臉框出來(lái)。原因?qū)崟r(shí)識(shí)別里最常見的做法是每一幀都跑一遍完整流程——檢測(cè)人臉、預(yù)處理、PCA、SVM預(yù)測(cè)四個(gè)步驟疊在一起普通筆記本CPU根本扛不住。另一個(gè)問(wèn)題是OpenCV的Haar級(jí)聯(lián)人臉檢測(cè)器漏檢和誤檢同時(shí)存在光線變化時(shí)檢測(cè)框位置和大小抖動(dòng)導(dǎo)致同一張臉連續(xù)幾幀被resize到不同尺寸特征不穩(wěn)定。解決實(shí)時(shí)pipeline做三件事。一是降低處理頻率每5幀只做一次檢測(cè)中間幀直接用上一次定位的人臉區(qū)域二是檢測(cè)框外擴(kuò)10%左右再裁剪把下巴和額頭邊緣包進(jìn)去減少因?yàn)椴们形恢枚秳?dòng)帶來(lái)的特征變化三是對(duì)連續(xù)幀的預(yù)測(cè)結(jié)果做簡(jiǎn)單的多數(shù)投票連續(xù)三幀里出現(xiàn)次數(shù)最多的標(biāo)簽作為最終輸出能有效壓制偶發(fā)誤判。5.5 課程報(bào)告交上去查重率超標(biāo)現(xiàn)象代碼跑通了但課程報(bào)告因?yàn)榇蠖螐?fù)述教材和網(wǎng)上的原理介紹查重率紅得刺眼。原因課程報(bào)告里PCA原理SVM原理這種章節(jié)最容易被復(fù)制粘貼。這些知識(shí)性內(nèi)容本來(lái)就有標(biāo)準(zhǔn)表述抄來(lái)抄去查重率必然爆表。解決把知識(shí)性內(nèi)容壓縮到最少把篇幅留給你自己的東西實(shí)驗(yàn)環(huán)境、數(shù)據(jù)集信息、參數(shù)設(shè)置表、準(zhǔn)確率曲線、混淆矩陣、踩坑記錄。原理部分用自己的話重新組織長(zhǎng)度控制在總篇幅的三分之一以內(nèi)。另一個(gè)技巧是把你調(diào)試過(guò)程中真實(shí)遇到過(guò)的問(wèn)題寫進(jìn)去比如OpenCV的face模塊在普通包里不存在訓(xùn)練集和測(cè)試集劃分初版忘記打亂導(dǎo)致驗(yàn)證分?jǐn)?shù)失真這些是查重系統(tǒng)里獨(dú)一無(wú)二的內(nèi)容也是答辯老師最愿意聽的部分因?yàn)樗鼈兪钦鎸?shí)工作痕跡。6. 讓它變成你的作業(yè)加一個(gè)實(shí)時(shí)攝像頭模塊再做兩個(gè)對(duì)比實(shí)驗(yàn)6.1 攝像頭識(shí)別的低配版管線大作業(yè)如果能現(xiàn)場(chǎng)演示實(shí)時(shí)識(shí)別效果遠(yuǎn)比只跑命令行截圖好。最低配的攝像頭識(shí)別管線是Haar級(jí)聯(lián)檢測(cè)人臉裁剪、resize、均衡化再丟進(jìn)訓(xùn)練好的Pipeline預(yù)測(cè)。import cv2 face_cascade cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) cap cv2.VideoCapture(0) while True: ok, frame cap.read() gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale( gray, scaleFactor1.1, minNeighbors5, minSize(80, 80) ) for (x, y, w, h) in faces: face cv2.resize(gray[y:yh, x:xw], (112, 92)) face cv2.equalizeHist(face) pred pipe.predict(face.flatten().reshape(1, -1))[0] cv2.rectangle(frame, (x, y), (x w, y h), (0, 255, 0), 2) cv2.putText(frame, fid{pred}, (x, y - 8), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2) cv2.imshow(face_recognition, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()代碼里的scaleFactor1.1是檢測(cè)窗口每次縮放的步長(zhǎng)越小檢測(cè)越細(xì)但越慢minNeighbors5控制一個(gè)區(qū)域需要被多少個(gè)鄰近窗口確認(rèn)才算人臉數(shù)值越大誤檢越少但也容易漏檢。這兩個(gè)參數(shù)對(duì)門禁、考勤這類近景場(chǎng)景比較友好若是遠(yuǎn)景多人場(chǎng)景minNeighbors可以降到3。6.2 兩個(gè)能放進(jìn)答辯PPT的實(shí)驗(yàn)實(shí)驗(yàn)一改變n_components從20到120每隔20取一個(gè)點(diǎn)畫一條主成分?jǐn)?shù)-準(zhǔn)確率曲線能看出曲線上升后飽和甚至下降的拐點(diǎn)說(shuō)明PCA降維確實(shí)在起作用。實(shí)驗(yàn)二在完全相同的訓(xùn)練集測(cè)試集劃分下比較LBPH和PCASVM的準(zhǔn)確率與單次訓(xùn)練耗時(shí)——這組對(duì)比實(shí)驗(yàn)展示的不只是你跑通了代碼而是你理解了不同算法的邊界。6.3 一點(diǎn)收尾做完這個(gè)項(xiàng)目后我最大的習(xí)慣改變是先搭評(píng)估流程再調(diào)模型。很多同學(xué)先把模型調(diào)到自我感覺(jué)良好最后發(fā)現(xiàn)測(cè)試腳本寫的漏洞百出所有指標(biāo)都不可信。我后來(lái)所有實(shí)驗(yàn)都先把準(zhǔn)確率打印、模型保存、隨機(jī)種子固定這三件事做完再回頭調(diào)參。課程報(bào)告里的每個(gè)數(shù)字都能追溯答辯被追問(wèn)時(shí)心里不慌。這個(gè)習(xí)慣一直用到現(xiàn)在希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
天天骑天天操| 久久香蕉丁香| 能看的AV| 五月天激情网图片| 岛囯综合激情网| 91亚洲视频| 免费亚洲成人电影AV| 久久这里都是精品视频| 成人无码精品1区2区3区免费看| 色婷婷导航| 激情五月无码| 伊人大香蕉在线视频| 大香蕉久久婷婷精品综合| 久色五月| 色色激情网| 婷婷午夜综合| WWW.激情| 丁香五月婷婷影院| 色五月成人婷婷| 女人高潮内射99精品| 色欲AV导航| 99热成人| 99热99热在线观看| 五月婷婷免费看| 99九九精品视频| 能看的AV| 百度4399有码精品V在线观看 | 色婷婷亚洲精品天天综| 五月激情站| 五月丁香综合激情在线观看| 无码婷婷五月天| 激情五月天社区| 色欲色香综合网| 香蕉影院色| 婷婷久久内射| 婷婷激情五月综合丁| 日日干日日| 99热91| 亚洲中文字幕在线观看| 噜噜操操| 免费观看欧美成人AA片爱我多深 | 亚洲无AV在线中文字幕| 大香蕉啪啪| 天天操夜夜玩!| 日本欧美成人片AAAA| 激情深爱五月天| 久久日婷婷| 欧美性久| 激情五月四色| 99精品偷自拍| 亚洲艹网| 婷婷激情六月| 99热10在线高清播放| 六月婷色| 开心婷婷五月中文字幕组| 99视频自拍| 琪琪色五月婷婷老师| 任你爽精品免费视频6| 九九爱看亚洲| 久久怡红院| 欧美精品A片一区在线观看| 六月丁香五月婷婷首页| 狠狠综合久久| 狠狠久久婷婷| 久热A| 久久精彩免费视频| 久久永久视频| 色综合五月| 国产亚洲精品久久久久苍井松| 夜夜躁婷婷AV| 国产激情婷婷| 日本成人内射| 亚洲精品久久久久久久久久吃药| www.婷婷六月天| 超碰色人妾| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 国产又黄又爽又色的免费| 五月天婷婷情色| 六月五月婷婷| AV大片在线播放| 99热超碰| 丁香六月综合激情| 大香蕉伊人99| 亚洲色夜| 99热综合色图| 99操免费视频| 中文字幕欧美精品久久| 亚洲狠狠操| 色婷五月| 婷婷激情五月综合| 婷婷丁香色五月| 欧美大道不卡| 免费AV在线| 无码操B| 九九视频在线观看视频6| 久久狠狠欧美| 色婷婷丁香五月| 综合九九中文字幕| 开心婷婷丁香五月| 二区成人视频| 国产精品成人av在线观看春天| 色婷婷成人做爰A片免费看网站 | 五月天丁香成人社| 99少妇精品| 色色综合网络| 91AV视频| 99热97| 色婷婷无吗| 天天操夜夜玩!| 欧美在线视频99| 丁香五月婷婷基地| 玖玖资源在线视频| 天搞天天天天天| 日夜操B| 五月丁香婷婷久久| 丁香五月天堂| 99热最新| 六月丁香啪啪| 欧美激情五月天婷婷| 亚洲AV免费在线| 色五月天堂| 97碰碰在线看视频免费| 丁香五月影院| 色噜噜狠狠色综合日日| 欧美丁香婷婷五月| 91久久婷婷| av久热| 五月丁香激情四射| 五月天.com| 人人综合久| 99久久www| 久久天堂色| 婷婷五月综合视频免费播放| 亚洲精品另类| 免费AV在线| 亚洲色色五月天| 九九这里只有精品| 五月丁香六月婷婷久久| 黄网在线观看免费| 99精品久久| 99热色精品| 丁香婷婷五月天亚洲| 99网| 天天爱天天做天天舔| 国产精品久久欧美久久一区| 丁香成人色情五月天| WWW色色色COM| 丁香五月中文字幕| 久久久久久综合88| 亚洲精品V天堂中文字幕| 99视频地址| 26UUU一区二区| 久久五月丁香婷婷| 日本www五月婷婷| 久久精品A片777777| 五月丁香六月| 任你爽在线视频| 亚洲午夜成人av电影网| 91久久婷婷人人澡草 | 婷婷丁香在线| site:xiongshengzz.com| 怡红院院久久| 综合网精品99| 亚洲天堂青草| 婷婷色五月激情| 久久久久久久久久久月丁| 色欲av伊人久久大香线蕉影院 | 五月丁香啪啪啪| 激情综合网色五月| www.夜夜| 五月丁香在线综合| wwwss在线观看| 午夜天堂一区人妻| 来吧亚洲综合网| 色五月综合网| 色婷婷色丁香色欲av| 五月丁香777| 婷婷97碰碰| 久久九区| 国产69久久久欧美黑人A片| 色五月婷婷天天干| 青青草原亚洲久| 夜夜撸日日操| 婷婷深爱色五月| 综合九九日本| 婷婷中文字幕| 婷婷五月天第三页| WWW.五月天9999| 久草视频大香蕉99| 97av在线视频| 婷婷五月综合体验看| 色狠狠五月天| 丁香五月天天| 欧美三级巜人妻互换| 99只有这里有精品在线视频| 婷婷五月免费观看| 精品99视频| 亚洲午夜AV| 丁香五月天激情视频| 综合大香蕉| 丁香激情五月| 色婷婷9| 丁香六月视频| 综合婷婷| 久久五月情| 97干在线视频| 色色五月天丁香婷婷| 天天弄天天爽| 超碰97干| 黄色AAAA韩国guochansanji| 狠狠干狠狠干| 亚洲色婷婷色| 在线观看996精品| 俺去也五月| 婷婷久久综| 99亚洲综合| 在线综合亚洲欧美65| 五月天色图| 亚洲综合激情五月| 深爱开心五月天| 国产色网站| 九九操屄| 成人做爰A片免费看网站找不到了| 丁香五月婷婷五月天| 天天草人人摸| 噜噜操操| 少妇人妻偷人精品无码视频新浪| 激情综合色网| 99热在线这里| 久久综合热17c| 庭庭久久内射| 九色激情网| 日本无码专区| 99网| 9999久久久久| 五月天啪啪啪| 激情五月婷| 狠色色狠网| 久色成人| 美臀自射自家人妻| 丁香五月天在线视频| 狼人婷婷综合| www,超碰| 99色1| 国产五月天婷婷| 五月婷婷亚洲色视频| 97偷拍对白视频| 丁香五月婷婷综合网| 五月丁香网站| 五月丁香六月婷婷不卡免费无码 | 伊人久久大香线蕉AV最新午夜| 99在线资源| av网站免费在线| 69激情小说| 国产伊人五月天| 國語久久婷| 人妻在线网站| 99资源人人| 爱操天堂| 婷婷99视频全集高清| 99色视频| 国产精品扒开腿做爽爽爽A片唱戏| 亚洲欧美综合7777色婷婷| 亚洲天天| 亚洲综合五月天| 五月婷婷亞洲中文| 五月天婷婷视频| 五月停停丁香| 婷婷色爱| 常久最新免费的色吊丝| 婷婷激情五月色综合| 五月天激情小说婷婷基地| 久久五月网| 天天 日综合| 五月丁香色婷婷婷基地| 五月婷婷狠天天色综合| 丁香五月日本| 99色免费视频| 五月综合六月婷婷| 深爱激情网五月天| 99热精品中文字幕| 人人操人人干AV| 影音先锋偷偷色男人站| 丁香五月综合激情啪啪| 91久久99久久91熟女精品| 超碰国产AV| 天天肏高清在线| 天堂久久婷婷| 色色色色色色网| 狠狠插狠狠插| 精品一二三区久久AAA片| 九九激情网| 色99视频| 欧洲综合一区| 婷婷午夜综合| 九九精品在线视频观看| 亚洲色五月天在线| 天天操,夜夜骑| 激情五月婷婷在线区| 六月婷婷狠狠色在线观看| 狠狠干总合| 激情五月天婷婷视频| 精品51XX| 亚洲最大激情无码| 九九亚洲视频| 一点色成人网| 天啪天啪天啪天啪| 大香蕉婷婷五月| 99视频自拍| 开心久久xxx色| 玖玖资源部在线播放| 我爱婷婷五月天综合88| 亚洲色情网站| pacopacomama 070722_670 素人奥様初撮りドキュメント 103 大久保純子 | 婷婷五月激情网站| 婷婷五月丁香色情| 五月天播播| www.五月婷婷| 婷婷丁香五月天综合在线日韩| 久久五月丁香综合| 久热亚洲| 开心深爱五月天| 天天成人综合视频| 亚洲婷婷丁香| 亚洲乱码日产精品BD| ZpRSw| 色五月偷偷| 五月丁香六月在线欧美| 天天做天天爱综合| 久久婷婷五月天激情| 色欲久久综合| 色青青电影色五月| 97久久精品| 婷婷六月爽| 色狠狠色噜噜噜a天堂一区| 色99网站| 色墦五月丁香| 久久182| 五月婷婷性爱| 婷婷亚洲天堂| 欧美精产国品一二三区| 思思久久精品| 婷婷五月天激情电影小说| 婷婷丁香视频在线观看免费| 99热99精品在线观看| 九热久| 久久免费精彩视频| 五月丁香综合在线| 国产成人+综合亚洲+天堂| 色婷婷影院| 天啪天啪天啪天啪| 亚洲丁香五月综合| 婷婷激情图片| 国产又爽又猛又粗的视频A片| 婷婷丁香先锋资源网站| 亚洲第一色色色色| 欧美日本黄色| 91大操| 五月天丁香网站| 丁香五月网| 丁香五月情| 日韩免费视频| 97干欧美| 草逼大片| 欧美成人精品三区综合A片| 丁香五月婷婷亚洲另类| 五月婷婷在线网站| 超碰女人天堂| 激情九九九九| 五月天播播综合| 婷婷色六月| 亚洲成人网站在线观看| 精典久久| 五月天综合视频| 99免费在线视频| 天堂网啪啪| 久久99久久99精品免视看婷婷| 亚洲精品视频电影| 婷婷成人av| 开心 五月 综合| 51avj视频大全| 丁香五月成人社区| 欧美视频五区| 99在线观看精品视频| 一本道在线电影| 大香av| 五月亭亭综合五码| 国产美女无遮挡裸体毛片A片| 开心五月婷婷婷美女| 激情五月天在线观看色婷婷| 991精品在线视频| 玖玖九九超碰| 思思热在线精品视频网站| 九九RE视频在线精品| 高清av在线国产| 丁香婷五月天| 久久婷婷伊人| 五月婷婷色| 久久五月婷婷丁香| 色青五月天| 亚洲 五月 婷婷 成人| 九九黄色网| 婷婷色五月丁香六月欧美啪| 在线观看欧美| 色婷婷五月影院| 久热这里只有精品在线| 精品人妻午夜一区二区三区四区| 久久激情网| 激情第四色| 九热视频在线伦| 噜噜噜色噜噜| 中文字幕丰满孑伦无码专区| 婷婷开心深爱五月天| 热99精品视频五月| 亚洲性爱电影| AV在线中文| 2017人人操| 久久久久这里只有精品| 日本www免费九九| 亚洲 25P| 99精品视频在线观看| 久久九九99| 99久久九九| 超碰成人在线观看| 色色色热| 久久久人人操A V| 思思热热久久| 五月停停99| 五月天播播综合| 99热9| 亚洲精99| 色婷婷丁香五月| 五月婷六月综合在线观看| 国产成人AV在线| 人妻AV在线观看| 婷婷五月天成人| 婷婷五月天大香蕉| 日韩AV片| 日韩人妻无码专区| 激情婷婷丁香| 2020久久婷婷五月| 色色网站毛片| 99这里有精品视频视频| 性爱网六月丁香| 免费亚洲婷婷五月| 丰满少妇猛烈A片免费看观看 | 99热精品在线播放观看| 国产精品国产| www:99热视频| 色狠狠色综合| 免费精品66| 伊人久久五月天| 综合丁香婷婷五月天| 亚洲Av入口| 丁香欧美| 99久久9| 亚洲精品第一国产综合亚AV | 色婷婷六月开心中文字| 狠狠爱丁香婷| 成人综合视频在线| 五月天色婷婷激情综合| 超碰成人公开| 九九热这里只有精品6| 九月色婷婷综合| www99在线观看视频| 色综合久久天天综合网| www.zbzhongsen.com| 久久996re热这里只有精品无码| 丁香香蕉射射射| 亚洲丁香五月在线观看| 婷婷爱爱蜜臀天天操| 天天干天天操天天爽| yazhou seshipin| 婷婷综合九色伊人| 天天综合久久| 五月天婷婷久久日| 1024AV视频| 99在线免费视频| 怡红院 久久| 免费看欧美成人A片无码| 99视频这里有精品免费观看| 色久女| 五月激情小说| 99热这里只有精品86| 天天射天天干天插色综合| 人妻少妇色综合| 欧洲综合色| 激情无码网| 九九热AV| 亚洲免费婷婷| 五月天激情综合网站| 97人人干视频| 婷婷精品视频| 狠狠操狠狠干综合| 九九色人| 99在线看视频| 亭亭五月色男人| 五月天婷婷开心| 天堂色色色| 久久久婷婷婷| 人人色婷婷| 亚洲成人色五月天| 亚洲Av成人在线观看| 日日噜噜夜夜狠狠久久丁香五月| 天堂草在线看www| 丁香婷婷网| 激情五月黄色| 激情五月天视频| 热99这里只有精品视频| 二色AV| 色色五月激情| 天天综合情| 99热国产婷婷| 中文字幕成人版| 婷婷天天色| 99玖玖精品| 激情五月天无码| 激情性爱五月天网页| 538任你爽视频不一样的| 五月丁香花免费视频| 成人中文字幕在线| 五月天丁香婷婷久久九| 97干在线| 五月婷婷丁香婷婷| 天天成人综合| 激情婷婷色色| 超碰五月婷婷五月天| 99热一区| 久色大| 久久这里只有精品无码| 97色在线| 五月天天综合| 26uuu色五月| 九九这里只有精品| 婷婷狠狠操| 丁香五月综合图片在线观看| 九九99久久| 色玖玖网| 国产精品18久久久| 五月天.com| 色情婷婷五月天| 很操日本7| 色婷婷丁香五月天| 久久伦乱| 日韩情色在线观看| 操操综合网婷婷| 亚洲午夜AV| 久久98热re| 美女妹子后射视频网站在线观看| renre人人操国产超碰在线| 成人在线精品| 久久激情天堂| 久久精品日| 国产黄色在线观看| 噼里啪啦在线观看免费完整版视频| 九月婷婷色色| 激情五月天小说网| 99热这里只有精品国产首页| 开心五月婷婷激情网| 99在线69| 4438激情网| 在线日韩av| 99热在线观看| 成人国产欧美大片一区| www.狠狠| 天天艹夜夜艹| 99热在线精品观看| 996热| 色五月欧美| 五月天国产| 五月开心深爱激情网| 天天综合干| 日本女天天爽| 丁香五月婷婷婷婷欧美综合| 五月婷婷六月丁香免费| 色综合99| 婷婷五月丁香啪啪| 久久激情五月婷婷| 五月婷婷丁香综合| AV操逼网| 97人人干人人操| 在线观看av网站| 久人操| 婷婷综合日本| 在线观看996精品| 一操久久| 丁香六月婷婷综合欧美| 99热在线资源| 九九99九九99偷拍视频免费看| 婷婷色在线视频| 光棍影院日韩精品| 亚洲午夜电影| 久久人人九九| 激情五月综合网| 亚洲sesesese| 色色色视频免费无码| 久热这里只有精品在线观看 | 97婷婷五月激情六月丁香伊人| 激情五月婷婷综合秋霞| 欧洲综合一区| 嘿嘿视频免费看9| 嘿嘿视频免费看9| 99热草草| 人妻激情网| 97人妻碰碰碰久久| 91九色丨国产丨爆乳| 久久婷婷亚洲| 激情综合自拍五月婷婷色五月| 五月丁香怕怕综合| 九九久久这里只有精品XB| 久久99久久99精品免观看软件 | 色色婷婷丁香五月天| 久久精品天| 超碰99资源站| 久久久久久久久久8888| 蜜臀A∨在线水帘洞| 婷婷5月开心6月| 日日操夜夜爽天天天| 婷婷五月开心中文字幕在线| 日韩爱操视频| 91九色熟女| 婷婷五月激情丁香| 亚洲亚洲人成综合网络| 九月婷婷综合色干| 国产激情在线| 婷婷激情丁香五月天综合| 天天操夜夜夜拍拍拍| 婷婷五月骚厕所| 五月开心久久| www.久久99| 欧美色综合天天久久综合精品| 狼人伊人天堂| 天天插天天射天天干| 天天射综合网站| 久久99热这里| 99视频在线精品免费观看2| 99久精品视频| 99九九精品| 中文字幕无码AV| 亚洲综合成人网站| 五月婷婷色色| 狠狠草综合网| 91无码视频| 这里有精品| 久久婷婷超碰| 久久激情五月网| AV伊人青草丁香六月| 亚洲AAAA网| 五月婷丁香| 丁香色色网| 日韩熟女啪啪视频| www.精品99| 乱女乱妇熟女熟妇综合网站| 丁香五月婷婷在线观看| 激情五月丁香五月| 丁香五月玖玖| 五月开心婷婷网| 99热这里只有精品一区| 天天肏在线观看| 超碰免费在线| 9999热免费视频视频| 日本欧美在线| 毛片毛片毛片毛片| 婷婷激情社区| 大地9中文在线观看免费高清| www.久9| 天天插综合在线| 六月婷婷中文字幕| 久久xxxx| 免费看无码视频A级| 婷婷在线五月天观看| 婷婷99狠狠| 日本狠狠色| 影院久久久| 第2色五月婷| 五月丁香六月婷婷啪啪| 国自产拍偷拍精品啪啪一区二区| 性色婷婷| 中文字幕婷婷五月天在线观看| 午夜一区| 青青草原爱爱网| 丁香 婷婷五月| www.9797国产| 99久99久| 九九99视频精品| 97色97干| 奇米色大香蕉| 婷婷五月天成人动漫| 婷婷五月天综合在线| 另类图片五月天| 黄色片精品| 欧美猛片| 性爱视频久久| 日本一级一片免费视频| 开心五月天激情网站| 99∨VTV| 亚洲一区国产传媒| 999影院成人在线影院| 亚洲人妻av| 91精品婷婷国产综合| 操逼123网| 激情综合亚洲| 久久视频婷婷| 99热这里只有精品搜| 99精品无码| 黄色精品五月婷婷| 激情五月天激情五月天| 五月婷婷玖玖综合玖玖爱| 婷香五月网在线| www.久久久久久久| 亚洲视频1区| ss99热| 亚洲天堂久久| 免费黄色视频网址| 国产成人在线精品| 婷婷va| 久久五月综合| 亚洲国产精品二二三三区| 婷婷香蕉| 日韩九区| 人妻激情视频| 日韩无码色色| 激情婷婷五月社区| 成人av播放| 日日干夜夜干| 色99婷婷五月天| 人草人人| 日本在线观看aaa 99| 六月婷婷影院| 九九九激情综合| 男人天堂亚洲综合| 久草热在线视频| 日韩另类| 亚洲六月色| 黄色一级影片| 激情五月影院| 五月天婷婷久草丁香| 五月天堂在线| 91丨九色丨首页| 六月丁香婷婷色69| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 五月天激情国产综合婷婷婷| 天天综合激情| www.色婷婷.com| 九九99视频精品| 成人av免费观看| 五月激情丁香六月狠狠干| 五月婷婷六月天| 第2色五月婷| 丁香婷婷久久 | 五月天婷婷激情六月久久| 色爱终和网| 青吴乐视频| 天天综合亚洲| 五月丁香婷婷色播无码| 国产偷人妻精品一区| 久久婷婷草| 婷婷五月六月| 色色色色色五月| 激情亚洲网| 牛牛色av| 99啪啪网| 婷婷丁香97| 亚洲精品大片| 亚洲va日| WWW.久久.COM| 久99热| 青青操丝袜美腿| 五月丁花六月丁香综合| 久久婷鲁| 五月婷婷五月丁香| 综合五月丁香六月婷婷| 日本色爽| 色欲九区| 五月天大香蕉| 怡红院院在线导航网| 91无码色色| 操啊操av| 丁香五月成人自拍| 97人人搞| 婷婷五月丁香六月伊人网| 亚洲V国产V欧美V久久久久久| 色综合久久天天综合网| 五月成人丁香av91| 五月色影院| 粉嫩av懂色av蜜臀av熟妇| 五月天六月色| 99热这里只有精品一| 色八戒操婷婷| 97香蕉久久超级碰碰高清版 | 美欧成人视频| 色色免费网站| ...婷婷国产成人亚洲日韩| 波多野结衣不卡AV| 婷婷五月色色| 久久五月丁香伊人青草| 国产毛片精品一区二区色欲黄A片| 艹| 9视频1在线| 五月婷婷婷婷| 激情精品久久| 久久激情婷婷| 亚洲精品亚洲人成人网| 伊人天天色| 人人妻人人澡人人爽| 久操激情| 五月丁香综合啪啪啪啪啪| 丁香五月天AV在线 | 久久WW| 美臀自射自家人妻| 久久久香港| 九九碰九九爱97超| 国产探花AV在线| 97人妻碰碰碰久久| 99色在线视频| 丁香六月情| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 精品视频99看在线视频| 丁香花婷婷五月天| 婷婷色色五月| 激情网婷婷五月天| 天天插天天日天天爽| 丁香五月天狠狠操| 人人人操 超碰| 五月综合激情| www.思思99热| 91九色丨国产丨爆乳| 欧美天天干天天草| www.色色五月天.com| 国产黄大片在线观看画质优化| 亚洲精品永久久久久久| 午夜 外网 精品 在线| 97人妻碰碰碰久久| 麻豆WWWCOM内射软件| 久久久无码精品成人A片小说 | 不卡成人免费| 婷婷久久久| 91精品综合久久久久久五月丁香| 丁香花色色网| 伊人久久大香线蕉综合网站| 思思热在线观看| 99精品在线观看视频| 五月四色婷婷| 俺也去婷婷五月天第五色| 色久一| 黑人巨粗进入警花疼哭A片| 色偷偷色婷婷| 天天做天天爱天天综合| 91艹人| 久久久8| 大香蕉天堂色| 中字幕视频在线永久在线观看免费| 中文字幕av在线播放| 狠狠操婷婷| 人妻内射麻豆视频| 九九综舍久久| 五月丁香婷婷伊人日韩| 国产成人亚洲综合A∨婷婷| 99久在线精品99re8| 欧美色六月婷婷| 色情五月丁香| 五月婷婷综合影院| 亚洲九九99精品视频在线播放| 天天狠狠夜夜狠狠2023| 狠狠爱五月婷婷| 久久婷婷五月天激情唯美| 久久丁香五月婷婷激情综合网| 久99热在线观看| 久婷婷视平| 精品色色| 天天操天天曰| 成人网站免费在线播放| 五月婷婷片| 夜夜操狠狠操天天操| 色色综合色视频| 婷婷五月丁香啪啪| 色婷大香蕉| 亚洲av综合在线| 色狠狠色噜噜AV天堂五区| 久99热| 深爱激情五月婷婷| 啊V视频在线观看| 日日日日日| 五月天色不卡| 九九久久视频| 99秘 在线| 婷婷色无码| 深爱婷婷基地| 欧美色五月| 99在线视频色版| 激情五月综合第一页| 久热在线观看视频9| 五月伊人91| 黄色中文字目| 久久久99精品免费观看| 另类专区在线观看| 亚洲天堂色色| 天天搞天天爽| www.minyis.com【JT】实力收量可预付QQ2101460746 | 色情五月天。| 激情婷婷九月| 麻豆精品| 中文字幕网站在线观看| 久热精品在看| www.97干视频| 五月天狠狠色| 久久总和99| 99在线观看精品| 99色网站| 久久草大香蕉| 五月婷婷激情综合在线| 久久视频66| 久久只有精品| 五月天婷婷爱丁香中文字幕| 久久婷婷五月综合激情国产| 五月天国产成人| yazhou seshipin| 五月婷婷久久激情| 久久与婷婷| se99在线| 五月丁香六月欧美| 俺也高清无码高清视频| 亚洲成人人人操| 思思热99热| 色五月丁香婷婷久草| 99这里只有精品| 9久国产精品| 欧美一级色| 天天爽天天干| 亚洲精品字幕在线观看| 九九婷婷激情综合网| 日韩啪啪自拍| av成人在线播放| 五月久熟女| 黄色99视频| 久久五月丁香综合17C| 天天爱天天做天天爽| 五月丁香花激情综合网| 激情五月色播五月| 蜜臀av粉嫩av懂色av| 五月婷亚洲精品AV天堂| 伊人五月天| 无码免费人妻A片AAA毛片西瓜| 噢美99| 狠狠色丁香婷婷五月| 手机在线日韩视频中文字幕| 久久性视频| 秋霞三级影视资源| 99re这里只有精品首页| 开心五月网 | 91精品久久久久久综合五月天| 狠狠干狠狠色| AA片在线观看视频在线播放| 九九九九中文字幕| 天天肏视频| 2025最新亚洲激情在线| 五月色色激情网| 大香蕉伊人99| 疯狂做受XXXX高潮A片| 色欲AVV| 九九re精品视频在线观看| 人人人操Av| 久久66精品| 五月天播播中文字幕| 色丁香久久| 国产毛片精品一区二区色欲黄A片| 亚洲av综合在线| 99综合自拍| 欧美又粗又大一区二区在线观看| 爱草视频在线| 天天日天天舔| 色色色综合网| 2018夜夜草| 婷婷趴趴| 777久久综合视频| 丁香五月成人社区| 丁香六月婷婷久久综合| av中文字幕免费观看| www.com.色色| 婷婷色五月综合丁香| 涩涩涩.com| 色婷婷九月| 中文字幕日产A片在线看| av人人操| 丁香五月六月久久综合 | 五月婷婷导航| 开心婷婷五| 五月成人天| 五月激情六月宗合| se色婷婷视频| 六月色婷婷综合影视| 欧美极品999| 99这里只有精品|v| 人人操AV| 色九月综合网| 国产精品色色666| 思思热高清在线观看| 99热精品无码| 色色综合五月| 成人天天爽| 丁香五月影院| 免费观看欧美成人AA片爱我多深| 国产日韩av片| 插插五月天| 久久综合九九| 一级性爱大片| 99er6| 激情四射网| AV成人在线网站| 婷婷九月色| 亚洲视频伍月婷婷| 婷婷成人视频| 第四色色六月色综合| 91干视频| 亚洲激情精品| 五月天激情视频| 无码九九九九| 色狠狠综合网| 99久精品视频| 欧美日韩成卜| AV九九| 五月丁香婷婷网在线在线| 欧美搡BBBBB摔BBBBB| 激情丁香六月| av中文网站| 成功精品影院| 天天爽人人综合免费7799| 色J香五月天| JAPANRCEP老熟妇乱子伦视频| 天天综合 99久久婷婷| 丁香五月激情澎湃一区| 99这里只有精品|v| 操日视频| www.久久66| 色情五月综合婷婷| 久久色五月| 手机免费福利视频| 91人人人人人| www久久99com| 人妻中文在线| 丁香五月天天| 人妻精品久久久久久| 极品人妻VIDEOSSS人妻| 综合久久97| 这里只有精品久久| 5Www色5夜| 热久久视频99| 欧美大片| 日本熟女视频一区二区| 色五月成人| 色色色色色五月| 播五月丁香六月| 欧美大肥婆大肥BBBBB| 9999久久久久| 天天色图| 97操碰在线视频| 色五XX| 五月婷婷色在线| 国产裸舞福利资源在线视频| 成人丁香五月| www.色五月.com| 五月天婷婷免费视频| 在线日韩av| 五月天激情网图片 - 百度| 色播婷婷大香蕉| www.色九月| 五月在线| 91久久九| 激情五婷网| 99色在线观看视频者| 五月天中文网| 国产黄大片在线观看画质优化| 国产色色在线| 丁香五月影院| 天天色天天搡| 六月激情综合| 久鲁鲁色网| 亚洲激情五月天| 五月婷婷免费在线| 99热91| 九九热a| 婷婷五月天激情小说| 九九综合精品| 五月天婷婷基地| 性爱综合网| 伊人激情啪啪| 国产av基地| 最新av在线观看| 国产精品久久..4399| 久久激情综合| WWW.天天日| 色五月综合| 热99热| 激情五月黄色| 色综合爽| 五月天色五月| www 五月天 com| 九月丁香婷婷基地| 99热成人在线观看| 色婷婷性爱| 天天爽天天| 青青久久大香蕉| 五月婷在线| 欧美性爱一区| 色吧五月婷婷| 激情综合网之激情五月| 五月婷婷六月丁香| 99热大片| 伊人大综合| 激情五月狠狠| 狠狠色噜噜狠狠| 91色涩| 人人色人人摸人人看| http:色情日本com| 丁香婷婷色五月天| 一级无码作爱片| 九九AV在线| 天天操夜夜爽天天操| 国产精品久久久久久久久久 | 丁香五月在线观看| 激情丁香九九五月综合网| 色色五月婷| 欧美一区二区三区不卡影视| 久久艹 五月天| 亚洲综合丁香五月天| 九九精品热播| 俺去也五月天婷婷| 天天色天天爱天天舔| 97久久人人人干| 99A片| 99视频35精品视频在线观看| 久久九九热视频| 五月开心婷婷| 狠狠狠狠青草| 超碰在线人人| 五月婷免费视频久久久| 影音先锋91网站在线观看| 亚洲男女激情| 九月色婷婷| 精品成人无码A片观看香草视频| 婷婷日日夜夜| 黄网免费看| 中文字幕按摩做爰| 天天干狠狠艹| 99综合久久| 777精品久无码人妻蜜桃| 五月丁香六月激情综合欧美| 国产婷婷综合| 婷婷五月天成人网| 五月天中文网| 在线视频99| 疯狂做受XXXX高潮A片| 色五月婷婷久久| 婷婷五月天堂| 69凹凸成人综合网| 99热这里只有精品3| 婷婷91| 五月婷婷黄色网址| 六月份天丁香婷婷| 丁香五月婷婷深爱综合激情| 丁香婷婷五月综合欧美另类| 1024人妻| 亚洲精品性色| 狠狠爱婷婷丁香| 伊人99热| 日本社区五月天激情| 日本久久天堂| 夜夜嗨一区二区三区直播内容 | 色婷婷五月天av在线| 99操久久| 色婷婷丁香五月色综合网| 欧美视频五区| 婷婷婷婷婷婷婷婷婷婷丁香| 噜噜噜狠狠色综| 精品久久人妻热| 久久婷婷五| 五月天婷婷成人网| 色欲色香综合网| 天天色综合天天| 五月婷婷丁香网| 大香蕉伊人久久| 色五月丁香五月| 婷婷丁香一月| 在线观看996精品| 一起草AV入口| 久久久中文| 婷婷五点亚洲| 激情六| 婷婷九月在线| 四LLL少妇BBBB槡BBBB| 综合久久97| 五月婷婷五月天亚洲无码| 丁香五月综合| 夜夜干夜夜操| 五月婷婷草| 天天色粽合合合合合合合| 蜜臀99精品| 婷婷五月天亚洲精品| 色五月综合| 丁香狠狠操| 国产av一区二区三区| 色婷婷操逼| 99爱视频在线播放| 五月 丁香 欧美| 成人五月天丁香婷| 久久久久9久无码视频| 超碰在线成人| 五月狠狠| 婷婷五月天激情五月天| 色黑鬼导航| 91九色 婷婷| 欧美五月婷婷综合| 婷婷久久综合久| 天天综合网在线| 99免费视频精品| 丁香色五月婷婷17C| 久久婷鲁| 九九精品热| 婷婷五月天丁香社区| 99热视| 另类图片色五月| 国产原创视频91九色| 精国产品一区二区三区A片| 婷婷五月天奸女| 综合网亚洲| 欧美丁香五月天| 婷婷97狠狠干| 久久9久| 久久久久网站| 五月天国产| 人妻久久久久久久久妻久久久久| 性爱激情综合网| 久久五月婷| 久久综合中文字幕| 99热99热| 欧美日韓成人亚洲精品另类| 九热视频| 国产avapp 网| 久久婷婷综合色丁香| 亚洲久久天堂| 免费看欧美成人A片无码| 99热精品在线在线| 婷婷五月天综合网| 97影院一级片| 五月天婷婷社区| 天堂草在线观看| 色情五月天A片| 亚洲综合网激情五月天| 五月色丁香综合| 国产一级片| 婷婷玖玖丁香| 嫩草视频| 天天色天天操天天射| 少妇性按摩无码中文A片| 无码操B| 操操碰| 99日本在线| 激情婷婷五月天| 色五月 五月婷婷| 2025天天日爽| 26uuu精品一区二区| 亚洲欧美另类在线23p| 婷婷五月花西瓜| 亚洲99精品欧美一区| 五月 婷婷 成人| www激情婷婷com|