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)運營的一線實戰(zhàn)洞察。

端側(cè)AI掌紋識別:隨機森林從訓(xùn)練到Android部署的完整實踐

端側(cè)AI掌紋識別:隨機森林從訓(xùn)練到Android部署的完整實踐 寫這個項目是因為我有一陣子總被問“端側(cè)AI是不是只能玩深度學(xué)習(xí)”。我自己也曾經(jīng)默認(rèn)是這樣直到某次為了給一個掌紋識別的小Demo做模型選型測試了一下RandomForest在Android端跑推理的效果這個想法才被徹底扭轉(zhuǎn)。掌紋識別隨機森林RandomForest模型訓(xùn)練再到Android端輕量化推理部署完整串下來以后這其實是一條很適合入門端側(cè)圖像AI的路訓(xùn)練環(huán)境要求低模型小部署鏈路也直觀效果還不差。這篇文章把全過程拆開寫一遍包括數(shù)據(jù)和特征工程、訓(xùn)練與評測、模型序列化、以及在Android Studio里通過JNI跑C推理的完整細(xì)節(jié)。適合剛開始在移動端做AI應(yīng)用的開發(fā)者也適合想用傳統(tǒng)機器學(xué)習(xí)快速實現(xiàn)一個離線識別功能的朋友。1. 為什么掌紋識別用 RandomForest而不是搬個 CNN 上去掌紋識別的核心任務(wù)是拿到一張手掌圖像之后判斷“這個人是誰”。它和指紋識別很像但信息量更大掌紋里既有主線、皺紋這些粗粒度紋理又有大量細(xì)小的脊線和局部細(xì)節(jié)。問題是這些特征到底用什么模型來學(xué)。我當(dāng)時面對的約束其實挺現(xiàn)實設(shè)備是普通的Android手機沒有GPU不能聯(lián)網(wǎng)訓(xùn)練數(shù)據(jù)也就幾百張還要在兩周內(nèi)出可演示的Demo。這種情況下去上CNN麻煩是顯性的要么用MobileNet加遷移學(xué)習(xí)要么自己剪模型然后還得處理TFLite量化、NNAPI兼容性、輸入維度對齊這一堆事情。不是說走不通而是每一步都要花時間去踩兼容性的坑。RandomForest在這個場景下有幾個天生優(yōu)勢。第一它對小樣本數(shù)據(jù)非常友好幾百張圖訓(xùn)練出來的模型就已經(jīng)能用了不需要預(yù)訓(xùn)練權(quán)重也不會出現(xiàn)“數(shù)據(jù)不夠、模型訓(xùn)不起來”的尷尬。第二模型體積可控100棵樹、深度10的隨機森林序列化成緊湊格式也就幾百KB放手機里毫無壓力。第三推斷邏輯極其簡單每一棵樹從根節(jié)點一路比較到葉子節(jié)點幾十次判斷而已沒有矩陣乘法也沒有卷積CPU上跑得飛快。當(dāng)然我也得說句公道話如果后面要做大規(guī)模注冊庫比如幾千甚至上萬人的掌紋識別RandomForest的類別數(shù)量會成為瓶頸那時候還是得上深度特征提取加向量檢索。但做端側(cè)小規(guī)模識別尤其是離線場景RandomForest是真的夠用且好用。1.1 這個項目到底跑在哪端側(cè)部署的真實約束掌紋是生物特征用戶對隱私其實很敏感。如果方案是“手機拍一張傳云端識別”產(chǎn)品第一個版本就會死在合規(guī)和信任問題上。所以整個架構(gòu)我從一開始就定成了端側(cè)閉環(huán)攝像頭本地采集特征本地提取模型本地推理結(jié)果不出設(shè)備。這個決定直接影響了一系列技術(shù)選型。本地推理意味著模型必須夠小小到可以隨App安裝包分發(fā)夠快快到單幀處理在幾十毫秒量級夠省不能因為一個識別功能就讓手機發(fā)燙掉電。RandomForest恰好都滿足。后面我會給出實測數(shù)據(jù)但我可以先說結(jié)論這份壓力比很多人想象的要小。1.2 與CNN方案對比我為什么先把深度學(xué)習(xí)方案放一邊做這個選擇的時候有人跟我爭論過說現(xiàn)在誰還用手工特征加隨機森林深度學(xué)習(xí)才是正路。這句話對但也要分場景。掌紋識別界的公開研究里深度學(xué)習(xí)的SOTA效果確實更好可那是建立在幾十萬張訓(xùn)練圖、顯卡集群、以及標(biāo)準(zhǔn)數(shù)據(jù)集的前提下的。我們只有幾百個人手里的掌紋照片而且每個人的手掌姿態(tài)、光照、背景都不一樣。這種情況下深度學(xué)習(xí)模型很容易過擬合反而傳統(tǒng)方法更穩(wěn)。我當(dāng)時的邏輯很簡單先把RandomForest整條鏈路跑通驗證掌紋識別在Android上可行如果效果不達(dá)標(biāo)再遷移到深度學(xué)習(xí)也不遲。結(jié)果跑完測試Top-1識別率已經(jīng)到97%左右這個數(shù)字對于Demo和中小型私有場景完全夠用。2. 數(shù)據(jù)準(zhǔn)備與特征工程決定識別率的隱藏主角很多第一次做圖像機器學(xué)習(xí)的人會把90%的注意力放在模型上但模型只是流水線上最后一個環(huán)節(jié)。掌紋識別真正拉開差距的是前面兩步拿到什么樣的圖像以及從圖像里提出什么樣的特征。RandomForest本身沒有什么特征學(xué)習(xí)能力它只會對數(shù)字向量做劃分所以特征提得好不好直接決定識別率上限。2.1 建立自己的掌紋樣本庫這個項目里我找了20個志愿者每個人采集左手和右手各10張圖一共400張作為主數(shù)據(jù)集另外再采集了一部分“路人”掌紋用于測試未注冊人員的拒識效果。采集工具就是手機后置攝像頭固定距離手掌平放光照盡量均勻背景用一張白紙墊底。數(shù)據(jù)量不算多但足夠說明問題了。如果要做更嚴(yán)謹(jǐn)?shù)陌姹窘ㄗh每個ID的掌紋樣本至少20張并且要覆蓋手掌偏轉(zhuǎn)、遠(yuǎn)近變化、光照變化這些真實使用場景。還要注意一個問題訓(xùn)練集和測試集必須按ID劃分不能把同一個人的不同照片同時混進(jìn)訓(xùn)練集和測試集否則模型等于“見過這個人”再測就沒什么說服力了。2.2 掌紋ROI提取與增強處理原始照片不能直接送進(jìn)模型因為里面有大把背景、手指、桌面信息。我采用的ROI提取方法是經(jīng)典的中心距法先對手掌二值化找到輪廓中心然后以掌心最大內(nèi)切圓區(qū)域作為最終ROI。實際編碼時用OpenCV做下面幾步轉(zhuǎn)灰度再用Otsu二值化把手掌從背景分離找輪廓取最大連通區(qū)域作為手形計算輪廓的Hu矩或中心距定位掌心以掌心為圓心半徑取手掌寬度的約四分之一截取圓形ROI將ROI縮放到固定尺寸比如128x128。這一步最重要的是ROI的穩(wěn)定性。我踩過的坑是光照一變二值化結(jié)果抖動導(dǎo)致ROI位置偏移同一個人的掌紋特征就漂了。后來加了中值濾波和形態(tài)學(xué)開運算穩(wěn)定性明顯提升。最后我還會對ROI做直方圖均衡化讓紋理對比度更突出。import cv2 import numpy as np def extract_roi(img): gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) gray cv2.medianBlur(gray, 5) _, binary cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) binary cv2.morphologyEx(binary, cv2.MORPH_OPEN, np.ones((5, 5), np.uint8)) contours, _ cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if not contours: return None hand max(contours, keycv2.contourArea) M cv2.moments(hand) if M[m00] 0: return None cx int(M[m10] / M[m00]) cy int(M[m01] / M[m00]) x, y, w, h cv2.boundingRect(hand) r int(min(w, h) * 0.28) roi gray[max(0, cy - r):cy r, max(0, cx - r):cx r] roi cv2.resize(roi, (128, 128)) return cv2.equalizeHist(roi)2.3 特征向量怎么組裝Gabor LBP 的混合特征有了ROI圖接下來就是把紋理信息變成RandomForest能消化的向量。我用的組合方案是Gabor濾波加LBP直方圖。Gabor濾波可以理解成一組針對不同方向和頻率的邊緣檢測器掌紋的脊線分布正好是方向紋理多方向的Gabor響應(yīng)能有效突出主線和皺紋的走向信息。我用了4個方向0、45、90、135度每個方向取響應(yīng)圖的均值和標(biāo)準(zhǔn)差再配合局部熵得到一組低維紋理描述。LBP則是提取局部微紋理模式我選的是圓形鄰域半徑2、采樣點8的變體生成59個bin的等價模式直方圖。為了保留空間信息我會把ROI切成3x3的小塊每個塊分別算LBP直方圖再把所有塊的特征拼接起來形成最終特征向量。這樣既能感知局部紋理又能保留紋理出現(xiàn)在哪個區(qū)域的信息。特征維度我控制在180維左右RandomForest對這種維度的輸入處理得非常輕松。def extract_features(roi): features [] for angle in [0, np.pi / 4, np.pi / 2, 3 * np.pi / 4]: gabor_kernel cv2.getGaborKernel((21, 21), 4.0, angle, 0.5, 0.5, 0) filtered cv2.filter2D(roi, cv2.CV_32F, gabor_kernel) features.extend([filtered.mean(), filtered.std()]) # 3x3分塊的LBP直方圖 for i in range(3): for j in range(3): block roi[i * 42:(i 1) * 42, j * 42:(j 1) * 42] lbp local_binary_pattern(block, 8, 2, methoduniform) hist, _ np.histogram(lbp.ravel(), binsnp.arange(60), densityTrue) features.extend(hist) return np.array(features, dtypenp.float32)這里要提醒一下local_binary_pattern在skimage里直接用但端側(cè)C實現(xiàn)時需要自己寫LBP算子這個對齊坑我在后面專門講。3. 模型訓(xùn)練與精度驗證看訓(xùn)練曲線別只盯著準(zhǔn)確率特征工程做完之后模型訓(xùn)練其實是很輕的一步。RandomForest訓(xùn)練無需歸一化、無需調(diào)學(xué)習(xí)率喂進(jìn)去就是一頓分。但“輕”不代表能隨便訓(xùn)參數(shù)設(shè)計和驗證方式如果不當(dāng)照樣會得到一個看起來很美、實際用起來稀爛的模型。3.1 訓(xùn)練代碼與核心參數(shù)調(diào)節(jié)邏輯我用的是scikit-learn的RandomForestClassifier。特征向量全部提取完后組裝成一個N行180列的numpy矩陣標(biāo)簽就是志愿者ID。下面這段是訓(xùn)練核心代碼import numpy as np from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import cross_val_score, train_test_split X np.load(features.npy) # 形狀 (N, 180) y np.load(labels.npy) # 類別ID X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.3, stratifyy, random_state42 ) clf RandomForestClassifier( n_estimators200, max_depth10, min_samples_leaf2, max_featuressqrt, class_weightbalanced, oob_scoreTrue, n_jobs-1, random_state42 ) clf.fit(X_train, y_train) print(OOB score:, clf.oob_score_)幾個參數(shù)我從實測角度解釋一下。n_estimators我試過50、100、200、40050棵時精度明顯偏低100棵夠了200棵邊際收益已經(jīng)很小再上去只會白白增加模型體積和推理時間。max_depth我卡在10太深容易把訓(xùn)練集的偶然噪聲學(xué)進(jìn)去太淺又分不開相近的掌紋。class_weightbalanced很重要因為志愿者中有些人提供的有效掌紋圖多有些人少不均衡會偏向樣本多的類。3.2 精度評估與誤識風(fēng)險控制單次劃分測試集還不太夠我另外跑了5折交叉驗證最終平均精度在97.2%。Top-3準(zhǔn)確率能到98.6%。這個數(shù)字在我的20人規(guī)模注冊庫里表現(xiàn)不錯但真正需要重點檢驗的有兩種錯誤把已注冊用戶A識別成B以及把路人識別成某個已注冊用戶。第一種錯誤靠混淆矩陣去看。我挑出預(yù)測錯誤的十幾張樣本挨個看ROI發(fā)現(xiàn)絕大多數(shù)是手指閉合導(dǎo)致ROI偏移、手掌旋轉(zhuǎn)角度過大這類采集問題模型本身并沒有太大問題。這也是我為什么堅持在真實采集條件下做測試的原因?qū)嶒炇依餃y出來的99%說明不了問題。第二種錯誤拒識RandomForest沒有天然的“不認(rèn)識”輸出它只會把一張圖片歸到最接近的注冊用戶上。要處理拒識必須設(shè)定置信度閾值。我的做法是預(yù)測時拿所有樹的葉子類別分布做平均得到每個類別的概率向量最大值就是置信度。對注冊庫里的每個ID統(tǒng)計正樣本置信度分布的0.05分位數(shù)取所有ID的最小值作為全局拒識閾值。測試下來把閾值設(shè)在0.62左右能讓路人拒識率達(dá)到90%以上同時已注冊人員的誤拒率控制在3%以內(nèi)。3.3 保存模型前的最后一步導(dǎo)出類別映射訓(xùn)練那一步不用任何輕量化技巧真正燒腦的是導(dǎo)出。但導(dǎo)出前一定別忘記保存類別映射。sklearn的類別標(biāo)簽是0到N-1的整數(shù)我在訓(xùn)練前把志愿者ID重映射成連續(xù)整數(shù)同時存一份id_to_name.json否則Android端推理得到“類別3”你根本不知道對應(yīng)誰。這一步雖然簡單但我見過不止一個人漏掉最后對著結(jié)果一頭霧水。4. 模型導(dǎo)出與輕量化封裝從 sklearn 到 Android 能跑的格式這是整條鏈路里最有工程含量的一段。很多人訓(xùn)練完模型就卡在這因為sklearn沒有官方移動端推理庫沒法像PyTorch轉(zhuǎn)TorchScript、TensorFlow轉(zhuǎn)TFLite那樣一條命令搞定。我的方案是自己實現(xiàn)一個極簡的樹結(jié)構(gòu)序列化格式再在Android端用C解析和推理。4.1 為什么不能直接序列化 sklearn 對象最大的原因是pickle格式是Python私有的加載它需要在Android上跑一個Python運行時這顯然違背了輕量化原則。其次sklearn的樹對象內(nèi)部有大量訓(xùn)練時才用到的字段比如雜質(zhì)、樣本數(shù)、加權(quán)不純度等完全沒必要帶到端上。我們要導(dǎo)出的只有每棵樹的分裂特征索引、分裂閾值、左右孩子索引、以及葉子節(jié)點上各類別的統(tǒng)計分布。實際上RandomForest預(yù)測時就是每棵樹落到一個葉子然后統(tǒng)計葉子里的類別投票結(jié)果取平均。4.2 導(dǎo)出為緊湊JSON把樹拆成數(shù)組存下來我寫的導(dǎo)出腳本會遍歷每棵DecisionTree內(nèi)部的tree_對象把節(jié)點數(shù)據(jù)拆出來存成下面這個結(jié)構(gòu)import json import numpy as np def export_tree(tree, tree_index): t tree.tree_ nodes [] # t.children_left / t.children_right / t.feature / t.threshold / t.value for i in range(t.node_count): node { left: int(t.children_left[i]), right: int(t.children_right[i]), } if t.children_left[i] t.children_right[i]: node[leaf] True # value[i] 是形狀 (1, n_classes) 的樣本類別統(tǒng)計 dist t.value[i][0].tolist() total sum(dist) node[dist] [round(c / total, 4) for c in dist] else: node[leaf] False node[feat] int(t.feature[i]) node[th] round(float(t.threshold[i]), 4) nodes.append(node) return {tree: nodes} def export_forest(clf): forest { n_classes: clf.n_classes_, n_features: clf.n_features_in_, trees: [export_tree(est, i) for i, est in enumerate(clf.estimators_)], } with open(rf_model.json, w) as f: json.dump(forest, f)這個JSON是我后來在Android端C解析的直接輸入。每個節(jié)點只保留運行時需要的最小信息葉子節(jié)點存概率分布而不是單一標(biāo)簽這一點很關(guān)鍵因為多棵樹的證據(jù)必須累加成連續(xù)概率直接存標(biāo)簽做投票損失信息。4.3 特征提取參數(shù)也要一起導(dǎo)出模型導(dǎo)出了還遠(yuǎn)遠(yuǎn)不夠。Android端要在拍照之后復(fù)現(xiàn)出和訓(xùn)練時完全一致的180維特征向量那就必須讓端側(cè)知道Gabor濾波的方向、頻率、核大小、LBP的半徑和采樣數(shù)、ROI尺寸、分塊方式這些參數(shù)。我另存了一個feature_config.json把特征提取全部參數(shù)寫進(jìn)去端側(cè)啟動時加載這份配置。不做這一步的話極容易出現(xiàn)訓(xùn)練時精度95%、部署后精度掉到60%的慘劇因為兩端的特征空間已經(jīng)對不上了。4.4 模型體積怎么進(jìn)一步壓使用JSON格式的好處是可讀性強但空間效率一般。我的200棵樹、深度10模型導(dǎo)出的JSON大約500KB。這個體積在手機端完全可接受但如果你要更極致可以做兩個優(yōu)化一個是用uint16來存特征索引和左右孩子索引閾值用FP16另一個是把整個JSON改成一個自定義二進(jìn)制格式按節(jié)點類型前綴區(qū)分葉子節(jié)點和分裂節(jié)點。我實測把500KB壓到了320KB加載速度也從幾十毫秒降到幾毫秒。不過二進(jìn)制格式調(diào)試起來麻煩如果不是特別苛求體積JSON加內(nèi)存映射已經(jīng)夠用。5. Android 端集成JNI C 推理引擎與內(nèi)存管理模型文件有了接下來是重頭戲在Android Studio里建工程用JNI把C推理引擎接進(jìn)來。這一部分我踩的坑最多但也是整條鏈路最有意思的地方。5.1 Android Studio 環(huán)境配置OpenCV CMake NDK首先需要引入OpenCV Android SDK用于端側(cè)ROI提取和特征計算。推薦使用OpenCV官方提供的Android包或者用Maven依賴org.opencv:opencv:4.8.0。注意CMake配置和NDK版本要匹配我用的是CMake 3.22.1配合NDK 25.2.9519653。CMakeLists.txt大致如下cmake_minimum_required(VERSION 3.22.1) project(rf_palm) set(CMAKE_CXX_STANDARD 17) # 假設(shè) OpenCV 以預(yù)編譯 static lib 方式集成 add_library(rf_native SHARED native/Model.cpp native/FeatureExtractor.cpp native/JniBridge.cpp ) find_package(OpenCV REQUIRED) target_link_libraries(rf_native ${OpenCV_LIBS} android log )中間遇到過的一個坑是OpenCV的so庫版本與NDK版本不匹配導(dǎo)致鏈接時一堆undefined reference。解決辦法是保證OpenCV的ABIarmeabi-v7a、arm64-v8a和NDK編譯目標(biāo)完全一致同時只在gradle里配置需要的ABI不要打包多余的so增加體積。5.2 C 推理引擎實現(xiàn)數(shù)組樹加循環(huán)遍歷C端解析JSON模型我更推薦用現(xiàn)成的輕量JSON庫比如RapidJSON或nlohmann/json的子集。解析完成后把每個節(jié)點存成扁平數(shù)組。struct RFNode { int16_t feat; // 分裂特征索引-1 表示葉子 float threshold; // 分裂閾值 int32_t left; // 左孩子索引 int32_t right; // 右孩子索引 bool isLeaf; // 是否葉子 float dist[MAX_CLASS];// 葉子節(jié)點的類別分布 }; class RandomForest { public: float predictProba(const float* feature, std::vectorfloat result) { result.assign(nClasses, 0.0f); for (const auto tree : trees) { int node 0; while (!tree[node].isLeaf) { if (feature[tree[node].feat] tree[node].threshold) { node tree[node].left; } else { node tree[node].right; } } for (int c 0; c nClasses; c) { result[c] tree[node].dist[c]; } } // 平均 for (int c 0; c nClasses; c) { result[c] / trees.size(); } return result[argmax(result)]; } };這里有一個容易被忽略的性能細(xì)節(jié)樹遍歷是遞歸寫法最簡單但深度10的樹遞歸調(diào)用成本不高真正麻煩的是遞歸會導(dǎo)致棧抖動和分支預(yù)測混亂。我直接改成while循環(huán)并用節(jié)點索引訪問實測單次推理在幾微秒級別幾乎可以忽略。另一個細(xì)節(jié)是葉子分布使用float數(shù)組而不是把概率乘255存uint8_t。剛開始為了省內(nèi)存這么干過結(jié)果預(yù)測時反復(fù)乘除法反而拖慢速度還引出精度問題。后來老老實實存float模型大了不到60KB但代碼邏輯清爽很多。5.3 JNI 數(shù)據(jù)傳遞與線程安全JNI是Java調(diào)用C的橋梁。我的接口設(shè)計是Java_com_example_palm_PalmPipeline_nativePredict(float[] features, int len)返回double[]概率分布。extern C JNIEXPORT jdoubleArray JNICALL Java_com_example_palm_PalmPipeline_nativePredict( JNIEnv* env, jobject thiz, jfloatArray features, jint len) { jfloat* feat env-GetFloatArrayElements(features, nullptr); std::vectorfloat result; float conf g_forest.predictProba(feat, result); env-ReleaseFloatArrayElements(features, feat, JNI_RELEASE_MODE_ABORT); jdoubleArray out env-NewDoubleArray(result.size()); env-SetDoubleArrayRegion(out, 0, result.size(), result.data()); return out; }線程安全方面多個Java線程并發(fā)調(diào)用識別時RandomForest::predictProba內(nèi)部只讀模型數(shù)據(jù)不修改全局狀態(tài)所以可以放心并發(fā)。但如果以后要在識別過程中同時寫入新模型文件那必須加鎖否則內(nèi)存和磁盤里的模型版本會錯亂。JNI最容易崩的地方是對象引用管理。尤其你的Java層把一張Bitmap直接傳給Native時如果每個循環(huán)都在Native里創(chuàng)建局部引用而不刪除跑幾十幀后JVM的局部引用表就爆了。我的習(xí)慣是每一幀處理完后顯式調(diào)用DeleteLocalRef或者干脆把每幀數(shù)據(jù)轉(zhuǎn)成基本類型數(shù)組再進(jìn)Native避免對象引用跨函數(shù)傳遞。5.4 端側(cè)特征提取管線與訓(xùn)練集完全對齊這一環(huán)節(jié)是項目成功的關(guān)鍵。我在JNI里實現(xiàn)了和Python訓(xùn)練時完全一致的extract_features邏輯灰度化、中值濾波、Otsu二值化、ROI提取、Gabor濾波、LBP直方圖。Java層用OpenCV的Utils.bitmapToMat把Bitmap轉(zhuǎn)成Mat然后直接遞交給Native處理。有一點必須強調(diào)OpenCV的bitmapToMat默認(rèn)按ARGB8888格式轉(zhuǎn)Mat通道順序是BGR。如果你的訓(xùn)練代碼用cv2.imread讀圖是3通道BGR而Android端的Bitmap如果不做顏色轉(zhuǎn)換直接傳給灰度函數(shù)結(jié)果會不一樣。我在端側(cè)顯式調(diào)用Imgproc.cvtColor(mat, gray, Imgproc.COLOR_RGBA2GRAY)保證和Python端對齊。還有灰度直方圖均衡化這一步兩端用的插值方法要一致。我全部指定cv2.INTER_LINEAR避免不同插值算法導(dǎo)致ROI像素級差異。這類微小的不一致在單張圖上可能看不出來但在數(shù)百張測試集上累積起來足以讓識別率掉幾個點。6. 實測數(shù)據(jù)與踩坑記錄精度、時延、內(nèi)存的真實表現(xiàn)整條鏈路都跑通之后我用一臺中端Android手機做了真機測試樣本包含已注冊20人的掌紋以及20類拒識場景的照片。下面是我的實測數(shù)據(jù)。指標(biāo)數(shù)值說明模型文件大小約490KBJSON格式200棵樹、深度10模型加載耗時約40ms首次進(jìn)入識別頁時執(zhí)行單幀ROI提取特征計算約28ms128x128 ROIOpenCV耗時單次RandomForest推理約3ms20類180維特征總識別時延約31ms不含相機預(yù)覽耗時追加內(nèi)存占用約30MB主要為OpenCV Mat緩沖區(qū)已注冊用戶Top-1準(zhǔn)確率97.8%20人、每ID 7張測試圖路人拒識率91%閾值0.62誤拒率約2.7%這個數(shù)據(jù)說明RandomForest端側(cè)推理本身幾乎是零成本真正的耗時大頭在圖像預(yù)處理和特征提取。如果你發(fā)現(xiàn)你的App識別一幀要100ms先別懷疑模型大概率是OpenCV處理圖片時的Mat分配和拷貝太多了。6.1 真機測試中暴露的模型版本同步問題這里有一個典型的版本管理坑。我開發(fā)時給每個模型文件都加了版本號但第一次真機測試時Android端的feature_config.json和Python端不一致最后識別率掉了接近10%。排查了很久才發(fā)現(xiàn)是某次重訓(xùn)之后我只替換了rf_model.json忘了替換特征配置文件。后來我的做法是把rf_model.json和feature_config.json打包成一個帶model_version字段的目錄Android端啟動時校驗版本號不一致就直接提示用戶更新模型。雖然這只是一個工程細(xì)節(jié)但它對落地項目的影響比想象中大得多。6.2 我會反復(fù)提醒的幾個坑先從最大的那個說起OpenCV在Android上必須在Java層初始化OpenCVLoader.initLocal()否則任何Native調(diào)用都直接crash。這個錯誤通常表現(xiàn)為“UnsatisfiedLinkError”或者“dlopen failed”而且只在部分國產(chǎn)ROM上出現(xiàn)讓人很崩潰。然后是assets目錄只讀的問題。如果你想讓App支持模型熱更新不能把新模型寫到assets里必須運行時去檢查版本下載或復(fù)制到filesDir再讓Native層從filesDir加載。這個過程要處理好“首次啟動解壓assets模型”和“熱更新模型”兩套邏輯否則用戶手機上永遠(yuǎn)跑的是老模型。還有一個關(guān)于ABI的坑只打包arm64-v8a能顯著縮小安裝包但如果測試機是32位系統(tǒng)會直接閃退。穩(wěn)妥做法是先全打包發(fā)布再用Android Studio的“APK Analyzer”看實際體積確認(rèn)用戶群支持的ABI后再裁剪。最后是Bitmap和Mat的內(nèi)存釋放。尤其在你用循環(huán)連續(xù)采集多幀圖像做質(zhì)量評估時每一幀的Mat如果不release()內(nèi)存會像滾雪球一樣增長最終OOM。我見過好幾個項目在App上表現(xiàn)卡頓其實全是Mat泄漏。識別函數(shù)里記住兩句話Mat用完后記得release()Bitmap不要長期持有引用用完立即回收。這套方案從訓(xùn)練到部署的鏈路我已經(jīng)完整跑過幾遍整體的穩(wěn)定性讓我越來越認(rèn)可“小模型傳統(tǒng)特征”在端側(cè)AI里的位置。如果你之后想在這個基礎(chǔ)上繼續(xù)做可以往兩個方向擴展一個是換更輕的MobileNet做特征提取配合向量檢索支撐更大規(guī)模注冊庫另一個是把Gabor和LBP換成可學(xué)習(xí)的紋理特征算子讓準(zhǔn)確率再上一個臺階。但先把RandomForest這條路吃透你會對端側(cè)AI的整套流程有非常扎實的手感。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
婷婷色狠狠| 四季8848精品成人免费网站| 伍月婷丁香婷| 久久久免费图片视频| 射区导航| 26uuu另类| 亚洲成片在线观看| 亚洲永久四色| www.婷婷六月天| 美女亚洲五月丁香| 任你操精品免费| 久久激情五月| 97干在线播放| 婷婷五月av| 97久久超碰| 国产内射婷婷| 免费看欧美成人A片无码| 美国天天日天天操| 五月综亚洲| 69精品无码一区二区三区| 丁香激情久久| 五月色婷婷影院| 99热在线免费观看精品| 欧美六月| 夜夜大香蕉婷婷丁香| 婷婷五月天网| 26uuu欧美| 99热精品在线| 天天摸天天日天天舔| 色婷在线视频| 国产色香蕉精品五夜婷| 久热99| 亚洲色亚洲精品| 亚洲va欧美| 月色色综合婷婷网| 97艹| 欧美色碰| 婷婷性爱视频在线| 国产九月婷婷| 日本三级第一页| 天天操天天操天天操天天操天天操| 99秘 在线| 婷婷久月| 亚洲五月婷| 久热久re| 91大神在线免费看视频全集男男一起操| 九九视频在线| 六月婷婷色综合| 俺也去在线视频| 香蕉久久国产AV一区二区| 免费人人操| 久久九网| 九九久久高清| 色色五月天丁香婷婷| 成人做爰A片免费看网站找不到了| 天天综合网91| 久久婷婷五月| 99自拍视频| 五月天狠狠色| 99热精品中文字幕| 国产精产国品一二三在观看| 9精品久久999| 男人的天堂99| 久久激情天堂| 99狠狠操一| 成人国产欧美大片一区| 91麻豆国产三级精品福利在线观看| 大香蕉综合网| 丁香操逼| 碰碰女| 婷婷91| 人妻激情网| 久久人操-久草婷婷-成人AV| 影视av久久久噜噜噜噜噜三级| 外国碰视频网站97| 丁香97综合| 久久婷婷五月天大香蕉| Caop在线| 五月丁香 啪啪| 91九色首页| 99久久9| 成人网站在线观看视频| 一区视频网站| 色情丁香五月天| 思思热这里只有精品视频666| 日韩婷婷| 五月婷婷激情中心| 五月天亚洲色| 天天插天天干| 欧美性生交XXXXX无码小说| 久久婷婷五月综合色奶水99啪| 99ri在线| 又大又粗九一在线| 99在线精品视频| 波多野结衣AV无码Porn| 婷婷五月丁香在线观看| 青青草婷婷综合五月| 99色看| 久久人人九| 久久九区| 丁香五月天AV| 疯狂做受XXXX高潮A片动画| 一本婷婷丁香久久| 丁香五月首页| 青青草原精品久久| 色色色色色网| 色九九综合热99| 射琪琪| Av大香蕉| 六月丁香激情| 亚洲午夜成人av电影网| 五月激情丁香五月| 人妻在线中文字幕久久| 五月天色图| 婷婷久久网| 久久综合五月婷婷| 五月欧美色播| 九九RE视频在线精品| 久热只有精品| 久久久久网站| 五月天成人网在线观看| 国产又爽又猛又粗的视频A片| 99九九99九九九视频精品| 五月丁香六月综合基地| 丁香狠狠色婷婷久久无码视频| 狠狠摸狠狠摸| 婷婷五月丁香99| 伊人久久大香网| 五月丁香久久呀| 五月婷婷中文字幕| 亚洲综合色婷婷文学| 色五月天.con| www夜夜操com| 免费在线观看av网站| 五月色情婷婷| 久久99激情| 人与禽A片啪啪| 大香蕉伊人99| 99在线视频精品| 激情五月婷婷五月| 五月五月婷婷| 人人看人人要| 97人碰人操| 久久这里只有国产| 91丨九色丨大屁股| 色色色色色色色色五月先| 亚洲性爱区无码区| 五月激情小说| 99久久a线观| 久久精品4| 丁香五月熟女| 色综合色综合网| 成人午夜无码视频| 婷婷久久网| www.日本91| 97性高潮久久久| 99只有这里是精品| 中文不卡av| 欧洲99视频在线| 丁香激情网| 中文字幕亚洲-区久久99婷婷| 激情综合网激情五月丁香| 激情五月综合| 婷婷五月天 偷拍| 日韩AV大全| www色五月| 思思热在线视频精品| 婷婷五月激情小说| 色的色综合| 五月丁香| 99视频热| www久久艹| 成人版视频在线观看| 这里只有久久精99| 91日视频| 天天综合精品| 亚洲九九九九| 激情综合婷婷久久| 97人人干人人操| 久9热| 久草狼人| 日本狠狠爽| 五月天色丁香| 婷婷五月天日本无码| 亚洲视频一区| 丁香五月成人网| 色色色色色日韩午夜激情| 九九热精品6| 日韩小视频在线99| 久久性爱视频| 嫩草综合网| 密着浓厚中出乚交尾GvG935| 五月天狠狠| 亚洲一区二区无遮挡A片| 九九精品丁香花| 人人爽欧美婷婷久久久五月丁香| 色色色综合色| 色色色热| 小视频久久久aaa| 9久久网| 女人天堂 AV| 婷婷九月丁香天堂丁香天堂| 亚洲超碰在线| 天天操综合网| 五月天婷婷色小说| 国产 亚洲 在线| 六月婷婷五月丁香| 五月天天天天天天天天天天天天天天天婷婷婷 | 操碰99| 色婷婷久久综合久色综| www.99热国产| 九九色99| 亭亭五月丁香五月天激情| 射区导航| 国产熟妇乱子伦hd| 亚洲AV网站| 丁香五月婷婷六月婷| 91九色无码内射| 99热精品在线观看| 亚洲婷婷欧美婷婷| 噜噜噜噜在线| 热的五码久久精品| 久久伊人婷| 色色五月丁香婷婷| 噜噜色婷婷| 五月丁欧美| AV操一操| 极品人妻VIDEOSSS人妻| 97碰久久| 久久这里只有精品热在99| 六月婷婷无码| 久久人妻高清中文| 色婷婷av在线| 丁香六月综合激| 东京热免费视频| www.91婷婷| 五月丁香在线偷拍视频| 做爱夜夜干天天操| 亚卅毛片| 殴美日韩成人| 色色网站日本91| 九九视频这里只有精品| 五月天激情综合| 欧美激情xxxXX| 五月婷婷与六月丁香图片激情| 强壮公让我夜夜高潮A片视频| 中文久久婷婷| 99小视频网站| 天天天天天操| 久久综合中文| 色狠狠五月天| 99热免费网站| 久久成人性爱| 综合色色网| 婷婷五月,偷窥偷拍网| 综合色色五月| 99操九九网| 欧美S码亚洲码精品M码| 色婷婷亚洲婷婷| 婷婷91| 噜噜噜噜在线| 五月激情偷拍婷婷| 色色精品色| 综合网网欲色| 婷婷精品综合| 久久婷婷综合基地| 婷婷久草| 都市激情五月婷婷综合| 精品99爱免费视频在线观看| 97涩涩丁香五月天| 综合激情深爱| 国产亚洲av片| 婷婷五月天开心网| 五月欧美丁香在线观看| 丁香六月五月婷婷| 少妇人妻人伦A片| 天天舔天天操| 泰州成人视频| 99re视频在线播放| 综合五月婷婷| 日本在线观看99| 色九月婷婷| 无码人妻少妇色欲AV一区二区| 久久久这里有精品| 9热网站| 被强行糟蹋的女人A片| 国产成人精品一区二三区熟女在线| 五月天激情图片| 激情AV| 五月天综合激情网| 97操碰碰无码视频| 丁香激情五月| 草草夜夜操| 另类小说五月天| 99在线精品免费视频| 国产欧美熟妇另类久久久| 91超碰人人操| 激情丁香五月天| 国产乱子轮XXX农村| 亚洲精品视频在线播放| 午夜精品久久久久久久爽| 大战熟女丰满人妻AV| 色天使久久综合| 性爱人人网| 丁香 久久| 在线观看亚洲视频影院| 婷婷六月网| 99爱在线视频观看| 五月婷在线观看| 婷婷综合五月天激情| 丁香五月婷婷成人综合| 久久久久久久合一狠狠做深爱| 蜜臀av无码久久久久久久久| 99精品大片| 中文字幕在线日亚洲9| 天天综合网站| 色噜噜五月天| 亚洲综合婷婷六月丁香五月| 五月婷激情| 亚洲日比视频| 香蕉久久国产AV一区二区| 久久99久久99精品免观看粉嫩| 99高级会所久久| 呦呦v线| 饮料下药迷倒漂亮女同事强干| 婷婷色色五月天| 婷婷色影院| 婷婷国产五月天17c| 日韩综合天堂| 九九热精品| 五夜婷婷| 六月婷婷最新网址| 免费试看小视频 99| 色色色在线观看| 99re6在线视频精品免费| 色爱综合五月| 激情色情五月天| 色色五月天网站| 丁香五月性爱| 激情av在线| 电影爱拉战争免费观看| 色色激情| 亚洲视频操| 欧美激情五月天在线观看| 射久久丁香五月| 久久99国产综合精品免费| 久久五月情| 天天操九九插| 人妻久久久久久久 | 久久久久久99精品无码| 99精品久久久久久久婷婷久久| 99性视频| 色五月综合激情| 色情五月婷婷| 日本人妻久久| 六月合五月婷| WWW,激情五月天,COM| 婷婷深爱五月天在线| 综合色99| 精品乱码视频| 日本高清久久| 91操人人操| 欧美图片丁香五月天| 精品婷婷五月天| 婷婷五月天久久久| 激情五月婷婷视频一区二区三区| 婷婷5月九九| 狠狠干.com| 六月丁香婷婷开心综合基地| 丁香成人五月天| 99ri在线视频| 五月婷婷激情综合| 2014天天爽| 五月婷婷亚洲| 91碰碰| 欧美内射AA| 婷婷热色| 色五月天成人| 激情丁香九九五月综合网| 婷婷五月天视| 疯狂做受XXXX高潮A片| 成人婷婷桔色| 97色操| 色婷婷综合综合网| 这里只有精品1| 日韩黄色AV无码| 九色啦蜜臀| 国产真实乱对白精彩| 翔田千里无码| W色综合| 26uuu亚洲欧美日本| 九色综合五月天婷五月| 婷婷六月情| 色操综合| 九九Av| 婷婷涩五月| 丁香九月综合| 欧美色男人网站| 欧美日综合| 俺去也婷婷| 射久久丁香五月| 亚洲精品V天堂中文字幕| 亚洲网视屏| 国产精品国产成人国产三级| 韩国久久少妇视屏| 超碰人人在线观看| 五月天激情无码| 99这里只有精品视频| 99久久久精品| www.夜夜操.com| 色色色欧美色色| 激情五月四色| 超碰男人色| WWW.久久久久久久| 91男同视频| 99热99干| 天堂网亚洲色图| 九九99免费视频| 淫荡家庭AV| 日比视频91| 久久性爱视频| 国产精典视频在线观看| 99re资源在线视频导航| 国产日韩欧美| 五月婷婷和六月| 俺来也狠狠| 婷婷五月天激情网| 九九99在线观看视频| 亚州第一黄网| 99热这里只有精品4| 国产精品国产VA片国产| 久久五月视频| 五月婷久久综合| www.91九色| 激情激情激情网| 九九精品re免费视频| 午夜五月天| 五月开心激情网| 99亚洲视频| 婷婷涩涩五月天| 色噜噜狠狠色综合成人网| 99热无码精品| 五月婷色色| 久久性爱激情| 五月丁香亭亭A片| 天天干天天干天天干| 天天综合亚洲| hd五月婷婷在线| 日韩无码成人电影| 久久九九re热| 久草热在线视频| 天花AV无码| 99热日本| 香蕉综合在线| 精品综合五月| 91精品熟女| 97色片| 六月丁花香啪啪激情欧美| 激情综合久久| 99国产视频网| 五月激情婷婷开心| 丁香五月冃欧美| WWW.99热| 久热这里| 一起草Av| 97人人草| 99色视频| 99∨VTV| 中文AV在线播放| 天天做天天爱天天爽综合网| 骚货艹网站视频| 天天干夜夜b| 99热热九九| 99在线精品视频观看免费下载| 99熟女视频| 色婷婷丁香社综合| 欧美操综合| 七七色综合| 一本到不卡高清DVD| 色色色色综合网| www.99热在线观看| 婷婷五月天亚洲| 日韩无码色色| www.yw色| 日韩人妻无码专区| 五月婷婷色色| www.99.色| 在线看AV| 色综合久久88色综合天天看| 亭亭色色五月天| 99熟女| 99re99热| sewuyuejiqingwang| 亚洲激情免费久久| 5月丁香六月婷婷| 伊人久久五月天综合| 久色五月婷婷综合| 五月天操逼激情| 女人高潮内射99精品| 97在线99| www.com.色色| 99热综合在线| 思思99精品视频| 开心五月婷婷五月| 91视屏在线观看com.wwwvv| 婷婷五月综合激情小说| 亚洲激情婷婷| 婷婷综合五月天| 人人操AV| 欧美婷婷丁香五月| 99热碰碰热| 五月丁香在线视频观看| 五月婷婷综合潮喷| 久久亚洲婷婷| 久久婷婷五月天大香蕉| 91久久精品无码一区二区三区| 色噜噜狠狠色综合日日| 亚洲性爱干干| 日日噜噜夜夜狠狠久久丁香六月| 色色热| av大片在线| 色婷久| 五月婷婷激情四季| 色五月婷婷很很操| 色色热| 色婷婷操逼网| 综合 蜜月 婷婷| 色99视频| 婷婷五月天com| 午夜电影网VA内射| 丁香色六月婷婷| 99热个人在线| 99视频自拍| 五月天自拍网| 婷婷五月天久久久| 99啪视频在线观看| 97香蕉碰碰人妻国产欧美| 丁香五月天激情小说| 第四色大香蕉| 免费视频WWW在线观看网站| 久久综合色五月| 秋霞电影一级黄| 超碰精品手机在线| 日韩一级网站| 亚洲传媒在线观看| 婷婷成人综合免费视频| AV在线观看网站| www.cao.com久久| 日日操夜夜操狠狠操| 丁香婷婷色情| av国产精品| 亚洲无码成人| 婷婷五月草| 双性美人被调教到喷水A片| 九色 在线| 婷婷亚洲色| 超碰AV在线| www,超碰| 79精品视频在线观看,| 午夜69成人做爰视频| 国产免费一区二区三区三州老师F1F1.CC | 天堂网啪啪| 夜夜撸日日骑| 黄色网址五月婷婷| 色天天综合色| 激情五月综合网| 五月天色色网站| 99视频网址| 欧美激情久| 日韩欧美一级大黄网站| 丁香五月婷婷色综合| 六月丁香激情最新更新| 日本人妻伦在线中文字幕| 久久久中文| 青青草tp| 九九色中文| 丁香色色色| 日本熟妇乱妇熟色A片蜜桃| 色婷婷影视| se99视频| 久久久久久久五月婷婷六月丁香综合,开心激情综合网 | 丁香五月六月综合激情| 99久久精| www.狠狠| 色插综合网| 最近中文字幕大全免费版在线| 激情五月天色色| 国产亚洲在线| 激情综合五月激情17| 99热激情| 丁香六月视频| 亚洲超碰中文字幕| 色五婷婷开心缴| 婷婷性爱视频在线| 五月婷婷亚洲色视频| 狠狠色狠狠爱| 色一情一乱一乱一区9| 国产VA亚洲VA96| 秋霞网在线免费基地五月婷婷丁香| 色色色色av色色色色| 色吊丝99| www.五月婷婷.com| 婷婷亚洲五| 亚洲亚洲人成综合网络| 五月丁香AV在线| 日韩婷久| 99无码超碰| 爱操人妻| 国产露脸150部国语对白| 欧洲综合色| 欧洲区自拍| 久久五月丁香婷婷| 婷婷精品在线| 任你搞在线观看视频| 丁香五月综合激情性爱| 婷婷丁香六月五月天| 日本久久精品| 五月开心激情| 99热这里只有精品26| 99热热热99精品丁香| 欧美激情综合色综合| 五月丁香婷婷成人版| 一起草性爱不卡视频| 天天射天天射一道本日本社区 | 婷婷自拍| 99热这里是精品| 婷色成人| 91久久国产综合久久| a在线观看| 九九爱看亚洲| 五月丁香六月成人| A短视频免费在线观看| 婷婷五月综合体验看| 狠狠夜夜五月丁香| 在线观看亚洲AV| 国产精品国产成人国产三级| 欧美婷婷色五月| 久操干| 丰满少妇猛烈A片免费看观看| 五月婷av| 99色这里| www久久久久| 激情99| 色99色| 99九九视屏| 色九区| 色婷婷无吗| 女人天堂AV| 久草热在线视频| 99热免费精品热久久66| 久久久A级视频| 最近免费中文字幕大全高清大全1| 无码色色色| 狠狠色无码| 丁香五月网站| 丁香蜜臀黄色婷婷五月天| 亚洲区在线| 国产67194| 色婷婷五月天偷拍| 国产精品A片| 91天天操天天干天天射| 久久婷婷五月综合色和| 岛国av网| 天天色天天干天天插| 色综合色五月| 亚洲免费观看高清完整版AV线| 色婷婷激情| 97久久人人| 丁香五月天堂网| 情婷婷五月天| 丁香六月 人妻| 97色碰| 亚洲综合无码| 97视频.干com| 99黄色在线视频精品熟女| 壅壅儕家a| 色欲AVV| 六月色婷婷| WWW.17C亚洲精品| 久草热视频在线观看| 怡红院精品视频久久久久久久久| 日日操,日日爽| 这里只有视频精品| 天天玩天天摸| 5月婷婷综合| 久久久精品99亚洲综合| www.五月天婷婷.com| 婷婷视频网| 久99久视频| 综合五月婷婷| 欧美日韩成人| 色之综合网| 在线,国产,色,热视频| 婷婷五月天成人五月天| 激情婷婷内射| 丁香婷婷免费| 丁香五月婷婷性爱| 人人天堂操| 九热视频这里只有精品| 婷婷丁香色情| 少妇性按摩无码中文A片| 超碰人人操| 91热在线| 五月激情综合网| 成人国产欧美大片一区| 欧美五月婷婷综合| 婷婷五月丁香99| 啪精品| 九九久久五月天| 九九日本视频| 五月停停丁香| 亚洲成人中心| 婷婷五月天影院| 天天狠狠夜夜狠狠2023| 5月丁香综合网| 亚洲人人操BD| 国产成人高清| 91欧美| 中文字幕在线视频播放| 日本人人草草| 天天综合情| 插插网爽妇五月丁香| 五月婷婷自拍视频| 大香蕉九操| AV电影在线播放| 综合五月激情| 婷婷综合在线| 黄网在线免费观看| 五月天激情Av| 五月播播| 色五月激情网| 日韩操啪| 都市激情久久| 99爱在线精品视频免费观看| 97碰| 国产AV一区二区三区最新精品| 婷婷成人av| 午夜丁香| 丁香狠狠色婷婷久久无码视频| 亚洲无码播放| 久久您您综合网| 久久久久久综合88| 婷婷干五月综合在线播放| 99色综合网| 香蕉婷婷| 國語久久婷| 蜜臀嫩草| 丁香五月影院| 综合伊人久久| 激情五月色综合国产精品| 丁香婷婷色九月| 99久久精品免费精品国产_国产精品久久久久久_国产在线|日韩_久久国产精品电影 | 91青娱乐青青草| 五月综合激情| 激情婷婷五月| 五月婷婷激情综合网 | WWW色五月| 婷婷五月天成人在线视频| 激情亚洲网| 99精品偷自拍| 99在线视频免费| 久久这里有精品视频在线免费观看| 91九九| 9色小视频在线观看| 天天干夜夜操A片| 精品女人九九九| 影音先锋五月天婷婷丁香在线观看| 天天插天天狠| 日本一道久久| 日韩另类在线观看| 乱轮A片| 桃色五月天| 色999五月色| 超碰国产AV| 色色丁香五月天社区| www.五月婷婷久久.com| 亚洲AV综合网| 99综合自拍| 丁香五月婷中字幕| 综合狠久久| 很操日本7| a久久| 66精品国产成人| yiqicaoav| 99在线观看视频免费| 亚洲AV日韩无码| 九热视频精品| 狠狠色噜噜狠狠狠888| 一本狠婷婷综合| 色丁香六月| 万月丁香狠狠爱| 色噜综| 色五月激情五月| 都市激情五月婷婷综合| 五月婷在线| 人人人人人人人人人草| 大学生高潮无套内谢视频| 婷婷欧美激情综合| 9久精品| 天天摸天天舔天天爽| 久久激情网| 五月婷婷在线视频免费观看| 激情综合网激情五月天| 99色热视频| 九九性视频| 中文字幕婷婷五月天| 色婷网| 久久五月婷综合网| 嫩草免费视频| 思思热视频在线观看| 激情五月婷婷她| 洗浴中心操B视频| 99在线一区| 九九99热| 五六月婷婷| 国产精品涩涩涩视频网站| 激情综合网激情五月欧美| 人操综合| 夜夜夜叫天天天做| 亚洲激情| 色婷婷视频| 婷婷久久国产视频| 久久丁香婷| 99精品国产在热久久婷婷| 欧洲综合视频| 99热在线观看| 天天干天干| 97中文在线| 任你躁XXXXX麻豆精品| 狠狠五月婷婷| 久久久精品色| 久Se视频在线观看| 无人区码一码二码三码医生系列| 久久综合丁香激情五月| 亚洲第一黄网| 欧美成人AAA片一区国产精品| 婷婷五月丁综合| 97人妻碰碰碰久久香蕉| 五月天婷婷影院| 久久色五月天激情小说| 99久久婷| 琪琪色五月婷婷老师| 99热这里只有精品9| 日韩婷婷五月| 超碰在线资源| 色色色综合| se99视频| 激情深爱婷婷网| 色五月婷婷7777| 色五月婷婷综合| 激情二色月| 国产99热| 综合网五月| 精品色情一区二区三区四区| 国内自拍97在线| 99久久这里只有精品| 天天激情站| 丁香六月婷婷久久综合八月| 久青草大香蕉| 亚洲乱码日产精品BD| 日日夜夜久| 亚洲综合激| 丁乡久久| 婷婷操无码| 四虎成人精品永久免费AV九九| 婷婷综合伊人丁香| 在线观看中文字幕亚洲| 涩五月婷婷| 激情五月丁香社区| 五月婷婷六月丁香在线视频| 久久婷婷热| 影音先锋综合网| 欧美精品在线观看| 超碰国产在线观看| 婷婷5月九九| 五月色丁香成人| 成人色图情色成人网 www.5b5b5bcom 五月天 | 91久久精品无码一区二区三区| 天天插天天干天天舔| 久久婷婷丁香五月一二三| 超碰a女人的天堂| 五月丁香婷婷激情爱爱| 97caop| 美日韩成人| 五月丁香六月激情综合| 日日夜夜噜噜爽爽| 五月丁香综合啪啪対白| 亚洲激情综合色站| 51成人| av成人在线播放| www.色欲丁香婷婷| 桃色五月婷婷| 亚洲无码性爱| 91免费啪视频| 成人五月天综合网| 热思思九九| 日本熟妇乱妇熟色A片蜜桃| 色综合色色| 色婷婷五月综合| 99激情网| 日韩无码专区| 99久在线观看| 97操在线视频| 久久九九综合| 天天狠天天叉| 久久这里有精品| 色婷婷婷婷| 综合色99| 久久五月婷| 色色色色色色色色网站| 日日干天天爽| 丁香五月成人| 国产毛片欧美毛片久久久| 办公室少妇激情呻吟A片在线观看| 色色99| av中文在线| 大陆极品少妇内射AAAAAA| 国产毛片精品一区二区色欲黄A片| 丁香五月开心亚洲| 99九九在线| 婷婷综合五月| 久热大香蕉| 在线看的免费网站| 丁香五月婷婷av影院| 伊人网色婷婷五月天| 国产麻豆视频| 99ri视频在线观看| 五月天婷婷香蕉狠狠超碰综合| 色七七九九| av大香蕉| 五月天自拍视频| 五月激情网络| 99精品视频在线观看| 丁香婷婷网| 大香蕉九操| 色婷婷综合久久久久| 99资源在线视频| 丁香五月天网站| 噜噜噜噜婷婷五月天| 99er免费在线观看| www激情网| 狠狠摸狠狠摸| 婷婷丁香18| 国产一区二区av免费| 一区二区传媒视频| 综合激情五月丁香| 日韩999| 激情宗合网激情五月天| 无码区婷婷五月花开| 五月丁香六月香香蕉| 江苏少妇性BBB搡BBB爽爽爽| 去色色五月天| 九九黄色网| 影音先锋人妻出差| 五月婷婷九九热| 日日夜夜狠狠| 91丨九色丨国产在线| 色婷婷成人| 狠狠色 综合色区| 中文无码婷婷| 婷婷色影音天| 九九re精品视频在线观看| 激情五月天在线| 欧美成人色婷婷| 丁香五月性| 我想看国产大学生口爆吞精的视频| 9999三级片| 亚洲精品久久久久久久久久吃药| 五月激情在线| 一本大道嫩草AV无码专区| 第1影院之五月婷婷| 综合亚洲色色| 六月激情综合| 爱久久小说下载网| 五月久久网| 玖玖福利视频资源| 激情五月色婷婷| 色婷婷很很十八禁| www.久久爱| 综合网五月| 风流少妇A片一区二区蜜桃| 激情婷婷五月| 色色AV色色色东莞| 极品少妇XXXX精品少妇偷拍| 操九色| 久久66精品| 九九热这里只有精品6| 丁香五月婷婷99| 激情五月色综合国产精品| 丁香五月婷久久| 久久精品国产一区二区三区四区| 激情丰满熟妇五月| 99热精品10| 九九激情视频| 日本色色网站| 婷婷综合五月激情| 就去色色五月丁香婷婷久久久| 久久精彩视频| 思思w99| 超碰chaompinm| 9色免费网| 精品无码片| 天天肏天天插| 五月婷婷av| 婷婷丁香五月天影院| 六月婷婷九月丁香亚洲综合| 丁香五月成人| 99色色热热| 这里只有精品1| 黄色成人网站在线播放| 激情六月色| 欧在线一区| 丁香五月天综合网| 丰满少妇猛烈A片免费看观看| 亚洲操操| 另类在线| 天天爽成人综合网站| 99热精品在线观看| 亚洲成人在线免费| 成人av在线网站| 五月婷婷亚洲综合在线 | 丁香六月婷婷社区| 天天做天天爱天天做| 伊人久久婷婷五月综合97色| 人人综合五月人人婷婷| 国产精品VIDEOSSEX久久发布| 99免费视频久久| 五月天激情国产综合婷婷| 婷婷五月丁香综合| 激情综合五| 最新日韩久热免费视频看看| 精品无吗va视频免费观看| 久久无码成人| 婷婷丁香五月天亚洲| 日本网站久久| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | 日本三级中国三级99| 五月丁香性爱| 久久婷婷综合网| 五月天婷婷综合网| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 超碰99成人在线| 婷婷丁香五月天狠狠| 伊人激情综合| 狠狠狠狠操| 精品人妻在线免费观看| 激情网 五月天| 国产伦亲子伦亲子视频观看| 六月丁香婷婷天堂| 五月天激情小说| 亚洲婷婷丁香五月在线| 婷婷五月色天| 99惹| 成人无码精品1区2区3区免费看| 天天日天天做天天舔| 99热这里只有精品2| www色婷婷久久综合久色 | 狠狠色噜噜狠狠狠狠综合| 欧美欧盟性爱网| 碰97 久| 五月丁香婷婷基地| 丁香五月婷婷基地| 性生生活大片又黄又| 夜夜爽天天干| 91九色精品熟女内射| 国产亚洲成AV人片在线观黄桃| 天天干天天操天天干天天操天天干天天操| 久久一伦| AA丁香综合激情| 五月婷婷深爱六月| 五月丁香婷婷俺| 中文字幕在线不卡视频| 99热欧美| 久久这里只有精品1| 99热1| 久久人妻熟女一区二区| 狠狠做深爱婷婷久久综合一区| 超碰超碰在线| 色婷婷激情Av久久久| 大香蕉精品视频| 九九九九九九九热| www99久久| 午夜不卡久久精品无码免费| 九月激情综合| 婷婷五月天视频在线观看| 婷婷色情 | 久久大香蕉同僚| 99热精品一| 九九精品综合| 99热午夜精品| 丁香五月天色婷婷| 九九这里都是精品| 九九综合精品| 午夜丁香综合婷婷| 666555。COm毛片| 久久丁香五月| 第四色五月天| 五月的婷婷六月丁香| 99在线视频播放| 五月丁香婷婷色播无码| 午夜丁香婷婷| 久久伦乱| 色噜噜婷婷| 五月天婷婷色五月天| 九九九九九九毛片| 麻豆AV一区二区三区| www.久久爱.com| 丁香成人五月天| 天天射影视综合网| 久久丁香| 激情视频综合| 婷婷五月六月丁香| 亚洲字幕AV一区二区三区四区| 色激情综合| 99成人在线观看| 婷婷深爱网| www.五月激情.com| 99操中文视频| 成人在线观看一区| 婷婷综合九色伊人| 亚洲精品色| 老司机日日夜夜青草| 久re热视频| 激情五月天在线视频| 久久人妻情侣| 99视频久久免费视频| 天天插综合在线| 丁香六月啪啪| 99热在线精品观看| www.一起草av| 91re色综合视频| 大陆极品少妇内射AAAAAA| 婷婷五月情| 色综合九九| www.jiujiujiu| 婷婷五月免费视频| 狠狠干五月丁香综合网| 中文字幕乱轮| 亚洲激情精品| 久久aaaa片一区二区| yazhouzonghesese| 五月夜丁香| 思思99精品视频在线观看| 激情五月婷黄版| 99热久只有精品首页| 色色综合成人网| 丁香婷婷久久| 综合色五月| 色五月婷婷av| 伊久久婷婷| 欧美色色色色色色色| 97碰碰视频在线观看免费| 色碰碰| 伊人久久婷婷| 97亚洲色 torrent magnet| 婷婷色婷婷亚洲成人| 一起草无码视频| 玖玖在线资源视频| 六月丁香婷婷在线波多| 婷婷六月伊人| 色欲色香综合网| 婷婷开心五月| 97五月天| 91久久综合亚洲鲁鲁五月天| 天天摸天天做天天爱天天爽| 久青操| 五月婷六月| 五月天婷婷基地| 色九四色| 日韩aⅴ视频| 亚洲婷婷激情综合激情999精品| 狠狠色噜噜狠狠亚洲A∨| 九热视频精品| 丁香花色色网| 色五月婷婷久久爱| 色五月天成人在线| 婷婷王月天影院| 五月开心久久| 色色五月天丁香婷婷| 欧美在线视频99| 欧美性猛交 XXXX 乱大交| 亚洲国产精品二二三三区| 国内久久婷婷| av在线中文| 96人人操人人操人人| 啄木鸟丝袜美女福利视频| 欧美Va婷色| 天天草天天爽| 色五月亚洲| 日韩999| 艳妇野外情欲放荡HD| 精品夜夜澡人妻无码AV| 六月丁香开心婷婷欧美| 98色花堂98t.R| 久久这里只有精品07 | 五月丁香色婷婷久久| 九月丁香欧美综合| 丁香六月天婷婷在线| 六月丁香好婷婷| 九九色播五月丁香| 天天揷综合网| 六月丁香色色色| 丁香婷婷六月激情| 九九干视频| 麻豆AV一区二区三区| 国产亚洲色婷婷久久99精品9j| 91精产品自偷自偷综合| 天天撸夜夜爽| 91黄操| 秋霞av吧| 夜夜爱影院| 国产五月天激情小说| WWW,五月| 久热大香蕉| 九九超碰人人| 久久丁香婷婷五月天| 五月天色婷婷伊人网| 久久综合性| 激情综合网激情五月网| 妻久久人久久| AV性爱在线| 色天堂97| 五月婷婷黄色视频| 99热在线观看精品| 九九成年视频| 久久久久久草黄色片AV在线观看| www.lingjunshare.com| 婷婷久久综合久| 另类国产区| 九九热在线视频,| 日本天天操| 五月婷婷|欧美| 99热这里只有精品最新| 国产精品久久久久久久久久久久 | 荫道BBWBBB高潮潮喷| 久久草中文日韩欧美| 天天干天天操| 国产又爽又猛又粗的视频A片| 久久五月激情| 综合一区二区三区| 五月婷婷香蕉| 五月婷婷五月天激情视频| 久久久婷婷| 日本人人干| 激情综合色播| 九九热内射| 亚洲综合丁香五月| 亚洲五月天婷婷| 超碰人人艹| 夜夜操,天天撸| 色色网站毛片| 婷婷丁香激情五月| 久久综合中文| 99九无网码| 99九九精品视频| 婷婷五月天丁香成人社区| 99在线视频在线观看| 精品一二三区久久AAA片| 只有精品在线观看| 97资源碰碰| 综合久久高清| 99热日| 一级性感毛片| 亚洲综合热| 91a片爽| 亚洲热热视频|