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。

PCA人臉識別原理與工程實踐:從特征臉到門禁機部署

PCA人臉識別原理與工程實踐:從特征臉到門禁機部署 簡介基于 PCA主成分分析的人臉識別 MATLAB 實踐資源適合正在學(xué)習(xí)機器學(xué)習(xí)與圖像處理的高校學(xué)生和初學(xué)者用來解決如何通過降維提取人臉關(guān)鍵特征并完成身份識別的問題也適合用于實驗教學(xué)和課程設(shè)計。壓縮包共 44 個文件大小僅 332KB其中 40 個 BMP 圖像按 train 與 test 目錄組織分別提供訓(xùn)練集和測試集樣本4 個 .m 文件包含主程序、PCA 計算函數(shù)以及 Min 等輔助函數(shù)可直接在 MATLAB 中運行復(fù)現(xiàn)。目前已有 181 人瀏覽學(xué)習(xí)。通過這套資源讀者能完整走通從圖像讀取、灰度歸一化、構(gòu)建數(shù)據(jù)矩陣、計算協(xié)方差矩陣與特征向量、投影降維到分類匹配的流程并借助自帶圖像檢驗識別準(zhǔn)確率同時還能通過調(diào)整主成分個數(shù)觀察降維對結(jié)果的影響將代碼遷移到其他圖像分類任務(wù)為后續(xù)學(xué)習(xí)深度學(xué)習(xí)人臉識別打下基礎(chǔ)。1. PCA 人臉識別為什么 20 年前的算法還在門禁機里跑早上在寫字樓刷臉進閘機屏幕閃一下“識別成功”很少有人會想背后跑的是什么。拆過幾款中低端人臉識別門禁機就會發(fā)現(xiàn)主控板上不少根本沒有 NPU跑的還是 PCA 特征臉。PCA主成分分析人臉識別是二十多年前的算法但它至今還活在大量小樣本、低功耗、離線可更新的設(shè)備里。標(biāo)題里的 pca_usable.rar 這類資料包代表的正是這套“能用就行”的 PCA 人臉識別流程。下面不打算考古而是講清三個問題PCA 人臉識別到底在做什么、怎么在本地跑出一套可用的識別、以及光照、對齊、閾值這些會讓演示翻車的坑在哪。適合想做快速原型、理解門禁機識別邏輯的工程師也適合準(zhǔn)備算法面試的新手。2. 從特征臉到特征向量PCA 人臉識別的原理與選型2.1 把人臉圖片當(dāng)成向量PCA 降維到底在做什么一張 64×64 的灰度圖按行展開就是一個 4096 維的向量。如果直接拿兩個這樣的大向量算歐氏距離效果很反直覺同一個人戴個眼鏡像素差全加在一起距離可能比不同人之間的距離還大。這說明原始像素空間里的距離不能代表人臉是否相似。PCA 的出發(fā)點就是找一個新的坐標(biāo)系在這個坐標(biāo)系里相似人臉的坐標(biāo)點更貼近不同人臉的坐標(biāo)點拉得更開。具體到數(shù)學(xué)實現(xiàn)假設(shè)訓(xùn)練集有 N 張灰度人臉圖每張圖是一維向量 x_i長度 D。先計算均值臉 m (1/N)∑x_i這是“所有臉的公共部分”。把每張臉減去均值臉得到差值向量 d_i x_i - m。把這些差值向量按列排成矩陣 X然后計算協(xié)方差矩陣 C X X^T。理論上C 的特征向量就是“主方向”特征值越大說明這個方向上的樣本差異越大。特征值最大的前 K 個特征向量就是 PCA 要保留的投影軸。把這 K 個投影軸重構(gòu)成圖像會看到一團模糊的人臉輪廓這就是特征臉Eigenface名字的由來。實際工程里很少有人真的去算 C X X^T因為 D 動輒幾千X X^T 是 D × D 的矩陣內(nèi)存和時間都壓不住。更穩(wěn)的做法是對差值矩陣 X 直接做奇異值分解SVDX 分解成 U S V^T。V 的行向量就是主成分S 的對角線是奇異值奇異值的平方和特征值成正比。用 SVD 的好處是數(shù)值穩(wěn)定性更好而且能直接拿到前 K 個方向不用把整個 D × D 矩陣構(gòu)造出來。scikit-learn 的 PCA 在 n_components 小于樣本數(shù)時就是這么干的。PCA 完成之后每張訓(xùn)練臉都可以投影到 K 維空間變成一個極短的向量。如果只保留 30 個主成分一張 4096 維的圖被壓縮成 30 維信息保留率通常還在 90% 以上。這個低維小區(qū)間已經(jīng)足夠表達人臉之間的差異。最后接一個最近鄰分類器把待識別臉投影到同一組主成分上計算它和所有訓(xùn)練投影點的歐氏距離或余弦距離距離最小且低于閾值的人就是識別結(jié)果。這里有一個初學(xué)者容易混淆的地方PCA 本身不是分類器它不關(guān)心“哪張臉屬于誰”它只負(fù)責(zé)把原始像素壓縮到低維。誰來做“是誰”的判斷是 PCA 之后接的分類器的事情。最常見的是最近鄰也有人用 SVM 或貝葉斯分類器。資料包 pca_usable.rar 里如果既有降維又有分類比如用 LDA 進一步處理那其實已經(jīng)是 Fisherfaces 范疇了別和純 PCA 混為一談。2.2 為什么 PCA 在人臉識別門禁機上還不過時與 ArcFace、EasyAI 的取舍先說結(jié)論PCA 不是最準(zhǔn)的但它在“約束環(huán)境 小樣本 低算力”這個組合下依然是最實用的入門方案之一。室內(nèi)門禁機、考勤機、柜門鎖這些設(shè)備的位置固定人臉基本正面朝向攝像頭光照環(huán)境可控注冊時每個人能留下多張照片。這種環(huán)境正好避開了 PCA 最怕的姿態(tài)和光照變化卻又對成本和功耗非常敏感。對比成熟的人臉識別方案ArcFace 這類基于深度學(xué)習(xí)的模型在公開測試集上準(zhǔn)確率能到 99% 以上但需要較大的模型推理開銷。ArcFace 本身是一個損失函數(shù)通常配著 ResNet 之類的骨干網(wǎng)絡(luò)一張 112×112 的輸入要經(jīng)過上千萬次浮點運算。商用 SDK 如 EasyAI 人臉識別把活體檢測、抓拍、比對打包成黑匣子指標(biāo)漂亮但授權(quán)費、密鑰管理和云端依賴讓很多小項目望而卻步。用 PCA 特征臉就簡單得多訓(xùn)練階段做一次 SVD識別階段只有一次矩陣乘法和一次距離排序任何單片機都能扛得住。我把選型對比整理成一張表方便套到自己的項目里維度PCA 特征臉深度學(xué)習(xí)ArcFace 等商用 SDKEasyAI 等每類最少樣本35 張幾十張起步按 SDK 要求一般也需要多張硬件要求任意 CPUGPU/NPU 或高主頻 CPU視 SDK 而定可解釋性特征臉可可視化黑匣子完全黑匣子光照/姿態(tài)魯棒差好好活體檢測無需要額外方案無需要額外方案通常內(nèi)置離線部署容易中等部分依賴聯(lián)網(wǎng)成本零模型訓(xùn)練算力成本授權(quán)費適合場景門禁、考勤、寢室閘機高并發(fā)安防快速商用對門禁機這種“注冊一個人之后只驗證這個人”的場景PCA 的閾值控制得當(dāng)誤識率可以壓得很低。如果現(xiàn)場光照實在不穩(wěn)定還可以在人臉框內(nèi)區(qū)域做曝光補償或者在注冊階段用不同光位多拍幾張讓 PCA 的子空間更魯棒。反過來如果場景是火車站抓拍、運動目標(biāo)識別、或者需要判斷是不是真人而不是照片那 PCA 不是不能用而是坑太密我一般直接建議用 ArcFace 加活體模塊。易用性和準(zhǔn)確率之間的取舍比算法本身更能決定項目成敗。2.3 常用工具鏈OpenCVNumPy、Weka、ENVI 各自適合什么場景傳統(tǒng) PCA 人臉識別的工程鏈路分成五段人臉檢測、人臉對齊、灰度化歸一化、PCA 降維、分類比對。前兩段基本繞不開 OpenCV后兩段可以用 NumPy 或 scikit-learn。如果只是想快速驗證“這個數(shù)據(jù)集能不能用 PCA 分開”Weka 是很好用的圖形化工具。把每張人臉展開成一行數(shù)值加上 person_id 屬性存成 CSV導(dǎo)入 Weka 后選 Filter-Unsupervised-PrincipalComponents設(shè)置 varianceCovered0.95降維后再接一個 IBkKNN分類器跑一遍 10 折交叉驗證十幾秒就能看到大致準(zhǔn)確率。Weka 的 PCA 參數(shù)里值得改的還有 centerData默認(rèn)不開人臉特征沒有明顯尺度問題開不開影響不大但如果數(shù)據(jù)里混了無關(guān)特征建議打開。ENVI 里的主成分分析 PCA 是遙感工具鏈的一部分功能本身沒問題但 ENVI 的定位是柵格影像處理不是人臉識別。用 ENVI 對人臉圖片做 PCA雖然也能輸出主成分分量但它缺少人臉檢測、關(guān)鍵點對齊這些前置處理而且沒法直接接最近鄰分類器來做身份判斷。我見過有人把 ENVI 的 PCA 輸出拿去做 Weka 分類實驗效果自然不差但那只是“用數(shù)據(jù)壓縮工具處理人臉圖”和端到端識別設(shè)備是兩回事。如果你搜索“envi主成分分析pca”后看到一堆波段圖像別指望它幫你解決門禁識別問題。真正上手做我的套路是人臉檢測用 OpenCV 的 DNN 檢測器對齊用雙眼坐標(biāo)的仿射變換PCA 訓(xùn)練用 scikit-learn 的 PCA 或手寫 SVD分類用帶閾值的最近鄰。每完成一步把中間結(jié)果存成圖或 CSV 看一眼避免黑匣子式地一路跑到底。拿到 pca_usable.rar 這類資料包時我也習(xí)慣先看它的目錄和說明文件找到訓(xùn)練腳本里有沒有圖像預(yù)處理這一段。沒有預(yù)處理后面的準(zhǔn)確率數(shù)字再高也不可全信有預(yù)處理但沒寫閾值標(biāo)定方法那也得自己補上。這些習(xí)慣能讓你少走至少一周彎路。3. 把 PCA 人臉識別跑起來最小實現(xiàn)與參數(shù)調(diào)整3.1 準(zhǔn)備數(shù)據(jù)對齊、灰度化、裁剪的約定PCA 對輸入格式非常敏感。我在項目里的固定做法是先做一次人臉檢測拿到人臉框再用兩只眼睛的坐標(biāo)做仿射變換把雙眼旋轉(zhuǎn)到水平然后統(tǒng)一縮放到 64×64最后轉(zhuǎn)灰度圖并做直方圖均衡化。為什么是 64×64因為 PCA 的維度等于像素數(shù)分辨率翻倍向量長度變四倍訓(xùn)練和識別時間都明顯增加而小樣本情況下高分辨率并不能帶來等量的精度提升。我用 ORL 數(shù)據(jù)集做過對比48×48 和 64×64 準(zhǔn)確率幾乎一樣再往上就有點浪費。數(shù)據(jù)集的目錄結(jié)構(gòu)建議按人分目錄每類目錄里放這個人不同時刻的照片。如果下載的資料包里自帶樣本圖先統(tǒng)一改造成這種結(jié)構(gòu)后續(xù)代碼不用動。加載時按目錄名把人臉和標(biāo)簽對應(yīng)起來import os import cv2 import numpy as np def load_faces(data_dir, target_size(64, 64)): X, y [], [] for label_dir in sorted(os.listdir(data_dir)): # 假設(shè)目錄名形如 0_zhangsan取前綴數(shù)字作為標(biāo)簽 label int(label_dir.split(_)[0]) person_path os.path.join(data_dir, label_dir) for fname in os.listdir(person_path): path os.path.join(person_path, fname) if not fname.lower().endswith((.jpg, .jpeg, .png)): continue img cv2.imread(path) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) gray cv2.resize(gray, target_size) # CLAHE 放在 resize 之后、展開之前 gray cv2.createCLAHE(clipLimit2.0, tileGridSize(8, 8)).apply(gray) X.append(gray.flatten() / 255.0) y.append(label) return np.array(X), np.array(y)這里把灰度值歸一化到 01讓 SVD 的數(shù)值范圍穩(wěn)定。有人會忘記這一步直接把 0255 的整數(shù)矩陣丟進 PCA導(dǎo)致奇異值偏大閾值標(biāo)定時的距離單位也失去參考。加載函數(shù)里先 resize 再 CLAHE是因為 CLAHE 基于局部直方圖不同尺寸下統(tǒng)計區(qū)域不一樣統(tǒng)一后再做才有可比性。接下來是對齊函數(shù)。前面加載函數(shù)里省略了人臉檢測實際工程中不能直接 resize 原始抓拍照因為攝像頭角度難免有輕微上下偏。下面這段代碼輸入是已經(jīng)檢測到的左右眼坐標(biāo)輸出是一張對齊且裁剪好的灰度圖def align_face(img, left_eye, right_eye, out_size(64, 64)): # 計算雙眼連線與水平線的夾角 dx right_eye[0] - left_eye[0] dy right_eye[1] - left_eye[1] angle np.degrees(np.arctan2(dy, dx)) # 繞圖像中心旋轉(zhuǎn)使雙眼連線水平 h, w img.shape[:2] center (w // 2, h // 2) M cv2.getRotationMatrix2D(center, angle, 1.0) rotated cv2.warpAffine(img, M, (w, h)) # 以雙眼中點為中心按眼距的固定比例裁剪 ex abs(dx) scale 1.8 # 裁得不要太貼近五官留出額頭和下巴 crop_size int(ex * scale) eye_mid ((left_eye[0] right_eye[0]) // 2, (left_eye[1] right_eye[1]) // 2) x0 max(eye_mid[0] - crop_size // 2, 0) y0 max(eye_mid[1] - int(crop_size * 0.4), 0) x1 min(x0 crop_size, w) y1 min(y0 crop_size, h) cropped rotated[y0:y1, x0:x1] # 灰度化并縮放到統(tǒng)一尺寸 gray cv2.cvtColor(cropped, cv2.COLOR_BGR2GRAY) gray cv2.resize(gray, out_size) # 直方圖均衡化減輕光照影響 gray cv2.createCLAHE(clipLimit2.0, tileGridSize(8, 8)).apply(gray) return gray / 255.0代碼里的幾個參數(shù)值得說清楚。angle 的正負(fù)號由 dy 決定如果右眼比左眼高dy 為正angle 為正圖像逆時針旋轉(zhuǎn)。scale 取 1.8 而不是 2.0是為了避免把背景裁進人臉區(qū)域因為 PCA 會把背景像素也當(dāng)作特征學(xué)習(xí)。y0 的偏移用 crop_size * 0.4把裁剪框向上挪一點讓人臉在全圖里居中偏上減少頭發(fā)和脖子的影響。最后一步 CLAHE 非常關(guān)鍵它能在不放大噪聲的前提下抑制局部光照不均。你如果把這一步去掉同一個人的不同亮度照片距離會大幅波動閾值也會隨之失效。3.2 訓(xùn)練均值臉、PCA 投影與最近鄰分類接下來是 PCA 訓(xùn)練的核心函數(shù)。這里為了演示直接用 NumPy 手寫 SVD 版這樣你能看清每一步在做什么也方便移植到不支持 scikit-learn 的環(huán)境。import numpy as np def train_pca(face_vectors, labels, n_components30): # face_vectors: (N, D) 每一行是一張展開后的灰度圖值域 [0,1] # labels: (N,) 每張圖對應(yīng)的用戶ID mean_face np.mean(face_vectors, axis0) centered face_vectors - mean_face # 對差值矩陣做瘦 SVD直接得到前 min(N,D) 個主方向 U, S, Vt np.linalg.svd(centered, full_matricesFalse) # 前 n_components 個右奇異向量 Vt 的每一行就是一個特征臉基向量 components Vt[:n_components] # shape (n_components, D) # 訓(xùn)練集投影到低維子空間 projected_train np.dot(centered, components.T) # (N, n_components) return { mean_face: mean_face, components: components, projected_train: projected_train, labels: labels }這里要注意 SVD 返回的 Vt 每一行是一個主方向不是每一列。所以我用 Vt[:n_components] 取前 K 個再用 centered 乘以 Vt 的轉(zhuǎn)置做投影。scikit-learn 的 PCA 對象里有 n_components_就是這家伙。另一個容易踩的地方是SVD 前不需要再做標(biāo)準(zhǔn)化因為所有像素都在同一個量綱亮度下如果先做了 per-pixel 歸一化反而會破壞灰度圖的相對明暗關(guān)系。識別階段的函數(shù)同樣短def recognize(face_vector, model, threshold0.50): mean_face model[mean_face] components model[components] proj_train model[projected_train] labels model[labels] centered face_vector - mean_face proj np.dot(centered, components.T) # 歐氏距離L2 范數(shù)。也可以用余弦距離但這里用歐氏更直觀 dists np.linalg.norm(proj_train - proj, axis1) best_idx int(np.argmin(dists)) if dists[best_idx] threshold: return labels[best_idx], dists[best_idx] else: return -1, dists[best_idx]threshold 的單位不是維度數(shù)而是投影空間里的距離。因為投影向量每個分量的尺度會隨 SVD 奇異值變化不同訓(xùn)練集算出來的距離絕對值差異很大。所以絕對閾值沒法遷移必須在自己的數(shù)據(jù)集上標(biāo)定。我一般先打印所有同類距離和異類距離的最小/平均/最大值再看兩個分布是否有交疊。理論上同類最近鄰距離和異類最近鄰距離是兩條分布曲線閾值取交點效果最好實際項目中我會把閾值設(shè)置在交點偏小一側(cè)寧可多拒絕也要少誤識。后面避坑章節(jié)會展開。順便說一個容易翻車的細節(jié)這一步用的是歐氏距離。把投影后的坐標(biāo)稍微想一下如果某個特征值特別大那么它對應(yīng)的軸向距離就主導(dǎo)了歐氏距離。這時候可以改用馬氏距離或者先對投影向量做單位化但單位化會丟掉尺度信息。對于門禁驗證我習(xí)慣保留歐氏距離因為閾值標(biāo)定更直觀。3.3 評估留一法與累計方差貢獻率模型寫好了不能直接看一個總準(zhǔn)確率就收工。小樣本的人臉數(shù)據(jù)集必須用留一法評估因為隨機劃分訓(xùn)練測試集會把同一個人的不同照片分到兩邊造成數(shù)據(jù)泄漏準(zhǔn)確率虛高。我常用這段代碼跑一個最誠實的評估def evaluate_loo(face_vectors, labels, n_components30, threshold10**9): from sklearn.model_selection import LeaveOneOut loo LeaveOneOut() correct 0 total 0 for train_idx, test_idx in loo.split(face_vectors): train_vecs face_vectors[train_idx] train_labels labels[train_idx] test_vec face_vectors[test_idx][0] true_label labels[test_idx[0]] model train_pca(train_vecs, train_labels, n_components) pred, _ recognize(test_vec, model, threshold) if pred true_label: correct 1 total 1 return correct / total這段代碼每次留一都重新訓(xùn)練一次 PCA數(shù)據(jù)量大的時候會很慢但它的結(jié)果才代表真實泛化能力。threshold 先設(shè)成一個很大的數(shù)讓最近鄰永遠“認(rèn)得出”這樣 eval 出來的是純最近鄰的準(zhǔn)確率。等閾值標(biāo)定結(jié)束再拿真正要用的 threshold 重跑一次記錄此時被拒識的比例兩個數(shù)字放一起看你就能知道自己的模型能容忍多少誤識。還有一個更常用的調(diào)參手段是畫累計方差貢獻率曲線。scikit-learn 直接支持from sklearn.decomposition import PCA pca PCA(n_components50) pca.fit(face_vectors) cumsum np.cumsum(pca.explained_variance_ratio_) # 找到達到 95% 方差的最少維度 k np.searchsorted(cumsum, 0.95) 1 print(f保留95%方差需要 {k} 個主成分)這個 k 就是你在 train_pca 里應(yīng)該用的 n_components。不是越大越好主成分越靠后越接近光照和噪聲把這些維度也放進比對會把不同人的特征臉“拉近”反而降低準(zhǔn)確率。我用 ORL 數(shù)據(jù)集的經(jīng)驗是 k 在 20~40 之間累計方差貢獻率達到 90%~95%準(zhǔn)確率基本穩(wěn)定。如果你換到 64×64 以上的分辨率k 可以稍微往上加但不要超過樣本數(shù)的一半否則 SVD 后段全是噪點。訓(xùn)練集只有 5 類、每類 5 張的時候總樣本 25 張k 設(shè) 30 也拿不到 30 個非零主成分。所以 k 的上限是樣本數(shù)減一不是隨便填。實際項目里數(shù)據(jù)準(zhǔn)備和訓(xùn)練常常要反復(fù)調(diào)幾輪。第一次跑通后我會把距離矩陣用 seaborn 畫成熱力圖檢查有沒有明顯的交叉點。如果兩個不同人的距離比同一個人的還小那基本可以斷定預(yù)處理環(huán)節(jié)還有問題先去查對齊再查光照最后才懷疑 PCA 參數(shù)。這個排查順序在下面的避坑章節(jié)里會再展開。4. PCA 人臉識別的 5 個避坑點光照、對齊、維度與閾值4.1 光照不均讓模型“睜眼瞎”先做 CLAHE 再進 PCA現(xiàn)象訓(xùn)練時在室內(nèi)燈下拍的人臉識別時換到窗邊陽光下系統(tǒng)把同一個人誤判成陌生人甚至另一個員工。原因PCA 的主成分是按像素方差找出來的全局亮度變化產(chǎn)生的方差比人臉五官差異還大所以主成分里很大一部分編碼的是光照方向而不是身份信息。解決在灰度化之后立即做 CLAHE限制對比度讓局部細節(jié)更平均如果光照情況跨度更大注冊時多采集幾個時段的人臉讓均值和主成分把不同照度吸收掉。這一步比換分類器更能提升準(zhǔn)確率。我看到不少 pca_usable.rar 里的訓(xùn)練腳本省略了 CLAHE實際識別時就開始翻車。判斷方法很簡單打印前 5 個特征臉的可視化如果第一張看起來像一張單純的亮度漸變圖而不是人臉輪廓說明光照方差占了主導(dǎo)趕緊把預(yù)處理補上。補了以后特征臉會出現(xiàn)更多五官輪廓識別率一般會立刻往上走。4.2 人臉沒對齊PCA 學(xué)到的是姿態(tài)而不是臉現(xiàn)象一個同事抬頭、低頭、左右轉(zhuǎn)頭各拍了幾張訓(xùn)練完以后識別率不到 70%查投影空間發(fā)現(xiàn)同一個人聚成好幾坨。原因PCA 不區(qū)分姿態(tài)變化和身份變化它只知道哪些方向變化大。人臉沒有對齊時旋轉(zhuǎn)、平移造成的像素移動會占據(jù)最大的方差方向。解決入模之前必須做仿射變換把眼睛位置固定到模板坐標(biāo)。沒有關(guān)鍵點時可以只用 OpenCV DNN 人臉檢測器返回的人臉框和五個關(guān)鍵點取兩只眼睛做旋轉(zhuǎn)對齊也能救回大部分精度。還有一個檢查方法把學(xué)習(xí)到的特征臉可視化如果特征臉上有明顯的邊緣輪廓像某種姿勢的剪影說明數(shù)據(jù)里姿態(tài)偏差太大需要回去重新對齊。實踐里最省事的做法是直接采用 3.1 的 align_face 函數(shù)只要拍到左右眼就能把角度誤差控制在一個像素以內(nèi)。如果你連關(guān)鍵點都拿不到至少要保證人臉框的高度和寬度比例一致再用框中心做縮放裁剪效果會差一些但不至于完全不能用。4.3 維度 k 不是越大越好用累計方差貢獻率來確定現(xiàn)象有人把 n_components 設(shè)成 200認(rèn)為保留信息越多越好結(jié)果交叉驗證準(zhǔn)確率反而比 40 維時低 10 個百分點。原因主成分是按方差排序的后面幾十個主成分主要由噪聲、光照殘差組成它們把不同類別的人臉距離拉小了干擾最近鄰判斷。解決畫累計方差貢獻率曲線取 90% 到 95% 交叉點對應(yīng)的 k。另一種穩(wěn)健做法是畫 k-準(zhǔn)確率曲線選準(zhǔn)確率平臺期的起點。平臺期的起點通常是準(zhǔn)確率曲線從快速上升到基本持平的轉(zhuǎn)折點那個 k 一般落在 20~50 之間。注意如果每類樣本只有 3 張k 再大也不會超過樣本數(shù)超過樣本數(shù)以后 SVD 會得到零奇異值純屬白算。試參數(shù)的時候還要同時看驗證集和訓(xùn)練集的準(zhǔn)確率。訓(xùn)練集 100%、驗證集掉到 80%大概率是 k 太大導(dǎo)致過擬合反過來兩個都很低說明預(yù)處理和特征選取的方向不對。先用 30 維跑通流程再花時間精調(diào)比一上來就網(wǎng)格搜索靠譜。4.4 閾值不是玄學(xué)要用距離分布來標(biāo)定現(xiàn)象演示時用同一個人測試閾值設(shè)得很松結(jié)果陌生人也能通過閾值調(diào)緊一點員工又頻繁要刷好幾次才能開門。原因閾值本質(zhì)是投影空間中的一個半徑它決定了“最近鄰居要近到什么程度才算認(rèn)識”。只靠試幾個數(shù)字來調(diào)很難兼顧誤識率和拒識率。解決在驗證集上統(tǒng)計兩類距離——同類最近鄰距離真正的用戶到庫里的最近點和異類最近鄰距離陌生人到庫里的最近點。畫出直方圖后理想閾值取兩條曲線交點如果業(yè)務(wù)上更怕陌生人闖入把閾值往左偏如果更怕員工被拒就往右偏。這個過程的代碼并不復(fù)雜把 recognize 函數(shù)里的 dists 拉出來分別收集同一個人的最小距離和不同人的最小距離最后用 matplotlib 畫直方圖。上線后還要定時收集運行日志更新閾值因為隨著注冊人數(shù)增加異類距離整體會變近固定閾值會慢慢失效。我見過最典型的翻車是門禁系統(tǒng)運行半年后誤開率上升一查發(fā)現(xiàn)閾值還是初始調(diào)試時定的數(shù)據(jù)庫里的人比那時多了兩倍。4.5 樣本不均衡導(dǎo)致“老用戶好刷新用戶刷不進”現(xiàn)象老員工在庫里存了 30 張照片新員工只有 3 張識別結(jié)果總是偏向老員工新員工經(jīng)常被拒。原因PCA 是無監(jiān)督的樣本多的類別對均值和主成分的影響更大同時最近鄰比較環(huán)境里老員工周圍有更多點更容易被選中。解決每類樣本量做到一致最少 5 張。數(shù)據(jù)不夠就做離線增強水平翻轉(zhuǎn)、小角度旋轉(zhuǎn) ±5 度、亮度擾動、小幅平移。注意增強只能在訓(xùn)練側(cè)做如果測試也用了同一張原圖的增強版本會造成數(shù)據(jù)泄漏準(zhǔn)確率虛高。還有識別的時候建議把“最小距離”和“次小距離的比值”也作為判斷依據(jù)如果最小距離和次小距離非常接近說明這個人處在兩個類別的邊界上應(yīng)該觸發(fā)重新采集而不是直接下結(jié)論。人臉識別門禁機產(chǎn)品如果要提高新用戶的體驗這一步比調(diào)算法參數(shù)更有效。5. 從 PCA 模型到人臉識別門禁機驗證流程與進階技巧一段真正的門禁識別不是跑通腳本就算完它需要三個驗證動作按人劃分?jǐn)?shù)據(jù)集、用留一法或 K 折得到真實準(zhǔn)確率、用閾值標(biāo)定得到誤識/拒識率。這三個動作在前面章節(jié)里已經(jīng)寫了實現(xiàn)真正上線前還要把它們固化成回歸測試——每次改預(yù)處理或加樣本都要重跑一遍防止舊功能回歸。還要注意驗證時一定要按人劃分不能把同一個人的多張照片同時放進訓(xùn)練集和測試集否則算出來的準(zhǔn)確率參考價值很低。誤識率和拒識率要一起看。只報準(zhǔn)確率 98% 沒什么意義因為門禁場景里準(zhǔn)確率不等于安全性。我會在驗證集上跑一遍畫出誤識率隨閾值變化的曲線再結(jié)合門禁點每天通過的人數(shù)估算出閾值調(diào)緊后每天預(yù)計有幾次誤拒。這個數(shù)字要和業(yè)務(wù)方確認(rèn)而不是自己拍腦袋。比如 300 人的辦公室每天 600 次刷臉即使拒識率只有 0.5%一天也有 3 次被擋在門外員工體驗會很差。進階的第一招是 PCA LDA也就是 Fisherfaces。PCA 先去掉冗余再做線性判別讓不同人的投影點更分離。代碼層面很簡單先對數(shù)據(jù)做 PCA 降到 50 維再對降維結(jié)果做 LDA 降到 C-1 維C 是人數(shù)。Fisherfaces 在 ORL 數(shù)據(jù)集上的準(zhǔn)確率通常比純 PCA 高 2~5 個百分點而且它更抗光照變化。第二招是給每個用戶單獨維護一個 PCA 子空間。當(dāng)用戶要重新錄入照片時不用全量重訓(xùn)只把這個人的照片集更新后重新算一次均值臉和投影。這樣做雖然犧牲一點全局一致性但在門禁機這種內(nèi)存有限的設(shè)備上可以顯著降低更新耗時。第三招是圖像預(yù)處理參數(shù)要跟著識別性能一起鎖版本。你優(yōu)化了 CLAHE 的 clipLimit 或者裁剪框的 scale準(zhǔn)確率可能從 95% 升到 98%但這個提升只有在你整套鏈路里才有意義。如果資料包或隊友直接用另一套預(yù)處理推到設(shè)備上效果會立刻退化。我自己早期在一個門禁項目里吃過虧跑演示時準(zhǔn)確率 98%上線后每天都有人被拒后來發(fā)現(xiàn)是設(shè)備攝像頭角度偏低人臉對齊后眼睛位置和訓(xùn)練集差十來個像素PCA 投影距離整體變大了。解決方式是補拍一批低角度照片進訓(xùn)練集并把閾值按新分布重新標(biāo)定。那次之后我養(yǎng)成了“先標(biāo)定距離分布、再談準(zhǔn)確率”的習(xí)慣。希望這些步驟和踩坑記錄能幫到你少走幾步彎路。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
日韩久久欧亚| 超碰人人91| 9在线9在线婷婷在线国产| 久久婷婷大香蕉| 人人插9| 操逼视频一区| 婷婷五月天亚洲天堂| 狠狠狠狠狠操| 91视频一起草| 婷婷丁香六月| 综合精品99| 久久99精品久久久久久噜噜| 激情五月丁香在线观看直播| 99热这| 操日视频| 管管補管管紱| 九九热免费视频| 夜夜干 夜夜操| 麻豆AV一区二区三区| 国产91在线视频| 99精品视频推荐| 9.1综合网| 九九久久99| www.minyis.com【JT】实力收量可预付QQ2101460746 | 怡红院AV亚洲一区二区三区H | 五月婷婷黄色| 久久久全国免费视频| 日韩另类在线观看| 热的无码综合视频| 久久这里只精品| 99燥99日| www九九热| 六月丁香婷婷尤物| 人人摸人人搞| 密视AV综合在线| 色综合丁香婷婷| 婷婷丁香六月影视| 翔田千里 50岁 无码| 米奇影视五月天| 久久92| www超碰| 在线99精品| 噜噜五月天综合| 久久久天堂国产精品女人| 国产精品人妻在线网址| 婷婷六月色情| 日本综合久久| 五月激情综合网| 2025最新亚洲激情在线| 二色AV| 六月色丁香婷婷| 九九色欲网| 色区域网站视频| 日本一道久久| 狠狠色噜噜狠狠| 色情五月天se| 九九热这里| 热婷婷在线视频| 99热这里只有99| 五月婷视频| 亚洲精品字幕在线观看 | 激情五月色婷婷| 超碰cap| www.激情五月天。com| 成人精品亚洲性爱| 激情五月天婷婷播播久久综合91 | 国产性爱一级| 亚洲情欲久久| 99热99这里有免费的精品| 亚洲综合色色| 婷婷九月亚洲| 极品另类| www,com,五月色色| 久久九九国产精品怡红院| 精品欧美一区二区三区久久久| 九九综合九九| 色婷婷19| 噜噜噜久久| sewuyuetingtingiii| 思思久久思思| 黄急一级视频| 超碰renrenai| 久草热8精品视频在线观看| 久久99精品久久久久久噜噜| 99精品网| 偷偷操九九| 天天综合亚洲综合网天天αⅴ| 久久99大全| 欧美日本韩国亚洲| 色在线五月天免费| 日韩成人精品中文字幕| 激情婷婷内射| 99热18| √天堂资源在线人妻熟女| 色色色综合色| 第四色大香蕉| 亚洲色婷婷| 5Www色5夜| 日日射天天射| 五月停视频天堂| 思思热思在线精品视频| 丁香五月激情综合| 2014天天爽| 九九色欲网| 97婷婷丁香五月天激情图片| 开心婷婷丁香五月| 99热销国产这里有精品| 六月撸婷婷| 97精品自拍视频| 婷婷五月天小说网| 久久视频婷婷| www.婷婷五月天| 成片免费观看大全| 婷婷五月激情中文字幕| 成人在线不卡| 日韩色色视频| 狠狠色激情在线| 五月激情综合网| 天天综合色丁香| 99热在线看| 九九精品网站| 国产精自产拍久久久久久蜜| 激情久久综合网| 久久se 综合网| 五月丁香婷婷激情在线| 思思热在线观看| 免费无码毛片一区二区A片| 六月婷婷天天操夜夜爽视频| 人妻体体内射精一区二区| 精品视频这里只有精品| 五月丁香本色在线观看| 天天爱综合网| 亚洲网视屏| 五月婷在线| 亚洲AV人人操| 亚洲综合在线视频| 精品国产va久久久| 久久婷婷丁香| 五月天激情四射| 天天激情5月天亚洲| 激情五月天色播| 五月婷婷综合色啪| 色五月婷婷丁香凹凸| 99视频只有这里精品| 冬月かえでAV无码播放| 激情小说五月天| 婷婷色播色五月五色五月天色妇| 婷婷五月天桃花网| 玖玖婷婷五月| 狠狠干天天内射| AA片在线观看视频在线播放| 激情综合五月开心狠狠| 男人的天堂999| 思思热视频在线观看| 涩涩涩,com| 九九99久久精品| 久久机热这里只有精品| 久久久久亚洲AV成人无码电影| 色婷婷综合中心| 国产婷婷婷| 深爱激清网| 91狼友视频网页更新| www.国产色| 丁香五月区| 91精品久久久久久综合五月天| 久久99热 这里有精品| 欧美日本不卡黄色片| 激情噜噜噜| 婷婷五月中文字幕| 99ER热精品视频| 婷婷综合六月| 婷婷香香五月| 91猫咪国产在线播放| 九九婷婷综合| 大香蕉院线| 《久久综合九色综合97婷婷| 无码激情AAAAA片-区区| 婷婷九月亚洲| 操一操| www久久艹| 五月激情在线| 综合色影| 色五月婷婷天天操夜夜操| 97香蕉人人在线观看| 综合色播| 国产这里只有精品| 青青草深爱激情网| 91vip在线观看| 男女啪啪做爰高潮无遮挡| 五月丁香色| 婷婷五月黄色激情在线| 欧美日韩99| 深爱激情久久| 五月天无码| 五月天婷a在线| 亚洲婷婷91丁香| 新激情五月开心五月婷婷五月丁香五月| 日hao1区| 综合色色五月| 激情五月婷婷五月| 涩婷婷五月天在线精品视频| 色婷婷影音| 亚洲最大在线| 欧美超碰亚洲| 国产露脸150部国语对白| 婷婷丁香五月激情密臀av| 狠狠擼综合| 综合五月丁香六月婷婷| 操逼电影免费看| www激情| 九九热经典视频在线观看| 激情综合5| 五月丁香亚州综合网| 第四色五月天| 97碰久久| 亚洲人人操| WWW激情五月天| 玖玖综合网| 国外亚洲成AV人片在线观看| 夜夜干天天操| 色婷婷在线播放| 可以免费看AV网站| 色香五月天| 六月丁香婷| 狠狠干无码| 五月婷婷69| 丁香五月婷婷成人综合| 亚洲美女婷婷五月天| 激情五月综合第一页| 色五月综合激情网| 国产毛片精品一区二区色欲黄A片| 激情小说五月天| 婷婷日欧美在线观看| 26UUU精品一区二区c〇m| 亚洲综合视频天天精品| 婷婷五月激情网站| 狠狠色丁香| 亚洲国产网站| av人人操| 亚洲电影中文字幕| 天天日日| www天堂99| 六月婷婷激情| 拍真实国产伦偷精品| 亚洲天堂爱爱| 九色视频91疯狂| 久久久久久人妻| 无码一区二区三区四区五区91c| www狠狠| 影音先锋91| 欧洲亚洲精品| 天天激情站| 日韩欧美骚货| 激情开心五月亚洲| 五月丁香六月婷婷中文版| 亚洲综合九九| 大香蕉婷婷婷| 激情五月天福利| 色综合色色色| 四色五月婷婷在线观看| 五月婷六月天| 六月丁香婷婷五月| AV性爱在线| 另类婷婷丁香| 色九网| 天天日P天天射P| 综合天天综合| 九九热在线视频| 一级视频网址| 五月丁香婷婷在线综合蜜桃| 五月丁香婷婷综合网| 色婷久| 亚洲、热| 大香蕉 婷婷| 欧美99热| 99热伊人| 亚洲性图一区二区三区| 丁香五月性爱| 婷婷的激情五月| 人人澡玖玖一| 区美毛片子| AV无码免费| 婷婷综合九月| 色欲影香| 天天久久狠狠色综合| 久久婷丁香五月| 青草青青草| 视频在线免费观看欧洲乱码| 色爱综合网| 婷婷五月图片小说视频| 色五月综合网| 97精品综合| 丁香婷婷大香蕉| 黄网免费看| 校园激情 亚洲| 熟女网站久久| 91人人人人人| 婷婷在线综合| 久久 视频这里只有精总| 激情 婷婷 丁香五月天| 久草热视频在线观看| 天天久| 五月天久久婷婷| 久久久免费精彩视频| 丁香五月激情五月| 日本美女五月天| 久草五月婷婷| 少妇高潮呻吟A片免费看软件| 欧美色男人网站| 狠狠ri| 青青草原爱爱网| 亚洲无码成人| 就爱啪啪婷婷| 99热综合网| 成人午夜无码视频| Blackedraw视频一区二区| 九九精品大香蕉| 2015WWW永久免费观看播放| a毛片二逼wwwwwwwwww| 丁香六月婷婷开心婷婷网| 97碰| 五月婷婷丁香色吧网| 五月丁香六月激情综合欧美| 婷婷五月色情天| 成人做爰高潮A片免费视频| 婷婷五月激情基地| 99ri国产在线| 丁香色情五月综合网站| 色碰碰| 国产又粗又大又爽又黄| 欧美WW在线网| 丁香五月天信号| 久久婷婷丁香六月天| 日逼免费视频| 激情av| 欧美精品XXXXBBBB| 久久五月丁香婷婷| 九九色精品| av操逼网| 综合色图区| 玖玖伦理电影| 99无码黄色视频| 99久久综合| 五月婷婷av在线| 91精产品自偷自偷综合| 五月婷伊人| 人人摸人人摸| 无码人妻AV久久久一区二区三区 | 婷婷五月欧美| 天堂爱爱| 涩涩五月天| 99这里只有精品视频| 久热这里只有精品6官网亚洲| 丁香九月激情| www99热| 国产成人网站在线观看| 无码网| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 久久性爱视频免费| 色婷婷888| 色色COm| 99热销国产这里有精品| 9999久久久久| 色色无码| 五月丁香婷婷中文网| 激情五月婷婷| 久久亚洲天堂| 国产午夜精品一区二区| 天天情天天狠天天透| 碰97 久| 99热这里只是精品| 丁香五月激情网| 九九热99视频| 久久这里99| 婷婷五月激情综合啪啪| 大香蕉AV在线| 五月开心深爱激情网| 婷婷色五月开心五月| 深夜男女福利刺激影院一区完整| 先锋资源 996| 成人网在线视频| 色色热| 99热精品中文字幕| 韩日在线熟女| 丁香九月激情久久| 老司机伊人| 天天看夜夜看| 2016日日夜夜操| 99热这里只有精品3| 狠狠干激情五月| 亚洲成人另类| 99ri视频| 色欲久久久久久综合网综合网| 九九精品热| 色情成人五月天| 天天肏视频| 插插五月天| 成人在线观看国产| 色婷婷久久综合| 亚洲无码成人性爰网| 任你干嘛免费视频播放| 国产国产乱老熟女视频网站97| 色噜噜狠狠一区二区三区| 琪琪理论片| 操婷婷久久| 亚洲日韩一页精品发布| 五月婷婷激情综合| 艾小青av| 久久婷婷热| 中文字幕高清av| 五月天激情国产综合婷婷| 丁香激情综合| 五月综合激情图片| 免费观看日韩成人av| 欧美日韩999| 欧美色五月天| 色五月天综合| 99热婷婷| 色五月婷婷AV| 亚洲AV影片在线观看| av中文在线| 可以直接看的AV网站| 99视频色在线观看| 婷色视频| 久久天堂女人| 成人精品在线观看| 在线中文亚洲| 丁香婷婷激情五月天无毒不卡蜜桃| 六月婷婷狠狠| 丁香五月亚洲AV| 青青草Avb在线| 国产黄色在线观看| 久久久久久人妻| 久99久精品视频| 99热这里只有精品2024| 欧美va视频不用播放器的va视频网| 亚洲免费av观看| 丁香情色五月| 色色色com| 人人操人人爱丁香五月| 丁香久久五月天视频在线观看| 激情综合啪啪| 日韩av在线免费观看| 五月天丁香久久综合 | 成人午夜免费电影| 夜夜AVV| 五月天婷婷久久| 成人AV免费观看| 深爱婷婷网| 五月婷婷花| 激情六月婷婷| 中文字幕丰满人妻无码专区| 91紱請| 大香蕉综合在线| 九九碰九九爱97超| 日本久久性| 五月天激情久久| 天干天天干天天天天天| 热九九在线| 久久狠狠干| 91亚洲免费片| 91五月花丁香| 国产精品成av人在线视午夜片| 99综合| 国产无套精品一区二区| 五月激激激情综合网| 丁香五月天殴美激情| 色爱99| 久久中文人妻系列| 色婷丁香五月| 热久久91| 激情综合5| 五月丁香久久色| 丁香五月婷婷欧美成人色图| WWW.久久久久久久久久久久久| 久久久久久久久久久久久久久久久精典| 国产操B| 日本熟妇乱妇熟色A片蜜桃| 久色网| 激情五月丁香六月综合AVXXXX| 99成人在线观看| 国产玖玖资源| 五月丁香另类图片| 99思思在线视频| 婷婷五月天堂网| 996er在线观看| 婷婷综合另类小说| 色。 日日日| 成人色情五月天婷婷丁香| 婷婷六月综合在线| 婷婷丁香五月视频| 呦呦视频无码播放| 综合激情开心五月| 丁香久色| 九九婷婷五月天影视| 国产精品-第3页-91JQ就要激情网91JQ5.JQJQ926.XYZ | 亚洲色婷婷视频| 美国色五月天婷婷资源站| 玖玖资源在线视频| 99免费视频| 丁香五月综合| a网站免费观看| 九九色逼| 亚洲精品久久久久AV无码| 99爱在线精品视频免费观看| 99性色| 亚洲V国产V欧美V久久久久久| 欧美精品中文字幕亚洲专区| 日操夜操天天操不卡| 大香蕉伊然在亚洲90| 综合亚洲AV| 日本色色网站| 婷婷五月激情综合| 久久狠色噜噜狠狠狠狠97| 伊人丁香花综合影院| 九九久久网| 综合色播| 久久精品性爱| 这里只有精品久久| 超碰操日| 激情久久久久久久久| 亚洲中文字幕AV| 五月激情丁香久久综合网| 天天搞夜夜六| 丁香色综合| 26uuu| 男女99免费视频| 丁香五月激情啪啪| 五月丁香综合色婷婷| 久操人| 啪啪丁香五月| 色五月在线| 在线五月色播| 色偷偷五月天| 狠狠干狠狠色| 92久久精品一区二区| 九九久久色| 我去色色网五雨天| 九九热只有精品6| 六月婷婷综合激情| 五月夜丁香| 丁香六月色婷婷| 丁香五月区| 这里只有精品视频| 五月丁香婷婷99| 99热国产精品| 久久精品99| 五月婷在线色视频| 91操片| 激情色色色| 婷婷五月天A V| 婷婷色情五月| 九九综合久久丁香婷婷,开心激情综合网| 97人人爱人人操| 99爱这里只有精品| 婷婷综合在线| 丁香六月综合激情| 精品久久久中文字幕大豆网推荐理由 | 日韩性爱无码| 99色最新在线视频| 丁香五月亚综合图片| 日韩无码色色| 嫩模草| 五月婷婷丁香综合| 立川无码av| 五月花免费视频| 综合色情网| 青草视频在线观看视频| 天天综合 99久久婷婷| 狠狠五月激情在线| 五月丁香久久| 亚洲AV影片在线观看| 99久久www| 色久五月| 亚洲色图五月丁香| 91狼友视频网页更新| 婷婷色啪| 久久久久思思热| 丁香六月婷婷久久综合| 丁香五月婷婷亚洲另类| 五月激情偷拍婷婷| 久久色天堂| 五月婷婷 婷婷五月 一区二区 久久久| 99操逼| 先锋资源 996| 99热这里只有精品在线| 操婷婷久久| 五月天无码视屏播放| 99re26视频| 色婷| 中文字幕高清av| 五月婷婷激情在线| 青青操avbb| 日本色综合| 久久婷婷青青草| 狠狠大香婷婷爱| 日韩五月丁香| 激情综合丁香六| 天天看A片| 丁香婷婷五月天在线视频| 国产精品久久久久久久久久| 欧美激情综合| 国产avapp 网| 大大香蕉综合在线| 亚洲人妻一区二区| 公的粗大挺进了我的密道| 婷婷色九月| 99精品在这里| 九月丁香很很色| www.激情.com.| 色色五月婷婷久久| 99ri视频在线观看| 热99热9| 婷婷色婷婷| 丁香久久| 九九久热| 97超碰,人人舔,人人操,人人摸| 激情五月成年| 欧美性二区| 久久婷婷色| 日韩成人中文| 色五月涩涩婷婷蜜桃| 亚洲婷婷91丁香| 最新日韩久热免费视频看看| 五月天六月婷婷电影| 青草视频在线观看视频| www.天天干.com| 丁香五月性爱| 97碰| 丁香婷婷啪啪| 九九AV在线| 婷婷内射视频在线| 人人干女人| 久久九九蜜| 操人妻AV| www,五月丁,com| 亚洲亚洲人成综合网络| 99热国产国产| 五月激情婷婷综合| 五月丁香婷草| 久久五月天视频| 久久在线92| 久热这里只有| 97人人操人人拍| 欧美色色色色色色色| www久久久久久久久久久久久久久久久| 天天综合五月| 久99999热视频在线观看免费| 那里有AV网址| www.色五月| 无码网| 久久免费精彩视频| 激情婷婷人妻| 色五月激情婷婷| 久久婷婷五月天蜜桃| 丁香婷婷五月六月久久| 丁香五月婷婷啪啪啪| 久艹大香蕉| 色射影院| 色五月婷婷在线| 色六月天天激情综合网| 激情网五月| 丁香五月色色色色| 99国产精品白浆在线观看免费| 五月丁香综合啪啪啪啪啪| 六月丁香网| 日韩综合久久| 这里只有精品1| 狠狠色狠狠干| 超碰9799| 激情五月综合网最新 | 色七色九九| 无码日本精品XXXXXXXXX| 爱草视频在线观看| 色色色婷婷五月| 亚洲av成人在线| www.婷婷| 国产xxxxx在线观看| 精品人妻伦九区久久AAA片| 最新亚洲色色网| 五月激情四射网站| 亚洲av骚货| 亚洲无码AV片| 久久五月激情综合| 深爱丁香网| 精国产品一区二区三区A片| 五月婷婷影视| 俺来也狠狠| 久久综合人妻| 玖玖婷婷五月天| 五月天婷婷久久视频| 一个色的综合| 色五月激情综合网站| 五月天播播| 99网址在线看| 五月开心激情| 婷婷激情五月天亚洲综合| 亚州欧美黄色电影| 五月丁香婷婷综合视频| 秋霞A V毛片| 亚洲人妻av| 久久婷婷五月综合啪| 夜夜躁婷婷AV| WWW.婷婷| 5月婷婷六月丁香| 日本在线观看99| 色偷偷色婷婷| 激情婷婷色色| 婷婷五月天影院| 婷婷激情五月天视频在线| 色婷婷88| 超碰亚洲天堂| 第四色婷婷色五月| 伊人综合色干| 99欧美| 丁香激情六月天婷婷| 中文字幕性爱视频| 色五月激情网| 中文字幕色色| 日亚二欧美| 五月婷婷激情综合| 婷婷五月花丁香| 9999热在线观看| 99热这里都是精品| 色五月丁香六月欧美综合| 中文AV在线播放| 丰满少妇猛烈A片免费看观看 | 婷婷五月天Av| 国产午夜伦鲁鲁| 亚洲性视频| 人妻操逼| 久久久久久久8| 9久热| 丁香五月 六月婷婷首页| www.maotanji.com| 九热视频| 热99精品视频| 超碰av在线| 婷婷五月丁香性爱| 中文字幕在线日亚州9| 婷婷五月激情五月激情| 九九热这里只有精品23| 丁香五月九九| 色爱亚洲| 色色色色色级无码| A1片久久| 99热这里| 少妇性按摩无码中文A片| 五月激情开心婷婷| 人人草碰| 少妇被下春药玩弄A片| www.97碰碰com| 翔田千里无码| 久久xxxx| 97干在线看| 99精品偷自拍| 婷婷五月综合久久中文字幕| 亚洲色综合色网| www九九| 久热这里只有精品视频免费观看| 99ri久久| 丁香五月玖玖| 五月天婷婷综合网| 综合XX网| 五月婷婷欲色| 激情五月黄色小说| 五月天婷婷丁香花| 天天草女人| 日韩AV大全| 国产密乳av一区二区三区四区| www.久久五月天.com| 另类激情码| 欧美A A A A A| 人人操AV| 99色干| 。久久久久久久久久久久久久人妻| 五月婷婷xxx| 97人人看一| 激情五月天视频| 日本久久精品18| 五月丁香六月欧美| 色情五月丁香婷婷网| 玖玖婷婷五月| 欧美六月婷婷| 五月天丁香婷婷网| 五月婷视频| 97久久人人| 婷婷五月天伊人| 免费播放99性爱视频| 99热无码精品| 欧美色五月| 爱iii做iiii日日| 色5月婷婷| 亚洲高清在线| 婷婷五月六月丁香| 99热99这里只有精品| 六月丁香深深爱| 99在线免费视频| 大香蕉婷婷婷| Av狠狠色丁香婷| 夜夜干天天操| 9999久久久久| 日本久热| 婷婷五月天情色| 日 日干 日日做| 99热久| 黄网免费观看| 九九99久久精品| 亚洲视频在线观看| 97啪啪| 五月婷婷婷丁香播| 丁香五月手机在线| 亚州操人在线视频| 久久这里只有精品视频26| 日日噜噜久久婷婷五月天| 开心深爱五月天| 999热在线视频| 国产精品操| 99人人操人人爱久久久| 996黄色片| 亚洲AV成人精品网站在线播放| 色狠狠色| 五月欧美丁香在线观看| 国产玖玖资源| 天天干天天日天天插| 久草久青福利| 99无码视频| 成人AV在线电影| 99精品久久久久久久| 九九久久高清| 青青色com久久| 丁香五月天婷婷大香蕉| 国产特黄色精品一区二区三区精品无广告| 婷婷五月天影院| 五月天婷婷小说| 日韩成人网址| 婷婷丁香人妻天天爽| 欧美日韩成人在线| 久久综合婷婷| 婷婷丁香五月亚洲| 久久九九色| 五月天色色网站| 色欲婷婷五月天| 97热在线精品| 几激情五月婷婷色五月色天堂| 亚洲色激情| 另类综合色| 六月丁丁香| 在线视频激情网站| 黄色三级日本| 99热国产免费| 成人国产欧美大片一区| 国产AV一区二区三区日韩| 性做爰A片免费视频A片直播| 91九色最新视频| 人操综合| αV电影| 99在线视频女女视频| 亚洲天堂大香蕉| 97色婷婷成人综合在线观看| 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 | 天天操天天谢| 五月婷婷狠天天色综合| 婷婷五月天亚洲综合网| 天天做天天摸| 九月av| 99热精品在这里| 色色色色色色网站| 久久er99热精品一区二区 | 蜜乳中文字| 成人va在线播放| www.久久久久久久| 一丁香五月天月AV| 欧美婷婷日本| 99色天堂| 五月久久婷婷丁香| 激情六月婷婷| 婷婷五月欧美综合| 三级99热| 丁香六月激情| 丁香色情五月天| www.五月丁香av| 激情丁香图片| 色色色婷婷五月| 五月婷婷激情网| 极品人妻VIDEOSSS人妻| 8区视频在线| 五月开心久久| 2050人人操免费工开爱| 五月 成人 婷婷| 激情综合亚洲| 艹| 狠狠狠狠狠狠狠狠| 丁香五月激情综合| 天天日天天操心| 伊人久久丁香五月91| 9|在线观看视频| 人人摸人人操人人爽| 午夜美女人啪最红院| 九热...av| 五月天另类小说亚洲| 五月婷婷丁香在线视频| 色婷婷丁香五月| 色色色色色色网站| 色色色九九九五月婷婷| 婷婷色色欧美综合网| 久9精品| 再次出发二| 狠狠xx| 日韩欧洲亚洲| 婷婷色色综合| 婷婷六月综合基地| 蜜臀A∨在线水帘洞| 久久激情五月天| AV操操操| 日本nghangse中文字幕| www.99在线| 99色在线观看视频| 五月婷精品| 生活片五区| 蜜桃婷婷丁香综合久久开心亚洲| 亚洲成人网站在线播放| 婷婷丁香五月激情图片| 人妻操逼视频| 91精品久久久久久77777| 热久91| 爱久综合| 五月丁香五月天现场视频| 深爱网深爱综合网| 天天操夜夜啊| 精品人妻一区二区| 丰满老熟妇BBBBB搡BBB| 1024久婷| 99在线精品观看99| 色停停五月天| 色婷婷丁香五月| 婷婷五月激情综合网| 99re最新地址视频| www.久热| 男男野外做爰全过程69| 9l视频自拍九色9l视频在线观看| 狠色狠色狠色狠色狠色网| 亚洲婷婷五月| 色丁香五月婷婷| 色吊丝永久访问网址| 另类国产综合| 五月久久丁香| 亚洲成人综合在线| 91精品无码久久久久久五月天| 九九这里精品| 婷婷五月天激情网| 操操熟女| 色插综合网| 五月天婷婷色色网| 成人性生活免费观看。| 亚洲五月天,激情视频| 激情五月婷婷开心网| 五月天婷婷激情| 日本99视频精品免费播放| α久久| 欧洲亚洲免费视频9| 九热视频在线伦| 久久婷婷成人视频| 五月天天综合| 思思干精品| 激情五月丁香五月| 激情丁香五月婷婷| 99激情| 色停停香蕉视频| 久久久久人妻网址| 丁香五月大香蕉在线99| 国产婷婷色五月| 五月婷婷深深爱| 色九月丁香婷婷蜜桃在线观看| 99操碰| 亚洲五月天另类小说图片| 欧美十二区| 啪啪五月天啪啪| 激情性爱五月天| 大香婷婷| 伊人五月网| 婷婷 伊人 久久| 亚洲丁香婷婷| 婷婷五月 丁香六月| 亚洲色婷婷| 婷婷五月天成人网| 亚洲成人高清在线| 99热九九热| 国内自拍97在线| 五月婷婷新网站| 五月综合缴情网| 亚洲精品又粗又大又爽A片 | 亚洲成人av在线播放| 五月丁香激情深爱婷婷| 欧美内射AAAAAAXXXXX| 人人操Av| 91人妻人人做人碰人人爽九色| 五月天婷婷社区| 婷色五月天| xx人人xx| 九九久99免费视频| www.狠狠干com| 性按摩玩人妻HD中文字幕| 色5月婷婷| 伊人久久大香网| 九九视屏| 五月丁香六月婷婷操操操| 久久精品99国产精品日本| 天天搽天天射| 久99久视频| 国产 亚洲 在线| 日本女人久久| 激情五月综合久久| 色99色| 日本99色| 亚洲国产另类av| 五月天婷婷在线观看| 91女人18毛片水多国产| 99在线观看视频蜜臀| 亚洲综合五月天婷婷丁香| 天天狠狠婷婷在线| 九九这里都是精品| 综合伊人久久| 日本色色色| 丁香五月成人自拍| 亚州操人在线视频| Av中文在线| 色情久久久| 五月激情综合网婷婷| 丁香久久久| 精品人妻伦一二三区久久| 五月婷婷六月丁香激情深爱| 99热精品在线| AV伊人青草丁香六月| 美女激情综合| 99久久精品色老| 日韩啪啪视频| 丁香婷婷五月人体| 日日操夜夜撸| 天堂久久婷婷| 久久久婷婷| 色婷婷精品视频在线播放| 亚洲色a| 一区=区操屄高清大全av| 夜夜夜夜夜操| 丁香婷婷五月色综合| 日韩人妻操逼视频| 91欧美日韩| www.色婷婷.com| 日韩 mm 不卡| 女人天堂久久| 亚洲综合99| 天天爽天天| 丁香五月激情天AV无码| 超碰狠狠操| 色情激情五月| 婷婷六月丁综合| 激情六月丁香综合| 亚洲视频在线网站| 亚洲天堂aaa| 一区二区传媒视频| 草AV9999| 日韩AV在线电影| 99热资源在线| 九九Av| 99自拍视频在线观看| 五月开心六月婷婷在线播放网站| 欧美特大片黄| 亚洲五月停停| 婷婷网影院| 丁香午夜天| 久久婷婷欧美| 日本三级色| 婷婷九月丁香| 亚洲国产成人综合| 日韩无码成人电影| 99久久久国产精品免费蜜乳tv| 日本操天堂| 亚卅毛片| 99精品在线播放| 丁香五月天激情婷婷丁香六月| 色狠狠色噜噜AV天堂五区| 天天爽日日爽夜夜爽| 亚洲精品视频电影| 丁香在线视频| 精品99爱免费视频在线观看 | 日韩ac不卡无码| 思思热在线| 26UUU精品一区二区c〇m| 99热99| www.夜夜操| 三级大香蕉网| 色色色色色色五月婷婷| 久久狠狠干| 综合激情五月丁香9999久久精| 伊人大香蕉毛片| 久99久在线观看| 5月激情天| 大香蕉五月婷婷丁香| 综合五月天天天天天五月| 综合网狠狠| 九九無妻| 国产精品久久久60086| 久久精品系列| 色伦专区97中文字幕| 激情五月深爱五月| 国产69精品久久久久999小说| 国产日韩欧美性爱| 激情影院内射| 超爽内射| 婷婷啪啪| 五月色天情| 色一情一乱一乱一区91Av| 人妻视频一区而且二区| 色婷婷丁香| 日韩综合久久| www.99.色| 99精品自拍视频| 99九九视屏| 久久丝袜婷婷| 婷婷丁香九色| 久久久久激情| 天天操天天谢| h亚洲| 天天干天天拍| 五月天社区婷婷丁香社区| 丁香五月 综合| 中文字幕婷婷在线| 五月激情综合网| 亚洲色五月婷婷| www.91.com处女在线直播| 色都都狠狠色都都色综合色| 九九九九综合| 热的无码综合视频| 婷婷天堂综合| 五月综合人妻| 激情五月五月婷婷| 亚洲天天综合| 日韩抽插操逼| 4399在线观看免费高清黄色视频| 青草青草视频2免费观看| 五月 丁香 欧美| 欧美日韩国产伦精品日韩人妻一| 久久AAAA片一区二区| 五月天成人综合| 99热在线这里| 深情六月婷婷综合久久| 五月婷在线影院| 69热91天堂| 毛片新网地| 狠狠干综合网| 欧美槡BBBB槡BBB少妇| 色婷婷A| 人人操人人爱丁香五月| 五月天婷亚洲天综合网综合| 九月丁香欧美综合| 无码免费人妻A片AAA毛片西瓜| 婷婷午夜激情| 天天操夜夜橾| 99在线观看免费精品视频| 国产色99| 丁香色五月天| 色婷婷色五月综合| 91精品无码| 色五月婷婷91在线| 国产亚洲精品久久久久久久久动漫| 婷婷综合色色| www.操.com| 精品无码av丁香五月激情| 97碰超级人人看| 久久久久久18| 97超级碰人人| 亚洲激情AV| 有码人妻久久| 五月丁香久久久久| 五月天婷婷激情在线色图| 热99色| 韩国真做片在线观看| 91九色欧美| 婷婷基地五月色| 亚洲人人96@| 色五月婷婷综合在线| 伊人九九九久| 国外亚洲成AV人片在线观看| 日本99久久| 婷婷九月丁香| 97五月天| 亚洲热久久| 五月天婷婷色播综合在线| 色吧五月婷婷| 色色色区| 亚洲AV永久无码影院黑人| 五月天丁香婷婷久久九| 婷婷五月天在线观看| 女人天堂AV| 99热精品在线播放| 婷婷丁香97| 综合网啪| 狠狠色噜噜| 9久视频| 婷婷国产日本欧美| 疯狂做受XXXX高潮A片| 色色综合日韩| 国产亚洲99久久精品| 丁香五月婷婷社区| 色婷五月| 五月天桃色深爱网| 狠狠狠狠狠| 天天干狠狠| 久久开心五月天激情| av网站中文| 第四色婷婷五月| 色综合色综合色综合高潮| 色婷婷五月开心六月综合| 9有码中文| 青青色com久久| 99久久婷婷国产综合亚洲| BlACKEDRAW视频一区二区| 亚洲性爱AV在线| 中文字幕无线久必| 狠狠人人婷婷| 亚洲久久激情| 色婷婷婷婷| 深爱激情五月婷婷| 天天摸色吧天天摸色吧| 这里只有精品免费视频在线观看| 五月婷婷综合网在线播放| 日本色婷婷久久99精品91| 日日日,com| 激情影院内射| 秋霞午夜理论| 色婷婷A| 色五月婷婷91| 9福利性视频欧美| 激情人妻综合| 色欲婷婷五月天| 九九AV在线| 久热99热| wWW九九在线播放| 九月激情综合| 99热线观看9| 五月婷婷六月丁香综合| 99在线精品观看99| 另类少妇人与禽zOZZ0性伦| 99色视频| 成人无码髙潮喷水A片| 操人妻AV| 国产精品成人网址| 草榴成人影片| 99热99| 97超碰在线免费观看| 91狠狠色| av在线播放网址| 丁香六月婷婷开心| 日韩久久日| 九九激情| www.九九婷婷| 9999综合99综合人| 久久精品系列| 疯狂做受XXXX高潮A片动画| 久热99| 国产五月视频| 亚洲视频久久| 色色色色色五月| 日韩成人影片网站| 91 影音先锋|