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。

基于OpenCV與CNN的車牌識(shí)別系統(tǒng)實(shí)現(xiàn)與優(yōu)化指南

基于OpenCV與CNN的車牌識(shí)別系統(tǒng)實(shí)現(xiàn)與優(yōu)化指南 簡(jiǎn)介這套基于Python與OpenCV開發(fā)的車牌識(shí)別系統(tǒng)是一份可直接運(yùn)行的畢業(yè)設(shè)計(jì)項(xiàng)目適合計(jì)算機(jī)視覺(jué)方向的學(xué)生以及卷積神經(jīng)網(wǎng)絡(luò)入門者參考。系統(tǒng)內(nèi)部分為車牌定位過(guò)濾與字符識(shí)別兩個(gè)部分每個(gè)部分均使用相同結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)完整覆蓋圖像預(yù)處理、車牌輪廓提取、字符分割與識(shí)別輸出等核心步驟。網(wǎng)絡(luò)輸入層尺寸、卷積核大小與數(shù)量、池化窗口等參數(shù)配置都在代碼中清晰呈現(xiàn)方便學(xué)習(xí)者對(duì)照理解。壓縮包共計(jì)兩千個(gè)文件內(nèi)含大量車牌圖片樣本、訓(xùn)練好的模型權(quán)重、Python源碼腳本以及模型配置文件總大小約459MB下載后加載模型即可直接測(cè)試無(wú)需重新訓(xùn)練。目前已有八千四百零一人學(xué)習(xí)下載可用于課程設(shè)計(jì)或?qū)嶋H車牌識(shí)別場(chǎng)景。代碼同時(shí)保留了訓(xùn)練與推理完整流程便于根據(jù)需求靈活調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)或擴(kuò)充數(shù)據(jù)集是一份實(shí)用且易上手的車牌識(shí)別參考資料。1. 車牌識(shí)別沒(méi)有想象中那么玄一套OpenCVCNN的落地組合車牌識(shí)別License Plate Recognition在停車場(chǎng)、園區(qū)門禁、高速收費(fèi)里已經(jīng)是成熟技術(shù)但真到自己動(dòng)手用Python做一套很多人的第一反應(yīng)是直接上YOLO、SSD這類目標(biāo)檢測(cè)模型結(jié)果光是打標(biāo)、訓(xùn)練、調(diào)參就把進(jìn)度拖垮了。我在這條路上來(lái)回折騰過(guò)幾次之后回到最扎實(shí)的方案OpenCV做車牌定位、字符分割輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)做字符識(shí)別。這條鏈路不依賴GPU不需要海量標(biāo)注數(shù)據(jù)一臺(tái)普通筆記本就能把demo跑通識(shí)別率在標(biāo)準(zhǔn)藍(lán)底白字車牌上能做到90%以上。適合剛接觸視覺(jué)項(xiàng)目的開發(fā)者也適合要把車牌識(shí)別快速嵌入現(xiàn)有Python業(yè)務(wù)系統(tǒng)的工程人員。2. 識(shí)別流程拆解為什么先做定位再做字符識(shí)別車牌識(shí)別最忌諱一上來(lái)就試圖用一個(gè)大模型解決所有問(wèn)題。把任務(wù)拆成定位、分割、識(shí)別三段每一步都能獨(dú)立驗(yàn)證出了錯(cuò)也能精準(zhǔn)定位到具體環(huán)節(jié)。2.1 為什么不用端到端目標(biāo)檢測(cè)而是分三步走目標(biāo)檢測(cè)模型YOLO、SSD 這類不是不能用在車牌識(shí)別這個(gè)任務(wù)上用檢測(cè)模型框出車牌區(qū)域的效果確實(shí)不差但你需要準(zhǔn)備上千張標(biāo)注了車牌位置的圖片訓(xùn)練或遷移微調(diào)一輪才可能在具體場(chǎng)景里穩(wěn)定工作。而且端到端方案把問(wèn)題封裝成了一個(gè)黑匣子輸入圖片、輸出字符串中間哪一步出了問(wèn)題你能做的只有換數(shù)據(jù)、換參數(shù)重訓(xùn)很難有針對(duì)性地干預(yù)。分三步的方案在面對(duì)固定攝像頭場(chǎng)景時(shí)有先天優(yōu)勢(shì)。監(jiān)控桿、停車閘機(jī)這些位置車牌在畫面里的尺度和角度基本穩(wěn)定OpenCV定位的失敗模式是可以預(yù)判的每一步都有中間結(jié)果可以可視化。比如定位環(huán)節(jié)畫個(gè)綠框看看框準(zhǔn)沒(méi)有分割環(huán)節(jié)把字符圖拼成條帶看看有沒(méi)有切碎這種可解釋性對(duì)工程排障非常有價(jià)值也是很多商業(yè)車牌識(shí)別系統(tǒng)至今保留傳統(tǒng)定位加分類器結(jié)構(gòu)的原因。這套方案不僅算得更快調(diào)試成本也低得多。在CPU上OpenCV定位加分割一幀大約20到40毫秒CNN單字符識(shí)別不到5毫秒整條流水線能跑到實(shí)時(shí)。如果你未來(lái)有嵌入式部署的需求比如樹莓派這類低功耗設(shè)備這套方案也比模型檢測(cè)更容易移植。2.2 第一步定位HSV顏色過(guò)濾加輪廓篩選這里放一段核心定位代碼用HSV色域過(guò)濾比RGB閾值穩(wěn)定得多。RGB對(duì)光照太敏感同樣的藍(lán)色車牌正午和傍晚拍出來(lái)完全是兩個(gè)數(shù)值范圍HSV把色相和明度分離色相范圍可以跨光照使用。import cv2 import numpy as np def locate_plate(img): height, width img.shape[:2] scale 640 / width img_resized cv2.resize(img, (640, int(height * scale))) hsv cv2.cvtColor(img_resized, cv2.COLOR_BGR2HSV) # 藍(lán)牌的H范圍大約在100~130之間要根據(jù)實(shí)際攝像頭微調(diào) lower_blue np.array([100, 50, 50]) upper_blue np.array([130, 255, 255]) mask cv2.inRange(hsv, lower_blue, upper_blue) # 閉運(yùn)算填充斷裂區(qū)域 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (17, 5)) closed cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) # 找輪廓并篩選 contours, _ cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) candidates [] for cnt in contours: x, y, w, h cv2.boundingRect(cnt) area w * h if area 800: continue aspect w / h if 2.0 aspect 5.0: candidates.append((x, y, w, h)) if not candidates: return None, img_resized x, y, w, h max(candidates, keylambda r: r[2] * r[3]) return (x, y, w, h), img_resized代碼邏輯分四段縮放、顏色過(guò)濾、閉運(yùn)算、輪廓篩選。縮放這一步很關(guān)鍵不同來(lái)源的圖片分辨率差異很大統(tǒng)一到640寬后后續(xù)的形態(tài)學(xué)核大小和面積閾值才有意義。HSV的H值100~130覆蓋標(biāo)準(zhǔn)藍(lán)牌色相但各品牌攝像頭的自動(dòng)白平衡會(huì)讓H值漂移這塊參數(shù)后面避坑章會(huì)展開講。閉運(yùn)算的核取17×5橫向比縱向?qū)捠菫榱税炎址g的縫隙填上——車牌字符密集不處理好容易把整個(gè)車牌區(qū)域斷成幾塊。輪廓篩選用兩個(gè)硬條件面積不小于800像素寬高比在2.0到5.0之間。標(biāo)準(zhǔn)藍(lán)牌寬高比約3.14放寬區(qū)間是為了容忍攝像頭視角傾斜。最后取面積最大的候選框因?yàn)榻^大多數(shù)場(chǎng)景里畫面中最顯眼的藍(lán)色矩形就是車牌。2.3 第二步分割垂直投影法切出單個(gè)字符定位到車牌后把車牌區(qū)域裁出來(lái)接下來(lái)要按字符邊界切成七個(gè)單字符圖。垂直投影法是最常用的做法把車牌圖二值化統(tǒng)計(jì)每一列白色像素?cái)?shù)量字符列的投影明顯高于背景列按這個(gè)差異就能切分。def segment_chars(plate_img): gray cv2.cvtColor(plate_img, cv2.COLOR_BGR2GRAY) gray cv2.GaussianBlur(gray, (3, 3), 0) _, binary cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU) h, w binary.shape col_sum np.sum(binary, axis0) // 255 threshold h * 0.05 in_char False char_cols [] for i in range(w): if col_sum[i] threshold: if not in_char: start i in_char True else: if in_char: end i if end - start 8: char_cols.append((start, end)) in_char False if in_char: if w - 1 - start 8: char_cols.append((start, w - 1)) # 過(guò)寬的區(qū)間按中點(diǎn)切開處理漢字和粘連字符 refined [] for start, end in char_cols: char_w end - start if char_w w * 0.2: mid (start end) // 2 refined.append((start, mid)) refined.append((mid, end)) else: refined.append((start, end)) return refined, binary分割邏輯中大津法OTSU二值化是自適應(yīng)閾值的經(jīng)典選擇能根據(jù)圖像本身的灰度分布自動(dòng)找到背景和前景的分界比固定閾值抗光照能力強(qiáng)很多。閾值取圖像高度的5%低于這個(gè)值的列視為字符間隙這個(gè)比例在標(biāo)準(zhǔn)車牌上表現(xiàn)穩(wěn)定。寬度小于8像素的區(qū)間直接忽略過(guò)濾掉邊緣噪點(diǎn)和鉚釘。最后一步“過(guò)寬切開”處理的是漢字分割。漢字筆畫復(fù)雜、內(nèi)部有零散空白投影后寬度常常比數(shù)字字母大超過(guò)車牌寬度20%后按中點(diǎn)切兩半讓后續(xù)識(shí)別階段自行判斷合法字符。真實(shí)代碼里這一步還不夠完整車牌左右邊框和鉚釘也會(huì)混進(jìn)候選區(qū)需要一個(gè)后處理過(guò)濾留到避坑章講。2.4 字符歸一化與顏色適配識(shí)別前的一致性處理分割出的字符寬高各不相同直接送進(jìn)神經(jīng)網(wǎng)絡(luò)沒(méi)法固定輸入維度。常見做法是把每個(gè)字符圖等比縮放到32×32然后做一次中心化。這里要注意不要直接拉伸變形。漢字如果被縱向拉扁省份簡(jiǎn)稱比如“冀”“贛”這類密集字很容易被認(rèn)錯(cuò)。等比縮放后如果尺寸不足32像素用黑色填充空白區(qū)域不改變字符比例。這一步的細(xì)節(jié)直接決定識(shí)別率上限。訓(xùn)練時(shí)的字符來(lái)自字體渲染測(cè)試時(shí)的字符是真實(shí)拍攝的扛噪圖兩者如果歸一化方式不一致模型很容易在邊緣分布上栽跟頭。我在項(xiàng)目里固定只用一種預(yù)處理順序灰度到二值化、投影分割、等比縮放、中心化、轉(zhuǎn)Tensor訓(xùn)練和推理完全一致避免出現(xiàn)“訓(xùn)練97%、推理70%”這種玄學(xué)級(jí)效果差異。顏色適配方面如果你的場(chǎng)景里出現(xiàn)新能源綠牌把HSV閾值改成lower_green np.array([35, 43, 46])、upper_green np.array([77, 255, 255])就能覆蓋。黃牌和黑牌同理黃牌的H值在15到35之間白牌的S值很低需要額外加灰度閾值判斷。我在代碼里把顏色參數(shù)抽象成一個(gè)字典按車牌顏色切換比硬編碼藍(lán)牌靈活得多。3. CNN字符識(shí)別模型網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練數(shù)據(jù)與參數(shù)設(shè)定定位和分割處理的是圖像層面的問(wèn)題從這一步開始進(jìn)入卷積神經(jīng)網(wǎng)絡(luò)的范疇。車牌字符識(shí)別的本質(zhì)是一個(gè)多分類問(wèn)題網(wǎng)絡(luò)不必太深重點(diǎn)在于數(shù)據(jù)組織和訓(xùn)練口徑要嚴(yán)。3.1 字符集構(gòu)成與分類任務(wù)定義先明確分類目標(biāo)。標(biāo)準(zhǔn)藍(lán)牌第一位是省份漢字總共31個(gè)漢字京津冀晉蒙遼吉黑滬蘇浙皖閩贛魯豫鄂湘粵桂瓊渝川貴云藏陜甘青寧新第二位是發(fā)牌機(jī)關(guān)字母共24個(gè)字母去掉I和O因?yàn)镮像1、O像0第三到第七位是字母和數(shù)字混合共34個(gè)類。所以整個(gè)任務(wù)是65分類。這里有個(gè)工程細(xì)節(jié)把訓(xùn)練類別定死為“省份漢字”和“字母數(shù)字”兩個(gè)獨(dú)立模型還是一個(gè)統(tǒng)一的65類模型兩種方案都有人用。統(tǒng)一模型的好處是流程簡(jiǎn)潔缺點(diǎn)是個(gè)別省份漢字的訓(xùn)練樣本天然少比如“藏”“瓊”網(wǎng)絡(luò)容易欠擬合。分開兩個(gè)模型后漢字模型只處理第一位字母數(shù)字模型處理后六位兩類數(shù)據(jù)都能訓(xùn)練得比較充分。我在實(shí)際項(xiàng)目里用的是分離式多維護(hù)一個(gè)模型文件換來(lái)的穩(wěn)定性是值得的。3.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)兩個(gè)卷積層就夠用參考LeNet-5的結(jié)構(gòu)做一個(gè)輕量CNN第一層卷積提取筆畫邊緣第二層卷積組合出字符的局部結(jié)構(gòu)兩層池化降低分辨率最后接兩個(gè)全連接層輸出分類分?jǐn)?shù)。import torch import torch.nn as nn class PlateCNN(nn.Module): def __init__(self, num_classes65): super(PlateCNN, self).__init__() self.features nn.Sequential( nn.Conv2d(1, 16, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), nn.Conv2d(16, 32, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), ) self.classifier nn.Sequential( nn.Linear(32 * 8 * 8, 128), nn.ReLU(inplaceTrue), nn.Dropout(0.5), nn.Linear(128, num_classes), ) def forward(self, x): x self.features(x) x x.view(x.size(0), -1) x self.classifier(x) return x參數(shù)量大約22萬(wàn)運(yùn)算量非常小。輸入是32×32單通道灰度圖兩次MaxPool后特征圖降到8×8全連接層輸入是32×8×82048維。Dropout放在全連接層前是專門防小數(shù)據(jù)量訓(xùn)練過(guò)擬合的。如果你有GPU可以加大通道數(shù)到32和64識(shí)別率會(huì)小幅提升但CPU推理時(shí)間會(huì)翻倍。3.3 訓(xùn)練數(shù)據(jù)合成數(shù)據(jù)加真實(shí)數(shù)據(jù)混合訓(xùn)練數(shù)據(jù)這塊最容易翻車。純合成數(shù)據(jù)訓(xùn)練出來(lái)的模型在真實(shí)攝像頭照片上識(shí)別率會(huì)掉十幾個(gè)點(diǎn)主要原因是真實(shí)環(huán)境里的模糊、透視、光照不均、二值化噪聲合成數(shù)據(jù)很難完全模擬。我的做法是以字體渲染合成數(shù)據(jù)為主體保證每個(gè)類別數(shù)量充足再用一兩百?gòu)堈鎸?shí)車牌切割出的字符做增量微調(diào)。from PIL import Image, ImageDraw, ImageFont import numpy as np import cv2 import os import random PROVINCES 京津滬渝冀豫云遼黑湘皖魯新蘇浙贛鄂桂甘晉蒙陜吉閩貴粵青藏川寧瓊 CHARS ABCDEFGHJKLMNPQRSTUVWXYZ0123456789 def generate_char_image(char, font_path, size32): img Image.new(L, (size, size), 0) draw ImageDraw.Draw(img) font ImageFont.truetype(font_path, 24) bbox draw.textbbox((0, 0), char, fontfont) w bbox[2] - bbox[0] h bbox[3] - bbox[1] x (size - w) // 2 - bbox[0] y (size - h) // 2 - bbox[1] draw.text((x, y), char, fill255, fontfont) return np.array(img) def generate_dataset(dst_dir, font_path, samples_per_class3000): os.makedirs(dst_dir, exist_okTrue) all_chars list(PROVINCES) list(CHARS) for c in all_chars: cls_dir os.path.join(dst_dir, c) os.makedirs(cls_dir, exist_okTrue) for i in range(samples_per_class): img generate_char_image(c, font_path) # 隨機(jī)輕微模糊模擬真實(shí)拍攝 img cv2.GaussianBlur(img, (3, 3), 0.8) # 隨機(jī)平移制造擾動(dòng) m np.float32([[1, 0, random.randint(-1, 1)], [0, 1, random.randint(-1, 1)]]) img cv2.warpAffine(img, m, (32, 32)) cv2.imwrite(os.path.join(cls_dir, f{i:04d}.jpg), img)生成邏輯不復(fù)雜用PIL在純黑背景上繪制白色字符居中然后加高斯模糊和隨機(jī)平移模擬真實(shí)拍攝的抖動(dòng)和失焦。省份漢字生成時(shí)建議選一款筆畫規(guī)整的字體比如思源黑體或文泉驛正黑避免帶強(qiáng)烈裝飾襯線的字體那會(huì)和車牌字體差太遠(yuǎn)。3.4 訓(xùn)練配置與參數(shù)口徑訓(xùn)練腳本和參數(shù)是可直接抄作業(yè)的部分。數(shù)據(jù)加載用torchvision的ImageFolder它會(huì)按子目錄名自動(dòng)生成類別索引注意這個(gè)類別順序決定了推理時(shí)類別索引的映射建議訓(xùn)練完把類別列表單獨(dú)保存一份。from torch.utils.data import DataLoader from torchvision import transforms, datasets transform transforms.Compose([ transforms.Resize((32, 32)), transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,)) ]) train_data datasets.ImageFolder(rootdataset/train, transformtransform) train_loader DataLoader(train_data, batch_size64, shuffleTrue) model PlateCNN(num_classeslen(train_data.classes)) criterion nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.parameters(), lr0.001) for epoch in range(20): model.train() running_loss 0.0 for imgs, labels in train_loader: optimizer.zero_grad() out model(imgs) loss criterion(out, labels) loss.backward() optimizer.step() running_loss loss.item() avg_loss running_loss / len(train_loader) print(fepoch {epoch1:02d} loss {avg_loss:.4f}) torch.save(model.state_dict(), fplate_cnn_epoch{epoch1:02d}.pth) # 保存類別順序推理時(shí)按同樣順序加載 with open(classes.txt, w, encodingutf-8) as f: f.write(\n.join(train_data.classes))幾個(gè)值得說(shuō)透的參數(shù)。學(xué)習(xí)率0.001配Adam是這類小分類模型穩(wěn)妥的起點(diǎn)如果訓(xùn)練loss在后期震蕩不降降到0.0003再跑10輪。batch size取64CPU也能扛也不用擔(dān)心顯存。epoch設(shè)20是參考值合成數(shù)據(jù)量大時(shí)模型在5到8輪就收斂后面基本是慣性下降。能觀察到驗(yàn)證準(zhǔn)確率不升反降就是過(guò)擬合了回調(diào)Dropout比例到0.6或增加數(shù)據(jù)擾動(dòng)更有效。提示不要一上來(lái)用0.01的學(xué)習(xí)率。車牌字符分類任務(wù)雖然簡(jiǎn)單但不同漢字在32×32分辨率下視覺(jué)差異很小學(xué)習(xí)率太大會(huì)導(dǎo)致loss先降后升白白浪費(fèi)大量訓(xùn)練時(shí)間。判斷模型有沒(méi)有訓(xùn)好不要只看總數(shù)準(zhǔn)確率要看每個(gè)類別的recall。省份漢字里“皖”“贛”“鄂”這些筆畫密集的字經(jīng)常出現(xiàn)個(gè)別類別識(shí)別率只有70%的情況。解決辦法是計(jì)算混淆矩陣把錯(cuò)得最多的類別挑出來(lái)單獨(dú)補(bǔ)充該字體的合成樣本。如何打印和分析混淆矩陣就是第6章的內(nèi)容。4. 完整可運(yùn)行代碼從照片輸入到車牌字符串輸出前幾章把三個(gè)模塊分別講清楚了這一章把它們統(tǒng)一成一條可直接運(yùn)行的流水線。實(shí)踐順序是先把依賴裝好再逐個(gè)文件跑通最后把單張照片或攝像頭畫面喂進(jìn)去看輸出。4.1 環(huán)境依賴最小化安裝清單與兩個(gè)經(jīng)典報(bào)錯(cuò)先說(shuō)依賴。用到的庫(kù)只有四個(gè)opencv-python、numpy、torch、torchvision。PIL其實(shí)也會(huì)用到但它會(huì)跟著torchvision一起裝好不用單獨(dú)管。pip install opencv-python numpy torch torchvision安裝時(shí)最容易遇到兩個(gè)坑。一是pip默認(rèn)源在國(guó)外下載torch這種大包經(jīng)常超時(shí)建議指定國(guó)內(nèi)鏡像源pip install opencv-python numpy torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple二是conda環(huán)境裝OpenCV后導(dǎo)入報(bào)錯(cuò)常見的是ModuleNotFoundError: No module named cv2。這種問(wèn)題九成是裝到了別的Python環(huán)境先在當(dāng)前終端里跑python -c import cv2; print(cv2.__version__)確認(rèn)解釋器環(huán)境里有沒(méi)有cv2再換到對(duì)應(yīng)環(huán)境的終端重新pip install一次通常就能解決。4.2 主控腳本串聯(lián)定位、分割、識(shí)別把locate_plate、segment_chars、PlateCNN三個(gè)模塊串起來(lái)的主控腳本是這套系統(tǒng)的門面。字符識(shí)別的類別順序必須和訓(xùn)練時(shí)完全一致前一步保存的classes.txt在這里派上用場(chǎng)。網(wǎng)絡(luò)定義建議單獨(dú)放到model.py讓主控腳本保持干凈。import cv2 import numpy as np import torch from model import PlateCNN # 把第3章的網(wǎng)絡(luò)類存為model.py # 讀取訓(xùn)練時(shí)保存的類別順序 with open(classes.txt, r, encodingutf-8) as f: class_list [line.strip() for line in f] model PlateCNN(num_classeslen(class_list)) model.load_state_dict(torch.load(plate_cnn.pth, map_locationcpu)) model.eval() def preprocess_char(char_img): char_img cv2.resize(char_img, (32, 32)) # 和訓(xùn)練時(shí)完全一致的歸一化方式 char_img (char_img.astype(np.float32) / 255.0 - 0.5) / 0.5 return torch.from_numpy(char_img).unsqueeze(0).unsqueeze(0) def predict_plate(img_path): img cv2.imread(img_path) if img is None: print(f無(wú)法讀取圖片: {img_path}) return None box, img_resized locate_plate(img) if box is None: print(未定位到車牌區(qū)域) return None x, y, w, h box # 向外擴(kuò)幾個(gè)像素避免車牌邊緣字符被切掉 plate_img img_resized[max(0, y-5):yh5, max(0, x-5):xw5] cv2.imwrite(debug_plate.jpg, plate_img) chars, binary segment_chars(plate_img) if len(chars) 7: print(f分割出{len(chars)}個(gè)字符小于7疑似定位框不準(zhǔn)) return None result with torch.no_grad(): for start, end in chars: char_img binary[:, start:end] tensor preprocess_char(char_img) out model(tensor) pred out.argmax(dim1).item() result class_list[pred] return result if __name__ __main__: plate predict_plate(test.jpg) print(識(shí)別結(jié)果:, plate)主控腳本的核心是preprocess_char里的歸一化訓(xùn)練時(shí)用(x/255-0.5)/0.5推理必須一模一樣少一步結(jié)果都會(huì)飄。預(yù)測(cè)整個(gè)流程跑在torch.no_grad()下不保存梯度速度能差好幾倍。map_locationcpu保證沒(méi)有GPU的機(jī)器也能加載權(quán)重。4.3 實(shí)時(shí)攝像頭識(shí)別守衛(wèi)循環(huán)寫法如果你要跑實(shí)時(shí)視頻流把單張圖片改成循環(huán)讀取攝像頭幀就行。按q鍵退出按s鍵保存當(dāng)前幀方便排查。cap cv2.VideoCapture(0) if not cap.isOpened(): print(攝像頭打開失敗) exit() # 限制輸入分辨率避免每幀處理過(guò)慢 cap.set(cv2.CAP_PROP_FRAME_WIDTH, 960) cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 540) while True: ret, frame cap.read() if not ret: break box, frame_resized locate_plate(frame) if box is not None: x, y, w, h box cv2.rectangle(frame_resized, (x, y), (x w, y h), (0, 255, 0), 2) cv2.imshow(plate, frame_resized) key cv2.waitKey(1) 0xFF if key ord(q): break elif key ord(s): cv2.imwrite(capture_frame.jpg, frame_resized) print(幀已保存) cap.release() cv2.destroyAllWindows()這條循環(huán)里有兩個(gè)工程細(xì)節(jié)。一是攝像頭分辨率默認(rèn)可能很高每幀都跑全分辨率定位會(huì)明顯卡頓開頭限制到960寬細(xì)膩度對(duì)車牌識(shí)別足夠。二是定位函數(shù)內(nèi)部已經(jīng)縮放到640寬但如果源頭分辨率太高OpenCV的resize本身也會(huì)消耗時(shí)間在攝像頭端限制分辨率更合理。5. 避坑指南車牌識(shí)別最常見的5個(gè)翻車點(diǎn)做車牌識(shí)別項(xiàng)目真正讓人崩潰的往往不是模型訓(xùn)練而是那些看似簡(jiǎn)單卻反復(fù)出現(xiàn)的細(xì)節(jié)。下面五條都是我自己踩過(guò)的坑按現(xiàn)象到原因到解決的順序?qū)憽?.1 藍(lán)色物體誤報(bào)把車身廣告、藍(lán)色貨柜當(dāng)車牌現(xiàn)象定位框畫在藍(lán)色卡車車頭上或者畫在藍(lán)色廣告牌上識(shí)別結(jié)果輸出一串亂碼。原因HSV顏色過(guò)濾只認(rèn)顏色和寬高比藍(lán)色卡車頭、藍(lán)色雨棚布完全符合條件。特征沒(méi)約束住幾何和顏色之外沒(méi)有做內(nèi)容驗(yàn)證。解決加一道內(nèi)容驗(yàn)證。車牌區(qū)域內(nèi)部應(yīng)該有大量字符邊緣二值化后白色像素密度通常在15%到40%之間低于這個(gè)范圍直接排除。再用邊緣密度做二次確認(rèn)車牌區(qū)域在Sobel邊緣圖上響應(yīng)很強(qiáng)這是純色車漆沒(méi)有的。def is_plate_region(plate_img): gray cv2.cvtColor(plate_img, cv2.COLOR_BGR2GRAY) sobel cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize3) edge_density np.mean(np.abs(sobel) 80) return edge_density 0.05白像素密度和邊緣密度兩項(xiàng)組合后誤報(bào)會(huì)大幅下降。但閾值別卡太死晚上車牌反光弱時(shí)邊緣密度本身會(huì)掉閾值記得跟著放寬。5.2 光照不均導(dǎo)致整塊定位失敗現(xiàn)象上午十點(diǎn)的停車場(chǎng)隔著車玻璃拍出來(lái)的車牌定位框偏到一邊黃昏逆光時(shí)干脆什么都找不到。原因HSV里的V分量在強(qiáng)光下爆掉H分量也跟著偏移逆光時(shí)車牌反光集中在幾個(gè)字符上色相嚴(yán)重失真。解決做一次自適應(yīng)直方圖均衡化再進(jìn)HSV。createCLAHE能限制對(duì)比度增強(qiáng)的幅度對(duì)車牌這種小目標(biāo)比全局直方圖均衡更溫和不會(huì)把噪聲一起放大。clahe cv2.createCLAHE(clipLimit2.0, tileGridSize(8, 8)) gray cv2.cvtColor(img_resized, cv2.COLOR_BGR2GRAY) equalized clahe.apply(gray) img_equalized cv2.cvtColor(equalized, cv2.COLOR_GRAY2BGR) hsv cv2.cvtColor(img_equalized, cv2.COLOR_BGR2HSV)把這一步放在定位之前很多光照惡劣的場(chǎng)景就能頂過(guò)去。如果還不行就按時(shí)間段切換HSV范圍正午的H值偏小、黃昏偏大建立兩套參數(shù)實(shí)測(cè)取折中。5.3 漢字分割失敗要么切碎要么黏住現(xiàn)象分割結(jié)果里“川”字被切成兩半“冀”字黏在一起或者把車牌左右邊框當(dāng)成字符。原因漢字筆畫復(fù)雜內(nèi)部筆畫導(dǎo)致垂直投影在一個(gè)字中間出現(xiàn)低谷直接把字符切斷了密集漢字筆畫間空隙太小投影段又連到一起鉚釘和邊框的特征和字符相似。解決組合三個(gè)手段。第一分割前做一次開運(yùn)算3×1的核去掉單像素噪點(diǎn)。第二按車牌寬度約束字符數(shù)量和位置標(biāo)準(zhǔn)藍(lán)牌是7個(gè)字符第1位漢字寬、第2位字母窄、第3到7位均勻分布用這個(gè)先驗(yàn)過(guò)濾投影段。第三寬度下限設(shè)為車牌寬度的5%把窄的邊框和鉚釘排除。def filter_chars(char_cols, plate_width): filtered [] for start, end in char_cols: w end - start if w plate_width * 0.05: continue # 太窄多半是鉚釘或邊框 if w plate_width * 0.25: continue # 太寬大概率不是單字符交給后續(xù)邏輯 filtered.append((start, end)) if len(filtered) 7: # 數(shù)量超出時(shí)按“字符寬度越接近均值越可信”保留7段 filtered.sort(keylambda seg: abs((seg[1]-seg[0]) - plate_width/7)) filtered filtered[:7] filtered.sort(keylambda seg: seg[0]) return filtered寬度過(guò)濾加數(shù)量約束后分割穩(wěn)定性提升明顯。但要注意新能源綠牌是8位字符比藍(lán)牌多一位按7位硬編碼會(huì)翻車。正確做法是先判斷車牌顏色再?zèng)Q定期望字符數(shù)藍(lán)牌7位、綠牌8位黃牌和黑牌按白字還是黑字區(qū)分。5.4 省份漢字識(shí)別率明顯低于數(shù)字字母現(xiàn)象整體識(shí)別率92%但“皖”“贛”“鄂”“瓊”這類字單獨(dú)看只有70%出頭錯(cuò)的基本都是混到形狀相近的字上。原因各省份車牌漢字使用頻率不均真實(shí)場(chǎng)景里“京”“粵”“蘇”出現(xiàn)次數(shù)遠(yuǎn)高于“藏”“瓊”如果沒(méi)有主動(dòng)做數(shù)據(jù)均衡模型對(duì)低頻漢字的特征學(xué)習(xí)不充分。另外這些字筆畫密集32×32分辨率下筆畫邊緣粘連嚴(yán)重。解決訓(xùn)練數(shù)據(jù)里對(duì)每個(gè)漢字類別單獨(dú)保證數(shù)量不能按真實(shí)分布采樣。合成階段每個(gè)漢字各生成3000張微調(diào)階段也要手動(dòng)確保低頻漢字有足夠樣本。識(shí)別時(shí)如果連續(xù)多位結(jié)果可疑結(jié)合車牌結(jié)構(gòu)先驗(yàn)做糾錯(cuò)第一位必須是31個(gè)漢字之一第二位必須是24個(gè)字母之一非法組合直接標(biāo)注為低置信度不要讓錯(cuò)誤結(jié)果混進(jìn)輸出。5.5 模型文件加載報(bào)錯(cuò)key不匹配現(xiàn)象訓(xùn)練時(shí)一切正常一跑推理就報(bào)Missing key(s) in state_dict或者size mismatch for classifier.4.weight。原因有兩種可能。一是網(wǎng)絡(luò)定義改動(dòng)過(guò)比如num_classes從65改成31但加載的權(quán)重還是舊結(jié)構(gòu)二是訓(xùn)練時(shí)用了DataParallel保存的權(quán)重帶module.前綴推理時(shí)單卡加載不上。解決加載時(shí)做一次狀態(tài)字典清洗把module.前綴剝掉再加載。state torch.load(plate_cnn.pth, map_locationcpu) new_state {} for k, v in state.items(): if k.startswith(module.): new_state[k[len(module.):]] v model.load_state_dict(new_state)這個(gè)坑幾乎每個(gè)PyTorch項(xiàng)目都會(huì)遇到一次提前把清洗邏輯寫成函數(shù)能省不少時(shí)間。改動(dòng)網(wǎng)絡(luò)結(jié)構(gòu)后最穩(wěn)妥的辦法是重新全量訓(xùn)練別賭舊權(quán)重能遷移。6. 識(shí)別率怎么驗(yàn)證自制測(cè)試集與混淆矩陣分析把模型和流水線跑通只是開始真正要說(shuō)服自己這套方案能用必須有客觀的評(píng)估數(shù)據(jù)。我的習(xí)慣是單獨(dú)留出兩百?gòu)埐辉谟?xùn)練集里的真實(shí)照片涵蓋白天、傍晚、逆光、不同拍攝距離組成一個(gè)固定測(cè)試集。每次改完參數(shù)用同一套測(cè)試集跑一遍記錄準(zhǔn)確率變化。不要拿訓(xùn)練集里的圖反復(fù)驗(yàn)證那只是自我感動(dòng)。評(píng)估工具只看兩個(gè)分類準(zhǔn)確率和混淆矩陣。準(zhǔn)確率是總分混淆矩陣負(fù)責(zé)定位問(wèn)題。代碼不復(fù)雜但能從矩陣?yán)镒x出哪個(gè)字被認(rèn)成了哪個(gè)字from sklearn.metrics import confusion_matrix import matplotlib.pyplot as plt import torch def evaluate(model, loader, class_list): model.eval() all_preds [] all_labels [] with torch.no_grad(): for imgs, labels in loader: out model(imgs) preds out.argmax(dim1) all_preds.extend(preds.tolist()) all_labels.extend(labels.tolist()) cm confusion_matrix(all_labels, all_preds) # 打印每一類的recall找出拖后腿的類別 for i, cls in enumerate(class_list): recall cm[i, i] / (cm[i].sum() 1e-6) if recall 0.85: print(f{cls}: recall {recall:.3f}) plt.figure(figsize(16, 12)) plt.imshow(cm, cmapBlues) plt.xticks(range(len(class_list)), class_list, rotation90) plt.yticks(range(len(class_list)), class_list) plt.tight_layout() plt.savefig(confusion_matrix.png)看到熱力圖后處理思路就很清晰哪一類混淆嚴(yán)重就回去補(bǔ)哪一類的訓(xùn)練樣本或者是這個(gè)字符本身在32×32下確實(shí)難分比如“0”和“O”如果同時(shí)出現(xiàn)在字符集里幾乎必然混。這也是我在第3章堅(jiān)持去掉字母I和O的原因在字符集定義階段就把這種區(qū)分度極低的組合先排除掉。另一個(gè)很實(shí)用的習(xí)慣是保存所有識(shí)別失敗的樣例圖按預(yù)測(cè)類別分類歸檔。每周翻一次“錯(cuò)題本”你會(huì)發(fā)現(xiàn)很多失敗集中在某個(gè)特定的拍攝角度或某個(gè)字體的再現(xiàn)。針對(duì)性地增加那類真實(shí)樣本進(jìn)微調(diào)集比盲目增大整體數(shù)據(jù)量更劃算。最后說(shuō)個(gè)血淚經(jīng)驗(yàn)每輪改動(dòng)只動(dòng)一個(gè)變量。改HSV閾值就只改HSV閾值測(cè)完再改分割參數(shù)同時(shí)動(dòng)多個(gè)變量出了問(wèn)題根本說(shuō)不清是哪個(gè)環(huán)節(jié)的鍋。這套OpenCV加CNN的方案優(yōu)點(diǎn)是每個(gè)環(huán)節(jié)都可觀測(cè)缺點(diǎn)是環(huán)節(jié)多、參數(shù)組合爆炸養(yǎng)成單變量實(shí)驗(yàn)的習(xí)慣能少掉一半頭發(fā)。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
久婷婷婷| 天天爽天天爽夜夜爽| 亚洲综合色色| 五月婷婷色男女| .操區COm| 五月丁香六月婷婷的女人| 国产精品热搜丁香五月婷婷| 夜夜撸日日操| 日韩无码专区| 色色色色色日韩午夜激情 | 五月丁香婷婷成人综合网| 日本三级日本三级99| 婷婷爱综合| 伊人久久99| 五月丁香婷婷啪啪| 99se丁香| 婷婷五月综合在线| 五月综合缴情网| 九九热这里只有精品6| 色99在线观看| 婷婷丁香熟女| 久久人人九九| 日本激情五月| 日韩另类| 麻豆忘忧草午夜| 98永久精品| 日本一级一级一级一级| 激情五月婷婷丁香综合网| 五月婷婷六月丁香五月| 国产精品扒开腿做爽爽爽A片唱戏| 色啦啦视频| 久热精品视频在线观| 婷婷五月天六点丁香五月| 大香蕉婷婷色| 久久黄色片| www九九| 99热青青草| 狠狠综合网| 五月天丁香看婷婷| 六月婷婷狠狠做| 五月婷婷偷拍| 日韩在线观看网址| 久久五月婷婷电影| 亭亭玉月丁香| 青青草伊人婷婷| 蜜桃婷婷狠狠久久| 婷婷五月综合视频| 六月婷婷综合| 99内射视频| 五月婷婷av在线| 九九激情视频| 去干网最新版本亚洲版| 五月丁香激情综合啪啪| 91在线精品一区二区| www,婷婷,com| 婷婷五月,偷窥偷拍网| www.25五月婷婷| 99热免| 婷婷伊人綜合中文字幕小说| 97在线干| 性天天中文网| 99色在线| 久久99操| 久久超级碰碰| 九九精品碰| 国产在线6| 综合五月天| 久久五月婷婷综合网| 亚洲精品亚洲人成人网| 日韩在线99| 日韩国产在线精品| 天天日夜夜高潮| 这里只有精品久久| 五月天婷婷色综合| 五月丁香六月婷婷综合伊人| 亚洲中文字幕在线观看| 99热99ai| 激情五月婷婷| 99精品久久久| 在线成人视频免费| 婷婷综合网性| 色五月播五月| 五月香蕉网| 六月香五月婷| 婷婷色在线| 久久婷婷色情7777网站| 91日日日| 色五月婷婷影院| 激情小说之五月| 97色婷婷| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 五月婷A V在线| 婷婷偷拍网| 天天射美女| www99精品亚| 9999热精品在线免费播放| 色五月天在线观看| 99久久66| 久碰视频| 亚洲色五月天是什么| 大香蕉人妻| 六月婷婷综合激情| 久久久91| 国产激情综合五月久久| 丁香五月婷婷网| AV在线免费网站| 久久五月天婷婷| 99在线免费视频播放| 天天爽综合| 少妇真实被内射视频三四区| 伊人五月久久| 教师性爱毛片| 五月花综合视频| 久在热99| 丁香六月婷婷一区二区三区| 久久精品五月| 久色激情| 午夜大香蕉| 婷婷伊人久久| 色色是色N一| 噜噜在线| 婷综合| 日本久久性| 激情綜合網址| 日本三级黄色大片| 永久思思热在线| 五月丁香亚洲综合| 夜夜爽日日躁| 91在线人| 能看的av网站| 综合久久97| 五月丁香大香蕉| 大香网伊人久久综合| 亚洲网视屏| 色~性~乱~伦~噜| 免费观看亚洲AV片| 色久在| 夜夜穞天天穞狠狠穞AV美女按摩| 久久综合网免费视频| 婷婷97| 66久久视频在线| 人妻丰满精品一区二区A片| 另类图片激情五月天| 欧美激情性做爰免费视频| 婷婷激情五月天在线视频| 乱岳熟女50岁| 激情綜合W W W,激情五月天| 色综合久久44| 久久这里只有精品16| 青青久在线视频免费观看| 六月五月久久丁香| 婷婷五月丁香A∨| 97欧美在线| 天天搡日日搡aaaaⅩ| 亚洲激情在线| 桔色成人官方网站| 99 福利 导航| 五月天婷婷综合网| 情婷婷五月天| AV网站免费在线| 中文无码婷婷| 婷婷五月丁香五月天| 影音先锋AV资源男人站| 天天色天天操天天射| 婷婷人人操| 九九热九九| 色婷婷六月精品| 婷婷六月久久| 成人va在线播放| 五丁香激情综合| 伊人九热| 欧美性爱五月天| 伊人五月婷婷| 99热超| 99操碰| 色情五月天首页| 激情综合婷婷久久| 色婷婷丁香五月| 色婷婷五月天综合网| 人妻激情网| 91色综合| 久久婷婷五月综合伊人| 五月丁香好婷婷A片网| 99精品无码| 色婷婷a三区麻| 91婷婷五月丁香碰| 在线理论片| 99热99热在线| 色的色综合| 涩丁香91| 亚洲另类电影| 婷婷丁香五月综合| 丁香五月天激情综合网| 丁香五月婷婷激情网| 无码人妻精品一区二区蜜桃色欲| 啪啪操超碰| 天天看片日日夜夜| 丝袜激情网| 婷婷色在线| 五月天综合视频网| 天天日夜夜草进麻麻的子宫| 天天久综合网永久入口17v| 精品一二三区久久AAA片| 91无码高清| 五月丁六月香av| 久久人人九| 三级片AAA久久久AAA久久久AAA| 丁香婷婷六月| 亚洲噜色| 亚洲色激婷| 婷婷自拍| 九色成人AV在线| 99日本精品视频热| 婷婷五月天色播| 色婷婷五月天天天天天| 婷婷五月香蕉| 五月亭亭色| 亚洲国产精品二二三三区| 久久亚洲天堂| 狠狠五月天婷婷激情网。| 操碰99在线视频观看| 婷婷另类小说| 丁香美女主播视频在线观看| 美臀自射自家人妻| 涩涩五月天综合| 天天射天天操天天干| 91成人性爱视频| 热99在线| www.sezonghe| 精品九九视频| 亚洲激情图文小说| 超碰人人干| 加勒比久热| 久久人妻熟女一区二区| 激情五月丁香婷婷| 国产成人AV在线| 五月天婷婷色播在线网| 欧美成人无码高清一区二区三区| 97香蕉久久超级碰碰高清版| 天天久综合| 丁香色色网| 九月色婷婷综合| 99精品久久久久久久婷婷久久| 国产亚洲色婷婷久久99精品91| 激情国产五月| 久热A片| 大香蕉伊人久久| 五月激情婷婷播播开心| 99热.com| 丁香成人色情五月天| 丁香成人综合| www·五月天| 97色碰| 综合久久高清| 婷婷激情六月综合| 五月丁香亭亭操逼| 激情丁香六月| 丁香六月婷婷开心婷婷网| 在线精品97| 福利视频在线播放| 国产日韩精品SUV| 色欲天天综合网| 五月婷婷色| 啪啪 综合网| 夜夜爽天天爽| 日本爆乳片手机在线播放| 99视频这里有精品免费观看| 热成人网| 99成人免费热视频| 青草青青草| 五月天狠狠干| 五月天六月婷婷电影| www.五月激情红色| 婷婷五月天欧美图片在线播放电驴| 六月丁香婷婷网| 3pAV| 99爱最新免费视频在线观看| 婷婷五月天影视| 久久久久久久久久久久久久人妻视频| 五月婷婷五月丁香综合| www.操逼comm| 99热在线免费| 五月丁香婷婷基地| 日本激情91| 9久热在线视频精品| 台湾无码A片一区二区| 午夜婷婷久久 | 色五月丁香激情视频| 婷婷五月天.com| 色色影院aaaav| 777久久综合视频| 九九免费精品在线视频| 丁香婷婷五月六月天| 97婷婷丁香五月| 噜色精品| 亚洲激情精品| 亚洲色夜| 日本婷婷五月天| 99久久婷婷| 另类少妇人与禽zOZZ0性伦| 欧洲色色| 色婷婷aV四虎| 婷婷午夜精品久久久| 丁香五月久久| 丁香婷婷六月激情综合| 免费亚洲婷婷五月| 久久激情网| 99色色| 国产精品激情AV久久久青桔| 一级无码作爱片| 亚洲黄3级片网站欧美| 亚洲色图45p| 99综合久久| 99色综合网| ss五月天激情| 99综合激情久久精品久久| 色色色综合网| 这里只有精品视频免费在线观看| 怎么样可以看免费的一级av| 一起草av在线观看| 97丁香花五月天激情小说| 六月香五月婷| 久久久久久久人妻| 在线只有精品| 美女被肏网站在线看| www.日本91| 中文字幕成人| 插插五月天| 亚洲激情五月天| Av九九| 九九性视频| 超碰色碰碰| 99资源在线视频| 色婷操逼| 色欲资源网| 色爱99| 五月婷婷色| 男人的天堂av俄罗斯热| se99高清无码| 五月天涩涩| 婷婷丁香熟妇综合网| 99在线精品免费视频| 国产精品 的国产| 国产精品久久99| 婷婷无码视频| 91久操| 色综色网| 涩五月婷婷| 久久久五月婷婷| 曰曰久久| 热99.com婷婷| www.狠狠操.co m| 激情色视频| 免费黄色视频网址| 日本大逼91| site:xmssd.com| 五月丁香六月婷婷亚洲综合| 激情五月天综合网| 欧美婷婷丁香五月社区| 天天操夜夜橾| 国产人妻人伦精品一区二区| 97精品在线| 色热久| 五月婷婷激情| 五月丁香六月欧美| 五月天婷婷在线AN| 日本人妻久久| 色婷五月天亚洲| 九九热精品99| 欧美A片在线视频免费观看| 五月丁香六月婷婷啪啪| 婷婷丁香五月亚洲综合网在线视频观看| 丁香五月区| 丁香五月婷婷av影院| 日韩成人中文字幕| 99精品大片| 97人人射| 67194中文字幕| 五月丁香亚洲综合网| 五月丁香六月婷| 久久久日韩特色特黄AAAA| 色婷婷五月天激情| 97香蕉久久超级碰碰高清版| 激情综合婷婷久久| 亚洲色vA| 国产精品久久久久久久久久免费| 亚洲色碰| 91九色欧美| 五月精品99综合| 天天草人人摸| 91se在线视频| 五月丁香色婷婷久久| 五月婷在线视频免费播放| 天天狠狠夜夜狠狠2023| 黄色AAAA韩国guochansanji| 综合五月草| 麻豆雪千夏| 色婷婷五月综合激情中文字幕| 六月99天天婷婷激情综合| 婷婷五月天综合在线| 超碰在线50| 婷婷五月激情四月综合| 久久激情网| 色色九九五月天 | 久久久这里都是精品| 五月天婷婷丁香基地在线观看| 五月天综合婷婷| 国产精品色色| 思思视频这里是精品| 九九大香视频| 十区AV| 黄色AAAAA| 五月天丁香婷婷网| 开心五月婷婷激情网| 99碰碰| 91超级碰碰碰| 综合五月婷婷| 色色精品色| 久久久婷婷婷| 日本老女人黄页在线播放| 婷婷丁香激情综合色情| 色呦呦美女| 91se在线观看| 美女网黄| 婷婷99狠狠| 天天久久狠狠色综合| 欧美激情综合色综合啪啪五月| 婷婷久久婷婷| 一级二级色大片| 光棍影院日韩精品| 大香蕉伊人爱在线| www.99婷婷| 午夜激情综合| 久久婷综合| 国产精品电影网| 麻豆雪千夏| 99亚洲视频| 手机旧版看人妻1025| 五月天丁香婷婷社区| 2015WWW永久免费观看播放| 婷婷五月综合激情免费| 日韩三及成人AV片| Av九九| 九九激情综合| 啪啪啪综合网| 色色色欧美色色| 91人人人人人| 天天撸天天干天天插| 九九久久偷拍| 激情99| 99干日本| 人妻AV在线| 五月丁香啪啪激情| yjzz亚洲国产| 深爱五月激情| 色色草97| 99色色视频| 五月婷婷色综图片| 久操热线| 久久久区区一久久久久久| jiujiuxiangjiaowang| 久热这里只有精品99re| 婷婷五月丁香啪啪| 五月天综合| 国产熟女日日骚五月丁香爱| 人人操碰| 在线不卡视频| 丁香六月亚洲| 成人 AV播放| 色女人久久| 伊人影音无码一区二区三区 | 丁香六月激情综合网| 五月婷婷之六月丁香| 狠狠色丁香久久久婷| 人妻久热| 狠狠色综合网| 婷婷丁香五月综合激情视频| 九月激情综合婷婷| 色婷婷XXXXX| 激情五月婷婷开心网| 久久久久98| 婷婷丁香色五月| 婷婷丁香六月五月天| 国产偷人爽久久久久久老妇APP| 久热这里只有精品在线| 亚州操操| 亚洲电影在线观看| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 婷婷五月综合在线| 日日射天天射| 婷婷五月天亚洲综合| 99这里有精品| 午夜做爱影院| 五月大香蕉| 国产精品扒开腿做爽爽爽A片唱戏| 天天天天色天天天天天干| 91九色在线视频| 婷色五月| 亚洲丁香婷婷丁香五月天激情| 日韩999| 亚洲妇女熟BBW| 少妇综合网| 91丨熟女丨首页| 激情精品久久| 超碰色综合| 五月五丁香婷婷| 久9免费视频| 国产精品久久久久久久久久免费| 丝袜激情网| 欧美婷婷五月激情| AV动漫不卡无码免费| 少妇人妻人伦A片| 婷婷婷婷色| 精品五月视频婷婷在线观看| 啪啪色激情五月天| 丁香五月成人网| 婷婷亚洲欧美丁香五月| 99热成人精品| 五月丁香久人妻中文| 丰满人妻妇伦又伦精品国产| 亚洲无码另类| 亚洲五月花| WWW色综合| 超爽内射| 天天干天天做| 97色久| 丁香色情五月综合网站| 99色在线视频观看| 久一网站| 国产九月婷婷| 熟妇内谢69XXXXXA片| 久99视频在线观看| 亚洲色爱综合| 5月婷婷性视频| 五月停亭六月,六月停亭的英语| 91av成人| 国产午夜精品AV一区二区麻豆| 91碰| 久久这里只有精品热在99| 天天人人天天爽| 91chinese 在线| 激情涩播| 免费视频WWW在线观看网站| 人人操日| 婷婷五月天综合在线| 激情婷婷狠狠干| 综合狠狠伊人| AV在线免费播放| www狠狠爱com| 九九操屄| 疯狂做受XXXX高潮A片动画| 超碰在线视屏| 丁香五月婷婷在线| 婷婷五月天成人综合网| 亚州激情网| 91碰| 五月天婷婷免费| 偷偷操九九| AV大片在线播放| 99亚洲精品| 激情综合五月天| 人妻 性久久久久久| 五月天激情综合首页| 中文字幕AV网址| 激情av网| 久热AⅤ| 国产精品人成A片一区二区| 激情五月天影院| 五月丁香色| 亚洲色另类| 99热国产这里只有精品| 五月天欧美激情| 天天爱天天做天天舔| 香蕉综合网| 色婷婷操逼| 黄色精品五月婷婷| 狼人婷婷综合| 丁香五月开心亚洲| 国产精品成人网站| 91xxxx九色| 激情五月婷婷她| 字母不卡码人逼| 91精选国| www.久操| 婷婷丁香综合| 99在线视频喷水| 亚洲殴洲精品Av在线| 九九婷婷热| 国产欧美精品AAAAAA片| av大香蕉| 拍真实国产伦偷精品| 在线播放中文字幕| 色婷婷五月天| 欧美成人一区二区三区在线视频 | 狠狠干五月天| 久久久婷| 99国产在线精品视频| 少妇水多A片太爽了| 强辱丰满人妻HD中文字幕| 超碰v| 国产亚洲精品久久久久苍井松| 丁香五月偷拍| 天堂伊人干| 伊人香大香蕉视频| 五月丁香中文婷婷中文| 国产性爱一级| 99日本精品视频热| 秋霞午夜理论| 99热久久最新地址| 婷婷日日夜夜| 婷婷婷婷婷开心无码播放| 天天爽日日爽夜夜爽| 九九九九这里只有精品| www.色婷婷.com| 97色永久免费视频| 亚洲操人| 亚洲人妻av伦理| 99精品在线观看| 极品少妇XXXX精品少妇偷拍| 色操综合| 久操干| 九九热精品99| 九九国产视频| 日日射天天射| 亚洲第一色区| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 色五月激情婷婷| 色丁香五月婷婷| 深爱五月婷婷| 国产午夜一区二区三区| 日韩久久日| 99热热热99精品丁香| 91一起操| 三级av在线| 五月天基地| 日本在线99| 色色是色N一| 日 日干 日日做| 五月丁香无码| 亚洲免费99| 九九99久久| 怡春院天天干| 激情五月天婷婷直播| www.com操| 五月天啪啪啪| 亚洲无码99| 亚韩精品视频1区| 非洲一级AV| 电影爱拉战争免费观看| 婷婷五月深爱五月| 色情综合| 99re8热精品免费视频| 99热插| 思思久久99热| 久久这里只有欧美| 夜夜干 夜夜操| 国产精品18久久久| 久久总和99| www.五月天性.com| 99热资源在线| 日本少妇裸体做爰高潮片 | 1024操逼视频| 五月丁香WWW| 久久一热| 色九月| 99精品女人天堂| 情五月亚洲婷婷| 类似婷婷激情综合网站| 国产毛片欧美毛片久久久| 99碰视频| 亚洲第精品| 97久久久| 99久久終合| 色婷婷成人丁香| 色噜噜狠狠色综无码久久合欧美| 亚洲精品一区无码A片| 亚洲综合在线播放| 97五月天婷婷| 婷婷激情社区| 啪色综合| 激情色情五月天| 五月丁香久久| 久久久婷丁香五月天激情综合| 六月丁香五月亭亭| 久久精品4| 天天色五月婷婷91久久久久久久| sS丁香五月婷婷| 六月色婷婷| 成人.在线日韩| 国产超碰在线| 激情婷婷丁香| 天堂网操| 伊人五月人妻精品| 色色国产| 國語久久婷| 婷婷99狠狠躁| 成人国产欧美大片一区| 丁香婷婷久久| 五月天激情网站| 久九男女天堂| 狠狠色婷婷在线| 婷婷色在线视频| 婷婷五月丁香亚洲| www.91.com处女在线直播| 天天色99| 亚洲婷婷丁香五月| 丁香五月婷婷天激情| 综合网亚洲| 夜色综合网| www.五月天社区| 人妻内射一区二区在线视频| 激情网站五月| 色~性~乱~伦~噜| 91丨九色丨老农村| 丁香婷婷噜噜| 天天干天天av天天射| www.五月天性.com| 国产超碰在线| 亚洲婷婷视频| www激情| 成人免费在线电影| 99久久6| 韩国不卡AC视频| 国产美女精品| 国产精品人人做人人爽人人添| 丁香六月啪啪| 丁香五月婷婷啪啪| 日本超碰在线| 久热人妻| 欧美日韩999| 婷婷午夜综合| 丁香色成人| 色五月婷婷大香蕉| 婷婷五月婷| 亚洲成人丁香花| 精久久色| 日操熟女| 激情小说五月欧美亚洲丁香| 1024AV视频| 色噜噜狠狠狠综合曰曰曰| 国产操B| 婷婷五月综合啪| 五月日韩中文字幕| 婷婷五月综合在线视频| 伊人久久大香线蕉精品| 色婷婷在线视频综合| 婷婷五月在线影院| 中文字幕色色| 婷婷影院欧美| 亚洲成人网站在线播放| 丁香久久五月婷综合| 91碰| 五月丁香综合| 五月天伊人| 五月激情网五月综合网| www.色五月| 亚洲综合丁香五月天| 亚洲成人av在线观看| 国产激情综合五月久久| 丝袜激情网| 综合久久婷婷| 久久九九怡红院| 婷婷五月天AV| 婷婷五月俺要去| 日韩黄色影院| 色色婷婷综合网| 99精品手机在线视频| 久久精品这里只有精品免费首页| 一本色道久久88加勒比—| 天天搡日日搡aaaaⅩ| 色综合久| 熟妇内谢69XXXXXA片| 丁香五月第四色88| 久久婷婷的综合色丁香五月| 天天爽天天操| 久久综合性| 狠狠综合| 午夜激情五月| 色五月婷婷五月天激情综合| 黄网免费看| 色综合网上班开心婷婷久久| 大地9中文在线观看免费高清| 五月天婷婷丁香视频| 婷婷5月久久综合网站| 久久婷婷成人综合色怡春院| 亚洲成人综合网在线免费观看| 五月婷婷丁香五月婷婷丁香| 婷婷在线播放av| 中国女人内射6XXXXX| 丁香婷婷五月| 色婷婷狠狠爱| 中文字幕丰满孑伦无码专区| 色播五月婷婷五月| 日韩成人免费电影| 影音先锋男人女人| 99精品久久久久| 玖月婷婷爱丁香| 99视频免费播放| 五月天婷婷爱| 99热成人精品| 五月天综合色| 五月天激情四射| 五月婷深深爱激情网| 日本专区久久| 开心五月婷婷| 婷婷深爱五月| 天天婷婷综合| WWW.五月com| 91操熟女| 五月婷丁香亚洲| 激情综合国产| 中文字幕无码人妻少妇免费视频| 色五月丁香五月| 九九热视频精品2| 天天综合网~91| 激情性爱五月天| 激情五月丁香激情综合网| av激情在线| www色婷婷| 日韩视频99| 六月99天天婷婷激情综合| 俺来也狠狠| 日本久久婷| 色播丁香婷婷五月激情| 嫩草视频在线观看| 天海翼中文字幕高| 殴美激情综合网| 五月永久激情| 99在线精品视频| 国模狼狼| 五月婷婷啪啪| 五月婷婷六月天| 狠狠狠狠狠狠草| 久久东京热婷婷五月| 婷婷五月丁香第四色超碰在线| 综合色色婷婷| 婷婷五月天开心激情网| henhencao国产在线| 69色婷婷| 9色在线| 深爱五月天| 亚洲AV无码久久精品色欲| 婷婷免费无马| 五月天另类小说久久小说网| 玖玖精品视频| 99视频网址| 五月天色婷婷基地| 五月婷婷深深爱爱| 激情AV在线| 日韩精品一曲二曲三曲四曲五曲| 丁香五月色| 99re热在线视频| 老司机日日夜夜青草| 先锋资源996| 综合色情网| 久久新地此| 玖玖婷婷五月天毛片| 天堂无码人妻精品AV一区| 婷香五月| 五月天激情啪啪| 久久婷婷五月综合色丁香| 五月天另类综合网| 色五月综合网| 久久九九中文字幕| 日本久久极品| 1级欧美日韩| 曰韩少妇内射免费播放| 99热久| 综合久久久| 激情五月天婷婷五月天| 天天成人丁香美女AV| 5月婷婷6月丁香aV| 黄色99视频| 日本久久综合| 丁香六月婷婷综合欧美| 婷婷六月久久| 青青久久五月| 激情内射人妻1区2区3区| 网站免费一站二站| 四色99久久| 9久国产精品| 色五月欧美| 丁香五月成人社区| 五月丁香六月婷婷亚洲综合| 天天舔天天插天天干| 五月天色婷婷av| 激情五月天婷婷激情| 激情五月婷婷丁香六月| 日本激情91| 97九色视频| 欲色人妻| 97在线天堂| www五月婷婷88导航| 香蕉AV福利精品导航| 91九色国产| 丁香六月婷| 五月婷婷片| 九九热只有精品| 久久久精品色色色| 亚洲小视频| 久久婷婷五月天综合| 亚洲色vA| 婷婷丁香激情五月天色色| 亚洲爱爱无码婷婷色五月| 六月激情婷婷色| 5月色婷婷| 成人精品一区二区三区四区五区| 五月色情婷婷| 免费黄色视频网址| 五夜婷婷| 热中文字幕| 丁香六月婷婷开心| 99在线观看| 国产超碰在线| 五月份婷婷| 草操AV在线| 国产精品成av人在线视午夜片| 久久婷婷午夜| 亚洲春色奇米影视| 色五月噜噜| 五月丁香婷婷色播无码| 怡红院91a√| 天堂网啪啪| 亚洲婷婷丁香| 99久久婷婷国产综合| 99视频内射三四| 婷婷丁香五月av| 综合99在线| 五月丁香久久呀| 99热这里只有的精品视| 久久久噜噜噜久久人妻| 婷婷综合五月| 狠狠色色| 色狠狠综合| 欧美色片中文字幕久久久久| 九九爱精品网站| 2013AV天堂| 色综合久久88色综合天天99| 丁香五月婷婷婷婷欧美综合| 99热在线中文字幕| 天天操综合网站| 婷婷五月天在线观看| 五月丁香操婷逼| 色五月婷婷老师| 精品夜夜澡人妻无码AV| 丁香婷婷影院| 婷婷的色色五月天| 色播五月婷婷| 五月丁香999| 婷婷丁香在线播放| 婷婷 丁香 精品| 99ri视频| 亚洲欧洲中文日韩久久AV乱码| Aaa久久| 国产精品国产| av中文在线| 色婷婷五月网| 99热久| 日本三级日本三级99| 国产肥白大熟妇BBBB视频 | 99热这里全是精品| 99九九在线视频| 五月婷婷激情五月| 亚洲宗合激情| 9精品视频在线| 激情五月天色| 婷婷五月天亚洲综合| 婷婷的色色五月天| 这里只有精品视频| 婷婷日韩| 大香蕉久久久久| 五月激情婷婷图片基地| 狠狠操狠狠干综合| 激情九月婷婷| 亚洲精品一区中文字幕乱码| 色青五月天| 久热这里只有精品3| 色五月丁香六月婷婷| 噜噜狠狠色综无码久久合欧美| 欧美日韩99| aV直接看| 五月激情射| 久月丁香爱婷婷综合| 婷婷五月美女直播| 操一操干一干| Av中文在线| 啪啪色激情五月天| 夜夜操,天天撸| 岛国AV网| 色在线免费观看| 丁香九月久久| 伊人久久五月天| 超碰在线视屏| 亚洲亚洲人成综合网络| 色久影院| 天天日人人爽| 91丨九色丨熟女|新版| 伊人在线视频| 九九热re99re6在线精品| 天天爱天天做综合| 无码髙清| 婷婷的五月天另类视频| 超碰在线超碰| 天天狠狠插| 99热这里只有精品首页| 五月天色五月| 国产亚洲99久久| 呦呦v线| 国产免费AV网站| 99爱操| 五月色情婷婷| 曰日爽日日操| 久久99热这里只频精品6学生| 色一情一乱一乱一区9| 天干干夜夜操| 成人综合视频在线| 丁香花社区av| 久久激情视频| 五月丁香婷婷五月| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 99九九精品| 欧美大肥婆大肥BBBBB| 色五月激情综合| 五月天婷婷影院影院| 在线看片av| 久草视频大香蕉99| 99久久综合网| 色婷婷亚洲精品天天综| 大天天伊人| 亚洲九九99精品视频在线播放| 五月丁香久久| 男人的天堂五月丁香| 人人干Av| 九九黄色网| 婷婷五月综合网| 五月激情婷婷丁香天堂| 超碰国产在线播放| 成久综合视频| 激情综合无码| 久久丁香社| 丁香婷婷综合激情五月色| 国产人妻777人伦精品HD| 九九AV在线| 激情六月婷婷| 香蕉曰比| 日日射天天射| 99操视频| 日本啪啪网| 婷婷五月天综合网| 蜜乳久AV| 噜色精品| AV中文在线| 夜夜躁婷婷AV| 热久精品| 九九艹女| 天天爱天天做天天爽| 婷婷五月成人| www.超碰| 99综合| 日本啪啪网| 囯产精品久久欠久久久久久九大| 日韩久久系列| 全国最新疫情| 日本久久天堂| site:pzdcoin.com| 五月丁香激情综合网| 一区二区免费看| 五月丁香婷婷免费视频| 婷婷丁香综合色AV| 日夜夜久久| 激情6月| 91人妻视频| 欧美三级巜人妻互换| 草美女在线观看视频在线播放| 激情五月久久| 丁香六月婷婷| 丁香六月啪| 99久久网站| 91色综合| 9色在线| 久久综合中文| 五月天激情图片| 97干在线| 亚洲AV综合在线观看| 五月天婷婷av| 日韩九九视频| 久久伊人五月天| 婷婷激情五月天综合| 五月丁香无码| 一起草Av| 激情色色色| 久久久人妻人伦| 激情小说五月天| 九热在线这里有精品6| 六月丁香五月婷婷| 五月亭亭六月激情| 成人无码精品1区2区3区免费看| 狠狠干在线视频| 99欧美热| 丁香六月伊人| 停停综合色色| www.色婷婷.com| 任你操精品免费| 99热日本| 激情五月婷黄版| 亚洲欧美婷婷五月色综合| 婷婷丁香五月视频| 97精品人人A片免费看| 婷婷深爱网| 久热精品免费视频4| 99视频这里有精品免费观看| 人人妻人人澡人人爽| 人人摸人人澡人人| 六月丁香av| 九九人人操| 五月婷婷播| 伊久大香蕉| 99热在线观看精品| 伊人久久中文网| 九九香蕉网| 狠狠色噜噜狠狠色噜噜噜999| 天天综合精品| 天天爽夜夜爽天天爽夜夜爽| 人人操大| 91狠狠综合网| 九九热这里只有精品7| 国产精品久久久久久久久久免费| 爱婷婷久久视频| 五月婷天堂视频| 色综合久久天天综合网| 久热这里只有精品6官网亚洲| 99热这里都是精品| 狠狠色狠狠鲁| 亚洲成人在线观看网址| 99在线视频免费| 色亚洲无码| 爱99干99| 婷婷五月天国产| 玖玖婷婷五月天| 成人综合网站| 六月丁香综合| 国产 亚洲 在线| 极品少妇高潮啪啪AV无码| www.成人婷婷综合| 99视频九九热| www.婷婷| 激情综合丁香五月| 九九大香视频| 91操操| 五月丁香六月激情欧美综合| 日韩在线观看亚洲| 九九热精品| 丁香五月电影| 91chinese在线| 日碰日| 大香蕉久艹| 五月丁香在线精品| 亚洲无aV在线中文字幕 | 国产午夜精品AV一区二区麻豆| 色五月天综合网| 99re热精品在线视频| 一区二区无码视频| 人人操99| 婷婷五月天性| 影音先锋噜一噜| 婷婷伊人久久无码色五月| 七七色色综合| 婷婷五月丁香五月天| 日韩精品一区二区亚洲AV观看| 我爱大香蕉| 九九婷婷网五月天| 91se在线视频| 伊人久久大香线蕉精品| 久99久在线| 亚洲99在线| 五月婷婷色综图片| 97久久婷婷色| 日本欧美在线| 9久热这里只有精品| 97人人操人人干| 狠狠色婷| 狠狠干在线| 天天操天天操天天操天天操天天操 | 国产资源在线视频| 极品少妇高潮啪啪AV无码| 久久99网| 26UUU欧美激情一区二区| 婷婷五月丁香超碰| 先锋av性爱成人电影| 九九婷婷激情综合网| 久9久9久9久9久9久9| 色区域网站视频| 在线播放中文字幕| 狠狠色综合无线观看| 99色热| 久久伦乱| 一区二区三区四区无码| 丁香九月久久| 激情淫乱男女| 婷婷97狠狠成人网站| 五月丁香六月婷婷激情视频在线观看免费| 嫩草AV久久伊人妇女超级A| 超碰永久在线| 婷婷91| 五月婷婷亚洲| 99热成人在线| 五月婷婷久久激情 | 久久人妻久久| 狠狠狠狠狠干| 六月天六月婷| 狠狠操之狠狠操| 五月久久网| 欧美A片在线视频免费观看| 狠狠综合| 成人五月天丁香| 亚洲精品激情| www.久久五月天.com| 啪啪激情网| 人人草碰| 99超碰欧美| 久久久99精品免费观看| 亚洲成人在线免费| 日本狠狠网| 五月丁香婷庭在线| 色五月丁香总合网| 99色干| 五月久久网| 2021日韩无码| 久久婷婷青青草| 粉嫩AV久久一区二区三区| 99亚州综合精品成人网| 永久精品| 亚洲激情97五月天| 人人干Av| 深爱激情AV| 黄色99视频| 99超级碰免费视频| 久草 天堂| 久久五月天网| 91久久国产综合久久| WWW色色色COM| 丁香五月天AV在线 | 99视频这里只有久久精品| 五月婷婷狠天天色综合| 久久女人天堂| www热久久yy9| 日韩无码系列| 九九re视频在线视频| 影音先锋男士资源网一区| 亚洲网在线观看| 亚洲深喉aV| 激情丁香五月婷婷| 狠狠搞狠狠操| 久久五月天综合| 99热首页| 亚洲无码11| www.夜夜操| 五月丁香激情综合久久| 人妻无码精品一区| 草做免费在线观看| 这里只有精品69| 99热国产在线| 国产在线另类五月婷婷| 婷婷五月天熟妇| 视色综合| 蜜臀九九九九|