日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

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。

OpenCV+Python車牌識別實戰(zhàn):圖像處理與字符識別全流程

OpenCV+Python車牌識別實戰(zhàn):圖像處理與字符識別全流程 簡介計算機視覺作為人工智能的重要分支其核心技術(shù)在于通過圖像處理手段提取有效信息。OpenCV作為業(yè)界標(biāo)準的圖像處理庫配合Python的簡潔高效為開發(fā)者提供了強大的圖像處理與模式識別能力。從灰度化、邊緣檢測到形態(tài)學(xué)操作與輪廓分析每項技術(shù)都在實際項目中發(fā)揮著關(guān)鍵作用。以車牌識別為例其流程涵蓋車牌定位、透視矯正、字符分割與模板匹配等環(huán)節(jié)完整呈現(xiàn)了從圖像預(yù)處理到分類識別的技術(shù)鏈路。該方案不依賴深度學(xué)習(xí)框架在普通CPU上即可高效運行適用于課程設(shè)計、畢業(yè)設(shè)計及入門實戰(zhàn)項目幫助開發(fā)者快速掌握計算機視覺的核心方法論。 車牌識別這個東西算是計算機視覺入門到進階的一個典型項目了。OpenCV加Python的組合既不用燒顯卡也不用上復(fù)雜的深度學(xué)習(xí)框架純靠圖像處理就能把車牌從圖片里摳出來再把字符一個個認出來。這套流程跑通了你對圖像處理的基本功——灰度化、邊緣檢測、形態(tài)學(xué)操作、輪廓分析、模板匹配——理解會上一個臺階。我最早接觸這個項目時也覺得挺玄乎真的動手做了一遍才發(fā)現(xiàn)核心邏輯拆開就三步車牌在哪、字怎么切開、每個字是什么。這篇文章把我完整的實現(xiàn)思路、參數(shù)調(diào)優(yōu)經(jīng)驗、踩過的坑都記錄下來適合學(xué)完P(guān)ython基礎(chǔ)、想找個實戰(zhàn)項目練手的同學(xué)也適合課程設(shè)計、畢業(yè)設(shè)計需要快速出成果的朋友參考。1. 項目整體設(shè)計與技術(shù)選型思路1.1 為什么選擇OpenCVPython方案先聊聊選型。車牌識別系統(tǒng)在工業(yè)界其實已經(jīng)很成熟了停車場道閘、電子警察、高速收費用的基本都是專用設(shè)備加深度模型。但作為學(xué)習(xí)項目或個人作品OpenCV加Python依然是最合適的組合。原因很實在OpenCV把所有底層圖像處理算法都封裝好了C接口性能最好但Python接口開發(fā)效率高代碼量少調(diào)試方便。同樣是做一個原型驗證C可能寫兩百行Python五十行就搞定了。對于學(xué)習(xí)理解算法原理來說Python的簡潔性讓我能更關(guān)注算法本身而不是糾結(jié)指針和內(nèi)存管理。而且OpenCV在圖像處理這塊兒幾乎是事實標(biāo)準它的cv2.findContours、cv2.Canny、cv2.dilate、cv2.matchTemplate這些函數(shù)隨便哪個拿出來都是經(jīng)過大量工業(yè)場景驗證的穩(wěn)定實現(xiàn)。自己從頭造輪子去寫一個邊緣檢測或者模板匹配不僅性能比不上精度也差得遠。車牌識別本身對實時性要求其實不高——識別一張靜態(tài)圖片用OpenCV的傳統(tǒng)圖像處理方法在普通CPU上跑也就幾十毫秒完全夠用。如果用深度學(xué)習(xí)方案單是環(huán)境配置、模型訓(xùn)練、數(shù)據(jù)集標(biāo)注這一套下來就要花掉大量時間。對于入門者和學(xué)生項目來說把傳統(tǒng)方法吃透比直接套用現(xiàn)成的YOLO模型更有價值。1.2 車牌識別系統(tǒng)的完整工作流程整個系統(tǒng)的流程可以拆成四個核心模塊我用一張流程圖來概括這里用文字描述輸入圖片 → 車牌定位 → 車牌矯正 → 字符分割 → 字符識別 → 輸出結(jié)果第一個環(huán)節(jié)是車牌定位目標(biāo)是從一張復(fù)雜的圖像中找到車牌所在的區(qū)域。這是整個系統(tǒng)中最關(guān)鍵的一步因為后續(xù)所有操作都依賴于這一步的準確性。如果車牌都沒找對后面做得再好也沒用。第二個環(huán)節(jié)是車牌矯正。實際拍攝的車牌往往是有傾斜的如果直接分割字符會導(dǎo)致切歪、切錯。所以要先對定位到的車牌區(qū)域做透視變換把它矯正成正面視角。第三個環(huán)節(jié)是字符分割。把矯正后的車牌圖片中的每個字符切出來變成一張張單獨的字符圖片。這個過程需要處理邊框、鉚釘、噪點等干擾。第四個環(huán)節(jié)是字符識別。對每個分割出來的字符圖片進行分類識別出它是哪個漢字、哪個字母、哪個數(shù)字。這里可以用模板匹配也可以用簡單的卷積神經(jīng)網(wǎng)絡(luò)。1.3 技術(shù)方案選型傳統(tǒng)視覺還是深度學(xué)習(xí)在做車牌識別時有個繞不開的問題用傳統(tǒng)圖像處理還是深度學(xué)習(xí)我的建議是都別偏科。傳統(tǒng)方法的核心優(yōu)勢在于可控性強、可解釋性強。每一步做了什么、為什么這樣做、參數(shù)為什么這么設(shè)都清清楚楚。出了問題也能一步步回溯排查。這對于學(xué)習(xí)理解圖像處理的基本原理非常有幫助。而深度學(xué)習(xí)的優(yōu)勢在于對復(fù)雜場景的魯棒性更強。比如夜間拍攝、車牌嚴重模糊、角度特別刁鉆等場景傳統(tǒng)方法可能就翻車了但深度學(xué)習(xí)模型經(jīng)過充分訓(xùn)練后能扛住更多干擾。實際項目中的做法是兩者結(jié)合用傳統(tǒng)方法做預(yù)處理和車牌定位速度快、穩(wěn)定性好用深度學(xué)習(xí)做字符識別精度高、泛化能力強。我的最終方案就是這種混合架構(gòu)OpenCV負責(zé)定位和分割Python加一個輕量級CNN模型負責(zé)字符識別。這樣兼顧了速度和精度代碼量也不會爆炸。2. 環(huán)境準備與基礎(chǔ)搭建2.1 Python與OpenCV的安裝與配置在做任何代碼之前先得把環(huán)境跑起來。這里我用的Python版本是3.9OpenCV版本是4.8.0這兩個版本兼容性很好不會有奇怪的報錯。安裝OpenCV最簡單的命令是pip install opencv-python但這里有個坑直接用pip install opencv-python裝的是OpenCV的CPU版本對入門學(xué)習(xí)完全夠用。但如果后續(xù)要做視頻流處理或者實時識別建議再裝一個opencv-contrib-python這個包包含了更多擴展模塊。我的建議是用虛擬環(huán)境來隔離項目依賴避免不同項目之間的包版本沖突。創(chuàng)建并激活虛擬環(huán)境的命令如下python -m venv lpr_env # Windows lpr_env\Scripts\activate # Linux/Mac source lpr_env/bin/activate pip install opencv-python numpy matplotlib scikit-learn2.2 項目依賴庫清單整個項目我用到的主要依賴庫如下庫名版本建議用途說明opencv-python4.8.0核心圖像處理、輪廓檢測、模板匹配numpy1.24.0數(shù)組運算、圖像矩陣操作matplotlib3.7.0圖像可視化、調(diào)試展示scikit-learn1.3.0制作數(shù)據(jù)集、訓(xùn)練分類器可選tensorflow / pytorch按需安裝輕量級CNN字符識別可選如果你只做傳統(tǒng)方案的車牌識別其實只需要前三個庫就夠了。深度學(xué)習(xí)部分可以后續(xù)再加。這里特別說一下numpy。OpenCV的圖像本質(zhì)上是numpy數(shù)組理解這一點很重要。一張彩色圖片在OpenCV里的形狀是(H, W, 3)的數(shù)組H是高度W是寬度3是BGR三個顏色通道注意OpenCV用的是BGR而不是RGB。整個圖像處理過程說白了就是在操作這些數(shù)組的數(shù)值。2.3 開發(fā)調(diào)試環(huán)境的配置要點我這里推薦用VS Code配合Python擴展來做開發(fā)簡單輕量調(diào)試方便。有一些小配置能顯著提升開發(fā)效率第一設(shè)置OpenCV顯示窗口的大小自適應(yīng)。如果你的屏幕分辨率不夠高OpenCV彈出的窗口可能會超出屏幕邊界看不到完整圖片??梢栽诖a里加上這個cv2.namedWindow(result, cv2.WINDOW_NORMAL) cv2.resizeWindow(result, 800, 600)第二配置好圖像保存路徑。調(diào)試過程中經(jīng)常需要把中間結(jié)果保存下來查看建議在項目根目錄建一個output/文件夾專門存放中間處理結(jié)果。這樣既能追蹤算法每一步的輸出也方便在最終效果不好時排查是哪一步出了問題。第三善用cv2.imwrite而不是cv2.imshow來做輸出。在無圖形界面的服務(wù)器上調(diào)試或者批量處理圖片時cv2.imshow會直接報錯但cv2.imwrite可以正常使用。養(yǎng)成寫文件而不是彈窗口的調(diào)試習(xí)慣能少踩很多坑。3. 車牌定位從原圖到目標(biāo)區(qū)域3.1 圖像預(yù)處理灰度化、去噪與邊緣檢測車牌定位的第一步是做圖像預(yù)處理。一張原始圖片可能有各種顏色背景也可能很復(fù)雜——樹、墻壁、行人、其他車輛什么都有。直接在這張圖上找車牌是不現(xiàn)實的要先做減法。我采用的預(yù)處理流程是灰度化 → 高斯模糊 → 邊緣檢測 → 二值化。首先看灰度化。車牌的顏色信息藍色底白字、黃色底黑字、綠色底白字等在定位階段其實并不是必須的反而會讓計算量增大。把它變成灰度圖就是去掉顏色信息只保留亮度信息gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)接著做高斯模糊。這一步的作用是去除圖像中的噪聲和細節(jié)紋理。車牌邊緣相比于復(fù)雜的背景紋理來說是大尺度的特征模糊掉小紋理能減少干擾blurred cv2.GaussianBlur(gray, (5, 5), 0)高斯模糊的核大小(5, 5)是我在實測后覺得比較合適的核太小去噪效果差核太大又容易把車牌的邊緣細節(jié)也磨掉。然后是邊緣檢測我用的是Canny算子。這是OpenCV里最經(jīng)典的邊緣檢測算法它能在保持邊緣連續(xù)性的同時抑制噪聲edges cv2.Canny(blurred, 50, 150)Canny的兩個閾值參數(shù)也需要根據(jù)實際圖片調(diào)整。低閾值50、高閾值150是我在晴天、光線充足的車牌照片上調(diào)出來的經(jīng)驗值。如果圖片中車牌邊緣太弱、檢測不到可以把閾值調(diào)低到30~40反之如果檢測出太多噪聲邊緣則適當(dāng)調(diào)高。3.2 形態(tài)學(xué)操作讓車牌的輪廓連成一片邊緣檢測做完之后車牌的輪廓已經(jīng)能看到一些了但邊緣往往是斷斷續(xù)續(xù)的——因為車牌上的字符、邊框和背景之間有些地方的梯度不夠明顯Canny檢測出來的是斷開的碎片。這時候就需要形態(tài)學(xué)操作登場了。我做的是兩步先膨脹再閉運算。膨脹操作讓邊緣變得更粗、更連續(xù)kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) dilated cv2.dilate(edges, kernel, iterations2)閉運算是先膨脹后腐蝕作用是把車牌區(qū)域內(nèi)部的小孔洞填上讓整個車牌區(qū)域變成一個實心的連通塊closed cv2.morphologyEx(dilated, cv2.MORPH_CLOSE, kernel)3.3 輪廓提取與候選區(qū)域篩選形態(tài)學(xué)處理完車牌區(qū)域已經(jīng)變成一個明顯的亮色塊狀區(qū)域了。接下來用cv2.findContours提取輪廓然后根據(jù)車牌的特征來篩選候選區(qū)域contours, hierarchy cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)提取到輪廓之后核心工作就是篩選。標(biāo)準車牌的寬高比大約是3.14:1440mm : 140mm這個比例是非常穩(wěn)定的特征。我設(shè)定的篩選取值范圍是for cnt in contours: x, y, w, h cv2.boundingRect(cnt) aspect_ratio w / float(h) area w * h # 車牌寬高比約3~4面積占圖片總面積比例在0.0004~0.02之間 if 2.5 aspect_ratio 4.5 and 0.0004 area / (image.shape[0] * image.shape[1]) 0.02: candidate cnt break這個范圍不是我隨便拍的。標(biāo)準車牌寬高比3.14但實際拍攝時因為角度、透視的影響這個值會在2.5到4.5之間波動。面積比例則是根據(jù)我的測試圖片尺寸約1920x1080車牌在圖中約占幾百到幾千像素來估算的。如果你自己的圖片里車牌占比更小或更大需要相應(yīng)調(diào)整這個范圍。如果一次篩選出多個候選區(qū)域我的策略是按照面積從大到小排序優(yōu)先選擇面積最大的那個——因為在實際拍攝中面積最大的那個輪廓通常就是距離最近、最清晰的車牌。篩選完成后cv2.boundingRect得到的是最小正矩形但如果車牌有傾斜正矩形包住的區(qū)域會包含很多背景。這時候就要用到最小外接矩形rect cv2.minAreaRect(cnt) box cv2.boxPoints(rect) box np.int0(box)cv2.minAreaRect返回一個旋轉(zhuǎn)矩形包含中心坐標(biāo)、寬高和旋轉(zhuǎn)角度這個角度在下一步矯正中非常關(guān)鍵。3.4 透視變換矯正傾斜的車牌實際拍攝的車牌幾乎不可能是絕對正對著鏡頭的多多少少有傾斜。如果直接分割字符會存在嚴重的誤差。矯正的方法是用透視變換把傾斜的車牌映射成一個正面的矩形。先獲取車牌四個角點映射到一個標(biāo)準的車牌尺寸上# 假設(shè)box是車牌區(qū)域的四個角點按照一定順序排列 src_pts np.array(box, dtypefloat32) # 標(biāo)準車牌尺寸以寬度440px、高度140px為例 dst_pts np.array([[0, 0], [440, 0], [440, 140], [0, 140]], dtypefloat32) # 計算透視變換矩陣 M cv2.getPerspectiveTransform(src_pts, dst_pts) # 執(zhí)行透視變換 warped cv2.warpPerspective(image, M, (440, 140))這里要注意src_pts角點的順序必須和dst_pts一一對應(yīng)否則變換結(jié)果會錯亂。cv2.boxPoints返回的角點順序不一定是我們想要的需要手動排個序——按左上、右上、右下、左下的順序排列。排序的代碼可以這樣寫def order_points(pts): rect np.zeros((4, 2), dtypefloat32) s pts.sum(axis1) rect[0] pts[np.argmin(s)] # 左上角xy最小 rect[2] pts[np.argmax(s)] # 右下角xy最大 diff np.diff(pts, axis1) rect[1] pts[np.argmin(diff)] # 右上角x-y最小 rect[3] pts[np.argmax(diff)] # 左下角x-y最大 return rect這一套流程跑完拿到的warped就是一張規(guī)規(guī)矩矩的車牌正面圖了。4. 車牌字符分割把牌照拆成單個字符4.1 二值化處理與去噪車牌區(qū)域拿到之后下一步是分割字符。字符分割的質(zhì)量直接決定了識別精度——如果字符切歪了、切殘了后面識別做再好也沒用。先對矯正后的車牌做預(yù)處理。首先是二值化把車牌圖片變成黑白兩色warped_gray cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY) _, binary cv2.threshold(warped_gray, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU)這里我使用了Otsu自適應(yīng)閾值它能根據(jù)圖片的灰度分布自動計算最佳的二值化閾值比固定閾值比如127魯棒得多。因為不同環(huán)境下拍攝的車牌亮度和對比度差異很大固定閾值很容易翻車。二值化之后還要去噪。車牌上常見噪聲來源有兩個一是鉚釘車牌四角的小圓點二是邊框。鉚釘和邊框如果在二值化圖片上殘留會干擾字符分割。去除鉚釘和邊框的方法有很多我用的是形態(tài)學(xué)開運算 邊框裁剪的組合kernel np.ones((3, 3), np.uint8) binary cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)接著把車牌最外圈的幾行、幾列像素直接裁剪掉因為邊框在二值化后通常會連成一條白線h, w binary.shape binary binary[5:h-5, 5:w-5]4.2 字符分割的核心方法字符分割我嘗試過三種主流方法垂直投影法、連通域法、輪廓檢測法。垂直投影法的大致原理是把二值化后的車牌圖片的每一列的白像素數(shù)量做一個統(tǒng)計列與列之間形成波峰和波谷。字符所在區(qū)域白像素多波峰字符之間的間隙白像素少波谷。根據(jù)波峰波谷的分界就能把字符切出來。這在很多教程里是首選方法但我實測下來它對噪聲和粘連字符非常敏感只有當(dāng)車牌特別干凈、對比度特別高的時候才穩(wěn)定。稍微有點噪點就切不對。連通域法是把圖片中連通的白色區(qū)域找出來。字符和字符之間是分開的屬于不同連通域按x坐標(biāo)排序后就能依次切出。這比垂直投影更穩(wěn)定但也會把噪點、鉚釘誤判成字符。輪廓檢測法和連通域法原理類似但用的是cv2.findContours。我最終選用的就是輪廓檢測法配合寬高比和面積過濾contours, _ cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) char_regions [] for cnt in contours: x, y, w, h cv2.boundingRect(cnt) area w * h ratio h / float(w) # 字符寬度約占車牌寬度的10%~20%高度約占40%~90% if 0.1 * binary.shape[1] w 0.25 * binary.shape[1] \ and 0.4 * binary.shape[0] h 0.95 * binary.shape[0] \ and area 50: char_regions.append((x, y, w, h)) # 按x坐標(biāo)從小到大排序 char_regions.sort(keylambda r: r[0])4.3 字符歸一化處理分割出來的字符大小不一在做識別之前需要歸一化成統(tǒng)一的尺寸。標(biāo)準車牌字符的寬高比大約是0.5左右比如字符寬45mm、高90mm我這里把每個字符都縮放成20x40像素resized cv2.resize(char_img, (20, 40), interpolationcv2.INTER_AREA)INTER_AREA是縮小圖片時效果最好的插值算法不會產(chǎn)生明顯的鋸齒。放大時則用INTER_CUBIC效果更好但因為我們是在縮小車牌字符通常遠大于20x40像素所以用INTER_AREA。歸一化之后每個字符就變成了一組長度80020x40的特征向量后面無論是做模板匹配還是訓(xùn)練CNN輸入格式都統(tǒng)一了。分割完了還要做一步驗證標(biāo)準車牌是7個字符第一位是省份漢字簡稱第二位是字母后面五位是字母和數(shù)字混排所以正常情況下應(yīng)該分割出7個字符。如果少于6個或多于8個說明分割出問題了需要回到前面調(diào)整參數(shù)。5. 字符識別從模板匹配到輕量級CNN5.1 模板匹配的實現(xiàn)原理字符識別最簡單的方案就是模板匹配。思路很樸素準備一套標(biāo)準字符模板各省簡稱漢字、大寫字母A-Z、數(shù)字0-9然后把分割出來的字符圖片和每個模板做相似度比較取最相似的作為識別結(jié)果。OpenCV里用cv2.matchTemplate實現(xiàn)模板匹配再配合cv2.minMaxLoc取最佳匹配位置result cv2.matchTemplate(char_img, template_img, cv2.TM_CCOEFF_NORMED) _, max_val, _, _ cv2.minMaxLoc(result)TM_CCOEFF_NORMED是歸一化相關(guān)系數(shù)匹配法輸出值在-1到1之間越接近1表示匹配度越高。模板匹配的優(yōu)勢是簡單、快、不需要訓(xùn)練。它的劣勢也很明顯對字體變化、字符變形、模糊特別敏感。如果實際車牌用的字體和模板字體差太多識別率會直線下降。我做模板匹配時踩過最大的坑是沒有提前做二值化統(tǒng)一。如果分割出來的字符是灰度圖而模板是二值圖匹配結(jié)果就會很差。后來我把字符和模板都統(tǒng)一轉(zhuǎn)成相同尺寸的二值圖識別率才有了明顯提升。模板匹配適合做一個快速原型驗證或者作為最終方案的baseline。5.2 基于CNN的輕量級識別方案如果追求更高的識別精度我推薦用一個極簡的卷積神經(jīng)網(wǎng)絡(luò)來做字符分類。不需要很大很復(fù)雜的模型車牌字符數(shù)量和類別是固定的省份漢字約30個實際用到的沒有30個排除一些未使用的大寫字母24個去掉I和O數(shù)字10個總共約60~70個類別。這個分類規(guī)模很小用一個三層卷積加全連接的輕量網(wǎng)絡(luò)就夠了。我用PyTorch或TensorFlow/Keras搭了個結(jié)構(gòu)很簡單的小網(wǎng)絡(luò)import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self, num_classes): super(SimpleCNN, self).__init__() self.conv1 nn.Conv2d(1, 32, kernel_size3, padding1) self.relu1 nn.ReLU() self.pool1 nn.MaxPool2d(2, 2) self.conv2 nn.Conv2d(32, 64, kernel_size3, padding1) self.relu2 nn.ReLU() self.pool2 nn.MaxPool2d(2, 2) self.fc1 nn.Linear(64 * 5 * 10, 128) self.relu3 nn.ReLU() self.fc2 nn.Linear(128, num_classes) def forward(self, x): x self.pool1(self.relu1(self.conv1(x))) x self.pool2(self.relu2(self.conv2(x))) x x.view(x.size(0), -1) x self.relu3(self.fc1(x)) x self.fc2(x) return x輸入是1x20x40的灰度圖經(jīng)過兩層卷積池化后特征圖尺寸變成64x5x10然后接全連接層輸出類別概率。訓(xùn)練數(shù)據(jù)可以自己造用電腦里的字體生成各種車牌字符圖片加上一些旋轉(zhuǎn)、噪聲、縮放等數(shù)據(jù)增強。我實際訓(xùn)練時用了3000張左右的字符圖訓(xùn)練20個epoch驗證集準確率能到99%以上。在實際使用中對單張字符圖推理一次大概只需要幾毫秒完全滿足哪怕視頻流的實時性要求。5.3 識別結(jié)果的后處理與校驗?zāi)玫阶址R別結(jié)果后還要做一個后處理校驗。車牌的字符排列是有固定規(guī)律的第一位必須是省份漢字簡稱京、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、新第二位是大寫字母對應(yīng)發(fā)牌機關(guān)代號通常排除I和O第三到七位是字母或數(shù)字混排但通常也會排除I和O為了避免和數(shù)字1、0混淆。所以我可以在輸出結(jié)果時加一個規(guī)則校驗province_chars 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 digits 0123456789 letters ABCDEFGHJKLMNPQRSTUVWXYZ result .join(predicted_chars) # 校驗規(guī)則 if result[0] not in province_chars: print(第一位應(yīng)為省份簡稱) if result[1] not in letters: print(第二位應(yīng)為字母) for ch in result[2:]: if ch not in digits and ch not in letters: print(后五位應(yīng)為字母或數(shù)字)這套校驗?zāi)軒臀覀優(yōu)V掉一部分明顯的識別錯誤。比如識別結(jié)果第一位是數(shù)字那肯定是錯了可以回到字符分割環(huán)節(jié)檢查是不是把車牌的外框或噪聲當(dāng)成字符切進來了。6. 實操過程中的常見問題與避坑指南6.1 環(huán)境安裝與報錯排查OpenCV的環(huán)境安裝問題可能是初學(xué)者遇到最多的我在實踐中也碰到過不少。最典型的一個報錯是ModuleNotFoundError: No module named cv2這個錯誤的原因很簡單OpenCV沒裝成功或沒裝到當(dāng)前使用的Python環(huán)境里。常見解決方法是pip uninstall opencv-python pip install opencv-python --user還有一類報錯是用cv2.imshow時直接崩了或者白屏尤其是在遠程服務(wù)器或Docker容器里cv2.error: The function/feature is not implemented ...這是因為當(dāng)前環(huán)境中沒有圖形界面支持OpenCV無法創(chuàng)建顯示窗口。解決辦法是改用cv2.imwrite保存圖片到文件然后用其他工具查看。我在之前的項目里就是這么調(diào)試的——把處理中間結(jié)果全部保存成圖片一張張看。6.2 圖像質(zhì)量問題導(dǎo)致識別失敗實際拍攝的車牌圖片如果是在陰天、傍晚或者背光場景拍的車牌區(qū)域可能比較暗對比度不足。我實測后發(fā)現(xiàn)直接用Canny邊緣檢測會漏掉很多輪廓。這時候可以先做直方圖均衡化提升對比度gray_eq cv2.equalizeHist(gray)cv2.equalizeHist能把灰度分布拉開讓暗的地方變亮、亮的地方保持亮是低對比度場景下非常實用的預(yù)處理手段。需要注意的是直方圖均衡化只對灰度圖有效對彩色圖需要先轉(zhuǎn)成YCrCb之類的色彩空間只在Y通道上做均衡化否則會破壞顏色信息。另一個常見問題是車牌的藍色在灰度圖里和深色背景區(qū)分度不高。如果檢測不出來可以考慮增加顏色過濾的路子——直接在HSV空間里篩選藍色區(qū)域作為邊緣檢測的補充hsv cv2.cvtColor(image, cv2.COLOR_BGR2HSV) blue_mask cv2.inRange(hsv, (100, 100, 100), (130, 255, 255))藍色車牌對應(yīng)的H通道范圍大致在100~130之間。加上這層顏色過濾定位的成功率會大幅提升。當(dāng)然這也意味著系統(tǒng)只能識別藍底車牌如果想要兼容黃底、綠底車牌需要把對應(yīng)的顏色范圍都加進去。6.3 分割不準確時的調(diào)整思路字符分割常見的失敗表現(xiàn)有兩個一個是切出來的字符粘連在一起一個是字符被攔腰斬斷。粘連的原因通常是字符間距過小或者圖像分辨率不夠兩個字符的二值化區(qū)域連成了一片。我的經(jīng)驗是優(yōu)先檢查二值化閾值是否合適。用Otsu自動閾值仍然粘連的話可以試試自適應(yīng)閾值cv2.adaptiveThreshold它對光照不均的處理更好binary cv2.adaptiveThreshold(warped_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)字符被切斷則往往是因為邊緣檢測或形態(tài)學(xué)操作參數(shù)太激進把字符內(nèi)部的筆畫當(dāng)成了背景。可以把膨脹迭代次數(shù)從2降為1或者把閉運算的核尺寸調(diào)小。如果分割結(jié)果不穩(wěn)定我還有一個調(diào)試技巧把每一張分割出的字符圖單獨保存到一個目錄里按順序用數(shù)字命名。這樣一眼就能看出分割是否錯位、是否多了或少了字符。這也是我前面說的output/目錄的用途之一。6.4 性能優(yōu)化建議雖然靜態(tài)圖片識別不需要太關(guān)注性能但如果要用在視頻流或嵌入式設(shè)備上就有優(yōu)化空間了。首選的優(yōu)化方向是降低處理分辨率。車牌識別對分辨率的敏感度沒那么高——車牌本身是高頻信息集中的區(qū)域只要車牌區(qū)域在圖片中足夠大就好。我的做法是如果原始圖片是1920x1080先縮放到1280x720再處理。實測下來精度幾乎不受影響速度提升卻能接近一倍。第二個優(yōu)化方向是縮小搜索范圍。攝像頭固定場景下比如停車場入口車牌通常出現(xiàn)在畫面的中下區(qū)域、固定的幾個車道位置??梢韵茸鲆粭lROI感興趣區(qū)域設(shè)定只在這個區(qū)域里做車牌定位能省掉大量背景干擾也大幅減少計算量。第三個優(yōu)化方向是避免重復(fù)計算。如果在做視頻流識別相鄰幀之間車牌位置變化很小可以用上一幀定位到的位置作為當(dāng)前幀的初始搜索區(qū)域只在這個小區(qū)域內(nèi)重新定位。這種跟蹤式的思路能大幅提升幀率。7. 項目完整代碼框架下面是我項目的完整代碼框架你可以直接參考或在此基礎(chǔ)上擴展。完整的代碼我按模塊組織方便調(diào)試和復(fù)用。主程序main.pyimport cv2 import numpy as np from plate_locator import locate_plate from char_segmenter import segment_chars from char_recognizer import recognize_chars def main(image_path): # 1. 讀取圖片 img cv2.imread(image_path) if img is None: print(圖片讀取失敗) return # 2. 車牌定位 plate_img locate_plate(img) if plate_img is None: print(未檢測到車牌) return # 3. 字符分割 char_imgs segment_chars(plate_img) if len(char_imgs) 7: print(字符分割異常分割出 %d 個字符 % len(char_imgs)) return # 4. 字符識別 result recognize_chars(char_imgs) print(車牌號碼, result) if __name__ __main__: main(test_car.jpg)車牌定位模塊plate_locator.pyimport cv2 import numpy as np def order_points(pts): rect np.zeros((4, 2), dtypefloat32) s pts.sum(axis1) rect[0] pts[np.argmin(s)] rect[2] pts[np.argmax(s)] diff np.diff(pts, axis1) rect[1] pts[np.argmin(diff)] rect[3] pts[np.argmax(diff)] return rect def locate_plate(image): # 預(yù)處理 gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) gray cv2.equalizeHist(gray) blurred cv2.GaussianBlur(gray, (5, 5), 0) # 邊緣檢測 edges cv2.Canny(blurred, 50, 150) # 形態(tài)學(xué)操作 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) dilated cv2.dilate(edges, kernel, iterations2) closed cv2.morphologyEx(dilated, cv2.MORPH_CLOSE, kernel) # 輪廓檢測 contours, _ cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) h, w image.shape[:2] best_area 0 best_box None for cnt in contours: rect cv2.minAreaRect(cnt) box cv2.boxPoints(rect) box np.int0(box) roi_w rect[1][0] roi_h rect[1][1] if roi_w roi_h: roi_w, roi_h roi_h, roi_w aspect_ratio roi_w / float(roi_h) area roi_w * roi_h if 2.5 aspect_ratio 4.5 and area best_area: # 面積比例和寬高比都滿足條件 if 0.0004 area / (h * w) 0.02: best_area area best_box box if best_box is None: return None # 透視變換 src_pts order_points(best_box) dst_pts np.array([[0, 0], [440, 0], [440, 140], [0, 140]], dtypefloat32) M cv2.getPerspectiveTransform(src_pts, dst_pts) warped cv2.warpPerspective(image, M, (440, 140)) return warped字符分割模塊char_segmenter.pyimport cv2 import numpy as np def segment_chars(plate_img): gray cv2.cvtColor(plate_img, cv2.COLOR_BGR2GRAY) # 二值化 _, binary cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) # 去除邊框 h, w binary.shape binary binary[3:h-3, 3:w-3] # 輪廓檢測 contours, _ cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) char_regions [] for cnt in contours: x, y, w, h cv2.boundingRect(cnt) area w * h ratio h / float(w) if w 0 else 0 if 0.1 * binary.shape[1] w 0.25 * binary.shape[1] \ and 0.4 * binary.shape[0] h 0.95 * binary.shape[0] \ and area 50: char_regions.append((x, y, w, h)) char_regions.sort(keylambda r: r[0]) char_imgs [] for (x, y, w, h) in char_regions: char binary[y:yh, x:xw] resized cv2.resize(char, (20, 40), interpolationcv2.INTER_AREA) char_imgs.append(resized) return char_imgs字符識別模塊char_recognizer.pyimport cv2 import numpy as np import os class CharRecognizer: def __init__(self, template_dir, char_dict_path): self.templates [] self.labels [] # 加載模板這里支持從一個目錄中讀取所有模板圖片 for label in os.listdir(template_dir): label_path os.path.join(template_dir, label) for file in os.listdir(label_path): img cv2.imread(os.path.join(label_path, file), 0) img cv2.resize(img, (20, 40), interpolationcv2.INTER_AREA) _, img cv2.threshold(img, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) self.templates.append(img) self.labels.append(label) def recognize(self, char_imgs): result for char in char_imgs: _, char cv2.threshold(char, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) best_score -1 best_label ? for template, label in zip(self.templates, self.labels): score cv2.matchTemplate(char, template, cv2.TM_CCOEFF_NORMED)[0][0] if score best_score: best_score score best_label label result best_label return result def recognize_chars(char_imgs): # 這里可以替換成CNN實現(xiàn) recognizer CharRecognizer(templates/, None) return recognizer.recognize(char_imgs)這套代碼框架雖然樸素但把整個流程跑通是沒問題的。如果你后續(xù)接入CNN識別只需要修改recognize_chars函數(shù)的實現(xiàn)車牌定位和字符分割的代碼可以完全復(fù)用。8. 個人的一些實操心得做這個車牌識別項目我最大的感受是算法這東西紙上談兵是一回事跑起來是完全另一回事。你可能在理論上覺得車牌定位很簡單——不就是找輪廓嘛——但實際一跑發(fā)現(xiàn)光照、角度、背景雜色都會把結(jié)果搞得一團糟。每一步的參數(shù)調(diào)整都是基于大量實拍的反復(fù)試錯。我給準備做這個項目的朋友三個建議第一不要一開始就追求復(fù)雜方案。先跑通傳統(tǒng)方法讓整個鏈路work起來再逐步替換或進化某個環(huán)節(jié)。直接一上來就上YOLO加CNN代碼是跑通了但你什么都沒學(xué)到。第二一定要自己準備測試集。不要只用網(wǎng)上教程里的那幾張圖片做驗證。自己拿手機拍各種場景——白天、晚上、晴天、陰天、遠距離、近距離、不同顏色車牌——測試集越多樣你對算法穩(wěn)健性的理解就越深。第三做好可視化調(diào)試。把每一步的中間結(jié)果都保存成圖片肉眼觀察變化是最有效的調(diào)試方式。不要只盯著最后輸出中間過程往往藏著問題的根源。車牌識別系統(tǒng)雖然看起來是個小項目但它覆蓋了圖像處理的大部分核心知識點。真正吃透這個項目你再去學(xué)人臉檢測、物體識別、OCR這些方向會發(fā)現(xiàn)很多東西是相通的。這套從定位到分割到識別的思維框架在計算機視覺領(lǐng)域里可以復(fù)用到很多場景。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
亚洲区 欧美区| 色网在线| 搞中出视频在线观看| 免费超碰97久久| 国产吹潮女在线观看| 乱人乱色一区二区三区免费| 国产精品成久久久久午夜午夜| www.99色| 亚洲一区二区三区欧美日韩| 五月天婷婷综合网| 天堂涩涩| av天堂加勒比| 国产午夜在线观看| 国产精品午夜高潮呻吟久久av| 久久久久9999精品九九九| 我爱大香蕉| 91青视频| 女人18精品一区二区三区| 上床啊啊啊| 波多野结衣AV无码一区| 亚洲男人天堂Av| 77国产精品| 欧美色图欧美| 国产又黄又粗的视频| 操逼逼无码| 欧美三级一级| 蜜臀99久久精品| 国产97在线视频| 天天色天天干天天射| 成人看片网站| 色天堂在线观看| 亚洲色图图片| aaaa黄片| 无码一区二区三区四区五区六区七区八区九区十区视频 | 亚洲AV资源| 国产免费久久精品99re韩国| 亚洲图片91| 日韩人妻一二三区视频| 丝袜制服字幕在线| 婷婷国产精品一区二区| 欧美日韩精品一区二区三区高清| 欧美亚男人的天堂| 999热这里只有精品| 91在线超高颜值国产| 九九热免费视频| 亚洲日产专区婷婷| 精品国产AV一区天美传媒| 青娱乐亚洲自拍| 人人污日韩一区二区| 新91视频.cmp| 亚洲婷婷五月天| 亚洲欧美综合网站| 95自拍视频在线观看| 欧美熟妇视频| 9久久精品| 久久美女国产| 第45页一区二区| 大香蕉中文在线| 无码抄逼网| 亚州综合色图| a片 xxxx受爽视频| 成年女人18级毛片毛片免费观看| 99re6国产精品99re| 91人精品妻入口| 97天天摸天天碰| 国产日韩美女小穴视频网站不卡| 综合欧美日本三级| 久久久久921| 家庭乱伦国产精品| 好屌色综合| 亚洲欧洲自拍图片专区满春格| 黑丝少妇| 亚洲欧美碰碰| 91久久久久久| 午夜噜噜噜| 人人做人人妻人人夜视频| 麻豆伊人网| 日本成熟少妇A∨网站| 天美av在线观看| 96久久久久| 综合五月婷婷| 欧美综合网A| 99ri视频| 欧美少妇色图| 殴美牲| 欧美啪啪色吧在线| 性色一线| 99热伊人| 大香蕉伊利av| 青娱乐淫乱1314| 夜夜嗷嗷一区二区| 天堂中文资源在线bt| 成人精品视频| 亚洲无码色| 精品综合久久久久久97| 亚洲天堂 视频你懂的| 欧美日韩亚洲少妇寂寞影院正在播放| 久久女婷| 起碰97| 国产原创精品| 成人乱人伦一区二区| 99久热精品99re6热| 狠狠久久手机视频精品| 色天堂综合| 亚州一区二区成人片免费| 亚洲精品国产av天美传媒| 天堂俺去俺来也www久久婷婷| WWW.加勒比人妻一区不卡.com| 色y情视频免费看| 夜草欧美| 亚洲欧美中文日韩视频中国语| 国产精品一区在线播放| 91xingse| 香蕉黄色一级视频| 久久久精品一区二区| 中文字幕日本久久| 亚洲加勒比| 亚州综合电影| 色玖玖| 操国产高清| 天天日日日射| 国产操偷| 久久久蜜桃臀无码视频| 中文字幕第95页| 九九成人视频| 可以免费看黄片的视频| 啊啊啊久久久视频| 98色网| 内射老妇BBWX0C0CK| 一区二区视频你懂的| 强奸乱伦资源| 欧美91精品国产自产| 中文字幕-区二区三区四区视频中国| 午夜福利区| 久久激情网| 亚洲国产精品乱码在线观看| 韩国手机不卡无码三级视频| 少妇高潮一区二区三区在线| 亚洲综合有玛| 午夜国产成人福利视频 | 中文操逼字幕| 日韩91网| 91 丝袜在线观看| 欧美亚洲玖玖玖| 亚洲欧美自拍偷拍| 国产97免费视频| 美女的肌被草喷水视频| 精品一区二区亚洲国产| 日韩有码 一区二区三区| 啊啊啊啊啊舒服| 麻豆天美国美国产| 日韩女模中文造逼| 可能人人看人人摸| 亚瑟国产精品久久无码| 大香蕉淫人网| 人妻酒店出差被中出免费在线播放| 乱伦图av| 最新亚洲黄色免费电影| 色天天野狼综合社区| 亚洲一二三精品久久网| 国产超碰| 国产一区二区啪啪视频| 双插性欧美一二三区| 丰满人妻一区二区三区免费| 伊人久久大香线蕉亚洲五月天,青草青草欧美日本一区二区,欧美日产欧美日产国产 | 久久久婷婷| 国产精品久久久久久久AV大片| 俺去啦自拍| 久草色悠悠在线视频| 狠狠综合网| 欧美操逼熟女| 亚洲性爱乱操x| 久久女人| 97超碰中文在线| 欧美激情亚洲情色| 97在线观视频免费观看| 97在线观视频免费观看| 天天综合影院91| 天天爽天天操| 免费综合亚洲中文| 黄色AAAAA欧美| 超清福利精品视频在线| 国产综合色精品在线观看| 国产夫妻性生活视频| 嫩草影院永久在线制服丝袜| 综合干干干av久久久综合网| 日韩三级网址| 精品精品精品| 亚州精人品大香蕉| 亚洲午夜免费狠狠干| 91精品国产高清久久久久久,亚洲成人| 黄视频免费| 日韩无码极品| 青娱乐休闲视频在线观看| 欧美在线大香999| 国产suv精品一区二六| 欧美亚洲se91| 东北女人操比视频| 中文字幕精品久久久久人妻红杏ⅰ| 强上我不卡卡| 亚州成人a∨| 天堂资源欧美| AV丝袜少妇| 欧美欲色| 亚洲码和欧洲精品激情系列| 欧美日韩国产中文超碰| 精品久久久久9999| 手机不卡视频不卡在线一二三区| 欧美性猛交美女自慰91| 国产不卡片| 亚洲天天艹| 婷婷精品| 大香蕉520| 国产免费久久久久| 激情五月综合| 东京太热久久久| 亚洲18禁| 极品白嫩福利在线| 91网亚洲| 亚洲精品国产av天美传媒| 欧美白嫩在线放| 色哟哟1区2区| a啊啊啊啊啊啊啊啊一区二区| 亚欧操逼片在线观看 | 色婷婷电影网| 亚洲色天堂日韩中| 欧美专利1区2区3区4区5区免费| 嗯啊啊啊轻点视频 | 思思热在线视频在线| 国产欧美在线观看免费观看| 中文精品一区二去| 九九精品99| 日日操丁香五月天| 综合欧美日本三级| 99在线精品视频| 亚洲精品蜜桃久久久一区二区三区| 嗯阿好爽好紧| 91少妇通奸网站| 小电影欧美91| av网站免费看| 日韩国产不卡在线视频| 亚洲AV无码成人精品久久| 欧美日韩99| 99青草| 好看的91视频| 欧美日韩中文字幕不卡| 中文字幕乱亚洲美女精品一区| 91处女在线观看| 日本性爱欧美性爱| 精品性爱一二三区| 久久久草成人网站久久久草成人久久久草久久久| 啊啊啊用力在线观看| 玖玖爱一区在线| 久男人久久| 国产综合久久久麻桃个| 精品无码不卡视频| 激情综合网激情五月天| 精品国产99| 亚洲欧美变态| 在线中文字幕| 九九热视频在线观看| 天天狠| 国产精品电影推荐| 97干在线视频| 自拍视频一区在线观看| 乱精品一区字幕二区| 99青青草国产视频| 中文字幕青青草| 亚洲国产一级黄色视频| 九色婷婷| 97操在线| 又粗又长又大国产不卡| 爱av免费| 国产精品欧美激在线| 日韩无码人妻中字久久三区四区| 天天躁日日躁成人字幕aⅴ| 欧美国产伊人久久久久| 91偷拍欧美亚洲| 人妻美腿丝袜日韩| 久久久久亚洲三级电影| 欧美亚洲日韩人妻在线观看| 国产欧美成人精品| 欧美天堂在线| 亚洲欧美在线观看2021| 亚洲熟妇乱女区二区三区| 区自美91| 久久性爱精品一区| 久久精品视-一级做a爰片性色毛片16美国-中国女与老外在线精品 | 天天做天天爱天天爽AV| 蜜臀视频网站| 色久综合| 97国产精品在线观看| 尤物网址| 操逼999| 五月丁香六月综合缴清无码| 国产欧美美女免费观看视频| 天天综合网~91| 成人a大片在线观看| 久久最新免费视频23| 91久| 涩五月婷婷| 中文字幕免费看| A 在线网址| 亚洲人在线| 老熟女91| 色穴精品| 夜草网站| GVH-003 母子姦 青木玲-麻豆视频,麻豆视传媒短视频网站入口,麻豆视传媒官网直 | 爱妃国产亚洲视频中文字幕| 婷婷三区| 免费岛国一级片| 无码免费一区二区三区啪啪| 亚洲欧美另类图片| 五月婷婷六月色| 欧美在线电影| 大香蕉婷婷| 大香蕉性欧美| 91日韩在线| 青娱乐 青青青操 日逼| 韩国一级婬片A片AAAAA| 骚妻少妇精品性色无码四色A V| 国产亚洲美日韩Aⅴ中文字幕无码成人| 日韩精品操少妇| 免费少妇一区二区| 欧美日韩亚洲高清不卡一区二区三区| 国内毛片欧美香蕉精品| 91在线色| 久干9操| 91男同| 手机看片1025| 亚洲欧美97√| 玖玖97综合 | 欧洲亚洲天堂精品| 玖玖爱免费观看视频| 亚洲日本天堂| 丁香六月啪| 粉嫩av一区二区三区天美传媒| 亚洲精品99| 啊啊啊想要| 日韩精品三区四区| 中文字幕日韩电影人妻| 9长久久精品| 国产精品一区二区 尿失禁| 九七人妻在线| 九九色热| 韩日色费| 狠狠做深爱婷婷久久二区| 强奸乱伦大香蕉网| AV女优男人的天堂| 丰满少妇一区二区三区四区观看| 一本色道久久天天射天天干| 97国产伦理| 欧美日韩性爱视屏免费看了| 校园春色 欧美| 夜夜嗨av午夜成人| 国产第25页在线观看| 四虎影视国产精品| 欧美大码在线视频| 国产精品久久久久久照片| 激情久久日韩精品中文字幕麻豆| 99精彩视频| av网站在线看| 青青伊人加勒比海| 五月色综合| 人人操人人93| 日本中文字幕一区| 小草精彩毛片| 美女写真| 风月影院十八禁| 亚洲精品国产av天美传媒| 欧美十八禁在线看| 精品人妻免费观看| 蜜臀一二三区| 丁香五月天婷婷姐| 亚洲一区二区性爱电影| 久久久久久九九九九| 国产精品suv一区| 色综合色综合网| 欧美日韩大香蕉| 9999久久久久| 欧美成不卡网| 90后性网国产欧美| 人妻干天天| 97人人夜| 97一本大道亚洲一区| 五月婷婷六月天| 1人人看人人摸人人操| 啊啊啊慢点| 欲射影视| 久久免费老司机精品| 日本性爱网址| 亚洲97成人在线观看| 久久久久久久久9| 91中文精品日韩欧美在线| 激情看片网站| 日本免费专区| 亚洲av噜噜噜噜噜噜| 少妇精品久久久八区九区| 久操高青| 九九热精品| 日本熟女中文字幕一区| 中文字幕丰满人妻日本| 床戏久久久av一区二区麻豆| 熟女高潮合集-永久久久-成人AV| 国产青一二三| 激情五月天网| 色婷视频| 人妻精品视频一区二区| 成人性爱视频在线看| 免费人成毛片乱码| 亚洲天堂资源网| 国产三级中文字幕粉嫩| 都市激情人妻一区二区青青操视频| 亚洲欧洲偷拍一区| 中文字幕成人| 中文字幕av亚洲在线| 国产高清吃奶免费视频网站| 欧美综合天天| 精品久久久久久久| 深夜激情| 97在线视频观看免费| 欧美激情久| 闷骚老熟女15P| 超碰资源亚洲97| 天天综合网站| 婷婷五月天成人| 99热在线观看| 乱伦日本色图AⅤ| av天堂精品久久| 国产一区二区免费福利片| 97超碰站| 福利视频香蕉免费一区二区在线| 97干色| 欧美性91| 国产精品视屏| 亚洲色图91| 九九久久久| 中文字幕成人乱码熟女精品国50 | 91久久久久久| 久久婷婷色| 国产欧美日韩在线不卡第一页| 亚洲一卡2卡3卡4卡乱码网站| 黄色片一区二区三区四区五区| 青娱乐老司机视频| a片 xxxx受爽视频| 日本不卡一区二区| 操啊国产| www.91人妻.com| 超碰色男人操熟女| 欧美综合娱乐久久| 日韩一性一交一A片俄罗斯| 国产精品久久99日日| 国产欧美精选自拍一区| 欧美日韩香蕉| 久久综合激情| 五月天婷婷欧美三区| 久久精品一区二区三区不卡| 亚洲中文字幕妇伦久久| 亚洲情色一区三区| 九九九久久久久| 熟女网站最新| 蜜桃午夜视频一区二区| 男同专区一区二区三区在线| 超碰2017| 在线毛片片免费观看| 国产一级137片内射麻豆| 亚洲最大成人a毛毛片| 国产 日韩 欧美 中文 另类,国产 欧美 另类 制服 变态,高清 日韩 欧美 中文,高 | 亚洲人人夜夜澡人人爽| 99超碰网| 日本精品999| 一个人免费视频观看在线WWW| 肏逼福利网站| 久久人人爽爽人人爽人人片αV| 在线a v| 激情看片网站| 麻豆精品久久久久久久| 一区二区 电影 亚洲| 日本好吊色视频| 日韩天天综合| 看免费一级在线播放毛片| 在线播放一级无码视频| 久久这里只精品99re66图| 国产精品麻豆成人AV艾秋| 青青操97| 1.igao73.com 加入收藏 免费专区 国产精品 中文字幕 日韩精品 欧美精品 精彩 | 中文幕97| 大香蕉99re| 天天澡天天爽日日AV| 飘花国产午夜精品不卡| 色综合久| 91丝袜美女| 黄色一区三区| 综合另类| 最近2019中文字幕国语免费版| 99视频内射三四| 熟妇视频一区二区三区在线观看| 亚洲电影91| 密臀在线一区尤物| 亚洲激情综合另类男同| 成人午夜无码视频| 日han少妇无码| 中文字幕精品亚洲熟女| 亚洲欧美日韩中文播放| 人摸人人操人| 欧美最婬乱婬爆婬性视频 | 乱欲视频| 九月丁香综合网| 综合色图,成人综合网| 99re99视频在线免费观看| 啊啊啊啊无码| 免费精品中文字幕| 国产欧美日韩女同性恋ww喷水精品| 亚洲国产精品久久久男人的天堂| 91熟女网| 亚洲精品一区二区三区在线播放| 久久综合18p| AV色五月| www.99色| 骚货人妻偷情自拍在线视频| 嫩草 我啊~嗯~在线| 国产精品爆乳懂色蜜乳| 狼人久草| 中文字幕伊人| 久久精品国内Av熟女高清| 婷婷精品视频| 91视频综合在线| 欧美视频一| 9久久精品| 乱久久久| A一区片| 99免费视频| 伊人四虎综合| 亚洲色图欧美色图日韩色图| 日本亚洲vr欧美不卡高清专区| 狠狠97| 色综合天天| 手机不卡视频不卡在线一二三区| 少妇精品| 激情看片网站| 色臀aV| 超碰色男人操熟女| 一牛影视久久久一区二区三区| aV中文麻| 色欲日韩欧美在线一区| 亚洲男人的天堂网| 性色av大全| 久久99国产综合精品女同| 人妻久久| 啪啪综合网| 亚洲激情深爱文学小说网站| 久久精品毛片免费不卡| 手机久操欧美综合色码| 日韩欧美亚欧在线视频| 99国内精品| 欧美九九九九九| 人人爱操| 999热这里只有精品| 欧美日韩第一页| 九九综合久久| 啊啊啊啊啊啊啊啊要喷了| 国产在线视频二区| 91天堂视频| 欧美人人操人人插| 欧美丝袜激情| 妇女性内射冈站HDWWWCOM| 亚洲国产欧美日韩精品一区二区三区,国产一区二区三区在线看片,欧美性猛交 XXX | 干b网| 精品一区二区成人动漫| 91亚洲黄色网| 色99视频| 天堂性色| 1024久久高清视频| 亲子敌伦对白在线播放| 97玖玖人妻| 欧美精品精品一区二区| 亚洲熟妇无码一区二区三区| 国产精品白丝在线播放| 亚洲AV无码AV吞精久久久久| 新精精品久久精品| 强奸乱伦av电影| 青青草好吊| 亚欧高清在线| 东北女人高潮视频| 欧美乱色| 综合影院永久入口国产| 九九成人精品| 乱伦图av| 狠狠躁久久躁| 亚洲欧美精品一区天堂久久| 91香蕉国产尤物视频| 日日干日日操五月天伦理视频| 亚洲日韩av专区无码| 亚洲淫乱骚妇AV| 蜜乳AV一区| 中文熟女五十乱码在线| www.久久久久| 乱伦强奸区日韩| 日韩精品熟妇| 男人a天堂手机在线版| 91久久久久| 日韩97超碰中文字幕| 国产亚洲精品一区二区三区| 另类视频在线| 丁香六月婷婷| 在线视频 亚洲精品| 骚逼一区二区| 欧美成人一区二区三区在线播放| 人妻精品一区二区| 97色色色综合网站| 午夜理论片在线观看免费| 国产伊人精品在线| 青青草在线视频人人想人人上| 久久这里是精品| 国产精品午夜福利| 午夜呻吟欧美| 99精品久久久久久久婷婷| 78精品在线| 嗯阿好爽好紧| 日本高清有码网址视频| 97欧美| 亚洲情色一区二区三区| 久色网| 操逼视频国产无套| 99精品无码| 亚洲不卡不卡中文字幕不卡| 日本三级网页| 欧美91在线| 强奸熟女一区二区三区| 久久久人妻| 欧美亚洲色图另类国产| 天天操天天舔| a片亚洲一本通视频| 骚逼高潮久久精品| 日本精品无码三级网站| 久久久无码视频| 日日夜夜模| 亚洲有薄码区日本系列中文字幕| www.av在线视频| 久艹日日日| www. 男人天堂成人在线| 920日本午夜免费| 风流老熟女一区二区三区l| 91亚洲网| 老鸭窝成人| 伊人久久大香蕉线AV五月天| 五月婷婷深深爱| 蜜乳AV一区| 人人操,人人液| 9久9久9久9久视频网站| 日韩精品9999| 欧美性天天影视| 亚洲午夜福利视频| 午夜福利激情在线视频| 校园春色五月天| 91天天美女| 麻豆一区在线| 大香蕉免| 欧美日韩丝袜| 妺妺跟我一起洗澡没忍住| 中字幕人妻一区二区三区| 五月天伊人网| 亚洲校园激情| 在线亚洲丝袜视频网站| 欧美午夜色妇色鬼| 色老汉玖玖爱| www色婷婷| 网页导航五月天免费一二三区 | 美女91在线观看| 97精品国产97久久久久久免费| 天天看,天天做| 操操操日本的逼| 在线观看亚洲成人精品| 超碰在线一区| 欧美78P| 后入合集| 一区二区播放| 国产免费一区| 欧美久久人妻少妇一区二区| 婷婷情色五月天| 精品视频123区小说区| 99视频内射三四| 欧美啪啪女女| 91在线精品| 久久精品国产亚洲AV片多多 | 四虎影视 亚洲无码| 亚洲人久久久网| 欧美日韩精品国产91| 色老汉色| 91久久午夜无码鲁丝片久久人妻| 国产精品情侣啪啪| 91人人爽人人爽人人人,gav福利视频导航,日韩欧美亚洲国产字幕四区 | 99亚洲国产精品色一区二区三区| 97在线免费| 精品国产乱码久久久久久蜜臀| 青青草依人大香蕉| 大香蕉性欧美| 综合少妇网| 超碰人人干天天射| 久久亚洲一区女同性恋中文字幕 | 中文字幕综合人妻| 久操大香蕉超碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰 | 美女十八禁| 欧美久久人体| 啊啊啊骚| 综合久久2017| 又大又大又大又粗爽高潮观看| 亚欧成人一级片在线播放| 亚洲情欲| 99精品国产户外露出| 日本中文熟女视频| 51久久夜色精品国产麻豆| 涩涩涩综合| 黄片免费看的| 国产强奸超碰AV| 性色av婷婷久久一区二区点复制| 综合色播| 好湿好紧好爽 视频| 亚洲国产剧情少妇激情| 东北女人的毛片| 97这里只精品| 超碰碰小说97| 97资源站日韩| 国产捆绑一区| 先锋激情∨在线视频播放| 色狠狠 - 百度| 欧亚在线视频| 青青草日韩无码| 99久久无色码| 色大香蕉97N| 中文无线日韩一区| 天堂性色| 亚洲无码超碰免费| 精品一区二区成人| 97操操| 麻豆黄色五月天| 亚洲欧洲色情高清| 中出在线视频| 大香蕉综合网| 两女互慰AV高潮喷水在线观看| 久久久久国产精品喷潮免费观看臀 | 天欧美在线| 夜夜高潮夜夜爽夜夜爱爱一区| 精品九九| 日韩亚洲国产视频| 天天做天天爱天天爽| 九九九久千久久激情蜜桃在线看 | 国产精品懂色tv影视免费观看| 欧美日韩99| 男女打扑克高清网站| 一区,二区,三区视频| 精品人妻一区二区蜜桃视频| 国产精品96| 乱伦图av| 欧美图片偷拍| 亚洲熟女乱综合一区二区三区 | 久久天天艹| 亚洲欧美成人在线| 欧美 青青草| 中文字幕av一区二区三区人妻少妇| 精品午夜福利| 国产一区二区精品久久99| 婷婷综合五月天| 久久国模av| 欧美精品黑人猛交高潮| 久久精品国产99精品亚洲蜜...| 国产97色在线| 精久久久91| 无码二级三级| 精品久久久久久中文字幕三区 | 国产性爱乱伦AV| 久久久久精| 精彩久久中文| 精品人妻免费观看| 丁香九月激情啪| 人妻人人澡人人爽人人| 精品视频久久| 天天看天天在线精品| 亚洲综合色男人网| 97少妇人妻中文字幕久久| 亚洲自拍偷拍视频在线| 强免费黄色网址| 96免费视频在线| 亚洲丝袜少妇在线| 亚洲 国产 精品一区| 歐美一級亂黃99在綫精品| 97精品一区| 欧美亚洲素人制服精品| 亚洲不卡AV在线| 精品人妻视频一区二区在线播放 | 综合天天。| 亚洲激情在线观看一区| 人人人人人人少妇| 破处bbq| 中文字幕一二区二三区人妻专区| 久久久999日本大片| 亚洲日韩资源| 国产精品自拍xxxx| 国产AV天美| 黄骗免费网站| 开心激情婷婷| 后入式999| 国产免a费看黄片在线| 嗯嗯啊啊操死我| 人妻欧美| 超碰免费在线| 9久9久| 国产一级作爱毛片| 蜜臀久久99精品| 国产黄色视频久久| 人妻久热在线| 97超碰色色| www.99热| 人人操人人操人妻人| 亚洲精品aa久久伊人| 欧美日韩婷婷中文| 精品久久久久久AV无码| 亚洲乱色视频一区、二区在线| 久久加勒比| 亚洲成人综合在线| 97精品一区| 日本理论在线| 超碰综合97在线| 欧亚乱色熟女一区二区| 中文字幕精品久久久久人妻红杏ⅰ| 自拍偷拍第26| 中文字幕乱码人妻一区二区三区,99精品 | 大香蕉520| 久操免费电影| 97av在线视频| 超碰吊日色| 久久久com| 中国和日本人色哪个不下载能放| 日本黄 R色 成 人网站| 四虎影视国产精品| 97av在线视频| 9Ⅰ超碰| 99re9在线| 亚洲图片欧美| 好淫网一二三视区| 2021国产成人精品久久| 北京专精特新企业招聘信息| 午夜小电影在线插入淫高潮| 夜夜操天天肏| 99久久精品无码一区二区毛片免费| 成人综合网 欧美| ,成人免费啪啪视频| 屌妞视频久久久久久久 | 中文一区二区三区影院| 午夜久久一区二区无码中出| 很很操在线| 久久久久久久久九九久孕交| 91精品久久久| 亚洲天天影视色综合| 一级啊性爱在线视频| 天天操天天干美女网址导航| 丁香五月天激情综合| 色悠久| 天天日日日射| 日本免费人成视频播放120秒| 学生妹天天看| 熟女突然公开看18禁影片 | 十八禁成人网站在线观看| 欧美综合色综合| 九九碰九九爱97超碰| 最近二区三区视频大全| 夜夜狼人妻| 影音先锋视频在线| 91天天美女| 天天日少妇逼AV| 日韩强奸av| 青青欧美| 深爱五月天| 国产亚洲福利第一页丝袜| 嫩草影院永久在线制服丝袜| 国产成人www免费人成看片| 新91视频.cmp| 99精品丰满人妻无| 岛国毛片在线观看免费| 性欧美| 亚州宗合另类| 少妇一级婬片免费放一级a性色.| 午夜精品人妻二区三区| 色五月婷婷五月天| 久久久一区二区三区三州| 欧美激情精品久久久| 99热精品在线| 性暴力欧美猛交在线直播| 啊啊啊在线看| 亚洲情色第一页| 国产人妖的免费的视频| 四虎影视国产精品| 99.色网| 亚洲无码久久久久久久| 天天噜| 熟女高潮合集-永久久久-成人AV| 婷婷五月天AV| 国产成人99久久亚洲综合| 精品超碰色| av操操不卡| 九九无码视频| 澳门黄片一香蕉视频| 人妻天天爽夜夜爽2| 亚洲91av| 欧美三级中文字幕hd| 欧美色狠| 久久精品无码不卡| 熟妇亚洲一区二区三区| 偷看洗澡一二三区美女| 久久精品国产欧美日韩亚洲欧美日韩中文久久国产一区 | 亚洲97在线| 日韩综合97P| 女人天堂AV五区在线| 日va操| 精品欧美老熟女一二区| 97久久国产精品| 亚洲综合另类欧美久久久| wwwcaobibi| 中文字幕精品免费一区二区| 91美女视频直播| 欧美韩国你懂得在线 | 亚洲素人网| 欧美专区第一页| 日本肏逼视频在线观看| 久久精品国产亚洲妲己影视| 美女性91| 天天躁夜夜躁狠狠躁AV| 少妇与黑人高潮在线| 色玖玖| 婷婷视频在线免费观看| 乱伦一二三区| 一区二区三| 极品少妇久久久久| 9久精品视频在线观看| 小草三级久久观看| 巨爆乳肉感一区二区三区竹菊影视| 成 人片 黄色大片| 日本一级特级毛片视频| 国产精品一区二区三区在线| 欧亚揄拍偷拍精品视频| 欧美老妇综合网| 淮穴色AV| 大香蕉婷婷| 国产亚洲禁久一区二区 | 成人老鸭窝人人在线视频| 99色综合| 一块操欧美| 日本一区二区成人在线| 一级特黄aaa大片在线观看成人一级片在线观看 | 日本久久久精品电影| 97超碰亚洲| 蜜臀AV成人精品蜜臀AV久久| 夜夜肏2021| 99色在线视频| 再深点灬舒服灬太大了好硬好爽| 欧美日韩操逼动图| 6080YYY午夜理论片在线观看| 亚洲中字幕日本一区二区三区 | 在线观看黄色电话| 日韩A优精品在线观看| 日逼逼免费看| 久久黄片国产一区二区| 欧亚无码视频| 国产午夜精品理论片一二三区区| 懂色av一区二区三区天美传媒| 久久久久久久| 精品日日人妻| 成人青青草原伊人| 少妇色欲综合网2| 亚春色色| 东京热毛片调教| 久9爱精品| 97伊人超碰| 中文字幕第7页| #NAME?| 四虎影视国产精品| 999热日韩精品| 少妇大屁屁| 78精品在线| 亚洲国产天堂| 狼人狠干| 97九色| 青娱乐老司机视频| 国产综合在线视频网站| 99这里只有精品国产| 家庭乱伦国产| 福利社区午夜一区二区| 国产熟女完整版中字 | 97伦综合| 超碰九区| aa片毛片| Sekablack无码一区| 99在线免费公开视频| 日韩欧美成人性爱在线| 91成人久久 | 大香久久| 国产精品午夜AV完会免费| 囯产精品久久久久久久久久梁医生 | 亚洲欧美国产中文视频| 精品久久久久久无码| 操逼免费视频无码国产| 国产无马视频| 一级免费啪啪片| 五月天激情网图片| 青青国产精品在线| 亚洲欧美另类少妇精品| 日韩美女高潮喷水视频| 少妇精品久久久八区九区| 97人人夜| 欧美激情激情xxxx欧美专区| 啪啪啪精品| 97人人色| 综合久久9| 四虎午夜影院| 韩国成人精品久久久免费看| 日亚韩精品视频二区三| 亚洲精品视频二区| 第45页一区二区| 青青草无码视频| 哈哈操电影| 欧美日韩*字幕一区| 加勒比久久综合网高清| 开心五月婷婷激情| 男人的天堂在线2| 激情五月天丁香社区| 一区二区偷拍拍视频| 99re95| 久久久三区二区一区| 精品在线蜜臀| 性爱乱伦视频免费| 亚洲欧美激情在线视频| 青青11操操操操操操操操| 日本精品性生活久久久| 狠狠色五月亚洲91| 色欲Av人妻精品一区二| 多乙久久久久久| 黑操B| 人妻黑丝袜电影| 天堂综合网| 日本性爰一道本| 91欧美| 久久国模av| 蜜臀99久久国产| 欧美呦呦性爱| 国产热RE99久久6国产精品首| 91在线视频免费中出| 亚洲素人综合| 人妻精品免费一二三区| 911粉嫩人妻| 很黄很污的免费网站| 欧美日韩亚洲国产中文永久天天看| 屁股久久久久久| 美女尤物人人操| 欧美天天插| 9 9无尺码天堂网| 免费成人自拍视频在线| 色欲日韩欧美在线一区| 一区麻豆 高清中文字幕| 蜜汁欧美| 欧美精品日韩久久久九| 性爱动态120秒| 加勒比色综合| 日韩免费簧片| 9久热| 97视频新免费| 无码不卡八戒| 五月开心网| 国产精品国产| 久久这里只精品免费福利| 精品久热| 欧美 亚洲 综合 制服 另类| 亚洲综合欧美| 亚洲天堂久久| 精吧天堂| 十八禁视频一区二区| 色99色| 九九九九九九免费视频| 国产黄色小视频网站| 蜜桃久久综合视频| 日韩欧美~中文字| 免费一级精品啪啪视频| 高清不卡视频| 欧姜老司机| 俺去俺来也在线www| av一区二区三区四区五区久草臀| 天天综合-91入口| 大香蕉黄色一区| 亭亭在线资源| 亚洲精品白浆高清久久久久久| 中文字幕老熟妇黄色视频| 亚洲性刺激| 日韩成人精品视频自拍| 99热导航| 日韩国产精品人妻无码久久久| www.色婷婷| 91天天爽| 美女国产一区二区久久| 超碰人妻中文在线| 蜜乳中文字幕a在线| 欧美成人9797| 亚洲熟女人妻中文字幕一区二区| 中国亚洲呦女专区| 国产99999久久精品| 91深夜夜| 丁香五月天久久精品视频一区二区三区| 色姑娘综合网| 丰满人妻-区二区三区免费| 久久一二区四| 天天92av| 思思热在线| 大逼色网站| 亚洲国产一区二区三区四区国产| 2017超碰| 八人操人人摸人人看| 乱子伦一区二区三区国产精品| 国产精品永久免费10000| 欧美色图私拍91| 51国产午夜精品视频| 一区二区三区男女操逼黄色小电影| 欧美日韩1234| 97精品国产97久久久| 中文字幕乱亚洲美女精品一区| 国产精品交换一区二区| 干B网| 日韩精品 资源| 国产乱子伦久久精品综合一区二区三| 97人人草| 舔足天天操天天射| 91麻豆天美国产欧美| 1区2区3区视频| 天天干天天日天天射黄色| 大学生美女口爆| 久久久久9久久久久| 日本不卡高清免v欧美日韩在线观看| 一本一首道人妻少妇免费久久| 97资源视频| 国产白丝在线| 韩国成人精品久久久免费看| 亚洲宗合网| 久久性爱大全| 亚春色色| 国产按摩一区二区三区| 国产福利合集| 欧美色图亚洲特色| 亚欧性爱无码| 9999久久久久| 无套内射性感少妇视频| 男人的天堂1024| 五月天春色激情网| 麻豆视频国产一区二区| 殴洲老熟女| 亚洲一区二区精品福利| 又黄又硬又粗又长国产视频| 色色亚洲| 另类亚洲一区二区三区| 欧美熟妇亚洲版| 美女自卫慰黄网站免费| 欧美少妇人妻| 97精品视频免费| 国产强上视频在线观看|