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(yùn)營的一線實(shí)戰(zhàn)洞察。

基于MediaPipe與DTW/LSTM的人體動(dòng)作識(shí)別實(shí)戰(zhàn)指南

基于MediaPipe與DTW/LSTM的人體動(dòng)作識(shí)別實(shí)戰(zhàn)指南 簡介人體動(dòng)作識(shí)別是計(jì)算機(jī)視覺領(lǐng)域的一項(xiàng)關(guān)鍵技術(shù)其核心原理是通過分析視頻序列中的人體姿態(tài)變化來理解和分類動(dòng)作。該技術(shù)融合了姿態(tài)估計(jì)與時(shí)間序列分析在人工智能和人機(jī)交互中具有重要價(jià)值廣泛應(yīng)用于體感游戲、智能健身、安防監(jiān)控和虛擬現(xiàn)實(shí)等場(chǎng)景。本文聚焦于兩種核心時(shí)序建模方法動(dòng)態(tài)時(shí)間規(guī)整DTW和長短期記憶網(wǎng)絡(luò)LSTM。DTW作為一種經(jīng)典的序列對(duì)齊算法無需訓(xùn)練即可進(jìn)行高效的模板匹配適合快速原型開發(fā)而LSTM作為深度學(xué)習(xí)模型能夠?qū)W習(xí)復(fù)雜的時(shí)空依賴關(guān)系具備更強(qiáng)的泛化能力。通過結(jié)合MediaPipe提供的實(shí)時(shí)、輕量級(jí)人體關(guān)鍵點(diǎn)本指南提供了從數(shù)據(jù)預(yù)處理、特征工程到模型集成的完整工程實(shí)踐路徑為開發(fā)輕量級(jí)到復(fù)雜度的動(dòng)作識(shí)別應(yīng)用提供了切實(shí)可行的解決方案。1. 項(xiàng)目概述從姿態(tài)到動(dòng)作的智能識(shí)別最近在整理一個(gè)舊項(xiàng)目發(fā)現(xiàn)當(dāng)時(shí)為了一個(gè)手勢(shì)交互應(yīng)用折騰了好一陣子的人體動(dòng)作識(shí)別。核心需求很簡單讓電腦能“看懂”人做的一系列連貫動(dòng)作比如一套健身操、一段手語或者一個(gè)舞蹈動(dòng)作。這不僅僅是識(shí)別某個(gè)瞬間的姿勢(shì)而是要理解一個(gè)完整的、有時(shí)間順序的動(dòng)作序列。當(dāng)時(shí)市面上很多方案要么精度不夠要么對(duì)硬件要求太高要么就是延遲感人。最后我選擇了一條現(xiàn)在看來依然很實(shí)用的技術(shù)路線用MediaPipe來實(shí)時(shí)、高效地提取人體關(guān)鍵點(diǎn)然后用動(dòng)態(tài)時(shí)間規(guī)整DTW和長短期記憶網(wǎng)絡(luò)LSTM這兩種算法來識(shí)別動(dòng)作。前者適合做快速、輕量的模板匹配后者則能學(xué)習(xí)更復(fù)雜的時(shí)序模式。這個(gè)組合拳在資源有限又想達(dá)到不錯(cuò)效果的場(chǎng)景下特別香。今天就把這個(gè)項(xiàng)目的核心思路、代碼實(shí)現(xiàn)和踩過的坑系統(tǒng)地梳理一遍無論你是想做個(gè)體感游戲、健身指導(dǎo)應(yīng)用還是人機(jī)交互原型相信都能找到可以直接“抄作業(yè)”的部分。簡單來說這個(gè)項(xiàng)目就是一個(gè)完整的Python解決方案輸入是一段視頻或者實(shí)時(shí)攝像頭流輸出是識(shí)別出的動(dòng)作類別。它的價(jià)值在于提供了一個(gè)從基礎(chǔ)姿態(tài)提取到高級(jí)動(dòng)作理解的端到端實(shí)現(xiàn)并且對(duì)比了兩種經(jīng)典的時(shí)序建模方法。你不需要是深度學(xué)習(xí)專家只要對(duì)Python有基本了解就能跟著一步步搭建起來。2. 核心思路與技術(shù)選型解析2.1 為什么是MediaPipe DTW/LSTM做動(dòng)作識(shí)別第一步永遠(yuǎn)是“看見”人體。這里有幾個(gè)備選OpenPose、AlphaPose、MMPose等。我最終選擇MediaPipe主要是基于以下幾點(diǎn)實(shí)戰(zhàn)考量輕量與實(shí)時(shí)性MediaPipe的輕量級(jí)模型在普通CPU上也能跑到實(shí)時(shí)30FPS這對(duì)于需要快速響應(yīng)的交互應(yīng)用至關(guān)重要。OpenPose雖然精度高但速度慢對(duì)GPU有依賴。開箱即用的易用性MediaPipe提供了極其簡潔的Python API幾行代碼就能獲取到33個(gè)全身關(guān)鍵點(diǎn)的3D坐標(biāo)盡管Z軸是相對(duì)深度。這讓我們能把精力集中在動(dòng)作識(shí)別算法本身而不是在姿態(tài)估計(jì)這個(gè)前期環(huán)節(jié)耗費(fèi)大量時(shí)間調(diào)試。足夠的精度對(duì)于大部分日常動(dòng)作識(shí)別如揮手、深蹲、跳躍MediaPipe的精度已經(jīng)足夠。它的關(guān)鍵點(diǎn)穩(wěn)定性很好抖動(dòng)相對(duì)較小為后續(xù)時(shí)序分析打下了好基礎(chǔ)。拿到關(guān)鍵點(diǎn)序列后就要處理核心問題如何判斷兩段長度不同、速度不一的關(guān)鍵點(diǎn)序列代表同一個(gè)動(dòng)作這里我引入了兩種互補(bǔ)的方案DTW動(dòng)態(tài)時(shí)間規(guī)整這是一種經(jīng)典的序列對(duì)齊算法。想象兩個(gè)人在做同一個(gè)“高舉雙手”的動(dòng)作一個(gè)人做得快一個(gè)人做得慢直接逐幀比較會(huì)對(duì)不上。DTW能自動(dòng)“拉伸”或“壓縮”時(shí)間軸找到兩個(gè)序列間的最佳匹配路徑并計(jì)算一個(gè)距離值。距離越小動(dòng)作越相似。它的優(yōu)點(diǎn)是無需訓(xùn)練數(shù)據(jù)你只需要預(yù)先錄制一個(gè)“標(biāo)準(zhǔn)動(dòng)作”作為模板運(yùn)行時(shí)計(jì)算輸入序列與模板序列的DTW距離即可判斷。非常適合動(dòng)作庫固定、且需要快速上線的場(chǎng)景。LSTM長短期記憶網(wǎng)絡(luò)這是循環(huán)神經(jīng)網(wǎng)絡(luò)RNN的一種變體專門為處理時(shí)序數(shù)據(jù)而生。與DTW的模板匹配不同LSTM是數(shù)據(jù)驅(qū)動(dòng)的。你需要準(zhǔn)備一個(gè)標(biāo)注好的動(dòng)作數(shù)據(jù)集比如“深蹲”的視頻片段標(biāo)為0“開合跳”標(biāo)為1然后用這個(gè)數(shù)據(jù)集來訓(xùn)練LSTM網(wǎng)絡(luò)。訓(xùn)練好的網(wǎng)絡(luò)能夠理解動(dòng)作序列中復(fù)雜的時(shí)空依賴關(guān)系從而對(duì)新的序列進(jìn)行分類。它的優(yōu)點(diǎn)是能學(xué)習(xí)更抽象、更復(fù)雜的模式泛化能力更強(qiáng)但需要收集和標(biāo)注數(shù)據(jù)。為什么兩者都做在實(shí)際項(xiàng)目中這給了我們靈活性。項(xiàng)目初期動(dòng)作種類少可以用DTW快速實(shí)現(xiàn)原型驗(yàn)證。隨著數(shù)據(jù)積累和需求復(fù)雜化可以平滑過渡到使用LSTM模型獲得更好的識(shí)別效果和魯棒性。這個(gè)項(xiàng)目源碼就包含了這兩套方案的完整實(shí)現(xiàn)。2.2 項(xiàng)目整體架構(gòu)設(shè)計(jì)整個(gè)項(xiàng)目的代碼流程可以清晰地分為四個(gè)階段我把它畫成了一個(gè)簡單的處理流水線[視頻/攝像頭輸入] | v [MediaPipe姿態(tài)估計(jì)] |-- 逐幀提取33個(gè)關(guān)鍵點(diǎn)(x, y, z, visibility) | v [數(shù)據(jù)預(yù)處理與序列構(gòu)建] |-- 1. 歸一化消除人物位置、體型影響 |-- 2. 平滑濾波降低關(guān)鍵點(diǎn)抖動(dòng) |-- 3. 構(gòu)建等長時(shí)序序列供LSTM使用 | v / \ / \ / \ / \ [DTW實(shí)時(shí)匹配] [LSTM模型推理] (與預(yù)存模板比較) (加載預(yù)訓(xùn)練模型) \ / \ / \ / \ / v [動(dòng)作類別輸出]這個(gè)架構(gòu)的關(guān)鍵在于數(shù)據(jù)預(yù)處理模塊。MediaPipe輸出的原始關(guān)鍵點(diǎn)坐標(biāo)是依賴于人在圖像中的位置的。一個(gè)人站在畫面左邊和右邊做同一個(gè)動(dòng)作坐標(biāo)值會(huì)完全不同。因此必須通過歸一化例如以髖部中心為原點(diǎn)或以軀干長度為尺度單位來得到只反映肢體相對(duì)角度的特征這對(duì)提升識(shí)別率至關(guān)重要。3. 核心模塊實(shí)現(xiàn)與代碼精講3.1 MediaPipe姿態(tài)提取模塊這是所有工作的基礎(chǔ)。我們首先需要穩(wěn)定地獲取每一幀的人體關(guān)鍵點(diǎn)。import cv2 import mediapipe as mp import numpy as np class PoseEstimator: def __init__(self, static_image_modeFalse, model_complexity1, smooth_landmarksTrue): 初始化MediaPipe姿態(tài)估計(jì)器。 參數(shù) static_image_mode: 設(shè)為False用于視頻流True用于靜態(tài)圖片。 model_complexity: 模型復(fù)雜度0,1,2越高越準(zhǔn)但也越慢。1是平衡之選。 smooth_landmarks: 是否平滑關(guān)鍵點(diǎn)減少抖動(dòng)。 self.mp_pose mp.solutions.pose self.pose self.mp_pose.Pose( static_image_modestatic_image_mode, model_complexitymodel_complexity, smooth_landmarkssmooth_landmarks, min_detection_confidence0.5, min_tracking_confidence0.5 ) self.mp_drawing mp.solutions.drawing_utils def process_frame(self, image): 處理一幀圖像返回關(guān)鍵點(diǎn)列表和繪制了姿態(tài)的圖像。 # MediaPipe需要RGB格式的圖像 image_rgb cv2.cvtColor(image, cv2.COLOR_BGR2RGB) image_rgb.flags.writeable False # 提升性能 results self.pose.process(image_rgb) # 轉(zhuǎn)換回BGR用于OpenCV顯示 image.flags.writeable True image cv2.cvtColor(image_rgb, cv2.COLOR_RGB2BGR) landmarks [] if results.pose_landmarks: # 繪制姿態(tài)連接線 self.mp_drawing.draw_landmarks( image, results.pose_landmarks, self.mp_pose.POSE_CONNECTIONS ) # 提取33個(gè)關(guān)鍵點(diǎn)的坐標(biāo)和可見度 for lm in results.pose_landmarks.landmark: # lm.x, lm.y 是歸一化到[0,1]的圖像坐標(biāo) # lm.z 是相對(duì)深度值越小表示離攝像頭越近 # lm.visibility 是該點(diǎn)可見度的置信度 landmarks.append([lm.x, lm.y, lm.z, lm.visibility]) return np.array(landmarks), image注意lm.x和lm.y是歸一化坐標(biāo)相對(duì)于圖像寬高在做后續(xù)計(jì)算時(shí)通常需要根據(jù)圖像實(shí)際尺寸還原或者直接使用歸一化坐標(biāo)以保持尺度不變性。lm.z是相對(duì)深度單位不是物理尺度僅用于比較同一畫面中不同關(guān)鍵點(diǎn)的前后關(guān)系。3.2 關(guān)鍵數(shù)據(jù)預(yù)處理與歸一化原始關(guān)鍵點(diǎn)數(shù)據(jù)不能直接扔給DTW或LSTM。這里有幾個(gè)必須做的處理步驟1. 歸一化Normalization目標(biāo)是消除人物在畫面中位置和個(gè)體體型差異的影響。最常用的是以軀干為中心進(jìn)行歸一化。def normalize_landmarks(landmarks): 對(duì)單幀關(guān)鍵點(diǎn)進(jìn)行歸一化。 策略以左右髖關(guān)節(jié)的中點(diǎn)骨盆中心為新的原點(diǎn)。 if landmarks.size 0: return landmarks # MediaPipe Pose的索引23-左髖24-右髖 left_hip landmarks[23, :2] # 只取x, y right_hip landmarks[24, :2] hip_center (left_hip right_hip) / 2.0 # 計(jì)算軀干長度作為尺度參考例如髖中心到肩中心 # 11-左肩12-右肩 left_shoulder landmarks[11, :2] right_shoulder landmarks[12, :2] shoulder_center (left_shoulder right_shoulder) / 2.0 torso_length np.linalg.norm(hip_center - shoulder_center) # 防止除零 if torso_length 1e-7: torso_length 1.0 normalized [] for lm in landmarks: # 平移減去髖中心 translated_xy lm[:2] - hip_center # 縮放除以軀干長度 scaled_xy translated_xy / torso_length # 保留z和visibility信息可以簡單保留或做類似處理 normalized.append([scaled_xy[0], scaled_xy[1], lm[2], lm[3]]) return np.array(normalized)2. 平滑濾波SmoothingMediaPipe輸出雖然已經(jīng)內(nèi)置了平滑但在快速運(yùn)動(dòng)時(shí)關(guān)鍵點(diǎn)仍會(huì)有抖動(dòng)。我們可以加一個(gè)簡單的時(shí)間域?yàn)V波器比如移動(dòng)平均或一階低通濾波器。class LandmarkSmoother: 使用簡單移動(dòng)平均平滑關(guān)鍵點(diǎn)序列。 def __init__(self, window_size5): self.window_size window_size self.history [] def smooth(self, landmarks): self.history.append(landmarks.copy()) if len(self.history) self.window_size: self.history.pop(0) # 對(duì)歷史窗口內(nèi)的關(guān)鍵點(diǎn)求平均 smoothed np.mean(self.history, axis0) return smoothed3. 序列構(gòu)建Sequence Building對(duì)于LSTM我們需要構(gòu)建固定長度的輸入序列。通常采用滑動(dòng)窗口法。def build_sequences(frames_landmarks, sequence_length30, step5): 將連續(xù)的關(guān)鍵點(diǎn)幀構(gòu)建成供LSTM訓(xùn)練的序列樣本。 參數(shù) frames_landmarks: 所有幀的關(guān)鍵點(diǎn)列表每幀是(33, 4)的數(shù)組。 sequence_length: 每個(gè)序列的幀數(shù)時(shí)間步長。 step: 滑動(dòng)窗口的步長。 sequences [] for i in range(0, len(frames_landmarks) - sequence_length 1, step): sequence frames_landmarks[i:i sequence_length] # 此時(shí)sequence形狀為 (sequence_length, 33, 4) # 為了輸入LSTM我們通常將其展平或選擇關(guān)鍵特征。 # 例如只使用x,y坐標(biāo)并展平(sequence_length, 33*2) seq_features sequence[:, :, :2].reshape(sequence_length, -1) sequences.append(seq_features) return np.array(sequences)3.3 DTW動(dòng)作識(shí)別器實(shí)現(xiàn)DTW的核心思想是計(jì)算兩個(gè)時(shí)間序列的最小對(duì)齊成本。我們使用fastdtw庫它比純Python實(shí)現(xiàn)快得多。from scipy.spatial.distance import euclidean from fastdtw import fastdtw class DTWRecognizer: def __init__(self): self.templates {} # 鍵動(dòng)作名 值歸一化后的關(guān)鍵點(diǎn)序列列表 def add_template(self, action_name, landmark_sequence): 添加一個(gè)動(dòng)作模板。landmark_sequence是形狀為 (N, 33, 4) 的數(shù)組。 if action_name not in self.templates: self.templates[action_name] [] # 對(duì)模板序列也進(jìn)行歸一化處理 normalized_seq [normalize_landmarks(frame) for frame in landmark_sequence] # 通常我們存儲(chǔ)序列的緊湊特征例如只保留身體角度或相對(duì)坐標(biāo) feature_seq self._extract_features(normalized_seq) self.templates[action_name].append(feature_seq) def _extract_features(self, landmark_sequence): 從關(guān)鍵點(diǎn)序列中提取用于DTW比較的特征。這里簡化為例使用軀干和四肢的相對(duì)向量。 features [] for frame in landmark_sequence: # 示例計(jì)算左肘角度肩-肘-腕 # 獲取左肩(11), 左肘(13), 左腕(15)的x,y坐標(biāo) shoulder frame[11, :2] elbow frame[13, :2] wrist frame[15, :2] vec1 elbow - shoulder vec2 wrist - elbow # 計(jì)算余弦相似度作為角度特征簡化 cos_angle np.dot(vec1, vec2) / (np.linalg.norm(vec1) * np.linalg.norm(vec2) 1e-7) # 可以添加更多特征如右肘、左膝、右膝的角度或四肢相對(duì)于軀干的向量 feature_vector np.array([cos_angle]) # 這里僅為示例實(shí)際應(yīng)更豐富 features.append(feature_vector.flatten()) return np.array(features) def recognize(self, test_sequence): 識(shí)別輸入序列。返回最匹配的動(dòng)作名和距離。 if not self.templates: return No template, float(inf) test_features self._extract_features(test_sequence) best_action None min_distance float(inf) for action_name, template_list in self.templates.items(): for template in template_list: # 使用fastdtw計(jì)算距離 distance, _ fastdtw(test_features, template, disteuclidean) if distance min_distance: min_distance distance best_action action_name # 設(shè)置一個(gè)距離閾值超過則認(rèn)為“未知?jiǎng)幼鳌?threshold 50 # 這個(gè)閾值需要根據(jù)特征尺度通過實(shí)驗(yàn)確定 if min_distance threshold: return Unknown, min_distance return best_action, min_distance實(shí)操心得DTW的性能和效果極度依賴于特征提取。直接使用所有關(guān)鍵點(diǎn)的原始坐標(biāo)效果往往很差因?yàn)榘颂嘣肼暫筒幌嚓P(guān)信息。好的特征應(yīng)該對(duì)同一動(dòng)作的不同執(zhí)行速度、幅度具有不變性。上面示例中的關(guān)節(jié)角度是一個(gè)很好的起點(diǎn)。在實(shí)際項(xiàng)目中我通常會(huì)計(jì)算10-15個(gè)關(guān)鍵關(guān)節(jié)的角度組成一個(gè)特征向量這樣DTW的識(shí)別魯棒性會(huì)大大提升。3.4 LSTM模型構(gòu)建與訓(xùn)練LSTM部分我們使用PyTorch來實(shí)現(xiàn)。相比DTW這是一個(gè)“學(xué)習(xí)”的過程。import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import Dataset, DataLoader # 1. 定義數(shù)據(jù)集類 class ActionDataset(Dataset): def __init__(self, sequences, labels): sequences: numpy數(shù)組形狀 (樣本數(shù), 序列長度, 特征維度) labels: 對(duì)應(yīng)的動(dòng)作標(biāo)簽整數(shù) self.sequences torch.FloatTensor(sequences) self.labels torch.LongTensor(labels) def __len__(self): return len(self.labels) def __getitem__(self, idx): return self.sequences[idx], self.labels[idx] # 2. 定義LSTM模型 class ActionLSTM(nn.Module): def __init__(self, input_size, hidden_size, num_layers, num_classes): super(ActionLSTM, self).__init__() self.hidden_size hidden_size self.num_layers num_layers # batch_firstTrue 表示輸入數(shù)據(jù)的第一個(gè)維度是batch_size self.lstm nn.LSTM(input_size, hidden_size, num_layers, batch_firstTrue, dropout0.3) self.fc nn.Linear(hidden_size, num_classes) self.dropout nn.Dropout(0.5) def forward(self, x): # 初始化隱藏狀態(tài)和細(xì)胞狀態(tài) h0 torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(x.device) c0 torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(x.device) # LSTM前向傳播 out, _ self.lstm(x, (h0, c0)) # out shape: (batch_size, seq_length, hidden_size) # 我們通常取最后一個(gè)時(shí)間步的輸出作為序列的表示 out out[:, -1, :] out self.dropout(out) out self.fc(out) return out # 3. 訓(xùn)練函數(shù)簡化版 def train_model(model, train_loader, val_loader, num_epochs50, lr0.001): device torch.device(cuda if torch.cuda.is_available() else cpu) model.to(device) criterion nn.CrossEntropyLoss() optimizer optim.Adam(model.parameters(), lrlr) for epoch in range(num_epochs): model.train() running_loss 0.0 for sequences, labels in train_loader: sequences, labels sequences.to(device), labels.to(device) optimizer.zero_grad() outputs model(sequences) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() # 每個(gè)epoch后在驗(yàn)證集上評(píng)估 model.eval() val_correct 0 val_total 0 with torch.no_grad(): for sequences, labels in val_loader: sequences, labels sequences.to(device), labels.to(device) outputs model(sequences) _, predicted torch.max(outputs.data, 1) val_total labels.size(0) val_correct (predicted labels).sum().item() val_acc 100 * val_correct / val_total print(fEpoch [{epoch1}/{num_epochs}], Loss: {running_loss/len(train_loader):.4f}, Val Acc: {val_acc:.2f}%) print(Training Finished.) return model關(guān)于輸入特征在構(gòu)建LSTM的訓(xùn)練數(shù)據(jù)時(shí)我強(qiáng)烈建議不要簡單地將所有關(guān)鍵點(diǎn)的x,y坐標(biāo)展平。更好的做法是進(jìn)行特征工程例如相對(duì)坐標(biāo)將所有關(guān)鍵點(diǎn)坐標(biāo)減去骨盆中心坐標(biāo)。關(guān)節(jié)角度計(jì)算主要關(guān)節(jié)肘、膝、肩、髖的角度。骨骼長度比計(jì)算幾段主要骨骼的長度比例。速度與加速度計(jì)算關(guān)鍵點(diǎn)在連續(xù)幀間的運(yùn)動(dòng)速度和加速度需要較高幀率。將這些特征組合起來形成一個(gè)更有信息量的特征向量能顯著提升LSTM模型的性能和收斂速度。4. 系統(tǒng)集成與實(shí)時(shí)識(shí)別流程將以上模塊串聯(lián)起來形成一個(gè)完整的實(shí)時(shí)動(dòng)作識(shí)別系統(tǒng)。主程序邏輯如下import time from collections import deque def main(): # 初始化 pose_estimator PoseEstimator() smoother LandmarkSmoother(window_size3) # 選擇識(shí)別器 use_dtw True # 切換為False則使用LSTM if use_dtw: recognizer DTWRecognizer() # 加載預(yù)存的DTW模板 recognizer.load_templates(dtw_templates.pkl) else: # 加載訓(xùn)練好的LSTM模型 lstm_model ActionLSTM(input_size66, hidden_size128, num_layers2, num_classes5) lstm_model.load_state_dict(torch.load(action_lstm.pth)) lstm_model.eval() cap cv2.VideoCapture(0) # 打開攝像頭 sequence_buffer deque(maxlen30) # 存儲(chǔ)最近30幀的關(guān)鍵點(diǎn)序列 while cap.isOpened(): ret, frame cap.read() if not ret: break # 1. 姿態(tài)估計(jì) landmarks, annotated_frame pose_estimator.process_frame(frame) if landmarks.size 0: # 2. 平滑處理 smoothed_landmarks smoother.smooth(landmarks) # 3. 歸一化 normalized_landmarks normalize_landmarks(smoothed_landmarks) # 4. 存入緩沖區(qū) sequence_buffer.append(normalized_landmarks) # 當(dāng)緩沖區(qū)滿時(shí)進(jìn)行動(dòng)作識(shí)別 if len(sequence_buffer) sequence_buffer.maxlen: current_sequence np.array(sequence_buffer) # (30, 33, 4) if use_dtw: # 5. DTW識(shí)別 action, distance recognizer.recognize(current_sequence) cv2.putText(annotated_frame, fDTW: {action} ({distance:.1f}), (10, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) else: # 5. LSTM識(shí)別 # 提取特征并構(gòu)建模型輸入 feature_sequence extract_lstm_features(current_sequence) # (30, 特征維) feature_tensor torch.FloatTensor(feature_sequence).unsqueeze(0) # 增加batch維度 with torch.no_grad(): output lstm_model(feature_tensor) _, predicted torch.max(output, 1) action_idx predicted.item() action_name [Squat, Jump, Wave, Punch, Kick][action_idx] # 示例動(dòng)作名 cv2.putText(annotated_frame, fLSTM: {action_name}, (10, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2) cv2.imshow(Action Recognition, annotated_frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()這個(gè)主循環(huán)清晰地展示了從視頻流到動(dòng)作標(biāo)簽的完整過程。你可以通過use_dtw標(biāo)志位輕松切換兩種識(shí)別算法對(duì)比它們?cè)趯?shí)際場(chǎng)景中的表現(xiàn)。5. 實(shí)戰(zhàn)避坑指南與調(diào)優(yōu)經(jīng)驗(yàn)在實(shí)際開發(fā)和調(diào)試這個(gè)系統(tǒng)的過程中我遇到了不少坑也總結(jié)出一些提升效果的關(guān)鍵點(diǎn)。5.1 MediaPipe使用中的常見問題關(guān)鍵點(diǎn)丟失或抖動(dòng)原因光照不足、遮擋、人物部分出框、攝像頭分辨率太低或運(yùn)動(dòng)模糊。解決確保環(huán)境光線充足均勻。嘗試調(diào)整min_detection_confidence和min_tracking_confidence參數(shù)。降低它們可以提高檢測(cè)率但可能引入更多噪聲提高則更嚴(yán)格但可能丟失目標(biāo)。通常從0.5開始調(diào)整。使用上文提到的LandmarkSmoother進(jìn)行后處理平滑。如果場(chǎng)景固定可以設(shè)置static_image_modeFalseMediaPipe會(huì)在檢測(cè)到人體后啟用跟蹤模式比逐幀檢測(cè)更穩(wěn)定。多人場(chǎng)景MediaPipe的Pose解決方案默認(rèn)只檢測(cè)畫面中最顯著的一個(gè)人。如果需要多人需要使用mp.solutions.pose.Pose的static_image_modeTrue模式進(jìn)行逐幀多人檢測(cè)但這會(huì)顯著降低速度。對(duì)于實(shí)時(shí)多人需要考慮其他方案或?qū)Ξ嬅孢M(jìn)行裁剪分割。5.2 DTW實(shí)戰(zhàn)技巧特征選擇是成敗關(guān)鍵DTW計(jì)算的是序列間的距離垃圾特征進(jìn)去垃圾結(jié)果出來。務(wù)必花時(shí)間設(shè)計(jì)好的特征。關(guān)節(jié)角度、相對(duì)軀干的標(biāo)準(zhǔn)化坐標(biāo)都是經(jīng)過驗(yàn)證的有效特征。避免直接使用絕對(duì)坐標(biāo)。模板的數(shù)量和質(zhì)量一個(gè)動(dòng)作只錄一個(gè)模板是不夠的。應(yīng)該從不同身高、體型、速度的多次執(zhí)行中錄制多個(gè)模板。識(shí)別時(shí)計(jì)算輸入序列與所有模板的距離取最小值。這能大大提高泛化能力。距離閾值需要精心設(shè)定threshold值不是拍腦袋定的。最好收集一批“正樣本”目標(biāo)動(dòng)作和“負(fù)樣本”其他動(dòng)作或無關(guān)動(dòng)作分別計(jì)算它們到模板的距離觀察分布然后選擇一個(gè)能較好區(qū)分的閾值如正樣本距離的均值加兩倍標(biāo)準(zhǔn)差。計(jì)算效率DTW的計(jì)算復(fù)雜度是O(n*m)。當(dāng)序列很長或模板很多時(shí)實(shí)時(shí)性會(huì)受影響。可以降低序列采樣頻率例如從30FPS降到15FPS。使用更快的DTW實(shí)現(xiàn)如fastdtw。在動(dòng)作開始時(shí)才觸發(fā)DTW計(jì)算而不是每幀都算。5.3 LSTM訓(xùn)練與優(yōu)化數(shù)據(jù)數(shù)據(jù)還是數(shù)據(jù)LSTM的性能嚴(yán)重依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量。對(duì)于每個(gè)動(dòng)作至少需要數(shù)百個(gè)樣本序列。數(shù)據(jù)要盡可能覆蓋不同的執(zhí)行速度、幅度、視角如果可能和人物。數(shù)據(jù)增強(qiáng)這是提升模型魯棒性的廉價(jià)方法??梢詫?duì)關(guān)鍵點(diǎn)序列進(jìn)行以下增強(qiáng)時(shí)間扭曲輕微加快或放慢序列通過插值??臻g擾動(dòng)對(duì)關(guān)鍵點(diǎn)坐標(biāo)添加微小的高斯噪聲。隨機(jī)丟棄隨機(jī)丟棄序列中的少量幀模擬遮擋或檢測(cè)失敗。序列長度與步長sequence_length時(shí)間步長需要覆蓋一個(gè)完整動(dòng)作的周期。太短則信息不足太長則包含冗余且增加計(jì)算量。通常1-2秒的幀數(shù)30-60幀是個(gè)不錯(cuò)的起點(diǎn)。step滑動(dòng)窗口步長決定了樣本的重疊程度較小的步長可以產(chǎn)生更多訓(xùn)練樣本但可能導(dǎo)致過擬合。模型結(jié)構(gòu)從一個(gè)簡單的單層LSTM開始。hidden_size可以從64或128開始嘗試。過大的模型在小數(shù)據(jù)集上容易過擬合。熟練使用Dropout層如我在代碼中添加的是防止過擬合的有效手段。類別不平衡如果“揮手”動(dòng)作的樣本數(shù)是“深蹲”的10倍模型會(huì)偏向于預(yù)測(cè)“揮手”。需要在數(shù)據(jù)收集階段注意平衡或在損失函數(shù)中使用類別權(quán)重CrossEntropyLoss的weight參數(shù)。5.4 系統(tǒng)集成與部署提示異步處理實(shí)時(shí)視頻流中姿態(tài)估計(jì)和動(dòng)作識(shí)別是比較耗時(shí)的。為了避免界面卡頓可以將識(shí)別任務(wù)放在單獨(dú)的線程或進(jìn)程中進(jìn)行。主線程負(fù)責(zé)采集和顯示子線程負(fù)責(zé)處理隊(duì)列中的幀并進(jìn)行識(shí)別然后將結(jié)果傳回主線程顯示。狀態(tài)機(jī)管理對(duì)于連續(xù)的動(dòng)作流簡單的逐段識(shí)別可能會(huì)產(chǎn)生閃爍的結(jié)果如“深蹲-未知-深蹲”??梢砸胍粋€(gè)簡單的狀態(tài)機(jī)或滑動(dòng)窗口投票機(jī)制。例如連續(xù)5次識(shí)別結(jié)果為“深蹲”才最終判定為深蹲動(dòng)作并進(jìn)入“已識(shí)別”狀態(tài)忽略接下來短時(shí)間內(nèi)的其他結(jié)果直到檢測(cè)到動(dòng)作結(jié)束。資源占用監(jiān)控在樹莓派或移動(dòng)端等資源受限的設(shè)備上部署時(shí)務(wù)必監(jiān)控CPU和內(nèi)存使用情況。MediaPipe的輕量級(jí)模型是優(yōu)勢(shì)但LSTM推理也可能成為瓶頸??梢钥紤]將PyTorch模型轉(zhuǎn)換為ONNX格式并使用ONNX Runtime進(jìn)行推理可能獲得性能提升。對(duì)于極度輕量的需求甚至可以嘗試用TinyLSTM等簡化結(jié)構(gòu)。這個(gè)項(xiàng)目從構(gòu)思到實(shí)現(xiàn)是一個(gè)典型的從理論到實(shí)踐的過程。MediaPipe提供了強(qiáng)大的感知能力而DTW和LSTM則代表了兩種不同哲學(xué)的動(dòng)作理解路徑一種是基于規(guī)則和相似度的快速匹配另一種是基于數(shù)據(jù)驅(qū)動(dòng)的深度建模。在實(shí)際應(yīng)用中我常常會(huì)根據(jù)項(xiàng)目的階段和需求混合使用它們。比如用DTW做快速原型和觸發(fā)條件用LSTM來做更精細(xì)的分類。希望這份詳細(xì)的拆解能幫你避開我當(dāng)年踩過的那些坑更順暢地搭建起屬于你自己的人體動(dòng)作識(shí)別應(yīng)用。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
国产自制av蜜乳| 国产热RE99久久6国产精品首| 国产99精品一区二区三区免费| 新版天堂中文资源8在线| 按摩中文字幕| 女人被男人桶爽视频网站| 青青国产精品在线| 久久蜜桃一区二区| 91neishe| 日韩欧美女优电影| 精品九九| 亚洲中文人妻色| 啊啊啊好舒服视频| 欧美在线视频99| 国产AV天美传媒一区二区三区 | 久久久久久久久久久97| 欧美精品系列| 99热思思| 99热在线播放| 中文字幕五区| 美女91网站| 99热精品在线观看| 日韩小电影| 99热精品免费| 欧美爱爱97| 九九色色| 美女久久久| 91无码中出人妻视频| 啊啊啊操死我了| 欧美色综合影院| 久久9精品网站| 亚洲一区二区三区不卡国产欧美| 美女啪欧美一区| 蜜乳中文字幕a在线| 亚洲色图大香| 伊人热综合| 骚乳在线| 最好看的中文字幕在线2018| 日本久久久久久久久久| 99色天堂| 国产亚洲色停停久久99精品91| 欧美精品成人亚洲| 伊人网免费视频| 夜草欧美| 高潮的A片激情扒开一区| 色眯眯射| 天天日天天舔| 精品人妻av在线播放| 综合激情一一91| 伦理片秋霞免费影院| 精品丰满熟妇人妻一区| 欧美大码在线视频| 狠狠色噜噜狠狠狠狠2018| 欧中日成人免费影视| 久热影视| 亚洲天堂加勒比| 91N五十路| 少妇久久久久久| 少妇 综合| A级片日韩欧美国产欧美视频精选观看| 肥臀熟女福利视频一区二区| 伊人久久在线视频观看| 91久久久久| 天天肏美女| 国产h片在线观看视频| 亚洲怡春院| 中文无码一二三区| 蜜乳Av成人片网站| 欧美日韩欧美| 9999九九九久久久| 欧美78p| 国产黄色影片在线观看| 日本亚洲嫩草影院啪啪| 试看福利| 伊人97超碰| 在线综合色| 日本天天干天天操一区| 国偷自 一区二区| 日韩另类色图| 亚洲免费看片| 91在线视频免费播放| 中国91AV| 91N综合网在线| 吻戏激情性巴克| 成人a大片在线观看| 亚洲成a人v欧美综合天堂下载| 亚洲色香| 久久久影院| 亚洲第一精品在线视频| 欧美色九九| 大奶尤物鲍汁淫荡欧美视频粉嫩夜夜骚 | 天天看片麻豆| 青娱乐av在线| 亚洲色图20p| 久草婷婷| 五月丁香六月婷综合成人综合| 国产又黄又粗又猛大片| 校园春色亚洲| 麻豆一区二区AV天美| 中文字幕、久久精品国产2020、久久综合久久自在自线精品自、亚洲 | 蜜臀网 一区| 校园春色美腿丝袜 | 中文字幕在线观看丝袜| 在线人人人人人人精品超| yaouchengrenav| 欧美日韩亚洲天堂| 美女91网| 九热久| 国产蜜臀精品一区二区尤物| 99后入| 欧洲小说色图视频另类| 亚州中文字幕超碰97| 国产青一二三| 久久久精品国产亚洲伊人| 密乳无码| 天天视频综合在线观看视频| 欧美成人性爱视频免费观看| 久久性爱大全| www.夜夜操| 一级免费啪啪片| 九色婷婷| 美女诱惑爱爱| 亚洲伊人久久精品狠狠在线| 亚洲少妇色| 啊啊啊操一区| 天天综合网~91入口| 自拍视频大全亚洲专媒视频/一区二区三区 | 久久久性爱| 天天看特黄的免费网站| 不卡日本一区二区| 久久内射| 另类小说欧美激情校园春色| 超碰97在线色男人??| 操死我了嗯嗯嗯| 日日黄色三级网站| 免费亚洲国产精品久久一区| 久久久久久人| 天美传媒精品久久视频| 大香蕉日亚洲日本亚大 | 国产成人无码网站在线视频| 六月丁香久久| 亚洲综合春色| 精品亚洲俞拍视频一区| 色综合99999| 亚洲天天精品| 国产熟女无套内射| 国产日产精品久久快鸭的功能介绍| 国产大陆天天艹| 入口操逼网站| 成人无码专区精品视频| 国产成人精品午夜福利| 国产日韩中文字幕欧美| 色99999| 777AV电影| 国产欧美一区激情交| 男人的天堂2019AV| 欧美大片天天看| 一区二区播放| 日语五十路和六十路亚洲国产精品 | 久草视频分类在线| 区一二区日韩亚洲乱码av电影| 99精品丰满人妻| 中文字幕AV片| 在线免费观看高清无码视频| 亚洲?V无码专区在线电影| 久久久久亚洲Aⅴ无码| 青青草日韩无码| 色欲人妻一区二区在线| 天天综合91入口| 亚洲97成人在线观看| 国内毛片婷婷六月色| 国产亚洲色婷婷久久99精品91| 玖玖97综合 | 亚洲成人一二三区| 色婷婷aV一区二区三区麻豆综合| 综合色拍| 一二三区精品视频| 91AV入口| 91色艳| 色精品极品| 白丝jkav| 九九热三级片| 懂色天天爱天天日天天射天天澡| 97操97色| 天天射天天| 欧亚性爱啪啪| 人妻一区二区三区| 强奸乱伦资源| 丁香五月久久| 99热日| 亚洲图片视频小说| 黄色在线网站| 欧美日韩一干二干| 美女91| 99re国产中文字幕| 91熟女.com| 青娱乐二区免费| 婷婷色网| 上床啊啊啊| 日本在线不卡v二区| 久久久111| 亚洲综合在线91| 伊人aaa| 91人妻最真实刺激绿帽| 97综合在线观看| 国产成人精品网站| 婷婷丁香在线| 天天干18禁| 香蕉婷婷| 精品久久97| 国内精品伊人久久久久影院会| 国产一区二区三区,在线观看观看| 欧美gv在线观看| 精品妇女一区二区三区| 美女诱惑久久| 欧美激情视频一区二区三区不卡| 午夜男女爽爽爽影院视频| 国产伦精品一区二区三区视频女| 1240青青草一区二区三区视频天爱| 97摸视频| 日产精品久久久一区二区| 中文字幕狠狠玩| 欧美日韩中国x| 欧美日韩啪啪电影| 北条麻妃性愛视频| 粉嫩在线一区二区懂色| 日本好吊色视频| 粉嫩不卡一区二区性爱| 久久是精品| 国产一区二区三区精品观看啪| 超碰在线第一页| 亚洲情色中文字幕一区| 97在线青| 激情五月天综合网| AAAA欧美日韩| 国产99999久久精品| 国产高清精品一区二区三区毛片| 精品人妻一二三四区视频| 国产精品一区二区 尿失禁| 屁股久久久久久久久| 操比国产| 97在线免费公开视频| 9九九九九视频在线观看| 精品国产乱码久久久久久网站入口| 激情综合二| 四虎884| 操人妻少妇中文| 成人小说视频在线精品欧美| 欧美亚洲高清晰| 日韩999| 丰满人妻一区二区三区色-百度| 天天天天操| 国产在线能看的你懂的| 亚洲国产精品久久久久婷婷老年| 婷婷五月影院| 五十路六十路素人熟女| 九九九不卡| 96免费视频在线| 国产Av超碰| aV中文麻| 精品美女少妇一区二区三区| 亚洲欧美日韩精品久| 精品国产乱子伦一区二区三区,精品一| 日本天天人人狠狠在线日美女 | 手机久操欧美综合色码| 亚欧精品久久久久久久久久久| 2019精品国产无码成人| 黑人性暴力毛片| 狠狠躁AV| 女人双腿搬开让男人桶| 人人摸.人人色| 午夜高清成人在线视频| 中国少妇啪啪视频| 亚洲国产精品久久久男人的天堂| 欧美后进式| 久久性爱城| 日韩无码操逼片| 亚洲中文sv| 天操老女人| 黄色AV影视| 日韩无码黄色片| 超碰2017| 美女上床网站| 欧美一区二区在线资源| 鲁鲁色综合网| 蜜乳av首页| 免费在线黄片视频| 国产精品欧美激在线| 久久久久成人蜜桃精品| 色婷婷色99国产综合精品| 被窝影院午夜看片无码| 日韩福利电影网| 亚洲天天精品| 亚洲凸凹超碰成人| 色偷偷色偷偷欧美日韩| 清清一区二区三区四区不卡视频| 五月丁香成人网| 欧美日韩香蕉| 国产麻豆福利av在线播放| 黄色无码高清黄色无码网站| 国产三级片在线观看| 91网站18+| 天天操人人操骚逼网站| 国产盗摄美女如厕大神作品在线观看| 五月婷视频| 大屁股xxxxx| 精品毛片久久久精品毛片| 日本免费中文字幕在线| 欧美激情另类一区二区| 午夜AV人气不卡| 日韩99精品视频综合区| 老熟女乱子伦中文字幕一区二区| 欧美精品69性爱| 啊啊啊啊啊好多水| 欲色综合| 久久香蕉国产线看观看亚洲女人 | 色哟哟-国产专区| 久久9亚洲| 欧美 亚洲 制服 精品| 大香蕉亚洲中文| 小草三级久久观看| 六月婷婷一区二区三区| 91九九九小逼| 日韩无码服务区| 狠狠躁久久躁| 狠狠爱综合网| 熟妇xxxxx性春色| 日韩在线性爱免费视频| 九月丁香综合网| 黄在线| 日韩AC| 9999免费精彩视频| 一块操欧美性爱| 五月丁香六月激情| 嗯嗯啊啊操死我| 欧美97日韩| 偷拍2020| 97精品免费视频网站| 夜草网站| 十八禁成人网站在线观看| 亚洲日韩国产欧美综合v| 3p国产欧美99热| 天天天天操| 天天爽夜夜欢视| 韩日巨乳美女免费视频在线观看| 欧美日韩不卡传媒| 综合久久久久久久久91| 成人八戒网站| 性爱动态120秒| 亚洲精品骚逼| 性色综合网| 国产二区三区免费视频| 欧美性爱精品七区| 91日本在线观看| 少妇毛片久久| 精品美女少妇一区二区| 亚洲国产成人精品999| 极品销魂美女一区二区| 亚洲av综合色区无码一| 久久久久九九九| 另类图片五月| 18啪啪手机免费性爱| 青青久久手机线视频| 91碰碰碰| 天天射夜夜| 69一区二区| 久久夜黄色无码A级大片| 97色婷婷| 997色在线| 免费观看网黄| 国产精品一区人妻精品阁在线| 人妻AV在线| 91精品婷婷国产综合久久竹菊| 亚洲综合在线91| 国产午夜在线观看视频| 日本有码影片下载| 九九人妻| 国产一级特黄大片处女| 日本熟人妻中文字幕在线|...久久国产精品-国产精品_日本一区二区三区中文字幕 | 亚洲AV秘无码一区..| 色情综合| 蜜臀一二三区| 欧美熟女操屄| 大香蕉在线视频重口味毛片在线| 九九热九九| 免费毛片在线播放| 欧美黄色图片| 九九视频黄色片| 91 手机在线播放 绯色| 美女十八禁| 强奸乱伦资源| 国产中文日韩欧美一区二区三区人妻丝袜美腿| 偷拍精品一区二区三区| 六六久久日韩不卡| 亚洲黄色电影| 天天拍天天操| 视频二区美腿制服人妻欧美| 在线无码操| 91天天爱| 精品少妇人妻av久久免费| 蜜臀AV一区二区三区激情综合| 97Ai亚洲| 久久婷婷色综合一区二区三区| 亚洲欧美综合网| 欧美日韩第一页| 97欧美久久久久久久| 伦伦成年午夜免费视频| 福利一级版子| 午夜欧美女人操逼| 日曰骚久久精品| 美国aaaaa一级黄片| 欧美日动态视频| 久综合国内精品自在自线| 日韩av三四区| 色色色色日本| 久久后入制服| 92福利社视频| 人妻性爱一区二区| 天天看高清麻豆| 人妻系列无码专区中文有码| avav青青草久久夜| 奇米狠999| 熟妇高潮二区三区| 国产成人综合网| 亚洲精品蜜桃久久久| 久热91| 97爱亚洲| 嗯嗯啊啊好疼| 亚洲成人一区二区精品| 免费男人的天堂| 91丝袜美女国产| 久久线上视频免费看| 一区二区三区精品黑丝白丝酒店对鸡 | 日韩精品在线放| caopeng97人妻| 乱伦a片视频| 97操综合| 天天欧美色| AV天堂国产| 色在线69堂| 亚洲精品日日夜夜52| 蜜臀久久久99久久久久| 思思99热| 国产成年精品高清在线观看91| 97视频新免费| 盗摄 精品 另类 一区| 国产精品网址| 91成人久久| julia高潮后不停追击中出| 中文字幕第9页萱萱影音先锋 | 天堂蜜桃无码视频一区二区| 国产精品亚洲无码| 美女啊啊啊啊啊啊| 夜夜 中文视频rt| 国产精品色色| 色婷婷视频| 久久久久九九九九| 久久久久密臀视频| 黄色AV影视| 国产精品不卡一区二区三区av| 97在线资源| 殴美,日韩国产伦精品| 99精品欧美一区二区三区桃色| 国产精品农村妇女精品| 久久男人网| 五月综合色| 亚洲第一黄色av网站| 97爱综合| 亚洲人精品久久久| 密臀在线免费观看| 国产精品自拍欧美在线| 欧美激情视频在线一区| 欧亚日韩中文在线| 日韩大香蕉精品在线视频| 亚洲无码99| 中文字幕一区二区韩| 97在线视频观看| 中文字幕日韩情色| 日日夜夜青青草母狗| 五月天激情网图片| 色牛牛AV| 亚洲强奸乱伦影视网| 外站AV在线| av东京热男人的天堂| 大香交伊人网| 凸凹视频在线观看| 国产操操日韩三级黄| 欧美黄业| 97在线视频免费看| 久久精品操| 97就爱干| 99热 按摩 日韩| 亚洲熟女综合| 天天综合网在线| 精品久久在线区一区| 久久九九综合| 亚洲各类熟们中文字幕| 日韩欧美国产高清视频| 亚洲AV操| 黄色视频特级毛片| 97在线观看免费视频l| 懂色综合久久久| 天天操夜夜操| 黄色网址久久精品欧美喷水| 久操大香蕉手机视频在线看| 五月综合激情| 99热亚洲天堂| 亚洲色9| 精品少妇一区二区三区免费观看| www.色婷婷.com| 九九热视频在线观看| 狠狠干狠狠干| 99这里有精品| 啊啊啊在线观看免费视频| 99re只有精品| 亚洲综合69| 97久久国产精品| 国产精品一区二区麻豆| 91亚洲网站| 78久久| 久久AV无码AV| av强奸乱轮| 欧美黑人精品一区二区| 成人三一级一片aaa| 久久久久国产精品片区无码直播| 人妻少妇av在线观看| 这里只有精品视频| 欧美97在线观看| 亚洲999综合| 久久久久久久久女黄| 欲色综合| 国产无码久久高清| 男女激情黄色网址| 国产精品交换一区二区| 欧美曰韩国产精品| 一本大道青青| 日本精品中文字幕视频| 韩国成人精品久久久免费看| 国产a级午夜毛片| 日韩一级二级| 少妇内射www在线观看视频| 少妇熟女视频一区二区三区| 亚洲色图欧洲| 欧美顶级黄色大片免费| 亚洲,欧美,春色,另类| 亚洲综合小视频小说在线观看 | 一区=区三区视频| 色色青青久久| 999久久久免费精品国产牛牛| 秋霞 色色| 黄色小视频日本txt| 91亚洲黑人| 国产丸一视频| 日产欧美电影一区二区三区| 综合久久欧美| 欧美日韩国产电影| 91无遮挡| 国产成人无码网站在线视频| 看黑丝美女操逼青青网站| 国产91丝袜 在线播放| 五月丁香黄色网| 国产精品自产拍在线观看社区| 欧美97视频| 中文字幕99999| 图片区小说区| 欧美青青视频| a亚洲欧美色欲| 五月婷婷六月天| 韩国毛片一区二区三区| 8x福利精品第一福利视频导航| 依人大香蕉| 亚洲青青草| 五月丁香六月综合缴清无码| 天天拍天天操| 亚洲素人综合| 精品欧美不卡在线播放| 国产精品午夜福利亚洲综合网| 熟女被操视频网址| 色欲天香天天综合网-成年人三级片网站-欧美乱妇狂野-日韩国产专区-久久久久久 | 九九自拍伦理| 中文幕97| 大香蕉欧美伊| 99中出在线| 亚洲男人天堂2019| 婷婷五月综合激情| 色蜜AV| 91高潮| 国产馆| 亚洲欧美情色| 日本乱人伦片中文三区| 中文字幕日韩人妻视频| 琪琪精品免费一区二区三区 | 91老司机精品| 99精品人妻| 蜜桃狠狠色伊人亚洲综合网站| 日本一级真人黄色性爱视频| 午夜男女爽爽爽影院视频| 久久久精品电影| 岛国激情视频在线观看| 欧美性爱十八禁| 婷婷伊人网| 亚洲有薄码区日本系列中文字幕| 亚洲精品丝袜| 亚洲综合性网址| 中出在线视频| 天天噜| 日本一区二区三区午夜观看| 中文字幕aⅴ在线视频| 久久婷色| 伊人97色天使| 亚洲天堂另类美腿| 伊人久久蜜月| 怡红院成人视频| 欧美v日韩v亚洲v最新在线| 久久国99999| 超碰中文字幕人妻草一区| 超碰这里只有精品| 91蜜桃传媒精品久久久一区二区| 搡老女人老熟女91老熟女综合网| 国产欧美在线观看免费观看| 国产中文精品一区二区在线观看| 青草av在线| 日本人妻一区二区| 欧美草草| 肏逼视频日本| 5月婷婷6月六月丁香| 啊啊啊 在线观看| 97丝袜亚洲在线播放| 欧美色综合网| 综合久久久久久久综合网| 操碰91| 国产青视频| 少妇色欲综合网2| 精品亚洲一区在线观看| 日本女人操逼| 婷婷丁香一区二区三区| 成人小电影网站tex| 一个国产在线综合网站| 婷婷五月天影院| 91超碰在线观看| www.亚洲黄色| 在线 制服丝袜中出 人妻| 成人一区二区三区四区| 日本布卡一区二三区| 韩三级a视频在线观看| 国产午夜无码片在线观看影视| 狠狠欧美| 亚洲日本大香蕉1| 69少妇一区二区| www五月| 好吊色一区| 亚洲高清色综合| 亚洲国产奇米影视久久| 91女网站| 91中出视频| 日韩人妻中文视频| 一区麻豆 高清中文字幕| 91热| 国产小u女在线观看| 天天看人人操屄犊摸阴| 啊啊嗯嗯好爽| 日本免费亚洲欧美| 日本高清一本二本免费不卡| 很很热性爱视频| 中文字幕精品一区二| 激情婷婷黑人91| 91天天看| 久肏视频字幕| 日韩成人电影AV| 神马久久午夜| 欧洲一区二区三区四区在线观看| 神马久久久久眼| 欧美日韩中文亚洲v在线综合| 国产精品久久久久久照片| 600国产精品视频| 91丨豆花丨熟女| 五月天色图| 神马久久午夜| 日韩久久激情精品| 欧美线天码中字| www.91逼逼.com| 色香在线| 视频黄色国产一级| 中文字幕综合人妻| 日本免费中文字幕在线| 日韩ab网| 免费观看网黄| 97精品视频免费| 黄色香蕉视频网站一区| 久久免费看高潮毛片韩国| 午夜精品久久99蜜桃的功能章节| 伊人丁香五月婷婷| 蜜臀久久99精品久久久| 国产精品内射婷婷一级二| 亚洲中文一区二区三区| 亚洲丝袜色图| 日韩无码操逼片| 亚州Av天美传媒| 精品视频久久区| 久久久久久久久久久97| 天天色综亚洲91污| 欧美日韩久久精品爱爱| 亚洲不卡不卡中文字幕不卡 | 男女一级A片大黄,一进一出| 精品亚洲国产成人AV制服丝袜| 欧美一二级| 清柠毛片| 婷婷99| 97欧美色综合| 九九九九97| 爆操无码| 九九九九九九九九九国产精品| 九九九九日本 | 免费的av网| 5252色欧美在线| 久久超碰天天| 亚欧性爱在线无码| 欧美激情内射| 国产91丝袜 在线播放| 资源新线在线天堂| 97爱亚洲| 亚热日本熟女| 日本男人插女人的逼黄色| 久热超碰| 狠狠操综合| 狠狠干综合| 色欧洲97| 久久精品视频28| 天天影视色香色欲| 99色悠悠| 免费作爱一级视频| 色爱综合网| 蜜桃色院一区久久| 日韩一级久久毛片| 乱伦Av网| 亚洲欧美激情在线视频| 97色插| 毛片99-全集电影手机免费观看完整-B029AV| 久偷拍欧美日韩三区| 超碰97网站| 日韩免费性爱视频在线观看| 草b在线| 色与欲影视天天看综合网| 午夜亚洲WWW湿好大| 亚洲欧洲综合视频在线| 丝袜天堂| 亚洲欧美首页| 久久超碰爱| 五十路熟女工口| 天堂亚洲精品久久老牛| 欧美成人综合| 亚洲中亚日激情视频| 91爱综合| 熟女高潮精品一区二区| 欧美美女自慰一区二区三区| 黄色AAAAA欧美| 97欧美在线| 大香蕉92| 国产在线76页| 大香蕉狠狠爱| 五月激情在线| 超碰91在线| 国产久久一区二区午夜| 巨乳特殊服务按摩| 五月天综合| 狠狠2050在线观看| 操比国产| 久久二| 久久激情婷婷| 污到发麻的视频 国产| 亚洲精品乱码线路中文字幕| 亚洲和欧美裸体美女双飞视频| 国产男人又猛又粗又爽| 玖玖无码超碰| 97超碰色屌| 日韩精品一区二区三区色欲| 中文字幕蜜乳av| 嗯嗯啊啊好大好爽| 精品国产一区二区三区香蕉欧美| 日本免费一区二区不卡| 99热网站| 懂色Av| 一本一道久久综合久久| 蜜臀无码一区二区| 久草色悠悠在线视频| 97人人射| 在线观看av区| 日韩av免费一级电影| 综合av影片| 91亚州欧美| 九月婷婷综合| 综合久久六月久久婷婷| 亚洲精品三区在线观看| 99婷婷一区二区| 日韩小电影| www男人天堂| 另类欧美| 无码人妻毛片丰满熟妇精品区| 国产美女激情| 欧美少妇性乱| 操死我了嗯嗯嗯| 欧亚久久偷拍视频| 人人妻人人操人人乐| 国产99 中文字幕日韩小视频| 亚洲系列第一页| 人人妻人射| 乱伦Av网| 无码日韩人妻av一| 强奸乱伦av电影| 黄片com.| 福利色色| 久久老子无码午夜伦不卡| 丰满人妻av一区二区三区| 亚洲欧美国产成人综合不卡| 日日日日做夜夜夜夜无码| 欧美日韩另类在线播放| 欧美黄色片在线播放| 一级片在线观看高清无码| 欧美黄色大片在线观看| 淫荡熟女乱伦网| 久久久亚洲欧美综合| 国产午夜无码片在线观看影视| 在线综合色| 狠操91,com| 国产嫩草精品A88AV在线| 96AV久久久| 日韩av色图综合| 成人一区二区三区四区| 九七人妻在线| 天天舔日美女视频| 日少妇视频| 国产亚洲福利第一页丝袜| 一级做a爰片性色毛片久久| www.yeyecao| 久久精品国产亚洲AV无码电影| 唐山老熟妇露脸啪啪叫| 精品久久久亚洲AV成人网站| 丁香五月激情综合| 欧美亚男人的天堂| 国产免费久久精品99re韩国| 亚洲色图第四色| 人妻精品一区二区三区| 五月丁香激情四射| 久久久久亚洲?V片无码V| 久久‘黄片视频| 久久精品色欧美aⅴ一区二区| 国产麻豆一级精品视频| 天天操狠狠日夜夜干超碰撸com视频在线观看| 欧美视频在线第3页| 好看的91视频| 久久华人网| 色欲久久99国产精品久久久久久| 亚洲中文字幕熟女| 日本人妻伦在线中文字幕| 性爱乱伦网址| 婷婷五月天色色| 久久色一区| 日本不卡一区二区三区| 干美女人妻| V A在线| 另类欧美| 亚洲男人天堂av| 久久亚洲AV无码专区首页| 天天视频综合在线观看视频| 欧美性特| 欧美在线中M| 国产精品网址| 青娱乐亚洲自拍| 婷婷五月天在线观看| 精品亚州18| 美女9118禁| 高潮毛片无遮挡高清免费| 精品一区二区综合熟妇| 亚洲国产欧美日韩人妻日中文| 伊人aaa| 神马久久午夜| 把腿张开老子CAO烂你| 一品道视频一区二区三区| 97超碰久久色| 亚洲黄色电影| 国产一区免费午夜视频| 久草婷婷| 视频二区熟女人妻| 明星性猛交ⅹxxx乱大交| 国产激情av女片自拍| 夜夜操91744565| 欧美亚洲特P| 温婉少妇玩3p| 97超级久久强资源| 2003天天干夜夜操| 久久性生大片免费观看性| 人妻美腿丝袜日韩| 国产综合在线视频网站| 97久久精品亚洲| 欧美成人精品一区二区男人蜜臀| se吧提供国产乱老熟视频胖女人| 99热99色| wuyechaopeng| 高潮毛片无遮挡高清免费| ′ !γ}丶。。久久精品欧美一区二区三区| 久久久噜噜噜久久人妻| 免费αV在线视频| 天美传媒av 在线| 精品九九九九九九九九九| 久久久不卡| 717影院理论午夜伦八戒| 国产乱人妻精品入口| 国产乱伦搜索结果91P| 五月天综合网| 一本色道久久综合狠狠操| 精品国产丝袜一区二区三区乱码| 国产免费大片| 久久精品无码一区二区三区| 日韩国产欧美伦理在线| 狠狠中文字幕| 日日不卡av| 色婷亚洲五月在线观看| 高清不卡 中文 人妻| 日韩在线性爱免费视频| 九九热超碰97亚洲最新香蕉 | 国产精品高潮久久AV| 在线视频97| 91视频综合网| 长长久久88视频| 精品少妇99| 温婉少妇玩3p| 狠操91,com| 激情网色| 欧美一品道| 日韩一性一交一A片俄罗斯| 国产成人天堂| 91社区拍啪人妻| 超碰午夜| 欧美人妻精品一区二区| 亚洲drav色图| 日韩熟女乱伦中出| 天天内射| 亚洲最新中文字幕免费| 岛国不卡超碰护士AV在线播放| 日韩 欧美 视频 在线 一区| 超碰久在线天天做| av网站在线观看了| 香蕉免费一区二区三区不读| 精品久久久久久中文| 美女丝袜激情小说| 亚洲av国产av综合av卡| 亚州色图欧美| 国产对白刺激视频| 欧美亚洲国产日本在线,久久精品国产| A片大香蕉在线| 国产不卡中文字幕免费avi| av网站在线观看了| 九九九九97| 成人三级片无码| 天堂亚洲精品| 欧美日韩99| 久久久久密臀视频| 国产97视频免费观看| 天堂av最新电影网| 色五月大香蕉| 亚洲美女AV无码| 国产乱弄免费在线视频。| 能在线播放的国产三级| 久久久久亚洲一区女同性恋中文字幕| 农村女一级毛卡片| 99xav| 九九热久久99精品re| 职场同事知名国产国产精品久久欧美日韩 | 91 丝袜在线播放| 国产欧美一区二区| 欧美18 在线观看| 大奶尤物鲍汁淫荡欧美视频粉嫩夜夜骚 | 综合第一页| 97超碰热线| A片 AV一级在线播放观看免费| 后入日本1234| 超碰超碰欧美| 激情无码日韩| 亚洲欧美一区二区不卡视频播放 | 青青青国产| 波多野结衣先锋影音| 91欧美丝袜| 亚洲日韩精品在线播放| 国产精品人妻免费精品| 色哟哟av网址| 色五月综合网| www.久久制服糖| 狠狠躁日日躁夜夜躁A| 99久久精品国产高潮| 97精品久久| 97干综合网| 欧插网站| 亚洲三区视频| 久久亚洲一区女同性恋中文字幕 | 青青青在线高清视频在线一二三四区| 精品久久久久瑟瑟| 96久久精品一二三区色欲| 亚洲成a人v欧美综合天堂下载| 亚洲熟女偷拍在线观看| 97视频观看| 无码高清国产AV| 欧日韩一二三f区| 欧美日韩大陆黑人少妇99| 色99色| 亚洲成a人片在线观看中文!!!| 91久久久久久久久18| 加勒比伊人综合| 欧插网站| 五月丁香六月婷| 中文精品一区二去| 97在线免费观看| 操操操操操操| 91精品国产麻豆国产自产在| 亚洲 欧美 制服 另类 自拍| 午夜在线播放| 欧美亚洲清纯| 91高跟美女在线播放| 亚洲欧美校园另类春色| 2019久久久久久久久福利| 一级二级在线观看| 91男人综合| 亚洲成人妻日韩在线| 欧美性天天影视| 精品成人av一区二区三区在线| 眼镜人妻101.com| 人妻丝袜美腿中文字幕| 九九九网页| 欧洲熟妇xxXx欧美老妇裸体| 日本丝袜人妻内射| 强奸乱伦免费网站| 成人精品无码| 久久久精品网| 天天搞欧美| 欧美与日韩97| 九九九九88| 玖玖人人爱| 蜜桃久久一区二区三区| 国产成人欧美一区二区三区的国产| 97在线免费视频观看| 久久亚洲天堂| 日本一久是| SUV一区二区在线看| 熟妇亚洲一区二区三区| 日本有码影片下载| 亚洲第一页色| 国产精品操| 大香蕉十区| 丝袜制服字幕在线| 色性荡荡荡荡视频| 亚洲18禁| 狠狠躁AV| 五月天婷婷久久| 婷婷99狠狠| 久草福利在线资源站| 男女激情黄色网址| 色欲无码人妻日韩欧美精品| 亚洲成aⅴ人片不卡无码| 国产狂喷潮在线精品| 久久久久久久免费A片国产成a人亚洲精∨品无码 | 欧美国产欧美在线观看| 国内亚洲精彩视频在线| 精品高清一区二区三区三州| 少妇xx精品| 婷婷视频在线免费观看| 日韩精品色呦呦| 欧美色狠| 成 人 A V免费视频在线观看| 97久久超碰| 亚洲欧美成人网站AAA| 欧美区亚洲区偷拍区 | 日韩丝袜二区| 欧美一级做a爰片免费视频| 五月婷婷综合网| 激情六月天| 色综合色欲色综合色综合色综合| 天天操夜夜嗨| 欧美极度丰满熟妇hd| 五月丁香综合啪啪| 91人妻爽爽人人做人人澡| 狠狠中文字幕| 日本熟人妻中文字幕在线|...久久国产精品-国产精品_日本一区二区三区中文字幕 | 成人五月天色网| 内射中国少妇高清视频免费视频 | 在线v中文字幕一区二区三区 | 欧美激情综合| 日韩免费大片一级播放| 人、人、摸,人、人、草| 色99视频| 丰满人妻一区二区三区在线| 亚洲中文电影| 欧美乱妇狂野欧美在线视频| 男人高清无码一区二区| 玖玖色综合| 亚洲超碰在线| 人人手机欧洲亚洲国产人妻| 97超级欧美| 哈哈操 大香蕉| 亚洲国产另类在线中文| 18禁免费视频| 97色在线| 99热这里只有精| 久久宗合亚洲| 中文字幕三四区| 懂色av色欲av蜜臀av| · —级AA伦aa坐爱午夜极速ⅴA一区天天噪天天噪天天噪 | 日韩欧美成人综合在线| 五月婷婷性爱| 欧美三级免费伊人| 天天影视之亚洲综合网| 又大又大又大又粗爽高潮观看| 男人天堂黄片| 99热这里是精品| 久久久111| 自拍六区| 无码人妻精品一区二区中文| 一块操欧美| 日韩欧美水蜜桃人妻| 久久一区二区三区四区五区| 日韩欧美aⅴ综合网站发布| 日韩人体偷拍| 综合色拍| 后入式999| 天天日天天干天天操| 高清无码一区二区三区| 精品v日韩欧美国产| www.99色| 婷婷五月天久久精品视频一区二区三区| 免费成人在线熟妇网| 欧美在线综合| 久久性爱视频免费看| 亚洲天堂 视频你懂的| 欧美色66| 欧洲精品二区| 网页导航五月天免费一二三区| 精品久久久久黄少妇| 欧美精品系列| 丁香六月激情| 久久25| 色色九区| 色婷婷五月综合激情中文字幕| 久久超碰av在线| 免费伦费视频在线观看| 九九九九88| 日韩97超碰| 99久久精品无码一区二区| 精品免费1| 好吊色青靑草| 五月天婷婷色| 无码男人天堂| 美女操逼A A| 少妇蜜汁| 人妻娇喘 激情视频| 99re公开精品免费视频| 第二页中文字幕| 91精片| 992这里有精品| 天堂亚洲精品| 亚洲欧洲国产综合av| 国产丸一视频| www亚洲免费|