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。

基于OpenCV與LBPH算法的人臉識別系統(tǒng):從原理到工程實踐

基于OpenCV與LBPH算法的人臉識別系統(tǒng):從原理到工程實踐 簡介本資源是一個基于OpenCV實現(xiàn)的完整人臉識別系統(tǒng)項目面向計算機(jī)視覺初學(xué)者、Python開發(fā)者及人工智能課程實踐者旨在解決人臉檢測、特征提取與身份識別等核心問題適用于門禁考勤、智能監(jiān)控、用戶認(rèn)證等典型場景。壓縮包共53個文件包含6個核心Python模塊如FaceGui.py圖形界面、VideoStream.py視頻流處理、FaceTools.py特征處理、5個Haar級聯(lián)分類器XML文件用于多部位檢測、28張標(biāo)注人臉圖像.jpg、1個訓(xùn)練模型result.yml、1個用戶信息序列化文件usrs_info.pickle及配套配置、說明與備份文件整體大小為19.31MB。已有75人學(xué)習(xí)下載資源結(jié)構(gòu)高度模塊化各組件職責(zé)清晰附帶README.md使用指南與Setting.py配置入口便于快速運行、調(diào)試與二次開發(fā)同時提供附贈視頻演示video.mp4及多角度人臉樣本顯著降低入門門檻并支持光照、姿態(tài)變化下的魯棒性驗證。1. 項目概述從零構(gòu)建一個實用的人臉識別系統(tǒng)最近在整理一些舊項目翻到了幾年前用OpenCV做的人臉識別demo。當(dāng)時覺得這技術(shù)挺酷但真上手做從環(huán)境配置到算法調(diào)優(yōu)踩的坑可不少?,F(xiàn)在回頭看很多問題其實都有更優(yōu)雅的解決方案。所以我想把這段經(jīng)歷重新梳理一遍結(jié)合最新的OpenCV 4.x版本和更成熟的實踐分享一個從零開始、能實際跑起來的“基于OpenCV的人臉識別系統(tǒng)”的完整構(gòu)建過程。這個系統(tǒng)聽起來高大上但核心邏輯并不復(fù)雜。簡單來說就是讓電腦學(xué)會“看臉認(rèn)人”。它需要完成幾個關(guān)鍵任務(wù)首先得能從攝像頭或者圖片里準(zhǔn)確地找到人臉的位置然后把這張臉的特征提取出來轉(zhuǎn)化成一串?dāng)?shù)字也就是特征向量最后拿著這串?dāng)?shù)字去跟之前注冊好的人臉數(shù)據(jù)庫進(jìn)行比對找出最相似的那個完成識別。整個過程OpenCV這個強(qiáng)大的計算機(jī)視覺庫幾乎提供了我們所需的所有工具。它適合誰呢如果你是計算機(jī)視覺的初學(xué)者想找一個有明確產(chǎn)出、能串聯(lián)起多個知識點的實戰(zhàn)項目這個再合適不過了。對于有一定經(jīng)驗的開發(fā)者你可能想快速驗證一個門禁、考勤或者互動應(yīng)用的視覺方案這個系統(tǒng)也能提供一個可靠的起點。我會盡量把原理講透把步驟拆細(xì)確保你跟著做就能出結(jié)果同時也能明白每一步背后的“為什么”。2. 核心思路與方案選型為什么是OpenCVLBPH在動手寫代碼之前我們先得把整個系統(tǒng)的骨架搭起來搞清楚要做什么、用什么做、以及為什么這么選。人臉識別聽起來是一個整體但實際上可以清晰地拆解為三個環(huán)環(huán)相扣的步驟人臉檢測、特征提取、識別比對。2.1 技術(shù)流程拆解三步走策略第一步人臉檢測。這是所有后續(xù)工作的基礎(chǔ)任務(wù)是在一張圖像中定位出人臉?biāo)诘木匦螀^(qū)域。你可以把它想象成在人群中先找到目標(biāo)人物。OpenCV在這方面非常給力它內(nèi)置了基于Haar特征和AdaBoost級聯(lián)分類器的檢測器也有更現(xiàn)代的基于HOG方向梯度直方圖和深度學(xué)習(xí)如SSD的模型。對于入門和大多數(shù)常規(guī)場景Haar級聯(lián)分類器足夠用了它速度快在正面人臉上準(zhǔn)確率很高而且OpenCV自帶訓(xùn)練好的模型文件.xml開箱即用。第二步特征提取。檢測到人臉區(qū)域后我們需要從中提取出能夠代表這張臉獨特性的信息。原始的人臉圖片像素數(shù)據(jù)量太大且包含大量冗余信息比如背景、光照變化。特征提取的目的就是“降維”和“抽象”得到一組緊湊的、對光照和表情變化相對魯棒的特征向量。這里我們選擇LBPH局部二值模式直方圖算法。它計算的是人臉圖像局部紋理特征對光照變化不敏感而且OpenCV的face模塊直接提供了LBPHFaceRecognizer這個類封裝好了訓(xùn)練和預(yù)測接口極大降低了實現(xiàn)難度。第三步識別比對。提取出待識別人臉的特征向量后系統(tǒng)需要將其與數(shù)據(jù)庫中已注冊的人臉特征進(jìn)行相似度計算。LBPH算法內(nèi)部會計算一個距離值比如卡方距離距離越小表示兩張臉越相似。我們設(shè)定一個閾值當(dāng)最小距離小于閾值時就認(rèn)為是同一個人并輸出其標(biāo)簽如姓名否則就標(biāo)記為“未知”。2.2 工具選型背后的邏輯為什么主選OpenCV和LBPH這個組合這里有幾個很實際的考量。首先是開發(fā)效率與生態(tài)。OpenCV是一個經(jīng)過近20年發(fā)展的、功能極其全面的計算機(jī)視覺庫。它用C優(yōu)化了核心算法同時提供了Python接口讓我們能用簡潔的Python語法調(diào)用高性能的底層實現(xiàn)。這意味著我們不需要從零實現(xiàn)復(fù)雜的圖像處理算法可以把精力集中在系統(tǒng)邏輯和業(yè)務(wù)集成上。其豐富的社區(qū)資源和文檔也確保了我們在遇到問題時能快速找到解決方案。其次是算法與場景的匹配度。LBPH算法屬于傳統(tǒng)機(jī)器學(xué)習(xí)方法它不像深度學(xué)習(xí)模型如FaceNet需要海量的數(shù)據(jù)和強(qiáng)大的GPU進(jìn)行訓(xùn)練。對于一個小型的、封閉場景的人臉識別系統(tǒng)比如公司內(nèi)部考勤、家庭門禁可能只有幾十到幾百個人的數(shù)據(jù)量LBPH完全能夠勝任而且訓(xùn)練速度極快在普通CPU上幾秒內(nèi)就能完成。它的模型文件也很小便于部署。深度學(xué)習(xí)模型雖然精度更高但需要復(fù)雜的訓(xùn)練流程、更大的計算開銷和更精細(xì)的調(diào)參對于快速原型驗證和輕量級應(yīng)用來說有點“殺雞用牛刀”。最后是系統(tǒng)的可解釋性與可控性。傳統(tǒng)方法如LBPH其計算過程和特征含義相對直觀。如果識別效果不理想我們可以通過分析特征直方圖、調(diào)整算法參數(shù)如網(wǎng)格劃分、半徑、鄰域點數(shù)來進(jìn)行有針對性的優(yōu)化。而深度學(xué)習(xí)模型更像一個黑盒調(diào)優(yōu)過程更依賴經(jīng)驗和大量實驗。注意這里的選擇是基于通用性、易用性和快速上手的平衡。如果你的項目對識別精度有極致要求比如金融級安全認(rèn)證或者需要應(yīng)對極端姿態(tài)、遮擋那么投入資源研究基于深度學(xué)習(xí)的人臉識別方案如使用OpenCV的DNN模塊加載預(yù)訓(xùn)練的FaceNet或ArcFace模型是必要的方向。但對于絕大多數(shù)入門和中等需求的應(yīng)用LBPH方案是一個堅實可靠的起點。3. 環(huán)境搭建與核心工具詳解工欲善其事必先利其器。一個穩(wěn)定、兼容的環(huán)境是項目成功的一半。下面我會詳細(xì)說明如何搭建PythonOpenCV的開發(fā)環(huán)境并解釋幾個關(guān)鍵工具的作用。3.1 Python與OpenCV安裝指南我強(qiáng)烈推薦使用Anaconda來管理Python環(huán)境。它能很好地解決不同項目間包版本沖突的問題。如果你習(xí)慣用原生Python和pip也完全可以但需要注意系統(tǒng)依賴庫的安裝。對于Windows/macOS/Linux用戶使用pip打開你的終端Windows是CMD或PowerShell執(zhí)行以下命令即可。這里我們安裝OpenCV的主包opencv-python和包含額外模塊如人臉識別相關(guān)face模塊的opencv-contrib-python。pip install opencv-python opencv-contrib-python通常這會安裝當(dāng)前最新的穩(wěn)定版本如4.8.x。安裝完成后可以在Python中驗證import cv2 print(cv2.__version__)對于Anaconda用戶你可以創(chuàng)建一個新的虛擬環(huán)境來隔離本項目。conda create -n opencv-face python3.9 conda activate opencv-face # 在conda環(huán)境中有時直接安裝opencv-contrib-python可能遇到兼容性問題可以嘗試從conda-forge頻道安裝 conda install -c conda-forge opencv # 或者仍然使用pip在conda環(huán)境內(nèi)安裝 pip install opencv-contrib-python關(guān)于版本選擇的經(jīng)驗之談除非你有特定需求比如某些老代碼只兼容OpenCV 3.x否則建議使用最新的4.x穩(wěn)定版。新版本通常修復(fù)了舊版的bug并可能包含一些性能優(yōu)化。opencv-contrib-python包至關(guān)重要因為標(biāo)準(zhǔn)opencv-python不包含我們后面要用到的face模塊即cv2.face.LBPHFaceRecognizer_create()。3.2 輔助工具介紹NumPy與Matplotlib安裝OpenCV時pip會自動安裝其依賴的numpy。但你仍需了解它們的作用。NumPy這是Python科學(xué)計算的基礎(chǔ)包。在OpenCV中圖像本質(zhì)上就是一個多維的NumPy數(shù)組例如一個1080x1920的彩色圖像就是一個形狀為(1080, 1920, 3)的數(shù)組。我們對人像區(qū)域進(jìn)行裁剪、尺寸縮放、顏色空間轉(zhuǎn)換等所有操作都是在和NumPy數(shù)組打交道。它的高效矩陣運算能力是OpenCV性能的保障。Matplotlib這是一個繪圖庫。在開發(fā)調(diào)試階段非常有用。比如你可以用它來顯示檢測到的人臉框、可視化特征直方圖或者對比不同預(yù)處理效果。雖然OpenCV有自己的cv2.imshow()函數(shù)但在Jupyter Notebook等交互環(huán)境中Matplotlib的集成度更高顯示效果也更靈活。3.3 項目目錄結(jié)構(gòu)規(guī)劃在寫代碼前規(guī)劃好目錄結(jié)構(gòu)能讓你的項目清晰易懂也便于后期維護(hù)。我建議創(chuàng)建一個如下所示的文件夾結(jié)構(gòu)face_recognition_project/ │ ├── data/ # 數(shù)據(jù)目錄 │ ├── known_faces/ # 已知人臉庫每人一個子文件夾以人名命名 │ │ ├── person_A/ │ │ │ ├── face_1.jpg │ │ │ └── face_2.jpg │ │ └── person_B/ │ │ └── ... │ └── unknown_faces/ # 待識別的未知人臉圖片 │ ├── cascades/ # 存放OpenCV級聯(lián)分類器文件 │ └── haarcascade_frontalface_default.xml │ ├── models/ # 存放訓(xùn)練好的識別模型 │ └── face_recognizer.yml │ ├── scripts/ # 腳本文件 │ ├── 01_collect_faces.py # 人臉數(shù)據(jù)采集腳本 │ ├── 02_train_model.py # 模型訓(xùn)練腳本 │ └── 03_recognize.py # 實時識別腳本 │ └── utils.py # 公用函數(shù)模塊如圖像預(yù)處理函數(shù)這個結(jié)構(gòu)將數(shù)據(jù)、模型、代碼邏輯分離開非常清晰。cascades文件夾里的haarcascade_frontalface_default.xml文件需要從OpenCV的GitHub倉庫下載或者在你安裝的OpenCV目錄里找通常在opencv/data/haarcascades/路徑下。把它復(fù)制到你的項目cascades文件夾里備用。4. 核心模塊實現(xiàn)與代碼逐行解析接下來我們進(jìn)入核心環(huán)節(jié)一步步實現(xiàn)系統(tǒng)的各個功能模塊。我會把代碼拆開揉碎了講讓你不僅知道怎么寫更明白為什么這么寫。4.1 人臉檢測Haar級聯(lián)分類器的原理與使用人臉檢測我們選用Haar級聯(lián)分類器。它的原理簡單來說就是用一系列簡單的“特征模板”比如邊緣、線段、對角線在圖像上滑動計算模板覆蓋區(qū)域的像素和之差這個差值構(gòu)成了“特征值”。通過AdaBoost算法從成千上萬個這樣的簡單特征中挑選出最能區(qū)分人臉和非人臉的少數(shù)關(guān)鍵特征組合成一個強(qiáng)分類器。最后將這些強(qiáng)分類器串聯(lián)成“級聯(lián)”讓圖像區(qū)域依次通過所有關(guān)卡只有通過全部關(guān)卡的區(qū)域才被認(rèn)定為人臉。這種結(jié)構(gòu)能快速排除大量非人臉區(qū)域效率很高。在代碼中使用它非常簡單import cv2 # 1. 加載預(yù)訓(xùn)練的分類器 face_cascade cv2.CascadeClassifier(cascades/haarcascade_frontalface_default.xml) # 2. 讀取圖像并轉(zhuǎn)為灰度圖Haar特征在灰度圖上計算更快更有效 img cv2.imread(some_person.jpg) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 3. 執(zhí)行檢測 # scaleFactor: 圖像縮放比例用于構(gòu)建圖像金字塔檢測不同大小的人臉通常1.1-1.3 # minNeighbors: 候選框周圍需要有多少個鄰居檢測到的重疊框才能被保留值越高誤檢越少但可能漏檢 # minSize: 人臉最小尺寸例如(30, 30)可以過濾掉太小的錯誤檢測 faces face_cascade.detectMultiScale(gray, scaleFactor1.1, minNeighbors5, minSize(30, 30)) # 4. 繪制檢測框 for (x, y, w, h) in faces: cv2.rectangle(img, (x, y), (xw, yh), (0, 255, 0), 2) # 綠色框線寬2像素 cv2.imshow(Detected Faces, img) cv2.waitKey(0) cv2.destroyAllWindows()參數(shù)調(diào)優(yōu)心得scaleFactor默認(rèn)1.1是個不錯的起點。如果你要檢測的人臉尺寸變化范圍很大比如距離攝像頭遠(yuǎn)近不一可以稍微調(diào)大如1.05但計算量會增加。如果人臉大小比較統(tǒng)一可以調(diào)大到1.2或1.3以加快速度。minNeighbors這是控制檢測“嚴(yán)格度”的關(guān)鍵參數(shù)。值設(shè)得太低如3你會得到很多重復(fù)的框和可能的誤檢把窗戶、畫報誤認(rèn)為人臉。值設(shè)得太高如10可能會漏掉一些真實的人臉。通常4-6是一個比較好的平衡區(qū)間。在實際應(yīng)用中我通常會先用默認(rèn)值5跑一遍如果發(fā)現(xiàn)誤檢多就調(diào)高如果漏檢多就調(diào)低并結(jié)合minSize一起調(diào)整。minSize根據(jù)你的應(yīng)用場景設(shè)定。如果是近距離的門禁人臉可能占畫面較大可以設(shè)為(100, 100)來過濾遠(yuǎn)處的行人。如果是廣角監(jiān)控可能需要設(shè)為(30, 30)。4.2 人臉數(shù)據(jù)采集與預(yù)處理構(gòu)建高質(zhì)量數(shù)據(jù)集模型訓(xùn)練的好壞七分靠數(shù)據(jù)。采集人臉數(shù)據(jù)不是簡單地拍張照而是有講究的。我們寫一個數(shù)據(jù)采集腳本01_collect_faces.py。這個腳本會打開攝像頭使用上面的人臉檢測器找到人臉然后自動裁剪、預(yù)處理并保存。import cv2 import os def collect_face_samples(name, sample_count50, output_dirdata/known_faces): 為指定人員采集人臉樣本 :param name: 人員姓名將作為文件夾名 :param sample_count: 需要采集的樣本數(shù)量 :param output_dir: 根輸出目錄 # 創(chuàng)建人員專屬文件夾 person_dir os.path.join(output_dir, name) if not os.path.exists(person_dir): os.makedirs(person_dir) # 初始化攝像頭和檢測器 cap cv2.VideoCapture(0) face_cascade cv2.CascadeClassifier(cascades/haarcascade_frontalface_default.xml) count 0 print(f開始為 {name} 采集人臉樣本。請保持面部在攝像頭前緩慢變化角度和表情。) while count sample_count: ret, frame cap.read() if not ret: break gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale(gray, 1.1, 5, minSize(100, 100)) # 只處理檢測到單張人臉的情況避免多人干擾 if len(faces) 1: (x, y, w, h) faces[0] # 繪制框并顯示計數(shù) cv2.rectangle(frame, (x, y), (xw, yh), (0, 255, 0), 2) cv2.putText(frame, fCollecting: {count1}/{sample_count}, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2) # **關(guān)鍵步驟預(yù)處理并保存人臉區(qū)域** face_roi gray[y:yh, x:xw] # 裁剪灰度人臉區(qū)域 # 將人臉縮放到統(tǒng)一尺寸LBPH算法通常需要比如 (100, 100) 或 (92, 112) face_resized cv2.resize(face_roi, (100, 100)) # 可選的直方圖均衡化增強(qiáng)對比度減輕光照影響 face_eq cv2.equalizeHist(face_resized) # 保存預(yù)處理后的人臉圖像 file_path os.path.join(person_dir, fface_{count}.jpg) cv2.imwrite(file_path, face_eq) count 1 print(f已采集樣本: {count}) cv2.imshow(Collecting Faces, frame) # 按q鍵可提前退出 if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows() print(f{name} 的樣本采集完成共 {count} 張。) if __name__ __main__: person_name input(請輸入待注冊人員的姓名: ) collect_face_samples(person_name)預(yù)處理的重要性與技巧統(tǒng)一尺寸LBPH算法內(nèi)部會將人臉圖像劃分成多個小網(wǎng)格cells來計算局部特征。如果輸入圖像尺寸不一會導(dǎo)致網(wǎng)格劃分不一致特征無法對齊。因此必須將所有裁剪出的人臉縮放到相同的尺寸如100x100像素。這個尺寸不宜過小否則會丟失細(xì)節(jié)也不宜過大否則會增加不必要的計算量。灰度化與直方圖均衡化我們在灰度圖上進(jìn)行LBP計算。cv2.equalizeHist()是一個簡單有效的圖像增強(qiáng)方法它能拉伸圖像的灰度分布使得亮區(qū)和暗區(qū)的細(xì)節(jié)都更明顯從而提高算法對光照變化的魯棒性。這是提升識別率的一個低成本高收益的操作。樣本多樣性采集時應(yīng)讓被采集者緩慢地左右轉(zhuǎn)頭、輕微抬頭低頭、做出微笑、張嘴等不同表情。這樣訓(xùn)練出的模型才能更好地應(yīng)對姿態(tài)和表情的變化。理想情況下每人采集30-50張樣本。4.3 模型訓(xùn)練LBPH算法深度解析數(shù)據(jù)準(zhǔn)備好后就可以訓(xùn)練我們的識別模型了。創(chuàng)建02_train_model.py。import cv2 import os import numpy as np def prepare_training_data(data_folder_path): 準(zhǔn)備訓(xùn)練數(shù)據(jù)讀取圖像提取標(biāo)簽并返回圖像列表和標(biāo)簽列表。 faces [] labels [] label_dict {} # 將人名映射為數(shù)字標(biāo)簽 current_label 0 # 遍歷已知人臉庫下的每個人物文件夾 for person_name in os.listdir(data_folder_path): person_path os.path.join(data_folder_path, person_name) if not os.path.isdir(person_path): continue # 給這個人物分配一個數(shù)字標(biāo)簽 label_dict[current_label] person_name print(f正在處理: {person_name} - 標(biāo)簽: {current_label}) # 遍歷該人物的所有人臉圖片 for image_name in os.listdir(person_path): if image_name.startswith(.): # 跳過隱藏文件 continue image_path os.path.join(person_path, image_name) # 以灰度模式讀取圖像訓(xùn)練時我們使用預(yù)處理后的灰度圖 img cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) if img is not None: faces.append(img) labels.append(current_label) # 這張圖片屬于當(dāng)前人物 else: print(f警告: 無法讀取圖像 {image_path}) current_label 1 print(f數(shù)據(jù)準(zhǔn)備完畢???cè)四様?shù): {len(faces)}, 總?cè)宋飻?shù): {len(label_dict)}) return faces, labels, label_dict def train_lbph_recognizer(faces, labels, model_save_pathmodels/face_recognizer.yml): 使用LBPH算法訓(xùn)練人臉識別模型。 # 創(chuàng)建LBPH識別器實例 # 參數(shù)說明 # radius: LBP算子的半徑通常為1。控制計算特征的鄰域大小。 # neighbors: 采樣點數(shù)目通常為8。半徑上的像素點數(shù)。 # grid_x, grid_y: 將人臉圖像劃分成的網(wǎng)格數(shù)默認(rèn)都是8。每個網(wǎng)格獨立計算LBP直方圖。 # threshold: 識別時的置信度閾值。距離大于此閾值則認(rèn)為是“未知”。這個參數(shù)很關(guān)鍵后面會講如何調(diào)。 recognizer cv2.face.LBPHFaceRecognizer_create(radius1, neighbors8, grid_x8, grid_y8) # 將數(shù)據(jù)轉(zhuǎn)換為NumPy數(shù)組 faces_np np.array(faces) labels_np np.array(labels) # 開始訓(xùn)練 print(開始訓(xùn)練LBPH模型...) recognizer.train(faces_np, labels_np) # 保存模型到文件 recognizer.write(model_save_path) print(f模型訓(xùn)練完成已保存至 {model_save_path}) return recognizer if __name__ __main__: data_path data/known_faces faces, labels, label_dict prepare_training_data(data_path) if len(faces) 0: print(錯誤: 未找到任何訓(xùn)練數(shù)據(jù)請檢查數(shù)據(jù)路徑和圖像文件。) else: recognizer train_lbph_recognizer(faces, labels) # 可選保存標(biāo)簽字典用于預(yù)測時將數(shù)字標(biāo)簽轉(zhuǎn)換回人名 import pickle with open(models/label_dict.pkl, wb) as f: pickle.dump(label_dict, f) print(標(biāo)簽字典已保存。)LBPH參數(shù)詳解與調(diào)優(yōu)思路radius和neighbors定義了LBP算子的形狀。radius1, neighbors8是最常用的配置表示在以中心像素為圓心、半徑為1的圓周上取8個點進(jìn)行比較。增大半徑可以捕捉更大范圍的紋理特征但計算量增加且可能對圖像噪聲更敏感。grid_x和grid_y這是LBPH的精髓所在。它將整張人臉圖像劃分成grid_x * grid_y個小網(wǎng)格。算法會為每個網(wǎng)格單獨計算一個LBP直方圖最后將所有網(wǎng)格的直方圖連接起來形成整個人臉的特征向量。這樣做的好處是保留了人臉的空間結(jié)構(gòu)信息比如眼睛、鼻子、嘴巴區(qū)域的紋理模式不同。默認(rèn)的8x8劃分對于100x100的人臉每個網(wǎng)格是12.5x12.5像素在實踐中效果不錯。你可以嘗試調(diào)整為7x7或9x9觀察對識別率的影響。threshold這是預(yù)測時的“門檻”。LBPH的predict方法會返回一個label預(yù)測的標(biāo)簽ID和一個confidence置信度實際是距離。距離越小越相似。如果confidence大于你設(shè)定的threshold即使找到了一個最相似的標(biāo)簽系統(tǒng)也應(yīng)該判定為“未知”。這個閾值沒有固定值必須在你的實際場景中通過測試來確定。通常做法是用一些已知人臉的測試集和未知人臉的圖片進(jìn)行預(yù)測觀察它們的confidence分布然后選一個能較好區(qū)分“已知”和“未知”的分界值。4.4 實時識別系統(tǒng)集成模型訓(xùn)練好后我們就可以構(gòu)建一個完整的實時識別程序了。創(chuàng)建03_recognize.py。import cv2 import pickle import numpy as np def load_model_and_labels(model_pathmodels/face_recognizer.yml, label_dict_pathmodels/label_dict.pkl): 加載訓(xùn)練好的模型和標(biāo)簽字典 recognizer cv2.face.LBPHFaceRecognizer_create() recognizer.read(model_path) with open(label_dict_path, rb) as f: label_dict pickle.load(f) return recognizer, label_dict def real_time_recognition(): recognizer, label_dict load_model_and_labels() face_cascade cv2.CascadeClassifier(cascades/haarcascade_frontalface_default.xml) cap cv2.VideoCapture(0) # **關(guān)鍵設(shè)置一個合適的閾值** # 這個值需要根據(jù)你的模型和場景調(diào)整??梢韵仍O(shè)一個較大的值如80然后根據(jù)識別結(jié)果調(diào)整。 confidence_threshold 60 print(實時識別已啟動。按 q 鍵退出。) while True: ret, frame cap.read() if not ret: break gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 檢測人臉 faces face_cascade.detectMultiScale(gray, scaleFactor1.1, minNeighbors5, minSize(100, 100)) for (x, y, w, h) in faces: # 預(yù)處理步驟需與訓(xùn)練時嚴(yán)格一致 face_roi gray[y:yh, x:xw] face_resized cv2.resize(face_roi, (100, 100)) face_eq cv2.equalizeHist(face_resized) # 進(jìn)行預(yù)測 label, confidence recognizer.predict(face_eq) # confidence 是距離越小越好。LBPH的confidence值范圍可能較大幾十到幾百都有可能。 # 根據(jù)閾值判斷 if confidence confidence_threshold: name label_dict.get(label, fLabel_{label}) display_text f{name} ({confidence:.1f}) color (0, 255, 0) # 綠色表示識別成功 else: display_text fUnknown ({confidence:.1f}) color (0, 0, 255) # 紅色表示未知 # 繪制框和文字 cv2.rectangle(frame, (x, y), (xw, yh), color, 2) # 將文字背景設(shè)置為半透明黑色提高可讀性 (text_width, text_height), baseline cv2.getTextSize(display_text, cv2.FONT_HERSHEY_SIMPLEX, 0.7, 2) cv2.rectangle(frame, (x, y - text_height - 10), (x text_width, y), (0, 0, 0), -1) # 填充背景 cv2.putText(frame, display_text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.7, color, 2) cv2.imshow(Face Recognition, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows() if __name__ __main__: real_time_recognition()實時識別中的關(guān)鍵點預(yù)處理一致性這是很多新手容易出錯的地方。訓(xùn)練時我們對人臉進(jìn)行了裁剪、縮放、直方圖均衡化。那么在預(yù)測時必須對檢測到的人臉區(qū)域進(jìn)行完全相同的預(yù)處理操作。任何不一致比如縮放尺寸不同、忘記均衡化都會導(dǎo)致特征提取偏差嚴(yán)重影響識別準(zhǔn)確率。閾值Threshold的設(shè)定藝術(shù)confidence_threshold是整個識別系統(tǒng)的“靈敏度旋鈕”。設(shè)得太低系統(tǒng)會變得非?!疤籼蕖奔词故潜救艘部赡芤驗楣饩€、角度稍有變化而被拒識False Rejection。設(shè)得太高系統(tǒng)會變得“輕信”容易把長得有點像的陌生人誤認(rèn)為已注冊人員False Acceptance。沒有一勞永逸的值。你需要收集一些“邊界案例”如本人不同光照下的照片、其他未注冊人員的照片進(jìn)行測試觀察它們的confidence分?jǐn)?shù)選擇一個能平衡誤識率和拒識率的值。這是一個需要反復(fù)實驗和調(diào)整的過程。性能優(yōu)化在循環(huán)中人臉檢測detectMultiScale是性能瓶頸。如果感覺幀率較低可以嘗試降低檢測頻率比如每3幀檢測一次或者適當(dāng)調(diào)大scaleFactor和minSize來加速。對于非關(guān)鍵幀可以沿用上一幀的人臉位置進(jìn)行預(yù)測。5. 效果優(yōu)化與高級技巧一個能跑起來的系統(tǒng)只是開始要讓它在實際環(huán)境中穩(wěn)定可靠還需要一些優(yōu)化技巧。5.1 提升識別準(zhǔn)確率的實用策略多角度數(shù)據(jù)采集與數(shù)據(jù)增強(qiáng)這是提升模型泛化能力最有效的方法。采集數(shù)據(jù)時務(wù)必涵蓋正面、左側(cè)面、右側(cè)面、輕微俯仰等不同角度。如果數(shù)據(jù)量有限可以在代碼中引入簡單的數(shù)據(jù)增強(qiáng)比如對訓(xùn)練圖像進(jìn)行隨機(jī)的微小旋轉(zhuǎn)±5度、水平翻轉(zhuǎn)人臉基本對稱翻轉(zhuǎn)是安全的、亮度/對比度微調(diào)。這能模擬真實世界中的微小變化讓模型更魯棒??梢允褂胕mgaug或albumentations庫方便地實現(xiàn)。人臉對齊Face AlignmentLBPH對姿態(tài)比較敏感。如果人臉是歪的劃分的網(wǎng)格就和訓(xùn)練時正臉的網(wǎng)格對不齊。一個改進(jìn)思路是進(jìn)行簡單的人臉對齊。我們可以利用人臉關(guān)鍵點檢測OpenCV的DNN模塊可以加載預(yù)訓(xùn)練的關(guān)鍵點模型如face_landmark_model.dat找到兩只眼睛的中心計算眼睛連線的角度然后旋轉(zhuǎn)圖像使眼睛連線水平。這樣能讓人臉姿態(tài)更統(tǒng)一顯著提升側(cè)臉識別率。光照歸一化直方圖均衡化是基礎(chǔ)方法。更高級的方法有CLAHE限制對比度自適應(yīng)直方圖均衡化它能避免局部區(qū)域過度增強(qiáng)。OpenCV中通過cv2.createCLAHE()實現(xiàn)。另外Gamma校正也可以用來調(diào)整圖像的整體亮度。在實際項目中我通常會嘗試幾種預(yù)處理方法的組合并在一個小的驗證集上測試選擇效果最好的。集成預(yù)測與投票機(jī)制對于實時視頻流不要只依賴單幀的預(yù)測結(jié)果??梢跃S護(hù)一個短時間窗口如最近10幀對同一個人臉在這10幀內(nèi)的預(yù)測結(jié)果進(jìn)行統(tǒng)計。采用“投票機(jī)制”選擇出現(xiàn)次數(shù)最多的標(biāo)簽作為最終結(jié)果或者計算平均置信度。這能有效平滑掉單幀的誤識別使輸出結(jié)果更穩(wěn)定。5.2 系統(tǒng)穩(wěn)定性與性能保障誤檢過濾Haar檢測器有時會把一些類人臉圖案如海報、玩偶檢出來。除了調(diào)整minNeighbors參數(shù)還可以加入寬高比過濾。正常人臉的寬高比大致在0.7到1.5之間。對于明顯超出這個范圍的檢測框可以直接丟棄。for (x, y, w, h) in faces: aspect_ratio w / h if 0.7 aspect_ratio 1.5: # 處理這個人臉框 pass人臉跟蹤Face Tracking在視頻中連續(xù)幀之間人臉位置變化很小。可以使用簡單的跟蹤算法如OpenCV的TrackerKCF或TrackerCSRT來跟蹤已檢測到的人臉。這樣在后續(xù)幀中可以在跟蹤框附近的小范圍內(nèi)進(jìn)行檢測或直接使用跟蹤結(jié)果大幅減少全圖檢測的計算量提升幀率。策略可以是“檢測-跟蹤-檢測”即每隔N幀做一次全圖檢測來糾正跟蹤漂移中間幀使用跟蹤。模型更新與增量學(xué)習(xí)一個實用的系統(tǒng)應(yīng)該能方便地添加新成員。OpenCV的LBPH模型支持增量訓(xùn)練。當(dāng)有新人員加入時你可以采集他的新數(shù)據(jù)然后調(diào)用recognizer.update(new_faces, new_labels)來更新模型而無需重新訓(xùn)練所有人。這在實際部署中非常有用。6. 常見問題排查與調(diào)試心得在實際開發(fā)中你肯定會遇到各種問題。下面是我總結(jié)的一些常見“坑”及其解決方法。問題現(xiàn)象可能原因排查步驟與解決方案cv2.face模塊找不到報錯AttributeError安裝了opencv-python但未安裝opencv-contrib-python。運行pip install opencv-contrib-python。安裝后確認(rèn)cv2.__version__版本一致。人臉檢測框亂飛誤檢很多detectMultiScale參數(shù)minNeighbors設(shè)置過低或場景中類人臉物體多。1. 逐步調(diào)高minNeighbors如從3調(diào)到6。2. 結(jié)合minSize限制最小人臉尺寸。3. 檢查環(huán)境光線是否過暗或過曝嘗試調(diào)整攝像頭或增加圖像預(yù)處理。檢測不到人臉minNeighbors設(shè)置過高minSize設(shè)置過大光線太差人臉角度過大非正面。1. 調(diào)低minNeighbors。2. 調(diào)小minSize。3. 改善光照條件。4. 嘗試使用側(cè)臉檢測器haarcascade_profileface.xml或考慮使用基于DNN的檢測模型如OpenCV的face_detector。訓(xùn)練時程序崩潰或報內(nèi)存錯誤圖像尺寸過大或數(shù)量太多圖像讀取失敗。1. 確保所有人臉圖像已統(tǒng)一縮放到較小尺寸如100x100。2. 檢查prepare_training_data函數(shù)中cv2.imread是否成功讀取了圖像img is not None。3. 分批處理大量數(shù)據(jù)。識別結(jié)果全是“Unknown”confidence_threshold設(shè)置過低訓(xùn)練數(shù)據(jù)質(zhì)量差模糊、遮擋、角度單一預(yù)處理不一致。1.首先檢查預(yù)處理一致性確保訓(xùn)練和預(yù)測時裁剪、縮放、均衡化的步驟和參數(shù)完全一樣。2. 逐步提高threshold值觀察confidence輸出直到能識別出已知人臉。3. 檢查訓(xùn)練數(shù)據(jù)確保每人有足夠多15的、質(zhì)量好的、多樣化的樣本。識別錯誤張冠李戴confidence_threshold設(shè)置過高不同人員的人臉樣本特征相似如雙胞胎訓(xùn)練數(shù)據(jù)中存在錯誤標(biāo)簽。1. 適當(dāng)降低threshold但需配合“未知”檢測測試避免誤識率過高。2. 增加LBPH的grid_x和grid_y參數(shù)如從8調(diào)到12使用更精細(xì)的網(wǎng)格劃分以捕捉更細(xì)節(jié)的特征差異。3. 仔細(xì)檢查訓(xùn)練數(shù)據(jù)文件夾確保沒有放錯圖片。實時識別幀率很低每幀都進(jìn)行全圖人臉檢測計算開銷大。1. 降低檢測頻率如每3幀檢測一次。2. 縮小檢測圖像尺寸先對幀進(jìn)行縮放檢測后再映射回原坐標(biāo)。3. 引入人臉跟蹤減少全圖檢測次數(shù)。側(cè)臉或戴眼鏡識別率驟降LBPH對姿態(tài)和局部遮擋敏感訓(xùn)練數(shù)據(jù)缺乏此類樣本。1.豐富訓(xùn)練數(shù)據(jù)采集包含側(cè)臉、戴眼鏡/摘眼鏡、戴帽子等不同狀態(tài)的樣本。2.引入人臉對齊通過關(guān)鍵點檢測擺正人臉。3. 考慮使用對姿態(tài)更魯棒的算法如基于深度學(xué)習(xí)的特征提取器。調(diào)試心法當(dāng)識別效果不佳時請遵循“數(shù)據(jù)-預(yù)處理-模型參數(shù)-后處理”的排查路徑。數(shù)據(jù)永遠(yuǎn)是第一位的?;〞r間構(gòu)建一個干凈、多樣、高質(zhì)量的訓(xùn)練集比盲目調(diào)整模型參數(shù)有效得多。可以寫一個簡單的腳本可視化你的訓(xùn)練數(shù)據(jù)看看是否覆蓋了各種情況。然后確保訓(xùn)練和預(yù)測的管道完全一致。最后再去微調(diào)LBPH的radius、neighbors、grid_x、grid_y以及預(yù)測threshold這些參數(shù)。構(gòu)建這個人臉識別系統(tǒng)的過程就像搭積木每一步都環(huán)環(huán)相扣。從環(huán)境配置、數(shù)據(jù)采集到模型訓(xùn)練、實時識別再到最后的調(diào)優(yōu)排錯每一個環(huán)節(jié)都有需要注意的細(xì)節(jié)。我最深的體會是耐心和系統(tǒng)化的測試是成功的關(guān)鍵。不要指望第一次訓(xùn)練就能達(dá)到完美效果準(zhǔn)備好一個包含各種“困難案例”不同光線、角度、表情的測試集反復(fù)迭代你的數(shù)據(jù)、預(yù)處理和參數(shù)觀察模型在這些案例上的表現(xiàn)變化你就能逐漸摸清門道讓系統(tǒng)越來越可靠。這個基于OpenCV和LBPH的方案雖然比不上最前沿的深度學(xué)習(xí)模型但它為你理解人臉識別的完整流程、掌握計算機(jī)視覺項目的開發(fā)方法打下了一個無比扎實的基礎(chǔ)。當(dāng)你吃透了這一切再去探索更復(fù)雜的模型時就會感到游刃有余。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
亚洲自拍偷拍视频在线| 九九无码久久精品视频| 色五月激情综合网| 精品国产乱码久久久久久影片| www.91色综合| 久久综合中文国产| 欧美黑人91| 九九九久久久W精品| 亚洲三级。日韩三级| 97色碰| 99久久久无码精品国产人| 精品久久无码午夜福利| hd成人一区二区在线| 日韩午夜啪啪视频| 久久熟妇五十路一区| 夜夜免费视频| 99人妻碰碰碰久久久久禁片| 人人操人人uiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii | 欧美熟女妇同| 青青伊人这里只有精品| 97碰久久| 欧美性爱三区二区| 97青青操视频| 综合网少妇| 中文操逼字幕| 大香蕉啪啪网| 东京热熟女亚洲视频网站| 亚洲无码一区成人免费午夜| 国产精品蜜乳AV| 日本99久久| 国产大片精久久久久久| 四虎AV在线播放| 亚州综合网| 日韩av一级黄片| 亚洲色堂免费视频| 精吧天堂| 成人一道本免费视频| 美国日韩黄色片| 67194无码不卡| 欧美综合综合| 国产精品一级毛片不卡视| 骚逼高潮久久精品| 高清不卡 中文 人妻| 怡红院成人视频| 2018天天干在线视频| 亚洲五月天激情| 亚洲欧美一区二区不卡视频播放| 男人天堂网站| 久操大香蕉| 男人天堂 天天射| 啊啊啊啊免费视频| 亚洲熟女中文字幕在线| 91九九九吃| 日韩福利综合一区| 久草精品热视| 九九热九九| 国产九九九九九九九九| 午夜毛片高清免费不卡| 色哟哟 日韩精品| 99这里有精品视频| 干b网| 国产一区二区a毛片| 91亚州日韩高清| 国产风韵犹存熟妇三区| 俄罗斯一区二区视频在线观看| 夜色五月天| 亚洲第一页综合在线| 一级黄色视频网| 少妇一区二区三区在线观看| 日欧操屄| 久热久一区二区三区| 国产白丝网站| 自偷自拍的亚洲视频| 麻豆黄站| 国产精品久久久久久片| 免费97视频| 人妻精品免费一二三区| 哈哈操电影AV| 欧美性爱精品七区| 色九区| 欧美图片色五月天| 日亚韩精品视频二区三| 欧美精品黑人猛交高潮| 色综合久久久久| 人妻人久久精品中文字幕| 伊人影院综合是一个与深夜成人在线| 中字一区| 亚洲天堂男人在线| 久久这里只精品| 五月天色色网站| 韩国嫰模上门援交视频| 密桃99999| 女优大全 - 91n| 国产亚洲在线观看| 97超碰9| 开心五月天激情网| 色悠久| 欧美日韩人人精品| 一本久道在线综合视频| 无码男人天堂| 精品一区二区在线针对华人免费观看这里只有精品免费观看 | 亚洲色交| 91neishe| AA级电影三区| 日韩久草| 精品久久99| 欧美 亚洲 综合 制服| 99999国产| 国产一区二区三区中文字幕| 日本孕妇一区二区视频操逼免费看 | 日本一区不卡| 一区二区三区四区姦女| 国产成人无码a| 是还免费视频1727我| 日操粉逼逼| 一区二区视频在看| 日韩内射视频| 日韩欧美午夜一区二区| 国产人妻久久精品一区二区三区| 九色97| 欧美不卡在线一区二区| 97超碰免费生活| 亚洲第一成人影院色播| 欧美精品三区| 97硬碰| 粉嫩国产精品久久久| 亚洲综合婷婷| 蜜桃精品一区二区三区久在线| 97爱b| 思思在线免费视频| 男人网站婷婷| 日日干天天干夜夜爽| 麻豆国产第一| 狠狠色综合网| 人妻丰满熟妇一区二区三| 狠狠爱夜夜干| 久久久9品一区二区三区| 久久伊人最新网址视频| 91精品又粗又猛又爽| 婷婷色中文字幕| 色欲三区| 日韩啪啪视频| 国产一区二区三区,在线观看观看| 日本日皮视频逼| 69一区二区| 亚洲成人色情五月天丁香花| 99碰碰| 色婷婷六月丁香七月婷婷| 爱丝福利| 久久、1234| 久热91| 国产隔壁老王影院在线| 久久久久亚洲av综合波多野制衣| 亚洲视频二区 | 五月天久久久| 超碰夫妻97| 欧美另类精品xxxx| 久久做97| 欧美九九九| 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 | 天天综合~91| 国产11页| 欧美在线干| 国产成人无码a| 亚洲欧美黄| 久久妇| 少妇天堂网络| 中文字幕在线播放2中文字幕在线观看2| 奇米四色网| 国产呦精品系列在线观看| 中文字幕97色| 日韩成人色图| 亚洲熟女性高潮久久久| 国产大学生口爆吞精合集| 911av网站免费观看| 95精品在线| 高清有码一区二区| 久草精品热视| 综合五月婷婷| 国产对白刺激视频| 国产熟妇一区二区| 亚洲久久久久| 中文字幕av一区二区三区人妻少妇| 亚洲精品天天影视综合网 | 三上制服丝AV| 巨爆乳肉感一区二区三区竹菊影视| 91精品国产91久久青草| 91麻豆天美国产欧美| 亚洲五码一区二区三区| 制度丝袜99| aa片毛片| 久久超碰网| 国语精品对白| 久草色在线观看| 国产乱码久久久久久| 欧美 传媒 麻豆 日韩 偷拍| 国产无遮挡| 成年女人一区| 亚洲成人碰碰| 久久久久久久一级黄色打同平台| 99视频内射三四| 中文字幕在线高清男人的天堂 | 五月婷婷激情网| 精品在线观看视频在线| 亚洲欧美综合区自拍另类| 青青伊人这里只有精品| 日韩钢筋无码高清啾啾啾| 久久精品免费| 神马久久中文字幕| 在线黄色污污网站| 国产五码丝袜屁眼| 国产噜噜噜噜噜久久久久久久久| 97超碰在线资源网站| 久久只有精品一区二区三区| 蜜臀av中字字幕网站| 欧美综合站| 久久天天摸| 99国产精品人妻人伦| 色综合98| 2011国产精品| 精品久一区免费| 又黄又爽在线观看视频| 91大神电影天堂| 久久久久久亚洲Av无码| 91成人久久| 免费a在线播放v| 伊人久久婷婷| 成人精品电影| 亚州乱码中文字幕综合久久久| 亚洲欧美性生活| 人人喜人人妻| 蜜臀AV成人精品蜜臀| 欧美A√综合网| 蜜桃久久久久久久久久久久| 色偷偷超碰亚洲| 欧美亚洲韩国视频十五区| 欧美同性恋 的搜索结果 - 91n| 六六久久日韩不卡| 五月亭亭六月丁香| 97视频免费播放| 国产在线激情| 99精品网站| 国产污视频麻豆传媒一区二区| 麻豆影音天美视频| 天天干人妻| 色拍偷亚洲| 四虎精品亚洲| 男女无套 免费网站| 成全动漫视频观看免费下载| 日本日逼高清| 精品人妻伦一二三区久久| 久9久| 亚洲日本天堂| 91精品人妻一区二区三区蜜桃| 尤物av网站免费在线播放| 色综合天天| 立川理惠无码一区二区| 亚州精品一区二区三区香中文字幕在线| 啊啊啊啊视频免费| 秋霞鲁丝午夜无码一区二区三| 在线观看啊啊啊啊啊| 丰满搜索结果 -第18页- 久久高清无码| 999综合色| 日日AAvv| 日韩精品在线视频在线观看| 午夜丁香婷婷| 久久久久久中文版| 日韩大香蕉AV影片| 精品中文字幕第一页| 玖玖婷婷五月天| 日韩一区二区熟女| 热热色国产一二区AV| 91操熟女| 第一高清av中文字幕| 啊啊啊用力在线观看| 欧美人人天天网| 999综合网| 91久久精品中文字幕| 日本女人操逼| 香蕉免费一区二区三区不读 | 色综合大香蕉| 黄片免费久久久久久久| 人妻丝袜无 码视频专区| 亚洲一区二区三区麻豆传媒| 伊人9| 国产精品久久久吖| 桃色五月天| 日韩美女高潮喷水视频| 欧美 亚洲 在线| 操逼啊啊啊91| 麻豆国产成人精品| 中文乱码字字幕在线第5页| 伊人久久综合精品欧美| http://qxhbdz.com| 巨乳特殊服务按摩| 淫乱图区 | 另类图片五月| 亚洲老熟妇xxx| 韩国国产欧美情侣视频在线| 啪啪自拍九九综合| 久久久久国产一区二| 75大香蕉| 91香蕉国产尤物视频| 操逼日韩无码| 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 | 人妻熟妇久草在线| 韩国三级一线观看久| 国语精品内射在线观看| 日韩精品区二区三区不卡| 欧美老妇综合网| 国产视频97| 噜噜噜在线视频| 亚洲五区熟女| 91精品国产91久久福利| 人人操人人插 - 百度 - 百度| 色五月激情网| 九九九九九九九九九九九蜜桃| 影视综合无码少妇| 天天干天天日天天射黄色片| 女性喷水高潮在线观看| 一色网男人的天堂| 欧美97免费| 国产操操日韩三级黄| 九九九九日本| 国产精品探花色| 99re不伦| 一区二区免费电影久久| 九一屌逼| 国产综合久久久麻桃个| 337p大胆噜噜噜噜噜91Av| 果冻传媒A片一二三区 | 国产乱码久久| 性色亚洲| 久悠悠av| 国产精品99精品视频网站| 伊人久久亚洲色欲综合网站| 久久久精品中文字幕麻豆| 婷婷性网| 日韩高潮一区| 日本孕妇一区二区视频操逼免费看| 国产67194| 91伊人影视综合| 97视频网站| 中文字幕在线观看AV| 91精品国产91久久青草| 青青草吊丝| 亚洲男人天堂av| 无码人妻一区二区一牛影视| 9久在线视频只有精品| 超碰97资源中文字幕| 日韩免费簧片| 国产av色网| 国产精品久久久三级无码| 亚州欧美另类| 青娱乐av在线| 亚一综合久久久久久久久久| 亚洲中文sv| 国产老女人久久毛| 青青草日逼视频| 人人么人人操| 午夜福利在线合集| 欧美疯狂做爰xxxx| 日韩91网站| 精品人妻一区二区三区四区| 99爱在线视频| 亚洲色9| 午夜成人爽爽爽爽A片李冰冰| 亚洲色图日韩精品| 久久精品免视看国产成人﹣蜜臀av一区. 久久精品免视看国产成人,蜜臀av一区 | 丁香五月色| 91欧美情色| 91校园春色长篇| 欧美日本成人一区二区| 美性中文综合网| ?亚洲伊人伊成久久人综合网| 99re这里只有精品2| 人妻天堂综合网| 久久精品人人做人人看| 欧美图片校园春色| 日韩AV一区二区三区三州三州| 特级特黄一级毛片免费| 成人天天爽| 99综合| 欧美视频一| 精品综合久久久久久97| www.狠狠干.coom | 在线天堂999| 国产免a费看黄片在线| 全国男人天堂网| 激情抓乳插进去啪啪啪日韩 | 丁香九月激情啪| 免费人成毛片乱码| 插B在线观看| 啊啊啊啊啊在线观看网址 | 口爆综合网| 大学生口爆吞精| 肥臀熟女福利视频一区二区| 97精品视频| 思思热影视| 校园春色亚洲色图| 熟女高潮精品一区二区| 超碰久超碰久| 91狼人| 欧美性色欧美| 日本精品不卡一二三区| 综合色久欲| 成人情色一区二区| 一区二区三区四区免费视频| 日本人妻最新在线中| 爱妻综合网| 精品网站9999| 色欲天天综合网| 欧美日韩另类在线播放| 亚洲欧美高清| 四虎影视国产精品| 夜夜操一区二区| 东京太热久久久| 五月婷色| 超碰AV在线| 久久久久成人亚洲国产| 91影库| 亚洲 欧美 精品专区 极品| 精品人妻久久久久一区二区三区| 天天日美女的B| 中文字幕88av在线| 国产精品国产自产拍高清AV| 亚洲天堂综合AV| 久久久91| 超碰吊日色| 天天爽入口| 男女性扦B| 欧美猛交黑寡妇中文字幕| 人妻精品综合中文字幕在线 | 加勒比无码毛片| 久久久久无码一妻区| 夜草欧美| 91挑色欧美| 欧美一二在线| 国产极品久久久| 玖玖蜜臀资源网| 日韩影片中文字幕一区二区三区| 97干日韩| 国产精品视频电影| 91九色丨国产丨爆乳| 91人妻超碰| 久久天天摸| 人夜夜精品网站香蕉嫩草| 婷婷五月天_亚洲小说欧美激情另类_精品久久国产字幕 | 亚洲一曲日韩精品| 天天操夜夜操狠很操| 高清无码一区二区三区| 天天摸夜夜添无码小视频| 国产乱色国产精品免费视| 一级岛国大片| 国产精品无码av嫩草| 国产一级不卡在线观看| 熟女精品va中文字幕| 在线综合色| 久久激情亚洲精品无码?V| 丝袜剧情| 精品国产精品一区二区| 无码色| 久久这里都是精品| 国产91精品久久久久久久网曝门| 嗯嗯啊啊视频一区二区三区| 天天操天天日天天干| 麻豆区久久久久亚| 99精品九九九九九九| 97资源亚洲| 亚洲国产成人精品女人久久久| juliaann丝袜大战黑鬼| 日日夜夜模| 亚洲色天堂九9| 国产免费内射视频| 人妻精品视频一区二区三区| 亚洲伊人a线观看视频| 中日韩熟女| 色欲久久综合| 久久发布国产伦子伦精品| 欧美久久久15P| 亚洲性图91| 亚洲精品熟妇1区2区3区。| 色九久| 国产精品黑人一区二区三区| 国产真实野战在线视频| 女优免费一区二区永久| 白 大 人妻 区 在线| 风月影院男女十八禁| 日本大香蕉综合网| 国产乱伦性爱区| 自拍大香蕉乱插| 蜜臀国产AV中文字幕| 欧美日韩淫加| 2020中文字幕在线| 乱伦日本中文自拍| 一起草精品人妻| 久久 国产 无码| 国产尤物AV尤物在线观看不卡| 婷婷在线视频| 日本超碰97日韩精品人妻| 亚洲 欧美 日本 国内 首页| 久久精品国产亚洲5555| 国产欧美岛国精品一区| 欧美第一页性| 蜜臀一二三区| 国产精品一区二区手机看片| www.av在线观看| 亚洲成人一二三区| 999色欧美中文字幕| 欧美18老人禁| 久热9| 男人 天堂 日 亚洲| 成人青青草原伊人| 国产免a费看黄片在线| 久青草影院| 欧洲亚洲天堂精品| a片自拍直播视频| 四虎影院成年人片| se,,,亚洲欧美| 亚洲丝袜诱惑| 欧美疯狂做爰xxxx| 黄日韩| 亚洲人在线| 69久久| 国产精品久久久久无码A√| 综合网欧美在线| 加勒比久久av| 人人操人人摸人人看人人插| 日韩三级一区| 成人开心网在线视频| 欧洲亚洲国产综合在线| 成人综合色网| 国产后入式在线观看| 国产日韩区| 欧美色三级片91| 九九九九免费高| 精品999一区二区| 天堂中文资源在线bt| 97久久精品亚洲中六字幕| 日韩无码第3页| 乱伦Av网| 嗯嗯啊好大| 欧美色人| 夜色五月天| 97超碰影音| 人人操,人人插| 日韩pv中文| 国产精品一区二区麻豆| 在线看污网站| 黑人操一区二区| 97色欧州| 成人毛片免费| 五月天激情视频| 久久国模av| 偷拍亚洲| 97超碰jingpin| 强乱老妇中文字幕| 2020国产精品| 天天在线91| 99热99在线播放激情| 天天综合影院91| 久久精品人妻一区| 狼天天狼天天大香蕉| 九九热精品视频六| 日韩去日本高清在| 99热99re6国产在线播放| 免费一级性爱久久| 99精品热| 欧美精品23| 青青色综合| 五码视频在线观看| 一区 欧美 日韩 麻豆| 青娱乐999| 亭亭丁香激情| 人人插人人搞人人操| 亚洲AV无码乱码在线观看性色| 亚洲欧洲第二视频在线观看色图| 激情五月综合开心五月| 好湿好紧好爽 视频| 超碰97资源中文字幕| 91A欧美电影网站| 久久东京国产精品视频| 怡红院亚洲怡春院av| 无码人妻丰满热妇又大又粗| 人妻天堂综合网| 欧美性生活内射| 亚洲熟女性高潮久久久| 91/欧美| 午夜视频好爽啊| 日韩综合97P| 国产亲戚伦亲在线| 亚州,欧美在线| 九九99精品| 91色婷婷综合久久中文字幕二区| 五月黑AⅤ| 粉嫩av平台| 极品内射| 伊人黄色视频免费观看| 伊人性在线视频| Julia在线播放亚洲久久| av亚洲天堂资源网站| 日韩av不卡在线看| 超碰 国产熟女精品一区| 婷婷丁香成人| 久艹日日日| 欧美性暴力猛交XXXX| 日韩性爱人人爱人人操| 日韩综合色网| 农村妇女一级二级三级视频| 91精品人| 小明看看网址| 秋霞一级视频在线观看免费| 国产精品视频在线观看| 狠肏骚人妻| 超碰午夜| 久久精品一区| 99久久精品无码一区二区| 欧美激情 一区| 91扒丝袜综合在线| 日本熟女中文字幕一区| 国产精品久久久亚洲第一牛牛_在线观看| 亚洲高潮少妇| 国产91会所女技师在线观看| 97久久天天综合色天天综合色电影| 亚洲欧洲精品视频发布| 九九热这里只有在线精品视 伊人草 成人菠萝蜜视频在线观看 | 93人人操人人| 日韩日韩日韩-国产乱码精品一区二区| 精品少妇后入一区二区三区四区人妻巨乳 | 国产欧洲精品亚洲午夜拍精品| 狠狠干综合| 乱伦熟女论坛| 熟妇高潮二区三区| 大香蕉伊人网WWWn0n| 在线A日本| 黑人娇小av在线播放| A 在线网址| 久久97资源 网| 丁香五月综合| 亚洲无码精品AV久久久| 色天使AV天堂| 99国产在线绯色一区| 3D污黄视频在线观看| 97极品无码| 成人久久久精品| 国产一区二区三区中文字幕| 国产熟女免费观看久久| 久久超碰网| 欧美精品久久| 中文字幕第页| 人妻少妇被猛烈进入中| 精品少妇高潮久久| 国产又粗又长的视频| 欧美在线55555| 天天干一干| 特级特黄一级毛片免费| 天天操妹子| 欧美影音在线| 九九无码久久精品视频| 国产AV久久久蜜爱影集| 日韩av免费一级电影| 大香蕉色欲AV| 亚洲不卡av在线| 狠狠操综合| 探花在线免费观看视频国产一区| 国产福利精品98视频| 99热在线只有精品| 男人的天堂2000| 日韩性爱再线视频| 亚州欧美在线| 中文字幕久久亚州无码| 国产天美欧美| 色五月激情综合网| 操逼逼中文字幕| 一级人妻性爱视频| 亚洲欧美人妻| 久久亚洲一区女同性恋中文字幕 | 日逼五月天| 综合久| 九色精品视频导航1| 曰本精品久久久| 99久久婷婷| 日韩乱插| 911粉嫩人妻| 思思热影视| 国产AV色黄看到爽| 人妻偷拍一区二区三区| 免费成人自拍视频在线| 亚洲在饯| 麻豆视频一区二区| 亚洲性高潮| 日天天九九天堂666| 亚洲天天精品| 色婷婷一区二区三区久久午夜成人不| 青青欧洲黑| 青青欧洲黑| 天天插夜夜爽| 97视频900| 日本精品性生活久久久| 九九热这里只有在线精品视 伊人草 成人菠萝蜜视频在线观看 | 日韩BBN| 欧美久久人体| 亚洲天堂少妇| 亚洲丝袜在线观看| 操久久久久| 91中文字幕制服丝袜免费视频| 清纯唯美综合亚洲| 久久久久9| 激情五月综合网| 国产激情综合五月久久| 五月丁香啪啪啪| 99无码视频| 麻豆国产尤物AV| 五月天色图影视| 国产黄a三级三级三级av在线看| 五月丁香色婷婷| 一区二区三区 日韩欧美| 99久久e免费热视| 日本五十路熟女一区二区| 人妻中文字幕日韩电影| 91GD.COM| 超碰人人妻| 亚洲成人av色网| 九九无码久久精品视频| 日本精品88888888| 日韩丝袜高跟制服在线观看| 亚洲高清少妇| 久久婷婷苹果| 999精品乱码| 欧洲特黄毛片免费看欧洲毛片| 欧美色www亚洲国产阿娇要播| 中文字幕五月婷婷免费| 操逼操逼逼操操逼91| 一级免费啪啪片| 亚洲操操操| 欧美亚洲第1页| 啊啊啊好大好湿| 亚洲色图 91| 欧美91精品国产自产| 人妻爽爽啪视频| 9999久久久久| 易易A毛视频| 一起草三级AV电影在线观看 | 狠狠婷婷亚洲中文综合久久| 人妻一区二区三区视频| 国产成人无码啪| 国产精品国产拍高清AV| 国色天香av| 好屌色综合| 天堂亚洲精品| 欧美成年人性爱视频免费观看| 九九综合久久中文字幕| 色婷婷综合网站| 啊啊啊啊啊在线观看网址 | 久久久艹艹艹| 熟女欧美日韩综合婷婷| 97久久久久久久久久| 亚州性色| 精品人体无圣光凹凸| 99久久婷婷国产综合| 亚洲综合在线高清| 夜夜免费视频| 亚洲无线观看久久| 国产精品无码av| 夜夜爽77777| 在线国产一区二区av| 最新欧美色网| 国产妇女精品视频青青草| 欧美78P| 国产亚洲精品无码三区| 丁香久久| 极品后入免费视频| 98久久超碰| 日韩性爱免费观看视频| 99操视频| 色九九九综合| 欧美日韩在线小说| 日韩色| 91女网站| 日韩欧美久久婷婷网站| 人人玩人人添人人澡免费| 婷婷久草| 国桃视频产巨乳精品一区二区在线| 992大香蕉| 草草网站影院白丝内射| 青青国产精品在线| 91狠狠狠| 免费一级精品啪啪视频| 国产欧美美女免费观看视频| 97热视频在线观看| 澳门黄片一香蕉视频| 婷婷色导航| 久久超碰av在线| dy888午夜老子影视达达兔| 91狼人| 久久久99999久网站| 国产精品 视频| 中文字幕精品资源在线| 一区二区首页| 600国产精品视频| 老色鬼成人精品视频下载大在线观看| 精品人妻免费观看| 五月开心网| 久久久久久裸体| 国产一进一出视频网站| 青青11操操操操操操操操| 日韩日韩日韩-国产乱码精品一区二区| 亚洲AV无码久久精品蜜桃小说| 嗯嗯,好大,好爽,好骚 | 蜜臀无码视频在线观看| 久久五月综合| 国产精品97超碰| 国产精品无码久久久久2025| 日韩av熟女一区二区三区成人| 欧美综合色图网| 男男H黄动漫啪啪无遮挡网站| 免费久久9999| 中文字幕日韩专区精品系列 | 亚洲日本天堂| 天天插夜夜操| 精品视频97| 日韩三级伊人| 久久婷婷国产一区二区色| 美女主播色欲91抠b在线播放| 330dv亚洲成年视频网| 自拍偷拍 日韩欧美| 男人下部插入女人下部 | 久久久久成人亚洲国产| 久久天堂| 成人av福利在线观看| 吻戏激情性巴克| 99999国产| 国产综合操逼高清| 91成人亚洲色图| 亚洲日精品| 综合一区中亚洲国产成人综合精品 | 欧美爆操91| 尹人免费观看视频在线| 蜜臀AV一区二区三区激情综合| 成人线上超碰| 福利偷拍视频-中文字幕2019国语完整视频大全-S91AV | 蜜臀无码视频在线观看| 蜜色网色哟哟| 色激情综合网站| 无码人妻一区二区一牛影视| 人人操人人色网| 2001天天操| 91丝袜视频在线观看| 亚洲色图日韩精品| 久久夜精品一区二区三区| 99国产在线 精品 视频| 综合色拍| 国产理论视频在线播放| 午夜无码熟妇丰满人妻| 人人摸人人添人人操| 人妻大相焦在线| 久久久久人妻二区精品叶可怜| 亚洲国产精品久久久男人的天堂| 在线观看高清AV| 91超碰碰在线| 7777欧美成是人在线观看| 99最新日韩偷拍视频| 亚洲超碰在线| 人妻天天爽夜夜爽爽| 日韩性爱小视频| 情色五月天久久久| 亚洲 一区二区 自拍| 国产精品熟妇一区二区三| 人人妻人人狠人人| 超碰人人干天天射| 盗摄 精品 另类 一区| 99无码狠狠久久| 欧洲精品在线播放| 91人妻素女| 色原狠狠天天天| 天天透伊人| 91精品微拍福利| 人人爽夜夜玩视频| 99精品在线观看| 国产精品黑人一区二区三区| 欧美国产有色电影| 六十路日本| 视频一区二区免费在线| 日欧毛片久久| 99超级碰免费视频| 九九九九热| 久久精品人妻一区二区| 日本欧美国内在线| 天天干天天操天天操夜夜操天天操| 国产综合久久久鬼色| 久久精品国产亚洲AV无码电影| 久久精品国产99久久,亚洲日韩久久日本一区一区三区 | 激情综合 婷婷五月 红杏 | 香蕉免费一区二区三区不读| 久操热| 免费久久一级毛片大黄| 啊灬啊灬啊灬啊灬高潮奶出了免费视| 五月天综合| 女欧美一区二三区| 青青草影视蜜久久| 日本一区二区三区欧美日韩中文字幕| 韩国午夜理伦三级好看| 久久久久久久 九九九九九九九| 国产精品极品美女视频| 热热色中文无码| 日韩9999| 91人妻爽爽人人做人人澡| 中文字幕精品免费一区二区| 久啪视频| 熟女一区二区| 99色天堂| 26uuu最新| 福利天天都操| 国产精品久久久蜜臀| 国产精品免费视频人成| 自拍内地三级在线观看| 人妻人久久精品中文字幕| 国产日韩精品一区二区三区| 强奸乱伦麻豆| 在线播放成人高清免费视频| 97人人夜| 天天影视射综合网| 中文字幕高清20页视频| 国产精品麻豆视频网站| 国产97在线视频| 久久机热| 美女AV一区二区| 日本操BAV| AA级电影三区| 91精品老女人| 女上位精品在线| 欧美日韩少妇色情| 久/久精品99看9| 嫩草影院性色| 久久国产熟女影院| 亚洲丝袜综合| 人妻少妇无码| 女人的天堂大香蕉网| 香一区二区三区| 超碰成人免费| 国产亚洲日本精品在线| 国产日韩手机视频在线| 久久久久国产精品久久久| 黑丝制服中文字幕| 加勒比人妻综合| 国产亚洲精品av一区| 欧洲久久一二线| 男人的天堂视频精品乱在线| 亚洲在高跟鞋自慰久久在色线| 欧美精品在线观看| 少妇超碰在线| 一区二区三区精品视频| 日本成人电影资源网| 日本性爱视频一级| 日韩三级伊人| 久久大香蕉97| 夜夜夜夜爽| 久久精品国产久精国产| 黄色高清久久无码依人| 精品久久久中文字幕不| 九九热免费视频| 东京热免费视频| 色爱国产| 免费看欧美美女黄色大片| 无码最新| 性暴力欧美猛交在线直播| 日韩一级二级三级免费看完整版| 91性感在线| 另类欧美色| 中国91AV| 久久精品超碰| 婷婷国产精品一区二区| 骚鸭AV| 一二区在线观看视频| 日本三级韩国三级美三级91| 涩涩久久精品| 91日产欧美| 在线观看午夜婷婷久久久久清性观看| 粉嫩AV一区夜夜嗨| 国产偷仑| 大香蕉男人的天堂| 中文字幕-区二区三区四区视频中国| 午夜天堂精品久久| 中文字幕二区日韩天堂| 国产一区二区三区中文字幕| 亚洲无套久久嗯嗯| 亚洲情色电影网| 后入 亚洲 美女 射| 能看的AV| 日本在线不卡123| www.四虎在线| 人人操天天爽| 久久久免费一级黄片| 中文自拍欧美影视| 在线精品福利免费播放| 免费久久精品麻豆一区二区av| 在线观看av区| 亚洲精品99| 1956日韩精品| 日本一二区免费| 东北女人| 91殴美大片| 成人片视频| 久草毛片| 老司机香蕉久久久久| 天天综合~91| www.色吧5.com| 青娱乐欧美激情一区二区 | 久久宗合亚洲| 色婷婷日韩精品一区二区三区| 中文字幕欧美日本乱码一线二线 | 五月丁香六月综合缴清无码 | 久久蜜色情在线视频xxx免费观看| 极品后入免费视频| 欧美日韩另类字幕中文| 91综合天天看| 五十路熟女人妻一区二区在线观看| 综合网欧美| 国产强奸乱伦xd| 夜夜影视四色| 91一区二区| 久久精品国产97欧美精品亚洲 | 国产精品香蕉| 操逼网站地址| 亚洲av强奸乱伦| 欧美精品人妻视频| 自拍欧美| 超碰在线1234区| 亚欧成人一级片在线播放| 激情小说在线视频| 五月婷婷丁香六月丁香| 精品区国产区一区二区三区| 婷婷五月天激情小说| 久久熟妇五十路一区| 免费99精品国产自在在线| 亚洲毛片久久| 久久久国产av美女私房| 蜜乳AV一区二区三区四| 国模一区二区三区| 97超碰资源网| 青青草原香蕉日本Ap| 男插女青青影院| 欧美性爱十八禁| 97超级久久强资源| 九九九精品一区二区无码| 麻豆色约约| A一区片| 欧美在线播放aaaa| 夜夜操老骚逼视频网站| 加勒比久久av| 一级片视频啪啪| 另类 日韩 熟女| 69AV女优男人的天堂| 熟妇精品juliaannAV| 九九九九AV| 久久综合亚洲色1080p| 成人日韩欧美| 久久草大香蕉| 乱伦AVxx| 日本性爱网址| 国产内射爽爽大片| 国产三级中文有码在线视频| 国产成人无码久久精品| 91九九九逼| 一二三区精品视频| 国产黄色影片在线观看| 麻豆人妻精品一区二区| 天天综合网1| 精品大全99999| 精品无人区麻豆乱码1区2区图片 | 超碰人人色| 久久熟妇五十路一区| 91久久婷婷| 人人操人人操草草| 91大神精品长腿在线观看网站| 久99热| 亭亭在线资源| 91成人18| 国产中文精品一区二区在线观看| 欧美日韩电影成人在线| 亚洲综合色婷婷| 亚洲日本男人天堂网| 老色鬼成人精品视频下载大在线观看| 蜜臀99久久精品久久久懂爱| 操日韩第| 久7色| 久久久月天| 九月丁香婷婷色| 青春草莓视频在线观看网址| 国产97在线 | 亚洲| 亚洲一区二区精品福利| 91中文精品日韩欧美在线 | 人妻少妇精品久久久| 黄色视频高清无码网站| 97色碰| 91亚.色| 玖玖玖玖精品国产剧情| 亚洲视频小说| 七月丁香婷婷| 尹人大香蕉视频在线| 亚洲成人AB| 伊人网综合在线视频| 人妻在线大香蕉| 国产家庭乱伦表演| 96AV精品| 无码78| 亚洲中文字幕97久久精品少妇| 色综合 加勒比| 国产一级作爱毛片| 无码久| 亚洲A曰本VA欧美VA视频| 亚洲最大黄网| 国产色产精品在线观看 | 欧美日韩中文视频播放| 久久精品性| 后入综合久久| 夜夜草网站| 粉嫩久久久极品| 图片区小说区| 94色色电影网| 亚洲最大的黄色电影网站。| 奶水 人妻 哺乳 在线| 无套内射性感少妇视频| 操少妞在线视频| 亚洲精品第一| 熟女91网| 国产精品无码在线| 尤物视频偷拍免费| 韩国三级理论在线| 亚洲AV在线资源| 无码国产精品久久久久| 偷拍亚洲情色| 日韩人妻 中文字幕| 蜜桃狠狠色伊人亚洲综合 | 清纯唯美亚洲综合| 婷婷五月天_亚洲小说欧美激情另类_精品久久国产字幕 | 蜜臀va69| 国产成人精品日本亚洲语言| 本道在线| 色999五月色| 人妻另类| 亚洲日韩一区电影| 色网色网色网色网色网色| 一区二区三区 丝袜 高跟 美腿| 久久专区| 另类av天堂| 亚洲AV无码AV吞精久久久久| 精品国产72| 精品人妻1区| 欧美三级免费伊人| 欧美Aⅴ| 天堂综合| 99久久九九| 99色网| 国产丝袜美腿美女麻豆| 手机在线中文字幕国产 | 午夜亚洲| 丰满人妻一区二区三区四| 国产真乱mangent| 麻豆一区二区三区精品|