久久亚洲成a人片熟女精品色一区二区三区|国产精品视频第一精品视频|av天堂热无码手机版|亚洲?v无码久久无遮挡|国产精品偷伦视频免费观看国产|麻豆国产自产精品丰满熟妇|av无码av不卡一区二区|久久亚洲精品中文字

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dlib與OpenCV的68點人臉關(guān)鍵點檢測實戰(zhàn)指南

基于dlib與OpenCV的68點人臉關(guān)鍵點檢測實戰(zhàn)指南 1. 項目概述從像素到坐標的精準捕捉在計算機視覺和人臉分析領(lǐng)域我們常常需要超越“識別出這是一個人臉”的層面深入到“這張臉的具體結(jié)構(gòu)是怎樣的”。這就是面部標志點檢測技術(shù)的核心價值。簡單來說它就像給一張人臉的二維照片精準地標定出眉毛、眼睛、鼻子、嘴巴、下巴等關(guān)鍵部位的坐標點。這些點構(gòu)成的“骨架”是后續(xù)一切高級分析的基礎(chǔ)比如判斷表情是喜是悲分析頭部姿態(tài)是正對還是側(cè)偏甚至實現(xiàn)虛擬試妝、美顏濾鏡、疲勞駕駛監(jiān)測等應(yīng)用。這個項目就是利用dlib、OpenCV和Python這套黃金組合來實現(xiàn)一個穩(wěn)定、高效的面部標志點提取器。dlib是一個久經(jīng)考驗的 C 工具庫其內(nèi)置的 68 點人臉關(guān)鍵點預(yù)測器模型因其出色的精度和魯棒性幾乎成了業(yè)界的“標配”。OpenCV則負責圖像處理的前后端工作從讀取圖片、灰度轉(zhuǎn)換、人臉檢測到最終在圖像上繪制出這些標志點它提供了完整的流水線支持。而Python以其簡潔的語法和強大的生態(tài)將兩者無縫粘合讓我們能夠用幾十行代碼就完成這個看似復(fù)雜的任務(wù)。無論你是想為你的機器人項目添加“眼神交流”能力還是開發(fā)一個有趣的 AR 貼紙應(yīng)用亦或是進行嚴肅的學術(shù)研究掌握這套技術(shù)棧都是至關(guān)重要的第一步。它不要求你具備深厚的機器學習背景但能讓你直觀地觸摸到人臉分析技術(shù)的脈搏。接下來我將帶你從環(huán)境搭建開始一步步拆解原理復(fù)現(xiàn)流程并分享那些只有踩過坑才知道的實戰(zhàn)經(jīng)驗。2. 核心工具鏈解析為何是 dlib OpenCV Python在動手之前理解我們選擇的工具背后的邏輯至關(guān)重要。市面上的人臉關(guān)鍵點檢測方案很多從純深度學習的端到端模型如 MediaPipe Face Mesh到傳統(tǒng)的級聯(lián)回歸方法都有。我們選擇dlib的 68 點模型是基于一套務(wù)實的工程考量。2.1 dlib 的 68 點模型精度與效率的平衡dlib庫中的人臉標志點檢測器本質(zhì)上是一個基于方向梯度直方圖特征和級聯(lián)回歸樹訓練得到的模型。它不是在整張圖片上盲目搜索而是需要一個初始的人臉邊界框。這個模型預(yù)測出的 68 個點是按照一個國際通用的標準定義的涵蓋了眉毛、眼睛、鼻子、嘴巴、下頜輪廓等區(qū)域。注意這個 68 點模型文件通常名為shape_predictor_68_face_landmarks.dat是一個預(yù)訓練模型你需要單獨下載。它并非dlib庫安裝包的一部分。這是新手最容易卡住的第一步。為什么是68點這是一個在精度和計算開銷之間取得良好平衡的數(shù)字。點數(shù)太少如5點無法描述細致的面部動作如嘴型變化點數(shù)太多如194點則計算量劇增對很多實時應(yīng)用來說負擔過重。68點方案足以支撐絕大多數(shù)應(yīng)用場景從簡單的頭部姿態(tài)估計到復(fù)雜的面部動作單元分析。2.2 OpenCV 的角色圖像處理的瑞士軍刀OpenCV在這里扮演了多重角色圖像輸入/輸出讀取圖片文件、視頻流或攝像頭數(shù)據(jù)。預(yù)處理將彩色圖像轉(zhuǎn)換為灰度圖。人臉檢測和dlib的標志點檢測通常在灰度圖上進行這能顯著減少計算量。人臉檢測提供 Haar 級聯(lián)分類器或更現(xiàn)代的深度學習模型如基于 SSD 的人臉檢測器來定位圖像中的人臉區(qū)域為dlib提供必需的初始邊界框??梢暬跈z測到的標志點上畫圈、連線將結(jié)果直觀地展示出來。2.3 Python膠水與快速原型利器Python的dlib和opencv-python包提供了對底層 C 庫的完美封裝。這意味著我們既能享受dlib/OpenCV的高性能又能利用Python的快速開發(fā)和豐富生態(tài)如NumPy進行矩陣運算matplotlib進行繪圖。幾行代碼就能完成數(shù)據(jù)加載、模型推理和結(jié)果展示的完整流程極大地降低了學習和實驗的門檻。3. 環(huán)境搭建與核心依賴安裝工欲善其事必先利其器。一個干凈、兼容的環(huán)境是項目成功的一半。下面我將提供兩種主流的安裝方式并解釋其中的細節(jié)。3.1 基礎(chǔ) Python 環(huán)境與包管理首先確保你有一個Python環(huán)境3.6 及以上版本推薦。使用conda或venv創(chuàng)建獨立的虛擬環(huán)境是一個好習慣可以避免包版本沖突。# 使用 conda 創(chuàng)建環(huán)境如果已安裝 Anaconda/Miniconda conda create -n facial_landmarks python3.8 conda activate facial_landmarks # 或者使用 venv python -m venv facial_landmarks_env # Windows facial_landmarks_env\Scripts\activate # Linux/Mac source facial_landmarks_env/bin/activate3.2 安裝 OpenCV 和 dlib安裝opencv-python非常簡單因為它是一個預(yù)編譯的輪子包。pip install opencv-python安裝dlib則稍微復(fù)雜一些因為它需要編譯。在 Windows 上如果直接pip install dlib失敗通常是因為缺少 CMake 和 C 編譯工具。最穩(wěn)妥的方法是安裝預(yù)編譯的輪子。# 首先嘗試安裝 CMake如果系統(tǒng)沒有 pip install cmake # 然后安裝 dlib。對于大多數(shù)現(xiàn)代系統(tǒng)可以直接使用 pip 安裝預(yù)編譯包。 # 如果失敗可以去 https://pypi.org/project/dlib/#files 查找對應(yīng)你系統(tǒng)和 Python 版本的 .whl 文件下載安裝。 pip install dlib對于 Linux/macOS 用戶確保已安裝cmake和必要的開發(fā)工具后通??梢灾苯油ㄟ^pip安裝成功。3.3 獲取預(yù)訓練模型文件這是關(guān)鍵一步。你需要下載shape_predictor_68_face_landmarks.dat.bz2文件一個壓縮包然后解壓得到.dat模型文件。你可以從dlib的官方源代碼倉庫找到下載鏈接或者在一些開源項目頁面找到網(wǎng)盤分享請注意文件來源的安全性。下載后將其放在你的項目目錄下例如./models/文件夾中。4. 實戰(zhàn)第一步人臉檢測與初始化面部標志點檢測的前提是知道人臉在哪里。我們將使用OpenCV內(nèi)置的 Haar 級聯(lián)分類器進行人臉檢測。雖然它不是最快或最準的但無需額外依賴適合快速上手。4.1 加載檢測器與模型import cv2 import dlib # 1. 初始化人臉檢測器 # OpenCV的Haar級聯(lián)分類器用于初步定位人臉 face_cascade cv2.CascadeClassifier(cv2.data.haarcascades haarcascade_frontalface_default.xml) # 2. 初始化dlib的人臉關(guān)鍵點預(yù)測器 # 需要指定下載好的模型文件路徑 predictor_path ./models/shape_predictor_68_face_landmarks.dat landmark_predictor dlib.shape_predictor(predictor_path)這里有個細節(jié)cv2.data.haarcascades指向了OpenCV安裝目錄下預(yù)置的 Haar 模型文件路徑。haarcascade_frontalface_default.xml是用于檢測正面人臉的模型。對于側(cè)臉還有haarcascade_profileface.xml等。4.2 讀取圖像與灰度轉(zhuǎn)換# 讀取圖像 image_path test_image.jpg image cv2.imread(image_path) # 轉(zhuǎn)換為灰度圖因為Haar檢測器和dlib預(yù)測器都在灰度圖上工作更高效 gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)OpenCV默認使用 BGR 顏色通道順序而不是常見的 RGB這在與其他庫如matplotlib交互時需要注意。灰度轉(zhuǎn)換是必須的步驟。4.3 執(zhí)行人臉檢測并轉(zhuǎn)換坐標# 使用Haar級聯(lián)分類器檢測人臉 # scaleFactor: 圖像縮放比例用于構(gòu)建圖像金字塔通常1.05-1.3 # minNeighbors: 候選框至少需要有多少個鄰居才能被保留值越高檢測越嚴格漏檢可能增加 # minSize: 人臉最小尺寸可以過濾掉太小的錯誤檢測 faces face_cascade.detectMultiScale(gray, scaleFactor1.1, minNeighbors5, minSize(30, 30)) # 遍歷檢測到的每一個人臉 for (x, y, w, h) in faces: # OpenCV返回的矩形框格式是 (x, y, width, height) # dlib需要的矩形框格式是 dlib.rectangle(left, top, right, bottom) dlib_rect dlib.rectangle(int(x), int(y), int(x w), int(y h))這里detectMultiScale的參數(shù)需要根據(jù)你的圖像調(diào)整。scaleFactor1.1是一個比較保守的值檢測速度稍慢但更準確minNeighbors5能有效減少誤檢。如果圖像中人臉很大或很小調(diào)整minSize很重要。5. 核心環(huán)節(jié)提取 68 個面部標志點一旦我們有了dlib格式的人臉矩形框就可以調(diào)用預(yù)測器來獲取標志點了。5.1 調(diào)用預(yù)測器與理解輸出# 在灰度圖像和檢測到的人臉矩形框上預(yù)測68個關(guān)鍵點 landmarks landmark_predictor(gray, dlib_rect) # landmarks 是一個包含68個點的對象每個點有x和y屬性 # 我們可以將其轉(zhuǎn)換為更容易處理的格式比如列表 landmarks_points [] for n in range(0, 68): x landmarks.part(n).x y landmarks.part(n).y landmarks_points.append((x, y)) # 為了可視化我們可以在原圖上畫一個小圓 cv2.circle(image, (x, y), 2, (0, 255, 0), -1) # 綠色實心圓半徑2像素landmark_predictor返回的landmarks對象是一個dlib.full_object_detection實例。通過.part(index)方法可以訪問第index個點索引從0開始。這68個點的順序是固定的其對應(yīng)的面部部位如下點 0-16下頜輪廓點 17-21右眉毛點 22-26左眉毛點 27-35鼻梁和鼻尖點 36-41右眼輪廓點 42-47左眼輪廓點 48-60外唇輪廓點 61-67內(nèi)唇輪廓5.2 可視化與連線單純畫點可能不夠直觀將屬于同一面部器官的點連接起來能更好地展示結(jié)果。# 定義一個函數(shù)根據(jù)點的索引列表進行連線 def draw_line(points_indices, color(255, 0, 0), thickness1): for i in range(len(points_indices) - 1): pt1 landmarks_points[points_indices[i]] pt2 landmarks_points[points_indices[i 1]] cv2.line(image, pt1, pt2, color, thickness) # 連接首尾如果是閉合輪廓 pt1 landmarks_points[points_indices[-1]] pt2 landmarks_points[points_indices[0]] cv2.line(image, pt1, pt2, color, thickness) # 繪制下頜線 (0-16) draw_line(list(range(0, 17)), (0, 255, 0), 1) # 繪制右眉 (17-21) draw_line(list(range(17, 22)), (0, 255, 0), 1) # 繪制左眉 (22-26) draw_line(list(range(22, 27)), (0, 255, 0), 1) # 繪制鼻梁 (27-30) 和 鼻翼 (31-35) draw_line(list(range(27, 31)), (0, 255, 0), 1) draw_line(list(range(31, 36)), (0, 255, 0), 1) # 繪制右眼 (36-41) draw_line(list(range(36, 42)), (0, 255, 0), 1) # 繪制左眼 (42-47) draw_line(list(range(42, 48)), (0, 255, 0), 1) # 繪制外唇 (48-60) draw_line(list(range(48, 61)), (0, 255, 0), 1) # 繪制內(nèi)唇 (61-67) draw_line(list(range(61, 68)), (0, 255, 0), 1)5.3 顯示與保存結(jié)果# 顯示結(jié)果 cv2.imshow(Facial Landmarks, image) cv2.waitKey(0) # 等待任意按鍵 cv2.destroyAllWindows() # 或者保存結(jié)果 cv2.imwrite(output_with_landmarks.jpg, image)至此一個完整的單張圖片面部標志點提取流程就完成了。你會看到人臉被綠色點和輪廓線清晰地標記出來。6. 性能優(yōu)化與高級技巧基礎(chǔ)的流程跑通后我們會面臨更實際的問題速度太慢、側(cè)臉檢測不到、多人臉場景如何處理下面分享一些進階技巧。6.1 替換更高效的人臉檢測器Haar 級聯(lián)分類器在復(fù)雜場景下精度和速度都不盡如人意。我們可以升級到dlib自帶的 HOG方向梯度直方圖 線性 SVM 人臉檢測器或者使用基于深度學習的方法。使用 dlib 的 HOG 人臉檢測器# 初始化dlib的HOG人臉檢測器 hog_face_detector dlib.get_frontal_face_detector() # 檢測人臉第二個參數(shù)是上采樣次數(shù)有助于檢測小臉但會增加計算量 detected_faces hog_face_detector(gray, 1) # 上采樣一次 for face_rect in detected_faces: # face_rect 直接就是 dlib.rectangle 對象無需轉(zhuǎn)換 landmarks landmark_predictor(gray, face_rect) # ... 后續(xù)處理相同dlib.get_frontal_face_detector()返回的檢測器速度比 Haar 快對正面人臉效果很好但對側(cè)臉和大角度旋轉(zhuǎn)人臉的檢測能力有限。使用 OpenCV 的深度學習人臉檢測器這是目前精度和速度平衡得較好的方案。你需要下載預(yù)訓練的 Caffe 模型文件.prototxt和.caffemodel。# 加載模型 model_file res10_300x300_ssd_iter_140000_fp16.caffemodel config_file deploy.prototxt net cv2.dnn.readNetFromCaffe(config_file, model_file) # 預(yù)處理圖像縮放到300x300進行均值減法 (h, w) image.shape[:2] blob cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 1.0, (300, 300), (104.0, 177.0, 123.0)) # 網(wǎng)絡(luò)前向傳播 net.setInput(blob) detections net.forward() # 處理檢測結(jié)果 for i in range(0, detections.shape[2]): confidence detections[0, 0, i, 2] if confidence 0.5: # 設(shè)置置信度閾值 box detections[0, 0, i, 3:7] * np.array([w, h, w, h]) (startX, startY, endX, endY) box.astype(int) # 轉(zhuǎn)換為dlib矩形格式 dlib_rect dlib.rectangle(startX, startY, endX, endY) landmarks landmark_predictor(gray, dlib_rect) # ... 后續(xù)處理深度學習檢測器精度高能處理多角度人臉但需要額外的模型文件且blobFromImage預(yù)處理有一定開銷。6.2 處理視頻流與實時應(yīng)用將上述流程放入攝像頭視頻流的循環(huán)中即可實現(xiàn)實時檢測。import cv2 import dlib cap cv2.VideoCapture(0) # 打開默認攝像頭 hog_face_detector dlib.get_frontal_face_detector() predictor dlib.shape_predictor(PREDICTOR_PATH) while True: ret, frame cap.read() if not ret: break gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces hog_face_detector(gray, 0) # 實時應(yīng)用可以不上采樣或只采樣一次 for face_rect in faces: landmarks predictor(gray, face_rect) for n in range(68): x landmarks.part(n).x y landmarks.part(n).y cv2.circle(frame, (x, y), 2, (0, 255, 0), -1) cv2.imshow(Real-time Facial Landmarks, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()實操心得實時處理時性能是關(guān)鍵。務(wù)必使用效率更高的檢測器如 HOG 或 DNN。如果還是卡頓可以嘗試降低處理幀率比如每兩幀處理一次或者縮小圖像尺寸再進行檢測和預(yù)測。另外在循環(huán)外初始化檢測器和預(yù)測器避免重復(fù)加載這是常見的性能陷阱。6.3 多人臉處理與跟蹤上面的循環(huán)已經(jīng)能處理多人臉了。但對于視頻流簡單的逐幀檢測會導(dǎo)致標志點“抖動”。一個改進方案是結(jié)合人臉跟蹤。dlib提供了correlation_tracker可以在后續(xù)幀中跟蹤已知的人臉位置減少重新檢測的次數(shù)提升流暢度。思路是第一幀使用人臉檢測之后對檢測到的人臉啟動跟蹤器。在后續(xù)幀中先嘗試用跟蹤器更新位置如果跟蹤置信度低比如人臉移動過快或出框則再觸發(fā)一次全局檢測進行糾正。這屬于更高級的優(yōu)化這里不展開代碼但知道這個方向很重要。7. 常見問題與排查技巧實錄即使按照步驟操作你也可能會遇到各種問題。下面是我在實踐中總結(jié)的一些典型問題及其解決方法。7.1 模型文件加載失敗問題運行時報錯提示找不到shape_predictor_68_face_landmarks.dat文件或文件格式錯誤。排查檢查路徑確保predictor_path變量指向的文件路徑絕對正確。使用絕對路徑是最穩(wěn)妥的方式如C:/project/models/shape_predictor_68_face_landmarks.dat或/home/user/project/models/...。檢查文件完整性確認下載的.dat文件沒有損壞??梢試L試重新下載。文件大小通常在 95MB 左右。權(quán)限問題在某些系統(tǒng)上確保 Python 進程有讀取該文件的權(quán)限。7.2 人臉檢測不到或誤檢多問題faces列表為空或者畫出了很多不是人臉的框。排查與解決調(diào)整檢測參數(shù)這是最常見的原因。重點調(diào)整detectMultiScale的scaleFactor、minNeighbors和minSize。scaleFactor調(diào)小如 1.05檢測更仔細但慢調(diào)大如 1.3檢測快但可能漏掉大小不一的人臉。minNeighbors調(diào)大如 10可減少誤檢但可能漏檢調(diào)小如 3檢測更敏感誤檢增多。minSize根據(jù)圖像中預(yù)期的人臉大小設(shè)置可以過濾掉太小的噪聲框。圖像質(zhì)量問題光線過暗、過曝、對比度太低都會影響檢測。嘗試對圖像進行預(yù)處理如直方圖均衡化。gray_eq cv2.equalizeHist(gray) faces face_cascade.detectMultiScale(gray_eq, ...)更換檢測器如前所述Haar 檢測器能力有限。果斷升級到dlib的 HOG 或 OpenCV 的 DNN 檢測器。檢查人臉方向Haar 和 HOG 檢測器對正臉最有效。如果圖像中人臉角度過大考慮使用支持多角度的檢測器或進行圖像旋轉(zhuǎn)嘗試。7.3 dlib 標志點預(yù)測結(jié)果異常問題檢測到了人臉但預(yù)測出的 68 個點位置亂七八糟不在臉上。排查輸入矩形框錯誤確保傳遞給landmark_predictor的dlib.rectangle坐標是正確的且來自同一個人臉檢測結(jié)果。最常見錯誤是 OpenCV 的(x,y,w,h)格式未正確轉(zhuǎn)換為(left, top, right, bottom)。圖像通道錯誤landmark_predictor要求輸入灰度圖像gray。如果你錯誤地傳入了彩色圖像三通道會導(dǎo)致不可預(yù)知的結(jié)果。模型與庫版本不匹配極少數(shù)情況下dlib庫版本與模型文件版本不兼容。嘗試使用與dlib版本配套的模型文件或更新/回退dlib版本。7.4 性能瓶頸分析與優(yōu)化問題處理速度慢無法滿足實時性要求。排查與優(yōu)化定位瓶頸使用time模塊分別計時人臉檢測和標志點預(yù)測兩個階段看哪個耗時更長。通常人臉檢測是主要瓶頸。優(yōu)化檢測降低圖像分辨率再進行檢測。使用更快的檢測器HOG Haar DNN在GPU上很快。減少detectMultiScale的scaleFactor和上采樣次數(shù)。對于視頻不是每一幀都需要做全局檢測可以結(jié)合跟蹤。優(yōu)化預(yù)測dlib的預(yù)測器本身很快。但如果人臉很多批量處理可能比循環(huán)調(diào)用更高效但dlib的 Python 接口似乎沒有直接的批量預(yù)測函數(shù)這是一個局限。利用硬件加速OpenCV 的 DNN 模塊可以設(shè)置使用 GPUCUDA。dlib也支持使用 CUDA 加速但需要在編譯時開啟 CUDA 支持這對新手來說比較復(fù)雜。7.5 在特殊場景下的應(yīng)用技巧遮擋處理標志點模型對部分遮擋如眼鏡、口罩有一定魯棒性但嚴重遮擋會導(dǎo)致點位漂移或錯誤。對于戴口罩的人臉可以只關(guān)注上半部分臉部的點如眼睛、眉毛并忽略嘴部點的置信度。側(cè)臉與姿態(tài)估計68點模型是為正面人臉設(shè)計的。當頭部偏轉(zhuǎn)角度較大時部分點如另一側(cè)的眼睛可能預(yù)測不準甚至消失。對于姿態(tài)估計通常使用能輸出3D坐標的模型如dlib的shape_predictor_68_face_landmarks.dat配合solvePnP函數(shù)估算3D姿態(tài)或者使用專門的多姿態(tài)模型。光照變化劇烈的光照變化會影響檢測和預(yù)測。除了前面提到的直方圖均衡化還可以嘗試使用自適應(yīng)閾值或 Retinex 等算法進行光照歸一化但這會增加預(yù)處理開銷。8. 從點到面標志點數(shù)據(jù)的應(yīng)用方向提取出 68 個點的坐標(x, y)不是終點而是起點。這些數(shù)據(jù)是結(jié)構(gòu)化的信息可以驅(qū)動無數(shù)應(yīng)用。面部對齊這是許多后續(xù)任務(wù)如人臉識別的預(yù)處理步驟。通過計算雙眼的中心將人臉旋轉(zhuǎn)到水平狀態(tài)并進行縮放裁剪得到標準化的“證件照”式人臉。表情識別分析特定點集之間的距離或角度變化。例如嘴角兩點距離變大可能表示微笑眉毛內(nèi)側(cè)點上抬可能表示驚訝??梢杂嬎銊幼鲉卧獜姸?。虛擬試妝/AR 濾鏡根據(jù)眼睛、嘴唇的輪廓點精準地貼上虛擬眼影、美瞳、口紅或有趣的動物耳朵、鼻子。疲勞駕駛檢測通過計算眼睛的縱橫比判斷眼睛閉合程度和頻率檢測眨眼和瞌睡。面部變形與動畫通過移動標志點可以扭曲圖像創(chuàng)建夸張的表情或驅(qū)動虛擬頭像。這里以計算眼睛縱橫比為例展示如何利用標志點數(shù)據(jù)def eye_aspect_ratio(eye_points): 計算眼睛的縱橫比 (EAR) 參數(shù) eye_points: 一個包含6個x,y元組的列表對應(yīng)一只眼睛的6個輪廓點 (P1-P6) # 計算垂直距離 A dist.euclidean(eye_points[1], eye_points[5]) # P2-P6 B dist.euclidean(eye_points[2], eye_points[4]) # P3-P5 # 計算水平距離 C dist.euclidean(eye_points[0], eye_points[3]) # P1-P4 # 計算EAR ear (A B) / (2.0 * C) return ear # 假設(shè) landmarks_points 是之前提取的68點列表 left_eye_points landmarks_points[42:48] # 左眼點索引 42-47 right_eye_points landmarks_points[36:42] # 右眼點索引 36-41 left_ear eye_aspect_ratio(left_eye_points) right_ear eye_aspect_ratio(right_eye_points) avg_ear (left_ear right_ear) / 2.0 # 通常EAR低于某個閾值如0.2并持續(xù)幾幀則認為眼睛閉合 if avg_ear 0.2: print(Eyes closed!)這個簡單的例子展示了如何將原始的坐標點轉(zhuǎn)化為有實際物理意義的度量指標。9. 項目總結(jié)與擴展思考走完整個流程你應(yīng)該已經(jīng)能夠穩(wěn)健地從圖片或視頻中提取出人臉標志點了。回顧一下核心就是三步檢測人臉 - 調(diào)用預(yù)測器 - 處理輸出。但每一步背后都有大量的細節(jié)和優(yōu)化空間。我個人在實際項目中最大的體會是沒有“最好”的模型只有“最合適”的模型和參數(shù)。在光線良好的會議室做視頻會議濾鏡dlib的 HOG 68點模型可能綽綽有余。但在手機前置攝像頭、光線多變的自拍場景下你可能需要更強大的深度學習檢測器甚至考慮使用能輸出更多點如 MediaPipe 的 468 點或 3D 點的模型來提升在側(cè)臉和大表情下的穩(wěn)定性。另一個常被忽視的點是數(shù)據(jù)流轉(zhuǎn)格式。在復(fù)雜的應(yīng)用管道中標志點數(shù)據(jù)可能需要傳遞給其他模塊如圖形渲染引擎、網(wǎng)絡(luò)傳輸。設(shè)計一個清晰的數(shù)據(jù)結(jié)構(gòu)例如使用字典按面部器官組織點坐標或使用NumPy數(shù)組能極大提升代碼的可維護性。最后雖然dlib的 68 點模型是一個偉大的起點但也要了解它的局限。對于學術(shù)研究或商業(yè)級應(yīng)用關(guān)注最新的進展是必要的。例如一些基于 Transformer 的架構(gòu)正在人臉關(guān)鍵點檢測上取得更精確、更魯棒的結(jié)果。不過無論如何掌握dlib、OpenCV和Python這套經(jīng)典組合已經(jīng)為你打開了計算機視覺中人臉分析這扇大門并提供了堅實的實踐基礎(chǔ)。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
大鸡巴久久| 日欧美色| 国产不良强奸视频免费看| 夜夜操91744565| 日日噜噜夜夜狠狠视频无| 骚鸭AV| 99xav| 久久精品性| 国产男女边吃边摸视频网站| 欧美一级二级三级| 9999久久久久| 粉嫩久久久久| 97人人爱人人做人人乐| AA丁香综合激情| 用力操死我| 黑丝自慰喷水网站| 中文字幕国产| 91看黄片| 一二三区操逼国产91| 日本高清一本二本免费不卡| 国产传媒日本欧美专区| 久久精品视频久久久| 婷婷激情综合网| 18禁美女裸体无遮挡啪啪| 91亚洲欧洲| 亚洲精品九九九九九九| 啊啊啊啊啊好舒服视频| 一区中文字幕二区日韩| 亚洲色图91欧美日韩| 欧美疯狂做爰xxxx| 1级黄色夫妻对换性交免费看| 久久综合18p| 久久久性爱| 亚洲福利中文字幕在线| 夜夜嗨一区二区| 日韩黄色一区二区三区| 亚洲精品国产熟女久久久久久| 又大又大又大又粗爽高潮观看 | 久久m| 亚洲免费日韩在线一区二区| 2011国产精品| 天天摸天天插天天日| 国产67194| 久久精品性| 日韩一级成人毛片免费观看| 中文字幕精品区先锋资源| 国产精品久久久久综合| 天天爽人人综合免费7799| 自拍偷拍2025在线观看| 91色婷婷综合久久中文字幕二区| 亚洲成人免费电影| 超碰97起碰| 日本一二区免费| 99爱久久视频频| 亚洲色欲一区二区三区| 欧美性暴力猛交XXXX | 久热在线精品免费观看| 国产三级多多影院2022国产AA一级毛片无码| 99精品国产户外露出| 九九九九热| 国产美女在线精品免费看| 可以免费看黄片的视频| 性在久久久久久| 亚洲综合中文字幕有码| 狠狠图片青青草| 夜夜操中文字幕| 精品久操| av三级电影在线播放| 97精品一区二区视频| 国产精品分类在线观看| 天天干人妇| 日韩免费人妻色情网站| 在线一区| 国产精品女aA片爽爽视频| 人妻精品免费一二三区| 久久久久久久亚洲Av无码| 99久久久久| 粉嫩国产精品久久粉嫩| 青操影院| 国产二区视频在线观看电影| 天天色综合天天操| 国产极品999| 成人精品欧洲亚洲| 精品视频一二三中文| 亚洲av无码国产精品字幕| 无码聚合| 欧美白嫩在线放| 欧美大色交| 亚洲无码一区成人免费午夜| 91人精品妻入口| 综合免费无码中文| 操学生天天| 91视频女生| 日韩黄色片子| 大香蕉免| 亚洲男人天堂AV| 成人三一级一片aaa| 久久人妻视频| 美女让帅哥通她小鸡鸡| 综合久久久久久久久91| 丁香五月影院| 人妻少妇无码 | AV九九| 天天天肏屄欧美| 人人妻人人爽一区二区三区| 一区二区三区视频在线观看免费| 青青草视频久久久久| 久久久久96| 国产在线激情视频| 无码heyzo高清一区| 99精品综合久久久久五月天| AV不卡在线| 亚洲熟妇丝袜在线观看| 97日亚洲欧美| 69人妻精品一区二区绯色| 午夜后入| 久久一区二区高清免费| 久久久久亚洲精品| 亚洲 小说 欧美 激情 另类| 东北女人| 欧美日本中字另类在线| 欧美在线大香蕉| 一级人妻性爱视频| 97se综合网| 亚洲色图图片| 天天干天天日天天射黄色大片| 亚洲无码一区成人免费午夜 | 久久高清无码夜夜操| 激情五月天插| 欧美久久久| 高清无码在线播放网站| 日韩啪啪啪视频| 国产精品久久天天干| 亚洲s在线观看| 亚洲成a人片在线观看中文!!!| 成人AV素股で擦久久| 在线日韩精品一区二区三区| 九一性生活免费视频| 亚洲综合69| 国产精品一区二区亚洲人成毛片| 大香蕉宅男伊人| 夜夜草天天| 天天综合影院91| 26uuu久久| 欧美成不卡网| 欧美日韩国产黄色片| 99只有精品| 无码最新| 天天操福利视频综合网站| 婷婷丁香六月| 日本操嫩b网| 少妇久久久免费| 五月色丁香| 久9无限国产| a男人的天堂| 亚洲国产成人7777| 吊色| 国产亚洲人妻综合日韩 久久| 色汉综合| 亚州国产成人精品女人久久 | 中文字幕丝袜人妻| 93人人操人人| 久久久青青草| 欧美日韩另类字幕中文| 天天插天天插| 九九色婷婷| 青娱乐国产剧情av一区| 久久久久元码视频| 五月丁香成人网| 国产内射爽爽大片| 亚洲第一男人天堂| 97色涩| 色噜噜综合网| 国产伦精品一区二区三区在线观 | 日韩去日本高清在| 91久久青青草原精品| 人妻少妇三级| 亚洲熟妇图片| 中文字幕AV片| 黑操B| 中国国国产一级特黄毛片| 91天天综合日韩欧美| 成人黄页| 91撸色网 玖玖网 欧美| 偷看洗澡一二三区美女| 日韩性爱视频在线免费观看 | 强免费黄色网址| 明星性猛交ⅹxxx乱大交| 淫穴高潮色图| 好舒服视频| 欧美乱色| 密桃99999| 色色色色网站| 中文字幕亚洲热播人妻| 最近2018中文字幕在线高清第一页| 2019亚洲男人天堂| 97日视频| 色综合加勒比四四季| 强奸乱伦日韩AV| a片自拍直播视频| 大香蕉一人| 91麻豆一二三区| 97高清啪啪| 九九色色| www.色婷婷| 国产树林里野战在线看| 久久久久亚洲AV无码专区少妇| 国产精品剧情| 又粗又长又大国产不卡| 欧美姓爱综合网| 欧美综合传媒| 亚洲天堂电影网| 99精品伊人| 色诱avtt| 狠日欧美| 韩国久久97| 好涩综合| 亚洲黄色电影| www欧美91| 97人妻人人躁人人玩人人| 色五月第四色| 99re99视频在线免费观看| 中文乱码99| 亚洲精品丝袜| 久久久禁| 二级毛片| 精品国产乱码久久久| 精品二区三四区五电影| 青青草在线视频美女| 内射中国少妇高清视频免费视频 | 97视频在线观看高清资源| 日韩草久视频| 乱欲性色| 夜夜骑日日| 肥佬影院91| 欧美 亚洲 在线| 精品免费囯产一区二区三区| 九九九九热| 色悠久| 亚州一区二区| 一级@啪啪视频| 国产成人免费观看在线视频| 欧美久热| 97超碰久久色| 999热这里只有精品| 亚洲乱熟女一区二区| 99热婷婷一区二区三| 美女黄站| 国产黄色影片在线观看| 91强热人妻| 99ri视频| 99精品伊人| 日韩天天综合| 人妻性爱一区二区| 国产午夜无码片在线观看影视 | 一区在线观看中文字幕| 久久精品视频久久久| 亚洲欧美综合色| 性爱AV天堂| 猛猛干| 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 | 亚洲成a人v欧美综合天堂下载 | 色五月首页| 欧美一区二区情色| 久久禁| 免费视频97| 韩国免费播放一级毛片| 探花激情视频| 91新在线欧美| 蜜臀99久久精品久久久久| 在线观看高清AV| 99操逼| 情色五月天久久久| 青青草中出视频 | 一本精品日本在线视频精品| 夜夜一区二区| 一区二区无码视频| 9热9热综合网| 人人么人人操| 嗯嗯嗯好爽| 色悠久久久av| 影音先锋新男人| 欧美亚洲玖玖玖| 丝袜色综合| 熟女激情综合网| 丁香五月天啪啪| 曰韩少妇无码| 看免费的黄片| 99999精品成人| 天天干18禁| 中字乱伦AV| 日韩午夜国产| 亚洲最大91网| 岛国免费视频在线| 亚洲中文字幕有码视频一区二区三区| 97在线视频免费看| 中文字幕黄色片| 国产精品午夜福利视频| 亚洲精品人妻在线| 久久少妇人妻| 国产一区二区三区免费视频在性观看| 欧美专区第一页| 国产一线二线三线av| 八人操人人摸人人看| 伊人国产视频| 国产精品久久久久久久毛片1| 97一区二区蜜臀| 97色亚洲| 泰国AV在线观看| 亚洲综合九九| 懂色AV中文| 亚洲天堂精品日韩电影| 97干色天堂| 91久久青青草原精品| 色综合美国| 91老熟妇| 欧美久久毛片基地| 国产精品亚洲高清在线| 美女骚尻视频| 亚洲色堂免费视频| 美女啊啊啊啊pc| 日本一区不卡| 大香蕉操久久| 亚洲伊人成综合成人网| 动漫区日韩区欧美区| 草草草视频在线免费看| 亚州综合AⅤ| 九九久久99| 国产精品自在线发布| 久久一二三四不卡| 91Chinese在线| 97精品网| 国产精品久久发布| 强奸乱伦大香蕉网| 亚洲精品熟妇1区2区3区。| 99九九久久| 亚洲有码视频二区| 品亲网欧美品亲网| 99日精品欧美国产| 91人妻人人澡人人爽人人精品| 欧美熟女妇同| 蜜臀久久久久久999| 国产AAAAAABBBBB| 99精品丰满人妻无码| 国产又色又爽又舒服的三级视频| 精品人妻一区二区三区在线视频不卡| 成人日韩中文字幕| 国产精品久久久久无码AV会牛| 国产精品69久久久久久久| 亚精品无码毛片一区二区三区| 99ri在线视频| 97在线精品观看视频| 羞答答AV中文字| 18精品一区| 免费看黄片现成| 精品久久久久成人码免| 精品人妻二区三区| 制服乱伦| 欧美日韩色综合网| 欧美亚洲图片| 国产美女激情| 欧美少妇大量自拍视频在线观看| 色嗨嗨在线| 久久riav中文精品| 亚洲色图欧美一区二区不卡| 男女激烈网站最新| 亚洲情色视频| 亚洲欧洲视频小说在线观看| 欧美日韩在线小说| 亚洲欧美综合| 操逼网免费无码视频| 天天操熟妇| 久久激情视频| 国产传媒av天美传媒在线| 成年男人的天堂| 欧美视频一区二区在线| 亚洲av噜噜噜噜噜噜| 麻豆AV96熟妇人妻| 欧美偷| 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 | 久久久婷婷| 99999精品成人| 北约熟女超碰| 久久欧美1卡2卡3| 激情四射五月天| 99re只有精品| 中文字幕十五区| 国产精品午夜高潮呻吟久久av| 18啪啪手机免费性爱| 成人十八禁日韩欧美一二三| 手机看片1025| 国产白丝在线| 色吧 综合| 男人a天堂手机在线版| 东京热激情视频一二三区| 亚洲自拍一区夜夜操| 欧美天天综合| 久久一二三级一一一| 久午视频| 懂色综合久久久| 久操 高清| 九九视频黄色片| 91在线美女| 先锋女优在线观看视频| 影音先锋国产精品| 最新制服中文第一页| 国模精品一区二区三区苹果色戒| 久久9精品网站| 无码高清专| 亚州,欧美在线| 国产又大又硬又长又粗| 中文字幕丝袜| 精品人妻一区二区三区-国产精品| 男人天堂欧美| 96免费视频在线| 96久久精品一二三区色欲| 亚洲情色一区二区三区| 凹凸视频特色日本特黄| 天天操天天舔| 欧美人妻中出| 欧美色五月| 天天射天天操天天干天天吃2018| 蜜臀久久99精品久久久老,,| 99re热有精品视频国产| 婷婷久久久精品| 欧美日韩m| 日韩成人精品视频自拍| 97亚洲在线| 嫩草 人人网精品| 色婷婷基地| 人妻精品一区一区三区蜜桃91| 色综合色| 亚洲强奸乱伦影视网| 亚洲丝袜少妇在线| 亚欧美色图| 91九九九小逼| 91精品人妻一区二区-全集完整版免费正片国语-B02AV | 亚洲欧美91| 884t在线| 91精品婷婷国产综合久久竹菊| 精品人妻av在线播放| 久久久久久性爱免费视频| 99久久9| 亚洲97P| 玖玖爱综合| 久操黄色视频| 青青草吊丝| 亚洲天堂,男人| 中日亚韩免费视频| 国产高清MV操逼视频| 超碰97护士| 男人的天堂va在线| 国产精品视屏| 久久久新亚洲AV| 9久精品| 日韩欧美亚洲自拍偷拍| 欧美天天| 国产精品直播在线观看直播| 青青操网| 中国国产精品一区视频| 狠狠色狠狠色狠狠五月| 国产麻豆一级精品视频| 成人片在线播放| 亚洲 图片 综合91| 大香蕉99热| 91久久18禁| 久久爽爽精品| 天堂网亚洲区手机版| 亚洲欧美97| 久9re热视频这里只有精品| 日逼逼免费看| 丁香激情五月| 美女黄码视频午夜| 日本免费一区二区不卡| 亚洲欧洲日韩中文字幕一区| 亚洲国产成人精品999| 翔田千里A片一区二区| A级片日韩欧美国产欧美视频精选观看| 伊人网青青| 一级做a爰片久久毛片图片| 精品毛片久久久精品毛片| 精品国产一区二区三区av在线资源| 久久熟女人| 欧洲精品一二三在线| 碰碰97| 国产一区在线免费播放| 欧美躁死她一区二区| 午夜啊啊啊| av2014 日韩在线中文字幕| 国产在线综合网| 亚洲五月婷| 久9久精品视频| 亚洲欧洲日本精品中文a∨| 亚洲天堂无码| 日韩人妻精品| 日韩av性爱在线播放| 久久久久成人蜜桃精品| 清纯唯美综合亚洲| 久久精品中文字幕观看| 嗯嗯嗯啊啊啊操的我好爽 | 操我啊啊啊啊啊| 中文字幕在线免费观看 | 欧美一级黄片免费播放| 加勒比色综合| 秋霞曰韩R级| 熟女高潮精品一区二区| 国产97视频免费观看| 中文字幕免费看| 牛牛aV| 色妺妺AⅤ| 人妻久热在线| 无码区蜜乳| yaouchengrenav| 欧洲天天在线| 一区二区三区在线美女| 久久9久| 天天爱天天操| 人人弄人人摸| jiujiujiujingpin| 天天做天天爱天天爽| 欧美偷拍区| 久久九精品| 欧美激情综合| 国产福利视频精品视频| 蜜臀久久精品久久久久视频| 婷婷91| 熟女激情综合网| 国产激情在线| 中国91AV| 日韩情色AV| 婷婷五月天激情小说| 伊人网免费视频| 蜜乳av一区二区三区| 亚洲精品亚洲人成人网| 国产精品原创巨作?v网站| 中文字幕在线第二页| 国产有码一区| 99久久网站| www.99中文字幕| 九九九九精品视频| 一本色道久久天天射天天干| 亚洲九九爱| 亚洲精品819| 国产中文字幕曰本毛片| 国产精品麻豆视频网站| 六月色色| 金典av| 亚洲精品第一| 色欲久久综合| 久久久久久久唑| 国产精品久久久久999| 91色五月俺来也| 亚洲宅男天堂| 丰满人妻一区二区三区免费,| 无码精品久久| 狠狠操,使劲操| 人妻欧美| 国产免费一区二区在线A片视频| 日韩一区二区精彩视频| 福利视频香蕉免费一区二区在线| 性性久久| 中文精品少妇天堂| 暴力av在线| 毛片99-全集电影手机免费观看完整-B029AV| 大香蕉在线86| 中文字幕女同在线| 国产蜜臀在线| 人人 操人人 操人人| 亚洲无线观看久久| 国产福利电影| 欧美男人的天堂| 综合色91| 日本东京热加勒比久久| 中文字幕在线高清男人的天堂| 中文字幕亚韩| 综合色图亚洲欧美| 国产视频第2页| 超碰九九| 最新av网站在线观看| 亚洲精品aa久久伊人| 色五月婷婷久久| 91亚洲不卡一区| 欧天美中出| henhen91| 久久在线观看免费视频| 亚洲精品人妻在线| 婷婷亚洲中文字幕在线| 在线小说视频一区| 乱伦一二三| 97干色| 天天天天天干夜夜夜夜夜操| 91暧暧| 极品肉射| 日韩综合无码色欲vv| 日韩卡一卡二卡三在线| 久久综合18p| 欧美激情 一区| 亚洲h片在线免费观看| 超碰98综合网| 综合欧美亚洲| 91成人在线免费视频| 99999精品成人| 夜夜爽夜夜爽| 盗摄 精品 另类 一区| 国产超碰97| 国产中文字幕曰本毛片| 久久色AV线| 欧美日韩激情无码专区| 97爱碰| 秋霞 色色| 日韩欧亚太美不卡| 无套后入双马尾| 亚洲精品99| 神马麻豆福利院| 九九热精品免费视频| 蜜乳av首页| 欧美在线干| 天天影视色香色欲| 欧美熟妇成人一区二区| 无毛精品| 99re视频在线观看这里只有精品| 啊啊啊啊啊在线| 青青操在线亚洲视频观看欧美在线 | 91热色| 狠狠躁天天躁日日躁| 夜夜天天噜狠狠爱2021| 天天日天天操VV| 国产91啪| 淫荡网址| 精品国产乱码久久久久久免费| 免费作爱一级视频| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区二区老师 | 97超碰天天爱天天爱| 3P乱轮视频| 91欧洲国产成人久久精品网站| 性欧美体内射精| 欧美亚洲厕所精品偷拍91 | 麻豆精品.欧美精品.日韩精品.| 色五月亚洲| 日逼五月天| 性色乱AV一区二区| 2017超碰| 人人手机欧洲亚洲国产人妻| 最新岛国大片| 欧美,亚洲,日韩,v,天堂,手机在线观看| 女人高潮抽搐喷水视频网站| 欧美大香蕉久| 97一区二区三区视频| 久久久久78| 欧美综合网A| 亚洲熟久久| 欧美一区二区日韩传媒搭讪精品| 无码天天操| 亚洲免费成人在线高清无码视频| 97免费视频在线| 亚洲美女精品九九视频| 亚洲中文字幕av| 久久久青青草| 9久久久久久| 色踪合AV| 亚欧美无遮挡| 97色综合中文网| 九九草| 中文字幕女同在线| 97超碰免费生活| 久久久久久中文版| 亚洲熟久久| 大香蕉2017| 91美| 大香蕉视频一二三区| 国产亚洲精品激情| 成人免费不卡在线视频| 999久久久久久久精| 伊人久久大香大香线蕉中文 | 午夜超爽| 日本在线视频导航| 国产精品九9| 亚州男人的天堂| 性爱AV天堂| 啪啪啪综合| 好爽视频在线观看视频 | 秋霞免费无码视频日韩A片| 国产亚洲精品久久久久小| 在线观看中文av字幕| 久热九九| 天天激色| 91在线视频国产网站| 日韩欧美午夜视频在线| 亚洲另类久操网| 亚洲好色人妻| 国产隔壁老王影院在线| 96AV精品| 亚州五月| 免费看黄片现成| 午夜婷婷| 欧美天天影院| 久久久久久亚洲中文| 中文字暮97| 欧美色图99| 日韩av一级黄片| 欧美天天拍| 夜夜欧美| 日本五十路熟女一区二区| 欧美午夜色妇色鬼| 婷婷色色五月天福利| 中亚精品极乱| 亚洲欧美不卡线| 九九成人| 啊啊啊免费视频| 91 亚洲 欧美 日韩 国产 综合| 亚洲天堂自拍| 台湾成人无码AV| 综合天天网| 久久男人精品| 神马视频久久久久久| 少妇久久久| 18一区二区三区| 一区二区三区国产在线播放| 婷婷操逼| 国产后入清纯| 国产AV无码AV| 97色综合中文网| 久久久久一本一区二区青青蜜月| 亚洲一区二区三区春色| 欧色性第一页| av凤凰久久久| 精品制服美女中文一区二区三区| 嫖老熟女A片一二三区| 久操免费电影| 婷婷伊人网| 无遮挡男女激烈动态图| 97超碰久久色| 日韩欧美国产高清视频| 中文字幕精品码亚洲| 人妻社区男人天堂| 极品综合| 欧美色图亚洲色| 人妻无码久久一区二区三区免费| 国内精品久久久久影院亚洲| 亚洲色图91| 青青久日| 神马久久网| 97天天爽| 久久精彩免费视频| 亚洲无码 国产无码| 999热日韩精品| 理论久久婷婷网 8| 性影在线视频| 中文字幕欧美丝袜07资源| 综合情欲网| 天堂资源站| 另类综合另类| 被男人吃奶很爽的毛片| 少妇厨房愉情理伦片bd在线观看| 97在线青| 日日干日日操五月天伦理视频| 国产精品熟女乱伦| 国产精品亚洲一级av第二区| 国产400孕妇孕交群| 一本色道熟妇| 亚洲深夜福利| 欧美草草高清日韩视频| 中国熟女91| 激情婷婷丁香网| 丝袜美女诱惑 91 视频| 国产精品天干天干综合网麻豆| 色婷婷五月天| 亚洲毛片基地专区| 少妇高潮九九九九| 国产自制av蜜乳| 久久夜夜| 色哟哟511老熟女| JULIA一区二区三区在线播放| 韩国午夜理伦三级好看| 人妻 中文 日韩| 日本午夜福利影院| 一本道综合色图| 国产自产91区13区| 天天天天天天天天综合| 啊啊啊啊在线播放| 麻豆一区二区AV天美| 天天插网| 中国东北熟女老太婆内谢| 五月天婷婷综合| 少妇免费视频| 亚洲人妻久久久| 91天天综合在线观看| 久久精品99久久久久久| 91bbbbbb| 欧美日韩激情无码专区| 花野真衣| 熟妇一区,二区,三区。| 亚洲综合在线第一页| 久久欲| 九九在线视频| 嗯~啊~快点 死我视频免费看网站| 一区二区影视| 精品成人无码| 东北女人av| 9久9久| 殴美在线AⅤ| 97自拍一区| 国产日韩精品suv| 日韩人妻中文视频| 日韩情色AV| 综合av社区| 97超碰色屌| 天天视频黄| 超碰午夜| 久久亚州精品成人Av无| 91女在线观看| 日本三级韩国三级美三级91| 国产黄色在线播放观看| 哈哈操电影AV| 国产91精品在线免费| 屌逼传媒| 91欧洲国产成人久久精品网站| 国产成人网| 性色亚洲| 屌妞视频久久久久久久久久久久| 色哟哟AⅤ| 精彩视频日韩| 少妇高潮特黄A片| 素人伊尹大香蕉免费下载视频| 韩国三级理论在线| 极品出轨视频网站| 午夜激情床戏激情| 亚洲AV无码AV吞精久久久久| 欧美 熟女 日韩| 国产一级高跟丝袜| 91精品国| 亚洲AV不卡在线观看尤物| 金莲网址| 久久精品一区二区| 美女黑人91神马| 小视频玖玖| 欧美综合色综合| 韩日欧亚a级| 黑丝日韩av丝袜av| 超碰免费在线| 亚洲欧美日产国产91毛片| 亚洲少妇综合| 欧美亚洲日韩人妻在线观看| 大香网伊人久久综合网eew| 丁香六月婷婷| 国产成人无码a| 狠狠干综合| 啊v视频在线观看| 久久亚洲AV成人精品无码| 另类欧美色| 精品久9| 18禁止看精品中文字幕| 思思热在线cao| 色欲天天综合网| 久久精品无码不卡| 麻豆久久精品亚洲精品88| yw尤物av无码点击进入麻豆| 3d成人精品一区二区| 99热官网| 75大香蕉| 屁股久久久久久久久久| 亚洲啪啪综合?v一区综合精品区| 麻豆成人影音在线| 五月婷久久| 色偷偷色偷偷欧美日韩| 九九九九九精品视频| 亚洲免费在线探花| 国产极品美女高潮无套在线观看| 久久久久密| 91高潮| 国产精品无码在线| 一区 欧美 日韩 麻豆| 2020中文字幕在线观看| 搡老女人老熟女91| 亚洲第一综合| 啊啊在线| 2020国产精品| 超碰国产精品无码| 日韩美一区| 91亚洲电影| 五月天丁香欧洲日韩| 91国模| 熟女精品一区二区三区| 国产日韩美女小穴视频网站不卡| 国产女生在线| 久久久一区二区三区麻豆| 色婷婷狠狠| 美女丝袜激情小说| av大香蕉| 超碰国产精品无码| 97视频在线视频| 亚洲精品国产精品乱码不99| 四虎免费在线播放| 亚洲欧美国产成人综合不卡| 久久亚洲欧美一区二区三区-亚洲国产精品第一区二区 | 综合97亚洲| 九九黄色网| 黄色成人网久久久久久| 97天天操天天干| 五月婷婷性爱| 黑人娇小av在线播放| 蜜臀亚洲综合一二三四区| 五月丁香六月| 日韩性爱视频在线免费观看 | 日韩精品操少妇| 抽插无码高清一区| 操屄日韩| 91成人亚洲色图| 超碰人人妻| 中国zzijzzijzzwww精品| 国产路线专区| 久夜操| 97超碰亚洲| www鬼畜国产男人的天堂| 日韩欧美国产高清视频| 人妻第一页| 色香综合天天影视综合| 内射黑人| 欧美 中文字幕 一区| 免费一级视频特黄色大片| 久久人人爽爽人人爽人人片αV| 中文字幕日韩情色| 综合av影片| 日韩在线人妻网站| 美女人妻色网站| 久久久久免费少妇| av绯色| 欧美,日韩,亚洲视频| 岛国网址国产| 天天综合91| 日本不卡在线二区三区| 日本大香蕉综合网红本杳社区| 九九精品美女高溯喷水| 五月婷婷丁香| 婷婷国产精品九区| 夜夜操天天肏| 九九九九免费高| 国产一区二区久久| 加勒比东京热五月天天堂网| 97碰碰日本乱偷人妻中文的| 亚洲欧洲色情高清| 人妻 制服 日韩 中文 在线| 抽查国产福利主播| 97天天弄| 欧美亚洲在线| 国产高清不卡视频| 欧美 综合 亚洲| 377p欧洲日本亚洲大胆| 日本中文字幕在线视频| 亚洲色吧网| 久久久性爱视频| 91neishe| 熟女一区二区| 亚洲中文字幕乱码无码一区二区| 60秒试看最爽10分钟网站| 嗯嗯啊啊日韩精品| 天天天肏屄肏屄肏屄欧美欧美| 超碰地址久久| 日韩日本欧美在线观看| 性做久久久久久久| 久视频在线观看| 天天操天天看| 精品视频一区二区| 澳门特级毛片免费观看| 黄色av一区二区在线| 男人的天堂网免费| 九九九九九九九九九九九蜜桃| av激情亚洲五月天| 久久草在线综合视频| 75大香蕉| 新91视频.cmp| 国产女性无套 免费观看| 四虎AV无码| 97se亚洲综合自| 亚洲午夜福利视频| 亚洲一区日韩精品中文字幕 | 亚洲国产一区二区入口| 色5月婷婷| 国产91专区| 91成人久久 | 国产热RE99久久6国产精品首| 台湾大香蕉99热| 日韩免费三级黄片电影| 日本网色| 97天天在线| 国产精品视屏| 国产精品91一样| 日韩97P| 99在线无码精品秘 入口黑人| 国产精品亚洲四五区在线观看| 超碰97人妻| 精品久久久av| 亚洲av性爱电影| 骚乳在线| 视频不卡中文字幕| 久久一留热品黄| 91亚洲黑人| 91综合在线| 美女黑人91神马| 亚洲黄色a级片| 另类图片五月天| 后入美女国产| 国产操伦| 蜜臀久久99精品久久久久久成人小说| 九月婷婷综合| 日本性爱欧美性爱| 91久| 日本黄页视频在线观看| 黄色片大香蕉| 秋霞色色影院| 人人手机欧洲亚洲国产人妻| 亚洲性爱电影| 午夜视频久久久| 欧美精品 - 91爱爱| 国产强奸乱伦无码视频| 白丝少妇一区二区| 中文字幕成人| 婷婷丁香九月| 一二三四区电影| 99啪啪| 第一高清av中文字幕| 亚洲色图图片| 99国产精品免费| 国产11页| 99操视频| 影音先锋中文字幕日本好一区二区| 18禁在线视频| 日本精品一区二区三| 国产大片精久久久久久| 97电影院超碰| 黄色av播放免不| 亚洲 中文 女同| 欧美丰满熟妇XXXX性ppX人交| 欧美性爱免费短视频| 熟妇女伦乱视频| 欧美在线色| 蜜桃在线观看一区二区三区 | 啊啊啊想要| 爱丝福利| 国产精品高朝久久久久久久| 欧美成人综合| 久操九九九九九九九九九九九九九九九九九九九九九九九九九九九九 | 欧美激情亚洲| 97综合久第一页| 九九九偷拍| 抽插亚洲无码| 亚洲丝袜综合| 99久久精品欧美国产| 亚洲国产精品无码AV久久久| 亚洲黄片免费在线播放| 高潮毛片无遮挡高清免费| 国产专区第一页| 亚洲操逼视频网站| 亚洲天堂,男人| 999在线电影香蕉| 欧美啪啪女女| 免费一级视频特黄色大片| 无码99| 可以免费观看的av| 欧美一区二区日韩传媒搭讪精品| 欧美综合色站| 超碰97导航| WWW.操逼.COM| 免费国产电影一区二区| 国产亚洲禁久一区二区| 国产夜夜艹| 91N综合网在线| 免费视频一二三区| 人人操人人uiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii | 狠狠色伊人亚洲综合网站色| 久久精品国产亚洲AV高级北京| 国产亚洲色婷婷久久99精品91葵花宝典| 成人短视频在线观看| 99只有精品| 一区二区三区美女超清| 久久九九综合| 欧美综合777| 日日摸天天爽夜夜欢| 最新中文字幕在线亚洲| 中文字幕在线免费观看视频| 亚洲 欧美 天天| 亚洲欧美在线综合| 91AV入口| 久久婷婷伊人| 亚洲 se图 欧美电影| 啪啪视频免费在线观看| 亚洲成人久久一区二区| 丝袜视频一区二区在线播放国产中文| 亚洲天堂另类小说男人| 久久草视频污视频| 午夜乱轮操逼视频免费看| 精品亚洲国产成人AV制服丝袜| 蜜色网色哟哟| 超碰97人妻| 99999精品成人| 91天堂| 亚洲精品蜜桃久久久一区二区三区| 中文字幕乱妇免费视频| 日本东京热加勒比久久| 校园春色中文字幕AV| 久久青青草原免费视频| 成人影 天天操 亚洲| 久久久久久久久9| 人人乐大香蕉| 韩国免费播放一级毛片| 日日日啊啊啊| 青青操综合网| 男人成人黄色视频在线观看免费下载| 操逼操逼视频操逼| 欧美碰碰综合色| 日韩人妻一区二区精品| 夜夜免费视频| 人妻少妇蜜桃视频欧美一区| 久久人妻| 午夜综合在线| 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 | 静品嫩模一区二区| 97免费视频在线观看视频| 无码国产精品午夜不卡( | 强被迫伦姧在线观看无码网站| 婷婷激情四射| 欧美亚洲第一页| 欧美日韩资源| 加勒比伊人影院| 亚洲精品99| 国产精品视频白浆免费| 一本色道熟妇| 18精品一区| 99久热| 九九性爱网| 性爱视频无打码在线观看| 夜夜欢天天干| 性高潮久久久久久久久久久| 啊啊啊97视频| 九九性爱网| 收看日本人日bb| 九九热三级片| 怡红院成人视频| 欧美+日产+中文| 日本中文字幕一区| 狼人综合婷婷激情四射| 欧美日韩91| 婷婷丁香六月| 青娱乐日韩无码| 中文字幕一区二区在线日韩精品| 亚洲日韩精品久久久久一区壹牛 | 亚洲一区二区三区婷婷| 欧美成人精品一区| 91强在线播放| 97久精品| 人妻在线中出视频| 久久五月份| 男男H黄动漫啪啪无遮挡网站| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区二区老师黑人潮喷一 | 国产AV中文| 深夜福利黄片| 天天干1区2区在线| 欧美天堂亚洲电影院一区在线播放| 欧美日韩天堂| 色五月第四色|