• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于新雙模融合算法的情感檢測系統(tǒng)

    2010-12-06 12:10:02黃永明章國寶劉海彬達飛鵬
    關(guān)鍵詞:識別率人臉分類器

    黃永明,章國寶,劉海彬,達飛鵬

    (東南大學(xué)自動化學(xué)院,南京 210096)

    情感在人類交流中具有重要作用.情感檢測系統(tǒng)也在遠程教學(xué)[1]、電子機器寵物[2]、輔助測謊[3]、自動遠程電話服務(wù)中心[4]以及臨床醫(yī)學(xué)[5]等方面有著廣闊的應(yīng)用前景.語音信號視頻信號都能傳遞豐富的情感信息,由于音頻、視頻在情感檢測上都存在一些固有的缺陷,從單一的途徑來進行情感檢測已經(jīng)越來越不能滿足工程的實際需求,因此,從雙模提取互補性的特征成為提高識別率的新途徑.

    多分類器信息融合,首先是分類器之間要有差異性,且融合算法要考慮分類器對各種情感的敏感度,這樣才能得到較好的信息融合效果.對于分類器選擇,如果選用同性質(zhì)的分類器,雖然融合簡單,但無法保證分類器的差異性.對于融合算法,簡單采用多個分類器的投票法、加法法則、乘法法則,由于沒有考慮到分類器的差異性,故而分類效果并不理想;采用傳統(tǒng)的融合算法融合,雖然考慮到分類器的差異性,但卻忽略了分類器本身對特定情感的敏感度,并不能保證有更好的分類效果;使用層疊泛化算法,即引入二級分類器對一級分類器的結(jié)果進行仲裁[6],這樣雖然考慮得比較全面,但是二級分類器的物理意義顯得很不明確,也不容易收斂,并不能保證有更好的分類效果,并且引入二級分類器,使系統(tǒng)的訓(xùn)練和識別的運算復(fù)雜度提高,影響實時性.

    針對這些問題,筆者從音頻、視頻提取雙模特征參數(shù),引入了不同性質(zhì)的分類器,即基于概率統(tǒng)計的混合高斯模型(Caussian mixture models,GMMs)分類器和基于函數(shù)擬合的小波神經(jīng)網(wǎng)絡(luò)(module wavelet neural network,MWNN)分類器;為保證分類器間的差異性,引入表情圖片特征的一階、二階差分特征向量對GMMs 進行了時序化補償;在分類器輸出匹配化后,引入了基因遺傳算法(genetic algorithm,GA)信息融合算法,充分發(fā)揮各分類器本身對特定情感的敏感特性,達到較好的融合效果.為了比較,本文還進行了單獨MWNN 識別、單獨GMMs 識別、無差別投票法、加法法則、乘法法則和層疊泛化算法(其二級分類器為BP 神經(jīng)網(wǎng)絡(luò))識別實驗,為了更好地參照效果,針對本文的特定情況(只有2 個分類器,且分類器性質(zhì)不同),將以上傳統(tǒng)融合算法進行了匹配化輸出融合改進.

    1 系統(tǒng)設(shè)計

    1.1 整體流程

    如圖1 所示,整個流程大致分為信號處理與情感訓(xùn)練識別兩大部分.首先,對麥克風(fēng)的語音輸入進行適當?shù)念A(yù)處理以獲取有效的語音信號,這些預(yù)處理包括分幀、預(yù)加重、端點檢測等;對攝像頭捕獲的表情視頻文件分幀,每幀轉(zhuǎn)成圖片格式,然后進行人臉檢測、定位等預(yù)處理以獲取有效的表情圖片信息.隨后,從這些處理過的語音信號里提取韻律特征、處理過的表情圖片提取人臉幾何特征分別形成特征向量.最后,語音韻律特征向量和人臉幾何特征向量都利用主元分析法(principle component analgs,PCA)來降維,從而獲取最終的特征向量.

    在訓(xùn)練階段,基于語音訓(xùn)練樣本的韻律特征被用來訓(xùn)練MWNN 模型,從表情圖片訓(xùn)練樣本提取幾何特征來訓(xùn)練GMMs 模型.在模型訓(xùn)練好的基礎(chǔ)上,再次將訓(xùn)練樣本輸入到MWNN 模型和GMMs 模型,將識別結(jié)果形成一個新的樣本空間,用GA 在這個樣本空間里搜索最優(yōu)的融合系數(shù)向量其中每個λ分別對應(yīng)一種情感.在識別階段,音頻測試樣本經(jīng)韻律特征參數(shù)提取、降維后輸入訓(xùn)練好的MWNN 模型識別,視頻測試樣本經(jīng)人臉幾何特征參數(shù)提取、降維后輸入訓(xùn)練好的GMMs 模型識別.最后對GMMs、MWNN 2 個分類器的識別結(jié)果進行融合,并對情感進行最后裁定.

    1.2 情感與特征

    如何給情感分類是個有趣又復(fù)雜的問題,不同研究者在進行情感識別的研究時選擇的情感分類數(shù)量和種類往往不盡相同[7-8].本文的最終目的是為了讓機器寵物更好地識別主人的基本情感,因此選擇了生活中幾種常見的基本情感(生氣、平靜、高興、悲傷和厭煩)來對情感進行分類.

    心理學(xué)和韻律學(xué)研究表明,說話者的情感在語音中最直觀的表現(xiàn)是韻律特征和語音質(zhì)量的變化,如音調(diào)、音強和音質(zhì)的變化[9].通常與情感相關(guān)的聲學(xué)特征包括基音、持續(xù)時間、能量和共振峰,以及它們衍生的均值、最大值、最小值、中間值、取值范圍、一階導(dǎo)、二階導(dǎo)和變化率等.經(jīng)過反復(fù)地實驗,本文最終選取了下面幾種韻律特征:語速、能量最大值、能量均值、極點數(shù)、基音頻率、最大共振峰.

    人臉特征一般有幾何特征、外貌特征、混合特征這3 種.外貌(appearance)特征泛指使用全部人臉圖像像素的特征,反映了人臉圖像底層的信息,側(cè)重于提取局部的細微變化,由于要提取的特征點較多,造成維數(shù)過高、運算復(fù)雜.混合特征將幾何特征、外貌特征兩者結(jié)合起來,計算也較為復(fù)雜,而且初始點獲取困難.雖然幾何特征的識別效果對基準點提取的準確性要求較高,同時幾何特征的提取忽略了臉部其他部分的信息(如皮膚的紋理變化)等,但其能描述人臉宏觀的結(jié)構(gòu)變化,且提取簡單、維數(shù)較低,非常符合本系統(tǒng)的要求.

    1.3 分類器模型建立

    1.3.1 GMMs 模型建立

    用多個高斯(正態(tài))概率密度函數(shù)的線性組合可以逼近任意密度分布,基于統(tǒng)計思想的GMMs 可以對任意的圖片表情特征分布進行精確的描述.由于經(jīng)過PCA 降維后的20 維的人臉表情幾何特征向量在20維空間中的分布不是橢球狀的,單個的標準高斯分布不能很好地擬合,所以要建立GMMs 模型.雖然更多的高斯分布能更準確地擬合人臉表情幾何特征的分布,但勢必會引起更高的運算復(fù)雜度,而這對于基于嵌入式平臺的智能機器寵物顯然無法承受,為了更貼近工程運用,選用4 個高斯函數(shù)來加權(quán)表示,即

    筆者采用最大似然估計法(EM 算法)求取最佳P(θ)的參數(shù)值θ,為此需要構(gòu)造函數(shù)

    并求其最大值.為討論方便,引入數(shù)學(xué)符號

    為求 ()J θ極值,求其對 jμ與 jσ的微分,并令其為零,得到8+4d 變量的方程.采用迭代法,得到最佳的(P)x的參數(shù)值.

    訓(xùn)練就是使用EM 算法確定每種情感的權(quán)重系數(shù)、均值和協(xié)方差,建立各情感的模型,識別過程為求取各情感模型產(chǎn)生測試語音的觀測特征序列的條件概率;最大條件概率對應(yīng)的情感即可作為識別結(jié)果.

    1.3.2 MWNN 模型的建立

    MWNN 有5 個子網(wǎng)絡(luò)構(gòu)成[10],如圖2(a)所示,每個子網(wǎng)絡(luò)分別對應(yīng)一種測試的情感.對于每條情感語句,其情感的識別過程為:語音特征向量分別輸入到5個子網(wǎng)絡(luò),然后會得到一個輸出向量 (v1,…,v5),這個向量表征的是輸入的情感語句與5 個情感子網(wǎng)絡(luò)的相似度,最后根據(jù)輸出向量元素值、邏輯判決器選取最大值(超過一定閾值時)所代表的情感子網(wǎng)絡(luò),并將該子網(wǎng)絡(luò)所對應(yīng)的情感作為最終識別結(jié)果.

    圖2 MWNN識別過程及其子網(wǎng)絡(luò)拓撲Fig.2 Recognition processing flow and sub-networks of WMNN

    圖2(b)顯示了MWNN 的5 個子網(wǎng)絡(luò)的結(jié)構(gòu),每個子網(wǎng)絡(luò)都為3 層網(wǎng)絡(luò),由5 個節(jié)點的輸入層、12 個節(jié)點的中間層以及1 個輸出節(jié)點的輸出層構(gòu)成.當訓(xùn)練時,輸出節(jié)點值為0.99 或0.01 的一個邏輯量,如果輸入的情感語句與對應(yīng)的情感子網(wǎng)絡(luò)相匹配,則輸出值為0.99,否則為0.01.用5 個單獨的子網(wǎng)絡(luò)對應(yīng)5 種測試的情感,使得每個網(wǎng)絡(luò)能夠單獨調(diào)整.如果能夠只改變單獨的1 個子網(wǎng)絡(luò)參數(shù),而不需要對整個網(wǎng)絡(luò)進行調(diào)整,對于提高神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效率與更新特征參數(shù)都是非常有利的.為了提高學(xué)習(xí)效率,加快收斂速度,采用增加動量梯度下降的學(xué)習(xí)算法有式中α為動量系數(shù),一般有α∈ (0,1).動量項反映了以前積累的經(jīng)驗,對于t 時刻的調(diào)整起阻尼作用.關(guān)于小波基函數(shù)的選取,目前尚無統(tǒng)一理論方法,通常依據(jù)經(jīng)驗及實際情況而定,也可借鑒小波分析中的經(jīng)驗,較早提出的Morlet 小波cos(1.75x )e-0.5x2(該小波為有限支撐、對稱、余弦調(diào)制的高斯波)已被廣泛用于特征提取、圖像壓縮、分類等領(lǐng)域,本文基于這種思想,選取Morlet 小波作為網(wǎng)絡(luò)隱層的激活函數(shù).

    1.4 信息融合算法

    1.4.1 傳統(tǒng)的融合算法及改進

    1) 無差別投票法

    傳統(tǒng)的投票法采用少數(shù)服從多數(shù)的原則,一般來說分類器多于2個,且為奇數(shù),避免出現(xiàn)票數(shù)相等的情況.由于考慮工程應(yīng)用的實時性,本文只選擇了2 個分類器,且性質(zhì)不同.MWNN 基于非線性函數(shù)擬合,其值較大,接近1;GMMs基于概率統(tǒng)計,其值較?。邤?shù)量級不匹配,因此要進行改進,規(guī)則為:① 2 個分類器意見統(tǒng)一時直接輸出;② 意見不統(tǒng)一時,則先對GMMs 的輸出結(jié)果匹配化處理(式(8)),使GMMs與MWNN 輸出數(shù)量級匹配,然后輸出大者勝出.

    式中n=1,2,3,4,5.

    2) 求和法

    傳統(tǒng)的求和法為

    為了改進效果,將GMMs 的輸出用式(8)匹配,則

    求積法和單系數(shù)融合法也用上述方法改進.

    3) 改進的求積法

    4) 層疊泛化算法

    層疊泛化算法即為引入二級分類器對一級多分類器的結(jié)果進行仲裁.本文引入的二級分類器為收斂速度比較快的BP神經(jīng)網(wǎng)絡(luò),其為3 層網(wǎng)絡(luò),由10 個節(jié)點的輸入層、12個節(jié)點的中間層以及5 個輸出節(jié)點的輸出層構(gòu)成.訓(xùn)練時,將每個訓(xùn)練樣本經(jīng)過MWNN與GMMs 的輸出組成一個10 維的向量來構(gòu)成此2 級BP 分類器的訓(xùn)練樣本集,輸出節(jié)點值為0.99 或0.01的一個邏輯量,如果輸入的情感語句與對應(yīng)的情感子網(wǎng)絡(luò)相匹配,則輸出值為0.99,否則為0.01.

    5) 改進的單系數(shù)融合算法

    1.4.2 基于GA 的雙模融合算法

    1) 分類器輸出匹配化處理

    由于GMMs 模型的各個子模型得到的似然估計是個非常小的正數(shù),而MWNN 模型的各個子網(wǎng)絡(luò)得到的是介于(0,1)之間的一個較大的正整數(shù),直接融合效果不佳,本文使用式(8)匹配化處理.

    2) 建立適應(yīng)度函數(shù)(目標函數(shù))

    設(shè)輸入的測試樣本屬于m 類,則GA 搜索的適應(yīng)度函數(shù)為

    為了簡化運算,加入約束條件:①0.01 ≤λn≤1 .00;②λn只能取0.01 的整數(shù)倍;③采用十進制編碼.

    3)信息融合

    利 用 融 合 系 數(shù)(λ1,λ2,λ3,λ4,λ5)對 匹 配 化 后 的GMMs 及WMNN 的輸出結(jié)果進行融合,即

    2 實驗與結(jié)論

    2.1 數(shù)據(jù)庫的建立

    邀請了3 位富有表演天賦的同學(xué)(分別用M1、F1、F2 表示)來完成情感音頻、視頻聯(lián)合數(shù)據(jù)庫錄制,錄制者正臉對著攝像頭,近距離對話筒以5 種不同的情感來朗讀筆者準備好的30 條情感短句.其中音頻文件錄制要求嘴唇到話筒距離2~3,cm,采樣頻率11,025,Hz,16 位量化精度,單聲道,并以WAV 格式保存.視頻文件采用Sony 攝像頭錄制,人臉距攝像頭50,cm,25 幀/s,并以AVI 格式存儲.錄制結(jié)束,音頻文件要用Cool Edit Pro 1.2a 進行適當?shù)仡A(yù)處理,視頻文件用AD Video Processor 軟件將AVI 視頻轉(zhuǎn)成連續(xù)的BMP 格式圖片保存.最后還要進行語音庫、圖片庫情感成分測試,測試結(jié)束,只有符合要求的語句與圖片被保留,其他被刪除,并將語音文件與圖片序列關(guān)聯(lián)保存,作為最后訓(xùn)練與測試的樣本.圖3 為M1以“高興”情感朗讀“過來”這個語句的聯(lián)合樣本.

    2.2 特征提取

    2.2.1 語音韻律特征

    實驗采用短時分析法來分析語音特征,一幀的短時特征為

    式中:s(n)為語音信號;w(m-n)為幀長為N的窗體[11].實驗最終選擇語速、能量最大值、能量均值、極點數(shù)、基音頻率和最大共振峰作為韻律參數(shù),每一幀的短時能量和過零率分別為

    2.2.2 人臉幾何特征

    本文應(yīng)用數(shù)學(xué)形態(tài)學(xué)和點輪廓檢測法[12](point contour detection method,PCDM)獲取眼睛、嘴、眉毛和鼻子這4 個正面特征器官的正確輪廓.該方法在提取特征之前,應(yīng)用數(shù)學(xué)形態(tài)學(xué)技術(shù)產(chǎn)生邊界強度圖像,結(jié)合原圖、先驗知識,給面部器官定位.定義原始圖像為I,邊界強度圖像為edgeφ.

    式中:dilation 為膨脹操作;erosion 為腐蝕操作.圖4為實驗中“高興-過來” 表情圖片的處理結(jié)果.

    圖4 表情圖片輪廓提取過程Fig.4 Contour extraction processing flow of facial expres-Fig.4 sion

    按照上述的方法,每張表情圖片提取20 個面部特征點來描述上述4 個特征器官的位置和形狀,其中每條眉毛3 個點,每只眼4 個點,鼻子2 個點,嘴巴4個點,坐標原點取眉心處.

    為了體現(xiàn)視頻分幀后的表情圖片的時序特性,每張(幀)表情圖片先用20×2 的向量表示,然后進行向量拉直為40×1 向量,這些向量作為一次樣本,引入一階差分特征、二階差分特征,形成二次樣本;將這些樣本集合起來,經(jīng)過PCA 降維后形成20 維的樣本集,作為最終的GMMs 訓(xùn)練、識別樣本集.

    2.3 實驗結(jié)果

    2.3.1 泛化能力

    分類器在工程應(yīng)用中最為核心的問題就是它的泛化性能(推廣能力),即訓(xùn)練完成后的模型對測試樣本或工作樣本做出正確反應(yīng)的能力,沒有泛化能力的分類器便沒有任何價值.

    由圖5 可見,傳統(tǒng)的融合算法如果不匹配化處理,如傳統(tǒng)求和法得到的識別率與單獨MWNN 是一樣的(50 樣本時均為82%,100 樣本時均為84%),這是因為基于統(tǒng)計規(guī)律的分類器GMMs 輸出結(jié)果很小,加到MWNN 的輸出結(jié)果上并不能起到改進的效果.經(jīng)過分類器匹配化處理后,求和法、求積法和投票法識別率都得到提高,雖然層疊泛化算法效果也比較好,但無論是小訓(xùn)練樣本(50 個訓(xùn)練樣本),還是大訓(xùn)練樣本(100 個訓(xùn)練樣本),基于新的GA 融合算法在相同條件下都能獲得更高的識別率,分別為92%和94%,因而具有更強的泛化能力.

    圖5 各種算法的泛化能力Fig.5 Generalization ability of various algorithms

    2.3.2 識別率

    圖6中所有的識別結(jié)果都是以100 個樣本進行訓(xùn)練,50 個樣本進行測試,不難發(fā)現(xiàn),對于3 位測試者(M1、F1、F2),都存在如下規(guī)律.

    (1) 對于分類器匹配化,傳統(tǒng)的融合算法中求和法則與求積法則受分類器性質(zhì)的影響最大,如果不匹配化輸出,則結(jié)果與單獨MWNN 一樣,基本不會有任何改善;投票法、直接融合算法雖然也受影響,但影響不大,匹配化后識別率也會有一定的提升;分類器性質(zhì)對層疊泛化這種傳統(tǒng)融合算法基本不會有任何影響,所以這種算法不需要匹配化輸出.

    (2) 對于識別率,在傳統(tǒng)的融合算法中,層疊泛化算法是最高的,其次是改進后的直接融合算法,經(jīng)過輸出匹配后,求和法、求積法、投票法各有千秋,其中求和法與投票法識別率相對比較穩(wěn)定,而求積法更容易受數(shù)據(jù)庫的影響(對于F1 識別率在三者中最低,到了F3 則變?yōu)樽罡?.

    對于所有測試者,圖6 還顯示了一個更為明顯的結(jié)論:相比于單模態(tài)或其他的分類器融合算法,基于新的GA 融合算法在相同條件下都能獲得更高的識別率, F1 為94%、F2 為92%、M1 為90%.

    圖6 各種算法的識別率Fig.6 Recognition rate of various algorithms

    3 結(jié) 語

    為了提高識別率和泛化能力,筆者從音頻、視頻兩方面來提取特征參數(shù)(語音韻律參數(shù)與人臉幾何參數(shù)),選擇了差異性強的MWNN和GMMs 分類器,并匹配化了分類器輸出,提取表情圖片特征的一階、二階差分特征向量對GMMs 進行時序化補償,引入了GA 算法來搜索最優(yōu)的融合系數(shù)向量,充分發(fā)揮各分類器本身對特定情感的敏感特性,提高了融合效率.

    為了更貼近工程運用,并最終應(yīng)用于智能機器寵物,GMMs 只引入4 個基本高斯分布來簡化模型,MWNN 每個子網(wǎng)絡(luò)均采用單隱層,5 個輸入節(jié)點,單輸出節(jié)點的簡單網(wǎng)絡(luò)拓撲結(jié)構(gòu),WMNN、GMMs 均為5個獨立的子模型構(gòu)成,每個模型對應(yīng)一種情感,當系統(tǒng)進行反饋學(xué)習(xí)時,只要調(diào)節(jié)相應(yīng)的子模型即可,簡化了再學(xué)習(xí)過程.特征提取后,利用PCA 進行降維處理,降低系統(tǒng)的計算復(fù)雜度,WMNN 采用增加動量梯度下降的學(xué)習(xí)算法來提高收斂速度,提高系統(tǒng)的實時性.筆者根據(jù)識別結(jié)果加入一個反饋再學(xué)習(xí)環(huán)節(jié),因此分類器模型不是固定不變的,而是隨著時間更新而動態(tài)變化,這樣才符合人類情緒表達方式會隨著時間推移而變化的事實.

    [1]Fragopanagos N,Taylor J G. Emotion recognition in human-computer interaction[J].Neural Networks,2005,18(4):389-405.

    [2]Bosch L. Emotions speech and the ASR framework[J].Speech Communication,2003,40(1/2):213-225.

    [3]Cowie R,Douglas-Cowie E,Tsapatsoulis N,et al. Emotion recognition in human-computer interaction[J].IEEE Signal Processing Magazine,2001,18(1):32-80.

    [4]Morrison D,De Silva L C. Voting ensembles for spoken affect classification[J].Journal of Network and Computer Applications,2007,30(4):1356-1365.

    [5]France D J,Shiavi R G,Silverman S,et al. Acoustical properties of speech as indicators of depression and suicidal risk[J].IEEE Trans Biomed Eng,2000,47(7):829-837.

    [6]Morrison D,Wang Ruili, De Silva L C. Ensemble methods for spoken emotion recognition in call-centres[J].Speech Communication,2007,49(2):98-112.

    [7]Bhatti M W,Wang Y,Guan L. A neural network approach for human emotion recognition in speech[C]//IEEE International Symposium on Circuits and System. Canada,2004:181-184.

    [8]Murry I R,Arnott J L. Applying an analysis of acted vocal emotions to improve the simulation of synthetic speech[J].Computer Speech and Language,2008,22(2):107-129.

    [9]林弈琳,韋 崗,楊康才. 語音情感識別的研究進展[J]. 電路與系統(tǒng)學(xué)報,2007,12(1):90-98.Lin Yilin,Wei Gang,Yang Kangcai. A survey of emotion recognition in speech[J].Journal of Circuits and Systems,2007,12(1):90-98(in Chinese).

    [10]Huang Yongming,Zhang Guobao,Xu Xiaoli. Speech emotion recognition research based on wavelet neural network for robot pet[C]// 5th International Conference on Intelligent Computing.Korea,2009:993-1000.

    [11]Ververidis D,Kotrropoulos K. Emotional speech recognition:Resource,features,and methods[J].Speech Communication,2006,48(9):1162-1181.

    [12]Chang J Y,Chen J L. Automated facial expression recognition system using neural networks[J].Journal of the Chinese Institute of Engineer,2000,24(3):345-356.

    猜你喜歡
    識別率人臉分類器
    有特點的人臉
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關(guān)系
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    提升高速公路MTC二次抓拍車牌識別率方案研究
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應(yīng)用
    馬面部與人臉相似度驚人
    人妻少妇偷人精品九色| 精品视频人人做人人爽| 赤兔流量卡办理| 亚洲精华国产精华液的使用体验| 99re6热这里在线精品视频| 伦精品一区二区三区| 免费看光身美女| 国产亚洲5aaaaa淫片| 国产精品三级大全| 在线免费观看不下载黄p国产| 国产精品久久久久久久久免| 伊人久久精品亚洲午夜| 亚洲欧美日韩无卡精品| 91久久精品国产一区二区三区| 色婷婷久久久亚洲欧美| 精品视频人人做人人爽| 男人舔奶头视频| 婷婷色综合大香蕉| 91久久精品国产一区二区成人| 国产精品一二三区在线看| 亚洲av中文字字幕乱码综合| 人妻夜夜爽99麻豆av| 我的女老师完整版在线观看| 久久国内精品自在自线图片| 黄色欧美视频在线观看| 成年女人看的毛片在线观看| 日韩三级伦理在线观看| 国内精品宾馆在线| 国产成人a区在线观看| 尾随美女入室| 少妇人妻一区二区三区视频| 偷拍熟女少妇极品色| 97精品久久久久久久久久精品| 中文字幕久久专区| 成人欧美大片| 国产免费一级a男人的天堂| 日韩大片免费观看网站| 亚洲国产精品成人久久小说| 18+在线观看网站| 日韩一本色道免费dvd| 一级片'在线观看视频| 美女cb高潮喷水在线观看| 国产在线一区二区三区精| 岛国毛片在线播放| 26uuu在线亚洲综合色| 日本爱情动作片www.在线观看| 欧美3d第一页| 国产精品.久久久| 26uuu在线亚洲综合色| 亚洲aⅴ乱码一区二区在线播放| 免费看av在线观看网站| 伊人久久精品亚洲午夜| 又大又黄又爽视频免费| 国产在视频线精品| 亚洲丝袜综合中文字幕| 国产精品国产三级专区第一集| 亚洲精品国产色婷婷电影| 国产美女午夜福利| 色5月婷婷丁香| 免费高清在线观看视频在线观看| 国产av国产精品国产| 国产一级毛片在线| 大香蕉久久网| 精品国产三级普通话版| 亚洲国产最新在线播放| 美女被艹到高潮喷水动态| av在线蜜桃| 亚洲内射少妇av| 午夜爱爱视频在线播放| 中国美白少妇内射xxxbb| 蜜臀久久99精品久久宅男| 舔av片在线| 国产乱来视频区| kizo精华| 只有这里有精品99| 美女xxoo啪啪120秒动态图| 三级国产精品片| 久久亚洲国产成人精品v| 一区二区三区精品91| 偷拍熟女少妇极品色| 国产精品伦人一区二区| 免费看光身美女| 日韩伦理黄色片| 丝袜美腿在线中文| 国产日韩欧美在线精品| av在线蜜桃| 久久久久久国产a免费观看| 久久精品夜色国产| 亚洲最大成人中文| av免费在线看不卡| 久久精品夜色国产| 五月开心婷婷网| 九九久久精品国产亚洲av麻豆| 国产免费一区二区三区四区乱码| 国产色婷婷99| 日本与韩国留学比较| 亚洲av一区综合| 香蕉精品网在线| 色综合色国产| 久久99热这里只有精品18| 精品久久久精品久久久| 国产伦精品一区二区三区四那| 日日啪夜夜撸| 午夜福利视频精品| 国产色婷婷99| 久久久午夜欧美精品| 亚洲av电影在线观看一区二区三区 | 日韩 亚洲 欧美在线| 午夜视频国产福利| 欧美日韩精品成人综合77777| 男男h啪啪无遮挡| 又爽又黄a免费视频| 日本黄大片高清| 色哟哟·www| 国产视频内射| 成人高潮视频无遮挡免费网站| 五月伊人婷婷丁香| 18禁在线无遮挡免费观看视频| 中文在线观看免费www的网站| 麻豆久久精品国产亚洲av| 男女边吃奶边做爰视频| 国产欧美日韩一区二区三区在线 | 国产精品久久久久久精品电影小说 | 久久久久久久久久成人| 最新中文字幕久久久久| 亚洲欧美中文字幕日韩二区| 国产精品人妻久久久久久| 亚洲精品日韩av片在线观看| 一区二区三区免费毛片| 午夜免费男女啪啪视频观看| 国产伦精品一区二区三区视频9| 精品久久久精品久久久| 熟女av电影| 3wmmmm亚洲av在线观看| 下体分泌物呈黄色| 国产精品.久久久| 一本色道久久久久久精品综合| 国产老妇伦熟女老妇高清| 国产精品国产av在线观看| 国产午夜精品久久久久久一区二区三区| 啦啦啦中文免费视频观看日本| 亚洲av在线观看美女高潮| 1000部很黄的大片| 啦啦啦中文免费视频观看日本| 精品人妻一区二区三区麻豆| 寂寞人妻少妇视频99o| 久久久精品94久久精品| 久久久久久久久久久丰满| 欧美xxⅹ黑人| 欧美性感艳星| 久久精品国产亚洲av天美| 国产午夜福利久久久久久| av一本久久久久| 欧美日韩亚洲高清精品| 国产免费一级a男人的天堂| 99九九线精品视频在线观看视频| 老女人水多毛片| 国产爱豆传媒在线观看| 亚洲婷婷狠狠爱综合网| 亚洲国产精品999| 一区二区av电影网| 在线免费观看不下载黄p国产| av在线亚洲专区| 国产乱人视频| 国产精品三级大全| 在线免费十八禁| 中文字幕久久专区| 一级毛片黄色毛片免费观看视频| 又大又黄又爽视频免费| 有码 亚洲区| 久久国内精品自在自线图片| 欧美成人精品欧美一级黄| 国产日韩欧美亚洲二区| 欧美高清成人免费视频www| 欧美区成人在线视频| 看非洲黑人一级黄片| 91久久精品国产一区二区三区| 一本一本综合久久| 特大巨黑吊av在线直播| kizo精华| 亚洲精品日韩在线中文字幕| 男男h啪啪无遮挡| 一级毛片aaaaaa免费看小| 精品人妻视频免费看| 午夜老司机福利剧场| 成人美女网站在线观看视频| av.在线天堂| 国产精品秋霞免费鲁丝片| 我要看日韩黄色一级片| 国产成人aa在线观看| 观看免费一级毛片| 欧美老熟妇乱子伦牲交| 高清午夜精品一区二区三区| 亚洲熟女精品中文字幕| 综合色av麻豆| 精品久久久精品久久久| 女人被狂操c到高潮| 夜夜爽夜夜爽视频| 欧美激情国产日韩精品一区| 男女啪啪激烈高潮av片| 午夜激情久久久久久久| 天天躁日日操中文字幕| 中文字幕亚洲精品专区| 在线a可以看的网站| 色吧在线观看| 免费看日本二区| 亚洲欧美精品自产自拍| 嫩草影院入口| 97超碰精品成人国产| 九九久久精品国产亚洲av麻豆| 国产成人aa在线观看| 三级经典国产精品| 欧美性感艳星| 日韩欧美一区视频在线观看 | 久久久午夜欧美精品| videossex国产| 国产午夜精品一二区理论片| 一级a做视频免费观看| 亚洲av不卡在线观看| 国产免费福利视频在线观看| 国产免费一区二区三区四区乱码| 日韩国内少妇激情av| 国产一区亚洲一区在线观看| 亚洲图色成人| av国产免费在线观看| 亚洲精品日本国产第一区| 黄色一级大片看看| 麻豆国产97在线/欧美| 亚洲人成网站在线播| 久久久亚洲精品成人影院| 国产精品久久久久久av不卡| 国产伦理片在线播放av一区| 夫妻午夜视频| 亚洲国产精品国产精品| av播播在线观看一区| 色婷婷久久久亚洲欧美| 九九在线视频观看精品| 国精品久久久久久国模美| 精品视频人人做人人爽| 黑人高潮一二区| 18禁动态无遮挡网站| 边亲边吃奶的免费视频| 久久国内精品自在自线图片| 免费av不卡在线播放| 精品一区在线观看国产| 国产色婷婷99| 99久久中文字幕三级久久日本| 日本黄色片子视频| 91午夜精品亚洲一区二区三区| 久久午夜福利片| 尾随美女入室| 有码 亚洲区| 高清在线视频一区二区三区| 欧美bdsm另类| 建设人人有责人人尽责人人享有的 | 国产成人一区二区在线| a级毛片免费高清观看在线播放| 国产在线一区二区三区精| 街头女战士在线观看网站| 亚洲最大成人手机在线| 高清午夜精品一区二区三区| 好男人视频免费观看在线| 国产成人一区二区在线| 久久久精品欧美日韩精品| 久久久a久久爽久久v久久| 哪个播放器可以免费观看大片| 午夜爱爱视频在线播放| 亚洲av日韩在线播放| 一个人观看的视频www高清免费观看| 18+在线观看网站| 亚洲国产欧美在线一区| 中文字幕人妻熟人妻熟丝袜美| 亚洲欧美精品专区久久| 少妇人妻精品综合一区二区| 国产免费一级a男人的天堂| 18禁在线无遮挡免费观看视频| 欧美+日韩+精品| 久久久国产一区二区| 日日啪夜夜爽| 国产精品av视频在线免费观看| 少妇熟女欧美另类| 亚洲精品视频女| 美女cb高潮喷水在线观看| 五月开心婷婷网| 国产精品女同一区二区软件| 日韩电影二区| 国产一区亚洲一区在线观看| tube8黄色片| 看非洲黑人一级黄片| 三级国产精品片| 中文天堂在线官网| 一本一本综合久久| 欧美xxⅹ黑人| 能在线免费看毛片的网站| 91精品一卡2卡3卡4卡| 国产成人精品婷婷| 成人综合一区亚洲| xxx大片免费视频| 亚洲图色成人| 在线观看一区二区三区| 欧美日韩亚洲高清精品| 日本午夜av视频| 麻豆乱淫一区二区| 男女啪啪激烈高潮av片| 国产成人aa在线观看| 亚洲欧美一区二区三区黑人 | 国产精品爽爽va在线观看网站| 天堂网av新在线| 少妇人妻久久综合中文| 欧美高清性xxxxhd video| 久久99蜜桃精品久久| 丝袜脚勾引网站| 高清午夜精品一区二区三区| 最近手机中文字幕大全| 亚洲国产高清在线一区二区三| 91精品伊人久久大香线蕉| 欧美激情国产日韩精品一区| 午夜免费鲁丝| 亚洲国产精品999| 男女国产视频网站| 人妻 亚洲 视频| 午夜激情久久久久久久| 精品视频人人做人人爽| 国产男女内射视频| 免费黄频网站在线观看国产| 男女下面进入的视频免费午夜| 美女视频免费永久观看网站| 日韩中字成人| 国产欧美日韩一区二区三区在线 | 国产成人a区在线观看| 日日撸夜夜添| av黄色大香蕉| 国产成人91sexporn| 女的被弄到高潮叫床怎么办| 国产一区二区三区av在线| 秋霞在线观看毛片| 日产精品乱码卡一卡2卡三| 国产黄色视频一区二区在线观看| 日本黄大片高清| 免费观看的影片在线观看| 黄色日韩在线| 毛片一级片免费看久久久久| 三级经典国产精品| 久久午夜福利片| 三级经典国产精品| 能在线免费看毛片的网站| 黄色日韩在线| videossex国产| 免费av不卡在线播放| 国产精品久久久久久av不卡| 亚洲成人av在线免费| 在线观看免费高清a一片| 国产毛片a区久久久久| 精品少妇久久久久久888优播| 麻豆成人av视频| 深爱激情五月婷婷| 伦精品一区二区三区| 免费大片18禁| 麻豆成人av视频| 深爱激情五月婷婷| 日韩,欧美,国产一区二区三区| 在线观看国产h片| 中国美白少妇内射xxxbb| 舔av片在线| 中国美白少妇内射xxxbb| 我要看日韩黄色一级片| 搞女人的毛片| 午夜亚洲福利在线播放| 伦理电影大哥的女人| 观看美女的网站| 夜夜爽夜夜爽视频| 一区二区av电影网| 国产黄a三级三级三级人| 菩萨蛮人人尽说江南好唐韦庄| 少妇人妻精品综合一区二区| 精品国产一区二区三区久久久樱花 | videos熟女内射| 男女啪啪激烈高潮av片| 男插女下体视频免费在线播放| 久久久久国产网址| 久久久精品欧美日韩精品| videos熟女内射| 亚洲熟女精品中文字幕| 春色校园在线视频观看| 亚洲国产精品999| 少妇丰满av| 亚洲精品影视一区二区三区av| 国产精品伦人一区二区| 精品人妻偷拍中文字幕| 一区二区三区四区激情视频| 亚洲国产精品国产精品| 91午夜精品亚洲一区二区三区| 美女内射精品一级片tv| 国产精品不卡视频一区二区| 亚洲一级一片aⅴ在线观看| 91精品国产九色| 国内少妇人妻偷人精品xxx网站| 大片免费播放器 马上看| 人人妻人人看人人澡| 免费电影在线观看免费观看| 国产69精品久久久久777片| 男的添女的下面高潮视频| 午夜老司机福利剧场| 日韩国内少妇激情av| 久久久久久国产a免费观看| 国产日韩欧美亚洲二区| 男女下面进入的视频免费午夜| 国产精品一二三区在线看| 国产精品成人在线| 久久久久久久大尺度免费视频| 亚洲欧洲国产日韩| 老师上课跳d突然被开到最大视频| 日韩三级伦理在线观看| 赤兔流量卡办理| 国产精品女同一区二区软件| 久久鲁丝午夜福利片| 91久久精品国产一区二区成人| av天堂中文字幕网| 大香蕉97超碰在线| 久久热精品热| 超碰97精品在线观看| 精品国产乱码久久久久久小说| 久久精品国产鲁丝片午夜精品| 爱豆传媒免费全集在线观看| 久热这里只有精品99| 久久ye,这里只有精品| 亚洲在久久综合| 欧美激情在线99| 久久女婷五月综合色啪小说 | 日本熟妇午夜| 王馨瑶露胸无遮挡在线观看| av在线蜜桃| 99热全是精品| 深夜a级毛片| 中文字幕免费在线视频6| 亚洲av.av天堂| 日韩视频在线欧美| 欧美性感艳星| 伦理电影大哥的女人| av在线蜜桃| 18禁在线无遮挡免费观看视频| 亚洲电影在线观看av| 亚洲国产精品成人久久小说| 一区二区三区精品91| 亚洲av不卡在线观看| 久久久久久久久大av| 精品久久久噜噜| 狂野欧美激情性xxxx在线观看| 亚洲性久久影院| 国产免费视频播放在线视频| 一级毛片黄色毛片免费观看视频| 51国产日韩欧美| 街头女战士在线观看网站| 蜜桃久久精品国产亚洲av| 亚洲精品乱久久久久久| 日韩在线高清观看一区二区三区| 国产免费视频播放在线视频| 三级国产精品欧美在线观看| 国产69精品久久久久777片| 成人国产麻豆网| 一级爰片在线观看| 激情 狠狠 欧美| 成人高潮视频无遮挡免费网站| 午夜老司机福利剧场| av网站免费在线观看视频| 天堂俺去俺来也www色官网| 在线观看一区二区三区| 夜夜爽夜夜爽视频| 欧美日韩视频高清一区二区三区二| 成人亚洲精品一区在线观看 | 成人鲁丝片一二三区免费| 日本wwww免费看| 永久网站在线| 男人和女人高潮做爰伦理| 亚洲精品自拍成人| 蜜桃久久精品国产亚洲av| 大码成人一级视频| 亚洲精品一二三| 女人十人毛片免费观看3o分钟| 国产精品一区二区在线观看99| 国产亚洲精品久久久com| 日日啪夜夜撸| 久久精品国产鲁丝片午夜精品| 国产男女内射视频| 人妻制服诱惑在线中文字幕| 男人和女人高潮做爰伦理| 久久99精品国语久久久| 精品人妻一区二区三区麻豆| 男女国产视频网站| 亚洲av二区三区四区| 久久久久精品性色| eeuss影院久久| 丝袜喷水一区| 听说在线观看完整版免费高清| 少妇高潮的动态图| 久久久久网色| av国产免费在线观看| 国产高清三级在线| 一级毛片久久久久久久久女| 国产有黄有色有爽视频| 国产精品一二三区在线看| 国产精品久久久久久精品电影| 成人午夜精彩视频在线观看| 在线观看免费高清a一片| 纵有疾风起免费观看全集完整版| 如何舔出高潮| 国产精品人妻久久久影院| 国产毛片在线视频| 一本久久精品| 国产精品福利在线免费观看| 国产综合懂色| 深爱激情五月婷婷| 肉色欧美久久久久久久蜜桃 | 欧美日韩精品成人综合77777| 99热这里只有是精品50| 在线观看美女被高潮喷水网站| 波野结衣二区三区在线| 在线 av 中文字幕| av免费观看日本| 成人美女网站在线观看视频| 日本爱情动作片www.在线观看| 日本-黄色视频高清免费观看| 人妻系列 视频| 国产精品秋霞免费鲁丝片| 人妻 亚洲 视频| 国产成人a∨麻豆精品| 日韩人妻高清精品专区| 亚洲美女搞黄在线观看| av一本久久久久| av福利片在线观看| 三级国产精品片| 99久久中文字幕三级久久日本| 久久亚洲国产成人精品v| 插阴视频在线观看视频| av播播在线观看一区| 99久久人妻综合| 国产精品国产三级国产av玫瑰| 国产成人精品一,二区| 日韩av免费高清视频| 80岁老熟妇乱子伦牲交| 欧美性感艳星| 黄色日韩在线| 久久精品国产亚洲网站| av免费在线看不卡| 高清视频免费观看一区二区| 春色校园在线视频观看| 成人黄色视频免费在线看| 免费少妇av软件| 91在线精品国自产拍蜜月| 边亲边吃奶的免费视频| 欧美高清性xxxxhd video| 男女国产视频网站| 人体艺术视频欧美日本| 国产亚洲一区二区精品| xxx大片免费视频| 黄色配什么色好看| 国产成人aa在线观看| 日韩制服骚丝袜av| 久久亚洲国产成人精品v| 午夜福利视频1000在线观看| 亚洲自拍偷在线| 夜夜爽夜夜爽视频| 国产免费视频播放在线视频| 亚洲av国产av综合av卡| 久久久a久久爽久久v久久| 日本av手机在线免费观看| 国产黄色免费在线视频| av线在线观看网站| 在线观看国产h片| 亚洲第一区二区三区不卡| 国产一级毛片在线| 国产精品三级大全| 亚洲成人av在线免费| 色视频www国产| 自拍欧美九色日韩亚洲蝌蚪91 | av在线亚洲专区| 久久久色成人| 亚洲欧洲国产日韩| 久久亚洲国产成人精品v| 亚洲四区av| 精品国产乱码久久久久久小说| 欧美变态另类bdsm刘玥| 一级毛片我不卡| 97人妻精品一区二区三区麻豆| 午夜免费观看性视频| 精品久久久久久久末码| 亚洲欧美精品专区久久| 免费人成在线观看视频色| 天天躁日日操中文字幕| 七月丁香在线播放| 亚洲最大成人中文| 在线免费观看不下载黄p国产| 亚洲一级一片aⅴ在线观看| 人妻制服诱惑在线中文字幕| 午夜激情福利司机影院| 国产一区亚洲一区在线观看| 色综合色国产| 国产精品一二三区在线看| 大片电影免费在线观看免费| 免费av不卡在线播放| 成人二区视频| 欧美另类一区| 日本免费在线观看一区| 午夜精品国产一区二区电影 | 美女被艹到高潮喷水动态| 亚洲国产最新在线播放| 亚洲成人中文字幕在线播放| 99久久精品一区二区三区| 欧美成人一区二区免费高清观看| 亚洲av中文av极速乱| 真实男女啪啪啪动态图| 亚洲国产精品成人综合色| 国产黄频视频在线观看| 大又大粗又爽又黄少妇毛片口| 国产成人a∨麻豆精品|