• <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
    夜夜骑夜夜射夜夜干| 久久国产亚洲av麻豆专区| 欧美一级毛片孕妇| 久久精品国产99精品国产亚洲性色 | 亚洲成人免费电影在线观看| 国产精品亚洲一级av第二区| 在线观看www视频免费| 每晚都被弄得嗷嗷叫到高潮| 极品少妇高潮喷水抽搐| 国产xxxxx性猛交| 国产伦理片在线播放av一区| 日本黄色日本黄色录像| 精品久久久久久久毛片微露脸| 在线看a的网站| a在线观看视频网站| 热99re8久久精品国产| 久久久精品94久久精品| 在线观看免费视频日本深夜| 人妻一区二区av| 中国美女看黄片| 老司机午夜福利在线观看视频 | 宅男免费午夜| 在线观看免费日韩欧美大片| 人人妻人人添人人爽欧美一区卜| 悠悠久久av| 人人妻人人爽人人添夜夜欢视频| tocl精华| 精品国产乱子伦一区二区三区| 亚洲欧美激情在线| 亚洲成av片中文字幕在线观看| 一边摸一边抽搐一进一小说 | 女性被躁到高潮视频| 91成人精品电影| 久久精品人人爽人人爽视色| 国产麻豆69| 亚洲精品av麻豆狂野| 12—13女人毛片做爰片一| 美女高潮喷水抽搐中文字幕| 欧美日韩一级在线毛片| 亚洲色图综合在线观看| 日韩欧美国产一区二区入口| 国产有黄有色有爽视频| 性少妇av在线| 久久精品亚洲熟妇少妇任你| 一区二区日韩欧美中文字幕| 桃红色精品国产亚洲av| 黄色怎么调成土黄色| 丰满饥渴人妻一区二区三| 久久毛片免费看一区二区三区| 最近最新免费中文字幕在线| 9色porny在线观看| 女人被躁到高潮嗷嗷叫费观| 亚洲精品国产精品久久久不卡| 亚洲一卡2卡3卡4卡5卡精品中文| 大片免费播放器 马上看| 18禁观看日本| 叶爱在线成人免费视频播放| 精品午夜福利视频在线观看一区 | 91成年电影在线观看| 视频区图区小说| 国产精品电影一区二区三区 | 久久久国产精品麻豆| 在线观看免费午夜福利视频| 咕卡用的链子| 在线观看人妻少妇| 少妇裸体淫交视频免费看高清 | 天堂中文最新版在线下载| 欧美黄色淫秽网站| 亚洲自偷自拍图片 自拍| 午夜福利视频在线观看免费| 亚洲国产精品一区二区三区在线| av天堂久久9| 麻豆乱淫一区二区| a级片在线免费高清观看视频| 汤姆久久久久久久影院中文字幕| 精品国内亚洲2022精品成人 | 丁香欧美五月| 1024视频免费在线观看| 精品国产乱子伦一区二区三区| 午夜视频精品福利| 久久人妻福利社区极品人妻图片| 亚洲国产欧美在线一区| 亚洲色图av天堂| 一区二区日韩欧美中文字幕| 18在线观看网站| 成人18禁高潮啪啪吃奶动态图| 亚洲熟女毛片儿| 日韩欧美三级三区| 亚洲人成电影免费在线| 中文字幕精品免费在线观看视频| 国产精品香港三级国产av潘金莲| 母亲3免费完整高清在线观看| 午夜成年电影在线免费观看| 国产日韩欧美视频二区| 久久久久精品人妻al黑| 一进一出抽搐动态| 色精品久久人妻99蜜桃| 最近最新中文字幕大全电影3 | 亚洲成人免费av在线播放| 欧美激情高清一区二区三区| www.熟女人妻精品国产| 老熟妇仑乱视频hdxx| 国产免费现黄频在线看| 十分钟在线观看高清视频www| 中文字幕精品免费在线观看视频| 99re在线观看精品视频| 国产色视频综合| 啦啦啦在线免费观看视频4| www.自偷自拍.com| 大型av网站在线播放| 多毛熟女@视频| 欧美成人午夜精品| 十八禁网站免费在线| 最黄视频免费看| 精品高清国产在线一区| 国产真人三级小视频在线观看| 午夜福利在线观看吧| 亚洲情色 制服丝袜| 老司机靠b影院| 日韩熟女老妇一区二区性免费视频| 精品一区二区三区四区五区乱码| 亚洲午夜精品一区,二区,三区| 1024香蕉在线观看| 老司机午夜十八禁免费视频| 久热爱精品视频在线9| 99国产精品免费福利视频| 亚洲人成电影免费在线| 亚洲专区字幕在线| a级片在线免费高清观看视频| 别揉我奶头~嗯~啊~动态视频| 热re99久久国产66热| 无遮挡黄片免费观看| 国产成人精品久久二区二区91| 黄色丝袜av网址大全| 精品国产超薄肉色丝袜足j| 亚洲熟妇熟女久久| 老司机午夜十八禁免费视频| 国产老妇伦熟女老妇高清| 在线永久观看黄色视频| 美女主播在线视频| 欧美精品亚洲一区二区| 国产亚洲欧美在线一区二区| 国产精品久久电影中文字幕 | 亚洲精品在线观看二区| 国产免费福利视频在线观看| 午夜免费鲁丝| 97在线人人人人妻| 免费人妻精品一区二区三区视频| 亚洲av片天天在线观看| 在线永久观看黄色视频| 女人精品久久久久毛片| 妹子高潮喷水视频| 免费观看人在逋| 成人18禁在线播放| 免费看a级黄色片| 一级片免费观看大全| 国产精品一区二区免费欧美| 欧美精品高潮呻吟av久久| 亚洲国产欧美一区二区综合| 99九九在线精品视频| 国产主播在线观看一区二区| 男人操女人黄网站| 岛国在线观看网站| 91精品三级在线观看| 国产成人免费观看mmmm| 999久久久精品免费观看国产| videosex国产| 高清在线国产一区| 丝袜喷水一区| 麻豆国产av国片精品| 精品久久久精品久久久| 99re6热这里在线精品视频| 热99re8久久精品国产| 亚洲午夜精品一区,二区,三区| 国产精品二区激情视频| 国产精品久久电影中文字幕 | 国产日韩欧美在线精品| 欧美日韩一级在线毛片| 麻豆成人av在线观看| 国产精品九九99| 精品久久蜜臀av无| 一区二区三区激情视频| 高清黄色对白视频在线免费看| 久久影院123| 精品人妻1区二区| 久久免费观看电影| 久久精品国产综合久久久| av视频免费观看在线观看| 在线观看免费午夜福利视频| 手机成人av网站| 亚洲精品美女久久久久99蜜臀| 亚洲成a人片在线一区二区| 在线观看66精品国产| 性高湖久久久久久久久免费观看| 伦理电影免费视频| 国产又爽黄色视频| 欧美精品一区二区免费开放| 一边摸一边抽搐一进一出视频| 一本一本久久a久久精品综合妖精| 性少妇av在线| 少妇粗大呻吟视频| 99国产精品一区二区蜜桃av | 大型黄色视频在线免费观看| 这个男人来自地球电影免费观看| 亚洲专区字幕在线| 女性生殖器流出的白浆| 国产人伦9x9x在线观看| 女人高潮潮喷娇喘18禁视频| 亚洲熟女精品中文字幕| 水蜜桃什么品种好| 精品国产乱码久久久久久男人| 国产高清videossex| 大型黄色视频在线免费观看| 久久性视频一级片| 亚洲色图av天堂| 色94色欧美一区二区| www.熟女人妻精品国产| 国产又爽黄色视频| 国产极品粉嫩免费观看在线| 天堂俺去俺来也www色官网| 叶爱在线成人免费视频播放| 久久人妻av系列| 91成人精品电影| 久久九九热精品免费| 一本久久精品| 久久av网站| 一本—道久久a久久精品蜜桃钙片| 成人特级黄色片久久久久久久 | 热re99久久国产66热| 热99久久久久精品小说推荐| av又黄又爽大尺度在线免费看| 老司机靠b影院| 久久久久久久久久久久大奶| 夜夜骑夜夜射夜夜干| 十八禁网站网址无遮挡| 久久久精品94久久精品| 精品国产一区二区三区四区第35| 欧美日韩视频精品一区| 久热爱精品视频在线9| 俄罗斯特黄特色一大片| 亚洲欧洲精品一区二区精品久久久| 少妇粗大呻吟视频| 91国产中文字幕| 超碰成人久久| 露出奶头的视频| 成人影院久久| 91老司机精品| 久久天堂一区二区三区四区| www.精华液| 男人舔女人的私密视频| 中文欧美无线码| 激情在线观看视频在线高清 | 热99re8久久精品国产| 国产视频一区二区在线看| 俄罗斯特黄特色一大片| 亚洲中文日韩欧美视频| 亚洲精品一二三| 一本—道久久a久久精品蜜桃钙片| 免费在线观看影片大全网站| 一级片免费观看大全| 香蕉久久夜色| 国产精品.久久久| 在线播放国产精品三级| 日韩 欧美 亚洲 中文字幕| 日韩有码中文字幕| 精品国产超薄肉色丝袜足j| 纵有疾风起免费观看全集完整版| 香蕉久久夜色| 久久国产精品大桥未久av| 国产精品一区二区在线不卡| 国产成人系列免费观看| 十分钟在线观看高清视频www| 女人被躁到高潮嗷嗷叫费观| 如日韩欧美国产精品一区二区三区| 免费日韩欧美在线观看| 日韩熟女老妇一区二区性免费视频| av天堂久久9| 男女无遮挡免费网站观看| aaaaa片日本免费| 久久久久久免费高清国产稀缺| 国产免费福利视频在线观看| 夜夜骑夜夜射夜夜干| 女人久久www免费人成看片| 伦理电影免费视频| 国产av一区二区精品久久| 欧美黄色淫秽网站| 精品亚洲成a人片在线观看| 欧美日韩一级在线毛片| 动漫黄色视频在线观看| 又大又爽又粗| 国产精品99久久99久久久不卡| 丝袜美腿诱惑在线| 午夜日韩欧美国产| 黄片小视频在线播放| 色综合欧美亚洲国产小说| 精品亚洲乱码少妇综合久久| 精品一区二区三区四区五区乱码| 成人国产一区最新在线观看| 免费在线观看黄色视频的| 亚洲中文字幕日韩| 视频在线观看一区二区三区| 黄色成人免费大全| 人成视频在线观看免费观看| 一边摸一边抽搐一进一出视频| 国产精品av久久久久免费| av国产精品久久久久影院| 久久天堂一区二区三区四区| 国产人伦9x9x在线观看| 蜜桃在线观看..| 熟女少妇亚洲综合色aaa.| 午夜福利视频在线观看免费| 一本—道久久a久久精品蜜桃钙片| 好男人电影高清在线观看| 亚洲熟女精品中文字幕| 黄色 视频免费看| 大香蕉久久成人网| 亚洲熟女毛片儿| 日韩人妻精品一区2区三区| 国产精品久久久久成人av| 国产免费现黄频在线看| 大片免费播放器 马上看| 在线天堂中文资源库| 最近最新中文字幕大全电影3 | 视频区欧美日本亚洲| 国产成人av激情在线播放| 蜜桃在线观看..| 色综合欧美亚洲国产小说| 999精品在线视频| 欧美午夜高清在线| 考比视频在线观看| 久久香蕉激情| 国产精品免费视频内射| 精品久久久久久久毛片微露脸| 中文字幕色久视频| 亚洲专区国产一区二区| 久久亚洲真实| 老司机在亚洲福利影院| 久久久久久久久久久久大奶| 亚洲专区国产一区二区| 超色免费av| 少妇 在线观看| 99国产精品一区二区蜜桃av | 久久久久久久大尺度免费视频| 久久精品亚洲av国产电影网| 精品国产超薄肉色丝袜足j| 亚洲人成电影观看| 不卡一级毛片| 欧美日韩福利视频一区二区| 18禁观看日本| 日本vs欧美在线观看视频| 大型黄色视频在线免费观看| 亚洲伊人久久精品综合| 精品人妻1区二区| 亚洲人成伊人成综合网2020| 色在线成人网| 一级片'在线观看视频| 在线观看一区二区三区激情| 777米奇影视久久| 波多野结衣av一区二区av| 两人在一起打扑克的视频| 乱人伦中国视频| 老司机午夜十八禁免费视频| 波多野结衣av一区二区av| 18禁裸乳无遮挡动漫免费视频| 乱人伦中国视频| 菩萨蛮人人尽说江南好唐韦庄| 成人国产一区最新在线观看| 国产区一区二久久| 亚洲欧美色中文字幕在线| 在线av久久热| 日韩精品免费视频一区二区三区| www.熟女人妻精品国产| 人妻一区二区av| 色视频在线一区二区三区| 亚洲精品美女久久久久99蜜臀| 亚洲精品久久午夜乱码| 黄色视频不卡| 亚洲av片天天在线观看| 一夜夜www| 两性午夜刺激爽爽歪歪视频在线观看 | 男女午夜视频在线观看| 亚洲国产欧美在线一区| av视频免费观看在线观看| 久久久久精品国产欧美久久久| 国产免费av片在线观看野外av| 亚洲欧洲精品一区二区精品久久久| 蜜桃在线观看..| 9色porny在线观看| 国产一区二区激情短视频| 一区二区三区国产精品乱码| 香蕉丝袜av| 在线十欧美十亚洲十日本专区| 亚洲七黄色美女视频| 美女国产高潮福利片在线看| 日韩大码丰满熟妇| 欧美日韩亚洲高清精品| 三级毛片av免费| 99久久人妻综合| 极品人妻少妇av视频| av天堂在线播放| 日韩大片免费观看网站| 日本欧美视频一区| 在线播放国产精品三级| 美女高潮喷水抽搐中文字幕| 少妇猛男粗大的猛烈进出视频| 久久久国产精品麻豆| 91九色精品人成在线观看| 黄频高清免费视频| 下体分泌物呈黄色| 久久久久国内视频| 少妇粗大呻吟视频| 女人精品久久久久毛片| 精品一品国产午夜福利视频| av天堂久久9| 91精品三级在线观看| 啦啦啦视频在线资源免费观看| 欧美日韩中文字幕国产精品一区二区三区 | 飞空精品影院首页| 免费不卡黄色视频| 啦啦啦免费观看视频1| 国产男女内射视频| 国产精品免费一区二区三区在线 | 国产成+人综合+亚洲专区| 男女免费视频国产| 国产黄频视频在线观看| 三上悠亚av全集在线观看| 色婷婷av一区二区三区视频| 久久狼人影院| 国产精品一区二区免费欧美| 91成年电影在线观看| 亚洲专区字幕在线| 中国美女看黄片| 999精品在线视频| 三级毛片av免费| 少妇精品久久久久久久| 亚洲欧洲精品一区二区精品久久久| 亚洲成av片中文字幕在线观看| 国产1区2区3区精品| 老司机影院毛片| 91九色精品人成在线观看| 满18在线观看网站| 精品国产亚洲在线| 三级毛片av免费| 亚洲欧美色中文字幕在线| √禁漫天堂资源中文www| 亚洲成人国产一区在线观看| 真人做人爱边吃奶动态| 色94色欧美一区二区| 久久 成人 亚洲| 老汉色av国产亚洲站长工具| 久久香蕉激情| 中文字幕制服av| 国产成人免费观看mmmm| 人妻 亚洲 视频| 人人妻人人添人人爽欧美一区卜| 黄色视频,在线免费观看| 欧美激情久久久久久爽电影 | 99国产极品粉嫩在线观看| 777米奇影视久久| 国产欧美日韩一区二区三| 久久99热这里只频精品6学生| 老司机影院毛片| 国产精品国产高清国产av | 人人澡人人妻人| av有码第一页| 色老头精品视频在线观看| 欧美日韩成人在线一区二区| 男人舔女人的私密视频| 久久久国产一区二区| 亚洲av美国av| 午夜91福利影院| 国产成人精品无人区| 国产视频一区二区在线看| 操出白浆在线播放| 丁香欧美五月| 人人澡人人妻人| 国产精品自产拍在线观看55亚洲 | 久久国产精品男人的天堂亚洲| 成人影院久久| 露出奶头的视频| 曰老女人黄片| 免费人妻精品一区二区三区视频| 99国产极品粉嫩在线观看| 国产激情久久老熟女| 亚洲成人国产一区在线观看| 亚洲av片天天在线观看| 91成人精品电影| 一级片'在线观看视频| 人人妻人人爽人人添夜夜欢视频| 91九色精品人成在线观看| av超薄肉色丝袜交足视频| 999精品在线视频| 在线av久久热| 黄片小视频在线播放| netflix在线观看网站| 交换朋友夫妻互换小说| 少妇粗大呻吟视频| av网站在线播放免费| www.999成人在线观看| 成人永久免费在线观看视频 | 每晚都被弄得嗷嗷叫到高潮| 亚洲第一欧美日韩一区二区三区 | 免费av中文字幕在线| 一二三四社区在线视频社区8| netflix在线观看网站| av超薄肉色丝袜交足视频| 午夜视频精品福利| 2018国产大陆天天弄谢| 欧美黑人欧美精品刺激| 一级毛片女人18水好多| 啦啦啦 在线观看视频| 热re99久久国产66热| 好男人电影高清在线观看| 美女高潮到喷水免费观看| 精品高清国产在线一区| 大陆偷拍与自拍| www.精华液| av欧美777| 一级毛片电影观看| kizo精华| 亚洲精品av麻豆狂野| 国内毛片毛片毛片毛片毛片| 亚洲自偷自拍图片 自拍| 欧美精品一区二区大全| 久热爱精品视频在线9| 成人黄色视频免费在线看| 91字幕亚洲| 可以免费在线观看a视频的电影网站| 国产真人三级小视频在线观看| 国产精品亚洲av一区麻豆| tube8黄色片| 欧美成人免费av一区二区三区 | 夜夜骑夜夜射夜夜干| 久久精品国产亚洲av高清一级| 成年版毛片免费区| 一级片免费观看大全| 国产精品1区2区在线观看. | 欧美精品一区二区大全| 国产精品免费视频内射| 亚洲五月婷婷丁香| 中文字幕制服av| 久久久久视频综合| 在线永久观看黄色视频| 天堂8中文在线网| 国产不卡av网站在线观看| av天堂久久9| 美女高潮到喷水免费观看| 高清欧美精品videossex| 亚洲黑人精品在线| 一边摸一边做爽爽视频免费| 两性夫妻黄色片| 飞空精品影院首页| 一区二区av电影网| 国产在线一区二区三区精| 首页视频小说图片口味搜索| 精品国产一区二区三区四区第35| 国产精品欧美亚洲77777| 国产精品国产av在线观看| 制服人妻中文乱码| 深夜精品福利| 国精品久久久久久国模美| 久久国产精品大桥未久av| 欧美性长视频在线观看| 久久天躁狠狠躁夜夜2o2o| 另类精品久久| 久久香蕉激情| 日本五十路高清| 老司机午夜福利在线观看视频 | 中国美女看黄片| 久久婷婷成人综合色麻豆| 免费在线观看黄色视频的| 久久久国产欧美日韩av| 国产精品免费大片| 人妻一区二区av| 在线观看免费高清a一片| 亚洲九九香蕉| 国产视频一区二区在线看| 午夜老司机福利片| 久久亚洲精品不卡| 50天的宝宝边吃奶边哭怎么回事| 国产精品九九99| 中文字幕精品免费在线观看视频| 亚洲av国产av综合av卡| 日韩制服丝袜自拍偷拍| 国产激情久久老熟女| 久久久水蜜桃国产精品网| 无限看片的www在线观看| 嫁个100分男人电影在线观看| 三上悠亚av全集在线观看| 最新在线观看一区二区三区| 日韩精品免费视频一区二区三区| 我的亚洲天堂| 中文字幕人妻丝袜制服| 国产视频一区二区在线看| 国产熟女午夜一区二区三区| 欧美+亚洲+日韩+国产| 多毛熟女@视频| 国产欧美日韩精品亚洲av| 精品一区二区三区av网在线观看 | 免费在线观看黄色视频的| 亚洲国产看品久久| 国产成人啪精品午夜网站| 捣出白浆h1v1| 色婷婷久久久亚洲欧美| 欧美日韩视频精品一区| 国产成人系列免费观看| 黄色a级毛片大全视频| 免费女性裸体啪啪无遮挡网站| 国产精品亚洲一级av第二区| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品麻豆人妻色哟哟久久| 人人澡人人妻人| 亚洲欧美一区二区三区黑人| 999久久久精品免费观看国产| 亚洲成a人片在线一区二区|