• <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 ?

    基于人工神經(jīng)網(wǎng)絡(luò)的圖像檢索平臺的設(shè)計與開發(fā)

    2016-04-12 00:00:00張偉華高昂
    現(xiàn)代電子技術(shù) 2016年21期

    摘 要: 用戶描述圖像的高層抽象語義與圖像內(nèi)在的底層特征之間存在差異,此時僅依靠圖像內(nèi)容特征進行檢索的系統(tǒng)無法準確完成用戶的檢索任務(wù)。針對以上問題,提出了使用神經(jīng)網(wǎng)絡(luò)進行圖像的匹配計算方法,通過樣例自動學習和用戶反饋學習兩種學習方式,形成圖像底層特征到圖像分類的正確映射,學習后的神經(jīng)網(wǎng)絡(luò)可以進行圖像的自動分類及檢索。該方法結(jié)合了圖像的底層特征描述及用戶的高層語義反饋,有效地彌補了語義鴻溝。最后,系統(tǒng)通過整合Web前端、圖像提取模塊、神經(jīng)網(wǎng)絡(luò)模塊及數(shù)據(jù)庫模塊,實現(xiàn)了神經(jīng)網(wǎng)絡(luò)學習及圖像檢索的完整流程。

    關(guān)鍵詞: 圖像檢索; 特征提??; 神經(jīng)網(wǎng)絡(luò); 機器學習; 相關(guān)反饋

    中圖分類號: TN711?34; TM417 文獻標識碼: A 文章編號: 1004?373X(2016)21?0078?05

    Design and development of image retrieval platform based on artificial neural network

    ZHANG Weihua, GAO Ang

    (Department of Information Engineering, Zhengzhou Chenggong University of Finance and Economics, Gongyi 451200, China)

    Abstract: Since the difference exists between the high?level abstract semantics and underlying feature of the user?description image, the retrieval system based on the image content feature can′t accurately accomplish the user′s retriecal task. To solve the above problem, an image matching calculation method based on neural network is proposed. The correct mapping from image low?level feature to image classification is formed by means of sample automatic learning and user feedback learning. The neural network after learning can classify and retrieve the image automatically. This method is combined with the image low?layer feature description and user high?level semantics feedback to effectively recover the semantic gap. The whole process of neural network learning and image retrieval was realized by integrating the Web front end, image extraction module, neural network module and database module.

    Keywords: image retrieval; feature extraction; neural network; machine learning; relevance feedback

    在利用神經(jīng)網(wǎng)絡(luò)進行圖像檢索的過程中,圖像的大小、精度及細節(jié)越來越豐富,信息含量相應(yīng)的也越來愈多,當使用大量的信息進行神經(jīng)網(wǎng)絡(luò)的構(gòu)建和訓練時,所需的時間和成本都大大增加,并且神經(jīng)網(wǎng)絡(luò)的檢索效率也會降低,這就使得其滿足不了用戶準確搜索圖像的需求[1]。同時,隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展,可以利用各種改進技術(shù)提高神經(jīng)網(wǎng)絡(luò)的學習效率和預(yù)測準確率,使得利用神經(jīng)網(wǎng)絡(luò)來模擬人腦對圖像的分類和檢索可以得到更好的效果。

    1 圖像特征的提取

    系統(tǒng)使用圖像分割方法對圖像的形狀特征進行描述,提取圖像中各個部分的形狀特征。

    1.1 形狀特征的提取

    使用K?均值聚類分割算法進行圖像的分割。將圖像分割后,由于每個簇中的像素在視覺特征上具有很強的相似性,因此對每一區(qū)域的特征進行簡單的描述,提取相應(yīng)的圖像特征然后保存結(jié)果,并將其作為圖像檢索系統(tǒng)的區(qū)域特征庫。系統(tǒng)針對不同的圖像特征選取不同的方法進行描述:

    (1) 區(qū)域顏色特征,提取該區(qū)域中像素點在Lab顏色空間中的均值來描述。

    (2) 區(qū)域位置特征,提取該區(qū)域中像素點在二維空間中的坐標的平均值來描述。

    (3) 區(qū)域紋理特征,提取該區(qū)域中像素的平均對比度及平均各向異性來描述。

    (4) 區(qū)域形狀特征,提取該區(qū)域的封閉輪廓,并將其分解為可由若干橢圓重構(gòu)的由橢圓參數(shù)組成的序列,然后通過傅里葉描述符來描述該封閉曲線[2]。

    1.2 顏色特征的提取

    由于顏色直方圖的限制,選擇顏色相關(guān)圖進行圖像顏色的提取。圖像的顏色相關(guān)圖就是由所有顏色對進行索引的表,在表中[(i, j)]的第[m]個條目表示找到與顏色為[i]的一個像素點距離為[m]的顏色為[j]的一個像素點的幾率。在計算顏色相關(guān)圖時需采用一些并行計算,這樣可以提高計算效率。

    1.3 紋理特征的提取

    通過對比基于Tamura紋理特征算法的檢索程序、基于灰度?梯度共生矩陣算法的檢索程序和基于Gabor小波變換算法,基于Tamura紋理特征提取算法的檢索程序的查詢準確率要比后兩者都高,且其查詢使用的時間也要少很多,因此系統(tǒng)選擇采用Tamura紋理特征提取算法。

    2 BP神經(jīng)網(wǎng)絡(luò)模型的搭建

    2.1 BP神經(jīng)網(wǎng)絡(luò)特點

    選擇BP神經(jīng)網(wǎng)絡(luò)作為圖像的神經(jīng)網(wǎng)絡(luò)分類器,其將[n]維圖像底層視覺特征映射為圖像的分類。通過實驗對BP神經(jīng)網(wǎng)絡(luò)進行一些改進和優(yōu)化,使其能有效地完成圖像檢索的任務(wù)。典型樣本集的選擇、學習復(fù)雜性、網(wǎng)絡(luò)結(jié)構(gòu)的選擇、輸入特征向量的選擇、預(yù)測能力的極限都是需要在搭建BP神經(jīng)網(wǎng)絡(luò)時需要考慮的問題[3]。

    2.2 BP神經(jīng)網(wǎng)絡(luò)的原理及拓撲結(jié)構(gòu)

    基于BP神經(jīng)網(wǎng)絡(luò)相關(guān)原理的學習與分析,確定了系統(tǒng)中BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和構(gòu)建過程:首先定義輸入層、隱含層和輸出層的神經(jīng)元數(shù)目分別為[n,l]和[m,]則[(x1,x2,…,xn)]為網(wǎng)絡(luò)的輸入矢量,[(h1,h2,…,hl)]為隱含層神經(jīng)元的輸出矢量,[(y1,y2,…,ym)]為網(wǎng)絡(luò)的實際輸出矢量,同時定義[(d1,d2,…,dm)]為訓練樣本所對應(yīng)的預(yù)期輸出矢量。然后定義輸出層神經(jīng)元[i]與隱含層神經(jīng)元[j]的連接權(quán)值為[Vij,]隱含層神經(jīng)元[j]與輸出層神經(jīng)元[k]的連接權(quán)值為[Wjk,]隱含層神經(jīng)元[j]的閾值為[b,]輸出層神經(jīng)元[k]的閾值為[c。]由于傳遞函數(shù)需要表示具有線性特性的輸入信號與輸出信號的聯(lián)系,又根據(jù)BP神經(jīng)網(wǎng)絡(luò)要求傳遞函數(shù)必須連續(xù)可導(dǎo),因此其一般使用在(0,1)之間連續(xù)并可導(dǎo)的Sigmoid函數(shù)作為傳遞函數(shù),該函數(shù)公式為:

    [f(x)=11-e-x] (1)

    實際輸出矢量與預(yù)期輸出矢量的誤差計算公式為:

    [E=12j=1m(dk-yk)2] (2)

    隱含層神經(jīng)元輸出矢量的計算公式為:

    [hj=fj=1N-1Vijxi+?j] (3)

    輸出層神經(jīng)元輸出矢量的計算公式為:

    [yk=fj=0L-1Wjkhj+θk] (4)

    BP神經(jīng)網(wǎng)絡(luò)通過反向傳播算法調(diào)整權(quán)值,其權(quán)值修正公式為:

    [Wij(n+1)=Wij(n)+ηδjx′i] (5)

    在式(5)中,[Wij(n)]表示第[n]次學習后的神經(jīng)元[i]與神經(jīng)元[j]之間的連接權(quán)值,信號輸出的神經(jīng)元為[i,]信號輸入的神經(jīng)元為[j,][Xi]為神經(jīng)元[i]的實際輸出,[η]為網(wǎng)絡(luò)的學習速率,[δj]為神經(jīng)元[j]的學習誤差。

    系統(tǒng)中BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建流程如下:

    (1) 初始化網(wǎng)絡(luò)的連接權(quán)值和閾值,其值為均勻分布的隨機數(shù)。

    (2) 對網(wǎng)絡(luò)使用一組樣例數(shù)據(jù)進行訓練。

    (3) 網(wǎng)絡(luò)搭建完成,將輸入矢量輸入網(wǎng)絡(luò)可仿真輸出符合預(yù)期的輸出矢量[4]。

    2.3 BP神經(jīng)網(wǎng)絡(luò)的學習過程

    通過對相關(guān)反饋算法的學習,提出了一種基于BP神經(jīng)網(wǎng)絡(luò)進行學習的圖像檢索方法,它包含兩種學習過程:

    (1) 自動樣例學習,首先通過包含高層語義標注的樣例圖像的學習構(gòu)建圖像高層語義的分類器,其中對于圖像的每種語義分別構(gòu)造一個分類器,輸入樣例圖像后使系統(tǒng)提取圖像的底層特征作為神經(jīng)網(wǎng)絡(luò)的輸入,然后經(jīng)過一定時間的學習可以得到網(wǎng)絡(luò)的解,使分類器能夠初步完成分類任務(wù);

    (2) 用戶交互學習,首先通過用戶的指導(dǎo),將初步檢索結(jié)果進行分類,然后系統(tǒng)將用戶的反饋整理為學習樣本,同樣使用自動樣例學習過程進行學習,最后得出網(wǎng)絡(luò)最新的解,使分類器能更精確地完成分類任務(wù)。系統(tǒng)中BP神經(jīng)網(wǎng)絡(luò)的學習流程如圖1所示。

    2.4 BP算法的改進

    使用附加動量法可以使網(wǎng)絡(luò)在修正連接權(quán)值時,不只考慮誤差在其梯度上的變化趨勢,還考慮誤差在其曲面上的變化趨勢。在沒有附加動量的情況中,網(wǎng)絡(luò)在訓練過程中有可能陷入局部極小狀態(tài),通過使用附加動量則可以在一定程度上繞過這些極小值,避免進入極小狀態(tài)[5]。附加動量法在反向傳播過程中,在每一個神經(jīng)元的連接權(quán)值及閾值的當次訓練的變化量上附加一個正比于上次訓練后的連接權(quán)值及閾值的變化量的項,根據(jù)新的變化量計算出新的連接權(quán)值及閾值。添加了附加動量因子的連接權(quán)值和閾值的變化量計算公式分別為:

    [Δwij(k+1)=(1-mc)ηδjpj+mcΔwij(k)] (6)

    [Δbj(k+1)=(1-mc)ηδj+mcΔbij(k)] (7)

    式中:[k]表示第[k]次訓練;[mc]表示動量因子,[mc]的取值一般在0.95附近。

    在結(jié)合附加動量法的網(wǎng)絡(luò)訓練過程中,需要根據(jù)不同條件判斷何時使用動量因子來修正權(quán)值,其判斷條件為:

    [mc=0,E(k)>E(k-1)×1.040.95,E(k)

    式中[E(k)]為第[k]步的誤差平方和。

    自適應(yīng)學習速率的調(diào)整公式為:

    [η(k+1)=1.05η(k),E(k+1)E(k)×1.04η(k),etc] (9)

    式中[E(k)]為第[k]步的誤差平方和。

    動量法可以幫助BP算法正確找到全局最優(yōu)解,自適應(yīng)學習速率法可以幫助BP算法縮短訓練時間,通過這兩種方法的使用,可以有效地提高神經(jīng)網(wǎng)絡(luò)的學習效果。

    2.5 實驗結(jié)果分析

    實驗?zāi)康臑榇_定系統(tǒng)中BP神經(jīng)網(wǎng)絡(luò)分類器的隱含層神經(jīng)元數(shù)目。首先根據(jù)研究獲得的圖像特征向量的元素個數(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)分類器的學習樣例,此處每個樣例的輸入向量的元素個數(shù)為165個,因此構(gòu)建16組含有165個元素的輸入向量,4個一組劃分為一種類別,最終形成含有4種類別的16組訓練樣本,以此方法再生成該4種類別的4組測試樣本。然后根據(jù)經(jīng)驗公式獲得合適隱含層神經(jīng)元數(shù)目的取值范圍,此處為9~17個。最后將訓練樣本及測試樣本先后輸入隱含層神經(jīng)元數(shù)目不同的網(wǎng)絡(luò)中進行訓練和測試,記錄數(shù)據(jù)。

    表1記錄了隱含層神經(jīng)元數(shù)目及對應(yīng)的訓練誤差和測試誤差的數(shù)據(jù),由其數(shù)據(jù)可以看出,隨著隱含層神經(jīng)元數(shù)目的增加訓練誤差總體上逐漸減小,當個數(shù)超過15后訓練誤差出現(xiàn)一定程度的波動,出現(xiàn)小幅的增加,雖然不影響網(wǎng)絡(luò)的學習效果,但是過多的神經(jīng)元個數(shù)會增加學習時間,而此時測試誤差還是處于降低的趨勢。綜合分析實驗結(jié)果,本系統(tǒng)確定采用較合適的15個隱含層神經(jīng)元。

    3 檢索系統(tǒng)的設(shè)計與實現(xiàn)

    3.1 系統(tǒng)結(jié)構(gòu)分析

    3.1.1 系統(tǒng)結(jié)構(gòu)

    系統(tǒng)的結(jié)構(gòu)如圖2所示,圖中除了與用戶交互的Web前端,其余的圖像特征提取模塊、神經(jīng)網(wǎng)絡(luò)模塊及數(shù)據(jù)庫都在服務(wù)器端,這種瀏覽器?服務(wù)器結(jié)構(gòu)平臺搭建后,用戶可以通過不同客戶端的Web瀏覽器進行圖像檢索的功能,而不必安裝本地應(yīng)用程序,同時將主要的核心功能集中到服務(wù)器上,不僅大大簡化了系統(tǒng)的開發(fā)和維護流程,降低了成本,還增強了系統(tǒng)的擴展性。

    3.1.2 系統(tǒng)流程

    系統(tǒng)針對不同的功能需求設(shè)計了相應(yīng)的不同流程,這些流程包括系統(tǒng)樣例學習流程、用戶反饋學習流程、用戶查詢流程。

    如圖3所示,在系統(tǒng)的樣例學習過程中,系統(tǒng)接收到樣例數(shù)據(jù)后會先對數(shù)據(jù)進行分析,然后交給神經(jīng)網(wǎng)絡(luò)進行學習,最終生成對應(yīng)類別的分類器,這些分類器會在用戶檢索時對數(shù)據(jù)庫中的圖像進行分類,查找到符合用戶需求的圖像[6]。樣例學習的流程是本系統(tǒng)學習分類知識的關(guān)鍵步驟,在該步驟中用戶并不參與系統(tǒng)的學習過程,整個學習過程均為系統(tǒng)自動進行,因此需提供大量被正確標注的清晰圖像樣例,通過對這些優(yōu)質(zhì)樣例的學習,系統(tǒng)會自動生成針對圖像各種分類所對應(yīng)的分類器,且經(jīng)過長時間的學習,這些分類器的準確率會不斷上升,最終使查詢結(jié)果更符合用戶需求。

    如圖4所示,在系統(tǒng)的用戶查詢流程中,用戶的查詢條件為圖像特征的語義描述,系統(tǒng)最終返回為包含該描述特征的圖像集,這個過程利用神經(jīng)網(wǎng)絡(luò)分類器學習的高層描述語義與低層圖像特征之間的映射,因此隨著神經(jīng)網(wǎng)絡(luò)學習時間的增大,這種映射也就越精確,系統(tǒng)完成的查詢也就越符合用戶要求。

    3.1.3 圖像特征提取模塊

    如圖5所示,當圖像輸入到圖像特征提取模塊中時,圖像會進行K?均值聚類分割算法處理、顏色相關(guān)圖算法處理及Tamura紋理特征算法處理,這三個處理過程并行進行。

    經(jīng)過K?均值聚類分割算法處理,圖像被分割為若干塊區(qū)域,每個區(qū)域中的像素都具有相似的屬性,對于每個區(qū)域,會提取其簡單的區(qū)域特征,如顏色特征、位置特征、紋理特征及形狀特征等;經(jīng)過顏色相關(guān)圖算法處理,生成當前圖像的顏色自相關(guān)圖;經(jīng)過Tamura紋理特征算法處理,計算出圖像的粗糙度、對比度、方向度、線性度等數(shù)值。將經(jīng)過三個算法處理后得到的數(shù)值整理后得到圖像的特征向量[7]。

    3.1.4 神經(jīng)網(wǎng)絡(luò)模塊

    系統(tǒng)中的圖像神經(jīng)網(wǎng)絡(luò)分類器由三層組成,分別為輸入層、隱含層及輸出層,其中輸入層的神經(jīng)元個數(shù)與歸一化后的圖像特征向量的個數(shù)相同,為固定值;隱含層的神經(jīng)元個數(shù)通過前文中的實驗得出,適合于本系統(tǒng)中神經(jīng)網(wǎng)絡(luò)的要求;輸出層只有一個神經(jīng)元進行分類,設(shè)定1為屬于該分類的學習期望,設(shè)定0為不屬于該分類的學習期望,但是實際運行時需要設(shè)定1為0.9,0為0.1,這是因為Sigmoid函數(shù)無法經(jīng)過有限的連接權(quán)值計算得到1與0的值[8]。

    3.1.5 Web 平臺模塊

    系統(tǒng)的Web界面包括用戶查詢輸入框、用戶圖像上傳框、查詢結(jié)果瀏覽框等。

    3.2 實驗結(jié)果分析

    為了檢驗圖像檢索平臺的性能,首先將系統(tǒng)設(shè)置為學習模式,然后從圖像庫中選取1 000幅已進行人工標注的樣例集輸入系統(tǒng),最后當系統(tǒng)發(fā)出已訓練完畢信號后,對系統(tǒng)已學習的分類當作查詢輸入系統(tǒng)進行檢索,記錄系統(tǒng)檢索結(jié)果。

    檢索結(jié)果可知經(jīng)過人工指導(dǎo)學習,系統(tǒng)可以仿真模擬更符合人類視覺感知的分類方式,并將其記憶于相應(yīng)的神經(jīng)網(wǎng)絡(luò)分類器中,經(jīng)過不斷的學習,系統(tǒng)可以返回更準確的符合用戶需求的檢索結(jié)果。

    4 結(jié) 論

    本文主要研究包括基于內(nèi)容的圖像檢索技術(shù)及人工神經(jīng)網(wǎng)絡(luò)技術(shù)兩個方面。首先使用K?均值聚類分割算法、顏色相關(guān)圖算法及Tamura紋理特征提取算法提取圖像相應(yīng)的形狀、顏色及紋理特征,通過整合形成可以完整描述圖像信息的特征向量。同時,針對基于內(nèi)容的圖像檢索系統(tǒng)中用戶高層語義與圖像底層特征之間存在的問題,通過樣例自動學習和用戶反饋學習兩種學習方式,BP神經(jīng)網(wǎng)絡(luò)通過反向傳播學習算法調(diào)節(jié)網(wǎng)絡(luò)權(quán)值,從而形成圖像底層特征到圖像分類的正確映射,學習后的神經(jīng)網(wǎng)絡(luò)通過這種映射可以進行圖像的自動分類及檢索,該方法結(jié)合了圖像的底層特征描述及用戶的高層語義反饋,有效地彌補了語義鴻溝。

    參考文獻

    [1] KHERFI M L, ZIOU D. Relevance feedback for CBIR: a new approach based on probabilistic feature weighting with positive and negative examples [J]. IEEE transactions on image processing, 2006, 15(4): 1017?1030.

    [2] TRAINA A J M, MARQUES J. Fighting the semantic gap on CBIR systems through new relevance feedback techniques [C]// Proceedings of 2011 the 21th IEEE International Symposium on Computer?Based Medical Systems. [S.l.]: IEEE, 2006: 881?886.

    [3] 周資云.基于內(nèi)容的圖像檢索系統(tǒng)研發(fā)與應(yīng)用[J].華章,2012(29):22.

    [4] 劉麗,匡綱要.圖像紋理特征提取方法綜述[J].中國圖象圖形學報,2013,14(4):622?635.

    [5] KANUNGO T, MOUNT D M, NETANYAHU N S, et al. An efficient k?means clustering algorithm: analysis and implementation [J]. IEEE transactions on pattern analysis and machine intelligence, 2002, 24(7): 881?892.

    [6] WILLIAMS A, YOON P. Content?based image retrieval using joint correlograms [J]. Multimedia tools and applications, 2007, 34(2): 239?248.

    [7] PANDA S S, PRASAD M, PRASAD M N M, et al. Image compression using back propagation neural network [J]. International journal of engineering science advanced technology, 2012, 2(1): 74?78.

    [8] 李忠武,陳麗清.計算機網(wǎng)絡(luò)安全評價中神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究[J].現(xiàn)代電子技術(shù),2014,37(10):80?82.

    免费日韩欧美在线观看| 99国产精品一区二区三区| 亚洲五月婷婷丁香| 美女中出高潮动态图| 美女国产高潮福利片在线看| 各种免费的搞黄视频| 国产欧美日韩精品亚洲av| 欧美 日韩 精品 国产| 在线观看免费高清a一片| 一区二区av电影网| 女性生殖器流出的白浆| 久久久久久久大尺度免费视频| 国产成人a∨麻豆精品| 亚洲成国产人片在线观看| 亚洲一码二码三码区别大吗| 国产一区有黄有色的免费视频| 在线 av 中文字幕| 午夜久久久在线观看| 男女之事视频高清在线观看| 女人高潮潮喷娇喘18禁视频| 老司机亚洲免费影院| 男女国产视频网站| 亚洲人成电影观看| 高清欧美精品videossex| 免费黄频网站在线观看国产| 两性午夜刺激爽爽歪歪视频在线观看 | 法律面前人人平等表现在哪些方面 | 99久久国产精品久久久| 高潮久久久久久久久久久不卡| 两个人看的免费小视频| 亚洲精品国产色婷婷电影| 国产精品一区二区免费欧美 | 999久久久国产精品视频| 日韩,欧美,国产一区二区三区| 精品福利永久在线观看| 免费观看av网站的网址| av一本久久久久| 免费高清在线观看日韩| 亚洲av成人不卡在线观看播放网 | 97在线人人人人妻| 热re99久久精品国产66热6| 免费在线观看影片大全网站| 国产精品欧美亚洲77777| 啪啪无遮挡十八禁网站| 18禁国产床啪视频网站| 午夜视频精品福利| 一本—道久久a久久精品蜜桃钙片| 黄色视频,在线免费观看| a 毛片基地| 成年女人毛片免费观看观看9 | 五月开心婷婷网| 免费黄频网站在线观看国产| 老司机亚洲免费影院| 国产男女内射视频| 亚洲精品久久久久久婷婷小说| 久久精品人人爽人人爽视色| 80岁老熟妇乱子伦牲交| 精品人妻一区二区三区麻豆| 啦啦啦视频在线资源免费观看| 亚洲国产av新网站| 男女免费视频国产| 色婷婷av一区二区三区视频| 免费观看av网站的网址| 亚洲精品一二三| 精品亚洲成国产av| 国产精品1区2区在线观看. | 80岁老熟妇乱子伦牲交| 欧美午夜高清在线| 天堂俺去俺来也www色官网| 久久 成人 亚洲| 国产免费一区二区三区四区乱码| 精品久久蜜臀av无| 久久久国产成人免费| 色播在线永久视频| 2018国产大陆天天弄谢| 国产色视频综合| 国产av精品麻豆| 天天操日日干夜夜撸| 久久99一区二区三区| 国产欧美亚洲国产| 午夜精品国产一区二区电影| 久久99热这里只频精品6学生| 亚洲伊人久久精品综合| 一级片免费观看大全| 99精品欧美一区二区三区四区| 精品人妻一区二区三区麻豆| 亚洲欧美精品综合一区二区三区| 窝窝影院91人妻| 精品久久久久久电影网| 在线看a的网站| 久久天堂一区二区三区四区| 国产亚洲精品第一综合不卡| 久久久久久免费高清国产稀缺| 中文字幕av电影在线播放| 成人三级做爰电影| 99精品久久久久人妻精品| 中文字幕精品免费在线观看视频| 国产亚洲午夜精品一区二区久久| 欧美成狂野欧美在线观看| 国产福利在线免费观看视频| 美女高潮到喷水免费观看| av视频免费观看在线观看| 亚洲 国产 在线| 国产亚洲一区二区精品| av电影中文网址| 国产片内射在线| 91麻豆av在线| av片东京热男人的天堂| 1024视频免费在线观看| 亚洲性夜色夜夜综合| 亚洲国产精品999| 99re6热这里在线精品视频| 久久久久久亚洲精品国产蜜桃av| 亚洲精品日韩在线中文字幕| 欧美激情高清一区二区三区| 色老头精品视频在线观看| 亚洲欧洲日产国产| 亚洲国产av新网站| 两性夫妻黄色片| 久久久久国内视频| 国产av精品麻豆| 精品国产一区二区三区四区第35| 午夜日韩欧美国产| 欧美中文综合在线视频| 如日韩欧美国产精品一区二区三区| 成在线人永久免费视频| 两个人免费观看高清视频| 成年av动漫网址| a级毛片黄视频| 天天躁日日躁夜夜躁夜夜| 久久影院123| 欧美中文综合在线视频| 免费不卡黄色视频| 99香蕉大伊视频| 久久九九热精品免费| 亚洲av日韩在线播放| 19禁男女啪啪无遮挡网站| 九色亚洲精品在线播放| 热99国产精品久久久久久7| 午夜福利视频精品| 国产亚洲午夜精品一区二区久久| 狂野欧美激情性xxxx| 桃花免费在线播放| 国产成人av教育| 亚洲色图 男人天堂 中文字幕| 久久精品成人免费网站| 美女大奶头黄色视频| 久久中文字幕一级| 国产三级黄色录像| 欧美激情 高清一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 久久久国产欧美日韩av| 飞空精品影院首页| 又紧又爽又黄一区二区| 岛国在线观看网站| 一本久久精品| 欧美成人午夜精品| 国产精品国产三级国产专区5o| 一本久久精品| 午夜日韩欧美国产| 亚洲中文日韩欧美视频| 亚洲欧美日韩高清在线视频 | 肉色欧美久久久久久久蜜桃| 99国产综合亚洲精品| 91成年电影在线观看| 国产一区二区三区在线臀色熟女 | 制服人妻中文乱码| 欧美亚洲 丝袜 人妻 在线| 午夜福利,免费看| 国产av一区二区精品久久| 精品人妻在线不人妻| tube8黄色片| 免费少妇av软件| 免费少妇av软件| 欧美在线黄色| 日韩 欧美 亚洲 中文字幕| 丝袜美足系列| 久久人人爽av亚洲精品天堂| 天堂8中文在线网| 成人影院久久| 夫妻午夜视频| 国产成人啪精品午夜网站| 2018国产大陆天天弄谢| 久久久精品94久久精品| 免费av中文字幕在线| 午夜成年电影在线免费观看| av天堂久久9| 成人影院久久| 亚洲精品av麻豆狂野| 国精品久久久久久国模美| 美女福利国产在线| 亚洲专区字幕在线| 老司机影院成人| 亚洲成人免费电影在线观看| 999精品在线视频| 91字幕亚洲| 青春草视频在线免费观看| a级片在线免费高清观看视频| 宅男免费午夜| 国产欧美日韩精品亚洲av| 国产精品一区二区在线观看99| 国产三级黄色录像| 男女之事视频高清在线观看| 1024视频免费在线观看| 国产黄频视频在线观看| 别揉我奶头~嗯~啊~动态视频 | 精品少妇一区二区三区视频日本电影| 天天躁夜夜躁狠狠躁躁| 婷婷丁香在线五月| 亚洲欧洲日产国产| 欧美久久黑人一区二区| 91精品伊人久久大香线蕉| 精品高清国产在线一区| 夜夜骑夜夜射夜夜干| 一本大道久久a久久精品| 一边摸一边抽搐一进一出视频| 亚洲欧美激情在线| 丝袜脚勾引网站| 国产激情久久老熟女| 五月开心婷婷网| 久久久久国内视频| 久久久久国产一级毛片高清牌| 欧美激情高清一区二区三区| 51午夜福利影视在线观看| 啪啪无遮挡十八禁网站| 亚洲一区二区三区欧美精品| 一区在线观看完整版| 热99re8久久精品国产| 大码成人一级视频| 一本色道久久久久久精品综合| 法律面前人人平等表现在哪些方面 | 日韩一卡2卡3卡4卡2021年| 亚洲熟女精品中文字幕| bbb黄色大片| 色综合欧美亚洲国产小说| 久久久精品94久久精品| 91大片在线观看| 黑人欧美特级aaaaaa片| 日日爽夜夜爽网站| 欧美国产精品va在线观看不卡| 亚洲精品国产av蜜桃| 啦啦啦免费观看视频1| 久久精品aⅴ一区二区三区四区| 亚洲成人国产一区在线观看| 国产一区二区激情短视频 | 亚洲欧美日韩高清在线视频 | 香蕉丝袜av| 久久女婷五月综合色啪小说| 狠狠狠狠99中文字幕| 汤姆久久久久久久影院中文字幕| 热99re8久久精品国产| av网站在线播放免费| 欧美大码av| 国产在视频线精品| 亚洲五月色婷婷综合| 久久久久久人人人人人| 精品一区二区三卡| 岛国毛片在线播放| 男女之事视频高清在线观看| 黄片小视频在线播放| 亚洲精品久久成人aⅴ小说| 天天添夜夜摸| 国产成人影院久久av| 精品一区二区三区四区五区乱码| 黑人猛操日本美女一级片| 日日夜夜操网爽| 老司机亚洲免费影院| 亚洲精品在线美女| 波多野结衣av一区二区av| 深夜精品福利| 国产精品一区二区在线观看99| 亚洲精品自拍成人| 亚洲伊人久久精品综合| 成人影院久久| 一本大道久久a久久精品| 超碰97精品在线观看| 亚洲国产看品久久| 五月开心婷婷网| 亚洲精品久久久久久婷婷小说| 色婷婷av一区二区三区视频| 精品第一国产精品| 老司机亚洲免费影院| 久久久久久久国产电影| 国产精品久久久人人做人人爽| 90打野战视频偷拍视频| 国产精品久久久久久人妻精品电影 | 99热全是精品| 精品人妻1区二区| 亚洲精品一二三| 久久人妻福利社区极品人妻图片| 日韩大码丰满熟妇| 国产一区二区在线观看av| 国产精品免费大片| 一级毛片精品| 色老头精品视频在线观看| 婷婷成人精品国产| 亚洲第一av免费看| 国产一区二区激情短视频 | 脱女人内裤的视频| 国产老妇伦熟女老妇高清| 丰满饥渴人妻一区二区三| 国产日韩欧美亚洲二区| 日本黄色日本黄色录像| 80岁老熟妇乱子伦牲交| 女人被躁到高潮嗷嗷叫费观| tube8黄色片| 1024香蕉在线观看| 少妇裸体淫交视频免费看高清 | 大码成人一级视频| 伦理电影免费视频| 人人澡人人妻人| 午夜日韩欧美国产| 九色亚洲精品在线播放| 午夜两性在线视频| 久久久久久久国产电影| 亚洲全国av大片| 国产xxxxx性猛交| av有码第一页| 中亚洲国语对白在线视频| 午夜精品久久久久久毛片777| 免费不卡黄色视频| 人人澡人人妻人| av不卡在线播放| 中文字幕制服av| av天堂在线播放| 国产主播在线观看一区二区| 男女床上黄色一级片免费看| 狠狠婷婷综合久久久久久88av| 国产精品 国内视频| 亚洲五月婷婷丁香| 国产男人的电影天堂91| 男男h啪啪无遮挡| 国产精品免费视频内射| 国产亚洲欧美在线一区二区| 久久 成人 亚洲| 又紧又爽又黄一区二区| 日本精品一区二区三区蜜桃| 男女免费视频国产| 在线观看免费午夜福利视频| 成人三级做爰电影| 在线观看免费高清a一片| 蜜桃国产av成人99| 国产在线观看jvid| 国产av精品麻豆| 99热国产这里只有精品6| 欧美另类一区| 夜夜骑夜夜射夜夜干| 老熟女久久久| 亚洲精品国产精品久久久不卡| 亚洲人成电影观看| 久久久国产一区二区| 91九色精品人成在线观看| 99久久人妻综合| 国产欧美亚洲国产| 人人妻,人人澡人人爽秒播| 人妻 亚洲 视频| 女性生殖器流出的白浆| 别揉我奶头~嗯~啊~动态视频 | 国产色视频综合| 免费不卡黄色视频| 热re99久久国产66热| 国产高清视频在线播放一区 | 婷婷丁香在线五月| av不卡在线播放| 十八禁高潮呻吟视频| 午夜福利免费观看在线| 波多野结衣一区麻豆| 淫妇啪啪啪对白视频 | 99国产极品粉嫩在线观看| 久久久国产精品麻豆| 久久这里只有精品19| 国产av国产精品国产| 午夜精品国产一区二区电影| 久久久欧美国产精品| 欧美成人午夜精品| 精品人妻一区二区三区麻豆| 亚洲av日韩精品久久久久久密| 汤姆久久久久久久影院中文字幕| 国产成人啪精品午夜网站| 在线十欧美十亚洲十日本专区| 国产成人系列免费观看| 亚洲九九香蕉| 日韩大片免费观看网站| 国产在视频线精品| 国产成人系列免费观看| 亚洲九九香蕉| 狂野欧美激情性xxxx| 国产精品久久久久成人av| 亚洲成人免费av在线播放| 国产精品九九99| 最黄视频免费看| 亚洲av片天天在线观看| 乱人伦中国视频| 国产在线免费精品| av福利片在线| 王馨瑶露胸无遮挡在线观看| 波多野结衣av一区二区av| 国产伦人伦偷精品视频| 熟女少妇亚洲综合色aaa.| 欧美精品亚洲一区二区| 亚洲国产看品久久| 亚洲精品中文字幕一二三四区 | 久久精品成人免费网站| 91老司机精品| 99久久人妻综合| 亚洲精品中文字幕一二三四区 | 日韩制服骚丝袜av| 国产在视频线精品| 亚洲欧美色中文字幕在线| 欧美在线一区亚洲| 精品一区在线观看国产| 又紧又爽又黄一区二区| 人妻一区二区av| 99精品久久久久人妻精品| 精品少妇内射三级| videos熟女内射| 最近最新中文字幕大全免费视频| 2018国产大陆天天弄谢| 色老头精品视频在线观看| 欧美老熟妇乱子伦牲交| 免费观看a级毛片全部| 日日摸夜夜添夜夜添小说| 亚洲少妇的诱惑av| 日本a在线网址| 精品一区在线观看国产| 亚洲精品美女久久av网站| 女人高潮潮喷娇喘18禁视频| 久久99一区二区三区| 两个人看的免费小视频| 嫩草影视91久久| 天堂中文最新版在线下载| 国产激情久久老熟女| 777久久人妻少妇嫩草av网站| 18禁国产床啪视频网站| 一区在线观看完整版| 国产成人a∨麻豆精品| 国产日韩欧美亚洲二区| 一级片免费观看大全| 久久久久久久精品精品| 久久精品国产a三级三级三级| 51午夜福利影视在线观看| av天堂久久9| 伊人久久大香线蕉亚洲五| 91av网站免费观看| 制服人妻中文乱码| 欧美+亚洲+日韩+国产| 性色av乱码一区二区三区2| 国产高清国产精品国产三级| 老熟妇仑乱视频hdxx| 日韩欧美免费精品| 欧美精品av麻豆av| 成人国产一区最新在线观看| 天天操日日干夜夜撸| av电影中文网址| 亚洲成人免费av在线播放| 亚洲av欧美aⅴ国产| 天堂8中文在线网| 99国产极品粉嫩在线观看| 亚洲黑人精品在线| 啦啦啦在线免费观看视频4| 亚洲第一av免费看| 在线观看免费日韩欧美大片| 丰满少妇做爰视频| 日韩欧美一区二区三区在线观看 | 自拍欧美九色日韩亚洲蝌蚪91| 国产亚洲av高清不卡| 岛国毛片在线播放| 成人三级做爰电影| 一区二区三区激情视频| av有码第一页| 熟女少妇亚洲综合色aaa.| 女人被躁到高潮嗷嗷叫费观| 性色av乱码一区二区三区2| 免费av中文字幕在线| 国产精品免费视频内射| 国产亚洲精品第一综合不卡| 美女午夜性视频免费| 日本精品一区二区三区蜜桃| 久热这里只有精品99| 女性被躁到高潮视频| 18禁国产床啪视频网站| e午夜精品久久久久久久| 久久国产精品男人的天堂亚洲| 国产成人影院久久av| 女人爽到高潮嗷嗷叫在线视频| 欧美变态另类bdsm刘玥| 国产精品秋霞免费鲁丝片| 亚洲精品第二区| 成人亚洲精品一区在线观看| 久久久久精品国产欧美久久久 | 亚洲精品久久成人aⅴ小说| 亚洲国产精品一区三区| 999久久久精品免费观看国产| 免费女性裸体啪啪无遮挡网站| 精品少妇久久久久久888优播| 搡老岳熟女国产| 99香蕉大伊视频| 亚洲午夜精品一区,二区,三区| 欧美激情极品国产一区二区三区| 国产精品欧美亚洲77777| 日韩制服丝袜自拍偷拍| 又大又爽又粗| 老司机影院成人| 成人亚洲精品一区在线观看| 久久午夜综合久久蜜桃| 国产野战对白在线观看| 日本av免费视频播放| 精品福利观看| 国产精品自产拍在线观看55亚洲 | av在线老鸭窝| 久久性视频一级片| 免费在线观看视频国产中文字幕亚洲 | 久久精品人人爽人人爽视色| 欧美精品av麻豆av| 免费少妇av软件| 午夜老司机福利片| 秋霞在线观看毛片| 免费女性裸体啪啪无遮挡网站| 一区二区三区四区激情视频| 在线永久观看黄色视频| 亚洲国产精品成人久久小说| 在线十欧美十亚洲十日本专区| 国产三级黄色录像| 黑人欧美特级aaaaaa片| 美女午夜性视频免费| 日韩制服骚丝袜av| 999久久久精品免费观看国产| 人成视频在线观看免费观看| 咕卡用的链子| 国产在线免费精品| 久久国产精品人妻蜜桃| 久久亚洲精品不卡| 十分钟在线观看高清视频www| 飞空精品影院首页| 丝袜人妻中文字幕| 老司机亚洲免费影院| 国产精品一区二区在线观看99| 国产1区2区3区精品| 亚洲精品久久成人aⅴ小说| 在线av久久热| 国产在线一区二区三区精| 一区二区三区精品91| 老熟妇乱子伦视频在线观看 | 黄频高清免费视频| 啦啦啦视频在线资源免费观看| 一本一本久久a久久精品综合妖精| 亚洲avbb在线观看| 国产日韩欧美亚洲二区| 99香蕉大伊视频| 在线观看www视频免费| 亚洲国产欧美一区二区综合| 精品福利观看| 亚洲精品自拍成人| 国产精品1区2区在线观看. | 别揉我奶头~嗯~啊~动态视频 | 久久精品国产亚洲av高清一级| 亚洲av片天天在线观看| 精品人妻熟女毛片av久久网站| 久久久久精品国产欧美久久久 | 亚洲性夜色夜夜综合| 免费一级毛片在线播放高清视频 | 两个人看的免费小视频| 久久亚洲精品不卡| 中文字幕色久视频| 精品人妻一区二区三区麻豆| 精品熟女少妇八av免费久了| 国产无遮挡羞羞视频在线观看| 色精品久久人妻99蜜桃| 五月天丁香电影| 叶爱在线成人免费视频播放| 王馨瑶露胸无遮挡在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲第一欧美日韩一区二区三区 | 欧美精品亚洲一区二区| 亚洲九九香蕉| 在线观看舔阴道视频| 国产精品自产拍在线观看55亚洲 | 亚洲精品成人av观看孕妇| 老司机影院毛片| 亚洲中文日韩欧美视频| 国产一区二区三区综合在线观看| 成人影院久久| av视频免费观看在线观看| 男女高潮啪啪啪动态图| av视频免费观看在线观看| 亚洲欧洲日产国产| 国产免费av片在线观看野外av| 多毛熟女@视频| 考比视频在线观看| 男女国产视频网站| 国产又色又爽无遮挡免| 男女高潮啪啪啪动态图| 1024香蕉在线观看| 久久国产精品人妻蜜桃| 亚洲av美国av| 亚洲精品国产色婷婷电影| 少妇被粗大的猛进出69影院| 黑人猛操日本美女一级片| 在线观看免费视频网站a站| svipshipincom国产片| 国产免费av片在线观看野外av| 男女国产视频网站| 亚洲视频免费观看视频| 亚洲欧洲日产国产| 久久久欧美国产精品| 欧美大码av| 高清视频免费观看一区二区| 人人妻人人添人人爽欧美一区卜| www.999成人在线观看| 一区二区三区四区激情视频| 黄色视频不卡| 热re99久久国产66热| 国产精品av久久久久免费| 超碰成人久久| 1024视频免费在线观看|