• <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 ?

    小波核極限學(xué)習(xí)機(jī)在人臉識(shí)別中的應(yīng)用

    2016-10-21 07:50:55李張紅鄭燕柳楊瑞麗
    無(wú)線(xiàn)互聯(lián)科技 2016年18期
    關(guān)鍵詞:學(xué)習(xí)機(jī)小波人臉識(shí)別

    李張紅,鄭燕柳,田 涵,楊瑞麗

    (河南師范大學(xué),河南 新鄉(xiāng) 453007)

    小波核極限學(xué)習(xí)機(jī)在人臉識(shí)別中的應(yīng)用

    李張紅,鄭燕柳,田涵,楊瑞麗

    (河南師范大學(xué),河南 新鄉(xiāng) 453007)

    文章提出了一種基于小波核極限學(xué)習(xí)機(jī)(Wavelet Kernel Extreme Learning Machine,WK-ELM)的人臉識(shí)別算法。首先,使用2D蓋博小波變換對(duì)人臉圖片進(jìn)行初步的人臉特征提取。為了從所有提取的特征中選擇出與人臉識(shí)別相關(guān)的、必要的特征,使用主成分分析法(Principal Component Analysis,PCA)對(duì)經(jīng)過(guò)初步處理后的圖像再進(jìn)行進(jìn)一步處理,有效地降低了特征維數(shù)。然后使用小波核極限學(xué)習(xí)機(jī)對(duì)提取到的圖像進(jìn)行分類(lèi)。實(shí)驗(yàn)證明,小波核極限學(xué)習(xí)機(jī)不僅識(shí)別性能高,而且訓(xùn)練速度也優(yōu)于其他算法。

    極限學(xué)習(xí)機(jī);人臉識(shí)別;特征提取;主成分分析;小波核極限學(xué)習(xí)機(jī)

    隨著模式識(shí)別、計(jì)算機(jī)視覺(jué)以及電子商務(wù)的發(fā)展,人臉識(shí)別技術(shù)已逐漸成為現(xiàn)在生物識(shí)別技術(shù)的重要研究方向。其主要原因有兩個(gè)方面[1]:首先,人臉識(shí)別技術(shù)比其他生物識(shí)別技術(shù)更加友好、人性化、使用方便、不易仿冒,所以它被應(yīng)用于很多領(lǐng)域,尤其是在國(guó)家的重要機(jī)構(gòu)以及社會(huì)安全防護(hù)領(lǐng)域都具有不可替代的地位;其次,近年來(lái)相關(guān)領(lǐng)域技術(shù)的飛快發(fā)展也為人臉識(shí)別技術(shù)的研究與應(yīng)用奠定了基礎(chǔ)。人臉識(shí)別是指利用計(jì)算機(jī)技術(shù)對(duì)收集到的圖像進(jìn)行預(yù)處理并提取人臉的主要特征,最終實(shí)現(xiàn)對(duì)人身份的識(shí)別。

    近年來(lái)學(xué)者們研究發(fā)現(xiàn),可以用一組二維Gabor小波來(lái)模擬大部分視覺(jué)皮層簡(jiǎn)單細(xì)胞的濾波響應(yīng)[2]。由于人臉圖像的特征容易受到光照、表情、化妝及年齡變化的影響,如果直接采用灰度處理圖像來(lái)提取人臉特征往往不能獲得期望的人臉識(shí)別結(jié)果。而使用2D Gabor小波變換可以得到精度較高的結(jié)果。

    在經(jīng)過(guò)預(yù)處理和Gabor濾波以后得到的人臉向量的維數(shù)較高,有很多不必要的特征,如果直接送入分類(lèi)器中學(xué)習(xí)必然不能得到預(yù)期的效果。所以在對(duì)圖像進(jìn)行Gabor濾波以后,還需要用主成分分析法對(duì)所獲得的信息進(jìn)行壓縮降維處理,然后采用小波核極限學(xué)習(xí)機(jī)算法進(jìn)行分類(lèi)。

    1 人臉識(shí)別特征提取方法

    不同的人臉圖像可用其特有的向量來(lái)表示,這個(gè)向量為特征向量。為了對(duì)不同的人臉進(jìn)行區(qū)分,首先需要從人臉圖像中提取最主要的特征。然而人臉圖像中可能會(huì)有大量贅余的特征,如何提取出能夠?qū)θ四樳M(jìn)行準(zhǔn)確表達(dá)的特征對(duì)人臉識(shí)別的效果有著重要的影響。人臉特征提取的方法有很多比如基于圖像灰度信息、基于人臉的局部或整體的信息提取、基于人臉幾何特征的信息提取等。本文采用Gabor濾波和主成分分析的方法來(lái)進(jìn)行特征提取。

    1.1 人臉Gabor濾波

    由于人臉圖像的特征容易受到光照、表情、年齡變化及化妝的影響,直接采用灰度圖像處理不能取得預(yù)期的效果。而如果采用2D Gabor小波變換,我們可以得到圖片中相對(duì)于空間頻率、空間坐標(biāo)以及方向選擇性的局部結(jié)構(gòu)信息,這些信息能夠較為準(zhǔn)確地描述人臉圖像的特征[3]。一個(gè)2D Gabor濾波器g(x,y)可以用下式來(lái)表示:

    本文選用5個(gè)中心頻率和8個(gè)方向組成的40個(gè)Gabor濾波器的濾波器組來(lái)對(duì)圖像進(jìn)行處理。

    1.2 主成分分析法(PCA)

    經(jīng)過(guò)預(yù)處理和Gabor濾波處理后的圖像人臉向量的維數(shù)較高并且有較多贅余特征,所以還要對(duì)所獲得的信息進(jìn)行壓縮降維處理,主成分分析法在壓縮降維方面具有較好的性能。PCA是一種基于子空間的特征提取方法,PCA的基本原理是在K-L變換基礎(chǔ)上盡可能減少贅余特征,提取主要人臉圖像主要特征。

    PCA具體實(shí)現(xiàn)步驟:

    假設(shè)訓(xùn)練集中有N幅人臉圖像,經(jīng)過(guò)預(yù)處理后每幅圖像大小為a×b,則每幅圖像構(gòu)成一個(gè)a×b維的矩陣,然后把每一列連在一起構(gòu)成列向量xi。

    訓(xùn)練集矩陣可以表示為:

    對(duì)X取均值

    人臉樣本的差異用向量δ表示:

    其中λi為特征值,ui為特征向量,Λ=diag[λ1,λ2,…λN]為對(duì)角陣,U=[u1,u2,…uN]為奇異矩陣,將特征值λi按從大到小排列,選取λi較大的前p個(gè)特征值對(duì)應(yīng)的特征向量構(gòu)成“特征臉”空間P=[u1,u2,…uN]。

    即為PCA的人臉表示。

    2 基于小波核極限學(xué)習(xí)機(jī)的人臉?lè)诸?lèi)

    2.1 極限學(xué)習(xí)機(jī)

    極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)[4]是從單隱藏層反饋神經(jīng)網(wǎng)絡(luò)(SLFNs)[5]發(fā)展而來(lái)。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)BP梯度學(xué)習(xí)算法存在著訓(xùn)練時(shí)間長(zhǎng)、過(guò)度擬合訓(xùn)練樣本和易陷入局部最優(yōu)等問(wèn)題。極限學(xué)習(xí)機(jī)憑借著良好的分類(lèi)和回歸性能,使得極限學(xué)習(xí)機(jī)和它的變種[6—8]被廣泛應(yīng)用于機(jī)器學(xué)習(xí)中。極限學(xué)習(xí)機(jī)訓(xùn)練和測(cè)試速度都比較快,極限學(xué)習(xí)機(jī)在輸入權(quán)重和偏置隨機(jī)生成后,可直接計(jì)算得出輸出權(quán)重,極限學(xué)習(xí)機(jī)訓(xùn)練時(shí)的復(fù)雜度為O(L3,N3),測(cè)試復(fù)雜度為O(N),而我們熟悉的支持向量機(jī)(SVM)[9]訓(xùn)練時(shí)的復(fù)雜度為O(N2~N3),測(cè)試復(fù)雜度為O(N)。而且極限學(xué)習(xí)機(jī)還擁有較高的準(zhǔn)確率[10],在處理二分類(lèi)和回歸問(wèn)題上ELM擁有和支持向量機(jī)(Support Vector Machine,SVM)相當(dāng)?shù)臏?zhǔn)確度,但在多分類(lèi)問(wèn)題上ELM準(zhǔn)確度遠(yuǎn)遠(yuǎn)高于SVM。

    2.2 小波核極限學(xué)習(xí)機(jī)

    核方法已經(jīng)成為當(dāng)今機(jī)器學(xué)習(xí)中比較熱門(mén)的研究方向,在1964年Aizermann 等把核函數(shù)和機(jī)器學(xué)習(xí)結(jié)合在一起使用,但當(dāng)時(shí)并沒(méi)有引起學(xué)者們的關(guān)注。直到1992年Vapnik成功地將核函數(shù)與SVM結(jié)合起來(lái)使用,把支持向量機(jī)由線(xiàn)性轉(zhuǎn)化為非線(xiàn)性,充分挖掘出核函數(shù)的潛力?;A(chǔ)的ELM是無(wú)核的且只有一個(gè)隱含層,當(dāng)輸入權(quán)值確定以后,這個(gè)隱含層的映射方式為非線(xiàn)性顯式,但是在多分類(lèi)問(wèn)題上ELM需要的隱層結(jié)點(diǎn)不止一個(gè),其基本思想和核函數(shù)一樣,即將樣本映射到高維空間。根據(jù)核函數(shù)內(nèi)積定理可將ELM隱藏結(jié)點(diǎn)的映射由核函數(shù)來(lái)代替。實(shí)驗(yàn)證明,將核函數(shù)與ELM結(jié)合起來(lái),大大提高了ELM的非線(xiàn)性逼近能力。

    小波理論的優(yōu)良性能被學(xué)者們發(fā)現(xiàn)并應(yīng)用到實(shí)驗(yàn)中,為了提高神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性逼近能力,有學(xué)者將小波理論與神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái),典型的有小波網(wǎng)絡(luò)[11](Wavelet Neural Network,WNN)。同樣我們可以構(gòu)造出小波核函數(shù)并與極限學(xué)習(xí)機(jī)結(jié)合起來(lái)。

    若核函數(shù)不滿(mǎn)足點(diǎn)積形式,可以利用平移不變核的形式:

    判斷一個(gè)平移不變核是否為允許的ELM核函數(shù)的充要條件為:

    由第一個(gè)公式可構(gòu)造出平移不變的小波核函數(shù)[12]:

    其中Ψ(x )為小波函數(shù),a為尺度參數(shù)。

    為了構(gòu)造出特定的小波核函數(shù),可以將上式Ψ(x)的替換成具體的小波核函數(shù),如Morlet小波、Mexico小波等。

    Morlet小波的公式:

    Mexico小波的公式如下:

    本文主要研究由Morlet小波函數(shù)構(gòu)成的小波核函數(shù)。有如下定理:

    小波核函數(shù)具有小波分析多尺度逼近的特點(diǎn),因而在非線(xiàn)性分類(lèi)平面的逼近上可以取得更好的效果。

    3 小波核極限學(xué)習(xí)機(jī)在人臉識(shí)別中的應(yīng)用

    實(shí)驗(yàn)數(shù)據(jù)的選擇:本文的實(shí)驗(yàn)分別在ORL人臉庫(kù)、YALE人臉庫(kù)上以及FERET人臉庫(kù)上進(jìn)行。人臉庫(kù)中部分圖片分別如圖1—3所示。

    首先我們選取ORL人臉庫(kù)每人選取前5張圖片一共200張作為訓(xùn)練樣本,剩下的200張作為測(cè)試樣本,所有圖片的雙線(xiàn)性插值處理到64*64。YALE人臉庫(kù)每人選取后5張圖片一共75張作為訓(xùn)練樣本剩下的90張作為測(cè)試,來(lái)進(jìn)行實(shí)驗(yàn),圖片的雙線(xiàn)性插值處理到50*50。FERET人臉庫(kù)選取前3張圖片一共150張來(lái)訓(xùn)練,剩下的200張作為測(cè)試集合,圖片的雙線(xiàn)性插值處理到40*40。

    對(duì)人臉圖像進(jìn)行特征提取,本文選用Gabor濾波和PCA的方法,首先使用由5個(gè)中心頻率和8個(gè)方向組成的40個(gè)Gabor濾波器處理人臉圖像,然后使用PCA進(jìn)行壓縮降維處理,最后將處理后的特征集合送入到小波核極限學(xué)習(xí)機(jī)算法中訓(xùn)練一個(gè)分類(lèi)器。得到的分類(lèi)器可以識(shí)別未知類(lèi)別的人臉樣本。

    圖1 ORL人臉庫(kù)部分圖片

    圖2 YALE人臉庫(kù)部分圖片

    圖3 FERET人臉庫(kù)部分圖片

    4 實(shí)驗(yàn)結(jié)果與分析

    對(duì)比應(yīng)用于人臉識(shí)別中的小波核ELM分類(lèi)器與其他分類(lèi)算法的性能。其中ELM和BP神經(jīng)網(wǎng)絡(luò)的隱層激勵(lì)函數(shù)均為sigmoid函數(shù)。多次實(shí)驗(yàn)取平均值,得到以下實(shí)驗(yàn)結(jié)果,如表1所示。

    由表1可以看出小波核ELM和高斯核ELM的性能相當(dāng),甚至要優(yōu)于高斯核極限學(xué)習(xí)機(jī),另外可以看出BP神經(jīng)網(wǎng)絡(luò)的性能最差。

    表1 5種算法在3種庫(kù)上的實(shí)驗(yàn)

    為了研究以上幾種算法在小樣本下的分類(lèi)能力,將人臉庫(kù)中每個(gè)人的第一張圖片作為訓(xùn)練數(shù)據(jù),其余數(shù)據(jù)為測(cè)試數(shù)據(jù),對(duì)比幾種算法的性能,實(shí)驗(yàn)結(jié)果如表2所示。

    根據(jù)表1—2可以看出SVM和幾種ELM在小樣本下識(shí)別性能較好,其中小波核ELM的效果仍然是最好的,識(shí)別性能最差的為BP神經(jīng)網(wǎng)絡(luò)。

    研究證明,核極限學(xué)習(xí)機(jī)在訓(xùn)練速度上也比較快,在小樣本下核極限學(xué)習(xí)機(jī)要快于無(wú)核極限學(xué)習(xí)機(jī),支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度要遠(yuǎn)低于極限學(xué)習(xí)機(jī)。

    表2 小樣本下5種算法在4種庫(kù)上的實(shí)驗(yàn)

    5 結(jié)語(yǔ)

    由于人臉圖像容易受到光照、表情、年齡變化及化妝等的影響,使得人臉識(shí)別效率下降。本文在對(duì)人臉圖像進(jìn)行預(yù)處理和Gabor濾波處理后,進(jìn)一步對(duì)所獲得的信息進(jìn)行壓縮降維處理,即采用主成分分析的方法。然后采用小波核極限學(xué)習(xí)機(jī)進(jìn)行分類(lèi)實(shí)驗(yàn),經(jīng)驗(yàn)證小波核極限學(xué)習(xí)機(jī)在人臉識(shí)別中具有較好的性能。

    [1]RABIA J,HAMID R A. A survey of face recognition techniques[J].Information Processing Systems,2009(2):41-68.

    [2]姜琳.光照變化條件下的人臉識(shí)別研究[D].重慶:重慶大學(xué),2009.

    [3]章毓晉.基于子空間的人臉識(shí)別[M].北京:清華大學(xué)出版社,2009.

    [4]HUANG G B,ZHU Q Y,CHEW C K. Extreme learning machine: theory and applications[J]. Neurocomputing,2006(1):489-501.[5]HORNIK K,STINCHCOMBE M,WHITE H. Multilayer feedforward networks are universal approximators[J]. Neural Networks,1989(5):359-366.

    [6]NIAN R,HE B,ZHENG B,et al. Extreme learning machine towards dynamic model hypothesis in fish ethology research[J]. Neurocomputing,2013(20):1020-1022.

    [7]LU H J,AN C L,ZHENG E H,et al. Dissimilarity based ensemble of extreme learning machine for gene expression data classifcation [J].Neurocomputing,2013(18):10-12.

    [8]MAO W,WANG Y,CAO X,et al. Mixture regression estimation based on extreme learning machine[J]. Computers,2013(11):2925-2933,.

    [9]CHANG C C,LIN C J. Libsvm: a library for support vector machines[ J].Intelligent Systems and Technology (TIST),2011(3):27.

    [10]HUANG G B,ZHOU H,DING X,et al.Extreme learning machine for regression and multiclass classification systems[J]. Cybernetics,2012(2):513-529.

    [11]ZHANG Q,BEN V A.WaVelet Network[J].Normal Networks,1992(9):889-898.

    [12]董紹江,湯寶平,宋濤.改進(jìn)投票策略的Morlet小波核支持向量機(jī)及應(yīng)用[J].震動(dòng)、測(cè)試與診斷,2011(3):314-317.

    Application of wavelet kernel extreme learning machine in face recognition

    Li Zhanghong, Zheng Yanliu, Tian Han, Yang Ruili
    (Henan Normal University, Xinxiang 453007, China)

    In the paper, a new approach based on WK-ELM(Wavelet Kernel Extreme Learning Machine)was proposed for face recognition. Firstly, using 2D Gabor wavelet transform for primary facial feature extraction. To select the necessary features for face recognition, using principal component analysis(PCA)for dealing with the initial image for further processing, reducing the feature dimension effectively. Secondly, ELM is adopted for classifcation. Finally, the experiment results show that WK-ELM is not only having high recognition performance, but also superior to other algorithm in the training speed.

    extreme learning machine; face recognition; feature extraction; principal component analysis; wavelet kernel extreme learning machine

    2015年河南師范大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃校級(jí)重點(diǎn)項(xiàng)目;項(xiàng)目編號(hào):20150012。

    李張紅(1995— ),女,河南濮陽(yáng)。

    猜你喜歡
    學(xué)習(xí)機(jī)小波人臉識(shí)別
    人臉識(shí)別 等
    構(gòu)造Daubechies小波的一些注記
    揭開(kāi)人臉識(shí)別的神秘面紗
    基于MATLAB的小波降噪研究
    電子制作(2019年13期)2020-01-14 03:15:32
    極限學(xué)習(xí)機(jī)綜述
    基于極限學(xué)習(xí)機(jī)參數(shù)遷移的域適應(yīng)算法
    基于改進(jìn)的G-SVS LMS 與冗余提升小波的滾動(dòng)軸承故障診斷
    分層極限學(xué)習(xí)機(jī)在滾動(dòng)軸承故障診斷中的應(yīng)用
    基于類(lèi)獨(dú)立核稀疏表示的魯棒人臉識(shí)別
    基于FPGA小波變換核的設(shè)計(jì)
    美女中出高潮动态图| 日韩视频在线欧美| 我要看黄色一级片免费的| 欧美大码av| 日本撒尿小便嘘嘘汇集6| 久久国产精品大桥未久av| av在线老鸭窝| 成年人午夜在线观看视频| 狂野欧美激情性xxxx| 亚洲国产欧美一区二区综合| videosex国产| 蜜桃在线观看..| 亚洲精品在线美女| 无限看片的www在线观看| 狂野欧美激情性xxxx| 成人手机av| 日韩视频一区二区在线观看| 国产精品二区激情视频| 99久久人妻综合| 久久久久国产精品人妻一区二区| 女人爽到高潮嗷嗷叫在线视频| 夫妻午夜视频| 一级,二级,三级黄色视频| 亚洲精品美女久久av网站| 久久精品熟女亚洲av麻豆精品| 亚洲全国av大片| 秋霞在线观看毛片| 国产1区2区3区精品| www.熟女人妻精品国产| 亚洲免费av在线视频| 国产一区二区在线观看av| 国产精品偷伦视频观看了| 国产男女超爽视频在线观看| 国产伦理片在线播放av一区| av欧美777| 日本欧美视频一区| 国产视频一区二区在线看| 一本综合久久免费| 人人妻人人添人人爽欧美一区卜| 日韩有码中文字幕| 美女大奶头黄色视频| 男女之事视频高清在线观看| 啦啦啦 在线观看视频| 久久久欧美国产精品| 亚洲全国av大片| 蜜桃国产av成人99| 97精品久久久久久久久久精品| 99久久99久久久精品蜜桃| 在线观看免费高清a一片| 夫妻午夜视频| 一级毛片电影观看| 久久久精品94久久精品| 操美女的视频在线观看| 欧美日韩福利视频一区二区| 桃红色精品国产亚洲av| 一级片免费观看大全| 日韩三级视频一区二区三区| 中文字幕人妻丝袜一区二区| 丝瓜视频免费看黄片| www日本在线高清视频| 久久久精品94久久精品| 一级片'在线观看视频| 国产精品免费大片| 国产福利在线免费观看视频| 妹子高潮喷水视频| 免费在线观看视频国产中文字幕亚洲 | 午夜两性在线视频| 美国免费a级毛片| 亚洲精品久久午夜乱码| 精品一区在线观看国产| 一本—道久久a久久精品蜜桃钙片| 国产成人av教育| 中文欧美无线码| 国产精品成人在线| 汤姆久久久久久久影院中文字幕| 老司机影院毛片| 国产一卡二卡三卡精品| 搡老岳熟女国产| 涩涩av久久男人的天堂| 午夜免费成人在线视频| 丝袜在线中文字幕| 99热全是精品| 黄网站色视频无遮挡免费观看| 国产亚洲av高清不卡| 侵犯人妻中文字幕一二三四区| 老熟妇乱子伦视频在线观看 | 黄色 视频免费看| 黑人巨大精品欧美一区二区mp4| 一边摸一边抽搐一进一出视频| 国产精品久久久久久精品电影小说| 亚洲精品第二区| 狂野欧美激情性bbbbbb| 一边摸一边做爽爽视频免费| 一二三四在线观看免费中文在| 亚洲成人免费电影在线观看| 妹子高潮喷水视频| 午夜视频精品福利| 久久久久久人人人人人| 亚洲全国av大片| 亚洲少妇的诱惑av| 午夜影院在线不卡| 国产精品国产av在线观看| 丝袜喷水一区| 免费少妇av软件| 日韩欧美一区二区三区在线观看 | 成年美女黄网站色视频大全免费| 欧美日韩亚洲综合一区二区三区_| 俄罗斯特黄特色一大片| 狠狠婷婷综合久久久久久88av| 久久人妻熟女aⅴ| 欧美激情高清一区二区三区| 久久免费观看电影| 欧美成狂野欧美在线观看| 香蕉国产在线看| 欧美人与性动交α欧美精品济南到| 后天国语完整版免费观看| 久久精品亚洲av国产电影网| 欧美日韩一级在线毛片| 女人精品久久久久毛片| 日本猛色少妇xxxxx猛交久久| 亚洲精品国产色婷婷电影| 我的亚洲天堂| 咕卡用的链子| 欧美日韩精品网址| 999精品在线视频| 天天躁狠狠躁夜夜躁狠狠躁| 18禁国产床啪视频网站| videosex国产| 日本av免费视频播放| 久久久久视频综合| 老司机福利观看| www.熟女人妻精品国产| 精品国产乱子伦一区二区三区 | 精品乱码久久久久久99久播| 女人久久www免费人成看片| 国产精品自产拍在线观看55亚洲 | 国产亚洲精品一区二区www | 国产精品九九99| 亚洲中文av在线| 免费观看av网站的网址| 欧美亚洲 丝袜 人妻 在线| 欧美精品一区二区免费开放| 久久这里只有精品19| 午夜激情久久久久久久| 精品一区在线观看国产| 色视频在线一区二区三区| 我要看黄色一级片免费的| 日韩中文字幕欧美一区二区| 久久久久久久大尺度免费视频| 一个人免费看片子| 亚洲成人国产一区在线观看| 午夜福利免费观看在线| 亚洲欧美精品自产自拍| a级毛片在线看网站| 国产成人一区二区三区免费视频网站| 国产成人欧美在线观看 | 亚洲av男天堂| 成人国语在线视频| 制服人妻中文乱码| 亚洲中文日韩欧美视频| 一边摸一边抽搐一进一出视频| 九色亚洲精品在线播放| 亚洲中文字幕日韩| 亚洲专区中文字幕在线| 国产淫语在线视频| 国产91精品成人一区二区三区 | 亚洲第一青青草原| 90打野战视频偷拍视频| 一级,二级,三级黄色视频| 亚洲一卡2卡3卡4卡5卡精品中文| 夜夜夜夜夜久久久久| 亚洲国产精品一区三区| 国产99久久九九免费精品| 精品久久久精品久久久| 一级黄色大片毛片| 啦啦啦啦在线视频资源| 99久久人妻综合| 考比视频在线观看| 欧美激情极品国产一区二区三区| 国产伦人伦偷精品视频| 成人手机av| 色婷婷av一区二区三区视频| 正在播放国产对白刺激| 9191精品国产免费久久| 亚洲欧美精品综合一区二区三区| 在线亚洲精品国产二区图片欧美| 99国产极品粉嫩在线观看| kizo精华| 国产一区二区三区在线臀色熟女 | 日韩欧美免费精品| 永久免费av网站大全| 麻豆国产av国片精品| 高清av免费在线| 丁香六月欧美| 777久久人妻少妇嫩草av网站| 国产精品影院久久| 亚洲第一青青草原| 国产精品自产拍在线观看55亚洲 | 亚洲五月色婷婷综合| 婷婷色av中文字幕| 无遮挡黄片免费观看| 亚洲男人天堂网一区| 天堂中文最新版在线下载| 成人黄色视频免费在线看| 狂野欧美激情性xxxx| 真人做人爱边吃奶动态| 亚洲国产精品成人久久小说| 一区二区三区激情视频| 久久久国产欧美日韩av| 亚洲av美国av| 亚洲欧美精品自产自拍| 操出白浆在线播放| 国产成人啪精品午夜网站| 午夜日韩欧美国产| 国产精品一二三区在线看| 无遮挡黄片免费观看| 中文字幕人妻丝袜一区二区| 久久人妻熟女aⅴ| 欧美日韩一级在线毛片| 欧美少妇被猛烈插入视频| 国产免费视频播放在线视频| 日韩免费高清中文字幕av| 啦啦啦啦在线视频资源| 天天影视国产精品| 亚洲久久久国产精品| 免费观看人在逋| 人人妻人人澡人人看| 国产片内射在线| 国产精品熟女久久久久浪| 亚洲 国产 在线| av视频免费观看在线观看| 久久精品国产亚洲av高清一级| 99精品久久久久人妻精品| 久久久精品94久久精品| 国产1区2区3区精品| 一二三四在线观看免费中文在| 国产又爽黄色视频| 亚洲性夜色夜夜综合| 国产欧美日韩综合在线一区二区| av又黄又爽大尺度在线免费看| 少妇猛男粗大的猛烈进出视频| 一边摸一边做爽爽视频免费| 搡老岳熟女国产| 欧美黑人欧美精品刺激| 母亲3免费完整高清在线观看| 日本wwww免费看| 久久综合国产亚洲精品| 两性午夜刺激爽爽歪歪视频在线观看 | 久久久国产欧美日韩av| 人妻 亚洲 视频| 狠狠婷婷综合久久久久久88av| 成人黄色视频免费在线看| √禁漫天堂资源中文www| 亚洲精品国产av成人精品| 午夜精品国产一区二区电影| a级片在线免费高清观看视频| 俄罗斯特黄特色一大片| 99热国产这里只有精品6| 成人18禁高潮啪啪吃奶动态图| 国产老妇伦熟女老妇高清| 日本91视频免费播放| 欧美日韩av久久| 丝瓜视频免费看黄片| 色94色欧美一区二区| 成人国产av品久久久| 亚洲激情五月婷婷啪啪| 国产成人欧美在线观看 | 纯流量卡能插随身wifi吗| 久久久精品免费免费高清| 欧美在线一区亚洲| 99久久国产精品久久久| √禁漫天堂资源中文www| 91九色精品人成在线观看| 999久久久精品免费观看国产| 精品人妻在线不人妻| 国产伦理片在线播放av一区| 搡老乐熟女国产| 黄色毛片三级朝国网站| 波多野结衣av一区二区av| 亚洲九九香蕉| 久久中文看片网| 午夜福利免费观看在线| 欧美人与性动交α欧美精品济南到| 久久ye,这里只有精品| 欧美国产精品va在线观看不卡| 黑人巨大精品欧美一区二区蜜桃| 久久久水蜜桃国产精品网| 最新的欧美精品一区二区| 亚洲avbb在线观看| 老司机亚洲免费影院| 国产在线一区二区三区精| 深夜精品福利| 青草久久国产| 青春草亚洲视频在线观看| 夜夜骑夜夜射夜夜干| 天堂俺去俺来也www色官网| 国产日韩欧美在线精品| www.av在线官网国产| 亚洲精品久久久久久婷婷小说| 午夜成年电影在线免费观看| 在线 av 中文字幕| 国产深夜福利视频在线观看| 久久中文看片网| 亚洲精华国产精华精| 成人三级做爰电影| 亚洲欧美清纯卡通| 成年av动漫网址| 日本黄色日本黄色录像| 十八禁人妻一区二区| 一级毛片电影观看| 亚洲一区中文字幕在线| 搡老岳熟女国产| 香蕉丝袜av| 亚洲免费av在线视频| 9191精品国产免费久久| 午夜精品国产一区二区电影| 久久av网站| 男女免费视频国产| 一本色道久久久久久精品综合| 欧美日韩国产mv在线观看视频| 国产无遮挡羞羞视频在线观看| 国产精品久久久人人做人人爽| 国内毛片毛片毛片毛片毛片| 亚洲综合色网址| 亚洲va日本ⅴa欧美va伊人久久 | 国产欧美亚洲国产| 波多野结衣一区麻豆| 看免费av毛片| 亚洲国产欧美日韩在线播放| 91精品三级在线观看| 后天国语完整版免费观看| 看免费av毛片| 狠狠精品人妻久久久久久综合| 国产亚洲欧美在线一区二区| 操出白浆在线播放| 精品国内亚洲2022精品成人 | av有码第一页| 精品久久久久久电影网| 精品福利观看| 两个人免费观看高清视频| 亚洲国产欧美一区二区综合| 777米奇影视久久| 免费在线观看视频国产中文字幕亚洲 | 久久精品aⅴ一区二区三区四区| 天堂中文最新版在线下载| 18禁裸乳无遮挡动漫免费视频| 99久久99久久久精品蜜桃| 天天躁夜夜躁狠狠躁躁| 人人妻人人澡人人爽人人夜夜| 国产成人一区二区三区免费视频网站| 亚洲精品久久午夜乱码| 美女视频免费永久观看网站| 精品少妇黑人巨大在线播放| 国产精品偷伦视频观看了| 丰满迷人的少妇在线观看| 啦啦啦啦在线视频资源| 高清视频免费观看一区二区| 大香蕉久久成人网| 淫妇啪啪啪对白视频 | 日韩欧美国产一区二区入口| 人妻一区二区av| 99热国产这里只有精品6| 少妇猛男粗大的猛烈进出视频| 欧美+亚洲+日韩+国产| 免费高清在线观看日韩| 首页视频小说图片口味搜索| 在线观看舔阴道视频| 在线观看人妻少妇| cao死你这个sao货| 欧美国产精品一级二级三级| 黑人巨大精品欧美一区二区mp4| 黄色视频不卡| 最新在线观看一区二区三区| 不卡av一区二区三区| kizo精华| 精品熟女少妇八av免费久了| 午夜福利视频精品| av在线app专区| 亚洲一码二码三码区别大吗| 男女国产视频网站| 国产无遮挡羞羞视频在线观看| 日韩,欧美,国产一区二区三区| 国产一区二区在线观看av| 黄色视频在线播放观看不卡| 久久天堂一区二区三区四区| 青草久久国产| 一区二区三区四区激情视频| av在线老鸭窝| a级毛片在线看网站| 亚洲国产精品一区三区| 丝袜在线中文字幕| 成年人免费黄色播放视频| 亚洲国产av新网站| 欧美精品亚洲一区二区| 亚洲第一青青草原| 国产国语露脸激情在线看| 国产精品熟女久久久久浪| 久久国产精品男人的天堂亚洲| 日韩大码丰满熟妇| 在线观看免费高清a一片| 国产日韩欧美在线精品| 亚洲人成电影观看| 国产免费视频播放在线视频| 国产在线观看jvid| 亚洲av欧美aⅴ国产| 黄色怎么调成土黄色| 丝袜喷水一区| 在线看a的网站| www.精华液| 女人被躁到高潮嗷嗷叫费观| 国产一区二区三区在线臀色熟女 | 中文字幕最新亚洲高清| 亚洲精品在线美女| 老司机影院毛片| 欧美中文综合在线视频| 超碰97精品在线观看| 国产精品.久久久| 欧美另类一区| 美女视频免费永久观看网站| av有码第一页| 久久久久久亚洲精品国产蜜桃av| 又紧又爽又黄一区二区| 在线天堂中文资源库| 精品国产乱码久久久久久小说| 亚洲一区中文字幕在线| 欧美黄色片欧美黄色片| 久久久精品国产亚洲av高清涩受| www日本在线高清视频| 日韩欧美一区二区三区在线观看 | 国产片内射在线| 久久人人97超碰香蕉20202| 久久99一区二区三区| 亚洲av电影在线观看一区二区三区| 亚洲专区中文字幕在线| 亚洲七黄色美女视频| 国产精品一区二区免费欧美 | 免费在线观看黄色视频的| 一本久久精品| 亚洲成av片中文字幕在线观看| 最黄视频免费看| 欧美 亚洲 国产 日韩一| 人妻一区二区av| 日本wwww免费看| www日本在线高清视频| 国产在线视频一区二区| 欧美精品人与动牲交sv欧美| 久久ye,这里只有精品| 精品少妇一区二区三区视频日本电影| 欧美在线黄色| 18禁黄网站禁片午夜丰满| 一边摸一边抽搐一进一出视频| 精品人妻熟女毛片av久久网站| 中文精品一卡2卡3卡4更新| 少妇 在线观看| 久久久久久久久免费视频了| 女人爽到高潮嗷嗷叫在线视频| 国产av一区二区精品久久| 丝袜人妻中文字幕| 亚洲成人手机| 人人妻人人爽人人添夜夜欢视频| 99久久国产精品久久久| 一本久久精品| 中文字幕人妻丝袜一区二区| 国产精品亚洲av一区麻豆| 少妇粗大呻吟视频| 交换朋友夫妻互换小说| 亚洲欧美日韩高清在线视频 | 天堂俺去俺来也www色官网| 黑丝袜美女国产一区| svipshipincom国产片| 日韩欧美国产一区二区入口| 18在线观看网站| 亚洲自偷自拍图片 自拍| 国产一区二区三区综合在线观看| 精品欧美一区二区三区在线| 另类精品久久| 国产福利在线免费观看视频| 久久国产精品人妻蜜桃| 精品亚洲成a人片在线观看| 久久久国产成人免费| 日韩 亚洲 欧美在线| 久久精品国产亚洲av高清一级| 啦啦啦中文免费视频观看日本| 国产主播在线观看一区二区| 99久久精品国产亚洲精品| 另类精品久久| 国产成人精品无人区| 欧美日韩国产mv在线观看视频| 亚洲久久久国产精品| 国产亚洲午夜精品一区二区久久| av线在线观看网站| 中国美女看黄片| 老司机亚洲免费影院| 精品少妇黑人巨大在线播放| 男女国产视频网站| 在线观看人妻少妇| 久9热在线精品视频| 亚洲午夜精品一区,二区,三区| videosex国产| 丰满迷人的少妇在线观看| avwww免费| 最黄视频免费看| 热re99久久精品国产66热6| 亚洲国产精品一区二区三区在线| 亚洲第一欧美日韩一区二区三区 | 成年女人毛片免费观看观看9 | 久久久国产精品麻豆| 淫妇啪啪啪对白视频 | 大陆偷拍与自拍| 脱女人内裤的视频| 欧美变态另类bdsm刘玥| 各种免费的搞黄视频| 999久久久国产精品视频| 国产一区二区三区av在线| 亚洲五月色婷婷综合| 永久免费av网站大全| 欧美人与性动交α欧美软件| 日韩视频一区二区在线观看| 久久青草综合色| 男女床上黄色一级片免费看| 亚洲精品国产色婷婷电影| 日韩视频在线欧美| 两人在一起打扑克的视频| 18禁观看日本| 亚洲天堂av无毛| 一级a爱视频在线免费观看| 男女下面插进去视频免费观看| 欧美日韩国产mv在线观看视频| 在线天堂中文资源库| 人人澡人人妻人| 国产精品国产av在线观看| 日本猛色少妇xxxxx猛交久久| 日本91视频免费播放| 日韩制服骚丝袜av| 飞空精品影院首页| 黄片大片在线免费观看| 午夜激情av网站| 亚洲七黄色美女视频| 一区二区三区乱码不卡18| av有码第一页| 啦啦啦在线免费观看视频4| 另类亚洲欧美激情| 欧美少妇被猛烈插入视频| 啦啦啦免费观看视频1| 久久久久视频综合| 女人高潮潮喷娇喘18禁视频| 午夜老司机福利片| 男人舔女人的私密视频| 久久香蕉激情| 另类精品久久| 久久九九热精品免费| 欧美激情久久久久久爽电影 | 国产日韩欧美视频二区| 欧美xxⅹ黑人| 在线十欧美十亚洲十日本专区| 丝袜美腿诱惑在线| 咕卡用的链子| 成在线人永久免费视频| 黑人操中国人逼视频| 90打野战视频偷拍视频| 国精品久久久久久国模美| 精品人妻熟女毛片av久久网站| 欧美精品av麻豆av| 久久毛片免费看一区二区三区| 午夜久久久在线观看| 久热这里只有精品99| 婷婷丁香在线五月| 精品亚洲成a人片在线观看| 国产区一区二久久| 男女午夜视频在线观看| 少妇人妻久久综合中文| 男女午夜视频在线观看| 亚洲伊人久久精品综合| 97在线人人人人妻| 国产一区二区在线观看av| 成人av一区二区三区在线看 | 国产精品免费视频内射| 国产黄色免费在线视频| 秋霞在线观看毛片| 丝袜人妻中文字幕| 建设人人有责人人尽责人人享有的| 亚洲精品久久久久久婷婷小说| 日韩一区二区三区影片| 丝袜人妻中文字幕| 啦啦啦啦在线视频资源| 国产精品偷伦视频观看了| 丰满饥渴人妻一区二区三| 亚洲一卡2卡3卡4卡5卡精品中文| 悠悠久久av| 国产一区二区在线观看av| 精品人妻1区二区| 日本撒尿小便嘘嘘汇集6| 丁香六月天网| 各种免费的搞黄视频| 久久狼人影院| www.熟女人妻精品国产| 99精品欧美一区二区三区四区| 淫妇啪啪啪对白视频 | 香蕉国产在线看| 12—13女人毛片做爰片一| 三级毛片av免费| 午夜免费成人在线视频| 老司机福利观看| 国产精品香港三级国产av潘金莲| 欧美另类一区| 99re6热这里在线精品视频| 日日夜夜操网爽| 国产成人精品在线电影| 精品少妇内射三级| 亚洲九九香蕉| 在线十欧美十亚洲十日本专区| a在线观看视频网站| 欧美 日韩 精品 国产| 国产国语露脸激情在线看| 免费黄频网站在线观看国产|