• <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)
    电影成人av| 九色亚洲精品在线播放| a级片在线免费高清观看视频| 免费高清在线观看日韩| 国产国语露脸激情在线看| 伦理电影免费视频| 亚洲五月色婷婷综合| 新久久久久国产一级毛片| 19禁男女啪啪无遮挡网站| 免费看十八禁软件| 欧美久久黑人一区二区| 不卡一级毛片| 99精品欧美一区二区三区四区| 麻豆av在线久日| 久9热在线精品视频| 成人影院久久| 国产无遮挡羞羞视频在线观看| 热99久久久久精品小说推荐| 1024视频免费在线观看| 国产激情久久老熟女| 中文字幕精品免费在线观看视频| 啦啦啦免费观看视频1| 亚洲九九香蕉| 操美女的视频在线观看| av不卡在线播放| 亚洲伊人色综图| 国产一区二区激情短视频| 制服诱惑二区| 黄色毛片三级朝国网站| 日本五十路高清| videosex国产| 欧美日韩一级在线毛片| 啦啦啦视频在线资源免费观看| 蜜桃国产av成人99| 亚洲精品美女久久av网站| 国产色视频综合| 久久午夜综合久久蜜桃| 欧美亚洲日本最大视频资源| 精品人妻熟女毛片av久久网站| 久久精品91无色码中文字幕| 黑人欧美特级aaaaaa片| 女人被躁到高潮嗷嗷叫费观| 成人亚洲精品一区在线观看| 亚洲精品乱久久久久久| www日本在线高清视频| 免费黄频网站在线观看国产| 国产av精品麻豆| 亚洲人成伊人成综合网2020| 两性午夜刺激爽爽歪歪视频在线观看 | 免费在线观看黄色视频的| 青青草视频在线视频观看| 亚洲中文字幕日韩| 大香蕉久久网| 性少妇av在线| 欧美精品啪啪一区二区三区| 国产精品国产av在线观看| 国产黄色免费在线视频| 怎么达到女性高潮| 亚洲精品在线美女| 19禁男女啪啪无遮挡网站| 在线观看免费午夜福利视频| 亚洲午夜理论影院| 久久精品国产a三级三级三级| 欧美日韩中文字幕国产精品一区二区三区 | 国产一区二区 视频在线| 国产日韩欧美视频二区| 欧美日本中文国产一区发布| 精品熟女少妇八av免费久了| 人人妻人人添人人爽欧美一区卜| 在线观看舔阴道视频| av电影中文网址| 国产伦人伦偷精品视频| 国产有黄有色有爽视频| 成年动漫av网址| 下体分泌物呈黄色| 日本黄色视频三级网站网址 | 国产亚洲午夜精品一区二区久久| 男女高潮啪啪啪动态图| 最新在线观看一区二区三区| 我的亚洲天堂| av一本久久久久| 大香蕉久久网| 亚洲伊人久久精品综合| 久久中文字幕一级| 午夜福利,免费看| 99re6热这里在线精品视频| 亚洲性夜色夜夜综合| 国产伦人伦偷精品视频| 国产av又大| 国产亚洲欧美精品永久| 精品国内亚洲2022精品成人 | 国产成人免费观看mmmm| 中文字幕最新亚洲高清| 99九九在线精品视频| 亚洲欧美激情在线| 免费少妇av软件| 国产免费现黄频在线看| 欧美日韩成人在线一区二区| 亚洲国产欧美在线一区| 女同久久另类99精品国产91| www.999成人在线观看| 成人黄色视频免费在线看| 中文字幕av电影在线播放| 黑人巨大精品欧美一区二区蜜桃| 狠狠狠狠99中文字幕| www.精华液| 麻豆成人av在线观看| 国产一卡二卡三卡精品| 热99re8久久精品国产| av电影中文网址| 久久狼人影院| 香蕉国产在线看| 国精品久久久久久国模美| av线在线观看网站| 极品教师在线免费播放| 80岁老熟妇乱子伦牲交| 一区二区三区精品91| 久久青草综合色| 伊人久久大香线蕉亚洲五| 大香蕉久久网| 嫁个100分男人电影在线观看| 久久香蕉激情| 99re6热这里在线精品视频| 国产有黄有色有爽视频| 午夜福利在线观看吧| 黄色视频,在线免费观看| av福利片在线| 欧美国产精品一级二级三级| 亚洲成人手机| 久热爱精品视频在线9| 无遮挡黄片免费观看| 日韩三级视频一区二区三区| av超薄肉色丝袜交足视频| e午夜精品久久久久久久| 亚洲 欧美一区二区三区| 亚洲精品成人av观看孕妇| 国产真人三级小视频在线观看| 免费高清在线观看日韩| av福利片在线| 91老司机精品| 一级a爱视频在线免费观看| 搡老岳熟女国产| 久久国产精品大桥未久av| 久久香蕉激情| 亚洲欧美日韩高清在线视频 | 999久久久精品免费观看国产| 久久久久久久久免费视频了| 50天的宝宝边吃奶边哭怎么回事| 午夜福利影视在线免费观看| 国产在视频线精品| 黑人巨大精品欧美一区二区mp4| 在线观看人妻少妇| 久久久水蜜桃国产精品网| 麻豆av在线久日| 国产精品久久电影中文字幕 | 少妇的丰满在线观看| 午夜福利视频精品| 国产无遮挡羞羞视频在线观看| 考比视频在线观看| 最近最新中文字幕大全免费视频| 夜夜夜夜夜久久久久| 精品高清国产在线一区| 老司机靠b影院| 深夜精品福利| 免费看十八禁软件| 91大片在线观看| 久久久精品国产亚洲av高清涩受| 亚洲精品一二三| 久久久精品免费免费高清| 丝袜美腿诱惑在线| 亚洲av国产av综合av卡| 欧美中文综合在线视频| 国产在视频线精品| 老熟妇仑乱视频hdxx| 精品人妻熟女毛片av久久网站| 精品熟女少妇八av免费久了| 亚洲精品久久午夜乱码| 丰满饥渴人妻一区二区三| 美女视频免费永久观看网站| 日日摸夜夜添夜夜添小说| 亚洲va日本ⅴa欧美va伊人久久| 欧美激情久久久久久爽电影 | 亚洲国产av新网站| 纵有疾风起免费观看全集完整版| 国产成人一区二区三区免费视频网站| 国产av国产精品国产| 久久国产精品影院| 亚洲精品中文字幕在线视频| 欧美黑人欧美精品刺激| 波多野结衣一区麻豆| 国产男女内射视频| 激情在线观看视频在线高清 | 美国免费a级毛片| 2018国产大陆天天弄谢| www日本在线高清视频| 日韩成人在线观看一区二区三区| 在线天堂中文资源库| 久久亚洲真实| 99热网站在线观看| 啦啦啦中文免费视频观看日本| 少妇 在线观看| 午夜免费成人在线视频| 99re6热这里在线精品视频| 视频在线观看一区二区三区| 免费久久久久久久精品成人欧美视频| 免费一级毛片在线播放高清视频 | 精品一区二区三区av网在线观看 | 亚洲七黄色美女视频| 一本色道久久久久久精品综合| 又黄又粗又硬又大视频| 精品一品国产午夜福利视频| 亚洲av国产av综合av卡| 丁香六月欧美| 精品亚洲成a人片在线观看| 丝袜美腿诱惑在线| 亚洲成国产人片在线观看| 无限看片的www在线观看| 欧美精品高潮呻吟av久久| 久久精品国产亚洲av高清一级| 亚洲精品乱久久久久久| 欧美 亚洲 国产 日韩一| 少妇精品久久久久久久| 黄频高清免费视频| 色婷婷av一区二区三区视频| 久久国产亚洲av麻豆专区| 久久久久久久国产电影| 国产一区二区激情短视频| 日本一区二区免费在线视频| 午夜日韩欧美国产| 丁香六月天网| 满18在线观看网站| 国产激情久久老熟女| 麻豆成人av在线观看| 日韩欧美三级三区| 欧美成狂野欧美在线观看| 看免费av毛片| 999久久久国产精品视频| 国产亚洲欧美在线一区二区| 三级毛片av免费| 天天躁日日躁夜夜躁夜夜| 天天影视国产精品| 久久亚洲真实| av网站在线播放免费| 午夜91福利影院| 亚洲精品久久午夜乱码| 黄色毛片三级朝国网站| 超碰成人久久| 黄色a级毛片大全视频| av免费在线观看网站| 国产精品久久久久成人av| 看免费av毛片| 久久久久久人人人人人| 国产一区二区激情短视频| 99久久国产精品久久久| 欧美乱码精品一区二区三区| 亚洲成人免费av在线播放| 国产伦人伦偷精品视频| 美女扒开内裤让男人捅视频| 亚洲色图av天堂| 午夜福利一区二区在线看| 日韩大码丰满熟妇| 啦啦啦中文免费视频观看日本| 十八禁高潮呻吟视频| 亚洲精品中文字幕一二三四区 | 人人妻,人人澡人人爽秒播| 午夜福利在线免费观看网站| 99香蕉大伊视频| 757午夜福利合集在线观看| 免费在线观看影片大全网站| 99九九在线精品视频| 乱人伦中国视频| 国产亚洲精品久久久久5区| www.精华液| 国产精品久久久久久精品古装| 精品久久久久久久毛片微露脸| 视频在线观看一区二区三区| 777米奇影视久久| 色老头精品视频在线观看| 国产精品影院久久| 亚洲av电影在线进入| 亚洲国产av影院在线观看| av电影中文网址| 人妻 亚洲 视频| 男人操女人黄网站| 精品国产国语对白av| 男女无遮挡免费网站观看| 18在线观看网站| 午夜免费鲁丝| 乱人伦中国视频| 天天操日日干夜夜撸| 最新美女视频免费是黄的| 美女视频免费永久观看网站| 国产男女超爽视频在线观看| 精品欧美一区二区三区在线| 久热爱精品视频在线9| 日本黄色日本黄色录像| 久久免费观看电影| avwww免费| 极品教师在线免费播放| 欧美成狂野欧美在线观看| 精品国产一区二区久久| 免费在线观看日本一区| 在线观看人妻少妇| 日本a在线网址| 成人国产av品久久久| 国产激情久久老熟女| 在线十欧美十亚洲十日本专区| 国产精品久久久av美女十八| 人成视频在线观看免费观看| 亚洲欧洲精品一区二区精品久久久| 久久久久久免费高清国产稀缺| 国产在线免费精品| 老司机午夜福利在线观看视频 | 精品久久久久久久毛片微露脸| 精品国产乱子伦一区二区三区| 久久毛片免费看一区二区三区| 婷婷丁香在线五月| 新久久久久国产一级毛片| 国产欧美日韩综合在线一区二区| 国产一区二区三区视频了| 久久久久国内视频| 老司机在亚洲福利影院| 国产免费福利视频在线观看| 99九九在线精品视频| 国产精品.久久久| 国产成人av激情在线播放| 国产欧美日韩一区二区三| www.精华液| 国产又爽黄色视频| 亚洲免费av在线视频| 嫩草影视91久久| 美女主播在线视频| 超碰97精品在线观看| 免费看十八禁软件| 黄色视频在线播放观看不卡| 黄频高清免费视频| 一本综合久久免费| 午夜福利在线免费观看网站| 在线观看免费高清a一片| 啦啦啦 在线观看视频| 色视频在线一区二区三区| kizo精华| 国产人伦9x9x在线观看| 午夜福利一区二区在线看| 美女扒开内裤让男人捅视频| 亚洲第一av免费看| 成年女人毛片免费观看观看9 | 91麻豆精品激情在线观看国产 | 人妻久久中文字幕网| 国产成人系列免费观看| 日韩一卡2卡3卡4卡2021年| 狠狠精品人妻久久久久久综合| 久9热在线精品视频| 亚洲精品中文字幕在线视频| 欧美乱妇无乱码| 激情视频va一区二区三区| a在线观看视频网站| 一级黄色大片毛片| 夜夜爽天天搞| 午夜激情av网站| 啪啪无遮挡十八禁网站| 下体分泌物呈黄色| 啪啪无遮挡十八禁网站| a级毛片黄视频| 免费日韩欧美在线观看| 色94色欧美一区二区| 丁香六月欧美| 国产精品.久久久| 99国产精品99久久久久| 日韩熟女老妇一区二区性免费视频| 国产成人免费无遮挡视频| 亚洲中文av在线| 美女福利国产在线| 成人免费观看视频高清| 中文字幕高清在线视频| 91成年电影在线观看| 精品卡一卡二卡四卡免费| videosex国产| 色综合婷婷激情| 国产一区二区三区在线臀色熟女 | 看免费av毛片| 亚洲精品粉嫩美女一区| 黄色毛片三级朝国网站| 久久久国产精品麻豆| 色综合婷婷激情| 久久国产精品大桥未久av| 在线观看舔阴道视频| 亚洲九九香蕉| 欧美国产精品va在线观看不卡| 国产男女超爽视频在线观看| 91九色精品人成在线观看| 天天添夜夜摸| 精品久久久精品久久久| 99精国产麻豆久久婷婷| 我要看黄色一级片免费的| 亚洲精品中文字幕一二三四区 | 欧美人与性动交α欧美精品济南到| 亚洲国产欧美日韩在线播放| 午夜精品久久久久久毛片777| 日韩免费av在线播放| 国产精品美女特级片免费视频播放器 | 欧美在线一区亚洲| 九色亚洲精品在线播放| 欧美亚洲 丝袜 人妻 在线| 国产亚洲一区二区精品| 国产欧美日韩一区二区精品| 999久久久国产精品视频| 国产麻豆69| 精品人妻1区二区| 成人国产av品久久久| 精品欧美一区二区三区在线| 久久精品熟女亚洲av麻豆精品| 法律面前人人平等表现在哪些方面| 他把我摸到了高潮在线观看 | 一个人免费在线观看的高清视频| 丰满少妇做爰视频| 日本a在线网址| 午夜激情av网站| 汤姆久久久久久久影院中文字幕| 成人特级黄色片久久久久久久 | 亚洲欧美日韩另类电影网站| 中文欧美无线码| 久久久久久久大尺度免费视频| 免费在线观看黄色视频的| 精品亚洲乱码少妇综合久久| 成人国语在线视频| 国产真人三级小视频在线观看| √禁漫天堂资源中文www| 亚洲视频免费观看视频| 黑人欧美特级aaaaaa片| 国产午夜精品久久久久久| 少妇猛男粗大的猛烈进出视频| 精品国产一区二区三区久久久樱花| 搡老熟女国产l中国老女人| 狠狠婷婷综合久久久久久88av| 曰老女人黄片| 免费人妻精品一区二区三区视频| 国产成人欧美| 久久这里只有精品19| 欧美精品高潮呻吟av久久| 国产成人啪精品午夜网站| 宅男免费午夜| 日日摸夜夜添夜夜添小说| av有码第一页| 看免费av毛片| 欧美av亚洲av综合av国产av| 国产一区有黄有色的免费视频| 99热国产这里只有精品6| 亚洲精品中文字幕在线视频| 午夜福利在线观看吧| 亚洲精品av麻豆狂野| 国产主播在线观看一区二区| 成人手机av| 国产精品熟女久久久久浪| av有码第一页| 亚洲欧洲日产国产| 亚洲成人免费av在线播放| 精品熟女少妇八av免费久了| 建设人人有责人人尽责人人享有的| cao死你这个sao货| 日韩免费高清中文字幕av| 午夜福利在线免费观看网站| 日日爽夜夜爽网站| 久久av网站| 成人影院久久| 电影成人av| 91九色精品人成在线观看| 国产日韩欧美亚洲二区| 日韩人妻精品一区2区三区| 一级片免费观看大全| 免费一级毛片在线播放高清视频 | 亚洲精品粉嫩美女一区| 欧美中文综合在线视频| 久久久久久久精品吃奶| 国产一卡二卡三卡精品| 18禁黄网站禁片午夜丰满| 欧美激情久久久久久爽电影 | 日韩欧美免费精品| 久久久精品94久久精品| 国产日韩欧美在线精品| 操美女的视频在线观看| 亚洲三区欧美一区| 亚洲国产成人一精品久久久| 悠悠久久av| 国产欧美日韩一区二区精品| 午夜精品国产一区二区电影| 黄色片一级片一级黄色片| 日本五十路高清| 在线av久久热| 精品亚洲成国产av| 亚洲成国产人片在线观看| 久久久国产欧美日韩av| av片东京热男人的天堂| 日韩欧美国产一区二区入口| 十分钟在线观看高清视频www| 亚洲av成人不卡在线观看播放网| 最黄视频免费看| 精品人妻1区二区| 亚洲精品乱久久久久久| 精品一品国产午夜福利视频| 法律面前人人平等表现在哪些方面| 成年动漫av网址| 欧美另类亚洲清纯唯美| 精品人妻在线不人妻| 国产精品一区二区在线不卡| 精品人妻熟女毛片av久久网站| 国产成人免费无遮挡视频| 亚洲av电影在线进入| 搡老熟女国产l中国老女人| 国产伦人伦偷精品视频| 不卡av一区二区三区| 肉色欧美久久久久久久蜜桃| 亚洲va日本ⅴa欧美va伊人久久| 精品福利永久在线观看| 在线观看66精品国产| 国产av又大| 亚洲专区中文字幕在线| 三级毛片av免费| 日本五十路高清| 成人国产av品久久久| 高清av免费在线| videos熟女内射| 亚洲国产av影院在线观看| 18禁观看日本| 三级毛片av免费| 飞空精品影院首页| a在线观看视频网站| 色老头精品视频在线观看| 母亲3免费完整高清在线观看| 女性被躁到高潮视频| 一夜夜www| 搡老熟女国产l中国老女人| 91av网站免费观看| 日韩免费高清中文字幕av| 亚洲av第一区精品v没综合| 老熟妇乱子伦视频在线观看| 亚洲国产欧美一区二区综合| 少妇 在线观看| 久久精品亚洲av国产电影网| 精品国产超薄肉色丝袜足j| 成人黄色视频免费在线看| 国产成人系列免费观看| 黄色怎么调成土黄色| 精品免费久久久久久久清纯 | 亚洲,欧美精品.| 精品国产国语对白av| a在线观看视频网站| 精品亚洲成国产av| 淫妇啪啪啪对白视频| 狠狠狠狠99中文字幕| 女人被躁到高潮嗷嗷叫费观| www.精华液| 91成年电影在线观看| 女同久久另类99精品国产91| 日韩大片免费观看网站| 少妇粗大呻吟视频| 欧美一级毛片孕妇| 久久久水蜜桃国产精品网| 国产精品久久久久久精品电影小说| 午夜精品久久久久久毛片777| 日韩精品免费视频一区二区三区| 91精品国产国语对白视频| 一级片免费观看大全| 国产精品影院久久| 久久热在线av| 免费女性裸体啪啪无遮挡网站| 美女视频免费永久观看网站| 亚洲avbb在线观看| 日韩熟女老妇一区二区性免费视频| 少妇 在线观看| 国产97色在线日韩免费| 精品人妻熟女毛片av久久网站| 激情在线观看视频在线高清 | 精品国产国语对白av| 亚洲五月婷婷丁香| 啦啦啦免费观看视频1| 91精品国产国语对白视频| 麻豆av在线久日| 亚洲美女黄片视频| 久久99热这里只频精品6学生| 久久久久久久久久久久大奶| av线在线观看网站| 9色porny在线观看| 纵有疾风起免费观看全集完整版| 国产深夜福利视频在线观看| 丰满迷人的少妇在线观看| 男女免费视频国产| www.自偷自拍.com| 欧美久久黑人一区二区| 18禁美女被吸乳视频| 黄网站色视频无遮挡免费观看| 女警被强在线播放| 久久国产精品男人的天堂亚洲| 中文字幕最新亚洲高清| 久久精品人人爽人人爽视色| 久久精品亚洲精品国产色婷小说| 精品福利永久在线观看| 妹子高潮喷水视频| 日本vs欧美在线观看视频| 成人av一区二区三区在线看| 菩萨蛮人人尽说江南好唐韦庄| 啦啦啦免费观看视频1| 9色porny在线观看| 国产一区二区三区在线臀色熟女 | 午夜老司机福利片| 国产成人系列免费观看| 日韩熟女老妇一区二区性免费视频| 国产免费视频播放在线视频| 精品国产超薄肉色丝袜足j| 18禁裸乳无遮挡动漫免费视频| 一区二区日韩欧美中文字幕| 国产av国产精品国产| 久久中文字幕一级| 水蜜桃什么品种好| 欧美日韩一级在线毛片|