• <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 ?

    改進(jìn)的LBP算子和稀疏表達(dá)分類在人臉表情識(shí)別上的應(yīng)用

    2016-11-09 11:04:04趙棟杰
    電子設(shè)計(jì)工程 2016年20期
    關(guān)鍵詞:像素點(diǎn)人臉特征提取

    趙棟杰

    (江蘇科技大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院,江蘇 鎮(zhèn)江212003)

    改進(jìn)的LBP算子和稀疏表達(dá)分類在人臉表情識(shí)別上的應(yīng)用

    趙棟杰

    (江蘇科技大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院,江蘇 鎮(zhèn)江212003)

    在人臉表情識(shí)別中,基于局部二值模式(LBP)算子算法與傳統(tǒng)的特征提取算法相比具有特征提取準(zhǔn)確、精細(xì)、光照不變性等優(yōu)點(diǎn),但也有直方圖維數(shù)高、判別能力差、具有冗余信息等缺點(diǎn)。本文提出一種C-LBP算法通過加入中心點(diǎn)到算法中進(jìn)行特特征提取,能夠更有效的提取特征數(shù)據(jù)。再結(jié)合使用稀疏表達(dá)分類器實(shí)現(xiàn)對(duì)特征進(jìn)行分類和識(shí)別。經(jīng)實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)LBP算法對(duì)比,文中算法用于人臉表情的識(shí)別的識(shí)別率得到大幅度提高。

    LBP;C-LBP;特征提??;稀疏表達(dá);分類器

    人臉表情是人類情感信息傳播與人際關(guān)系協(xié)調(diào)的重要方式。人臉表情識(shí)別在人際交流以及交互中作用非常的重要,多被應(yīng)用到機(jī)器視覺、智能控制、模式識(shí)別等領(lǐng)域,它根據(jù)人的表情不同做出不同的判斷,更好地滿足人類生活需求。在表情識(shí)別技術(shù)中,如何提取和選擇有效的人臉描述特征是研究的關(guān)鍵內(nèi)容。表情識(shí)別主要由人臉表情識(shí)別的特征提取和稀疏表示分類器的選擇兩個(gè)部分組成。

    特征提取在人臉表情識(shí)別中有著相當(dāng)重要的作用,提取出來的特征也影響著整個(gè)識(shí)別系統(tǒng)的正確率,目前普遍為大家所用的包括整體法、局部法、光流法、模型法和幾何法,整體法和局部法主要用于靜態(tài)圖像特征提取,光流法、模型法和幾何法主要用于動(dòng)態(tài)圖像特征的提取。其中在整體法中較為熟知的提取算法有PCA特征[1]、LDA特征[2]和ICA特征[3];局部法中比較經(jīng)典的算法有LBP算子法和Gabor小波法[4]。Gabor小波在提取目標(biāo)的局部空間和頻率域信息方面具有良好的特性,然而,該算法需要計(jì)算不同尺度和方向的小波核函數(shù),提取出的高維特征向量對(duì)整個(gè)算法造成冗余。相比而言,傳統(tǒng)的LBP算子法是一種簡(jiǎn)單,有效的紋理分類的特征提取算法,在紋理分析方面有著廣泛的應(yīng)用,近幾年在人臉識(shí)別領(lǐng)域取得了巨大的發(fā)展。從傳統(tǒng)的LBP算子法到MB_LBP算子法再到后來的完整LBP算子法[5],每一次的改進(jìn)都在人臉識(shí)別領(lǐng)域取得了較大的成功。例如,LBP算子法到MB_LBP算子法的改進(jìn),相比原始LBP算法整幅圖片進(jìn)行編碼,MB-LBP特征首先將特提取特征的圖像分區(qū)域,在某一塊區(qū)域中再等分成9塊,再以每一小塊的平均灰度值替代原始LBP特征算法的3x3模式中的臨域點(diǎn)灰度值,之后將平均值和中心塊像素值相比,得到MP-LBP特征碼。文中首先采用MB-LBP算法進(jìn)行特征提取,再利用C-LBP算法把中心像素考慮了進(jìn)去并賦予最高的權(quán)值,提高了特征判別力和特征的有效性。

    1 基于改進(jìn)LBP算子的特征提取

    1.1 LBP算子

    局部二值模式(Local Binary Pattern,LBP)特征是一種描述紋理特征的強(qiáng)有力的方法,可對(duì)圖像中局部鄰近區(qū)域的紋理信息進(jìn)行度量和提取。原始的LBP算子為圖像的每個(gè)像素定義了一個(gè)以該像素為中心的3×3的窗口,然后計(jì)算圖像中每個(gè)像素與其局部鄰域點(diǎn)在灰度上的二值關(guān)系,再對(duì)二值關(guān)系按一定規(guī)則加權(quán)編碼形成像素的LBP值,最后把所有區(qū)域的LBP直方圖組合成序列作為圖像的特征描述。如圖1所示,每個(gè)像素需要和其鄰域點(diǎn)像素的灰度值比較大小,大的置1,小的置0,這樣圖像中每個(gè)像素點(diǎn)都得到一個(gè)二進(jìn)制數(shù),將此二進(jìn)制數(shù)轉(zhuǎn)換為十進(jìn)制數(shù)則為像素點(diǎn)的LBP碼,把每幅圖像中所有像素點(diǎn)的LBP碼所構(gòu)成的直方圖作為該圖像的LBP特征。

    圖1 LBP計(jì)算示意圖

    其中,N、R分別表示該像素點(diǎn)的臨域點(diǎn)個(gè)數(shù)、半徑(所謂半徑就是以中心像素點(diǎn)作為圓心,連接臨域點(diǎn)所做的圓的半徑),tn為周圍像素灰度值,tc是中心像素點(diǎn),函數(shù)s(x)定義如下:

    LBP算子對(duì)整幅圖像進(jìn)行編碼得到LBP編碼圖像如圖2所示,將LBP特征用于人臉識(shí)別,典型的方法是將人臉圖像進(jìn)行分塊,對(duì)于每個(gè)小塊進(jìn)行提取LBP特征直方圖,最后形成表示人臉的LBP特征直方圖,可表示為:

    其中圖1中3×3模式LBP碼是8位的二進(jìn)制數(shù),則LBP碼的數(shù)量為n=256(28)。

    圖2 圖像KA_HA1和對(duì)應(yīng)的LBP編碼圖像

    但是,LBP算子在人臉表情識(shí)別有一些不足點(diǎn),主要有以下幾個(gè)方面:1)LBP算子僅考慮了周圍像素并沒有考慮全局的灰度分布;2)產(chǎn)生的直方圖維數(shù)過大,一幅圖像的特征維數(shù)過高會(huì)造成信息冗余并消耗大量的計(jì)算時(shí)間;3)傳統(tǒng)LBP沒有將中心像素點(diǎn)加入計(jì)算,在某些特定情況下,中心像素點(diǎn)要比近鄰點(diǎn)提供更重要的信息。

    1.2 改進(jìn)的LBP算子

    由于傳統(tǒng)LBP算子的不足之處就是特征維數(shù)較大,文中對(duì)LBP算子進(jìn)行了改進(jìn),首先將特提取特征的圖像分區(qū)域,以某一分成9塊子區(qū)域?yàn)槔?,再以每一小塊的平均灰度值替代原始LBP特征算法的3×3模式中的臨域點(diǎn)灰度值,再把中心像素加入到LBP算子中計(jì)算,即C-LBP算子。

    圖3 MB-LBP特征提取方式

    對(duì)于圖3,整體的區(qū)域分為9個(gè)小子區(qū)域,每個(gè)子區(qū)域有6個(gè)像素點(diǎn),將6個(gè)像素點(diǎn)的平均灰度值作為3×3模式中的臨域點(diǎn)灰度值,對(duì)于均值化后的3×3模式如圖4所示。

    圖4 均值化后的3×3模式

    改進(jìn)后的公式為:

    其中,ta=(t0+t1+…+t7+tc)/9。tn為周圍像素灰度值,tc是中心像素點(diǎn),函數(shù)s(x)定義如下:

    其中M為閾值常數(shù)。我們首先使用MB-LBP提取特征,該方法不再基于單個(gè)像素,而是將特征計(jì)算擴(kuò)展到任意大小的“子塊區(qū)域”?!白訅K區(qū)域”的大小決定了捕獲的特征結(jié)構(gòu)的大小,選取不同大小的“子塊”尺度,得到不同尺度的描述特征,增強(qiáng)了特征描述性。使用“子塊區(qū)域”的灰度平均值進(jìn)行特征計(jì)算,增加了像素與像素之間的相關(guān)性,從而削弱了噪聲對(duì)特征計(jì)算的干擾。而后對(duì)處理后的方陣進(jìn)行C-LBP特征提出,這樣做的原因在于傳統(tǒng)的LBP算子將中心像素點(diǎn)tc一直被置為0,然而,在大多數(shù)情況下中心像素點(diǎn)要比其近鄰點(diǎn)提供更重要的信息,因此我們要把tc考慮進(jìn)來,并給予它最高權(quán)值。

    2 稀疏表示分類

    2.1 稀疏表示原理

    稀疏表示理論是基于壓縮感知理論[6-7]提出的。其理論依據(jù)是只要信號(hào)是可壓縮的或者在某個(gè)變換域是稀疏的,便可以用一個(gè)與變換基不相關(guān)的觀測(cè)矩陣將所得高維信號(hào)投影到低維空間,這樣便能夠?qū)BP編碼特征組成的高維度直方圖序列降維來方便分類。

    2.2 稀疏表示分類器

    假設(shè)矩陣A=[A1,A2,…,AN]為表情庫(kù)中的一組訓(xùn)練樣本集,我們也可以稱之為字典,N為庫(kù)中包含的N種表情,Ai=[vi,1,vi,2,…,vi,m]∈Ru×m,Ai為第i類的訓(xùn)練樣本集,vi,m表示第 i類中第m個(gè)樣本。

    此時(shí),一幅測(cè)試圖像y可表示為所有訓(xùn)練樣本的線性組合,即

    其中,x=[0,0,…,0…αk,1,αk,2,…0,…,0]∈Ru;由稀疏理論可知,為了能得到方程y=Ax的最稀疏的解,即所求的系數(shù)向量x包含的非零向量應(yīng)盡量少就越可以判斷出測(cè)試樣本y所屬的類別。因此我們可以通過求解如下最優(yōu)化問題來計(jì)算x

    其中‖g‖0表示l0范數(shù),表示一個(gè)矢量中非零系數(shù)的個(gè)數(shù)。然而由于X解的不確定性,該稀疏系數(shù)求解問題屬于非凸最優(yōu)化問題,是一個(gè)N-P難題。不過根據(jù)文獻(xiàn)[8],只要滿足一定條件,最小化l0最小范數(shù)的NP難題可以轉(zhuǎn)換為最小化l1范數(shù)問題來進(jìn)行求解,即:

    問題(8)屬于可求解的凸優(yōu)化問題,已有許多成熟的求解算法,最常用的l1快速求解算法包括L1-homotopy算法[9-11]、OMP算法[12]、ALM算法、L1-magic范數(shù)算法,這些算法已經(jīng)能近似求出此問題的解法并且得到了很好的識(shí)別效果。我們選用稀疏表示來識(shí)別圖像,一般稱為稀疏表示識(shí)別[13](Sparse-based Representation Classification,SRC),通俗來說就是把庫(kù)中的不同對(duì)象放在訓(xùn)練集中,對(duì)于某個(gè)未識(shí)別的圖像進(jìn)行分類的時(shí)候,可以利用訓(xùn)練集中的每個(gè)樣本來線性組合表示這個(gè)未知類的對(duì)象。稀疏表示分類人臉識(shí)別算法的流程圖如圖5所示。

    圖5 SRC人臉識(shí)別算法的流程圖

    綜上,以下給出基于稀疏表達(dá)的分類器算法:

    1)利用改進(jìn)的LBP算法來提取測(cè)試圖像的LBP特征編碼值。

    2)輸入N類A=[A1,A2,…,AN]訓(xùn)練樣本構(gòu)成特征矩陣。測(cè)試樣本向量為y∈Ru,并且歸一化矩陣A的每一列。

    3)利用L1-homotopy算法求解l1范數(shù)最小化問題:

    4)計(jì)算殘差ri(y)=‖y-AX‖2的最小值作為識(shí)別依據(jù)。

    5)輸出類別identity(y)=arg minxri(y)。

    3 實(shí)驗(yàn)結(jié)果與分析

    文中利用經(jīng)典Jaffe人臉數(shù)據(jù)庫(kù)[14]人臉數(shù)據(jù)庫(kù)進(jìn)行仿真實(shí)驗(yàn)。Jaffe數(shù)據(jù)庫(kù)中有7種表情(生氣、厭惡、恐懼、高興、悲傷、普通以及驚奇),每一種表情有2到4張圖片,包含10位不同女性的圖片,共有213張人臉圖片。以下圖6為Jaffe人臉數(shù)據(jù)庫(kù)中部分7種表情從左到右分別是:憤怒、厭惡、驚恐、高興、中性、悲傷、驚訝。

    對(duì)于Jaffe數(shù)據(jù)庫(kù),由于此數(shù)據(jù)庫(kù)每種表情至少有29副圖像,因此從每類選取29張來進(jìn)行實(shí)驗(yàn)。每次實(shí)驗(yàn),每類隨機(jī)選取15副作為訓(xùn)練集,共105張;余下的每種表情14張分別作為測(cè)試集。降維統(tǒng)一采用PCA降維,最后利用稀疏表達(dá)分類器進(jìn)行人臉表情的識(shí)別和分類。實(shí)驗(yàn)結(jié)果如表1所示。

    圖6 Jaffe人臉表情庫(kù)中部分人臉圖像

    表1 各種方法的表情識(shí)別率對(duì)比

    由表1可看出文中提出的算法相比較傳統(tǒng)LBP特征有了明顯的提高,平均識(shí)別率高出了傳統(tǒng)LBP+SRC算法10個(gè)多百分點(diǎn),高出SRC算法接近30個(gè)百分點(diǎn);傳統(tǒng)LBP特征與本文算法都比只用稀疏表達(dá)分類器得到的識(shí)別效果好,也由此說明了LBP這種特征提取方法的確是有效果的,有些表情比較容易識(shí)別如高興厭惡等,有些表情如恐懼難以識(shí)別,可見每一類表情的識(shí)別率都不相同。通過分別對(duì)Jaffe人臉數(shù)據(jù)庫(kù)實(shí)驗(yàn)可以看出,通過MB-LBP提取局部區(qū)域的特征值,再利用本文的C-LBP算法對(duì)圖像進(jìn)行特征提取,并通過稀疏表達(dá)分類器學(xué)習(xí)分類識(shí)別,比傳統(tǒng)LBP算法效果提高了10%以上的識(shí)別率(達(dá)到了80%以上),并且有效的減少了特征值維數(shù)(信息冗余),處理效率也得到了提高。

    4 結(jié)束語

    文中基于傳統(tǒng)LBP算子的編碼直方圖序列維數(shù)高和局部判別能力不強(qiáng)的缺點(diǎn),對(duì)LBP特征算子進(jìn)行了改進(jìn),首先采用MB-LBP算法對(duì)其優(yōu)化改進(jìn),再利用C-LBP算法對(duì)其進(jìn)行特征提取獲取特征值,利用稀疏表達(dá)的分類器對(duì)提取的表情特征進(jìn)行人臉表情識(shí)別,最后進(jìn)行了相關(guān)的仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,改進(jìn)LBP+SRC算法組合的識(shí)別率高于傳統(tǒng)LBP+SRC算法組合以及單獨(dú)的SRC算法。但是此實(shí)驗(yàn)結(jié)果只是基于Jaffe數(shù)據(jù)庫(kù)中的7種表情識(shí)別,我們知道人臉表情是復(fù)雜變化的,單一的在這個(gè)表情庫(kù)中得出的結(jié)論還是不夠的,我們不能簡(jiǎn)單就把人臉表情劃為文中的這七類,再加上遮擋,光照,角度等問題,對(duì)表情的識(shí)別會(huì)有很大的影響,以后還需要對(duì)人臉復(fù)雜的變化的表情研究,以求實(shí)現(xiàn)能應(yīng)對(duì)復(fù)雜變化的表情識(shí)別。

    [1]CHEN Juan-juan,ZHAO Zheng,SUN Han,et al.Facial expression recognition based on PCA reconstruction[C]//2010 5th Inter-national Conference on Computer Science and Education(ICCSE),2010:195-198.

    [2]David M Blei,Andrew Y Ng,Michael I jordan.Latent Dirichletallocation[J].Journal of Machine Learning Research,2009(3):993-1022.

    [3]周書仁,梁昔明,楊秋芬,等.基于PSO與ICA的表情特征提?。跩].計(jì)算機(jī)應(yīng)用,2007(11):224-245.

    [4]LIXiao-li,RUAN Qiu-qi,RUAN Cheng-xiong.Facial expression recognition with local Gaborfilters[C]//2010 IEEE 10thInter-national Conference on Signal Processing(ICSP2010),2010:334-339.

    [5]GUO Zhen-hua,Zhang L,Zhang D.A completed modeling of localbinary pattern operator for texture classification[J].IEEE Transactionson Image Processing,2010,19(6):1657-1663.

    [6]Chaiyasit Tanchotsrinon,Suphakant phimoltares,saranya Maneeroj.Facial expression recognition using graph-based features and artificial neural networks[C]//2011 IEEE International Conference on Imaging Systems and Techniques(IST),2011:331-334.

    [7]Erdos L,Ramirez J,Schlein B,et al.Bulk universality for wigner hermitian matrices with subexponential decay[J]. Mathematical Research Letters,2010,17(4):667-674.

    [8]DonohoDL.Compressedsensing[J].IEEE Transactions on Information Theory,2006,52(4):1289-1306.

    [9]Emmanuel Candes,Justin Romberg.L1-magic:Recovery of sparse signals via convex programming[R]//Caltech,2005.

    [10]Tony Cai T,Lie Wang.Orthogonal matching pursuit for sparse signal recovery with noise[J].IEEE Transactions on Information Theory,2011,57(7):4680-4688.

    [11]Osborne M R,Turlach B A.A homotopy algorithm for the quantile regression lasso and related piecewise linear problems[C]//JounalofComputionaland GraphicalStatistics,2010.

    [12]劉亞峰,劉昱,段繼忠,等.基于DSP的OMP算法實(shí)現(xiàn)及音頻信號(hào)處理[J].電聲技術(shù),2012(2):37-39.

    [13]Xu Y,David Zhang,Jian Yang,et al.A two-phase test sample sparse representation method for use with face recognition[C]//IEEE Transactions on Circuits and Systems for Video Technology,2011:1255-1262.

    [14]Lyons M,Akamatsu S.Coding facial expressionswith Gabor Wavelets[C]//Proceedings of the Third IEEE International Conference on Automatic Face and Gesture recognition,2014:200-205.

    Facial expression recognition based on improved LBP operator and sparse representation

    ZHAO Dong-jie
    (School of Computer Science and Engineering,Jiangsu University of Science and Technology,Zhenjiang 212003,China)

    In facialexpression recognition,the algorithm LBPwhich based on localbinary pattern has the following advantages,such as the accuration of characteristics extraction,fine and illumination invariant comparing to the traditional feature extraction algorithm,but it also has disadvantages such as high dimension histogram,poor discriminant abilitys,much redundant information and so on.The C-LBP operator algorithm that presented in the paper extracts the feature datamore efficiently by adding the central point to the algorithm for feature extraction.And using the algorithm made the classification and recognition of characteristics which using sparse expression classifier come true.The experimental results show that,compared with the traditional LBPalgorithm,the recognition rate of facialexpression recognition isgreatly improved.

    LBP;C-LBP;feature extraction;sparse expression;classifier

    TN0

    A

    1674-6236(2016)20-0174-04

    2015-10-20 稿件編號(hào):201510124

    趙棟杰(1990—),男,江蘇丹陽人,碩士。研究方向:人臉識(shí)別。

    猜你喜歡
    像素點(diǎn)人臉特征提取
    有特點(diǎn)的人臉
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    三國(guó)漫——人臉解鎖
    基于canvas的前端數(shù)據(jù)加密
    Bagging RCSP腦電特征提取算法
    基于逐像素點(diǎn)深度卷積網(wǎng)絡(luò)分割模型的上皮和間質(zhì)組織分割
    馬面部與人臉相似度驚人
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    基于Node-Cell結(jié)構(gòu)的HEVC幀內(nèi)編碼
    長(zhǎng)得象人臉的十種動(dòng)物
    奇聞怪事(2014年5期)2014-05-13 21:43:01
    七月丁香在线播放| 最近中文字幕2019免费版| 亚洲精品在线美女| 在线观看国产h片| 亚洲美女黄色视频免费看| 精品福利永久在线观看| 国产免费现黄频在线看| 欧美激情极品国产一区二区三区| 亚洲伊人色综图| 免费在线观看影片大全网站 | 电影成人av| 国产av一区二区精品久久| 精品人妻一区二区三区麻豆| 国产高清视频在线播放一区 | tube8黄色片| 久久亚洲精品不卡| av欧美777| av在线老鸭窝| 久久久久久人人人人人| 在线观看www视频免费| 王馨瑶露胸无遮挡在线观看| 久久热在线av| 美女扒开内裤让男人捅视频| 日本色播在线视频| 性少妇av在线| 色婷婷av一区二区三区视频| 国产激情久久老熟女| 国产一区亚洲一区在线观看| 别揉我奶头~嗯~啊~动态视频 | 欧美黑人精品巨大| 80岁老熟妇乱子伦牲交| 国产主播在线观看一区二区 | 国产一区二区在线观看av| 国产精品秋霞免费鲁丝片| 99香蕉大伊视频| 交换朋友夫妻互换小说| 亚洲成色77777| 亚洲国产精品999| 丝袜脚勾引网站| 国产av国产精品国产| 久久这里只有精品19| 欧美日韩视频精品一区| 最新的欧美精品一区二区| 免费在线观看完整版高清| 亚洲男人天堂网一区| 午夜福利免费观看在线| 久久久国产精品麻豆| 啦啦啦 在线观看视频| 18禁国产床啪视频网站| 日韩欧美一区视频在线观看| 亚洲精品久久成人aⅴ小说| 成年动漫av网址| 一个人免费看片子| 日韩制服丝袜自拍偷拍| 久久久久久久国产电影| 久久久久久免费高清国产稀缺| 91老司机精品| 热99国产精品久久久久久7| 国产成人欧美| 国产野战对白在线观看| 久久精品国产a三级三级三级| 悠悠久久av| 午夜精品国产一区二区电影| 美女视频免费永久观看网站| 麻豆乱淫一区二区| 国产黄色视频一区二区在线观看| 亚洲av片天天在线观看| 看免费av毛片| 欧美久久黑人一区二区| 欧美国产精品一级二级三级| 国产男人的电影天堂91| 精品熟女少妇八av免费久了| 国产一区二区三区av在线| 最黄视频免费看| 亚洲精品自拍成人| 久久久久精品人妻al黑| 久久精品熟女亚洲av麻豆精品| 国产又爽黄色视频| 97在线人人人人妻| 伊人久久大香线蕉亚洲五| 亚洲 国产 在线| 999精品在线视频| 黄色 视频免费看| 蜜桃国产av成人99| 欧美日韩亚洲高清精品| 亚洲精品成人av观看孕妇| 久久久久网色| 好男人视频免费观看在线| 日日爽夜夜爽网站| 好男人视频免费观看在线| 91精品国产国语对白视频| 欧美精品av麻豆av| 亚洲国产中文字幕在线视频| 高清av免费在线| 欧美另类一区| 中文字幕最新亚洲高清| 午夜激情久久久久久久| 国产成人免费观看mmmm| 菩萨蛮人人尽说江南好唐韦庄| 婷婷色综合大香蕉| 汤姆久久久久久久影院中文字幕| 久久久亚洲精品成人影院| 永久免费av网站大全| 精品福利永久在线观看| 天天操日日干夜夜撸| 精品福利永久在线观看| 99精国产麻豆久久婷婷| 免费高清在线观看日韩| 少妇裸体淫交视频免费看高清 | 国产精品久久久久久人妻精品电影 | 亚洲欧美一区二区三区久久| 精品卡一卡二卡四卡免费| 国产老妇伦熟女老妇高清| 99久久人妻综合| 亚洲精品美女久久av网站| 男的添女的下面高潮视频| 久久九九热精品免费| 青春草亚洲视频在线观看| 国产成人精品久久二区二区免费| 超碰成人久久| 丁香六月天网| 九草在线视频观看| 免费女性裸体啪啪无遮挡网站| 久久人妻福利社区极品人妻图片 | 黑人猛操日本美女一级片| 女人爽到高潮嗷嗷叫在线视频| 99久久99久久久精品蜜桃| 亚洲精品一卡2卡三卡4卡5卡 | 观看av在线不卡| 亚洲国产精品一区三区| 中文字幕精品免费在线观看视频| 欧美国产精品va在线观看不卡| 好男人视频免费观看在线| 欧美 亚洲 国产 日韩一| 色婷婷久久久亚洲欧美| 国语对白做爰xxxⅹ性视频网站| 国产99久久九九免费精品| 国产一区二区 视频在线| 中文字幕最新亚洲高清| 久久ye,这里只有精品| 欧美另类一区| 亚洲情色 制服丝袜| 国产精品熟女久久久久浪| 国产老妇伦熟女老妇高清| 美女国产高潮福利片在线看| 免费日韩欧美在线观看| 秋霞在线观看毛片| 成人国语在线视频| 麻豆av在线久日| 免费高清在线观看视频在线观看| 亚洲精品久久久久久婷婷小说| 大香蕉久久成人网| 国产极品粉嫩免费观看在线| 国产成人一区二区三区免费视频网站 | 国产精品麻豆人妻色哟哟久久| 精品人妻在线不人妻| h视频一区二区三区| 久久精品国产亚洲av涩爱| 男女之事视频高清在线观看 | 亚洲天堂av无毛| 一区二区三区精品91| 99热网站在线观看| 国产精品一区二区免费欧美 | 亚洲欧洲精品一区二区精品久久久| 青青草视频在线视频观看| 亚洲,一卡二卡三卡| 夜夜骑夜夜射夜夜干| 亚洲国产精品成人久久小说| 国产精品免费视频内射| 亚洲专区国产一区二区| 国产精品99久久99久久久不卡| 国产成人欧美| h视频一区二区三区| 亚洲成人国产一区在线观看 | 久久久精品94久久精品| 免费在线观看日本一区| 久久精品国产综合久久久| 国产精品久久久久久精品电影小说| 欧美精品亚洲一区二区| 老熟女久久久| 国产精品久久久av美女十八| 少妇被粗大的猛进出69影院| 岛国毛片在线播放| 国产福利在线免费观看视频| 在线观看免费日韩欧美大片| 少妇人妻 视频| 欧美精品av麻豆av| 啦啦啦中文免费视频观看日本| www.熟女人妻精品国产| 久久久久久久精品精品| 久久精品久久精品一区二区三区| 下体分泌物呈黄色| 国产精品免费视频内射| 妹子高潮喷水视频| 黑人巨大精品欧美一区二区蜜桃| 精品一品国产午夜福利视频| 丝袜美腿诱惑在线| 免费在线观看黄色视频的| 伦理电影免费视频| 丝袜美足系列| 美国免费a级毛片| 水蜜桃什么品种好| 中文字幕制服av| 国产午夜精品一二区理论片| 午夜影院在线不卡| 国产在线一区二区三区精| 啦啦啦啦在线视频资源| 国产精品久久久av美女十八| 国产欧美日韩一区二区三 | 高清欧美精品videossex| 99国产精品一区二区三区| 欧美+亚洲+日韩+国产| 波野结衣二区三区在线| e午夜精品久久久久久久| 我的亚洲天堂| 成年人午夜在线观看视频| 老汉色∧v一级毛片| 国产淫语在线视频| 成年人免费黄色播放视频| 99国产综合亚洲精品| 久久天躁狠狠躁夜夜2o2o | 亚洲精品日本国产第一区| 女人被躁到高潮嗷嗷叫费观| 欧美在线黄色| 国产男女超爽视频在线观看| 成人黄色视频免费在线看| 国产99久久九九免费精品| 亚洲欧美日韩另类电影网站| 狠狠精品人妻久久久久久综合| 亚洲专区中文字幕在线| 国产精品麻豆人妻色哟哟久久| 久久精品熟女亚洲av麻豆精品| 亚洲第一青青草原| 人人妻人人澡人人爽人人夜夜| 精品免费久久久久久久清纯 | 成在线人永久免费视频| 久久久亚洲精品成人影院| 国产熟女午夜一区二区三区| 日韩大片免费观看网站| 久久ye,这里只有精品| 婷婷色综合www| 日韩一区二区三区影片| av线在线观看网站| 午夜免费观看性视频| 国产欧美亚洲国产| 久久精品国产亚洲av高清一级| 婷婷色麻豆天堂久久| 国产精品成人在线| 午夜激情av网站| 国产精品免费视频内射| 国产高清视频在线播放一区 | 亚洲三区欧美一区| 女人高潮潮喷娇喘18禁视频| 亚洲人成网站在线观看播放| 日韩,欧美,国产一区二区三区| 人体艺术视频欧美日本| 亚洲av国产av综合av卡| 操美女的视频在线观看| 真人做人爱边吃奶动态| 丰满饥渴人妻一区二区三| 激情视频va一区二区三区| 国产成人系列免费观看| 国产欧美日韩一区二区三 | 国产亚洲一区二区精品| 亚洲精品国产av蜜桃| 少妇被粗大的猛进出69影院| 国产高清不卡午夜福利| 亚洲激情五月婷婷啪啪| 各种免费的搞黄视频| 丰满迷人的少妇在线观看| 中文字幕av电影在线播放| 国产精品免费视频内射| 99久久人妻综合| 国产欧美日韩一区二区三 | 国产精品一二三区在线看| 国产91精品成人一区二区三区 | 国产成人av激情在线播放| 久久久久久免费高清国产稀缺| 1024香蕉在线观看| 如日韩欧美国产精品一区二区三区| 亚洲成国产人片在线观看| 国产成人免费无遮挡视频| 亚洲午夜精品一区,二区,三区| 悠悠久久av| 国产主播在线观看一区二区 | 欧美大码av| 夜夜骑夜夜射夜夜干| 免费在线观看影片大全网站 | 老司机影院毛片| 久9热在线精品视频| 亚洲欧洲日产国产| 精品国产国语对白av| 秋霞在线观看毛片| 在线观看人妻少妇| 成人免费观看视频高清| 中国美女看黄片| 国产一区二区在线观看av| 国产一区二区 视频在线| 色婷婷久久久亚洲欧美| 自线自在国产av| 美女中出高潮动态图| 亚洲欧美色中文字幕在线| a级片在线免费高清观看视频| 久久狼人影院| 国产男女超爽视频在线观看| 日本av免费视频播放| 欧美中文综合在线视频| 人妻人人澡人人爽人人| 每晚都被弄得嗷嗷叫到高潮| 久久久欧美国产精品| 亚洲欧美精品自产自拍| 在线观看免费午夜福利视频| 久久久久精品国产欧美久久久 | 久久久久国产一级毛片高清牌| 我要看黄色一级片免费的| 999久久久国产精品视频| 亚洲国产日韩一区二区| 两性夫妻黄色片| 欧美另类一区| 男人爽女人下面视频在线观看| 丝瓜视频免费看黄片| 深夜精品福利| 丝袜人妻中文字幕| 人人澡人人妻人| 亚洲中文字幕日韩| 在线精品无人区一区二区三| 两性夫妻黄色片| 日日摸夜夜添夜夜爱| 伊人久久大香线蕉亚洲五| 久久国产精品大桥未久av| 欧美日韩福利视频一区二区| 中文精品一卡2卡3卡4更新| 少妇 在线观看| 国产一区二区三区综合在线观看| 只有这里有精品99| 国产成人av激情在线播放| 每晚都被弄得嗷嗷叫到高潮| 亚洲av日韩精品久久久久久密 | 高清av免费在线| 老司机在亚洲福利影院| 精品人妻在线不人妻| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲精品久久午夜乱码| 欧美日韩亚洲高清精品| 久久国产精品大桥未久av| 七月丁香在线播放| 美女国产高潮福利片在线看| 亚洲第一av免费看| 肉色欧美久久久久久久蜜桃| 日本wwww免费看| 国产成人a∨麻豆精品| 极品少妇高潮喷水抽搐| 天天躁夜夜躁狠狠久久av| 免费av中文字幕在线| 不卡av一区二区三区| 成年动漫av网址| 精品免费久久久久久久清纯 | 亚洲专区中文字幕在线| 国产精品99久久99久久久不卡| 午夜福利乱码中文字幕| 免费看十八禁软件| 久久综合国产亚洲精品| 亚洲专区中文字幕在线| 夫妻性生交免费视频一级片| 色婷婷av一区二区三区视频| 成年人午夜在线观看视频| 高清视频免费观看一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| 国产成人a∨麻豆精品| 国产xxxxx性猛交| 人成视频在线观看免费观看| 亚洲欧美日韩高清在线视频 | cao死你这个sao货| 国产男人的电影天堂91| 久久久久国产精品人妻一区二区| 日本欧美视频一区| 国产精品久久久久久人妻精品电影 | 嫁个100分男人电影在线观看 | 午夜福利乱码中文字幕| 国产色视频综合| 日韩免费高清中文字幕av| 亚洲第一av免费看| 亚洲精品自拍成人| 脱女人内裤的视频| www.自偷自拍.com| 男女之事视频高清在线观看 | 校园人妻丝袜中文字幕| 欧美+亚洲+日韩+国产| 久久女婷五月综合色啪小说| 日韩中文字幕视频在线看片| 亚洲欧美一区二区三区国产| 国产主播在线观看一区二区 | 91九色精品人成在线观看| 成年动漫av网址| 麻豆av在线久日| 人人澡人人妻人| 亚洲成人免费av在线播放| 满18在线观看网站| 久久国产精品人妻蜜桃| 成人国产一区最新在线观看 | 黄色毛片三级朝国网站| 丁香六月天网| 日韩人妻精品一区2区三区| 久久影院123| 亚洲国产欧美日韩在线播放| 久久精品人人爽人人爽视色| 一本—道久久a久久精品蜜桃钙片| 国产精品久久久久久精品电影小说| 亚洲男人天堂网一区| 人人妻人人澡人人看| 中文乱码字字幕精品一区二区三区| 午夜福利一区二区在线看| 中文字幕人妻熟女乱码| 美国免费a级毛片| 午夜福利乱码中文字幕| 国产精品一国产av| 老司机深夜福利视频在线观看 | 纯流量卡能插随身wifi吗| 黑丝袜美女国产一区| 国产成人免费观看mmmm| 国产黄色视频一区二区在线观看| 日本黄色日本黄色录像| 免费不卡黄色视频| 欧美成人午夜精品| 国产av精品麻豆| 熟女少妇亚洲综合色aaa.| 热re99久久精品国产66热6| 黄色一级大片看看| 精品欧美一区二区三区在线| 国产黄色视频一区二区在线观看| 久久天堂一区二区三区四区| 精品国产一区二区久久| 超碰成人久久| 十八禁网站网址无遮挡| 极品人妻少妇av视频| 欧美精品亚洲一区二区| 青草久久国产| 国产一区亚洲一区在线观看| 亚洲熟女毛片儿| 久久人妻福利社区极品人妻图片 | 欧美+亚洲+日韩+国产| 亚洲黑人精品在线| 免费在线观看日本一区| 巨乳人妻的诱惑在线观看| 两性夫妻黄色片| av国产久精品久网站免费入址| 亚洲国产毛片av蜜桃av| 这个男人来自地球电影免费观看| 啦啦啦视频在线资源免费观看| 搡老岳熟女国产| 久久99精品国语久久久| 亚洲成人手机| 久热这里只有精品99| 18禁黄网站禁片午夜丰满| 国产精品一二三区在线看| 91精品三级在线观看| av片东京热男人的天堂| 婷婷色av中文字幕| 日韩一本色道免费dvd| 男男h啪啪无遮挡| 两个人免费观看高清视频| 久久性视频一级片| 日韩免费高清中文字幕av| 久久久欧美国产精品| 国产成人一区二区三区免费视频网站 | 国产亚洲精品久久久久5区| √禁漫天堂资源中文www| 18禁观看日本| 欧美精品人与动牲交sv欧美| 国产成人av激情在线播放| 精品亚洲成a人片在线观看| 免费看十八禁软件| 美女福利国产在线| 国产一区二区 视频在线| 悠悠久久av| cao死你这个sao货| 亚洲色图综合在线观看| 午夜福利视频在线观看免费| 亚洲人成电影观看| 超碰成人久久| 十八禁网站网址无遮挡| 国产一区亚洲一区在线观看| 激情视频va一区二区三区| 免费观看人在逋| 国产一区二区 视频在线| 亚洲国产毛片av蜜桃av| 亚洲色图 男人天堂 中文字幕| netflix在线观看网站| 国产不卡av网站在线观看| 精品久久久久久电影网| 秋霞在线观看毛片| 香蕉丝袜av| 天堂8中文在线网| 国产成人系列免费观看| 午夜av观看不卡| 男人爽女人下面视频在线观看| 捣出白浆h1v1| 欧美国产精品一级二级三级| 久久精品国产a三级三级三级| 纵有疾风起免费观看全集完整版| 国产1区2区3区精品| 欧美黑人欧美精品刺激| 亚洲欧洲日产国产| 亚洲精品久久成人aⅴ小说| 一级毛片 在线播放| 一区二区三区激情视频| 国产免费福利视频在线观看| 日本av手机在线免费观看| av欧美777| 亚洲伊人久久精品综合| 国产精品一二三区在线看| 欧美xxⅹ黑人| 久久 成人 亚洲| 另类亚洲欧美激情| 18禁裸乳无遮挡动漫免费视频| 啦啦啦啦在线视频资源| 大型av网站在线播放| 99久久综合免费| 亚洲久久久国产精品| 多毛熟女@视频| 精品亚洲成a人片在线观看| 亚洲熟女精品中文字幕| 九色亚洲精品在线播放| 免费高清在线观看日韩| 青青草视频在线视频观看| 国产精品香港三级国产av潘金莲 | 女性被躁到高潮视频| 亚洲av电影在线进入| 黄色a级毛片大全视频| 久久精品aⅴ一区二区三区四区| 国产成人91sexporn| 建设人人有责人人尽责人人享有的| 久久人妻熟女aⅴ| 午夜福利视频精品| 免费在线观看完整版高清| 亚洲国产中文字幕在线视频| 国产亚洲av片在线观看秒播厂| 91国产中文字幕| 精品福利观看| 成年美女黄网站色视频大全免费| 男男h啪啪无遮挡| 欧美激情极品国产一区二区三区| 国产高清videossex| 欧美97在线视频| 国产97色在线日韩免费| 丝瓜视频免费看黄片| 男人操女人黄网站| 国产精品国产三级国产专区5o| 欧美xxⅹ黑人| 一级毛片我不卡| 国产免费现黄频在线看| 久久久久久久精品精品| 亚洲,欧美精品.| 精品一区在线观看国产| 亚洲国产看品久久| 女人精品久久久久毛片| 丝瓜视频免费看黄片| 免费观看a级毛片全部| 欧美日韩av久久| 大型av网站在线播放| 亚洲自偷自拍图片 自拍| 国产高清不卡午夜福利| 99国产精品99久久久久| 啦啦啦 在线观看视频| 黑人欧美特级aaaaaa片| 久久毛片免费看一区二区三区| 成人三级做爰电影| 亚洲少妇的诱惑av| 国产成人91sexporn| 成年av动漫网址| 69精品国产乱码久久久| 国产无遮挡羞羞视频在线观看| 久久天躁狠狠躁夜夜2o2o | 久久女婷五月综合色啪小说| av国产精品久久久久影院| 亚洲精品美女久久av网站| av在线播放精品| 精品久久久久久久毛片微露脸 | 亚洲av成人精品一二三区| 97在线人人人人妻| 91麻豆av在线| 日韩精品免费视频一区二区三区| 欧美黄色淫秽网站| 无遮挡黄片免费观看| 波多野结衣一区麻豆| 国产精品免费视频内射| 国产成人影院久久av| 狂野欧美激情性bbbbbb| 国产亚洲欧美在线一区二区| 国产精品一区二区在线不卡| 久久av网站| 国产精品一区二区免费欧美 | 久久狼人影院| 午夜激情久久久久久久| 久久狼人影院| 免费av中文字幕在线| 亚洲视频免费观看视频| 亚洲情色 制服丝袜| 日韩,欧美,国产一区二区三区| 看免费av毛片| 亚洲人成77777在线视频| 精品久久久精品久久久| 满18在线观看网站| 国产精品99久久99久久久不卡| 99国产精品一区二区蜜桃av | 一边摸一边做爽爽视频免费| 亚洲五月婷婷丁香| 婷婷成人精品国产| 国产精品秋霞免费鲁丝片| 国产免费又黄又爽又色| 亚洲精品国产色婷婷电影| 人人妻人人爽人人添夜夜欢视频| 一级毛片女人18水好多 | 50天的宝宝边吃奶边哭怎么回事| 男女床上黄色一级片免费看|