• <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 ?

    采用局部二值模式與深度信念網(wǎng)絡的人臉識別*

    2016-11-12 06:53:41進,嚴輝,王
    電訊技術(shù) 2016年10期
    關(guān)鍵詞:識別率人臉識別人臉

    吳 進,嚴 輝,王 潔

    (西安郵電大學 電子工程學院,西安 710121)

    ?

    采用局部二值模式與深度信念網(wǎng)絡的人臉識別*

    吳進**,嚴輝,王潔

    (西安郵電大學 電子工程學院,西安 710121)

    針對人臉維度過高和人臉局部特征提取易忽略的問題,提出了一種將多尺度局部二值模式(LBP)算法與深度信念網(wǎng)絡(DBN)算法相結(jié)合的人臉識別方法。首先采用多尺度LBP算法提取人臉紋理特征,進而將LBP提取的紋理特征作為深度信念網(wǎng)絡的輸入,最后通過逐層網(wǎng)絡訓練,得到網(wǎng)絡的最優(yōu)參數(shù),并在ORL人臉庫中進行測試,識別率可達95.2%,比使用Gabor小波和主成分分析(PCA)算法的人臉識別高2.6%,說明該算法具有很好的人臉識別能力。

    人臉識別;特征提取;局部二值模式;深度信念網(wǎng)絡;受限波爾茲曼機

    1 引 言

    人臉識別作為模式識別領域的熱點研究,其社會價值在各個領域得到了體現(xiàn)[1]。而自從Hinton等人提出了深度學習的概念后,深度學習在機器學習上取得了良好的成果。在復雜函數(shù)和復雜分類上,深度學習網(wǎng)絡的結(jié)構(gòu)比淺層網(wǎng)絡結(jié)構(gòu)更加有效,繼而產(chǎn)生了各種深度學習的模型,而深度信念網(wǎng)絡(Deep Belief Network,DBN)可以算作典型模型之一。人臉的特征提取是識別的關(guān)鍵,然而經(jīng)過無數(shù)學者的研究,提出了全局特征提取的方法有:主成分分析(Principal Component Analysis,PCA)[2]法;文獻[3]提出的相位圖方法用于光照不變?nèi)四樧R別,將圖像經(jīng)過快速傅里葉變換到頻域后,相位圖比能量圖包含了對識別有用的信息,而且相位圖對光照變化不敏感;文獻[4]采用的是Gabor小波和支持向量機的方法進行人臉識別。局部特征提取方法主要有有局部二值模式(Local Binary Pattern,LBP)[5]、Gabor小波[6]等。隨著DBN在圖像領域的應用,其在人臉識別上也得到了關(guān)注,獲得了很高的識別率,但是DBN達不到圖像局部特征的要求,且伴隨著人臉受光照、姿態(tài)、表情的影響;然而,LBP是作為紋理描述的算子,可以將LBP得到的紋理特征作為DBN的輸入,以彌補DBN的缺陷,提高人臉的識別率和魯棒性。

    針對主成分分析以及Gabor小波方法不能很好地處理人臉圖像的局部信息以及對于人臉的高維特征的提取,本文提出了基于LBP和DBN相結(jié)合的網(wǎng)絡模型,通過DBN的分類,得到了很好的分類性質(zhì)的特征。實驗表明該算法具有很好的人臉識別效果。

    2 基本原理

    2.1局部二值模式(LBP)

    LBP算子是用來描述紋理特征的,它可以有效地提取灰度圖像中局部鄰近區(qū)域的紋理,LBP算子具有高鑒別性、復雜度底、旋轉(zhuǎn)不變性和灰度不變性等特點。LBP算子通常由(P,R)來表示,P表示鄰域內(nèi)包含的像素個數(shù),R表示鄰域半徑,我們以任意一個像素點gc(xc,yc)為閾值,對周圍其他8個像素點做二值化處理,將灰度值大于閾值的點設置為1,小于閾值的點設置為0,以此可得到一個8位的二進制數(shù),用這個值來反映該區(qū)域的紋理信息。

    LBP的編碼計算公式[7]為

    (1)

    (2)

    將8個像素點按順時針方向排列得到一個8位的二進制編碼,即(01111100),進而轉(zhuǎn)換成十進制,就可以得到對中心像素計算后的結(jié)果,最后做直方圖統(tǒng)計,得到直方圖特征向量。定義圖像特征H為

    (3)

    式中:n表示LBP算子產(chǎn)生不同標記的數(shù)據(jù);i表示一個LBP模式,它決定于所使用的LBP算子。

    人臉可以看作是由微小部分組成,而這些每一個小塊就可以通過LBP碼來描述。為了改善傳統(tǒng)LBP算子維度高、局部紋理信息差的特點,本文通過將人臉分成16個子區(qū)域,然后對每個區(qū)域的LBP譜計算,得到H1~H16,最后統(tǒng)計每個區(qū)域的譜直方圖形成整個圖片的特征直方圖,即可以表示為Hi={H1,H2,…,H16}, 這個方法很好地提取到了圖片不同區(qū)域的特征。

    2.2深度信念網(wǎng)絡模型

    深度學習是由Hinton等人[8-9]于2006年提出來的,深度信念網(wǎng)絡是一個包含多層隱層的概率模型,每一層從前一層的隱含單元捕獲高度的關(guān)聯(lián)性,而隱含層就是由受限的玻爾茲曼機構(gòu)成。

    受限玻爾茲曼機(Restricted Boltzmann Machine,RBM)[10]是一種由兩層節(jié)點組成的網(wǎng)絡,是由一層可視層單元和隱藏層單元組成的隨機神經(jīng)網(wǎng)絡,被看作是二分結(jié)構(gòu)的無向圖,其中所有的可視層單元連向了隱含層。可視層由v個隨機變量組成,V=[v1,v2,…,vv],隱含層由h個隨機變量組成,H=[h1,h2,…,hh]。同時在已知可視層的情況下,所有的隱含層單元是條件獨立的,反之也成立。其聯(lián)合組態(tài)的能量可表示為

    (4)

    式中:θ=(a,b,w)是RBM的參數(shù);Wij是可視層和隱含層之間的連接權(quán)重;bi表示可視層的權(quán)重;aj表示隱含層的權(quán)重。根據(jù)無向圖的模型可得,隨機變量(v,h)的聯(lián)合概率密度即為該模型的Gibbs分布,用式子可表示為

    (5)

    其中:

    (6)

    結(jié)合式(1)~(3)可以得到概率為

    (7)

    (8)

    式中:σ(x)=(1+e-x)-1是激活函數(shù),即sigmoid函數(shù)值范圍為[0,1]。

    深度信念網(wǎng)絡可以看做是由多個受限玻爾茲曼機的累加,也可看作是由多個隨機變量組成的有向無環(huán)圖,其實DBN是一個概率的生成模型,生成模型是建立在一個觀察數(shù)據(jù)和標簽之間的聯(lián)合分布。使用每個底層的RBM作為輸入的數(shù)據(jù)用于訓練下一個RBM,進行貪婪學習得到一組RBM,如圖1是DBN的結(jié)構(gòu)圖[11]。對于一個含有l(wèi)層隱藏單元的DBN,可視單元和隱藏單元之間的聯(lián)合分布可以表示為

    (9)

    式中:v表示深度信念網(wǎng)絡的可視單元,且v=h(0);h(k)表示第k層隱藏單元,其中,k=1,2,…,l,并且第k層和第k+1層的隱藏單元滿足

    (10)

    (11)

    圖1 深度信念網(wǎng)絡結(jié)構(gòu)

    3 實驗結(jié)果以及分析

    3.1本文改進的算法

    由于傳統(tǒng)LBP對人臉局部紋理特征信息提取的不足,本文采取多尺度的LBP紋理特征提取方法對人臉進行分塊提取每一塊的特征,最后統(tǒng)計整個人臉的紋理特征作為深度信念網(wǎng)絡的輸入,算法的結(jié)構(gòu)如圖2所示。

    圖2 人臉識別模型

    算法具體步驟如下:

    Step 1 將訓練集和測試集分塊進行特征提取,對每個子塊進行直方圖提取,并將所有子塊的特征連接起來形成最終的LBP紋理特征;

    Step 2 將訓練集的LBP紋理特征輸入給DBN的可視層,然后進行各層的訓練,得到所需最優(yōu)的參數(shù);

    Step 3 其中RBM的訓練采用CD學習來更新權(quán)值,獲得樣本數(shù)據(jù)的特征,權(quán)值更新表示為

    Wij←Wij+ΔWij,

    (12)

    ΔWij=ε(〈vihj〉data-〈vihj〉model);

    (13)

    Step 4 對每一層得到的權(quán)值W采用共軛梯度法進行微調(diào),最后采用反向傳播微調(diào)整個網(wǎng)絡,并利用分類器分類后獲得測試樣本的標簽,計算正確識別率。

    3.2在ORL數(shù)據(jù)庫上的測試

    為了驗證本文算法,我們采用的是ORL人臉數(shù)據(jù)庫,ORL數(shù)據(jù)庫中有40位人,其中每一位人有10張圖片,并且有著不同的姿勢、表情,這樣實驗中總共有400張人臉,我們采用隨機抽取每個人的7幅圖片作為訓練集,3張為測試集。圖4所示是ORL人臉庫實例,實驗實現(xiàn)的平臺為Windows7和MatlabR2014a,采用的處理器為Intel(R) core(TM) i3-2530M CPU 2.30 GHz,內(nèi)存8.00 GB。

    圖3 ORL人臉庫實例

    首先對人臉庫中的人臉進行多尺度LBP特征提取,統(tǒng)計每一個分塊的特征,最終得到一個完整的人臉特征,分別對不同表情和姿態(tài)的人臉進行了人臉的特征提取,測試結(jié)果如圖4所示。

    圖4 特征提取

    在實驗中我們對圖片進行LBP特征提取時采用的是4×4分塊,半徑為1,像素數(shù)為8;選擇的模型為兩個DBN的隱層,分別為100-100-40、150-100-40、200-100-40進行了測試,最后的100-40為邏輯回歸層,對每一層進行3 000輪的循環(huán)迭代,學習率為0.01。采用本文的算法得到的實驗結(jié)果如表1所示,采用Gabor和PCA人臉識別的方法以及Gabor和支持向量機(Support Vector Machine,SVM)人臉識別的方法結(jié)果如表2所示,可見所提出方法的識別率比另外兩種方法的識別率有明顯提高,其可能原因是LBP提取到的紋理特征更能代表人臉的信息,更有利于網(wǎng)絡的學習,并且由實驗結(jié)果可知,隨著隱含層節(jié)點的增加,識別率也隨著提高。而Gabor+PCA的方法識別率低的原因是在更大的訓練樣本上,光照以及人的姿態(tài)等其他因素全部集中在了主成分分析的主向量上,導致了識別率的降低。所以,所提出的方法在識別率和魯棒性上都有很好的優(yōu)勢。

    表1 LBP+DBN實驗結(jié)果

    表2 與其他方法比較

    4 結(jié)束語

    本文方法是對局部二值模式改進后和深度信念網(wǎng)絡的結(jié)合。根據(jù)實驗對比,本文方法比Gabor小波和主成分分析以及SVM人臉識算法在識別率上都有明顯提高,體現(xiàn)了LBP+DBN的方法在提取人臉局部特征和魯棒性上有很好的效果,但是實驗中可以看出所消耗的時間還很長,所以今后的工作一方面繼續(xù)對深度學習算法進行學習和改進,另一方面可以通過使用GPU對其進行加速處理。

    [1]尚驍,吳進. 采用Gabor_Hough 變換的自適應濾波人眼定位[J].電訊技術(shù),2016,56(3):324-330.

    SHANG Xiao,WU Jin. Eye location based on adaptive filter using Gabor_Hough transform[J].Telecommunication Engineering,2016,56(3):324-330.(in Chinese)

    [2]BARTLETT M S,MOVELLAN J R,SEJNOWSKI T J.Face recongnition by independent component analysis[J].IEEE Transactions on Neural Networks,2002,13(6):1450-1462.

    [3]SAWIDES M,KUMAR B V K V,KHOSLA P K. Eigenphases vs eigenfaces[C] // Proceedings of the 17th International Conference on Pattern Recognition.Cambridge,England:IEEE,2004:810-813.

    [4]SHEN L,BAI L. Mutual boost learing for selecting Gabor features for face recognition [J].Pattern Recognition Letters,2006,27(15):1758-1767.

    [5]AHONEN T,HADID A,PIETIKAINEN M. Face recognition with local binary patterns[M].Heidelgerg,Berlin:Springer,2004:469-481.

    [6]柴瑞敏,曹振基.基于Gabor小波與深度信念網(wǎng)絡的人臉識別方法[J].計算機應用,2014,34(9):2590-2594. CHAI Ruimin,CAO Zhenji. Face recognition method based on Gabor wavelet and deep belief network[J].Computer Application,2014,34(9):2590-2594.(in Chinese)

    [7]AHONEN T,HADID A,PIETIKAINEN M. Face recognition with local binary patterns:application to face recognition[J].IEEE Transactions on Neural Networks,2006,28(12):2037-2041.

    [8]HINTON G,OSINDERO S,TEH Y.A fast learning algorithm for deep belief nets[J].Neural Computation,2006,18(7):1527-1554.

    [9]HINTON G E,SALAKHUTDINOV R R. Reducing the dimensionality of data with neural networks[J].Science,2006,313(5786):504-507.

    [10]羅恒. 基于協(xié)同過濾視角受限玻爾茲曼機研究[D] .上海:上海交通大學,2011.

    LUO Heng.The research perspective of RBM based on collaborative filtering[D].Shanghai:Shanghai Jiaotong University,2011.(in Chinese)

    [11]AREL I,ROSE D C,KARNOWSKI T P.Deep machine learning a new frontier in artificial intelligence research[J].IEEE Computational Intelligence Magazine,2010,5(4):13-18.

    吳進(1975—),女,江蘇常州人,教授、碩士生導師,主要研究方向為信號與信息處理;

    WU Jin was born in Changzhou,Jiangsu Province,in 1975. She is now a professor and also the instructor of graduate students. Her research concerns signal and information processing.

    Email:huatao2000@126.com

    嚴輝(1990—),男,陜西咸陽人,2014年獲工學學士學位,現(xiàn)為碩士研究生,主要研究方向為圖像處理和人臉識別;

    YAN Hui was born in Xianyang,Shaanxi Province,in 1990. He received the B.S. degree in 2014. He is now a graduate student. His research concerns image processing and face recognition.

    Email:yh1204@aliyun.com

    王潔(1989—),女,陜西渭南人,2013年獲工學學士學位,現(xiàn)為碩士研究生,主要研究方向為圖像和視頻處理。

    WANG Jie was born in Weinan,Shaanxi Province,in 1989. She received the B.S. degree in 2013. She is now a graduate student. Her research concerns image and video image processing.

    Email:15829075617@163.com

    The National Natural Science Foundation of China(No.61272120);The Science and Technology Overall Plan of Shaanxi Province(2016KTZDGY02-04-02)

    Facial Recognition Using Local Binary Pattern and Deep Belief Network

    WU Jin,YAN Hui,WANG Jie

    (School of Electronic and Engineering,Xi'an University of Posts and Telecommunications,Xi′an 710121,China)

    In view of the large dimensions of facial features and the neglect of the local features extraction,this paper proposes a facial recognition method based on multi-scale local binary pattern(LBP) and deep belief network(DBN) algorithm.Firstly,the texture features are extracted by using multi-scale LBP,then these features are inputed to DBN,and finally the optimal parameters of the network are obtained by layered network training.A test on the ORL faces database is performed and recognition rate reaches 95.2%,2.6% higher than that of face recognition using Gabor wavelet and pincipal component analysis(PCA) algorithms,which illustrates that the proposed algorithm has a good face recognition ability.

    facial recognition;feature extraction;local binary pattern;deep belief network;restricted Boltzmann machines

    10.3969/j.issn.1001-893x.2016.10.010

    2016-03-25;

    2016-06-01Received date:2016-03-25;Revised date:2016-06-01

    國家自然科學基金資助項目(61272120);陜西省科技統(tǒng)籌項目(2016KTZDGY02-04-02)

    TN911.7;TP391.4

    A

    1001-893X(2016)10-1119-05

    引用格式:吳進,嚴輝,王潔.采用局部二值模式與深度信念網(wǎng)絡的人臉識別[J].電訊技術(shù),2016,56(10):1119-1123.[WU Jin,YAN Hui,WANG Jie.Facial recognition using local binary pattern and deep belief network[J].Telecommunication Engineering,2016,56(10):1119-1123.]

    **通信作者:huatao2000@126.comCorresponding author:huatao2000@126.com

    猜你喜歡
    識別率人臉識別人臉
    人臉識別 等
    作文中學版(2022年1期)2022-04-14 08:00:34
    有特點的人臉
    揭開人臉識別的神秘面紗
    學生天地(2020年31期)2020-06-01 02:32:06
    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
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應用
    基于類獨立核稀疏表示的魯棒人臉識別
    計算機工程(2015年8期)2015-07-03 12:19:07
    馬面部與人臉相似度驚人
    看免费av毛片| 欧美激情极品国产一区二区三区| 好男人电影高清在线观看| 黄色 视频免费看| 精品不卡国产一区二区三区| 欧美不卡视频在线免费观看 | 亚洲欧美一区二区三区黑人| 狂野欧美激情性xxxx| 99精品在免费线老司机午夜| 亚洲 国产 在线| 黄片小视频在线播放| 亚洲七黄色美女视频| 国产熟女午夜一区二区三区| 亚洲欧美激情综合另类| 久久草成人影院| 亚洲中文日韩欧美视频| 看片在线看免费视频| 看黄色毛片网站| 久久久久久久久中文| 久久久久久免费高清国产稀缺| 午夜影院日韩av| 天天躁夜夜躁狠狠躁躁| 欧美+亚洲+日韩+国产| 亚洲 国产 在线| 国产精品,欧美在线| 精品免费久久久久久久清纯| 在线观看免费午夜福利视频| 老司机午夜福利在线观看视频| av片东京热男人的天堂| 欧美成人免费av一区二区三区| 国产人伦9x9x在线观看| 人妻丰满熟妇av一区二区三区| 好看av亚洲va欧美ⅴa在| 亚洲av五月六月丁香网| 亚洲国产高清在线一区二区三 | 亚洲午夜精品一区,二区,三区| 午夜激情av网站| 不卡一级毛片| 黑人巨大精品欧美一区二区蜜桃| 国产又色又爽无遮挡免费看| 日本精品一区二区三区蜜桃| 亚洲九九香蕉| 人成视频在线观看免费观看| 午夜免费激情av| 久99久视频精品免费| 首页视频小说图片口味搜索| 色尼玛亚洲综合影院| 91精品国产国语对白视频| 人妻丰满熟妇av一区二区三区| 午夜福利,免费看| 99久久久亚洲精品蜜臀av| 色播亚洲综合网| 中文字幕另类日韩欧美亚洲嫩草| 欧美在线一区亚洲| 一本久久中文字幕| 制服诱惑二区| 欧美日韩一级在线毛片| 国产精品亚洲av一区麻豆| 精品日产1卡2卡| 免费在线观看日本一区| 国产精品亚洲美女久久久| 亚洲国产高清在线一区二区三 | 人人妻人人澡欧美一区二区 | 久久伊人香网站| 日韩欧美国产在线观看| 又黄又粗又硬又大视频| 久久久久国产精品人妻aⅴ院| 精品福利观看| 国产亚洲av高清不卡| 午夜免费成人在线视频| 午夜福利欧美成人| 十八禁网站免费在线| 久久久国产精品麻豆| 日韩大码丰满熟妇| 好男人在线观看高清免费视频 | 无人区码免费观看不卡| 大码成人一级视频| 国产精品永久免费网站| 50天的宝宝边吃奶边哭怎么回事| 可以在线观看毛片的网站| 国产成人免费无遮挡视频| 亚洲午夜理论影院| 老熟妇乱子伦视频在线观看| 国产精品综合久久久久久久免费 | 国产精品自产拍在线观看55亚洲| 亚洲国产精品成人综合色| 很黄的视频免费| 午夜久久久久精精品| 超碰成人久久| 黄色 视频免费看| 日韩精品免费视频一区二区三区| 黑丝袜美女国产一区| 男人操女人黄网站| 亚洲精品国产色婷婷电影| 免费在线观看视频国产中文字幕亚洲| 不卡av一区二区三区| 久久人人97超碰香蕉20202| 亚洲第一青青草原| 精品国产乱码久久久久久男人| 99香蕉大伊视频| 日韩欧美在线二视频| 久久精品亚洲精品国产色婷小说| 亚洲国产欧美日韩在线播放| 国产高清激情床上av| 免费看美女性在线毛片视频| 欧美日韩一级在线毛片| 亚洲天堂国产精品一区在线| www日本在线高清视频| 亚洲全国av大片| 欧美激情 高清一区二区三区| 国产成人精品久久二区二区91| 97超级碰碰碰精品色视频在线观看| 怎么达到女性高潮| av免费在线观看网站| 搡老岳熟女国产| 99国产综合亚洲精品| 波多野结衣一区麻豆| 国产高清videossex| 久久久久国产精品人妻aⅴ院| 纯流量卡能插随身wifi吗| 日韩免费av在线播放| www国产在线视频色| 久久久国产成人免费| 两个人视频免费观看高清| 日韩欧美免费精品| 亚洲av日韩精品久久久久久密| 动漫黄色视频在线观看| 纯流量卡能插随身wifi吗| 1024香蕉在线观看| 日本免费a在线| 99精品久久久久人妻精品| 亚洲国产中文字幕在线视频| 国产熟女xx| 黄色 视频免费看| 色综合亚洲欧美另类图片| 国产伦人伦偷精品视频| 三级毛片av免费| 黄色a级毛片大全视频| 亚洲成人免费电影在线观看| 亚洲片人在线观看| 男女之事视频高清在线观看| 日本撒尿小便嘘嘘汇集6| 欧美最黄视频在线播放免费| 久久香蕉精品热| 日韩精品免费视频一区二区三区| 搡老妇女老女人老熟妇| 亚洲欧美激情综合另类| 亚洲 欧美一区二区三区| 国产亚洲av高清不卡| 男人舔女人下体高潮全视频| 制服丝袜大香蕉在线| 99久久精品国产亚洲精品| 免费一级毛片在线播放高清视频 | 久久久久久久午夜电影| 麻豆av在线久日| 欧美色欧美亚洲另类二区 | 欧美日本亚洲视频在线播放| 欧美黄色片欧美黄色片| 丝袜美腿诱惑在线| 中文字幕人妻熟女乱码| 免费在线观看日本一区| 每晚都被弄得嗷嗷叫到高潮| 最近最新中文字幕大全免费视频| 搡老熟女国产l中国老女人| 欧美绝顶高潮抽搐喷水| 国产精品98久久久久久宅男小说| 伊人久久大香线蕉亚洲五| 精品人妻1区二区| 国产精品一区二区三区四区久久 | 久久精品aⅴ一区二区三区四区| 久久婷婷人人爽人人干人人爱 | 久久久国产成人精品二区| 日韩欧美国产在线观看| 日韩国内少妇激情av| 免费在线观看影片大全网站| 久久精品人人爽人人爽视色| 日韩欧美在线二视频| 精品不卡国产一区二区三区| 十八禁网站免费在线| 国产麻豆69| 国产免费男女视频| 日本 av在线| 大香蕉久久成人网| 国产亚洲精品av在线| 亚洲第一av免费看| 久久性视频一级片| 欧美性长视频在线观看| 国产一区二区在线av高清观看| 亚洲免费av在线视频| 国产精品亚洲一级av第二区| 叶爱在线成人免费视频播放| 精品一区二区三区av网在线观看| 女人高潮潮喷娇喘18禁视频| 禁无遮挡网站| 女性被躁到高潮视频| 99精品欧美一区二区三区四区| 亚洲国产看品久久| 欧美日本视频| 日韩精品免费视频一区二区三区| 精品熟女少妇八av免费久了| 亚洲最大成人中文| 亚洲熟妇熟女久久| 欧美中文综合在线视频| 午夜福利18| 麻豆av在线久日| 国产激情欧美一区二区| 亚洲第一av免费看| 久99久视频精品免费| 欧美绝顶高潮抽搐喷水| 国产精品九九99| 欧美丝袜亚洲另类 | 久久久久久国产a免费观看| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲熟女毛片儿| 国内毛片毛片毛片毛片毛片| 91大片在线观看| 此物有八面人人有两片| 99riav亚洲国产免费| 色播在线永久视频| 亚洲精品久久成人aⅴ小说| 如日韩欧美国产精品一区二区三区| 一区二区三区国产精品乱码| 少妇被粗大的猛进出69影院| 精品一区二区三区四区五区乱码| 亚洲欧美激情在线| 亚洲一码二码三码区别大吗| 久久久久久久久中文| av在线播放免费不卡| 91国产中文字幕| 精品久久久精品久久久| 国产精品二区激情视频| 很黄的视频免费| 美女国产高潮福利片在线看| 大陆偷拍与自拍| 久久人妻av系列| 无遮挡黄片免费观看| 国产精华一区二区三区| av免费在线观看网站| 黄色视频,在线免费观看| 久久久久久久久免费视频了| 他把我摸到了高潮在线观看| 亚洲精品国产一区二区精华液| 亚洲 国产 在线| www.www免费av| 老司机深夜福利视频在线观看| 亚洲av成人av| 级片在线观看| 欧美黑人精品巨大| 亚洲欧美精品综合久久99| 12—13女人毛片做爰片一| 免费人成视频x8x8入口观看| 美国免费a级毛片| 99国产精品免费福利视频| 99久久综合精品五月天人人| 欧美+亚洲+日韩+国产| 嫁个100分男人电影在线观看| 日韩国内少妇激情av| 国产精品九九99| 正在播放国产对白刺激| 国产主播在线观看一区二区| 自拍欧美九色日韩亚洲蝌蚪91| 97碰自拍视频| 青草久久国产| 麻豆成人av在线观看| 国内毛片毛片毛片毛片毛片| 99久久99久久久精品蜜桃| 88av欧美| 国产日韩一区二区三区精品不卡| 丰满的人妻完整版| 多毛熟女@视频| 91成人精品电影| 好男人在线观看高清免费视频 | 91麻豆精品激情在线观看国产| 亚洲成国产人片在线观看| 18禁观看日本| 欧美日韩一级在线毛片| 麻豆久久精品国产亚洲av| 一级片免费观看大全| 丁香六月欧美| 日韩成人在线观看一区二区三区| 人成视频在线观看免费观看| 亚洲五月婷婷丁香| 十八禁网站免费在线| 国产精华一区二区三区| av天堂久久9| 国产乱人伦免费视频| 宅男免费午夜| 久久久久九九精品影院| 在线观看舔阴道视频| 国产99白浆流出| 久久香蕉国产精品| aaaaa片日本免费| 亚洲国产日韩欧美精品在线观看 | 九色国产91popny在线| 亚洲成人免费电影在线观看| 日本精品一区二区三区蜜桃| 国产一区二区激情短视频| 亚洲色图 男人天堂 中文字幕| 中文字幕久久专区| 久久欧美精品欧美久久欧美| 亚洲av第一区精品v没综合| 午夜免费鲁丝| 日本五十路高清| 久久精品成人免费网站| 日韩有码中文字幕| 国产激情久久老熟女| 亚洲中文字幕日韩| 国产三级黄色录像| 91麻豆av在线| 精品少妇一区二区三区视频日本电影| 他把我摸到了高潮在线观看| 国产精品久久视频播放| 两个人看的免费小视频| 在线观看www视频免费| 国产一卡二卡三卡精品| 又大又爽又粗| 欧美大码av| 亚洲三区欧美一区| 日韩欧美三级三区| 麻豆av在线久日| 级片在线观看| 亚洲五月色婷婷综合| 美女午夜性视频免费| 69av精品久久久久久| 精品日产1卡2卡| 757午夜福利合集在线观看| 欧美黑人精品巨大| 色精品久久人妻99蜜桃| 国产精品乱码一区二三区的特点 | 精品一区二区三区av网在线观看| 精品国产美女av久久久久小说| 大码成人一级视频| 久久人人精品亚洲av| 欧美日韩福利视频一区二区| 动漫黄色视频在线观看| 成人手机av| 亚洲欧美日韩另类电影网站| 亚洲国产精品成人综合色| 女人爽到高潮嗷嗷叫在线视频| 黄色视频不卡| 看免费av毛片| 十八禁网站免费在线| 级片在线观看| 宅男免费午夜| 我的亚洲天堂| 黄色女人牲交| 国产激情久久老熟女| 亚洲欧美日韩无卡精品| 亚洲第一欧美日韩一区二区三区| 国产又色又爽无遮挡免费看| 精品日产1卡2卡| 午夜福利18| 欧美色欧美亚洲另类二区 | 亚洲avbb在线观看| 午夜福利欧美成人| 国产成人啪精品午夜网站| 国产又色又爽无遮挡免费看| 亚洲精品国产一区二区精华液| 波多野结衣av一区二区av| 国产极品粉嫩免费观看在线| 嫩草影视91久久| 无人区码免费观看不卡| 亚洲伊人色综图| 久9热在线精品视频| 在线观看免费视频日本深夜| 亚洲五月婷婷丁香| 免费在线观看影片大全网站| 99在线视频只有这里精品首页| 国产成人欧美| 久久久精品国产亚洲av高清涩受| www.自偷自拍.com| 人人妻人人澡人人看| 女人被躁到高潮嗷嗷叫费观| 国产麻豆69| 纯流量卡能插随身wifi吗| 两性夫妻黄色片| 亚洲欧美激情在线| 一本久久中文字幕| 每晚都被弄得嗷嗷叫到高潮| 黄色片一级片一级黄色片| 黄色 视频免费看| 青草久久国产| 国产一区二区三区视频了| 两性夫妻黄色片| 妹子高潮喷水视频| 高清毛片免费观看视频网站| 亚洲中文字幕日韩| 亚洲成av人片免费观看| 国产高清视频在线播放一区| aaaaa片日本免费| 韩国精品一区二区三区| 美女 人体艺术 gogo| 天天躁夜夜躁狠狠躁躁| 欧美色欧美亚洲另类二区 | 久久久久精品国产欧美久久久| 亚洲精品久久成人aⅴ小说| 中文字幕色久视频| 国产真人三级小视频在线观看| 婷婷丁香在线五月| av欧美777| 法律面前人人平等表现在哪些方面| 午夜福利一区二区在线看| 成人亚洲精品av一区二区| 国产xxxxx性猛交| 中出人妻视频一区二区| 一a级毛片在线观看| 99久久综合精品五月天人人| 少妇被粗大的猛进出69影院| av天堂久久9| 国产精品久久久久久精品电影 | 成人18禁高潮啪啪吃奶动态图| 男女下面进入的视频免费午夜 | 久久香蕉激情| 欧美一区二区精品小视频在线| 国产av又大| 99久久久亚洲精品蜜臀av| 欧美日韩一级在线毛片| 婷婷精品国产亚洲av在线| 国产区一区二久久| 人人妻,人人澡人人爽秒播| 亚洲欧美激情综合另类| 亚洲成人精品中文字幕电影| 国产亚洲欧美精品永久| 黄片小视频在线播放| xxx96com| 亚洲精品美女久久av网站| 国产99久久九九免费精品| 女生性感内裤真人,穿戴方法视频| 精品久久久久久久人妻蜜臀av | 国产日韩一区二区三区精品不卡| 中文字幕人妻丝袜一区二区| 亚洲色图综合在线观看| 久久精品人人爽人人爽视色| 国内精品久久久久久久电影| 欧美国产精品va在线观看不卡| 亚洲国产精品sss在线观看| 亚洲中文字幕日韩| 久久香蕉国产精品| 狂野欧美激情性xxxx| 999精品在线视频| 天天添夜夜摸| 国产成人av激情在线播放| 国产三级在线视频| 一本久久中文字幕| 国内精品久久久久精免费| www.自偷自拍.com| 一区二区三区精品91| 高潮久久久久久久久久久不卡| 久久久国产欧美日韩av| 十八禁人妻一区二区| 精品卡一卡二卡四卡免费| 国产私拍福利视频在线观看| 国产成人欧美在线观看| 国产亚洲av高清不卡| 国产成人精品在线电影| 欧美大码av| 亚洲国产看品久久| 正在播放国产对白刺激| 国产精品日韩av在线免费观看 | 88av欧美| 成人欧美大片| 制服丝袜大香蕉在线| 欧美不卡视频在线免费观看 | 免费女性裸体啪啪无遮挡网站| 亚洲最大成人中文| 亚洲人成电影观看| 精品人妻在线不人妻| 精品一区二区三区四区五区乱码| 在线视频色国产色| 久久伊人香网站| 午夜福利,免费看| 脱女人内裤的视频| 日韩视频一区二区在线观看| 欧美日韩精品网址| 两性夫妻黄色片| 999久久久国产精品视频| 非洲黑人性xxxx精品又粗又长| 亚洲国产毛片av蜜桃av| 天堂影院成人在线观看| 变态另类丝袜制服| 香蕉久久夜色| 久久久久久久精品吃奶| 亚洲国产高清在线一区二区三 | 欧美成人免费av一区二区三区| 亚洲片人在线观看| 久久人人爽av亚洲精品天堂| 变态另类丝袜制服| 午夜福利影视在线免费观看| 母亲3免费完整高清在线观看| 国产99白浆流出| 桃色一区二区三区在线观看| 国产av一区二区精品久久| 夜夜躁狠狠躁天天躁| 视频区欧美日本亚洲| 欧美国产精品va在线观看不卡| 午夜福利视频1000在线观看 | 欧美日韩亚洲国产一区二区在线观看| 18禁国产床啪视频网站| 亚洲 欧美一区二区三区| 大陆偷拍与自拍| 在线观看66精品国产| 久久午夜亚洲精品久久| 99国产极品粉嫩在线观看| 欧美成人免费av一区二区三区| 欧美老熟妇乱子伦牲交| 精品高清国产在线一区| 亚洲精华国产精华精| 身体一侧抽搐| aaaaa片日本免费| 久久精品aⅴ一区二区三区四区| 脱女人内裤的视频| 香蕉丝袜av| 欧美精品亚洲一区二区| tocl精华| 久久国产乱子伦精品免费另类| 多毛熟女@视频| 国产黄a三级三级三级人| 国产熟女xx| 亚洲av第一区精品v没综合| 麻豆成人av在线观看| 国产国语露脸激情在线看| av欧美777| 国产成人av激情在线播放| 免费高清在线观看日韩| 变态另类成人亚洲欧美熟女 | 日韩欧美一区视频在线观看| 人妻丰满熟妇av一区二区三区| 国产精品自产拍在线观看55亚洲| 久久国产精品影院| 久久这里只有精品19| 亚洲精品久久成人aⅴ小说| 高潮久久久久久久久久久不卡| 黑丝袜美女国产一区| 一级a爱视频在线免费观看| 日韩有码中文字幕| 在线观看一区二区三区| 一级毛片女人18水好多| 亚洲av电影在线进入| av免费在线观看网站| 久久久精品国产亚洲av高清涩受| 日韩精品免费视频一区二区三区| 精品国产乱子伦一区二区三区| 99国产综合亚洲精品| 亚洲五月色婷婷综合| 99久久精品国产亚洲精品| 日韩欧美一区视频在线观看| 国产精品野战在线观看| 啪啪无遮挡十八禁网站| 一进一出抽搐gif免费好疼| 中文字幕色久视频| 在线免费观看的www视频| 一区二区三区国产精品乱码| 日本 欧美在线| 黑人巨大精品欧美一区二区蜜桃| 亚洲男人的天堂狠狠| 日韩 欧美 亚洲 中文字幕| 午夜福利成人在线免费观看| 久久欧美精品欧美久久欧美| 国产精品免费一区二区三区在线| 自拍欧美九色日韩亚洲蝌蚪91| 在线视频色国产色| 很黄的视频免费| 妹子高潮喷水视频| 18美女黄网站色大片免费观看| 欧美日韩瑟瑟在线播放| 制服丝袜大香蕉在线| 亚洲自偷自拍图片 自拍| 黄色视频,在线免费观看| netflix在线观看网站| 嫩草影院精品99| 国产免费男女视频| 精品免费久久久久久久清纯| 国产精品乱码一区二三区的特点 | 黑人欧美特级aaaaaa片| 欧美黄色片欧美黄色片| 可以在线观看毛片的网站| 色综合站精品国产| 无限看片的www在线观看| 狠狠狠狠99中文字幕| 国产精品一区二区精品视频观看| 中国美女看黄片| 激情视频va一区二区三区| 男人操女人黄网站| 久久久久久人人人人人| 嫁个100分男人电影在线观看| 999久久久精品免费观看国产| 欧美乱妇无乱码| 午夜精品国产一区二区电影| 别揉我奶头~嗯~啊~动态视频| 亚洲第一av免费看| 一级毛片女人18水好多| 国产高清有码在线观看视频 | 国产成人精品久久二区二区免费| 亚洲精华国产精华精| 此物有八面人人有两片| 最近最新中文字幕大全电影3 | 在线观看午夜福利视频| 午夜影院日韩av| 精品国产乱子伦一区二区三区| 人成视频在线观看免费观看| 午夜精品国产一区二区电影| 在线播放国产精品三级| 免费看美女性在线毛片视频| 精品国产超薄肉色丝袜足j| 91麻豆av在线| 一个人免费在线观看的高清视频| 亚洲三区欧美一区| 亚洲成国产人片在线观看| 久久久水蜜桃国产精品网| 国产精品98久久久久久宅男小说| 免费不卡黄色视频| 国产精品,欧美在线| 99国产精品一区二区三区| 可以在线观看的亚洲视频| 丰满的人妻完整版|