• <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
    久久婷婷成人综合色麻豆| 精品无人区乱码1区二区| 午夜久久久在线观看| 看黄色毛片网站| 亚洲 欧美 日韩 在线 免费| 亚洲男人天堂网一区| 极品教师在线免费播放| 夜夜夜夜夜久久久久| 日韩视频一区二区在线观看| 免费高清视频大片| 亚洲国产毛片av蜜桃av| 侵犯人妻中文字幕一二三四区| 黄色a级毛片大全视频| 久久午夜亚洲精品久久| 免费观看人在逋| 亚洲久久久国产精品| 久久九九热精品免费| 欧美国产日韩亚洲一区| 搞女人的毛片| av欧美777| 中文字幕另类日韩欧美亚洲嫩草| 欧美黄色淫秽网站| 亚洲av电影不卡..在线观看| 老司机午夜福利在线观看视频| 国语自产精品视频在线第100页| 亚洲专区国产一区二区| 午夜视频精品福利| 国产高清视频在线播放一区| 人人妻人人澡欧美一区二区 | 色播亚洲综合网| or卡值多少钱| 亚洲aⅴ乱码一区二区在线播放 | 美女大奶头视频| 91成人精品电影| av视频免费观看在线观看| 国产av精品麻豆| 人成视频在线观看免费观看| 性色av乱码一区二区三区2| 精品国产乱码久久久久久男人| 少妇被粗大的猛进出69影院| 亚洲视频免费观看视频| 国产精品久久久av美女十八| 国产一级毛片七仙女欲春2 | 一区二区三区激情视频| 亚洲专区国产一区二区| 黄网站色视频无遮挡免费观看| 在线十欧美十亚洲十日本专区| 久久 成人 亚洲| 黄片播放在线免费| 国产精品 欧美亚洲| 欧美国产日韩亚洲一区| 高清在线国产一区| 国产成人av激情在线播放| 淫妇啪啪啪对白视频| 久久热在线av| 免费一级毛片在线播放高清视频 | 日韩精品免费视频一区二区三区| 国产成人欧美在线观看| 一进一出抽搐动态| 久久人妻熟女aⅴ| 久久久久久国产a免费观看| 久久精品aⅴ一区二区三区四区| 嫩草影视91久久| 老熟妇仑乱视频hdxx| 午夜精品国产一区二区电影| 精品少妇一区二区三区视频日本电影| 亚洲专区字幕在线| 脱女人内裤的视频| 丰满人妻熟妇乱又伦精品不卡| 久久精品国产99精品国产亚洲性色 | 国产亚洲欧美98| 99久久99久久久精品蜜桃| 日韩欧美国产一区二区入口| 久久人妻熟女aⅴ| 婷婷丁香在线五月| 黄色成人免费大全| 亚洲精品美女久久久久99蜜臀| 成人手机av| 国产日韩一区二区三区精品不卡| 老熟妇仑乱视频hdxx| 亚洲av日韩精品久久久久久密| bbb黄色大片| 50天的宝宝边吃奶边哭怎么回事| 国产精品久久久久久亚洲av鲁大| 99国产精品免费福利视频| 国产成年人精品一区二区| 欧美大码av| 欧美成人一区二区免费高清观看 | 深夜精品福利| 国产一卡二卡三卡精品| 99在线人妻在线中文字幕| 免费搜索国产男女视频| 亚洲国产精品成人综合色| 大陆偷拍与自拍| 狠狠狠狠99中文字幕| 国产私拍福利视频在线观看| av在线天堂中文字幕| 高清毛片免费观看视频网站| 久久草成人影院| 亚洲国产欧美网| 成人永久免费在线观看视频| 91字幕亚洲| 88av欧美| 禁无遮挡网站| 成人18禁高潮啪啪吃奶动态图| 一级毛片高清免费大全| 国产亚洲欧美精品永久| 黄色a级毛片大全视频| 动漫黄色视频在线观看| 在线免费观看的www视频| 国产成人精品无人区| 久9热在线精品视频| 欧美最黄视频在线播放免费| 久久久久久人人人人人| 国产亚洲欧美在线一区二区| 久9热在线精品视频| 欧美最黄视频在线播放免费| 午夜视频精品福利| 视频区欧美日本亚洲| 国产精品av久久久久免费| 欧美乱妇无乱码| 伦理电影免费视频| 麻豆成人av在线观看| 91成人精品电影| 久久精品人人爽人人爽视色| 最近最新中文字幕大全免费视频| 女人精品久久久久毛片| 国产aⅴ精品一区二区三区波| 一区二区三区国产精品乱码| 神马国产精品三级电影在线观看 | ponron亚洲| av视频免费观看在线观看| 国产成人精品在线电影| 99国产精品一区二区蜜桃av| 中出人妻视频一区二区| 在线观看舔阴道视频| 午夜免费成人在线视频| av有码第一页| 国产麻豆成人av免费视频| 亚洲av成人一区二区三| 婷婷精品国产亚洲av在线| 免费av毛片视频| 色精品久久人妻99蜜桃| 精品第一国产精品| 亚洲中文字幕日韩| 黄片小视频在线播放| 如日韩欧美国产精品一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91| 久久人人爽av亚洲精品天堂| 国产精品野战在线观看| 变态另类成人亚洲欧美熟女 | 正在播放国产对白刺激| 激情视频va一区二区三区| 中文字幕人妻丝袜一区二区| 亚洲av熟女| 欧美成人免费av一区二区三区| 欧美日韩瑟瑟在线播放| avwww免费| 久久久精品欧美日韩精品| 这个男人来自地球电影免费观看| 9色porny在线观看| 曰老女人黄片| 男人舔女人的私密视频| 欧美黑人精品巨大| 黄片小视频在线播放| 亚洲精品美女久久av网站| 国产伦人伦偷精品视频| 欧美色欧美亚洲另类二区 | 亚洲成av片中文字幕在线观看| 国产欧美日韩一区二区精品| 国产1区2区3区精品| 婷婷精品国产亚洲av在线| 亚洲欧美一区二区三区黑人| 国产精品久久电影中文字幕| 侵犯人妻中文字幕一二三四区| 天堂动漫精品| 国产精品秋霞免费鲁丝片| 精品国产国语对白av| 中文字幕人成人乱码亚洲影| 国产成人影院久久av| 国内精品久久久久精免费| 18禁观看日本| 久久中文字幕一级| 精品久久蜜臀av无| 国语自产精品视频在线第100页| 亚洲第一青青草原| 久久香蕉激情| 韩国av一区二区三区四区| 在线观看一区二区三区| 叶爱在线成人免费视频播放| 自拍欧美九色日韩亚洲蝌蚪91| 精品不卡国产一区二区三区| 长腿黑丝高跟| 国产精品美女特级片免费视频播放器 | 免费看a级黄色片| 亚洲国产精品合色在线| 久久天堂一区二区三区四区| 亚洲精品粉嫩美女一区| 国产不卡一卡二| 国产成人免费无遮挡视频| 国产精品 欧美亚洲| 亚洲在线自拍视频| 亚洲五月色婷婷综合| 中文字幕人成人乱码亚洲影| 男女床上黄色一级片免费看| 两性夫妻黄色片| 亚洲天堂国产精品一区在线| 色婷婷久久久亚洲欧美| 日本免费一区二区三区高清不卡 | 亚洲欧美日韩另类电影网站| 久久青草综合色| 成人亚洲精品av一区二区| 亚洲午夜精品一区,二区,三区| 国产成人系列免费观看| 欧美日韩乱码在线| 精品欧美国产一区二区三| 国产精品电影一区二区三区| 人人妻,人人澡人人爽秒播| 日韩欧美三级三区| 国产成人精品久久二区二区91| 亚洲免费av在线视频| 女人爽到高潮嗷嗷叫在线视频| www.自偷自拍.com| 亚洲无线在线观看| aaaaa片日本免费| 亚洲av片天天在线观看| 欧美+亚洲+日韩+国产| 久久久久久大精品| 精品国产一区二区久久| 国产熟女xx| 国产激情欧美一区二区| 18禁观看日本| 午夜精品在线福利| av免费在线观看网站| 国产一区二区三区在线臀色熟女| 黄片播放在线免费| 国产免费av片在线观看野外av| 亚洲欧美激情综合另类| 亚洲国产欧美日韩在线播放| 色精品久久人妻99蜜桃| 色婷婷久久久亚洲欧美| 国产av精品麻豆| 精品久久久久久久久久免费视频| 国产精品久久久人人做人人爽| 久久这里只有精品19| 日本黄色视频三级网站网址| 一级,二级,三级黄色视频| 搡老熟女国产l中国老女人| 宅男免费午夜| 日本在线视频免费播放| 神马国产精品三级电影在线观看 | 欧美激情极品国产一区二区三区| 两个人看的免费小视频| 丰满的人妻完整版| 美女扒开内裤让男人捅视频| 国产av在哪里看| 一区二区三区精品91| 高潮久久久久久久久久久不卡| 国产aⅴ精品一区二区三区波| 大码成人一级视频| 午夜日韩欧美国产| www.自偷自拍.com| 黄色视频,在线免费观看| 色av中文字幕| 黄色成人免费大全| 美女大奶头视频| 国产精品久久久久久人妻精品电影| 亚洲欧美精品综合久久99| 亚洲专区字幕在线| 老熟妇仑乱视频hdxx| 午夜亚洲福利在线播放| 无人区码免费观看不卡| 欧美精品啪啪一区二区三区| 男人舔女人下体高潮全视频| 99riav亚洲国产免费| 老司机午夜福利在线观看视频| netflix在线观看网站| 搡老岳熟女国产| 女性生殖器流出的白浆| 久久精品成人免费网站| 精品午夜福利视频在线观看一区| 精品久久久久久成人av| 中文亚洲av片在线观看爽| 亚洲av成人av| 久久这里只有精品19| 高潮久久久久久久久久久不卡| 999久久久国产精品视频| 黄频高清免费视频| 日本三级黄在线观看| 亚洲欧美日韩另类电影网站| 亚洲久久久国产精品| 成年人黄色毛片网站| 亚洲色图综合在线观看| 婷婷精品国产亚洲av在线| 少妇熟女aⅴ在线视频| 亚洲 国产 在线| 久久香蕉国产精品| 免费不卡黄色视频| 精品久久久精品久久久| 午夜a级毛片| 大香蕉久久成人网| 在线国产一区二区在线| 欧美在线黄色| 99在线视频只有这里精品首页| 欧美乱码精品一区二区三区| 国产又色又爽无遮挡免费看| 亚洲色图 男人天堂 中文字幕| 91九色精品人成在线观看| 婷婷六月久久综合丁香| 好男人在线观看高清免费视频 | 久久热在线av| 此物有八面人人有两片| 大型av网站在线播放| 国产精品一区二区免费欧美| 无遮挡黄片免费观看| 亚洲五月天丁香| 色综合婷婷激情| 国产精品二区激情视频| 精品第一国产精品| 国产成年人精品一区二区| 伦理电影免费视频| 18禁国产床啪视频网站| 久久人妻av系列| 一进一出好大好爽视频| 久久午夜综合久久蜜桃| 亚洲激情在线av| 久久伊人香网站| 啦啦啦免费观看视频1| 在线av久久热| 亚洲伊人色综图| 热99re8久久精品国产| ponron亚洲| 成年人黄色毛片网站| 午夜两性在线视频| 日韩av在线大香蕉| 一级a爱视频在线免费观看| 最近最新中文字幕大全免费视频| 成人国产综合亚洲| 男女下面插进去视频免费观看| 国产伦一二天堂av在线观看| 一夜夜www| 国产熟女xx| 嫩草影院精品99| 亚洲国产欧美网| 91成年电影在线观看| 欧美最黄视频在线播放免费| 天堂动漫精品| 精品国产乱子伦一区二区三区| 国产一卡二卡三卡精品| 黄片播放在线免费| 变态另类丝袜制服| 久久久久久久久中文| 久久香蕉国产精品| 亚洲av片天天在线观看| 欧美激情高清一区二区三区| 国产免费男女视频| 日韩av在线大香蕉| 侵犯人妻中文字幕一二三四区| 亚洲五月天丁香| av免费在线观看网站| 日本 欧美在线| 曰老女人黄片| 这个男人来自地球电影免费观看| 在线观看www视频免费| 青草久久国产| 日本黄色视频三级网站网址| 麻豆国产av国片精品| 亚洲成人久久性| 中文字幕人妻熟女乱码| 大型黄色视频在线免费观看| 久久这里只有精品19| 神马国产精品三级电影在线观看 | 久久久国产成人免费| 亚洲中文字幕一区二区三区有码在线看 | 国产精品亚洲美女久久久| 欧美日韩亚洲综合一区二区三区_| 国产亚洲精品一区二区www| or卡值多少钱| 99国产精品一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 亚洲一区中文字幕在线| 亚洲五月天丁香| 精品少妇一区二区三区视频日本电影| 久久久久九九精品影院| 不卡一级毛片| 精品熟女少妇八av免费久了| 亚洲精品国产区一区二| 国产麻豆成人av免费视频| www.自偷自拍.com| 女人被狂操c到高潮| 国产精品久久久av美女十八| 午夜成年电影在线免费观看| 国产一卡二卡三卡精品| 黄片播放在线免费| 琪琪午夜伦伦电影理论片6080| 国产精品野战在线观看| 欧美日韩亚洲综合一区二区三区_| 亚洲自偷自拍图片 自拍| 久久人妻熟女aⅴ| 国产精品国产高清国产av| 亚洲aⅴ乱码一区二区在线播放 | 国产精品国产高清国产av| av网站免费在线观看视频| 亚洲欧美日韩另类电影网站| 国产欧美日韩一区二区精品| 人人妻,人人澡人人爽秒播| 亚洲免费av在线视频| 日本欧美视频一区| 久久久久国产一级毛片高清牌| 国产精品香港三级国产av潘金莲| 久久久久精品国产欧美久久久| 国产欧美日韩一区二区三| 久久国产精品人妻蜜桃| 国产三级黄色录像| 在线观看舔阴道视频| 国产伦人伦偷精品视频| 亚洲专区国产一区二区| 国产欧美日韩一区二区精品| 亚洲精品一区av在线观看| 十分钟在线观看高清视频www| 啦啦啦免费观看视频1| 久久伊人香网站| 在线免费观看的www视频| 脱女人内裤的视频| 久久中文字幕人妻熟女| 亚洲av五月六月丁香网| 欧美成狂野欧美在线观看| 成人av一区二区三区在线看| 日韩有码中文字幕| 男女午夜视频在线观看| 国产成人啪精品午夜网站| 少妇被粗大的猛进出69影院| 精品国内亚洲2022精品成人| 国产精品爽爽va在线观看网站 | 国产精品亚洲一级av第二区| av福利片在线| 精品久久久久久,| 亚洲国产中文字幕在线视频| 亚洲成av片中文字幕在线观看| 欧美一级a爱片免费观看看 | 啦啦啦免费观看视频1| 国产麻豆69| 亚洲av成人不卡在线观看播放网| 99香蕉大伊视频| 国产乱人伦免费视频| 久久久水蜜桃国产精品网| 91麻豆av在线| 国产av在哪里看| 视频在线观看一区二区三区| www.999成人在线观看| 18禁美女被吸乳视频| 欧美丝袜亚洲另类 | 亚洲色图综合在线观看| 女人高潮潮喷娇喘18禁视频| 欧美日韩一级在线毛片| 国产午夜福利久久久久久| 亚洲国产欧美一区二区综合| 久久精品亚洲熟妇少妇任你| 大陆偷拍与自拍| 一级毛片高清免费大全| 天堂√8在线中文| 午夜免费鲁丝| 亚洲精品国产精品久久久不卡| av电影中文网址| 久久久久久久精品吃奶| 妹子高潮喷水视频| 桃色一区二区三区在线观看| 国产精品久久久人人做人人爽| 国产99久久九九免费精品| 丝袜美腿诱惑在线| 麻豆成人av在线观看| 在线观看日韩欧美| 亚洲自拍偷在线| 丰满人妻熟妇乱又伦精品不卡| 亚洲熟妇熟女久久| 亚洲va日本ⅴa欧美va伊人久久| 日韩高清综合在线| 亚洲av成人不卡在线观看播放网| 精品久久久久久成人av| 亚洲精品美女久久av网站| 好看av亚洲va欧美ⅴa在| 免费人成视频x8x8入口观看| 免费在线观看影片大全网站| 狂野欧美激情性xxxx| 黄色女人牲交| 波多野结衣巨乳人妻| 国产高清有码在线观看视频 | 亚洲天堂国产精品一区在线| 久久精品人人爽人人爽视色| 午夜激情av网站| 亚洲一卡2卡3卡4卡5卡精品中文| 国产在线观看jvid| 国产精品一区二区免费欧美| 欧美日韩亚洲综合一区二区三区_| 在线观看66精品国产| 久99久视频精品免费| 国产又爽黄色视频| 久久热在线av| 精品国产乱码久久久久久男人| 亚洲五月色婷婷综合| 99久久国产精品久久久| 欧美黑人精品巨大| 久久国产亚洲av麻豆专区| 满18在线观看网站| 老司机靠b影院| 成年女人毛片免费观看观看9| 久久中文看片网| 久久精品国产综合久久久| av超薄肉色丝袜交足视频| 黄色 视频免费看| 亚洲第一欧美日韩一区二区三区| 国产精品二区激情视频| 老司机深夜福利视频在线观看| 亚洲五月婷婷丁香| av天堂在线播放| 国产成人啪精品午夜网站| 国产午夜精品久久久久久| 又黄又爽又免费观看的视频| 中文字幕人妻熟女乱码| 日韩精品免费视频一区二区三区| 一级毛片精品| 国产成人精品久久二区二区91| 丝袜在线中文字幕| 人妻久久中文字幕网| 美女高潮喷水抽搐中文字幕| 中文字幕精品免费在线观看视频| 欧美乱妇无乱码| 亚洲国产毛片av蜜桃av| 欧美一级a爱片免费观看看 | 国产精品精品国产色婷婷| 精品不卡国产一区二区三区| 免费不卡黄色视频| 在线免费观看的www视频| 午夜福利影视在线免费观看| 成人手机av| 成人三级黄色视频| 亚洲在线自拍视频| 精品免费久久久久久久清纯| 亚洲精品国产区一区二| 成人三级做爰电影| 美女高潮到喷水免费观看| 午夜激情av网站| 国产精品秋霞免费鲁丝片| 丰满的人妻完整版| 欧美乱码精品一区二区三区| 午夜福利视频1000在线观看 | 九色国产91popny在线| 欧美激情高清一区二区三区| 999精品在线视频| 人妻久久中文字幕网| 久久香蕉国产精品| 国产精品免费视频内射| 97超级碰碰碰精品色视频在线观看| 宅男免费午夜| 国产免费男女视频| 久久久国产成人免费| 精品一品国产午夜福利视频| 黄色毛片三级朝国网站| 久久精品91无色码中文字幕| 国产精品久久久久久亚洲av鲁大| av天堂久久9| av在线天堂中文字幕| 久久久久久免费高清国产稀缺| 99久久综合精品五月天人人| 亚洲精品粉嫩美女一区| 亚洲专区国产一区二区| 亚洲免费av在线视频| www.999成人在线观看| 亚洲午夜精品一区,二区,三区| 国产国语露脸激情在线看| 婷婷六月久久综合丁香| 咕卡用的链子| 国产av又大| 久久亚洲真实| 午夜福利高清视频| www.精华液| 国产精品自产拍在线观看55亚洲| 亚洲精品在线美女| 欧美一级毛片孕妇| 色综合站精品国产| 亚洲欧美日韩另类电影网站| 久久久国产成人精品二区| 国产精品二区激情视频| 9热在线视频观看99| 老司机午夜十八禁免费视频| 宅男免费午夜| 日韩精品中文字幕看吧| 国产麻豆69| 国产精品二区激情视频| 曰老女人黄片| 操美女的视频在线观看| 免费在线观看完整版高清| 色老头精品视频在线观看| 很黄的视频免费| 亚洲久久久国产精品| 国产乱人伦免费视频| 国产亚洲欧美98| 日韩三级视频一区二区三区| 欧美日韩精品网址| 国内精品久久久久久久电影| 亚洲成av片中文字幕在线观看| 老司机在亚洲福利影院| 女人精品久久久久毛片| 国产黄a三级三级三级人| 精品少妇一区二区三区视频日本电影| 国产单亲对白刺激| 国产黄a三级三级三级人| 国产亚洲av高清不卡| 99久久综合精品五月天人人| 成人亚洲精品一区在线观看| 亚洲精品在线美女| 日韩欧美在线二视频| 嫩草影院精品99| 亚洲成人久久性| 久久午夜综合久久蜜桃|