• <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 ?

    基于稀疏排列的LPP和ELM的人臉識(shí)別

    2016-12-21 07:14:01王博林閆德勤楚永賀
    關(guān)鍵詞:學(xué)習(xí)機(jī)流形降維

    王博林, 閆德勤, 楚永賀

    (1.遼寧師范大學(xué) 數(shù)學(xué)學(xué)院,遼寧 大連 116029;2.遼寧師范大學(xué) 計(jì)算機(jī)與信息技術(shù)學(xué)院,遼寧 大連 116081)

    ?

    基于稀疏排列的LPP和ELM的人臉識(shí)別

    王博林1, 閆德勤2, 楚永賀2

    (1.遼寧師范大學(xué) 數(shù)學(xué)學(xué)院,遼寧 大連 116029;2.遼寧師范大學(xué) 計(jì)算機(jī)與信息技術(shù)學(xué)院,遼寧 大連 116081)

    在人臉圖像識(shí)別中人臉圖像數(shù)據(jù)中有很多是稀疏的,對(duì)于稀疏數(shù)據(jù)的降維是流形學(xué)習(xí)算法面臨的一個(gè)問(wèn)題。為了有效地從高維圖像數(shù)據(jù)中提取人臉圖像的敏感信息,提高人臉識(shí)別的速度,文章提出了一種基于流形學(xué)習(xí)的有監(jiān)督稀疏排列的局部保持投影算法(SSLPP)的極端學(xué)習(xí)機(jī)(ELM)。

    流形學(xué)習(xí);極端學(xué)習(xí)機(jī)

    0 引言

    近年來(lái)在流形學(xué)習(xí)的基礎(chǔ)上研究人員提出了不同的降維算法,例如,局部保持嵌入(Locally Linear Embedding, LLE)[1]、拉普拉斯特征映射(Laplacian Eigenmaps, LE)[2],這些非線(xiàn)性方法在人臉圖像識(shí)別中取得了理想的效果,然而人臉圖像數(shù)據(jù)往往具有非常高的維數(shù),利用這些非線(xiàn)性方法是非常耗時(shí),對(duì)如何構(gòu)建測(cè)試數(shù)據(jù)的鄰接圖關(guān)系是未知的。為了解決上述非線(xiàn)性方法的耗時(shí)問(wèn)題,研究人員提出了有監(jiān)督的鄰域保持嵌入(Supervised Neighborhood Preserving Embedding, SNPE)[3]、判別信息增強(qiáng)的鄰域保持嵌入(Discriminant-Enhanced Neighborhood Preserving Embedding, DNPE)[4]、局部最大間隔判別嵌入(Local Maximal Margin Discriminant Embedding, LMMDE)[5]等能夠很好地提取人臉圖像數(shù)據(jù)的判別信息,并且解決了非線(xiàn)性方法的耗時(shí)問(wèn)題。目前在人臉圖像識(shí)別中降維算法面臨的問(wèn)題是:基于流形學(xué)習(xí)的各種算法對(duì)人臉圖像數(shù)據(jù)的判別信息的提取效果不佳,極大地影響著極端學(xué)習(xí)機(jī)的分類(lèi)性能。降維算法的有效性取決于對(duì)人臉圖像數(shù)據(jù)判別信息的有效提取。稀疏性是人臉圖像數(shù)據(jù)的屬性之一,影響著降維算法的有效性。

    近年來(lái)HUANG等人[6]基于單隱層前饋神經(jīng)網(wǎng)絡(luò)(Single-Hidden Layer Feedforward Networks,SLFNs)結(jié)構(gòu)提出了極端學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)。ELM訓(xùn)練速度快,避免了傳統(tǒng)SLFNs學(xué)習(xí)方法收斂速度慢及陷入局部極小解的可能。ELM是一種基于單隱層前饋神經(jīng)網(wǎng)絡(luò)(SLFNs)的結(jié)構(gòu),它隨機(jī)選擇輸入權(quán)值和分析確定SLFNs的輸出權(quán)值,具有更好的泛化能力和更快的學(xué)習(xí)速度,避免了瑣碎的人為干預(yù),使得它在在線(xiàn)和實(shí)時(shí)應(yīng)用中具有較高的效率。然而在人臉識(shí)別問(wèn)題中由于人臉圖像數(shù)據(jù)往往具有非常高的維數(shù),從而使ELM的識(shí)別率下降和分類(lèi)速度變慢,為此本文提出了基于流形學(xué)習(xí)的極端學(xué)習(xí)機(jī)。本文的創(chuàng)新點(diǎn)如下:(1)將流形學(xué)習(xí)的理論與ELM結(jié)合起來(lái),進(jìn)而提高人臉識(shí)別的識(shí)別率和識(shí)別速度; (2)考慮到人臉圖像數(shù)據(jù)的稀疏性,為此利用人臉圖像數(shù)據(jù)的統(tǒng)計(jì)信息動(dòng)態(tài)確定局部線(xiàn)性化范圍,在LPP算法的基礎(chǔ)上依據(jù)數(shù)據(jù)的分布提出一種有監(jiān)督稀疏排列的局部保持投影算法(SSLPP)。

    1 基于流形學(xué)習(xí)的SSLPP降維方法

    圖1 以xi為中心的k-N(i)域

    對(duì)于稀疏的人臉圖像數(shù)據(jù)樣本集,樣本間重疊的信息量非常少,為此本文通過(guò)擴(kuò)大k鄰域?yàn)閗-N(i)區(qū)域?qū)υ紨?shù)據(jù)集進(jìn)行區(qū)域信息加強(qiáng),如圖1所示,k-N(xi)區(qū)域?yàn)镹(xi)及其對(duì)應(yīng)的k近鄰點(diǎn)構(gòu)成,這使得在數(shù)據(jù)樣本集較少的情況下,同樣能夠?qū)崿F(xiàn)重疊信息量非常充分的流形學(xué)習(xí)效果。

    本文期望k-N(i)鄰域降維后樣本的鄰域關(guān)系盡可能保持不變,則第i個(gè)樣本鄰域最小化目標(biāo)函數(shù)為:

    (1)

    (2)

    式(2)中c為所有樣本的類(lèi)別總數(shù),uT為投影變換矩陣,依據(jù)文獻(xiàn)[7]對(duì)LPP算法的推導(dǎo)過(guò)程如下:

    (3)

    其中Yi=[yi1,…,yik],el=[1,…,1]T,Il∈Rl×l的單位矩陣,L為拉普拉斯矩陣。SSLPP算法保持了LPP算法原有的框架,因此優(yōu)化條件可寫(xiě)為:

    minε(u)=tr(uTXLXTu) s.t.uTXDXTu=I

    (4)

    其中Dii=∑jwij,利用拉格朗日乘子法對(duì)式(4)進(jìn)行求解可得:

    XLXTu=λXDXTu

    (5)

    對(duì)矩陣XLXT和XDXT進(jìn)行特征值分解,得到特征向量矩陣為U=[u1,…,uN]。從特征向量矩陣中選取的第2到第d+1個(gè)最小特征值對(duì)應(yīng)的特征向量,即:[u2,…,ud+1]T,則由y=uTx得到SSLPP算法。

    2 ELM

    對(duì)于N個(gè)不同的樣本(xj,tj)可表示為X=(x1,x2,…,xN)T∈RD×N,其中tj=(tj1,tj2,…,tjm)T∈Rm,具有L個(gè)隱層節(jié)點(diǎn)激活函數(shù)為g(x)的ELM模型如下形式:

    (6)

    其中j=1,2,…,N,ai=(ai1,ai2,…,ain)為連接第i個(gè)隱層節(jié)點(diǎn)與輸入節(jié)點(diǎn)的輸入權(quán)值向量,βi=(βi1,βi2,…,βim)為連接第i個(gè)隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)的輸出權(quán)值向量,bi為第i個(gè)隱層節(jié)點(diǎn)的偏置值,ai·xj表示ai和xj的內(nèi)積,tj=(tj1,tj2,…,tjm)T∈Rm為對(duì)應(yīng)于樣本xj的期望輸出向量,對(duì)所有數(shù)據(jù)樣本進(jìn)行整合,式(6)可以改寫(xiě)為如下形式:

    Hβ=T

    (7)

    其中H是網(wǎng)絡(luò)隱層節(jié)點(diǎn)輸出矩陣,β為輸出權(quán)值矩陣,T為期望輸出矩陣:

    (8)

    (9)

    (10)

    當(dāng)隱層節(jié)點(diǎn)個(gè)數(shù)與訓(xùn)練樣本個(gè)數(shù)相同時(shí)(即L=N),可以通過(guò)式(7)直接求矩陣H的逆矩陣得到最優(yōu)的輸出權(quán)值矩陣β,但大多情況下隱層節(jié)點(diǎn)的個(gè)數(shù)遠(yuǎn)小于訓(xùn)練樣本的個(gè)數(shù)(即L?N),此時(shí)矩陣H為奇異矩陣,利用最小二乘解的方法對(duì)式(7)進(jìn)行求解:

    (11)

    其中,H+為矩陣H的廣義逆。

    為了提高傳統(tǒng)ELM的穩(wěn)定性和泛化能力,Huang提出了等式優(yōu)化約束的ELM。等式優(yōu)化約束的ELM的優(yōu)化式子不僅最小化訓(xùn)練誤差ξ,同時(shí)最小化輸出權(quán)值β,因此等式優(yōu)化約束的ELM目標(biāo)式子可寫(xiě)為:

    i=1,2,…,N

    (12)

    式(12)中ξi=(ξi1,…,ξ1m)T為對(duì)應(yīng)于樣本xi的訓(xùn)練誤差向量,C為懲罰參數(shù)。式(12)的求解可通過(guò)拉格朗日方法轉(zhuǎn)化為無(wú)條件最優(yōu)化問(wèn)題進(jìn)行求解。因此ELM算法求解過(guò)程可總結(jié)如下:

    (1)初始化訓(xùn)練樣本集;

    (2)隨機(jī)指定網(wǎng)絡(luò)輸入權(quán)值ai和偏置值bi;

    (3)通過(guò)激活函數(shù)[8]計(jì)算隱層節(jié)點(diǎn)輸出矩陣H;

    3 實(shí)驗(yàn)結(jié)果及分析

    2個(gè)不同人臉庫(kù)數(shù)據(jù)參數(shù)設(shè)置如表1所示,人臉圖像如圖2所示。為了證明所提出算法的有效性,在ORL實(shí)驗(yàn)中隨機(jī)選取訓(xùn)練集個(gè)數(shù)為L(zhǎng)={2,3,4,5},剩余部分為測(cè)試集;在Yale B試驗(yàn)中隨機(jī)選取訓(xùn)練集個(gè)數(shù)為L(zhǎng)={5,10,20,30},剩余部分為測(cè)試集,不同降維算法在不同維數(shù)下的識(shí)別率曲線(xiàn)及識(shí)別率如圖3所示。

    表1 數(shù)據(jù)參數(shù)集描述

    圖2 不同人臉圖像Yale, Yale B,ORL

    圖3給出了ELM采用不同降維算法在ORL人臉數(shù)據(jù)上的識(shí)別率曲線(xiàn)。由圖3可知ELM采用SSLPP算法的識(shí)

    圖3 不同降維算法在ORL人臉庫(kù)識(shí)別率曲線(xiàn)

    別率曲線(xiàn)達(dá)到了100%并且非常穩(wěn)定,SNPE算法的識(shí)別率曲線(xiàn)隨著位數(shù)據(jù)維數(shù)的增大出現(xiàn)了波動(dòng),DNPE算法、LMMDE和RAF-GE算法[8]的識(shí)別率曲線(xiàn)隨著數(shù)據(jù)維數(shù)的增大識(shí)別率也跟著增大,DNPE算法在ORL數(shù)據(jù)上表現(xiàn)出比較好的性質(zhì)。

    圖4給出了ELM采用不同降維算法在Yale B人臉數(shù)據(jù)上的識(shí)別率曲線(xiàn),由圖4可知ELM采用SSLPP算法的識(shí)別率曲線(xiàn)明顯高于其他算法并且非常穩(wěn)定。

    4 結(jié)論

    為了提高人臉識(shí)別的速度和準(zhǔn)確率,本文提出了基于流形學(xué)習(xí)的極端學(xué)習(xí)機(jī),通過(guò)與DNPE及LMMDE、RAF-GE、SNPE算法的對(duì)比實(shí)驗(yàn)表明,本文所提出的方法在人臉識(shí)別速度和識(shí)別率上顯著優(yōu)于其他方法,因此,基于流行學(xué)習(xí)的極端學(xué)習(xí)機(jī)具有重要的現(xiàn)實(shí)的意義。

    [1]ROWEIS S T,SAUL L K, Nonlinear dimensionality reduction by locally linear embedding[J].Science,2000,290(5500):2323-2326.

    [2]MIKHAIL B,PARTHA N.Laplacian eignmaps for dimensionality reduction and data representation[J]. Neural Computation, 2003,15(6):1373-1396.

    [3]Bao Xing,Zhang Li,Wang Bangjun,et al. A supervised neighborhood preserving embedding for face recognition[C]. International Joint Conference on Neural Networks,2014:278-284.

    [4]Chai Yi,Yang Zhimin,Zhang Ke,et al. Discriminant-enhanced neighborhood preserving embedding for dimensionality reduction[C]. IEEE Conference, Nov ,2013:255-210.

    [5]Huang Pu,Tang Zhenmin,Chen Caikou,et al. Local maximal margin discriminant embedding for face recognition[J]. Vis. Commun. Image R., 2014(25):296-305.

    [6] Wang Dianhui,Huang Guangbin.Protein sequence classificati-on using extreme learning machine[J].Proceedings of International Joint Conference on Neural Networks, 2005(3):1406- 1411.

    圖4 不同降維算法在Yale B人臉庫(kù)識(shí)別率曲線(xiàn)

    [7] Huang Guangbin. An insight into extreme learning machines:random neurons,random features and kernels[J]. Cogn Comput,2014,6(3):376-390.

    [8] 馮林,劉勝藍(lán),張晶,等.高維數(shù)據(jù)中魯棒激活函數(shù)的極端學(xué)習(xí)機(jī)及線(xiàn)性降維[J].計(jì)算機(jī)研究與發(fā)展,2014,51(6):1331-1340.

    Face recognition based on sparse array of LPP and ELM

    Wang Bolin1, Yan Deqin2,Chu Yonghe2

    (1.School of Mathematics,Liaoning Normal University,Dalian 116029,China; 2.School of Computer and Information Technology,Liaoning Normal University,Dalian 116081,China)

    In face recognition, lots of face image data is sparse. The dimension reduction of sparse data is a prohlem of manifold learning algorithms. In order to effectively extract the essence information of human face image from high dimensional image data, and increase the speed of face recognition, this paper proposes a manifold learning extreme learning machine (MELM) with supervised sparse alignment of local preserving projection (SSLPP) algorithm.

    manifold learning; extreme learning machine

    TP18

    A

    10.19358/j.issn.1674- 7720.2016.23.012

    王博林, 閆德勤, 楚永賀. 基于稀疏排列的LPP和ELM的人臉識(shí)別[J].微型機(jī)與應(yīng)用,2016,35(23):42-45.

    2016-08-11)

    王博林(1993-),通信作者,女,碩士研究生,主要研究方向:機(jī)器學(xué)習(xí),圖像處理等。E-mail:841466296@qq.com。

    閆德勤(1962-),男,博士,教授,主要研究方向:機(jī)器學(xué)習(xí),圖像處理等。

    楚永賀(1989-),男,碩士研究生,主要研究方向:機(jī)器學(xué)習(xí),圖像處理等。

    猜你喜歡
    學(xué)習(xí)機(jī)流形降維
    Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
    緊流形上的Schr?dinger算子的譜間隙估計(jì)
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    迷向表示分為6個(gè)不可約直和的旗流形上不變愛(ài)因斯坦度量
    Nearly Kaehler流形S3×S3上的切觸拉格朗日子流形
    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
    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
    基于多故障流形的旋轉(zhuǎn)機(jī)械故障診斷
    拋物化Navier-Stokes方程的降維仿真模型
    黄片无遮挡物在线观看| 综合色av麻豆| 亚洲国产精品国产精品| 男人舔女人下体高潮全视频| 国产单亲对白刺激| 久久亚洲精品不卡| 精品99又大又爽又粗少妇毛片| 日本午夜av视频| 亚洲一区高清亚洲精品| 国产av在哪里看| av国产免费在线观看| 成人高潮视频无遮挡免费网站| 伊人久久精品亚洲午夜| 久久久久久久久久成人| 亚洲欧美精品综合久久99| 少妇裸体淫交视频免费看高清| 国产精品99久久久久久久久| 岛国在线免费视频观看| 国产精品1区2区在线观看.| 人妻少妇偷人精品九色| 国产av在哪里看| 精品久久久久久成人av| 我的女老师完整版在线观看| 午夜精品一区二区三区免费看| 有码 亚洲区| 国产亚洲精品av在线| 久久99热这里只频精品6学生 | 丝袜喷水一区| 蜜桃亚洲精品一区二区三区| 麻豆乱淫一区二区| av免费观看日本| 亚洲不卡免费看| 中文精品一卡2卡3卡4更新| 午夜视频国产福利| 久久久久久大精品| 不卡视频在线观看欧美| 嫩草影院入口| 你懂的网址亚洲精品在线观看 | 久久久久久久久久成人| 亚洲五月天丁香| 午夜福利网站1000一区二区三区| 午夜激情福利司机影院| 婷婷色综合大香蕉| 国产精品麻豆人妻色哟哟久久 | 免费看a级黄色片| 中文字幕免费在线视频6| 亚洲自偷自拍三级| 中国美白少妇内射xxxbb| 国产成人a∨麻豆精品| 寂寞人妻少妇视频99o| 成年免费大片在线观看| 国产成人91sexporn| 成人午夜精彩视频在线观看| 超碰av人人做人人爽久久| 夫妻性生交免费视频一级片| 人妻少妇偷人精品九色| 在线观看一区二区三区| 岛国毛片在线播放| 丰满少妇做爰视频| 久久久久久伊人网av| 国产不卡一卡二| 亚洲av中文av极速乱| 91久久精品电影网| 国产三级中文精品| 精品久久久久久久久亚洲| 国产精品久久久久久精品电影| 搞女人的毛片| 精品久久久久久久久久久久久| 久久久国产成人免费| 一级二级三级毛片免费看| 乱人视频在线观看| 偷拍熟女少妇极品色| 卡戴珊不雅视频在线播放| videossex国产| 亚洲av免费高清在线观看| 亚洲综合精品二区| 能在线免费观看的黄片| 干丝袜人妻中文字幕| 欧美高清性xxxxhd video| 国产 一区 欧美 日韩| a级一级毛片免费在线观看| 国产伦一二天堂av在线观看| 一个人看的www免费观看视频| 国产免费一级a男人的天堂| 91aial.com中文字幕在线观看| 亚洲伊人久久精品综合 | 内地一区二区视频在线| 国产成人午夜福利电影在线观看| 村上凉子中文字幕在线| 狠狠狠狠99中文字幕| 嘟嘟电影网在线观看| 日韩成人伦理影院| 欧美日韩精品成人综合77777| 综合色丁香网| 免费看日本二区| 两性午夜刺激爽爽歪歪视频在线观看| 黄片wwwwww| 国产黄色小视频在线观看| 久久99热6这里只有精品| 国产又色又爽无遮挡免| 国产老妇女一区| 国产乱人偷精品视频| 国产黄片视频在线免费观看| 大香蕉97超碰在线| 在线免费十八禁| 欧美xxxx性猛交bbbb| 亚洲国产精品成人久久小说| 非洲黑人性xxxx精品又粗又长| 18禁动态无遮挡网站| 国产精品人妻久久久久久| 精品国产露脸久久av麻豆 | 亚洲三级黄色毛片| 久久久久久久久久久免费av| 日韩av不卡免费在线播放| 校园人妻丝袜中文字幕| 欧美成人a在线观看| 熟女人妻精品中文字幕| 成人鲁丝片一二三区免费| 精品久久久久久久久久久久久| 国产精品不卡视频一区二区| 成年版毛片免费区| 日韩av在线免费看完整版不卡| 日韩av在线免费看完整版不卡| 精品久久久久久成人av| av专区在线播放| 欧美高清成人免费视频www| 久久精品91蜜桃| 日韩精品有码人妻一区| 亚洲av一区综合| 国产亚洲精品久久久com| 国产精品伦人一区二区| 日韩 亚洲 欧美在线| 国产单亲对白刺激| 国产免费男女视频| 久久欧美精品欧美久久欧美| 国产精品一及| 18禁在线播放成人免费| 男插女下体视频免费在线播放| 欧美极品一区二区三区四区| 日日摸夜夜添夜夜添av毛片| 午夜福利网站1000一区二区三区| 日韩三级伦理在线观看| 丝袜美腿在线中文| 国产精品精品国产色婷婷| 变态另类丝袜制服| 亚洲av.av天堂| 精品久久久久久久久亚洲| 亚洲国产欧美在线一区| 男人的好看免费观看在线视频| 又爽又黄无遮挡网站| 成人午夜精彩视频在线观看| 国内精品美女久久久久久| 久久久成人免费电影| 日韩大片免费观看网站 | 国产黄色小视频在线观看| 97在线视频观看| 亚洲av免费在线观看| 国内揄拍国产精品人妻在线| 久久热精品热| 中文字幕av成人在线电影| 国产一区二区在线av高清观看| 亚洲精品国产av成人精品| 在线免费观看不下载黄p国产| 亚洲天堂国产精品一区在线| 91精品一卡2卡3卡4卡| 精品无人区乱码1区二区| 国产精品三级大全| 免费观看在线日韩| 国产精品永久免费网站| 校园人妻丝袜中文字幕| 精品人妻视频免费看| 成人特级av手机在线观看| 久久久久网色| 高清毛片免费看| 国产精品人妻久久久久久| 久久久久网色| 久久久久久久久久黄片| av福利片在线观看| 特大巨黑吊av在线直播| 久久久精品欧美日韩精品| 91久久精品电影网| 亚洲人成网站高清观看| 日韩欧美精品免费久久| 久久这里只有精品中国| 久久精品国产亚洲av涩爱| 成年免费大片在线观看| 成人毛片a级毛片在线播放| 岛国在线免费视频观看| 美女被艹到高潮喷水动态| 日韩精品有码人妻一区| 久久久久性生活片| 欧美三级亚洲精品| 亚洲五月天丁香| 亚洲欧美日韩东京热| 成人特级av手机在线观看| 精品久久久噜噜| 免费av毛片视频| 久久久a久久爽久久v久久| 日本一二三区视频观看| 国产精品人妻久久久影院| 亚洲av日韩在线播放| 啦啦啦观看免费观看视频高清| 国产精品嫩草影院av在线观看| 久久人人爽人人爽人人片va| 人妻夜夜爽99麻豆av| 国产免费又黄又爽又色| 亚洲精华国产精华液的使用体验| 午夜激情福利司机影院| 我要看日韩黄色一级片| 久久99精品国语久久久| 欧美bdsm另类| 色吧在线观看| 久久久久久久久久久免费av| 精品久久久久久成人av| 亚洲精品影视一区二区三区av| 麻豆成人午夜福利视频| 国产精品久久久久久精品电影| 成人国产麻豆网| 欧美+日韩+精品| 成人毛片a级毛片在线播放| 精品国产露脸久久av麻豆 | 麻豆精品久久久久久蜜桃| 亚洲一级一片aⅴ在线观看| 日本午夜av视频| 成年女人看的毛片在线观看| 久久久久久久久久久免费av| 深夜a级毛片| 免费大片18禁| 人妻少妇偷人精品九色| 国产又黄又爽又无遮挡在线| 中文资源天堂在线| 村上凉子中文字幕在线| 一级二级三级毛片免费看| 桃色一区二区三区在线观看| 国产午夜精品论理片| 99热精品在线国产| 国产大屁股一区二区在线视频| 久久人妻av系列| av黄色大香蕉| 别揉我奶头 嗯啊视频| 久久人妻av系列| 久久亚洲国产成人精品v| 婷婷色av中文字幕| 成人无遮挡网站| 日韩成人av中文字幕在线观看| 国产成年人精品一区二区| 欧美一区二区国产精品久久精品| 日韩大片免费观看网站 | 亚洲国产高清在线一区二区三| 尤物成人国产欧美一区二区三区| 国内精品宾馆在线| 一级二级三级毛片免费看| 综合色丁香网| 一区二区三区乱码不卡18| 国产精品一区www在线观看| 精品久久久久久成人av| 亚洲国产日韩欧美精品在线观看| 日韩av不卡免费在线播放| 热99在线观看视频| 免费电影在线观看免费观看| 淫秽高清视频在线观看| 噜噜噜噜噜久久久久久91| 国产成人aa在线观看| 久久久精品大字幕| 国内精品美女久久久久久| 日韩欧美精品v在线| 亚洲自偷自拍三级| 亚洲高清免费不卡视频| 特大巨黑吊av在线直播| 熟妇人妻久久中文字幕3abv| 国产精品福利在线免费观看| 乱人视频在线观看| 水蜜桃什么品种好| 观看免费一级毛片| 亚洲成色77777| 午夜a级毛片| av视频在线观看入口| 亚洲欧美精品综合久久99| 国产成人freesex在线| 国产三级在线视频| 亚洲av电影在线观看一区二区三区 | 又粗又硬又长又爽又黄的视频| 免费观看的影片在线观看| 亚洲精品乱码久久久v下载方式| 亚洲av二区三区四区| 国产精品一区二区三区四区久久| 国产精品一区www在线观看| 一级毛片aaaaaa免费看小| 在线天堂最新版资源| 亚洲欧美成人综合另类久久久 | 男人舔女人下体高潮全视频| 久久久亚洲精品成人影院| 国产 一区精品| 亚洲国产欧洲综合997久久,| 青春草视频在线免费观看| 97超碰精品成人国产| 老司机影院毛片| 国产不卡一卡二| 一个人观看的视频www高清免费观看| 亚洲精品456在线播放app| 国产午夜精品论理片| 中文欧美无线码| 国产亚洲最大av| 中文乱码字字幕精品一区二区三区 | 国产成人福利小说| 精品欧美国产一区二区三| 亚洲一区高清亚洲精品| 国产在视频线在精品| 国产精品不卡视频一区二区| www.av在线官网国产| 日本黄色视频三级网站网址| 亚洲精品,欧美精品| 搡老妇女老女人老熟妇| 老司机福利观看| 波野结衣二区三区在线| 久久久成人免费电影| 国产在视频线精品| 亚洲三级黄色毛片| 精品国产一区二区三区久久久樱花 | 亚洲在线观看片| 大话2 男鬼变身卡| 97在线视频观看| 成年免费大片在线观看| 内射极品少妇av片p| 男人舔奶头视频| 色综合亚洲欧美另类图片| 校园人妻丝袜中文字幕| 午夜免费激情av| 免费在线观看成人毛片| 高清在线视频一区二区三区 | 国产亚洲精品av在线| 中文亚洲av片在线观看爽| 26uuu在线亚洲综合色| 草草在线视频免费看| 69人妻影院| 三级国产精品片| 观看免费一级毛片| 女人久久www免费人成看片 | 嫩草影院新地址| 99在线视频只有这里精品首页| 久久久久久久亚洲中文字幕| 三级经典国产精品| 成人毛片60女人毛片免费| 午夜a级毛片| 成人特级av手机在线观看| 一级毛片我不卡| 国产亚洲av片在线观看秒播厂 | 2021少妇久久久久久久久久久| 国产一区有黄有色的免费视频 | 又爽又黄a免费视频| 熟女电影av网| 在线免费观看的www视频| 亚洲人与动物交配视频| 97超碰精品成人国产| av国产免费在线观看| 丝袜美腿在线中文| 成人鲁丝片一二三区免费| 看免费成人av毛片| 亚洲性久久影院| 精品人妻偷拍中文字幕| 久久人人爽人人爽人人片va| 一夜夜www| 热99re8久久精品国产| 一级爰片在线观看| 日本黄色视频三级网站网址| 久久亚洲精品不卡| 视频中文字幕在线观看| 成人性生交大片免费视频hd| 国产淫语在线视频| av.在线天堂| 丰满乱子伦码专区| 亚洲av成人精品一区久久| 亚洲精品,欧美精品| 亚洲av一区综合| av女优亚洲男人天堂| 欧美97在线视频| 人人妻人人澡人人爽人人夜夜 | 午夜福利视频1000在线观看| 超碰97精品在线观看| 国产在线男女| 五月伊人婷婷丁香| 亚洲婷婷狠狠爱综合网| 亚洲精品国产av成人精品| 99热这里只有精品一区| 黄色配什么色好看| 在线免费观看的www视频| 超碰97精品在线观看| 免费看光身美女| av国产免费在线观看| 久久6这里有精品| 嘟嘟电影网在线观看| 色5月婷婷丁香| 亚洲中文字幕一区二区三区有码在线看| 亚洲真实伦在线观看| 亚洲综合色惰| 一个人免费在线观看电影| 麻豆乱淫一区二区| 国产成人a区在线观看| 亚洲av二区三区四区| 长腿黑丝高跟| 日日摸夜夜添夜夜爱| 能在线免费看毛片的网站| 三级毛片av免费| a级一级毛片免费在线观看| 亚洲国产精品sss在线观看| 久久99热这里只频精品6学生 | 国产91av在线免费观看| 九九在线视频观看精品| 欧美精品国产亚洲| 国产69精品久久久久777片| 伦理电影大哥的女人| 色哟哟·www| 青春草国产在线视频| 在线a可以看的网站| 久久久久久久午夜电影| 久久精品国产鲁丝片午夜精品| 国产高清不卡午夜福利| 中文精品一卡2卡3卡4更新| 成人二区视频| 日本免费在线观看一区| 美女xxoo啪啪120秒动态图| 天堂网av新在线| 欧美日本亚洲视频在线播放| 欧美xxxx黑人xx丫x性爽| 欧美97在线视频| 亚洲精品日韩av片在线观看| 亚洲精品国产av成人精品| 97超碰精品成人国产| 中文天堂在线官网| 听说在线观看完整版免费高清| 亚洲欧美一区二区三区国产| 国产免费男女视频| 免费电影在线观看免费观看| 欧美成人免费av一区二区三区| 亚洲精品aⅴ在线观看| 日韩av在线大香蕉| 99久久精品一区二区三区| 26uuu在线亚洲综合色| 成人一区二区视频在线观看| av黄色大香蕉| 国产女主播在线喷水免费视频网站 | 极品教师在线视频| 国产精品99久久久久久久久| 亚洲欧美成人综合另类久久久 | 99热这里只有是精品50| 国产精品99久久久久久久久| 日韩人妻高清精品专区| 国产精品爽爽va在线观看网站| 欧美成人免费av一区二区三区| 1000部很黄的大片| 天堂中文最新版在线下载 | 黑人高潮一二区| 亚洲人与动物交配视频| 日韩,欧美,国产一区二区三区 | 免费看av在线观看网站| 女人久久www免费人成看片 | 男插女下体视频免费在线播放| av在线老鸭窝| 纵有疾风起免费观看全集完整版 | 久久精品人妻少妇| 综合色av麻豆| 蜜桃久久精品国产亚洲av| 边亲边吃奶的免费视频| 美女xxoo啪啪120秒动态图| 欧美成人午夜免费资源| 身体一侧抽搐| 18禁在线播放成人免费| 级片在线观看| 国产av在哪里看| 插阴视频在线观看视频| 国产免费男女视频| 国产精品日韩av在线免费观看| 中文字幕制服av| 亚洲真实伦在线观看| 久久国内精品自在自线图片| 欧美+日韩+精品| 日本猛色少妇xxxxx猛交久久| 99久久人妻综合| 欧美一区二区精品小视频在线| 国产高清有码在线观看视频| 男女那种视频在线观看| 亚洲成人精品中文字幕电影| 99久久精品国产国产毛片| 国产成人一区二区在线| 最近最新中文字幕免费大全7| 韩国av在线不卡| .国产精品久久| 我要看日韩黄色一级片| 国产在视频线在精品| 免费看a级黄色片| 最近手机中文字幕大全| 欧美激情国产日韩精品一区| 日韩三级伦理在线观看| 男人狂女人下面高潮的视频| 人妻夜夜爽99麻豆av| av视频在线观看入口| 18+在线观看网站| 亚洲精品乱久久久久久| 国产精品永久免费网站| 婷婷色麻豆天堂久久 | 国产午夜精品论理片| 欧美精品国产亚洲| 久久精品国产亚洲av天美| 欧美日韩在线观看h| 中文乱码字字幕精品一区二区三区 | 特大巨黑吊av在线直播| 91午夜精品亚洲一区二区三区| 性插视频无遮挡在线免费观看| 在线播放无遮挡| av又黄又爽大尺度在线免费看 | 在线播放无遮挡| 麻豆国产97在线/欧美| 国产在视频线在精品| 欧美日韩精品成人综合77777| 少妇熟女欧美另类| 国产老妇女一区| 18禁在线播放成人免费| 亚洲在线自拍视频| 日韩精品有码人妻一区| 久久久久性生活片| 午夜福利在线观看免费完整高清在| 午夜亚洲福利在线播放| 中文字幕久久专区| 国产成人91sexporn| 91精品国产九色| 日韩av在线免费看完整版不卡| 能在线免费看毛片的网站| 天天一区二区日本电影三级| 国产黄a三级三级三级人| 亚洲久久久久久中文字幕| 2022亚洲国产成人精品| 日韩高清综合在线| 搞女人的毛片| 淫秽高清视频在线观看| 免费观看精品视频网站| 七月丁香在线播放| 国产精品久久电影中文字幕| 久久99蜜桃精品久久| 久久精品夜色国产| 精品一区二区三区人妻视频| 午夜老司机福利剧场| 少妇熟女aⅴ在线视频| 欧美性猛交黑人性爽| 午夜精品一区二区三区免费看| 精品久久久久久电影网 | 国产成人精品久久久久久| 欧美xxxx黑人xx丫x性爽| 国内精品一区二区在线观看| 99九九线精品视频在线观看视频| 亚洲三级黄色毛片| 国产成人免费观看mmmm| 别揉我奶头 嗯啊视频| www日本黄色视频网| 超碰97精品在线观看| 久久欧美精品欧美久久欧美| 国产片特级美女逼逼视频| 国产精品久久久久久久电影| 91精品伊人久久大香线蕉| 国产精品乱码一区二三区的特点| 久久久久久大精品| 中文字幕人妻熟人妻熟丝袜美| 久久精品夜夜夜夜夜久久蜜豆| 久热久热在线精品观看| 黄片无遮挡物在线观看| 国产视频内射| 亚洲真实伦在线观看| 三级毛片av免费| 男的添女的下面高潮视频| 老司机影院成人| 午夜福利在线观看免费完整高清在| 亚洲综合精品二区| 最近中文字幕2019免费版| 亚洲五月天丁香| 国产精品.久久久| 99国产精品一区二区蜜桃av| 欧美+日韩+精品| 免费大片18禁| 日韩欧美在线乱码| 噜噜噜噜噜久久久久久91| 人人妻人人看人人澡| 国产国拍精品亚洲av在线观看| 精品国内亚洲2022精品成人| 高清av免费在线| 大又大粗又爽又黄少妇毛片口| 国产欧美另类精品又又久久亚洲欧美| 老师上课跳d突然被开到最大视频| 热99在线观看视频| 精品99又大又爽又粗少妇毛片| 欧美日韩在线观看h| 成人鲁丝片一二三区免费| 欧美日本亚洲视频在线播放| 久久久久性生活片| 日本五十路高清| 国产视频内射| 日本与韩国留学比较| 少妇熟女欧美另类| 日产精品乱码卡一卡2卡三| 午夜激情欧美在线| 午夜福利高清视频| 亚洲国产色片| 边亲边吃奶的免费视频| 在线免费十八禁| 日韩人妻高清精品专区| 最近的中文字幕免费完整| 久久99热6这里只有精品| 亚洲精品久久久久久婷婷小说 | 麻豆一二三区av精品| av在线播放精品| 少妇高潮的动态图| 男人和女人高潮做爰伦理| av在线观看视频网站免费| 国产av一区在线观看免费| 亚洲国产欧洲综合997久久,| 欧美潮喷喷水| 成人特级av手机在线观看|