• <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
    日韩成人伦理影院| 亚洲中文av在线| 狠狠婷婷综合久久久久久88av| 欧美xxⅹ黑人| 久久久久视频综合| 春色校园在线视频观看| 国产日韩欧美亚洲二区| 国产高清不卡午夜福利| 久久精品久久久久久噜噜老黄| 国产激情久久老熟女| av国产久精品久网站免费入址| 如何舔出高潮| 99国产精品免费福利视频| 亚洲精品乱码久久久久久按摩| 亚洲一级一片aⅴ在线观看| 国产免费视频播放在线视频| 中文字幕亚洲精品专区| 午夜免费男女啪啪视频观看| 人成视频在线观看免费观看| 九色成人免费人妻av| 欧美人与性动交α欧美软件 | 国产一区二区在线观看av| 9色porny在线观看| 婷婷色综合www| 一级黄片播放器| 久久狼人影院| 欧美精品人与动牲交sv欧美| 黑人高潮一二区| 好男人视频免费观看在线| 亚洲国产欧美日韩在线播放| 黄色配什么色好看| 草草在线视频免费看| 免费观看性生交大片5| 国产亚洲一区二区精品| 国产探花极品一区二区| 国产欧美日韩综合在线一区二区| 91精品国产国语对白视频| 美女视频免费永久观看网站| 91精品三级在线观看| 成人毛片a级毛片在线播放| 亚洲美女视频黄频| 精品少妇久久久久久888优播| 国产精品一二三区在线看| 成人午夜精彩视频在线观看| 国产女主播在线喷水免费视频网站| xxx大片免费视频| 亚洲精品国产av成人精品| 国产在线一区二区三区精| 精品酒店卫生间| 亚洲天堂av无毛| 黑人欧美特级aaaaaa片| 狠狠精品人妻久久久久久综合| 看免费成人av毛片| 99热国产这里只有精品6| 日本av手机在线免费观看| 99热6这里只有精品| 国产又色又爽无遮挡免| 亚洲天堂av无毛| av在线播放精品| 婷婷成人精品国产| 90打野战视频偷拍视频| 极品人妻少妇av视频| 亚洲高清免费不卡视频| av在线老鸭窝| 插逼视频在线观看| 欧美少妇被猛烈插入视频| 精品一区二区三区视频在线| 国产午夜精品一二区理论片| 免费高清在线观看视频在线观看| xxxhd国产人妻xxx| 乱人伦中国视频| 人人妻人人澡人人爽人人夜夜| 26uuu在线亚洲综合色| av在线播放精品| 成年av动漫网址| 久久久久久久久久久免费av| 久久久久视频综合| 亚洲精品成人av观看孕妇| 一个人免费看片子| 纵有疾风起免费观看全集完整版| 97在线视频观看| 51国产日韩欧美| 80岁老熟妇乱子伦牲交| 亚洲美女黄色视频免费看| 成人漫画全彩无遮挡| 下体分泌物呈黄色| 高清视频免费观看一区二区| 26uuu在线亚洲综合色| 丝袜美足系列| 午夜影院在线不卡| 亚洲精品久久久久久婷婷小说| 久久ye,这里只有精品| 免费黄色在线免费观看| 久久鲁丝午夜福利片| 最新中文字幕久久久久| 春色校园在线视频观看| 18禁国产床啪视频网站| 男人操女人黄网站| av电影中文网址| 青春草视频在线免费观看| 久久久久久久久久久久大奶| 久久99热这里只频精品6学生| 欧美 日韩 精品 国产| 高清视频免费观看一区二区| 成人国产av品久久久| 一级片'在线观看视频| 精品一区二区三区视频在线| av视频免费观看在线观看| 亚洲第一区二区三区不卡| 亚洲国产欧美在线一区| 国产亚洲一区二区精品| 人妻一区二区av| 久久99一区二区三区| 久久精品久久久久久噜噜老黄| 久久久久视频综合| 99九九在线精品视频| 蜜桃国产av成人99| 少妇被粗大的猛进出69影院 | 日韩精品有码人妻一区| 亚洲av福利一区| 精品国产国语对白av| 香蕉精品网在线| 欧美变态另类bdsm刘玥| 99国产综合亚洲精品| 18在线观看网站| 亚洲av.av天堂| 天堂8中文在线网| 曰老女人黄片| 乱人伦中国视频| 亚洲成av片中文字幕在线观看 | 免费黄网站久久成人精品| 亚洲三级黄色毛片| 性高湖久久久久久久久免费观看| 国产免费一级a男人的天堂| 国产一区二区三区av在线| av片东京热男人的天堂| 黄片播放在线免费| 精品一区二区三区视频在线| 丰满饥渴人妻一区二区三| 国产高清三级在线| 人妻 亚洲 视频| 99国产精品免费福利视频| 日本与韩国留学比较| 国产男女内射视频| 国产日韩欧美视频二区| 在线天堂最新版资源| 久久久国产一区二区| √禁漫天堂资源中文www| 在线 av 中文字幕| 成年人免费黄色播放视频| 亚洲av.av天堂| 国产成人aa在线观看| 精品少妇黑人巨大在线播放| 各种免费的搞黄视频| 人妻少妇偷人精品九色| 免费大片黄手机在线观看| 日日撸夜夜添| 午夜激情av网站| 亚洲性久久影院| 菩萨蛮人人尽说江南好唐韦庄| 国产精品久久久久成人av| 秋霞伦理黄片| 亚洲色图 男人天堂 中文字幕 | 久久久久精品人妻al黑| 亚洲av.av天堂| 51国产日韩欧美| 欧美激情极品国产一区二区三区 | 国产精品国产av在线观看| 婷婷色综合大香蕉| 国产精品久久久久久精品电影小说| 宅男免费午夜| 一区二区av电影网| 美女国产高潮福利片在线看| 国产在线免费精品| 伦理电影免费视频| 狠狠精品人妻久久久久久综合| 午夜福利在线观看免费完整高清在| 黑人猛操日本美女一级片| 女的被弄到高潮叫床怎么办| 高清黄色对白视频在线免费看| 国产高清国产精品国产三级| 水蜜桃什么品种好| 中文字幕免费在线视频6| 大片电影免费在线观看免费| 国产 一区精品| 亚洲av男天堂| 在线观看免费高清a一片| 毛片一级片免费看久久久久| 国产亚洲精品久久久com| 毛片一级片免费看久久久久| 丝袜脚勾引网站| 纯流量卡能插随身wifi吗| 午夜视频国产福利| 人人妻人人爽人人添夜夜欢视频| 最近最新中文字幕大全免费视频 | 看非洲黑人一级黄片| 久久人人爽av亚洲精品天堂| 曰老女人黄片| 巨乳人妻的诱惑在线观看| 97超碰精品成人国产| 免费女性裸体啪啪无遮挡网站| 成人黄色视频免费在线看| 视频中文字幕在线观看| 热re99久久精品国产66热6| 久久鲁丝午夜福利片| 亚洲国产欧美在线一区| 久久久久久人人人人人| 丝袜人妻中文字幕| 亚洲四区av| 国产精品人妻久久久久久| 日本与韩国留学比较| 日本午夜av视频| 国产女主播在线喷水免费视频网站| 欧美少妇被猛烈插入视频| 99热全是精品| a级片在线免费高清观看视频| 成人手机av| 美女xxoo啪啪120秒动态图| 国产精品久久久久久精品古装| 深夜精品福利| 国产极品粉嫩免费观看在线| 精品卡一卡二卡四卡免费| 涩涩av久久男人的天堂| 国产女主播在线喷水免费视频网站| 一级毛片电影观看| 热re99久久精品国产66热6| 捣出白浆h1v1| 在线观看免费日韩欧美大片| 日韩成人av中文字幕在线观看| 国产一级毛片在线| 女人久久www免费人成看片| 香蕉国产在线看| xxxhd国产人妻xxx| 纯流量卡能插随身wifi吗| 久久久欧美国产精品| 在线观看人妻少妇| 久久久国产精品麻豆| 国产欧美另类精品又又久久亚洲欧美| 国产 精品1| 两个人免费观看高清视频| 婷婷色麻豆天堂久久| 人人澡人人妻人| 韩国精品一区二区三区 | 啦啦啦视频在线资源免费观看| 国产日韩欧美亚洲二区| 母亲3免费完整高清在线观看 | 中国三级夫妇交换| 中文字幕精品免费在线观看视频 | 国产视频首页在线观看| 蜜桃国产av成人99| 美女脱内裤让男人舔精品视频| 日韩中文字幕视频在线看片| 国产精品久久久久久精品电影小说| 午夜福利视频在线观看免费| 久久99一区二区三区| 黑人猛操日本美女一级片| 晚上一个人看的免费电影| 国产精品一区二区在线观看99| 成人国产av品久久久| 久久久久精品性色| 久久这里有精品视频免费| 久久久久久久久久久久大奶| 色视频在线一区二区三区| 老女人水多毛片| av网站免费在线观看视频| 在线观看美女被高潮喷水网站| 丝袜喷水一区| 欧美亚洲 丝袜 人妻 在线| 91精品伊人久久大香线蕉| 日韩电影二区| 2022亚洲国产成人精品| 亚洲精品久久午夜乱码| 亚洲精品国产av蜜桃| 久久精品人人爽人人爽视色| 26uuu在线亚洲综合色| 夜夜骑夜夜射夜夜干| h视频一区二区三区| 69精品国产乱码久久久| 午夜老司机福利剧场| 人妻 亚洲 视频| 国产熟女午夜一区二区三区| 好男人视频免费观看在线| 日韩视频在线欧美| 中文欧美无线码| 丰满少妇做爰视频| 一区二区日韩欧美中文字幕 | √禁漫天堂资源中文www| 日韩欧美精品免费久久| 精品一品国产午夜福利视频| 日本与韩国留学比较| 久久午夜福利片| 秋霞伦理黄片| 国产女主播在线喷水免费视频网站| 亚洲av电影在线观看一区二区三区| 久久久久久人人人人人| 国产精品久久久久久久电影| 免费av中文字幕在线| 久久精品久久久久久久性| 国产成人精品在线电影| 精品午夜福利在线看| a级毛片黄视频| 成年人免费黄色播放视频| 欧美精品国产亚洲| 999精品在线视频| 精品人妻熟女毛片av久久网站| 这个男人来自地球电影免费观看 | 欧美亚洲 丝袜 人妻 在线| 美女福利国产在线| 精品亚洲乱码少妇综合久久| 男女下面插进去视频免费观看 | 国产色婷婷99| 日产精品乱码卡一卡2卡三| 中文字幕最新亚洲高清| 一区二区三区乱码不卡18| 另类精品久久| 亚洲久久久国产精品| 欧美bdsm另类| 毛片一级片免费看久久久久| 国产深夜福利视频在线观看| 免费看不卡的av| 1024视频免费在线观看| 久久影院123| 97精品久久久久久久久久精品| 亚洲三级黄色毛片| 日产精品乱码卡一卡2卡三| 亚洲精品av麻豆狂野| 韩国精品一区二区三区 | 亚洲欧美清纯卡通| 国产精品久久久av美女十八| 日韩av在线免费看完整版不卡| xxxhd国产人妻xxx| av在线app专区| 国产av精品麻豆| 亚洲欧洲日产国产| 国产在线一区二区三区精| 2022亚洲国产成人精品| 日韩欧美精品免费久久| 巨乳人妻的诱惑在线观看| 久久99热6这里只有精品| av线在线观看网站| 国产精品一区二区在线观看99| 只有这里有精品99| 综合色丁香网| 久久精品夜色国产| 精品人妻熟女毛片av久久网站| 人人妻人人澡人人看| 最后的刺客免费高清国语| 亚洲国产毛片av蜜桃av| 午夜日本视频在线| 欧美性感艳星| av线在线观看网站| 亚洲精品美女久久av网站| 亚洲美女黄色视频免费看| 中文字幕精品免费在线观看视频 | 波多野结衣一区麻豆| 一级毛片我不卡| 亚洲丝袜综合中文字幕| 一区在线观看完整版| 嫩草影院入口| 国产淫语在线视频| 视频在线观看一区二区三区| 最近中文字幕高清免费大全6| 日本91视频免费播放| 视频区图区小说| 999精品在线视频| 国产精品一国产av| 女人被躁到高潮嗷嗷叫费观| 日韩中字成人| 乱人伦中国视频| 如日韩欧美国产精品一区二区三区| 国产老妇伦熟女老妇高清| 成年人免费黄色播放视频| √禁漫天堂资源中文www| 国产成人欧美| 精品国产一区二区三区久久久樱花| 一级片'在线观看视频| 麻豆精品久久久久久蜜桃| 91精品三级在线观看| 少妇人妻久久综合中文| 国产黄色视频一区二区在线观看| 亚洲欧美成人精品一区二区| 99香蕉大伊视频| 国产精品久久久久久精品电影小说| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 性高湖久久久久久久久免费观看| 日本午夜av视频| 美女国产高潮福利片在线看| 免费在线观看完整版高清| 日韩不卡一区二区三区视频在线| 熟女人妻精品中文字幕| 久久久久久久久久久免费av| 国产亚洲午夜精品一区二区久久| 日韩精品免费视频一区二区三区 | 精品亚洲成a人片在线观看| 女人精品久久久久毛片| 男人添女人高潮全过程视频| 男女国产视频网站| 欧美人与善性xxx| 啦啦啦中文免费视频观看日本| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产精品三级大全| 欧美成人精品欧美一级黄| 亚洲少妇的诱惑av| 国产免费又黄又爽又色| 波多野结衣一区麻豆| 曰老女人黄片| 免费大片黄手机在线观看| 欧美精品国产亚洲| 欧美 日韩 精品 国产| 男女啪啪激烈高潮av片| 大香蕉97超碰在线| 色94色欧美一区二区| 国产精品免费大片| 熟妇人妻不卡中文字幕| 欧美精品一区二区大全| 久久午夜福利片| 国产探花极品一区二区| 欧美另类一区| 国产成人精品一,二区| 精品国产乱码久久久久久小说| 少妇 在线观看| 国产精品久久久久久久电影| 中文字幕av电影在线播放| 宅男免费午夜| 2018国产大陆天天弄谢| 十八禁高潮呻吟视频| 日本午夜av视频| 国产乱来视频区| 午夜福利网站1000一区二区三区| 午夜91福利影院| 免费看光身美女| 欧美另类一区| 夜夜爽夜夜爽视频| 日本wwww免费看| 欧美3d第一页| 国产精品偷伦视频观看了| 黑人欧美特级aaaaaa片| 秋霞伦理黄片| 日韩中文字幕视频在线看片| 十八禁高潮呻吟视频| 又大又黄又爽视频免费| 另类精品久久| 18在线观看网站| 热99国产精品久久久久久7| 伦理电影大哥的女人| 国产高清国产精品国产三级| 少妇精品久久久久久久| 最黄视频免费看| 久久人人爽人人片av| 久久人妻熟女aⅴ| 国产免费视频播放在线视频| 国产精品国产av在线观看| 国产国拍精品亚洲av在线观看| 亚洲伊人色综图| 波多野结衣一区麻豆| 日本黄大片高清| 丰满迷人的少妇在线观看| 青春草视频在线免费观看| 亚洲美女视频黄频| 久久久久久久国产电影| 亚洲美女黄色视频免费看| 欧美成人午夜精品| 男女边摸边吃奶| 婷婷色综合www| 亚洲成色77777| 久久午夜福利片| 免费大片黄手机在线观看| 9色porny在线观看| 久久精品aⅴ一区二区三区四区 | 久久毛片免费看一区二区三区| 五月玫瑰六月丁香| 中文字幕制服av| 日本与韩国留学比较| 97人妻天天添夜夜摸| 欧美xxⅹ黑人| 精品国产国语对白av| 亚洲精品美女久久av网站| 国产日韩一区二区三区精品不卡| 日韩一区二区视频免费看| 亚洲av福利一区| 男女午夜视频在线观看 | 成年av动漫网址| 亚洲精品,欧美精品| 一级黄片播放器| 男女啪啪激烈高潮av片| 中文精品一卡2卡3卡4更新| a 毛片基地| 人成视频在线观看免费观看| 丝袜脚勾引网站| 91午夜精品亚洲一区二区三区| 高清欧美精品videossex| 免费观看av网站的网址| 欧美日韩国产mv在线观看视频| 看免费成人av毛片| 亚洲国产精品一区三区| 国产av一区二区精品久久| 亚洲综合色网址| 亚洲国产毛片av蜜桃av| 精品久久久久久电影网| 午夜精品国产一区二区电影| 亚洲天堂av无毛| 婷婷色av中文字幕| 丝袜人妻中文字幕| 国产亚洲精品久久久com| 国产av精品麻豆| 国产免费一区二区三区四区乱码| 国产精品.久久久| xxxhd国产人妻xxx| 久久久久久久久久成人| 国产日韩一区二区三区精品不卡| 国产成人午夜福利电影在线观看| 午夜久久久在线观看| 国产成人精品一,二区| 美女国产视频在线观看| 黑人巨大精品欧美一区二区蜜桃 | 国产精品久久久久成人av| 最近最新中文字幕大全免费视频 | 国产亚洲av片在线观看秒播厂| 精品国产一区二区久久| 狠狠精品人妻久久久久久综合| 精品福利永久在线观看| a级毛片黄视频| 亚洲精品aⅴ在线观看| 亚洲欧美清纯卡通| 香蕉丝袜av| 国产在视频线精品| 国产精品一区二区在线观看99| 久久99热这里只频精品6学生| 欧美+日韩+精品| 国产精品欧美亚洲77777| 精品一区二区三卡| 女人精品久久久久毛片| 91成人精品电影| 我的女老师完整版在线观看| 乱人伦中国视频| 美女国产视频在线观看| 男女午夜视频在线观看 | 精品人妻一区二区三区麻豆| 午夜av观看不卡| 国产深夜福利视频在线观看| 久久这里只有精品19| 在线观看人妻少妇| 看非洲黑人一级黄片| 多毛熟女@视频| 久久狼人影院| 欧美另类一区| 少妇的逼水好多| 久久综合国产亚洲精品| 少妇的逼水好多| 亚洲欧洲精品一区二区精品久久久 | 日韩免费高清中文字幕av| 日本免费在线观看一区| 美国免费a级毛片| 亚洲,欧美精品.| 综合色丁香网| 九草在线视频观看| 国产成人a∨麻豆精品| 国产成人精品福利久久| 天美传媒精品一区二区| 黄色配什么色好看| 国产精品久久久久久av不卡| 亚洲av电影在线进入| 一级毛片我不卡| 90打野战视频偷拍视频| 一二三四中文在线观看免费高清| 如日韩欧美国产精品一区二区三区| 国产无遮挡羞羞视频在线观看| 99香蕉大伊视频| 久久这里有精品视频免费| 精品少妇内射三级| 亚洲精品久久久久久婷婷小说| 91成人精品电影| 观看美女的网站| 人成视频在线观看免费观看| 老熟女久久久| 美女xxoo啪啪120秒动态图| 永久网站在线| 狠狠精品人妻久久久久久综合| www.熟女人妻精品国产 | 97精品久久久久久久久久精品| 亚洲综合色惰| 亚洲成av片中文字幕在线观看 | 蜜桃国产av成人99| 亚洲内射少妇av| 看十八女毛片水多多多| 侵犯人妻中文字幕一二三四区| 99久久中文字幕三级久久日本| 亚洲久久久国产精品| 久久久久精品性色| 国产成人91sexporn| 欧美人与善性xxx| 久久久久精品性色| 亚洲国产精品专区欧美| 欧美人与善性xxx| 丝袜脚勾引网站| 亚洲av男天堂| 久久久久久久久久成人| 9热在线视频观看99| www.色视频.com| 十八禁网站网址无遮挡| 亚洲欧美一区二区三区国产| 日韩大片免费观看网站| 九草在线视频观看| 人妻系列 视频| 中文精品一卡2卡3卡4更新| 亚洲经典国产精华液单| 性色av一级| 日韩中文字幕视频在线看片| 亚洲中文av在线| 建设人人有责人人尽责人人享有的| 爱豆传媒免费全集在线观看| 亚洲精品美女久久av网站| 97精品久久久久久久久久精品| 免费不卡的大黄色大毛片视频在线观看| 岛国毛片在线播放|