• <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DCNN的人臉多屬性識別

    2017-04-22 10:11:26廣長彪
    現(xiàn)代計算機 2017年8期
    關鍵詞:人臉微笑卷積

    廣長彪

    (1.四川大學視覺合成圖形圖像國家重點實驗室,成都 610065;2.四川川大智勝軟件公司,成都 610065)

    基于DCNN的人臉多屬性識別

    廣長彪

    (1.四川大學視覺合成圖形圖像國家重點實驗室,成都 610065;2.四川川大智勝軟件公司,成都 610065)

    在人臉屬性的識別過程中,目前常見的方法有以下幾種,基于Gabor小波變換的人臉屬性識別,基于SIFT的人臉屬性識別和基于差分紋理的人臉屬性識別。傳統(tǒng)方法存在很多問題,例如特征的選取需要人為的干預,而且特征的選擇也不一定能夠符合預期。采用有監(jiān)督的基于深度卷積神經網絡(DCNN)的方法,構建一個多層卷積神經網絡,通過卷積神經網絡獲得深度卷積激活特征,該方法采用CelebA庫訓練,之后用JAFFE人臉庫進行檢測,取得很好的實驗結果。

    屬性識別;SIFT;監(jiān)督;深度卷積神經網絡

    0 引言

    隨著現(xiàn)代社會的發(fā)展和科技的日益革新,人們對于信息的獲取和信息的處理的需求也日益增加,其中對于人臉屬性的識別也是當前人工智能領域的一個重要的課題,因為人臉屬性包含了很多信息,對于人臉屬性的識別也將應用于諸多領域。例如人機交互[1]、智能機器人、醫(yī)療、遠程教育、火車站、公安系統(tǒng)、圖書館管理系統(tǒng)、心理學研究,等等,前景非常的廣闊。而人臉屬性包含人臉的各種特征,例如胡須、微笑、性別等,人臉屬性識別技術是指對一副人臉圖像或者是攝像頭捕獲到的人臉進行分析,返回人臉的性別、年齡、表情等各種信息。

    對于目前人臉屬性的一些主流方法,如以Gabor小波作為圖像工具的人臉屬性識別技術,被廣泛的應用于人臉圖像分析,但Gabor特征存在計算量大,維數(shù)高和信息冗余等缺點,還有基于SIFT的人臉屬性識別以及基于差分紋理的人臉屬性識別,等等,以上的特征值都是基于人工的提取特征值,而本文提出使用深度卷積網絡自動學習有效特征并進行分類的人臉識別方法。首先利用DCNN非線性映射和自動提取圖像結構信息的能力,設計一個DCNN網絡實現(xiàn)對姿態(tài)魯棒性的人臉識別方法。在JAFFE數(shù)據(jù)庫以及LFW數(shù)據(jù)庫上的測試結構表明,與現(xiàn)有的如上述的幾種人工設計特征方法相比,深度卷積神經網絡方法能有效地進行特征學習,避免了人工選取特征的不穩(wěn)定以及選取的特征不好等缺陷,也避免了人工巨大的工作量,在人臉屬性識別上具有很好的效果。

    1 DCNN介紹

    1981年的諾貝爾醫(yī)學獎得主是美國神經生物學家David Hubel和Torsten Wiesel以及Roger Sperry,而David Hubel和Torsten Wiesel的主要貢獻,是發(fā)現(xiàn)了視覺系統(tǒng)的信息處理,可視皮層是分級的,以此提出了“感受野[2]”的概念。到了八十年代中期,F(xiàn)ukushima等在感受野概念的基礎上又提出了神經認知機[3],這便是卷積神經網絡(Convolution neural networks,CNNs)的第一次實現(xiàn),也是第一次基于神經元之間的局部連接性和層次結構組織的人工神經網絡。卷積網絡是為識別二維形狀而特殊設計的一個多層感知器,這種網絡結構對平移、比例縮放、傾斜或者共他形式的變形具有高度不變性。這些良好的性能是網絡在有監(jiān)督方式下學會的,卷積神經網絡有三個顯著的特點,即共享權值[4](shared weights),時間或空間子采樣(temporal or spatial sub-sampling),局部感受野(local receptive fields),卷積神經網絡(CNN)局部連接權值共享和池化的方法能夠很大程度上降低網絡的計算復雜度,同時CNN的這些特點,即對平移,比例縮放和傾斜等形變具有很好的魯棒性。局部感受野是一種將隱層中的每個神經元和輸入圖像中的局部區(qū)域相連接的一種思想。由于隱層中的每個神經元不需要和整個圖像進行全連接,而只是和圖像進行局部連接,所以通過這種局部感知的感受野思想,可以大大地減少連接的數(shù)目,同時也極大程度地降低卷積神經網絡中需要訓練的權值參數(shù)數(shù)目。

    卷積神經網絡(CNN)的基本結構是卷積層和池化層。對于卷積層而言,每一個神經元的結構與上一層結構局部想連,上一層的特征層則與卷積核做卷積運算,從而得出下一層的的卷積層,運算則是提取特征的過程。池化層則是由上一層的下采樣變化而來,一般情況下是一個二次特征提取的特征層,它用來求局部敏感性[5]。

    卷積是分析數(shù)學中的一種運算,設f(x)和g(x)是R上的兩個可積函數(shù),做積分運算如下:

    公式(1)定義了f(x)和g(x)的卷積。一個完整的卷積層通常情況下由多個特征映射平面組成,使用多種卷積核(也可稱為濾波器)對圖像進行卷積,于是我們便可以得到輸入圖像的每個位置上的多種特征。

    接下來便是池化操作,如前所述,在我們用卷積獲得特征(features)之后,下一步我們希望利用這些特征去做分類過程。理論上講,我們可以把所有提取得到的特征去訓練分類器,但是這樣做卻面臨海量數(shù)據(jù)的計算。例如:對于一個192×192像素的圖像,假設我們已經學習得到了100個定義在8×8輸入上的特征,每一個特征和圖像卷積都會得到一個(192-8+1)×(192-8+ 1)=34225維的卷積特征,由于有100個特征,所以每個樣例(example)都會得到一個185×185×400=33,422,500維的卷積特征向量。卷積過程如圖1所示:

    圖1 二維卷積操作示意圖

    學習一個擁有幾百萬個特征輸入的分類器十分的繁瑣,并且容易出現(xiàn)過擬合(over-fitting)。

    所以我們需要解決上述問題,我們可以利用卷積后的特征是因為圖像具有一種“靜態(tài)性”的屬性,也就是指在一個圖像區(qū)域有用的特征極有可能在另一個區(qū)域同樣適用。所以,為了描述比較大的圖像,我們可以利用上述特性,對不同位置的特性進行聚類統(tǒng)計,人們可以計算圖像一個區(qū)域上某個特定特征的平均值或者是最大值。這些概要特征的維度與原維度相比也有了幾何倍數(shù)的降低,大大的減少了計算量。這種聚合的操作就叫做池化(pooling),根據(jù)池化的方法不同主要分為平均池化法和最大池化法兩類。最大池化示意圖如圖2所示。

    圖2 最大池化操作示意圖

    然而特征又是如何選取的呢,傳統(tǒng)的特征選取過程是通過人工來選取,不僅特征選取過程工作量巨大,需要人工干預,而且選取特征的好壞很大程度上受到人為因素的影響,幸運的是,深度學習的出現(xiàn)解決了如何自動學習“優(yōu)質特征”的問題[6],它通過模仿人類大腦分析學習的機制,將分級信息處理過程引入到特征表達上,通過逐層特征變換,將樣本在原空間的特征表達變換到新的特征空間上,從而使分類變得更加容易,也減少了人工干預,卷積神經網絡作為深度學習的模型,也是當前的熱點。這便是我們的深度卷積神經網絡(DCNN)。

    2 傳統(tǒng)方法

    傳統(tǒng)的人臉屬性方法大概有以下幾種,即基于Gabor小波變換的人臉屬性識別,基于SIFT的人臉屬性識別和基于差分紋理的人臉屬性識別。以下將介紹這幾種傳統(tǒng)方法的基本原理和優(yōu)缺點,基于Gabor小波變換的人臉屬性識別利用Gabor函數(shù)是唯一能達到測不準原理下界的函數(shù),能夠同時在空域和頻域中取得最優(yōu)分辨率的特征,獲得Gabor特征,將表情特征向量進行k近鄰分類,得到實驗結果。基于SIFT的人臉屬性識別利用SIFT算法尋找圖像的不同尺度空間的特征點,并獲得和特征點相關的尺度和方向等信息,得到特征點的描述子,得到特征向量,利用支持向量機對特征進行選擇和分類?;诓罘旨y理的人臉屬性識別一定程度上能夠屏蔽掉個體人臉的差異同時保留人臉屬性特征,首先選定人臉標準模型,該模型合理分布人臉的一些基準點,然后利用Delaunay三角剖分獲取這些基準點的基準信息,然后利用紋理映射技術將人臉屬性映射到標準人臉參考模型中。這些方法在一定程度上都有可取性,但是都存在一定的問題,這些選取特征的方式都是人工的選取,避免不了巨大的工作量和特征選取不好的問題。

    3 文中DCNN方法

    機器學習[7]是人工智能領域的一個重要學科,隨著互聯(lián)網的發(fā)展和人工智能的崛起,機器學習成為解決問題的重要手段,機器學習的流程包括:對問題建模,訓練數(shù)據(jù)的組織,特征抽取,模型訓練,模型優(yōu)化等重要環(huán)節(jié)。機器學習分為無監(jiān)督學習(unsupervised learning)和有監(jiān)督學習(supervised learning),在實際應用中,有監(jiān)督學習是更加常見和有價值的方式。本文采用的DCNN方法即使有監(jiān)督的學習方法。

    對于人臉圖像我們做如下處理,如圖3所示:

    圖3 人臉圖像處理

    本文的網絡拓撲結構圖4所示:

    圖4 人臉屬性識別網絡拓撲結構圖

    本網絡分為兩部分,前面是卷積網絡部分,后面是全連接部分,卷積網絡分為三個子網絡,最開始的是pooling層,中間包含五個卷積單元,每個卷積單元包含一個卷積層和一個LRN層,之后又是一個polling層,三個子網絡的輸入分別是上半臉、全臉和下半臉。后面全連接部分也是三個子網絡,每個子網絡完成一個屬性識別。

    網絡的輸入均為128×128的灰度圖像,網絡中的所有polling層都采用max pooling,卷積網絡部分每個子網絡的參數(shù)如表1:

    全連接部分的每個子網絡的輸入均為卷及網絡三個子網絡輸出特征的連接,全連接網絡部分的每個子網絡的參數(shù)如下:全連接1的output為128,全連接2的output為2。

    整個網絡輸出了三個二維的向量,分別對應微笑。三個人臉屬性的二分類特征。由于微笑屬性是研究的屬性中識別難度較大且之前對微笑的識別較多,所以本文選取微笑屬性來作為與之前方法作對比的試驗。

    表1

    4 實驗結果與分析

    本實驗是一在JAFFE庫[8]上的測試,該數(shù)據(jù)庫由10個女性的213張人臉表情組成,其中微笑的圖片共計31張,非微笑圖片182張。圖5為JAFFE人臉庫微笑圖片的示例。

    圖5 JAFFE人臉庫微笑圖片示例

    表2 文中方法與其他方法比較

    Gabor小波和SIFT及本文采用的方法在JAFFE數(shù)據(jù)庫上的試驗結果如表2所示。

    同時,以上只是在微笑的時候,能否檢測出微笑的識別率,同時,也有在不是微笑的情況下,檢測出非微笑的識別率。由于在JAFFE庫上的樣本都是不戴眼鏡的女性,所以不適合我們胡須屬性和眼鏡屬性的試驗,我們從WebFace庫中抽取100張人臉圖片用于我們的試驗,同時我們得到非微笑人臉在JAFFE庫及其他的人臉屬性在WebFace庫上的識別率如表3所示。

    5 結語

    本文基于DCNN的人臉屬性識別與傳統(tǒng)方法相比,具有不用人工選取特征,選取特征較好,識別準確率更高等優(yōu)點,人臉的屬性識別也具有較大的實際意義,可用于人工交互、公安系統(tǒng)等各領域,若想取得更好的識別率,今后可以改進網絡拓撲結構,采用更深的網絡,用更大的數(shù)據(jù)訓練。

    表3 各屬性識別正確率及環(huán)境

    [1]薛雨麗,毛俠,郭葉,等.人機交互的人臉表情識別研究進展[J].中國圖形圖象學報,2009,14(5):764-772.

    [2]Hubel D H,Wiesel T N.Receptive Fields,Binocular Interaction and Functional Architecture in the Cat's Visual Cortex[J].The Journal of Physiology,1962,160(1):106-154.

    [3]Fukushima K,Miyake S.Neocognitron:A New Algorithm for Pattern Recognition Tolerant of Deformations and Shifts in Position[J]. Pattern Recognition,1982,15(6):455-469.

    [4]Won Y,Gader P D,Coffield P C.Morphological Shared-Weight Networks with Applications to Automatic Target Recognition[J].Neural Networks,IEEE Transactions on,1997,vol.8,no.5,pp.1195-1203.

    [5]池艷玲.基于深度學習的人臉識別方法的研究[D]:[碩士學位論文].福州:福建師范大學,2015.

    [6]Graves A,Mohamed A R,Hinton G.Speech Recognition with Deep Recurrent Neural Networks.In:Proceedings of the 38th IEEE International Conference on Acoustics,Speech and Signal Processing.Vancouver,BC:IEEE,2013.6645-6649

    [7]王玨,周志華,周傲英.機器學習及其應用.清華大學出版社,書號:ISBN 7-302-12038-2,北京,2006.

    [8]Affect Analysis Group.Cohn-Kanade-AU-Coded Expression Database[OL].[2010-12-06]http://www.pitt.edu/~emotion/ckspread.htm.

    An Improved Algorithm of the Screen Space Ambient Occlusion

    YANG Zhi-cheng
    (College of Computer Science,Sichuan University,Chengdu 610065)

    In computer graphics,the quality of global illumination directly affects the authenticity of the frames.The traditional ray tracing is complex,and difficult to online.So in real-time applications such as games generally choose the Ambient Occlusion,AO technology to simulate global illumination effect,which sacrifice some effect to reach real-time rendering.

    Global Illumination;Ambient Occlusion;Screen Space;Mipmap

    1007-1423(2017)08-0051-05

    10.3969/j.issn.1007-1423.2017.08.011

    廣長彪(1990-)男,湖北孝感人,在讀碩士研究生,研究方向為圖像處理與合成

    2016-12-29

    2017-03-10

    科技部重大儀器專項(No.2013YQ49087904)

    猜你喜歡
    人臉微笑卷積
    基于3D-Winograd的快速卷積算法設計及FPGA實現(xiàn)
    有特點的人臉
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    若想念,微笑吧
    文苑(2018年20期)2018-11-09 01:35:58
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    基于傅里葉域卷積表示的目標跟蹤算法
    種微笑
    馬面部與人臉相似度驚人
    長得象人臉的十種動物
    奇聞怪事(2014年5期)2014-05-13 21:43:01
    微笑不如哭
    小說月刊(2014年9期)2014-04-20 08:58:08
    嫩草影院精品99| 中国美女看黄片| 无遮挡黄片免费观看| 国产日韩一区二区三区精品不卡| 亚洲av电影在线进入| 一级a爱片免费观看的视频| 亚洲色图av天堂| 国产日韩一区二区三区精品不卡| 两性夫妻黄色片| 午夜亚洲福利在线播放| 亚洲男人天堂网一区| 精品一区二区三区视频在线观看免费 | 超色免费av| 18禁国产床啪视频网站| 亚洲中文字幕日韩| 亚洲男人的天堂狠狠| 午夜福利在线观看吧| 久久中文字幕一级| 美女午夜性视频免费| 两性午夜刺激爽爽歪歪视频在线观看 | 91成年电影在线观看| 午夜福利一区二区在线看| 一进一出抽搐gif免费好疼 | 亚洲久久久国产精品| 在线观看一区二区三区激情| 国产视频一区二区在线看| 777久久人妻少妇嫩草av网站| 国产精品野战在线观看 | 国产欧美日韩一区二区三区在线| 亚洲欧美激情在线| 国产精品免费视频内射| 真人做人爱边吃奶动态| 国产在线精品亚洲第一网站| 老司机午夜福利在线观看视频| 午夜精品在线福利| 99国产精品一区二区蜜桃av| 国产成人精品在线电影| 国产精品免费一区二区三区在线| 午夜a级毛片| 激情视频va一区二区三区| 亚洲国产精品合色在线| 久久精品亚洲熟妇少妇任你| 免费一级毛片在线播放高清视频 | 午夜久久久在线观看| 老司机午夜十八禁免费视频| cao死你这个sao货| 成人免费观看视频高清| 美女高潮喷水抽搐中文字幕| 99re在线观看精品视频| 午夜免费成人在线视频| 精品一区二区三区视频在线观看免费 | 亚洲午夜理论影院| av国产精品久久久久影院| 高清av免费在线| 亚洲人成伊人成综合网2020| 啪啪无遮挡十八禁网站| 黄色视频,在线免费观看| 久久精品国产亚洲av香蕉五月| 新久久久久国产一级毛片| 丝袜在线中文字幕| 日韩中文字幕欧美一区二区| 激情视频va一区二区三区| 国产亚洲av高清不卡| 女性被躁到高潮视频| 精品卡一卡二卡四卡免费| 国产成人av激情在线播放| 亚洲精品国产色婷婷电影| 久久久国产一区二区| 最新在线观看一区二区三区| 波多野结衣一区麻豆| 久久午夜亚洲精品久久| 夜夜爽天天搞| 亚洲av熟女| 男女之事视频高清在线观看| 日本免费a在线| 国产一区二区激情短视频| 国产黄a三级三级三级人| 老汉色av国产亚洲站长工具| 长腿黑丝高跟| 99国产精品免费福利视频| 久久天堂一区二区三区四区| 婷婷六月久久综合丁香| 日韩 欧美 亚洲 中文字幕| 久久婷婷成人综合色麻豆| 12—13女人毛片做爰片一| 男女之事视频高清在线观看| 久久国产精品男人的天堂亚洲| 亚洲成人精品中文字幕电影 | 1024香蕉在线观看| 国产精品二区激情视频| 国产精品二区激情视频| 亚洲精品国产精品久久久不卡| 国产一区二区三区综合在线观看| 国产精品免费一区二区三区在线| 男女床上黄色一级片免费看| 一二三四社区在线视频社区8| 亚洲精品粉嫩美女一区| 久久精品影院6| 天堂√8在线中文| 午夜福利在线免费观看网站| 成人亚洲精品一区在线观看| 淫秽高清视频在线观看| 国产又色又爽无遮挡免费看| 色老头精品视频在线观看| 亚洲五月色婷婷综合| 中文亚洲av片在线观看爽| 丰满饥渴人妻一区二区三| 老熟妇仑乱视频hdxx| 神马国产精品三级电影在线观看 | 动漫黄色视频在线观看| 一级黄色大片毛片| 每晚都被弄得嗷嗷叫到高潮| 黄色 视频免费看| 欧美日韩黄片免| 变态另类成人亚洲欧美熟女 | 怎么达到女性高潮| 欧美日韩亚洲国产一区二区在线观看| av片东京热男人的天堂| 成人国语在线视频| 亚洲色图 男人天堂 中文字幕| 十八禁人妻一区二区| 中文欧美无线码| 国产欧美日韩一区二区精品| 在线观看免费午夜福利视频| 欧美色视频一区免费| 日韩一卡2卡3卡4卡2021年| 亚洲av日韩精品久久久久久密| 国产蜜桃级精品一区二区三区| 一级a爱片免费观看的视频| 国产99久久九九免费精品| 国产成人精品在线电影| 宅男免费午夜| 欧美激情极品国产一区二区三区| av欧美777| 久久欧美精品欧美久久欧美| av电影中文网址| 国产高清videossex| 欧美丝袜亚洲另类 | 久久青草综合色| 麻豆国产av国片精品| 男人舔女人的私密视频| 亚洲一区中文字幕在线| 看黄色毛片网站| 日韩国内少妇激情av| 欧美久久黑人一区二区| 性少妇av在线| 三级毛片av免费| 如日韩欧美国产精品一区二区三区| 好男人电影高清在线观看| 在线观看免费视频日本深夜| 欧美色视频一区免费| 黄频高清免费视频| 久久久水蜜桃国产精品网| 久热这里只有精品99| av电影中文网址| 美女福利国产在线| 免费久久久久久久精品成人欧美视频| 亚洲aⅴ乱码一区二区在线播放 | 日韩有码中文字幕| 午夜福利免费观看在线| www.999成人在线观看| 男女做爰动态图高潮gif福利片 | 久久精品91无色码中文字幕| videosex国产| 一级毛片高清免费大全| 99久久99久久久精品蜜桃| 欧美日韩精品网址| 亚洲精品成人av观看孕妇| av电影中文网址| 最新美女视频免费是黄的| 精品卡一卡二卡四卡免费| 91大片在线观看| 欧美丝袜亚洲另类 | 午夜两性在线视频| 国产99久久九九免费精品| 91老司机精品| 亚洲成a人片在线一区二区| 亚洲欧美激情综合另类| 如日韩欧美国产精品一区二区三区| 国产成人影院久久av| 51午夜福利影视在线观看| 五月开心婷婷网| www.999成人在线观看| 精品电影一区二区在线| 一级a爱视频在线免费观看| 看黄色毛片网站| 啦啦啦在线免费观看视频4| 久久久久精品国产欧美久久久| 我的亚洲天堂| 岛国在线观看网站| netflix在线观看网站| 黄网站色视频无遮挡免费观看| 亚洲自拍偷在线| 国产高清激情床上av| ponron亚洲| 91成人精品电影| 在线观看免费视频日本深夜| 亚洲 国产 在线| 黑丝袜美女国产一区| 人人妻,人人澡人人爽秒播| 丰满饥渴人妻一区二区三| 欧美日韩瑟瑟在线播放| 免费观看精品视频网站| 精品久久久久久久久久免费视频 | 99热只有精品国产| 久久中文字幕一级| 日本a在线网址| 91成年电影在线观看| 90打野战视频偷拍视频| 啪啪无遮挡十八禁网站| 最近最新中文字幕大全免费视频| 亚洲av第一区精品v没综合| 99国产综合亚洲精品| 女性生殖器流出的白浆| 国产一卡二卡三卡精品| 黄频高清免费视频| 国产亚洲精品久久久久5区| 亚洲九九香蕉| 成在线人永久免费视频| 久久久久久久久久久久大奶| 一级片免费观看大全| 嫁个100分男人电影在线观看| 天堂中文最新版在线下载| 国产免费av片在线观看野外av| 国产精品日韩av在线免费观看 | 777久久人妻少妇嫩草av网站| 欧美精品啪啪一区二区三区| 亚洲va日本ⅴa欧美va伊人久久| 在线观看舔阴道视频| 亚洲中文日韩欧美视频| 在线国产一区二区在线| 亚洲专区字幕在线| 亚洲在线自拍视频| a级毛片黄视频| 又黄又爽又免费观看的视频| 亚洲av片天天在线观看| 无遮挡黄片免费观看| 亚洲va日本ⅴa欧美va伊人久久| 中文字幕精品免费在线观看视频| 欧美性长视频在线观看| 午夜91福利影院| av网站在线播放免费| 男人的好看免费观看在线视频 | 国产成+人综合+亚洲专区| 精品免费久久久久久久清纯| 成人亚洲精品一区在线观看| 啦啦啦 在线观看视频| 免费在线观看完整版高清| 精品乱码久久久久久99久播| 亚洲精品久久成人aⅴ小说| 在线观看免费视频网站a站| 国产蜜桃级精品一区二区三区| 日韩成人在线观看一区二区三区| 一级毛片精品| 国产精品一区二区免费欧美| 欧美成狂野欧美在线观看| 午夜精品久久久久久毛片777| 日韩大码丰满熟妇| 国产精品 国内视频| 一个人观看的视频www高清免费观看 | 嫩草影院精品99| 久久性视频一级片| 真人一进一出gif抽搐免费| 午夜精品在线福利| 人人妻人人澡人人看| 亚洲欧美激情综合另类| 成年女人毛片免费观看观看9| 亚洲av片天天在线观看| 亚洲 欧美一区二区三区| 日日夜夜操网爽| 看片在线看免费视频| 亚洲精品av麻豆狂野| 91在线观看av| 激情在线观看视频在线高清| 又紧又爽又黄一区二区| 国产av又大| 日韩 欧美 亚洲 中文字幕| 丝袜美足系列| 国产熟女午夜一区二区三区| 交换朋友夫妻互换小说| 欧美在线黄色| 韩国精品一区二区三区| 国产视频一区二区在线看| 老熟妇乱子伦视频在线观看| 一级毛片女人18水好多| 一本大道久久a久久精品| 怎么达到女性高潮| 精品一区二区三区av网在线观看| 正在播放国产对白刺激| 日韩有码中文字幕| 精品电影一区二区在线| 狂野欧美激情性xxxx| x7x7x7水蜜桃| 免费av中文字幕在线| 两个人看的免费小视频| 中文字幕高清在线视频| 国产伦一二天堂av在线观看| 9热在线视频观看99| 999精品在线视频| 日韩一卡2卡3卡4卡2021年| 夜夜夜夜夜久久久久| 波多野结衣一区麻豆| 日韩有码中文字幕| 美女扒开内裤让男人捅视频| 丝袜美足系列| 夜夜看夜夜爽夜夜摸 | 久久久久亚洲av毛片大全| 国产主播在线观看一区二区| 国产蜜桃级精品一区二区三区| 亚洲男人天堂网一区| 亚洲精品国产精品久久久不卡| 琪琪午夜伦伦电影理论片6080| videosex国产| 久久精品影院6| 午夜福利欧美成人| 精品一区二区三区视频在线观看免费 | 国产精品一区二区精品视频观看| 一级a爱视频在线免费观看| 亚洲专区字幕在线| 最近最新中文字幕大全电影3 | 天堂俺去俺来也www色官网| 国产精品98久久久久久宅男小说| 丝袜在线中文字幕| 人人妻,人人澡人人爽秒播| 国产av在哪里看| 欧美av亚洲av综合av国产av| 国产在线观看jvid| 男人舔女人下体高潮全视频| av欧美777| 日本精品一区二区三区蜜桃| 精品国产乱码久久久久久男人| 男女之事视频高清在线观看| 国产熟女午夜一区二区三区| 精品久久久久久成人av| 国产高清国产精品国产三级| 国产高清videossex| 校园春色视频在线观看| 久久草成人影院| 中出人妻视频一区二区| 国产精品 欧美亚洲| 一级毛片女人18水好多| 日韩国内少妇激情av| 侵犯人妻中文字幕一二三四区| 每晚都被弄得嗷嗷叫到高潮| 麻豆久久精品国产亚洲av | 亚洲第一青青草原| 99精品欧美一区二区三区四区| 狠狠狠狠99中文字幕| 亚洲人成电影免费在线| 久久草成人影院| 亚洲精品av麻豆狂野| 欧美日韩av久久| 999久久久精品免费观看国产| 精品一区二区三区视频在线观看免费 | 欧美大码av| 精品国产国语对白av| 亚洲精品中文字幕在线视频| av免费在线观看网站| 一本综合久久免费| 一级a爱视频在线免费观看| 精品久久久久久,| 国产免费现黄频在线看| 淫秽高清视频在线观看| 999精品在线视频| 亚洲欧美日韩另类电影网站| 久久精品91蜜桃| 97碰自拍视频| ponron亚洲| 麻豆一二三区av精品| 岛国在线观看网站| 色哟哟哟哟哟哟| 亚洲自拍偷在线| 国产精品1区2区在线观看.| 97人妻天天添夜夜摸| 男人舔女人的私密视频| 精品国产国语对白av| 精品久久久精品久久久| 国产精品一区二区免费欧美| 久久久国产成人精品二区 | 精品熟女少妇八av免费久了| 国产成人av教育| 免费日韩欧美在线观看| 国产一区二区三区视频了| 日本精品一区二区三区蜜桃| 中文欧美无线码| 黄色丝袜av网址大全| 黄色毛片三级朝国网站| 久久婷婷成人综合色麻豆| 午夜免费观看网址| 国产精品久久视频播放| 欧洲精品卡2卡3卡4卡5卡区| 手机成人av网站| 在线观看www视频免费| 亚洲少妇的诱惑av| 交换朋友夫妻互换小说| 黑人操中国人逼视频| 一进一出好大好爽视频| 国产欧美日韩综合在线一区二区| 777久久人妻少妇嫩草av网站| 精品久久久久久久毛片微露脸| 天堂影院成人在线观看| 成人三级黄色视频| 欧美日韩一级在线毛片| 欧美精品啪啪一区二区三区| 美女高潮喷水抽搐中文字幕| 欧美丝袜亚洲另类 | 丁香欧美五月| 99riav亚洲国产免费| 国产熟女xx| 长腿黑丝高跟| 亚洲欧洲精品一区二区精品久久久| 亚洲欧美日韩另类电影网站| 久9热在线精品视频| 日韩免费高清中文字幕av| 91麻豆精品激情在线观看国产 | 啦啦啦在线免费观看视频4| 久久精品aⅴ一区二区三区四区| 99久久精品国产亚洲精品| 亚洲成人免费电影在线观看| 亚洲av熟女| av免费在线观看网站| 日本免费a在线| 高潮久久久久久久久久久不卡| 男女下面进入的视频免费午夜 | 日本免费一区二区三区高清不卡 | 亚洲狠狠婷婷综合久久图片| 国产日韩一区二区三区精品不卡| 一a级毛片在线观看| 精品一区二区三区四区五区乱码| 成人手机av| 国产精品成人在线| 中文欧美无线码| 黑人猛操日本美女一级片| 国产精品免费视频内射| 久久久国产欧美日韩av| 亚洲九九香蕉| 欧美人与性动交α欧美精品济南到| 丁香六月欧美| 三上悠亚av全集在线观看| 免费av毛片视频| 国产av又大| 脱女人内裤的视频| 丰满饥渴人妻一区二区三| 亚洲精品美女久久av网站| 亚洲人成电影观看| 男人操女人黄网站| 夫妻午夜视频| 日韩欧美在线二视频| 黑人巨大精品欧美一区二区mp4| 午夜免费成人在线视频| 亚洲男人天堂网一区| 男女下面插进去视频免费观看| 亚洲免费av在线视频| 怎么达到女性高潮| 午夜福利影视在线免费观看| 久久久久亚洲av毛片大全| 久久亚洲精品不卡| 成人免费观看视频高清| 国产精品 国内视频| 久久久国产成人精品二区 | 国产亚洲欧美精品永久| 亚洲av成人一区二区三| 国产高清视频在线播放一区| 亚洲视频免费观看视频| 69av精品久久久久久| 国产亚洲欧美精品永久| 超碰成人久久| 大型黄色视频在线免费观看| 国产av一区二区精品久久| а√天堂www在线а√下载| 免费不卡黄色视频| 亚洲国产欧美网| 纯流量卡能插随身wifi吗| 99精品欧美一区二区三区四区| 国产欧美日韩一区二区精品| 中出人妻视频一区二区| 美国免费a级毛片| 久久精品亚洲熟妇少妇任你| 亚洲av成人不卡在线观看播放网| 午夜福利在线免费观看网站| 中文字幕色久视频| 老司机亚洲免费影院| 12—13女人毛片做爰片一| 亚洲,欧美精品.| 高清毛片免费观看视频网站 | 在线国产一区二区在线| 1024香蕉在线观看| 中文字幕色久视频| 国产av在哪里看| 在线观看免费午夜福利视频| 激情视频va一区二区三区| 久久天躁狠狠躁夜夜2o2o| 777久久人妻少妇嫩草av网站| 男女之事视频高清在线观看| 婷婷丁香在线五月| 免费日韩欧美在线观看| 18禁国产床啪视频网站| 成人av一区二区三区在线看| 精品国产美女av久久久久小说| 国产精品偷伦视频观看了| 黄色毛片三级朝国网站| 日韩欧美国产一区二区入口| 中文字幕另类日韩欧美亚洲嫩草| 欧美另类亚洲清纯唯美| 亚洲欧美激情在线| 在线天堂中文资源库| 在线观看免费午夜福利视频| 免费在线观看日本一区| 亚洲精品一区av在线观看| 亚洲一区二区三区欧美精品| 亚洲人成电影免费在线| 久久影院123| 国产99白浆流出| 国产av精品麻豆| 日本一区二区免费在线视频| 女人爽到高潮嗷嗷叫在线视频| 久久狼人影院| 午夜亚洲福利在线播放| av片东京热男人的天堂| 岛国在线观看网站| a级片在线免费高清观看视频| 国产精品成人在线| 黄色毛片三级朝国网站| 亚洲片人在线观看| 99精国产麻豆久久婷婷| 丰满人妻熟妇乱又伦精品不卡| 麻豆久久精品国产亚洲av | 亚洲一区二区三区欧美精品| 看片在线看免费视频| 国产又色又爽无遮挡免费看| 亚洲色图 男人天堂 中文字幕| 一级毛片精品| 久久人人97超碰香蕉20202| 90打野战视频偷拍视频| 女人被狂操c到高潮| 老司机在亚洲福利影院| 久久精品人人爽人人爽视色| 校园春色视频在线观看| 变态另类成人亚洲欧美熟女 | 久久久国产成人免费| 一区二区三区激情视频| 日韩大码丰满熟妇| 亚洲成人免费电影在线观看| 国产一区二区三区在线臀色熟女 | 亚洲色图综合在线观看| 久久久国产欧美日韩av| 亚洲人成电影观看| 丝袜美足系列| 日韩精品免费视频一区二区三区| 操出白浆在线播放| 一本综合久久免费| 天天影视国产精品| 久久久久国内视频| 成年女人毛片免费观看观看9| 在线观看免费高清a一片| 99re在线观看精品视频| 午夜精品在线福利| 亚洲一区二区三区色噜噜 | cao死你这个sao货| 正在播放国产对白刺激| 亚洲伊人色综图| 日韩大码丰满熟妇| 亚洲色图综合在线观看| 亚洲免费av在线视频| 超碰成人久久| 国产精品免费一区二区三区在线| 欧美日韩亚洲综合一区二区三区_| 国产精品久久电影中文字幕| 欧美日韩黄片免| 日韩欧美免费精品| 亚洲精品久久午夜乱码| 久久狼人影院| 成人手机av| 9191精品国产免费久久| 黄色女人牲交| 大型av网站在线播放| 欧美日韩福利视频一区二区| 亚洲精品av麻豆狂野| 一进一出抽搐gif免费好疼 | 国产精品二区激情视频| 中文字幕人妻熟女乱码| 日韩国内少妇激情av| 欧美黑人欧美精品刺激| 无人区码免费观看不卡| 免费日韩欧美在线观看| 男女做爰动态图高潮gif福利片 | 亚洲第一欧美日韩一区二区三区| 麻豆久久精品国产亚洲av | 久久 成人 亚洲| 久久精品影院6| 美女福利国产在线| 国产一区二区三区在线臀色熟女 | 午夜福利免费观看在线| 国产精品美女特级片免费视频播放器 | 欧美+亚洲+日韩+国产| 日日干狠狠操夜夜爽| 99久久久亚洲精品蜜臀av| 多毛熟女@视频| 叶爱在线成人免费视频播放| www日本在线高清视频| 高清毛片免费观看视频网站 | 另类亚洲欧美激情| 免费久久久久久久精品成人欧美视频| 欧美午夜高清在线| 国产在线精品亚洲第一网站| 久久久水蜜桃国产精品网| 人人妻人人添人人爽欧美一区卜| 亚洲精品国产精品久久久不卡| 91精品国产国语对白视频| 午夜亚洲福利在线播放| 变态另类成人亚洲欧美熟女 | 久久天躁狠狠躁夜夜2o2o| 欧美亚洲日本最大视频资源| 国产精品秋霞免费鲁丝片| 一级a爱片免费观看的视频|