• <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
    怎么达到女性高潮| 手机成人av网站| 人妻久久中文字幕网| bbb黄色大片| 最近在线观看免费完整版| www.www免费av| 欧美在线一区亚洲| 欧美午夜高清在线| 国产成人系列免费观看| 91成人精品电影| 国产亚洲av高清不卡| 在线观看66精品国产| 精品少妇一区二区三区视频日本电影| 少妇熟女aⅴ在线视频| 国产精品一区二区免费欧美| 在线播放国产精品三级| 黄片播放在线免费| 亚洲男人的天堂狠狠| 熟女少妇亚洲综合色aaa.| 老司机福利观看| 国产视频内射| 精品一区二区三区四区五区乱码| 国产真实乱freesex| 久久香蕉激情| 国产精品美女特级片免费视频播放器 | 欧美av亚洲av综合av国产av| 自线自在国产av| 亚洲精品在线观看二区| 亚洲专区中文字幕在线| 亚洲 欧美 日韩 在线 免费| 亚洲精品在线美女| 一区二区三区高清视频在线| 一进一出抽搐gif免费好疼| 国产成人欧美| 午夜视频精品福利| 午夜福利高清视频| 一进一出抽搐gif免费好疼| 日韩欧美国产一区二区入口| 国产精品久久久av美女十八| 国产主播在线观看一区二区| 久久精品夜夜夜夜夜久久蜜豆 | 女同久久另类99精品国产91| 黄网站色视频无遮挡免费观看| 悠悠久久av| 亚洲 欧美 日韩 在线 免费| 亚洲精品中文字幕在线视频| 欧美成人午夜精品| 欧美成人午夜精品| 日韩中文字幕欧美一区二区| 欧美日韩黄片免| 午夜福利高清视频| 欧美又色又爽又黄视频| 好男人电影高清在线观看| 日韩成人在线观看一区二区三区| 亚洲国产毛片av蜜桃av| 美女免费视频网站| 日韩 欧美 亚洲 中文字幕| 午夜福利一区二区在线看| 免费在线观看完整版高清| www.999成人在线观看| 波多野结衣高清作品| 黄片小视频在线播放| 深夜精品福利| 欧美性猛交黑人性爽| 制服丝袜大香蕉在线| 久久久久久久精品吃奶| 欧美黑人巨大hd| 一本久久中文字幕| 亚洲五月婷婷丁香| 1024手机看黄色片| 国产精品美女特级片免费视频播放器 | 成人18禁高潮啪啪吃奶动态图| 国产成人av激情在线播放| 日日摸夜夜添夜夜添小说| 中文资源天堂在线| 色老头精品视频在线观看| 色老头精品视频在线观看| 精品福利观看| 久久香蕉精品热| 亚洲精品中文字幕在线视频| 国产野战对白在线观看| 亚洲精品久久成人aⅴ小说| 亚洲第一青青草原| 国产欧美日韩精品亚洲av| 成在线人永久免费视频| 女生性感内裤真人,穿戴方法视频| av有码第一页| 欧美激情高清一区二区三区| 母亲3免费完整高清在线观看| 在线观看免费日韩欧美大片| 99久久国产精品久久久| 97超级碰碰碰精品色视频在线观看| 99久久99久久久精品蜜桃| 99热6这里只有精品| 欧美丝袜亚洲另类 | 亚洲一区高清亚洲精品| 成人国语在线视频| www.熟女人妻精品国产| 亚洲在线自拍视频| 老司机深夜福利视频在线观看| 在线国产一区二区在线| 久久久久免费精品人妻一区二区 | 久久人人精品亚洲av| 一区二区日韩欧美中文字幕| 亚洲久久久国产精品| 听说在线观看完整版免费高清| 久久中文字幕人妻熟女| 亚洲一码二码三码区别大吗| 亚洲精品久久国产高清桃花| 欧美日韩福利视频一区二区| 成年免费大片在线观看| 亚洲国产中文字幕在线视频| 一级毛片女人18水好多| 欧美日本视频| 精品福利观看| 黄色 视频免费看| 国产成人系列免费观看| 国产精品香港三级国产av潘金莲| АⅤ资源中文在线天堂| 久久久久久大精品| 99国产精品一区二区蜜桃av| 久9热在线精品视频| 精品欧美一区二区三区在线| 少妇的丰满在线观看| 午夜久久久在线观看| 成人一区二区视频在线观看| 91九色精品人成在线观看| 搡老熟女国产l中国老女人| 国产精品亚洲美女久久久| 国产精品一区二区精品视频观看| 精品不卡国产一区二区三区| 国产午夜福利久久久久久| 久久久久亚洲av毛片大全| 国产成人系列免费观看| 在线永久观看黄色视频| 视频区欧美日本亚洲| 一级片免费观看大全| 久99久视频精品免费| 亚洲第一电影网av| 中文字幕久久专区| 国产伦在线观看视频一区| 久久久久久免费高清国产稀缺| 亚洲全国av大片| av天堂在线播放| 久久99热这里只有精品18| 久久精品影院6| 18美女黄网站色大片免费观看| 一进一出抽搐动态| 成年女人毛片免费观看观看9| 天堂影院成人在线观看| 国产亚洲精品av在线| 一级黄色大片毛片| 国产野战对白在线观看| 国产精品一区二区三区四区久久 | 国产麻豆成人av免费视频| 精品久久久久久久久久久久久 | 无遮挡黄片免费观看| 男女床上黄色一级片免费看| 夜夜爽天天搞| 女警被强在线播放| 久久午夜综合久久蜜桃| 亚洲专区字幕在线| 日本黄色视频三级网站网址| 国产三级在线视频| 国产一区二区激情短视频| av超薄肉色丝袜交足视频| 欧美色欧美亚洲另类二区| 男女那种视频在线观看| 搡老熟女国产l中国老女人| 老司机靠b影院| 欧美午夜高清在线| а√天堂www在线а√下载| av福利片在线| 伦理电影免费视频| 欧美乱色亚洲激情| 国产爱豆传媒在线观看 | 香蕉av资源在线| 国产精品av久久久久免费| 一本一本综合久久| 美女扒开内裤让男人捅视频| 精品一区二区三区四区五区乱码| 岛国视频午夜一区免费看| 精品欧美一区二区三区在线| 欧美又色又爽又黄视频| 两性夫妻黄色片| 身体一侧抽搐| 国产午夜福利久久久久久| 无遮挡黄片免费观看| 19禁男女啪啪无遮挡网站| 精品免费久久久久久久清纯| 麻豆成人午夜福利视频| 国产高清videossex| 曰老女人黄片| 亚洲精品在线观看二区| 国语自产精品视频在线第100页| 不卡一级毛片| 国产av一区二区精品久久| 叶爱在线成人免费视频播放| 麻豆成人午夜福利视频| 欧美久久黑人一区二区| 欧美激情久久久久久爽电影| 国内少妇人妻偷人精品xxx网站 | 亚洲av中文字字幕乱码综合 | 淫秽高清视频在线观看| 丝袜人妻中文字幕| 亚洲av成人不卡在线观看播放网| 草草在线视频免费看| 淫秽高清视频在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 伦理电影免费视频| 亚洲va日本ⅴa欧美va伊人久久| 大型黄色视频在线免费观看| 国产精品一区二区三区四区久久 | 色尼玛亚洲综合影院| 又黄又粗又硬又大视频| 亚洲精品一区av在线观看| 99在线人妻在线中文字幕| 久久性视频一级片| 日韩欧美在线二视频| 日韩国内少妇激情av| 神马国产精品三级电影在线观看 | 免费观看人在逋| 中文字幕人妻熟女乱码| 伦理电影免费视频| 一级毛片高清免费大全| 女同久久另类99精品国产91| 美女大奶头视频| 淫秽高清视频在线观看| 国产熟女午夜一区二区三区| svipshipincom国产片| 老司机深夜福利视频在线观看| 久久欧美精品欧美久久欧美| 亚洲熟妇熟女久久| 香蕉国产在线看| 色综合欧美亚洲国产小说| 久久久久免费精品人妻一区二区 | 少妇被粗大的猛进出69影院| 国产伦人伦偷精品视频| 国产极品粉嫩免费观看在线| 国产在线精品亚洲第一网站| 少妇 在线观看| av欧美777| 欧美日韩中文字幕国产精品一区二区三区| 日韩大码丰满熟妇| 天堂影院成人在线观看| 少妇熟女aⅴ在线视频| 亚洲第一av免费看| 欧美日韩亚洲综合一区二区三区_| 国产精华一区二区三区| 色av中文字幕| 搡老熟女国产l中国老女人| 老熟妇仑乱视频hdxx| 国产欧美日韩一区二区三| 亚洲七黄色美女视频| 欧美日韩福利视频一区二区| 免费在线观看日本一区| 国产一级毛片七仙女欲春2 | 首页视频小说图片口味搜索| 男男h啪啪无遮挡| 老熟妇仑乱视频hdxx| 亚洲成av片中文字幕在线观看| 黄片大片在线免费观看| 亚洲男人的天堂狠狠| 不卡av一区二区三区| 午夜福利高清视频| 亚洲av美国av| 亚洲色图 男人天堂 中文字幕| 级片在线观看| 国产精品乱码一区二三区的特点| 一级a爱片免费观看的视频| 视频区欧美日本亚洲| 非洲黑人性xxxx精品又粗又长| 精品一区二区三区av网在线观看| 动漫黄色视频在线观看| 草草在线视频免费看| 男女视频在线观看网站免费 | 成人亚洲精品av一区二区| 欧美绝顶高潮抽搐喷水| 成人三级黄色视频| www.999成人在线观看| 老鸭窝网址在线观看| 久久久久国产一级毛片高清牌| 看片在线看免费视频| 老司机靠b影院| 琪琪午夜伦伦电影理论片6080| 麻豆成人午夜福利视频| 久久国产精品人妻蜜桃| 在线观看www视频免费| 美女高潮喷水抽搐中文字幕| 高清毛片免费观看视频网站| 久久伊人香网站| 成人国产综合亚洲| 精品国产一区二区三区四区第35| av视频在线观看入口| 熟女少妇亚洲综合色aaa.| 久久久久国产精品人妻aⅴ院| av欧美777| 日本 欧美在线| 精品久久久久久久久久久久久 | 成人三级黄色视频| 一夜夜www| 成熟少妇高潮喷水视频| 亚洲一区二区三区不卡视频| 波多野结衣高清无吗| 午夜福利免费观看在线| 国产视频内射| 一本综合久久免费| 巨乳人妻的诱惑在线观看| 免费高清在线观看日韩| 1024手机看黄色片| 成人欧美大片| www.自偷自拍.com| 亚洲性夜色夜夜综合| 97超级碰碰碰精品色视频在线观看| 久久久久久久久中文| 亚洲片人在线观看| 一本久久中文字幕| 成熟少妇高潮喷水视频| 妹子高潮喷水视频| 美女高潮喷水抽搐中文字幕| 亚洲国产欧美一区二区综合| 夜夜躁狠狠躁天天躁| 国产亚洲精品第一综合不卡| 亚洲人成77777在线视频| 久99久视频精品免费| 日日爽夜夜爽网站| 久久欧美精品欧美久久欧美| 国产精品av久久久久免费| 欧美黄色淫秽网站| 国产成+人综合+亚洲专区| 精品国产一区二区三区四区第35| 成人午夜高清在线视频 | 搡老岳熟女国产| 免费搜索国产男女视频| 国内精品久久久久精免费| 伊人久久大香线蕉亚洲五| 精品国产乱码久久久久久男人| 国产亚洲欧美精品永久| 亚洲精品中文字幕在线视频| 99国产综合亚洲精品| svipshipincom国产片| 亚洲 欧美 日韩 在线 免费| 亚洲精品国产精品久久久不卡| 欧美中文日本在线观看视频| 又紧又爽又黄一区二区| 亚洲熟妇熟女久久| 欧美色欧美亚洲另类二区| 天天一区二区日本电影三级| 日韩欧美一区视频在线观看| 亚洲五月婷婷丁香| 中文字幕精品免费在线观看视频| 丁香欧美五月| 99riav亚洲国产免费| 精品高清国产在线一区| 亚洲国产精品999在线| 久久精品成人免费网站| 99国产精品99久久久久| av欧美777| 久久性视频一级片| 在线国产一区二区在线| 日本 av在线| 久久久国产成人免费| 在线观看舔阴道视频| 国产主播在线观看一区二区| 成年人黄色毛片网站| 国产熟女xx| 亚洲,欧美精品.| 午夜激情福利司机影院| 亚洲最大成人中文| 婷婷六月久久综合丁香| 男人操女人黄网站| 国产精品亚洲美女久久久| 国产欧美日韩一区二区三| 99热6这里只有精品| 在线十欧美十亚洲十日本专区| 国产免费av片在线观看野外av| 一本一本综合久久| 黑人操中国人逼视频| 久久亚洲精品不卡| 国产麻豆成人av免费视频| 一级黄色大片毛片| 黄色视频不卡| 欧美国产日韩亚洲一区| 精品久久久久久,| 禁无遮挡网站| 黑人操中国人逼视频| 久久狼人影院| 国产欧美日韩一区二区精品| 老司机深夜福利视频在线观看| 深夜精品福利| 老司机午夜福利在线观看视频| 久久国产精品影院| 久久久久久国产a免费观看| 欧美国产日韩亚洲一区| 伊人久久大香线蕉亚洲五| 欧美成人一区二区免费高清观看 | 国产精品爽爽va在线观看网站 | 999久久久精品免费观看国产| av在线天堂中文字幕| xxx96com| 搡老岳熟女国产| tocl精华| 欧美性长视频在线观看| 欧美黑人欧美精品刺激| 色综合欧美亚洲国产小说| 身体一侧抽搐| 国产成人精品无人区| 国产激情欧美一区二区| 男女做爰动态图高潮gif福利片| 人人妻人人澡人人看| 一级黄色大片毛片| 免费高清在线观看日韩| 两个人看的免费小视频| 亚洲第一av免费看| 别揉我奶头~嗯~啊~动态视频| 手机成人av网站| 亚洲无线在线观看| 制服人妻中文乱码| www日本黄色视频网| 麻豆国产av国片精品| 亚洲午夜精品一区,二区,三区| 日韩三级视频一区二区三区| 熟女少妇亚洲综合色aaa.| 嫩草影视91久久| 亚洲五月天丁香| 女人爽到高潮嗷嗷叫在线视频| 国产一卡二卡三卡精品| 国产单亲对白刺激| 每晚都被弄得嗷嗷叫到高潮| 亚洲aⅴ乱码一区二区在线播放 | 国产伦在线观看视频一区| 99精品欧美一区二区三区四区| 香蕉国产在线看| 精品一区二区三区av网在线观看| 精华霜和精华液先用哪个| 欧美日韩福利视频一区二区| 国产精品99久久99久久久不卡| 成人亚洲精品一区在线观看| 亚洲欧洲精品一区二区精品久久久| 一区二区三区激情视频| 精品久久久久久久毛片微露脸| 黄片播放在线免费| 国产又爽黄色视频| 亚洲欧美激情综合另类| 国产一区二区三区视频了| 午夜福利在线观看吧| 国产午夜精品论理片| 国产精品三级大全| 乱码一卡2卡4卡精品| 亚洲乱码一区二区免费版| 久久午夜亚洲精品久久| 看免费成人av毛片| 国产av不卡久久| 精品人妻一区二区三区麻豆 | 日本a在线网址| 日韩大尺度精品在线看网址| 一区福利在线观看| 成年免费大片在线观看| 在线观看av片永久免费下载| 男插女下体视频免费在线播放| 日本熟妇午夜| 波多野结衣高清作品| 国产精品永久免费网站| 97人妻精品一区二区三区麻豆| 麻豆成人午夜福利视频| 国产亚洲精品久久久久久毛片| 免费观看人在逋| 日日摸夜夜添夜夜添小说| 一进一出好大好爽视频| 国产亚洲欧美98| 日本免费一区二区三区高清不卡| 国产成人影院久久av| 国产精品国产高清国产av| 国产精品女同一区二区软件| 观看免费一级毛片| 成人国产麻豆网| 蜜桃亚洲精品一区二区三区| 日韩一本色道免费dvd| 在线观看午夜福利视频| 两性午夜刺激爽爽歪歪视频在线观看| 国产一区二区在线av高清观看| 国产综合懂色| 久久精品国产亚洲av香蕉五月| 国产v大片淫在线免费观看| 神马国产精品三级电影在线观看| 久久久色成人| 在线a可以看的网站| 亚洲aⅴ乱码一区二区在线播放| 97超碰精品成人国产| 十八禁网站免费在线| 欧美国产日韩亚洲一区| 欧美日本亚洲视频在线播放| 可以在线观看的亚洲视频| 身体一侧抽搐| 18禁裸乳无遮挡免费网站照片| 久久久久久久久久成人| 97在线视频观看| 国产精品电影一区二区三区| 日韩欧美三级三区| 国内久久婷婷六月综合欲色啪| 婷婷色综合大香蕉| 免费看av在线观看网站| 国产乱人视频| 别揉我奶头~嗯~啊~动态视频| 日本黄色视频三级网站网址| 一个人观看的视频www高清免费观看| 特级一级黄色大片| 偷拍熟女少妇极品色| 小蜜桃在线观看免费完整版高清| АⅤ资源中文在线天堂| 国产成人a区在线观看| 亚洲综合色惰| 亚洲图色成人| 精品一区二区免费观看| 99热这里只有精品一区| 美女大奶头视频| 亚洲成a人片在线一区二区| 人人妻,人人澡人人爽秒播| 少妇熟女欧美另类| 大型黄色视频在线免费观看| 日本欧美国产在线视频| 欧美日韩一区二区视频在线观看视频在线 | 国产黄色小视频在线观看| 国产激情偷乱视频一区二区| 国产欧美日韩精品亚洲av| 丝袜喷水一区| 精品一区二区免费观看| 直男gayav资源| 久久这里只有精品中国| 一卡2卡三卡四卡精品乱码亚洲| 欧美日韩精品成人综合77777| 老司机午夜福利在线观看视频| 国产男靠女视频免费网站| 少妇人妻精品综合一区二区 | 欧美高清成人免费视频www| 久久人人爽人人爽人人片va| 精品久久久噜噜| 免费不卡的大黄色大毛片视频在线观看 | 午夜福利视频1000在线观看| 欧美最新免费一区二区三区| videossex国产| 成人亚洲欧美一区二区av| 免费搜索国产男女视频| 国产毛片a区久久久久| 午夜亚洲福利在线播放| 国产成人一区二区在线| 观看美女的网站| 日本熟妇午夜| 久久6这里有精品| 亚洲经典国产精华液单| av卡一久久| 成人亚洲欧美一区二区av| 亚洲va在线va天堂va国产| 成年女人看的毛片在线观看| 亚洲最大成人手机在线| 色哟哟哟哟哟哟| 99久久精品国产国产毛片| 精品一区二区三区视频在线观看免费| 一本久久中文字幕| 欧美三级亚洲精品| 久久久色成人| 男女啪啪激烈高潮av片| 久久人人爽人人片av| 国产真实伦视频高清在线观看| 免费看日本二区| 国产一区二区在线观看日韩| 高清毛片免费看| 国产私拍福利视频在线观看| 精品久久久久久久久久免费视频| 亚洲内射少妇av| 小蜜桃在线观看免费完整版高清| 99九九线精品视频在线观看视频| 色5月婷婷丁香| 日日干狠狠操夜夜爽| 免费无遮挡裸体视频| 精品久久久久久久末码| 中文亚洲av片在线观看爽| 春色校园在线视频观看| 色哟哟哟哟哟哟| 少妇人妻精品综合一区二区 | 亚洲色图av天堂| 一本久久中文字幕| 我的老师免费观看完整版| 51国产日韩欧美| 亚洲国产精品sss在线观看| 亚洲美女搞黄在线观看 | 国产精品永久免费网站| 日韩欧美三级三区| 青春草视频在线免费观看| 一级毛片电影观看 | 色噜噜av男人的天堂激情| 九九爱精品视频在线观看| 日韩精品有码人妻一区| 国产色爽女视频免费观看| 国产黄a三级三级三级人| 人人妻人人看人人澡| 欧美日韩乱码在线| .国产精品久久| 给我免费播放毛片高清在线观看| 欧美三级亚洲精品| 精品人妻熟女av久视频| 亚洲美女黄片视频| 99热这里只有精品一区| 日韩欧美三级三区| 啦啦啦韩国在线观看视频| 久久久久久大精品| 特级一级黄色大片| 亚洲av熟女| 国产精品1区2区在线观看.| 国产成人影院久久av| 身体一侧抽搐| 秋霞在线观看毛片| 久久国内精品自在自线图片| 国内精品美女久久久久久| 热99re8久久精品国产|