• <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PCA和SVM的人臉識別系統(tǒng)

    2017-12-25 19:06胡沐晗
    計算機時代 2017年12期
    關(guān)鍵詞:測試數(shù)據(jù)人臉識別

    胡沐晗

    摘 要: PCA(主成分分析)與SVM(支持向量機)技術(shù)對于人臉識別而言非常重要,文章結(jié)合PCA與SVM來設(shè)計一個人臉識別系統(tǒng)。在MATLAB編譯環(huán)境下,分別探討PCA技術(shù)與SVM技術(shù),總結(jié)出一種快速PCA算法以及SVM的測試與訓練算法;從orl_faces人臉庫中選取訓練數(shù)據(jù)與測試數(shù)據(jù)進行訓練與測試,對其中重要的參數(shù)進行調(diào)優(yōu),最終達到90%的識別成功率。再經(jīng)真實人臉的訓練與測試,達到了73%的真實人臉識別成功率。

    關(guān)鍵詞: PCA技術(shù); SVM技術(shù); 人臉識別; 訓練數(shù)據(jù); 測試數(shù)據(jù); matlab

    中圖分類號:TP391.4 文獻標志碼:A 文章編號:1006-8228(2017)12-60-04

    Face recognition system based on PCA and SVM

    Hu Muhan

    (Department of Information, ZhongBei College of NanJing Normal University, Nanjing, Jiangsu 210046, China)

    Abstract: PCA (Primary Component Analysis) and SVM (Support Vector Machine) technologies are very important for face recognition. This paper combines PCA and SVM to design a face recognition system. In the MATLAB compiler environment, the PCA technology and SVM technology are discussed, a fast PCA algorithm is summed up as well as the test and training algorithm for SVM; the training data and test data are selected from the orl_faces database to train and test, the important parameters are optimized, and 90% recognition success rate is ultimately achieved. After the training and testing by real face, the success rate of 73% real face recognition is achieved.

    Key words: PCA; SVM; face recognition; training data; testing data; MATLAB

    0 引言

    人臉識別是人工智能領(lǐng)域的一個重要技術(shù)。如今,人臉識別技術(shù)已經(jīng)在我們的生活中被廣泛應(yīng)用,例如人臉識別門禁考勤系統(tǒng),公安部的人臉識別網(wǎng)絡(luò)等。本研究項目主要立足于PCA(主成分分析方法)以及SVM(支持向量機)來對圖像進行識別,PCA與SVM是處理圖像的重要技術(shù),其中涉及的圖像降維處理,機器訓練對人像識別尤其重要。

    1 PCA技術(shù)

    1.1 PCA技術(shù)原理

    PCA技術(shù)是將高維的數(shù)據(jù)通過投影方式,降至低維的平面上[1],即乘以少于向量本身維數(shù)的基,來達到降維的效果。具體我們可以通過一個例子展開,如下列矩陣:

    首先將每個字段內(nèi)所有值減去均值,結(jié)果每個字段都變?yōu)榫禐?,變換后:

    若要將圖1的點降維,則要進行投影,即乘以所選方向的基,不過若向X軸投影,那么最左邊的兩個點將重疊,中間的兩個點也將重疊,若想要盡量多的保存信息,則要選擇一個投影平面使得投影值盡量的分散,而在數(shù)學上,判定一個數(shù)值分散程度的量是方差,方差即每個元素與字符段均值的差的平方和的均值,即:

    由于上文已將字段均值減為0,所以可表示為:

    方差越大,則投影的數(shù)據(jù)越分散,從而數(shù)據(jù)可盡量多的保存。

    正如以上所述,PCA技術(shù)原理之一即保證投影降維之后方差盡可能大,從而保留更多的數(shù)據(jù)[2-4],但除此之外PCA還需要處理另一個問題,例如對于三維降到二維的問題來說,需要選擇兩個投影的方向,我們需要引入另一個約束條件,即不希望兩個投影方向之間存在線性相關(guān)性,因為相關(guān)性必然意味著存在重復(fù)信息。數(shù)學上可以用協(xié)方差來表示其相關(guān)性即:

    當協(xié)方差為0時,表示兩個字段完全獨立,為了讓協(xié)方差為0,我們選擇第二個基時只能在第一個基正交的方向上選擇,因此最終選擇得兩個方向一定正交。

    1.2 PCA的具體操作

    1.2.1 快速PCA算法

    普通PCA算法存在一個問題,即對于協(xié)方差矩陣M而言,M是由ZT*Z得出,而Z是一個m*n的矩陣,所以ZT*Z是一個n*n的矩陣,往往在圖像中,n的值遠遠大于m,所以對這樣一個協(xié)方差矩陣求特征值特征向量開銷會非常巨大,因此我們需要一種更高效的PCA算法。

    對于M=ZT*Z有M*V=D*V,其中V是M的特征向量,D是M的特征值,因此兩邊乘以得到M*ZT*V= D*ZT*V,所以(ZT*Z)*ZT*V=D*ZT*V,又設(shè)N=Z*ZT,且(ZT*Z)*ZT*V=ZT*(Z*ZT)*V所以ZT*N*V=D*ZT*V=ZT*D*V,所以根據(jù)以上數(shù)學公式的推導(dǎo),可以看出M的特征值D和特征向量V可以通過N來獲得,因為M如上所述是一個n*n的矩陣,而N=Z*ZT且Z=m*n,所以N是一個m*m的矩陣,因n遠大于m,故通過N求得M的特征值和特征向量將會減小資源的開銷,提高PCA降維的效率,因此可以得到一個快速PCA算法,步驟如下。

    ⑴ 將原始數(shù)據(jù)按列組成一個m行n列的矩陣Z。

    ⑵ 將Z的每一行減去零均值化,減去均值。

    ⑶ 設(shè)矩陣N=Z*ZT。

    ⑷ 求出N的特征值和特征向量,使用eigs函數(shù)將特征值從大到小排列,取出前K個特征值對應(yīng)的特征向量。

    ⑸ 乘以ZT得到M的沒有單位化的特征向量。

    ⑹ 對協(xié)方差矩陣M進行單位化。

    ⑺ 原始矩陣Z乘以特征向量V,得到降至K維的矩陣。

    1.2.2 PCA降維

    完成PCA算法后,接下來就是使用它對一組圖片進行降維處理,這里我們使用了orl_faces圖片庫,其中有40個人,每個人10張照片,總共400張照片,然后對所有圖片讀入減去均值到一張平均臉,然后將圖片進行PCA降維之后還原得到還原臉。

    可以看出,相對于圖3,圖2保留了大量特征,K值越高,即降的維數(shù)越高,圖像越清晰,保留的特征越多。

    兩種PCA算法的比較:

    普通PCA算法降至100,200,300,400維的時間總共為81秒,而快速PCA算法所需時間僅0.4秒。

    2 SVM技術(shù)

    2.1 SVM技術(shù)原理

    2.1.1 SVM技術(shù)簡介

    SVM技術(shù)可以將一些數(shù)據(jù)點分為兩個不同的類[5-7],如圖4所示,現(xiàn)有一個二維平面,平面上有兩種不同的數(shù)據(jù),分別用圈和叉表示。由于這些數(shù)據(jù)是線性可分的,所以可以用一條直線將兩類數(shù)據(jù)分開,這條直線相當于一個超平面,超平面一邊的數(shù)據(jù)點對應(yīng)的Y全是-1。另一邊所對應(yīng)的Y全是1。

    因此,對于人臉識別而言,我們可以通過標簽來區(qū)分兩個不同的人臉,即將一組人臉標志為1,另一組人臉標志為0。然后,如圖4所示這個超平面可以f(x)=ωTx+b來表示,當f(x)等于0時,x便是位于超平面上的點,當f(x)大于0的點對應(yīng)的y=1的數(shù)據(jù)點,f(x)小于零對應(yīng)y=-1這個點,如圖5所示。

    以上通過SVM處理的都是線性可分的點,而對于線性不可分的點而言,要做的是將這些點投放到更高維的空間中進行處理,不過對于機器而言,投射的維度越高意味著模型的復(fù)雜度越高,處理數(shù)據(jù)的開銷也就越大,從而泛化誤差也就越大,因此為了處理線性不可分的數(shù)據(jù),我們引入了高斯核函數(shù),核函數(shù)對于線性不可分的點不用投放到高維空間進行處理,只用在低維空間運算就可以計算高維空間的內(nèi)積。

    2.1.2 SVM技術(shù)中的重要參數(shù)

    SVM模型中有兩個非常重要的參數(shù)C和gamma。SVM的目標函數(shù):

    其中C代表懲罰因子,即在線性不可分的情況下,對分類錯誤的懲罰程度。C越高往往越不能容忍誤差,因此容易過擬合,C越小,分類器會越不在乎分類錯誤,會欠擬合。

    gamma是選擇RBF函數(shù)作為核函數(shù)后,該函數(shù)自帶的一個參數(shù)。隱含地決定了數(shù)據(jù)映射到新的特征空間后的分布。RBF核函數(shù):

    其中g(shù)amma=-,對于gamma的物理意義而言,它影響的是每個支持向量對應(yīng)的高斯作用范圍,從而影響泛化性能,gamma越大,σ越小,對應(yīng)的支持向量也就越少,gamma值越小則支持向量越多。支持向量的個數(shù)影響訓練與預(yù)測的個數(shù)。因此c和gamma兩個參數(shù)的調(diào)優(yōu)對于后續(xù)的人臉識別系統(tǒng)的成功率是非常重要的。

    2.2 SVM的具體操作

    2.2.1 SVM訓練函數(shù)

    這次我們選取兩組圖片來進行SVM處理,其中一組為訓練數(shù)據(jù),一組為測試數(shù)據(jù),訓練數(shù)據(jù)對應(yīng)的是0-9共十個不同數(shù)字,每個數(shù)字有5張圖片,測試數(shù)據(jù)也是0-9十個不同數(shù)字,每個數(shù)字3張圖片。除了選取數(shù)據(jù)之外,最重要的是編寫SVM訓練函數(shù)與SVM測試函數(shù)。SVM訓練函數(shù)步驟如下。

    ⑴ 將50張圖片數(shù)據(jù)讀入矩陣,每個數(shù)字對應(yīng)5張圖片,形成訓練數(shù)據(jù)。

    ⑵ 將前5張打上標簽為1,后5張數(shù)字打上標簽0。

    ⑶ 調(diào)用matlab庫中的SVMtrain函數(shù),進行訓練,通過循環(huán)產(chǎn)生45個分類器。

    ⑷ 將分類器存入矩陣中。

    2.2.2 SVM測試函數(shù)

    SVM訓練函數(shù)主要是用來形成分類器,接下來,就要通過這個分類器來編寫SVM測試函數(shù),測試函數(shù)主要是運用了投票的理念,SVM測試函數(shù)步驟如下:

    ⑴ 將30張圖片數(shù)據(jù)讀入矩陣,每個數(shù)字對應(yīng)3張圖片,形成測試數(shù)據(jù)。

    ⑵ 讀入測試數(shù)據(jù),獲取測試數(shù)據(jù)的容量m,以及分類的容量n,形成一個m*n的voting矩陣。

    ⑶ 根據(jù)分類器對測試數(shù)據(jù)進行比對,通過svmclassify庫函數(shù)返回標簽,如果標簽對應(yīng)的是1,則測試數(shù)據(jù)在對應(yīng)數(shù)字數(shù)目加一,如果標簽對應(yīng)的是零,則在另一個數(shù)字數(shù)目加一。

    ⑷ 最后,找到每個測試數(shù)據(jù)中對應(yīng)數(shù)目最多的數(shù)字,這個數(shù)字即跟這個測試數(shù)據(jù)匹配。

    設(shè)置c=1,gamma=0.0001,最后經(jīng)過SVM訓練和測試,我們對測試數(shù)據(jù)30張數(shù)字圖片的識別成功率為86.67%。

    3 結(jié)合PCA與SVM的人臉識別系統(tǒng)

    這個人臉識別系統(tǒng)采用的數(shù)據(jù)主要是orl_faces人臉庫中的40個人總共400張人臉,其中前五張作為訓練數(shù)據(jù),后五張作為測試數(shù)據(jù),主要流程如下。

    ⑴ 將40個人的人臉總共400張圖讀入,其中前五張作為訓練數(shù)據(jù),后五張作為測試數(shù)據(jù)。

    ⑵ 將訓練數(shù)據(jù)進行PCA變換,得到降維后的矩陣,然后用scaling對數(shù)據(jù)標準化,使其在-1到1的范圍內(nèi),增加識別成功率。

    ⑶ 將訓練數(shù)據(jù)放入SVM訓練函數(shù)中,產(chǎn)生分類器。

    ⑷ 將測試數(shù)據(jù)進行PCA降維,然后放入SVM測試函數(shù)中。

    ⑸ 將測試函數(shù)產(chǎn)生的標簽與現(xiàn)實圖片標簽進行比對,輸出成功率。

    最后,如圖7所示當降維數(shù)K=80時,經(jīng)過對gamma和C的調(diào)參,當C在70到80的范圍內(nèi),gamma在0.005到0.02的范圍內(nèi)時,識別成功率最 高可達90%。然后,我們將C設(shè)置為70,gamma設(shè)置為0.015,K設(shè)置為80,將小組內(nèi)三個人共30張照片放入orl_faces人臉庫進行比對,成功率只有73%。而將30張真實人臉單獨進行訓練,測試,識別成功率只有60%。真實人臉比對的圖如圖8、圖9、圖10、圖11和圖12所示。

    以上可以看出圖8,圖9識別都正確,而圖10識別錯誤主要是光線問題,圖11,圖12識別錯誤主要是相似特征太多,如黑框眼鏡。

    4 結(jié)束語

    為了制作一個人臉識別系統(tǒng)并且實現(xiàn)人臉識別的功能,本文將PCA與SVM技術(shù)結(jié)合,分別用于對圖片降維提取重要特征以及訓練機器識別不同的圖片,最終在orl_faces人臉庫中測試達到了90%的識別成功率,但是如果將真實人臉圖片進行識別,成功率只有73%。本系統(tǒng)在特定的人臉庫中證明是可行的,下一步需考慮如何減少像光照,濕度,以及過于相似的特征對于識別成功率的影響,從而使本系統(tǒng)更好的識別真實人臉。

    參考文獻(References):

    [1] 金忠.人臉圖像特征抽取與維數(shù)研究[D].南京理工大學碩士

    學位論文,1999.

    [2] 徐勇,張重陽,楊靜宇.基于主分量特征與獨立分量特征的人

    臉識別實驗[J].計算機工程與設(shè)計,2005.26(5):1155-1157

    [3] 陳伏兵.人臉識別中鑒別特征抽取若干方法研究[D].南京理

    工大學,2006.

    [4] 張翠平,蘇光大.人臉識別技術(shù)綜述[J].中國圖像圖形學報,

    2000.5(11):885-894

    [5] Javed A. Face Recognition Based on Principal Component

    Analysis[J]. International Journal of Image, Graphics and Signal Processing(IJIGSP),2013.5(2):38

    [6] Stan Z.Li Anil K.Jain. Handbook of Face Recognition[M].

    New York:Springer,2004.5.

    [7] Wayman J L Jain A K Maltoni D et al.Biometric Systems:

    Technology, Design and Performance Evaluation[M].London:Springer,2005.

    猜你喜歡
    測試數(shù)據(jù)人臉識別
    基于ID3決策樹算法的大學生體能測試數(shù)據(jù)管理系統(tǒng)設(shè)計
    基于回收測試數(shù)據(jù)特點的判讀方案設(shè)計與實現(xiàn)
    人臉識別 等
    揭開人臉識別的神秘面紗
    測試數(shù)據(jù)管理系統(tǒng)設(shè)計與實現(xiàn)
    基于(2D)2PCA-LBP 的人臉識別方法的研究
    人臉識別在高校安全防范中的應(yīng)用
    基于自適應(yīng)粒子群優(yōu)化算法的測試數(shù)據(jù)擴增方法
    空間co-location挖掘模式在學生體能測試數(shù)據(jù)中的應(yīng)用
    基于類獨立核稀疏表示的魯棒人臉識別
    老汉色∧v一级毛片| 美女 人体艺术 gogo| 日韩视频一区二区在线观看| 欧美午夜高清在线| 亚洲精品在线观看二区| 一二三四在线观看免费中文在| 一本大道久久a久久精品| 成年版毛片免费区| 成人一区二区视频在线观看| 亚洲午夜理论影院| 高潮久久久久久久久久久不卡| 亚洲av中文字字幕乱码综合 | 久9热在线精品视频| 中文在线观看免费www的网站 | 日本 av在线| 俄罗斯特黄特色一大片| 欧美乱妇无乱码| 日韩欧美国产在线观看| 日韩中文字幕欧美一区二区| 天堂动漫精品| 日韩有码中文字幕| 日日爽夜夜爽网站| 亚洲精品一区av在线观看| 女性生殖器流出的白浆| 人人妻人人澡人人看| 啦啦啦韩国在线观看视频| 亚洲 欧美 日韩 在线 免费| АⅤ资源中文在线天堂| 午夜老司机福利片| av电影中文网址| 99国产极品粉嫩在线观看| 女性生殖器流出的白浆| 女人被狂操c到高潮| 国产亚洲精品综合一区在线观看 | 亚洲精品国产精品久久久不卡| 欧美乱妇无乱码| 精品一区二区三区av网在线观看| 老司机靠b影院| 十八禁网站免费在线| 俺也久久电影网| svipshipincom国产片| 婷婷亚洲欧美| 精品国产美女av久久久久小说| 久久亚洲真实| 黄色丝袜av网址大全| 婷婷精品国产亚洲av| 在线观看一区二区三区| 亚洲国产欧美一区二区综合| 午夜免费激情av| 国内精品久久久久久久电影| av超薄肉色丝袜交足视频| 丝袜人妻中文字幕| 国产成人精品无人区| 99久久无色码亚洲精品果冻| 少妇裸体淫交视频免费看高清 | 国产精品98久久久久久宅男小说| 国产伦一二天堂av在线观看| 欧美乱码精品一区二区三区| 亚洲国产欧美网| 美国免费a级毛片| 国产精品国产高清国产av| 日韩欧美 国产精品| 成人三级黄色视频| АⅤ资源中文在线天堂| cao死你这个sao货| 午夜福利在线观看吧| 久久亚洲真实| 麻豆国产av国片精品| 亚洲五月婷婷丁香| 免费在线观看亚洲国产| 成人亚洲精品av一区二区| 亚洲人成网站高清观看| 99国产精品99久久久久| 欧美日韩瑟瑟在线播放| 999久久久精品免费观看国产| 在线视频色国产色| 亚洲久久久国产精品| 国产精品精品国产色婷婷| 后天国语完整版免费观看| 精品久久久久久久久久久久久 | 国内毛片毛片毛片毛片毛片| 欧洲精品卡2卡3卡4卡5卡区| 亚洲欧美精品综合一区二区三区| 国产91精品成人一区二区三区| 这个男人来自地球电影免费观看| 日日摸夜夜添夜夜添小说| 亚洲专区中文字幕在线| 搡老妇女老女人老熟妇| 制服人妻中文乱码| 大型黄色视频在线免费观看| 51午夜福利影视在线观看| 色综合欧美亚洲国产小说| 欧美日韩瑟瑟在线播放| 99精品欧美一区二区三区四区| 欧美色视频一区免费| 国产精品野战在线观看| 搡老岳熟女国产| 69av精品久久久久久| 国产精品永久免费网站| 国产午夜福利久久久久久| 天堂√8在线中文| 国产国语露脸激情在线看| 色综合婷婷激情| 国产亚洲精品第一综合不卡| 老鸭窝网址在线观看| 91大片在线观看| 成人av一区二区三区在线看| 男女之事视频高清在线观看| 欧美久久黑人一区二区| 日韩欧美国产一区二区入口| 老鸭窝网址在线观看| 最新美女视频免费是黄的| 999久久久精品免费观看国产| 亚洲熟妇熟女久久| 免费看日本二区| 日韩国内少妇激情av| 一区二区三区高清视频在线| 午夜福利18| 男女床上黄色一级片免费看| 香蕉丝袜av| 亚洲五月天丁香| 亚洲色图 男人天堂 中文字幕| 一级作爱视频免费观看| 国产亚洲欧美98| 久久国产精品人妻蜜桃| 欧美绝顶高潮抽搐喷水| 黄色 视频免费看| 久久亚洲精品不卡| 露出奶头的视频| 高清毛片免费观看视频网站| 可以免费在线观看a视频的电影网站| 免费观看精品视频网站| 国产精品国产高清国产av| www.自偷自拍.com| 国产精品久久久人人做人人爽| 俄罗斯特黄特色一大片| 热99re8久久精品国产| 国产亚洲精品一区二区www| 午夜福利欧美成人| 99精品久久久久人妻精品| 亚洲午夜理论影院| 午夜免费观看网址| 免费在线观看亚洲国产| 一边摸一边做爽爽视频免费| 免费高清在线观看日韩| 国产精品永久免费网站| 精品人妻1区二区| 99国产精品一区二区蜜桃av| 精品国内亚洲2022精品成人| 国产真人三级小视频在线观看| 久久精品91无色码中文字幕| 精品高清国产在线一区| 国产免费av片在线观看野外av| 1024手机看黄色片| 欧美性长视频在线观看| 国产欧美日韩精品亚洲av| 国产视频内射| 成人特级黄色片久久久久久久| 美女高潮到喷水免费观看| 国产区一区二久久| 亚洲精品在线美女| 嫩草影院精品99| 校园春色视频在线观看| ponron亚洲| 国产黄色小视频在线观看| 欧洲精品卡2卡3卡4卡5卡区| 亚洲精品在线观看二区| 禁无遮挡网站| 99久久99久久久精品蜜桃| 啦啦啦免费观看视频1| 丝袜人妻中文字幕| 亚洲自偷自拍图片 自拍| 午夜免费观看网址| 国产成人欧美在线观看| 老司机靠b影院| 日韩视频一区二区在线观看| 国产在线精品亚洲第一网站| 国产一区在线观看成人免费| 欧美日韩福利视频一区二区| 一级a爱视频在线免费观看| 国产黄a三级三级三级人| 欧美丝袜亚洲另类 | 日日夜夜操网爽| 亚洲国产毛片av蜜桃av| 中文字幕人妻熟女乱码| 亚洲色图av天堂| 长腿黑丝高跟| 国产精品永久免费网站| 国产精品影院久久| 久久久水蜜桃国产精品网| 国产精华一区二区三区| 久久久久国产一级毛片高清牌| 亚洲人成网站高清观看| 久久精品亚洲精品国产色婷小说| 黄色 视频免费看| 亚洲精品在线观看二区| 免费看a级黄色片| 黄片小视频在线播放| а√天堂www在线а√下载| 国产麻豆成人av免费视频| 日本撒尿小便嘘嘘汇集6| 夜夜躁狠狠躁天天躁| 国产成+人综合+亚洲专区| 亚洲人成网站在线播放欧美日韩| 1024香蕉在线观看| 一本久久中文字幕| 91老司机精品| 999久久久精品免费观看国产| 国产av不卡久久| 成人精品一区二区免费| 国产午夜福利久久久久久| www.999成人在线观看| 丝袜人妻中文字幕| 精品久久久久久久久久免费视频| 亚洲专区中文字幕在线| 国产精品九九99| 国产精品久久视频播放| 亚洲国产精品久久男人天堂| 国产精品99久久99久久久不卡| 亚洲第一av免费看| 久久久国产精品麻豆| 可以在线观看的亚洲视频| 国产成人av激情在线播放| 亚洲成人免费电影在线观看| 免费电影在线观看免费观看| 欧美成人一区二区免费高清观看 | 啦啦啦 在线观看视频| 欧美人与性动交α欧美精品济南到| 黄片播放在线免费| 国产精品免费视频内射| 99re在线观看精品视频| 母亲3免费完整高清在线观看| 成人一区二区视频在线观看| 精品国产美女av久久久久小说| av片东京热男人的天堂| 12—13女人毛片做爰片一| 欧美zozozo另类| 可以在线观看毛片的网站| 午夜福利欧美成人| 热99re8久久精品国产| 国产视频一区二区在线看| 叶爱在线成人免费视频播放| 精品久久久久久久人妻蜜臀av| 久久精品国产亚洲av香蕉五月| 一个人观看的视频www高清免费观看 | 国产黄片美女视频| 黄色视频,在线免费观看| 制服人妻中文乱码| 婷婷六月久久综合丁香| 久久精品国产99精品国产亚洲性色| 999久久久精品免费观看国产| 狠狠狠狠99中文字幕| 国产精品野战在线观看| 久久99热这里只有精品18| 久久久精品国产亚洲av高清涩受| 亚洲中文字幕一区二区三区有码在线看 | av天堂在线播放| 男人的好看免费观看在线视频 | 亚洲片人在线观看| 免费看日本二区| ponron亚洲| 香蕉丝袜av| 午夜久久久在线观看| 亚洲va日本ⅴa欧美va伊人久久| 巨乳人妻的诱惑在线观看| 亚洲国产欧美一区二区综合| 免费看日本二区| 欧美精品啪啪一区二区三区| 无遮挡黄片免费观看| 久久中文字幕人妻熟女| 午夜激情福利司机影院| 久久久久久久久中文| 久久久久久九九精品二区国产 | 男女之事视频高清在线观看| 精品久久久久久成人av| 婷婷精品国产亚洲av| 精品乱码久久久久久99久播| 后天国语完整版免费观看| 成人精品一区二区免费| 此物有八面人人有两片| 欧美激情高清一区二区三区| 婷婷丁香在线五月| 国产精品亚洲一级av第二区| 亚洲精品美女久久久久99蜜臀| 性欧美人与动物交配| 国内少妇人妻偷人精品xxx网站 | 国产精品 国内视频| 一本综合久久免费| 国产精品精品国产色婷婷| 精品国内亚洲2022精品成人| 亚洲精品色激情综合| 亚洲国产精品久久男人天堂| 午夜a级毛片| 成人国语在线视频| 国产男靠女视频免费网站| 国产熟女午夜一区二区三区| 国产午夜福利久久久久久| 日本 欧美在线| 日韩国内少妇激情av| 精品久久久久久久毛片微露脸| 人妻丰满熟妇av一区二区三区| 国产精品久久久久久精品电影 | 国产精品一区二区三区四区久久 | 国产亚洲精品第一综合不卡| 99久久精品国产亚洲精品| 国产高清视频在线播放一区| 国产真实乱freesex| 精品少妇一区二区三区视频日本电影| 亚洲精华国产精华精| 欧美国产精品va在线观看不卡| 亚洲无线在线观看| 一级毛片高清免费大全| 亚洲中文av在线| 男女那种视频在线观看| 亚洲精品色激情综合| 日本在线视频免费播放| 国产av一区二区精品久久| 亚洲免费av在线视频| ponron亚洲| 成年人黄色毛片网站| 一边摸一边做爽爽视频免费| 十八禁人妻一区二区| 国产乱人伦免费视频| av在线天堂中文字幕| 久久国产精品人妻蜜桃| 在线永久观看黄色视频| 国产亚洲欧美精品永久| 精品国产一区二区三区四区第35| 成人三级做爰电影| 国产一区在线观看成人免费| 成人三级做爰电影| 久久精品夜夜夜夜夜久久蜜豆 | 国产又黄又爽又无遮挡在线| 国内揄拍国产精品人妻在线 | 日本五十路高清| 欧美日韩一级在线毛片| 亚洲中文字幕一区二区三区有码在线看 | 久久精品成人免费网站| 观看免费一级毛片| 老汉色∧v一级毛片| 色综合站精品国产| 两人在一起打扑克的视频| 在线观看舔阴道视频| 国产三级在线视频| 久久天躁狠狠躁夜夜2o2o| 欧美另类亚洲清纯唯美| 在线观看www视频免费| 欧美黄色片欧美黄色片| 国产av又大| www.熟女人妻精品国产| 色婷婷久久久亚洲欧美| 亚洲国产欧洲综合997久久, | 午夜免费成人在线视频| 黄片大片在线免费观看| 熟妇人妻久久中文字幕3abv| 亚洲片人在线观看| 91国产中文字幕| 啦啦啦韩国在线观看视频| 亚洲国产看品久久| 国产av又大| 亚洲国产精品合色在线| av有码第一页| 国产久久久一区二区三区| 亚洲国产高清在线一区二区三 | 麻豆av在线久日| 精品国产乱子伦一区二区三区| 国产三级在线视频| 欧美成人性av电影在线观看| 级片在线观看| 日本五十路高清| 18禁裸乳无遮挡免费网站照片 | 在线视频色国产色| 国产色视频综合| 亚洲专区字幕在线| 亚洲,欧美精品.| 久久久国产成人精品二区| 亚洲国产高清在线一区二区三 | 成人亚洲精品av一区二区| 999久久久精品免费观看国产| 日韩欧美免费精品| 人人澡人人妻人| 美女免费视频网站| 日韩有码中文字幕| 亚洲va日本ⅴa欧美va伊人久久| 99热只有精品国产| 久久久国产成人免费| 国产亚洲精品av在线| 男女做爰动态图高潮gif福利片| 久久久久九九精品影院| 久久久久免费精品人妻一区二区 | 又大又爽又粗| 欧美乱色亚洲激情| 长腿黑丝高跟| 99热这里只有精品一区 | av福利片在线| 亚洲国产欧美日韩在线播放| 欧美日韩一级在线毛片| 久久久久亚洲av毛片大全| 国产日本99.免费观看| 国产野战对白在线观看| 欧美日韩亚洲国产一区二区在线观看| 免费av毛片视频| 最近最新中文字幕大全电影3 | 日本在线视频免费播放| 88av欧美| 看黄色毛片网站| 免费高清在线观看日韩| 在线十欧美十亚洲十日本专区| 狠狠狠狠99中文字幕| 老熟妇乱子伦视频在线观看| a在线观看视频网站| 欧美日韩黄片免| 中文字幕人妻熟女乱码| 2021天堂中文幕一二区在线观 | 久久中文看片网| 50天的宝宝边吃奶边哭怎么回事| 国产亚洲欧美在线一区二区| 搡老熟女国产l中国老女人| 亚洲av第一区精品v没综合| 亚洲av五月六月丁香网| 禁无遮挡网站| 自线自在国产av| av片东京热男人的天堂| avwww免费| 中文在线观看免费www的网站 | 亚洲人成电影免费在线| 91成人精品电影| 人妻久久中文字幕网| 国产免费av片在线观看野外av| xxx96com| 91成年电影在线观看| 国产精品亚洲美女久久久| 亚洲性夜色夜夜综合| 亚洲 欧美一区二区三区| 美女午夜性视频免费| 好男人在线观看高清免费视频 | 免费搜索国产男女视频| 亚洲一区二区三区不卡视频| 国产黄a三级三级三级人| 成人18禁高潮啪啪吃奶动态图| 日韩免费av在线播放| 亚洲精品久久国产高清桃花| 久久久久久久久中文| 久久婷婷人人爽人人干人人爱| 国产av不卡久久| 狂野欧美激情性xxxx| 男人舔奶头视频| 中文字幕人妻熟女乱码| 亚洲三区欧美一区| 一个人观看的视频www高清免费观看 | 国产欧美日韩精品亚洲av| 精品高清国产在线一区| 成人午夜高清在线视频 | 日本一区二区免费在线视频| 国产精品久久久av美女十八| 一本精品99久久精品77| 亚洲中文av在线| 熟妇人妻久久中文字幕3abv| 视频在线观看一区二区三区| 99久久久亚洲精品蜜臀av| 日本撒尿小便嘘嘘汇集6| 男人舔女人下体高潮全视频| 精品一区二区三区av网在线观看| 日韩视频一区二区在线观看| 777久久人妻少妇嫩草av网站| 两性夫妻黄色片| 韩国精品一区二区三区| 亚洲欧美精品综合久久99| 亚洲激情在线av| 日日摸夜夜添夜夜添小说| 欧美日韩乱码在线| 熟女电影av网| 人人妻人人澡人人看| 美女免费视频网站| 黄片播放在线免费| 国产精品av久久久久免费| 亚洲一区中文字幕在线| 午夜精品在线福利| 国产三级在线视频| 天堂影院成人在线观看| 90打野战视频偷拍视频| 老司机在亚洲福利影院| 一级作爱视频免费观看| 国产又爽黄色视频| 淫妇啪啪啪对白视频| 亚洲狠狠婷婷综合久久图片| 老司机在亚洲福利影院| 欧美日韩一级在线毛片| 中文字幕人成人乱码亚洲影| 高潮久久久久久久久久久不卡| av在线天堂中文字幕| 国产精品1区2区在线观看.| 欧美人与性动交α欧美精品济南到| 久久人人精品亚洲av| 国产av一区在线观看免费| 久久香蕉国产精品| 欧美精品啪啪一区二区三区| 午夜精品在线福利| 亚洲欧美日韩无卡精品| 久久国产精品人妻蜜桃| 叶爱在线成人免费视频播放| 亚洲人成网站在线播放欧美日韩| 很黄的视频免费| 婷婷六月久久综合丁香| 麻豆一二三区av精品| 满18在线观看网站| 老司机靠b影院| 免费看日本二区| 久久久久久久久久黄片| 香蕉久久夜色| 午夜福利视频1000在线观看| 村上凉子中文字幕在线| 精品第一国产精品| 亚洲无线在线观看| 国产精品亚洲美女久久久| 性色av乱码一区二区三区2| 中文字幕最新亚洲高清| 美女午夜性视频免费| 国产黄a三级三级三级人| 成年免费大片在线观看| 国产亚洲av高清不卡| 少妇裸体淫交视频免费看高清 | 夜夜爽天天搞| 亚洲国产日韩欧美精品在线观看 | av有码第一页| 人妻久久中文字幕网| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲欧美激情综合另类| 男人舔女人的私密视频| 一级片免费观看大全| 亚洲中文日韩欧美视频| 亚洲精品美女久久av网站| 一级毛片女人18水好多| 久久久水蜜桃国产精品网| 人人妻人人看人人澡| 久久中文字幕人妻熟女| 亚洲国产精品合色在线| 国产精品久久视频播放| 精品一区二区三区视频在线观看免费| 1024手机看黄色片| 大型黄色视频在线免费观看| 两性夫妻黄色片| 一边摸一边做爽爽视频免费| 视频在线观看一区二区三区| 成人国产综合亚洲| 1024视频免费在线观看| 色哟哟哟哟哟哟| 两性夫妻黄色片| 亚洲 欧美 日韩 在线 免费| 成人手机av| 欧美亚洲日本最大视频资源| 桃红色精品国产亚洲av| 亚洲三区欧美一区| 禁无遮挡网站| 亚洲国产欧美日韩在线播放| 一边摸一边抽搐一进一小说| 亚洲精品一卡2卡三卡4卡5卡| 黄频高清免费视频| 一本大道久久a久久精品| 69av精品久久久久久| 麻豆成人av在线观看| 亚洲成av人片免费观看| 老熟妇仑乱视频hdxx| 亚洲成a人片在线一区二区| 国产成人系列免费观看| 亚洲国产精品久久男人天堂| 精品乱码久久久久久99久播| 99精品在免费线老司机午夜| 一个人免费在线观看的高清视频| 熟妇人妻久久中文字幕3abv| 夜夜爽天天搞| 在线观看www视频免费| 可以在线观看的亚洲视频| 亚洲真实伦在线观看| 熟女少妇亚洲综合色aaa.| 黄片小视频在线播放| 窝窝影院91人妻| 免费看美女性在线毛片视频| 激情在线观看视频在线高清| 俺也久久电影网| 日本免费一区二区三区高清不卡| 在线看三级毛片| 在线观看一区二区三区| 亚洲天堂国产精品一区在线| 国产av不卡久久| av电影中文网址| 中亚洲国语对白在线视频| 国产亚洲av高清不卡| 久久性视频一级片| 黄色 视频免费看| 日本一区二区免费在线视频| 搡老岳熟女国产| 91老司机精品| 日韩欧美免费精品| 国产午夜福利久久久久久| 亚洲成a人片在线一区二区| 久久天堂一区二区三区四区| 我的亚洲天堂| 亚洲av电影在线进入| 国产乱人伦免费视频| 午夜精品久久久久久毛片777| 欧美又色又爽又黄视频| 免费在线观看成人毛片| 亚洲国产看品久久| 日本在线视频免费播放| 国产精品二区激情视频| 色播在线永久视频| cao死你这个sao货| 亚洲精品国产区一区二| 很黄的视频免费| av欧美777| 久久人妻av系列| 天天添夜夜摸| 777久久人妻少妇嫩草av网站| 久9热在线精品视频|