• <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
    久久亚洲精品不卡| 高清在线国产一区| 激情在线观看视频在线高清 | 欧美午夜高清在线| 最近最新免费中文字幕在线| 正在播放国产对白刺激| 国产成+人综合+亚洲专区| 男人舔女人的私密视频| 成人亚洲精品一区在线观看| 如日韩欧美国产精品一区二区三区| 首页视频小说图片口味搜索| 操美女的视频在线观看| 成年人黄色毛片网站| 狠狠狠狠99中文字幕| 一个人免费在线观看的高清视频| 精品久久久久久久毛片微露脸| 香蕉丝袜av| 国产伦人伦偷精品视频| 精品福利永久在线观看| 色精品久久人妻99蜜桃| 国产黄频视频在线观看| 久久香蕉激情| 成年女人毛片免费观看观看9 | 免费女性裸体啪啪无遮挡网站| 男女边摸边吃奶| 久久午夜亚洲精品久久| 一区二区三区精品91| 人妻 亚洲 视频| 19禁男女啪啪无遮挡网站| 久久久久久久久久久久大奶| 桃花免费在线播放| 久久 成人 亚洲| 黄色视频在线播放观看不卡| 另类精品久久| 啦啦啦免费观看视频1| 19禁男女啪啪无遮挡网站| 午夜福利在线观看吧| av又黄又爽大尺度在线免费看| 免费在线观看日本一区| 国产精品免费视频内射| 自线自在国产av| 一二三四社区在线视频社区8| 天天操日日干夜夜撸| 在线观看免费午夜福利视频| 99热网站在线观看| 国产成人欧美在线观看 | 精品国产乱码久久久久久小说| 精品欧美一区二区三区在线| 最近最新中文字幕大全电影3 | 电影成人av| 欧美日韩一级在线毛片| av又黄又爽大尺度在线免费看| 高潮久久久久久久久久久不卡| 亚洲专区字幕在线| 国产精品久久久久久精品古装| 搡老岳熟女国产| 捣出白浆h1v1| 一区二区av电影网| 美女福利国产在线| 变态另类成人亚洲欧美熟女 | 俄罗斯特黄特色一大片| 国产精品自产拍在线观看55亚洲 | 极品教师在线免费播放| 一本一本久久a久久精品综合妖精| 免费高清在线观看日韩| 欧美在线一区亚洲| 他把我摸到了高潮在线观看 | av国产精品久久久久影院| 丰满少妇做爰视频| 国产精品98久久久久久宅男小说| 午夜精品国产一区二区电影| 日韩视频在线欧美| 视频区欧美日本亚洲| 老鸭窝网址在线观看| 91麻豆av在线| 又紧又爽又黄一区二区| 国产精品二区激情视频| 麻豆国产av国片精品| 啦啦啦中文免费视频观看日本| 纯流量卡能插随身wifi吗| h视频一区二区三区| 极品教师在线免费播放| 色尼玛亚洲综合影院| 侵犯人妻中文字幕一二三四区| 欧美变态另类bdsm刘玥| 亚洲av国产av综合av卡| 亚洲色图综合在线观看| 成人av一区二区三区在线看| 久久人妻熟女aⅴ| 成年女人毛片免费观看观看9 | 婷婷成人精品国产| 色94色欧美一区二区| 亚洲国产av新网站| 欧美日韩av久久| 国产不卡av网站在线观看| 大香蕉久久成人网| 美女福利国产在线| 日韩 欧美 亚洲 中文字幕| 久久久久久久久久久久大奶| 精品国产乱子伦一区二区三区| 在线天堂中文资源库| 18禁黄网站禁片午夜丰满| 男男h啪啪无遮挡| 人人妻,人人澡人人爽秒播| 日韩视频一区二区在线观看| 国产精品 欧美亚洲| 女同久久另类99精品国产91| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲精品乱久久久久久| 国产精品熟女久久久久浪| 欧美黑人精品巨大| 波多野结衣一区麻豆| 一级毛片精品| 成人国产一区最新在线观看| cao死你这个sao货| 伦理电影免费视频| 亚洲专区中文字幕在线| 狠狠狠狠99中文字幕| 色尼玛亚洲综合影院| 妹子高潮喷水视频| 中文字幕另类日韩欧美亚洲嫩草| 成人影院久久| 日本黄色日本黄色录像| 正在播放国产对白刺激| 男人舔女人的私密视频| 国产伦人伦偷精品视频| 人人妻人人添人人爽欧美一区卜| 国产男靠女视频免费网站| 免费女性裸体啪啪无遮挡网站| 美女扒开内裤让男人捅视频| 黄色视频在线播放观看不卡| 国产免费福利视频在线观看| 久久久久精品国产欧美久久久| 日韩中文字幕欧美一区二区| 俄罗斯特黄特色一大片| www.熟女人妻精品国产| 女人被躁到高潮嗷嗷叫费观| 亚洲av第一区精品v没综合| 亚洲中文日韩欧美视频| 国产xxxxx性猛交| 久久精品91无色码中文字幕| 免费一级毛片在线播放高清视频 | 欧美国产精品一级二级三级| 免费在线观看完整版高清| 欧美精品一区二区免费开放| 亚洲专区字幕在线| 欧美午夜高清在线| 亚洲国产欧美在线一区| 另类精品久久| 大陆偷拍与自拍| 欧美日韩亚洲国产一区二区在线观看 | 日本撒尿小便嘘嘘汇集6| 老司机深夜福利视频在线观看| 久热这里只有精品99| 国产色视频综合| 91精品国产国语对白视频| 91成人精品电影| 久久久久久久精品吃奶| 国产av国产精品国产| 涩涩av久久男人的天堂| 十八禁人妻一区二区| 窝窝影院91人妻| 丁香六月天网| 欧美精品一区二区免费开放| 五月天丁香电影| 亚洲,欧美精品.| 日本一区二区免费在线视频| 97人妻天天添夜夜摸| 国产精品二区激情视频| 欧美成人免费av一区二区三区 | 亚洲专区中文字幕在线| 亚洲国产欧美一区二区综合| 亚洲精品久久午夜乱码| 国产亚洲一区二区精品| 亚洲精品久久成人aⅴ小说| 国产精品.久久久| 久久这里只有精品19| 免费在线观看日本一区| 黄色 视频免费看| 免费在线观看完整版高清| 久久午夜亚洲精品久久| 搡老乐熟女国产| 欧美性长视频在线观看| 波多野结衣av一区二区av| 女性生殖器流出的白浆| 国产黄频视频在线观看| 中文字幕色久视频| 99久久99久久久精品蜜桃| 日韩免费av在线播放| 久久久水蜜桃国产精品网| 美女主播在线视频| 久久99热这里只频精品6学生| 亚洲熟女毛片儿| 亚洲视频免费观看视频| av超薄肉色丝袜交足视频| 亚洲国产中文字幕在线视频| 国产精品久久久久久精品电影小说| 久久久国产欧美日韩av| 亚洲av电影在线进入| 国产精品秋霞免费鲁丝片| 国产成人免费无遮挡视频| 日韩免费av在线播放| 亚洲av电影在线进入| 久久久久国产一级毛片高清牌| 日韩一区二区三区影片| 免费观看av网站的网址| 亚洲精品av麻豆狂野| 国产不卡一卡二| 午夜精品久久久久久毛片777| 超碰成人久久| videosex国产| 熟女少妇亚洲综合色aaa.| 欧美 日韩 精品 国产| 十八禁人妻一区二区| 美女福利国产在线| 国产一卡二卡三卡精品| 国产成人免费观看mmmm| 夜夜骑夜夜射夜夜干| 精品国产一区二区三区四区第35| 99国产精品一区二区蜜桃av | 99久久国产精品久久久| 91精品三级在线观看| 欧美精品一区二区免费开放| 国产1区2区3区精品| 一个人免费看片子| av网站免费在线观看视频| 国产精品一区二区免费欧美| 老司机靠b影院| 久久精品人人爽人人爽视色| 天天添夜夜摸| 精品久久蜜臀av无| 手机成人av网站| 国产淫语在线视频| 又大又爽又粗| 亚洲精品乱久久久久久| 老司机亚洲免费影院| 久久久欧美国产精品| 又大又爽又粗| 一级毛片女人18水好多| 亚洲伊人色综图| 久久99一区二区三区| 黄色丝袜av网址大全| 在线亚洲精品国产二区图片欧美| 天天添夜夜摸| 亚洲成国产人片在线观看| a级毛片黄视频| kizo精华| 亚洲一区二区三区欧美精品| svipshipincom国产片| 在线 av 中文字幕| 考比视频在线观看| 亚洲色图 男人天堂 中文字幕| 大码成人一级视频| 香蕉久久夜色| 午夜福利视频在线观看免费| 亚洲七黄色美女视频| 熟女少妇亚洲综合色aaa.| 少妇 在线观看| 一本一本久久a久久精品综合妖精| 国产黄频视频在线观看| 亚洲 欧美一区二区三区| 亚洲国产毛片av蜜桃av| 国产国语露脸激情在线看| 国产精品免费视频内射| 欧美精品一区二区大全| 亚洲专区国产一区二区| 人人妻人人澡人人看| 王馨瑶露胸无遮挡在线观看| 大型黄色视频在线免费观看| 国产精品九九99| 午夜免费鲁丝| 亚洲 国产 在线| 亚洲性夜色夜夜综合| 在线av久久热| 曰老女人黄片| 国产91精品成人一区二区三区 | 咕卡用的链子| 日韩视频在线欧美| 免费看十八禁软件| 看免费av毛片| 99久久人妻综合| 亚洲av日韩在线播放| 亚洲精品av麻豆狂野| 蜜桃在线观看..| 99热网站在线观看| 999精品在线视频| 国产欧美亚洲国产| 久久精品亚洲av国产电影网| 欧美中文综合在线视频| 日韩一区二区三区影片| 国产精品.久久久| 人妻久久中文字幕网| 国产精品98久久久久久宅男小说| 99精品欧美一区二区三区四区| 99热国产这里只有精品6| 国产精品99久久99久久久不卡| 国产一区二区激情短视频| 亚洲免费av在线视频| 中文亚洲av片在线观看爽 | 18禁国产床啪视频网站| 欧美日韩视频精品一区| 精品高清国产在线一区| 搡老岳熟女国产| 国产色视频综合| 在线观看免费高清a一片| 97在线人人人人妻| 亚洲一码二码三码区别大吗| 国产在线精品亚洲第一网站| 韩国精品一区二区三区| 国产免费福利视频在线观看| 国产高清国产精品国产三级| 18禁观看日本| 99香蕉大伊视频| 真人做人爱边吃奶动态| 精品亚洲成a人片在线观看| 99国产精品一区二区蜜桃av | 免费av中文字幕在线| 超碰97精品在线观看| 成在线人永久免费视频| 国产亚洲欧美精品永久| 一区二区三区激情视频| 黑丝袜美女国产一区| 亚洲第一欧美日韩一区二区三区 | 国产一卡二卡三卡精品| 亚洲国产av新网站| 久久精品亚洲精品国产色婷小说| 一区福利在线观看| 波多野结衣一区麻豆| 国产在视频线精品| 国产主播在线观看一区二区| 久久香蕉激情| 热99国产精品久久久久久7| 亚洲av美国av| 日本撒尿小便嘘嘘汇集6| 一级a爱视频在线免费观看| 国产午夜精品久久久久久| 自拍欧美九色日韩亚洲蝌蚪91| 国产亚洲一区二区精品| 国产av精品麻豆| 久久久久精品国产欧美久久久| 天天躁夜夜躁狠狠躁躁| 纵有疾风起免费观看全集完整版| 真人做人爱边吃奶动态| 成年动漫av网址| 一区在线观看完整版| 在线 av 中文字幕| 欧美黑人欧美精品刺激| 欧美日韩视频精品一区| 真人做人爱边吃奶动态| 精品国产一区二区三区四区第35| 两性夫妻黄色片| 精品一区二区三区av网在线观看 | 99精品欧美一区二区三区四区| av片东京热男人的天堂| 亚洲精品成人av观看孕妇| 视频区欧美日本亚洲| svipshipincom国产片| 91字幕亚洲| 免费看十八禁软件| 国产亚洲一区二区精品| 男人操女人黄网站| 又黄又粗又硬又大视频| a级片在线免费高清观看视频| 桃红色精品国产亚洲av| 热re99久久国产66热| 国产精品国产av在线观看| 精品一区二区三区四区五区乱码| 黄色视频在线播放观看不卡| 女性生殖器流出的白浆| 伦理电影免费视频| 91成人精品电影| 十分钟在线观看高清视频www| 日韩免费av在线播放| 久久亚洲真实| 免费在线观看日本一区| 丝瓜视频免费看黄片| 久久久久久久久久久久大奶| 国产免费视频播放在线视频| 精品一区二区三卡| 久久午夜亚洲精品久久| av不卡在线播放| 欧美黑人欧美精品刺激| 婷婷丁香在线五月| 亚洲专区中文字幕在线| 国产成人影院久久av| 在线 av 中文字幕| 中亚洲国语对白在线视频| 国产精品98久久久久久宅男小说| 桃红色精品国产亚洲av| 国产午夜精品久久久久久| 国产成人啪精品午夜网站| 超碰97精品在线观看| 国产精品一区二区在线观看99| 夫妻午夜视频| 老汉色∧v一级毛片| 国产免费现黄频在线看| 三级毛片av免费| 侵犯人妻中文字幕一二三四区| 黄色视频,在线免费观看| 我的亚洲天堂| 久久久精品区二区三区| 久久中文字幕人妻熟女| 久久久久久久久免费视频了| 精品视频人人做人人爽| 国产精品秋霞免费鲁丝片| 天天躁夜夜躁狠狠躁躁| 久久精品成人免费网站| 免费在线观看视频国产中文字幕亚洲| 日本vs欧美在线观看视频| 操出白浆在线播放| 午夜福利影视在线免费观看| 欧美黄色片欧美黄色片| 久久久国产一区二区| 亚洲成人免费av在线播放| 国产成人av教育| 久久久精品区二区三区| 国产亚洲欧美在线一区二区| 免费一级毛片在线播放高清视频 | 精品福利观看| 捣出白浆h1v1| av天堂久久9| 色在线成人网| av福利片在线| 国产精品亚洲一级av第二区| 少妇粗大呻吟视频| 亚洲人成电影观看| 一本大道久久a久久精品| 国产精品一区二区在线观看99| 亚洲情色 制服丝袜| 久久久精品免费免费高清| 婷婷丁香在线五月| 无遮挡黄片免费观看| 久久香蕉激情| 老司机在亚洲福利影院| 免费高清在线观看日韩| 亚洲精品国产色婷婷电影| avwww免费| 夜夜爽天天搞| 国产亚洲精品一区二区www | 欧美精品人与动牲交sv欧美| 老司机深夜福利视频在线观看| www.999成人在线观看| 91大片在线观看| av在线播放免费不卡| 美女午夜性视频免费| 久久久久久亚洲精品国产蜜桃av| 激情视频va一区二区三区| 欧美日韩成人在线一区二区| 97人妻天天添夜夜摸| 人人妻人人澡人人爽人人夜夜| 午夜91福利影院| 精品亚洲成a人片在线观看| 亚洲成a人片在线一区二区| 激情视频va一区二区三区| 狠狠狠狠99中文字幕| 国产高清videossex| 99国产极品粉嫩在线观看| 午夜福利在线观看吧| 色婷婷久久久亚洲欧美| 欧美日韩亚洲综合一区二区三区_| 亚洲色图综合在线观看| 久久久久精品人妻al黑| 国产精品一区二区在线不卡| 免费看a级黄色片| 热99re8久久精品国产| 大型黄色视频在线免费观看| 国产欧美日韩一区二区精品| 日韩一区二区三区影片| 麻豆av在线久日| 又黄又粗又硬又大视频| 99精国产麻豆久久婷婷| 中文字幕色久视频| 波多野结衣av一区二区av| 首页视频小说图片口味搜索| videos熟女内射| 99久久精品国产亚洲精品| 91成人精品电影| 欧美黄色淫秽网站| 97在线人人人人妻| 一区二区av电影网| 美女视频免费永久观看网站| 制服诱惑二区| 动漫黄色视频在线观看| 欧美日韩成人在线一区二区| 黑人巨大精品欧美一区二区mp4| 国产野战对白在线观看| 一个人免费在线观看的高清视频| 亚洲中文日韩欧美视频| 午夜福利在线免费观看网站| av电影中文网址| 亚洲av日韩在线播放| 老司机亚洲免费影院| 亚洲七黄色美女视频| 国产成人精品久久二区二区免费| 亚洲欧美精品综合一区二区三区| 国产精品一区二区在线观看99| 中文字幕色久视频| 日本av手机在线免费观看| 亚洲成人免费av在线播放| 久久香蕉激情| 国产精品98久久久久久宅男小说| 国产有黄有色有爽视频| 大片免费播放器 马上看| 天天添夜夜摸| 午夜91福利影院| 大陆偷拍与自拍| 91九色精品人成在线观看| 亚洲精品粉嫩美女一区| 黄色怎么调成土黄色| 日本黄色日本黄色录像| 最新的欧美精品一区二区| 97人妻天天添夜夜摸| 久久精品国产亚洲av高清一级| 精品少妇一区二区三区视频日本电影| 中国美女看黄片| 婷婷成人精品国产| 两性夫妻黄色片| 久久久久久久大尺度免费视频| 国产精品美女特级片免费视频播放器 | 老司机午夜福利在线观看视频 | 啪啪无遮挡十八禁网站| 国产精品1区2区在线观看. | 老鸭窝网址在线观看| av免费在线观看网站| 精品国产乱码久久久久久小说| 天天躁夜夜躁狠狠躁躁| 欧美黄色淫秽网站| 亚洲精品久久成人aⅴ小说| 9色porny在线观看| 高清视频免费观看一区二区| 高清在线国产一区| 天堂动漫精品| 国产成人精品久久二区二区免费| 中文字幕另类日韩欧美亚洲嫩草| 亚洲一区中文字幕在线| 又大又爽又粗| 蜜桃国产av成人99| 麻豆国产av国片精品| 一区二区三区激情视频| 69精品国产乱码久久久| av线在线观看网站| 久久久久视频综合| 国产av一区二区精品久久| 色视频在线一区二区三区| 久久精品国产亚洲av香蕉五月 | 高清欧美精品videossex| 狠狠婷婷综合久久久久久88av| www日本在线高清视频| 日韩大码丰满熟妇| 女同久久另类99精品国产91| 久久性视频一级片| 999精品在线视频| 国产成人av教育| 丁香六月天网| 成人国产av品久久久| 俄罗斯特黄特色一大片| 丝袜美足系列| 日韩熟女老妇一区二区性免费视频| 丝袜美足系列| 免费观看人在逋| 下体分泌物呈黄色| 青草久久国产| 天天躁夜夜躁狠狠躁躁| 菩萨蛮人人尽说江南好唐韦庄| 韩国精品一区二区三区| 久久精品国产99精品国产亚洲性色 | 精品国产国语对白av| 亚洲av美国av| 一区二区三区国产精品乱码| 天堂中文最新版在线下载| 亚洲成人免费电影在线观看| 亚洲人成电影免费在线| 亚洲欧美精品综合一区二区三区| 久久性视频一级片| 黄色a级毛片大全视频| videosex国产| 久久精品亚洲熟妇少妇任你| 一夜夜www| 欧美成人午夜精品| 欧美日韩一级在线毛片| 色在线成人网| 午夜久久久在线观看| 亚洲成av片中文字幕在线观看| 制服人妻中文乱码| 十八禁网站免费在线| 欧美乱码精品一区二区三区| 满18在线观看网站| 一区二区三区激情视频| 国产国语露脸激情在线看| 丁香欧美五月| 成人影院久久| 国产欧美亚洲国产| 一本久久精品| 久久久久久久久久久久大奶| 精品国产超薄肉色丝袜足j| 三级毛片av免费| 国产真人三级小视频在线观看| av天堂久久9| 欧美日韩中文字幕国产精品一区二区三区 | 后天国语完整版免费观看| 999久久久国产精品视频| av片东京热男人的天堂| 精品视频人人做人人爽| 精品第一国产精品| 国产精品九九99| 老司机深夜福利视频在线观看| 久久天躁狠狠躁夜夜2o2o| 欧美亚洲日本最大视频资源| 美女国产高潮福利片在线看| 国产色视频综合| h视频一区二区三区| 女人爽到高潮嗷嗷叫在线视频| 亚洲一卡2卡3卡4卡5卡精品中文| 在线永久观看黄色视频| 国产成+人综合+亚洲专区|