• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究

    2018-02-01 00:33:00解駿陳瑋
    軟件導(dǎo)刊 2018年1期
    關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別

    解駿+陳瑋

    摘要:傳統(tǒng)的人臉識(shí)別多采用淺層結(jié)構(gòu)提取人臉特征,這類方法提取人臉圖像能力有限,效果相對(duì)較差。針對(duì)上述缺陷,提出基于卷積神經(jīng)網(wǎng)絡(luò)的高效識(shí)別人臉方法。該方法所設(shè)計(jì)的模型,結(jié)合了VGGNet模型的層次結(jié)構(gòu)優(yōu)勢(shì)并融合跨層次結(jié)構(gòu)的上采樣特征,大大提高了人臉識(shí)別的準(zhǔn)確性及識(shí)別精度。該模型在Caffe下訓(xùn)練出樣本集后在MATLAB上得到了驗(yàn)證。

    關(guān)鍵詞:人臉識(shí)別;卷積神經(jīng)網(wǎng)絡(luò);Ubuntu Caffe;MATLAB

    DOIDOI:10.11907/rjdk.172221

    中圖分類號(hào):TP301

    文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào)文章編號(hào):16727800(2018)001002503

    Abstract:Traditional face recognition uses shallow structure to extract facial features.This method has limited ability to extract face images, and the effect is relatively poor.With the development of cognitive science and brain science, an efficient face recognition method based on convolutional neural network is proposed.The proposed model combines the hierarchical structure of VGGNet model and combines the sampled features across hierarchical structures,after the model is trained under Caffe, the result is verified on MATLAB.This method greatly improves the accuracy of face recognition and improves the recognition accuracy.

    Key Words:face recognition; convolutional neural network; Ubuntu Caffe; MATLAB

    0引言

    卷積神經(jīng)網(wǎng)絡(luò)是近年發(fā)展起來的一種高效識(shí)別方法。20世紀(jì)60年代,Hubel和Wiesel在研究貓腦皮層中用于局部敏感和方向選擇的神經(jīng)元時(shí),發(fā)現(xiàn)其獨(dú)特的網(wǎng)絡(luò)結(jié)構(gòu)可以有效降低反饋神經(jīng)網(wǎng)絡(luò)的復(fù)雜性,繼而提出了卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡(jiǎn)稱CNN)?,F(xiàn)在,CNN已成為眾多科學(xué)領(lǐng)域的研究熱點(diǎn)之一,特別是在模式分類領(lǐng)域,由于該網(wǎng)絡(luò)避免了圖像前期復(fù)雜的預(yù)處理,可直接輸入原始圖像,因而得到了廣泛的應(yīng)用[1]。K.Fukushima在1980年首次提出了新識(shí)別機(jī)制,隨后很多科研工作者對(duì)該網(wǎng)絡(luò)進(jìn)行了改進(jìn)[23]。

    1神經(jīng)網(wǎng)絡(luò)

    1.1淺層網(wǎng)絡(luò)與深層網(wǎng)絡(luò)

    淺層網(wǎng)絡(luò)通常也叫做傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)來源于嘗試尋找生物系統(tǒng)信息處理的數(shù)字表示(McCulloch and Pitts,1943;Widrow and Hoff,1960;Rosenblatt,1962;Rumelhart et al.,1986)。這個(gè)模型被廣泛使用,許多模型過分夸張地宣稱其具有生物的可信性[4]。然而,從模式識(shí)別的應(yīng)用角度來說,模仿生物的真實(shí)性會(huì)帶來相當(dāng)多的限制。因此,應(yīng)著重研究作為統(tǒng)計(jì)模式識(shí)別的高效神經(jīng)網(wǎng)絡(luò),即多層感知器[5]。

    1.2卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)本質(zhì)上是一個(gè)多層神經(jīng)網(wǎng)絡(luò),但不同于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò),每一層上都會(huì)有許多的二維平面,并且這些二維平面都含有獨(dú)立的神經(jīng)元,大致結(jié)構(gòu)如圖1所示[6]。

    圖1給定一副輸入圖像,C1層就是卷積神經(jīng)網(wǎng)絡(luò)中非常特殊的卷積層??梢钥吹捷斎雸D像經(jīng)過C1層得到了3張?zhí)卣饔成鋱D,這是因?yàn)樵贑1層上人為設(shè)定了3個(gè)不同的卷積核,每一張?zhí)卣饔成鋱D都對(duì)應(yīng)于卷積核中的權(quán)重[79]。S2層是卷積神經(jīng)網(wǎng)中常見的下采樣層,它通過一個(gè)固定窗口對(duì)特征圖像進(jìn)行聚合統(tǒng)計(jì),實(shí)現(xiàn)特征圖像分辨率的下采樣。同理,C3層獲取更抽象的特征圖,S4層繼續(xù)下采樣降低學(xué)習(xí)難度。最終網(wǎng)絡(luò)的最后一層或幾層設(shè)計(jì)成全連接層,目的是為了提取更少、更好的特征將其提供給分類器[1011]。

    在卷積神經(jīng)網(wǎng)絡(luò)中,圖1的C層作為特征提取層,該層上輸出的每一個(gè)神經(jīng)元與上一層中的局部相連,其值就是上一層中的特征映射值。這樣的局部特征只要提取出來,它相對(duì)于其它特征的空間位置關(guān)系也會(huì)確定下來。S層是特征值下采樣層,對(duì)C層輸出的特征映射圖中的特征值進(jìn)行聚合統(tǒng)計(jì)[78]。在卷積神經(jīng)網(wǎng)絡(luò)中C層和S層的共同作用下,輸入圖像的特征映射結(jié)果具有位移不變性。

    由于一個(gè)映射面上的神經(jīng)元共享權(quán)值,因而減少了網(wǎng)絡(luò)自由參數(shù)的個(gè)數(shù),降低了網(wǎng)絡(luò)參數(shù)選擇的復(fù)雜度。卷積神經(jīng)網(wǎng)絡(luò)中的每一個(gè)特征提取層(C層)都緊跟一個(gè)用來求局部平均與二次提取的計(jì)算層(S層),這種特有的兩次特征提取結(jié)構(gòu),使網(wǎng)絡(luò)在識(shí)別時(shí)對(duì)輸入樣本有較高的畸變?nèi)萑棠芰1213]。

    2深度學(xué)習(xí)框架—Caffe

    Caffe支持命令行、python和MATLAB接口,核心語言是C++,它是一種操作簡(jiǎn)單、執(zhí)行效率高的深度學(xué)習(xí)框架,可在CPU和GPU之間無縫切換,其創(chuàng)始人是賈楊清。Caffe問世至今,由于它在使用上簡(jiǎn)潔方便,執(zhí)行上效率高效,實(shí)現(xiàn)上有著清晰的分層網(wǎng)絡(luò)定義,具有較強(qiáng)的可讀性、可移植性和結(jié)構(gòu)化等特點(diǎn),使其在深度學(xué)習(xí)領(lǐng)域廣受青睞。

    2.1Caffe特點(diǎn)endprint

    (1)模塊化。模塊化設(shè)計(jì)可達(dá)到對(duì)網(wǎng)絡(luò)層、損失函數(shù)以及數(shù)據(jù)格式進(jìn)行獨(dú)立擴(kuò)展。

    (2)表示和實(shí)現(xiàn)分離。一般利用Protocol Buffer語言將Caffe的模型定義寫進(jìn)配置文件,采用任意有向無環(huán)圖進(jìn)行構(gòu)思。Caffe支持網(wǎng)絡(luò)架構(gòu),可依據(jù)網(wǎng)絡(luò)需要自動(dòng)調(diào)節(jié)程序或系統(tǒng)所占內(nèi)存。通過調(diào)用某個(gè)函數(shù),實(shí)現(xiàn)CPU和GPU的切換。

    (3)測(cè)試覆蓋。在Caffe中,任意一個(gè)單一的模塊都有一個(gè)相對(duì)應(yīng)的測(cè)試。

    (4)Caffe同時(shí)提供Python和MATLAB接口。本實(shí)驗(yàn)最后需要在Caffe提供MATLAB接口,然后在MATLAB上實(shí)現(xiàn)驗(yàn)證結(jié)果。

    (5)預(yù)訓(xùn)練參考模型。對(duì)于視覺項(xiàng)目,Caffe有針對(duì)性地提供了一系列參考模型,這些模型僅用于非商業(yè)或?qū)W術(shù)領(lǐng)域,它們的License不是BSD。

    2.2Caffe架構(gòu)

    (1)數(shù)據(jù)存儲(chǔ)。Caffe通過“Blobs”方式存儲(chǔ)數(shù)據(jù),即利用四維數(shù)組方式存儲(chǔ)與傳遞數(shù)據(jù)。采用Blobs方式會(huì)有一個(gè)統(tǒng)一的內(nèi)存接口,專門用來操作批量圖像(以及其它數(shù)據(jù))或更新參數(shù)。而Models則以Google Protocol Buffers的方式在磁盤中存儲(chǔ),若有大型數(shù)據(jù)則存儲(chǔ)在LevelDB數(shù)據(jù)庫中[13]。

    (2)網(wǎng)絡(luò)層。Caffe層以一個(gè)或多個(gè)Blobs輸入,隨即計(jì)算出一個(gè)或多個(gè)Blobs輸出。網(wǎng)絡(luò)是一個(gè)整體的操作,而層有兩個(gè)主要職責(zé):①前向傳播,需要輸入并產(chǎn)生輸出;②反向傳播,獲得梯度并將它作為輸出,再以參數(shù)和輸入計(jì)算出梯度。Caffe提供了一套完整的層類模型,這些層類模型既簡(jiǎn)單也實(shí)用。

    (3)網(wǎng)絡(luò)運(yùn)行方式。Caffe保存全部的有向無環(huán)層圖,以保證訓(xùn)練樣本準(zhǔn)確無誤地進(jìn)行前向傳播及反向傳播。Caffe作為一個(gè)終端到終端的機(jī)器學(xué)習(xí)系統(tǒng),起始于數(shù)據(jù)層,終止于loss層。借助某個(gè)單一開關(guān),使其網(wǎng)絡(luò)在CPU與GPU上有效運(yùn)行。此外在CPU或GPU上,層于層之間結(jié)果相同。

    (4)訓(xùn)練網(wǎng)絡(luò)。Caffe在執(zhí)行一個(gè)訓(xùn)練時(shí),憑借的是高效、精確的隨機(jī)梯度下降算法。在Caffe模型中,微調(diào)作為一個(gè)標(biāo)準(zhǔn)的方法,適用于已存在的模型或新的架構(gòu)及數(shù)據(jù)。當(dāng)執(zhí)行新任務(wù)時(shí),Caffe即微調(diào)舊的模型權(quán)重,再依據(jù)開發(fā)人員需求,將新的權(quán)重參數(shù)初始化,最終達(dá)到縮短訓(xùn)練時(shí)間、提高模型精度的要求。

    3實(shí)驗(yàn)環(huán)境和結(jié)果分析

    3.1實(shí)驗(yàn)?zāi)康?/p>

    本實(shí)驗(yàn)在Caffe上調(diào)用改進(jìn)的VGGNet網(wǎng)絡(luò)模型訓(xùn)練樣本集,然后在MATLAB上輸入一個(gè)樣本照片,通過MatCaffe接口在MATLAB上調(diào)用Caffe訓(xùn)練好的樣本集,從而識(shí)別輸入樣本對(duì)應(yīng)樣本集中的哪個(gè)人、相似度多少。

    圖2為VGGNet網(wǎng)絡(luò)結(jié)構(gòu)模型,在fc1和fc2后加入了dropout算法,通過一定的概率屏蔽部分神經(jīng)元,從而防止隨著網(wǎng)絡(luò)深度的增加出現(xiàn)過擬合問題。同時(shí)通過修改每個(gè)神經(jīng)元的非線性激活函數(shù),為relu加快網(wǎng)絡(luò)的訓(xùn)練時(shí)間。通過加入改進(jìn)后的算法得到了更好的訓(xùn)練曲線,減少了大量的訓(xùn)練時(shí)間。

    3.2實(shí)驗(yàn)環(huán)境及數(shù)據(jù)

    本文在Ubuntu64位系統(tǒng)下調(diào)用Caffe框架和MATLAB實(shí)驗(yàn),樣本圖片基于AR人臉庫數(shù)據(jù),加上實(shí)際人臉采樣數(shù)據(jù),通過MATLAB把所有圖片轉(zhuǎn)換成大小為224×224的jpg格式文件,部分如圖3所示。

    3.3結(jié)果分析

    在Caffe框架上通過改進(jìn)的VGGNet模型,將訓(xùn)練樣本完成為二進(jìn)制文件存儲(chǔ),如圖4所示,從左到右依次為訓(xùn)練迭代第40次和訓(xùn)練完成輸出結(jié)果的二進(jìn)制文件以及文件內(nèi)容。

    在MATLAB上調(diào)用訓(xùn)練好的模型輸入圖片,識(shí)別對(duì)應(yīng)的模型里訓(xùn)練好的人名,并給出相似度,如圖5所示。

    基于卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練準(zhǔn)確率大大高于傳統(tǒng)人臉識(shí)別算法,而且受光照等外部條件影響較小,本文提出的改進(jìn)的VGGNet網(wǎng)絡(luò)訓(xùn)練出來的結(jié)果效率高達(dá)98%以上,而且訓(xùn)練速度也較快。

    4結(jié)語

    本文基于深度學(xué)習(xí)的基礎(chǔ)框架(卷積神經(jīng)網(wǎng)絡(luò)),對(duì)當(dāng)前機(jī)器視覺在目標(biāo)識(shí)別上出現(xiàn)的問題進(jìn)行了研究。根據(jù)自然場(chǎng)景復(fù)雜多變的情況,設(shè)計(jì)了一個(gè)適合于這種高度變化的數(shù)據(jù)集上的一種深度卷積神經(jīng)網(wǎng)絡(luò)架構(gòu),并利用其監(jiān)督學(xué)習(xí)的特點(diǎn)完成了模型的訓(xùn)練過程。

    本文的網(wǎng)絡(luò)結(jié)構(gòu)還有許多可以改進(jìn)和優(yōu)化的地方。隨著21世紀(jì)人工智能在機(jī)器視覺上的發(fā)展,深度學(xué)習(xí)將在目標(biāo)識(shí)別的技術(shù)層面得到跨越,會(huì)出現(xiàn)更多的機(jī)器視覺產(chǎn)品。

    參考文獻(xiàn):

    [1]GIRSHICK R, DONAHUE J, DARRELL T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation[J]. Computer Science,2014(2):580587.

    [2]HE K, ZHANG X, REN S, et al. Spatial pyramid pooling in deep convolutional networks for visual recognition[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence,2015,37(9):19041916.

    [3]SIMONYAN K, ZISSERMAN A. Very deep convolutional networks for largescale image recognition[J]. Computer Science,2014(5):241256.

    [4]SHELHAMER E, LONG J, DARRELL T. Fully convolutional networks for semantic segmentation[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence,2014,79(10):13371342.endprint

    [5]REDMON J, DIVVALA S, GIRSHICK R, et al. You only look once: unified, realtime object detection[J]. Computer Science,2016(3):422430.

    [6]LIU W, ANGUELOV D, ERHAN D, et al. SSD: single shot multibox detector[EB/OL]. http://www.cnblogs.com/zhangyd/p/6596913.html,2015.

    [7]KRIZHEVSKY A, SUTSKEVER I, HINTON G E. Imagenet classification with deep convolutional neural networks[J]. Advances in Neural Information Processing Systems,2012,25(2):2029.

    [8]REN S, HE K, GIRSHICK R, et al. Faster RCNN: towards realtime object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence,2016(6):110.

    [9]UIJLINGS J R R, SANDE K E A V D. Selective search for object recognition[J]. International Journal of Computer Vision,2013,104(2):154171.

    [10]CARREIRA J, RUI C, BATISTA J, et al. Semantic segmentation with secondorder pooling[J]. Lecture Notes in Computer Science,2012,7578(1):430443.

    [11]DAN C C, GIUSTI A, GAMBARDELLA L M, et al. Deep neural networks segment neuronal membranes in electron microscopy Images[J]. Advances in Neural Information Processing Systems,2012(25):28522860.

    [12]DAI J, HE K, SUN J. Convolutional feature masking for joint object and stuff segmentation[EB/OL]. http://www.taodocs.com/p41599543.html,2014.

    [13]盧宏濤,張秦川.深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺中的應(yīng)用研究綜述[J].數(shù)據(jù)采集與處理,2016,31(1):117.

    (責(zé)任編輯:杜能鋼)endprint

    猜你喜歡
    卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別
    人臉識(shí)別 等
    揭開人臉識(shí)別的神秘面紗
    基于(2D)2PCA-LBP 的人臉識(shí)別方法的研究
    電子制作(2017年17期)2017-12-18 06:40:55
    人臉識(shí)別在高校安全防范中的應(yīng)用
    電子制作(2017年1期)2017-05-17 03:54:46
    基于卷積神經(jīng)網(wǎng)絡(luò)溫室智能大棚監(jiān)控系統(tǒng)的研究
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別算法
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識(shí)別的算法的研究
    基于類獨(dú)立核稀疏表示的魯棒人臉識(shí)別
    日韩中字成人| 午夜福利在线观看免费完整高清在| 久久精品国产鲁丝片午夜精品| 欧美 日韩 精品 国产| 丝袜在线中文字幕| 亚洲av不卡在线观看| 中文字幕久久专区| 国产精品一区二区性色av| 久久久久精品久久久久真实原创| 国产黄片视频在线免费观看| 如何舔出高潮| 女性生殖器流出的白浆| 日本wwww免费看| 久久青草综合色| a级毛色黄片| 日韩欧美一区视频在线观看 | 国产亚洲精品久久久com| 自线自在国产av| 国产精品99久久久久久久久| 欧美日韩精品成人综合77777| 亚洲精品国产色婷婷电影| 成年人午夜在线观看视频| 91成人精品电影| 欧美最新免费一区二区三区| 亚洲综合色惰| 99久国产av精品国产电影| 老熟女久久久| 国产av码专区亚洲av| 精品久久久久久久久亚洲| 偷拍熟女少妇极品色| 少妇 在线观看| av专区在线播放| 人妻夜夜爽99麻豆av| 黑人高潮一二区| 日韩欧美精品免费久久| 少妇精品久久久久久久| 在线看a的网站| 各种免费的搞黄视频| 99九九在线精品视频 | av又黄又爽大尺度在线免费看| 一区二区三区乱码不卡18| 自线自在国产av| 国产白丝娇喘喷水9色精品| 最黄视频免费看| 午夜免费鲁丝| 精品99又大又爽又粗少妇毛片| 欧美日本中文国产一区发布| 国产精品秋霞免费鲁丝片| 高清不卡的av网站| videos熟女内射| 欧美区成人在线视频| www.色视频.com| 亚洲成人手机| 99热这里只有是精品50| 中文字幕人妻丝袜制服| 有码 亚洲区| av女优亚洲男人天堂| 成人综合一区亚洲| 永久网站在线| 91久久精品国产一区二区三区| 熟女人妻精品中文字幕| 欧美变态另类bdsm刘玥| 国产 一区精品| 一级毛片久久久久久久久女| 欧美成人午夜免费资源| 欧美三级亚洲精品| 狂野欧美激情性xxxx在线观看| 黄色视频在线播放观看不卡| 久久这里有精品视频免费| 欧美老熟妇乱子伦牲交| 日本午夜av视频| 美女国产视频在线观看| 一区二区三区乱码不卡18| 国产色爽女视频免费观看| 免费观看av网站的网址| www.色视频.com| 一本久久精品| av专区在线播放| 午夜日本视频在线| 偷拍熟女少妇极品色| 美女视频免费永久观看网站| 国产av精品麻豆| 久久久久久久久大av| 热re99久久国产66热| 亚洲成人手机| 亚洲美女黄色视频免费看| 只有这里有精品99| 国产精品成人在线| 久久国产乱子免费精品| 日本wwww免费看| 中文字幕亚洲精品专区| 韩国高清视频一区二区三区| 亚洲av不卡在线观看| 久久精品国产亚洲av涩爱| 亚洲天堂av无毛| 日日爽夜夜爽网站| 日本欧美视频一区| 日本与韩国留学比较| 少妇裸体淫交视频免费看高清| 丝袜在线中文字幕| 久久人妻熟女aⅴ| 啦啦啦在线观看免费高清www| 亚洲国产色片| 国产精品99久久久久久久久| 亚洲一级一片aⅴ在线观看| 男人爽女人下面视频在线观看| 在线观看免费视频网站a站| a级毛片在线看网站| 青春草亚洲视频在线观看| 亚洲欧美精品专区久久| 亚洲美女视频黄频| a 毛片基地| 欧美高清成人免费视频www| 在线观看免费日韩欧美大片 | 中文字幕精品免费在线观看视频 | 国产乱人偷精品视频| 国产av码专区亚洲av| 又粗又硬又长又爽又黄的视频| 简卡轻食公司| 精品酒店卫生间| 精品久久久久久电影网| 日韩 亚洲 欧美在线| 国产精品不卡视频一区二区| 国产真实伦视频高清在线观看| 91久久精品国产一区二区成人| 久久久久久久久久久丰满| 国产精品久久久久久久电影| 在线观看国产h片| 一级av片app| 伦理电影大哥的女人| 久久久久久久久大av| 麻豆成人午夜福利视频| 日韩,欧美,国产一区二区三区| 搡女人真爽免费视频火全软件| 午夜福利影视在线免费观看| 国产国拍精品亚洲av在线观看| 一级爰片在线观看| 国产成人精品一,二区| 少妇的逼水好多| av天堂中文字幕网| 免费高清在线观看视频在线观看| 亚洲精品乱久久久久久| 国精品久久久久久国模美| 99热这里只有是精品在线观看| 91精品国产九色| 中文字幕av电影在线播放| 国产淫片久久久久久久久| 丝袜在线中文字幕| 日本91视频免费播放| 欧美人与善性xxx| 91午夜精品亚洲一区二区三区| 国产成人精品无人区| 久久婷婷青草| 亚洲av二区三区四区| 大话2 男鬼变身卡| 国产精品久久久久久久电影| 国产黄色免费在线视频| 高清av免费在线| 国产免费一区二区三区四区乱码| 五月天丁香电影| 乱人伦中国视频| 日日摸夜夜添夜夜添av毛片| 国产熟女欧美一区二区| 黄片无遮挡物在线观看| 亚洲av福利一区| 国产美女午夜福利| 免费大片黄手机在线观看| 女人精品久久久久毛片| 黄色视频在线播放观看不卡| 九草在线视频观看| 一本—道久久a久久精品蜜桃钙片| 国产精品一区www在线观看| 久久久久久久久久成人| 高清av免费在线| 国产精品久久久久久久久免| 成人毛片60女人毛片免费| 国产综合精华液| 十八禁高潮呻吟视频 | 日韩免费高清中文字幕av| 两个人免费观看高清视频 | 97在线人人人人妻| 国产亚洲5aaaaa淫片| 黄色怎么调成土黄色| 三上悠亚av全集在线观看 | 日韩免费高清中文字幕av| 久久婷婷青草| 中文欧美无线码| 黄色毛片三级朝国网站 | 免费不卡的大黄色大毛片视频在线观看| 男人和女人高潮做爰伦理| 久久毛片免费看一区二区三区| 自拍偷自拍亚洲精品老妇| 91精品国产国语对白视频| 新久久久久国产一级毛片| 国内少妇人妻偷人精品xxx网站| 99九九线精品视频在线观看视频| 在线观看人妻少妇| 久久99精品国语久久久| 一本久久精品| 伦精品一区二区三区| 极品人妻少妇av视频| 久久久久网色| 不卡视频在线观看欧美| 一本—道久久a久久精品蜜桃钙片| 国产 精品1| 国产成人一区二区在线| 日韩三级伦理在线观看| 精品99又大又爽又粗少妇毛片| 亚洲精品aⅴ在线观看| 91在线精品国自产拍蜜月| 少妇精品久久久久久久| 日韩不卡一区二区三区视频在线| 国产精品国产三级国产专区5o| 黑丝袜美女国产一区| 国产精品一区二区在线不卡| videos熟女内射| 男人狂女人下面高潮的视频| 免费av不卡在线播放| 国产精品欧美亚洲77777| 免费黄网站久久成人精品| 久久免费观看电影| 大香蕉97超碰在线| 国产白丝娇喘喷水9色精品| a级毛片免费高清观看在线播放| 国产爽快片一区二区三区| 一级爰片在线观看| 一级毛片久久久久久久久女| 国产精品久久久久成人av| 97在线人人人人妻| 亚洲欧美一区二区三区黑人 | 3wmmmm亚洲av在线观看| 日日摸夜夜添夜夜爱| 国产精品久久久久久久久免| 国产伦精品一区二区三区四那| 伊人亚洲综合成人网| 在线观看免费高清a一片| 久久久精品免费免费高清| 成人国产麻豆网| 亚洲欧美一区二区三区国产| 插逼视频在线观看| 色视频在线一区二区三区| 亚洲av成人精品一区久久| 在线天堂最新版资源| 久久ye,这里只有精品| 在线观看人妻少妇| 日本wwww免费看| 天堂俺去俺来也www色官网| 中文字幕人妻丝袜制服| 好男人视频免费观看在线| a级片在线免费高清观看视频| 一级毛片 在线播放| 国产精品一二三区在线看| 国产精品久久久久久久电影| 亚洲婷婷狠狠爱综合网| 免费大片黄手机在线观看| 一级毛片电影观看| 少妇精品久久久久久久| 亚洲综合色惰| 黑人巨大精品欧美一区二区蜜桃 | 午夜福利在线观看免费完整高清在| 91在线精品国自产拍蜜月| 日韩欧美一区视频在线观看 | 成人午夜精彩视频在线观看| 大码成人一级视频| 国产色爽女视频免费观看| av福利片在线| 热re99久久精品国产66热6| 制服丝袜香蕉在线| 婷婷色综合www| 欧美激情极品国产一区二区三区 | 亚洲精品色激情综合| 欧美成人精品欧美一级黄| 日韩人妻高清精品专区| 国产淫片久久久久久久久| 老司机影院毛片| 日本爱情动作片www.在线观看| 成人午夜精彩视频在线观看| 国产精品免费大片| 老女人水多毛片| av福利片在线| 欧美成人精品欧美一级黄| 亚洲精品自拍成人| 亚洲国产精品成人久久小说| 欧美三级亚洲精品| 亚洲精品国产av成人精品| 岛国毛片在线播放| 亚洲情色 制服丝袜| 男女无遮挡免费网站观看| 九九久久精品国产亚洲av麻豆| 妹子高潮喷水视频| 2022亚洲国产成人精品| 亚洲欧美一区二区三区国产| 国产永久视频网站| 成年人午夜在线观看视频| 99视频精品全部免费 在线| 亚洲,一卡二卡三卡| 国产精品不卡视频一区二区| 精品久久久久久久久av| h视频一区二区三区| 成人国产av品久久久| 搡老乐熟女国产| 下体分泌物呈黄色| 18+在线观看网站| 亚洲欧美成人综合另类久久久| 插逼视频在线观看| 亚洲精品日韩av片在线观看| 少妇裸体淫交视频免费看高清| 丰满饥渴人妻一区二区三| 97超碰精品成人国产| 久久久久久久久久久久大奶| 丰满乱子伦码专区| 热re99久久精品国产66热6| 99国产精品免费福利视频| 如日韩欧美国产精品一区二区三区 | 精品一区二区三卡| 国产成人精品婷婷| 精品视频人人做人人爽| 国产亚洲91精品色在线| 国产日韩欧美在线精品| 各种免费的搞黄视频| 又爽又黄a免费视频| 少妇丰满av| 亚洲精品中文字幕在线视频 | 国产精品熟女久久久久浪| 国产高清不卡午夜福利| h视频一区二区三区| 亚洲天堂av无毛| 国产69精品久久久久777片| 日韩人妻高清精品专区| 亚洲国产色片| 日韩人妻高清精品专区| 狂野欧美白嫩少妇大欣赏| 交换朋友夫妻互换小说| 久久久久网色| 国产永久视频网站| 午夜激情福利司机影院| 午夜日本视频在线| a级毛色黄片| 2022亚洲国产成人精品| 日本黄色片子视频| av播播在线观看一区| 少妇 在线观看| 日韩人妻高清精品专区| 午夜激情福利司机影院| 一区二区三区精品91| 一级黄片播放器| 亚洲精品自拍成人| 建设人人有责人人尽责人人享有的| 天天躁夜夜躁狠狠久久av| 亚洲精品日本国产第一区| 欧美xxⅹ黑人| 久久国内精品自在自线图片| 午夜福利在线观看免费完整高清在| 亚洲精品国产av成人精品| 人体艺术视频欧美日本| 美女cb高潮喷水在线观看| 99视频精品全部免费 在线| 成人无遮挡网站| 欧美日韩一区二区视频在线观看视频在线| 91在线精品国自产拍蜜月| 日韩,欧美,国产一区二区三区| 天美传媒精品一区二区| 国产在线视频一区二区| 啦啦啦视频在线资源免费观看| 欧美日本中文国产一区发布| 久久韩国三级中文字幕| .国产精品久久| 王馨瑶露胸无遮挡在线观看| 99视频精品全部免费 在线| 人妻人人澡人人爽人人| 天堂中文最新版在线下载| 午夜福利影视在线免费观看| 我的老师免费观看完整版| 色婷婷久久久亚洲欧美| 日韩一本色道免费dvd| 久久精品夜色国产| 中文欧美无线码| 成人二区视频| 又大又黄又爽视频免费| 亚洲精品一区蜜桃| 黑人高潮一二区| 国产免费又黄又爽又色| 日韩av免费高清视频| av专区在线播放| 欧美另类一区| a级片在线免费高清观看视频| 9色porny在线观看| 亚洲欧美日韩东京热| 国产av国产精品国产| 女性生殖器流出的白浆| 插阴视频在线观看视频| 国产免费福利视频在线观看| 人妻少妇偷人精品九色| freevideosex欧美| 香蕉精品网在线| 少妇被粗大猛烈的视频| av黄色大香蕉| 免费不卡的大黄色大毛片视频在线观看| 欧美精品高潮呻吟av久久| 在线观看三级黄色| av视频免费观看在线观看| 精品久久国产蜜桃| 亚洲精品一二三| 久久午夜综合久久蜜桃| 国产欧美亚洲国产| 亚洲国产最新在线播放| 欧美xxⅹ黑人| 久久人人爽人人片av| 亚洲激情五月婷婷啪啪| 欧美3d第一页| 亚洲怡红院男人天堂| 日日啪夜夜爽| 久久久国产一区二区| 人妻 亚洲 视频| 亚洲欧洲精品一区二区精品久久久 | 十八禁高潮呻吟视频 | 97超碰精品成人国产| 天堂8中文在线网| 免费大片黄手机在线观看| 美女内射精品一级片tv| 亚洲av日韩在线播放| 国产黄色视频一区二区在线观看| 国产精品福利在线免费观看| 超碰97精品在线观看| 99热国产这里只有精品6| 欧美成人午夜免费资源| 在线观看三级黄色| 亚洲精品一二三| 最近中文字幕高清免费大全6| 久久久久久久久久久免费av| 国产精品熟女久久久久浪| 精品人妻偷拍中文字幕| 欧美丝袜亚洲另类| 国产伦精品一区二区三区视频9| 一个人免费看片子| 97在线视频观看| 欧美老熟妇乱子伦牲交| 午夜福利视频精品| 夜夜看夜夜爽夜夜摸| 丝袜脚勾引网站| 日日啪夜夜撸| 熟妇人妻不卡中文字幕| 亚洲精品色激情综合| a级一级毛片免费在线观看| 偷拍熟女少妇极品色| 少妇高潮的动态图| 国产在视频线精品| 亚洲精品乱码久久久久久按摩| 天堂俺去俺来也www色官网| 国产一区二区在线观看日韩| 精品亚洲成a人片在线观看| 高清av免费在线| 熟女av电影| 亚洲色图综合在线观看| 欧美日韩一区二区视频在线观看视频在线| 最近2019中文字幕mv第一页| 亚洲美女黄色视频免费看| 亚洲美女搞黄在线观看| 亚洲国产欧美在线一区| 国产亚洲精品久久久com| 欧美精品一区二区大全| 美女视频免费永久观看网站| 色吧在线观看| 欧美变态另类bdsm刘玥| 免费观看无遮挡的男女| 欧美xxⅹ黑人| 日本黄色片子视频| 美女国产视频在线观看| av视频免费观看在线观看| 日韩成人av中文字幕在线观看| av天堂中文字幕网| 插阴视频在线观看视频| 欧美日韩综合久久久久久| 91精品国产国语对白视频| 人妻系列 视频| 国产在线男女| 国产精品人妻久久久影院| 亚洲av在线观看美女高潮| av福利片在线| 国产一级毛片在线| av在线观看视频网站免费| 99热全是精品| 一级,二级,三级黄色视频| a 毛片基地| 男的添女的下面高潮视频| 老司机影院成人| 免费观看在线日韩| 人妻人人澡人人爽人人| 国产av精品麻豆| 午夜老司机福利剧场| av福利片在线观看| 午夜福利视频精品| 亚洲中文av在线| 一区二区三区四区激情视频| 色5月婷婷丁香| 9色porny在线观看| 麻豆成人av视频| 午夜免费鲁丝| 国产一区二区三区综合在线观看 | 少妇 在线观看| 99re6热这里在线精品视频| av天堂久久9| 成人综合一区亚洲| 久久久久精品久久久久真实原创| 99热6这里只有精品| 边亲边吃奶的免费视频| 五月天丁香电影| 三级国产精品欧美在线观看| 国产精品久久久久久精品古装| 99久久中文字幕三级久久日本| 久久久欧美国产精品| 久久国产亚洲av麻豆专区| 国产免费一级a男人的天堂| 婷婷色av中文字幕| 十分钟在线观看高清视频www | 免费人妻精品一区二区三区视频| 超碰97精品在线观看| 亚洲精品日韩av片在线观看| 高清毛片免费看| 国产成人精品婷婷| 午夜福利,免费看| 嫩草影院新地址| 伦理电影大哥的女人| 在线 av 中文字幕| 日本色播在线视频| 男人添女人高潮全过程视频| 亚洲,一卡二卡三卡| 国产成人精品无人区| 晚上一个人看的免费电影| 自拍欧美九色日韩亚洲蝌蚪91 | 精品久久久精品久久久| 亚洲精品日韩在线中文字幕| 国产乱人偷精品视频| 国产视频首页在线观看| 亚洲成人av在线免费| 少妇人妻精品综合一区二区| 亚洲国产精品专区欧美| 中文资源天堂在线| 性色avwww在线观看| 亚洲av中文av极速乱| 国产乱人偷精品视频| 中国国产av一级| 国产精品一区二区在线观看99| 免费黄色在线免费观看| 日日撸夜夜添| 欧美人与善性xxx| 在现免费观看毛片| 看非洲黑人一级黄片| 午夜免费观看性视频| 男男h啪啪无遮挡| 午夜日本视频在线| 国产日韩欧美亚洲二区| 国产精品女同一区二区软件| 国产成人精品久久久久久| 国产精品久久久久久精品古装| 自拍欧美九色日韩亚洲蝌蚪91 | 中文乱码字字幕精品一区二区三区| 五月伊人婷婷丁香| 日韩欧美一区视频在线观看 | 欧美bdsm另类| 国产在线男女| 国语对白做爰xxxⅹ性视频网站| 亚洲欧美精品专区久久| 国产色婷婷99| 高清不卡的av网站| 亚洲精品乱码久久久久久按摩| 久久精品国产鲁丝片午夜精品| 成人18禁高潮啪啪吃奶动态图 | 亚洲欧美精品专区久久| 欧美一级a爱片免费观看看| 日本av手机在线免费观看| 国产免费福利视频在线观看| 亚洲精品国产av蜜桃| 男女边吃奶边做爰视频| 大陆偷拍与自拍| 国产视频内射| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲欧美中文字幕日韩二区| 日本wwww免费看| 午夜福利,免费看| 久久久久网色| 国产精品秋霞免费鲁丝片| 熟女av电影| 色婷婷久久久亚洲欧美| 亚洲欧美成人综合另类久久久| 日韩在线高清观看一区二区三区| 99久久精品国产国产毛片| 精品国产乱码久久久久久小说| 少妇的逼水好多| 99久久精品国产国产毛片| 久久精品国产自在天天线| a级一级毛片免费在线观看| 亚洲va在线va天堂va国产| 国产熟女午夜一区二区三区 | 亚洲精品乱码久久久久久按摩| 精品亚洲成国产av| 啦啦啦中文免费视频观看日本| 中文天堂在线官网| 亚洲精品乱码久久久v下载方式| 一级二级三级毛片免费看| 国产成人精品无人区| 亚洲国产精品国产精品| 欧美性感艳星| 亚洲精品aⅴ在线观看| av黄色大香蕉| 国产高清有码在线观看视频| 天天躁夜夜躁狠狠久久av| 久久久国产欧美日韩av| 免费观看性生交大片5| 在线观看av片永久免费下载| 久久久a久久爽久久v久久| 亚洲,一卡二卡三卡| 国产亚洲5aaaaa淫片| 国产淫语在线视频| 能在线免费看毛片的网站|