• <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
    午夜福利乱码中文字幕| 亚洲精品日韩在线中文字幕| 麻豆乱淫一区二区| 亚洲国产精品一区三区| 老司机午夜十八禁免费视频| 在线观看免费日韩欧美大片| 久久人妻福利社区极品人妻图片 | 国产精品免费视频内射| 伦理电影免费视频| 婷婷色综合大香蕉| 国产男女超爽视频在线观看| 少妇精品久久久久久久| 久久久精品区二区三区| 亚洲成人手机| 欧美少妇被猛烈插入视频| 久久久久视频综合| 18禁黄网站禁片午夜丰满| 两性夫妻黄色片| 久久中文字幕一级| 国产欧美日韩精品亚洲av| 美女中出高潮动态图| 欧美+亚洲+日韩+国产| 水蜜桃什么品种好| 最近手机中文字幕大全| 精品少妇内射三级| 精品一区二区三区av网在线观看 | 免费高清在线观看视频在线观看| 一级毛片黄色毛片免费观看视频| 国产成人系列免费观看| 悠悠久久av| 国产精品一二三区在线看| 97精品久久久久久久久久精品| 精品久久久精品久久久| 亚洲精品av麻豆狂野| 久久99热这里只频精品6学生| 精品久久久久久电影网| 波多野结衣一区麻豆| 1024视频免费在线观看| 久久精品人人爽人人爽视色| av视频免费观看在线观看| 十八禁高潮呻吟视频| 婷婷色av中文字幕| 亚洲一区中文字幕在线| 999久久久国产精品视频| 麻豆乱淫一区二区| 少妇 在线观看| 久久久久网色| 久久 成人 亚洲| 亚洲精品国产色婷婷电影| 亚洲成国产人片在线观看| 久久九九热精品免费| 久久人妻熟女aⅴ| 视频区欧美日本亚洲| 国产精品二区激情视频| 少妇被粗大的猛进出69影院| 国产欧美日韩精品亚洲av| 中文字幕另类日韩欧美亚洲嫩草| 黄色一级大片看看| 亚洲黑人精品在线| 天天添夜夜摸| 国产又色又爽无遮挡免| 亚洲国产精品国产精品| 王馨瑶露胸无遮挡在线观看| 老司机在亚洲福利影院| 欧美日韩av久久| 一级毛片我不卡| 99国产精品99久久久久| 亚洲精品av麻豆狂野| 国精品久久久久久国模美| 亚洲精品久久午夜乱码| 制服人妻中文乱码| 国产一区亚洲一区在线观看| 麻豆国产av国片精品| 亚洲国产欧美一区二区综合| 国产男女超爽视频在线观看| 黄色视频不卡| 欧美xxⅹ黑人| 性少妇av在线| 亚洲国产av影院在线观看| 最黄视频免费看| 一区在线观看完整版| 麻豆国产av国片精品| 亚洲色图 男人天堂 中文字幕| 女人久久www免费人成看片| 国产欧美亚洲国产| 国产一卡二卡三卡精品| 国产精品久久久人人做人人爽| 亚洲专区中文字幕在线| 亚洲欧美日韩另类电影网站| 色婷婷久久久亚洲欧美| 一本综合久久免费| 美国免费a级毛片| 天天躁日日躁夜夜躁夜夜| 热re99久久国产66热| 99国产精品99久久久久| 丝瓜视频免费看黄片| 国产在视频线精品| 午夜日韩欧美国产| 亚洲成人手机| 午夜福利影视在线免费观看| av不卡在线播放| 大片免费播放器 马上看| av国产久精品久网站免费入址| 日本wwww免费看| 少妇人妻 视频| 久久九九热精品免费| 69精品国产乱码久久久| 制服诱惑二区| 中文字幕人妻熟女乱码| 免费在线观看黄色视频的| 777米奇影视久久| 亚洲欧洲国产日韩| 久久精品亚洲av国产电影网| 别揉我奶头~嗯~啊~动态视频 | 波多野结衣av一区二区av| www.自偷自拍.com| 乱人伦中国视频| 伊人久久大香线蕉亚洲五| 嫩草影视91久久| 男人舔女人的私密视频| 欧美精品高潮呻吟av久久| 久久久精品免费免费高清| 亚洲国产毛片av蜜桃av| 日韩电影二区| 欧美在线黄色| 人妻 亚洲 视频| 黄片小视频在线播放| 一本一本久久a久久精品综合妖精| 少妇粗大呻吟视频| 飞空精品影院首页| 性色av一级| 精品国产超薄肉色丝袜足j| 秋霞在线观看毛片| 国产片特级美女逼逼视频| 久久国产精品影院| 亚洲欧美激情在线| 亚洲欧美中文字幕日韩二区| a 毛片基地| 美女国产高潮福利片在线看| 亚洲欧美精品综合一区二区三区| 欧美日韩亚洲综合一区二区三区_| 亚洲国产欧美在线一区| 免费观看av网站的网址| 大话2 男鬼变身卡| 欧美97在线视频| 国产av一区二区精品久久| 热99久久久久精品小说推荐| 日本黄色日本黄色录像| 在线精品无人区一区二区三| 高清视频免费观看一区二区| 久久亚洲国产成人精品v| 熟女av电影| 中文字幕人妻丝袜一区二区| 国产三级黄色录像| 国产三级黄色录像| 99国产精品免费福利视频| 国产精品.久久久| 成年美女黄网站色视频大全免费| 久久天堂一区二区三区四区| 国产91精品成人一区二区三区 | 大香蕉久久网| 久久亚洲国产成人精品v| 国产精品二区激情视频| 国产高清不卡午夜福利| 男的添女的下面高潮视频| 国产成人精品久久二区二区91| 中文字幕另类日韩欧美亚洲嫩草| 高清黄色对白视频在线免费看| 久久人妻福利社区极品人妻图片 | 激情五月婷婷亚洲| 啦啦啦视频在线资源免费观看| 午夜免费鲁丝| 日日爽夜夜爽网站| 一区二区三区乱码不卡18| 9191精品国产免费久久| 777久久人妻少妇嫩草av网站| 亚洲午夜精品一区,二区,三区| 欧美性长视频在线观看| 国产精品一区二区精品视频观看| 久久久久网色| 欧美成人午夜精品| 韩国精品一区二区三区| 成人午夜精彩视频在线观看| 午夜精品国产一区二区电影| 国产免费一区二区三区四区乱码| 丁香六月欧美| 欧美性长视频在线观看| 曰老女人黄片| 免费看av在线观看网站| 天天躁夜夜躁狠狠躁躁| 国产免费又黄又爽又色| 男女午夜视频在线观看| 久久亚洲精品不卡| 国产成人一区二区在线| 欧美激情极品国产一区二区三区| 少妇被粗大的猛进出69影院| 成人亚洲精品一区在线观看| 亚洲国产精品一区二区三区在线| 久久99一区二区三区| 99香蕉大伊视频| 日韩中文字幕视频在线看片| 亚洲精品国产一区二区精华液| 各种免费的搞黄视频| 男女国产视频网站| 亚洲精品久久午夜乱码| 日日爽夜夜爽网站| 亚洲精品国产av成人精品| 黄色 视频免费看| 精品亚洲成a人片在线观看| 亚洲国产看品久久| 亚洲,欧美精品.| 美女高潮到喷水免费观看| 大话2 男鬼变身卡| 久久九九热精品免费| 日韩制服骚丝袜av| 成人三级做爰电影| 亚洲av电影在线观看一区二区三区| 亚洲精品乱久久久久久| 亚洲欧洲日产国产| 国产av国产精品国产| 777久久人妻少妇嫩草av网站| 精品少妇一区二区三区视频日本电影| 少妇 在线观看| 婷婷成人精品国产| 丁香六月天网| 一本一本久久a久久精品综合妖精| 精品少妇黑人巨大在线播放| 日韩熟女老妇一区二区性免费视频| 宅男免费午夜| 欧美黑人欧美精品刺激| 五月开心婷婷网| 人人妻人人澡人人爽人人夜夜| 久久精品人人爽人人爽视色| 亚洲一码二码三码区别大吗| 亚洲黑人精品在线| 亚洲激情五月婷婷啪啪| 18在线观看网站| 美女主播在线视频| www.精华液| 美女福利国产在线| 老司机影院成人| 美女视频免费永久观看网站| 天天影视国产精品| 成年人免费黄色播放视频| 老鸭窝网址在线观看| 香蕉国产在线看| xxx大片免费视频| 精品高清国产在线一区| 日韩免费高清中文字幕av| 建设人人有责人人尽责人人享有的| 久久久久国产精品人妻一区二区| 欧美人与性动交α欧美软件| 超碰97精品在线观看| av在线老鸭窝| 人妻一区二区av| 90打野战视频偷拍视频| 男女免费视频国产| 如日韩欧美国产精品一区二区三区| 日韩av在线免费看完整版不卡| cao死你这个sao货| 女警被强在线播放| 777米奇影视久久| 亚洲中文日韩欧美视频| 97人妻天天添夜夜摸| 狠狠精品人妻久久久久久综合| 国产爽快片一区二区三区| 免费黄频网站在线观看国产| 日韩,欧美,国产一区二区三区| 99国产精品免费福利视频| 欧美日本中文国产一区发布| 免费观看av网站的网址| 国产欧美日韩综合在线一区二区| 久久久精品国产亚洲av高清涩受| 一本色道久久久久久精品综合| 欧美大码av| 久久精品久久久久久久性| 国产视频一区二区在线看| 中文字幕亚洲精品专区| 亚洲,欧美精品.| 国产女主播在线喷水免费视频网站| 电影成人av| 2018国产大陆天天弄谢| 亚洲成人手机| 老司机靠b影院| 免费少妇av软件| 欧美激情极品国产一区二区三区| 国产精品一区二区在线观看99| 亚洲七黄色美女视频| 日韩制服骚丝袜av| av一本久久久久| 老司机深夜福利视频在线观看 | 精品福利观看| 免费日韩欧美在线观看| 中文字幕亚洲精品专区| 国产精品国产av在线观看| 久久99一区二区三区| 国产成人欧美在线观看 | 国产精品 欧美亚洲| 精品卡一卡二卡四卡免费| 女性被躁到高潮视频| av线在线观看网站| 国产主播在线观看一区二区 | 国产激情久久老熟女| 捣出白浆h1v1| 亚洲精品自拍成人| 女人精品久久久久毛片| 日日夜夜操网爽| 国产片特级美女逼逼视频| 乱人伦中国视频| 亚洲精品美女久久av网站| 国产精品 国内视频| 中文精品一卡2卡3卡4更新| 婷婷色综合www| 国产日韩欧美在线精品| 性色av乱码一区二区三区2| 国产精品秋霞免费鲁丝片| av在线播放精品| 黄色 视频免费看| 十八禁网站网址无遮挡| 男人操女人黄网站| 我的亚洲天堂| 亚洲国产精品成人久久小说| 国产精品香港三级国产av潘金莲 | 一边亲一边摸免费视频| 欧美乱码精品一区二区三区| 好男人电影高清在线观看| 欧美日本中文国产一区发布| 香蕉国产在线看| 亚洲色图综合在线观看| 热re99久久精品国产66热6| 精品少妇黑人巨大在线播放| 在线观看免费午夜福利视频| 丁香六月欧美| 亚洲精品国产区一区二| 亚洲国产日韩一区二区| 人人妻人人澡人人看| 国产精品一区二区在线不卡| www日本在线高清视频| 亚洲精品日本国产第一区| 亚洲国产精品国产精品| 国产熟女欧美一区二区| 在线av久久热| 欧美性长视频在线观看| tube8黄色片| 中文字幕人妻丝袜制服| 久久久久视频综合| 国产在视频线精品| 精品国产一区二区三区四区第35| 欧美黑人欧美精品刺激| 亚洲美女黄色视频免费看| 成人影院久久| 妹子高潮喷水视频| 亚洲中文av在线| 日本一区二区免费在线视频| 99久久综合免费| 亚洲欧美精品综合一区二区三区| 极品少妇高潮喷水抽搐| 欧美激情高清一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91| 91精品伊人久久大香线蕉| 黑人巨大精品欧美一区二区蜜桃| 十八禁网站网址无遮挡| 免费在线观看黄色视频的| 精品高清国产在线一区| av线在线观看网站| 人人妻人人澡人人爽人人夜夜| 交换朋友夫妻互换小说| 成年女人毛片免费观看观看9 | 国产成人精品久久二区二区91| 久久久亚洲精品成人影院| √禁漫天堂资源中文www| 日韩一区二区三区影片| 涩涩av久久男人的天堂| 色网站视频免费| 极品人妻少妇av视频| 天天躁日日躁夜夜躁夜夜| 婷婷色av中文字幕| 女人久久www免费人成看片| 人人妻人人澡人人看| 99久久99久久久精品蜜桃| 丝袜喷水一区| 久久人妻福利社区极品人妻图片 | 一级毛片电影观看| 免费在线观看视频国产中文字幕亚洲 | 亚洲av在线观看美女高潮| 亚洲国产精品999| 视频在线观看一区二区三区| 久久久久久久精品精品| 亚洲欧美激情在线| 久久精品熟女亚洲av麻豆精品| 免费少妇av软件| 天天操日日干夜夜撸| 丰满迷人的少妇在线观看| 欧美+亚洲+日韩+国产| 免费女性裸体啪啪无遮挡网站| 丝袜人妻中文字幕| 我的亚洲天堂| 国产一区有黄有色的免费视频| 成人亚洲精品一区在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 欧美精品亚洲一区二区| 亚洲国产精品999| 99久久精品国产亚洲精品| 欧美精品av麻豆av| 中文字幕亚洲精品专区| 19禁男女啪啪无遮挡网站| 十分钟在线观看高清视频www| 国产1区2区3区精品| avwww免费| 香蕉国产在线看| 在线观看免费高清a一片| 日韩制服丝袜自拍偷拍| 国产精品av久久久久免费| 精品久久蜜臀av无| 黄色视频在线播放观看不卡| 亚洲视频免费观看视频| 亚洲精品日韩在线中文字幕| 天堂8中文在线网| 精品人妻1区二区| 在线看a的网站| svipshipincom国产片| 黄网站色视频无遮挡免费观看| 波多野结衣av一区二区av| 国产有黄有色有爽视频| 成人影院久久| 伊人久久大香线蕉亚洲五| 最近最新中文字幕大全免费视频 | 韩国精品一区二区三区| 国产免费福利视频在线观看| 中国国产av一级| 国产欧美日韩一区二区三区在线| 黄色一级大片看看| 国产精品亚洲av一区麻豆| 男人爽女人下面视频在线观看| 欧美在线黄色| 国产精品偷伦视频观看了| 看免费av毛片| 一个人免费看片子| 男女下面插进去视频免费观看| 老司机午夜十八禁免费视频| 亚洲欧美中文字幕日韩二区| 国产精品二区激情视频| 国产成人一区二区三区免费视频网站 | 日本wwww免费看| 欧美精品啪啪一区二区三区 | 国产av国产精品国产| 丝袜喷水一区| 日韩一本色道免费dvd| 午夜福利视频精品| 丁香六月天网| 男女边摸边吃奶| 国产av国产精品国产| 青春草视频在线免费观看| 麻豆国产av国片精品| 老司机深夜福利视频在线观看 | 欧美日韩黄片免| 黑丝袜美女国产一区| 国产视频首页在线观看| 老司机靠b影院| 精品国产乱码久久久久久男人| 精品久久蜜臀av无| 飞空精品影院首页| av不卡在线播放| 中文字幕色久视频| 丁香六月欧美| 80岁老熟妇乱子伦牲交| 亚洲,欧美,日韩| 亚洲成国产人片在线观看| 日韩一区二区三区影片| 五月开心婷婷网| 国产人伦9x9x在线观看| 午夜免费成人在线视频| 如日韩欧美国产精品一区二区三区| 午夜久久久在线观看| 午夜视频精品福利| 中国美女看黄片| 日韩免费高清中文字幕av| 久久av网站| 熟女少妇亚洲综合色aaa.| 久久精品国产a三级三级三级| 国产成人精品久久久久久| 中文字幕av电影在线播放| 91麻豆精品激情在线观看国产 | 9热在线视频观看99| 波野结衣二区三区在线| 青青草视频在线视频观看| 精品视频人人做人人爽| 国产麻豆69| 久久久久久免费高清国产稀缺| 免费女性裸体啪啪无遮挡网站| 久久人人爽av亚洲精品天堂| 久久狼人影院| 大片电影免费在线观看免费| 欧美精品高潮呻吟av久久| 波多野结衣一区麻豆| 午夜激情av网站| 香蕉丝袜av| 9191精品国产免费久久| 久久av网站| 一级毛片 在线播放| 一边摸一边抽搐一进一出视频| 丁香六月天网| 一级毛片黄色毛片免费观看视频| 汤姆久久久久久久影院中文字幕| 婷婷色综合大香蕉| 50天的宝宝边吃奶边哭怎么回事| 亚洲国产最新在线播放| 悠悠久久av| 黄频高清免费视频| 日日摸夜夜添夜夜爱| 午夜福利,免费看| 国产精品三级大全| 国产日韩欧美在线精品| 亚洲欧美成人综合另类久久久| 日韩 亚洲 欧美在线| 午夜福利乱码中文字幕| 亚洲色图 男人天堂 中文字幕| 久久精品国产综合久久久| 岛国毛片在线播放| 精品一区二区三区av网在线观看 | 国产女主播在线喷水免费视频网站| av在线播放精品| 国产成人一区二区在线| 久久久久精品国产欧美久久久 | 天天躁日日躁夜夜躁夜夜| videosex国产| 人人妻人人添人人爽欧美一区卜| 国产xxxxx性猛交| 大码成人一级视频| 每晚都被弄得嗷嗷叫到高潮| 国产福利在线免费观看视频| 性色av乱码一区二区三区2| 搡老乐熟女国产| 嫩草影视91久久| 日韩伦理黄色片| 蜜桃国产av成人99| 国产精品 国内视频| 老司机在亚洲福利影院| 黄频高清免费视频| 国产99久久九九免费精品| 熟女av电影| 一本色道久久久久久精品综合| 亚洲成人免费电影在线观看 | 国产成人欧美在线观看 | 久久99一区二区三区| 国产精品一区二区免费欧美 | 精品卡一卡二卡四卡免费| 91字幕亚洲| 国产精品国产三级专区第一集| 午夜久久久在线观看| 黄色 视频免费看| 丝袜人妻中文字幕| 一级黄片播放器| 狠狠婷婷综合久久久久久88av| 精品第一国产精品| 美女中出高潮动态图| 777米奇影视久久| 韩国高清视频一区二区三区| 在线观看免费日韩欧美大片| 亚洲熟女毛片儿| 中文字幕人妻丝袜制服| 亚洲 欧美一区二区三区| 成年动漫av网址| 国产精品亚洲av一区麻豆| 在线亚洲精品国产二区图片欧美| 国产成人精品无人区| 精品高清国产在线一区| 宅男免费午夜| 丰满迷人的少妇在线观看| 国产xxxxx性猛交| 一级片'在线观看视频| 男人爽女人下面视频在线观看| 成在线人永久免费视频| 青春草亚洲视频在线观看| 午夜福利视频在线观看免费| 久久久精品国产亚洲av高清涩受| 九色亚洲精品在线播放| 久久久久久久久久久久大奶| 夜夜骑夜夜射夜夜干| 亚洲一码二码三码区别大吗| 国产片特级美女逼逼视频| 90打野战视频偷拍视频| 少妇猛男粗大的猛烈进出视频| 涩涩av久久男人的天堂| 狂野欧美激情性xxxx| 国产一区有黄有色的免费视频| 两性夫妻黄色片| 欧美日韩亚洲高清精品| 51午夜福利影视在线观看| 欧美性长视频在线观看| 午夜福利免费观看在线| 亚洲国产最新在线播放| 国产亚洲精品久久久久5区| 99久久综合免费| 一二三四社区在线视频社区8| 国产极品粉嫩免费观看在线| a级毛片黄视频| 一级毛片黄色毛片免费观看视频| 国产成人av激情在线播放| 亚洲 国产 在线| 少妇的丰满在线观看| 国产av一区二区精品久久| 久久午夜综合久久蜜桃| 久久国产精品男人的天堂亚洲| 又大又黄又爽视频免费| 一级黄片播放器| 69精品国产乱码久久久| 国产欧美日韩一区二区三区在线| 在线看a的网站| 日韩 亚洲 欧美在线| 国产女主播在线喷水免费视频网站| 一本综合久久免费| 看十八女毛片水多多多| 免费在线观看日本一区| 亚洲人成77777在线视频|