• <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
    亚洲av日韩在线播放| 成人国产一区最新在线观看| 一个人免费看片子| 女性生殖器流出的白浆| 亚洲天堂av无毛| 午夜激情久久久久久久| 在线 av 中文字幕| 男女无遮挡免费网站观看| 性高湖久久久久久久久免费观看| 午夜精品久久久久久毛片777| 午夜久久久在线观看| 无限看片的www在线观看| 天堂俺去俺来也www色官网| h视频一区二区三区| 欧美激情高清一区二区三区| 国产精品亚洲av一区麻豆| 亚洲色图综合在线观看| 国产老妇伦熟女老妇高清| 少妇粗大呻吟视频| 久久久久精品人妻al黑| 在线观看免费午夜福利视频| 窝窝影院91人妻| 久久久久久免费高清国产稀缺| 午夜福利一区二区在线看| 亚洲av日韩在线播放| 少妇的丰满在线观看| 亚洲国产欧美网| 在线亚洲精品国产二区图片欧美| 一二三四社区在线视频社区8| 久久久久国内视频| 亚洲av电影在线观看一区二区三区| 丝袜脚勾引网站| 国产精品久久久av美女十八| 男女下面插进去视频免费观看| 亚洲国产av新网站| 丰满少妇做爰视频| 精品亚洲成a人片在线观看| 性高湖久久久久久久久免费观看| e午夜精品久久久久久久| 免费一级毛片在线播放高清视频 | 女性被躁到高潮视频| 丝瓜视频免费看黄片| 亚洲,欧美精品.| 电影成人av| 首页视频小说图片口味搜索| 国产精品熟女久久久久浪| 免费黄频网站在线观看国产| 天天添夜夜摸| 首页视频小说图片口味搜索| 老熟妇乱子伦视频在线观看 | 亚洲欧美成人综合另类久久久| 精品国产乱子伦一区二区三区 | 性少妇av在线| 国产在视频线精品| 欧美97在线视频| 男女下面插进去视频免费观看| 久久久国产一区二区| 欧美性长视频在线观看| 成年动漫av网址| 免费观看av网站的网址| 亚洲精华国产精华精| 好男人电影高清在线观看| 满18在线观看网站| 国产精品香港三级国产av潘金莲| 日韩欧美一区视频在线观看| 91麻豆精品激情在线观看国产 | 久久人妻福利社区极品人妻图片| 成人亚洲精品一区在线观看| 欧美激情高清一区二区三区| 最黄视频免费看| 91麻豆av在线| 亚洲精品国产av成人精品| 十八禁高潮呻吟视频| 天天添夜夜摸| 国产男女内射视频| 韩国高清视频一区二区三区| av有码第一页| 菩萨蛮人人尽说江南好唐韦庄| 丝袜美足系列| 老熟女久久久| 久久99一区二区三区| 欧美黄色淫秽网站| 女人被躁到高潮嗷嗷叫费观| 老熟女久久久| 久久久久网色| 亚洲五月色婷婷综合| 国产精品一二三区在线看| 一区二区日韩欧美中文字幕| 五月开心婷婷网| 免费观看人在逋| 日韩大码丰满熟妇| 精品熟女少妇八av免费久了| 欧美日韩亚洲国产一区二区在线观看 | 满18在线观看网站| 欧美日韩视频精品一区| 中文字幕高清在线视频| 亚洲第一av免费看| a级毛片在线看网站| 一级毛片电影观看| 在线观看www视频免费| 99国产精品免费福利视频| 青草久久国产| 亚洲av片天天在线观看| 日韩电影二区| 亚洲美女黄色视频免费看| 久久青草综合色| 亚洲全国av大片| 国内毛片毛片毛片毛片毛片| 亚洲国产中文字幕在线视频| 麻豆乱淫一区二区| 国产三级黄色录像| 精品久久蜜臀av无| 久久人人爽人人片av| 亚洲av美国av| 日本撒尿小便嘘嘘汇集6| 国产成+人综合+亚洲专区| 在线观看一区二区三区激情| 日韩大码丰满熟妇| 99久久99久久久精品蜜桃| 免费少妇av软件| 精品福利永久在线观看| 久久影院123| 国产亚洲一区二区精品| 一个人免费在线观看的高清视频 | 久久久精品区二区三区| 99精国产麻豆久久婷婷| av一本久久久久| 另类精品久久| 精品国产乱码久久久久久男人| 免费久久久久久久精品成人欧美视频| 老汉色∧v一级毛片| 精品久久久久久久毛片微露脸 | 欧美亚洲日本最大视频资源| 午夜成年电影在线免费观看| 三上悠亚av全集在线观看| 国产男女超爽视频在线观看| 欧美中文综合在线视频| 热re99久久精品国产66热6| 国产在线免费精品| www.精华液| 亚洲熟女毛片儿| 成人免费观看视频高清| 美女扒开内裤让男人捅视频| 一边摸一边做爽爽视频免费| 国产一区二区激情短视频 | 国产淫语在线视频| 亚洲美女黄色视频免费看| 日日摸夜夜添夜夜添小说| 久久久精品94久久精品| 国产成人啪精品午夜网站| 在线av久久热| 久久综合国产亚洲精品| 建设人人有责人人尽责人人享有的| 久久人人97超碰香蕉20202| 黄色视频不卡| 亚洲精品自拍成人| www.精华液| 在线十欧美十亚洲十日本专区| 老汉色∧v一级毛片| 91精品三级在线观看| 交换朋友夫妻互换小说| 在线av久久热| 老司机午夜十八禁免费视频| 国产精品一区二区在线不卡| 国产老妇伦熟女老妇高清| 新久久久久国产一级毛片| 一区二区日韩欧美中文字幕| 成在线人永久免费视频| 欧美精品一区二区大全| 日本vs欧美在线观看视频| 中文字幕最新亚洲高清| 99国产精品一区二区三区| 99热全是精品| 国产一区有黄有色的免费视频| 欧美黑人欧美精品刺激| 国产精品 国内视频| 亚洲av男天堂| 亚洲精品国产色婷婷电影| 一级毛片精品| 九色亚洲精品在线播放| 青春草视频在线免费观看| 国产欧美日韩一区二区三 | 国产亚洲av片在线观看秒播厂| 999久久久精品免费观看国产| 亚洲av成人不卡在线观看播放网 | 久久ye,这里只有精品| 国产精品久久久久久精品电影小说| 国产在线观看jvid| 国产一区二区激情短视频 | 国产精品久久久久久精品古装| 久久久欧美国产精品| 亚洲国产精品一区二区三区在线| 欧美一级毛片孕妇| 国产亚洲精品一区二区www | 人人澡人人妻人| 丰满饥渴人妻一区二区三| 国产真人三级小视频在线观看| 国产在线视频一区二区| 天天添夜夜摸| 欧美日韩一级在线毛片| 中文精品一卡2卡3卡4更新| 亚洲国产av新网站| 美女主播在线视频| 免费av中文字幕在线| 亚洲精品第二区| 久久毛片免费看一区二区三区| 免费观看av网站的网址| 久久久久久亚洲精品国产蜜桃av| 中文字幕av电影在线播放| 日韩一区二区三区影片| 国产淫语在线视频| 亚洲精品中文字幕一二三四区 | 最黄视频免费看| 一区二区三区四区激情视频| 在线 av 中文字幕| 欧美亚洲日本最大视频资源| 宅男免费午夜| 超色免费av| 午夜免费鲁丝| 一区二区三区四区激情视频| 97在线人人人人妻| 男女下面插进去视频免费观看| 夫妻午夜视频| 真人做人爱边吃奶动态| 亚洲精品成人av观看孕妇| 亚洲成人国产一区在线观看| 久9热在线精品视频| 黄色片一级片一级黄色片| 亚洲精品国产一区二区精华液| 免费在线观看日本一区| 超碰97精品在线观看| 美女午夜性视频免费| 美女高潮到喷水免费观看| 汤姆久久久久久久影院中文字幕| 欧美另类亚洲清纯唯美| 亚洲中文日韩欧美视频| 999精品在线视频| 久久亚洲国产成人精品v| 99国产精品一区二区蜜桃av | 高潮久久久久久久久久久不卡| 国产成人精品久久二区二区免费| 亚洲中文字幕日韩| 美女中出高潮动态图| 精品人妻熟女毛片av久久网站| 99国产精品一区二区蜜桃av | 不卡av一区二区三区| 欧美国产精品va在线观看不卡| 国产精品99久久99久久久不卡| 国产无遮挡羞羞视频在线观看| 精品视频人人做人人爽| 男女免费视频国产| 国产区一区二久久| 国产成人免费无遮挡视频| 又紧又爽又黄一区二区| 国产在线观看jvid| 国产精品一区二区在线观看99| 青草久久国产| 国产99久久九九免费精品| 岛国在线观看网站| 久久久久久人人人人人| 人妻 亚洲 视频| 美女高潮喷水抽搐中文字幕| 国产黄频视频在线观看| 欧美久久黑人一区二区| 婷婷色av中文字幕| 久久久精品免费免费高清| 久久人妻福利社区极品人妻图片| 极品人妻少妇av视频| 亚洲欧美一区二区三区久久| av天堂在线播放| 美女高潮到喷水免费观看| 一区在线观看完整版| 一级毛片精品| 91字幕亚洲| 巨乳人妻的诱惑在线观看| 欧美变态另类bdsm刘玥| 精品人妻在线不人妻| 免费观看av网站的网址| √禁漫天堂资源中文www| 午夜福利视频精品| 91大片在线观看| 一级a爱视频在线免费观看| 久久亚洲国产成人精品v| 日韩有码中文字幕| 国产1区2区3区精品| 在线观看一区二区三区激情| a级毛片在线看网站| 国产精品一区二区在线不卡| 国产精品久久久久久精品古装| 少妇粗大呻吟视频| 午夜福利视频在线观看免费| 少妇裸体淫交视频免费看高清 | 另类亚洲欧美激情| 亚洲天堂av无毛| 天天躁日日躁夜夜躁夜夜| 国产在线观看jvid| 中亚洲国语对白在线视频| av国产精品久久久久影院| 国产亚洲精品第一综合不卡| 亚洲精品中文字幕一二三四区 | 少妇猛男粗大的猛烈进出视频| 国产精品国产av在线观看| 亚洲综合色网址| videos熟女内射| 国产国语露脸激情在线看| 99热全是精品| 国产成人影院久久av| 手机成人av网站| 欧美日韩中文字幕国产精品一区二区三区 | tocl精华| 韩国高清视频一区二区三区| 国产黄频视频在线观看| 久久久久久免费高清国产稀缺| 国产成人精品无人区| 丰满迷人的少妇在线观看| 女人被躁到高潮嗷嗷叫费观| 中文字幕人妻丝袜一区二区| 国产麻豆69| 岛国在线观看网站| 亚洲少妇的诱惑av| 一区在线观看完整版| 建设人人有责人人尽责人人享有的| 电影成人av| 久久久久网色| 99国产精品一区二区蜜桃av | 亚洲 欧美一区二区三区| 亚洲,欧美精品.| 各种免费的搞黄视频| 动漫黄色视频在线观看| 亚洲av电影在线进入| 日本av免费视频播放| 亚洲综合色网址| 一本大道久久a久久精品| 搡老岳熟女国产| 免费女性裸体啪啪无遮挡网站| 大片电影免费在线观看免费| 精品久久久精品久久久| 老汉色∧v一级毛片| 大香蕉久久网| 成人国语在线视频| 麻豆乱淫一区二区| 女性生殖器流出的白浆| 中文精品一卡2卡3卡4更新| 免费在线观看影片大全网站| 99国产综合亚洲精品| 国产精品欧美亚洲77777| 欧美 日韩 精品 国产| 黄频高清免费视频| 91大片在线观看| av在线app专区| 国产成人影院久久av| 99久久综合免费| av视频免费观看在线观看| 三级毛片av免费| 久久国产精品影院| 免费高清在线观看日韩| 亚洲欧洲日产国产| 午夜免费观看性视频| 亚洲综合色网址| 欧美在线黄色| 熟女少妇亚洲综合色aaa.| 搡老岳熟女国产| 中文字幕色久视频| 一区福利在线观看| 正在播放国产对白刺激| 亚洲精品一二三| 欧美另类一区| 亚洲视频免费观看视频| 淫妇啪啪啪对白视频 | 性少妇av在线| 天天躁狠狠躁夜夜躁狠狠躁| 精品欧美一区二区三区在线| 一区二区日韩欧美中文字幕| 久久影院123| 亚洲成人国产一区在线观看| 久久久久久久精品精品| 国产精品.久久久| 国产成人a∨麻豆精品| 大香蕉久久网| 丰满少妇做爰视频| 亚洲av日韩在线播放| 国产老妇伦熟女老妇高清| 国产成人精品无人区| 下体分泌物呈黄色| 男女床上黄色一级片免费看| 国产精品一区二区免费欧美 | 亚洲av片天天在线观看| 免费女性裸体啪啪无遮挡网站| 欧美人与性动交α欧美软件| 交换朋友夫妻互换小说| 国产视频一区二区在线看| 一级,二级,三级黄色视频| 侵犯人妻中文字幕一二三四区| 这个男人来自地球电影免费观看| 亚洲精品中文字幕在线视频| 热99re8久久精品国产| 99国产极品粉嫩在线观看| 日韩一卡2卡3卡4卡2021年| 精品亚洲乱码少妇综合久久| 777米奇影视久久| 精品视频人人做人人爽| 中文字幕最新亚洲高清| 捣出白浆h1v1| 久久精品国产综合久久久| 91av网站免费观看| 午夜激情av网站| 国产黄色免费在线视频| 飞空精品影院首页| 性少妇av在线| 美女中出高潮动态图| 欧美少妇被猛烈插入视频| 无遮挡黄片免费观看| tocl精华| 成年av动漫网址| 一区二区av电影网| 少妇粗大呻吟视频| 久久性视频一级片| 18禁观看日本| 国产97色在线日韩免费| 欧美97在线视频| 丰满人妻熟妇乱又伦精品不卡| 欧美午夜高清在线| 久久久久久久精品精品| 国产男女超爽视频在线观看| 欧美激情久久久久久爽电影 | 欧美大码av| 亚洲,欧美精品.| 脱女人内裤的视频| 叶爱在线成人免费视频播放| 老司机在亚洲福利影院| 亚洲五月婷婷丁香| 婷婷色av中文字幕| 性少妇av在线| 欧美黑人精品巨大| 久久久久久久精品精品| 国产av精品麻豆| 超碰成人久久| 最新的欧美精品一区二区| 动漫黄色视频在线观看| 国产麻豆69| 搡老岳熟女国产| 男女高潮啪啪啪动态图| 99国产精品免费福利视频| 男男h啪啪无遮挡| 国产亚洲精品久久久久5区| 黄色视频在线播放观看不卡| 国产黄频视频在线观看| 日韩欧美国产一区二区入口| 久久久国产一区二区| 少妇被粗大的猛进出69影院| 亚洲 欧美一区二区三区| 国产精品自产拍在线观看55亚洲 | 午夜91福利影院| 精品免费久久久久久久清纯 | 超碰成人久久| 免费高清在线观看视频在线观看| 亚洲 国产 在线| 中文字幕色久视频| 久久中文看片网| 久久 成人 亚洲| 国产精品av久久久久免费| 亚洲午夜精品一区,二区,三区| 桃红色精品国产亚洲av| av线在线观看网站| www.精华液| 亚洲久久久国产精品| 午夜福利视频精品| cao死你这个sao货| 丝袜在线中文字幕| 少妇的丰满在线观看| 国产精品国产av在线观看| 脱女人内裤的视频| 51午夜福利影视在线观看| 欧美成人午夜精品| 亚洲国产av新网站| 精品人妻在线不人妻| 精品国产乱子伦一区二区三区 | 一二三四在线观看免费中文在| 国产欧美日韩一区二区三 | 多毛熟女@视频| 在线观看一区二区三区激情| 亚洲国产av影院在线观看| 悠悠久久av| 国产av又大| 午夜两性在线视频| 日本av免费视频播放| 亚洲精品国产av蜜桃| 18禁黄网站禁片午夜丰满| 欧美日韩黄片免| 日本av免费视频播放| 动漫黄色视频在线观看| 桃红色精品国产亚洲av| 99热全是精品| 十八禁人妻一区二区| 一二三四在线观看免费中文在| 母亲3免费完整高清在线观看| 免费日韩欧美在线观看| 免费女性裸体啪啪无遮挡网站| 亚洲专区字幕在线| 久久女婷五月综合色啪小说| 国产免费视频播放在线视频| videosex国产| 亚洲色图综合在线观看| 天堂中文最新版在线下载| 日韩中文字幕欧美一区二区| 免费不卡黄色视频| 1024香蕉在线观看| 天天躁日日躁夜夜躁夜夜| 亚洲精品日韩在线中文字幕| 乱人伦中国视频| 国产精品 欧美亚洲| 国产精品九九99| 亚洲va日本ⅴa欧美va伊人久久 | 国产精品1区2区在线观看. | 国产av精品麻豆| 国产精品免费视频内射| 免费高清在线观看视频在线观看| 日韩一区二区三区影片| 欧美激情极品国产一区二区三区| 一级,二级,三级黄色视频| 99热全是精品| 视频在线观看一区二区三区| 亚洲精品第二区| tocl精华| 亚洲伊人色综图| 一本—道久久a久久精品蜜桃钙片| 国产野战对白在线观看| 亚洲av男天堂| 日韩 欧美 亚洲 中文字幕| 男女国产视频网站| 亚洲精品美女久久av网站| 99久久综合免费| 狠狠狠狠99中文字幕| 少妇 在线观看| 香蕉国产在线看| 成年av动漫网址| 最新在线观看一区二区三区| 午夜福利视频在线观看免费| 久久久久视频综合| 考比视频在线观看| 亚洲精品久久午夜乱码| 国产一区二区激情短视频 | 午夜福利乱码中文字幕| 成人18禁高潮啪啪吃奶动态图| 欧美黑人欧美精品刺激| 国产1区2区3区精品| 亚洲中文av在线| 91九色精品人成在线观看| 国产免费福利视频在线观看| 亚洲精品一卡2卡三卡4卡5卡 | 在线观看免费高清a一片| 视频区欧美日本亚洲| 91精品伊人久久大香线蕉| 色94色欧美一区二区| 丝袜美足系列| 欧美日韩中文字幕国产精品一区二区三区 | 黄网站色视频无遮挡免费观看| 亚洲美女黄色视频免费看| 免费在线观看影片大全网站| bbb黄色大片| 久久久国产欧美日韩av| 精品欧美一区二区三区在线| 在线观看免费视频网站a站| 男女国产视频网站| 黄片小视频在线播放| 啦啦啦中文免费视频观看日本| 日韩熟女老妇一区二区性免费视频| 欧美性长视频在线观看| 男人操女人黄网站| 男人添女人高潮全过程视频| 中文字幕av电影在线播放| 最近最新免费中文字幕在线| 国产日韩欧美亚洲二区| √禁漫天堂资源中文www| 老司机影院毛片| 久久久精品区二区三区| 色综合欧美亚洲国产小说| 亚洲精品美女久久久久99蜜臀| 啦啦啦中文免费视频观看日本| 亚洲性夜色夜夜综合| a 毛片基地| 亚洲伊人久久精品综合| 热99久久久久精品小说推荐| 窝窝影院91人妻| 少妇裸体淫交视频免费看高清 | 永久免费av网站大全| 日韩制服丝袜自拍偷拍| 久久热在线av| 大型av网站在线播放| 日韩欧美国产一区二区入口| 国产一区二区 视频在线| 久久人妻熟女aⅴ| 美女视频免费永久观看网站| 2018国产大陆天天弄谢| 成人免费观看视频高清| 亚洲成人免费电影在线观看| 婷婷丁香在线五月| 人人妻人人澡人人爽人人夜夜| 动漫黄色视频在线观看| 亚洲精品国产一区二区精华液| 国产一区二区三区在线臀色熟女 | 一本—道久久a久久精品蜜桃钙片| 日本黄色日本黄色录像| 777久久人妻少妇嫩草av网站| 夜夜夜夜夜久久久久| 成年人免费黄色播放视频| 精品少妇一区二区三区视频日本电影| 狂野欧美激情性xxxx| 亚洲av日韩精品久久久久久密| 亚洲五月色婷婷综合| 欧美一级毛片孕妇| 久久女婷五月综合色啪小说| 国产精品久久久久久精品古装| 欧美国产精品一级二级三级| 肉色欧美久久久久久久蜜桃|