• <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 ?

    結(jié)合人臉圖像和腦電的情緒識別技術(shù)①

    2018-03-02 06:15:45黃泳銳楊健豪廖鵬凱潘家輝
    計算機系統(tǒng)應用 2018年2期
    關(guān)鍵詞:情緒特征檢測

    黃泳銳,楊健豪,廖鵬凱,潘家輝

    (華南師范大學 軟件學院,佛山 528225)

    1 引言

    1.1 研究背景

    情緒是一種綜合了人的感覺,思想和行為的狀態(tài),它包括人對外界或自身刺激的心理反應,也包括伴隨這種心理反應的生理反應,在人們的日常工作和生活中,情緒的作用無處不在.因此,基于人類的視覺特征和腦電特征,采用計算機技術(shù),對情緒特征進行歸類的情緒識別成為人機交互、情感計算、智能控制、機器視覺、圖像處理與模式識別等領(lǐng)域的重要研究課題.

    1.2 研究現(xiàn)狀

    (1)關(guān)于人臉表情識別的研究

    20世紀70年代美國心理學家Ekman和Friesen對現(xiàn)代人臉表情識別做出了開創(chuàng)性的工作[1].Ekman定義了人類的6種基本表情:高興、生氣、吃驚、恐懼、厭惡和悲傷,確定了識別對象的類別;其次是建立了面部動作編碼系統(tǒng) (Facial Action Coding System,FACS ).Shao等人在2015年提出一種基于子集選擇的面部識別的方法,用來提取人臉的特征[2].Hu等人在2016年提出一種從單一人臉圖像中進行3D人臉重建的方法,用于進行人臉信息的擴充[3].2003年,北京科技大學的王志良教授領(lǐng)導的團隊,將人臉表情識別算法應用于機器人的情感控制研究中[4].人臉表情識別的研究具有很大的開發(fā)潛力.但檢測出準確的表情并不總可以代表人的真正情緒,因為人可以偽裝表情.

    (2)關(guān)于基于腦電的情緒識別研究

    對于提取出的腦電特征,如何從腦電特征中學習出情緒狀態(tài)的模型,是腦電能否在情緒識別中得到應用是關(guān)鍵性的一步.Murugappan等人利用模糊C均值和模糊K均值的方法對高興、厭惡、恐懼三種情緒進行聚類,并通過對聚類效果的觀察,選擇能對情緒進行區(qū)分的最少特征集合[5].Bos利用費雪判別分析,針對正向、負向、興奮、平靜情緒中每一類分別訓練一個分類器,使得正向情緒的分類準確率為37/39,興奮、平靜情緒分類準確率為38/39[6].Yazdani等人利用貝葉斯線性判別分析,將腦電特征針對喜悅、憤怒、厭惡、悲傷、驚訝、恐懼等六種情緒進行了分類,達到80%以上的準確率[7].Pertrantonakis和Hadjileontiadis利用二次判別分析(Quadratic Discriminant Analysis,QDA)以及SVM對情緒在愉快、驚訝、生氣、恐懼、厭惡、悲傷六種類別下進行分類,分別達到了62.3%和83.33%的準確率[8].但是基于腦電的情緒識別方法,存在信號難以提取的問題.在采集腦電信號時,會存在較大的其他電位干擾(如肌電,眼電等).

    (3)關(guān)于利用信息融合技術(shù)的研究

    盡管基于單一模態(tài)的情緒識別方法上攜帶著準確的情緒信息,但是信號強度十分微弱,所以在提取過程中要求較高.近年來,隨著多源異類信息融合處理領(lǐng)域的發(fā)展,可以將來自多類別參考情緒狀態(tài)的特征進行融合.利用不同類別的信號相互支持,通過對互補信息進行融合處理,可以得到很大改善.因此,人們開始利用人臉表情、語音、眼動、姿態(tài)和生理信號等多個通道的情緒信息之間的互補性來研究識別問題,即基于多模態(tài)的情緒識別.多模態(tài)信息融合識別相對于單一信號識別無疑是可以提高識別準確率的.

    本文的工作就是融合人臉圖像和腦電識別的結(jié)果,以提高情緒識別的準確率.

    2 人臉表情識別的基本原理和實現(xiàn)

    2.1 人臉表情識別過程

    程序通過攝像頭采集到圖像,通過基于Haar特征值的Adaboost算法,實時檢測人臉位置.利用主成分分析(Principal Component Analysis,PCA)對提取人臉特征值進行降維處理.將降維后的特征值利用卷積神經(jīng)網(wǎng)絡進行分類.詳細過程見圖1.下面重點講述Adaboost算法,PCA降維和卷積神經(jīng)網(wǎng)絡算法.

    圖1 人臉表情識別流程圖

    2.2 使用基于Haar特征值的Adaboost算法進行人臉檢測基本原理

    基于人臉圖像的人臉檢測方法,采用基于Haar特征值的Adaboost算法[9],它實際上是Boosting算法的一個應用,Haar分類器用到了Boosting算法中的Adaboost算法,把Adaboost算法訓練出的強分類器進行了級聯(lián).

    Adaboost是一種迭代算法,其核心思想是針對一個訓練數(shù)據(jù)集D={(x1,y1),(x2,y2),(x3,y3),···,(xN,yN)},從訓練數(shù)據(jù)中學習一系列弱分類器或基本分類器,然后將這些弱分類器組合成一個強分類器.

    其算法本身是通過改變數(shù)據(jù)分布來實現(xiàn)的.通過每次訓練集之中每個樣本分類結(jié)果是否準確來訓練弱分類器.并通過上一次的總體分類準確率來確定每個弱分類器在強分類器中的權(quán)重,最終將多個弱分類器結(jié)合成強分類器.

    將提取到的Haar特征值作為輸入,利用Adaboost算法進行分類器訓練,最終得出可用于人臉檢測的分類器.

    2.3 表情特征提取

    表情特征提取是人臉表情識別中最重要的部分,有效的表情特征提取工作將使識別的性能大大提高.通過對大量文獻的總結(jié),可知好的表情特征提取結(jié)果應該具備以下幾個條件:(1)可完整表示出人臉表情的本質(zhì)特征;(2)可通過灰度處理,高斯濾波等方法去除噪聲、光照及其他與表情無關(guān)的干擾信息;(3)數(shù)據(jù)表示形式緊湊,可避免過高的維數(shù)(常見的方法有PCA和LDA,本文利用PCA進行數(shù)據(jù)降維操作);(4)不同類別表情特征之間有較好的區(qū)分性.要得到滿足這些條件的表情特征,特征提取的過程可能需要數(shù)個步驟來完成.首先,利用某種形式的信息來獲得表情的原始特征,如特征形狀與幾何關(guān)系,局部紋理,光流場等,這一步驟稱為原始特征獲取.然而,這些原始特征一般都存在信息冗余,維數(shù)過高,區(qū)分性不夠等問題.為了能夠更有效地表征輸入人臉表情的本質(zhì),需要對原始特征數(shù)據(jù)需要較好的預處理方法,因此使用PCA進行降維.主要提取的方式如圖2所示.

    圖2 人臉特征點提取過程

    PCA是一種分析、簡化數(shù)據(jù)集的技術(shù).主成分分析經(jīng)常用于減少數(shù)據(jù)集維數(shù),同時保持數(shù)據(jù)集中對方差貢獻最大的特征.

    利用PCA進行特征值降維的基本原理如下:

    對于一個M×N的矩陣,其中M為樣本數(shù),每個樣本包含N個特征(n維).

    1)進行樣本矩陣中心化,每一維的數(shù)據(jù)都減去該維的均值,將每一維的均值變?yōu)?.

    即對于第m個樣本,第n個特征值,將該值代入式(1)進行運算.

    2)計算樣本特征的協(xié)方差矩陣

    協(xié)方差矩陣的第(i,j)項如式(2)所示.

    則協(xié)方差矩陣如式(3)所示[10].

    矩陣中第(i,j)項元素是Xi與Xj的協(xié)方差,對角線就是各個維度上的方差.

    2)計算協(xié)方差矩陣的特征值和特征向量

    得到N個特征值與N個特征向量.將N個特征向量根據(jù)其對應的特征值從大到小進行排列,取其中前k列,組成一個N×k的降維矩陣[11].

    3)降維計算

    將原M×N矩陣與上述步驟得到的降維矩陣N×k相乘,便得到結(jié)果,一個M×k的矩陣.其中M為樣本數(shù)量,k為其維度.

    4)應用

    應用到人臉圖像的特征值處理,將原始特征作為初始的輸入維度,進行人臉特征值降維處理,減少接下來表情識別的計算量.

    2.4 人臉表情識別方法

    在表情識別方面,采用基于卷積神經(jīng)網(wǎng)絡的方法.

    卷積神經(jīng)網(wǎng)絡的訓練方法總體上與傳統(tǒng)神經(jīng)網(wǎng)絡類似,但是由于其特殊結(jié)構(gòu),不同的層在誤差回傳、前向激活時有所不同,其具體步驟如下[12]:

    1)前向傳導階段

    從樣本集中選取一個樣本(Xi,Yi),將向量Xi輸入網(wǎng)絡,計算出相應的實際輸出f(xi).在這個階段,信息從輸入層經(jīng)過逐層計算,傳遞到輸出層,在此過程中,神經(jīng)網(wǎng)絡執(zhí)行的計算實際上就是輸入值向量與每層的權(quán)值矩陣進行點乘運算,得到最后的輸出結(jié)果,如式(4)所示.

    其中,wi表示第i層各個神經(jīng)元的權(quán)重,ai表示第i層各個神經(jīng)元輸入,ai+1表示第i層各個神經(jīng)元輸出.這個輸出將作為第i+1層神經(jīng)元的輸入,迭代直到輸出層.

    2)反向傳播階段

    定義代價函數(shù)Loss如式(5)所示.

    其中m為樣本集中樣本的個數(shù),l為卷積神經(jīng)網(wǎng)絡的層數(shù).

    網(wǎng)絡參數(shù)更新需要計算網(wǎng)絡參數(shù)殘差,其中包括輸出層殘差,下一層為池采樣層(pooling層)的卷積層的殘差以及下一層為卷積層的pooling層的殘差.

    在反向傳播階段里,需要將損失函數(shù)產(chǎn)生的殘差依層次往前傳遞,在傳遞的過程中,全連接層、pooling層、卷積層的殘差計算方法和更新權(quán)值矩陣的計算方法不同,如下為具體幾種情況的計算方式和步驟.

    1)計算輸出層的殘差

    針對單個樣本(x,y)時,對應的樣本代價函數(shù)Loss的值如式(6).

    其中下標c的含義如式(7)所示.

    由此可得如式(8)所示此時Loss值相對于輸出層的殘差.

    式(9)為第L層的權(quán)值Wl的偏導數(shù).

    式(10)為輸出層偏置的偏導數(shù).

    假設第一層為卷積層,第l+1層為pooling層,且pooling層的殘差如式(11)所示.

    3)再下一層是卷積層的pooling層殘差計算

    假設pooling層(第l層)有N個通道,即有N張?zhí)卣鲌D,卷積層(l+1層)有M個特征,l+1層中每個通道圖都對應有自己的殘差項,則式(12)為第l+1層第j個通道的殘差計算方法.

    4)卷積層相連接層的權(quán)值、偏置值的導數(shù)計算

    第l層第i個通道與第l+1層第j個通道之間的權(quán)值和偏置的導數(shù)計算方法如式(13)所示.

    對于訓練完的分類器,將上文利用PCA提取到的特征值,將其作為輸入輸進神經(jīng)網(wǎng)絡的輸入層,如上述前向傳導的過程,迭代直到輸出層,輸出表情結(jié)果.

    3 腦電信息處理的基本原理和實現(xiàn)

    3.1 腦電信息處理流程

    通過Neurosky公司的腦電設備,即時提取腦電波的特征值,當接收到識別的命令,將當前的值先做特征處理,再作為輸入傳入SVM分類器,得出結(jié)果.詳細過程見圖3.

    圖3 腦電處理流程

    3.2 腦電特征值的預處理和特征分類

    使用Neurosky公司的腦電提取設備,提取出來每種的腦電波的值是一個無符號整數(shù).特征預處理采用的方法是特征標準化和歸一化,再使用訓練好的SVM分類器進行特征的分類,將特征分為虛弱、普通、強烈三類,分別對應情緒的不同狀態(tài).

    3.3 利用SVM算法進行腦電特征值訓練的基本原理

    對于給定訓練樣本:

    分類學習最基本思想就是基于訓練集D在樣本空間找到一個劃分超平面,使得不同類別的樣本分開[13].

    設線性可分時存在超平面可表示為式(14):其中,w為待確定的行向量.則每個樣本點到超平面的距離r如式(15)所示.

    距離超平面最近的訓練樣本點使得上式等號成立,他們被稱為“支持向量”.支持向量的點到超平面的距離之和如式(17)所示.

    因此要求出超平面,就是求出滿足式(18)的w值.

    為了簡化計算,等價于計算式(19).

    式(19)是一個二次規(guī)劃問題,可用拉格朗日乘子法求得最優(yōu)解.

    線性不可分時存在超平面可將樣本從原始空間映射到一個更高維的特征空間,使得樣本在整個樣本空間線性可分.

    令g(x)表示將X映射后的特征向量,于是,在特征空間中劃分超平面的模型可表示為式(20).

    求解w過程類似于上述線性可分情況.

    對于多分類問題,將多分類任務拆解為若干個二分類任務求解.

    應用到腦電波訓練問題,對于每個樣本點(xi,yi)

    求解一個w,使得存在

    使得樣本分為兩類(先把-1和0看成一類,1看成另一類).若找不到存在的w滿足條件,則通過核函數(shù)向高維映射.然后再通過分成多類的方法(區(qū)分-1和0類),將其分為三類.

    4 信息融合的基本原理和實現(xiàn)

    4.1 信息融合主要流程

    圖4 信息融合主要流程圖

    如圖4所示,首先利用設備攝像頭檢測當前畫面圖像,利用所訓練的Haar分類器,找出人臉位置,框出來.與此同時,腦電設備每隔1 s檢測人腦電波,不斷更新.

    當系統(tǒng)接收到要進行情緒識別的信號(即鼠標點擊人臉框).人臉圖像模塊進行人臉特征提取和表情計算返回當前人臉表情.腦電處理模塊進行特征預處理和特征分類返回當前人內(nèi)心情緒的波動程度.信息融合模塊匯總上述2個模塊的信息,給出最終結(jié)果,判斷出人的真正情緒.

    5 實驗和結(jié)果

    下面三種實驗分別分為在線和離線實驗,在線實驗用來產(chǎn)生訓練數(shù)據(jù),離線實驗的數(shù)據(jù)用來測試本文方法的準確率.

    每次實驗開始,首先在大屏幕的中心呈現(xiàn)固定十字,以吸引實驗對象的注意力,2秒后,對應不同情緒的片段出現(xiàn)在屏幕中心.每個片段2~3分鐘,片段之間間隔10秒讓實驗對象恢復情緒.情緒的得分使用Manikin自我評定表獲取[14].

    實驗中采用攝像頭(25FPS,800×600圖像大小)獲取人臉圖像.采用腦電設備(Neurosky,Inc.,Abbotsford,Australia)獲取腦電,從“Fz”電極獲取用于分析的腦電信號.所有電極的電阻保持在5 kΩ以下.

    實驗數(shù)據(jù)在Windows下采用python3.5進行處理.圖像方面算法用谷歌的開源深度學習框架tensorflow.腦電方面算法用python開源庫scikit-learn.信息融合算法自己用python實現(xiàn).

    5.1 表情識別效果

    表情識別實驗對象為20個18~22歲的青年,男女比例1:1.每個對象檢測八種基本表情,每種表情檢測3次.檢測環(huán)境有在光照強度大的環(huán)境,也有在光照較差的環(huán)境.被測人的內(nèi)心狀態(tài)各有不同,但都被要求做出所需要的表情.

    表情識別實驗效果準確率如圖5表示,其中,x軸表示實驗者編號,y軸表示準確率.

    圖5 人臉表情檢測準確率

    表情識別實驗效果顯示,雖然對人臉表情檢測準確率能夠高達81.35%,但是對內(nèi)心情緒波動程度的辨別程度幾乎為0.單純基于人臉圖像對真實情緒檢測的準確率并不高,其曲線如圖9 (三種情緒識別效果對比可以體現(xiàn)出來).

    5.2 腦電信息進行情緒強弱程度分析效果

    以上進行表情檢測的20個人,只利用腦電設備,在其內(nèi)心情緒的不同狀態(tài),檢測10次,每人每次作為一個樣本.進行內(nèi)心情緒波動程度的檢測.檢測的效果如表1.

    表1 腦電情緒強弱程度分析效果

    可以看到,利用腦電信息對內(nèi)心情緒波動檢測的方法對內(nèi)心情緒波動微弱檢測的召回率較差,但在其他方面均可達到0.8左右的效果.

    5.3 表情識別與腦電信息進行信息融合的效果

    用相同的20個人,在表情識別實驗基礎(chǔ)上,加入利用腦電信息進行情緒波動分析的方法進行檢測.很大程度上彌補了表情識別無法識別出內(nèi)心情緒波動的缺陷.

    圖6 情緒強烈的效果圖

    圖7 正常情緒效果圖

    圖8 微弱情緒效果圖

    開心情緒的識別效果如圖6,7,8所示,被實驗人都被要求做出微笑表情.圖6是在被實驗人聽歡快音樂1分鐘后所試驗,圖8是在被實驗人聽悲傷音樂1分鐘后所試驗,圖7是在被實驗人情緒波動正常時試驗.

    三種情緒識別的效果圖如圖9所示,其中,x軸表示實驗者編號,y軸表示準確率.

    圖9 三種情緒識別的效果圖

    可以看到,只基于面部表情進行真實情緒識別有較高的波動性,這是因為只要被實驗人懂得假裝自己的面部表情就可以成功地“騙”過機器.利用人臉表情和腦電信息進行情緒識別很好地彌補了只基于單一信息源識別信息單一的缺陷.在檢測出面部表情的基礎(chǔ)上,還檢測出了內(nèi)心情緒的波動程度,這部分的準確率在71.53%.很大程度上拓寬了情緒信息的廣度.

    6 總結(jié)

    本文利用信息融合技術(shù)結(jié)合人臉表情識別技術(shù)與腦電情緒識別技術(shù).不僅檢測出了情緒的分類,還檢測出了情緒的強弱程度.對比其他文獻的實驗結(jié)果,他們大多只檢測了情緒的分類,對于情緒的強弱程度這方面,目前并沒有太多的研究者去做.比如說,Murugappan等人從腦電信號中提取多解析度的小波變換作為特征,對高興、厭惡、恐懼三種情緒進行了聚類[5].Li等人指出Gamma頻帶的腦電信號對于愉悅和悲傷兩種情緒的分類有很高的解析度[15].

    這些實驗大多只檢測出了情緒的種類,而且檢測出情緒的種類并不夠多.而利用信息融合的方法,不僅可以檢測出情緒的種類,而且還可以檢測出情緒的強弱程度.說明利用信息融合的方法更適合用于情緒識別.下一步的工作:由于內(nèi)心情緒的不可控性,導致進行內(nèi)心情緒的檢測過程困難,難以得到高質(zhì)量的腦電數(shù)據(jù).這進一步導致了腦電部分的估測準確率不高.但是一旦有高質(zhì)量的腦電數(shù)據(jù),進行分類器的重新訓練,就可以大大提高基于腦電信息的內(nèi)心情緒識別的準確率.

    1Ekman P,Friesen WV.Facial action coding system:A technique for the measurement of facial movement.Palo Alto:Consulting Psychologists Press,1978.

    2Shao H,Chen S,Zhao JY,et al.Face recognition based on subset selection via metric learning on manifold.Frontiers of Information Technology &Electronic Engineering,2015,16(12):1046-1058.

    3Hu XP,Wang Y,Zhu FY,et al.Learning-based fully 3D face reconstruction from a single image.Proceedings of 2016 IEEE International Conference on Acoustics,Speech and Signal Processing (ICASSP).Shanghai,China.2016.1651-1655.

    4王志良,陳鋒軍,薛為民.人臉表情識別方法綜述.計算機應用與軟件,2003,20(12):63-66.[doi:10.3969/j.issn.1000-386X.2003.12.027]

    5Murugappan M,Rizon M,Nagarajan R,et al.EEG feature extraction for classifying emotions using FCM and FKM.International Journal of Computers and Communications,2007,2(1):21-25.

    6Bos DO.EEG-based emotion recognition.The Influence of Visual and Auditory Stimuli,2006.

    7Yazdani A,Lee JS,Ebrahimi T.Implicit emotional tagging of multimedia using EEG signals and brain computer interface.Proceedings of the First SIGMM Workshop on Social Media.Beijing,China.2009.81-88.

    8Petrantonakis PC,Hadjileontiadis LJ.Emotion recognition from EEG using higher order crossings.IEEE Transactions on Information Technology in Biomedicine,2010,14(2):186-197.[doi:10.1109/TITB.2009.2034649]

    9江偉堅,郭躬德,賴智銘.基于新Haar-like特征的Adaboost人臉檢測算法.山東大學學報(工學版),2014,44(2):43-48.[doi:10.6040/j.issn.1672-3961.1.2013.003]

    10曾陽艷,葉柏龍.基于PCA方法的人臉特征提取和檢測.電腦知識與技術(shù),2008,1(4):742-744.

    11高緒偉.核PCA特征提取方法及其應用研究[碩士學位論文].南京:南京航空航天大學,2009.

    12王劍云.基于深度神經(jīng)網(wǎng)絡的表情識別算法[碩士學位論文].綿陽:西南科技大學,2015.

    13張國云.支持向量機算法及其應用研究[博士學位論文].長沙:湖南大學,2006.

    14Bradley MM,Lang PJ.Measuring emotion:The selfassessment Manikin and the semantic differential.Journal of Behavior Therapy and Experimental Psychiatry,1994,25(1):49-59.[doi:10.1016/0005-7916(94)90063-9]

    15Li M,Lu BL.Emotion classification based on gamma-band EEG.Proceedings of 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society.Minneapolis,MN,USA.2009.1223-1226.

    猜你喜歡
    情緒特征檢測
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    如何表達“特征”
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    小情緒
    小情緒
    小情緒
    抓住特征巧觀察
    小波變換在PCB缺陷檢測中的應用
    久久久国产成人精品二区| 久久中文字幕人妻熟女| 99国产精品一区二区蜜桃av| 亚洲欧美激情综合另类| 中文字幕最新亚洲高清| 看片在线看免费视频| 亚洲精品国产一区二区精华液| 日韩欧美在线二视频| 看黄色毛片网站| 中文字幕久久专区| 精品国产国语对白av| 搞女人的毛片| 97人妻天天添夜夜摸| 亚洲电影在线观看av| 老司机靠b影院| 久久人人97超碰香蕉20202| 色在线成人网| 免费av毛片视频| 99精品欧美一区二区三区四区| videosex国产| 男女下面插进去视频免费观看| 亚洲国产欧美一区二区综合| 精品熟女少妇八av免费久了| 亚洲免费av在线视频| 国产区一区二久久| 午夜成年电影在线免费观看| 国产精品永久免费网站| 亚洲精品国产一区二区精华液| 国产aⅴ精品一区二区三区波| 亚洲天堂国产精品一区在线| 国产精品电影一区二区三区| 国产精品电影一区二区三区| 99国产精品一区二区三区| 成人国产综合亚洲| 一级a爱视频在线免费观看| 亚洲欧美日韩另类电影网站| 纯流量卡能插随身wifi吗| 日本精品一区二区三区蜜桃| 久9热在线精品视频| 人人澡人人妻人| 国产亚洲精品久久久久久毛片| 亚洲片人在线观看| 日韩大码丰满熟妇| 久久热在线av| 午夜福利高清视频| 亚洲精品粉嫩美女一区| 99久久国产精品久久久| 中文字幕精品免费在线观看视频| 在线视频色国产色| 人成视频在线观看免费观看| 亚洲第一电影网av| 亚洲精品中文字幕在线视频| 成人亚洲精品一区在线观看| 国内精品久久久久久久电影| 欧美国产精品va在线观看不卡| 午夜影院日韩av| 俄罗斯特黄特色一大片| 欧美成人免费av一区二区三区| 亚洲专区字幕在线| 久久精品aⅴ一区二区三区四区| 人成视频在线观看免费观看| 黑人欧美特级aaaaaa片| 一区二区三区激情视频| 国产一区二区三区综合在线观看| 性少妇av在线| 香蕉久久夜色| 美女免费视频网站| 一个人观看的视频www高清免费观看 | 国产在线观看jvid| 久久精品国产亚洲av香蕉五月| 欧美老熟妇乱子伦牲交| 亚洲,欧美精品.| 99国产精品免费福利视频| 成人免费观看视频高清| 满18在线观看网站| a在线观看视频网站| 青草久久国产| x7x7x7水蜜桃| 美女扒开内裤让男人捅视频| 熟女少妇亚洲综合色aaa.| 一级毛片女人18水好多| 亚洲国产日韩欧美精品在线观看 | 波多野结衣av一区二区av| 长腿黑丝高跟| 老鸭窝网址在线观看| 免费看a级黄色片| 日韩精品中文字幕看吧| 国产精品免费视频内射| 欧美亚洲日本最大视频资源| 一进一出抽搐gif免费好疼| 美女大奶头视频| 久久亚洲精品不卡| 国产亚洲欧美在线一区二区| cao死你这个sao货| 男人的好看免费观看在线视频 | 波多野结衣av一区二区av| 一二三四社区在线视频社区8| 真人一进一出gif抽搐免费| 免费观看精品视频网站| 国产成人系列免费观看| 18禁裸乳无遮挡免费网站照片 | 黑人操中国人逼视频| 国产野战对白在线观看| 18美女黄网站色大片免费观看| 在线播放国产精品三级| 天天躁夜夜躁狠狠躁躁| 高清黄色对白视频在线免费看| 午夜久久久在线观看| 精品少妇一区二区三区视频日本电影| 欧美激情极品国产一区二区三区| 夜夜夜夜夜久久久久| 欧美国产精品va在线观看不卡| 亚洲精品久久成人aⅴ小说| 视频在线观看一区二区三区| 国产成人av激情在线播放| 日本免费一区二区三区高清不卡 | 亚洲av五月六月丁香网| 欧美激情 高清一区二区三区| 两性夫妻黄色片| 日日夜夜操网爽| 精品久久久久久成人av| 国产亚洲av高清不卡| 一二三四社区在线视频社区8| 精品国产一区二区久久| 亚洲国产日韩欧美精品在线观看 | 亚洲人成77777在线视频| 欧美黄色淫秽网站| 成年版毛片免费区| 亚洲,欧美精品.| 欧美日韩福利视频一区二区| 欧美乱色亚洲激情| 国产av一区二区精品久久| 久久九九热精品免费| 波多野结衣巨乳人妻| 日韩成人在线观看一区二区三区| www.www免费av| xxx96com| 精品久久久久久,| 夜夜爽天天搞| 99国产精品99久久久久| 午夜福利欧美成人| 国产色视频综合| 一级毛片高清免费大全| 国产精品香港三级国产av潘金莲| 大香蕉久久成人网| 久久精品国产综合久久久| 精品久久久久久,| 久久天躁狠狠躁夜夜2o2o| 91老司机精品| 亚洲欧美日韩无卡精品| 国产精品 国内视频| 9色porny在线观看| 此物有八面人人有两片| 久久久久国内视频| 国产熟女xx| 在线观看免费视频网站a站| 嫁个100分男人电影在线观看| 可以在线观看毛片的网站| 女人高潮潮喷娇喘18禁视频| a在线观看视频网站| 久久国产亚洲av麻豆专区| 国产野战对白在线观看| 一本久久中文字幕| av电影中文网址| 男女做爰动态图高潮gif福利片 | 精品不卡国产一区二区三区| 欧美日韩亚洲综合一区二区三区_| 校园春色视频在线观看| 午夜福利高清视频| 久久精品成人免费网站| 黄色毛片三级朝国网站| 97人妻精品一区二区三区麻豆 | 久久性视频一级片| 久久精品国产综合久久久| avwww免费| tocl精华| 亚洲午夜理论影院| 亚洲第一青青草原| 久久精品国产99精品国产亚洲性色 | 成人三级黄色视频| 波多野结衣一区麻豆| 亚洲国产日韩欧美精品在线观看 | 一级片免费观看大全| 91大片在线观看| 男人舔女人的私密视频| 最近最新免费中文字幕在线| 色综合婷婷激情| 一a级毛片在线观看| 午夜精品在线福利| 757午夜福利合集在线观看| 国产成年人精品一区二区| 操美女的视频在线观看| 久久久久久免费高清国产稀缺| 国产精品自产拍在线观看55亚洲| 正在播放国产对白刺激| 一级a爱片免费观看的视频| 在线观看午夜福利视频| 亚洲午夜理论影院| 亚洲精品美女久久久久99蜜臀| aaaaa片日本免费| 成年版毛片免费区| 国产av精品麻豆| 国产人伦9x9x在线观看| 欧美在线黄色| 亚洲人成电影免费在线| 亚洲五月色婷婷综合| 琪琪午夜伦伦电影理论片6080| 午夜福利成人在线免费观看| 国产高清视频在线播放一区| 亚洲欧美一区二区三区黑人| 久久青草综合色| 国产又爽黄色视频| 欧美日韩福利视频一区二区| 黄色成人免费大全| 免费女性裸体啪啪无遮挡网站| 中文字幕最新亚洲高清| 午夜福利18| 大陆偷拍与自拍| 久久久精品国产亚洲av高清涩受| 九色国产91popny在线| 日韩国内少妇激情av| 国产亚洲精品第一综合不卡| 亚洲色图 男人天堂 中文字幕| 老司机深夜福利视频在线观看| 亚洲成av片中文字幕在线观看| 欧美丝袜亚洲另类 | 亚洲国产精品成人综合色| 99精品在免费线老司机午夜| 一区福利在线观看| 久久香蕉激情| 国产精品一区二区精品视频观看| 久久久久久大精品| 夜夜躁狠狠躁天天躁| 欧美在线黄色| 国产精品秋霞免费鲁丝片| 九色亚洲精品在线播放| 亚洲狠狠婷婷综合久久图片| 国产日韩一区二区三区精品不卡| 久久国产精品男人的天堂亚洲| 亚洲成av人片免费观看| av免费在线观看网站| 国产精品爽爽va在线观看网站 | 久久国产精品人妻蜜桃| 99re在线观看精品视频| 97超级碰碰碰精品色视频在线观看| 国语自产精品视频在线第100页| 色综合站精品国产| 午夜成年电影在线免费观看| 精品人妻1区二区| 久久天躁狠狠躁夜夜2o2o| 一级毛片高清免费大全| 国产欧美日韩精品亚洲av| 午夜福利成人在线免费观看| 久久人人精品亚洲av| 一本久久中文字幕| 在线观看舔阴道视频| 国产91精品成人一区二区三区| 国产成人欧美在线观看| 91字幕亚洲| 欧美成人一区二区免费高清观看 | 制服诱惑二区| 狂野欧美激情性xxxx| 99国产精品免费福利视频| 99精品久久久久人妻精品| 可以在线观看毛片的网站| 好男人电影高清在线观看| 91av网站免费观看| 91大片在线观看| 亚洲av成人不卡在线观看播放网| 国产精品av久久久久免费| 女人精品久久久久毛片| 免费无遮挡裸体视频| 免费在线观看完整版高清| tocl精华| 看片在线看免费视频| 精品国产亚洲在线| 欧美午夜高清在线| 青草久久国产| 亚洲 欧美一区二区三区| 国产成人欧美| 久久久水蜜桃国产精品网| av福利片在线| 精品国产国语对白av| 亚洲自拍偷在线| 亚洲一码二码三码区别大吗| 亚洲欧美精品综合久久99| 手机成人av网站| 国产免费av片在线观看野外av| 视频在线观看一区二区三区| 午夜成年电影在线免费观看| 亚洲欧美日韩另类电影网站| 国产一区二区激情短视频| 国产精品久久电影中文字幕| 波多野结衣高清无吗| 日日干狠狠操夜夜爽| 久久国产精品人妻蜜桃| 国产av在哪里看| 精品久久久久久久毛片微露脸| 久99久视频精品免费| 亚洲精品av麻豆狂野| 亚洲伊人色综图| 丝袜美腿诱惑在线| 久久久久国产一级毛片高清牌| 九色亚洲精品在线播放| 国产精品久久久久久精品电影 | 久久人妻熟女aⅴ| 午夜久久久在线观看| 动漫黄色视频在线观看| www.999成人在线观看| 国产熟女午夜一区二区三区| 女人爽到高潮嗷嗷叫在线视频| 国产又色又爽无遮挡免费看| 久久九九热精品免费| 又黄又粗又硬又大视频| 国产免费av片在线观看野外av| 成人手机av| 国产亚洲欧美精品永久| 无人区码免费观看不卡| 久久精品亚洲熟妇少妇任你| 亚洲视频免费观看视频| 久久香蕉激情| 成人国产综合亚洲| 亚洲熟妇中文字幕五十中出| 亚洲成国产人片在线观看| 变态另类成人亚洲欧美熟女 | 制服诱惑二区| 可以在线观看毛片的网站| 自线自在国产av| 一夜夜www| www.熟女人妻精品国产| 国产一区二区三区视频了| 色综合站精品国产| 精品久久蜜臀av无| 国产精品98久久久久久宅男小说| 中文字幕人妻丝袜一区二区| 国产麻豆成人av免费视频| 欧美性长视频在线观看| 国产不卡一卡二| 国产av又大| 99久久99久久久精品蜜桃| 黄色女人牲交| 午夜老司机福利片| www日本在线高清视频| 欧美黄色片欧美黄色片| 高清在线国产一区| 欧美老熟妇乱子伦牲交| 国产人伦9x9x在线观看| 亚洲,欧美精品.| 国产精品一区二区在线不卡| 黄片小视频在线播放| av天堂久久9| 少妇被粗大的猛进出69影院| 久久久久精品国产欧美久久久| 久久亚洲精品不卡| 级片在线观看| 日韩欧美三级三区| 久久伊人香网站| 好男人电影高清在线观看| 日本精品一区二区三区蜜桃| 岛国视频午夜一区免费看| av福利片在线| 免费在线观看视频国产中文字幕亚洲| 久久亚洲精品不卡| 成年人黄色毛片网站| 丝袜美足系列| av欧美777| 亚洲人成电影免费在线| 天天一区二区日本电影三级 | 可以在线观看的亚洲视频| 国产精品乱码一区二三区的特点 | 久久久久久久久免费视频了| 国产男靠女视频免费网站| 午夜福利在线观看吧| 日日爽夜夜爽网站| 黄色女人牲交| bbb黄色大片| 999久久久国产精品视频| 欧美日韩一级在线毛片| 日韩欧美国产一区二区入口| 成人国语在线视频| 午夜a级毛片| 法律面前人人平等表现在哪些方面| 日韩精品免费视频一区二区三区| 国产片内射在线| 一进一出好大好爽视频| 精品第一国产精品| 老汉色av国产亚洲站长工具| 中文字幕高清在线视频| 久久人妻福利社区极品人妻图片| 久久久久国产精品人妻aⅴ院| 男女之事视频高清在线观看| 欧美日韩瑟瑟在线播放| 夜夜爽天天搞| 一区二区三区激情视频| 别揉我奶头~嗯~啊~动态视频| 纯流量卡能插随身wifi吗| 国产国语露脸激情在线看| 嫩草影视91久久| 精品无人区乱码1区二区| 亚洲精品一区av在线观看| 女人精品久久久久毛片| 一a级毛片在线观看| 欧洲精品卡2卡3卡4卡5卡区| 国产精品免费一区二区三区在线| 精品国内亚洲2022精品成人| 一个人免费在线观看的高清视频| 99国产精品一区二区三区| 亚洲av熟女| 一级a爱视频在线免费观看| 18禁裸乳无遮挡免费网站照片 | 亚洲欧美日韩另类电影网站| 丝袜人妻中文字幕| 亚洲成人久久性| 操出白浆在线播放| 色在线成人网| svipshipincom国产片| 亚洲激情在线av| 黑人欧美特级aaaaaa片| 国产亚洲欧美在线一区二区| 久久精品亚洲精品国产色婷小说| 人成视频在线观看免费观看| 夜夜看夜夜爽夜夜摸| 如日韩欧美国产精品一区二区三区| 国产高清视频在线播放一区| 国产区一区二久久| 精品国产一区二区三区四区第35| 中文字幕最新亚洲高清| 亚洲精品粉嫩美女一区| 一本综合久久免费| 母亲3免费完整高清在线观看| 麻豆成人av在线观看| 大香蕉久久成人网| 自线自在国产av| 首页视频小说图片口味搜索| 精品人妻在线不人妻| 九色国产91popny在线| 久久久水蜜桃国产精品网| 精品卡一卡二卡四卡免费| 国产三级黄色录像| 精品第一国产精品| 在线观看一区二区三区| 夜夜夜夜夜久久久久| 99久久久亚洲精品蜜臀av| 大香蕉久久成人网| 亚洲欧美精品综合一区二区三区| 成人免费观看视频高清| 亚洲av第一区精品v没综合| 日日摸夜夜添夜夜添小说| 黄色片一级片一级黄色片| 国产精品一区二区免费欧美| 久久中文看片网| 欧美大码av| 精品国产美女av久久久久小说| 亚洲avbb在线观看| 嫩草影视91久久| 91国产中文字幕| 精品福利观看| 国产精品自产拍在线观看55亚洲| 欧美最黄视频在线播放免费| 国产精品二区激情视频| 精品一区二区三区av网在线观看| 国产精品香港三级国产av潘金莲| 久久草成人影院| 日韩欧美国产一区二区入口| 无人区码免费观看不卡| 伊人久久大香线蕉亚洲五| 久久久国产成人免费| 少妇 在线观看| 色播亚洲综合网| 一本大道久久a久久精品| 亚洲无线在线观看| 精品国产乱子伦一区二区三区| 一进一出好大好爽视频| 色av中文字幕| 97人妻精品一区二区三区麻豆 | 人人妻人人爽人人添夜夜欢视频| 日韩欧美国产在线观看| 亚洲国产毛片av蜜桃av| 久久久精品国产亚洲av高清涩受| 午夜视频精品福利| 嫁个100分男人电影在线观看| 一二三四在线观看免费中文在| 大型av网站在线播放| 一本综合久久免费| 精品久久久久久久毛片微露脸| 国产精品野战在线观看| 中文字幕人妻丝袜一区二区| 久久热在线av| 精品乱码久久久久久99久播| 亚洲精品国产色婷婷电影| 日韩欧美一区视频在线观看| 精品午夜福利视频在线观看一区| 午夜影院日韩av| 十分钟在线观看高清视频www| 乱人伦中国视频| 国产精品秋霞免费鲁丝片| 自线自在国产av| 国产麻豆69| 精品人妻1区二区| 日本vs欧美在线观看视频| 此物有八面人人有两片| 老司机午夜十八禁免费视频| 国产高清视频在线播放一区| av片东京热男人的天堂| avwww免费| 欧美最黄视频在线播放免费| 狠狠狠狠99中文字幕| 激情视频va一区二区三区| 99久久精品国产亚洲精品| 天天躁狠狠躁夜夜躁狠狠躁| 制服人妻中文乱码| 一个人免费在线观看的高清视频| 国产精品1区2区在线观看.| 一级作爱视频免费观看| 久久国产精品男人的天堂亚洲| 淫妇啪啪啪对白视频| 久久中文字幕人妻熟女| 亚洲成人免费电影在线观看| 久久久久久亚洲精品国产蜜桃av| 欧美激情 高清一区二区三区| 国产亚洲精品av在线| 18美女黄网站色大片免费观看| 91字幕亚洲| 国产成人啪精品午夜网站| 亚洲精品美女久久av网站| 国产免费男女视频| 两性夫妻黄色片| 精品久久久久久,| 9色porny在线观看| 性色av乱码一区二区三区2| 国产午夜福利久久久久久| 国产精品亚洲av一区麻豆| 亚洲,欧美精品.| 一本综合久久免费| 久久九九热精品免费| 波多野结衣av一区二区av| 国产在线精品亚洲第一网站| 亚洲,欧美精品.| 午夜免费鲁丝| 午夜a级毛片| 亚洲av日韩精品久久久久久密| 亚洲精品国产色婷婷电影| 国产精品久久久久久精品电影 | 亚洲人成伊人成综合网2020| 国产男靠女视频免费网站| 亚洲一区高清亚洲精品| 啦啦啦免费观看视频1| 美女扒开内裤让男人捅视频| 国产免费av片在线观看野外av| av天堂久久9| 天堂动漫精品| 日日爽夜夜爽网站| 国产精品自产拍在线观看55亚洲| 又黄又粗又硬又大视频| 欧美在线一区亚洲| 亚洲欧美激情在线| 69精品国产乱码久久久| 日韩欧美国产一区二区入口| 在线av久久热| 午夜a级毛片| 久久国产精品人妻蜜桃| 国产黄a三级三级三级人| 亚洲国产欧美网| 亚洲精品中文字幕一二三四区| 精品福利观看| 午夜福利视频1000在线观看 | 午夜精品久久久久久毛片777| 美女午夜性视频免费| 黄色毛片三级朝国网站| 久久精品成人免费网站| 久久国产乱子伦精品免费另类| 午夜免费鲁丝| av网站免费在线观看视频| 黑人巨大精品欧美一区二区蜜桃| 欧美大码av| 精品免费久久久久久久清纯| ponron亚洲| 黄色丝袜av网址大全| 精品国产乱码久久久久久男人| 色哟哟哟哟哟哟| 一卡2卡三卡四卡精品乱码亚洲| 国产一区二区在线av高清观看| 亚洲欧美精品综合一区二区三区| aaaaa片日本免费| 99精品欧美一区二区三区四区| 又黄又爽又免费观看的视频| 国产成人av教育| 国产一卡二卡三卡精品| 欧美性长视频在线观看| 国产极品粉嫩免费观看在线| 欧美午夜高清在线| 超碰成人久久| 日本一区二区免费在线视频| 亚洲成人国产一区在线观看| 少妇熟女aⅴ在线视频| 在线观看日韩欧美| 日韩欧美一区二区三区在线观看| 国产成+人综合+亚洲专区| 午夜精品久久久久久毛片777| 久久精品国产亚洲av香蕉五月| 香蕉久久夜色| 亚洲一卡2卡3卡4卡5卡精品中文| 黄色女人牲交| 搞女人的毛片| 一进一出抽搐动态| 黄片小视频在线播放| 日韩精品中文字幕看吧| 久久这里只有精品19| 国产成年人精品一区二区| 欧美日韩精品网址| 最新在线观看一区二区三区| 日韩三级视频一区二区三区| 国产三级在线视频| 淫妇啪啪啪对白视频| 老鸭窝网址在线观看|