• <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 ?

    基于深度學(xué)習(xí)的語(yǔ)音識(shí)別系統(tǒng)研究

    2018-06-08 02:51:52劉鵬程袁三男劉虹
    新型工業(yè)化 2018年5期
    關(guān)鍵詞:深度模型

    劉鵬程,袁三男,劉虹

    (上海電力學(xué)院電子與信息工程學(xué)院,上海,200090)

    0 引言

    信息技術(shù)日新月異的進(jìn)步使語(yǔ)音識(shí)別成為可能,且在全球范圍內(nèi)得到了廣泛的關(guān)注。人工神經(jīng)網(wǎng)絡(luò)(ANN)最早于20世紀(jì)80年代開(kāi)始被引入聲學(xué)領(lǐng)域,并利用反向傳播方法(BP)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,極大地提高了語(yǔ)音識(shí)別的準(zhǔn)確率和效率。但是,隨著相關(guān)研究的補(bǔ)充和完善,傳統(tǒng)神經(jīng)網(wǎng)絡(luò)已經(jīng)難以滿足使用需求,各種缺陷也越來(lái)越突出,此后,人們開(kāi)始尋求新的識(shí)別方法,例如嘗試通過(guò)高斯混合模型(GMM)實(shí)現(xiàn)語(yǔ)音識(shí)別。2006年,著名學(xué)者Hinton將深度學(xué)習(xí)[1-2]引入語(yǔ)音識(shí)別過(guò)程,研究結(jié)果表明,此方法可以比較有效地防止陷入局部最優(yōu)。以深度神經(jīng)網(wǎng)絡(luò)(DNN)為基礎(chǔ)的聲學(xué)模型[3]性能遠(yuǎn)好于傳統(tǒng)的高斯混合模型(GMM),因而得到了大范圍應(yīng)用,極大地促進(jìn)了語(yǔ)音識(shí)別的效果的優(yōu)化。語(yǔ)音識(shí)別在人機(jī)交互的巨大潛力使得眾多國(guó)內(nèi)外公司如蘋(píng)果和科大訊飛在語(yǔ)音識(shí)別的研究上投入了大量的人力和財(cái)力,并且也取得了不菲的成績(jī),得到了商業(yè)上的巨大成功。語(yǔ)音識(shí)別的迅猛發(fā)展極大的方便了我們的生產(chǎn)和生活,也必將在未來(lái)的信息化時(shí)代寫(xiě)下濃墨重彩的一筆。

    1 隱馬爾科夫模型

    1.1 概述

    可以通過(guò)參數(shù)對(duì)特定的隱馬爾科夫模型進(jìn)行表示[4]。模型的狀態(tài)集合是,其中N為狀態(tài)個(gè)數(shù);代表不同狀態(tài)下能夠觀測(cè)到的輸出,集合中M代表可觀測(cè)符號(hào)數(shù)量;aij代表t時(shí)刻到t+1完成狀態(tài)轉(zhuǎn)換的概率,全部的aij共同構(gòu)成矩陣A,即:B代表能夠觀測(cè)到的狀態(tài)的概率情況,分析過(guò)程中結(jié)合觀測(cè)量對(duì)HMM模型進(jìn)行區(qū)分,包括離散和連續(xù)兩種類型。Ok為t時(shí)刻的觀測(cè)值,它是由不可見(jiàn)的內(nèi)部狀態(tài) qt=Sj決定的,則有: π 為初始狀態(tài)分布,有,。如圖1所示,HMM是個(gè)雙重隨機(jī)過(guò)程。下一時(shí)刻出現(xiàn)狀態(tài)轉(zhuǎn)移的概率僅取決于該時(shí)刻所在的位置,不受歷史位置信息的影響,是一種很有代表性的馬爾科夫鏈,通過(guò)參數(shù)A進(jìn)行描述。通常用隨機(jī)過(guò)程B來(lái)表示依附于狀態(tài)的觀測(cè)事件的概率,得到觀測(cè)值序列。

    圖1 HMM的雙重隨機(jī)過(guò)程Fig.1 The double random process of HMM

    1.2 隱馬爾可夫模型的三個(gè)基本問(wèn)題

    確定模型的基本形式后,為了確保構(gòu)建的模型符合實(shí)際,必須注意以下三個(gè)基本問(wèn)題[5]:

    1)評(píng)估問(wèn)題:確定觀測(cè)序列及模型參數(shù),對(duì)這些序列出現(xiàn)的概率進(jìn)行分析,據(jù)此對(duì)模型進(jìn)行相應(yīng)的評(píng)估。通常用前向算法相對(duì)高效地完成模型的評(píng)估問(wèn)題[6]。

    2)譯碼問(wèn)題:確定序列和參數(shù) λ= {N , M,π,A,B},如何找出一定條件下最佳的隱狀態(tài)序列。利用(Viterbi)算法可以快速找出最佳路徑,因此一般通過(guò)該算法完成譯碼過(guò)程。

    3)訓(xùn)練問(wèn)題:已知觀測(cè)序列,如何調(diào)整參數(shù){π,A,B},使得P(O λ)最大。HMM 模型的參數(shù)估計(jì)問(wèn)題通常使用Baum-Welch算法解決。

    2 基于深度學(xué)習(xí)的語(yǔ)音識(shí)別系統(tǒng)的建立

    2.1 語(yǔ)音輸入

    本次實(shí)驗(yàn)采用實(shí)驗(yàn)室環(huán)境下錄制的孤立單詞、連續(xù)語(yǔ)音、有噪聲干擾、方言和遠(yuǎn)場(chǎng)情況的語(yǔ)音作為輸入。錄制時(shí)將采樣頻率設(shè)置為16 KHz,對(duì)于各個(gè)采樣點(diǎn)采取16位量化,每一幀的長(zhǎng)度為30 ms,幀移位10 ms,選擇單聲道。

    2.2 語(yǔ)音信號(hào)的特征提取

    語(yǔ)音識(shí)別系統(tǒng)的優(yōu)劣在很大程度上由特征參數(shù)決定,因此必須選擇可以較好地代表語(yǔ)音生成與聽(tīng)覺(jué)感知特點(diǎn)的參數(shù)。比較常用的參數(shù)包括有線性預(yù)測(cè)倒譜系數(shù)(LPCC) 和梅爾頻率倒譜系數(shù)(MFCC)[7-8]。其中,前者根據(jù)聲音的形成原理,對(duì)其初始特征進(jìn)行表示,但是未能涉及到實(shí)際傳播途徑中必然存在的多種噪聲的影響,因此其識(shí)別質(zhì)量差強(qiáng)人意;后者則是基于聽(tīng)覺(jué)的感知原理,可以比較精確地表示聽(tīng)覺(jué)器官接收信號(hào)的特點(diǎn),識(shí)別效果較好。因此本文通過(guò)MFCC參數(shù)對(duì)信號(hào)特征進(jìn)行提取。圖2描述了MFCC特征提取的過(guò)程。

    圖2 梅爾頻率倒譜系數(shù)的提取Fig.2 Extraction of MFCC

    2.3 聲學(xué)模型的建立

    GMM-HMM系統(tǒng)具有構(gòu)成簡(jiǎn)單的優(yōu)勢(shì),但是面對(duì)大規(guī)模的數(shù)據(jù)往往難以處理,在降噪過(guò)程中也主要是在特征處理上做工作,識(shí)別率不高,魯棒性也不強(qiáng)。相比之下,DNN-HMM系統(tǒng)最突出的特點(diǎn)是通過(guò)DNN代替GMM,深度學(xué)習(xí)大量的參數(shù)可以對(duì)海量數(shù)據(jù)進(jìn)行有效建模,通過(guò)底層網(wǎng)絡(luò)把噪聲濾去,高層網(wǎng)絡(luò)可以提取語(yǔ)音特征中更具區(qū)分性的特征,把需要的語(yǔ)音信息保存在上層,極大地增強(qiáng)了魯棒性,準(zhǔn)確率與傳統(tǒng)方法相比提升了20%[9-11]?;贒NN-HMM的聲學(xué)模型如圖3所示。

    整個(gè)模型可以表示為:

    圖3 DNN-HMM聲學(xué)模型Fig.3 DNN-HMM acoustic model

    式中:x 表示輸入的語(yǔ)音聲學(xué)特征;{Wl,bl}分別表示l層的連接權(quán)重和偏量; f()為隱含層的非線性激活函數(shù)。在最早提出的DNN-HMM模型中,DNN往往采取以sigmoid為基礎(chǔ)的非線性激活函數(shù),現(xiàn)階段最新的研究進(jìn)展證明線性單元(ReLUs)的應(yīng)用效果更好。相比與sigmoid,它可以在不進(jìn)行預(yù)訓(xùn)練的情況下獲得更好的性能。ReLUs公式表達(dá)如下:

    Softm ax函數(shù)代表不同單元對(duì)應(yīng)的后驗(yàn)概率。系統(tǒng)的輸出和對(duì)應(yīng)的標(biāo)注的相似程度,決定了模型性能的優(yōu)劣。實(shí)驗(yàn)選用的優(yōu)化目標(biāo)函數(shù)是交叉熵(CE)[7],可以描述實(shí)際輸出和目標(biāo)輸出之間的相似程度,其數(shù)值越小代表越相似,表明模型的性能越理想[12]?;贑E準(zhǔn)則的優(yōu)化目標(biāo)函數(shù)如下:

    式中:t時(shí)刻第r句話在狀態(tài)s下對(duì)應(yīng)Softmax層的實(shí)際 yrt(s),srt表示Xrt對(duì)應(yīng)的標(biāo)注。

    2.4 語(yǔ)言模型的建立

    語(yǔ)言模型是自然語(yǔ)言處理領(lǐng)域的基礎(chǔ)問(wèn)題,主要是根據(jù)客觀語(yǔ)音信息而進(jìn)行的語(yǔ)言抽象數(shù)學(xué)建模,包含了字詞之間的上下聯(lián)系和語(yǔ)義[13]。模型能夠動(dòng)態(tài)檢測(cè)是否存在發(fā)音邊界,使不同的字或詞之間的區(qū)分變得清晰。模型包含了字詞間的上下文聯(lián)系和語(yǔ)義,在實(shí)踐過(guò)程中應(yīng)用最多的是三音子模型。三音子模型同時(shí)考慮前后各一個(gè)音素,充分的利用了上下文的信息,大大提高了語(yǔ)音識(shí)別效率。實(shí)驗(yàn)采用基于決策樹(shù)的方式對(duì)這些三音子模型進(jìn)行聚類,每一個(gè)模型都可以進(jìn)行訓(xùn)練數(shù)據(jù)和參數(shù)的共享。在設(shè)計(jì)決策樹(shù)的方式以及由上至下的分裂過(guò)程中,可以輸入一定的語(yǔ)音學(xué)常識(shí),減少運(yùn)算量的同時(shí)也可以在識(shí)別中使用訓(xùn)練數(shù)據(jù)未出現(xiàn)的三音子模型。

    3 基于深度學(xué)習(xí)的語(yǔ)音識(shí)別

    模型構(gòu)建完畢后,需要通過(guò)系統(tǒng)對(duì)語(yǔ)音進(jìn)行識(shí)別。識(shí)別過(guò)程如圖4所示。具體識(shí)別過(guò)程包括如下幾個(gè)步驟[14-17]:

    1)對(duì)原始聲音進(jìn)行一定的處理,例如預(yù)加重、分幀、加窗等;

    2)計(jì)算每一幀聲音的梅爾頻率倒譜系數(shù),得到一個(gè)輸入特征矩陣I(n×r),其中r為幀數(shù);

    3)通過(guò)深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)逐層的前向計(jì)算,獲得輸出矩陣 O(m ×r);

    4)在輸出矩陣中,找到每一個(gè)列向量中的最大輸出概率值,構(gòu)成一個(gè)具有r個(gè)元素的馬爾科夫鏈,其中每一個(gè)元素分別代表每一幀聲音的音素;

    5)將上一步得到的Hr輸入模型中,對(duì)模型進(jìn)行分析確定最高概率對(duì)應(yīng)的路徑,獲取有關(guān)的文字信息,對(duì)識(shí)別結(jié)果進(jìn)行輸出。

    圖4 語(yǔ)音識(shí)別系統(tǒng)Fig.4 Speech recognition system

    4 實(shí)驗(yàn)結(jié)果及分析

    分別采用GMM-HMM和DNN-HMM對(duì)孤立單詞、連續(xù)語(yǔ)音、有噪聲干擾、方言和遠(yuǎn)場(chǎng)情況語(yǔ)音材料進(jìn)行識(shí)別。表1所示為試驗(yàn)結(jié)果,對(duì)表中數(shù)據(jù)進(jìn)行觀察可以看到,DNN-HMM系統(tǒng)對(duì)于單個(gè)詞語(yǔ)進(jìn)行識(shí)別的準(zhǔn)確率達(dá)到97%,而GMM-HMM系統(tǒng)則僅有81%,前者的識(shí)別質(zhì)量顯著高于后者。但是在部分條件下,例如噪聲較強(qiáng)時(shí),DNN-HMM系統(tǒng)的識(shí)別率不足80%,其效果有待進(jìn)一步提高。

    表1 基于DNN-HMM模型的ASR與傳統(tǒng)模型對(duì)比Table 1 Comparison of ASR and traditional model based on DNN-HMM model

    5 結(jié)束語(yǔ)

    本文對(duì)隱馬爾科夫模型的相關(guān)理論進(jìn)行了分析和探討,并利用實(shí)驗(yàn)論證了基于DNN-HMM的語(yǔ)音識(shí)別系統(tǒng)與傳統(tǒng)系統(tǒng)相比在識(shí)別率方面得到了很大的提升。在連續(xù)語(yǔ)音、噪聲干擾、方言和遠(yuǎn)場(chǎng)情況下,基于DNN-HMM的語(yǔ)音識(shí)別系統(tǒng)識(shí)別率不甚理想。為解決此類問(wèn)題,一般需要在聲學(xué)模型中將CNN、RNN與DNN合理搭配,混合使用,發(fā)揮不同類型神經(jīng)網(wǎng)絡(luò)各自的優(yōu)越性,使識(shí)別率得到進(jìn)一步提高。

    [1] HINTON G E, SALAKHUTDINOV R R. Reducing the Dimensionality of Data with Neural Networks[J]. Science, 2006, 313(5786): 504-507.

    [2] 余凱, 賈磊, 陳雨強(qiáng), 等. 深度學(xué)習(xí)的昨天、今天和明天[J]. 計(jì)算機(jī)研究與發(fā)展, 2013, 50(9): 1799-1804.YU Kai, JIA Lei, CHEN Yu-qiang, et al. Yesterday, Today and Tomorrow of Deep Learning[J]. Computer Research and Development, 2013,50(9): 1799-1804.

    [3] 趙永生, 徐海青, 吳立剛. 基于DNN-HMM模型的語(yǔ)音識(shí)別的語(yǔ)音導(dǎo)航系統(tǒng)[J]. 新型工業(yè)化, 2017, 7(2): 45-53.ZHAO Yong-sheng, XU Hai-qing, WU Li-gang. Speech Recognition System Based on DNN-HMM Model Speech Recognition Navigation System[J]. The Journal of New Industrialization, 2017, 7(2): 45-53.

    [4] 劉韜. 基于隱馬爾可夫模型與信息融合的設(shè)備故障診斷與性能退化評(píng)估研究[D]. 上海:上海交通大學(xué), 2014.LIU Tao. Research on Equipment Fault Diagnosis and Performance Degradation Based on Hidden Markov Model and Information Fusion[D].Shanghai: Shanghai Jiao Tong University, 2014.

    [5] 游治勇. 基于字的分詞方法的研究與實(shí)現(xiàn)[D]. 成都:電子科技大學(xué), 2015.YOU Zhi-yong. Research and Implementation of Word Segmentation Method[D]. Chengdu: University of Electronic Science and Technology, 2015.

    [6] 王坤, 劉鶴飛, 蔣成飛. 隱馬爾可夫結(jié)構(gòu)方程模型及其貝葉斯估計(jì)[J]. 數(shù)理統(tǒng)計(jì)與管理: 1-8.WANG Kun, LIU He-fei, JIANG Cheng-fei. Hidden Markov Structure Equation Model and its Bayesian Estimation [J]. Mathematical Statistics and Management: 1-8.

    [7] 戴禮榮, 張仕良, 黃智穎. 基于深度學(xué)習(xí)的語(yǔ)音識(shí)別技術(shù)現(xiàn)狀與展望[J]. 數(shù)據(jù)采集與處理, 2017, 32(2): 221-231.DAI Li-rong, ZHANG Shi-liang, HUANG Zhi-ying. Current Situation and Prospect of Speech Recognition Technology Based on Deep Learning[J]. Data Acquisition and Processing, 2017, 32 (2): 221-231.

    [8] AREL I, ROSE D C, KARNOWSKI T P. Deep Machine Learning - A New Frontier in Artificial Intelligence Research [Research Frontier][J].Computational Intelligence Magazine, IEEE, 2010, 5(4): 13-18.

    [9] 蔡敏. 基于多特征組合優(yōu)化的漢語(yǔ)數(shù)字語(yǔ)音識(shí)別研究[J]. 電子器件, 2013, 36(2): 282-284.CAI Min. Chinese Digital Speech Recognition Based on Multi Feature Combination Optimization[J]. Electronic Devices, 2013, 36 (2): 282-284.

    [10] 胡石, 章毅, 陳芳, 等. 基于HMM模型語(yǔ)音識(shí)別系統(tǒng)中聲學(xué)模型的建立[J]. 通訊世界, 2017(8): 233-234.HU Shi, ZHANG Yi, CHEN Fang, et al. Establishment of Acoustic Model in Speech Recognition System Based on HMM Model[J].Communication World, 2017 (8): 233-234.

    [11] 張仕良. 基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別模型研究[D]. 合肥:中國(guó)科學(xué)技術(shù)大學(xué), 2017.ZHANG Shi-liang. Speech Recognition Model Based on Deep Neural Network[D]. Hefei:University of Science & Technology, China, 2017.

    [12] 張?jiān)? 語(yǔ)音識(shí)別:從技術(shù)應(yīng)用到習(xí)慣應(yīng)用[J]. 中國(guó)信息化, 2015(2): 30-31.ZHANG Yue. Speech Recognition: from Technology Application to Customary Application[J]. China Information Technology, 2015 (2): 30-31.

    [13] 劉豫軍, 夏聰. 深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別中的應(yīng)用[J]. 網(wǎng)絡(luò)安全技術(shù)與應(yīng)用, 2014(12): 28.LIU Yu-jun, XIA Cong. Application of Deep Learning Neural Network in Speech Recognition[J]. Network Security Technology and Applications, 2014(12): 28.

    [14] 黃天蕓. 基于人工智能深度學(xué)習(xí)的語(yǔ)音識(shí)別方法[J]. 信息記錄材料, 2017, 18(9): 20-21.HUANG Tian-yun. Speech Recognition Method based on artificial intelligence deep learning[J]. Information Recording Material, 2017, 18(9): 20-21.

    [15] HINTON G E, OSINDERO S, TEH Y W. A Fast Learning Algorithm for Deep Belief Nets[J]. Neural Computation, 2006, 18(7): 1527-1554

    [16] 龐榮. 深度神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[D]. 成都: 西南交通大學(xué), 2016.PANG Rong. Deep Neural Network Algorithm Research and Application [D]. Chengdu: Southwest Jiao Tong University, 2016.

    [17] 張建明, 詹智財(cái), 成科揚(yáng), 等. 深度學(xué)習(xí)的研究與發(fā)展[J]. 江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版), 2015, 36(2): 191-200.ZHANG Jian-ming, ZHAN Zhi-cai, CHENG Ke-yang, et al. Research and Development of Deep Learning[J]. Journal of Jiangsu University(Natural Science Edition), 2015, 36 (2): 191-200.

    猜你喜歡
    深度模型
    一半模型
    深度理解一元一次方程
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    深度觀察
    深度觀察
    深度觀察
    深度觀察
    3D打印中的模型分割與打包
    FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
    97超级碰碰碰精品色视频在线观看| 国产欧美日韩精品亚洲av| 午夜福利欧美成人| 亚洲成人国产一区在线观看| 精品国产乱码久久久久久男人| 狠狠狠狠99中文字幕| 亚洲九九香蕉| 欧美zozozo另类| 精品国产乱码久久久久久男人| АⅤ资源中文在线天堂| 波多野结衣高清作品| 男人舔女人下体高潮全视频| 亚洲精品美女久久久久99蜜臀| 亚洲熟妇熟女久久| 国产伦人伦偷精品视频| 久久亚洲真实| 别揉我奶头~嗯~啊~动态视频| 日韩欧美在线二视频| 国产又黄又爽又无遮挡在线| 一二三四在线观看免费中文在| 国产精品久久久久久亚洲av鲁大| 在线免费观看的www视频| 啪啪无遮挡十八禁网站| 人妻久久中文字幕网| 黑人操中国人逼视频| 男人舔女人的私密视频| 最近视频中文字幕2019在线8| 免费在线观看黄色视频的| 久久久久久久久免费视频了| 一区二区三区激情视频| 国产精品久久久久久精品电影| cao死你这个sao货| 成年女人毛片免费观看观看9| 亚洲成a人片在线一区二区| 亚洲成人久久性| 香蕉久久夜色| 欧美 亚洲 国产 日韩一| 日本熟妇午夜| 欧美不卡视频在线免费观看 | 欧美乱色亚洲激情| 婷婷精品国产亚洲av| 色哟哟哟哟哟哟| 国产三级中文精品| 日韩精品免费视频一区二区三区| 国产蜜桃级精品一区二区三区| 十八禁网站免费在线| 香蕉丝袜av| 国产成人影院久久av| 中文字幕精品亚洲无线码一区| 国产成人啪精品午夜网站| 久久久精品大字幕| www.精华液| 天堂av国产一区二区熟女人妻 | 麻豆av在线久日| 蜜桃久久精品国产亚洲av| 岛国在线观看网站| 亚洲片人在线观看| 免费搜索国产男女视频| 欧美另类亚洲清纯唯美| 白带黄色成豆腐渣| 在线免费观看的www视频| 在线观看午夜福利视频| 最新美女视频免费是黄的| 亚洲人成网站在线播放欧美日韩| 天堂动漫精品| 久久这里只有精品19| 真人做人爱边吃奶动态| 天天躁狠狠躁夜夜躁狠狠躁| 欧美日韩乱码在线| 国产av一区在线观看免费| av免费在线观看网站| 欧美黑人精品巨大| 香蕉国产在线看| 淫妇啪啪啪对白视频| 一边摸一边做爽爽视频免费| 亚洲精品国产精品久久久不卡| 男插女下体视频免费在线播放| 91老司机精品| 国产爱豆传媒在线观看 | 一本大道久久a久久精品| 久久久国产欧美日韩av| 1024视频免费在线观看| 两个人看的免费小视频| 一进一出抽搐gif免费好疼| 免费高清视频大片| 99久久精品国产亚洲精品| 香蕉久久夜色| 久久精品夜夜夜夜夜久久蜜豆 | 欧美最黄视频在线播放免费| 又粗又爽又猛毛片免费看| 麻豆国产97在线/欧美 | 国产精品影院久久| 大型av网站在线播放| 亚洲精品国产一区二区精华液| 婷婷精品国产亚洲av| 久久中文看片网| 一本一本综合久久| 91九色精品人成在线观看| 国产野战对白在线观看| 色精品久久人妻99蜜桃| 最近最新中文字幕大全电影3| 999久久久精品免费观看国产| 国产黄a三级三级三级人| 黄色片一级片一级黄色片| 日本 欧美在线| 美女 人体艺术 gogo| 韩国av一区二区三区四区| 国产男靠女视频免费网站| 亚洲狠狠婷婷综合久久图片| 精品午夜福利视频在线观看一区| 小说图片视频综合网站| 亚洲精品美女久久久久99蜜臀| 女警被强在线播放| 色老头精品视频在线观看| 男女做爰动态图高潮gif福利片| 国产成人影院久久av| 一级毛片女人18水好多| 亚洲精品在线观看二区| 国产高清有码在线观看视频 | 人人妻人人澡欧美一区二区| 色精品久久人妻99蜜桃| 黄色毛片三级朝国网站| 嫩草影视91久久| 俄罗斯特黄特色一大片| 人妻久久中文字幕网| 精品不卡国产一区二区三区| 亚洲无线在线观看| 午夜成年电影在线免费观看| 欧美一区二区精品小视频在线| 欧美一区二区国产精品久久精品 | 精品国产超薄肉色丝袜足j| 天堂√8在线中文| 18禁黄网站禁片午夜丰满| 欧美日本视频| 丰满人妻一区二区三区视频av | 久久香蕉国产精品| 成年免费大片在线观看| 在线观看66精品国产| 亚洲av美国av| 久久久久性生活片| 国产黄片美女视频| 免费高清视频大片| 亚洲精品国产一区二区精华液| 亚洲 欧美 日韩 在线 免费| 国产一区二区三区在线臀色熟女| 日韩欧美在线二视频| 亚洲中文字幕一区二区三区有码在线看 | 老司机在亚洲福利影院| 深夜精品福利| 性欧美人与动物交配| 久热爱精品视频在线9| 国产高清视频在线观看网站| 国产成人欧美在线观看| 夜夜看夜夜爽夜夜摸| 久久久水蜜桃国产精品网| 国产日本99.免费观看| 欧美激情久久久久久爽电影| av有码第一页| 成人18禁在线播放| 午夜福利在线在线| 又大又爽又粗| 亚洲av中文字字幕乱码综合| 国产高清激情床上av| 欧美成狂野欧美在线观看| 波多野结衣巨乳人妻| 亚洲欧美日韩无卡精品| 国产熟女午夜一区二区三区| 熟妇人妻久久中文字幕3abv| 亚洲18禁久久av| 亚洲免费av在线视频| 久热爱精品视频在线9| 床上黄色一级片| 成人国语在线视频| 成人av一区二区三区在线看| 欧美zozozo另类| 国内精品久久久久精免费| 色在线成人网| 欧美色视频一区免费| 欧美乱码精品一区二区三区| 国产高清视频在线观看网站| 欧美另类亚洲清纯唯美| 国内少妇人妻偷人精品xxx网站 | 法律面前人人平等表现在哪些方面| 亚洲 欧美 日韩 在线 免费| 国产精品av久久久久免费| 久久久久精品国产欧美久久久| 少妇粗大呻吟视频| 国模一区二区三区四区视频 | 神马国产精品三级电影在线观看 | 成人av一区二区三区在线看| 色精品久久人妻99蜜桃| 欧美乱色亚洲激情| 亚洲精品国产精品久久久不卡| 亚洲欧美精品综合久久99| 全区人妻精品视频| 亚洲aⅴ乱码一区二区在线播放 | 亚洲精品中文字幕一二三四区| 天堂影院成人在线观看| 伊人久久大香线蕉亚洲五| 亚洲黑人精品在线| 香蕉久久夜色| 九色成人免费人妻av| 色综合欧美亚洲国产小说| 亚洲一区二区三区色噜噜| 男女之事视频高清在线观看| 可以在线观看毛片的网站| 久久久国产欧美日韩av| 亚洲色图 男人天堂 中文字幕| 一本大道久久a久久精品| 美女高潮喷水抽搐中文字幕| 校园春色视频在线观看| 婷婷精品国产亚洲av在线| 久久久久国内视频| 99国产精品一区二区三区| 一二三四社区在线视频社区8| 首页视频小说图片口味搜索| 国产高清视频在线播放一区| 俺也久久电影网| 99久久99久久久精品蜜桃| 久久精品国产亚洲av香蕉五月| 国产成人aa在线观看| 亚洲午夜精品一区,二区,三区| 久久香蕉国产精品| 国产精品一区二区免费欧美| 午夜a级毛片| 国产真实乱freesex| 亚洲国产精品合色在线| 天天添夜夜摸| 日日夜夜操网爽| 亚洲国产看品久久| 三级毛片av免费| 精品不卡国产一区二区三区| 欧美zozozo另类| 免费一级毛片在线播放高清视频| 国产精品一及| 特大巨黑吊av在线直播| 成人国产一区最新在线观看| 真人一进一出gif抽搐免费| 好看av亚洲va欧美ⅴa在| 免费av毛片视频| 女人被狂操c到高潮| 在线观看www视频免费| 日日干狠狠操夜夜爽| 啦啦啦韩国在线观看视频| 一a级毛片在线观看| 国产麻豆成人av免费视频| 在线观看免费视频日本深夜| 狠狠狠狠99中文字幕| 国产1区2区3区精品| 99久久精品热视频| 中出人妻视频一区二区| 国产精品久久久久久亚洲av鲁大| 老鸭窝网址在线观看| 午夜日韩欧美国产| 久久精品影院6| 欧美日韩亚洲国产一区二区在线观看| www.自偷自拍.com| 在线观看日韩欧美| 国产精品亚洲一级av第二区| 一级片免费观看大全| 亚洲午夜理论影院| 国产午夜精品久久久久久| 欧洲精品卡2卡3卡4卡5卡区| 少妇人妻一区二区三区视频| 久久久国产成人免费| 欧美不卡视频在线免费观看 | 亚洲欧美精品综合一区二区三区| 俄罗斯特黄特色一大片| 色综合婷婷激情| 在线免费观看的www视频| 色av中文字幕| 无遮挡黄片免费观看| 好男人在线观看高清免费视频| 老司机在亚洲福利影院| 两个人视频免费观看高清| 日日摸夜夜添夜夜添小说| 1024香蕉在线观看| 国产av一区在线观看免费| 国产在线观看jvid| 1024手机看黄色片| 国产一级毛片七仙女欲春2| 国产成人精品久久二区二区91| 精品久久久久久久人妻蜜臀av| 久久天堂一区二区三区四区| √禁漫天堂资源中文www| 最好的美女福利视频网| 国产麻豆成人av免费视频| 久久久久久免费高清国产稀缺| 日本a在线网址| 波多野结衣巨乳人妻| 亚洲精品色激情综合| 成人亚洲精品av一区二区| 免费看a级黄色片| 真人一进一出gif抽搐免费| 亚洲专区国产一区二区| 亚洲精华国产精华精| 特级一级黄色大片| 在线观看美女被高潮喷水网站 | 亚洲成人国产一区在线观看| 久久伊人香网站| 精品久久久久久,| 99久久国产精品久久久| 我的老师免费观看完整版| 中亚洲国语对白在线视频| 熟妇人妻久久中文字幕3abv| 女生性感内裤真人,穿戴方法视频| 日本撒尿小便嘘嘘汇集6| 亚洲天堂国产精品一区在线| 看黄色毛片网站| 黑人巨大精品欧美一区二区mp4| 人人妻人人澡欧美一区二区| 亚洲av日韩精品久久久久久密| 国产欧美日韩精品亚洲av| 国产真实乱freesex| 99国产精品99久久久久| 在线观看一区二区三区| 亚洲成av人片免费观看| 99久久99久久久精品蜜桃| 国产成人系列免费观看| 亚洲五月婷婷丁香| 高潮久久久久久久久久久不卡| 成人特级黄色片久久久久久久| 天堂动漫精品| 91麻豆av在线| 两个人的视频大全免费| 亚洲狠狠婷婷综合久久图片| 精品午夜福利视频在线观看一区| 亚洲专区字幕在线| 亚洲中文字幕日韩| 精品乱码久久久久久99久播| 久久九九热精品免费| 日日摸夜夜添夜夜添小说| 亚洲国产精品999在线| 久久精品91无色码中文字幕| 日日爽夜夜爽网站| 一区二区三区高清视频在线| av视频在线观看入口| 淫妇啪啪啪对白视频| 午夜福利18| 岛国在线免费视频观看| or卡值多少钱| 亚洲av美国av| 欧美成人免费av一区二区三区| 伊人久久大香线蕉亚洲五| 啪啪无遮挡十八禁网站| 韩国av一区二区三区四区| 美女黄网站色视频| 中出人妻视频一区二区| 大型黄色视频在线免费观看| 十八禁人妻一区二区| 欧美乱色亚洲激情| 少妇被粗大的猛进出69影院| 女警被强在线播放| 黄色成人免费大全| 免费看美女性在线毛片视频| 亚洲人成网站高清观看| 国产蜜桃级精品一区二区三区| 久久草成人影院| 此物有八面人人有两片| 给我免费播放毛片高清在线观看| 中文字幕av在线有码专区| 国产91精品成人一区二区三区| av片东京热男人的天堂| 国产高清视频在线播放一区| 麻豆av在线久日| 91九色精品人成在线观看| 美女黄网站色视频| 色av中文字幕| 日韩欧美 国产精品| 精品免费久久久久久久清纯| www.熟女人妻精品国产| 伊人久久大香线蕉亚洲五| a级毛片在线看网站| 丁香六月欧美| 国产真人三级小视频在线观看| 欧美人与性动交α欧美精品济南到| 欧美激情久久久久久爽电影| 久久久水蜜桃国产精品网| 欧美另类亚洲清纯唯美| 国产一区二区三区视频了| 久久久久久大精品| 成人18禁在线播放| 欧美日本亚洲视频在线播放| 91国产中文字幕| 亚洲午夜理论影院| 18禁国产床啪视频网站| 亚洲免费av在线视频| 三级国产精品欧美在线观看 | 免费观看人在逋| 免费一级毛片在线播放高清视频| 在线永久观看黄色视频| 少妇的丰满在线观看| 久久久国产欧美日韩av| 亚洲精品国产一区二区精华液| 欧美黑人精品巨大| 欧美久久黑人一区二区| 欧美黄色片欧美黄色片| 久久 成人 亚洲| 九色成人免费人妻av| 中文字幕高清在线视频| 黄频高清免费视频| 国产精品1区2区在线观看.| 欧美黑人巨大hd| 女同久久另类99精品国产91| 久久九九热精品免费| 亚洲成人久久性| 狂野欧美白嫩少妇大欣赏| av天堂在线播放| e午夜精品久久久久久久| 女人高潮潮喷娇喘18禁视频| 成年女人毛片免费观看观看9| 日韩 欧美 亚洲 中文字幕| √禁漫天堂资源中文www| 1024香蕉在线观看| 一级毛片精品| 色av中文字幕| 在线视频色国产色| 久久草成人影院| 亚洲 国产 在线| 国产精华一区二区三区| 亚洲欧美精品综合一区二区三区| 一二三四社区在线视频社区8| 一进一出好大好爽视频| 亚洲全国av大片| 久久精品国产清高在天天线| 亚洲欧美日韩高清专用| 国产精品一区二区三区四区免费观看 | 成人三级黄色视频| 一进一出抽搐动态| 动漫黄色视频在线观看| 免费人成视频x8x8入口观看| 亚洲国产日韩欧美精品在线观看 | 777久久人妻少妇嫩草av网站| 国产精品自产拍在线观看55亚洲| 精品国产乱子伦一区二区三区| 国产蜜桃级精品一区二区三区| 成年女人毛片免费观看观看9| 国产av在哪里看| 国产97色在线日韩免费| 女人爽到高潮嗷嗷叫在线视频| 在线免费观看的www视频| 一级毛片女人18水好多| 99国产综合亚洲精品| 两性午夜刺激爽爽歪歪视频在线观看 | 久久 成人 亚洲| 丝袜美腿诱惑在线| 成人国产综合亚洲| 在线观看午夜福利视频| 999久久久国产精品视频| 国产97色在线日韩免费| 久久99热这里只有精品18| 欧美久久黑人一区二区| 黄色视频不卡| 国产免费男女视频| 性色av乱码一区二区三区2| 黄色成人免费大全| 欧美日韩一级在线毛片| 一级a爱片免费观看的视频| 日本三级黄在线观看| 国产高清视频在线观看网站| 中文资源天堂在线| 中亚洲国语对白在线视频| 久久婷婷成人综合色麻豆| 久久久久性生活片| 久久这里只有精品中国| 可以在线观看毛片的网站| 久久中文字幕一级| 在线a可以看的网站| 亚洲精华国产精华精| 国产精品98久久久久久宅男小说| 99国产精品一区二区蜜桃av| 可以在线观看毛片的网站| 一二三四在线观看免费中文在| 国产精品,欧美在线| 级片在线观看| 久久精品夜夜夜夜夜久久蜜豆 | 丁香六月欧美| 床上黄色一级片| 日韩大尺度精品在线看网址| 久久这里只有精品中国| 91麻豆av在线| 亚洲精品一区av在线观看| 久久久久国内视频| 国产黄片美女视频| 色播亚洲综合网| 欧美日韩精品网址| 色播亚洲综合网| 激情在线观看视频在线高清| 亚洲欧美一区二区三区黑人| 搡老熟女国产l中国老女人| 天天添夜夜摸| 99久久99久久久精品蜜桃| 琪琪午夜伦伦电影理论片6080| 日韩大尺度精品在线看网址| 亚洲精品色激情综合| 久久国产精品人妻蜜桃| 免费av毛片视频| 亚洲欧洲精品一区二区精品久久久| 午夜a级毛片| 亚洲国产精品久久男人天堂| 亚洲片人在线观看| 欧洲精品卡2卡3卡4卡5卡区| 久久精品夜夜夜夜夜久久蜜豆 | 欧美成人午夜精品| 男人的好看免费观看在线视频 | 麻豆成人午夜福利视频| 黄色 视频免费看| 后天国语完整版免费观看| 精品国产超薄肉色丝袜足j| 国产99白浆流出| 波多野结衣高清作品| 国产精品久久电影中文字幕| 日韩成人在线观看一区二区三区| 国产视频内射| 亚洲国产精品999在线| 精品午夜福利视频在线观看一区| 午夜福利18| 成人国语在线视频| 欧美日本亚洲视频在线播放| 国产69精品久久久久777片 | 99久久久亚洲精品蜜臀av| 国产亚洲av嫩草精品影院| 日韩中文字幕欧美一区二区| 精品免费久久久久久久清纯| 亚洲一区二区三区不卡视频| 亚洲精品美女久久av网站| 精品国内亚洲2022精品成人| 国产亚洲欧美在线一区二区| 欧美不卡视频在线免费观看 | 欧美av亚洲av综合av国产av| 九色国产91popny在线| 国产一区二区三区在线臀色熟女| 麻豆成人av在线观看| 精品无人区乱码1区二区| 久久婷婷人人爽人人干人人爱| 可以在线观看毛片的网站| 69av精品久久久久久| 身体一侧抽搐| 成人亚洲精品av一区二区| 国产午夜精品久久久久久| 曰老女人黄片| 18禁黄网站禁片午夜丰满| 男女做爰动态图高潮gif福利片| 真人做人爱边吃奶动态| 1024视频免费在线观看| 精品人妻1区二区| 国产av一区在线观看免费| 色综合站精品国产| 小说图片视频综合网站| 成年免费大片在线观看| 男女床上黄色一级片免费看| 91九色精品人成在线观看| 18禁美女被吸乳视频| 欧美精品啪啪一区二区三区| 母亲3免费完整高清在线观看| 在线观看免费视频日本深夜| 别揉我奶头~嗯~啊~动态视频| 午夜福利在线在线| 精品午夜福利视频在线观看一区| 亚洲激情在线av| 日日摸夜夜添夜夜添小说| 叶爱在线成人免费视频播放| 国内精品一区二区在线观看| 日韩高清综合在线| 在线观看www视频免费| 久久久精品国产亚洲av高清涩受| 日韩欧美精品v在线| 一卡2卡三卡四卡精品乱码亚洲| 在线永久观看黄色视频| 99热这里只有是精品50| 国产亚洲欧美在线一区二区| 国产亚洲精品综合一区在线观看 | 国产精品电影一区二区三区| 制服丝袜大香蕉在线| 色老头精品视频在线观看| 大型av网站在线播放| 精品不卡国产一区二区三区| 欧美成狂野欧美在线观看| 999久久久国产精品视频| 桃色一区二区三区在线观看| 国产一区二区在线观看日韩 | 国产熟女xx| 久久久久久久精品吃奶| 国产成人啪精品午夜网站| 色在线成人网| 亚洲av电影不卡..在线观看| 免费av毛片视频| 脱女人内裤的视频| 一个人免费在线观看的高清视频| 搞女人的毛片| 1024视频免费在线观看| 12—13女人毛片做爰片一| 欧美丝袜亚洲另类 | 国产成人av激情在线播放| 欧美日韩中文字幕国产精品一区二区三区| 欧美日韩国产亚洲二区| 欧美黑人巨大hd| 人妻夜夜爽99麻豆av| 亚洲成a人片在线一区二区| 亚洲精品久久成人aⅴ小说| 亚洲在线自拍视频| 精品久久久久久久毛片微露脸| 婷婷亚洲欧美| 午夜福利视频1000在线观看| 亚洲av成人不卡在线观看播放网| 午夜福利成人在线免费观看| 精品国产美女av久久久久小说| 人妻丰满熟妇av一区二区三区| 精品免费久久久久久久清纯| 久久精品人妻少妇| 最新美女视频免费是黄的| 亚洲一码二码三码区别大吗| 午夜福利在线在线| 免费观看精品视频网站| 在线观看午夜福利视频|