• <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 ?

    基于深度卷積神經網絡的人眼檢測

    2018-09-12 07:30:36劉俊超陳志軍樊小朝閆學勤王宏偉
    現代電子技術 2018年18期
    關鍵詞:網絡優(yōu)化卷積神經網絡深度學習

    劉俊超 陳志軍 樊小朝 閆學勤 王宏偉

    摘 要: 基于人眼檢測的駕駛員疲勞檢測研究中,受戴眼鏡、光照強度和人臉姿態(tài)變化、閉眼以及面部遮擋等復雜背景影響,現有方法難以準確檢測人眼位置的問題越來越嚴重,故提出一種基于深度卷積神經網絡的人眼檢測方法。對其進行網絡優(yōu)化及損失優(yōu)化,把人眼檢測作為一種回歸問題來求解,實現了整個過程端到端,即從輸入原始圖片到最后的人眼類別和位置的輸出。該方法在ORL人臉數據庫中全部圖像的人眼檢測準確率為98.39%,在AR人臉數據庫中沒有戴墨鏡的人眼檢測準確率為95.15% ,實驗結果驗證了所提方法的有效性、高準確率和較強的泛化能力。

    關鍵詞: 人眼檢測; 深度學習; 卷積神經網絡; 網絡優(yōu)化; 損失優(yōu)化; 泛化能力

    中圖分類號: TN911.23?34; TP391.41 文獻標識碼: A 文章編號: 1004?373X(2018)18?0072?04

    Eye detection based on deep convolutional neural networks

    LIU Junchao, CHEN Zhijun, FAN Xiaochao, YAN Xueqin, WANG Hongwei

    (School of Electrical Engineering, Xinjiang University, Urumqi 830047, China)

    Abstract: In the driver fatigue detection research based on eye detection, the problem that it is difficult for the existing methods to accurately detect the eye position is becoming more and more serious due to the influences of complex backgrounds such as glasses wearing, light intensity, facial pose variation, eye closure, and facial occlusion. Therefore, an eye detection method based on deep convolutional neural networks is proposed. Network optimization and loss optimization are performed for the method. The eye detection is solved as a regression problem, so as to realize a whole end?to?end process which is from input of original images to output of eye classification and position at last. The method has an accuracy rate of 98.39% for eye detection of all images in the ORL face database, and an accuracy rate of 95.15% for detection of eyes (without wearing sunglasses) in the AR face database. The experimental results verified the effectiveness, high accuracy and strong generalization capability of the proposed method.

    Keywords: eye detection; deep learning; convolutional neural network; network optimization; loss optimization; generalization capability

    0 引 言

    長期以來,我國一直都是汽車消費大國,汽車行業(yè)的高速發(fā)展是我國經濟繁榮、科技進步的一個縮影。由于汽車的大量增加,現在的交通問題更加嚴重。據中國統(tǒng)計年鑒(2013)數據顯示,截至2012年末,我國全年交通事故發(fā)生數總計約為20萬起,其中,汽車事故大約為14萬起,占交通事故總數的70%以上,交通事故死亡總計大約6萬人,汽車事故死亡大約4.4萬人,占交通事故死亡總數的73%以上, 疲勞駕駛是汽車事故發(fā)生的主要原因[1]。最近幾十年,計算機視覺技術應用廣泛,在圖像中準確的人眼檢測是計算機視覺技術的核心,更是人臉識別、虹膜識別、視線追蹤和疲勞駕駛檢測的關鍵技術。

    當前,人眼檢測方法常用的有邊緣提取方法[2?3]、積分投影方法[4]和模板匹配方法[5]等。邊緣提取方法是用邊緣檢測和Hough變換來定位眼睛中心,能檢測虹膜,但對圖像質量和分辨率要求極高,在頭部偏轉和閉眼時不能準確檢測;積分投影方法用圖像在水平方向和垂直方向上的幾何投影來確定眼睛位置,能快速定位,但在光照強度變化和人臉姿態(tài)變化時不能準確檢測;模板匹配方法是通過原來圖像的像素灰度來檢測眼睛,魯棒性較好,但在戴眼鏡和光照變化時不能準確檢測。

    針對以上方法存在的不足,本文提出了一種基于深度卷積神經網絡的人眼檢測方法,該方法能自動學習圖像中有效的人眼特征,魯棒性較好,泛化能力強,并分析優(yōu)化了其中的網絡結構、損失函數等參數對人眼檢測的影響。在ORL和AR人臉數據庫中分別對不戴眼鏡和戴眼鏡、光照強度和人臉姿態(tài)變化、睜眼和閉眼以及面部遮擋的人臉圖像進行驗證,結果證明了深度卷積神經網絡對人眼檢測的有效性,并得到了較高的人眼檢測準確率。

    1 卷積神經網絡結構

    卷積神經網絡是深度學習神經網絡中的一種,其比較特殊,一般有卷積層、下采樣層和全連接層。對于卷積層來說,其中每個輸入的神經元,都有自己的接入區(qū)域,并通過這個接入區(qū)域獲取這個區(qū)域的信息,獲取信息之后,定位自己與自己所在區(qū)域的地址;對于下采樣層而言,其各個層面都有好幾個反應層面的信息,把每個反應層面看作一個幾何平面,使得各個層面的權值共享;對于全連接層而言,一般有好幾個卷積層面和下采樣層面相互連接,最終輸出。類似下采樣層中的權值共享這種網絡,更接近于生物本身的神經,一來減少了權值數量,二來降低了網絡的復雜程度[6?9]。卷積神經網絡基本結構圖如圖1所示。

    對于卷積層,其計算公式表示為:

    [xlj=fi∈Mjxl-1i×klij+blj] (1)

    式中:[xlj]表示現在這層的信息map;[xl-1i]表示前一層的信息map;[klij]表示由[l-1] 層到[l]層產生的信息map的卷積核;[blj]表示[l]層得出map產生的額外偏置;[Mj]表示接入maps的集合。

    對于下采樣層,其計算公式表示為:

    [xlj=f(βljdown(xl-1j)+blj)] (2)

    式中,[down(·)]表示下采樣函數。一般操作都是對輸入圖像[N×N]塊的所有像素求和,以便使輸出圖像尺寸大小縮小[N]倍。所有輸出map各自對應一個乘偏置[β]和一個加偏置[b]。

    對于全連接層,其計算公式表示為:

    [xoutj=fi∈Mjxout-1i×koutij+boutj] (3)

    2 基于深度卷積神經網絡的人眼檢測

    2.1 基于深度卷積神經網絡的人眼檢測模型

    本文人眼檢測模型如圖2所示。

    2.2 優(yōu)化深度卷積神經網絡

    優(yōu)化深度卷積神經網絡是把眼睛檢測作為回歸問題來求解,實現了整個過程端到端,即從輸入原始圖片到最后的人眼類別和位置的輸出。

    首先,網絡對輸入的原始圖片均等分割,分為[S×S]個小塊,然后對分割的每一個小塊檢測。一旦眼睛的橫縱坐標落在了目標區(qū)域中,便用這個目標區(qū)域對眼睛做出檢測。從圖3就可以看出,紅點落在了(3,2)和(3,5)兩個小塊中,在這兩個小塊返回的預測值最高,所以這兩個小塊存在需要檢測的目標。優(yōu)化后的深度卷積神經網絡如圖3所示。

    圖3中,每個小塊都有5個信息,分別是x,y,w,h和confidence。x,y分別是預測bounding box(邊緣框)的橫坐標和縱坐標;w,h分別是bounding box的寬度和高度。

    一般在訓練過程中,x,y分別是bounding box坐標距離現在坐標的差值,同時集合在區(qū)間[0,1];w,h分別是圖片的寬和高,同樣在區(qū)間[0,1];confidence是現在的bounding box對眼睛的誤差估計,其計算公式表示為:

    [confidence=P(eye)×IOU] (4)

    式中:若bounding box包含eye,則[P(eye)=1];否則[P(eye)=0];IOU表示bounding box與eye重疊面積的預測值。

    最后,網絡輸出是[S×S×(B×5+Class)]。[S]表示維度大??;B是每個小塊輸出的bounding box個數;Class是類別數量。

    盡管每一小塊能對B個bounding box進行判斷,可是最后把IOU較高的那個bounding box表示為eye的結果。

    2.3 優(yōu)化損失

    2.3.1 損失函數定義

    損失函數定義,其計算公式表示為:

    [loss=i=0S2(CoordError+IOUError+ClassError)] (5)

    式中:ClassError表示類別誤差;IOUError表示IOU誤差;CoordError表示預測值和標簽值誤差。

    2.3.2 損失函數優(yōu)化

    函數中的CoordError,IOUError和ClassError對loss的作用值是不一樣的,所以在計算loss時,用[λ1]來改變CoordError。在計算IOUError時,有目標的小塊與沒有eye的小塊,它們的IOUError對loss的作用值是不一樣的。假如用一樣的權值,那么沒有eye的小塊的confidence值幾乎為0,使有目標小塊的confidence在計算中增大誤差。為解決這個問題,用[λ2]改變IOUError,在誤差一樣時,小目標大于大目標對結果的作用[10?11]。對此問題,網絡對目標的w和h做平方根來運算,表示為:

    [loss=λ1i=0S2j=0B1eyei,j(xi-xi)2+(yi-yi)2+λ2i=0S2j=0B1eyei,jwi-wi2+hi-hi2+λ2i=0S2j=0B1eyei,jCi-Ci2+Ci-Ci2x+i=0S21eyei,jc∈Classes(pi(c)-pi(c))2] (6)

    式中:第一個大括號是坐標的誤差;第二個大括號是IOU誤差;第三個大括號是類別誤差。[x,y,w,C,p]為網絡的預測值;[x,y,w,C,p]為標注值。

    3 實驗結果與分析

    實驗是在Intel[?] CoreTM i5?6300HQ處理器,4 GB內存,操作系統(tǒng)為Linux(Ubuntu 14.04)的PC機上運行的,使用的開發(fā)環(huán)境為caffe。

    在ORL和AR人臉數據庫中分別對本文的人眼檢測方法進行驗證。另外,為了驗證本文方法的泛化能力,訓練數據集從ORL人臉數據庫中隨機選取每一類的7個樣本,剩余樣本作為測試集。

    圖4~圖6分別為不戴眼鏡和戴眼鏡、人臉姿態(tài)變化、睜眼和閉眼的部分ORL人臉數據庫中人眼檢測結果。圖7為光照強度變化和面部遮擋的部分AR人臉數據庫中人眼檢測結果。從檢測結果可以發(fā)現,本方法對不戴眼鏡和戴眼鏡、光照強度和人臉姿態(tài)變化、睜眼和閉眼以及面部遮擋的人臉圖像具有較強的魯棒性,泛化能力強,可以準確檢測人眼。

    在這里,使用文獻[12]中提出的人眼檢測準確率標準,相對誤差err,其計算公式表示為:

    [err=max(dl,dr)dlr] (7)

    式中,設[Eyel,Eyer]分別為標記的左眼位置和右眼位置,[Eyel,Eyer]分別為本文方法得出的左眼位置和右眼位置,則[dl,dr,dlr]分別為[Eyel-Eyel,Eyer-Eyer,Eyel-Eyer]的距離。因為[dlr]大約是眼睛的2倍寬度,所以當[err<0.25]時,則認為檢測結果是準確的。

    為了滿足實際需求,取[err<0.10]作為檢測標準,人眼檢測方法對比如表1所示。

    表1是在ORL人臉數據庫中用傳統(tǒng)積分投影、傳統(tǒng)模板匹配和本文方法對其全部圖像做了一個人眼檢測方法對比。結果表明:當誤差[err<0.25]時,本文方法人眼檢測準確率為98.39%,略高于傳統(tǒng)積分投影和傳統(tǒng)模板匹配方法;當誤差[err<0.10]時,本文方法人眼檢測準確率為95.73%,高于傳統(tǒng)積分投影和傳統(tǒng)模板匹配方法。表明本文方法具有較高的人眼檢測準確率。

    本文方法泛化能力驗證如表2所示。

    表2是在AR沒有戴墨鏡的人臉數據庫中用本文方法對其自身的泛化能力做了一個驗證。由于本文方法在ORL人臉數據庫中對其進行訓練,ORL人臉數據庫中沒有戴墨鏡,所以并沒有對戴墨鏡的進行訓練。結果表明:當誤差[err<0.25]時,本文方法人眼檢測準確率為95.15%;當誤差[err<0.10]時,本文方法人眼檢測準確率為93.64%。表明本文方法具有較強的泛化能力。

    4 結 論

    本文提出一種基于深度卷積神經網絡的人眼檢測方法,對其網絡和損失進行優(yōu)化,把人眼檢測作為一種回歸問題來求解,簡化了整個過程,實現了端到端,即從輸入原始圖片直接到最后的人眼類別和位置的輸出。實驗結果驗證了本文方法的有效性、高準確率和較強的泛化能力。

    注:本文通訊作者為陳志軍。

    參考文獻

    [1] 國家統(tǒng)計局.中國統(tǒng)計年鑒[M].北京:中國統(tǒng)計出版社,2013.

    National Bureau of Statistics. China statistical yearbook [M]. Beijing: China Statistics Press, 2013.

    [2] PENG Yan, ZHOU Tian, WANG Shaopeng, et al. Design and implementation of a real?time eye tracking system [J]. The journal of China universities of posts and telecommunications, 2013, 20(S1): 1?5.

    [3] YOUNG D, TUNLEY H, SAMUELS R. Specialised hough transform and active contour methods for real?time eye tracking [J/OL]. [1995?07?01]. http://users.sussex.ac.uk/~davidy/eyetrack_csrp.pdf.

    [4] ZHOU Z H, GENG X. Projection functions for eye detection [J]. Pattern recognition, 2004, 37(5): 1049?1056.

    [5] SONG Fengyi, TAN Xiaoyang, LIU Xue, et al. Eyes closeness detection from still images with multi?scale histograms of principal oriented gradients [J]. Pattern recognition, 2014, 47(9): 2825?2838.

    [6] CHEN X, XIANG S, LIU C L, et al. Vehicle detection in satellite images by parallel deep convolutional neural networks [C]// Proceedings of 2nd IAPR Asian Conference on Pattern Recognition. Naha: IEEE, 2014: 181?185.

    [7] HARIHARAN B, ARBEL?EZ P, GIRSHICK R, et al. Simultaneous detection and segmentation [C]// Proceedings of European Conference on Computer Vision. Switzerland: Springer International Publishing, 2014: 297?312.

    [8] SERMANET P, EIGEN D, ZHANG X, et al. OverFeat: integrated recognition, localization and detection using convolutional networks [J/OL]. [2014?02?24]. https://arxiv.org/pdf/1312.6229v4.pdf.

    [9] KRIZHEVSKY A, SUTSKEVER I, HINTON G. ImageNet classification with deep convolutional neural networks [C]// Proceedings of 25th International Conference on Neural Information Processing Systems. Lake Tahoe: Curran Associates Inc., 2012: 1097?1105.

    [10] HE K, ZHANG X, REN S, et al. Spatial pyramid pooling in deep convolutional networks for visual recognition [J/OL]. [2015?04?23]. https://arxiv.org/abs/1406.4729.

    [11] WANG X, YANG M, ZHU S, et al. Regionlets for generic object detection [C]// Proceedings of IEEE International Conference on Computer Vision. Sydney: IEEE, 2014: 17?24.

    [12] JESORSKY O, KIRCHBERG K J, FRISCHHOLZ R W. Robust face detection using the Hausdorff distance [C]// Proceedings of 3rd International Conference on Audio?and Video?based Biometric Person Authentication. Halmstad: Springer, 2001: 90?95.

    猜你喜歡
    網絡優(yōu)化卷積神經網絡深度學習
    基于深度卷積神經網絡的物體識別算法
    淺談地鐵通信無線系統(tǒng)覆蓋
    MOOC與翻轉課堂融合的深度學習場域建構
    大數據技術在反恐怖主義中的應用展望
    信息辦公平臺網絡優(yōu)化設計
    深度學習算法應用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    無線傳感器網絡優(yōu)化的應用與研究
    科技視界(2016年18期)2016-11-03 22:35:48
    基于深度卷積網絡的人臉年齡分析算法與實現
    軟件工程(2016年8期)2016-10-25 15:47:34
    運用負載均衡技術來實現網絡優(yōu)化
    基于卷積神經網絡的樹葉識別的算法的研究
    久久精品久久久久久噜噜老黄 | 夜夜夜夜夜久久久久| 国产黄色视频一区二区在线观看 | 久久久久久大精品| 性插视频无遮挡在线免费观看| 97热精品久久久久久| 成年免费大片在线观看| 日本一本二区三区精品| 亚洲成av人片在线播放无| 波野结衣二区三区在线| 亚洲av.av天堂| 综合色av麻豆| 亚洲婷婷狠狠爱综合网| 国产v大片淫在线免费观看| 直男gayav资源| 天堂网av新在线| 欧美绝顶高潮抽搐喷水| h日本视频在线播放| 国产精品人妻久久久影院| 国产精品久久久久久精品电影| 国产av不卡久久| 国产伦精品一区二区三区视频9| 亚洲精品成人久久久久久| 国产欧美日韩精品亚洲av| 欧美日韩乱码在线| 少妇猛男粗大的猛烈进出视频 | 啦啦啦啦在线视频资源| 国产欧美日韩精品一区二区| 国产高清视频在线播放一区| 国产 一区精品| 深夜精品福利| 午夜亚洲福利在线播放| 三级毛片av免费| 亚洲人成网站在线播| 97超碰精品成人国产| 变态另类成人亚洲欧美熟女| av国产免费在线观看| 欧美性感艳星| 乱系列少妇在线播放| 精品久久久久久成人av| 国产精品99久久久久久久久| avwww免费| a级毛片a级免费在线| 久久午夜福利片| 精品欧美国产一区二区三| 观看免费一级毛片| 伦理电影大哥的女人| 精品人妻偷拍中文字幕| 久久久久久国产a免费观看| 嫩草影院入口| aaaaa片日本免费| 国产精品久久久久久久久免| 波野结衣二区三区在线| 欧美bdsm另类| 久久久精品欧美日韩精品| 狂野欧美白嫩少妇大欣赏| 国产乱人偷精品视频| 国产午夜精品论理片| 人人妻人人澡欧美一区二区| or卡值多少钱| 午夜激情欧美在线| 午夜日韩欧美国产| 欧美+亚洲+日韩+国产| 国产精品久久久久久精品电影| 十八禁网站免费在线| 日日干狠狠操夜夜爽| 久99久视频精品免费| 欧洲精品卡2卡3卡4卡5卡区| 变态另类成人亚洲欧美熟女| 男人舔女人下体高潮全视频| 成人漫画全彩无遮挡| 夜夜爽天天搞| 国产乱人偷精品视频| 搞女人的毛片| 国产精品福利在线免费观看| 国产精品久久久久久av不卡| 老司机午夜福利在线观看视频| 一级毛片aaaaaa免费看小| 一区二区三区高清视频在线| 十八禁网站免费在线| 六月丁香七月| 亚洲国产精品久久男人天堂| 一个人看的www免费观看视频| 亚洲乱码一区二区免费版| 国产精品人妻久久久影院| 久久午夜亚洲精品久久| 人妻少妇偷人精品九色| 国产欧美日韩精品亚洲av| 精品一区二区三区视频在线| 非洲黑人性xxxx精品又粗又长| 成人亚洲精品av一区二区| 大香蕉久久网| 美女大奶头视频| 淫秽高清视频在线观看| 别揉我奶头~嗯~啊~动态视频| 高清毛片免费看| 日本撒尿小便嘘嘘汇集6| 久久九九热精品免费| 亚洲精品影视一区二区三区av| 久久精品国产亚洲网站| 中文字幕av在线有码专区| 国产午夜福利久久久久久| 欧美精品国产亚洲| 亚洲国产色片| 久久精品国产鲁丝片午夜精品| 国产亚洲精品av在线| 一级a爱片免费观看的视频| 在线播放无遮挡| 国产精品一区二区三区四区免费观看 | 成人亚洲欧美一区二区av| 村上凉子中文字幕在线| 国产精品久久视频播放| 久久久久精品国产欧美久久久| 天天一区二区日本电影三级| 一区福利在线观看| 久久午夜福利片| 久久精品国产99精品国产亚洲性色| 久久久欧美国产精品| 国产熟女欧美一区二区| 日韩三级伦理在线观看| 男人和女人高潮做爰伦理| 久久草成人影院| 亚洲经典国产精华液单| 菩萨蛮人人尽说江南好唐韦庄 | 成人一区二区视频在线观看| 熟女电影av网| 久久精品国产自在天天线| 久久天躁狠狠躁夜夜2o2o| 成年女人毛片免费观看观看9| 在线国产一区二区在线| 一区福利在线观看| 中国美女看黄片| 欧美另类亚洲清纯唯美| 22中文网久久字幕| a级毛片免费高清观看在线播放| 最近在线观看免费完整版| 赤兔流量卡办理| 一区二区三区高清视频在线| 91久久精品国产一区二区三区| 久久草成人影院| 久久久久免费精品人妻一区二区| 国内少妇人妻偷人精品xxx网站| 男女做爰动态图高潮gif福利片| 日本欧美国产在线视频| 亚洲三级黄色毛片| 久久精品人妻少妇| 亚洲av第一区精品v没综合| 国产亚洲欧美98| 久久久欧美国产精品| 亚洲精品日韩av片在线观看| 精品午夜福利在线看| 免费不卡的大黄色大毛片视频在线观看 | 两性午夜刺激爽爽歪歪视频在线观看| 午夜影院日韩av| 五月玫瑰六月丁香| 99热全是精品| 看片在线看免费视频| 男女啪啪激烈高潮av片| 搡老妇女老女人老熟妇| 内地一区二区视频在线| 九九在线视频观看精品| 国产一区二区在线av高清观看| 久久久色成人| 亚洲在线观看片| 黄色配什么色好看| 美女免费视频网站| 精品久久久久久久末码| 国产又黄又爽又无遮挡在线| 国产午夜精品久久久久久一区二区三区 | 免费不卡的大黄色大毛片视频在线观看 | 日韩 亚洲 欧美在线| 亚洲人成网站高清观看| 欧美日韩综合久久久久久| 亚洲精品粉嫩美女一区| 国产视频内射| 人妻制服诱惑在线中文字幕| 国产一区二区激情短视频| 能在线免费观看的黄片| 亚洲无线观看免费| 亚洲av免费在线观看| 男人的好看免费观看在线视频| 老师上课跳d突然被开到最大视频| 国产探花极品一区二区| 精华霜和精华液先用哪个| 最近中文字幕高清免费大全6| 免费黄网站久久成人精品| 亚洲经典国产精华液单| 国产精品国产三级国产av玫瑰| 美女cb高潮喷水在线观看| 人妻丰满熟妇av一区二区三区| 寂寞人妻少妇视频99o| 深夜精品福利| 免费黄网站久久成人精品| 网址你懂的国产日韩在线| 久久婷婷人人爽人人干人人爱| av女优亚洲男人天堂| 午夜视频国产福利| 午夜影院日韩av| 一区二区三区免费毛片| 成人美女网站在线观看视频| 天天躁夜夜躁狠狠久久av| 天堂√8在线中文| 久久精品国产99精品国产亚洲性色| 天天一区二区日本电影三级| 97超视频在线观看视频| 乱系列少妇在线播放| 小蜜桃在线观看免费完整版高清| 国产精品av视频在线免费观看| 一区二区三区免费毛片| 欧美潮喷喷水| 久久精品夜夜夜夜夜久久蜜豆| 亚洲五月天丁香| 特大巨黑吊av在线直播| 午夜福利在线观看免费完整高清在 | 人妻夜夜爽99麻豆av| 国产三级在线视频| 99国产精品一区二区蜜桃av| 真人做人爱边吃奶动态| 亚洲精品一区av在线观看| 欧美日韩乱码在线| 日日摸夜夜添夜夜添小说| 日产精品乱码卡一卡2卡三| 亚洲无线在线观看| 乱码一卡2卡4卡精品| 亚洲中文字幕一区二区三区有码在线看| АⅤ资源中文在线天堂| 国产精品久久电影中文字幕| 两个人的视频大全免费| 男女边吃奶边做爰视频| 国内久久婷婷六月综合欲色啪| 国语自产精品视频在线第100页| 少妇的逼好多水| 内地一区二区视频在线| 一进一出抽搐gif免费好疼| 国产男人的电影天堂91| 国产av一区在线观看免费| 欧美三级亚洲精品| 嫩草影院精品99| 久久久久久久亚洲中文字幕| 亚洲自拍偷在线| 欧美一区二区国产精品久久精品| 久久草成人影院| 国产精品1区2区在线观看.| 亚洲综合色惰| 最新在线观看一区二区三区| 女同久久另类99精品国产91| 久久精品影院6| 亚洲av电影不卡..在线观看| 12—13女人毛片做爰片一| 99久久无色码亚洲精品果冻| 黄色欧美视频在线观看| av天堂在线播放| 日日干狠狠操夜夜爽| 精品一区二区三区av网在线观看| 亚洲精品一区av在线观看| 久久久精品94久久精品| 亚洲av不卡在线观看| 三级男女做爰猛烈吃奶摸视频| 又黄又爽又免费观看的视频| 有码 亚洲区| 日韩欧美国产在线观看| 日韩精品有码人妻一区| 欧美成人精品欧美一级黄| 久久鲁丝午夜福利片| 色综合站精品国产| 亚洲人成网站在线播| 又黄又爽又免费观看的视频| 国产男人的电影天堂91| 亚洲人成网站在线播| av中文乱码字幕在线| 欧美激情在线99| 久久人妻av系列| 五月伊人婷婷丁香| 在线免费十八禁| 中国美白少妇内射xxxbb| 十八禁网站免费在线| 在线看三级毛片| 国内精品一区二区在线观看| 免费大片18禁| 天堂网av新在线| 欧美不卡视频在线免费观看| 我要搜黄色片| 国产成人a区在线观看| 国产一级毛片七仙女欲春2| 少妇的逼好多水| 欧美中文日本在线观看视频| 国产精品综合久久久久久久免费| 少妇猛男粗大的猛烈进出视频 | 99久久精品一区二区三区| www.色视频.com| 国产人妻一区二区三区在| 国产亚洲精品综合一区在线观看| 无遮挡黄片免费观看| 在线免费十八禁| 欧美日韩国产亚洲二区| 亚洲av美国av| 极品教师在线视频| av在线蜜桃| а√天堂www在线а√下载| 老女人水多毛片| 搡老岳熟女国产| 国产真实乱freesex| 伊人久久精品亚洲午夜| a级毛片免费高清观看在线播放| 成熟少妇高潮喷水视频| 国产男靠女视频免费网站| 国模一区二区三区四区视频| 日日摸夜夜添夜夜添av毛片| АⅤ资源中文在线天堂| 色尼玛亚洲综合影院| 91久久精品电影网| 国产精品嫩草影院av在线观看| 国产伦一二天堂av在线观看| 亚洲激情五月婷婷啪啪| 亚洲人与动物交配视频| 在线a可以看的网站| 日本a在线网址| 观看免费一级毛片| 五月伊人婷婷丁香| 欧美中文日本在线观看视频| 成人av一区二区三区在线看| 1024手机看黄色片| 国产精品1区2区在线观看.| 国产精品爽爽va在线观看网站| 蜜桃久久精品国产亚洲av| 少妇人妻一区二区三区视频| 亚洲欧美中文字幕日韩二区| 一个人看的www免费观看视频| 欧美激情在线99| 一级毛片aaaaaa免费看小| 精品久久久久久久久亚洲| 免费看av在线观看网站| 日本黄大片高清| 最近视频中文字幕2019在线8| 一级毛片aaaaaa免费看小| 一a级毛片在线观看| 女人被狂操c到高潮| 国产极品精品免费视频能看的| 深爱激情五月婷婷| 国产午夜精品论理片| 免费不卡的大黄色大毛片视频在线观看 | 十八禁国产超污无遮挡网站| 男女下面进入的视频免费午夜| 国内精品宾馆在线| 成年版毛片免费区| 91久久精品国产一区二区成人| 成人综合一区亚洲| eeuss影院久久| 老司机午夜福利在线观看视频| 欧美日韩在线观看h| 麻豆乱淫一区二区| 日韩欧美精品v在线| 少妇熟女欧美另类| av在线观看视频网站免费| 非洲黑人性xxxx精品又粗又长| 91午夜精品亚洲一区二区三区| 欧美xxxx黑人xx丫x性爽| h日本视频在线播放| 少妇猛男粗大的猛烈进出视频 | 一个人看视频在线观看www免费| 精品乱码久久久久久99久播| 中文字幕人妻熟人妻熟丝袜美| 日韩欧美精品v在线| 禁无遮挡网站| 国产免费一级a男人的天堂| 欧美激情在线99| 少妇高潮的动态图| 我要看日韩黄色一级片| 老女人水多毛片| 久久久久久久久久黄片| 亚洲不卡免费看| avwww免费| 久久99热6这里只有精品| 亚洲中文字幕一区二区三区有码在线看| 日韩av在线大香蕉| 国语自产精品视频在线第100页| 男女视频在线观看网站免费| 九九在线视频观看精品| 男人和女人高潮做爰伦理| 日本黄大片高清| 欧美色视频一区免费| 色哟哟哟哟哟哟| 老司机影院成人| 三级国产精品欧美在线观看| 久99久视频精品免费| 日韩av不卡免费在线播放| 少妇人妻精品综合一区二区 | 99久久久亚洲精品蜜臀av| 99久国产av精品国产电影| 国产探花极品一区二区| 岛国在线免费视频观看| 国产激情偷乱视频一区二区| av在线天堂中文字幕| 亚洲美女搞黄在线观看 | 国产视频内射| 日本色播在线视频| 亚洲国产精品久久男人天堂| 亚洲av免费在线观看| 人妻丰满熟妇av一区二区三区| 一a级毛片在线观看| 高清毛片免费看| 亚洲精品日韩av片在线观看| 国产欧美日韩一区二区精品| av福利片在线观看| 亚洲七黄色美女视频| 成年版毛片免费区| 日日干狠狠操夜夜爽| 网址你懂的国产日韩在线| 国产精品日韩av在线免费观看| 乱码一卡2卡4卡精品| 亚洲18禁久久av| 国内久久婷婷六月综合欲色啪| 丰满人妻一区二区三区视频av| 一卡2卡三卡四卡精品乱码亚洲| 一a级毛片在线观看| 欧美3d第一页| 久久亚洲精品不卡| 精品久久久久久久久久免费视频| 精品久久国产蜜桃| 亚洲av成人精品一区久久| 国产探花极品一区二区| 俄罗斯特黄特色一大片| 成人美女网站在线观看视频| 国产黄a三级三级三级人| 亚洲国产精品国产精品| 天堂动漫精品| 久久久久久久亚洲中文字幕| 成人特级av手机在线观看| 亚洲精华国产精华液的使用体验 | 亚洲国产色片| 亚洲乱码一区二区免费版| 午夜精品国产一区二区电影 | 免费人成在线观看视频色| 国产精品日韩av在线免费观看| 亚洲av成人精品一区久久| 久久精品影院6| 日本一本二区三区精品| 午夜a级毛片| 观看免费一级毛片| 久久99热这里只有精品18| 好男人在线观看高清免费视频| 女同久久另类99精品国产91| 国产成人一区二区在线| 伊人久久精品亚洲午夜| 天堂√8在线中文| 麻豆精品久久久久久蜜桃| 亚洲国产高清在线一区二区三| 午夜免费激情av| 九九在线视频观看精品| 一区二区三区免费毛片| 国产高清视频在线播放一区| 国产精品嫩草影院av在线观看| 欧美+亚洲+日韩+国产| 久久综合国产亚洲精品| 亚洲专区国产一区二区| 欧美成人a在线观看| 亚洲欧美精品自产自拍| 国产亚洲精品久久久com| 大型黄色视频在线免费观看| 简卡轻食公司| 2021天堂中文幕一二区在线观| 在线看三级毛片| 精品人妻视频免费看| 欧美3d第一页| 婷婷精品国产亚洲av在线| 成人二区视频| 亚洲欧美日韩无卡精品| 在线播放国产精品三级| 国产精品久久久久久精品电影| 联通29元200g的流量卡| 国产av不卡久久| 欧美日韩国产亚洲二区| 久久综合国产亚洲精品| 在线a可以看的网站| 六月丁香七月| av在线蜜桃| 亚洲国产色片| 国产精品亚洲一级av第二区| 一级毛片我不卡| 亚洲人成网站在线观看播放| 一区二区三区四区激情视频 | 又黄又爽又免费观看的视频| а√天堂www在线а√下载| 久久久久久久亚洲中文字幕| 亚洲一级一片aⅴ在线观看| a级一级毛片免费在线观看| 有码 亚洲区| 国产欧美日韩精品一区二区| 成年女人永久免费观看视频| 一个人看视频在线观看www免费| 亚洲av第一区精品v没综合| 国产高清不卡午夜福利| 午夜福利视频1000在线观看| 国产老妇女一区| 国产真实乱freesex| 一区二区三区高清视频在线| 特大巨黑吊av在线直播| 久久精品国产自在天天线| 丝袜喷水一区| 亚洲自偷自拍三级| 国内精品久久久久精免费| 免费不卡的大黄色大毛片视频在线观看 | 欧美日韩精品成人综合77777| 真实男女啪啪啪动态图| 国产一区亚洲一区在线观看| 人人妻人人看人人澡| 中国国产av一级| 免费观看精品视频网站| 91在线精品国自产拍蜜月| 熟妇人妻久久中文字幕3abv| 男插女下体视频免费在线播放| 波野结衣二区三区在线| 少妇人妻精品综合一区二区 | 激情 狠狠 欧美| 国产乱人偷精品视频| 色在线成人网| 老司机影院成人| 亚洲av成人av| 联通29元200g的流量卡| 哪里可以看免费的av片| 欧美最黄视频在线播放免费| 日韩强制内射视频| h日本视频在线播放| 一级毛片我不卡| 22中文网久久字幕| 亚洲成a人片在线一区二区| ponron亚洲| 精品久久久久久成人av| www.色视频.com| 免费av观看视频| 欧美一区二区亚洲| 在线天堂最新版资源| 亚洲最大成人手机在线| 在线观看av片永久免费下载| 三级毛片av免费| 日本 av在线| 中文字幕人妻熟人妻熟丝袜美| 国产不卡一卡二| 国产在视频线在精品| 亚洲av中文av极速乱| 精品无人区乱码1区二区| 日本-黄色视频高清免费观看| 日本免费a在线| 人妻丰满熟妇av一区二区三区| 五月玫瑰六月丁香| 免费观看精品视频网站| 久久精品综合一区二区三区| 午夜视频国产福利| 俄罗斯特黄特色一大片| 成人高潮视频无遮挡免费网站| 国产高清有码在线观看视频| 午夜视频国产福利| 久久精品国产清高在天天线| 日本一本二区三区精品| 少妇丰满av| 97超级碰碰碰精品色视频在线观看| 人人妻,人人澡人人爽秒播| 日本一二三区视频观看| 男人舔女人下体高潮全视频| 亚洲欧美日韩高清专用| 精品人妻偷拍中文字幕| 亚洲av免费高清在线观看| 日韩精品青青久久久久久| 久久久久性生活片| 深夜精品福利| 啦啦啦韩国在线观看视频| 国产成人a∨麻豆精品| 在线观看66精品国产| 在线看三级毛片| 亚洲精品成人久久久久久| 国产精品野战在线观看| 亚洲性夜色夜夜综合| 国产亚洲精品久久久久久毛片| 欧美色视频一区免费| 成人国产麻豆网| 国产大屁股一区二区在线视频| 天美传媒精品一区二区| 波野结衣二区三区在线| 麻豆av噜噜一区二区三区| 日韩中字成人| 午夜日韩欧美国产| 嫩草影院新地址| 国产乱人视频| 性欧美人与动物交配| 国产男人的电影天堂91| 亚洲成av人片在线播放无| 国产亚洲av嫩草精品影院| 在线观看av片永久免费下载| 乱码一卡2卡4卡精品| 国产一区二区在线av高清观看| 一级黄色大片毛片| 国产片特级美女逼逼视频| 国产精品av视频在线免费观看| 国产成人a区在线观看| 色播亚洲综合网| 午夜福利在线观看免费完整高清在 | 一级毛片电影观看 | 欧美xxxx黑人xx丫x性爽| 精品熟女少妇av免费看| 校园春色视频在线观看| 久久久久久久久久黄片| 国产精品国产高清国产av| 男人的好看免费观看在线视频| 3wmmmm亚洲av在线观看| 久久久a久久爽久久v久久| 欧美激情在线99| 成人特级黄色片久久久久久久| 午夜精品国产一区二区电影 | 亚洲图色成人| 嫩草影院精品99| 白带黄色成豆腐渣| 成年免费大片在线观看| 看非洲黑人一级黄片| 日韩成人伦理影院| 麻豆国产av国片精品|