• <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
    中文精品一卡2卡3卡4更新| 人人妻人人爽人人添夜夜欢视频| 国产淫语在线视频| 91麻豆精品激情在线观看国产 | 国产亚洲一区二区精品| 欧美av亚洲av综合av国产av| 欧美黑人欧美精品刺激| 中国美女看黄片| 最新在线观看一区二区三区 | 欧美老熟妇乱子伦牲交| 免费高清在线观看视频在线观看| 久久国产精品人妻蜜桃| 老司机影院成人| 国产在线一区二区三区精| 人妻一区二区av| 男女边摸边吃奶| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲国产欧美网| 国产高清视频在线播放一区 | 如日韩欧美国产精品一区二区三区| 欧美少妇被猛烈插入视频| av国产久精品久网站免费入址| 在线亚洲精品国产二区图片欧美| 国产亚洲欧美在线一区二区| 十八禁人妻一区二区| 亚洲国产中文字幕在线视频| 一级黄色大片毛片| a级片在线免费高清观看视频| 一级片免费观看大全| 国产精品人妻久久久影院| 亚洲欧美一区二区三区久久| tube8黄色片| 一级毛片黄色毛片免费观看视频| 大码成人一级视频| 一区二区三区乱码不卡18| 日韩制服丝袜自拍偷拍| 香蕉丝袜av| 色婷婷av一区二区三区视频| 一区二区三区乱码不卡18| 亚洲少妇的诱惑av| 你懂的网址亚洲精品在线观看| 性少妇av在线| 亚洲欧美一区二区三区久久| 国产亚洲av片在线观看秒播厂| 90打野战视频偷拍视频| 最新在线观看一区二区三区 | 老汉色av国产亚洲站长工具| 国产极品粉嫩免费观看在线| 啦啦啦在线免费观看视频4| 亚洲精品中文字幕在线视频| 欧美日本中文国产一区发布| 免费在线观看黄色视频的| 亚洲色图综合在线观看| 久久人人97超碰香蕉20202| 啦啦啦 在线观看视频| 久9热在线精品视频| 色视频在线一区二区三区| 亚洲精品国产区一区二| 国产精品二区激情视频| 操出白浆在线播放| 精品国产国语对白av| 精品亚洲乱码少妇综合久久| 中文字幕人妻丝袜制服| 亚洲精品国产一区二区精华液| xxxhd国产人妻xxx| 国产精品一区二区免费欧美 | avwww免费| 国产精品香港三级国产av潘金莲 | 黑人欧美特级aaaaaa片| 一本久久精品| 建设人人有责人人尽责人人享有的| 亚洲国产精品国产精品| av视频免费观看在线观看| 成人免费观看视频高清| 亚洲精品自拍成人| 国产成人免费观看mmmm| 久久国产精品人妻蜜桃| 欧美国产精品va在线观看不卡| 晚上一个人看的免费电影| 久久国产精品男人的天堂亚洲| www.av在线官网国产| 亚洲色图 男人天堂 中文字幕| 国产视频首页在线观看| 一区二区三区乱码不卡18| 涩涩av久久男人的天堂| 永久免费av网站大全| 熟女少妇亚洲综合色aaa.| 一边摸一边抽搐一进一出视频| 日韩精品免费视频一区二区三区| 大香蕉久久成人网| 啦啦啦在线免费观看视频4| 日韩制服丝袜自拍偷拍| 久久99一区二区三区| 2018国产大陆天天弄谢| 777久久人妻少妇嫩草av网站| 赤兔流量卡办理| 亚洲精品久久久久久婷婷小说| 国产成人av激情在线播放| 中文字幕制服av| 国产精品.久久久| 午夜老司机福利片| 免费在线观看视频国产中文字幕亚洲 | 老汉色∧v一级毛片| 捣出白浆h1v1| 女人精品久久久久毛片| 曰老女人黄片| 亚洲成人国产一区在线观看 | 丁香六月天网| 亚洲欧美精品自产自拍| 午夜久久久在线观看| 亚洲专区国产一区二区| 久久av网站| 麻豆国产av国片精品| 国产成人免费无遮挡视频| 老熟女久久久| 满18在线观看网站| 精品第一国产精品| 久久精品国产a三级三级三级| 最近中文字幕2019免费版| 18禁裸乳无遮挡动漫免费视频| www日本在线高清视频| 国产主播在线观看一区二区 | www.自偷自拍.com| 人成视频在线观看免费观看| 久久综合国产亚洲精品| 国产亚洲av片在线观看秒播厂| 永久免费av网站大全| 国产人伦9x9x在线观看| 婷婷色av中文字幕| 黄频高清免费视频| 亚洲图色成人| 亚洲欧美精品自产自拍| 国产成人av激情在线播放| 欧美+亚洲+日韩+国产| 亚洲九九香蕉| 一级毛片电影观看| 三上悠亚av全集在线观看| 成在线人永久免费视频| www.精华液| 韩国高清视频一区二区三区| 90打野战视频偷拍视频| 久久久久精品国产欧美久久久 | 精品人妻1区二区| 最近最新中文字幕大全免费视频 | 国产亚洲欧美在线一区二区| 亚洲国产中文字幕在线视频| 久久久久久久国产电影| 母亲3免费完整高清在线观看| 久久国产精品人妻蜜桃| 精品亚洲成a人片在线观看| 久久精品国产亚洲av高清一级| 久久久久视频综合| 亚洲熟女毛片儿| 五月开心婷婷网| 中文字幕色久视频| 妹子高潮喷水视频| 男女之事视频高清在线观看 | 国产日韩欧美在线精品| 免费人妻精品一区二区三区视频| 丁香六月欧美| 80岁老熟妇乱子伦牲交| 国产麻豆69| 亚洲精品日本国产第一区| 国产一卡二卡三卡精品| 日韩大片免费观看网站| 亚洲精品第二区| 大香蕉久久网| 亚洲欧洲日产国产| 久久久久久久大尺度免费视频| 成人亚洲欧美一区二区av| 国产精品三级大全| 亚洲国产精品国产精品| 亚洲五月婷婷丁香| 无限看片的www在线观看| 国产一卡二卡三卡精品| 亚洲成国产人片在线观看| www日本在线高清视频| 人人妻人人爽人人添夜夜欢视频| 亚洲精品乱久久久久久| 欧美成人精品欧美一级黄| 亚洲九九香蕉| 精品少妇久久久久久888优播| 男女午夜视频在线观看| 欧美精品一区二区免费开放| 夜夜骑夜夜射夜夜干| 久久毛片免费看一区二区三区| 又大又黄又爽视频免费| 97人妻天天添夜夜摸| 日本黄色日本黄色录像| 国产成人啪精品午夜网站| 蜜桃国产av成人99| 老鸭窝网址在线观看| 亚洲色图综合在线观看| 久久毛片免费看一区二区三区| 黄色片一级片一级黄色片| 国产老妇伦熟女老妇高清| 中文字幕人妻丝袜一区二区| 又大又黄又爽视频免费| 美女福利国产在线| 999久久久国产精品视频| 亚洲国产看品久久| 不卡av一区二区三区| 侵犯人妻中文字幕一二三四区| 亚洲精品在线美女| 人人妻人人爽人人添夜夜欢视频| 国产日韩欧美在线精品| 飞空精品影院首页| h视频一区二区三区| 亚洲七黄色美女视频| 日韩大片免费观看网站| 一级毛片我不卡| 国产在线一区二区三区精| 一级毛片黄色毛片免费观看视频| 一级毛片 在线播放| 国产成+人综合+亚洲专区| 91成人精品电影| 国产伦人伦偷精品视频| 狂野欧美激情性xxxx| 老司机深夜福利视频在线观看| 国产成人系列免费观看| 黄频高清免费视频| 色av中文字幕| 亚洲精品一卡2卡三卡4卡5卡| 黄色女人牲交| 18美女黄网站色大片免费观看| 日本一本二区三区精品| 老汉色∧v一级毛片| 欧美激情极品国产一区二区三区| 两人在一起打扑克的视频| 中文资源天堂在线| 亚洲久久久国产精品| 免费看日本二区| 免费在线观看影片大全网站| 免费看十八禁软件| 国产精品亚洲美女久久久| 97人妻精品一区二区三区麻豆 | 天天一区二区日本电影三级| 精品电影一区二区在线| 国产一卡二卡三卡精品| 亚洲五月婷婷丁香| 级片在线观看| 久热爱精品视频在线9| 亚洲av美国av| 久久香蕉激情| 9191精品国产免费久久| 欧美av亚洲av综合av国产av| 久久久久久久精品吃奶| 国产片内射在线| 999精品在线视频| 琪琪午夜伦伦电影理论片6080| 亚洲人成伊人成综合网2020| 欧美性长视频在线观看| 国产又色又爽无遮挡免费看| 亚洲黑人精品在线| 国内久久婷婷六月综合欲色啪| 精品一区二区三区视频在线观看免费| 啦啦啦 在线观看视频| 成人国语在线视频| 亚洲午夜精品一区,二区,三区| 国产欧美日韩一区二区三| 午夜免费激情av| 丰满人妻熟妇乱又伦精品不卡| 黄片大片在线免费观看| 欧美中文综合在线视频| 又紧又爽又黄一区二区| 婷婷精品国产亚洲av在线| 亚洲精品美女久久av网站| 色综合亚洲欧美另类图片| 国产av不卡久久| 大型av网站在线播放| 亚洲欧美激情综合另类| 国产欧美日韩精品亚洲av| 99久久无色码亚洲精品果冻| 99国产综合亚洲精品| 非洲黑人性xxxx精品又粗又长| 免费观看精品视频网站| 少妇粗大呻吟视频| 亚洲中文av在线| 无人区码免费观看不卡| 国产熟女xx| 国产高清激情床上av| 18禁裸乳无遮挡免费网站照片 | 亚洲av成人一区二区三| 国产精品久久久av美女十八| 国产精品久久视频播放| 啦啦啦韩国在线观看视频| 18禁观看日本| 精品国产乱码久久久久久男人| 亚洲国产精品久久男人天堂| 身体一侧抽搐| 精品国产乱码久久久久久男人| 欧美中文综合在线视频| 国产真人三级小视频在线观看| 可以在线观看的亚洲视频| 亚洲人成网站在线播放欧美日韩| 1024视频免费在线观看| www日本在线高清视频| 天天添夜夜摸| 中文字幕av电影在线播放| 1024香蕉在线观看| 亚洲第一电影网av| avwww免费| 国产精品亚洲av一区麻豆| 老熟妇仑乱视频hdxx| 亚洲国产精品成人综合色| 韩国av一区二区三区四区| 国产av不卡久久| 精品第一国产精品| 日韩欧美三级三区| 91大片在线观看| 男人舔女人下体高潮全视频| 欧美另类亚洲清纯唯美| 午夜a级毛片| 免费看日本二区| 精品人妻1区二区| 操出白浆在线播放| 麻豆久久精品国产亚洲av| 久久精品成人免费网站| 亚洲五月色婷婷综合| 国产成人精品久久二区二区91| 好看av亚洲va欧美ⅴa在| 色综合站精品国产| 久久国产亚洲av麻豆专区| 国产av不卡久久| 久久久久久久久免费视频了| 亚洲激情在线av| 日本三级黄在线观看| 中文字幕人成人乱码亚洲影| 91麻豆av在线| 91成人精品电影| 亚洲五月天丁香| 久久香蕉激情| 亚洲色图 男人天堂 中文字幕| 日韩大尺度精品在线看网址| 2021天堂中文幕一二区在线观 | 久久伊人香网站| 18禁观看日本| 亚洲狠狠婷婷综合久久图片| 国内精品久久久久久久电影| 欧美成人性av电影在线观看| 18禁黄网站禁片午夜丰满| 韩国av一区二区三区四区| 国产高清激情床上av| 一本一本综合久久| 国产成人精品久久二区二区免费| 一a级毛片在线观看| 制服诱惑二区| 亚洲一区二区三区不卡视频| 亚洲激情在线av| 97超级碰碰碰精品色视频在线观看| 久久国产精品影院| 美女高潮到喷水免费观看| 国产成人啪精品午夜网站| ponron亚洲| 老鸭窝网址在线观看| 亚洲国产欧美网| 国产一卡二卡三卡精品| 国产单亲对白刺激| 动漫黄色视频在线观看| 一本久久中文字幕| 身体一侧抽搐| 国产麻豆成人av免费视频| 久久久久久人人人人人| 国产麻豆成人av免费视频| 亚洲 国产 在线| 美女 人体艺术 gogo| 日本免费一区二区三区高清不卡| 亚洲人成伊人成综合网2020| 最好的美女福利视频网| 亚洲第一欧美日韩一区二区三区| 一区福利在线观看| 丰满人妻熟妇乱又伦精品不卡| 男女做爰动态图高潮gif福利片| 国产成人啪精品午夜网站| 久久精品aⅴ一区二区三区四区| 欧美中文综合在线视频| 1024香蕉在线观看| 日韩大尺度精品在线看网址| 亚洲av日韩精品久久久久久密| 男男h啪啪无遮挡| 亚洲精品美女久久av网站| 久久青草综合色| 国产欧美日韩精品亚洲av| 久久午夜综合久久蜜桃| 97人妻精品一区二区三区麻豆 | 美女午夜性视频免费| 满18在线观看网站| 最新美女视频免费是黄的| 此物有八面人人有两片| 这个男人来自地球电影免费观看| 在线观看舔阴道视频| 男女床上黄色一级片免费看| 欧美一级毛片孕妇| 男人舔女人的私密视频| 18禁裸乳无遮挡免费网站照片 | 亚洲第一av免费看| 亚洲人成电影免费在线| 欧美日韩精品网址| 成在线人永久免费视频| 淫妇啪啪啪对白视频| 久久狼人影院| 99久久国产精品久久久| 午夜两性在线视频| 欧美zozozo另类| 色播在线永久视频| 亚洲av电影在线进入| 香蕉久久夜色| 亚洲黑人精品在线| 日本黄色视频三级网站网址| 久久久国产成人免费| 国产爱豆传媒在线观看 | 热re99久久国产66热| 国产精品精品国产色婷婷| 美国免费a级毛片| а√天堂www在线а√下载| 日韩精品中文字幕看吧| 免费看十八禁软件| 国产高清视频在线播放一区| 桃色一区二区三区在线观看| 国内揄拍国产精品人妻在线 | 丁香欧美五月| 国产精品永久免费网站| 国产欧美日韩精品亚洲av| 看片在线看免费视频| 极品教师在线免费播放| 亚洲色图av天堂| 国产一区在线观看成人免费| 国产成人啪精品午夜网站| 18禁国产床啪视频网站| 可以在线观看毛片的网站| 嫩草影院精品99| 久久精品亚洲精品国产色婷小说| 亚洲国产欧美一区二区综合| 在线观看www视频免费| 国产真实乱freesex| 国产精品综合久久久久久久免费| 日本一区二区免费在线视频| 久久人人精品亚洲av| 色综合欧美亚洲国产小说| 他把我摸到了高潮在线观看| 亚洲精品av麻豆狂野| 国产精品自产拍在线观看55亚洲| 成年版毛片免费区| 大香蕉久久成人网| 神马国产精品三级电影在线观看 | 香蕉久久夜色| 最近最新免费中文字幕在线| 12—13女人毛片做爰片一| 免费在线观看成人毛片| 中文字幕人成人乱码亚洲影| 黑人欧美特级aaaaaa片| 免费高清在线观看日韩| 白带黄色成豆腐渣| 欧美性猛交╳xxx乱大交人| 99国产精品一区二区三区| 最近最新免费中文字幕在线| 国产高清视频在线播放一区| www国产在线视频色| 少妇被粗大的猛进出69影院| 窝窝影院91人妻| 香蕉丝袜av| 亚洲精品一卡2卡三卡4卡5卡| 香蕉国产在线看| 97碰自拍视频| 精品久久久久久成人av| 天堂动漫精品| 美国免费a级毛片| 欧美黑人巨大hd| 亚洲精品中文字幕在线视频| 久久久久久亚洲精品国产蜜桃av| 他把我摸到了高潮在线观看| 亚洲av中文字字幕乱码综合 | 亚洲人成网站在线播放欧美日韩| 黄色片一级片一级黄色片| 美女免费视频网站| 精品久久久久久久久久免费视频| 嫩草影院精品99| 国产乱人伦免费视频| 久久九九热精品免费| 大型黄色视频在线免费观看| 色av中文字幕| 老汉色av国产亚洲站长工具| 国产免费男女视频| 日韩高清综合在线| 日本免费一区二区三区高清不卡| 成人三级做爰电影| 日本精品一区二区三区蜜桃| 国产人伦9x9x在线观看| 少妇被粗大的猛进出69影院| 首页视频小说图片口味搜索| 高清在线国产一区| 黄色女人牲交| 男女那种视频在线观看| 99精品欧美一区二区三区四区| 啦啦啦观看免费观看视频高清| 国产精品日韩av在线免费观看| 黄色毛片三级朝国网站| 久久久久久久午夜电影| 日日爽夜夜爽网站| 国产精品日韩av在线免费观看| 成人精品一区二区免费| 露出奶头的视频| 久久精品国产综合久久久| 亚洲九九香蕉| 成年版毛片免费区| 久久性视频一级片| 麻豆久久精品国产亚洲av| 99久久国产精品久久久| 2021天堂中文幕一二区在线观 | 国产精品亚洲一级av第二区| 免费看十八禁软件| 久热爱精品视频在线9| 视频在线观看一区二区三区| 国产乱人伦免费视频| 亚洲aⅴ乱码一区二区在线播放 | 精品少妇一区二区三区视频日本电影| 国产成人精品久久二区二区91| 亚洲最大成人中文| 51午夜福利影视在线观看| 国产成+人综合+亚洲专区| 国产伦人伦偷精品视频| 亚洲一区二区三区不卡视频| 91av网站免费观看| 免费在线观看视频国产中文字幕亚洲| 国产亚洲精品久久久久5区| 欧美绝顶高潮抽搐喷水| 日本a在线网址| 色老头精品视频在线观看| 99久久无色码亚洲精品果冻| 久热爱精品视频在线9| 色精品久久人妻99蜜桃| 女同久久另类99精品国产91| 免费看十八禁软件| 亚洲国产高清在线一区二区三 | 99精品在免费线老司机午夜| 国产精品二区激情视频| 欧美日本视频| 在线观看免费日韩欧美大片| 欧美av亚洲av综合av国产av| 人妻丰满熟妇av一区二区三区| 51午夜福利影视在线观看| 999精品在线视频| 婷婷丁香在线五月| 长腿黑丝高跟| 亚洲av五月六月丁香网| 午夜老司机福利片| 欧美午夜高清在线| 91九色精品人成在线观看| 久久精品成人免费网站| 午夜影院日韩av| 久久久久久久久免费视频了| 51午夜福利影视在线观看| 亚洲国产欧美日韩在线播放| 亚洲avbb在线观看| a级毛片a级免费在线| 国产精品亚洲一级av第二区| 亚洲一区高清亚洲精品| 亚洲av成人av| 亚洲av五月六月丁香网| 精品一区二区三区四区五区乱码| 色综合亚洲欧美另类图片| 国产熟女xx| 午夜精品在线福利| 18禁黄网站禁片免费观看直播| 黄色a级毛片大全视频| 最近最新中文字幕大全免费视频| 999久久久国产精品视频| www.熟女人妻精品国产| 久久中文字幕一级| 黄色 视频免费看| 成人国语在线视频| 欧美黑人精品巨大| 日本在线视频免费播放| 国产成人欧美| 琪琪午夜伦伦电影理论片6080| 国产1区2区3区精品| 成人亚洲精品一区在线观看| 91在线观看av| 精品国产乱码久久久久久男人| 女性被躁到高潮视频| 久久久久国内视频| 老熟妇仑乱视频hdxx| 亚洲一区高清亚洲精品| 久久婷婷人人爽人人干人人爱| 日本一本二区三区精品| 成人亚洲精品一区在线观看| 欧美绝顶高潮抽搐喷水| 18禁裸乳无遮挡免费网站照片 | 国产欧美日韩一区二区三| 啦啦啦韩国在线观看视频| 日韩欧美免费精品| 又紧又爽又黄一区二区| 精品熟女少妇八av免费久了| 亚洲精品一区av在线观看| 99热这里只有精品一区 | 黑人欧美特级aaaaaa片| 成人免费观看视频高清| 久久久久国产精品人妻aⅴ院| 午夜免费激情av| 嫩草影视91久久| 成人亚洲精品av一区二区| 久久精品国产清高在天天线| 日日摸夜夜添夜夜添小说| 男女之事视频高清在线观看| 黄网站色视频无遮挡免费观看| 可以在线观看的亚洲视频| 国内揄拍国产精品人妻在线 | 亚洲精品粉嫩美女一区| 精品不卡国产一区二区三区| 99久久综合精品五月天人人| 午夜福利免费观看在线| 国产99白浆流出| 色尼玛亚洲综合影院| 国产黄色小视频在线观看| 男人舔女人的私密视频|