• <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)和池化算法的表情識(shí)別研究

    2019-01-21 00:56:38邱曉暉
    關(guān)鍵詞:池化特征值卷積

    陳 航,邱曉暉

    (南京郵電大學(xué) 通信與信息工程學(xué)院,江蘇 南京 210003)

    0 引 言

    面部表情是人類用來表達(dá)個(gè)人情緒和心理的主要方式之一,在人際間的相互交往中發(fā)揮著重要的作用,而且往往比語言、動(dòng)作更加生動(dòng)真實(shí),在虛擬現(xiàn)實(shí)、醫(yī)學(xué)、心理學(xué)等領(lǐng)域有著廣闊的應(yīng)用前景。在表情識(shí)別中特征提取是影響表情識(shí)別的重要步驟,傳統(tǒng)的表情識(shí)別方法有主元分析法(PCA)[1]、Gabor小波法[2]和局部二值模式(LBP)[3-4]等,這些方法都是通過某種人工精心設(shè)計(jì)的算法提取具有特定分類信息的特征,但是這種方法并不能完全提取圖像中的所有信息,或者這些提取的特征都有特定的使用領(lǐng)域,往往不能適應(yīng)復(fù)雜的現(xiàn)實(shí)環(huán)境。在2006年G E Hinton[5]提出深度學(xué)習(xí)的概念以后,這個(gè)方向就成為了克服傳統(tǒng)方法的突破點(diǎn),并且在計(jì)算機(jī)視覺和模式識(shí)別等領(lǐng)域已經(jīng)取得了顯著的成就,其中卷積神經(jīng)網(wǎng)絡(luò)[6-7]由于其局部響應(yīng)、權(quán)值共享等優(yōu)點(diǎn),在表情識(shí)別方面獲得了大量的應(yīng)用。它不同于傳統(tǒng)的依靠人工設(shè)計(jì)的特征提取方式,而是構(gòu)建多層的深度神經(jīng)網(wǎng)絡(luò),讓機(jī)器自主地從樣本數(shù)據(jù)中提取信息,并通過每層的網(wǎng)絡(luò)參數(shù)逐層抽象、提取特征信息,從而獲得更具有推廣性和表征能力的特征。

    從2012年,Krizhevsky等[8]首次將CNN應(yīng)用于ILSVRC中,并在ILSVRC-2012挑戰(zhàn)賽中他們所訓(xùn)練的深度卷積網(wǎng)絡(luò)在圖像分類和目標(biāo)定位任務(wù)中都取得第一名,并打破了圖像分類的世界記錄。憑借在圖像分類中的突出表現(xiàn),越來越多的研究人員把CNN運(yùn)用到更為細(xì)致的分類中,例如人臉識(shí)別[9-10]、表情識(shí)別[11-12]等等,并取得了一定的成果。

    除輸入和輸出層以外,卷積神經(jīng)網(wǎng)絡(luò)主要由卷積層、池化層、全連接層構(gòu)成,其中池化層的作用是對(duì)卷積層的輸出特征進(jìn)行聚合統(tǒng)計(jì),目的就是提高特征的表征能力、減少特征維度。此外,池化層通過池化算法還可以有效避免網(wǎng)絡(luò)在訓(xùn)練過程中因參數(shù)過多、模型過于復(fù)雜產(chǎn)生的過擬合現(xiàn)象。但是傳統(tǒng)的池化算法并不能適用于所有情況,最大值池化算法未能考慮池化域中特征值之間的關(guān)系,而均值池化算法在特征信息較為集中的情況下會(huì)減弱特征信息,隨機(jī)池化算法雖然考慮了特征值之間的關(guān)系但是傳給下一層神經(jīng)網(wǎng)絡(luò)時(shí),并未包含所有的特征信息。文中在現(xiàn)有池化算法的基礎(chǔ)上,結(jié)合人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)提出一種自適應(yīng)池化算法,并應(yīng)用于表情識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)中,以提高表情識(shí)別的準(zhǔn)確率。

    1 卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)是一種結(jié)構(gòu)上由輸入層、隱層、輸出層構(gòu)成的深度神經(jīng)網(wǎng)絡(luò),如圖1所示,其隱層主要由卷積層、池化層、全連接層組成,卷積層主要通過卷積操作實(shí)現(xiàn)局部特征響應(yīng),然后使用相同的卷積核掃描整幅圖像,提取整幅圖像的特征,實(shí)現(xiàn)權(quán)值共享。一般每個(gè)卷積層都會(huì)對(duì)應(yīng)多個(gè)不同的卷積核,每個(gè)卷積核提取出的圖像特征稱之為特征圖譜,具體計(jì)算如下:

    (1)

    圖1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    在卷積神經(jīng)網(wǎng)絡(luò)中卷積層的輸出是圖像的特征,有時(shí)在卷積層之后會(huì)緊跟著池化層,而池化層的主要作用就是對(duì)特征進(jìn)行聚合統(tǒng)計(jì),目的就是提高特征的表征能力、減少特征維度,而參數(shù)過多、模型過于復(fù)雜也是產(chǎn)生過擬合現(xiàn)象的重要原因之一,因此池化算法還可以有效避免訓(xùn)練過程中的過擬合現(xiàn)象。例如,在獲得上一層卷積層的輸出之后特征維度為n*n*m(m為特征圖譜的數(shù)量,n為特征圖譜的大小),可以采用2*2的池化窗口進(jìn)行池化操作,每個(gè)2*2的窗口區(qū)域得到一個(gè)池化后的特征值,然后對(duì)每個(gè)特征圖譜都進(jìn)行池化操作,最后得到的池化層的輸出維度為(n/2)*(n/2)*m,和池化之前相比特征維度只有原來的1/4。一般常用的池化算法有隨機(jī)池化、最大值池化、平均池化等。

    隱層的最后部分一般為全連接層,相當(dāng)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中多層感知機(jī)中的隱層,即前一層的每個(gè)神經(jīng)元都與后一層的每個(gè)神經(jīng)元相連。具體公式為:

    (2)

    其中,hW,b(x)表示全連接層的輸出;xi表示上一層神經(jīng)元的輸出即全連接層的輸入;Wi表示神經(jīng)元之間連接的權(quán)值;b表示偏置量,θ()表示激活函數(shù)。

    2 基于卷積神經(jīng)網(wǎng)絡(luò)的常用池化算法

    在卷積神經(jīng)網(wǎng)絡(luò)中最常用的池化算法有最大值池化、平均池化和隨機(jī)池化等。很容易理解,最大值池化算法就是對(duì)池化域中的特征值取最大值即可,而平均池化算法就是對(duì)池化域中的特征值取均值。最大值池化和平均池化的表達(dá)式分別為:

    (3)

    (4)

    其中,c為池化域的大小和步長,池化操作后的特征圖為矩陣S。

    2013年,Zeiler提出隨機(jī)池化操作,并得到廣泛的應(yīng)用。和最大值池化、平均池化不一樣的是,同樣地輸入特征圖譜通過隨機(jī)池化操作后得到的特征輸出并不一定是完全一樣的,減少了訓(xùn)練過程中可能出現(xiàn)的過擬合現(xiàn)象。在隨機(jī)池化操作中池化所輸出的值是根據(jù)池化區(qū)域特征值的概率分布來選取的,特征值大被選中的概率也大,但并不能確定一定會(huì)選取最大值。在訓(xùn)練過程中的操作步驟為:設(shè)給定某個(gè)池化域的輸入特征值為x,首先計(jì)算每個(gè)特征被選中的概率值P,按照每個(gè)特征的概率值分布在0-1中,然后取0-1的隨機(jī)數(shù)r,則r處于哪個(gè)特征值的概率區(qū)間內(nèi)則選取此特征為池化后的值S如圖2所示。

    圖2 隨機(jī)池化過程

    而在使用網(wǎng)絡(luò)模型對(duì)表情進(jìn)行分類預(yù)測時(shí),則采用概率加權(quán)的方式,即把池化域的特征值和特征值對(duì)應(yīng)的概率值加權(quán)作為池化后的特征值。

    3 改進(jìn)的自適應(yīng)池化算法

    3.1 常用池化算法的缺陷

    池化算法可以看作卷積運(yùn)算,不同池化算法的區(qū)別僅是選取的卷積核不同,即:

    (5)

    假設(shè)有兩種不同情況的池化域,如圖3所示。圖3(a)中v陰影部分表示不同的特征值,其余特征值為0,可以很明顯地看出圖3(a)中的特征信息集中在v處,所以如果此情況使用平均池化算法則會(huì)明顯地減弱特征信息。同理,在圖3(b)中v1,v2,v3分別代表不同的特征值,如果此情況采用最大值池化算法直接選取最大值v3,而不顧v1,v2特征所包含的信息,也不管v1,v2,v3之間是否有關(guān)聯(lián),則明顯會(huì)丟失很多重要的特征信息。所以使用經(jīng)典的最大值池化算法和平均池化算法對(duì)池化域中特征的聚合表示,會(huì)對(duì)全局的特征表示有一定的弱化。

    (a) (b)

    而采用隨機(jī)池化算法,可以避免圖3(a)的情況,而且也考慮了圖3(b)中v1,v2,v3之間的關(guān)系,通過計(jì)算概率的方式選取最終的特征值,但是最終的特征值并沒有包含v1,v2,v3中所有的特征信息,而在池化層中通過池化得到的特征值還是需要傳給下一層神經(jīng)網(wǎng)絡(luò)繼續(xù)進(jìn)行運(yùn)算,所以隨機(jī)池化算法在傳給下一層的過程中還是會(huì)丟失一部分重要的信息,并沒有完全解決圖3(b)中出現(xiàn)的問題。

    3.2 改進(jìn)的自適應(yīng)池化算法原理

    通過以上分析可以知道,傳統(tǒng)池化算法中的卷積核參數(shù)不僅在卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中取值固定,而且也不能根據(jù)具體樣本及訓(xùn)練過程變化情況選取合適參數(shù),存在特征信息提取模糊,甚至丟失等缺陷。

    人工神經(jīng)網(wǎng)絡(luò)的最大特點(diǎn)就是能夠模仿人腦自主學(xué)習(xí)的功能,人腦學(xué)習(xí)的過程是通過人的閱讀、聽等吸收外界信息的過程,而人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程靠的是在樣本集上的訓(xùn)練過程,即尋找復(fù)雜函數(shù)關(guān)系式的過程。當(dāng)神經(jīng)網(wǎng)絡(luò)所定義的函數(shù)式滿足訓(xùn)練樣本集時(shí),則此網(wǎng)絡(luò)模型訓(xùn)練完成,相反如果不滿足訓(xùn)練樣本集,則重新調(diào)整網(wǎng)絡(luò)模型的參數(shù),直到所定義的函數(shù)關(guān)系式能夠滿足訓(xùn)練樣本集。

    因此針對(duì)傳統(tǒng)池化算法的缺陷,利用人工神經(jīng)網(wǎng)絡(luò)能夠基于大量訓(xùn)練集、通過監(jiān)督訓(xùn)練不斷修正參數(shù)的特點(diǎn),得到適用于不同場景的、自適應(yīng)動(dòng)態(tài)修正的卷積核參數(shù)。

    3.3 自適應(yīng)池化算法實(shí)現(xiàn)步驟

    提出一種自適應(yīng)改進(jìn)池化算法。首先初始化池化參數(shù),也就是卷積核的參數(shù)p,訓(xùn)練過程中通過卷積操作得到池化值,然后在訓(xùn)練迭代過程中使用梯度下降法更新參數(shù)p,通過不斷的迭代學(xué)習(xí)不斷的優(yōu)化參數(shù),最終實(shí)現(xiàn)自適應(yīng)池化操作。

    文中的自適應(yīng)池化算法主要分為三個(gè)階段。

    (1)輸入人臉圖像灰度矩陣,通過卷積神經(jīng)網(wǎng)絡(luò)的映射關(guān)系輸出對(duì)人臉表情類別的預(yù)測值。

    (2)根據(jù)預(yù)測值和真實(shí)的結(jié)果值,通過損失函數(shù)計(jì)算出二者差值。一般在卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中常用的損失函數(shù)有SVMLoss和SoftmaxLoss,文中采用后者,具體表達(dá)式為:

    (6)

    其中,y為最終的預(yù)測值;θ為神經(jīng)元之間的權(quán)值;1{}為示性函數(shù),當(dāng){}內(nèi)的表達(dá)式為真則取1,否則取0,表達(dá)式第二項(xiàng)為權(quán)重衰減項(xiàng)。

    在每次訓(xùn)練迭代的過程中,根據(jù)Loss值調(diào)整網(wǎng)絡(luò)模型參數(shù)達(dá)到損失函數(shù)的最小值,也就是神經(jīng)網(wǎng)絡(luò)的預(yù)測值能夠最接近實(shí)際的結(jié)果。

    (3)根據(jù)損失函數(shù)通過梯度下降法更新池化參數(shù)p,目的是找到最優(yōu)的池化參數(shù),即損失函數(shù)的極小值。具體公式為:

    pn+1=pn-γn·f(pn)

    (7)

    其中,γ為步長或?qū)W習(xí)率;f()為損失函數(shù)。

    這樣通過不斷的迭代更新逐步收斂到損失函數(shù)的極值,也就得到了池化算法的參數(shù)值。

    4 池化算法性能的仿真分析

    4.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

    根據(jù)表情識(shí)別的具體情況設(shè)計(jì)了一種卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),其中整個(gè)網(wǎng)絡(luò)模型由輸入層、隱層、輸出層組成,其中隱層包括4層卷積層、2層池化層、1層全連接層共7層。首先數(shù)據(jù)層的輸入數(shù)據(jù)為96*96的人臉灰度矩陣,前2層卷積層(C1和C2)都是使用步長為1,大小為5*5的卷積核,后兩層卷積層(C3和C4)的卷積核步長為1,大小為3*3,兩層池化層(S1和S2)的池化窗口大小為2*2,步長也為2。從第一層卷積層開始每層神經(jīng)網(wǎng)絡(luò)輸出的特征圖譜數(shù)量分別為32、64、64、128、128、128,然后還包括擁有300個(gè)神經(jīng)元的全連接層。最后的輸出層為Softmax層,包含7個(gè)神經(jīng)元,分別對(duì)應(yīng)7種表情。

    4.2 基于CK+人臉表情數(shù)據(jù)集的仿真數(shù)據(jù)選取

    在CK+[13]人臉表情數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。首先在CK+數(shù)據(jù)集中每個(gè)樣本的不同表情有一個(gè)漸變過程,為了保證數(shù)據(jù)的有效性,對(duì)每個(gè)樣本的不同表情最多只選取表情達(dá)到峰值的三張圖像。最終在整個(gè)CK+數(shù)據(jù)集中一共選取了981張表情圖像,其中高興(354張)、驚訝(249張)、憤怒(135張)、厭惡(177張)、悲傷(84張)、蔑視(54張)、恐懼(75張)。然后對(duì)選取后的數(shù)據(jù)集按照1∶5的比例,將數(shù)據(jù)分為訓(xùn)練集和測試集,其中為了加強(qiáng)實(shí)驗(yàn)數(shù)據(jù)的有效性,在區(qū)分訓(xùn)練集和測試集時(shí),必須確保同一個(gè)樣本的表情不會(huì)同時(shí)出現(xiàn)在訓(xùn)練集和測試集中。

    4.3 不同池化算法的對(duì)比仿真結(jié)果

    為了驗(yàn)證提出的動(dòng)態(tài)自適應(yīng)池化算法的有效性,在相同卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中采用不同的池化算法,在訓(xùn)練集和數(shù)據(jù)集上分別進(jìn)行實(shí)驗(yàn)并比較,其結(jié)果如表1所示。

    表1 不同池化策略和表情識(shí)別率

    表1中自適應(yīng)池化算法的初始化參數(shù)為1/c2(c為池化域的大小),可以知道在訓(xùn)練開始時(shí),自適應(yīng)池化算法本質(zhì)上就是平均池化算法,原本平均池化算法在三種經(jīng)典的池化策略中準(zhǔn)確率最低只有82.6%,但是自適應(yīng)池化算法經(jīng)過不停的參數(shù)優(yōu)化,最終卷積神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果不僅要高于原本的平均池化策略,而且還略高于隨機(jī)池化策略(83.17%),僅次于最大值池化策略(86.53%)。經(jīng)過訓(xùn)練后不同池化域的參數(shù)如圖4所示。

    圖4 訓(xùn)練后不同池化域的參數(shù)

    由圖4可知,經(jīng)過訓(xùn)練后的池化域參數(shù)并不是固定的1/c2,而是根據(jù)訓(xùn)練過程中的損失函數(shù),不斷優(yōu)化得到,不同的池化區(qū)域參數(shù)都不相同??梢钥闯?,文中提出的動(dòng)態(tài)自適應(yīng)池化對(duì)于卷積神經(jīng)網(wǎng)絡(luò)在表情識(shí)別中是切實(shí)有效的,并且當(dāng)初始化條件等價(jià)于平均池化時(shí),可以明顯看出自適應(yīng)池化算法的優(yōu)越性。

    當(dāng)使用自適應(yīng)池化算法時(shí),在池化域大小為2*2的情況下,分別使用不同的初始化參數(shù)進(jìn)行多次實(shí)驗(yàn),其結(jié)果如表2所示。

    表2 不同初始池化參數(shù)和表情識(shí)別率

    在表2中可以明顯看出,當(dāng)初始化池化參數(shù)取1時(shí),表情識(shí)別的最終識(shí)別率達(dá)到最高值為94.23%,遠(yuǎn)遠(yuǎn)超出表1中使用最大值池化操作的86.53%。結(jié)合表1和表2可以知道,提出的基于動(dòng)態(tài)自適應(yīng)池化的卷積神經(jīng)網(wǎng)絡(luò)在表情識(shí)別中,相對(duì)于使用傳統(tǒng)的池化算法具有更好的表情識(shí)別率。

    5 結(jié)束語

    在卷積神經(jīng)網(wǎng)絡(luò)中池化操作的主要作用有兩個(gè):降低特征維度;聚合上層特征,避免過擬合現(xiàn)象。而傳統(tǒng)池化方法中最大值池化和隨機(jī)池化在聚合上層特征過程中存在丟失信息嚴(yán)重的情況,平均池化操作則會(huì)弱化特征信息,缺乏靈活性。針對(duì)傳統(tǒng)池化策略存在的缺點(diǎn),提出一種自適應(yīng)池化算法,不僅能夠完全考慮到池化域中所有的特征信息,并且能夠根據(jù)損失函數(shù)不斷優(yōu)化池化參數(shù)?;谧赃m應(yīng)池化算法構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)并用于表情識(shí)別,在CK+數(shù)據(jù)集上的實(shí)驗(yàn)證明,使用動(dòng)態(tài)自適應(yīng)算法相比較傳統(tǒng)的池化算法,在表情識(shí)別中具有明顯的優(yōu)勢(shì),能夠顯著提高表情識(shí)別率。

    猜你喜歡
    池化特征值卷積
    基于緊湊型雙線性網(wǎng)絡(luò)的野生茵識(shí)別方法研究
    無線電工程(2024年8期)2024-09-16 00:00:00
    面向神經(jīng)網(wǎng)絡(luò)池化層的靈活高效硬件設(shè)計(jì)
    基于Sobel算子的池化算法設(shè)計(jì)
    卷積神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)加權(quán)池化
    一類帶強(qiáng)制位勢(shì)的p-Laplace特征值問題
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    單圈圖關(guān)聯(lián)矩陣的特征值
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    基于商奇異值分解的一類二次特征值反問題
    日韩免费高清中文字幕av| 国产精品一区二区免费欧美 | 无限看片的www在线观看| 欧美国产精品va在线观看不卡| 午夜福利视频精品| 女人高潮潮喷娇喘18禁视频| 日韩熟女老妇一区二区性免费视频| 中国美女看黄片| 一本色道久久久久久精品综合| 黄色毛片三级朝国网站| 欧美亚洲日本最大视频资源| 欧美老熟妇乱子伦牲交| 国产一区二区三区在线臀色熟女 | 成人av一区二区三区在线看 | 国产免费一区二区三区四区乱码| 日本五十路高清| 大香蕉久久网| 国产成人精品在线电影| 午夜福利在线免费观看网站| 亚洲第一av免费看| www.自偷自拍.com| 狠狠精品人妻久久久久久综合| 欧美日韩亚洲高清精品| 动漫黄色视频在线观看| 麻豆乱淫一区二区| 少妇 在线观看| 飞空精品影院首页| 涩涩av久久男人的天堂| 亚洲精品久久成人aⅴ小说| 人妻一区二区av| 亚洲欧美精品自产自拍| 国产成人影院久久av| 操出白浆在线播放| 久久久久国产一级毛片高清牌| 久久午夜综合久久蜜桃| 亚洲成人手机| 欧美激情久久久久久爽电影 | 热re99久久国产66热| 曰老女人黄片| 亚洲精品第二区| 国产精品免费视频内射| 亚洲熟女毛片儿| 性色av一级| 动漫黄色视频在线观看| 热re99久久精品国产66热6| 十八禁高潮呻吟视频| 日韩欧美一区视频在线观看| 国产在线视频一区二区| 亚洲国产精品一区二区三区在线| 狠狠婷婷综合久久久久久88av| 电影成人av| 99香蕉大伊视频| 中文字幕色久视频| 国产日韩一区二区三区精品不卡| 搡老熟女国产l中国老女人| 一二三四在线观看免费中文在| 久久久久久久大尺度免费视频| 无遮挡黄片免费观看| 少妇被粗大的猛进出69影院| 欧美黄色片欧美黄色片| 91成年电影在线观看| 大型av网站在线播放| 男人操女人黄网站| 日本撒尿小便嘘嘘汇集6| 欧美另类一区| 精品少妇内射三级| 亚洲精品一卡2卡三卡4卡5卡 | 19禁男女啪啪无遮挡网站| 男女之事视频高清在线观看| 黄片大片在线免费观看| 操美女的视频在线观看| 搡老乐熟女国产| 亚洲av成人一区二区三| 欧美日韩av久久| 久久久久久久国产电影| 两个人免费观看高清视频| 91成年电影在线观看| 国产成人精品无人区| 久久香蕉激情| 国产男人的电影天堂91| 久久久久久久精品精品| 老司机深夜福利视频在线观看 | 国产黄频视频在线观看| 一本色道久久久久久精品综合| 黄片播放在线免费| 老司机深夜福利视频在线观看 | 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲综合色网址| 看免费av毛片| 日韩 亚洲 欧美在线| 蜜桃国产av成人99| 国产日韩欧美在线精品| 久久久水蜜桃国产精品网| 高清黄色对白视频在线免费看| 别揉我奶头~嗯~啊~动态视频 | 国产真人三级小视频在线观看| 欧美日本中文国产一区发布| 亚洲一码二码三码区别大吗| 99香蕉大伊视频| 国产精品免费大片| 色播在线永久视频| 日韩一区二区三区影片| 亚洲精品一区蜜桃| 一本一本久久a久久精品综合妖精| 国产精品一区二区在线观看99| 这个男人来自地球电影免费观看| av片东京热男人的天堂| 亚洲情色 制服丝袜| 色婷婷久久久亚洲欧美| 少妇粗大呻吟视频| 亚洲欧美色中文字幕在线| 日韩,欧美,国产一区二区三区| a级毛片在线看网站| 精品久久久久久电影网| 黑人欧美特级aaaaaa片| 岛国在线观看网站| 高清欧美精品videossex| 亚洲欧美激情在线| 亚洲精品国产av蜜桃| 久久国产精品男人的天堂亚洲| 捣出白浆h1v1| 狠狠狠狠99中文字幕| 亚洲国产精品一区二区三区在线| 中文欧美无线码| 亚洲成国产人片在线观看| 国产高清国产精品国产三级| 日日摸夜夜添夜夜添小说| 99热全是精品| 国产日韩欧美在线精品| 精品国产乱码久久久久久男人| 亚洲熟女精品中文字幕| 91老司机精品| 午夜福利视频在线观看免费| 国产精品久久久久久人妻精品电影 | 日本一区二区免费在线视频| 午夜激情av网站| 一本一本久久a久久精品综合妖精| 一区在线观看完整版| 亚洲av成人一区二区三| 国产不卡av网站在线观看| 国产熟女午夜一区二区三区| 热re99久久国产66热| 天天影视国产精品| 后天国语完整版免费观看| 少妇猛男粗大的猛烈进出视频| 丝袜喷水一区| 香蕉国产在线看| 午夜日韩欧美国产| 他把我摸到了高潮在线观看 | 国精品久久久久久国模美| 亚洲少妇的诱惑av| 欧美亚洲 丝袜 人妻 在线| 亚洲精品久久午夜乱码| 久久人人爽人人片av| 亚洲精品国产av蜜桃| 老熟女久久久| 亚洲少妇的诱惑av| 深夜精品福利| 高清黄色对白视频在线免费看| 久久这里只有精品19| 久久久久精品国产欧美久久久 | 国产真人三级小视频在线观看| 日本黄色日本黄色录像| 一级片免费观看大全| 日本wwww免费看| 国产男女内射视频| 高清欧美精品videossex| www.自偷自拍.com| 国产精品av久久久久免费| 亚洲伊人久久精品综合| 日日夜夜操网爽| 午夜福利视频在线观看免费| 欧美成狂野欧美在线观看| 91九色精品人成在线观看| 人妻 亚洲 视频| 久9热在线精品视频| 午夜91福利影院| 国产av一区二区精品久久| 69精品国产乱码久久久| 不卡av一区二区三区| 亚洲av男天堂| 菩萨蛮人人尽说江南好唐韦庄| 国产男女内射视频| 人人澡人人妻人| 亚洲精品一卡2卡三卡4卡5卡 | 黑丝袜美女国产一区| 一区二区av电影网| 国精品久久久久久国模美| 超碰97精品在线观看| 国产不卡av网站在线观看| 精品福利永久在线观看| 狂野欧美激情性xxxx| 精品一区二区三区av网在线观看 | 热re99久久国产66热| 老熟妇仑乱视频hdxx| 亚洲精品美女久久久久99蜜臀| 亚洲av国产av综合av卡| 大片电影免费在线观看免费| 日本猛色少妇xxxxx猛交久久| 少妇猛男粗大的猛烈进出视频| 老司机靠b影院| 中文字幕人妻丝袜一区二区| 亚洲精品自拍成人| 亚洲精品国产一区二区精华液| 亚洲自偷自拍图片 自拍| 亚洲成人免费av在线播放| 成在线人永久免费视频| 美女主播在线视频| 亚洲欧美日韩高清在线视频 | 午夜精品国产一区二区电影| 国产精品二区激情视频| 欧美精品一区二区免费开放| 正在播放国产对白刺激| 侵犯人妻中文字幕一二三四区| 人妻一区二区av| 午夜精品久久久久久毛片777| 国产成人免费无遮挡视频| 国产无遮挡羞羞视频在线观看| 1024香蕉在线观看| 久久免费观看电影| 狂野欧美激情性xxxx| 老司机深夜福利视频在线观看 | 18禁黄网站禁片午夜丰满| 久久国产亚洲av麻豆专区| 亚洲精品国产区一区二| 亚洲久久久国产精品| 日本av免费视频播放| 法律面前人人平等表现在哪些方面 | 少妇猛男粗大的猛烈进出视频| 中文字幕制服av| av有码第一页| 日韩一卡2卡3卡4卡2021年| 9191精品国产免费久久| 亚洲成人免费av在线播放| 欧美xxⅹ黑人| 2018国产大陆天天弄谢| 亚洲精品一卡2卡三卡4卡5卡 | 如日韩欧美国产精品一区二区三区| 成人18禁高潮啪啪吃奶动态图| 亚洲精品成人av观看孕妇| 久久久欧美国产精品| 十八禁人妻一区二区| 50天的宝宝边吃奶边哭怎么回事| 不卡一级毛片| 欧美日本中文国产一区发布| 在线观看免费午夜福利视频| 免费在线观看日本一区| 纯流量卡能插随身wifi吗| 国产亚洲欧美在线一区二区| 女警被强在线播放| 9191精品国产免费久久| 亚洲精品一区蜜桃| 叶爱在线成人免费视频播放| 十分钟在线观看高清视频www| 亚洲专区字幕在线| 国产又爽黄色视频| 男女下面插进去视频免费观看| 免费久久久久久久精品成人欧美视频| 欧美日韩精品网址| 蜜桃在线观看..| 成年人黄色毛片网站| 日本av手机在线免费观看| 欧美日韩黄片免| 国产在线免费精品| 日韩制服骚丝袜av| av电影中文网址| 欧美97在线视频| 亚洲精华国产精华精| 制服人妻中文乱码| 国产精品久久久久久精品古装| 久久久精品免费免费高清| 亚洲国产欧美一区二区综合| 久久影院123| 啦啦啦啦在线视频资源| 一二三四社区在线视频社区8| 91国产中文字幕| 久久久久久久精品精品| 国产精品久久久久久精品古装| 大香蕉久久网| 18禁裸乳无遮挡动漫免费视频| 欧美精品亚洲一区二区| 欧美黑人欧美精品刺激| 操出白浆在线播放| 一本久久精品| av视频免费观看在线观看| 国产av又大| 国产成人av激情在线播放| 91字幕亚洲| 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| 搡老熟女国产l中国老女人| 免费黄频网站在线观看国产| 51午夜福利影视在线观看| √禁漫天堂资源中文www| 精品少妇一区二区三区视频日本电影| 久久久久精品人妻al黑| 美女主播在线视频| 人妻人人澡人人爽人人| 欧美在线黄色| 一级,二级,三级黄色视频| 欧美大码av| 狠狠精品人妻久久久久久综合| 肉色欧美久久久久久久蜜桃| 国产精品 欧美亚洲| 欧美日韩黄片免| 天天添夜夜摸| www.精华液| 韩国高清视频一区二区三区| 五月开心婷婷网| 成年女人毛片免费观看观看9 | 99re6热这里在线精品视频| 极品人妻少妇av视频| 一边摸一边抽搐一进一出视频| 国产又色又爽无遮挡免| 美女主播在线视频| 高清欧美精品videossex| 国产av一区二区精品久久| 国产在线一区二区三区精| 大陆偷拍与自拍| 熟女少妇亚洲综合色aaa.| 日韩一区二区三区影片| 国产精品.久久久| 欧美一级毛片孕妇| 建设人人有责人人尽责人人享有的| 五月开心婷婷网| 人妻久久中文字幕网| 国产亚洲一区二区精品| 90打野战视频偷拍视频| 熟女少妇亚洲综合色aaa.| 国产无遮挡羞羞视频在线观看| 精品久久久久久久毛片微露脸 | 国产精品99久久99久久久不卡| 深夜精品福利| 欧美黄色淫秽网站| 黄网站色视频无遮挡免费观看| 女人久久www免费人成看片| 自拍欧美九色日韩亚洲蝌蚪91| 一二三四在线观看免费中文在| 日韩三级视频一区二区三区| 中文字幕色久视频| 天堂俺去俺来也www色官网| 99精国产麻豆久久婷婷| av一本久久久久| 国产一级毛片在线| 亚洲av电影在线进入| 多毛熟女@视频| 日韩中文字幕欧美一区二区| 精品人妻在线不人妻| 性色av乱码一区二区三区2| 亚洲欧洲日产国产| 久久久久久久国产电影| 男女下面插进去视频免费观看| 天堂8中文在线网| 99久久人妻综合| av网站免费在线观看视频| av国产精品久久久久影院| av在线老鸭窝| 桃红色精品国产亚洲av| 黑人操中国人逼视频| 在线永久观看黄色视频| 18禁黄网站禁片午夜丰满| 国产亚洲精品一区二区www | 国产av国产精品国产| 新久久久久国产一级毛片| 男女之事视频高清在线观看| 成年女人毛片免费观看观看9 | 99国产综合亚洲精品| 男女高潮啪啪啪动态图| 亚洲av成人不卡在线观看播放网 | 丝袜脚勾引网站| 精品少妇黑人巨大在线播放| 女人精品久久久久毛片| 韩国高清视频一区二区三区| 久久人妻福利社区极品人妻图片| 青春草亚洲视频在线观看| 极品少妇高潮喷水抽搐| 十八禁人妻一区二区| 又黄又粗又硬又大视频| 人人妻人人爽人人添夜夜欢视频| 亚洲免费av在线视频| 韩国高清视频一区二区三区| 狠狠婷婷综合久久久久久88av| 久久综合国产亚洲精品| 男女午夜视频在线观看| 久久久久久久久久久久大奶| av在线播放精品| 国产淫语在线视频| 国产欧美日韩综合在线一区二区| 777久久人妻少妇嫩草av网站| 国产欧美日韩精品亚洲av| 久久久久国产一级毛片高清牌| 在线观看www视频免费| 欧美激情高清一区二区三区| 淫妇啪啪啪对白视频 | cao死你这个sao货| 99国产精品99久久久久| 国产免费av片在线观看野外av| 少妇人妻久久综合中文| 啦啦啦啦在线视频资源| 男女下面插进去视频免费观看| 在线观看免费高清a一片| 国产不卡av网站在线观看| 十分钟在线观看高清视频www| 蜜桃国产av成人99| 69av精品久久久久久 | 欧美国产精品va在线观看不卡| 日韩,欧美,国产一区二区三区| av又黄又爽大尺度在线免费看| 国产精品99久久99久久久不卡| 视频区欧美日本亚洲| 一级片'在线观看视频| 精品国产超薄肉色丝袜足j| 肉色欧美久久久久久久蜜桃| 免费在线观看日本一区| 在线观看免费视频网站a站| 国产麻豆69| 999精品在线视频| 中国美女看黄片| 在线十欧美十亚洲十日本专区| 成人免费观看视频高清| 亚洲国产精品一区三区| 日本欧美视频一区| 国产精品秋霞免费鲁丝片| 久久久久久免费高清国产稀缺| 欧美在线一区亚洲| 欧美日韩国产mv在线观看视频| 精品人妻熟女毛片av久久网站| 日本猛色少妇xxxxx猛交久久| 麻豆乱淫一区二区| 中文字幕人妻丝袜制服| www.精华液| 国产在线一区二区三区精| av超薄肉色丝袜交足视频| av国产精品久久久久影院| 人妻 亚洲 视频| 一本色道久久久久久精品综合| 午夜精品国产一区二区电影| 欧美日韩成人在线一区二区| 香蕉丝袜av| 黄片播放在线免费| 精品视频人人做人人爽| 免费不卡黄色视频| 国产成人欧美| 国产av又大| 亚洲五月色婷婷综合| 亚洲国产精品一区二区三区在线| 99久久综合免费| 国产一区二区三区综合在线观看| 黑人猛操日本美女一级片| 国产一区有黄有色的免费视频| 国产成人av教育| 少妇粗大呻吟视频| 99香蕉大伊视频| 欧美日韩黄片免| 最新在线观看一区二区三区| 少妇粗大呻吟视频| 国产黄频视频在线观看| 水蜜桃什么品种好| 日本a在线网址| av电影中文网址| 90打野战视频偷拍视频| 脱女人内裤的视频| 欧美激情 高清一区二区三区| 久久久精品94久久精品| 精品国产一区二区三区四区第35| 国产成人av教育| 老熟妇仑乱视频hdxx| 免费高清在线观看视频在线观看| 亚洲午夜精品一区,二区,三区| 日本a在线网址| 一本大道久久a久久精品| 亚洲人成77777在线视频| 啦啦啦视频在线资源免费观看| 日本黄色日本黄色录像| 精品第一国产精品| 亚洲精品美女久久久久99蜜臀| 欧美久久黑人一区二区| 久久精品国产亚洲av香蕉五月 | 亚洲精品粉嫩美女一区| 脱女人内裤的视频| 十八禁网站网址无遮挡| 黄片播放在线免费| 人人妻人人爽人人添夜夜欢视频| 国产精品一区二区在线不卡| 久久久精品免费免费高清| 熟女少妇亚洲综合色aaa.| 精品视频人人做人人爽| 老司机福利观看| 免费少妇av软件| 亚洲国产av新网站| 久久久久久久国产电影| 久久久国产成人免费| 国产精品久久久久久精品古装| 黄片大片在线免费观看| 国产日韩欧美视频二区| 亚洲av国产av综合av卡| 亚洲欧美日韩另类电影网站| 日韩人妻精品一区2区三区| 亚洲午夜精品一区,二区,三区| 交换朋友夫妻互换小说| 9热在线视频观看99| 69av精品久久久久久 | 妹子高潮喷水视频| 制服诱惑二区| 婷婷成人精品国产| 欧美人与性动交α欧美精品济南到| 黄色 视频免费看| 欧美日韩视频精品一区| 婷婷色av中文字幕| 国产精品秋霞免费鲁丝片| 精品一品国产午夜福利视频| 精品少妇久久久久久888优播| 最近中文字幕2019免费版| 狂野欧美激情性bbbbbb| 国产精品秋霞免费鲁丝片| 精品一区二区三卡| 亚洲 欧美一区二区三区| 性色av乱码一区二区三区2| 天堂俺去俺来也www色官网| 色婷婷av一区二区三区视频| 欧美在线黄色| svipshipincom国产片| 在线永久观看黄色视频| 美女扒开内裤让男人捅视频| 日韩电影二区| 亚洲欧洲日产国产| 久热这里只有精品99| 正在播放国产对白刺激| 欧美激情 高清一区二区三区| 午夜成年电影在线免费观看| 午夜福利乱码中文字幕| 正在播放国产对白刺激| 午夜福利一区二区在线看| 久久久精品94久久精品| 国产av一区二区精品久久| 男女国产视频网站| 80岁老熟妇乱子伦牲交| 国产高清国产精品国产三级| 午夜福利一区二区在线看| 中文字幕最新亚洲高清| 亚洲成人国产一区在线观看| 淫妇啪啪啪对白视频 | 如日韩欧美国产精品一区二区三区| 啦啦啦啦在线视频资源| 亚洲天堂av无毛| 国产高清视频在线播放一区 | 亚洲专区中文字幕在线| 午夜老司机福利片| videos熟女内射| 91麻豆av在线| 国产av一区二区精品久久| av天堂久久9| 老汉色av国产亚洲站长工具| 国产免费视频播放在线视频| 国产男女超爽视频在线观看| 一本综合久久免费| 国产福利在线免费观看视频| 一级a爱视频在线免费观看| 欧美日韩成人在线一区二区| 999精品在线视频| 人人妻人人澡人人看| 精品亚洲成a人片在线观看| av又黄又爽大尺度在线免费看| h视频一区二区三区| av一本久久久久| 十八禁网站免费在线| 看免费av毛片| 美女脱内裤让男人舔精品视频| 高清欧美精品videossex| av网站免费在线观看视频| 亚洲成人免费电影在线观看| 亚洲熟女精品中文字幕| 黑人巨大精品欧美一区二区蜜桃| 最新在线观看一区二区三区| 男人添女人高潮全过程视频| av一本久久久久| 国产在线视频一区二区| 精品卡一卡二卡四卡免费| 中文字幕另类日韩欧美亚洲嫩草| 搡老熟女国产l中国老女人| 高清黄色对白视频在线免费看| 久久久久国产精品人妻一区二区| 成年人黄色毛片网站| 日韩欧美国产一区二区入口| 少妇的丰满在线观看| 国产精品久久久人人做人人爽| 亚洲国产精品一区三区| 亚洲精品国产精品久久久不卡| 99久久99久久久精品蜜桃| 成年美女黄网站色视频大全免费| av免费在线观看网站| 日本av免费视频播放| 黑人巨大精品欧美一区二区蜜桃| 十分钟在线观看高清视频www| 国产真人三级小视频在线观看| 欧美大码av| 欧美日韩中文字幕国产精品一区二区三区 | 久久综合国产亚洲精品| 大型av网站在线播放| 99久久人妻综合| 国产成人av激情在线播放| 欧美精品人与动牲交sv欧美| av天堂在线播放| 淫妇啪啪啪对白视频 | 99久久99久久久精品蜜桃| 两性夫妻黄色片| 国产主播在线观看一区二区| 人妻人人澡人人爽人人| 国产熟女午夜一区二区三区| 在线永久观看黄色视频| 免费在线观看视频国产中文字幕亚洲 | 女人爽到高潮嗷嗷叫在线视频| 亚洲色图 男人天堂 中文字幕| 巨乳人妻的诱惑在线观看| av天堂久久9|