• <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)的織物圖像特征提取與檢索研究進(jìn)展

    2019-05-27 09:16:02丁笑君李秦曼鄒奉元
    紡織學(xué)報(bào) 2019年12期
    關(guān)鍵詞:淺層特征提取織物

    孫 潔, 丁笑君, 杜 磊, 李秦曼, 鄒奉元

    (1. 浙江理工大學(xué) 服裝學(xué)院, 浙江 杭州 310018; 2. 浙江傳媒學(xué)院 設(shè)計(jì)藝術(shù)學(xué)院, 浙江 杭州 310018; 3. 浙江省服裝工程技術(shù)研究中心, 浙江 杭州 310018; 4. 絲綢文化傳承與產(chǎn)品設(shè)計(jì)數(shù)字化技術(shù)文化和旅游部重點(diǎn)實(shí)驗(yàn)室, 浙江 杭州 310018)

    織物是服裝的三大物態(tài)構(gòu)成要素之一,織物圖像的分類、識(shí)別與檢索技術(shù)在紡織服裝行業(yè)數(shù)字化設(shè)計(jì)與智能制造領(lǐng)域發(fā)揮著重要作用[1-2]。隨著織物圖像數(shù)量的迅速增加,如何合理地組織、表達(dá)織物圖像信息,使用戶能夠快速、準(zhǔn)確地從海量圖像數(shù)據(jù)集中找到目標(biāo)圖像是一個(gè)亟待解決的問題[3]。

    基于內(nèi)容的圖像檢索(CBIR)通過圖像像素相似性匹配實(shí)現(xiàn)檢索。在CBIR系統(tǒng)中,圖像淺層視覺特征經(jīng)參數(shù)化處理轉(zhuǎn)化為特征向量,從而實(shí)現(xiàn)計(jì)算機(jī)對(duì)圖像信息的讀取。目前,已有多種圖像淺層視覺特征提取方法被用于圖像檢索,如顏色、形狀及紋理特征[4]、空間包絡(luò)特征(GIST)[5-6]等基于圖像全局特征的提取方法,詞袋模型(BoW)[7]、尺度不變特征變換(SIFT)[5]等基于圖像局部特征的提取方法。特征提取后需通過歐氏距離或余弦相似度函數(shù)[6,8]等非柔性距離函數(shù)進(jìn)行圖像相似度搜索,而固定的剛性相似函數(shù)或距離函數(shù),并不是最適合的復(fù)雜視覺圖像檢索任務(wù)的距離計(jì)算方法。

    從計(jì)算機(jī)提取的淺層視覺特征到大腦中形成的高級(jí)人類感知是一個(gè)復(fù)雜的映射關(guān)系,即由淺層視覺特征到高層感知判斷的過程存在“語義鴻溝”。深度學(xué)習(xí)被認(rèn)為是當(dāng)下克服“語義鴻溝”的重要途徑。該方法通過多個(gè)層次的數(shù)據(jù)抽取進(jìn)行特征學(xué)習(xí),并允許系統(tǒng)學(xué)習(xí)復(fù)雜的函數(shù)[1,3,9],進(jìn)而實(shí)現(xiàn)語義概念的抽象表達(dá)[10]。近年來,學(xué)者們提出了大量的深度學(xué)習(xí)技術(shù)。其中,深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)在計(jì)算機(jī)視覺和圖像識(shí)別的各種任務(wù)和競(jìng)爭(zhēng)中都表現(xiàn)出了較優(yōu)的性能[11]。在CNN分類識(shí)別任務(wù)基礎(chǔ)上實(shí)現(xiàn)基于語義的圖像檢索(SBIR)已成為圖像檢索的發(fā)展趨勢(shì)。

    織物圖像檢索的關(guān)鍵是設(shè)計(jì)適合的、高效的圖像特征提取方法,并能夠在此基礎(chǔ)上構(gòu)建具有適用性的分類與識(shí)別模型[11-12]。針對(duì)上述問題,本文分別從織物圖像淺層視覺特征提取、深度特征學(xué)習(xí) 2個(gè)方面梳理并討論其在織物圖像檢索中的適用性,并從高層語義屬性、網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)與距離尺度學(xué)習(xí)3個(gè)方面論述了檢索模型的優(yōu)化路徑,最后基于現(xiàn)狀展望了該領(lǐng)域未來的研究重點(diǎn)。

    1 織物圖像淺層視覺特征提取

    圖像淺層視覺特征主要關(guān)注圖像的顏色、紋理、形態(tài)等視覺特征以及GIST、SIFT等手工提取特征。

    1.1 織物圖像淺層視覺特征

    1.1.1 顏色特征

    顏色特征是織物圖像識(shí)別過程中最直觀的視覺特征。顏色特征提取主要有顏色矩(CM)[6]、顏色直方圖(CH)[2,13-14]及顏色相關(guān)圖[15]等方法。顏色直方圖可用于描述不同色彩在整幅圖像中所占的比例,但并不能捕捉到顏色區(qū)域的空間關(guān)系[6]。顏色相關(guān)圖和顏色矩是基于圖像顏色全局分布的顏色索引方法,具有特征向量維數(shù)低、計(jì)算次數(shù)少等優(yōu)點(diǎn)[6],但對(duì)圖像的尺寸與空間信息不敏感。故顏色特征在圖像分類、識(shí)別與檢索中一般不單獨(dú)使用,需要與其他特征結(jié)合使用。

    1.1.2 紋理特征

    紋理特征旨在捕獲圖像中的表面細(xì)粒度和重復(fù)模式,描述圖像中對(duì)象的表面性質(zhì),對(duì)區(qū)域內(nèi)部灰度變化進(jìn)行量化[16]。

    在織物特征的表達(dá)中,紋理特征對(duì)織物表面肌理[14,17]、重復(fù)周期[17-18]、疵點(diǎn)[19]等具有較好的表征效果。Jing等[17]采用灰度均值、灰度方差和灰度共生矩陣等紋理特征分析色織物的意匠圖和重復(fù)特征,識(shí)別色織物的組織模式。Yildiz[19]采用局部二值(LBP)特征表征起絨織物表面疵點(diǎn)特性,實(shí)現(xiàn)織物疵點(diǎn)檢測(cè)。但以上2個(gè)單獨(dú)使用紋理特征進(jìn)行織物特征表征的案例中,樣本均為純色織物圖像,對(duì)于色差大、復(fù)雜程度高的織物圖案,還需融合其他特征使用。

    1.1.3 形狀特征

    形狀特征提取通常需在圖像分割與輪廓提取后進(jìn)行。形狀特征提取方法可分為2類:基于邊界和基于區(qū)域[6,20]。傅里葉描述符[21]和不變矩[2,22-23]是形狀特征的2種常用表示。傅里葉描述符使用傅里葉變換邊界進(jìn)行形狀描述。不變矩的主要目的是利用變換不變的區(qū)域內(nèi)像素點(diǎn)的矩進(jìn)行形狀描述。形狀特征在多色織物圖案元素的識(shí)別問題中具有重要作用,在檢索運(yùn)用中,形狀特征也需要與其他特征融合使用[22-23]。

    1.2 多特征融合應(yīng)用

    如上所述,顏色、紋理和形狀特征是圖像的淺層視覺特征,每一類特征在單獨(dú)使用時(shí)均存在缺陷。結(jié)合2個(gè)及以上的特征,可達(dá)到更好的檢索效果[6,22]:Kuo等[2]采用顏色直方圖和重復(fù)單元圖像的Hu不變矩構(gòu)建波點(diǎn)印花織物的檢索數(shù)據(jù)庫;向忠等[24]提出了一種基于邊緣特征和顏色特征的織物花型檢索算法,具有平移、縮放、旋轉(zhuǎn)不變性,平均查準(zhǔn)率可達(dá)93.17%。

    以上研究?jī)H對(duì)織物的淺層視覺特征進(jìn)行相似匹配計(jì)算,并未就織物高層屬性進(jìn)行識(shí)別。有學(xué)者嘗試采用淺層視覺特征構(gòu)建分類模型,探索織物高層語義識(shí)別問題。

    Suciati等[14]提出一種基于分形紋理特征與HSV顏色特征的織物圖像檢索系統(tǒng),對(duì)“batik”和非“batik”2種織物表面肌理進(jìn)行識(shí)別,檢索召回率分別為94%和92%。Chen等[13]提取了織物顏色、紋理等特征,使用支持向量回歸(SVR)來構(gòu)建特征與情感語義標(biāo)簽之間的映射函數(shù),分別對(duì)8、16個(gè)屬性進(jìn)行識(shí)別,平均檢索召回率高于80%。Jing等[6]提出了基于顏色矩和GIST特征的織物紋樣檢索算法,對(duì)5類織物紋樣進(jìn)行檢索,平均檢索精度達(dá)86.3%,平均召回率達(dá)53.3%。Umam等[22]采用三維特征提取方法(CVQ)提取顏色特征以及Hu不變矩識(shí)別Madurese蠟染織物的26類設(shè)計(jì)母題,結(jié)果顯示基于顏色特征的平均檢索精度僅為46.72%,基于形狀特征的平均檢索精度為80%。可以看到,隨著語義識(shí)別屬性的增多,檢索效率明顯下降。

    以上涉及的織物淺層視覺特征提取文獻(xiàn)比較如表1所示??梢姡止ぬ卣魈崛》椒ㄔ谛颖緮?shù)據(jù)集中具有一定的適用性,但由于該方法依賴人工標(biāo)注,未在大樣本圖像檢索中得到普及。此外,淺層視覺特征在高層語義識(shí)別問題中表現(xiàn)并不理想,特別是當(dāng)語義屬性數(shù)量增加時(shí),檢索效果明顯不佳。

    表1 織物淺層視覺特征提取文獻(xiàn)比較Tab.1 Comparison of literatures on extraction of superficial features of fabrics

    2 織物圖像深度特征學(xué)習(xí)

    圖像深度特征學(xué)習(xí)旨在將研究對(duì)象的語義信息表示為稠密低維實(shí)值向量,在低維空間中計(jì)算語義聯(lián)系。深度卷積神經(jīng)網(wǎng)絡(luò)在圖像特征學(xué)習(xí)方面已經(jīng)被證明優(yōu)于傳統(tǒng)手工提取特征[25]。

    2.1 CNN網(wǎng)絡(luò)結(jié)構(gòu)

    卷積神經(jīng)網(wǎng)絡(luò)模型是一種典型的監(jiān)督學(xué)習(xí)模型,是LeCun于1989年在梯度反向傳播算法(BP)的基礎(chǔ)上提出的一種包含卷積層的深度神經(jīng)網(wǎng)絡(luò)[26],即LeNet-5 CNN模型,如圖1所示。該模型由2部分組成:一是卷積層和池化層;二是全連接層和隱含層。

    圖1 LeNet-5 CNN模型結(jié)構(gòu)Fig.1 LeNet-5 CNN model structure

    在服裝及織物圖像的分類、識(shí)別與檢索問題中常采用在LeNet-5模型基礎(chǔ)上改進(jìn)的AlexNet和VGGnet模型。其中AlexNet克服了LeNet-5模型的過擬合問題,采用11×11的巨大卷積核進(jìn)行降維處理,但快速縮小也意味著可能丟失更多的細(xì)節(jié)特征[27];VGGnet在卷積層的結(jié)構(gòu)中采用多個(gè)3×3的卷積核代替大卷積核,并在多個(gè)卷積層后加入池化層,以保證網(wǎng)絡(luò)深度[28]。

    2.2 CNN特征學(xué)習(xí)

    通過CNN圖像特征學(xué)習(xí),實(shí)現(xiàn)圖像識(shí)別與檢索的基本思路如圖2所示。通過CNN分類過程將圖像分配到不同的預(yù)設(shè)語義標(biāo)簽上,從而構(gòu)建圖像與語義信息的映射關(guān)系。這一過程通常提取圖像的全局特征,當(dāng)圖像中包含多個(gè)感興趣對(duì)象/區(qū)域時(shí),首先需要利用圖像淺層視覺特征進(jìn)行區(qū)域分割,實(shí)現(xiàn)目標(biāo)檢測(cè);然后,通過CNN提取特征,經(jīng)支持向量機(jī)(SVM)等分類器,完成由圖像輸入到語義輸出的識(shí)別過程。

    圖2 基于CNN的織物圖像語義識(shí)別框架Fig.2 Framework of fabric SBIR based on CNN

    CNN網(wǎng)絡(luò)特征提取過程中,卷積窗口在圖像上滑動(dòng),將窗口內(nèi)的元素進(jìn)行卷積操作。遍歷過程中產(chǎn)生的所有的輸出按位置組成了特征圖,而每一層需要設(shè)計(jì)多少特征圖取決于需要學(xué)習(xí)多少種特征。特征圖數(shù)量設(shè)計(jì)的好壞直接影響著最終的網(wǎng)絡(luò)性能。如何科學(xué)計(jì)算特征圖數(shù)目,目前還沒有形成詳細(xì)的理論指導(dǎo),大都依賴實(shí)驗(yàn)和經(jīng)驗(yàn)決定。

    CNN分類過程中,不同圖像數(shù)據(jù)集具有的圖像標(biāo)簽數(shù)是不同的,而網(wǎng)絡(luò)最后一層全連接層的輸出個(gè)數(shù)需要與圖像標(biāo)簽的數(shù)目一致。故在網(wǎng)絡(luò)結(jié)構(gòu)中,若全連接層的輸出個(gè)數(shù)能夠根據(jù)數(shù)據(jù)集的標(biāo)簽數(shù)變化,將有效提升模型的適用范圍。為此,Wan等[29]嘗試在AlexNet結(jié)構(gòu)上,將第2層全連接層的輸出個(gè)數(shù)設(shè)置為可變,使得第1層全連接層的輸出個(gè)數(shù)到第3層全連接層的輸出個(gè)數(shù)的改變可以相對(duì)平滑,最后一層全連接層能平滑擬合不同的標(biāo)簽數(shù)量。

    3 CNN在SBIR織物圖像檢索中應(yīng)用

    研究表明經(jīng)過預(yù)處理的大規(guī)模數(shù)據(jù)集可直接用于SBIR任務(wù)特征提取[29]??蓮?個(gè)方面提升織物檢索模型的精度:一是語義分類標(biāo)簽的合理設(shè)計(jì);二是CNN的結(jié)構(gòu)優(yōu)化;三是距離尺度學(xué)習(xí)。

    3.1 織物語義標(biāo)簽設(shè)計(jì)

    CNN作為一種有監(jiān)督的機(jī)器學(xué)習(xí)模型,需要預(yù)先進(jìn)行語義分類標(biāo)簽設(shè)定。標(biāo)簽的設(shè)計(jì)一方面需要全面反映織物的固有屬性,另一方面需適應(yīng)機(jī)器學(xué)習(xí)。人工標(biāo)注方法是目前常用的圖像標(biāo)注方法[30],主要通過專家知識(shí)[13,22,30]或用戶使用頻數(shù)排序[1]來確定標(biāo)簽。但人工標(biāo)注對(duì)大樣本數(shù)據(jù)集并不適用,特別是當(dāng)一張圖片同時(shí)觸發(fā)多個(gè)屬性時(shí),人工標(biāo)注費(fèi)時(shí)費(fèi)力且難以詳盡。

    此外,以上標(biāo)簽詞均是封閉詞匯,雖然便于建模假設(shè),但對(duì)織物多樣化多層次的屬性表達(dá)具有極大的限制。針對(duì)這一問題,有學(xué)者將本體構(gòu)造引入織物圖像檢索[31]?;诒倔w的圖像檢索技術(shù)可表達(dá)較為復(fù)雜的語義關(guān)系,并且具備語義模糊匹配能力。Kuang等[32]集成深度CNN構(gòu)建了基于本體的服裝屬性語義識(shí)別模型,論證了該模型在細(xì)粒度的服裝(含織物)語義識(shí)別中具有更優(yōu)的表現(xiàn)。

    3.2 CNN結(jié)構(gòu)優(yōu)化

    諸多學(xué)者探索了如何優(yōu)化CNN結(jié)構(gòu),使其更適合織物圖像檢索。汪珊娜等[30]在AlexNet模型基礎(chǔ)上構(gòu)建并行的CNN網(wǎng)絡(luò)后,經(jīng)Softmax分類器輸出織物圖像的情感類別。并與LeNet-5模型、AlexNet模型、VGG-16模型進(jìn)行對(duì)比發(fā)現(xiàn),并行模型對(duì)小樣本數(shù)據(jù)有更好的分類識(shí)別效率。

    針對(duì)大樣本數(shù)據(jù)集,F(xiàn)ashionNet模型實(shí)現(xiàn)了服裝中織物的語義屬性識(shí)別,采用VGG-16目標(biāo)識(shí)別框架,通過位置標(biāo)定處理織物在服裝中的形變和位置變化,由學(xué)習(xí)到的特征集合誘導(dǎo)出帶有位置信息的織物識(shí)別檢索,實(shí)現(xiàn)end-to-end的特征學(xué)習(xí)與語義自動(dòng)標(biāo)注[1]。

    3.3 基于CNN的距離尺度學(xué)習(xí)

    為進(jìn)一步提升網(wǎng)絡(luò)識(shí)別效率,學(xué)者們嘗試在CNN模型中嵌入尺度學(xué)習(xí)算法[33-34],通過共同學(xué)習(xí)圖像表示和語義識(shí)別的度量,弱化類內(nèi)變化,增強(qiáng)類間變化,提升模型的魯棒性。

    針對(duì)如何在現(xiàn)有的CNN模型中嵌入距離尺度學(xué)習(xí)以提升檢索精度問題,Deng等[3]提出一種聚焦于排序的嵌入算法(FRE),并與現(xiàn)有的Pair、Magnet和Triplet的3種嵌入算法進(jìn)行對(duì)比,F(xiàn)RE方法的檢索召回率達(dá)93.5%,優(yōu)于其他3種距離尺度學(xué)習(xí)嵌入模型,在細(xì)粒度織物圖像分類識(shí)別問題上呈現(xiàn)出較大的優(yōu)勢(shì)。該方法基于AlexNet模型實(shí)現(xiàn),將AlexNet的前7層作為網(wǎng)絡(luò)架構(gòu)的早期層,再添加輔助層來計(jì)算損失函數(shù),損失函數(shù)為

    式中:f(x)為原始圖像至特征向量的變換;D(x,x)為2個(gè)特征向量之間的距離;σ(x)為邏輯函數(shù),σ(x)=log2(1+2-x)。f(x)與某一對(duì)象x具有相同標(biāo)簽的圖像為正,用x+表示,反之用x-表示。

    可見,CNN對(duì)于捕捉圖像高層語義信息對(duì)應(yīng)的淺層像素信息具有較好的效果。針對(duì)不同類型的檢索任務(wù),CNN模型需通過適當(dāng)?shù)募?xì)化方案,在特征表示學(xué)習(xí)過程中能獲得優(yōu)于手工特征的效果。同時(shí),通過相似性學(xué)習(xí)可進(jìn)一步提高深度模型的分類識(shí)別能力,在細(xì)粒度的圖像分類問題上具有明顯優(yōu)勢(shì)。

    4 結(jié)束語

    目前國(guó)內(nèi)外學(xué)者在織物圖像特征提取與檢索領(lǐng)域的研究已取得一些成果。為更好地優(yōu)化織物圖像檢索的準(zhǔn)確度,實(shí)現(xiàn)細(xì)粒度的語義識(shí)別效果,未來面料檢索系統(tǒng)的構(gòu)建應(yīng)具有以下特點(diǎn)。

    1) 語義標(biāo)簽合理化設(shè)計(jì)。合理的語義標(biāo)簽既要充分反映織物固有的屬性以及屬性間的關(guān)系,也需適用于機(jī)器學(xué)習(xí)過程。簡(jiǎn)單而有效的語義模型構(gòu)造將是未來織物語義識(shí)別研究的重要內(nèi)容??椢镎Z義本體的構(gòu)建,有助于設(shè)計(jì)知識(shí)的表示和管理,有效提升織物圖像數(shù)字化設(shè)計(jì)中對(duì)設(shè)計(jì)信息表述的支持能力,增強(qiáng)建模的自動(dòng)化水平。

    2) 精準(zhǔn)的圖像自動(dòng)分割與分類識(shí)別。在圖像檢索過程中,準(zhǔn)確的對(duì)象分割與識(shí)別是實(shí)現(xiàn)語義檢索的前提與關(guān)鍵。精準(zhǔn)的對(duì)象識(shí)別以及對(duì)顯著性區(qū)域的排序,是實(shí)現(xiàn)對(duì)多個(gè)區(qū)域或?qū)ο笮枨箜憫?yīng)的重要環(huán)節(jié),在此基礎(chǔ)上可實(shí)現(xiàn)設(shè)計(jì)規(guī)律與要素信息的挖掘。

    3) 多模態(tài)融合、交互式語義識(shí)別。數(shù)據(jù)信息本質(zhì)上是多模態(tài)的,多模態(tài)的語義模型構(gòu)造可更有效反映數(shù)據(jù)信息的內(nèi)在本質(zhì)關(guān)聯(lián),通過模態(tài)的信息對(duì)齊更有效地獲取目標(biāo)圖像集合。此外,允許用戶使用擴(kuò)展的關(guān)鍵字來描述檢索圖像的屬性,構(gòu)建交互式檢索系統(tǒng),可提高圖像檢索的適用性,提升信息共享效率。

    猜你喜歡
    淺層特征提取織物
    無Sn-Pd活化法制備PANI/Cu導(dǎo)電織物
    《紡織品織物折痕回復(fù)角的測(cè)定》正式發(fā)布
    竹纖維織物抗菌研究進(jìn)展
    淺層換填技術(shù)在深厚軟土路基中的應(yīng)用
    基于淺層曝氣原理的好氧顆粒污泥的快速培養(yǎng)
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    Bagging RCSP腦電特征提取算法
    淺層地下水超采區(qū)劃分探究
    包氣帶淺層地?zé)崛萘坑?jì)算方法商榷
    織物柔軟劑的香氣發(fā)展趨勢(shì)
    久久欧美精品欧美久久欧美| 成人国语在线视频| 99国产极品粉嫩在线观看| xxxwww97欧美| 不卡一级毛片| 观看免费一级毛片| 久久精品aⅴ一区二区三区四区| 日本三级黄在线观看| 村上凉子中文字幕在线| 国产高清videossex| 日韩精品青青久久久久久| 色播在线永久视频| 成人18禁在线播放| 最近在线观看免费完整版| 欧美乱码精品一区二区三区| a级毛片在线看网站| 久久香蕉国产精品| 午夜福利一区二区在线看| av中文乱码字幕在线| 久久久久久久久中文| a在线观看视频网站| 51午夜福利影视在线观看| 日韩视频一区二区在线观看| 人人妻人人澡欧美一区二区| 90打野战视频偷拍视频| 精品久久久久久久久久久久久 | 欧美人与性动交α欧美精品济南到| 免费女性裸体啪啪无遮挡网站| 亚洲一区中文字幕在线| 亚洲精品av麻豆狂野| 日韩欧美在线二视频| 中亚洲国语对白在线视频| 91成年电影在线观看| 欧美日韩中文字幕国产精品一区二区三区| 亚洲第一av免费看| 日韩欧美 国产精品| 国产麻豆成人av免费视频| 国产亚洲精品第一综合不卡| 亚洲成人久久性| 欧美不卡视频在线免费观看 | 免费看美女性在线毛片视频| 亚洲精品一区av在线观看| 亚洲午夜精品一区,二区,三区| 久久久久久久久免费视频了| 热99re8久久精品国产| av超薄肉色丝袜交足视频| 男人舔女人下体高潮全视频| 不卡一级毛片| 免费观看精品视频网站| 精品欧美国产一区二区三| 亚洲无线在线观看| 久久久久久人人人人人| 国产免费男女视频| 夜夜爽天天搞| 国产精品久久久人人做人人爽| 久久这里只有精品19| 欧美成人一区二区免费高清观看 | 欧美日韩乱码在线| 波多野结衣高清无吗| 亚洲电影在线观看av| 国产精品一区二区精品视频观看| 国产伦一二天堂av在线观看| 日日夜夜操网爽| 丰满人妻熟妇乱又伦精品不卡| 人人妻人人澡人人看| 国产极品粉嫩免费观看在线| 午夜激情福利司机影院| 久久香蕉激情| 日韩免费av在线播放| 亚洲 欧美 日韩 在线 免费| 又大又爽又粗| 日韩大码丰满熟妇| 免费观看人在逋| 国产欧美日韩一区二区三| 长腿黑丝高跟| 两个人免费观看高清视频| 欧美日本亚洲视频在线播放| 国产在线观看jvid| 久久99热这里只有精品18| 18禁国产床啪视频网站| 日本精品一区二区三区蜜桃| 巨乳人妻的诱惑在线观看| 欧美一级a爱片免费观看看 | 18美女黄网站色大片免费观看| 日韩高清综合在线| 久久精品夜夜夜夜夜久久蜜豆 | 一本一本综合久久| 国产欧美日韩精品亚洲av| 久久国产精品男人的天堂亚洲| 国产精品香港三级国产av潘金莲| 99久久久亚洲精品蜜臀av| 欧美久久黑人一区二区| e午夜精品久久久久久久| 中亚洲国语对白在线视频| 90打野战视频偷拍视频| 午夜福利一区二区在线看| 波多野结衣高清无吗| 无限看片的www在线观看| 人妻久久中文字幕网| 制服人妻中文乱码| 久久久久久亚洲精品国产蜜桃av| 中文字幕精品亚洲无线码一区 | 欧美性猛交黑人性爽| 丰满的人妻完整版| 亚洲av美国av| 日本精品一区二区三区蜜桃| 久久久精品欧美日韩精品| www.精华液| 免费在线观看成人毛片| 国产视频内射| 成人亚洲精品av一区二区| 国产aⅴ精品一区二区三区波| 黑人欧美特级aaaaaa片| 精品久久久久久久久久久久久 | 国产三级在线视频| 成人国产一区最新在线观看| 精品久久久久久,| 婷婷精品国产亚洲av在线| 国产亚洲精品av在线| 香蕉久久夜色| 两性午夜刺激爽爽歪歪视频在线观看 | www.自偷自拍.com| 欧美又色又爽又黄视频| 色综合亚洲欧美另类图片| 国产欧美日韩一区二区三| 一本综合久久免费| 日日摸夜夜添夜夜添小说| 看免费av毛片| 9191精品国产免费久久| 国产精品野战在线观看| 一级毛片女人18水好多| 国产人伦9x9x在线观看| 成人亚洲精品av一区二区| www国产在线视频色| 久久久久精品国产欧美久久久| 久久久久国产一级毛片高清牌| 精品一区二区三区四区五区乱码| 欧美人与性动交α欧美精品济南到| 午夜免费激情av| 18美女黄网站色大片免费观看| 黄片大片在线免费观看| 国产精品美女特级片免费视频播放器 | 欧美在线一区亚洲| 日韩视频一区二区在线观看| 亚洲成av片中文字幕在线观看| 久久亚洲精品不卡| 亚洲国产毛片av蜜桃av| 波多野结衣高清无吗| 神马国产精品三级电影在线观看 | 国产精品电影一区二区三区| 国产精品电影一区二区三区| www日本在线高清视频| 亚洲av成人一区二区三| 法律面前人人平等表现在哪些方面| 亚洲成人久久爱视频| 首页视频小说图片口味搜索| 亚洲欧美精品综合久久99| 在线观看免费日韩欧美大片| 国产一区二区在线av高清观看| 中文亚洲av片在线观看爽| 人人妻人人看人人澡| 首页视频小说图片口味搜索| 欧美成狂野欧美在线观看| 久久久水蜜桃国产精品网| 欧美一区二区精品小视频在线| 久久草成人影院| 久久久水蜜桃国产精品网| 精品国产超薄肉色丝袜足j| 人人妻人人看人人澡| 国产精品 欧美亚洲| 99久久精品国产亚洲精品| 国产高清有码在线观看视频 | 亚洲国产欧美一区二区综合| 国产欧美日韩精品亚洲av| 国产真人三级小视频在线观看| 国产亚洲精品综合一区在线观看 | 国产高清videossex| 色播在线永久视频| 亚洲中文字幕日韩| 欧美日本亚洲视频在线播放| 午夜影院日韩av| 亚洲自偷自拍图片 自拍| 精品卡一卡二卡四卡免费| 免费无遮挡裸体视频| 999久久久精品免费观看国产| 夜夜看夜夜爽夜夜摸| 精品不卡国产一区二区三区| 欧美成人午夜精品| 国产一级毛片七仙女欲春2 | 18禁美女被吸乳视频| 亚洲一码二码三码区别大吗| 久久人妻福利社区极品人妻图片| 亚洲无线在线观看| 国产高清有码在线观看视频 | 一级a爱视频在线免费观看| 欧美精品啪啪一区二区三区| 少妇熟女aⅴ在线视频| 亚洲自偷自拍图片 自拍| 欧美绝顶高潮抽搐喷水| 欧美绝顶高潮抽搐喷水| 亚洲av片天天在线观看| 99久久99久久久精品蜜桃| 精品国产国语对白av| 精品国产国语对白av| 搡老熟女国产l中国老女人| 色综合婷婷激情| 久久久久免费精品人妻一区二区 | 侵犯人妻中文字幕一二三四区| 国产精品1区2区在线观看.| 欧美日韩瑟瑟在线播放| 一本大道久久a久久精品| 无限看片的www在线观看| 欧美乱色亚洲激情| 久久久久免费精品人妻一区二区 | 又紧又爽又黄一区二区| 国产视频一区二区在线看| 亚洲国产高清在线一区二区三 | 亚洲国产欧美日韩在线播放| 国产又色又爽无遮挡免费看| 亚洲熟妇熟女久久| 日韩大码丰满熟妇| av福利片在线| 成年女人毛片免费观看观看9| 亚洲人成伊人成综合网2020| 国产极品粉嫩免费观看在线| 久久香蕉激情| 性欧美人与动物交配| 怎么达到女性高潮| 手机成人av网站| 久久欧美精品欧美久久欧美| 午夜福利一区二区在线看| 免费在线观看完整版高清| 久久久精品欧美日韩精品| 禁无遮挡网站| 欧美成人免费av一区二区三区| 99国产精品99久久久久| 国产精品1区2区在线观看.| 亚洲人成网站在线播放欧美日韩| 欧美最黄视频在线播放免费| 成人18禁高潮啪啪吃奶动态图| 看免费av毛片| 精品不卡国产一区二区三区| 欧美不卡视频在线免费观看 | 欧美人与性动交α欧美精品济南到| 久久久久国产一级毛片高清牌| 9191精品国产免费久久| 又黄又爽又免费观看的视频| 亚洲专区国产一区二区| 久久久久久九九精品二区国产 | 精品电影一区二区在线| 欧美黑人欧美精品刺激| 久久久久国内视频| 在线看三级毛片| av福利片在线| 91麻豆av在线| 久久久久精品国产欧美久久久| 亚洲中文日韩欧美视频| 一级a爱视频在线免费观看| 欧美绝顶高潮抽搐喷水| 中文字幕精品免费在线观看视频| 欧美不卡视频在线免费观看 | 成人精品一区二区免费| 两性午夜刺激爽爽歪歪视频在线观看 | 日本 欧美在线| 国产黄片美女视频| 高清在线国产一区| a级毛片在线看网站| 国产精品香港三级国产av潘金莲| 无遮挡黄片免费观看| 一a级毛片在线观看| 国产私拍福利视频在线观看| 欧美激情 高清一区二区三区| 亚洲片人在线观看| 久久精品夜夜夜夜夜久久蜜豆 | 国产精品国产高清国产av| 一级黄色大片毛片| 国产午夜福利久久久久久| 国产一级毛片七仙女欲春2 | 两性夫妻黄色片| 夜夜夜夜夜久久久久| 国产片内射在线| 在线国产一区二区在线| 欧美精品亚洲一区二区| 悠悠久久av| 美女午夜性视频免费| 深夜精品福利| 免费女性裸体啪啪无遮挡网站| 99riav亚洲国产免费| 欧美丝袜亚洲另类 | av视频在线观看入口| 制服诱惑二区| 久久久国产成人精品二区| 国内精品久久久久精免费| 国产熟女xx| 亚洲人成网站在线播放欧美日韩| 91字幕亚洲| 午夜免费观看网址| 淫秽高清视频在线观看| www.www免费av| xxxwww97欧美| 精品国内亚洲2022精品成人| 亚洲午夜精品一区,二区,三区| 老汉色∧v一级毛片| 美女免费视频网站| 亚洲中文av在线| 免费人成视频x8x8入口观看| x7x7x7水蜜桃| 怎么达到女性高潮| 日韩精品中文字幕看吧| 美女午夜性视频免费| 天堂动漫精品| 中国美女看黄片| aaaaa片日本免费| 黑人欧美特级aaaaaa片| 国产熟女xx| www.自偷自拍.com| 亚洲久久久国产精品| 亚洲七黄色美女视频| 久久这里只有精品19| 制服人妻中文乱码| 日韩国内少妇激情av| 成人av一区二区三区在线看| 久久99热这里只有精品18| 91成年电影在线观看| 香蕉国产在线看| 精品久久蜜臀av无| 亚洲国产欧美网| 妹子高潮喷水视频| 久久狼人影院| 亚洲性夜色夜夜综合| 1024手机看黄色片| 亚洲国产精品久久男人天堂| 欧美性长视频在线观看| 精品电影一区二区在线| 黄片小视频在线播放| 欧美黑人巨大hd| 老司机福利观看| 午夜日韩欧美国产| 欧美三级亚洲精品| 婷婷六月久久综合丁香| 51午夜福利影视在线观看| 热99re8久久精品国产| 久久人妻av系列| 欧美精品亚洲一区二区| www日本黄色视频网| 欧美性猛交╳xxx乱大交人| 国产国语露脸激情在线看| 欧美久久黑人一区二区| 国产精品免费视频内射| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品一区二区三区四区久久 | 久久精品国产亚洲av高清一级| 免费在线观看黄色视频的| 国产97色在线日韩免费| 99热这里只有精品一区 | 丁香六月欧美| 国产午夜福利久久久久久| 中国美女看黄片| 日本一本二区三区精品| 婷婷精品国产亚洲av| 日韩成人在线观看一区二区三区| 国产精品日韩av在线免费观看| 色精品久久人妻99蜜桃| 午夜成年电影在线免费观看| 亚洲专区字幕在线| av天堂在线播放| 国产午夜精品久久久久久| 91国产中文字幕| 色尼玛亚洲综合影院| 在线观看免费视频日本深夜| 午夜免费观看网址| tocl精华| 99精品在免费线老司机午夜| 成人国产一区最新在线观看| 黄色视频,在线免费观看| 成人三级做爰电影| 黄色成人免费大全| 美女高潮喷水抽搐中文字幕| 真人一进一出gif抽搐免费| 国产1区2区3区精品| 午夜福利18| 国产成人精品久久二区二区91| 日韩欧美国产在线观看| 亚洲国产高清在线一区二区三 | 十八禁人妻一区二区| 91老司机精品| 精品电影一区二区在线| 欧美日韩乱码在线| 亚洲av电影不卡..在线观看| 亚洲精品一卡2卡三卡4卡5卡| 国产精品,欧美在线| 国产av又大| 亚洲av片天天在线观看| 国产又爽黄色视频| 中亚洲国语对白在线视频| 日日摸夜夜添夜夜添小说| 久久欧美精品欧美久久欧美| 日韩欧美免费精品| 亚洲国产精品久久男人天堂| 亚洲一区二区三区色噜噜| 亚洲精品国产精品久久久不卡| 午夜老司机福利片| 亚洲自偷自拍图片 自拍| 精华霜和精华液先用哪个| 欧美在线一区亚洲| 正在播放国产对白刺激| 日本黄色视频三级网站网址| 天堂√8在线中文| 无人区码免费观看不卡| 成人欧美大片| 国产亚洲精品第一综合不卡| 亚洲精品粉嫩美女一区| 午夜激情福利司机影院| 91九色精品人成在线观看| 国产又色又爽无遮挡免费看| a在线观看视频网站| 精品国产乱子伦一区二区三区| 亚洲全国av大片| 香蕉丝袜av| 最新美女视频免费是黄的| 国产精品影院久久| 久久中文字幕人妻熟女| 午夜久久久在线观看| 久久精品91蜜桃| 精品久久久久久久毛片微露脸| 午夜久久久在线观看| 国产精品综合久久久久久久免费| 欧美性猛交╳xxx乱大交人| 国产精品久久电影中文字幕| 精品国产亚洲在线| 叶爱在线成人免费视频播放| 国产精品 欧美亚洲| 国产一级毛片七仙女欲春2 | 色综合站精品国产| 精品日产1卡2卡| 日韩中文字幕欧美一区二区| 成人亚洲精品一区在线观看| 免费看日本二区| 又紧又爽又黄一区二区| 19禁男女啪啪无遮挡网站| 久久久国产成人精品二区| 熟女电影av网| 琪琪午夜伦伦电影理论片6080| 99久久综合精品五月天人人| 黑人巨大精品欧美一区二区mp4| 亚洲av电影在线进入| 老司机福利观看| www.自偷自拍.com| 国产v大片淫在线免费观看| 欧美精品亚洲一区二区| 美女高潮到喷水免费观看| 午夜福利成人在线免费观看| 老汉色∧v一级毛片| 国产亚洲精品久久久久5区| 国产成人av激情在线播放| 国产精品久久久av美女十八| 亚洲五月婷婷丁香| 韩国av一区二区三区四区| 91麻豆精品激情在线观看国产| 久久这里只有精品19| 亚洲五月色婷婷综合| 91成年电影在线观看| 日本三级黄在线观看| 老熟妇仑乱视频hdxx| 亚洲一码二码三码区别大吗| 亚洲 欧美一区二区三区| 国产精品久久久av美女十八| 久久久国产成人免费| 婷婷亚洲欧美| 午夜福利免费观看在线| www.熟女人妻精品国产| 国产精品久久久久久亚洲av鲁大| 中亚洲国语对白在线视频| 国产激情偷乱视频一区二区| avwww免费| 热99re8久久精品国产| 一级黄色大片毛片| 国产亚洲精品久久久久5区| 欧美最黄视频在线播放免费| 国产不卡一卡二| 99在线视频只有这里精品首页| 国产乱人伦免费视频| av在线天堂中文字幕| 久久国产精品人妻蜜桃| 久久国产精品男人的天堂亚洲| 在线观看免费午夜福利视频| 在线av久久热| 变态另类成人亚洲欧美熟女| 欧美日韩亚洲综合一区二区三区_| 精品久久久久久成人av| 老汉色∧v一级毛片| 免费人成视频x8x8入口观看| netflix在线观看网站| 国产成年人精品一区二区| 亚洲欧美日韩高清在线视频| 国产成人系列免费观看| 91国产中文字幕| 国产精品1区2区在线观看.| 露出奶头的视频| 50天的宝宝边吃奶边哭怎么回事| 啦啦啦免费观看视频1| 非洲黑人性xxxx精品又粗又长| 亚洲色图av天堂| 露出奶头的视频| 我的亚洲天堂| 久久亚洲精品不卡| 18禁裸乳无遮挡免费网站照片 | 国产精品亚洲一级av第二区| 欧美激情高清一区二区三区| 我的亚洲天堂| 国产91精品成人一区二区三区| 中出人妻视频一区二区| 好男人电影高清在线观看| 一边摸一边抽搐一进一小说| 又黄又粗又硬又大视频| 变态另类丝袜制服| 国产av一区在线观看免费| 搡老岳熟女国产| 三级毛片av免费| 少妇粗大呻吟视频| 精品久久久久久久末码| 成人永久免费在线观看视频| 亚洲精品色激情综合| svipshipincom国产片| 人人妻,人人澡人人爽秒播| 国产av又大| 亚洲五月色婷婷综合| 最近最新中文字幕大全免费视频| 人人妻人人看人人澡| 亚洲久久久国产精品| 国产精品 欧美亚洲| 国产又爽黄色视频| 桃色一区二区三区在线观看| 999久久久精品免费观看国产| 午夜亚洲福利在线播放| 色综合婷婷激情| 亚洲熟妇中文字幕五十中出| 国产人伦9x9x在线观看| 搡老岳熟女国产| 桃色一区二区三区在线观看| 老司机靠b影院| 两个人视频免费观看高清| 99国产精品99久久久久| 日韩欧美三级三区| 在线播放国产精品三级| av在线播放免费不卡| 一级作爱视频免费观看| 久久精品91蜜桃| 亚洲国产欧美一区二区综合| 国产免费男女视频| 久久人妻福利社区极品人妻图片| 制服人妻中文乱码| 国产蜜桃级精品一区二区三区| 老司机福利观看| 欧美av亚洲av综合av国产av| 非洲黑人性xxxx精品又粗又长| 男人舔女人的私密视频| 日韩有码中文字幕| 黄色 视频免费看| 欧美成狂野欧美在线观看| 变态另类成人亚洲欧美熟女| 欧美黑人巨大hd| 白带黄色成豆腐渣| 精品国产乱码久久久久久男人| 中文资源天堂在线| 女生性感内裤真人,穿戴方法视频| 观看免费一级毛片| 黄色女人牲交| 色av中文字幕| 久久国产乱子伦精品免费另类| 亚洲免费av在线视频| 2021天堂中文幕一二区在线观 | 亚洲五月色婷婷综合| 一边摸一边抽搐一进一小说| 国产精品98久久久久久宅男小说| 免费人成视频x8x8入口观看| 天天一区二区日本电影三级| 免费观看人在逋| 欧美日本视频| 欧美性猛交╳xxx乱大交人| 午夜日韩欧美国产| 一二三四社区在线视频社区8| 啦啦啦观看免费观看视频高清| 日韩欧美三级三区| 久久人妻av系列| 日韩欧美三级三区| 最近最新中文字幕大全电影3 | 一个人观看的视频www高清免费观看 | 国产亚洲精品久久久久5区| 无限看片的www在线观看| 一夜夜www| 中文字幕精品免费在线观看视频| 搡老妇女老女人老熟妇| 亚洲最大成人中文| 午夜亚洲福利在线播放| 天天一区二区日本电影三级| 亚洲aⅴ乱码一区二区在线播放 | 久久精品亚洲精品国产色婷小说| 叶爱在线成人免费视频播放| 中文资源天堂在线| 91av网站免费观看| 欧美精品啪啪一区二区三区| 人成视频在线观看免费观看| av免费在线观看网站| 啪啪无遮挡十八禁网站| 老司机在亚洲福利影院| 久久精品91无色码中文字幕| 久久香蕉精品热| 一本一本综合久久| 欧美一区二区精品小视频在线| 无人区码免费观看不卡| 免费看a级黄色片| 国产v大片淫在线免费观看| 男女下面进入的视频免费午夜 | 欧美绝顶高潮抽搐喷水|