• <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)
    在线免费十八禁| 国产精品国产三级专区第一集| 国产精品久久久久成人av| 日韩成人av中文字幕在线观看| 精品久久久久久久久亚洲| 亚洲真实伦在线观看| 黄色一级大片看看| 春色校园在线视频观看| 亚洲av电影在线观看一区二区三区| 久久久成人免费电影| 亚洲欧美一区二区三区黑人 | 纵有疾风起免费观看全集完整版| 国产又色又爽无遮挡免| 极品少妇高潮喷水抽搐| 99热这里只有精品一区| 麻豆乱淫一区二区| 亚洲av免费高清在线观看| 成人漫画全彩无遮挡| 在线观看三级黄色| 久久久久久伊人网av| 国产精品av视频在线免费观看| 久久久亚洲精品成人影院| 亚洲欧美一区二区三区黑人 | 久久久久视频综合| 亚洲综合色惰| 亚洲av成人精品一二三区| 日韩中字成人| 久久99精品国语久久久| 午夜日本视频在线| 91午夜精品亚洲一区二区三区| 亚洲av二区三区四区| 免费看光身美女| 欧美老熟妇乱子伦牲交| 18+在线观看网站| 在线观看免费视频网站a站| 久久久a久久爽久久v久久| 老师上课跳d突然被开到最大视频| 欧美日韩亚洲高清精品| 国产精品伦人一区二区| 久久久久性生活片| 中文乱码字字幕精品一区二区三区| 一区二区三区四区激情视频| 免费大片18禁| 亚洲精品国产成人久久av| 麻豆国产97在线/欧美| 99久久中文字幕三级久久日本| 观看av在线不卡| 亚洲精品日韩av片在线观看| 亚洲美女黄色视频免费看| 这个男人来自地球电影免费观看 | 夫妻性生交免费视频一级片| 黄色一级大片看看| 久久国产精品大桥未久av | 成年女人在线观看亚洲视频| 日本欧美视频一区| 国产精品麻豆人妻色哟哟久久| 蜜桃久久精品国产亚洲av| 热re99久久精品国产66热6| 天堂俺去俺来也www色官网| 久久久久性生活片| 国产 精品1| 国产 精品1| 人妻少妇偷人精品九色| 国产精品99久久99久久久不卡 | 亚洲欧美清纯卡通| videossex国产| 高清欧美精品videossex| 夜夜骑夜夜射夜夜干| 夜夜骑夜夜射夜夜干| 性色avwww在线观看| 日日摸夜夜添夜夜爱| 卡戴珊不雅视频在线播放| 91久久精品国产一区二区成人| 嫩草影院新地址| 中国国产av一级| 欧美一区二区亚洲| 久久影院123| 中国国产av一级| 青青草视频在线视频观看| 嫩草影院新地址| 久久韩国三级中文字幕| 欧美日韩国产mv在线观看视频 | 日韩在线高清观看一区二区三区| 在线免费十八禁| 婷婷色综合www| 亚洲av电影在线观看一区二区三区| 九色成人免费人妻av| 国产成人精品婷婷| 有码 亚洲区| 精品久久国产蜜桃| 国产黄片视频在线免费观看| av免费在线看不卡| 日韩人妻高清精品专区| 成年美女黄网站色视频大全免费 | 卡戴珊不雅视频在线播放| 日日摸夜夜添夜夜爱| 男男h啪啪无遮挡| 欧美日韩国产mv在线观看视频 | 久久久久久久久久久免费av| 在线天堂最新版资源| 亚洲av二区三区四区| 久久国产精品大桥未久av | 国产伦在线观看视频一区| 成人美女网站在线观看视频| 另类亚洲欧美激情| 国产午夜精品一二区理论片| 亚洲国产精品999| 毛片女人毛片| 亚洲欧美精品专区久久| 精品国产三级普通话版| 国内揄拍国产精品人妻在线| 亚洲熟女精品中文字幕| 七月丁香在线播放| 国产男人的电影天堂91| 少妇的逼好多水| a级毛片免费高清观看在线播放| 超碰av人人做人人爽久久| 男男h啪啪无遮挡| 99久国产av精品国产电影| 国产av精品麻豆| 亚洲国产日韩一区二区| 一个人看的www免费观看视频| 免费大片黄手机在线观看| 精品国产露脸久久av麻豆| 亚洲av欧美aⅴ国产| 欧美亚洲 丝袜 人妻 在线| 精品人妻视频免费看| 亚洲av.av天堂| 国产亚洲91精品色在线| 日韩av免费高清视频| 91在线精品国自产拍蜜月| 一级毛片我不卡| 精品一区二区三区视频在线| 免费在线观看成人毛片| 日韩一区二区三区影片| 日本黄色片子视频| 一级av片app| av在线老鸭窝| 国产伦精品一区二区三区四那| 精品视频人人做人人爽| 亚洲丝袜综合中文字幕| 国产成人午夜福利电影在线观看| 欧美变态另类bdsm刘玥| 十八禁网站网址无遮挡 | 观看免费一级毛片| 成人综合一区亚洲| 国产成人午夜福利电影在线观看| 国产欧美亚洲国产| 国产免费一级a男人的天堂| av网站免费在线观看视频| 日本av免费视频播放| 亚洲一级一片aⅴ在线观看| 亚洲国产欧美人成| 18禁在线播放成人免费| 噜噜噜噜噜久久久久久91| 啦啦啦中文免费视频观看日本| 亚洲色图综合在线观看| 高清欧美精品videossex| 人妻系列 视频| 亚洲精品一区蜜桃| 久久久欧美国产精品| 免费看光身美女| .国产精品久久| 国产永久视频网站| 男女下面进入的视频免费午夜| 少妇人妻久久综合中文| 男女国产视频网站| 亚洲高清免费不卡视频| 亚洲欧美一区二区三区国产| 热re99久久精品国产66热6| 尤物成人国产欧美一区二区三区| 国产精品麻豆人妻色哟哟久久| 久久久精品免费免费高清| 亚洲在久久综合| 成年美女黄网站色视频大全免费 | 亚洲精品日本国产第一区| 国产精品一二三区在线看| 蜜桃久久精品国产亚洲av| 国产精品麻豆人妻色哟哟久久| 久久久欧美国产精品| 欧美日韩综合久久久久久| 精品人妻偷拍中文字幕| 看免费成人av毛片| 人人妻人人澡人人爽人人夜夜| 国产淫语在线视频| 色综合色国产| 欧美少妇被猛烈插入视频| av又黄又爽大尺度在线免费看| 国产精品秋霞免费鲁丝片| 国产精品爽爽va在线观看网站| 亚洲aⅴ乱码一区二区在线播放| 亚洲av免费高清在线观看| 国产精品国产三级国产专区5o| 亚洲图色成人| 午夜免费观看性视频| 成人亚洲欧美一区二区av| 汤姆久久久久久久影院中文字幕| 99热国产这里只有精品6| 一级片'在线观看视频| av在线播放精品| 51国产日韩欧美| 高清毛片免费看| 国产精品国产av在线观看| .国产精品久久| 在线观看免费日韩欧美大片 | av国产久精品久网站免费入址| 黄色视频在线播放观看不卡| 丝瓜视频免费看黄片| kizo精华| 欧美三级亚洲精品| 成人黄色视频免费在线看| 男女边吃奶边做爰视频| 丰满少妇做爰视频| 国产精品久久久久久久久免| 成人一区二区视频在线观看| 五月开心婷婷网| 亚洲一区二区三区欧美精品| 国产精品国产三级国产av玫瑰| 日韩强制内射视频| 国模一区二区三区四区视频| 国产精品99久久99久久久不卡 | 国产精品久久久久久久久免| 久热这里只有精品99| 夜夜看夜夜爽夜夜摸| 久久精品久久久久久噜噜老黄| 又粗又硬又长又爽又黄的视频| 免费观看无遮挡的男女| 久久人人爽人人片av| 国产精品麻豆人妻色哟哟久久| 国产成人一区二区在线| 国产永久视频网站| av又黄又爽大尺度在线免费看| 久久99热这里只频精品6学生| 亚洲精品国产av成人精品| 亚洲精品国产av蜜桃| 免费看不卡的av| 成人毛片60女人毛片免费| 久久久久久久久大av| av一本久久久久| 热99国产精品久久久久久7| 国产久久久一区二区三区| 国产免费又黄又爽又色| 三级经典国产精品| 日本与韩国留学比较| 在线观看三级黄色| 国产成人免费无遮挡视频| 妹子高潮喷水视频| 另类亚洲欧美激情| 欧美xxⅹ黑人| 成人国产av品久久久| 久久久久久久大尺度免费视频| 国产伦精品一区二区三区四那| 久久女婷五月综合色啪小说| 欧美精品一区二区免费开放| 男女边吃奶边做爰视频| 我要看黄色一级片免费的| 亚洲av在线观看美女高潮| 99re6热这里在线精品视频| 亚洲精品乱码久久久久久按摩| 久久久久久伊人网av| 久久韩国三级中文字幕| 国产v大片淫在线免费观看| 国产伦精品一区二区三区四那| 黑丝袜美女国产一区| 最新中文字幕久久久久| 国产国拍精品亚洲av在线观看| 久久 成人 亚洲| 超碰97精品在线观看| 91狼人影院| 在线观看免费日韩欧美大片 | 亚洲人成网站在线播| 人人妻人人看人人澡| 女人久久www免费人成看片| 亚洲熟女精品中文字幕| 男女国产视频网站| 最近2019中文字幕mv第一页| 国产成人a区在线观看| 看十八女毛片水多多多| 观看av在线不卡| 欧美一区二区亚洲| 久久精品国产亚洲网站| 免费观看av网站的网址| 日韩不卡一区二区三区视频在线| 伦理电影免费视频| av女优亚洲男人天堂| 中文字幕免费在线视频6| 九草在线视频观看| 观看av在线不卡| 久久97久久精品| 超碰97精品在线观看| 伦精品一区二区三区| 婷婷色麻豆天堂久久| 男女边吃奶边做爰视频| 熟女人妻精品中文字幕| 日韩视频在线欧美| 边亲边吃奶的免费视频| 啦啦啦在线观看免费高清www| 六月丁香七月| 久久久久久久国产电影| 国产精品一区二区三区四区免费观看| 日韩一本色道免费dvd| 男女边吃奶边做爰视频| 久久久久精品性色| 亚洲人成网站高清观看| 国产av码专区亚洲av| 99久久中文字幕三级久久日本| 国精品久久久久久国模美| 18禁动态无遮挡网站| 女人久久www免费人成看片| 黄片wwwwww| 在线观看美女被高潮喷水网站| 久久久久性生活片| 久久精品熟女亚洲av麻豆精品| 欧美日韩一区二区视频在线观看视频在线| 久久精品国产自在天天线| 多毛熟女@视频| 国产黄色视频一区二区在线观看| 日本欧美视频一区| 国产女主播在线喷水免费视频网站| 少妇人妻久久综合中文| 精品久久久精品久久久| 精品亚洲成a人片在线观看 | 国产综合精华液| 免费看av在线观看网站| 十八禁网站网址无遮挡 | 免费观看在线日韩| 大码成人一级视频| 国内精品宾馆在线| 国产免费又黄又爽又色| 国内少妇人妻偷人精品xxx网站| 国产欧美另类精品又又久久亚洲欧美| 91精品伊人久久大香线蕉| 久久久久久久久久久丰满| 国产有黄有色有爽视频| 自拍欧美九色日韩亚洲蝌蚪91 | 天天躁日日操中文字幕| 蜜桃久久精品国产亚洲av| 色综合色国产| 久久久成人免费电影| 六月丁香七月| av在线app专区| 人体艺术视频欧美日本| 黑人高潮一二区| av女优亚洲男人天堂| 在线观看免费视频网站a站| 亚洲av中文av极速乱| 一级二级三级毛片免费看| 晚上一个人看的免费电影| 久久鲁丝午夜福利片| 大话2 男鬼变身卡| 精品午夜福利在线看| 啦啦啦中文免费视频观看日本| 男人爽女人下面视频在线观看| 国产淫语在线视频| 亚洲av中文av极速乱| 少妇裸体淫交视频免费看高清| 热re99久久精品国产66热6| 女人久久www免费人成看片| 高清日韩中文字幕在线| 亚洲国产最新在线播放| 成人美女网站在线观看视频| 久久久久久九九精品二区国产| 国国产精品蜜臀av免费| 一级黄片播放器| 97超碰精品成人国产| av国产免费在线观看| 欧美zozozo另类| 成年av动漫网址| 免费观看av网站的网址| 麻豆国产97在线/欧美| 亚洲国产色片| 久久这里有精品视频免费| 欧美亚洲 丝袜 人妻 在线| 啦啦啦中文免费视频观看日本| 99热这里只有精品一区| 久久久久久久久久人人人人人人| 色婷婷av一区二区三区视频| 在现免费观看毛片| 亚洲精华国产精华液的使用体验| 欧美日韩在线观看h| 毛片一级片免费看久久久久| 亚洲国产毛片av蜜桃av| 亚洲激情五月婷婷啪啪| 一级毛片久久久久久久久女| 国产爽快片一区二区三区| 久久人妻熟女aⅴ| 一边亲一边摸免费视频| 国产69精品久久久久777片| 高清视频免费观看一区二区| 精品国产乱码久久久久久小说| 亚洲高清免费不卡视频| 精品久久久噜噜| 久久久午夜欧美精品| 天天躁日日操中文字幕| 丝袜喷水一区| 婷婷色麻豆天堂久久| av在线播放精品| 国产成人精品一,二区| 午夜福利在线在线| 国产黄片视频在线免费观看| 观看免费一级毛片| 国产女主播在线喷水免费视频网站| 狂野欧美激情性xxxx在线观看| 成人二区视频| 色网站视频免费| 大片电影免费在线观看免费| 秋霞在线观看毛片| 看免费成人av毛片| 亚洲精品色激情综合| 一本一本综合久久| 一级毛片aaaaaa免费看小| 日产精品乱码卡一卡2卡三| 18禁在线无遮挡免费观看视频| 中文在线观看免费www的网站| 肉色欧美久久久久久久蜜桃| 一本一本综合久久| 久久精品熟女亚洲av麻豆精品| 成人高潮视频无遮挡免费网站| 成人黄色视频免费在线看| 午夜老司机福利剧场| 少妇精品久久久久久久| 这个男人来自地球电影免费观看 | 欧美zozozo另类| 国产精品麻豆人妻色哟哟久久| 久久久久久九九精品二区国产| 亚洲精品国产成人久久av| 晚上一个人看的免费电影| 三级国产精品欧美在线观看| 国产精品免费大片| 蜜桃久久精品国产亚洲av| 午夜福利在线观看免费完整高清在| 亚洲内射少妇av| 国产精品伦人一区二区| 身体一侧抽搐| 日本av手机在线免费观看| 欧美97在线视频| av国产免费在线观看| 亚洲国产最新在线播放| 亚洲欧美成人精品一区二区| 亚洲综合色惰| 天堂俺去俺来也www色官网| 国产熟女欧美一区二区| 青春草亚洲视频在线观看| 久久久久久久久久久丰满| 日韩av在线免费看完整版不卡| 夜夜爽夜夜爽视频| 寂寞人妻少妇视频99o| 18禁在线播放成人免费| 丝瓜视频免费看黄片| 中文字幕av成人在线电影| 午夜免费鲁丝| 亚洲三级黄色毛片| 亚洲天堂av无毛| 男人爽女人下面视频在线观看| 麻豆成人av视频| 国产一区亚洲一区在线观看| 国产精品伦人一区二区| 国产免费一级a男人的天堂| 久久影院123| 国产一区有黄有色的免费视频| 婷婷色麻豆天堂久久| 欧美xxxx黑人xx丫x性爽| 亚洲av中文字字幕乱码综合| 精品久久久久久久久亚洲| 亚洲国产精品成人久久小说| 国产白丝娇喘喷水9色精品| 成人影院久久| 精品亚洲成国产av| 欧美日韩视频精品一区| 在线 av 中文字幕| 亚洲经典国产精华液单| 美女xxoo啪啪120秒动态图| 久久久久久久亚洲中文字幕| 欧美日韩精品成人综合77777| 美女cb高潮喷水在线观看| 亚洲性久久影院| 中文精品一卡2卡3卡4更新| 熟妇人妻不卡中文字幕| 亚洲精品自拍成人| 日本欧美国产在线视频| 亚洲国产日韩一区二区| 夫妻午夜视频| 最近最新中文字幕大全电影3| av在线观看视频网站免费| 国产精品久久久久成人av| 久久鲁丝午夜福利片| 91久久精品国产一区二区三区| 亚洲国产成人一精品久久久| freevideosex欧美| 中文字幕精品免费在线观看视频 | 精品视频人人做人人爽| 菩萨蛮人人尽说江南好唐韦庄| 熟女人妻精品中文字幕| 亚洲中文av在线| 国产精品女同一区二区软件| 精品久久久噜噜| 菩萨蛮人人尽说江南好唐韦庄| a 毛片基地| 日本-黄色视频高清免费观看| 国产精品女同一区二区软件| 精品一区二区三卡| 少妇人妻久久综合中文| 亚洲精品456在线播放app| 国内少妇人妻偷人精品xxx网站| 午夜福利视频精品| 高清视频免费观看一区二区| 国国产精品蜜臀av免费| 涩涩av久久男人的天堂| 久久久久精品久久久久真实原创| 黄色视频在线播放观看不卡| 欧美xxⅹ黑人| av国产久精品久网站免费入址| 欧美老熟妇乱子伦牲交| 九色成人免费人妻av| 蜜桃久久精品国产亚洲av| 日本与韩国留学比较| 久久国内精品自在自线图片| 国产精品一区二区在线观看99| 一级毛片电影观看| 成年女人在线观看亚洲视频| 国产精品一及| 国产精品久久久久久精品古装| 亚洲av欧美aⅴ国产| 男人和女人高潮做爰伦理| 免费大片黄手机在线观看| 视频中文字幕在线观看| 亚洲精品一二三| 97在线视频观看| 男女无遮挡免费网站观看| 高清日韩中文字幕在线| 久久久久久久大尺度免费视频| 欧美精品人与动牲交sv欧美| 国产老妇伦熟女老妇高清| 女性生殖器流出的白浆| 亚洲精品久久午夜乱码| 欧美日本视频| 97在线视频观看| 久久精品熟女亚洲av麻豆精品| 日本vs欧美在线观看视频 | 亚洲欧美中文字幕日韩二区| 身体一侧抽搐| 我要看黄色一级片免费的| 国产男女超爽视频在线观看| 男男h啪啪无遮挡| 久久鲁丝午夜福利片| 亚洲精品久久午夜乱码| 欧美人与善性xxx| 国产综合精华液| 不卡视频在线观看欧美| 色视频在线一区二区三区| 亚洲无线观看免费| 国产精品人妻久久久久久| 九色成人免费人妻av| 极品少妇高潮喷水抽搐| 少妇人妻 视频| 中文字幕免费在线视频6| 久久精品国产自在天天线| 亚洲精品第二区| 日韩一本色道免费dvd| 国产成人aa在线观看| 一级毛片黄色毛片免费观看视频| 青青草视频在线视频观看| 欧美变态另类bdsm刘玥| 大片电影免费在线观看免费| 成人综合一区亚洲| 自拍欧美九色日韩亚洲蝌蚪91 | 天堂俺去俺来也www色官网| 国产极品天堂在线| 午夜激情福利司机影院| 男女无遮挡免费网站观看| 国产精品人妻久久久影院| 一级爰片在线观看| 777米奇影视久久| 中文字幕久久专区| 国产国拍精品亚洲av在线观看| 日日啪夜夜爽| 亚洲av.av天堂| 久久精品国产鲁丝片午夜精品| 在线观看一区二区三区| 中文字幕免费在线视频6| 日韩不卡一区二区三区视频在线| 欧美3d第一页| 亚洲精品亚洲一区二区| 亚洲精品日本国产第一区| 永久免费av网站大全| 乱系列少妇在线播放| 日韩av在线免费看完整版不卡| 亚洲av免费高清在线观看| 网址你懂的国产日韩在线| 日日摸夜夜添夜夜爱| 人人妻人人澡人人爽人人夜夜| 综合色丁香网| 国产伦在线观看视频一区| 久久久精品94久久精品| 久久亚洲国产成人精品v| 狂野欧美激情性xxxx在线观看| 秋霞伦理黄片| 激情 狠狠 欧美| 国产伦在线观看视频一区| 成人漫画全彩无遮挡| 97超碰精品成人国产| 丰满迷人的少妇在线观看| 亚洲在久久综合| 国精品久久久久久国模美| 大陆偷拍与自拍| 99久久精品国产国产毛片| 两个人的视频大全免费| 97热精品久久久久久| 成人亚洲精品一区在线观看 | 免费观看的影片在线观看| 亚洲成人av在线免费| 成人无遮挡网站| 黑丝袜美女国产一区| 热99国产精品久久久久久7| 国内少妇人妻偷人精品xxx网站|