• <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 ?

    區(qū)域塊SFIT-MTLBP人臉識(shí)別研究

    2019-06-09 10:36:01劉曉尚吳薇田雄
    軟件導(dǎo)刊 2019年4期
    關(guān)鍵詞:人臉識(shí)別

    劉曉尚 吳薇 田雄

    摘 要:在少量樣本情況下,為了解決傳統(tǒng)LBP算法對(duì)人臉特征提取分類(lèi)魯棒性不強(qiáng)問(wèn)題,提高人臉特征選取的泛化能力,提出一種在人臉面部區(qū)域基于SIFT特征點(diǎn)檢測(cè)的MTLBP人臉識(shí)別算法。從人臉五官區(qū)域選取尺度不變的關(guān)鍵點(diǎn),并在其鄰域選取MTLBP紋理特征,結(jié)合SIFT描述算子和MTLBP特征直方圖形成一系列特征,對(duì)該人臉特征空間向量進(jìn)行分類(lèi)識(shí)別。在相同的少量訓(xùn)練樣本下,該算法與原始LBP算法及其它改進(jìn)型LBP算法相比,識(shí)別率提高了20%左右。

    關(guān)鍵詞:區(qū)域塊;SIFT關(guān)鍵點(diǎn)檢測(cè);MTLBP紋理特征;小樣本;人臉識(shí)別

    DOI:10. 11907/rjdk. 182096

    中圖分類(lèi)號(hào):TP301文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2019)004-0009-04

    0 引言

    人臉識(shí)別一直是計(jì)算機(jī)視覺(jué)和模式識(shí)別研究的熱門(mén)領(lǐng)域。近年來(lái),局部二值模式(Local Binary Patterns,LBP)紋理特征提取算法被廣泛應(yīng)用于人臉識(shí)別。LBP算法最初由Ojala等[1]提出,用于圖像紋理分類(lèi),Timo等[2]將該算法應(yīng)用于描述人臉特征,并采用x2統(tǒng)計(jì)作為不相似度量,取得了很好的識(shí)別效果。隨后,人們又對(duì)LBP算法在人臉識(shí)別上進(jìn)行了各種改進(jìn),局部三元模式(LTP)和中心對(duì)稱(chēng)(CS-LBP)模式被用于人臉特征提取[3-4]。Guo等[5]使用LBP方差(LBPV)進(jìn)行全局匹配的旋轉(zhuǎn)不變紋理分類(lèi),基于低分辨率的多閾值局部二值模式和自適應(yīng)閾值二值模式也成功用于人臉識(shí)別[6-8]。但是,基于單一特征的人臉描述忽略了人臉其它特征的表達(dá),特別是在少量樣本情況下,人臉尺度變化和圖像角度旋轉(zhuǎn)時(shí),局部二值模式特征提取對(duì)同一人臉進(jìn)行識(shí)別不具備很好的魯棒性。大多文獻(xiàn)為了提高人臉識(shí)別率,往往訓(xùn)練大量樣本盡可能代表人臉在各個(gè)姿態(tài)下的特征,然而該傳統(tǒng)做法不僅無(wú)法提高識(shí)別率,還會(huì)不利于類(lèi)間分類(lèi)。多特征提取融合的人臉表示方法走進(jìn)了人們的視線,在此基礎(chǔ)上,基于SIFT特征和旋轉(zhuǎn)不變LBP特征相結(jié)合的圖像匹配算法得到發(fā)展[9-10]。因此,為了與人臉尺度不變特征相結(jié)合,突出表現(xiàn)人臉局部紋理特征,在文獻(xiàn)[7]和文獻(xiàn)[10]啟發(fā)下,本文提出一種在人臉面部五官上選取尺度不變特征(Scale-invariant feature transform,SIFT)和多閾值紋理特征相結(jié)合的人臉識(shí)別方法,最后采用最近鄰分類(lèi)器進(jìn)行分類(lèi)識(shí)別。實(shí)驗(yàn)表明,相對(duì)傳統(tǒng)LBP算法,本文算法融合方式在少量樣本下即可明顯提高識(shí)別率。

    1 相關(guān)算法理論

    1.1 人臉區(qū)域選定

    當(dāng)圖像被劃分成區(qū)域時(shí),可以預(yù)期某些區(qū)域比其它區(qū)域包含更多有用信息[11]。由于人臉五官上的紋理信息最為豐富,眼睛、鼻子、嘴巴特征也是識(shí)別一個(gè)人的重要特征,利用圖像分割算法將面部五官?gòu)娜四槇D像上分割出來(lái)分步識(shí)別,會(huì)對(duì)人臉識(shí)別起到積極作用[12]。實(shí)驗(yàn)表明:①人臉紋理特征最為豐富的地方在人臉整體輪廓和面部五官上,有效分割人臉面部五官區(qū)域,可將一些對(duì)人臉面部識(shí)別區(qū)分度不大,但在紋理特征中占比較大的區(qū)域劃分出去,如背景、頭發(fā)、臉頰等;②SIFT關(guān)鍵點(diǎn)的檢測(cè)并不都集中在人臉五官區(qū)域,將人臉五官區(qū)域分割出來(lái)再檢測(cè)SIFT關(guān)鍵點(diǎn),可將人臉五官紋理特征很好地結(jié)合起來(lái)。

    1.2 SIFT特征關(guān)鍵點(diǎn)檢測(cè)

    SIFT即尺度不變特征變換,由Lowe[13]于1999年提出,2004年加以完善。SIFT特征對(duì)旋轉(zhuǎn)、尺度縮放等保持不變性,可以很方便地與其它形式特征向量進(jìn)行融合。SIFT特征關(guān)鍵點(diǎn)檢測(cè)是基于圖像尺度空間理論的方法,主要步驟如下:

    (1)尺度空間極值點(diǎn)檢測(cè)。尺度空間構(gòu)建使用高斯金字塔表示,利用不同尺度的高斯差分核與圖像卷積生成。為了尋找尺度空間極值點(diǎn),在尺度空間中,每一個(gè)采樣點(diǎn)要與其所有相鄰點(diǎn)比較,即同尺度的8個(gè)相鄰點(diǎn)與上下相鄰尺度對(duì)應(yīng)的2×9個(gè)點(diǎn)比較。如果該采樣點(diǎn)是26個(gè)鄰域中的最大值或最小值時(shí),即為圖像在該尺度下的特征點(diǎn)。尺度空間采樣點(diǎn)及其鄰域空間分布如圖1所示。

    (3)SIFT特征描述子。以關(guān)鍵點(diǎn)為中心區(qū)域,將該區(qū)域分為4×4個(gè)子區(qū)域,對(duì)每個(gè)區(qū)域建立8個(gè)方向的梯度方向直方圖,從而形成128維向量。

    1.3 多閾值LBP紋理特征提取

    LBP算子最初定義在像素為3×3的矩形鄰域內(nèi),以矩形中心像素為閾值,若周?chē)袼卮笥谥行南袼兀瑒t該位置被標(biāo)記為1,否則被標(biāo)記為0。經(jīng)比較后,3×3鄰域內(nèi)可產(chǎn)生8位依次排列的二進(jìn)制數(shù),此即為該中心像素的LBP值[14]。

    原始圖像和在不同閾值下經(jīng)過(guò)LBP編碼后的圖像如圖2所示,可以看出,當(dāng)閾值由0到4時(shí),人臉圖像輪廓更加清楚,人臉面部主要紋理特征被突出,不利于類(lèi)間分類(lèi)的大量紋理信息被弱化或剔除。

    2 基于區(qū)域塊SIFT-MTLBP的人臉描述

    本文基于小樣本情況,最大化描述人臉局部面部特征,不僅在提取人臉面部特征時(shí)采用多閾值局部二值模式突出五官特征,還考慮到同類(lèi)樣本在尺度和角度旋轉(zhuǎn)變化時(shí)面部特征之間存在的轉(zhuǎn)化聯(lián)系[15]。通俗地講,即考慮到同一個(gè)人的人臉面部局部特征,從人臉正面到側(cè)面過(guò)程中基于尺度空間不變點(diǎn)和其周?chē)y理特征存在的聯(lián)系。

    人臉識(shí)別過(guò)程中的關(guān)鍵步驟在于特征點(diǎn)或特征區(qū)域選取,只有選定特征區(qū)域能夠很好地表達(dá)人臉身份信息,提取到合適的特征向量,才能更精確地進(jìn)行分類(lèi)。以O(shè)RL人臉庫(kù)為例,文中基于區(qū)域塊SIFT-MTLBP的特征提取步驟如下:

    (1)利用樣本的Haar特征[16-17]進(jìn)行分類(lèi)器訓(xùn)練,得到級(jí)聯(lián)boosted[18]分類(lèi)器,可以檢測(cè)圖片中的眼睛、鼻子和嘴巴區(qū)域。該步驟通過(guò)改進(jìn)OpenCV自帶級(jí)聯(lián)分類(lèi)器實(shí)現(xiàn)。

    3 實(shí)驗(yàn)與分析

    3.1 訓(xùn)練集與測(cè)試集

    為了充分驗(yàn)證本文方法的有效性,采用英國(guó)劍橋大學(xué)Olivetti研究所的ORL人臉庫(kù)和韓國(guó)浦項(xiàng)科技大學(xué)PF01人臉庫(kù)的POSE子集庫(kù)進(jìn)行實(shí)驗(yàn)。使用ORL人臉庫(kù)進(jìn)行實(shí)驗(yàn)說(shuō)明,圖4為ORL人臉庫(kù)部分樣本。實(shí)驗(yàn)將人臉庫(kù)中每個(gè)人臉樣本分為訓(xùn)練集Mi和測(cè)試集Nj,[i,j∈(1,2???10)]分別代表訓(xùn)練集和測(cè)試集中包含的樣本數(shù)。在訓(xùn)練樣本為3的情況下,抽取同一人臉圖片的特定組合集進(jìn)行訓(xùn)練。例如選取圖4中第5-7幅圖片進(jìn)行訓(xùn)練,分別記為I5、I6、I7,組成訓(xùn)練集合為{I5,I6,I7},其它圖片作為測(cè)試集;選取第3、8、9幅圖片進(jìn)行訓(xùn)練,分別記為I3、I8、I9,組成訓(xùn)練集合為{I3,I8,I9},其它圖片作為測(cè)試集等;訓(xùn)練集和測(cè)試集一一對(duì)應(yīng),分別保存在訓(xùn)練序列和測(cè)試序列中。訓(xùn)練樣本為4及以上時(shí),在每個(gè)樣本中選擇[Ci10,i∈(1,10)]的任意排列組合作為訓(xùn)練集,每種組合之外的圖片作為測(cè)試集。

    3.2 閾值與權(quán)重

    在多閾值LBP特征與SIFT特征融合情況下,無(wú)法知道閾值與權(quán)重的不同組合會(huì)對(duì)識(shí)別率有何種程度影響。為了確定最理想的閾值和權(quán)重組合,本文在實(shí)驗(yàn)中選取從? 0~4的閾值與權(quán)重比在0~1的不同組合中進(jìn)行實(shí)驗(yàn)。在ORL人臉庫(kù)和PF01人臉庫(kù)的pose子集上,每張人臉每次選取7個(gè)訓(xùn)練樣本進(jìn)行訓(xùn)練,其余樣本作為測(cè)試不參與訓(xùn)練過(guò)程,由此得到不同閾值與不同權(quán)重比組合下的平均識(shí)別率,實(shí)驗(yàn)結(jié)果如表1所示。由表1可知,選取閾值為2,權(quán)重為0.6的識(shí)別率最為理想。

    其中,[Si]、[Mi]分別為實(shí)驗(yàn)樣本得到正確匹配的樣本數(shù)和期望樣本數(shù)。

    引入?yún)⒖嘉墨I(xiàn)中的3種算法與本文進(jìn)行對(duì)比:文獻(xiàn)[2]采用采樣半徑為2、采樣點(diǎn)為8不加權(quán)重的LBP特征提取方式,文獻(xiàn)[7]采用低分辨率下多閾值LBP方法,文獻(xiàn)[4]基于Gabor變換使用中心對(duì)稱(chēng)LBP的方法。特別說(shuō)明的是,文獻(xiàn)[3]中采用圖像部分子塊,尤其是在眼角部分加權(quán)后的實(shí)驗(yàn)與本文有較大可比性,實(shí)驗(yàn)所用到的訓(xùn)練集和測(cè)試集均與本文一致。ORL人臉庫(kù)與FP01人臉庫(kù)POSE子集的對(duì)比實(shí)驗(yàn)結(jié)果如圖5、圖6所示。

    由實(shí)驗(yàn)結(jié)果對(duì)比可知:①本文方法在樣本較少情況下,相比傳統(tǒng)LBP算法和MTLBP算法具有更高識(shí)別率,特別是在POSE子集上,識(shí)別率在樣本數(shù)為3時(shí)提高了20%以上,達(dá)到85%左右,考慮到樣本中姿態(tài)和表情等因素影響,該結(jié)果已經(jīng)相當(dāng)理想;②本文方法在樣本數(shù)增加時(shí),識(shí)別率受到限制,只達(dá)到了近99%,特別是在樣本數(shù)大于7時(shí),較文獻(xiàn)[2]中方法并沒(méi)有產(chǎn)生較大優(yōu)勢(shì)。

    因此,本文方法在FP01人臉庫(kù)pose子集上識(shí)別效果優(yōu)于在ORL人臉庫(kù)上,因?yàn)樵趐ose子集上人臉圖像僅是人臉姿態(tài)、角度的改變。該結(jié)果也表明在SIFT特征下采取人臉圖像局部的紋理信息,更適合人臉姿態(tài)變化時(shí)的人臉表達(dá),實(shí)驗(yàn)結(jié)果符合預(yù)期。當(dāng)然,本文方法也有其局限性,在訓(xùn)練樣本達(dá)到7張圖片以上時(shí),沒(méi)有融合全局特征的平均識(shí)別率很難再有所提高,所以本文方法更適合小部分樣本人臉圖像訓(xùn)練和識(shí)別。

    4 結(jié)語(yǔ)

    本文提出一種將尺度不變特征轉(zhuǎn)換(SIFT)與MTLBP相結(jié)合的人臉識(shí)別方法,該方法利用SIFT算法檢測(cè)出同一人臉在旋轉(zhuǎn)尺度變化時(shí)保持的不變點(diǎn),在該不變點(diǎn)上提取豐富的紋理特征,同SIFT特征向量一起作為人臉識(shí)別依據(jù)。實(shí)驗(yàn)表明,本文方法能夠較好地提高人臉特征泛化能力,在識(shí)別率稍有下降的情況下,有效減少了訓(xùn)練樣本數(shù)。不足之處是沒(méi)有考慮到人臉的全局特征,當(dāng)樣本數(shù)提高到一定程度時(shí),本文方法在識(shí)別率上受到了限制。因此,怎樣融合全局特征突破局限,將是今后努力的方向。

    參考文獻(xiàn):

    [1] OJALA T,PIETIK?INEN M,M?ENP?? T. Multiresolution gray- scale and rotation invariant texture classification with local binary patterns[C]. European Conference on Computer Vision,2000:404-420.

    [2] AHONEN T,HADID A,PIETIK?INEN M. Face recognition with local binary patterns[C]. European Conference on Computer Vision, 2004:469-481.

    [3] 李偉生,王立逗,周麗芳. 一種基于LTP自適應(yīng)閾值的人臉識(shí)別方法[J]. 小型微型計(jì)算機(jī)系統(tǒng),2014,35(9):2099-2103.

    [4] NIKAN S,AHMADI M. Partial GMP-CS-LBP face recognition using image subblocks[C]. Barcelona:The Tenth International Conference on Systems, 2015.

    [5] GUO Z, ZHANG L, ZHANG D. Rotation invariant texture classification using LBP variance (LBPV) with global matching[J]. Pattern Recognition, 2010, 43(3):706-719.

    [6] 周凱,楊路明,宋虹,等. 基于多閾值局部二值模式的人臉識(shí)別方法[J]. 計(jì)算機(jī)工程,2009, 35(17):167-169.

    [7] ZHAO H,CHEN X, LONG M, et al. Human face recognition based on low resolution muti-threshold local binary pattern[C]. International Conference on Electronics, Communications and Control, 2012:1865-1868.

    [8] 張潔玉, 趙鴻萍, 陳曙. 自適應(yīng)閾值及加權(quán)局部二值模式的人臉識(shí)別[J]. 電子與信息學(xué)報(bào), 2014, 36(6):1327-1333.

    [9] 董振鑫, 廖仕榮, 程慧,等. 基于多特征融合的圖像匹配算法[J]. 軟件導(dǎo)刊, 2017, 16(7):44-47.

    [10] 鄭永斌, 黃新生, 豐松江. SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像匹配算法[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2010, 22(2):286-292.

    [11] LIAO S, JAIN A K. Partial face recognition: an alignment free approach[C]. International Joint Conference on Biometrics,2011:1-8.

    [12] 嚴(yán)云洋. 圖像的特征抽取方法及其應(yīng)用研究[D].南京:南京理工大學(xué), 2008.

    [13] LOWE D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60(2):91-110.

    [14] 康健.? 基于多閾值多尺度LBP的人臉識(shí)別研究[D]. 北京:北京郵電大學(xué),2013.

    [15] SWAPNA K,ARPANA B. Feature extraction from face images using SIFT and MLBP algorithm[C]. Imperial Journal of Interdisciplinary Research (IJIR),2017:2454-1362.

    [16] 侯小紅, 郭敏. 一種基于Harris-SIFT特征點(diǎn)檢測(cè)的LBP人臉表情識(shí)別算法[J]. 西北大學(xué)學(xué)報(bào):自然科學(xué)版,2017,47(2):209-214.

    [17] 甘玲,朱江,苗東. 擴(kuò)展Haar特征檢測(cè)人眼的方法[J]. 電子科技大學(xué)學(xué)報(bào),2010, 39(2):247-250.

    [18] VIOLA P,JONES M. Rapid object detection using a boosted cascade of simple features[C]. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2001:511-518.

    [19] 林曉帆,丁曉青,吳佑壽. 最近鄰分類(lèi)器置信度估計(jì)的理論分析[J]. 科學(xué)通報(bào),1998, 43(3):322-325.

    [20] 馬圓,田思佳,馮巍,等. 基于肺部PET/CT圖像不同紋理特征的K最近鄰分類(lèi)器[J]. 北京生物醫(yī)學(xué)工程, 2018(1):57-61.

    (責(zé)任編輯:何 麗)

    猜你喜歡
    人臉識(shí)別
    人臉識(shí)別 等
    揭開(kāi)人臉識(shí)別的神秘面紗
    人臉識(shí)別技術(shù)的基本原理與應(yīng)用
    電子制作(2019年14期)2019-08-20 05:43:34
    人臉識(shí)別技術(shù)在高速公路打逃中的應(yīng)用探討
    基于(2D)2PCA-LBP 的人臉識(shí)別方法的研究
    電子制作(2017年17期)2017-12-18 06:40:55
    淺談人臉識(shí)別技術(shù)
    人臉識(shí)別在高校安全防范中的應(yīng)用
    電子制作(2017年1期)2017-05-17 03:54:46
    巡演完美收官 英飛拓引領(lǐng)人臉識(shí)別新潮流
    人臉識(shí)別在Android平臺(tái)下的研究與實(shí)現(xiàn)
    基于Metaface字典學(xué)習(xí)與核稀疏表示的人臉識(shí)別方法
    久久天堂一区二区三区四区| 亚洲一区中文字幕在线| www.精华液| 久久人妻av系列| 首页视频小说图片口味搜索| www国产在线视频色| x7x7x7水蜜桃| 国产97色在线日韩免费| 国产欧美日韩综合在线一区二区| 操美女的视频在线观看| 国产aⅴ精品一区二区三区波| 成人精品一区二区免费| 亚洲午夜理论影院| 精品久久久精品久久久| 久久 成人 亚洲| 亚洲国产中文字幕在线视频| 国产精品一区二区免费欧美| 日韩国内少妇激情av| 国语自产精品视频在线第100页| 9191精品国产免费久久| 波多野结衣巨乳人妻| netflix在线观看网站| 久久精品国产综合久久久| 丰满人妻熟妇乱又伦精品不卡| 国产成人av激情在线播放| 亚洲中文日韩欧美视频| 无限看片的www在线观看| 一区二区三区国产精品乱码| 亚洲av片天天在线观看| 免费在线观看视频国产中文字幕亚洲| 中文字幕精品免费在线观看视频| 丝袜美足系列| 亚洲精品av麻豆狂野| 亚洲午夜理论影院| 亚洲精品一卡2卡三卡4卡5卡| 嫩草影视91久久| 国产精品二区激情视频| 亚洲av日韩精品久久久久久密| 午夜亚洲福利在线播放| 男女之事视频高清在线观看| 两个人视频免费观看高清| 国产亚洲av嫩草精品影院| 狂野欧美激情性xxxx| 高潮久久久久久久久久久不卡| 亚洲专区字幕在线| 欧美激情久久久久久爽电影 | 99精品欧美一区二区三区四区| 99国产精品免费福利视频| 国产精品一区二区三区四区久久 | 欧美日韩精品网址| 日韩精品中文字幕看吧| 欧美精品啪啪一区二区三区| 国产精品乱码一区二三区的特点 | 成人亚洲精品一区在线观看| 极品教师在线免费播放| 91av网站免费观看| 精品欧美国产一区二区三| 久9热在线精品视频| 丝袜人妻中文字幕| 在线观看午夜福利视频| 啪啪无遮挡十八禁网站| 成人手机av| www国产在线视频色| 国产1区2区3区精品| 妹子高潮喷水视频| 亚洲精品在线美女| 亚洲精品中文字幕在线视频| 无遮挡黄片免费观看| 国产黄a三级三级三级人| or卡值多少钱| 一边摸一边抽搐一进一小说| 欧美人与性动交α欧美精品济南到| 一卡2卡三卡四卡精品乱码亚洲| 国产精品 欧美亚洲| 日韩欧美国产在线观看| 黑人操中国人逼视频| 成人av一区二区三区在线看| av中文乱码字幕在线| 一级a爱片免费观看的视频| 久久婷婷人人爽人人干人人爱 | 法律面前人人平等表现在哪些方面| 成人18禁在线播放| 熟女少妇亚洲综合色aaa.| 久久伊人香网站| 一区二区三区国产精品乱码| 9热在线视频观看99| 亚洲 国产 在线| 精品国产一区二区三区四区第35| 亚洲熟妇熟女久久| 99国产精品免费福利视频| av有码第一页| 亚洲av日韩精品久久久久久密| 中国美女看黄片| 欧美色欧美亚洲另类二区 | 国产免费av片在线观看野外av| 美女免费视频网站| 男女午夜视频在线观看| 国产一区在线观看成人免费| 亚洲第一青青草原| 51午夜福利影视在线观看| 成人手机av| 亚洲avbb在线观看| 黄色丝袜av网址大全| 日韩大尺度精品在线看网址 | 男女下面进入的视频免费午夜 | 麻豆成人av在线观看| 亚洲欧美日韩无卡精品| 丝袜人妻中文字幕| 日日摸夜夜添夜夜添小说| 97碰自拍视频| 一级片免费观看大全| 天堂影院成人在线观看| 亚洲全国av大片| av在线天堂中文字幕| 精品久久蜜臀av无| 在线观看66精品国产| 宅男免费午夜| 国内精品久久久久久久电影| 精品福利观看| 国产三级黄色录像| 亚洲国产中文字幕在线视频| 18禁观看日本| 男女之事视频高清在线观看| 成人手机av| 久久久精品国产亚洲av高清涩受| x7x7x7水蜜桃| 中文字幕久久专区| 欧美成人午夜精品| 一二三四社区在线视频社区8| 日韩有码中文字幕| 手机成人av网站| 国产不卡一卡二| 女性生殖器流出的白浆| 高清毛片免费观看视频网站| 三级毛片av免费| 婷婷丁香在线五月| 国产亚洲精品一区二区www| 国产精品一区二区精品视频观看| 国产av在哪里看| 嫩草影院精品99| 在线av久久热| 激情在线观看视频在线高清| 国产精品久久久久久精品电影 | 人人妻人人澡人人看| 国产成人免费无遮挡视频| 黑人巨大精品欧美一区二区蜜桃| 国产av精品麻豆| 婷婷丁香在线五月| 久热爱精品视频在线9| 国产91精品成人一区二区三区| 如日韩欧美国产精品一区二区三区| 啦啦啦观看免费观看视频高清 | 黄片大片在线免费观看| 亚洲av电影不卡..在线观看| 黄片播放在线免费| 变态另类成人亚洲欧美熟女 | 禁无遮挡网站| 午夜精品在线福利| 色综合欧美亚洲国产小说| 日韩欧美国产在线观看| 成人永久免费在线观看视频| 黄色 视频免费看| 一区福利在线观看| 久久久精品欧美日韩精品| 大香蕉久久成人网| 国产精品一区二区在线不卡| 亚洲色图av天堂| 99国产极品粉嫩在线观看| 岛国视频午夜一区免费看| 亚洲国产精品成人综合色| 真人一进一出gif抽搐免费| 国产区一区二久久| 日日摸夜夜添夜夜添小说| 国产精品1区2区在线观看.| 欧美+亚洲+日韩+国产| 国产精品九九99| 午夜免费激情av| 老司机福利观看| 日日爽夜夜爽网站| 亚洲欧美精品综合一区二区三区| 久久久国产欧美日韩av| 最近最新中文字幕大全免费视频| 色av中文字幕| 一本大道久久a久久精品| 亚洲中文字幕一区二区三区有码在线看 | 两个人看的免费小视频| 岛国在线观看网站| 涩涩av久久男人的天堂| 变态另类丝袜制服| 亚洲av第一区精品v没综合| 桃色一区二区三区在线观看| 日日爽夜夜爽网站| 不卡一级毛片| 国产又爽黄色视频| 国产伦人伦偷精品视频| 午夜久久久在线观看| 国产免费男女视频| 免费看a级黄色片| 一个人免费在线观看的高清视频| 亚洲色图 男人天堂 中文字幕| 国产人伦9x9x在线观看| 亚洲最大成人中文| 乱人伦中国视频| 午夜福利,免费看| 性色av乱码一区二区三区2| tocl精华| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲最大成人中文| 国产精品综合久久久久久久免费 | 狠狠狠狠99中文字幕| 亚洲成a人片在线一区二区| 91精品国产国语对白视频| 中文亚洲av片在线观看爽| 日韩欧美一区视频在线观看| 大型av网站在线播放| 99久久精品国产亚洲精品| 中文字幕久久专区| 久久精品91蜜桃| 一进一出好大好爽视频| 欧美在线一区亚洲| 精品欧美一区二区三区在线| 欧美乱码精品一区二区三区| 国产精品久久久久久亚洲av鲁大| 久久人妻福利社区极品人妻图片| 一区在线观看完整版| 两个人看的免费小视频| 日韩精品中文字幕看吧| 亚洲国产精品sss在线观看| 搡老妇女老女人老熟妇| 欧美最黄视频在线播放免费| 国产欧美日韩一区二区三| 日韩一卡2卡3卡4卡2021年| 久久香蕉精品热| 欧美日韩乱码在线| 亚洲色图综合在线观看| 欧美黄色片欧美黄色片| 国产精品 欧美亚洲| 神马国产精品三级电影在线观看 | 国内毛片毛片毛片毛片毛片| 国产精品电影一区二区三区| 宅男免费午夜| 国产精品永久免费网站| 男女之事视频高清在线观看| 50天的宝宝边吃奶边哭怎么回事| 日韩欧美一区视频在线观看| 欧美成人免费av一区二区三区| 午夜福利高清视频| 一区二区三区精品91| 午夜福利影视在线免费观看| videosex国产| 窝窝影院91人妻| 在线永久观看黄色视频| 免费久久久久久久精品成人欧美视频| 色在线成人网| 三级毛片av免费| 成人特级黄色片久久久久久久| 18禁美女被吸乳视频| 日日爽夜夜爽网站| 一二三四社区在线视频社区8| 亚洲男人的天堂狠狠| 人人妻,人人澡人人爽秒播| 午夜福利视频1000在线观看 | 两性夫妻黄色片| 色老头精品视频在线观看| 亚洲av电影在线进入| 黄色a级毛片大全视频| 在线观看免费视频网站a站| 国产精品秋霞免费鲁丝片| 中文亚洲av片在线观看爽| 满18在线观看网站| 中文字幕精品免费在线观看视频| 国产精品精品国产色婷婷| 人妻丰满熟妇av一区二区三区| 午夜a级毛片| 桃色一区二区三区在线观看| 日韩欧美国产一区二区入口| 在线观看免费午夜福利视频| 久久婷婷成人综合色麻豆| 久久亚洲真实| 9热在线视频观看99| 日韩欧美免费精品| 咕卡用的链子| 成在线人永久免费视频| 色播在线永久视频| 日韩三级视频一区二区三区| 看免费av毛片| 一二三四社区在线视频社区8| 黄色丝袜av网址大全| 国产又爽黄色视频| 久久久久国产一级毛片高清牌| www.自偷自拍.com| 亚洲人成电影免费在线| 麻豆久久精品国产亚洲av| www.www免费av| 757午夜福利合集在线观看| 黄色视频,在线免费观看| 国产精品电影一区二区三区| 欧美日本中文国产一区发布| 脱女人内裤的视频| АⅤ资源中文在线天堂| 制服人妻中文乱码| 18禁国产床啪视频网站| 91大片在线观看| 成人三级黄色视频| 狂野欧美激情性xxxx| 国产精品久久久久久亚洲av鲁大| 精品国产一区二区久久| 亚洲专区中文字幕在线| 操出白浆在线播放| 午夜福利高清视频| 黄色片一级片一级黄色片| 激情视频va一区二区三区| av网站免费在线观看视频| 99国产精品一区二区三区| 成在线人永久免费视频| 好看av亚洲va欧美ⅴa在| 国产三级黄色录像| 丁香六月欧美| 啦啦啦 在线观看视频| 国产精品一区二区免费欧美| 亚洲久久久国产精品| 91大片在线观看| 男女做爰动态图高潮gif福利片 | 91成人精品电影| 免费在线观看黄色视频的| 999久久久精品免费观看国产| a在线观看视频网站| 国产乱人伦免费视频| 两个人视频免费观看高清| 久久精品亚洲精品国产色婷小说| 国产亚洲精品久久久久5区| 在线观看舔阴道视频| 成人免费观看视频高清| 国产日韩一区二区三区精品不卡| 亚洲av成人不卡在线观看播放网| 亚洲久久久国产精品| 波多野结衣av一区二区av| 国产精品av久久久久免费| 欧美日韩亚洲国产一区二区在线观看| 麻豆成人av在线观看| 欧美日韩乱码在线| 亚洲自偷自拍图片 自拍| 国产精品自产拍在线观看55亚洲| 欧美日本视频| 免费观看人在逋| 美国免费a级毛片| 亚洲性夜色夜夜综合| 一级毛片高清免费大全| 久久久精品欧美日韩精品| 在线国产一区二区在线| 午夜福利免费观看在线| 久久精品国产综合久久久| 国产精品爽爽va在线观看网站 | 黑人欧美特级aaaaaa片| 99国产精品免费福利视频| 亚洲在线自拍视频| 久久香蕉国产精品| 精品卡一卡二卡四卡免费| 久久久久久久午夜电影| 在线观看舔阴道视频| 大陆偷拍与自拍| 午夜日韩欧美国产| 中文字幕另类日韩欧美亚洲嫩草| 亚洲va日本ⅴa欧美va伊人久久| 国产亚洲精品久久久久5区| 又黄又粗又硬又大视频| 人成视频在线观看免费观看| 侵犯人妻中文字幕一二三四区| 老鸭窝网址在线观看| 9热在线视频观看99| av网站免费在线观看视频| 国产精品98久久久久久宅男小说| 久久久久国内视频| 亚洲精品国产区一区二| 99香蕉大伊视频| 国产高清视频在线播放一区| 精品无人区乱码1区二区| 婷婷精品国产亚洲av在线| 免费不卡黄色视频| 亚洲第一av免费看| 丰满人妻熟妇乱又伦精品不卡| 免费av毛片视频| 制服人妻中文乱码| 在线天堂中文资源库| 亚洲精品av麻豆狂野| 久久久久久久午夜电影| 国产伦一二天堂av在线观看| 满18在线观看网站| 亚洲五月色婷婷综合| 在线观看午夜福利视频| 国产成人欧美| 国产成人av教育| 此物有八面人人有两片| 久久久国产成人精品二区| 美女大奶头视频| 少妇的丰满在线观看| 啦啦啦免费观看视频1| 成熟少妇高潮喷水视频| 他把我摸到了高潮在线观看| 免费观看精品视频网站| 国产成人精品在线电影| 欧美 亚洲 国产 日韩一| 18禁美女被吸乳视频| 曰老女人黄片| 久久久久九九精品影院| 国产欧美日韩一区二区三区在线| 女人精品久久久久毛片| 午夜a级毛片| 在线播放国产精品三级| 亚洲av成人av| 咕卡用的链子| 免费搜索国产男女视频| 午夜两性在线视频| 麻豆国产av国片精品| 亚洲专区中文字幕在线| 狂野欧美激情性xxxx| 日韩精品免费视频一区二区三区| 久久国产精品人妻蜜桃| 亚洲中文av在线| 91九色精品人成在线观看| 亚洲七黄色美女视频| 成年版毛片免费区| 成年人黄色毛片网站| 在线观看免费视频日本深夜| 久久精品国产亚洲av高清一级| 免费一级毛片在线播放高清视频 | 非洲黑人性xxxx精品又粗又长| 国产成人欧美在线观看| 国产精品99久久99久久久不卡| 久久久久久国产a免费观看| 久久久久精品国产欧美久久久| 色在线成人网| 国产97色在线日韩免费| 亚洲全国av大片| 久久亚洲真实| 国产精品免费视频内射| 露出奶头的视频| 久久影院123| 国产不卡一卡二| 日韩一卡2卡3卡4卡2021年| 黑人巨大精品欧美一区二区蜜桃| 两性夫妻黄色片| 亚洲欧美日韩另类电影网站| 免费看十八禁软件| 在线十欧美十亚洲十日本专区| 天堂√8在线中文| 国产aⅴ精品一区二区三区波| 午夜福利一区二区在线看| 老司机福利观看| 伊人久久大香线蕉亚洲五| 亚洲精品av麻豆狂野| 亚洲av成人av| 一本综合久久免费| 色精品久久人妻99蜜桃| 久久久久久人人人人人| 欧美丝袜亚洲另类 | 国产成人av教育| 天天躁狠狠躁夜夜躁狠狠躁| svipshipincom国产片| 国产精品二区激情视频| 欧美乱码精品一区二区三区| 中亚洲国语对白在线视频| 国产一区二区三区视频了| 精品无人区乱码1区二区| 日本欧美视频一区| 亚洲国产精品久久男人天堂| 99在线人妻在线中文字幕| 女人爽到高潮嗷嗷叫在线视频| 久久久久久久精品吃奶| 亚洲一区二区三区色噜噜| 欧美色欧美亚洲另类二区 | 夜夜夜夜夜久久久久| 好男人电影高清在线观看| 桃红色精品国产亚洲av| 亚洲一区中文字幕在线| 免费搜索国产男女视频| 国产精品98久久久久久宅男小说| 中国美女看黄片| 亚洲 欧美 日韩 在线 免费| 91国产中文字幕| 成人av一区二区三区在线看| 成年人黄色毛片网站| 久热爱精品视频在线9| 国产亚洲精品久久久久5区| 一级毛片高清免费大全| 十八禁网站免费在线| 国产日韩一区二区三区精品不卡| 久久精品国产亚洲av香蕉五月| 中出人妻视频一区二区| 亚洲国产精品sss在线观看| 国产亚洲欧美98| 国产亚洲精品第一综合不卡| 国产97色在线日韩免费| 国产xxxxx性猛交| 久久热在线av| av在线天堂中文字幕| 亚洲欧美精品综合一区二区三区| 国产精品美女特级片免费视频播放器 | 中文字幕另类日韩欧美亚洲嫩草| 搞女人的毛片| 男女下面插进去视频免费观看| 亚洲中文字幕日韩| 国产国语露脸激情在线看| 国产欧美日韩一区二区三区在线| 国产欧美日韩综合在线一区二区| 中文字幕人成人乱码亚洲影| 一级毛片女人18水好多| 性色av乱码一区二区三区2| 亚洲中文字幕日韩| 国产区一区二久久| 在线免费观看的www视频| 91在线观看av| 久久人人精品亚洲av| 国产成人精品久久二区二区91| 亚洲自偷自拍图片 自拍| 精品免费久久久久久久清纯| 欧美精品啪啪一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 亚洲专区字幕在线| 国产成人精品在线电影| 美国免费a级毛片| 精品久久久久久久久久免费视频| 国产一区二区激情短视频| 亚洲午夜理论影院| 丝袜美腿诱惑在线| 中文字幕精品免费在线观看视频| 99国产精品一区二区蜜桃av| 侵犯人妻中文字幕一二三四区| 后天国语完整版免费观看| 麻豆久久精品国产亚洲av| 国产欧美日韩一区二区精品| 天天躁夜夜躁狠狠躁躁| 免费久久久久久久精品成人欧美视频| av有码第一页| 一级a爱视频在线免费观看| 国产成人av教育| 两个人免费观看高清视频| 成人精品一区二区免费| 久久精品国产亚洲av高清一级| 欧美日韩黄片免| 老司机午夜福利在线观看视频| 99国产精品免费福利视频| 久久精品亚洲熟妇少妇任你| 久久香蕉激情| 久久精品aⅴ一区二区三区四区| 日日爽夜夜爽网站| a级毛片在线看网站| 自线自在国产av| 色尼玛亚洲综合影院| 精品久久久久久久毛片微露脸| 精品不卡国产一区二区三区| 夜夜夜夜夜久久久久| 亚洲男人天堂网一区| 超碰成人久久| 中文字幕人妻熟女乱码| 亚洲精品久久成人aⅴ小说| 波多野结衣巨乳人妻| 视频在线观看一区二区三区| 人人妻人人澡欧美一区二区 | 黄色视频不卡| 国产精品99久久99久久久不卡| 精品无人区乱码1区二区| 国产一卡二卡三卡精品| 熟妇人妻久久中文字幕3abv| tocl精华| 亚洲片人在线观看| 精品卡一卡二卡四卡免费| 桃红色精品国产亚洲av| 免费少妇av软件| 国产精品野战在线观看| 久久久久国内视频| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品电影一区二区三区| 日本 欧美在线| 国产男靠女视频免费网站| 精品一区二区三区av网在线观看| 两个人视频免费观看高清| 亚洲全国av大片| 国产精品一区二区在线不卡| 性色av乱码一区二区三区2| 一区二区三区高清视频在线| 国内久久婷婷六月综合欲色啪| 成在线人永久免费视频| 亚洲精品国产区一区二| www.精华液| 99国产综合亚洲精品| 999久久久精品免费观看国产| 一卡2卡三卡四卡精品乱码亚洲| 午夜福利免费观看在线| 激情视频va一区二区三区| 亚洲av电影不卡..在线观看| 亚洲av电影在线进入| 在线观看www视频免费| 成人三级做爰电影| 一个人免费在线观看的高清视频| 亚洲 欧美 日韩 在线 免费| 欧美日韩亚洲国产一区二区在线观看| 国产成人精品在线电影| 妹子高潮喷水视频| 国产成人啪精品午夜网站| 国产精品自产拍在线观看55亚洲| 欧美日韩黄片免| svipshipincom国产片| 91av网站免费观看| 午夜精品国产一区二区电影| 丰满人妻熟妇乱又伦精品不卡| 中文字幕另类日韩欧美亚洲嫩草| 欧美一区二区精品小视频在线| 日韩欧美国产在线观看| 狠狠狠狠99中文字幕| 日韩欧美国产一区二区入口| 亚洲情色 制服丝袜| 99国产精品一区二区蜜桃av| 女人高潮潮喷娇喘18禁视频| 午夜免费鲁丝|