• <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
    午夜91福利影院| 69精品国产乱码久久久| 一级毛片电影观看| 最近的中文字幕免费完整| av在线老鸭窝| 欧美日韩一区二区视频在线观看视频在线| 免费在线观看黄色视频的| 久久久久人妻精品一区果冻| 亚洲精品成人av观看孕妇| 国产高清三级在线| 插逼视频在线观看| 亚洲精品色激情综合| 午夜91福利影院| 男人舔女人的私密视频| 人人妻人人澡人人爽人人夜夜| 国产熟女午夜一区二区三区| 亚洲,一卡二卡三卡| 黄网站色视频无遮挡免费观看| 在线观看免费视频网站a站| 国产精品久久久久久久电影| 十分钟在线观看高清视频www| 日日摸夜夜添夜夜爱| 国产69精品久久久久777片| 午夜免费观看性视频| 制服丝袜香蕉在线| 国产精品人妻久久久影院| 咕卡用的链子| videos熟女内射| 亚洲成人手机| 中文字幕亚洲精品专区| 波野结衣二区三区在线| 亚洲综合色惰| 我要看黄色一级片免费的| 日日啪夜夜爽| 天堂中文最新版在线下载| 国产麻豆69| 少妇猛男粗大的猛烈进出视频| 国产一级毛片在线| 女人久久www免费人成看片| 日本午夜av视频| 天美传媒精品一区二区| 18禁观看日本| 大陆偷拍与自拍| 亚洲av成人精品一二三区| 久久精品久久精品一区二区三区| 如何舔出高潮| 精品少妇黑人巨大在线播放| 成人黄色视频免费在线看| 两个人看的免费小视频| 另类精品久久| 黄色一级大片看看| 菩萨蛮人人尽说江南好唐韦庄| 少妇猛男粗大的猛烈进出视频| 中文字幕亚洲精品专区| 国产高清不卡午夜福利| 亚洲av男天堂| 国内精品宾馆在线| 精品人妻在线不人妻| 交换朋友夫妻互换小说| 国产精品一区二区在线不卡| 亚洲五月色婷婷综合| 亚洲人成网站在线观看播放| 欧美日韩成人在线一区二区| 色视频在线一区二区三区| 免费看av在线观看网站| 国产在线视频一区二区| 精品国产一区二区久久| 婷婷色综合www| 精品亚洲成a人片在线观看| 最近中文字幕2019免费版| 国产成人91sexporn| 18禁在线无遮挡免费观看视频| 乱人伦中国视频| 亚洲成人av在线免费| 色吧在线观看| 97人妻天天添夜夜摸| 日韩精品免费视频一区二区三区 | 国产片内射在线| 少妇人妻精品综合一区二区| 99国产精品免费福利视频| 男女下面插进去视频免费观看 | 新久久久久国产一级毛片| 赤兔流量卡办理| 狠狠婷婷综合久久久久久88av| 精品久久蜜臀av无| 日韩一区二区三区影片| 国产在线免费精品| 99热网站在线观看| 亚洲国产精品成人久久小说| 国产又色又爽无遮挡免| 日本午夜av视频| 国产免费视频播放在线视频| 亚洲av在线观看美女高潮| 精品国产露脸久久av麻豆| 日韩三级伦理在线观看| 午夜激情av网站| 国产av一区二区精品久久| 亚洲一区二区三区欧美精品| 精品少妇久久久久久888优播| 久久久久久久大尺度免费视频| 欧美激情极品国产一区二区三区 | 国产一区有黄有色的免费视频| 满18在线观看网站| 久久影院123| 婷婷成人精品国产| 国产免费现黄频在线看| 欧美精品国产亚洲| 久久精品久久久久久久性| 精品人妻熟女毛片av久久网站| 中文字幕人妻熟女乱码| 一本久久精品| 国产精品人妻久久久久久| 亚洲美女黄色视频免费看| 91在线精品国自产拍蜜月| av线在线观看网站| 国产免费一级a男人的天堂| 免费av中文字幕在线| 青春草国产在线视频| 亚洲精品美女久久久久99蜜臀 | 久久国产精品男人的天堂亚洲 | 亚洲精品国产av蜜桃| 国产高清不卡午夜福利| 黑人猛操日本美女一级片| 建设人人有责人人尽责人人享有的| 十八禁网站网址无遮挡| 七月丁香在线播放| 曰老女人黄片| 亚洲国产日韩一区二区| 美女国产视频在线观看| 美女国产高潮福利片在线看| 国产探花极品一区二区| 成人国产av品久久久| 日韩大片免费观看网站| 在线免费观看不下载黄p国产| 高清视频免费观看一区二区| 亚洲av.av天堂| 美女国产高潮福利片在线看| 亚洲性久久影院| 国产欧美日韩综合在线一区二区| 一区二区三区乱码不卡18| 精品视频人人做人人爽| 亚洲熟女精品中文字幕| 我要看黄色一级片免费的| 日韩一区二区视频免费看| 超色免费av| 少妇猛男粗大的猛烈进出视频| 日本91视频免费播放| 欧美精品人与动牲交sv欧美| 久久青草综合色| 99久久人妻综合| 男女免费视频国产| 国产综合精华液| 久久人人97超碰香蕉20202| 免费观看av网站的网址| 国产精品女同一区二区软件| 极品少妇高潮喷水抽搐| 婷婷色麻豆天堂久久| 亚洲,一卡二卡三卡| 极品少妇高潮喷水抽搐| 天天躁夜夜躁狠狠久久av| 黄色怎么调成土黄色| 黑人巨大精品欧美一区二区蜜桃 | 亚洲第一av免费看| 丝袜人妻中文字幕| 99九九在线精品视频| 成年动漫av网址| 制服诱惑二区| 成年人午夜在线观看视频| a级片在线免费高清观看视频| 欧美人与性动交α欧美精品济南到 | 两性夫妻黄色片 | 久久精品国产亚洲av涩爱| 日本vs欧美在线观看视频| 国产精品一区www在线观看| 亚洲精品一二三| 日本wwww免费看| 9热在线视频观看99| 久久久久久久久久成人| 中文精品一卡2卡3卡4更新| 欧美丝袜亚洲另类| 亚洲欧美一区二区三区黑人 | 少妇熟女欧美另类| 伦理电影大哥的女人| 久久人人爽人人爽人人片va| 男人舔女人的私密视频| 亚洲精品久久久久久婷婷小说| 卡戴珊不雅视频在线播放| 国产xxxxx性猛交| 黄片无遮挡物在线观看| 色婷婷久久久亚洲欧美| 国产在线免费精品| 一边亲一边摸免费视频| 999精品在线视频| 亚洲成人av在线免费| 男女国产视频网站| 丝袜喷水一区| 亚洲色图 男人天堂 中文字幕 | 欧美激情极品国产一区二区三区 | 高清视频免费观看一区二区| 大片电影免费在线观看免费| 热re99久久精品国产66热6| 插逼视频在线观看| 日本爱情动作片www.在线观看| 一级爰片在线观看| av免费观看日本| 国产精品熟女久久久久浪| 深夜精品福利| 自拍欧美九色日韩亚洲蝌蚪91| 成人二区视频| 日韩av不卡免费在线播放| 美女福利国产在线| 日韩成人伦理影院| 少妇的丰满在线观看| 亚洲成人一二三区av| 一级毛片黄色毛片免费观看视频| av国产精品久久久久影院| 国产高清三级在线| av免费观看日本| videossex国产| 久久久久久人人人人人| 成年美女黄网站色视频大全免费| 国产欧美另类精品又又久久亚洲欧美| 亚洲欧美清纯卡通| 99国产精品免费福利视频| av又黄又爽大尺度在线免费看| 超碰97精品在线观看| 制服丝袜香蕉在线| 国产av国产精品国产| 亚洲丝袜综合中文字幕| 亚洲伊人久久精品综合| 国产无遮挡羞羞视频在线观看| 亚洲第一区二区三区不卡| 久久久久久久精品精品| 夜夜爽夜夜爽视频| 亚洲综合色惰| 女人被躁到高潮嗷嗷叫费观| 男女边摸边吃奶| 一级毛片我不卡| 考比视频在线观看| 亚洲综合色网址| 久久久久久久国产电影| 亚洲激情五月婷婷啪啪| 亚洲av免费高清在线观看| 久久精品国产亚洲av涩爱| 久久久国产一区二区| 亚洲精品国产av蜜桃| 1024视频免费在线观看| 亚洲综合精品二区| 女性生殖器流出的白浆| 搡老乐熟女国产| 久久久久久久亚洲中文字幕| 久久精品久久久久久噜噜老黄| 久久久久国产精品人妻一区二区| 永久网站在线| 咕卡用的链子| 亚洲中文av在线| 国产高清国产精品国产三级| 久久国产精品男人的天堂亚洲 | 国产成人精品一,二区| 69精品国产乱码久久久| 黄网站色视频无遮挡免费观看| 国产免费福利视频在线观看| 午夜福利影视在线免费观看| 久久久久久久久久久免费av| 最近中文字幕高清免费大全6| 人妻 亚洲 视频| 日韩大片免费观看网站| 纯流量卡能插随身wifi吗| 男女啪啪激烈高潮av片| a级毛片黄视频| 夫妻性生交免费视频一级片| 日日爽夜夜爽网站| 国产伦理片在线播放av一区| 欧美精品av麻豆av| 久久久精品免费免费高清| 亚洲综合色惰| 韩国精品一区二区三区 | 亚洲av在线观看美女高潮| 国产黄频视频在线观看| 久久精品夜色国产| 国产精品 国内视频| 美国免费a级毛片| 免费大片黄手机在线观看| 国产精品一区二区在线不卡| 免费少妇av软件| 亚洲欧美成人综合另类久久久| 激情视频va一区二区三区| 中文天堂在线官网| 国产精品熟女久久久久浪| 90打野战视频偷拍视频| av在线播放精品| 18禁国产床啪视频网站| 99久久中文字幕三级久久日本| 久久久久久人人人人人| 日产精品乱码卡一卡2卡三| 女性被躁到高潮视频| 波野结衣二区三区在线| av卡一久久| 十八禁网站网址无遮挡| 国产成人av激情在线播放| 国产av一区二区精品久久| 国产欧美另类精品又又久久亚洲欧美| 午夜福利视频在线观看免费| 国产成人免费观看mmmm| 新久久久久国产一级毛片| 日韩伦理黄色片| 国产亚洲一区二区精品| 国产黄频视频在线观看| 国产亚洲一区二区精品| 大香蕉久久成人网| 免费黄色在线免费观看| 天天操日日干夜夜撸| 国产在视频线精品| 久久女婷五月综合色啪小说| av在线播放精品| 伦精品一区二区三区| 国产亚洲最大av| 国产亚洲av片在线观看秒播厂| 欧美bdsm另类| 女的被弄到高潮叫床怎么办| 欧美日韩视频精品一区| 国产一级毛片在线| 亚洲色图 男人天堂 中文字幕 | 午夜福利网站1000一区二区三区| 美国免费a级毛片| 国产精品一区二区在线观看99| 国产黄频视频在线观看| 午夜老司机福利剧场| 亚洲欧美成人精品一区二区| 视频区图区小说| 丝袜脚勾引网站| 大香蕉久久网| 国产精品欧美亚洲77777| 中文字幕免费在线视频6| 国产免费一级a男人的天堂| av国产精品久久久久影院| 日韩电影二区| 欧美bdsm另类| a 毛片基地| 久久久国产精品麻豆| 欧美精品av麻豆av| av黄色大香蕉| 成人手机av| 老司机影院成人| 性高湖久久久久久久久免费观看| 国产亚洲最大av| 乱码一卡2卡4卡精品| 日韩制服骚丝袜av| 国产日韩欧美亚洲二区| 亚洲综合色惰| 国产色爽女视频免费观看| 极品人妻少妇av视频| 免费黄网站久久成人精品| 少妇被粗大猛烈的视频| 香蕉精品网在线| 成人黄色视频免费在线看| 欧美3d第一页| 91国产中文字幕| 天堂俺去俺来也www色官网| 国产精品国产三级专区第一集| 51国产日韩欧美| a级毛片在线看网站| av不卡在线播放| 90打野战视频偷拍视频| 日韩欧美精品免费久久| 国产熟女欧美一区二区| 欧美国产精品va在线观看不卡| 肉色欧美久久久久久久蜜桃| 欧美日韩国产mv在线观看视频| 久久国产精品大桥未久av| 美女内射精品一级片tv| 国产精品一区二区在线观看99| 久久国产亚洲av麻豆专区| 大香蕉久久网| 大片免费播放器 马上看| 亚洲成色77777| av卡一久久| 欧美最新免费一区二区三区| 久久精品国产综合久久久 | 最近的中文字幕免费完整| 久久久亚洲精品成人影院| 51国产日韩欧美| 1024视频免费在线观看| 性色av一级| av在线观看视频网站免费| 国产精品一二三区在线看| 国产精品成人在线| 国产欧美日韩一区二区三区在线| 日韩制服骚丝袜av| 国产一区有黄有色的免费视频| 十分钟在线观看高清视频www| 91成人精品电影| 免费不卡的大黄色大毛片视频在线观看| 久久久a久久爽久久v久久| 久久久久视频综合| 精品一品国产午夜福利视频| 久久ye,这里只有精品| a级片在线免费高清观看视频| 两个人看的免费小视频| 免费大片黄手机在线观看| 国产成人精品婷婷| 精品亚洲成a人片在线观看| 女人精品久久久久毛片| av线在线观看网站| 国产精品一国产av| 建设人人有责人人尽责人人享有的| 成人手机av| 欧美成人精品欧美一级黄| 久久精品久久久久久噜噜老黄| 久久人人97超碰香蕉20202| 亚洲伊人久久精品综合| 久久国产精品男人的天堂亚洲 | 国产成人一区二区在线| 久久精品久久精品一区二区三区| 90打野战视频偷拍视频| 国内精品宾馆在线| 伊人亚洲综合成人网| 侵犯人妻中文字幕一二三四区| 最新的欧美精品一区二区| 国产69精品久久久久777片| 免费观看a级毛片全部| 久久久久久人妻| 国产麻豆69| av在线老鸭窝| 丰满乱子伦码专区| 久久久久精品人妻al黑| 午夜91福利影院| 永久网站在线| 一二三四在线观看免费中文在 | 99久久中文字幕三级久久日本| 欧美成人午夜精品| 午夜福利在线观看免费完整高清在| 国产av国产精品国产| 另类亚洲欧美激情| 国产欧美另类精品又又久久亚洲欧美| 国产爽快片一区二区三区| 亚洲成av片中文字幕在线观看 | 18禁在线无遮挡免费观看视频| 日韩成人伦理影院| 一级a做视频免费观看| 日韩视频在线欧美| 成人国产av品久久久| 亚洲精品一二三| 伦理电影免费视频| 一级爰片在线观看| 亚洲国产av影院在线观看| 午夜精品国产一区二区电影| av播播在线观看一区| 曰老女人黄片| 亚洲av日韩在线播放| 国产亚洲精品久久久com| 亚洲人成77777在线视频| 欧美另类一区| 中文字幕制服av| 成人黄色视频免费在线看| 又黄又粗又硬又大视频| 蜜桃在线观看..| 各种免费的搞黄视频| 国产精品久久久久久久久免| 国产精品 国内视频| 亚洲av免费高清在线观看| 亚洲经典国产精华液单| 综合色丁香网| 熟女av电影| 男女高潮啪啪啪动态图| 最后的刺客免费高清国语| 深夜精品福利| 中文精品一卡2卡3卡4更新| 天堂俺去俺来也www色官网| 天堂中文最新版在线下载| 国产成人a∨麻豆精品| 夫妻性生交免费视频一级片| 亚洲四区av| 22中文网久久字幕| 亚洲国产欧美日韩在线播放| 七月丁香在线播放| 久久精品熟女亚洲av麻豆精品| 91久久精品国产一区二区三区| 人妻一区二区av| 日日爽夜夜爽网站| 在线天堂最新版资源| 2021少妇久久久久久久久久久| 伊人亚洲综合成人网| 麻豆精品久久久久久蜜桃| 欧美人与性动交α欧美精品济南到 | 久久久久久伊人网av| 精品视频人人做人人爽| 两个人看的免费小视频| 看十八女毛片水多多多| 亚洲四区av| 天天躁夜夜躁狠狠久久av| 丰满饥渴人妻一区二区三| 少妇人妻 视频| 少妇精品久久久久久久| www.熟女人妻精品国产 | 啦啦啦中文免费视频观看日本| 欧美bdsm另类| 国产乱人偷精品视频| 国产成人精品婷婷| 国产精品不卡视频一区二区| 啦啦啦视频在线资源免费观看| 最近中文字幕2019免费版| 国产老妇伦熟女老妇高清| freevideosex欧美| 中文字幕制服av| 99久久中文字幕三级久久日本| 亚洲丝袜综合中文字幕| 综合色丁香网| 中文字幕人妻丝袜制服| 在线免费观看不下载黄p国产| 少妇被粗大猛烈的视频| 精品视频人人做人人爽| 日日爽夜夜爽网站| 成人毛片a级毛片在线播放| 黄色 视频免费看| 黑人高潮一二区| 久久亚洲国产成人精品v| videossex国产| 亚洲一区二区三区欧美精品| 乱人伦中国视频| 一级毛片电影观看| 亚洲人成77777在线视频| 欧美xxxx性猛交bbbb| 少妇人妻 视频| 久久久精品免费免费高清| 国产免费视频播放在线视频| 一级片免费观看大全| 久久久久久人妻| 男女边吃奶边做爰视频| 久久久国产精品麻豆| 最近2019中文字幕mv第一页| 国产麻豆69| 久久久欧美国产精品| 99九九在线精品视频| 18在线观看网站| 新久久久久国产一级毛片| 制服人妻中文乱码| 国产熟女欧美一区二区| 另类精品久久| 啦啦啦在线观看免费高清www| 看免费成人av毛片| a级毛片黄视频| 久久精品久久久久久噜噜老黄| 秋霞伦理黄片| 精品少妇内射三级| 视频在线观看一区二区三区| 极品少妇高潮喷水抽搐| 亚洲情色 制服丝袜| 亚洲第一区二区三区不卡| 国产一级毛片在线| 九色成人免费人妻av| 国产精品.久久久| 一二三四在线观看免费中文在 | 丝袜在线中文字幕| 高清av免费在线| 性高湖久久久久久久久免费观看| 97精品久久久久久久久久精品| 国产成人91sexporn| 色5月婷婷丁香| 热99国产精品久久久久久7| 婷婷色综合大香蕉| 精品视频人人做人人爽| 精品少妇内射三级| 只有这里有精品99| 日本欧美视频一区| 国产免费视频播放在线视频| 亚洲av国产av综合av卡| 国产高清三级在线| 亚洲,一卡二卡三卡| 一级,二级,三级黄色视频| 高清在线视频一区二区三区| 免费大片18禁| 国产成人精品久久久久久| 三上悠亚av全集在线观看| www.熟女人妻精品国产 | 人妻系列 视频| 少妇的丰满在线观看| 免费大片黄手机在线观看| 一二三四在线观看免费中文在 | 成年av动漫网址| 中文字幕最新亚洲高清| 日本-黄色视频高清免费观看| 亚洲国产成人一精品久久久| 激情五月婷婷亚洲| 中文字幕另类日韩欧美亚洲嫩草| 亚洲国产欧美日韩在线播放| 亚洲欧洲日产国产| 精品国产一区二区三区久久久樱花| 免费看av在线观看网站| 国产男女内射视频| 欧美日韩综合久久久久久| 亚洲精品456在线播放app| 多毛熟女@视频| 全区人妻精品视频| 久久久久久人人人人人| 国产亚洲最大av| 国产熟女欧美一区二区| 18禁动态无遮挡网站| 久久ye,这里只有精品| 午夜福利在线观看免费完整高清在| 亚洲精品国产av蜜桃| 久久午夜综合久久蜜桃| 最近最新中文字幕大全免费视频 | 九色成人免费人妻av| 黑丝袜美女国产一区| 999精品在线视频| 欧美少妇被猛烈插入视频| 中文字幕人妻丝袜制服| 男人舔女人的私密视频| 丰满迷人的少妇在线观看| 国产女主播在线喷水免费视频网站| 亚洲伊人色综图| 久久青草综合色| 亚洲精品久久久久久婷婷小说| 成人综合一区亚洲|