• <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 ?

    基于深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)的多狀態(tài)自適應(yīng)人臉識(shí)別方法

    2019-11-07 11:55:17杜翠鳳溫云龍李建中
    移動(dòng)通信 2019年9期
    關(guān)鍵詞:自適應(yīng)人臉識(shí)別

    杜翠鳳 溫云龍 李建中

    【摘? 要】針對(duì)佩戴口罩或者墨鏡的交通違法人員難以采用常規(guī)的人臉識(shí)別方法識(shí)別的難題,采用深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)生成外部組件的可視化特征向量的集合,結(jié)合特定人臉特征,形成多狀態(tài)自適應(yīng)的人臉特征表示。該技術(shù)實(shí)現(xiàn)從對(duì)象到場(chǎng)景的人臉特征分層表示,實(shí)現(xiàn)配搭口罩或者墨鏡等場(chǎng)景下交通違法人員的人臉識(shí)別功能,提升執(zhí)法的效率。

    【關(guān)鍵詞】深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò);多狀態(tài);自適應(yīng);人臉識(shí)別

    doi:10.3969/j.issn.1006-1010.2019.09.014? ? ? ? 中圖分類號(hào):TP391.41

    文獻(xiàn)標(biāo)志碼:A? ? ? ? 文章編號(hào):1006-1010(2019)09-0075-04

    引用格式:杜翠鳳,溫云龍,李建中. 基于深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)的多狀態(tài)自適應(yīng)人臉識(shí)別方法[J]. 移動(dòng)通信, 2019,43(9): 75-78.

    A Multi-state Adaptive Face Recognition Method Based on

    Deep Convolutional Adversative Neural Network

    DU Cuifeng, WEN Yunlong, LI Jianzhong

    [Abstract]?Aiming at the difficulty of face recognition for traffic offenders wearing masks or sunglasses, a deep convolutional adversative neural network is used to generate a set of visual feature vectors of external components, and a multi-state adaptive face feature representation is formulated by combining specific face features. This technology realizes the hierarchical representation of facial features from objects to scenarios, and implements the face recognition function of traffic offenders in scenarios wearing masks or sunglasses, and thus improves the efficiency of law enforcement.

    [Key words]deep convolutional adversative network; multi-state; adaptive; face recognition

    1? ?引言

    自從2014年Ian Goodfellow創(chuàng)造性提出了生成對(duì)抗網(wǎng)絡(luò)之后,生成對(duì)抗網(wǎng)絡(luò)得到大量學(xué)者的關(guān)注。這種生成對(duì)抗神經(jīng)網(wǎng)絡(luò),能夠?qū)⒋罅繜o標(biāo)注的圖片進(jìn)行學(xué)習(xí),并形成對(duì)不同維度的特征進(jìn)行分層表示,雖然這種從對(duì)象到場(chǎng)景、在生成模型和判別模型都能夠?qū)W習(xí)到不同表示的算法,已經(jīng)廣泛用于人臉補(bǔ)全的項(xiàng)目,但是還存在一定的缺陷。比如整個(gè)人臉進(jìn)行打碼后,模型通過訓(xùn)練庫(kù)的特征生成一個(gè)模型覺得“可靠”的人臉并輸出,結(jié)果發(fā)現(xiàn),該圖像的人臉跟真實(shí)的人臉還是有差別的。這是因?yàn)檫@種人臉補(bǔ)全技術(shù)是基于計(jì)算機(jī)學(xué)習(xí)得到的,因此,這種方法不能適應(yīng)于交通公路佩戴墨鏡的駕駛員識(shí)別,因?yàn)槿四樢坏┻€原了,可能在眼睛、鼻子、嘴角都發(fā)生大的變化,在不同的相似度算法下,這種做法的相似度不到80%,很難滿足實(shí)際應(yīng)用的需求。

    為了適應(yīng)違法交通配搭口罩或者模型等人臉識(shí)別的應(yīng)用的需求,本文提出一種基于深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)的多狀態(tài)自適應(yīng)特征比對(duì)技術(shù),結(jié)合深度卷積對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)人臉特征多狀態(tài)表示,實(shí)現(xiàn)從對(duì)象到場(chǎng)景的人臉特征分層表示,實(shí)現(xiàn)在佩戴帽子、墨鏡以及各種裝飾物等場(chǎng)景下的人臉識(shí)別功能。

    2? ?“多狀態(tài)”人臉識(shí)別相關(guān)介紹

    2.1? “多狀態(tài)”人臉識(shí)別

    人臉的“多狀態(tài)”是指由于佩戴墨鏡、口罩、衣帽、耳環(huán)等外部組件后所引起的人臉狀態(tài)的變化,這些狀態(tài)的變化很可能導(dǎo)致人臉部分的特征點(diǎn)不可見或者人臉特征點(diǎn)變化尺度太大,致使模型表現(xiàn)力有限或者模型無法應(yīng)對(duì)復(fù)雜的人臉變化模式而失效。通俗一點(diǎn),就是通過配搭墨鏡、口罩、衣帽、耳環(huán)等部件,使得人臉出現(xiàn)復(fù)雜、不可預(yù)測(cè)的變化模式,從而導(dǎo)致常用的人臉識(shí)別模型失效。因此,本文針對(duì)目前人臉“多狀態(tài)”存在的問題,研究一種“多狀態(tài)”的人臉識(shí)別算法。

    “多狀態(tài)”人臉識(shí)別的定義是將人臉識(shí)別的范圍離散化表示為多個(gè)狀態(tài)部件的模型,采用多個(gè)部件的模型組合來描述人臉非線性的變化。人臉圖像中除了有豐富的屬性信息,如姿態(tài)、表情、性別等,還包括由于墨鏡、口罩、衣帽、耳環(huán)等豐富的部件信息?!岸酄顟B(tài)”人臉識(shí)別思路是基于人臉屬性的信息,結(jié)合多個(gè)不同外部部件的形狀、邊緣、梯度、輪廓等因素,提取人臉細(xì)節(jié)更加豐富、更有效多樣的特征,提升非線性人臉變化的描述尺度。為了實(shí)現(xiàn)“多狀態(tài)”人臉識(shí)別,本文引用對(duì)抗神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)“多狀態(tài)”人臉識(shí)別。

    2.2? GANs的原理介紹

    在介紹DCGANs(Deep Convolution GANs,深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò))[1-2]的原理之前,先介紹GANs(Generative Adversarial Networks,對(duì)抗神經(jīng)網(wǎng)絡(luò))的原理:采用生成器(Generator)生成一張圖片,利用判別器(Discriminator)判斷生成器生成的模型是否是“真實(shí)”。如果“真實(shí)”,那么說明生成器生成的圖片跟真實(shí)的圖片幾乎一樣;否則,判別器將會(huì)判斷生成器生成的圖片是“不真實(shí)”。生成器和判別器存在“對(duì)抗”關(guān)系,而且對(duì)抗隨著圖片庫(kù)的增加而不斷強(qiáng)化[3-5]。

    對(duì)抗神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程如圖1所示。從圖1可知,對(duì)抗神經(jīng)網(wǎng)絡(luò)同時(shí)訓(xùn)練兩個(gè)神經(jīng)網(wǎng)絡(luò),第一個(gè)神經(jīng)網(wǎng)絡(luò)是生成器,其輸入一般是隨機(jī)分布生成的數(shù)據(jù)。生成器的作用是生成假的圖像,然后通過第二個(gè)神經(jīng)網(wǎng)絡(luò)——判別器,結(jié)合真實(shí)的圖像對(duì)計(jì)算機(jī)生成的假圖像進(jìn)行判別,將假圖像的“真實(shí)”標(biāo)量采用softmax函數(shù)轉(zhuǎn)換為概率,如果概率為0,即為假圖像,概率為1,表示判別器認(rèn)為該圖像是“真實(shí)的”,順利“騙過”判別器。

    對(duì)抗神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程如下:

    首先,考慮一個(gè)噪音分布pz,圖1定義一個(gè)生成式神經(jīng)網(wǎng)絡(luò)模型G(z),G(z)從一個(gè)噪音分布中取樣,獲得一個(gè)pG的分布,而真實(shí)照片分布定義為pdata,最終,我們希望pG=pdata。

    然后,我們考慮另外一個(gè)神經(jīng)網(wǎng)絡(luò)模型——判別器D(x),將pG的樣本作為輸入,并給出該樣本取樣自于pdata的概率p。如果概率p接近于1,那么該樣本很大可能是取自于元樣本數(shù)據(jù)分布pdata;否則,該樣本是“假樣本”。

    2.3? 深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)的原理介紹

    2015年,Radford等人提出了深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò),與GANs不同的地方在于,生成模型G(z)和判別模型D(x)都采用一個(gè)卷積神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn),而不是一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)[6-8]。在DCGANs中,生成式模型如圖2所示。

    從圖2可知,當(dāng)輸入圖片尺寸過小時(shí),生成模型GANs是通過上采樣的方式通過在像素之間進(jìn)行插值進(jìn)行擴(kuò)展,當(dāng)擴(kuò)展到設(shè)定的尺寸時(shí)再進(jìn)行卷積處理,那么輸出的尺寸就會(huì)比原來的大。

    而判別模型D(x)也是一個(gè)深度卷積網(wǎng)絡(luò),判別模型輸入是生成模型的輸出,經(jīng)過一系列卷積的操作,最后得到是1×1的輸出結(jié)果,也就是概率p。如果概率p接近于1,那么生成模型生成的圖片特征相當(dāng)接近真實(shí)圖片的特征;否則,生成模型生成的圖片特征與真實(shí)圖片的特征存在一定的差異。

    判別模型的判斷過程如圖3所示。

    3? ?基于深度卷積對(duì)抗網(wǎng)絡(luò)的多狀態(tài)自適

    應(yīng)人臉識(shí)別流程

    對(duì)抗網(wǎng)絡(luò)就是通過生成器和判別器的對(duì)抗訓(xùn)練,生成器最后生成一個(gè)與真實(shí)照片的分布pdata差不多的分布pG,這些圖片特征的分布在深度卷積對(duì)抗網(wǎng)絡(luò)中,特征提取最終體現(xiàn)為64×64×3卷積特征圖。通過這種訓(xùn)練的原理,可以認(rèn)定,博弈最終的結(jié)果是:采用深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò),能夠?qū)⒋罅繜o標(biāo)注的圖片進(jìn)行學(xué)習(xí),并能夠?qū)Σ煌瑘D片中的外部組件進(jìn)行特征表示。那就意味著,深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)能夠?qū)Υ罅俊岸酄顟B(tài)”的人臉進(jìn)行學(xué)習(xí),并形成外部組件的可視化特征向量的集合[9-10]?;谶@種思想,本文通過深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)構(gòu)建一個(gè)多狀態(tài)自適應(yīng)的人臉特征庫(kù):通過提取外部組件的特征向量后,結(jié)合特定人臉(證件照或其他存儲(chǔ)在服務(wù)器的人臉照片),構(gòu)建有助于人臉分類的“多狀態(tài)”自適應(yīng)的人臉庫(kù)——包括人臉器官和外部組件特征點(diǎn)的特征分量,實(shí)現(xiàn)“多狀態(tài)”人臉的比對(duì)技術(shù),實(shí)現(xiàn)人臉識(shí)別的功能。具體的流程如下:

    (1)“多狀態(tài)”人臉采集

    不同“多狀態(tài)”人臉圖像通過攝像鏡頭采集得到,比如墨鏡、口罩、帽子、耳環(huán)等部件形狀和大小不一的人臉圖像。針對(duì)采集的圖像,結(jié)合圖像大小、圖像分辨率、模糊程度以及采集角度,采用Adaboost實(shí)現(xiàn)“多狀態(tài)”人臉的檢測(cè),實(shí)現(xiàn)人臉位置和大小的標(biāo)定,并把有用的信息篩選出來。

    (2)“多狀態(tài)”人臉預(yù)處理

    由于從外界的獲取的圖像收到各種噪音的干擾,往往不能直接用于人臉識(shí)別,因此需要對(duì)圖像進(jìn)行灰度校正、噪音過濾等,通常的做法就是采用灰度變換、直方圖均衡化以及濾波等方式對(duì)人臉圖像進(jìn)行處理。

    (3)“多狀態(tài)”人臉特征提取

    采用深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)的方式實(shí)現(xiàn)“多狀態(tài)”人臉的特征提取。基于DCGANs的無監(jiān)督學(xué)習(xí)能力,采用深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)在生成器實(shí)現(xiàn)人臉外部件的特征表示。雖然輸入深度對(duì)抗神經(jīng)網(wǎng)絡(luò)生成器最終生成的每一種物體的圖像表征都是64×64×3的特征圖,但是特征圖中不同的數(shù)字對(duì)應(yīng)著不同的物體,通過將物體的形狀、顏色、尺寸的大小進(jìn)行分類,便于后期構(gòu)建多狀態(tài)自適應(yīng)特征庫(kù)。

    (4)構(gòu)建“多狀態(tài)”特征人臉庫(kù)

    根據(jù)證件照人臉器官的形狀描述,以及深度對(duì)抗神經(jīng)網(wǎng)絡(luò)生成器所得到的人臉外部組件的特征,獲得有助于人臉分類的特征數(shù)據(jù),其特征分量通常包括人臉器官和外部組件特征點(diǎn)之間的歐氏距離、曲率、角度,形成“多狀態(tài)”人臉特征表示,以其作為多狀態(tài)自適應(yīng)特征的人臉庫(kù)。

    因此,采用深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)了從人臉對(duì)象到不同場(chǎng)景自適應(yīng)的人臉分層、多狀態(tài)的表示,形成一個(gè)特定的人臉在多種不同狀態(tài)下(比如佩戴黑色原形墨鏡及佩戴白色口罩)的人臉特征表示,形成特定人臉(證件照或其他存儲(chǔ)在服務(wù)器的人臉照片)在多個(gè)外部組件組合情況下的多種狀態(tài)的人臉特征表示?;谏鲜龅亩酄顟B(tài)人臉表示,構(gòu)建“多狀態(tài)”自適應(yīng)特征的人臉庫(kù)。

    (5)“多狀態(tài)”人臉匹配與識(shí)別

    通過提取“多狀態(tài)”人臉特征數(shù)據(jù)與數(shù)據(jù)庫(kù)中存儲(chǔ)的“多狀態(tài)”自適應(yīng)特征人臉庫(kù)進(jìn)行搜索匹配,通過設(shè)定一個(gè)閾值,將相似度與閾值進(jìn)行比較,來對(duì)“多狀態(tài)”人臉身份信息進(jìn)行判斷,形成最終的人臉比對(duì)結(jié)果。

    4? ?實(shí)驗(yàn)結(jié)果

    4.1? 數(shù)據(jù)預(yù)處理

    訓(xùn)練深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)在AR人臉庫(kù)上公開采集,包含50名男性和50名女性的人臉圖像,每人有26張圖像,其中佩戴太陽(yáng)鏡和圍巾的有12張人臉圖像。本文隨機(jī)選取1 000張“多狀態(tài)”人臉數(shù)據(jù)進(jìn)行模型訓(xùn)練,然后再隨機(jī)選取500張“多狀態(tài)”人臉數(shù)據(jù)進(jìn)行測(cè)試,以檢測(cè)本文提出模型對(duì)多狀態(tài)人臉的比對(duì)能力。

    訓(xùn)練深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)時(shí),由于不同人臉圖片拍攝的角度不一致,因此抓拍到的人臉尺寸可能存在不一致的現(xiàn)象,因此需要先對(duì)人臉進(jìn)行檢測(cè),得出人臉檢測(cè)框后,將人臉框的圖像統(tǒng)一轉(zhuǎn)換為24×24。除此之外,并將正樣本和負(fù)樣本的比例設(shè)為1:1。

    4.2? 與傳統(tǒng)算法的比較

    為了更直觀體現(xiàn)本文方法的優(yōu)勢(shì),本文對(duì)比了采用深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)將人臉補(bǔ)全方法,也就是通過深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)將遮住人臉的位置進(jìn)行補(bǔ)全后,再進(jìn)行人臉識(shí)別。從表1的結(jié)果可知,本文提出的方法在上述測(cè)試集上的準(zhǔn)確率為75.87%,遠(yuǎn)高于傳統(tǒng)的人臉補(bǔ)全方法,本文的模型具有一定的優(yōu)勢(shì)。與此同時(shí),本文提出的方法的處理速度也有一定的提升。主要是因?yàn)閭鹘y(tǒng)的方法需要采用人臉補(bǔ)全技術(shù)對(duì)遮住部位的特征進(jìn)行補(bǔ)全,而本文提出的方法僅僅是檢測(cè)物體的特征,然后在多狀態(tài)自適應(yīng)特征庫(kù)中直接進(jìn)行比對(duì),因此大大簡(jiǎn)化了計(jì)算的復(fù)雜度。

    5? ?結(jié)束語(yǔ)

    本文提出了一種深度卷積對(duì)抗網(wǎng)絡(luò)的多狀態(tài)人臉檢測(cè)方法,采用深度卷積對(duì)抗神經(jīng)網(wǎng)絡(luò)的對(duì)抗訓(xùn)練實(shí)現(xiàn)從對(duì)象到場(chǎng)景的分層表示后,結(jié)合特定用戶的證件照構(gòu)建多狀態(tài)自適應(yīng)特征人臉庫(kù),最后采用特征余弦相似度實(shí)現(xiàn)多狀態(tài)特征下人臉的比對(duì)。該方法在公司的人臉識(shí)別平臺(tái)上取得了良好的檢測(cè)效果和運(yùn)行效率,從本文的實(shí)驗(yàn)效果可知,本文提出的模型能夠快速、準(zhǔn)確、自適應(yīng)識(shí)別多狀態(tài)人臉,具有一定的擴(kuò)展性。

    參考文獻(xiàn):

    [1] 于波,方業(yè)全,劉閩. 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像重建算法[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用, 2018,27(9): 170-175.

    [2] 柯研,王希龍,鄭鈺輝. 深度卷積生成對(duì)抗網(wǎng)絡(luò)結(jié)構(gòu)[J]. 電子技術(shù)與軟件工程, 2018(24): 21-22.

    [3] 劉彬. 基于對(duì)抗深度學(xué)習(xí)的人臉檢測(cè)研究[D]. 青島: 青島科技大學(xué), 2018.

    [4] 洪洋,葛振華,王紀(jì)凱,等. 深度卷積對(duì)抗生成網(wǎng)絡(luò)綜述[C]//第18屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)(18th CCSSTA 2017). 中國(guó)自動(dòng)化學(xué)會(huì)系統(tǒng)仿真專業(yè)委員會(huì),中國(guó)系統(tǒng)仿真學(xué)會(huì)仿真技術(shù)應(yīng)用專業(yè)委員會(huì), 2017.

    [5] 李炬. 基于生成對(duì)抗網(wǎng)絡(luò)的人臉灰度圖上色[J]. 電腦知識(shí)與技術(shù), 2018,14(11): 185-187.

    [6] 馬玉琨,MA YuKun,毋立芳. 一種面向人臉活體檢測(cè)的對(duì)抗樣本生成算法[J]. 軟件學(xué)報(bào), 2019,30(2): 469-480.

    [7] 桑亮,高爽,尹增山. 基于生成對(duì)抗網(wǎng)絡(luò)的運(yùn)動(dòng)模糊圖像復(fù)原[J]. 計(jì)算機(jī)工程與應(yīng)用, 2019,55(6): 179-183.

    [8] 張營(yíng)營(yíng). 生成對(duì)抗網(wǎng)絡(luò)模型綜述[J]. 電子設(shè)計(jì)工程, 2018,26(5): 34-37.

    [9] 唐賢倫,杜一銘,劉雨微,等. 基于條件深度卷積生成對(duì)抗網(wǎng)絡(luò)的圖像識(shí)別方法[J]. 自動(dòng)化學(xué)報(bào), 2018,44(5): 90-99.

    [10] Kuadra Leal Hanna. 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率[D]. 大連: 大連理工大學(xué), 2018.

    猜你喜歡
    自適應(yīng)人臉識(shí)別
    人臉識(shí)別 等
    揭開人臉識(shí)別的神秘面紗
    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
    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
    淺談網(wǎng)絡(luò)教育領(lǐng)域的自適應(yīng)推送系統(tǒng)
    以數(shù)據(jù)為中心的分布式系統(tǒng)自適應(yīng)集成方法
    自適應(yīng)的智能搬運(yùn)路徑規(guī)劃算法
    科技視界(2016年26期)2016-12-17 15:53:57
    Ka頻段衛(wèi)星通信自適應(yīng)抗雨衰控制系統(tǒng)設(shè)計(jì)
    電子節(jié)氣門非線性控制策略
    汽車科技(2016年5期)2016-11-14 08:03:52
    多天線波束成形的MIMO-OFDM跨層自適應(yīng)資源分配
    亚洲av国产av综合av卡| 久久99热这里只频精品6学生| 日韩中文字幕视频在线看片| 97超视频在线观看视频| 日本91视频免费播放| 美女内射精品一级片tv| 最新的欧美精品一区二区| 国产成人精品久久久久久| 人妻夜夜爽99麻豆av| 男女免费视频国产| 久久久a久久爽久久v久久| 在线观看国产h片| 精品久久蜜臀av无| 91国产中文字幕| 亚洲成人av在线免费| 男女免费视频国产| 日本黄色日本黄色录像| 国产免费又黄又爽又色| av在线app专区| 三上悠亚av全集在线观看| 自线自在国产av| 午夜福利视频精品| 女的被弄到高潮叫床怎么办| 久久精品久久久久久噜噜老黄| 免费观看av网站的网址| 美女视频免费永久观看网站| 免费av不卡在线播放| 在线播放无遮挡| av有码第一页| 国产免费现黄频在线看| av视频免费观看在线观看| 久久久a久久爽久久v久久| 亚洲av免费高清在线观看| 99热这里只有是精品在线观看| 国产精品无大码| 18在线观看网站| 国产精品成人在线| 久久久久久久久大av| 视频区图区小说| 69精品国产乱码久久久| 免费高清在线观看视频在线观看| 亚洲激情五月婷婷啪啪| 日韩精品免费视频一区二区三区 | 国产成人精品在线电影| 日韩视频在线欧美| 久久久a久久爽久久v久久| 天天影视国产精品| 女的被弄到高潮叫床怎么办| 欧美 日韩 精品 国产| 久久国内精品自在自线图片| 在现免费观看毛片| 亚洲人与动物交配视频| 韩国高清视频一区二区三区| 免费看av在线观看网站| 中文乱码字字幕精品一区二区三区| 久久 成人 亚洲| 国国产精品蜜臀av免费| 国产亚洲欧美精品永久| 黄片无遮挡物在线观看| 少妇人妻 视频| 又大又黄又爽视频免费| 日日撸夜夜添| 久久久久久久久大av| 我的女老师完整版在线观看| 日日撸夜夜添| 少妇的逼好多水| 各种免费的搞黄视频| 一级片'在线观看视频| 一本—道久久a久久精品蜜桃钙片| 日日撸夜夜添| 男女边吃奶边做爰视频| 欧美少妇被猛烈插入视频| 日韩成人av中文字幕在线观看| 国产av国产精品国产| 丰满少妇做爰视频| 久久久久精品性色| av女优亚洲男人天堂| 丰满饥渴人妻一区二区三| 国产在线一区二区三区精| 国产乱人偷精品视频| 在线 av 中文字幕| 久久精品国产亚洲网站| 18禁观看日本| 在线观看人妻少妇| 国产 精品1| 在线免费观看不下载黄p国产| 国产成人aa在线观看| 中文精品一卡2卡3卡4更新| 免费人妻精品一区二区三区视频| 国产极品天堂在线| 色5月婷婷丁香| 午夜免费观看性视频| 五月伊人婷婷丁香| 日日摸夜夜添夜夜爱| www.色视频.com| 免费人妻精品一区二区三区视频| 久久国产精品男人的天堂亚洲 | 一级二级三级毛片免费看| 男的添女的下面高潮视频| 亚洲欧美精品自产自拍| 日韩一本色道免费dvd| 欧美日韩精品成人综合77777| 日韩中文字幕视频在线看片| 少妇人妻 视频| 搡老乐熟女国产| 亚洲av免费高清在线观看| 精品亚洲乱码少妇综合久久| 国产免费福利视频在线观看| 男女边吃奶边做爰视频| 99热这里只有是精品在线观看| 国产成人freesex在线| 视频区图区小说| 国语对白做爰xxxⅹ性视频网站| 天天影视国产精品| 2022亚洲国产成人精品| 嫩草影院入口| 999精品在线视频| 国产成人精品福利久久| 国产 一区精品| 久久久久人妻精品一区果冻| 亚洲国产欧美日韩在线播放| 国产成人精品在线电影| 亚洲欧洲日产国产| 丰满饥渴人妻一区二区三| 午夜福利,免费看| 国产精品无大码| 久久99热这里只频精品6学生| 国产在线一区二区三区精| 熟女电影av网| 久久久精品94久久精品| 晚上一个人看的免费电影| 成人免费观看视频高清| 国产 一区精品| 国产男人的电影天堂91| 能在线免费看毛片的网站| 日本91视频免费播放| 欧美精品一区二区大全| xxxhd国产人妻xxx| 国产亚洲av片在线观看秒播厂| 日本黄大片高清| 国产成人精品婷婷| 建设人人有责人人尽责人人享有的| 日韩在线高清观看一区二区三区| 最新中文字幕久久久久| 最近手机中文字幕大全| 欧美激情 高清一区二区三区| 久久精品国产自在天天线| 亚洲av成人精品一二三区| 2021少妇久久久久久久久久久| videos熟女内射| 在线看a的网站| 狂野欧美激情性xxxx在线观看| 丝袜在线中文字幕| 中文字幕人妻丝袜制服| 国产亚洲最大av| 成人二区视频| 国产免费福利视频在线观看| 久久久久久久精品精品| 伊人久久国产一区二区| 婷婷色麻豆天堂久久| 日日摸夜夜添夜夜爱| 午夜影院在线不卡| 国产精品一国产av| 久久97久久精品| 欧美精品高潮呻吟av久久| 亚洲精品乱码久久久久久按摩| 国产黄片视频在线免费观看| 一个人免费看片子| 亚洲美女黄色视频免费看| 男男h啪啪无遮挡| 亚洲欧美色中文字幕在线| 视频在线观看一区二区三区| 美女内射精品一级片tv| 久久毛片免费看一区二区三区| 亚洲天堂av无毛| 成人无遮挡网站| 久久这里有精品视频免费| 国产熟女午夜一区二区三区 | 亚洲第一区二区三区不卡| 国产片内射在线| av女优亚洲男人天堂| 热re99久久精品国产66热6| 亚洲激情五月婷婷啪啪| 亚洲精品日韩av片在线观看| 成人影院久久| 国产免费一区二区三区四区乱码| 亚洲欧美日韩另类电影网站| 国产深夜福利视频在线观看| 国产av一区二区精品久久| 少妇高潮的动态图| 全区人妻精品视频| 亚洲美女黄色视频免费看| 中国国产av一级| 亚洲综合精品二区| 91精品国产九色| 欧美精品高潮呻吟av久久| 岛国毛片在线播放| 欧美+日韩+精品| 丝袜喷水一区| 欧美三级亚洲精品| 欧美精品国产亚洲| 人妻少妇偷人精品九色| 免费人成在线观看视频色| 肉色欧美久久久久久久蜜桃| 亚洲国产精品一区二区三区在线| 久久久久视频综合| 色婷婷久久久亚洲欧美| 99热这里只有精品一区| 久久久精品免费免费高清| 少妇被粗大的猛进出69影院 | 中文欧美无线码| 亚洲怡红院男人天堂| 人妻夜夜爽99麻豆av| 边亲边吃奶的免费视频| 97超视频在线观看视频| 王馨瑶露胸无遮挡在线观看| 18禁观看日本| 国产精品一区二区在线观看99| 亚洲天堂av无毛| 午夜福利视频精品| 精品亚洲乱码少妇综合久久| 国产精品 国内视频| 9色porny在线观看| 欧美丝袜亚洲另类| 中国美白少妇内射xxxbb| 这个男人来自地球电影免费观看 | 久久久久国产精品人妻一区二区| 亚洲av在线观看美女高潮| 在线精品无人区一区二区三| 男女边摸边吃奶| 狂野欧美激情性xxxx在线观看| 99热全是精品| 高清视频免费观看一区二区| 日本色播在线视频| 日日摸夜夜添夜夜爱| 伊人久久国产一区二区| 一区在线观看完整版| 亚洲四区av| 尾随美女入室| 色婷婷av一区二区三区视频| 热re99久久精品国产66热6| 制服丝袜香蕉在线| 日本av手机在线免费观看| 久久精品国产亚洲av天美| 亚洲av国产av综合av卡| 老司机影院成人| 人妻制服诱惑在线中文字幕| 一级a做视频免费观看| 亚洲av在线观看美女高潮| 纵有疾风起免费观看全集完整版| 99九九线精品视频在线观看视频| 成人午夜精彩视频在线观看| 我的女老师完整版在线观看| 黑人巨大精品欧美一区二区蜜桃 | 伊人亚洲综合成人网| 亚洲精品视频女| 免费观看a级毛片全部| 亚洲,一卡二卡三卡| 熟妇人妻不卡中文字幕| 免费av不卡在线播放| 日韩中文字幕视频在线看片| 曰老女人黄片| 久久这里有精品视频免费| 日韩人妻高清精品专区| 国产视频首页在线观看| 日韩一区二区三区影片| 精品视频人人做人人爽| 国产男女超爽视频在线观看| 肉色欧美久久久久久久蜜桃| 久久久午夜欧美精品| 97在线视频观看| 男人爽女人下面视频在线观看| 超碰97精品在线观看| 人人妻人人爽人人添夜夜欢视频| 只有这里有精品99| 一区二区三区四区激情视频| 高清毛片免费看| 99视频精品全部免费 在线| 美女国产视频在线观看| 亚洲国产成人一精品久久久| 久久久精品区二区三区| av在线播放精品| 精品亚洲成a人片在线观看| 男的添女的下面高潮视频| 9色porny在线观看| 免费黄网站久久成人精品| 久久久国产精品麻豆| 亚洲综合色网址| 内地一区二区视频在线| 国产精品无大码| 国产黄色视频一区二区在线观看| 交换朋友夫妻互换小说| 久久久久网色| 精品熟女少妇av免费看| 一级毛片我不卡| 少妇高潮的动态图| 日日爽夜夜爽网站| 久久精品国产亚洲av涩爱| 精品久久久久久久久av| 国产亚洲av片在线观看秒播厂| 精品国产乱码久久久久久小说| 少妇 在线观看| 99国产综合亚洲精品| 日本av手机在线免费观看| 一区二区日韩欧美中文字幕 | 国产亚洲欧美精品永久| 卡戴珊不雅视频在线播放| 婷婷成人精品国产| 日本黄色日本黄色录像| 久久久久久久久久久久大奶| 色视频在线一区二区三区| 最近的中文字幕免费完整| kizo精华| 午夜激情久久久久久久| 特大巨黑吊av在线直播| 十八禁网站网址无遮挡| 九色成人免费人妻av| 天堂俺去俺来也www色官网| 免费av不卡在线播放| av在线观看视频网站免费| 男女无遮挡免费网站观看| 日本欧美视频一区| 少妇人妻 视频| 最黄视频免费看| 纵有疾风起免费观看全集完整版| 波野结衣二区三区在线| av视频免费观看在线观看| 亚洲国产色片| 最近中文字幕高清免费大全6| 热re99久久国产66热| 一本久久精品| 国产精品熟女久久久久浪| 亚洲国产最新在线播放| 久久久久国产网址| 特大巨黑吊av在线直播| 韩国av在线不卡| 高清欧美精品videossex| av天堂久久9| 久久久久久久久久久久大奶| 精品久久久精品久久久| 成人国产麻豆网| 亚洲美女搞黄在线观看| 极品少妇高潮喷水抽搐| 中文字幕久久专区| 两个人免费观看高清视频| 蜜桃久久精品国产亚洲av| 少妇高潮的动态图| 夫妻性生交免费视频一级片| 99re6热这里在线精品视频| 欧美日韩国产mv在线观看视频| 国产极品天堂在线| 中文欧美无线码| 国产伦精品一区二区三区视频9| www.色视频.com| 久久久久视频综合| 国产欧美日韩综合在线一区二区| 日韩av不卡免费在线播放| 国产成人精品福利久久| 欧美激情国产日韩精品一区| 久久人人爽人人片av| 亚洲高清免费不卡视频| 国产成人免费观看mmmm| 日韩人妻高清精品专区| 中国美白少妇内射xxxbb| 久久精品熟女亚洲av麻豆精品| 亚洲无线观看免费| 午夜福利在线观看免费完整高清在| 日韩一本色道免费dvd| 亚洲精品日韩av片在线观看| 午夜日本视频在线| 欧美精品人与动牲交sv欧美| 欧美激情国产日韩精品一区| 成年女人在线观看亚洲视频| 日本vs欧美在线观看视频| 另类精品久久| 大香蕉久久成人网| 青春草国产在线视频| 乱人伦中国视频| 亚洲人成网站在线播| 蜜桃久久精品国产亚洲av| 亚洲av不卡在线观看| 毛片一级片免费看久久久久| 一本—道久久a久久精品蜜桃钙片| 久久99热6这里只有精品| 男女啪啪激烈高潮av片| a 毛片基地| 国产有黄有色有爽视频| 高清欧美精品videossex| 99视频精品全部免费 在线| 少妇猛男粗大的猛烈进出视频| 欧美+日韩+精品| 午夜久久久在线观看| 日本91视频免费播放| 国产毛片在线视频| 欧美人与善性xxx| 男女无遮挡免费网站观看| 国产成人午夜福利电影在线观看| a级片在线免费高清观看视频| 97超视频在线观看视频| 精品人妻一区二区三区麻豆| 国产伦精品一区二区三区视频9| 超碰97精品在线观看| 亚洲av中文av极速乱| 简卡轻食公司| 中文天堂在线官网| 欧美精品亚洲一区二区| 22中文网久久字幕| 国产 精品1| 亚洲av日韩在线播放| 国产免费一区二区三区四区乱码| 亚洲成人av在线免费| 国产成人a∨麻豆精品| 国产毛片在线视频| 国产高清有码在线观看视频| 久久久久久久久久久免费av| 性色avwww在线观看| 女性生殖器流出的白浆| 三级国产精品片| 精品人妻偷拍中文字幕| 狂野欧美白嫩少妇大欣赏| 欧美三级亚洲精品| 久久国内精品自在自线图片| 永久网站在线| 亚洲四区av| 夫妻性生交免费视频一级片| 春色校园在线视频观看| 日本免费在线观看一区| 国产精品嫩草影院av在线观看| 精品熟女少妇av免费看| 五月天丁香电影| 人成视频在线观看免费观看| 水蜜桃什么品种好| 只有这里有精品99| 晚上一个人看的免费电影| 哪个播放器可以免费观看大片| 美女视频免费永久观看网站| 人人妻人人爽人人添夜夜欢视频| h视频一区二区三区| 99九九在线精品视频| 精品久久久精品久久久| 国产精品99久久99久久久不卡 | 最后的刺客免费高清国语| 国产成人精品在线电影| 国语对白做爰xxxⅹ性视频网站| 国产av精品麻豆| 性色avwww在线观看| 天堂中文最新版在线下载| 国产精品久久久久久精品电影小说| 男女免费视频国产| 九色亚洲精品在线播放| 国产精品国产三级专区第一集| 热re99久久精品国产66热6| 亚洲天堂av无毛| 亚洲精品456在线播放app| 美女主播在线视频| 国产在线一区二区三区精| 亚洲av男天堂| 成人综合一区亚洲| 国产精品一区二区在线不卡| 99国产精品免费福利视频| av国产精品久久久久影院| 亚洲av二区三区四区| 日日爽夜夜爽网站| 国产精品久久久久久av不卡| 一区二区三区精品91| 美女xxoo啪啪120秒动态图| 亚洲图色成人| 永久免费av网站大全| 大片电影免费在线观看免费| 九色亚洲精品在线播放| 久久久久久久久久成人| 免费播放大片免费观看视频在线观看| 国产免费一区二区三区四区乱码| 国产高清三级在线| 国产精品 国内视频| 男女高潮啪啪啪动态图| 在线免费观看不下载黄p国产| 国产色婷婷99| 亚洲经典国产精华液单| 哪个播放器可以免费观看大片| 麻豆精品久久久久久蜜桃| 91aial.com中文字幕在线观看| 香蕉精品网在线| 亚洲欧洲国产日韩| 国产精品麻豆人妻色哟哟久久| 午夜激情久久久久久久| 人妻一区二区av| 亚洲精品av麻豆狂野| 国产熟女欧美一区二区| 高清欧美精品videossex| 日本免费在线观看一区| 最后的刺客免费高清国语| 黑丝袜美女国产一区| 大香蕉97超碰在线| 美女大奶头黄色视频| 婷婷色综合www| 最近中文字幕2019免费版| 老司机影院成人| 国产精品国产三级专区第一集| 亚洲av不卡在线观看| 亚洲一级一片aⅴ在线观看| 成人午夜精彩视频在线观看| 日本av手机在线免费观看| 人人妻人人澡人人爽人人夜夜| av不卡在线播放| 免费人妻精品一区二区三区视频| 久久精品国产鲁丝片午夜精品| 在线观看三级黄色| 99re6热这里在线精品视频| 精品久久久精品久久久| 最新的欧美精品一区二区| 亚洲美女搞黄在线观看| 男女边吃奶边做爰视频| 日本黄色日本黄色录像| 日本欧美国产在线视频| 一区二区三区精品91| 亚洲精品一区蜜桃| 有码 亚洲区| 国产探花极品一区二区| 大香蕉97超碰在线| 欧美日韩在线观看h| 伊人久久国产一区二区| 伦理电影免费视频| 久久鲁丝午夜福利片| 最近手机中文字幕大全| 2022亚洲国产成人精品| 91精品国产九色| 免费播放大片免费观看视频在线观看| 中文字幕亚洲精品专区| 亚洲美女黄色视频免费看| 久久人人爽人人片av| freevideosex欧美| 秋霞在线观看毛片| 视频在线观看一区二区三区| 女性被躁到高潮视频| 中文字幕人妻丝袜制服| 人妻人人澡人人爽人人| 国产高清不卡午夜福利| av卡一久久| 黑丝袜美女国产一区| 在线免费观看不下载黄p国产| 久久久久精品久久久久真实原创| 久久精品熟女亚洲av麻豆精品| 91在线精品国自产拍蜜月| 欧美xxⅹ黑人| 欧美3d第一页| 亚洲国产欧美在线一区| 日韩成人伦理影院| 午夜91福利影院| 国产一区二区在线观看日韩| 久久狼人影院| av国产精品久久久久影院| 三级国产精品欧美在线观看| 成人二区视频| 午夜激情久久久久久久| 国产精品一区二区三区四区免费观看| 老司机亚洲免费影院| 制服诱惑二区| 欧美97在线视频| 日日爽夜夜爽网站| a级毛片在线看网站| 亚洲人成网站在线播| 97在线视频观看| 夫妻性生交免费视频一级片| 韩国av在线不卡| 十分钟在线观看高清视频www| kizo精华| 一本大道久久a久久精品| 制服诱惑二区| 久久精品熟女亚洲av麻豆精品| 久久国产亚洲av麻豆专区| 永久免费av网站大全| 熟妇人妻不卡中文字幕| 久久久精品94久久精品| 国产精品国产av在线观看| 美女内射精品一级片tv| 18在线观看网站| 精品亚洲乱码少妇综合久久| 99九九线精品视频在线观看视频| 精品国产露脸久久av麻豆| 青春草国产在线视频| 黑人高潮一二区| 精品少妇黑人巨大在线播放| 男人爽女人下面视频在线观看| 精品久久久久久久久亚洲| 国产淫语在线视频| 日本爱情动作片www.在线观看| 人成视频在线观看免费观看| 久久精品国产亚洲av天美| 激情五月婷婷亚洲| 波野结衣二区三区在线| 欧美精品亚洲一区二区| 亚洲av男天堂| 亚洲性久久影院| 国产片特级美女逼逼视频| 3wmmmm亚洲av在线观看| 赤兔流量卡办理| 婷婷色综合www| 日韩中字成人| 大又大粗又爽又黄少妇毛片口| 亚洲色图综合在线观看| 欧美精品人与动牲交sv欧美| 十八禁高潮呻吟视频| 欧美性感艳星| 永久网站在线| 内地一区二区视频在线| 国产视频首页在线观看| 精品国产露脸久久av麻豆| 久热久热在线精品观看| 国产男女内射视频| 亚洲av二区三区四区| 国产69精品久久久久777片| 精品午夜福利在线看| 亚洲经典国产精华液单| 日韩一区二区三区影片|