• <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 ?

    卷積神經(jīng)網(wǎng)絡(luò)的分布式訓(xùn)練在表情識別中的應(yīng)用

    2020-03-02 11:36:35董飛艷
    軟件 2020年1期
    關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò)

    摘 ?要: 為了解決目前流行的人臉識別系統(tǒng)存在問題(如:面部遮擋,姿態(tài)改變,光線扭曲等),根據(jù)人的表情做出準(zhǔn)確情感判斷,提出了如下的卷積神經(jīng)網(wǎng)絡(luò)的分布式訓(xùn)練識別系統(tǒng):由兩部分構(gòu)成:第一部分借鑒YOLO(You Only Look Once)算法實現(xiàn)目標(biāo)檢測,準(zhǔn)確定位復(fù)雜背景圖像中人臉的位置;第二部分使用基于VGGnet的改良結(jié)構(gòu),對已定位到的面部表情進(jìn)行分類。相比于端到端的模型,可以引入更多的可控的人類學(xué)習(xí)經(jīng)驗與有效訓(xùn)練數(shù)據(jù),從而得到更優(yōu)秀的分類結(jié)果。實驗結(jié)果表明該系統(tǒng)的可行性,在FER 2013數(shù)據(jù)集上產(chǎn)生了較優(yōu)異的結(jié)果,總正確率達(dá)69.83%。相對于現(xiàn)有算法,具有容易訓(xùn)練、準(zhǔn)確度高、實時性強(qiáng)、魯棒性好與易增添后續(xù)功能等優(yōu)點,未來有很大提升空間。

    關(guān)鍵詞: 表情識別;卷積神經(jīng)網(wǎng)絡(luò);分布式訓(xùn)練;YOLO算法;VGGNet結(jié)構(gòu)

    中圖分類號: TP391.41 ? ?文獻(xiàn)標(biāo)識碼: A ? ?DOI:10.3969/j.issn.1003-6970.2020.01.035

    本文著錄格式:董飛艷. 卷積神經(jīng)網(wǎng)絡(luò)的分布式訓(xùn)練在表情識別中的應(yīng)用[J]. 軟件,2020,41(01):160164

    【Abstract】: To solve the problems of the current popular face recognition system, such as: facial occlusion, posture change, light distortion, etc. According to the expression of person to make accurate emotional judgment, the following Distributed Training recognition system of convolutional neural network is proposed. It consists of two parts: the first part uses YOLO (You Only Look Once) Algorithm to achieve target detection and precisely locates the position of face in complex background images; the second part refers to the structure of improved VGGnet structure to classify the positioned facial expressions. Compared to the end-to-end model, this model can introduce more controllable human learning experience and obtain more effective training data to obtain better classification consequences. The feasibility of the system can be verified in experimental consequences that has shown the total correct rate at 69.83%, testing on the FER 2013 dataset. Compared with the existing algorithms, it has the merits including easily trained, high accuracy, strong real-time performance, good robustness, easy to add subsequent functions and so on. Thus, there is much room for improvement in the future.

    【Key words】: Expression recognition; Convolutional neural network; Distributed training; YOLO algorithm; VGGNet Structure

    0 ?引言

    隨著計算機(jī)技術(shù)及其相關(guān)學(xué)科的快速發(fā)展,人們對人機(jī)交互的需求日益增加,而面部表情作為計算機(jī)理解人類情感的前提,對人機(jī)互動技術(shù)發(fā)展具有重大意義。國內(nèi)外很多研究機(jī)構(gòu)及學(xué)者致力于這方面的研究,并己取得了一些成果:20世紀(jì)70年代美國心理學(xué)家Ekman和Friesen[1]對現(xiàn)代人臉表情

    識別做出了開創(chuàng)性的工作。Ekman定義了人類的6種基本表情:高興、生氣、吃驚、恐懼、厭惡和悲傷,確定了識別對象的類別;其次是建立了面部動作編碼系統(tǒng)(Facial Action Coding System,F(xiàn)ACS),使研究者按照系統(tǒng)劃分的一系列人臉動作單元(Action Unit,AU)來描述人臉面部動作;1978年,Suwa[2]等人對一段人臉視頻動畫進(jìn)行了人臉表情識別的最初嘗試,一系列的研究在人臉表情視頻序列上展開;20世紀(jì)90年代,Mase和Pentland [3] 使用光流來判斷肌肉運(yùn)動的主要方向,然后提取局部空間中的光流值,組成表情特征向量,最后利用表情特征向量構(gòu)建人臉表情識別系統(tǒng),該系統(tǒng)可以識別高興、生氣、厭惡和驚奇4種表情,識別率接近80%。

    近年來,F(xiàn)ER(Facial Expression Recognition,面部表情識別)技術(shù)正逐漸從實驗室數(shù)據(jù)集測試走向挑戰(zhàn)真實場景下的識別。盡管深度學(xué)習(xí)具有強(qiáng)大的特征學(xué)習(xí)能力,它在FER中應(yīng)用還有一些問題。首先,深度神經(jīng)網(wǎng)絡(luò)需要大量訓(xùn)練數(shù)據(jù)來避免過擬合。然而,現(xiàn)存的面部表情數(shù)據(jù)庫不足以訓(xùn)練出性能完美的深度網(wǎng)絡(luò)。除此之外,由于不同人物屬性,例如年齡、性別、宗教背景和表達(dá)能力,主體間具有高變化性,姿態(tài)、光照和遮擋在不受限的表情場景也十分常見。這些因素和表情之間是非線性關(guān)系,因此需要增強(qiáng)深度網(wǎng)絡(luò)對類內(nèi)變化的健壯性,以及學(xué)習(xí)有效的表情特征表示。

    因此本文提出了在深度學(xué)習(xí)基礎(chǔ)上,結(jié)合分布式神經(jīng)網(wǎng)絡(luò)的特點來設(shè)計克服以上的缺點的系統(tǒng)并進(jìn)行相關(guān)學(xué)習(xí)與測試。

    本文主要創(chuàng)新點有。

    (1)使用分布式訓(xùn)練結(jié)構(gòu)(如圖1所示):將表情識別系統(tǒng)分為人臉監(jiān)測與表情識別2個步驟,從而各自步驟可以引入更多人類先驗知識,降低訓(xùn)練難度,獲取更高魯棒性。

    (2)復(fù)現(xiàn)并改進(jìn)了YOLO和VVGNet算法,并將其運(yùn)用于人臉識別任務(wù)。

    (3)確定完整的模型體系結(jié)構(gòu)和數(shù)據(jù)處理方法,利用FER2013數(shù)據(jù)集中28709個樣本進(jìn)行了實驗測試,總準(zhǔn)確率達(dá)到69.83%。

    本文安排內(nèi)容如下:第一部分引言,第二部分介紹人臉識別模塊的構(gòu)成原理,第三部分介紹表情分類模塊的構(gòu)成原理,第三部分介紹實驗結(jié)果并進(jìn)行對比分析,第四部分對本文方法進(jìn)行總結(jié)。

    1 ?目標(biāo)定位:基于YOLO的改進(jìn)算法

    受到Y(jié)OLO[4]模型的啟發(fā),利用多層卷積層加上兩個全連接層來做人臉位置檢測,前面網(wǎng)絡(luò)的卷積層用于從圖像中提取特質(zhì),后面的全連接層用于輸出概率以及坐標(biāo)點。在特征提取部分更多受到了ResNet[5]的啟發(fā),用到了3*3和1*1卷積組合的方式,3*3卷積層用于提取各部分特征,而1*1卷積層用于跨通道的信息整合。最終網(wǎng)絡(luò)輸出7*7*30的向量作為預(yù)測。具體網(wǎng)絡(luò)如圖2所示。

    S.Ren[6]等人的工作中證明對網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練可以提高最終的預(yù)測表現(xiàn)。將這個復(fù)雜的模型在ImageNet 1000-classcompetition dataset上進(jìn)行預(yù)訓(xùn)練。在預(yù)訓(xùn)練時,網(wǎng)絡(luò)的最后兩層用一個Average- pooling layer(平均池化層)和一個Fully connected layer(完全連接層)作為替代。從處理分類問題轉(zhuǎn)化成探測問題,產(chǎn)生不同的處理輸出,同時大量的數(shù)據(jù)被用于訓(xùn)練卷積層的特征提取能力。

    最終的算法輸出既包含了概率,也包含了邊界框定的寬與高,并且用圖像的原始尺寸來對其進(jìn)行歸一化,使得邊界高與寬均在0~1以內(nèi)。

    2 ?表情識別:基于VGGNet網(wǎng)絡(luò)的殘差支路

    在VGGNet[7]結(jié)構(gòu)上,采用殘差單元(Residual unit)訓(xùn)練超深層次的神經(jīng)網(wǎng)絡(luò)(如圖3所示):用3*3、1*1組合的網(wǎng)絡(luò)結(jié)構(gòu),用以高效得提取特征,實驗證明這種網(wǎng)絡(luò)結(jié)構(gòu)可以高效的提取圖片信息中的特征很有利于后續(xù)的表情分類。

    采用Bottleneck Block支路,比傳統(tǒng)的卷積結(jié)構(gòu)多了一個short-cut支路,用于傳遞低層的信息,使得網(wǎng)絡(luò)能夠深度訓(xùn)練。殘差支路上先通過一個1×1的卷積使得中間卷積的通道數(shù)減少為1/4;中間的普通卷積做完卷積后輸出通道數(shù)等于輸入通道數(shù);第三個卷積用于增加(恢復(fù))通道數(shù),使得Bottleneck的輸出通道數(shù)等于Bottleneck的輸入通道數(shù)。這兩個1×1卷積有效地較少了卷積的參數(shù)個數(shù)和計算量。

    人臉圖像是高度密集的數(shù)據(jù)信息,內(nèi)部包含了很多細(xì)微的表情如:眼睛睜大,眼皮拉緊,嘴角上揚(yáng),出現(xiàn)褶皺等眾多信息,就是人心情的具象表征,需要先通過卷積神經(jīng)網(wǎng)絡(luò)把這些特征分類提取出來,然后通過訓(xùn)練線性分類器得到最終的分類結(jié)果。具體的網(wǎng)絡(luò)設(shè)計如圖4所示。

    3 ?結(jié)果與分析

    本章在第2與第3章的原理基礎(chǔ)上對本文設(shè)計的檢測算法進(jìn)行實現(xiàn)測試,并進(jìn)行評估。從數(shù)據(jù)的收集,模型參數(shù)的選取以及結(jié)構(gòu)優(yōu)化等方面對算法進(jìn)行了分析,同時也與同類型的算法進(jìn)行比較,分析本文算法的優(yōu)勢和不足。

    進(jìn)行訓(xùn)練時,沒有直接采用表情數(shù)據(jù)集,而是先采用通用性更強(qiáng)的圖像分割數(shù)據(jù)集分別進(jìn)行預(yù)訓(xùn)練并將兩部分模型分塊調(diào)試再組合使用,最終在模型的訓(xùn)練階段,通過多次的誤差分析進(jìn)行參數(shù)調(diào)整,最終得到了較好的效果。

    實驗配置如下:硬件平臺:中央處理器(Center Processing Unit,CPU):Intel(R)Xeon(R)E5- 2687V3,主頻為:2.5 GHz,內(nèi)存為128 GB;圖像處理器(Graphic Processing Unit,GPU)CUDA加速實現(xiàn):四路NVIDIA GeForce GTC1080 Ti。軟件平臺:采用PyTorch1.1.0版深度學(xué)習(xí)框架進(jìn)行算法 實現(xiàn)。

    3.1 ?訓(xùn)練、測試數(shù)據(jù)集

    (1)表情識別

    首先在ImageNet 1000-classcompetition dataset上進(jìn)行預(yù)訓(xùn)練。最終在測試中,采用WIDER FACE的medium數(shù)據(jù)集進(jìn)行測試,learning rate策略如下。

    在完成預(yù)訓(xùn)練之后,把模型轉(zhuǎn)換為目標(biāo)檢測輸出,采用了難度最大,各種難點比較全面的WIDER FACE數(shù)據(jù)集再次進(jìn)行訓(xùn)練120輪次,將batch設(shè)為64,momentum(動量)設(shè)為0.9,衰減設(shè)為0.005。為了防止過擬合,在最后兩層,利用N Srivastava[8]等人提出的隨機(jī)失活(dropout)正則化來提高系統(tǒng)提高泛化能力,將dropout設(shè)為0.1,其余層設(shè)為0.4。前5輪采用warmup策略,使其在0.0001~0.001之間波動,此后采用0.05的學(xué)習(xí)率繼續(xù)訓(xùn)練,并用隨機(jī)梯度下降法(Stochastic Gradient Descent,SGD)[9-10]優(yōu)化方式進(jìn)一步自由優(yōu)化。

    預(yù)訓(xùn)練具有以下特點:圖像分辨率普遍偏高;每張圖像的人臉數(shù)據(jù)偏多;分訓(xùn)練集train/驗證集val/測試集test,分別占40%/10%/50%;測試集非常大,結(jié)果可靠性極高,而且測試集的標(biāo)注結(jié)果(ground truth)沒有公開,需要提交結(jié)果給官方比較,更加公平公正,適合訓(xùn)練。

    (2)表情分類

    采用Kaggle Facial Expression Recognition Challenge Database對表情識別網(wǎng)絡(luò)進(jìn)行訓(xùn)練。任務(wù)是根據(jù)面部表情中顯示的情緒將每個面部分類為七個類別之一(0=憤怒,1=厭惡,2=恐懼,3=快樂,4=悲傷,5=驚喜,6=中立)。訓(xùn)練集包含兩列,“情感”和“像素”,共包含28 709個示例。對于圖像中存在的情緒。

    本文系統(tǒng)的最終輸出也以七類表情判別為基準(zhǔn),通過閾值法進(jìn)行面部表情的最終判定。

    (3)結(jié)合訓(xùn)練

    關(guān)于兩部分模型配合使用方面,在選擇檢測并標(biāo)定人臉后,將輸出圖像存儲在本地后,再作為第二個表情識別網(wǎng)絡(luò)的輸入而不是對兩個網(wǎng)絡(luò)直接級聯(lián)。這樣操作的優(yōu)點:1. 是防止級聯(lián)模型過大難以訓(xùn)練;2. 兩部分模型需要提取的特征傾向性不同,非級聯(lián)組合可以更好的發(fā)揮各部分不同的、經(jīng)過改進(jìn)的Loss函數(shù)的特點;3. 方便調(diào)試,方便接入其它功能以及后續(xù)開發(fā)。

    3.2 ?訓(xùn)練結(jié)果及分析

    (1)人臉識別部分

    網(wǎng)絡(luò)訓(xùn)練結(jié)果。

    首先對于訓(xùn)練集訓(xùn)練部分,圖中行坐標(biāo)為迭代次數(shù),縱坐標(biāo)為訓(xùn)練集Loss函數(shù)值,圖7中可以看出Loss函數(shù)值一直在穩(wěn)定下降,說明本文采取的新的Loss函數(shù)在數(shù)據(jù)集上有較好的表征特性,且采用的殘差策略可以很好的讓模型快速訓(xùn)練擬合數(shù)據(jù)集特征。

    數(shù)據(jù)集訓(xùn)練結(jié)束之后,計算了模型的Precision Rate(精確率)和Recal(召回率),被廣泛用于信息檢索和統(tǒng)計學(xué)分類領(lǐng)域的指標(biāo),來對人臉目標(biāo)檢測結(jié)果質(zhì)量進(jìn)行評價。

    可以看到本文方法較好的預(yù)測了人臉的位置并做出精準(zhǔn)的框定,同L. Bourdev[11](圖中Poselets)與N.Dalal[12](圖中D&T)等人的工作進(jìn)行橫向?qū)Ρ?,均有較好的檢測效果。檢測完成后,本文算法將利用輸出結(jié)果變形映射為相同大小的圖片,為下一部分神經(jīng)網(wǎng)絡(luò)做人臉表情識別做準(zhǔn)備。

    (2)模型級聯(lián)訓(xùn)練結(jié)果

    擇在FER2013(Kaggle Facial Expression Recognition Challenge Dataset)中的testset內(nèi)進(jìn)行測試。完成200輪訓(xùn)練之后,在共28709張測試數(shù)據(jù)中,正確預(yù)測了其中20047張表情,總準(zhǔn)確率達(dá)到了69.83%,其中對于高興、驚訝表情的識別準(zhǔn)確率較高,而對于恐懼表情識別準(zhǔn)確率較低。具體各表情識別結(jié)果準(zhǔn)確率如下,列標(biāo)表示實際表情,行標(biāo)表示本文算法預(yù)測表情結(jié)果。

    由表格可以看出該模型對happy,surprise兩類表情識別準(zhǔn)確率相對較高,而對angry,fear,sad類表情識別準(zhǔn)確率較低。主要原因為。

    ①在訓(xùn)練集中,各類表情數(shù)據(jù)量占比不統(tǒng)一,導(dǎo)致模型對數(shù)據(jù)量大的表情類型更有傾向性。

    ②angry,fear,sad等表情相似點較多,如皺眉,嘴角緊張,眼睛微瞪等等,不利于相互之間做明顯區(qū)分。

    針對以上兩點,做出以下對策:(1)考慮對數(shù)據(jù)集進(jìn)行刪減,讓各個表情的訓(xùn)練數(shù)據(jù)保持一致;(2)例如在表情分類模塊采用非標(biāo)準(zhǔn)Loss函數(shù),對相似度大的表情進(jìn)行針對性優(yōu)化區(qū)分,引入Jiankang Deng[13]等人提出的利用更多角度空間信息的Arcface Loss函數(shù)完成進(jìn)一步的優(yōu)化。

    除了標(biāo)準(zhǔn)數(shù)據(jù)集外,也利用網(wǎng)上搜索到的表情包進(jìn)行識別,測試該算法在更貼近生活情況下的識別效果。

    結(jié)果圖中橫軸7個坐標(biāo)為本算法可以識別的7種表情:Angry、Disgust、Fear、Happy、Sad、Surprise、Neutral,縱軸值則為判定為該表情的可能性,最終挑選最高可能性的結(jié)果進(jìn)行輸出。由案例可以看出,對于人臉在圖像中占據(jù)不同比例、臉部不同朝向、對臉部的遮擋、較濃的妝容、不同光照等情況,均有較好的表情識別效果。

    4 ?結(jié)論

    本文將識別系統(tǒng)網(wǎng)絡(luò)分為兩部分,第一部分準(zhǔn)確定位復(fù)雜背景圖像中的人臉的位置,將實時性高,魯棒性強(qiáng)的YOLO模型做出針對性改進(jìn)應(yīng)用于人臉監(jiān)測;第二部分進(jìn)行表情分類,利用簡化后的VGGnet結(jié)構(gòu)對定位后的人臉照片的情感表達(dá)進(jìn)行高效率地分類,同時引入新型的附加角度邊緣損失函數(shù),改進(jìn)網(wǎng)絡(luò)的特征提取效率。與直接輸入圖片到輸出分類的簡單端對端模型相比,引入更多先驗知識,獲得更有效的數(shù)據(jù),產(chǎn)生了可應(yīng)用于復(fù)雜環(huán)境的更優(yōu)秀的分類系統(tǒng)。

    總之,本文中描述的新型人臉表情識別算法,能較好地完成計算機(jī)人臉表情識別任務(wù),克服傳統(tǒng)算法的部分缺陷,引入較多的人類知識可控因素,從而達(dá)到網(wǎng)絡(luò)容易訓(xùn)練,識別準(zhǔn)確度高,系統(tǒng)事實性強(qiáng),魯棒性好等特優(yōu)點??梢詰?yīng)用于較多人際交互場景,對計算機(jī)系統(tǒng)的人機(jī)交互做出高層次的指導(dǎo)。同時,該系統(tǒng)算法也有繼續(xù)研究、改進(jìn)的意義,有較大的提升空間。

    參考文獻(xiàn)

    [1] Ekman P, Friesen W V. Contacts across cultures in the face and emotion[J]. Journal of personality and social psychology, 1971, 17(2): 124-129.

    [2] Suwa M, Sugie N, Fujimora K. A Preliminary Note on Pattern Recognition of Human Emotional Expression[M]. [S.n]. Proceeding of the Fourth International Joint Conference on Pattern Recognition.1978, 408-410.

    [3] Mase K, Pentland A. Automatic lipreading by optical-flow analysis[J]. Systems and Computers in Japan, 1991, 22(6): 67-76.

    [4] Redmon J, Divvala S, Girshick R, et al. You Only Look Once: Unified, Real-Time Object Detection[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2016. IEEE, Las Vegas, 2016: 779-788.

    [5] HE K, ZHANG X, REN S, et al. Deep residual learning for image recognition[C]//Computer Vision and Pattern Recognition. CVPR, Las Vegas: 2016: 770-778.

    [6] Ren S, He K, Girshick R, et al. Object Detection Networks on Convolutional Feature Maps[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2015, 39(7): 1476-1481.

    [7] Simonyan K, Zisserman A. Very deep convolutional networks for large-scale image recognition[C]//International Conference on Learning Representations. San Diego, USA: ICLR, 2015: 1-5.

    [8] Srivastava N, Hinton G E, Krizhevsky A, et al. Dropout: a simple way to prevent neural networks from overfitting[J]. Journal of machine learning research, 2014, 15(1): 1929-1958.

    [9] Rie Johnson Tong Z. Accelerating Stochastic Gradient Descent using Predictive Variance Reduction[C]//International Conference on Neural Information Processing Systems. Currant Associates Inc. 2013: 315-323.

    [10] Shalev-Shwartz S, Singer Y, Srebro N. Pegasos: Primal estimated sub-GrAdient sOlver for SVM. [C]//Machine Learning, Proceedings of the Twenty-Fourth International Conference (ICML 2007), Corvallis, Oregon, USA, June 20-24, 2007. ACM, 2007.

    [11] Bourdev L D, Malik J. Poselets: Body Part Detectors Trained Using 3D Human Pose Annotations[C]//IEEE 12th International Conference on Computer Vision, ICCV 2009, Kyoto, Japan, September 27-October 4, 2009. IEEE, 2009.

    [12] Dalal N, Triggs B. Histograms of Oriented Gradients for Human Detection[C]//2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05). IEEE, 2005.

    [13] Deng J, Guo J, Zafeiriou S. Arcface:Additive angular margin Loss for deep face recognition[J]. arXiv preprintarXiv: 1801. 07698, 2018.

    猜你喜歡
    卷積神經(jīng)網(wǎng)絡(luò)
    基于深度神經(jīng)網(wǎng)絡(luò)的微表情識別
    卷積神經(jīng)網(wǎng)絡(luò)中減少訓(xùn)練樣本時間方法研究
    卷積神經(jīng)網(wǎng)絡(luò)語言模型研究
    基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢索方法研究
    基于卷積神經(jīng)網(wǎng)絡(luò)溫室智能大棚監(jiān)控系統(tǒng)的研究
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    深度學(xué)習(xí)技術(shù)下的中文微博情感的分析與研究
    軟件(2016年5期)2016-08-30 06:27:49
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識別的算法的研究
    国产一区二区在线观看日韩| 亚洲精品国产成人久久av| 亚洲激情五月婷婷啪啪| 国产精品久久久久久久电影| 日本免费一区二区三区高清不卡| h日本视频在线播放| 一级黄色大片毛片| 欧美区成人在线视频| 男人舔女人下体高潮全视频| 成人三级黄色视频| 精品国产三级普通话版| 国产精品无大码| 最新中文字幕久久久久| 一a级毛片在线观看| 国产高清激情床上av| 热99在线观看视频| 99热只有精品国产| 91久久精品国产一区二区三区| 嫩草影院新地址| 亚洲四区av| 直男gayav资源| 亚洲欧美日韩东京热| 日产精品乱码卡一卡2卡三| 国产av不卡久久| 在线观看午夜福利视频| 乱码一卡2卡4卡精品| 亚洲av五月六月丁香网| 一a级毛片在线观看| 搡老妇女老女人老熟妇| 又爽又黄无遮挡网站| 久久久欧美国产精品| 三级国产精品欧美在线观看| 变态另类丝袜制服| 国产美女午夜福利| 国产亚洲精品综合一区在线观看| 在线观看av片永久免费下载| 国产一区亚洲一区在线观看| 精品一区二区三区视频在线| 国产激情偷乱视频一区二区| 欧美又色又爽又黄视频| 精品免费久久久久久久清纯| 色av中文字幕| 人人妻人人澡人人爽人人夜夜 | 男插女下体视频免费在线播放| 女的被弄到高潮叫床怎么办| 欧美人与善性xxx| 国产三级在线视频| 色哟哟·www| 一本一本综合久久| 午夜视频国产福利| 国产三级在线视频| 欧美在线一区亚洲| 又爽又黄a免费视频| 国产免费男女视频| 亚洲国产精品sss在线观看| 综合色丁香网| 成年女人毛片免费观看观看9| 国产亚洲精品综合一区在线观看| 欧美又色又爽又黄视频| 嫩草影院新地址| 中出人妻视频一区二区| 久久久久国产精品人妻aⅴ院| 精品人妻视频免费看| 黄色视频,在线免费观看| 热99re8久久精品国产| 欧美潮喷喷水| 成人毛片a级毛片在线播放| 国产精品人妻久久久影院| 亚洲精品影视一区二区三区av| 简卡轻食公司| 国产午夜精品久久久久久一区二区三区 | 亚洲av五月六月丁香网| 国产成人freesex在线 | 欧美激情在线99| 午夜福利视频1000在线观看| 三级毛片av免费| 精品99又大又爽又粗少妇毛片| 国产 一区 欧美 日韩| 免费av观看视频| 国产黄片美女视频| 亚洲中文字幕一区二区三区有码在线看| 嫩草影视91久久| 精品国产三级普通话版| 少妇的逼好多水| 成人特级av手机在线观看| 美女cb高潮喷水在线观看| 精品一区二区三区av网在线观看| 91久久精品电影网| 超碰av人人做人人爽久久| 三级毛片av免费| 亚洲国产日韩欧美精品在线观看| 无遮挡黄片免费观看| 免费不卡的大黄色大毛片视频在线观看 | 久久精品国产亚洲网站| 国产成人freesex在线 | 97超碰精品成人国产| 日产精品乱码卡一卡2卡三| 免费大片18禁| 狂野欧美白嫩少妇大欣赏| 天堂影院成人在线观看| 久久久久精品国产欧美久久久| www日本黄色视频网| 在线免费观看的www视频| 嫩草影院新地址| 国产成人aa在线观看| 国产 一区 欧美 日韩| 熟妇人妻久久中文字幕3abv| 国产乱人视频| 国产精品av视频在线免费观看| 99在线人妻在线中文字幕| 亚洲精品影视一区二区三区av| av视频在线观看入口| 男人的好看免费观看在线视频| 日本黄色片子视频| 国产又黄又爽又无遮挡在线| 欧美+日韩+精品| 麻豆久久精品国产亚洲av| 亚洲成人中文字幕在线播放| 欧美精品国产亚洲| 亚洲av熟女| 最近2019中文字幕mv第一页| 色尼玛亚洲综合影院| 免费av观看视频| 不卡一级毛片| 久久婷婷人人爽人人干人人爱| 91久久精品国产一区二区三区| 最近中文字幕高清免费大全6| 亚洲最大成人手机在线| 亚洲精华国产精华液的使用体验 | 亚洲精品日韩av片在线观看| 男人的好看免费观看在线视频| 免费人成在线观看视频色| 又粗又爽又猛毛片免费看| 在线观看美女被高潮喷水网站| 一卡2卡三卡四卡精品乱码亚洲| 亚洲av二区三区四区| 97超视频在线观看视频| 韩国av在线不卡| 黄色配什么色好看| 波多野结衣高清作品| av女优亚洲男人天堂| 午夜免费男女啪啪视频观看 | 亚洲国产精品国产精品| 久久久久久九九精品二区国产| 91久久精品国产一区二区三区| 国产单亲对白刺激| 成人特级黄色片久久久久久久| 欧美精品国产亚洲| 成人亚洲精品av一区二区| 亚洲专区国产一区二区| 男女边吃奶边做爰视频| 午夜福利成人在线免费观看| av在线蜜桃| av在线天堂中文字幕| 中文字幕免费在线视频6| 三级男女做爰猛烈吃奶摸视频| 免费看光身美女| 国产精品无大码| 国模一区二区三区四区视频| 午夜视频国产福利| 色综合亚洲欧美另类图片| 国内精品宾馆在线| 看片在线看免费视频| 亚洲自拍偷在线| 一区二区三区免费毛片| 在线国产一区二区在线| 在线观看一区二区三区| 春色校园在线视频观看| 国产激情偷乱视频一区二区| 99久久精品热视频| 桃色一区二区三区在线观看| 精品熟女少妇av免费看| 日本免费a在线| 久久精品国产亚洲av天美| 精品熟女少妇av免费看| 国产精品精品国产色婷婷| 午夜精品国产一区二区电影 | 三级男女做爰猛烈吃奶摸视频| 长腿黑丝高跟| 成人亚洲精品av一区二区| 永久网站在线| 一区二区三区四区激情视频 | 国产熟女欧美一区二区| 国产精品一区二区三区四区久久| 国产精品久久视频播放| 人人妻人人澡欧美一区二区| 日韩中字成人| 亚洲七黄色美女视频| 美女高潮的动态| 国产精品一区二区免费欧美| 久久精品国产亚洲av涩爱 | 精品熟女少妇av免费看| 国产私拍福利视频在线观看| 卡戴珊不雅视频在线播放| 晚上一个人看的免费电影| 久久久久久久久久成人| 国产男靠女视频免费网站| 亚洲国产欧美人成| 最近在线观看免费完整版| 真实男女啪啪啪动态图| 在线观看66精品国产| 男人舔女人下体高潮全视频| 亚洲欧美日韩卡通动漫| 精品一区二区三区av网在线观看| 亚洲自拍偷在线| 午夜免费激情av| 国产精品人妻久久久久久| 久久精品久久久久久噜噜老黄 | av视频在线观看入口| 亚洲欧美日韩高清在线视频| 亚洲欧美日韩无卡精品| 在线免费十八禁| 日韩国内少妇激情av| 亚洲国产欧洲综合997久久,| 蜜桃久久精品国产亚洲av| 大香蕉久久网| 自拍偷自拍亚洲精品老妇| 国产伦精品一区二区三区四那| 亚洲av电影不卡..在线观看| 免费观看精品视频网站| 午夜福利在线观看免费完整高清在 | 69av精品久久久久久| 乱人视频在线观看| 热99re8久久精品国产| 观看免费一级毛片| 亚洲av五月六月丁香网| 日本黄大片高清| 欧美一区二区国产精品久久精品| 51国产日韩欧美| 欧美日本视频| 两性午夜刺激爽爽歪歪视频在线观看| 村上凉子中文字幕在线| 最近视频中文字幕2019在线8| 国产成人aa在线观看| 赤兔流量卡办理| 亚洲av中文av极速乱| 中国国产av一级| 中文字幕精品亚洲无线码一区| 真人做人爱边吃奶动态| 欧美区成人在线视频| 男女下面进入的视频免费午夜| 久久久精品欧美日韩精品| 午夜爱爱视频在线播放| 成人一区二区视频在线观看| 亚洲成人久久性| 变态另类丝袜制服| 最近2019中文字幕mv第一页| av专区在线播放| 国产一区二区三区av在线 | 国产av一区在线观看免费| 日韩精品青青久久久久久| 六月丁香七月| 久久精品国产亚洲av涩爱 | 亚洲国产色片| 在线观看免费视频日本深夜| 日日干狠狠操夜夜爽| 亚洲三级黄色毛片| 日韩欧美一区二区三区在线观看| 一级av片app| 国产爱豆传媒在线观看| 久久午夜福利片| av在线亚洲专区| 免费高清视频大片| 亚洲天堂国产精品一区在线| 久久这里只有精品中国| 美女高潮的动态| 国产免费一级a男人的天堂| 卡戴珊不雅视频在线播放| 久久久欧美国产精品| 丰满人妻一区二区三区视频av| 美女高潮的动态| 99久久久亚洲精品蜜臀av| 色播亚洲综合网| 看黄色毛片网站| 亚州av有码| 如何舔出高潮| 亚洲自拍偷在线| 简卡轻食公司| 精品一区二区三区人妻视频| 在线观看午夜福利视频| 国产黄片美女视频| 丝袜美腿在线中文| 久久鲁丝午夜福利片| 一级毛片电影观看 | 99久久无色码亚洲精品果冻| 久久久久久久久久成人| 99九九线精品视频在线观看视频| 最近在线观看免费完整版| 亚洲av二区三区四区| 一级毛片久久久久久久久女| 亚洲人成网站在线观看播放| 精品午夜福利在线看| 久久精品国产亚洲av天美| 欧美日韩在线观看h| 精品一区二区三区视频在线| 不卡一级毛片| 99久国产av精品国产电影| 成年版毛片免费区| 99热只有精品国产| 老师上课跳d突然被开到最大视频| 欧美日韩在线观看h| 三级毛片av免费| 亚洲中文字幕日韩| 久久午夜福利片| 人妻制服诱惑在线中文字幕| 国产精品女同一区二区软件| 赤兔流量卡办理| 国产精品一区二区三区四区久久| 老女人水多毛片| 久久精品国产自在天天线| 在线免费观看不下载黄p国产| 国产成人精品久久久久久| 丝袜美腿在线中文| 少妇高潮的动态图| 丝袜美腿在线中文| 欧美不卡视频在线免费观看| 日本a在线网址| 久久久欧美国产精品| 国产av不卡久久| 国产aⅴ精品一区二区三区波| 精品国产三级普通话版| 一级av片app| 精品人妻偷拍中文字幕| 可以在线观看的亚洲视频| 插逼视频在线观看| 一个人观看的视频www高清免费观看| 亚洲在线观看片| 在线天堂最新版资源| 小蜜桃在线观看免费完整版高清| 男女啪啪激烈高潮av片| 国国产精品蜜臀av免费| 亚洲成人久久爱视频| 伦精品一区二区三区| 日韩制服骚丝袜av| 男人和女人高潮做爰伦理| 欧美高清成人免费视频www| 精品久久久久久久久亚洲| 一级毛片我不卡| 国产伦精品一区二区三区四那| 美女免费视频网站| 亚洲精品国产av成人精品 | av国产免费在线观看| 男人的好看免费观看在线视频| 亚洲人成网站在线观看播放| 欧美bdsm另类| 日本欧美国产在线视频| 欧美人与善性xxx| 99热只有精品国产| 日韩亚洲欧美综合| av在线蜜桃| 亚洲四区av| 国产精品久久久久久久电影| 给我免费播放毛片高清在线观看| 亚洲一区二区三区色噜噜| 美女cb高潮喷水在线观看| 欧美区成人在线视频| 中国美女看黄片| 老熟妇乱子伦视频在线观看| 亚洲aⅴ乱码一区二区在线播放| 伦精品一区二区三区| 最近视频中文字幕2019在线8| 亚洲av中文字字幕乱码综合| 激情 狠狠 欧美| 在线国产一区二区在线| 亚洲最大成人av| 亚洲av中文字字幕乱码综合| 中文字幕熟女人妻在线| 亚洲,欧美,日韩| 色综合站精品国产| 亚洲中文日韩欧美视频| a级毛片a级免费在线| 国产在视频线在精品| 成人毛片a级毛片在线播放| 久久国内精品自在自线图片| 日韩欧美在线乱码| 长腿黑丝高跟| 精品久久久久久久人妻蜜臀av| 天堂√8在线中文| 精品久久久久久久久久免费视频| 亚洲18禁久久av| av在线老鸭窝| 床上黄色一级片| 美女被艹到高潮喷水动态| 国产欧美日韩精品亚洲av| 午夜久久久久精精品| 色综合亚洲欧美另类图片| 日本在线视频免费播放| 久久这里只有精品中国| 如何舔出高潮| 九九久久精品国产亚洲av麻豆| 亚洲人成网站在线播| 一级a爱片免费观看的视频| 最新在线观看一区二区三区| 久久国产乱子免费精品| 日本三级黄在线观看| 一区福利在线观看| 国内久久婷婷六月综合欲色啪| 少妇丰满av| 蜜桃亚洲精品一区二区三区| 精品久久久久久久久亚洲| 如何舔出高潮| 亚洲综合色惰| 亚洲av成人精品一区久久| 天堂动漫精品| 看片在线看免费视频| 久久久精品欧美日韩精品| 免费一级毛片在线播放高清视频| 九色成人免费人妻av| 久久精品夜色国产| 日日啪夜夜撸| 欧美成人精品欧美一级黄| 久久精品夜夜夜夜夜久久蜜豆| 国产91av在线免费观看| 丰满人妻一区二区三区视频av| 成人美女网站在线观看视频| 国产精品国产三级国产av玫瑰| 国产高清三级在线| 国产黄a三级三级三级人| 国产av麻豆久久久久久久| 国国产精品蜜臀av免费| 欧美人与善性xxx| 国产高清有码在线观看视频| 亚洲成人av在线免费| 最近手机中文字幕大全| 12—13女人毛片做爰片一| 非洲黑人性xxxx精品又粗又长| 精品人妻偷拍中文字幕| 又爽又黄无遮挡网站| 五月伊人婷婷丁香| 老师上课跳d突然被开到最大视频| 日韩欧美三级三区| 男女那种视频在线观看| 久久久精品94久久精品| 日韩国内少妇激情av| 欧美成人a在线观看| 国产熟女欧美一区二区| 亚洲国产精品成人久久小说 | 九色成人免费人妻av| 在线国产一区二区在线| 岛国在线免费视频观看| 全区人妻精品视频| 精品欧美国产一区二区三| 又粗又爽又猛毛片免费看| 欧美丝袜亚洲另类| 黄片wwwwww| 老司机影院成人| 你懂的网址亚洲精品在线观看 | 国产一区二区三区在线臀色熟女| 亚洲欧美成人精品一区二区| 亚洲av第一区精品v没综合| 亚洲av五月六月丁香网| 俺也久久电影网| 老熟妇仑乱视频hdxx| 夜夜夜夜夜久久久久| 97人妻精品一区二区三区麻豆| 99久久精品国产国产毛片| 国产午夜福利久久久久久| 一本久久中文字幕| 精品人妻偷拍中文字幕| 如何舔出高潮| 日韩欧美三级三区| 国产亚洲精品综合一区在线观看| 丝袜美腿在线中文| 日本黄大片高清| 久久精品国产亚洲网站| 久久亚洲精品不卡| 亚洲三级黄色毛片| 丰满乱子伦码专区| 日本熟妇午夜| 久久国内精品自在自线图片| 午夜福利在线在线| 校园春色视频在线观看| 亚洲国产欧洲综合997久久,| 91狼人影院| 亚洲国产精品成人综合色| 亚洲电影在线观看av| 美女 人体艺术 gogo| av国产免费在线观看| 观看免费一级毛片| 乱人视频在线观看| 免费av不卡在线播放| 国内精品宾馆在线| 村上凉子中文字幕在线| 午夜久久久久精精品| 国产精品日韩av在线免费观看| 欧美日韩国产亚洲二区| 乱人视频在线观看| 国产高清不卡午夜福利| 午夜爱爱视频在线播放| 久久人人精品亚洲av| 色尼玛亚洲综合影院| 床上黄色一级片| 欧美激情国产日韩精品一区| 一本久久中文字幕| av在线观看视频网站免费| 欧美极品一区二区三区四区| 国产亚洲91精品色在线| 日韩国内少妇激情av| 午夜免费激情av| 亚洲精品在线观看二区| 亚洲av不卡在线观看| 五月玫瑰六月丁香| 国产免费男女视频| 毛片女人毛片| 神马国产精品三级电影在线观看| 麻豆国产av国片精品| 国产熟女欧美一区二区| 男人的好看免费观看在线视频| 一级黄色大片毛片| 六月丁香七月| 日本熟妇午夜| a级毛片a级免费在线| 亚洲av中文字字幕乱码综合| 国产高清激情床上av| 成年av动漫网址| 国产 一区精品| 亚洲精品456在线播放app| 国产一区二区三区av在线 | 特大巨黑吊av在线直播| 亚洲精品日韩av片在线观看| 99久国产av精品| 日韩中字成人| 国产91av在线免费观看| 国内揄拍国产精品人妻在线| 欧美另类亚洲清纯唯美| 国产精品无大码| 蜜桃亚洲精品一区二区三区| www日本黄色视频网| 校园春色视频在线观看| 久久亚洲精品不卡| 亚洲第一电影网av| 高清日韩中文字幕在线| 精品人妻一区二区三区麻豆 | 高清毛片免费观看视频网站| 国语自产精品视频在线第100页| 嫩草影院入口| 在线天堂最新版资源| 给我免费播放毛片高清在线观看| 日本黄大片高清| 乱系列少妇在线播放| 又粗又爽又猛毛片免费看| 中文字幕精品亚洲无线码一区| 亚洲精品日韩在线中文字幕 | 婷婷精品国产亚洲av在线| av女优亚洲男人天堂| 欧美高清成人免费视频www| 色综合站精品国产| 赤兔流量卡办理| 欧美性猛交╳xxx乱大交人| a级一级毛片免费在线观看| 国产精品免费一区二区三区在线| 老师上课跳d突然被开到最大视频| 日韩欧美一区二区三区在线观看| 精品久久久噜噜| 狂野欧美激情性xxxx在线观看| 亚洲,欧美,日韩| 国产成人a∨麻豆精品| 国产亚洲精品久久久久久毛片| 久久国内精品自在自线图片| 91午夜精品亚洲一区二区三区| 非洲黑人性xxxx精品又粗又长| 亚洲成人精品中文字幕电影| 亚洲一区高清亚洲精品| 久久婷婷人人爽人人干人人爱| 免费黄网站久久成人精品| 婷婷色综合大香蕉| 亚洲av电影不卡..在线观看| 色在线成人网| 中出人妻视频一区二区| 亚洲欧美日韩无卡精品| 一卡2卡三卡四卡精品乱码亚洲| 久久这里只有精品中国| 老女人水多毛片| 精品久久国产蜜桃| 午夜视频国产福利| 超碰av人人做人人爽久久| 99久久九九国产精品国产免费| 中国美女看黄片| 色哟哟哟哟哟哟| 中文字幕精品亚洲无线码一区| 少妇人妻一区二区三区视频| 成熟少妇高潮喷水视频| 亚洲av.av天堂| 成人欧美大片| 日韩欧美免费精品| 亚洲精品一卡2卡三卡4卡5卡| 俺也久久电影网| 久久热精品热| 国产单亲对白刺激| 久久99热这里只有精品18| 淫妇啪啪啪对白视频| 淫秽高清视频在线观看| 天天一区二区日本电影三级| 日韩av在线大香蕉| 国产精品亚洲一级av第二区| 久久国内精品自在自线图片| 欧美+亚洲+日韩+国产| 色视频www国产| 五月伊人婷婷丁香| 老女人水多毛片| 成人特级av手机在线观看| 国产免费男女视频| 午夜福利在线观看吧| 国产爱豆传媒在线观看| 天堂影院成人在线观看| 亚洲av第一区精品v没综合| 大型黄色视频在线免费观看| 久久久久久久久久久丰满| 在线观看美女被高潮喷水网站| 成人毛片a级毛片在线播放| av黄色大香蕉| 亚洲av第一区精品v没综合| 亚洲激情五月婷婷啪啪| 日本一本二区三区精品| 卡戴珊不雅视频在线播放|