• <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CapsuleNet架構(gòu)的模糊指紋圖像識別

    2020-10-09 11:01袁穎李論楊英倉
    軟件 2020年8期
    關(guān)鍵詞:指紋識別深度學(xué)習(xí)

    袁穎 李論 楊英倉

    摘 ?要: 指紋識別是目前應(yīng)用最廣泛的生物特征識別技術(shù)之一,傳統(tǒng)指紋識別技術(shù)中為了使原始指紋圖像特征更易于被當(dāng)前的計算方法處理,需要對指紋圖像特征點標(biāo)畫,為輸入數(shù)據(jù)設(shè)計好表示層,再仿射變換到另一個表示空間,難以得到模糊指紋圖像所需要的精確表示。本文采用膠囊神經(jīng)網(wǎng)絡(luò),使用端到端的深度學(xué)習(xí)模型來完成模糊指紋圖像的識別,克服了傳統(tǒng)機器學(xué)習(xí)算法對于感知問題不敏感,以及卷積神經(jīng)網(wǎng)絡(luò)缺乏整體特征的明確信息和最大池化中丟失了有價值的特征信息等劣勢。實驗結(jié)果表明,膠囊神經(jīng)網(wǎng)絡(luò)在模糊指紋圖像處理中具有較高的識別精度。

    關(guān)鍵詞: 指紋識別;膠囊神經(jīng)網(wǎng)絡(luò);深度學(xué)習(xí)

    中圖分類號: TP391. 41 ? ?文獻(xiàn)標(biāo)識碼: A ? ?DOI:10.3969/j.issn.1003-6970.2020.08.015

    本文著錄格式:袁穎,李論,楊英倉. 基于Capsule Net架構(gòu)的模糊指紋圖像識別[J]. 軟件,2020,41(08):48-51

    【Abstract】: Fingerprint identification is currently the most widely used biological characteristic. In traditional fingerprint identification technology, in order to make the fingerprint image feature calculate more easier, method have to sign the fingerprint image feature points, input data design good presentation layer, and affine transformation to another representation space to realize recognition. However this method is hard to get the precise fuzzy fingerprint image features.Capsule neural network in this paper use end-to-end deep learning model to match the fuzzy identification of fingerprint image. This method overcomes the unsensitive problems to perceptual features which is a common problems in the traditional machine learning algorithm. This method also overcomes the lack of clear information and the lost of characteristics of the information in integral pooling in the convolutional neural network. The experimental results show that the capsule neural network has high recognition accuracy in fuzzy fingerprint image processing.

    【Key words】: Fingerprint identification; Capsule net; Deep learning

    0 ?引言

    指紋識別技術(shù)在20世紀(jì)60年代初興起,近年已在民事、司法、安全等領(lǐng)域得到了普遍應(yīng)用,毋庸置疑已經(jīng)成為了目前使用最廣泛的生物特征識別技術(shù)。然而,面臨徒增的模糊指紋圖像,傳統(tǒng)指紋識別技術(shù)的淺層學(xué)習(xí)難以得到模糊指紋識別所需的精確表示,無法滿足實際需求。2010年以后,非定制CPU的速度提高了約5000倍[1],互聯(lián)網(wǎng)高速發(fā)展高性能圖形芯片誕生,大數(shù)據(jù)、計算機視覺技術(shù)、深度學(xué)習(xí)技術(shù)的出現(xiàn),為指紋識別的發(fā)展奠定了硬件、算法、數(shù)據(jù)集等各方面的基礎(chǔ)。自此,基于深度學(xué)習(xí)的指紋識別技術(shù)逐漸興起, Wang Yani等人[2]、L. N. Darlow[3]、D. E. Hamdi[4]等大批研究者開始采用深度識別算法對圖像進(jìn)行識別,包括CNN、MENet、CRT等,結(jié)合深度學(xué)習(xí)技術(shù)來解決指紋分類任務(wù),基于深度學(xué)習(xí)的研究還包括Artificial neural network (ANN)神經(jīng)網(wǎng)絡(luò)[5]、nonlinear back propagation neural network (BPNN)反向神經(jīng)網(wǎng)絡(luò)[6]、linear vector quantization(LVQ) 線性矢量量化[7]、extreme learning machine (ELM)極限學(xué)習(xí)機[8]等。

    廣泛研究證明以上神經(jīng)網(wǎng)絡(luò)在計算機視覺方面有顯著成績,但具備缺乏整體特征的明確信息和最大池化中會丟失有價值的特征信息等劣勢,例如CNN。2017年Geoffrey E. Hinton使用經(jīng)過分別訓(xùn)練的多層膠囊系統(tǒng)在MNIST上達(dá)到了最好的性能,并且在識別高度重疊的數(shù)字方面比卷積神經(jīng)網(wǎng)絡(luò)要好得多,訓(xùn)練精確度為99.23%,在Affinist測試集的精確度達(dá)到了79%,遠(yuǎn)遠(yuǎn)超過了CNN的66%[9]。在這之后,相繼有學(xué)者使用膠囊網(wǎng)絡(luò)對不同的研究對象做了新嘗試,例如,C. Xiang[10]、Z. Zhang[11]、Y. Xiong[12]、Yi S[13]、T. Zhao[14]等人都陸續(xù)使用膠囊網(wǎng)絡(luò)對不同圖像進(jìn)行了識別,其中包括虹膜、步態(tài)、車輛圖片等,并取得了良好的效果。

    1 ?關(guān)鍵算法原理

    膠囊神經(jīng)網(wǎng)絡(luò)自2017年由Google Brain的Geoffrey E. Hinton提出[9],近年來膠囊網(wǎng)絡(luò)被看作是一種能克服CNN缺點的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),膠囊網(wǎng)絡(luò)是經(jīng)過分別訓(xùn)練的多層膠囊神經(jīng)系統(tǒng),膠囊就是一組神經(jīng)元,膠囊網(wǎng)絡(luò)是由這些神經(jīng)元構(gòu)成的神經(jīng)網(wǎng)絡(luò),和其他神經(jīng)網(wǎng)絡(luò)不同得是,膠囊網(wǎng)絡(luò)在特征之間的空間關(guān)系上取得了一些突破,它使原來只能用標(biāo)量來表示的輸入、輸出特征用向量來表示,向量的模的大小來表示特征出現(xiàn)的概率。向量的方向表示特征的位置,這就使得原始特征中涉及的位置信息不容易丟失。

    1.1 ?網(wǎng)絡(luò)架構(gòu)

    膠囊網(wǎng)絡(luò)的架構(gòu)如圖1所示,一層網(wǎng)絡(luò)被激活時通過轉(zhuǎn)換矩陣對更高級別的膠囊參數(shù)進(jìn)行預(yù)測,當(dāng)多個預(yù)測一致時,一個更高水平的膠囊層開始活躍。在膠囊網(wǎng)絡(luò)中基礎(chǔ)單元是膠囊,就是一系列的神經(jīng)元圖2所示[15],神經(jīng)元的活躍程度被封裝在了激活的膠囊中,代表某個特定實體的不同屬性。膠囊的長度表示這個特定實體的存在概率,膠囊的方向表示了這個實體的屬性。輸出向量的長度表示了實體存在的可能,輸出的膠囊用一個非線性的壓縮函數(shù)計算如公式1[9]所示。

    圖1所示的膠囊網(wǎng)絡(luò)中第一層是二維卷積層,作用是對輸入圖像進(jìn)行空間卷積。用濾波器對輸入圖像進(jìn)行滑動窗卷積,卷積核的數(shù)目為256,卷積核的寬度和長度為9,卷積的步長為1,“valid”指只進(jìn)行有效的卷積,即對邊界不進(jìn)行數(shù)據(jù)填充,激活函數(shù)為relu。第二層為PrimaryCaps即主膠囊層,使用squash函數(shù)作為激活函數(shù),該層接受卷積層檢測到的基本特征,用于生成特征組合。該層共有32個主膠囊,步長為2,每個主膠囊由8個卷積核組成。第三層DigitCaps層即數(shù)字膠囊層,實際上是全連接層,“in_num”為輸入,每個輸入都是一個標(biāo)量,是前一層神經(jīng)元的輸出,它有“out_num”為輸出神經(jīng)元。膠囊層是將神經(jīng)元的輸出從標(biāo)量擴展到向量。第四層是一個輔助層,用它的長度來代替每個膠囊,為了匹配真實的標(biāo)簽形狀。

    1.2 ?向量神經(jīng)元

    在膠囊網(wǎng)絡(luò)中神經(jīng)元結(jié)構(gòu)如圖2所示[9],第一層神經(jīng)元在接收到信號以后,通過連接鏈路參數(shù)進(jìn)行修改加總,b為偏差,σ(z)為激活函數(shù),最后得出一個輸出值。膠囊網(wǎng)絡(luò)和其他神經(jīng)網(wǎng)絡(luò)的不同之處在于,a1到ak都是有大小和方向的向量,σ(z)為squashing的壓縮函數(shù)作為激活函數(shù),輸出的值也為向量,一個運算單元為一個膠囊。每一層中都由很多個膠囊構(gòu)成,將輸入數(shù)值一層一層向后傳播。

    1.3 ?壓縮函數(shù)

    在CapsNets中需用到squashing 函數(shù)即壓縮函數(shù),表達(dá)式如公式(1)[9]所示, 該函數(shù)是一個非線性的“壓縮”函數(shù),作用是確保短向量被壓縮到幾乎零的長度,長向量被壓縮到略小于等于1的長度。公式(1)表示第j個膠囊的輸出向量的運算規(guī)則, 為這個膠囊的總輸入向量值, 是總輸入向量的模長,模長只有大小沒有方向。由公式(1)可以看到左邊的第一部函數(shù)的作用是當(dāng) 輸出向量很大的時候,第一部分的值能無限趨近于1,如果 輸出向量的值很小,第一部分的值會約等于0,這樣可以將輸入值壓縮在0-1之間。公式(1)的右邊部分函數(shù)保留了輸入向量的方向,向量的模的大小衡量某個實體出現(xiàn)的概率,模值越大,概率越大。當(dāng) 很小的時候, 的值就等于 ?,當(dāng) 很大的時候, 的值就等于 。

    在每一個膠囊網(wǎng)絡(luò)層里的膠囊都會向上述層中的每個不同膠囊中輸出一個向量的局部網(wǎng)格,之后每個網(wǎng)格成員和每個膠囊的變換矩陣被用來組成數(shù)量相同的類,動態(tài)路由就這樣在這個過程反復(fù)循環(huán)。

    1.4 ?損失函數(shù)

    當(dāng)網(wǎng)絡(luò)在訓(xùn)練時,輸入的特征沒有對應(yīng)的標(biāo)簽,需要把特征值對應(yīng)向量最大的值輸出給全連接層,網(wǎng)絡(luò)就會根據(jù)標(biāo)簽決定輸出值對應(yīng)的向量。底層的膠囊將其輸出傳輸給高層的膠囊,高層的膠囊的向量由底層膠囊預(yù)測出的大量的標(biāo)量信息,輸出的向量的長度表示了預(yù)測的概率。此時就必須定義損失函數(shù),對于k行向量做如下運算如公式(4)[9]所示。

    默認(rèn) 的值為1或0,損失希望正例樣本 預(yù)測在0.9,負(fù)例樣本值 在0.1,該函數(shù)的意義在于如果k行向量屬于當(dāng)前的分類k,就使 大于0.9,否在小于0.1。神經(jīng)網(wǎng)絡(luò)以此來辨別輸入的圖像是否屬于圖片所屬的標(biāo)簽。

    2 ?實驗分析

    2.1 ?實驗環(huán)境

    實驗環(huán)境為Window10 64位系統(tǒng),中央處理器(CPU) 為Intel(R)Core(TM) i7-8550U 1.80 GHz,內(nèi)存為16 GB,顯卡UDH Graphics 620,實驗工具為VS Code、Jupyter Notebook,編程環(huán)境為Python3.0,開發(fā)平臺為Keras框架 。

    2.2 ?指紋數(shù)據(jù)庫構(gòu)建

    本數(shù)據(jù)庫名為索科托考文垂數(shù)據(jù)庫(SOCO-Fing)[16],由來自英國考文垂大學(xué)的Yahaya Isah Shehu和Ariel Ruiz-Garcia等人構(gòu)建,該指紋庫是使用韓國 Secugen HSDU03指紋采集儀收集的圖像。SOCOFing總共包含55273張指紋圖像。所有文件圖像的分辨率為1×96×103(灰度×寬度×高度)。

    SOCOFing數(shù)據(jù)集包含了600名非洲被測者的6000個指紋。每個被測者年齡都在18歲以上,每人采集了10個手指的10枚指紋,每張指紋圖像為500dbi分辨率,SOCOFing數(shù)據(jù)庫的標(biāo)簽包含了受測者的具體屬性標(biāo)簽,例如性別、手位和手指名稱等信息。將指紋圖像進(jìn)行Z-cut、模糊和中心旋轉(zhuǎn),以此來對指紋庫進(jìn)行模糊處理,并根據(jù)變換的大小將數(shù)據(jù)分為簡單(easy)、中等(medium)和復(fù)雜(hard)三個等級,如圖3所示為指紋庫中同一人的同一枚指紋經(jīng)過同一類變換得到的容易、中等、困難指紋圖。

    在對每張原始指紋圖像進(jìn)行模糊、中心旋轉(zhuǎn)和z切割3次變換以后,去除所有低質(zhì)量或不可讀的指紋圖像以進(jìn)行質(zhì)量控制,最后我們總共得到了17,934張參數(shù)設(shè)置簡單(easy)的變換圖片,17,067張參數(shù)設(shè)置中等(medium)的變換圖片,14,272張參數(shù)設(shè)復(fù)雜(hard)的變換圖片。之后每張指紋圖以如下的命名規(guī)則進(jìn)行編輯。識別被測者編號分別為:001到600。表示被測者的性別:M -男,F(xiàn) -女。表示手位:左Left或右Right。表示手指的名稱:小指Little,環(huán)指Ring,中指Middle,食指Index,拇指Thumb。指示變換的類型:Obl -模糊、CR -中心旋轉(zhuǎn)或Zcut。文件擴展名:“bmp”為所有圖像的擴展名。

    2.3 ?實驗結(jié)果分析

    使用imgaug從數(shù)量較少的圖像庫中創(chuàng)造出豐富的數(shù)據(jù)集,imgaug是一個用于機器學(xué)習(xí)實驗中圖像增強的庫,它支持廣泛的增強技術(shù),允許輕松地結(jié)合各種增強技術(shù),并在隨機順序或在多個CPU核心上執(zhí)行,有一個簡單而強大的隨機接口,可以增強圖像增強魯棒性較少過擬合,使用了iaa.Affine代碼對圖像進(jìn)行仿射變換,對圖像進(jìn)行縮放、平移、旋轉(zhuǎn)、剪切等操作。對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,載入測試圖像,得到如圖4所示的匹配結(jié)果。

    圖4中左側(cè)是從hard庫進(jìn)行變換以后的模糊指紋,其中Input Key是該指紋的標(biāo)簽,該指紋圖片的具體屬性為321__M_Right_index_finger_Obl.BMP,標(biāo)簽為321011,根據(jù)圖5的命名規(guī)則,男性(M)0,女性(F)1,左手(L)是0,右手(R)是1,拇指(Thumb)編碼0 食指(Index)編碼1 中指(Middle)編碼2環(huán)指(Ring)編碼3 小指(Little)編碼4。標(biāo)簽為321011即第321個人的指紋男性右手食指,由以上編碼規(guī)則可以看出input和key值時對應(yīng)的,都是321011,兩張圖的匹配值為99.59%。

    神經(jīng)網(wǎng)絡(luò)精度和損失值如圖5所示,橫坐標(biāo)為訓(xùn)練次數(shù),縱坐標(biāo)為訓(xùn)練損失值和精度,從圖像可以看出測試集精度開始為0.82,經(jīng)過不斷訓(xùn)練最后達(dá)到0.993,損失值最終數(shù)值為0.023。

    3 ?結(jié)語

    膠囊網(wǎng)絡(luò)在此次用的數(shù)據(jù)庫基礎(chǔ)上表現(xiàn)良好,但在選擇較難(Hard)擴增指紋庫中,有些指紋圖像會出現(xiàn)比不中的情況,這說明網(wǎng)絡(luò)的精度還需要進(jìn)一步提高,此外,膠囊網(wǎng)絡(luò)的運行速度比較慢,網(wǎng)絡(luò)在訓(xùn)練過程中需要好幾個小時,因為其動態(tài)路由是需要在兩個膠囊層之間進(jìn)行信息傳遞,這是一個非常復(fù)雜的過程。然而優(yōu)點是,膠囊網(wǎng)絡(luò)對于特征密集的圖像有出色的表現(xiàn),對于表征指紋這類高級圖像確實具有顯著的優(yōu)勢,并且可以使用較少的數(shù)據(jù)集訓(xùn)練出良好的精度,膠囊網(wǎng)絡(luò)的動態(tài)路由可以實時根據(jù)預(yù)測結(jié)果調(diào)整權(quán)重,以此來調(diào)整選取的識別圖像的特征。

    參考文獻(xiàn)

    [1] 弗朗索瓦. 肖萊, 張亮譯. PYTHON 深度學(xué)習(xí)[M]. 人民郵電出版社, 2019(9): 3-15.

    [2] Wang Yani, Wu Zhendong, Zhang Jianwu, Chen Hongli. A robust damaged fingerprint identification algorithm based on deep learning[C]. IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC), 2016: 1048-1052.

    [3] L. N. Darlow, B. Rosman. Fingerprint minutiae extraction using deep learning[C]. IEEE International Joint Conference on Biometrics (IJCB). Denver, CO, 2017: 22-30.

    [4] D E. Hamdi, I. Elouedi, A. Fathallah, M. K. Nguyuen, A. Hamouda. Combining Fingerprints and their Radon Transform as Input to Deep Learning for a Fingerprint Classification Task[C]. 15th International Conference on Control. Automation, Robotics and Vision (ICARCV), 2018: 1448-1453.

    [5] Yang J C, Park D S. Fingerprint Verification Based on Invariant Moment Features and Nonlinear BPNN[J]. International Journal of Control, 2008, 6(6): 800-808.

    [6] Yang J, Xie S , Yoon S. el at. Fingerprint Matching Based on Extreme Learning Machine[J]. Neural Computing & Applications. 2013, 22(34): 435-445.

    [7] Kumar, R. Fingerprint Matching Using Rotational Invariant Orientation Local Binary Pattern Descriptor and Machine Learning Techniques[J]. International Journal of Computer Vision and Image Processing. 2017, 7(4): 51-67.

    [8] Adjimi A, Hacine-Gharbi A, Ravier P, el at. Extraction and Selection of Binarised Statistical Image Features for Fingerprint Recognition[J]. International Journal of Biometrics. 2017, 9(1): 67-80.

    [9] Sabour, Sara, Frosst, Nicholas, Hinton, Geoffrey E. Dynamic routing between capsules[J]. Advances in Neural Information Processing Systems. USA. 2017: 3857-3867.

    [10] C. Xiang, L. Zhang, Y. Tang, W. Zou and C. Xu. MS-CapsNet: A Novel Multi-Scale Capsule Network[J]. IEEE Signal Processing Letters, 2018, 25(12): 1850-1854.

    [11] Z. Zhang, D. Zhang and H. Wei. Vehicle Type Recognition using Capsule Network[C]. Chinese Control And Decision Conference (CCDC), China, 2019: 2944-2948.

    [12] Y Xiong, G Su, S Ye, Y Sun, Y Sun. Deeper Capsule Network For Complex Data[C]. International Joint Conference on Neural Networks (IJCNN). Budapest, Hungary, 2019: 1-8.

    [13] Ye J, Chang Q, Jia X. Research on Image-to-Image Translation with Capsule Network[C]. Artificial Neural Networks and Machine Learning, Lecture Notes in Computer Science, 2019: 11727.

    [14] T Zhao, Y Liu, G Huo and X Zhu. A Deep Learning Iris Recognition Method Based on Capsule Network Architecture[J]. IEEE Access, 2019(7): 49691-49701.

    [15] 陳屹. 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實戰(zhàn)[M]. 機械工業(yè)出版社, 2019(08): 266-270.

    [16] Yahaya Isah Shehu, Ariel Ruiz-Garcia, Vasile Palade, Anne James. Sokoto Coventry Fingerprint Dataset. Kaggle. [EB/OL] (2018-7-23)[2020-2-29].

    猜你喜歡
    指紋識別深度學(xué)習(xí)
    基于單片機指紋識別電子寄存柜設(shè)計
    指紋識別
    有體驗的學(xué)習(xí)才是有意義的學(xué)習(xí)
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    指紋識別技術(shù)綜述
    指紋掛鎖
    基于大容量指紋識別的實時身份認(rèn)證系統(tǒng)
    基于線陣CCD的指紋識別實驗
    我的亚洲天堂| 欧美日韩一级在线毛片| 午夜激情久久久久久久| 91精品国产国语对白视频| 亚洲成人手机| 欧美人与性动交α欧美软件| 大陆偷拍与自拍| 国产欧美日韩一区二区三 | 美女主播在线视频| 又大又黄又爽视频免费| 成人黄色视频免费在线看| 亚洲欧洲国产日韩| 最新在线观看一区二区三区 | a级毛片黄视频| 国产无遮挡羞羞视频在线观看| 中文字幕亚洲精品专区| 亚洲国产毛片av蜜桃av| 国产成人一区二区在线| 色精品久久人妻99蜜桃| 久久久精品94久久精品| 欧美久久黑人一区二区| 建设人人有责人人尽责人人享有的| 在线观看免费视频网站a站| 丝袜美腿诱惑在线| 国产成人欧美在线观看 | 美国免费a级毛片| 一区二区三区激情视频| 久久精品熟女亚洲av麻豆精品| 国产欧美日韩一区二区三区在线| 国产精品久久久久久精品电影小说| 91九色精品人成在线观看| 亚洲自偷自拍图片 自拍| 久热爱精品视频在线9| 国产一级毛片在线| av在线老鸭窝| 国产欧美日韩一区二区三 | 黑丝袜美女国产一区| cao死你这个sao货| 在线观看免费午夜福利视频| 大码成人一级视频| 亚洲色图综合在线观看| 亚洲午夜精品一区,二区,三区| 丝袜在线中文字幕| 自线自在国产av| 女人高潮潮喷娇喘18禁视频| 美女午夜性视频免费| 热99久久久久精品小说推荐| 亚洲中文av在线| 久久精品国产亚洲av高清一级| 制服诱惑二区| 老司机午夜十八禁免费视频| 国产精品免费大片| 少妇猛男粗大的猛烈进出视频| 久久久久网色| 国产成人欧美| 巨乳人妻的诱惑在线观看| 午夜福利,免费看| 久久精品国产亚洲av高清一级| 香蕉国产在线看| 成人国语在线视频| 一边摸一边抽搐一进一出视频| 搡老岳熟女国产| 久久国产精品大桥未久av| 十八禁人妻一区二区| 日韩av免费高清视频| 精品福利观看| 在线观看人妻少妇| 日本a在线网址| 18禁裸乳无遮挡动漫免费视频| 99九九在线精品视频| 涩涩av久久男人的天堂| 伊人亚洲综合成人网| 亚洲欧洲日产国产| 一二三四在线观看免费中文在| 久热这里只有精品99| 电影成人av| 欧美中文综合在线视频| 亚洲精品一卡2卡三卡4卡5卡 | 亚洲成av片中文字幕在线观看| 两性夫妻黄色片| 啦啦啦中文免费视频观看日本| 亚洲国产成人一精品久久久| 少妇裸体淫交视频免费看高清 | 久久久久精品国产欧美久久久 | 日韩制服丝袜自拍偷拍| 中文字幕人妻丝袜制服| 亚洲欧洲精品一区二区精品久久久| 亚洲五月色婷婷综合| 久久天堂一区二区三区四区| 亚洲人成电影观看| 日日摸夜夜添夜夜爱| 欧美+亚洲+日韩+国产| 午夜福利在线免费观看网站| 桃花免费在线播放| 狂野欧美激情性bbbbbb| 亚洲国产日韩一区二区| 首页视频小说图片口味搜索 | 日韩av在线免费看完整版不卡| 国产高清videossex| 黄网站色视频无遮挡免费观看| 人妻一区二区av| 日本色播在线视频| 国产在视频线精品| 久久天堂一区二区三区四区| 久久这里只有精品19| 最近手机中文字幕大全| 国产午夜精品一二区理论片| 国产成人av教育| 精品久久久精品久久久| 巨乳人妻的诱惑在线观看| 天天躁夜夜躁狠狠久久av| e午夜精品久久久久久久| 午夜久久久在线观看| 久久国产精品人妻蜜桃| 真人做人爱边吃奶动态| 日本欧美国产在线视频| 悠悠久久av| 精品人妻在线不人妻| 亚洲中文av在线| 最新的欧美精品一区二区| 狂野欧美激情性xxxx| 丁香六月欧美| 精品国产超薄肉色丝袜足j| 男女无遮挡免费网站观看| 久久久国产精品麻豆| 99热国产这里只有精品6| 丝袜美足系列| 一区二区日韩欧美中文字幕| 欧美日韩一级在线毛片| 国产精品久久久久久精品电影小说| 免费看不卡的av| 午夜av观看不卡| 国产1区2区3区精品| 精品人妻一区二区三区麻豆| 亚洲精品日韩在线中文字幕| 王馨瑶露胸无遮挡在线观看| 午夜福利一区二区在线看| 在线观看免费日韩欧美大片| 一本大道久久a久久精品| 久久精品aⅴ一区二区三区四区| 嫁个100分男人电影在线观看 | 少妇裸体淫交视频免费看高清 | 91成人精品电影| 欧美激情极品国产一区二区三区| 国产成人欧美在线观看 | 免费观看a级毛片全部| 大片免费播放器 马上看| 国产精品久久久av美女十八| 国产精品一国产av| 亚洲精品国产av成人精品| 精品人妻在线不人妻| 欧美日韩视频精品一区| 老司机影院成人| a级片在线免费高清观看视频| 男人操女人黄网站| 老司机影院成人| 亚洲第一青青草原| 国产97色在线日韩免费| 午夜两性在线视频| 国产精品av久久久久免费| xxx大片免费视频| 久久人人爽人人片av| 19禁男女啪啪无遮挡网站| av片东京热男人的天堂| 黄网站色视频无遮挡免费观看| 亚洲av日韩精品久久久久久密 | 亚洲伊人色综图| 国产成人精品久久二区二区91| 搡老乐熟女国产| 国产爽快片一区二区三区| 久久人妻熟女aⅴ| 久久久精品94久久精品| 十八禁高潮呻吟视频| 亚洲av欧美aⅴ国产| 高潮久久久久久久久久久不卡| 亚洲图色成人| 国产精品偷伦视频观看了| 啦啦啦中文免费视频观看日本| tube8黄色片| 亚洲激情五月婷婷啪啪| 国语对白做爰xxxⅹ性视频网站| 精品人妻在线不人妻| 美女主播在线视频| 久久久久国产精品人妻一区二区| 亚洲成色77777| 亚洲欧洲日产国产| av在线app专区| 1024视频免费在线观看| 午夜免费鲁丝| 丰满饥渴人妻一区二区三| a级片在线免费高清观看视频| 国产成人一区二区三区免费视频网站 | 午夜两性在线视频| 精品少妇黑人巨大在线播放| 男人操女人黄网站| a 毛片基地| 老汉色av国产亚洲站长工具| 国产成人啪精品午夜网站| 午夜视频精品福利| 久久天躁狠狠躁夜夜2o2o | 最近最新中文字幕大全免费视频 | 国产高清不卡午夜福利| 精品一区二区三区av网在线观看 | 欧美 亚洲 国产 日韩一| 亚洲精品久久成人aⅴ小说| 日韩av在线免费看完整版不卡| 欧美大码av| 天天躁夜夜躁狠狠躁躁| 一区二区三区精品91| 亚洲欧美一区二区三区久久| 老汉色av国产亚洲站长工具| 国产高清videossex| 精品人妻1区二区| 免费看十八禁软件| 一本大道久久a久久精品| 亚洲av美国av| 欧美中文综合在线视频| 国产亚洲av片在线观看秒播厂| 又大又爽又粗| 精品国产国语对白av| 国产不卡av网站在线观看| 老司机午夜十八禁免费视频| 老司机靠b影院| 99国产综合亚洲精品| 精品第一国产精品| 久久亚洲精品不卡| 18禁裸乳无遮挡动漫免费视频| 啦啦啦啦在线视频资源| 日韩av不卡免费在线播放| 亚洲av片天天在线观看| 国产一区二区三区综合在线观看| 国产片内射在线| 日本五十路高清| 亚洲精品久久久久久婷婷小说| 久久精品国产综合久久久| 1024香蕉在线观看| 国产精品亚洲av一区麻豆| 久久久久久免费高清国产稀缺| 中文字幕另类日韩欧美亚洲嫩草| 脱女人内裤的视频| 18禁国产床啪视频网站| 日本猛色少妇xxxxx猛交久久| 嫩草影视91久久| 久久精品成人免费网站| 老司机亚洲免费影院| 国产一区二区激情短视频 | 99热全是精品| 国产女主播在线喷水免费视频网站| 精品第一国产精品| 中文字幕制服av| 丝袜美腿诱惑在线| 狂野欧美激情性xxxx| 中文字幕精品免费在线观看视频| 久久久久久久国产电影| 九草在线视频观看| 久久这里只有精品19| 最近手机中文字幕大全| tube8黄色片| cao死你这个sao货| 国产高清国产精品国产三级| 国产精品一二三区在线看| 国产精品二区激情视频| 制服诱惑二区| 男男h啪啪无遮挡| av天堂在线播放| 人成视频在线观看免费观看| 青春草亚洲视频在线观看| 黄色 视频免费看| 大陆偷拍与自拍| 一级毛片电影观看| 欧美97在线视频| 人人妻人人澡人人看| 亚洲欧美中文字幕日韩二区| 亚洲,欧美精品.| 国产男人的电影天堂91| 好男人电影高清在线观看| 亚洲五月婷婷丁香| 99热全是精品| 中国美女看黄片| 一本久久精品| 波野结衣二区三区在线| 啦啦啦视频在线资源免费观看| 蜜桃在线观看..| 日韩大片免费观看网站| 一二三四在线观看免费中文在| 天天添夜夜摸| 99国产精品99久久久久| 国产在线免费精品| 亚洲国产精品一区三区| 国产精品久久久人人做人人爽| 亚洲一区中文字幕在线| 久久国产精品大桥未久av| 久久久久久久精品精品| 99re6热这里在线精品视频| 国产精品 欧美亚洲| 嫩草影视91久久| 交换朋友夫妻互换小说| 精品少妇内射三级| videosex国产| 日日爽夜夜爽网站| 校园人妻丝袜中文字幕| 男女无遮挡免费网站观看| 七月丁香在线播放| 极品少妇高潮喷水抽搐| 菩萨蛮人人尽说江南好唐韦庄| 蜜桃国产av成人99| 欧美成狂野欧美在线观看| 一级a爱视频在线免费观看| 国产成人精品久久久久久| xxxhd国产人妻xxx| 巨乳人妻的诱惑在线观看| 后天国语完整版免费观看| 一本大道久久a久久精品| 日韩熟女老妇一区二区性免费视频| 久久久久久久久免费视频了| 亚洲,欧美精品.| 操美女的视频在线观看| 色婷婷久久久亚洲欧美| 亚洲男人天堂网一区| 黄色片一级片一级黄色片| 美女国产高潮福利片在线看| 亚洲国产精品999| 观看av在线不卡| 老司机深夜福利视频在线观看 | 亚洲成人免费av在线播放| 视频在线观看一区二区三区| av国产精品久久久久影院| 男女午夜视频在线观看| 麻豆av在线久日| 亚洲成人手机| 成人午夜精彩视频在线观看| 免费观看a级毛片全部| 2021少妇久久久久久久久久久| 亚洲国产精品999| 色婷婷av一区二区三区视频| 一二三四在线观看免费中文在| 黄色一级大片看看| 亚洲国产欧美在线一区| 免费看av在线观看网站| 国产成人精品久久久久久| 久久 成人 亚洲| 捣出白浆h1v1| 啦啦啦视频在线资源免费观看| 久久精品国产亚洲av涩爱| 欧美大码av| 国产精品国产av在线观看| 男女边吃奶边做爰视频| 国产又色又爽无遮挡免| 久久ye,这里只有精品| 久久久精品免费免费高清| 自拍欧美九色日韩亚洲蝌蚪91| 天天躁狠狠躁夜夜躁狠狠躁| 91麻豆av在线| 午夜福利乱码中文字幕| 国产亚洲欧美精品永久| 亚洲av在线观看美女高潮| 亚洲精品久久久久久婷婷小说| 亚洲欧美一区二区三区久久| 中文字幕人妻丝袜一区二区| 一级片'在线观看视频| 伊人久久大香线蕉亚洲五| 美女主播在线视频| 韩国精品一区二区三区| e午夜精品久久久久久久| 精品人妻1区二区| 日韩一卡2卡3卡4卡2021年| 亚洲伊人色综图| 精品一区二区三区四区五区乱码 | 免费人妻精品一区二区三区视频| 丰满饥渴人妻一区二区三| 老鸭窝网址在线观看| 亚洲欧美一区二区三区久久| 精品久久久久久久毛片微露脸 | a级毛片黄视频| 大型av网站在线播放| 亚洲一区中文字幕在线| 日韩av在线免费看完整版不卡| 亚洲欧美一区二区三区国产| 嫁个100分男人电影在线观看 | 99热网站在线观看| 欧美av亚洲av综合av国产av| 2018国产大陆天天弄谢| 80岁老熟妇乱子伦牲交| 久久热在线av| 国产一区二区三区综合在线观看| 男男h啪啪无遮挡| 色94色欧美一区二区| 精品少妇内射三级| 中文字幕人妻丝袜制服| 手机成人av网站| 成年美女黄网站色视频大全免费| a 毛片基地| 天天躁夜夜躁狠狠久久av| 九色亚洲精品在线播放| 欧美亚洲 丝袜 人妻 在线| 国产精品国产三级国产专区5o| 欧美亚洲 丝袜 人妻 在线| 韩国高清视频一区二区三区| 欧美日韩一级在线毛片| 97在线人人人人妻| 自拍欧美九色日韩亚洲蝌蚪91| 精品视频人人做人人爽| 久久午夜综合久久蜜桃| 国产一区二区三区综合在线观看| 色播在线永久视频| 你懂的网址亚洲精品在线观看| 高清欧美精品videossex| 亚洲七黄色美女视频| 国产片特级美女逼逼视频| 日韩人妻精品一区2区三区| 精品少妇一区二区三区视频日本电影| 如日韩欧美国产精品一区二区三区| 亚洲国产精品成人久久小说| 看免费成人av毛片| 一本色道久久久久久精品综合| 亚洲精品中文字幕在线视频| 男女下面插进去视频免费观看| 91老司机精品| 日本91视频免费播放| 亚洲天堂av无毛| 国产片特级美女逼逼视频| 欧美日本中文国产一区发布| 国产一区亚洲一区在线观看| 亚洲 国产 在线| 亚洲色图 男人天堂 中文字幕| 一级毛片 在线播放| 国产99久久九九免费精品| 免费少妇av软件| 日本一区二区免费在线视频| 日韩一区二区三区影片| 99国产综合亚洲精品| 黄片播放在线免费| 国产淫语在线视频| 亚洲av男天堂| 国产爽快片一区二区三区| 大香蕉久久成人网| 水蜜桃什么品种好| 狠狠婷婷综合久久久久久88av| 91精品国产国语对白视频| 在线精品无人区一区二区三| 丰满人妻熟妇乱又伦精品不卡| 国产精品麻豆人妻色哟哟久久| 亚洲av成人精品一二三区| 亚洲精品中文字幕在线视频| 久久久亚洲精品成人影院| 2021少妇久久久久久久久久久| 国产精品一区二区在线观看99| 脱女人内裤的视频| 国产伦理片在线播放av一区| 夫妻午夜视频| 国产精品麻豆人妻色哟哟久久| 精品久久久久久电影网| 国产精品久久久av美女十八| 久久ye,这里只有精品| 亚洲精品美女久久av网站| 男男h啪啪无遮挡| 精品免费久久久久久久清纯 | 十分钟在线观看高清视频www| 丝袜在线中文字幕| 女人精品久久久久毛片| 两个人免费观看高清视频| 青青草视频在线视频观看| 视频区欧美日本亚洲| 欧美 亚洲 国产 日韩一| 色精品久久人妻99蜜桃| 久久久久久人人人人人| 中文字幕色久视频| 1024香蕉在线观看| 黄色a级毛片大全视频| 亚洲av美国av| 久久人人爽av亚洲精品天堂| 国产不卡av网站在线观看| 欧美中文综合在线视频| 欧美在线黄色| 首页视频小说图片口味搜索 | 久久性视频一级片| 亚洲精品日本国产第一区| 国产av精品麻豆| 久久精品国产综合久久久| 大香蕉久久网| 看免费av毛片| 免费在线观看完整版高清| 中国国产av一级| 亚洲成人国产一区在线观看 | 国产xxxxx性猛交| 亚洲国产欧美在线一区| 男女午夜视频在线观看| 一区二区av电影网| 女人被躁到高潮嗷嗷叫费观| 香蕉国产在线看| 欧美成人午夜精品| 母亲3免费完整高清在线观看| 国语对白做爰xxxⅹ性视频网站| 黄色一级大片看看| 一级毛片女人18水好多 | 我的亚洲天堂| 欧美激情 高清一区二区三区| av一本久久久久| 久久99一区二区三区| 国语对白做爰xxxⅹ性视频网站| 午夜福利免费观看在线| 黄色毛片三级朝国网站| 成年人免费黄色播放视频| 一级毛片女人18水好多 | 免费在线观看日本一区| 91精品三级在线观看| 校园人妻丝袜中文字幕| 捣出白浆h1v1| 脱女人内裤的视频| 亚洲成av片中文字幕在线观看| svipshipincom国产片| 无遮挡黄片免费观看| 两人在一起打扑克的视频| 国产日韩欧美亚洲二区| 七月丁香在线播放| 天天躁狠狠躁夜夜躁狠狠躁| 爱豆传媒免费全集在线观看| 丝袜喷水一区| 91麻豆av在线| 国产精品香港三级国产av潘金莲 | 精品视频人人做人人爽| 亚洲国产中文字幕在线视频| 一区福利在线观看| √禁漫天堂资源中文www| 欧美黑人精品巨大| 免费av中文字幕在线| 日韩电影二区| 欧美少妇被猛烈插入视频| 1024香蕉在线观看| 国产高清国产精品国产三级| 欧美黑人欧美精品刺激| 亚洲欧美一区二区三区久久| 夜夜骑夜夜射夜夜干| 90打野战视频偷拍视频| 亚洲精品一卡2卡三卡4卡5卡 | 精品欧美一区二区三区在线| 亚洲成av片中文字幕在线观看| 最近手机中文字幕大全| 欧美成狂野欧美在线观看| 少妇精品久久久久久久| 久久久久久久久免费视频了| 天堂中文最新版在线下载| 亚洲精品中文字幕在线视频| 亚洲国产欧美在线一区| 看免费成人av毛片| 黄色视频在线播放观看不卡| 国产国语露脸激情在线看| 在线观看免费视频网站a站| 91精品国产国语对白视频| 国产精品 国内视频| 丝瓜视频免费看黄片| 伦理电影免费视频| 成在线人永久免费视频| 99热全是精品| 一本—道久久a久久精品蜜桃钙片| 一本一本久久a久久精品综合妖精| 中文字幕精品免费在线观看视频| 欧美日韩视频精品一区| 男人添女人高潮全过程视频| 亚洲精品av麻豆狂野| 亚洲国产欧美一区二区综合| 亚洲av在线观看美女高潮| av天堂久久9| 中文字幕人妻丝袜制服| 亚洲精品中文字幕在线视频| 又粗又硬又长又爽又黄的视频| 国产成人一区二区在线| 在现免费观看毛片| 日本一区二区免费在线视频| 考比视频在线观看| 国语对白做爰xxxⅹ性视频网站| 国产精品成人在线| 国产免费又黄又爽又色| 一区二区三区四区激情视频| 久久免费观看电影| 丁香六月天网| 久久青草综合色| 国产精品久久久久久人妻精品电影 | www.精华液| 亚洲人成77777在线视频| 亚洲中文字幕日韩| 老司机午夜十八禁免费视频| 日韩视频在线欧美| 久久午夜综合久久蜜桃| 国产伦人伦偷精品视频| 纯流量卡能插随身wifi吗| 男女高潮啪啪啪动态图| 精品国产一区二区三区久久久樱花| 热re99久久精品国产66热6| 大片电影免费在线观看免费| 国产精品.久久久| 一边摸一边做爽爽视频免费| 成年女人毛片免费观看观看9 | av一本久久久久| 精品国产乱码久久久久久男人| 丝袜在线中文字幕| 久久久精品94久久精品| 你懂的网址亚洲精品在线观看| 黄色 视频免费看| svipshipincom国产片| 亚洲九九香蕉| 老汉色∧v一级毛片| 高清在线国产一区| 免费女性裸体啪啪无遮挡网站| 欧美一区二区精品小视频在线| 正在播放国产对白刺激| 性色av乱码一区二区三区2| 天天躁夜夜躁狠狠躁躁| 观看免费一级毛片| 亚洲av熟女| 国产精品影院久久| 国内精品久久久久精免费| 最近最新免费中文字幕在线| 波多野结衣av一区二区av| 久久国产亚洲av麻豆专区|