• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測算法研究

    2020-12-01 03:15:00劉天保
    軟件導刊 2020年10期
    關(guān)鍵詞:深度學習

    劉天保

    摘 要:近年來,隨著深度學習的迅猛發(fā)展,人臉檢測算法準確度已有很大提升。模型越復(fù)雜,檢測速度越慢,設(shè)計一種準確度與速度兼顧的人臉檢測模型尤為必要?;贔aceBoxes人臉檢測算法框架,提出一種基于深層卷積主干網(wǎng)絡(luò)的改進方法,并在人臉檢測基準數(shù)據(jù)集中進行測試實驗。其在FDDB數(shù)據(jù)集上的實驗結(jié)果顯示,檢測正確率達95%,比傳統(tǒng)方法提高1.67%。該算法在保證實時性的同時提升了檢測準確率,可應(yīng)用于追求更高準確率的人臉檢測系統(tǒng)。

    關(guān)鍵詞:人臉檢測; 深度學習; 卷積神經(jīng)網(wǎng)絡(luò)

    DOI:10. 11907/rjdk. 201219

    中圖分類號:TP312文獻標識碼:A 文章編號:1672-7800(2020)010-0066-05

    Abstract: Thanks to the rapid development of deep learning in recent years, the accuracy of face detection algorithm has been greatly improved compared with the earlier algorithms. However, the more complex the model detection speed will be slower, so the design of a face detection model with both accuracy and speed has become a major topic in this field. Based on FaceBoxes, a face detection algorithm framework, this paper proposes an improved method of deep convolutional backbone network, and conducts test experiments in the face detection benchmark data set. The experimental results on the FDDB data set showed that the detection accuracy reached 95%, which was 1.67% higher than the traditional method. The algorithm in this paper not only guarantees real-time performance but also improves the accuracy of detection, which can be used in more accurate face detection systems.

    Key Words: face detection; deep learning; convolutional neural network

    0 引言

    目前,人臉檢測技術(shù)已廣泛應(yīng)用于人們的日常生活中,如機器人[1]、自動駕駛[2]、逃犯追捕[3]、考勤打卡[4]、門禁系統(tǒng)[5]等都用到了人臉檢測技術(shù)。人臉檢測是計算機視覺和模式識別的應(yīng)用方向之一,是一項解決其它人臉相關(guān)工作(如身份識別、表情識別、性別識別等)的前導工作。將檢測到的人臉圖像切割后作為后續(xù)信息輸入,可大大縮減機器計算量。以卷積神經(jīng)網(wǎng)絡(luò)算法為主的各種人臉檢測算法已在不同的人臉檢測基準測試數(shù)據(jù)集中表現(xiàn)出令人滿意的準確率。然而,它仍然面臨一項挑戰(zhàn),即在真實環(huán)境中的圖像變化復(fù)雜,存在姿態(tài)、光照、遮擋、變形等問題。人臉檢測可以看作是目標檢測的一個特例問題,可借鑒如Faster-RCNN[6]、SSD[7]等目標檢測算法,并在這些經(jīng)典算法基礎(chǔ)上再針對人的面部特征進行改進。與以往人臉檢測算法目的不同,本文旨在提升人臉檢測精確度,同時保證識別速率在原模型水平范圍內(nèi),使得模型可以在單核CPU中正常工作。

    1 相關(guān)工作

    近20年來,人臉檢測技術(shù)得到了廣泛研究與應(yīng)用。人臉檢測發(fā)展共分為兩個時期,即早期手工特征提取加機器學習方法、近期基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法。

    早期研究包括基于級聯(lián)的方法和基于可變形部件模型(Deformable Part Models,DPM)的方法。Jones等[8]于2003年提出基于Haar類特征的級聯(lián)AdaBoost分類器進行人臉檢測; Yang等[9]使用更高級的特性與分類器實現(xiàn)結(jié)果優(yōu)化。除基于級聯(lián)的人臉檢測方法外,還有一種使用DPM的方法[10]。DPM算法依據(jù)改進后的HOG特征、SVM分類器和滑動窗口檢測思想,針對目標多視角問題,采用多組件策略,針對目標自身形變問題,采用基于圖結(jié)構(gòu)的部件模型策略。此外,人臉檢測研究最新進展主要集中在基于深度學習方法上。Zhang等[11]采用構(gòu)造級聯(lián)CNNs,使用一種由粗粒度到細粒度的策略學習人臉檢測器;Yu等[12]引入IoU(Intersection-over-Union)損失函數(shù)概念,利用其最小化方法擬合預(yù)測結(jié)果框和原始標注框(Ground-Truths);Zhang等[13]提出一種基于密度計算的候選框生成設(shè)計,以解決低像素人臉檢測率低的問題。

    早期方法的優(yōu)點是檢測速度快,檢測過程可以在CPU中實時進行。其缺點也很明顯,由于是手工提取特征,提取的姿態(tài)、光照、遮擋、變形等問題魯棒性不強,因此在復(fù)雜環(huán)境中檢測準確率不高?;贑NN的人臉檢測在檢測準確率上與傳統(tǒng)方法相比提升較大,但也存在一些問題:模型參數(shù)規(guī)模龐大、計算量較大,很多算法模型在GPU中的推理速度達數(shù)十秒,效率不佳。

    2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計與訓練分析

    2.1 人臉檢測流程

    人臉檢測流程和目標檢測流程類似,如圖1所示。其原理簡單而言就是輸入一幅圖像、一些候選框和正確的標注框,然后模型在眾多候選框中挑選,使得選擇輸出的結(jié)果框盡量與正確的標注框重合。上述方法的關(guān)鍵點可分為以下幾部分:

    (1)圖像預(yù)處理。對輸入前的圖像數(shù)據(jù)作歸一處理,使得所有圖像輸入尺寸統(tǒng)一。

    (2)候選框(Anchor)選取策略設(shè)計。候選框是可作為最終檢測結(jié)果的框的集合,需根據(jù)經(jīng)驗決定選取方案,目的是在保證將原始標注框(Ground-Truths Box)包含在內(nèi)的前提下,盡可能降低候選框數(shù)量。因為過多的候選框會提高算法復(fù)雜度,使網(wǎng)絡(luò)變得笨重,訓練和推理效率變低。

    (3)CNN網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計。設(shè)計CNN網(wǎng)絡(luò)結(jié)構(gòu)后,為方框位置和類別損失選擇兩種損失函數(shù)。

    2.2 網(wǎng)絡(luò)設(shè)計

    2.2.1 網(wǎng)絡(luò)整體結(jié)構(gòu)

    網(wǎng)絡(luò)結(jié)構(gòu)主要采納FaceBoxes算法(下文也稱Baseline),并進行適當調(diào)整,網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

    特征提取層的作用是讓網(wǎng)絡(luò)提取得到的特征圖能盡可能地表達圖像所有特征,其提取結(jié)果好壞將直接影響最終算法精確度。多尺度學習層的名字也是根據(jù)這一層的作用而取,其作用有兩種:一是多種尺寸的感受野,效果可以通過Inception層實現(xiàn);二是多種尺寸的特征圖,通過將設(shè)計好的不同尺寸候選框與Inception3、Conv4和Conv5層輸出的特征圖相關(guān)聯(lián)而實現(xiàn)。

    2.2.2 圖像預(yù)處理階段

    預(yù)處理階段所使用的方法均為常用圖像預(yù)處理方法,具體方法如下:

    (1)隨機裁剪與填充。隨機裁剪能夠增強小目標檢測,然后將隨機裁剪后的圖像進行黑邊填充至分辨率為? ? ?1 024?1 024,這樣可以保證經(jīng)過處理后輸入圖像尺寸統(tǒng)一。

    (2)顏色失真處理。使用文獻[14]中提出的顏色失真策略,降低光照對識別的影響。

    (3)隨機旋轉(zhuǎn)。每張圖片有50%的概率進行180°垂直翻轉(zhuǎn)。

    (4)邊緣目標框保留策略。將經(jīng)過上述預(yù)處理的圖像中,中心不在圖像中的目標框過濾掉,然后在保留下來的邊緣目標框中,再過濾掉像素值小于20的部分目標框。

    2.2.3 訓練階段

    本文對原算法中的主干網(wǎng)絡(luò)結(jié)構(gòu)(Rapid Digested Convolutional Layers,RDCL層)進行調(diào)整,使用三層卷積層和兩層池化層。目的是使1 024?1 024的圖像快速降維至32?32,縮小網(wǎng)絡(luò)輸入,從而減少計算量,起到提速效果。主干網(wǎng)絡(luò)輸入輸出參數(shù)如表1所示。

    表1中的卷積層(Conv)均使用CReLU作為激活函數(shù)。CReLU激活函數(shù)是對輸入數(shù)據(jù)x取相反數(shù)后,分別針對x和-x使用ReLU激活函數(shù),用Concat操作將輸出結(jié)果連接,從而使得輸出維度拓展至原來的兩倍,這樣做可在不增加參數(shù)的情況下充分利用數(shù)據(jù)。CReLU定義式如式(1)所示。

    后續(xù)多尺度學習層沿用FaceBoxes中MSCL層(Multiple Scale Convolutional Layers)的思想,使用三層Inception和兩個兩層卷積進行多任務(wù)學習,該學習策略來源于SSD算法[2]中的MultiBox Loss思想。本實驗使用的Inception結(jié)構(gòu)如圖3所示,其中4個分支操作分別為:①卷積核1?1的卷積,再使用3?3過濾器的平均池化;②卷積核1?1的卷積;③卷積核3?3的卷積層加一個卷積核1?1的卷積層;④兩個卷積核3?3的卷積層(用更少參數(shù)代替5?5卷積核)加一個卷積核1?1的卷積層。使用Inception層將輸入的特征圖用不同尺寸的卷積核和池化組合分別進行卷積計算,最后將4種操作生成的特征圖合并,從而達到豐富感受野種類的作用。3個Inception層最后可以得到7種尺寸不同的感受野,用于檢測32?32、64?64及128?128大小的候選框。再連接一個3?3卷積層和1?1卷積層組成的卷積模塊conv4,得到比上述尺寸更大的感受野,用于檢測256?256大小的候選框,conv5結(jié)構(gòu)及作用都與conv4相同,用于檢測512?512大小的候選框。

    候選框的生成沿用Faceboxes中的Anchor Density策略[13],對于1 024?1 024的輸入圖像,分別選取邊長為32、64、128、256和512的候選框。對于像素較低(邊長為32、64像素)的框,進行平移擴展。匹配框保留策略為:保留匹配框與目標框交并比相對較大的匹配框,也即重合率高的留下。設(shè)定一個閾值,規(guī)定保留比值超出閾值的匹配框,如0.45。

    損失函數(shù)使用多任務(wù)損失(Multi-task Loss),利用Softmax Loss(分類概率)和Smooth L1 Loss(邊框回歸)對分類概率和邊框回歸(Bounding box regression)進行聯(lián)合訓練。Softmax Loss歸為是否為人臉二分類問題。令x為分類類別,c為置信度,l為預(yù)測框位置,g為真實框位置,N為匹配框數(shù)量,Lconf是分類問題置信損失,Lloc是邊框定位損失,α為超參數(shù),多任務(wù)損失公式如式(2)所示。

    2.3 訓練參數(shù)

    初始化參數(shù)使用He初始化方法,這是由于CReLU屬于ReLU類的激活函數(shù),ReLU類激活函數(shù)都不是關(guān)于0對稱,He初始化[15]適用于此類激活函數(shù)。

    梯度下降方法使用帶有動量的隨機梯度下降(SGD + Momentum),其中動量參數(shù)Momentum設(shè)置為0.9,權(quán)重衰減參數(shù)設(shè)置為0.000 5。

    學習率調(diào)整函數(shù)使用文獻[16]中提到的Gradual Warmup方法,訓練迭代Epoch次數(shù)為400,前100個Epoch可使用較大的學習率加速梯度下降從而加快學習速率,設(shè)置初始學習率為0.001,Warmup Epoch為100,衰減函數(shù)使用衰減系數(shù)σ=1.000 1的指數(shù)衰減,即每次迭代的學習率為上一次學習率的1.000 1次方,由于學習率小于1,每次上述冪運算會產(chǎn)生衰減效果。

    2.4 非極大值抑制

    測試時使用NMS(非極大值抑制)消除重疊檢測框,保留精度最高的。NMS的思想來源于Fast-RCNN[17],NMS的目的是去除重疊檢測框,將不是重疊區(qū)域中與Ground-Truth的IoU最大的框都去除掉。由于模型得到的候選框是交并比大于閾值的所有框,會出現(xiàn)一張臉被多個候選框覆蓋的情況,這時利用NMS,過濾多余選擇框,保留一個局部最大值作為本次輸出結(jié)果。

    3 人臉檢測實驗

    3.1 環(huán)境介紹

    訓練集使用WIDER FACE基準測試公開數(shù)據(jù)集的訓練子集,其中包含12 880張帶有標注的數(shù)據(jù),并在AFW、PASCAL和FDDB 3個公開數(shù)據(jù)集上進行測試。本文實驗環(huán)境配置如表2所示。

    3.2 實驗結(jié)果分析

    采用隨機抽樣方法,分別將1 000張、3 000張圖片及所有圖片作為訓練集進行訓練并作對比實驗,可以分析出該算法在少量訓練樣本時的表現(xiàn)。實驗結(jié)果如表3所示。

    由表3可知,在樣本數(shù)量較少時,改進算法平均精度受到的影響沒有Baseline的大,也即在訓練集規(guī)模較小時識別效果不會很差,更適用于少量樣本情況。

    將改進算法與其它算法作對比,按照數(shù)據(jù)集規(guī)模從小到大順序依次介紹在AFW數(shù)據(jù)集、PASCAL數(shù)據(jù)集和FDDB數(shù)據(jù)集的測試結(jié)果。

    AFW數(shù)據(jù)集共包含205張圖片,其中含有473張人臉,實驗結(jié)果如表4所示??梢钥闯?,改進算法識別準確率優(yōu)于其它(Baseline、DPM[10]、Headhunter[18]、Structured Models[19]、TSM[20])算法,測試結(jié)果可視化展示如圖4所示。

    PASCAL數(shù)據(jù)集包含851張圖片,共有1 335張人臉。圖5展示了各類算法在PASCAL數(shù)據(jù)集上的PR曲線(Precision-Recall Curves),可以看出改進方法的PR曲線優(yōu)于其它方法(Baseline、DPM[10]、Headhunter[18]、 Structred Models[19]、TSM[20]、OpenCV)。部分測試結(jié)果展示如圖6所示。

    FDDB數(shù)據(jù)集來源于Yahoo新聞,包含2 845張圖片和5 171張標注人臉,其數(shù)據(jù)特點是低像素人臉較多,環(huán)境等因素較前兩種數(shù)據(jù)集更復(fù)雜。與Baseline和其它幾種算法(Headhunter[18]、DPM[10]、Structured Models[19]、Face++、Viola Jones[3])進行對比,結(jié)果如圖7所示。結(jié)果顯示,改進方法的ROC曲線整體優(yōu)于其它幾種算法,相比Baseline提高1.67個百分點,精確度達95%。部分測試結(jié)果如圖8所示。

    3.3 運行效率分析

    性能提升會伴隨著一定運行效率的損失,以圖片像素較為平均的FDDB(350?450左右)為例,使用CPU處理效率由原來的14fps降至10fps,GPU效率也稍有損失,但仍可以保證在實時(21fps)標準。

    4 結(jié)語

    本文在FaceBoxes算法基礎(chǔ)上提出更深層的骨干網(wǎng)絡(luò)結(jié)構(gòu),在訓練初始化參數(shù)及學習率衰減策略等方面也作出相應(yīng)調(diào)整。在訓練少量樣本時,檢測正確率較原算法提升較大,在數(shù)據(jù)集較大情況下也有小幅提升,在提升正確率的同時仍可保證檢測速度,并在本文實驗環(huán)境中實時運行。在用戶數(shù)據(jù)集規(guī)模較小時,可以優(yōu)先選用優(yōu)化后的算法。

    參考文獻:

    [1] 劉晨. 基于機器人視覺系統(tǒng)的人臉檢測技術(shù)研究[J]. 電子設(shè)計工程, 2019, 27(5):115-118.

    [2] 陳寶靖,張旭. 自動駕駛中的疲勞預(yù)測模型[J]. 中國新通信, 2017,19(16):53.

    [3] 梁爽. 基于人臉檢測識別技術(shù)的網(wǎng)上追逃系統(tǒng)設(shè)計與實現(xiàn)[D]. 上海:上海交通大學,2016.

    [4] 管靈霞. 基于人臉識別的智慧工地考勤系統(tǒng)設(shè)計[D]. 蕪湖:安徽工程大學, 2018.

    [5] 惠婷. 智能門禁系統(tǒng)中人臉識別算法的研究[D]. 西安:西安工業(yè)大學, 2016.

    [6] 董蘭芳,張軍挺. 基于FasterR-CNN的人臉檢測方法[J]. 計算機系統(tǒng)應(yīng)用, 2017,26(12):262-267.

    [7] 方帥,李永毅,劉曉欣,等. 一種改進的基于SSD模型的多尺度人臉檢測算法[J]. 信息技術(shù)與信息化, 2019,44(2):39-42.

    [8] JONES M,VIOLA P. Fast multi-view face detection[C]. Proc. of Computer Vision and Pattern Recognition, 2003, 3(14): 2.

    [9] YANG B, YAN J, LEI Z, et al. Aggregate channel features for multi-view face detection[C]. IEEE international joint conference on biometrics, 2014: 1-8.

    [10] RANJAN R, PATEL V M, CHELLAPPA R. A deep pyramid deformable part model for face detection[C]. 2015 IEEE 7th international conference on biometrics theory, applications and systems (BTAS).? IEEE, 2015: 1-8.

    [11] ZHANG K, ZHANG Z, LI Z, et al. Joint face detection and alignment using multitask cascaded convolutional networks[J].? IEEE Signal Processing Letters, 2016, 23(10): 1499-1503.

    [12] YU J,JIANG Y,WANG Z,et al.Unitbox: an advanced object detection network[C]. Proceedings of the 24th ACM International Conference on Multimedia,2016: 516-520.

    [13] ZHANG S, ZHU X, LEI Z, et al. Faceboxes: A CPU real-time face detector with high accuracy[C].? 2017 IEEE International Joint Conference on Biometrics (IJCB).? IEEE, 2017: 1-9.

    [14] HOWARD A G. Some improvements on deep convolutional neural network based image classification[DB/OL]. http://arsiv.org/abs/1312.5402,2013.

    [15] HE K,ZHANG X,REN S,et al. Delving deep into rectifiers: Surpassing human-level performance on imagenet classification[C]. Proceedings of the IEEE international conference on computer vision. 2015: 1026-1034.

    [16] GOYAL P, DOLL?R P, GIRSHICK R, et al. Accurate, large minibatch sgd: Training imagenet in 1 hour[DB/OL].? https://arxiv.org/abs/1706.02677, 2017.

    [17] GIRSHICK R. Fast R-CNN[C].? Proceedings of the IEEE International Conference on Computer Vision. 2015: 1440-1448.

    [18] MATHIAS M, BENENSON R, PEDERSOLI M, et al. Face detection without bells and whistles[C]. European Conference on Computer Vision. Springer, 2014: 720-735.

    [19] YAN J, ZHANG X, LEI Z, et al. Face detection by structural models[J].? Image and Vision Computing, 2014, 32(10): 790-799.

    [20] ZHU X, RAMANAN D. Face detection, pose estimation, and landmark localization in the wild[C]. 2012 IEEE Conference on Computer Vision and Pattern Recognition, 2012: 2879-2886.

    (責任編輯:孫 娟)

    猜你喜歡
    深度學習
    從合坐走向合學:淺議新學習模式的構(gòu)建
    面向大數(shù)據(jù)遠程開放實驗平臺構(gòu)建研究
    基于自動智能分類器的圖書館亂架圖書檢測
    搭建深度學習的三級階梯
    有體驗的學習才是有意義的學習
    電子商務(wù)中基于深度學習的虛假交易識別研究
    利用網(wǎng)絡(luò)技術(shù)促進學生深度學習的幾大策略
    考試周刊(2016年94期)2016-12-12 12:15:04
    MOOC與翻轉(zhuǎn)課堂融合的深度學習場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學習算法應(yīng)用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    91久久精品国产一区二区成人 | 在线天堂最新版资源| 久久人人精品亚洲av| 变态另类丝袜制服| 久久午夜亚洲精品久久| 国产av一区在线观看免费| 欧美绝顶高潮抽搐喷水| 色在线成人网| 我要搜黄色片| 99久国产av精品| 小蜜桃在线观看免费完整版高清| 国产精品综合久久久久久久免费| 国产欧美日韩精品亚洲av| 亚洲五月婷婷丁香| 两个人看的免费小视频| 不卡一级毛片| 中文字幕人妻丝袜一区二区| 久久久色成人| 成人欧美大片| 久久欧美精品欧美久久欧美| 亚洲国产欧美人成| 国产成人aa在线观看| 人妻丰满熟妇av一区二区三区| 欧美日韩瑟瑟在线播放| 搡老岳熟女国产| 香蕉av资源在线| 国内少妇人妻偷人精品xxx网站| 日韩大尺度精品在线看网址| 欧美最黄视频在线播放免费| 中文字幕高清在线视频| 欧美日韩国产亚洲二区| 亚洲最大成人中文| av福利片在线观看| 三级男女做爰猛烈吃奶摸视频| 国产亚洲精品综合一区在线观看| 国产午夜精品论理片| 成人永久免费在线观看视频| 在线十欧美十亚洲十日本专区| 757午夜福利合集在线观看| 老熟妇乱子伦视频在线观看| av福利片在线观看| 成人特级黄色片久久久久久久| 久久久久久人人人人人| 亚洲乱码一区二区免费版| 老汉色av国产亚洲站长工具| 在线观看免费午夜福利视频| 99热精品在线国产| 欧美一区二区精品小视频在线| 国产精品永久免费网站| 久久亚洲真实| 午夜免费成人在线视频| 国产真实伦视频高清在线观看 | 国产精品永久免费网站| 亚洲在线观看片| 亚洲中文日韩欧美视频| 久久精品国产综合久久久| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲av五月六月丁香网| 欧美三级亚洲精品| 老熟妇仑乱视频hdxx| 精品人妻1区二区| 91麻豆精品激情在线观看国产| 欧美日韩中文字幕国产精品一区二区三区| 免费搜索国产男女视频| 九色国产91popny在线| 夜夜看夜夜爽夜夜摸| 久久久久久久久久黄片| 国产中年淑女户外野战色| 亚洲av中文字字幕乱码综合| 亚洲精品一区av在线观看| 亚洲性夜色夜夜综合| 在线看三级毛片| 久久精品国产综合久久久| 国产三级在线视频| 免费人成视频x8x8入口观看| 高清在线国产一区| 三级国产精品欧美在线观看| 丰满乱子伦码专区| 亚洲欧美精品综合久久99| 欧美激情久久久久久爽电影| 草草在线视频免费看| 亚洲精品影视一区二区三区av| 少妇的丰满在线观看| 亚洲av成人精品一区久久| 好看av亚洲va欧美ⅴa在| 日本在线视频免费播放| 18禁在线播放成人免费| 亚洲精品美女久久久久99蜜臀| 日本熟妇午夜| 成人精品一区二区免费| 国产激情偷乱视频一区二区| 叶爱在线成人免费视频播放| 一夜夜www| 一本久久中文字幕| 熟女人妻精品中文字幕| 精品久久久久久成人av| 亚洲国产中文字幕在线视频| 欧美性猛交黑人性爽| 国产精品精品国产色婷婷| 色综合站精品国产| 一夜夜www| 久久性视频一级片| 国产麻豆成人av免费视频| 欧美色欧美亚洲另类二区| 欧美国产日韩亚洲一区| 国产精品乱码一区二三区的特点| 精品电影一区二区在线| 五月伊人婷婷丁香| АⅤ资源中文在线天堂| 我要搜黄色片| 久久午夜亚洲精品久久| 色综合欧美亚洲国产小说| 国产综合懂色| 色老头精品视频在线观看| 此物有八面人人有两片| 99久久无色码亚洲精品果冻| 日本一本二区三区精品| 女人高潮潮喷娇喘18禁视频| 欧美黑人巨大hd| 精品人妻一区二区三区麻豆 | 亚洲,欧美精品.| 欧美日韩福利视频一区二区| 亚洲成av人片在线播放无| 少妇人妻一区二区三区视频| 亚洲七黄色美女视频| 成人亚洲精品av一区二区| 久久香蕉精品热| 欧美黄色片欧美黄色片| 99热6这里只有精品| 欧美乱色亚洲激情| av天堂在线播放| 岛国在线免费视频观看| 怎么达到女性高潮| 亚洲精品一区av在线观看| 亚洲欧美日韩卡通动漫| 观看免费一级毛片| 在线观看av片永久免费下载| 精品免费久久久久久久清纯| 国产色爽女视频免费观看| 国语自产精品视频在线第100页| 伊人久久大香线蕉亚洲五| 亚洲精品亚洲一区二区| 国产野战对白在线观看| 婷婷精品国产亚洲av在线| 色在线成人网| 老汉色av国产亚洲站长工具| 亚洲av熟女| 亚洲人与动物交配视频| 免费在线观看日本一区| 内射极品少妇av片p| 亚洲人成网站在线播放欧美日韩| 女人高潮潮喷娇喘18禁视频| 日本精品一区二区三区蜜桃| 日日干狠狠操夜夜爽| 黄色片一级片一级黄色片| 精品人妻一区二区三区麻豆 | 亚洲午夜理论影院| 好男人电影高清在线观看| 热99在线观看视频| 国产精品久久久久久精品电影| 99久国产av精品| 精品人妻一区二区三区麻豆 | 日韩欧美在线二视频| 国产熟女xx| 国产高潮美女av| 国产蜜桃级精品一区二区三区| 国产成人欧美在线观看| 国产精品野战在线观看| 一个人看的www免费观看视频| 又粗又爽又猛毛片免费看| 91麻豆精品激情在线观看国产| 69av精品久久久久久| 亚洲精品456在线播放app | 国产成人av激情在线播放| 一个人看视频在线观看www免费 | 亚洲无线在线观看| 欧美成人a在线观看| 久久久国产成人精品二区| 一区二区三区国产精品乱码| 国产亚洲精品一区二区www| 18禁黄网站禁片午夜丰满| 久久久久精品国产欧美久久久| 9191精品国产免费久久| 麻豆一二三区av精品| 久久精品人妻少妇| or卡值多少钱| 在线看三级毛片| 亚洲成av人片在线播放无| 亚洲成人精品中文字幕电影| 一个人免费在线观看电影| 国产精品亚洲av一区麻豆| 99热精品在线国产| 久久久久久九九精品二区国产| 久久香蕉国产精品| 国产美女午夜福利| 怎么达到女性高潮| 国内精品美女久久久久久| 99在线人妻在线中文字幕| 亚洲成人久久爱视频| 国产欧美日韩精品一区二区| 日本成人三级电影网站| 丰满的人妻完整版| 成人无遮挡网站| 中文在线观看免费www的网站| 小说图片视频综合网站| 色吧在线观看| 最后的刺客免费高清国语| 中文在线观看免费www的网站| 一级黄色大片毛片| 国产伦精品一区二区三区视频9 | 操出白浆在线播放| 亚洲av中文字字幕乱码综合| 在线观看av片永久免费下载| 国产亚洲欧美在线一区二区| 99精品久久久久人妻精品| 99热精品在线国产| 一进一出抽搐gif免费好疼| 国产黄a三级三级三级人| 午夜精品在线福利| 精品久久久久久久久久免费视频| 小说图片视频综合网站| 午夜免费观看网址| 成人无遮挡网站| 天堂影院成人在线观看| av天堂中文字幕网| 九九久久精品国产亚洲av麻豆| 免费人成视频x8x8入口观看| 内地一区二区视频在线| 免费无遮挡裸体视频| 国产不卡一卡二| 91在线精品国自产拍蜜月 | 精华霜和精华液先用哪个| 精品免费久久久久久久清纯| 女人被狂操c到高潮| 久久精品亚洲精品国产色婷小说| 男女午夜视频在线观看| 国内毛片毛片毛片毛片毛片| 亚洲成a人片在线一区二区| 欧美日本视频| av中文乱码字幕在线| 亚洲狠狠婷婷综合久久图片| 国产成人av教育| 韩国av一区二区三区四区| 2021天堂中文幕一二区在线观| 观看美女的网站| 亚洲av不卡在线观看| 99久久九九国产精品国产免费| 啦啦啦免费观看视频1| 欧美激情在线99| 成人18禁在线播放| 久久国产精品影院| 日韩欧美一区二区三区在线观看| 老鸭窝网址在线观看| 丰满人妻熟妇乱又伦精品不卡| 国产精品1区2区在线观看.| 国产私拍福利视频在线观看| 日本一二三区视频观看| 欧美大码av| 身体一侧抽搐| 亚洲国产欧洲综合997久久,| 亚洲av免费高清在线观看| 精品久久久久久久久久免费视频| 两个人的视频大全免费| 十八禁网站免费在线| 1024手机看黄色片| 中文字幕久久专区| 国内少妇人妻偷人精品xxx网站| 国产成人福利小说| 国产成人aa在线观看| 亚洲成av人片在线播放无| 午夜福利在线在线| 午夜福利免费观看在线| 精品熟女少妇八av免费久了| 久久久久久久久中文| 男人舔奶头视频| 乱人视频在线观看| 国产日本99.免费观看| 欧美日韩国产亚洲二区| 精品久久久久久,| 亚洲av熟女| 午夜久久久久精精品| 日韩中文字幕欧美一区二区| 日本精品一区二区三区蜜桃| 90打野战视频偷拍视频| 美女cb高潮喷水在线观看| 亚洲在线自拍视频| 精品一区二区三区视频在线观看免费| 日本精品一区二区三区蜜桃| 1024手机看黄色片| 成人一区二区视频在线观看| ponron亚洲| 国产一区二区亚洲精品在线观看| 精品无人区乱码1区二区| 好看av亚洲va欧美ⅴa在| 国产真实伦视频高清在线观看 | 老司机在亚洲福利影院| 色综合亚洲欧美另类图片| 午夜老司机福利剧场| 国产精品一区二区免费欧美| 国产99白浆流出| www.999成人在线观看| 久久久国产成人免费| 成人欧美大片| 国产三级中文精品| 俄罗斯特黄特色一大片| 亚洲avbb在线观看| 亚洲国产高清在线一区二区三| 国产欧美日韩精品亚洲av| 国产精品美女特级片免费视频播放器| 国产欧美日韩精品一区二区| 亚洲精品一区av在线观看| 狠狠狠狠99中文字幕| 国产精品永久免费网站| 日本黄大片高清| av在线天堂中文字幕| 日韩欧美在线二视频| 不卡一级毛片| 成人特级av手机在线观看| 日本黄色片子视频| 老司机在亚洲福利影院| 国产91精品成人一区二区三区| 成年人黄色毛片网站| 亚洲中文日韩欧美视频| 国产真实伦视频高清在线观看 | 国产免费一级a男人的天堂| 乱人视频在线观看| 欧美另类亚洲清纯唯美| 99视频精品全部免费 在线| 国产av不卡久久| 女人被狂操c到高潮| 精品福利观看| 久久精品影院6| 狂野欧美激情性xxxx| 小说图片视频综合网站| 国产亚洲欧美在线一区二区| 亚洲欧美精品综合久久99| 日韩中文字幕欧美一区二区| or卡值多少钱| 蜜桃久久精品国产亚洲av| 麻豆久久精品国产亚洲av| 偷拍熟女少妇极品色| 级片在线观看| 国产爱豆传媒在线观看| 日本免费a在线| 国产又黄又爽又无遮挡在线| 精品电影一区二区在线| 国产精品女同一区二区软件 | 深爱激情五月婷婷| 欧美丝袜亚洲另类 | or卡值多少钱| 国产精品永久免费网站| 国产精品综合久久久久久久免费| 天美传媒精品一区二区| 欧美大码av| 女人高潮潮喷娇喘18禁视频| 母亲3免费完整高清在线观看| 人妻丰满熟妇av一区二区三区| 午夜免费成人在线视频| 久久天躁狠狠躁夜夜2o2o| 亚洲中文日韩欧美视频| 国产欧美日韩一区二区三| 18禁黄网站禁片午夜丰满| 国内精品一区二区在线观看| 精品国产美女av久久久久小说| 国产成人av教育| 欧美日韩精品网址| 有码 亚洲区| 亚洲avbb在线观看| 日本黄大片高清| 偷拍熟女少妇极品色| 亚洲在线自拍视频| 亚洲欧美日韩无卡精品| 久久久色成人| 伊人久久精品亚洲午夜| 亚洲国产欧洲综合997久久,| 欧美中文日本在线观看视频| 国产亚洲精品久久久久久毛片| 亚洲无线在线观看| 日本三级黄在线观看| 嫩草影视91久久| 日韩高清综合在线| 色综合婷婷激情| 国产一区在线观看成人免费| 成人午夜高清在线视频| 最近最新中文字幕大全电影3| 国产免费一级a男人的天堂| 欧美在线一区亚洲| 免费在线观看日本一区| 一级a爱片免费观看的视频| 久9热在线精品视频| 日韩精品中文字幕看吧| 亚洲精品粉嫩美女一区| 欧美中文综合在线视频| 好男人电影高清在线观看| 中国美女看黄片| 国产精品99久久久久久久久| 欧美黑人欧美精品刺激| 精品午夜福利视频在线观看一区| 国产极品精品免费视频能看的| 搡老妇女老女人老熟妇| 日日摸夜夜添夜夜添小说| 久久精品国产亚洲av香蕉五月| 亚洲欧美激情综合另类| 国产视频一区二区在线看| 99国产综合亚洲精品| 亚洲av成人精品一区久久| 亚洲av成人不卡在线观看播放网| 岛国在线免费视频观看| 一本精品99久久精品77| 欧美日本亚洲视频在线播放| 亚洲七黄色美女视频| 免费一级毛片在线播放高清视频| 热99在线观看视频| 亚洲人成伊人成综合网2020| 夜夜看夜夜爽夜夜摸| 一个人免费在线观看电影| 国产色婷婷99| 国产精品香港三级国产av潘金莲| 欧美色视频一区免费| 欧美日韩精品网址| av在线天堂中文字幕| 亚洲欧美日韩高清在线视频| 九九久久精品国产亚洲av麻豆| 国产69精品久久久久777片| 免费在线观看影片大全网站| 亚洲精华国产精华精| 老熟妇仑乱视频hdxx| 国模一区二区三区四区视频| 伊人久久精品亚洲午夜| 九色成人免费人妻av| 亚洲国产精品久久男人天堂| 波多野结衣高清无吗| 高清毛片免费观看视频网站| 日韩精品中文字幕看吧| 久久99热这里只有精品18| 国产中年淑女户外野战色| 久久香蕉精品热| 岛国在线免费视频观看| 看黄色毛片网站| 波多野结衣高清作品| 精品99又大又爽又粗少妇毛片 | 成年女人毛片免费观看观看9| 99久久久亚洲精品蜜臀av| 国产伦精品一区二区三区视频9 | 91九色精品人成在线观看| 宅男免费午夜| 亚洲人成网站在线播| 亚洲专区中文字幕在线| 美女cb高潮喷水在线观看| 国产精品一区二区三区四区免费观看 | 波多野结衣巨乳人妻| 在线免费观看的www视频| 首页视频小说图片口味搜索| 国内精品美女久久久久久| 嫩草影院入口| 欧美日韩国产亚洲二区| 亚洲av日韩精品久久久久久密| 国产 一区 欧美 日韩| 精华霜和精华液先用哪个| 一级黄片播放器| 女同久久另类99精品国产91| 亚洲av一区综合| 久久久久久久久中文| 亚洲18禁久久av| 高清在线国产一区| 国产精品香港三级国产av潘金莲| 亚洲成a人片在线一区二区| 悠悠久久av| 午夜免费激情av| 婷婷亚洲欧美| 日本a在线网址| 久久久久免费精品人妻一区二区| 综合色av麻豆| 欧美最黄视频在线播放免费| 国产精品,欧美在线| 成人亚洲精品av一区二区| 欧美日本亚洲视频在线播放| 桃红色精品国产亚洲av| 天天一区二区日本电影三级| www.999成人在线观看| 亚洲天堂国产精品一区在线| 搡女人真爽免费视频火全软件 | 黄色片一级片一级黄色片| 成年女人看的毛片在线观看| 午夜福利在线观看吧| 国产黄片美女视频| av视频在线观看入口| 成人高潮视频无遮挡免费网站| 国内毛片毛片毛片毛片毛片| 色综合婷婷激情| 欧美性猛交黑人性爽| 国产av麻豆久久久久久久| www.色视频.com| 欧美国产日韩亚洲一区| av中文乱码字幕在线| 国产美女午夜福利| 每晚都被弄得嗷嗷叫到高潮| 国产亚洲精品久久久com| 三级男女做爰猛烈吃奶摸视频| 夜夜爽天天搞| 国产精品国产高清国产av| 亚洲欧美一区二区三区黑人| 久久精品国产亚洲av涩爱 | 精品国产亚洲在线| 最近最新免费中文字幕在线| www日本在线高清视频| 丰满乱子伦码专区| 精品久久久久久久人妻蜜臀av| 亚洲激情在线av| 国产精品永久免费网站| 婷婷六月久久综合丁香| 欧美中文综合在线视频| 一a级毛片在线观看| 欧美成人免费av一区二区三区| 色在线成人网| 一级黄片播放器| 嫩草影视91久久| 少妇人妻精品综合一区二区 | 久久久色成人| 午夜影院日韩av| 中文字幕久久专区| 国产精品免费一区二区三区在线| 99久国产av精品| 一级a爱片免费观看的视频| 亚洲精品456在线播放app | 国产亚洲欧美98| 男女午夜视频在线观看| 性欧美人与动物交配| 波多野结衣高清无吗| 操出白浆在线播放| 在线观看av片永久免费下载| 精品熟女少妇八av免费久了| 欧美三级亚洲精品| 久久久色成人| 一进一出抽搐gif免费好疼| 成人av在线播放网站| ponron亚洲| 热99re8久久精品国产| 亚洲精品亚洲一区二区| 国产中年淑女户外野战色| 女人高潮潮喷娇喘18禁视频| aaaaa片日本免费| 亚洲精品一区av在线观看| 女人被狂操c到高潮| 亚洲精品日韩av片在线观看 | 网址你懂的国产日韩在线| 啪啪无遮挡十八禁网站| 757午夜福利合集在线观看| 最近最新中文字幕大全免费视频| 国产伦在线观看视频一区| 亚洲av第一区精品v没综合| 成人国产综合亚洲| 久久精品91无色码中文字幕| 久久香蕉精品热| 给我免费播放毛片高清在线观看| 国产免费一级a男人的天堂| 国产精品嫩草影院av在线观看 | 69人妻影院| 18禁在线播放成人免费| 搡老熟女国产l中国老女人| 18禁美女被吸乳视频| 欧美不卡视频在线免费观看| 最近最新中文字幕大全免费视频| h日本视频在线播放| 黄片大片在线免费观看| 999久久久精品免费观看国产| 成人性生交大片免费视频hd| 精品国产超薄肉色丝袜足j| 午夜免费激情av| 国内精品美女久久久久久| 久久性视频一级片| 悠悠久久av| 日本撒尿小便嘘嘘汇集6| 午夜福利18| 欧美日韩亚洲国产一区二区在线观看| 亚洲美女视频黄频| 真实男女啪啪啪动态图| АⅤ资源中文在线天堂| 亚洲国产欧美网| 国产黄色小视频在线观看| 国产精品亚洲美女久久久| 性色av乱码一区二区三区2| h日本视频在线播放| 免费观看的影片在线观看| 亚洲成人久久性| 精品熟女少妇八av免费久了| av天堂在线播放| 午夜福利成人在线免费观看| 国产91精品成人一区二区三区| 99热精品在线国产| 久久久精品欧美日韩精品| 欧美日韩瑟瑟在线播放| 亚洲精品久久国产高清桃花| 国产一级毛片七仙女欲春2| 午夜激情欧美在线| 91av网一区二区| 日韩欧美国产在线观看| АⅤ资源中文在线天堂| 在线观看舔阴道视频| 69av精品久久久久久| 亚洲中文字幕日韩| 禁无遮挡网站| 成人国产一区最新在线观看| 亚洲第一欧美日韩一区二区三区| 国产精品av视频在线免费观看| 国产成人av激情在线播放| 成年女人永久免费观看视频| 中文字幕高清在线视频| 国产高清视频在线观看网站| 18+在线观看网站| 69av精品久久久久久| 精品国产超薄肉色丝袜足j| 一级黄片播放器| 精华霜和精华液先用哪个| 99热这里只有精品一区|