• <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 ?

    基于改進(jìn)CNN與SVM的手勢(shì)識(shí)別研究

    2020-12-07 06:14:15孟彩茹宋京孫明揚(yáng)
    現(xiàn)代電子技術(shù) 2020年22期
    關(guān)鍵詞:數(shù)據(jù)增強(qiáng)手勢(shì)識(shí)別圖像分割

    孟彩茹 宋京 孫明揚(yáng)

    摘? 要: 手勢(shì)識(shí)別在人機(jī)交互中起著重要的作用,然而手勢(shì)形態(tài)和背景的復(fù)雜多樣性給手勢(shì)識(shí)別過(guò)程帶來(lái)難題。為了降低特征提取的難度和提高識(shí)別準(zhǔn)確率,設(shè)計(jì)一種改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)(CNN)和支持向量機(jī)(SVM)模型來(lái)對(duì)手勢(shì)進(jìn)行識(shí)別。該模型首先對(duì)手勢(shì)圖像分割處理和數(shù)據(jù)增強(qiáng)處理,然后用Inception模塊改進(jìn)后的CNN完成對(duì)手勢(shì)特征的提取,最后通過(guò)SVM對(duì)不同手勢(shì)分類識(shí)別。實(shí)驗(yàn)結(jié)果表明,該模型在自建手勢(shì)數(shù)據(jù)集下平均識(shí)別率為98.13%,在MNIST數(shù)據(jù)集下平均識(shí)別率為98.95%,同一數(shù)據(jù)集下較傳統(tǒng)模型識(shí)別率均有提高。

    關(guān)鍵詞: 手勢(shì)識(shí)別; CNN; SVM; 特征提取; 圖像分割; 數(shù)據(jù)增強(qiáng)

    中圖分類號(hào): TN915?34; TP183? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼: A? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào): 1004?373X(2020)22?0128?04

    Abstract: Gesture recognition plays an important role in human?computer interaction. However, the complex diversity of gesture shape and background brings difficulties to the process of gesture recognition. In order to reduce the difficulty of feature extraction and improve the recognition accuracy, an improved convolution neural network (CNN) and support vector machine (SVM) model is designed to recognize gestures. In this model, the gesture image segmentation and data enhancement are performed, the CNN improved by the Inception module is used to complete the gesture features extraction, and different gestures are classified and recognized by SVM. The experimental results show that the average recognition rate of the model is 98.13% under the self?built gesture dataset and is 98.95% under the MNIST dataset, which are all higher than those of the traditional model under the same dataset.

    Keywords: gesture recognition; CNN; SVM; feature extraction; picture segmentation; data enhancement

    0? 引? 言

    手勢(shì)識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)具有挑戰(zhàn)性的問(wèn)題,多年來(lái)一直是人們研究的熱點(diǎn)[1]。在手勢(shì)識(shí)別領(lǐng)域,研究人員使用了許多不同的算法,取得了許多成果。M Rossi等結(jié)合兩種不同結(jié)構(gòu)分類器來(lái)對(duì)手勢(shì)進(jìn)行識(shí)別,人工先提取圖像特征,用隱馬爾可夫(HMM)模型來(lái)區(qū)分?jǐn)?shù)據(jù),后用SVM對(duì)手勢(shì)肌電信號(hào)進(jìn)行識(shí)別[2]。田園等利用Kinect的深度攝像頭去獲取手部深度信息,記錄特征點(diǎn)坐標(biāo),確定手指尖位置,然后用特征點(diǎn)匹配的方法識(shí)別手勢(shì)[3]。這些方法需要人工設(shè)計(jì)提取手勢(shì)特征,這不僅是一項(xiàng)繁瑣費(fèi)時(shí)的工作,而且還會(huì)因?yàn)樘崛【鹊蛯?dǎo)致識(shí)別準(zhǔn)確率不高。近些年來(lái),深度學(xué)習(xí)在人工智能領(lǐng)域取得很大進(jìn)步。許悅雷等先利用主成分分析算法(PCA)的降維處理技術(shù)優(yōu)化CNN的權(quán)值,再用優(yōu)化后的CNN對(duì)手勢(shì)識(shí)別[4]。石雨鑫等結(jié)合CNN與隨機(jī)森林(RF)兩種算法進(jìn)行手勢(shì)識(shí)別,先對(duì)手勢(shì)進(jìn)行分割處理,接著利用CNN進(jìn)行特征提取,最后由隨機(jī)森林分類器完成手勢(shì)識(shí)別[5]。謝崢桂先對(duì)手勢(shì)圖像進(jìn)行手勢(shì)分割預(yù)處理,然后再用CNN進(jìn)行特征提取和識(shí)別[6]。

    目前手勢(shì)識(shí)別仍然具有廣泛的實(shí)際應(yīng)用和現(xiàn)實(shí)意義,如識(shí)別手語(yǔ)促進(jìn)與聾啞人的交流、加強(qiáng)控制智能機(jī)器人使用戶更加自然、輔助汽車駕駛提高安全度等。手勢(shì)識(shí)別需要一個(gè)識(shí)別率高且泛化能力強(qiáng)的模型,為此本文設(shè)計(jì)了一種改進(jìn)CNN?SVM模型用于手勢(shì)識(shí)別,該模型首先對(duì)手勢(shì)圖像進(jìn)行手勢(shì)分割處理和數(shù)據(jù)增強(qiáng)處理,然后用加入Inception模塊改進(jìn)后的CNN完成對(duì)手勢(shì)特征的提取,最后通過(guò)SVM分類識(shí)別。對(duì)手勢(shì)進(jìn)行預(yù)處理,減少模型參數(shù),降低了算法復(fù)雜度;加入Inception模塊提高了對(duì)圖像尺度的適應(yīng)性;利用SVM分類提高了模型泛化能力和準(zhǔn)確率。為驗(yàn)證模型性能,在兩種數(shù)據(jù)集下進(jìn)行了測(cè)試。實(shí)驗(yàn)結(jié)果表明,本文設(shè)計(jì)的模型較傳統(tǒng)模型泛化能力更強(qiáng),分類更準(zhǔn)確,識(shí)別率均達(dá)到98%以上。

    1? 手勢(shì)圖像的預(yù)處理

    1.1? 手勢(shì)分割處理

    為了降低手勢(shì)圖像的復(fù)雜多樣性對(duì)手勢(shì)特征提取和訓(xùn)練過(guò)程中的影響,提高特征提取和識(shí)別的可靠性,需要先對(duì)手勢(shì)圖像進(jìn)行分割處理。手勢(shì)分割的方法有很多,常見(jiàn)的有膚色分割法、輪廓分割法、SS?ROI分割法等。觀察手勢(shì)圖像,很容易看出手部膚色是區(qū)別于其他物體的首要特征,本文選用膚色分割法對(duì)手勢(shì)圖像做分割處理。首先是顏色空間的選取,因?yàn)槭植磕w色在不一樣顏色空間中有著不一樣的區(qū)域分布,顏色空間有很多種,常用的有RGB 顏色空間、HSV 顏色空間和 YCrCb 顏色空間等。因?yàn)樵赮CrCb顏色空間中,膚色基本上不受亮度的影響,膚色點(diǎn)多數(shù)都落在Cr,Cb分量上,即在膚色分割過(guò)程中有不錯(cuò)的效果和穩(wěn)定性[7]。所以本文選擇 YCrCb 空間對(duì)手勢(shì)圖像分割,手勢(shì)圖像映射到 YCrCb 空間所用關(guān)系式如下:

    1.2? 數(shù)據(jù)集增強(qiáng)處理

    為了訓(xùn)練更加有效的深度學(xué)習(xí)模型,提高模型對(duì)新圖片的適應(yīng)能力??紤]到手勢(shì)識(shí)別過(guò)程中實(shí)際情況的復(fù)雜性,如光照強(qiáng)度、手勢(shì)的方向、噪聲數(shù)據(jù)等影響,本文還對(duì)手勢(shì)圖片做了數(shù)據(jù)增強(qiáng)處理,包括對(duì)圖片的隨機(jī)上下翻轉(zhuǎn)、隨機(jī)左右翻轉(zhuǎn)、隨機(jī)裁剪、隨機(jī)設(shè)置圖片的亮度、隨機(jī)添加噪聲擾動(dòng)。

    2? 改進(jìn)的CNN與SVM混合模型

    2.1? 傳統(tǒng)CNN結(jié)構(gòu)

    卷積神經(jīng)網(wǎng)絡(luò)于1998年由Yann Lecun提出,該算法擅長(zhǎng)處理識(shí)別各種圖像[9]。卷積神經(jīng)網(wǎng)絡(luò)是一種具有深度監(jiān)督學(xué)習(xí)結(jié)構(gòu)的多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),可以看作是由兩部分組成:自動(dòng)特征提取器和可訓(xùn)練分類器。特征提取器包含特征映射層:卷積層、池化層以及全連接層。在本文中,卷積層從原始圖像中提取基本手勢(shì)特征;池化層再進(jìn)一步提取手勢(shì)的主要特征;在全連接層中匯總可以區(qū)別手勢(shì)的各個(gè)部分特征;最后由分類器進(jìn)行手勢(shì)的預(yù)測(cè)識(shí)別。卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

    2.2? 傳統(tǒng)CNN的改進(jìn)

    2.2.1? Inception模塊

    為了降低網(wǎng)絡(luò)復(fù)雜度,提高識(shí)別準(zhǔn)確率和網(wǎng)絡(luò)模型對(duì)尺度的適應(yīng)性。本文添加Inception 模塊來(lái)限制輸入信道的數(shù)量,這樣在同一層級(jí)網(wǎng)絡(luò)上可運(yùn)行多個(gè)尺寸的濾波器,即讓網(wǎng)絡(luò)層級(jí)變得更寬而不是更深。Inception模塊最開(kāi)始出現(xiàn)于谷歌團(tuán)隊(duì)提出的GoogLeNet[10]網(wǎng)絡(luò)中,它利用3個(gè)不同大小的濾波器(1×1,3×3,5×5)對(duì)上層進(jìn)行卷積操作,并且其還可以執(zhí)行最大池化。最后全部子層的輸出連接在一起傳送至下一個(gè)模塊。Inception 結(jié)構(gòu)[11]如圖3所示。

    2.2.2? SVM分類器

    本文使用的卷積神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確地提取圖像中的手勢(shì)特征[12],在此基礎(chǔ)上,使用一些傳統(tǒng)的分類方法也能實(shí)現(xiàn)較高精度的分類。傳統(tǒng)分類方法有支持向量機(jī)分類、樸素貝葉斯分類、隨機(jī)森林分類等。其中,SVM學(xué)習(xí)[13]的超平面是距離各個(gè)類別樣本點(diǎn)最遠(yuǎn)的平面,用于分類的可靠性是機(jī)器學(xué)習(xí)工具中最好的。其采用最大類間分類平面的原則對(duì)樣本數(shù)據(jù)分類,相比于Softmax具有更強(qiáng)的泛化推廣能力和更高的識(shí)別準(zhǔn)確率。故本文選用SVM分類器替代原CNN模型中的Softmax分類器。SVM分類器替代原CNN模型中的Softmax分類器具體操作如下:

    1) 訓(xùn)練原始CNN網(wǎng)絡(luò)得到較高的識(shí)別率;

    2) 將訓(xùn)練模型中損失函數(shù)Softmax Loss更改為Hinge Loss;

    3) 將全連接層之前的學(xué)習(xí)率系數(shù)lr_mult全部改為0,固定特征提取完畢;

    4) 重新訓(xùn)練時(shí)就只訓(xùn)練最后的SVM分類器,訓(xùn)練一段時(shí)間直至CNN?SVM模型完成。

    2.3? 混合模型網(wǎng)絡(luò)結(jié)構(gòu)

    參照第2.1節(jié)傳統(tǒng)卷積網(wǎng)絡(luò)結(jié)構(gòu)圖,結(jié)合2.2節(jié),本文設(shè)計(jì)的用于手勢(shì)識(shí)別改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由3個(gè)卷積層、3個(gè)池化層、1個(gè)全連接層、3個(gè)Inception結(jié)構(gòu)以及1個(gè)SVM分類層組成。其混合模型網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖4所示。

    3? 混合模型訓(xùn)練與測(cè)試結(jié)果分析

    本文采用自建手勢(shì)數(shù)據(jù)集訓(xùn)練和測(cè)試模型,隨后在經(jīng)典Minist數(shù)據(jù)集下驗(yàn)證。訓(xùn)練模型過(guò)程中使用隨機(jī)梯度下降法來(lái)最小化訓(xùn)練模型中的誤差,即每完成一次迭代時(shí)重新評(píng)估和更新一次權(quán)值。這個(gè)重復(fù)迭代到一定次數(shù)的過(guò)程可以找出使訓(xùn)練數(shù)據(jù)最小誤差的模型的系數(shù)。自建手勢(shì)數(shù)據(jù)集包含表示數(shù)字1~10的10種手勢(shì)如圖5所示,每種手勢(shì)有800張且手勢(shì)形態(tài)不一,共計(jì)8 000張手勢(shì)圖像。選取其中4 000張作為訓(xùn)練樣本,在訓(xùn)練過(guò)程中運(yùn)用數(shù)據(jù)增強(qiáng)技術(shù)提高模型的泛化能力,其余4 000張作為測(cè)試集,驗(yàn)證模型性能的優(yōu)劣。

    4? 結(jié)? 語(yǔ)

    本文設(shè)計(jì)了基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的模型對(duì)手勢(shì)進(jìn)行識(shí)別。該模型主要修改了傳統(tǒng)CNN網(wǎng)絡(luò)結(jié)構(gòu)加入Inception模塊并結(jié)合SVM算法,首先對(duì)手勢(shì)圖像進(jìn)行分割處理和數(shù)據(jù)增強(qiáng)處理,然后利用該模型對(duì)手勢(shì)進(jìn)行識(shí)別分類。實(shí)驗(yàn)結(jié)果表明,改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)模型比傳統(tǒng)模型具有更好的識(shí)別性能。在接下來(lái)的研究中,將針對(duì)更加復(fù)雜的背景,如手部遮擋等情況進(jìn)行識(shí)別研究,同時(shí)嘗試多種圖像預(yù)處理算法,以求得到更精準(zhǔn)的識(shí)別率。

    參考文獻(xiàn)

    [1] 朱雯文,葉西寧.基于卷積神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別算法[J].華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2018,44(2):260?269.

    [2] ROSSI M, BENATTI S, FARELLA E, et al. Hybrid EMG classifier based on HMM and SVM for hand gesture recognition in prosthetics [C]// 2015 IEEE International Conference on Industrial Technology. Seville: IEEE, 2015: 301?311.

    [3] 田元,王學(xué)璠,王志鋒,等.基于Kinect的實(shí)時(shí)手勢(shì)識(shí)別方法[J].計(jì)算機(jī)工程與設(shè)計(jì),2018,39(6):1721?1726.

    [4] 史鶴歡,許悅雷,馬時(shí)平,等.PCA預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別算法[J].西安電子科技大學(xué)學(xué)報(bào),2016,43(3):161?166.

    [5] 石雨鑫,鄧洪敏,郭偉林.基于混合卷積神經(jīng)網(wǎng)絡(luò)的靜態(tài)手勢(shì)識(shí)別[J].計(jì)算機(jī)科學(xué),2019,46(z1):165?168.

    [6] 謝錚桂.基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別的研究[J].計(jì)算機(jī)應(yīng)用與軟件,2019,36(3):192?195.

    [7] SHAIK B K, GANESAN P, KALIST V, et al. Comparative study of skin color detection and segmentation in HSV and YCbCr color space [J]. Procedia computer science, 2015, 57: 41?48.

    [8] 楊世強(qiáng),弓逯琦.基于高斯模型的手部膚色建模與區(qū)域檢測(cè)[J].中國(guó)圖象圖形學(xué)報(bào),2016,21(11):1492?1501.

    [9] 周飛燕,金林鵬,董軍.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計(jì)算機(jī)學(xué)報(bào),2017,40(6):1229?1251.

    [10] SZEGEDY C, LIU W, JIA Y Q, et al. Going deeper with convolutions [C]// 2015 IEEE Conference on Computer Vision and Pattern Recognition. Boston: IEEE, 2015: 17?33.

    [11] SZEGEDY C, VANHOUCKE V, IOFFE S, et al. Rethinking the inception architecture for computer vision [C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas: IEEE, 2016: 2818?2826.

    [12] 溫靜,安國(guó)艷,梁宇棟.基于CNN特征提取和加權(quán)深度遷移的單目圖像深度估計(jì)[J].圖學(xué)學(xué)報(bào),2019,40(2):248?255.

    [13] 黃孝喜,李晗雨,王榮波,等.基于卷積神經(jīng)網(wǎng)絡(luò)與SVM分類器的隱喻識(shí)別[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn),2018,2(10):77?83.

    猜你喜歡
    數(shù)據(jù)增強(qiáng)手勢(shì)識(shí)別圖像分割
    基于卷積神經(jīng)網(wǎng)絡(luò)的森林火災(zāi)煙霧探測(cè)算法研究
    基于深度網(wǎng)絡(luò)的車輛前后端圖像識(shí)別方法研究
    基于雙卷積神經(jīng)網(wǎng)絡(luò)的鐵路集裝箱號(hào)OCR
    基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類研究
    基于手勢(shì)識(shí)別的工業(yè)機(jī)器人操作控制方法
    基于紅外的非接觸式手勢(shì)識(shí)別系統(tǒng)設(shè)計(jì)
    基于嵌入式的智能手表設(shè)計(jì)
    一種改進(jìn)的分水嶺圖像分割算法研究
    科技視界(2016年26期)2016-12-17 16:25:03
    基于LabVIEW雛雞雌雄半自動(dòng)鑒別系統(tǒng)
    一種圖像超像素的快速生成算法
    精品一区二区免费观看| 免费观看在线日韩| 亚洲三级黄色毛片| 久久久久久久国产电影| 免费黄网站久久成人精品| 三上悠亚av全集在线观看| 人妻系列 视频| 国产精品久久久久久久久免| 国产精品久久久久久精品古装| 欧美成人午夜精品| 三上悠亚av全集在线观看| 日日啪夜夜爽| 日韩精品免费视频一区二区三区 | 午夜精品国产一区二区电影| 中国美白少妇内射xxxbb| 久久久久国产精品人妻一区二区| 日韩免费高清中文字幕av| 女性被躁到高潮视频| 亚洲av免费高清在线观看| 女性被躁到高潮视频| 秋霞在线观看毛片| 蜜桃国产av成人99| av在线app专区| 考比视频在线观看| 国产在线视频一区二区| 插逼视频在线观看| a级毛片在线看网站| 又大又黄又爽视频免费| 777米奇影视久久| 欧美少妇被猛烈插入视频| 欧美精品av麻豆av| 青春草亚洲视频在线观看| 久久人人爽av亚洲精品天堂| 精品国产一区二区三区久久久樱花| 自线自在国产av| 国产精品久久久av美女十八| 一区二区日韩欧美中文字幕 | 永久免费av网站大全| 欧美亚洲 丝袜 人妻 在线| 26uuu在线亚洲综合色| 又粗又硬又长又爽又黄的视频| 欧美少妇被猛烈插入视频| 人人妻人人添人人爽欧美一区卜| 丝袜美足系列| 在线 av 中文字幕| 在线观看www视频免费| 亚洲国产精品国产精品| av在线app专区| 国产av一区二区精品久久| 91精品三级在线观看| av.在线天堂| 久久久亚洲精品成人影院| 国产欧美日韩综合在线一区二区| 日日撸夜夜添| 国产激情久久老熟女| 啦啦啦中文免费视频观看日本| 亚洲婷婷狠狠爱综合网| 又黄又粗又硬又大视频| 超碰97精品在线观看| 久久久久久人人人人人| 亚洲精品国产av蜜桃| 老熟女久久久| 成人综合一区亚洲| 宅男免费午夜| 国产男女超爽视频在线观看| 日本黄大片高清| 亚洲一区二区三区欧美精品| 一区二区av电影网| 欧美少妇被猛烈插入视频| 一区二区三区四区激情视频| 欧美人与性动交α欧美软件 | 国产永久视频网站| 成人手机av| 一区二区av电影网| 91久久精品国产一区二区三区| 日日摸夜夜添夜夜爱| 国产精品嫩草影院av在线观看| 亚洲精品456在线播放app| 亚洲欧美色中文字幕在线| a级片在线免费高清观看视频| 波野结衣二区三区在线| 久久久久久久久久久久大奶| 国产 一区精品| 亚洲国产av影院在线观看| 亚洲精品色激情综合| 青春草亚洲视频在线观看| 最近中文字幕高清免费大全6| 亚洲国产最新在线播放| 久久久久网色| 激情视频va一区二区三区| 成年av动漫网址| 亚洲欧美成人精品一区二区| 18禁国产床啪视频网站| 国产午夜精品一二区理论片| 18+在线观看网站| 国产av码专区亚洲av| 亚洲一区二区三区欧美精品| 日本午夜av视频| 亚洲伊人久久精品综合| 国产永久视频网站| 日本午夜av视频| 久久久国产一区二区| 亚洲国产精品一区三区| 大片免费播放器 马上看| 午夜激情av网站| 丁香六月天网| 国产探花极品一区二区| 国产熟女欧美一区二区| 国产精品一国产av| av天堂久久9| 美国免费a级毛片| 久热久热在线精品观看| 国产精品久久久av美女十八| 亚洲中文av在线| 91国产中文字幕| 亚洲内射少妇av| 亚洲成人手机| 日韩精品免费视频一区二区三区 | 日本午夜av视频| 夫妻午夜视频| 高清欧美精品videossex| 女人被躁到高潮嗷嗷叫费观| 午夜福利乱码中文字幕| 少妇高潮的动态图| 亚洲成人手机| 18禁观看日本| 母亲3免费完整高清在线观看 | 日韩一区二区视频免费看| 一级黄片播放器| 91成人精品电影| 岛国毛片在线播放| 2022亚洲国产成人精品| 亚洲一级一片aⅴ在线观看| 黑人欧美特级aaaaaa片| 日韩免费高清中文字幕av| 亚洲国产成人一精品久久久| 久久久欧美国产精品| 肉色欧美久久久久久久蜜桃| 国产极品粉嫩免费观看在线| 欧美国产精品一级二级三级| 夜夜骑夜夜射夜夜干| 内地一区二区视频在线| 久久久欧美国产精品| 国产有黄有色有爽视频| 一区在线观看完整版| 国产高清国产精品国产三级| 女性被躁到高潮视频| 久久久久久人妻| 国产精品不卡视频一区二区| 国产极品天堂在线| 日韩三级伦理在线观看| 美女福利国产在线| 建设人人有责人人尽责人人享有的| 日本欧美视频一区| 久久久国产精品麻豆| 欧美日韩视频精品一区| 国产亚洲午夜精品一区二区久久| 大香蕉97超碰在线| 老熟女久久久| 99国产精品免费福利视频| 汤姆久久久久久久影院中文字幕| 大片电影免费在线观看免费| 国产免费一区二区三区四区乱码| 女的被弄到高潮叫床怎么办| 亚洲,欧美精品.| 国产永久视频网站| 一级片'在线观看视频| 中文字幕精品免费在线观看视频 | 成人国产麻豆网| 在线观看国产h片| 狂野欧美激情性bbbbbb| 日韩视频在线欧美| 插逼视频在线观看| 亚洲av成人精品一二三区| 久久热在线av| 国产黄色视频一区二区在线观看| 男人添女人高潮全过程视频| 精品国产露脸久久av麻豆| 亚洲成国产人片在线观看| 18禁在线无遮挡免费观看视频| 国产欧美日韩一区二区三区在线| 人人妻人人爽人人添夜夜欢视频| 国产 一区精品| 中文字幕av电影在线播放| 婷婷成人精品国产| 人人妻人人爽人人添夜夜欢视频| 亚洲精品久久久久久婷婷小说| 男女边吃奶边做爰视频| 免费日韩欧美在线观看| 精品亚洲成国产av| 免费高清在线观看日韩| 一区二区av电影网| 美女内射精品一级片tv| 免费黄网站久久成人精品| 久久鲁丝午夜福利片| 蜜臀久久99精品久久宅男| 黑人猛操日本美女一级片| 国产精品99久久99久久久不卡 | 人人妻人人澡人人看| 国产成人精品婷婷| 91久久精品国产一区二区三区| 美国免费a级毛片| 一级爰片在线观看| 亚洲av日韩在线播放| xxx大片免费视频| av免费在线看不卡| 99久久精品国产国产毛片| 国产日韩欧美在线精品| 九九在线视频观看精品| 日本wwww免费看| 一区二区三区四区激情视频| 国产精品久久久久久久久免| 高清视频免费观看一区二区| 国产精品偷伦视频观看了| 亚洲情色 制服丝袜| 另类精品久久| 尾随美女入室| 国产女主播在线喷水免费视频网站| 国产一区亚洲一区在线观看| 色婷婷久久久亚洲欧美| 老女人水多毛片| 肉色欧美久久久久久久蜜桃| 一本色道久久久久久精品综合| 午夜福利影视在线免费观看| 国产成人精品一,二区| 成年美女黄网站色视频大全免费| 亚洲天堂av无毛| 国产亚洲最大av| 少妇熟女欧美另类| 国产精品麻豆人妻色哟哟久久| 99国产综合亚洲精品| www.色视频.com| 欧美日韩国产mv在线观看视频| 亚洲图色成人| 亚洲人成77777在线视频| 搡女人真爽免费视频火全软件| 嫩草影院入口| 日日啪夜夜爽| 高清黄色对白视频在线免费看| 2018国产大陆天天弄谢| 人妻少妇偷人精品九色| 成年动漫av网址| 亚洲精品,欧美精品| 日本av手机在线免费观看| 在线免费观看不下载黄p国产| 久久久久久人人人人人| 人人妻人人爽人人添夜夜欢视频| 日产精品乱码卡一卡2卡三| 国产成人av激情在线播放| 欧美日韩亚洲高清精品| 久久久精品94久久精品| 成人免费观看视频高清| 日韩精品有码人妻一区| 18禁在线无遮挡免费观看视频| 乱码一卡2卡4卡精品| 99热6这里只有精品| 久久亚洲国产成人精品v| 91aial.com中文字幕在线观看| 欧美性感艳星| av女优亚洲男人天堂| 在线观看免费视频网站a站| 日韩av不卡免费在线播放| 免费久久久久久久精品成人欧美视频 | 欧美日韩国产mv在线观看视频| 高清在线视频一区二区三区| 国产熟女欧美一区二区| 一本—道久久a久久精品蜜桃钙片| 热99国产精品久久久久久7| 久热这里只有精品99| 亚洲精品自拍成人| 久久99热这里只频精品6学生| 久久久久久久大尺度免费视频| 亚洲中文av在线| 日韩中文字幕视频在线看片| 国产精品99久久99久久久不卡 | 五月天丁香电影| 国产成人午夜福利电影在线观看| 91国产中文字幕| 人人澡人人妻人| 乱人伦中国视频| 高清黄色对白视频在线免费看| 欧美少妇被猛烈插入视频| 激情视频va一区二区三区| 久久国产精品大桥未久av| 欧美另类一区| 国产精品久久久久久精品古装| 久久国产精品大桥未久av| 精品午夜福利在线看| 一级黄片播放器| 亚洲精品美女久久久久99蜜臀 | 18禁在线无遮挡免费观看视频| 一个人免费看片子| 欧美精品一区二区大全| 男女边吃奶边做爰视频| 国产精品蜜桃在线观看| 肉色欧美久久久久久久蜜桃| 亚洲精品国产色婷婷电影| 丰满饥渴人妻一区二区三| 午夜福利,免费看| 亚洲欧洲国产日韩| 最近手机中文字幕大全| 精品一品国产午夜福利视频| 国产女主播在线喷水免费视频网站| 国产亚洲最大av| 久久人人97超碰香蕉20202| 久久国产精品大桥未久av| 亚洲内射少妇av| 成人二区视频| 九九在线视频观看精品| 久久ye,这里只有精品| 精品99又大又爽又粗少妇毛片| 日本-黄色视频高清免费观看| 高清av免费在线| 久久99热6这里只有精品| 久久久久久久久久成人| 又大又黄又爽视频免费| 欧美日韩av久久| 成人免费观看视频高清| 啦啦啦在线观看免费高清www| 热re99久久精品国产66热6| 人人妻人人澡人人爽人人夜夜| 中文精品一卡2卡3卡4更新| 亚洲欧美中文字幕日韩二区| 亚洲在久久综合| 久久这里只有精品19| 久久久久精品性色| 不卡视频在线观看欧美| 亚洲伊人久久精品综合| 少妇人妻 视频| 丝袜美足系列| 亚洲精品久久成人aⅴ小说| 国产一区二区三区av在线| 亚洲婷婷狠狠爱综合网| 久久婷婷青草| 男人操女人黄网站| av国产久精品久网站免费入址| 久久久欧美国产精品| 精品久久久久久电影网| 九色亚洲精品在线播放| 欧美激情 高清一区二区三区| 精品一区二区免费观看| 久久精品夜色国产| 欧美激情极品国产一区二区三区 | 日本91视频免费播放| 母亲3免费完整高清在线观看 | 久久久国产一区二区| 97精品久久久久久久久久精品| 看免费成人av毛片| 亚洲成国产人片在线观看| 三级国产精品片| 波野结衣二区三区在线| 国产亚洲欧美精品永久| 久久久精品区二区三区| 免费观看在线日韩| 青春草亚洲视频在线观看| 日日啪夜夜爽| 午夜日本视频在线| 亚洲,一卡二卡三卡| 日本欧美视频一区| 亚洲熟女精品中文字幕| a级毛片黄视频| 99re6热这里在线精品视频| 我的女老师完整版在线观看| 亚洲精品第二区| 亚洲人成77777在线视频| 国产男女内射视频| 欧美亚洲日本最大视频资源| 亚洲av日韩在线播放| 免费观看性生交大片5| 男人添女人高潮全过程视频| 大香蕉久久成人网| 人妻人人澡人人爽人人| 中国美白少妇内射xxxbb| www.色视频.com| 青春草国产在线视频| 国产熟女欧美一区二区| 久久ye,这里只有精品| 国产亚洲av片在线观看秒播厂| 18在线观看网站| videossex国产| 久久av网站| 十分钟在线观看高清视频www| 麻豆乱淫一区二区| 一级毛片黄色毛片免费观看视频| 国产精品女同一区二区软件| 国产亚洲精品第一综合不卡 | 少妇熟女欧美另类| 国产精品久久久久久久电影| 欧美性感艳星| 精品一区二区三卡| 观看av在线不卡| 人妻少妇偷人精品九色| av有码第一页| 国产亚洲最大av| 国产高清三级在线| 只有这里有精品99| 亚洲av免费高清在线观看| 久久久久国产网址| 欧美国产精品一级二级三级| 久久精品国产亚洲av天美| 免费高清在线观看视频在线观看| 好男人视频免费观看在线| 免费看不卡的av| 一本色道久久久久久精品综合| 欧美 日韩 精品 国产| 日韩av在线免费看完整版不卡| videossex国产| 国产精品不卡视频一区二区| 亚洲av福利一区| 欧美 日韩 精品 国产| 男女下面插进去视频免费观看 | 夫妻性生交免费视频一级片| 精品第一国产精品| 日本欧美视频一区| 日韩不卡一区二区三区视频在线| 侵犯人妻中文字幕一二三四区| 国产在线免费精品| 欧美国产精品一级二级三级| 久久久久久人妻| 亚洲精品日韩在线中文字幕| 亚洲精品国产av成人精品| 黄色配什么色好看| 色哟哟·www| 高清在线视频一区二区三区| 国产精品 国内视频| 一区二区三区乱码不卡18| 午夜免费男女啪啪视频观看| av免费在线看不卡| 亚洲精品456在线播放app| 国产永久视频网站| 亚洲成人手机| 午夜福利,免费看| 又粗又硬又长又爽又黄的视频| 久久人人97超碰香蕉20202| 国产精品国产三级专区第一集| 亚洲国产色片| 欧美日韩一区二区视频在线观看视频在线| 国产1区2区3区精品| 国产日韩欧美在线精品| 精品一区二区三区四区五区乱码 | 蜜桃国产av成人99| 亚洲精品日韩在线中文字幕| www日本在线高清视频| 久久久久久久久久久免费av| 久久久久久久精品精品| 亚洲人成网站在线观看播放| 国产精品人妻久久久影院| 精品一区二区三区视频在线| 国产有黄有色有爽视频| 最近中文字幕高清免费大全6| 宅男免费午夜| 久久久国产一区二区| 亚洲国产毛片av蜜桃av| 视频区图区小说| 亚洲国产成人一精品久久久| 大香蕉久久成人网| 少妇人妻精品综合一区二区| 精品熟女少妇av免费看| 国产成人精品无人区| 丝袜人妻中文字幕| 2021少妇久久久久久久久久久| 免费大片黄手机在线观看| 丝袜人妻中文字幕| av电影中文网址| av有码第一页| 久久青草综合色| 日韩在线高清观看一区二区三区| 久久人人爽人人爽人人片va| 精品亚洲成国产av| 99香蕉大伊视频| 国产精品一二三区在线看| 亚洲精品视频女| 9热在线视频观看99| 美女脱内裤让男人舔精品视频| 91精品伊人久久大香线蕉| 十八禁网站网址无遮挡| 男女国产视频网站| 国产亚洲精品第一综合不卡 | a级毛色黄片| 亚洲精品自拍成人| 国产精品久久久久久精品电影小说| 亚洲第一区二区三区不卡| 一二三四中文在线观看免费高清| 欧美97在线视频| 桃花免费在线播放| 亚洲国产成人一精品久久久| 日本av免费视频播放| 欧美丝袜亚洲另类| 国产精品国产三级专区第一集| 亚洲欧美一区二区三区国产| 亚洲av日韩在线播放| 丝袜美足系列| 人人妻人人澡人人爽人人夜夜| 国精品久久久久久国模美| 亚洲国产日韩一区二区| 丰满迷人的少妇在线观看| 日韩精品免费视频一区二区三区 | 免费黄色在线免费观看| 精品福利永久在线观看| 色婷婷久久久亚洲欧美| 免费观看av网站的网址| 午夜老司机福利剧场| 色网站视频免费| 精品久久久精品久久久| 波野结衣二区三区在线| 高清不卡的av网站| 热99久久久久精品小说推荐| 男女边吃奶边做爰视频| 精品视频人人做人人爽| 精品久久蜜臀av无| 日本91视频免费播放| av免费在线看不卡| 丁香六月天网| 亚洲成国产人片在线观看| 国产一区有黄有色的免费视频| 七月丁香在线播放| 女的被弄到高潮叫床怎么办| 免费观看a级毛片全部| 欧美 日韩 精品 国产| 最黄视频免费看| 高清毛片免费看| 国产一区二区在线观看av| 精品人妻一区二区三区麻豆| 成人国语在线视频| 巨乳人妻的诱惑在线观看| 国产一区亚洲一区在线观看| 国产日韩欧美在线精品| 国产男女内射视频| 久久久精品免费免费高清| √禁漫天堂资源中文www| 80岁老熟妇乱子伦牲交| www.熟女人妻精品国产 | 国产男人的电影天堂91| 精品国产一区二区三区四区第35| 国产欧美另类精品又又久久亚洲欧美| 久久国产精品男人的天堂亚洲 | 国产av一区二区精品久久| 国产片内射在线| 中国美白少妇内射xxxbb| 久久综合国产亚洲精品| 欧美日本中文国产一区发布| 男男h啪啪无遮挡| 亚洲成色77777| 又黄又粗又硬又大视频| 男女下面插进去视频免费观看 | 亚洲激情五月婷婷啪啪| 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| av福利片在线| 亚洲少妇的诱惑av| 大码成人一级视频| 精品一区二区三卡| √禁漫天堂资源中文www| 亚洲人成网站在线观看播放| 免费大片18禁| 久久久国产精品麻豆| 我要看黄色一级片免费的| 成人毛片a级毛片在线播放| 亚洲精品成人av观看孕妇| 如日韩欧美国产精品一区二区三区| 亚洲国产成人一精品久久久| 色婷婷av一区二区三区视频| 国产高清三级在线| 日本猛色少妇xxxxx猛交久久| 午夜免费观看性视频| 制服人妻中文乱码| 日本黄色日本黄色录像| 亚洲高清免费不卡视频| 午夜福利在线观看免费完整高清在| 亚洲精品日本国产第一区| 男女边摸边吃奶| 亚洲av综合色区一区| 亚洲欧美成人综合另类久久久| 男人舔女人的私密视频| 女人精品久久久久毛片| 美女中出高潮动态图| 丰满乱子伦码专区| 不卡视频在线观看欧美| 欧美日韩国产mv在线观看视频| 男女下面插进去视频免费观看 | 免费高清在线观看视频在线观看| 妹子高潮喷水视频| 国产国语露脸激情在线看| 亚洲第一av免费看| 国产片内射在线| 久久久久久久久久成人| av卡一久久| 亚洲欧美精品自产自拍| 久久精品夜色国产| 美女主播在线视频| 日本91视频免费播放| √禁漫天堂资源中文www| 欧美+日韩+精品| 精品少妇内射三级| 亚洲第一区二区三区不卡| 亚洲欧美一区二区三区国产| 成人黄色视频免费在线看| 97在线人人人人妻| 大片电影免费在线观看免费| 尾随美女入室| 18禁在线无遮挡免费观看视频| 大话2 男鬼变身卡| av女优亚洲男人天堂| 国产精品国产三级专区第一集| 晚上一个人看的免费电影| 国产欧美另类精品又又久久亚洲欧美| 日韩一区二区视频免费看| 黄色怎么调成土黄色| 99精国产麻豆久久婷婷| 一二三四在线观看免费中文在 | 91在线精品国自产拍蜜月| 90打野战视频偷拍视频| 欧美国产精品va在线观看不卡| 男女边摸边吃奶|