• <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 ?

    一種復雜場景下的視頻流人臉隱私保護技術

    2021-02-01 11:56:42張馳陸曄羅渝平孫曉凱祝涵珂
    電信科學 2021年1期
    關鍵詞:視頻流馬賽克人臉

    張馳,陸曄,羅渝平,孫曉凱,祝涵珂

    (中國電信股份有限公司上海分公司,上海200122)

    1 引言

    當前,社會治安形勢日趨復雜,傳統(tǒng)的治安防控措施已經(jīng)難以滿足現(xiàn)實需求。中央已將公共安全視頻監(jiān)控系統(tǒng)建設納入“十三五”規(guī)劃和國家安全保障能力建設規(guī)劃,開展“雪亮工程”建設。在視頻監(jiān)控廣泛覆蓋的背景之下,隨著電信轉(zhuǎn)型業(yè)務的發(fā)展,在智慧園區(qū)、樓宇等產(chǎn)品中,越來越多的產(chǎn)品嵌入園區(qū)、樓宇等內(nèi)部視頻流,助力用戶第一時間發(fā)現(xiàn)問題,實時掌握現(xiàn)場情況。但許多監(jiān)控視頻中有大量人臉信息,存在生物識別ID 乃至關聯(lián)的身份、位置等個人信息暴露的可能,不僅存在一定的法律風險[1],也存在被不法分子利用的可能性。因此,在非必要場合,應對實時監(jiān)控視頻中的人臉使用馬賽克進行處理,規(guī)避相關的風險。

    傳統(tǒng)的視頻流人臉隱私保護技術一般分為3 個步驟:

    (1)將視頻流分解為圖片序列;

    (2)對圖片序列中每一幀圖片進行人臉檢測并使用馬賽克替換;

    (3)將處理過的圖片序列重新編碼為指定格式的視頻流。

    通常使用例如OpenCV[2]等開源工具箱從視頻源讀取一幀圖片,然后通過人臉檢測算法對圖片進行檢測,對檢測到的人臉進行處理,輸出分組視頻流然后再讀取下一幀圖片,以此往復。這種做法對人臉檢測和處理的性能提出比較高的要求,處理一幀圖片的時間上限取決于視頻流的每秒幀數(shù),處理時間過長會導致視頻嚴重卡頓。在許多場景下比如人臉較多時處理耗時增加不可避免,這便對人臉檢測算法模型的性能提出了比較高的要求,限制了復雜而精確模型的發(fā)揮,導致技術進步困難,算法精度存在瓶頸。另外在網(wǎng)絡條件相對不穩(wěn)定出現(xiàn)輕微波動時,該方法會因為無法及時讀取視頻流而導致輸出視頻流的卡頓,對網(wǎng)絡波動抵抗力較差。

    傳統(tǒng)的視頻流人臉隱私保護技術[3]中人臉檢測技術主要分為兩種:手動檢測和半自動檢測。手動檢測一般通過一定技術手段將視頻流拆解為圖片序列,然后對于每一張圖片,通過人工對其中的人臉使用馬賽克算法進行覆蓋,然后再將圖片序列整合為視頻。該方式人臉檢測召回率極高,打碼位置一般也較為精確,但基本無法做到實時打碼,人工成本高,不能滿足對實時性存在要求的業(yè)務需求。半自動打碼通常使用傳統(tǒng)機器學習的方法定位人臉,通過馬賽克算法、差分算法等對檢測到的人臉進行處理[4-5]。傳統(tǒng)的人臉檢測算法通?;谀0迤ヅ浞ɑ蚴褂肏aar-like[6]等傳統(tǒng)機器學習特征結合分類器Ada-boost[7]或者SVM[8]等分類器對視頻中的人臉進行檢測和定位。該類算法優(yōu)點是檢測速度較快、開銷較小、檢測效率較高,但對人臉的位置、角度要求極高,受亮度、光線影響較大,在例如監(jiān)控場景等非配合式場景下效果不佳。然而在人臉隱私保護應用中,如果存在較多的漏打,會直接導致部分人臉直接暴露在公眾視野之下,人臉隱私保護的效果便蕩然無存。換而言之,人臉隱私保護應用對人臉檢測算法的要求更偏重于召回率,要盡量減少漏打現(xiàn)象的出現(xiàn),對于把非人臉識別為人臉的誤打現(xiàn)象存在一定的包容性。所以傳統(tǒng)人臉檢測算法只能做到替代部分人工,仍需要對整個視頻進行人工復核。這一點直接導致傳統(tǒng)人臉檢測算法不能勝任人臉隱私保護應用中人臉檢測的工作。

    目前主流的人臉檢測算法主要研究推進方向多為提高算法的準確率,對于召回率的提高一般放在次要位置,本文嘗試使用目前先進的基于深度學習框架的人臉檢測算法——多任務卷積神經(jīng)網(wǎng)絡(multi-task convolutional neural network,MTCNN)[9]并進行了測試,雖然在正臉檢測上取得了良好的效果,但在側臉的檢測上效果不佳,當行人臉部位置、姿態(tài)發(fā)生變化的時候檢測不穩(wěn)定,漏檢率很高,在對人臉檢測算法召回率要求較高的復雜場景下,隱私保護效果大打折扣。針對以上問題,本文通過將檢測任務進行拆分,提出了一種融合人臉檢測算法MTCNN 和物體檢測算法YOLOv3[10]的融合檢測模型來提高復雜場景下的人臉檢測召回率,其中MTCNN 用于對人臉正臉進行檢測,自訓練的YOLOv3 模型用于對人臉側臉、背對鏡頭等姿態(tài)進行檢測,極大地提高了人臉檢測召回率。并針對視頻流檢測任務,利用視頻流幀間關聯(lián)特性,通過前置幀關聯(lián)檢測方法進一步降低人臉檢測不穩(wěn)定的現(xiàn)象,提高了算法的穩(wěn)健性。

    2 基于深度學習的人臉檢測算法

    多任務卷積神經(jīng)網(wǎng)絡是目前主流的基于深度學習的人臉檢測算法,相對于傳統(tǒng)人臉檢測方法有著巨大的技術進步,效果也有著巨大的提升。它將人臉區(qū)域檢測與人臉關鍵點檢測放在一起,總體可分為P-Net、R-Net 和O-Net 三層網(wǎng)絡結構。它是2016年中國科學院深圳光通技術研究院提出的用于人臉檢測任務的多任務神經(jīng)網(wǎng)絡模型[9],該模型主要采用了3 個級聯(lián)的網(wǎng)絡,采用候選框架分類器的思想,進行快速高效的人臉檢測。這3 個級聯(lián)的網(wǎng)絡分別是快速生成候選窗口的P-Net、進行高精度候選窗口過濾選擇的R-Net 和生成最終邊界框與人臉關鍵點的O-Net。與很多處理圖像問題的卷積神經(jīng)網(wǎng)絡模型相同,該模型也用到了圖像金字塔、邊框回歸、非最大值抑制等技術。

    首先將圖像進行不同尺度的變換,構建圖像金字塔,以適應不同大小的人臉進行檢測。

    P-Net 全稱為Proposal Network,其基本的構造如圖1 所示。對上一步構建完成的圖像金字塔,通過卷積神經(jīng)網(wǎng)絡進行初步特征提取與標定邊框,并通過邊框回歸(bounding-box regression)調(diào)整候選框定位,通過非極大值抑制進行大部分候選框的過濾。P-Net將圖像輸入3個卷積層之后,通過一個人臉分類器判斷該區(qū)域是否是人臉,同時使用邊框回歸和一個面部關鍵點的定位器來得到人臉區(qū)域的初步定位,該部分最終將輸出很多張可能存在人臉的候選框,并輸入R-Net 進行進一步處理。

    圖1 P-Net 的基本構造

    R-Net 全稱為Refine Network,其基本的構造是一個卷積神經(jīng)網(wǎng)絡,如圖2 所示。與第一層的P-Net 相比,增加了一個全連接層,因此對于輸入數(shù)據(jù)的篩選會更加嚴格。R-Net 會濾除大量效果比較差的候選框,最后對選定的候選框通過邊框回歸和非極大值抑制進一步優(yōu)化預測結果。

    圖2 R-Net 架構

    因為P-Net 的輸出只是具有一定可信度的可能的人臉區(qū)域,在這個網(wǎng)絡中,將對輸入進行細化選擇,且舍去大部分的錯誤輸入,并再次使用邊框回歸和面部關鍵點定位器進行人臉區(qū)域的邊框回歸和關鍵點定位,最后將輸出較為可信的人臉區(qū)域,供O-Net 使用。與P-Net 使用全卷積輸出的1×1×32 的特征對比,R-Net 在最后一個卷積層之后使用了一個包含128 個節(jié)點的全連接層,保留了更多的圖像特征,準確率也優(yōu)于P-Net。

    O-Net 全稱為Output Network,基本構造是一個較為復雜的卷積神經(jīng)網(wǎng)絡,相對于R-Net 來說多了一個卷積層,O-Net 架構如圖3 所示。O-Net的效果與R-Net 的區(qū)別在于這一層結構會通過更多的監(jiān)督來識別面部的區(qū)域,而且會對人的面部特征點進行回歸,最終輸出5 個人臉面部特征點。

    O-Net 是一個更復雜的卷積網(wǎng)絡,該網(wǎng)絡的輸入特征更多,在網(wǎng)絡結構的最后是一個更大的具有256 個節(jié)點的全連接層,從而保留了更多的圖像特征。之后再進行人臉判別、邊框回歸和面部關鍵點定位,得到人臉區(qū)域的左上角坐標和右下角坐標與人臉區(qū)域的5 個特征點,作為網(wǎng)絡模型的最終輸出。

    3 基于目標檢測的非正臉檢測算法

    在復雜場景下,行人的人臉姿態(tài)和角度存在著非常多的變化,人臉在監(jiān)控視頻中經(jīng)常只有側臉,或者可能只能拍到行人的頭頂。目前主流的人臉檢測算法MTCNN 對于人臉的仰角俯角、左右旋轉(zhuǎn)角度都有一定的限制要求,非正臉損失了太多的人臉信息導致人臉特征點無法計算,目前來看通過對人臉檢測算法進行改進提升對非正臉的檢測召回率相對比較困難,是業(yè)界目前尚未完全解決的難題,所以本文認為應將非正臉的檢測作為與正臉檢測截然不同的問題進行處理??紤]到行人在視頻流中的位置、姿態(tài)、角度多種多樣,為確保人臉隱私保護的召回率,側臉、頭頂、后腦等各個非正臉的角度都有檢測的必要,即對人頭的各個角度進行檢測,非正臉檢測問題便歸結為了對人頭的檢測問題。人頭作為一個形態(tài)特征比較明確的物體,可以通過目標檢測算法解決人頭檢測問題。

    基于以上考慮,本文將人臉檢測模型拆分為正臉檢測和非正臉檢測兩個部分。對于非正臉檢測,使用兼顧性能和效率的目標檢測模型YOLOv3 訓練人頭模型用于檢測視頻流中的非正臉。雖然該人頭檢測模型通過訓練除了非正臉以外也可以對正臉進行檢測,但考慮人臉檢測算法MTCNN在正臉檢測上無論是準確率、召回率還是性能均全面優(yōu)于自訓練模型,最終采取算法實現(xiàn)方案為使用人臉檢測算法MTCNN 對正臉進行檢測,使用自訓練目標檢測模型YOLOv3 對非側臉進行檢測,二者檢測結果的并集作為當前幀的人臉檢測結果。

    YOLOv3 是現(xiàn)在常用的一種目標物體檢測算法。在基本的圖像特征提取方面,YOLOv3 采用了稱之為Darknet-53 的網(wǎng)絡結構(含有53 個卷積層),它借鑒了殘差網(wǎng)絡的做法,在一些層之間設置了快捷鏈路。

    YOLOv3 采用了3 個不同尺度的特征圖來進行對象檢測,可以有效提升復雜場景下各種大小物體檢測的準確率。卷積網(wǎng)絡在79 層后,會通過多個不同尺度的卷積層得到多種檢測結果,卷積層的大小為原始輸入圖像的1/1 024,即如果原始輸入大小是416×416,這里的特征圖就是13×13。由于下采樣倍數(shù)高,這里特征圖的感受野(receptive field)比較大,因此適合檢測圖像中尺寸比較大的對象。

    為了實現(xiàn)細粒度的檢測,第79 層的特征圖又開始作上采樣(從79 層往右開始上采樣卷積),然后與第61 層特征圖融合,這樣得到第91 層較細粒度的特征圖,同樣經(jīng)過幾個卷積層后得到相對輸入圖像16 倍下采樣的特征圖。它具有中等尺度的感受野,適合檢測中等尺度的對象。

    最后,第91 層特征圖再次上采樣,并與第36 層特征圖融合,最后得到相對輸入圖像8 倍下采樣的特征圖。它的感受野最小,適合檢測小尺寸的對象。

    隨著輸出的特征圖的數(shù)量和尺度的變化,先驗框的尺寸也需要相應的調(diào)整。YOLOv3 采用K-means 聚類得到先驗框的尺寸,為每種下采樣尺度設定3 種先驗框,總共聚類出9 種尺寸的先驗框。在COCO 數(shù)據(jù)集[11]實驗這9 個先驗框分別是:(10×13)、(16×30)、(33×23)、(30×61)、(62×45)、(59×119)、(116×90)、(156×198)、(373×326)。

    在最小的13×13 特征圖上(有最大的感受野)應用較大的先驗框(116×90)、(156×198)、(373×326),適合檢測較大的對象。中等的26×26特征圖上(中等感受野)應用中等的先驗框(30×61)、(62×45)、(59×119),適合檢測中等大小的對象。較大的52×52 特征圖上(較小的感受野)應用較小的先驗框(10×13)、(16×30)、(33×23),適合檢測較小的對象。特征圖、感受野與先驗框?qū)闆r見表1。

    YOLOv3 借鑒了殘差網(wǎng)絡結構,形成更深的網(wǎng)絡層次以及多尺度檢測,提升了mAP 及小物體檢測效果。如果采用COCO 數(shù)據(jù)集上50%重疊度下平均準確率(COCO mAP50)做評估指標,在精確度相當?shù)那闆r下,YOLOv3 的速度是其他模型的3~4 倍。

    表1 特征圖、感受野與先驗框?qū)那闆r

    4 前置幀關聯(lián)檢測方法

    雖然在融合了人臉檢測和人頭檢測算法以后,本文的方法在圖片數(shù)據(jù)集上取得了良好的檢測效果。但在實際復雜場景的視頻流中,行人的移動、姿態(tài)變化、光線變化等各種不可控因素,導致算法模型人臉檢測的穩(wěn)健性依然不高,在對連續(xù)幀的檢測中依然會存在某些幀中的某些人臉的漏檢,反映在輸出視頻流上是人臉上的馬賽克時斷時續(xù),隱私保護效果依然不夠理想。

    針對這個問題,利用視頻流時序信息,提出了一種通過前置幀進行關聯(lián)檢測的改進方法。一般而言,本文可以假設行人不會從視頻流中憑空出現(xiàn)或者消失,而且行人的移動速度并不會太快。所以對于一個行人而言,他在視頻流中的移動速度將和他的人臉隱私保護馬賽克一同連續(xù)運動,在相鄰幾幀這種很短的時間內(nèi),位置并不應發(fā)生較大位移或者憑空消失。如果某一幀中某個人臉馬賽克并非在屏幕邊緣但突然消失了,大概率是這一幀發(fā)生了漏檢,這時可以使用幾幀以內(nèi)上一次人臉馬賽克出現(xiàn)的位置作為本幀應打馬賽克位置的預測。在本文的測試中,設置閾值為10 幀以內(nèi)。融合人臉檢測模型、人頭檢測模型和前置幀關聯(lián)檢測方法的多檢測模型流程如圖4 所示。

    整個人臉檢測流程將分兩個線程進行。

    · 線程一負責對圖片幀進行人臉檢測定位并進行馬賽克處理,然后將處理后的圖片幀輸出到檢測結果資源池中進行緩存;

    · 線程二負責根據(jù)時序和預設的幀率等參數(shù)

    從資源池中抽取圖片幀進行輸出。

    雙線程架構形成了內(nèi)部緩沖架構,當線程一因為間歇性輸入視頻流卡頓或者部分圖片幀由于人臉較多等原因檢測較慢的時候,可以維持線程二圖片幀輸出的穩(wěn)定,保障視頻流的平穩(wěn)輸出。

    在線程一中,本文首先使用自訓練物體檢測模型來對非正臉人頭進行檢測并進行馬賽克處理,然后使用人臉檢測模型對圖片幀進行人臉檢測并標記位置,然后與前置幀的標記區(qū)域進行合并,得到本文圖片幀的所有標記區(qū)域并進行馬賽克處理,處理后的圖片幀將輸入檢測結果資源池中。然后自訓練人頭檢測模型和人臉檢測模型的合并結果,如果不為空值,將作為新的前置幀檢測結果應用于后續(xù)幀檢測。如果連續(xù)10 幀均為空值,本文認為畫面中確實沒有需要馬賽克的人臉,將清空前置幀檢測結果。

    圖4 多檢測模型流程

    5 實驗與分析

    在實驗中,本文對所提算法框架進行了測試,并與其他兩個傳統(tǒng)的人臉檢測模型——基于Haar-like 特征和Ada-boost 的傳統(tǒng)人臉檢測模型、基于深度學習的人臉檢測模型MTCNN進行了對比。其中傳統(tǒng) Haar-like 特征結合Ada-boost 分類器的模型已集成在OpenCV 工具箱中[12],MTCNN 使用默認預訓練權重,本文算法中物體檢測模型YOLOv3 使用自建人頭數(shù)據(jù)集進行訓練。自建人頭數(shù)據(jù)集分為兩個部分:一部分為通過開源數(shù)據(jù)集獲取具有人頭的圖片數(shù)據(jù),場景多為教室等室內(nèi)場景;另一部分通過在部分實際監(jiān)控場景中進行采集,多為室外場景。人臉打碼算法采用均值濾波算法,效果如圖5 所示。

    圖5 均值濾波人臉打碼效果

    模型的優(yōu)劣通常通過準確率和召回率兩個指標來進行評價,準確率和召回率按式(1)和式(2)進行計算:

    本文準備了一段1 min 時長的視頻流并分別用上述3 個模型進行人臉隱私保護處理,得到3 段處理過的視頻流。然后從1 min 內(nèi)隨機抽取了100 個時間點并分別從3 段視頻流中抽取對應時間點圖片作為測試集。每段視頻流抽取100 張圖片,其中共有337 個真實人臉。在計算準確率和召回率的時候,模型計算的人臉定位坐標和實際人臉定位坐標的重疊度閾值設定為50%,即當模型檢測人臉定位框與實際人臉定位框重疊度高于50%時認定模型檢測正確,小于50%認定為不正確。3 種模型在實驗測試集上測試結果見表2。

    可以看出3 種方法在準確率上取得了比較接近的效果,幾乎全部的預測框都是正確的。但是在召回率上,傳統(tǒng)Haar-like 特征的表現(xiàn)較差,基本只能檢測出正對攝像頭且比較完整的人臉,基本不具備實用價值。基于深度學習的MTCNN 算法相較于傳統(tǒng)方法在人臉檢測召回率上有了極大的提升,但總體而言檢測效果也不盡如人意,雖然對人臉的各種姿態(tài)變化具有一定的穩(wěn)健性,但對于測試集中在實際監(jiān)控場景下經(jīng)常出現(xiàn)的側臉或者低頭并不能很好地檢測,在人臉轉(zhuǎn)正或者抬起頭的時候也無法在人臉即將可以被人眼辨識的時候及時把馬賽克打上,依然存在人臉隱私泄露的風險。而本文多檢測模型在設計上將人臉隱私保護任務進行了細化,劃分為正臉檢測的人臉檢測任務和非正臉的物體檢測任務,并利用視頻流圖片幀相互關聯(lián)的特性對檢測結果進行優(yōu)化,在復雜場景視頻流中檢測效果取得了極大的提升,召回率相較于只使用人臉檢測算法提高532%。

    表2 3 種算法模型準確率與召回率比較

    6 結束語

    在實驗中,本文分別對基于傳統(tǒng)方法和深度學習的人臉檢測算法在基于監(jiān)控視頻場景的人臉隱私保護應用中的準確率和召回率進行了測試。實驗表明,以上兩種算法在準確率上表現(xiàn)均比較優(yōu)秀,但由于監(jiān)控場景中人臉姿態(tài)、角度變化相對復雜,兩種算法在召回率指標上均表現(xiàn)不佳,不能很好地滿足人臉隱私保護應用對于高召回率的要求,無法滿足實際應用要求。針對以上問題,本文提出的結合人臉檢測和目標檢測的多檢測模型并結合前置幀關聯(lián)檢測方法有效解決了人臉姿態(tài)、角度變化大的檢測問題,大幅度提高了檢測召回率,極大降低了馬賽克漏打現(xiàn)象的出現(xiàn),為人臉隱私保護應用落地商用往前邁進了一大步。

    在實驗中,本文發(fā)現(xiàn)部分行人因為佩戴帽子或者口罩,系統(tǒng)在進行檢測的時候存在一定困難,對在視頻的邊緣部分出現(xiàn)的行人或者由于前后遮擋導致的不完整人臉檢測效果也不是很穩(wěn)定。分析原因本文認為是在組織訓練數(shù)據(jù)訓練非正臉模型的時候?qū)σ陨项悇e的數(shù)據(jù)收集過少,在以上情景下模型訓練不夠充分。在未來考慮將進一步通過豐富訓練數(shù)據(jù)集,并通過隨機擦除增強技術[13]進一步增加數(shù)據(jù)種類,提升模型對于不完整人臉的檢測效果,降低模型在各種情景下的漏檢現(xiàn)象。

    猜你喜歡
    視頻流馬賽克人臉
    馬賽克瓶花
    邊緣實時視頻流分析系統(tǒng)配置動態(tài)調(diào)整算法研究
    有特點的人臉
    基于視頻流傳輸中的擁塞控制研究
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    《馬賽克》
    赴美留學,這些會被“打馬賽克”的東西別帶了!
    僑園(2016年5期)2016-12-01 05:23:49
    美國視頻流市場首現(xiàn)飽和征兆
    馬面部與人臉相似度驚人
    長得象人臉的十種動物
    奇聞怪事(2014年5期)2014-05-13 21:43:01
    国产精品永久免费网站| 69精品国产乱码久久久| 久久久久久久精品吃奶| 91国产中文字幕| 日本在线视频免费播放| 一级毛片精品| 91精品国产国语对白视频| 国产麻豆成人av免费视频| 最新在线观看一区二区三区| www.精华液| 亚洲成av人片免费观看| 长腿黑丝高跟| 国产一区二区激情短视频| 19禁男女啪啪无遮挡网站| 亚洲欧美日韩无卡精品| 欧美老熟妇乱子伦牲交| 免费看十八禁软件| 美女扒开内裤让男人捅视频| 亚洲欧美精品综合一区二区三区| 美女午夜性视频免费| 国产亚洲精品久久久久5区| 国内精品久久久久久久电影| 99久久99久久久精品蜜桃| 久久久久久人人人人人| 成人亚洲精品一区在线观看| 欧美成人性av电影在线观看| 欧美中文综合在线视频| 亚洲人成网站在线播放欧美日韩| 国产成年人精品一区二区| 高清毛片免费观看视频网站| 午夜免费鲁丝| 亚洲一区二区三区色噜噜| 黄片小视频在线播放| 一边摸一边抽搐一进一小说| 亚洲第一电影网av| 久热爱精品视频在线9| 日本 av在线| 亚洲黑人精品在线| 正在播放国产对白刺激| 久久婷婷成人综合色麻豆| 人人妻人人爽人人添夜夜欢视频| 欧美日韩一级在线毛片| 看黄色毛片网站| 午夜精品国产一区二区电影| 嫩草影院精品99| 亚洲欧美激情综合另类| 色老头精品视频在线观看| 久久国产精品男人的天堂亚洲| 免费观看人在逋| 亚洲免费av在线视频| 亚洲av片天天在线观看| 亚洲自拍偷在线| 男女之事视频高清在线观看| 欧美国产日韩亚洲一区| 亚洲欧美日韩另类电影网站| 99国产精品免费福利视频| 久久午夜亚洲精品久久| 中文字幕高清在线视频| 精品久久久久久,| 丝袜美腿诱惑在线| 熟女少妇亚洲综合色aaa.| 少妇熟女aⅴ在线视频| 国产成人系列免费观看| 18美女黄网站色大片免费观看| 日韩欧美在线二视频| 一二三四在线观看免费中文在| 亚洲片人在线观看| 午夜精品在线福利| 波多野结衣巨乳人妻| 亚洲全国av大片| 亚洲无线在线观看| 亚洲免费av在线视频| 欧美乱色亚洲激情| 午夜福利一区二区在线看| a级毛片在线看网站| 在线播放国产精品三级| 欧美日韩黄片免| 中文字幕人妻丝袜一区二区| 日本一区二区免费在线视频| 亚洲专区字幕在线| 色综合亚洲欧美另类图片| 一级片免费观看大全| 午夜成年电影在线免费观看| 色哟哟哟哟哟哟| 久久久水蜜桃国产精品网| 亚洲色图 男人天堂 中文字幕| 人妻久久中文字幕网| 成人三级做爰电影| 国产成人啪精品午夜网站| 成人精品一区二区免费| 国产伦一二天堂av在线观看| 少妇 在线观看| 午夜影院日韩av| 欧美黑人欧美精品刺激| 男女之事视频高清在线观看| 69精品国产乱码久久久| 可以免费在线观看a视频的电影网站| 人人澡人人妻人| 欧美性长视频在线观看| 999久久久精品免费观看国产| 欧美av亚洲av综合av国产av| 天堂√8在线中文| 日韩av在线大香蕉| 国产极品粉嫩免费观看在线| 日本在线视频免费播放| 精品久久久精品久久久| 女同久久另类99精品国产91| 97碰自拍视频| 88av欧美| 琪琪午夜伦伦电影理论片6080| 黄片小视频在线播放| 亚洲片人在线观看| 亚洲欧美日韩无卡精品| 天天躁夜夜躁狠狠躁躁| 精品一区二区三区视频在线观看免费| 国产精品国产高清国产av| 国产熟女xx| 黑人欧美特级aaaaaa片| 精品欧美一区二区三区在线| 波多野结衣一区麻豆| 一夜夜www| 男女床上黄色一级片免费看| 国产成人系列免费观看| 成人特级黄色片久久久久久久| 久久精品国产综合久久久| 久久久国产成人精品二区| 一边摸一边抽搐一进一小说| 亚洲无线在线观看| 宅男免费午夜| 日本欧美视频一区| 天天添夜夜摸| 亚洲国产精品成人综合色| 日韩有码中文字幕| 国产aⅴ精品一区二区三区波| 十八禁人妻一区二区| 亚洲精品美女久久av网站| 日韩欧美免费精品| 亚洲精品中文字幕一二三四区| 99久久久亚洲精品蜜臀av| 人人妻人人澡欧美一区二区 | 精品欧美国产一区二区三| 久99久视频精品免费| 性欧美人与动物交配| 国产aⅴ精品一区二区三区波| 色播在线永久视频| 岛国在线观看网站| 侵犯人妻中文字幕一二三四区| 国产午夜福利久久久久久| 此物有八面人人有两片| 久久精品国产清高在天天线| 黄色视频,在线免费观看| 国产精品美女特级片免费视频播放器 | 免费看a级黄色片| 亚洲熟妇中文字幕五十中出| 日韩高清综合在线| 欧洲精品卡2卡3卡4卡5卡区| 国产亚洲精品一区二区www| 亚洲国产欧美日韩在线播放| 亚洲av第一区精品v没综合| av超薄肉色丝袜交足视频| 久久久久久亚洲精品国产蜜桃av| 可以在线观看毛片的网站| 午夜两性在线视频| 国产精品香港三级国产av潘金莲| 国内毛片毛片毛片毛片毛片| 久99久视频精品免费| 欧美久久黑人一区二区| 色播在线永久视频| 久久精品国产综合久久久| 9191精品国产免费久久| 热re99久久国产66热| 波多野结衣巨乳人妻| 啦啦啦韩国在线观看视频| 精品国产乱子伦一区二区三区| 两个人看的免费小视频| 午夜久久久久精精品| 国产精品 欧美亚洲| 久久久久国产一级毛片高清牌| 欧美黄色淫秽网站| 亚洲国产中文字幕在线视频| 久久国产精品人妻蜜桃| 免费在线观看日本一区| 亚洲 欧美一区二区三区| 久久国产亚洲av麻豆专区| 精品卡一卡二卡四卡免费| 国产99白浆流出| 国产91精品成人一区二区三区| 1024视频免费在线观看| 99久久综合精品五月天人人| 精品一区二区三区av网在线观看| 久久精品亚洲熟妇少妇任你| 亚洲精品中文字幕在线视频| 一a级毛片在线观看| 久久久久久国产a免费观看| 老鸭窝网址在线观看| 女人被狂操c到高潮| 看黄色毛片网站| 欧美一区二区精品小视频在线| 国产私拍福利视频在线观看| 免费高清在线观看日韩| 午夜福利视频1000在线观看 | 一区福利在线观看| 国产欧美日韩一区二区精品| 欧美性长视频在线观看| 十八禁网站免费在线| 两性夫妻黄色片| 国产麻豆69| 久久人妻福利社区极品人妻图片| 国产成人av教育| 制服人妻中文乱码| 香蕉久久夜色| 国产精品久久久人人做人人爽| 亚洲精品久久国产高清桃花| 九色国产91popny在线| 亚洲欧美日韩另类电影网站| 亚洲第一青青草原| 99香蕉大伊视频| 丝袜美足系列| 亚洲成人久久性| 一个人免费在线观看的高清视频| 99久久精品国产亚洲精品| 91在线观看av| 999久久久国产精品视频| 国产高清激情床上av| 在线免费观看的www视频| 这个男人来自地球电影免费观看| 亚洲成国产人片在线观看| 久久精品国产综合久久久| 乱人伦中国视频| 国产精品爽爽va在线观看网站 | 国产精品一区二区三区四区久久 | 国产午夜精品久久久久久| 国产精品日韩av在线免费观看 | 国产乱人伦免费视频| 男女下面进入的视频免费午夜 | 日本五十路高清| 天堂动漫精品| 久久九九热精品免费| 多毛熟女@视频| 亚洲午夜精品一区,二区,三区| 亚洲欧美日韩无卡精品| 欧美日韩乱码在线| 亚洲一区高清亚洲精品| 999精品在线视频| 久久久久久久精品吃奶| 又黄又粗又硬又大视频| 亚洲狠狠婷婷综合久久图片| 亚洲精品av麻豆狂野| 伊人久久大香线蕉亚洲五| 1024香蕉在线观看| 少妇 在线观看| 亚洲熟妇中文字幕五十中出| 性少妇av在线| 老司机深夜福利视频在线观看| 两个人免费观看高清视频| 久久精品91无色码中文字幕| 国产高清videossex| 男人舔女人的私密视频| 亚洲国产精品成人综合色| 欧美最黄视频在线播放免费| 亚洲美女黄片视频| 日韩av在线大香蕉| 久久人人爽av亚洲精品天堂| 麻豆久久精品国产亚洲av| 女生性感内裤真人,穿戴方法视频| tocl精华| 午夜免费鲁丝| 亚洲一区二区三区色噜噜| 久久精品国产清高在天天线| 久久香蕉激情| 国产亚洲精品av在线| 99国产精品免费福利视频| 免费久久久久久久精品成人欧美视频| 国产又爽黄色视频| 中文字幕色久视频| 人人妻人人澡欧美一区二区 | 麻豆成人av在线观看| av在线天堂中文字幕| 精品一区二区三区av网在线观看| 1024香蕉在线观看| 级片在线观看| 少妇被粗大的猛进出69影院| 日本三级黄在线观看| 亚洲国产精品sss在线观看| 一进一出抽搐动态| 纯流量卡能插随身wifi吗| 母亲3免费完整高清在线观看| 国产成+人综合+亚洲专区| 久久精品aⅴ一区二区三区四区| 真人一进一出gif抽搐免费| 无限看片的www在线观看| 亚洲男人天堂网一区| 别揉我奶头~嗯~啊~动态视频| 50天的宝宝边吃奶边哭怎么回事| 欧美日本亚洲视频在线播放| 电影成人av| 日日爽夜夜爽网站| 丁香欧美五月| 两性夫妻黄色片| 午夜福利影视在线免费观看| av视频免费观看在线观看| 后天国语完整版免费观看| 99精品在免费线老司机午夜| 午夜福利高清视频| 露出奶头的视频| 女警被强在线播放| 久久久久久久久中文| 此物有八面人人有两片| 久久中文字幕人妻熟女| 婷婷丁香在线五月| 久久精品91蜜桃| 久久久久久久久久久久大奶| 午夜激情av网站| 免费观看人在逋| 亚洲av成人一区二区三| 精品久久久久久久毛片微露脸| 亚洲 欧美一区二区三区| 美女高潮喷水抽搐中文字幕| xxx96com| 亚洲视频免费观看视频| 天堂影院成人在线观看| 亚洲激情在线av| www.精华液| 欧美在线黄色| 久久久久久亚洲精品国产蜜桃av| 久久欧美精品欧美久久欧美| 国产精品美女特级片免费视频播放器 | 免费无遮挡裸体视频| 午夜免费鲁丝| 12—13女人毛片做爰片一| 99在线人妻在线中文字幕| 国内精品久久久久久久电影| 99国产精品一区二区三区| 亚洲精品久久成人aⅴ小说| 又大又爽又粗| 精品国产乱子伦一区二区三区| 亚洲成人久久性| 免费观看人在逋| 亚洲精品国产一区二区精华液| 亚洲专区中文字幕在线| 在线观看免费午夜福利视频| 久久久久久人人人人人| 无人区码免费观看不卡| 神马国产精品三级电影在线观看 | 少妇熟女aⅴ在线视频| 好看av亚洲va欧美ⅴa在| 在线视频色国产色| 电影成人av| 我的亚洲天堂| 乱人伦中国视频| 黄频高清免费视频| 一卡2卡三卡四卡精品乱码亚洲| 一边摸一边抽搐一进一出视频| 亚洲男人天堂网一区| 女人被狂操c到高潮| 亚洲午夜精品一区,二区,三区| 亚洲av片天天在线观看| 精品久久久久久,| 日韩大码丰满熟妇| 日日摸夜夜添夜夜添小说| 国产私拍福利视频在线观看| 最新在线观看一区二区三区| 丝袜在线中文字幕| 国产高清有码在线观看视频 | 亚洲精品在线美女| 啦啦啦 在线观看视频| 最新在线观看一区二区三区| 亚洲欧美日韩另类电影网站| 国产欧美日韩精品亚洲av| 欧美在线一区亚洲| 日日爽夜夜爽网站| or卡值多少钱| 精品国产国语对白av| 成在线人永久免费视频| 亚洲最大成人中文| 亚洲aⅴ乱码一区二区在线播放 | 不卡av一区二区三区| 精品免费久久久久久久清纯| 手机成人av网站| 色播亚洲综合网| 亚洲精品一卡2卡三卡4卡5卡| 一级,二级,三级黄色视频| 国产精品1区2区在线观看.| 久久天躁狠狠躁夜夜2o2o| 亚洲欧美日韩另类电影网站| 久久午夜亚洲精品久久| 每晚都被弄得嗷嗷叫到高潮| 国产精品秋霞免费鲁丝片| 嫩草影视91久久| 欧美色欧美亚洲另类二区 | 高清在线国产一区| 精品乱码久久久久久99久播| 窝窝影院91人妻| 久久精品人人爽人人爽视色| 搡老熟女国产l中国老女人| 国产精品av久久久久免费| 免费在线观看视频国产中文字幕亚洲| av网站免费在线观看视频| 午夜激情av网站| 亚洲精品久久国产高清桃花| 亚洲精品国产区一区二| 午夜老司机福利片| 97人妻精品一区二区三区麻豆 | 午夜免费鲁丝| 精品久久久久久久毛片微露脸| 精品久久久精品久久久| 亚洲aⅴ乱码一区二区在线播放 | 亚洲色图av天堂| 色精品久久人妻99蜜桃| 欧美日韩黄片免| 欧美日韩一级在线毛片| 国产野战对白在线观看| 亚洲avbb在线观看| 亚洲av美国av| 99国产精品99久久久久| 18禁美女被吸乳视频| 老司机在亚洲福利影院| 国产精品 国内视频| 亚洲三区欧美一区| 一进一出抽搐动态| 丁香欧美五月| 日韩欧美国产在线观看| 国产午夜精品久久久久久| 在线国产一区二区在线| 日本a在线网址| 手机成人av网站| 十八禁人妻一区二区| 丝袜在线中文字幕| 国产97色在线日韩免费| avwww免费| 最近最新中文字幕大全电影3 | 日本免费a在线| 欧美不卡视频在线免费观看 | 人成视频在线观看免费观看| 日本黄色视频三级网站网址| 三级毛片av免费| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲国产精品久久男人天堂| 深夜精品福利| 99久久99久久久精品蜜桃| а√天堂www在线а√下载| 一级a爱视频在线免费观看| 成人手机av| 成人国产一区最新在线观看| 老司机福利观看| 国产蜜桃级精品一区二区三区| 国产成人av激情在线播放| 女性生殖器流出的白浆| 日韩国内少妇激情av| 电影成人av| 欧美日韩黄片免| 国内精品久久久久久久电影| 午夜影院日韩av| 一本久久中文字幕| 一级黄色大片毛片| 大型av网站在线播放| 老司机深夜福利视频在线观看| 久久精品人人爽人人爽视色| 亚洲色图综合在线观看| 日韩欧美一区二区三区在线观看| 夜夜夜夜夜久久久久| 999久久久国产精品视频| tocl精华| 亚洲人成网站在线播放欧美日韩| 欧美在线一区亚洲| 亚洲自偷自拍图片 自拍| 国产精品爽爽va在线观看网站 | 精品久久久精品久久久| 一个人观看的视频www高清免费观看 | 亚洲视频免费观看视频| 日日夜夜操网爽| 91av网站免费观看| 久久香蕉精品热| 18禁黄网站禁片午夜丰满| 一级a爱片免费观看的视频| 在线播放国产精品三级| 久久久久久久午夜电影| 又黄又爽又免费观看的视频| 后天国语完整版免费观看| 国产三级在线视频| 国产人伦9x9x在线观看| 国产成人精品在线电影| 国产精品99久久99久久久不卡| 波多野结衣一区麻豆| 老熟妇仑乱视频hdxx| 一区在线观看完整版| 悠悠久久av| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲人成电影免费在线| 在线观看www视频免费| 这个男人来自地球电影免费观看| 激情在线观看视频在线高清| 18禁美女被吸乳视频| 欧美乱色亚洲激情| 叶爱在线成人免费视频播放| 波多野结衣巨乳人妻| 在线天堂中文资源库| 夜夜躁狠狠躁天天躁| 亚洲熟妇熟女久久| 黄色毛片三级朝国网站| 国产黄a三级三级三级人| 韩国av一区二区三区四区| 久久天躁狠狠躁夜夜2o2o| 18禁观看日本| √禁漫天堂资源中文www| 国产欧美日韩精品亚洲av| 国产免费男女视频| 香蕉国产在线看| 亚洲自拍偷在线| 成人18禁高潮啪啪吃奶动态图| videosex国产| 国产精品98久久久久久宅男小说| 国产麻豆成人av免费视频| 亚洲片人在线观看| 麻豆一二三区av精品| 啪啪无遮挡十八禁网站| 大型黄色视频在线免费观看| 欧美一级毛片孕妇| 亚洲熟妇熟女久久| 老熟妇乱子伦视频在线观看| 可以在线观看的亚洲视频| 99re在线观看精品视频| 啦啦啦韩国在线观看视频| 两个人视频免费观看高清| 黄色 视频免费看| 老司机午夜福利在线观看视频| 99精品欧美一区二区三区四区| 咕卡用的链子| 国产亚洲av嫩草精品影院| 国产男靠女视频免费网站| 亚洲天堂国产精品一区在线| 丝袜美腿诱惑在线| 999久久久精品免费观看国产| 欧美中文日本在线观看视频| 十八禁网站免费在线| 欧美日韩瑟瑟在线播放| 操出白浆在线播放| 国产av一区二区精品久久| 亚洲av片天天在线观看| 久久久久九九精品影院| 久久国产乱子伦精品免费另类| 国产aⅴ精品一区二区三区波| 亚洲九九香蕉| 不卡一级毛片| 成熟少妇高潮喷水视频| 久久久久久国产a免费观看| 国产精品99久久99久久久不卡| 热99re8久久精品国产| 国产蜜桃级精品一区二区三区| 9191精品国产免费久久| 午夜福利视频1000在线观看 | 国产97色在线日韩免费| 国产成年人精品一区二区| 不卡av一区二区三区| 69精品国产乱码久久久| 国产主播在线观看一区二区| 亚洲av成人一区二区三| 禁无遮挡网站| 国产真人三级小视频在线观看| 日日爽夜夜爽网站| 最近最新免费中文字幕在线| 亚洲精品一区av在线观看| 国产精品一区二区免费欧美| 最近最新中文字幕大全免费视频| 又黄又爽又免费观看的视频| 99精品久久久久人妻精品| 国产主播在线观看一区二区| 9191精品国产免费久久| 青草久久国产| 亚洲第一av免费看| 久久 成人 亚洲| 视频在线观看一区二区三区| 久久久国产欧美日韩av| 脱女人内裤的视频| av超薄肉色丝袜交足视频| 婷婷精品国产亚洲av在线| 国产在线精品亚洲第一网站| 精品免费久久久久久久清纯| 一进一出抽搐gif免费好疼| 丰满人妻熟妇乱又伦精品不卡| 国产一区二区三区在线臀色熟女| 精品国产亚洲在线| 亚洲精品国产一区二区精华液| 亚洲av电影在线进入| 亚洲欧美精品综合一区二区三区| 制服诱惑二区| 神马国产精品三级电影在线观看 | 91精品三级在线观看| 真人做人爱边吃奶动态| 免费女性裸体啪啪无遮挡网站| 一边摸一边抽搐一进一出视频| a在线观看视频网站| 亚洲成人久久性| 日本撒尿小便嘘嘘汇集6| 日本欧美视频一区| 制服人妻中文乱码| 日韩三级视频一区二区三区| 在线观看舔阴道视频| 免费女性裸体啪啪无遮挡网站| 久久国产精品影院| 欧美日韩福利视频一区二区| 国产男靠女视频免费网站| www.熟女人妻精品国产| 国产一区二区三区综合在线观看| 欧美乱码精品一区二区三区| 免费搜索国产男女视频| 亚洲中文字幕一区二区三区有码在线看 | tocl精华| 国产亚洲精品第一综合不卡| 欧洲精品卡2卡3卡4卡5卡区| www.999成人在线观看| 亚洲午夜理论影院| 亚洲精华国产精华精| ponron亚洲| 欧美成人免费av一区二区三区|