• <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 ?

    基于超分辨率重建的低分辨率表情識(shí)別的研究

    2021-08-02 03:35:24潘沛生
    關(guān)鍵詞:低分辨率網(wǎng)絡(luò)結(jié)構(gòu)人臉

    王 玨,潘沛生

    (南京郵電大學(xué) 通信與信息工程學(xué)院,江蘇 南京 210003)

    0 引 言

    近年來,人臉表情識(shí)別技術(shù)在醫(yī)學(xué)研究、案件偵破、自動(dòng)駕駛等領(lǐng)域[1-2]有著廣泛的應(yīng)用。但受限于目前的監(jiān)控系統(tǒng),絕大多數(shù)都是遠(yuǎn)距離的場(chǎng)景下,獲得的人臉表情圖像是視覺模糊和小尺寸的,該文將這類圖像稱為低分辨率人臉表情圖像,這類圖像具有較少的表情特征,所以低分辨率的人臉表情識(shí)別是極其困難的。目前研究低分辨率人臉表情識(shí)別課題的方向較少,其中張靈等人[3]利用壓縮感知理論重建低分辨率疲勞表情圖像;李桂峰[4]采用基于塊和基于像素提出的正則化方法對(duì)低分辨率微表情圖像進(jìn)行處理。傳統(tǒng)算法重建的圖像會(huì)出現(xiàn)丟失細(xì)節(jié)、邊緣模糊的問題。研究表明,深度學(xué)習(xí)在圖像超分辨率重建[5-8]和識(shí)別領(lǐng)域[9-11]比傳統(tǒng)方法取得了更好的效果。針對(duì)上述問題,該文提出一種基于深度學(xué)習(xí)的超分辨率重建算法用于對(duì)低分辨率面部圖像進(jìn)行表情識(shí)別。

    1 算法框架

    提出的低分辨率人臉表情識(shí)別的系統(tǒng)流程如圖1所示。該算法主要包括兩個(gè)子網(wǎng)絡(luò):基于新的混合損失函數(shù)的超分辨率重建網(wǎng)絡(luò)和基于小尺度卷積核的人臉表情識(shí)別網(wǎng)絡(luò)。具體操作流程是:先將低分辨率人臉表情圖像輸入超分辨率重建網(wǎng)絡(luò)從而生成高分辨率人臉表情圖像,然后對(duì)該人臉表情圖像進(jìn)行特征提取并實(shí)現(xiàn)分類即表情識(shí)別。

    圖1 低分辨率人臉表情識(shí)別系統(tǒng)流程

    1.1 基于新的混合損失函數(shù)的超分辨率重建網(wǎng)絡(luò)

    該文基于深度學(xué)習(xí)的超分辨率重建網(wǎng)絡(luò)結(jié)構(gòu)[8]如圖2(a)所示,輸入的低分辨率圖像經(jīng)過卷積和32個(gè)相同的殘差網(wǎng)絡(luò)結(jié)構(gòu)疊加構(gòu)成殘差塊學(xué)習(xí)圖像特征,再進(jìn)行上采樣操作,然后得到重建后的高分辨率圖像。

    (a)超分辨率重建網(wǎng)絡(luò)結(jié)構(gòu) (b)殘差網(wǎng)絡(luò)結(jié)構(gòu)

    首先殘差網(wǎng)絡(luò)[8]的結(jié)構(gòu)如圖2(b)中右圖所示,對(duì)比原始的殘差塊(如圖2(b)左圖),該網(wǎng)絡(luò)結(jié)構(gòu)去掉了兩個(gè)批量歸一化操作(batch normalization,BN)和線性整流函數(shù)(ReLU)。因?yàn)?,BN[12]會(huì)對(duì)提取到的特征值進(jìn)行正則化處理,從而導(dǎo)致整個(gè)網(wǎng)絡(luò)的靈活性下降。

    其次,系統(tǒng)中對(duì)特征圖進(jìn)行上采樣,采用的方法是子像素卷積(shuffle)層[13]。該方法是隱含在卷積層中的,可以實(shí)現(xiàn)自主學(xué)習(xí),從而避免引入過多的人工因素的干擾,并且會(huì)提高算法效率。

    最后,為了生成更高質(zhì)量的人臉表情圖像,該文提出一種新的混合損失函數(shù)以減少重建后的人臉表情圖像與原始高分辨率人臉表情圖像的差距,其定義為:

    Lloss=αLsmooth L1+(1-α)LSSIM

    (1)

    其中,Lsmooth L1,LSSIM分別表示魯棒的L1型損失函數(shù)[7]和結(jié)構(gòu)相似性(structural similarity,SSIM)損失函數(shù)[14],α(0≤α<1)表示損失函數(shù)的權(quán)重。

    Lsmooth L1損失函數(shù)用于衡量像素的相似性,其定義為:

    (2)

    其中x和y表示重建后的圖像與原標(biāo)簽圖像。

    Lsmooth L1損失函數(shù)是基于逐像素比較差異,忽略鄰域的標(biāo)簽,Lsmooth L1損失函數(shù)比L1型損失函數(shù)穩(wěn)定,同時(shí)比L2型損失函數(shù)收斂速度塊,易于模型的訓(xùn)練。

    SSIM可以用于衡量圖像相似性,該損失函數(shù)考慮每個(gè)像素的局部鄰域,可以將較高的權(quán)重分配給邊界。如果將其整合到網(wǎng)絡(luò)的損失函數(shù)中,可以獲得標(biāo)簽圖像的結(jié)構(gòu)信息,其表達(dá)式為:

    (3)

    若采用單一的Lsmooth L1損失函數(shù),其只考慮對(duì)應(yīng)點(diǎn)像素的差異,會(huì)造成圖像缺少部分高頻,并且出現(xiàn)過度平滑的紋理[12]和局部結(jié)構(gòu)缺失,因此采用混合損失函數(shù)共同監(jiān)督。Lsmooth L1損失函數(shù)可以減小像素差異,LSSIM損失函數(shù)通過對(duì)鄰域像素的計(jì)算,保留高頻信息,提高圖像質(zhì)量。

    現(xiàn)有研究中,針對(duì)社會(huì)化信任關(guān)系的協(xié)同過濾技術(shù)的隱私保護(hù)工作尚不多見.因此,從考慮隱私保護(hù)和預(yù)測(cè)準(zhǔn)確率兩者間的折中以及協(xié)同過濾技術(shù)中的數(shù)據(jù)稀疏性和冷啟動(dòng)問題,本文將差分隱私保護(hù)技術(shù)引入融合顯/隱式信任關(guān)系的SVD++協(xié)同過濾技術(shù)中,提出目標(biāo)函數(shù)加擾的TrustSVD差分隱私保護(hù)新策略.關(guān)于新策略,文中在理論上分析了其隱私保護(hù)的性能,實(shí)驗(yàn)上驗(yàn)證了其在協(xié)同過濾應(yīng)用中的預(yù)測(cè)表現(xiàn).結(jié)果表明:所提新策略與無隱私保護(hù)的TrustSVD具有相近的預(yù)測(cè)準(zhǔn)確率,與做類似差分隱私保護(hù)的SVD++相比獲得了更優(yōu)的預(yù)測(cè)結(jié)果,此外還給出了核心參數(shù)的調(diào)節(jié)實(shí)驗(yàn).

    1.2 基于小尺度卷積核的人臉表情識(shí)別網(wǎng)絡(luò)

    如上所述,輸入的低分辨率人臉表情圖像經(jīng)過基于深度超分辨率重建網(wǎng)絡(luò)結(jié)構(gòu)已經(jīng)生成高分辨率人臉表情圖像。之后再將該圖像送入人臉表情識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)后提取特征并分類。文中借用VGG網(wǎng)絡(luò)[15]的思想,采用小尺度卷積核提取特征,然后使用softmax分類器得到表情分類的結(jié)果。

    當(dāng)前人臉表情識(shí)別研究中,為了提高人臉表情識(shí)別的準(zhǔn)確率,大多數(shù)算法采用更深、更寬的網(wǎng)絡(luò)結(jié)構(gòu),但在提高準(zhǔn)確率的同時(shí),帶來了復(fù)雜的計(jì)算量和較低的識(shí)別效率。文中所述算法通過小尺度卷積核提取特征,降低計(jì)算復(fù)雜度,從而提高了識(shí)別效率。

    如圖3所示,基于小尺度卷積核的人臉表情識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)由6個(gè)3×3卷積的小尺度卷積層、6個(gè)池化層、1個(gè)全連接層和softmax層組成。小尺度卷積核用來提取人臉表情特征;池化層用來減小特征圖的大小,文中采用的是最大池化層;全連接層將前面提取到的表情特征加權(quán)求和得到每種表情的分?jǐn)?shù);softmax分類器的作用將全連接層得到的分?jǐn)?shù)映射為概率,從而得到表情識(shí)別結(jié)果。

    圖3 人臉表情識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)

    其次,每個(gè)小尺度卷積層的卷積核個(gè)數(shù)分別為64,128,256,512,512,512,其中步長(zhǎng)均為1。最大池化層的步長(zhǎng)為2。假設(shè)人臉表情圖像大小為88×88,將該圖像輸入網(wǎng)絡(luò)結(jié)構(gòu),經(jīng)過卷積層后,會(huì)得到64個(gè)88×88的特征圖。這些特征圖再通過最大池化層進(jìn)行下采樣得到44×44×64大小的特征圖,再經(jīng)過五個(gè)同樣的卷積層和最大池化層的操作,輸出1×1×512大小的特征圖,然后將特征圖送入含有512個(gè)神經(jīng)元的全連接層,輸出1×512維的向量。最后通過softmax分類器得到表情識(shí)別的結(jié)果。

    為了衡量該網(wǎng)絡(luò)結(jié)構(gòu)的計(jì)算復(fù)雜度,一般通過其參數(shù)量(空間復(fù)雜度)來表示,其計(jì)算公式為:

    (4)

    2 實(shí)驗(yàn)結(jié)果與分析

    本研究所有訓(xùn)練和測(cè)試的過程均使用深度學(xué)習(xí)框架:GPU版本的Tensorflow,具有便攜、高效和兼容性好等優(yōu)點(diǎn)。實(shí)驗(yàn)采用的硬件平臺(tái)為Ubuntu16.04,GTX 1080TI GPU。使用的開發(fā)環(huán)境和工具為Anaconda軟件,python3.6環(huán)境。

    2.1 人臉表情識(shí)別數(shù)據(jù)集

    本研究采用的訓(xùn)練和測(cè)試的數(shù)據(jù)集為CK+[16]人臉表情數(shù)據(jù)庫,該數(shù)據(jù)庫中的實(shí)驗(yàn)樣本包含7種表情:憤怒,蔑視,悲傷,厭惡,開心,驚訝,害怕。該數(shù)據(jù)庫是在實(shí)驗(yàn)室條件下獲取的,數(shù)據(jù)可靠。文中選取該數(shù)據(jù)中每個(gè)序列的最后三幀,總共981張,憤怒,蔑視,悲傷,厭惡,開心,驚訝,害怕表情數(shù)據(jù)集的數(shù)量分別為135,54,84,177,207,249,75。實(shí)驗(yàn)將表情圖像裁剪為96×96大小,作為原始高分辨人臉表情圖像。

    2.2 實(shí)驗(yàn)處理及參數(shù)設(shè)置

    在超分辨率重建網(wǎng)絡(luò)結(jié)構(gòu)中,將CK+數(shù)據(jù)集按照8∶2比例分為訓(xùn)練集和測(cè)試集,模型訓(xùn)練階段迭代次數(shù)設(shè)置為40 000次,批量大小設(shè)置為16。經(jīng)過多次實(shí)驗(yàn),將混合損失函數(shù)中的權(quán)重α設(shè)置為0.8,可以取得最佳效果。

    在人臉表情圖像識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)中,將CK+數(shù)據(jù)集也按8∶2比例分為訓(xùn)練集和測(cè)試集。由于CK+數(shù)據(jù)量過少,會(huì)造過擬合問題,因此,在訓(xùn)練階段,隨機(jī)在圖像的左上角,左下角,右上角,右下角和中心進(jìn)行切割,得到88×88的圖像并做鏡像操作,這樣的操作可以使訓(xùn)練集增大10倍。在該網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練階段,動(dòng)量設(shè)置值為0.9,學(xué)習(xí)率初始值為0.01,權(quán)重衰減的系數(shù)為0.000 5。

    2.3 實(shí)驗(yàn)結(jié)果對(duì)比與分析

    為了驗(yàn)證文中提出的低分辨率表情識(shí)別算法的有效性,將原始高分辨率圖像進(jìn)行4倍、8倍、16倍的下采樣,分別得到24×24、12×12、6×6大小的低分辨率人臉表情圖像,如圖4所示。

    圖4 不同大小的低分辨率人臉表情圖像

    之后,將不同大小的低分辨率人臉表情圖像送入超分辨率重建網(wǎng)絡(luò)結(jié)構(gòu)中,生成高分辨率圖像,再將人臉表情圖像送入人臉表情識(shí)別網(wǎng)絡(luò)結(jié)構(gòu)中。文中以12×12尺寸大小的圖像為例,如圖5所示,第一行是原始高分辨率人臉表情圖像(HR),第二行是低分辨率人臉表情圖像(LR),第三行是采用文獻(xiàn)[6]中的算法(EDSR)重建的人臉表情圖像,第四行是使用文中方法重建的人臉表情圖像。從圖中可以看出,低分辨率人臉圖像(LR)非常模糊,表情特征難以區(qū)分。采用EDSR算法重建的人臉表情圖像,五官位置比較明確,但在嘴角和眼角位置存在局部模糊問題。采用文中算法重建的人臉表情圖像,不僅五官位置比較明確,對(duì)于嘴角和眼角的局部位置重建清晰,而且整體來看,圖像紋理更加清晰。

    圖5 8倍超分辨率重建結(jié)果對(duì)比

    文獻(xiàn)[6]中提出的EDSR算法在基于深度學(xué)習(xí)的圖像超分辨率重建方面是優(yōu)于SRCNN[5]、FRSCNN[6]、VDSR[7]等算法的,因此,為了驗(yàn)證文中方法對(duì)人臉表情識(shí)別準(zhǔn)確率提高的有效性,將低分辨率圖像采用基于局部先驗(yàn)約束算法[17]、EDSR算法和文中算法重建得到的圖像進(jìn)行表情識(shí)別準(zhǔn)確率的比較,如表1所示。

    表1 CK+數(shù)據(jù)集人臉表情識(shí)別準(zhǔn)確率 %

    由數(shù)據(jù)分析可得,在識(shí)別相同低分辨率表情圖像時(shí),文中算法的識(shí)別準(zhǔn)確率均提高了,并且均高于基于局部先驗(yàn)約束重建算法和EDSR算法,說明文中算法可以提高低分辨率面部圖像表情識(shí)別的正確率。

    同時(shí),在輸入極低分辨(6×6)人臉表情圖像的情況下,準(zhǔn)確率提高了9.091%,優(yōu)于算法,表明文中算法對(duì)極低分辨率面部圖像的表情識(shí)別效果最好。

    最后,為了分析各種表情的準(zhǔn)確率,依然以12×12大小重建的高分辨率人臉表情圖像的各類表情準(zhǔn)確率為例,如表2所示。

    表2 重建后人臉表情圖像識(shí)別準(zhǔn)確率

    在表2中,12×12大小重建后的高分辨率人臉表情準(zhǔn)確率為96.970%。其中開心準(zhǔn)確率為100%,憤怒、厭惡、悲傷、驚訝的表情識(shí)別準(zhǔn)確率為97%,蔑視的準(zhǔn)確率為94%,害怕的準(zhǔn)確率為88%,該表情準(zhǔn)確率較低的原因是數(shù)據(jù)集中該表情的數(shù)量較少,且表情不易區(qū)分。

    3 結(jié)束語

    文中提出了一種用于低分辨率表情識(shí)別的系統(tǒng)結(jié)構(gòu)。首先,為了重建低分辨率人臉表情圖像,引入了基于簡(jiǎn)化的殘差塊網(wǎng)絡(luò),并提出通過新的混合損失函數(shù)共同監(jiān)督,Lsmooth L1雖然避開L1型和L2型損失函數(shù)的缺點(diǎn),保持顏色亮度特征,但缺乏高頻信息;LSSIM損失函數(shù)含有高頻信息,但對(duì)亮度和彩色變化遲鈍。當(dāng)結(jié)合這兩個(gè)損失函數(shù)時(shí),既保留了圖像的顏色和特征,也保留了高頻信息。然后,將重建后的人臉表情圖像通過小尺度卷積核提取特征,再進(jìn)行分類識(shí)別。實(shí)驗(yàn)結(jié)果驗(yàn)證了該系統(tǒng)的可行性和優(yōu)越性,有效地提高了低分辨率人臉表情的準(zhǔn)確率。進(jìn)一步的研究方向是針對(duì)部分人臉表情難以區(qū)分、準(zhǔn)確率低的問題,考慮對(duì)提出的結(jié)構(gòu)繼續(xù)進(jìn)行改進(jìn)和優(yōu)化。

    猜你喜歡
    低分辨率網(wǎng)絡(luò)結(jié)構(gòu)人臉
    基于全局和局部特征集成的低分辨率人臉識(shí)別方法
    紅外熱成像中低分辨率行人小目標(biāo)檢測(cè)方法
    基于偏移學(xué)習(xí)的低分辨率人體姿態(tài)估計(jì)
    有特點(diǎn)的人臉
    三國(guó)漫——人臉解鎖
    樹木的低分辨率三維模型資源創(chuàng)建實(shí)踐
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)維對(duì)于創(chuàng)新績(jī)效的作用機(jī)制——遠(yuǎn)程創(chuàng)新搜尋的中介作用
    滬港通下A+ H股票網(wǎng)絡(luò)結(jié)構(gòu)演化的實(shí)證分析
    復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比對(duì)算法研究進(jìn)展
    男女之事视频高清在线观看| 日韩欧美在线二视频| 国产高清激情床上av| av黄色大香蕉| 俺也久久电影网| 国产黄a三级三级三级人| 国产蜜桃级精品一区二区三区| 国产精品98久久久久久宅男小说| 欧美最黄视频在线播放免费| 亚洲精品456在线播放app | 两个人的视频大全免费| 国产亚洲精品av在线| 老司机福利观看| 午夜福利在线观看吧| 亚州av有码| 久久久久亚洲av毛片大全| 亚洲最大成人中文| 亚洲精品乱码久久久v下载方式| 桃红色精品国产亚洲av| 丰满乱子伦码专区| 亚洲国产精品sss在线观看| 免费无遮挡裸体视频| 夜夜躁狠狠躁天天躁| 美女 人体艺术 gogo| 亚洲av熟女| 丰满乱子伦码专区| 国产伦精品一区二区三区视频9| 日本黄大片高清| 久久久久久久久久成人| 国产高清三级在线| 国产69精品久久久久777片| 两个人视频免费观看高清| 色吧在线观看| 日本 av在线| 亚洲真实伦在线观看| 国产乱人伦免费视频| 国产探花在线观看一区二区| 日本三级黄在线观看| 久久久国产成人精品二区| 麻豆成人午夜福利视频| 欧美黑人巨大hd| 成年女人永久免费观看视频| 免费av毛片视频| 亚洲真实伦在线观看| 成人国产一区最新在线观看| 亚洲经典国产精华液单 | 午夜福利欧美成人| av中文乱码字幕在线| 又粗又爽又猛毛片免费看| 亚洲av五月六月丁香网| 看片在线看免费视频| 国产成人啪精品午夜网站| 99热这里只有精品一区| 99热这里只有是精品在线观看 | 99国产精品一区二区三区| 国产伦精品一区二区三区四那| 欧洲精品卡2卡3卡4卡5卡区| 欧美中文日本在线观看视频| 精品熟女少妇八av免费久了| 欧美乱妇无乱码| 最近最新免费中文字幕在线| 九九久久精品国产亚洲av麻豆| 午夜日韩欧美国产| 日韩欧美在线二视频| 又爽又黄无遮挡网站| 国产精品久久久久久久久免 | 老司机午夜福利在线观看视频| 国产真实乱freesex| 嫩草影院入口| 天美传媒精品一区二区| 丰满人妻一区二区三区视频av| 日韩成人在线观看一区二区三区| 搡女人真爽免费视频火全软件 | 午夜亚洲福利在线播放| 亚洲国产欧美人成| 婷婷六月久久综合丁香| 美女大奶头视频| 亚洲国产精品999在线| 美女大奶头视频| 深夜a级毛片| 最好的美女福利视频网| 国产高清激情床上av| 色噜噜av男人的天堂激情| 国产午夜精品久久久久久一区二区三区 | 亚洲欧美激情综合另类| 精品欧美国产一区二区三| 欧美成人a在线观看| 制服丝袜大香蕉在线| 乱人视频在线观看| 亚洲内射少妇av| 黄片小视频在线播放| 日本与韩国留学比较| 国产男靠女视频免费网站| 久久亚洲精品不卡| eeuss影院久久| 身体一侧抽搐| 成年女人看的毛片在线观看| 在线观看免费视频日本深夜| av天堂中文字幕网| 一区二区三区高清视频在线| 国产爱豆传媒在线观看| 日韩中文字幕欧美一区二区| 日本成人三级电影网站| 网址你懂的国产日韩在线| 在线观看舔阴道视频| 波多野结衣巨乳人妻| 脱女人内裤的视频| 99热这里只有是精品50| 最近最新中文字幕大全电影3| 国产久久久一区二区三区| 99久国产av精品| 简卡轻食公司| av女优亚洲男人天堂| 97热精品久久久久久| 一边摸一边抽搐一进一小说| 欧美成人a在线观看| 69av精品久久久久久| 亚洲七黄色美女视频| 舔av片在线| 色综合站精品国产| 国产亚洲欧美在线一区二区| 十八禁网站免费在线| 国产精品,欧美在线| 精品一区二区免费观看| 少妇丰满av| 亚洲精品成人久久久久久| 久久国产乱子免费精品| 3wmmmm亚洲av在线观看| 国产一区二区在线观看日韩| 在线观看一区二区三区| 搡女人真爽免费视频火全软件 | 88av欧美| 欧美精品国产亚洲| 欧美性猛交黑人性爽| 深爱激情五月婷婷| 男女视频在线观看网站免费| 日韩欧美精品免费久久 | 老熟妇乱子伦视频在线观看| 亚洲经典国产精华液单 | 国内毛片毛片毛片毛片毛片| 女人十人毛片免费观看3o分钟| 中国美女看黄片| 18美女黄网站色大片免费观看| 成人av在线播放网站| 乱码一卡2卡4卡精品| 日韩国内少妇激情av| 国产毛片a区久久久久| 国产白丝娇喘喷水9色精品| 亚洲av二区三区四区| 在线观看66精品国产| 久久热精品热| 日本与韩国留学比较| 婷婷丁香在线五月| 在线免费观看不下载黄p国产 | 最近在线观看免费完整版| 国产人妻一区二区三区在| 极品教师在线视频| 日本三级黄在线观看| 成人美女网站在线观看视频| 免费人成在线观看视频色| 免费av观看视频| 国产精品99久久久久久久久| 伦理电影大哥的女人| 久久精品91蜜桃| 亚洲第一区二区三区不卡| 1000部很黄的大片| 国产三级在线视频| 少妇丰满av| 亚洲国产欧美人成| 男女之事视频高清在线观看| 一本久久中文字幕| 特大巨黑吊av在线直播| 高潮久久久久久久久久久不卡| 国产欧美日韩精品一区二区| 搞女人的毛片| 村上凉子中文字幕在线| 五月伊人婷婷丁香| 2021天堂中文幕一二区在线观| 男人舔奶头视频| 亚洲av.av天堂| 一夜夜www| 色视频www国产| 高潮久久久久久久久久久不卡| 亚洲精品一卡2卡三卡4卡5卡| 好男人电影高清在线观看| 国产精品久久久久久精品电影| 两个人视频免费观看高清| 成人性生交大片免费视频hd| 99久久精品国产亚洲精品| 蜜桃亚洲精品一区二区三区| 色综合婷婷激情| 日韩欧美 国产精品| 99热只有精品国产| www.www免费av| 国产久久久一区二区三区| 可以在线观看毛片的网站| av黄色大香蕉| 国产在线男女| 亚洲午夜理论影院| 一区二区三区高清视频在线| 美女黄网站色视频| 69av精品久久久久久| 欧美成人免费av一区二区三区| 亚洲午夜理论影院| 最好的美女福利视频网| 男女做爰动态图高潮gif福利片| 国产三级黄色录像| 超碰av人人做人人爽久久| 97热精品久久久久久| 中文字幕免费在线视频6| 国产亚洲精品av在线| 日本免费一区二区三区高清不卡| 一区二区三区高清视频在线| 亚洲欧美日韩无卡精品| 国产一区二区在线av高清观看| 狠狠狠狠99中文字幕| 午夜精品在线福利| 色av中文字幕| 在线十欧美十亚洲十日本专区| 久久久久久九九精品二区国产| 五月伊人婷婷丁香| 亚洲内射少妇av| 免费人成视频x8x8入口观看| 中文字幕精品亚洲无线码一区| 色尼玛亚洲综合影院| 免费一级毛片在线播放高清视频| 欧美激情国产日韩精品一区| 国产视频一区二区在线看| 日韩欧美国产一区二区入口| 久久久久久久久大av| 一级毛片久久久久久久久女| 青草久久国产| 天堂影院成人在线观看| 韩国av一区二区三区四区| 久久国产精品影院| 亚洲精品一区av在线观看| 亚洲av.av天堂| 国产成人福利小说| 夜夜爽天天搞| 国产真实乱freesex| 亚洲人成网站在线播| 国产欧美日韩精品一区二区| 少妇熟女aⅴ在线视频| 日韩中文字幕欧美一区二区| 免费看a级黄色片| 国产精品免费一区二区三区在线| 久久久精品欧美日韩精品| 啪啪无遮挡十八禁网站| 在现免费观看毛片| 亚洲avbb在线观看| 九色国产91popny在线| 又黄又爽又免费观看的视频| 亚洲美女黄片视频| 亚洲av电影在线进入| 国产精华一区二区三区| 如何舔出高潮| 看黄色毛片网站| 欧美激情久久久久久爽电影| 免费在线观看影片大全网站| 在线观看一区二区三区| 免费大片18禁| 麻豆成人午夜福利视频| 亚洲精品456在线播放app | 国产真实乱freesex| 亚洲男人的天堂狠狠| 亚洲,欧美,日韩| 亚洲人成网站在线播放欧美日韩| 日韩成人在线观看一区二区三区| 深夜a级毛片| 香蕉av资源在线| 午夜福利免费观看在线| 久9热在线精品视频| 久久精品国产亚洲av天美| 内射极品少妇av片p| 久久精品人妻少妇| 90打野战视频偷拍视频| 国产成人av教育| 国产亚洲精品av在线| 99国产极品粉嫩在线观看| 国产一区二区三区在线臀色熟女| 在现免费观看毛片| 国产大屁股一区二区在线视频| 国产一区二区三区视频了| 一个人免费在线观看的高清视频| 欧美3d第一页| 白带黄色成豆腐渣| 亚洲精品日韩av片在线观看| 成年女人永久免费观看视频| 久久久久国内视频| 成人鲁丝片一二三区免费| av专区在线播放| 不卡一级毛片| 国产精品av视频在线免费观看| 听说在线观看完整版免费高清| 国产成人影院久久av| 精品日产1卡2卡| 在线播放无遮挡| 国产精品综合久久久久久久免费| 国产免费av片在线观看野外av| 国产黄色小视频在线观看| 国产成人av教育| 怎么达到女性高潮| 国产精品亚洲一级av第二区| 亚洲精品日韩av片在线观看| a级毛片免费高清观看在线播放| 青草久久国产| 日本三级黄在线观看| 亚洲va日本ⅴa欧美va伊人久久| 老熟妇仑乱视频hdxx| 久久99热这里只有精品18| 搡老妇女老女人老熟妇| 老司机午夜十八禁免费视频| 亚洲欧美日韩高清在线视频| 在线天堂最新版资源| 国产主播在线观看一区二区| 一夜夜www| 桃色一区二区三区在线观看| 日日摸夜夜添夜夜添小说| 一区二区三区激情视频| 久久精品国产亚洲av香蕉五月| 日韩欧美免费精品| 日本撒尿小便嘘嘘汇集6| 亚洲成av人片在线播放无| 91久久精品电影网| 露出奶头的视频| 亚洲欧美激情综合另类| 天天一区二区日本电影三级| 在线观看一区二区三区| 成人无遮挡网站| 午夜久久久久精精品| 熟女电影av网| 亚洲18禁久久av| 精品一区二区三区视频在线| 国产av麻豆久久久久久久| 国产爱豆传媒在线观看| 90打野战视频偷拍视频| 老司机午夜十八禁免费视频| 特级一级黄色大片| 亚洲精品一区av在线观看| av在线天堂中文字幕| 国内精品久久久久久久电影| 国产免费男女视频| 欧美在线黄色| 欧美成人性av电影在线观看| 国产在视频线在精品| 国产极品精品免费视频能看的| 在线观看美女被高潮喷水网站 | 麻豆av噜噜一区二区三区| 国产精品亚洲美女久久久| 精品人妻偷拍中文字幕| 淫秽高清视频在线观看| 热99re8久久精品国产| 波多野结衣巨乳人妻| 久久国产乱子免费精品| 久久6这里有精品| 在线播放国产精品三级| 国产视频一区二区在线看| 亚洲,欧美精品.| 免费观看的影片在线观看| 国产色婷婷99| 婷婷精品国产亚洲av在线| 亚洲av第一区精品v没综合| 国产精品久久久久久久久免 | 91字幕亚洲| 亚洲精品粉嫩美女一区| 午夜激情福利司机影院| 内射极品少妇av片p| 五月伊人婷婷丁香| 欧美在线一区亚洲| 亚洲天堂国产精品一区在线| 精品国产亚洲在线| 欧美一区二区国产精品久久精品| 老司机午夜十八禁免费视频| 免费av观看视频| 中文字幕av成人在线电影| 极品教师在线免费播放| 又爽又黄无遮挡网站| 欧美日韩瑟瑟在线播放| 久久久成人免费电影| 男插女下体视频免费在线播放| av专区在线播放| 最好的美女福利视频网| 嫩草影院入口| 天堂网av新在线| av在线观看视频网站免费| 91久久精品国产一区二区成人| 一本精品99久久精品77| 每晚都被弄得嗷嗷叫到高潮| 最近视频中文字幕2019在线8| 日韩欧美在线二视频| 99久国产av精品| 日日摸夜夜添夜夜添av毛片 | 91狼人影院| 国产一区二区在线观看日韩| 久久午夜福利片| 国产aⅴ精品一区二区三区波| 永久网站在线| 久久精品综合一区二区三区| 97超级碰碰碰精品色视频在线观看| 色5月婷婷丁香| 国产私拍福利视频在线观看| 欧美乱妇无乱码| 国产亚洲精品av在线| 国产一区二区在线观看日韩| 毛片女人毛片| 国产激情偷乱视频一区二区| 嫩草影视91久久| 日韩av在线大香蕉| 日日摸夜夜添夜夜添小说| 男女下面进入的视频免费午夜| 久久久国产成人免费| 国产伦一二天堂av在线观看| 九九久久精品国产亚洲av麻豆| 青草久久国产| 搞女人的毛片| 久久久久久久久大av| 99在线视频只有这里精品首页| 国语自产精品视频在线第100页| 国产黄a三级三级三级人| 午夜激情福利司机影院| 欧美精品啪啪一区二区三区| 日韩欧美三级三区| 亚洲人成伊人成综合网2020| 搞女人的毛片| 国产高清激情床上av| а√天堂www在线а√下载| 极品教师在线视频| av天堂中文字幕网| 麻豆国产97在线/欧美| 成年免费大片在线观看| 亚洲国产精品合色在线| 婷婷六月久久综合丁香| 一本一本综合久久| 在线国产一区二区在线| 日韩中字成人| 亚洲最大成人手机在线| 小蜜桃在线观看免费完整版高清| 久久精品久久久久久噜噜老黄 | 国产精品不卡视频一区二区 | 特大巨黑吊av在线直播| 亚洲 欧美 日韩 在线 免费| 最近视频中文字幕2019在线8| 国产在视频线在精品| 国产爱豆传媒在线观看| 一区二区三区四区激情视频 | 老女人水多毛片| 久久久久亚洲av毛片大全| 久久久久国内视频| 中文字幕高清在线视频| 亚洲激情在线av| 午夜激情福利司机影院| 亚洲精品一卡2卡三卡4卡5卡| a级毛片免费高清观看在线播放| 精品99又大又爽又粗少妇毛片 | 亚洲 欧美 日韩 在线 免费| 色综合亚洲欧美另类图片| 色在线成人网| 一区二区三区免费毛片| 国产伦精品一区二区三区四那| 午夜a级毛片| 一本一本综合久久| 99国产精品一区二区三区| 免费高清视频大片| 一级av片app| 亚洲中文字幕一区二区三区有码在线看| 搡老妇女老女人老熟妇| 美女被艹到高潮喷水动态| 男女做爰动态图高潮gif福利片| 少妇人妻精品综合一区二区 | 黄色丝袜av网址大全| 久久热精品热| 欧美成人a在线观看| 成人欧美大片| 精华霜和精华液先用哪个| 久久九九热精品免费| 国产精品99久久久久久久久| 国产欧美日韩一区二区三| 欧美色视频一区免费| 亚洲无线观看免费| 国产一区二区在线观看日韩| 午夜精品在线福利| 亚洲中文日韩欧美视频| 男人舔女人下体高潮全视频| 一本久久中文字幕| 欧美绝顶高潮抽搐喷水| 亚洲av美国av| 亚洲一区高清亚洲精品| 国产精品久久久久久久电影| 成人特级av手机在线观看| 日韩欧美国产在线观看| 亚洲欧美日韩无卡精品| 国产亚洲精品久久久com| 成人高潮视频无遮挡免费网站| 国产三级黄色录像| 国内久久婷婷六月综合欲色啪| 国产av在哪里看| 午夜精品在线福利| 亚洲色图av天堂| 天美传媒精品一区二区| 人人妻人人看人人澡| 亚洲av成人av| 欧美高清性xxxxhd video| 午夜免费成人在线视频| 好男人在线观看高清免费视频| 国语自产精品视频在线第100页| 成人特级av手机在线观看| 老女人水多毛片| 精品久久久久久久久亚洲 | 欧美日韩乱码在线| 午夜老司机福利剧场| 成人美女网站在线观看视频| 男人舔女人下体高潮全视频| 亚洲精品影视一区二区三区av| 久久国产精品人妻蜜桃| av国产免费在线观看| 51国产日韩欧美| 成人特级黄色片久久久久久久| 岛国在线免费视频观看| 午夜视频国产福利| 国产91精品成人一区二区三区| 欧美中文日本在线观看视频| 91字幕亚洲| 国产亚洲精品久久久com| 少妇高潮的动态图| av在线天堂中文字幕| 精品久久久久久久久久免费视频| 日本 av在线| 91麻豆av在线| 午夜福利18| 亚洲人成电影免费在线| 成人特级黄色片久久久久久久| 久久久久国内视频| 国产老妇女一区| 18禁裸乳无遮挡免费网站照片| 两性午夜刺激爽爽歪歪视频在线观看| 两个人视频免费观看高清| 国产黄片美女视频| 观看美女的网站| 免费看光身美女| 超碰av人人做人人爽久久| 午夜日韩欧美国产| 少妇的逼好多水| 天堂网av新在线| 丰满人妻一区二区三区视频av| 别揉我奶头 嗯啊视频| www日本黄色视频网| 久久草成人影院| av在线观看视频网站免费| 中文字幕精品亚洲无线码一区| 人妻夜夜爽99麻豆av| 国产精品嫩草影院av在线观看 | 美女高潮的动态| 此物有八面人人有两片| 男人和女人高潮做爰伦理| .国产精品久久| 免费人成视频x8x8入口观看| 黄色配什么色好看| 搡老妇女老女人老熟妇| 色5月婷婷丁香| 欧美性感艳星| 久久久久免费精品人妻一区二区| 深夜精品福利| 亚洲av成人精品一区久久| 亚洲激情在线av| 在线播放国产精品三级| 免费av毛片视频| 直男gayav资源| 国产精品久久久久久精品电影| 精品99又大又爽又粗少妇毛片 | 国产真实伦视频高清在线观看| 亚洲精品成人av观看孕妇| 国内精品美女久久久久久| 热99国产精品久久久久久7| 免费av不卡在线播放| 天天躁日日操中文字幕| 国产欧美亚洲国产| 视频中文字幕在线观看| 中文资源天堂在线| 国产综合精华液| 内射极品少妇av片p| 亚洲av电影在线观看一区二区三区 | videos熟女内射| 欧美日韩在线观看h| 成年免费大片在线观看| 免费看a级黄色片| 国产一级毛片在线| 亚洲天堂av无毛| 蜜桃亚洲精品一区二区三区| 精品国产乱码久久久久久小说| 如何舔出高潮| 精品久久久久久久久亚洲| 久久久久久久久久久丰满| 久久人人爽人人爽人人片va| 91精品一卡2卡3卡4卡| 日韩成人av中文字幕在线观看| 成年版毛片免费区| 国产亚洲精品久久久com| 亚洲av国产av综合av卡| 一级av片app| 搡女人真爽免费视频火全软件| 又黄又爽又刺激的免费视频.| 精品久久久久久久久av| av在线亚洲专区| 男男h啪啪无遮挡| 久久久久久久久久人人人人人人| 一本久久精品| 中文天堂在线官网| 麻豆精品久久久久久蜜桃| av免费观看日本| 又爽又黄a免费视频| xxx大片免费视频| 国产午夜精品一二区理论片| 91在线精品国自产拍蜜月| 精品国产露脸久久av麻豆| 国产淫片久久久久久久久|