• <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
    久久久久国内视频| 国产大屁股一区二区在线视频| 免费大片18禁| 免费电影在线观看免费观看| 欧美bdsm另类| 久久亚洲精品不卡| 国产高清激情床上av| 亚洲一级一片aⅴ在线观看| 亚洲精品粉嫩美女一区| 俄罗斯特黄特色一大片| 男女之事视频高清在线观看| 中亚洲国语对白在线视频| 久久九九热精品免费| 能在线免费观看的黄片| 欧美高清性xxxxhd video| 国产69精品久久久久777片| 最新中文字幕久久久久| 亚洲乱码一区二区免费版| 国产 一区精品| 欧美绝顶高潮抽搐喷水| 国产熟女欧美一区二区| 麻豆久久精品国产亚洲av| 动漫黄色视频在线观看| 男人舔奶头视频| 精品久久久久久久久亚洲 | 99在线视频只有这里精品首页| 色视频www国产| 别揉我奶头 嗯啊视频| 精品久久久久久久久久免费视频| 国产精品人妻久久久久久| 亚洲av五月六月丁香网| 国产女主播在线喷水免费视频网站 | 极品教师在线视频| 国产大屁股一区二区在线视频| 免费一级毛片在线播放高清视频| 久久精品国产亚洲av涩爱 | 一本一本综合久久| 别揉我奶头~嗯~啊~动态视频| 久久久国产成人精品二区| 亚洲精品456在线播放app | 99国产极品粉嫩在线观看| 无遮挡黄片免费观看| 国产精品嫩草影院av在线观看 | 色在线成人网| 久久精品人妻少妇| 亚洲国产高清在线一区二区三| 国内精品一区二区在线观看| 搞女人的毛片| 国产精品1区2区在线观看.| 亚洲国产高清在线一区二区三| 亚洲av中文av极速乱 | 久久草成人影院| 中文在线观看免费www的网站| 国产精品电影一区二区三区| 伊人久久精品亚洲午夜| 欧美三级亚洲精品| 美女大奶头视频| 久久人人爽人人爽人人片va| 精品无人区乱码1区二区| 中文字幕av在线有码专区| 日本免费一区二区三区高清不卡| 九色成人免费人妻av| 在现免费观看毛片| 少妇熟女aⅴ在线视频| 久久久午夜欧美精品| 九九热线精品视视频播放| 热99re8久久精品国产| 久久久久久久久中文| 亚洲 国产 在线| 中文字幕熟女人妻在线| 国产v大片淫在线免费观看| 老司机深夜福利视频在线观看| 村上凉子中文字幕在线| 毛片一级片免费看久久久久 | av天堂在线播放| 乱人视频在线观看| 老司机福利观看| 日韩精品中文字幕看吧| 亚洲av免费在线观看| 久久国内精品自在自线图片| 成人欧美大片| 91午夜精品亚洲一区二区三区 | 伦理电影大哥的女人| 国产伦精品一区二区三区视频9| 夜夜爽天天搞| 亚洲人成网站高清观看| 久久热精品热| 一夜夜www| 亚洲av电影不卡..在线观看| 亚洲人成网站在线播放欧美日韩| 波多野结衣高清作品| 乱系列少妇在线播放| 亚洲av中文字字幕乱码综合| 国产一区二区在线观看日韩| 狠狠狠狠99中文字幕| 精品日产1卡2卡| 成人国产综合亚洲| 免费不卡的大黄色大毛片视频在线观看 | 国产亚洲精品久久久com| 国产探花在线观看一区二区| 国产精品福利在线免费观看| 亚洲一区高清亚洲精品| 91在线观看av| 久久99热这里只有精品18| 国产成人影院久久av| 真实男女啪啪啪动态图| 日日啪夜夜撸| 免费观看人在逋| 精品日产1卡2卡| 日本成人三级电影网站| АⅤ资源中文在线天堂| 三级毛片av免费| 日韩在线高清观看一区二区三区 | 熟女人妻精品中文字幕| 两性午夜刺激爽爽歪歪视频在线观看| 他把我摸到了高潮在线观看| 欧美色视频一区免费| 美女被艹到高潮喷水动态| 日韩精品青青久久久久久| 免费观看人在逋| 亚洲久久久久久中文字幕| 国产黄片美女视频| 女生性感内裤真人,穿戴方法视频| 精品无人区乱码1区二区| 日韩国内少妇激情av| 日韩精品有码人妻一区| 成年人黄色毛片网站| 赤兔流量卡办理| av在线观看视频网站免费| 午夜亚洲福利在线播放| 九九爱精品视频在线观看| 小说图片视频综合网站| 露出奶头的视频| 性欧美人与动物交配| 伦理电影大哥的女人| 亚州av有码| 18禁黄网站禁片午夜丰满| 欧美+日韩+精品| 最新中文字幕久久久久| 国产真实乱freesex| 尾随美女入室| 91麻豆精品激情在线观看国产| 好男人在线观看高清免费视频| netflix在线观看网站| 全区人妻精品视频| 男女边吃奶边做爰视频| 99热这里只有是精品在线观看| 人妻制服诱惑在线中文字幕| 五月玫瑰六月丁香| 干丝袜人妻中文字幕| 亚洲色图av天堂| 欧美黑人欧美精品刺激| 久久草成人影院| 国产亚洲精品久久久久久毛片| 国产av不卡久久| 两人在一起打扑克的视频| 欧美不卡视频在线免费观看| 少妇的逼好多水| 日本撒尿小便嘘嘘汇集6| 中亚洲国语对白在线视频| 国内揄拍国产精品人妻在线| 国产亚洲av嫩草精品影院| 国产精品野战在线观看| 久久亚洲精品不卡| 日日干狠狠操夜夜爽| 免费看美女性在线毛片视频| 日韩在线高清观看一区二区三区 | 亚洲无线观看免费| 欧美日韩瑟瑟在线播放| 日韩精品青青久久久久久| 国产欧美日韩精品亚洲av| 中国美女看黄片| 欧美极品一区二区三区四区| 免费av观看视频| 老熟妇仑乱视频hdxx| 欧美黑人欧美精品刺激| 桃红色精品国产亚洲av| 亚洲美女搞黄在线观看 | 亚洲色图av天堂| 午夜福利欧美成人| 能在线免费观看的黄片| 人妻制服诱惑在线中文字幕| 欧美性猛交黑人性爽| 欧美另类亚洲清纯唯美| 午夜免费成人在线视频| 97热精品久久久久久| a级一级毛片免费在线观看| 成人三级黄色视频| 男插女下体视频免费在线播放| 少妇的逼水好多| 一a级毛片在线观看| 桃红色精品国产亚洲av| 国产精品乱码一区二三区的特点| 亚洲无线在线观看| 亚洲天堂国产精品一区在线| 五月伊人婷婷丁香| bbb黄色大片| 人妻制服诱惑在线中文字幕| 露出奶头的视频| 国产av一区在线观看免费| 国产三级中文精品| 亚洲国产精品成人综合色| 国产色爽女视频免费观看| 国产午夜精品久久久久久一区二区三区 | 亚洲国产欧美人成| 又爽又黄a免费视频| 日韩一本色道免费dvd| 亚洲欧美日韩卡通动漫| 国产av麻豆久久久久久久| 五月伊人婷婷丁香| 久久久久性生活片| 精品一区二区三区人妻视频| 最近最新免费中文字幕在线| 国产亚洲精品综合一区在线观看| 国产精品人妻久久久影院| 色视频www国产| 女同久久另类99精品国产91| 午夜亚洲福利在线播放| 午夜免费男女啪啪视频观看 | a在线观看视频网站| 亚洲午夜理论影院| 免费高清视频大片| 国内久久婷婷六月综合欲色啪| 中文字幕av成人在线电影| 日韩av在线大香蕉| 中国美白少妇内射xxxbb| 在线免费观看的www视频| 97超级碰碰碰精品色视频在线观看| 全区人妻精品视频| 夜夜爽天天搞| 91在线观看av| 久久久久久国产a免费观看| 久久精品国产亚洲av天美| 欧美又色又爽又黄视频| 久9热在线精品视频| 又黄又爽又免费观看的视频| 舔av片在线| 中文字幕人妻熟人妻熟丝袜美| 精品不卡国产一区二区三区| 日韩欧美免费精品| 中文字幕av在线有码专区| 我的女老师完整版在线观看| 色视频www国产| 欧美日韩黄片免| 最近中文字幕高清免费大全6 | 国产精品av视频在线免费观看| 一进一出抽搐动态| 国产一区二区三区视频了| 一夜夜www| av专区在线播放| 亚洲美女视频黄频| 女人被狂操c到高潮| 永久网站在线| 99riav亚洲国产免费| 老司机深夜福利视频在线观看| 九色成人免费人妻av| 国产精品久久电影中文字幕| av国产免费在线观看| 无人区码免费观看不卡| 啦啦啦韩国在线观看视频| 白带黄色成豆腐渣| 一级a爱片免费观看的视频| or卡值多少钱| 午夜精品在线福利| 亚洲av成人精品一区久久| 国产视频一区二区在线看| 久久精品久久久久久噜噜老黄 | 一级黄片播放器| .国产精品久久| 国产欧美日韩精品亚洲av| 1024手机看黄色片| 欧美高清性xxxxhd video| 少妇高潮的动态图| 免费在线观看影片大全网站| 欧美一区二区国产精品久久精品| 久久精品国产99精品国产亚洲性色| 国产伦在线观看视频一区| 国产不卡一卡二| 在线观看午夜福利视频| 一本精品99久久精品77| 成年女人看的毛片在线观看| 色哟哟·www| 久久久国产成人免费| 午夜免费男女啪啪视频观看 | 黄色女人牲交| 久久久久九九精品影院| 国产欧美日韩精品一区二区| 自拍偷自拍亚洲精品老妇| 少妇猛男粗大的猛烈进出视频 | 日韩中文字幕欧美一区二区| 长腿黑丝高跟| 色av中文字幕| 色综合婷婷激情| 村上凉子中文字幕在线| 国产精品久久视频播放| 色5月婷婷丁香| 国产精品一区二区三区四区久久| 高清毛片免费观看视频网站| 国产色爽女视频免费观看| 12—13女人毛片做爰片一| 久久精品综合一区二区三区| 久久精品国产99精品国产亚洲性色| 看十八女毛片水多多多| 美女高潮喷水抽搐中文字幕| 三级毛片av免费| 少妇熟女aⅴ在线视频| 黄色女人牲交| 真人一进一出gif抽搐免费| 午夜视频国产福利| www日本黄色视频网| 久久国内精品自在自线图片| 91在线观看av| 国产精品久久久久久精品电影| 一进一出抽搐动态| 国内少妇人妻偷人精品xxx网站| 禁无遮挡网站| 女同久久另类99精品国产91| 性色avwww在线观看| 精品福利观看| 亚洲黑人精品在线| 成人国产综合亚洲| 久久亚洲真实| 国产精品98久久久久久宅男小说| 国产精品久久久久久av不卡| 国产毛片a区久久久久| 国产伦人伦偷精品视频| 国产成人一区二区在线| 制服丝袜大香蕉在线| 免费av观看视频| 久久久久久久午夜电影| 精品久久久久久久人妻蜜臀av| 国产高清视频在线观看网站| 中文字幕久久专区| 长腿黑丝高跟| 日日夜夜操网爽| 日本精品一区二区三区蜜桃| 亚洲人成网站高清观看| 国产亚洲91精品色在线| 国产精品电影一区二区三区| 琪琪午夜伦伦电影理论片6080| 成人一区二区视频在线观看| 久久精品综合一区二区三区| 亚洲午夜理论影院| 免费看美女性在线毛片视频| 国产探花极品一区二区| 欧美成人性av电影在线观看| 老熟妇乱子伦视频在线观看| 久久亚洲真实| 精品不卡国产一区二区三区| 禁无遮挡网站| 悠悠久久av| 嫁个100分男人电影在线观看| 黄色日韩在线| 午夜老司机福利剧场| 网址你懂的国产日韩在线| 亚洲国产精品成人综合色| 亚洲国产精品合色在线| 男女视频在线观看网站免费| 日本成人三级电影网站| 久久国内精品自在自线图片| 成人av一区二区三区在线看| 国产精品美女特级片免费视频播放器| 成人国产一区最新在线观看| 国内精品久久久久久久电影| 久久人人精品亚洲av| 国产亚洲欧美98| av在线观看视频网站免费| 麻豆精品久久久久久蜜桃| 久久精品人妻少妇| 97超级碰碰碰精品色视频在线观看| 日本五十路高清| 亚洲成a人片在线一区二区| 最好的美女福利视频网| 成人鲁丝片一二三区免费| 久久人人精品亚洲av| 免费看av在线观看网站| 亚洲成人中文字幕在线播放| 99热这里只有精品一区| 99久久精品热视频| 久久久久久久亚洲中文字幕| 色哟哟·www| 看片在线看免费视频| 精品久久国产蜜桃| 韩国av一区二区三区四区| 亚洲性夜色夜夜综合| 欧美日韩国产亚洲二区| 欧美在线一区亚洲| 女同久久另类99精品国产91| 好男人在线观看高清免费视频| 免费在线观看影片大全网站| 在线免费观看不下载黄p国产 | 国产单亲对白刺激| av中文乱码字幕在线| 三级毛片av免费| 国产av在哪里看| 干丝袜人妻中文字幕| 一级a爱片免费观看的视频| 欧美极品一区二区三区四区| 99热网站在线观看| 国产探花在线观看一区二区| 噜噜噜噜噜久久久久久91| av在线亚洲专区| 日本a在线网址| 成人高潮视频无遮挡免费网站| 狠狠狠狠99中文字幕| 少妇高潮的动态图| 午夜免费激情av| 亚洲电影在线观看av| 一本一本综合久久| 22中文网久久字幕| 成人鲁丝片一二三区免费| 精品久久久久久久久亚洲 | 床上黄色一级片| 美女被艹到高潮喷水动态| 91久久精品国产一区二区三区| 国产午夜精品论理片| 亚洲七黄色美女视频| 亚洲色图av天堂| 日韩欧美精品免费久久| 成人毛片a级毛片在线播放| 非洲黑人性xxxx精品又粗又长| 亚洲乱码一区二区免费版| 欧美成人免费av一区二区三区| 久久亚洲精品不卡| 淫妇啪啪啪对白视频| 国产一区二区亚洲精品在线观看| 亚洲国产日韩欧美精品在线观看| 两个人视频免费观看高清| 波野结衣二区三区在线| 国产亚洲av嫩草精品影院| 成人av一区二区三区在线看| 麻豆av噜噜一区二区三区| 国产一区二区在线观看日韩| 最近最新中文字幕大全电影3| 国产成年人精品一区二区| 亚洲三级黄色毛片| 最近视频中文字幕2019在线8| 亚洲va日本ⅴa欧美va伊人久久| 日韩av在线大香蕉| 国产午夜福利久久久久久| 可以在线观看的亚洲视频| 午夜福利在线在线| 特大巨黑吊av在线直播| 久久久久久伊人网av| 又黄又爽又刺激的免费视频.| 精品久久国产蜜桃| 两性午夜刺激爽爽歪歪视频在线观看| 97热精品久久久久久| 国产精品一区二区性色av| 一级黄片播放器| 亚洲精品成人久久久久久| 又爽又黄a免费视频| 国产国拍精品亚洲av在线观看| 国内少妇人妻偷人精品xxx网站| 国产一级毛片七仙女欲春2| 亚洲欧美日韩卡通动漫| 国产午夜精品论理片| 丰满乱子伦码专区| 精品久久久久久久久久免费视频| 久久99热这里只有精品18| 亚洲avbb在线观看| 国产午夜精品久久久久久一区二区三区 | 日本成人三级电影网站| 夜夜爽天天搞| 欧美不卡视频在线免费观看| 欧美成人a在线观看| 日本黄色视频三级网站网址| 国产精品美女特级片免费视频播放器| 日本色播在线视频| 久久久久久久久久久丰满 | 免费看日本二区| 亚洲乱码一区二区免费版| 国产日本99.免费观看| 99热精品在线国产| 免费在线观看影片大全网站| 国模一区二区三区四区视频| 欧美最新免费一区二区三区| 久久精品国产自在天天线| 高清毛片免费观看视频网站| 欧美日韩综合久久久久久 | 成人性生交大片免费视频hd| 午夜福利在线观看免费完整高清在 | 欧美激情国产日韩精品一区| 亚洲精品粉嫩美女一区| 国产精品电影一区二区三区| 九色成人免费人妻av| 欧美最黄视频在线播放免费| 波多野结衣高清作品| 天堂网av新在线| 丰满人妻一区二区三区视频av| 精品久久久久久久久久久久久| 久久久成人免费电影| 在线播放国产精品三级| 精品国产三级普通话版| 欧美高清性xxxxhd video| 日本 av在线| 亚洲avbb在线观看| 日韩精品有码人妻一区| 国产精品久久电影中文字幕| 成人国产麻豆网| 校园春色视频在线观看| 午夜a级毛片| 欧美国产日韩亚洲一区| 九九久久精品国产亚洲av麻豆| 日本三级黄在线观看| 国产主播在线观看一区二区| 欧美另类亚洲清纯唯美| 搡女人真爽免费视频火全软件 | 韩国av在线不卡| 亚洲精品一区av在线观看| 国产中年淑女户外野战色| 欧美+亚洲+日韩+国产| 午夜激情福利司机影院| 亚洲精品一区av在线观看| 女人被狂操c到高潮| 婷婷色综合大香蕉| 91麻豆av在线| 在线观看一区二区三区| 99热这里只有精品一区| 99久久精品热视频| 国产综合懂色| 亚洲av成人av| a级一级毛片免费在线观看| 综合色av麻豆| 成人永久免费在线观看视频| 日本爱情动作片www.在线观看 | 两个人的视频大全免费| 精品人妻熟女av久视频| 午夜福利在线在线| 性欧美人与动物交配| 国产不卡一卡二| 亚洲第一电影网av| 99热网站在线观看| 又黄又爽又刺激的免费视频.| 亚洲熟妇中文字幕五十中出| 日韩一区二区视频免费看| 色综合站精品国产| 中文资源天堂在线| 日日干狠狠操夜夜爽| 黄色日韩在线| 给我免费播放毛片高清在线观看| 亚洲成人久久性| 中文字幕精品亚洲无线码一区| 男人舔奶头视频| 成人二区视频| 国产伦精品一区二区三区视频9| av黄色大香蕉| 亚洲av成人av| 午夜免费男女啪啪视频观看 | 国产精华一区二区三区| 日本黄大片高清| 午夜激情福利司机影院| 精品久久久久久,| 校园春色视频在线观看| 久久精品国产清高在天天线| 国内精品久久久久精免费| 国产精品日韩av在线免费观看| netflix在线观看网站| 我要搜黄色片| 少妇高潮的动态图| 嫁个100分男人电影在线观看| 国产一区二区三区视频了| 亚洲国产色片| 久久久久久九九精品二区国产| 狂野欧美白嫩少妇大欣赏| 国产熟女欧美一区二区| 18禁裸乳无遮挡免费网站照片| 日韩中文字幕欧美一区二区| 麻豆国产av国片精品| 日日啪夜夜撸| 久久精品国产99精品国产亚洲性色| 亚洲精品成人久久久久久| 亚洲第一电影网av| 国产高清视频在线观看网站| 日日摸夜夜添夜夜添小说| 舔av片在线| 欧美精品啪啪一区二区三区| 国产精品久久视频播放| 国产精品一区二区性色av| 国内精品久久久久久久电影| 亚洲精品成人久久久久久| 黄色丝袜av网址大全| 国产亚洲91精品色在线| 欧美高清成人免费视频www| 最近中文字幕高清免费大全6 | 久久久成人免费电影| 淫妇啪啪啪对白视频| 国产精品爽爽va在线观看网站| 国产精品亚洲美女久久久| 亚洲精品影视一区二区三区av| 我的老师免费观看完整版| 韩国av在线不卡| 精品人妻视频免费看| 免费黄网站久久成人精品| 久久99热这里只有精品18| 欧美高清性xxxxhd video| 久久99热这里只有精品18| 成人特级av手机在线观看| 十八禁国产超污无遮挡网站| 国产蜜桃级精品一区二区三区| 欧美国产日韩亚洲一区| 亚洲熟妇中文字幕五十中出| 国产亚洲精品av在线| 日日干狠狠操夜夜爽| 身体一侧抽搐| 一级黄片播放器| 亚洲精品成人久久久久久| 国产aⅴ精品一区二区三区波| 免费电影在线观看免费观看| 99精品在免费线老司机午夜| 观看美女的网站| 99视频精品全部免费 在线| 欧美xxxx性猛交bbbb| 午夜福利欧美成人| 老师上课跳d突然被开到最大视频|