• <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 ?

    基于深度學(xué)習的年齡識別方法綜述

    2021-12-24 23:42:06楊浩許允執(zhí)于小爽韓秦王穎
    電腦知識與技術(shù) 2021年29期
    關(guān)鍵詞:特征提取深度學(xué)習

    楊浩 許允執(zhí) 于小爽 韓秦 王穎

    摘要:近年來,隨著深度學(xué)習的發(fā)展與應(yīng)用,人臉識別領(lǐng)域欣欣向榮。年齡識別作為人臉識別的一個非同小可的分支,能夠輔助人臉識別更加迅速、精準地完成任務(wù)。人臉會由于老化而呈現(xiàn)出不同的復(fù)雜特征,針對由年齡變化引起的一系列人臉識別問題,大量學(xué)者投入到對年齡進行分類的問題研究中。本文圍繞基于深度學(xué)習的年齡識別,闡述了年齡識別目前的發(fā)展現(xiàn)狀及較主流的思想。首先,簡要概述了神經(jīng)網(wǎng)絡(luò)的發(fā)展,對各種年齡識別方法進行了簡單比較并闡述了各自的優(yōu)缺點,分析了不斷演進優(yōu)化的CNN框架結(jié)構(gòu)。其次從人臉檢測、特征提取等方面,對二者的基本思想和原理進行總結(jié),并對人臉年齡識別的整個流程進行了梳理。

    關(guān)鍵詞:深度學(xué)習;年齡識別;CNN框架;人臉檢測;特征提取

    中圖分類號:TP18? 文獻標識碼:A

    文章編號:1009-3044(2021)29-0095-04

    1引言

    計算機視覺作為計算機學(xué)科的一大分支,在近些年的發(fā)展十分迅速。圖像識別也從最開始進行簡單的數(shù)字和形狀識別發(fā)展到了現(xiàn)在對各種復(fù)雜物體的識別。其中我們最熟悉的便是計算機對于人臉的識別,近些年大數(shù)據(jù)和深度學(xué)習網(wǎng)絡(luò)的高速發(fā)展,給人臉的識別提供了極佳的發(fā)展環(huán)境,加上越來越多的開源數(shù)據(jù)庫的成立,對于人臉識別的研究在近幾年達到高潮。

    人臉年齡識別是人臉識別問題的一個子集,人臉的年齡估計有比較廣泛的應(yīng)用范圍,人臉是一個隨時間變化的屬性,年齡的變化可能會給常規(guī)的人臉識別帶來誤差,增加人臉識別的誤識率,這種情況就可以根據(jù)年齡估計系統(tǒng)快速對人臉屬性進行年齡歸類,然后對系統(tǒng)中儲存的圖像進行年齡修正,允許部分臉部特征的匹配,從而減小年齡的變化對人臉識別的影響。除了圖像的跨年齡識別外,圖像識別還能應(yīng)用在人員的快速篩查系統(tǒng)當中,在有大量人員的圖像或者視頻當中如果想要對人群進行年齡分類的話,如果對所有人的面部特征進行逐一搜索識別然后提取屬性信息的話會花費大量的時間代價。如果僅僅對每個人的面部特征進行提取并進行年齡估計的話,便能很快地將人群按年齡分類。

    2基于深度學(xué)習的人臉年齡識別

    圖像識別廣義上是為了將不同類別的圖像劃分到不同的類別中。對于形體規(guī)則物體的分類,傳統(tǒng)的圖像識別算法能夠有效的完成分類,但是對于具有復(fù)雜的特征的形體進行分類的話,傳統(tǒng)的圖像識別技術(shù)效果不是很好,往往伴隨著復(fù)雜的預(yù)處理過程。深度學(xué)習的興起也給圖像識別提供了合適的解決方案,利用大量的訓(xùn)練集對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練然后投入到識別任務(wù)中。人臉年齡識別便是根據(jù)人臉特稱進行特征分析,然后分類的過程。人臉年齡識別相比于人臉識別來說要求相對要低很多,不需要對人臉進行匹配,只需要根據(jù)提取出來的人臉特征進行年齡分類。所以年齡識別的過程和人臉識別的過程非常相似。基于深度學(xué)習的人臉年齡識別大致可以分為如下過程:卷積神經(jīng)網(wǎng)絡(luò)的搭建和訓(xùn)練,人臉的檢測,年齡預(yù)測[1]。

    2.1年齡識別研究

    在目前的研究中,常用的年齡識別方法有:多分類法(multi-class),度量回歸法(metric regression),排序(ranking),深度標簽分布學(xué)習(deep label distribution learning)和混合法(hyrid)[2]。

    這些方法在年齡識別領(lǐng)域各放異彩。其中,Rothe等人[3]應(yīng)用DEX(deep expection of apparent age)將多分類法與回歸法相結(jié)合以解決年齡回歸問題,把年齡分為101類,即0-100歲,通過VGG-16網(wǎng)絡(luò)框架提取特征。這種方法較簡單的回歸法魯棒性和性能更強,在2015 Chalern LAP斬獲第一。

    Chen等人[4]將年齡估計轉(zhuǎn)化為排序問題,提出基于CNN 的 ranking-CNN進行年齡預(yù)測,將年齡估計轉(zhuǎn)化為一個排序問題。該構(gòu)架具有一系列經(jīng)過“常規(guī)年齡標簽”訓(xùn)練的基本CNN,通過合計這些基礎(chǔ)CNN輸出的二分類結(jié)果,得到年齡預(yù)測結(jié)果。大量實驗證明,此方法較“多類”分類技術(shù)有較小的誤差。

    關(guān)于其他的研究進展,我們將會在后文中詳細討論。通過這些案例可看出深度學(xué)習網(wǎng)絡(luò)已廣泛應(yīng)用于圖像識別領(lǐng)域,并在年齡識別領(lǐng)域中發(fā)揮著非同凡響的作用。

    2.2神經(jīng)網(wǎng)絡(luò)

    深度學(xué)習是圖像識別的一個非常重要的工具,深度學(xué)習的研究最早可以追溯到20世紀,由于受到硬件性能的約束,深度學(xué)習的研究沒落了一段時間。但隨著21世紀硬件性能的高速躍進,也為深度學(xué)習網(wǎng)絡(luò)的實現(xiàn)奠定了基礎(chǔ),對于深度學(xué)習網(wǎng)絡(luò)的研究又重新進入了一個新的時代。LeCun于1998年提出了LeNet-5[5],LeNet提出了把神經(jīng)網(wǎng)絡(luò)和卷積結(jié)合的想法,而這也成為了一種影響巨大的卷積神經(jīng)網(wǎng)絡(luò),卷積和池化這兩個概念也正是由此產(chǎn)生。而隨著深度學(xué)習持續(xù)發(fā)展,到了2012年,在ImageNet 比賽中,由Alex Krizhevshy提出的AlexNet[6],一舉奪下當年比賽的冠軍。而在這之后,研究者又陸續(xù)提出了各種卷積神經(jīng)網(wǎng)絡(luò)的模型,比如 VG-GNet,GoogleNet,深度殘差網(wǎng)絡(luò)等[7]。

    VGG模型是由牛津大學(xué)在2014年提出的卷積神經(jīng)網(wǎng)絡(luò)模型,相比于AlexNet神經(jīng)網(wǎng)絡(luò),VGG 網(wǎng)絡(luò)旨在加深網(wǎng)絡(luò)以提高性能,該模型與2014的ILS-VRC定位和分類的兩個比賽上分別取得了第一和第二的優(yōu)秀成績,VGG模型的錯誤率大幅下降,該模型拓展性極強,被廣泛應(yīng)用與圖像協(xié)同定位,物體候選框生成和細粒度圖像定位等方面。

    GoogLeNet模型是2014年 ILSVRC Classification 比賽冠軍[8],該網(wǎng)絡(luò)與VGG 網(wǎng)絡(luò)錯誤率相接近。但是結(jié)構(gòu)上與VGG相比卻更加復(fù)雜,GoogLeNet是一個22層深的網(wǎng)絡(luò)。提高神經(jīng)網(wǎng)絡(luò)的性能的方法通常是增加模型的深度和寬度,但是隨著模型寬度和深度的增加,往往會產(chǎn)生一系列的問題,例如隨著深度和寬度的加深加大,網(wǎng)絡(luò)模型的參數(shù)也會隨之增加,而參數(shù)的增加就提高了對學(xué)習樣本數(shù)量的要求,但實際供模型學(xué)習的訓(xùn)練數(shù)據(jù)往往都很有限,這將導(dǎo)致過擬合的問題;而網(wǎng)絡(luò)復(fù)雜度的增大又會消耗額外的計算資源。再者,隨著網(wǎng)絡(luò)深度的加大,梯度也更容易消失,這會導(dǎo)致模型性能的進一步下降,而且也難以對此進行優(yōu)化。GoogLeNet模型便是為了解決上述問題而出現(xiàn)的,它提出了一種inception 的網(wǎng)絡(luò)結(jié)構(gòu),并除去了最后的全連接層,用全局平均池化層代替。

    殘差網(wǎng)絡(luò)ResNet[9]與GoogLeNet模型一樣,也是為了解決隨著網(wǎng)絡(luò)深度增加而使梯度在反向傳播過程中消失從而導(dǎo)致誤差的增大問題。殘差網(wǎng)絡(luò)是通過在前饋神經(jīng)網(wǎng)絡(luò)上增加一個跳躍,將單元的輸入和輸出進行直接的連接,從而實現(xiàn)了快捷連接,而這解決了梯度值在反向傳播過程中消失的問題。

    2.3人臉檢測

    隨著深度學(xué)習網(wǎng)絡(luò)的發(fā)展與應(yīng)用的逐漸成熟,被用于進行圖像識別的神經(jīng)網(wǎng)絡(luò)精度也日趨提高和完善,這為人臉年齡分類的實現(xiàn)打下了基礎(chǔ)。而在圖像輸入神經(jīng)網(wǎng)絡(luò)進行分類之前,應(yīng)當先找到圖像中的感興趣區(qū)域(ROI),也就是人臉區(qū)域。而目前,對于人臉檢測并提取ROI 的算法已經(jīng)較為成熟。

    2.3.1早期算法

    早期人臉檢測算法使用的是模板匹配技術(shù),即使用人臉模板圖像和被檢測圖像中的對應(yīng)位置進行匹配比較,并以此來確定該位置是否有人臉。其中早期最有代表性的是Rowley等人提出的方法。在文獻[10]中的方法解決了人臉的正面檢測問題。

    文獻[11]中解決了多角度人臉檢測的問題

    雖然 Rowley 的方法有較好的精度,但因為分類器相對復(fù)雜,再加之采用了密集滑動窗口進行采樣分析,導(dǎo)致其檢測速度較慢。

    2.3.2 AdaBoost框架

    Adaboost算法是基于PAC學(xué)習理論建立的一種集成學(xué)習算法,它通過針對同一個訓(xùn)練集訓(xùn)練多個不同的簡單弱分類器,并由此構(gòu)建出準確率很高的強分類器。而PAC學(xué)習理論驗證了這一方法的可行性。在2001年Viola 和Jones設(shè)計了一種人臉檢測算法[12],檢測速度在較之前的方法有大幅提升的同時,又維持了較好的精度。這種算法的出現(xiàn),奠定了基于Ada? Boost 目標檢測框架的基礎(chǔ)。

    2.3.3深度學(xué)習框架

    在卷積神經(jīng)網(wǎng)絡(luò)被應(yīng)用于圖像分類問題上并取得成功之后,便開始被用于人臉檢測。而其精度也大幅超越之前的Ada? Boost框架。目前,已有 Cascade CNN,DenseBox,F(xiàn)aceness-Net, MTCNN等高效高精度的算法。

    Cascade CNN[13]可被認為是傳統(tǒng)技術(shù)和深度網(wǎng)絡(luò)相結(jié)合的例子。它也包含了多個單獨的分類器,這些分類器采用級聯(lián)結(jié)構(gòu)進行組織。

    Faceness-Net[14]是使用的一種由粗到細的工作流,使用多個基于 DCNN 網(wǎng)絡(luò)的facialparts分類器對人臉圖像進行打分,并根據(jù)每個部件的得分分析規(guī)則,得到Proposal 的人臉區(qū)域,最后通過一個Refine 網(wǎng)絡(luò)并由此得到最終檢測結(jié)果。

    MTCNN[15]是一個多任務(wù)的方法?;贑ascade框架,但相較 Cascade CNN 整體思路更加合理。相較于 Cascade CNN 的12-net需要在整張圖片做密集窗口采樣進行分類的低效做法, MTCNN在第一階段PNet使用的是全卷積網(wǎng)絡(luò),其優(yōu)點在于可以輸入任意大小尺寸的圖像,同時將使用滑動窗口的運算改為卷積運算來代替,又使得效率得到了提高。

    2.4特征提取

    特征提取是人臉識別中最基本的問題之一,特征提取能從原始模式信息中提取出最有利于模式分類的特征,而且能極大地降低模式樣本地維數(shù)。特征提取的有效性是解決人臉識別的關(guān)鍵之一。人臉特征提取的主要方法如下:

    2.4.1基于幾何特征的方法

    基于幾何特征的方法通過提取人臉面部具有代表性的部位如眼睛,鼻子嘴巴的相對位置和相對大小作為特征,再輔助人臉輪廓作為特征。但是該方法容易受光照,表情,遮擋等因素的影響導(dǎo)致穩(wěn)定新不高。

    2.4.2基于子空間分析方法

    把高維空間中松散分布的人臉圖像通過線性或者非線性變換壓縮到一個低維的子空間中去,使人臉圖像的分布在低維子空間中更緊湊,更有利于分類,也使高維計算的減小到低維的計算,在一定程度上緩解了“維數(shù)災(zāi)難”。

    基于子空間分析現(xiàn)已經(jīng)成為人臉識別的主流方法之一,因為其方法不僅能減少計算復(fù)雜性,也能提高問題的可分性。正是由于基于可分性準則的線性判別分析使之具有一定的優(yōu)越性[16]。

    2.4.3基于小波理論的人臉識別方法

    小波分析又被譽為“數(shù)學(xué)顯微鏡”,人臉圖像屬于二維數(shù)據(jù),對人臉圖像數(shù)據(jù)進行小波變換,表示人臉時采用低頻圖像數(shù)據(jù)不但可以降低圖像的復(fù)雜性而且能使特征更為有效[17]。小波的多分辨率分析是圖像識別的有效工具,也是我們對圖像進行降維處理的有力工具。因為很容易將一維小波推廣到二維乃至更高維數(shù)的情景,所以在人臉識別中小波的作用也越來越明顯。

    2.4.4基于隱馬可夫模型識別

    在人臉識別過程中,我們往往不是單獨的用人臉的無關(guān)這些相對獨立的特征來進行的,而是把人臉作為一個整體來考慮。而隱馬可夫模型[18]恰恰很好地描述了這個過程?;陔[馬可夫模型允許人臉有豐富地表情變化,而且有較高地識別率,較好的擴容性。

    3總結(jié)

    人臉年齡的識別過程前期工作和人臉識別的工作大致相同,前期也有圖像預(yù)處理,人臉檢測和特征提取的過程。不同的地方在于人臉年齡是一個人臉的一個屬性,年齡檢測屬于一種分類問題,而人臉識別需要從提取出來的人臉特征進行匹配,是一種匹配搜索問題。所以人臉年齡的識別很多地方可以借用人臉識別的方法處理。人臉識別最重要的兩步工作決定了識別的成功與否:人臉檢測和特征提取。人臉檢測的目的就是判定一張圖片中是否有人臉的存在并且返回人臉所在的區(qū)域范圍,優(yōu)秀的人臉檢測算法不僅能提高識別的準確性,也能在一定程度減少數(shù)據(jù)的維度,加快識別的速率。目前最常用的人臉檢測方法主要為adaboost框架和基于深度學(xué)習的框架,基于深度學(xué)習的檢測框架在精度上遠超adaboost的識別框架,也是未來發(fā)展的一個大方向。另外一個重要的工作便是特征提取,特征提取能從原模式中提取出有利于我們分析的數(shù)據(jù)信息,極大降低了數(shù)據(jù)的維度,能提高識別的速率和準確性。當前人臉識別最廣泛的方法便是使用卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練和識別,自八層的alexnet網(wǎng)絡(luò)問世并獲得圖像識別比賽的冠軍后,各種卷積神經(jīng)網(wǎng)絡(luò)如雨后春筍般出現(xiàn)如VGGNet以及GoogleNet,識別的精度度和準確性越來越高,也為人臉年齡的識別提供了理論和實踐的基礎(chǔ)。

    參考文獻:

    [1]楊巨成,劉娜,房珊珊,等.基于深度學(xué)習的人臉識別方法研究綜述[J].天津科技大學(xué)學(xué)報,2016,31(6):1-10.

    [2] Agbo-AjalaO,ViririS.Deep learning approach for facial age classification:a survey of the state-of-the-art[J].Artificial Intelligence Review,2021,54(1):179-213.

    [3] RotheR,TimofteR,Van Gool L.Deep expectation of real and apparent age from a single image without facial landmarks[J]. International Journal of Computer Vision, 2018, 126(2/3/4):144-157.

    [4] Chen S X,Zhang C J,DongM,etal.Using ranking-CNN for age estimation[C]//2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). July 21-26, 2017, Honolulu, HI, USA.IEEE,2017:742-751.

    [5] LeCunY,BottouL,BengioY,etal.Gradient-based learning ap? plied to document recognition[J].Proceedings of the IEEE,1998, 86(11):2278-2324.

    [6] KrizhevskyA,SutskeverI,Hinton G E.ImageNet classification with deep convolutional neural networks[J].Communications of the ACM,2017,60(6):84-90.

    [7]周飛燕,金林鵬,董軍.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計算機學(xué)報,2017,40(6):1229-1251.

    [8] SzegedyC,LiuW,Jia Y Q,etal.Going deeper with convolutions [C]//2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).June 7-12, 2015, Boston, MA, USA. IEEE, 2015:1-9.

    [9] He K M,Zhang X Y,Ren S Q,etal.Deep residual learning for image recognition[C]//2016 IEEE Conference on Computer Vi?sion and Pattern Recognition (CVPR). June 27-30, 2016, Las Vegas,NV,USA.IEEE,2016:770-778.

    [10] Rowley H A,BalujaS,KanadeT.Neural network-based face detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1998,20(1):23-38.

    [11] Rowley H A,BalujaS,KanadeT.Rotation invariant neural net? work-based face detection[R]. Defense Technical Information Center,1997.

    [12] Li S Z,ZhuL,Zhang Z Q,etal.Statistical learning of multi- view face detection[M]//Computer Vision — ECCV 2002.Ber?lin,Heidelberg:Springer Berlin Heidelberg,2002:67-81.

    [13] Li H X,LinZ,Shen X H,etal.A convolutional neural network cascade for face detection[C]//2015 IEEE Conference on Com?puter Vision and Pattern Recognition (CVPR).June 7-12,2015, Boston,MA,USA.IEEE,2015:5325-5334.

    [14] Yang S, Luo P, Loy C C, et al. Faceness-net: face detection through deep facial part responses[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2018,40(8):1845-1859.

    [15] Zhang K P,Zhang Z P,Li Z F,etal.Joint face detection and alignment using multitask cascaded convolutional networks[J]. IEEE Signal Processing Letters,2016,23(10):1499-1503.

    [16]葛微,程宇奇,劉春香,等.基于子空間分析的人臉識別方法研究[J].中國光學(xué)與應(yīng)用光學(xué),2009,2(5):377-387.

    [17]許亞軍,李瑋欣.基于Gabor小波變換和神經(jīng)網(wǎng)絡(luò)的人臉識別研究 [J].中國電子科學(xué)研究院學(xué)報 , 2017, 12(5):534-539,550.

    [18]朱小艷,汪曉華.人臉識別的分析與實現(xiàn)[J].商丘職業(yè)技術(shù)學(xué)院學(xué)報,2005,4(5):25-26.

    【通聯(lián)編輯:唐一東】

    猜你喜歡
    特征提取深度學(xué)習
    特征提取和最小二乘支持向量機的水下目標識別
    基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    Bagging RCSP腦電特征提取算法
    有體驗的學(xué)習才是有意義的學(xué)習
    電子商務(wù)中基于深度學(xué)習的虛假交易識別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)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(xué)習算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    欧美日韩视频精品一区| 精品人妻熟女毛片av久久网站| netflix在线观看网站| 亚洲av成人精品一二三区| 亚洲在久久综合| 亚洲精品国产av蜜桃| 啦啦啦在线免费观看视频4| av福利片在线| 19禁男女啪啪无遮挡网站| 国产精品免费大片| 亚洲国产精品一区二区三区在线| 蜜桃国产av成人99| 色播在线永久视频| 精品国产露脸久久av麻豆| 亚洲精品一区蜜桃| 亚洲自偷自拍图片 自拍| 一级片'在线观看视频| 国产免费现黄频在线看| 国产深夜福利视频在线观看| 亚洲欧美一区二区三区久久| 爱豆传媒免费全集在线观看| 黄色视频不卡| 无遮挡黄片免费观看| 卡戴珊不雅视频在线播放| 精品国产一区二区久久| 在线看a的网站| 少妇被粗大的猛进出69影院| 激情视频va一区二区三区| 久久久久久久久免费视频了| 欧美精品一区二区免费开放| 波多野结衣av一区二区av| a级毛片黄视频| 国产亚洲最大av| 日本av免费视频播放| 精品国产一区二区三区久久久樱花| 午夜福利视频在线观看免费| 中文字幕精品免费在线观看视频| 亚洲免费av在线视频| 中文天堂在线官网| 高清视频免费观看一区二区| 天天躁夜夜躁狠狠躁躁| 亚洲国产最新在线播放| 亚洲av福利一区| 午夜日本视频在线| 在线精品无人区一区二区三| 女的被弄到高潮叫床怎么办| 好男人视频免费观看在线| av线在线观看网站| 丰满少妇做爰视频| 国产精品三级大全| 亚洲人成电影观看| 日韩,欧美,国产一区二区三区| av线在线观看网站| 欧美乱码精品一区二区三区| 高清av免费在线| 免费高清在线观看视频在线观看| 亚洲国产精品999| 成年av动漫网址| 一本大道久久a久久精品| 国产成人啪精品午夜网站| 久久免费观看电影| 国产毛片在线视频| 久久久国产欧美日韩av| 国产黄色视频一区二区在线观看| 亚洲精品久久午夜乱码| 精品一区二区免费观看| 成年美女黄网站色视频大全免费| 中文字幕人妻丝袜一区二区 | 欧美成人午夜精品| 18在线观看网站| 天天躁夜夜躁狠狠躁躁| 2018国产大陆天天弄谢| 2018国产大陆天天弄谢| av免费观看日本| 国产成人精品在线电影| 午夜福利一区二区在线看| 九九爱精品视频在线观看| 一区二区三区乱码不卡18| 午夜久久久在线观看| 国产精品无大码| 亚洲国产精品999| 美女视频免费永久观看网站| 日韩欧美精品免费久久| 2018国产大陆天天弄谢| 亚洲熟女精品中文字幕| 色网站视频免费| 日韩一区二区视频免费看| 飞空精品影院首页| 99久国产av精品国产电影| 观看美女的网站| 久久久久视频综合| 国产极品天堂在线| 午夜福利在线免费观看网站| 欧美97在线视频| 国产精品蜜桃在线观看| 日本欧美国产在线视频| 亚洲精品久久午夜乱码| 国产男女内射视频| 亚洲美女黄色视频免费看| 中文字幕人妻丝袜制服| 一本一本久久a久久精品综合妖精| 纯流量卡能插随身wifi吗| 老司机影院成人| 亚洲av福利一区| 国产 一区精品| 男女免费视频国产| 亚洲精品美女久久av网站| 免费黄频网站在线观看国产| 欧美 日韩 精品 国产| 美女国产高潮福利片在线看| av国产久精品久网站免费入址| 久久午夜综合久久蜜桃| 成人国语在线视频| 精品国产乱码久久久久久小说| 国产成人精品久久二区二区91 | 成人午夜精彩视频在线观看| 性色av一级| 亚洲国产欧美网| 日韩一卡2卡3卡4卡2021年| 你懂的网址亚洲精品在线观看| 纯流量卡能插随身wifi吗| 亚洲欧美清纯卡通| 校园人妻丝袜中文字幕| 少妇被粗大猛烈的视频| a级片在线免费高清观看视频| 婷婷色麻豆天堂久久| 高清视频免费观看一区二区| 日韩欧美一区视频在线观看| 在线观看免费视频网站a站| 精品亚洲成a人片在线观看| 亚洲av综合色区一区| 色婷婷久久久亚洲欧美| 亚洲欧美一区二区三区久久| 菩萨蛮人人尽说江南好唐韦庄| 人成视频在线观看免费观看| 伦理电影大哥的女人| 久久久欧美国产精品| 国产精品久久久久久精品古装| 精品国产国语对白av| 免费av中文字幕在线| 可以免费在线观看a视频的电影网站 | 高清不卡的av网站| 视频区图区小说| 一级片免费观看大全| 欧美激情极品国产一区二区三区| 久久天堂一区二区三区四区| 黑人巨大精品欧美一区二区蜜桃| 国产 精品1| 中文字幕最新亚洲高清| 男人操女人黄网站| 欧美日韩一区二区视频在线观看视频在线| 国产探花极品一区二区| 一级爰片在线观看| 青春草国产在线视频| 91老司机精品| 天堂中文最新版在线下载| 另类亚洲欧美激情| 国产亚洲av片在线观看秒播厂| 青春草国产在线视频| 亚洲自偷自拍图片 自拍| 精品一区二区三区av网在线观看 | av片东京热男人的天堂| 日韩人妻精品一区2区三区| 在线精品无人区一区二区三| 久久精品国产a三级三级三级| 啦啦啦啦在线视频资源| 日本欧美国产在线视频| 最新的欧美精品一区二区| 精品国产乱码久久久久久男人| 久热这里只有精品99| 韩国精品一区二区三区| 国产日韩欧美视频二区| 又黄又粗又硬又大视频| 9色porny在线观看| 成年女人毛片免费观看观看9 | 晚上一个人看的免费电影| 日韩欧美精品免费久久| 欧美另类一区| 中文天堂在线官网| 女性生殖器流出的白浆| 人妻一区二区av| 午夜福利乱码中文字幕| 在线观看人妻少妇| 亚洲成人免费av在线播放| 自线自在国产av| 老司机靠b影院| 丰满饥渴人妻一区二区三| 天天躁日日躁夜夜躁夜夜| 精品午夜福利在线看| 母亲3免费完整高清在线观看| 一级毛片黄色毛片免费观看视频| 亚洲中文av在线| 看免费成人av毛片| 久久av网站| 国产在线视频一区二区| 宅男免费午夜| 高清在线视频一区二区三区| 午夜精品国产一区二区电影| 久久久久久久国产电影| 国产一级毛片在线| 国产精品久久久久久精品古装| a级毛片黄视频| 午夜福利网站1000一区二区三区| 国产精品国产av在线观看| 国产精品香港三级国产av潘金莲 | netflix在线观看网站| 午夜日韩欧美国产| 亚洲av福利一区| 亚洲免费av在线视频| 最新在线观看一区二区三区 | 2021少妇久久久久久久久久久| 久久精品亚洲av国产电影网| 日韩,欧美,国产一区二区三区| 人人妻人人爽人人添夜夜欢视频| 久久婷婷青草| 日本欧美视频一区| 久久婷婷青草| 搡老岳熟女国产| 建设人人有责人人尽责人人享有的| 丰满饥渴人妻一区二区三| 黄网站色视频无遮挡免费观看| 在现免费观看毛片| av女优亚洲男人天堂| av女优亚洲男人天堂| 狂野欧美激情性bbbbbb| 侵犯人妻中文字幕一二三四区| 在现免费观看毛片| 国产片特级美女逼逼视频| 亚洲国产精品成人久久小说| 在现免费观看毛片| 成人影院久久| 国产视频首页在线观看| 久久ye,这里只有精品| 亚洲av电影在线观看一区二区三区| √禁漫天堂资源中文www| 男女边吃奶边做爰视频| 久久久久精品国产欧美久久久 | 另类亚洲欧美激情| 999精品在线视频| 亚洲精品在线美女| 久久久久网色| 亚洲国产最新在线播放| av国产久精品久网站免费入址| 亚洲精品日本国产第一区| 韩国av在线不卡| 少妇 在线观看| 一级黄片播放器| 女人爽到高潮嗷嗷叫在线视频| 在现免费观看毛片| 最近2019中文字幕mv第一页| 久久人人爽人人片av| 超碰97精品在线观看| 国产无遮挡羞羞视频在线观看| 日韩中文字幕欧美一区二区 | 亚洲熟女精品中文字幕| 中文欧美无线码| 香蕉丝袜av| 成人毛片60女人毛片免费| 中文天堂在线官网| 日韩一本色道免费dvd| 在线观看免费日韩欧美大片| 亚洲精品国产色婷婷电影| 国产精品99久久99久久久不卡 | 视频在线观看一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91| 一级毛片我不卡| 日日啪夜夜爽| 久久精品人人爽人人爽视色| 日韩大码丰满熟妇| 亚洲av电影在线观看一区二区三区| 久久久久精品性色| 欧美97在线视频| 免费女性裸体啪啪无遮挡网站| 国产成人免费观看mmmm| 午夜福利视频精品| 久久久久久免费高清国产稀缺| 亚洲成人国产一区在线观看 | 精品亚洲成a人片在线观看| 下体分泌物呈黄色| 黄色 视频免费看| 少妇 在线观看| 久久久久国产精品人妻一区二区| 性色av一级| 老熟女久久久| 免费少妇av软件| 日韩一区二区视频免费看| a级片在线免费高清观看视频| 不卡视频在线观看欧美| 制服丝袜香蕉在线| 99国产精品免费福利视频| 老司机影院毛片| 纵有疾风起免费观看全集完整版| 午夜福利网站1000一区二区三区| 少妇 在线观看| 巨乳人妻的诱惑在线观看| 1024香蕉在线观看| 一区二区三区四区激情视频| 亚洲精品一二三| videos熟女内射| 国产一区有黄有色的免费视频| 精品一区二区三卡| 午夜福利,免费看| 亚洲av电影在线进入| 香蕉丝袜av| 日韩大码丰满熟妇| av福利片在线| 成人国语在线视频| 国产视频首页在线观看| 久久青草综合色| 99久久99久久久精品蜜桃| www.熟女人妻精品国产| 亚洲欧洲日产国产| 亚洲国产中文字幕在线视频| 日本av手机在线免费观看| 精品少妇内射三级| 欧美乱码精品一区二区三区| 老司机在亚洲福利影院| 亚洲精品国产区一区二| 亚洲精品在线美女| 女的被弄到高潮叫床怎么办| 国产亚洲av片在线观看秒播厂| 国产不卡av网站在线观看| 国产一卡二卡三卡精品 | 99久国产av精品国产电影| 黄网站色视频无遮挡免费观看| 亚洲精品国产av蜜桃| 秋霞伦理黄片| 看免费成人av毛片| 在线看a的网站| 波多野结衣一区麻豆| 亚洲av男天堂| 在线观看国产h片| 免费日韩欧美在线观看| 久久久精品区二区三区| 麻豆乱淫一区二区| 亚洲少妇的诱惑av| 国产又爽黄色视频| 精品人妻熟女毛片av久久网站| 夫妻性生交免费视频一级片| 婷婷色麻豆天堂久久| 国产一区二区在线观看av| 国产激情久久老熟女| 久久青草综合色| 曰老女人黄片| 少妇 在线观看| 人人妻,人人澡人人爽秒播 | 黄片播放在线免费| 欧美日韩视频高清一区二区三区二| 男男h啪啪无遮挡| 水蜜桃什么品种好| 国产一级毛片在线| 亚洲欧美色中文字幕在线| 99国产精品免费福利视频| 国产福利在线免费观看视频| 欧美日韩亚洲综合一区二区三区_| 麻豆av在线久日| 亚洲一级一片aⅴ在线观看| 伦理电影免费视频| 日韩欧美精品免费久久| 黄片播放在线免费| 亚洲精品国产av成人精品| 秋霞在线观看毛片| 欧美成人精品欧美一级黄| 欧美日韩成人在线一区二区| 欧美亚洲 丝袜 人妻 在线| 日韩不卡一区二区三区视频在线| 国产精品无大码| 可以免费在线观看a视频的电影网站 | 日韩 欧美 亚洲 中文字幕| 亚洲男人天堂网一区| 亚洲成色77777| 天天躁夜夜躁狠狠久久av| 久久这里只有精品19| svipshipincom国产片| 亚洲婷婷狠狠爱综合网| 亚洲五月色婷婷综合| tube8黄色片| 1024香蕉在线观看| 国产伦人伦偷精品视频| 国产熟女午夜一区二区三区| 国产一区亚洲一区在线观看| 成人漫画全彩无遮挡| 色视频在线一区二区三区| 亚洲婷婷狠狠爱综合网| 久久人人爽人人片av| 免费黄频网站在线观看国产| avwww免费| 一级毛片黄色毛片免费观看视频| 街头女战士在线观看网站| 大码成人一级视频| 啦啦啦在线免费观看视频4| 侵犯人妻中文字幕一二三四区| 亚洲少妇的诱惑av| 一区福利在线观看| 国产毛片在线视频| 大话2 男鬼变身卡| 十八禁人妻一区二区| 久久精品亚洲av国产电影网| 中文精品一卡2卡3卡4更新| 日日爽夜夜爽网站| av卡一久久| 国产日韩欧美视频二区| 欧美精品高潮呻吟av久久| 国产成人精品在线电影| 91国产中文字幕| 国产精品三级大全| 日本av手机在线免费观看| 午夜日韩欧美国产| 黄网站色视频无遮挡免费观看| 黄色一级大片看看| 巨乳人妻的诱惑在线观看| 两性夫妻黄色片| 精品国产国语对白av| 国产精品久久久av美女十八| 国产黄色免费在线视频| 丰满乱子伦码专区| 如何舔出高潮| 亚洲av电影在线进入| 国产片内射在线| 男人舔女人的私密视频| 免费观看人在逋| 久久ye,这里只有精品| 久久久久久人妻| 90打野战视频偷拍视频| 99久久精品国产亚洲精品| 精品少妇内射三级| 日韩 欧美 亚洲 中文字幕| 超色免费av| 国产在视频线精品| 免费在线观看完整版高清| 99久久精品国产亚洲精品| 欧美精品亚洲一区二区| 国产精品.久久久| 国产精品免费大片| 久久久久久久国产电影| 亚洲第一区二区三区不卡| 久久午夜综合久久蜜桃| 免费黄频网站在线观看国产| 街头女战士在线观看网站| 久久精品国产综合久久久| 另类亚洲欧美激情| 亚洲伊人久久精品综合| 国产日韩欧美视频二区| 波野结衣二区三区在线| 国产人伦9x9x在线观看| 亚洲精品一区蜜桃| 麻豆av在线久日| 国产熟女欧美一区二区| 一本—道久久a久久精品蜜桃钙片| 日韩中文字幕欧美一区二区 | 18禁动态无遮挡网站| 制服丝袜香蕉在线| 久久97久久精品| 一区福利在线观看| 极品人妻少妇av视频| 久久久久久免费高清国产稀缺| 免费观看av网站的网址| 日本av手机在线免费观看| 精品一区二区三卡| netflix在线观看网站| 天天躁夜夜躁狠狠躁躁| 老鸭窝网址在线观看| 亚洲成人手机| 亚洲,欧美精品.| 美女扒开内裤让男人捅视频| 免费黄网站久久成人精品| 日韩一本色道免费dvd| 精品国产国语对白av| 亚洲欧美成人精品一区二区| 各种免费的搞黄视频| 亚洲精品国产区一区二| 久久精品国产亚洲av高清一级| 国产av国产精品国产| 亚洲欧美色中文字幕在线| 婷婷色综合大香蕉| 国产精品99久久99久久久不卡 | 久久99热这里只频精品6学生| 巨乳人妻的诱惑在线观看| 亚洲欧美成人综合另类久久久| 日韩 亚洲 欧美在线| 国产有黄有色有爽视频| 中文字幕高清在线视频| 午夜免费男女啪啪视频观看| 在线观看三级黄色| 国产精品蜜桃在线观看| 日韩一本色道免费dvd| 免费日韩欧美在线观看| 波野结衣二区三区在线| 国产精品女同一区二区软件| 久热这里只有精品99| 日本vs欧美在线观看视频| 久久久久久免费高清国产稀缺| 亚洲av欧美aⅴ国产| av电影中文网址| 国产一区二区激情短视频 | 少妇被粗大的猛进出69影院| 一本—道久久a久久精品蜜桃钙片| 国产精品蜜桃在线观看| 视频在线观看一区二区三区| 在现免费观看毛片| 人人妻人人澡人人爽人人夜夜| 久久人人爽av亚洲精品天堂| 高清视频免费观看一区二区| av又黄又爽大尺度在线免费看| 纯流量卡能插随身wifi吗| 国产极品天堂在线| 99久国产av精品国产电影| 黑丝袜美女国产一区| xxxhd国产人妻xxx| 免费看不卡的av| 七月丁香在线播放| 老汉色∧v一级毛片| 汤姆久久久久久久影院中文字幕| 亚洲欧美清纯卡通| 色94色欧美一区二区| 久久久久久久精品精品| 国产精品国产av在线观看| 啦啦啦在线观看免费高清www| 日韩制服丝袜自拍偷拍| 婷婷色综合大香蕉| 欧美成人午夜精品| 人成视频在线观看免费观看| 国产在视频线精品| 国产男女超爽视频在线观看| 亚洲色图综合在线观看| 亚洲男人天堂网一区| 精品一区在线观看国产| 久久久国产欧美日韩av| 日韩不卡一区二区三区视频在线| 性色av一级| 免费人妻精品一区二区三区视频| 欧美精品亚洲一区二区| 黄频高清免费视频| 亚洲自偷自拍图片 自拍| 99精国产麻豆久久婷婷| 国产av国产精品国产| 99re6热这里在线精品视频| 亚洲国产精品一区三区| 国产一卡二卡三卡精品 | av又黄又爽大尺度在线免费看| 亚洲国产精品国产精品| 国产精品秋霞免费鲁丝片| 如何舔出高潮| 欧美精品一区二区免费开放| 亚洲精品成人av观看孕妇| 亚洲av日韩在线播放| 久久久久网色| 亚洲成人免费av在线播放| 伊人亚洲综合成人网| 亚洲婷婷狠狠爱综合网| 日韩视频在线欧美| 99热国产这里只有精品6| 婷婷成人精品国产| 在线观看免费日韩欧美大片| 欧美成人午夜精品| 婷婷色麻豆天堂久久| 精品少妇一区二区三区视频日本电影 | kizo精华| av一本久久久久| 精品一品国产午夜福利视频| 2018国产大陆天天弄谢| 久久狼人影院| av网站在线播放免费| 天天躁狠狠躁夜夜躁狠狠躁| 操美女的视频在线观看| 国产深夜福利视频在线观看| 哪个播放器可以免费观看大片| 老司机靠b影院| 日本av免费视频播放| 亚洲精品成人av观看孕妇| 18在线观看网站| 建设人人有责人人尽责人人享有的| 日韩大码丰满熟妇| 日韩一区二区三区影片| 街头女战士在线观看网站| 久久久久久免费高清国产稀缺| 香蕉国产在线看| 国产一级毛片在线| 波多野结衣一区麻豆| 欧美日韩亚洲高清精品| 一区在线观看完整版| 女人被躁到高潮嗷嗷叫费观| 少妇被粗大猛烈的视频| 蜜桃国产av成人99| 日本色播在线视频| 成年人午夜在线观看视频| 午夜福利在线免费观看网站| 王馨瑶露胸无遮挡在线观看| 午夜福利在线免费观看网站| 久久韩国三级中文字幕| 夫妻性生交免费视频一级片| 日韩欧美精品免费久久| 欧美激情高清一区二区三区 | 黄色视频不卡| 美女福利国产在线| 欧美日韩亚洲综合一区二区三区_| 夜夜骑夜夜射夜夜干| 男女免费视频国产| 9热在线视频观看99| 色精品久久人妻99蜜桃| 欧美成人午夜精品| 黄片无遮挡物在线观看| 老汉色∧v一级毛片| 欧美日韩福利视频一区二区| 国产爽快片一区二区三区| 日韩精品有码人妻一区| 日日啪夜夜爽| 爱豆传媒免费全集在线观看| 精品一区二区三卡| 男女边吃奶边做爰视频| 免费看不卡的av| 久久久久久久久免费视频了| 国产成人一区二区在线| av在线播放精品| 久久女婷五月综合色啪小说|