• <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(xí)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(xí)

    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(xí)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(zhǔn)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(jìn)行分類的問題研究中。本文圍繞基于深度學(xué)習(xí)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(jìn)行了簡單比較并闡述了各自的優(yōu)缺點,分析了不斷演進(jìn)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(jìn)行總結(jié),并對人臉年齡識別的整個流程進(jìn)行了梳理。

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

    中圖分類號:TP18? 文獻(xiàn)標(biāo)識碼:A

    文章編號:1009-3044(2021)29-0095-04

    1引言

    計算機(jī)視覺作為計算機(jī)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(jìn)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(jī)對于人臉的識別,近些年大數(shù)據(jù)和深度學(xué)習(xí)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(dá)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(jìn)行年齡歸類,然后對系統(tǒng)中儲存的圖像進(jìn)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(dāng)中,在有大量人員的圖像或者視頻當(dāng)中如果想要對人群進(jìn)行年齡分類的話,如果對所有人的面部特征進(jìn)行逐一搜索識別然后提取屬性信息的話會花費(fèi)大量的時間代價。如果僅僅對每個人的面部特征進(jìn)行提取并進(jìn)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(xí)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(jìn)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(xí)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(jìn)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(jìn)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(jìn)行匹配,只需要根據(jù)提取出來的人臉特征進(jìn)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(xí)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(biāo)簽分布學(xué)習(xí)(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(qiáng),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(jìn)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(biāo)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(jìn)展,我們將會在后文中詳細(xì)討論。通過這些案例可看出深度學(xué)習(xí)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(xí)是圖像識別的一個非常重要的工具,深度學(xué)習(xí)的研究最早可以追溯到20世紀(jì),由于受到硬件性能的約束,深度學(xué)習(xí)的研究沒落了一段時間。但隨著21世紀(jì)硬件性能的高速躍進(jìn),也為深度學(xué)習(xí)網(wǎng)絡(luò)的實現(xiàn)奠定了基礎(chǔ),對于深度學(xué)習(xí)網(wǎng)絡(luò)的研究又重新進(jìn)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(xí)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(dāng)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(qiáng),被廣泛應(yīng)用與圖像協(xié)同定位,物體候選框生成和細(xì)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(xí)樣本數(shù)量的要求,但實際供模型學(xué)習(xí)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(jìn)一步下降,而且也難以對此進(jìn)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(jìn)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(xí)網(wǎng)絡(luò)的發(fā)展與應(yīng)用的逐漸成熟,被用于進(jìn)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(jìn)行分類之前,應(yīng)當(dāng)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(jìn)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(xiàn)[10]中的方法解決了人臉的正面檢測問題。

    文獻(xiàn)[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(jìn)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(xí)理論建立的一種集成學(xué)習(xí)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(zhǔn)確率很高的強(qiáng)分類器。而PAC學(xué)習(xí)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(biāo)檢測框架的基礎(chǔ)。

    2.3.3深度學(xué)習(xí)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(rèn)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(jìn)行組織。

    Faceness-Net[14]是使用的一種由粗到細(xì)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(jìn)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。基于Cascade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(jìn)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(yùn)算改為卷積運(yùn)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(zhǔn)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(yù)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(jìn)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(jìn)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(jìn)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(kuò)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(jìn)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?biāo)诘膮^(qū)域范圍,優(yōu)秀的人臉檢測算法不僅能提高識別的準(zhǔn)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(xí)的框架,基于深度學(xué)習(xí)的檢測框架在精度上遠(yuǎn)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(zhǔn)確性。當(dāng)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(jìn)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(zhǔn)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(xiàn):

    [1]楊巨成,劉娜,房珊珊,等.基于深度學(xué)習(xí)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(jī)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(xí)
    特征提取和最小二乘支持向量機(jī)的水下目標(biāo)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(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)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(xí)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
    一级av片app| 久久综合国产亚洲精品| 熟女电影av网| 日韩电影二区| 最近最新中文字幕大全电影3| 亚洲精品中文字幕在线视频 | 能在线免费观看的黄片| 亚洲精品国产成人久久av| 亚洲一级一片aⅴ在线观看| 一级毛片 在线播放| 国产午夜精品久久久久久一区二区三区| 久久亚洲国产成人精品v| 亚洲精品乱码久久久v下载方式| 欧美xxxx性猛交bbbb| 国内精品宾馆在线| 简卡轻食公司| 最近的中文字幕免费完整| 精品久久久久久久末码| 麻豆国产97在线/欧美| 男女边吃奶边做爰视频| 日韩强制内射视频| 日本免费a在线| 少妇人妻精品综合一区二区| 天堂av国产一区二区熟女人妻| 午夜福利在线观看免费完整高清在| 久久久成人免费电影| 一区二区三区四区激情视频| 成人亚洲精品av一区二区| 午夜免费男女啪啪视频观看| 亚洲精品一二三| 午夜视频国产福利| 黄色一级大片看看| 三级男女做爰猛烈吃奶摸视频| 久久久久国产网址| 三级毛片av免费| 午夜福利在线观看吧| 爱豆传媒免费全集在线观看| av一本久久久久| 97在线视频观看| 一级片'在线观看视频| or卡值多少钱| 欧美一区二区亚洲| 亚洲精品久久午夜乱码| 国产精品人妻久久久影院| 久久久久精品久久久久真实原创| 在线观看一区二区三区| www.色视频.com| 精品久久久久久久久av| 99久久中文字幕三级久久日本| 精品人妻视频免费看| 国产熟女欧美一区二区| 亚洲色图av天堂| 国产黄片美女视频| 亚洲精品自拍成人| 日本猛色少妇xxxxx猛交久久| 国产精品熟女久久久久浪| 99热这里只有是精品50| 国产午夜福利久久久久久| 日韩欧美三级三区| 男人和女人高潮做爰伦理| 国产精品麻豆人妻色哟哟久久 | 免费大片18禁| 2021少妇久久久久久久久久久| 少妇人妻精品综合一区二区| 国产成人a区在线观看| 亚洲国产高清在线一区二区三| 美女黄网站色视频| 亚洲成人久久爱视频| 亚洲精品日本国产第一区| 国产精品美女特级片免费视频播放器| 日韩成人伦理影院| 久久精品国产自在天天线| 欧美zozozo另类| 亚洲人成网站在线播| 成人亚洲精品一区在线观看 | .国产精品久久| 亚洲伊人久久精品综合| 精品一区二区三区视频在线| 日日摸夜夜添夜夜添av毛片| 欧美bdsm另类| 精品久久久久久久末码| 国产综合懂色| 男女啪啪激烈高潮av片| 成人漫画全彩无遮挡| 美女高潮的动态| 高清视频免费观看一区二区 | 观看免费一级毛片| 久久久亚洲精品成人影院| 激情五月婷婷亚洲| 婷婷色av中文字幕| 三级男女做爰猛烈吃奶摸视频| 国产 亚洲一区二区三区 | av卡一久久| 国产在视频线在精品| av.在线天堂| 午夜激情久久久久久久| 久久精品久久久久久久性| 熟妇人妻久久中文字幕3abv| 日韩不卡一区二区三区视频在线| 男人和女人高潮做爰伦理| 日韩一区二区视频免费看| 亚洲精品自拍成人| 在线观看免费高清a一片| 别揉我奶头 嗯啊视频| 插逼视频在线观看| 又大又黄又爽视频免费| 国产视频首页在线观看| 成人二区视频| 国产有黄有色有爽视频| av一本久久久久| 久久精品久久久久久久性| 黄色配什么色好看| 高清av免费在线| 三级毛片av免费| 亚洲,欧美,日韩| 婷婷色综合大香蕉| 国语对白做爰xxxⅹ性视频网站| 国产高清三级在线| 久久久午夜欧美精品| 视频中文字幕在线观看| 在线观看人妻少妇| 婷婷色麻豆天堂久久| 国产综合精华液| 精品99又大又爽又粗少妇毛片| 三级男女做爰猛烈吃奶摸视频| 精品午夜福利在线看| 日韩 亚洲 欧美在线| av在线亚洲专区| 五月伊人婷婷丁香| 99久国产av精品国产电影| 99久久精品一区二区三区| 黄片无遮挡物在线观看| 18禁裸乳无遮挡免费网站照片| 午夜精品一区二区三区免费看| 国产爱豆传媒在线观看| 免费观看无遮挡的男女| 精品久久久噜噜| 久久精品人妻少妇| 一区二区三区四区激情视频| 国产淫语在线视频| 久久精品久久久久久噜噜老黄| 婷婷色综合www| 免费观看精品视频网站| 日韩,欧美,国产一区二区三区| 成人毛片a级毛片在线播放| 中文字幕av成人在线电影| 男人舔奶头视频| av黄色大香蕉| 男女那种视频在线观看| 十八禁网站网址无遮挡 | 麻豆成人av视频| 亚洲精品aⅴ在线观看| 色吧在线观看| 毛片一级片免费看久久久久| 亚洲国产精品成人久久小说| 日韩av在线免费看完整版不卡| 亚洲av.av天堂| 国产av国产精品国产| 久久精品国产亚洲网站| 亚洲精华国产精华液的使用体验| 大话2 男鬼变身卡| 搡女人真爽免费视频火全软件| 青青草视频在线视频观看| 男人狂女人下面高潮的视频| 网址你懂的国产日韩在线| 亚洲熟女精品中文字幕| 日本爱情动作片www.在线观看| 久久久久性生活片| 波多野结衣巨乳人妻| 成人毛片a级毛片在线播放| 九九久久精品国产亚洲av麻豆| 91久久精品国产一区二区成人| 欧美成人午夜免费资源| 三级经典国产精品| 日韩精品有码人妻一区| 亚洲国产精品成人综合色| 狠狠精品人妻久久久久久综合| 亚洲色图av天堂| 草草在线视频免费看| 啦啦啦中文免费视频观看日本| 亚洲成人av在线免费| av国产免费在线观看| 91久久精品国产一区二区三区| 精品一区二区三区视频在线| 夜夜爽夜夜爽视频| 免费av不卡在线播放| 久久久成人免费电影| 亚洲婷婷狠狠爱综合网| 直男gayav资源| 精品国产露脸久久av麻豆 | 男女边吃奶边做爰视频| 国产美女午夜福利| 少妇的逼水好多| 18禁在线播放成人免费| 在现免费观看毛片| 大又大粗又爽又黄少妇毛片口| 男女啪啪激烈高潮av片| 国产国拍精品亚洲av在线观看| 超碰av人人做人人爽久久| 啦啦啦啦在线视频资源| 天天一区二区日本电影三级| 国产伦精品一区二区三区视频9| 亚洲国产最新在线播放| 免费在线观看成人毛片| 日韩,欧美,国产一区二区三区| 草草在线视频免费看| 亚洲最大成人手机在线| 午夜视频国产福利| 91av网一区二区| 六月丁香七月| 久久久久久久久久久丰满| 三级经典国产精品| 男人舔女人下体高潮全视频| 午夜福利视频精品| 狠狠精品人妻久久久久久综合| 久久久久久久久久成人| 久久精品人妻少妇| 国产成人精品婷婷| 午夜福利视频1000在线观看| 精品人妻一区二区三区麻豆| 国产探花极品一区二区| 国产黄色免费在线视频| 丰满人妻一区二区三区视频av| 国产精品久久视频播放| 99久国产av精品| 日本熟妇午夜| 亚洲精品日韩av片在线观看| 国产男人的电影天堂91| 春色校园在线视频观看| 伊人久久国产一区二区| 99视频精品全部免费 在线| 黑人高潮一二区| 大香蕉97超碰在线| 亚洲在线观看片| 亚洲精品乱码久久久久久按摩| 91在线精品国自产拍蜜月| 欧美成人午夜免费资源| 亚洲av一区综合| 91在线精品国自产拍蜜月| 久久精品国产亚洲网站| 国产色婷婷99| 成年女人看的毛片在线观看| 国产黄a三级三级三级人| 中文字幕亚洲精品专区| 亚洲精品自拍成人| 2021少妇久久久久久久久久久| 十八禁网站网址无遮挡 | 亚洲在线观看片| 欧美bdsm另类| 一级黄片播放器| 夜夜看夜夜爽夜夜摸| 天美传媒精品一区二区| 日韩成人伦理影院| 亚洲精品日韩av片在线观看| av免费观看日本| 九九在线视频观看精品| 久久99蜜桃精品久久| 日韩成人av中文字幕在线观看| 嘟嘟电影网在线观看| 人妻一区二区av| 亚洲欧美日韩无卡精品| av在线播放精品| 色视频www国产| 中文资源天堂在线| 1000部很黄的大片| 3wmmmm亚洲av在线观看| 免费大片18禁| 99久国产av精品| 欧美人与善性xxx| 国产老妇女一区| 七月丁香在线播放| 亚洲欧美清纯卡通| 国产日韩欧美在线精品| 亚洲欧美一区二区三区黑人 | 人妻系列 视频| 国产日韩欧美在线精品| 欧美xxⅹ黑人| 亚洲国产欧美人成| 免费看av在线观看网站| 日韩,欧美,国产一区二区三区| 久久久成人免费电影| 青春草国产在线视频| 精品一区二区三区人妻视频| videossex国产| 日韩国内少妇激情av| 色综合站精品国产| 国产激情偷乱视频一区二区| 高清日韩中文字幕在线| 亚洲国产精品国产精品| eeuss影院久久| 麻豆乱淫一区二区| 最近中文字幕2019免费版| 精品人妻视频免费看| 看免费成人av毛片| 看十八女毛片水多多多| 亚洲精品日韩在线中文字幕| 国产成年人精品一区二区| 精品一区二区三区视频在线| 亚洲国产日韩欧美精品在线观看| av国产免费在线观看| 99久久精品国产国产毛片| 国产午夜精品一二区理论片| 天堂√8在线中文| 老师上课跳d突然被开到最大视频| 日韩中字成人| 午夜福利成人在线免费观看| 久久精品国产自在天天线| 欧美3d第一页| 亚洲精品日韩av片在线观看| 婷婷色av中文字幕| 亚洲精品日韩av片在线观看| 久热久热在线精品观看| 日本午夜av视频| 天堂俺去俺来也www色官网 | 日日干狠狠操夜夜爽| 欧美日本视频| 国产精品女同一区二区软件| 伦精品一区二区三区| 国产高清国产精品国产三级 | 免费观看性生交大片5| 成人二区视频| 国内精品一区二区在线观看| 亚洲av成人精品一二三区| 日韩欧美精品免费久久| 欧美激情久久久久久爽电影| 国产av国产精品国产| 亚洲,欧美,日韩| 我要看日韩黄色一级片| 国产在线男女| 综合色av麻豆| 国产伦精品一区二区三区四那| 欧美精品国产亚洲| 欧美成人午夜免费资源| 亚洲国产av新网站| 内地一区二区视频在线| 久久久成人免费电影| 精品99又大又爽又粗少妇毛片| 国产一区二区三区av在线| 韩国高清视频一区二区三区| 中文欧美无线码| 欧美xxxx性猛交bbbb| 精品一区二区三区人妻视频| 简卡轻食公司| 亚洲精品自拍成人| 久久99热6这里只有精品| 婷婷色麻豆天堂久久| 亚洲欧美一区二区三区国产| 国产黄色免费在线视频| 成年免费大片在线观看| 国产av在哪里看| 非洲黑人性xxxx精品又粗又长| 九九在线视频观看精品| 日韩成人av中文字幕在线观看| 欧美97在线视频| 国产成年人精品一区二区| 欧美3d第一页| ponron亚洲| 亚洲欧美清纯卡通| 精品一区二区三区人妻视频| 好男人视频免费观看在线| 国产伦精品一区二区三区四那| 亚洲av国产av综合av卡| 最近中文字幕高清免费大全6| videos熟女内射| 亚洲国产精品专区欧美| 又黄又爽又刺激的免费视频.| 丰满人妻一区二区三区视频av| 乱码一卡2卡4卡精品| 色综合亚洲欧美另类图片| 欧美高清性xxxxhd video| 最新中文字幕久久久久| 成年av动漫网址| 又大又黄又爽视频免费| av黄色大香蕉| 美女黄网站色视频| 大又大粗又爽又黄少妇毛片口| 亚洲av成人av| 午夜免费观看性视频| 久久久久久国产a免费观看| av专区在线播放| 国产黄a三级三级三级人| 免费人成在线观看视频色| 国产成人福利小说| 亚洲人成网站在线观看播放| 国产精品女同一区二区软件| 看免费成人av毛片| 欧美成人一区二区免费高清观看| 国产av码专区亚洲av| 午夜福利视频1000在线观看| 国产高潮美女av| 亚洲国产精品成人久久小说| 汤姆久久久久久久影院中文字幕 | 大话2 男鬼变身卡| 午夜激情欧美在线| 少妇人妻一区二区三区视频| 久久草成人影院| 国产不卡一卡二| 亚洲久久久久久中文字幕| 精品久久久久久电影网| 在线观看人妻少妇| 麻豆国产97在线/欧美| 欧美变态另类bdsm刘玥| 美女xxoo啪啪120秒动态图| 91狼人影院| 嫩草影院新地址| 人妻制服诱惑在线中文字幕| 好男人视频免费观看在线| 熟女电影av网| 人妻少妇偷人精品九色| 久久99精品国语久久久| 狠狠精品人妻久久久久久综合| 草草在线视频免费看| 九九爱精品视频在线观看| 亚洲自拍偷在线| 成人国产麻豆网| 国产欧美另类精品又又久久亚洲欧美| 男插女下体视频免费在线播放| 伊人久久精品亚洲午夜| 嫩草影院精品99| 中文字幕av在线有码专区| 亚洲av男天堂| 欧美成人午夜免费资源| 日本午夜av视频| 美女高潮的动态| 中文字幕av成人在线电影| 日本欧美国产在线视频| 最近中文字幕2019免费版| 丝袜美腿在线中文| 99re6热这里在线精品视频| 最近视频中文字幕2019在线8| 成人欧美大片| 国产av不卡久久| 亚洲天堂国产精品一区在线| 亚洲欧洲国产日韩| 免费看日本二区| 国产三级在线视频| 在线免费观看不下载黄p国产| 美女脱内裤让男人舔精品视频| 综合色丁香网| 国产激情偷乱视频一区二区| 亚洲伊人久久精品综合| 欧美成人精品欧美一级黄| av在线观看视频网站免费| 人妻少妇偷人精品九色| 肉色欧美久久久久久久蜜桃 | 18禁在线播放成人免费| a级一级毛片免费在线观看| 免费电影在线观看免费观看| 水蜜桃什么品种好| av.在线天堂| 性色avwww在线观看| 欧美最新免费一区二区三区| 久久久精品欧美日韩精品| 亚洲国产成人一精品久久久| 国产精品无大码| 亚洲精品国产av成人精品| 国产成人a∨麻豆精品| 真实男女啪啪啪动态图| 日韩伦理黄色片| 亚洲成人一二三区av| av播播在线观看一区| 麻豆乱淫一区二区| 1000部很黄的大片| 好男人在线观看高清免费视频| 久久久久久久久久久免费av| 日本爱情动作片www.在线观看| 免费看光身美女| 综合色丁香网| 国产探花极品一区二区| 免费大片18禁| 欧美高清成人免费视频www| 听说在线观看完整版免费高清| 天堂av国产一区二区熟女人妻| 亚洲熟妇中文字幕五十中出| 中文字幕人妻熟人妻熟丝袜美| 男人舔女人下体高潮全视频| 亚洲国产成人一精品久久久| 亚洲精品成人久久久久久| 国产精品伦人一区二区| 中文欧美无线码| 99热这里只有是精品在线观看| 久久热精品热| 美女内射精品一级片tv| 人体艺术视频欧美日本| 午夜免费激情av| 人妻制服诱惑在线中文字幕| 乱人视频在线观看| 特级一级黄色大片| 搡老乐熟女国产| 波多野结衣巨乳人妻| 有码 亚洲区| 精品久久久久久久人妻蜜臀av| 国产国拍精品亚洲av在线观看| 乱码一卡2卡4卡精品| 日韩三级伦理在线观看| 欧美极品一区二区三区四区| 亚洲自拍偷在线| 久久99热6这里只有精品| 汤姆久久久久久久影院中文字幕 | 美女被艹到高潮喷水动态| 精品久久久久久电影网| 秋霞在线观看毛片| 日韩人妻高清精品专区| 18禁在线无遮挡免费观看视频| 一级爰片在线观看| 日韩不卡一区二区三区视频在线| 国产一级毛片在线| 国产一区二区三区av在线| 人妻系列 视频| 中文欧美无线码| 久久精品国产亚洲网站| 男女边摸边吃奶| 国产美女午夜福利| 国产熟女欧美一区二区| 一本久久精品| 欧美最新免费一区二区三区| 能在线免费看毛片的网站| av福利片在线观看| 国语对白做爰xxxⅹ性视频网站| h日本视频在线播放| 亚洲高清免费不卡视频| 欧美日韩综合久久久久久| 能在线免费看毛片的网站| 久久鲁丝午夜福利片| 免费观看性生交大片5| 亚洲经典国产精华液单| 少妇猛男粗大的猛烈进出视频 | 国产一区二区三区综合在线观看 | 亚洲丝袜综合中文字幕| 黑人高潮一二区| 久久久久久久亚洲中文字幕| 精品久久久久久电影网| 国产乱人偷精品视频| av国产免费在线观看| 极品教师在线视频| 人人妻人人澡欧美一区二区| 男人爽女人下面视频在线观看| 国产熟女欧美一区二区| 国产片特级美女逼逼视频| 国产午夜福利久久久久久| 能在线免费观看的黄片| 久久热精品热| 欧美丝袜亚洲另类| 男女啪啪激烈高潮av片| 97精品久久久久久久久久精品| 国产有黄有色有爽视频| 美女cb高潮喷水在线观看| 欧美精品一区二区大全| 麻豆乱淫一区二区| 国产黄频视频在线观看| 欧美日韩亚洲高清精品| av在线观看视频网站免费| 日本黄色片子视频| 日本午夜av视频| 亚洲精品中文字幕在线视频 | 一级毛片 在线播放| 国产精品麻豆人妻色哟哟久久 | 黄色欧美视频在线观看| 亚洲自偷自拍三级| 欧美潮喷喷水| 乱人视频在线观看| 国产白丝娇喘喷水9色精品| 男插女下体视频免费在线播放| 永久免费av网站大全| 国产在视频线精品| 纵有疾风起免费观看全集完整版 | 亚洲av中文字字幕乱码综合| 舔av片在线| 网址你懂的国产日韩在线| 大片免费播放器 马上看| 国产伦理片在线播放av一区| 狂野欧美激情性xxxx在线观看| 高清视频免费观看一区二区 | av福利片在线观看| 麻豆成人午夜福利视频| 男女边摸边吃奶| 三级国产精品片| 日韩欧美精品v在线| 久久草成人影院| www.色视频.com| 国产一区有黄有色的免费视频 | 能在线免费观看的黄片| freevideosex欧美| 特大巨黑吊av在线直播| 国产精品av视频在线免费观看| 精品一区二区三卡| 男女国产视频网站| 亚洲性久久影院| 性插视频无遮挡在线免费观看| 天堂中文最新版在线下载 | 丰满少妇做爰视频| 身体一侧抽搐| 在线免费观看不下载黄p国产| av国产免费在线观看| 99久久人妻综合| 精品久久久久久久久av| 亚洲,欧美,日韩| 国产精品久久视频播放| 九九在线视频观看精品| 国产中年淑女户外野战色| 欧美日韩精品成人综合77777| 国产 一区 欧美 日韩| 男女国产视频网站| 日韩,欧美,国产一区二区三区| 国产亚洲精品久久久com| 午夜福利在线在线| 欧美日韩亚洲高清精品| 国产精品一及| 国产探花在线观看一区二区| 听说在线观看完整版免费高清| 免费av不卡在线播放| 最近的中文字幕免费完整| 久久99蜜桃精品久久| 直男gayav资源| 久久久久久国产a免费观看|