• <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 ?

    基于超分辨重建和公共特征子空間的低分辨率人臉識別

    2023-05-08 04:44:34李云紅劉杏瑞謝蓉蓉蘇雪平張蕾濤拜曉樺
    關(guān)鍵詞:低分辨率高分辨率人臉識別

    李云紅,劉杏瑞,謝蓉蓉,蘇雪平,張蕾濤,拜曉樺

    (西安工程大學(xué) 電子信息學(xué)院,陜西 西安 710048)

    人臉識別技術(shù)是機(jī)器視覺和模式識別領(lǐng)域的一個(gè)研究熱點(diǎn),廣泛應(yīng)用于人機(jī)交互、公共安全和信息安全等領(lǐng)域[1]。比較典型的人臉識別技術(shù)有基于模板匹配的人臉識別法[2]、基于特征臉的人臉識別法[3]、基于隱馬爾可夫模型的人臉識別法[4]和基于神經(jīng)網(wǎng)絡(luò)的人臉識別法[5]。因?yàn)榈头直媛蕡D像具有的人臉特征信息量小、噪聲多、可利用識別的像素點(diǎn)和圖像特征少等因素,低分辨率人臉識別比高分辨率人臉識別更加困難[6]。

    關(guān)于低分辨率人臉識別,Freeman等人提出單通道超級分辨率算法,只需要在訓(xùn)練集中對采自本地圖像數(shù)據(jù)的每個(gè)斑塊的向量進(jìn)行最近鄰搜索[7]。肖哲構(gòu)建了高、低分辨率對應(yīng)的人臉數(shù)據(jù)集,學(xué)習(xí)低分辨率數(shù)據(jù)集中相應(yīng)高低分辨圖像的局部像素結(jié)構(gòu),通過學(xué)習(xí)到的知識對圖像重建獲得高分辨率圖像[8];Hennings-Yeomans等人將超分辨率重建和人臉識別同時(shí)進(jìn)行[9];馬博宇對高分辨率基準(zhǔn)集圖像進(jìn)行下采樣操作,獲取到對應(yīng)的低分辨率基準(zhǔn)集后,再將低分辨率的測試樣本集和低分辨率的基準(zhǔn)集的人臉圖像特征進(jìn)行對比,得出最后的分類識別結(jié)果[10];范文豪通過在保持特征類內(nèi)距離的情況下,增大類間距離,提高模型的泛化能力[11];Choi等人通過最小化高、低分辨率特征重構(gòu)產(chǎn)生的誤差,在低分辨率特征子空間中進(jìn)行人臉識別[12];Lei等人提出了基于局部頻域的人臉特征提取方法[13]。根據(jù)高、低分辨率圖像空間特征維度不匹配的特點(diǎn),低分辨率人臉圖像識別大致分為“間接”超分辨(super-resolution,SR)與“直接”的公共特征子空間法兩類[14]。研究表明,圖像超分辨重建在人臉監(jiān)控和識別等領(lǐng)域具有重要的應(yīng)用價(jià)值[15]。

    針對超分辨方法識別精度不高和公共特征子空間方法無法重建低分辨率的高分辨率圖像的問題,本文結(jié)合超分辨法與公共子空間法,在InSRNet超分辨網(wǎng)絡(luò)基礎(chǔ)上,提出一種基于生成對抗網(wǎng)絡(luò)的低分辨率人臉識別網(wǎng)絡(luò)InGLRNet,通過InGLRNet網(wǎng)絡(luò)與CLPMs、MDS、Deep-Face和Face-Net經(jīng)典的4種低分辨率人臉識別方法進(jìn)行對比實(shí)驗(yàn),驗(yàn)證InGLRNet網(wǎng)絡(luò)在低分辨率人臉圖像識別上的準(zhǔn)確性和有效性。

    1 InGLRNet網(wǎng)絡(luò)設(shè)計(jì)

    基于超分辨方法可重建高質(zhì)量圖像的功能和公共子空間方法的高識別性能,設(shè)計(jì)了一種基于生成對抗的低分辨率人臉識別網(wǎng)絡(luò)InGLRNet,圖1為InGLRNet人臉識別網(wǎng)絡(luò)總框架。此網(wǎng)絡(luò)由生成網(wǎng)絡(luò)(generator)和判別網(wǎng)絡(luò)(discriminator)構(gòu)成。生成網(wǎng)絡(luò)實(shí)現(xiàn)低分辨人臉圖像的超分辨功能,將低分辨率人臉樣本集輸入生成網(wǎng)絡(luò),可以生成高分辨率的人臉圖像樣本,并將生成的高分辨率樣本集的特征傳遞給判別網(wǎng)絡(luò)。然后,通過特征提取網(wǎng)絡(luò)將高分辨率基準(zhǔn)集圖像特征傳遞給判別網(wǎng)絡(luò),最終由判別網(wǎng)絡(luò)通過生成樣本來自基準(zhǔn)集的概率判斷生成樣本的真與假。

    1.1 生成網(wǎng)絡(luò)設(shè)計(jì)

    生成網(wǎng)絡(luò)由超分辨網(wǎng)絡(luò)InSRNet和特征提取網(wǎng)絡(luò)(feature-extraction,FECNN)構(gòu)成。圖2是生成網(wǎng)絡(luò)結(jié)構(gòu)圖,超分辨InSRNet網(wǎng)絡(luò)將輸入的低分辨率樣本圖像生成超分辨率SR(super-resolution)結(jié)果,再由特征提取網(wǎng)絡(luò)FECNN完成特征提取。

    針對超分辨率卷積神經(jīng)網(wǎng)絡(luò)(super-resolution convolutional neural network,SRCNN)網(wǎng)絡(luò)層數(shù)較少、感受野較小等不足,設(shè)計(jì)超分辨InSRNet網(wǎng)絡(luò),InSRNet在增加卷積層的同時(shí),采用Inception結(jié)構(gòu)加深網(wǎng)絡(luò),減少了網(wǎng)絡(luò)參數(shù),增加殘差網(wǎng)絡(luò)的旁路輸出以減輕梯度消失問題。

    鑒于超分辨網(wǎng)絡(luò)中輸入的低分辨率圖像可利用像素點(diǎn)較少,InSRNet網(wǎng)絡(luò)在Inception的結(jié)構(gòu)中將卷積核為3×3的卷積層整體替代為3個(gè)分別為1×3、3×1和1×1的小卷積操作,減少了網(wǎng)絡(luò)模型參數(shù)量,提高了網(wǎng)絡(luò)運(yùn)行速度。此網(wǎng)絡(luò)中Inception結(jié)構(gòu)選用的是v2版本,相對于v1版本,v2版本擁有更優(yōu)秀的性能和更少的參數(shù)量[16]。在生成網(wǎng)絡(luò)中,InSRNet網(wǎng)絡(luò)串聯(lián)的3個(gè)residual block結(jié)構(gòu)相同,完成低分辨率圖像的特征映射。

    圖1 InGLRNet人臉識別網(wǎng)絡(luò)總框架圖

    圖2 生成網(wǎng)絡(luò)結(jié)構(gòu)圖

    為了有效地對生成圖像和高分辨率基準(zhǔn)圖像的特征進(jìn)行表征,本文以VGG網(wǎng)絡(luò)結(jié)構(gòu)為模板,設(shè)計(jì)了特征提取網(wǎng)絡(luò)FECNN。FECNN是在VGG的基礎(chǔ)上,刪除了最后2個(gè)全連接層,以此來更好地完成特征提取。使用傳統(tǒng)的雙三次插值方法獲得所需的分辨率與尺寸,最后一層的輸出是具有4 096個(gè)元素的特征向量。

    FECNN網(wǎng)絡(luò)的結(jié)構(gòu)對超分辨網(wǎng)絡(luò)InSRNet生成的超分辨SR結(jié)果進(jìn)行特征提取,同時(shí)對高分辨率基準(zhǔn)圖像集的特征提取。當(dāng)它的輸入是高分辨率的基準(zhǔn)圖像集時(shí),作用是將高分辨率圖像的特征提取并傳輸?shù)脚袆e網(wǎng)絡(luò)中,以便判別網(wǎng)絡(luò)判斷真假。FECNN將高分辨率圖像映射到公共空間,生成網(wǎng)絡(luò)將低分辨率圖像映射到該公共空間,構(gòu)成了判別網(wǎng)絡(luò)的雙輸入。

    1.2 判別網(wǎng)絡(luò)設(shè)計(jì)

    在生成網(wǎng)絡(luò)的訓(xùn)練中,得到了生成網(wǎng)絡(luò)提取到的超分辨率SR結(jié)果的特征,以及特征提取網(wǎng)絡(luò)FECNN提取到的高分辨率圖像HR(high-resolution)的特征。將提取到的特征輸入到判別網(wǎng)絡(luò)中,由判別網(wǎng)絡(luò)負(fù)責(zé)將提取到的特征投影到一個(gè)公共空間中,通過損失函數(shù)匹配特征的同時(shí),判斷生成圖像的真假。圖3是判別網(wǎng)絡(luò)結(jié)構(gòu)圖,判別網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)回歸到原始的卷積網(wǎng)絡(luò),由前4層卷積層以及后兩層的全連接層和softmax層共7層網(wǎng)絡(luò)組成。

    圖3 InGLRNet判別網(wǎng)絡(luò)結(jié)構(gòu)圖

    (1)

    (2)

    L=lSR+lFECNN+ldisc

    (3)

    式中:損失函數(shù)由超分辨網(wǎng)絡(luò)InSRNet的損失項(xiàng)lSR、特征提取FECNN的損失項(xiàng)lFECNN和判別網(wǎng)絡(luò)的損失項(xiàng)ldisc3部分組成。超分辨網(wǎng)絡(luò)InSRNet的損失項(xiàng)和特征提取FECNN的損失項(xiàng)采用均方誤差(MSE)進(jìn)行計(jì)算,損失函數(shù)為

    (4)

    式中:Gθ為預(yù)測值。判別網(wǎng)絡(luò)的損失函數(shù)采用交叉熵?fù)p失函數(shù),

    (5)

    2 實(shí)驗(yàn)過程與結(jié)果分析

    低分辨人臉識別網(wǎng)絡(luò)InGLRNet的訓(xùn)練分為3個(gè)階段:第1階段是特征提取網(wǎng)絡(luò)FECNN的訓(xùn)練;第2階段是超分辨網(wǎng)絡(luò)InSRNet的訓(xùn)練,通過高分辨率圖像下采樣得到低分辨率人臉圖像數(shù)據(jù)集來訓(xùn)練;第3階段是合并超分辨網(wǎng)絡(luò)InSRNet和特征提取網(wǎng)絡(luò)FECNN,將包含同一個(gè)人的低分辨率和高分辨率訓(xùn)練數(shù)據(jù)集分別輸入生成網(wǎng)絡(luò)。對所有訓(xùn)練圖像對重復(fù)多次訓(xùn)練過程,微調(diào)在前2個(gè)訓(xùn)練階段中獲得的權(quán)重,以降低所有層的學(xué)習(xí)率。另外,在將低分辨率圖像重建至高分辨率圖像的訓(xùn)練過程中,將低分辨率樣本圖像輸入到超分辨網(wǎng)絡(luò)InSRNet后,從超分辨網(wǎng)絡(luò)InSRNet的最后一層提取相應(yīng)的高分辨率人臉圖像,以此來測試InSRNet網(wǎng)絡(luò)超分辨后的圖像質(zhì)量。

    2.1 實(shí)驗(yàn)過程

    實(shí)驗(yàn)使用CASIA-Webfaces數(shù)據(jù)集和FERET數(shù)據(jù)集共138 984張圖像作為構(gòu)架的低分辨率人臉識別網(wǎng)絡(luò)InGLRNet的訓(xùn)練集。選用LFW人臉數(shù)據(jù)集評估構(gòu)架的低分辨率人臉識別網(wǎng)絡(luò)InGLRNet的識別性能,LFW人臉數(shù)據(jù)集中包含13 000張人臉圖像。

    在訓(xùn)練階段的初期,先對基于VGG網(wǎng)絡(luò)構(gòu)建的FECNN進(jìn)行訓(xùn)練,之后對超分辨InSRNet網(wǎng)絡(luò)模塊進(jìn)行預(yù)訓(xùn)練。對選定的CASIA-Webfaces數(shù)據(jù)集和FERET數(shù)據(jù)集中160×160的人臉圖像進(jìn)行下采樣,下采樣后的圖像大小為32×32,由此可得與訓(xùn)練數(shù)據(jù)集中高分辨率人臉圖像相對應(yīng)的低分辨率人臉訓(xùn)練數(shù)據(jù)集。在InSRNet網(wǎng)絡(luò)的訓(xùn)練過程中,InSRNet網(wǎng)絡(luò)將輸入的低分辨率人臉圖像生成高分辨率的人臉圖像。待超分辨InSRNet網(wǎng)絡(luò)訓(xùn)練完成后,就可以從InSRNet網(wǎng)絡(luò)的最后一層提取相應(yīng)的高分辨率人臉圖像。

    圖4是不同低分辨率重構(gòu)方法的過程圖, 在對低分辨率圖像重構(gòu)過程中, 將超分辨網(wǎng)絡(luò)InSRNet與傳統(tǒng)的經(jīng)典人臉超分辨重構(gòu)方法進(jìn)行對比,對本文設(shè)計(jì)的超分辨重構(gòu)網(wǎng)絡(luò)生成的圖像質(zhì)量進(jìn)行評估實(shí)驗(yàn)。方法1(bicubic interpolation)是使用雙三插值對低分辨率圖像進(jìn)行重構(gòu),該方法配置僅使用雙三次插值法將低分辨率輸入圖像映射到尺寸為128×128的圖像,不使用任何深度神經(jīng)學(xué)習(xí)網(wǎng)絡(luò)。因此,在此訓(xùn)練階段,僅需要更新FECNN網(wǎng)絡(luò)權(quán)重即可。方法2是超分辨SRCNN網(wǎng)絡(luò),使用傳統(tǒng)的CNN網(wǎng)絡(luò)對低分辨率圖像進(jìn)行進(jìn)一步的重構(gòu)。方法3是本文提出的InSRNet網(wǎng)絡(luò),將殘差網(wǎng)絡(luò)用于超分辨中,替換SRCNN的CNN模塊,期望學(xué)習(xí)到更多的圖像細(xì)節(jié),以得到更高質(zhì)量的重構(gòu)圖像。

    2.2 實(shí)驗(yàn)結(jié)果評估

    在完成低分辨率人臉識別之前,首先需要對低分辨率圖像進(jìn)行重建,重建的高分辨率圖像的質(zhì)量影響著人臉識別的結(jié)果。因此,本文的實(shí)驗(yàn)結(jié)果評估將從重建的高分辨率圖像質(zhì)量與低分辨人臉識別率2個(gè)方面進(jìn)行分析。

    2.2.1 InSRNet生成圖像質(zhì)量評估

    圖5是3種不同低分辨率重構(gòu)方法視覺效果對比圖。第1行圖像是由原始圖像下采樣后得到的低分辨率人臉訓(xùn)練集圖像,中間3行為bicubic interpolation、SRCNN和InSRNet 3種不同低分辨率方法重構(gòu)后的圖像,最后1行圖像是高分辨率的原始圖像。為了展示效果,將圖像放大到同一尺寸32×32,超分辨倍數(shù)為4,以便對比3種不同方法重構(gòu)后的圖像質(zhì)量。

    圖4 不同低分辨率重構(gòu)方法的過程圖

    圖5 3種不同重構(gòu)方法在的人臉圖像上的視覺效果對比圖

    在圖5中,以重建人臉圖像的視覺質(zhì)量為依據(jù),將超分辨網(wǎng)絡(luò)InSRNet的方法與不同低分辨率重構(gòu)方法進(jìn)行比較,結(jié)果表明,使用基于殘差網(wǎng)絡(luò)超分辨方法(見圖5中方法3)可以大大提高超分辨InSRNet網(wǎng)絡(luò)的重構(gòu)性能,重構(gòu)后的圖像質(zhì)量明顯優(yōu)于其他重構(gòu)方法。同時(shí),為了客觀地比較這3種方法的視覺增強(qiáng)效果,使用峰值信噪比(peak signal to noise ratio,PSNR)和結(jié)構(gòu)相似性指數(shù)(structural similarity,SSIM)進(jìn)一步度量3種重構(gòu)方法的優(yōu)劣。PSNR的作用是評判重構(gòu)圖像的質(zhì)量,若PSNR值越大,重構(gòu)圖像中的噪聲越小,代表重構(gòu)圖像的質(zhì)量越高。但是,在有些情況下,人類的視覺感知認(rèn)為PSRN值低的圖像并不一定質(zhì)量差,即人類的視覺感知與PSNR體現(xiàn)的高質(zhì)量并不統(tǒng)一,針對這個(gè)問題,需要引入結(jié)構(gòu)相似度SSIM作為圖像評價(jià)指標(biāo)。SSIM是一個(gè)0到1之間的數(shù),SSIM越大,兩圖像間差異越小。本文將參考這2個(gè)指標(biāo)共同對重構(gòu)后的圖像質(zhì)量進(jìn)行評估。

    表1是3種不同低分辨率重構(gòu)方法重建后的高分辨率人臉圖像的峰值信噪比PSNR和結(jié)構(gòu)相似性指數(shù)SSIM的比較結(jié)果。 相比于僅使用雙三插值和僅使用傳統(tǒng)的CNN網(wǎng)絡(luò)結(jié)構(gòu)法, 超分辨網(wǎng)絡(luò)InSRNet方法重構(gòu)的人臉圖像不僅具有最佳的視覺效果, 而且重建的人臉圖像與高分辨率基準(zhǔn)圖像之間的差異最小。 超分辨網(wǎng)絡(luò)InSRNet方法在PSNR和SSIM上的表現(xiàn)也優(yōu)于其他2種方法。 表明基于Inception和殘差網(wǎng)絡(luò)的超分辨網(wǎng)絡(luò)InSRNet能夠生成高質(zhì)量的高分辨率人臉圖像, 以供判別網(wǎng)絡(luò)進(jìn)行判別。

    表1 不同重建方法的PSNR和SSIM

    表2為3種不同重建方法在不同低分辨率的Rank-1識別精度,Rank-1識別精度為與目標(biāo)人臉最相似的人臉中成功找到正確人臉的概率。

    表2 不同重建方法在不同低分辨率上的Rank-1識別精度

    從表2可以看出,在所有低分辨率重構(gòu)方法中,超分辨網(wǎng)絡(luò)InSRNet方法在不同的分辨率情況下都取得了最高的識別精度。結(jié)果說明,基于Inception和殘差網(wǎng)絡(luò)的超分辨網(wǎng)絡(luò)InSRNet在主要訓(xùn)練階段可以大大提高低分辨人臉識別網(wǎng)絡(luò)InGLRNet的識別性能。特別當(dāng)人臉圖像的分辨率非常低時(shí),該方法的識別性能明顯高于其他低分辨率重構(gòu)的方法??傊?基于Inception和殘差的超分辨InSRNet網(wǎng)絡(luò)的結(jié)構(gòu)能夠生成視覺質(zhì)量更高的重構(gòu)圖像,并且獲得更好的識別性能。

    2.2.2 InGLRNet識別率評估

    在此次實(shí)驗(yàn)中,對訓(xùn)練完成的低分辨率人臉網(wǎng)絡(luò)在LFW數(shù)據(jù)集上進(jìn)行了評估。為了評估構(gòu)建的InGLRNet網(wǎng)絡(luò)對不同低分辨率的圖像的識別性能,考慮了6×6、12×12、24×24和32×32這4種不同的分辨率。 首先, 分別以不同圖像分辨率對超分辨InSRNet網(wǎng)絡(luò)進(jìn)行訓(xùn)練; 然后, 將超分辨InSRNet網(wǎng)絡(luò)連接到FECNN網(wǎng)絡(luò)組成完整的InGLRNet低分辨率人臉識別網(wǎng)絡(luò); 最后, 在每種分辨率條件下, 重新訓(xùn)練構(gòu)建的低分辨率人臉識別網(wǎng)絡(luò)。 為了進(jìn)一步驗(yàn)證論文構(gòu)建的InGLRNet低分辨率識別網(wǎng)絡(luò)的有效性,將構(gòu)建的InGLRNet網(wǎng)絡(luò)與CLPMs、MDS、Deep-Face和Face-Net這4種經(jīng)典的低分辨人臉識別方法在不同的低分辨率下進(jìn)行了比較。表3是在LFW數(shù)據(jù)集上不同方法在不同低分辨率之間的Rank-1識別精度比較結(jié)果。

    表3 不同人臉識別方法在不同低分辨率上的Rank-1識別精度

    CLPMs是基于傳統(tǒng)的特征臉與小波變換法,而MDS是基于公共特征子空間的多維度尺寸分析法,這2種方法都不需要下采樣和超分辨重構(gòu)過程。Deep-Face與Face-Net是基于深度卷積網(wǎng)絡(luò)的低分辨率人臉識別法。從表3可以看出,構(gòu)建的InGLRNet人臉識別方法在4個(gè)分辨率條件下都優(yōu)于其他方法。在24×24的低分辨率上比性能優(yōu)異的Face-Net還要高出3.7%。并且,在6×6這樣的超低分辨率上,構(gòu)建的InGLRNet網(wǎng)絡(luò)也比其他方法有明顯優(yōu)勢,比同分辨率中識別性能最優(yōu)異的CLPMs的識別精度高出6.3%。本文提出的InGLRNet網(wǎng)絡(luò)在識別性能方面優(yōu)于其他4種經(jīng)典的低分辨率人臉識別方法。當(dāng)輸入的人臉圖像分辨率較低時(shí),其性能也有明顯的提升,對于超低分辨率的人臉圖像的識別性能有較好的改善。

    3 結(jié)語

    本文針對傳統(tǒng)低分辨率人臉識別準(zhǔn)確率較低的問題,搭建了一種基于超分辨和公共特征子空間的低分辨率人臉識別網(wǎng)絡(luò)InGLRNet。利用超分辨網(wǎng)絡(luò)和特征提取網(wǎng)絡(luò)構(gòu)成生成網(wǎng)絡(luò),判別網(wǎng)絡(luò)采用傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),以提取并保留足夠多而且有效的圖像特征,減輕梯度消失問題并且加強(qiáng)圖像特征的傳播。通過與CLPMs、MDS、Deep-Face和Face-Net這4種經(jīng)典的低分辨人臉識別方法進(jìn)行對比實(shí)驗(yàn)可知,本文構(gòu)建的超分辨網(wǎng)絡(luò)可以實(shí)現(xiàn)高質(zhì)量的高分辨率圖像的生成。并且整個(gè)InGLRNet網(wǎng)絡(luò)在識別性能上有顯著的提升,在不同的低分辨率條件下都優(yōu)于其他方法。

    猜你喜歡
    低分辨率高分辨率人臉識別
    紅外熱成像中低分辨率行人小目標(biāo)檢測方法
    基于偏移學(xué)習(xí)的低分辨率人體姿態(tài)估計(jì)
    人臉識別 等
    高分辨率合成孔徑雷達(dá)圖像解譯系統(tǒng)
    揭開人臉識別的神秘面紗
    樹木的低分辨率三維模型資源創(chuàng)建實(shí)踐
    高分辨率對地觀測系統(tǒng)
    太空探索(2015年8期)2015-07-18 11:04:44
    基于類獨(dú)立核稀疏表示的魯棒人臉識別
    基于Curvelet-Wavelet變換高分辨率遙感圖像降噪
    高分辨率遙感相機(jī)CCD器件精密熱控制
    国产伦精品一区二区三区四那| 免费一级毛片在线播放高清视频| 波多野结衣巨乳人妻| 白带黄色成豆腐渣| 久久精品91蜜桃| 男女午夜视频在线观看| 国产亚洲欧美在线一区二区| 别揉我奶头~嗯~啊~动态视频| 亚洲成人久久爱视频| 巨乳人妻的诱惑在线观看| a级毛片a级免费在线| 国产视频一区二区在线看| 小说图片视频综合网站| 国产毛片a区久久久久| 成人高潮视频无遮挡免费网站| 免费在线观看视频国产中文字幕亚洲| 国产成+人综合+亚洲专区| 在线十欧美十亚洲十日本专区| 老司机在亚洲福利影院| 亚洲最大成人中文| www日本在线高清视频| 一个人看视频在线观看www免费 | 噜噜噜噜噜久久久久久91| 成人午夜高清在线视频| 亚洲无线在线观看| 免费av毛片视频| 国产精品久久久人人做人人爽| 熟女电影av网| 国产亚洲精品一区二区www| 怎么达到女性高潮| 毛片女人毛片| 听说在线观看完整版免费高清| 90打野战视频偷拍视频| 成人永久免费在线观看视频| 国产麻豆成人av免费视频| 亚洲成人久久爱视频| 欧美丝袜亚洲另类 | 午夜精品久久久久久毛片777| 国产精品一区二区三区四区久久| 日韩欧美国产一区二区入口| 在线永久观看黄色视频| 亚洲精品久久国产高清桃花| 久久久久久久久免费视频了| 久久久久久人人人人人| 亚洲狠狠婷婷综合久久图片| 少妇的丰满在线观看| 搡老熟女国产l中国老女人| 嫩草影视91久久| 亚洲精品粉嫩美女一区| 一级作爱视频免费观看| 脱女人内裤的视频| 欧美+亚洲+日韩+国产| 亚洲18禁久久av| 三级男女做爰猛烈吃奶摸视频| 国产黄片美女视频| 久久久国产成人免费| 日韩av在线大香蕉| 欧美在线一区亚洲| 日日干狠狠操夜夜爽| 黄频高清免费视频| 一夜夜www| 亚洲国产欧美一区二区综合| 欧美乱妇无乱码| 午夜激情欧美在线| 午夜福利成人在线免费观看| 午夜久久久久精精品| av黄色大香蕉| 精品一区二区三区视频在线观看免费| 亚洲精品美女久久久久99蜜臀| 国产精品久久视频播放| 亚洲在线观看片| 999久久久精品免费观看国产| 美女黄网站色视频| 熟女人妻精品中文字幕| 搞女人的毛片| 少妇丰满av| 色播亚洲综合网| 法律面前人人平等表现在哪些方面| 国产精品国产高清国产av| 午夜福利欧美成人| 男插女下体视频免费在线播放| 伦理电影免费视频| 色哟哟哟哟哟哟| 长腿黑丝高跟| 99久久精品国产亚洲精品| 亚洲成av人片在线播放无| 日韩精品青青久久久久久| 九九热线精品视视频播放| 中文字幕精品亚洲无线码一区| 91九色精品人成在线观看| 亚洲美女黄片视频| 亚洲精品久久国产高清桃花| 少妇的逼水好多| 久久久国产欧美日韩av| a级毛片在线看网站| 高清在线国产一区| 男人舔女人的私密视频| 亚洲欧美一区二区三区黑人| 级片在线观看| 国产乱人视频| 亚洲七黄色美女视频| 亚洲av电影不卡..在线观看| 亚洲欧美精品综合一区二区三区| 亚洲18禁久久av| 国产美女午夜福利| 亚洲va日本ⅴa欧美va伊人久久| 精华霜和精华液先用哪个| 欧美激情在线99| 午夜成年电影在线免费观看| 麻豆久久精品国产亚洲av| 成人特级av手机在线观看| x7x7x7水蜜桃| 色老头精品视频在线观看| 国产精品av视频在线免费观看| 国产精品久久视频播放| 一级毛片高清免费大全| 久久亚洲精品不卡| 国产欧美日韩精品亚洲av| 日韩免费av在线播放| 国产一区二区在线观看日韩 | 国产视频内射| 午夜久久久久精精品| 韩国av一区二区三区四区| 亚洲精品在线美女| 午夜免费成人在线视频| 国产私拍福利视频在线观看| 亚洲无线在线观看| 久久精品91无色码中文字幕| 午夜激情福利司机影院| 亚洲欧洲精品一区二区精品久久久| 国产av麻豆久久久久久久| 97碰自拍视频| 啪啪无遮挡十八禁网站| 国产成人av激情在线播放| 精品电影一区二区在线| 色播亚洲综合网| 国产精品一区二区免费欧美| 亚洲成人中文字幕在线播放| 久9热在线精品视频| 色综合婷婷激情| 啦啦啦免费观看视频1| 啪啪无遮挡十八禁网站| 一本一本综合久久| 非洲黑人性xxxx精品又粗又长| 国产69精品久久久久777片 | 18禁观看日本| 他把我摸到了高潮在线观看| 夜夜爽天天搞| 精品一区二区三区视频在线 | 99国产精品一区二区三区| 在线观看66精品国产| 亚洲av片天天在线观看| 不卡av一区二区三区| 国产高潮美女av| 亚洲真实伦在线观看| 国产欧美日韩一区二区三| 欧美日韩中文字幕国产精品一区二区三区| 51午夜福利影视在线观看| 免费观看的影片在线观看| xxxwww97欧美| 国产又黄又爽又无遮挡在线| 老司机深夜福利视频在线观看| 欧美日韩黄片免| 巨乳人妻的诱惑在线观看| 亚洲av电影在线进入| 日韩高清综合在线| 高清在线国产一区| 人人妻,人人澡人人爽秒播| 亚洲精品中文字幕一二三四区| 国产综合懂色| 国产99白浆流出| 岛国视频午夜一区免费看| 五月玫瑰六月丁香| 国产成人影院久久av| 久久精品影院6| 亚洲av第一区精品v没综合| 一进一出抽搐动态| 国产综合懂色| 色老头精品视频在线观看| 国产精品久久久久久亚洲av鲁大| 欧美在线黄色| 国产精品九九99| 午夜福利视频1000在线观看| 欧美黄色淫秽网站| 免费观看精品视频网站| 男人舔女人下体高潮全视频| 欧美日韩福利视频一区二区| 国产精品99久久99久久久不卡| 午夜免费观看网址| 国产成人系列免费观看| 99久久综合精品五月天人人| 久久国产精品人妻蜜桃| 亚洲成av人片在线播放无| 搡老熟女国产l中国老女人| 手机成人av网站| 国产成人av激情在线播放| 激情在线观看视频在线高清| 亚洲国产精品999在线| 国内毛片毛片毛片毛片毛片| 两人在一起打扑克的视频| 亚洲成av人片在线播放无| 午夜免费成人在线视频| 亚洲狠狠婷婷综合久久图片| 非洲黑人性xxxx精品又粗又长| 国产1区2区3区精品| 12—13女人毛片做爰片一| 国产av不卡久久| www.www免费av| 日本一本二区三区精品| 日韩成人在线观看一区二区三区| 一级作爱视频免费观看| 在线观看免费视频日本深夜| 亚洲欧美日韩卡通动漫| 欧美高清成人免费视频www| 在线永久观看黄色视频| 女人被狂操c到高潮| 午夜两性在线视频| 免费看美女性在线毛片视频| 欧美最黄视频在线播放免费| 国产免费av片在线观看野外av| bbb黄色大片| 黄色成人免费大全| 搡老妇女老女人老熟妇| 精品久久久久久久人妻蜜臀av| 最新中文字幕久久久久 | 免费观看精品视频网站| 国产精品av视频在线免费观看| 美女 人体艺术 gogo| 一个人看的www免费观看视频| 久久香蕉国产精品| 国产又黄又爽又无遮挡在线| 亚洲国产精品sss在线观看| 香蕉国产在线看| 香蕉久久夜色| 国产精品九九99| 亚洲第一电影网av| 97人妻精品一区二区三区麻豆| 日本免费a在线| 香蕉丝袜av| 亚洲专区国产一区二区| 白带黄色成豆腐渣| 成人三级黄色视频| 亚洲欧美日韩卡通动漫| 中出人妻视频一区二区| 久久久久国产精品人妻aⅴ院| 国产高清激情床上av| 欧美xxxx黑人xx丫x性爽| 蜜桃久久精品国产亚洲av| 又紧又爽又黄一区二区| 免费av毛片视频| 久久久久九九精品影院| 成人18禁在线播放| av福利片在线观看| 18禁国产床啪视频网站| 这个男人来自地球电影免费观看| 无限看片的www在线观看| 88av欧美| 色av中文字幕| 97人妻精品一区二区三区麻豆| 日韩有码中文字幕| 变态另类成人亚洲欧美熟女| 久久久国产精品麻豆| 黄色丝袜av网址大全| 日韩欧美精品v在线| 真人一进一出gif抽搐免费| 国产精品国产高清国产av| 一个人免费在线观看的高清视频| 美女被艹到高潮喷水动态| 久久精品国产清高在天天线| 欧美国产日韩亚洲一区| 美女免费视频网站| aaaaa片日本免费| 亚洲精品在线美女| 男人的好看免费观看在线视频| 两性午夜刺激爽爽歪歪视频在线观看| 一个人免费在线观看的高清视频| 国产1区2区3区精品| 色吧在线观看| 欧美另类亚洲清纯唯美| 中文字幕人成人乱码亚洲影| 欧美中文日本在线观看视频| 亚洲真实伦在线观看| 午夜精品久久久久久毛片777| 久久精品人妻少妇| 丝袜人妻中文字幕| 国产精品99久久99久久久不卡| 免费大片18禁| 国产亚洲精品综合一区在线观看| 九九热线精品视视频播放| 国产精品一区二区免费欧美| 丰满人妻一区二区三区视频av | 亚洲人与动物交配视频| 黄色 视频免费看| 老鸭窝网址在线观看| 特级一级黄色大片| 免费观看人在逋| 日韩大尺度精品在线看网址| 波多野结衣高清作品| 国产成人啪精品午夜网站| 天天躁狠狠躁夜夜躁狠狠躁| 国产成人欧美在线观看| 在线视频色国产色| 美女高潮的动态| 男人舔奶头视频| 欧美乱妇无乱码| 国产精品亚洲一级av第二区| 亚洲精华国产精华精| 国内精品一区二区在线观看| 午夜亚洲福利在线播放| 两性午夜刺激爽爽歪歪视频在线观看| 黄频高清免费视频| 国产午夜精品论理片| 婷婷六月久久综合丁香| 欧美成人性av电影在线观看| 男人舔奶头视频| 成在线人永久免费视频| 国产精品久久电影中文字幕| 小说图片视频综合网站| 88av欧美| 国产69精品久久久久777片 | 波多野结衣高清作品| xxxwww97欧美| 国产毛片a区久久久久| 国产高清视频在线观看网站| 国产97色在线日韩免费| 国语自产精品视频在线第100页| 美女黄网站色视频| 免费在线观看亚洲国产| 又紧又爽又黄一区二区| 女生性感内裤真人,穿戴方法视频| 国产单亲对白刺激| 国产精品亚洲一级av第二区| 老汉色av国产亚洲站长工具| 高清在线国产一区| 宅男免费午夜| 国产又黄又爽又无遮挡在线| 亚洲精品色激情综合| 国产高清videossex| 国产精品av视频在线免费观看| 欧美成人免费av一区二区三区| 色在线成人网| 99久国产av精品| 人人妻人人澡欧美一区二区| 国产成人欧美在线观看| 美女午夜性视频免费| 美女高潮的动态| 国产男靠女视频免费网站| 久久这里只有精品19| 成人国产一区最新在线观看| 日本撒尿小便嘘嘘汇集6| 国产精品久久久久久亚洲av鲁大| 亚洲成a人片在线一区二区| 久久精品人妻少妇| 99久久精品国产亚洲精品| 人人妻,人人澡人人爽秒播| 国产成人一区二区三区免费视频网站| 亚洲精品在线观看二区| 在线看三级毛片| 99国产极品粉嫩在线观看| 熟女人妻精品中文字幕| av天堂在线播放| 无人区码免费观看不卡| 国产精品影院久久| 又爽又黄无遮挡网站| 2021天堂中文幕一二区在线观| 日韩有码中文字幕| 日本五十路高清| 久久这里只有精品19| 久久欧美精品欧美久久欧美| 亚洲一区高清亚洲精品| 亚洲乱码一区二区免费版| 亚洲欧美激情综合另类| 人人妻人人澡欧美一区二区| 欧美一级毛片孕妇| 男人舔女人下体高潮全视频| 亚洲欧洲精品一区二区精品久久久| 一进一出好大好爽视频| 九色国产91popny在线| 在线永久观看黄色视频| 91老司机精品| 久久精品综合一区二区三区| 国产午夜精品论理片| 欧美日韩乱码在线| 成年版毛片免费区| 免费看十八禁软件| 色哟哟哟哟哟哟| av女优亚洲男人天堂 | 欧美成人免费av一区二区三区| 99re在线观看精品视频| 久久久久精品国产欧美久久久| 国产91精品成人一区二区三区| 亚洲第一电影网av| 国产高清视频在线观看网站| 中文字幕av在线有码专区| 成人特级av手机在线观看| 日韩欧美在线乱码| 亚洲七黄色美女视频| 老熟妇乱子伦视频在线观看| 免费看十八禁软件| 我的老师免费观看完整版| 成人av在线播放网站| www.自偷自拍.com| 国产成人欧美在线观看| 日本 av在线| 亚洲欧洲精品一区二区精品久久久| 99re在线观看精品视频| 非洲黑人性xxxx精品又粗又长| 色综合欧美亚洲国产小说| 午夜激情福利司机影院| 日韩欧美在线乱码| 国产精品久久久久久精品电影| 美女 人体艺术 gogo| 国产精品亚洲一级av第二区| 久久中文字幕一级| 国产 一区 欧美 日韩| 亚洲美女黄片视频| 欧美色视频一区免费| 国产精品国产高清国产av| 黄片小视频在线播放| 最新在线观看一区二区三区| 国产99白浆流出| 啪啪无遮挡十八禁网站| 91在线观看av| 97超视频在线观看视频| 欧美中文日本在线观看视频| 1000部很黄的大片| 俄罗斯特黄特色一大片| 99精品在免费线老司机午夜| 久久99热这里只有精品18| 亚洲一区高清亚洲精品| 小说图片视频综合网站| 欧美xxxx黑人xx丫x性爽| 国产99白浆流出| 女警被强在线播放| 久久久国产欧美日韩av| 欧美国产日韩亚洲一区| 亚洲熟妇熟女久久| 亚洲专区字幕在线| 一个人观看的视频www高清免费观看 | 天堂av国产一区二区熟女人妻| av在线天堂中文字幕| 成人高潮视频无遮挡免费网站| 中亚洲国语对白在线视频| 999久久久精品免费观看国产| 国产精品美女特级片免费视频播放器 | 美女cb高潮喷水在线观看 | 午夜福利成人在线免费观看| 女人被狂操c到高潮| 久久久久久九九精品二区国产| 99久久精品国产亚洲精品| 美女午夜性视频免费| 欧美大码av| 国产一区二区激情短视频| 亚洲成av人片在线播放无| 成人午夜高清在线视频| 日韩中文字幕欧美一区二区| 三级毛片av免费| av国产免费在线观看| 色尼玛亚洲综合影院| 99热只有精品国产| 精品国产乱子伦一区二区三区| 丰满人妻一区二区三区视频av | 一本综合久久免费| АⅤ资源中文在线天堂| 特大巨黑吊av在线直播| 亚洲精品一区av在线观看| 男女视频在线观看网站免费| 国产激情偷乱视频一区二区| 国产高清视频在线观看网站| 国产精品永久免费网站| 五月伊人婷婷丁香| 国产视频内射| 久久久久久九九精品二区国产| 毛片女人毛片| 中文亚洲av片在线观看爽| 中亚洲国语对白在线视频| 日韩精品中文字幕看吧| 亚洲九九香蕉| 午夜日韩欧美国产| 国产亚洲欧美在线一区二区| 免费在线观看日本一区| 久久精品国产亚洲av香蕉五月| 欧美中文日本在线观看视频| 亚洲精品一区av在线观看| 国产视频内射| 免费看a级黄色片| 99久久精品国产亚洲精品| 国内少妇人妻偷人精品xxx网站 | 熟女电影av网| 丝袜人妻中文字幕| 午夜两性在线视频| 俺也久久电影网| 黑人巨大精品欧美一区二区mp4| 国产成人精品无人区| 一个人看的www免费观看视频| 1024手机看黄色片| 午夜福利18| 国内久久婷婷六月综合欲色啪| 岛国视频午夜一区免费看| 亚洲国产日韩欧美精品在线观看 | 国产综合懂色| 黄色视频,在线免费观看| 成年版毛片免费区| 熟女人妻精品中文字幕| 在线观看一区二区三区| 欧美最黄视频在线播放免费| 欧美成人性av电影在线观看| 999精品在线视频| 99久久精品国产亚洲精品| 国产蜜桃级精品一区二区三区| 人妻丰满熟妇av一区二区三区| 亚洲性夜色夜夜综合| 国内精品一区二区在线观看| 一个人观看的视频www高清免费观看 | 亚洲真实伦在线观看| 日本黄色片子视频| av国产免费在线观看| 日本在线视频免费播放| 淫秽高清视频在线观看| 欧美日韩精品网址| 精品熟女少妇八av免费久了| www日本黄色视频网| 免费观看精品视频网站| 99国产精品一区二区蜜桃av| 午夜福利高清视频| 色av中文字幕| 国产一区二区激情短视频| 手机成人av网站| 可以在线观看的亚洲视频| 精品国产三级普通话版| 国产精品电影一区二区三区| 免费搜索国产男女视频| 亚洲 国产 在线| 色尼玛亚洲综合影院| 午夜福利免费观看在线| 精品福利观看| 国产成人aa在线观看| 国产高清激情床上av| 中文字幕高清在线视频| 日本 欧美在线| 亚洲av成人不卡在线观看播放网| 国产精品久久电影中文字幕| 久久久国产精品麻豆| 久久国产精品影院| e午夜精品久久久久久久| 欧美午夜高清在线| 国产成+人综合+亚洲专区| 亚洲五月婷婷丁香| 国产成人系列免费观看| 亚洲 欧美一区二区三区| 欧美在线一区亚洲| 嫩草影视91久久| 伦理电影免费视频| 国内毛片毛片毛片毛片毛片| 日本黄大片高清| 成人三级做爰电影| 19禁男女啪啪无遮挡网站| 欧美日韩精品网址| 国内精品久久久久久久电影| 精品乱码久久久久久99久播| 国产伦在线观看视频一区| 男人和女人高潮做爰伦理| 美女午夜性视频免费| 国产激情偷乱视频一区二区| 欧美成人一区二区免费高清观看 | 在线播放国产精品三级| av在线天堂中文字幕| 国产一级毛片七仙女欲春2| www国产在线视频色| 亚洲精品美女久久av网站| 亚洲色图av天堂| 免费在线观看成人毛片| 国产91精品成人一区二区三区| 无限看片的www在线观看| 久久久国产成人免费| 国产高清激情床上av| 黑人操中国人逼视频| 青草久久国产| 色噜噜av男人的天堂激情| 国产成人精品久久二区二区免费| 久久久久九九精品影院| 五月伊人婷婷丁香| 中文字幕av在线有码专区| 男人的好看免费观看在线视频| 搡老岳熟女国产| 亚洲av中文字字幕乱码综合| 精品久久久久久久末码| 亚洲成人精品中文字幕电影| 精品国内亚洲2022精品成人| 欧美xxxx黑人xx丫x性爽| 精品久久久久久,| 一级毛片精品| 国产成人影院久久av| 五月伊人婷婷丁香| 国产成人精品久久二区二区免费| 亚洲五月婷婷丁香| 人人妻,人人澡人人爽秒播| 色综合欧美亚洲国产小说| 18禁国产床啪视频网站| 91在线精品国自产拍蜜月 | 蜜桃久久精品国产亚洲av| 18禁国产床啪视频网站| 欧美高清成人免费视频www| 午夜精品在线福利| 久久精品aⅴ一区二区三区四区| 香蕉久久夜色| 欧美日韩一级在线毛片| 久久婷婷人人爽人人干人人爱| 韩国av一区二区三区四区| 亚洲国产色片| 国产蜜桃级精品一区二区三区| 国产免费男女视频| 热99re8久久精品国产| 深夜精品福利| 亚洲午夜精品一区,二区,三区|