• <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
    啦啦啦观看免费观看视频高清| 美女扒开内裤让男人捅视频| 丰满的人妻完整版| 精品久久久久久久人妻蜜臀av| 午夜成年电影在线免费观看| 欧美丝袜亚洲另类 | 午夜影院日韩av| 免费无遮挡裸体视频| 亚洲五月色婷婷综合| 欧美精品亚洲一区二区| 搡老熟女国产l中国老女人| 99精品在免费线老司机午夜| 99久久综合精品五月天人人| 老司机午夜福利在线观看视频| 一级作爱视频免费观看| 视频在线观看一区二区三区| cao死你这个sao货| a级毛片a级免费在线| 亚洲人成77777在线视频| 亚洲性夜色夜夜综合| 久久久久久大精品| 国产av不卡久久| 日韩三级视频一区二区三区| 久久亚洲真实| 男女视频在线观看网站免费 | 女性生殖器流出的白浆| 999久久久精品免费观看国产| 欧美激情久久久久久爽电影| 真人一进一出gif抽搐免费| 成在线人永久免费视频| 一a级毛片在线观看| 欧美乱色亚洲激情| 50天的宝宝边吃奶边哭怎么回事| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲五月天丁香| 日本 欧美在线| 亚洲五月天丁香| cao死你这个sao货| 国产精品爽爽va在线观看网站 | 后天国语完整版免费观看| 午夜精品在线福利| 一进一出抽搐动态| 久久精品国产99精品国产亚洲性色| 老司机福利观看| 精品午夜福利视频在线观看一区| e午夜精品久久久久久久| 非洲黑人性xxxx精品又粗又长| 禁无遮挡网站| 亚洲五月婷婷丁香| 一本久久中文字幕| 18禁裸乳无遮挡免费网站照片 | 人妻久久中文字幕网| 日本撒尿小便嘘嘘汇集6| 十分钟在线观看高清视频www| 国产真实乱freesex| 久久久久久久精品吃奶| 丝袜美腿诱惑在线| 免费在线观看完整版高清| 亚洲国产毛片av蜜桃av| 999久久久精品免费观看国产| 亚洲av五月六月丁香网| 日日爽夜夜爽网站| 婷婷丁香在线五月| 久久这里只有精品19| 久久精品成人免费网站| 1024香蕉在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 91成人精品电影| 午夜视频精品福利| 国产成人欧美在线观看| 久久性视频一级片| 中亚洲国语对白在线视频| 久久久久久国产a免费观看| 久热这里只有精品99| 午夜视频精品福利| 18禁观看日本| 中文亚洲av片在线观看爽| www日本在线高清视频| 看黄色毛片网站| 亚洲国产精品久久男人天堂| 在线观看免费午夜福利视频| 禁无遮挡网站| 亚洲一码二码三码区别大吗| 亚洲九九香蕉| 一个人观看的视频www高清免费观看 | 国产精品野战在线观看| 两个人看的免费小视频| 高潮久久久久久久久久久不卡| 可以在线观看毛片的网站| 久久久久国产精品人妻aⅴ院| 黄色 视频免费看| 一进一出抽搐gif免费好疼| 波多野结衣高清无吗| 波多野结衣av一区二区av| 免费电影在线观看免费观看| 亚洲无线在线观看| 精品免费久久久久久久清纯| 亚洲av电影在线进入| 亚洲性夜色夜夜综合| 国产精品精品国产色婷婷| 亚洲无线在线观看| 国产三级黄色录像| 久久中文字幕一级| or卡值多少钱| 久久久国产精品麻豆| 露出奶头的视频| 亚洲熟妇中文字幕五十中出| 国产成人欧美| 欧美日韩黄片免| 国产精品免费视频内射| 亚洲欧美精品综合一区二区三区| 久久久久国产精品人妻aⅴ院| 久久青草综合色| 欧美日韩亚洲国产一区二区在线观看| 久久久国产成人精品二区| 三级毛片av免费| 性欧美人与动物交配| 亚洲一卡2卡3卡4卡5卡精品中文| 中亚洲国语对白在线视频| 亚洲五月天丁香| а√天堂www在线а√下载| 亚洲精品色激情综合| 巨乳人妻的诱惑在线观看| www.自偷自拍.com| 男人舔女人的私密视频| 免费在线观看影片大全网站| 亚洲专区国产一区二区| 久久精品国产综合久久久| 中文字幕av电影在线播放| 高潮久久久久久久久久久不卡| 国产99久久九九免费精品| 国产精品永久免费网站| 亚洲天堂国产精品一区在线| 国产久久久一区二区三区| 高清在线国产一区| 色综合欧美亚洲国产小说| 国产97色在线日韩免费| 可以在线观看的亚洲视频| 午夜免费激情av| 欧美成人性av电影在线观看| 久久中文字幕一级| videosex国产| 成人免费观看视频高清| 一二三四社区在线视频社区8| 哪里可以看免费的av片| 亚洲av美国av| 久久人人精品亚洲av| 国内少妇人妻偷人精品xxx网站 | 亚洲欧美日韩无卡精品| 亚洲av成人不卡在线观看播放网| 成年版毛片免费区| 白带黄色成豆腐渣| 精品福利观看| 老熟妇乱子伦视频在线观看| 婷婷亚洲欧美| 久久久久国产精品人妻aⅴ院| 最新美女视频免费是黄的| 最新美女视频免费是黄的| 午夜久久久久精精品| 黄色a级毛片大全视频| 12—13女人毛片做爰片一| 天天一区二区日本电影三级| 欧美精品啪啪一区二区三区| 亚洲色图av天堂| 18禁观看日本| 久久久久亚洲av毛片大全| 精华霜和精华液先用哪个| 日韩 欧美 亚洲 中文字幕| 免费av毛片视频| 一二三四社区在线视频社区8| 国产亚洲精品久久久久5区| 久久天躁狠狠躁夜夜2o2o| 高清毛片免费观看视频网站| 国产成人av教育| 日本三级黄在线观看| 亚洲在线自拍视频| 欧美最黄视频在线播放免费| 国产精品乱码一区二三区的特点| 久久国产精品影院| 嫩草影视91久久| 草草在线视频免费看| 天堂动漫精品| 黑丝袜美女国产一区| 搡老妇女老女人老熟妇| 一个人观看的视频www高清免费观看 | 久久国产精品男人的天堂亚洲| 婷婷六月久久综合丁香| 久久婷婷人人爽人人干人人爱| 国产精品久久久久久精品电影 | 亚洲第一电影网av| 国内精品久久久久精免费| 免费在线观看日本一区| 精品高清国产在线一区| 老司机深夜福利视频在线观看| 欧美激情久久久久久爽电影| 两性午夜刺激爽爽歪歪视频在线观看 | videosex国产| 国产一区二区在线av高清观看| 国产一区二区三区在线臀色熟女| a级毛片a级免费在线| 18禁美女被吸乳视频| 制服丝袜大香蕉在线| 色播亚洲综合网| 亚洲免费av在线视频| 一进一出抽搐动态| 亚洲第一欧美日韩一区二区三区| 国产人伦9x9x在线观看| 欧美乱色亚洲激情| 波多野结衣高清无吗| 亚洲 国产 在线| 黄网站色视频无遮挡免费观看| 亚洲av中文字字幕乱码综合 | 亚洲专区国产一区二区| 日韩中文字幕欧美一区二区| 成人av一区二区三区在线看| 久久精品人妻少妇| 无遮挡黄片免费观看| 村上凉子中文字幕在线| 香蕉av资源在线| 亚洲真实伦在线观看| 欧美又色又爽又黄视频| 精品人妻1区二区| 在线视频色国产色| 久久狼人影院| 久久精品影院6| 欧美激情高清一区二区三区| 日韩av在线大香蕉| 久久精品成人免费网站| 国内精品久久久久久久电影| 老司机午夜福利在线观看视频| 天堂影院成人在线观看| 黄色a级毛片大全视频| 欧美日本视频| 国产精品亚洲一级av第二区| 亚洲中文字幕一区二区三区有码在线看 | 妹子高潮喷水视频| 亚洲精品一区av在线观看| 午夜影院日韩av| 久久精品aⅴ一区二区三区四区| 一进一出好大好爽视频| 深夜精品福利| 国产黄色小视频在线观看| 免费人成视频x8x8入口观看| 国产欧美日韩一区二区精品| 亚洲一卡2卡3卡4卡5卡精品中文| 免费在线观看亚洲国产| 日本在线视频免费播放| 窝窝影院91人妻| 久久精品91蜜桃| 精华霜和精华液先用哪个| 女生性感内裤真人,穿戴方法视频| 国产精品av久久久久免费| 中亚洲国语对白在线视频| 男人操女人黄网站| aaaaa片日本免费| 91大片在线观看| a在线观看视频网站| 精品免费久久久久久久清纯| 狠狠狠狠99中文字幕| 久久精品91无色码中文字幕| 国产色视频综合| 亚洲第一欧美日韩一区二区三区| 亚洲av电影不卡..在线观看| 亚洲 欧美一区二区三区| 麻豆一二三区av精品| 免费在线观看视频国产中文字幕亚洲| 国产免费男女视频| 日本成人三级电影网站| 人人妻,人人澡人人爽秒播| 亚洲第一青青草原| 久久精品影院6| 母亲3免费完整高清在线观看| 无人区码免费观看不卡| √禁漫天堂资源中文www| 亚洲一区高清亚洲精品| 99久久国产精品久久久| 久久久精品国产亚洲av高清涩受| 婷婷丁香在线五月| 国产高清videossex| 国产精品亚洲美女久久久| 在线观看66精品国产| 久久国产精品男人的天堂亚洲| 亚洲av成人av| 狠狠狠狠99中文字幕| 日本一区二区免费在线视频| 特大巨黑吊av在线直播 | 亚洲精品国产区一区二| 久久亚洲精品不卡| 久久中文字幕一级| 99热6这里只有精品| 精品国内亚洲2022精品成人| 亚洲av五月六月丁香网| 婷婷精品国产亚洲av在线| 国产精品二区激情视频| 久久中文字幕一级| 成年人黄色毛片网站| 最新在线观看一区二区三区| 国产成人啪精品午夜网站| 国产单亲对白刺激| 亚洲avbb在线观看| 欧美最黄视频在线播放免费| 曰老女人黄片| 国产精品亚洲一级av第二区| 免费观看精品视频网站| 色播在线永久视频| 又黄又爽又免费观看的视频| 亚洲精品中文字幕在线视频| 18禁观看日本| 少妇粗大呻吟视频| 国产一区二区三区视频了| av天堂在线播放| avwww免费| 亚洲av成人不卡在线观看播放网| 18禁观看日本| 亚洲,欧美精品.| 制服丝袜大香蕉在线| 青草久久国产| 老司机午夜福利在线观看视频| 中文字幕最新亚洲高清| 国产成+人综合+亚洲专区| 亚洲色图av天堂| 天天躁狠狠躁夜夜躁狠狠躁| 国产一区在线观看成人免费| 一区二区日韩欧美中文字幕| 亚洲成av片中文字幕在线观看| 成人免费观看视频高清| 久久久精品欧美日韩精品| 1024视频免费在线观看| 免费在线观看成人毛片| 99热这里只有精品一区 | 亚洲精品国产精品久久久不卡| 亚洲熟妇中文字幕五十中出| 淫秽高清视频在线观看| 男女之事视频高清在线观看| 后天国语完整版免费观看| www.熟女人妻精品国产| 中文资源天堂在线| 精品福利观看| 老熟妇仑乱视频hdxx| 久久狼人影院| 亚洲av美国av| 国产精品久久久久久人妻精品电影| 成人午夜高清在线视频 | svipshipincom国产片| 男女那种视频在线观看| 午夜激情av网站| 777久久人妻少妇嫩草av网站| 亚洲精品在线美女| 国产一区在线观看成人免费| 亚洲男人天堂网一区| 午夜亚洲福利在线播放| 18禁裸乳无遮挡免费网站照片 | 亚洲一码二码三码区别大吗| 国产熟女午夜一区二区三区| 成人18禁在线播放| 精品高清国产在线一区| 人人妻人人看人人澡| 亚洲三区欧美一区| 在线视频色国产色| 国产亚洲欧美在线一区二区| 欧美黑人巨大hd| x7x7x7水蜜桃| 欧美午夜高清在线| 黄色视频,在线免费观看| 国产精华一区二区三区| 99久久综合精品五月天人人| 欧美最黄视频在线播放免费| 少妇熟女aⅴ在线视频| 熟女电影av网| 99re在线观看精品视频| 精品久久久久久久毛片微露脸| 嫁个100分男人电影在线观看| 97超级碰碰碰精品色视频在线观看| 中文在线观看免费www的网站 | av片东京热男人的天堂| 精品久久久久久久人妻蜜臀av| 亚洲三区欧美一区| 日韩欧美一区二区三区在线观看| 在线观看午夜福利视频| 91老司机精品| 午夜视频精品福利| 88av欧美| 精品欧美国产一区二区三| 国产亚洲精品一区二区www| 中文字幕人成人乱码亚洲影| 99riav亚洲国产免费| 真人做人爱边吃奶动态| 精品久久久久久,| 欧美日韩亚洲综合一区二区三区_| 很黄的视频免费| 50天的宝宝边吃奶边哭怎么回事| 99久久久亚洲精品蜜臀av| 琪琪午夜伦伦电影理论片6080| 国产成人欧美在线观看| 国产乱人伦免费视频| 亚洲熟妇熟女久久| 一级作爱视频免费观看| 一级毛片女人18水好多| 村上凉子中文字幕在线| 日本 欧美在线| 国产久久久一区二区三区| 999精品在线视频| 天天添夜夜摸| 国产精品亚洲av一区麻豆| 精品一区二区三区视频在线观看免费| 久久久精品欧美日韩精品| 亚洲av电影不卡..在线观看| 国产视频一区二区在线看| 国产午夜精品久久久久久| 中出人妻视频一区二区| 亚洲精品中文字幕在线视频| av视频在线观看入口| 国产成人av激情在线播放| 亚洲真实伦在线观看| 中国美女看黄片| 日日爽夜夜爽网站| 18禁黄网站禁片免费观看直播| 色播亚洲综合网| 成人欧美大片| 国产主播在线观看一区二区| 久久九九热精品免费| 色尼玛亚洲综合影院| 亚洲午夜精品一区,二区,三区| 1024香蕉在线观看| 国产麻豆成人av免费视频| 成人精品一区二区免费| 午夜福利高清视频| 久久久水蜜桃国产精品网| 国产国语露脸激情在线看| 国产亚洲精品一区二区www| 美女免费视频网站| 亚洲片人在线观看| 久久亚洲真实| 亚洲色图 男人天堂 中文字幕| 久久久久精品国产欧美久久久| 国产黄片美女视频| 丁香欧美五月| 别揉我奶头~嗯~啊~动态视频| 99久久99久久久精品蜜桃| 国产精品香港三级国产av潘金莲| 亚洲成av人片免费观看| 欧美乱码精品一区二区三区| 亚洲激情在线av| 久久久久国内视频| 日日摸夜夜添夜夜添小说| 欧美+亚洲+日韩+国产| 久久人妻福利社区极品人妻图片| 国产精品美女特级片免费视频播放器 | 18美女黄网站色大片免费观看| 国产精品久久久久久亚洲av鲁大| 久久中文字幕人妻熟女| 欧美丝袜亚洲另类 | 高清毛片免费观看视频网站| 成人国语在线视频| 亚洲一区二区三区色噜噜| 欧美日韩亚洲综合一区二区三区_| 国产精品久久电影中文字幕| 日韩免费av在线播放| 视频在线观看一区二区三区| 久久 成人 亚洲| 久久99热这里只有精品18| 欧美日韩一级在线毛片| 欧美精品啪啪一区二区三区| 久久精品影院6| 亚洲欧美精品综合久久99| 变态另类成人亚洲欧美熟女| 久久久水蜜桃国产精品网| 精品久久蜜臀av无| 一区二区三区激情视频| 欧美丝袜亚洲另类 | 欧美日韩亚洲国产一区二区在线观看| 亚洲三区欧美一区| 亚洲熟妇熟女久久| 可以免费在线观看a视频的电影网站| 777久久人妻少妇嫩草av网站| 亚洲av成人av| 久久精品国产99精品国产亚洲性色| 麻豆成人av在线观看| 淫秽高清视频在线观看| 精品日产1卡2卡| 欧美亚洲日本最大视频资源| 免费观看人在逋| 欧美另类亚洲清纯唯美| 一进一出抽搐gif免费好疼| 亚洲av熟女| 国产激情偷乱视频一区二区| 午夜福利在线在线| 叶爱在线成人免费视频播放| 少妇的丰满在线观看| 黄网站色视频无遮挡免费观看| 俄罗斯特黄特色一大片| 国产精品 欧美亚洲| 日韩精品青青久久久久久| 亚洲黑人精品在线| 免费在线观看日本一区| 久久婷婷人人爽人人干人人爱| 在线观看日韩欧美| 亚洲色图av天堂| 极品教师在线免费播放| 亚洲欧美日韩高清在线视频| 国内揄拍国产精品人妻在线 | 中出人妻视频一区二区| 亚洲一区二区三区色噜噜| 亚洲性夜色夜夜综合| 男女那种视频在线观看| 亚洲国产毛片av蜜桃av| 久久香蕉激情| 国产精品一区二区精品视频观看| 黄色视频,在线免费观看| 成人欧美大片| 免费av毛片视频| 亚洲国产精品久久男人天堂| www日本黄色视频网| 别揉我奶头~嗯~啊~动态视频| 激情在线观看视频在线高清| 90打野战视频偷拍视频| 国产精品一区二区免费欧美| 中文字幕人成人乱码亚洲影| bbb黄色大片| 国产午夜福利久久久久久| 午夜免费激情av| 欧美国产精品va在线观看不卡| 亚洲av日韩精品久久久久久密| 高清在线国产一区| 亚洲自拍偷在线| 久久久久九九精品影院| 日本熟妇午夜| 长腿黑丝高跟| 精品久久久久久成人av| 欧美乱码精品一区二区三区| 91成人精品电影| tocl精华| 白带黄色成豆腐渣| 露出奶头的视频| 国产在线精品亚洲第一网站| 男人舔女人下体高潮全视频| 亚洲欧美激情综合另类| 国产99白浆流出| 亚洲五月天丁香| 757午夜福利合集在线观看| 90打野战视频偷拍视频| 日韩欧美国产在线观看| 午夜福利欧美成人| 国产v大片淫在线免费观看| av中文乱码字幕在线| x7x7x7水蜜桃| 国产精品影院久久| 国产麻豆成人av免费视频| 久久精品人妻少妇| 亚洲一卡2卡3卡4卡5卡精品中文| 精品一区二区三区视频在线观看免费| 国产精华一区二区三区| 国产精品亚洲一级av第二区| 狠狠狠狠99中文字幕| 亚洲专区字幕在线| 性色av乱码一区二区三区2| 好看av亚洲va欧美ⅴa在| 亚洲精品美女久久久久99蜜臀| 国产片内射在线| 男人舔奶头视频| 国产国语露脸激情在线看| 国产亚洲av高清不卡| 亚洲av第一区精品v没综合| www日本在线高清视频| 国产高清有码在线观看视频 | 夜夜爽天天搞| 久久久久久久久中文| 19禁男女啪啪无遮挡网站| 日韩大尺度精品在线看网址| 18禁国产床啪视频网站| 欧美中文综合在线视频| 精品国产超薄肉色丝袜足j| 俺也久久电影网| 欧美三级亚洲精品| 最近最新免费中文字幕在线| 妹子高潮喷水视频| 最近在线观看免费完整版| 妹子高潮喷水视频| 别揉我奶头~嗯~啊~动态视频| 精品国产超薄肉色丝袜足j| 久久九九热精品免费| 丝袜在线中文字幕| 在线观看日韩欧美| 国产精品亚洲美女久久久| 91av网站免费观看| 精品国产国语对白av| 天堂√8在线中文| 午夜免费鲁丝| 国产av不卡久久| 精品一区二区三区av网在线观看| www.999成人在线观看| 日日摸夜夜添夜夜添小说| 国产一区二区三区在线臀色熟女| 亚洲av片天天在线观看| 叶爱在线成人免费视频播放| 99国产精品一区二区三区| 狠狠狠狠99中文字幕| 精品少妇一区二区三区视频日本电影| 久久九九热精品免费| 男人舔女人的私密视频| 三级毛片av免费| 日韩欧美国产一区二区入口| 两人在一起打扑克的视频| 国产av在哪里看| 欧美成人免费av一区二区三区| 久久99热这里只有精品18| 欧美大码av| 亚洲精品色激情综合| 啦啦啦观看免费观看视频高清| 老汉色av国产亚洲站长工具| 日韩大尺度精品在线看网址| 天堂动漫精品| 脱女人内裤的视频| 波多野结衣高清作品| 免费一级毛片在线播放高清视频|