• <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 ?

    基于改進(jìn)AlexNet模型的面部表情識(shí)別算法研究

    2023-07-14 08:30:46孫歌王劍雄歐琪等
    關(guān)鍵詞:深度學(xué)習(xí)

    孫歌 王劍雄 歐琪等

    摘要:面部表情是傳遞人類情感狀態(tài)最直觀的方式,通過分析面部表情,可以獲得某人在某時(shí)剖的精神和身體狀況。表情識(shí)別在人機(jī)通信、自動(dòng)駕駛、醫(yī)學(xué)等應(yīng)用領(lǐng)域有著重要的應(yīng)用價(jià)值,并且受到越來越多的關(guān)注。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,表情識(shí)別技術(shù)研究也從常規(guī)的圖像處理方法轉(zhuǎn)變?yōu)椴捎蒙疃葘W(xué)習(xí)的方法,但是由于樣本數(shù)量有限,以及硬件設(shè)備的限制,使得提高表情識(shí)別準(zhǔn)確率的方法受到了一定的限制。文章主要對(duì)改進(jìn)ALEXNET模型的表情識(shí)別算法進(jìn)行研究,由于ALEXNET在人臉面部表情識(shí)別中準(zhǔn)確率較低,因此在對(duì)ALEXNET網(wǎng)絡(luò)進(jìn)行深入研究的基礎(chǔ)上,通過修改卷積核的大小以及卷積層的數(shù)量,增加注意力機(jī)制和殘差塊.以提高網(wǎng)絡(luò)對(duì)人臉特征的提取能力,并將改進(jìn)后的AlcxNct模型應(yīng)用于CK+及jAFFE數(shù)據(jù)集,進(jìn)而在該數(shù)據(jù)集上取得了較好的識(shí)別準(zhǔn)確率。

    關(guān)鍵詞:表情識(shí)別;AlcxNct;深度學(xué)習(xí);卷積層

    中圖法分類號(hào):TP391 文獻(xiàn)標(biāo)識(shí)碼:A

    1 引言

    隨著科學(xué)技術(shù)的進(jìn)步,深度神經(jīng)網(wǎng)絡(luò)現(xiàn)已被應(yīng)用于自動(dòng)面部表情識(shí)別,從實(shí)驗(yàn)室控制到野外環(huán)境,其應(yīng)用越來越廣闊。面部表情是人類最直接、最容易感知的信號(hào)之一,可以幫助人們更好地理解、表達(dá)情感和意圖。隨著社會(huì)自動(dòng)化機(jī)器人、醫(yī)學(xué)、駕駛員疲勞檢測(cè)等人機(jī)交互信息系統(tǒng)的發(fā)展,面部表情自動(dòng)分析已成為一種重要的技術(shù)手段,并受到廣泛的關(guān)注。機(jī)器可視化和機(jī)器學(xué)習(xí)方法也在發(fā)展,它們可以從面部表征中提取出有用的信息,從而實(shí)現(xiàn)對(duì)人臉的準(zhǔn)確識(shí)別。20 世紀(jì)初,EKMAN 等[1] 進(jìn)行跨文化分析,提出了6 種主要情感,這些情感可以被界定為憤慨、憎恨、驚恐、愉快、悲痛和震驚,表明不論文化背景如何,人們對(duì)這些情況的感知方式都是一致的。

    在當(dāng)今深度學(xué)習(xí)技術(shù)發(fā)展迅速的背景下,傳統(tǒng)分析方法和深度學(xué)習(xí)分析方法已經(jīng)是表情分析技術(shù)的2個(gè)重要方向。深度學(xué)習(xí)技術(shù)憑借自身強(qiáng)大的特征提取能力和自學(xué)習(xí)能力已在表情識(shí)別領(lǐng)域彰顯出巨大潛力。因此,在表情識(shí)別中應(yīng)用深度學(xué)習(xí)技術(shù)進(jìn)行特征提取取代手工特征提取已逐漸成為主流,也是當(dāng)今技術(shù)發(fā)展的必然要求。特別是在人臉表情識(shí)別方向,深度學(xué)習(xí)技術(shù)通過多層神經(jīng)網(wǎng)絡(luò)的組合,已能夠從人臉圖片中識(shí)別出當(dāng)前人類情緒,并對(duì)情緒種類加以分類。當(dāng)前較為流行的深度學(xué)習(xí)網(wǎng)絡(luò)有卷積神經(jīng)網(wǎng)絡(luò)[2](ConVolutional Neural Network,CNN)、深度置信網(wǎng)絡(luò)[3](Deep BeliefNetworks,DBN)、殘差神經(jīng)網(wǎng)絡(luò)[4]( Residual Networks, ResNet) 和生成對(duì)抗網(wǎng)絡(luò)[5](Generative Adversarial Networks,GAN)等。

    2 改進(jìn)的AlexNet 網(wǎng)絡(luò)結(jié)構(gòu)

    在ISVRC2012 上最為矚目的當(dāng)屬AlexNet 神經(jīng)網(wǎng)絡(luò)模型。AlexNet 的整體結(jié)構(gòu)總共分為8 層,卷積層共5 層和全連接層共3 層,卷積核尺寸分別設(shè)定為11×11,5×5,3×3,3×3 和3×3。AlexNet 網(wǎng)絡(luò)雖然在圖像識(shí)別領(lǐng)域中取得了一定成績,但隨著神經(jīng)網(wǎng)絡(luò)的迭代和發(fā)展,AlexNet 在應(yīng)用于圖像分析時(shí)也逐漸出現(xiàn)問題。尤其在表情分析領(lǐng)域中進(jìn)行表情提取時(shí),它仍存在提取表情不準(zhǔn)確、表情種類分析準(zhǔn)確率不高的情況,本文在AlexNet 網(wǎng)絡(luò)的基礎(chǔ)上提出了一種改進(jìn)的AlexNet 網(wǎng)絡(luò)模型。該模型應(yīng)用CNN 網(wǎng)絡(luò)的深層特征提取能力彌補(bǔ)了AlexNet 網(wǎng)絡(luò)在某些情況下識(shí)別能力差、表情區(qū)分不清晰的短板,最終實(shí)現(xiàn)了更準(zhǔn)確、更迅速的表情識(shí)別[6~12] 。改進(jìn)前后的AlexNet 網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1、圖2 所示。

    圖2 改進(jìn)后的網(wǎng)絡(luò)模型中包含6 個(gè)卷積層、2 個(gè)全連接層和1 個(gè)softmax 輸出層,并且引入了自注意力機(jī)制和避免了梯度消失問題的殘差塊,從圖中可以看出,改進(jìn)前后的AlexNet 網(wǎng)絡(luò)的組織結(jié)構(gòu)組成是相似的[13~14] 。

    首先,由于純?nèi)四槇D像是經(jīng)過裁剪之后才輸入網(wǎng)絡(luò)模型中,圖像尺寸較小且原有網(wǎng)絡(luò)卷積核尺寸過大、步長過長,特征提取效果較差,因此將原始AlexNet 網(wǎng)絡(luò)第一層的1l×11 卷積核改變?yōu)椋?個(gè)3×3 卷積核的堆疊,步長從4 減小到2。因?yàn)檩^小的卷積核提取的局部特征更細(xì)致,能夠提高網(wǎng)絡(luò)模型的分類結(jié)果,而采用2個(gè)堆疊的較小卷積核還可以有效利用非線性激活函數(shù),并有效提升網(wǎng)絡(luò)的非線性表達(dá)能力,同時(shí)減少了網(wǎng)絡(luò)中的參數(shù)量。其次,因輸入圖像尺寸小、數(shù)據(jù)集樣本少且模型網(wǎng)絡(luò)層數(shù)較多,為更好地提升該模型的識(shí)別準(zhǔn)確率,故借鑒何凱明,張翔宇等在2015 年提出的ResNet殘差網(wǎng)絡(luò),在本模型中構(gòu)建殘差網(wǎng)絡(luò)塊,以盡量避免梯度消失的問題,在減少模型參數(shù)訓(xùn)練時(shí)間的同時(shí),也提升了表情識(shí)別的準(zhǔn)確率。SE 注意力機(jī)制(Squeeze?and?Excitation Networks)在通道維度增加注意力機(jī)制,關(guān)鍵操作是squeeze 和excitation。原始表情圖像的數(shù)據(jù)被分割成多個(gè)像素塊,每個(gè)像素塊的權(quán)重相同,即在模型訓(xùn)練時(shí)的重要性是相同的,不僅影響訓(xùn)練時(shí)間,還影響模型參數(shù)的準(zhǔn)確性。故在模型開始部分引入自注意力機(jī)制,通過自動(dòng)學(xué)習(xí)的方式,使用另外一個(gè)新的神經(jīng)網(wǎng)絡(luò),獲取當(dāng)前表情圖像中每個(gè)像素塊的重要程度,然后用這個(gè)重要程度去給每個(gè)像素特征賦予一個(gè)權(quán)重值,從而讓后續(xù)的神經(jīng)網(wǎng)絡(luò)重點(diǎn)關(guān)注某些像素特征,提升對(duì)當(dāng)前表情識(shí)別有用的特征圖的像素塊,并抑制對(duì)當(dāng)前識(shí)別任務(wù)用處不大的像素塊。表情類別差異微小的(如害怕、傷心、生氣)表情特征通常聚集于局部區(qū)域,不僅需要關(guān)注有益于表情分類的特征形態(tài),還需要關(guān)注具體的局部特征。引入通道注意力機(jī)制實(shí)現(xiàn)通道權(quán)重判斷,進(jìn)而實(shí)現(xiàn)不同區(qū)域的權(quán)重分配。權(quán)重分配機(jī)制有效挖掘?qū)Ρ砬榉诸愑幸饬x的局部區(qū)域,學(xué)習(xí)強(qiáng)化實(shí)現(xiàn)局部特征的提取,引導(dǎo)網(wǎng)絡(luò)利用聚合特征進(jìn)行表情識(shí)別。通道注意力機(jī)制在通道上實(shí)現(xiàn)權(quán)重分配,特征圖上每一個(gè)通道表示一個(gè)檢測(cè)器,通道注意力機(jī)制關(guān)注最有意義的特征是什么形態(tài)。最后,為了將改進(jìn)的AlexNet 模型應(yīng)用于7 類表情分類任務(wù)中,將全連接層和softmax 層神經(jīng)元的個(gè)數(shù)分別設(shè)置為512 和7。

    將預(yù)處理的臉部表情輸入至改進(jìn)后的模型中,進(jìn)行模型訓(xùn)練和超參數(shù)調(diào)整,進(jìn)而獲得識(shí)別效果最好的模型結(jié)果。如圖3 所示,通過實(shí)現(xiàn)自注意力機(jī)制的人臉關(guān)鍵點(diǎn)定位技術(shù),將其輸入到訓(xùn)練好的模型中,輸出該圖像表情類別。

    3 混淆矩陣

    優(yōu)秀的數(shù)據(jù)集是進(jìn)行實(shí)驗(yàn)的必要基礎(chǔ),算法識(shí)別效果直接受數(shù)據(jù)標(biāo)注準(zhǔn)確度的影響。為更準(zhǔn)確地評(píng)估本文改進(jìn)模型識(shí)別能力,選取了JAFFE 和CK+數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)對(duì)照,可以更全面地了解改進(jìn)模型的識(shí)別能力和短板。通過在JAFFE 和CK+上構(gòu)建混淆矩陣,觀察二者對(duì)角線部分?jǐn)?shù)值的高低,并將其作為模型準(zhǔn)確率的評(píng)判標(biāo)準(zhǔn),而矩陣中的其余部分則是模型的錯(cuò)誤率,即表情被誤分類為其他類別的可能性。JAFFE上識(shí)別的混淆矩陣如表1 所列。

    JAFFE 數(shù)據(jù)集中的圖像為日本女性面部表情,共含有213 張表情圖片,每張圖片共有70 個(gè)不同表情,均由10 位女性各自7 種不同表情構(gòu)成。CK+數(shù)據(jù)集包含123 個(gè)不同主題的593 個(gè)序列,這些主題的年齡從18 歲到50 歲不等,具有各種性別和傳統(tǒng)。CK+數(shù)據(jù)庫被認(rèn)為是最廣泛使用于實(shí)驗(yàn)室控制的面部表情分類數(shù)據(jù)庫,并用于大多數(shù)面部表情分類的方法。

    CK+上識(shí)別的混淆矩陣如表2 所列。

    在表1、表2 的混淆矩陣對(duì)角線上可以明顯看到,高興表情的識(shí)別正確率均是最高的,因?yàn)榇朔N表情的表現(xiàn)方式大多是嘴角上揚(yáng),在人類進(jìn)行日常交流時(shí)嘴角變化通常是他人的注意點(diǎn),所以更容易被察覺到。

    同時(shí),在CK+數(shù)據(jù)集中,識(shí)別率最高的是驚訝表情,同理,在人類日常交流中,他人睜大眼睛或者嘴巴張大容易被人察覺。

    4 結(jié)束語

    本文主要使用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)對(duì)面部關(guān)鍵點(diǎn)進(jìn)行定位, 同時(shí)將面部關(guān)鍵點(diǎn)信息和AlexNet 網(wǎng)絡(luò)模型相結(jié)合,以達(dá)到獲取表情信息目的。

    由表1、表2 可知,在2 個(gè)數(shù)據(jù)集上高興表情的準(zhǔn)確率最高,因?yàn)楦吲d表情的表現(xiàn)是嘴角上揚(yáng),可以看出對(duì)于其他幾類動(dòng)作不明顯的表情還有待研究。本實(shí)驗(yàn)雖然成功獲取關(guān)鍵點(diǎn)并同時(shí)估計(jì)出面部表情,但在具體不可控場(chǎng)景中(如超30%圖像遮擋、圖像前后幀發(fā)生巨大變動(dòng)或背景干擾因素過多),會(huì)發(fā)生一定程度的誤判。由于采用CNN 層次較多,同時(shí)涉及2 次信息的輸入輸出,因此本實(shí)驗(yàn)實(shí)時(shí)性表現(xiàn)一般,但估計(jì)的精確性較高,如何綜合性平衡系統(tǒng)實(shí)時(shí)性和精確性是下一個(gè)研究的重中之重。

    參考文獻(xiàn):

    [1] EKMAN P,Friesen W V.Constants across cultures in the faceand emotion[J].Journal of personality and social psychology,1971,17(2):124.

    [2] 張珂,馮曉晗,郭玉榮,等.圖像分類的深度卷積神經(jīng)網(wǎng)絡(luò)模型綜述[J].中國圖像圖形學(xué)報(bào),2021,26(10):2305?2325.

    [3] 章新志.基于深度置信網(wǎng)絡(luò)的人臉識(shí)別算法研究[D].南昌:華東交通大學(xué),2019.

    [4] 韓玉.基于殘差模塊神經(jīng)網(wǎng)絡(luò)的人體行為檢測(cè)與識(shí)別研究[D].包頭:內(nèi)蒙古科技大學(xué),2022.

    [5] 范黎.基于生成對(duì)抗網(wǎng)絡(luò)的圖像數(shù)據(jù)增強(qiáng)技術(shù)研究及應(yīng)用[D].杭州:浙江大學(xué),2022.

    [6] YU J X,LIM K M,LEE C P.MoVE?CNNs: Model aVeragingEnsemble of Convolutional Neural Networks for FacialExpression Recognition[J]. IAENG International Journal ofComputer Science,2021,48(3):22?33.

    [7] WOO S,PARK J,LEE J Y,et al.CBAM:Convolutional BlockAttention Module [ J ]. IAENG International Journal ofComputer Science,2018:6?16.

    [8] 于方軍,焦玉杰,孫麗君.人體關(guān)鍵點(diǎn)檢測(cè)及教學(xué)應(yīng)用之人臉表情識(shí)別[J].中國信息技術(shù)教育,2023(1):96?98.

    [9] 葉繼華,祝錦泰,江愛文,等.人臉表情識(shí)別綜述[J].?dāng)?shù)據(jù)采集與處理,2020,35(1):21?34.

    [10] 何俊,劉躍,李倡洪,等.基于改進(jìn)的深度殘差網(wǎng)絡(luò)的表情識(shí)別研究[J].計(jì)算機(jī)應(yīng)用研究,2020,37(5):1578?1581.

    [11] 呂方惠. 基于雙流卷積神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)表情識(shí)別研究[D].南京:南京郵電大學(xué),2021.

    [12] 楊旭,尚振宏.基于改進(jìn)AlexNet 的人臉表情識(shí)別[J].激光與光電子學(xué)進(jìn)展,2020, 57(14):243+250.

    [13] 李珊. 基于深度學(xué)習(xí)的真實(shí)世界人臉表情識(shí)別研究[D].北京:北京郵電大學(xué),2021.

    [14] 呂鵬,單劍鋒.基于多特征融合的人臉表情識(shí)別算法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2022,32(10):151?155+181.

    作者簡介:

    孫歌(1999—),碩士,研究方向:人工智能。

    王劍雄(1975—),碩士,教授,研究方向:人工智能( 通信作者)。

    猜你喜歡
    深度學(xué)習(xí)
    從合坐走向合學(xué):淺議新學(xué)習(xí)模式的構(gòu)建
    面向大數(shù)據(jù)遠(yuǎn)程開放實(shí)驗(yàn)平臺(tái)構(gòu)建研究
    基于自動(dòng)智能分類器的圖書館亂架圖書檢測(cè)
    搭建深度學(xué)習(xí)的三級(jí)階梯
    有體驗(yàn)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(shí)別研究
    利用網(wǎng)絡(luò)技術(shù)促進(jìn)學(xué)生深度學(xué)習(xí)的幾大策略
    考試周刊(2016年94期)2016-12-12 12:15:04
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)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
    午夜免费观看网址| 制服诱惑二区| 日韩欧美在线二视频 | 精品国产一区二区三区四区第35| 捣出白浆h1v1| 欧美成狂野欧美在线观看| 伦理电影免费视频| a级毛片黄视频| 亚洲精品在线观看二区| 天堂动漫精品| 国产欧美日韩一区二区精品| 免费在线观看日本一区| 天天躁夜夜躁狠狠躁躁| 亚洲av电影在线进入| 成年人黄色毛片网站| 久久ye,这里只有精品| www日本在线高清视频| 亚洲精品在线美女| 嫩草影视91久久| 人人澡人人妻人| 黄色片一级片一级黄色片| 国产精品美女特级片免费视频播放器 | 巨乳人妻的诱惑在线观看| 午夜福利乱码中文字幕| 亚洲第一青青草原| 日韩熟女老妇一区二区性免费视频| 色94色欧美一区二区| 中文字幕人妻丝袜制服| av超薄肉色丝袜交足视频| 国产av又大| 操美女的视频在线观看| 人妻久久中文字幕网| 搡老熟女国产l中国老女人| 精品电影一区二区在线| 免费高清在线观看日韩| 女人被狂操c到高潮| 91在线观看av| 巨乳人妻的诱惑在线观看| 狠狠婷婷综合久久久久久88av| 一进一出抽搐动态| 好看av亚洲va欧美ⅴa在| 99久久人妻综合| 一个人免费在线观看的高清视频| 亚洲一区高清亚洲精品| 又黄又爽又免费观看的视频| 一区福利在线观看| 国产成人影院久久av| www.熟女人妻精品国产| 久久久久久免费高清国产稀缺| 午夜免费观看网址| 如日韩欧美国产精品一区二区三区| 大片电影免费在线观看免费| 免费不卡黄色视频| 黑人猛操日本美女一级片| 欧美日韩视频精品一区| 欧美精品av麻豆av| 亚洲专区国产一区二区| 黄色女人牲交| 最新的欧美精品一区二区| 国产精品 欧美亚洲| 欧美乱色亚洲激情| 久久精品aⅴ一区二区三区四区| 天天操日日干夜夜撸| 女人被狂操c到高潮| 欧美 亚洲 国产 日韩一| 色在线成人网| 国产精品 国内视频| 国产片内射在线| 又紧又爽又黄一区二区| 日韩免费av在线播放| 动漫黄色视频在线观看| 老司机午夜十八禁免费视频| 欧美成狂野欧美在线观看| 国产极品粉嫩免费观看在线| 国产成人av教育| 欧美中文综合在线视频| 国产激情欧美一区二区| 色老头精品视频在线观看| 国产精品综合久久久久久久免费 | 这个男人来自地球电影免费观看| 精品无人区乱码1区二区| 欧美精品av麻豆av| 无限看片的www在线观看| 建设人人有责人人尽责人人享有的| videos熟女内射| 亚洲视频免费观看视频| videosex国产| 国产单亲对白刺激| 麻豆乱淫一区二区| 五月开心婷婷网| 极品人妻少妇av视频| netflix在线观看网站| 亚洲美女黄片视频| 麻豆av在线久日| 久久久久久久久免费视频了| 亚洲av成人不卡在线观看播放网| 天天添夜夜摸| 国内久久婷婷六月综合欲色啪| 亚洲欧美激情在线| av有码第一页| 很黄的视频免费| av电影中文网址| 一a级毛片在线观看| 黄频高清免费视频| 久久久久久久久免费视频了| 国产野战对白在线观看| 51午夜福利影视在线观看| 亚洲第一欧美日韩一区二区三区| 亚洲五月色婷婷综合| 日韩欧美三级三区| 99热网站在线观看| 侵犯人妻中文字幕一二三四区| 国产精品免费一区二区三区在线 | 中文字幕精品免费在线观看视频| 日韩 欧美 亚洲 中文字幕| 老鸭窝网址在线观看| av天堂久久9| 12—13女人毛片做爰片一| 国产一区二区激情短视频| 黄色片一级片一级黄色片| 亚洲中文日韩欧美视频| 成年动漫av网址| 丝袜人妻中文字幕| 精品久久久精品久久久| a级片在线免费高清观看视频| 久9热在线精品视频| 99久久99久久久精品蜜桃| 精品久久久久久,| 精品福利永久在线观看| 国产高清国产精品国产三级| 老司机靠b影院| 美女高潮到喷水免费观看| 亚洲熟女精品中文字幕| 精品国产乱子伦一区二区三区| 亚洲 国产 在线| 精品久久久久久久毛片微露脸| 18禁裸乳无遮挡动漫免费视频| 亚洲午夜精品一区,二区,三区| 亚洲,欧美精品.| 欧美日韩一级在线毛片| 欧美日韩国产mv在线观看视频| 亚洲欧美色中文字幕在线| 色精品久久人妻99蜜桃| 午夜91福利影院| 99re在线观看精品视频| 欧美日韩一级在线毛片| 午夜福利影视在线免费观看| 亚洲,欧美精品.| 国产成人一区二区三区免费视频网站| 欧美精品啪啪一区二区三区| 国产精品久久久人人做人人爽| 亚洲精品自拍成人| 欧美中文综合在线视频| 黄色 视频免费看| 欧美日韩中文字幕国产精品一区二区三区 | 丰满饥渴人妻一区二区三| 欧美日本中文国产一区发布| 波多野结衣一区麻豆| 国产麻豆69| 欧美黑人精品巨大| 女性生殖器流出的白浆| 制服诱惑二区| 淫妇啪啪啪对白视频| 国产精品99久久99久久久不卡| 亚洲精品在线美女| 亚洲av成人不卡在线观看播放网| 在线观看一区二区三区激情| 热99久久久久精品小说推荐| 18禁美女被吸乳视频| 女人精品久久久久毛片| 真人做人爱边吃奶动态| 久久婷婷成人综合色麻豆| 亚洲av美国av| 一边摸一边抽搐一进一小说 | 一区二区三区激情视频| 国产蜜桃级精品一区二区三区 | 亚洲午夜精品一区,二区,三区| 在线观看一区二区三区激情| 99精国产麻豆久久婷婷| 国产一区二区三区视频了| 国产成人啪精品午夜网站| 成人18禁高潮啪啪吃奶动态图| 老司机深夜福利视频在线观看| av天堂在线播放| 久久香蕉国产精品| 一区在线观看完整版| 我的亚洲天堂| 亚洲中文字幕日韩| 国产主播在线观看一区二区| 51午夜福利影视在线观看| 十分钟在线观看高清视频www| 亚洲中文日韩欧美视频| 大型黄色视频在线免费观看| 久久久水蜜桃国产精品网| 中文欧美无线码| 国产aⅴ精品一区二区三区波| 亚洲 国产 在线| 啪啪无遮挡十八禁网站| 在线观看舔阴道视频| 国产精品国产av在线观看| 美女 人体艺术 gogo| 成年版毛片免费区| 俄罗斯特黄特色一大片| 搡老乐熟女国产| 极品少妇高潮喷水抽搐| 男人操女人黄网站| 韩国av一区二区三区四区| 新久久久久国产一级毛片| 亚洲自偷自拍图片 自拍| 亚洲欧美精品综合一区二区三区| 亚洲精品在线观看二区| 国产成人系列免费观看| 欧美在线黄色| 午夜免费观看网址| 日本精品一区二区三区蜜桃| 欧美日本中文国产一区发布| 亚洲久久久国产精品| 深夜精品福利| 亚洲精品国产精品久久久不卡| 高清视频免费观看一区二区| 亚洲av成人av| 19禁男女啪啪无遮挡网站| 午夜福利在线免费观看网站| 午夜福利免费观看在线| 亚洲欧美一区二区三区黑人| 极品教师在线免费播放| 亚洲av欧美aⅴ国产| 一区二区三区精品91| 男人的好看免费观看在线视频 | 亚洲,欧美精品.| 男女床上黄色一级片免费看| 老汉色av国产亚洲站长工具| 日韩欧美免费精品| 午夜亚洲福利在线播放| 最近最新免费中文字幕在线| 国产97色在线日韩免费| netflix在线观看网站| 波多野结衣av一区二区av| 国产av精品麻豆| 操美女的视频在线观看| 在线国产一区二区在线| 女人高潮潮喷娇喘18禁视频| 国产三级黄色录像| 男人操女人黄网站| 久久国产亚洲av麻豆专区| 国产亚洲精品久久久久久毛片 | 国产精品久久视频播放| 午夜久久久在线观看| 国产xxxxx性猛交| 欧美日本中文国产一区发布| 欧美日韩一级在线毛片| 免费一级毛片在线播放高清视频 | 欧美国产精品一级二级三级| 黑人巨大精品欧美一区二区mp4| 免费在线观看完整版高清| 欧美亚洲 丝袜 人妻 在线| 久久热在线av| 欧美亚洲日本最大视频资源| 欧美激情极品国产一区二区三区| 日本wwww免费看| 欧美乱色亚洲激情| 午夜福利乱码中文字幕| 最新的欧美精品一区二区| 日日夜夜操网爽| 每晚都被弄得嗷嗷叫到高潮| 女性生殖器流出的白浆| 亚洲欧美日韩高清在线视频| 亚洲视频免费观看视频| 法律面前人人平等表现在哪些方面| 欧美+亚洲+日韩+国产| 这个男人来自地球电影免费观看| 老司机在亚洲福利影院| 一个人免费在线观看的高清视频| 窝窝影院91人妻| 搡老岳熟女国产| 亚洲人成电影免费在线| 国产成人欧美| 十八禁人妻一区二区| 欧美人与性动交α欧美软件| 亚洲人成77777在线视频| 最新美女视频免费是黄的| 欧美在线黄色| 久久草成人影院| 久久久久久久国产电影| 亚洲色图 男人天堂 中文字幕| 欧美日韩av久久| 午夜福利在线免费观看网站| 免费一级毛片在线播放高清视频 | 亚洲五月色婷婷综合| 女人被躁到高潮嗷嗷叫费观| 美女午夜性视频免费| av网站免费在线观看视频| 久久久久精品国产欧美久久久| 亚洲欧美日韩另类电影网站| 亚洲国产精品sss在线观看 | 黄色成人免费大全| 亚洲国产看品久久| 视频在线观看一区二区三区| 夜夜躁狠狠躁天天躁| 三上悠亚av全集在线观看| 国产精品一区二区在线观看99| 国产精品亚洲av一区麻豆| 一级a爱视频在线免费观看| 日本精品一区二区三区蜜桃| 两人在一起打扑克的视频| av不卡在线播放| 国产一卡二卡三卡精品| 在线观看日韩欧美| 亚洲va日本ⅴa欧美va伊人久久| 18禁国产床啪视频网站| 别揉我奶头~嗯~啊~动态视频| 热99国产精品久久久久久7| 欧美黄色片欧美黄色片| 人人妻人人澡人人看| 欧美日韩瑟瑟在线播放| 91精品三级在线观看| 国产精品亚洲av一区麻豆| 麻豆乱淫一区二区| 久久人妻福利社区极品人妻图片| 国产亚洲精品一区二区www | 日韩免费高清中文字幕av| 国产精品.久久久| 免费观看精品视频网站| 国产精品二区激情视频| 精品一区二区三区av网在线观看| 一本一本久久a久久精品综合妖精| 久久久久精品国产欧美久久久| 国产精品香港三级国产av潘金莲| 婷婷丁香在线五月| 免费少妇av软件| 色婷婷av一区二区三区视频| 午夜影院日韩av| 日韩一卡2卡3卡4卡2021年| 悠悠久久av| 一区二区三区精品91| 亚洲欧美日韩另类电影网站| 欧美亚洲 丝袜 人妻 在线| 久热爱精品视频在线9| 高清黄色对白视频在线免费看| 国产免费男女视频| 久久人妻熟女aⅴ| 亚洲专区字幕在线| 欧美激情高清一区二区三区| 又黄又粗又硬又大视频| 午夜亚洲福利在线播放| 又黄又爽又免费观看的视频| 亚洲av日韩在线播放| 久久精品亚洲精品国产色婷小说| 欧美激情高清一区二区三区| 久久精品亚洲熟妇少妇任你| 亚洲一码二码三码区别大吗| 国产精品国产高清国产av | 欧美精品啪啪一区二区三区| 人妻一区二区av| 99热国产这里只有精品6| 99久久99久久久精品蜜桃| 另类亚洲欧美激情| 久久久精品国产亚洲av高清涩受| 一级a爱视频在线免费观看| 午夜福利在线免费观看网站| 最近最新中文字幕大全电影3 | 国内精品久久久久久久电影| 欧美又色又爽又黄视频| 国产97色在线日韩免费| 91av网一区二区| www国产在线视频色| 无遮挡黄片免费观看| 国产精品亚洲av一区麻豆| 亚洲自拍偷在线| 国产精品亚洲av一区麻豆| 精品久久久久久,| 国产成人欧美在线观看| 村上凉子中文字幕在线| 久久草成人影院| 美女免费视频网站| 亚洲国产精品久久男人天堂| 18禁国产床啪视频网站| 啦啦啦观看免费观看视频高清| 一二三四社区在线视频社区8| 国产精品一区二区免费欧美| 国产成人福利小说| 国产激情欧美一区二区| 久久久国产精品麻豆| 国产亚洲精品综合一区在线观看| 99国产综合亚洲精品| 欧美乱色亚洲激情| 少妇裸体淫交视频免费看高清| xxx96com| 变态另类丝袜制服| 可以在线观看毛片的网站| 床上黄色一级片| 国产精品野战在线观看| 国产一区二区三区在线臀色熟女| 老司机深夜福利视频在线观看| 偷拍熟女少妇极品色| 成人永久免费在线观看视频| 丝袜美腿在线中文| 熟女电影av网| 精品熟女少妇八av免费久了| 女人高潮潮喷娇喘18禁视频| 成熟少妇高潮喷水视频| 久久精品国产清高在天天线| 亚洲在线观看片| 一二三四社区在线视频社区8| 美女被艹到高潮喷水动态| 亚洲无线在线观看| 熟妇人妻久久中文字幕3abv| 国产精品 国内视频| 中文亚洲av片在线观看爽| 免费观看的影片在线观看| 亚洲成人久久性| 国产成人av教育| 国产三级在线视频| 99热这里只有精品一区| 黄片小视频在线播放| 怎么达到女性高潮| 嫩草影院精品99| 国产伦在线观看视频一区| 亚洲av电影在线进入| 好看av亚洲va欧美ⅴa在| а√天堂www在线а√下载| 少妇高潮的动态图| 一本久久中文字幕| 一区二区三区高清视频在线| 老司机午夜十八禁免费视频| 搡老岳熟女国产| 亚洲国产精品久久男人天堂| 国产精品一区二区三区四区久久| 免费av观看视频| 51午夜福利影视在线观看| h日本视频在线播放| 日本一二三区视频观看| 国内少妇人妻偷人精品xxx网站| 少妇人妻精品综合一区二区 | 免费av毛片视频| 国产综合懂色| 九色成人免费人妻av| 丁香六月欧美| 男女之事视频高清在线观看| 国产精品一区二区三区四区免费观看 | 日本 av在线| 少妇人妻精品综合一区二区 | 久9热在线精品视频| 免费高清视频大片| 国产高清videossex| 国产一区在线观看成人免费| 日本黄色片子视频| 身体一侧抽搐| 十八禁人妻一区二区| 一个人看的www免费观看视频| 超碰av人人做人人爽久久 | 人妻夜夜爽99麻豆av| 啪啪无遮挡十八禁网站| 日韩国内少妇激情av| 亚洲无线在线观看| 丰满人妻熟妇乱又伦精品不卡| 91字幕亚洲| 一区二区三区免费毛片| 亚洲无线观看免费| 天堂动漫精品| 在线播放国产精品三级| 国产三级在线视频| 1024手机看黄色片| 久久香蕉精品热| 极品教师在线免费播放| 丁香六月欧美| 在线免费观看的www视频| 熟女少妇亚洲综合色aaa.| 男女午夜视频在线观看| 国产精品嫩草影院av在线观看 | 嫩草影院入口| 欧美精品啪啪一区二区三区| 国产不卡一卡二| 久久久国产精品麻豆| 啦啦啦观看免费观看视频高清| 免费高清视频大片| 日本一本二区三区精品| 波多野结衣高清作品| 淫妇啪啪啪对白视频| 国产欧美日韩一区二区三| 日韩欧美在线二视频| 美女大奶头视频| 在线观看日韩欧美| 国产伦一二天堂av在线观看| 午夜影院日韩av| x7x7x7水蜜桃| 亚洲成人久久性| 日本一二三区视频观看| 午夜久久久久精精品| 嫩草影视91久久| 欧美xxxx黑人xx丫x性爽| 又黄又粗又硬又大视频| 九九热线精品视视频播放| 一本精品99久久精品77| 丰满的人妻完整版| 中文字幕av在线有码专区| 日韩av在线大香蕉| 我的老师免费观看完整版| 欧美丝袜亚洲另类 | h日本视频在线播放| 亚洲国产色片| 18禁黄网站禁片免费观看直播| 国产色爽女视频免费观看| 19禁男女啪啪无遮挡网站| 99热精品在线国产| 亚洲精品国产精品久久久不卡| 精品国内亚洲2022精品成人| 亚洲av成人av| 国产aⅴ精品一区二区三区波| 精品国产美女av久久久久小说| 一卡2卡三卡四卡精品乱码亚洲| 国产男靠女视频免费网站| 久久久色成人| 12—13女人毛片做爰片一| 在线观看日韩欧美| 精品电影一区二区在线| 给我免费播放毛片高清在线观看| 中文亚洲av片在线观看爽| 久久精品91无色码中文字幕| h日本视频在线播放| 1024手机看黄色片| 中文字幕人成人乱码亚洲影| 看免费av毛片| 两个人视频免费观看高清| 老汉色∧v一级毛片| 性欧美人与动物交配| 99热只有精品国产| 老司机深夜福利视频在线观看| 青草久久国产| 国产午夜精品久久久久久一区二区三区 | 亚洲av二区三区四区| 99在线视频只有这里精品首页| 日韩成人在线观看一区二区三区| 淫妇啪啪啪对白视频| 性色av乱码一区二区三区2| 全区人妻精品视频| 久久久国产成人精品二区| 99精品欧美一区二区三区四区| 香蕉久久夜色| 久久午夜亚洲精品久久| 97人妻精品一区二区三区麻豆| 淫妇啪啪啪对白视频| 51午夜福利影视在线观看| 麻豆久久精品国产亚洲av| 老司机福利观看| 国产三级黄色录像| 变态另类成人亚洲欧美熟女| 在线免费观看不下载黄p国产 | 18禁黄网站禁片免费观看直播| 人妻丰满熟妇av一区二区三区| 两个人视频免费观看高清| 日韩欧美 国产精品| 蜜桃久久精品国产亚洲av| 午夜福利免费观看在线| 熟女电影av网| 中出人妻视频一区二区| 国产欧美日韩精品亚洲av| 色老头精品视频在线观看| 女警被强在线播放| 九九久久精品国产亚洲av麻豆| 少妇的逼水好多| 最后的刺客免费高清国语| 男女午夜视频在线观看| 精品一区二区三区av网在线观看| 国产高清有码在线观看视频| 在线观看av片永久免费下载| 国内久久婷婷六月综合欲色啪| 淫秽高清视频在线观看| 麻豆成人av在线观看| 久久久久性生活片| 亚洲18禁久久av| 99久久九九国产精品国产免费| 在线免费观看不下载黄p国产 | 精品人妻1区二区| 久久久国产成人精品二区| 男女下面进入的视频免费午夜| 日韩欧美在线二视频| 久久久久久久久久黄片| 国产欧美日韩精品一区二区| 亚洲无线在线观看| 日本熟妇午夜| 嫁个100分男人电影在线观看| 丁香欧美五月| 99久久精品一区二区三区| 亚洲精品影视一区二区三区av| 人人妻人人澡欧美一区二区| 午夜精品一区二区三区免费看| 女人十人毛片免费观看3o分钟| 国产三级中文精品| 最新美女视频免费是黄的| 91在线精品国自产拍蜜月 | 欧美另类亚洲清纯唯美| or卡值多少钱| 国内精品美女久久久久久| 法律面前人人平等表现在哪些方面| 色综合站精品国产| 在线天堂最新版资源| 欧美成人免费av一区二区三区| 欧美日韩中文字幕国产精品一区二区三区| 久久香蕉精品热| 欧美成人免费av一区二区三区| 午夜福利免费观看在线| 亚洲精品在线美女| 内地一区二区视频在线| 久久久精品欧美日韩精品| 成年女人看的毛片在线观看| 午夜福利成人在线免费观看| 90打野战视频偷拍视频| 欧美日韩黄片免| svipshipincom国产片| 久久久久久大精品| 一个人看的www免费观看视频| 日韩欧美精品免费久久 | 久久久久亚洲av毛片大全| 高清在线国产一区|