• <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 ?

    多特征融合的人臉表情識別

    2012-01-10 10:15:26李春英湯志康黃春艷顏春萍張仙玉
    肇慶學(xué)院學(xué)報 2012年2期
    關(guān)鍵詞:特征向量直方圖小波

    李春英,湯志康,黃春艷,顏春萍,張仙玉,陳 嵐

    (1.肇慶學(xué)院 計算機學(xué)院,廣東 肇慶 526061;2.廣東技術(shù)師范學(xué)院 計算機學(xué)院,廣東 廣州 510665)

    人臉表情識別就是對面部表情信息進(jìn)行特征提取并加以分析.目前表情識別已成為人機交互、情感計算、機器視覺、圖像處理與模式識別等領(lǐng)域的重要研究課題.表情識別模型研究的重點主要集中在表情特征提取和特征分類2方面.國內(nèi)外學(xué)者在此2方面已做了大量的研究,表情特征提取主要分為整體特征提取[1,2]和局部特征提取[3-5].其中,整體特征提取主要集中在面部的整體變化,并沒有考慮面部肌肉的紋理、皺褶等局部變化所蘊含的信息;局部特征可以充分考慮不同尺度和方向的信息,不過特征向量維數(shù)過大、算法實時性較差.特征分類方法分為基于貝葉斯網(wǎng)絡(luò)的分類方法[6]和基于距離度量的分類方法.前者缺點在于需要屬性之間相互獨立的假設(shè),因此在一定程度上影響了算法的識別率;后者是通過計算樣本之間的距離來實現(xiàn)表情分類,代表算法有近鄰法[4]72-74和SVM算法[7].近鄰法算法的存儲量和計算量都比較大,而SVM算法是二類分類算法,在多類分類和大規(guī)模樣本的運算上,還存在著一定的缺陷.基于以上分析,我們提出了一種表情識別模型:首先,將人臉圖像預(yù)處理后,融合2種人臉表情局部特征描述算子(Gabor小波特征和多元中心化二值模式(MCBP)特征);然后通過主成份分析法(PCA)對各表情子區(qū)域的特征向量進(jìn)行降維處理,避免特征向量維數(shù)過大的缺點,同時構(gòu)建PCA隨機子空間訓(xùn)練分類器,分類器采用文獻(xiàn)[8]中心最近鄰分類器(CNN),通過計算已標(biāo)記點與該類中心的距離來度量樣本特征的表情屬性;最后,利用組合分類器實現(xiàn)對表情特征的精確分類.

    1 表情圖像預(yù)處理

    為了更好的提取局部特征,原始圖像的預(yù)處理是一個重要且必須的過程,目的是統(tǒng)一圖像的灰度值及尺寸,輸出純表情區(qū)域,為表情特征提取奠定基礎(chǔ).預(yù)處理包括圖像的歸一化和表情區(qū)域的分割處理:前者包括圖像的尺度歸一化和灰度歸一化,后者指從圖像中分割出與表情最相關(guān)的區(qū)域.本文預(yù)處理的過程包括如下幾個步驟:1)將人臉表情圖像大小變?yōu)?28×128像素,兩眼之間的距離72像素;2)圖像灰度的歸一化,每像素是256灰度級;3)圖像按照空間位置劃分成64個大小為16×16且互不重疊的網(wǎng)格;4)根據(jù)人臉某些部位的信息對表情識別的貢獻(xiàn)度(如眼睛、嘴部,被賦予較大的權(quán)值,而其他部位的貢獻(xiàn)較小則被賦予較小的權(quán)值)分成13個表情子區(qū)域.表情圖像預(yù)處理的流程如圖1所示,其中表情貢獻(xiàn)度按顏色深淺權(quán)值之比為1:2:4.賦予不同權(quán)值的目的是在最終分類決策的時候采用加權(quán)投票法進(jìn)行融合處理.

    圖1 表情圖像預(yù)處理

    2 表情特征提取

    相比全局特征描述,局部特征本身具有空間性和方向性的選擇,且局部特征主要描述人臉表情的細(xì)節(jié)變化,方便進(jìn)行精確識別.局部特征提取的經(jīng)典方法是Gabor小波法和LBP(Local Binary Pattern)算子法[9].Gabor小波可以提取圖像特定區(qū)域內(nèi)不同尺度和方向空間的小波核函數(shù),像顯微鏡一樣放大灰度的變化,增強一些關(guān)鍵特征(眼睛、鼻子和嘴部).LBP特征可以更快地從原始圖像中提取出來且位于較低維的空間,同時保留了有效的人臉信息;不過LBP算子本質(zhì)上提取的是圖像邊緣、角點等局部變化特征,產(chǎn)生的直方圖維數(shù)過長,影響識別速度,且沒有考慮中心像素點的作用,因此特定情況下會丟失某些局部結(jié)構(gòu)信息.綜合以上因素,筆者采用Gabor小波特征和同時考慮多個尺度、中心化的LBP特征(Multi-scale Centralized Binary Pattern),簡稱MCBP特征.

    2.1 Gabor小波特征

    二維Gabor小波的核函數(shù)定義為一個用高斯包絡(luò)函數(shù)約束的平面波:

    其中:ku,v=kveiφu,kv=kmax/fv表示核函數(shù)的尺度(頻率),φu=uπ/6表示核函數(shù)的方向,且φu∈[0,π),通常v∈{0,1,2,3},u∈{0,1,2,3,4,5},文中采用4個中心頻率,6個方向組成的24個Gabor小波組成的小波簇用于表情特征的提取.Gabor變換的本質(zhì)實際上是人臉圖像I(z)與ψu,v(z)的卷積.

    2.2 MCBP特征

    MCBP特征是由不同尺度的中心化二元模式(CBP)組成的.CBP是基于局部二元模式(LBP)基礎(chǔ)上改進(jìn)得來的,CBP是一種有效的紋理描述算子,可以對灰度圖像中局部鄰近區(qū)域的紋理信息進(jìn)行度量和提取.用CBP算子標(biāo)記一幅圖像f(x,y)的像素時,首先要確定中心像素及環(huán)形鄰域,它由半徑為R的圓周上對稱分布的P個鄰點構(gòu)成,P和R可取任意值.需要指出的是:比較的“近鄰點對”必須滿足其連線穿過中心像素點gc,且中心像素點gc擁有最高權(quán)重.描述局部圖像灰度特性的CBP碼[4]:

    其中,指gc表示環(huán)形鄰域中心點的灰度值,gp表示半徑為R的圓周上對稱分布的P個鄰點的灰度值,C是閾值,可手動設(shè)定.為進(jìn)一步表征人臉各個局部區(qū)域上灰度幅值的變化,參考文獻(xiàn)[10]引入梯度信息,即對人臉圖像中每個像素點計算其梯度.假設(shè)人臉圖像的f(x,y),在其坐標(biāo)(x,y)的梯度則通過一個二維列向量表示: 一般來講梯度向量指向坐標(biāo)(x,y)的f最大變化率方向,向量的模值表示為:,在具體實現(xiàn)時文中采用作為梯度值.在人臉圖像的每個像素點計算其梯度,并采用CBP在此梯度圖上提取梯度直方圖.對于每個網(wǎng)格MCBP特征的提取,通過改變參量R,分別計算出灰度的直方圖和梯度的直方圖(由向量表示)后,將它們串接起來構(gòu)成的特征向量,得到ΦMCBP=,即融入梯度信息的特征MCBP特征向量.其中,CBPh(P,Rj)指由CBP算子產(chǎn)生的直方圖.相比單純由灰度的CBP直方圖構(gòu)成的特征,融入梯度信息的MCBP特征具有更強的鑒別能力.

    3 人臉表情識別模型

    本文提出的人臉表情識別模型分成兩大部分:圖像的預(yù)處理和多特征融合判別分析(multi-feature fusion recognition analysis).圖像預(yù)處理如前文所述進(jìn)行圖像的歸一化和表情區(qū)域的分割處理,多特征融合判別分析分成4個部分:特征提取模塊、數(shù)據(jù)處理模塊、分類器訓(xùn)練模塊、多分類器融合模塊.具體過程如圖2所示,為了更好地說明多特征融合判別分析的過程,將其分成訓(xùn)練過程和測試過程進(jìn)行詳細(xì)描述.

    訓(xùn)練過程:特征提取模塊將預(yù)處理后的圖像按照空間位置網(wǎng)格化后,提取采用4個尺度、6個方向的Gabor小波,即每個網(wǎng)格特征向量的維數(shù)為16×16×4×6=6144.由于后續(xù)的分類器很難處理如此高維度的特征向量,我們利用4×4的空間網(wǎng)格對Gabor特征進(jìn)行采樣來降低維度,最終每個網(wǎng)格的Gabor特征向量的維數(shù)是384維;對于MCBP特征,提取半徑R∈{1,3,5,7,9},P=(8個鄰點)5個尺度8個方向的灰度直方圖和梯度直方圖CBP特征,然后將它們串接起來構(gòu)成MCBP特征向量.單網(wǎng)格上每個尺度下的直方圖為64(25×2)維,若把5個尺度下的直方圖串接起來構(gòu)成的每個網(wǎng)格特征維數(shù)將會是320(64×5)維.提取完2種特征后,將每種特征向量(圖1)的表情子區(qū)域進(jìn)行分組,2種特征向量共形成26組向量由于每組向量Φi的維度還比較高,影響識別的速度,我們通過主成份分析法(PCA)進(jìn)行降維處理.假設(shè)原始數(shù)據(jù)每個樣本有M個輸入和N個輸出.即原始數(shù)據(jù)表示為X1,X2,…,Xi∈RM,Y1,Y2,…,Yj∈RN.PCA具體算法如下:

    Step1 根據(jù)相關(guān)系數(shù)公式,計算輸入數(shù)據(jù)的相關(guān)矩陣R∈RM×M;

    Step2 計算相關(guān)矩陣R的特征值,將非負(fù)的特征值按降序排列λ1≥λ2,…,λM≥0,對應(yīng)的特征向量φ1, φ2,…,φM;

    Step4 將變換矩陣Ln乘以原始輸入數(shù)據(jù),xi=Lnxi,得到反映數(shù)據(jù)主要信息量的前n個主成份.

    由于整個面部按表情貢獻(xiàn)度進(jìn)行分組,分組后的部分子區(qū)域向量維數(shù)會達(dá)到上千維,為盡量避免表情圖像的信息丟失,同時考慮計算量的大小,主成份分析后的向量維數(shù)保持在300維.在訓(xùn)練集數(shù)據(jù)處理模塊中對降維處理后的特征向量Φi,通過相關(guān)矩陣中非零特征值所對應(yīng)的特征向量來構(gòu)建8個隨機PCA子空間其中每個子空間的維數(shù)是300維,前200維由前200個固定最大的特征值所對應(yīng)的特征向量整合而成,后100維在剩余的特征向量中隨機抽取.這樣做的目的是既能保留圖像中大部分不變特征,又能抓住圖像的細(xì)節(jié)特征.對每個PCA子空間利用Bagging技術(shù)從原始訓(xùn)練集中產(chǎn)生5個同等規(guī)模的訓(xùn)練集來訓(xùn)練5個單分類器.通過這種方式每個表情子區(qū)域會產(chǎn)生5×8個分類器.

    測試過程:和訓(xùn)練過程一樣將預(yù)處理后的圖像提取2種特征向量,并按表情貢獻(xiàn)度分組和進(jìn)行PCA降維,然后經(jīng)過數(shù)據(jù)處理模塊處理,最后利用訓(xùn)練好的子空間分類器輸出每個分組的判別結(jié)果.在多分類器融合模塊中,分類器采用中心最近鄰分類器,先利用最?。畲笾狄?guī)范化的方法把不同子空間分類器的輸出歸一化[11].然后利用加權(quán)投票法進(jìn)行最終判別,權(quán)值的分配按照圖1的表情貢獻(xiàn)度(1:2:4)進(jìn)行處理.

    圖2 人臉表情識別模型

    4 仿真實驗

    為驗證算法的有效性,選用人臉表情庫(JAFFE)進(jìn)行實驗,此數(shù)據(jù)庫包含了10名日本女性的213幅圖像,每人包含6種基本表情(生氣、厭惡、恐懼、高興、悲傷、吃驚)和2~4個中性表情灰度圖像.圖3是數(shù)據(jù)庫中的部分表情圖像.實驗分為2個階段.

    圖3 JAFFE部分表情圖像

    1)檢驗算法的廣泛適用性.從JAFFE數(shù)據(jù)庫中選取210幅圖像(保證6種基本表情3幅)作為樣本,采用10-fold交叉驗證(cross-validation)的實驗方案,分類器采用中心最近鄰分類器(CNN).從實驗結(jié)果(見表1)可以算出7種表情的平均識別率達(dá)到91.1%.其中,高興、驚訝、中性表情的識別率較好,厭惡、悲傷的識別率較低;因為表情變化越明顯,相應(yīng)的特征向量的差異越大越容易識別,而變化不明顯的表情,相應(yīng)的特征向量變化差異較小,識別效果相對會差一些.

    2)檢驗?zāi)P退惴ǖ聂敯粜?實驗前,根據(jù)文獻(xiàn)[12]中算法對JAFFE人臉庫中的圖像做了不同程度的光照處理,得到處理后的圖像210幅,加上原來選取的210幅表情圖像,這樣實驗數(shù)據(jù)庫中共有420幅表情圖像.實驗中,隨機選取每個人每種表情的3幅圖像共210幅作為訓(xùn)練集,剩余圖像作為測試集.分別選擇單獨使用Gabor小波特征和MCBP特征以及采取2種特征相結(jié)合的特征描述算子,共3種方法進(jìn)行實驗,并生成累積匹配特征曲線(CMC),如圖4所示.圖中顯示采用多特征融合的判別方式明顯好于單一特征,即使有光照的影響,模型Rank-1的識別率也已經(jīng)達(dá)到87%,具備較好的魯棒性.需要說明的是,累積匹配特征曲線的橫坐標(biāo)為排名次序,縱坐標(biāo)為測試者的正確表情包含在識別系統(tǒng)提供的最相似的候選者中的概率.如果由人臉識別系統(tǒng)在一個大型的人臉數(shù)據(jù)庫中僅找出一幅與測試者最近的人臉圖像,那么結(jié)果未必是正確的;如果允許識別系統(tǒng)找出多幅與測試者最相近的人臉圖像,那么結(jié)果正確的概率就會增加.隨著允許識別系統(tǒng)找出最相近的人臉圖像數(shù)目的增加,結(jié)果正確的概率也會隨之增加.比如:在表情識別的測試集中某人“高興”的表情有3幅圖像,累積匹配特征曲線能夠指出3幅圖像的排名次序,但同樣都是識別正確.在JAFFE表情庫上的實驗表明,提出的多特征融合的判別模型具有較好的識別精度和魯棒性.

    表1 JAFFE表情識別結(jié)果統(tǒng)計

    圖4 不同方法的累積匹配特征曲線

    5 結(jié)束語

    提出了一種基于多特征融合的人臉表情識別模型:利用人臉識別領(lǐng)域被證明非常成功的2種局部描述算子(Gabor小波特征和MCBP特征),根據(jù)表情變化的先驗知識將圖像劃分為權(quán)值不同的表情子區(qū)域,為保證識別的速度,利用主成份分析法(PCA)降低局部特征向量的維度,通過Bagging技術(shù)提高多分類器的魯棒性.實驗表明該方法具有良好的識別效果.下一步的工作重點是如何在任意采集的圖像或圖像序列中提取維度較低且具有代表力的局部特征,對其進(jìn)行表情分類.此外,人臉表情識別是人機交互、機器學(xué)習(xí)和圖像處理等領(lǐng)域涉及的重要研究方向,這是一項極具挑戰(zhàn)性的研究任務(wù),需要心理學(xué)、生理學(xué)以及計算機視覺、模式識別等不同領(lǐng)域的研究者共同進(jìn)行探索.

    [1] 周書仁,朱燦.基于ICA和HMM的表情識別[J].中國圖象圖形學(xué)報,2008,13(12):2321-2328.

    [2] 應(yīng)自爐,唐京海,李景文,等.支持向量鑒別分析及在人臉表情識別中的應(yīng)用[J].電子學(xué)報,2008,36(4):725-730.

    [3] KYPEROUNTAS M,TEFAS A,PITAS I.Salient feature and reliable classifier selection for facial expression classification[J]. Pattern Recognition,2010,43:972-986.

    [4] 付曉峰.基于二元模式的人臉識別與表情識別研究[D].杭州.浙江大學(xué),2008.

    [5] XIE X D,LAM K M,Facial expression recognition based on shape and texture[J].Pattern Recognition,2009,42:1 003-1 011.

    [6] WANG T H,LIEN J,Facial expression recognition system based on rigid and non-rigid motion separation and 3D pose estimation[J].Pattern Recognition,2009,42:962-977

    [7] 徐琴珍,章品正,裴文江,等.基于混淆交叉支撐向量機樹的自動面部表情分類方法[J].中國圖象圖形學(xué)報,2008,13(7): 1329-1334.

    [8] GAO Q,WANG Z.Center-based nearest neighbor classifier[J].Pattern Recognition,2007,40:346-349.

    [9] 蔣斌,賈克斌,楊國勝.人臉表情識別的研究進(jìn)展[J].計算機科學(xué),2011,38(4):25-30.

    [10] OJALA T,PIETIKAINEN M,MAENPAA T.Multi-resolution gray-scale and rotation invariant texture classification with local binary patterns[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2002,24(7):971-987.

    [11] LI Z F,UNSANG P,JAIN K A.A Discriminative Model for Age Invariant Face Recognition[J].IEEE Transactions on Information Forensics and Security.2011,6(3):1028-1037.

    [12] 白雪飛,李茹.神經(jīng)網(wǎng)絡(luò)集成的多表情人臉識別方法[J].計算機工程與應(yīng)用,2010,46(4):145-148.

    猜你喜歡
    特征向量直方圖小波
    統(tǒng)計頻率分布直方圖的備考全攻略
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計——以特征值和特征向量為例
    符合差分隱私的流數(shù)據(jù)統(tǒng)計直方圖發(fā)布
    克羅內(nèi)克積的特征向量
    構(gòu)造Daubechies小波的一些注記
    基于MATLAB的小波降噪研究
    電子制作(2019年13期)2020-01-14 03:15:32
    用直方圖控制畫面影調(diào)
    一類特殊矩陣特征向量的求法
    基于改進(jìn)的G-SVS LMS 與冗余提升小波的滾動軸承故障診斷
    EXCEL表格計算判斷矩陣近似特征向量在AHP法檢驗上的應(yīng)用
    亚洲在久久综合| 夜夜骑夜夜射夜夜干| 亚洲成人一二三区av| 人人妻人人看人人澡| 天堂中文最新版在线下载| 日韩精品有码人妻一区| 国产黄片视频在线免费观看| 午夜激情福利司机影院| 国产精品麻豆人妻色哟哟久久| 麻豆成人av视频| 男女边摸边吃奶| 国产精品人妻久久久影院| 欧美成人a在线观看| 性色av一级| 亚洲人成网站在线观看播放| av在线蜜桃| 丰满人妻一区二区三区视频av| 久久青草综合色| 午夜激情福利司机影院| 亚洲丝袜综合中文字幕| 三级国产精品欧美在线观看| 久久久久久久久大av| 色视频在线一区二区三区| 国产黄色视频一区二区在线观看| 黄色欧美视频在线观看| 在线天堂最新版资源| 少妇丰满av| 免费观看性生交大片5| 秋霞在线观看毛片| 赤兔流量卡办理| 亚洲av欧美aⅴ国产| 18禁裸乳无遮挡动漫免费视频| av卡一久久| 国产91av在线免费观看| 亚洲在久久综合| 亚洲欧美精品专区久久| 男女国产视频网站| 在线免费十八禁| 日韩视频在线欧美| 精品熟女少妇av免费看| 一级毛片 在线播放| 欧美成人a在线观看| 蜜桃亚洲精品一区二区三区| 伦精品一区二区三区| 亚洲av中文av极速乱| 中文精品一卡2卡3卡4更新| 久久国内精品自在自线图片| av在线老鸭窝| 高清午夜精品一区二区三区| www.色视频.com| 久久毛片免费看一区二区三区| 22中文网久久字幕| 多毛熟女@视频| 乱系列少妇在线播放| 一级毛片aaaaaa免费看小| 我的老师免费观看完整版| 国产精品人妻久久久影院| 婷婷色综合www| 日日啪夜夜爽| 欧美区成人在线视频| 亚洲欧美成人综合另类久久久| 欧美zozozo另类| 欧美成人精品欧美一级黄| 欧美激情国产日韩精品一区| 国产精品偷伦视频观看了| 成人漫画全彩无遮挡| 国产乱来视频区| 亚洲精华国产精华液的使用体验| 汤姆久久久久久久影院中文字幕| 国产精品一区二区在线不卡| 久久精品国产亚洲网站| 人人妻人人爽人人添夜夜欢视频 | 亚洲成人中文字幕在线播放| 综合色丁香网| 欧美日韩亚洲高清精品| 少妇高潮的动态图| 国产精品秋霞免费鲁丝片| 99久久综合免费| 精品99又大又爽又粗少妇毛片| 性高湖久久久久久久久免费观看| 婷婷色综合大香蕉| 免费观看无遮挡的男女| 精品99又大又爽又粗少妇毛片| 三级经典国产精品| 亚洲国产精品专区欧美| 一本久久精品| 在线观看一区二区三区激情| 日本黄大片高清| 2018国产大陆天天弄谢| 水蜜桃什么品种好| 国产在线男女| 亚洲欧美精品专区久久| 国产亚洲最大av| 99热这里只有是精品在线观看| 日日摸夜夜添夜夜添av毛片| 91aial.com中文字幕在线观看| 人人妻人人添人人爽欧美一区卜 | 日韩一本色道免费dvd| 狂野欧美激情性xxxx在线观看| 建设人人有责人人尽责人人享有的 | 亚洲av日韩在线播放| xxx大片免费视频| 亚洲国产色片| 成人午夜精彩视频在线观看| av在线观看视频网站免费| 天堂8中文在线网| 极品教师在线视频| 黄色日韩在线| 777米奇影视久久| 国产精品99久久99久久久不卡 | 午夜精品国产一区二区电影| 久久久a久久爽久久v久久| 妹子高潮喷水视频| 噜噜噜噜噜久久久久久91| 视频中文字幕在线观看| 久久精品夜色国产| 女的被弄到高潮叫床怎么办| 18+在线观看网站| 你懂的网址亚洲精品在线观看| 男的添女的下面高潮视频| 日韩中文字幕视频在线看片 | 国产成人午夜福利电影在线观看| 中文字幕av成人在线电影| 亚洲精品色激情综合| 国精品久久久久久国模美| 欧美日韩国产mv在线观看视频 | av网站免费在线观看视频| 99热国产这里只有精品6| 日韩中文字幕视频在线看片 | 啦啦啦在线观看免费高清www| 校园人妻丝袜中文字幕| 国产老妇伦熟女老妇高清| 嘟嘟电影网在线观看| 日韩电影二区| 夫妻性生交免费视频一级片| 久久99精品国语久久久| 国产亚洲91精品色在线| av在线播放精品| 黄色视频在线播放观看不卡| 狠狠精品人妻久久久久久综合| 欧美97在线视频| 在线播放无遮挡| 亚洲第一区二区三区不卡| 亚洲真实伦在线观看| 最近最新中文字幕免费大全7| 久久久久人妻精品一区果冻| av国产久精品久网站免费入址| 人妻系列 视频| 国产欧美日韩一区二区三区在线 | 校园人妻丝袜中文字幕| av不卡在线播放| 亚洲精品中文字幕在线视频 | 中文字幕精品免费在线观看视频 | 成人综合一区亚洲| 少妇高潮的动态图| 夜夜看夜夜爽夜夜摸| 亚洲真实伦在线观看| 色吧在线观看| 久久97久久精品| 韩国av在线不卡| 国产久久久一区二区三区| 亚洲第一av免费看| 99re6热这里在线精品视频| 肉色欧美久久久久久久蜜桃| 国产黄频视频在线观看| 日韩制服骚丝袜av| 又粗又硬又长又爽又黄的视频| 亚洲色图综合在线观看| 美女福利国产在线 | 国产伦精品一区二区三区四那| 在线精品无人区一区二区三 | 日日摸夜夜添夜夜爱| 丝袜脚勾引网站| 久久久久国产精品人妻一区二区| 超碰97精品在线观看| av在线app专区| 久久亚洲国产成人精品v| 色综合色国产| 日本-黄色视频高清免费观看| 亚洲欧美精品自产自拍| 午夜福利在线在线| 日韩不卡一区二区三区视频在线| 舔av片在线| av在线播放精品| 熟女人妻精品中文字幕| 国产亚洲一区二区精品| 最近的中文字幕免费完整| 国产深夜福利视频在线观看| 国产在线男女| 十八禁网站网址无遮挡 | 制服丝袜香蕉在线| 少妇丰满av| 舔av片在线| 亚洲综合精品二区| 国产精品99久久99久久久不卡 | 联通29元200g的流量卡| 国产一区二区三区综合在线观看 | 十八禁网站网址无遮挡 | 亚洲av中文字字幕乱码综合| 秋霞伦理黄片| 久久久久久久久久久免费av| 亚洲经典国产精华液单| 久久女婷五月综合色啪小说| .国产精品久久| 国产有黄有色有爽视频| 男的添女的下面高潮视频| 天堂中文最新版在线下载| 欧美精品人与动牲交sv欧美| 亚洲精品日韩av片在线观看| 日韩中字成人| 1000部很黄的大片| 99re6热这里在线精品视频| 国产精品一区二区性色av| 这个男人来自地球电影免费观看 | 午夜免费观看性视频| h视频一区二区三区| 99热这里只有是精品50| 在线观看一区二区三区激情| 成年女人在线观看亚洲视频| 国产av一区二区精品久久 | 国产高潮美女av| 边亲边吃奶的免费视频| 少妇人妻一区二区三区视频| 国产真实伦视频高清在线观看| 91aial.com中文字幕在线观看| 国产真实伦视频高清在线观看| 日韩大片免费观看网站| 2018国产大陆天天弄谢| 99九九线精品视频在线观看视频| 欧美日韩国产mv在线观看视频 | 亚洲成人中文字幕在线播放| 有码 亚洲区| 国产精品精品国产色婷婷| 日日摸夜夜添夜夜爱| 国产片特级美女逼逼视频| 国产精品久久久久成人av| 久久久色成人| 午夜精品国产一区二区电影| 精品一区二区三卡| 人人妻人人看人人澡| 肉色欧美久久久久久久蜜桃| 亚洲欧洲国产日韩| 夫妻午夜视频| 最后的刺客免费高清国语| 免费看日本二区| 国产久久久一区二区三区| av视频免费观看在线观看| 精品酒店卫生间| 91午夜精品亚洲一区二区三区| 亚洲av成人精品一二三区| 国产真实伦视频高清在线观看| 国产伦精品一区二区三区视频9| 精品一区在线观看国产| 卡戴珊不雅视频在线播放| 春色校园在线视频观看| 国产精品久久久久成人av| 高清欧美精品videossex| 午夜激情福利司机影院| 日本黄色片子视频| 久久人人爽人人片av| 妹子高潮喷水视频| 久久精品熟女亚洲av麻豆精品| 九草在线视频观看| 熟女电影av网| 精华霜和精华液先用哪个| 又粗又硬又长又爽又黄的视频| 美女xxoo啪啪120秒动态图| 99久久精品国产国产毛片| 99热6这里只有精品| 中文字幕免费在线视频6| 国产精品人妻久久久久久| 日本免费在线观看一区| 亚洲成人中文字幕在线播放| 国国产精品蜜臀av免费| 国产精品久久久久久av不卡| 亚洲欧美日韩另类电影网站 | 日韩强制内射视频| 国产黄片视频在线免费观看| 久久久久性生活片| 国产成人a区在线观看| 中国美白少妇内射xxxbb| 亚洲经典国产精华液单| 国产乱人视频| 五月伊人婷婷丁香| 欧美国产精品一级二级三级 | 国产亚洲5aaaaa淫片| 精华霜和精华液先用哪个| 久久精品久久久久久噜噜老黄| 男女边吃奶边做爰视频| 丰满少妇做爰视频| 久久久久性生活片| 国产在线一区二区三区精| 80岁老熟妇乱子伦牲交| 少妇高潮的动态图| 免费观看av网站的网址| 亚洲真实伦在线观看| 国产亚洲91精品色在线| 舔av片在线| 熟女人妻精品中文字幕| 国产乱人偷精品视频| 亚洲精品乱码久久久v下载方式| 内地一区二区视频在线| 伊人久久精品亚洲午夜| 日韩欧美 国产精品| 亚洲欧美精品专区久久| 精品午夜福利在线看| 高清不卡的av网站| a级毛色黄片| 亚洲人成网站高清观看| 国产在线视频一区二区| 身体一侧抽搐| 七月丁香在线播放| 观看美女的网站| 人妻系列 视频| 久久久久久久大尺度免费视频| 久久久久久久亚洲中文字幕| 伦理电影大哥的女人| 久久久久精品久久久久真实原创| 国产精品免费大片| 亚洲,一卡二卡三卡| 少妇人妻精品综合一区二区| av在线app专区| 五月开心婷婷网| 亚洲精品,欧美精品| 久久久久久伊人网av| 综合色丁香网| 国产精品熟女久久久久浪| 香蕉精品网在线| 另类亚洲欧美激情| 国产熟女欧美一区二区| 国产极品天堂在线| 黄片无遮挡物在线观看| 日产精品乱码卡一卡2卡三| 亚洲国产精品专区欧美| 能在线免费看毛片的网站| 亚洲av成人精品一区久久| 国产成人精品福利久久| 肉色欧美久久久久久久蜜桃| 国产一区二区在线观看日韩| 天美传媒精品一区二区| 久久精品国产亚洲网站| 在线观看人妻少妇| 精品国产一区二区三区久久久樱花 | 97精品久久久久久久久久精品| 婷婷色av中文字幕| 中文字幕人妻熟人妻熟丝袜美| h日本视频在线播放| 国产女主播在线喷水免费视频网站| 夜夜看夜夜爽夜夜摸| 久久女婷五月综合色啪小说| 亚洲一区二区三区欧美精品| 丰满人妻一区二区三区视频av| 成人18禁高潮啪啪吃奶动态图 | a级毛片免费高清观看在线播放| 欧美xxxx性猛交bbbb| 日日啪夜夜爽| 国产男女超爽视频在线观看| 身体一侧抽搐| 久久久成人免费电影| 亚洲精品国产成人久久av| 久久人人爽人人片av| a级一级毛片免费在线观看| 日本免费在线观看一区| 这个男人来自地球电影免费观看 | 日本av手机在线免费观看| 国产黄色视频一区二区在线观看| 国产日韩欧美亚洲二区| 亚洲欧美日韩东京热| 国产精品成人在线| 伦理电影免费视频| 国产亚洲一区二区精品| 国产成人精品一,二区| 伦理电影大哥的女人| 亚洲欧美成人综合另类久久久| 日日撸夜夜添| 欧美日韩国产mv在线观看视频 | 亚洲欧美成人精品一区二区| 免费人妻精品一区二区三区视频| av又黄又爽大尺度在线免费看| 亚洲国产精品成人久久小说| 新久久久久国产一级毛片| 免费人成在线观看视频色| 九九在线视频观看精品| 免费人妻精品一区二区三区视频| av免费在线看不卡| 日韩大片免费观看网站| 国产视频首页在线观看| 亚洲四区av| 日日啪夜夜爽| 欧美激情极品国产一区二区三区 | 爱豆传媒免费全集在线观看| 国产精品欧美亚洲77777| 国产亚洲精品久久久com| 熟妇人妻不卡中文字幕| 精品少妇黑人巨大在线播放| 欧美精品人与动牲交sv欧美| 亚洲精品乱久久久久久| 国产淫片久久久久久久久| 国产av一区二区精品久久 | 成人亚洲欧美一区二区av| 亚洲国产高清在线一区二区三| 国产成人精品久久久久久| 亚洲熟女精品中文字幕| 成人特级av手机在线观看| 亚洲国产色片| 女的被弄到高潮叫床怎么办| 岛国毛片在线播放| 街头女战士在线观看网站| 国精品久久久久久国模美| 啦啦啦啦在线视频资源| 亚洲无线观看免费| 成人免费观看视频高清| 美女国产视频在线观看| 91久久精品国产一区二区成人| 久久精品久久久久久久性| 赤兔流量卡办理| 欧美精品一区二区大全| 色婷婷av一区二区三区视频| av不卡在线播放| 97在线人人人人妻| 精品国产乱码久久久久久小说| 91精品国产国语对白视频| 日韩视频在线欧美| 街头女战士在线观看网站| av卡一久久| 国产一区有黄有色的免费视频| 久久久亚洲精品成人影院| 校园人妻丝袜中文字幕| 九九爱精品视频在线观看| 国产精品久久久久久久电影| 免费播放大片免费观看视频在线观看| 亚洲国产最新在线播放| 97在线人人人人妻| 久久这里有精品视频免费| 精品人妻一区二区三区麻豆| 日韩国内少妇激情av| 汤姆久久久久久久影院中文字幕| 色哟哟·www| 51国产日韩欧美| av专区在线播放| 国产欧美亚洲国产| 少妇人妻一区二区三区视频| 一级毛片久久久久久久久女| 在线免费观看不下载黄p国产| 日本黄色片子视频| 韩国av在线不卡| 国产伦精品一区二区三区四那| 欧美激情国产日韩精品一区| 一级毛片黄色毛片免费观看视频| 日韩制服骚丝袜av| 欧美xxxx黑人xx丫x性爽| 亚洲不卡免费看| 亚洲av二区三区四区| 精品久久久久久电影网| 国产高清有码在线观看视频| 国产高清三级在线| 国产亚洲5aaaaa淫片| 能在线免费看毛片的网站| 免费看不卡的av| 亚洲av.av天堂| 亚洲精品成人av观看孕妇| 久久久久久久久久人人人人人人| 久久久久视频综合| 婷婷色av中文字幕| 国产探花极品一区二区| 日本午夜av视频| 国产视频首页在线观看| 嫩草影院新地址| 欧美 日韩 精品 国产| 国产在线免费精品| 日本猛色少妇xxxxx猛交久久| 国产老妇伦熟女老妇高清| 在线观看人妻少妇| 久久久久久久久久人人人人人人| 亚洲国产精品专区欧美| 丰满少妇做爰视频| 国产 一区 欧美 日韩| 人人妻人人澡人人爽人人夜夜| 九九久久精品国产亚洲av麻豆| 国产美女午夜福利| 少妇的逼水好多| 亚洲熟女精品中文字幕| 99久国产av精品国产电影| 国产毛片在线视频| 一本色道久久久久久精品综合| 亚洲人与动物交配视频| 久久久欧美国产精品| 国产精品福利在线免费观看| 插阴视频在线观看视频| 国产深夜福利视频在线观看| 91精品一卡2卡3卡4卡| 亚洲电影在线观看av| 久久国产乱子免费精品| 在线免费十八禁| 成人亚洲精品一区在线观看 | 青春草视频在线免费观看| 日本欧美国产在线视频| 亚洲久久久国产精品| 日韩不卡一区二区三区视频在线| 国产老妇伦熟女老妇高清| 中文字幕久久专区| 成人毛片a级毛片在线播放| 夫妻午夜视频| 亚洲欧美一区二区三区国产| 人人妻人人澡人人爽人人夜夜| 美女国产视频在线观看| 六月丁香七月| 国产 一区 欧美 日韩| av国产免费在线观看| 性色avwww在线观看| 精品一区二区三卡| 日韩人妻高清精品专区| av国产久精品久网站免费入址| 国产色婷婷99| 我的老师免费观看完整版| 精品久久久久久久久亚洲| av卡一久久| 男人添女人高潮全过程视频| 91aial.com中文字幕在线观看| 啦啦啦中文免费视频观看日本| 亚洲不卡免费看| 免费看光身美女| 久久久久久久久大av| 国产成人aa在线观看| 看免费成人av毛片| 国产视频首页在线观看| 久久久久久人妻| 日本-黄色视频高清免费观看| 久久 成人 亚洲| 国产免费又黄又爽又色| 日日啪夜夜撸| 日本爱情动作片www.在线观看| 老师上课跳d突然被开到最大视频| 国产精品久久久久久久电影| 国产男女内射视频| 国产v大片淫在线免费观看| 91久久精品电影网| 久久人人爽av亚洲精品天堂 | 中文资源天堂在线| 国产国拍精品亚洲av在线观看| 国产精品久久久久久久久免| 国产精品无大码| 久久久亚洲精品成人影院| 亚洲aⅴ乱码一区二区在线播放| 最近最新中文字幕大全电影3| 成人国产麻豆网| 狂野欧美白嫩少妇大欣赏| 人妻夜夜爽99麻豆av| 久久97久久精品| 国产av一区二区精品久久 | 汤姆久久久久久久影院中文字幕| 中文字幕精品免费在线观看视频 | 夜夜骑夜夜射夜夜干| 国产成人精品一,二区| 黄片wwwwww| 男人狂女人下面高潮的视频| 亚洲欧美精品自产自拍| 有码 亚洲区| 国产淫片久久久久久久久| 一级毛片黄色毛片免费观看视频| 亚洲国产精品一区三区| a级一级毛片免费在线观看| 日本av免费视频播放| 色婷婷久久久亚洲欧美| 成人亚洲欧美一区二区av| 我要看日韩黄色一级片| 极品少妇高潮喷水抽搐| 在线观看一区二区三区| 最近2019中文字幕mv第一页| 蜜桃在线观看..| 啦啦啦在线观看免费高清www| 蜜桃亚洲精品一区二区三区| 成人毛片60女人毛片免费| 国语对白做爰xxxⅹ性视频网站| 久久亚洲国产成人精品v| 日本av手机在线免费观看| 老女人水多毛片| 国产极品天堂在线| 97热精品久久久久久| 三级经典国产精品| 精品久久国产蜜桃| 尤物成人国产欧美一区二区三区| 国产精品av视频在线免费观看| 亚洲欧美日韩另类电影网站 | 街头女战士在线观看网站| 一级二级三级毛片免费看| 97超碰精品成人国产| 七月丁香在线播放| 久久精品久久久久久久性| av在线蜜桃| av国产精品久久久久影院| 涩涩av久久男人的天堂| 日韩制服骚丝袜av| 晚上一个人看的免费电影| 中文欧美无线码| 国产精品99久久99久久久不卡 | 国产久久久一区二区三区| 久久精品人妻少妇| 国产成人aa在线观看| 免费av不卡在线播放| 亚州av有码| 国产日韩欧美亚洲二区| 免费不卡的大黄色大毛片视频在线观看| 国产亚洲av片在线观看秒播厂| 精品久久久久久电影网| 中文字幕亚洲精品专区| 国内揄拍国产精品人妻在线| 麻豆乱淫一区二区| 国产精品一区二区在线观看99| 国产av国产精品国产| 中文资源天堂在线| 日韩成人av中文字幕在线观看| 日韩一区二区视频免费看| 免费av中文字幕在线| 精品99又大又爽又粗少妇毛片|