• <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 ?

    一種新的基于Gabor特征的零空間人臉識別算法

    2016-04-12 11:50:59趙歡喜朱順痣
    關鍵詞:人臉識別人工智能

    陳 思,趙歡喜,朱順痣

    (廈門理工學院計算機與信息工程學院,福建省數(shù)據(jù)挖掘與智能推薦高校重點實驗室,福建廈門361024)

    ?

    一種新的基于Gabor特征的零空間人臉識別算法

    陳思,趙歡喜,朱順痣*

    (廈門理工學院計算機與信息工程學院,福建省數(shù)據(jù)挖掘與智能推薦高校重點實驗室,福建廈門361024)

    摘要:為了克服人臉識別中的小樣本集( small sample size,3S)問題,本文首先利用人臉圖像距離模型揭示了線性鑒別分析的物理過程,指出了零空間鑒別分析相對于主元空間鑒別分析可以提取出更有利于人臉識別的鑒別信息.在此基礎上,提出了一種有效的基于Gabor特征的零空間人臉識別算法,該算法采用一種新的基于鄰域保持的鑒別嵌入準則( neighbor-preserving based discriminant embedding,NDE),并利用Gabor小波變換減輕人臉圖像中光照和表情變化等因素的影響.在ORL,F(xiàn)ERET和AR等人臉數(shù)據(jù)庫上的實驗結果表明本文算法具有較優(yōu)的人臉識別性能.

    關鍵詞:人工智能;人臉識別;零空間方法;基于鄰域保持的鑒別嵌入; Gabor小波變換

    人臉識別的研究[1-5]對于圖象處理、模式識別、計算機視覺和計算機圖形學等領域的發(fā)展具有巨大的推動作用,同時在生物特征認證、視頻監(jiān)控和安全等各個領域有著廣泛的應用.過去的幾十年中發(fā)展出眾多的人臉識別算法[1-5],其中子空間的方法,如主成分分析( principal component analysis,PCA)[6]、鑒別成分分析( linear discriminant analysis,LDA)[7-8]等受到廣泛的研究.

    目前已有學者提出了若干解決3S問題的LDA方法[5-15],例如: Zhao等[9]首先利用PCA去除總樣本離散度矩陣的零空間,然后通過對SW的特征值增加一個小的擾動使得SW變成非奇異矩陣進行降維; Belhumeur等[7]利用PCA首先對高維的數(shù)據(jù)進行降維,使得SW變成非奇異矩陣,再求得投影矩陣; Parrish等[10]提出利用局部鑒別的高斯模型來求取投影矩陣.

    另外一種思路是利用SW的零空間或者SB的主元空間進行降維.Chen等[11]指出LDA中類內離散度矩陣SW的零空間中包含了用于模式分類的最佳鑒別信息,通過在SW的零空間中最大化類間離散度矩陣的跡(或行列式)得到最佳的投影矩陣.此外,Yu等[12]提出了直接LDA的方法:首先去除類間離散度矩陣SB的零空間,認為SB的零空間中沒有包含任何鑒別信息,再通過在SB的主元空間中最小化類內離散度矩陣的跡(或行列式)求得投影軸.Wang等[13]提出了雙子空間的方法,雙子空間結合PCA+LDA和零空間LDA方法,同時利用了SW的主元空間和零空間信息.

    本文首先解釋了LDA的物理過程,利用人臉圖像距離模型揭示了線性鑒別分析的物理含義,并指出了零空間LDA相對于主元空間LDA可以提取更有利于人臉識別的鑒別信息.接著提出了一種新的準則,稱為基于鄰域保持的鑒別嵌入準則( neighbor-preserving based discriminant embedding,NDE).為了減輕人臉圖像中的光照變化和表情等因素對鑒別信息的提取,本文進一步結合了Gabor小波變換.實驗表明本文提出的算法在不同的人臉數(shù)據(jù)庫上都取得了很好的效果.

    1 LDA人臉識別的物理含義

    本節(jié)從最近鄰法分類角度出發(fā)解釋LDA的物理過程,并分別闡述了主元空間LDA( PCA+LDA)方法和零空間LDA方法提取投影子空間的過程.

    在人臉識別過程中,由于噪聲、光照、表情等因素的影響,可能導致人臉的類內距離大于類間距離,從而導致錯誤的識別,因此直接的距離比對方法的識別效果并不好.對于人臉識別而言,本質的特征[16]是身份的不同(身份差分量),而光照、姿態(tài)、表情等變化因素(變換差分量和噪聲分量)都會影響識別或者分類的結果,在識別中應該盡量減少這些因素的影響.上面的模型通常稱為人臉圖像距離模型[16].

    PCA+LDA可以分步地實現(xiàn),即先最小化類內離散度矩陣的跡(或行列式),然后對變換后的數(shù)據(jù)進一步最大化類間離散度矩陣的跡(或行列式).PCA尋找噪聲分量降低的子空間,記為P( ST).而最小化類內離散度矩陣的跡(或行列式)可以在P( ST)子空間中尋找降低類內和類間變換差分量的子空間.最大化類間離散度矩陣的跡(或行列式)進一步得到增強身份差分量的子空間.而零空間LDA方法首先通過計算SW的零空間,然后在零空間中通過最大化類間離散度矩陣的跡(或行列式)得到增強身份差分量的子空間.SW的零空間中可以使得類內離散度矩陣的跡(或者行列式)為零,而PCA+LDA的方法中并不能使類內離散度矩陣的跡(或者行列式)為零.因此,零空間鑒別分析相對于主元空間鑒別分析可以提取更有利于人臉識別的鑒別信息.

    2基于Gabor特征的零空間NDE人臉識別算法

    針對線性鑒別分析中采用Fisher準則的缺點,本文提出了一種新的人臉識別準則,稱為NDE.

    2. 1類內離散度

    為了保證投影后的向量之間保持原始高維空間中數(shù)據(jù)的相對位置關系,局部線性嵌入算法( locally linear embedding,LLE)[17]相應的優(yōu)化準則[18-19]可以轉變?yōu)?/p>

    其中P是線性投影矩陣,X=[x1,x2,…,xn]是原始的數(shù)據(jù)矩陣,y是投影后的數(shù)據(jù),A是權重矩陣,W=X( I-A)T( IA) XT是類內度量矩陣,tr(·)表示求跡運算.

    2. 2類間離散度

    傳統(tǒng)的類間離散度矩陣可以表示成任意兩類間均值差的協(xié)方差矩陣之和:

    然而,采用傳統(tǒng)的類間離散度矩陣可能出現(xiàn)的問題是距離大的類間距離可能會影響最終投影軸的計算.采用加權的SB,即對小的類間距離賦予更多的權重,從而得到的投影軸更加關注小的類間距離.

    加權的SB可以定義為

    其中d( ij)=‖μi-μj‖代表第i類和第j類的均值距離,w(·)是一個單調遞減函數(shù),即兩類均值距離越近w (·)的權重越大.通常的取值為d-3或者d-4.

    通過上面的分析,本文提出新的鑒別分析準則如下:

    由于結合了鄰域保持嵌入和改進的LDA方法,本文稱之為NDE.

    2. 3零空間NDE方法

    由公式( 4),基于零空間的NDE準則可以轉化為

    其中,Q是W的零特征值對應的特征向量.

    基于零空間的NDE人臉識別算法的具體步驟如下:

    1)去除總樣本離散度矩陣ST的零空間

    通過PCA對訓練的人臉數(shù)據(jù)降維,降維的維數(shù)通常等于總的訓練樣本數(shù)-1;

    2)計算W的零空間

    通過對W進行奇異值分解,得到的零特征值對應的特征向量組成W的零空間,記為Q=[q1,…,qk];

    3)計算t個投影向量

    通過求QQTS^BQQT前t個最大的特征值對應的特征向量,即為所求的投影向量.

    2. 4 Gabor小波變換

    Gabor小波變換由Daugman[20]引入,由于其優(yōu)良的空間局部性和方向選擇性,能夠獲得圖像局部區(qū)域內多個方向的空間頻率(尺度)和局部性結構特征,在人臉識別中得到了廣泛的應用[21].事實上,Gabor特征在人臉圖像距離模型中所起的作用是降低變換差分量和噪聲分量,使得NDE能夠更好地提取身份差分量.本文提出的NDE準則由于更好地保留了類內的幾何位置信息,同時考慮了類間的鑒別結構信息,因此可以更有效地提取有利分類結果的鑒別信息.

    3實驗結果與分析

    本文在3個公共人臉數(shù)據(jù)庫上進行了一系列的實驗,包括ORL數(shù)據(jù)庫[22]、FERET數(shù)據(jù)庫[23]和AR數(shù)據(jù)庫[24].并且對比了各種典型的監(jiān)督降維方法,包括了PCA[6]、NDP[25]、NDA[26]、LDA[8]和LDE[27]等方法.

    3. 1人臉數(shù)據(jù)庫介紹和實驗參數(shù)設置

    ORL庫上共有40個人組成,每個人10幅圖像.FERET人臉數(shù)據(jù)庫是由美國軍方發(fā)起的人臉評測數(shù)據(jù)庫.本文的算法在FERET的子庫上進行,該子庫一共包含了200個人的1 400幅人臉圖像,每個人有7幅圖像,圖像中包含了光照、姿態(tài)(±25°變化)和表情等各種因素的變化.AR數(shù)據(jù)庫包含了120個人的26幅圖像,包括了表情、光照和遮擋等.對每個人選取了14張,共1 680幅圖像.

    本文對ORL庫中每一類人臉隨機選取m張( m= 3,4)作為訓練數(shù)據(jù),剩下的圖像作為測試數(shù)據(jù).對FERET庫中每一類人臉隨機選取m張( m= 2,3)作為訓練數(shù)據(jù),剩下的圖像作為測試數(shù)據(jù).對AR庫中每一類人臉隨機選取m張( m=3,4)作為訓練數(shù)據(jù),剩下的圖像作為測試數(shù)據(jù).對于每個給定的m,分別獨立地運行20次實驗,每一次的訓練人臉均隨機選取,最終的結果是20次運行結果的平均值.

    圖1主元空間方法和零空間方法的比較( 20次運行)Fig.1 Comparisons between principal space based methods and null space based methods ( 20 runs)

    3. 2實驗結果

    首先,比較了利用原始灰度特征的主元空間降維方法與零空間降維方法的識別率.圖1中給出了鑒別維數(shù)不同時的各種對比算法在ORL( m=3,4),F(xiàn)ERET ( m=3),AR( m=3)上人臉識別率變化情況.從圖中可以看出:零空間的監(jiān)督降維方法要明顯優(yōu)于主元空間的監(jiān)督降維方法:當采用原始灰度特征時,基于零空間的NDE方法優(yōu)于其他對比方法.

    為了進一步地提高人臉識別率,本文進一步利用Gabor變換提取特征,得到的結果如圖2所示.利用Gabor變換的零空間NDE方法相對于使用原始灰度特征的零空間NDE方法,在識別率上有顯著的提高,同時優(yōu)于利用Gabor變換的零空間LDA方法和沒有利用Gabor變換的零空間LDA.

    表1列出了13種不同對比方法的最佳識別率和其對應的鑒別向量的個數(shù),其中最高的識別率用粗體表示.由表1可知,本文提出的Gabor+Null NDE方法在FERET( m= 2,3)和AR( m= 3,4)數(shù)據(jù)集上都取得了最高的識別率,并且對應的鑒別向量個數(shù)也是相對較少的.可見,通過Gabor變換可以非常有效地減輕光照、姿態(tài)和表情等因素對鑒別信息提取的影響,得到對人臉類內的光照和表情變化具有一定魯棒性且更能區(qū)分類間的特征.

    3. 3討論

    無論是小樣本的數(shù)據(jù)庫(如ORL庫)或者是大樣本的數(shù)據(jù)(如FERET和AR庫),零空間的NDE方法都要優(yōu)于其他降維方法,這表明NDE具有很好的推廣性.NDE方法利用了類內的局部結構信息和類間的全局信息,能夠很好地提取對分類和識別最有利的鑒別信息.而PCA和LDA方法卻保持全局的歐式結構信息( global euclidean structure).NDA方法則提取了最近鄰之間信息,但是沒有考慮類內樣本的局部位置信息.與NDP和LDE方法不同,本文采用的NDE方法考慮了各類之間的距離關系,更關注可能對分類造成影響的相近的人臉類別.

    圖2 Gabor特征變換前后的零空間LDA和NDE方法的比較( 20次運行)Fig.2 Comparisons of null LDA and null NDE methods before and after Gabor wavelet transform ( 20 runs)

    表1各種方法的最佳識別率和對應的鑒別向量的個數(shù)(運行20次)Tab.1 Best recognition rates of different methods and the corresponding numbers of discriminative vectors ( 20 runs)

    在實際應用中,我們應該根據(jù)數(shù)據(jù)集的特點選擇合適的人臉識別方法.本文采用的NDE方法主要解決人臉圖像訓練樣本不足的問題,并獲得了令人滿意的實驗結果.因此,本文方法更適用于解決3S問題,即訓練的樣本數(shù)少于樣本的維數(shù)的情況.

    4結論

    針對Fisher準則的缺點,本文提出了一種新的準則NDE.NDE可以很好地保持類內的局部結構信息和考慮類間的全局鑒別信息,在不同的人臉數(shù)據(jù)庫上表現(xiàn)出優(yōu)異的性能.為了減輕人臉圖像中的光照變化和表情等因素對鑒別信息提取的影響,本文進一步結合了Gabor小波變換.在未來的工作中,我們將結合核( kernel)形式和張量( tensor)形式的方法來進一步提高本文方法的性能.

    參考文獻:

    [1]楊曄,HUGO DE G,潘偉,等.基于選擇性注意和部分連接神經(jīng)網(wǎng)絡的人臉識別[J].廈門大學學報(自然科學版),2009,48( 4) : 499-503.

    [2]YAN Y,WANG H,SUTER D.Multi-subregion based correlation filter bank for robust face recognition[J].Pattern Recognition,2014,47( 11) : 3487-3501.

    [3]嚴嚴,章毓晉.基于視頻的人臉識別研究進展[J].計算機學報,2009,32( 5) : 878-886.

    [4]YAN Y,ZHANG Y J.1-D correlation filter based class-dependence feature analysis for face recognition[J].Pattern Recognition,2008,41( 12) : 3834-3841.

    [5]LU H P,PLATANIOTIS K N,VENETSANOPOULOS A N.A survey of multilinear subspace learning for tensor data[J].Pattern Recognition,2011,44( 7) : 1540-1551.

    [6]TZIMIROPOULOS G,ZAFEIRIOU S,PANTIC M.Subspace learning from image gradient orientations[J].IEEE Transactions Pattern Analysis and Machine Intelligence,2012,34 ( 12) : 2454-2466.

    [7]BELHUMEUR P N,HEPANHA J P,KRIEGMAN D J.Eigenfaces vs Fisherfaces: recognition using class specific linear projection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1997,19( 7) : 711-720.

    [8]WANG X G,TANG X O.A unified framework for face recognition[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2004,26( 9) : 1222-1228.

    [9]ZHAO W Y,CHELLAPPA R,PHILLIPS P J.Subspace linear discriminant analysis for face recognition[R].MD: U-niversity of Maryland,1999.

    [10]PARRISH N,GUPTA M.Dimensionality reduction by local discriminative Gaussians[C]∥Proceedings of the 29th International Conference on Machine Learning.Edinburgh,Scotland,UK: Omnipress,2012: 1-8.

    [11]CHEN L,LIAO H,KO M,et al.A new LDA-based face recognition system which can solve the small sample size problem[J].Pattern Recognition,2000,33( 10) : 1713-1726.

    [12]YU H,YANG J.A direct LDA algorithm for highdimensional data with application to face recognition[J].Pattern Recognition,2001,34: 2067-2070.

    [13]WANG X,TANG X.Dual-space linear discriminant analysis for face recognition[C]∥Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Washington D C: IEEE Computer Society Press,2004: 564-569.

    [14]YANG J,F(xiàn)RANGI A F,YANG J Y.KPCA plus LDA: a complete kernel fisher discriminant framework for feature extraction and recognition[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2005,27( 2) : 230-244.

    [15]JIANG X.Linear subspace learning-based dimensionality reduction[J].IEEE Signal Processing Magazine,2011,28 ( 2) : 16-26.

    [16]YAN Y,ZHANG Y J.Discriminant projection embedding for face and palmprint recognition[J].Neurocomputing,2008,71( 16) : 3534-3543.

    [17]ROWEIS S,SAUL L K.Nonlinear dimensionality reduction by locally linear embedding[J].Science,2000,290 ( 5500) : 2323-2326.

    [18]HE X,CAI D,YAN S,et al.Neighborhood preserving embedding[C]∥Proceedings of the 10th IEEE International Conference on Computer Vision.Washington D C: IEEE Computer Society Press,2005: 1208-1213.

    [19]ZHANG Z,WANG J,ZHA H.Adaptive manifold learning [J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2012,34( 2) : 253-265.

    [20]DAUGMAN J G.Two-dimensional spectral analysis of cortical receptive field profiles[J].Visual Research,1980,20: 847-856.

    [21]程雪峰,李順,龍飛,等.基于Log-Gabor濾波和LBP算子的光照不變人臉識別方法[J].廈門大學學報(自然科學版),2014,53( 3) : 359-363.

    [22]SAMARIA F,HARTER A.Parameterization of a stochastic model for human face identification[C]∥Proceedings of the 2nd IEEE Workshop on Applications of Computer Vision.Washington D C: IEEE,1994: 138-142.

    [23]PHILLIPS P J,MOON H,RIZVI S,et al.The FERET evaluation methodology for face recognition algorithms[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22( 10) : 1090-1104.

    [24]MARTINEZ A R,BENAVENTE R.The AR face database [R].Barcelona: Computer Vision Center ( CVC),1998.

    [25]YOU Q,ZHEN N,DU S,et al.Neighborhood discriminant analysis for face recognition[J].Pattern Recognition Letters,2007,40( 8) : 2283-2291.

    [26]BRESSAN M,VITRIA J.Nonparametric discriminant analysis and nearest neighbor classification[J].Pattern Recognition Letters,2003,24: 2743-2749.

    [27]CHEN H T,CHANG H W,LIU T L.Local discriminant embedding and its variant[C]∥Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Washington D C: IEEE Computer Society Press,2005: 846-853.

    A Novel Gabor Feature Based Null Space Algorithm for Face Recognition

    CHEN Si,ZHAO Huanxi,ZHU Shunzhi*

    ( Key Lab of Data Mining and Information Recommendation of Fujian Province,School of Computer and Information Engineering,Xiamen University of Technology,Xiamen 361024,China)

    Abstract:Recently,linear discriminant analysis ( LDA) has been widely used in the field of face recognition.However,in many real applications,LDA suffers from the small sample size ( 3S) problem,where training samples are limited so that LDA cannot be directly used.To overcome the 3S problem,in this paper we first reveal the mechanism of LDA to show how it extracts the most discriminative features according to an image distance model,and then identify that the null space based LDA is much more efficient than the principal space based LDA for the extraction of discriminative features.Based on this identification,we propose an effective Gabor feature based null space algorithm for face recognition,which exploits a new neighborhood-preserving based discriminant embedding ( NDE) criterion to overcome the drawbacks of the traditional Fisher criterion,and during the process of the extraction of discriminative features,the Gabor wavelet transform is incorporated to further reduce the influences of illumination and expression changes in the face images.Experimental results on several public face databases,such as ORL,F(xiàn)ERET and AR,show that the proposed null space based NDE algorithm outperforms the state-of-theart algorithms,such as LDA,NDP,NDA,and LDE,and it can achieve the encouraging face recognition performance.

    Key words:artificial intelligence; face recognition; null space method; neighbor-preserving based discriminant embedding( NDE) ; Gabor wavelet transform

    *通信作者:szzhu@ xmut.edu.cn

    基金項目:國家自然科學基金( 61373147,61503315) ;福建省自然科學基金( 2012J01293) ;廈門市科技計劃項目( 3502Z20103037) ;廈門理工學院高層次人才項目( YKJ14020R)

    收稿日期:2015-01-25錄用日期: 2015-08-19

    doi:10.6043/j.issn.0438-0479.2016.01.021

    中圖分類號:TP 391

    文獻標志碼:A

    文章編號:0438-0479( 2016) 01-0108-06

    引文格式:陳思,趙歡喜,朱順痣.一種新的基于Gabor特征的零空間人臉識別算法[J].廈門大學學報(自然科學版),2016,55 ( 1) : 108-113.

    Citation: CHEN S,ZHAO H X,ZHU S Z.A novel gabor feature based null space algorithm for face recognition[J].Journal of Xiamen U-niversity( Natural Science),2016,55( 1) : 108-113.( in Chinese)

    猜你喜歡
    人臉識別人工智能
    我校新增“人工智能”本科專業(yè)
    人臉識別 等
    作文中學版(2022年1期)2022-04-14 08:00:34
    揭開人臉識別的神秘面紗
    學生天地(2020年31期)2020-06-01 02:32:06
    2019:人工智能
    商界(2019年12期)2019-01-03 06:59:05
    人工智能與就業(yè)
    基于(2D)2PCA-LBP 的人臉識別方法的研究
    電子制作(2017年17期)2017-12-18 06:40:55
    數(shù)讀人工智能
    小康(2017年16期)2017-06-07 09:00:59
    人臉識別在高校安全防范中的應用
    電子制作(2017年1期)2017-05-17 03:54:46
    下一幕,人工智能!
    南風窗(2016年19期)2016-09-21 16:51:29
    下一幕,人工智能!
    南風窗(2016年19期)2016-09-21 04:56:22
    纵有疾风起免费观看全集完整版| 欧美精品人与动牲交sv欧美| 亚洲一卡2卡3卡4卡5卡精品中文| 青青草视频在线视频观看| 老司机在亚洲福利影院| av欧美777| 国产精品.久久久| 十八禁人妻一区二区| 国产成人欧美在线观看 | 男人操女人黄网站| 欧美大码av| 老司机在亚洲福利影院| 亚洲视频免费观看视频| 国产精品久久久久久人妻精品电影 | 99精国产麻豆久久婷婷| 最新在线观看一区二区三区| 一本综合久久免费| 天天影视国产精品| 久久99一区二区三区| 久久久久久亚洲精品国产蜜桃av| 亚洲自偷自拍图片 自拍| 亚洲av成人不卡在线观看播放网 | 午夜福利影视在线免费观看| 91成人精品电影| 人人妻人人澡人人爽人人夜夜| 99精品久久久久人妻精品| 黄片播放在线免费| 麻豆乱淫一区二区| 日韩精品免费视频一区二区三区| 日韩人妻精品一区2区三区| 777米奇影视久久| 亚洲国产欧美网| 国产无遮挡羞羞视频在线观看| 国产精品久久久人人做人人爽| 69av精品久久久久久 | 亚洲欧美清纯卡通| 国产精品久久久av美女十八| 日本a在线网址| 中文字幕色久视频| 精品福利观看| 一本一本久久a久久精品综合妖精| a在线观看视频网站| 国产高清videossex| 午夜激情av网站| 日韩电影二区| 欧美亚洲 丝袜 人妻 在线| 久久久久精品国产欧美久久久 | 一二三四社区在线视频社区8| 久久亚洲国产成人精品v| a级毛片在线看网站| 日韩中文字幕视频在线看片| 色老头精品视频在线观看| 巨乳人妻的诱惑在线观看| 香蕉丝袜av| e午夜精品久久久久久久| 精品久久久精品久久久| 国产精品久久久av美女十八| 日韩人妻精品一区2区三区| 国产精品欧美亚洲77777| 不卡av一区二区三区| 欧美av亚洲av综合av国产av| 男女之事视频高清在线观看| 丰满人妻熟妇乱又伦精品不卡| 国产精品一区二区精品视频观看| 18禁国产床啪视频网站| 欧美日韩一级在线毛片| 亚洲av片天天在线观看| 国产精品久久久av美女十八| 国产黄色免费在线视频| 亚洲 欧美一区二区三区| 婷婷成人精品国产| 亚洲性夜色夜夜综合| tocl精华| 精品卡一卡二卡四卡免费| 国产在线一区二区三区精| 国产一区二区三区在线臀色熟女 | 日韩 欧美 亚洲 中文字幕| 日本a在线网址| 午夜激情久久久久久久| 亚洲一区二区三区欧美精品| 99久久国产精品久久久| 丁香六月欧美| 成人国产一区最新在线观看| 精品亚洲成a人片在线观看| 91成年电影在线观看| 人人妻人人澡人人看| 国产成人免费无遮挡视频| 狠狠精品人妻久久久久久综合| 美女高潮到喷水免费观看| 久久精品久久久久久噜噜老黄| 男男h啪啪无遮挡| 精品人妻1区二区| 香蕉丝袜av| 色综合欧美亚洲国产小说| 国产老妇伦熟女老妇高清| av欧美777| 久久久久国内视频| 91精品伊人久久大香线蕉| 日韩制服丝袜自拍偷拍| 最近最新中文字幕大全免费视频| av天堂久久9| 久久久精品区二区三区| 大陆偷拍与自拍| 性少妇av在线| 水蜜桃什么品种好| 日韩三级视频一区二区三区| 日本wwww免费看| 一区二区三区乱码不卡18| 国产精品久久久av美女十八| 国产精品偷伦视频观看了| 久久99热这里只频精品6学生| 在线亚洲精品国产二区图片欧美| 在线看a的网站| 夫妻午夜视频| 久久久精品区二区三区| 亚洲九九香蕉| 亚洲欧洲精品一区二区精品久久久| 日韩一区二区三区影片| 人人妻人人澡人人爽人人夜夜| 亚洲精品一卡2卡三卡4卡5卡 | 成年人黄色毛片网站| 一级毛片女人18水好多| 亚洲欧美色中文字幕在线| 男女免费视频国产| 人人妻人人添人人爽欧美一区卜| 在线观看人妻少妇| 亚洲国产精品一区二区三区在线| 国产一区二区 视频在线| 欧美日韩亚洲高清精品| 亚洲欧美一区二区三区黑人| 久久国产精品人妻蜜桃| 精品亚洲成a人片在线观看| 纵有疾风起免费观看全集完整版| 丁香六月欧美| 久久精品aⅴ一区二区三区四区| 亚洲精品久久久久久婷婷小说| 看免费av毛片| 精品视频人人做人人爽| 久久精品久久久久久噜噜老黄| 亚洲专区字幕在线| 人妻一区二区av| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美激情久久久久久爽电影 | 亚洲五月婷婷丁香| 人妻人人澡人人爽人人| 亚洲男人天堂网一区| 热99re8久久精品国产| 国产在视频线精品| 久久久欧美国产精品| 最黄视频免费看| 国产在视频线精品| 中文字幕人妻丝袜一区二区| 在线观看免费日韩欧美大片| 成人18禁高潮啪啪吃奶动态图| 欧美 日韩 精品 国产| 久久人妻福利社区极品人妻图片| 亚洲国产精品一区三区| 男女午夜视频在线观看| 亚洲五月婷婷丁香| 欧美性长视频在线观看| a级片在线免费高清观看视频| 欧美日韩一级在线毛片| 久热爱精品视频在线9| 欧美老熟妇乱子伦牲交| 日韩大片免费观看网站| 黄色 视频免费看| 最近中文字幕2019免费版| 国产亚洲午夜精品一区二区久久| 伊人久久大香线蕉亚洲五| 久久精品国产亚洲av高清一级| 国产一区二区 视频在线| 日韩欧美国产一区二区入口| 99国产精品一区二区蜜桃av | 欧美中文综合在线视频| 日韩欧美国产一区二区入口| 亚洲av国产av综合av卡| 中文字幕精品免费在线观看视频| 亚洲精品美女久久久久99蜜臀| 日韩一卡2卡3卡4卡2021年| 天天躁日日躁夜夜躁夜夜| www.自偷自拍.com| 在线天堂中文资源库| 女人久久www免费人成看片| 日日爽夜夜爽网站| 在线观看舔阴道视频| 久久久久久免费高清国产稀缺| 国产一卡二卡三卡精品| 久久精品成人免费网站| 淫妇啪啪啪对白视频 | 亚洲欧美激情在线| 男女无遮挡免费网站观看| 成人亚洲精品一区在线观看| 亚洲精品自拍成人| 色播在线永久视频| 久久av网站| 日本撒尿小便嘘嘘汇集6| 下体分泌物呈黄色| 日本黄色日本黄色录像| 国产精品欧美亚洲77777| 天天躁夜夜躁狠狠躁躁| 十八禁人妻一区二区| 国产成人精品久久二区二区免费| 国产免费av片在线观看野外av| 99精品久久久久人妻精品| www日本在线高清视频| 精品少妇黑人巨大在线播放| 欧美另类亚洲清纯唯美| 男人舔女人的私密视频| 国产成人精品久久二区二区91| 精品少妇久久久久久888优播| 亚洲国产毛片av蜜桃av| 美女主播在线视频| 亚洲五月色婷婷综合| 女人久久www免费人成看片| 美女扒开内裤让男人捅视频| 极品少妇高潮喷水抽搐| 亚洲五月婷婷丁香| 欧美日韩av久久| 成人免费观看视频高清| 亚洲国产精品一区三区| 欧美av亚洲av综合av国产av| 热99re8久久精品国产| 国产精品免费视频内射| 午夜福利在线免费观看网站| 我的亚洲天堂| av在线老鸭窝| 成年人黄色毛片网站| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲人成电影免费在线| 亚洲精品成人av观看孕妇| 精品久久久久久久毛片微露脸 | 极品少妇高潮喷水抽搐| 美女主播在线视频| 少妇 在线观看| 黄色视频不卡| 亚洲国产中文字幕在线视频| 欧美+亚洲+日韩+国产| 亚洲七黄色美女视频| 人人妻人人添人人爽欧美一区卜| av视频免费观看在线观看| 亚洲国产av新网站| 不卡一级毛片| 最近最新免费中文字幕在线| 免费在线观看视频国产中文字幕亚洲 | 国产一区二区在线观看av| 老熟妇乱子伦视频在线观看 | 精品第一国产精品| 日本91视频免费播放| 青草久久国产| 97人妻天天添夜夜摸| 精品久久久久久久毛片微露脸 | 美女中出高潮动态图| 操出白浆在线播放| 久久久久久免费高清国产稀缺| 亚洲七黄色美女视频| 一级毛片精品| 欧美老熟妇乱子伦牲交| www.熟女人妻精品国产| videos熟女内射| 久久九九热精品免费| 美女国产高潮福利片在线看| 精品国产一区二区三区久久久樱花| 两个人看的免费小视频| 久久狼人影院| 99久久国产精品久久久| 欧美亚洲日本最大视频资源| 欧美日韩成人在线一区二区| 一边摸一边抽搐一进一出视频| 女人久久www免费人成看片| av一本久久久久| 久久久国产欧美日韩av| 久久久精品国产亚洲av高清涩受| 激情视频va一区二区三区| 肉色欧美久久久久久久蜜桃| 国产成人a∨麻豆精品| 亚洲视频免费观看视频| www.精华液| 国产野战对白在线观看| 日韩有码中文字幕| 999精品在线视频| 亚洲国产欧美一区二区综合| 老司机深夜福利视频在线观看 | 久久精品亚洲熟妇少妇任你| 亚洲人成77777在线视频| 9色porny在线观看| 亚洲视频免费观看视频| 多毛熟女@视频| 极品少妇高潮喷水抽搐| 菩萨蛮人人尽说江南好唐韦庄| 不卡一级毛片| 久久性视频一级片| 亚洲专区国产一区二区| 一级片免费观看大全| av电影中文网址| 国产在线免费精品| 黄色a级毛片大全视频| 国产淫语在线视频| 亚洲成国产人片在线观看| 成年av动漫网址| 国产成人影院久久av| 欧美性长视频在线观看| 国产欧美亚洲国产| 法律面前人人平等表现在哪些方面 | 欧美成狂野欧美在线观看| 在线 av 中文字幕| 国产av精品麻豆| 啦啦啦在线免费观看视频4| 午夜影院在线不卡| av片东京热男人的天堂| 男人舔女人的私密视频| 99精品久久久久人妻精品| 亚洲中文字幕日韩| 久久精品成人免费网站| 手机成人av网站| 大陆偷拍与自拍| 一区二区三区四区激情视频| 19禁男女啪啪无遮挡网站| 中文字幕最新亚洲高清| 久久国产精品男人的天堂亚洲| bbb黄色大片| 国产无遮挡羞羞视频在线观看| 亚洲激情五月婷婷啪啪| av免费在线观看网站| 国产成人精品无人区| 美国免费a级毛片| 大香蕉久久网| 日日夜夜操网爽| 99国产精品免费福利视频| 国产成人啪精品午夜网站| 国产精品麻豆人妻色哟哟久久| 精品国产乱码久久久久久小说| 久久久精品区二区三区| 丝袜人妻中文字幕| 黄网站色视频无遮挡免费观看| 欧美在线一区亚洲| 在线十欧美十亚洲十日本专区| 黄色视频,在线免费观看| 精品国内亚洲2022精品成人 | 亚洲精品在线美女| 成人手机av| 侵犯人妻中文字幕一二三四区| 欧美日韩亚洲综合一区二区三区_| 91精品国产国语对白视频| 深夜精品福利| 人人妻人人添人人爽欧美一区卜| kizo精华| 国产精品 欧美亚洲| 国产xxxxx性猛交| 十分钟在线观看高清视频www| 十八禁高潮呻吟视频| 女警被强在线播放| 午夜精品国产一区二区电影| 久久精品亚洲av国产电影网| 国产日韩欧美视频二区| 香蕉国产在线看| 亚洲熟女毛片儿| 久久久久久久久久久久大奶| 97人妻天天添夜夜摸| 伊人亚洲综合成人网| 五月天丁香电影| 日韩欧美免费精品| 天天躁日日躁夜夜躁夜夜| 女性生殖器流出的白浆| 久久国产亚洲av麻豆专区| 日本黄色日本黄色录像| 午夜免费鲁丝| 91精品三级在线观看| 精品一区二区三区av网在线观看 | 捣出白浆h1v1| 久久人人爽av亚洲精品天堂| 黄片小视频在线播放| 国产精品欧美亚洲77777| 精品一品国产午夜福利视频| 日本猛色少妇xxxxx猛交久久| 啦啦啦免费观看视频1| 日韩制服骚丝袜av| 精品亚洲成国产av| 精品久久蜜臀av无| 午夜福利乱码中文字幕| 久久久久精品国产欧美久久久 | av片东京热男人的天堂| 免费黄频网站在线观看国产| 老司机午夜福利在线观看视频 | 久久精品国产亚洲av香蕉五月 | 欧美黄色淫秽网站| 天天影视国产精品| √禁漫天堂资源中文www| 国产真人三级小视频在线观看| 爱豆传媒免费全集在线观看| 日韩精品免费视频一区二区三区| 亚洲精品国产色婷婷电影| 久久毛片免费看一区二区三区| 欧美少妇被猛烈插入视频| 一区二区日韩欧美中文字幕| 亚洲欧洲精品一区二区精品久久久| 国产精品国产av在线观看| 欧美少妇被猛烈插入视频| av视频免费观看在线观看| √禁漫天堂资源中文www| 他把我摸到了高潮在线观看 | 欧美成人午夜精品| 青草久久国产| 少妇粗大呻吟视频| 欧美日韩福利视频一区二区| 国产在线一区二区三区精| 日本vs欧美在线观看视频| 精品人妻一区二区三区麻豆| 老司机午夜福利在线观看视频 | 一本一本久久a久久精品综合妖精| 正在播放国产对白刺激| 亚洲男人天堂网一区| 一级毛片女人18水好多| 老司机影院毛片| 日韩免费高清中文字幕av| 狠狠婷婷综合久久久久久88av| 午夜福利影视在线免费观看| 69av精品久久久久久 | 91麻豆精品激情在线观看国产 | 久久人妻福利社区极品人妻图片| 中文字幕精品免费在线观看视频| 国产精品久久久久久人妻精品电影 | 999久久久精品免费观看国产| 亚洲熟女精品中文字幕| 韩国精品一区二区三区| 国产97色在线日韩免费| 欧美97在线视频| 久久久精品94久久精品| 老汉色av国产亚洲站长工具| 大片免费播放器 马上看| 黄色视频,在线免费观看| 欧美国产精品va在线观看不卡| 亚洲七黄色美女视频| 欧美精品亚洲一区二区| 日韩大码丰满熟妇| 在线十欧美十亚洲十日本专区| 狠狠狠狠99中文字幕| 国产精品1区2区在线观看. | 国产在线视频一区二区| 少妇猛男粗大的猛烈进出视频| 国产一区二区三区在线臀色熟女 | 亚洲精品自拍成人| 亚洲精品中文字幕在线视频| 热99re8久久精品国产| 天天躁狠狠躁夜夜躁狠狠躁| 2018国产大陆天天弄谢| 久久毛片免费看一区二区三区| 欧美大码av| www.999成人在线观看| 午夜日韩欧美国产| 少妇裸体淫交视频免费看高清 | 美女脱内裤让男人舔精品视频| av不卡在线播放| 69av精品久久久久久 | 欧美老熟妇乱子伦牲交| 国产av国产精品国产| 国产精品av久久久久免费| 色婷婷久久久亚洲欧美| 人妻一区二区av| 日日爽夜夜爽网站| 亚洲欧美精品自产自拍| 秋霞在线观看毛片| 99精品久久久久人妻精品| 男女午夜视频在线观看| 国产成人啪精品午夜网站| 久久中文看片网| 脱女人内裤的视频| 国产亚洲精品久久久久5区| 水蜜桃什么品种好| 成年人黄色毛片网站| 黑人巨大精品欧美一区二区蜜桃| 亚洲第一欧美日韩一区二区三区 | 日本黄色日本黄色录像| 国产成人精品久久二区二区免费| 精品福利永久在线观看| 黄网站色视频无遮挡免费观看| 99香蕉大伊视频| 人人妻,人人澡人人爽秒播| 777米奇影视久久| 亚洲视频免费观看视频| 久久 成人 亚洲| 国产男女超爽视频在线观看| 欧美精品啪啪一区二区三区 | 中文字幕精品免费在线观看视频| 视频在线观看一区二区三区| 国产一级毛片在线| 操美女的视频在线观看| 在线观看免费视频网站a站| 正在播放国产对白刺激| 欧美日本中文国产一区发布| 9191精品国产免费久久| 69av精品久久久久久 | 一二三四社区在线视频社区8| 精品国产国语对白av| 大型av网站在线播放| 国产精品一二三区在线看| 亚洲欧美成人综合另类久久久| 巨乳人妻的诱惑在线观看| 中文字幕最新亚洲高清| 亚洲精品国产精品久久久不卡| 日韩免费高清中文字幕av| av超薄肉色丝袜交足视频| 午夜视频精品福利| 老司机午夜十八禁免费视频| 男人添女人高潮全过程视频| 91老司机精品| 国产一区二区三区在线臀色熟女 | 后天国语完整版免费观看| 丝瓜视频免费看黄片| 亚洲avbb在线观看| 老汉色av国产亚洲站长工具| 高清欧美精品videossex| 国产精品久久久久久人妻精品电影 | 日韩欧美国产一区二区入口| 国产精品免费大片| 一二三四社区在线视频社区8| 国产精品久久久久成人av| 丝袜人妻中文字幕| 老熟女久久久| 欧美国产精品一级二级三级| 成年人免费黄色播放视频| 久久精品亚洲熟妇少妇任你| 青草久久国产| 91成人精品电影| 青春草亚洲视频在线观看| 成人免费观看视频高清| 国产老妇伦熟女老妇高清| 久久性视频一级片| 午夜福利视频在线观看免费| 中国国产av一级| 午夜福利在线免费观看网站| 精品福利观看| 人人妻人人澡人人看| 午夜福利乱码中文字幕| 一级毛片精品| 欧美精品人与动牲交sv欧美| 久久人人97超碰香蕉20202| 久久久国产一区二区| www.999成人在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | av电影中文网址| 免费高清在线观看视频在线观看| 99国产极品粉嫩在线观看| 午夜成年电影在线免费观看| 午夜福利免费观看在线| a 毛片基地| 操出白浆在线播放| 国产av一区二区精品久久| 看免费av毛片| 满18在线观看网站| 999精品在线视频| 人妻久久中文字幕网| 亚洲久久久国产精品| 欧美乱码精品一区二区三区| 亚洲av国产av综合av卡| 精品亚洲成国产av| 国产精品一区二区免费欧美 | 黄网站色视频无遮挡免费观看| e午夜精品久久久久久久| 蜜桃在线观看..| 色播在线永久视频| 国产黄色免费在线视频| 国产日韩欧美亚洲二区| 人人澡人人妻人| 久久人妻福利社区极品人妻图片| 999久久久精品免费观看国产| 亚洲成国产人片在线观看| 免费在线观看完整版高清| 高清欧美精品videossex| 国产av又大| 少妇精品久久久久久久| 一级毛片女人18水好多| 久久久久久久久久久久大奶| av线在线观看网站| 正在播放国产对白刺激| 国产男女超爽视频在线观看| 一边摸一边做爽爽视频免费| 首页视频小说图片口味搜索| 日本精品一区二区三区蜜桃| 99久久99久久久精品蜜桃| 这个男人来自地球电影免费观看| av天堂在线播放| 亚洲av电影在线观看一区二区三区| 国产精品自产拍在线观看55亚洲 | 国产精品久久久久成人av| 欧美亚洲 丝袜 人妻 在线| 天天躁狠狠躁夜夜躁狠狠躁| 一区二区三区四区激情视频| 久久久久久久久久久久大奶| av线在线观看网站| 91老司机精品| 国产成人精品无人区| 18禁观看日本| 多毛熟女@视频| 亚洲九九香蕉| 亚洲精品中文字幕在线视频| 一级片'在线观看视频| 一个人免费在线观看的高清视频 | 高清黄色对白视频在线免费看| 三上悠亚av全集在线观看| av网站在线播放免费| 国产亚洲欧美在线一区二区| 亚洲成人免费电影在线观看| 狂野欧美激情性xxxx| 日韩,欧美,国产一区二区三区| 一级a爱视频在线免费观看| 亚洲av男天堂| 捣出白浆h1v1| 亚洲五月色婷婷综合| 成人国语在线视频| 日韩一卡2卡3卡4卡2021年| 日韩 欧美 亚洲 中文字幕| 美女福利国产在线| 亚洲人成电影观看| 精品人妻一区二区三区麻豆| 看免费av毛片|