• <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 ?

    基于協(xié)作低秩分層稀疏和LC-KSVD的人臉表情識(shí)別*

    2017-11-23 02:09:28劉清泉張亞飛李華鋒
    傳感器與微系統(tǒng) 2017年11期
    關(guān)鍵詞:字典人臉協(xié)作

    劉清泉, 張亞飛, 李華鋒, 李 勃

    (1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院,云南 昆明 650500; 2.昆明理工大學(xué) 智能信息處理重點(diǎn)實(shí)驗(yàn)室,云南 昆明 650500)

    基于協(xié)作低秩分層稀疏和LC-KSVD的人臉表情識(shí)別*

    劉清泉1,2, 張亞飛1,2, 李華鋒1,2, 李 勃1,2

    (1.昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院,云南昆明650500;2.昆明理工大學(xué)智能信息處理重點(diǎn)實(shí)驗(yàn)室,云南昆明650500)

    為了降低人臉表情識(shí)別對(duì)待識(shí)別個(gè)體的依賴程度,控制識(shí)別字典規(guī)模,增加識(shí)別準(zhǔn)確度,提出了一種基于協(xié)作低秩和分層稀疏的表情識(shí)別字典構(gòu)建方法。通過協(xié)作低秩和分層稀疏表示(C-HiSLR)有效分離與待識(shí)別個(gè)體相關(guān)部分,保留表情變化部分,并結(jié)合標(biāo)簽一致區(qū)分字典學(xué)習(xí)(LC-KSVD)算法,進(jìn)行相應(yīng)待訓(xùn)練表情序列的重構(gòu)識(shí)別和對(duì)應(yīng)類別字典的區(qū)分程度的優(yōu)化學(xué)習(xí)。該方法在CK+數(shù)據(jù)集上進(jìn)行驗(yàn)證,識(shí)別效果較一般基于稀疏表示模型算法有明顯的提升。

    協(xié)作低秩; 分層稀疏; 標(biāo)簽一致區(qū)分字典學(xué)習(xí)算法; 稀疏表示; 表情識(shí)別

    0 引 言

    目前,用于表情識(shí)別的方法主要有主成分分析[1]、Gabor小波變換[2]、局部二值模式[3]、流型方法[4]和主動(dòng)外觀模型等。相較于傳統(tǒng)方法,稀疏表示分類(sparse representation classification,SRC),在模式識(shí)別領(lǐng)域獲得了較好的效果[5~8],可以有效減少光照、姿態(tài)等因素對(duì)人臉表情識(shí)別的影響[9]。但稀疏表示需要構(gòu)建一個(gè)超完備字典,而一般的表情識(shí)別字典和待識(shí)別表情的對(duì)應(yīng)人相關(guān)程度較大,導(dǎo)致表情字典規(guī)模較大。

    影片租賃公司Netflix推薦系統(tǒng)提出了著名的低秩矩陣填充問題,并因此延伸出了協(xié)作低秩和分層稀疏(C-HiSLR),核心為假定觀測(cè)矩陣分解成稀疏和低秩2個(gè)矩陣。人臉表情中變化部分對(duì)應(yīng)稀疏的部分,而與待識(shí)別人物相關(guān)部分對(duì)應(yīng)于低秩部分,可以有效地將與人物相關(guān),但與表情識(shí)別無關(guān)的低秩部分排除、提高了字典的有效性,使字典更加緊湊,并有效降低了字典規(guī)模。

    表征臉可由中性正臉和相關(guān)的表情變化疊加而成,反之,有效的表情變化也可以通過表征臉減去中性正臉得到。在觀測(cè)人臉表征圖像序列減去中性正臉?biāo)玫降谋砬樽兓蛄袝r(shí),發(fā)現(xiàn),在該表情變化中,與待識(shí)別個(gè)體相關(guān)的人臉干擾因素被有效排除,大大提高了識(shí)別效果。

    針對(duì)一般的表情分類不能有效地將與表情識(shí)別無關(guān)的低秩因素排除,導(dǎo)致識(shí)別字典規(guī)模較大的問題,采用標(biāo)簽一致區(qū)分(label consistent KSVD,LC-KSVD)字典學(xué)習(xí)算法[10],利用大量的訓(xùn)練樣本,學(xué)習(xí)出一個(gè)在識(shí)別和分類領(lǐng)域有明顯優(yōu)勢(shì)的字典。因此,結(jié)合協(xié)作低秩分層稀疏表示和標(biāo)簽一致區(qū)分字典學(xué)習(xí)算法的算法用于人臉表情識(shí)別十分有必要。

    1 相關(guān)算法簡(jiǎn)述

    1.1 LC-KSVD字典學(xué)習(xí)算法

    采用能夠有效提升分類效果LC-KSVD算法。相比KSVD[11]算法,LC-KSVD算法加入了類別標(biāo)識(shí)因素作為監(jiān)督學(xué)習(xí)條件。LC-KSVD算法在考慮字典表示能力的同時(shí),兼顧了對(duì)于字典分類性能的加強(qiáng),在考慮對(duì)當(dāng)前訓(xùn)練樣本序列表示能力和分類能力的同時(shí),保持了之前樣本對(duì)字典的訓(xùn)練效果,具體的表達(dá)形式

    s.t.?i,‖xi‖0≤T

    (1)

    式中Y=[y1…yN]∈Rn×N為N個(gè)n維輸入信號(hào)集;D=[d1…dK]∈Rn×K(n>K即字典過完備)為一個(gè)待學(xué)習(xí)的字典;X=[x1,…,xN]∈RK×N為輸入信號(hào)Y的稀疏數(shù)表示系數(shù);T為稀疏閾值(每個(gè)信號(hào)個(gè)數(shù)比T更小);α和β控制對(duì)應(yīng)項(xiàng)之間的貢獻(xiàn)度。

    為了便于計(jì)算,將式(1)轉(zhuǎn)換成式(2)形式,借用KSVD算法求解式(2)

    s.t.?i,‖xi‖0≤T

    (2)

    KSVD算法主要利用給定的數(shù)據(jù)集,找到全局最優(yōu)的字典。但這是一個(gè)NP問題,只能分步逐漸逼近以求得最優(yōu)解,主要的操作可以簡(jiǎn)化成以下2步:

    1)固定字典Dnew求解稀疏表示系數(shù)矩陣X。

    2)根據(jù)求解的稀疏表示系數(shù)矩陣逐列更新字典原子,即當(dāng)字典在非最優(yōu)情況下,經(jīng)過稀疏表示后,必然與待表示樣本存在表示誤差。在滿足稀疏度的情況下,將表示誤差緩慢包含到原始字典中,即逐行、逐列更新優(yōu)化,以減小整體誤差,逼近最優(yōu)解字典,更新字典的核心步驟如式(3)

    (3)

    (4)

    1.2 協(xié)作低秩分層稀疏表示算法

    C-HiSLR根據(jù)低秩矩陣分解(RPCA)和協(xié)作分層表示(C-HiLasso)[10]算法演變而來,主要思想是從測(cè)試樣本矩陣中分離低秩矩陣的同時(shí),將分解后的稀疏矩陣通過C-HiLasso進(jìn)行相應(yīng)的稀疏表示,以達(dá)到最佳的分類效果。C-HiSLR的公式如下

    s.t.Y=DX+L

    (5)

    Γ(X,L,Λ)=f(X)+λL‖L‖*+〈Λ,Y-AX-L〉+

    (6)

    (7)

    (8)

    Λk+1=Λk+β(Y-AXk+1-Lk+1)

    (9)

    式(6)參考非精確求解RPCA問題進(jìn)行求解。

    (10)

    2 本文算法

    2.1 協(xié)作低秩分層稀疏表示和LC-KSVD算法

    為了減少表情識(shí)別字典與待識(shí)別個(gè)體的相關(guān)程度,提高各表情類子字典區(qū)分程度,在分層稀疏和協(xié)作低秩表示的基礎(chǔ)上加入了有助于分類的監(jiān)督學(xué)習(xí)條件。如下

    s.t.Y=DX+L

    (11)

    (12)

    〈Λ,Ynew-L-DnewX〉

    (13)

    2.2 表情圖像分類

    通過求得相應(yīng)的稀疏表示系數(shù)和分解的低秩部分(X,L)。然后參照稀疏表示分類模型,利用式(14)計(jì)算相應(yīng)的類別的殘差,在各類別子字典進(jìn)行分組驗(yàn)證后,所得到的該類別最小殘差即為該表情序列類別

    (14)

    式中D[Gc]為第Gc類子字典;X[Gc]為相應(yīng)稀疏表示系數(shù)。

    2.3 算法求解

    類似于KSVD算法求解過程,為了學(xué)習(xí)一個(gè)有效的分類字典,可以通過交替更新方法進(jìn)行求解[11],即在固定字典的情況下通過利用C-HiSLR[12]中方法求解稀疏系數(shù)和低秩矩陣,然后通過求解的稀疏系數(shù)和低秩矩陣進(jìn)行字典原子的更新,在不斷迭代過程中,獲得最佳的分類字典。

    將式(13)的求解算法簡(jiǎn)單描述為以下2步:

    1)利用C-HiSLR求解稀疏表示系數(shù)X和低秩分解矩陣Lnew;

    2)根據(jù)求解后的(X,Lnew)利用式(13)、式(14)進(jìn)行字典學(xué)習(xí)。

    3 實(shí)驗(yàn)結(jié)果

    所有實(shí)驗(yàn)均選用CK+數(shù)據(jù)集,由321組被標(biāo)記的情感序列夠成(生氣、蔑視、厭惡、害怕、開心、悲傷、驚訝),從每類表情中隨機(jī)選取10個(gè)序列初始化字典,5個(gè)用于測(cè)試。為了比較實(shí)驗(yàn)效果,利用為C-HiSLR和C-HiLasso算法進(jìn)行對(duì)比實(shí)驗(yàn)。圖2給出了通過學(xué)習(xí)后的部分字典,橫向?yàn)橄嗤砬轭?,縱向?yàn)椴煌砬轭悺_x取出3類表情,即生氣、輕蔑、厭惡。從圖1可以發(fā)現(xiàn),有利于分類表示的部分為圖像中高亮的部分,表情變化共同特性主要集中在眉、眼、鼻和嘴等五官部位,而其他特征對(duì)表情識(shí)別貢獻(xiàn)并不大,甚至對(duì)識(shí)別造成干擾。

    圖2 經(jīng)過本文算法獲取的驚訝類表情序列恢復(fù)

    實(shí)驗(yàn)過程中,從每類表情隨機(jī)選取10個(gè)序列初始化字典,5個(gè)用于測(cè)試,其余用于訓(xùn)練字典,初始字典時(shí)采用減去第一幀的方式進(jìn)行表情變化的提取,為了便于比較訓(xùn)練算法與其他算法的識(shí)別率,本文算法和C-HiSLR的測(cè)試樣本和訓(xùn)練樣本均采用原始序列進(jìn)行驗(yàn)證,C-HiLasso算法的測(cè)試樣本和訓(xùn)練樣本均采用減去第一幀的方式。

    圖2為經(jīng)過本文算法獲取的表情序列恢復(fù)。由圖2(c)發(fā)現(xiàn)該表情變化主要部分被有效分離和表示。

    表1為本文算法在CK+數(shù)據(jù)集驗(yàn)證的混淆矩陣,其中生氣、輕蔑、開心、悲哀、驚訝等表情識(shí)別較準(zhǔn)確,而其他類別表情主要干擾是和‘生氣’類表情變化近似。對(duì)照表2可以發(fā)現(xiàn),相對(duì)而言在表情變化細(xì)微的(生氣、輕蔑、厭惡)表

    表1 本文算法在CK+數(shù)據(jù)集驗(yàn)證的混淆矩陣

    情類別上,本文學(xué)習(xí)算法相比對(duì)比算法有較好的改善,在總的識(shí)別率上也達(dá)到了一定的提升,平均識(shí)別率為0.885 7,加強(qiáng)了各類表情的區(qū)分度,并明顯增強(qiáng)了有利于識(shí)別表征的主要表情變化,由圖2可以發(fā)現(xiàn),經(jīng)過本文算法學(xué)習(xí)后的字典相較其他人臉特征區(qū)域,該表情類別的主要區(qū)分因子被凸顯(如眉、眼、鼻和嘴等五官)。由圖2(c)圖像序列可以發(fā)現(xiàn),與表情識(shí)別相關(guān)的主要人臉部位通過訓(xùn)練字典被有效表示,因而,算法能夠較好提升表情識(shí)別。

    表2 各類算法在各表情分類的識(shí)別正確率比較

    4 結(jié) 論

    提出了基于協(xié)作低秩分層稀疏表示和LC-KSVD的人臉表情識(shí)別。實(shí)驗(yàn)數(shù)據(jù)在中性正臉被有效提供的情況下,減去中性正臉得到表情變化的部分,以提高識(shí)別效率。通過協(xié)作低秩分層稀疏表示,分離與待識(shí)別人物相關(guān)的低秩部分,所得的表情變化稀疏矩陣,能夠在訓(xùn)練好的表情識(shí)別字典上進(jìn)行有效分類。為了增加訓(xùn)練字典的分類效果,結(jié)合LC-KSVD算法能夠有效加強(qiáng)分類效果的優(yōu)勢(shì),將類別標(biāo)記條件作為有效的監(jiān)督學(xué)習(xí)約束,提升識(shí)別效果。未來需要優(yōu)善的部分在于如何在訓(xùn)練樣本未給定中性正臉的情況下有效構(gòu)建表情變化矩陣,如何在非強(qiáng)約束情況下(光照、姿態(tài)等變化),提升識(shí)別率。

    [1] Calder A J,Burton A M,Miller P,et al.A principal component analysis of facial expressions[J].Vision Research,2001,41(9):1179-208.

    [2] Saabni R.Facial expression recognition using multi radial bases function networks and 2D Gabor filters[C]∥Proceedings of the Digital Information Processing and Communications,2015.

    [3] Shan C,Gong S,Mcowan P W.Robust facial expression recognition using local binary patterns[C]∥Proceedings of the IEEE International Conference on Image Processing,2005.

    [4] Wang L,Wang K,Li R.Unsupervised feature selection based on spectral regression from manifold learning for facial expression recognition[J].Iet Computer Vision,2015,9(5):655-662.

    [5] Donoho D L.Compressed sensing[J].IEEE Transactions on Information Theory,2006,52(4):1289-1306.

    [6] 陳 柘,鐘曉榮,張曉博.壓縮傳感及其在醫(yī)學(xué)圖像融合中的應(yīng)用[J].傳感器與微系統(tǒng),2013,32(9):149-152.

    [7] 韓 震,王紅斌,余正濤,等.雙邊非局部均值濾波圖像去噪算法[J].傳感器與微系統(tǒng),2016,35(6):124-127,131.

    [8] 龔 靜,陳向東,時(shí)子青.基于CS和神經(jīng)網(wǎng)絡(luò)的傳感器網(wǎng)絡(luò)模式識(shí)別研究[J].傳感器與微系統(tǒng),2011,30(12):62-65.

    [9] 張?bào)@雷,姜松濤.基于改進(jìn)壓縮感知的運(yùn)動(dòng)目標(biāo)跟蹤[J].傳感器與微系統(tǒng),2016,35(6):120-122.

    [10] Sprechmann P,Ramirez I,Sapiro G,et al.C-HiLasso:A collaborative hierarchical sparse modeling framework[J].IEEE Transactions on Signal Processing,2011,59(9):4183-4198.

    [11] 杜向龍,伍健榮,邢 濤.一種基于場(chǎng)景區(qū)分算法的背景抽取方法[J].傳感器與微系統(tǒng),2011,30(11):39-42.

    Facialexpressionrecognitionbasedoncollaborativelow-rankandhierarchicalsparseandLC-KSVD*

    LIU Qing-quan1,2, ZHANG Ya-fei1,2, LI Hua-feng1,2, LI Bo1,2

    (1.SchoolofInformationEngineeringandAutomation,KunmingUniversityofScienceandTechnology,Kunming650500,China;2.KeyLaboratoryofIntelligentInformationProcessing,KunmingUniversityofScienceandTechnology,Kunming650500,China)

    To reduce dependence of individual on facial expression recognition,control scale of recognition dictionary,increase recognition accuracy,propose a dictionary recognition construction method based on collaborative low-rank and hierarchical sparse representation.Effective separation the relevant characteristics of the individual to be identified by collaboration lowvrank and hierarchical sparse model(C-HiSLR),keep expression variation characteristics,combined with label consist KSVD(LC-KSVD),to identify and reconstruct the sequence of expression to be trained and optimization study of distinction between corresponding category dictionary.The methods is verified on data set in CK+,recognition effect is significantly improved than general model algorithm based on sparse representation.

    collaborative low-rank; hierarchical sparse; label consistent(LC)-KSVD algorithm; sparse representation; facial expression recognition

    10.13873/J.1000—9787(2017)11—0056—04

    TP 751

    A

    1000—9787(2017)11—0056—04

    2016—10—19

    國(guó)家自然科學(xué)基金資助項(xiàng)目(61562053,61302041,61363043); 昆明理工大學(xué)引進(jìn)人才基金資助項(xiàng)目(KKSY201403116)

    劉清泉(1990 - ),男,碩士研究生,研究方向?yàn)閳D像處理。

    張亞飛,通訊作者,E—mail:76326474@qq.com。

    猜你喜歡
    字典人臉協(xié)作
    開心字典
    家教世界(2023年28期)2023-11-14 10:13:50
    開心字典
    家教世界(2023年25期)2023-10-09 02:11:56
    有特點(diǎn)的人臉
    團(tuán)結(jié)協(xié)作成功易
    三國(guó)漫——人臉解鎖
    協(xié)作
    讀者(2017年14期)2017-06-27 12:27:06
    我是小字典
    正版字典
    讀者(2016年14期)2016-06-29 17:25:50
    協(xié)作
    讀寫算(下)(2016年9期)2016-02-27 08:46:31
    可與您并肩協(xié)作的UR3
    av在线亚洲专区| 日韩 亚洲 欧美在线| 一级毛片我不卡| 99热6这里只有精品| 免费观看人在逋| 国产一区二区亚洲精品在线观看| 久久这里只有精品中国| 人妻夜夜爽99麻豆av| 免费人成在线观看视频色| 亚洲一区高清亚洲精品| 久久久久九九精品影院| 国产国拍精品亚洲av在线观看| 婷婷六月久久综合丁香| 国产精品无大码| 国产一级毛片七仙女欲春2| 日日摸夜夜添夜夜添小说| 欧美高清性xxxxhd video| 久久天躁狠狠躁夜夜2o2o| 亚洲内射少妇av| 男女做爰动态图高潮gif福利片| 人妻夜夜爽99麻豆av| 日本成人三级电影网站| 欧美又色又爽又黄视频| 美女免费视频网站| 久久精品久久久久久噜噜老黄 | 在线播放国产精品三级| 国产大屁股一区二区在线视频| 又黄又爽又刺激的免费视频.| 成人一区二区视频在线观看| 亚洲成av人片在线播放无| 一个人看视频在线观看www免费| 不卡视频在线观看欧美| h日本视频在线播放| 亚洲电影在线观看av| 村上凉子中文字幕在线| 一个人免费在线观看电影| a级毛色黄片| 欧美高清成人免费视频www| 国产爱豆传媒在线观看| 男女边吃奶边做爰视频| 国产精品一区www在线观看| 午夜精品一区二区三区免费看| 日韩欧美在线乱码| 亚洲欧美日韩东京热| 国产成人一区二区在线| 国产探花极品一区二区| 国产白丝娇喘喷水9色精品| 在线观看免费视频日本深夜| 国产极品精品免费视频能看的| 悠悠久久av| 神马国产精品三级电影在线观看| 日韩欧美精品v在线| www.色视频.com| 精品久久久久久久久av| 黄色视频,在线免费观看| 搡老妇女老女人老熟妇| 国产成人影院久久av| 午夜激情欧美在线| 特大巨黑吊av在线直播| 欧美另类亚洲清纯唯美| 国产久久久一区二区三区| 国产在线精品亚洲第一网站| 亚洲中文日韩欧美视频| 熟妇人妻久久中文字幕3abv| 三级男女做爰猛烈吃奶摸视频| 国产精品一区二区性色av| 欧美不卡视频在线免费观看| 又黄又爽又免费观看的视频| 看十八女毛片水多多多| 一个人看视频在线观看www免费| 国产伦精品一区二区三区四那| 日本一本二区三区精品| 亚洲人成网站高清观看| 精品国内亚洲2022精品成人| 小说图片视频综合网站| 国产av不卡久久| 欧美色视频一区免费| 国产高清三级在线| 老熟妇仑乱视频hdxx| 国产成人福利小说| 国产视频内射| 亚洲av二区三区四区| 国产伦精品一区二区三区视频9| 国产精品久久久久久av不卡| 国产 一区 欧美 日韩| 变态另类成人亚洲欧美熟女| 国产亚洲91精品色在线| 久久人人爽人人片av| 久久久久免费精品人妻一区二区| 男女下面进入的视频免费午夜| av在线播放精品| 岛国在线免费视频观看| 欧美最黄视频在线播放免费| av天堂中文字幕网| 久久久午夜欧美精品| 免费av毛片视频| 日韩制服骚丝袜av| 卡戴珊不雅视频在线播放| 一本一本综合久久| 成人性生交大片免费视频hd| 别揉我奶头 嗯啊视频| 亚洲无线观看免费| 人人妻人人看人人澡| 婷婷亚洲欧美| 悠悠久久av| 五月伊人婷婷丁香| 国产蜜桃级精品一区二区三区| 18禁在线播放成人免费| 美女 人体艺术 gogo| 国产精品野战在线观看| 寂寞人妻少妇视频99o| 色吧在线观看| 18禁在线播放成人免费| 成年免费大片在线观看| 国产大屁股一区二区在线视频| 免费看光身美女| 成人av一区二区三区在线看| 精品人妻视频免费看| 99在线人妻在线中文字幕| 免费人成视频x8x8入口观看| 18禁在线无遮挡免费观看视频 | av在线老鸭窝| 欧美绝顶高潮抽搐喷水| 变态另类成人亚洲欧美熟女| 久久精品91蜜桃| 色在线成人网| 欧美在线一区亚洲| 欧美国产日韩亚洲一区| 国产乱人视频| 国产成人a∨麻豆精品| 中文字幕免费在线视频6| av福利片在线观看| 淫秽高清视频在线观看| 高清毛片免费看| 全区人妻精品视频| 九九热线精品视视频播放| 免费看av在线观看网站| 成人亚洲欧美一区二区av| 黑人高潮一二区| 男人和女人高潮做爰伦理| 免费一级毛片在线播放高清视频| 在线观看一区二区三区| 在线免费十八禁| 伦精品一区二区三区| 久久精品夜夜夜夜夜久久蜜豆| 性色avwww在线观看| 精品国内亚洲2022精品成人| 久久精品国产自在天天线| 最近手机中文字幕大全| 成人永久免费在线观看视频| 亚洲精品色激情综合| 一进一出抽搐动态| 亚洲精品一卡2卡三卡4卡5卡| 国产成年人精品一区二区| 国产麻豆成人av免费视频| 国产精品99久久久久久久久| 国产精品人妻久久久影院| 亚洲人与动物交配视频| 久久鲁丝午夜福利片| 一进一出好大好爽视频| 国产视频内射| 午夜福利在线观看免费完整高清在 | 精品一区二区免费观看| 精品无人区乱码1区二区| 日本熟妇午夜| 99热网站在线观看| 国内精品宾馆在线| 真实男女啪啪啪动态图| 日韩人妻高清精品专区| 岛国在线免费视频观看| 免费人成在线观看视频色| 无遮挡黄片免费观看| 一级毛片我不卡| 国产在线男女| 国产成人91sexporn| 乱系列少妇在线播放| 精品少妇黑人巨大在线播放 | 精华霜和精华液先用哪个| 97热精品久久久久久| 国产精品电影一区二区三区| 欧美日韩精品成人综合77777| 高清毛片免费观看视频网站| 搞女人的毛片| 亚洲内射少妇av| 晚上一个人看的免费电影| 亚洲国产高清在线一区二区三| 九九热线精品视视频播放| 免费黄网站久久成人精品| 日韩欧美 国产精品| 观看美女的网站| av在线老鸭窝| 最新中文字幕久久久久| 少妇熟女欧美另类| 小说图片视频综合网站| 精品免费久久久久久久清纯| 小蜜桃在线观看免费完整版高清| 亚洲av.av天堂| aaaaa片日本免费| .国产精品久久| 亚洲无线在线观看| 亚洲在线自拍视频| 少妇人妻一区二区三区视频| 国产成人影院久久av| 国产又黄又爽又无遮挡在线| 精品熟女少妇av免费看| 欧美bdsm另类| 色综合站精品国产| 精品无人区乱码1区二区| 99热这里只有是精品50| 国产三级中文精品| 日韩高清综合在线| 亚洲欧美日韩东京热| 十八禁网站免费在线| 欧美中文日本在线观看视频| 老熟妇仑乱视频hdxx| 少妇猛男粗大的猛烈进出视频 | 久久久久久九九精品二区国产| 日本a在线网址| 99热这里只有精品一区| 中国美白少妇内射xxxbb| 最好的美女福利视频网| 天堂动漫精品| 免费搜索国产男女视频| 免费看av在线观看网站| 亚洲欧美成人精品一区二区| 国产高潮美女av| 高清日韩中文字幕在线| 一个人观看的视频www高清免费观看| 成人鲁丝片一二三区免费| 赤兔流量卡办理| 日韩av不卡免费在线播放| 免费电影在线观看免费观看| 久久天躁狠狠躁夜夜2o2o| 国产在线精品亚洲第一网站| 色在线成人网| 少妇人妻精品综合一区二区 | 国产爱豆传媒在线观看| 久久国内精品自在自线图片| .国产精品久久| 18禁在线播放成人免费| 小蜜桃在线观看免费完整版高清| 深夜精品福利| 别揉我奶头 嗯啊视频| av天堂在线播放| 男插女下体视频免费在线播放| 国产午夜精品论理片| 亚洲精品色激情综合| 精品日产1卡2卡| 国内少妇人妻偷人精品xxx网站| 成人午夜高清在线视频| 91狼人影院| 国产精品人妻久久久影院| 女人被狂操c到高潮| 在线观看66精品国产| 精品午夜福利在线看| 日韩高清综合在线| 亚洲国产精品国产精品| 亚洲电影在线观看av| 天堂动漫精品| 日本欧美国产在线视频| 国产欧美日韩精品一区二区| 1000部很黄的大片| 女生性感内裤真人,穿戴方法视频| 久久九九热精品免费| 国内精品久久久久精免费| 精品一区二区三区人妻视频| 天堂动漫精品| 能在线免费观看的黄片| 看黄色毛片网站| 久久国产乱子免费精品| 久久6这里有精品| 日本三级黄在线观看| 午夜福利在线观看免费完整高清在 | 精品一区二区三区人妻视频| 色综合站精品国产| 国产v大片淫在线免费观看| 一级黄色大片毛片| 97在线视频观看| 免费看日本二区| 男女啪啪激烈高潮av片| 在线免费十八禁| 精品不卡国产一区二区三区| 夜夜爽天天搞| 成人高潮视频无遮挡免费网站| 丰满乱子伦码专区| 一级毛片aaaaaa免费看小| av免费在线看不卡| 亚洲第一电影网av| 精品国产三级普通话版| 一卡2卡三卡四卡精品乱码亚洲| 亚洲精品日韩在线中文字幕 | 日韩大尺度精品在线看网址| 日韩欧美三级三区| 丝袜喷水一区| 日韩欧美三级三区| 国产在线精品亚洲第一网站| 在线免费观看的www视频| 色av中文字幕| 欧美bdsm另类| 校园春色视频在线观看| 久久精品国产自在天天线| 亚洲成a人片在线一区二区| 一区二区三区高清视频在线| 一本一本综合久久| 三级国产精品欧美在线观看| 亚洲av免费高清在线观看| 在线a可以看的网站| 欧美zozozo另类| 国产午夜精品论理片| 成人特级av手机在线观看| 精品久久久久久久久久免费视频| 国产精品免费一区二区三区在线| 乱码一卡2卡4卡精品| 午夜a级毛片| 蜜桃亚洲精品一区二区三区| 成人三级黄色视频| 国产v大片淫在线免费观看| 欧美日本亚洲视频在线播放| 色视频www国产| 亚洲av中文av极速乱| 好男人在线观看高清免费视频| 欧美日韩综合久久久久久| 夜夜爽天天搞| 人人妻人人澡人人爽人人夜夜 | 国产成人一区二区在线| 日韩欧美免费精品| 欧美人与善性xxx| 亚洲性夜色夜夜综合| 亚洲中文日韩欧美视频| 舔av片在线| 精品久久久久久久人妻蜜臀av| 国产国拍精品亚洲av在线观看| 国产 一区 欧美 日韩| www.色视频.com| 欧洲精品卡2卡3卡4卡5卡区| 国产精品av视频在线免费观看| 人妻久久中文字幕网| 亚洲乱码一区二区免费版| 午夜激情欧美在线| 蜜臀久久99精品久久宅男| 国产麻豆成人av免费视频| 91久久精品电影网| 久99久视频精品免费| 高清午夜精品一区二区三区 | 国产在视频线在精品| 精品国产三级普通话版| 在线播放国产精品三级| 香蕉av资源在线| 尤物成人国产欧美一区二区三区| 亚洲av.av天堂| 级片在线观看| 99热只有精品国产| 亚洲三级黄色毛片| 国产高清视频在线观看网站| 啦啦啦观看免费观看视频高清| 国产精品人妻久久久影院| 国产精品一区二区免费欧美| 精品午夜福利在线看| 精品久久久久久久久久免费视频| АⅤ资源中文在线天堂| 国产欧美日韩精品一区二区| 日韩强制内射视频| 欧美日韩国产亚洲二区| 亚洲av第一区精品v没综合| 国产伦在线观看视频一区| 欧美性猛交╳xxx乱大交人| 在线国产一区二区在线| 国产精品女同一区二区软件| 搞女人的毛片| 卡戴珊不雅视频在线播放| 亚洲av五月六月丁香网| 日韩欧美精品免费久久| 寂寞人妻少妇视频99o| 亚洲欧美日韩高清专用| 国内少妇人妻偷人精品xxx网站| 精品人妻熟女av久视频| 亚洲精品日韩在线中文字幕 | 搡老熟女国产l中国老女人| 亚洲性夜色夜夜综合| av在线亚洲专区| 天美传媒精品一区二区| 看十八女毛片水多多多| 俺也久久电影网| 亚洲电影在线观看av| 日本欧美国产在线视频| 日韩人妻高清精品专区| 日本黄色片子视频| 色噜噜av男人的天堂激情| 国产精品久久电影中文字幕| 香蕉av资源在线| 观看免费一级毛片| 亚州av有码| 久久久精品大字幕| 成人特级av手机在线观看| 日韩欧美在线乱码| 亚洲av第一区精品v没综合| 久久久久国产网址| 欧美xxxx黑人xx丫x性爽| 亚洲人成网站在线播放欧美日韩| 99久国产av精品国产电影| 亚洲成人久久性| 国产成人aa在线观看| 此物有八面人人有两片| 成年女人毛片免费观看观看9| 亚洲成人中文字幕在线播放| 亚洲不卡免费看| 久久精品国产清高在天天线| 成人综合一区亚洲| 国产一区二区三区在线臀色熟女| 日本熟妇午夜| 亚洲精品久久国产高清桃花| 两个人的视频大全免费| 麻豆乱淫一区二区| 少妇被粗大猛烈的视频| 中文在线观看免费www的网站| 99热只有精品国产| 赤兔流量卡办理| 18禁在线播放成人免费| 亚洲av五月六月丁香网| 午夜福利视频1000在线观看| 国内少妇人妻偷人精品xxx网站| 99热全是精品| 亚洲成人中文字幕在线播放| 级片在线观看| 麻豆国产97在线/欧美| 久久久欧美国产精品| 一级毛片久久久久久久久女| 一个人看的www免费观看视频| 国模一区二区三区四区视频| 国产高潮美女av| 麻豆乱淫一区二区| 最新中文字幕久久久久| 国产精品一区二区免费欧美| 亚洲精品国产成人久久av| 欧美人与善性xxx| 免费搜索国产男女视频| 国产一级毛片七仙女欲春2| 一进一出抽搐动态| 成人三级黄色视频| 中文字幕人妻熟人妻熟丝袜美| 国产一区亚洲一区在线观看| 国产在线男女| 中文字幕免费在线视频6| 热99在线观看视频| 人妻丰满熟妇av一区二区三区| 国国产精品蜜臀av免费| 熟妇人妻久久中文字幕3abv| 欧美成人一区二区免费高清观看| 精品一区二区三区人妻视频| 桃色一区二区三区在线观看| 草草在线视频免费看| 丝袜喷水一区| 狂野欧美激情性xxxx在线观看| 搡老熟女国产l中国老女人| 欧美性猛交黑人性爽| 久久久精品大字幕| 97超视频在线观看视频| 老师上课跳d突然被开到最大视频| 国产成年人精品一区二区| 赤兔流量卡办理| 日本爱情动作片www.在线观看 | 国产欧美日韩一区二区精品| 久久久午夜欧美精品| 女的被弄到高潮叫床怎么办| 亚洲精品色激情综合| 久久久久久久久中文| 午夜亚洲福利在线播放| 99视频精品全部免费 在线| 国产精品一区www在线观看| 国产午夜精品久久久久久一区二区三区 | 欧美人与善性xxx| 嫩草影院入口| 日韩欧美 国产精品| 欧美3d第一页| 我的女老师完整版在线观看| 国产激情偷乱视频一区二区| av视频在线观看入口| 国产老妇女一区| 国产精品美女特级片免费视频播放器| 美女大奶头视频| 亚洲天堂国产精品一区在线| 久久久精品94久久精品| 看免费成人av毛片| 久久久色成人| 亚洲欧美日韩无卡精品| 亚洲精品乱码久久久v下载方式| 亚洲熟妇中文字幕五十中出| 欧美人与善性xxx| 午夜老司机福利剧场| ponron亚洲| 亚洲欧美精品综合久久99| 免费电影在线观看免费观看| 91在线观看av| 亚洲精品影视一区二区三区av| 国产女主播在线喷水免费视频网站 | 色哟哟哟哟哟哟| 最新在线观看一区二区三区| 高清日韩中文字幕在线| 亚洲精华国产精华液的使用体验 | 久久久久久久久久久丰满| 麻豆国产97在线/欧美| 日本熟妇午夜| 日韩亚洲欧美综合| 国产一区二区三区av在线 | 亚洲欧美精品自产自拍| 久久久国产成人精品二区| 国产精品久久久久久精品电影| 国产精品电影一区二区三区| 欧美zozozo另类| 人妻夜夜爽99麻豆av| 男人狂女人下面高潮的视频| 日本精品一区二区三区蜜桃| 欧美人与善性xxx| 男人的好看免费观看在线视频| 欧美又色又爽又黄视频| 尤物成人国产欧美一区二区三区| 狂野欧美激情性xxxx在线观看| 婷婷精品国产亚洲av| 能在线免费观看的黄片| 日本 av在线| 一级毛片aaaaaa免费看小| 岛国在线免费视频观看| 一区二区三区高清视频在线| 亚洲av电影不卡..在线观看| 麻豆国产97在线/欧美| 日韩精品中文字幕看吧| 久久久国产成人免费| 精品久久久久久久久亚洲| 亚洲av成人精品一区久久| 偷拍熟女少妇极品色| 国产精品久久久久久久电影| 桃色一区二区三区在线观看| 国产私拍福利视频在线观看| 色5月婷婷丁香| 一级毛片我不卡| 亚洲精品一区av在线观看| 级片在线观看| 国产精品女同一区二区软件| 成年女人看的毛片在线观看| 老司机午夜福利在线观看视频| 国产精品一区二区三区四区久久| 欧美绝顶高潮抽搐喷水| 日韩亚洲欧美综合| 久久精品国产自在天天线| 可以在线观看毛片的网站| 99国产精品一区二区蜜桃av| 欧美一区二区精品小视频在线| 亚洲人成网站在线播| 国产一区二区亚洲精品在线观看| 亚洲av二区三区四区| 中文字幕精品亚洲无线码一区| www.色视频.com| 中国美白少妇内射xxxbb| 最近手机中文字幕大全| 日本色播在线视频| 啦啦啦韩国在线观看视频| 69av精品久久久久久| 91午夜精品亚洲一区二区三区| 久久久久久久久久久丰满| 中文字幕熟女人妻在线| av.在线天堂| 极品教师在线视频| 国产精品三级大全| 国产高清不卡午夜福利| 啦啦啦啦在线视频资源| 国产精品一区二区三区四区久久| 又黄又爽又免费观看的视频| 狂野欧美白嫩少妇大欣赏| 一进一出好大好爽视频| 欧美+日韩+精品| 国产片特级美女逼逼视频| 一a级毛片在线观看| 中文字幕av在线有码专区| 国产成人影院久久av| 精品人妻视频免费看| 亚洲丝袜综合中文字幕| 欧美成人一区二区免费高清观看| 2021天堂中文幕一二区在线观| 国产成人a区在线观看| 99国产精品一区二区蜜桃av| 此物有八面人人有两片| 国产色爽女视频免费观看| 综合色丁香网| 国产高潮美女av| 亚洲国产精品国产精品| 少妇裸体淫交视频免费看高清| 亚洲成人久久性| 国内久久婷婷六月综合欲色啪| 18禁在线播放成人免费| 亚洲成人久久性| 亚洲国产精品国产精品| 午夜亚洲福利在线播放| 日本免费一区二区三区高清不卡| 天堂影院成人在线观看| 一个人免费在线观看电影| 22中文网久久字幕| 亚洲天堂国产精品一区在线| 精品免费久久久久久久清纯| 天天躁夜夜躁狠狠久久av| 国产又黄又爽又无遮挡在线| 国产高清有码在线观看视频| 日韩精品青青久久久久久| 精品久久久久久久久久免费视频| 亚洲aⅴ乱码一区二区在线播放| 日韩精品青青久久久久久| 久久久久久久亚洲中文字幕| 69av精品久久久久久| 亚洲真实伦在线观看| 亚洲欧美日韩高清在线视频| 少妇猛男粗大的猛烈进出视频 | 91在线精品国自产拍蜜月| 成人毛片a级毛片在线播放| 国内久久婷婷六月综合欲色啪| 一个人免费在线观看电影| 又粗又爽又猛毛片免费看|