• <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 ?

    基于音頻特征的樂器分類研究

    2018-09-04 09:37胡耀文龍華孫俊周濤邵玉斌
    軟件導刊 2018年6期
    關鍵詞:特征提取

    胡耀文 龍華 孫俊 周濤 邵玉斌

    摘 要:針對現(xiàn)有樂器分類研究中存在的使用特征量過多、分類準確率有待提高等問題,提出了一種特征量少、準確度高的樂器分類方法?;赗elief算法的主成分特征提取方法,計算出各特征量的權重,設計3層的神經(jīng)網(wǎng)絡分類器。根據(jù)所提算法和分類器,使用8項音頻特征與傳統(tǒng)的24項MFCC特征,分別對中西方9種樂器進行了分類實驗,并分別使用權重最高的4、5、6項特征進行分類實驗。結果表明,所提出的音頻特征相比于傳統(tǒng)MFCC特征對樂器分類的平均準確率更高,達到94.84%,且特征量更少,說明基于Relief算法的主成分特征提取方法能有效減小低相關性特征對分類準確率的影響。

    關鍵詞:樂器分類;音頻特征;MFCC;Relief算法;特征提取

    DOI:10.11907/rjdk.172983

    中圖分類號:TP301

    文獻標識碼:A 文章編號:1672-7800(2018)006-0017-05

    Abstract:To solve the problems in musical instrument classification studies like using too many features,lowclassification accuracy,etc,we proposed a musical instrument classification method with less features and high accuracy.We calculate the weight of each characteristics using the principal component feature extraction method based on Relief algorithm,and design three-layer neural network classifier.According to the proposed algorithm and classifier,we conduct the classification experiment between eight features proposed in this paper and traditionally twenty-four MFCC features,which include nine musical instruments consist of Chinese and western musical instrument,and accomplish the classification experiment by using the fourth,fifth and sixth characteristics with highest weight respectively.Results show that features proposed in this paper is fewer than MFCC features,and can get higher average accuracy which reached 94.84%.We can draw a conclusion that the principal component feature extraction method based on Relief algorithm can reduce the influence of low correlation characteristics on classification accuracy effectively.

    Key Words:musical instrument classification; audio feature; MFCC; Relief algorithm; feature extraction

    0 引言

    樂器自動分類是音頻檢索的重要組成部分,如何使用計算機分析和檢索多媒體數(shù)據(jù)中大量的音頻數(shù)據(jù)成為研究熱點。Zhu Liu 等 [1]通過對特征空間的簇間和簇內(nèi)距離分析,確定了包括幅值標準差、基因周期、能量比等12項特征的有效特征集,通過神經(jīng)網(wǎng)絡分類器實現(xiàn)對5種電視節(jié)目的分類。JD Deng等 [2]將基于特征分析的經(jīng)驗學習用于古典樂器識別,使用機器學習技術對提取的特征集進行選擇和評估,使用選出的17項特征將樂器分為銅管樂器、木管樂器、弦樂器、鋼琴4類,平均準確率達到96.5%。Xueyuan Zhang等 [3]從頻譜中提取音高、音色及信號的非諧部分,提出了基于譜波分解的音頻特征集,使用主成分分析法(PCA)對特征向量進行刪減,對包括男聲、女聲、鳥叫聲等13種音頻進行分類測試,平均準確率達到了84.1%。Mangal Joshi和Sharmila Nadgir[4]提取了音頻信號中的時域、頻域、倒譜域和小波域中的不同特征,將印度樂器分為弦樂器、銅管樂器、打擊樂器、木管樂器、鍵盤共5大類。張奇、蘇洪根[5]以樂器的MFCC系數(shù)及其一階導數(shù)為聲學特征,提出了一種基于支持向量機的樂器識別方法,對大提琴、長笛、小號等6種樂器的平均識別準確率達到96.7%。田莎莎等 [6]在MFCC參數(shù)的基礎上,提出了BMFCC特征參數(shù),通過大量實驗表明MFCC特征參數(shù)各個分量對音頻的表征能力是不同的。陳卓[7]在Eeka平臺上使用由不同維度MFCC特征參數(shù)構成的特征集,對古箏、琵琶、鋼琴等樂器進行了分類實驗,結果表明,基于隨機森林的分類器最優(yōu)識別率可達到95.7%。郅逍遙等 [8]提出了一種基于相空間和柔性神經(jīng)樹的新的樂器分類方法,對圓號、鋼琴、喇叭、長笛的分類平均正確率大于86%。華斌等 [9]對經(jīng)典MFCC系數(shù)進行了分析,提出了基于熵值法加權的MFCC系數(shù),提高了音頻檢索的識別率。

    這些研究中使用的特征量大多為30個以上,即使對特征量進行了刪減,刪減后的特征量也超過16個[2],無疑增加了分類復雜度和處理時間;參與分類的樂器大多是國外樂器,如歐美樂器[5]、馬來西亞樂器[10]、巴基斯坦樂器[11],對中國樂器的分類研究較少[7-8],分類類別較少,分類準確率也有待提高;大多數(shù)研究僅注重了不同特征量搭配對分類結果的影響,忽視了各特征量自身對分類結果的影響程度。

    本文提出8項特征量,結合神經(jīng)網(wǎng)絡分類器完成了對9種樂器的分類,還使用基于Relief算法的主成分特征提取方法,將特征量進一步減少到6項,平均分類準確率達到94.84%。

    1 特征提取

    特征提取是將原始輸入數(shù)據(jù)轉(zhuǎn)化為數(shù)字表示的特征集的過程,其目的是從原始的大量數(shù)據(jù)中提取出有代表性的信息,用少量特征數(shù)據(jù)替代原始數(shù)據(jù)完成目標任務[10]。通常使用的特征量包括頻域特征和時域特征,文獻[2-4]都表明頻域特征與時域特征的結合使用對提高音頻分類準確率至關重要。本文從已有研究中選取部分基本且重要的時域和頻域特征,與能熵比、倒譜等能夠反映音頻深層信息的特征共同組成新的特征集。本文使用的特征集包括表1中的前8項特征,另有包含24項特征的MFCC特征集用于對比試驗。

    設信號第i幀中第n個點的幅值為u-i(n),分幀后的總幀數(shù)為f-n,分幀的幀長為L,第m個音頻段的信號幅值序列為x-m,延遲量為k。各特征量詳細描述如下:

    (1)短時平均幅度U-i,也是一幀語音信號能量大小的表征,它與短時能量的區(qū)別在于計算時不會因采樣值大小取二次方而造成較大差異。

    其中,f是以Hz為單位的實際頻率。MFCC(Mel-scale Frequency Cepstral Coefficients,即梅爾倒譜系數(shù))是在Mel標度頻率域提取出來的倒譜參數(shù)。MFCC參數(shù)分析是基于人的聽覺機理,即依據(jù)人的聽覺實驗結果分析語音的頻譜。下面分別對8個特征和傳統(tǒng)的MFCC 24項參數(shù)進行樂器分類實驗。

    2 分類器設計與主成分特征提取

    2.1 分類器構建

    本文使用MATLAB設計3層BP(Backward Propagation)神經(jīng)網(wǎng)絡分類器[12],如圖1所示。BP算法是一種監(jiān)督式的機器學習算法,在建立預測模型時,利用監(jiān)督式學習建立一個學習過程,將預測結果與“訓練數(shù)據(jù)”的實際結果進行比較,不斷調(diào)整預測模型,直到模型的預測結果達到一個預期的準確率。預測模型確立后,使用測試數(shù)據(jù)對其進行檢驗。

    2.2 主成分特征提取

    為了分析各特征對樂器分類的相關程度,減少相關度低的特征量對分類準確率的影響,本文使用Relief算法[13]計算分類器中各項特征所占的權重,具體如下:①從訓練集D中隨機選擇一個樣本R;②從與R同類的樣本集中找到R的最近鄰樣本H,從與R不同類的樣本集中找到R的最近鄰樣本M;③求權重:若某個特征在R和H間的距離小于R和M間的距離,則該特征對分類是有益的,增加該特征權值,反之,則該特征對分類是有害的,降低其權值,如式(14)所示。各特征權值在所有特征總權值中所占比重即為各特征的權重,如式(15)所示。

    其中,W為特征權值向量,W-0為特征權值向量的初始值,本文設為零向量,diff(R,H)表示R和H各特征向量的距離,diff(R,M)表示R和M各特征向量的距離,w-i表示各特征權重的向量。特征權重越大,表示該特征的分類性能越好,反之越差。

    3 實驗設置

    3.1 音頻數(shù)據(jù)集建立

    數(shù)據(jù)集是設計和改進分類系統(tǒng)的關鍵之一,不同的作者獲取和處理音頻數(shù)據(jù)的方法不盡相同,但大多是基于使用音頻段長度、分幀長度、音頻格式、音頻種類、采樣率和濾波技術等方面的不同。文獻[14]從采樣率為44.1kHz的6種樂器音頻中提取300個音頻段,每個音頻段長度為20s。文獻[15]從音頻中提取出5286個樣本用于29種西方管弦樂器分類,使用漢明窗,固定幀移為幀長的25%時,分別對幀長為20ms和40ms時的分幀進行測試。文獻[16]將音頻段長度設為0.1s~10s,使用漢明窗,幀長為256,幀移為幀長的50%。文獻[10]采樣率為22.1kHz,對幀長為256和1024的分幀進行測試。文獻[11]將音頻段長度設為10s,每種音頻樣本數(shù)為120個,采樣率為16kHz。這些實驗使用的各種參數(shù)表明,目前對如何確定用于建立數(shù)據(jù)集的最優(yōu)參數(shù)沒有基準可循[10]。

    對180min的音頻樣本進行特征提取,音頻文件均統(tǒng)一為WAV格式,采樣率為8 000Hz,位數(shù)為16位,音頻段長度均為4s,分幀使用海寧窗,幀長200,幀移80,樂器種類及其提取出的樣本個數(shù)如表2所示。

    3.2 全特征實驗

    首先,根據(jù)本文所提8項特征組成的特征集1和由24項MFCC特征組成的特征集2,分別劃分出訓練數(shù)據(jù)1、2和測試數(shù)據(jù)1、2;然后,將訓練數(shù)據(jù)1、2分別輸入設計好的三層神經(jīng)網(wǎng)絡分類器進行訓練;最后,將測試數(shù)據(jù)1、2分別輸入由訓練數(shù)據(jù)1、2訓練好的分類器中,得到分類結果。

    為了分析不同訓練數(shù)據(jù)和測試數(shù)據(jù)對實驗結果的影響,對每種分類器分別使用訓練數(shù)據(jù)和測試數(shù)據(jù)數(shù)量比例(訓測比)為1∶1、1∶2、2∶1的數(shù)據(jù)集進行實驗。

    3.3 主成分特征實驗

    基于Relief算法的主成分特征提取方法,計算出本文所提特征集中各特征量的權重,使用權重最大的4、5、6個特征量,按照特征集1的實驗方法分別進行分類實驗。

    4 分類結果分析

    分類器的分類結果通過平均準確率P進行對比:

    不同訓測比下的分類器分類結果見圖2、圖3、圖4。

    從圖2、圖3、圖4可以看出,本文提出的8項特征分類性能比傳統(tǒng)的24項MFCC特征更穩(wěn)定。使用MFCC特征分類時,在不同訓測比試驗中均出現(xiàn)無法正確分類的情況,如圖2中GT-SKS(吉他-薩克斯)、GT-SN(吉他-嗩吶)、WB-PP(烏巴-琵琶)分類的平均準確率只有50%。

    本文提出的特征集與MFCC特征集在各訓測比下分類平均準確率如表3所示。在訓測比為1∶1和1∶2時,本文提出的特征準確率更高,而在訓測比為2∶1時,表現(xiàn)比MFCC特征集稍差,這可能是由于本文所提的特征集存在與分類相關性較小的特征項,影響了分類準確率。因此,基于Relief算法的主成分特征提取進行實驗,對提取的權重最大的4、5、6個特征量重新進行分類實驗。

    不同分類實驗中各特征量所占權重的部分值見表4,實驗結果見圖5??梢姡赗elief算法的主成分特征提取能有效減少較小相關性特征項對分類準確率的影響。本文提出的特征集比MFCC特征集使用的特征量更少,且對文中9種樂器的分類準確率更高,達到94.84%。

    5 結語

    針對過去樂器分類研究使用特征量過多、復雜度高、分類準確率較低的問題,提出了一種特征量少、準確率高的樂器分類方法。將提取的8項特征量和傳統(tǒng)24項MFCC特征量分別輸入神經(jīng)網(wǎng)絡分類器進行試驗,對包括中國樂器和西方樂器的9種樂器的分類結果表明,在訓測比為1∶1和1∶2時,本文提出的特征準確率更高,分別為93.87%和92.75%,而在訓測比為2∶1時,MFCC特征集表現(xiàn)較好,為94.14%。使用基于Relief算法的主成分特征提取方法,對從8項特征中提取出的權重最高的4、5、6項特征分別進行分類實驗,結果表明,使用權重最高的6項特征進行分類的平均準確率比使用8項特征時有所提高,達到了94.84%,說明本文提出的基于Relief算法的主成分特征提取方法能夠有效降低權重較小的特征量對分類準確率的影響。

    參考文獻:

    [1] LIU Z,WANG Y, CHEN T.Audio feature extraction and analysis for scene segmentation and classification[J].Kluwer Academic Publishers.1998,20(1-2):61-79.

    [2] DENG J D,IMMERMACHER C S,CRANEFIELD S.A study on feature analysis for musical instrument classification[J].IEEE Transactions on Systems,Man and Cyberntics,2008,38(2):429-439.

    [3] ZHANG X Y, SU Z, LIN P, et al. An audio feature extraction scheme based on spectral decomposition[C].International Conference on Audio,Language and Image Processing,2014:730-733.

    [4] JOSHI M,NADGIR S. Extraction of feature vectors for analysis of musical instruments[J].International Conference on Advances in Electronics, Computers and Communications,2015,25(27):1-6.

    [5] 張奇,蘇洪根.基于支持向量機的樂器識別方法[J].計算機工程與應用,2004,40(18):99-101.

    [6] 田莎莎,唐菀,佘緯.改進MFCC參數(shù)在非特定人語音識別系統(tǒng)中的研究[J].科技通報,2013,29(3):139-142.

    [7] 陳卓.基于多種分類器的樂器識別[D].昆明:云南大學,2014:31-43.

    [8] 郅逍遙,李臨生,郭哲喆,等.基于相空間和柔性神經(jīng)樹的樂器分類[J].計算機工程與應用,2015,32(2):159-162.

    [9] 華斌,張麗超,趙富強.基于加權MFCC的音頻檢索[J].計算機工程與應用,2015,51(8):200-204.

    [10] SENAN N,IBRAHIM R,MOHD N NAWI,et al.Feature Extraction for traditional malay musical instruments classification system[C].2009 International Conference of Soft Computing and Pattern Recognition.2009:454-459.

    [11] LASHARI S,IBRAHIM R,SENAN N.Soft set theory for automatic classification of traditional pakistani musical instruments sounds[C]. 2012 International Conference on Computer and Information Science,2012:94-99.

    [12] 胡耀文,孫俊,方芳,等.基于BP神經(jīng)網(wǎng)絡的接收信號強度的檢測方法[J].云南大學學報,2017,39(4):534-538.

    [13] 黃莉莉,湯進,孫登第,等.基于多標簽ReliefF的特征選擇算法[J].計算機應用,2012,32(10):2888-2890.

    [14] BENETOS E,KOTTI M,KOTROPOULUS C.Musical Instrument Classification using non-negative matrix factorization algorithms and subset feature selection[C].IEEE International Conference on Acoustics, Speech and Signal Processing.2006.

    [15] ERONEN A.Comparison of features for musical instrument recognition[C].IEEE Workshop on the Applications of Signal Processing to Audio and Acoustics,2002:19-22.

    [16] LIU M,WAN C.Feature selection for automatic classification of musical instrument sounds[C].ACM/IEEE-CS Joint Conference on Digital Libraries,2001:247-248.

    (責任編輯:杜能鋼)

    猜你喜歡
    特征提取
    基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
    基于Daubechies(dbN)的飛行器音頻特征提取
    Bagging RCSP腦電特征提取算法
    一種基于LBP 特征提取和稀疏表示的肝病識別算法
    基于DSP的直線特征提取算法
    基于改進WLD的紋理特征提取方法
    噪聲環(huán)境下滾動軸承故障特征提取
    淺析零件圖像的特征提取和識別方法
    基于CATIA的橡皮囊成形零件的特征提取
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    91久久精品电影网| 久久鲁丝午夜福利片| 高清毛片免费看| 人妻少妇偷人精品九色| 午夜免费激情av| 亚洲一级一片aⅴ在线观看| 国产精品人妻久久久影院| 日本精品一区二区三区蜜桃| 色综合亚洲欧美另类图片| eeuss影院久久| 免费人成在线观看视频色| 日本色播在线视频| 91狼人影院| 国产激情偷乱视频一区二区| 亚洲成av人片在线播放无| 久久6这里有精品| 欧美日韩乱码在线| 97热精品久久久久久| 国产精品久久视频播放| 国产一区二区激情短视频| 午夜a级毛片| 免费av不卡在线播放| 国产av麻豆久久久久久久| 一本久久中文字幕| 在线观看美女被高潮喷水网站| 国产av不卡久久| 久久精品国产清高在天天线| 哪里可以看免费的av片| 国产精品国产三级国产av玫瑰| 久久99热这里只有精品18| 3wmmmm亚洲av在线观看| 97人妻精品一区二区三区麻豆| 亚洲自拍偷在线| 久久精品人妻少妇| 午夜福利在线在线| 国产黄a三级三级三级人| 国产成人影院久久av| 亚洲不卡免费看| 国产精品99久久久久久久久| 久久人人精品亚洲av| 精品久久久久久久久av| 成人性生交大片免费视频hd| 国产av麻豆久久久久久久| 国产极品精品免费视频能看的| 18禁黄网站禁片免费观看直播| 欧美性猛交黑人性爽| 老司机影院成人| 午夜久久久久精精品| 天天一区二区日本电影三级| 亚洲成人中文字幕在线播放| 国产精品国产三级国产av玫瑰| 最新中文字幕久久久久| 国产亚洲精品av在线| 九九在线视频观看精品| 一进一出抽搐gif免费好疼| ponron亚洲| 国产精品亚洲一级av第二区| 全区人妻精品视频| 精品一区二区三区人妻视频| 亚洲中文字幕一区二区三区有码在线看| 精品不卡国产一区二区三区| 欧美区成人在线视频| 亚洲经典国产精华液单| 国产精品国产高清国产av| 亚洲,欧美,日韩| 国产午夜精品论理片| 特级一级黄色大片| 国产伦精品一区二区三区四那| 天堂网av新在线| 国产探花在线观看一区二区| 丝袜喷水一区| 综合色av麻豆| 露出奶头的视频| 免费在线观看影片大全网站| 精品国产三级普通话版| 99久久精品热视频| 日日撸夜夜添| 国产精品三级大全| 在线免费观看的www视频| 五月玫瑰六月丁香| 亚洲激情五月婷婷啪啪| 中文亚洲av片在线观看爽| 黄色日韩在线| 99久久久亚洲精品蜜臀av| av在线观看视频网站免费| 美女免费视频网站| 久久99热这里只有精品18| 久久人人爽人人爽人人片va| 成年女人永久免费观看视频| 乱人视频在线观看| 99riav亚洲国产免费| 热99re8久久精品国产| 一级av片app| 精品国产三级普通话版| 成人午夜高清在线视频| 国产精品永久免费网站| 日韩,欧美,国产一区二区三区 | 狂野欧美白嫩少妇大欣赏| 中出人妻视频一区二区| 中文在线观看免费www的网站| 亚洲人成网站高清观看| 亚洲av不卡在线观看| 免费看av在线观看网站| 精品久久久久久久久av| 日日干狠狠操夜夜爽| 卡戴珊不雅视频在线播放| 久久天躁狠狠躁夜夜2o2o| 亚洲精品影视一区二区三区av| 国产成人影院久久av| 一本一本综合久久| 国产精品美女特级片免费视频播放器| 一级av片app| 在线播放国产精品三级| av在线老鸭窝| 亚洲三级黄色毛片| 99精品在免费线老司机午夜| 人妻丰满熟妇av一区二区三区| 亚洲欧美日韩东京热| 97碰自拍视频| 精品久久国产蜜桃| 精品日产1卡2卡| 成年版毛片免费区| 日韩欧美三级三区| 最近在线观看免费完整版| 国产探花在线观看一区二区| 成人三级黄色视频| 插阴视频在线观看视频| 99热精品在线国产| 日韩欧美精品v在线| 嫩草影院新地址| 色av中文字幕| 亚洲电影在线观看av| 精品午夜福利在线看| 在现免费观看毛片| av专区在线播放| 成人毛片a级毛片在线播放| a级毛片a级免费在线| 麻豆精品久久久久久蜜桃| 亚洲国产日韩欧美精品在线观看| 国产三级中文精品| 日日干狠狠操夜夜爽| 亚洲精品乱码久久久v下载方式| 黄色日韩在线| 国产精品日韩av在线免费观看| 非洲黑人性xxxx精品又粗又长| 国产伦一二天堂av在线观看| 久久99热这里只有精品18| 高清毛片免费观看视频网站| 国产在线男女| 日本黄大片高清| 97在线视频观看| 麻豆精品久久久久久蜜桃| 伊人久久精品亚洲午夜| 久久久久久久久久黄片| 免费在线观看成人毛片| 亚洲国产精品合色在线| 精品一区二区免费观看| 热99re8久久精品国产| 熟妇人妻久久中文字幕3abv| 我的女老师完整版在线观看| 简卡轻食公司| 亚洲av五月六月丁香网| 久久人人爽人人爽人人片va| 欧美成人精品欧美一级黄| 在线国产一区二区在线| 亚洲欧美成人综合另类久久久 | 久久亚洲精品不卡| 久久精品夜色国产| 欧美日韩综合久久久久久| 天堂动漫精品| 啦啦啦啦在线视频资源| 国产视频一区二区在线看| 亚洲综合色惰| 狂野欧美白嫩少妇大欣赏| 少妇的逼水好多| 日本免费一区二区三区高清不卡| 国产精品久久久久久亚洲av鲁大| 婷婷六月久久综合丁香| 国产精品一区二区三区四区久久| 精品久久国产蜜桃| 久久韩国三级中文字幕| 午夜爱爱视频在线播放| 久久精品国产亚洲网站| 午夜精品国产一区二区电影 | 色在线成人网| 亚洲国产精品sss在线观看| www.色视频.com| 成人特级av手机在线观看| 欧美xxxx黑人xx丫x性爽| 桃色一区二区三区在线观看| 国产乱人偷精品视频| 国产午夜精品论理片| 看非洲黑人一级黄片| 美女cb高潮喷水在线观看| 成人综合一区亚洲| 国产午夜精品久久久久久一区二区三区 | 成年女人永久免费观看视频| 欧美另类亚洲清纯唯美| 国产乱人视频| 97在线视频观看| 热99re8久久精品国产| 欧美一级a爱片免费观看看| 日韩大尺度精品在线看网址| 一个人看的www免费观看视频| 蜜臀久久99精品久久宅男| 欧美日韩精品成人综合77777| 成年女人永久免费观看视频| 欧美成人免费av一区二区三区| 神马国产精品三级电影在线观看| 国内揄拍国产精品人妻在线| 六月丁香七月| 欧美成人精品欧美一级黄| 久久久久久久久久久丰满| 亚洲精品乱码久久久v下载方式| 97超碰精品成人国产| 亚洲成人av在线免费| 国产一区二区三区av在线 | 人妻夜夜爽99麻豆av| av在线蜜桃| 免费av毛片视频| 亚洲av熟女| 成人鲁丝片一二三区免费| 免费黄网站久久成人精品| 亚洲专区国产一区二区| 天堂动漫精品| 99在线视频只有这里精品首页| 久久久a久久爽久久v久久| av中文乱码字幕在线| 欧美成人a在线观看| 啦啦啦观看免费观看视频高清| 免费观看在线日韩| 国产一区亚洲一区在线观看| 午夜福利成人在线免费观看| av在线蜜桃| 91在线精品国自产拍蜜月| 亚洲av不卡在线观看| 欧美人与善性xxx| 日韩三级伦理在线观看| 国产真实乱freesex| 亚洲三级黄色毛片| 亚洲综合色惰| 成熟少妇高潮喷水视频| 免费看a级黄色片| 一本久久中文字幕| 伦理电影大哥的女人| 亚洲av成人av| 亚洲精品乱码久久久v下载方式| 精品人妻偷拍中文字幕| 18禁裸乳无遮挡免费网站照片| 小蜜桃在线观看免费完整版高清| 一a级毛片在线观看| 亚洲国产色片| 精品不卡国产一区二区三区| 成人午夜高清在线视频| 国产欧美日韩精品一区二区| 日日撸夜夜添| 九九爱精品视频在线观看| 此物有八面人人有两片| 亚洲最大成人手机在线| 白带黄色成豆腐渣| 激情 狠狠 欧美| 久久久a久久爽久久v久久| 美女大奶头视频| 亚洲国产色片| 亚洲第一区二区三区不卡| 欧美日韩乱码在线| 18+在线观看网站| 国产精品国产三级国产av玫瑰| 成人二区视频| 亚洲精品日韩在线中文字幕 | 亚洲精品乱码久久久v下载方式| 欧美+亚洲+日韩+国产| 嫩草影院入口| 欧美激情久久久久久爽电影| 我要搜黄色片| a级一级毛片免费在线观看| 婷婷六月久久综合丁香| 特大巨黑吊av在线直播| 神马国产精品三级电影在线观看| 别揉我奶头~嗯~啊~动态视频| 天天一区二区日本电影三级| 俄罗斯特黄特色一大片| 看黄色毛片网站| www日本黄色视频网| 精品人妻熟女av久视频| 国产精品一区二区性色av| 毛片一级片免费看久久久久| 久久鲁丝午夜福利片| 男女边吃奶边做爰视频| 中文字幕久久专区| 国产精品一及| 国产精品久久电影中文字幕| 亚洲精品成人久久久久久| 欧美xxxx性猛交bbbb| 亚洲中文字幕日韩| 夜夜爽天天搞| 国产精品99久久久久久久久| 国产精品精品国产色婷婷| 男女那种视频在线观看| 香蕉av资源在线| 亚洲一区高清亚洲精品| 日韩一本色道免费dvd| 一个人免费在线观看电影| 午夜精品一区二区三区免费看| 亚洲欧美成人综合另类久久久 | 午夜精品在线福利| 在线天堂最新版资源| 女人十人毛片免费观看3o分钟| 国产亚洲精品综合一区在线观看| 国产精品日韩av在线免费观看| 国产 一区 欧美 日韩| 色噜噜av男人的天堂激情| 少妇熟女欧美另类| 嫩草影视91久久| 亚洲精品国产av成人精品 | 男插女下体视频免费在线播放| 又黄又爽又免费观看的视频| 亚洲av第一区精品v没综合| 直男gayav资源| 亚洲一区二区三区色噜噜| 最新中文字幕久久久久| 色在线成人网| 亚洲高清免费不卡视频| 国产精品一区二区免费欧美| 国产精品久久久久久亚洲av鲁大| 国产精品久久视频播放| 精品久久久噜噜| 一级a爱片免费观看的视频| 卡戴珊不雅视频在线播放| 国产精品一二三区在线看| 国产精品一区二区三区四区免费观看 | 成人毛片a级毛片在线播放| 日韩欧美三级三区| 热99re8久久精品国产| 啦啦啦观看免费观看视频高清| 国产三级中文精品| 日日摸夜夜添夜夜爱| 成人综合一区亚洲| 搡老岳熟女国产| 久久久国产成人免费| 亚洲无线观看免费| 免费av毛片视频| 午夜激情福利司机影院| 女同久久另类99精品国产91| 激情 狠狠 欧美| 亚洲不卡免费看| 国产三级中文精品| 99riav亚洲国产免费| 精品少妇黑人巨大在线播放 | 啦啦啦韩国在线观看视频| 欧美+亚洲+日韩+国产| 99久久无色码亚洲精品果冻| 99久久精品一区二区三区| 看非洲黑人一级黄片| 午夜爱爱视频在线播放| 哪里可以看免费的av片| 久久久久久大精品| 51国产日韩欧美| 人人妻人人看人人澡| 五月伊人婷婷丁香| www.色视频.com| 少妇人妻精品综合一区二区 | 最新在线观看一区二区三区| 久久久欧美国产精品| 亚洲激情五月婷婷啪啪| 日本免费a在线| 国产精品久久电影中文字幕| 亚洲最大成人中文| 亚洲av二区三区四区| 亚洲熟妇熟女久久| 亚洲国产色片| 赤兔流量卡办理| 欧美+日韩+精品| 色吧在线观看| 精品久久久久久久久av| 免费看av在线观看网站| 白带黄色成豆腐渣| 深夜a级毛片| 能在线免费观看的黄片| 亚洲最大成人中文| 麻豆国产97在线/欧美| 精品一区二区三区av网在线观看| 日韩欧美三级三区| 黄色欧美视频在线观看| 深夜精品福利| 成人一区二区视频在线观看| 久久久久久久午夜电影| 美女被艹到高潮喷水动态| 变态另类丝袜制服| 可以在线观看毛片的网站| 99在线人妻在线中文字幕| 成人综合一区亚洲| 女生性感内裤真人,穿戴方法视频| 啦啦啦韩国在线观看视频| 国产亚洲91精品色在线| 国产激情偷乱视频一区二区| 狂野欧美激情性xxxx在线观看| 成人欧美大片| 国产一区二区激情短视频| 美女被艹到高潮喷水动态| 亚洲精品粉嫩美女一区| 国产精品人妻久久久久久| 亚洲国产欧美人成| 18+在线观看网站| 露出奶头的视频| 亚洲精华国产精华液的使用体验 | 国产真实乱freesex| 一进一出抽搐gif免费好疼| 成人av在线播放网站| 欧美一区二区精品小视频在线| 成人性生交大片免费视频hd| 波多野结衣高清无吗| 亚洲国产精品成人久久小说 | 国产一级毛片七仙女欲春2| 综合色av麻豆| 国产色婷婷99| avwww免费| 美女cb高潮喷水在线观看| 大香蕉久久网| 久久99热这里只有精品18| 午夜激情欧美在线| 色5月婷婷丁香| 午夜福利在线在线| 99久久久亚洲精品蜜臀av| 丰满人妻一区二区三区视频av| 国产真实伦视频高清在线观看| 搡老岳熟女国产| 麻豆国产97在线/欧美| 精品人妻熟女av久视频| 成年av动漫网址| 午夜视频国产福利| 欧美潮喷喷水| 日本-黄色视频高清免费观看| 久久久久国产网址| 男人舔奶头视频| 国产成人91sexporn| 在线观看美女被高潮喷水网站| 蜜桃亚洲精品一区二区三区| 少妇的逼水好多| 国产一区二区三区av在线 | 韩国av在线不卡| 色哟哟哟哟哟哟| videossex国产| 日韩,欧美,国产一区二区三区 | 精华霜和精华液先用哪个| 欧美高清性xxxxhd video| 国产私拍福利视频在线观看| 免费人成在线观看视频色| 狂野欧美激情性xxxx在线观看| 熟妇人妻久久中文字幕3abv| 国产精品久久视频播放| 欧美三级亚洲精品| 九九热线精品视视频播放| 精品久久久噜噜| 色哟哟哟哟哟哟| 天堂av国产一区二区熟女人妻| 日韩中字成人| 人妻久久中文字幕网| 亚洲一区高清亚洲精品| 少妇的逼水好多| 精品久久国产蜜桃| 大又大粗又爽又黄少妇毛片口| 久久亚洲精品不卡| 久久久国产成人精品二区| 永久网站在线| 日韩高清综合在线| 晚上一个人看的免费电影| 精品熟女少妇av免费看| 亚洲av成人av| 日本三级黄在线观看| 两个人的视频大全免费| 欧美成人a在线观看| 国产精品电影一区二区三区| 国产亚洲91精品色在线| 夜夜夜夜夜久久久久| 国产一级毛片七仙女欲春2| 97热精品久久久久久| a级一级毛片免费在线观看| 美女黄网站色视频| 国产视频内射| 免费观看在线日韩| 少妇猛男粗大的猛烈进出视频 | 久久久久免费精品人妻一区二区| 十八禁网站免费在线| 日本在线视频免费播放| 中文字幕av成人在线电影| 亚洲欧美中文字幕日韩二区| 我的老师免费观看完整版| 最近在线观看免费完整版| 午夜福利高清视频| 日本爱情动作片www.在线观看 | 亚洲成人中文字幕在线播放| 亚洲欧美日韩高清专用| 不卡一级毛片| 最近在线观看免费完整版| 成人av一区二区三区在线看| 亚洲av免费高清在线观看| 国产午夜福利久久久久久| 国产成人a∨麻豆精品| 伊人久久精品亚洲午夜| 91在线精品国自产拍蜜月| 内射极品少妇av片p| 美女xxoo啪啪120秒动态图| 久久久久久久久中文| 国产一区二区亚洲精品在线观看| 99热这里只有是精品50| 久久久久久久久久黄片| 国内精品久久久久精免费| 国产成年人精品一区二区| 观看免费一级毛片| 深夜精品福利| 中文字幕久久专区| 九色成人免费人妻av| 精品国内亚洲2022精品成人| 国产成年人精品一区二区| 国产在线精品亚洲第一网站| 亚洲国产欧洲综合997久久,| 国产色婷婷99| 亚洲熟妇熟女久久| av专区在线播放| a级毛片a级免费在线| 欧美高清成人免费视频www| 亚洲性夜色夜夜综合| 国产亚洲精品av在线| 一区福利在线观看| 蜜桃久久精品国产亚洲av| 日本 av在线| 欧美高清性xxxxhd video| 婷婷六月久久综合丁香| 久久久久精品国产欧美久久久| 久久久成人免费电影| 校园春色视频在线观看| 亚洲欧美成人综合另类久久久 | 国产黄a三级三级三级人| 亚洲欧美日韩高清在线视频| 亚洲熟妇熟女久久| 亚洲成av人片在线播放无| 久久这里只有精品中国| 一卡2卡三卡四卡精品乱码亚洲| 婷婷色综合大香蕉| 成年女人毛片免费观看观看9| 欧美bdsm另类| 老司机福利观看| 一区福利在线观看| 亚洲精品乱码久久久v下载方式| www.色视频.com| 亚洲天堂国产精品一区在线| www日本黄色视频网| 国产欧美日韩一区二区精品| 国产亚洲精品av在线| 国产一区二区在线av高清观看| 中文字幕免费在线视频6| 亚洲精品日韩在线中文字幕 | 国国产精品蜜臀av免费| 内地一区二区视频在线| av中文乱码字幕在线| 99在线视频只有这里精品首页| 久久久久久久久久成人| 亚洲自偷自拍三级| 亚洲国产精品久久男人天堂| 久久久午夜欧美精品| 国产精华一区二区三区| 又黄又爽又免费观看的视频| 久久久久久久午夜电影| 精品99又大又爽又粗少妇毛片| 欧美日本亚洲视频在线播放| av女优亚洲男人天堂| 国产探花极品一区二区| 国产黄a三级三级三级人| 日日摸夜夜添夜夜添av毛片| 免费观看人在逋| 欧美不卡视频在线免费观看| 成人无遮挡网站| 久久精品91蜜桃| 51国产日韩欧美| 五月伊人婷婷丁香| 级片在线观看| 亚洲熟妇熟女久久| 日日摸夜夜添夜夜添av毛片| 亚洲欧美日韩卡通动漫| 夜夜看夜夜爽夜夜摸| 三级毛片av免费| 97人妻精品一区二区三区麻豆| 久久精品国产亚洲av天美| 亚洲av.av天堂| 亚洲人成网站高清观看| 丰满乱子伦码专区| 精品少妇黑人巨大在线播放 | ponron亚洲| 啦啦啦啦在线视频资源| 97人妻精品一区二区三区麻豆| 大型黄色视频在线免费观看| 欧美性猛交黑人性爽| 国产精品野战在线观看| 欧美性感艳星| 日韩在线高清观看一区二区三区| 偷拍熟女少妇极品色| 伊人久久精品亚洲午夜| 成人无遮挡网站| 日韩欧美 国产精品| 亚洲一区高清亚洲精品| 久久精品夜夜夜夜夜久久蜜豆| 内地一区二区视频在线| 国产成年人精品一区二区| 久久久久久久久中文| 日本爱情动作片www.在线观看 | 性插视频无遮挡在线免费观看| 亚洲欧美精品自产自拍| 一级黄片播放器| 18禁黄网站禁片免费观看直播| 午夜久久久久精精品| 国产精品国产三级国产av玫瑰| 日韩一区二区视频免费看| 偷拍熟女少妇极品色| 一个人看的www免费观看视频|