• <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 ?

    基于特征級和決策級融合的人臉吸引力評價方法

    2019-01-07 12:16:42李金蔓汪劍鳴金光浩
    計算機應用 2018年12期
    關(guān)鍵詞:吸引力人臉個性化

    李金蔓,汪劍鳴,2,金光浩

    (1.天津工業(yè)大學 電子與信息工程學院,天津 300387; 2.天津工業(yè)大學 計算機科學與技術(shù)學院,天津 300387)(*通信作者電子郵箱jinguanghao@tjpu.edu.cn)

    0 引言

    深度學習和機器學習等技術(shù)的發(fā)展,可以使網(wǎng)絡自動學習并選取多種特征用于分類或識別,從而達到很高的精度。在人臉檢測領(lǐng)域,因為人臉包含著豐富而又復雜的信息,往往會提取多種面部特征信息進行融合并篩選,從而實現(xiàn)更高的檢測精度。在交友或面試等很多社交場合,人臉吸引力作為第一印象,發(fā)揮著很重要的作用。區(qū)別于簡單的人臉檢測,人臉吸引力的檢測不僅涉及到人臉的多種特征的融合,更包含個人的審美和大眾審美偏好等決策因素。目前人臉可用于吸引力分析的特征可分為兩大類:一類是臉型輪廓、幾何比例、膚色、對稱性等全局特征;一類是皮膚紋理、五官尺寸等局部特征[1]。Eisenthal等[2]提出基于人臉的37個距離特征和頭發(fā)顏色、面部平滑程度、人臉對稱性作為人臉吸引力程度的表征特征,這是在人臉吸引力預測領(lǐng)域的最初探索。Mao等[3]提出了一個17維的面部吸引力幾何特征表示,在分類問題上取得了不錯的結(jié)果。Zhang等[4]將幾個低級別的人臉特征和高級特征相結(jié)合,提出了一個基于數(shù)據(jù)驅(qū)動的面部美麗程度分析框架。依靠手動標注和典型的特征,面部吸引力程度研究已經(jīng)取得了很好的效果。但是僅僅手工獲取的特征級的信息融合已經(jīng)難以對人臉吸引力這一研究達到實際的應用需求精度。Gan等[5]則在不依賴人工特征選擇的情況下,通過卷積限制玻爾茲曼機(Convolutional Restricted Boltzmann Machine, CRBM)對面部吸引力特征進行自動學習。另外,Gan等[6]提出了一種基于自適應去卷積網(wǎng)絡(Adaptive Deconvolutional Network, ADN)的面部美麗程度預測模型,通過卷積網(wǎng)絡來實現(xiàn)圖片特征的層次化表達。上述的研究方法還僅限于單一層面上的特征融合,還沒有利用決策級融合的互補性,無法直接用于個性化的人臉吸引力檢測。通過決策級融合能夠充分利用多模態(tài)信息,更加精確地預測結(jié)果。Simonyan等[7]通過時空雙流網(wǎng)絡輸出兩個分數(shù),通過決策級融合,對動作的識別精確度有顯著提高。何剛等[8]曾嘗試將特征級和決策級信息融合進行場景分類,并且取得了不錯的結(jié)果。

    本文借鑒了多層次融合的思想,針對僅依靠特征級融合在個性化人臉吸引力預測中精度不高的問題,提出了一個基于特征級和決策級信息融合的個性化人臉吸引力預測框架。該方法能夠充分利用多模態(tài)信息,發(fā)揮信息融合在特征級和決策級的互補性優(yōu)勢,不僅在特征級融合了具有代表性的人臉吸引力特征,同時在決策級上融合進大眾主流審美偏好信息進而進行個性化預測。實驗結(jié)果表明,所提方法相比于其他關(guān)于個性化人臉吸引力問題研究的算法,在個性化預測精確度上有顯著的提高。

    1 相關(guān)工作

    1.1 人臉吸引力特征提取

    人臉吸引力特征提取對于最終的分類預測結(jié)果至關(guān)重要,本文主要提取17維全局特征[9]、Gabor紋理特征[10]作為面部吸引力的全局和局部特征的典型代表。17維全局特征是通過獲得72個面部特征點,計算一些重要的面部特征點之間的距離,歸一化距離特征得到的。Gabor特征則是采用多方向多尺度的濾波器對人臉圖片提取紋理信息進行描述。由于獲得的特征維數(shù)過高,本文采用了用于降維的線性判別分析(Linear Discriminant Analysis, LDA)算法[11],其基本思想是將數(shù)據(jù)投影到較低維空間上,將這些獲得的特征作為深度網(wǎng)絡特征提取后的特征補充。

    1.2 信息融合

    多層次信息融合分為數(shù)據(jù)級融合、特征級融合和決策級融合[12]。數(shù)據(jù)級融合作為一個正式的研究領(lǐng)域也稱為多傳感器融合,主要是通過多個來源的數(shù)據(jù),可以比單一數(shù)據(jù)提供更有意義、準確且可靠的消息,在軍事安全和民用領(lǐng)域有諸多應用。特征級融合則是將來自于同一個對象的不同特征進行融合,根據(jù)融合策略不同而有不同的融合方法。決策級融合則是由不同的判別器都先得到一個結(jié)果,然后再進行融合決策。而本文則是利用了同一張圖片提取的多種代表性特征進行特征級融合后進行第一輪預測,再與大眾主流審美偏好信息評分進行決策級融合,最終實現(xiàn)個性化人臉吸引力預測。

    2 多層次信息融合的人臉吸引力預測框架

    本文提出的基于多層次信息融合的人臉吸引力預測框架如圖1所示。首先,對輸入圖像提取全局特征和局部特征;然后,進行特征級融合,同時通過卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network, CNN)的卷積層進行自動特征提取,再將所提取特征和第一次融合的特征進行特征級再融合,得到圖像最終的特征表達輸入到全連接層;最后由網(wǎng)絡最終輸出的決策分數(shù)和輸入圖像的大眾偏好評分進行決策級融合得到預測結(jié)果。

    圖1 系統(tǒng)框圖Fig.1 System framework

    2.1 建立數(shù)據(jù)集

    大眾審美偏好信息代表了公眾視野中具有吸引力的面孔的共同特征。由于大數(shù)據(jù)相關(guān)研究的發(fā)展,可以通過各種社交網(wǎng)站輕松獲取公共評分數(shù)據(jù)。在本文中,已經(jīng)公開的SCUT-FBP-500數(shù)據(jù)庫[13]已經(jīng)帶有人臉吸引力標簽;另一個FaceScrub 數(shù)據(jù)集[14]是沒有吸引力的標簽。因此,本文設(shè)計了一個在線評分系統(tǒng)來收集FaceScrub子集的評分。

    本文根據(jù)研究標準選擇了FaceScrub數(shù)據(jù)庫的圖像,這些圖像是女性的面孔,臉部沒有被遮擋,沒有強烈的光線變化,沒有強烈的表情變化。同時邀請了測試人員通過在線評分系統(tǒng)對子集進行評分,獲得每張照片的評分和分布。然后通過平均所有測試者的評分來計算每張圖片的標簽。標簽通過整體概率密度分布進行分析,評分分布接近高斯分布,評分在2.5附近有較高的分布。這意味著一般的面孔比非常漂亮或不引人注目的面孔更普遍,這也反映了現(xiàn)實世界的情況。事實上,在社交生活中,非常有吸引力的人臉數(shù)量是少數(shù),普通的人臉最常見。

    本文通過標準偏差分布來驗證標簽的有效性,如圖2所示,其中橫坐標為平均吸引力評分,1代表非常不漂亮,5代表非常漂亮。由圖2可以看出:當評分接近1和5時,偏差很小;在2.5和3.5之間的區(qū)間,偏差最大。這也表明人們的偏好對于非常有吸引力的、沒有吸引力的面孔是非常一致的,但是對于一般的面孔而言是非常主觀的。

    圖2 標準偏差分布Fig. 2 Distribution of standard deviation

    同時,數(shù)據(jù)庫通過設(shè)計實驗進行驗證。另外將測試者隨機分成兩組,計算兩組之間的平均Pearson相關(guān)系數(shù)(Pearson Correlation coefficient, PC)[15]。將此過程重復多次得到平均系數(shù)為0.89,結(jié)果如表1所示。表1結(jié)果表明數(shù)據(jù)庫標簽具有高度一致性。

    表1 FaceScrub數(shù)據(jù)標簽一致性驗證Tab. 1 Consistency verification of FaceScrub data label

    2.2 特征級融合

    特征融合和信息融合已廣泛應用于人臉識別、運動識別、場景識別和分割等領(lǐng)域[16-18],目前也已應用于人臉吸引力程度分析。本文提出了一種融合全局和局部特征來表示人臉吸引力的方法。為了融合特征,選擇了典型相關(guān)分析(Canonical Correlation Analysis, CCA)[19]特征融合方法。典型相關(guān)分析是對兩個變量之間相關(guān)性的統(tǒng)計研究,也是一種降維技術(shù)。典型相關(guān)分析的實質(zhì)是在兩組隨機變量中選擇幾個具有代表性的綜合指標(變量的線性組合)。兩個指標之間的相關(guān)性用于表示兩組變量之間的相關(guān)性。在兩組變量的相關(guān)分析中,它可以在簡化變量中發(fā)揮合理的作用。當?shù)湫拖嚓P(guān)系數(shù)足夠大時,另一組變量的線性組合可以根據(jù)回歸分析值中的一組變量值來預測。

    CCA算法的具體步驟為:

    1)尋找具有最高相關(guān)系數(shù)的典型變量的線性組合。這個組合不是唯一的,它可能涵蓋變量的所有特征。

    2)繼續(xù)尋求每組變量的線性組合,并且這次需要兩組變量之間具有最大相關(guān)性的線性相關(guān)性,并且與1)中組合無關(guān)。

    3)這兩種線性組合的關(guān)系與正交組合的關(guān)系相似。每組變量的線性組合產(chǎn)生一個新的變量。

    X′=ωx1x1+…+ωxmxm=ωXTX

    (1)

    Y′=ωy1y1+…+ωymym=ωYTY

    (2)

    其中:X和Y被稱為典型變量,X′、Y′為X、Y投影到一維上的結(jié)果。然后將融合后的特征與CNN所提取的圖像特征進行特征級再融合。

    本文通過支持向量機(Support Vector Machine, SVM)、隨機森林(Random Forest, RF)和多元線性回歸(Linear)這幾種傳統(tǒng)機器學習算法驗證了特征融合在面部吸引力預測中的有效性,同時對比了融合了典型特征的CNN和簡單CNN的性能。

    2.3 決策級融合

    本文提出了幾種個人和大眾審美偏好信息決策級融合的方法,用于個性化人臉美學評價研究,并對其性能進行了比較,通過大量的實驗驗證了所提方法的有效性和可靠性。通過CNN來自動提取圖像的層次化特征,并將其與特征級融合后的面部吸引力典型代表特征進行二次特征融合,然后通過網(wǎng)絡的全連接層輸出第一次的決策結(jié)果;基于所提出的決策級融合方法對第一次決策結(jié)果與大眾偏好信息進行決策級融合,最后輸出個性化預測結(jié)果。根據(jù)對現(xiàn)有方法的研究分析,本文提出了如下幾種決策級融合方法:

    1)CNN+平均(AVErage, AVE) 融合。將CNN輸出的第一次決策結(jié)果與數(shù)據(jù)庫的大眾偏好評分進行決策級融合。AVE融合是取第一次的決策結(jié)果和大眾偏好評分的平均,也就是,第一次的決策結(jié)果和大眾偏好評分按照相同的權(quán)重參與評分決策。

    2)CNN +線性自動賦權(quán)(Linear Automatic Empowerment, LAE)融合。由于不同個體受群眾影響程度的差異,模型應該是適應性的。由于個人審美與大眾審美偏好高度相關(guān),因此該模型應具有普遍一致性。個人審美偏好評分和大眾審美偏好評分是線性的關(guān)系?;谧罨镜木€性模型來設(shè)計和改進本文的模型,建立了一個稱為LAE的自適應模型,使用殘差作為損失函數(shù),目的是為了最小化解決模型參數(shù)的殘差。損失函數(shù)的具體形式如下:

    (3)

    其中:m是樣本數(shù)量;yi是真實值;f(xi)是預測值。本文使用了LAE來建立決策級融合模型:

    R=αRC+βRP

    (4)

    α+β=1

    (5)

    其中:α,β是權(quán)重系數(shù),0<α,β<1;R表示最終個性化預測分數(shù);RC表示圖片的大眾評價分數(shù);RP表示圖片的第一次決策輸出的分數(shù)。這里的權(quán)重因子根據(jù)每個不同的個體自動選擇。

    3)CNN+支持向量回歸(Support Vector Regression, SVR)融合。通過SVR建立決策級融合模型,將CNN輸出的第一次決策結(jié)果和數(shù)據(jù)庫大眾偏好評分的標簽融合。SVR是通過構(gòu)建高維空間中的線性決策函數(shù)來構(gòu)造的,并通過核函數(shù)來實現(xiàn),最終實現(xiàn)個性化面部吸引力評分預測。

    4)CNN融合。本文嘗試直接在CNN結(jié)構(gòu)中添加了融合層,網(wǎng)絡結(jié)構(gòu)如圖3所示。融合層被用來將個人審美偏好信息和大眾審美偏好信息融合在一起,并最終通過全連接層來輸出預測評級。通過這種方式,可以實現(xiàn)端到端自動提取測量圖像的特征以進行個性化的人臉吸引預測,比現(xiàn)有的方法更有效率。

    圖3 融合CNN網(wǎng)絡架構(gòu)Fig. 3 Fusion CNN architecture

    3 實驗結(jié)果及分析

    本文在兩個公開的人臉數(shù)據(jù)集上進行了評估:第一個是SCUT-FBP[13],其中包括500張具有吸引力評分的亞洲女性照片;第二個是FaceScrub[14],其中包含6 195位公眾人物的141 130張人臉照片。對于這兩個數(shù)據(jù)集,利用所提的融合框架進行實驗。

    3.1 模型評估標準

    本文基于Pearson相關(guān)系數(shù)(PC)[15]、殘差(RESidual, RES)[20]和決定系數(shù)(Coefficient of Determination, R2)[21]評估不同算法的預測性能。

    (6)

    (7)

    (8)

    其中:m是樣本數(shù)量;yi是真實值;f(xi)是預測值。相關(guān)系數(shù)接近于1或-1,相關(guān)性較強;相關(guān)系數(shù)接近0,相關(guān)性較弱。通常,相關(guān)系數(shù)為0.8~1.0是強相關(guān)的。殘差包含有關(guān)模型基本假設(shè)的重要信息,如果回歸模型是正確的,可以使用殘差作為誤差的觀測值,它應該符合模型的假設(shè)并具有誤差的一些性質(zhì)。決策系數(shù)反映了因變量的整體變化,可以用回歸關(guān)系來解釋。如果R2越接近1,則表示擬合程度越好。

    3.2 特征級融合對比實驗

    本文使用的機器學習方法包括SVM回歸(SVR)、線性回歸(Linear)、隨機森林(RandomForest),比較了不同算法在預測面部吸引力評分方面的表現(xiàn)。通過用10%數(shù)據(jù)集作為測試的交叉驗證實驗獲得相關(guān)結(jié)果。同時,為了驗證特征融合比僅使用單個幾何特征更有效,使用CCA算法融合F17特征和Gabor濾波器獲得的局部特征。最后,再將融合了全局和局部特征的CNN與簡單CNN的性能進行對比。實驗結(jié)果如表2所示。

    表2 基于SCUT-FBP數(shù)據(jù)庫特征融合結(jié)果對比Tab. 2 Comparison of feature fusion results based on database SCUT-FBP

    從表2可以看出:最好的相關(guān)系數(shù)(PC)是通過CNN實現(xiàn)的;線性回歸在PC、RES和R2上也表現(xiàn)出良好的性能。此外,組合特征顯示比單特征具有更好的性能,這表明幾何特征和皮膚紋理特征對于面部美感的感知是重要的。在以后的研究中,考慮將不同信息的更多特征融合來比較它們的有效性。

    3.3 決策級融合對比實驗

    本文利用CNN自動提取特征,再與面部典型特征進行特征級融合,并將其輸入決策級融合模型以預測最終評分。通過實驗對比了單一方法和決策級融合方法的性能,結(jié)果如表3所示。單一方法SCNN(Single CNN),網(wǎng)絡只輸入個人主觀評分。決策級融合方法包括CNN融合、SVR融合、AVE融合和LAE融合。

    從表3中看出,由CNN+SVR融合得到的Pearson相關(guān)系數(shù)(PC)是最好的。此外,實驗驗證了共識性和主觀性信息融合取得了更好的結(jié)果。

    在驗證了融合模型的有效性之后,再次在FaceScrub子集上進行測試實驗,比較了四種融合策略的性能,結(jié)果如表4所示。與SCUT-FBP不同,F(xiàn)aceScrub子集中的圖像都是西方女性的面孔,這也是模型預測的一個不確定因素。本文構(gòu)建的子集標簽通過自洽性和一致性驗證,數(shù)據(jù)分布符合一般人臉吸引力程度分布規(guī)律。

    從表4可以看出,由FaceScrub子集結(jié)果可以得到與SCUT-FBP數(shù)據(jù)庫相同的結(jié)論,由CNN+SVR融合得到的Pearson相關(guān)系數(shù)(PC)是最好的。在單一隨機實驗中,SVR 融合可以達到PC為0.99、RES為0.01。

    表 3 不同方法在SCUT-FBP數(shù)據(jù)庫的結(jié)果對比Tab. 3 Result comparison of different methods on database SCUT-FBP

    表 4 不同方法FaceScrub子集上的結(jié)果對比Tab. 4 Result comparison of different methods on subset FaceScrub

    將本文所提出框架的實驗結(jié)果和現(xiàn)有關(guān)于個性化人臉吸引力研究和共識性人臉吸引力研究的相關(guān)成果[4,13,22-26]進行對比,結(jié)果如表5所示,表中最后兩行代表分別基于SCUT-FBP數(shù)據(jù)庫和FaceScrub子集的實驗結(jié)果。由表5可知,在個性化人臉吸引力研究問題中,本文所提出框架能夠?qū)崿F(xiàn)更高的相關(guān)系數(shù)和更小的誤差,甚至優(yōu)于共識性人臉吸引力算法所達到的最好指標。

    表5 不同方法實驗結(jié)果對比Tab. 5 Comparison of experimental results of different methods

    4 結(jié)語

    針對特征級融合對于個性化人臉吸引力預測這個問題預測相關(guān)性不夠的問題,本文提出了一個集合特征級融合和決策級融合的個性化人臉吸引力預測框架,有效地將關(guān)鍵性的大眾審美偏好融入模型中,提高了個性化相關(guān)性系數(shù),從而達到了很高的個性化預測精度。在基于SCUT-FBP-500和FaceScrub兩個公開數(shù)據(jù)庫的實驗中,該框架相比其他關(guān)于個性化人臉吸引力問題研究的算法表現(xiàn)出突出優(yōu)勢。將更典型的代表性特征納入框架并采用更有效的方法得到大眾審美及個性化預測信息,是下一步需要改進的方向。

    猜你喜歡
    吸引力人臉個性化
    有特點的人臉
    堅持個性化的寫作
    文苑(2020年4期)2020-05-30 12:35:12
    吸引力1
    吸引力2
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    新聞的個性化寫作
    新聞傳播(2018年12期)2018-09-19 06:27:10
    跟蹤導練(三)4
    上汽大通:C2B個性化定制未來
    馬面部與人臉相似度驚人
    滿足群眾的個性化需求
    18美女黄网站色大片免费观看| 国产蜜桃级精品一区二区三区| 亚洲第一电影网av| 欧美极品一区二区三区四区| 欧美绝顶高潮抽搐喷水| 久久香蕉精品热| 精品一区二区三区视频在线观看免费| 少妇熟女aⅴ在线视频| 韩国av一区二区三区四区| 看片在线看免费视频| 国产探花在线观看一区二区| 99热精品在线国产| 亚洲国产欧美网| 在线十欧美十亚洲十日本专区| 亚洲色图av天堂| 国内精品美女久久久久久| 人妻夜夜爽99麻豆av| 精品国产超薄肉色丝袜足j| 变态另类成人亚洲欧美熟女| 亚洲国产欧美网| 日韩欧美在线乱码| 脱女人内裤的视频| 99国产精品99久久久久| 老司机午夜福利在线观看视频| 美女cb高潮喷水在线观看 | 亚洲欧美激情综合另类| 国产成人精品久久二区二区91| 听说在线观看完整版免费高清| 最近视频中文字幕2019在线8| 欧美午夜高清在线| 中文字幕人成人乱码亚洲影| 在线观看一区二区三区| 久久久成人免费电影| 99热只有精品国产| 欧美一区二区国产精品久久精品| 极品教师在线免费播放| 床上黄色一级片| 国产av一区在线观看免费| 啦啦啦观看免费观看视频高清| 国产激情欧美一区二区| 日本一本二区三区精品| 欧美高清成人免费视频www| 久久久久免费精品人妻一区二区| 亚洲精品一卡2卡三卡4卡5卡| 精品一区二区三区视频在线观看免费| 国产一级毛片七仙女欲春2| 99久久久亚洲精品蜜臀av| 精品久久久久久,| 免费观看精品视频网站| 国产单亲对白刺激| svipshipincom国产片| 男女那种视频在线观看| 啦啦啦观看免费观看视频高清| 欧美一级a爱片免费观看看| 91九色精品人成在线观看| 成人特级黄色片久久久久久久| 国产主播在线观看一区二区| 午夜免费激情av| www.熟女人妻精品国产| 人妻夜夜爽99麻豆av| 男女床上黄色一级片免费看| 国产成人一区二区三区免费视频网站| 黑人操中国人逼视频| 男人舔奶头视频| 欧美日韩中文字幕国产精品一区二区三区| 成年免费大片在线观看| 亚洲专区字幕在线| 久久人人精品亚洲av| or卡值多少钱| 国产单亲对白刺激| av福利片在线观看| 久久中文看片网| 午夜免费激情av| 最新美女视频免费是黄的| 亚洲色图av天堂| 国产激情偷乱视频一区二区| 国产免费男女视频| 亚洲av成人一区二区三| 午夜亚洲福利在线播放| a级毛片a级免费在线| 五月玫瑰六月丁香| 美女高潮喷水抽搐中文字幕| 亚洲精品粉嫩美女一区| 麻豆国产97在线/欧美| 我要搜黄色片| 亚洲成av人片免费观看| 欧美丝袜亚洲另类 | 1024香蕉在线观看| 麻豆国产av国片精品| 怎么达到女性高潮| 国产男靠女视频免费网站| 90打野战视频偷拍视频| 老司机福利观看| 国产毛片a区久久久久| 美女午夜性视频免费| 欧美在线一区亚洲| 久久伊人香网站| 日本成人三级电影网站| 亚洲精品美女久久久久99蜜臀| 给我免费播放毛片高清在线观看| 最新美女视频免费是黄的| 999久久久精品免费观看国产| 深夜精品福利| 免费在线观看亚洲国产| 婷婷精品国产亚洲av| 久久天堂一区二区三区四区| 可以在线观看的亚洲视频| 麻豆一二三区av精品| 亚洲 国产 在线| 天天添夜夜摸| 亚洲精品456在线播放app | 成年人黄色毛片网站| 亚洲在线观看片| 色哟哟哟哟哟哟| 亚洲国产欧美人成| 99久久精品国产亚洲精品| 亚洲专区字幕在线| 91麻豆精品激情在线观看国产| 俺也久久电影网| 怎么达到女性高潮| 国产精品久久久av美女十八| 高清毛片免费观看视频网站| 丁香六月欧美| 啦啦啦免费观看视频1| 亚洲国产欧美一区二区综合| 看免费av毛片| 精品电影一区二区在线| а√天堂www在线а√下载| 国产久久久一区二区三区| 亚洲熟女毛片儿| 九色成人免费人妻av| 亚洲人成伊人成综合网2020| 欧美不卡视频在线免费观看| 变态另类丝袜制服| 亚洲第一欧美日韩一区二区三区| 动漫黄色视频在线观看| 亚洲性夜色夜夜综合| 特大巨黑吊av在线直播| 一区二区三区激情视频| 亚洲狠狠婷婷综合久久图片| 99久久综合精品五月天人人| 免费在线观看影片大全网站| 黄频高清免费视频| 亚洲在线观看片| 国产精品影院久久| 国产成人精品无人区| 黄色丝袜av网址大全| 欧美日韩黄片免| 亚洲无线在线观看| 亚洲国产精品久久男人天堂| 好男人电影高清在线观看| 国产黄色小视频在线观看| 日韩欧美在线二视频| 亚洲精品在线美女| 日本a在线网址| 午夜久久久久精精品| 每晚都被弄得嗷嗷叫到高潮| 69av精品久久久久久| 黑人欧美特级aaaaaa片| 国产男靠女视频免费网站| 国产精品久久久久久人妻精品电影| 人妻久久中文字幕网| 欧美日韩综合久久久久久 | 国产aⅴ精品一区二区三区波| 欧美日韩黄片免| 淫秽高清视频在线观看| 伦理电影免费视频| 人人妻人人澡欧美一区二区| 性色avwww在线观看| 亚洲av中文字字幕乱码综合| 久久亚洲精品不卡| 国产麻豆成人av免费视频| 国产伦一二天堂av在线观看| 免费高清视频大片| 亚洲国产中文字幕在线视频| 精品不卡国产一区二区三区| 神马国产精品三级电影在线观看| 欧美国产日韩亚洲一区| 欧美大码av| 久久精品亚洲精品国产色婷小说| 麻豆久久精品国产亚洲av| 九九久久精品国产亚洲av麻豆 | 一本久久中文字幕| 18禁黄网站禁片午夜丰满| www.熟女人妻精品国产| 日日摸夜夜添夜夜添小说| 免费无遮挡裸体视频| 男人舔女人的私密视频| 免费电影在线观看免费观看| 18禁黄网站禁片午夜丰满| 免费看光身美女| 黄片小视频在线播放| 午夜激情福利司机影院| 成人特级黄色片久久久久久久| a级毛片a级免费在线| 亚洲国产中文字幕在线视频| 精品人妻1区二区| 免费看十八禁软件| 特级一级黄色大片| 国产三级黄色录像| 天堂影院成人在线观看| 91av网一区二区| 嫁个100分男人电影在线观看| 99久久99久久久精品蜜桃| 黄色女人牲交| 色视频www国产| aaaaa片日本免费| 又黄又爽又免费观看的视频| 九色成人免费人妻av| 色综合欧美亚洲国产小说| 国产亚洲精品久久久久久毛片| 国产一区二区三区在线臀色熟女| 天堂网av新在线| 国产三级在线视频| 精品久久久久久久末码| 欧美乱码精品一区二区三区| 日韩欧美三级三区| 美女扒开内裤让男人捅视频| 女人高潮潮喷娇喘18禁视频| 久久久久九九精品影院| 国产毛片a区久久久久| 床上黄色一级片| 99久国产av精品| 国内精品美女久久久久久| 黄频高清免费视频| 亚洲中文日韩欧美视频| 久久久久久久久久黄片| 亚洲男人的天堂狠狠| 午夜福利高清视频| 日本一二三区视频观看| 激情在线观看视频在线高清| 俄罗斯特黄特色一大片| 午夜精品一区二区三区免费看| 97人妻精品一区二区三区麻豆| 久久午夜亚洲精品久久| 国产精品99久久99久久久不卡| 欧美性猛交黑人性爽| 黄色丝袜av网址大全| 亚洲真实伦在线观看| 俺也久久电影网| 国产伦一二天堂av在线观看| 欧美性猛交黑人性爽| 日韩欧美国产在线观看| 巨乳人妻的诱惑在线观看| 一级作爱视频免费观看| 国产亚洲精品久久久久久毛片| 久久中文字幕一级| 一区二区三区国产精品乱码| 88av欧美| 日本在线视频免费播放| 国产真人三级小视频在线观看| 国产真实乱freesex| 国语自产精品视频在线第100页| 中文字幕熟女人妻在线| 国产精品野战在线观看| 五月玫瑰六月丁香| 一本精品99久久精品77| av欧美777| aaaaa片日本免费| 成年女人看的毛片在线观看| 老鸭窝网址在线观看| 99精品在免费线老司机午夜| 久久中文看片网| 精品午夜福利视频在线观看一区| 伊人久久大香线蕉亚洲五| 色精品久久人妻99蜜桃| 曰老女人黄片| 18禁美女被吸乳视频| 一级毛片精品| 97超视频在线观看视频| 黄色丝袜av网址大全| 精品久久久久久,| 成人av在线播放网站| 亚洲专区国产一区二区| 欧美在线一区亚洲| 超碰成人久久| 舔av片在线| 欧美一级a爱片免费观看看| 久久亚洲精品不卡| 成人三级做爰电影| 亚洲欧美日韩无卡精品| 黄色片一级片一级黄色片| 一区二区三区激情视频| 性色avwww在线观看| netflix在线观看网站| 夜夜看夜夜爽夜夜摸| 欧美极品一区二区三区四区| 国产精品98久久久久久宅男小说| 亚洲,欧美精品.| 国产亚洲欧美98| 夜夜看夜夜爽夜夜摸| 免费大片18禁| www.精华液| 成人特级黄色片久久久久久久| 国产精品香港三级国产av潘金莲| 久久久久久久精品吃奶| 美女扒开内裤让男人捅视频| 国产黄片美女视频| 亚洲片人在线观看| 欧美成狂野欧美在线观看| 国产激情偷乱视频一区二区| 亚洲欧美日韩无卡精品| 性色avwww在线观看| 可以在线观看毛片的网站| 国产精品久久久久久亚洲av鲁大| 亚洲av熟女| 看免费av毛片| 午夜福利18| 亚洲精品久久国产高清桃花| 国产激情偷乱视频一区二区| 少妇丰满av| 久久久色成人| 国产精品99久久久久久久久| 国产蜜桃级精品一区二区三区| 99久久精品国产亚洲精品| 亚洲欧美精品综合一区二区三区| 美女大奶头视频| 午夜福利在线观看吧| 日日夜夜操网爽| 九九久久精品国产亚洲av麻豆 | 老司机福利观看| 精品一区二区三区视频在线观看免费| 热99在线观看视频| a在线观看视频网站| 舔av片在线| 18美女黄网站色大片免费观看| 亚洲欧洲精品一区二区精品久久久| 91字幕亚洲| 免费大片18禁| 在线播放国产精品三级| 麻豆久久精品国产亚洲av| 久久久精品欧美日韩精品| 亚洲精品456在线播放app | 亚洲中文字幕一区二区三区有码在线看 | 午夜福利在线观看吧| 级片在线观看| 一二三四在线观看免费中文在| 国产高清视频在线观看网站| 国产欧美日韩一区二区精品| 波多野结衣巨乳人妻| 搡老岳熟女国产| 美女cb高潮喷水在线观看 | 哪里可以看免费的av片| 国产亚洲欧美98| 国产黄片美女视频| 十八禁网站免费在线| 国内精品久久久久久久电影| 网址你懂的国产日韩在线| 国产亚洲欧美在线一区二区| 国产久久久一区二区三区| 国产高清视频在线播放一区| 淫秽高清视频在线观看| 日本撒尿小便嘘嘘汇集6| 亚洲国产精品合色在线| 18禁国产床啪视频网站| 国产精品女同一区二区软件 | 国产精品99久久99久久久不卡| 一夜夜www| 一本综合久久免费| 日本a在线网址| 一个人看视频在线观看www免费 | 99热这里只有精品一区 | xxxwww97欧美| 午夜影院日韩av| 国产日本99.免费观看| 国产乱人视频| 亚洲人成伊人成综合网2020| 最好的美女福利视频网| 国产69精品久久久久777片 | 亚洲在线自拍视频| 哪里可以看免费的av片| 亚洲 欧美一区二区三区| 亚洲精品美女久久av网站| 亚洲在线观看片| 国产精品一区二区三区四区久久| 脱女人内裤的视频| 亚洲无线在线观看| 搡老熟女国产l中国老女人| 成在线人永久免费视频| 搞女人的毛片| 69av精品久久久久久| 曰老女人黄片| 性色avwww在线观看| 99视频精品全部免费 在线 | 国产三级在线视频| 亚洲第一欧美日韩一区二区三区| 一区福利在线观看| 午夜久久久久精精品| 午夜免费观看网址| 最近最新中文字幕大全电影3| 久久中文看片网| 男女那种视频在线观看| 久久久水蜜桃国产精品网| 日韩大尺度精品在线看网址| 久久精品综合一区二区三区| 好看av亚洲va欧美ⅴa在| 91av网站免费观看| 老熟妇乱子伦视频在线观看| 99riav亚洲国产免费| 动漫黄色视频在线观看| 久99久视频精品免费| 日韩免费av在线播放| 热99re8久久精品国产| 国产精品久久久久久亚洲av鲁大| 女人被狂操c到高潮| av国产免费在线观看| 欧美日韩亚洲国产一区二区在线观看| 国产蜜桃级精品一区二区三区| 天堂影院成人在线观看| 亚洲av成人av| 国产亚洲精品综合一区在线观看| 国产黄色小视频在线观看| 亚洲五月天丁香| 少妇熟女aⅴ在线视频| 日韩av在线大香蕉| 中文亚洲av片在线观看爽| 毛片女人毛片| 成人国产一区最新在线观看| 桃色一区二区三区在线观看| 少妇丰满av| 黄色丝袜av网址大全| 美女高潮喷水抽搐中文字幕| 亚洲av中文字字幕乱码综合| 欧美日韩乱码在线| 黄色日韩在线| 好男人在线观看高清免费视频| 日韩免费av在线播放| 久久久久性生活片| 国产真人三级小视频在线观看| 亚洲国产精品久久男人天堂| 亚洲国产欧洲综合997久久,| 亚洲av成人一区二区三| 成人午夜高清在线视频| 国产视频一区二区在线看| 男人的好看免费观看在线视频| 麻豆久久精品国产亚洲av| 三级毛片av免费| 亚洲美女黄片视频| 国产精品 欧美亚洲| 亚洲,欧美精品.| 可以在线观看毛片的网站| or卡值多少钱| 手机成人av网站| 俺也久久电影网| 一进一出抽搐gif免费好疼| 久久久久性生活片| av欧美777| 真实男女啪啪啪动态图| 国产一区二区在线av高清观看| 精品国内亚洲2022精品成人| 国内毛片毛片毛片毛片毛片| 欧美不卡视频在线免费观看| 日本a在线网址| 日韩欧美在线乱码| 18禁美女被吸乳视频| 国语自产精品视频在线第100页| 亚洲精品中文字幕一二三四区| 亚洲午夜理论影院| 免费观看人在逋| h日本视频在线播放| 18禁黄网站禁片免费观看直播| 中出人妻视频一区二区| 18禁黄网站禁片免费观看直播| 欧美国产日韩亚洲一区| 久久久水蜜桃国产精品网| 91在线观看av| 久久亚洲真实| 成年女人看的毛片在线观看| 很黄的视频免费| 亚洲国产精品sss在线观看| 欧美国产日韩亚洲一区| 变态另类丝袜制服| 老司机深夜福利视频在线观看| 最近最新免费中文字幕在线| 每晚都被弄得嗷嗷叫到高潮| 成人鲁丝片一二三区免费| 久久这里只有精品中国| 亚洲av成人精品一区久久| 亚洲av日韩精品久久久久久密| 国产精品亚洲美女久久久| 色精品久久人妻99蜜桃| 国产爱豆传媒在线观看| 国产v大片淫在线免费观看| 久久久成人免费电影| 成人一区二区视频在线观看| 一个人免费在线观看电影 | 欧美日韩福利视频一区二区| 精品久久久久久,| 亚洲第一电影网av| 亚洲中文av在线| 在线十欧美十亚洲十日本专区| 十八禁人妻一区二区| 好男人电影高清在线观看| 特大巨黑吊av在线直播| 五月玫瑰六月丁香| 成人永久免费在线观看视频| 性色avwww在线观看| 又粗又爽又猛毛片免费看| 特大巨黑吊av在线直播| 波多野结衣高清作品| 亚洲无线观看免费| 性色avwww在线观看| 久久精品人妻少妇| 熟女少妇亚洲综合色aaa.| 波多野结衣高清作品| 一本综合久久免费| 高清毛片免费观看视频网站| av天堂在线播放| 成人18禁在线播放| 久久久国产精品麻豆| 手机成人av网站| 精品一区二区三区视频在线 | 男女之事视频高清在线观看| 亚洲电影在线观看av| xxxwww97欧美| 国产私拍福利视频在线观看| 9191精品国产免费久久| 亚洲欧美日韩卡通动漫| 午夜福利在线观看免费完整高清在 | 十八禁网站免费在线| 成人永久免费在线观看视频| 桃红色精品国产亚洲av| 日本与韩国留学比较| 欧美大码av| 成在线人永久免费视频| 国产精品亚洲一级av第二区| 欧美色欧美亚洲另类二区| 国产精品久久久久久精品电影| 成人欧美大片| 成人午夜高清在线视频| 一区二区三区高清视频在线| 免费看日本二区| 国产成年人精品一区二区| 亚洲一区二区三区不卡视频| 国产精华一区二区三区| 久久久国产欧美日韩av| 91老司机精品| 91在线精品国自产拍蜜月 | 亚洲精品美女久久久久99蜜臀| 国产精品99久久久久久久久| 久久九九热精品免费| 免费看a级黄色片| 亚洲成av人片免费观看| 色在线成人网| 天堂网av新在线| а√天堂www在线а√下载| 三级国产精品欧美在线观看 | 亚洲av免费在线观看| 成人永久免费在线观看视频| 亚洲成av人片免费观看| 巨乳人妻的诱惑在线观看| 脱女人内裤的视频| 日韩av在线大香蕉| 伊人久久大香线蕉亚洲五| 日本在线视频免费播放| 嫩草影院精品99| 亚洲成人免费电影在线观看| 又爽又黄无遮挡网站| 国产精品一区二区三区四区久久| 国产精品乱码一区二三区的特点| 精品一区二区三区视频在线 | 中亚洲国语对白在线视频| 日韩欧美国产一区二区入口| 亚洲天堂国产精品一区在线| 香蕉丝袜av| 身体一侧抽搐| 精品99又大又爽又粗少妇毛片 | 天天一区二区日本电影三级| 又大又爽又粗| 精品久久久久久,| 国内精品久久久久精免费| 欧美zozozo另类| 亚洲专区中文字幕在线| 亚洲欧洲精品一区二区精品久久久| 欧美性猛交╳xxx乱大交人| 在线观看免费视频日本深夜| xxxwww97欧美| 中文字幕人妻丝袜一区二区| 757午夜福利合集在线观看| 亚洲成人久久爱视频| 丰满的人妻完整版| 久久精品国产综合久久久| 嫁个100分男人电影在线观看| 亚洲欧美日韩无卡精品| 日日夜夜操网爽| a级毛片在线看网站| 精品人妻1区二区| 精品久久久久久久久久免费视频| 成人午夜高清在线视频| 成人国产一区最新在线观看| 中文在线观看免费www的网站| 免费观看人在逋| 一进一出抽搐gif免费好疼| 国内久久婷婷六月综合欲色啪| 精品久久久久久久毛片微露脸| 亚洲 欧美 日韩 在线 免费| 人妻久久中文字幕网| 90打野战视频偷拍视频| 久久精品91蜜桃| 一卡2卡三卡四卡精品乱码亚洲| 久久久久久大精品| 亚洲 欧美 日韩 在线 免费| 成熟少妇高潮喷水视频| or卡值多少钱| 亚洲一区二区三区色噜噜| 法律面前人人平等表现在哪些方面| 亚洲性夜色夜夜综合| 三级国产精品欧美在线观看 | 国产一区二区在线av高清观看| 久久国产精品影院| 久久精品国产99精品国产亚洲性色| 国产一区二区在线av高清观看| 精品不卡国产一区二区三区| 亚洲第一欧美日韩一区二区三区| 欧美日韩中文字幕国产精品一区二区三区|