• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的織物圖像特征提取與檢索研究進(jìn)展

    2019-05-27 09:16:02丁笑君李秦曼鄒奉元
    紡織學(xué)報(bào) 2019年12期
    關(guān)鍵詞:淺層特征提取織物

    孫 潔, 丁笑君, 杜 磊, 李秦曼, 鄒奉元

    (1. 浙江理工大學(xué) 服裝學(xué)院, 浙江 杭州 310018; 2. 浙江傳媒學(xué)院 設(shè)計(jì)藝術(shù)學(xué)院, 浙江 杭州 310018; 3. 浙江省服裝工程技術(shù)研究中心, 浙江 杭州 310018; 4. 絲綢文化傳承與產(chǎn)品設(shè)計(jì)數(shù)字化技術(shù)文化和旅游部重點(diǎn)實(shí)驗(yàn)室, 浙江 杭州 310018)

    織物是服裝的三大物態(tài)構(gòu)成要素之一,織物圖像的分類、識(shí)別與檢索技術(shù)在紡織服裝行業(yè)數(shù)字化設(shè)計(jì)與智能制造領(lǐng)域發(fā)揮著重要作用[1-2]。隨著織物圖像數(shù)量的迅速增加,如何合理地組織、表達(dá)織物圖像信息,使用戶能夠快速、準(zhǔn)確地從海量圖像數(shù)據(jù)集中找到目標(biāo)圖像是一個(gè)亟待解決的問題[3]。

    基于內(nèi)容的圖像檢索(CBIR)通過圖像像素相似性匹配實(shí)現(xiàn)檢索。在CBIR系統(tǒng)中,圖像淺層視覺特征經(jīng)參數(shù)化處理轉(zhuǎn)化為特征向量,從而實(shí)現(xiàn)計(jì)算機(jī)對(duì)圖像信息的讀取。目前,已有多種圖像淺層視覺特征提取方法被用于圖像檢索,如顏色、形狀及紋理特征[4]、空間包絡(luò)特征(GIST)[5-6]等基于圖像全局特征的提取方法,詞袋模型(BoW)[7]、尺度不變特征變換(SIFT)[5]等基于圖像局部特征的提取方法。特征提取后需通過歐氏距離或余弦相似度函數(shù)[6,8]等非柔性距離函數(shù)進(jìn)行圖像相似度搜索,而固定的剛性相似函數(shù)或距離函數(shù),并不是最適合的復(fù)雜視覺圖像檢索任務(wù)的距離計(jì)算方法。

    從計(jì)算機(jī)提取的淺層視覺特征到大腦中形成的高級(jí)人類感知是一個(gè)復(fù)雜的映射關(guān)系,即由淺層視覺特征到高層感知判斷的過程存在“語義鴻溝”。深度學(xué)習(xí)被認(rèn)為是當(dāng)下克服“語義鴻溝”的重要途徑。該方法通過多個(gè)層次的數(shù)據(jù)抽取進(jìn)行特征學(xué)習(xí),并允許系統(tǒng)學(xué)習(xí)復(fù)雜的函數(shù)[1,3,9],進(jìn)而實(shí)現(xiàn)語義概念的抽象表達(dá)[10]。近年來,學(xué)者們提出了大量的深度學(xué)習(xí)技術(shù)。其中,深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)在計(jì)算機(jī)視覺和圖像識(shí)別的各種任務(wù)和競(jìng)爭(zhēng)中都表現(xiàn)出了較優(yōu)的性能[11]。在CNN分類識(shí)別任務(wù)基礎(chǔ)上實(shí)現(xiàn)基于語義的圖像檢索(SBIR)已成為圖像檢索的發(fā)展趨勢(shì)。

    織物圖像檢索的關(guān)鍵是設(shè)計(jì)適合的、高效的圖像特征提取方法,并能夠在此基礎(chǔ)上構(gòu)建具有適用性的分類與識(shí)別模型[11-12]。針對(duì)上述問題,本文分別從織物圖像淺層視覺特征提取、深度特征學(xué)習(xí) 2個(gè)方面梳理并討論其在織物圖像檢索中的適用性,并從高層語義屬性、網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)與距離尺度學(xué)習(xí)3個(gè)方面論述了檢索模型的優(yōu)化路徑,最后基于現(xiàn)狀展望了該領(lǐng)域未來的研究重點(diǎn)。

    1 織物圖像淺層視覺特征提取

    圖像淺層視覺特征主要關(guān)注圖像的顏色、紋理、形態(tài)等視覺特征以及GIST、SIFT等手工提取特征。

    1.1 織物圖像淺層視覺特征

    1.1.1 顏色特征

    顏色特征是織物圖像識(shí)別過程中最直觀的視覺特征。顏色特征提取主要有顏色矩(CM)[6]、顏色直方圖(CH)[2,13-14]及顏色相關(guān)圖[15]等方法。顏色直方圖可用于描述不同色彩在整幅圖像中所占的比例,但并不能捕捉到顏色區(qū)域的空間關(guān)系[6]。顏色相關(guān)圖和顏色矩是基于圖像顏色全局分布的顏色索引方法,具有特征向量維數(shù)低、計(jì)算次數(shù)少等優(yōu)點(diǎn)[6],但對(duì)圖像的尺寸與空間信息不敏感。故顏色特征在圖像分類、識(shí)別與檢索中一般不單獨(dú)使用,需要與其他特征結(jié)合使用。

    1.1.2 紋理特征

    紋理特征旨在捕獲圖像中的表面細(xì)粒度和重復(fù)模式,描述圖像中對(duì)象的表面性質(zhì),對(duì)區(qū)域內(nèi)部灰度變化進(jìn)行量化[16]。

    在織物特征的表達(dá)中,紋理特征對(duì)織物表面肌理[14,17]、重復(fù)周期[17-18]、疵點(diǎn)[19]等具有較好的表征效果。Jing等[17]采用灰度均值、灰度方差和灰度共生矩陣等紋理特征分析色織物的意匠圖和重復(fù)特征,識(shí)別色織物的組織模式。Yildiz[19]采用局部二值(LBP)特征表征起絨織物表面疵點(diǎn)特性,實(shí)現(xiàn)織物疵點(diǎn)檢測(cè)。但以上2個(gè)單獨(dú)使用紋理特征進(jìn)行織物特征表征的案例中,樣本均為純色織物圖像,對(duì)于色差大、復(fù)雜程度高的織物圖案,還需融合其他特征使用。

    1.1.3 形狀特征

    形狀特征提取通常需在圖像分割與輪廓提取后進(jìn)行。形狀特征提取方法可分為2類:基于邊界和基于區(qū)域[6,20]。傅里葉描述符[21]和不變矩[2,22-23]是形狀特征的2種常用表示。傅里葉描述符使用傅里葉變換邊界進(jìn)行形狀描述。不變矩的主要目的是利用變換不變的區(qū)域內(nèi)像素點(diǎn)的矩進(jìn)行形狀描述。形狀特征在多色織物圖案元素的識(shí)別問題中具有重要作用,在檢索運(yùn)用中,形狀特征也需要與其他特征融合使用[22-23]。

    1.2 多特征融合應(yīng)用

    如上所述,顏色、紋理和形狀特征是圖像的淺層視覺特征,每一類特征在單獨(dú)使用時(shí)均存在缺陷。結(jié)合2個(gè)及以上的特征,可達(dá)到更好的檢索效果[6,22]:Kuo等[2]采用顏色直方圖和重復(fù)單元圖像的Hu不變矩構(gòu)建波點(diǎn)印花織物的檢索數(shù)據(jù)庫;向忠等[24]提出了一種基于邊緣特征和顏色特征的織物花型檢索算法,具有平移、縮放、旋轉(zhuǎn)不變性,平均查準(zhǔn)率可達(dá)93.17%。

    以上研究?jī)H對(duì)織物的淺層視覺特征進(jìn)行相似匹配計(jì)算,并未就織物高層屬性進(jìn)行識(shí)別。有學(xué)者嘗試采用淺層視覺特征構(gòu)建分類模型,探索織物高層語義識(shí)別問題。

    Suciati等[14]提出一種基于分形紋理特征與HSV顏色特征的織物圖像檢索系統(tǒng),對(duì)“batik”和非“batik”2種織物表面肌理進(jìn)行識(shí)別,檢索召回率分別為94%和92%。Chen等[13]提取了織物顏色、紋理等特征,使用支持向量回歸(SVR)來構(gòu)建特征與情感語義標(biāo)簽之間的映射函數(shù),分別對(duì)8、16個(gè)屬性進(jìn)行識(shí)別,平均檢索召回率高于80%。Jing等[6]提出了基于顏色矩和GIST特征的織物紋樣檢索算法,對(duì)5類織物紋樣進(jìn)行檢索,平均檢索精度達(dá)86.3%,平均召回率達(dá)53.3%。Umam等[22]采用三維特征提取方法(CVQ)提取顏色特征以及Hu不變矩識(shí)別Madurese蠟染織物的26類設(shè)計(jì)母題,結(jié)果顯示基于顏色特征的平均檢索精度僅為46.72%,基于形狀特征的平均檢索精度為80%。可以看到,隨著語義識(shí)別屬性的增多,檢索效率明顯下降。

    以上涉及的織物淺層視覺特征提取文獻(xiàn)比較如表1所示??梢姡止ぬ卣魈崛》椒ㄔ谛颖緮?shù)據(jù)集中具有一定的適用性,但由于該方法依賴人工標(biāo)注,未在大樣本圖像檢索中得到普及。此外,淺層視覺特征在高層語義識(shí)別問題中表現(xiàn)并不理想,特別是當(dāng)語義屬性數(shù)量增加時(shí),檢索效果明顯不佳。

    表1 織物淺層視覺特征提取文獻(xiàn)比較Tab.1 Comparison of literatures on extraction of superficial features of fabrics

    2 織物圖像深度特征學(xué)習(xí)

    圖像深度特征學(xué)習(xí)旨在將研究對(duì)象的語義信息表示為稠密低維實(shí)值向量,在低維空間中計(jì)算語義聯(lián)系。深度卷積神經(jīng)網(wǎng)絡(luò)在圖像特征學(xué)習(xí)方面已經(jīng)被證明優(yōu)于傳統(tǒng)手工提取特征[25]。

    2.1 CNN網(wǎng)絡(luò)結(jié)構(gòu)

    卷積神經(jīng)網(wǎng)絡(luò)模型是一種典型的監(jiān)督學(xué)習(xí)模型,是LeCun于1989年在梯度反向傳播算法(BP)的基礎(chǔ)上提出的一種包含卷積層的深度神經(jīng)網(wǎng)絡(luò)[26],即LeNet-5 CNN模型,如圖1所示。該模型由2部分組成:一是卷積層和池化層;二是全連接層和隱含層。

    圖1 LeNet-5 CNN模型結(jié)構(gòu)Fig.1 LeNet-5 CNN model structure

    在服裝及織物圖像的分類、識(shí)別與檢索問題中常采用在LeNet-5模型基礎(chǔ)上改進(jìn)的AlexNet和VGGnet模型。其中AlexNet克服了LeNet-5模型的過擬合問題,采用11×11的巨大卷積核進(jìn)行降維處理,但快速縮小也意味著可能丟失更多的細(xì)節(jié)特征[27];VGGnet在卷積層的結(jié)構(gòu)中采用多個(gè)3×3的卷積核代替大卷積核,并在多個(gè)卷積層后加入池化層,以保證網(wǎng)絡(luò)深度[28]。

    2.2 CNN特征學(xué)習(xí)

    通過CNN圖像特征學(xué)習(xí),實(shí)現(xiàn)圖像識(shí)別與檢索的基本思路如圖2所示。通過CNN分類過程將圖像分配到不同的預(yù)設(shè)語義標(biāo)簽上,從而構(gòu)建圖像與語義信息的映射關(guān)系。這一過程通常提取圖像的全局特征,當(dāng)圖像中包含多個(gè)感興趣對(duì)象/區(qū)域時(shí),首先需要利用圖像淺層視覺特征進(jìn)行區(qū)域分割,實(shí)現(xiàn)目標(biāo)檢測(cè);然后,通過CNN提取特征,經(jīng)支持向量機(jī)(SVM)等分類器,完成由圖像輸入到語義輸出的識(shí)別過程。

    圖2 基于CNN的織物圖像語義識(shí)別框架Fig.2 Framework of fabric SBIR based on CNN

    CNN網(wǎng)絡(luò)特征提取過程中,卷積窗口在圖像上滑動(dòng),將窗口內(nèi)的元素進(jìn)行卷積操作。遍歷過程中產(chǎn)生的所有的輸出按位置組成了特征圖,而每一層需要設(shè)計(jì)多少特征圖取決于需要學(xué)習(xí)多少種特征。特征圖數(shù)量設(shè)計(jì)的好壞直接影響著最終的網(wǎng)絡(luò)性能。如何科學(xué)計(jì)算特征圖數(shù)目,目前還沒有形成詳細(xì)的理論指導(dǎo),大都依賴實(shí)驗(yàn)和經(jīng)驗(yàn)決定。

    CNN分類過程中,不同圖像數(shù)據(jù)集具有的圖像標(biāo)簽數(shù)是不同的,而網(wǎng)絡(luò)最后一層全連接層的輸出個(gè)數(shù)需要與圖像標(biāo)簽的數(shù)目一致。故在網(wǎng)絡(luò)結(jié)構(gòu)中,若全連接層的輸出個(gè)數(shù)能夠根據(jù)數(shù)據(jù)集的標(biāo)簽數(shù)變化,將有效提升模型的適用范圍。為此,Wan等[29]嘗試在AlexNet結(jié)構(gòu)上,將第2層全連接層的輸出個(gè)數(shù)設(shè)置為可變,使得第1層全連接層的輸出個(gè)數(shù)到第3層全連接層的輸出個(gè)數(shù)的改變可以相對(duì)平滑,最后一層全連接層能平滑擬合不同的標(biāo)簽數(shù)量。

    3 CNN在SBIR織物圖像檢索中應(yīng)用

    研究表明經(jīng)過預(yù)處理的大規(guī)模數(shù)據(jù)集可直接用于SBIR任務(wù)特征提取[29]??蓮?個(gè)方面提升織物檢索模型的精度:一是語義分類標(biāo)簽的合理設(shè)計(jì);二是CNN的結(jié)構(gòu)優(yōu)化;三是距離尺度學(xué)習(xí)。

    3.1 織物語義標(biāo)簽設(shè)計(jì)

    CNN作為一種有監(jiān)督的機(jī)器學(xué)習(xí)模型,需要預(yù)先進(jìn)行語義分類標(biāo)簽設(shè)定。標(biāo)簽的設(shè)計(jì)一方面需要全面反映織物的固有屬性,另一方面需適應(yīng)機(jī)器學(xué)習(xí)。人工標(biāo)注方法是目前常用的圖像標(biāo)注方法[30],主要通過專家知識(shí)[13,22,30]或用戶使用頻數(shù)排序[1]來確定標(biāo)簽。但人工標(biāo)注對(duì)大樣本數(shù)據(jù)集并不適用,特別是當(dāng)一張圖片同時(shí)觸發(fā)多個(gè)屬性時(shí),人工標(biāo)注費(fèi)時(shí)費(fèi)力且難以詳盡。

    此外,以上標(biāo)簽詞均是封閉詞匯,雖然便于建模假設(shè),但對(duì)織物多樣化多層次的屬性表達(dá)具有極大的限制。針對(duì)這一問題,有學(xué)者將本體構(gòu)造引入織物圖像檢索[31]?;诒倔w的圖像檢索技術(shù)可表達(dá)較為復(fù)雜的語義關(guān)系,并且具備語義模糊匹配能力。Kuang等[32]集成深度CNN構(gòu)建了基于本體的服裝屬性語義識(shí)別模型,論證了該模型在細(xì)粒度的服裝(含織物)語義識(shí)別中具有更優(yōu)的表現(xiàn)。

    3.2 CNN結(jié)構(gòu)優(yōu)化

    諸多學(xué)者探索了如何優(yōu)化CNN結(jié)構(gòu),使其更適合織物圖像檢索。汪珊娜等[30]在AlexNet模型基礎(chǔ)上構(gòu)建并行的CNN網(wǎng)絡(luò)后,經(jīng)Softmax分類器輸出織物圖像的情感類別。并與LeNet-5模型、AlexNet模型、VGG-16模型進(jìn)行對(duì)比發(fā)現(xiàn),并行模型對(duì)小樣本數(shù)據(jù)有更好的分類識(shí)別效率。

    針對(duì)大樣本數(shù)據(jù)集,F(xiàn)ashionNet模型實(shí)現(xiàn)了服裝中織物的語義屬性識(shí)別,采用VGG-16目標(biāo)識(shí)別框架,通過位置標(biāo)定處理織物在服裝中的形變和位置變化,由學(xué)習(xí)到的特征集合誘導(dǎo)出帶有位置信息的織物識(shí)別檢索,實(shí)現(xiàn)end-to-end的特征學(xué)習(xí)與語義自動(dòng)標(biāo)注[1]。

    3.3 基于CNN的距離尺度學(xué)習(xí)

    為進(jìn)一步提升網(wǎng)絡(luò)識(shí)別效率,學(xué)者們嘗試在CNN模型中嵌入尺度學(xué)習(xí)算法[33-34],通過共同學(xué)習(xí)圖像表示和語義識(shí)別的度量,弱化類內(nèi)變化,增強(qiáng)類間變化,提升模型的魯棒性。

    針對(duì)如何在現(xiàn)有的CNN模型中嵌入距離尺度學(xué)習(xí)以提升檢索精度問題,Deng等[3]提出一種聚焦于排序的嵌入算法(FRE),并與現(xiàn)有的Pair、Magnet和Triplet的3種嵌入算法進(jìn)行對(duì)比,F(xiàn)RE方法的檢索召回率達(dá)93.5%,優(yōu)于其他3種距離尺度學(xué)習(xí)嵌入模型,在細(xì)粒度織物圖像分類識(shí)別問題上呈現(xiàn)出較大的優(yōu)勢(shì)。該方法基于AlexNet模型實(shí)現(xiàn),將AlexNet的前7層作為網(wǎng)絡(luò)架構(gòu)的早期層,再添加輔助層來計(jì)算損失函數(shù),損失函數(shù)為

    式中:f(x)為原始圖像至特征向量的變換;D(x,x)為2個(gè)特征向量之間的距離;σ(x)為邏輯函數(shù),σ(x)=log2(1+2-x)。f(x)與某一對(duì)象x具有相同標(biāo)簽的圖像為正,用x+表示,反之用x-表示。

    可見,CNN對(duì)于捕捉圖像高層語義信息對(duì)應(yīng)的淺層像素信息具有較好的效果。針對(duì)不同類型的檢索任務(wù),CNN模型需通過適當(dāng)?shù)募?xì)化方案,在特征表示學(xué)習(xí)過程中能獲得優(yōu)于手工特征的效果。同時(shí),通過相似性學(xué)習(xí)可進(jìn)一步提高深度模型的分類識(shí)別能力,在細(xì)粒度的圖像分類問題上具有明顯優(yōu)勢(shì)。

    4 結(jié)束語

    目前國(guó)內(nèi)外學(xué)者在織物圖像特征提取與檢索領(lǐng)域的研究已取得一些成果。為更好地優(yōu)化織物圖像檢索的準(zhǔn)確度,實(shí)現(xiàn)細(xì)粒度的語義識(shí)別效果,未來面料檢索系統(tǒng)的構(gòu)建應(yīng)具有以下特點(diǎn)。

    1) 語義標(biāo)簽合理化設(shè)計(jì)。合理的語義標(biāo)簽既要充分反映織物固有的屬性以及屬性間的關(guān)系,也需適用于機(jī)器學(xué)習(xí)過程。簡(jiǎn)單而有效的語義模型構(gòu)造將是未來織物語義識(shí)別研究的重要內(nèi)容??椢镎Z義本體的構(gòu)建,有助于設(shè)計(jì)知識(shí)的表示和管理,有效提升織物圖像數(shù)字化設(shè)計(jì)中對(duì)設(shè)計(jì)信息表述的支持能力,增強(qiáng)建模的自動(dòng)化水平。

    2) 精準(zhǔn)的圖像自動(dòng)分割與分類識(shí)別。在圖像檢索過程中,準(zhǔn)確的對(duì)象分割與識(shí)別是實(shí)現(xiàn)語義檢索的前提與關(guān)鍵。精準(zhǔn)的對(duì)象識(shí)別以及對(duì)顯著性區(qū)域的排序,是實(shí)現(xiàn)對(duì)多個(gè)區(qū)域或?qū)ο笮枨箜憫?yīng)的重要環(huán)節(jié),在此基礎(chǔ)上可實(shí)現(xiàn)設(shè)計(jì)規(guī)律與要素信息的挖掘。

    3) 多模態(tài)融合、交互式語義識(shí)別。數(shù)據(jù)信息本質(zhì)上是多模態(tài)的,多模態(tài)的語義模型構(gòu)造可更有效反映數(shù)據(jù)信息的內(nèi)在本質(zhì)關(guān)聯(lián),通過模態(tài)的信息對(duì)齊更有效地獲取目標(biāo)圖像集合。此外,允許用戶使用擴(kuò)展的關(guān)鍵字來描述檢索圖像的屬性,構(gòu)建交互式檢索系統(tǒng),可提高圖像檢索的適用性,提升信息共享效率。

    猜你喜歡
    淺層特征提取織物
    無Sn-Pd活化法制備PANI/Cu導(dǎo)電織物
    《紡織品織物折痕回復(fù)角的測(cè)定》正式發(fā)布
    竹纖維織物抗菌研究進(jìn)展
    淺層換填技術(shù)在深厚軟土路基中的應(yīng)用
    基于淺層曝氣原理的好氧顆粒污泥的快速培養(yǎng)
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    Bagging RCSP腦電特征提取算法
    淺層地下水超采區(qū)劃分探究
    包氣帶淺層地?zé)崛萘坑?jì)算方法商榷
    織物柔軟劑的香氣發(fā)展趨勢(shì)
    日韩免费高清中文字幕av| 老师上课跳d突然被开到最大视频| 久久毛片免费看一区二区三区| 国产探花极品一区二区| 久久热精品热| av免费在线看不卡| 色视频在线一区二区三区| 狂野欧美激情性bbbbbb| av视频免费观看在线观看| 国产高清不卡午夜福利| 一本—道久久a久久精品蜜桃钙片| 亚洲精品久久午夜乱码| 91精品国产九色| 熟女av电影| 久久精品人妻少妇| 国国产精品蜜臀av免费| 99热全是精品| 中国美白少妇内射xxxbb| 日本黄大片高清| 国产成人91sexporn| 校园人妻丝袜中文字幕| 欧美极品一区二区三区四区| 熟女av电影| 看十八女毛片水多多多| 精品久久久久久电影网| 国产精品久久久久成人av| 精品亚洲乱码少妇综合久久| 人妻制服诱惑在线中文字幕| 欧美日韩精品成人综合77777| 超碰av人人做人人爽久久| a 毛片基地| 久久久久久久亚洲中文字幕| 亚洲欧美精品自产自拍| 日韩中文字幕视频在线看片 | 国产又色又爽无遮挡免| 91午夜精品亚洲一区二区三区| 国产亚洲欧美精品永久| 水蜜桃什么品种好| av专区在线播放| 大话2 男鬼变身卡| 亚洲av男天堂| 最后的刺客免费高清国语| 99久久人妻综合| 久久精品国产亚洲av涩爱| 日日啪夜夜撸| 最近中文字幕高清免费大全6| 干丝袜人妻中文字幕| 国产成人一区二区在线| 国产真实伦视频高清在线观看| 国产亚洲最大av| 国产精品99久久99久久久不卡 | 久久精品国产a三级三级三级| 国产精品.久久久| 少妇被粗大猛烈的视频| 欧美成人一区二区免费高清观看| 最近最新中文字幕大全电影3| 波野结衣二区三区在线| www.色视频.com| 亚洲高清免费不卡视频| 久久精品国产鲁丝片午夜精品| 久热这里只有精品99| 日韩电影二区| 亚洲精品第二区| 99热6这里只有精品| 亚洲欧美日韩另类电影网站 | 亚洲第一av免费看| 国产色婷婷99| 午夜免费男女啪啪视频观看| 亚洲性久久影院| 美女脱内裤让男人舔精品视频| 久久久亚洲精品成人影院| 婷婷色综合大香蕉| 日韩av免费高清视频| 精品少妇久久久久久888优播| 插阴视频在线观看视频| 日韩 亚洲 欧美在线| 久久久久久久大尺度免费视频| 国产一区有黄有色的免费视频| 99久久精品一区二区三区| 女人久久www免费人成看片| 边亲边吃奶的免费视频| 国产精品欧美亚洲77777| 人妻少妇偷人精品九色| h视频一区二区三区| 男女啪啪激烈高潮av片| av国产精品久久久久影院| 一级av片app| 免费大片黄手机在线观看| 成人国产麻豆网| 成人无遮挡网站| 一个人免费看片子| 久久热精品热| 丰满乱子伦码专区| 香蕉精品网在线| 亚洲最大成人中文| 日韩大片免费观看网站| 2021少妇久久久久久久久久久| 久久久久久久大尺度免费视频| 亚洲人成网站高清观看| 蜜桃在线观看..| 一个人看的www免费观看视频| 国产欧美亚洲国产| 国产一区二区三区综合在线观看 | 天天躁日日操中文字幕| 成人综合一区亚洲| 国产亚洲5aaaaa淫片| 人人妻人人添人人爽欧美一区卜 | 免费人妻精品一区二区三区视频| av在线播放精品| 国产欧美日韩一区二区三区在线 | 亚洲国产精品999| 欧美精品一区二区免费开放| 久久精品久久精品一区二区三区| videos熟女内射| 久久久久久久久久人人人人人人| 精品久久国产蜜桃| 久久精品国产亚洲网站| 黄色一级大片看看| 亚洲av.av天堂| 18禁在线无遮挡免费观看视频| 久久久久网色| 男的添女的下面高潮视频| 在线观看免费日韩欧美大片 | 久久精品国产鲁丝片午夜精品| 国产成人a区在线观看| 黄色一级大片看看| 久久99精品国语久久久| 国产精品精品国产色婷婷| 欧美xxxx性猛交bbbb| 国产精品国产av在线观看| 纵有疾风起免费观看全集完整版| 国产真实伦视频高清在线观看| 狂野欧美激情性xxxx在线观看| 国产精品久久久久久精品电影小说 | 国产无遮挡羞羞视频在线观看| 99久久人妻综合| 大话2 男鬼变身卡| 97超视频在线观看视频| 99久久精品国产国产毛片| 国产69精品久久久久777片| 观看免费一级毛片| 大陆偷拍与自拍| 日韩精品有码人妻一区| 免费观看无遮挡的男女| 最近2019中文字幕mv第一页| 男女无遮挡免费网站观看| 亚洲欧美一区二区三区黑人 | 亚洲精品中文字幕在线视频 | 婷婷色av中文字幕| av视频免费观看在线观看| 国产精品一区二区在线观看99| 免费高清在线观看视频在线观看| 国产亚洲91精品色在线| av卡一久久| 成年免费大片在线观看| 午夜免费观看性视频| 美女脱内裤让男人舔精品视频| 国产一区二区三区综合在线观看 | 两个人的视频大全免费| 最黄视频免费看| 久久青草综合色| 亚洲精品中文字幕在线视频 | 亚洲av中文av极速乱| 女性被躁到高潮视频| 国产在线一区二区三区精| 国产女主播在线喷水免费视频网站| 超碰av人人做人人爽久久| 亚洲国产精品国产精品| 在线观看av片永久免费下载| 亚洲婷婷狠狠爱综合网| 成人午夜精彩视频在线观看| 精品久久久久久电影网| 国产69精品久久久久777片| 亚洲欧美日韩东京热| 亚洲国产精品专区欧美| 久久99热6这里只有精品| 夫妻性生交免费视频一级片| 欧美性感艳星| 精品久久久噜噜| 国产精品福利在线免费观看| 久久久色成人| 80岁老熟妇乱子伦牲交| 少妇人妻 视频| 中文乱码字字幕精品一区二区三区| 亚洲国产精品999| 国产成人91sexporn| 少妇 在线观看| 女人久久www免费人成看片| 国产成人精品婷婷| 内地一区二区视频在线| 免费人妻精品一区二区三区视频| 色婷婷久久久亚洲欧美| 三级经典国产精品| 成人18禁高潮啪啪吃奶动态图 | 能在线免费看毛片的网站| 亚洲av中文字字幕乱码综合| 亚洲综合色惰| 妹子高潮喷水视频| 你懂的网址亚洲精品在线观看| 多毛熟女@视频| 久久久久久人妻| 人妻夜夜爽99麻豆av| 日韩成人av中文字幕在线观看| 观看免费一级毛片| 日韩精品有码人妻一区| 久久精品久久久久久久性| 国产av码专区亚洲av| 91久久精品国产一区二区三区| 中文字幕免费在线视频6| 国产免费一级a男人的天堂| 免费观看性生交大片5| 日本欧美视频一区| 久久国产乱子免费精品| 51国产日韩欧美| 人人妻人人澡人人爽人人夜夜| 麻豆国产97在线/欧美| 欧美极品一区二区三区四区| 亚洲真实伦在线观看| 午夜福利影视在线免费观看| 日韩,欧美,国产一区二区三区| av又黄又爽大尺度在线免费看| 男人狂女人下面高潮的视频| 九九在线视频观看精品| 国产精品一区二区在线不卡| 男女无遮挡免费网站观看| 26uuu在线亚洲综合色| 久久久久精品性色| 99视频精品全部免费 在线| 舔av片在线| 少妇精品久久久久久久| 精品国产三级普通话版| 男人狂女人下面高潮的视频| 亚洲激情五月婷婷啪啪| 老司机影院成人| 国产欧美亚洲国产| 一级毛片久久久久久久久女| h视频一区二区三区| 一区二区av电影网| 少妇熟女欧美另类| av在线蜜桃| 少妇猛男粗大的猛烈进出视频| 久久毛片免费看一区二区三区| 亚洲av男天堂| 亚洲美女搞黄在线观看| 免费观看a级毛片全部| 精品人妻熟女av久视频| 插逼视频在线观看| 国产高清有码在线观看视频| h视频一区二区三区| 久久99热这里只有精品18| 建设人人有责人人尽责人人享有的 | 亚洲怡红院男人天堂| 青春草国产在线视频| 国产精品久久久久久久电影| 校园人妻丝袜中文字幕| 久久av网站| 大片电影免费在线观看免费| 新久久久久国产一级毛片| 亚洲美女黄色视频免费看| 男人和女人高潮做爰伦理| 色综合色国产| 嫩草影院新地址| 午夜视频国产福利| xxx大片免费视频| 成年av动漫网址| 自拍偷自拍亚洲精品老妇| 99久国产av精品国产电影| 成人高潮视频无遮挡免费网站| 久久久精品94久久精品| 丝袜喷水一区| 一级毛片 在线播放| 香蕉精品网在线| 亚洲av国产av综合av卡| 精品人妻熟女av久视频| 边亲边吃奶的免费视频| 五月天丁香电影| 久久女婷五月综合色啪小说| 久久99热这里只频精品6学生| 人妻 亚洲 视频| 日韩大片免费观看网站| 伊人久久国产一区二区| 日本wwww免费看| 国产亚洲一区二区精品| 汤姆久久久久久久影院中文字幕| 少妇 在线观看| 寂寞人妻少妇视频99o| 18禁在线无遮挡免费观看视频| 欧美+日韩+精品| 久久久精品94久久精品| av视频免费观看在线观看| 国产欧美另类精品又又久久亚洲欧美| 97在线人人人人妻| 精品一区二区免费观看| 久久精品国产鲁丝片午夜精品| 国产 一区精品| 最近2019中文字幕mv第一页| 在线观看av片永久免费下载| a 毛片基地| 你懂的网址亚洲精品在线观看| 91久久精品国产一区二区成人| 欧美高清成人免费视频www| 欧美精品国产亚洲| 99热这里只有是精品50| 亚洲自偷自拍三级| 亚洲av成人精品一区久久| 菩萨蛮人人尽说江南好唐韦庄| 极品教师在线视频| 亚洲成人中文字幕在线播放| 美女视频免费永久观看网站| 免费高清在线观看视频在线观看| 久久久久性生活片| 久久99精品国语久久久| 国产亚洲一区二区精品| 欧美日韩在线观看h| 亚洲精品成人av观看孕妇| 寂寞人妻少妇视频99o| 国语对白做爰xxxⅹ性视频网站| 黄色一级大片看看| 少妇猛男粗大的猛烈进出视频| 亚洲在久久综合| 中国国产av一级| 赤兔流量卡办理| 欧美精品国产亚洲| 久久精品熟女亚洲av麻豆精品| 日韩大片免费观看网站| 少妇精品久久久久久久| xxx大片免费视频| 最近最新中文字幕大全电影3| 菩萨蛮人人尽说江南好唐韦庄| 国产91av在线免费观看| 国产精品av视频在线免费观看| 亚洲精品中文字幕在线视频 | 亚洲av男天堂| 亚洲国产成人一精品久久久| 婷婷色综合大香蕉| 精品99又大又爽又粗少妇毛片| 欧美精品一区二区免费开放| 干丝袜人妻中文字幕| av在线观看视频网站免费| 欧美xxxx性猛交bbbb| 男的添女的下面高潮视频| 色婷婷久久久亚洲欧美| 欧美精品一区二区大全| 久久久久网色| 国产乱人视频| a 毛片基地| 国产有黄有色有爽视频| 99九九线精品视频在线观看视频| 国产亚洲一区二区精品| 好男人视频免费观看在线| 国产高清三级在线| 91久久精品电影网| 久久久精品94久久精品| 亚洲精品乱码久久久v下载方式| 亚洲第一区二区三区不卡| 久久影院123| 精品人妻一区二区三区麻豆| 这个男人来自地球电影免费观看 | 男人狂女人下面高潮的视频| 插逼视频在线观看| 久久ye,这里只有精品| 亚洲精品乱码久久久v下载方式| 亚洲精品aⅴ在线观看| 91在线精品国自产拍蜜月| 亚洲第一av免费看| 国产精品福利在线免费观看| 最近手机中文字幕大全| 尾随美女入室| 菩萨蛮人人尽说江南好唐韦庄| 色视频www国产| 成年美女黄网站色视频大全免费 | 国产亚洲欧美精品永久| 亚洲av中文字字幕乱码综合| 欧美少妇被猛烈插入视频| 80岁老熟妇乱子伦牲交| 18禁在线播放成人免费| 国产欧美亚洲国产| 国模一区二区三区四区视频| 免费观看在线日韩| 中文字幕精品免费在线观看视频 | 亚洲成人一二三区av| 国产午夜精品久久久久久一区二区三区| 少妇熟女欧美另类| 久久国产乱子免费精品| 内地一区二区视频在线| 中国三级夫妇交换| 联通29元200g的流量卡| 成人影院久久| 高清视频免费观看一区二区| 久久 成人 亚洲| 内射极品少妇av片p| 国产男女内射视频| 国产欧美日韩一区二区三区在线 | 国产久久久一区二区三区| 中文天堂在线官网| 欧美成人a在线观看| 97超碰精品成人国产| 国国产精品蜜臀av免费| 久久久久久久亚洲中文字幕| 亚洲国产精品专区欧美| 婷婷色av中文字幕| 2022亚洲国产成人精品| 国产精品久久久久久精品电影小说 | 又粗又硬又长又爽又黄的视频| 国产在线一区二区三区精| 自拍偷自拍亚洲精品老妇| 18禁在线播放成人免费| 精品亚洲成国产av| 汤姆久久久久久久影院中文字幕| 王馨瑶露胸无遮挡在线观看| 欧美高清成人免费视频www| 日韩不卡一区二区三区视频在线| 黄色视频在线播放观看不卡| 三级经典国产精品| 成人特级av手机在线观看| 一个人免费看片子| 亚洲美女视频黄频| 人妻系列 视频| 日本欧美国产在线视频| 免费黄频网站在线观看国产| 少妇人妻久久综合中文| 久久6这里有精品| 在线精品无人区一区二区三 | 国产亚洲一区二区精品| 精品国产一区二区三区久久久樱花 | 成人影院久久| 免费人成在线观看视频色| 日本vs欧美在线观看视频 | 午夜激情福利司机影院| 国产永久视频网站| 亚洲国产最新在线播放| 内射极品少妇av片p| 伦理电影免费视频| av在线老鸭窝| 欧美日韩在线观看h| 一区二区三区乱码不卡18| 少妇高潮的动态图| 一级毛片电影观看| 观看免费一级毛片| 精华霜和精华液先用哪个| av女优亚洲男人天堂| 人体艺术视频欧美日本| 一区二区三区四区激情视频| av视频免费观看在线观看| 伊人久久国产一区二区| 日本色播在线视频| 99热这里只有是精品在线观看| 日本色播在线视频| 国产亚洲av片在线观看秒播厂| 午夜激情久久久久久久| 欧美老熟妇乱子伦牲交| 卡戴珊不雅视频在线播放| 免费观看在线日韩| 久久久久性生活片| 精品国产三级普通话版| 男人添女人高潮全过程视频| 噜噜噜噜噜久久久久久91| 男人添女人高潮全过程视频| 777米奇影视久久| 亚洲av中文字字幕乱码综合| 99九九线精品视频在线观看视频| 日韩在线高清观看一区二区三区| 亚洲精品国产色婷婷电影| 国产探花极品一区二区| 婷婷色综合www| 亚洲激情五月婷婷啪啪| 中文字幕免费在线视频6| 日韩三级伦理在线观看| 欧美日本视频| 午夜福利视频精品| 男女免费视频国产| 热re99久久精品国产66热6| 亚洲天堂av无毛| 人妻系列 视频| 中文字幕久久专区| 国产亚洲5aaaaa淫片| 亚洲欧美日韩另类电影网站 | 我的老师免费观看完整版| 丰满少妇做爰视频| 国产成人精品福利久久| 久久久久久久精品精品| 国产精品一区二区在线观看99| 国产精品熟女久久久久浪| 蜜臀久久99精品久久宅男| 一二三四中文在线观看免费高清| 欧美日韩一区二区视频在线观看视频在线| 亚洲欧美日韩另类电影网站 | 99热这里只有是精品在线观看| 欧美精品一区二区免费开放| 国产亚洲av片在线观看秒播厂| a级毛片免费高清观看在线播放| 黄色配什么色好看| 国产亚洲精品久久久com| 国产精品国产三级专区第一集| 亚洲美女搞黄在线观看| 麻豆国产97在线/欧美| 伊人久久精品亚洲午夜| 日本欧美国产在线视频| 欧美日韩在线观看h| 老女人水多毛片| 噜噜噜噜噜久久久久久91| 一个人看的www免费观看视频| 在线免费十八禁| 欧美日韩视频精品一区| 在线观看一区二区三区激情| 高清av免费在线| 不卡视频在线观看欧美| 美女cb高潮喷水在线观看| 22中文网久久字幕| 中文字幕制服av| 亚州av有码| 亚洲性久久影院| 日韩免费高清中文字幕av| freevideosex欧美| 精品亚洲乱码少妇综合久久| a级毛片免费高清观看在线播放| 国产精品.久久久| 下体分泌物呈黄色| 男女下面进入的视频免费午夜| 大又大粗又爽又黄少妇毛片口| 视频中文字幕在线观看| 天堂中文最新版在线下载| 免费看av在线观看网站| 国产一区亚洲一区在线观看| 欧美人与善性xxx| 中文字幕精品免费在线观看视频 | 免费黄频网站在线观看国产| 国产精品精品国产色婷婷| 人体艺术视频欧美日本| 国产亚洲一区二区精品| 97超视频在线观看视频| 久久精品国产亚洲av涩爱| 99久国产av精品国产电影| 少妇人妻一区二区三区视频| 国产色婷婷99| 欧美zozozo另类| 欧美精品一区二区大全| 久久久久久人妻| 欧美国产精品一级二级三级 | 高清日韩中文字幕在线| 91狼人影院| 久久国内精品自在自线图片| 国产午夜精品久久久久久一区二区三区| 观看免费一级毛片| 天美传媒精品一区二区| 高清黄色对白视频在线免费看 | 性高湖久久久久久久久免费观看| 黄色视频在线播放观看不卡| 一区二区av电影网| 亚洲精华国产精华液的使用体验| 欧美日韩国产mv在线观看视频 | av在线app专区| 欧美性感艳星| 寂寞人妻少妇视频99o| 女的被弄到高潮叫床怎么办| 国产精品欧美亚洲77777| 国产黄片美女视频| 三级国产精品片| 色吧在线观看| 不卡视频在线观看欧美| 国产人妻一区二区三区在| 少妇人妻 视频| 国产精品人妻久久久久久| 一本久久精品| 亚洲成人中文字幕在线播放| 国产欧美日韩精品一区二区| 嫩草影院入口| 在线观看免费日韩欧美大片 | av黄色大香蕉| 深爱激情五月婷婷| 久久人妻熟女aⅴ| 亚洲av不卡在线观看| 精品久久久久久久久av| 老司机影院毛片| a级毛色黄片| xxx大片免费视频| 色综合色国产| 麻豆乱淫一区二区| 亚洲精品乱久久久久久| 黄色配什么色好看| 99热6这里只有精品| 免费不卡的大黄色大毛片视频在线观看| 精品少妇黑人巨大在线播放| 中文字幕精品免费在线观看视频 | 中文字幕久久专区| 欧美成人a在线观看| 亚洲精品,欧美精品| 夜夜爽夜夜爽视频| 嫩草影院入口| av播播在线观看一区| 联通29元200g的流量卡| 王馨瑶露胸无遮挡在线观看| 黄片无遮挡物在线观看| 亚洲丝袜综合中文字幕| videossex国产| 成人黄色视频免费在线看| 国产伦精品一区二区三区四那| 欧美日韩国产mv在线观看视频 | 国产一区有黄有色的免费视频| 亚洲欧美日韩卡通动漫| 亚洲精品自拍成人| 在线观看一区二区三区激情| 国产免费视频播放在线视频| 欧美亚洲 丝袜 人妻 在线| 在线观看一区二区三区激情| 久久韩国三级中文字幕| av播播在线观看一区| 国产欧美日韩精品一区二区| 性色avwww在线观看| 3wmmmm亚洲av在线观看| 日韩在线高清观看一区二区三区| 久久久色成人| 菩萨蛮人人尽说江南好唐韦庄| 精品少妇黑人巨大在线播放| 久久精品夜色国产|