• <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 ?

    基于稀疏表示的人臉人耳融合識別算法?

    2019-07-31 09:54:40鄭秋梅馬茂東王風(fēng)華孫燕翔
    關(guān)鍵詞:訓(xùn)練樣本特征向量人臉

    鄭秋梅 馬茂東 王風(fēng)華 孫燕翔 李 波

    (中國石油大學(xué)(華東)計(jì)算機(jī)與通信工程學(xué)院 青島 266580)

    1 引言

    隨著人們對信息安全問題的日益關(guān)注,生物識別技術(shù)已經(jīng)成為保護(hù)信息安全的重要技術(shù)之一。目前,單模生物特征識別在防盜系統(tǒng)、移動支付、金融服務(wù)等領(lǐng)域已取得廣泛應(yīng)用,但單模生物識別技術(shù)在噪聲干擾、識別率等方面有明顯不足。多模生物特征融合識別技術(shù)具有系統(tǒng)可靠性更高、適用性范圍更廣、安全性更強(qiáng)等優(yōu)點(diǎn),近年來備受青睞。Brunelli 于1995 年提出了利用多生物特征融合實(shí)現(xiàn)身份識別的策略[1],將人臉和聲音兩種形式的生物特征實(shí)現(xiàn)了在匹配層上的融合識別,獲得了良好的識別結(jié)果,其思想為以后多模生物識別的研究開辟了道路,此后越來越多的研究人員開始探索多模生物識別[2~3]。選擇融合的生物類別也是一種關(guān)鍵,本文采用易于實(shí)現(xiàn)同步采集、采集方式具有非接觸性、非侵犯性和易接受性的人臉和人耳生物特征進(jìn)行多模融合識別的研究。實(shí)驗(yàn)證明,相較于人臉與人耳單模生物識別,識別效率得到明顯的提高。

    近幾年較為常見的人臉人耳融合識別算法,主要為主成分分析算法(PCA)[4]、典型相關(guān)分析算法(CCA)[5]、核典型相關(guān)分析算法(KCCA)[6]等,這些算法在圖像光照變化、表情變化、拍攝角度變化等方面魯棒性不強(qiáng),而基于稀疏表示的分類算法[7~8]能有效利用子空間的特性,在光照、表情變化復(fù)雜的環(huán)境下,具有更好的識別效果。所以本文將稀疏表示理論引入到人臉人耳融合識別中,提出了基于稀疏表示的人臉人耳融合識別算法。實(shí)驗(yàn)證明,相較于其他人臉人耳識別算法,基于稀疏表示的人臉人耳融合識別算法魯棒性更強(qiáng),識別率更高。

    2 基于稀疏表示的分類算法

    基于稀疏表示的分類算法,簡稱SRC(sparse representation based classification),被廣泛應(yīng)用于模式識別中。其工作原理為,將測試圖像樣本用所有類別的訓(xùn)練樣本線性表示出,而測試圖像樣本所屬的訓(xùn)練圖像樣本可以表示的更為稀疏,也就是說用最少的訓(xùn)練圖像樣本達(dá)到更好的重構(gòu)。在對稀疏表示系數(shù)進(jìn)行約束后,進(jìn)行稀疏表示求解,得到的非0 系數(shù)所對應(yīng)的項(xiàng)為測試圖像樣本所屬的訓(xùn)練圖像樣本所對應(yīng)的項(xiàng)。這樣,可以根據(jù)各類訓(xùn)練樣本所取得對測試樣本的重構(gòu)誤差來進(jìn)行分類,其中重構(gòu)誤差最小的,即為最佳分類。本文通過求解速度更快的正交匹配算法進(jìn)行稀疏求解,其基本數(shù)模模型如下所示。

    設(shè)A 是由訓(xùn)練樣本特征向量構(gòu)成的字典集,y為測試樣本的特征向量,n 為字典A 的向量總數(shù)。殘差向量r0=y,匹配索引集V=φ,迭代次數(shù)i=1。

    1)在字典集A 中尋求與殘差向量r0最匹配的原子:vni=argri-1,vj。

    2)更新匹配索引集:Vi=[Vi-1,vni]。

    3)通過最小二乘法求得殘差向量在正交化處理后的原子集上的最佳投影,更新匹配的系數(shù)值x?:x?=arg min||y-Vix||1。

    4)更新殘差向量:ri=y-Vix?。

    5)i=i+1,判斷 ||ri||2<θ ,其中 θ 為最大殘差閾值,如果滿足條件則停止迭代,輸出匹配系數(shù)集合x?,否則跳到第2)步繼續(xù)循環(huán)執(zhí)行。

    3 基于稀疏表示的人臉人耳融合識別算法(MSRC)

    3.1 算法整體流程

    本文首先對人臉人耳特征進(jìn)行特征提取,采用能有效降低計(jì)算復(fù)雜度的PCA提取算法。其次,開始對人臉人耳特征進(jìn)行特征融合??紤]到不同模態(tài)生物特征對最終識別的貢獻(xiàn)可能有所不同,故人臉人耳融合算法采用加權(quán)串聯(lián)融合法。本文采用迭代速度比較快的正交匹配追蹤算法來對測試樣本在訓(xùn)練樣本中稀疏表示系數(shù)進(jìn)行求解。最后,通過最小殘差法來進(jìn)行分類識別。通過實(shí)驗(yàn)證明,本文提出的算法具有較好的識別性能。本文算法的實(shí)現(xiàn)流程圖如圖1所示。

    3.2 特征提取

    基于稀疏表示的分類識別算法(SRC),它的計(jì)算量比較大。為了有效降低計(jì)算復(fù)雜度,本文采用主成分分析PCA[9~10]來對人臉人耳進(jìn)行特征提取。

    PCA 算法的基本思想是由訓(xùn)練樣本中較大特征值所對應(yīng)的特征向量來構(gòu)造一個(gè)投影觀測矩陣P,特征向量即為原樣本向量在這個(gè)投影觀測矩陣上的投影向量。對于任意的一個(gè)樣本向量x,特征向量z 可由投影觀測矩陣P 對向量 x 進(jìn)行投影得到,即 z=PTx。

    設(shè)人臉和人耳的測試對象共有c 個(gè)類別,每個(gè)類中分別有m 個(gè)人臉測試樣本和m 個(gè)人耳測試樣本。人臉訓(xùn)練樣本和人耳訓(xùn)練樣本分別用Af=[,,…,]和Ae=[,,…,]表示,其中 Ai=[ai,1,ai,2,…,ai,m](i=1,2,…,c) 代表第 i 個(gè)類別對象的m個(gè)測試樣本。然后,人臉訓(xùn)練樣本的特征向量和人耳訓(xùn)練樣本的特征向量可由Df=(Pf)TAf,De=(Pe)TAe計(jì)算得到,其中,Pf為人臉訓(xùn)練樣本通過PCA 算法得到的人臉投影觀測矩陣,Pe為人耳訓(xùn)練樣本通過PCA 算法得到的人耳投影觀測矩陣,Df為人臉訓(xùn)練樣本的特征矩陣,De為人耳訓(xùn)練樣本的特征矩陣。人臉人耳測試樣本對應(yīng)的特征向量可通過 zf=(Pf)Tyf,ze=(Pe)Tye計(jì)算得到,其中 yf,ye分別表示人臉、人耳的測試樣本向量,zf,ze分別表示人臉、人耳測試樣本的特征向量。

    3.3 人臉人耳特征融合

    特征級融合即能實(shí)現(xiàn)冗余信息的有效壓縮,又能最大程度地利用不同模態(tài)生物特征的可區(qū)分性,故人臉人耳的特征融合層級選用特征級融合。特征融合的方法有以下幾種:串聯(lián)融合法[11]、并行融合法[12]和典型相關(guān)分析(CCA)[13]。串聯(lián)融合法與后面兩種方法相比,更簡單高效,更容易擴(kuò)展到超過兩種模態(tài)的多模生物融合。因此,本文中采用串聯(lián)融合法來進(jìn)行特征融合。

    考慮到人臉人耳特征信息對身份識別可能有不同的識別能力,所以本文在進(jìn)行特征向量的串聯(lián)融合時(shí)加入了權(quán)重系數(shù),以此來充分利用人臉和人耳特征信息對身份識別的影響能力。

    特征融合具體過程如下所示。

    1)特征向量的歸一化表示

    為了能使人臉人耳的特征向量在身份識別中具有同等的表現(xiàn)力,所以本文在人臉和人耳特征向量融合之前,對這兩種特征向量進(jìn)行了歸一化處理[14]。由上一節(jié)可知:Df,De分別為人臉訓(xùn)練樣本的特征矩陣和人耳訓(xùn)練樣本的特征矩陣,設(shè)為Df中第i 個(gè)類別中的第j 個(gè)樣本的特征向量,下面本文對進(jìn)行歸一化處理,=(- μf)/σf,其中,μf為Df中所有列向量的均值向量,σf為Df中所有列向量的方差向量。經(jīng)過歸一化之后,所有人臉樣本特征向量的均值為0,方差為1。同理,再用相同的方法對人耳訓(xùn)練樣本的特征向量De進(jìn)行歸一化處理,=(-μe)/σe,其中為De中的列向量,μe為 De的所有列向量的均值向量,σe為De的所有列向量的方差向量。

    2)特征向量加權(quán)串聯(lián)融合

    設(shè)D 為人臉和人耳測試樣本的特征向量融合之后的特征矩陣,di,j為D 中第i 個(gè)類別中的第j 個(gè)樣本融合后的特征向量,人臉人耳特征向量的加權(quán)融合方法如式(3)所示:

    其中,α 和 β 要滿足約束條件 α+β=1。

    在具體實(shí)驗(yàn)中,為了充分利用不同模態(tài)的分類識別能力,權(quán)重系數(shù)可通訓(xùn)練獲取,具體方法為:以0.1 為單位,將權(quán)重系數(shù)α 從0.1 開始逐步調(diào)整到0.9,對應(yīng)的權(quán)重系數(shù) β 在滿足約束α+β=1的限制下也逐步進(jìn)行調(diào)整,分別完成整個(gè)識別過程,其中對應(yīng)最高識別率的權(quán)重系數(shù)即為最佳權(quán)重系數(shù)。

    3.4 稀疏表示稀疏求解

    因?yàn)檎黄ヅ渥粉櫵惴ǎ?5~16]相較于基追蹤和匹配追蹤等算法,收斂速度更快、對目標(biāo)向量的分解更為稀疏,所以本文采用正交匹配追中算法來對稀疏表示系數(shù)進(jìn)行求解。

    人臉和人耳特征融合后的訓(xùn)練樣本矩陣為D,測試樣本對應(yīng)的人臉和人耳特征融合后的向量為z,由正交匹配追蹤算法可求得測試向量z在訓(xùn)練樣本構(gòu)成的字典矩陣D 上的稀疏表示系數(shù)x ,x 為n(n=c×m)維空間中的向量,稀疏表示系數(shù)x 要滿足如下條件||Dx-z|≤φ ,其中,φ 為迭代閾值范圍。

    3.5 分類識別

    在基于稀疏表示的分類算法的文獻(xiàn)中,大多數(shù)文獻(xiàn)通過最小殘差法[17]來得的最終的識別結(jié)果。所以本文亦采用比較普及的最小殘差法來進(jìn)行分類識別。

    其基本思想為:通過訓(xùn)練樣本在某一類別上的線性組合來重構(gòu)測試樣本,其線性組合系數(shù)為測試樣本在訓(xùn)練樣本矩陣對應(yīng)類別上的稀疏表示系數(shù),重構(gòu)樣本與測試樣本殘差最小的類別即為測試樣本所在的類別。

    設(shè) xi,(i=1,2,…,m)?Rn為稀疏表示系數(shù) x 中第i 個(gè)類別所對應(yīng)的系數(shù),其余類別所對應(yīng)的系數(shù)為0,所以通過稀疏表示系數(shù)xi可得到由第i 類別訓(xùn)練樣本重構(gòu)的測試樣本,=Dxi,其中 z?i為第 i類別訓(xùn)練樣本重構(gòu)的測試樣本向量。第i類別訓(xùn)練樣本的重構(gòu)殘差為ri=||?-z|,其中重構(gòu)殘差最小的類別即為測試樣本所在的類別,因此可以判定測試樣本z所在的類別為identity(z)=

    4 實(shí)驗(yàn)結(jié)果分析

    4.1 實(shí)驗(yàn)人臉和人耳數(shù)據(jù)庫介紹

    實(shí)驗(yàn)用的人臉數(shù)據(jù)庫為ORL 人臉庫,ORL 人臉庫中一共有40 個(gè)人的人臉圖像,其中每個(gè)人的人臉圖像包含10 張不同的人臉圖像,數(shù)據(jù)庫中所有的人臉圖像為400 張。ORL 人臉庫中的每個(gè)類別對象具有豐富的拍攝角度變化、拍攝時(shí)間變化、人臉表情變化(主要包含閉眼、睜眼、微笑、吃驚、生氣、憤怒、高興)及不同的臉部細(xì)節(jié)(主要有戴眼鏡、不戴眼鏡、發(fā)型不同、有胡子、沒胡子),這些變化主要包含拍攝時(shí)間變化,圖2展示了ORL人臉數(shù)據(jù)庫中部分類別的人臉圖像。

    圖2 ORL人臉數(shù)據(jù)庫中的圖像示意圖

    實(shí)驗(yàn)用的人耳數(shù)據(jù)庫為自己拍攝制作的人耳數(shù)據(jù)庫,人耳數(shù)據(jù)庫總共采集30 個(gè)人的人耳圖像,其中每個(gè)人包含11 張不同的人耳圖像,人耳數(shù)據(jù)庫中所有的人耳圖像為330 張。因?yàn)槿硕纳锾卣骶哂袆傂蕴攸c(diǎn),人耳圖像不會因表情或姿態(tài)變化而有所不同,故拍攝的人耳庫主要包含光照和拍攝角度變化,其中拍攝角度主要包含正面、左面、右面、上面和下面,其角度變化在5°~10°范圍內(nèi)。下面圖3展示了課題組人耳庫中部分類別的人耳圖像。

    圖3 人耳數(shù)據(jù)庫中的圖像示意圖

    在實(shí)驗(yàn)中,取ORL 人臉庫中的前30 個(gè)類別的人臉圖像與人耳庫中的30 個(gè)類別的人耳圖像進(jìn)行搭配實(shí)驗(yàn),其中,每個(gè)類別的人臉和人耳圖像各選取10張進(jìn)行實(shí)驗(yàn)。

    4.2 實(shí)驗(yàn)結(jié)果分析

    為了確定最佳的人臉人耳特征融合權(quán)重系數(shù)α,β ,本文進(jìn)行了實(shí)驗(yàn)一來求取最佳權(quán)重系數(shù)α,β ,其中,本文采用的基于稀疏表示的人臉人耳融合識別算法(MS β=1-α RC),將權(quán)重系數(shù) α 從0.1 開始以0.1 為步長逐步調(diào)整到0.9,統(tǒng)計(jì)每次權(quán)重系數(shù)對應(yīng)的識別率,統(tǒng)計(jì)結(jié)果如圖4所示。

    從圖4 中可以看出,當(dāng)權(quán)重系數(shù)α 為0.3 時(shí),對應(yīng)的權(quán)重系數(shù)β 為0.7,此時(shí)的識別率最大,為最佳權(quán)重系數(shù)。從上述實(shí)驗(yàn)可以看出,人耳特征對最終識別結(jié)果的影響更大,原因在于本文實(shí)驗(yàn)用的人臉數(shù)據(jù)庫相較于人耳數(shù)據(jù)庫在光照、表情和姿態(tài)變化上更加豐富。

    為了比較多模融合算法和單模算法的識別性能,進(jìn)行了實(shí)驗(yàn),分別比較了人臉識別、人耳識別與人臉人耳融合識別的識別性能。實(shí)驗(yàn)中將人臉和人耳數(shù)據(jù)庫中每個(gè)類別的7副圖像用做訓(xùn)練樣本,其余3副用做測試樣本。識別結(jié)果如表1所示。

    圖4 權(quán)重系數(shù)α 對應(yīng)的識別率

    表1 不同模式類別的識別率比較

    從表1 中可以看出,人臉人耳融合識別的識別率要高于人臉和人耳單模生物識別的識別率,這說明了多模生物識別技術(shù)比單模生物識別技術(shù)在識別性能上表現(xiàn)更優(yōu)。

    為了將本文提出的基于稀疏表示的人臉人耳多模融合識別算法(MSRC)與其他人臉人耳融合算法在識別性能上進(jìn)行比較。在實(shí)驗(yàn)中本文對比了近幾年較為常見的人臉人耳融合識別算法,分別為主成分分析算法(PCA)、典型相關(guān)分析算法(CCA)、核典型相關(guān)分析算法(KCCA),各種算法的識別率統(tǒng)計(jì)結(jié)果如表2所示。

    表2 各種多模融合算法識別率比較

    從表2 中可以看出相比于其他人臉人耳融合識別算法,本文基于稀疏表示的人臉人耳識別融合算法(MSRC)的識別性能更好。因?qū)嶒?yàn)用的數(shù)據(jù)庫包含豐富的光照、表情、姿態(tài)及拍攝角度變化,本文的MSRC 算法仍能取得比較滿意的識別率,故MSRC算法對光照及表情變化等具有較強(qiáng)的魯棒性。

    5 結(jié)語

    本文針對單模生物識別所存在的局限性,提出了人臉和人耳特征融合識別算法,通過實(shí)驗(yàn)證明,多模生物識別技術(shù)比單模生物識別技術(shù)在識別性能上更優(yōu),多模生物識別技術(shù)也成為未來生物識別技術(shù)的重要研究方向。本文將稀疏表示的方法應(yīng)用于人臉及人耳特征的表達(dá)分類上,通過實(shí)驗(yàn)證明,相比于其他算法,基于稀疏表示的識別算法要更加優(yōu)秀。

    猜你喜歡
    訓(xùn)練樣本特征向量人臉
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計(jì)——以特征值和特征向量為例
    克羅內(nèi)克積的特征向量
    有特點(diǎn)的人臉
    人工智能
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    一類特殊矩陣特征向量的求法
    EXCEL表格計(jì)算判斷矩陣近似特征向量在AHP法檢驗(yàn)上的應(yīng)用
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識別算法
    基于稀疏重構(gòu)的機(jī)載雷達(dá)訓(xùn)練樣本挑選方法
    成人亚洲欧美一区二区av| 成人高潮视频无遮挡免费网站| 日韩,欧美,国产一区二区三区 | 18禁在线无遮挡免费观看视频 | 日韩av在线大香蕉| 日韩欧美免费精品| 床上黄色一级片| 久久亚洲精品不卡| 尤物成人国产欧美一区二区三区| 深爱激情五月婷婷| 性色avwww在线观看| 国产麻豆成人av免费视频| 校园春色视频在线观看| 91在线观看av| 国产一级毛片七仙女欲春2| 搡女人真爽免费视频火全软件 | 色吧在线观看| 女生性感内裤真人,穿戴方法视频| 天美传媒精品一区二区| 国产黄色视频一区二区在线观看 | 亚洲精品粉嫩美女一区| 嫩草影院入口| 久久久国产成人精品二区| 免费一级毛片在线播放高清视频| 成人欧美大片| 久久精品国产亚洲av涩爱 | 日韩精品有码人妻一区| 国产精品人妻久久久影院| 亚洲熟妇熟女久久| 日本免费a在线| 亚洲成人久久爱视频| 尤物成人国产欧美一区二区三区| 精品久久久噜噜| 亚洲国产精品合色在线| 波多野结衣高清无吗| 日日啪夜夜撸| 色在线成人网| 久久久久久久久久黄片| 中文字幕熟女人妻在线| 亚洲国产精品成人综合色| 在线免费十八禁| 老司机午夜福利在线观看视频| 国产色爽女视频免费观看| 国产精品亚洲美女久久久| 男女啪啪激烈高潮av片| 国产av不卡久久| 99久久无色码亚洲精品果冻| 中文字幕精品亚洲无线码一区| 久久精品国产亚洲网站| 欧洲精品卡2卡3卡4卡5卡区| 小蜜桃在线观看免费完整版高清| 高清午夜精品一区二区三区 | 露出奶头的视频| 1024手机看黄色片| 中文在线观看免费www的网站| 黄色一级大片看看| 国产男靠女视频免费网站| 变态另类丝袜制服| 国产亚洲精品久久久com| 级片在线观看| 网址你懂的国产日韩在线| av国产免费在线观看| 国产精品女同一区二区软件| 美女 人体艺术 gogo| 午夜精品一区二区三区免费看| 中文亚洲av片在线观看爽| 亚洲av中文av极速乱| 99国产极品粉嫩在线观看| 亚洲成人中文字幕在线播放| 国产精品久久久久久精品电影| 床上黄色一级片| 欧美激情在线99| 好男人在线观看高清免费视频| 91精品国产九色| a级一级毛片免费在线观看| 亚洲国产精品合色在线| 老熟妇仑乱视频hdxx| www日本黄色视频网| 亚洲熟妇熟女久久| 免费人成视频x8x8入口观看| 乱系列少妇在线播放| 高清毛片免费看| 成人亚洲欧美一区二区av| 91麻豆精品激情在线观看国产| 美女内射精品一级片tv| 日本三级黄在线观看| 欧美最新免费一区二区三区| 99热网站在线观看| 日本欧美国产在线视频| 成人欧美大片| 日本与韩国留学比较| 国产精品女同一区二区软件| 欧美另类亚洲清纯唯美| av福利片在线观看| 精品乱码久久久久久99久播| 麻豆成人午夜福利视频| 日韩成人伦理影院| 国产 一区精品| 一区二区三区四区激情视频 | 成年版毛片免费区| 高清日韩中文字幕在线| 久久久色成人| 在线国产一区二区在线| 国产精品无大码| 欧美在线一区亚洲| 日本色播在线视频| 日韩大尺度精品在线看网址| 熟女电影av网| 久久人人爽人人爽人人片va| 最近的中文字幕免费完整| 人人妻人人看人人澡| 国产三级在线视频| 亚洲av熟女| 亚洲图色成人| 麻豆久久精品国产亚洲av| 日本精品一区二区三区蜜桃| 国产淫片久久久久久久久| 久久久欧美国产精品| av在线观看视频网站免费| 我要搜黄色片| 内地一区二区视频在线| 你懂的网址亚洲精品在线观看 | 日本 av在线| 在线观看午夜福利视频| 国产精品电影一区二区三区| 国产精品无大码| 久久韩国三级中文字幕| 男女那种视频在线观看| 久久欧美精品欧美久久欧美| 亚洲欧美日韩卡通动漫| 日本一本二区三区精品| 亚洲激情五月婷婷啪啪| 国产黄色小视频在线观看| 成年av动漫网址| 国产精品亚洲一级av第二区| 九色成人免费人妻av| 秋霞在线观看毛片| 日韩,欧美,国产一区二区三区 | 看非洲黑人一级黄片| 99国产精品一区二区蜜桃av| 久久久a久久爽久久v久久| 99久久久亚洲精品蜜臀av| 欧美性猛交黑人性爽| 又爽又黄无遮挡网站| 精品福利观看| 变态另类丝袜制服| 国产v大片淫在线免费观看| 黄色日韩在线| 国产国拍精品亚洲av在线观看| 中文字幕精品亚洲无线码一区| 久久鲁丝午夜福利片| 99久久精品热视频| 久久久国产成人免费| 97超碰精品成人国产| 91av网一区二区| 国模一区二区三区四区视频| 看片在线看免费视频| 色在线成人网| 春色校园在线视频观看| 波多野结衣巨乳人妻| 少妇人妻一区二区三区视频| 天天躁日日操中文字幕| 精品国内亚洲2022精品成人| 日本与韩国留学比较| 国产精品久久视频播放| 欧美潮喷喷水| 色噜噜av男人的天堂激情| 久久国内精品自在自线图片| 97超碰精品成人国产| 国内揄拍国产精品人妻在线| 国产欧美日韩一区二区精品| 免费看光身美女| 免费不卡的大黄色大毛片视频在线观看 | 日韩在线高清观看一区二区三区| 久久精品国产亚洲av香蕉五月| 免费观看的影片在线观看| 国产精品野战在线观看| 欧美日韩在线观看h| 亚洲婷婷狠狠爱综合网| 亚洲av中文字字幕乱码综合| 欧美bdsm另类| 国产成人aa在线观看| 一个人看视频在线观看www免费| 日韩欧美一区二区三区在线观看| 一级黄片播放器| 日韩精品中文字幕看吧| 久久久久久久久久黄片| 亚洲精品456在线播放app| 亚洲成人av在线免费| 国产一区二区在线av高清观看| 国产v大片淫在线免费观看| 欧美三级亚洲精品| 校园人妻丝袜中文字幕| 联通29元200g的流量卡| 亚洲精品日韩av片在线观看| 亚洲av免费高清在线观看| 国产伦一二天堂av在线观看| 亚洲一级一片aⅴ在线观看| 中文字幕精品亚洲无线码一区| 三级经典国产精品| 久久久久久大精品| 欧美国产日韩亚洲一区| av天堂在线播放| 亚洲av第一区精品v没综合| 老司机福利观看| h日本视频在线播放| 又爽又黄a免费视频| 国产单亲对白刺激| 内射极品少妇av片p| 国语自产精品视频在线第100页| 亚洲一级一片aⅴ在线观看| 人妻少妇偷人精品九色| 成人美女网站在线观看视频| .国产精品久久| 热99在线观看视频| 天天躁日日操中文字幕| 国产精品嫩草影院av在线观看| 国产av麻豆久久久久久久| 日产精品乱码卡一卡2卡三| а√天堂www在线а√下载| 一级av片app| 老熟妇乱子伦视频在线观看| 久久精品国产亚洲av香蕉五月| 国产黄色小视频在线观看| 国产乱人偷精品视频| 一区二区三区高清视频在线| 国产高清激情床上av| 性色avwww在线观看| 欧美3d第一页| 日本熟妇午夜| 国产精品无大码| 亚洲av第一区精品v没综合| 国产v大片淫在线免费观看| 伊人久久精品亚洲午夜| 身体一侧抽搐| 亚洲成人中文字幕在线播放| 最后的刺客免费高清国语| 亚洲欧美日韩高清在线视频| 神马国产精品三级电影在线观看| 免费搜索国产男女视频| 免费人成在线观看视频色| 欧美三级亚洲精品| 国产一区二区激情短视频| 美女高潮的动态| 亚洲av二区三区四区| 亚洲精品色激情综合| 免费看av在线观看网站| 一个人看的www免费观看视频| 十八禁网站免费在线| 国产亚洲欧美98| .国产精品久久| 国产成人福利小说| 亚洲一区高清亚洲精品| 大香蕉久久网| 国产伦精品一区二区三区视频9| 亚洲五月天丁香| 人妻丰满熟妇av一区二区三区| 22中文网久久字幕| 精品午夜福利在线看| 日韩亚洲欧美综合| 日韩欧美在线乱码| 欧美日韩在线观看h| 亚洲aⅴ乱码一区二区在线播放| 久久精品国产亚洲av天美| 三级国产精品欧美在线观看| 国产欧美日韩精品亚洲av| 午夜激情福利司机影院| 日本三级黄在线观看| 男人的好看免费观看在线视频| 日韩欧美在线乱码| 看非洲黑人一级黄片| 午夜老司机福利剧场| 97超碰精品成人国产| 国产高清激情床上av| 久久久久国内视频| 国产精品一区二区免费欧美| 国内精品美女久久久久久| 久久精品影院6| 久久99热6这里只有精品| 国产探花极品一区二区| 少妇被粗大猛烈的视频| 成人无遮挡网站| av专区在线播放| 97人妻精品一区二区三区麻豆| 免费搜索国产男女视频| 国产久久久一区二区三区| 亚洲经典国产精华液单| 国产伦精品一区二区三区视频9| 乱系列少妇在线播放| 日韩欧美在线乱码| 丰满人妻一区二区三区视频av| 狂野欧美白嫩少妇大欣赏| 亚洲专区国产一区二区| a级毛片免费高清观看在线播放| 国产91av在线免费观看| 1000部很黄的大片| 舔av片在线| 午夜福利成人在线免费观看| 国内少妇人妻偷人精品xxx网站| 成人午夜高清在线视频| 国产激情偷乱视频一区二区| 精品人妻视频免费看| 久久国内精品自在自线图片| 欧美人与善性xxx| 一进一出好大好爽视频| 夜夜夜夜夜久久久久| 亚洲av二区三区四区| 久久久精品94久久精品| 国产aⅴ精品一区二区三区波| 日产精品乱码卡一卡2卡三| 最近手机中文字幕大全| 少妇熟女aⅴ在线视频| 亚洲内射少妇av| 国内精品宾馆在线| 欧美绝顶高潮抽搐喷水| 久久精品国产清高在天天线| 亚洲欧美日韩高清专用| 国内精品一区二区在线观看| 国国产精品蜜臀av免费| 精品99又大又爽又粗少妇毛片| 中文字幕av成人在线电影| 六月丁香七月| 国产在线男女| 12—13女人毛片做爰片一| а√天堂www在线а√下载| 又爽又黄a免费视频| 精品一区二区三区人妻视频| 一级毛片久久久久久久久女| 国产大屁股一区二区在线视频| 五月伊人婷婷丁香| 精品日产1卡2卡| 国产三级在线视频| 国产日本99.免费观看| 一进一出抽搐gif免费好疼| 一级毛片我不卡| h日本视频在线播放| 女人十人毛片免费观看3o分钟| 中国美白少妇内射xxxbb| a级毛片免费高清观看在线播放| 成人一区二区视频在线观看| 国产亚洲91精品色在线| 啦啦啦韩国在线观看视频| 亚洲18禁久久av| 国产精品一区二区免费欧美| 国产高清视频在线观看网站| 国产在线精品亚洲第一网站| 精品乱码久久久久久99久播| 最近最新中文字幕大全电影3| 国产高清激情床上av| 欧美另类亚洲清纯唯美| 成人国产麻豆网| 99久国产av精品| 日本色播在线视频| 一卡2卡三卡四卡精品乱码亚洲| 亚洲精品日韩av片在线观看| 午夜福利成人在线免费观看| 国产 一区精品| 国产片特级美女逼逼视频| 精品无人区乱码1区二区| 成熟少妇高潮喷水视频| 永久网站在线| 免费大片18禁| 亚洲av成人精品一区久久| 色噜噜av男人的天堂激情| 秋霞在线观看毛片| 国产乱人视频| 亚洲av第一区精品v没综合| 少妇的逼水好多| 日韩欧美三级三区| 别揉我奶头 嗯啊视频| 深夜a级毛片| 韩国av在线不卡| 在线观看av片永久免费下载| 好男人在线观看高清免费视频| 小说图片视频综合网站| 深爱激情五月婷婷| 一区二区三区四区激情视频 | 少妇猛男粗大的猛烈进出视频 | 在线免费观看不下载黄p国产| 亚洲专区国产一区二区| 中文字幕熟女人妻在线| 亚洲天堂国产精品一区在线| 村上凉子中文字幕在线| 国产亚洲av嫩草精品影院| 搞女人的毛片| 国产成年人精品一区二区| 干丝袜人妻中文字幕| av在线蜜桃| av卡一久久| 中文在线观看免费www的网站| 亚洲av中文av极速乱| 国产欧美日韩一区二区精品| 91午夜精品亚洲一区二区三区| 99热6这里只有精品| 国产精品久久久久久亚洲av鲁大| 又爽又黄无遮挡网站| 一级a爱片免费观看的视频| 老司机福利观看| 国产高清激情床上av| 精品久久久久久久久久久久久| 亚洲av.av天堂| 一本精品99久久精品77| 日本精品一区二区三区蜜桃| 麻豆一二三区av精品| 最近视频中文字幕2019在线8| 亚洲性久久影院| 综合色丁香网| 国产精品一区二区三区四区免费观看 | 欧美潮喷喷水| 国产精品精品国产色婷婷| av在线亚洲专区| 观看美女的网站| 黄色一级大片看看| 精品久久久久久久末码| 日本黄色视频三级网站网址| 日韩亚洲欧美综合| 婷婷精品国产亚洲av在线| 美女高潮的动态| www日本黄色视频网| 别揉我奶头 嗯啊视频| 我的女老师完整版在线观看| 免费人成在线观看视频色| 91久久精品国产一区二区三区| 日韩在线高清观看一区二区三区| 两个人视频免费观看高清| 亚洲av二区三区四区| 日本一二三区视频观看| 国产高清视频在线播放一区| 麻豆av噜噜一区二区三区| 精华霜和精华液先用哪个| 日本在线视频免费播放| 天堂√8在线中文| 午夜视频国产福利| 69人妻影院| 国产高清不卡午夜福利| 俺也久久电影网| 亚洲成人久久性| 狂野欧美白嫩少妇大欣赏| 午夜影院日韩av| 精品午夜福利视频在线观看一区| 菩萨蛮人人尽说江南好唐韦庄 | 午夜免费激情av| 国产高潮美女av| 麻豆精品久久久久久蜜桃| 91av网一区二区| 国产av一区在线观看免费| 波多野结衣高清作品| 免费一级毛片在线播放高清视频| 午夜亚洲福利在线播放| 成年版毛片免费区| 丝袜美腿在线中文| 国产精品99久久久久久久久| 国产黄a三级三级三级人| 色尼玛亚洲综合影院| 色在线成人网| 亚洲国产精品成人久久小说 | 欧美日韩综合久久久久久| 欧美zozozo另类| 国产伦一二天堂av在线观看| av在线天堂中文字幕| 日本一本二区三区精品| 男女做爰动态图高潮gif福利片| 成年免费大片在线观看| 91午夜精品亚洲一区二区三区| 精品欧美国产一区二区三| 插逼视频在线观看| 丝袜美腿在线中文| 国产精品乱码一区二三区的特点| 18禁在线播放成人免费| 亚洲国产日韩欧美精品在线观看| 日日摸夜夜添夜夜爱| 欧美日韩一区二区视频在线观看视频在线 | 丝袜美腿在线中文| 不卡一级毛片| 麻豆av噜噜一区二区三区| 草草在线视频免费看| 国产色婷婷99| 男女之事视频高清在线观看| 国产精品久久久久久久电影| 热99re8久久精品国产| 3wmmmm亚洲av在线观看| 欧美一级a爱片免费观看看| 舔av片在线| 国语自产精品视频在线第100页| 久久久色成人| 深夜a级毛片| 午夜久久久久精精品| 成人特级av手机在线观看| 久久久久国产网址| 久久久色成人| 久久国产乱子免费精品| 国产成人a区在线观看| 国产精品精品国产色婷婷| 国语自产精品视频在线第100页| 麻豆国产av国片精品| 人人妻人人澡欧美一区二区| 亚洲图色成人| 一级毛片电影观看 | 欧美高清性xxxxhd video| 日韩三级伦理在线观看| 91在线观看av| 欧美xxxx黑人xx丫x性爽| 国产爱豆传媒在线观看| 精品久久久久久成人av| 精品久久久久久久久av| 少妇高潮的动态图| 国产淫片久久久久久久久| 国产真实伦视频高清在线观看| 老女人水多毛片| 色综合站精品国产| 黄色日韩在线| 非洲黑人性xxxx精品又粗又长| 日本 av在线| 国产欧美日韩精品一区二区| 久久6这里有精品| 精品一区二区三区视频在线观看免费| 欧美丝袜亚洲另类| 久久久久久伊人网av| 久久久欧美国产精品| 亚洲五月天丁香| 又粗又爽又猛毛片免费看| 蜜桃久久精品国产亚洲av| 久久人人爽人人爽人人片va| 黄色配什么色好看| 能在线免费观看的黄片| 久久精品久久久久久噜噜老黄 | 国产 一区 欧美 日韩| a级毛片免费高清观看在线播放| 少妇高潮的动态图| 日韩 亚洲 欧美在线| 久久国产乱子免费精品| 人妻丰满熟妇av一区二区三区| 搡老妇女老女人老熟妇| 三级国产精品欧美在线观看| 精品日产1卡2卡| 少妇的逼好多水| 国产精品一区二区三区四区免费观看 | 一个人看的www免费观看视频| 可以在线观看的亚洲视频| 精品国产三级普通话版| 午夜免费男女啪啪视频观看 | 国内少妇人妻偷人精品xxx网站| 成人亚洲精品av一区二区| 久久人人爽人人爽人人片va| 婷婷亚洲欧美| 午夜激情欧美在线| 日日撸夜夜添| 亚洲国产日韩欧美精品在线观看| 春色校园在线视频观看| 亚洲精品日韩av片在线观看| 欧美最黄视频在线播放免费| 99久久无色码亚洲精品果冻| 亚洲av中文av极速乱| 国产在视频线在精品| 美女xxoo啪啪120秒动态图| 亚洲第一区二区三区不卡| 国产v大片淫在线免费观看| 国产国拍精品亚洲av在线观看| 色综合色国产| 午夜激情欧美在线| 免费电影在线观看免费观看| 久久久久久久久久成人| 给我免费播放毛片高清在线观看| 亚洲精品成人久久久久久| 国产欧美日韩精品一区二区| 久久天躁狠狠躁夜夜2o2o| 男人舔奶头视频| 国产 一区 欧美 日韩| 日韩成人av中文字幕在线观看 | 干丝袜人妻中文字幕| 免费高清视频大片| 久久久久国产精品人妻aⅴ院| 可以在线观看的亚洲视频| 菩萨蛮人人尽说江南好唐韦庄 | 桃色一区二区三区在线观看| 亚洲18禁久久av| 色综合色国产| 久久精品国产亚洲网站| 国产成年人精品一区二区| 黄色一级大片看看| 精品无人区乱码1区二区| 97超视频在线观看视频| 看免费成人av毛片| 美女 人体艺术 gogo| 国产精品国产三级国产av玫瑰| 亚洲欧美日韩东京热| 日韩亚洲欧美综合| 亚洲成人中文字幕在线播放| 亚洲欧美日韩高清在线视频| 尤物成人国产欧美一区二区三区| 亚洲av一区综合| 日韩欧美 国产精品| 亚洲图色成人| 少妇裸体淫交视频免费看高清| 91久久精品电影网| 欧美另类亚洲清纯唯美| 麻豆国产97在线/欧美| 黄色日韩在线| 久久久国产成人精品二区| 国产一区二区在线av高清观看| 成人亚洲欧美一区二区av| 一级av片app| 一级毛片电影观看 | 观看免费一级毛片| 亚洲av第一区精品v没综合| 亚洲激情五月婷婷啪啪| 国产av一区在线观看免费| 日本免费a在线| 日韩一本色道免费dvd| av在线老鸭窝| 一个人观看的视频www高清免费观看| 国产男靠女视频免费网站| 联通29元200g的流量卡| 午夜老司机福利剧场| eeuss影院久久|