• <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 ?

    基于相對索引特征回歸的人臉對齊算法*

    2018-04-09 07:26:15韜,軍,2
    傳感器與微系統(tǒng) 2018年4期
    關鍵詞:魯棒性像素點人臉

    楊 韜, 孔 軍,2

    (1.江南大學 輕工業(yè)先進過程控制重點實驗室,江蘇 無錫 214122;2.新疆大學 電氣工程學院, 新疆 烏魯木齊 830047)

    0 引 言

    人臉對齊的目的是從人臉圖像或視頻中定位出諸如眼睛、鼻子、嘴巴等面部特征點,具有廣泛的應用前景。但是在現實中,由于人臉形狀的多變性,及姿態(tài)、不同人臉檢測結果等因素的影響,人臉對齊問題仍然面臨巨大挑戰(zhàn)。

    近年,人臉對齊問題的研究取得了很大進步。在諸多算法中,級聯(lián)形狀回歸算法作為主流算法而不斷被研究改進。Cao X等人[1]提出的顯式形狀回歸(ESR),通過學習一系列人臉形狀回歸量,控制人臉由初始形狀逐步收斂于目標真實形狀,但該算法對噪聲十分敏感,且需要存儲大量的形狀回歸量。Ren S等人[2]隨后提出了對于每個面部特征點編碼局部二值特征(local binary feature,LBF),提高了對齊速度與精度,但該算法很容易受不同人臉檢測器的影響,同時對于較大人臉姿態(tài)的魯棒性不強。

    本文在原始LBF算法的基礎上進行改進。首先,在特征點相關子區(qū)域設計了一種相對索引特征代替形狀索引特征;同時提出了一種空間依賴假設,結合相對索引在每個依賴區(qū)域進行聯(lián)合線性回歸,最后以實驗的方式比較本文的算法與原始的LBF算法,包括對齊表現(精度比較)和算法的魯棒性(敏感性分析)。

    1 級聯(lián)形狀回歸

    給出一張人臉圖像I,人臉對齊問題可以看作由一個包含M個面部特征點的形狀S通過迭代的方式最終收斂到目標真實形狀的過程

    (1)

    級聯(lián)形狀回歸算法通常從一個初始形狀S0開始,可以是取自所有訓練樣本的平均形狀,然后通過T個回歸器(R1,R2,…,RT)以級聯(lián)的方式逐漸修正形狀估計?;貧w器Rt輸出形狀增量ΔSt結合上一級形狀估計St-1更新當前形狀估計St

    St=St-1+ΔSt

    (2)

    實際算法設計中,形狀增量ΔSt獲取可以解釋為

    ΔSt=WtΦt(I,St-1)

    (3)

    級聯(lián)形狀回歸算法:

    1:fort=1 toTdo

    2:Set ΔSt←0,Δt←-St-1

    3:ft=Φt(I,St-1) ? 獲得特征

    4:ΔSt=Rt(ft) ? 回歸

    5:St=St-1+ΔS?更新形狀估計

    6:end for

    輸出:最終估計ST

    LBF算法的創(chuàng)新在于在隨機森林的框架下編碼每個特征點周圍的局部紋理,將像素特征轉化成二值化稀疏特征矩陣。隨后結合這些局部二值化特征聯(lián)合學習一個全局線性回歸矩陣Wt

    (4)

    公式前半部分為回歸目標;后者為Wt的L2范數正則化矩陣;λ為一個自由收縮參數。實驗證明,這種編碼方式可使回歸更快地收斂,LBF也因此取得了目前對齊算法中最快的成績。

    但該算法很容易受不同人臉檢測器的影響。圖1給出了原始LBF算法在不同人臉檢測器下對齊效果。圖中第一列的人臉檢測結果來自于IBUG[3],后2列來自于目前最先進的人臉檢測器HeadHunter[4]和Dlib[5]。同時該算法對于較大人臉姿態(tài)的魯棒性不強??赡苁怯捎趩我坏男螤钏饕卣髋c全局線性回歸配合不足以有效解決現實中的人臉對齊問題。同時,由于人臉外部輪廓和五官各部分的定位難度不同,全局回歸共用一個損失函數會導致各個特征點在訓練損失函數中分布嚴重不平衡。

    圖1 LBF人臉對齊算法在不同人臉檢測器下的表現

    2 相對索引特征

    現實中的人臉對齊常受到較大形狀變化的挑戰(zhàn),為了解決這個問題,ESR算法利用形狀索引特征:以當前形狀St-1為基準,任意像素點在圖像中的位置可以由離其最近的特征點m到這個像素點的相對坐標索引,即(m,δx,δy)。這種索引方法相較于傳統(tǒng)的圖像全局坐標索引方式魯棒性更強。受啟發(fā)于ESR算法的成功,LBF在St-1的每個特征點周圍隨機采樣P個像素點,并使用形狀索引方式索引像素點。

    然而,單一的形狀索引特征在面對較大形狀變化或個體差異時魯棒性仍不夠強,如圖2(a)所示,相同形狀索引值對應的像素點在兩個人臉上位置差別很大。本文提出了一種更為魯棒的特征索引方式,稱為相對索引特征。對于每個目標特征點m,首先尋找與其具有依賴關系的特征點n。隨后在這兩個特征點之間采樣像素點,并通過二者距離比例r來索引像素點,即(m,n,r),如圖2(b)所示。從圖2中可以看出,在面對較大人臉形狀變化時,本文的相對索引特征魯棒性更強。

    圖2 相對索引特征對比形狀索引特征

    實際上,如果直接在任意兩個特征點之間采樣像素點,會出現一些采樣的像素點與目標特征點距離過遠,從而導致這些像素點失去了描述目標特征點周圍紋理信息的意義。將具有相互依賴關系的特征點歸為一組可以避免出現該問題。本文簡單地將所有特征點進行分組。如圖3所示,圖3(a)給出了本文作者手動將所有特征點劃分為K組,即St=(St,1,St,2,…,St,K);圖3(b)給出了原始LBF算法在以特征點為圓心的一個圓區(qū)域內采樣像素點;圖3(c)給出了本文算法在一個空間依賴假設的前提下,在相鄰特征點之間進行采樣。這種特征點間依賴假設在后續(xù)線性回歸中仍然使用到。

    圖3 空間依賴假設和特征采樣

    3 半全局線性學習

    (5)

    式中L和R分別為當前結點中訓練樣本經過分裂后分別落在左、右子結點的子樣本集合;D(L)和D(R)為左、右子結點樣本回歸目標的方差。訓練完成后,所有的葉子結點儲存了訓練樣本的特征信息。隨機森林的輸出為所有葉子結點的集合:樣本到達葉子結點處值為1;否則,為0。

    考慮到簡單結合所有的局部二值特征構成一個Φt并全局學習一個線性回歸矩陣Wt并未有效利用特征點之間的形狀約束,且會導致各個特征點在訓練損失函數中分布嚴重不平衡。本文將放棄原有的全局線性學習,在之前的空間依賴假設的前提下將特征映射函數分為K組,即{Φt,1,Φt,2,…,Φt,K} 。然后分別對每組特征點聯(lián)合學習,即半全局線性學習。對于每一組k,學習過程可以描述為

    (6)

    特征映射函數Φt,k具有以下特性:1)特征的維數很大;2)特征是高度稀疏的,因為大部分值為0。選擇使用支持向量回歸(SVR),同時采用雙坐標下降法處理該大規(guī)模稀疏線性系統(tǒng),即使用基于L2范數正則化的L2損失支持向量回歸[6]。

    4 實 驗

    實驗將本文算法與近幾年出現的幾種先進算法進行對比。實驗評估使用300-W[3]基準數據集,包含3 148個訓練樣本和689個測試樣本。實驗中所做的唯一預處理是圖像去均值操作。

    4.1 評估對齊精度

    實驗平臺為Ubuntu C++環(huán)境。實驗將本文算法與ESR,LBF,CLM[7,8]算法進行對比,實驗結果如圖4所示。首先比較了幾種算法的平均對齊誤差(AE),如圖4(a),誤差通過除以兩眼間距離的方式正規(guī)化。為了防止一些對齊誤差較大的樣本影響評估,舍去了對齊誤差最高的10個樣本后重新繪制了圖4(b)。對比2圖可以看出,盡管只去掉了10個樣本,平均對齊誤差的改變幅度卻有所差別,例如LBF算法降低了0.83,而本文的算法降低了0.79,相對更穩(wěn)定。

    圖4 算法表現對比

    繪制了累積誤差分布(cumulative error distribution,CED)曲線,如圖4(c)。本文采用了文獻[8]的設定,樣本對齊誤差大于0.1即為對齊失敗。由于使用平均對齊誤差的方式比較算法優(yōu)良容易受到較大對齊誤差樣本的影響,設計了一種新的評價機制,即曲線下面積(area under curve,AUC)

    (7)

    式中e為對齊誤差;f(e)為累積誤差分布函數。圖4(d)給出了這種評價機制結果。從式(7)可以看出 不受對齊誤差大于0.1的樣本的影響,且相較于CED曲線可以更為直觀地評價算法的表現。本文統(tǒng)一采用平均形狀作為各個算法的初始形狀S0。從圖4中可以看出,本文的算法無論在對齊精度還是穩(wěn)定性上均優(yōu)于其他算法。

    4.2 人臉框敏感性分析

    4.2.1 人臉框中心偏移

    為了測試算法的魯棒性,實驗將繼續(xù)測試各個算法在人臉框中心出現偏移的情況下的表現。實驗中,將標準人臉框按照上下左右4個方向從0.01~0.1倍框大小共偏移40次。對于每個偏移半徑,計算4個方向上的平均對齊誤差,將得到10組檢測結果,并繪制AUC0.1曲線比較算法的魯棒性,如圖5所示。從圖中可以看出,當人臉框發(fā)生偏移時,各算法均會受到影響,其中CLM算法表現最為穩(wěn)定。到當偏移半徑超過0.04時,LBF算法變得十分敏感,AUC0.1值從0.451(原始) 到0.438(3 %偏移),到0.409(5 %偏移),到0.363(7 %偏移)。本文的算法較LBF和ESR算法更為穩(wěn)定。

    圖5 人臉框位移下各算法表現

    4.2.2 人臉框縮放

    實驗測試了各個算法在人臉框縮放情況下的表現。實驗中,將標準人臉框按0.9~1.1倍比例縮放,圖6給出了各個算法的表現。比較發(fā)現,本文算法與CLM算法對于人臉框縮放穩(wěn)定性較好,LBF算法對于人臉框縮放十分敏感,即使微小的縮放即極大影響算法的表現。

    圖6 人臉框縮放下各算法表現

    5 結束語

    提出了一種魯棒性更強的相對索引特征,并且依賴于特征點間的約束關系將所有特征點分組學習。實驗結果表明:本文算法加強了形狀約束,在人臉姿態(tài)或人臉框變化條件下具有更強的魯棒性。下一步將嘗試改進二值特征編碼方式,降低特征維度,提高特征的判決性。

    參考文獻:

    [1] Cao X,Wei Y,Wen F,et al.Face alignment by explicit shape regression[C]∥Computer Vision and Pattern Recognition,IEEE,2012:2887-2894.

    [2] Ren S,Cao X,Wei Y,et al.Face alignment at 3000 FPS via regressing local binary features[C]∥IEEE Conference on Computer Vision and Pattern Recognition,IEEE,2014:1685-1692.

    [3] Sagonas C,Tzimiropoulos G,Zafeiriou S,et al.300 Faces in-the-wild challenge:The first facial landmark localization challenge[C]∥IEEE International Conference on Computer Vision Workshops,IEEE,2013:397-403.

    [4] Mathias M,Benenson R,Pedersoli M,et al.Face detection without bells and whistles[M].Computer Vision,ECCV 2014,Springer International Publishing,2014:720-735.

    [5] King D E.Dlibml:A machine learning toolkit[J].Journal of Machine Learning Research,2009,10(3):1755-1758.

    [6] Fan R E,Chang K W,Hsieh C J,et al.LIBLINEAR:A library for large linear classification[J].Journal of Machine Learning Research,2008,9(9):1871-1874.

    [7] Wang Y,Lucey S,Cohn J F.Enforcing convexity for improved alignment with constrained local models[C]∥IEEE Conference on Computer Vision & Pattern Recognition,Proc of IEEE Comput Soc Conf on Comput Vis Pattern Recognit,2008:1.

    [8] Fanelli G,Gall J,Dantone M,et al.Real-time facial feature detection using conditional regression forests[C]∥IEEE Conference on Computer Vision and Pattern Recognition,IEEE Computer Society,2012:2578-2585.

    猜你喜歡
    魯棒性像素點人臉
    有特點的人臉
    荒漠綠洲區(qū)潛在生態(tài)網絡增邊優(yōu)化魯棒性分析
    基于確定性指標的弦支結構魯棒性評價
    中華建設(2019年7期)2019-08-27 00:50:18
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    基于canvas的前端數據加密
    基于逐像素點深度卷積網絡分割模型的上皮和間質組織分割
    基于非支配解集的多模式裝備項目群調度魯棒性優(yōu)化
    非接觸移動供電系統(tǒng)不同補償拓撲下的魯棒性分析
    馬面部與人臉相似度驚人
    基于Node-Cell結構的HEVC幀內編碼
    電視技術(2014年11期)2014-12-02 02:43:28
    最黄视频免费看| 交换朋友夫妻互换小说| 麻豆成人av视频| 涩涩av久久男人的天堂| 好男人视频免费观看在线| 草草在线视频免费看| 日本-黄色视频高清免费观看| 美女中出高潮动态图| 亚洲欧美日韩另类电影网站 | 欧美成人一区二区免费高清观看| 97超视频在线观看视频| 亚洲av欧美aⅴ国产| 日韩一区二区视频免费看| 女的被弄到高潮叫床怎么办| 中文乱码字字幕精品一区二区三区| 亚洲欧美清纯卡通| 久久久色成人| 国产淫片久久久久久久久| 久久精品久久精品一区二区三区| 少妇丰满av| 国产女主播在线喷水免费视频网站| 九九在线视频观看精品| 高清午夜精品一区二区三区| 黑丝袜美女国产一区| 蜜桃在线观看..| 成人一区二区视频在线观看| 直男gayav资源| 亚洲人成网站高清观看| 中国美白少妇内射xxxbb| 亚洲最大成人中文| 色网站视频免费| 99国产精品免费福利视频| 少妇人妻精品综合一区二区| 国产精品三级大全| 啦啦啦在线观看免费高清www| 啦啦啦在线观看免费高清www| 超碰av人人做人人爽久久| 国产精品精品国产色婷婷| 亚洲国产精品一区三区| 99热国产这里只有精品6| 国产男女超爽视频在线观看| 18禁动态无遮挡网站| 国产亚洲一区二区精品| 一级av片app| 免费黄频网站在线观看国产| 免费人成在线观看视频色| 美女中出高潮动态图| 亚洲性久久影院| 乱码一卡2卡4卡精品| 丝瓜视频免费看黄片| 国产一区有黄有色的免费视频| 中国美白少妇内射xxxbb| 国产色婷婷99| 观看免费一级毛片| 欧美丝袜亚洲另类| 99久国产av精品国产电影| 18禁在线播放成人免费| 国产精品女同一区二区软件| 18禁裸乳无遮挡动漫免费视频| 日本色播在线视频| 精品人妻偷拍中文字幕| 亚洲欧美日韩东京热| 成人高潮视频无遮挡免费网站| 黄色一级大片看看| 国产有黄有色有爽视频| 亚洲中文av在线| 人妻 亚洲 视频| 又爽又黄a免费视频| 国产视频内射| 国产精品一区www在线观看| 亚洲国产最新在线播放| 久久久久久久精品精品| 青春草亚洲视频在线观看| 久久青草综合色| 日本猛色少妇xxxxx猛交久久| 精品人妻视频免费看| 高清黄色对白视频在线免费看 | 日日啪夜夜爽| 国产深夜福利视频在线观看| 亚洲第一av免费看| 赤兔流量卡办理| 精品少妇黑人巨大在线播放| 精品一品国产午夜福利视频| 纯流量卡能插随身wifi吗| 18禁裸乳无遮挡免费网站照片| 黄色视频在线播放观看不卡| 狠狠精品人妻久久久久久综合| 亚洲三级黄色毛片| 伦精品一区二区三区| www.av在线官网国产| 中文字幕久久专区| 国产伦精品一区二区三区四那| 日本黄色日本黄色录像| 高清黄色对白视频在线免费看 | 在线观看一区二区三区| 欧美区成人在线视频| 亚洲无线观看免费| 老女人水多毛片| 国产亚洲av片在线观看秒播厂| 久久精品熟女亚洲av麻豆精品| 国产精品国产av在线观看| 波野结衣二区三区在线| 午夜福利在线观看免费完整高清在| 日本黄色日本黄色录像| 国产成人午夜福利电影在线观看| 日本欧美视频一区| 亚洲第一av免费看| 久久久a久久爽久久v久久| 国产精品人妻久久久久久| 成人免费观看视频高清| 久久热精品热| 少妇人妻 视频| 美女主播在线视频| 日韩伦理黄色片| 国产亚洲91精品色在线| 国产成人a∨麻豆精品| 一区二区三区四区激情视频| 亚洲aⅴ乱码一区二区在线播放| 亚洲va在线va天堂va国产| av女优亚洲男人天堂| 色视频www国产| 亚洲人成网站在线播| 国产精品伦人一区二区| 久久久久精品性色| 99热全是精品| 久久精品国产亚洲av天美| 国产淫语在线视频| 十八禁网站网址无遮挡 | 国产一级毛片在线| 亚洲欧美日韩另类电影网站 | 一个人免费看片子| 一级爰片在线观看| 欧美一级a爱片免费观看看| 国产精品麻豆人妻色哟哟久久| 99热这里只有是精品50| 精品一品国产午夜福利视频| 成人高潮视频无遮挡免费网站| 国产永久视频网站| 七月丁香在线播放| 国产精品国产三级国产av玫瑰| 最黄视频免费看| 亚洲熟女精品中文字幕| 国产午夜精品久久久久久一区二区三区| 国产永久视频网站| 寂寞人妻少妇视频99o| 日本-黄色视频高清免费观看| 美女脱内裤让男人舔精品视频| av天堂中文字幕网| 国产精品.久久久| 三级经典国产精品| 国产成人精品福利久久| 久久久久国产网址| 日韩国内少妇激情av| 麻豆成人av视频| 麻豆成人av视频| 五月开心婷婷网| 免费观看在线日韩| 欧美区成人在线视频| 成人免费观看视频高清| 亚洲欧美一区二区三区黑人 | 97在线人人人人妻| 中文字幕免费在线视频6| 如何舔出高潮| 日韩视频在线欧美| 亚洲色图av天堂| 国产黄色免费在线视频| 亚洲国产精品专区欧美| 久久人人爽av亚洲精品天堂 | 欧美激情国产日韩精品一区| 人人妻人人澡人人爽人人夜夜| 亚洲美女黄色视频免费看| 国产成人精品婷婷| 少妇猛男粗大的猛烈进出视频| 99热6这里只有精品| 99热这里只有是精品50| 欧美97在线视频| 国产伦精品一区二区三区四那| 日韩电影二区| 国产av一区二区精品久久 | 国产乱人视频| 精品一区二区免费观看| 久久 成人 亚洲| 在线免费十八禁| 国产亚洲一区二区精品| 久热久热在线精品观看| 国产在线一区二区三区精| 日韩视频在线欧美| 国产毛片在线视频| 国产精品一区二区性色av| av免费观看日本| 一级片'在线观看视频| 亚洲精品国产色婷婷电影| av国产久精品久网站免费入址| av在线老鸭窝| 国产成人freesex在线| 国产黄色免费在线视频| 婷婷色综合大香蕉| 日本vs欧美在线观看视频 | www.色视频.com| 久久精品久久精品一区二区三区| 天堂俺去俺来也www色官网| 亚洲国产毛片av蜜桃av| 精品一区二区三卡| 人人妻人人看人人澡| 夫妻性生交免费视频一级片| 2022亚洲国产成人精品| 精品午夜福利在线看| 一二三四中文在线观看免费高清| 99热全是精品| 尤物成人国产欧美一区二区三区| 青春草视频在线免费观看| 国产精品人妻久久久久久| 免费看光身美女| 在线天堂最新版资源| 国内少妇人妻偷人精品xxx网站| 精品人妻视频免费看| av免费在线看不卡| 高清av免费在线| 精品久久久久久久久av| 男男h啪啪无遮挡| 亚洲精品国产av蜜桃| 久久久久国产网址| 国产精品国产三级专区第一集| 精品人妻视频免费看| 日本午夜av视频| www.色视频.com| 日本猛色少妇xxxxx猛交久久| 在线观看国产h片| av卡一久久| 久久久久网色| 国产亚洲一区二区精品| 老熟女久久久| 在线观看免费视频网站a站| 亚洲国产精品999| 三级经典国产精品| 精品熟女少妇av免费看| freevideosex欧美| 又大又黄又爽视频免费| 国产欧美另类精品又又久久亚洲欧美| 日韩强制内射视频| 亚洲成人手机| 亚洲国产色片| 啦啦啦啦在线视频资源| 久久久a久久爽久久v久久| 大话2 男鬼变身卡| 国产精品国产三级国产av玫瑰| 美女cb高潮喷水在线观看| 乱码一卡2卡4卡精品| 伦精品一区二区三区| 国产一区二区三区综合在线观看 | 亚洲av日韩在线播放| 一本色道久久久久久精品综合| 六月丁香七月| 99久久人妻综合| 九九在线视频观看精品| 中文字幕av成人在线电影| 草草在线视频免费看| 亚洲,一卡二卡三卡| 18禁动态无遮挡网站| 黄色一级大片看看| 少妇被粗大猛烈的视频| 欧美日韩视频高清一区二区三区二| 美女xxoo啪啪120秒动态图| 日韩强制内射视频| 国产精品一二三区在线看| 少妇精品久久久久久久| 国产精品人妻久久久久久| 国产精品久久久久久久久免| 久久青草综合色| 涩涩av久久男人的天堂| 亚洲第一区二区三区不卡| 欧美精品国产亚洲| 2021少妇久久久久久久久久久| 免费看不卡的av| 亚洲精品,欧美精品| 99九九线精品视频在线观看视频| 女的被弄到高潮叫床怎么办| 国产成人精品福利久久| 国产伦精品一区二区三区视频9| 毛片一级片免费看久久久久| 久久精品国产亚洲av天美| 波野结衣二区三区在线| 久久久久久伊人网av| 大香蕉97超碰在线| 精品视频人人做人人爽| 男女啪啪激烈高潮av片| 国产亚洲最大av| 免费黄色在线免费观看| 内射极品少妇av片p| 欧美日韩视频精品一区| 啦啦啦视频在线资源免费观看| 日日啪夜夜爽| 欧美精品一区二区大全| 亚洲精品国产色婷婷电影| 三级国产精品片| 十八禁网站网址无遮挡 | av天堂中文字幕网| 日日撸夜夜添| 亚洲欧美一区二区三区国产| 18+在线观看网站| 在线观看一区二区三区| 国产成人aa在线观看| 色5月婷婷丁香| 2022亚洲国产成人精品| 成人18禁高潮啪啪吃奶动态图 | 日韩国内少妇激情av| 最新中文字幕久久久久| 男女无遮挡免费网站观看| 你懂的网址亚洲精品在线观看| 97超视频在线观看视频| 国产老妇伦熟女老妇高清| 日韩电影二区| 午夜日本视频在线| 精品久久久久久久久av| 久久久久网色| 精品一品国产午夜福利视频| 中文字幕av成人在线电影| 青春草亚洲视频在线观看| 精品99又大又爽又粗少妇毛片| 人人妻人人澡人人爽人人夜夜| 日本vs欧美在线观看视频 | 观看美女的网站| 亚洲人成网站在线播| 全区人妻精品视频| xxx大片免费视频| 狂野欧美激情性bbbbbb| av视频免费观看在线观看| 永久网站在线| 成人18禁高潮啪啪吃奶动态图 | 在线精品无人区一区二区三 | 成人二区视频| 九草在线视频观看| av免费在线看不卡| 亚洲av免费高清在线观看| 夜夜爽夜夜爽视频| 成人毛片60女人毛片免费| 丰满人妻一区二区三区视频av| 王馨瑶露胸无遮挡在线观看| 99热这里只有精品一区| 九草在线视频观看| 免费观看a级毛片全部| 国产精品一区二区在线不卡| 水蜜桃什么品种好| 另类亚洲欧美激情| 亚洲精品乱码久久久久久按摩| 日韩av免费高清视频| 99热全是精品| 国产高清不卡午夜福利| 中国国产av一级| 久久久久久人妻| 少妇高潮的动态图| 久久精品久久久久久噜噜老黄| 在线观看美女被高潮喷水网站| 日韩 亚洲 欧美在线| 日韩电影二区| 高清黄色对白视频在线免费看 | 欧美日韩视频精品一区| 久久青草综合色| 免费在线观看成人毛片| 久久久欧美国产精品| 国产极品天堂在线| 日韩成人av中文字幕在线观看| 国产久久久一区二区三区| 寂寞人妻少妇视频99o| 久久ye,这里只有精品| 麻豆成人午夜福利视频| 欧美97在线视频| 男女免费视频国产| 国产精品免费大片| 欧美3d第一页| 亚洲成人av在线免费| 国产一区亚洲一区在线观看| 免费在线观看成人毛片| 黄色日韩在线| 有码 亚洲区| 日韩 亚洲 欧美在线| 91狼人影院| 菩萨蛮人人尽说江南好唐韦庄| 一本一本综合久久| 日韩成人伦理影院| 久久久久精品久久久久真实原创| 婷婷色综合www| 久久毛片免费看一区二区三区| 在线观看一区二区三区| 99久久综合免费| 熟妇人妻不卡中文字幕| 午夜福利在线观看免费完整高清在| 2018国产大陆天天弄谢| 男人狂女人下面高潮的视频| 色5月婷婷丁香| 国产真实伦视频高清在线观看| 国精品久久久久久国模美| 三级国产精品片| 成人亚洲欧美一区二区av| 国国产精品蜜臀av免费| 午夜精品国产一区二区电影| 亚洲第一区二区三区不卡| 超碰av人人做人人爽久久| 成年av动漫网址| 九九在线视频观看精品| 国产男人的电影天堂91| 狂野欧美白嫩少妇大欣赏| 麻豆成人av视频| 亚洲美女视频黄频| 麻豆成人午夜福利视频| 欧美激情国产日韩精品一区| 十分钟在线观看高清视频www | 爱豆传媒免费全集在线观看| 少妇人妻精品综合一区二区| 亚洲最大成人中文| 最近最新中文字幕免费大全7| 亚洲精品日本国产第一区| 国产一区二区三区综合在线观看 | 我的女老师完整版在线观看| 在现免费观看毛片| 色5月婷婷丁香| 亚洲国产欧美在线一区| 如何舔出高潮| 交换朋友夫妻互换小说| 嫩草影院入口| 国产午夜精品一二区理论片| 国产精品无大码| 亚洲,一卡二卡三卡| 老师上课跳d突然被开到最大视频| 中文天堂在线官网| 国产精品久久久久久av不卡| 另类亚洲欧美激情| 久久99热这里只有精品18| 乱系列少妇在线播放| 精品酒店卫生间| 国产精品免费大片| 免费看av在线观看网站| 久久国产精品大桥未久av | 久久精品国产自在天天线| 日本一二三区视频观看| 免费看不卡的av| 国产黄频视频在线观看| 91精品国产国语对白视频| 黄色欧美视频在线观看| 国产精品成人在线| 久久午夜福利片| 国产av一区二区精品久久 | 丰满乱子伦码专区| 亚洲图色成人| 免费高清在线观看视频在线观看| av在线播放精品| 老女人水多毛片| 91午夜精品亚洲一区二区三区| 午夜免费鲁丝| 新久久久久国产一级毛片| 欧美精品人与动牲交sv欧美| 午夜免费鲁丝| 久久久a久久爽久久v久久| 日韩av在线免费看完整版不卡| 最近中文字幕高清免费大全6| 老熟女久久久| 在线天堂最新版资源| 卡戴珊不雅视频在线播放| 97超碰精品成人国产| 国产精品国产三级国产av玫瑰| 国产一级毛片在线| 久久久亚洲精品成人影院| 97热精品久久久久久| 蜜桃在线观看..| 国产精品秋霞免费鲁丝片| 久久久久精品性色| 岛国毛片在线播放| 丰满乱子伦码专区| 又黄又爽又刺激的免费视频.| 又大又黄又爽视频免费| 欧美丝袜亚洲另类| 久久热精品热| 久久久久网色| 亚洲电影在线观看av| 久久 成人 亚洲| 91狼人影院| 麻豆国产97在线/欧美| 欧美高清性xxxxhd video| 亚洲激情五月婷婷啪啪| 91精品国产国语对白视频| 少妇的逼水好多| 久久久国产一区二区| 亚洲国产精品国产精品| 日本午夜av视频| 少妇熟女欧美另类| 国产女主播在线喷水免费视频网站| 女人十人毛片免费观看3o分钟| 午夜视频国产福利| 日本wwww免费看| 51国产日韩欧美| av福利片在线观看| 我要看日韩黄色一级片| av黄色大香蕉| 久久精品国产自在天天线| 麻豆乱淫一区二区| 两个人的视频大全免费| 中文字幕精品免费在线观看视频 | 中文资源天堂在线| 亚洲av.av天堂| 久热久热在线精品观看| 天天躁夜夜躁狠狠久久av| 丰满少妇做爰视频| 伦理电影大哥的女人| 久久久精品94久久精品| 亚洲国产毛片av蜜桃av| 国产精品秋霞免费鲁丝片| 香蕉精品网在线| 国产精品福利在线免费观看| 久久久久国产精品人妻一区二区| 国产成人精品久久久久久| 一区二区三区免费毛片| 亚洲国产日韩一区二区| 亚洲国产欧美在线一区| 国产91av在线免费观看| 一区二区三区精品91| 最近的中文字幕免费完整| 中文天堂在线官网| 亚洲国产色片| 亚洲av日韩在线播放| 91久久精品国产一区二区成人| 成人高潮视频无遮挡免费网站| 欧美日韩视频高清一区二区三区二| 久久精品熟女亚洲av麻豆精品| 99热网站在线观看| 在线亚洲精品国产二区图片欧美 | 少妇 在线观看| 日韩欧美 国产精品| 亚洲国产精品成人久久小说| 亚洲欧美一区二区三区黑人 | 午夜福利高清视频| 亚洲国产最新在线播放| 亚洲久久久国产精品| 国产高清国产精品国产三级 | av又黄又爽大尺度在线免费看| 99久久人妻综合| 国产一区二区在线观看日韩| 美女视频免费永久观看网站| 亚洲精品,欧美精品| 久久久久精品性色| 久久久久久久久久久免费av| 搡老乐熟女国产| 纯流量卡能插随身wifi吗| 身体一侧抽搐| 一区二区三区乱码不卡18| 亚洲,欧美,日韩| 狂野欧美激情性xxxx在线观看| 欧美高清性xxxxhd video| 肉色欧美久久久久久久蜜桃| 高清不卡的av网站| 少妇的逼水好多| 亚洲成人中文字幕在线播放| 亚洲四区av| 亚洲国产高清在线一区二区三| 亚洲成人手机| 亚洲久久久国产精品| 视频中文字幕在线观看| 国产成人一区二区在线| 国产视频首页在线观看| 久久精品熟女亚洲av麻豆精品| 18禁裸乳无遮挡动漫免费视频| 高清毛片免费看| 美女主播在线视频| 性色av一级| 亚洲av国产av综合av卡| 亚洲国产色片| 制服丝袜香蕉在线| 国产在视频线精品| 黑丝袜美女国产一区| 国产av国产精品国产| 欧美激情国产日韩精品一区| 久久久久人妻精品一区果冻| 国产伦精品一区二区三区四那| 国产一区亚洲一区在线观看| av在线app专区| 3wmmmm亚洲av在线观看| 成年免费大片在线观看| 亚洲精品自拍成人| 一级黄片播放器| 国产成人免费观看mmmm| 国产在线一区二区三区精| 亚洲av男天堂| 又爽又黄a免费视频| 一级毛片 在线播放| tube8黄色片| 少妇人妻 视频| 国产精品伦人一区二区| 国产午夜精品久久久久久一区二区三区| 久久精品夜色国产| 天天躁夜夜躁狠狠久久av| 黄色视频在线播放观看不卡| 天天躁夜夜躁狠狠久久av| 欧美xxxx性猛交bbbb| 免费高清在线观看视频在线观看| 性色av一级| 欧美日韩精品成人综合77777| 久久久久久久久久久丰满| 国产精品人妻久久久影院| 国产淫语在线视频| 国国产精品蜜臀av免费| 成人午夜精彩视频在线观看| 免费av中文字幕在线| 国产成人午夜福利电影在线观看| 18禁在线播放成人免费| 亚洲在久久综合| 91精品伊人久久大香线蕉| 欧美区成人在线视频| 国内精品宾馆在线| 在线观看av片永久免费下载| 建设人人有责人人尽责人人享有的 | 日本欧美国产在线视频| 高清黄色对白视频在线免费看 | 久久 成人 亚洲| 性高湖久久久久久久久免费观看| 91精品国产国语对白视频| 老司机影院毛片|