• <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 ?

    低分辨率唇紋識別算法的性能評估*

    2024-03-23 07:31:00周洪成
    傳感器與微系統(tǒng) 2024年3期
    關鍵詞:網(wǎng)絡層識別率卷積

    韋 靜,周洪成,牛 犇

    (1.鹽城工學院機械工程學院,江蘇 鹽城 224051;2.金陵科技學院電子信息工程學院,江蘇 南京 211169)

    0 引 言

    隨著高度智能化時代的到來,信息技術逐漸被應用到生活的各個角落,各類信息都在以前所未有的速度被共享和傳遞,個人身份信息安全時刻都在面臨著各類挑戰(zhàn)。生物特征識別技術[1]的發(fā)展與應用提供了有效的解決方案,即使用人體具有隱蔽性、唯一性和永久性的生理特征或行為特征,結合模式識別、計算機視覺和圖像處理等計算機技術來進行個人身份的識別和驗證。卷積神經(jīng)網(wǎng)絡(convolutional neural network,CNN)作為深度學習的代表算法之一,被成功地應用于各項生物特征識別技術,主要包括人臉識別[2]、指紋識別[3]、掌紋識別[4]和虹膜識別[5]等。

    在信息技術快速發(fā)展和應用的背景下,唇紋識別得到了快速發(fā)展,國內(nèi)外學者相繼提出了識別算法。Niu B 等人[6]提出融合Gabor特征和局部二值模式(local binary pattern,LBP)特征的唇紋識別框架,以支持向量機(support vector machine,SVM)為分類器進行識別,在自建的數(shù)據(jù)集上獲得86.7%的識別率。Wrobel K 等人[7]引入唇紋皺紋分析,分別建立唇紋皺紋模式進行分類識別,使用多個唇溝來確定4個方向最常見的唇溝分布,最終得到了92.73%的識別率。Sandhya S等人[8]實現(xiàn)了基于機器學習的唇紋識別系統(tǒng),采用SVM、K 近鄰(K-nearest neighbor,KNN)、集成分類器和神經(jīng)網(wǎng)絡等分類器分別進行實驗,最終集成分類器在120張數(shù)據(jù)集上取得了97%的識別率。

    綜合分析上述識別算法,建立的唇紋數(shù)據(jù)集規(guī)模較小,圖像均為高質(zhì)量和高分辨率,而低分辨率唇紋圖像的研究和分析相對較少。且算法中存在圖像預處理過程復雜、識別成本較高和特征提取效率較低等問題,以致識別周期較長和不具備實時性,而且識別率還有待提高,很難將其實際應用在生活場景中。

    為解決上述算法中存在的問題,本文結合CNN 的優(yōu)勢,創(chuàng)建了低分辨率唇紋數(shù)據(jù)集,充分借鑒CNN 在人臉識別、掌紋識別等領域的成功應用,探索研究適用于唇紋識別的CNN模型。

    1 CNN

    1.1 AlexNet與GoogleNet

    Krizhevsky A 等人[9]提出的AlexNet 包含5 個卷積(Conv)層和3 個全連接(fully connected,F(xiàn)C)層,采用并行結構設計且使用2 塊圖形處理器(graphic processing unit,GPU)同時進行訓練,在ImageNet數(shù)據(jù)集的分類大賽獲得冠軍。隨著計算機視覺技術的發(fā)展,以及硬件設備功能的提升,不斷地優(yōu)化改進網(wǎng)絡結構提出新的網(wǎng)絡,提升網(wǎng)絡模型識別效果最直接的方法就是增加網(wǎng)絡的深度和寬度,網(wǎng)絡結構越深,其特征表達能力越強。由Szegedy C 等人[10]提出的GoogleNet,其網(wǎng)絡結構是基于Inception 模塊的設計。如圖1所示,使用多個不同大小的卷積核,將網(wǎng)絡碎片化以增加網(wǎng)絡寬度,能夠提取多尺度的特征信息,最后將特征信息進行拼接融合,首次以模塊化的結構搭建網(wǎng)絡。

    圖1 Inception模塊

    1.2 ResNet與DenseNet

    通過簡單的堆疊網(wǎng)絡層可以提高識別率,同時也會帶來梯度消失、梯度爆炸和參數(shù)量巨大等問題,還會產(chǎn)生網(wǎng)絡退化問題。即隨著網(wǎng)絡深度的增加,模型的準確率出現(xiàn)飽和現(xiàn)象,導致訓練集準確率下降。針對這些問題,He K 等人[11]提出基于殘差塊的網(wǎng)絡ResNet,能夠?qū)⒕W(wǎng)絡層數(shù)延伸至上千層,該網(wǎng)絡的殘差單元采用快捷方式(shortcut)的連接方式,如圖2 所示,恒等映射有效地解決了梯度消失問題,并將參數(shù)量巨大的FC層替換為全局平均池化層,同時提出ResNet_18、34、50和ResNet_101等網(wǎng)絡結構。

    圖2 殘差模塊

    Huang G 等人[12]以鼓勵特征重用的角度出發(fā),提出DenseNet進一步將網(wǎng)絡層數(shù)從121 層增加至264 層,設計了稠密連接和過渡層,稠密連接是每一層的輸入都來自于前面所有層的輸出,使得低維和高維特征都能被有效利用,不僅有效地解決了梯度消失問題,還加強了特征信息之間的傳遞。過渡層則是控制特征通道數(shù),該結構包含批歸一化(batch normalization,BN)、1 ×1 的卷積層和2 ×2 的均值池化層,降低了網(wǎng)絡的參數(shù)。

    1.3 SqueezeNet與ShuffleNet

    Iandola F N等人[13]提出了SqueezeNet,該網(wǎng)絡結構的亮點是設計了Fire模塊。如圖3 所示,包含壓縮層和擴展層2個部分,將3 ×3 的卷積核替換為1 ×1 大小以減少參數(shù),減少輸入3 ×3 的輸入特征數(shù)量,每隔3 個Fire 模塊進行下采樣操作,使卷積層具有較大的激活圖。在ImageNet數(shù)據(jù)集上訓練達到與AlexNet相近的分類精度,且模型大小縮小了近510倍,同時降低了模型的計算與內(nèi)存開銷,從此揭開了對輕量級CNN的研究。

    圖3 Fire模塊

    ShuffleNet[14]是由曠視科技提出可應用于計算力受限的移動設備的網(wǎng)絡,其新穎性主要體現(xiàn)在使用分組卷積和通道混洗操作。為解決不同組之間的特征通信問題,在組卷積操作后使用通道混洗操作,提升不同組之間的信息融合度。通過改進后提出ShuffleNetV2[15],在數(shù)據(jù)輸入后增加了通道分離操作,沒有使用分組卷積操作,并在特征圖拼接操作后再進行通道混洗,保證模型準確率的同時大幅度壓縮模型的大小。

    1.4 MobileNet與GhostNet

    Google 團隊提出一種新的輕量化神經(jīng)網(wǎng)絡,即MobileNet[16],主要針對移動端與嵌入式設備視覺應用。傳統(tǒng)的標準卷積過程會產(chǎn)生大量的參數(shù),該網(wǎng)絡的創(chuàng)新點是提出深度可分離卷積,有效減少了網(wǎng)絡參數(shù)。但深度卷積產(chǎn)生的特征通道數(shù)較少,在激活函數(shù)ReLU6 的作用下易產(chǎn)生較高的信息損耗。為此,改進后提出的MobileNetV2[17],借鑒ResNet 的思想設計倒殘差結構和線性瓶頸結構,圖4(a)為倒殘差結構,將1 ×1 卷積核用來提升數(shù)據(jù)維度,使用ReLU6激活函數(shù),以提高網(wǎng)絡的準確率。圖4(b)將ReLU6 替換成線性激活函數(shù),減少對低維數(shù)據(jù)進行非線性激活運算,降低數(shù)據(jù)信息的丟失。

    圖4 MobileNetV2 不同步長對應的塊結構

    華為諾亞方舟實驗室[18]將ResNet_50 的第一個殘差塊處理輸出的特征圖進行可視化,發(fā)現(xiàn)存在很多相似的“特征圖對”,并提出特征圖對中的一個特征圖可以通過簡單的線性變換操作得到,以降低計算成本。GhostNet中的Ghost模塊如圖5所示,通過使用少量的參數(shù)來生成更多的特征圖,先用部分卷積核生成少量的內(nèi)部特征圖,再以簡單的線性變換操作生成Ghost特征圖,最后把兩組特征圖拼接在一起即輸出結果。在ImageNet數(shù)據(jù)集上與其他模型進行對比實驗,相同計算量的情況下,GhostNet 的識別精度相對較高。

    圖5 Ghost模塊

    2 低分辨率唇紋識別算法性能評估實驗

    2.1 實驗數(shù)據(jù)與參數(shù)配置

    2.1.1 數(shù)據(jù)采集與處理

    文獻[6]采用接觸式采集方法,即使用美容霜、磁粉和磁粉涂抹器以及帶白紙的滾筒等,再將唇紋轉(zhuǎn)移到白紙,使用掃描儀將白紙上的唇紋轉(zhuǎn)化為數(shù)字圖像,建立了一個共350張灰度圖像的唇紋數(shù)據(jù)庫,圖像分辨率為800 ×400(300 dpi),如圖6(a)中所示,更適合應用于刑偵調(diào)查領域。

    圖6 不同分辨率的唇紋圖像

    實驗所用的唇紋圖像分別來自于30 個志愿者,采用非接觸式采集方法獲取圖像。為獲取到不同角度的唇紋圖像,采取視頻錄像的方式,使用海康威視的日夜型槍型網(wǎng)絡攝像機搭配高清鏡頭進行拍攝。在自然光照的條件下,志愿者將嘴唇與攝像機鏡頭保持30 cm的距離,并保持正常閉合狀態(tài)從左往右、從上往下的移動,得到每個志愿者的嘴唇視頻錄像。視頻中每個人唇紋的清晰度不同,因此以每隔5幀抓取一張圖片的方式獲得清晰的三原色(RGB)圖像。再將每張圖片大小統(tǒng)一裁剪為458 ×234(96 dpi),如圖6(b)中所示,與傳統(tǒng)識別方法建立數(shù)據(jù)庫相比,采集的圖片均屬于低分辨率唇紋圖像,更適用于實際生活場景的應用。最終每個志愿者提取70 張清晰的圖像,將30 個志愿者的圖像分別保存并建立以數(shù)字01~30 為類別標簽,整個數(shù)據(jù)集共2 100張唇紋圖像。

    2.1.2 實驗環(huán)境與參數(shù)配置

    實驗中所使用的網(wǎng)絡模型均基于Pytorch 深度學習框架進行搭建,硬件系統(tǒng)配置為AMD-R7 5800H處理器,Windows10 操作系統(tǒng),16 GB 運行內(nèi)存,顯卡(GPU)為NVIDIA GeForce RTX3050Ti,CUDA是使用的CUDA11.4。數(shù)據(jù)集以8∶2的比例劃分為訓練集和測試集,即訓練集樣本數(shù)為1 680張圖像,測試集的樣本數(shù)為420 張。選擇Adam 網(wǎng)絡優(yōu)化算法進行訓練,采用交叉熵損失函數(shù)來計算損失值,批處理大?。╞atch_size)為16,網(wǎng)絡的訓練次數(shù)(epochs)為200。

    實驗均采用準確率(Accuracy,A)作為評價網(wǎng)絡性能的指標,即模型正確預測的樣本數(shù)與樣本總數(shù)的比值,計算過程如下所示

    式中 TP(true positive)為正樣本被預測為正的樣本數(shù),F(xiàn)P(false positive)為負樣本被預測為正的樣本數(shù),TN(true negative)為負樣本被預測為負的樣本數(shù),F(xiàn)N(false negative)為正樣本被預測為負的樣本數(shù)。為保證模型的泛化能力,本文所有實驗結果中的識別率均取最后20 個epochs 的測試準確率的平均值。

    2.2 實驗結果與分析

    2.2.1 不同網(wǎng)絡模型的識別結果

    選取8種經(jīng)典的和輕量化的網(wǎng)絡模型,除AlexNet的原始輸入圖像大小為227 ×227,其余模型的輸入圖像大小均為224 ×224,分別進行唇紋識別模型訓練,將學習率的大小設置為0.000 1,實驗結果如表1所示。

    表1 不同網(wǎng)絡模型的識別效果

    除SqueezeNet模型的識別率為81.21%,其余模型均達到了90%以上。綜合考慮各項評價指標,識別性能最好的是MobileNetV2網(wǎng)絡,倒殘差結構結合深度可分離卷積操作,既降低了模型的參數(shù)計算量,又提高了識別準確率,識別率高達97.22%。AlexNet網(wǎng)絡的參數(shù)量最大,采用單塊GPU進行訓練,識別率也達到了92.91%,而模型參數(shù)量最少及網(wǎng)絡訓練時間最短的是ShuffleNetV2,驗證了模型參數(shù)量是影響模型訓練速度的主要因素。由于DenseNet_121 的特征圖較大、卷積過程計算量大以及內(nèi)存訪問次數(shù)較多導致其訓練時間最長。因此,通過比較分析8 種網(wǎng)絡模型的識別性能,MobileNetV2是最適合應用于低分辨率唇紋識別的CNN模型。

    2.2.2 不同學習率下的MobileNetV2網(wǎng)絡識別效果

    在上述8類模型的性能比較實驗中,MobileNetV2 模型的識別率最高,所以選擇MobileNetV2作為網(wǎng)絡模型分別以不同的學習率進行訓練,對比分析實驗結果,討論學習率對模型識別性能的影響,實驗結果如表2所示。

    表2 MobileNetV2 不同學習率下的識別結果

    結合圖7不同學習率下模型的訓練損失變化曲線進行綜合分析,當學習率的大小為0.000 1 時MobileNetV2 網(wǎng)絡的性能達到了最佳,識別率高達97.22%;當學習率的值大于0.000 1時,隨著學習率的增大,收斂速度越來越快,而識別率卻在逐漸降低;當學習率小于0.000 1 時,模型收斂速度變慢且識別準確率大幅度地降低;在相同的訓練迭代次數(shù)內(nèi),學習率為0.000 01的損失值最大,驗證了當學習率過小會導致模型收斂速度慢,其準確率也未達到90%以上。

    圖7 不同學習率下訓練集的損失值變化曲線

    2.2.3 不同層數(shù)的CNN唇紋識別性能

    選擇ResNet和DenseNet 的不同層數(shù)的網(wǎng)絡進行唇紋識別實驗,將學習率的大小設置為0.000 1,其余參數(shù)保持不變,實驗結果如表3。

    表3 不同網(wǎng)絡層數(shù)的模型識別結果

    分析表3的實驗結果可以得出:ResNet 隨網(wǎng)絡層數(shù)的增加,識別率則逐漸降低。網(wǎng)絡層數(shù)由18 增加至50,識別率由96.32%降低至93.79%,主要原因是增加網(wǎng)絡層數(shù)使模型變得更復雜,且實驗訓練所用的數(shù)據(jù)較少,產(chǎn)生過擬合問題以及模型泛化能力較差。而DenseNet的網(wǎng)絡層數(shù)均在100層以上,與ResNet_18 相比,DenseNet_121 的網(wǎng)絡層數(shù)較多但參數(shù)量較少,其特征圖較大、卷積過程計算量大和內(nèi)存訪問次數(shù)較多等問題導致訓練時間更長。網(wǎng)絡層數(shù)從169層增加到201 層識別率下降了0.65%,主要原因是增加網(wǎng)絡層數(shù)使模型出現(xiàn)退化問題。所以網(wǎng)絡層數(shù)并非越多越好,需要綜合考慮網(wǎng)絡的識別性能影響因素進行設計。

    3 結 論

    本文選取AlexNet、GoogleNet 和MobileNet 等8 種不同的網(wǎng)絡,探索適合應用于低分辨率唇紋識別任務的最佳網(wǎng)絡,在創(chuàng)建的低分辨率數(shù)據(jù)集上開展不同的CNN 模型、學習率和網(wǎng)絡層數(shù)等方面的實驗。綜合分析實驗結果,輕量化網(wǎng)絡MobileNetV2較其他模型更適合唇紋識別任務,可以有效地解決傳統(tǒng)識別算法中存在的問題,其識別率高達97.22%,模型大小僅8.63 MB,較合適的學習率為0.000 1,并非網(wǎng)絡結構越深識別性能就越好,有助于未來在移動終端設備上實現(xiàn)唇紋的高效實時識別。

    在未來的唇紋識別研究工作中,需要進一步擴大數(shù)據(jù)集規(guī)模,不斷改進優(yōu)化網(wǎng)絡結構和調(diào)整各項參數(shù),構建識別率高、泛化能力強及更適用于移動設備的低分辨率唇紋識別模型。

    猜你喜歡
    網(wǎng)絡層識別率卷積
    Noise-Tolerant ZNN-Based Data-Driven Iterative Learning Control for Discrete Nonaffine Nonlinear MIMO Repetitive Systems
    基于3D-Winograd的快速卷積算法設計及FPGA實現(xiàn)
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關系
    提升高速公路MTC二次抓拍車牌識別率方案研究
    基于傅里葉域卷積表示的目標跟蹤算法
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應用
    基于WPA的物聯(lián)網(wǎng)網(wǎng)絡層安全的研究
    一種基于卷積神經(jīng)網(wǎng)絡的性別識別方法
    電視技術(2014年19期)2014-03-11 15:38:20
    亚洲av成人一区二区三| 脱女人内裤的视频| 麻豆国产av国片精品| 国产精品 国内视频| 俄罗斯特黄特色一大片| 高清视频免费观看一区二区| 精品人妻在线不人妻| 80岁老熟妇乱子伦牲交| 午夜福利乱码中文字幕| 国产免费av片在线观看野外av| 精品国产一区二区三区久久久樱花| 欧美精品高潮呻吟av久久| 国产精品二区激情视频| 最新的欧美精品一区二区| 自拍欧美九色日韩亚洲蝌蚪91| 一级毛片精品| 麻豆乱淫一区二区| 日韩欧美一区视频在线观看| 狠狠婷婷综合久久久久久88av| 久久九九热精品免费| 大片电影免费在线观看免费| 国产精品久久久久成人av| 男人舔女人的私密视频| 欧美激情极品国产一区二区三区| 麻豆国产av国片精品| 亚洲精品国产色婷婷电影| 国产成人免费无遮挡视频| 中文亚洲av片在线观看爽 | 欧美日韩精品网址| 巨乳人妻的诱惑在线观看| 午夜福利在线免费观看网站| 国产一区二区在线观看av| 午夜久久久在线观看| 午夜日韩欧美国产| 建设人人有责人人尽责人人享有的| 国产又色又爽无遮挡免费看| 黑人猛操日本美女一级片| 亚洲欧美日韩高清在线视频 | 99精品久久久久人妻精品| 国产人伦9x9x在线观看| 麻豆成人av在线观看| 天天影视国产精品| 欧美激情高清一区二区三区| 免费不卡黄色视频| 精品国产乱子伦一区二区三区| 757午夜福利合集在线观看| 韩国精品一区二区三区| 叶爱在线成人免费视频播放| 国产成人av教育| 久久热在线av| 精品少妇一区二区三区视频日本电影| 热99久久久久精品小说推荐| 久久久久精品人妻al黑| 免费观看a级毛片全部| 高清av免费在线| 亚洲专区字幕在线| 日韩中文字幕欧美一区二区| 久久精品国产亚洲av香蕉五月 | 夜夜夜夜夜久久久久| 成人18禁在线播放| 黑人操中国人逼视频| 飞空精品影院首页| 巨乳人妻的诱惑在线观看| 免费在线观看完整版高清| 巨乳人妻的诱惑在线观看| 精品一品国产午夜福利视频| 90打野战视频偷拍视频| 夜夜爽天天搞| 大片电影免费在线观看免费| 亚洲午夜理论影院| 在线 av 中文字幕| 欧美乱码精品一区二区三区| 国产高清videossex| cao死你这个sao货| 国产1区2区3区精品| 两个人看的免费小视频| 欧美另类亚洲清纯唯美| 国产精品一区二区在线不卡| 精品国内亚洲2022精品成人 | av有码第一页| 俄罗斯特黄特色一大片| 国产成人精品无人区| 亚洲国产精品一区二区三区在线| 久久亚洲真实| 大型av网站在线播放| 国产精品 国内视频| 欧美精品一区二区免费开放| 电影成人av| 国产精品 国内视频| 18在线观看网站| 十八禁人妻一区二区| 精品国产乱码久久久久久男人| 一夜夜www| 亚洲一区二区三区欧美精品| 日本一区二区免费在线视频| 成人国产av品久久久| 久久久精品区二区三区| 精品国产一区二区三区四区第35| 中文字幕人妻丝袜制服| 首页视频小说图片口味搜索| 欧美精品啪啪一区二区三区| 热99久久久久精品小说推荐| 久久性视频一级片| 国产日韩一区二区三区精品不卡| 女人被躁到高潮嗷嗷叫费观| 免费观看人在逋| 久久香蕉激情| 在线观看舔阴道视频| 十八禁高潮呻吟视频| 免费高清在线观看日韩| 在线av久久热| 黑人操中国人逼视频| 精品亚洲成国产av| 国产有黄有色有爽视频| 色尼玛亚洲综合影院| 亚洲色图av天堂| 精品国产一区二区三区四区第35| 欧美精品人与动牲交sv欧美| 国产精品一区二区在线不卡| 亚洲 国产 在线| 在线观看免费视频网站a站| 国产免费福利视频在线观看| 久久人妻av系列| 在线观看舔阴道视频| 国产在线一区二区三区精| 亚洲中文av在线| 国产精品偷伦视频观看了| 国产一区二区在线观看av| 久久热在线av| 无限看片的www在线观看| 国产午夜精品久久久久久| 国产一区二区激情短视频| 日韩欧美免费精品| 亚洲人成电影免费在线| 久久久久久亚洲精品国产蜜桃av| 热99re8久久精品国产| 露出奶头的视频| 亚洲精品一二三| 欧美黄色片欧美黄色片| 99精品欧美一区二区三区四区| 99riav亚洲国产免费| 久久久久久亚洲精品国产蜜桃av| 亚洲午夜理论影院| 国产在线一区二区三区精| 99精品欧美一区二区三区四区| 亚洲av日韩精品久久久久久密| 19禁男女啪啪无遮挡网站| 69av精品久久久久久 | 国产单亲对白刺激| 免费久久久久久久精品成人欧美视频| 最新美女视频免费是黄的| 91九色精品人成在线观看| 九色亚洲精品在线播放| 亚洲国产欧美日韩在线播放| 色在线成人网| 国产欧美日韩精品亚洲av| 男女之事视频高清在线观看| 久9热在线精品视频| 夜夜夜夜夜久久久久| 国产在线精品亚洲第一网站| 大片免费播放器 马上看| 亚洲专区国产一区二区| av在线播放免费不卡| 久久久国产精品麻豆| 国产成人影院久久av| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品亚洲av一区麻豆| 美女福利国产在线| 国产视频一区二区在线看| 国产日韩欧美在线精品| 久久久水蜜桃国产精品网| 99国产精品一区二区蜜桃av | 性少妇av在线| 亚洲专区字幕在线| 乱人伦中国视频| 大香蕉久久网| 欧美精品一区二区大全| 老司机福利观看| 欧美日韩av久久| 男女无遮挡免费网站观看| 精品久久久久久久毛片微露脸| 最近最新免费中文字幕在线| 国产97色在线日韩免费| 黄色毛片三级朝国网站| 欧美日韩精品网址| av在线播放免费不卡| 亚洲七黄色美女视频| 欧美人与性动交α欧美精品济南到| 我的亚洲天堂| 老司机在亚洲福利影院| 欧美成人午夜精品| 亚洲第一av免费看| kizo精华| 色精品久久人妻99蜜桃| 亚洲一区二区三区欧美精品| 黄色丝袜av网址大全| 中文字幕精品免费在线观看视频| 悠悠久久av| 波多野结衣av一区二区av| 久久精品aⅴ一区二区三区四区| 在线观看免费日韩欧美大片| 黄色丝袜av网址大全| 一边摸一边做爽爽视频免费| 国产精品麻豆人妻色哟哟久久| 亚洲熟妇熟女久久| 18禁国产床啪视频网站| 成人亚洲精品一区在线观看| 人成视频在线观看免费观看| 99久久国产精品久久久| 国产日韩一区二区三区精品不卡| 久久精品亚洲熟妇少妇任你| 嫩草影视91久久| 一区二区日韩欧美中文字幕| 亚洲精品国产精品久久久不卡| 亚洲av第一区精品v没综合| 无人区码免费观看不卡 | 免费黄频网站在线观看国产| 俄罗斯特黄特色一大片| 国产熟女午夜一区二区三区| 久久人人爽av亚洲精品天堂| 亚洲成人免费电影在线观看| 精品一品国产午夜福利视频| 成在线人永久免费视频| 国产精品 欧美亚洲| 一边摸一边做爽爽视频免费| 欧美日韩亚洲综合一区二区三区_| 女人爽到高潮嗷嗷叫在线视频| 午夜福利在线免费观看网站| 狂野欧美激情性xxxx| 黄色丝袜av网址大全| 国产精品久久久久成人av| videos熟女内射| 久久人妻熟女aⅴ| 人妻久久中文字幕网| 老司机在亚洲福利影院| 亚洲熟妇熟女久久| 亚洲伊人久久精品综合| 热re99久久国产66热| 韩国精品一区二区三区| 亚洲av日韩精品久久久久久密| 精品久久蜜臀av无| 免费在线观看视频国产中文字幕亚洲| 天堂动漫精品| 一级毛片电影观看| 老熟女久久久| 母亲3免费完整高清在线观看| 一级毛片精品| 国产av一区二区精品久久| 一二三四社区在线视频社区8| 成年人黄色毛片网站| 9191精品国产免费久久| 精品视频人人做人人爽| 18禁黄网站禁片午夜丰满| 一本大道久久a久久精品| 亚洲久久久国产精品| 黄色片一级片一级黄色片| 9191精品国产免费久久| 精品少妇黑人巨大在线播放| 亚洲欧洲日产国产| 老熟女久久久| 精品熟女少妇八av免费久了| 亚洲精品成人av观看孕妇| 国产男女超爽视频在线观看| 色视频在线一区二区三区| 久久久久久久大尺度免费视频| 最近最新中文字幕大全免费视频| 免费一级毛片在线播放高清视频 | 婷婷丁香在线五月| 纯流量卡能插随身wifi吗| 亚洲国产精品一区二区三区在线| 亚洲av片天天在线观看| 日韩欧美一区二区三区在线观看 | 国产激情久久老熟女| 久久久久久久大尺度免费视频| 91av网站免费观看| 91精品国产国语对白视频| 成年动漫av网址| 青草久久国产| 欧美激情久久久久久爽电影 | 色尼玛亚洲综合影院| 十八禁高潮呻吟视频| 中文欧美无线码| 精品国产国语对白av| 国产又色又爽无遮挡免费看| bbb黄色大片| av电影中文网址| 欧美日本中文国产一区发布| 多毛熟女@视频| 99久久人妻综合| 欧美精品人与动牲交sv欧美| 日韩免费高清中文字幕av| 18禁国产床啪视频网站| 国产精品免费大片| 老熟女久久久| 中文字幕人妻熟女乱码| 一级黄色大片毛片| 最近最新中文字幕大全免费视频| 丰满少妇做爰视频| 精品人妻熟女毛片av久久网站| 91麻豆av在线| 999精品在线视频| 精品福利永久在线观看| 高清欧美精品videossex| 国产亚洲欧美在线一区二区| 亚洲色图综合在线观看| 国产成人系列免费观看| 精品国产乱码久久久久久小说| 激情在线观看视频在线高清 | 日本wwww免费看| 少妇 在线观看| 欧美午夜高清在线| 成人国产av品久久久| 最新的欧美精品一区二区| av国产精品久久久久影院| 另类亚洲欧美激情| √禁漫天堂资源中文www| 免费看a级黄色片| 人成视频在线观看免费观看| 欧美 亚洲 国产 日韩一| 欧美日本中文国产一区发布| 伦理电影免费视频| 国产淫语在线视频| 久久久久久亚洲精品国产蜜桃av| 丝瓜视频免费看黄片| 国产色视频综合| 亚洲自偷自拍图片 自拍| av有码第一页| 亚洲 欧美一区二区三区| 国产主播在线观看一区二区| 老司机午夜福利在线观看视频 | 最新的欧美精品一区二区| 一区二区三区乱码不卡18| 国产亚洲欧美在线一区二区| 久久青草综合色| 国产xxxxx性猛交| 亚洲成a人片在线一区二区| 午夜精品国产一区二区电影| 99香蕉大伊视频| 少妇 在线观看| 国产成人精品久久二区二区91| 丝袜美足系列| 国产亚洲欧美在线一区二区| 亚洲中文日韩欧美视频| 美女高潮喷水抽搐中文字幕| 黄片播放在线免费| 国产不卡一卡二| 成年女人毛片免费观看观看9 | 成年动漫av网址| 精品久久蜜臀av无| 欧美在线黄色| 色综合欧美亚洲国产小说| 新久久久久国产一级毛片| 欧美人与性动交α欧美精品济南到| 日本黄色视频三级网站网址 | 最近最新中文字幕大全电影3 | 又黄又粗又硬又大视频| 热re99久久国产66热| 99久久人妻综合| 国产精品 国内视频| 91大片在线观看| 国产欧美日韩一区二区三区在线| 啦啦啦 在线观看视频| 日本wwww免费看| 女性被躁到高潮视频| 亚洲美女黄片视频| 中国美女看黄片| 国产在视频线精品| 一区福利在线观看| 欧美亚洲 丝袜 人妻 在线| 黄色怎么调成土黄色| 日韩免费av在线播放| 狠狠婷婷综合久久久久久88av| 国产视频一区二区在线看| 国产三级黄色录像| 成年女人毛片免费观看观看9 | 日韩视频在线欧美| 777米奇影视久久| 日韩欧美国产一区二区入口| 久久久精品国产亚洲av高清涩受| 久久久久久久大尺度免费视频| 欧美精品一区二区免费开放| 中文亚洲av片在线观看爽 | 免费av中文字幕在线| 99re在线观看精品视频| 可以免费在线观看a视频的电影网站| 国产在线一区二区三区精| 精品国产乱码久久久久久小说| 蜜桃国产av成人99| 黄片大片在线免费观看| 在线观看免费视频日本深夜| 国产成人精品久久二区二区91| av不卡在线播放| 久久精品国产亚洲av高清一级| 国产精品国产高清国产av | 精品国产乱码久久久久久小说| 久久久久久久国产电影| 一进一出抽搐动态| 丝瓜视频免费看黄片| e午夜精品久久久久久久| 99国产极品粉嫩在线观看| 亚洲免费av在线视频| 免费黄频网站在线观看国产| 亚洲精品国产一区二区精华液| 男女无遮挡免费网站观看| 国产亚洲午夜精品一区二区久久| 91麻豆精品激情在线观看国产 | 国产亚洲欧美精品永久| 18禁观看日本| 久久久久久久精品吃奶| www.精华液| 久久午夜亚洲精品久久| 9色porny在线观看| 成年动漫av网址| 精品久久久久久电影网| 国产精品99久久99久久久不卡| 国产精品av久久久久免费| 成人18禁高潮啪啪吃奶动态图| 老司机在亚洲福利影院| 9色porny在线观看| h视频一区二区三区| 99热国产这里只有精品6| 国产在视频线精品| 亚洲男人天堂网一区| 亚洲一区二区三区欧美精品| 啦啦啦中文免费视频观看日本| 波多野结衣av一区二区av| 亚洲av国产av综合av卡| 精品久久久精品久久久| 日韩三级视频一区二区三区| 精品久久久精品久久久| 久久精品91无色码中文字幕| 成人黄色视频免费在线看| 少妇猛男粗大的猛烈进出视频| 在线永久观看黄色视频| 50天的宝宝边吃奶边哭怎么回事| 成年人免费黄色播放视频| 久久久国产一区二区| 91字幕亚洲| 99热国产这里只有精品6| 热99国产精品久久久久久7| 欧美日韩亚洲综合一区二区三区_| 国产免费视频播放在线视频| 免费观看av网站的网址| 久久国产亚洲av麻豆专区| 成人免费观看视频高清| 久久99热这里只频精品6学生| 性高湖久久久久久久久免费观看| 黑人猛操日本美女一级片| 免费少妇av软件| 成年女人毛片免费观看观看9 | 亚洲精华国产精华精| av天堂久久9| 欧美黑人欧美精品刺激| 国产精品免费大片| 91精品三级在线观看| 夫妻午夜视频| 日本精品一区二区三区蜜桃| 黄片播放在线免费| 天天添夜夜摸| 亚洲色图综合在线观看| 午夜福利在线免费观看网站| 高清av免费在线| 80岁老熟妇乱子伦牲交| 欧美一级毛片孕妇| 欧美激情 高清一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91| kizo精华| 亚洲欧洲日产国产| kizo精华| 亚洲综合色网址| 另类亚洲欧美激情| 婷婷丁香在线五月| 日韩欧美三级三区| 亚洲avbb在线观看| 深夜精品福利| 国产在线精品亚洲第一网站| 少妇被粗大的猛进出69影院| 成人国产av品久久久| 亚洲成av片中文字幕在线观看| 色尼玛亚洲综合影院| 99在线人妻在线中文字幕 | 午夜福利在线观看吧| 99精品在免费线老司机午夜| 999精品在线视频| 两人在一起打扑克的视频| 国产免费视频播放在线视频| 国产成人精品无人区| 国产99久久九九免费精品| 欧美激情高清一区二区三区| 午夜福利视频精品| 国产精品一区二区在线不卡| 久久精品人人爽人人爽视色| 三上悠亚av全集在线观看| 夜夜爽天天搞| 久久 成人 亚洲| 亚洲熟女毛片儿| 国产男女超爽视频在线观看| 免费在线观看黄色视频的| 成年人午夜在线观看视频| 欧美激情 高清一区二区三区| 久久香蕉激情| 在线观看舔阴道视频| 99国产精品免费福利视频| 99久久国产精品久久久| 黄色视频在线播放观看不卡| 丝袜喷水一区| 亚洲av欧美aⅴ国产| 国产精品 欧美亚洲| 水蜜桃什么品种好| 纵有疾风起免费观看全集完整版| 法律面前人人平等表现在哪些方面| 天堂俺去俺来也www色官网| 亚洲九九香蕉| 高清在线国产一区| 涩涩av久久男人的天堂| 黄色片一级片一级黄色片| 岛国在线观看网站| 午夜福利,免费看| 午夜激情久久久久久久| 妹子高潮喷水视频| 精品少妇黑人巨大在线播放| 午夜成年电影在线免费观看| 在线永久观看黄色视频| 精品国产一区二区久久| 精品福利观看| 国产av一区二区精品久久| 狂野欧美激情性xxxx| 亚洲精品一二三| 高清在线国产一区| 国产一区有黄有色的免费视频| 夜夜夜夜夜久久久久| av线在线观看网站| 国产色视频综合| 少妇精品久久久久久久| 黄色片一级片一级黄色片| 一区二区日韩欧美中文字幕| 日本wwww免费看| 一边摸一边做爽爽视频免费| 国产一区二区在线观看av| 国产成人欧美| 日本vs欧美在线观看视频| 不卡一级毛片| 大码成人一级视频| 精品亚洲乱码少妇综合久久| 免费av中文字幕在线| 人妻 亚洲 视频| 日本av手机在线免费观看| 久久精品国产亚洲av高清一级| 悠悠久久av| 中文字幕人妻熟女乱码| 久久亚洲精品不卡| 精品少妇内射三级| 国产欧美亚洲国产| 精品福利观看| av网站免费在线观看视频| 亚洲 国产 在线| 亚洲一区二区三区欧美精品| 建设人人有责人人尽责人人享有的| 亚洲中文av在线| 成年人午夜在线观看视频| 电影成人av| 国产在线一区二区三区精| 99久久国产精品久久久| 丝袜喷水一区| 久久青草综合色| 日韩熟女老妇一区二区性免费视频| 一级a爱视频在线免费观看| 亚洲七黄色美女视频| 老熟妇乱子伦视频在线观看| 欧美日韩福利视频一区二区| 超碰97精品在线观看| 90打野战视频偷拍视频| 制服人妻中文乱码| 99国产综合亚洲精品| 亚洲av片天天在线观看| 免费人妻精品一区二区三区视频| 亚洲熟女毛片儿| av福利片在线| 亚洲中文字幕日韩| 一级,二级,三级黄色视频| 国产深夜福利视频在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 久久精品aⅴ一区二区三区四区| 国产精品成人在线| 男女无遮挡免费网站观看| 精品少妇内射三级| 国产精品偷伦视频观看了| 久久精品国产亚洲av香蕉五月 | 精品一区二区三卡| 嫁个100分男人电影在线观看| 成人特级黄色片久久久久久久 | 色94色欧美一区二区| 99九九在线精品视频| videos熟女内射| 91麻豆av在线| av视频免费观看在线观看| 无人区码免费观看不卡 | 亚洲国产精品一区二区三区在线| 在线观看66精品国产| 中文字幕另类日韩欧美亚洲嫩草| 美女国产高潮福利片在线看| 国产亚洲欧美在线一区二区| 高清欧美精品videossex| 免费在线观看完整版高清| 国产男女内射视频| 正在播放国产对白刺激| 国产视频一区二区在线看| 免费在线观看黄色视频的| 9热在线视频观看99| 最新的欧美精品一区二区| 国产在视频线精品| a在线观看视频网站| 悠悠久久av| 一边摸一边抽搐一进一小说 | 蜜桃在线观看..|