• <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AOF-LCNN的語音回放攻擊場景下的說話人識別算法

    2020-12-18 03:21:14蔡曉東侯珍珍
    桂林電子科技大學學報 2020年1期
    關(guān)鍵詞:集上網(wǎng)絡結(jié)構(gòu)語音

    李 波,蔡曉東,侯珍珍,陳 思

    (桂林電子科技大學 信息與通信學院,廣西 桂林 541004)

    說話人識別因為語音獲取方便、成本低廉以及支持遠程識別,在安防、金融和生活上發(fā)揮了重要作用。但因為聲音容易被高保真設備錄音,會導致說話人識別系統(tǒng)的安全性受到極大威脅,這就是回放語音攻擊。語音回放攻擊不需要專業(yè)手段,只需要一個錄音設備即可,獲取錄音的成本低廉,獲取方便,因此語音回放攻擊成為說話人識別領域一個巨大的挑戰(zhàn)。為了應對這種挑戰(zhàn),一般從2個方面著手:1)改進信號層面特征;2)改進模型。

    一般信號層面的特征有如下幾種:梅爾倒譜系數(shù)(mel frequency cepstrum coefficient,簡稱MFCC)[1],constant Q transform,簡稱CQT[2],constant Q cepstral coefficients,簡稱CQCC[3],fast fourier transformation,簡稱FFT。梅爾倒譜系數(shù)被廣泛使用于各種語音場景,如語音識別、說話人識別、語言識別等。而CQT特征則被用來檢測各種語音攻擊場景,起到了非常好的效果。CQCC特征在語音攻擊場景下也是使用廣泛的一種特征,它最先被使用于基于語音合成和聲音變換的語音攻擊場景,后被使用于語音回放攻擊場景。FFT特征是對一段語音進行時頻變換得到的語譜圖,其特征信息較為全面,適合作為神經(jīng)網(wǎng)絡訓練的輸入特征。本研究采用的信號層面特征為FFT特征。

    在模型層面上,傳統(tǒng)模型如高斯混合模型(gaussian mixture model,簡稱GMM)[4],采用2個高斯混合模型分別對真實語音和回放語音進行建模,再利用支持向量機(support vector machine,簡稱SVM)作為分類器,可取得不錯的效果。隨著深度學習技術(shù)的興起,深度神經(jīng)網(wǎng)絡(deep neural networks,簡稱DNN)[5]被用來作為特征提取器對語音樣本進行特征提取,通過訓練可以對真實語音及回放語音進行分類。更進一步,隨著卷積神經(jīng)網(wǎng)絡(convolutional neural networks,簡稱CNN)[6]在圖像識別領域出色的表現(xiàn),CNN被引入說話人識別領域,并針對語音回放攻擊場景下的說話人識別取得了很好的效果。在ASVspoof 2017挑戰(zhàn)賽中,基于最大特征圖(max-feature-map,簡稱MFM)[7]結(jié)構(gòu)的 (light convolutional neural networks,簡稱LCNN)[8]網(wǎng)絡的性能取得了不錯的效果。

    但LCNN網(wǎng)絡結(jié)構(gòu)中存在一個問題,容易導致過擬合。針對該問題,提出一種基于 (anti overfitting-light convolutional neural networks,簡稱AOF-LCNN)的端到端神經(jīng)網(wǎng)絡。首先,設計了一個新的DNN結(jié)構(gòu)分類器作為后端分類網(wǎng)絡,將該DNN結(jié)構(gòu)級聯(lián)在LCNN網(wǎng)絡之后,形成一套新的端到端網(wǎng)絡結(jié)構(gòu);其次,因為LCNN結(jié)構(gòu)中的MFM結(jié)構(gòu)可能是造成過擬合的原因,因此在DNN后端結(jié)構(gòu)中采用LeakyReLU作為激活函數(shù),以抵消MFM的過擬合影響。

    提出的網(wǎng)絡結(jié)構(gòu)主要思路如下:

    1)提出的在LCNN網(wǎng)絡結(jié)構(gòu)后級聯(lián)本設計的新的DNN架構(gòu),可形成一個新的端到端網(wǎng)絡結(jié)構(gòu),從而可以聯(lián)合優(yōu)化,不用分別優(yōu)化局部模塊,因此達到全局最優(yōu);

    2)設計新的DNN網(wǎng)絡后端分類模塊,可作為一個良好的分類器將LCNN提取的特征進行分類,可以得到更好的分類結(jié)果;

    3)在DNN中采用LeakyReLU作為激活函數(shù),可抵消可能由MFM結(jié)構(gòu)帶來的過擬合影響。

    1 LCNN端到端系統(tǒng)

    LCNN系統(tǒng)[8]是一種使用了最大特征圖[7]激活函數(shù)的CNN網(wǎng)絡結(jié)構(gòu)。最大特征圖激活函數(shù)定義為:

    ?i=1~H,j=1~W,k=1~N/2。

    (1)

    其中:x是尺寸為H×W×N的輸入;y是尺寸為H×W×N/2的輸出;i、j為時間域和頻率域指數(shù);k為信道指數(shù)。相對于ReLU激活函數(shù),最大特征圖激活函數(shù)使用了一個閾值來抑制神經(jīng)元,從而形成神經(jīng)元之間的競爭關(guān)系,因此最大特征圖是一個特征選擇器。

    LCNN[8]結(jié)構(gòu)包含了5個卷積層,4個NIN(network in network)層[9],10個最大特征圖層,4個最大池化層和2個全連接層。

    在LCNN系統(tǒng)中,最大特征圖激活函數(shù)用來計算卷積層后每2個信道元素級別的最大值。在整個網(wǎng)絡中,使用最大池化層在時間和頻率維度進行降維。最大池化層的卷積核尺寸為2×2,步長為2。全連接層FC6的作用是將信號轉(zhuǎn)化為一個低維高級別特征表示。全連接層FC7是一個softmax分類層,用來區(qū)分真實語音和回放語音。

    2 AOF-LCNN網(wǎng)絡結(jié)構(gòu)

    在LCNN網(wǎng)絡結(jié)構(gòu)中存在過擬合的問題,提出一種基于AOF-LCNN的網(wǎng)絡結(jié)構(gòu)以解決該問題。因為LCNN結(jié)構(gòu)中的最大特征圖結(jié)構(gòu)可能是導致過擬合的主要原因,在保留最大特征圖結(jié)構(gòu)的情況下,使用LeakyReLU對系統(tǒng)進行補償,從而減輕過擬合的影響。因此,AOF-LCNN系統(tǒng)中,首先,設計了一個新的DNN結(jié)構(gòu)分類器作為后端分類網(wǎng)絡,將該DNN結(jié)構(gòu)級聯(lián)在LCNN網(wǎng)絡之后,形成一套新的端到端網(wǎng)絡結(jié)構(gòu);其次,因為LCNN結(jié)構(gòu)中的最大特征圖結(jié)構(gòu)可能是造成過擬合的原因,因此在DNN后端結(jié)構(gòu)中采用LeakyReLU作為激活函數(shù),以抵消MFM的過擬合影響。

    AOF-LCNN網(wǎng)絡結(jié)構(gòu)如圖1所示。圖1中:Conv為卷積層;MFM為最大特征圖激活層;Maxpool為最大池化層;FC為全連接層。在AOF-LCNN網(wǎng)絡結(jié)構(gòu)的前端部分,與LCNN網(wǎng)絡結(jié)構(gòu)基本保持一致,區(qū)別在于其少了一個全連接層FC7,其結(jié)構(gòu)為第一個卷積層后連接了4個卷積塊,其中每個卷積塊之間通過最大池化層連接,最后連接了一個全連接層,以生成語音的特征表示。在每個卷積層和卷積塊中,均以最大特征圖作為激活函數(shù),稱為MFM層,其使用在每個卷積層后。其中,在第一個卷積層中,采用卷積核尺寸為5×5,步長為1×1,第一個MFM層的通道數(shù)為16。在其后的每個卷積塊中,含有2個卷積層和2個MFM層,其卷積層a的卷積核尺寸均為1×1,步長均為1×1,卷積層b的卷積核尺寸均為3×3,步長均為1×1。在每個卷積塊中,第一個卷積層后的MFM層,其通道數(shù)跟前一個卷積層后的MFM層通道數(shù)保持一致,第二個卷積層后的MFM層的通道數(shù)分別為24,32,16,16。其中每個最大池化層的卷積核尺寸為2×2,步長為2×2。

    圖1 AOF-LCNN網(wǎng)絡結(jié)構(gòu)

    DNN后端結(jié)構(gòu)由5個全連接層構(gòu)成,每個全連接層的節(jié)點數(shù)為1 024。輸入尺寸為256,輸出尺寸為2,分別表示真實語音和回放語音。采用LeakyReLU作為激活函數(shù),并對每層采用批歸一化操作和Dropout(隨機丟棄),隨機丟棄率為0.5。

    3 實驗結(jié)果及分析

    3.1 數(shù)據(jù)集和實驗配置

    3.1.1 數(shù)據(jù)集

    本實驗采用的數(shù)據(jù)集來自于ASVspoof 2017挑戰(zhàn)賽,該數(shù)據(jù)集中包含3個部分:Train、Dev和Eval。其中Train部分是為了訓練模型,Dev數(shù)據(jù)集是為了驗證性能和調(diào)參,而Eval部分不同于Train和Dev部分,其包含了新的說話人、環(huán)境、回放錄音設備以及新的攻擊形式。因此,系統(tǒng)的性能主要體現(xiàn)在Eval部分的測試結(jié)果,其反映了系統(tǒng)的泛化性能。

    3.1.2 實驗配置

    本實驗采用的數(shù)據(jù)集的語音按照每幀25 ms,10 ms幀移進行分幀,每個語音文件生成一個FFT語譜圖,其中語譜圖橫軸為時間幀數(shù),縱軸為頻率,其尺寸為864×400,其中語音文件長短不一,若幀數(shù)小于400幀,則通過補零方式處理,若大于400幀,則通過截斷方式處理。在AOF-LCNN網(wǎng)絡中,隨機丟棄率為0.5,優(yōu)化器為Adam,其中學習率設置為0.007 5,損失函數(shù)采用交叉熵損失。

    3.2 基線系統(tǒng)

    ASVspoof 2017挑戰(zhàn)賽官方給出的基線系統(tǒng)是高斯混合模型(gaussian mixture model,簡稱GMM)[8],其使用了29維的CQCC特征及其一階微分及二階微分作為輸入特征,后端模型部分采用了2個GMM模型,這2個模型使用EM(expectation maximization)算法和隨機初始化方法分別針對真實語音和回放語音進行訓練。

    3.3 實驗結(jié)果

    將LCNN網(wǎng)絡與AOF-LCNN網(wǎng)絡結(jié)構(gòu)分別在ASVspoof 2017數(shù)據(jù)集上開展實驗,得到的實驗結(jié)果及基線系統(tǒng)GMM的結(jié)果對比如表1所示,其DET(detection error tradeoff)曲線如圖2及圖3所示。

    表1 本方法與基線方法實驗結(jié)果對比 %

    圖2 Dev數(shù)據(jù)集上DET曲線對比圖

    圖3 Eval數(shù)據(jù)集上DET曲線對比圖

    從表1可知,AOF-LCNN方法在Dev數(shù)據(jù)集上得到的等錯誤率為3.59%,比ASVspoof 2017挑戰(zhàn)賽官方提供的基線系統(tǒng)方法GMM降低了6.76%,比對標系統(tǒng)LCNN方法降低了2.12%。在Eval數(shù)據(jù)集上,本方法得到的等錯誤率為13.79%,比GMM方法降低了16.81%,比LCNN方法降低了3.51%。由圖2和圖3的DET曲線可知,在Dev和Eval數(shù)據(jù)集上,本方法得到的DET曲線均處于LCNN系統(tǒng)的下方。

    3.4 實驗結(jié)果分析

    從實驗結(jié)果可知,本方法在Dev數(shù)據(jù)集上相對于LCNN系統(tǒng)和GMM系統(tǒng)有了較大提高,同樣,在Eval數(shù)據(jù)集上也表現(xiàn)了出色的性能,有了較大提高。而Dev數(shù)據(jù)集中的說話人和Train數(shù)據(jù)集中保持一致,且場景相似,在此數(shù)據(jù)集上本方法的等錯誤率相對于比賽官方提供的基線系統(tǒng)降低了6.76%,相對于LCNN方法對基線系統(tǒng)降低的等錯誤率,有了非常大的提高。而在添加了大量無關(guān)說話人和變換場景的Eval數(shù)據(jù)集上,LCNN系統(tǒng)表現(xiàn)較差,表現(xiàn)出了強烈的過擬合,而本方法在Eval數(shù)據(jù)集上的表現(xiàn)較為出色,相對于LCNN系統(tǒng)在等錯誤率上降低了3.51%,改善了過擬合,也表現(xiàn)了較好的魯棒性。

    4 結(jié)束語

    提出一種基于AOF-LCNN網(wǎng)絡結(jié)構(gòu)的語音回放攻擊場景下的說話人識別方法,以區(qū)分真實語音和回放語音。在ASVspoof 2017挑戰(zhàn)賽數(shù)據(jù)集上的結(jié)果顯示,提出的基于AOF-LCNN網(wǎng)絡結(jié)構(gòu)的方法在Dev數(shù)據(jù)集上的性能要顯著優(yōu)于LCNN系統(tǒng),同時在與訓練數(shù)據(jù)有非常大差異的Eval數(shù)據(jù)集上也表現(xiàn)出很好的性能,從而說明本方法不僅在等錯誤率上提高了系統(tǒng)的性能,而且表現(xiàn)出了較好的魯棒性。在本研究中,只針對神經(jīng)網(wǎng)絡中存在的問題進行了探究,下一步可在信號層面特征上做更深入的研究。

    猜你喜歡
    集上網(wǎng)絡結(jié)構(gòu)語音
    Cookie-Cutter集上的Gibbs測度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    魔力語音
    基于MATLAB的語音信號處理
    電子制作(2019年14期)2019-08-20 05:43:38
    基于MQ3與MP3的價廉物美的酒駕語音提醒器
    電子制作(2019年9期)2019-05-30 09:42:10
    對方正在輸入……
    小說界(2018年5期)2018-11-26 12:43:42
    復扇形指標集上的分布混沌
    基于互信息的貝葉斯網(wǎng)絡結(jié)構(gòu)學習
    知識網(wǎng)絡結(jié)構(gòu)維對于創(chuàng)新績效的作用機制——遠程創(chuàng)新搜尋的中介作用
    滬港通下A+ H股票網(wǎng)絡結(jié)構(gòu)演化的實證分析
    亚洲片人在线观看| 90打野战视频偷拍视频| 动漫黄色视频在线观看| 亚洲中文日韩欧美视频| 正在播放国产对白刺激| 久久久久精品国产欧美久久久| 可以免费在线观看a视频的电影网站| 人妻久久中文字幕网| 欧美黄色淫秽网站| 99在线视频只有这里精品首页| 久久天躁狠狠躁夜夜2o2o| 亚洲五月婷婷丁香| 成人午夜高清在线视频| 色精品久久人妻99蜜桃| 最近最新中文字幕大全免费视频| 国内毛片毛片毛片毛片毛片| 一级黄色大片毛片| 亚洲九九香蕉| 99在线人妻在线中文字幕| 久久人人精品亚洲av| 国产精品99久久99久久久不卡| 中文字幕久久专区| 又爽又黄无遮挡网站| 亚洲无线在线观看| 丰满的人妻完整版| 久久香蕉精品热| 久久中文字幕一级| 少妇被粗大的猛进出69影院| 精品少妇一区二区三区视频日本电影| 美女午夜性视频免费| 亚洲国产日韩欧美精品在线观看 | 亚洲成人国产一区在线观看| 亚洲熟女毛片儿| 国产精华一区二区三区| 男女床上黄色一级片免费看| 亚洲成人精品中文字幕电影| 免费无遮挡裸体视频| 成人18禁在线播放| 欧美丝袜亚洲另类 | 99re在线观看精品视频| 一本综合久久免费| 熟女少妇亚洲综合色aaa.| 国内揄拍国产精品人妻在线| 成人高潮视频无遮挡免费网站| 欧美丝袜亚洲另类 | 在线观看免费午夜福利视频| 精品乱码久久久久久99久播| 夜夜夜夜夜久久久久| 丰满人妻一区二区三区视频av | 精品人妻1区二区| 不卡av一区二区三区| 高清毛片免费观看视频网站| 欧美黑人精品巨大| 一区二区三区激情视频| www国产在线视频色| 亚洲一码二码三码区别大吗| 男女午夜视频在线观看| 欧美国产日韩亚洲一区| 国产麻豆成人av免费视频| videosex国产| 婷婷六月久久综合丁香| av中文乱码字幕在线| 欧美日韩国产亚洲二区| 国产人伦9x9x在线观看| 老司机午夜福利在线观看视频| 麻豆av在线久日| 黄片小视频在线播放| 欧美+亚洲+日韩+国产| 黄色毛片三级朝国网站| 99热这里只有精品一区 | 精品午夜福利视频在线观看一区| 亚洲精品美女久久av网站| 伊人久久大香线蕉亚洲五| 又黄又爽又免费观看的视频| 久久人妻av系列| 国产亚洲av嫩草精品影院| 久久精品影院6| 麻豆久久精品国产亚洲av| 欧美高清成人免费视频www| 免费在线观看成人毛片| 亚洲黑人精品在线| 亚洲av电影在线进入| 亚洲,欧美精品.| 欧美一区二区精品小视频在线| 亚洲一区二区三区不卡视频| 亚洲成a人片在线一区二区| 最近最新中文字幕大全免费视频| 天堂√8在线中文| 国产av一区二区精品久久| 亚洲精品久久成人aⅴ小说| 久久久久亚洲av毛片大全| 国产熟女xx| 精品一区二区三区av网在线观看| 欧美日韩福利视频一区二区| 亚洲精品久久国产高清桃花| 国产精品av久久久久免费| 久久天堂一区二区三区四区| 黑人操中国人逼视频| 免费看日本二区| 男女视频在线观看网站免费 | 午夜福利在线观看吧| 中文字幕熟女人妻在线| 日韩欧美一区二区三区在线观看| 每晚都被弄得嗷嗷叫到高潮| 亚洲午夜精品一区,二区,三区| 看黄色毛片网站| 黄色成人免费大全| 欧洲精品卡2卡3卡4卡5卡区| a在线观看视频网站| 午夜亚洲福利在线播放| 久久婷婷人人爽人人干人人爱| 亚洲自拍偷在线| 久久香蕉精品热| 日韩大尺度精品在线看网址| √禁漫天堂资源中文www| 可以在线观看的亚洲视频| 亚洲aⅴ乱码一区二区在线播放 | 制服诱惑二区| 亚洲av熟女| 国产一区二区激情短视频| 欧美+亚洲+日韩+国产| 777久久人妻少妇嫩草av网站| 国产在线精品亚洲第一网站| 黄色毛片三级朝国网站| 国产av麻豆久久久久久久| 亚洲人成网站高清观看| 夜夜夜夜夜久久久久| 亚洲天堂国产精品一区在线| 成人亚洲精品av一区二区| 国产精品亚洲av一区麻豆| 亚洲成人久久爱视频| 中文字幕精品亚洲无线码一区| 三级毛片av免费| 在线播放国产精品三级| 国产视频内射| 久久久久久久精品吃奶| 亚洲黑人精品在线| 最近在线观看免费完整版| 久久国产乱子伦精品免费另类| 在线观看免费视频日本深夜| 欧美日韩国产亚洲二区| 看免费av毛片| 久久热在线av| 欧美国产日韩亚洲一区| 欧美另类亚洲清纯唯美| 国产精华一区二区三区| 国产真人三级小视频在线观看| 两个人看的免费小视频| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美色视频一区免费| 大型av网站在线播放| 国产亚洲欧美在线一区二区| 色老头精品视频在线观看| 亚洲成av人片在线播放无| 久久这里只有精品19| 欧美成狂野欧美在线观看| 男人的好看免费观看在线视频 | 免费一级毛片在线播放高清视频| 性欧美人与动物交配| 国产av又大| 天堂√8在线中文| 日本精品一区二区三区蜜桃| 成人三级黄色视频| 亚洲欧美日韩无卡精品| 91字幕亚洲| 精品一区二区三区视频在线观看免费| 亚洲中文字幕一区二区三区有码在线看 | 五月玫瑰六月丁香| 每晚都被弄得嗷嗷叫到高潮| 我的老师免费观看完整版| 少妇粗大呻吟视频| 老司机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| 蜜桃久久精品国产亚洲av| 成年女人毛片免费观看观看9| 脱女人内裤的视频| 视频区欧美日本亚洲| 长腿黑丝高跟| 色综合婷婷激情| 国产日本99.免费观看| 很黄的视频免费| 老鸭窝网址在线观看| 搡老妇女老女人老熟妇| 香蕉丝袜av| 十八禁网站免费在线| 日韩 欧美 亚洲 中文字幕| 久久国产乱子伦精品免费另类| 欧美黑人精品巨大| 国产精品久久久av美女十八| 国产真人三级小视频在线观看| 日韩精品免费视频一区二区三区| 男女做爰动态图高潮gif福利片| 国产精品香港三级国产av潘金莲| 亚洲片人在线观看| 亚洲国产精品999在线| 欧美+亚洲+日韩+国产| 国产成+人综合+亚洲专区| 美女免费视频网站| 亚洲男人的天堂狠狠| 久久香蕉激情| 久久精品综合一区二区三区| 国产精品久久久人人做人人爽| 一级黄色大片毛片| 99国产极品粉嫩在线观看| 嫩草影视91久久| 天天躁夜夜躁狠狠躁躁| 国产成人系列免费观看| 亚洲成人久久性| 美女大奶头视频| 一a级毛片在线观看| 国产精品精品国产色婷婷| 亚洲欧美日韩高清专用| 国产欧美日韩一区二区精品| 亚洲欧美激情综合另类| 观看免费一级毛片| 国产精品亚洲美女久久久| www日本在线高清视频| 国产黄片美女视频| 亚洲一区二区三区色噜噜| 国内少妇人妻偷人精品xxx网站 | 国产在线精品亚洲第一网站| 成人国语在线视频| 午夜成年电影在线免费观看| 国产探花在线观看一区二区| 亚洲一区二区三区不卡视频| 人人妻人人看人人澡| 成人永久免费在线观看视频| 亚洲专区国产一区二区| 亚洲国产高清在线一区二区三| 老司机在亚洲福利影院| 国产黄片美女视频| 午夜成年电影在线免费观看| 特大巨黑吊av在线直播| 久久久久免费精品人妻一区二区| 亚洲天堂国产精品一区在线| 桃红色精品国产亚洲av| 久久精品国产亚洲av高清一级| av视频在线观看入口| 最近在线观看免费完整版| 欧美丝袜亚洲另类 | 久久久久久久久免费视频了| tocl精华| 久9热在线精品视频| 在线观看免费日韩欧美大片| 一级片免费观看大全| 国产精品自产拍在线观看55亚洲| av天堂在线播放| 亚洲中文日韩欧美视频| 国产成年人精品一区二区| 久久精品国产亚洲av香蕉五月| 国产三级在线视频| avwww免费| 国产一级毛片七仙女欲春2| 12—13女人毛片做爰片一| 动漫黄色视频在线观看| 亚洲av中文字字幕乱码综合| 99精品在免费线老司机午夜| 国产成人av激情在线播放| 中文在线观看免费www的网站 | 1024手机看黄色片| 久久久国产成人精品二区| 欧美高清成人免费视频www| 老熟妇乱子伦视频在线观看| 日本在线视频免费播放| 级片在线观看| 成人欧美大片| 国产麻豆成人av免费视频| av有码第一页| 天天添夜夜摸| 亚洲最大成人中文| √禁漫天堂资源中文www| 亚洲第一电影网av| 精品一区二区三区四区五区乱码| 最近最新免费中文字幕在线| 国产高清激情床上av| 一级a爱片免费观看的视频| 2021天堂中文幕一二区在线观| 村上凉子中文字幕在线| 人妻夜夜爽99麻豆av| 精品久久久久久,| 亚洲熟妇熟女久久| 我要搜黄色片| 欧美成人免费av一区二区三区| 麻豆一二三区av精品| 国产精品1区2区在线观看.| 国产乱人伦免费视频| 日韩国内少妇激情av| 老司机靠b影院| √禁漫天堂资源中文www| 亚洲av成人一区二区三| 日本免费一区二区三区高清不卡| 国产精品久久久久久亚洲av鲁大| 巨乳人妻的诱惑在线观看| 国产熟女xx| 99精品在免费线老司机午夜| 日本黄大片高清| 不卡一级毛片| 亚洲国产精品999在线| 哪里可以看免费的av片| а√天堂www在线а√下载| 免费看美女性在线毛片视频| 国产成人精品无人区| 美女 人体艺术 gogo| 国产成+人综合+亚洲专区| 精品国产超薄肉色丝袜足j| 天天躁夜夜躁狠狠躁躁| 88av欧美| 两个人视频免费观看高清| 好男人在线观看高清免费视频| 夜夜夜夜夜久久久久| 成熟少妇高潮喷水视频| 日日摸夜夜添夜夜添小说| 国产一区二区三区视频了| 精华霜和精华液先用哪个| 亚洲无线在线观看| 日日干狠狠操夜夜爽| 亚洲成av人片免费观看| 久久久久国产一级毛片高清牌| 成人一区二区视频在线观看| 在线a可以看的网站| 天天躁狠狠躁夜夜躁狠狠躁| 免费电影在线观看免费观看| 欧美日韩亚洲综合一区二区三区_| 99精品久久久久人妻精品| 色av中文字幕| 亚洲午夜理论影院| 精品福利观看| 国产精品影院久久| 久久99热这里只有精品18| 久久久精品欧美日韩精品| 国产精华一区二区三区| 久久午夜综合久久蜜桃| 中文字幕高清在线视频| 两性午夜刺激爽爽歪歪视频在线观看 | 久久久久精品国产欧美久久久| 久久久久免费精品人妻一区二区| 757午夜福利合集在线观看| 国产成+人综合+亚洲专区| 97碰自拍视频| 深夜精品福利| 亚洲国产欧美一区二区综合| 亚洲成人久久爱视频| svipshipincom国产片| 91老司机精品| 又黄又爽又免费观看的视频| 黄色 视频免费看| 成人三级黄色视频| 嫩草影院精品99| 啪啪无遮挡十八禁网站| 给我免费播放毛片高清在线观看| www.熟女人妻精品国产| 91大片在线观看| 亚洲欧美日韩东京热| 久久这里只有精品中国| 长腿黑丝高跟| 午夜福利视频1000在线观看| 亚洲男人的天堂狠狠| 欧美精品啪啪一区二区三区| 麻豆一二三区av精品| 亚洲国产高清在线一区二区三| 久久婷婷成人综合色麻豆| 国产精品一及| а√天堂www在线а√下载| 成人av在线播放网站| 国产成人一区二区三区免费视频网站| 欧美乱色亚洲激情| 男人舔奶头视频| 神马国产精品三级电影在线观看 | 91av网站免费观看| 欧美黑人巨大hd| 精品欧美一区二区三区在线| 蜜桃久久精品国产亚洲av| 亚洲午夜理论影院| 免费在线观看影片大全网站| 男人舔女人的私密视频| 久久国产精品影院| 日本成人三级电影网站| 欧美在线黄色| 19禁男女啪啪无遮挡网站| 国产精品美女特级片免费视频播放器 | 桃色一区二区三区在线观看| 亚洲中文日韩欧美视频| 精品一区二区三区视频在线观看免费| 精品久久久久久久毛片微露脸| 国产成人aa在线观看| 成人18禁高潮啪啪吃奶动态图| 久久国产精品影院| 在线永久观看黄色视频| 亚洲精品中文字幕一二三四区| 性欧美人与动物交配| 欧美最黄视频在线播放免费| 在线观看www视频免费| 在线免费观看的www视频| 久久性视频一级片| netflix在线观看网站| 老司机靠b影院| 亚洲国产精品sss在线观看| 床上黄色一级片| 亚洲黑人精品在线| 两人在一起打扑克的视频| 波多野结衣巨乳人妻| 亚洲全国av大片| 长腿黑丝高跟| 一进一出抽搐动态| 成人av在线播放网站| 99国产精品一区二区三区| 婷婷精品国产亚洲av在线| 舔av片在线| 亚洲成人国产一区在线观看| 日韩三级视频一区二区三区| 国产成人av教育| 国产成人精品久久二区二区免费| 国产精品乱码一区二三区的特点| 亚洲自拍偷在线| 露出奶头的视频| 母亲3免费完整高清在线观看| 欧美另类亚洲清纯唯美| 成人高潮视频无遮挡免费网站| 老熟妇仑乱视频hdxx| 日本精品一区二区三区蜜桃| www.www免费av| 中文字幕最新亚洲高清| 国产精品99久久99久久久不卡| 日韩精品青青久久久久久| 19禁男女啪啪无遮挡网站| 国产成人av教育| 久久久久免费精品人妻一区二区| 久久欧美精品欧美久久欧美| 亚洲av日韩精品久久久久久密| 一本一本综合久久| 成人欧美大片| av中文乱码字幕在线| 免费搜索国产男女视频| 久久这里只有精品19| 一级毛片女人18水好多| 亚洲精品中文字幕在线视频| 亚洲熟妇熟女久久| av视频在线观看入口| 特级一级黄色大片| 免费一级毛片在线播放高清视频| 国产精品一区二区精品视频观看| 亚洲真实伦在线观看| 亚洲九九香蕉| av片东京热男人的天堂| 麻豆一二三区av精品| 国产精品影院久久| 亚洲精品粉嫩美女一区| 亚洲国产精品sss在线观看| 一本一本综合久久| √禁漫天堂资源中文www| 手机成人av网站| 久久国产精品影院| 久久婷婷人人爽人人干人人爱| 18禁美女被吸乳视频| 最近最新免费中文字幕在线| 夜夜躁狠狠躁天天躁| 国产爱豆传媒在线观看 | 免费看a级黄色片| 亚洲av电影在线进入| 国产v大片淫在线免费观看| 一本大道久久a久久精品| 亚洲欧美日韩无卡精品| 日日干狠狠操夜夜爽| 一卡2卡三卡四卡精品乱码亚洲| 波多野结衣巨乳人妻| 国产野战对白在线观看| 国产黄色小视频在线观看| 欧美日韩亚洲国产一区二区在线观看| 在线十欧美十亚洲十日本专区| 男人舔女人下体高潮全视频| 日韩大码丰满熟妇| 成人18禁在线播放| 国产精品国产高清国产av| 国产精品一区二区三区四区久久| 无人区码免费观看不卡| 国产熟女xx| 午夜福利欧美成人| 久久性视频一级片| 国产激情偷乱视频一区二区| 此物有八面人人有两片| 久久久精品欧美日韩精品| 免费一级毛片在线播放高清视频| 最好的美女福利视频网| 亚洲国产精品成人综合色| 久久国产精品人妻蜜桃| 午夜福利在线在线| 狠狠狠狠99中文字幕| 久久久久免费精品人妻一区二区| av在线播放免费不卡| 俺也久久电影网| 九色国产91popny在线| 午夜福利在线在线| 精品国产乱码久久久久久男人| www国产在线视频色| 精品少妇一区二区三区视频日本电影| 宅男免费午夜| 黑人操中国人逼视频| 天天躁夜夜躁狠狠躁躁| 90打野战视频偷拍视频| 亚洲欧美激情综合另类| 亚洲欧美日韩东京热| 国产av一区二区精品久久| а√天堂www在线а√下载| 国产激情久久老熟女| 在线a可以看的网站| 亚洲真实伦在线观看| 欧美在线一区亚洲| 久久国产精品人妻蜜桃| 在线a可以看的网站| 琪琪午夜伦伦电影理论片6080| 国产精华一区二区三区| xxx96com| 人人妻,人人澡人人爽秒播| 嫩草影院精品99| 欧美日韩亚洲国产一区二区在线观看| 亚洲精品一卡2卡三卡4卡5卡| 欧美 亚洲 国产 日韩一| 男人舔女人下体高潮全视频| 啪啪无遮挡十八禁网站| 欧美中文综合在线视频| 精品电影一区二区在线| 18禁国产床啪视频网站| 在线观看美女被高潮喷水网站 | 国产成人精品无人区| 免费在线观看黄色视频的| 一级毛片女人18水好多| 日韩免费av在线播放| 18禁美女被吸乳视频| 91大片在线观看| 亚洲一区二区三区不卡视频| 精品国产美女av久久久久小说| 久久香蕉激情| 久久人妻av系列| 18禁观看日本| 国产精品爽爽va在线观看网站| 国产精品美女特级片免费视频播放器 | 国产麻豆成人av免费视频| 欧美绝顶高潮抽搐喷水| 欧美在线黄色| 午夜影院日韩av| 亚洲国产欧美一区二区综合| 男男h啪啪无遮挡| 麻豆成人av在线观看| 男女做爰动态图高潮gif福利片| 精品国产乱码久久久久久男人| 国产伦人伦偷精品视频| 亚洲男人的天堂狠狠| 日本成人三级电影网站| 免费电影在线观看免费观看| 99精品久久久久人妻精品| 亚洲专区字幕在线| av欧美777| 精品欧美国产一区二区三| 韩国av一区二区三区四区| 伊人久久大香线蕉亚洲五| 一个人观看的视频www高清免费观看 | 91av网站免费观看| 国内久久婷婷六月综合欲色啪| 日韩欧美 国产精品| or卡值多少钱| 午夜成年电影在线免费观看| 我的老师免费观看完整版| 久久久久久久精品吃奶| 男男h啪啪无遮挡| 一进一出好大好爽视频| 美女 人体艺术 gogo| 老司机在亚洲福利影院| or卡值多少钱| 在线播放国产精品三级| 精品一区二区三区视频在线观看免费| videosex国产| 国产单亲对白刺激| 精品福利观看| 亚洲人成77777在线视频| 美女扒开内裤让男人捅视频| 精品电影一区二区在线| 这个男人来自地球电影免费观看| 韩国av一区二区三区四区| 免费在线观看完整版高清| 久久久国产成人精品二区| 日本成人三级电影网站| 搡老妇女老女人老熟妇| 精品国内亚洲2022精品成人| 日韩 欧美 亚洲 中文字幕| 可以在线观看的亚洲视频| 夜夜夜夜夜久久久久| 亚洲专区国产一区二区| 麻豆国产97在线/欧美 | 99在线人妻在线中文字幕| xxxwww97欧美| 日本成人三级电影网站| 一个人免费在线观看电影 | 欧美色视频一区免费| 成人高潮视频无遮挡免费网站| 久久久久久久午夜电影| 中文字幕最新亚洲高清| 亚洲真实伦在线观看| 国产成人精品久久二区二区91| 级片在线观看| 在线观看www视频免费| 色播亚洲综合网| 一本大道久久a久久精品| 一二三四社区在线视频社区8| 欧美丝袜亚洲另类 | 宅男免费午夜| 亚洲第一欧美日韩一区二区三区| 亚洲精品一卡2卡三卡4卡5卡| 一进一出好大好爽视频| 91麻豆av在线| 在线视频色国产色| svipshipincom国产片| 亚洲欧美日韩无卡精品| 成人18禁在线播放| 亚洲国产欧洲综合997久久,| 91在线观看av|