• <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 ?

    二維線性鑒別分析和協(xié)同表示的面部識(shí)別方法

    2021-08-25 13:26:26林克正張玉倫
    關(guān)鍵詞:類間錯(cuò)誤率訓(xùn)練樣本

    林克正,鄧 旭,張玉倫

    (哈爾濱理工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,哈爾濱 150080)

    1 引 言

    面部識(shí)別在生物特征識(shí)別技術(shù)中占有重要的位置,同時(shí),在實(shí)際應(yīng)用中面部識(shí)別技術(shù)廣泛地應(yīng)用于交通安全、快捷支付和智能管理等領(lǐng)域內(nèi)[1,2].然而,面部識(shí)別技術(shù)仍存在諸多挑戰(zhàn),如:不同光照、不同角度、變化表情和有無遮擋等.因此,如何更好的提取面部圖像特征來表示圖像成為研究人員研究的熱點(diǎn).

    Liu等人提出了基于幾何特征圖像識(shí)別方法[3],該方法提取面部關(guān)鍵器官的位置信息進(jìn)行識(shí)別,如人的眼睛、鼻子等.Gross等人提出基于表象(Appearance-based)的人臉識(shí)別方法[4],該方法將面部圖像看作一個(gè)整體并利用面部的全部信息進(jìn)行面部識(shí)別.主成分分析(Principal Component Analysis,PCA)是基于表象的面部識(shí)別方法之一[5],PCA也稱為K-L變換,它的主要思想是將面部圖像矩陣轉(zhuǎn)換為一維向量.然而,PCA方法可能導(dǎo)致面部圖像部分關(guān)鍵特性丟失,并且算法復(fù)雜度較高.因此Yang等人提出了二維主成分分析方法(Two-Dimensional Principal Component Analysis,2DPCA)[6].2DPCA方法不需要將圖像矩陣轉(zhuǎn)換為一維向量,該方法具有計(jì)算簡便的顯著特點(diǎn),其計(jì)算代價(jià)遠(yuǎn)小于PCA方法.由于,通過2DPCA方法構(gòu)建協(xié)方差矩陣提取的單一特征不能對所得圖像都有較好的魯棒性.因此,本文將通過二維線性鑒別分析方法提取兩類特征,將在第2.1部分詳細(xì)介紹.

    此外,近年來提出的稀疏表示(Sparse Representation)方法[7]對于面部識(shí)別非常有效.該方法實(shí)現(xiàn)的主要思想是假設(shè)給定一個(gè)測試樣本可以由所有類的全體訓(xùn)練樣本線性組合來近似表示,進(jìn)而獲取稀疏表示系數(shù),然后計(jì)算給定的測試樣本和所有類的訓(xùn)練樣本之間的殘差,即殘差最小的類別是該測試樣本的類別.Wright等人提出測試樣本可以由其同類訓(xùn)練樣本線性表示,稀疏表示方法也稱為稀疏表示分類(Sparse Representation based Classification,SRC)[8].SRC方法通過l1范數(shù)求得的稀疏解具有較好的稀疏性,然而,該方法具有較高的計(jì)算代價(jià).為了解決上述這個(gè)問題,Zhang等人通過l2范數(shù)求稀疏解,l2范數(shù)較l1范數(shù)求得的稀疏解具有較弱的稀疏性,但在求解時(shí)可以大大降低其計(jì)算代價(jià),此方法稱為協(xié)同表示分類(Collaborative Representation based Classification,CRC)[9].本文將利用CRC作為分類器,將在第2.2節(jié)詳細(xì)介紹.

    Xu等人通常以得分層融合方法、特征層融合方法和決策層融合方法對兩種特征進(jìn)行融合[10-13].特征層融合方法是將全部生物特征看做一個(gè)樣本進(jìn)行識(shí)別,然而不同生物特征存在較大的差異影響其識(shí)別性能.決策層融合方法是最簡單的一種融合方法,但是它的融合效果略差于其它兩種融合方法.得分層融合方法[14,15]是將每個(gè)特征得出的各自得分(也稱為距離)進(jìn)行融合.因此,本文采用一種加權(quán)得分融合機(jī)制將類間虛擬圖像、類內(nèi)虛擬圖像和原始圖像[16-18]分別在CRC上的獲得得分并進(jìn)行融合,將在第2.3節(jié)詳細(xì)介紹.為了驗(yàn)證本文方法的識(shí)別性能,分別在ORL、AR、GT不同數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn).

    本文的主要貢獻(xiàn)如下:

    1)本文首次提出對二維線性鑒別分析的類間散布矩陣和類內(nèi)散布矩陣進(jìn)行特征提取,進(jìn)而得到兩類特征,即類間特征和類內(nèi)特征.有效緩解了單一特征不能很好地表示圖像的問題.

    2)本文所提出的類間特征和類內(nèi)特征與原始圖像是互補(bǔ)的.

    3)本文采用新穎的加權(quán)得分融合機(jī)制將原始圖像和2)中特征進(jìn)行融合.

    本文其余組織如下:第2部分詳細(xì)介紹了提出方法;第3部分展示了提出方法的性能;第4部分提供了實(shí)驗(yàn)結(jié)果;第5部分給出了本文的結(jié)論.

    2 提出的方法

    本章涉及的基本符號(hào)如表1所示.

    表1 符號(hào)表

    2.1 類間虛擬圖像和類內(nèi)虛擬圖像

    本文通過二維線性鑒別分析構(gòu)建類間散布矩陣和類內(nèi)散布矩陣,并且分別進(jìn)行特征提取.定義類間散布矩陣Sb和類內(nèi)散布矩陣Sw.分別從Sb中求解最優(yōu)投影向量組u和Sw中求解最優(yōu)投影向量組v,從而將所有面部圖像分別對u和v作投影得到各自的特征向量,具體過程如下:

    令樣本類別有M個(gè),第j類樣本有N個(gè)圖像:Aj1,Aj2,…,AjN,每幅圖像均為m×n的矩陣.定義準(zhǔn)則函數(shù)J1(x)=uTSbu,當(dāng)uTSbu取最大時(shí),圖像矩陣對向量組u作投影獲得特征向量的類別間分散程度最優(yōu).uTSbu最大取值問題可以轉(zhuǎn)化為求解Sb中最大g個(gè)特征值所對應(yīng)的特征向量問題.類間散布矩陣Sb可以表示為:

    (1)

    式中P(wj)表示為第j類的先驗(yàn)概率,一般令P(wj)=1/M.讓j表示為第j(1≤j≤M)類樣本圖像矩陣的均值,表示為所有圖像矩陣的均值,具體表現(xiàn)形式如下:

    (2)

    (3)

    令類間散布矩陣Sb的最大g個(gè)特征值對應(yīng)的特征向量為u(u1,u2,…,ug),圖像樣本A通過特征提取的方式進(jìn)行圖像重構(gòu),利用前g個(gè)特征向量重構(gòu)出類間虛擬圖像Y1,如公式(4)所示.

    Y1=Au=A(u1,u2,…,ug)

    (4)

    同時(shí),定義準(zhǔn)則函數(shù)J2(x)=vTSwv,當(dāng)vTSwv取最大時(shí),圖像矩陣對向量組v作投影獲得特征向量最優(yōu).vTSwv最大取值問題可以轉(zhuǎn)化為求解Sw中最大g個(gè)特征值所對應(yīng)的特征向量問題.定義類內(nèi)散布矩陣Sw為:

    (5)

    Y2=Av=A(v1,v2,…,vg)

    (6)

    2.2 協(xié)同表示分類

    針對于面部識(shí)別中小樣本問題,稀疏表示方法是解決這個(gè)問題最佳方法之一.稀疏表示方法核心思想是通過給定測試樣本y由所有訓(xùn)練樣本線性組合表示,并且求出稀疏系數(shù),利用每類訓(xùn)練樣本和稀疏系數(shù)重構(gòu)后與所有測試樣本進(jìn)行分類.稀疏表示方法具體過程如下:

    假設(shè)矩陣Aj表示第j類所有訓(xùn)練樣本,樣本類別個(gè)數(shù)為M.記A=[A1,A2,…,AM],A表示全體訓(xùn)練樣本組成矩陣.給定一個(gè)測試樣本y可用所有訓(xùn)練樣本線性組合表示,即Aw=y.

    一般認(rèn)為w系數(shù)越稀疏,測試樣本y的類別越容易判定.稀疏解可由下面公式得到,即:

    (7)

    式中‖ ‖1表示為l1范數(shù),雖然通過l1范數(shù)求解具有較好的稀疏性,但是具有較高算法復(fù)雜度.因此通過l2范數(shù)求稀疏解,此方法也稱為協(xié)同稀疏表示分類方法,即:

    (8)

    (9)

    重建誤差的具體表現(xiàn)形式如公式(10)所示:

    (10)

    式中Rj(y)可以認(rèn)為是一種距離度量,表示測試樣本y與第j(1≤j≤M)類訓(xùn)練樣本相似性.求出Rj(y)最小的值即為測試樣本y的類別(j-1)n+i表示Aj的第(j-1)n+i個(gè)元素.

    2.3 得分融合與圖像分類

    根據(jù)本文前面介紹的理論,得分融合方法首先獨(dú)立對待各生物特征,得出各自識(shí)別結(jié)果后再進(jìn)行融合,得分融合方法比其它兩類融合方法往往能取得較優(yōu)鑒別性能.

    本文采用一種新的加權(quán)得分融合方法,融合原始圖像、類間虛擬圖像和類內(nèi)虛擬圖像各自的得分,并利用最終得分進(jìn)行分類,具體為:

    S=q1R1+q2R2+q3R3

    (11)

    式中S表示最終的得分,R1表示原始圖像利用CRC獲取的得分,R2表示類間虛擬圖像利用CRC獲取的得分,R3表示類內(nèi)虛擬圖像利用CRC獲取的得分.q1為R1的權(quán)重系數(shù)可以表示為:

    (12)

    q2為R2的權(quán)重系數(shù)可以表示為:

    (13)

    q3為R3的權(quán)重系數(shù)可以表示為q3=1-(q1+q2),使得3個(gè)權(quán)重系數(shù)的總和取值為1.

    最后通過公式(14)得出的最終得分進(jìn)行分類,測試樣本y屬于第g個(gè)個(gè)體的類別,即:

    g=argminjSj(y)

    (14)

    3 算法的步驟及性能展示

    3.1 算法步驟

    根據(jù)第2部分的分析和推導(dǎo),我們以O(shè)RL數(shù)據(jù)集為例,闡述本文方法的主要操作步驟.

    步驟1.將ORL數(shù)據(jù)庫分為訓(xùn)練樣本集和測試樣本集,如:每個(gè)類別選取前2-5張作為訓(xùn)練樣本,其余作為測試樣本.并將訓(xùn)練樣本集和測試樣本集的面部圖像大小統(tǒng)一設(shè)置為50*50像素.

    步驟2.利用公式(1)-公式(3)構(gòu)造原始面部圖像訓(xùn)練樣本集的類間散布矩陣,通過特征提取方式提取相應(yīng)特征向量,并且利用公式(4)將訓(xùn)練樣本集和測試樣本集分別向提取出來的特征向量作投影,得到對應(yīng)訓(xùn)練樣本的類間虛擬圖像和測試樣本的類間虛擬圖像.

    步驟3.利用公式(2)、公式(5)構(gòu)造原始面部圖像訓(xùn)練樣本集的類內(nèi)散布矩陣,通過特征提取方式提取與之對應(yīng)的特征向量,并利用公式(6)將訓(xùn)練樣本集和測試樣本集分別向提取的特征向量作投影,獲得對應(yīng)訓(xùn)練樣本的類內(nèi)虛擬圖像和測試樣本的類內(nèi)虛擬圖像.

    步驟4.利用稀疏解具體表現(xiàn)公式w=(ATA+γI)-1ATy和公式(10)分別獲取原始面部圖像中測試樣本y的得分、類間虛擬圖像中測試樣本y的得分和類內(nèi)虛擬圖像中測試樣本y的得分,其中γ表示一個(gè)很小的常量,I表示為單位矩陣.

    步驟5.分別獲取權(quán)重系數(shù)q1、q2和q3,并通過公式(11)融合原始圖像的得分、類間虛擬圖像的得分和類內(nèi)虛擬圖像的得分.

    步驟6.通過公式(14)將融合后最終的得分進(jìn)行面部圖像識(shí)別.

    3.2 算法性能展示

    為了讓讀者更直觀的了解本文原理,通過圖1展示了本文提出的類間虛擬圖像和類內(nèi)虛擬圖像示意圖.本文通過2DLDA來提取圖像的類間特征和類內(nèi)特征,通過特征提取的方式重構(gòu)類間虛擬圖像和類內(nèi)虛擬圖像,類間虛擬圖像和類內(nèi)虛擬圖像與原始圖像是互補(bǔ)的.在圖1中,第1行展示了原始圖像,第2行展示了類間虛擬圖像,第3行展示了類內(nèi)虛擬圖像.

    圖1 在ORL數(shù)據(jù)集上的原始圖像、類間虛擬圖像和類內(nèi)虛擬圖像

    通過圖2展示了選取不同特征向量個(gè)數(shù)下對應(yīng)的識(shí)別錯(cuò)誤率的直觀圖.從圖2中可以看出,本文提出的方法在選取不同特征向量個(gè)數(shù)下,識(shí)別率的總體趨勢是趨于平穩(wěn)的,具有穩(wěn)定性.當(dāng)特征向量個(gè)數(shù)選為15時(shí),本文方法面部識(shí)別錯(cuò)誤率最低.

    圖2 在ORL數(shù)據(jù)集上選取不同特征向量個(gè)數(shù)對應(yīng)的識(shí)別錯(cuò)誤率

    通過圖3展示了不同訓(xùn)練樣本個(gè)數(shù)下對應(yīng)的識(shí)別錯(cuò)誤率.從圖3中可以看出,本文提出的方法有著較低的錯(cuò)誤識(shí)別率,隨著每類訓(xùn)練樣本個(gè)數(shù)的增加,其面部識(shí)別錯(cuò)誤率越來越低.

    圖3 在ORL數(shù)據(jù)集上每個(gè)類別訓(xùn)練樣本數(shù)目對應(yīng)的識(shí)別錯(cuò)誤率

    4 實(shí)驗(yàn)結(jié)果

    為了進(jìn)一步測試本文提出方法的性能,在ORL、AR及GT數(shù)據(jù)庫上分別設(shè)計(jì)了實(shí)驗(yàn).我們設(shè)計(jì)了協(xié)同表示分類方法、快速迭代算法(Fast Iterative Shrinkage Thresholding Algorithm,FISTA)、同倫法(Homotopy Method)和增廣拉格朗日乘子法(Primal Augmented Lagrange Multiplier,PALM)來分別作為分類算法.

    本章采用識(shí)別錯(cuò)誤率來比較算法之間性能的好壞,識(shí)別錯(cuò)誤率越低,算法的性能越好.表2-表4中,“本文方法”表示在ORL、AR和GT面部數(shù)據(jù)庫上的識(shí)別精度,具體為將原始圖像、類間虛擬圖像和類內(nèi)虛擬圖像分別利用CRC進(jìn)行得分,利用文中公式(11)所示的加權(quán)融合機(jī)制進(jìn)行得分融合,并利用最終得分進(jìn)行面部識(shí)別.“類間虛擬圖像/類內(nèi)虛擬圖像/原始圖像+CRC/FISTA/HOMOTOPY/PALM”分別表示在不同數(shù)據(jù)集上類間虛擬圖像/類內(nèi)虛擬圖像/原始圖像在分類算法為CRC/FISTA/HOMOTOPY/PALM上的識(shí)別結(jié)果;從表2-表4中可以看出,本文提出的方法對于面部圖像識(shí)別具有較低的識(shí)別錯(cuò)誤率.

    表4 在GT數(shù)據(jù)集上的錯(cuò)誤識(shí)別精度

    4.1 在ORL面部數(shù)據(jù)上的實(shí)驗(yàn)

    本部分將在ORL人臉數(shù)據(jù)庫進(jìn)行實(shí)驗(yàn).ORL人臉數(shù)據(jù)庫包含了40個(gè)人,每個(gè)人10幅圖像,共400幅人臉圖像.每幅人臉圖像均在不同的光照、不同的表情變化、不同的角度條件下獲得.在ORL人臉數(shù)據(jù)庫中圖像包括表情的變化(笑或不笑,睜眼或閉眼)及面部細(xì)節(jié).每幅人臉圖像分辨率均為50像素×50像素,每幅人臉圖像的格式為′.bmp′.圖4顯示ORL人臉數(shù)據(jù)庫的部分圖像.

    圖4 部分ORL數(shù)據(jù)集的圖像

    表2展示了在ORL數(shù)據(jù)庫的識(shí)別錯(cuò)誤率,每個(gè)受試者前2-5幅圖像作為訓(xùn)練樣本,其余圖像作為測試樣本.從表2中可以看出,本文方法在ORL數(shù)據(jù)庫上具有較低的錯(cuò)誤率.例如:當(dāng)每類訓(xùn)練樣本個(gè)數(shù)為2-5時(shí),并且分類器選為CRC時(shí),本文方法的識(shí)別錯(cuò)誤率為14.06%,12.14%,8.33%,8.00%.然而,原始圖像利用CRC進(jìn)行分類時(shí),它的識(shí)別錯(cuò)誤率為16.25%,14.64%,10.83%,11.00%.由表2可知,當(dāng)不同訓(xùn)練樣本個(gè)數(shù)由2變化到5時(shí),本文提出的方法也比文獻(xiàn)[18]方法(2DPCA+Original images+CRC)、文獻(xiàn)[17]方法(FFT+Original images+CRC)和文獻(xiàn)[15]中的一般融合方法(Gabor+L1LS)效果要好.

    表2 在ORL數(shù)據(jù)集上的錯(cuò)誤識(shí)別精度

    4.2 在AR面部數(shù)據(jù)庫上的實(shí)驗(yàn)

    本部分將在AR人臉數(shù)據(jù)庫進(jìn)行實(shí)驗(yàn).AR人臉數(shù)據(jù)庫中包含了120個(gè)人,每個(gè)人26幅圖像,共3120幅人臉圖像.圖像在不同光照、不同面部表情、不同角度和有無遮擋物(戴眼鏡或圍巾)條件下獲得.每幅人臉圖像的分辨率均為50像素×40像素,每幅人臉圖像的格式均為′.tif′.圖5顯示AR人臉數(shù)據(jù)庫的部分圖像.

    圖5 部分AR數(shù)據(jù)集的圖像

    每個(gè)受試者前9-12幅圖像作為訓(xùn)練樣本,其余圖像作為測試樣本.例如:分類器選為CRC時(shí),本文提出的方法錯(cuò)誤率為30.74%,32.76%,23.11%,24.88%.然而,使用FISTA對原始圖像進(jìn)行分類并且每類訓(xùn)練樣本個(gè)數(shù)為9-12時(shí),它的識(shí)別錯(cuò)誤率為44.95%,47.71%,34.33%,35.89%.由表3可知,當(dāng)每個(gè)訓(xùn)練樣本個(gè)數(shù)由9變化到12時(shí),本文提出的方法在AR數(shù)據(jù)庫上的識(shí)別錯(cuò)誤率低于原始圖像使用FISTA的識(shí)別錯(cuò)誤率.

    表3 在AR數(shù)據(jù)集上的錯(cuò)誤識(shí)別精度

    4.3 在GT面部數(shù)據(jù)庫上的實(shí)驗(yàn)

    本部分將在GT人臉數(shù)據(jù)庫進(jìn)行實(shí)驗(yàn).GT人臉數(shù)據(jù)庫中包含了50個(gè)人,每個(gè)人15幅彩色圖像,共750幅圖像.在GT人臉數(shù)據(jù)庫中,每個(gè)人的面部細(xì)節(jié)和面部表情都存在著不同程度的變化.將每幅人臉圖像的壓縮為50像素×50像素,實(shí)驗(yàn)中將這些彩色圖像轉(zhuǎn)化為灰度圖像.每幅人臉圖像的格式均為′.jpg′.圖6顯示GT人臉數(shù)據(jù)庫的部分圖像.

    圖6 部分GT數(shù)據(jù)集的圖像

    在GT數(shù)據(jù)庫中,每個(gè)受試者的前9-11幅圖像作為訓(xùn)練樣本,其余圖像作為測試樣本.通過表4的實(shí)驗(yàn)結(jié)果可知,當(dāng)每類訓(xùn)練樣本個(gè)數(shù)為9-11時(shí)并且分類器選為CRC時(shí),本文提出的面部識(shí)別方法錯(cuò)誤率為28.67%、26.80%、24.00%.文獻(xiàn)[17]方法的識(shí)別錯(cuò)誤率為31.67%、32.00%、27.50%,而文獻(xiàn)[18]方法的識(shí)別錯(cuò)誤率為32.67%、29.60%、29.50%.由表4可知,本文提出的方法與其他經(jīng)典方法相比具有較低的識(shí)別錯(cuò)誤率.

    5 結(jié)束語

    本文提出了二維線性鑒別分析和協(xié)同表示的面部識(shí)別方法.該方法在不同人臉數(shù)據(jù)庫中可以獲得較好的識(shí)別性能.在實(shí)際應(yīng)用中,該方法具有有效性和可行性,不需要手動(dòng)調(diào)整參數(shù)并且易于實(shí)現(xiàn).本文方法可以獲取類間虛擬圖像和類內(nèi)虛擬圖像來表示原始圖像,不僅保留了圖像關(guān)鍵特征信息,并且在面部識(shí)別方面與原始圖像具有一定的互補(bǔ)性,降低了圖像識(shí)別錯(cuò)誤率.通過實(shí)驗(yàn)表明,在面部識(shí)別中將類間虛擬圖像、類內(nèi)虛擬圖像和原始圖像的分類結(jié)果進(jìn)行融合可以取得較好的識(shí)別效果.

    猜你喜歡
    類間錯(cuò)誤率訓(xùn)練樣本
    限制性隨機(jī)試驗(yàn)中選擇偏倚導(dǎo)致的一類錯(cuò)誤率膨脹*
    基于OTSU改進(jìn)的布匹檢測算法研究
    基于貝葉斯估計(jì)的多類間方差目標(biāo)提取*
    人工智能
    基于類間相對均勻性的紙張表面缺陷檢測
    基于改進(jìn)最大類間方差法的手勢分割方法研究
    正視錯(cuò)誤,尋求策略
    教師·中(2017年3期)2017-04-20 21:49:49
    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(shí)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
    亚洲精品视频女| 国产高潮美女av| 色婷婷久久久亚洲欧美| 久久韩国三级中文字幕| 国产高清国产精品国产三级 | 中文字幕制服av| 下体分泌物呈黄色| 一级毛片我不卡| 亚洲欧美中文字幕日韩二区| 国产中年淑女户外野战色| 特大巨黑吊av在线直播| 在线播放无遮挡| 肉色欧美久久久久久久蜜桃| 我的女老师完整版在线观看| 国产亚洲精品久久久com| 女的被弄到高潮叫床怎么办| 黄色一级大片看看| 亚洲国产av新网站| 精品久久久精品久久久| 极品少妇高潮喷水抽搐| 精品国产一区二区三区久久久樱花 | 国产精品秋霞免费鲁丝片| 综合色丁香网| 精品99又大又爽又粗少妇毛片| 99热这里只有是精品50| 欧美区成人在线视频| 91aial.com中文字幕在线观看| 免费久久久久久久精品成人欧美视频 | 内地一区二区视频在线| 人妻一区二区av| 男的添女的下面高潮视频| 777米奇影视久久| 99久久精品国产国产毛片| av黄色大香蕉| 在线天堂最新版资源| 又大又黄又爽视频免费| 18禁裸乳无遮挡免费网站照片| 纯流量卡能插随身wifi吗| 国产精品99久久久久久久久| 中文天堂在线官网| 91久久精品国产一区二区三区| 春色校园在线视频观看| 成年女人在线观看亚洲视频| 亚洲精品亚洲一区二区| 黑人猛操日本美女一级片| 男人爽女人下面视频在线观看| 又爽又黄a免费视频| 波野结衣二区三区在线| 国产一区亚洲一区在线观看| 欧美精品亚洲一区二区| 伦精品一区二区三区| 国产一区二区三区av在线| 青春草亚洲视频在线观看| 午夜激情福利司机影院| 另类亚洲欧美激情| 国产极品天堂在线| 在线观看美女被高潮喷水网站| 国产中年淑女户外野战色| 日本欧美视频一区| 亚洲精品aⅴ在线观看| 少妇的逼好多水| 久久国内精品自在自线图片| 成人美女网站在线观看视频| 亚洲精品亚洲一区二区| 欧美日韩视频高清一区二区三区二| 亚洲欧美日韩另类电影网站 | 久久精品人妻少妇| 91久久精品国产一区二区三区| 简卡轻食公司| 国产伦理片在线播放av一区| 久久99精品国语久久久| 亚洲精品久久午夜乱码| 精品亚洲乱码少妇综合久久| 人妻夜夜爽99麻豆av| 亚洲av男天堂| 黄色视频在线播放观看不卡| 99re6热这里在线精品视频| 国产真实伦视频高清在线观看| 少妇的逼好多水| 在线 av 中文字幕| 中国美白少妇内射xxxbb| 在线观看免费日韩欧美大片 | 色吧在线观看| 国产精品嫩草影院av在线观看| 精品亚洲成a人片在线观看 | 蜜桃亚洲精品一区二区三区| 国产精品.久久久| 视频区图区小说| 国产精品久久久久久av不卡| 国产爽快片一区二区三区| 黄色日韩在线| 色婷婷av一区二区三区视频| 成年人午夜在线观看视频| 一级毛片aaaaaa免费看小| 欧美精品人与动牲交sv欧美| 人人妻人人添人人爽欧美一区卜 | 纵有疾风起免费观看全集完整版| av一本久久久久| 国产黄色视频一区二区在线观看| 色5月婷婷丁香| 一区在线观看完整版| 久久国产亚洲av麻豆专区| 国产久久久一区二区三区| 色综合色国产| 国产精品一及| 亚洲av免费高清在线观看| 国产色爽女视频免费观看| 久久国产精品大桥未久av | 欧美成人a在线观看| 精品99又大又爽又粗少妇毛片| 黄色一级大片看看| 国产国拍精品亚洲av在线观看| 老司机影院成人| 久久久精品免费免费高清| 亚洲精品视频女| 深爱激情五月婷婷| 亚洲精品国产av蜜桃| 大香蕉久久网| 亚洲精品乱久久久久久| 国产乱来视频区| 国产探花极品一区二区| 蜜臀久久99精品久久宅男| 色视频在线一区二区三区| 国产一级毛片在线| 亚洲第一区二区三区不卡| 国产精品免费大片| 午夜精品国产一区二区电影| 大话2 男鬼变身卡| 欧美日韩视频高清一区二区三区二| 国产精品久久久久久精品古装| 日韩国内少妇激情av| 精品国产乱码久久久久久小说| 国精品久久久久久国模美| 新久久久久国产一级毛片| 午夜福利网站1000一区二区三区| 狂野欧美激情性xxxx在线观看| 亚洲精品成人av观看孕妇| 亚洲久久久国产精品| 日韩不卡一区二区三区视频在线| 99久久精品国产国产毛片| 联通29元200g的流量卡| 街头女战士在线观看网站| 一区二区三区四区激情视频| 亚洲第一av免费看| 免费观看a级毛片全部| 欧美xxxx黑人xx丫x性爽| 国产在线一区二区三区精| 成年美女黄网站色视频大全免费 | 日本vs欧美在线观看视频 | 久久久a久久爽久久v久久| 久久热精品热| 高清不卡的av网站| 国产免费又黄又爽又色| 免费人妻精品一区二区三区视频| 国产综合精华液| 丝瓜视频免费看黄片| 一级毛片黄色毛片免费观看视频| 夫妻午夜视频| 女的被弄到高潮叫床怎么办| 成人毛片60女人毛片免费| 一级二级三级毛片免费看| 亚洲av不卡在线观看| 色综合色国产| 国产精品免费大片| 久久精品国产a三级三级三级| 最近中文字幕2019免费版| 大片电影免费在线观看免费| 中文字幕亚洲精品专区| 永久网站在线| av在线播放精品| 国产高清三级在线| 1000部很黄的大片| 久久青草综合色| 国产 一区 欧美 日韩| 熟女电影av网| 夫妻午夜视频| 精品人妻一区二区三区麻豆| 中文欧美无线码| 六月丁香七月| 少妇的逼水好多| 国产精品无大码| 亚洲国产最新在线播放| 91狼人影院| 美女国产视频在线观看| 免费在线观看成人毛片| 成人亚洲欧美一区二区av| 亚洲内射少妇av| 99热这里只有是精品在线观看| 看免费成人av毛片| 男女国产视频网站| 亚洲国产精品国产精品| 亚洲精品日韩在线中文字幕| 一本久久精品| 人妻制服诱惑在线中文字幕| 一级毛片电影观看| 亚洲av在线观看美女高潮| 国产永久视频网站| 亚洲国产最新在线播放| 国产一区二区三区综合在线观看 | 午夜免费观看性视频| 日本午夜av视频| 国产精品嫩草影院av在线观看| 亚洲欧美成人精品一区二区| 日产精品乱码卡一卡2卡三| 天天躁日日操中文字幕| 91精品一卡2卡3卡4卡| 精品久久久久久电影网| 亚洲精品成人av观看孕妇| 国产男女超爽视频在线观看| 观看美女的网站| 亚洲图色成人| 日韩人妻高清精品专区| 亚洲,一卡二卡三卡| 一级爰片在线观看| 国产精品av视频在线免费观看| 久久久色成人| 内射极品少妇av片p| 美女国产视频在线观看| 国产乱来视频区| 国产精品久久久久久久久免| 国产精品一区二区性色av| 亚洲色图综合在线观看| 国产淫语在线视频| 十分钟在线观看高清视频www | 美女视频免费永久观看网站| 亚洲精品视频女| 亚洲国产最新在线播放| 高清视频免费观看一区二区| 国产亚洲91精品色在线| 直男gayav资源| 亚洲av国产av综合av卡| 我要看黄色一级片免费的| 内射极品少妇av片p| 亚洲成人中文字幕在线播放| 国产精品熟女久久久久浪| 国产欧美亚洲国产| 深爱激情五月婷婷| 最近最新中文字幕大全电影3| 22中文网久久字幕| 一区二区三区免费毛片| 91狼人影院| 777米奇影视久久| 狠狠精品人妻久久久久久综合| 久久久久久久亚洲中文字幕| 欧美日韩精品成人综合77777| 日韩免费高清中文字幕av| 国产精品99久久久久久久久| 国产亚洲午夜精品一区二区久久| 直男gayav资源| 国产黄频视频在线观看| 2021少妇久久久久久久久久久| 在线播放无遮挡| 日日撸夜夜添| 国产一级毛片在线| 久久99蜜桃精品久久| 亚洲精品日本国产第一区| 国产在线免费精品| 天美传媒精品一区二区| 国产伦精品一区二区三区四那| 久久精品久久久久久噜噜老黄| 婷婷色综合www| 国产精品一区二区三区四区免费观看| 精品一区在线观看国产| 国产色婷婷99| 精品国产三级普通话版| 国产亚洲一区二区精品| 婷婷色麻豆天堂久久| 日本一二三区视频观看| 色综合色国产| 国精品久久久久久国模美| 赤兔流量卡办理| av免费在线看不卡| 一级片'在线观看视频| 亚洲人成网站在线播| 91午夜精品亚洲一区二区三区| 嫩草影院入口| 99国产精品免费福利视频| 国产精品三级大全| 国产高清三级在线| 日韩伦理黄色片| 三级国产精品片| 欧美精品一区二区大全| 成年人午夜在线观看视频| 色网站视频免费| 久久精品久久精品一区二区三区| 国产成人a区在线观看| 欧美日韩精品成人综合77777| 国产人妻一区二区三区在| 国产高清不卡午夜福利| 国产av国产精品国产| kizo精华| av又黄又爽大尺度在线免费看| 国产69精品久久久久777片| 亚洲欧美一区二区三区黑人 | 干丝袜人妻中文字幕| 在线观看av片永久免费下载| 国产在视频线精品| 久久久久久久久久人人人人人人| 欧美日韩视频高清一区二区三区二| 中文字幕久久专区| 亚洲精品色激情综合| 狠狠精品人妻久久久久久综合| 亚洲精品视频女| 麻豆成人午夜福利视频| 国产有黄有色有爽视频| av国产久精品久网站免费入址| 伦精品一区二区三区| 亚洲精品国产成人久久av| 夜夜爽夜夜爽视频| 少妇人妻久久综合中文| 中文字幕制服av| 国产午夜精品久久久久久一区二区三区| 国产在视频线精品| 夜夜看夜夜爽夜夜摸| 亚洲高清免费不卡视频| 久久久久国产网址| 亚洲色图综合在线观看| 黄色一级大片看看| 久久韩国三级中文字幕| 人人妻人人澡人人爽人人夜夜| 狂野欧美激情性xxxx在线观看| 在线观看一区二区三区激情| 亚州av有码| 97在线人人人人妻| 日本wwww免费看| 狠狠精品人妻久久久久久综合| 国产亚洲5aaaaa淫片| 日韩 亚洲 欧美在线| 日韩欧美 国产精品| av卡一久久| 亚洲最大成人中文| 人人妻人人添人人爽欧美一区卜 | 99热网站在线观看| videos熟女内射| 99久久精品热视频| 久久久久久久大尺度免费视频| 日韩一本色道免费dvd| 五月天丁香电影| 一级毛片黄色毛片免费观看视频| 18禁在线无遮挡免费观看视频| 在线精品无人区一区二区三 | 九草在线视频观看| 久久国产亚洲av麻豆专区| 免费看光身美女| 亚洲精品国产色婷婷电影| 久久久精品免费免费高清| 精品久久久久久久久av| 人妻 亚洲 视频| 国产精品免费大片| 国产午夜精品一二区理论片| 亚洲精品国产成人久久av| 人妻 亚洲 视频| 亚洲欧洲日产国产| 欧美高清成人免费视频www| 久久人人爽人人爽人人片va| 日韩一区二区视频免费看| 2018国产大陆天天弄谢| 赤兔流量卡办理| 黑人猛操日本美女一级片| 久热这里只有精品99| 免费久久久久久久精品成人欧美视频 | 亚洲中文av在线| 99九九线精品视频在线观看视频| 国产精品人妻久久久久久| 伦理电影免费视频| 91狼人影院| 国产精品女同一区二区软件| 国产精品99久久久久久久久| 国产亚洲91精品色在线| 亚洲丝袜综合中文字幕| 激情五月婷婷亚洲| 国产毛片在线视频| 91在线精品国自产拍蜜月| 人妻制服诱惑在线中文字幕| 男男h啪啪无遮挡| 国产精品一区二区三区四区免费观看| 欧美zozozo另类| 99国产精品免费福利视频| 久久久久久久精品精品| 成人亚洲精品一区在线观看 | 18禁动态无遮挡网站| 亚洲精品久久久久久婷婷小说| 国产成人a∨麻豆精品| 亚洲欧美成人精品一区二区| 在线观看三级黄色| 新久久久久国产一级毛片| 国产午夜精品久久久久久一区二区三区| 少妇猛男粗大的猛烈进出视频| av视频免费观看在线观看| 七月丁香在线播放| 日本爱情动作片www.在线观看| 高清在线视频一区二区三区| 亚洲国产精品999| 国产午夜精品久久久久久一区二区三区| 国国产精品蜜臀av免费| 午夜福利视频精品| 精品一区二区三卡| 精品国产乱码久久久久久小说| 久久国内精品自在自线图片| 蜜桃在线观看..| 十分钟在线观看高清视频www | 日韩成人av中文字幕在线观看| 直男gayav资源| 亚洲激情五月婷婷啪啪| 国产高清有码在线观看视频| 国产在线一区二区三区精| 亚洲av中文av极速乱| 激情 狠狠 欧美| 国产精品伦人一区二区| 身体一侧抽搐| 欧美少妇被猛烈插入视频| 性色av一级| 亚洲欧美日韩东京热| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲精品成人av观看孕妇| 国产男女超爽视频在线观看| 一本色道久久久久久精品综合| 毛片一级片免费看久久久久| 欧美人与善性xxx| 亚洲自偷自拍三级| 极品教师在线视频| 尾随美女入室| 亚洲av中文av极速乱| 久久久久人妻精品一区果冻| 麻豆乱淫一区二区| h日本视频在线播放| 看非洲黑人一级黄片| 国产精品嫩草影院av在线观看| 久久av网站| 国产精品三级大全| 日日啪夜夜爽| 汤姆久久久久久久影院中文字幕| 99九九线精品视频在线观看视频| 国产色婷婷99| 国产成人91sexporn| 中文字幕免费在线视频6| 少妇人妻一区二区三区视频| 亚洲欧美中文字幕日韩二区| 国产免费福利视频在线观看| 一级毛片我不卡| 成人亚洲欧美一区二区av| 97在线视频观看| 多毛熟女@视频| 亚洲va在线va天堂va国产| 亚洲国产日韩一区二区| 少妇的逼好多水| 久久久久性生活片| 成人高潮视频无遮挡免费网站| 国产精品欧美亚洲77777| 亚洲国产毛片av蜜桃av| 最新中文字幕久久久久| 能在线免费看毛片的网站| 搡女人真爽免费视频火全软件| 亚洲aⅴ乱码一区二区在线播放| av视频免费观看在线观看| 狂野欧美激情性xxxx在线观看| 18+在线观看网站| 搡老乐熟女国产| www.av在线官网国产| 精品久久久精品久久久| 日韩av不卡免费在线播放| 国产无遮挡羞羞视频在线观看| 成人黄色视频免费在线看| 97在线人人人人妻| 免费久久久久久久精品成人欧美视频 | kizo精华| 亚洲成人手机| 亚洲欧美一区二区三区黑人 | a级一级毛片免费在线观看| 黑人猛操日本美女一级片| 一个人看视频在线观看www免费| 精品少妇久久久久久888优播| 性高湖久久久久久久久免费观看| 美女内射精品一级片tv| 交换朋友夫妻互换小说| 91精品国产九色| 久久久久久久久大av| 国产色爽女视频免费观看| 亚洲内射少妇av| 国产精品不卡视频一区二区| 日日摸夜夜添夜夜爱| 欧美三级亚洲精品| 最近2019中文字幕mv第一页| 日韩中字成人| 成人综合一区亚洲| 日韩成人av中文字幕在线观看| 亚洲色图av天堂| 成年人午夜在线观看视频| 中文欧美无线码| 极品少妇高潮喷水抽搐| 91久久精品国产一区二区三区| 99re6热这里在线精品视频| 一级毛片我不卡| 亚洲激情五月婷婷啪啪| 九九爱精品视频在线观看| 高清日韩中文字幕在线| 国产伦精品一区二区三区四那| 国产精品女同一区二区软件| 国产高清不卡午夜福利| 亚洲欧美日韩另类电影网站 | 秋霞在线观看毛片| 99久久精品热视频| 日本欧美视频一区| 日韩成人av中文字幕在线观看| 国产精品一区二区在线观看99| 日本欧美国产在线视频| 国产一区二区三区av在线| 亚洲av在线观看美女高潮| 国产精品欧美亚洲77777| 国产在线免费精品| a 毛片基地| 精品国产乱码久久久久久小说| 观看免费一级毛片| 免费av中文字幕在线| 久久鲁丝午夜福利片| 国产精品嫩草影院av在线观看| 亚洲精品久久久久久婷婷小说| 亚洲国产成人一精品久久久| 亚洲国产欧美在线一区| 日本黄色日本黄色录像| 亚洲四区av| 日本与韩国留学比较| 精品99又大又爽又粗少妇毛片| 边亲边吃奶的免费视频| 蜜桃亚洲精品一区二区三区| 中国三级夫妇交换| 欧美人与善性xxx| 免费观看的影片在线观看| 亚洲av中文av极速乱| 久久精品国产a三级三级三级| 国产国拍精品亚洲av在线观看| 色5月婷婷丁香| 亚洲精品国产av成人精品| 国产精品偷伦视频观看了| 精品亚洲成国产av| 欧美日韩视频高清一区二区三区二| 国产白丝娇喘喷水9色精品| 国产精品一区www在线观看| 久久精品国产自在天天线| 国产成人精品一,二区| 综合色丁香网| 人妻夜夜爽99麻豆av| 久久精品久久久久久久性| 我的女老师完整版在线观看| 国产成人一区二区在线| 我要看黄色一级片免费的| 欧美日韩在线观看h| av在线老鸭窝| 国产亚洲最大av| 欧美日韩综合久久久久久| a级毛色黄片| 各种免费的搞黄视频| 一个人看视频在线观看www免费| 最近手机中文字幕大全| 久久国产乱子免费精品| 成年女人在线观看亚洲视频| 男男h啪啪无遮挡| 亚洲精品日韩在线中文字幕| 中文在线观看免费www的网站| 国产亚洲最大av| 国产av码专区亚洲av| 国产亚洲一区二区精品| 在线观看三级黄色| 黄色一级大片看看| 在线免费观看不下载黄p国产| 3wmmmm亚洲av在线观看| 免费黄频网站在线观看国产| 免费大片18禁| 你懂的网址亚洲精品在线观看| 久久人人爽人人片av| 久久久久久久久大av| 欧美日本视频| 中文字幕精品免费在线观看视频 | 丝瓜视频免费看黄片| 成人影院久久| 日本免费在线观看一区| 特大巨黑吊av在线直播| 国产成人精品婷婷| 黄色日韩在线| 99热6这里只有精品| 少妇人妻久久综合中文| 亚洲久久久国产精品| 久久久久精品性色| 亚洲av成人精品一二三区| 中国美白少妇内射xxxbb| 热99国产精品久久久久久7| 婷婷色综合大香蕉| 久久毛片免费看一区二区三区| 好男人视频免费观看在线| 欧美精品一区二区免费开放| 免费人成在线观看视频色| 国产免费视频播放在线视频| 国产极品天堂在线| 黄色欧美视频在线观看| 美女内射精品一级片tv| 国产午夜精品久久久久久一区二区三区| tube8黄色片| 91在线精品国自产拍蜜月| 亚洲精品自拍成人| 一级爰片在线观看| 国产成人a∨麻豆精品| 在线观看免费日韩欧美大片 | 国产无遮挡羞羞视频在线观看| 亚洲自偷自拍三级| 国产黄片美女视频| 一级黄片播放器| 国产成人91sexporn| 免费看光身美女| 亚洲欧美中文字幕日韩二区| 亚洲综合色惰| 免费大片黄手机在线观看| 日韩一区二区三区影片| 国产男人的电影天堂91| av天堂中文字幕网| 99热这里只有是精品在线观看|