• <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Gabor特征與加權(quán)協(xié)同表示的人臉識別算法

    2021-11-01 13:37:52趙雪章席運江
    計算機測量與控制 2021年10期
    關(guān)鍵詞:訓練樣本識別率人臉

    趙雪章,丁 犇,席運江

    (1.佛山職業(yè)技術(shù)學院 電子信息學院,廣東 佛山 528137;2.華南理工大學 經(jīng)濟管理學院, 廣州 510641)

    0 引言

    隨著計算機科技的發(fā)展,人臉識別技術(shù)在安防、教育、電子商務、金融等領(lǐng)域有著非常廣泛應用,已經(jīng)滲透到到人們的方方面面當中。人臉識別容易受到遮擋、光照、多姿態(tài)性、表情變化等因素的影響,這些不確定因素提高了人臉識別的難度。其中稀疏表示由于具有遮擋和腐蝕的干擾具有非常好的魯棒性,以及對特征的選擇不敏感等優(yōu)點,被Wright[1]等人首次應用到人臉識別問題中,先直接使用所有訓練祥本對測試樣本進行線性表示,再通過最小重構(gòu)誤差對測試樣本進行分類,特別是當測試樣本有損壞或遮擋時,SRC方法依然有出色的分類性能,但當SRC線性組合的樣本維數(shù)比較高時,時間復雜度大大増加。為解決這個問題,Hui和Ortiz等人[2-3]將SRC和線性嵌入思想相結(jié)合,提出基于線性近似的稀疏表示分類方法,在進行稀疏優(yōu)化前,先利用線性回歸對訓練樣本進行篩選,從而加快稀疏分解減少計算時間。另外的解決辦法就是利用字典學習提高稀疏分解效率,利用字典學習可以獲得信息量大但規(guī)模小的字典,字典原子個數(shù)遠小于原始訓練樣本。2010年Zhang等人[4]提出具有鑒別性的D-KSVD算法,主要思想是在K-SVD算法的基礎(chǔ)上引入分類誤差項,該算法特點是學習到的字典具有鑒別能力;與此類似,Jiang等人[5]提出具有標簽一致性約束的LC-KSVD算法,該算法是在K-SVD算法的基礎(chǔ)上利用訓練樣本的標簽信息,由于存在標簽約束項使得同類訓練樣本的編碼系數(shù)具有相似性,鑒別能力有較大的提高,但字典學習方法主要將重點集中在突出訓練樣本的編碼系數(shù)或標簽信息及字典原子的鑒別信息,忽略了訓練樣本的多樣性,并且使用稀疏約束得到稀疏編碼系數(shù)矩陣,計算效率不高。

    所以協(xié)同表示分類被研究者提上日程,Zhang[6]等人于2011年提出基于2范數(shù)約束的協(xié)同表示分類(CRC)方法,這一方法表明SRC成功的根本原因不是稀疏約束,實際上是協(xié)同表示機制(CR),此外還具備較為迅速的計算速度,更符合實際情況。盡管CRC方法對于CR機制在分類方面的高效性作出較為合理的解釋,然而其幾何解釋存在較為顯著的難點。因此Cai[7]等人在2016年提出了基于概率協(xié)同表示的分類方法(ProCRC),從概率角度解釋協(xié)同表示機制的分類原理。Lan等人[8]在此的基礎(chǔ)上又提出通過提取訓練樣本的先驗知識來提升分類性能的ProCRC方法(PKPCRC)。Yuan等人[9]提出協(xié)同競爭表示分類方法(CCRC),利用不同類別的訓練樣本來競爭表示測試樣本,通過競爭表示項針對表示、分類完成融合的過程,由此能夠?qū)Ψ诸惞δ苓M行具有針對性的優(yōu)化。CRC方法卻是以全局表示為基礎(chǔ)的一種分類方式,通過全部訓練樣本完成線性組合的做成從而不斷逼近測試樣本,因此有很多和測試樣本類別存在區(qū)別的訓練樣本,造成測試樣本分類錯誤的可能性很強,此外在實際情況下因為訓練樣本的具體數(shù)目并非無限的,通過整體特征無法對光照變化、各種姿勢表情等多種局部信息發(fā)生的變更進行良好的處理。

    所以以局部特征為核心的分類算法被有關(guān)領(lǐng)域的研究人員予以高度重視,比如Gabor小波[8]這一性能優(yōu)良的特征提取器,能夠針對大腦皮層中存在的單細胞感受野對應的輪廓進行模擬,捕捉目標圖像特定區(qū)域內(nèi)的多位置多尺度多方向空間頻率特性,從而能更好的克服光照、姿態(tài)和表情等全局干擾對識別效果的影響。除此之外,Akhtar等相關(guān)研究人員[9]通過大量研究結(jié)果指出,若針對協(xié)同表示系數(shù)對應的稀疏性進行提升,可以對分類功能的性能進行合理優(yōu)化與改進。Yang等人[10]提出先對圖像局部特征提取,然后通過學習編碼得到具有Gabor特征的閉塞字典的方法提高了SRC識別準確率也減少了計算量;Hu等人[11]提出了判別式字典學習的稀疏表示識別算法,結(jié)合Fisher判別Gabor特征字典的學習得到字典原子對應類別標簽的結(jié)構(gòu)化字典,該典中特定類的子字典對相關(guān)的類的表示能力較好。

    綜上所述,此次研究提出以Gabor特征與加權(quán)協(xié)同表示為核心的人臉識別算法。在最開始的步驟中,必須針對人臉圖像內(nèi)所包含的各個尺度以及方向的Gabor特征完成提取的過程,初始特征樣本字典實際上屬于增廣Gabor特征矩陣,并對其完成學習的過程,從而獲得訓練樣本子字典,再在CRC方法中將樣本對應的局部信息進行引入,從而進一步得到Gabor特征以及加權(quán)的協(xié)同表示分類方法[12-14]。

    1 Gabor小波變換特征提取

    Gabor 最早提出了將信號加窗后再進行傅里葉變換,當窗口函數(shù)取高斯函數(shù)時傅里葉變換就被稱作為Gabor變換;Grbor變換可以從不同頻率鄰域及不同尺度方向上對圖像進行處理,所以該方法通常在信號處理領(lǐng)域用來提取圖像的紋理特征。在實際實踐過程中一般采用Gabor變換作為線性濾波器在圖像特征提取過程中對輸入的圖像樣本進行小波變換,然后利用Gabor小波與圖像進行卷積操作進而得到圖像樣本的Gabor特征。該特征在頻率鄰域和空間領(lǐng)域都具有良好的特性,能夠較好地描述圖像的空間頻率、空間位置以及方向的局部特征信息。由于Gabor小波具備了這些特性,研究者經(jīng)常利用它的多分辨特性對人臉圖像進行局部特征的提取并增加系統(tǒng)的魯棒性。

    Daugman首次在二維空間結(jié)合小波理論進行Gabor變換,將一維Gabor濾波推廣到二維構(gòu)造出二維Gabor小波。

    二維Gabor濾波器定義如下:

    (1)

    在實踐中通過Gabor函數(shù)與圖像I的卷積得到人臉圖像I=(x,y)的人臉圖像,對于任一像素點z0(x0,y0),Gabor小波變換描述出點局部區(qū)域的圖像特征,卷積過程定義為:

    (2)

    其中:*表示卷積,Ομ,ν(z0)表示在點z0(x0,y0)處的卷積值,通常如果對方向參數(shù)μ和尺度參數(shù)ν進行改變,就提取到不同方向下的多尺度局部特征,由各個不同像素點組成的集合,就構(gòu)成了圖像I=(x,y)的Gabor小波特征[16]。

    公式(2)可以寫為:

    Ομ,ν(z0)=Mμ,ν(z0)·exp(iθμ,ν(z0))

    (3)

    Mμ,ν(z0)為幅值,θμ,ν(z0)為相位,幅值部分主要涵蓋了圖像局部能量的各種變化信息,所以圖像特征對應的描述是經(jīng)過變換過程的幅值。利用公式(2)完成卷積運算,基于像素點z0(x0,y0)進一步獲取a×b個值,Gabor特征對應的維數(shù)較高,所以針對獲取的幅值Mμ,ν(z0)首先需要針對單位方差利用均衡下采樣同時完成歸一化到零均值的過程,再進一步將其通過列進行連接,進一步組成Gabor小波特征向量[17-20],表示為:

    χ=[Gabor1(z0),Gabor2(z0),…,Gabora×b(z0)]T

    (4)

    χ是一個局部特征描述子。

    2 加權(quán)協(xié)同表示方法

    2.1 SRC方法

    稀疏表示分類是指將測試圖像表示為訓練樣本的線性組合,然后用l1或l2范數(shù)對保真度項進行編碼,由Wright[1]等人提出的SRC方法作為稀疏理論的代表性成果,通過全部樣本訓練進一步共同構(gòu)成字典原子,所對應的目標函數(shù)為公式(5):

    (5)

    其中:λc為平衡參數(shù),α所指代的是系數(shù),在系數(shù)α被計算出來后,測試樣本便能夠通過分類被納入最小殘差值的訓練樣本的范圍,可利用公式(6)進行分類:

    (6)

    其中:αi是第i類訓練樣本的表示系數(shù)。將SRC方法中目標函數(shù)的l1范數(shù)用l2范數(shù)代替,便是CRC方法[21-23]。CRC方法的函數(shù)公式為:

    (7)

    其中:β為表示系數(shù),式(7)的解析解可用式(8)表示:

    β=(XTX+λcI)-1XTy

    (8)

    在分類時各類訓練樣本的殘差項和表示系數(shù)均含有鑒別信息[24-27],都可以用來分類,分類規(guī)則為:

    (9)

    其中:βi是第i類訓練樣本的表示系數(shù)。

    2.2 WCRC方法

    在實踐中,樣本矩陣X中的列向量具有線性相關(guān)性,由此能夠讓矩陣XTX不斷與奇異相接近,進一步造成矩陣內(nèi)部對角線對應的值較高;此外所有樣本及其鄰近樣本都有可能是同種類型,其表示系數(shù)具有較強的相似程度。Timofte等相關(guān)研究人員[9]以CRC方法為基礎(chǔ),進一步提出了WCRC方法[12-14],其目標函數(shù)公式如下:

    (10)

    γ=(XTX+λwcWTW)-1XTy

    (11)

    根據(jù)公式(12)計算出WCRC方法的表示系數(shù)γ后,對測試樣本y進行分類,分類規(guī)則為:

    (12)

    其中:γi是第i類訓練樣本的表示系數(shù)。

    此次研究選擇通過OMP算法[24]來完成對測試樣本y所對應的稀疏系數(shù)α的計算過程。在這種情況下,增強加權(quán)所對應的表示系數(shù)如下:

    (13)

    ζ為增強系數(shù)。

    假設(shè)L={l1,l2,…,lM}類樣本,用m維向量表示每幅人臉圖像特征,這里的向量已經(jīng)過Gabor小波提取的特征向量。每個已標記類別的人臉樣本數(shù)為n1,n2,…,nM,所以ci類別的ni幅人臉圖像經(jīng)Gabor提取后得到ni個m維的特征向量,那么標簽矩陣則能夠表示為Di=[di,1,di,2,…,di,n]∈Rm×n,測試樣本表示為y∈Rm×1。

    針對第i類樣本Xi分布主要集中于標簽矩陣Di的第i行,標簽矩陣Di中所包含的非0元素數(shù)目為ni個。因此向量?=Dζ所包含的第i個元素?i從本質(zhì)上來看是i類訓練樣本Xi中所涵蓋的所有表示系數(shù)ζi的和[25-27]。向量?中包含的值能夠作為所有訓練樣本中分類對應的得分值。所以測試樣本y所對應的類別標簽能夠通過利用得分向量?內(nèi)存在的最大值而確定。

    2.3 算法描述

    此次研究的方法主要依據(jù)如下若干個步驟:

    1) 根據(jù)式(1)~式(3)對每幅待識別的人臉圖像進行Gabor小波變換,通過計算而獲取的Gabor特征值先利用均衡下采樣的方式并完成歸一化至零均值的單位方差這一過程,再進一步以列為依據(jù)將其進行連接,進一步組成Gabor小波特征向量。

    2) 通過OMP算法計算SRC方法的稀疏系數(shù)α[21];

    3) 利用公式(10)得出WCRC方法的表示系數(shù)γ;

    4) 利用公式(12)得出增強系數(shù)ζ;

    5) 計算WCRC方法測試樣本y的分類向量?=Dζ;

    3 實驗結(jié)果與分析

    為了驗證本文方法在人臉檢測方面的性能,本文將在不同情況下作三組對比測試,實驗1是不同數(shù)量測試樣本訓練識別,實驗2是在Yale、Extended Yale B與AR數(shù)據(jù)庫,實驗3是人臉不同角度變化的測試。所有方法均在CPU為Inter Core i7-9700@4.9GHz,內(nèi)存16G,操作系統(tǒng)為64位,Matlab2019a下進行。

    3.1 不同數(shù)量測試樣本訓練及識別實驗

    本組實驗是在LFW人臉數(shù)據(jù)庫隨機采集400個對象,由10種不同的代表一個人臉姿態(tài)的標簽所組成,圖像不對光照進行限制以驗證實驗對光照的魯棒性。

    在 LFW人臉數(shù)據(jù)庫中分別選取數(shù)量為 50、100、200 和 400 個圖像樣本進行訓練及測試,識別率見表1。

    表1 不同數(shù)量訓練樣本的識別率

    從表1中可以看出,對不同數(shù)量測試樣本進行實驗均可以達到較好的識別率及穩(wěn)定性。

    3.2 在Yale、Extended Yale B與AR數(shù)據(jù)庫的實驗

    3.2.1 在Yale人臉數(shù)據(jù)庫的實驗

    Yale人臉數(shù)據(jù)庫由耶魯大學著名的計算視覺與控制中心創(chuàng)建,數(shù)據(jù)庫由15個受拍者每個人拍攝11張圖片共165張人臉圖像組成,所有人臉圖像都以分辨率為100*100像素GIF格式存儲的灰度圖,這些人臉在拍攝時有較大的光照變化、姿態(tài)變化以及表情變化。

    實驗用的所有人臉圖像被裁剪并采樣為25*25像素,每個人隨機選擇8張人臉圖像作為訓練樣本,其余的用作測試樣本。在Yale人臉數(shù)據(jù)庫中的實驗都重復20次,SRC方法誤差閾值η設(shè)為0.05。CRC方法與本文方法中平衡參數(shù)λc、λwc均為0.001,σ為0.4。

    從表2中,支持向量機、稀疏表示分類、協(xié)同表示分類、融合表示分類與本文方法的識別率的比較可以看出,其他算法的識別率都高于支持向量機分類方法,說明稀疏表示分類在識別性能方面比支持向量機分類更優(yōu)越;本文算法識別效率最優(yōu),主要利用訓練樣本的標簽矩陣與測試樣本的增強系數(shù)相乘得出分類分值,所以具有較高的分類效率,識別效率比支持向量機分類方法快10倍左右。

    表2 在Yale中的識別率及測試時間

    3.2.2 在Extended Yale B數(shù)據(jù)庫實驗

    Extended Yale B人臉數(shù)據(jù)庫也由耶魯大學創(chuàng)建,庫中包含38人共2 414張灰度格式的人臉圖像,人臉圖像存在大量的光照變化,大小為192*168像素。SRC方法誤差閾值η設(shè)為0.05。CRC方法與本文方法中平衡參數(shù)λc、λwc均為0.001,σ為0.4。所有方法在Extended Yale B人臉數(shù)據(jù)庫中都單獨運行10次。并計算出平均識別率和單個測試樣本進行識別的平均測試時間。

    此次實驗在AR數(shù)據(jù)庫內(nèi)選擇一個子集,涵蓋的圖像中男性受試者人數(shù)為50名,女性受試者人數(shù)也為50名。

    表3是通過Gabor小波變換對樣本集進行PCA降維后特征維數(shù)d=300時的結(jié)果,可以得到本文算法取得了最高的識別率,而且是SRC分類效率的4倍,原因是本文算法在降低特征維數(shù)的時保留原空間的最有效信息,從而保持較好的識別性能,并且降低了計算復雜度,具有較高的分類效率。

    表3 在Extended Yale B中的識別率及測試時間

    3.2.3 在AR人臉數(shù)據(jù)庫的實驗

    AR人臉數(shù)據(jù)庫于1998年由西班牙巴塞羅納計算機視覺中心建立,累計人數(shù)為126人,具有超過四千張的彩色圖像。拍攝此類圖像需要經(jīng)歷兩個階段,分別是將環(huán)境中的所有表情變化進行搜集、對若干種光照條件以及遮擋是否存在變化進行檢測,人臉圖像的尺寸等于165*120像素,σ等于0.5。在AR數(shù)據(jù)庫中一個子集進行測試,包括50名男、女共2 600張圖像,每張圖像隨機投影到向量空間中。每人隨機選10張人臉圖像為訓練樣本,剩余為測試樣本。SRC方法的誤差閾值為0.05,CRC方法的正則平衡參數(shù)與本文方法相同λc、λwc均為0.001。所有方法在AR人臉數(shù)據(jù)庫中都單獨運行10次。并計算出平均識別率和單個測試樣本進行識別的平均測試時間。

    從表4中可以看出,提出的方法可以獲得更高的面部識別率,此外,在魯棒性方面也較強,比經(jīng)典的SRC算法錯誤識別率大約降低58%,而且識別速度得到顯著提高,說明本文算法表示思路的合理性。

    表4 在AR中的識別率及測試時間

    3.3 人臉不同姿態(tài)變化的實驗

    FERET人臉數(shù)據(jù)庫由美國國防部商級研究計劃局創(chuàng)建,包含1萬多張人臉灰度圖像,這些人臉圖像在各種光照條件、多種臉部角度及各種面部表情的情景下拍攝。主要選擇FERET人臉數(shù)據(jù)庫的一個常用姿態(tài)庫子集對頭部不同角度變化問題進行測試,該數(shù)據(jù)集由200個受拍者共1 400張人臉圖像組成,每人7張人臉圖像,3幅為正面圖像,4幅為各種角度圖像,分別標記為“ba、bj、bk、be、bf、bd、bg”。實驗中每張人臉圖像都被采樣到40*40像素。我們進行5組不同姿態(tài)角度的測試,在實驗1(姿態(tài)角度0°),每一類圖像中前1-2的圖像作為訓練樣本,每人人臉圖像第3個的為測試樣本;剩余的4組實驗中,前1~3的圖像為訓練樣本,然后分別用bg(-20°)、bf(-15°)、be(+15°)、bd(+25°)作為測試樣本,取得人臉不同角度下的識別結(jié)果。在實驗中通過Gabor小波變換對對樣本集進行PCA降維后特征維數(shù)d=300。參數(shù)設(shè)置與前面相同。

    圖1給出了不同算法在人臉不同角度下的識別率,從圖中可以得到,當人臉角度偏轉(zhuǎn)不大的情況下(0°±15°),支持向量機算法對角度變化很敏感;隨著偏轉(zhuǎn)角度的增大,當角度變化較大時(達到±25°),所有的算法的識別率都明顯下降,但本文的算法仍然高于其他算法。本文算法Gabor特征描述圖像局部信息的優(yōu)點,顯著地提高了識別率,本文算法相比其他算法更好的克服了人臉角度變化的影響。實驗結(jié)果表明本文算法在姿態(tài)變化不大的情況下顯著的提高了識別效果,在實際中具有一定的實踐價值。

    圖1 FERET人臉數(shù)據(jù)庫算法結(jié)果

    本文所選的算法在FERET人臉數(shù)據(jù)庫測試中都有隨著訓練樣本和測試樣本數(shù)量的增加而識別率下降的問題出現(xiàn),這有可能與選擇訓練樣本方式有關(guān),更為合理的應當是采用隨機選取方法,后期將在FERET人臉數(shù)據(jù)庫的訓練樣本加入隨機策略方式進行驗證。而且本文提出的算法需要確定3個參數(shù),分別是權(quán)重參數(shù)σ和正則項平衡參數(shù)λ及SRC方法誤差閾值η。經(jīng)過研究本文方法對兩個參數(shù)不敏感,但當誤差閾值為0.05和正則項平衡參數(shù)λ=0.001時,文本方法的識別率達到最佳數(shù)據(jù)。

    4 結(jié)束語

    本文提出了一種基于Gabor特征與加權(quán)協(xié)同表示的人臉識別算法,先提取人臉圖像多尺度多方向的Gabor特征,將增廣Gabor特征矩陣作為初始特征樣本字典,對該特征字典進行學習,形成訓練樣本子字典,與協(xié)同表示分類相比,由于考慮樣本的局部信息和表示系數(shù)的稀疏性,這樣使得協(xié)同表示分類中較為“稠密”的表示系數(shù)的稀疏性增強,系數(shù)的表示能力得到提升,降低重構(gòu)誤差,使得以本文算法為核心的人臉圖像識別算法在Yale人臉數(shù)據(jù)庫、Extended Yale B和AR人臉數(shù)據(jù)庫的實驗中都取得最高識別率和較短的分類時間,具有一定的實踐價值。但在現(xiàn)實應用中,人臉存在姿態(tài)變化、光亮度變化及遮擋等因素,使訓練及測試樣本同時被噪聲影響,未來會針對訓練樣本由于受到污損或遮擋的情況進行研究,提高抗噪能力。

    猜你喜歡
    訓練樣本識別率人臉
    有特點的人臉
    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
    人工智能
    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(guān)系
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    提升高速公路MTC二次抓拍車牌識別率方案研究
    寬帶光譜成像系統(tǒng)最優(yōu)訓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)的機載雷達訓練樣本挑選方法
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應用
    www.色视频.com| 校园人妻丝袜中文字幕| 69av精品久久久久久| 免费观看的影片在线观看| 久久久久久久国产电影| 国产毛片a区久久久久| 久久欧美精品欧美久久欧美| 亚洲av成人av| 亚洲综合精品二区| 18禁动态无遮挡网站| 免费av观看视频| 国产免费福利视频在线观看| 精品久久久久久久久亚洲| or卡值多少钱| 热99re8久久精品国产| 午夜精品一区二区三区免费看| 亚洲成色77777| 亚洲成人中文字幕在线播放| 久久99热这里只频精品6学生 | 十八禁国产超污无遮挡网站| 国产精品久久久久久久电影| 国产私拍福利视频在线观看| 国产成人a∨麻豆精品| 麻豆乱淫一区二区| 国产伦理片在线播放av一区| 亚洲精品,欧美精品| 在线免费观看的www视频| 久久久久久久久大av| 国产久久久一区二区三区| 亚洲av不卡在线观看| 超碰97精品在线观看| 老司机福利观看| 久久人妻av系列| 小蜜桃在线观看免费完整版高清| 日韩国内少妇激情av| 在线a可以看的网站| 91久久精品电影网| 亚洲精品,欧美精品| 久久99热这里只有精品18| 亚洲18禁久久av| 欧美性猛交╳xxx乱大交人| 美女内射精品一级片tv| 最近的中文字幕免费完整| 联通29元200g的流量卡| 日韩av不卡免费在线播放| 国产成人精品婷婷| 热99re8久久精品国产| 国产激情偷乱视频一区二区| 午夜福利在线在线| 我要搜黄色片| 日本三级黄在线观看| www.av在线官网国产| 国产 一区精品| 国产精品精品国产色婷婷| 国产麻豆成人av免费视频| 成人欧美大片| av在线观看视频网站免费| 淫秽高清视频在线观看| 欧美丝袜亚洲另类| 亚洲性久久影院| 亚洲真实伦在线观看| 噜噜噜噜噜久久久久久91| 如何舔出高潮| 精品久久久噜噜| 日本黄色视频三级网站网址| 变态另类丝袜制服| 久久精品国产亚洲网站| 91精品一卡2卡3卡4卡| 91午夜精品亚洲一区二区三区| 亚洲av成人av| 免费黄色在线免费观看| 国产伦在线观看视频一区| av在线观看视频网站免费| 国产精品精品国产色婷婷| 国产亚洲一区二区精品| 九草在线视频观看| 国产精品久久久久久精品电影| 卡戴珊不雅视频在线播放| 国产精品久久电影中文字幕| av天堂中文字幕网| 黑人高潮一二区| 国内精品宾馆在线| 赤兔流量卡办理| 精品人妻偷拍中文字幕| 有码 亚洲区| 最近2019中文字幕mv第一页| 麻豆一二三区av精品| 午夜福利高清视频| 麻豆国产97在线/欧美| 少妇裸体淫交视频免费看高清| 亚洲精品成人久久久久久| 热99re8久久精品国产| 性色avwww在线观看| 性色avwww在线观看| 亚洲欧美清纯卡通| 熟女人妻精品中文字幕| 极品教师在线视频| 午夜精品一区二区三区免费看| 亚洲国产精品合色在线| 精品一区二区三区人妻视频| 色噜噜av男人的天堂激情| 国国产精品蜜臀av免费| 成人午夜高清在线视频| 亚洲成人久久爱视频| 在线播放国产精品三级| 国产精品不卡视频一区二区| av.在线天堂| 欧美又色又爽又黄视频| 午夜亚洲福利在线播放| videos熟女内射| 亚洲中文字幕一区二区三区有码在线看| 国产欧美另类精品又又久久亚洲欧美| 国产乱来视频区| 欧美日韩国产亚洲二区| 高清日韩中文字幕在线| 国内精品宾馆在线| 免费一级毛片在线播放高清视频| 2022亚洲国产成人精品| 精品久久久久久久末码| av专区在线播放| 汤姆久久久久久久影院中文字幕 | 亚洲av福利一区| 最近2019中文字幕mv第一页| 国产伦一二天堂av在线观看| 日日撸夜夜添| 99久久精品国产国产毛片| 色尼玛亚洲综合影院| 国产精品人妻久久久久久| 别揉我奶头 嗯啊视频| 99久久中文字幕三级久久日本| 能在线免费看毛片的网站| 蜜桃亚洲精品一区二区三区| 国产伦一二天堂av在线观看| 日本与韩国留学比较| 亚洲国产欧美人成| 亚洲综合精品二区| 国产乱人偷精品视频| 欧美不卡视频在线免费观看| 夜夜看夜夜爽夜夜摸| 久久久久久伊人网av| 亚洲五月天丁香| 亚洲国产精品国产精品| 夫妻性生交免费视频一级片| 国产不卡一卡二| 日本免费a在线| 简卡轻食公司| 成人综合一区亚洲| 国产av码专区亚洲av| 亚洲成人中文字幕在线播放| 超碰av人人做人人爽久久| 国产视频内射| 国产精品不卡视频一区二区| 在线观看av片永久免费下载| 国产男人的电影天堂91| 亚洲四区av| 丝袜喷水一区| .国产精品久久| 欧美bdsm另类| 99九九线精品视频在线观看视频| 禁无遮挡网站| 老司机福利观看| 亚洲欧美日韩东京热| 只有这里有精品99| 精品久久国产蜜桃| 一级毛片我不卡| 国产久久久一区二区三区| 一个人看的www免费观看视频| 免费观看a级毛片全部| 视频中文字幕在线观看| 三级毛片av免费| 看黄色毛片网站| 国产三级中文精品| 免费不卡的大黄色大毛片视频在线观看 | 老司机福利观看| 色5月婷婷丁香| 亚洲成人中文字幕在线播放| 成人午夜高清在线视频| 国产精品久久久久久久久免| 中国美白少妇内射xxxbb| 久久热精品热| 亚洲欧洲日产国产| 最近手机中文字幕大全| 国产v大片淫在线免费观看| 成人美女网站在线观看视频| 51国产日韩欧美| 一级av片app| 国产探花极品一区二区| 欧美又色又爽又黄视频| 我要看日韩黄色一级片| 婷婷色av中文字幕| 天天一区二区日本电影三级| 亚洲精品日韩av片在线观看| 久久99热这里只频精品6学生 | 亚洲欧美成人精品一区二区| 国产高潮美女av| av又黄又爽大尺度在线免费看 | 乱码一卡2卡4卡精品| 国产精品.久久久| 亚洲自拍偷在线| 狂野欧美激情性xxxx在线观看| 亚洲最大成人手机在线| 精品久久久久久久久久久久久| 亚洲成色77777| 26uuu在线亚洲综合色| 视频中文字幕在线观看| 秋霞在线观看毛片| 精品久久久久久久人妻蜜臀av| 永久免费av网站大全| av免费在线看不卡| 日本一二三区视频观看| 99热6这里只有精品| 亚洲av成人精品一区久久| 成人毛片60女人毛片免费| 国产精品三级大全| 国产视频内射| 永久免费av网站大全| 两个人视频免费观看高清| 亚洲三级黄色毛片| 精华霜和精华液先用哪个| 国产亚洲av嫩草精品影院| 欧美+日韩+精品| 免费不卡的大黄色大毛片视频在线观看 | 麻豆精品久久久久久蜜桃| 黄色日韩在线| 少妇裸体淫交视频免费看高清| 国产精品麻豆人妻色哟哟久久 | 女人十人毛片免费观看3o分钟| 啦啦啦观看免费观看视频高清| 少妇人妻一区二区三区视频| 亚洲欧美一区二区三区国产| 天堂中文最新版在线下载 | 深夜a级毛片| 99久久精品国产国产毛片| 一个人看视频在线观看www免费| 亚洲av免费在线观看| 99久国产av精品| 纵有疾风起免费观看全集完整版 | 中文乱码字字幕精品一区二区三区 | 九九在线视频观看精品| 免费观看性生交大片5| 国产色婷婷99| 最近最新中文字幕免费大全7| 国产精品一二三区在线看| 天堂中文最新版在线下载 | 国产伦精品一区二区三区视频9| 亚洲成人久久爱视频| 老司机影院毛片| 成人漫画全彩无遮挡| 级片在线观看| 搡女人真爽免费视频火全软件| 午夜激情欧美在线| 国产高潮美女av| 好男人视频免费观看在线| 91狼人影院| 国产亚洲91精品色在线| 观看免费一级毛片| 美女国产视频在线观看| 欧美高清性xxxxhd video| 日本五十路高清| 男人和女人高潮做爰伦理| 日本熟妇午夜| 一级二级三级毛片免费看| 99热这里只有是精品50| 久久久成人免费电影| 超碰97精品在线观看| 欧美一区二区精品小视频在线| 免费搜索国产男女视频| 成人高潮视频无遮挡免费网站| 综合色av麻豆| 国产激情偷乱视频一区二区| 国产精品人妻久久久影院| 精品99又大又爽又粗少妇毛片| 亚洲精品自拍成人| av女优亚洲男人天堂| 国产老妇女一区| 一个人免费在线观看电影| 啦啦啦韩国在线观看视频| 久久久成人免费电影| 蜜桃亚洲精品一区二区三区| 国产午夜精品久久久久久一区二区三区| 麻豆成人午夜福利视频| 欧美日韩一区二区视频在线观看视频在线 | 99视频精品全部免费 在线| 久久99热这里只频精品6学生 | 国产男人的电影天堂91| 十八禁国产超污无遮挡网站| 亚洲av男天堂| 精品久久久久久久久久久久久| 日本色播在线视频| 建设人人有责人人尽责人人享有的 | 长腿黑丝高跟| 国产高清三级在线| 日日撸夜夜添| 午夜久久久久精精品| 亚洲精品成人久久久久久| 免费在线观看成人毛片| 永久免费av网站大全| 一本久久精品| 熟女电影av网| 国产在视频线精品| h日本视频在线播放| 校园人妻丝袜中文字幕| 精品少妇黑人巨大在线播放 | 欧美激情久久久久久爽电影| av在线播放精品| 国产精品不卡视频一区二区| 激情 狠狠 欧美| 精品国内亚洲2022精品成人| 国产av不卡久久| 又爽又黄a免费视频| 男人舔女人下体高潮全视频| 亚洲国产成人一精品久久久| 成人三级黄色视频| 国产乱来视频区| 日韩一本色道免费dvd| 国产亚洲精品久久久com| 一个人看的www免费观看视频| 久久99热这里只频精品6学生 | 国产黄a三级三级三级人| 乱码一卡2卡4卡精品| 久久这里只有精品中国| 色尼玛亚洲综合影院| 男人舔女人下体高潮全视频| 国产91av在线免费观看| 亚洲国产精品sss在线观看| 国产乱来视频区| 又粗又爽又猛毛片免费看| 99久久中文字幕三级久久日本| 一本久久精品| 亚洲电影在线观看av| 成人无遮挡网站| 岛国毛片在线播放| 69人妻影院| 久久久久免费精品人妻一区二区| 偷拍熟女少妇极品色| 亚洲av中文字字幕乱码综合| 男女国产视频网站| 亚洲人成网站在线观看播放| 国产精品爽爽va在线观看网站| 免费人成在线观看视频色| 国产欧美另类精品又又久久亚洲欧美| 成人美女网站在线观看视频| 国产成人精品婷婷| 啦啦啦观看免费观看视频高清| 在线免费观看的www视频| 日韩欧美国产在线观看| 97超视频在线观看视频| 男女那种视频在线观看| 亚洲精品色激情综合| 亚洲天堂国产精品一区在线| 99久久中文字幕三级久久日本| 尤物成人国产欧美一区二区三区| 最近最新中文字幕免费大全7| 国产av一区在线观看免费| 亚洲av成人精品一二三区| 亚洲av电影不卡..在线观看| www日本黄色视频网| 久热久热在线精品观看| 少妇丰满av| 晚上一个人看的免费电影| 亚洲成人中文字幕在线播放| 欧美成人免费av一区二区三区| av播播在线观看一区| 韩国av在线不卡| 日本五十路高清| 三级国产精品片| 午夜福利在线在线| 超碰97精品在线观看| 亚洲成人精品中文字幕电影| 老司机福利观看| 日韩中字成人| 嘟嘟电影网在线观看| 少妇人妻一区二区三区视频| 亚洲久久久久久中文字幕| 26uuu在线亚洲综合色| 欧美另类亚洲清纯唯美| 99热网站在线观看| 久久久a久久爽久久v久久| 爱豆传媒免费全集在线观看| 黄色欧美视频在线观看| 久久久久久国产a免费观看| 免费人成在线观看视频色| 精品久久久久久久久av| 亚洲成av人片在线播放无| 亚洲av电影在线观看一区二区三区 | 国产麻豆成人av免费视频| 国产乱人视频| 国产精品国产三级国产专区5o | 国产精品永久免费网站| 亚洲av.av天堂| 国产 一区 欧美 日韩| 亚洲精品乱久久久久久| 成人欧美大片| 18禁在线播放成人免费| 黄色一级大片看看| 午夜老司机福利剧场| 成人亚洲欧美一区二区av| 久久午夜福利片| 在线观看66精品国产| 插阴视频在线观看视频| 纵有疾风起免费观看全集完整版 | 久久久久久久国产电影| 久久久成人免费电影| 国产亚洲av片在线观看秒播厂 | 舔av片在线| 国产伦理片在线播放av一区| 欧美激情在线99| 国产精品一区二区在线观看99 | 久久精品国产亚洲网站| 欧美日韩在线观看h| 婷婷色av中文字幕| 国产精品av视频在线免费观看| 久久精品国产亚洲av天美| 高清日韩中文字幕在线| 夜夜爽夜夜爽视频| 久久久久久久午夜电影| 亚洲无线观看免费| 卡戴珊不雅视频在线播放| 在线a可以看的网站| 18禁裸乳无遮挡免费网站照片| 午夜福利在线观看免费完整高清在| 国产精品嫩草影院av在线观看| 两个人的视频大全免费| 麻豆乱淫一区二区| 亚洲成人中文字幕在线播放| 精品久久久久久久久久久久久| 亚州av有码| 一级毛片aaaaaa免费看小| 丰满乱子伦码专区| 天天一区二区日本电影三级| 欧美成人一区二区免费高清观看| 两个人的视频大全免费| 色视频www国产| 免费观看a级毛片全部| 日本三级黄在线观看| 免费不卡的大黄色大毛片视频在线观看 | 91狼人影院| 亚洲av熟女| 三级男女做爰猛烈吃奶摸视频| 亚洲最大成人手机在线| 神马国产精品三级电影在线观看| 欧美成人精品欧美一级黄| 日韩制服骚丝袜av| 欧美一级a爱片免费观看看| 欧美一区二区国产精品久久精品| 国产探花极品一区二区| 一区二区三区乱码不卡18| 国产成人精品久久久久久| 亚洲激情五月婷婷啪啪| 三级毛片av免费| 国产 一区精品| 亚洲图色成人| 国产高清视频在线观看网站| 欧美日本视频| 亚洲国产精品成人综合色| 最近中文字幕2019免费版| 久久久久网色| 亚洲真实伦在线观看| 欧美极品一区二区三区四区| 爱豆传媒免费全集在线观看| 日韩在线高清观看一区二区三区| 免费搜索国产男女视频| 夜夜看夜夜爽夜夜摸| 国产麻豆成人av免费视频| 久久国产乱子免费精品| 尤物成人国产欧美一区二区三区| 色哟哟·www| 精品少妇黑人巨大在线播放 | 亚洲激情五月婷婷啪啪| 亚洲国产成人一精品久久久| 国产一区亚洲一区在线观看| 亚洲国产日韩欧美精品在线观看| 嫩草影院入口| 1000部很黄的大片| 成人二区视频| 97超视频在线观看视频| 久久亚洲国产成人精品v| 嫩草影院新地址| 一级黄色大片毛片| 51国产日韩欧美| 欧美日韩精品成人综合77777| 中文在线观看免费www的网站| 国产精品三级大全| 久久鲁丝午夜福利片| 男人的好看免费观看在线视频| 久久久久久九九精品二区国产| 色视频www国产| 久久久成人免费电影| 久久精品熟女亚洲av麻豆精品 | 美女cb高潮喷水在线观看| 日韩av不卡免费在线播放| 特大巨黑吊av在线直播| 99久久中文字幕三级久久日本| 麻豆一二三区av精品| av视频在线观看入口| 久久精品91蜜桃| 人妻系列 视频| 草草在线视频免费看| 国产色婷婷99| 久久99热这里只频精品6学生 | 毛片一级片免费看久久久久| 我的老师免费观看完整版| 成人二区视频| 国产欧美另类精品又又久久亚洲欧美| av在线亚洲专区| 一级毛片我不卡| 久久久午夜欧美精品| 亚洲精品乱码久久久v下载方式| 国产黄a三级三级三级人| 国产成人freesex在线| 亚洲va在线va天堂va国产| 日韩精品青青久久久久久| 蜜桃久久精品国产亚洲av| 国产黄a三级三级三级人| 亚洲欧美日韩东京热| 久久国内精品自在自线图片| 村上凉子中文字幕在线| 尤物成人国产欧美一区二区三区| 亚洲最大成人av| 国产高清不卡午夜福利| 99热全是精品| 日日撸夜夜添| 少妇高潮的动态图| 一本一本综合久久| 精品人妻视频免费看| 国产大屁股一区二区在线视频| 中文字幕熟女人妻在线| 美女脱内裤让男人舔精品视频| 在线免费观看不下载黄p国产| 国内揄拍国产精品人妻在线| 秋霞伦理黄片| 卡戴珊不雅视频在线播放| ponron亚洲| 中文字幕制服av| 亚洲内射少妇av| 成人高潮视频无遮挡免费网站| 欧美色视频一区免费| 深夜a级毛片| 天堂网av新在线| 最近中文字幕高清免费大全6| 大话2 男鬼变身卡| 国产v大片淫在线免费观看| 亚洲av成人av| 色综合色国产| 国产精品一区www在线观看| 婷婷色综合大香蕉| 欧美97在线视频| 嫩草影院新地址| 两个人的视频大全免费| 亚洲人成网站在线播| 日本猛色少妇xxxxx猛交久久| 看免费成人av毛片| 人妻少妇偷人精品九色| 草草在线视频免费看| 日韩欧美在线乱码| 午夜福利在线观看吧| 日本五十路高清| 国产高清三级在线| 69人妻影院| 久久热精品热| 国产在视频线在精品| 我要搜黄色片| 一区二区三区高清视频在线| 亚洲不卡免费看| 欧美性猛交黑人性爽| 欧美区成人在线视频| 色视频www国产| 亚洲av福利一区| 99久久九九国产精品国产免费| 亚洲人与动物交配视频| 亚洲av男天堂| 国产免费男女视频| 亚洲国产色片| 亚洲欧洲国产日韩| 欧美日本视频| 老司机影院成人| 亚洲欧美成人综合另类久久久 | 国产精品久久久久久av不卡| 亚洲精品久久久久久婷婷小说 | 亚洲美女视频黄频| 97超碰精品成人国产| 国产精华一区二区三区| 精华霜和精华液先用哪个| 久久这里有精品视频免费| 欧美成人一区二区免费高清观看| av播播在线观看一区| 啦啦啦观看免费观看视频高清| 国产成人a∨麻豆精品| 国产亚洲5aaaaa淫片| 欧美一级a爱片免费观看看| 免费搜索国产男女视频| 亚洲真实伦在线观看| 国产免费又黄又爽又色| 91精品伊人久久大香线蕉| 蜜臀久久99精品久久宅男| 成人美女网站在线观看视频| 国产免费视频播放在线视频 | 欧美性猛交╳xxx乱大交人| 大话2 男鬼变身卡| 蜜桃久久精品国产亚洲av| 欧美性猛交╳xxx乱大交人| 人妻夜夜爽99麻豆av| 国产精品永久免费网站| 观看美女的网站| 日韩欧美 国产精品| 别揉我奶头 嗯啊视频| 乱人视频在线观看| 午夜福利在线观看免费完整高清在| 中文字幕免费在线视频6| 欧美性猛交╳xxx乱大交人| 成人毛片60女人毛片免费| 高清在线视频一区二区三区 | 国产亚洲精品av在线| 国内精品宾馆在线| 婷婷六月久久综合丁香|