• <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
    免费少妇av软件| 女的被弄到高潮叫床怎么办| 69av精品久久久久久| 亚洲欧洲国产日韩| 2022亚洲国产成人精品| 国产高清不卡午夜福利| 不卡视频在线观看欧美| 亚洲精品国产成人久久av| 亚洲av欧美aⅴ国产| 国产老妇女一区| 亚洲电影在线观看av| 久久久久久久久久久免费av| av网站免费在线观看视频| 国产免费一级a男人的天堂| 1000部很黄的大片| 永久免费av网站大全| 中文天堂在线官网| 特级一级黄色大片| 国产精品一区二区三区四区免费观看| 亚洲电影在线观看av| 亚洲精品亚洲一区二区| 日本色播在线视频| 成人黄色视频免费在线看| 免费av毛片视频| 免费不卡的大黄色大毛片视频在线观看| 免费电影在线观看免费观看| 一本色道久久久久久精品综合| 日日撸夜夜添| 精品久久久久久久久亚洲| 亚洲熟女精品中文字幕| 亚洲欧美日韩无卡精品| 美女脱内裤让男人舔精品视频| 22中文网久久字幕| 麻豆久久精品国产亚洲av| 22中文网久久字幕| 黄色配什么色好看| tube8黄色片| 新久久久久国产一级毛片| 老女人水多毛片| 最近的中文字幕免费完整| 亚洲婷婷狠狠爱综合网| 国产av国产精品国产| 国产高清有码在线观看视频| av卡一久久| 欧美xxxx黑人xx丫x性爽| 一个人观看的视频www高清免费观看| 卡戴珊不雅视频在线播放| 嫩草影院入口| 能在线免费看毛片的网站| 亚洲国产最新在线播放| 亚洲最大成人手机在线| 亚洲精品国产av成人精品| 性色avwww在线观看| 欧美日韩视频高清一区二区三区二| av国产免费在线观看| 成年女人看的毛片在线观看| 黄色欧美视频在线观看| 欧美 日韩 精品 国产| 久久精品国产亚洲av天美| 免费黄网站久久成人精品| 99久久精品国产国产毛片| 欧美成人一区二区免费高清观看| 美女xxoo啪啪120秒动态图| 最近最新中文字幕免费大全7| 欧美日韩视频精品一区| 国产免费一级a男人的天堂| 国产免费一级a男人的天堂| 男女啪啪激烈高潮av片| 国产成人精品久久久久久| 五月伊人婷婷丁香| 汤姆久久久久久久影院中文字幕| 亚洲欧美精品自产自拍| 日韩av在线免费看完整版不卡| 三级男女做爰猛烈吃奶摸视频| 黄色配什么色好看| 亚洲在久久综合| 国产成人精品一,二区| 亚洲人成网站高清观看| 美女视频免费永久观看网站| 久久久久久久久久久丰满| 午夜精品国产一区二区电影 | av国产精品久久久久影院| 国产综合精华液| av在线天堂中文字幕| 在线观看美女被高潮喷水网站| 麻豆国产97在线/欧美| 久久久久久伊人网av| 一级毛片 在线播放| 国产精品一及| 97人妻精品一区二区三区麻豆| av在线观看视频网站免费| 日韩人妻高清精品专区| 国产精品成人在线| 亚洲自拍偷在线| 国产一区亚洲一区在线观看| 菩萨蛮人人尽说江南好唐韦庄| 蜜臀久久99精品久久宅男| 免费观看av网站的网址| 欧美精品人与动牲交sv欧美| 欧美bdsm另类| 欧美性猛交╳xxx乱大交人| 亚洲精品日本国产第一区| 欧美极品一区二区三区四区| 国产精品国产三级国产专区5o| 一个人看视频在线观看www免费| 97超碰精品成人国产| 看黄色毛片网站| 国产欧美日韩精品一区二区| 可以在线观看毛片的网站| 国产精品.久久久| 亚洲精品日韩在线中文字幕| 少妇人妻 视频| 国产视频首页在线观看| 亚洲精品久久午夜乱码| 欧美日韩国产mv在线观看视频 | 一本色道久久久久久精品综合| 精品一区二区免费观看| 亚洲一级一片aⅴ在线观看| 只有这里有精品99| 中文天堂在线官网| 九九在线视频观看精品| 国产精品一区二区在线观看99| 免费大片黄手机在线观看| 联通29元200g的流量卡| 建设人人有责人人尽责人人享有的 | 成人二区视频| 下体分泌物呈黄色| 在现免费观看毛片| 日本三级黄在线观看| av线在线观看网站| 亚洲精品第二区| 别揉我奶头 嗯啊视频| 久久久久久久大尺度免费视频| 在线亚洲精品国产二区图片欧美 | 国产av国产精品国产| 日韩亚洲欧美综合| 精品久久久精品久久久| 嫩草影院入口| 亚洲国产精品成人久久小说| 精品人妻熟女av久视频| 97超碰精品成人国产| 2021少妇久久久久久久久久久| 久久久久九九精品影院| 男插女下体视频免费在线播放| 久久久久精品性色| 亚洲av免费高清在线观看| 麻豆精品久久久久久蜜桃| 啦啦啦啦在线视频资源| 最近的中文字幕免费完整| 久久精品国产鲁丝片午夜精品| 大陆偷拍与自拍| 国产午夜福利久久久久久| 老司机影院毛片| 国产伦理片在线播放av一区| 精品视频人人做人人爽| 99久久精品一区二区三区| 日韩一区二区视频免费看| 99久久精品一区二区三区| 伦精品一区二区三区| 国产毛片在线视频| 久久久久久久久久成人| 欧美老熟妇乱子伦牲交| 内射极品少妇av片p| 日日摸夜夜添夜夜添av毛片| 国产成人一区二区在线| 97超碰精品成人国产| 赤兔流量卡办理| 97在线人人人人妻| 免费在线观看成人毛片| 国产精品久久久久久久久免| 成人二区视频| 国产v大片淫在线免费观看| 国产高清三级在线| 国产精品国产av在线观看| 真实男女啪啪啪动态图| 晚上一个人看的免费电影| 欧美极品一区二区三区四区| 国产欧美日韩一区二区三区在线 | 麻豆国产97在线/欧美| 精品一区在线观看国产| 亚洲av福利一区| 自拍欧美九色日韩亚洲蝌蚪91 | 搡老乐熟女国产| 视频区图区小说| 人体艺术视频欧美日本| 国产精品99久久久久久久久| 欧美高清成人免费视频www| 亚洲图色成人| 国产成人福利小说| 91aial.com中文字幕在线观看| 免费观看av网站的网址| 国产男女超爽视频在线观看| 日本与韩国留学比较| 2018国产大陆天天弄谢| 国产精品精品国产色婷婷| 久久97久久精品| 久久久精品94久久精品| 大码成人一级视频| 欧美少妇被猛烈插入视频| 六月丁香七月| 狂野欧美白嫩少妇大欣赏| 亚洲精品久久午夜乱码| 色哟哟·www| 亚洲av免费在线观看| 亚洲精品乱久久久久久| 99热6这里只有精品| 日本熟妇午夜| 国产亚洲午夜精品一区二区久久 | 自拍偷自拍亚洲精品老妇| 亚洲高清免费不卡视频| 国产精品不卡视频一区二区| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 人妻制服诱惑在线中文字幕| 一级a做视频免费观看| 又爽又黄无遮挡网站| 色网站视频免费| 亚洲国产欧美在线一区| 欧美日韩亚洲高清精品| 成人毛片60女人毛片免费| 18禁在线播放成人免费| 国产高清三级在线| 亚洲成人中文字幕在线播放| 婷婷色综合www| 欧美老熟妇乱子伦牲交| 午夜福利在线观看免费完整高清在| 日日啪夜夜撸| 久久精品久久久久久噜噜老黄| 在线观看三级黄色| 亚洲欧美日韩卡通动漫| av在线播放精品| 久久ye,这里只有精品| www.色视频.com| 亚洲av免费在线观看| 啦啦啦中文免费视频观看日本| 春色校园在线视频观看| 国产精品一二三区在线看| 成人二区视频| 联通29元200g的流量卡| 一个人看的www免费观看视频| 欧美精品人与动牲交sv欧美| 国产黄色免费在线视频| 免费看不卡的av| 80岁老熟妇乱子伦牲交| 欧美国产精品一级二级三级 | 三级经典国产精品| 国产毛片在线视频| 亚洲色图av天堂| 蜜臀久久99精品久久宅男| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 在线观看国产h片| 国产免费一区二区三区四区乱码| 成年人午夜在线观看视频| 18禁在线无遮挡免费观看视频| 欧美成人a在线观看| 国产精品嫩草影院av在线观看| 少妇人妻精品综合一区二区| 国产久久久一区二区三区| 成年av动漫网址| 久久久精品免费免费高清| 三级男女做爰猛烈吃奶摸视频| 亚洲精品自拍成人| 久久99热这里只有精品18| 听说在线观看完整版免费高清| 在线免费观看不下载黄p国产| 真实男女啪啪啪动态图| 国产老妇女一区| 久久精品国产自在天天线| 国产一区二区亚洲精品在线观看| 97精品久久久久久久久久精品| 免费看不卡的av| 国产黄色免费在线视频| 国产亚洲91精品色在线| 国精品久久久久久国模美| 国产欧美日韩一区二区三区在线 | 国产成人精品久久久久久| 免费不卡的大黄色大毛片视频在线观看| 九九久久精品国产亚洲av麻豆| 少妇裸体淫交视频免费看高清| 久久精品夜色国产| 亚洲三级黄色毛片| 欧美日韩综合久久久久久| 蜜臀久久99精品久久宅男| 亚洲欧洲日产国产| 色婷婷久久久亚洲欧美| 国产日韩欧美亚洲二区| 九九在线视频观看精品| 国产一区二区在线观看日韩| av国产久精品久网站免费入址| 18禁动态无遮挡网站| h日本视频在线播放| 亚洲美女视频黄频| 国产av国产精品国产| 青春草国产在线视频| 在线播放无遮挡| 黄片无遮挡物在线观看| 视频中文字幕在线观看| 成人鲁丝片一二三区免费| 国产成人一区二区在线| av在线观看视频网站免费| 国产精品女同一区二区软件| 天堂俺去俺来也www色官网| av在线老鸭窝| 99精国产麻豆久久婷婷| 国产精品一及| 禁无遮挡网站| 观看免费一级毛片| 夜夜看夜夜爽夜夜摸| 18禁裸乳无遮挡动漫免费视频 | 看十八女毛片水多多多| 少妇丰满av| 国模一区二区三区四区视频| 99热这里只有是精品50| 欧美精品一区二区大全| 有码 亚洲区| 国产亚洲一区二区精品| 伊人久久精品亚洲午夜| 日韩精品有码人妻一区| 一区二区三区免费毛片| 亚洲av成人精品一区久久| 亚洲av中文av极速乱| 午夜免费鲁丝| 狠狠精品人妻久久久久久综合| 大陆偷拍与自拍| 久久久久久久久大av| 亚洲va在线va天堂va国产| 国产综合懂色| 欧美xxxx性猛交bbbb| 欧美成人精品欧美一级黄| 国产探花极品一区二区| 亚洲国产av新网站| 国产精品嫩草影院av在线观看| av在线老鸭窝| 亚洲国产高清在线一区二区三| 日韩精品有码人妻一区| 啦啦啦中文免费视频观看日本| 国产在线一区二区三区精| 亚洲,欧美,日韩| 国产极品天堂在线| 2018国产大陆天天弄谢| 好男人在线观看高清免费视频| 免费少妇av软件| 亚洲av国产av综合av卡| 听说在线观看完整版免费高清| 黄色欧美视频在线观看| 2018国产大陆天天弄谢| 国产伦精品一区二区三区四那| 中文精品一卡2卡3卡4更新| 国产日韩欧美亚洲二区| 18禁裸乳无遮挡动漫免费视频 | 1000部很黄的大片| 久久精品综合一区二区三区| 国产爽快片一区二区三区| 插逼视频在线观看| 国产精品精品国产色婷婷| 免费少妇av软件| 成人综合一区亚洲| 亚洲自拍偷在线| 日韩亚洲欧美综合| 成人高潮视频无遮挡免费网站| 久久99热这里只有精品18| 日本黄色片子视频| 精品国产一区二区三区久久久樱花 | 国产老妇伦熟女老妇高清| 日韩,欧美,国产一区二区三区| 欧美另类一区| 内地一区二区视频在线| 国产熟女欧美一区二区| 亚洲av免费在线观看| 如何舔出高潮| 午夜福利网站1000一区二区三区| 欧美一区二区亚洲| 国产精品久久久久久精品古装| 国产色爽女视频免费观看| 麻豆久久精品国产亚洲av| 日本与韩国留学比较| 亚洲精品乱久久久久久| 青春草国产在线视频| 色网站视频免费| 18禁在线无遮挡免费观看视频| 国产精品一区二区在线观看99| 大片免费播放器 马上看| 国产白丝娇喘喷水9色精品| av在线播放精品| 国产精品一区二区三区四区免费观看| 久久午夜福利片| 国产精品.久久久| 91久久精品国产一区二区成人| 十八禁网站网址无遮挡 | 一级a做视频免费观看| av专区在线播放| 麻豆国产97在线/欧美| 免费人成在线观看视频色| 久久久久久国产a免费观看| 国产色婷婷99| 国产av不卡久久| 成人一区二区视频在线观看| 97在线视频观看| 日韩在线高清观看一区二区三区| 校园人妻丝袜中文字幕| 久久女婷五月综合色啪小说 | 18+在线观看网站| 午夜激情久久久久久久| 蜜桃久久精品国产亚洲av| 亚洲av国产av综合av卡| 久久久久九九精品影院| 欧美高清成人免费视频www| 草草在线视频免费看| 三级国产精品片| 免费观看在线日韩| 亚州av有码| 国产精品伦人一区二区| 永久免费av网站大全| 嫩草影院入口| 乱码一卡2卡4卡精品| 亚洲欧美成人综合另类久久久| 免费看av在线观看网站| 日产精品乱码卡一卡2卡三| 亚洲欧美中文字幕日韩二区| 色网站视频免费| 嫩草影院新地址| 国产成人a区在线观看| 汤姆久久久久久久影院中文字幕| 欧美日韩国产mv在线观看视频 | 99久久九九国产精品国产免费| 2022亚洲国产成人精品| 少妇人妻 视频| 狂野欧美激情性bbbbbb| 99精国产麻豆久久婷婷| 嫩草影院精品99| av黄色大香蕉| 精华霜和精华液先用哪个| 水蜜桃什么品种好| 欧美区成人在线视频| 日本爱情动作片www.在线观看| 小蜜桃在线观看免费完整版高清| 久久久久久伊人网av| 亚洲经典国产精华液单| 中国国产av一级| 久久久久久久大尺度免费视频| 国产精品久久久久久av不卡| 欧美高清成人免费视频www| 午夜激情久久久久久久| 亚洲av不卡在线观看| 欧美精品人与动牲交sv欧美| 国产精品久久久久久精品电影小说 | 精品人妻熟女av久视频| 亚洲成人av在线免费| 日韩强制内射视频| 精品久久久久久久人妻蜜臀av| 一本色道久久久久久精品综合| 蜜桃久久精品国产亚洲av| 久久99蜜桃精品久久| 亚洲成人久久爱视频| 精品熟女少妇av免费看| videossex国产| 日韩一区二区视频免费看| 国产男人的电影天堂91| 久久精品国产a三级三级三级| 3wmmmm亚洲av在线观看| 中文字幕亚洲精品专区| 亚洲成人精品中文字幕电影| 国产视频内射| 22中文网久久字幕| 日韩欧美精品免费久久| 国产精品一区二区在线观看99| 午夜免费鲁丝| 亚洲精华国产精华液的使用体验| 777米奇影视久久| 国产大屁股一区二区在线视频| 亚洲av成人精品一二三区| 亚洲国产成人一精品久久久| 国产精品成人在线| 性色av一级| 国产高潮美女av| 亚洲高清免费不卡视频| 五月开心婷婷网| 久久6这里有精品| 国产又色又爽无遮挡免| 欧美少妇被猛烈插入视频| 联通29元200g的流量卡| 777米奇影视久久| 亚洲av成人精品一区久久| 最近最新中文字幕免费大全7| 国产欧美日韩一区二区三区在线 | 久久女婷五月综合色啪小说 | 人体艺术视频欧美日本| 狂野欧美激情性bbbbbb| 最新中文字幕久久久久| 男女无遮挡免费网站观看| 18禁在线播放成人免费| 人体艺术视频欧美日本| 久久精品国产亚洲网站| 少妇人妻久久综合中文| 午夜免费男女啪啪视频观看| 国产免费视频播放在线视频| 纵有疾风起免费观看全集完整版| 婷婷色av中文字幕| 99久久中文字幕三级久久日本| 国产午夜精品一二区理论片| 一个人观看的视频www高清免费观看| 大话2 男鬼变身卡| 亚洲精品456在线播放app| www.色视频.com| 国产成人精品一,二区| 精品一区在线观看国产| 色综合色国产| 99久国产av精品国产电影| 亚洲真实伦在线观看| 丝瓜视频免费看黄片| 一级片'在线观看视频| 精品少妇黑人巨大在线播放| 亚洲精品影视一区二区三区av| 国产免费一级a男人的天堂| 啦啦啦啦在线视频资源| 免费电影在线观看免费观看| 赤兔流量卡办理| 综合色丁香网| 制服丝袜香蕉在线| 欧美丝袜亚洲另类| 又大又黄又爽视频免费| 又黄又爽又刺激的免费视频.| 成人漫画全彩无遮挡| 久久久久久久久久人人人人人人| 久久人人爽人人片av| www.色视频.com| 国产午夜精品一二区理论片| 好男人视频免费观看在线| 国产爱豆传媒在线观看| 国产一级毛片在线| 97超视频在线观看视频| 欧美激情国产日韩精品一区| 亚洲综合精品二区| 国产午夜精品久久久久久一区二区三区| 国产综合懂色| 色视频在线一区二区三区| 在线天堂最新版资源| 久久精品久久久久久久性| 亚洲精品乱久久久久久| 十八禁网站网址无遮挡 | 久久午夜福利片| 久久久午夜欧美精品| 久久精品国产鲁丝片午夜精品| 男女国产视频网站| 精品国产一区二区三区久久久樱花 | 婷婷色综合www| 亚洲自拍偷在线| 精品久久久噜噜| av在线播放精品| 国内少妇人妻偷人精品xxx网站| 18禁动态无遮挡网站| 国产男女内射视频| 成人免费观看视频高清| 在线免费观看不下载黄p国产| 国产成人91sexporn| 97超碰精品成人国产| 亚洲精品国产av成人精品| 欧美日韩在线观看h| 国产色婷婷99| 午夜福利视频精品| 2022亚洲国产成人精品| 真实男女啪啪啪动态图| 免费观看性生交大片5| 亚洲精品aⅴ在线观看| 国产91av在线免费观看| 色哟哟·www| av天堂中文字幕网| 性色av一级| 国产亚洲91精品色在线| 成人免费观看视频高清| 日韩一区二区三区影片| 国产欧美另类精品又又久久亚洲欧美| 免费大片黄手机在线观看| 狂野欧美激情性bbbbbb| 99久久中文字幕三级久久日本| 精品少妇黑人巨大在线播放| 下体分泌物呈黄色| 亚洲国产精品专区欧美| 欧美日本视频| 国产免费一区二区三区四区乱码| 日本与韩国留学比较| 欧美97在线视频| 色播亚洲综合网| 亚洲av日韩在线播放| 国产乱来视频区| 中文天堂在线官网| 日日撸夜夜添| 黄色欧美视频在线观看| 爱豆传媒免费全集在线观看| 免费少妇av软件| av一本久久久久| 欧美+日韩+精品| 久久6这里有精品| 九九在线视频观看精品| 日本欧美国产在线视频| 2022亚洲国产成人精品| 如何舔出高潮| 成人国产av品久久久| 精品久久久久久久人妻蜜臀av| 丰满少妇做爰视频| 国产一区二区三区av在线| 美女被艹到高潮喷水动态| 丰满少妇做爰视频| 五月伊人婷婷丁香| a级一级毛片免费在线观看| 18禁裸乳无遮挡免费网站照片| 欧美日韩视频精品一区| 精品视频人人做人人爽| 观看美女的网站| 最近中文字幕2019免费版| 王馨瑶露胸无遮挡在线观看| 中文字幕制服av| 国产一区二区在线观看日韩| av在线app专区| 精品久久国产蜜桃| 亚洲在久久综合|