• <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 ?

    卷積神經(jīng)網(wǎng)絡在表情識別上的研究綜述

    2022-04-12 01:52:51趙宣棟陳曦
    計算機時代 2022年4期
    關鍵詞:卷積神經(jīng)網(wǎng)絡機器學習深度學習

    趙宣棟 陳曦

    摘? 要: 近年來機器學習和深度學習在機器視覺方面已取得了很大進展,表情識別已然成為其中的熱門領域。表情識別的應用使得計算機可以更好的理解人類情緒,具有較高的研究價值和應用前景。本文歸納了表情識別領域常用公開數(shù)據(jù)集;介紹了表情識別的基本流程與常見方法,以及不同卷積神經(jīng)網(wǎng)絡在表情識別方面的方法研究與分析;針對表情識別領域現(xiàn)存問題和未來發(fā)展進行了分析總結。

    關鍵詞: 表情識別; 卷積神經(jīng)網(wǎng)絡; 機器學習; 深度學習

    中圖分類號:TP391.41? ? ? ? ? 文獻標識碼:A? ? ? ?文章編號:1006-8228(2022)04-01-04

    Research of convolutional neural network in expression recognition

    Zhao Xuandong Chen Xi

    (1. School of Computer Science and Information Engineering, University of Harbin Normal University, Harbin, Heilongjiang 150000, China;

    2. Zhengzhou University of light industry, College of computer and communication engineering)

    Abstract: In recent years, machine learning and deep learning have made great progress in machine vision, and expression recognition has become a hot field. The application of expression recognition makes computer better understand human emotion, which has high research value and application prospect. In this paper, the common public data sets in the field of expression recognition are summarized; the basic process and common methods of expression recognition, as well as the research and analysis of facial expression recognition based on different convolutional neural networks are introduced; the existing problems and future development in the field of expression recognition are analyzed and summarized.

    Key words: facial expression recognition; convolutional neural network; machine learning; deep learning

    0 引言

    19世紀,達爾文[1]第一次提出對表情進行研究,直到現(xiàn)在對表情的研究仍在繼續(xù)。1969年,Ekman等[2]人通過深刻的研究將人的表情詳細劃分,建立了面部動作編碼系統(tǒng),這一系統(tǒng)對之后的研究影響深遠。在Ekman的面部動作編碼系統(tǒng)基礎上,很多學者通過將人臉劃分為多個動作單元,再組合一個或多個動作單元,來描述人的面部動作,進而對人臉面部細微表情進行檢測。目前,表情識別不僅廣泛地使用在司法、臨床、治安等領域,也引起了社會媒體和科學界[3]的廣泛關注。

    1 基于卷積神經(jīng)網(wǎng)絡的表情識別研究與進展

    1.1 表情數(shù)據(jù)集

    人的表情并非單一的,所以收集數(shù)據(jù)集時很難保證每個表情都具有單一性,加之收集時受外界條件影響較大,而非專業(yè)人員又難以準確鑒別,因此專業(yè)性的表情數(shù)據(jù)集數(shù)量較少[4],詳細數(shù)據(jù)集情況如表1所示。

    1.2 基于LeNet-5模型的表情識別

    20世紀末,LeCun研究團隊開發(fā)了第一個卷積神經(jīng)網(wǎng)絡模型--LeNet-5模型[5]。該模型適合用于字符識別,如果想要使用LeNet-5模型對表情來識別,需要對嘴巴、眼睛以及其他面部皺紋的細微變化分別進行識別,因此需要大量的特征圖像。同時,由于其網(wǎng)絡結構過于復雜,且對硬件配置要求過高,導致訓練時間過長,所以其實用性,性價比較低。因此,在實驗中一般使用改進后的LeNet-5模型,增加C1和S1層的特征圖數(shù)量,降低C3和S4層的特征圖數(shù)量,僅保留一個全連接層。

    改進的LeNet-5的優(yōu)點是可用于實際自然場景下和非證明的表情識別,其正確率和有效率遠遠高于LeNet-5模型,并且隨著訓練次數(shù)的不斷增加,每批樣本的損失函數(shù)會逐漸下降,最終逐漸趨于平緩。當訓練達到38000次左右時,損失函數(shù)的變化就會小于0.001。但是,由于需要更多特征圖來檢測面部表情的細微變化,因此,需要更長時間來計算卷積,所以改進后的LeNet-5訓練時間會相對較長。

    1.3 基于AlexNet模型的表情識別

    相比于LeNet-5網(wǎng)絡,AlexNet網(wǎng)絡有很大的改進,主要體現(xiàn)在GPU訓練,通過將網(wǎng)絡擴展在兩個GPU上進行訓練,加速網(wǎng)絡訓練速度和加深網(wǎng)絡的層數(shù),且將原LeNet-5網(wǎng)絡的7層擴展到11層。加深網(wǎng)絡的深度可以增進訓練速度,但是同樣也暴露出Sigmoid激活函數(shù)存在的問題。據(jù)研究數(shù)據(jù)顯示,當網(wǎng)絡深度隨著需求增加時,Sigmoid激活函數(shù)出現(xiàn)明顯的梯度彌散。為解決這一問題,AlexNet網(wǎng)絡選擇放棄Sigmoid激活函數(shù),改用Relu激活函數(shù)。除此之外,AlexNet網(wǎng)絡新加了LRN層[6],從而促進了大的響應神經(jīng)元,抑制了反饋小的神經(jīng)元,同時提高了模型的泛化能力。此外,該模型也利用大量的ImageNet和Dropout機制來減少過擬合情況。7342C20B-B95E-461D-9C3C-9DD9AA43235D

    1.4 基于VGGNet模型的表情識別

    VGGNet[7]是由Google Deep Mind團隊和牛津大學合作完成的,可以說是 AlexNet的高配加深版。與AlexNet模型相比,VGGNet通過不斷增加網(wǎng)絡層數(shù),發(fā)現(xiàn)了神經(jīng)網(wǎng)絡的網(wǎng)絡深度對模型性能產(chǎn)生的直接影響。VGGNet的卷積核采用小而多的形式,使用了三個3×3的卷積核,而不是一個大的卷積核。這樣做的好處是既增大了網(wǎng)絡的深度,也沒有加大運算量。在相同的感受野下,可得到更為精密高效的計算結果。此外,VGGNet具有較強的場景遷移性,在任何場景與環(huán)境上都具有較強的泛化能力。

    VGGNet與同時推出的GoogleNet都是在AlexNet網(wǎng)絡結構的基礎上改進而得到,它們共同的特點就是“深度”[8]。GoogleNet模型的突出點在于模型結構,而VGGNet更注重網(wǎng)絡深度。與GoogleNet相比,VGGNet使用三個3×3的卷積核,使原始圖像的感受野達到一個7×7的卷積核的效果,但是與一個7×7的卷積核相比,圖像經(jīng)過3次激活函數(shù)的非線性變換具有更好的表達性,也能夠相對減少參數(shù)量,這也是VGGNet遠超其他網(wǎng)絡泛化能力的根本原因。在實驗中,將進行VGG-16網(wǎng)絡在Softmax損失+中心性損失+人臉驗證損失和三元組損失兩種不同訓練下的性能統(tǒng)計。在兩種損失信號都能達到99.2%的情況下,用VGG-16進行表情識別時,同樣以RAF-DB和CK+作為數(shù)據(jù)集,其正確率可以分別達到67.06%和91.10%。

    1.5 基于GoogleNet模型的表情識別

    GoogLeNet相對于其他卷積神經(jīng)網(wǎng)絡來說,是較為新的卷積神經(jīng)網(wǎng)絡算法。首次提出是在ILSVRC14比賽上,GoogLeNet是一個深達22層的深層網(wǎng)絡[9]。GoogLeNet的研究核心是如何優(yōu)化卷積神經(jīng)網(wǎng)絡的局部稀疏結構,使其盡可能的接近實際密集內容。

    在GoogLeNet中,每個模塊的輸入都是在上一個分支在獲得一個特征映射后,將這些相同比例的特征映射拼接在一起,再傳遞給該模塊。為避免模塊的對齊問題,Inception結構采用了不同尺度的嵌套低維濾波器,可以保留多個感受野的局部相關信息。在這種情況下研究發(fā)現(xiàn),使用5*5的卷積核仍然會給程序帶來巨大的計算量。為解決這個問題,GoogLeNet選擇了與VGGNet完全不同的方法,通過在每個分支上加一個1×1的卷積核,來有效的減少參數(shù)數(shù)量。

    與AlexNet和VGG不同的是,Inception V1用全局平均池化層代替全連接層,這一改進將參數(shù)的數(shù)量減少到前所未有的少量,但研究人員可以添加全連接層來微調和再訓練,以便在其他模式識別場景中使用;其次,為了解決網(wǎng)絡深度過深造成的梯度消失現(xiàn)象,Inception V1額外增加了兩個分類器層,反向傳播使用多個損失信號進行參數(shù)梯度計算;最后Inception V3基于NIN思想的精髓,設計了一個精細的Inception模塊,以提高網(wǎng)絡參數(shù)的利用率。

    在實驗時我們使用CK+數(shù)據(jù)集進行擴充,進行預處理后進行訓練,結果顯示,GoogleNet無論是從頭訓練還是微調的情況下都能夠取得比AlexNet更好的識別效果。

    1.6 基于ResNet模型的表情識別

    2015年,ResNet [10]在ILSVRC 2015比賽中奪冠,進而進入大家的視野當中。ResNet引入了殘差單元,利用殘差的思想成功訓練了深度高達152層的神經(jīng)網(wǎng)絡,從此一鳴驚人。為避免深度網(wǎng)絡中的性能下降,ResNet[10]采用了對網(wǎng)絡中模塊學習目標函數(shù)進行變換的方法。打個比方,如果輸入n網(wǎng)絡模塊,那么其他神經(jīng)網(wǎng)絡學習目標函數(shù)為H(n),但如果n是直接連接到輸出,那么學習目標則為H(n)-n,所以只需要學習最初學習目標和網(wǎng)絡模塊輸入數(shù)量的差值即可,這也是“殘差”的由來,這樣做的最大優(yōu)勢是簡化了學習的目標數(shù)量和難度,也為超深層網(wǎng)絡的訓練提供了方向。

    在兩層殘差學習單元模型中,k層直接輸入x1到k+2層輸出,然后將k+2層輸出作為k+3的輸出。而只有維度相同的向量才可以相加,所以在殘差過程中不能進行池化操作,并且卷積核數(shù)和輸出數(shù)必須相等,否則就必須使用一個1×1卷積進行線性變換。而在第三層殘差學習單元模型中,使用了兩個1×1的卷積核,可以通過卷積核的個數(shù)實現(xiàn)特征圖的降維和升維操作。

    2016年,KaimingHe等人提出ResNetV2。該模型易于訓練,具有較強的泛化能力。與ResNet相比,ResNetV2將ReLU激活函數(shù)改為同等映射函數(shù),且在每一層中添加了批量歸一化技術。

    在表情識別中,ResNet網(wǎng)絡在表情識別數(shù)據(jù)集進行訓練時,其正確率高達67.50%和92.21%,比VGGNet和AlexNet都要高出很多,同時其參數(shù)量又遠小于其他經(jīng)典網(wǎng)絡。

    2 存在的問題及發(fā)展趨勢

    2.1 存在的問題

    ⑴ 缺乏對現(xiàn)實人類的研究。表情識別研究所用數(shù)據(jù)集絕大部分為基本表情數(shù)據(jù)集,雖然在這一方面取得了不小進展,但是由于人的表情是多變和復雜的,所以絕大部分研究成品都無法應用到現(xiàn)實中。

    ⑵ 面部表情數(shù)據(jù)嚴重不足。現(xiàn)在已有的表情數(shù)據(jù)庫中每個表情的數(shù)據(jù)都比較少,而且都非??桃猓砬榱髀恫蛔匀?,與自然境況下的表情存有一定的差異,難以成為十分精確有效的數(shù)據(jù),并且其中的動態(tài)序列圖像更是嚴重缺乏。

    ⑶ 研究場所多為實驗室,缺少真實情況下的訓練。表情識別的研究絕大部分是在理想適合的條件下進行的。但是由于自然環(huán)境下會出現(xiàn)遮擋物體、遮擋人臉,不同時間亮度不同,以及周圍環(huán)境等其他的情況,都會對面部表情識別結果產(chǎn)生較大的影響,最終導致實際結果與實驗結果有所不同。

    ⑷ 當前表情識別多數(shù)僅能在單一表情情況下識別。人類表情是豐富多彩的,每種表情之間的界限與區(qū)別都是模糊的,就像一個人的圖片是睜大眼睛的,這有可能代表害怕,也有可能代表驚喜或驚奇。7342C20B-B95E-461D-9C3C-9DD9AA43235D

    ⑸ 不同人的臉部存在差異。在同種人的情況下,由于每個人的民族、年齡、生長條件等因素都會影響到識別的正確性。且不同種族下人的習慣又存在差異,導致人臉很難使用統(tǒng)一的模型來歸類,增加了識別難度。

    2.2 發(fā)展趨勢

    ⑴ 研究新的更加高效,更加精準的識別算法。一個新的高效算法可以有效增加識別效率和降低識別時間,可以更大范圍的應用到各個場景當中。

    ⑵ 加強三維立體面部表情識別的研究。與二維圖像相比,三維立體圖像更接近于真實環(huán)境,其能包含更多、更準確的人臉特征,結合三維信息可以更好地解決光照亮度等問題。

    ⑶ 在現(xiàn)實生活的應用。一個人的表情往往可以直接反應出其內心的心理變化。如果可以把表情識別與心理學、神經(jīng)科學、犯罪學等學科結合,那么對于社會發(fā)展與治安將會產(chǎn)生巨大效益。

    卷積神經(jīng)網(wǎng)絡的適用范圍越來越廣,可處理的數(shù)據(jù)越來越多,其模型層數(shù)也從幾層變?yōu)樯习賹?。本文對比和總結了熱門模型情況。如表2所示。

    3 結束語

    算法在不斷改進,而卷積神經(jīng)網(wǎng)絡依然是計算機視覺乃至深度學習和機器學習領域的主流模型,但是由于人類表情具有多樣性、模糊性等特點,導致真實情況與研究情況產(chǎn)生誤差。因此,與其他識別相比,表情識別發(fā)展相對較慢,在現(xiàn)實中的應用也較少。但表情識別在臨床醫(yī)學、人機交互以及心理分析等方面具有不可代替的地位,具有廣闊的應用前景。除此之外,表情識別技術在理論上已相當成熟,但在真實情況下的識別率和準確度還有待提高,例如在室外的識別需加大研究力度。總的來說,卷積神經(jīng)網(wǎng)絡強大的特征提取能力極大地促進了表情識別領域的發(fā)展,基于卷積神經(jīng)網(wǎng)絡的表情識別具有巨大的發(fā)展?jié)摿蛻们熬啊?/p>

    參考文獻(References):

    [1] DARWIN C. The expression of the emotions in man and

    animals[M]. University of Chicago Press,1965

    [2] EKMAN P, Friesen W V. The repertoire of nonverbal

    behavior: categories, origins, usage, and coding [J]. Semiotica,1969,1(1):49-98

    [3] SCHUBERT S. A look tells all [J]. Scientific American

    Mind, 2006,17(5):26-31

    [4] DAILEY M N, JOYCE C, LYONS M J, et al. Evidence and

    a computational explanation of cultural differences in facial expression recognition [J]. Emotion,2010,10(6):874-893

    [5] YANN L C, BOTTOU L, BENGIO Y, et al. Gradient-

    based learning applied to document recognition[J]. Proceedings of the IEEE,1998,86(11):2278-2324

    [6] DHALL A, GOECKE R, Lucey S, et al. Collecting Large,

    Richly Annotated Facial-Expression Databases from Movies[J].IEEE Multimedia,2012,19(3):34-41

    [7] SIMONYAN K, ZISSERMAN A. Very Deep Convolutional

    Networks for Large-Scale Image Recognition[J]. Computer Science,2014,1409(15):1-9

    [8] SZEGEDY C, VANHOUCKE V, IOFFE S, et al. Rethinking

    the Inception Architecture for Computer Vision[C],Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2016:2818-2826

    [9] HE K, ZHANG X, REN S, et al. Deep Residual Learning

    for Image Recognition[C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2015:770-778

    [10] HUANG G, LIU Z, et al. Densely Connected

    Convolutional Networks[C],Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2017:4700-47087342C20B-B95E-461D-9C3C-9DD9AA43235D

    猜你喜歡
    卷積神經(jīng)網(wǎng)絡機器學習深度學習
    基于深度卷積神經(jīng)網(wǎng)絡的物體識別算法
    MOOC與翻轉課堂融合的深度學習場域建構
    基于機器學習的圖像特征提取技術在圖像版權保護中的應用
    大數(shù)據(jù)技術在反恐怖主義中的應用展望
    基于網(wǎng)絡搜索數(shù)據(jù)的平遙旅游客流量預測分析
    時代金融(2016年27期)2016-11-25 17:51:36
    前綴字母為特征在維吾爾語文本情感分類中的研究
    科教導刊(2016年26期)2016-11-15 20:19:33
    深度學習算法應用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    基于深度卷積網(wǎng)絡的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于支持向量機的金融數(shù)據(jù)分析研究
    基于卷積神經(jīng)網(wǎng)絡的樹葉識別的算法的研究
    一进一出好大好爽视频| 9色porny在线观看| 国产亚洲精品av在线| av有码第一页| 热re99久久国产66热| 19禁男女啪啪无遮挡网站| 亚洲欧美日韩高清在线视频| 亚洲成人国产一区在线观看| 正在播放国产对白刺激| 精品人妻在线不人妻| 成年女人毛片免费观看观看9| 亚洲国产精品sss在线观看| 欧美丝袜亚洲另类 | 18美女黄网站色大片免费观看| 免费在线观看视频国产中文字幕亚洲| 99国产综合亚洲精品| 精品久久久久久久人妻蜜臀av | а√天堂www在线а√下载| 午夜福利影视在线免费观看| 免费女性裸体啪啪无遮挡网站| 一本大道久久a久久精品| 日韩欧美免费精品| 久久久久国产精品人妻aⅴ院| 人成视频在线观看免费观看| 两性午夜刺激爽爽歪歪视频在线观看 | 好男人在线观看高清免费视频 | 精品国产乱子伦一区二区三区| 久久精品影院6| 精品高清国产在线一区| 久久久久久久午夜电影| 亚洲国产日韩欧美精品在线观看 | 天天躁夜夜躁狠狠躁躁| 成年人黄色毛片网站| 国产99白浆流出| 亚洲黑人精品在线| 老司机在亚洲福利影院| 久久天躁狠狠躁夜夜2o2o| 精品福利观看| 桃红色精品国产亚洲av| 每晚都被弄得嗷嗷叫到高潮| 三级毛片av免费| 亚洲欧美日韩无卡精品| 成人三级做爰电影| 国产蜜桃级精品一区二区三区| 国产精品一区二区在线不卡| 十八禁网站免费在线| 午夜日韩欧美国产| 99国产精品一区二区蜜桃av| 一级黄色大片毛片| 国产成人av教育| 十八禁人妻一区二区| 午夜福利高清视频| 亚洲精品av麻豆狂野| 成人国语在线视频| av天堂在线播放| √禁漫天堂资源中文www| 在线天堂中文资源库| 欧美性长视频在线观看| 桃红色精品国产亚洲av| av天堂在线播放| 久久久久精品国产欧美久久久| 19禁男女啪啪无遮挡网站| 亚洲va日本ⅴa欧美va伊人久久| a在线观看视频网站| 露出奶头的视频| av在线播放免费不卡| 国产亚洲av高清不卡| 黑人欧美特级aaaaaa片| 好男人在线观看高清免费视频 | 午夜免费鲁丝| 香蕉丝袜av| 国产99白浆流出| 精品久久蜜臀av无| 日本精品一区二区三区蜜桃| netflix在线观看网站| 母亲3免费完整高清在线观看| 好男人电影高清在线观看| 亚洲人成伊人成综合网2020| 日韩欧美一区视频在线观看| 脱女人内裤的视频| 亚洲一码二码三码区别大吗| 12—13女人毛片做爰片一| www国产在线视频色| 一二三四社区在线视频社区8| 熟妇人妻久久中文字幕3abv| 久久久久九九精品影院| 日韩成人在线观看一区二区三区| 精品第一国产精品| 久久中文字幕一级| 激情视频va一区二区三区| 国产97色在线日韩免费| 美女高潮喷水抽搐中文字幕| 99国产精品一区二区三区| 一区在线观看完整版| 国产又爽黄色视频| 日日摸夜夜添夜夜添小说| 亚洲黑人精品在线| av天堂在线播放| 怎么达到女性高潮| 国产精品久久久久久人妻精品电影| 亚洲全国av大片| 自线自在国产av| 久99久视频精品免费| 在线观看免费视频日本深夜| 两人在一起打扑克的视频| 99热只有精品国产| 欧美国产精品va在线观看不卡| 99在线视频只有这里精品首页| 一a级毛片在线观看| 亚洲中文日韩欧美视频| 又大又爽又粗| 午夜影院日韩av| 真人做人爱边吃奶动态| 青草久久国产| av欧美777| 亚洲专区字幕在线| 一级作爱视频免费观看| 黄色女人牲交| 又黄又爽又免费观看的视频| 亚洲欧美激情综合另类| 天堂动漫精品| 一区二区三区国产精品乱码| 一区二区三区精品91| 欧美黑人精品巨大| 免费在线观看视频国产中文字幕亚洲| 女警被强在线播放| 亚洲av美国av| 亚洲人成网站在线播放欧美日韩| 午夜福利成人在线免费观看| 极品教师在线免费播放| 一进一出抽搐gif免费好疼| 国产aⅴ精品一区二区三区波| 免费人成视频x8x8入口观看| 女人高潮潮喷娇喘18禁视频| 免费在线观看日本一区| 国产亚洲av嫩草精品影院| 精品一品国产午夜福利视频| 香蕉久久夜色| x7x7x7水蜜桃| 亚洲中文av在线| 久久久久久人人人人人| 精品国产乱子伦一区二区三区| 国产成人影院久久av| 国产高清激情床上av| 久久精品亚洲精品国产色婷小说| 久久久精品国产亚洲av高清涩受| АⅤ资源中文在线天堂| 国产一级毛片七仙女欲春2 | 亚洲一卡2卡3卡4卡5卡精品中文| 精品乱码久久久久久99久播| 亚洲欧美日韩另类电影网站| 日本免费一区二区三区高清不卡 | 午夜亚洲福利在线播放| 99国产精品一区二区蜜桃av| 美女高潮到喷水免费观看| 精品乱码久久久久久99久播| 一a级毛片在线观看| 一边摸一边抽搐一进一出视频| 欧美中文综合在线视频| 中国美女看黄片| 午夜免费观看网址| 精品少妇一区二区三区视频日本电影| 国产片内射在线| a在线观看视频网站| 国产精品二区激情视频| 久久婷婷成人综合色麻豆| 99精品在免费线老司机午夜| 久久久久久久久免费视频了| 免费在线观看视频国产中文字幕亚洲| 日韩免费av在线播放| 在线永久观看黄色视频| 丝袜美腿诱惑在线| 这个男人来自地球电影免费观看| aaaaa片日本免费| 国产人伦9x9x在线观看| 99国产精品99久久久久| 国产午夜福利久久久久久| 久久久久亚洲av毛片大全| 男女下面进入的视频免费午夜 | 999久久久国产精品视频| 97人妻精品一区二区三区麻豆 | 一进一出抽搐gif免费好疼| 午夜福利一区二区在线看| 电影成人av| √禁漫天堂资源中文www| 人人妻人人爽人人添夜夜欢视频| 国产精品精品国产色婷婷| 18禁裸乳无遮挡免费网站照片 | 两个人免费观看高清视频| 欧美黄色片欧美黄色片| 国产精品自产拍在线观看55亚洲| 国产精品久久久久久人妻精品电影| 亚洲精华国产精华精| 操美女的视频在线观看| 老司机午夜福利在线观看视频| 国产激情欧美一区二区| 欧美精品亚洲一区二区| 一区福利在线观看| 久久久久久国产a免费观看| 久久精品国产亚洲av高清一级| 一级片免费观看大全| 别揉我奶头~嗯~啊~动态视频| 国产aⅴ精品一区二区三区波| 亚洲午夜精品一区,二区,三区| 日本欧美视频一区| 国产精品av久久久久免费| 午夜精品在线福利| 淫妇啪啪啪对白视频| 国产99白浆流出| 亚洲成av片中文字幕在线观看| 两性夫妻黄色片| 日韩大尺度精品在线看网址 | av网站免费在线观看视频| 国产激情久久老熟女| 国产精品国产高清国产av| 国产又爽黄色视频| 久久亚洲真实| 高清在线国产一区| 国产高清videossex| 亚洲av成人一区二区三| www.自偷自拍.com| 日本免费a在线| 色尼玛亚洲综合影院| 成人国产一区最新在线观看| 一区二区三区精品91| 老司机深夜福利视频在线观看| 中文字幕人妻丝袜一区二区| 国产高清videossex| 涩涩av久久男人的天堂| 国产极品粉嫩免费观看在线| 亚洲五月色婷婷综合| 亚洲九九香蕉| 国产99久久九九免费精品| 亚洲精品久久成人aⅴ小说| 午夜老司机福利片| 亚洲精品国产区一区二| www.www免费av| 亚洲专区字幕在线| 久久精品人人爽人人爽视色| 怎么达到女性高潮| 国产精品久久久久久精品电影 | 亚洲国产日韩欧美精品在线观看 | 国产熟女午夜一区二区三区| 天天一区二区日本电影三级 | www日本在线高清视频| 亚洲久久久国产精品| 国产亚洲欧美精品永久| 日韩成人在线观看一区二区三区| 国产精品秋霞免费鲁丝片| 久久国产精品影院| 国产精品爽爽va在线观看网站 | 一二三四社区在线视频社区8| 国产欧美日韩一区二区精品| 真人做人爱边吃奶动态| 天天躁夜夜躁狠狠躁躁| 欧美激情 高清一区二区三区| 桃红色精品国产亚洲av| 啦啦啦观看免费观看视频高清 | 无人区码免费观看不卡| 91在线观看av| 国产真人三级小视频在线观看| 日韩高清综合在线| 日日爽夜夜爽网站| 久久久国产欧美日韩av| 亚洲精华国产精华精| 我的亚洲天堂| 男女下面进入的视频免费午夜 | 亚洲第一电影网av| 精品国产一区二区三区四区第35| 女人被狂操c到高潮| 久久久久久人人人人人| 好男人在线观看高清免费视频 | 欧美老熟妇乱子伦牲交| 亚洲国产中文字幕在线视频| 中文字幕人成人乱码亚洲影| 中文字幕色久视频| 久久久国产欧美日韩av| 日本撒尿小便嘘嘘汇集6| 国产99白浆流出| 国产精品 国内视频| 久久精品国产综合久久久| 日本精品一区二区三区蜜桃| 九色国产91popny在线| 男女下面进入的视频免费午夜 | 国产人伦9x9x在线观看| 久久精品国产亚洲av香蕉五月| 亚洲成国产人片在线观看| 日本免费一区二区三区高清不卡 | 婷婷精品国产亚洲av在线| 精品欧美国产一区二区三| 国产亚洲精品综合一区在线观看 | 精品午夜福利视频在线观看一区| 亚洲av成人一区二区三| 日韩成人在线观看一区二区三区| 电影成人av| 脱女人内裤的视频| 99国产极品粉嫩在线观看| 两个人视频免费观看高清| 99久久国产精品久久久| 熟妇人妻久久中文字幕3abv| 精品人妻在线不人妻| 精品欧美国产一区二区三| 韩国av一区二区三区四区| 日本 av在线| 成年人黄色毛片网站| 咕卡用的链子| 在线观看免费视频网站a站| 成年人黄色毛片网站| 91在线观看av| 男女做爰动态图高潮gif福利片 | 久久久久久久久中文| 国产精品香港三级国产av潘金莲| 18禁裸乳无遮挡免费网站照片 | 欧美日韩福利视频一区二区| 色哟哟哟哟哟哟| a在线观看视频网站| 国语自产精品视频在线第100页| 男女之事视频高清在线观看| 又黄又粗又硬又大视频| 搡老妇女老女人老熟妇| 亚洲国产日韩欧美精品在线观看 | 99久久精品国产亚洲精品| 亚洲国产欧美日韩在线播放| 后天国语完整版免费观看| 国产亚洲精品久久久久久毛片| av网站免费在线观看视频| 国产精品乱码一区二三区的特点 | 国产视频一区二区在线看| 一个人观看的视频www高清免费观看 | 亚洲中文日韩欧美视频| 成人免费观看视频高清| 国产成人精品久久二区二区免费| АⅤ资源中文在线天堂| 黄片播放在线免费| 国产欧美日韩精品亚洲av| 9色porny在线观看| 99国产精品免费福利视频| 欧美大码av| 婷婷六月久久综合丁香| 美女扒开内裤让男人捅视频| 日本 av在线| 成熟少妇高潮喷水视频| 在线观看免费视频网站a站| 精品午夜福利视频在线观看一区| 国产又色又爽无遮挡免费看| www.精华液| 久久狼人影院| 色尼玛亚洲综合影院| 亚洲精品久久成人aⅴ小说| 色综合欧美亚洲国产小说| 97人妻精品一区二区三区麻豆 | 久久午夜综合久久蜜桃| 99热只有精品国产| 精品国产乱子伦一区二区三区| 欧美黄色片欧美黄色片| 啦啦啦观看免费观看视频高清 | 一本大道久久a久久精品| 黄色视频,在线免费观看| 99久久99久久久精品蜜桃| 久久久久久国产a免费观看| 可以在线观看毛片的网站| 亚洲av成人av| 久久国产亚洲av麻豆专区| 国产三级黄色录像| 99久久99久久久精品蜜桃| 免费高清在线观看日韩| 国产精品亚洲美女久久久| 国内毛片毛片毛片毛片毛片| 亚洲专区字幕在线| 国产成人精品久久二区二区91| 久久久久国产精品人妻aⅴ院| 日日干狠狠操夜夜爽| 一本大道久久a久久精品| 欧美日韩乱码在线| 99国产精品一区二区三区| 亚洲七黄色美女视频| 欧美日韩瑟瑟在线播放| 欧美在线一区亚洲| 国产亚洲av高清不卡| 国产成人影院久久av| 日韩中文字幕欧美一区二区| 久9热在线精品视频| 国产精品综合久久久久久久免费 | 激情视频va一区二区三区| 久久性视频一级片| 久久久久久人人人人人| 亚洲欧美激情综合另类| 搡老岳熟女国产| 可以免费在线观看a视频的电影网站| 亚洲国产精品999在线| 自拍欧美九色日韩亚洲蝌蚪91| 在线观看一区二区三区| 日韩欧美国产在线观看| 亚洲av成人av| 在线国产一区二区在线| 国产伦人伦偷精品视频| 成人国产综合亚洲| a在线观看视频网站| 在线观看www视频免费| 男人操女人黄网站| 此物有八面人人有两片| 狂野欧美激情性xxxx| 午夜福利欧美成人| av天堂久久9| 男女床上黄色一级片免费看| 真人做人爱边吃奶动态| 午夜亚洲福利在线播放| 欧美精品亚洲一区二区| 给我免费播放毛片高清在线观看| 999久久久国产精品视频| 很黄的视频免费| 国产三级在线视频| 亚洲国产中文字幕在线视频| 欧美黄色片欧美黄色片| 麻豆一二三区av精品| 亚洲性夜色夜夜综合| 欧美 亚洲 国产 日韩一| а√天堂www在线а√下载| 免费无遮挡裸体视频| 18禁裸乳无遮挡免费网站照片 | 精品人妻1区二区| 亚洲一区高清亚洲精品| 欧美黑人精品巨大| 国产成人av激情在线播放| av有码第一页| 伦理电影免费视频| 99精品欧美一区二区三区四区| 啦啦啦韩国在线观看视频| videosex国产| 在线十欧美十亚洲十日本专区| 一级片免费观看大全| 亚洲成人免费电影在线观看| 女警被强在线播放| 亚洲国产精品999在线| www.精华液| 久久中文看片网| 国产99久久九九免费精品| 国产成人精品在线电影| 女性被躁到高潮视频| 午夜福利在线观看吧| 亚洲三区欧美一区| 香蕉国产在线看| 自线自在国产av| 久久久国产成人精品二区| 在线观看免费视频网站a站| 国产日韩一区二区三区精品不卡| 欧美日韩中文字幕国产精品一区二区三区 | 国产亚洲av高清不卡| 真人一进一出gif抽搐免费| 亚洲 国产 在线| 少妇的丰满在线观看| 国产不卡一卡二| 日韩欧美国产在线观看| 久久久久久国产a免费观看| 一本综合久久免费| 1024视频免费在线观看| 悠悠久久av| 夜夜夜夜夜久久久久| 美女午夜性视频免费| 国产高清videossex| 亚洲精品美女久久av网站| 在线观看舔阴道视频| 人成视频在线观看免费观看| 国产一区二区三区视频了| 非洲黑人性xxxx精品又粗又长| 成人三级黄色视频| 正在播放国产对白刺激| videosex国产| 激情在线观看视频在线高清| 视频在线观看一区二区三区| 天天躁夜夜躁狠狠躁躁| 成熟少妇高潮喷水视频| 亚洲久久久国产精品| 国内精品久久久久精免费| 1024香蕉在线观看| 精品午夜福利视频在线观看一区| 欧美日本亚洲视频在线播放| 热99re8久久精品国产| 久久久久亚洲av毛片大全| 精品日产1卡2卡| 国产精品,欧美在线| 丁香六月欧美| 国产成人精品无人区| 动漫黄色视频在线观看| 日韩一卡2卡3卡4卡2021年| 在线观看一区二区三区| 久久青草综合色| 日本免费a在线| 精品少妇一区二区三区视频日本电影| 国产成人av教育| 国产精品香港三级国产av潘金莲| 免费观看精品视频网站| 久久人妻熟女aⅴ| 午夜两性在线视频| 亚洲欧美激情综合另类| 国产免费av片在线观看野外av| 亚洲色图综合在线观看| 免费女性裸体啪啪无遮挡网站| 在线观看免费视频日本深夜| 非洲黑人性xxxx精品又粗又长| 男人舔女人下体高潮全视频| 欧美最黄视频在线播放免费| 亚洲欧美一区二区三区黑人| 亚洲精品国产区一区二| 久久久久久亚洲精品国产蜜桃av| 国产精品,欧美在线| 午夜日韩欧美国产| 中亚洲国语对白在线视频| 亚洲三区欧美一区| 免费不卡黄色视频| 午夜免费观看网址| 欧美日本视频| 十八禁人妻一区二区| 亚洲精品在线观看二区| 国产片内射在线| 成人亚洲精品一区在线观看| 亚洲欧美精品综合一区二区三区| 人人妻人人澡人人看| 亚洲片人在线观看| 亚洲精品av麻豆狂野| 亚洲av熟女| 国产一区二区三区视频了| 女人被狂操c到高潮| 免费av毛片视频| 在线国产一区二区在线| 1024视频免费在线观看| 乱人伦中国视频| 国产片内射在线| 亚洲av电影在线进入| 少妇 在线观看| 免费在线观看亚洲国产| 国产一卡二卡三卡精品| 女人爽到高潮嗷嗷叫在线视频| 免费看十八禁软件| av中文乱码字幕在线| 国产片内射在线| 久久久精品欧美日韩精品| 少妇 在线观看| 很黄的视频免费| 丰满的人妻完整版| 真人做人爱边吃奶动态| 久久精品国产亚洲av高清一级| 亚洲精品国产区一区二| 欧美成人免费av一区二区三区| 老汉色av国产亚洲站长工具| www日本在线高清视频| 桃红色精品国产亚洲av| 日韩成人在线观看一区二区三区| 50天的宝宝边吃奶边哭怎么回事| 欧美成人性av电影在线观看| 久久久久久人人人人人| 国产精品 欧美亚洲| 色综合站精品国产| 侵犯人妻中文字幕一二三四区| 日韩一卡2卡3卡4卡2021年| 国产91精品成人一区二区三区| 好看av亚洲va欧美ⅴa在| 91国产中文字幕| 在线视频色国产色| 免费观看精品视频网站| 欧美在线一区亚洲| 日韩精品青青久久久久久| 亚洲欧洲精品一区二区精品久久久| 黄色视频,在线免费观看| 在线观看www视频免费| 精品欧美一区二区三区在线| 国产精品九九99| 精品福利观看| 日本vs欧美在线观看视频| 精品乱码久久久久久99久播| 欧美性长视频在线观看| 日韩有码中文字幕| 免费av毛片视频| 亚洲专区字幕在线| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲精品久久成人aⅴ小说| 国产在线精品亚洲第一网站| 19禁男女啪啪无遮挡网站| 精品久久久精品久久久| 国产成人精品无人区| 亚洲欧美日韩另类电影网站| 如日韩欧美国产精品一区二区三区| 啦啦啦免费观看视频1| 国产成人免费无遮挡视频| 视频在线观看一区二区三区| 亚洲自拍偷在线| 高潮久久久久久久久久久不卡| 色播亚洲综合网| 人人妻,人人澡人人爽秒播| 久久久久久久久免费视频了| 大型av网站在线播放| 自线自在国产av| 久久国产精品人妻蜜桃| av视频在线观看入口| 天天躁夜夜躁狠狠躁躁| av天堂久久9| 国产高清有码在线观看视频 | 麻豆一二三区av精品| 久久久久九九精品影院| 国产真人三级小视频在线观看| 热re99久久国产66热| 国产亚洲av嫩草精品影院| 国产精品香港三级国产av潘金莲| 精品国产国语对白av| 欧美成狂野欧美在线观看| 国产一区在线观看成人免费| 精品高清国产在线一区| 国产色视频综合| 在线观看免费视频网站a站| 亚洲国产日韩欧美精品在线观看 | 真人做人爱边吃奶动态| 午夜免费激情av| 国产精品久久久av美女十八| 久久国产亚洲av麻豆专区| 午夜福利视频1000在线观看 |