• <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
    一进一出抽搐gif免费好疼| 18禁国产床啪视频网站| 中文字幕av成人在线电影| 亚洲中文字幕日韩| 午夜免费成人在线视频| 日韩成人在线观看一区二区三区| 日韩成人在线观看一区二区三区| 老汉色∧v一级毛片| 国产99白浆流出| av专区在线播放| 成年女人毛片免费观看观看9| 久久精品国产99精品国产亚洲性色| 一卡2卡三卡四卡精品乱码亚洲| 国产v大片淫在线免费观看| 最新在线观看一区二区三区| 欧美黄色淫秽网站| 欧美一级毛片孕妇| 日本在线视频免费播放| 午夜久久久久精精品| xxx96com| 午夜免费男女啪啪视频观看 | 成人国产综合亚洲| 亚洲精品一卡2卡三卡4卡5卡| 黄色成人免费大全| 午夜免费激情av| 熟女人妻精品中文字幕| 又爽又黄无遮挡网站| 久久久久久久亚洲中文字幕 | 欧美一级a爱片免费观看看| 国产亚洲精品综合一区在线观看| 亚洲国产高清在线一区二区三| 午夜福利18| 亚洲av免费在线观看| av视频在线观看入口| 老鸭窝网址在线观看| 久久性视频一级片| 中出人妻视频一区二区| 99热精品在线国产| 欧美激情久久久久久爽电影| 波多野结衣高清无吗| 国产免费av片在线观看野外av| 男女床上黄色一级片免费看| 一夜夜www| 国产精品久久久久久人妻精品电影| 精品久久久久久久末码| 观看美女的网站| 狠狠狠狠99中文字幕| 亚洲成av人片免费观看| 亚洲欧美日韩高清专用| 禁无遮挡网站| 久久久国产成人免费| 桃红色精品国产亚洲av| 久久久色成人| 久久草成人影院| 黄色丝袜av网址大全| 国内精品久久久久精免费| 天堂影院成人在线观看| 国产aⅴ精品一区二区三区波| 欧美精品啪啪一区二区三区| svipshipincom国产片| 亚洲成人精品中文字幕电影| 久久精品国产亚洲av香蕉五月| 欧美一区二区国产精品久久精品| 91久久精品国产一区二区成人 | 亚洲在线自拍视频| 搡老熟女国产l中国老女人| 两个人看的免费小视频| 在线播放国产精品三级| www.熟女人妻精品国产| 国产又黄又爽又无遮挡在线| 少妇的逼水好多| 好看av亚洲va欧美ⅴa在| 伊人久久大香线蕉亚洲五| 97超级碰碰碰精品色视频在线观看| 人人妻人人澡欧美一区二区| 999久久久精品免费观看国产| 亚洲 欧美 日韩 在线 免费| 日韩精品青青久久久久久| 精华霜和精华液先用哪个| 亚洲国产欧洲综合997久久,| 午夜福利免费观看在线| 国产美女午夜福利| 观看免费一级毛片| 黑人欧美特级aaaaaa片| 黄色片一级片一级黄色片| 精品一区二区三区视频在线 | 国产爱豆传媒在线观看| 久久精品国产自在天天线| 久久精品综合一区二区三区| 亚洲欧美一区二区三区黑人| 久久午夜亚洲精品久久| 成年版毛片免费区| 手机成人av网站| h日本视频在线播放| 亚洲精品在线美女| 国产午夜精品久久久久久一区二区三区 | 天堂动漫精品| 乱人视频在线观看| 欧美xxxx黑人xx丫x性爽| 国产成人aa在线观看| 国产精品亚洲av一区麻豆| 久久人妻av系列| 中文字幕久久专区| 国产精品亚洲美女久久久| 成年女人看的毛片在线观看| 最好的美女福利视频网| 色综合亚洲欧美另类图片| 亚洲无线在线观看| 亚洲aⅴ乱码一区二区在线播放| 欧美乱妇无乱码| 女人被狂操c到高潮| 一本精品99久久精品77| 人妻丰满熟妇av一区二区三区| 在线观看舔阴道视频| 在线观看66精品国产| 三级男女做爰猛烈吃奶摸视频| 在线观看av片永久免费下载| www日本黄色视频网| 天堂动漫精品| 亚洲av熟女| 久9热在线精品视频| 夜夜夜夜夜久久久久| 国内久久婷婷六月综合欲色啪| 最新美女视频免费是黄的| 成人永久免费在线观看视频| 动漫黄色视频在线观看| 99国产极品粉嫩在线观看| 高清日韩中文字幕在线| 噜噜噜噜噜久久久久久91| 性色av乱码一区二区三区2| 日韩欧美精品免费久久 | 操出白浆在线播放| 欧美丝袜亚洲另类 | 男女之事视频高清在线观看| 免费看十八禁软件| 无人区码免费观看不卡| 熟女少妇亚洲综合色aaa.| 亚洲成av人片在线播放无| h日本视频在线播放| 好男人电影高清在线观看| 五月伊人婷婷丁香| 久久久久久大精品| 99国产精品一区二区蜜桃av| 在线免费观看不下载黄p国产 | 黄色视频,在线免费观看| 中亚洲国语对白在线视频| 国内精品久久久久久久电影| 成年免费大片在线观看| 国产精品一区二区免费欧美| 国产激情偷乱视频一区二区| 精品人妻一区二区三区麻豆 | 一区二区三区国产精品乱码| 国产老妇女一区| 波多野结衣高清无吗| 欧美黄色片欧美黄色片| 国产精品自产拍在线观看55亚洲| 欧美成人一区二区免费高清观看| 热99re8久久精品国产| 国产精品 欧美亚洲| 欧美乱码精品一区二区三区| 国产视频一区二区在线看| 亚洲精品在线观看二区| 99国产极品粉嫩在线观看| 高清日韩中文字幕在线| а√天堂www在线а√下载| 久久久色成人| 欧洲精品卡2卡3卡4卡5卡区| 亚洲国产日韩欧美精品在线观看 | 午夜免费激情av| 高清在线国产一区| 女同久久另类99精品国产91| 国产免费一级a男人的天堂| 大型黄色视频在线免费观看| 国产色爽女视频免费观看| 国产亚洲精品综合一区在线观看| 国产精品1区2区在线观看.| 亚洲成人精品中文字幕电影| 五月玫瑰六月丁香| 亚洲欧美一区二区三区黑人| 久久久色成人| svipshipincom国产片| 国产探花在线观看一区二区| 中文资源天堂在线| 激情在线观看视频在线高清| 午夜福利在线在线| 香蕉av资源在线| 日本免费a在线| 亚洲人与动物交配视频| 精品久久久久久久久久久久久| 窝窝影院91人妻| av在线蜜桃| 九九久久精品国产亚洲av麻豆| 天美传媒精品一区二区| av女优亚洲男人天堂| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 久久亚洲真实| 99热6这里只有精品| 亚洲av成人精品一区久久| 黄色成人免费大全| 久久人人精品亚洲av| 亚洲精品色激情综合| av视频在线观看入口| 亚洲欧美精品综合久久99| 啦啦啦观看免费观看视频高清| 老汉色∧v一级毛片| 美女高潮喷水抽搐中文字幕| 亚洲欧美一区二区三区黑人| 在线观看日韩欧美| 午夜久久久久精精品| 国产亚洲精品久久久久久毛片| 日韩欧美精品v在线| 舔av片在线| 熟女人妻精品中文字幕| 中文字幕人妻熟人妻熟丝袜美 | 国产高清有码在线观看视频| 亚洲一区高清亚洲精品| 天堂av国产一区二区熟女人妻| 全区人妻精品视频| 精品乱码久久久久久99久播| 桃红色精品国产亚洲av| 国产色爽女视频免费观看| 亚洲av五月六月丁香网| 欧美av亚洲av综合av国产av| 欧美在线一区亚洲| 蜜桃亚洲精品一区二区三区| 免费av观看视频| 国产精品久久久久久亚洲av鲁大| 国产黄a三级三级三级人| 一级作爱视频免费观看| 99精品在免费线老司机午夜| 一区二区三区激情视频| 丰满人妻一区二区三区视频av | 成人18禁在线播放| 亚洲精品一卡2卡三卡4卡5卡| 国产伦精品一区二区三区视频9 | 99热这里只有是精品50| 每晚都被弄得嗷嗷叫到高潮| 亚洲内射少妇av| 很黄的视频免费| 国产精品99久久久久久久久| 在线观看av片永久免费下载| 亚洲熟妇熟女久久| 久久精品91无色码中文字幕| 亚洲精品乱码久久久v下载方式 | 欧美在线一区亚洲| 熟女少妇亚洲综合色aaa.| 婷婷精品国产亚洲av| 97人妻精品一区二区三区麻豆| 18禁在线播放成人免费| 国内精品久久久久久久电影| 久久精品国产综合久久久| 日韩免费av在线播放| 九九热线精品视视频播放| 久久久久性生活片| 亚洲国产欧美网| 97碰自拍视频| 国产精品久久久久久精品电影| 搡老妇女老女人老熟妇| 亚洲成a人片在线一区二区| 特级一级黄色大片| 无遮挡黄片免费观看| 精品国产美女av久久久久小说| 母亲3免费完整高清在线观看| 亚洲久久久久久中文字幕| netflix在线观看网站| 一本综合久久免费| 国产男靠女视频免费网站| 精品免费久久久久久久清纯| 成年女人毛片免费观看观看9| 国产免费男女视频| 少妇人妻一区二区三区视频| av在线天堂中文字幕| 免费在线观看亚洲国产| 国产精品亚洲美女久久久| 国产成人系列免费观看| 久久亚洲真实| 久久伊人香网站| 国产视频一区二区在线看| 丰满人妻一区二区三区视频av | 熟女少妇亚洲综合色aaa.| 在线观看免费视频日本深夜| 国产精品久久久久久精品电影| 久久九九热精品免费| 国产探花在线观看一区二区| 国产三级中文精品| 天天添夜夜摸| 久久久国产成人精品二区| 亚洲无线观看免费| 欧美av亚洲av综合av国产av| 女人十人毛片免费观看3o分钟| 欧美中文综合在线视频| www日本在线高清视频| 男女下面进入的视频免费午夜| 国模一区二区三区四区视频| 国产精品嫩草影院av在线观看 | 全区人妻精品视频| 久久久成人免费电影| 男人的好看免费观看在线视频| 久久久精品大字幕| 亚洲专区中文字幕在线| 性色av乱码一区二区三区2| 色综合欧美亚洲国产小说| 在线观看免费视频日本深夜| 国产精品,欧美在线| 亚洲人成电影免费在线| 看黄色毛片网站| 色在线成人网| 亚洲五月天丁香| 亚洲人成网站高清观看| 成人av一区二区三区在线看| 最近视频中文字幕2019在线8| 99久国产av精品| 一区二区三区激情视频| 天堂√8在线中文| 午夜精品久久久久久毛片777| 久久久久久久久中文| 人人妻,人人澡人人爽秒播| 国产精品自产拍在线观看55亚洲| 欧美极品一区二区三区四区| 黄色日韩在线| 长腿黑丝高跟| 亚洲一区高清亚洲精品| 国产老妇女一区| 床上黄色一级片| 国产亚洲欧美98| 女同久久另类99精品国产91| 他把我摸到了高潮在线观看| 毛片女人毛片| 高潮久久久久久久久久久不卡| 日本免费一区二区三区高清不卡| 亚洲av日韩精品久久久久久密| 久久久久性生活片| 内射极品少妇av片p| 最新中文字幕久久久久| 嫁个100分男人电影在线观看| 脱女人内裤的视频| 午夜福利高清视频| 成人特级av手机在线观看| 久久久国产成人精品二区| 国产精品1区2区在线观看.| 天堂动漫精品| 在线免费观看不下载黄p国产 | 久久6这里有精品| 国产av一区在线观看免费| 亚洲成人免费电影在线观看| 99在线人妻在线中文字幕| 最新在线观看一区二区三区| 成年版毛片免费区| 国产精品,欧美在线| 好男人在线观看高清免费视频| 精品久久久久久久人妻蜜臀av| 在线观看av片永久免费下载| 51午夜福利影视在线观看| 国产精品 欧美亚洲| 大型黄色视频在线免费观看| 日韩欧美免费精品| 老司机福利观看| 亚洲专区国产一区二区| 国产一区二区在线av高清观看| 99精品久久久久人妻精品| 99国产精品一区二区三区| 亚洲激情在线av| 熟女人妻精品中文字幕| 国产成+人综合+亚洲专区| www日本黄色视频网| 黄片大片在线免费观看| 欧美乱码精品一区二区三区| 久久这里只有精品中国| 在线观看日韩欧美| 老司机在亚洲福利影院| 黄色女人牲交| 母亲3免费完整高清在线观看| 欧美性猛交黑人性爽| av片东京热男人的天堂| 婷婷亚洲欧美| 亚洲熟妇熟女久久| 成人18禁在线播放| 午夜福利在线在线| 久久久久国内视频| 欧美日本视频| 久久久成人免费电影| 国产成人欧美在线观看| 亚洲精品在线美女| 亚洲国产精品成人综合色| 啦啦啦观看免费观看视频高清| 九九久久精品国产亚洲av麻豆| 久久草成人影院| 伊人久久大香线蕉亚洲五| 亚洲精品久久国产高清桃花| 成人欧美大片| 国产欧美日韩精品亚洲av| 黄色丝袜av网址大全| 一a级毛片在线观看| 日本撒尿小便嘘嘘汇集6| 国产精品久久久久久久电影 | 欧美极品一区二区三区四区| 欧美+亚洲+日韩+国产| 国产亚洲av嫩草精品影院| 亚洲av五月六月丁香网| 免费观看人在逋| 日日夜夜操网爽| 欧美bdsm另类| 一级黄片播放器| 国产精品1区2区在线观看.| 天美传媒精品一区二区| 18+在线观看网站| 天堂√8在线中文| 国产成人av教育| 久久国产精品影院| 免费看美女性在线毛片视频| 亚洲第一电影网av| 久久久久久久亚洲中文字幕 | 国产精品女同一区二区软件 | 亚洲色图av天堂| 亚洲精品色激情综合| 久久亚洲真实| 国产成人啪精品午夜网站| 亚洲 国产 在线| 99久久无色码亚洲精品果冻| 人人妻人人看人人澡| 在线视频色国产色| 亚洲成av人片免费观看| 免费看光身美女| 99久久精品热视频| 久久久国产精品麻豆| 精品久久久久久成人av| 欧美+亚洲+日韩+国产| 亚洲av第一区精品v没综合| 男女那种视频在线观看| 亚洲欧美日韩无卡精品| 毛片女人毛片| 日本熟妇午夜| 亚洲精品粉嫩美女一区| 国产久久久一区二区三区| 在线观看av片永久免费下载| 亚洲熟妇熟女久久| 蜜桃亚洲精品一区二区三区| 悠悠久久av| 日韩高清综合在线| 一级毛片高清免费大全| 久久久久久久久久黄片| 欧美3d第一页| 欧美一区二区精品小视频在线| 亚洲aⅴ乱码一区二区在线播放| 中文字幕av在线有码专区| 五月玫瑰六月丁香| 成人18禁在线播放| 久久人人精品亚洲av| 国产成人aa在线观看| 午夜福利在线观看免费完整高清在 | 日韩亚洲欧美综合| h日本视频在线播放| 久久精品影院6| 亚洲av不卡在线观看| 一进一出抽搐gif免费好疼| av视频在线观看入口| 9191精品国产免费久久| 高清日韩中文字幕在线| 欧美一级毛片孕妇| 久久人人精品亚洲av| 国产中年淑女户外野战色| 成人特级黄色片久久久久久久| 69人妻影院| 天堂av国产一区二区熟女人妻| 国产私拍福利视频在线观看| 特大巨黑吊av在线直播| 日韩欧美国产一区二区入口| 久久久久九九精品影院| 欧美不卡视频在线免费观看| 成年女人永久免费观看视频| 国产97色在线日韩免费| 亚洲精品亚洲一区二区| 给我免费播放毛片高清在线观看| 国产精品国产高清国产av| 一夜夜www| av专区在线播放| 久久精品夜夜夜夜夜久久蜜豆| 免费在线观看亚洲国产| 日本免费一区二区三区高清不卡| 久久午夜亚洲精品久久| 一区二区三区激情视频| av视频在线观看入口| 韩国av一区二区三区四区| 成人特级av手机在线观看| 亚洲在线自拍视频| 国产真人三级小视频在线观看| 99热6这里只有精品| 亚洲专区中文字幕在线| 麻豆成人午夜福利视频| 久久香蕉精品热| 在线观看午夜福利视频| 白带黄色成豆腐渣| 日日干狠狠操夜夜爽| 亚洲午夜理论影院| 亚洲精品美女久久久久99蜜臀| 国产 一区 欧美 日韩| 日本 av在线| 亚洲男人的天堂狠狠| 国产真人三级小视频在线观看| 又爽又黄无遮挡网站| 亚洲成人精品中文字幕电影| 桃色一区二区三区在线观看| 欧美+亚洲+日韩+国产| 久99久视频精品免费| 动漫黄色视频在线观看| 18禁裸乳无遮挡免费网站照片| 欧美最新免费一区二区三区 | 国产精品一及| svipshipincom国产片| 国产伦精品一区二区三区视频9 | 动漫黄色视频在线观看| 嫁个100分男人电影在线观看| 国语自产精品视频在线第100页| 色播亚洲综合网| 亚洲色图av天堂| 日本免费a在线| 国产精品乱码一区二三区的特点| 18禁美女被吸乳视频| 欧美日韩国产亚洲二区| 国产精品爽爽va在线观看网站| 看黄色毛片网站| 精品久久久久久久毛片微露脸| 午夜免费男女啪啪视频观看 | 免费在线观看亚洲国产| 国产精品久久久久久亚洲av鲁大| 美女 人体艺术 gogo| 久久精品人妻少妇| 在线观看免费午夜福利视频| 国产乱人视频| 久久久久性生活片| 村上凉子中文字幕在线| 少妇的丰满在线观看| 搡老岳熟女国产| 欧美色欧美亚洲另类二区| 伊人久久大香线蕉亚洲五| 国产亚洲av嫩草精品影院| 精品一区二区三区视频在线观看免费| 久久久久国内视频| 全区人妻精品视频| 日韩高清综合在线| 麻豆成人av在线观看| 午夜免费激情av| 999久久久精品免费观看国产| 青草久久国产| 亚洲人成网站在线播放欧美日韩| 毛片女人毛片| 精品电影一区二区在线| 亚洲成人久久爱视频| 久久欧美精品欧美久久欧美| 首页视频小说图片口味搜索| 一a级毛片在线观看| 熟女少妇亚洲综合色aaa.| 丰满的人妻完整版| 国产成人av激情在线播放| АⅤ资源中文在线天堂| 看片在线看免费视频| 19禁男女啪啪无遮挡网站| 国产aⅴ精品一区二区三区波| 国产高清视频在线观看网站| 国产av麻豆久久久久久久| 亚洲国产欧美人成| 91在线观看av| 亚洲av第一区精品v没综合| 一个人看的www免费观看视频| 久久6这里有精品| 免费无遮挡裸体视频| 日本 欧美在线| 亚洲 欧美 日韩 在线 免费| 国产真实乱freesex| 日本与韩国留学比较| 欧美日韩亚洲国产一区二区在线观看| 3wmmmm亚洲av在线观看| 亚洲av不卡在线观看| 久久久久久久久大av| 啦啦啦韩国在线观看视频| 久久久国产精品麻豆| 国产成+人综合+亚洲专区| 亚洲av熟女| 又紧又爽又黄一区二区| 亚洲最大成人手机在线| 久久精品91蜜桃| 亚洲无线观看免费| 制服丝袜大香蕉在线| 欧美日韩瑟瑟在线播放| 99riav亚洲国产免费| 91久久精品电影网| 非洲黑人性xxxx精品又粗又长| 国产av在哪里看| 校园春色视频在线观看| 宅男免费午夜| 国产激情欧美一区二区| 成人特级av手机在线观看| 久久久久免费精品人妻一区二区| 欧美成人性av电影在线观看| 老司机在亚洲福利影院| 国产精华一区二区三区| 国产精品综合久久久久久久免费| 别揉我奶头~嗯~啊~动态视频| 精品人妻1区二区| 99久久综合精品五月天人人| 午夜免费观看网址| 成人一区二区视频在线观看| 免费大片18禁| 国产乱人伦免费视频| 久久午夜亚洲精品久久| 国产av在哪里看| 国产成人啪精品午夜网站| 十八禁网站免费在线| 国产亚洲精品av在线| 日日干狠狠操夜夜爽| 在线观看免费视频日本深夜| 操出白浆在线播放| 久久国产乱子伦精品免费另类| 亚洲国产中文字幕在线视频| 欧美黄色片欧美黄色片|