• <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 ?

    基于改進(jìn)的YOLOv3和Facenet的無人機(jī)影像人臉識別*

    2023-01-11 13:08:42高錦風(fēng)陳玉魏永明李劍南
    關(guān)鍵詞:人臉識別人臉預(yù)測

    高錦風(fēng),陳玉,魏永明?,李劍南

    (1 中國科學(xué)院空天信息創(chuàng)新研究院, 北京 100094; 2 中國科學(xué)院大學(xué), 北京 100049)

    人臉識別作為一種重要的非接觸身份獲取技術(shù),在安檢安防、用戶認(rèn)證、疑犯追蹤以及電子商務(wù)等多領(lǐng)域具有重要意義[1]。當(dāng)前對于人臉識別的研究已相對成熟,但大多是基于固定攝像頭采集的靜態(tài)圖片。在無人機(jī)嫌疑人員實(shí)時(shí)跟蹤這樣的動態(tài)場景中由于受無人機(jī)飛行高度調(diào)整、角度變換等的影響,識別精度被大幅度降低。隨著無人機(jī)的迅速發(fā)展,無人機(jī)因其小巧易控在工農(nóng)業(yè)及軍事領(lǐng)域得到廣泛使用,基于無人機(jī)平臺的人臉識別研究具有重要意義。

    人臉識別過程由人臉檢測和人臉匹配[2]兩個階段構(gòu)成。人臉檢測就是通過一些基于統(tǒng)計(jì)或者知識的方法預(yù)測人臉是否存在并定位人臉位置;人臉匹配是通過一對一或者一對多地對檢測出的人臉進(jìn)行判定[3]。當(dāng)前人臉識別的方法主要有基于人臉整體的識別方法和基于人臉部件的特征分析方法[4]。近幾年,隨著軟硬件技術(shù)的快速發(fā)展,深度學(xué)習(xí)已經(jīng)成為基于整體人臉識別方法中炙手可熱的選擇。深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)通過多卷積層自動學(xué)習(xí)人臉整體特征,不僅實(shí)現(xiàn)人臉的自動檢測以及識別,而且受專家經(jīng)驗(yàn)影響小,精度以及檢測速度都可以很好地支持實(shí)際應(yīng)用。

    當(dāng)前深度學(xué)習(xí)目標(biāo)檢測主流的網(wǎng)絡(luò)可分為單步式基于回歸網(wǎng)絡(luò)和兩步式基于候選區(qū)域的網(wǎng)絡(luò)。其中兩步式網(wǎng)絡(luò)以Fast-RCNN[5]、Faster-RCNN[6]、Mask-RCNN[7]等典型網(wǎng)絡(luò)為代表;單步式網(wǎng)絡(luò)以經(jīng)典的YOLO[8-10](you only look once)系列為代表。單步式網(wǎng)絡(luò)由于將整個檢測過程視為回歸問題而大大縮短了檢測時(shí)間。雖然精度相對于兩步式網(wǎng)絡(luò)有所下降,但實(shí)時(shí)性更強(qiáng),精度也足以滿足實(shí)際應(yīng)用需要。YOLOv3[10]是YOLO系列中廣泛使用的網(wǎng)絡(luò),高劉雅等[11]在YOLOv3的基礎(chǔ)上提出輕量級注意力機(jī)制的網(wǎng)絡(luò)實(shí)現(xiàn)了人臉的準(zhǔn)確檢測,準(zhǔn)確率達(dá)到94.08%。潘浩然[12]通過改進(jìn)YOLOv3的損失函數(shù)改善YOLOv3的錯檢漏檢問題,實(shí)現(xiàn)了人臉的高精度檢測。Facenet[13]是如今主流的人臉識別算法,通過在歐式空間中對比人臉特征之間的距離來判定二者之間的相似度以完成人臉匹配。Facenet與MTCNN[14](multi-task convolutional neural network)的結(jié)合使用是經(jīng)典的人臉識別組合。劉長偉[15]利用MTCNN結(jié)合Facenet進(jìn)行人臉識別,在LFW(labled faces in the wild)數(shù)據(jù)集上實(shí)現(xiàn)了99%的準(zhǔn)確率。李林峰等[16]結(jié)合MTCNN和Facenet設(shè)計(jì)實(shí)現(xiàn)了人臉識別考勤系統(tǒng)。這些研究主要識別靜態(tài)正面人臉,能較好發(fā)揮MTCNN關(guān)鍵點(diǎn)檢測的優(yōu)勢。對于本文的無人機(jī)應(yīng)用場景,MTCNN受無人機(jī)的拍攝角度影響很難發(fā)揮正臉檢測的優(yōu)勢,YOLOv3基于回歸的檢測方式能更好應(yīng)對這種應(yīng)用場景。但YOLOv3存在的低召回率以及邊框位置回歸不準(zhǔn)的問題[11-12]仍有待進(jìn)一步改進(jìn)。

    本文采取改進(jìn)后的YOLOv3進(jìn)行人臉檢測,檢測結(jié)果經(jīng)過人臉對齊后以160×160大小輸入Facenet網(wǎng)絡(luò)中進(jìn)行人臉匹配。研究針對YOLOv3漏檢以及預(yù)測框定位精度差的問題,對YOLOv3的特征提取網(wǎng)絡(luò)以及損失函數(shù)進(jìn)行改進(jìn)。同時(shí)還對基于Widerface[17]數(shù)據(jù)集以及自制數(shù)據(jù)集進(jìn)行了改進(jìn)前后模型的訓(xùn)練和測試,通過與MTCNN算法進(jìn)行對比從而驗(yàn)證改進(jìn)模型的有效性以及準(zhǔn)確性。

    1 數(shù)據(jù)集

    Widerface[17]是人臉識別研究中最常用的開源人臉基準(zhǔn)數(shù)據(jù)集,其中涉及61個事件類別。對于每個事件類別,訓(xùn)練數(shù)據(jù)占40%,驗(yàn)證數(shù)據(jù)占10%,測試數(shù)據(jù)占50%。Widerface數(shù)據(jù)集中場景豐富,人臉在大小、光照、位置、表情等方面具有多樣性。但該數(shù)據(jù)集以歐美人臉為主,單獨(dú)使用該數(shù)據(jù)集無法滿足國內(nèi)人臉檢測需求。因此實(shí)驗(yàn)中還使用無人機(jī)獲取的視頻數(shù)據(jù),通過提取幀、含重疊裁剪等預(yù)處理操作獲得4 334張416×416的人臉圖片,并對其進(jìn)一步劃分為訓(xùn)練、驗(yàn)證及測試集。具體每部分?jǐn)?shù)據(jù)見表1。

    表1 人臉檢測所用數(shù)據(jù)集Table 1 Datasets used in face detection

    實(shí)驗(yàn)還使用了中國科學(xué)院自動化所制作的開源人臉數(shù)據(jù)集CASIA-FaceV5,該數(shù)據(jù)集由2 500張480×640的圖片構(gòu)成,共有500個人物目標(biāo)。只包含一個室內(nèi)場景,并在照明、是否佩戴眼鏡、表情等方面有變化。

    2 研究方法

    2.1 YOLOv3及其改進(jìn)

    YOLOv3[10]是YOLO(you only look once)系列中比較經(jīng)典的網(wǎng)絡(luò),因其速度快、精度高被廣泛應(yīng)用于各類目標(biāo)檢測任務(wù)中。YOLOv3以Darknet53作為特征提取網(wǎng)絡(luò),性能相對于采用Darknet19的YOLOv2[9]有較大提升。YOLOv3用5個步長為2的卷積實(shí)現(xiàn)5次下采樣獲得在13×13尺度上的預(yù)測。同時(shí)通過類似特征金字塔的上采樣方式實(shí)現(xiàn)2次上采樣并結(jié)合融合策略得到26×26以及52×52尺度的預(yù)測,實(shí)現(xiàn)多尺度預(yù)測。此外YOLOv3采用邏輯回歸預(yù)測對象類別。雖然YOLOv3在目標(biāo)檢測任務(wù)中優(yōu)勢明顯,但存在召回率低以及預(yù)測框定位不準(zhǔn)確等問題。

    針對召回率低的問題,采用SE-ResNeXt[18]代替Darknet53中的ResNet[19],通過引入“基數(shù)”維度增加操作數(shù),同時(shí)保證模型復(fù)雜度不會增加。避免采用加深或者增加通道數(shù)提升模型性能所帶來的傳播梯度問題。此外,模型中還通過加入SEnet[18](squeeze-and-excitation networks)引入注意力機(jī)制,有選擇性地利用學(xué)到的特征,在充分利用有用特征的基礎(chǔ)上抑制無用特征。改進(jìn)后的模型將SEnet置于ResNeXt[20]的跳層連接之前,并且“基數(shù)”維度選用16。改進(jìn)后的模型的詳細(xì)結(jié)構(gòu)見圖1。

    圖1 改進(jìn)后YOLOv3的結(jié)構(gòu)Fig.1 The structure of the improved YOLOv3

    YOLOv3的損失函數(shù)由位置損失、類別損失及置信度損失3部分組成。位置損失主要針對預(yù)測框和真值框中心點(diǎn)坐標(biāo)及長寬的差距進(jìn)行懲罰。預(yù)測框使用交并比(intersection over union,IOU)指導(dǎo)回歸,雖然這個指標(biāo)比較經(jīng)典,但當(dāng)預(yù)測框和真值框存在包圍關(guān)系或者不相交時(shí),無法提供優(yōu)化方向。CIOU[21](complete-IoU loss)在IOU、GIOU[22](generalized intersection over union)和DIOU[21](distance-IoU loss)的基礎(chǔ)上綜合考慮預(yù)測框和真值框之間的重疊面積、中心點(diǎn)間的距離、長寬比的一致性,在兩框的各種位置關(guān)系情況下都可以提供優(yōu)化方向。CIOU的計(jì)算如下

    (1)

    式中:Op和Ol分別表示預(yù)測框和真值框的中心點(diǎn),l表示兩框中心點(diǎn)之間的歐式距離,c表示包含兩框的最小外接矩形對角線的長度。α是平衡比例的系數(shù),υ用于衡量預(yù)測框與真值框長寬比的一致性,計(jì)算公式如下:

    (2)

    (3)

    其中:wt,ht為真值框的長寬,wp,hp為預(yù)測框的長寬。已有研究表明[22],回歸損失可以直接作為YOLOv3的位置損失,從而取代二值交叉熵及均方根誤差等方法。改進(jìn)后的位置損失如下

    CIOUloss=Confidence(2-w×h)(1-CIOU).

    (4)

    2.2 Facenet模型

    Facenet[13]是Google提出的常用的人臉匹配方法,采用端對端的方式直接對輸入圖像進(jìn)行判定。其摒棄了通過Softmax進(jìn)行分類的方式,而是采用三元組在Triplet Loss的指導(dǎo)下直接對比圖像特征向量之間的歐式距離,從而判定人臉圖像的相似性。該模型可用于對比兩張人臉是否屬于同一個人、確定輸入人臉身份以及聚類輸入人臉找出屬于同一個人的人臉。模型詳細(xì)結(jié)構(gòu)見圖2,本文采用輸入為160×160的Inception ResNet v1網(wǎng)絡(luò)做為主體網(wǎng)絡(luò)。在Triplet Loss的指導(dǎo)下不斷減小類內(nèi)人臉特征向量之間的歐式距離,擴(kuò)大類間人臉特征向量之間的距離,最終得到人臉的特征向量(embeddings)。

    圖2 Facenet的結(jié)構(gòu)Fig.2 The structure of Facenet

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 實(shí)驗(yàn)環(huán)境與設(shè)置

    實(shí)驗(yàn)在一臺搭載了RTX2080Ti獨(dú)立顯卡(運(yùn)行內(nèi)存11 GB),i9-9900k處理器的Windows10操作系統(tǒng)上進(jìn)行。并采用Tensorflow和Keras框架。實(shí)驗(yàn)分為人臉檢測和人臉匹配2部分,其中人臉檢測中YOLOv3以及改進(jìn)后的模型采用adam優(yōu)化器,批處理量為8,初始學(xué)習(xí)率為10-3。學(xué)習(xí)率在驗(yàn)證損失20期(epochs)不變時(shí)下降為1/10,直到變?yōu)?0-6。當(dāng)實(shí)驗(yàn)達(dá)到500期或者驗(yàn)證損失在50期內(nèi)不變時(shí),學(xué)習(xí)將停止。人臉檢測圖片的輸入大小為416×416。人臉匹配圖片的輸入為160×160,批處理為1 000。

    3.2 實(shí)驗(yàn)評估指標(biāo)

    為了測試模型效果,實(shí)驗(yàn)中使用評估指標(biāo)召回率[23](recall,R,指在所有確實(shí)為真的樣本中,被判為的真的占比),精度[23](precision,P,指在所有系統(tǒng)判定的真的樣本中,確實(shí)是真的的占比),F1分?jǐn)?shù),平均精確度(average precision,PA)[24]及FPS(指每秒傳輸?shù)膸瑪?shù),當(dāng)FPS達(dá)到30時(shí)可以認(rèn)為接近實(shí)時(shí)處理)對實(shí)驗(yàn)用到的模型進(jìn)行評估。其中P,R,F(xiàn)1計(jì)算見下式:

    (5)

    (6)

    (7)

    3.3 人臉檢測模型訓(xùn)練及測試

    深度卷積神經(jīng)網(wǎng)絡(luò)需要大量數(shù)據(jù)支撐訓(xùn)練,模型首先采用數(shù)據(jù)量充足的Widerface數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練,后又基于自制的無人機(jī)人臉數(shù)據(jù)集進(jìn)行優(yōu)化訓(xùn)練,并對訓(xùn)練好的模型進(jìn)行測試。從表2可以看出改進(jìn)后的YOLOv3的召回率,F(xiàn)1分?jǐn)?shù)及平均精確度(PA)相對原始YOLOv3都有提升,但參數(shù)量反而有所下降。實(shí)現(xiàn)了在不增加模型參數(shù)量的同時(shí)提升模型檢測性能。雖然檢測速度相比原始YOLOv3有所下降,但實(shí)時(shí)性仍能較好滿足實(shí)際應(yīng)用需要。此外,雖然改進(jìn)后的YOLOv3的參數(shù)相比MTCNN較多,但PA提升9.49%,且檢測速度約是MTCNN的3倍。為了更直觀地測試3個模型,圖3顯示了3個模型對無人機(jī)影像上人臉的檢測結(jié)果。其中紅色框?yàn)槟P蜋z測框,黃色框與綠色框分別對應(yīng)漏檢和錯檢的人臉,可見改進(jìn)后的YOLOv3的錯檢和漏檢情況更少,檢測能力及對人臉的魯棒性更強(qiáng)。

    表2 3個模型人臉檢測的指標(biāo)評估Table 2 Face detection index evaluation of the three models

    3.4 人臉匹配

    Facenet提供CASIA-WebFace和VGGFace2兩種預(yù)訓(xùn)練模型,本文結(jié)合遷移學(xué)習(xí)的思想,采用VGGFace2預(yù)訓(xùn)練模型。目標(biāo)人臉經(jīng)過檢測得到人臉的預(yù)測邊框,基于這個邊框進(jìn)行人臉對齊,并統(tǒng)一歸一化為160×160大小,輸入Facenet后對比目標(biāo)人臉與模板人臉的特征向量以確定人臉對象的身份。為了反映改進(jìn)后的YOLOv3對不同人臉圖像的可區(qū)分性,實(shí)驗(yàn)對比了改進(jìn)后的YOLOv3,YOLOv3及經(jīng)典的MTCNN計(jì)算得到的A,B 2個目標(biāo)的不同圖片的歐氏距離。以1為不同目標(biāo)人物人臉歐氏距離的閾值(2張人臉的歐氏距離高于該閾值,則認(rèn)為2張人臉屬于2個不同的人;低于該閾值則認(rèn)為2張人臉屬于同一個人)。表3顯示改進(jìn)后的YOLOv3與MTCNN對清晰的正臉圖像均可以實(shí)現(xiàn)很好的區(qū)分(見圖4(a)、4(b)、4(e)、4(f)),但YOLOv3計(jì)算的A_1和B_1的歐式距離異常。對于人臉模糊以及拍攝角度較大產(chǎn)生的非正臉圖像(見圖4(c)、4(d)、4(f)、4(g)),改進(jìn)后的YOLOv3及YOLOv3僅有一對歐氏距離異常,但MTCNN有3對異常值。這表明改進(jìn)后的YOLOv3的檢測性能、區(qū)分能力及魯棒性更強(qiáng)。

    圖4 與歐氏距離計(jì)算相關(guān)的圖像Fig.4 Images related to Euclidean distance calculation

    表3 3個模型計(jì)算得到的A、B目標(biāo)不同人臉圖像的歐式距離(加粗?jǐn)?shù)字表明異常)Table 3 Euclidean distance between different face images of people A and B calculated by three models(Bold values indicate values that are not in the normal range)

    為了反映改進(jìn)后的YOLOv3結(jié)合Facenet的人臉識別效果,利用亞洲人臉圖像數(shù)據(jù)集CASIA-FaceV5測試改進(jìn)后的YOLOv3,YOLOv3及MTCNN分別與Facenet結(jié)合的人臉識別性能。實(shí)驗(yàn)共測試了CASIA-FaceV5數(shù)據(jù)集中2 500張人臉圖像,其中改進(jìn)后的YOLOv3+Facenet實(shí)現(xiàn)了全部圖像正確檢測和對齊,并正確識別了其中1 863張人臉,得到74.52%的準(zhǔn)確率(表4)。相對YOLOv3+Facenet的71.16% 的準(zhǔn)確率和MTCNN+Facenet的66.2%的準(zhǔn)確率,改進(jìn)后的YOLOv3+Facenet的準(zhǔn)確率均有提升。表明改進(jìn)后的YOLOv3結(jié)合Facenet的組合在人臉識別任務(wù)中性能更優(yōu)。除此之外,YOLOv3+Facenet和MTCNN+Facenet在對齊率上也低于改進(jìn)后的YOLOv3+Facenet,這也反映出改進(jìn)后的YOLOv3的檢測能力更強(qiáng)。為了更直觀地反映3個模型組合在無人機(jī)影像上的人臉識別效果,圖5顯示了3個模型組合對圖3放大區(qū)域的人臉識別結(jié)果。通過與正確目標(biāo)身份對比可知,改進(jìn)后的YOLOv3+Facenet實(shí)現(xiàn)了兩張圖像中目標(biāo)身份的正確識別,而YOLOv3+Facenet對C的身份識別有誤,MTCNN+Facenet對D的身份識別有誤。可見改進(jìn)后的YOLOv3與Facenet結(jié)合的識別效果最好。

    圖5 3個模型結(jié)合Facenet對無人機(jī)影像的人臉識別結(jié)果Fig.5 Face recognition results of UAV images based on the three models combined with Facenet

    表4 3個模型組合對CASIA-FaceV5數(shù)據(jù)集人臉的識別結(jié)果對比Table 4 Comparison of face recognition results of the three model combinations on CASIA-FaceV5 dataset

    圖3 3個模型對無人機(jī)影像人臉檢測結(jié)果Fig.3 UAV image face detection results of the three models

    CASIA-FaceV5數(shù)據(jù)集是正面拍攝的人臉關(guān)鍵點(diǎn)清晰的數(shù)據(jù)集,實(shí)際應(yīng)用中無人機(jī)影像由于拍攝高度、遮擋及飛行速度等一系列因素的影響會存在面部遮擋,人臉模糊以及關(guān)鍵點(diǎn)不明顯的俯視人臉情況的存在。為測試3個模型組合對遮擋及模糊情況的魯棒性,圖6顯示了3個模型組合對人臉清晰,存在遮擋和存在模糊情況的無人機(jī)影像的人臉識別效果。從圖中可以看出,對于面部清晰的人臉,如圖6(a)和6(d)所示,3個模型組合都可以實(shí)現(xiàn)正確的識別;但對于面部有遮擋、部分模糊以及人臉關(guān)鍵點(diǎn)不清晰的情況,分別如圖6(b)、6(c)和6(e)所示,改進(jìn)后的YOLOv3+Facenet可以實(shí)現(xiàn)正確識別,而MTCNN+Facenet均無法正確識別,YOLOv3+Facenet對模糊情況的識別錯誤??梢姼倪M(jìn)后的YOLOv3+Facenet對實(shí)際無人機(jī)應(yīng)用面臨的模糊及遮擋情況具有更強(qiáng)的魯棒性。

    圖6 3個模型組合對不同質(zhì)量的無人機(jī)影像的人臉識別結(jié)果Fig.6 Face recognition results of the three model combinations on UAV images with different qualities

    4 討論與總結(jié)

    無人機(jī)因其小巧易控以及飛行可調(diào)等優(yōu)點(diǎn)在應(yīng)急救援以及嫌疑人員追蹤等應(yīng)用場景發(fā)揮著重要作用,應(yīng)用于無人機(jī)影像的高精度人臉識別技術(shù)能更好地發(fā)揮無人機(jī)的作用。隨著軟硬件性能的提升,深度學(xué)習(xí)得到了快速發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)以其較高的精度和較少的人為干擾成為目標(biāo)檢測領(lǐng)域的熱門研究方法。

    Facenet與MTCNN的結(jié)合是比較經(jīng)典也比較常用的人臉檢測識別組合,但在無人機(jī)應(yīng)用場景下拍攝高度造成的影像非正臉的情況難以發(fā)揮MTCNN關(guān)鍵點(diǎn)檢測的優(yōu)勢,導(dǎo)致錯檢漏檢現(xiàn)象嚴(yán)重,難以滿足實(shí)際應(yīng)用需要。本文探究在無人機(jī)應(yīng)用場景下的高精度人臉識別方法,以改進(jìn)的YOLOv3進(jìn)行人臉檢測,再結(jié)合Facenet實(shí)現(xiàn)人臉識別。實(shí)驗(yàn)證明改進(jìn)YOLOv3結(jié)合Facenet對人臉的區(qū)分能力更強(qiáng),檢測及識別精度更高,同時(shí)對于無人機(jī)影像存在的遮擋、模糊等情況的魯棒性也更高。除此之外,改進(jìn)后的YOLOv3相對原始YOLOv3不僅精度和召回率得到提升,而且模型參數(shù)量有所減少。在無人機(jī)影像人臉檢測中的漏檢和錯檢現(xiàn)象也輕于原始YOLOv3,因此對于YOLOv3的改進(jìn)也是有效的。

    本文既采用了數(shù)據(jù)量豐富的公開數(shù)據(jù)集,也結(jié)合了基于無人機(jī)影像的自制數(shù)據(jù)集,不僅避免了過擬合問題,也豐富了當(dāng)前的開源人臉數(shù)據(jù)集。此外,隨著今后自制數(shù)據(jù)集容量的不斷積累擴(kuò)充,模型的訓(xùn)練還將實(shí)現(xiàn)進(jìn)一步完善,檢測以及識別性能也將得到進(jìn)一步提升。

    猜你喜歡
    人臉識別人臉預(yù)測
    無可預(yù)測
    黃河之聲(2022年10期)2022-09-27 13:59:46
    選修2-2期中考試預(yù)測卷(A卷)
    選修2-2期中考試預(yù)測卷(B卷)
    人臉識別 等
    有特點(diǎn)的人臉
    揭開人臉識別的神秘面紗
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    不必預(yù)測未來,只需把握現(xiàn)在
    基于類獨(dú)立核稀疏表示的魯棒人臉識別
    馬面部與人臉相似度驚人
    国产又色又爽无遮挡免费看| 高清毛片免费观看视频网站| 97碰自拍视频| 免费在线观看日本一区| 亚洲免费av在线视频| 18美女黄网站色大片免费观看| 长腿黑丝高跟| 亚洲国产欧美日韩在线播放| 国产精品电影一区二区三区| 国产成人av教育| 国产不卡一卡二| 在线免费观看的www视频| 亚洲人成77777在线视频| 久久久久久国产a免费观看| 极品教师在线免费播放| 99国产精品一区二区蜜桃av| 老鸭窝网址在线观看| 亚洲av第一区精品v没综合| 18禁裸乳无遮挡免费网站照片 | 精品日产1卡2卡| 黄色丝袜av网址大全| 精品久久久久久久久久免费视频| 窝窝影院91人妻| 成人一区二区视频在线观看| 在线国产一区二区在线| 成人精品一区二区免费| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲专区中文字幕在线| 欧美+亚洲+日韩+国产| 精品一区二区三区视频在线观看免费| 亚洲av片天天在线观看| 婷婷亚洲欧美| 日本黄色视频三级网站网址| 99久久久亚洲精品蜜臀av| 人人妻,人人澡人人爽秒播| 久久国产乱子伦精品免费另类| 欧美国产精品va在线观看不卡| 亚洲av成人一区二区三| 不卡av一区二区三区| 国产伦一二天堂av在线观看| 亚洲国产精品合色在线| 99精品在免费线老司机午夜| 波多野结衣巨乳人妻| 级片在线观看| 成人手机av| 亚洲七黄色美女视频| 免费看美女性在线毛片视频| 国产亚洲精品久久久久5区| 国产一区二区三区在线臀色熟女| 狠狠狠狠99中文字幕| 国产精品,欧美在线| 亚洲,欧美精品.| 欧美激情极品国产一区二区三区| 淫秽高清视频在线观看| 国产成人精品久久二区二区91| 90打野战视频偷拍视频| 听说在线观看完整版免费高清| 亚洲五月天丁香| 在线观看免费午夜福利视频| 国产国语露脸激情在线看| 最近在线观看免费完整版| 久久精品国产99精品国产亚洲性色| 少妇的丰满在线观看| 人人澡人人妻人| 国产成人精品久久二区二区免费| 白带黄色成豆腐渣| 黄色 视频免费看| 欧美在线黄色| 久久中文看片网| 叶爱在线成人免费视频播放| 在线观看午夜福利视频| 午夜精品久久久久久毛片777| 精品欧美一区二区三区在线| 看免费av毛片| 亚洲国产日韩欧美精品在线观看 | 国产精品1区2区在线观看.| 欧美一级a爱片免费观看看 | 亚洲午夜理论影院| 免费一级毛片在线播放高清视频| 真人一进一出gif抽搐免费| 老司机午夜福利在线观看视频| 国产高清videossex| 亚洲在线自拍视频| 日韩大尺度精品在线看网址| 天天一区二区日本电影三级| 午夜视频精品福利| 午夜福利欧美成人| 国产av不卡久久| 国产欧美日韩精品亚洲av| 视频区欧美日本亚洲| 亚洲一码二码三码区别大吗| 青草久久国产| 桃色一区二区三区在线观看| 最近最新中文字幕大全电影3 | 亚洲成人免费电影在线观看| 亚洲国产欧美日韩在线播放| 亚洲第一青青草原| 久久天躁狠狠躁夜夜2o2o| 亚洲一卡2卡3卡4卡5卡精品中文| 精品第一国产精品| 国产精品一区二区精品视频观看| 亚洲第一av免费看| 88av欧美| 亚洲精品美女久久av网站| 日韩视频一区二区在线观看| 琪琪午夜伦伦电影理论片6080| 成在线人永久免费视频| 波多野结衣高清作品| 欧美黑人欧美精品刺激| 琪琪午夜伦伦电影理论片6080| 国产伦人伦偷精品视频| 视频在线观看一区二区三区| 最近在线观看免费完整版| 久久久久国产一级毛片高清牌| 亚洲男人的天堂狠狠| 黄片播放在线免费| 国产亚洲精品综合一区在线观看 | 好看av亚洲va欧美ⅴa在| 亚洲 欧美 日韩 在线 免费| 国产野战对白在线观看| 久久久久久久精品吃奶| 午夜成年电影在线免费观看| 免费在线观看影片大全网站| 国产精品爽爽va在线观看网站 | 精品不卡国产一区二区三区| 波多野结衣av一区二区av| 18禁黄网站禁片免费观看直播| 女性生殖器流出的白浆| 亚洲第一欧美日韩一区二区三区| 又紧又爽又黄一区二区| 视频区欧美日本亚洲| 夜夜夜夜夜久久久久| 久久精品亚洲精品国产色婷小说| 啦啦啦免费观看视频1| 久久亚洲真实| 人妻丰满熟妇av一区二区三区| 日本免费一区二区三区高清不卡| 午夜亚洲福利在线播放| 97超级碰碰碰精品色视频在线观看| 俺也久久电影网| ponron亚洲| 国产亚洲精品久久久久久毛片| 麻豆成人av在线观看| 亚洲中文字幕日韩| 久久久久免费精品人妻一区二区 | 日韩视频一区二区在线观看| 亚洲第一青青草原| 国产真人三级小视频在线观看| 国产又色又爽无遮挡免费看| 变态另类丝袜制服| а√天堂www在线а√下载| 国产熟女午夜一区二区三区| 久久久国产成人精品二区| 精品久久久久久久久久免费视频| 无限看片的www在线观看| 久久婷婷成人综合色麻豆| 精品国产一区二区三区四区第35| 国产午夜精品久久久久久| 日本 欧美在线| 成人亚洲精品av一区二区| 香蕉久久夜色| 成人国产一区最新在线观看| 午夜福利一区二区在线看| 日韩欧美免费精品| 性欧美人与动物交配| 精品久久久久久久人妻蜜臀av| 一本大道久久a久久精品| 亚洲 欧美 日韩 在线 免费| 国产真人三级小视频在线观看| 琪琪午夜伦伦电影理论片6080| 嫩草影院精品99| 香蕉国产在线看| 一卡2卡三卡四卡精品乱码亚洲| 亚洲国产欧美网| 亚洲人成网站在线播放欧美日韩| av天堂在线播放| 99精品欧美一区二区三区四区| 亚洲欧美一区二区三区黑人| 欧美日韩一级在线毛片| 欧美激情久久久久久爽电影| 国产免费av片在线观看野外av| 91av网站免费观看| 国产亚洲欧美98| 看片在线看免费视频| 欧美日韩瑟瑟在线播放| 黄色 视频免费看| 99re在线观看精品视频| 色综合站精品国产| 国产精华一区二区三区| 亚洲avbb在线观看| 久久久久免费精品人妻一区二区 | 在线免费观看的www视频| 午夜亚洲福利在线播放| x7x7x7水蜜桃| 日韩大尺度精品在线看网址| 在线观看免费视频日本深夜| 国产不卡一卡二| 久久中文字幕人妻熟女| 久久午夜亚洲精品久久| 精品久久久久久成人av| 91在线观看av| 91字幕亚洲| 欧美日韩中文字幕国产精品一区二区三区| 18禁裸乳无遮挡免费网站照片 | 手机成人av网站| 亚洲精品在线美女| 香蕉av资源在线| 欧美日韩乱码在线| bbb黄色大片| 人人澡人人妻人| 麻豆成人av在线观看| avwww免费| 少妇裸体淫交视频免费看高清 | 国产精品自产拍在线观看55亚洲| 在线观看日韩欧美| 脱女人内裤的视频| 妹子高潮喷水视频| 国产精品,欧美在线| 久久天躁狠狠躁夜夜2o2o| 国产亚洲欧美精品永久| 日韩精品中文字幕看吧| 此物有八面人人有两片| 久久久精品欧美日韩精品| 亚洲色图 男人天堂 中文字幕| 91老司机精品| 日韩中文字幕欧美一区二区| 午夜福利欧美成人| 日日干狠狠操夜夜爽| 高清毛片免费观看视频网站| 国产精品久久电影中文字幕| 女性被躁到高潮视频| 亚洲国产精品999在线| 黑丝袜美女国产一区| 日韩有码中文字幕| 久久热在线av| 国产午夜福利久久久久久| 日韩欧美三级三区| 禁无遮挡网站| 欧美久久黑人一区二区| 激情在线观看视频在线高清| 搡老岳熟女国产| 国产精品精品国产色婷婷| 欧美丝袜亚洲另类 | 久久性视频一级片| 亚洲国产精品合色在线| 99国产综合亚洲精品| 天堂影院成人在线观看| 久久人人精品亚洲av| 给我免费播放毛片高清在线观看| 亚洲一区中文字幕在线| 久久久精品欧美日韩精品| 成人三级做爰电影| 亚洲午夜理论影院| 88av欧美| √禁漫天堂资源中文www| 嫩草影视91久久| a级毛片在线看网站| 麻豆一二三区av精品| 日韩欧美一区视频在线观看| 十分钟在线观看高清视频www| 精品国产亚洲在线| 最近最新免费中文字幕在线| 搞女人的毛片| 成在线人永久免费视频| 国产激情偷乱视频一区二区| 国产欧美日韩一区二区三| 欧美丝袜亚洲另类 | 欧美日韩瑟瑟在线播放| 极品教师在线免费播放| 久久国产亚洲av麻豆专区| 午夜a级毛片| bbb黄色大片| 国产视频一区二区在线看| 午夜亚洲福利在线播放| 国产亚洲精品av在线| 免费在线观看完整版高清| 久久久国产成人精品二区| 国产99白浆流出| 大型av网站在线播放| 中文字幕高清在线视频| 欧美午夜高清在线| 校园春色视频在线观看| 久久久国产欧美日韩av| 制服诱惑二区| 国产精品亚洲一级av第二区| 亚洲国产欧美一区二区综合| 欧美国产精品va在线观看不卡| 国产亚洲欧美在线一区二区| 欧美最黄视频在线播放免费| 国产精品二区激情视频| 精品人妻1区二区| 大型av网站在线播放| 亚洲av片天天在线观看| 国产一区二区激情短视频| 国产片内射在线| 亚洲自拍偷在线| 国产极品粉嫩免费观看在线| 12—13女人毛片做爰片一| 欧美成人一区二区免费高清观看 | 一级毛片精品| 国产成年人精品一区二区| 特大巨黑吊av在线直播 | 熟女少妇亚洲综合色aaa.| 99国产极品粉嫩在线观看| 亚洲色图 男人天堂 中文字幕| 亚洲欧美精品综合一区二区三区| 亚洲国产精品成人综合色| 香蕉久久夜色| 99国产综合亚洲精品| 免费在线观看日本一区| 99精品欧美一区二区三区四区| 欧洲精品卡2卡3卡4卡5卡区| 精华霜和精华液先用哪个| 一进一出抽搐动态| 国产爱豆传媒在线观看 | 男女那种视频在线观看| 在线永久观看黄色视频| 亚洲男人的天堂狠狠| 色在线成人网| 亚洲免费av在线视频| 亚洲专区中文字幕在线| 国产精品美女特级片免费视频播放器 | 午夜老司机福利片| 老熟妇仑乱视频hdxx| 又大又爽又粗| 一边摸一边做爽爽视频免费| 午夜福利在线观看吧| 欧美日韩瑟瑟在线播放| 亚洲欧美一区二区三区黑人| 女人爽到高潮嗷嗷叫在线视频| 变态另类丝袜制服| 99精品在免费线老司机午夜| 在线天堂中文资源库| 欧美久久黑人一区二区| 久久久久久久久久黄片| 欧美黑人巨大hd| 男男h啪啪无遮挡| 久久精品影院6| 色尼玛亚洲综合影院| 国产在线观看jvid| 精品欧美一区二区三区在线| 天天躁狠狠躁夜夜躁狠狠躁| 国产单亲对白刺激| 美女大奶头视频| 国产区一区二久久| 村上凉子中文字幕在线| 99久久精品国产亚洲精品| 天天躁夜夜躁狠狠躁躁| 热99re8久久精品国产| 一级a爱视频在线免费观看| 国产黄a三级三级三级人| 国产精品 国内视频| 久久香蕉激情| 日韩精品中文字幕看吧| 国产精品二区激情视频| 99久久无色码亚洲精品果冻| 欧美一级a爱片免费观看看 | 成人av一区二区三区在线看| 亚洲九九香蕉| √禁漫天堂资源中文www| 亚洲色图av天堂| 美女高潮到喷水免费观看| 亚洲天堂国产精品一区在线| 亚洲美女黄片视频| 日韩有码中文字幕| 午夜两性在线视频| 免费高清在线观看日韩| 国产精品一区二区免费欧美| 欧美在线黄色| 国产极品粉嫩免费观看在线| 一级a爱视频在线免费观看| 国产一卡二卡三卡精品| 国产精华一区二区三区| 熟妇人妻久久中文字幕3abv| 国产精品一区二区三区四区久久 | 又黄又粗又硬又大视频| 亚洲精品久久成人aⅴ小说| 午夜精品久久久久久毛片777| 少妇熟女aⅴ在线视频| www.999成人在线观看| 两人在一起打扑克的视频| 国产亚洲精品久久久久久毛片| 黄色视频,在线免费观看| 观看免费一级毛片| 国产精品影院久久| 亚洲五月天丁香| 91九色精品人成在线观看| 国产精品一区二区三区四区久久 | 国产乱人伦免费视频| 久久精品影院6| 日本三级黄在线观看| 日韩免费av在线播放| 日本免费a在线| 级片在线观看| 伊人久久大香线蕉亚洲五| 国产精品久久久久久人妻精品电影| 精品国产乱子伦一区二区三区| av中文乱码字幕在线| 久久亚洲真实| 精品久久久久久久人妻蜜臀av| 日韩 欧美 亚洲 中文字幕| 后天国语完整版免费观看| 欧美激情久久久久久爽电影| 在线天堂中文资源库| www.熟女人妻精品国产| av天堂在线播放| 国产av又大| 国产黄片美女视频| 90打野战视频偷拍视频| 亚洲天堂国产精品一区在线| 欧美av亚洲av综合av国产av| 国产精品美女特级片免费视频播放器 | 黄色女人牲交| www.熟女人妻精品国产| 亚洲成av片中文字幕在线观看| 啦啦啦观看免费观看视频高清| 国产欧美日韩精品亚洲av| 日日爽夜夜爽网站| 欧美性猛交╳xxx乱大交人| 国产亚洲精品av在线| 日韩欧美免费精品| 亚洲色图av天堂| 麻豆av在线久日| 成人特级黄色片久久久久久久| 亚洲成av人片免费观看| 亚洲 国产 在线| 99久久精品国产亚洲精品| 亚洲欧美日韩无卡精品| √禁漫天堂资源中文www| 亚洲激情在线av| 精品第一国产精品| av有码第一页| 老司机深夜福利视频在线观看| 国产成人精品久久二区二区91| 婷婷亚洲欧美| 大香蕉久久成人网| 老司机靠b影院| 免费在线观看黄色视频的| 男人舔奶头视频| 成人国语在线视频| 一区福利在线观看| 人人澡人人妻人| 美女高潮到喷水免费观看| 91在线观看av| 国产精品久久久久久人妻精品电影| 麻豆成人av在线观看| 制服诱惑二区| av中文乱码字幕在线| 中出人妻视频一区二区| 他把我摸到了高潮在线观看| 久久午夜综合久久蜜桃| 国产又色又爽无遮挡免费看| 久久热在线av| 淫秽高清视频在线观看| 欧美精品啪啪一区二区三区| 18禁裸乳无遮挡免费网站照片 | 最近最新免费中文字幕在线| 999精品在线视频| 99热6这里只有精品| 欧美av亚洲av综合av国产av| 级片在线观看| 女生性感内裤真人,穿戴方法视频| 久久精品国产综合久久久| 日韩视频一区二区在线观看| 久久国产亚洲av麻豆专区| 亚洲精品美女久久av网站| 免费观看人在逋| 日韩一卡2卡3卡4卡2021年| 一区二区三区高清视频在线| 99riav亚洲国产免费| 日韩精品中文字幕看吧| 18禁美女被吸乳视频| 99国产精品一区二区三区| 久久久精品欧美日韩精品| 欧美久久黑人一区二区| 久久精品国产亚洲av香蕉五月| 国产区一区二久久| 国产一区二区三区视频了| 久久亚洲真实| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲最大成人中文| 久久中文字幕人妻熟女| 看片在线看免费视频| 长腿黑丝高跟| xxx96com| 精品乱码久久久久久99久播| 久久伊人香网站| 久久狼人影院| 老司机午夜福利在线观看视频| 琪琪午夜伦伦电影理论片6080| 精品国产乱子伦一区二区三区| 欧美午夜高清在线| 久久伊人香网站| 精品乱码久久久久久99久播| 色综合婷婷激情| 久久久久久久精品吃奶| 色哟哟哟哟哟哟| 久久久精品国产亚洲av高清涩受| 日韩精品免费视频一区二区三区| 久久久久久久久免费视频了| 叶爱在线成人免费视频播放| 精品少妇一区二区三区视频日本电影| 黄色片一级片一级黄色片| 午夜福利18| 国产片内射在线| 国产三级黄色录像| 欧美激情久久久久久爽电影| 后天国语完整版免费观看| 欧美日本亚洲视频在线播放| 级片在线观看| 免费高清在线观看日韩| 黄色成人免费大全| 亚洲一卡2卡3卡4卡5卡精品中文| 美女免费视频网站| 国产成人av激情在线播放| 亚洲精品粉嫩美女一区| 国产激情偷乱视频一区二区| 淫秽高清视频在线观看| 久久国产亚洲av麻豆专区| 亚洲av美国av| 午夜久久久在线观看| 无遮挡黄片免费观看| 国产区一区二久久| 人人妻人人澡欧美一区二区| 久久天躁狠狠躁夜夜2o2o| 在线观看66精品国产| 国产色视频综合| 少妇粗大呻吟视频| 欧美日韩一级在线毛片| 国产视频一区二区在线看| 午夜精品久久久久久毛片777| 日韩欧美国产一区二区入口| 欧美色欧美亚洲另类二区| 男女午夜视频在线观看| 久久久久久亚洲精品国产蜜桃av| 18禁黄网站禁片免费观看直播| 久久久久精品国产欧美久久久| 国产高清激情床上av| 欧美成人免费av一区二区三区| 国产蜜桃级精品一区二区三区| 91老司机精品| 久久久国产精品麻豆| 熟妇人妻久久中文字幕3abv| 满18在线观看网站| 欧美不卡视频在线免费观看 | 久久久国产成人免费| 日韩欧美 国产精品| 99久久精品国产亚洲精品| 日韩 欧美 亚洲 中文字幕| 制服人妻中文乱码| 深夜精品福利| 日日爽夜夜爽网站| 免费看美女性在线毛片视频| 亚洲国产精品合色在线| 高清毛片免费观看视频网站| 国产爱豆传媒在线观看 | 久久热在线av| av有码第一页| 欧美绝顶高潮抽搐喷水| 亚洲一码二码三码区别大吗| 国产精品国产高清国产av| 欧美黑人巨大hd| 国产精品98久久久久久宅男小说| 夜夜爽天天搞| 在线观看www视频免费| 免费在线观看亚洲国产| 亚洲国产精品sss在线观看| 国产精品永久免费网站| 久久精品影院6| 国产亚洲精品一区二区www| 男女视频在线观看网站免费 | 国产成人欧美| 日韩一卡2卡3卡4卡2021年| 97人妻精品一区二区三区麻豆 | 韩国av一区二区三区四区| a级毛片a级免费在线| 99久久99久久久精品蜜桃| 中文字幕人妻丝袜一区二区| 免费观看精品视频网站| 亚洲性夜色夜夜综合| 精品福利观看| 真人一进一出gif抽搐免费| 韩国精品一区二区三区| 性欧美人与动物交配| 黄色女人牲交| 成人欧美大片| 香蕉丝袜av| 麻豆成人av在线观看| 久99久视频精品免费| 巨乳人妻的诱惑在线观看| 天堂影院成人在线观看| 国产精品日韩av在线免费观看| 在线十欧美十亚洲十日本专区| 日本 欧美在线| 悠悠久久av| 狂野欧美激情性xxxx| 国产精品免费一区二区三区在线| 正在播放国产对白刺激| 男女做爰动态图高潮gif福利片| 天堂影院成人在线观看| 啦啦啦 在线观看视频| 国产成+人综合+亚洲专区| 日韩大码丰满熟妇| 午夜福利在线在线| 国内久久婷婷六月综合欲色啪| 十八禁网站免费在线| 99久久99久久久精品蜜桃| 黄频高清免费视频| 日韩中文字幕欧美一区二区| 日本撒尿小便嘘嘘汇集6| 国产蜜桃级精品一区二区三区| 成人一区二区视频在线观看| 日韩欧美免费精品| 亚洲 欧美 日韩 在线 免费| 三级毛片av免费|