• <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 ?

    主成分分析在模式識別領域中的研究進展

    2023-10-26 12:00:24王文杰石競琛姜念祖林帥男
    白城師范學院學報 2023年5期
    關鍵詞:降維協(xié)方差人臉識別

    王文杰,石競琛,姜念祖,林帥男,趙 瑞

    (吉林師范大學數(shù)學與計算機學院,吉林 四平 136000)

    0 引言

    隨著信息技術的不斷發(fā)展,數(shù)據(jù)生成的速度和規(guī)模都呈現(xiàn)出指數(shù)增長態(tài)勢,這使得數(shù)據(jù)的類型趨于多樣化,數(shù)據(jù)結構趨于復雜化,這種現(xiàn)象被稱為維數(shù)災難,并且這種現(xiàn)象已經影響到了諸多領域,如人臉識別、圖像壓縮、圖像去噪等.如何通過數(shù)據(jù)降維來減輕維數(shù)災難、減少高維空間中其他不相關的屬性已成為學者們主要的研究方向.

    維數(shù)災難[1-3]帶來的問題主要表現(xiàn)在以下幾個方面:一是隨著數(shù)據(jù)維數(shù)的增加,高維空間樣本點的分布將會更加稀疏,從而導致過擬合的問題;二是維數(shù)增多使樣本遠離中心點,導致邊緣樣本密集過高,無法擬合;三是隨著維數(shù)的升高,在高維度空間中距離度量逐漸失去了度量差異性的能力;四是高維數(shù)據(jù)影響問題處理的效率和準確性,增加數(shù)據(jù)預處理的難度;五是高維數(shù)據(jù)的運算與存儲對計算機的要求較高,目前計算機仍不能完全滿足其要求;六是對高維數(shù)據(jù)處理的方法較少,處理難度較大,增加了計算難度.

    上述問題給高維數(shù)據(jù)分析與處理帶來了較大的困難,嚴重制約了數(shù)據(jù)挖掘算法的高效性,而維數(shù)約簡技術是解決這一難題的有力工具,它主要包括特征選擇技術和特征提取技術兩大類.特征選擇是從數(shù)據(jù)集中去除不相關和冗余的信息以獲得最優(yōu)的特征子集[4].由于特征選擇通常會采用搜索算法,所以特征選擇中最優(yōu)特征子集的搜索速度和精度存在一定的問題.而特征提取是利用現(xiàn)有的特征參數(shù)組成一個低維的特征空間,將原始特征包含的有用信息映射成少量的特征,忽略冗余和不相關的信息[5].所以特征提取可以很好地避免信息冗余、數(shù)據(jù)維數(shù)過高等問題.目前,研究者們已經提出了多種有關特征提取的降維方法,基于線性的特征提取方法有主成分分析和線性判別分析(LDA),而基于非線性特征提取方法主要包括局部線性嵌入(LLE)、等距離映射(Lsomap)、擴散映射(Diffusion Map)、多維尺度變換(MDS)、局部切空間排列(LTSA)、核主成分分析(KPCA)等.多種特征提取技術中最常用的算法無疑是PCA,由于其具有降維精度高、信息損失量小、應用范圍廣等特點而得到廣泛應用.本文綜述了近五年主成分分析算法在人臉識別、圖像壓縮和圖像去噪等模式識別領域中的最新研究進展,分析了其技術特色和應用范圍.

    1 主成分分析

    主成分分析[6-9]是20 世紀初引入用于探索多元數(shù)據(jù)分析中最流行的方法之一,并隨著時間的推移逐漸走向成熟,它的主要思想是將n維特征映射到k維上(k<n),而這k維特征是在原有的基礎上重新構造出來的,我們也稱這k維特征為主成分.

    1.1 主成分分析方法的求解步驟

    PCA 具體的求解步驟如圖1所示.PCA 降維的過程是通過計算樣本集的協(xié)方差矩陣,得到協(xié)方差矩陣的特征值和特征向量,選擇其中特征值最大的k個特征所對應的特征向量組成特征向量矩陣,將原有的樣本數(shù)據(jù)轉化到新的空間中,從而實現(xiàn)對數(shù)據(jù)特征的降維.它的目標是通過某種線性投影,將高維的數(shù)據(jù)映射到低維的空間中,并期望在所投影的維度上數(shù)據(jù)的方差最大,以便使用較少的數(shù)據(jù)維度,同時保留住較多的原數(shù)據(jù)點的特性.

    圖1 PCA算法求解步驟

    1.2 主成分分析方法的特點

    PCA 算法的主要優(yōu)點表現(xiàn)在:PCA 是無監(jiān)督學習,完全沒有參數(shù)的限制,在計算過程中不需要人為地設定參數(shù);PCA 技術可以對數(shù)據(jù)進行降維,從而達到簡化模型的效果,同時最大程度地保持了原有數(shù)據(jù)的信息;PCA 降維后的主成分之間相互正交,可抵消原始數(shù)據(jù)成分間的相互影響;PCA 算法計算方法簡單,在計算機上便于實現(xiàn).

    PCA算法的主要缺點表現(xiàn)在:雖然用戶掌握了一些關于觀測對象的數(shù)據(jù)的特征,但卻無法通過參數(shù)化等方法對處理過程進行干預,使用PCA 算法可能得不到預期的效果,效率也不高;貢獻率小的主成分可能含有對樣本有重大影響的重要信息,但在使用PCA 算法時往往會忽略貢獻率小的主成分;特征值矩陣的正交向量空間是否唯一有待討論.

    2 主成分分析在模式識別中的應用

    模式是對客觀事物的一種抽象化的概括和定理化的描述,而模式識別則是在某些觀測基礎上把待識別模式劃分到各自的模式中.模式識別可以和很多人工智能技術和算法相結合,其中主成分分析在模式識別領域中主要應用于人臉識別、圖像壓縮和圖像去噪等方面.

    2.1 人臉識別

    2.1.1 人臉識別簡介

    人臉識別[10-12]的研究起始于20 世紀60 年代,在過去的幾十年內,人臉識別一直是一個十分活躍的研究領域.近幾年,人臉識別技術的研究更是取得了巨大的進展,獲得了計算機視覺、機器學習和人工智能等多個領域的研究關注.目前,人臉識別技術已經在社會上得到了廣泛的應用,具體來說,人機交互、身份驗證、安全監(jiān)測、刑事案件偵破和金融行業(yè)等都應用到了人臉識別技術.廣義的人臉識別包括人臉檢測、身份識別和圖像預處理等.目前,PCA在人臉識別中的應用已經逐漸成熟,具體流程如圖2所示.

    圖2 PCA在人臉識別中應用流程

    2.1.2 PCA在人臉識別中的應用

    在將PCA應用于人臉識別的過程中,一般都是直接應用PCA技術對人臉圖像進行降維[13-17].具體方法就是先將數(shù)據(jù)集中的每一個人臉圖像轉化為一個向量V,以此對訓練集T進行更新,得到T={V1,V2,V3,…,VN},之后再計算平均臉向量,用原始的人臉圖像向量減去平均臉向量后計算出協(xié)方差矩陣,得到降維后的面部特征向量,最終獲得降維后的人臉圖像數(shù)據(jù).

    與直接應用PCA 技術不同,一些研究者對PCA 算法進行了改進.2018 年,Seghouane 等[18]提出的新方法是在進行PCA 降維時用單位矩陣代替一維協(xié)方差矩陣,這樣完美地解決了行作為潛在的隨機向量的問題.他們在Yale-B data 數(shù)據(jù)集上的實驗驗證了新提出的方法的性能.2019年Rathika等[19]和2020年Zhang 等[20]在應用PCA 時都首先對原始的圖像數(shù)據(jù)進行均值歸一化,即從數(shù)據(jù)的每個值中減去平均維度值,每個維度的平均值為零.然后再求出平均臉向量,用原始的人臉圖像向量減去平均臉向量,計算出協(xié)方差矩陣,最后利用它們得到降維后的人臉圖像數(shù)據(jù).2019 年,Xue 等[21]提出了一種新的RPCA 模型,新模型用于補全原始PCA方法降維時主成分大量損壞或缺失的情況.相比于PCA,新提出的RPCA 考慮了邊的信息,即使存在缺失值也可以很好地完成人臉識別的任務.2021年,Arora等[22]提出了一種可以區(qū)分人臉不同情緒的自動面部情緒識別方法.該方法利用PCA 技術將面部特征提取為一組特定的特征描述,稱為特征臉.該方法處理的過程是先將圖像的每個矩陣與對應的圖像向量i進行歸一化,在除去共同的面部特征后,用求出的矩陣的協(xié)方差來評估面部表情的特征向量,從而實現(xiàn)降維的目的.

    另外,還有一些研究者將PCA 算法與已有的模型和算法相結合實現(xiàn)人臉識別.2020 年,Alahmadi等[23]提出了一種將神經網(wǎng)絡和PCA 完美結合的人臉識別方法.其中,PCA 用于學習卷積層的濾波器組,通過無監(jiān)督學習的方式計算出人臉數(shù)據(jù)的L個特征映射的值,再將這些特征映射與L個濾波器進行卷積,最終得到降維后的人臉圖像數(shù)據(jù).2022 年,Yadav 等[24]提出了一種新的PCA-SVM 模型.PCA-ANN[25]和PCA-SVM 是最近出現(xiàn)的兩種功能強大的人臉分析技術,相比于PCA-ANN,PCA-SVM 的優(yōu)點是在人臉檢測中需要的參數(shù)更少,識別精度更高.但PCA-SVM 在光線差、頭發(fā)長或物體遮擋面部的情況下,對人臉的檢測是無效和低效的.新提出的PCA-SVM 模型不僅保留了原模型的優(yōu)點,還解決了原模型存在的問題,增強了識別的精度.同年,Dutta 等[26]提出了一種將PCA、ICA 和神經網(wǎng)絡相結合的用于3D 人臉識別的新方法.與文獻[23]不同,Dutta等使用PCA 和ICA 濾波器融合而成的新濾波器組,而新的濾波器是通過WPCA和WICA的數(shù)據(jù)級融合產生的.

    2.1.3 2D-PCA在人臉識別中的應用

    2018 年,Gao 等[27]提出了一種高效的2D-PCA 人臉識別方法,該方法使用2D-PCANet,解決了PCA方法在PCANet中存在的不足.PCANet在使用PCA作為濾波器組時必須將二維矩陣變?yōu)橐痪S向量,這樣才能計算協(xié)方差矩陣,但2D-PCANet 在計算協(xié)方差矩陣時不需要進行向量轉換,大大地提高了計算效率.2019年,Xu等[28]提出了一種新的動態(tài)雙向二維主成分分析D(2D)2PCA 方法,與傳統(tǒng)的2D-PCA 方法不同,該方法不僅考慮變量之間的相關性,還考慮變量之間的自相關性.D(2D)2PCA 方法構造一種增廣時間序列矩陣來有效提取變量之間的動態(tài)關系,準確描述水下物體的動態(tài)行為.2020年,Wang等[29]提出了一種基于Frobenius 范數(shù)的高效魯棒方法F-2D-QPCA.該方法的目標是找到投影矩陣,使投影數(shù)據(jù)基于F 范數(shù)的方差最大,并且該方法比2D-PCA 方法和F-2D-PCA 方法具有更強的魯棒性和更高的識別精度.

    2.2 圖像壓縮

    2.2.1 圖像壓縮簡介

    隨著計算機在現(xiàn)代社會中的應用不斷增加,大量的圖片數(shù)據(jù)需要被持續(xù)傳輸,這使得將其存儲在有限的內存中或通過有限的互聯(lián)網(wǎng)帶寬進行傳輸變得越來越困難.因此,需要對圖像壓縮技術進行更加深入的研究來應對這些挑戰(zhàn).同時,這種研究也響應了網(wǎng)絡上高速傳輸數(shù)據(jù)的要求[30-31].圖像壓縮是指用盡可能少的數(shù)據(jù)量表示原數(shù)據(jù)量,其基本原理是去除其中冗余的數(shù)據(jù)[32].在所有圖像壓縮技術中,基于PCA的特征降維方法已經相對成熟,獲得了一定的成果,被廣泛應用到各個領域.

    2.2.2 PCA在圖像壓縮中的應用

    2018 年,Licciardi 等[33]提出了使用NLPCA 變換方法來降低高光譜圖像數(shù)據(jù)的光譜維數(shù).與PCA 相比,NLPCA 方法能夠在更低維的空間中以更少的特征表示相同的信息內容.NLPCA 方法首先訓練AANN 進行身份映射,將獲得的主成分(NLPCs)作為輸入數(shù)據(jù)再重新輸入到解碼層,得到重構的原始數(shù)據(jù).最后使用4 個數(shù)據(jù)集對新提出的NLPCA 方法進行測試.同年6 月,Báscones 等[34]也提出了一種新的圖像壓縮方法用于高光譜圖像的壓縮.該方法首先使用矢量量化和主成分分析(PCA)對圖像進行光譜分解,然后將JPEG2000應用于利用空間相關性進行壓縮的主成分.2020年,Thayammal等[35]同樣提出了一種新的高光譜圖像的壓縮方法,該方法利用PCA 方法時先將相似像素分組在一起,然后將原始數(shù)據(jù)中的每個向量投影到約簡空間中,并將約簡數(shù)據(jù)浸入到原始空間,這樣就得到PCA 方法降維后的圖像.2021 年,Xue 等[36]提出一種改進的PCA 算法用于人臉圖像數(shù)據(jù)的壓縮.傳統(tǒng)的PCA方法在對人臉圖像進行壓縮時,由于樣本數(shù)據(jù)量過小的問題,很難得到準確的協(xié)方差矩陣,而改進后的PCA 算法可以根據(jù)投影向量的協(xié)方差軌跡來描述投影樣本的離散程度,得到準確的協(xié)方差矩陣,從而更好地實現(xiàn)對人臉圖像數(shù)據(jù)進行壓縮.2022 年,Park 等[37]提出了一種將PCA 應用于多分辨率特征圖像的壓縮方法.該方法主要是利用PCA 變換來消除多分辨率特征圖像映射通道中冗余的數(shù)據(jù).利用VCC 編碼器和DeepCABAC網(wǎng)絡對特征向量進行壓縮,最后再經過PCA逆變換重構圖像.2023年,Doorsamy等[38]將PCA用在了醫(yī)學圖像壓縮方面,研究如何用PCA 進行X 射線圖像分類、壓縮和預處理.該方法在利用PCA 前先將X射線圖像的顏色成分分成三個分量,然后再利用PCA方法對這些圖像進行降維,用得到的方差稀釋比例PVE來決定整體圖像中每個主成分所包含的數(shù)據(jù)方差,從而實現(xiàn)對X 射線圖像的壓縮.

    2.3 圖像去噪

    2.3.1 圖像去噪簡介

    圖像去噪[39-41]是指減少數(shù)字圖像中噪聲的過程,目前數(shù)字圖像采集設備已廣泛應用于醫(yī)學、天文學、生物學、國防工業(yè)等諸多領域.在惡劣的天氣、光照等條件下采集的圖像日漸增多,再加上各種采集設備固有的物理限制,導致圖像在采集過程中容易出現(xiàn)一些隨機噪聲,給后續(xù)的文本檢測、圖像分割、圖像壓縮等圖像處理環(huán)節(jié)造成不可估計的影響.而所謂的噪聲可以理解為一種阻礙圖像觀測和信息提取過程的基本信號失真,抑制圖像噪聲是圖像分析和處理的基礎,因此,利用圖像去噪技術去除噪聲,從失真圖像中恢復原圖像是非常必要的.

    2.3.2 PCA在圖像去噪中的應用

    Zhao 等[42]和Singh 等[43]提出基于漸進式主成分分析的圖像去噪方法,其中文獻[42]于2018 年提出了基于聚類的漸進主成分閾值分析,該方法使用漸進式PCA 閾值分割技術對訓練圖像的聚類矩陣進行降噪,并用PCA 變換域進一步去除低秩矩陣的剩余噪聲.不同于文獻[42],文獻[43]于2022 年10 月提出了一種新的漸進式PCA 方法.該方法主要分為兩個階段,在第一階段將給定的圖像劃分為大小相等或大小不等的分區(qū),創(chuàng)建圖像的不重疊子分區(qū),第二階段將PCA逐步應用于第一階段生成的子集.

    與文獻[42]和文獻[43]不同,一些研究者是將PCA 方法和其他方法相結合來進行圖像降噪.2018年,天津電子實驗室的Zhao 等[44]用PCA 方法對高噪聲圖像進行降維處理,然后將降維后的圖像用于SGK 字典學習.2019年,Routray 等[45]提出一種將PCA 算法和Patch Groups(PGs)相結合的圖像去噪算法.這種去噪方法主要包括三個階段,即分組階段、字典學習階段和基于PCA 的去噪階段.在去噪階段,該方法將學習到的PGs 轉換為PCA 域,去除噪聲成分時,只保留了最重要的主成分.2021 年,Berrimi 等[46]提出一種針對退化人臉圖像序列去噪算法.該方法利用PCA 變換實現(xiàn)自適應空間濾波,根據(jù)利用PCA算法降維后的特征向量來保留噪聲的強度和計算閾值,并將經過時間濾波的圖像分解為兩個子圖像,從而實現(xiàn)圖像去噪.同年,Jing 等[47]提出一種將LPG 和PCA 相結合的圖像去噪方法.這種方法首先將LPG-PCA方法的輸出用引導濾波器進行濾波,然后用PCA方法對SAR(Synthetic Aperture Radar)圖像進行降維.2022 年,Lu 等[48]提出一種將PCA 和殘差網(wǎng)絡的優(yōu)點相結合的光學圖像去噪方法.該方法利用PCA對圖像噪聲進行分析,進而建立估計噪聲水平與真實噪聲水平之間的精確映射.映射有助于選擇合適的殘差神經網(wǎng)絡模型進行圖像處理,最大限度地保留圖像信息,減少噪聲的影響.

    還有研究者提出了將PCA應用在高光譜圖像的去噪上.2018年,Cao等[49]就利用PCA方法對高光譜圖像進行了去噪,并提出了一種新的RPCA 模型.該模型將噪聲建模和HSI 建模相結合,用于混合噪聲去除.最后再利用PCA 方法求出的協(xié)方差矩陣來恢復降噪后的圖像數(shù)據(jù).2022 年,Wu 等[50]提出一種新的基于PCA 的高光譜圖像去噪模型——PCA-Tensordecomp,該模型首先利用主成分分析對HSI 信號進行降維處理,得到主復合成分,然后進行低秩CP分解,對含有大量噪聲的第一主成分和其余次要成分進行降噪.最后利用逆PCA對降噪后的HSI進行恢復,達到綜合降噪的效果.

    3 總結與展望

    伴隨著大數(shù)據(jù)時代的來臨,數(shù)據(jù)處理和分析顯得日益重要,如何從高維數(shù)據(jù)中提取出有用的信息成為當前研究的主要方向,原始的降維方法得到了新的應用.PCA方法可以用于揭示變量和樣本之間的關系,它在模式識別領域主要應用于人臉識別、圖像壓縮和圖像去噪.但PCA方法也存在一定的缺陷,PCA主要應用于線性降維,使用PCA進行線性降維后樣本間的非線性數(shù)據(jù)有可能會丟失.PCA方法降維后的主成分都是原始變量的線性組合,這就導致PCA 方法不能很好地估計降維后隱變量的數(shù)目.為了解決PCA方法潛在的問題,使其具有更強的可用性,一些新的PCA方法開始出現(xiàn).如:KPCA,SPCA,Dual-PCA,HSIC-PCA 等.在應用方面,PCA 方法也逐漸開始與統(tǒng)計學方法和神經網(wǎng)絡相結合應用于醫(yī)學、生物學等,使得各個領域的研究都有了突破性的進展.未來PCA 方法還會給研究者在處理各類問題上提供更多新的思路和方法,產生更多的研究成果.

    猜你喜歡
    降維協(xié)方差人臉識別
    混動成為降維打擊的實力 東風風神皓極
    車主之友(2022年4期)2022-08-27 00:57:12
    人臉識別 等
    作文中學版(2022年1期)2022-04-14 08:00:34
    揭開人臉識別的神秘面紗
    學生天地(2020年31期)2020-06-01 02:32:06
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    不確定系統(tǒng)改進的魯棒協(xié)方差交叉融合穩(wěn)態(tài)Kalman預報器
    自動化學報(2016年8期)2016-04-16 03:38:55
    一種基于廣義協(xié)方差矩陣的欠定盲辨識方法
    基于類獨立核稀疏表示的魯棒人臉識別
    計算機工程(2015年8期)2015-07-03 12:19:07
    拋物化Navier-Stokes方程的降維仿真模型
    計算物理(2014年1期)2014-03-11 17:00:18
    基于特征聯(lián)合和偏最小二乘降維的手勢識別
    基于K-L變換和平均近鄰法的人臉識別
    美女黄网站色视频| 国产极品天堂在线| 国产精品久久久久久久电影| 亚洲成人av在线免费| 国产毛片a区久久久久| 日韩成人伦理影院| 久久久久国产网址| 成人高潮视频无遮挡免费网站| kizo精华| 人妻制服诱惑在线中文字幕| 岛国毛片在线播放| 成人亚洲欧美一区二区av| 在线a可以看的网站| 婷婷精品国产亚洲av| 伦精品一区二区三区| 99热这里只有精品一区| 国内久久婷婷六月综合欲色啪| 99热这里只有是精品50| 亚洲av成人精品一区久久| 男女那种视频在线观看| 国产精品麻豆人妻色哟哟久久 | 成人毛片60女人毛片免费| 亚洲欧美精品自产自拍| 大型黄色视频在线免费观看| 精品久久久久久久久亚洲| 国内揄拍国产精品人妻在线| 国内揄拍国产精品人妻在线| 国产成人精品婷婷| АⅤ资源中文在线天堂| 爱豆传媒免费全集在线观看| 国产一区二区激情短视频| 我要搜黄色片| 一本久久精品| 99久久精品国产国产毛片| 国模一区二区三区四区视频| 国内精品宾馆在线| 国产精品久久久久久精品电影小说 | 国产成人精品一,二区 | 国产精品日韩av在线免费观看| 亚洲欧洲日产国产| 国产黄片视频在线免费观看| 夜夜爽天天搞| 成人性生交大片免费视频hd| 亚洲成a人片在线一区二区| 晚上一个人看的免费电影| 亚洲第一电影网av| 日本一本二区三区精品| 99热这里只有是精品50| 精品久久久久久久人妻蜜臀av| 亚洲国产日韩欧美精品在线观看| 国产精品乱码一区二三区的特点| 人人妻人人澡人人爽人人夜夜 | 免费看美女性在线毛片视频| 久久韩国三级中文字幕| 精品欧美国产一区二区三| 少妇熟女欧美另类| 精品99又大又爽又粗少妇毛片| 国产精品麻豆人妻色哟哟久久 | 美女内射精品一级片tv| 国产精品久久久久久精品电影小说 | 久久精品91蜜桃| 欧美一区二区精品小视频在线| 性插视频无遮挡在线免费观看| 精品久久久久久久末码| 六月丁香七月| 中国美女看黄片| av女优亚洲男人天堂| 成年免费大片在线观看| 免费黄网站久久成人精品| 精品久久久久久久久久免费视频| 久久久欧美国产精品| 伦理电影大哥的女人| 亚洲一区二区三区色噜噜| 男女啪啪激烈高潮av片| 亚洲精品日韩av片在线观看| 国产精品一及| 九色成人免费人妻av| 国产黄片视频在线免费观看| 一级毛片我不卡| 51国产日韩欧美| 免费看日本二区| 男女那种视频在线观看| 国产精品人妻久久久久久| 亚洲国产日韩欧美精品在线观看| 中国美白少妇内射xxxbb| 黄色配什么色好看| 国产成人精品久久久久久| 国产极品天堂在线| 国产一区二区在线观看日韩| 国产高清视频在线观看网站| 成人漫画全彩无遮挡| 一边摸一边抽搐一进一小说| 能在线免费观看的黄片| 99热6这里只有精品| 亚洲av不卡在线观看| 亚洲人成网站高清观看| 国产伦一二天堂av在线观看| 少妇高潮的动态图| 亚洲国产高清在线一区二区三| 日韩欧美 国产精品| 日韩av不卡免费在线播放| 国产不卡一卡二| 久久久久久伊人网av| 欧美性猛交╳xxx乱大交人| 成人无遮挡网站| 亚洲人与动物交配视频| 九九爱精品视频在线观看| 可以在线观看毛片的网站| 成年版毛片免费区| 91久久精品电影网| 2021天堂中文幕一二区在线观| 欧美bdsm另类| 国产精品一区二区三区四区久久| 国国产精品蜜臀av免费| 欧美zozozo另类| 亚洲人与动物交配视频| 午夜精品国产一区二区电影 | 免费看日本二区| 成人美女网站在线观看视频| 亚洲av成人av| 国产黄片视频在线免费观看| 国产真实乱freesex| 天堂影院成人在线观看| 久久这里有精品视频免费| 亚洲国产精品合色在线| 国内少妇人妻偷人精品xxx网站| 热99在线观看视频| 又粗又硬又长又爽又黄的视频 | 久久久久性生活片| 欧洲精品卡2卡3卡4卡5卡区| 亚洲在线自拍视频| 黄色配什么色好看| 亚洲精品日韩在线中文字幕 | 亚洲人成网站高清观看| 欧美+日韩+精品| 一区二区三区高清视频在线| 亚洲欧美精品专区久久| 黄片wwwwww| 听说在线观看完整版免费高清| 亚洲欧美日韩卡通动漫| 久99久视频精品免费| 中文字幕免费在线视频6| 精品国内亚洲2022精品成人| 黄色配什么色好看| 国产高潮美女av| av国产免费在线观看| 变态另类丝袜制服| 国产黄色小视频在线观看| 国产精品嫩草影院av在线观看| 亚洲一区高清亚洲精品| 青春草视频在线免费观看| 99久久九九国产精品国产免费| av天堂在线播放| 亚洲国产欧洲综合997久久,| 成人午夜高清在线视频| 少妇熟女欧美另类| 国产成人a区在线观看| 人妻制服诱惑在线中文字幕| 91久久精品电影网| 久久精品国产清高在天天线| 国产精品精品国产色婷婷| 美女cb高潮喷水在线观看| 欧美成人免费av一区二区三区| 免费一级毛片在线播放高清视频| 变态另类成人亚洲欧美熟女| av天堂在线播放| 亚洲国产欧美在线一区| 色播亚洲综合网| 亚洲一区高清亚洲精品| 午夜视频国产福利| 夜夜看夜夜爽夜夜摸| 欧美+日韩+精品| 国产精品一区二区在线观看99 | 日本成人三级电影网站| 只有这里有精品99| 亚州av有码| 亚洲国产精品成人综合色| 99热全是精品| 国产成人a区在线观看| 99国产综合亚洲精品| 一区在线观看完整版| 精品久久国产蜜桃| 亚洲精品国产av成人精品| 91精品国产九色| 亚洲久久久国产精品| 91久久精品电影网| 亚洲一级一片aⅴ在线观看| 丰满少妇做爰视频| 晚上一个人看的免费电影| 亚洲在久久综合| 母亲3免费完整高清在线观看 | 久久久久久久国产电影| 中国美白少妇内射xxxbb| 日韩av在线免费看完整版不卡| 97超视频在线观看视频| 嫩草影院入口| 蜜桃国产av成人99| 熟女av电影| 男女啪啪激烈高潮av片| 国产一区亚洲一区在线观看| 丝袜美足系列| 91精品国产九色| 亚洲无线观看免费| 十八禁高潮呻吟视频| 久久亚洲国产成人精品v| 在线天堂最新版资源| 亚洲av.av天堂| 亚洲高清免费不卡视频| 久久久久久人妻| 国产免费现黄频在线看| 久久精品国产自在天天线| 9色porny在线观看| 狂野欧美白嫩少妇大欣赏| 亚洲欧美色中文字幕在线| 一级毛片黄色毛片免费观看视频| 桃花免费在线播放| 午夜91福利影院| 久久久久久久久久久丰满| 波野结衣二区三区在线| 看非洲黑人一级黄片| 青青草视频在线视频观看| 少妇熟女欧美另类| 日韩欧美一区视频在线观看| 成人毛片60女人毛片免费| 免费不卡的大黄色大毛片视频在线观看| 国产在视频线精品| 在线观看人妻少妇| 久久女婷五月综合色啪小说| 亚洲欧美成人综合另类久久久| 91精品伊人久久大香线蕉| 九九爱精品视频在线观看| 日韩,欧美,国产一区二区三区| 只有这里有精品99| 日韩强制内射视频| 日韩一区二区三区影片| 97超碰精品成人国产| 蜜臀久久99精品久久宅男| 2018国产大陆天天弄谢| 亚洲欧美中文字幕日韩二区| 秋霞伦理黄片| 精品人妻偷拍中文字幕| 精品久久蜜臀av无| 性色avwww在线观看| 乱人伦中国视频| 色94色欧美一区二区| 日韩伦理黄色片| 美女福利国产在线| 老熟女久久久| 中文字幕人妻丝袜制服| 一级毛片 在线播放| 国产精品久久久久久av不卡| 久久久久久人妻| 免费高清在线观看日韩| 日本vs欧美在线观看视频| 亚洲欧美清纯卡通| 亚洲精品乱码久久久v下载方式| 黄色配什么色好看| 亚洲美女视频黄频| 黄色毛片三级朝国网站| 久久精品国产a三级三级三级| 老司机影院毛片| 26uuu在线亚洲综合色| 一二三四中文在线观看免费高清| 国产深夜福利视频在线观看| 国产精品久久久久久久电影| 亚洲av.av天堂| 老司机影院成人| 国产成人午夜福利电影在线观看| 国产精品国产三级专区第一集| 成人漫画全彩无遮挡| 国产精品久久久久久精品古装| 亚洲久久久国产精品| 成人黄色视频免费在线看| 免费高清在线观看日韩| 久久国产亚洲av麻豆专区| 久久久欧美国产精品| 国产老妇伦熟女老妇高清| 国产精品久久久久久精品古装| 少妇被粗大的猛进出69影院 | videos熟女内射| 夜夜看夜夜爽夜夜摸| 久久人人爽人人爽人人片va| av女优亚洲男人天堂| kizo精华| 日韩中字成人| 国产免费一区二区三区四区乱码| 在线观看人妻少妇| 日韩av在线免费看完整版不卡| 成人漫画全彩无遮挡| 国产精品久久久久久久久免| 伊人久久精品亚洲午夜| 一区二区av电影网| 美女福利国产在线| av在线老鸭窝| 满18在线观看网站| a级毛片免费高清观看在线播放| 一级黄片播放器| 久久久久久久久久成人| 欧美日韩精品成人综合77777| 亚洲成人手机| 精品亚洲成国产av| 国产精品久久久久久久电影| 夜夜骑夜夜射夜夜干| 欧美 亚洲 国产 日韩一| 久久精品熟女亚洲av麻豆精品| 成人毛片a级毛片在线播放| 青春草亚洲视频在线观看| 亚洲av综合色区一区| 人体艺术视频欧美日本| 高清av免费在线| 在线免费观看不下载黄p国产| 亚洲国产日韩一区二区| www.色视频.com| 日本欧美国产在线视频| 成人午夜精彩视频在线观看| 黄片无遮挡物在线观看| 成人无遮挡网站| 另类亚洲欧美激情| 国产精品偷伦视频观看了| 亚洲精品av麻豆狂野| 在线观看人妻少妇| 人成视频在线观看免费观看| 久久综合国产亚洲精品| 久久久久久久久久久丰满| 午夜福利网站1000一区二区三区| 国产精品三级大全| 久久精品久久久久久久性| 免费高清在线观看日韩| 一级a做视频免费观看| 美女视频免费永久观看网站| 国产精品久久久久久久电影| 青春草亚洲视频在线观看| 亚洲av在线观看美女高潮| 亚洲精品乱码久久久久久按摩| 校园人妻丝袜中文字幕| 久久久a久久爽久久v久久| 亚洲av国产av综合av卡| 卡戴珊不雅视频在线播放| 国产色婷婷99| av在线观看视频网站免费| 国模一区二区三区四区视频| 久久久精品免费免费高清| 一区在线观看完整版| 在现免费观看毛片| 亚洲,欧美,日韩| av又黄又爽大尺度在线免费看| 97精品久久久久久久久久精品| 久久久久久久亚洲中文字幕| 蜜臀久久99精品久久宅男| 嫩草影院入口| 一级爰片在线观看| 免费高清在线观看视频在线观看| 黄色怎么调成土黄色| 丝袜喷水一区| 久久久午夜欧美精品| 啦啦啦中文免费视频观看日本| 99久久人妻综合| 亚洲av日韩在线播放| 日韩成人av中文字幕在线观看| 有码 亚洲区| a 毛片基地| www.av在线官网国产| 日韩中文字幕视频在线看片| 国产亚洲一区二区精品| 美女脱内裤让男人舔精品视频| 各种免费的搞黄视频| 99热全是精品| 欧美激情国产日韩精品一区| 亚洲精品乱久久久久久| 韩国av在线不卡| 人体艺术视频欧美日本| 日韩强制内射视频| 成年av动漫网址| 两个人的视频大全免费| 久久久久久久精品精品| 伊人久久国产一区二区| 2022亚洲国产成人精品| 精品国产国语对白av| 久久毛片免费看一区二区三区| 精品国产一区二区久久| 老司机影院成人| 久久精品国产亚洲av涩爱| 久久久久视频综合| 狂野欧美激情性bbbbbb| 日本猛色少妇xxxxx猛交久久| 在线观看www视频免费| 看十八女毛片水多多多| 久久久久人妻精品一区果冻| 99热这里只有精品一区| 高清黄色对白视频在线免费看| 最近中文字幕高清免费大全6| 欧美精品高潮呻吟av久久| 中文欧美无线码| 一本一本综合久久| 午夜福利,免费看| xxx大片免费视频| 丰满饥渴人妻一区二区三| 成人亚洲欧美一区二区av| 青春草亚洲视频在线观看| 国产亚洲精品第一综合不卡 | 亚洲av二区三区四区| 黑人猛操日本美女一级片| 中文字幕人妻熟人妻熟丝袜美| 只有这里有精品99| 亚洲欧美清纯卡通| 色5月婷婷丁香| 国产精品国产三级国产av玫瑰| 成人二区视频| 精品熟女少妇av免费看| 搡老乐熟女国产| 国产色爽女视频免费观看| 国产精品无大码| 免费日韩欧美在线观看| 麻豆成人av视频| 黑人高潮一二区| 国产精品一区www在线观看| 亚洲av二区三区四区| 国产视频首页在线观看| 在线观看人妻少妇| 亚洲精品日韩av片在线观看| 美女国产高潮福利片在线看| 亚洲中文av在线| 制服人妻中文乱码| 一级爰片在线观看| 欧美精品一区二区免费开放| 欧美日韩国产mv在线观看视频| 亚洲国产精品999| 亚洲综合色网址| 亚洲少妇的诱惑av| 久久精品国产自在天天线| 免费看av在线观看网站| 日本黄大片高清| 精品少妇内射三级| 日日摸夜夜添夜夜添av毛片| 99热网站在线观看| 国产一级毛片在线| 永久免费av网站大全| 日韩欧美精品免费久久| 人人妻人人爽人人添夜夜欢视频| 爱豆传媒免费全集在线观看| 特大巨黑吊av在线直播| 亚洲精品久久久久久婷婷小说| 99久国产av精品国产电影| 免费看光身美女| 国产高清国产精品国产三级| 美女中出高潮动态图| 女人精品久久久久毛片| 成人二区视频| 日韩av不卡免费在线播放| 国内精品宾馆在线| 女人久久www免费人成看片| 中国国产av一级| 大又大粗又爽又黄少妇毛片口| 亚洲国产av影院在线观看| 天堂俺去俺来也www色官网| 三级国产精品欧美在线观看| 国模一区二区三区四区视频| 免费大片黄手机在线观看| 亚洲情色 制服丝袜| 人妻 亚洲 视频| 日日撸夜夜添| 中文字幕制服av| 黄片无遮挡物在线观看| 国产精品一区www在线观看| 夜夜看夜夜爽夜夜摸| 日韩中字成人| 啦啦啦视频在线资源免费观看| 两个人免费观看高清视频| 亚洲av福利一区| 99热这里只有精品一区| 亚洲色图 男人天堂 中文字幕 | 激情五月婷婷亚洲| 成人综合一区亚洲| 女人精品久久久久毛片| 亚洲国产成人一精品久久久| 街头女战士在线观看网站| 少妇人妻精品综合一区二区| 国产成人精品久久久久久| 午夜老司机福利剧场| 国产在线免费精品| 青青草视频在线视频观看| 18+在线观看网站| 777米奇影视久久| tube8黄色片| 亚洲国产精品专区欧美| 中文字幕亚洲精品专区| 国产精品偷伦视频观看了| 九色亚洲精品在线播放| 永久网站在线| 高清欧美精品videossex| 成人免费观看视频高清| 久久青草综合色| 国产成人一区二区在线| 18禁在线播放成人免费| 中国美白少妇内射xxxbb| 搡老乐熟女国产| 国产午夜精品一二区理论片| 18禁裸乳无遮挡动漫免费视频| 高清毛片免费看| 又大又黄又爽视频免费| 建设人人有责人人尽责人人享有的| 亚洲av国产av综合av卡| 国产精品99久久99久久久不卡 | 最新中文字幕久久久久| 中文字幕制服av| 男人操女人黄网站| 99热这里只有是精品在线观看| 交换朋友夫妻互换小说| 99久久精品国产国产毛片| 99视频精品全部免费 在线| 欧美日韩国产mv在线观看视频| 久久女婷五月综合色啪小说| av国产久精品久网站免费入址| 日本免费在线观看一区| 午夜福利影视在线免费观看| 肉色欧美久久久久久久蜜桃| 丝袜脚勾引网站| 两个人的视频大全免费| 免费日韩欧美在线观看| 永久网站在线| 2021少妇久久久久久久久久久| 国产高清不卡午夜福利| 一区二区三区免费毛片| 久久精品人人爽人人爽视色| 毛片一级片免费看久久久久| 久久久久国产网址| 一区二区三区四区激情视频| 99re6热这里在线精品视频| 国产综合精华液| 你懂的网址亚洲精品在线观看| 少妇猛男粗大的猛烈进出视频| 涩涩av久久男人的天堂| 如日韩欧美国产精品一区二区三区 | 激情五月婷婷亚洲| 国产免费又黄又爽又色| 成人国产av品久久久| 久久久精品94久久精品| 日韩一区二区视频免费看| 国国产精品蜜臀av免费| 两个人免费观看高清视频| 亚洲精品国产色婷婷电影| kizo精华| 久久久久久久精品精品| 国产探花极品一区二区| 久久久久久久精品精品| 久久鲁丝午夜福利片| 欧美日韩视频高清一区二区三区二| 日韩在线高清观看一区二区三区| 国产视频首页在线观看| 国产毛片在线视频| 久久久久久久精品精品| 少妇高潮的动态图| 国产精品久久久久久av不卡| 国产白丝娇喘喷水9色精品| 久久午夜福利片| 精品国产一区二区三区久久久樱花| 午夜91福利影院| 成年美女黄网站色视频大全免费 | 你懂的网址亚洲精品在线观看| 丰满少妇做爰视频| 国产成人精品久久久久久| 简卡轻食公司| 亚洲一区二区三区欧美精品| 精品人妻熟女av久视频| 国产精品 国内视频| 精品人妻熟女av久视频| 亚洲一区二区三区欧美精品| 少妇熟女欧美另类| 黄片无遮挡物在线观看| 国产精品久久久久久久久免| 亚洲欧美成人综合另类久久久| 亚洲少妇的诱惑av| 最近最新中文字幕免费大全7| 精品久久久噜噜| 国产精品欧美亚洲77777| 国产不卡av网站在线观看| 久久综合国产亚洲精品| 欧美+日韩+精品| 亚洲欧美日韩卡通动漫| 色94色欧美一区二区| 一本大道久久a久久精品| 满18在线观看网站| 最近的中文字幕免费完整| 欧美精品一区二区免费开放| 18禁动态无遮挡网站| 菩萨蛮人人尽说江南好唐韦庄| 亚洲av在线观看美女高潮| 我的女老师完整版在线观看| 中文字幕久久专区| 伦理电影免费视频| 国产毛片在线视频| 一二三四中文在线观看免费高清| 国产精品一区二区三区四区免费观看| 久久午夜福利片| 大话2 男鬼变身卡| 一级黄片播放器| 哪个播放器可以免费观看大片| 欧美成人午夜免费资源| 国产精品人妻久久久影院| 赤兔流量卡办理| 国产成人av激情在线播放 | 亚洲美女视频黄频| av在线老鸭窝| 国产亚洲午夜精品一区二区久久| 熟女av电影| 嫩草影院入口| 大话2 男鬼变身卡| 麻豆乱淫一区二区| 国产 一区精品| 精品亚洲成国产av| a级毛片免费高清观看在线播放| 久久鲁丝午夜福利片| 99久国产av精品国产电影| 欧美日韩成人在线一区二区| 亚洲av不卡在线观看|