• <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 ?

    基于混合注意力機(jī)制的視頻序列表情識(shí)別

    2023-10-29 01:50:00李金海
    計(jì)算機(jī)仿真 2023年9期
    關(guān)鍵詞:注意力準(zhǔn)確率特征

    李金海,李 俊

    (1. 桂林電子科技大學(xué)電子工程與自動(dòng)化學(xué)院,廣西 桂林 541004;2. 桂林電子科技大學(xué)計(jì)算機(jī)與信息安全學(xué)院,廣西 桂林541004)

    1 引言

    表情能傳遞人類(lèi)的情緒、心理和身體狀態(tài)信息。研究表情自動(dòng)識(shí)別技術(shù)能夠有效地輔助人工智能機(jī)器分析判斷人類(lèi)的情緒,近年來(lái)該研究廣泛應(yīng)用于智能教育[1]、交通安全[2]、醫(yī)療[3]等領(lǐng)域,使得許多學(xué)者逐漸開(kāi)始關(guān)注動(dòng)態(tài)表情識(shí)別方面的研究。

    傳統(tǒng)的視頻表情識(shí)別算法主要有LBP-TOP[4]與光流法[5]等,這些手工提取特征的方法很大程度上依賴(lài)于特定的任務(wù),且這些方法都具有缺乏泛化性與穩(wěn)定性的特點(diǎn)。

    近幾年來(lái),隨著人工智能的迅猛發(fā)展,許多深度學(xué)習(xí)方法應(yīng)用在表情識(shí)別領(lǐng)域上,并且識(shí)別精度比手工提取特征方法有很大提升?,F(xiàn)階段主要有級(jí)聯(lián)網(wǎng)絡(luò)[6]、三維卷積神經(jīng)網(wǎng)絡(luò)[7]、多網(wǎng)絡(luò)融合[8]等方法對(duì)視頻表情進(jìn)行識(shí)別。以上方法對(duì)特征的提取具有一定的隨意性,且忽略了對(duì)表情峰值幀的關(guān)注,而表情在變化過(guò)程中表情峰值幀往往具有更多判別性的特征。此外,深度學(xué)習(xí)方法在訓(xùn)練模型時(shí)候要有大規(guī)模的數(shù)據(jù)量支撐。而表情識(shí)別任務(wù)中可靠的數(shù)據(jù)集規(guī)模較小,在該類(lèi)數(shù)據(jù)集上直接訓(xùn)練會(huì)導(dǎo)致模型出現(xiàn)過(guò)擬合現(xiàn)象。

    本文提出了一種混合注意力模型。該模型在通道維度上能有效地增強(qiáng)與表情相關(guān)性高的通道信息,時(shí)間維度上給予表情峰值幀更多的關(guān)注,以此增強(qiáng)網(wǎng)絡(luò)提取有效特征的能力。數(shù)據(jù)集方面通過(guò)數(shù)據(jù)增強(qiáng),增加訓(xùn)練樣本數(shù)量,解決數(shù)據(jù)集規(guī)模小的問(wèn)題。最后通過(guò)對(duì)比結(jié)果驗(yàn)證本文方法能夠明顯提高識(shí)別準(zhǔn)確率。

    2 基于混合注意力機(jī)制的表情識(shí)別模型

    本文提出了一種基于混合注意力機(jī)制的時(shí)空網(wǎng)絡(luò)對(duì)視頻中的臉部表情進(jìn)行分類(lèi)。模型主要包括了三部分:空域子網(wǎng)絡(luò)、時(shí)域子網(wǎng)絡(luò)和混合注意力模塊。

    2.1 空域子網(wǎng)絡(luò)

    空域子網(wǎng)絡(luò)中,通過(guò)VGG16網(wǎng)絡(luò)中的卷積層和池化層來(lái)學(xué)習(xí)人臉各類(lèi)表情的空域特征。本文對(duì)VGG16網(wǎng)絡(luò)進(jìn)行了修改,首先是保留VGG16的卷積層部分,并使用自適應(yīng)平均池化(Adaptive average Pooling,APP)代替原始網(wǎng)絡(luò)中的全連接層。其中自適應(yīng)平均池化層的池化窗口(kernel size)大小為4*4,滑動(dòng)步長(zhǎng)(Padding)為4,經(jīng)過(guò)池化層的操作實(shí)現(xiàn)特征降維。最終得到的特征向量的通道數(shù)(channel)為512,大小為1*1的特征圖。

    表1 改進(jìn)的VGG16結(jié)構(gòu)

    2.2 時(shí)域子網(wǎng)絡(luò)

    對(duì)于視頻幀中的表情識(shí)別,需要觀察表情和時(shí)間變化之間的關(guān)系。由于VGG神經(jīng)網(wǎng)絡(luò)對(duì)于時(shí)序變化的表達(dá)能力不足,因此需要引入其它網(wǎng)絡(luò)來(lái)解決該問(wèn)題。長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)能夠通過(guò)隱藏狀態(tài)來(lái)記錄先前序列的內(nèi)容,從而解決時(shí)序問(wèn)題。

    GRU網(wǎng)絡(luò)中重置門(mén)rt與更新門(mén)zt(t代表當(dāng)前時(shí)刻)具有重要要作用,如圖1所示。rt與zt都能接收當(dāng)前時(shí)刻輸入xt和先前時(shí)刻隱藏層狀態(tài)ht-1輸入,對(duì)應(yīng)的權(quán)值分別是Wr與Wz。根據(jù)圖1的GRU內(nèi)部結(jié)構(gòu)圖,網(wǎng)絡(luò)的主要操作過(guò)程如下式所示

    圖1 GRU內(nèi)部結(jié)構(gòu)

    (1)

    模型訓(xùn)練過(guò)程中,將一組序列中的視頻幀當(dāng)成一批次輸入,空域子網(wǎng)絡(luò)提取該批次的特征再經(jīng)過(guò)AAP層,得到n個(gè)大小為1*1,通道數(shù)為512的特征向量。然后把這些向量輸入時(shí)域子網(wǎng)絡(luò)里,GRU讀取視頻的時(shí)間變化獲得大小為n×512特征矩陣,隨后將特征矩陣進(jìn)行平鋪處理成1×512n的特征矩陣,最后輸入到混合注意力模塊中。

    2.3 混合注意力模塊

    本文設(shè)計(jì)的混合注意力主要為了有效提取通道特征與表情變化的時(shí)間特征。通道注意力采用自學(xué)習(xí)的方式獲得各個(gè)特征通道的權(quán)重,并按照權(quán)重大小增強(qiáng)對(duì)表情分類(lèi)有用的通道,抑制非相關(guān)的通道,提高了網(wǎng)絡(luò)對(duì)顯著性特征的提取性能。時(shí)間注意力通過(guò)判別幀間的表情強(qiáng)度,賦予表情強(qiáng)度大的視頻幀更高的權(quán)重,使網(wǎng)絡(luò)更關(guān)注于表情峰值幀。根據(jù)文獻(xiàn)[9]的實(shí)驗(yàn)原理,本文將兩個(gè)注意力模塊按照串聯(lián)的方式排列。設(shè)計(jì)完成后混合注意力如圖2所示。

    圖2 混合注意力模塊

    2.3.1 通道注意力原理

    通道注意力主要有激勵(lì)和特征通道賦值這兩個(gè)過(guò)程。其中激勵(lì)操作的原理如式(2)所示

    s=Fex(ht,WcATT)=δ(WcATT2σ(WcATT1ht))

    (2)

    其中ht為序列表情的時(shí)空特征,δ與σ為ReLU激活函數(shù)和Sigmoid激活函數(shù),Fex為激勵(lì)處理,WcATT1、WcATT2分別代表通道注意力中兩個(gè)全連接層的權(quán)值。激勵(lì)操作中,先采用第一個(gè)全連接層WcATT1與時(shí)空特征ht相乘,WcATT1的維度是C/r*C,r表示縮減倍數(shù),即為了減少運(yùn)算量,對(duì)原特征通道總數(shù)進(jìn)行壓縮,根據(jù)文獻(xiàn)[10],r取16。此時(shí)WcATT1ht的維度為[1,1,C/r]。激活函數(shù)使用ReLU函數(shù),保持輸出維度不變;隨后經(jīng)過(guò)全連接處理,將結(jié)果和WcATT2相乘,并利用sigmoid激活函數(shù)進(jìn)行非線性轉(zhuǎn)換。得到數(shù)值范圍為0到1的通道權(quán)重值sc。此時(shí)sc的維度大小為[1,1,C]。最后進(jìn)行特征通道賦值操作,即將權(quán)重sc與注意力機(jī)制前的時(shí)空特征ht進(jìn)行相乘,通道賦值公式如式所示

    (3)

    通道賦值中,對(duì)應(yīng)的權(quán)值sc表示為各個(gè)特征通道對(duì)表情的相關(guān)性大小。模型訓(xùn)練時(shí),通過(guò)sc的大小對(duì)相應(yīng)的特征進(jìn)行增強(qiáng)或者抑制。通過(guò)這種方式,能夠?qū)崿F(xiàn)對(duì)最具鑒別性表情特征的聚焦,提升模型的性能。

    2.3.2 時(shí)間注意力原理

    在視頻序列的識(shí)別任務(wù)中,并不是每一時(shí)刻的表情都對(duì)識(shí)別的貢獻(xiàn)相同。因此本文提出一種時(shí)間注意力機(jī)制,賦予表情峰值幀更多的權(quán)重,以生成更有判別性的特征。在時(shí)間注意力中,提出了一種比較幀強(qiáng)度的方法,即通過(guò)一個(gè)全連接層,將每個(gè)幀特征映射為時(shí)間注意力分?jǐn)?shù)。公式如下

    (4)

    式中,WtAtt為時(shí)間注意力模塊中可學(xué)習(xí)的參數(shù)矩陣。ut表示序列第t幀圖片時(shí)間注意力分?jǐn)?shù);然后,通過(guò)Softmax函數(shù)歸一化每幀的注意力分?jǐn)?shù)

    (5)

    (6)

    最后,使用兩個(gè)全連接層降維,并使用Softmax函數(shù)分類(lèi)得出六種表情結(jié)果。

    3 實(shí)驗(yàn)與分析

    3.1 表情數(shù)據(jù)集預(yù)處理

    為了驗(yàn)證本文算法在視頻序列表情識(shí)別的效果,本文選取了公開(kāi)主流數(shù)據(jù)庫(kù):CK+數(shù)據(jù)庫(kù)與Oulu-CASIA數(shù)據(jù)庫(kù)。

    在實(shí)驗(yàn)過(guò)程中使用dlib庫(kù)提供的人臉檢測(cè)器對(duì)眼睛、眉毛、鼻子、嘴巴和面部輪廓在內(nèi)的68個(gè)人臉關(guān)鍵點(diǎn)進(jìn)行檢測(cè)。利用68個(gè)點(diǎn)位置,計(jì)算臉部中間點(diǎn)的信息。根據(jù)視頻第一幀的位置信息,利用仿射變換矩陣調(diào)整后續(xù)圖像,使后續(xù)人臉臉部對(duì)齊。最后將臉部圖片裁剪成64x64尺寸,圖3為裁剪后的表情圖像。

    圖3 部分裁剪后圖像樣本

    由于兩個(gè)數(shù)據(jù)集中序列表情圖片較少,為了保證模型的泛化性與魯棒性,本文實(shí)驗(yàn)對(duì)數(shù)據(jù)集采取了數(shù)據(jù)擴(kuò)充的方法。具體地,首先將裁剪到的所有人臉區(qū)域圖片進(jìn)行水平反轉(zhuǎn)得到翻轉(zhuǎn)圖像數(shù)據(jù)集;然后,將原數(shù)據(jù)集與反轉(zhuǎn)圖像數(shù)據(jù)集分別偏移-10°、-5°、5°、10°得到偏移數(shù)據(jù)集,最后獲得10倍于原先的實(shí)驗(yàn)數(shù)據(jù)量。因?yàn)楦鱾€(gè)視頻的幀數(shù)都不同,而模型的輸入維度是不變的,因此對(duì)CK+與Oulu-CASIA中每個(gè)表情視頻序列均從起始幀按照時(shí)間序列連續(xù)采樣16幀,作為神經(jīng)網(wǎng)絡(luò)的輸入。此外,如果視頻序列幀數(shù)少于16幀的長(zhǎng)度,則復(fù)制最后一幀直至每個(gè)序列變?yōu)槠骄L(zhǎng)度。

    3.2 實(shí)驗(yàn)設(shè)置

    本文實(shí)驗(yàn)軟件框架為Pytorch1.8.1。實(shí)驗(yàn)在訓(xùn)練時(shí)采用隨機(jī)梯度下降法優(yōu)化模型在模型訓(xùn)練時(shí),CK+的訓(xùn)練集損失函數(shù)變化情況如圖4所示,當(dāng)?shù)?50個(gè)epoch后,損失函數(shù)已基本收斂,損失函數(shù)值接近0.1,因此實(shí)驗(yàn)中epoch取160。為了能更好地體現(xiàn)出算法的實(shí)驗(yàn)效果,本次實(shí)驗(yàn)使用十折交叉驗(yàn)證方法得到最后的準(zhǔn)確率。

    圖4 CK+訓(xùn)練損失函數(shù)圖

    3.3 消融實(shí)驗(yàn)

    為了體現(xiàn)加入了混合注意力機(jī)制的效果提升,對(duì)其進(jìn)行了消融實(shí)驗(yàn)。其中,Baseline是指改進(jìn)的VGG16與GRU的級(jí)聯(lián)網(wǎng)絡(luò),CA代表通道注意力模塊,TA代表時(shí)間注意力模塊,HA代表CA與TA相結(jié)合的混合注意力模塊。

    表2為消融實(shí)驗(yàn)中各個(gè)模型的準(zhǔn)確率。單獨(dú)加入通道注意力模塊與單獨(dú)加入時(shí)間注意力的網(wǎng)絡(luò)在兩個(gè)主流數(shù)據(jù)集上所得的準(zhǔn)確率相對(duì)于Baseline都有明顯的提高。

    表2 各個(gè)模型準(zhǔn)確率

    對(duì)于CK+數(shù)據(jù)集,單個(gè)時(shí)間與單個(gè)通道注意力模塊的加入分別比Baseline提高0.95%和1.41%。在Oulu-CASIA的實(shí)驗(yàn)中,分別提高了1.69%與4.76%。由此可得,通道注意力的性能略?xún)?yōu)于時(shí)間注意力的識(shí)別性能,說(shuō)明在視頻表情識(shí)別中全局通道維度比全局時(shí)間維度提供更多的信息。此外,Baseline-HA模型在CK+與Oulu-CASIA的準(zhǔn)確率分別比Baseline高出2.47%和6.75%,這表明混合注意力模塊能夠有效地將兩個(gè)注意力模塊的性能進(jìn)行互補(bǔ),不僅能夠在視頻序列中給予表情峰值幀更多的關(guān)注,而且能抑制無(wú)關(guān)通道干擾,提取更具顯著性的臉部紋理特征。

    3.4 混淆矩陣分析

    圖5與圖6展示了本文方法在兩個(gè)數(shù)據(jù)集上的混淆矩陣?;煜仃嚨男斜硎井?dāng)前表情的真正類(lèi)別,列為模型的分類(lèi)表情。不難得知,CK+數(shù)據(jù)庫(kù)的整體表情識(shí)別準(zhǔn)確率比Oulu-CASIA的要高,這是因?yàn)镃K+中大多數(shù)為清晰的人物正臉圖像;而Oulu-CASIA中圖像分辨率不夠高,而且部分人物有眼鏡和圍巾的遮擋,導(dǎo)致識(shí)別率較低。

    圖5 CK+識(shí)別結(jié)果混淆矩陣

    圖6 Oulu-CASIA識(shí)別結(jié)果混淆矩陣

    比較兩個(gè)混淆矩陣的數(shù)據(jù)可知,文中模型對(duì)驚訝與開(kāi)心兩個(gè)表情取得了優(yōu)異的識(shí)別效果。模型對(duì)于生氣和害怕兩個(gè)表情識(shí)別性能較弱,主要原因是,數(shù)據(jù)集中害怕與驚訝大部分都是瞪眼和張嘴的動(dòng)作,而生氣與悲傷都伴隨著鎖眉和撇嘴的動(dòng)作。具體而言,表情的相似導(dǎo)致模型出現(xiàn)混淆分類(lèi)的情況。

    3.5 與現(xiàn)有方法對(duì)比

    表3展示了本文所提模型與其它主流模型在所選數(shù)據(jù)集上實(shí)驗(yàn)的對(duì)比結(jié)果。

    表3 不同方法的準(zhǔn)確率對(duì)比

    從中可得,本文所提出模型對(duì)CK+與Oulu-CASIA這兩個(gè)數(shù)據(jù)集的識(shí)別準(zhǔn)確率僅次于MGLN-GRU,而優(yōu)于其它方法。值得注意的是,本文模型只關(guān)注于表情特征,而識(shí)別準(zhǔn)確率高于同時(shí)利用表情特征和幾何路標(biāo)點(diǎn)的PHRNN-MSCNN。而MGLN-GRU利用復(fù)雜的多任務(wù)模型實(shí)現(xiàn)了99.08%與90.40%的識(shí)別率,比文中模型分別高了0.38%和1.25%,但是MGLN-GRU模型與本文的實(shí)驗(yàn)設(shè)置不同,該模型的輸入是選取視頻序列的第一幀、中間幀和最后一幀來(lái)表示表情演化,這種離散幀的識(shí)別方法會(huì)造成峰值信息缺失。本文提出模型將視頻的連續(xù)多幀作為輸入,使文中模型注重于連續(xù)幀之間的表情依賴(lài)性,較好地適應(yīng)了表情強(qiáng)度的變化,更符合現(xiàn)實(shí)生活人臉表情變化過(guò)程。

    4 結(jié)束語(yǔ)

    本文設(shè)計(jì)了一種混合注意力機(jī)制視頻序列表情識(shí)別模型。該方法的主體為改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)與GRU網(wǎng)絡(luò)的級(jí)聯(lián)網(wǎng)絡(luò),可以提取序列時(shí)空信息的同時(shí)減少特征提取的計(jì)算量。其次,提出了由通道與時(shí)間注意力組成的混合注意力模塊,更關(guān)注于表情峰值幀中與表情相關(guān)性高的特征通道。通過(guò)數(shù)據(jù)擴(kuò)充方法,解決目前表情數(shù)據(jù)規(guī)模較小的難題,保證模型的泛化性。實(shí)驗(yàn)結(jié)果表明,嵌入混合注意力模塊使得模型在CK+與Oulu-CASIA兩個(gè)數(shù)據(jù)集上的識(shí)別準(zhǔn)確率分別提高2.47%與6.79%。最后,通過(guò)與其它研究方法對(duì)比,該模型在表情識(shí)別準(zhǔn)確率有明顯優(yōu)勢(shì)。驗(yàn)證了本文提出的方法能夠有效地提取最具表達(dá)能力的特征,提高識(shí)別準(zhǔn)確率。

    猜你喜歡
    注意力準(zhǔn)確率特征
    讓注意力“飛”回來(lái)
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    高速公路車(chē)牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    抓住特征巧觀察
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    A Beautiful Way Of Looking At Things
    久久ye,这里只有精品| 我的亚洲天堂| 精品国产国语对白av| 麻豆成人av在线观看| 久久久久久久国产电影| 美女高潮喷水抽搐中文字幕| 交换朋友夫妻互换小说| 国产成人欧美在线观看 | 亚洲第一av免费看| 黄色视频,在线免费观看| 高清毛片免费观看视频网站 | 多毛熟女@视频| 日日爽夜夜爽网站| 免费在线观看影片大全网站| 人人妻人人爽人人添夜夜欢视频| 国产黄色免费在线视频| 欧美成人免费av一区二区三区 | 一本一本久久a久久精品综合妖精| 中文字幕另类日韩欧美亚洲嫩草| 黄色片一级片一级黄色片| 欧美精品av麻豆av| 亚洲专区国产一区二区| 亚洲第一av免费看| а√天堂www在线а√下载 | 亚洲,欧美精品.| 国产精品一区二区在线观看99| 一区二区三区精品91| 久久久国产一区二区| 成人精品一区二区免费| 久久人人97超碰香蕉20202| 国产精品国产av在线观看| 俄罗斯特黄特色一大片| 日韩一卡2卡3卡4卡2021年| 国产高清国产精品国产三级| 欧美人与性动交α欧美软件| 涩涩av久久男人的天堂| 亚洲九九香蕉| 久久这里只有精品19| 另类亚洲欧美激情| 大香蕉久久网| 成年人黄色毛片网站| 日韩有码中文字幕| 高清在线国产一区| 欧美色视频一区免费| 99久久国产精品久久久| 最新美女视频免费是黄的| 精品久久久久久久久久免费视频 | 国产1区2区3区精品| 在线国产一区二区在线| 国产人伦9x9x在线观看| 女性被躁到高潮视频| 免费日韩欧美在线观看| 国产一区二区三区视频了| 国产精品亚洲一级av第二区| 国产淫语在线视频| 国产精品二区激情视频| 午夜福利一区二区在线看| 狠狠婷婷综合久久久久久88av| 久久人妻熟女aⅴ| 黑丝袜美女国产一区| 欧美日韩一级在线毛片| 中出人妻视频一区二区| 男女下面插进去视频免费观看| 精品亚洲成a人片在线观看| 99香蕉大伊视频| 精品久久久久久久毛片微露脸| 人人妻人人爽人人添夜夜欢视频| 99国产综合亚洲精品| 美女高潮到喷水免费观看| 国产精品久久视频播放| 一进一出抽搐动态| 性少妇av在线| 精品少妇久久久久久888优播| 国产激情欧美一区二区| 亚洲欧美一区二区三区久久| 欧美 日韩 精品 国产| 新久久久久国产一级毛片| 免费黄频网站在线观看国产| 90打野战视频偷拍视频| 精品久久久久久久毛片微露脸| 国内毛片毛片毛片毛片毛片| 最新的欧美精品一区二区| 两性夫妻黄色片| 国产欧美日韩一区二区精品| 久久中文看片网| 91在线观看av| 国产av精品麻豆| 国产视频一区二区在线看| 淫妇啪啪啪对白视频| 成年人黄色毛片网站| 人人妻人人澡人人爽人人夜夜| 91成年电影在线观看| 欧美午夜高清在线| 国产真人三级小视频在线观看| 18禁观看日本| 变态另类成人亚洲欧美熟女 | 18禁国产床啪视频网站| 免费在线观看视频国产中文字幕亚洲| 亚洲精品国产一区二区精华液| 91麻豆av在线| 国产麻豆69| 国产亚洲欧美精品永久| 久久久国产一区二区| 亚洲专区字幕在线| 婷婷成人精品国产| 国产精品久久久av美女十八| 少妇被粗大的猛进出69影院| 亚洲精品自拍成人| 99热国产这里只有精品6| 伦理电影免费视频| 欧美 亚洲 国产 日韩一| 在线观看66精品国产| 在线视频色国产色| 国产午夜精品久久久久久| 叶爱在线成人免费视频播放| 国产精品九九99| 夜夜爽天天搞| 亚洲欧美激情综合另类| 免费日韩欧美在线观看| 日日摸夜夜添夜夜添小说| 老司机在亚洲福利影院| 免费看a级黄色片| 90打野战视频偷拍视频| 又大又爽又粗| 欧美久久黑人一区二区| 精品福利观看| 一级a爱片免费观看的视频| 久久中文看片网| 人人妻人人澡人人爽人人夜夜| 国产欧美日韩综合在线一区二区| 91大片在线观看| 亚洲情色 制服丝袜| 飞空精品影院首页| 久久影院123| 两性夫妻黄色片| 亚洲欧美一区二区三区黑人| 欧美大码av| 一进一出抽搐动态| 搡老乐熟女国产| 亚洲一区中文字幕在线| 每晚都被弄得嗷嗷叫到高潮| 人人妻,人人澡人人爽秒播| 宅男免费午夜| 亚洲av日韩在线播放| 久久人妻福利社区极品人妻图片| 国产区一区二久久| 搡老乐熟女国产| 国产aⅴ精品一区二区三区波| 老司机在亚洲福利影院| 亚洲伊人色综图| 丝瓜视频免费看黄片| 女人高潮潮喷娇喘18禁视频| 亚洲精品美女久久av网站| 黄色视频,在线免费观看| 久久性视频一级片| 夫妻午夜视频| 两性午夜刺激爽爽歪歪视频在线观看 | 视频在线观看一区二区三区| 精品国产一区二区久久| 国产精华一区二区三区| 999久久久精品免费观看国产| 中文字幕色久视频| 后天国语完整版免费观看| 如日韩欧美国产精品一区二区三区| 欧美日韩亚洲国产一区二区在线观看 | 大码成人一级视频| 国产男女内射视频| 激情在线观看视频在线高清 | 国产av又大| 亚洲欧美激情综合另类| 美女福利国产在线| 不卡av一区二区三区| 日韩欧美国产一区二区入口| 亚洲av美国av| 一级,二级,三级黄色视频| 亚洲精品乱久久久久久| 日日爽夜夜爽网站| 一边摸一边做爽爽视频免费| 成人av一区二区三区在线看| 国产又色又爽无遮挡免费看| 极品教师在线免费播放| 国产欧美日韩精品亚洲av| 久久精品亚洲av国产电影网| 久久久国产成人精品二区 | 久久久国产成人免费| www.熟女人妻精品国产| 99久久99久久久精品蜜桃| 丝袜美足系列| 少妇的丰满在线观看| 在线观看一区二区三区激情| 精品国产超薄肉色丝袜足j| 丝瓜视频免费看黄片| 啦啦啦 在线观看视频| 国产亚洲精品久久久久5区| 黄片大片在线免费观看| 亚洲精品国产一区二区精华液| 日本撒尿小便嘘嘘汇集6| 看黄色毛片网站| 亚洲午夜精品一区,二区,三区| 亚洲国产欧美日韩在线播放| 黄色视频,在线免费观看| 18禁裸乳无遮挡免费网站照片 | 欧美日本中文国产一区发布| 如日韩欧美国产精品一区二区三区| 免费久久久久久久精品成人欧美视频| 精品久久久精品久久久| 91成人精品电影| 国产真人三级小视频在线观看| 午夜亚洲福利在线播放| 久久久国产成人精品二区 | 国产精品 欧美亚洲| 人人妻人人澡人人看| 亚洲 欧美一区二区三区| 色老头精品视频在线观看| 精品一区二区三区视频在线观看免费 | 国产精品久久电影中文字幕 | 国产真人三级小视频在线观看| 天堂√8在线中文| 高清黄色对白视频在线免费看| 欧美另类亚洲清纯唯美| 手机成人av网站| 嫩草影视91久久| 91av网站免费观看| 夜夜夜夜夜久久久久| 久久热在线av| 成人精品一区二区免费| 在线观看www视频免费| 久久狼人影院| 国产精品久久视频播放| 精品国产乱子伦一区二区三区| 成年人午夜在线观看视频| 看黄色毛片网站| 美女午夜性视频免费| 亚洲精品粉嫩美女一区| 在线观看免费午夜福利视频| 亚洲,欧美精品.| 少妇 在线观看| 777久久人妻少妇嫩草av网站| 美国免费a级毛片| 精品国产乱子伦一区二区三区| 国产亚洲欧美精品永久| 婷婷丁香在线五月| 精品欧美一区二区三区在线| 变态另类成人亚洲欧美熟女 | xxx96com| 国产精品亚洲一级av第二区| 老司机靠b影院| 91成年电影在线观看| 桃红色精品国产亚洲av| 精品久久久久久久久久免费视频 | 免费在线观看视频国产中文字幕亚洲| 飞空精品影院首页| 亚洲男人天堂网一区| 一夜夜www| 99久久精品国产亚洲精品| 人人妻人人添人人爽欧美一区卜| 少妇 在线观看| 国产精品一区二区在线观看99| 国产成人影院久久av| 操美女的视频在线观看| 午夜久久久在线观看| 操美女的视频在线观看| 黄网站色视频无遮挡免费观看| 精品久久久精品久久久| 久久精品亚洲精品国产色婷小说| 在线观看免费视频日本深夜| 久久久久久免费高清国产稀缺| 动漫黄色视频在线观看| 亚洲伊人色综图| 国产一区有黄有色的免费视频| 一区福利在线观看| 亚洲久久久国产精品| 日韩大码丰满熟妇| 夜夜爽天天搞| 国产麻豆69| 极品人妻少妇av视频| 欧美激情久久久久久爽电影 | 极品人妻少妇av视频| 夜夜夜夜夜久久久久| 麻豆成人av在线观看| 一边摸一边抽搐一进一出视频| 亚洲欧美日韩另类电影网站| 亚洲av成人av| 大片电影免费在线观看免费| 中文字幕av电影在线播放| 老汉色∧v一级毛片| 精品一品国产午夜福利视频| 叶爱在线成人免费视频播放| 国产成人精品无人区| 99久久人妻综合| 免费久久久久久久精品成人欧美视频| 黄色成人免费大全| 久久午夜亚洲精品久久| 99re在线观看精品视频| 天天影视国产精品| 乱人伦中国视频| 在线天堂中文资源库| 国产精品免费一区二区三区在线 | 妹子高潮喷水视频| 亚洲中文日韩欧美视频| av一本久久久久| 欧美精品av麻豆av| 日韩免费高清中文字幕av| 婷婷成人精品国产| 亚洲精品美女久久久久99蜜臀| 国产精品 国内视频| 免费久久久久久久精品成人欧美视频| 女人高潮潮喷娇喘18禁视频| 中文字幕另类日韩欧美亚洲嫩草| 国产精品 欧美亚洲| 一级a爱视频在线免费观看| 久久精品国产a三级三级三级| 一进一出好大好爽视频| 国产欧美日韩综合在线一区二区| 91老司机精品| av天堂在线播放| 热99久久久久精品小说推荐| 久久久久精品人妻al黑| 99精品欧美一区二区三区四区| 视频区欧美日本亚洲| 女人久久www免费人成看片| 岛国毛片在线播放| 黄色片一级片一级黄色片| 久久人妻av系列| 亚洲一区中文字幕在线| 国产av精品麻豆| 日本撒尿小便嘘嘘汇集6| 日日夜夜操网爽| 国产精品影院久久| 久久精品熟女亚洲av麻豆精品| 国产精品久久视频播放| 色尼玛亚洲综合影院| 曰老女人黄片| 在线观看免费视频网站a站| 国产伦人伦偷精品视频| 精品久久蜜臀av无| 高潮久久久久久久久久久不卡| 久久久久久久久久久久大奶| 丝袜在线中文字幕| 国产成人啪精品午夜网站| 国产精品亚洲av一区麻豆| 欧美乱妇无乱码| 亚洲成人免费电影在线观看| 黄网站色视频无遮挡免费观看| 99精品在免费线老司机午夜| 欧美日韩精品网址| 亚洲色图av天堂| 麻豆乱淫一区二区| 久久天躁狠狠躁夜夜2o2o| 亚洲av成人不卡在线观看播放网| 国产精品综合久久久久久久免费 | 51午夜福利影视在线观看| 国产精品自产拍在线观看55亚洲 | 久久国产精品大桥未久av| 欧美日韩成人在线一区二区| 国产激情久久老熟女| 欧美在线一区亚洲| 天天影视国产精品| 午夜福利欧美成人| 一二三四社区在线视频社区8| 99精品欧美一区二区三区四区| 亚洲一区二区三区欧美精品| 午夜老司机福利片| 男女高潮啪啪啪动态图| 欧美精品av麻豆av| 亚洲色图综合在线观看| 欧美国产精品va在线观看不卡| 免费日韩欧美在线观看| 国产无遮挡羞羞视频在线观看| 婷婷成人精品国产| 亚洲av成人av| 色婷婷av一区二区三区视频| 女同久久另类99精品国产91| 精品人妻熟女毛片av久久网站| 国产成人精品在线电影| 欧美大码av| 国产无遮挡羞羞视频在线观看| 天天操日日干夜夜撸| 久久久精品国产亚洲av高清涩受| 成人永久免费在线观看视频| 久久国产乱子伦精品免费另类| 国产一区二区三区综合在线观看| 99热网站在线观看| 欧美 亚洲 国产 日韩一| 国产亚洲av高清不卡| 久久中文看片网| 国产熟女午夜一区二区三区| av一本久久久久| 黄色毛片三级朝国网站| 午夜精品久久久久久毛片777| 午夜亚洲福利在线播放| 国产精品av久久久久免费| 最近最新免费中文字幕在线| 最近最新免费中文字幕在线| www.精华液| √禁漫天堂资源中文www| 午夜91福利影院| 丝瓜视频免费看黄片| 国产精品偷伦视频观看了| 国产欧美日韩综合在线一区二区| 人人妻人人添人人爽欧美一区卜| 亚洲精品美女久久av网站| 国产日韩欧美亚洲二区| 欧美av亚洲av综合av国产av| 精品久久久久久久毛片微露脸| 丰满人妻熟妇乱又伦精品不卡| 亚洲av片天天在线观看| 欧美日韩瑟瑟在线播放| 色在线成人网| 免费人成视频x8x8入口观看| 高清在线国产一区| 国产精品影院久久| 亚洲精品自拍成人| 国产在视频线精品| 国产av一区二区精品久久| 中文字幕色久视频| 妹子高潮喷水视频| 桃红色精品国产亚洲av| 在线国产一区二区在线| 欧美日本中文国产一区发布| 首页视频小说图片口味搜索| 亚洲 国产 在线| 国产亚洲精品久久久久5区| 老司机午夜十八禁免费视频| 91大片在线观看| 热re99久久国产66热| 免费在线观看视频国产中文字幕亚洲| 国产日韩欧美亚洲二区| 免费在线观看完整版高清| 母亲3免费完整高清在线观看| 在线观看免费午夜福利视频| 不卡一级毛片| 精品国产一区二区三区久久久樱花| 久久 成人 亚洲| 热re99久久精品国产66热6| 亚洲国产看品久久| 午夜老司机福利片| 少妇猛男粗大的猛烈进出视频| 亚洲专区字幕在线| 欧美av亚洲av综合av国产av| 又大又爽又粗| 国产亚洲av高清不卡| 午夜福利免费观看在线| 久久九九热精品免费| 亚洲欧美激情在线| 午夜福利,免费看| 亚洲一区高清亚洲精品| 午夜免费成人在线视频| 高清毛片免费观看视频网站 | 男人的好看免费观看在线视频 | 欧美乱码精品一区二区三区| 另类亚洲欧美激情| 国产欧美日韩综合在线一区二区| 自线自在国产av| 香蕉丝袜av| 国产成人免费无遮挡视频| tube8黄色片| e午夜精品久久久久久久| 亚洲精品成人av观看孕妇| 99国产精品一区二区蜜桃av | 亚洲性夜色夜夜综合| 高清av免费在线| 丁香欧美五月| 99精品久久久久人妻精品| 热re99久久精品国产66热6| 亚洲精品中文字幕一二三四区| 久久国产亚洲av麻豆专区| 国产在线一区二区三区精| 丝袜美腿诱惑在线| 一边摸一边抽搐一进一出视频| 国产高清激情床上av| 中出人妻视频一区二区| 动漫黄色视频在线观看| 国产成人影院久久av| 在线国产一区二区在线| 人人妻人人爽人人添夜夜欢视频| 99riav亚洲国产免费| 午夜免费成人在线视频| 中文字幕人妻丝袜一区二区| 精品无人区乱码1区二区| 9色porny在线观看| 91九色精品人成在线观看| 日韩欧美一区二区三区在线观看 | 免费女性裸体啪啪无遮挡网站| 久久九九热精品免费| 大片电影免费在线观看免费| 少妇猛男粗大的猛烈进出视频| 新久久久久国产一级毛片| 久久中文字幕人妻熟女| 久久精品国产99精品国产亚洲性色 | 精品欧美一区二区三区在线| 亚洲精品在线观看二区| 亚洲九九香蕉| 黑人欧美特级aaaaaa片| 美女国产高潮福利片在线看| 亚洲av欧美aⅴ国产| 校园春色视频在线观看| 欧美老熟妇乱子伦牲交| 国产熟女午夜一区二区三区| 免费看a级黄色片| 最新在线观看一区二区三区| 侵犯人妻中文字幕一二三四区| 中国美女看黄片| 成人精品一区二区免费| а√天堂www在线а√下载 | 午夜福利,免费看| aaaaa片日本免费| 国产一区有黄有色的免费视频| 国产熟女午夜一区二区三区| 精品亚洲成a人片在线观看| 亚洲欧美一区二区三区黑人| 国产精品98久久久久久宅男小说| www.999成人在线观看| 亚洲精品乱久久久久久| a级毛片在线看网站| 久久狼人影院| 精品人妻在线不人妻| 亚洲精品中文字幕一二三四区| 母亲3免费完整高清在线观看| 99久久综合精品五月天人人| 亚洲一区二区三区不卡视频| 丝瓜视频免费看黄片| 亚洲久久久国产精品| 久久久国产成人免费| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲精品国产一区二区精华液| 97人妻天天添夜夜摸| 亚洲美女黄片视频| 亚洲一区二区三区欧美精品| 99国产精品一区二区三区| 另类亚洲欧美激情| 夫妻午夜视频| 午夜福利视频在线观看免费| a在线观看视频网站| 欧美日韩黄片免| 久久人妻福利社区极品人妻图片| 亚洲精品久久午夜乱码| 丝袜在线中文字幕| 日本黄色日本黄色录像| 国产免费av片在线观看野外av| 国产精品香港三级国产av潘金莲| 亚洲精品粉嫩美女一区| 后天国语完整版免费观看| 人妻丰满熟妇av一区二区三区 | 久久精品亚洲熟妇少妇任你| 午夜免费成人在线视频| 亚洲av日韩精品久久久久久密| 亚洲 欧美一区二区三区| 成人亚洲精品一区在线观看| 欧美国产精品va在线观看不卡| 亚洲欧美一区二区三区黑人| 丰满饥渴人妻一区二区三| √禁漫天堂资源中文www| 高清毛片免费观看视频网站 | 激情在线观看视频在线高清 | 露出奶头的视频| 欧美日韩成人在线一区二区| 色婷婷av一区二区三区视频| 国产精品亚洲一级av第二区| 成人亚洲精品一区在线观看| 男女高潮啪啪啪动态图| 亚洲熟女毛片儿| 亚洲七黄色美女视频| 激情在线观看视频在线高清 | 后天国语完整版免费观看| 久久久水蜜桃国产精品网| 丝瓜视频免费看黄片| 18禁国产床啪视频网站| 黄色视频,在线免费观看| av网站免费在线观看视频| 欧美激情 高清一区二区三区| 成在线人永久免费视频| x7x7x7水蜜桃| 不卡av一区二区三区| 激情视频va一区二区三区| 黄色女人牲交| 国产成人精品久久二区二区91| 日本一区二区免费在线视频| 国产1区2区3区精品| 亚洲av成人不卡在线观看播放网| 日本精品一区二区三区蜜桃| 视频在线观看一区二区三区| 在线观看舔阴道视频| 欧美日韩亚洲高清精品| 国产亚洲欧美在线一区二区| 一级片'在线观看视频| 一级黄色大片毛片| 免费在线观看完整版高清| 十八禁人妻一区二区| 99久久99久久久精品蜜桃| 亚洲成人免费av在线播放| 一个人免费在线观看的高清视频| 一夜夜www| 热re99久久国产66热| 国产日韩欧美亚洲二区| 一级,二级,三级黄色视频| 热re99久久精品国产66热6| 男女下面插进去视频免费观看| 老司机福利观看| 91精品国产国语对白视频| 久99久视频精品免费| 多毛熟女@视频| 日日爽夜夜爽网站| 亚洲专区字幕在线| av线在线观看网站| 亚洲久久久国产精品| 亚洲成a人片在线一区二区| 亚洲国产欧美网| 日韩制服丝袜自拍偷拍| 后天国语完整版免费观看| 精品一区二区三区视频在线观看免费 | 国产99白浆流出| avwww免费| 亚洲自偷自拍图片 自拍| 国产日韩欧美亚洲二区|