亚洲欧美精品suv,国产97在线 | 免费,欧日韩无套内射变态,免费看成人aa片无码视频吃奶,国产精品久久久久9999小说,亚洲熟妇色自偷自拍另类,正在播放老肥熟妇露脸,强行交换配乱婬bd
首頁> 社群> 機械工程師@機器人> 算法專家趙京雷:人人都應該懂一點計算機視覺

算法專家趙京雷:人人都應該懂一點計算機視覺

瀏覽(2099) 評論(0) 贊(4) 收藏(1)
來自: 楊娟 發布于: 2016-08-08 10:22:17


雷鋒網注:作者趙京雷,閱面科技CEO,上海交通大學人工智能博士,前阿里巴巴北京算法研究中心負責人,專注人工智能算法研究超過15年。本文系雷鋒網獨家文章。


2016年是人工智能發展的第60周年,人工智能已經走了很長一段路,隨著AlphaGo的輝煌戰績的出現,又再次引爆了人工智能在各個領域的發展。回顧計算機視覺發展之路,才能讓我們踩著歷史的積淀,順應發展的大潮,去探索未來。

| 一、計算機視覺的認知依據

人類對世界的認知非常簡單,我們可以一眼看出一個水果是蘋果還是橘子。但是對于機器來說,我們怎么寫個程序讓機器來分辨蘋果和橘子呢。


(人類的識別) 

如果讓大家思考,我們會給出各種答案,比如是不是可以讓機器通過水果的顏色來區分,或者通過形狀和紋理來區分等等。                      


(基于顏色、形狀、紋理的識別)

在深度學習出現之前,這種基于尋找合適的特征去讓機器辨識物品的狀態,基本上代表了計算機視覺的全部。

以顏色特征為例,它是一種在現在依然被廣泛應用的特征,我們稱之為顏色直方圖特征。它是一種最簡單、最直觀,對實際圖片的顏色進行數字化表達的方式。機器識別圖片只能用二維的向量來表示。我們都知道顏色的值可以用RGB三原色來表示,顏色直方圖的橫軸代表顏色的RGB數值,表示一個物品所有顏色的可能性,縱軸則代表了整個圖像具有某個顏色值的像素數量,其實,通過這樣一種非常直觀的方法,機器就可以對看到的圖片進行顏色表征。在過去的二三十年里,關于顏色特征的表示有很多探索和研究,比如:各種各樣顏色直方圖的變種,使得計算機能夠通過二維數字串的形式,更好地表示圖像的顏色特征,使得其能夠區分看到的不同物品。

左:(顏色直方圖striker 1995)  右:(顏色距 striker 1995)

以紋理特征為例,桔子會有坑坑洼洼的紋理,而蘋果的紋理則非常光滑。這種局部的紋理刻畫,如何通過數字串的形式抽象表示出來,和顏色特征一樣,這是過去很多年計算機視覺一直在探求和優化的問題。下圖是計算機視覺中在各個領域使用較多的紋理特征表示方法示例。


(紋理直方圖)



(SDM)

形狀特征也是一樣,以下兩圖可以直觀的示例計算機視覺通過形狀特征來進行識別。

(Hog:Dalal,2005)

通過這些例子可以看出,計算機視覺在過去很多年,處理問題的方法很簡單,就是找到一種合適的特征抽象方法,對一個待識別或者待分類問題進行特征表達,然后進行計算的過程。

如果要做人臉識別,需要尋找到底是顏色特征還是紋理特征或者形狀特征更適于表達,怎么樣能把目標問題區分開來。對人臉來說,顏色的作用不會很大,因為人臉的顏色長得都差不多。但是人臉的褶皺、紋理,兩眼之間的距離等可能代表了不同人之間的區別,可能紋理和結構特征相比更加有效。而如果我們要檢測識別人體,可能紋理特征就不是那么重要,因為人會穿各種各樣的衣服,但形狀特征就會很重要。所以,過去的計算機視覺是針對不同的問題,選擇不同的特征表征方法。

二、計算機視覺的發展過程

從2006年開始,在將近10年的時間里,計算機視覺的方法發生了一個比較本質的變化,就是深度學習的出現,在某種程度上改變了我們前面對計算機視覺的定義。我們先了解一下計算機視覺發展的歷程,看看是基于什么契機和積累,讓計算機視覺發生了這樣的變化。

計算機視覺的發展史可以追溯到1966年,著名的人工智能學家馬文·明斯基給他的本科學生布置了一道非常有趣的暑假作業,就是讓學生在電腦前面連一個攝像頭,然后寫一個程序,讓計算機告訴我們攝像頭看到了什么。大師就是大師,這道題實在是太有挑戰了,在某種意義上它代表了全部計算機視覺要做的事情,因此我們認為這是一個起點。

上世紀70年代,研究者開始去試圖解決讓計算機告知他到底看到了什么東西這個問題。研究者認為要讓計算機認知到底看到了什么,可能首先要了解人是怎樣去理解這個世界的。因為那時有一種普遍的認知,認為人之所以理解這個世界,是因為人是有兩只眼睛,他看到的世界是立體的,他能夠從這個立體的形狀里面理解這個世界。在這種認知情況下,研究者希望先把三維結構從圖像里面恢復出來,在此基礎上再去做理解和判斷。


(David Marr,1970s)

上世紀80年代,是人工智能發展的一個非常重要的階段。人工智能界的邏輯學和知識庫推理大行其道,研究者開始做很多專家推理系統,計算機視覺的方法論也開始在這個階段產生一些改變。人們發現要讓計算機理解圖像,不一定先要恢復物體的三維結構。例如:讓計算機識別一個蘋果,假設計算機事先知道蘋果的形狀或其他特征,并且建立了這樣一個先驗知識庫,那么計算機就可以將這樣的先驗知識和看到物體表征進行匹配。如果能夠匹配,計算機就算識別或者理解了看到的物體。所以,80年代出現了很多方法,包括幾何以及代數的方法,將我們已知的物品轉化成一些先驗表征,然后和計算機看到的物品圖像進行匹配。


(David Lowe, 1987)

上世紀90年代,人工智能界又出現了一次比較大的變革,也就是統計方法的出現和流行。在這個階段,經歷了一些比較大的發展點,比如現在還廣泛使用的局部特征。前面介紹的形狀、顏色、紋理這些表征,其實會受到視角的影響,一個人從不同的角度去看物品,它的形狀、顏色、紋理可能都不太一樣。隨著90年代統計方法的流行,研究者找到了一種統計手段,能夠刻畫物品最本質的一些局部特征,比如:要識別一輛卡車,通過形狀、顏色、紋理,可能并不穩定,如果通過局部特征,即使視角變化了,也會準確對其進行辨識。局部特征的發展,其實也導致了后來很多應用的出現。比如:圖像搜索技術真正的實用,也是由于局部特征的出現。研究者可以對物品建立一個局部特征索引,通過局部特征可以找到相似的物品。其實,通過這樣一些局部點,可以讓匹配更加精準。


(David Lowe, 1999)

到2000年左右,機器學習方法開始盛行。以前需要通過一些規則、知識或者統計模型去識別圖像所代表的物品是什么,但是機器學習的方法和以前完全不一樣。機器學習能夠從海量數據里面去自動歸納物品的特征,然后去識別它。在這樣一個時間點,計算機視覺界有幾個非常有代表性的工作,比如:人臉識別。

要識別一個人臉,第一步需要從圖片里面把待識別的人臉區域給提取出來,這叫人臉檢測。像在拍照的時候,會看到相機上有個小方框在閃,那其實是人臉識別必要的第一步工作,也就是人臉框的檢測。在以前,這是非常困難的工作,但是在2000年左右,出現了一種非常好的算法,它能夠基于機器學習,非常快速的去檢測人臉,稱之為Viola&Jones人臉檢測器,這奠定了當代計算機視覺的一個基礎。


(Viola&Jones, 2001)

機器學習的盛行其實是伴隨著一個必要條件出現的,就是在2000年左右,整個互聯網的出現和爆發,產生了海量的數據,大規模數據集也相伴而生,這為通過機器學習的方法來做計算機視覺提供了很好的土壤。在這期間,出現了大量學術官方的,針對不同領域評測的數據集。人臉檢測最具有代表性是一個叫FDDB的數據集。這個數據集包含了超過5000多張人臉數據,每一張人臉,都人為的用框給框出來,機器就可以從這些框好的數據里面,通過一些機器學習的手段去學習從任何一張圖片中找到人臉區域。


(FDDB,5171 faces, 2845 images)

另外,我們耳熟能詳的一個數據集是人臉識別數據集LFW。提到人臉識別,可能我們聽過“計算機做人臉識別比人更準”。其實這句話是有一定問題,在很多實際場景里,計算機做人臉識別連人的70%可能都達不到。那么在什么情況下,它比人準呢。有一種情況就是在LFW上。LFW數據集里面有1萬多張人臉和5000多個人的數據,每個人都有在不同情況下拍攝的真實場景的多張人臉。基于這樣的一個數據集,研究者可以在上面評估人臉識別的精度。人臉識別領域發展非常快,尤其是最近幾年深度學習的興起后,這個數據集變得非常火爆。人在LFW上面的識別正確率大概是97.75%,而機器已經在LFW上可以做到99.75%甚至更要高。


(13233 faces, 5749 people)

在這期間,還出現了其他非常有影響力的數據集,其中比較有代表性的就是由李飛飛教授發起的一個項目IMAGEMET。他通過眾包的方式,標注1400萬張圖片,分了大概2萬多個類別,這些類別包羅萬物,比如像動物,里邊可能分為鳥類、魚類等;植物,里面可能會分為樹和花。她的理想很宏大,就是希望提供這樣一個數據集,為計算機視覺算法提供一個數據土壤,讓未來的機器能夠認識世界上的一切物品。

在2000年代,人工智能經歷了一個快速發展期以后,整個人工智能在很多行業取得了非常好的應用,比如:視覺之外有搜索引擎排序和計算廣告等等,視覺領域人臉檢測器也被用在了各種各樣的相機里面。

到2010年代,人工智能進入了一個最激動人心的年代,它就是深度學習的年代。深度學習從本質上給整個人工智能帶來了一次革命。在上世紀,有人做了一個貓的實驗。在貓腦袋上開了一個洞,然后在貓的前面放各種各樣的物品,觀察貓在不同物品下的反應。通過實驗發現,當我們放一些形狀非常類似的物品時,貓的后腦皮層的相同區域會表現出同樣的刺激反應,這一實驗了說明人的視覺系統認知是分層的。在早期模擬人腦認知的多層神經網絡模型經歷2000年左右的一個低谷后,2006年Hinton教授在《科學》發表了對于深層神經網絡的訓練方法,帶來了深度學習的蓬勃發展。


(LeNet-5, 1998)
上圖左側是一個普通的三層神經網絡算法,是一種淺層的學習方法。在這種淺層神經網絡中,輸入的數據依然是人工抽象出來的特征表達,比如顏色、形狀、紋理或者局部特征等。而右邊的則是現在最常使用的一種深度學習方法,卷積神經網絡。從外面來看,最大的改變是其輸入是原始圖像的像素,不再用人工進行特征表達和抽象,而改用神經網絡本身在淺層自動進行特征抽象。這是淺層機器學習模型和深度學習模型的根本區別之一。


(Hinton, 2006)


(Li, Tang etl, 2014-2015)

自2006年開始,在接近10年的時間里,整個計算機視覺界產生了質的變化,深度學習的出現真正改變了計算機視覺之前的定義。

| 三、計算機視覺的應用領域

深度學習出現以后,對各種各樣的視覺識別任務的精度都進行了大幅度的提升,拿人臉來說,在深度學習出現之前,一個普通的識別算法,比如使用顏色、紋理、形狀或者局部特征,可以將各種特征糅合在一起,人臉識別率一般只能做到94%~95%。在很多的實際系統,比如以前用的人臉考勤,可能當時的系統只能做到90%~92%的識別率。深度學習出現以后,直接將這個精度提高到了99.5%以上,將錯誤率降低了10倍。

這種量級的錯誤率降低意義非凡。比如:把人體識別的精度用到汽車的輔助駕駛系統里邊,如果出現了漏報或錯包,這是非常頭大的事。如果是95%的精度,有100個人經過,在一定距離范圍內,他可能就有五次錯報或者漏報,這肯定是無法接受的。但如果精度再提升10倍或者100倍,比如1萬個人只有5次漏報的話,那這件事可能就是可行了。所以,深度學習的出現使得以前視覺方法不太實用的一些應用領域,基本上都可以通過深度學習的方法來獲得一個良好的應用。

目前計算機視覺的熱點應用在目標檢測、目標識別、目標跟蹤、場景理解、立體視覺等一些領域,人臉識別用的比較多的領域是金融行業,像人臉識別身份驗證等;圖像搜索比較直觀的應用,如拍一張鞋的照片,在淘寶進行搜索,就可以找到類似的鞋。再比如像安防,也是計算機視覺的一個典型應用領域;還有一個非常大的應用,就是在機器人領域,包括整個的智能設備領域,深度學習的出現,使得機器人在視覺能力或者語音能力上,去模仿人的能力成為可能。

隨著深度學習的發展,國內也出現了一些專注于深度學習的視覺企業,比如專注于金融和安防監控的Face++、SenseTime,專注于圖片審核的圖普科技、專注于圖像搜索的衣+,而我們閱面科技則專注于嵌入式視覺和機器視覺領域。

| 四、我的探索

回顧了計算機視覺的發展之路,很多公司在深度學習的大潮中順勢而生,包括我們閱面。

深度學習的出現使得人工智能的應用上產生很多創業和創新機會。

比如在和垂直行業結合方面,像金融、醫療行業,這方面應用的特點是計算發生在服務器端或者云端。

另外一方面的機會來自于各種各樣的硬件設備的智能化升級,這方面應用的特點是計算的前端化和實時化。我們都知道以前的智能硬件都很不智能,用戶體驗不好。人工智能算法的發展,會把一系列的硬件設備變得智能起來,成為真正的智能機器。

嵌入式視覺,就是幫助各種各樣的智能機器,通過嵌入視覺算法,讓它擁有一雙像人類一樣的眼睛,能夠去認知周邊的人或者場景,該研究應用于包括機器人、智能家居、車載設備等領域,主要解決人機交互及場景的感知兩大問題,這兩方面的能力是未來的智能機器必須具備的核心能力。這也是我們在做的事情。

以智能機器來舉例,它需要理解人,知道這個人是誰,并且理解人的表情變化以及交互的手勢和人體動作,這其實就是人機交互層。智能機器的場景感知層,就是將智能機器放在一個陌生環境里,能夠讓它知道處于什么樣的環境,能夠讓它識別物品和場景,能夠進行自主導航定位,自由行走。計算機視覺是整個人機交互和場景感知的未來。

如何為智能機器提供軟硬件一體的視覺認知解決方案?以我們為例——

首先在底層構建了核心的算法引擎,如人臉識別、手勢識別、人體識別和場景識別等。其次在算法層上,我們做了兩件事:一方面做硬件模組,另一方面做芯片。所有硬件層的努力,都是為了讓底層的神經網絡深度學習算法能夠在嵌入式設備上能以快速度、低功耗跑起來。通過軟硬件一體化的解決方案,希望能真正幫助未來的智能機器方便地接入視覺認知服務,去認知這個世界。

| 五、由深度學習的發展看未來的挑戰

計算機視覺的發展當然不可能一帆風順。

對任何一個視覺識別任務而言,它的自然條件的變化,比如像姿態、遮擋,包括光照等各種條件的變化,都會極大的影響它的識別精度和正確率。怎樣去解決這個問題,其實是整個計算機視覺面臨的最大挑戰。

深度學習擅長的是分類問題,而對于上下文語義的理解,它是非常不擅長的。比如讓它理解人類說的話,在這方面的應用這幾年并沒有太多實質性進展,這也是我專注做計算機視覺這件事的原因之一,如果去做自然語言理解,深度學習目前的幫助不大,但連續語義以及上下文的理解是近年深度學習模型研究的重點,相信未來會有所突破。

深度學習確實帶來了實質性的一個突破,但是針對很多任務,離我們真正想達到的精度還有不小差距,比如:人體檢測、物品識別的的精度,在真實場景中比起我們人類,還遠遠不夠。整個學術界對于新一代深度學習模式的研究還一直在繼續。比如:人在認識世界的時候,它不僅僅把信息從大腦的初級皮層向深處的神經元傳遞。人在理解的時候,心理學家發現人腦深層的神經元可以反過來指導最開始輸入層的認知。所以,我相信深度學習,在這些年還會從理論模型上帶來比較大的突破,這種突破可能會使得這種模型越來越逼近我們人對信息的處理。

計算機視覺之路,路漫漫,其修遠,吾將上下而求索。


雷鋒網注:轉載請聯系我們授權,并保留出處和作者,不得刪減內容。

他們都在說 (共0 條評論)

我要說

你好,請 登錄 注冊 后再進行評論!

請先登錄

客戶端

客戶端

觸屏版

觸屏版

網頁版

網頁版

分享到:
久久亚洲色www成爱色| 亚洲成av人片不卡无码手机版| 宅男66lu国产在线观看| 韩国三级无码hd中文字幕| 99久久精品视香蕉蕉| 精品无码欧美黑人又粗又| 亚洲综合成人婷婷五月在线观看 | 亚洲中文字幕日产无码2020| 国产成人精品男人的天堂网站| 亚洲欧美国产日产综合不卡| 亚洲综合色成在线观看| 婷婷五月六月激情综合色中文字幕| 午夜人成免费视频| 无遮掩60分钟从头啪到尾| 潮喷大喷水系列无码| 国内高清久久久久久| 色婷婷亚洲十月十月色天| 精品国产美女av久久久久| 377p日本欧洲亚洲大胆张筱雨| 亚洲精品午夜一区二区电影院| 日韩亚洲国产激情一区浪潮av| 国产一区二区不卡在线看| 国产成人女人毛片视频在线| 日韩精品免费无码专区| 亚洲aⅴ天堂av在线电影| 综合久久综合久久88色鬼| 国产精品人成视频免费vod| 性夜久久一区国产9人妻| 久久www免费人成_看片老司机| 国产精品电影久久久久电影网| 无码一区二区三区老色鬼| 国产精品国产自线拍免费软件| 国产精品美女久久久网站动漫 | 久久婷婷五月综合中文字幕| 国产偷国产偷精品高清尤物| 亚洲国产精品一区二区动图 | 国产成人亚洲综合二区| 亚洲人成无码网www电影榴莲| 亚洲欭美日韩颜射在线二| 黑人尾随强伦姧人妻爽翻天| 国产精品白丝av网站在线观看| 国产成人综合久久精品推最新 | 亚洲国产欧美日韩欧美特级| 国产精品自在在线午夜精华在线 | 久久精品国产999久久久| 国产成人理论无码电影网| 亚洲人成图片小说网站 | av边做边流奶水无码免费 | 超碰aⅴ人人做人人爽| 日韩亚洲国产激情一区浪潮av | 日本护士xxxxhd少妇| 人妻中文无码就熟专区| 在线 亚洲 国产 欧美| 亚洲中文久久精品无码99| 国产成人片一区在线观看| 国产在线精品无码二区| 中文字幕精品无码综合网| 黄网站色成年片在线观看| 国产交换配乱婬视频偷网站| 久热这里只精品99国产6-99re视… | 中字幕久久久人妻熟女天美传媒 | 亚洲国产一区二区三区在观看 | 免费无码久久成人网站入口| 亚洲综合色aaa成人无码| 国产亚洲精品成人aa片| 亚洲中文自拍另类av片| 国产精品爽爽va在线观看网站| 另类重口特殊av无码| 亚洲国产人成自久久国产| 国产男女免费完整视频| 国产一区二区三区导航| 麻豆精产国品| 中文字幕乱码免费视频| 加勒比中文无码久久综合色| 国产交换配偶在线视频| 一本一道av中文字幕无码| 中文字幕有码无码人妻在线| 人妻无码人妻有码中文字幕| 99久久精品无码专区| 亚洲精品综合在线影院| 亚洲aⅴ天堂av天堂无码| 国产精品高潮呻吟av久久无吗| 国产福利第一视频在线播放| 亚洲乱亚洲乱少妇无码| 亚洲精品国产一区二区三| 国内精品久久久久久无码| 欧美自拍亚洲综合图区| 国产亚洲精品久久久久久小说| 久久久久欧美国产高潮| 亚洲人成在线7777| 人妻av乱片av出轨| 日韩国产欧美亚洲v片| 亚洲成aⅴ人在线观看| 浴室人妻的情欲hd三级| 国精品午夜福利视频不卡757| 免费天堂无码人妻成人av电影| 国产亚洲精品久久久久久动漫| 亚洲色欲色欲欲www在线| 无码高潮喷吹在线观看| 99在线精品视频观看免费| 国产麻豆 9l 精品三级站| 精品国产一区二区av麻豆不卡 | 老色鬼永久精品网站| 日日碰日日摸日日澡视频播放 | 日韩av无码精品人妻系列| 久久婷婷五月综合色国产免费观看| 无码成人h免费视频在线观看| 亚洲欧美另类激情综合区蜜芽| 免费无毒永久av网站| 在线观看国产精品普通话对白精品 | 综合激情久久综合激情| 亚洲欧洲日产韩国无码| 亚洲国产一区二区三区在观看| 99久久国产露脸国语对白| 国产旡码高清一区二区三区| 欧美乱人伦视频在线| 国产一区二区波多野结衣 | 色欲久久久中文字幕综合网| 极品无码国模国产在线观看| 狠狠五月激情六月丁香| 日韩人妻无码免费视频一区二区 | 久久九九精品国产综合喷水| 国产国产裸模裸模私拍视频 | 激情亚洲图片激情亚洲小说| 色狠狠色噜噜av一区| 日本一区不卡高清更新二区| 天堂а√中文最新版地址在线 | 网友自拍露脸国语对白| 亚洲香蕉伊综合在人在线观看| 亚洲乱人伦中文字幕无码| 2020久久国产综合精品swag | 成在人线av无码免费高潮喷水| av无码东京热亚洲男人的天堂| 麻豆成人久久精品二区三区免费| 少妇被又大又粗又爽毛片| 国产精品99久久99久久久| 女人被狂爆到高潮免费视频| 女人被爽到高潮视频免费国产 | 欧美日韩精品一区二区三区不卡| 免费女人高潮流视频在线| 久久国产精品_国产精品| 国产成人综合亚洲色就色| 五月天久久久噜噜噜久久| 人摸人人人澡人人超碰| 国产精品成人免费视频一区| 午夜av无码福利免费看网站 | 久久综合给合久久97色| 久久精品国产亚洲不av麻豆| 国产乱人伦av在线a麻豆| 中文字幕在线精品乱码| 国产精品丝袜亚洲熟女| 老司机亚洲精品影院无码| 蜜桃av少妇久久久久久高潮不断 | 亚洲午夜不卡无码影院| 7777久久亚洲中文字幕蜜桃| 人与动人物xxxx毛片| 性夜久久一区国产9人妻| 亚洲国产成人精品无码区在线秒播| 国产精品无码av不卡| 欧洲无码精品a码无人区| 日韩人妻无码一区2区3区里沙| 亚洲精品国产一区二区小泽玛利亚| 国产麻豆剧果冻传媒一区| 免费永久看黄在线观看| 精品欧美成人一区二区不卡在线| 亚洲自偷自偷在线成人网址| av明星换脸无码精品区| 激情第一区仑乱| 亚洲国产精品线久久| 国产精品成熟老妇女| 中文字幕人妻不在线无码视频| 欧美肥胖老太vidio在线视频| 国内盗摄视频一区二区三区| 国产公开免费人成视频| 夜色福利站www国产在线视频| 中文无码乱人伦中文视频在线| 久久99九九精品久久久久蜜桃| 亚洲成年av天堂动漫网站| 亚洲精品无码专区在线在线播放| 国产真实younv在线| 日本护士xxxxhd少妇| 国产av剧情md精品磨豆| 国产又色又刺激高潮视频| 欧美乱妇高清无乱码在线观看| 自拍视频亚洲综合在线精品| 天天做天天爱夜夜爽毛片l| 国产精品无码一区二区牛牛| 国产公开免费人成视频| 中文韩国午夜理伦三级好看| 欧美亚洲国产精品久久蜜芽| 亚洲高潮喷水无码av电影| 欧美成人猛交69| 国产精品视频一区国模私拍| 国产天堂久久天堂av色综合| 亚洲国产精品综合久久网络| 狠狠爱天天综合色欲网| 午夜做受视频试看6次| 精品熟女少妇av久久免费软件| 国产普通话对白刺激| 国产成av人片久青草影院| 亚洲a∨无码国产精品久久网| 免费夫妻生活片av| 亚洲国产成人无码电影| 亚洲熟妇av综合网| 亚洲人成网站在线播放2020| 国产精品国产三级国产普通话| 无码手机线免费播放三区视频| 国产成人92精品午夜福利| 狠狠爱天天综合色欲网| 精品精品国产理论在线观看| 日韩人妻无码一区二区三区俄罗斯| 性xxxxx欧美极品少妇| 国产成人午夜福利在线播放| 日本一区二区更新不卡| 亚洲国产成人手机在线电影| 久久精品免视看国产成人明星| 日韩欧美偷拍高跟鞋精品一区| 国产愉拍精品手机| 好紧好爽好深再快点av在线| 国产亚洲产品影视在线产品| 精品国产一区二区av片| 精品国产人妻一区二区三区免费| 日本人妻精品免费视频| 中文人妻无码一区二区三区在线 | 国产乱子伦无码精品小说| 日韩视频中文字幕精品偷拍| 日本爽快片18禁免费看 | aⅴ亚洲 日韩 色 图网站 播放| 日本一区二区a√成人片| 色欲久久九色一区二区三区| 99久久国产露脸国语对白| 免费看国产成年无码av| 久久国产乱子伦精品免费乳及| 自拍偷自拍亚洲精品第1页| 日韩a∨无码中文无码电影| 亚洲综合伊人久久大杳蕉| 欧美性暴力变态xxxx| 国产亚洲另类无码专区| 精品久久久爽爽久久久av| 久久综合色一综合色88| 亚洲欧美另类成人综合图片| 国产精品人妻熟女男人的天堂 | 久久精品人人做人人爱爱漫画| 99这里只有是精品2| 欧美丰满熟妇乱xxxxx视频| 无码精品国产dvd在线观看9久| 欧美人与动牲交a免费| 国产嫖妓一区二区三区无码| 最新日韩精品中文字幕| 熟女少妇丰满一区二区| 69成人免费视频无码专区| 国产二区交换配乱婬| 人妻人人做人碰人人添| 亚洲中文字幕久久精品无码va| 综合久久婷婷综合久久| 亚洲精品gv天堂无码男同| 国产又黄又爽又色的免费| 婷婷久久综合九色综合88| 丁香五月激情缘综合区| 超碰97人人做人人爱网站| 国产亚洲欧美日韩在线观看一区| 国产成年无码久久久免费| 欧美牲交a欧美牲交aⅴ图片| 国产美女精品视频线播放| 成人免费午夜无码视频在线播放| 亚洲色大成网站www看下面| 国产精品亚洲欧美大片在线观看 | 日韩a∨无码中文无码电影| 又摸又揉又黄又爽的视频| 狠狠婷婷色五月中文字幕| 成人国产mv免费视频| 中文精品一卡2卡3卡4卡| 自拍偷在线精品自拍偷| 国产成人av在线免播放观看更新| 亚洲国产欧美一区三区成人| 2020久热爱精品视频在线观看| 日韩亚洲国产高清免费视频| 少妇人妻在线无码天堂视频网| 都市激情 在线 亚洲 国产| 亚洲日韩欧美国产另类综合| 亚洲中文无码线在线观看| 国产av无码日韩av无码网站| 日本做受高潮好舒服视频| 亚洲—本道 在线无码| 亚洲综合国产在不卡在线| 亚洲高清国产av拍精品青青草原| 国产精品无码dvd在线观看| 久久精品久久电影免费| 2021亚洲爆乳无码专区| 9久9久女女热精品视频在线观看| 亚洲国产成人在人网站天堂| 国产熟女亚洲精品麻豆| 亚洲欧美精品综合一区| 日日摸夜夜添无码无码av| 亚洲成aⅴ人在线视频| 国产免费人成网站x8x8| 久久永久免费人妻精品下载| 中字幕久久久人妻熟女天美传媒| 日韩欧美一区二区三区永久免费| 亚洲成av人片在线观看橙子| 夜夜躁狠狠躁日日躁孕妇| 国产香蕉一区二区三区在线视频 | 国产国拍亚洲精品av| 亚洲综合无码中文字幕第2页| a国产一区二区免费入口| 国产香港明星裸体xxxx视频| 男女裸交无遮挡啪啪激情试看| 久久国产精品二国产精品| 伊人久久大香线蕉av色| 国产成人精品人人| 国产在线视频一区二区三区欧美图片| 日韩亚洲中字无码一区二区三区| 婷婷久久香蕉五月综合| 国产在线拍揄自揄视频网站| 国产精品女视频一区二区| 亚洲高请码在线精品av| 国产精品视频一区国模私拍| 好男人社区资源| 亚洲aⅴ天堂av在线电影| 狠痕鲁狠狠爱2021在| 久久99er精品国产首页| av无码国产在线看免费网站| 亚洲精品久久久久久中文字幂| 日日狠狠久久偷偷色综合| 日韩高清在线观看永久| 亚洲国产欧美一区点击进入| 亚洲一区二区三区 无码| 牲高潮99爽久久久久777| 99久久e免费热视频百度| 久在线精品视频线观看| 国产精品爆乳在线播放第一人称| 宅男66lu国产在线观看| 免费看国产成年无码av| 精品国产乱码久久久久久乱码| 国产成av人片在线观看无码| 18禁床震无遮掩视频| 精品无码一区二区三区水蜜桃| 2021国产精品视频网站| 精品四虎国产在免费观看| 亚洲a∨无码一区二区| 国产一区二区丝袜高跟鞋| 69国产精品成人aaaaa片| 天天澡日日澡狠狠欧美老妇| 性高朝大尺度少妇大屁股| 加勒比久久综合网天天| 亚洲精品gv天堂无码男同| 免费国产黄网站在线观看动图| 亚洲依依成人综合网址| 国产成人综合日韩精品无码不卡| 久久男人av资源站| 三上悠亚网站在线观看一区二区 | 中文字幕久久久久人妻中出| 久久99av无色码人妻蜜柚| 国产亚洲曝欧美曝妖精品| 熟女人妻少妇精品视频| 最新国内精品自在自线视频| 日韩av无码国产精品| 日韩人妻ol丝袜av一二区| 国产精品高清一区二区三区不卡| 人人妻久久人人澡人人爽人人精品| 欧美另类与牲交zozozo| 色综合亚洲一区二区小说性色aⅴ| 欧美国产日韩在线三区| 亚洲人成伊人成综合网小说 | 亚洲一区波多野结衣在线app| 手机看片aⅴ永久免费无码| 亚洲人成人无码www影院| 超碰色偷偷男人的天堂| 夜色福利站www国产在线视频| 国产亚洲精品久久一区二区三区| 久章草这里只有精品| 亚洲国产日韩视频观看| 东京热一本无码av| 日本免费大黄在线观看| 亚洲成年轻人电影网站www| 亚洲色在线v中文字幕| 天天澡日日澡狠狠欧美老妇| 亚洲精品色婷婷在线影院| 国产主播av福利精品一区| 久久国产综合精品swag蓝导航 | 97色伦午夜国产亚洲精品| 国产欧美另类久久久精品不卡 | 国产国产成年年人免费看片| 人妻加勒比系列无码专区| 久久久久人妻啪啪一区二区| 120秒试看无码体验区| 亚洲另类自拍丝袜第五页| 国产愉拍精品手机| 大片视频免费观看视频| 国产午夜亚洲精品久久| 欧美va亚洲va在线观看日本| 久久久久久久波多野结衣高潮| 综合激情丁香久久狠狠| 狠狠爱天天综合色欲网| 国产乱子伦一区二区三区=| 亚洲国产欧美在线观看的| 无码不卡黑人与日本人| 欧亚乱熟女一区二区三区在线| 亚洲一区无码中文字幕乱码| 国产做爰全免费的视频| 人妻系列无码专区免费视频| 蜜臀少妇人妻在线| 黑人强伦姧人妻久久| 宅女午夜福利免费视频| 国产国拍亚洲精品永久69| 伊人久久大香线蕉av色| 国产精品国产三级国产专i| 欧美日韩精品一区二区三区不卡| 亚洲人成无码网www电影榴莲 | 色欲色香天天天综合无码www| 久久国产成人免费网站| 亚洲精品久久无码av片软件| 在线岛国片免费无码av| 久久综合综合久久综合| 奇米综合四色77777久久| 日本亚洲色大成网站www| 中本亚洲欧美国产日韩| 久久久精品2019免费观看| 亚洲第一区欧美国产综合| 无码尹人久久相蕉无码| 天堂av国产夫妇精品自在线| 夜色福利院在线观看免费| 无码av免费永久免费永久专区| 米奇欧美777四色影视在线| 日韩亚洲国产中文永久 | 国自产偷精品不卡在线| 人妻人人做人碰人人添| 久久精品99av高久久精品| 无码写真精品永久福利在线| 久久婷婷五月综合色和| 亚洲精品入口一区二区乱麻豆精品 | 亚洲欧美黑人猛交群| 亚洲精品国偷拍自产在线观看| a亚洲va欧美va国产综合| 18禁止进入1000部高潮网站| 亚洲中文在线播放一区| 国产精品无码专区第一页| 久久www免费人成_看片中文 | 中中文字幕亚洲无线码| 国产成人综合美国十次| 国产成人一区二区三区视频免费| 成人亚洲欧美一区二区| 久久国产劲暴∨内射| 亚洲已满18点击进入在线观看| 午夜精品成人一区二区视频| 99久久国产综合精品女同图片| 久久综合老色鬼网站| 亚洲欧美综合国产精品二区| 国产亚洲视频在线观看网址| 羞羞影院午夜男女爽爽| 欧美精品1卡二卡三卡四卡| 夜夜夜躁高潮天天爽| 国产又色又爽无遮挡免费| 欧美大屁股bbbbxxxx| av人摸人人人澡人人超碰小说| 久久www成人免费看| 成人国内精品久久久久影院| 亚洲午夜未满十八勿入| 窝窝午夜色视频国产精品破| 亚洲国产精品av在线播放 | 午夜伦4480yy私人影院久久| 成人乱码一区二区三区av66| 欧美 日韩 亚洲 精品二区| 99精品丰满人妻无码a片| 久青草国产97香蕉在线影院| 日本狂喷奶水在线播放212| 成人精品视频在线观看不卡| 日本中文字幕有码在线视频| 首页 动漫 亚洲 欧美 日韩| 韩国专区福利一区二区| 日韩av爽爽爽久久久久久| 99久久久国产精品免费牛牛| 国内2020揄拍人妻在线视频| 日韩精品国产另类专区| 成年午夜性影院| 色婷婷亚洲婷婷五月| 亚洲成a人片在线观看的电影| 久久精品中文字幕免费| 99久久99这里只有免费费精品| 特殊重囗味sm在线观看无码 | 国产精品久久久久久成人影院| 久久超乳爆乳中文字幕| 四虎精品 在线 成人 影院| 亚洲色在线v中文字幕| 国产福利第一视频在线播放| 久久www免费人成看片入口| 国产成人尤物在线视频| 日韩 另类 综合 自拍 亚洲| 欧美人与动牲猛交xxxxbbbb| 丁香婷婷激情综合俺也去| av明星换脸无码精品区| 一本热久久sm色国产|