欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

基于OpenCV與LBPH算法的人臉識(shí)別系統(tǒng):從原理到工程實(shí)踐

基于OpenCV與LBPH算法的人臉識(shí)別系統(tǒng):從原理到工程實(shí)踐 簡(jiǎn)介本資源是一個(gè)基于OpenCV實(shí)現(xiàn)的完整人臉識(shí)別系統(tǒng)項(xiàng)目面向計(jì)算機(jī)視覺(jué)初學(xué)者、Python開(kāi)發(fā)者及人工智能課程實(shí)踐者旨在解決人臉檢測(cè)、特征提取與身份識(shí)別等核心問(wèn)題適用于門禁考勤、智能監(jiān)控、用戶認(rèn)證等典型場(chǎng)景。壓縮包共53個(gè)文件包含6個(gè)核心Python模塊如FaceGui.py圖形界面、VideoStream.py視頻流處理、FaceTools.py特征處理、5個(gè)Haar級(jí)聯(lián)分類器XML文件用于多部位檢測(cè)、28張標(biāo)注人臉圖像.jpg、1個(gè)訓(xùn)練模型result.yml、1個(gè)用戶信息序列化文件usrs_info.pickle及配套配置、說(shuō)明與備份文件整體大小為19.31MB。已有75人學(xué)習(xí)下載資源結(jié)構(gòu)高度模塊化各組件職責(zé)清晰附帶README.md使用指南與Setting.py配置入口便于快速運(yùn)行、調(diào)試與二次開(kāi)發(fā)同時(shí)提供附贈(zèng)視頻演示video.mp4及多角度人臉樣本顯著降低入門門檻并支持光照、姿態(tài)變化下的魯棒性驗(yàn)證。1. 項(xiàng)目概述從零構(gòu)建一個(gè)實(shí)用的人臉識(shí)別系統(tǒng)最近在整理一些舊項(xiàng)目翻到了幾年前用OpenCV做的人臉識(shí)別demo。當(dāng)時(shí)覺(jué)得這技術(shù)挺酷但真上手做從環(huán)境配置到算法調(diào)優(yōu)踩的坑可不少?,F(xiàn)在回頭看很多問(wèn)題其實(shí)都有更優(yōu)雅的解決方案。所以我想把這段經(jīng)歷重新梳理一遍結(jié)合最新的OpenCV 4.x版本和更成熟的實(shí)踐分享一個(gè)從零開(kāi)始、能實(shí)際跑起來(lái)的“基于OpenCV的人臉識(shí)別系統(tǒng)”的完整構(gòu)建過(guò)程。這個(gè)系統(tǒng)聽(tīng)起來(lái)高大上但核心邏輯并不復(fù)雜。簡(jiǎn)單來(lái)說(shuō)就是讓電腦學(xué)會(huì)“看臉認(rèn)人”。它需要完成幾個(gè)關(guān)鍵任務(wù)首先得能從攝像頭或者圖片里準(zhǔn)確地找到人臉的位置然后把這張臉的特征提取出來(lái)轉(zhuǎn)化成一串?dāng)?shù)字也就是特征向量最后拿著這串?dāng)?shù)字去跟之前注冊(cè)好的人臉數(shù)據(jù)庫(kù)進(jìn)行比對(duì)找出最相似的那個(gè)完成識(shí)別。整個(gè)過(guò)程OpenCV這個(gè)強(qiáng)大的計(jì)算機(jī)視覺(jué)庫(kù)幾乎提供了我們所需的所有工具。它適合誰(shuí)呢如果你是計(jì)算機(jī)視覺(jué)的初學(xué)者想找一個(gè)有明確產(chǎn)出、能串聯(lián)起多個(gè)知識(shí)點(diǎn)的實(shí)戰(zhàn)項(xiàng)目這個(gè)再合適不過(guò)了。對(duì)于有一定經(jīng)驗(yàn)的開(kāi)發(fā)者你可能想快速驗(yàn)證一個(gè)門禁、考勤或者互動(dòng)應(yīng)用的視覺(jué)方案這個(gè)系統(tǒng)也能提供一個(gè)可靠的起點(diǎn)。我會(huì)盡量把原理講透把步驟拆細(xì)確保你跟著做就能出結(jié)果同時(shí)也能明白每一步背后的“為什么”。2. 核心思路與方案選型為什么是OpenCVLBPH在動(dòng)手寫代碼之前我們先得把整個(gè)系統(tǒng)的骨架搭起來(lái)搞清楚要做什么、用什么做、以及為什么這么選。人臉識(shí)別聽(tīng)起來(lái)是一個(gè)整體但實(shí)際上可以清晰地拆解為三個(gè)環(huán)環(huán)相扣的步驟人臉檢測(cè)、特征提取、識(shí)別比對(duì)。2.1 技術(shù)流程拆解三步走策略第一步人臉檢測(cè)。這是所有后續(xù)工作的基礎(chǔ)任務(wù)是在一張圖像中定位出人臉?biāo)诘木匦螀^(qū)域。你可以把它想象成在人群中先找到目標(biāo)人物。OpenCV在這方面非常給力它內(nèi)置了基于Haar特征和AdaBoost級(jí)聯(lián)分類器的檢測(cè)器也有更現(xiàn)代的基于HOG方向梯度直方圖和深度學(xué)習(xí)如SSD的模型。對(duì)于入門和大多數(shù)常規(guī)場(chǎng)景Haar級(jí)聯(lián)分類器足夠用了它速度快在正面人臉上準(zhǔn)確率很高而且OpenCV自帶訓(xùn)練好的模型文件.xml開(kāi)箱即用。第二步特征提取。檢測(cè)到人臉區(qū)域后我們需要從中提取出能夠代表這張臉獨(dú)特性的信息。原始的人臉圖片像素?cái)?shù)據(jù)量太大且包含大量冗余信息比如背景、光照變化。特征提取的目的就是“降維”和“抽象”得到一組緊湊的、對(duì)光照和表情變化相對(duì)魯棒的特征向量。這里我們選擇LBPH局部二值模式直方圖算法。它計(jì)算的是人臉圖像局部紋理特征對(duì)光照變化不敏感而且OpenCV的face模塊直接提供了LBPHFaceRecognizer這個(gè)類封裝好了訓(xùn)練和預(yù)測(cè)接口極大降低了實(shí)現(xiàn)難度。第三步識(shí)別比對(duì)。提取出待識(shí)別人臉的特征向量后系統(tǒng)需要將其與數(shù)據(jù)庫(kù)中已注冊(cè)的人臉特征進(jìn)行相似度計(jì)算。LBPH算法內(nèi)部會(huì)計(jì)算一個(gè)距離值比如卡方距離距離越小表示兩張臉越相似。我們?cè)O(shè)定一個(gè)閾值當(dāng)最小距離小于閾值時(shí)就認(rèn)為是同一個(gè)人并輸出其標(biāo)簽如姓名否則就標(biāo)記為“未知”。2.2 工具選型背后的邏輯為什么主選OpenCV和LBPH這個(gè)組合這里有幾個(gè)很實(shí)際的考量。首先是開(kāi)發(fā)效率與生態(tài)。OpenCV是一個(gè)經(jīng)過(guò)近20年發(fā)展的、功能極其全面的計(jì)算機(jī)視覺(jué)庫(kù)。它用C優(yōu)化了核心算法同時(shí)提供了Python接口讓我們能用簡(jiǎn)潔的Python語(yǔ)法調(diào)用高性能的底層實(shí)現(xiàn)。這意味著我們不需要從零實(shí)現(xiàn)復(fù)雜的圖像處理算法可以把精力集中在系統(tǒng)邏輯和業(yè)務(wù)集成上。其豐富的社區(qū)資源和文檔也確保了我們?cè)谟龅絾?wèn)題時(shí)能快速找到解決方案。其次是算法與場(chǎng)景的匹配度。LBPH算法屬于傳統(tǒng)機(jī)器學(xué)習(xí)方法它不像深度學(xué)習(xí)模型如FaceNet需要海量的數(shù)據(jù)和強(qiáng)大的GPU進(jìn)行訓(xùn)練。對(duì)于一個(gè)小型的、封閉場(chǎng)景的人臉識(shí)別系統(tǒng)比如公司內(nèi)部考勤、家庭門禁可能只有幾十到幾百個(gè)人的數(shù)據(jù)量LBPH完全能夠勝任而且訓(xùn)練速度極快在普通CPU上幾秒內(nèi)就能完成。它的模型文件也很小便于部署。深度學(xué)習(xí)模型雖然精度更高但需要復(fù)雜的訓(xùn)練流程、更大的計(jì)算開(kāi)銷和更精細(xì)的調(diào)參對(duì)于快速原型驗(yàn)證和輕量級(jí)應(yīng)用來(lái)說(shuō)有點(diǎn)“殺雞用牛刀”。最后是系統(tǒng)的可解釋性與可控性。傳統(tǒng)方法如LBPH其計(jì)算過(guò)程和特征含義相對(duì)直觀。如果識(shí)別效果不理想我們可以通過(guò)分析特征直方圖、調(diào)整算法參數(shù)如網(wǎng)格劃分、半徑、鄰域點(diǎn)數(shù)來(lái)進(jìn)行有針對(duì)性的優(yōu)化。而深度學(xué)習(xí)模型更像一個(gè)黑盒調(diào)優(yōu)過(guò)程更依賴經(jīng)驗(yàn)和大量實(shí)驗(yàn)。注意這里的選擇是基于通用性、易用性和快速上手的平衡。如果你的項(xiàng)目對(duì)識(shí)別精度有極致要求比如金融級(jí)安全認(rèn)證或者需要應(yīng)對(duì)極端姿態(tài)、遮擋那么投入資源研究基于深度學(xué)習(xí)的人臉識(shí)別方案如使用OpenCV的DNN模塊加載預(yù)訓(xùn)練的FaceNet或ArcFace模型是必要的方向。但對(duì)于絕大多數(shù)入門和中等需求的應(yīng)用LBPH方案是一個(gè)堅(jiān)實(shí)可靠的起點(diǎn)。3. 環(huán)境搭建與核心工具詳解工欲善其事必先利其器。一個(gè)穩(wěn)定、兼容的環(huán)境是項(xiàng)目成功的一半。下面我會(huì)詳細(xì)說(shuō)明如何搭建PythonOpenCV的開(kāi)發(fā)環(huán)境并解釋幾個(gè)關(guān)鍵工具的作用。3.1 Python與OpenCV安裝指南我強(qiáng)烈推薦使用Anaconda來(lái)管理Python環(huán)境。它能很好地解決不同項(xiàng)目間包版本沖突的問(wèn)題。如果你習(xí)慣用原生Python和pip也完全可以但需要注意系統(tǒng)依賴庫(kù)的安裝。對(duì)于Windows/macOS/Linux用戶使用pip打開(kāi)你的終端Windows是CMD或PowerShell執(zhí)行以下命令即可。這里我們安裝OpenCV的主包opencv-python和包含額外模塊如人臉識(shí)別相關(guān)face模塊的opencv-contrib-python。pip install opencv-python opencv-contrib-python通常這會(huì)安裝當(dāng)前最新的穩(wěn)定版本如4.8.x。安裝完成后可以在Python中驗(yàn)證import cv2 print(cv2.__version__)對(duì)于Anaconda用戶你可以創(chuàng)建一個(gè)新的虛擬環(huán)境來(lái)隔離本項(xiàng)目。conda create -n opencv-face python3.9 conda activate opencv-face # 在conda環(huán)境中有時(shí)直接安裝opencv-contrib-python可能遇到兼容性問(wèn)題可以嘗試從conda-forge頻道安裝 conda install -c conda-forge opencv # 或者仍然使用pip在conda環(huán)境內(nèi)安裝 pip install opencv-contrib-python關(guān)于版本選擇的經(jīng)驗(yàn)之談除非你有特定需求比如某些老代碼只兼容OpenCV 3.x否則建議使用最新的4.x穩(wěn)定版。新版本通常修復(fù)了舊版的bug并可能包含一些性能優(yōu)化。opencv-contrib-python包至關(guān)重要因?yàn)闃?biāo)準(zhǔn)opencv-python不包含我們后面要用到的face模塊即cv2.face.LBPHFaceRecognizer_create()。3.2 輔助工具介紹NumPy與Matplotlib安裝OpenCV時(shí)pip會(huì)自動(dòng)安裝其依賴的numpy。但你仍需了解它們的作用。NumPy這是Python科學(xué)計(jì)算的基礎(chǔ)包。在OpenCV中圖像本質(zhì)上就是一個(gè)多維的NumPy數(shù)組例如一個(gè)1080x1920的彩色圖像就是一個(gè)形狀為(1080, 1920, 3)的數(shù)組。我們對(duì)人像區(qū)域進(jìn)行裁剪、尺寸縮放、顏色空間轉(zhuǎn)換等所有操作都是在和NumPy數(shù)組打交道。它的高效矩陣運(yùn)算能力是OpenCV性能的保障。Matplotlib這是一個(gè)繪圖庫(kù)。在開(kāi)發(fā)調(diào)試階段非常有用。比如你可以用它來(lái)顯示檢測(cè)到的人臉框、可視化特征直方圖或者對(duì)比不同預(yù)處理效果。雖然OpenCV有自己的cv2.imshow()函數(shù)但在Jupyter Notebook等交互環(huán)境中Matplotlib的集成度更高顯示效果也更靈活。3.3 項(xiàng)目目錄結(jié)構(gòu)規(guī)劃在寫代碼前規(guī)劃好目錄結(jié)構(gòu)能讓你的項(xiàng)目清晰易懂也便于后期維護(hù)。我建議創(chuàng)建一個(gè)如下所示的文件夾結(jié)構(gòu)face_recognition_project/ │ ├── data/ # 數(shù)據(jù)目錄 │ ├── known_faces/ # 已知人臉庫(kù)每人一個(gè)子文件夾以人名命名 │ │ ├── person_A/ │ │ │ ├── face_1.jpg │ │ │ └── face_2.jpg │ │ └── person_B/ │ │ └── ... │ └── unknown_faces/ # 待識(shí)別的未知人臉圖片 │ ├── cascades/ # 存放OpenCV級(jí)聯(lián)分類器文件 │ └── haarcascade_frontalface_default.xml │ ├── models/ # 存放訓(xùn)練好的識(shí)別模型 │ └── face_recognizer.yml │ ├── scripts/ # 腳本文件 │ ├── 01_collect_faces.py # 人臉數(shù)據(jù)采集腳本 │ ├── 02_train_model.py # 模型訓(xùn)練腳本 │ └── 03_recognize.py # 實(shí)時(shí)識(shí)別腳本 │ └── utils.py # 公用函數(shù)模塊如圖像預(yù)處理函數(shù)這個(gè)結(jié)構(gòu)將數(shù)據(jù)、模型、代碼邏輯分離開(kāi)非常清晰。cascades文件夾里的haarcascade_frontalface_default.xml文件需要從OpenCV的GitHub倉(cāng)庫(kù)下載或者在你安裝的OpenCV目錄里找通常在opencv/data/haarcascades/路徑下。把它復(fù)制到你的項(xiàng)目cascades文件夾里備用。4. 核心模塊實(shí)現(xiàn)與代碼逐行解析接下來(lái)我們進(jìn)入核心環(huán)節(jié)一步步實(shí)現(xiàn)系統(tǒng)的各個(gè)功能模塊。我會(huì)把代碼拆開(kāi)揉碎了講讓你不僅知道怎么寫更明白為什么這么寫。4.1 人臉檢測(cè)Haar級(jí)聯(lián)分類器的原理與使用人臉檢測(cè)我們選用Haar級(jí)聯(lián)分類器。它的原理簡(jiǎn)單來(lái)說(shuō)就是用一系列簡(jiǎn)單的“特征模板”比如邊緣、線段、對(duì)角線在圖像上滑動(dòng)計(jì)算模板覆蓋區(qū)域的像素和之差這個(gè)差值構(gòu)成了“特征值”。通過(guò)AdaBoost算法從成千上萬(wàn)個(gè)這樣的簡(jiǎn)單特征中挑選出最能區(qū)分人臉和非人臉的少數(shù)關(guān)鍵特征組合成一個(gè)強(qiáng)分類器。最后將這些強(qiáng)分類器串聯(lián)成“級(jí)聯(lián)”讓圖像區(qū)域依次通過(guò)所有關(guān)卡只有通過(guò)全部關(guān)卡的區(qū)域才被認(rèn)定為人臉。這種結(jié)構(gòu)能快速排除大量非人臉區(qū)域效率很高。在代碼中使用它非常簡(jiǎn)單import cv2 # 1. 加載預(yù)訓(xùn)練的分類器 face_cascade cv2.CascadeClassifier(cascades/haarcascade_frontalface_default.xml) # 2. 讀取圖像并轉(zhuǎn)為灰度圖Haar特征在灰度圖上計(jì)算更快更有效 img cv2.imread(some_person.jpg) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 3. 執(zhí)行檢測(cè) # scaleFactor: 圖像縮放比例用于構(gòu)建圖像金字塔檢測(cè)不同大小的人臉通常1.1-1.3 # minNeighbors: 候選框周圍需要有多少個(gè)鄰居檢測(cè)到的重疊框才能被保留值越高誤檢越少但可能漏檢 # minSize: 人臉最小尺寸例如(30, 30)可以過(guò)濾掉太小的錯(cuò)誤檢測(cè) faces face_cascade.detectMultiScale(gray, scaleFactor1.1, minNeighbors5, minSize(30, 30)) # 4. 繪制檢測(cè)框 for (x, y, w, h) in faces: cv2.rectangle(img, (x, y), (xw, yh), (0, 255, 0), 2) # 綠色框線寬2像素 cv2.imshow(Detected Faces, img) cv2.waitKey(0) cv2.destroyAllWindows()參數(shù)調(diào)優(yōu)心得scaleFactor默認(rèn)1.1是個(gè)不錯(cuò)的起點(diǎn)。如果你要檢測(cè)的人臉尺寸變化范圍很大比如距離攝像頭遠(yuǎn)近不一可以稍微調(diào)大如1.05但計(jì)算量會(huì)增加。如果人臉大小比較統(tǒng)一可以調(diào)大到1.2或1.3以加快速度。minNeighbors這是控制檢測(cè)“嚴(yán)格度”的關(guān)鍵參數(shù)。值設(shè)得太低如3你會(huì)得到很多重復(fù)的框和可能的誤檢把窗戶、畫報(bào)誤認(rèn)為人臉。值設(shè)得太高如10可能會(huì)漏掉一些真實(shí)的人臉。通常4-6是一個(gè)比較好的平衡區(qū)間。在實(shí)際應(yīng)用中我通常會(huì)先用默認(rèn)值5跑一遍如果發(fā)現(xiàn)誤檢多就調(diào)高如果漏檢多就調(diào)低并結(jié)合minSize一起調(diào)整。minSize根據(jù)你的應(yīng)用場(chǎng)景設(shè)定。如果是近距離的門禁人臉可能占畫面較大可以設(shè)為(100, 100)來(lái)過(guò)濾遠(yuǎn)處的行人。如果是廣角監(jiān)控可能需要設(shè)為(30, 30)。4.2 人臉數(shù)據(jù)采集與預(yù)處理構(gòu)建高質(zhì)量數(shù)據(jù)集模型訓(xùn)練的好壞七分靠數(shù)據(jù)。采集人臉數(shù)據(jù)不是簡(jiǎn)單地拍張照而是有講究的。我們寫一個(gè)數(shù)據(jù)采集腳本01_collect_faces.py。這個(gè)腳本會(huì)打開(kāi)攝像頭使用上面的人臉檢測(cè)器找到人臉然后自動(dòng)裁剪、預(yù)處理并保存。import cv2 import os def collect_face_samples(name, sample_count50, output_dirdata/known_faces): 為指定人員采集人臉樣本 :param name: 人員姓名將作為文件夾名 :param sample_count: 需要采集的樣本數(shù)量 :param output_dir: 根輸出目錄 # 創(chuàng)建人員專屬文件夾 person_dir os.path.join(output_dir, name) if not os.path.exists(person_dir): os.makedirs(person_dir) # 初始化攝像頭和檢測(cè)器 cap cv2.VideoCapture(0) face_cascade cv2.CascadeClassifier(cascades/haarcascade_frontalface_default.xml) count 0 print(f開(kāi)始為 {name} 采集人臉樣本。請(qǐng)保持面部在攝像頭前緩慢變化角度和表情。) while count sample_count: ret, frame cap.read() if not ret: break gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces face_cascade.detectMultiScale(gray, 1.1, 5, minSize(100, 100)) # 只處理檢測(cè)到單張人臉的情況避免多人干擾 if len(faces) 1: (x, y, w, h) faces[0] # 繪制框并顯示計(jì)數(shù) cv2.rectangle(frame, (x, y), (xw, yh), (0, 255, 0), 2) cv2.putText(frame, fCollecting: {count1}/{sample_count}, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2) # **關(guān)鍵步驟預(yù)處理并保存人臉區(qū)域** face_roi gray[y:yh, x:xw] # 裁剪灰度人臉區(qū)域 # 將人臉縮放到統(tǒng)一尺寸LBPH算法通常需要比如 (100, 100) 或 (92, 112) face_resized cv2.resize(face_roi, (100, 100)) # 可選的直方圖均衡化增強(qiáng)對(duì)比度減輕光照影響 face_eq cv2.equalizeHist(face_resized) # 保存預(yù)處理后的人臉圖像 file_path os.path.join(person_dir, fface_{count}.jpg) cv2.imwrite(file_path, face_eq) count 1 print(f已采集樣本: {count}) cv2.imshow(Collecting Faces, frame) # 按q鍵可提前退出 if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows() print(f{name} 的樣本采集完成共 {count} 張。) if __name__ __main__: person_name input(請(qǐng)輸入待注冊(cè)人員的姓名: ) collect_face_samples(person_name)預(yù)處理的重要性與技巧統(tǒng)一尺寸LBPH算法內(nèi)部會(huì)將人臉圖像劃分成多個(gè)小網(wǎng)格cells來(lái)計(jì)算局部特征。如果輸入圖像尺寸不一會(huì)導(dǎo)致網(wǎng)格劃分不一致特征無(wú)法對(duì)齊。因此必須將所有裁剪出的人臉縮放到相同的尺寸如100x100像素。這個(gè)尺寸不宜過(guò)小否則會(huì)丟失細(xì)節(jié)也不宜過(guò)大否則會(huì)增加不必要的計(jì)算量?;叶然c直方圖均衡化我們?cè)诨叶葓D上進(jìn)行LBP計(jì)算。cv2.equalizeHist()是一個(gè)簡(jiǎn)單有效的圖像增強(qiáng)方法它能拉伸圖像的灰度分布使得亮區(qū)和暗區(qū)的細(xì)節(jié)都更明顯從而提高算法對(duì)光照變化的魯棒性。這是提升識(shí)別率的一個(gè)低成本高收益的操作。樣本多樣性采集時(shí)應(yīng)讓被采集者緩慢地左右轉(zhuǎn)頭、輕微抬頭低頭、做出微笑、張嘴等不同表情。這樣訓(xùn)練出的模型才能更好地應(yīng)對(duì)姿態(tài)和表情的變化。理想情況下每人采集30-50張樣本。4.3 模型訓(xùn)練LBPH算法深度解析數(shù)據(jù)準(zhǔn)備好后就可以訓(xùn)練我們的識(shí)別模型了。創(chuàng)建02_train_model.py。import cv2 import os import numpy as np def prepare_training_data(data_folder_path): 準(zhǔn)備訓(xùn)練數(shù)據(jù)讀取圖像提取標(biāo)簽并返回圖像列表和標(biāo)簽列表。 faces [] labels [] label_dict {} # 將人名映射為數(shù)字標(biāo)簽 current_label 0 # 遍歷已知人臉庫(kù)下的每個(gè)人物文件夾 for person_name in os.listdir(data_folder_path): person_path os.path.join(data_folder_path, person_name) if not os.path.isdir(person_path): continue # 給這個(gè)人物分配一個(gè)數(shù)字標(biāo)簽 label_dict[current_label] person_name print(f正在處理: {person_name} - 標(biāo)簽: {current_label}) # 遍歷該人物的所有人臉圖片 for image_name in os.listdir(person_path): if image_name.startswith(.): # 跳過(guò)隱藏文件 continue image_path os.path.join(person_path, image_name) # 以灰度模式讀取圖像訓(xùn)練時(shí)我們使用預(yù)處理后的灰度圖 img cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) if img is not None: faces.append(img) labels.append(current_label) # 這張圖片屬于當(dāng)前人物 else: print(f警告: 無(wú)法讀取圖像 {image_path}) current_label 1 print(f數(shù)據(jù)準(zhǔn)備完畢。總?cè)四様?shù): {len(faces)}, 總?cè)宋飻?shù): {len(label_dict)}) return faces, labels, label_dict def train_lbph_recognizer(faces, labels, model_save_pathmodels/face_recognizer.yml): 使用LBPH算法訓(xùn)練人臉識(shí)別模型。 # 創(chuàng)建LBPH識(shí)別器實(shí)例 # 參數(shù)說(shuō)明 # radius: LBP算子的半徑通常為1??刂朴?jì)算特征的鄰域大小。 # neighbors: 采樣點(diǎn)數(shù)目通常為8。半徑上的像素點(diǎn)數(shù)。 # grid_x, grid_y: 將人臉圖像劃分成的網(wǎng)格數(shù)默認(rèn)都是8。每個(gè)網(wǎng)格獨(dú)立計(jì)算LBP直方圖。 # threshold: 識(shí)別時(shí)的置信度閾值。距離大于此閾值則認(rèn)為是“未知”。這個(gè)參數(shù)很關(guān)鍵后面會(huì)講如何調(diào)。 recognizer cv2.face.LBPHFaceRecognizer_create(radius1, neighbors8, grid_x8, grid_y8) # 將數(shù)據(jù)轉(zhuǎn)換為NumPy數(shù)組 faces_np np.array(faces) labels_np np.array(labels) # 開(kāi)始訓(xùn)練 print(開(kāi)始訓(xùn)練LBPH模型...) recognizer.train(faces_np, labels_np) # 保存模型到文件 recognizer.write(model_save_path) print(f模型訓(xùn)練完成已保存至 {model_save_path}) return recognizer if __name__ __main__: data_path data/known_faces faces, labels, label_dict prepare_training_data(data_path) if len(faces) 0: print(錯(cuò)誤: 未找到任何訓(xùn)練數(shù)據(jù)請(qǐng)檢查數(shù)據(jù)路徑和圖像文件。) else: recognizer train_lbph_recognizer(faces, labels) # 可選保存標(biāo)簽字典用于預(yù)測(cè)時(shí)將數(shù)字標(biāo)簽轉(zhuǎn)換回人名 import pickle with open(models/label_dict.pkl, wb) as f: pickle.dump(label_dict, f) print(標(biāo)簽字典已保存。)LBPH參數(shù)詳解與調(diào)優(yōu)思路radius和neighbors定義了LBP算子的形狀。radius1, neighbors8是最常用的配置表示在以中心像素為圓心、半徑為1的圓周上取8個(gè)點(diǎn)進(jìn)行比較。增大半徑可以捕捉更大范圍的紋理特征但計(jì)算量增加且可能對(duì)圖像噪聲更敏感。grid_x和grid_y這是LBPH的精髓所在。它將整張人臉圖像劃分成grid_x * grid_y個(gè)小網(wǎng)格。算法會(huì)為每個(gè)網(wǎng)格單獨(dú)計(jì)算一個(gè)LBP直方圖最后將所有網(wǎng)格的直方圖連接起來(lái)形成整個(gè)人臉的特征向量。這樣做的好處是保留了人臉的空間結(jié)構(gòu)信息比如眼睛、鼻子、嘴巴區(qū)域的紋理模式不同。默認(rèn)的8x8劃分對(duì)于100x100的人臉每個(gè)網(wǎng)格是12.5x12.5像素在實(shí)踐中效果不錯(cuò)。你可以嘗試調(diào)整為7x7或9x9觀察對(duì)識(shí)別率的影響。threshold這是預(yù)測(cè)時(shí)的“門檻”。LBPH的predict方法會(huì)返回一個(gè)label預(yù)測(cè)的標(biāo)簽ID和一個(gè)confidence置信度實(shí)際是距離。距離越小越相似。如果confidence大于你設(shè)定的threshold即使找到了一個(gè)最相似的標(biāo)簽系統(tǒng)也應(yīng)該判定為“未知”。這個(gè)閾值沒(méi)有固定值必須在你的實(shí)際場(chǎng)景中通過(guò)測(cè)試來(lái)確定。通常做法是用一些已知人臉的測(cè)試集和未知人臉的圖片進(jìn)行預(yù)測(cè)觀察它們的confidence分布然后選一個(gè)能較好區(qū)分“已知”和“未知”的分界值。4.4 實(shí)時(shí)識(shí)別系統(tǒng)集成模型訓(xùn)練好后我們就可以構(gòu)建一個(gè)完整的實(shí)時(shí)識(shí)別程序了。創(chuàng)建03_recognize.py。import cv2 import pickle import numpy as np def load_model_and_labels(model_pathmodels/face_recognizer.yml, label_dict_pathmodels/label_dict.pkl): 加載訓(xùn)練好的模型和標(biāo)簽字典 recognizer cv2.face.LBPHFaceRecognizer_create() recognizer.read(model_path) with open(label_dict_path, rb) as f: label_dict pickle.load(f) return recognizer, label_dict def real_time_recognition(): recognizer, label_dict load_model_and_labels() face_cascade cv2.CascadeClassifier(cascades/haarcascade_frontalface_default.xml) cap cv2.VideoCapture(0) # **關(guān)鍵設(shè)置一個(gè)合適的閾值** # 這個(gè)值需要根據(jù)你的模型和場(chǎng)景調(diào)整??梢韵仍O(shè)一個(gè)較大的值如80然后根據(jù)識(shí)別結(jié)果調(diào)整。 confidence_threshold 60 print(實(shí)時(shí)識(shí)別已啟動(dòng)。按 q 鍵退出。) while True: ret, frame cap.read() if not ret: break gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 檢測(cè)人臉 faces face_cascade.detectMultiScale(gray, scaleFactor1.1, minNeighbors5, minSize(100, 100)) for (x, y, w, h) in faces: # 預(yù)處理步驟需與訓(xùn)練時(shí)嚴(yán)格一致 face_roi gray[y:yh, x:xw] face_resized cv2.resize(face_roi, (100, 100)) face_eq cv2.equalizeHist(face_resized) # 進(jìn)行預(yù)測(cè) label, confidence recognizer.predict(face_eq) # confidence 是距離越小越好。LBPH的confidence值范圍可能較大幾十到幾百都有可能。 # 根據(jù)閾值判斷 if confidence confidence_threshold: name label_dict.get(label, fLabel_{label}) display_text f{name} ({confidence:.1f}) color (0, 255, 0) # 綠色表示識(shí)別成功 else: display_text fUnknown ({confidence:.1f}) color (0, 0, 255) # 紅色表示未知 # 繪制框和文字 cv2.rectangle(frame, (x, y), (xw, yh), color, 2) # 將文字背景設(shè)置為半透明黑色提高可讀性 (text_width, text_height), baseline cv2.getTextSize(display_text, cv2.FONT_HERSHEY_SIMPLEX, 0.7, 2) cv2.rectangle(frame, (x, y - text_height - 10), (x text_width, y), (0, 0, 0), -1) # 填充背景 cv2.putText(frame, display_text, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.7, color, 2) cv2.imshow(Face Recognition, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows() if __name__ __main__: real_time_recognition()實(shí)時(shí)識(shí)別中的關(guān)鍵點(diǎn)預(yù)處理一致性這是很多新手容易出錯(cuò)的地方。訓(xùn)練時(shí)我們對(duì)人臉進(jìn)行了裁剪、縮放、直方圖均衡化。那么在預(yù)測(cè)時(shí)必須對(duì)檢測(cè)到的人臉區(qū)域進(jìn)行完全相同的預(yù)處理操作。任何不一致比如縮放尺寸不同、忘記均衡化都會(huì)導(dǎo)致特征提取偏差嚴(yán)重影響識(shí)別準(zhǔn)確率。閾值Threshold的設(shè)定藝術(shù)confidence_threshold是整個(gè)識(shí)別系統(tǒng)的“靈敏度旋鈕”。設(shè)得太低系統(tǒng)會(huì)變得非?!疤籼蕖奔词故潜救艘部赡芤?yàn)楣饩€、角度稍有變化而被拒識(shí)False Rejection。設(shè)得太高系統(tǒng)會(huì)變得“輕信”容易把長(zhǎng)得有點(diǎn)像的陌生人誤認(rèn)為已注冊(cè)人員False Acceptance。沒(méi)有一勞永逸的值。你需要收集一些“邊界案例”如本人不同光照下的照片、其他未注冊(cè)人員的照片進(jìn)行測(cè)試觀察它們的confidence分?jǐn)?shù)選擇一個(gè)能平衡誤識(shí)率和拒識(shí)率的值。這是一個(gè)需要反復(fù)實(shí)驗(yàn)和調(diào)整的過(guò)程。性能優(yōu)化在循環(huán)中人臉檢測(cè)detectMultiScale是性能瓶頸。如果感覺(jué)幀率較低可以嘗試降低檢測(cè)頻率比如每3幀檢測(cè)一次或者適當(dāng)調(diào)大scaleFactor和minSize來(lái)加速。對(duì)于非關(guān)鍵幀可以沿用上一幀的人臉位置進(jìn)行預(yù)測(cè)。5. 效果優(yōu)化與高級(jí)技巧一個(gè)能跑起來(lái)的系統(tǒng)只是開(kāi)始要讓它在實(shí)際環(huán)境中穩(wěn)定可靠還需要一些優(yōu)化技巧。5.1 提升識(shí)別準(zhǔn)確率的實(shí)用策略多角度數(shù)據(jù)采集與數(shù)據(jù)增強(qiáng)這是提升模型泛化能力最有效的方法。采集數(shù)據(jù)時(shí)務(wù)必涵蓋正面、左側(cè)面、右側(cè)面、輕微俯仰等不同角度。如果數(shù)據(jù)量有限可以在代碼中引入簡(jiǎn)單的數(shù)據(jù)增強(qiáng)比如對(duì)訓(xùn)練圖像進(jìn)行隨機(jī)的微小旋轉(zhuǎn)±5度、水平翻轉(zhuǎn)人臉基本對(duì)稱翻轉(zhuǎn)是安全的、亮度/對(duì)比度微調(diào)。這能模擬真實(shí)世界中的微小變化讓模型更魯棒??梢允褂胕mgaug或albumentations庫(kù)方便地實(shí)現(xiàn)。人臉對(duì)齊Face AlignmentLBPH對(duì)姿態(tài)比較敏感。如果人臉是歪的劃分的網(wǎng)格就和訓(xùn)練時(shí)正臉的網(wǎng)格對(duì)不齊。一個(gè)改進(jìn)思路是進(jìn)行簡(jiǎn)單的人臉對(duì)齊。我們可以利用人臉關(guān)鍵點(diǎn)檢測(cè)OpenCV的DNN模塊可以加載預(yù)訓(xùn)練的關(guān)鍵點(diǎn)模型如face_landmark_model.dat找到兩只眼睛的中心計(jì)算眼睛連線的角度然后旋轉(zhuǎn)圖像使眼睛連線水平。這樣能讓人臉姿態(tài)更統(tǒng)一顯著提升側(cè)臉識(shí)別率。光照歸一化直方圖均衡化是基礎(chǔ)方法。更高級(jí)的方法有CLAHE限制對(duì)比度自適應(yīng)直方圖均衡化它能避免局部區(qū)域過(guò)度增強(qiáng)。OpenCV中通過(guò)cv2.createCLAHE()實(shí)現(xiàn)。另外Gamma校正也可以用來(lái)調(diào)整圖像的整體亮度。在實(shí)際項(xiàng)目中我通常會(huì)嘗試幾種預(yù)處理方法的組合并在一個(gè)小的驗(yàn)證集上測(cè)試選擇效果最好的。集成預(yù)測(cè)與投票機(jī)制對(duì)于實(shí)時(shí)視頻流不要只依賴單幀的預(yù)測(cè)結(jié)果??梢跃S護(hù)一個(gè)短時(shí)間窗口如最近10幀對(duì)同一個(gè)人臉在這10幀內(nèi)的預(yù)測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)。采用“投票機(jī)制”選擇出現(xiàn)次數(shù)最多的標(biāo)簽作為最終結(jié)果或者計(jì)算平均置信度。這能有效平滑掉單幀的誤識(shí)別使輸出結(jié)果更穩(wěn)定。5.2 系統(tǒng)穩(wěn)定性與性能保障誤檢過(guò)濾Haar檢測(cè)器有時(shí)會(huì)把一些類人臉圖案如海報(bào)、玩偶檢出來(lái)。除了調(diào)整minNeighbors參數(shù)還可以加入寬高比過(guò)濾。正常人臉的寬高比大致在0.7到1.5之間。對(duì)于明顯超出這個(gè)范圍的檢測(cè)框可以直接丟棄。for (x, y, w, h) in faces: aspect_ratio w / h if 0.7 aspect_ratio 1.5: # 處理這個(gè)人臉框 pass人臉跟蹤Face Tracking在視頻中連續(xù)幀之間人臉位置變化很小??梢允褂煤?jiǎn)單的跟蹤算法如OpenCV的TrackerKCF或TrackerCSRT來(lái)跟蹤已檢測(cè)到的人臉。這樣在后續(xù)幀中可以在跟蹤框附近的小范圍內(nèi)進(jìn)行檢測(cè)或直接使用跟蹤結(jié)果大幅減少全圖檢測(cè)的計(jì)算量提升幀率。策略可以是“檢測(cè)-跟蹤-檢測(cè)”即每隔N幀做一次全圖檢測(cè)來(lái)糾正跟蹤漂移中間幀使用跟蹤。模型更新與增量學(xué)習(xí)一個(gè)實(shí)用的系統(tǒng)應(yīng)該能方便地添加新成員。OpenCV的LBPH模型支持增量訓(xùn)練。當(dāng)有新人員加入時(shí)你可以采集他的新數(shù)據(jù)然后調(diào)用recognizer.update(new_faces, new_labels)來(lái)更新模型而無(wú)需重新訓(xùn)練所有人。這在實(shí)際部署中非常有用。6. 常見(jiàn)問(wèn)題排查與調(diào)試心得在實(shí)際開(kāi)發(fā)中你肯定會(huì)遇到各種問(wèn)題。下面是我總結(jié)的一些常見(jiàn)“坑”及其解決方法。問(wèn)題現(xiàn)象可能原因排查步驟與解決方案cv2.face模塊找不到報(bào)錯(cuò)AttributeError安裝了opencv-python但未安裝opencv-contrib-python。運(yùn)行pip install opencv-contrib-python。安裝后確認(rèn)cv2.__version__版本一致。人臉檢測(cè)框亂飛誤檢很多detectMultiScale參數(shù)minNeighbors設(shè)置過(guò)低或場(chǎng)景中類人臉物體多。1. 逐步調(diào)高minNeighbors如從3調(diào)到6。2. 結(jié)合minSize限制最小人臉尺寸。3. 檢查環(huán)境光線是否過(guò)暗或過(guò)曝嘗試調(diào)整攝像頭或增加圖像預(yù)處理。檢測(cè)不到人臉minNeighbors設(shè)置過(guò)高minSize設(shè)置過(guò)大光線太差人臉角度過(guò)大非正面。1. 調(diào)低minNeighbors。2. 調(diào)小minSize。3. 改善光照條件。4. 嘗試使用側(cè)臉檢測(cè)器haarcascade_profileface.xml或考慮使用基于DNN的檢測(cè)模型如OpenCV的face_detector。訓(xùn)練時(shí)程序崩潰或報(bào)內(nèi)存錯(cuò)誤圖像尺寸過(guò)大或數(shù)量太多圖像讀取失敗。1. 確保所有人臉圖像已統(tǒng)一縮放到較小尺寸如100x100。2. 檢查prepare_training_data函數(shù)中cv2.imread是否成功讀取了圖像img is not None。3. 分批處理大量數(shù)據(jù)。識(shí)別結(jié)果全是“Unknown”confidence_threshold設(shè)置過(guò)低訓(xùn)練數(shù)據(jù)質(zhì)量差模糊、遮擋、角度單一預(yù)處理不一致。1.首先檢查預(yù)處理一致性確保訓(xùn)練和預(yù)測(cè)時(shí)裁剪、縮放、均衡化的步驟和參數(shù)完全一樣。2. 逐步提高threshold值觀察confidence輸出直到能識(shí)別出已知人臉。3. 檢查訓(xùn)練數(shù)據(jù)確保每人有足夠多15的、質(zhì)量好的、多樣化的樣本。識(shí)別錯(cuò)誤張冠李戴confidence_threshold設(shè)置過(guò)高不同人員的人臉樣本特征相似如雙胞胎訓(xùn)練數(shù)據(jù)中存在錯(cuò)誤標(biāo)簽。1. 適當(dāng)降低threshold但需配合“未知”檢測(cè)測(cè)試避免誤識(shí)率過(guò)高。2. 增加LBPH的grid_x和grid_y參數(shù)如從8調(diào)到12使用更精細(xì)的網(wǎng)格劃分以捕捉更細(xì)節(jié)的特征差異。3. 仔細(xì)檢查訓(xùn)練數(shù)據(jù)文件夾確保沒(méi)有放錯(cuò)圖片。實(shí)時(shí)識(shí)別幀率很低每幀都進(jìn)行全圖人臉檢測(cè)計(jì)算開(kāi)銷大。1. 降低檢測(cè)頻率如每3幀檢測(cè)一次。2. 縮小檢測(cè)圖像尺寸先對(duì)幀進(jìn)行縮放檢測(cè)后再映射回原坐標(biāo)。3. 引入人臉跟蹤減少全圖檢測(cè)次數(shù)。側(cè)臉或戴眼鏡識(shí)別率驟降LBPH對(duì)姿態(tài)和局部遮擋敏感訓(xùn)練數(shù)據(jù)缺乏此類樣本。1.豐富訓(xùn)練數(shù)據(jù)采集包含側(cè)臉、戴眼鏡/摘眼鏡、戴帽子等不同狀態(tài)的樣本。2.引入人臉對(duì)齊通過(guò)關(guān)鍵點(diǎn)檢測(cè)擺正人臉。3. 考慮使用對(duì)姿態(tài)更魯棒的算法如基于深度學(xué)習(xí)的特征提取器。調(diào)試心法當(dāng)識(shí)別效果不佳時(shí)請(qǐng)遵循“數(shù)據(jù)-預(yù)處理-模型參數(shù)-后處理”的排查路徑。數(shù)據(jù)永遠(yuǎn)是第一位的?;〞r(shí)間構(gòu)建一個(gè)干凈、多樣、高質(zhì)量的訓(xùn)練集比盲目調(diào)整模型參數(shù)有效得多??梢詫懸粋€(gè)簡(jiǎn)單的腳本可視化你的訓(xùn)練數(shù)據(jù)看看是否覆蓋了各種情況。然后確保訓(xùn)練和預(yù)測(cè)的管道完全一致。最后再去微調(diào)LBPH的radius、neighbors、grid_x、grid_y以及預(yù)測(cè)threshold這些參數(shù)。構(gòu)建這個(gè)人臉識(shí)別系統(tǒng)的過(guò)程就像搭積木每一步都環(huán)環(huán)相扣。從環(huán)境配置、數(shù)據(jù)采集到模型訓(xùn)練、實(shí)時(shí)識(shí)別再到最后的調(diào)優(yōu)排錯(cuò)每一個(gè)環(huán)節(jié)都有需要注意的細(xì)節(jié)。我最深的體會(huì)是耐心和系統(tǒng)化的測(cè)試是成功的關(guān)鍵。不要指望第一次訓(xùn)練就能達(dá)到完美效果準(zhǔn)備好一個(gè)包含各種“困難案例”不同光線、角度、表情的測(cè)試集反復(fù)迭代你的數(shù)據(jù)、預(yù)處理和參數(shù)觀察模型在這些案例上的表現(xiàn)變化你就能逐漸摸清門道讓系統(tǒng)越來(lái)越可靠。這個(gè)基于OpenCV和LBPH的方案雖然比不上最前沿的深度學(xué)習(xí)模型但它為你理解人臉識(shí)別的完整流程、掌握計(jì)算機(jī)視覺(jué)項(xiàng)目的開(kāi)發(fā)方法打下了一個(gè)無(wú)比扎實(shí)的基礎(chǔ)。當(dāng)你吃透了這一切再去探索更復(fù)雜的模型時(shí)就會(huì)感到游刃有余。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
久/久精品99看9| 亚洲 精品 综合 精品| 色五月天婷婷| 午夜理论片最新午夜理论剧| 欧美久人人| 婷婷色婷婷| 狠狠色官网| 色婷婷香蕉在线| 九九热只有精品| 操操自拍| 婷婷综合玖玖五月| 伊人91| 久久99久久99精品免视看婷婷| 久热爱大香蕉在线蜜臀悦色| 国产JK精品白丝AV在线观看| www.久久久.com| 99热99热在线观看| 国产综合视频婷婷| 亚洲四色五月| 亚洲电影中文字幕| 五月天激情国产综合婷婷婷| 在线观看av网站| 五月婷婷综合色啪| 婷婷久久综合| 亚洲天堂啪啪| 九九青草热| 五月天婷婷色| 99热6精品| 婷婷丁香五月天中文字幕| 91人人操人人| 婷婷97碰碰| 精品香蕉99久久久久网站| 天天综合天天玩夜夜玩天天玩夜夜玩| www.91久久| 1024人妻无码中文字幕| www.色婷婷| 色五月大| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 婷婷六月中文字幕| 国产精品色色666| 狠狠婷婷色| 婷婷激情四射| 婷婷五月激情网| 夜夜爽天天爽| 97色色视频| www.lingjunshare.com| 99热99这里免费的精品| 激情综合网五月天天| 九九re精品视频在线观看| 五婷婷综合网| 热99色| www.婷婷六月天| 激情综合网激情五月天| 婷婷五月丁香五月| 天天在线XXX| 丁香五月婷婷天| 天天日天天狠狠操| 五月色婷婷综合丁香精品无遮挡| www.久久五月天.com| 99色色热热| 日本婷婷在线| 人人妻人人澡| 五月丁香啪啪啪综合网| 99视频色在线观看| 五月激情精品视频| 五月精品免费XXX| 国产熟女日日骚五月丁香爱| 天天草比天天爽| 五月人妻婷婷| 丁香五月六月婷婷殴美综合| 涩婷婷五月天| 婷婷丁香亚洲色综合91| 色五月激情| 五月天大香蕉| 天天天天操| 五月丁香成人网| 亚洲成人在线播放| 五月天婷婷色| 黄网在线免费| 五月天婷婷色色首页| 白人荫道BBWBBB大荫道| 99久久精品免费精品国产_国产精品久久久久久_国产在线|日韩_久久国产精品电影 | 成人精品视频99在线观看免费| 丁香六月婷| 五月丁香啪啪网| 伊人久久大香网| 操久久网| 亚洲宗合激情| 97色97干| 久久婷婷五月草视频在线播放| 性 色 婷婷| 色播五月丁香婷婷| 人人干人人操人人摸| 青青草成人网| www99热| 欧美大片免费观看| 色久影院| 丁香花五月天| 99久久激情视频| 91色情播放| 日本久久精品18| 99热自拍| 天天色情站| 九九亚洲| 五月天激情网址| 免费婷婷| 六月婷婷色五月| 天天干天天操天天上| 六月丁香婷婷六月激情综合| 亚洲综合色色| 黄色录像网点| 亚洲成人网站在线观看| 99热这里只有精品国产精品| 大香蕉婷婷| 国产欧美日韩综合精品一区二区| 99五月婷| 亚洲mm色| 五月婷网| 丝袜熟女一区二区三区| 欧亚色色| 五月天 婷 欧美亚洲| 99色热| 99久热| 九日日夜夜69| 亚洲丁香婷婷五月天综合色| 日韩五月丁香| 极品人妻VIDEOSSS人妻| 九九五月天| 婷婷激情丁香五月天综合| 五月婷婷激情中心| 五月丁香婷婷基地| 亚洲午夜Av| 99热综合| 99热久草| 丁香五月综合首页| 天天情色五月天| 欧美久久网| 全部老头和老太XXXXX| 九九性爱网| 思思热久在线观看视频| 五月丁香婷婷综合久久| 91seAV| 99爱这里只有精品| 三级三久久线久久99久目本WW| 狠狠爱青青草| 99久久国产成人精品| 亚洲久久激情| 一级黄色片看看| 9久久精品| 久久婷婷五月天激情唯美| 九九热99视频| 人人插9| www色婷婷久久综合久色| 91色情播放| 色情婷婷| 五月丁香| 五月天综合视频| 亚洲欧美国产A片免费观看| 成人久久天天x资源站| 国产激情在线| 久久综合五月情| 五月丁香网视频| 思思久久99| 懂色av粉嫩av蜜臀av| 去干网av| 日本婷婷| 久久99热只有精品| 99热欧美在线观看| 久久亚洲婷婷| 九月激情网| 九九热婷婷| 高清无码入口| 色色色色色色色色综合网| 九九成年视频| 性色视频| 色五月噜噜| 婷婷亚洲五月丁香综合在线 | 国产在线中文字幕| 91九色精品女同系列| 九热视频| 十区av| 五月天色视频| 9l视频自拍九色9l黑人| 4399啪啪视频| 六月丁香婷婷色综合| 丁香五月综合| 国产精品色一哟哟| 色播色丁香五月| 婷婷丁香五月欧美人| 丰满少妇乱A片无码| 综合99在线| 99爱精品| 五月色丁香婷婷中文字幕| 色综合色综合网| 国产亚洲99久久| 婷婷五月婷婷| 亚洲超碰在线| 搡BBBB搡BBB搡18| 日韩一区二区在线播放| 久久婷婷五月天丁香| 6080av| 777精品久无码人妻蜜桃| 亭亭玉立国色天香| 久久桃花网色婷婷| 人妻久久久久久久 | 五月婷婷,狠狠操| 婷婷日欧美在线观看| 丁香六月婷婷社区| 九九热黄色| 天天色天天搡| 九日日夜夜69| 成人一级片| 武则天精品久久| 色色色色色色色色综合网| 久久之人妻| 婷婷精品视频| 99热这里只有免费| 亚洲、欧美、国产另类笫二区| www.狠狠| 丁香六月 婷婷六月| 校花娇喘呻吟校长陈若雪视频| 婷婷丁香五月激情图片| 国产亚洲色婷婷久久99精品9j| 久久久精品人妻| 色婷婷色九月| 日韩精品AV一区二区三区| 五月六月激情婷婷| 天天肏高清在线| 97九色| 久久婷狠狠色| 玖操97| 另类婷婷五月天啪帕帕| 超碰在线成人| AAA亚洲AV| 日本操片| 欧美丰满熟妇BBB久久久| 五月天激情Av| 丁香色五月 97干| 欧美性生交A片免费看| 激情婷婷五月基地| www.粉嫩av.com| 九色99视频| 色五月婷婷亚洲最大| 综合婷婷久久| 五月天婷婷网站| 婷婷五月天影院| 五月丁香成人版| 五月天堂色色| 狠狠爱深色婷婷综合| 婷婷刺激综合| www.夜夜.com| 天天AV导航网| 亚洲成人av在线| 成人国产欧美大片一区| 无码区婷婷五月花开| 色五月丁香一区在线| 丁香五月www| 激情五月婷婷五月| 婷婷综合亚洲| 五月的色婷婷高潮| 天天做天天要天天爽| 亚洲av无码影院| 色婷婷基地| 九九无码| 亚洲这里只有精品| 都市激情小说婷婷| 人妻熟妇六区| 亚洲激情99| 国产免费av在线| 97丨九色丨国产丨PORNY| 久99久在线| 日韩在线五月天婷婷| 日韩无码专区| 91疯狂操操操操| 激情五月综合| 丁香五月成人社区| 91黄址| 思思精品热在线| 五月激情婷婷图片基地| 婷婷激情五月| 大香蕉婷婷五月天| 久热黄色| 青青草99热久久精品国| 色婷婷成人做爰A片免费看网站| 婷婷五月天网址| 丁香五月天视频在线播放| 天天色天天色天天色天天色天天色天天色| 五月丁香激情怕怕| WWW.99视频| 91大屁股在线| 51精品国自产在线| 少妇被下春药玩弄A片| 深爱开心激情| 激情小说五月天| 亚洲五月天激情| 日本熟女一区二区| 五月丁香色婷婷综合| 性色播| 伊久久婷婷| aaaa.黄| 亚洲激情Av| 9 7总站超级碰免费视频| 国产乱子轮XXX农村| 五月综合久久| 婷婷五月天福利| 丁香五月成人| 国产avapp 网| 伊人婷婷五月天| 丁香五月激情综合| 五月激情网站| 久久伊人大香蕉| 淫视馆AV在线| AV性爱在线| 色欲色香综合网| 91天天操天天干天天射| 五月天婷婷基地| 婷婷五月天影院| 五月激情综合网| 婷婷色播婷婷| 69凹凸成人综合网| 久久色吧| 人伦30P| 翔田千里 50岁 无码| 婷婷五月丁香色色| 丁香五月激情月| 五月天AV大香蕉| 久久婷婷草| 国产avapp 网| 9l久久久视频| 激情丁香婷婷六月天| 久久久97| 天天插天天插天天操| 激情涩播| 五月激情小说| 熟女色色一区二区| 67194中文字幕| 日本97在线视频| 久久婷婷成人| 色天天久婷婷| 夜夜撸日日操| 99精品无码| 国产XXXX搡XXXXX搡麻豆| 激情人妻蜜夜系列区| 中文字幕成人日韩| 色婷久久| 色色网站免费观看| 激情综合网激情五月天| 久热9| 97色射| 亚洲成人另类| 久久婷婷成人视频| 综合网视频| 综合色色综合| 香蕉97碰碰碰超视精品| 新伍月婷婷| 九九自拍网| 亚洲不卡123| 九九色区| 久久精品凹凸分类| 色丁香六月| 久久五月天大美女| 欧美日韩成人免费在线| 国产一级婬片毛片| 免费AV播放| 婷婷色在线观看| 五月天成人手机在线视频| 79精品视频在线观看,| 久久婷婷成人| 婷婷丁香五月天综合在线日韩| 激情久久久| 另类国产区| 日本天堂网站99| 色五月综合网| 亚洲视频操| 婷婷五月天伊人| 激情AV在线| 欧美丁香六月激情视频| 色99网站| 五月丁香激情啪啪| 五月婷婷精品视频| 伊人久久婷婷| 色色色色色日韩午夜激情 | 性一交一乱一交A片久久四色| 成人视屏在线观看| 婷婷五月天免费99| 五月丁香大香蕉| 小视频一区| 超碰成人免费| 丁香花综合永久入口| 99色网站| 欧美日韩aaaa| 激情綜合W W W,激情五月天| 激情婷婷护士激情| 欧美在线骚货| 五月激情综合网| 五月天婷婷丁香| 思思热在线播放| 亚洲偷| 国成人网| 亚洲色色在线| 亚洲成人影视在线观看| 欧美色色色色色色色色| 欧美激情xxxXX| 99久久玖玖| 日韩欧美不卡| 久色成人| 日本婷婷| 五月丁香六月停停停| 激情五月天婷婷图| 日本va欧美va欧美va| 六月天婷婷| 99日本视频| 欧美韩日AAA网站| 伊人久久大香线蕉av最新| 久久九九激情五月天 | 色婷婷丁香五月天在线视频| 亚洲成Av人片乱码色第1集| 欧美噜噜久久久XXX| 99色性爰网络| 色色网站日本91| 91人人澡人人爽人人看| 五月丁香啪啪网| 九九无码AV| 人妻人人操| 99热一区| www.刺激色网站www.| 天天添天天摸天天天天做| se99视频| 婷婷五月激情四月综合 | 大香蕉综合网| 九九这里是免费的视频5| 人人爽亚洲| 91久久日日| 99r久久这里只有精品| 久九色| 99热热这里只精品996小说| 久久婷婷五月免费视频| 1024在线视频| 色播色丁香五月| 思思视频这里是精品| 婷婷成人视频| 九九无毛| 天天草天天舔| 99热超碰| 九九热这里只有精品7| 另类A片| 色色色五月婷| 婷婷基地爱| 五月丁香美女视频| av狠狠操| 欧美噜噜久久久XXX| 色婷婷亚洲婷婷在线观看| 丁香六月天婷婷| 婷婷综合精品视频97| 91a片爽| 久久99热只有精品| 99操碰| 七七色色综合| 五月久久婷婷成人网| 成人 AV播放| 五月天综合视频| 日韩淑女人妻luan伦激情精品一区二| 五月丁香影院| 五月天婷婷色在线视频免费观看| 日本婷婷| 亚洲AV网站在线观看| 香蕉操亚洲| 丁香五月婷婷色| 日韩操人| 久久久久久五月天| 91色吧网| 1000部毛片A片免费观看| 桃色伊人在线| 9精品国产在热久久| 狠狠色综合网| 五月色情婷婷| 久月久在线视频| 婷婷丁香小说| 五月激情婷婷综合| 人妻体体内射精一区二区| 思思热热久久| 五月天丁香成人社| 亚洲无AV在线中文字幕| 婷婷久久色| 激情久久肏屄视频| 丰满少妇猛烈A片免费看观看| 天天天摸夜夜夜玩| 久久婷婷激情| 狠狠爱青青草| 亚洲成人网在线观看| www久久五月com| 91色性感五月婷婷丁香| 色色色婷婷五月| 婷婷五月丁香基| 天天影院色| 热久国产| 久久99最新地址| 狠狠操狠狠插| 十月丁香婷婷| 婷婷丁香六月天激情四射网| 五月天色色网站| 九九视频精品这里只有| 中文av在线观看| 色婷亚洲| 这里只有精品视频国产| 天天躁日日躁狠狠躁日日躁2022年5月9日| 性爱视频99| 婷婷五月亚洲激情| 日韩五月婷婷| 被强行糟蹋的女人A片| 亚洲色无码| 吾爱AV导航| 久久人人妻| 天天做天天爱天天要| 五月天另类图片区99| 另类在线| 亚洲av成人在线| 四五月婷婷| 婷婷久久18| 色久综合| 丁香五月亚洲天堂| 97色一二三| 色噜噜狠狠一区二区三区| 五月丁香激情综合啪| 超碰在线播放免费观看| 久久性爱网| 在线中文字幕视频| 996er热| 97婷婷丁香五月| 亚洲激情综| 五月丁香婷婷狠狠操| www.婷婷五月| 欧美日韩成人一区二区| 亚洲丁香五月综合| 午夜激情综合| 欧美性久| 免费看欧美成人A片无码| 日本欧美国产| 久久婷婷五月天蜜桃| 五月天色官网| 欧美va亚洲va| 五月丁香综合激情| 超碰在线免费9| 色综合久| 天天射影院| 综合色在线| 97精品自拍视频| 99丁香五月婷| 91精品啪| 日韩成人电影Av| 99视频| 91久操| 久久五月丁香| 99热久草| 五月婷婷啪啪啪| 日日干天天| 五月激情婷婷开心| 丁香五月婷婷手机| 激情五月综合网最新 | 亚洲色色色| 五月丁香淫淫婷婷婷| 婷婷色色网站| 久久婷网| 亚洲碰碰碰| 婷婷激情五月天激情| 五月婷婷伊人在线| 日日夜夜天天爽| 婷婷五月天首页| 婷婷激情五月天亚洲综合| 亚洲综合视频天天精品| 五月天色播网| 99热日韩这里只有精品| 色婷婷丁香五月高清在线| 99热久只有| 久久婷婷视频| 六月丁香婷婷拍拍| 天天草天天舔| 日韩人妻无码精品| 亚洲av免费在线| 五月丁香无码| 色999五月色| 7777激情基地| 噜综合| 久婷自拍视频| 婷婷综合97| 综合 蜜月 婷婷| 9久操| 99伊人婷婷在线| 97碰成超视频免费视频| 99热主页日本| 开心五月天私房婷婷| 99热99网| 九九视频精品这里只有| 国产激情综合五月| 狠狠狠人妻| 婷婷六月色情| 色丁香在线视频| ss99热| 综合五月激情| 久99精品视频| 五月婷婷六月激情| av在线观看网址| 狠狠第四色| 在线中文字幕av| 国产第99页| 欧美性猛交99久久久99| 婷婷久久亚洲| 色婷婷久久| WWW.激情| 亚洲美女高潮久久久久久69| 色色色777| 就爱操www com| 丁香婷婷中文字幕| 婷婷色情网| 99爱精品| 五月色情精品| 婷婷色五月丁香六月欧美啪| 久久在线视频只有这里有精品| 天天日狠狠| 五月天婷婷成人| 香焦网五月天| 激情五月综合网| 久久五月婷综合| 91精品人妻少妇无码影院| 婷婷黄色五月天在线视频| 996热re视频精品视频这里| 天天日天天舔| 能看的av| 色婷婷五月成人网| 99久久国产成人精品| 五月噜噜| 久久丁香五月婷婷| 五月丁香网站| 东北熟女视频99| 婷婷五月天av| 婷婷五月视频| 九九色影院| 五月天婷婷久久| 综合 蜜月 婷婷| 丁香婷婷综合精品六月初| 成人五月天视频播放| 丁香五月性| 碰超亚洲| 激情涩涩网| 国产毛片精品一区二区色欲黄A片| 超碰人人91| 综合久久激情久久| 爆乳熟妇一区二区三区爆乳| 亞洲自怕| 深爱激情五月网| 乱精品一区字幕二区| 久久久久久99精品无码| 噜噜噜精品欧美成人在线观看| 成人婷99最新| 婷婷色五月天色色| 激情激情激情网| 99热这里全都是精品| 青青草Avb在线| 五月婷婷丁香五月婷婷| www.婷婷六月天| 北京熟妇搡BBBB搡BBBB | 九九黄色网| 丁香五月手机视频| 婷婷五月天婷婷| 色色热| www九九热| 九九视频这里是精品五月| 久9久9久9久9久9久9| 中文字幕在线人妻| 婷婷丁香激情五月天色色| 91久久99久久91熟女精品| 久久全色| 五月婷婷说| 97超碰婷婷五月天| 插插网爽妇五月丁香| 天天爽天天干| 婷婷激情小说网| caop在线视频| 成人国产综合| 日韩另类| 日韩999| 美女精品一级不卡视频| 五月丁香五月丁香五月丁香五月丁香91| 久久这里都是精品视频| 国产成人网址| 五月丁香婷婷综合| 色五月婷婷九月| 五月婷婷操操| 九九久久综合网站| 日本狠狠干| 国产日韩欧美性生活| 四色永久成人网站| 丁香 久久| 97干视频在线| www.五月婷婷.com| 色婷婷先锋| 91要啪| 丁香成人色情五月天| 色色色香蕉五月婷| 五月婷婷六月婷| 日日综合网| 亚洲99综合| 中文字幕综合网| 色婷婷狠狠18禁| 婷婷色五月开心五月| 丁香五月宝贝激情网| 超碰人人色| 成人五月天丁香| 性热视频99精品| 五月天久久www| 婷婷激情综合| 中文字幕91,综合| 99re思思久久| 玖玖激情五月天| www.久久久.com| 色5月婷婷| 天天干天天操天天拍| 日韩精品一区二区亚洲AV观看| 99热成人在线| 丁香五月九九| 在线另类视频| 日韩 欧美 国产 一区 二区| 最近中文字幕2019视频1| 麻豆123区| 五月婷婷激情在线| 综合99视频| 五月丁香网站| 色婷操逼| 五月丁香美女| 操人妻AV| www激情| 年轻的妺妺伦理HD中文| 成人片在线播放| 久久99精品久久只有精品| 少妇被下春药玩弄A片| 丁香五月亚洲婷婷| 丁香综合久久| 国产婷婷综合| 色色色色色级无码| 七七色综合| 天天草天天爱| 五月婷婷久久综合| 伊人六月丁香婷婷| 色婷婷色| 亚洲中文字幕网| 激情五月四色| 久久婷婷五月综合97色一本| 超碰天堂网| 97操在线视频| 日韩色色视频www| 狠狠色丁香久久婷婷综合五月| 亚洲精品婷婷| 五月婷婷69| 欧美噜一噜| 99自拍网| 丁香六月天婷婷| 婷婷色播婷婷| 天天人人人人人人人人人人人| 亚洲色色在线| 操日视频| 九九婷婷热| 这里只有精品免费视频| 激情深爱五月| 思思久ren热| 韩日另类| 大婷婷色呦呦噜噜色呦呦噜噜| 激情五月天激情网| 98色丁香五月婷婷综合网| 777精品久无码人妻蜜桃| 九九人人精品| 色五婷婷| 26uuu美女三级视频| 婷婷天堂视频| 国产一级黄色影片,| 亭亭五月丁香五月天激情| 五月天激情小说欧美激情| 情婷婷五月天在线| 热婷婷在线视频| 91碰免费视频| 欧美大肥婆大肥BBBBB| 2017狠狠干| 四色99久久| 婷婷五月天堂一本在线| 99这里只有精| 思思久久精品| 99色在线观看视频| 另类丁香五月天区图| 久久精品99| 久久天堂| 日韩美女在线视频19| 国产精品A成V人在线播放| 九月丁香婷婷| 97热精品| 久久综合婷婷五月| 婷婷综合色播网| 99爱最新免费视频在线观看| 99爱这里只有精品| 2016日日夜夜操| 日韩精品视频中文字幕| 九九视频在线观看视频6 | 99热这里只有精品1| 国产成人综合在线| 九色91视频| 天天爽天天| www五月| 色五月激情| 九九精品在线观看视频6| 天天天添天天操| 开心久久爱五月天| 99精品色色| WWW五月婷婷| 思思久久网| 996er热| 亚洲另类电影| 九九激情综合| 中海油常州环保涂料有限公司| 亚洲午夜av| 日本久久天堂| 新久久五月天激情| 丁香六月婷婷缴情欧美| 五月丁香五月丁香| 色播播之激情五月婷婷| 亚洲AAA| 伊人久久五月天| 丁香婷婷激情网站| 天天爽夜夜操| w婷婷五月婷婷w| 激情五月综合免费| 狠狠擼综合| 99秘 在线| www.lingjunshare.com| 桔色成人在线| 色五月成人| 人人澡玖玖一| 五月激情天| 久久综合最新网址| 亚洲一级AV在线免费播放| 人妻激情视频| 中文激情网| www久久五月com| 婷婷四色五月| 丁香婷婷五月| 久热人妻| 色婷婷久久综| 久久婷婷视频| 五月的丁香六月的婷婷| 国产资源91在线| 五月丁香六月激情视频| 91久久久久久久久18| 九热视频| 青青草视频免费观看| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 91人妻PORNY九色大屁股| 国产成人精品亚洲线观看| 五月天社区婷婷| 日本黄色精品| 精品思思久久| 九色视频这里只有精品| 五月天婷婷基地| 五月色网| 色五月天综合网| 囯产精品久久欠久久久久久九大| 亚洲视频在线观看| 激情性爱网站| 国产熟女一区二区三区五月婷| 亚州欧美国产久精国产99综合视频| 五月婷婷免费| 精品99在线观看| 97人人草| 激情综合网站| 日韩五月婷婷| 婷婷五月天激情电影小说| 99re这里只有精品在线观看| 亚洲99热| 日韩 中文 欧美| 欧美肉大捧一进一出免费视频| 影音先锋91视频| 人妻人人操| 丁香六月激情蜜桃| 97视频久久| 黄色中文字目| 91人人网| 综合综合网| 91色噜噜狠狠狠狠色综合| 性做爰1一7伦| 国产婷婷综合在线免费视频| 99色这里| 超碰99热精品| 亚洲日韩一页精品发布| 蜜臀av粉嫩av懂色av| www,色中色| 97操在线视频| 五月激情久久| 婷婷五月天.com| 9有码中文| 欧美性爱丁香五月| 99色在线视频观看| 播播网色播播| 久久婷婷五月综合色区| 亚洲综合久| 激情五月天激情小说| 激情五月激情综合网| 欧美私人家庭影院| 91avse| 欧美综合在线五月天色婷婷| 91成人品| 9久9久| 麻豆五月丁香婷婷| 五月丁香六月激情综合| 久久香蕉婷婷| 欧美97p| 337午夜福利| 婷婷色五月丁香六月欧美啪| 日本va视频| AA片在线观看视频在线播放| 丁香婷停五月激情综合深爱| 69综合在线| ..真实国产乱子伦对白在线_欧| 色99在线视频| 色综合色综合婷婷热| 亚洲色婷婷网站| 婷婷五月在线视频| 五月色亭丁香| 综合九九久久| 大地9中文在线观看免费高清 | 综合激情九月婷婷,激情综合婷婷中文字| 激情丁香五月| WWW激情五月天| 开心久久五月天| 日韩欧美成人片| 亚洲综合色激情色五月| ztEJj| 久草五月天电影网| 色婷婷五月开心六月综合| 丁香五月综合婷婷| 五月婷婷激情啪啪| 最近中文字幕2019视频1| 久久9视频欧美| 日日射天天射| 九九色热| 激情丁香久久久久久| 色五月偷偷| 日韩淑女人妻luan伦激情精品一区二| 丁香六月亭亭久久综合| 99热这里只| 极品另类| 久久综合九九| 超碰97人人操| 成人国产欧美大片一区| AV色五月婷婷| 思思热久热| 激情九月丁香婷婷| 97色色综合| 色偷偷色婷婷| 热婷婷av| 天天爽夜夜爽夜夜爽精品视频| 午夜在线成人网站免费观看| 精品无码视频| 色婷婷精品视频在线播放| 五月婷婷开心综合| 97超碰99热99| 亚洲激情免费视频观看| 視频福利乱色| 九色无码| 六月丁香停| 婷婷五月天成人| 日本99视频| 久久久久人妻| ss99热| 婷婷丁香成人| 色情播放| 奇米影视777在线_在线观看午夜_h小视频在线观看_岛国大片 | 伊人久久婷婷| 五月丁香婷婷综合视频| 亚洲va日| 思思热久久艹| 精a品a视a频| 99热18| 婷婷丁香五月天色区| 久久婷婷五月天丁香| 亚洲色色香蕉| 思思99久久| 色五月五月婷婷| 狠狠操.COM| 国产真人做爰视频免费| 青青操绿aaa一区日v| 婷婷香蕉精品| 激情六月色| 中文字幕成人| 超碰在线成人| 五月亚洲激情| 国产探花一片区| 成人五月天丁香| 激情综合青草| 久久综合五月情| www热久久yy9| 婷婷的激情五月| 五月婷婷久久爱| 久久精典| 九九久久99| 色一情一乱一乱一区9| 婷婷久久五月天| 九月婷婷激情| 中国丰满熟女A片免费观| 99精品大片| 久操热线| 亚洲六月综合激情久久下卡| 久超超碰| 日日射天天射| 久久精品99久久| 狠狠五月天| 成久综合视频| jiZZdr| 天天射色五月天| 综合激情婷婷| 五月天激情小说网| 亚洲五月花| 婷婷基地成人五月天| 在线综合91| 大香蕉五月天| 色欲五月天| 五月天婷婷操逼视频| 国产黄大片在线观看画质优化| 丁香成人视频| 狠狠夜夜五月丁香| 日hao1区| 丰满少妇猛烈A片免费看观看| 婷婷五月影院| 丁香九九九九| 另类婷婷五月天啪帕帕| www夜夜操| 丁香桃色网| 深爱五月天婷综合| 九九热啪啪| 久久婷五月影院| 久久99视频| 99热只有| 天天添天天摸天天天天做| 91人人爽狠狠狠| 色色色1网址| 97久久久久| 天天久| 精品婷婷五月天| 99ri国产精品| 国产精品久久久爽爽爽麻豆色哟哟| 国产精品视频免费看| 五月天开心成人网| 欧美图片丁香五月天| 久久这里只有精品视频15 | 少妇AB又爽又紧无码网站| 五月天婷婷综合网| 69激情小说| 99惹在线精品免费观看| 99热丁香| 亚洲av成人一区二区电影在线| 婷婷综合激情| www.99久久久| 五月色丁香| 五月丁香六月香综合激情| 久久99激情| 中文字幕av久久爽一区| 久久九九精彩| 2015在线中文字幕| 日欧一片内射VA在线影院| 天天热夜夜操| 激情纯色婷婷五月天在线不卡视频| 9色视频在线| 五月开心久久| 超碰AV成人| 9色小视频在线观看| 疯狂做受XXXX高潮A片| 丁香五月激情婷婷| 任你艹| 综合激情五月婷婷| 五月的色婷婷高潮| 综合五月激情| 思思热在线视频99| 超级碰碰91| 疯狂做受XXXX高潮A片| 99热亚洲| 久草热视频在线观看| 翔田千里 50岁 无码| 97大香蕉五月天| 激情五月丁香婷婷| 第四色婷婷丁香五月| 天天射射夜| 99热最新精品| 99热在线观看精品| 97色图片中文字幕视频在线观看| 婷婷五月天天激情| 久久ri精品视频| 日本丰满久久| 丁香六月啪| 久9热| 久久人妻精品| 青柠影视免费高清电视剧 | 99精品久久久久久久| www.91AV.COM| 亚洲Av成人在线观看| 综合网网欲色| 欧美亚洲成人在线| 天天综合网~91综合网| www.91在线观看| 夜夜 操无码| 五月丁香色色网| 久久这里只有精彩| 免费AV黄在线播放| 五月婷婷激情色情网| 五月丁香六月婷婷综合伊人| 色五月丁香激情视频| 呦呦v线| www.minyis.com【JT】币址百万U预算可预付QQ2101460746 | 久久停停超碰| 99久久视频| 色欲天天综合| 26uuu视频欧美| 国产色婷婷亚洲| www.热99热| 日本五月婷婷| 亚洲色啪| 丁香五月激情图片婷婷| 国产黄色大片| 久久只有精| 日日爱激情| 色欲一二三| 俺去也五月天婷婷| 亚洲无码影片| 天天开心天天色| 日本色婷婷| 99爱在线视频观看| 999热这里只有精品| 五月婷婷综合色啪首页| 人人九色| 伊人丁香花综合影院| 久久99网| 丁香六月欧美| 久久婷婷五月天激情新地址| 日韩激情网站| 国产成人+综合亚洲+天堂| 激情播丁香| 婷婷五月视屏| 色五月综合在线| 色综合天天| 久久久ww| 国产精产国品一二三在观看| 精品9l九九九九九77777| 久久激情五月天| 日本色婷婷久久99精品91| 99热精品在线播放| 97在线视频观看| 狠狠ri| 狠狠爱婷婷| 婷婷性爱无码视频| 天天干天天拍| 色婷婷激情| 涩五月丝袜婷婷| 五月丁香日本片| 五月婷婷六月丁香激情| 五月天婷婷无码| 激情综合五月丁香六月婷婷| 国产精品电| 国产综合婷婷| 丁香五月 激情文学| 色综合久久综合中文综合网| 色狠狠激情五月| 五月丁香花激情综合网| 丁香五月综合在线视频| 久久久久思思热| 99热思思| 丁香视频| 五月丁六月香av| 激情五月丁香激情综合网| 五月丁香亭亭操逼| 久久婷丁香五月| 日本色99网站| 五月丁香六月综合情在线观看 | 五月亭亭六月激情| 色色色色色色色色色色色色色97| 久久99操| 久久综合9| 77799热| 91超级碰在线| 男女啪啪视频久 9| 第四色色六月色综合| 日韩激情人伦人| 丁香成人五月天| 丁香五月www| 只有精品在线观看| 97久人人| 无码se| 五月天久久网站| www.五月天| 婷婷五月天奸女| 夜夜操夜夜操| 日本一级黄色片。| 日日爱678| 久久综合天天综合| 久久人妻视频| 久久久WWW| 五月天色五月天| 俺去也综合| 99丁香五月| 色婷婷婷婷| 色婷婷久久综合| 亚洲视频99| 五月综合激情啪啪啪啪啪| 五月丁香婷婷无码中文| 99久在线精品99re5热视频| 欧美十二区| 婷婷丁香五月精品| 先锋影音av色五月天资源站| 密黄站| 婷婷色丁香五月| 色色免费网站| 九九热精品视频| 亚洲va日| 婷婷精品综合| 久久码久久无清| 天天天在线观看| 丁香激情网| 激情综合在线观看| www.yw色| 变态另类9| 丁香五月婷婷五月天在线| 丁香六月婷婷久久综合| 开心婷婷中文字慕| 国产精品久久..4399| 丁香五月天AV在线| 少妇AB又爽又紧无码网站 | 亚洲无码成人网| 九九在线视频| 亚洲女婷婷五月基地综合久久久| 五月天成人综合| 国产精品色色色色| 天天做天天爽| 色色色色色色综合| 成人一区在线观看| 99热网站| 91狠狠综合网| 亲子乱AV一区二区三区下载| AV伊人青草丁香六月| 欧美色婷婷| 日在线V视频在线播放| 丁香五月天社区婷婷| www.色色色色| 99热这里只有精品1025| a在线观看| 狠狠操天天操天天操| 亚洲国产成人AV在线 | 欧美日韩成人在线网| 色色色五月婷婷| 国产精品成人在线| 99这里只有精| 色婷婷先锋| 五月婷啪| 午夜不卡久久精品无码免费| 六月香五月婷| 天天干天天av天天射| www.9797国产| 少妇日麻屄| 超级碰碰碰久久网站视频| 国产婷婷五月天| 国产亚洲色婷婷久久99精品9j| 色综合色色| 天天干、天天日日| 婷婷五月天堂|