• <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 ?

    視頻序列圖像中的人臉檢測(cè)與跟蹤

    2010-07-25 08:44:46潘杰熊惠霖
    微型電腦應(yīng)用 2010年10期
    關(guān)鍵詞:膚色人臉分類器

    潘杰,熊惠霖

    0 引言

    Viola等人在文獻(xiàn)[1-2] 中提出的基于級(jí)聯(lián)結(jié)構(gòu)的AdaBoost算法,提供了優(yōu)異的檢測(cè)速度,但是它需要大量時(shí)間進(jìn)行訓(xùn)練,提出了一種基于特征簡(jiǎn)化的AdaBoost算法來減少訓(xùn)練時(shí)間。為了提高檢測(cè)效率及處理目標(biāo)遮擋,采用文獻(xiàn)[3] 提出的膚色分割方法和引入 Kalman濾波器,通過排除非人臉區(qū)域,使視頻序列的實(shí)時(shí)多角度人臉檢測(cè)與跟蹤成為可能;同時(shí)在人臉運(yùn)動(dòng)過程中不斷更新被跟蹤人臉的運(yùn)動(dòng)模型,利用Kalman濾波器的預(yù)測(cè)結(jié)果,更新被遮擋目標(biāo)的位置。

    1 人臉的檢測(cè)

    1.1 AdaBoost算法:

    AdaBoost 算法是利用大量的分類能力一般的弱分類器通過一定方法疊加起來,構(gòu)成一個(gè)分類能力很強(qiáng)的強(qiáng)分類器。Schapire在文獻(xiàn)[4] 中證明了只要弱分類器分類能力比隨機(jī)猜測(cè)好,當(dāng)簡(jiǎn)單分類器個(gè)數(shù)趨向于無(wú)窮時(shí),強(qiáng)分類器的錯(cuò)誤率將趨于0。

    對(duì)于兩類問題的AdaBoost算法過程如下:

    1. (初始化)

    2. (尋找T個(gè)弱分類器)

    Fort=1,…,T

    (1) 在確定的簡(jiǎn)單分類器中, 求出一個(gè)具有最小誤差的弱分類器fi(x):

    (2)Ft(x)=Ft-1(x)+fi(x)

    (3) 更新權(quán)重:

    其中Zt是所有權(quán)重和。

    3.(Output)

    1.2 基于Fisher準(zhǔn)則的特征簡(jiǎn)化

    經(jīng)典的AdaBoost算法訓(xùn)練緩慢,影響訓(xùn)練速度的因素除了算法本身的效率外,更重要的是訓(xùn)練樣本的數(shù)量和特征數(shù)量。一般而言,訓(xùn)練樣本數(shù)量不可能減少,否則會(huì)影響最后得到的強(qiáng)分類器效果,因此,要想提高訓(xùn)練速度,只能減少特征數(shù)量。事實(shí)上,在數(shù)量巨大的類Haar特征中,有一些特征對(duì)人臉和非人臉的區(qū)分不是很有效,去除這些特征,而保留那些分類能力較強(qiáng)的類Haar特征,既可以有效區(qū)分人臉和非人臉樣本,又可以顯著減少訓(xùn)練時(shí)間,本文采用Fisher準(zhǔn)則來選擇分類能力強(qiáng)的特征。

    Fisher準(zhǔn)則表述為:找到一個(gè)最合適的投影方向,使兩類樣本在該方向上投影的類間距最大而類內(nèi)距最小,從而達(dá)到最佳的分類效果。圖1表示了

    圖1 兩類樣本在w1與w2方向上的投影情況

    在二維空間中兩類樣本在兩個(gè)不同的向量w1與w2上的投影情況。

    用投影后數(shù)據(jù)的統(tǒng)計(jì)性質(zhì)一均值和離散度的函數(shù),作為判別優(yōu)劣的標(biāo)準(zhǔn)。用以評(píng)價(jià)投影方向w的函數(shù)為:

    圖2(a)和(b)分別是需要保留和剔除的類Haar特征的灰度直方圖圖例。

    圖2 正負(fù)樣本累積直方圖

    本文的實(shí)驗(yàn)中,實(shí)驗(yàn)運(yùn)行環(huán)境為:Pentium D 3.0G Hz 雙核處理器,1GB內(nèi)存。選取3組不同的JF值來進(jìn)行訓(xùn)練,各層的訓(xùn)練時(shí)間和最后選出的弱分類器個(gè)數(shù)如表1所示,JF分別取大于850、750和680時(shí),經(jīng)過篩選后用于訓(xùn)練的類Haar特征分別為6394、13984和31501個(gè)。

    在CMU的人臉測(cè)試集合中篩選部分正面人臉(91 幅圖片、315 個(gè)人臉) ,比較本文的算法與Viola算法的檢測(cè)效果,作ROC曲線,如圖3所示。

    表1 本文與Viola訓(xùn)練方法耗時(shí)對(duì)比

    本文改進(jìn)算法的ROC曲線在Viola方法的下方,從理論上來說是合理的,因?yàn)閂iola的方法搜索了所有的類Haar特征(138694個(gè)),在相同的權(quán)重條件下選出的是最優(yōu)的弱分類器,本文的方法在訓(xùn)練時(shí)取的只是所有特征中的一個(gè)子集,不可避免的會(huì)漏掉一些較優(yōu)的類Haar特征。因此,在相同的虛警率下檢測(cè)精度有所下降,但本文的方法使訓(xùn)練效率提高了十多倍。Viola的方法訓(xùn)練20層需要整整2天,本文的方法取JF>750時(shí)只要2.5小時(shí)。

    圖3 ROC曲線對(duì)比圖

    1.3 多角度人臉檢測(cè)

    多角度人臉檢測(cè),可以通過訓(xùn)練不同角度的人臉分類器,然后用各個(gè)分類器對(duì)待檢測(cè)圖像進(jìn)行檢測(cè),最后把不同分類器的檢測(cè)結(jié)果綜合起來,就可以得到不同角度的人臉檢測(cè)結(jié)果,如圖4所示:a、b、c分別為正面,左側(cè)面,右側(cè)面和最后融合后的檢測(cè)圖像。

    圖4 多角度人臉結(jié)果融合

    1.4 非膚色區(qū)域的快速排除

    文獻(xiàn)[5-8] 中使用形態(tài)學(xué)和連通域的方法提取待檢測(cè)區(qū)域,然后再對(duì)提取的局部區(qū)域進(jìn)行檢測(cè),以避免對(duì)整幅圖像的全局搜索;但是,形態(tài)學(xué)處理本身就是相當(dāng)費(fèi)時(shí)的,很難滿足實(shí)時(shí)性的要求,例如,在一副480×320的圖像上作結(jié)構(gòu)元素為20×20的一次開運(yùn)算,平均耗時(shí)130毫秒,因此,用形態(tài)學(xué)處理視頻序列,來提高檢測(cè)速度是不可行的。

    為此,本文提出了一種基于膚色的快速檢測(cè)方法,在用級(jí)聯(lián)分類器對(duì)候選區(qū)域搜索前,先計(jì)算候選區(qū)域內(nèi)膚色部分的面積,根據(jù)人臉區(qū)域的特征,如果區(qū)域內(nèi)的膚色面積大于整個(gè)候選區(qū)域面積的一半,則認(rèn)為是待檢測(cè)區(qū)域,否則直接排除,以提高檢測(cè)的速度。而候選區(qū)域的膚色面積,可以直接由積分圖求得Sskin=iiA+iiD–(iiB+ iic),iit是在t處的積分圖。使用本文提出的快速檢測(cè)算法,即使對(duì)檢測(cè)圖像用多個(gè)角度的分類器進(jìn)行檢測(cè),也能達(dá)到每秒30幀以上,這使得視頻多角度人臉實(shí)時(shí)檢測(cè)成為可能。

    圖5 積分圖計(jì)算

    2 人臉的跟蹤

    2.1 膚色分割

    由于RGB顏色空間對(duì)光照亮度變化比較敏感,為了減少光照亮度變化對(duì)跟蹤效果的影響,CamShift算法將圖像由RGB 顏色空間轉(zhuǎn)化到HSV 顏色空間進(jìn)行后續(xù)處理。

    HSV空間是RGB空間的非線性變換,它將原本相關(guān)性很強(qiáng)的R、G、B值轉(zhuǎn)換為相關(guān)性較弱的H、S、V值。在HSV空間中,彩色圖像的每一個(gè)均勻性色彩區(qū)域都對(duì)應(yīng)一個(gè)相對(duì)一致的色調(diào)(Hue),使得色調(diào)(Hue)能夠單獨(dú)用來進(jìn)行彩色區(qū)域的分割。田巍、莊鎮(zhèn)泉在文獻(xiàn)[21] 中詳細(xì)分析了膚色在HSV空間的分布情況,本文取H(色調(diào)):0-50,作為膚色區(qū)域的分割標(biāo)準(zhǔn),圖6(a)、(b)顯示了對(duì)應(yīng)的膚色區(qū)域。

    圖6 膚色分割

    2.2 Camshift

    CamShift最早由 Bradski提出來[9-10] ,CamShift跟蹤算法是Mean Shift[11] 算法的改進(jìn),它利用顏色直方圖作為特征,使用MeanShift算法在顏色概率分布圖像中迭代搜索目標(biāo)區(qū)域,然后動(dòng)態(tài)調(diào)整目標(biāo)區(qū)域的參數(shù)。圖7所示為原圖像對(duì)應(yīng)的顏色概率分布圖(亮度越高,則越接近人臉膚色)。

    圖7 顏色概率分布圖

    整個(gè)算法的具體步驟如下:

    1. 確定人臉目標(biāo)區(qū)域

    2. 計(jì)算目標(biāo)區(qū)域的H通道顏色直方圖

    3. 由 H通道顏色直方圖,計(jì)算待檢測(cè)圖像的顏色概率圖

    4. 用Meanshift迭代算法,在顏色概率圖中計(jì)算搜索區(qū)域的質(zhì)心位置

    5. 動(dòng)態(tài)調(diào)整目標(biāo)窗口大小,輸出目標(biāo)位置

    3 Kalman濾波器預(yù)測(cè)

    Kalman在文獻(xiàn)[13] 中提出了卡爾曼濾波器的基本原型,卡爾曼濾波器可以利用目標(biāo)的運(yùn)動(dòng)信息,預(yù)測(cè)下一時(shí)刻的運(yùn)動(dòng)狀態(tài),其實(shí)現(xiàn)過程分為兩個(gè)部分:預(yù)測(cè)和更新。在預(yù)測(cè)階段,濾波器使用上一狀態(tài)的估計(jì),做出對(duì)當(dāng)前狀態(tài)的估計(jì);在更新階段,濾波器利用當(dāng)前狀態(tài)的估計(jì)和新的測(cè)量變量以優(yōu)化在預(yù)測(cè)階段獲得的預(yù)測(cè)值。

    更新方程首先做的是計(jì)算卡爾曼增益Kk。其次便測(cè)量輸出以獲得Zk,然后按(4-4)式計(jì)算更新的狀態(tài)估計(jì)。最后按(4-5)式計(jì)算狀態(tài)的協(xié)方差估計(jì)。

    計(jì)算完預(yù)測(cè)方程和更新方程,整個(gè)過程再次重復(fù),在更新階段計(jì)算得到的預(yù)測(cè)值,被作為下一次預(yù)測(cè)階段的狀態(tài)估計(jì),詳細(xì)推導(dǎo)請(qǐng)參照文獻(xiàn)[5] 。

    4 實(shí)驗(yàn)結(jié)果與分析

    本文將Camshift跟蹤算法與Kalman濾波器相結(jié)合,在沒有出現(xiàn)人臉目標(biāo)相互遮擋的情況下,使用 Camshift跟蹤算法進(jìn)行跟蹤,同時(shí)更新Kalman濾波器參數(shù);當(dāng)出現(xiàn)人臉相互遮擋,則利用Kalman濾波器對(duì)被遮擋人臉目標(biāo)進(jìn)行預(yù)測(cè)。

    對(duì)第5n(n=0、1、2 …)幀圖像,用多角度分類器檢測(cè),綜合各個(gè)分類器的檢測(cè)結(jié)果,計(jì)算待跟蹤圖像的反向投影圖,如果沒有目標(biāo)被遮擋,則用 Camshift算法跟蹤目標(biāo)位置;反之,由Kalman濾波器的預(yù)測(cè)值更新目標(biāo)位置,同時(shí)把Kalman濾波器的預(yù)測(cè)值作為下一幀預(yù)測(cè)的觀測(cè)值。對(duì)于其他幀,不進(jìn)行檢測(cè),直接用 Camshift的跟蹤結(jié)果作為目標(biāo)位置。實(shí)驗(yàn)結(jié)果如圖8所示:

    由實(shí)驗(yàn)結(jié)果可知,在人臉區(qū)域未出現(xiàn)遮擋前,先用Kalman濾波器對(duì)人臉目標(biāo)建立運(yùn)動(dòng)模型,當(dāng)人臉目標(biāo)出現(xiàn)遮擋(第3和第20幀),由Kalman濾波器進(jìn)行預(yù)測(cè)(白色矩形框所示),甚至在人臉完全被遮擋時(shí),Kalman濾波器依然能預(yù)測(cè)到人臉的所在位置,因此把Adaboost算法、Camshift算法和Kalman濾波器相結(jié)合,能夠?qū)崿F(xiàn)視頻多角度人臉的實(shí)時(shí)檢測(cè)與跟蹤,當(dāng)出現(xiàn)人臉遮擋時(shí),也能夠很好的進(jìn)行預(yù)測(cè)。

    圖8 Kalman預(yù)測(cè)結(jié)果

    5 結(jié)束語(yǔ)

    對(duì)Adaboost檢測(cè)算法和基于Camshift的多人臉跟蹤算法提出了適當(dāng)改進(jìn),并取得了一定效果,但是 Camshift算法在有顏色干擾的情況下,會(huì)出現(xiàn)誤跟蹤,如何提高在有顏色干擾的情況下跟蹤的精度,是下一階段要做的。

    [1] VIOLA P, JONES M. Robust real-time face detection [J] .International Journal of Computer Vision, 2004, 57(2):137-154.

    [2] VIOLA P, JONES M. Rapid object detection using a boosted cascade of simple features [C] //Proc. of IEEE Conf. on Computer Vision Pattern Recognition, Kauai,Hawaii, USA. 2001: 511-518.

    [3] 田巍,莊鎮(zhèn)泉.基于HSV色彩空間的自適應(yīng)膚色檢測(cè)[J] .計(jì)算機(jī)工程與應(yīng)用, 2004,14:81 -85.

    [4] ROBERT E, SCHAPIRE. The strength of weak learnability.Machine Learning[M] . 1990, 5(2): 197-227

    [5] 孫雙寧,孫雁飛.基于Boosting算法的實(shí)時(shí)人臉監(jiān)控系統(tǒng)設(shè)計(jì)[J] .信息技術(shù), 2009, 33(1): 55-62.

    [6] 鄭明恩,管業(yè)鵬.基于膚色與膚色矩實(shí)時(shí)視頻人臉檢測(cè)與跟蹤[J] .計(jì)算機(jī)工程與設(shè)計(jì), 2008, 29(4): 879-881.

    [7] 邢昕,汪孔橋,沈蘭蓀.基于器官跟蹤的人臉實(shí)時(shí)跟蹤方法[J] .電子學(xué)報(bào), 2000,28(6): 29-31.

    [8] 杜岳濤.彩色視頻圖像序列中的人臉檢測(cè)研究[D] .西安:西安工業(yè)大學(xué),2007.

    [9] BRADSKI G R, CLARA S. Computer Vision Face Tracking For Use in a Perceptual User Interface[J] .Intelligence Technology Journal, 1998,2:1-15.

    [10] John G Allen, Richard Y D. Jesse Xu, Jin S.Object Tracking Using CamShift algorithm and Multiplt QuantizedFeature Spaces[C] .Proc.Pan-Sydney Area Workshop on Visual Information Processing(VIP2033),Sydney,Australia,Dec,2003.3-7.

    [11] Comaniciu D, Meer P. Mean Shift Analysis and Applications[C] . IEEE Int . Conf . Computer Vision(ICCV’99) , Kerkyra, Greece , 1999 : 1197-1203.

    [12] Comaniciu D, Meer P. Mean Shift-A Robust Approach Toward. Feature Space Analysis [J] . IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(5):603-619

    [13] Kalman R E.A new approach to linear filtering and prediction problems[J] . Journal of Basic Engineering,1960,82(1):35-45.

    猜你喜歡
    膚色人臉分類器
    有特點(diǎn)的人臉
    Conversation in a house
    人的膚色為什么不同
    三國(guó)漫——人臉解鎖
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    馬面部與人臉相似度驚人
    長(zhǎng)得象人臉的十種動(dòng)物
    奇聞怪事(2014年5期)2014-05-13 21:43:01
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識(shí)別
    一本一本综合久久| 最近最新中文字幕大全免费视频| 老熟妇仑乱视频hdxx| 亚洲人成网站在线播放欧美日韩| 九色国产91popny在线| 女警被强在线播放| 中文字幕人妻熟女乱码| 日韩高清综合在线| 国产一区二区三区在线臀色熟女| 久久久久久久午夜电影| 久久精品国产亚洲av香蕉五月| 久久狼人影院| 亚洲国产高清在线一区二区三 | 熟女少妇亚洲综合色aaa.| 国产精品久久电影中文字幕| 亚洲avbb在线观看| 免费在线观看亚洲国产| 亚洲一区高清亚洲精品| x7x7x7水蜜桃| 成人亚洲精品av一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| 视频在线观看一区二区三区| 国产av又大| 91国产中文字幕| 好男人在线观看高清免费视频 | 波多野结衣巨乳人妻| 夜夜夜夜夜久久久久| 久久香蕉激情| 欧美色视频一区免费| 亚洲国产欧美一区二区综合| 久久天堂一区二区三区四区| 欧美黄色片欧美黄色片| 婷婷丁香在线五月| 热99re8久久精品国产| 国产精品爽爽va在线观看网站 | 久久人妻福利社区极品人妻图片| 久久香蕉国产精品| 香蕉av资源在线| 亚洲,欧美精品.| 天堂√8在线中文| 亚洲av第一区精品v没综合| 十八禁人妻一区二区| 99精品欧美一区二区三区四区| 在线天堂中文资源库| 亚洲欧美日韩无卡精品| 亚洲成人国产一区在线观看| 成人亚洲精品一区在线观看| 久久久久久国产a免费观看| 国产黄a三级三级三级人| 亚洲一码二码三码区别大吗| 国产色视频综合| 亚洲av成人av| 国产欧美日韩一区二区三| 国产成年人精品一区二区| 久久天堂一区二区三区四区| 听说在线观看完整版免费高清| 女生性感内裤真人,穿戴方法视频| 久久久久久国产a免费观看| 久久久久亚洲av毛片大全| 欧美在线黄色| 亚洲精品一卡2卡三卡4卡5卡| 日韩精品青青久久久久久| 中文亚洲av片在线观看爽| 国内少妇人妻偷人精品xxx网站 | 草草在线视频免费看| 国产精品综合久久久久久久免费| 国产男靠女视频免费网站| 久热这里只有精品99| 国产一区二区在线av高清观看| 夜夜爽天天搞| 亚洲九九香蕉| 19禁男女啪啪无遮挡网站| 国产高清视频在线播放一区| 国产av一区在线观看免费| 成人18禁在线播放| 欧美一级毛片孕妇| 啦啦啦韩国在线观看视频| svipshipincom国产片| 国产视频内射| 很黄的视频免费| 在线看三级毛片| 1024手机看黄色片| 法律面前人人平等表现在哪些方面| 成熟少妇高潮喷水视频| 日韩一卡2卡3卡4卡2021年| 亚洲色图 男人天堂 中文字幕| 亚洲av电影在线进入| 十八禁人妻一区二区| 在线观看免费日韩欧美大片| 亚洲精品色激情综合| 亚洲七黄色美女视频| 色综合亚洲欧美另类图片| 国产一区二区三区在线臀色熟女| 性色av乱码一区二区三区2| 19禁男女啪啪无遮挡网站| 久久精品91无色码中文字幕| 国产精品久久久久久精品电影 | 欧美一级a爱片免费观看看 | 一本大道久久a久久精品| 老司机靠b影院| 国产主播在线观看一区二区| 国产精品爽爽va在线观看网站 | 国产激情欧美一区二区| 日本熟妇午夜| 日本免费一区二区三区高清不卡| 久久精品国产清高在天天线| 成人午夜高清在线视频 | 国产精品综合久久久久久久免费| 国产真人三级小视频在线观看| 国产成年人精品一区二区| 国产精品久久久久久精品电影 | 两性午夜刺激爽爽歪歪视频在线观看 | 国产亚洲精品av在线| 欧美成狂野欧美在线观看| 精品日产1卡2卡| 成人精品一区二区免费| 欧美激情久久久久久爽电影| 久久天躁狠狠躁夜夜2o2o| 国产亚洲欧美98| 最新美女视频免费是黄的| 国产免费男女视频| ponron亚洲| 久热这里只有精品99| 国内毛片毛片毛片毛片毛片| 成人手机av| 精品一区二区三区四区五区乱码| www.熟女人妻精品国产| 日日夜夜操网爽| 又紧又爽又黄一区二区| 在线视频色国产色| 欧美黑人欧美精品刺激| 亚洲av美国av| 满18在线观看网站| 欧美人与性动交α欧美精品济南到| 伦理电影免费视频| 久久精品亚洲精品国产色婷小说| 怎么达到女性高潮| 免费在线观看视频国产中文字幕亚洲| 午夜福利在线在线| 天天添夜夜摸| 久久久久久九九精品二区国产 | 日韩成人在线观看一区二区三区| 国产精品爽爽va在线观看网站 | 国产伦在线观看视频一区| 妹子高潮喷水视频| 男女做爰动态图高潮gif福利片| 日韩av在线大香蕉| 亚洲欧美精品综合久久99| 韩国av一区二区三区四区| 韩国精品一区二区三区| 久久香蕉国产精品| 久久午夜亚洲精品久久| 国产成人啪精品午夜网站| av天堂在线播放| 久久中文字幕一级| 国产午夜精品久久久久久| 精品国产乱码久久久久久男人| 老司机靠b影院| 精品电影一区二区在线| 9191精品国产免费久久| 日韩欧美 国产精品| 12—13女人毛片做爰片一| 18禁观看日本| 18禁国产床啪视频网站| 成人亚洲精品一区在线观看| a在线观看视频网站| 免费看日本二区| 看免费av毛片| 美女国产高潮福利片在线看| 成人国产一区最新在线观看| 欧美午夜高清在线| 欧美日韩乱码在线| 好男人在线观看高清免费视频 | 叶爱在线成人免费视频播放| 99riav亚洲国产免费| 亚洲avbb在线观看| 亚洲精品在线美女| √禁漫天堂资源中文www| 日日夜夜操网爽| 色老头精品视频在线观看| 变态另类成人亚洲欧美熟女| 又黄又粗又硬又大视频| 久久国产精品影院| 黄色成人免费大全| av天堂在线播放| 男人舔女人下体高潮全视频| 亚洲中文av在线| 90打野战视频偷拍视频| 欧美成人免费av一区二区三区| 99riav亚洲国产免费| 麻豆av在线久日| 免费看日本二区| 久久精品国产综合久久久| 妹子高潮喷水视频| av在线播放免费不卡| 听说在线观看完整版免费高清| 在线观看日韩欧美| 级片在线观看| 成人永久免费在线观看视频| 午夜视频精品福利| www.999成人在线观看| 99riav亚洲国产免费| 国产成人啪精品午夜网站| 色婷婷久久久亚洲欧美| 精华霜和精华液先用哪个| 亚洲av电影在线进入| 日韩有码中文字幕| 一级毛片女人18水好多| 精品少妇一区二区三区视频日本电影| 在线视频色国产色| 亚洲九九香蕉| 99在线视频只有这里精品首页| 成人18禁高潮啪啪吃奶动态图| 亚洲欧美精品综合一区二区三区| 国产av不卡久久| 免费在线观看成人毛片| 久久久久免费精品人妻一区二区 | or卡值多少钱| 欧美久久黑人一区二区| 一级a爱片免费观看的视频| 1024视频免费在线观看| 国产伦一二天堂av在线观看| 国产午夜精品久久久久久| 欧美日韩亚洲国产一区二区在线观看| 18禁观看日本| 久久午夜亚洲精品久久| 欧美日韩瑟瑟在线播放| 亚洲无线在线观看| 久久热在线av| 国产精品久久久av美女十八| 国产精品美女特级片免费视频播放器 | 一进一出好大好爽视频| 国产成人一区二区三区免费视频网站| 欧美日韩黄片免| 亚洲狠狠婷婷综合久久图片| 国产在线精品亚洲第一网站| 欧美在线黄色| 在线看三级毛片| 亚洲中文字幕日韩| 亚洲国产精品成人综合色| 成人欧美大片| 亚洲,欧美精品.| 久久久精品国产亚洲av高清涩受| 精品国产亚洲在线| 一级片免费观看大全| 一级毛片女人18水好多| 国产私拍福利视频在线观看| 久久久久国产一级毛片高清牌| 变态另类丝袜制服| xxx96com| 在线永久观看黄色视频| 99久久综合精品五月天人人| 男人舔奶头视频| 欧美日韩福利视频一区二区| 99精品久久久久人妻精品| 国产主播在线观看一区二区| 亚洲片人在线观看| 丝袜美腿诱惑在线| 欧美日韩一级在线毛片| 精品久久久久久久久久免费视频| 久久久久久人人人人人| 久久国产精品男人的天堂亚洲| 欧美黑人欧美精品刺激| 午夜亚洲福利在线播放| 在线观看日韩欧美| 99国产精品99久久久久| 欧美+亚洲+日韩+国产| 亚洲无线在线观看| 国产区一区二久久| 日韩国内少妇激情av| 国产在线观看jvid| 18禁美女被吸乳视频| 亚洲欧美精品综合久久99| 亚洲午夜精品一区,二区,三区| 国产精品久久久久久精品电影 | 亚洲av成人一区二区三| 亚洲成人精品中文字幕电影| 国产精品久久久久久人妻精品电影| 中文在线观看免费www的网站 | 亚洲国产毛片av蜜桃av| 国产精品 国内视频| 麻豆一二三区av精品| 亚洲最大成人中文| 色综合亚洲欧美另类图片| 一级片免费观看大全| 中文字幕另类日韩欧美亚洲嫩草| 叶爱在线成人免费视频播放| 又大又爽又粗| x7x7x7水蜜桃| 啦啦啦观看免费观看视频高清| 午夜激情av网站| 人人妻人人澡欧美一区二区| 亚洲中文av在线| 国产精品 国内视频| 亚洲av电影不卡..在线观看| 侵犯人妻中文字幕一二三四区| 99热只有精品国产| 非洲黑人性xxxx精品又粗又长| 757午夜福利合集在线观看| 国产高清激情床上av| 国产精华一区二区三区| 国产激情欧美一区二区| 麻豆久久精品国产亚洲av| 欧美国产精品va在线观看不卡| 怎么达到女性高潮| 日韩免费av在线播放| 国产精品久久久久久人妻精品电影| 精品国内亚洲2022精品成人| 女人高潮潮喷娇喘18禁视频| 丝袜人妻中文字幕| 亚洲专区字幕在线| 国产精品免费一区二区三区在线| 日本撒尿小便嘘嘘汇集6| 在线十欧美十亚洲十日本专区| 最近最新免费中文字幕在线| 日本三级黄在线观看| 亚洲精品中文字幕在线视频| 一夜夜www| 啦啦啦观看免费观看视频高清| 国产不卡一卡二| 99在线视频只有这里精品首页| 韩国av一区二区三区四区| 此物有八面人人有两片| 亚洲国产精品成人综合色| 国产1区2区3区精品| 一级a爱片免费观看的视频| 99精品久久久久人妻精品| 中文字幕av电影在线播放| 无遮挡黄片免费观看| 在线观看午夜福利视频| 亚洲欧美日韩高清在线视频| 天天躁夜夜躁狠狠躁躁| 一区福利在线观看| 中文字幕人妻熟女乱码| 国产精品国产高清国产av| 亚洲精品色激情综合| 久久精品国产99精品国产亚洲性色| 老汉色∧v一级毛片| 免费女性裸体啪啪无遮挡网站| www国产在线视频色| 欧美乱色亚洲激情| 女人高潮潮喷娇喘18禁视频| 亚洲一码二码三码区别大吗| 一本精品99久久精品77| 久久精品人妻少妇| 日日干狠狠操夜夜爽| 国产精品一区二区免费欧美| 色在线成人网| 国产亚洲av嫩草精品影院| 国产成+人综合+亚洲专区| 久久婷婷人人爽人人干人人爱| 久99久视频精品免费| 亚洲最大成人中文| 19禁男女啪啪无遮挡网站| 成年女人毛片免费观看观看9| 精品不卡国产一区二区三区| 色综合站精品国产| 日本在线视频免费播放| 欧美+亚洲+日韩+国产| 日韩高清综合在线| 亚洲自偷自拍图片 自拍| 国产精品二区激情视频| 欧美大码av| 亚洲成人国产一区在线观看| xxx96com| 19禁男女啪啪无遮挡网站| 国产激情欧美一区二区| 国产精品爽爽va在线观看网站 | 大型黄色视频在线免费观看| 一级作爱视频免费观看| 欧美亚洲日本最大视频资源| tocl精华| 大型黄色视频在线免费观看| 欧美色欧美亚洲另类二区| 99久久久亚洲精品蜜臀av| 一本久久中文字幕| 12—13女人毛片做爰片一| 午夜精品久久久久久毛片777| 女同久久另类99精品国产91| 亚洲性夜色夜夜综合| 免费一级毛片在线播放高清视频| 亚洲第一青青草原| 久久人妻av系列| 在线永久观看黄色视频| 人人澡人人妻人| 亚洲av成人av| 人人妻人人看人人澡| 美女高潮到喷水免费观看| 精品久久久久久成人av| 日本 av在线| 精品久久久久久成人av| 男女做爰动态图高潮gif福利片| 高清在线国产一区| 18禁国产床啪视频网站| 中文字幕久久专区| 免费高清在线观看日韩| 淫妇啪啪啪对白视频| 老汉色av国产亚洲站长工具| 99精品在免费线老司机午夜| 久久久久久久久久黄片| 特大巨黑吊av在线直播 | 欧美中文日本在线观看视频| 999久久久国产精品视频| 久久中文字幕一级| 757午夜福利合集在线观看| 黄频高清免费视频| 白带黄色成豆腐渣| 成人午夜高清在线视频 | 在线观看日韩欧美| 此物有八面人人有两片| 精品久久蜜臀av无| 色综合亚洲欧美另类图片| 九色国产91popny在线| 美女高潮喷水抽搐中文字幕| 日日夜夜操网爽| av有码第一页| 色播在线永久视频| 满18在线观看网站| 亚洲中文字幕日韩| 18禁黄网站禁片午夜丰满| 韩国精品一区二区三区| 可以免费在线观看a视频的电影网站| 亚洲国产看品久久| 九色国产91popny在线| 深夜精品福利| 国产精品野战在线观看| 午夜亚洲福利在线播放| 变态另类成人亚洲欧美熟女| 99在线视频只有这里精品首页| 自线自在国产av| 日韩一卡2卡3卡4卡2021年| av天堂在线播放| 国产v大片淫在线免费观看| 美女免费视频网站| 欧美国产日韩亚洲一区| 黄片小视频在线播放| 国产av一区在线观看免费| 天堂动漫精品| 欧美乱码精品一区二区三区| 成在线人永久免费视频| 亚洲国产精品合色在线| www.www免费av| 久久久久久免费高清国产稀缺| 国产熟女午夜一区二区三区| 久久久久亚洲av毛片大全| 老司机午夜十八禁免费视频| 成人国产一区最新在线观看| 后天国语完整版免费观看| 香蕉久久夜色| 国产一区二区在线av高清观看| 淫妇啪啪啪对白视频| 99精品欧美一区二区三区四区| 午夜成年电影在线免费观看| 欧美+亚洲+日韩+国产| 最近在线观看免费完整版| 又紧又爽又黄一区二区| 麻豆av在线久日| 777久久人妻少妇嫩草av网站| 一级片免费观看大全| 欧美精品亚洲一区二区| 欧美成人性av电影在线观看| 国产99久久九九免费精品| 欧美黑人欧美精品刺激| 精品第一国产精品| 午夜福利一区二区在线看| 亚洲av电影不卡..在线观看| 午夜福利18| 中国美女看黄片| 一本大道久久a久久精品| 亚洲熟妇熟女久久| 欧美大码av| 亚洲国产精品sss在线观看| 两性夫妻黄色片| 777久久人妻少妇嫩草av网站| 露出奶头的视频| 久久久久精品国产欧美久久久| 日韩欧美国产一区二区入口| 亚洲精品久久国产高清桃花| 超碰成人久久| 一个人免费在线观看的高清视频| 亚洲欧美日韩高清在线视频| 亚洲第一青青草原| 99热这里只有精品一区 | 国产亚洲精品第一综合不卡| 嫁个100分男人电影在线观看| 美女国产高潮福利片在线看| 日韩欧美免费精品| 91在线观看av| 国产欧美日韩精品亚洲av| 首页视频小说图片口味搜索| 久久精品人妻少妇| 后天国语完整版免费观看| 少妇 在线观看| 人成视频在线观看免费观看| 亚洲自偷自拍图片 自拍| 黑丝袜美女国产一区| 麻豆一二三区av精品| 波多野结衣高清作品| 国内久久婷婷六月综合欲色啪| 欧美日本亚洲视频在线播放| 亚洲欧美激情综合另类| 久热爱精品视频在线9| 满18在线观看网站| 亚洲专区字幕在线| 久久久久久国产a免费观看| 人妻丰满熟妇av一区二区三区| 国产蜜桃级精品一区二区三区| 校园春色视频在线观看| 99re在线观看精品视频| 精品久久蜜臀av无| 国产又爽黄色视频| 狂野欧美激情性xxxx| 国产精品香港三级国产av潘金莲| 久久青草综合色| 18禁美女被吸乳视频| 在线观看www视频免费| 亚洲成人久久爱视频| 精品国产一区二区三区四区第35| 久久青草综合色| 久久精品国产亚洲av高清一级| 国产99白浆流出| 性欧美人与动物交配| 1024香蕉在线观看| 精品卡一卡二卡四卡免费| 99久久无色码亚洲精品果冻| 每晚都被弄得嗷嗷叫到高潮| 老司机福利观看| 亚洲熟妇熟女久久| 曰老女人黄片| 99久久国产精品久久久| 国产蜜桃级精品一区二区三区| 一区二区三区国产精品乱码| 色播亚洲综合网| 日本免费一区二区三区高清不卡| 99热这里只有精品一区 | ponron亚洲| 精品久久蜜臀av无| 国产av不卡久久| 成人永久免费在线观看视频| 久久九九热精品免费| 欧美日本亚洲视频在线播放| 亚洲人成网站高清观看| 亚洲九九香蕉| 欧美日韩黄片免| 婷婷丁香在线五月| 亚洲精品国产精品久久久不卡| 丁香六月欧美| cao死你这个sao货| 自线自在国产av| 伦理电影免费视频| 淫秽高清视频在线观看| 国产精品1区2区在线观看.| 非洲黑人性xxxx精品又粗又长| 国产精品久久久久久精品电影 | 欧美成人一区二区免费高清观看 | 色哟哟哟哟哟哟| 2021天堂中文幕一二区在线观 | 美女高潮到喷水免费观看| 国产乱人伦免费视频| 99热6这里只有精品| 国产一区在线观看成人免费| 国产1区2区3区精品| 1024视频免费在线观看| 午夜影院日韩av| 夜夜躁狠狠躁天天躁| 国产成人精品久久二区二区91| 日韩免费av在线播放| 国内久久婷婷六月综合欲色啪| 成在线人永久免费视频| 国产一级毛片七仙女欲春2 | 久久精品国产清高在天天线| 又黄又粗又硬又大视频| 99精品久久久久人妻精品| 婷婷六月久久综合丁香| 久久久久久久久中文| 一本久久中文字幕| 神马国产精品三级电影在线观看 | 亚洲人成网站在线播放欧美日韩| 国产精品亚洲av一区麻豆| 岛国视频午夜一区免费看| 一本大道久久a久久精品| 午夜精品久久久久久毛片777| 一区二区日韩欧美中文字幕| 99国产精品99久久久久| 久久久久九九精品影院| 无遮挡黄片免费观看| 99精品在免费线老司机午夜| 中国美女看黄片| 欧美av亚洲av综合av国产av| 黄片播放在线免费| 中文字幕另类日韩欧美亚洲嫩草| 一区二区三区高清视频在线| 伦理电影免费视频| 国产黄色小视频在线观看| 国内少妇人妻偷人精品xxx网站 | 18美女黄网站色大片免费观看| 成人国产一区最新在线观看| xxx96com| 免费人成视频x8x8入口观看| 亚洲真实伦在线观看| aaaaa片日本免费| 亚洲熟妇中文字幕五十中出| 婷婷精品国产亚洲av| 欧美日韩福利视频一区二区| 亚洲第一av免费看| 国产成人av激情在线播放| 叶爱在线成人免费视频播放| av免费在线观看网站| 亚洲色图 男人天堂 中文字幕| 日韩欧美国产一区二区入口| 国产精品 欧美亚洲| 哪里可以看免费的av片| 色综合婷婷激情| 久久亚洲真实| 夜夜看夜夜爽夜夜摸|