• <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 ?

    運動目標跟蹤技術綜述

    2014-06-06 15:41仝曉龍等
    科技創(chuàng)新與應用 2014年18期

    仝曉龍等

    摘 要:運動目標跟蹤是一個頗具挑戰(zhàn)性的問題,文章對當前運動目標跟蹤問題的相關方法進行分析研究。首先從一個嶄新的角度提出了一套分析運動目標跟蹤技術的體系結(jié)構(gòu)方法。然后采用這種體系結(jié)構(gòu)對列舉的每種跟蹤算法方案進行闡述和歸類,指出了每種方案適用范圍及其局限性。最后針對研究過程中所面臨的難題,展望了運動目標跟蹤技術新的發(fā)展趨勢。

    關鍵詞:運動目標跟蹤;特征模板提??;跟蹤算法框架;運動目標預測

    緒論

    運動目標跟蹤是一門多學科交叉的技術,是計算機視覺領域的一個重要課題,它綜合應用了圖像處理、模式識別、自動控制、人工智能等學科的理論知識。運動目標跟蹤,是指給定一段視頻序列,在該視頻序列的每幀圖像中實時地找到感興趣的運動目標,并評估其運動軌跡。一般來說,典型的目標跟蹤系統(tǒng)一般包含的四個過程[1]:目標初始化,特征模版表示,相似性度量和運動估計,進行目標定位。運動目標跟蹤問題的難點如:目標本身特征的多樣性和不穩(wěn)定性、外部環(huán)境的復雜多變性、目標之間的遮擋等。解決跟蹤問題的關鍵點在于:完整地分割目標、有效地表示目標和準確識別目標。

    通過對于大量目標跟蹤領域文獻的閱讀,可以分析出之前較多的目標跟蹤綜述文獻[1][2][3]主要是從特征模版表示或不同跟蹤算法等角度對跟蹤進行分類,但是對于讀者對整個跟蹤系統(tǒng)框架把握不清。文章根據(jù)目標跟蹤系統(tǒng)中實現(xiàn)過程,從一種新穎角度總結(jié)出一般的目標跟蹤方法體系結(jié)構(gòu)分為以下三個部分:(1)運動目標的特征選取和表示;(2)運動目標跟蹤常用算法框架;(3)運動目標預測算法。

    目標跟蹤算法一般的都不會超出這三個部分。分別從這三個部分進行跟蹤算法的分析研究,第一考慮選取不同的目標特征,如顏色、紋理、形狀等;根據(jù)選擇目標特征,運用合理的目標表示方法,如顏色直方圖,紋理直方圖、輪廓特征模板等;第二,選擇一種或幾種適合的跟蹤算法框架。第三,采用目標跟蹤預測的方法更加合理準確的找到目標。我們結(jié)合目標跟蹤領域提出的許多方法,論述了三個部分如何有機組合實現(xiàn)有效的運動目標跟蹤。此外,文中所列舉的大量跟蹤方法實例都可以從以上三個部分進行歸類,這將有助于相關領域的研究人員清晰的把握目標跟蹤技術脈絡,讓研究人員盡快的從以上三個方面進行深入研究,并提出相應改進和創(chuàng)新方法。

    1 運動目標特征提取

    1.1 目標特征

    特征是一個物體具有可靠性、獨立性、且可區(qū)別于其他物體的屬性,一個運動目標一般具有很多特征,充分的了解這些特征將有助于提高解決運動目標跟蹤問題的效率和準確性。一般來講,常見的運動目標的特征包括:顏色、紋理、邊緣、運動等如何根據(jù)特定的場景選擇合適的目標特征,成為影響跟蹤效果好壞的重要因素。希望通過有效特征選取,來區(qū)分感興趣運動目標和場景中其他運動目標。例如,在足球比賽中,對特定某個運動員跟蹤,而選擇了不恰當?shù)奶卣?,例如形狀,接下來在運動員遮擋的時候,就很難正確跟蹤了。對于特定場景的應用,特征的選擇十分重要,因而作為跟蹤方法結(jié)構(gòu)的第一部分,文章所舉出的是基本的視覺目標特征,研究人員也可以采用或設計一些新的視覺特征來更好實習目標的跟蹤。

    1.2 目標特征提取

    目標特征提取,是指使用運動目標的某些顯著特征表示目標。也可將其分解為兩個部分視覺表征和統(tǒng)計模型。視覺表征目標是采用各種不同的視覺特征構(gòu)建魯棒的目標描述。統(tǒng)計模型是采用統(tǒng)計學習的方法建立有效的分辨目標的數(shù)學模型。

    在運動目標跟蹤過程的開始階段,首先要選擇感興趣的跟蹤目標,通過圖像分割或人為框選得到覆蓋整個目標的區(qū)域(該區(qū)域比目標稍大,可以是矩形或橢圓形),然后采用目標的某些特征來有效地表示該運動目標。實際中的運動目標往往具有很多特征,如果將其所有特征都記錄下來,就需要計算機花大量時間計算,從而滿足不了要求實時性的跟蹤。所以,不需要考慮運動目標的全部特征,而只需要利用一些顯著特征即可,所提取的特征應盡量做到計算簡單,以便快速識別。另外,選用的特征應盡量具有相對穩(wěn)定性,即對圖像的旋轉(zhuǎn)、平移、尺度變化、光照條件變化等不敏感,從而減輕外部環(huán)境對跟蹤效果的影響。

    在處理跟蹤問題時,跟蹤系統(tǒng)將要跟蹤的運動目標用其顯著特征表示,計算機處理這個“表示”的過程是將目標的顯著特征數(shù)據(jù)從高維的原始特征空間,通過映射變換到低維空間,形成簡化計算量的可供計算機理解的數(shù)據(jù),同時計算機認為該特征數(shù)據(jù)即為運動目標的特征模板,即計算機“認識”了要跟蹤的目標。計算機將運動目標用其模板表示的目的是為后續(xù)的跟蹤工作做準備。常用的目標模板包括:顏色直方圖、灰度共生矩陣、紋理直方圖等(圖1a)。在實際應用中,上述這些模板可以進行適當?shù)母倪M以提高跟蹤的魯棒性。

    2 跟蹤算法框架

    2.1 目標特征模版更新

    我們可以比較容易的提取一般圖像的特征,然而是否這些特征可以有效表達要跟蹤的目標,經(jīng)常需要根據(jù)特定的環(huán)境采用不同的特征還可能采用多特征聯(lián)生成有效的目標模板。上一節(jié)在介紹目標特征提取時候,可以將提取特征模板直接作為生成的目標的特征模板直接使用,還可以選用這些特征模板來生成新的目標特征模板,往往這樣做會更有效的表達表達目標。

    目標特征模板生成后常常不是唯一不變,在目標運動的過程中由于目標的形變和光照的變化會影響目標的有效表達,因此需要對目標模板運動跟蹤過程中進行更新。目標特征模版更新問題在跟蹤領域關注度越來越高,主流的研究方法是在線特征選擇,需要用特征模版和當前圖像的目標數(shù)據(jù)進行比對來決定是否進模版更新。還有一種模版的更新策略,根據(jù)跟蹤到的目標實時的更新目標的模版而不進行比對。模版更新問題較為困難,首先如果在目標存在遮擋情況下,模版更新較快很容易造成錯誤的模版更新。其次,模版更新較慢不能適用目標快速變化的情況。一般來說,感興趣目標在一段視頻序列中不會發(fā)生特別大的改變,魯棒的模版更新機制也就沒有必要了。當然,在要求嚴格的自動化商業(yè)系統(tǒng)中,一般是需要通過有監(jiān)督的方法輔助進行模版更新。endprint

    2.2 模板匹配

    跟蹤系統(tǒng)在將運動目標用其特征模板表示之后,跟蹤過程也進入了計算相似性度量階段。在視頻圖像的后續(xù)幀中,采用一定的相似性度量方法,通過計算目標模板與后續(xù)幀中所有候選目標區(qū)域的相似性函數(shù)值,選擇函數(shù)值最大的候選目標區(qū)域(也即與目標特征模板最相似的區(qū)域)作為運動目標在新一幀圖像中的位置。用這樣的方式在每一幀圖像中進行計算相似性度量,就可以實現(xiàn)運動目標的連續(xù)跟蹤。在圖像處理與分析理論中,常用的相似性度量方法有歐式距離、加權距離、Bhattacharyya系數(shù)等。

    2.3 分類學習

    利用分類器將跟蹤目標從背景中分割出來是以模式分類的方法解決視頻跟蹤問題。我們把跟蹤看作分類問題,通過訓練分類器來區(qū)分背景和目標。通過在參考圖像中提取每一像素的一個特征向量,經(jīng)過訓練得到一個分類器來識別一個像素是屬于目標還是背景。給定新的一幀圖像,我們使用訓練好的分類器測試偵查區(qū)域里的像素并得到置信圖,我們認為圖中的峰值點就是物體移動到的地方。

    3 運動預測

    運動預測,相當于是一個動態(tài)的狀態(tài)評估的問題,在跟蹤上一幀的運動個目標后,提出目標特征,然后在下一幀圖像中采用特征匹配或訓練分類器分類方法進行目標跟蹤。但是為了減少搜索特征匹配的區(qū)域,提高實時性,我們常常對目標運動軌跡預測選取最可能的目標區(qū)域。狀態(tài)評估公式:xt=f(xt-1,vt-1)和zt=h(xt,wt),其中xt是當前狀態(tài),f是狀態(tài)方程,vt-1是過程噪聲,zt是當前觀測值,h是測量方程,wt是測量噪聲。

    一般常用預測方法有如,固定搜索窗半徑r(r為大于0的實數(shù)),r的大小是根據(jù)跟蹤目標的不同設定的。我們以上一幀目標所在位置為中心r為半徑,產(chǎn)生多個檢測窗口進行當前幀搜索計算找到最大可能的位置作為本幀目標位置。還可以統(tǒng)計之前N(N=2,3,…)幀跟蹤的目標位置信息,計算出目標運動的大致方向和速度,預判下一幀中可能的目標位置,從而減少計算量。比較經(jīng)典的預測方法如:Ellis等2010年提出線性回歸預測算法,、Kalman在1960年提出的Kalman濾波器預測算法、Isard 和Blake等1998年提出的粒子濾波器預測算法,選取最可能的目標區(qū)域。文章主要的任務是讓讀者有一個關于跟蹤目標算法清晰的思路,快速的了解目標跟蹤技術關鍵要點。在這里不再具體的詳述具體預測算法。

    4 經(jīng)典跟蹤算法

    一般的運動目標跟蹤的實現(xiàn),必然是采用具體某種跟蹤算法作為依托。首先,文章將介紹的四種經(jīng)典的運動目標跟蹤算法:基于Mean Shift目標跟蹤;基于卡爾曼濾波目標跟蹤;基于粒子濾波目標跟蹤;基于支持向量機SVM分類學習目標跟蹤。人們目前常用的跟蹤方法一般都會采用這四種經(jīng)典的跟蹤算法一種或幾種,去實現(xiàn)運動目標的高效、穩(wěn)定的跟蹤。然后,文章列舉的大量的實例依據(jù)文章所提出的跟蹤算法體系結(jié)構(gòu)的組成部分進行分析分解,這樣做有助于相關領域的研究人員,清晰的把握實例中采用的跟蹤算法結(jié)構(gòu)。最后,介紹了近年來提出一些受到研究人員越來越多關注的新的跟蹤算法。

    4.1 基于Mean Shift目標跟蹤

    Mean Shift(均值移動)算法由Fukunaga于1975年在一篇關于概率密度梯度函數(shù)的估計的文章中首次提出,其含義為移動的均值向量,該算法計算簡單,實時性強,對目標的形狀變化、尺度變化不敏感,但是對顏色相近的干擾情況,跟蹤效果不夠理想。Mean Shift算法是一個迭代收斂的過程,即計算當前點的偏移均值,移動該點到其偏移均值,然后以此為新的起始點繼續(xù)移動,直到滿足一定閾值條件或迭代次數(shù)限制條件的約束。Comaniciu最早將Mean Shift算法應用于圖像濾波、分割和目標跟蹤領域。Camshift算法是一種基于均值漂移(Mean Shift)的算法,在連續(xù)幀上使用Mean Shift算法就是Camshift跟蹤算法。Camshift同經(jīng)典的均值移動跟蹤算法的基本思想是相同的,所不同的是,Camshift是建立在顏色概率分布圖和矩的基礎之上,Camshift算法對室內(nèi)環(huán)境下的目標跟蹤具有較高的魯棒性。

    陳建軍[4]等人提出了一種基于核共生矩陣的均值移動跟蹤算法,使用目標的紋理特征作為跟蹤線索,將灰度共生矩陣改進成核共生矩陣作為特征模板,采用Bhattacharyya系數(shù)度量核共生矩陣的相似度,在Mean Shift跟蹤算法基礎上實現(xiàn)了人臉的跟蹤;田綱[5]等人使用目標的顏色和運動特征,將目標的運動矢量作為特征模板,在Mean Shift跟蹤算法基礎上實現(xiàn)了跟蹤;袁廣林[6]等人使用目標的顏色特征,通過多顏色直方圖自適應組合作為特征模板,利用目標區(qū)域?qū)γ恳活伾狈綀D的概率圖的均值和方差的比值,自適應計算權值,在Mean Shift跟蹤算法基礎上實現(xiàn)穩(wěn)定跟蹤,該方法對目標外觀變化具有較強的魯棒性。

    4.2 基于卡爾曼濾波目標跟蹤

    卡爾曼濾波算法是一種經(jīng)典的預測估計算法,如果已知目標運動是線性的,且圖像噪聲服從高斯分布,便可應用卡爾曼濾波預測目標下一幀位置,從而實現(xiàn)目標跟蹤??柭鼮V波器是一個最優(yōu)化自回歸數(shù)據(jù)處理算法,對動態(tài)系統(tǒng)的狀態(tài)序列進行線性最小方差估計,利用狀態(tài)方程和觀測方程描述動態(tài)系統(tǒng),根據(jù)之前的狀態(tài)序列對下一個狀態(tài)作最優(yōu)估計,預測時具有無偏、穩(wěn)定的特點,在存在部分短暫遮擋的目標跟蹤中有很好的跟蹤效果。其計算量小,實時性強,可以準確預測目標的位置和速度,但是它只適合于線性高斯系統(tǒng)。

    徐哈寧[7]等人使用目標的運動特征,提出一種交互多模型作為目標特征模板,交互多模型包括勻速模型、加速度模型、轉(zhuǎn)彎模型以及“當前”統(tǒng)計模型等,并將傳統(tǒng)的卡爾曼濾波跟蹤算法基礎上進行改進,即在去偏轉(zhuǎn)換測量卡爾曼濾波器(CMKF-D)框架下完成了體育視頻中球類目標的跟蹤;齊美彬[8]等人提出一種基于自適應權值的區(qū)域馬爾科夫隨機場(MRF)分割與跟蹤方法,利用相鄰像素的空間相關性,自適應更新系統(tǒng)能量函數(shù)中的參數(shù),使用目標的灰度直方圖特征,建立分片積分直方圖特征模板,在卡爾曼濾波算法基礎上實現(xiàn)部分遮擋和光線變化時的準確分割與跟蹤。endprint

    4.3 基于粒子濾波(Particle Filter)目標跟蹤

    粒子濾波是上世紀90年代后期發(fā)展起來的,是一種基于蒙特卡羅和貝葉斯估計理論的最優(yōu)算法,其基本思想是用隨機樣本描述概率分布,以遞歸的方式對測量數(shù)據(jù)進行序貫處理,無須對之前的測量數(shù)據(jù)存儲和處理,根據(jù)測量數(shù)據(jù)調(diào)節(jié)各粒子權值的大小和樣本的位置,適合于非線性非高斯跟蹤系統(tǒng),有效克服了卡爾曼濾波的缺點,同時可以跟蹤運動速度較快的目標。但粒子濾波算法的計算量會隨著所選取粒子數(shù)目的增加而驟增,因此較難滿足跟蹤的實時性要求。

    王歡[9]等人利用目標的顏色、紋理、邊緣、運動的融合特征,并將這四種特征用統(tǒng)一的直方圖模型來表示,在Auxiliary粒子濾波算法基礎上將所有特征觀測進行概率融合,實現(xiàn)了復雜背景干擾和遮擋時的剛體和非剛體目標的跟蹤;夏利民等人使用目標的顏色、Harr小波和LBP紋理特征,利用背景信息和目標信息建立特征分類器,自適應地更新目標的特征模板,在粒子濾波跟蹤算法基礎上實現(xiàn)了穩(wěn)定跟蹤;趙曉林等人提出基于活動基模型的目標跟蹤方法,用一定數(shù)量的粒子表示運動目標的輪廓,以目標的局部邊緣作為特征,以活動基模型(局部邊緣特征模型)作為特征模板,在粒子濾波算法基礎上進行非剛體目標跟蹤,該方法在目標發(fā)生形狀變化以及存在遮擋情況下有很好的跟蹤性能。

    4.4 基于支持向量機SVM分類學習目標跟蹤

    有效的區(qū)分目標與背景是非常重要的,通過特征評價算法建立對目標和背景具有良好可分性的的視覺特征實現(xiàn)跟蹤。Avidan以支持向量機SVM離線學習得到目標與背景特征,稱為支持向量機跟蹤算法(SVM-Tracking)。

    Tian等人利用一組線性支持向量機分類器構(gòu)建了SVM分類模型,這些分類器在跟蹤中不同時期具有自適應加權判別功能,在外觀變化較大時候跟蹤結(jié)果比較魯棒。但是,對于背景和目標相似情況,會產(chǎn)生起凡是和不可靠的訓練樣本選擇。Lu等人 設計SVM分類器采用多內(nèi)核學習(MKL)的視覺目標跟蹤,MKL的目的是學習的最佳線性組合不同的內(nèi)核的基礎上的不同特征,包括顏色信息和視覺詞空間金字塔直方圖,解決了上面文獻的問題。

    4.5 跟蹤算法框架融合應用

    上面介紹的三種跟蹤算法除了可以單獨作為框架使用,還可以進行多算法框架融合使用,以提高跟蹤的可靠性和準確性。例如:姚紅革等人使用目標的顏色特征,把目標的顏色直方圖改進成顏色概率分布圖,以加權顏色概率分布模型作為目標的特征模板,采用Bhattacharyya度量系數(shù),在Mean Shift和卡爾曼濾波跟蹤算法基礎上實現(xiàn)了人的部分遮擋時的跟蹤;王相海等人利用目標的顏色特征,以基于重要區(qū)域的目標顏色直方圖統(tǒng)計模型作為特征模板,在Mean Shift、卡爾曼濾波和粒子濾波融合跟蹤算法基礎上實現(xiàn)了車輛的有效跟蹤;王鑫等人融合目標的顏色和運動特征,以顏色直方圖和運動直方圖作為目標的特征模板,使用改進的Camshift算法嵌入到粒子濾波算法中實現(xiàn)了人手和杯子的有效跟蹤。

    4.6 目標跟蹤研究最新發(fā)展

    除了以上介紹的四種經(jīng)典算法外,近年來發(fā)展起來的一些視頻目標跟蹤算法如,TLD、CT、Struck、MILTrack等,也越來越受到了研究人員的廣泛關注。簡要的介紹前兩種算法:TLD是Zdenek Kalal 等提出的一種新的單目標長時間跟蹤算法。該算法結(jié)合傳統(tǒng)檢測和跟蹤算法來解決被跟蹤目標在被跟蹤過程中發(fā)生的形變、部分遮擋等問題。同時,通過一種改進的在線學習機制不斷更新跟蹤模塊的“顯著特征點”和檢測模塊的目標模型及相關參數(shù),從而使得跟蹤效果更加穩(wěn)定、魯棒、可靠。壓縮感知跟蹤(CT)算法是Zhang等人通過一定的寬松規(guī)則,生成一個稀疏的投影矩陣,然后直接將壓縮后的數(shù)據(jù)作為特征使用,可以進行快速的運動目標跟蹤。對于目標的旋轉(zhuǎn)和縮放變化的有較好處理,理論上有了較大的突破。

    5 結(jié)束語

    運動目標跟蹤作為計算機視覺領域研究的一個重要內(nèi)容,融合了多學科知識,具有很好的發(fā)展前景。盡管近年來運動目標跟蹤領域取得了很大進步,性能優(yōu)異的跟蹤算法不斷被提出,但仍存在許多需要解決的問題。研究出一種通用性好、實時性強、準確度高的跟蹤算法是未來的發(fā)展方向。對已有的跟蹤算法進行優(yōu)化可以提升跟蹤的可靠性和精度。根據(jù)文章提出的運動目標跟蹤方法分析流程體系結(jié)構(gòu)圖,可以在特征的選擇、跟蹤算法框架、運動預測算法這三方面做出創(chuàng)新,充分利用上下情景信息、背景和輔助目標信息,在一些特定的場合,適當增加機位擴展視頻的拍攝角度,更多的獲取目標特征信息,再對這些特征信息進行融合來降低跟蹤的難度,有效解決遮擋的跟蹤問題。

    參考文獻

    [1]X. Li,W. Hu,C. Shen,Z.Zhang,A. Dick,and A. Hengel.“A Survey of Appearance Models in Visual Object Tracking” TIST,2013.

    [2]張娟,毛曉波,陳鐵軍.運動目標蹤算法研究綜述[J].計算機應用研究,2009,26(12).

    [3]薛陳,朱明,劉春香.遮擋情況下目標跟蹤算法綜述[J].中國光學與應用光學,2009,2(5).

    [4]陳建軍,安國成,張索非,等.基于核共生矩陣的均值移動跟蹤算法[J].中國圖像圖形學報,2010,15(10):1499-1506.

    [5]田綱,胡瑞敏,王中元.一種基于運動矢量分析的MeanShift目標跟蹤算法[J].中國圖像圖形學報,2010,15(1):85-90.

    [6]袁廣林,薛模根,謝愷,等.多顏色直方圖自適應組合MeanShift跟蹤[J].中國圖像圖形學報,2011,16(10):1832-1840.

    [7]徐哈寧,肖慧,侯宏錄.體育視頻序列中基于IMM的運動目標跟蹤算法[J].中國圖像圖形學報,2009,14(5):920-924.

    [8]齊美彬,楊立賓,蔣建國.自適應權值的MRF分割與跟蹤方法[J].中國圖像圖形學報,2011,16(4):572-578.

    [9]王歡,王江濤,任明武,等.一種魯棒的多特征融合目標跟蹤新算法[J].中國圖像圖形學報,2009,14(3):489-498.endprint

    欧美黄色淫秽网站| 中文亚洲av片在线观看爽 | 真人做人爱边吃奶动态| 嫁个100分男人电影在线观看| 欧美人与性动交α欧美软件| 亚洲综合色网址| 欧美精品一区二区免费开放| 久久久国产精品麻豆| 女人被躁到高潮嗷嗷叫费观| 免费在线观看视频国产中文字幕亚洲| 色尼玛亚洲综合影院| 日韩一卡2卡3卡4卡2021年| 精品免费久久久久久久清纯 | 欧美精品啪啪一区二区三区| 久久久久精品国产欧美久久久| 一进一出抽搐动态| 天天操日日干夜夜撸| 99在线人妻在线中文字幕 | 一区二区三区激情视频| 真人做人爱边吃奶动态| 国产精品一区二区在线不卡| 日韩有码中文字幕| 亚洲一码二码三码区别大吗| 日本精品一区二区三区蜜桃| 亚洲欧美色中文字幕在线| 亚洲精品在线美女| 国产精品免费视频内射| 欧美中文综合在线视频| 亚洲国产av影院在线观看| 久久久久国内视频| 精品国产乱码久久久久久男人| 老汉色av国产亚洲站长工具| 久久亚洲精品不卡| 在线观看免费视频日本深夜| 欧美激情久久久久久爽电影 | 久久这里只有精品19| 日本a在线网址| 老司机午夜福利在线观看视频 | av超薄肉色丝袜交足视频| 一区福利在线观看| 亚洲全国av大片| 一区二区三区激情视频| 精品久久久精品久久久| 啦啦啦中文免费视频观看日本| 国产成人啪精品午夜网站| 麻豆国产av国片精品| 亚洲人成电影观看| 日韩视频一区二区在线观看| 国产av一区二区精品久久| 亚洲伊人色综图| 建设人人有责人人尽责人人享有的| 在线 av 中文字幕| 久久 成人 亚洲| 精品一区二区三区四区五区乱码| 欧美在线一区亚洲| 久久天堂一区二区三区四区| 极品少妇高潮喷水抽搐| 丰满饥渴人妻一区二区三| 免费在线观看视频国产中文字幕亚洲| 高清在线国产一区| 亚洲国产欧美在线一区| 三级毛片av免费| 日韩欧美免费精品| 老汉色av国产亚洲站长工具| 欧美变态另类bdsm刘玥| 天天躁狠狠躁夜夜躁狠狠躁| 精品一区二区三区视频在线观看免费 | 伦理电影免费视频| 一本色道久久久久久精品综合| 国产精品成人在线| 中亚洲国语对白在线视频| 最近最新中文字幕大全免费视频| 人人妻人人爽人人添夜夜欢视频| 丁香欧美五月| 一个人免费看片子| 日本黄色视频三级网站网址 | 天天添夜夜摸| 少妇精品久久久久久久| 精品国产乱子伦一区二区三区| 国产精品秋霞免费鲁丝片| 交换朋友夫妻互换小说| 男女之事视频高清在线观看| 免费在线观看完整版高清| 国产日韩欧美视频二区| 国产精品98久久久久久宅男小说| 欧美激情久久久久久爽电影 | 日韩欧美三级三区| 亚洲精品在线观看二区| 激情视频va一区二区三区| 岛国在线观看网站| 香蕉久久夜色| 亚洲欧洲精品一区二区精品久久久| 国产激情久久老熟女| 老司机午夜福利在线观看视频 | 精品福利永久在线观看| 香蕉丝袜av| 欧美黑人欧美精品刺激| 日韩精品免费视频一区二区三区| 国产精品麻豆人妻色哟哟久久| 乱人伦中国视频| 欧美+亚洲+日韩+国产| 国产高清视频在线播放一区| 亚洲成人免费电影在线观看| 丰满饥渴人妻一区二区三| 亚洲va日本ⅴa欧美va伊人久久| 国产精品熟女久久久久浪| 久久精品亚洲熟妇少妇任你| 91九色精品人成在线观看| 亚洲av成人一区二区三| 久久热在线av| 国产精品电影一区二区三区 | 国产亚洲精品第一综合不卡| 久久人人97超碰香蕉20202| 欧美黄色淫秽网站| 高清毛片免费观看视频网站 | 国产成人欧美| 亚洲欧洲日产国产| 国产亚洲欧美精品永久| 国产高清国产精品国产三级| 国产精品一区二区免费欧美| 中文字幕最新亚洲高清| 黄色怎么调成土黄色| av一本久久久久| 亚洲情色 制服丝袜| 成人手机av| 日本av免费视频播放| 高清黄色对白视频在线免费看| 狠狠婷婷综合久久久久久88av| 免费女性裸体啪啪无遮挡网站| 老汉色av国产亚洲站长工具| 免费高清在线观看日韩| 亚洲精品一二三| 久久久水蜜桃国产精品网| 日韩人妻精品一区2区三区| 欧美黄色淫秽网站| 亚洲中文日韩欧美视频| 国产成人欧美| 满18在线观看网站| 欧美大码av| 亚洲精品中文字幕在线视频| 91av网站免费观看| 国产精品欧美亚洲77777| 热re99久久精品国产66热6| av有码第一页| 亚洲avbb在线观看| 妹子高潮喷水视频| 亚洲性夜色夜夜综合| 成人国语在线视频| 亚洲精品中文字幕在线视频| 香蕉丝袜av| 午夜激情久久久久久久| 在线亚洲精品国产二区图片欧美| 黄频高清免费视频| 国产亚洲午夜精品一区二区久久| 动漫黄色视频在线观看| 露出奶头的视频| 极品人妻少妇av视频| 午夜日韩欧美国产| 女人高潮潮喷娇喘18禁视频| 老司机影院毛片| 亚洲伊人久久精品综合| 国产亚洲精品一区二区www | 国产野战对白在线观看| 久久99一区二区三区| 色综合欧美亚洲国产小说| 五月天丁香电影| 午夜福利欧美成人| 亚洲av日韩在线播放| 老司机午夜福利在线观看视频 | 免费看a级黄色片| 国产亚洲欧美在线一区二区| tocl精华| 99国产精品99久久久久| 亚洲成人免费av在线播放| 国产一区二区三区综合在线观看| 欧美日韩视频精品一区| 久久国产精品人妻蜜桃| 欧美 日韩 精品 国产| www.999成人在线观看| 成人手机av| 成年女人毛片免费观看观看9 | 亚洲精品国产色婷婷电影| 国产精品1区2区在线观看. | 夜夜骑夜夜射夜夜干| 久久久久久人人人人人| 国产精品九九99| 一区二区av电影网| 国产精品熟女久久久久浪| 99国产极品粉嫩在线观看| 久久精品国产亚洲av高清一级| 久久久国产一区二区| 午夜激情av网站| 亚洲精品久久成人aⅴ小说| 一边摸一边抽搐一进一小说 | 国产男女内射视频| 欧美日韩精品网址| 日韩精品免费视频一区二区三区| 欧美日韩一级在线毛片| 国产精品一区二区精品视频观看| 国产av一区二区精品久久| 麻豆国产av国片精品| 欧美日韩国产mv在线观看视频| 久久人人97超碰香蕉20202| 视频区欧美日本亚洲| 精品久久久久久电影网| 欧美黑人欧美精品刺激| 欧美日韩亚洲国产一区二区在线观看 | 国产欧美日韩一区二区精品| 久久精品成人免费网站| 无人区码免费观看不卡 | 啦啦啦中文免费视频观看日本| 亚洲色图av天堂| 老司机深夜福利视频在线观看| 一本综合久久免费| 91大片在线观看| 99国产精品一区二区三区| 丰满饥渴人妻一区二区三| 在线亚洲精品国产二区图片欧美| 久久国产精品影院| 国产xxxxx性猛交| 亚洲自偷自拍图片 自拍| 欧美一级毛片孕妇| 精品午夜福利视频在线观看一区 | 亚洲av电影在线进入| 黄网站色视频无遮挡免费观看| 国产精品熟女久久久久浪| 又紧又爽又黄一区二区| 我的亚洲天堂| 中文字幕最新亚洲高清| www.精华液| xxxhd国产人妻xxx| netflix在线观看网站| 久久婷婷成人综合色麻豆| 日本精品一区二区三区蜜桃| 久久香蕉激情| 欧美日韩国产mv在线观看视频| 午夜福利视频在线观看免费| 中文字幕人妻丝袜制服| 国产黄频视频在线观看| 一级,二级,三级黄色视频| 国产片内射在线| 亚洲欧美激情在线| 亚洲中文字幕日韩| 岛国毛片在线播放| 亚洲国产av新网站| 亚洲自偷自拍图片 自拍| 欧美 日韩 精品 国产| 国产精品自产拍在线观看55亚洲 | 亚洲第一欧美日韩一区二区三区 | 免费日韩欧美在线观看| 亚洲精品中文字幕在线视频| 午夜免费成人在线视频| 亚洲成av片中文字幕在线观看| 天天添夜夜摸| 日韩欧美一区二区三区在线观看 | 国产又色又爽无遮挡免费看| 久久精品国产亚洲av香蕉五月 | 久久精品国产99精品国产亚洲性色 | 亚洲精品在线美女| 亚洲性夜色夜夜综合| 欧美成人免费av一区二区三区 | 亚洲综合色网址| 超碰成人久久| 日韩欧美一区二区三区在线观看 | 国产精品久久久久久精品古装| 亚洲国产欧美日韩在线播放| 俄罗斯特黄特色一大片| 法律面前人人平等表现在哪些方面| 麻豆乱淫一区二区| 日韩熟女老妇一区二区性免费视频| 国产精品偷伦视频观看了| 一级毛片精品| 搡老岳熟女国产| 黄色视频不卡| 老司机福利观看| 精品久久久精品久久久| 日韩欧美三级三区| 最新的欧美精品一区二区| 中文字幕av电影在线播放| 中文亚洲av片在线观看爽 | 免费日韩欧美在线观看| 久久久欧美国产精品| av片东京热男人的天堂| 国产精品亚洲一级av第二区| 老汉色av国产亚洲站长工具| 国产成人精品久久二区二区91| 黄色怎么调成土黄色| 亚洲专区中文字幕在线| 大陆偷拍与自拍| 成人三级做爰电影| 亚洲av成人不卡在线观看播放网| cao死你这个sao货| 国产成+人综合+亚洲专区| h视频一区二区三区| 久久精品国产亚洲av高清一级| 制服人妻中文乱码| 精品国产亚洲在线| 精品一区二区三卡| 日本wwww免费看| 午夜福利影视在线免费观看| 日本精品一区二区三区蜜桃| 一本—道久久a久久精品蜜桃钙片| netflix在线观看网站| 国产精品麻豆人妻色哟哟久久| 中亚洲国语对白在线视频| 国产成人av激情在线播放| 国产欧美日韩一区二区三区在线| 国产成人精品无人区| 国产精品欧美亚洲77777| 在线 av 中文字幕| 一个人免费看片子| 香蕉国产在线看| 欧美一级毛片孕妇| 另类精品久久| 大香蕉久久成人网| 成人永久免费在线观看视频 | 99热网站在线观看| 国产日韩欧美视频二区| 国产欧美亚洲国产| 人人妻人人添人人爽欧美一区卜| 亚洲国产毛片av蜜桃av| 日本av免费视频播放| av国产精品久久久久影院| av线在线观看网站| 男女之事视频高清在线观看| 正在播放国产对白刺激| 亚洲av成人不卡在线观看播放网| cao死你这个sao货| 热99国产精品久久久久久7| 久久久欧美国产精品| 国产一区二区在线观看av| 中文字幕制服av| 中文字幕人妻丝袜制服| 青青草视频在线视频观看| 国产精品国产av在线观看| 久久香蕉激情| 97人妻天天添夜夜摸| 国产免费av片在线观看野外av| 狂野欧美激情性xxxx| 亚洲欧美日韩另类电影网站| 日韩视频一区二区在线观看| 久久午夜综合久久蜜桃| 久久精品aⅴ一区二区三区四区| 后天国语完整版免费观看| 色播在线永久视频| 精品人妻在线不人妻| 2018国产大陆天天弄谢| 久久久久久人人人人人| 天堂中文最新版在线下载| 亚洲情色 制服丝袜| 妹子高潮喷水视频| 91精品三级在线观看| 欧美人与性动交α欧美精品济南到| 高清在线国产一区| 在线观看舔阴道视频| 99热国产这里只有精品6| 91麻豆av在线| 少妇猛男粗大的猛烈进出视频| 99国产精品一区二区三区| 国产欧美日韩一区二区三区在线| 80岁老熟妇乱子伦牲交| 国产成人精品在线电影| 成在线人永久免费视频| 亚洲熟女精品中文字幕| 成人三级做爰电影| 久久国产亚洲av麻豆专区| 成人精品一区二区免费| 香蕉久久夜色| 动漫黄色视频在线观看| 成年动漫av网址| 精品免费久久久久久久清纯 | 欧美激情极品国产一区二区三区| 欧美大码av| 在线观看人妻少妇| 欧美日韩一级在线毛片| 午夜免费鲁丝| 99精品欧美一区二区三区四区| 夜夜夜夜夜久久久久| 亚洲欧美激情在线| 人人妻人人爽人人添夜夜欢视频| 丰满迷人的少妇在线观看| 色在线成人网| 午夜精品久久久久久毛片777| 久久99热这里只频精品6学生| 欧美老熟妇乱子伦牲交| 在线av久久热| 12—13女人毛片做爰片一| 国产有黄有色有爽视频| 中文字幕精品免费在线观看视频| 亚洲熟妇熟女久久| 最新美女视频免费是黄的| 亚洲av美国av| 91麻豆av在线| 极品少妇高潮喷水抽搐| 18禁裸乳无遮挡动漫免费视频| 国产无遮挡羞羞视频在线观看| 欧美在线一区亚洲| 亚洲欧洲精品一区二区精品久久久| 伊人久久大香线蕉亚洲五| 亚洲国产欧美一区二区综合| 黄色毛片三级朝国网站| 亚洲av日韩精品久久久久久密| 777米奇影视久久| 少妇粗大呻吟视频| 国产免费福利视频在线观看| 又黄又粗又硬又大视频| 日韩欧美三级三区| 久久人妻福利社区极品人妻图片| 男女之事视频高清在线观看| 成人黄色视频免费在线看| 制服诱惑二区| 久久久久国产一级毛片高清牌| 国产99久久九九免费精品| 一区二区三区激情视频| a级片在线免费高清观看视频| 国产福利在线免费观看视频| 国产成人一区二区三区免费视频网站| 高清av免费在线| 国产精品电影一区二区三区 | 最近最新中文字幕大全免费视频| av网站在线播放免费| 国产精品电影一区二区三区 | 天天躁狠狠躁夜夜躁狠狠躁| 黄色片一级片一级黄色片| 大码成人一级视频| 岛国在线观看网站| 日韩熟女老妇一区二区性免费视频| 久久ye,这里只有精品| 91字幕亚洲| 中文欧美无线码| 欧美人与性动交α欧美软件| 一区福利在线观看| 精品午夜福利视频在线观看一区 | 老司机影院毛片| 又大又爽又粗| 欧美一级毛片孕妇| 久久人人爽av亚洲精品天堂| 亚洲精品乱久久久久久| 精品久久久久久电影网| 欧美久久黑人一区二区| 精品少妇一区二区三区视频日本电影| 男女无遮挡免费网站观看| 成在线人永久免费视频| 日本wwww免费看| 制服人妻中文乱码| 久久毛片免费看一区二区三区| 久久九九热精品免费| 不卡一级毛片| 最近最新免费中文字幕在线| 亚洲自偷自拍图片 自拍| 大香蕉久久网| 欧美大码av| 啦啦啦免费观看视频1| 岛国毛片在线播放| 少妇的丰满在线观看| 在线亚洲精品国产二区图片欧美| 桃红色精品国产亚洲av| 老熟妇乱子伦视频在线观看| 国产精品二区激情视频| 国产成人欧美在线观看 | 操美女的视频在线观看| 18禁观看日本| 亚洲色图 男人天堂 中文字幕| 狠狠精品人妻久久久久久综合| 欧美日韩视频精品一区| 国产在视频线精品| 露出奶头的视频| 国产老妇伦熟女老妇高清| 精品免费久久久久久久清纯 | 在线观看一区二区三区激情| 99热网站在线观看| 久久精品aⅴ一区二区三区四区| 亚洲免费av在线视频| 午夜福利乱码中文字幕| 老司机福利观看| 黄片小视频在线播放| 一级毛片电影观看| 99re6热这里在线精品视频| 亚洲国产中文字幕在线视频| 免费在线观看完整版高清| 久久久久精品国产欧美久久久| 午夜福利视频在线观看免费| 极品人妻少妇av视频| 成年动漫av网址| 午夜激情久久久久久久| 国产真人三级小视频在线观看| 国产成人欧美在线观看 | 交换朋友夫妻互换小说| 国产亚洲一区二区精品| 亚洲人成电影观看| 中文字幕色久视频| 亚洲精品久久成人aⅴ小说| videosex国产| 女人爽到高潮嗷嗷叫在线视频| 亚洲久久久国产精品| 9色porny在线观看| 国产不卡av网站在线观看| 欧美日韩亚洲国产一区二区在线观看 | 亚洲欧美一区二区三区黑人| 国产精品一区二区免费欧美| 极品教师在线免费播放| 成人精品一区二区免费| 少妇精品久久久久久久| 日本撒尿小便嘘嘘汇集6| 国产真人三级小视频在线观看| 亚洲情色 制服丝袜| 国产精品自产拍在线观看55亚洲 | 中文字幕人妻丝袜制服| 高清在线国产一区| 欧美精品高潮呻吟av久久| 国产极品粉嫩免费观看在线| 国产在线观看jvid| 99riav亚洲国产免费| 手机成人av网站| 亚洲黑人精品在线| 纯流量卡能插随身wifi吗| tocl精华| 国产无遮挡羞羞视频在线观看| 午夜福利免费观看在线| 91九色精品人成在线观看| 亚洲av电影在线进入| 麻豆国产av国片精品| 色播在线永久视频| 极品教师在线免费播放| 精品国产国语对白av| 亚洲精品国产区一区二| 中文字幕色久视频| 国产淫语在线视频| 日韩大片免费观看网站| 久久久久久免费高清国产稀缺| 丝袜人妻中文字幕| 在线观看免费视频日本深夜| 免费观看人在逋| 亚洲av成人一区二区三| 久久久国产精品麻豆| 久久久久国内视频| 精品午夜福利视频在线观看一区 | 精品人妻在线不人妻| 婷婷丁香在线五月| 亚洲全国av大片| 久久精品aⅴ一区二区三区四区| 一本色道久久久久久精品综合| 国产亚洲精品第一综合不卡| 精品欧美一区二区三区在线| 国产精品久久久av美女十八| 国产精品亚洲av一区麻豆| 中文字幕人妻熟女乱码| 91大片在线观看| e午夜精品久久久久久久| 黄色丝袜av网址大全| 天天躁夜夜躁狠狠躁躁| 国产成人精品无人区| 脱女人内裤的视频| 欧美精品av麻豆av| 美女国产高潮福利片在线看| 国产精品九九99| 亚洲色图av天堂| 精品久久蜜臀av无| svipshipincom国产片| 国产精品免费大片| 精品少妇一区二区三区视频日本电影| 丰满人妻熟妇乱又伦精品不卡| 男女边摸边吃奶| 香蕉丝袜av| 亚洲人成电影免费在线| 99热网站在线观看| 亚洲成人免费电影在线观看| 亚洲熟女毛片儿| a级毛片黄视频| 一本大道久久a久久精品| 在线观看免费视频网站a站| 国产熟女午夜一区二区三区| 日韩免费高清中文字幕av| 亚洲视频免费观看视频| 美女高潮到喷水免费观看| 国产主播在线观看一区二区| 亚洲熟妇熟女久久| 久久精品国产亚洲av高清一级| 50天的宝宝边吃奶边哭怎么回事| 亚洲va日本ⅴa欧美va伊人久久| 深夜精品福利| 中文字幕人妻熟女乱码| 国产老妇伦熟女老妇高清| 丝瓜视频免费看黄片| 久久精品91无色码中文字幕| 激情在线观看视频在线高清 | av视频免费观看在线观看| 国产男女超爽视频在线观看| 无限看片的www在线观看| 视频区欧美日本亚洲| 国产成人欧美在线观看 | 日本wwww免费看| 国产区一区二久久| 午夜视频精品福利| 色精品久久人妻99蜜桃| 亚洲成人手机| 亚洲五月色婷婷综合| 美女高潮到喷水免费观看| 十八禁人妻一区二区| 黄色a级毛片大全视频| 日日夜夜操网爽| 自线自在国产av| 国产精品久久久久久人妻精品电影 | 国产成人精品久久二区二区91| 久久国产精品人妻蜜桃| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲av国产av综合av卡| 我要看黄色一级片免费的| 国产伦理片在线播放av一区| 精品国产乱码久久久久久小说| 亚洲黑人精品在线| 亚洲熟女精品中文字幕| 五月天丁香电影| 成人免费观看视频高清| 69精品国产乱码久久久|