• <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 ?

    基于方向信息的隨機(jī)蕨特征匹配算法

    2014-08-05 04:28:07孫博文邱子鑒張艷鵬
    計(jì)算機(jī)工程 2014年5期
    關(guān)鍵詞:圖塊測試點(diǎn)識(shí)別率

    孫博文,邱子鑒,沈 斌,張艷鵬

    (哈爾濱理工大學(xué) a. 計(jì)算中心;b. 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,哈爾濱 1 50080)

    基于方向信息的隨機(jī)蕨特征匹配算法

    孫博文a,邱子鑒b,沈 斌b,張艷鵬a

    (哈爾濱理工大學(xué) a. 計(jì)算中心;b. 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,哈爾濱 1 50080)

    特征點(diǎn)匹配是計(jì)算機(jī)視覺領(lǐng)域研究的核心問題之一。現(xiàn)有的隨機(jī)蕨算法具有簡單、高速的優(yōu)點(diǎn),但隨機(jī)蕨算法訓(xùn)練得到的分類器體積過大,低內(nèi)存的移動(dòng)設(shè)備難以承受,嚴(yán)重限制了該算法的應(yīng)用范圍。針對(duì)該問題,提出一種基于方向信息的隨機(jī)蕨特征匹配算法,對(duì)用于訓(xùn)練的小圖塊進(jìn)行“歸零化”處理,提取特征屬性構(gòu)造特征向量,建立樸素貝葉斯模型訓(xùn)練分類器。實(shí)驗(yàn)結(jié)果表明,經(jīng)過該方法處理后,在相近識(shí)別精度下,得到的分類器體積減小到原始算法的1/8~1/16,滿足實(shí)時(shí)性要求。

    隨機(jī)蕨;特征匹配;增強(qiáng)現(xiàn)實(shí);模式識(shí)別;貝葉斯模型;方向蕨

    1 概述

    尺度不變性特征變換(Scale-invariant Feature Transform, SIFT)[1]特征點(diǎn)檢測器和描述器是十幾年前提出的算法,但是它在圖像識(shí)別、圖像匹配等領(lǐng)域中有著廣泛的應(yīng)用。然而,對(duì)于實(shí)時(shí)性要求高的系統(tǒng),或者計(jì)算能力低的設(shè)備來說,SIFT的算法復(fù)雜度過大,無法滿足要求,這很大程度地限制了該算法的應(yīng)用范圍。為降低圖像匹配算法的計(jì)算復(fù)雜度,世界各國學(xué)者提出了許多改進(jìn)算法,其中,快速穩(wěn)健性特征(Speeded up Robust Features, SURF)[2]算法是公認(rèn)的高效算法之一,該算法在保持SIFT高特異性的基礎(chǔ)上,加速了局部特征點(diǎn)的獲取與匹配,然而,仍不能滿足實(shí)時(shí)性的要求。隨著計(jì)算機(jī)硬件性能的不斷提升,一些基于圖像處理器(Graphic Processing Unit, GPU)的算法相繼提出,如GPU-SIFT[3]和GPU-SUFR[4],這些算法充分利用了GPU并行處理的優(yōu)勢,很大程度地提高了算法的效率,對(duì)于高性能的GPU,這些算法可以實(shí)現(xiàn)對(duì)圖像的實(shí)時(shí)處理。但是這類算法對(duì)GPU依賴過大,限制了算法的應(yīng)該范圍。由Willow G arage大學(xué)研究人員[5]提出的ORB(Oriented Brief)算法,結(jié)合簡單高速的加速區(qū)域分割(Features from Accelerated Se gment Test, F AST)[6]檢測器及二元魯棒獨(dú)立特征描述算子( Binary Robust In dependent E lementary Fe atures, BRIEF)[7],執(zhí)行速度比SIFT快2個(gè)數(shù)量級(jí),比SURF快1個(gè)數(shù)量級(jí)。但是由于FAST特征點(diǎn)不包含尺度信息,因此ORB算法對(duì)尺度的魯棒性較差。

    以上提及的算法都是基于文獻(xiàn)[8]的理論構(gòu)造的框架:(1)局部特征提??;(2)對(duì)特征進(jìn)行不變性描述;(3)特征匹配;(4)基于外極幾何約束,求得兩圖像間的對(duì)應(yīng)關(guān)系。為降低運(yùn)算量,文獻(xiàn)[9-10]提出隨機(jī)蕨(Random Fern)算法,把圖像匹配視為分類問題,利用樸素貝葉斯分類算法對(duì)局部圖像(小圖塊)進(jìn)行分類。隨機(jī)蕨算法相對(duì)與SIFT,具有計(jì)算量小,魯棒性高的優(yōu)勢。然而,隨機(jī)蕨產(chǎn)生的分類器較大,消耗內(nèi)存嚴(yán)重。

    在隨機(jī)蕨特征匹配過程中,首先采集目標(biāo)圖像的特征點(diǎn)(又稱角點(diǎn)),以特征點(diǎn)為中心,在31×31的鄰域(小圖塊)內(nèi),隨機(jī)抽取數(shù)10個(gè)點(diǎn)對(duì)提取位特征(binary feature),作為待分類項(xiàng)的特征屬性[11]。一個(gè)訓(xùn)練集包含著目標(biāo)圖像的各種仿射變換,采取這種沒有考慮到小圖塊方向的方式,忽略了不同方向的同一小圖塊之間的聯(lián)系——通過“歸一化”處理,可以旋轉(zhuǎn)小圖塊到“零”方向。顯然,以這種方式提取的特征屬性會(huì)影響分類器的質(zhì)量,降低分類器的識(shí)別率。為解決這一問題,本文提出一種基于方向信息的隨機(jī)蕨特征匹配算法,在提取位特征之前,對(duì)小圖塊進(jìn)行“歸一化”處理,降低隨機(jī)蕨叢的無向性對(duì)分類結(jié)果的影響。為與原始隨機(jī)蕨算法加以區(qū)別,本文算法命名為OFern。

    2 基于方向信息的隨機(jī)蕨特征識(shí)別與匹配

    隨機(jī)蕨算法采用機(jī)器學(xué)習(xí)算法中的貝葉斯分類模型處理特征識(shí)別與匹配問題,將計(jì)算量龐大的特征不變性描述和特征匹配過程轉(zhuǎn)移由分類器處理。本文采用基于方向信息的隨機(jī)蕨特征,利用樸素貝葉斯分類模型,通過離線訓(xùn)練分類器和在線識(shí)別2個(gè)階段實(shí)現(xiàn)特征的分類及匹配[12]。盡管算法增加了特征點(diǎn)方向信息的計(jì)算所需的系統(tǒng)開銷,但是利用包含有方向信息的特征向量所訓(xùn)練的分類器,分類器識(shí)別率明顯高于原始算法。并且實(shí)驗(yàn)結(jié)果證明,計(jì)算特征點(diǎn)方向的算法可滿足實(shí)時(shí)性要求。

    2.1 灰度重心

    矩特征主要表征了圖像區(qū)域的幾何特征,又稱為幾何矩,由于其具有旋轉(zhuǎn)、平移、尺度等特性的不變特征,因此又稱其為不變矩[13]。本文利用從小圖塊的中心在它的灰度重心的向量,計(jì)算出該小圖塊的方向。在文獻(xiàn)[14]中,用圖像矩來計(jì)算小圖塊的灰度重心,公式定義如下:

    其中,I( x, y)代表在點(diǎn)(x, y)處的圖像灰度值。一階矩用于確定圖像質(zhì)心,即:

    如果用O代表小圖塊的中心,那么從中心到重心的向量為OC,則該小圖塊的方向可以表示為:

    目前,有許多計(jì)算圖像方向的方法,在文獻(xiàn)[5]中,研究人員將該方法與其他2種基于梯度的方法進(jìn)行了比較。他們的結(jié)果顯示,在較大圖像噪聲的情況下,基于圖像矩的方法計(jì)算得到的方向更為穩(wěn)定。

    2.2 樸素貝葉斯分類模型

    在隨機(jī)蕨特征匹配過程中,首先采集目標(biāo)圖像的特征點(diǎn)(角點(diǎn)),以特征點(diǎn)為中心,選取31× 31的鄰域塊(小圖塊),作為識(shí)別與分類的基本單位。為獲得豐富且全面的訓(xùn)練集,系統(tǒng)會(huì)模擬出大量的仿射變換圖像,并為圖像添加高斯噪聲。以同一特征點(diǎn)為中心生成的各種小圖塊看作一類,ci, i=1,2,…,N ,所有的類別記作N。位特征用gj表示,位特征計(jì)算公式如下:

    其中,dj1和dj2表示在小圖塊I中的2個(gè)點(diǎn)(測試點(diǎn)對(duì))。

    由于旋轉(zhuǎn)小圖塊后再根據(jù)上式計(jì)算位特征與旋轉(zhuǎn)這個(gè)測試點(diǎn)對(duì),再計(jì)算位特征的方式等價(jià),并且前者需要遍歷小圖塊內(nèi)所有像素,后者只需要旋轉(zhuǎn)2個(gè)點(diǎn),計(jì)算復(fù)雜度明顯低于前者,則旋轉(zhuǎn)公式如下:

    其中,Dj1和Dj2是在小圖塊中隨機(jī)選取的2個(gè)位置,稱為基準(zhǔn)測試點(diǎn)對(duì)。θ由式(3)計(jì)算得到。分類問題用下式描述:

    其中,C表示隨機(jī)的某一個(gè)類。

    根據(jù)貝葉斯公式,可將上式分解成:

    由于先驗(yàn)概率P( C=ci)與分母P( g1, g2,…,gN)均為常數(shù),因此式(6)可等價(jià)于:

    隨后將N個(gè)特征分為大小為S的M個(gè)組,每一個(gè)組叫做“蕨”。則式(7)可表示為:

    根據(jù)以上樸素貝葉斯分類模型的相關(guān)公式,通過由計(jì)算機(jī)生成的訓(xùn)練樣本集來訓(xùn)練分類器。

    2.3 分類器離線訓(xùn)練

    一個(gè)完善的分類器需要對(duì)圖像光照變化、投影形變、圖像模糊以及圖像噪聲具有較強(qiáng)的穩(wěn)健性。這里利用仿射變換模擬出不同尺度、不同視角下的圖像樣本集合。對(duì)生成的圖像人為地添加高斯噪聲,以提高分類器對(duì)噪聲的魯棒性。然后從形變圖像中提取特征點(diǎn),利用逆仿射變換計(jì)算出特征點(diǎn)在模板圖像中對(duì)應(yīng)的坐標(biāo),選取特征點(diǎn)出現(xiàn)次數(shù)最多的前N個(gè),每一個(gè)特征點(diǎn)記作一個(gè)類。

    在原始的隨機(jī)蕨算法中,通過在小圖塊內(nèi)隨機(jī)選取測試點(diǎn)對(duì)的方式,獲得位特征屬性。然而,采用這種方法,對(duì)于僅方向不同的小圖塊提取到的位特征屬性會(huì)有很大差別,影響分類器的性能??紤]以上原因,本文引入圖像矩的思想,通過一階矩來計(jì)算圖像的灰度重心,以圖像的中心到重心的向量作為該圖像的方向,然后進(jìn)行圖像“歸一化”處理。在理想狀態(tài)下,從經(jīng)過處理后的小圖塊中,隨機(jī)選取測試點(diǎn)對(duì),僅方向不同的小圖塊的位特征應(yīng)當(dāng)相同。雖然,額外添加了圖像“歸一化”環(huán)節(jié),使算法復(fù)雜度增加,但是實(shí)驗(yàn)表明,在相同的參數(shù)設(shè)置下,基于方向信息的隨機(jī)蕨算法的識(shí)別率明顯高于原始算法。

    離線訓(xùn)練分類器的主要目的是,根據(jù)訓(xùn)練樣本中每個(gè)類別下的各個(gè)蕨出現(xiàn)的頻率估計(jì)各每個(gè)蕨的條件概率。條件概率P( Gm|C=ci)計(jì)算公式如下:

    其中,nm, i表示在類別ci中第m個(gè)蕨的樣本個(gè)數(shù);分母為在類別ci中所有的訓(xùn)練樣本數(shù)。

    2.4 實(shí)時(shí)特征識(shí)別

    在實(shí)時(shí)特征識(shí)別階段,從圖像采集設(shè)備上得到的圖像中,提取特征點(diǎn),以特征點(diǎn)為中心的31×31的鄰域塊(小圖塊)作為待分類項(xiàng),根據(jù)2.2節(jié)中相關(guān)公式,旋轉(zhuǎn)基測試點(diǎn)對(duì),獲得每一個(gè)小圖塊的位特征屬性,用于后驗(yàn)概率的計(jì)算。根據(jù)位特征屬性,從分類器中檢索出對(duì)應(yīng)的各個(gè)的類別后驗(yàn)概率,其中,后驗(yàn)概率最大的類別為該待分類項(xiàng),進(jìn)而實(shí)現(xiàn)了模板特征點(diǎn)與輸入圖像的特征點(diǎn)的識(shí)別與匹配,如圖1所示。

    圖1 模板圖像有效識(shí)別及定位

    3 實(shí)驗(yàn)結(jié)果與分析

    為對(duì)算法的識(shí)別率及運(yùn)行速率等性能進(jìn)行驗(yàn)證,使用如圖2所示的2幅圖像,分辨率分別為640×480、320×240,作為模板圖像,在相同參數(shù)設(shè)置線,比較隨機(jī)蕨與本文算法的性能指標(biāo)。

    圖2 模板圖像

    3.1 識(shí)別率比較

    訓(xùn)練分類器過程中使用隨機(jī)生成仿射圖像(10 0 00張)來訓(xùn)練分類器,用隨機(jī)生成的200張圖像驗(yàn)證生成的分類器的識(shí)別率。在隨機(jī)蕨算法中,影響分類器性能的有如下參數(shù):類的數(shù)量,蕨的個(gè)數(shù)以及每個(gè)蕨中測試點(diǎn)對(duì)的多少。圖3~圖5為在不同參數(shù)下隨機(jī)蕨算法與本文算法在識(shí)別率上的比較。

    圖3 不同參數(shù)下分類器識(shí)別率變化比較1

    圖4 不同參數(shù)下分類器識(shí)別率變化比較2

    圖5 不同參數(shù)下分類器識(shí)別率變化比較3

    其中,圖3為確定蕨個(gè)數(shù)與每個(gè)蕨中測試點(diǎn)對(duì)個(gè)數(shù)不變,隨著類數(shù)量變化分類器識(shí)別率變化比較。圖4為確定蕨個(gè)數(shù)與類數(shù)量不變,隨著每個(gè)蕨中測試點(diǎn)對(duì)的個(gè)數(shù)不同分類器識(shí)別率變化比較。圖5為確定每個(gè)蕨中測試點(diǎn)對(duì)個(gè)數(shù)與類數(shù)量不變,隨著蕨個(gè)數(shù)變化分類器識(shí)別率變化比較。

    如圖3所示,盡管隨著類的個(gè)數(shù)增加,識(shí)別率有所下降,但是本文算法的分類器識(shí)別率始終優(yōu)于隨機(jī)蕨算法。而且分類器的識(shí)別率也更加穩(wěn)定。實(shí)驗(yàn)結(jié)果顯示,本文算法可以處理更多的特征點(diǎn)。

    圖4和圖5數(shù)據(jù)說明,隨著蕨個(gè)數(shù)與每個(gè)蕨中測試點(diǎn)對(duì)的個(gè)數(shù)的增加,本文算法的識(shí)別率明顯高于隨機(jī)蕨,尤其是在蕨個(gè)數(shù)與每個(gè)蕨中測試點(diǎn)對(duì)的個(gè)數(shù)都較小的情況下,本文算法的識(shí)別率約是隨機(jī)蕨算法的2倍。因此,可以在識(shí)別率較高的情況下,獲得更小的分類器。

    3.2 分類器大小比較

    由于隨機(jī)蕨算法生成的分類器通常較大,十分消耗內(nèi)存資源,因此本文針對(duì)此問題提出了基于方向信息的隨機(jī)蕨的改進(jìn)方法。在相近識(shí)別率的條件下,原始算法與本文算法生成的分類器體積比較如表1所示。

    表1 相近識(shí)別率下分類器體積大小的比較

    其中,分類器的體積用classes × 2sizes× ferns 表示。

    由表1可見,在較高識(shí)別率下,本文算法生成的分類器體積明顯小于原始算法,驗(yàn)證了本文算法的有效性。

    為達(dá)到穩(wěn)定的識(shí)別效果,本文算法參數(shù)選取分別為:類的數(shù)量為100,每個(gè)蕨中測試點(diǎn)對(duì)的個(gè)數(shù)為7,蕨個(gè)數(shù)為20。則相應(yīng)的分類器大小為500 KB(100×27×20×2 Byte/ 1 024),對(duì)于如今的智能手機(jī)而言,可輕松處理。

    3.3 運(yùn)行時(shí)間測試

    對(duì)于實(shí)時(shí)性要求較高的應(yīng)用,如增強(qiáng)現(xiàn)實(shí),對(duì)算法的運(yùn)行時(shí)間有著嚴(yán)格的限制。一般而言,圖像每幀能夠在30 ms內(nèi)處理完畢,其圖像序列在視覺效果上會(huì)比較流暢。隨機(jī)蕨算法的主要優(yōu)勢在于它的實(shí)時(shí)性,對(duì)于640×480大小的圖像,它的運(yùn)行時(shí)間是20 ms/幀。

    本文采用[6]提供的測試視頻,測試機(jī)器配置為:AMD Athlon II X2處理器,2.69 GHz主頻,2 GB內(nèi)存。對(duì)于此測試視頻,本文算法的平均處理時(shí)間為20 m s/幀,完全可以滿足實(shí)時(shí)性的要求。

    4 結(jié)束語

    本文提出一種基于方向信息的隨機(jī)蕨特征匹配算法,OFern。利用灰度重心公式,對(duì)用于訓(xùn)練的小圖塊進(jìn)行“歸零化”處理,使得理想狀態(tài)下,僅方向不同的小圖塊提取得到的特征屬性相同,該方法有效地解決了方向變化對(duì)隨機(jī)蕨性能的影響。實(shí)驗(yàn)結(jié)果證明,經(jīng)過該方法處理后,在相近識(shí)別精度下,可以大幅降低分類器的體積,并且算法依然保持著良好的實(shí)時(shí)性能。隨著移動(dòng)設(shè)備硬件的不斷更新升級(jí),使得在移動(dòng)平臺(tái)上實(shí)現(xiàn)實(shí)時(shí)、高精度的圖像匹配成為可能。因此,下一階段工作將嘗試移植該算法到移動(dòng)設(shè)備上,測試其性能,并結(jié)合GPU的并行處理優(yōu)勢,進(jìn)一步優(yōu)化算法。

    [1] Lowe D G. Object Rec ognition from Local Scale-invariant Features[C]//Proceedings of the 7th IEEE In ternational Conference on Computer V ision. [S. 1.]: IEEE Press, 1999: 1150-1157.

    [2] Bay H, Tuytelaars T, van Gool L. Surf: Speeded up Robust Features[C]//Proceedings of ECCV’06. Berlin, Germany: Springer, 2006: 404-417.

    [3] Rublee E, Rabaud V, Konolige K, et al. ORB: An Efficient Alternative to SIFT or SURF[C]//Proceedings of the 7th IEEE International Conference on Computer Vision. [S. 1.]: IEEE Press, 2011: 2564-2571.

    [4] Cornelis N, van Gool L. Fast Scale Invariant Feature Detection and Matching on Programmable Graphics Hardware[C]// Proceedings of CVPR’08. [S. 1.]: IEEE Press, 2008: 1-8.

    [5] Terriberry T B, French L M, Helmsen J. GPU Accelerating Speeded-up Robust Features[C]//Proceedings of the 4th International Symposium on 3D Data Processing, Visualization and Transmission. [S. 1.]: IEEE Press, 2008: 355-362.

    [6] Rosten E, Drummond T. Machine Learning for High Speed Corner Detection[C]//Proceedings of European Conference on Computer Vision. [S. 1.]: IEEE Press, 2006: 430-443.

    [7] Calonder M, Lepetit V, Strecha C, et al. BRIEF: Binary Robust Independent Elementary Features[M]. Berlin, Germany: Springer, 2010.

    [8] Schmid C, Mohr R. Local Gray Value Invariants for Image Retrieval[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997, 19(5): 530-535.

    [9] Ozuysal M, Calonder M, Lepetit V, et al. Fast Keypoint Recognition Using Random Ferns[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010, 32(3): 448-461.

    [10] Ozuysal M, Fua P, Lepetit V. Fast Keypoint Recognition in Ten Lines of Code[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition. [S. 1.]: IEEE Press, 2007: 1-8.

    [11] 李 珍, 江貴平. 基于條件互信息量的隨機(jī)蕨特征匹配算法[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2012, 33(5): 1908-1912.

    [12] 陳 冰, 趙亦工, 李 欣. 基于隨機(jī)蕨的光電成像末端制導(dǎo)目標(biāo)初始化[J]. 光學(xué)學(xué)報(bào), 2010, 30(11): 19-22.

    [13] Wikipedia Contributors. Moment(Mathematics)[EB/OL]. (2013-04-14). http://en.wikipedia.org/w/index.php?title=Moment_ (mathematics)&oldid=550315652.

    [14] Rosin P L. Measuring Corner Properties[J]. Computer Vision and Image Understanding, 1999, 73(2): 291-307.

    編輯 索書志

    Random Fern Feature Matching Algorithm Based on Orientation Information

    SUN Bo-wena, QIU Zi-jianb, SHEN Binb, ZHANG Yan-penga

    (a. Compute Center; b. School of Computer Science and Technology, Harbin University of Science and Technology, Harbin 150080, China)

    Feature point matching is a key base of many computer vision problems. A large advantage of fern algorithm, simple and fast, is noticed among the existing algorithms, but classifier trained by fe rn is too lar ge to low memory device, such as cellphones. For cutting down the size of a classifier, this paper proposes an improved version of fern, n amed Oriented Fern(OFern), which “normal” patches are done that training for a classifier, and features are extracted, a Naive Bayesian model is built to train a classifier. Experimental results show that compared with the traditional fern, OFern can save memory to 1/8~1/16 at the similar recognition rate, while it still keeps high speed for real-time applications.

    Random Fern(RF); feature matching; augmented reality; pattern recognition; Bayes model; Oriented Fern(OFern)

    10.3969/j.issn.1000-3428.2014.05.040

    孫博文(1963-),男,副教授,主研方向:模式識(shí)別,虛擬現(xiàn)實(shí),增強(qiáng)現(xiàn)實(shí);邱子鑒、沈 斌,碩士研究生;張艷鵬,碩士。

    2013-04-23

    2013-06-10E-mail:949868412@qq.com

    1000-3428(2014)05-0192-04

    A

    TP18

    猜你喜歡
    圖塊測試點(diǎn)識(shí)別率
    一種新型模擬電路故障字典測點(diǎn)選擇方法研究
    基于信息熵可信度的測試點(diǎn)選擇方法研究
    邏輯內(nèi)建自測試雙重過濾測試點(diǎn)選取策略
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識(shí)別率的關(guān)系
    提升高速公路MTC二次抓拍車牌識(shí)別率方案研究
    AutoCAD中圖塊命令的應(yīng)用分析
    優(yōu)化A算法搜索連連看圖塊配對(duì)和消除次序
    高速公路機(jī)電日常維護(hù)中車牌識(shí)別率分析系統(tǒng)的應(yīng)用
    茶壺難題
    日韩欧美精品v在线| 免费看a级黄色片| 少妇人妻一区二区三区视频| 床上黄色一级片| 夜夜爽天天搞| 日本在线视频免费播放| 久久久久国产精品人妻aⅴ院| 久久欧美精品欧美久久欧美| 听说在线观看完整版免费高清| 嫩草影院入口| 精品久久久久久久久久久久久| 在线观看舔阴道视频| 日本免费一区二区三区高清不卡| 欧美日韩中文字幕国产精品一区二区三区| 麻豆成人午夜福利视频| 宅男免费午夜| 亚洲av电影不卡..在线观看| 91老司机精品| 亚洲欧美精品综合一区二区三区| 变态另类成人亚洲欧美熟女| 老熟妇乱子伦视频在线观看| 午夜视频精品福利| 国产高潮美女av| 日韩人妻高清精品专区| 97人妻精品一区二区三区麻豆| 精品久久久久久,| 男人舔女人下体高潮全视频| 在线免费观看的www视频| 亚洲,欧美精品.| 午夜福利免费观看在线| 最近最新中文字幕大全免费视频| 日韩高清综合在线| 国产精品美女特级片免费视频播放器 | 国产淫片久久久久久久久 | 午夜福利视频1000在线观看| 欧美大码av| 亚洲专区国产一区二区| 亚洲av美国av| 成人性生交大片免费视频hd| netflix在线观看网站| 伊人久久大香线蕉亚洲五| 国产成人福利小说| 别揉我奶头~嗯~啊~动态视频| 国产精品一区二区免费欧美| 日韩欧美 国产精品| 国产精品免费一区二区三区在线| 午夜精品在线福利| 欧美一级a爱片免费观看看| 中文亚洲av片在线观看爽| 亚洲成人中文字幕在线播放| 久久亚洲真实| 亚洲av电影不卡..在线观看| 亚洲精品一卡2卡三卡4卡5卡| 最新中文字幕久久久久 | 亚洲国产欧美网| www.自偷自拍.com| 午夜亚洲福利在线播放| 欧美极品一区二区三区四区| 女人高潮潮喷娇喘18禁视频| 国产高清有码在线观看视频| 中文字幕最新亚洲高清| 全区人妻精品视频| 亚洲av免费在线观看| 午夜福利视频1000在线观看| 看黄色毛片网站| 久久精品人妻少妇| 国产一区二区三区在线臀色熟女| 人妻久久中文字幕网| 少妇高潮的动态图| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲乱码一区二区免费版| 噜噜噜噜噜久久久久久91| 免费在线观看成人毛片| 看免费成人av毛片| 国产精品一及| av女优亚洲男人天堂| av专区在线播放| 两个人的视频大全免费| 国产高清视频在线观看网站| 日本猛色少妇xxxxx猛交久久| 精品少妇黑人巨大在线播放 | 国产精品精品国产色婷婷| 一边摸一边抽搐一进一小说| 欧美极品一区二区三区四区| 国产伦一二天堂av在线观看| 全区人妻精品视频| 久久精品综合一区二区三区| 三级国产精品片| 亚洲国产日韩欧美精品在线观看| 美女大奶头视频| av视频在线观看入口| 成年av动漫网址| 特级一级黄色大片| 国产乱人视频| 搡老妇女老女人老熟妇| 午夜激情欧美在线| 国产在线男女| 男女下面进入的视频免费午夜| 欧美成人a在线观看| 乱码一卡2卡4卡精品| 亚洲国产高清在线一区二区三| 五月玫瑰六月丁香| 麻豆av噜噜一区二区三区| 欧美激情国产日韩精品一区| 久久久成人免费电影| 国语对白做爰xxxⅹ性视频网站| 又黄又爽又刺激的免费视频.| 国产午夜福利久久久久久| 亚洲熟妇中文字幕五十中出| 久久精品国产99精品国产亚洲性色| 精品酒店卫生间| 婷婷六月久久综合丁香| 欧美色视频一区免费| 亚洲三级黄色毛片| 久久国产乱子免费精品| 最近手机中文字幕大全| av专区在线播放| 日日啪夜夜撸| 卡戴珊不雅视频在线播放| 亚洲av不卡在线观看| 看十八女毛片水多多多| 日韩大片免费观看网站 | 免费av不卡在线播放| av免费在线看不卡| 国产精品国产三级国产专区5o | 大香蕉97超碰在线| 日日摸夜夜添夜夜添av毛片| 国产伦精品一区二区三区视频9| 国产精品久久视频播放| 啦啦啦观看免费观看视频高清| 91午夜精品亚洲一区二区三区| 美女xxoo啪啪120秒动态图| 一级av片app| 亚洲成色77777| 久久久久久久久久黄片| 国产麻豆成人av免费视频| 中文资源天堂在线| av免费在线看不卡| 干丝袜人妻中文字幕| 久久久久久久久久成人| 成人毛片60女人毛片免费| 看非洲黑人一级黄片| 免费播放大片免费观看视频在线观看 | 国产精品无大码| 亚洲18禁久久av| 久99久视频精品免费| 亚洲国产日韩欧美精品在线观看| av免费在线看不卡| 超碰97精品在线观看| 国产精品.久久久| 国产精品国产三级国产av玫瑰| 乱系列少妇在线播放| 日日摸夜夜添夜夜添av毛片| 久久久久久久久久黄片| 免费黄色在线免费观看| 亚洲成色77777| 高清av免费在线| 国产乱来视频区| 岛国毛片在线播放| 成年女人永久免费观看视频| 免费黄网站久久成人精品| 亚洲第一区二区三区不卡| a级毛片免费高清观看在线播放| 婷婷色av中文字幕| 寂寞人妻少妇视频99o| 九九热线精品视视频播放| 国产v大片淫在线免费观看| 中文亚洲av片在线观看爽| 色综合站精品国产| 亚洲久久久久久中文字幕| 天堂中文最新版在线下载 | 少妇的逼好多水| 2021少妇久久久久久久久久久| 赤兔流量卡办理| 婷婷色综合大香蕉| 成人av在线播放网站| 亚洲性久久影院| 精品久久久久久电影网 | 中文欧美无线码| 成人无遮挡网站| 精品国内亚洲2022精品成人| 国产伦精品一区二区三区视频9| 亚洲国产色片| 色网站视频免费| 国产成人福利小说| 国产av一区在线观看免费| 日韩人妻高清精品专区| 久久久久九九精品影院| 国内精品一区二区在线观看| 国产精品国产三级国产av玫瑰| 午夜激情欧美在线| 国产熟女欧美一区二区| 超碰av人人做人人爽久久| 在线播放国产精品三级| 只有这里有精品99| 日本欧美国产在线视频| 精品酒店卫生间| 亚洲内射少妇av| 中文字幕亚洲精品专区| 纵有疾风起免费观看全集完整版 | 能在线免费看毛片的网站| 麻豆一二三区av精品| 少妇丰满av| 国产精品嫩草影院av在线观看| 国产免费男女视频| 国产精品一区二区三区四区久久| 国产精品久久电影中文字幕| 国产亚洲5aaaaa淫片| 国模一区二区三区四区视频| 熟妇人妻久久中文字幕3abv| 日本猛色少妇xxxxx猛交久久| 亚洲av不卡在线观看| 国产免费一级a男人的天堂| 日本免费a在线| 亚洲真实伦在线观看| 一个人免费在线观看电影| 乱码一卡2卡4卡精品| 2021天堂中文幕一二区在线观| 午夜老司机福利剧场| 欧美97在线视频| 91av网一区二区| 老司机影院成人| 不卡视频在线观看欧美| a级毛片免费高清观看在线播放| 国产精品永久免费网站| 国产精品福利在线免费观看| 简卡轻食公司| 中文亚洲av片在线观看爽| 欧美一区二区亚洲| 男女那种视频在线观看| 国产精品福利在线免费观看| 国产精品一区www在线观看| 亚洲色图av天堂| 国产亚洲最大av| 高清毛片免费看| 亚洲色图av天堂| 精品午夜福利在线看| 一级黄片播放器| 少妇的逼水好多| 少妇丰满av| 免费黄色在线免费观看| 国产免费一级a男人的天堂| 日日摸夜夜添夜夜爱| 国产伦精品一区二区三区四那| 亚洲欧美成人综合另类久久久 | 亚洲精品成人久久久久久| 国产真实乱freesex| 久久久久久久久久久免费av| 欧美一区二区亚洲| 99热精品在线国产| 免费不卡的大黄色大毛片视频在线观看 | 欧美成人精品欧美一级黄| ponron亚洲| 亚洲高清免费不卡视频| 日韩,欧美,国产一区二区三区 | 一个人看视频在线观看www免费| 五月玫瑰六月丁香| 国产大屁股一区二区在线视频| 久久99精品国语久久久| 水蜜桃什么品种好| 国产一级毛片七仙女欲春2| 久久6这里有精品| 国产在线男女| 九色成人免费人妻av| 亚洲国产精品久久男人天堂| 国产一区二区三区av在线| 中文乱码字字幕精品一区二区三区 | 国产黄片美女视频| 日本免费a在线| 国产伦精品一区二区三区四那| 日日撸夜夜添| 内地一区二区视频在线| 国产一区二区在线观看日韩| 桃色一区二区三区在线观看| 亚洲精品日韩在线中文字幕| 日韩 亚洲 欧美在线| 精品国产露脸久久av麻豆 | 能在线免费看毛片的网站| 精品少妇黑人巨大在线播放 | 少妇高潮的动态图| 两个人视频免费观看高清| 少妇的逼水好多| 亚洲精品色激情综合| 亚洲国产精品久久男人天堂| 男人舔女人下体高潮全视频| 18禁动态无遮挡网站| 日韩精品青青久久久久久| 亚洲av免费高清在线观看| 波野结衣二区三区在线| 91精品伊人久久大香线蕉| 久久久久久久久久成人| 久久综合国产亚洲精品| a级一级毛片免费在线观看| 成人国产麻豆网| 好男人在线观看高清免费视频| 久久久欧美国产精品| 自拍偷自拍亚洲精品老妇| 综合色丁香网| 精品无人区乱码1区二区| 联通29元200g的流量卡| 汤姆久久久久久久影院中文字幕 | 午夜老司机福利剧场| 一个人看视频在线观看www免费| 精品久久久久久久久av| 中文字幕久久专区| 久久精品影院6| 精品久久久久久久久久久久久| 婷婷色综合大香蕉| 老司机福利观看| 亚洲精品久久久久久婷婷小说 | 老司机影院毛片| av视频在线观看入口| 欧美日韩国产亚洲二区| 久久综合国产亚洲精品| 91狼人影院| 国产视频首页在线观看| 国产午夜精品一二区理论片| 国产高清视频在线观看网站| 日韩欧美国产在线观看| 国产私拍福利视频在线观看| 国产av一区在线观看免费| av播播在线观看一区| 99视频精品全部免费 在线| 久久精品久久精品一区二区三区| 日韩成人伦理影院| 国产国拍精品亚洲av在线观看| 亚洲精品乱码久久久v下载方式| 少妇人妻一区二区三区视频| 国产精品久久久久久久久免| 日韩中字成人| 午夜精品国产一区二区电影 | 免费人成在线观看视频色| 97超视频在线观看视频| 国产成人精品一,二区| 久久久成人免费电影| 18禁动态无遮挡网站| 汤姆久久久久久久影院中文字幕 | 一卡2卡三卡四卡精品乱码亚洲| 只有这里有精品99| 麻豆av噜噜一区二区三区| 久久欧美精品欧美久久欧美| 青春草国产在线视频| 久久久亚洲精品成人影院| 精品一区二区三区视频在线| 中文亚洲av片在线观看爽| 最近中文字幕高清免费大全6| 亚洲成av人片在线播放无| 欧美性猛交黑人性爽| 精品国内亚洲2022精品成人| 男女边吃奶边做爰视频| 联通29元200g的流量卡| 国产精品日韩av在线免费观看| 国产日韩欧美在线精品| 国产男人的电影天堂91| 黄色欧美视频在线观看| 九色成人免费人妻av| 啦啦啦观看免费观看视频高清| 免费不卡的大黄色大毛片视频在线观看 | 成人美女网站在线观看视频| 国产精品国产三级国产av玫瑰| 日韩欧美国产在线观看| 在线免费观看的www视频| 老女人水多毛片| 精品一区二区免费观看| 又黄又爽又刺激的免费视频.| www.色视频.com| 免费黄网站久久成人精品| 久久久久精品久久久久真实原创| 国产久久久一区二区三区| 免费播放大片免费观看视频在线观看 | 免费看光身美女| 午夜亚洲福利在线播放| 精品酒店卫生间| 色播亚洲综合网| 亚洲色图av天堂| 国产成人a∨麻豆精品| 三级经典国产精品| 一区二区三区乱码不卡18| 日韩,欧美,国产一区二区三区 | 寂寞人妻少妇视频99o| 男人和女人高潮做爰伦理| 身体一侧抽搐| 国产麻豆成人av免费视频| 又粗又爽又猛毛片免费看| 国产黄色视频一区二区在线观看 | 久久久久久久国产电影| 亚洲国产精品专区欧美| 最近最新中文字幕大全电影3| 亚洲综合色惰| 日韩视频在线欧美| 国产亚洲最大av| 欧美日本视频| 69人妻影院| 亚洲最大成人中文| 久久韩国三级中文字幕| 美女脱内裤让男人舔精品视频| 久久6这里有精品| 三级经典国产精品| 亚洲综合精品二区| 日本黄大片高清| 成人性生交大片免费视频hd| 男人舔奶头视频| 99热这里只有是精品在线观看| 欧美日本亚洲视频在线播放| 99久国产av精品| 欧美bdsm另类| 国产av一区在线观看免费| 免费电影在线观看免费观看| 啦啦啦观看免费观看视频高清| 国产精品三级大全| 日韩成人伦理影院| 嫩草影院新地址| 国产毛片a区久久久久| 99久久无色码亚洲精品果冻| 国产熟女欧美一区二区| 人妻少妇偷人精品九色| 亚洲真实伦在线观看| 国产精品一二三区在线看| 亚洲欧美日韩无卡精品| 如何舔出高潮| 久久久久久伊人网av| 真实男女啪啪啪动态图| 久久久久久久午夜电影| 久久久久久久久久成人| 国产精品久久视频播放| 成人毛片60女人毛片免费| 最近2019中文字幕mv第一页| 日韩欧美精品v在线| 欧美另类亚洲清纯唯美| 高清日韩中文字幕在线| 99热精品在线国产| 欧美一区二区亚洲| 看免费成人av毛片| 亚洲婷婷狠狠爱综合网| 寂寞人妻少妇视频99o| 老司机影院成人| 波多野结衣高清无吗| 久久精品久久久久久久性| 日本午夜av视频| 国产久久久一区二区三区| 亚洲精品乱久久久久久| 欧美变态另类bdsm刘玥| 最近中文字幕高清免费大全6| 亚洲经典国产精华液单| 男人和女人高潮做爰伦理| 又粗又硬又长又爽又黄的视频| 欧美一级a爱片免费观看看| 久久人人爽人人爽人人片va| 日韩在线高清观看一区二区三区| 91在线精品国自产拍蜜月| 亚洲成人av在线免费| 国产精华一区二区三区| 神马国产精品三级电影在线观看| 亚洲欧美精品综合久久99| 菩萨蛮人人尽说江南好唐韦庄 | 精品不卡国产一区二区三区| 久久久午夜欧美精品| 亚洲精品成人久久久久久| 非洲黑人性xxxx精品又粗又长| 人妻夜夜爽99麻豆av| 午夜福利在线观看吧| 国产精品乱码一区二三区的特点| 国产精品爽爽va在线观看网站| 亚洲av成人精品一区久久| 久久亚洲精品不卡| 91精品国产九色| 村上凉子中文字幕在线| 熟女人妻精品中文字幕| 波野结衣二区三区在线| 丰满人妻一区二区三区视频av| 女的被弄到高潮叫床怎么办| 三级国产精品欧美在线观看| 午夜福利在线观看吧| 亚洲性久久影院| 国产av不卡久久| 十八禁国产超污无遮挡网站| 国内揄拍国产精品人妻在线| 国产乱来视频区| 国产极品精品免费视频能看的| 我要看日韩黄色一级片| 久久久久久久久久久丰满| 自拍偷自拍亚洲精品老妇| 久久99热6这里只有精品| 少妇被粗大猛烈的视频| 中文字幕久久专区| 国产黄色小视频在线观看| 小说图片视频综合网站| 中文字幕精品亚洲无线码一区| 少妇丰满av| 日韩视频在线欧美| 国产精品精品国产色婷婷| 国产白丝娇喘喷水9色精品| 岛国在线免费视频观看| 久久久久国产网址| 精品熟女少妇av免费看| 亚洲自偷自拍三级| 精品久久久久久久久久久久久| 搡女人真爽免费视频火全软件| 韩国av在线不卡| 国产av在哪里看| 男人狂女人下面高潮的视频| 久久国产乱子免费精品| 波野结衣二区三区在线| 免费看美女性在线毛片视频| 亚洲丝袜综合中文字幕| 国产精品一区二区三区四区久久| 久久精品国产鲁丝片午夜精品| 免费电影在线观看免费观看| 国产午夜精品一二区理论片| 久久6这里有精品| 大话2 男鬼变身卡| 婷婷色av中文字幕| 国产成年人精品一区二区| 国产成人午夜福利电影在线观看| 精品久久久久久久末码| 日韩av不卡免费在线播放| 国产91av在线免费观看| 高清av免费在线| 久久鲁丝午夜福利片| 禁无遮挡网站| 91aial.com中文字幕在线观看| 高清在线视频一区二区三区 | 欧美xxxx性猛交bbbb| 色噜噜av男人的天堂激情| 联通29元200g的流量卡| 99国产精品一区二区蜜桃av| 我的老师免费观看完整版| 人妻系列 视频| 你懂的网址亚洲精品在线观看 | 在线观看av片永久免费下载| 99热这里只有精品一区| 日本猛色少妇xxxxx猛交久久| 成人高潮视频无遮挡免费网站| 午夜福利视频1000在线观看| 欧美一区二区精品小视频在线| 桃色一区二区三区在线观看| 国内揄拍国产精品人妻在线| 麻豆一二三区av精品| 嫩草影院入口| 日韩精品青青久久久久久| 99热这里只有精品一区| 男女国产视频网站| 色网站视频免费| 青春草国产在线视频| 日韩大片免费观看网站 | 久久久久久久午夜电影| 国产精品一区二区在线观看99 | 蜜桃久久精品国产亚洲av| 久久久久久国产a免费观看| 亚洲色图av天堂| 午夜激情欧美在线| 99热网站在线观看| 麻豆成人av视频| 久久国内精品自在自线图片| 91av网一区二区| 大又大粗又爽又黄少妇毛片口| 校园人妻丝袜中文字幕| 国产女主播在线喷水免费视频网站 | 亚洲欧美清纯卡通| 亚洲欧美日韩无卡精品| 国产淫语在线视频| 性插视频无遮挡在线免费观看| 国产三级中文精品| 精品久久久久久久久久久久久| 欧美性感艳星| 精品国产露脸久久av麻豆 | 老师上课跳d突然被开到最大视频| 中文字幕熟女人妻在线| 国产精品久久久久久久电影| 女人被狂操c到高潮| 国产成年人精品一区二区| 黄色配什么色好看| 三级毛片av免费| 色吧在线观看| 搞女人的毛片| 麻豆成人午夜福利视频| 亚洲欧洲国产日韩| 18+在线观看网站| 亚洲精品国产av成人精品| 亚洲精品日韩av片在线观看| 啦啦啦韩国在线观看视频| 91精品伊人久久大香线蕉| 亚洲精品久久久久久婷婷小说 | 九九久久精品国产亚洲av麻豆| 国产成人午夜福利电影在线观看| 国语对白做爰xxxⅹ性视频网站| 国产真实伦视频高清在线观看| 国产精品电影一区二区三区| 亚洲国产精品成人综合色| 久久久亚洲精品成人影院| 国产亚洲av片在线观看秒播厂 | 亚洲国产欧洲综合997久久,| 亚洲在久久综合| 午夜爱爱视频在线播放| 久久精品久久久久久噜噜老黄 | 国产男人的电影天堂91| 久久久久国产网址| 国产中年淑女户外野战色| 日韩三级伦理在线观看| 久久久久国产网址| 非洲黑人性xxxx精品又粗又长| 爱豆传媒免费全集在线观看| 岛国毛片在线播放| 免费在线观看成人毛片| 欧美精品国产亚洲| av福利片在线观看| 一级av片app| 久久久精品94久久精品| 美女脱内裤让男人舔精品视频| 国产精品久久久久久久久免| 欧美性猛交黑人性爽| 亚洲第一区二区三区不卡| 国产精品久久电影中文字幕| 一级二级三级毛片免费看| 精品一区二区三区人妻视频|