• <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SPN-PF模型的行人跟蹤算法改進(jìn)

    2015-06-07 10:01:13張婧田宏
    關(guān)鍵詞:權(quán)值行人濾波

    張婧,田宏

    (大連交通大學(xué) 軟件學(xué)院,遼寧 大連 116028)

    基于SPN-PF模型的行人跟蹤算法改進(jìn)

    張婧,田宏

    (大連交通大學(xué) 軟件學(xué)院,遼寧 大連 116028)

    結(jié)合粒子濾波和神經(jīng)網(wǎng)絡(luò)方法提出了一種新的自適應(yīng)的行人跟蹤改進(jìn)算法.根據(jù)行人跟蹤經(jīng)常出現(xiàn)的遮擋,失跟,誤跟等問題,提出了一個(gè)SPN-PF模型,通過Sigma-Pi網(wǎng)絡(luò)將行人的多個(gè)特征聯(lián)系在一起,經(jīng)過學(xué)習(xí)和計(jì)算,進(jìn)一步講結(jié)果運(yùn)用到粒子濾波方法中,從而達(dá)到可靠準(zhǔn)確的跟蹤行人目標(biāo)的目的.實(shí)驗(yàn)結(jié)果表示該文提出的方法能夠更準(zhǔn)確的對(duì)行人進(jìn)行跟蹤.

    行人跟蹤;粒子濾波;神經(jīng)網(wǎng)絡(luò);級(jí)聯(lián)分類器

    0 引言

    在復(fù)雜背景下跟蹤特定行人目標(biāo)的研究和應(yīng)用是計(jì)算機(jī)視覺領(lǐng)域的重要分支.我國自1986年開始立項(xiàng)研究視頻跟蹤技術(shù),至今已取得一定的成果.通過動(dòng)態(tài)圖像序列進(jìn)行行人跟蹤是非線性的狀態(tài)估計(jì)問題,主要思想是通過非線系統(tǒng)的輸入和對(duì)目標(biāo)的手動(dòng)選定對(duì)行人的位置信息做出預(yù)測(cè).粒子濾波技術(shù)對(duì)這類非線性非高斯問題的處理具有明顯的優(yōu)勢(shì),它用隨機(jī)樣本形式描述目標(biāo)狀態(tài)的后驗(yàn)概率分布.因?yàn)榱W訛V波直接用系統(tǒng)非線性模型做非線性變換,更加接近系統(tǒng)本質(zhì),因此作為近幾年來的新技術(shù)已經(jīng)廣泛應(yīng)用于眾多領(lǐng)域中[1- 2].

    總結(jié)近年來提出的眾多粒子濾波目標(biāo)跟蹤算法,粒子濾波的研究還有很多不足之處[1- 2],如目標(biāo)在復(fù)雜背景下容易受到干擾,出現(xiàn)遮擋、失跟、誤跟,計(jì)算量大,實(shí)時(shí)性差等問題.另外在以往的粒子濾波研究中,單個(gè)特征在描述目標(biāo)時(shí)具有局限性,研究表明將多個(gè)描述目標(biāo)性能較好的特征組合在一起,結(jié)合各自的優(yōu)缺點(diǎn),取長補(bǔ)短,可以彌補(bǔ)單個(gè)特征的不足,并且提高準(zhǔn)確率.本文以視頻中跟蹤行人為目標(biāo),重點(diǎn)研究復(fù)雜背景下的單個(gè)行人目標(biāo)視頻跟蹤問題.根據(jù)現(xiàn)有粒子濾波方法的不足之處,針對(duì)上述問題,提出一種新的自適應(yīng)的算法模型,結(jié)合行人目標(biāo)的特征,可以更加準(zhǔn)確的對(duì)行人定位,較以往采用單個(gè)特征的算法在可靠性和準(zhǔn)確性方面有一定的提高,減小了光線變化和遮擋所造成的影響.

    1 算法簡介

    1.1 特征選取和處理

    從行人的動(dòng)態(tài)序列圖像中可以提取出許多特征作為行人的目標(biāo)的描述,可以有效區(qū)分目標(biāo)與非目標(biāo),因此如何選取有效的目標(biāo)特征,對(duì)目標(biāo)的檢測(cè)和跟蹤結(jié)果至關(guān)重要.

    顏色 行人的膚色和所穿衣服都有明顯的顏色特征,并且行人目標(biāo)的顏色比較穩(wěn)定,不會(huì)快速改變,因此在跟蹤時(shí)非常可靠[3- 4].在進(jìn)行計(jì)算機(jī)處理時(shí)把視頻轉(zhuǎn)換為HSV顏色空間下進(jìn)行可以減少計(jì)算量.直方圖投影算法是一種常用的算法[3],通過生成的顯著值圖像可以得到輸入圖像像素點(diǎn)是否屬于樣本直方圖的概率.每個(gè)像素值的概率越大,則這個(gè)圖像塊越匹配樣本直方圖.

    運(yùn)動(dòng) 采用背景相減法可以確定行人的位置并預(yù)測(cè)下一時(shí)刻的信息[3- 4].主要是根據(jù)當(dāng)前幀與參考圖像的差異進(jìn)行比較和判斷,在差分圖像中,灰度不發(fā)生變化的背景部分被減掉,兩幀相減后就使運(yùn)動(dòng)目標(biāo)突現(xiàn)出來.因?yàn)橐曨l背景比較固定,所以只要行人目標(biāo)大于閾值就可以被檢測(cè)出.但是如果行人運(yùn)動(dòng)速度過慢,低于閾值或者完全靜止,背景相減法就會(huì)失效.此時(shí)系統(tǒng)就只能依靠其余的特征繼續(xù)跟蹤.

    形狀 人體是非剛性物體,人體的姿勢(shì)變化多端,無法用一個(gè)固定的形狀表示.因此基于人體整體的研究方法可靠性很低.人體的所有部位中,頭肩部位形變較小,位置較固定,穩(wěn)定性最高,抗干擾性最好,見圖1.通過實(shí)驗(yàn)表明采用部件的檢測(cè)結(jié)果效果高于采用整體的[5- 6].因此本文采用人體頭肩的類Haar特征[7](圖2)和級(jí)聯(lián)的Adaboost算法[8]進(jìn)行行人目標(biāo)檢測(cè)分類器的訓(xùn)練.主要思路為準(zhǔn)備大量的正負(fù)樣本,其中正樣本是待檢測(cè)目標(biāo)圖像,負(fù)樣本為不包含目標(biāo)的其他任何圖像,對(duì)正樣本進(jìn)行尺寸規(guī)整后,建立正樣本集,提取描述特征;然后開始利用統(tǒng)計(jì)學(xué)原理訓(xùn)練分類器.分類器訓(xùn)練好之后,就可以實(shí)時(shí)的利用分類器進(jìn)行目標(biāo)檢測(cè),見圖3.

    圖1 人體頭肩部位

    圖2 擴(kuò)展的類Haar特征

    1.2 SPN-PF模型

    運(yùn)動(dòng)特征可以有效的對(duì)行人目標(biāo)定位,但是當(dāng)行人靜止時(shí)無法提供信息.顏色和形狀是可靠的跟蹤特征,但是需要預(yù)先學(xué)習(xí).將不同的特征結(jié)合起來,可以提高跟蹤行人的可靠性.

    本文結(jié)合了現(xiàn)有的粒子濾波技術(shù)和神經(jīng)網(wǎng)絡(luò),提出了一個(gè)SPN-PF模型,見圖4.

    Sigma-Pi網(wǎng)絡(luò)是一種常見的高階神經(jīng)網(wǎng)絡(luò)模型[9- 11].該網(wǎng)絡(luò)通過隱層對(duì)輸入進(jìn)行計(jì)算.對(duì)每一個(gè)輸入都設(shè)有不同的權(quán)重.這些值作為一個(gè)多項(xiàng)式函數(shù)的輸入,在隱層通過乘法運(yùn)算,進(jìn)一步把結(jié)果傳給輸出層,然后進(jìn)行求和運(yùn)算,得到最終結(jié)果.

    SPN-PF模型把行人的三個(gè)重要特征作為Sigma-Pi網(wǎng)絡(luò)的輸入,通過計(jì)算將結(jié)果作為粒子濾波的權(quán)值,從而使粒子濾波結(jié)果更加準(zhǔn)確和可靠.

    圖4 SPN-PF算法框架圖

    在算法模型中,每一個(gè)粒子的權(quán)值都是通過Sigma-Pi網(wǎng)絡(luò)計(jì)算得出的[10],計(jì)算公式如下:

    (1)

    粒子濾波方法主要思想是選取一個(gè)重要性概率密度并從中進(jìn)行隨機(jī)抽樣,通過這些帶有權(quán)值的粒子逼近狀態(tài)的后驗(yàn)概率分布,以樣本均值代替積分運(yùn)算從而獲得狀態(tài)的最小方差估計(jì),作為狀態(tài)估計(jì)值的一個(gè)過程[1].

    根據(jù)貝葉斯理論,估計(jì)值可根據(jù)如下預(yù)測(cè)方程估計(jì)

    (2)

    式中:xt為t時(shí)刻的系統(tǒng)狀態(tài);yt為t時(shí)刻的觀測(cè)狀態(tài);p(yt|xt)是系統(tǒng)觀測(cè)模型;p(xt|xt-1)是根據(jù)時(shí)刻0~t觀測(cè)值以后t時(shí)刻的概率值.行人目標(biāo)的概率分布可估計(jì)為

    (3)

    2 實(shí)驗(yàn)結(jié)果

    本文對(duì)三個(gè)自我采集的視頻(不同背景,相同目標(biāo))進(jìn)行了相應(yīng)的跟蹤實(shí)驗(yàn),背景中有很多其他行人干擾,待跟蹤行人目標(biāo)顏色與背景中的樹木相近.粒子個(gè)數(shù)為10個(gè),在圖像序列初始幀時(shí)手動(dòng)選定待跟蹤的行人目標(biāo).跟蹤效果很理想.實(shí)驗(yàn)效果如圖5所示.

    圖5 視頻跟蹤效果實(shí)驗(yàn)圖

    本文用Matlab分別做了單個(gè)特征的粒子濾波和采用本文提出的SPN-PF模型算法的仿真實(shí)驗(yàn)進(jìn)行比對(duì),一共選取了50個(gè)時(shí)間點(diǎn),50個(gè)粒子.圖6(a)是單個(gè)特征實(shí)驗(yàn)的狀態(tài)圖,僅選取了行人的顏色特征,點(diǎn)代表實(shí)際的位置信息,出現(xiàn)概率是隨機(jī)的,曲線是系統(tǒng)預(yù)測(cè)的位置.可見在前期情況跟蹤效果很好,準(zhǔn)確率較高,但是實(shí)驗(yàn)后期失跟情況很嚴(yán)重,可能是出現(xiàn)干擾或者遮擋等情況,因此所采用的單個(gè)特征失效.與單個(gè)特征粒子濾波方法比較,本文提出的新SPN-PF模型的實(shí)驗(yàn)結(jié)果由圖6(b)所示,根據(jù)實(shí)驗(yàn)結(jié)果分析,采用單個(gè)特征的粒子濾波會(huì)出現(xiàn)失跟現(xiàn)象,而采用SPN-PF模型的算法除了在初期初始化階段,效果一般外,基本上不會(huì)出現(xiàn)失跟現(xiàn)象.當(dāng)所參考的其中一個(gè)特征失效時(shí),系統(tǒng)會(huì)通過Sigma-Pi網(wǎng)絡(luò)計(jì)算自動(dòng)選取其他特征,避免了精度下降.另外準(zhǔn)確率也有提高.

    實(shí)驗(yàn)結(jié)果證明了本文提出的新的模型識(shí)別率優(yōu)于單一特征的粒子濾波方法.

    (a)提取單個(gè)特征

    (b)SPN-PF模型

    3 結(jié)論

    本文提出的SPN-PF模型根據(jù)多個(gè)特征的有效結(jié)合,可以顯著提高跟蹤效果.以前的很多多特征融合算法未采用Sigma-Pi網(wǎng)絡(luò),因此即使選取了多個(gè)特征,但是系統(tǒng)不能自適應(yīng)判斷哪個(gè)特征可靠性更大,而Sigma-Pi網(wǎng)絡(luò)可以根據(jù)多個(gè)輸入和權(quán)值,自適應(yīng)計(jì)算出最優(yōu)的結(jié)果,舉例來說,當(dāng)行人靜止不動(dòng)時(shí),運(yùn)動(dòng)特征失效,相應(yīng)的權(quán)值為0,系統(tǒng)會(huì)只考慮其他特征.但是,在算法初期,系統(tǒng)初始化階段,由于計(jì)算量較大,初始幀階段訓(xùn)練的目標(biāo)樣本數(shù)量太少,權(quán)值的可靠性較低,不過它是一個(gè)自適應(yīng)遞增的過程,隨著時(shí)間的推移,精準(zhǔn)度會(huì)越來越高,結(jié)果會(huì)越來越好.本文針對(duì)以往跟蹤研究系統(tǒng)只采用單個(gè)特征或不能自適應(yīng)多個(gè)特征這一缺點(diǎn),提出了一種結(jié)合了神經(jīng)網(wǎng)絡(luò),粒子濾波的新模型.實(shí)驗(yàn)結(jié)果表明,提取多個(gè)特征并通過人工神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行計(jì)算提高了粒子濾波權(quán)值的可靠性,避免了采取單個(gè)特征所帶來的缺陷,提高了行人跟蹤的準(zhǔn)確性.但是由于計(jì)算量較大,并且需要前期進(jìn)行離線訓(xùn)練,在實(shí)時(shí)性等方面效果并不是特別突出,希望在將來的研究過程中可以進(jìn)一步完善.

    [1]DJURIC P M,KOTECHA J H,ZHANG J,et al.Particle filtering[J].Signal Processing Magazine,IEEE,2003,20(5):19- 38.

    [2]查宇飛,畢篤彥.一種基于粒子濾波的自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤方法[J].電子與信息學(xué)報(bào),2007,29(1):92- 95.

    [3]章毓晉.圖像工程[M].北京:清華大學(xué)出版社,2005.

    [4]YILMAZ A,JAVED O,SHAH M.Object tracking: A survey[J].Acm Computing Surveys(CSUR),2006,38(4):13.

    [5]DALAL N,TRIGGS B.Histograms of oriented gradients for human detection[C].CVPR 2005:IEEE Computer Society Conference on.IEEE,2005:886- 893.

    [6]LIN Z,DAVIS L S,DOERMANN D,et al.Hierarchical part-template matching for human detection and segmentation[C].IEEE 11th International Conference on.IEEE,2007:1- 8.

    [7]LIENHART R,MAYDT J.An extended set of haar-like features for rapid object detection[C].Proceedings 2002 International Conference on.IEEE,2002:900- 903.

    [8]MIKOLAJCZYK K,SCHMID C,ZISSERMAN A.Human detection based on a probabilistic assembly of robust part detectors[M].Berlin Heidelberg:[s.n.],2004:69- 82.

    [9]GILES C L,MAXWELL T.Learning,invariance,and generalization in high-order neural networks[J].Applied optics,1987,26(23):4972- 4978.

    [10]ZHANG B T,MUHLENBEIN H.Synthesis of sigma-pi neural networks by the breeder genetic programming[C].Proceedings of the First IEEE Conference on.IEEE,1994:318- 323.

    [11]VILLALOBOS L,MERAT F L.Learning capability assessment and feature space optimization for higher-order neural networks[J].Neural Networks,IEEE Transactions on,1995,6(1):267- 272.

    [12]ITTI L,KOCH C,NIEBUR E.A model of saliency-based visual attention for rapid scene analysis[J].Pattern Analysis and Machine Intelligence,IEEE Transactions on,1998,20(11):1254- 1259.

    Improved Pedestrian Tracking Algorithm based on SPN-PF Model

    ZHANG Jing,TIAN Hong

    (Software Institute,Dalian Jiaotong University,Dalian 116028,China)

    A self-adapting algorithm is presented for pedestrian tracking,combining particle filter with neural network,and a SPN-PF model is proposed according to the problems such as covering,missing,wrong tracking and so on.The model integrates different features by means of a Sigma-Pi network.After the study and calculation,the result will be used in particle filter method to achieve the goals of reliable and accurate pedestrian tracking.Experimental results show that the purpose can be achieved.

    pedestrian tracking;particle filter;neural network;cascade classifier

    1673- 9590(2015)01- 0101- 04

    2013- 11- 12

    國家自然科學(xué)基金資助項(xiàng)目(61074029)

    張婧(1987-),女,碩士研究生;田宏(1968-),女,教授,博士,主要研究數(shù)據(jù)挖掘,人工智能方面的研究

    E-mail:olina1212@163.com.

    A

    猜你喜歡
    權(quán)值行人濾波
    一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    CONTENTS
    路不為尋找者而設(shè)
    我是行人
    基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
    RTS平滑濾波在事后姿態(tài)確定中的應(yīng)用
    基于線性正則變換的 LMS 自適應(yīng)濾波
    基于隨機(jī)加權(quán)估計(jì)的Sage自適應(yīng)濾波及其在導(dǎo)航中的應(yīng)用
    基于Sage—Husa濾波的GNSS/INS組合導(dǎo)航自適應(yīng)濾波
    亚洲国产日韩欧美精品在线观看 | 亚洲精华国产精华精| 在线观看免费午夜福利视频| 啦啦啦韩国在线观看视频| 婷婷精品国产亚洲av| 国产在线观看jvid| 亚洲精品中文字幕一二三四区| 18禁黄网站禁片午夜丰满| 国产在线精品亚洲第一网站| 婷婷精品国产亚洲av| 美女午夜性视频免费| 香蕉丝袜av| 国产麻豆成人av免费视频| 50天的宝宝边吃奶边哭怎么回事| 亚洲中文字幕日韩| 草草在线视频免费看| 成在线人永久免费视频| 久久久久国内视频| 一边摸一边抽搐一进一小说| 国产精品免费一区二区三区在线| 2021天堂中文幕一二区在线观 | 日本a在线网址| 成年人黄色毛片网站| 一进一出抽搐动态| 伦理电影免费视频| av在线天堂中文字幕| tocl精华| 特大巨黑吊av在线直播 | 91麻豆精品激情在线观看国产| 一个人免费在线观看的高清视频| 久久亚洲真实| 在线观看免费午夜福利视频| 午夜福利成人在线免费观看| 欧美一级a爱片免费观看看 | 久久久久国产精品人妻aⅴ院| 国产亚洲精品久久久久久毛片| 欧美+亚洲+日韩+国产| 久热这里只有精品99| 久久久久久大精品| 一区二区三区精品91| 国产区一区二久久| 九色国产91popny在线| 中文在线观看免费www的网站 | 人妻丰满熟妇av一区二区三区| 无限看片的www在线观看| 熟妇人妻久久中文字幕3abv| 国产精品99久久99久久久不卡| 黄色 视频免费看| 亚洲国产精品sss在线观看| 中文字幕人妻丝袜一区二区| 天天添夜夜摸| 18美女黄网站色大片免费观看| 国产国语露脸激情在线看| 欧美另类亚洲清纯唯美| 成人一区二区视频在线观看| 免费在线观看视频国产中文字幕亚洲| 国产精品亚洲一级av第二区| 91成人精品电影| 国产亚洲欧美在线一区二区| 亚洲一区高清亚洲精品| 777久久人妻少妇嫩草av网站| 美女午夜性视频免费| 国产高清有码在线观看视频 | 最新美女视频免费是黄的| 熟女电影av网| 女生性感内裤真人,穿戴方法视频| 最近在线观看免费完整版| 久久久久久久久免费视频了| 99久久久亚洲精品蜜臀av| 国产av不卡久久| 中文字幕人妻熟女乱码| 丰满人妻熟妇乱又伦精品不卡| 淫妇啪啪啪对白视频| 夜夜躁狠狠躁天天躁| 熟妇人妻久久中文字幕3abv| 国产高清视频在线播放一区| 国产精华一区二区三区| 色av中文字幕| 看黄色毛片网站| 一区二区三区高清视频在线| 巨乳人妻的诱惑在线观看| 亚洲第一青青草原| 欧美激情高清一区二区三区| 99久久无色码亚洲精品果冻| 大香蕉久久成人网| 欧美成狂野欧美在线观看| 亚洲人成伊人成综合网2020| 91大片在线观看| 亚洲最大成人中文| 丝袜在线中文字幕| 国产精品影院久久| 国产欧美日韩一区二区三| or卡值多少钱| 十八禁人妻一区二区| 97超级碰碰碰精品色视频在线观看| 久久人妻av系列| 两性午夜刺激爽爽歪歪视频在线观看 | 19禁男女啪啪无遮挡网站| 男女视频在线观看网站免费 | 亚洲国产中文字幕在线视频| www日本在线高清视频| 美女午夜性视频免费| 男女视频在线观看网站免费 | 精品国产超薄肉色丝袜足j| 亚洲熟妇中文字幕五十中出| 十分钟在线观看高清视频www| 亚洲最大成人中文| 国产成年人精品一区二区| 久久久国产成人免费| 日日摸夜夜添夜夜添小说| 亚洲 国产 在线| 久久久精品欧美日韩精品| 免费看日本二区| 手机成人av网站| 欧美午夜高清在线| 男人操女人黄网站| 亚洲国产精品久久男人天堂| 亚洲专区字幕在线| 男人舔女人的私密视频| 草草在线视频免费看| 亚洲中文av在线| 在线观看免费日韩欧美大片| 99久久综合精品五月天人人| 成人一区二区视频在线观看| 在线观看免费视频日本深夜| 97人妻精品一区二区三区麻豆 | 18禁黄网站禁片午夜丰满| 最新美女视频免费是黄的| 757午夜福利合集在线观看| 好男人电影高清在线观看| 91麻豆精品激情在线观看国产| 亚洲欧美一区二区三区黑人| bbb黄色大片| 50天的宝宝边吃奶边哭怎么回事| 国产黄片美女视频| 黄色视频不卡| 精品久久蜜臀av无| 婷婷亚洲欧美| 97人妻精品一区二区三区麻豆 | 国产精品永久免费网站| 日日摸夜夜添夜夜添小说| 在线观看免费视频日本深夜| 日韩欧美一区视频在线观看| 久久人妻福利社区极品人妻图片| 亚洲一卡2卡3卡4卡5卡精品中文| www.熟女人妻精品国产| 岛国在线观看网站| 天天躁狠狠躁夜夜躁狠狠躁| 久久久精品欧美日韩精品| 在线观看免费午夜福利视频| 男女那种视频在线观看| 在线十欧美十亚洲十日本专区| 亚洲美女黄片视频| 久久久精品欧美日韩精品| 国产成人av教育| 欧美最黄视频在线播放免费| 精品国产超薄肉色丝袜足j| 色综合亚洲欧美另类图片| 人成视频在线观看免费观看| 国产亚洲欧美98| 热re99久久国产66热| 91字幕亚洲| 啦啦啦 在线观看视频| 欧美色视频一区免费| 久久久久久久久免费视频了| 日本黄色视频三级网站网址| 亚洲,欧美精品.| 在线观看午夜福利视频| 欧美国产日韩亚洲一区| 免费无遮挡裸体视频| 一a级毛片在线观看| 黄频高清免费视频| 欧美黄色淫秽网站| 国产亚洲精品一区二区www| 日本五十路高清| 亚洲狠狠婷婷综合久久图片| 午夜老司机福利片| 窝窝影院91人妻| 亚洲精品国产区一区二| 男女床上黄色一级片免费看| 欧美成人一区二区免费高清观看 | 一区福利在线观看| 琪琪午夜伦伦电影理论片6080| 麻豆成人午夜福利视频| 亚洲 欧美一区二区三区| 大型黄色视频在线免费观看| 久久久久久久午夜电影| 99国产精品一区二区蜜桃av| 国产成人av教育| 怎么达到女性高潮| 欧美成人午夜精品| 少妇被粗大的猛进出69影院| 久久中文看片网| 又大又爽又粗| 高清在线国产一区| 一级a爱视频在线免费观看| 一区二区日韩欧美中文字幕| 日本a在线网址| 欧美成人免费av一区二区三区| 手机成人av网站| 国产高清激情床上av| 亚洲黑人精品在线| 国产高清videossex| 亚洲 国产 在线| 一级片免费观看大全| 日日摸夜夜添夜夜添小说| 国产真人三级小视频在线观看| 男人操女人黄网站| 麻豆成人av在线观看| 90打野战视频偷拍视频| 高清在线国产一区| 97人妻精品一区二区三区麻豆 | 老司机在亚洲福利影院| 嫩草影院精品99| 国产av一区在线观看免费| 欧美+亚洲+日韩+国产| 色精品久久人妻99蜜桃| 国产亚洲精品一区二区www| 精品乱码久久久久久99久播| 亚洲国产中文字幕在线视频| 色在线成人网| 国产成人av教育| 一级a爱视频在线免费观看| 亚洲人成77777在线视频| 制服人妻中文乱码| 在线观看一区二区三区| 国产区一区二久久| 伊人久久大香线蕉亚洲五| 老鸭窝网址在线观看| 一区二区三区国产精品乱码| 亚洲男人天堂网一区| www国产在线视频色| 久久婷婷成人综合色麻豆| 国产高清有码在线观看视频 | 色老头精品视频在线观看| 免费在线观看完整版高清| 十分钟在线观看高清视频www| 久久精品91蜜桃| 精品免费久久久久久久清纯| 亚洲午夜理论影院| 国产三级黄色录像| 夜夜躁狠狠躁天天躁| 国产不卡一卡二| 99精品久久久久人妻精品| 午夜激情av网站| 成人亚洲精品一区在线观看| 99精品在免费线老司机午夜| 香蕉av资源在线| 99在线视频只有这里精品首页| 可以在线观看毛片的网站| 国产av又大| 国产高清videossex| 色综合婷婷激情| 午夜视频精品福利| 亚洲av日韩精品久久久久久密| 久久这里只有精品19| 一本综合久久免费| 日韩 欧美 亚洲 中文字幕| 母亲3免费完整高清在线观看| 中文字幕最新亚洲高清| 久久久久久免费高清国产稀缺| 久久精品影院6| 久久久精品国产亚洲av高清涩受| 国产亚洲精品综合一区在线观看 | 国产av在哪里看| 免费人成视频x8x8入口观看| 99国产精品一区二区三区| 亚洲熟妇中文字幕五十中出| 久久人妻av系列| 国产又色又爽无遮挡免费看| 少妇的丰满在线观看| 精品电影一区二区在线| 麻豆国产av国片精品| 国产乱人伦免费视频| 亚洲性夜色夜夜综合| 高潮久久久久久久久久久不卡| 日本 av在线| 成人国语在线视频| 午夜免费成人在线视频| 欧美成狂野欧美在线观看| 久久青草综合色| av天堂在线播放| 90打野战视频偷拍视频| 亚洲人成电影免费在线| 欧美最黄视频在线播放免费| 国产精品久久久久久亚洲av鲁大| 免费女性裸体啪啪无遮挡网站| 91av网站免费观看| 性欧美人与动物交配| 亚洲色图av天堂| 精品乱码久久久久久99久播| 久99久视频精品免费| 熟妇人妻久久中文字幕3abv| 久久精品夜夜夜夜夜久久蜜豆 | 国产成人系列免费观看| 中亚洲国语对白在线视频| 免费观看精品视频网站| 日本五十路高清| 母亲3免费完整高清在线观看| 亚洲欧美日韩高清在线视频| 97碰自拍视频| 搡老妇女老女人老熟妇| 黄片播放在线免费| 亚洲专区中文字幕在线| 男女之事视频高清在线观看| 亚洲天堂国产精品一区在线| 999久久久国产精品视频| 免费人成视频x8x8入口观看| 又黄又粗又硬又大视频| 精品国产乱码久久久久久男人| 一区二区三区国产精品乱码| 国产欧美日韩精品亚洲av| 伦理电影免费视频| av欧美777| 成年女人毛片免费观看观看9| 99久久久亚洲精品蜜臀av| 一区二区三区精品91| 777久久人妻少妇嫩草av网站| 国产伦人伦偷精品视频| 欧美 亚洲 国产 日韩一| 国产一区二区三区在线臀色熟女| 麻豆一二三区av精品| 国产成年人精品一区二区| 亚洲国产精品久久男人天堂| 久久婷婷人人爽人人干人人爱| 老司机午夜福利在线观看视频| 欧美又色又爽又黄视频| 99热6这里只有精品| 99久久久亚洲精品蜜臀av| 国产色视频综合| 国产精品免费视频内射| 在线观看午夜福利视频| 国产亚洲精品久久久久久毛片| 夜夜爽天天搞| 国产精品免费视频内射| 久久久久国内视频| 亚洲三区欧美一区| 国产色视频综合| 黑人巨大精品欧美一区二区mp4| 亚洲国产精品成人综合色| 日本熟妇午夜| 69av精品久久久久久| 欧美性长视频在线观看| 中文字幕另类日韩欧美亚洲嫩草| 亚洲国产欧美网| 成人免费观看视频高清| 色综合婷婷激情| 91成人精品电影| 中文字幕精品亚洲无线码一区 | 最近最新免费中文字幕在线| 欧美精品亚洲一区二区| 人成视频在线观看免费观看| 婷婷精品国产亚洲av| 久久亚洲真实| 久久国产精品影院| 视频在线观看一区二区三区| 又紧又爽又黄一区二区| 亚洲五月婷婷丁香| 妹子高潮喷水视频| 欧美成狂野欧美在线观看| 久久精品91蜜桃| 黄片大片在线免费观看| 丝袜在线中文字幕| 女警被强在线播放| 18禁观看日本| 国产成人av教育| 好男人电影高清在线观看| 久99久视频精品免费| 12—13女人毛片做爰片一| 欧美成狂野欧美在线观看| 精品国产超薄肉色丝袜足j| 午夜免费激情av| 亚洲熟女毛片儿| 嫁个100分男人电影在线观看| 欧美成人午夜精品| 亚洲色图 男人天堂 中文字幕| 国产一级毛片七仙女欲春2 | 精品人妻1区二区| 欧美色视频一区免费| 亚洲色图av天堂| 亚洲,欧美精品.| 亚洲成人免费电影在线观看| 啦啦啦 在线观看视频| 成人亚洲精品av一区二区| 老熟妇仑乱视频hdxx| 日韩高清综合在线| 色老头精品视频在线观看| 亚洲中文av在线| 成人18禁在线播放| av在线播放免费不卡| 中文字幕精品亚洲无线码一区 | 亚洲激情在线av| 亚洲成国产人片在线观看| 999久久久精品免费观看国产| 亚洲精品中文字幕一二三四区| 99久久99久久久精品蜜桃| 久久香蕉国产精品| 高潮久久久久久久久久久不卡| 神马国产精品三级电影在线观看 | 最新在线观看一区二区三区| 久久精品人妻少妇| 99riav亚洲国产免费| 天天一区二区日本电影三级| 久久久久久国产a免费观看| 国产人伦9x9x在线观看| 亚洲国产精品sss在线观看| 非洲黑人性xxxx精品又粗又长| 一本综合久久免费| 午夜免费观看网址| 99精品久久久久人妻精品| 亚洲av片天天在线观看| 一级毛片高清免费大全| 亚洲专区中文字幕在线| 母亲3免费完整高清在线观看| 一级毛片女人18水好多| 18禁黄网站禁片免费观看直播| 欧美日韩亚洲综合一区二区三区_| 美女高潮喷水抽搐中文字幕| 一个人观看的视频www高清免费观看 | 久久精品影院6| 桃色一区二区三区在线观看| 国产伦在线观看视频一区| 岛国视频午夜一区免费看| 可以在线观看的亚洲视频| 亚洲午夜精品一区,二区,三区| 欧美黄色片欧美黄色片| bbb黄色大片| 国产亚洲精品久久久久久毛片| 免费看美女性在线毛片视频| 国产在线精品亚洲第一网站| av欧美777| 欧美黄色淫秽网站| ponron亚洲| 国产精华一区二区三区| 国产精品一区二区精品视频观看| 欧美日韩亚洲综合一区二区三区_| 怎么达到女性高潮| 中文字幕av电影在线播放| 欧美黑人欧美精品刺激| 高清在线国产一区| 精华霜和精华液先用哪个| 无人区码免费观看不卡| 亚洲色图av天堂| 一夜夜www| 搡老熟女国产l中国老女人| 国产黄a三级三级三级人| 一进一出抽搐动态| 麻豆成人av在线观看| 国产成人精品无人区| 天堂影院成人在线观看| 欧美大码av| 亚洲精品在线观看二区| 叶爱在线成人免费视频播放| 国产99久久九九免费精品| 中文字幕人成人乱码亚洲影| 美女 人体艺术 gogo| 国产精品综合久久久久久久免费| 国产精华一区二区三区| 手机成人av网站| 国产成人精品无人区| 熟妇人妻久久中文字幕3abv| 99国产综合亚洲精品| 欧美日韩亚洲国产一区二区在线观看| 亚洲中文字幕日韩| 一个人观看的视频www高清免费观看 | 久久国产精品人妻蜜桃| 日韩欧美一区二区三区在线观看| 亚洲精品国产一区二区精华液| 巨乳人妻的诱惑在线观看| 免费看日本二区| avwww免费| 熟女少妇亚洲综合色aaa.| 午夜福利欧美成人| 日韩欧美在线二视频| av欧美777| 午夜福利成人在线免费观看| 国产亚洲精品第一综合不卡| 国产成人av教育| 老司机靠b影院| 成人手机av| 免费无遮挡裸体视频| 久久久久久久精品吃奶| 国内精品久久久久精免费| 99在线视频只有这里精品首页| 免费在线观看日本一区| 久久中文看片网| 午夜久久久在线观看| 日韩精品免费视频一区二区三区| 亚洲第一欧美日韩一区二区三区| 波多野结衣av一区二区av| 亚洲成a人片在线一区二区| 夜夜看夜夜爽夜夜摸| 日韩高清综合在线| 国产精品亚洲一级av第二区| a级毛片在线看网站| 午夜激情av网站| 欧美日韩亚洲综合一区二区三区_| 久久精品国产综合久久久| 色综合站精品国产| 窝窝影院91人妻| 哪里可以看免费的av片| 国产又黄又爽又无遮挡在线| 亚洲成人精品中文字幕电影| 欧美色欧美亚洲另类二区| 日本免费一区二区三区高清不卡| 精品欧美国产一区二区三| 不卡一级毛片| 别揉我奶头~嗯~啊~动态视频| 亚洲精品国产区一区二| 99在线视频只有这里精品首页| 不卡一级毛片| 久久性视频一级片| 国产精品98久久久久久宅男小说| 免费搜索国产男女视频| 在线十欧美十亚洲十日本专区| 亚洲国产欧美一区二区综合| 岛国在线观看网站| 久久久久久久精品吃奶| 亚洲va日本ⅴa欧美va伊人久久| 琪琪午夜伦伦电影理论片6080| 中文字幕高清在线视频| 国产精品av久久久久免费| 搞女人的毛片| 成人亚洲精品一区在线观看| 欧美 亚洲 国产 日韩一| 99在线人妻在线中文字幕| 日日摸夜夜添夜夜添小说| 亚洲av美国av| 最近最新中文字幕大全电影3 | 国产精品日韩av在线免费观看| netflix在线观看网站| 两个人视频免费观看高清| 一二三四在线观看免费中文在| 在线观看免费日韩欧美大片| 精品国产亚洲在线| 国产亚洲av嫩草精品影院| 99久久久亚洲精品蜜臀av| 热99re8久久精品国产| 色在线成人网| 婷婷丁香在线五月| 国产主播在线观看一区二区| 一本精品99久久精品77| 午夜福利一区二区在线看| 成人三级做爰电影| 国产精品久久久人人做人人爽| 精品久久久久久久久久免费视频| 女生性感内裤真人,穿戴方法视频| 最近最新中文字幕大全电影3 | 国产成人影院久久av| 欧美成人午夜精品| 亚洲七黄色美女视频| 激情在线观看视频在线高清| 母亲3免费完整高清在线观看| 国产视频一区二区在线看| 亚洲五月婷婷丁香| 不卡一级毛片| x7x7x7水蜜桃| 国产av在哪里看| 午夜老司机福利片| 最好的美女福利视频网| 亚洲成a人片在线一区二区| 亚洲美女黄片视频| 成人亚洲精品av一区二区| 欧美黑人精品巨大| 亚洲天堂国产精品一区在线| 99热只有精品国产| 最新美女视频免费是黄的| 久久久久久久久久黄片| 啦啦啦韩国在线观看视频| 久久香蕉国产精品| 久久精品国产综合久久久| 18禁美女被吸乳视频| 变态另类成人亚洲欧美熟女| 99久久无色码亚洲精品果冻| 欧美精品亚洲一区二区| 亚洲av熟女| 在线观看66精品国产| 麻豆av在线久日| 国产99白浆流出| 桃红色精品国产亚洲av| 亚洲精品在线美女| 最近在线观看免费完整版| 午夜视频精品福利| 国产成人av教育| 91成人精品电影| 精品久久蜜臀av无| 日韩 欧美 亚洲 中文字幕| 欧美一级毛片孕妇| 久久人人精品亚洲av| 精品午夜福利视频在线观看一区| 2021天堂中文幕一二区在线观 | 一区二区三区激情视频| 啪啪无遮挡十八禁网站| 女同久久另类99精品国产91| 久久久久九九精品影院| 成人av一区二区三区在线看| 99在线视频只有这里精品首页| 999精品在线视频| 国产精品美女特级片免费视频播放器 | 成人亚洲精品一区在线观看| 久久久久免费精品人妻一区二区 | 夜夜夜夜夜久久久久| 成人三级黄色视频| 亚洲成国产人片在线观看| 黄色女人牲交| 脱女人内裤的视频| 丝袜美腿诱惑在线| 超碰成人久久| 又大又爽又粗| 999精品在线视频| 在线看三级毛片| 精华霜和精华液先用哪个| 99热这里只有精品一区 | www.www免费av| 亚洲成人久久性|