• <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 ?

    紅外圖像中基于似物性與稀疏編碼的行人檢測(cè)

    2016-03-27 05:35:06曾麗君
    紅外技術(shù) 2016年9期
    關(guān)鍵詞:特征提取行人分類器

    魏 麗,丁 萌,曾麗君

    ?

    紅外圖像中基于似物性與稀疏編碼的行人檢測(cè)

    魏 麗1,丁 萌2,3,曾麗君1

    (1.南京航空航天大學(xué)金城學(xué)院,江蘇 南京 210016;2.南京航空航天大學(xué)民航學(xué)院,江蘇 南京 210016;3.光電控制技術(shù)重點(diǎn)實(shí)驗(yàn)室,河南 洛陽 471023)

    行人檢測(cè)是計(jì)算機(jī)視覺的經(jīng)典問題。針對(duì)紅外圖像中的行人檢測(cè)問題,提出了一種基于似物性和稀疏編碼及空間金字塔特征提取的行人檢測(cè)方法。首先,針對(duì)紅外圖像的特點(diǎn),利用基于頻域殘差的顯著性分析方法得到紅外圖像的顯著圖,在此基礎(chǔ)上提出了一種似物性計(jì)算方法,進(jìn)而得到不同區(qū)域的似物度得分,并根據(jù)得分提取出感興趣區(qū)域;其次,以尺度不變特征轉(zhuǎn)換為基礎(chǔ),將稀疏編碼和空間金字塔算法應(yīng)用于非監(jiān)督特征學(xué)習(xí)實(shí)現(xiàn)對(duì)感興趣區(qū)域的特征提??;最后,利用線性支持向量機(jī)構(gòu)建分類器實(shí)現(xiàn)對(duì)圖像中每個(gè)感興趣區(qū)域的行人檢測(cè)。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的感興趣區(qū)域提取算法和針對(duì)單幅紅外圖像行人檢測(cè)算法的有效性。

    紅外圖像;行人檢測(cè);似物性;頻域殘差;稀疏編碼;空間金字塔

    0 前言

    行人檢測(cè)(pedestrian detection)一直是計(jì)算機(jī)視覺、模式識(shí)別領(lǐng)域研究的熱點(diǎn)之一[1]。從單幅圖像中實(shí)現(xiàn)對(duì)行人進(jìn)行檢測(cè)的算法主要由2部分組成:感興趣區(qū)域(region of interest, ROI)的獲取和識(shí)別算法設(shè)計(jì)。

    ROI獲取也稱為目標(biāo)候選區(qū)域確定,其主要目的是從圖像中首先確定可能包括行人的區(qū)域,確定ROI區(qū)域就可以避免了識(shí)別算法對(duì)整個(gè)圖像區(qū)域的遍歷,即傳統(tǒng)意義上的滑窗法(slide window),這可以降低行人檢測(cè)算法的運(yùn)算量,提高算法的實(shí)時(shí)性。現(xiàn)有的ROI獲取方法總體上可以分為靜態(tài)背景下基于序列圖像的方法和動(dòng)態(tài)背景下基于單幅圖像的方法,本文所研究的主要是動(dòng)態(tài)背景下基于單幅紅外圖像的行人檢測(cè)方法。近年來,基于顯著性(saliency)分析的ROI區(qū)域獲取方法成為研究熱點(diǎn)[2-4],由此實(shí)現(xiàn)了行人檢測(cè)從滑窗到選擇窗(Selected Window)轉(zhuǎn)變,通過對(duì)顯著圖窗口的似物性得分(objectness score)的計(jì)算[5-6],確定窗口中的存在目標(biāo)的可能性,由此實(shí)現(xiàn)對(duì)窗口的選擇,達(dá)到ROI區(qū)域提取的目的。

    不同于一般的行人檢測(cè)算法所針對(duì)可見光圖像,本文所研究的紅外圖像其在色彩、紋理、邊緣信息方面的豐富程度都遠(yuǎn)遠(yuǎn)不及前者。因此,現(xiàn)有的許多基于色彩、邊緣等的顯著性分析方法無法有效在紅外圖像中加以利用。為此,針對(duì)紅外圖像中的ROI區(qū)域提取問題提出了一種基于紅外圖像頻域殘差的ROI區(qū)域提取算法。

    識(shí)別算法一般由2個(gè)部分組成,即特征提取與分類器設(shè)計(jì)。在行人檢測(cè)的識(shí)別算法中,最為經(jīng)典方法是HOG+SVM的方法[7],即利用方向梯度直方圖(histogram of gradient, HOG)進(jìn)行特征提取,利用支持向量機(jī)(support vector machine, SVM)進(jìn)行分類器訓(xùn)練。在HOG特征的基礎(chǔ)上,近年來又出現(xiàn)了共生梯度方向直方圖特征、二階梯度方向直方圖、局部二值模式(LBP)以及cell-LBP特征等。在分類器算法方面,又先后出現(xiàn)了最小二乘SVM、Adaboosting等[8-12]。

    近年來,隨著深度學(xué)習(xí)(deep learning)、稀疏編碼(sparse coding)等方法出現(xiàn),傳統(tǒng)的特征提取方法逐漸被取代。ScSPM(sparse coding spatial pyramid matching)就是建立在稀疏編碼和特征池化基礎(chǔ)上的特征提取方法[13-14]。其將傳統(tǒng)的特征提取升華為無監(jiān)督特征學(xué)習(xí),在相同分類器的前提下,利用ScSPM特征學(xué)習(xí)獲取的特征向量所得到的識(shí)別準(zhǔn)確率有顯著提高。由于本文所研究的對(duì)象是紅外圖像,因此傳統(tǒng)的基于可見光圖像所開發(fā)的特征提取方法在識(shí)別過程中的效果不是十分理想,為此,本文在SCSPM架構(gòu)的基礎(chǔ)上,利用非監(jiān)督特征學(xué)習(xí)實(shí)現(xiàn)行人的特征提取,在此基礎(chǔ)上利用SVM實(shí)現(xiàn)行人檢測(cè)。

    本文針對(duì)單幅紅外圖像提出了一種基于窗口似物性得分和非監(jiān)督特征學(xué)習(xí)的行人檢測(cè)方法。該方法首先利用頻域顯著性分析方法計(jì)算窗口似物性得分,根據(jù)得分獲取圖像中的ROI區(qū)域,在此基礎(chǔ)上利用非監(jiān)督特征學(xué)習(xí)方法對(duì)ROI區(qū)域進(jìn)行特征提取,進(jìn)而利用SVM分類器實(shí)現(xiàn)ROI區(qū)域的行人檢測(cè)。

    1 ROI區(qū)域獲取

    相比于可見光圖像,紅外圖像的紋理、色彩及邊緣信息的豐富程度較低,因此現(xiàn)有的許多基于紋理、邊緣等信息的顯著性分析方法都無法有效地用于紅外圖像。為此,利用基于頻域殘差(spectral residual, SR)的顯著性分析方法實(shí)現(xiàn)對(duì)ROI區(qū)域的提取?;赟R的顯著性分析方法是由Hou等人首先提出的,SR的基本步驟如下[2]:

    輸入:紅外圖像X

    輸出:顯著圖S

    步驟1:計(jì)算X的傅里葉變換F;

    步驟2:計(jì)算傅里葉變換的對(duì)數(shù)幅值:=lg(|F|);

    步驟3:求出傅里葉變換的相位角:=Angle(F);

    步驟4:對(duì)對(duì)數(shù)幅值進(jìn)行均值濾波處理:L’= AverageFilter(L);

    步驟5:計(jì)算頻譜殘差:R=L-L’;

    步驟6:生成殘差傅里葉變換:F’=Exp(R)*Exp(iP);

    步驟7:利用傅里葉反變換計(jì)算顯著性圖:S= InverseFourierTransform(F’).

    在利用SR算法計(jì)算出紅外圖像X對(duì)應(yīng)的頻域殘差顯著圖S前需要對(duì)圖像進(jìn)行成比例縮?。s小系數(shù)),這樣做的目的是為了確保對(duì)顯著度局部峰值對(duì)目標(biāo)區(qū)域的集中。在得到顯著圖S后,通過設(shè)置閾值threshold,得到顯著圖對(duì)應(yīng)的二值圖T,將二值圖T的每個(gè)像素與顯著圖S的對(duì)應(yīng)像素相乘得到合成圖M。在此基礎(chǔ)上,計(jì)算不同窗口區(qū)域的似物性得分score:

    式中:表示二值圖的相應(yīng)窗口范圍內(nèi)的所有點(diǎn)的像素值之和;表示合成圖的相應(yīng)窗口范圍內(nèi)的所有點(diǎn)的像素值之和。

    在行人檢測(cè)中確定搜索窗口區(qū)域的大小范圍為從原始圖像高度30%~80%作為搜索窗口的高度變化范圍,搜索窗口的寬度為對(duì)應(yīng)高度的50%。圖1為ROI區(qū)域確定方法流程圖。圖2為ROI區(qū)域確定過程中得到的中間結(jié)果和最終結(jié)果,圖2(e)中的數(shù)字為score值(為了顯示方便僅取score值的整數(shù)部分)。

    2 行人特征提取

    以尺度不變特征(scale-invariant feature transform, SIFT)為基礎(chǔ)利用稀疏編碼在SPM架構(gòu)下建立目標(biāo)的稀疏特征是由Yu Kai等[13]人最早提出的,該特征是建立非監(jiān)督特征學(xué)習(xí)的基礎(chǔ)上,相較于傳統(tǒng)的SIFT、HOG、LBP等特征提取方法,其得到的特征向量其對(duì)于不同目標(biāo)可分性越高,可以利用簡(jiǎn)單的分類器完成不同類型的分類。本文所采用的特征提取方法如下:

    輸入:待提取特征的圖像塊,即單個(gè)ROI區(qū)域

    輸出:特征向量

    圖1 ROI獲取算法流程

    圖2 ROI獲取結(jié)果

    步驟1:將圖像塊大小縮放為固定大?。槐疚膶⑺袌D像塊固定為128×64pixel。

    步驟2:將圖像塊分成若干子區(qū)域,每個(gè)子區(qū)域的大小為g1×g1;其中相鄰兩個(gè)子區(qū)域之間的重疊度為g2,在本文中g(shù)1=16,g2=10,由此共得到19×9=171個(gè)子區(qū)域(如圖3)。

    步驟3:對(duì)每個(gè)子區(qū)域提取一個(gè)SIFT特征,即一個(gè)128維向量,因此對(duì)一個(gè)128×64pixel圖像塊,共得到171個(gè)128維特征向量。

    步驟4:利用稀疏字典計(jì)算每個(gè)特征向量的稀疏表示;在本文中選擇的字典規(guī)模為128×1024,即每個(gè)特征向量的稀疏表示為一個(gè)1024維的稀疏向量。

    步驟5:對(duì)圖像塊進(jìn)行金字塔表示,將根據(jù)不同的劃分尺度,對(duì)二維平面圖像進(jìn)行不同尺度的劃分。當(dāng)劃分尺度=0時(shí),不對(duì)圖像進(jìn)行劃分,即原始圖像,把它看作金字塔的第1層。當(dāng)=1時(shí),將圖像平均分成4個(gè)部分,作為金字塔的第2層。依次類推,對(duì)于劃分尺度,將圖像平均分成22τ份,對(duì)應(yīng)金字塔的第+1層;在本文中=3層(=0,1,2),可得到1+4+16=21個(gè)圖像子塊。

    步驟6:對(duì)每個(gè)圖像子塊中對(duì)應(yīng)的稀疏向量進(jìn)行特征池化(pooling)。本文利用最大值池化(max-pooling)進(jìn)行特征融合,該方法最大的優(yōu)點(diǎn)是對(duì)局部噪聲有魯棒性。

    步驟7:特征合并完成目標(biāo)特征提取,通過最大值特征池化共得到21個(gè)1024維融合特征向量,將這21個(gè)特征首尾相接得到一個(gè)長度為1024×21=21504維的特征向量,完成目標(biāo)的特征提取。

    圖3 圖像塊劃分

    3 分類器設(shè)計(jì)

    分類器一直以來都是模式識(shí)別研究的重點(diǎn),模式識(shí)別理論誕生于20世紀(jì)60年代,在20世紀(jì)70年代成為一門獨(dú)立的學(xué)科體系。模式識(shí)別方法大體上可以分為4類:統(tǒng)計(jì)模式識(shí)別、句法模式識(shí)別、模糊模式識(shí)別、神經(jīng)網(wǎng)絡(luò)模式識(shí)別。前兩者是較為古老的模式識(shí)別方法,當(dāng)前基于神經(jīng)網(wǎng)絡(luò)的模式識(shí)別是較常用的方法,其中以小樣本學(xué)習(xí)理論與支持向量機(jī)成為新的研究與應(yīng)用熱點(diǎn)。本文利用SVM為基礎(chǔ)設(shè)計(jì)分類器。

    基于機(jī)器學(xué)習(xí)的識(shí)別算法由2個(gè)部分組成:第一是離線的學(xué)習(xí)(learning)過程,就是將包含行人的ROI區(qū)域作為正樣本,不包含行人的作為負(fù)樣本,并預(yù)先抽取出來作為訓(xùn)練樣本,利用監(jiān)督學(xué)習(xí)的方法訓(xùn)練分類器,所有的訓(xùn)練原本都需要首先進(jìn)行尺寸上的統(tǒng)一,在此基礎(chǔ)上提取出特征向量及其對(duì)應(yīng)的標(biāo)簽(label),完成訓(xùn)練后得到表征分類器的參數(shù),由于這一訓(xùn)練過程是預(yù)先完成的,因此稱為離線訓(xùn)練過程。第二是在線識(shí)別(recognition)的過程,利用離線訓(xùn)練得到的分類器,在線對(duì)提取出的ROI區(qū)域進(jìn)行特征提取,將其特征向量送入分類器,得到其對(duì)應(yīng)的識(shí)別標(biāo)簽,根據(jù)標(biāo)簽就可以判斷每個(gè)ROI區(qū)域中是否包含行人。

    在利用SVM訓(xùn)練分類器過程中,對(duì)訓(xùn)練樣本中負(fù)樣本的選擇參考該樣本的似物性得分,對(duì)于似物性較高的負(fù)樣本,在隨機(jī)訓(xùn)練過程中的選中概率較高,該類負(fù)樣本的用于訓(xùn)練的重復(fù)度也較高。這是因?yàn)镽OI獲取過程中得到這類負(fù)樣本的概率較高,故分類器應(yīng)該能夠重點(diǎn)剔除這類負(fù)樣本。

    4 實(shí)驗(yàn)分析

    4.1 ROI區(qū)域獲取算法實(shí)驗(yàn)驗(yàn)證

    圖4為3幅行人檢測(cè)的紅外圖像,分別拍攝于室內(nèi)弱光環(huán)境、室外白天環(huán)境與室外夜晚環(huán)境,從圖中可見,人體溫度與周圍環(huán)境溫度之間有著明顯區(qū)別。圖5為利用本文提出的ROI獲取算法得到的3幅圖像的ROI區(qū)域,由圖可見提出的方法均能將行人包含在ROI區(qū)域中,由此證明了本算法的有效性。同時(shí),圖5中每個(gè)ROI區(qū)域上方對(duì)應(yīng)的數(shù)字為其score值(為顯示方便取整值),從獲取的score值可見,行人目標(biāo)的顯著性明顯,由此證明了采用頻域殘差算法的有效性。

    4.2 識(shí)別算法實(shí)驗(yàn)驗(yàn)證與比較

    使用相同的SVM分類器,針對(duì)兩種不同的特征提取方法,對(duì)本文所使用的特征提取方法和常用的HOG法針對(duì)紅外圖像中的行人識(shí)別的準(zhǔn)確率進(jìn)行比較。所選擇的訓(xùn)練樣本和測(cè)試樣本完全相同,通過選擇訓(xùn)練樣本的數(shù)量的不同,得到的識(shí)別結(jié)果如表1所示。在實(shí)驗(yàn)中,共有正樣本318個(gè),負(fù)樣本685個(gè),分4組進(jìn)行實(shí)驗(yàn),每組訓(xùn)練樣本的數(shù)量分別為:第1組正樣本100個(gè),負(fù)樣本200個(gè);第2組正樣本150個(gè),負(fù)樣本300個(gè);第3組正樣本200個(gè),負(fù)樣本400個(gè);第4組正樣本250個(gè),負(fù)樣本500個(gè)。所有剩余樣本作為測(cè)試樣本,每組樣本隨機(jī)抽取10次,得到的識(shí)別結(jié)果如表1所示。圖6為每組樣本數(shù)量的平均識(shí)別率,從該圖可見,本文利用的基于ScSPM的分類器的識(shí)別率明顯高于基于HOG的分類器的識(shí)別率。此外,訓(xùn)練樣本數(shù)量的增加也有助于提高分類器的識(shí)別率。

    圖4 用于行人檢測(cè)的紅外圖像

    圖5 ROI區(qū)域獲取

    Fig.5 ROI detection

    圖6 不同訓(xùn)練樣本數(shù)量的平均識(shí)別率

    4.3 行人檢測(cè)實(shí)驗(yàn)驗(yàn)證

    利用第4組訓(xùn)練樣本得到的分類器對(duì)圖2與圖5的ROI區(qū)域進(jìn)行識(shí)別,得到的行人檢測(cè)的結(jié)果如圖7所示,由圖7可見,本文提出的方法可以有效地從紅外圖像中完成行人檢測(cè)。

    5 結(jié)論

    針對(duì)單幅紅外圖像,研究了一種基于似物性得分和稀疏編碼空間金字塔特征提取的行人檢測(cè)方法,在紅外圖像頻域顯著性分析的基礎(chǔ)上提取出ROI區(qū)域,利用非監(jiān)督特征學(xué)習(xí)與SVM實(shí)現(xiàn)對(duì)圖像中的行人檢測(cè),驗(yàn)證了該算法針對(duì)單幅紅外圖像行人檢測(cè)的有效性。本文的主要特點(diǎn)如下:

    1)根據(jù)紅外圖像特點(diǎn),利用頻域殘算法獲取紅外圖像的顯著圖;

    2)提出了一種基于頻域殘差顯著圖的窗口似物性得分計(jì)算方法;

    3)將窗口似物性得分作為得到選擇訓(xùn)練樣本負(fù)樣本的重要參考,有針對(duì)性地進(jìn)行分類器訓(xùn)練。

    表1 本文方法和HOG法對(duì)紅外圖像中的行人識(shí)別的準(zhǔn)確率比較

    圖7 行人檢測(cè)結(jié)果

    Fig.7 Results of pedestrian detection

    [1] Dollar P, Wojek C, Schiele B, et al. Pedestrian detection: An evaluation of the state of the art[J]., 2012, 34(4): 743-761.

    [2] Hou X D, Zhang L. Saliency detection: a spectral residual approach[C]//on(), USA: IEEE, 2007: 1-8.

    [3] Achanta R, Hemami S, Estrada F, et al. Frequency-tuned salient region detection[C]//(), USA: IEEE, 2009: 1597-1604.

    [4] Goferman S, Zelnik-Manor L, Tal A. Context-aware saliency detection[C]//(), USA: IEEE, 2010: 2376-2383.

    [5] Alexe B, Deselaers T, Ferrari V. Measuring the objectness of image windows[J]., 2012, 34(11): 2189-2202.

    [6] 柯洪昌, 孫宏彬. 圖像序列的顯著性目標(biāo)區(qū)域檢測(cè)方法[J]. 中國光學(xué),2015, 8(5): 768-774.

    KE Hong-chang, SUN Hong-bin. A saliency target area detection method of image sequence[J]., 2015, 8(5): 768-774.

    [7] Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//(), USA: IEEE, 2005(1): 886-893.

    [8] Geronimo D, Lopez A M, Sappa A D, et al. Survey on pedestrian detection for advanced driver assistance systems[J]., 2010, 32(7): 1239-1258.

    [9] Dollar P, Wojek C, Schiele B, et al. Pedestrian detection: A bench- mark[C]//(), USA: IEEE, 2009: 304-311.

    [10] 張春鳳, 宋加濤, 王萬良. 行人檢測(cè)技術(shù)研究綜述[J]. 電視技術(shù), 2014, 38(3): 157-161.

    ZHANG Chunfeng, SONG Jiatao, WANG Wanliang. Survey on pedestrian detection technology[J]., 2014, 38(3): 157-161.

    [11] 許騰, 黃鐵軍, 田永鴻. 車載視覺系統(tǒng)中的行人檢測(cè)技術(shù)綜述[J].中國圖象圖形學(xué)報(bào), 2013, 18(4): 359-367.

    XU Teng, HUANG Tiejun, TIAN Yonghong. Survey on pedestrian detection technology for on-board vision systems[J]., 2013, 18(4): 359-367.

    [12] 侯旺,孫曉亮,尚洋,等紅外弱小目標(biāo)檢測(cè)技術(shù)研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 紅外技術(shù), 2015, 37(1): 1-10.

    HOU Wang, SUN Xiao-liang, SHANG Yang, et al. Present state and perspectives of small infrared targets detection technology[J]., 2015, 37(1): 1-10.

    [13] Yang J C, Yu K, Gong Y H, et al. Linear spatial pyramid matching using sparse coding for image classification[C]//(), USA: IEEE, 2009: 1-8.

    [14] Bao C Q, He L T, Wang Y L. Linear spatial pyramid matching using non-convex and non-negative sparse coding for image classification[C]//(), China: IEEE, 2015: 186-190.

    Pedestrian Detection Based on Objectness and Sparse Coding in a Single Infrared Image

    WEI Li1,DING Meng2,ZENG Lijun1

    (1.,,210016,; 2.,,210016,3.471023,)

    Pedestrian detection is a classic issue of computer vision. For the pedestrian detection problems in a single infrared image, this paper proposes a pedestrian detection method based on objectness, sparse coding and spatial pyramid matching. The algorithm can be divided into three phases. Firstly, the saliency map is computed based on spectral residual, and the paper presents an objectness score computation based on saliency map and selects regions of interest according to the score of different sub-windows. Secondly, scale-invariant feature transform, sparse coding and spatial pyramid matching are used to extract the feature vectors of the regions of interest. Finally, linear support vector machine is used to build a classifier and detect pedestrian in each region of interest. The experimental results verify the effectiveness of objectness score computation and the proposed algorithm for infrared images.

    infrared image,pedestrian detection,objectness,spectral residual,sparse coding,spatial pyramid matching

    TP391.4

    A

    1001-8891(2016)09-0752-06

    2016-01-21;

    2016-05-10.

    魏麗:(1982-),女,江蘇鎮(zhèn)江人,講師,碩士,紅外圖像分析、信號(hào)處理。

    丁萌:(1981-),男,江蘇儀征人,副教授,博士,計(jì)算機(jī)視覺與模式識(shí)別。

    航空科學(xué)基金(20155152041),國家自然科學(xué)基金(61203170),中國博士后基金特別資助(2013T60539),中央高校基本科研業(yè)務(wù)費(fèi)(NS2016061)。

    猜你喜歡
    特征提取行人分類器
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    路不為尋找者而設(shè)
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    我是行人
    Bagging RCSP腦電特征提取算法
    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
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識(shí)別
    啦啦啦观看免费观看视频高清| 国产淫片久久久久久久久 | 免费在线观看视频国产中文字幕亚洲| 麻豆av在线久日| 九九热线精品视视频播放| 日韩成人在线观看一区二区三区| 亚洲午夜精品一区,二区,三区| 日本三级黄在线观看| 99精品久久久久人妻精品| 久久久精品欧美日韩精品| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲欧美日韩东京热| 淫妇啪啪啪对白视频| 色视频www国产| 日本黄色片子视频| 少妇裸体淫交视频免费看高清| 中文亚洲av片在线观看爽| 一级毛片女人18水好多| 国产激情久久老熟女| 亚洲精品乱码久久久v下载方式 | 中文字幕人妻丝袜一区二区| 2021天堂中文幕一二区在线观| 亚洲午夜精品一区,二区,三区| 亚洲最大成人中文| 亚洲一区二区三区不卡视频| 两个人看的免费小视频| 亚洲第一电影网av| 久久久色成人| 嫩草影视91久久| 国产爱豆传媒在线观看| 国产精品99久久久久久久久| 真人做人爱边吃奶动态| 精品午夜福利视频在线观看一区| 国产真实乱freesex| 丝袜人妻中文字幕| 男女之事视频高清在线观看| 久久中文字幕一级| 亚洲精品美女久久av网站| 国产欧美日韩一区二区三| 丁香欧美五月| 欧美av亚洲av综合av国产av| 亚洲成人久久性| 国产精品一区二区精品视频观看| 久久久久久久久中文| 亚洲在线观看片| 午夜福利成人在线免费观看| 很黄的视频免费| 亚洲人与动物交配视频| 久久久久久久精品吃奶| 亚洲九九香蕉| 久久精品综合一区二区三区| 在线免费观看的www视频| 精华霜和精华液先用哪个| 不卡一级毛片| 亚洲av中文字字幕乱码综合| 91麻豆av在线| 在线免费观看不下载黄p国产 | 又黄又粗又硬又大视频| 一卡2卡三卡四卡精品乱码亚洲| aaaaa片日本免费| 成人鲁丝片一二三区免费| av女优亚洲男人天堂 | 69av精品久久久久久| 日韩三级视频一区二区三区| 国产av不卡久久| 国产精品,欧美在线| 国产蜜桃级精品一区二区三区| av天堂在线播放| 午夜视频精品福利| 欧美一区二区精品小视频在线| 婷婷精品国产亚洲av在线| 伊人久久大香线蕉亚洲五| 国产乱人视频| 色哟哟哟哟哟哟| ponron亚洲| 亚洲熟女毛片儿| 亚洲欧美激情综合另类| 国产精品久久视频播放| 亚洲七黄色美女视频| 男女之事视频高清在线观看| 亚洲av第一区精品v没综合| 91av网站免费观看| 99久久精品热视频| 国产高清视频在线播放一区| 麻豆一二三区av精品| 人人妻人人看人人澡| 亚洲av片天天在线观看| 蜜桃久久精品国产亚洲av| 国产精品久久视频播放| 中文字幕熟女人妻在线| 国产精品一及| 日韩免费av在线播放| 国产精品一区二区精品视频观看| 一个人看视频在线观看www免费 | 老鸭窝网址在线观看| a级毛片a级免费在线| 美女高潮喷水抽搐中文字幕| 少妇丰满av| 国产av在哪里看| 国产乱人视频| 亚洲 欧美 日韩 在线 免费| 国产精品国产高清国产av| 欧美日韩国产亚洲二区| 9191精品国产免费久久| 夜夜躁狠狠躁天天躁| 日韩欧美国产在线观看| 亚洲在线观看片| 国产1区2区3区精品| 成人国产综合亚洲| 午夜精品久久久久久毛片777| 最近在线观看免费完整版| 免费人成视频x8x8入口观看| 夜夜爽天天搞| 黄色片一级片一级黄色片| 热99re8久久精品国产| 在线观看日韩欧美| 精品一区二区三区视频在线 | 亚洲真实伦在线观看| 欧美一区二区精品小视频在线| 狂野欧美激情性xxxx| 国产精品永久免费网站| 亚洲一区二区三区不卡视频| 午夜福利高清视频| 久久精品国产清高在天天线| 亚洲精品中文字幕一二三四区| 18禁黄网站禁片午夜丰满| 中文在线观看免费www的网站| 无限看片的www在线观看| 成人av一区二区三区在线看| 色综合亚洲欧美另类图片| а√天堂www在线а√下载| 三级毛片av免费| 夜夜躁狠狠躁天天躁| 麻豆成人av在线观看| 啦啦啦免费观看视频1| 国产精品女同一区二区软件 | 高潮久久久久久久久久久不卡| 又爽又黄无遮挡网站| 国产三级黄色录像| 国产精品日韩av在线免费观看| 亚洲av成人av| 十八禁网站免费在线| 日本免费a在线| 黄片大片在线免费观看| 日韩有码中文字幕| 97超级碰碰碰精品色视频在线观看| 特大巨黑吊av在线直播| 日本一本二区三区精品| 中文资源天堂在线| 国产亚洲精品一区二区www| 亚洲专区字幕在线| 一级黄色大片毛片| 午夜两性在线视频| 欧美又色又爽又黄视频| 亚洲成人中文字幕在线播放| 国内揄拍国产精品人妻在线| 美女高潮喷水抽搐中文字幕| 久久中文看片网| 波多野结衣高清作品| 久久久久久国产a免费观看| 最近视频中文字幕2019在线8| 黄片大片在线免费观看| 欧美色欧美亚洲另类二区| 国产高清三级在线| 9191精品国产免费久久| 国产精品久久久人人做人人爽| 在线视频色国产色| 村上凉子中文字幕在线| 久久99热这里只有精品18| 国产亚洲欧美在线一区二区| 我要搜黄色片| 老鸭窝网址在线观看| 成人av在线播放网站| 精品日产1卡2卡| 日韩大尺度精品在线看网址| 欧美日韩国产亚洲二区| 亚洲人成网站在线播放欧美日韩| 久久久久亚洲av毛片大全| 色综合亚洲欧美另类图片| 亚洲中文av在线| 制服丝袜大香蕉在线| 1024手机看黄色片| 亚洲欧美精品综合久久99| 丁香六月欧美| 国产精品98久久久久久宅男小说| 久久久久久九九精品二区国产| 亚洲成人中文字幕在线播放| 亚洲av成人av| 亚洲aⅴ乱码一区二区在线播放| 男人和女人高潮做爰伦理| 日本黄色片子视频| 高清在线国产一区| 真人做人爱边吃奶动态| av福利片在线观看| 99久久久亚洲精品蜜臀av| 精品久久久久久,| 18禁国产床啪视频网站| 一个人免费在线观看的高清视频| 久久天躁狠狠躁夜夜2o2o| 可以在线观看的亚洲视频| svipshipincom国产片| 99国产精品99久久久久| 熟妇人妻久久中文字幕3abv| av天堂中文字幕网| 好男人电影高清在线观看| www日本黄色视频网| 日韩 欧美 亚洲 中文字幕| 国产91精品成人一区二区三区| 久久久久久久午夜电影| 国产精品精品国产色婷婷| 天天躁日日操中文字幕| 黄片大片在线免费观看| 97超级碰碰碰精品色视频在线观看| 熟女少妇亚洲综合色aaa.| 国产又黄又爽又无遮挡在线| 国产亚洲精品av在线| 在线观看66精品国产| 国产三级在线视频| 精品国产美女av久久久久小说| 男女床上黄色一级片免费看| a级毛片a级免费在线| 午夜福利在线观看吧| 国产成人一区二区三区免费视频网站| 99久国产av精品| 国内精品久久久久精免费| 国产午夜精品论理片| 日韩中文字幕欧美一区二区| 此物有八面人人有两片| 久久天堂一区二区三区四区| 亚洲狠狠婷婷综合久久图片| 久久午夜亚洲精品久久| 老司机午夜福利在线观看视频| 亚洲人成网站高清观看| 看黄色毛片网站| 黄色日韩在线| 男女午夜视频在线观看| 宅男免费午夜| 国产高清有码在线观看视频| 成年人黄色毛片网站| 欧美中文日本在线观看视频| 国产综合懂色| 亚洲va日本ⅴa欧美va伊人久久| 国产高清视频在线播放一区| 日本 av在线| 国产精品自产拍在线观看55亚洲| 99riav亚洲国产免费| 久久久久性生活片| 国产激情久久老熟女| 国产欧美日韩精品一区二区| 天天一区二区日本电影三级| 国产午夜福利久久久久久| 色噜噜av男人的天堂激情| 国产午夜精品久久久久久| 欧美激情在线99| 国内精品久久久久久久电影| 成人18禁在线播放| 麻豆一二三区av精品| 精品福利观看| 伊人久久大香线蕉亚洲五| 一区福利在线观看| 国产一区二区激情短视频| 69av精品久久久久久| 无人区码免费观看不卡| 国产精品一区二区免费欧美| 一级毛片精品| 婷婷亚洲欧美| 久久精品人妻少妇| 国产一区二区在线观看日韩 | 成人鲁丝片一二三区免费| 免费在线观看日本一区| 亚洲国产高清在线一区二区三| 巨乳人妻的诱惑在线观看| 日本精品一区二区三区蜜桃| 色精品久久人妻99蜜桃| 午夜福利成人在线免费观看| 天天一区二区日本电影三级| av片东京热男人的天堂| 欧美成人免费av一区二区三区| 午夜日韩欧美国产| 国内少妇人妻偷人精品xxx网站 | 中出人妻视频一区二区| 久久久精品大字幕| 亚洲成人免费电影在线观看| 日韩欧美一区二区三区在线观看| 男女视频在线观看网站免费| www国产在线视频色| 好看av亚洲va欧美ⅴa在| 久久国产精品影院| 日韩成人在线观看一区二区三区| 波多野结衣高清作品| 久久九九热精品免费| 亚洲欧洲精品一区二区精品久久久| 国产亚洲精品综合一区在线观看| 国产精品影院久久| 久久久国产精品麻豆| 日本黄色片子视频| 无限看片的www在线观看| 国产av在哪里看| 中文字幕熟女人妻在线| 日韩有码中文字幕| 日日夜夜操网爽| 久久精品91蜜桃| 久久精品aⅴ一区二区三区四区| 久久中文字幕一级| 中文字幕精品亚洲无线码一区| 久久久久久久久免费视频了| 日本黄大片高清| 欧美黄色片欧美黄色片| 夜夜爽天天搞| 99久久精品国产亚洲精品| 一本精品99久久精品77| 一级毛片高清免费大全| 在线观看免费视频日本深夜| 国产精品av视频在线免费观看| 一个人免费在线观看电影 | 成人亚洲精品av一区二区| 免费在线观看日本一区| 亚洲精品在线观看二区| avwww免费| 2021天堂中文幕一二区在线观| 国内揄拍国产精品人妻在线| 天天躁狠狠躁夜夜躁狠狠躁| 99在线人妻在线中文字幕| 国产精品久久久久久人妻精品电影| 三级毛片av免费| 久久久久精品国产欧美久久久| 在线十欧美十亚洲十日本专区| 午夜影院日韩av| 午夜免费观看网址| 国产成人福利小说| 毛片女人毛片| 精品久久久久久久久久免费视频| 亚洲午夜精品一区,二区,三区| 欧美+亚洲+日韩+国产| 午夜a级毛片| 久久久精品欧美日韩精品| 国产精品 国内视频| 成人性生交大片免费视频hd| 桃色一区二区三区在线观看| 美女被艹到高潮喷水动态| 两个人的视频大全免费| 国产欧美日韩一区二区三| 黄频高清免费视频| 国产日本99.免费观看| 国产亚洲精品综合一区在线观看| 好男人电影高清在线观看| 老汉色av国产亚洲站长工具| 久99久视频精品免费| 啦啦啦韩国在线观看视频| 黄色日韩在线| 搡老岳熟女国产| 精品免费久久久久久久清纯| 99久久国产精品久久久| 国产av麻豆久久久久久久| 小说图片视频综合网站| 亚洲成人精品中文字幕电影| 欧美av亚洲av综合av国产av| 在线观看66精品国产| 一a级毛片在线观看| 亚洲欧美一区二区三区黑人| 99久国产av精品| 又紧又爽又黄一区二区| 国产精品久久久久久精品电影| 成年版毛片免费区| 神马国产精品三级电影在线观看| 久久中文看片网| 又大又爽又粗| 夜夜夜夜夜久久久久| 99热精品在线国产| 亚洲专区中文字幕在线| 久久久久久国产a免费观看| 久9热在线精品视频| 国内精品久久久久精免费| 老熟妇乱子伦视频在线观看| 国产一区在线观看成人免费| 18美女黄网站色大片免费观看| 最近最新免费中文字幕在线| 美女扒开内裤让男人捅视频| 手机成人av网站| 精华霜和精华液先用哪个| 亚洲中文av在线| 国模一区二区三区四区视频 | 亚洲午夜精品一区,二区,三区| 男人舔女人下体高潮全视频| 亚洲精华国产精华精| 欧美丝袜亚洲另类 | 一卡2卡三卡四卡精品乱码亚洲| 怎么达到女性高潮| 人妻丰满熟妇av一区二区三区| 韩国av一区二区三区四区| 亚洲电影在线观看av| 88av欧美| 久99久视频精品免费| 看免费av毛片| 国产亚洲av高清不卡| 国产高清视频在线观看网站| 国产精品美女特级片免费视频播放器 | 免费看十八禁软件| 亚洲欧洲精品一区二区精品久久久| 国产乱人伦免费视频| 丁香欧美五月| 天天躁日日操中文字幕| 国产精品永久免费网站| 亚洲精品在线美女| 淫秽高清视频在线观看| 99热这里只有精品一区 | 久久这里只有精品中国| 在线观看午夜福利视频| 天堂av国产一区二区熟女人妻| 在线视频色国产色| 一个人观看的视频www高清免费观看 | 欧美大码av| 亚洲真实伦在线观看| 日韩高清综合在线| 国产欧美日韩精品一区二区| 国产精品综合久久久久久久免费| 极品教师在线免费播放| 国产成人啪精品午夜网站| 国内精品美女久久久久久| 亚洲七黄色美女视频| 在线视频色国产色| 亚洲18禁久久av| 国产视频内射| 国产乱人伦免费视频| 国产午夜精品久久久久久| 亚洲欧美精品综合久久99| 日本成人三级电影网站| 国产午夜精品久久久久久| 免费看日本二区| 1000部很黄的大片| 亚洲九九香蕉| 一本精品99久久精品77| 999久久久国产精品视频| 18美女黄网站色大片免费观看| 国产午夜精品论理片| 久久精品国产亚洲av香蕉五月| 狂野欧美白嫩少妇大欣赏| 亚洲va日本ⅴa欧美va伊人久久| 国产精品免费一区二区三区在线| x7x7x7水蜜桃| 欧美日韩国产亚洲二区| 日韩欧美一区二区三区在线观看| 热99re8久久精品国产| www国产在线视频色| 亚洲中文字幕日韩| 色综合站精品国产| 最近最新中文字幕大全电影3| 亚洲专区国产一区二区| 老司机深夜福利视频在线观看| 免费看光身美女| 丰满人妻一区二区三区视频av | 国内揄拍国产精品人妻在线| tocl精华| 91在线观看av| 宅男免费午夜| xxxwww97欧美| 黑人巨大精品欧美一区二区mp4| 日本精品一区二区三区蜜桃| 日本撒尿小便嘘嘘汇集6| 亚洲精品一卡2卡三卡4卡5卡| 国产午夜精品久久久久久| 99久国产av精品| 国产一级毛片七仙女欲春2| 成在线人永久免费视频| 色尼玛亚洲综合影院| 亚洲 国产 在线| 99久久无色码亚洲精品果冻| 小蜜桃在线观看免费完整版高清| avwww免费| 久久这里只有精品19| 欧美日韩综合久久久久久 | 亚洲国产精品999在线| 亚洲五月婷婷丁香| 不卡av一区二区三区| 国产一区二区在线av高清观看| 热99re8久久精品国产| 变态另类成人亚洲欧美熟女| 成人特级av手机在线观看| www.熟女人妻精品国产| av天堂在线播放| 黄片大片在线免费观看| 亚洲专区字幕在线| 亚洲av成人av| 欧美中文综合在线视频| 大型黄色视频在线免费观看| 久久精品91无色码中文字幕| 黑人操中国人逼视频| 丰满的人妻完整版| 99热6这里只有精品| 日本黄色视频三级网站网址| 男女之事视频高清在线观看| 国产久久久一区二区三区| 手机成人av网站| 最近视频中文字幕2019在线8| 九色国产91popny在线| 精华霜和精华液先用哪个| 成人av在线播放网站| 欧美日韩综合久久久久久 | 午夜福利欧美成人| 国产美女午夜福利| 亚洲人成网站在线播放欧美日韩| 观看美女的网站| 国产探花在线观看一区二区| 亚洲美女视频黄频| 国产97色在线日韩免费| 国产午夜福利久久久久久| 欧美激情在线99| 久久久久国产精品人妻aⅴ院| 日本免费a在线| 麻豆一二三区av精品| 亚洲精品国产精品久久久不卡| 亚洲精品456在线播放app | 久久国产乱子伦精品免费另类| 日韩有码中文字幕| 夜夜看夜夜爽夜夜摸| 99国产精品一区二区蜜桃av| 久久精品国产综合久久久| 国产欧美日韩一区二区三| 免费看日本二区| 欧美+亚洲+日韩+国产| 久久九九热精品免费| 亚洲色图av天堂| 成在线人永久免费视频| 天堂av国产一区二区熟女人妻| 岛国视频午夜一区免费看| 午夜成年电影在线免费观看| 免费看a级黄色片| 99精品久久久久人妻精品| 亚洲中文字幕日韩| 日韩av在线大香蕉| 欧美日韩国产亚洲二区| 女生性感内裤真人,穿戴方法视频| 成人18禁在线播放| 99re在线观看精品视频| 97超级碰碰碰精品色视频在线观看| 成人av一区二区三区在线看| 精品久久久久久久末码| 在线观看舔阴道视频| 琪琪午夜伦伦电影理论片6080| 真实男女啪啪啪动态图| 九九久久精品国产亚洲av麻豆 | 国产激情欧美一区二区| 久久精品国产清高在天天线| 亚洲avbb在线观看| 国产男靠女视频免费网站| 99精品久久久久人妻精品| 午夜两性在线视频| 老鸭窝网址在线观看| 无限看片的www在线观看| 噜噜噜噜噜久久久久久91| 国产精品电影一区二区三区| 岛国视频午夜一区免费看| 一本精品99久久精品77| 99久久精品热视频| 亚洲国产精品久久男人天堂| 国产不卡一卡二| 一卡2卡三卡四卡精品乱码亚洲| 久久人人精品亚洲av| 日本黄色片子视频| 国产男靠女视频免费网站| 无人区码免费观看不卡| www.自偷自拍.com| 在线观看日韩欧美| 亚洲成人久久性| 一本一本综合久久| 亚洲中文字幕日韩| 嫁个100分男人电影在线观看| 成人国产综合亚洲| 国产伦人伦偷精品视频| 亚洲国产日韩欧美精品在线观看 | 男女床上黄色一级片免费看| 久久热在线av| 18禁国产床啪视频网站| 久久久久国产一级毛片高清牌| 国产亚洲av高清不卡| 免费搜索国产男女视频| www日本在线高清视频| 精品免费久久久久久久清纯| 无限看片的www在线观看| 十八禁网站免费在线| 狂野欧美激情性xxxx| 日韩人妻高清精品专区| 性色avwww在线观看| 午夜日韩欧美国产| 美女黄网站色视频| 国产又黄又爽又无遮挡在线| 色吧在线观看| 黄色丝袜av网址大全| 国产免费av片在线观看野外av| 国产精品久久电影中文字幕| 97人妻精品一区二区三区麻豆| 欧美丝袜亚洲另类 | 亚洲国产高清在线一区二区三| 久久久久九九精品影院| 欧美日韩综合久久久久久 | 日韩欧美一区二区三区在线观看| 午夜成年电影在线免费观看| 99久久精品热视频| 午夜久久久久精精品| 1024香蕉在线观看| 午夜久久久久精精品| 99热只有精品国产| 精品久久久久久久久久免费视频| 88av欧美| 美女被艹到高潮喷水动态| 天堂√8在线中文| 国产av麻豆久久久久久久| 成人特级av手机在线观看| 亚洲午夜理论影院| 波多野结衣高清作品| 99精品在免费线老司机午夜| 露出奶头的视频| 亚洲午夜理论影院| 偷拍熟女少妇极品色| 亚洲专区字幕在线|