• <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
    中文乱码字字幕精品一区二区三区| 美女扒开内裤让男人捅视频| 日韩视频在线欧美| 人人澡人人妻人| 大型av网站在线播放| 美女视频免费永久观看网站| 黄片播放在线免费| 两性夫妻黄色片| 成人午夜精彩视频在线观看| 久久久久久久久免费视频了| 久久久精品区二区三区| 国产免费又黄又爽又色| 人体艺术视频欧美日本| 国产成人一区二区三区免费视频网站 | 99国产精品一区二区蜜桃av | 色综合欧美亚洲国产小说| 亚洲美女黄色视频免费看| 欧美在线一区亚洲| 国产成人精品久久久久久| 19禁男女啪啪无遮挡网站| 亚洲成av片中文字幕在线观看| 国产精品久久久人人做人人爽| 亚洲专区中文字幕在线| 亚洲精品在线美女| 欧美 日韩 精品 国产| 老司机影院成人| 免费在线观看视频国产中文字幕亚洲 | 美女扒开内裤让男人捅视频| 韩国高清视频一区二区三区| 国产主播在线观看一区二区 | 看免费成人av毛片| 日本五十路高清| 99国产精品一区二区三区| 欧美中文综合在线视频| 欧美精品一区二区免费开放| 另类亚洲欧美激情| 蜜桃国产av成人99| 一级黄片播放器| 午夜福利影视在线免费观看| 欧美日韩视频精品一区| 亚洲av欧美aⅴ国产| 亚洲精品一卡2卡三卡4卡5卡 | 美女午夜性视频免费| 少妇猛男粗大的猛烈进出视频| 中文欧美无线码| 欧美激情 高清一区二区三区| 久久久久国产精品人妻一区二区| www.精华液| 亚洲色图 男人天堂 中文字幕| 搡老岳熟女国产| 好男人视频免费观看在线| svipshipincom国产片| 在线观看免费日韩欧美大片| 国产精品久久久久久人妻精品电影 | 久久中文字幕一级| 老司机影院毛片| 欧美激情 高清一区二区三区| 国产日韩欧美亚洲二区| 国产日韩欧美亚洲二区| 国产精品麻豆人妻色哟哟久久| av天堂在线播放| 美女午夜性视频免费| 午夜免费男女啪啪视频观看| 成年人免费黄色播放视频| 性高湖久久久久久久久免费观看| 国产精品二区激情视频| 久久久国产精品麻豆| 美女脱内裤让男人舔精品视频| 黄频高清免费视频| 交换朋友夫妻互换小说| 亚洲国产欧美一区二区综合| 亚洲精品日韩在线中文字幕| 汤姆久久久久久久影院中文字幕| 18在线观看网站| 国产免费福利视频在线观看| 伊人久久大香线蕉亚洲五| 国产高清国产精品国产三级| 日韩av不卡免费在线播放| av视频免费观看在线观看| 少妇 在线观看| 国产亚洲午夜精品一区二区久久| 香蕉丝袜av| 国产在线免费精品| 久久人人97超碰香蕉20202| 日韩一区二区三区影片| 女人被躁到高潮嗷嗷叫费观| 日本五十路高清| 亚洲av在线观看美女高潮| 国产野战对白在线观看| 青春草视频在线免费观看| 18禁国产床啪视频网站| 久久久国产精品麻豆| 欧美在线一区亚洲| 十八禁人妻一区二区| 精品国产乱码久久久久久小说| 黄色片一级片一级黄色片| 国产精品亚洲av一区麻豆| 久久性视频一级片| 久久精品人人爽人人爽视色| 五月天丁香电影| 国产1区2区3区精品| 多毛熟女@视频| 亚洲国产av影院在线观看| 欧美日韩成人在线一区二区| 在线天堂中文资源库| 天天影视国产精品| 男人舔女人的私密视频| 97精品久久久久久久久久精品| 欧美性长视频在线观看| 精品福利观看| 国产亚洲一区二区精品| 亚洲 国产 在线| 国产无遮挡羞羞视频在线观看| 国产精品一二三区在线看| 午夜日韩欧美国产| 国产日韩一区二区三区精品不卡| 亚洲成国产人片在线观看| 成人国产av品久久久| 别揉我奶头~嗯~啊~动态视频 | 大香蕉久久成人网| 亚洲人成电影免费在线| 亚洲精品乱久久久久久| 激情五月婷婷亚洲| 美女福利国产在线| 亚洲一区中文字幕在线| 2021少妇久久久久久久久久久| 中文字幕另类日韩欧美亚洲嫩草| 十八禁人妻一区二区| 国产97色在线日韩免费| 50天的宝宝边吃奶边哭怎么回事| 亚洲国产最新在线播放| 欧美精品亚洲一区二区| 亚洲成人免费电影在线观看 | 欧美精品人与动牲交sv欧美| 欧美人与性动交α欧美精品济南到| 男的添女的下面高潮视频| 伊人久久大香线蕉亚洲五| 青春草视频在线免费观看| 亚洲av美国av| 国产成人精品久久久久久| 亚洲精品自拍成人| 男人操女人黄网站| 国产激情久久老熟女| 精品卡一卡二卡四卡免费| 美国免费a级毛片| 国产成人免费观看mmmm| 19禁男女啪啪无遮挡网站| 午夜福利在线免费观看网站| 精品福利永久在线观看| 亚洲天堂av无毛| 母亲3免费完整高清在线观看| www.999成人在线观看| 欧美黑人欧美精品刺激| 久久精品国产亚洲av涩爱| 欧美变态另类bdsm刘玥| 国产不卡av网站在线观看| 亚洲精品一二三| 九草在线视频观看| 又大又黄又爽视频免费| 看免费av毛片| 大香蕉久久成人网| 国产福利在线免费观看视频| 日韩熟女老妇一区二区性免费视频| 成年动漫av网址| 人妻一区二区av| 十八禁高潮呻吟视频| 亚洲专区中文字幕在线| 侵犯人妻中文字幕一二三四区| 久久99热这里只频精品6学生| 男女边吃奶边做爰视频| 国产一区二区 视频在线| 啦啦啦中文免费视频观看日本| 脱女人内裤的视频| 亚洲自偷自拍图片 自拍| 国产无遮挡羞羞视频在线观看| 波多野结衣av一区二区av| 男女床上黄色一级片免费看| 国产免费福利视频在线观看| 亚洲人成电影免费在线| 亚洲国产欧美在线一区| www.999成人在线观看| 国产亚洲精品久久久久5区| 一区二区av电影网| 国产亚洲午夜精品一区二区久久| 免费在线观看视频国产中文字幕亚洲 | 丝袜脚勾引网站| 精品久久久精品久久久| 少妇猛男粗大的猛烈进出视频| 女性被躁到高潮视频| 久久国产亚洲av麻豆专区| 亚洲欧洲日产国产| 50天的宝宝边吃奶边哭怎么回事| 爱豆传媒免费全集在线观看| 可以免费在线观看a视频的电影网站| 日韩一卡2卡3卡4卡2021年| 色婷婷av一区二区三区视频| 一本—道久久a久久精品蜜桃钙片| 久久午夜综合久久蜜桃| 免费一级毛片在线播放高清视频 | 亚洲免费av在线视频| 777米奇影视久久| 国产成人啪精品午夜网站| 可以免费在线观看a视频的电影网站| 色婷婷av一区二区三区视频| 桃花免费在线播放| 欧美精品av麻豆av| 夜夜骑夜夜射夜夜干| 国产高清视频在线播放一区 | 性色av一级| 日本欧美视频一区| 大香蕉久久网| 免费人妻精品一区二区三区视频| 99热网站在线观看| 久久久久久久精品精品| 99久久99久久久精品蜜桃| 91精品国产国语对白视频| 日本av手机在线免费观看| 午夜福利影视在线免费观看| 韩国高清视频一区二区三区| 亚洲国产毛片av蜜桃av| www.av在线官网国产| 国产福利在线免费观看视频| 国产成人精品在线电影| 狠狠婷婷综合久久久久久88av| 大香蕉久久成人网| xxx大片免费视频| 真人做人爱边吃奶动态| 久久久久国产精品人妻一区二区| 久久久国产欧美日韩av| 黄片小视频在线播放| 女警被强在线播放| av福利片在线| 久久影院123| 欧美国产精品一级二级三级| 一级毛片 在线播放| 国产熟女午夜一区二区三区| 极品人妻少妇av视频| 欧美人与性动交α欧美精品济南到| 亚洲一区二区三区欧美精品| 这个男人来自地球电影免费观看| 亚洲七黄色美女视频| 欧美激情高清一区二区三区| 国产有黄有色有爽视频| 美女主播在线视频| 最黄视频免费看| 亚洲av成人精品一二三区| 精品少妇久久久久久888优播| 99热全是精品| 91麻豆精品激情在线观看国产 | 高潮久久久久久久久久久不卡| 亚洲精品第二区| 精品亚洲成国产av| 捣出白浆h1v1| 免费人妻精品一区二区三区视频| 熟女少妇亚洲综合色aaa.| 亚洲成人手机| 久久精品国产综合久久久| 中文乱码字字幕精品一区二区三区| 老司机靠b影院| 亚洲精品国产av蜜桃| 国产成人系列免费观看| 亚洲国产看品久久| 国产淫语在线视频| 精品少妇黑人巨大在线播放| 国产精品av久久久久免费| 久久99精品国语久久久| 一本—道久久a久久精品蜜桃钙片| 成人18禁高潮啪啪吃奶动态图| 精品久久久精品久久久| 国产精品国产三级国产专区5o| 亚洲专区中文字幕在线| 另类亚洲欧美激情| 色94色欧美一区二区| 国产精品 国内视频| 99热国产这里只有精品6| 国产三级黄色录像| 99精国产麻豆久久婷婷| 十八禁人妻一区二区| 欧美中文综合在线视频| 精品久久久精品久久久| 成人国产一区最新在线观看 | 如日韩欧美国产精品一区二区三区| svipshipincom国产片| 曰老女人黄片| 国产真人三级小视频在线观看| 成年美女黄网站色视频大全免费| 桃花免费在线播放| 久久精品国产综合久久久| 999精品在线视频| 在线观看一区二区三区激情| 成在线人永久免费视频| 日本一区二区免费在线视频| 成年女人毛片免费观看观看9 | 午夜影院在线不卡| 久久国产精品大桥未久av| 99精品久久久久人妻精品| xxxhd国产人妻xxx| 下体分泌物呈黄色| 一区福利在线观看| 亚洲国产精品一区二区三区在线| 国产精品人妻久久久影院| 91九色精品人成在线观看| av在线老鸭窝| 国产三级黄色录像| 亚洲色图 男人天堂 中文字幕| 青青草视频在线视频观看| 水蜜桃什么品种好| av欧美777| 在线看a的网站| √禁漫天堂资源中文www| 国产精品久久久久成人av| 久久人人97超碰香蕉20202| 国产三级黄色录像| 香蕉国产在线看| 国产高清videossex| 亚洲中文字幕日韩| 男女午夜视频在线观看| 午夜免费成人在线视频| 999久久久国产精品视频| 亚洲精品久久成人aⅴ小说| 男女无遮挡免费网站观看| 老汉色av国产亚洲站长工具| 国产男女超爽视频在线观看| 久久人妻福利社区极品人妻图片 | 日日摸夜夜添夜夜爱| 久久精品久久久久久久性| 成人午夜精彩视频在线观看| 你懂的网址亚洲精品在线观看| 操美女的视频在线观看| 欧美乱码精品一区二区三区| 国产亚洲av片在线观看秒播厂| 久久国产精品大桥未久av| 精品久久久久久电影网| 无限看片的www在线观看| 国产一区有黄有色的免费视频| 你懂的网址亚洲精品在线观看| 国产精品偷伦视频观看了| 狂野欧美激情性xxxx| 大片电影免费在线观看免费| 好男人视频免费观看在线| 欧美人与性动交α欧美软件| 丝袜脚勾引网站| 999久久久国产精品视频| 久久精品aⅴ一区二区三区四区| 国产欧美日韩精品亚洲av| 夫妻性生交免费视频一级片| 99精国产麻豆久久婷婷| 精品熟女少妇八av免费久了| 人人澡人人妻人| 日韩一区二区三区影片| 赤兔流量卡办理| 电影成人av| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲国产欧美网| 亚洲av成人不卡在线观看播放网 | 国产黄色视频一区二区在线观看| av在线老鸭窝| 久久中文字幕一级| 中文字幕人妻熟女乱码| 亚洲av电影在线观看一区二区三区| 欧美性长视频在线观看| 波多野结衣av一区二区av| 亚洲黑人精品在线| 欧美另类一区| 亚洲av综合色区一区| 黑丝袜美女国产一区| 亚洲综合色网址| 亚洲欧美精品综合一区二区三区| 成人午夜精彩视频在线观看| 欧美日韩成人在线一区二区| 午夜福利视频精品| av天堂在线播放| 国产精品久久久人人做人人爽| 亚洲第一青青草原| 亚洲精品自拍成人| 国产高清videossex| 欧美 亚洲 国产 日韩一| 免费少妇av软件| 亚洲黑人精品在线| 男女之事视频高清在线观看 | av一本久久久久| 免费在线观看黄色视频的| 国产一区亚洲一区在线观看| 老司机在亚洲福利影院| 亚洲图色成人| 亚洲欧美精品自产自拍| 后天国语完整版免费观看| 亚洲av电影在线观看一区二区三区| 一级黄片播放器| 亚洲成色77777| 精品欧美一区二区三区在线| 一边亲一边摸免费视频| 国产伦人伦偷精品视频| 狂野欧美激情性xxxx| 麻豆乱淫一区二区| 看免费成人av毛片| av片东京热男人的天堂| av不卡在线播放| 久热这里只有精品99| 国产黄频视频在线观看| av在线播放精品| 国产成人欧美| 免费女性裸体啪啪无遮挡网站| 亚洲综合色网址| 亚洲三区欧美一区| 久久精品国产亚洲av涩爱| 免费在线观看黄色视频的| 精品高清国产在线一区| 男女午夜视频在线观看| 肉色欧美久久久久久久蜜桃| 国产精品秋霞免费鲁丝片| 国产成人a∨麻豆精品| 亚洲av在线观看美女高潮| 国产成人精品无人区| 看免费av毛片| 男人添女人高潮全过程视频| 男人操女人黄网站| 久久精品亚洲熟妇少妇任你| 国产一区二区激情短视频 | 久久鲁丝午夜福利片| 中文字幕人妻熟女乱码| 丰满少妇做爰视频| 巨乳人妻的诱惑在线观看| 美女大奶头黄色视频| 亚洲国产精品一区三区| 午夜视频精品福利| 欧美日韩亚洲综合一区二区三区_| av又黄又爽大尺度在线免费看| 香蕉国产在线看| 国产精品一区二区在线观看99| 精品久久久久久电影网| 国产亚洲一区二区精品| 午夜福利在线免费观看网站| 精品一区在线观看国产| 亚洲专区中文字幕在线| 最近最新中文字幕大全免费视频 | 久久久久久人人人人人| 国产av精品麻豆| 国产高清国产精品国产三级| 日本五十路高清| 18在线观看网站| 99久久99久久久精品蜜桃| av视频免费观看在线观看| 国产麻豆69| 黄网站色视频无遮挡免费观看| 国产男女超爽视频在线观看| 亚洲精品国产色婷婷电影| 欧美成人精品欧美一级黄| 国产伦人伦偷精品视频| 天堂8中文在线网| 巨乳人妻的诱惑在线观看| 精品国产超薄肉色丝袜足j| 大香蕉久久网| 国产亚洲午夜精品一区二区久久| 老司机靠b影院| 亚洲一码二码三码区别大吗| 高潮久久久久久久久久久不卡| 国产一区有黄有色的免费视频| 午夜av观看不卡| 一区二区三区四区激情视频| 免费在线观看影片大全网站 | 一区在线观看完整版| 久久国产精品影院| 欧美xxⅹ黑人| 国产精品免费大片| 免费在线观看影片大全网站 | 亚洲av欧美aⅴ国产| 欧美日韩国产mv在线观看视频| 免费少妇av软件| 亚洲国产av新网站| 激情视频va一区二区三区| 午夜福利,免费看| 别揉我奶头~嗯~啊~动态视频 | 国产人伦9x9x在线观看| 一区二区三区激情视频| 在线精品无人区一区二区三| 国产极品粉嫩免费观看在线| 亚洲欧美日韩另类电影网站| 老汉色av国产亚洲站长工具| 一级片'在线观看视频| 午夜精品国产一区二区电影| 亚洲成色77777| 丰满迷人的少妇在线观看| 国产成人系列免费观看| 美女主播在线视频| 水蜜桃什么品种好| 夫妻性生交免费视频一级片| 黑人欧美特级aaaaaa片| av在线老鸭窝| 欧美日韩福利视频一区二区| 午夜激情av网站| 国产精品av久久久久免费| 校园人妻丝袜中文字幕| 亚洲国产看品久久| 精品久久久久久电影网| 国产亚洲av高清不卡| 久久女婷五月综合色啪小说| www.熟女人妻精品国产| 亚洲精品成人av观看孕妇| 亚洲九九香蕉| www.精华液| 久久久久网色| 日韩熟女老妇一区二区性免费视频| 免费在线观看黄色视频的| 亚洲欧美一区二区三区久久| 亚洲av美国av| 91麻豆av在线| 午夜免费成人在线视频| 一区二区三区精品91| 免费在线观看视频国产中文字幕亚洲 | 汤姆久久久久久久影院中文字幕| 男男h啪啪无遮挡| a级片在线免费高清观看视频| 成人国语在线视频| 悠悠久久av| 男女边摸边吃奶| 中文字幕精品免费在线观看视频| 看免费成人av毛片| 久久久精品94久久精品| 国产日韩欧美亚洲二区| 日韩伦理黄色片| 精品少妇一区二区三区视频日本电影| 美女脱内裤让男人舔精品视频| 久久热在线av| 精品视频人人做人人爽| 亚洲成国产人片在线观看| 国产成人欧美| 视频在线观看一区二区三区| 久久久久网色| 99国产综合亚洲精品| 久久影院123| 精品人妻一区二区三区麻豆| 日本午夜av视频| 日韩中文字幕欧美一区二区 | 亚洲国产精品一区三区| 美女午夜性视频免费| 菩萨蛮人人尽说江南好唐韦庄| 老汉色∧v一级毛片| 18在线观看网站| 水蜜桃什么品种好| 亚洲av日韩在线播放| av电影中文网址| 午夜福利免费观看在线| 亚洲情色 制服丝袜| 国产精品久久久人人做人人爽| 成人三级做爰电影| videos熟女内射| bbb黄色大片| 国产一级毛片在线| 亚洲av国产av综合av卡| 高清欧美精品videossex| 国产亚洲欧美在线一区二区| 日韩av免费高清视频| 国产精品麻豆人妻色哟哟久久| 国产成人av教育| 亚洲国产成人一精品久久久| 日韩av不卡免费在线播放| 热re99久久国产66热| 欧美激情 高清一区二区三区| 日本猛色少妇xxxxx猛交久久| 欧美97在线视频| 亚洲成国产人片在线观看| 女人高潮潮喷娇喘18禁视频| 中文字幕人妻熟女乱码| 亚洲精品中文字幕在线视频| 国产黄色免费在线视频| 欧美精品亚洲一区二区| 亚洲国产精品一区二区三区在线| 超碰成人久久| 国产免费福利视频在线观看| 老司机深夜福利视频在线观看 | 尾随美女入室| 国产人伦9x9x在线观看| 欧美变态另类bdsm刘玥| www.熟女人妻精品国产| 赤兔流量卡办理| 国产人伦9x9x在线观看| 午夜免费男女啪啪视频观看| 日韩av免费高清视频| 日韩 欧美 亚洲 中文字幕| 一区二区av电影网| 午夜两性在线视频| 国产福利在线免费观看视频| 在线观看免费高清a一片| 人妻一区二区av| 成人18禁高潮啪啪吃奶动态图| 国产成人系列免费观看| 精品久久久久久电影网| 日韩制服丝袜自拍偷拍| 国产色视频综合| 侵犯人妻中文字幕一二三四区| 高清黄色对白视频在线免费看| 大片免费播放器 马上看| www.999成人在线观看| 久久午夜综合久久蜜桃| 美女中出高潮动态图| 国产精品亚洲av一区麻豆| 女人高潮潮喷娇喘18禁视频| 99热网站在线观看| 伊人久久大香线蕉亚洲五| 中文欧美无线码| 妹子高潮喷水视频| 久久九九热精品免费| 日韩中文字幕欧美一区二区 | 免费日韩欧美在线观看| 日本a在线网址| 中文乱码字字幕精品一区二区三区| 久久人妻熟女aⅴ| 超碰成人久久| cao死你这个sao货| 韩国精品一区二区三区| 女人精品久久久久毛片| h视频一区二区三区| 一级毛片电影观看| 九草在线视频观看|