• <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 ?

    基于尺度自適應局部時空特征的足球比賽視頻中的多運動員行為表示

    2016-09-29 17:40:26王智文蔣聯(lián)源王宇航王日鳳張燦龍黃鎮(zhèn)謹王鵬濤
    計算機應用 2016年8期

    王智文 蔣聯(lián)源 王宇航 王日鳳 張燦龍 黃鎮(zhèn)謹 王鵬濤

    摘要:為提高足球比賽視頻中的多運動員行為識別的準確率,提出一種基于尺度自適應局部時空特征的足球比賽視頻中的多運動員行為表示方法,利用時空興趣點來表示足球比賽視頻中的多運動員行為。首先將足球比賽視頻序列中的多運動員行為看作是三維空間中的時空興趣點的集合,然后采用直方圖量化技術將時空興趣點集合量化為維數(shù)固定的直方圖(即時空單詞),最后采用K-means聚類算法生成時空碼本。在聚類生成碼本之前,對每個時空興趣點都進行了歸一化,以保證其縮放和平移不變性。實驗結果表明,該方法能夠大大減少足球比賽視頻中的多運動員行為識別算法的計算量,顯著提高識別的準確率。

    關鍵詞:時空興趣點;多運動員行為表示;行為識別;K-means聚類算法;時空特征檢測操作數(shù)

    中圖分類號:TP311; TP391

    文獻標志碼:A

    0引言

    足球比賽視頻中多運動員行為表示的好壞會直接影響行為識別的準確率。在足球比賽中的多運動員行為分析和識別過程中,選取的特征越多,對行為的描述也就越充分;但是選取過多的特征會導致數(shù)據(jù)間的冗余過大,特征向量的維數(shù)過高,數(shù)據(jù)分布的本質(zhì)規(guī)律不容易被發(fā)現(xiàn),訓練行為識別模型所需的數(shù)據(jù)量過大,算法的計算量大,不利于行為識別的實時性處理。因此,足球比賽視頻中的多運動員行為識別研究的關鍵問題是如何有效地描述提取的特征才能夠很好地表征行為。

    1相關研究

    過去研究者對行為表示進行了廣泛的研究,其中比較典型的研究有:Bobick等[1]利用減背景法推導出時間模板的表示,該行為表示方法簡單,但容易受噪聲影響。Wang等[2]采用自適應多閾值選擇光流特征作為行為的表示來識別足球比賽視頻中的團隊行為,但研究局限于處理三類團隊行為,且易受噪聲干擾。文獻[3]采用時間序列的因果關系來描述成對行為,并利用空間行為軌跡匹配來識別人類行為,但難以被推廣到多運動員的行為識別中來。文獻[4]用一個完整的四維對象實時交互張量來描述團隊行為模式,通過學習并優(yōu)化張量積來減少內(nèi)核,使它凝聚到一個可區(qū)別的時空互動矩陣中。在視覺變化的情況下,用來簡潔描述團隊行為模式的時間互動矩陣被證實是穩(wěn)定的。更重要的是,給定一個黎曼度量,所有時空互動矩陣集形成一個黎曼流形,可用來建立概率框架,特征化團隊行為模式每個類,但實現(xiàn)起來比較困難。文獻[5]提出目標之間結構化的相互作用模型,使用基于目標的原語和低階時空關系集成的概率框架從含噪聲的感知數(shù)據(jù)中識別出結構嚴密、高度結構化的多人行為。基于模型的目標識別和概率計劃識別的表示基于下面四個主要假設:1)在智能體之間從事團隊活動時,單個智能體目標是指定時空關系的天然的原子表示單位;2)在高度結構化的多智能體的行為識別過程中,行為的時間結構的高層次描述使用較少的低階時空關系集和邏輯限制就足以表達智能體之間的關系;3)貝葉斯網(wǎng)絡為不確定的視覺感知特征的多種來源提供了一種適當?shù)娜诤蠙C制;4)可以用自動生成的貝葉斯網(wǎng)絡來融合不確定時態(tài)信息和對象軌跡數(shù)據(jù)集,識別一個特定的多智能體的行為。假設的限制容易引起標記的偏置問題,且難以實現(xiàn)。文獻[6]引入了一個能明確對動態(tài)團隊成員進行編碼和適應計劃識別形式的多智能體計劃表示法。從多智能體計劃表示法中提取的局部時間依賴性能夠有效地修剪潛在的團隊計劃的假設集,但修剪過程比較費時,不能滿足實時足球比賽行為識別的要求。文獻[7]在無監(jiān)督的時間分割過程中提出了一種基于動態(tài)時間序列的高斯混合模型匹配行為的行為識別方法。該方法假定行為數(shù)據(jù)是一個能夠充分描述的多單向標簽,利用了時空特征,通過假設行為的優(yōu)先級順序來識別多人行為;但是在團隊行為識別的特征子集中會出現(xiàn)多個同時事件,而且在特殊情況下,事先設定的優(yōu)先級高的行為可能是不重要的行為,這樣會影響多運動員行為識別的準確性。文獻[8]提出利用濃密軌跡和運動邊界進行行為識別。首先,用軌跡來捕獲視頻的局部運動信息;然后,密集軌跡的表示保證良好地覆蓋前景運動以及周圍的背景;最后,利用一種最先進的光流算法確保提取密集軌跡的魯棒性和有效性。文獻[9]為人的屬性和行為識別提出擴展的部分模型。該模型依賴于收集的部分模板,通過學習區(qū)別地解釋圖像中特定的尺度空間位置(人類為中心的坐標)。它避免了高度結構化的模型限制,提出了用一個自動挖掘算法來學習相應的區(qū)分性模板來識別人類行為。Laptev[10]為視頻數(shù)據(jù)的簡潔表示提出了時空興趣點,并探討了利用時空興趣點來描述人的行為的優(yōu)勢。借鑒Laptev[10]的思想,本文提出基于尺度自適應局部時空特征來表示足球比賽視頻中的多運動員行為。通過提取不隨視頻圖像的縮放和平移而變化的稀疏時空特征來表示多運動員行為,減少多運動員行為識別算法的計算量,提高多運動員行為識別的準確率和實時性。

    2尺度自適應局部時空特征檢測操作數(shù)

    本文借鑒Lindeberg[11]關于空間中局部尺度特征自適應選擇的方法,將Harris檢測操作數(shù)推廣到足球比賽視頻時空域中,提出了尺度自適應局部時空特征檢測算法(見算法1)。算法的主要思想是在局部時空域中定義一個能同時在時間和空間維上取得極大值的差分操作數(shù)。采用歸一化的Laplace操作數(shù)來估計局部尺度。利用式(1)將Harris時空興趣點檢測操作數(shù)和Laplace操作數(shù)相結合推導出Harris-Laplace時空興趣點檢測操作數(shù)。

    2.1局部時空特征描述子

    足球比賽視頻中局部區(qū)域的表示是一個開放性的問題。本文利用方向梯度直方圖(Histogram oriented Gradient,HoG)描述子將足球比賽視頻視為“時空”長方體,并將HoG描述子推廣到三維足球比賽視頻圖像中。

    對于一個局部時空感興趣區(qū)域,局部描述子用一個特征向量來表示該區(qū)域。圖像或者整個足球比賽視頻序列可表示為一組在不同的尺度和位置下的特征向量集。為了能有效地利用局部特征向量來進行足球比賽視頻中的多運動員行為的識別,客觀上要求這些特征描述子具有比較強的區(qū)分能力,同時又不受光照、輕微形變等干擾因素的影響。將HoG描述子推廣到3D的計算流程如圖1所示,其中涉及到的關鍵計算有:平均梯度計算、方向梯度量化的計算和直方圖計算。

    2.2直方圖計算

    方向梯度的直方圖需要在一個梯度向量的集合中進行計算。具體計算方法如下:對于一個給定的立方體c=(xc,yc,tc,lc,wc,hc),將其分為S×S×S個子塊bi。對于每個子塊,利用式(8)來計算其平均梯度,然后將bi量化為qbi。對于每個區(qū)域c,通過求和量化后的均值梯度向量來計算其直方圖hc。

    4實驗結果分析

    本文使用2010年南非世界杯64場比賽、2009—2010年亞洲杯預選賽32場比賽及2010年意甲比賽部分比賽視頻作為數(shù)據(jù)集。為了在不同光線條件和球員穿著不同衣服的情況下測試系統(tǒng),從不同的天氣條件(晴天、陰天、雨天)和不同光照條件(自然或人工照明)下的不同球隊之間的比賽中挑選出12個測試序列。序列時長為3min,每個視角大約5000幀。手動標記圖像序列來疊加每個球員和球,限位框被用作真實值來評價算法的性能。在視頻圖像預處理過程中,利用筆者提出的基于多元統(tǒng)計模型的分形小波自適應圖像去噪算法[13]進行去噪,以便得到具有更好特征結構的圖像。通過檢測H中的正的局部時空極大值來檢測足球比賽視頻圖像序列v中的時空興趣點。檢測結果如圖2所示,可以看出,本文使用尺度自適應局部時空興趣點來表示多運動員行為時, 能夠大大減少識別多運動員行為算法的計算量。

    本文利用以下方法進行行為識別:

    文獻[1]提出的減背景法推導出時間模板的行為表示,

    文獻[2]提出的行為特征的光流表示,

    文獻[4]提出的四維對象實時交互張量行為表示方法,

    文獻[8]提出利用濃密軌跡和運動邊界法,

    文獻[9]提出的擴展的部分模型以及本文提出的基于尺度自適應局部時空特征的行為表示方法。

    為了分析這六種算法在足球比賽視頻

    行為識別中表現(xiàn)出的性能,分別在開放性數(shù)據(jù)集ucf sports中選取Kicking-Side視頻和上述自采集的視頻進行實驗,并從平均每幀提取的特征向量維數(shù)、算法處理每幀圖像運行的平均時間以及行為識別的準確率三個方面進行比較,結果如表1所示。

    由表1可以看出, 對Kicking-Side視頻中行為進行識別時,每種算法需要提取的特征向量維數(shù)及計算機處理時間明顯要小于自采集的足球比賽視頻,行為識別的準確率明顯高于自采集的足球比賽視頻,其原因是由于該視頻中行為的復雜度相對低,行為發(fā)生過程中不存在著運動員之間的相互遮擋及自遮擋。文獻[1]提出的減背景法行為表示方法簡單,但提取的特征維數(shù)最多且容易受噪聲影響;文獻[2]提出的光流表示法局限于只能處理3類多運動員行為,且易受噪聲干擾;文獻[4]提出的四維對象實時交互張量行為表示方法在建立概率框架特征化多運動員行為模式每個類的過程中實現(xiàn)非常困難,處理每幀圖像需要的時間最多。文獻[8-9]使用了低層特征進行行為識別,行為識別準確率較低,而本文提出方法在性能上明顯優(yōu)于對比方法。

    5結語

    本文借鑒Lindeberg空間中局部尺度特征自適應選擇方法,提出基于尺度自適應局部時空特征的足球比賽視頻中的多運動員行為表示。該方法能有效地提取用于識別多運動員行為的時空特征,減少提取特征向量的維數(shù)及處理每幀視頻圖像的平均運行時間,提高多運動員行為識別的準確率。

    參考文獻:

    [1]BOBICK A F, DAVIS J W. The recognition of human movement using temporal templates [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001, 23(3):257-267.

    [2]WANG L, YUNG N H C. Extraction of moving objects from their background based on multiple adaptive thresholds and boundary evaluation [J]. IEEE Transactions on Intelligent Transportation Systems, 2010, 11(1): 40-51.

    [3]SHAO Z, LI Y. Integral invariants for space motion trajectory matching and recognition [J]. Pattern Recognition, 2015, 48(8): 2418-2432.

    [4]PEHLIVAN S, FORSYTH D A. Recognizing activities in multiple views with fusion of frame judgments [J]. Image and Vision Computing, 2014, 32(4): 237-249.

    [5]CHO S, KWAK S, BYUN H. Recognizing human-human interaction activities using visual and textual information [J]. Pattern Recognition Letters, 2013, 34(15): 1840-1848.

    [6]ALTUN K, MACLEANB K E. Recognizing affect in human touch of a robot [J].Pattern Recognition Letters, 2015, 66(15): 31-40.

    [7]FIELDA M, STIRLINGA D, PAN Z, et al. Recognizing human motions through mixture modeling of inertial data [J]. Pattern Recognition, 2015, 48(8): 2394-2406.

    [8]WANG H, KLSER A, SCHMID C, et al. Dense trajectories and motion boundary descriptors for action recognition [J]. International Journal of Computer Vision, 2013, 103(1):60-79.

    [9]SHARMA G, JURIE F, SCHMID C. Expanded parts model for human attribute and action recognition in still images [C]// CVPR 13: Proceedings of the 2013 IEEE Conference on Computer Vision and Pattern Recognition. Washington, DC: IEEE Computer Society, 2013: 652-659.

    [10]LAPTEV I. On space-time interest points [J]. International Journal of Computer Vision, 2005, 64(2): 107-123.

    [11]LINDEBERG T. Feature detection with automatic scale selection [J]. International Journal of Computer Vision, 1998, 30(2): 77-116.

    [12]VIOLA P, JONES M. Rapid object detection using a boosted cascade of simple features [C]// CVPR 01: Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington, DC: IEEE Computer Society, 2010: 511-518.

    [13]王智文,李紹滋.基于多元統(tǒng)計模型的分形小波自適應圖像去噪[J].計算機學報,2014,37(6):1380-1389. (WANG Z W, LI S Z. Adaptive fractal-wavelet image denoising base on multivariate statistical model [J]. Chinese Journal of Computers, 2014, 37(6): 1380-1389.

    成人特级av手机在线观看| 精品人妻熟女av久视频| 中文字幕人妻熟人妻熟丝袜美| 亚洲国产精品999| 亚洲国产日韩一区二区| 欧美精品人与动牲交sv欧美| 少妇人妻久久综合中文| 超碰av人人做人人爽久久| 亚洲最大成人手机在线| 亚洲久久久久久中文字幕| 91精品一卡2卡3卡4卡| 国产男女超爽视频在线观看| 亚洲欧美成人综合另类久久久| 一级毛片久久久久久久久女| 久热久热在线精品观看| 免费大片黄手机在线观看| 国产精品成人在线| 国产亚洲最大av| 久久久久九九精品影院| 成人美女网站在线观看视频| 大话2 男鬼变身卡| 爱豆传媒免费全集在线观看| 禁无遮挡网站| 涩涩av久久男人的天堂| 高清午夜精品一区二区三区| 久久久久久久久大av| 一二三四中文在线观看免费高清| 九九爱精品视频在线观看| 不卡视频在线观看欧美| 最新中文字幕久久久久| 大片免费播放器 马上看| 亚洲av不卡在线观看| 亚洲无线观看免费| 三级国产精品欧美在线观看| 中国三级夫妇交换| 精品久久久久久久末码| 97在线人人人人妻| 国产熟女欧美一区二区| 亚洲av成人精品一二三区| 天美传媒精品一区二区| 特大巨黑吊av在线直播| 五月开心婷婷网| av国产免费在线观看| 综合色丁香网| 国产爽快片一区二区三区| www.av在线官网国产| 2021天堂中文幕一二区在线观| 久久久精品94久久精品| 少妇 在线观看| 可以在线观看毛片的网站| 国产免费福利视频在线观看| 国产亚洲91精品色在线| 国产精品熟女久久久久浪| 真实男女啪啪啪动态图| 91久久精品电影网| 亚洲最大成人av| 97精品久久久久久久久久精品| 99久久精品一区二区三区| 国产精品一区二区性色av| 大码成人一级视频| 国产 精品1| 成年女人在线观看亚洲视频 | 一级毛片我不卡| 亚洲图色成人| 精品熟女少妇av免费看| 国产黄a三级三级三级人| 精品一区二区三区视频在线| 免费看不卡的av| 日日啪夜夜撸| 国产高清有码在线观看视频| 极品少妇高潮喷水抽搐| 亚洲欧美一区二区三区黑人 | 免费播放大片免费观看视频在线观看| 国产精品久久久久久av不卡| 丝瓜视频免费看黄片| 亚洲经典国产精华液单| 国产精品一及| 国产精品一区www在线观看| 国产探花在线观看一区二区| 日产精品乱码卡一卡2卡三| 青春草亚洲视频在线观看| 秋霞在线观看毛片| 精品酒店卫生间| 亚洲美女视频黄频| 免费观看的影片在线观看| 亚洲在线观看片| 国产高潮美女av| 一边亲一边摸免费视频| 免费在线观看成人毛片| 欧美激情国产日韩精品一区| 国产成人精品久久久久久| 久久久久久九九精品二区国产| 精华霜和精华液先用哪个| 少妇人妻久久综合中文| 各种免费的搞黄视频| 亚洲国产欧美人成| 日韩免费高清中文字幕av| 热99国产精品久久久久久7| 国产 精品1| 亚洲欧美清纯卡通| 性色avwww在线观看| 精品久久久精品久久久| 性色avwww在线观看| 国产黄色视频一区二区在线观看| 狠狠精品人妻久久久久久综合| 99热这里只有是精品在线观看| 内地一区二区视频在线| 亚洲av在线观看美女高潮| 一级毛片aaaaaa免费看小| 1000部很黄的大片| 亚洲av一区综合| 极品教师在线视频| 夜夜看夜夜爽夜夜摸| 五月玫瑰六月丁香| 韩国高清视频一区二区三区| 波野结衣二区三区在线| 亚洲欧洲日产国产| 特大巨黑吊av在线直播| 国内精品美女久久久久久| 亚洲av福利一区| 在线免费十八禁| 国产精品人妻久久久久久| 久久99蜜桃精品久久| 日本爱情动作片www.在线观看| 国产欧美日韩一区二区三区在线 | 国产在视频线精品| 欧美高清成人免费视频www| 日韩欧美精品v在线| 国精品久久久久久国模美| 日本三级黄在线观看| 国产熟女欧美一区二区| 偷拍熟女少妇极品色| 国产v大片淫在线免费观看| 看十八女毛片水多多多| 国产av不卡久久| 精品人妻熟女av久视频| 日韩国内少妇激情av| 日本wwww免费看| 禁无遮挡网站| 亚洲欧美成人精品一区二区| 亚洲综合色惰| 水蜜桃什么品种好| 白带黄色成豆腐渣| av又黄又爽大尺度在线免费看| 97精品久久久久久久久久精品| 伊人久久精品亚洲午夜| 各种免费的搞黄视频| 久久精品夜色国产| av天堂中文字幕网| 男女边吃奶边做爰视频| 直男gayav资源| 寂寞人妻少妇视频99o| 色哟哟·www| 久久精品久久久久久久性| 成人亚洲精品一区在线观看 | 噜噜噜噜噜久久久久久91| 免费看日本二区| 欧美区成人在线视频| 国产一区二区亚洲精品在线观看| 蜜桃亚洲精品一区二区三区| 制服丝袜香蕉在线| 女人十人毛片免费观看3o分钟| 男女那种视频在线观看| 国产爱豆传媒在线观看| 色播亚洲综合网| 老师上课跳d突然被开到最大视频| 边亲边吃奶的免费视频| 天美传媒精品一区二区| 日韩视频在线欧美| 身体一侧抽搐| 亚洲欧美日韩无卡精品| 国产片特级美女逼逼视频| 又黄又爽又刺激的免费视频.| 99re6热这里在线精品视频| 成人毛片a级毛片在线播放| xxx大片免费视频| 久久国内精品自在自线图片| 国产大屁股一区二区在线视频| 白带黄色成豆腐渣| 精品人妻视频免费看| 大码成人一级视频| 精品久久国产蜜桃| 高清欧美精品videossex| 成人亚洲精品av一区二区| 人妻制服诱惑在线中文字幕| 亚洲欧美日韩无卡精品| 国产一区二区亚洲精品在线观看| 日本猛色少妇xxxxx猛交久久| 亚洲人与动物交配视频| 波多野结衣巨乳人妻| 91aial.com中文字幕在线观看| 国产成人免费无遮挡视频| 久久久久久久久久久丰满| 在线天堂最新版资源| 2022亚洲国产成人精品| 久久综合国产亚洲精品| 狂野欧美激情性bbbbbb| 赤兔流量卡办理| 亚洲av欧美aⅴ国产| 国产欧美另类精品又又久久亚洲欧美| 在线观看免费高清a一片| 国产黄色视频一区二区在线观看| 99热这里只有精品一区| 日韩电影二区| 99久久九九国产精品国产免费| 日韩av在线免费看完整版不卡| 高清日韩中文字幕在线| 少妇裸体淫交视频免费看高清| 亚洲欧美日韩另类电影网站 | 在线观看美女被高潮喷水网站| 91精品伊人久久大香线蕉| 欧美高清性xxxxhd video| 夫妻性生交免费视频一级片| 欧美性感艳星| 午夜免费观看性视频| 国内揄拍国产精品人妻在线| 性色av一级| 一级毛片黄色毛片免费观看视频| 国产高清有码在线观看视频| 亚洲精华国产精华液的使用体验| 大码成人一级视频| 亚洲国产精品国产精品| 国产真实伦视频高清在线观看| 最近手机中文字幕大全| 久久亚洲国产成人精品v| 男人舔奶头视频| 日韩成人av中文字幕在线观看| 亚洲av不卡在线观看| 精品少妇黑人巨大在线播放| av免费观看日本| 国产成人福利小说| 精品国产露脸久久av麻豆| 在线看a的网站| 亚洲av免费在线观看| 免费观看无遮挡的男女| 国产91av在线免费观看| 国产成人午夜福利电影在线观看| 大话2 男鬼变身卡| 天天躁日日操中文字幕| 免费看不卡的av| 丰满人妻一区二区三区视频av| 色视频www国产| 亚洲电影在线观看av| 九九在线视频观看精品| 免费电影在线观看免费观看| 秋霞在线观看毛片| 一级毛片黄色毛片免费观看视频| 亚洲aⅴ乱码一区二区在线播放| 成人欧美大片| 国产午夜精品久久久久久一区二区三区| 亚洲精品影视一区二区三区av| 久久久欧美国产精品| 一本色道久久久久久精品综合| 国产v大片淫在线免费观看| 男的添女的下面高潮视频| 一区二区三区免费毛片| 伦精品一区二区三区| 国产av不卡久久| 直男gayav资源| 街头女战士在线观看网站| 99久久精品国产国产毛片| 亚洲在久久综合| 午夜激情久久久久久久| 久久久久久久亚洲中文字幕| 日韩中字成人| 免费看日本二区| 日韩av不卡免费在线播放| 欧美日韩国产mv在线观看视频 | 99视频精品全部免费 在线| 国产高清国产精品国产三级 | 成人毛片60女人毛片免费| 亚洲国产精品成人综合色| 另类亚洲欧美激情| 国产亚洲午夜精品一区二区久久 | 激情五月婷婷亚洲| 国产欧美日韩精品一区二区| 亚洲伊人久久精品综合| 九九爱精品视频在线观看| 久久99蜜桃精品久久| 在线免费十八禁| 在线a可以看的网站| 一级毛片久久久久久久久女| 熟女av电影| 又粗又硬又长又爽又黄的视频| 97在线人人人人妻| 亚洲欧美成人综合另类久久久| 久久精品久久久久久久性| 日韩欧美 国产精品| 久久午夜福利片| 国产成人freesex在线| 亚洲内射少妇av| 亚洲天堂国产精品一区在线| 国产精品av视频在线免费观看| 成人二区视频| 只有这里有精品99| 午夜福利视频精品| 丝袜喷水一区| 一区二区av电影网| 麻豆精品久久久久久蜜桃| 国产成人freesex在线| 国产亚洲91精品色在线| 久久久久久久亚洲中文字幕| 18禁裸乳无遮挡动漫免费视频 | 一级a做视频免费观看| 久久久a久久爽久久v久久| 亚洲欧美成人综合另类久久久| 男人狂女人下面高潮的视频| 深夜a级毛片| 最近2019中文字幕mv第一页| 午夜福利在线观看免费完整高清在| 少妇猛男粗大的猛烈进出视频 | 亚洲国产最新在线播放| 大陆偷拍与自拍| 久久精品久久精品一区二区三区| 国产一区二区三区综合在线观看 | 精品99又大又爽又粗少妇毛片| 免费看光身美女| a级毛片免费高清观看在线播放| 亚洲av成人精品一区久久| 亚洲怡红院男人天堂| 99热全是精品| 免费看a级黄色片| 简卡轻食公司| 久久久亚洲精品成人影院| 毛片女人毛片| 免费观看av网站的网址| 国内精品宾馆在线| 亚洲第一区二区三区不卡| 久久午夜福利片| 99久久九九国产精品国产免费| 午夜免费鲁丝| 人妻制服诱惑在线中文字幕| 综合色丁香网| 久久久久国产网址| 日日摸夜夜添夜夜爱| 人人妻人人爽人人添夜夜欢视频 | 交换朋友夫妻互换小说| 人妻少妇偷人精品九色| 男女边摸边吃奶| 久久国内精品自在自线图片| 大话2 男鬼变身卡| 下体分泌物呈黄色| 欧美精品人与动牲交sv欧美| 最近的中文字幕免费完整| 两个人的视频大全免费| 男人爽女人下面视频在线观看| 国产成人精品久久久久久| 日本一二三区视频观看| 身体一侧抽搐| 国产人妻一区二区三区在| 国产午夜福利久久久久久| 国产在视频线精品| 日本黄大片高清| 亚洲av免费高清在线观看| 亚洲国产高清在线一区二区三| 国语对白做爰xxxⅹ性视频网站| 国产男女超爽视频在线观看| 最近手机中文字幕大全| 午夜福利在线观看免费完整高清在| 国模一区二区三区四区视频| 亚洲国产高清在线一区二区三| 亚洲精品国产av成人精品| 欧美最新免费一区二区三区| 一本久久精品| 制服丝袜香蕉在线| 熟女人妻精品中文字幕| 22中文网久久字幕| 免费在线观看成人毛片| 欧美日韩在线观看h| 女人被狂操c到高潮| 日韩欧美精品v在线| 亚洲成人一二三区av| 国产一区二区三区av在线| 成人二区视频| 国内揄拍国产精品人妻在线| 亚洲精品一区蜜桃| 日韩三级伦理在线观看| 男女无遮挡免费网站观看| 一边亲一边摸免费视频| 午夜免费男女啪啪视频观看| 久久影院123| 97超碰精品成人国产| 国产亚洲最大av| 日韩在线高清观看一区二区三区| 色视频在线一区二区三区| 国产成人freesex在线| 亚洲,一卡二卡三卡| 一个人看视频在线观看www免费| 天美传媒精品一区二区| 国产白丝娇喘喷水9色精品| 嫩草影院入口| 精品熟女少妇av免费看| 成年人午夜在线观看视频| 男的添女的下面高潮视频| 亚洲人与动物交配视频| 黄片无遮挡物在线观看| 国产精品蜜桃在线观看| 免费av毛片视频| 国产综合懂色| 国产成人福利小说| 熟女av电影| 午夜免费鲁丝| 夫妻性生交免费视频一级片| 国产精品熟女久久久久浪| 边亲边吃奶的免费视频| 人妻系列 视频| 2021天堂中文幕一二区在线观| 国产精品久久久久久精品古装| 美女主播在线视频| 97在线人人人人妻| 高清av免费在线| 国产欧美日韩精品一区二区| 偷拍熟女少妇极品色| 免费看光身美女| 国产免费视频播放在线视频| 日本免费在线观看一区| 亚洲av免费高清在线观看| 中文天堂在线官网| 亚洲欧美清纯卡通| 久久久久国产网址| 我要看日韩黄色一级片| 亚洲美女搞黄在线观看| 少妇裸体淫交视频免费看高清| 免费少妇av软件| 国产精品无大码| 亚洲综合精品二区| 人妻一区二区av| 亚洲国产av新网站| 国产精品久久久久久久久免| 亚洲一区二区三区欧美精品 | 日本熟妇午夜| av国产久精品久网站免费入址| 国产精品久久久久久久电影| 国产 精品1| 免费看a级黄色片| 特大巨黑吊av在线直播| 七月丁香在线播放| 人妻 亚洲 视频| 舔av片在线| 人妻制服诱惑在线中文字幕| 久久久久九九精品影院| 男女边摸边吃奶| 亚洲精品第二区| av播播在线观看一区| 亚洲精品国产av蜜桃| 一级毛片 在线播放| 青春草视频在线免费观看| 噜噜噜噜噜久久久久久91| 亚洲国产日韩一区二区| 久久久久九九精品影院| 男女边摸边吃奶| 婷婷色av中文字幕| 久久99热这里只有精品18| 天堂网av新在线| 狂野欧美激情性xxxx在线观看| 日韩在线高清观看一区二区三区| 在线观看免费高清a一片| 免费观看av网站的网址| 日韩一区二区三区影片| 男人狂女人下面高潮的视频| 色播亚洲综合网| 高清视频免费观看一区二区| 国产亚洲91精品色在线| 亚洲天堂国产精品一区在线| 亚洲av成人精品一二三区| 如何舔出高潮| 欧美日韩在线观看h| 国产乱来视频区| 男女啪啪激烈高潮av片| 在线免费十八禁| 插逼视频在线观看| 亚洲婷婷狠狠爱综合网| 久久久久久久久久久免费av| 亚洲国产精品成人综合色| 岛国毛片在线播放| 亚洲,一卡二卡三卡| 在线精品无人区一区二区三 | 日本-黄色视频高清免费观看| av天堂中文字幕网| 婷婷色综合www| 欧美日韩一区二区视频在线观看视频在线 | 亚洲人与动物交配视频| 日日啪夜夜撸| 99热6这里只有精品| 天天躁夜夜躁狠狠久久av| 国产精品女同一区二区软件| 少妇的逼水好多| 国产一区二区亚洲精品在线观看| 人妻 亚洲 视频| 国产亚洲91精品色在线| 一级爰片在线观看| 免费电影在线观看免费观看| 久久久a久久爽久久v久久| 亚洲一级一片aⅴ在线观看| 国产精品麻豆人妻色哟哟久久| 免费电影在线观看免费观看| 老师上课跳d突然被开到最大视频| av又黄又爽大尺度在线免费看| 乱码一卡2卡4卡精品| 免费av毛片视频| 免费黄频网站在线观看国产| 亚洲av.av天堂| 男人添女人高潮全过程视频| 噜噜噜噜噜久久久久久91| 熟女av电影| 亚洲av电影在线观看一区二区三区 | 大陆偷拍与自拍| 18禁裸乳无遮挡免费网站照片| 在线a可以看的网站| 97热精品久久久久久| 在线天堂最新版资源| 国语对白做爰xxxⅹ性视频网站| 在线a可以看的网站| 精品久久久久久久末码| 国产精品一区二区在线观看99| 丰满少妇做爰视频| 人体艺术视频欧美日本| 免费观看的影片在线观看| 亚洲第一区二区三区不卡| 国产片特级美女逼逼视频| 欧美精品一区二区大全| 男插女下体视频免费在线播放| 久久精品国产亚洲av涩爱| 久久精品久久精品一区二区三区| 国产黄片美女视频| 美女内射精品一级片tv| av天堂中文字幕网| 91在线精品国自产拍蜜月| 精品少妇黑人巨大在线播放| 天美传媒精品一区二区| 免费大片黄手机在线观看| 丝袜美腿在线中文| 五月开心婷婷网| 丝袜美腿在线中文| 欧美最新免费一区二区三区| 午夜福利视频精品| 最近中文字幕2019免费版| 一本一本综合久久| 插逼视频在线观看| 日韩亚洲欧美综合| 夫妻性生交免费视频一级片| 六月丁香七月| 久久女婷五月综合色啪小说 | 老师上课跳d突然被开到最大视频| 国产成人精品婷婷| 一级毛片aaaaaa免费看小| 一级毛片电影观看| 人人妻人人爽人人添夜夜欢视频 | 亚洲av不卡在线观看| 少妇被粗大猛烈的视频| 九九爱精品视频在线观看| 免费不卡的大黄色大毛片视频在线观看| 久久精品熟女亚洲av麻豆精品| 有码 亚洲区| 另类亚洲欧美激情| 色视频在线一区二区三区| 欧美激情久久久久久爽电影| 18禁在线无遮挡免费观看视频| 国产午夜福利久久久久久| 精品一区二区三区视频在线| 日韩欧美 国产精品| 一级黄片播放器| 亚洲欧美精品专区久久| 啦啦啦啦在线视频资源| 亚洲精品,欧美精品| a级毛色黄片| 成人黄色视频免费在线看| av黄色大香蕉| 久久久久久伊人网av| 国产综合懂色| 国产av不卡久久| 内射极品少妇av片p| 欧美成人一区二区免费高清观看| 全区人妻精品视频| 麻豆成人午夜福利视频| 91午夜精品亚洲一区二区三区| 欧美 日韩 精品 国产| 国产成人免费观看mmmm| tube8黄色片| 色哟哟·www| 亚洲在久久综合| 97热精品久久久久久| 日韩欧美 国产精品| 欧美xxxx性猛交bbbb| 国产 一区精品| tube8黄色片| 我要看日韩黄色一级片| 亚洲色图av天堂| 国产亚洲av嫩草精品影院| 精品人妻偷拍中文字幕| 51国产日韩欧美| 国产精品福利在线免费观看| 国产久久久一区二区三区| 97超视频在线观看视频| 中文字幕久久专区| 激情五月婷婷亚洲| 国产精品爽爽va在线观看网站| 97超碰精品成人国产| 欧美激情在线99| 大话2 男鬼变身卡| 少妇熟女欧美另类| 日本色播在线视频| 亚洲图色成人| 精品一区二区免费观看| 国产高清三级在线| 国产视频首页在线观看| 99久久九九国产精品国产免费| 18禁裸乳无遮挡免费网站照片| 纵有疾风起免费观看全集完整版| 久久精品久久久久久久性| 精品一区二区免费观看| 午夜视频国产福利| av国产精品久久久久影院| 亚洲av二区三区四区| 国产精品嫩草影院av在线观看|