• <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 ?

    基于分步降維HOG-LBP特征的行人頭部分類算法

    2016-10-14 13:18:42李玲王江濤
    高師理科學(xué)刊 2016年7期
    關(guān)鍵詞:降維級(jí)聯(lián)維數(shù)

    李玲,王江濤

    ?

    基于分步降維HOG-LBP特征的行人頭部分類算法

    李玲,王江濤

    (淮北師范大學(xué) 物理與電子信息學(xué)院,安徽 淮北 235000)

    傳統(tǒng)的基于PCA-HOG特征的行人頭部分類算法存在降維后的子空間鑒別性不足的問題.為此,提出一種基于分步降維HOG-LBP特征的行人頭部分類算法.首先,利用樣本類別標(biāo)簽構(gòu)建2類樣本的HOG特征集合,在這2類特征集合中分別執(zhí)行PCA降維,然后將所得的特征與LBP紋理特征進(jìn)行級(jí)聯(lián)得到最終的頭部描述算子,最后通過訓(xùn)練SVM分類器對(duì)實(shí)際樣本集進(jìn)行分類.實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)PCA降維方法相比,該方法可有效提高行人頭部的分類性能.

    HOG;LBP;PCA;頭部檢測(cè)

    一直以來,行人檢測(cè)都是模式識(shí)別與計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn),而頭部作為行人的重要局部特征,對(duì)正確檢測(cè)出行人起到重要的作用.

    近年來,眾多研究人員提出多種不同的特征表達(dá)方法來進(jìn)行行人檢測(cè),其中應(yīng)用最廣泛的是2005年由Dalal和Triggs提出的方向梯度直方圖(HOG)描述算子[1].該算子通過統(tǒng)計(jì)局部區(qū)域內(nèi)的梯度方向分布來表達(dá)圖像中目標(biāo)的外形輪廓,目前已被廣泛地應(yīng)用在圖像處理與計(jì)算機(jī)視覺領(lǐng)域中[2-7].隨著研究的不斷深入,與HOG融合的特征算法相繼出現(xiàn),文獻(xiàn)[8]提出將局部HOG特征與Haar特征級(jí)聯(lián)起來對(duì)行人進(jìn)行分類的方法.盡管HOG得到廣泛的關(guān)注,但是存在特征維數(shù)高的缺點(diǎn),導(dǎo)致訓(xùn)練分類器性能欠佳.除了HOG特征外,LBP特征是當(dāng)前的另外一種流行特征描述算子,它可對(duì)局部目標(biāo)的紋理特征進(jìn)行有效表達(dá),且已被廣泛用于車牌識(shí)別及文字識(shí)別等領(lǐng)域.Ahonen[9]等人將LBP特征應(yīng)用于人臉識(shí)別且取得了良好的效果.而文獻(xiàn)[10]則給出一種方向梯度直方圖與紋理特征融合的方法來解決圖像檢索問題,此方法取得了較單一的特征更好的檢索性能.

    本文設(shè)計(jì)了一種將HOG特征和LBP特征相級(jí)聯(lián)的行人頭部特征表達(dá)方法.在構(gòu)建HOG特征時(shí),分別建立正負(fù)樣本的HOG特征集合,通過分步地在2個(gè)特征集合上進(jìn)行PCA處理得到降維子空間.將降維后的HOG特征與相對(duì)應(yīng)的LBP特征進(jìn)行級(jí)聯(lián)構(gòu)建行人頭部描述算子,最后通過SVM訓(xùn)練分類器實(shí)現(xiàn)人體頭部分類.實(shí)驗(yàn)表明,所設(shè)計(jì)的描述算子可以顯著提高行人頭部檢測(cè)性能.

    1特征的相關(guān)描述

    1.1HOG特征

    一般來說,邊緣方向分布或者梯度方向分布可以很好地表征局部目標(biāo)的輪廓和形狀.基于此,Dalal 和Triggs提出了HOG描述算子來對(duì)物體進(jìn)行表達(dá),并取得了優(yōu)異的效果.對(duì)待檢測(cè)圖像進(jìn)行HOG特征構(gòu)建的步驟大致如下:

    (1)如果待測(cè)圖像不是灰度圖像,則先對(duì)其進(jìn)行灰度化處理;

    (2)計(jì)算圖像每個(gè)像素的梯度(包括大小和方向),位于像素點(diǎn)的梯度可以表達(dá)為

    (3)將圖像劃分成多個(gè)小塊cells;

    1.2LBP特征

    局部二值模式(Local Binary Patter,LBP)主要用來描述圖像的局部紋理特征模式,它具有灰度不變性和旋轉(zhuǎn)不變性等顯著優(yōu)點(diǎn).目前,LBP特征已被廣泛應(yīng)用到車牌識(shí)別、人臉識(shí)別和指紋識(shí)別等領(lǐng)域.

    傳統(tǒng)的LBP特征構(gòu)建過程(見圖1):首先設(shè)定一個(gè)固定大小33的鄰域窗口,令窗口的中心像素點(diǎn)的值為閾值,然后將其周圍的8個(gè)像素點(diǎn)的值與其進(jìn)行比較.如果周圍像素值大于閾值則令其為1,否則為0,最后根據(jù)比較結(jié)果可以得到一個(gè)8bit無符號(hào)數(shù),該無符號(hào)數(shù)即中心像素點(diǎn)的LBP編碼值.

    圖1 提取LBP特征

    由圖1可見,像素點(diǎn)最終可以用一串二進(jìn)制序列表示為(01001100)2=76,即中心像素點(diǎn)的LBP編碼值,對(duì)圖像每個(gè)像素點(diǎn)求LBP特征值,最后統(tǒng)計(jì)所有編碼值的直方圖即可得到LBP特征.

    2分步降維HOG-LBP級(jí)聯(lián)特征的構(gòu)建

    2.1分步降維HOG

    在使用HOG特征時(shí),其面臨著特征維數(shù)多、計(jì)算量大,導(dǎo)致訓(xùn)練分類器復(fù)雜度高的問題.對(duì)于此問題,常采用PCA算法來對(duì)HOG特征降維.PCA是一種當(dāng)前應(yīng)用最廣泛的無監(jiān)督降維方法,其核心思想是保留最新信息量的同時(shí)將高維數(shù)據(jù)投影到一個(gè)低維空間.PCA降維的步驟如下:

    (7)

    (8)

    (9)

    (11)

    (4)將訓(xùn)練樣本在新的特征空間投影

    (12)

    PCA可以很好地保留樣本特征間的共性信息,但由于其無監(jiān)督特性,沒有考慮異類樣本間的鑒別性.因此,采用PCA得到的降維空間不能保證異類樣本在該空間中的鑒別性.

    為了克服該問題,與傳統(tǒng)的PCA降維方法不同,本文采用不對(duì)正負(fù)樣本整體執(zhí)行PCA降維,而是分別在正負(fù)樣本集合內(nèi)進(jìn)行2次PCA降維的策略.對(duì)于正樣本集合來說,在該集合進(jìn)行PCA降維得到正樣本間最具共性的特征,當(dāng)負(fù)樣本投影到該空間時(shí),其將保持與正樣本間的鑒別性.同樣的,在負(fù)樣本集合內(nèi)部進(jìn)行PCA降維時(shí),將得到負(fù)樣本間最具共性的低維信息;當(dāng)正樣本投影到該空間時(shí),將保持與負(fù)樣本間的鑒別性.

    經(jīng)過處理后,可以得到2個(gè)投影子空間,分別為S1={d11,d12,d13,...,d1},S2={d21,d22,d23,...,d2},將2個(gè)子空間進(jìn)行連接得到一個(gè)新的特征空間S={ d11,d12,d13,...,d1,d21,d22,d23,...,d2},對(duì)于待分類的樣本在這個(gè)特征空間進(jìn)行投影,最終得到分步降維后的HOG特征(見圖2).

    圖2 分步降維HOG-LBP級(jí)聯(lián)特征的構(gòu)建

    2.2HOG-LBP級(jí)聯(lián)特征

    在對(duì)目標(biāo)圖像進(jìn)行特征表達(dá)時(shí),不同的特征之間往往是互補(bǔ)的,采用多特征可以進(jìn)一步地提高檢測(cè)的魯棒性.LBP特征作為一種紋理描述算子,在目標(biāo)檢測(cè)中已顯示出優(yōu)良的性能.將降維后的HOG特征與LBP特征結(jié)合,可以在得到方向梯度信息的基礎(chǔ)上獲取頭部的紋理信息L={d31,d32,d33,...,d3},從而提高在復(fù)雜背景中人體頭部檢測(cè)率.以此為出發(fā)點(diǎn),本文采用將分步降維后HOG特征和LBP特征級(jí)聯(lián)的方法來構(gòu)建頭部圖像描述算子E={ d11,d12,d13,...,d1,d21,d22,d23,...,d2,d31,d32,d33,...,d3},這種方法不僅有效地降低了HOG的大量冗余信息,實(shí)現(xiàn)信息有效壓縮,而且考慮了特征的多樣性.

    分步降維HOG-LBP級(jí)聯(lián)特征的構(gòu)建過程見圖2,正負(fù)樣本分別進(jìn)行降維得到2個(gè)特征空間,二者結(jié)合構(gòu)成新的特征再與LBP特征級(jí)聯(lián),最后將所得特征與樣本標(biāo)簽一起經(jīng)SVM訓(xùn)練得到人頭分類器.當(dāng)給定一待分類樣本,將其特征送入分類器即可得到分類結(jié)果.

    3實(shí)驗(yàn)及分析

    通過對(duì)現(xiàn)實(shí)場(chǎng)合下采集的樣本圖像進(jìn)行分類實(shí)驗(yàn),來評(píng)估HOG-LBP級(jí)聯(lián)特征的性能.為驗(yàn)證該方法的有效性,將該方法在配置為intel處理器,CPU主頻為3.40 GHz,RAM為4.00 G的機(jī)器上采用MATLAB平臺(tái)編寫算法.實(shí)驗(yàn)中所用的樣本取自某公交車監(jiān)控圖像序列,正樣本集合通過手工截取人體頭部圖像來獲得,而負(fù)樣本圖像則為在沒有行人的圖像中隨機(jī)截取構(gòu)建.訓(xùn)練樣本中包括500張正樣本(人體頭部模型),3 500張負(fù)樣本(非人體頭部模型),而測(cè)試樣本包括60張正樣本,245張負(fù)樣本.部分正負(fù)樣本示例見圖3,為簡(jiǎn)化計(jì)算將所有樣本大小歸一化為64×64.

    圖3 部分正負(fù)樣本

    在構(gòu)建HOG特征時(shí),采用如下參數(shù)設(shè)置:每個(gè)cell的大小設(shè)為8×8,每個(gè)cell梯度方向?yàn)?,滑動(dòng)步長(zhǎng)為8,2×2個(gè)cell構(gòu)成一個(gè)Block,從而每個(gè)Block特征維數(shù)為36維,最終得到HOG特征維數(shù)為1 764.

    在對(duì)HOG特征進(jìn)行降維時(shí),令正樣本集合所得投影空間維數(shù)為維,負(fù)樣本集合所得投影空間維數(shù)為,則最后得到的分步降維HOG特征維數(shù)為.

    在計(jì)算樣本圖像的LBP特征時(shí),采用分塊均勻模式LBP特征(Uniform LBP)構(gòu)建方法,通過該方法對(duì)任一局部區(qū)域可以得到一個(gè)59維的特征向量.將樣本圖像分成個(gè)局部區(qū)域,則總的LBP特征維數(shù)為

    (13)

    采用2.2中所給出的方法,將降維后的HOG特征與LBP特征相級(jí)聯(lián)集合得到樣本圖像的描述特征E,其維數(shù)為,得到每個(gè)樣本的級(jí)聯(lián)特征后即可訓(xùn)練SVM分類器進(jìn)行分類決策.

    鑒于SVM分類器的優(yōu)異性能,實(shí)驗(yàn)中采用SVM分類器來對(duì)測(cè)試樣本進(jìn)行分類,SVM分類器采用的核函數(shù)為徑向基函數(shù).為了能對(duì)不同特征的分類性能進(jìn)行對(duì)比,實(shí)驗(yàn)中分別使用傳統(tǒng)的PCA降維后的HOG特征和LBP特征,這2種特征的級(jí)聯(lián)特征以及本文所提出特征進(jìn)行分類實(shí)驗(yàn).分類結(jié)果見表1.

    表1 不同特征組合下的性能分類比較 %

    表1給出了各種分類器對(duì)測(cè)試樣本的正確分類率,其中特征維數(shù)的選取根據(jù)主成份所占能量比來確定.由正確分類率數(shù)值可以看出,隨著選取特征主成份所占能量比的不斷增大,傳統(tǒng)的PCA-HOG和LBP分類準(zhǔn)確率保持穩(wěn)定的水平,當(dāng)兩者進(jìn)行特征級(jí)聯(lián)后,分類正確率隨著能量比的增大逐漸提高,當(dāng)達(dá)到總能量的95%時(shí),分類精度最高.在4種特征表達(dá)方法中,本文的方法取得了最高的正確分類率.實(shí)驗(yàn)結(jié)果表明,采用分步降維HOG-LBP級(jí)聯(lián)特征可以有效地提高頭部圖像的特征表達(dá)性能.

    4結(jié)束語

    在注意到傳統(tǒng)的PCA降維方法沒有考慮樣本標(biāo)簽信息的基礎(chǔ)上,本文提出一種分別在正負(fù)樣本集合內(nèi)對(duì)HOG特征進(jìn)行降維的方法,以提高降維后特征的鑒別性能.該方法將分步降維后的HOG特征與LBP特征相級(jí)聯(lián)得到樣本圖像的特征描述子.對(duì)實(shí)際場(chǎng)合中的樣本采用SVM分類器進(jìn)行分類的結(jié)果表明,所設(shè)計(jì)的特征描述算子可以進(jìn)一步提高特征表達(dá)性能.

    [1] Dala N,Triggs B.Histograms of oriented gradients for human detection[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition.San diega IEEE,2005:886-893

    [2] Ninomiya H,Ohki H,Gyohten K.An evaluation on robustness and brittleness of HOG feature of human detection [C]// 17thKorea-Japan Joint Workshop on Frontiers of Computer Vision.Ulsan IEEE,2011

    [3] 顧炯,趙曙光,王宏斌.基于Joint HOG特征復(fù)雜場(chǎng)景下的頭肩檢測(cè)[J].電子設(shè)計(jì)工程,2012,20(7):58-62

    [4] 孫麗娟,張立材.基于邊緣梯度方向直方圖的靜態(tài)手語識(shí)別[J].微電子學(xué)與計(jì)算機(jī),2010(3):148-150

    [5] 李林,張麗紅.基于改進(jìn)梯度方向直方圖的多尺度的行人檢測(cè)[J].計(jì)算機(jī)應(yīng)用,2013,32(A2):168-170

    [6] 劉威,段成偉,遇冰,等.基于后驗(yàn) HOG 特征的多姿態(tài)行人檢測(cè)[J].電子學(xué)報(bào),2015,43(2):217-224

    [7] 李星,郭曉松,郭君斌.基于HOG特征和SVM的前向車輛識(shí)別方法[J].計(jì)算機(jī)科學(xué),2013,40(11A):329-332

    [8] Geismann P,Schneider G.A two-staged approach to vision-based pedestrian recognition using Haar and HOG features[C]// IEEE Intelligent Vehicles Symposium.IEEE,2008:554-559

    [9] Ahonen T,Hadid A,Pietikinen M.Face Description with Local Binary Patterns:Application to Face Recognition[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2006,28(12):2037-2041

    [10] Yu J,Qin Z C,Wan T,et al.Feature integration analysis of bag-of-features for image retrieval[J].Neurocomputing,2013,120(23):355-364

    Pedestrian head classification algorithm with two-step dimension reduction HOG- LBP feature

    LI Ling,WANG Jiang-tao

    (School of Physical and Electronic Information,Huaibei Normal University,Huaibei 235000,China)

    Traditional pedestrian head classification algorithm based on PCA-HOG feature has the problem of degradation of the discrimination in the subspace.In order to handle this problem,the pedestrian head classification is completed based on the proposed two-step dimension reduction HOG- LBP feature.Firstly,two category of HOG sample set are obtained according to the sample labels.The PCA algorithm is carried out on each sample set step by step.Then the LBP texture features are combined with the dimension reduced HOG feature to form the final head descriptor.Lastly,experiments were performed by SVM classifier on practical test samples,and the experimental results show that,comparing with the traditional PCA algorithm,the presented HOG-LBP features can effectively improve the classification performance of pedestrian head.

    HOG;LBP;PCA;head detection

    1007-9831(2016)07-0029-05

    TP391.41

    A

    10.3969/j.issn.1007-9831.2016.07.008

    2016-05-17

    國(guó)家自然科學(xué)基金資助項(xiàng)目(61203272);安徽省高校優(yōu)秀青年人才支持計(jì)劃重點(diǎn)項(xiàng)目(gxyqZD2016113);安徽省自然科學(xué)基金項(xiàng)目(1508085MF116);淮北師范大學(xué)教學(xué)研究項(xiàng)目(jy15128)

    李玲(1992-),女,安徽滁州人,在讀碩士研究生,從事圖像處理、模式識(shí)別方面的研究.E-mail:1784656698@qq.com

    王江濤(1979-),男,山東濰坊人,副教授,博士,從事視頻處理、計(jì)算機(jī)視覺方面的研究.E-mail:jiangtaoking@126.com

    猜你喜歡
    降維級(jí)聯(lián)維數(shù)
    混動(dòng)成為降維打擊的實(shí)力 東風(fēng)風(fēng)神皓極
    車主之友(2022年4期)2022-08-27 00:57:12
    β-變換中一致丟番圖逼近問題的維數(shù)理論
    一類齊次Moran集的上盒維數(shù)
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    級(jí)聯(lián)LDPC碼的STBC-OFDM系統(tǒng)
    電子制作(2016年15期)2017-01-15 13:39:09
    關(guān)于齊次Moran集的packing維數(shù)結(jié)果
    基于級(jí)聯(lián)MUSIC的面陣中的二維DOA估計(jì)算法
    涉及相變問題Julia集的Hausdorff維數(shù)
    LCL濾波器在6kV級(jí)聯(lián)STATCOM中的應(yīng)用
    H橋級(jí)聯(lián)型STATCOM的控制策略研究
    国产片内射在线| av一本久久久久| av又黄又爽大尺度在线免费看| 91成年电影在线观看| 中文亚洲av片在线观看爽 | 欧美成狂野欧美在线观看| cao死你这个sao货| 91av网站免费观看| 99香蕉大伊视频| 欧美黄色淫秽网站| 一级毛片女人18水好多| 亚洲精品一卡2卡三卡4卡5卡| 大片免费播放器 马上看| 精品一区二区三区四区五区乱码| 最新美女视频免费是黄的| 亚洲欧洲精品一区二区精品久久久| 制服人妻中文乱码| 757午夜福利合集在线观看| 老司机在亚洲福利影院| 亚洲成人手机| 欧美成人午夜精品| 在线亚洲精品国产二区图片欧美| 巨乳人妻的诱惑在线观看| 免费黄频网站在线观看国产| 捣出白浆h1v1| 极品少妇高潮喷水抽搐| 黑人巨大精品欧美一区二区mp4| 岛国在线观看网站| 亚洲第一av免费看| 视频区欧美日本亚洲| 99riav亚洲国产免费| 两人在一起打扑克的视频| 亚洲精品中文字幕一二三四区 | 亚洲精品美女久久久久99蜜臀| 久久人妻福利社区极品人妻图片| 最近最新中文字幕大全免费视频| 国产一区二区在线观看av| 亚洲综合色网址| 啦啦啦在线免费观看视频4| 黑人巨大精品欧美一区二区mp4| 久久精品国产a三级三级三级| 久久久欧美国产精品| 国产在线观看jvid| 国产又色又爽无遮挡免费看| 变态另类成人亚洲欧美熟女 | 69精品国产乱码久久久| 男女高潮啪啪啪动态图| 一区二区三区激情视频| 久久精品国产亚洲av香蕉五月 | 亚洲第一青青草原| 欧美人与性动交α欧美精品济南到| 亚洲avbb在线观看| 精品少妇内射三级| 成人特级黄色片久久久久久久 | 色94色欧美一区二区| 电影成人av| 亚洲人成伊人成综合网2020| 99精品在免费线老司机午夜| 水蜜桃什么品种好| 色老头精品视频在线观看| 国产深夜福利视频在线观看| 老熟妇乱子伦视频在线观看| 亚洲精品av麻豆狂野| 久久午夜综合久久蜜桃| 制服诱惑二区| 午夜成年电影在线免费观看| 国产精品久久久久成人av| 12—13女人毛片做爰片一| 国产野战对白在线观看| 性高湖久久久久久久久免费观看| 国产免费现黄频在线看| 国产欧美日韩一区二区精品| 国产一区二区 视频在线| 久久这里只有精品19| 久久ye,这里只有精品| 午夜福利视频精品| 国产在线一区二区三区精| 人人妻,人人澡人人爽秒播| 国产一区二区三区综合在线观看| 一区二区三区精品91| svipshipincom国产片| 女人爽到高潮嗷嗷叫在线视频| 妹子高潮喷水视频| √禁漫天堂资源中文www| 免费一级毛片在线播放高清视频 | 日日夜夜操网爽| 麻豆成人av在线观看| 99re在线观看精品视频| 俄罗斯特黄特色一大片| 久9热在线精品视频| 国产精品一区二区在线不卡| 侵犯人妻中文字幕一二三四区| 一边摸一边抽搐一进一小说 | 免费女性裸体啪啪无遮挡网站| 视频区图区小说| 精品少妇久久久久久888优播| 天堂俺去俺来也www色官网| 国产av一区二区精品久久| 国产成人精品无人区| 一级,二级,三级黄色视频| 两人在一起打扑克的视频| 亚洲成人手机| 国产成人系列免费观看| 免费观看人在逋| 视频区图区小说| 两个人看的免费小视频| 欧美日韩精品网址| 丝袜喷水一区| 丝袜美腿诱惑在线| 亚洲国产av影院在线观看| 国产激情久久老熟女| 国产在视频线精品| 精品亚洲成国产av| 亚洲av第一区精品v没综合| 成人国产av品久久久| 性少妇av在线| 一级毛片电影观看| 色婷婷久久久亚洲欧美| 女人高潮潮喷娇喘18禁视频| 90打野战视频偷拍视频| 国产麻豆69| 欧美亚洲 丝袜 人妻 在线| 日本wwww免费看| 精品少妇久久久久久888优播| 12—13女人毛片做爰片一| 久久久水蜜桃国产精品网| 国产成人影院久久av| 自拍欧美九色日韩亚洲蝌蚪91| 大片免费播放器 马上看| 日韩免费av在线播放| www.999成人在线观看| 啪啪无遮挡十八禁网站| 大片电影免费在线观看免费| 中文字幕av电影在线播放| 日本av手机在线免费观看| 欧美一级毛片孕妇| 黑人猛操日本美女一级片| 一级片'在线观看视频| 久久久久视频综合| 我的亚洲天堂| 窝窝影院91人妻| 国产视频一区二区在线看| 日韩欧美一区视频在线观看| 女性生殖器流出的白浆| 亚洲国产av影院在线观看| 国产单亲对白刺激| 中文字幕高清在线视频| 欧美精品啪啪一区二区三区| 亚洲中文字幕日韩| 在线天堂中文资源库| 中文字幕人妻熟女乱码| 午夜日韩欧美国产| 蜜桃国产av成人99| 精品少妇黑人巨大在线播放| 日本wwww免费看| 久久香蕉激情| 精品久久久精品久久久| 午夜福利视频在线观看免费| 免费女性裸体啪啪无遮挡网站| 免费在线观看完整版高清| 精品国产一区二区三区四区第35| 亚洲少妇的诱惑av| 狠狠婷婷综合久久久久久88av| 久久久久久亚洲精品国产蜜桃av| 国产在视频线精品| 久久精品熟女亚洲av麻豆精品| 97在线人人人人妻| 男女下面插进去视频免费观看| 色精品久久人妻99蜜桃| 中亚洲国语对白在线视频| 青草久久国产| 午夜福利免费观看在线| 在线亚洲精品国产二区图片欧美| 欧美成狂野欧美在线观看| 后天国语完整版免费观看| 国产亚洲欧美精品永久| 日日爽夜夜爽网站| 在线十欧美十亚洲十日本专区| 97在线人人人人妻| 黄色 视频免费看| 国产精品98久久久久久宅男小说| 丁香六月欧美| 日韩免费高清中文字幕av| 久久久久久久国产电影| 蜜桃在线观看..| 欧美日本中文国产一区发布| 狠狠狠狠99中文字幕| 又大又爽又粗| 99riav亚洲国产免费| 最新在线观看一区二区三区| 国产在线精品亚洲第一网站| 久久ye,这里只有精品| 中文字幕精品免费在线观看视频| 久久久久久人人人人人| 新久久久久国产一级毛片| 一区二区日韩欧美中文字幕| 啦啦啦 在线观看视频| 亚洲精品粉嫩美女一区| 1024视频免费在线观看| 18禁黄网站禁片午夜丰满| 在线播放国产精品三级| 香蕉久久夜色| 大片免费播放器 马上看| 国产日韩欧美亚洲二区| 亚洲精华国产精华精| 国产日韩一区二区三区精品不卡| 亚洲五月色婷婷综合| 国产91精品成人一区二区三区 | 99热网站在线观看| 亚洲午夜理论影院| 丰满饥渴人妻一区二区三| 日韩三级视频一区二区三区| 99热网站在线观看| 757午夜福利合集在线观看| 免费在线观看影片大全网站| 一区二区日韩欧美中文字幕| 一进一出抽搐动态| 丁香六月欧美| 午夜两性在线视频| 岛国毛片在线播放| 狂野欧美激情性xxxx| 激情在线观看视频在线高清 | 久久久久网色| 精品一区二区三卡| 国产精品电影一区二区三区 | 久久99热这里只频精品6学生| 免费黄频网站在线观看国产| 99久久国产精品久久久| 少妇 在线观看| 国产成人精品在线电影| 国产一区二区 视频在线| 日韩成人在线观看一区二区三区| 热99re8久久精品国产| 黄色成人免费大全| 亚洲精品中文字幕一二三四区 | 亚洲九九香蕉| 高潮久久久久久久久久久不卡| 欧美精品高潮呻吟av久久| tocl精华| 国产日韩一区二区三区精品不卡| 亚洲欧美精品综合一区二区三区| 精品一品国产午夜福利视频| 国产在线观看jvid| 波多野结衣av一区二区av| 一夜夜www| 亚洲人成伊人成综合网2020| 午夜福利影视在线免费观看| avwww免费| 十八禁人妻一区二区| 亚洲七黄色美女视频| 波多野结衣一区麻豆| 日韩大片免费观看网站| 亚洲成国产人片在线观看| 黄片小视频在线播放| 亚洲av第一区精品v没综合| 国产区一区二久久| 丰满迷人的少妇在线观看| 国产精品免费视频内射| 亚洲午夜精品一区,二区,三区| videos熟女内射| 日韩视频一区二区在线观看| 女人精品久久久久毛片| 天天躁日日躁夜夜躁夜夜| 亚洲伊人色综图| 国产精品.久久久| 久久免费观看电影| 国产熟女午夜一区二区三区| 正在播放国产对白刺激| 成年版毛片免费区| 欧美精品高潮呻吟av久久| 在线看a的网站| 91麻豆av在线| 欧美人与性动交α欧美软件| 亚洲专区国产一区二区| 国产精品免费一区二区三区在线 | 极品人妻少妇av视频| 欧美中文综合在线视频| 国产精品 欧美亚洲| 色播在线永久视频| 欧美亚洲日本最大视频资源| 久久亚洲精品不卡| 69av精品久久久久久 | 久久人妻av系列| 一级a爱视频在线免费观看| 日韩制服丝袜自拍偷拍| 国产主播在线观看一区二区| 欧美激情高清一区二区三区| 国产成人av教育| 看免费av毛片| 欧美日韩av久久| 男男h啪啪无遮挡| 亚洲一区中文字幕在线| avwww免费| 满18在线观看网站| 精品熟女少妇八av免费久了| 欧美另类亚洲清纯唯美| 搡老乐熟女国产| 变态另类成人亚洲欧美熟女 | 女人爽到高潮嗷嗷叫在线视频| 亚洲精品一卡2卡三卡4卡5卡| 欧美 日韩 精品 国产| 亚洲 国产 在线| av在线播放免费不卡| 五月开心婷婷网| 国产精品久久久久久人妻精品电影 | 中文字幕制服av| 国产精品二区激情视频| 一夜夜www| 国内毛片毛片毛片毛片毛片| 日本a在线网址| 大香蕉久久成人网| 99精品久久久久人妻精品| 国产熟女午夜一区二区三区| 国产成人av教育| 国产激情久久老熟女| 伦理电影免费视频| 高清av免费在线| 国产aⅴ精品一区二区三区波| 久久青草综合色| 9191精品国产免费久久| 午夜91福利影院| 国产免费视频播放在线视频| 亚洲精品国产色婷婷电影| 99久久国产精品久久久| 成人18禁在线播放| 色综合婷婷激情| 中文字幕高清在线视频| 下体分泌物呈黄色| 亚洲精品在线观看二区| 欧美老熟妇乱子伦牲交| 免费女性裸体啪啪无遮挡网站| 久久亚洲真实| 国产欧美日韩综合在线一区二区| 9色porny在线观看| 日韩免费高清中文字幕av| 欧美av亚洲av综合av国产av| 人人妻人人澡人人爽人人夜夜| 国产av又大| 国产激情久久老熟女| 黑人操中国人逼视频| 999精品在线视频| 国产亚洲精品第一综合不卡| 国产精品二区激情视频| 欧美日韩成人在线一区二区| 成人国产av品久久久| netflix在线观看网站| 男女无遮挡免费网站观看| 黑丝袜美女国产一区| bbb黄色大片| 一级毛片女人18水好多| 亚洲午夜精品一区,二区,三区| 黑人巨大精品欧美一区二区蜜桃| 国产精品1区2区在线观看. | 丝袜美足系列| 中文字幕高清在线视频| 黄色成人免费大全| 精品国产一区二区三区四区第35| 十八禁网站免费在线| 老鸭窝网址在线观看| 中文字幕av电影在线播放| 国产在线观看jvid| 久久亚洲精品不卡| 在线天堂中文资源库| 精品久久久久久久毛片微露脸| 亚洲成人国产一区在线观看| 日本精品一区二区三区蜜桃| 久久精品人人爽人人爽视色| 亚洲人成77777在线视频| 叶爱在线成人免费视频播放| 久久亚洲真实| 日本vs欧美在线观看视频| 国产单亲对白刺激| 黄色a级毛片大全视频| 麻豆乱淫一区二区| 久久天堂一区二区三区四区| 午夜福利影视在线免费观看| 日韩免费av在线播放| 国产欧美亚洲国产| 老鸭窝网址在线观看| 久久热在线av| 免费在线观看视频国产中文字幕亚洲| 涩涩av久久男人的天堂| 一个人免费在线观看的高清视频| 国产成人免费观看mmmm| 欧美精品亚洲一区二区| 成人免费观看视频高清| 成人国产av品久久久| 老司机深夜福利视频在线观看| 亚洲欧美色中文字幕在线| 国产成人精品无人区| 窝窝影院91人妻| 啦啦啦免费观看视频1| 天天操日日干夜夜撸| 男女高潮啪啪啪动态图| 每晚都被弄得嗷嗷叫到高潮| 中文字幕人妻丝袜制服| 黑人猛操日本美女一级片| 日韩制服丝袜自拍偷拍| 一级,二级,三级黄色视频| 久久 成人 亚洲| 久久亚洲精品不卡| 亚洲人成电影免费在线| 超碰成人久久| 久久毛片免费看一区二区三区| 最黄视频免费看| 又黄又粗又硬又大视频| 另类亚洲欧美激情| 精品熟女少妇八av免费久了| 手机成人av网站| 国产精品二区激情视频| 国产成人欧美在线观看 | 我要看黄色一级片免费的| 久久亚洲精品不卡| 美女主播在线视频| 欧美日韩国产mv在线观看视频| 国产不卡一卡二| 波多野结衣一区麻豆| 亚洲欧美一区二区三区久久| 国产精品久久久av美女十八| a在线观看视频网站| 亚洲国产欧美网| 国产在线观看jvid| 麻豆国产av国片精品| 一区二区三区国产精品乱码| 无遮挡黄片免费观看| a级毛片在线看网站| 免费一级毛片在线播放高清视频 | 国产一区有黄有色的免费视频| 亚洲精华国产精华精| 中文字幕av电影在线播放| 精品亚洲乱码少妇综合久久| 国产成人精品无人区| 久久99热这里只频精品6学生| 国产日韩欧美在线精品| 国产精品偷伦视频观看了| 啦啦啦视频在线资源免费观看| 宅男免费午夜| 国产精品美女特级片免费视频播放器 | 久久久久久免费高清国产稀缺| 久久中文字幕人妻熟女| 亚洲欧洲日产国产| 亚洲专区中文字幕在线| 18在线观看网站| 王馨瑶露胸无遮挡在线观看| 精品一区二区三卡| 男人操女人黄网站| 黑人操中国人逼视频| 精品人妻在线不人妻| 亚洲国产av新网站| 一级黄色大片毛片| 热99国产精品久久久久久7| 自线自在国产av| 久久精品国产亚洲av高清一级| 夜夜夜夜夜久久久久| 五月天丁香电影| 国产欧美日韩一区二区三| 69精品国产乱码久久久| 国产成人精品久久二区二区免费| 午夜福利欧美成人| 桃花免费在线播放| 91字幕亚洲| 99精品久久久久人妻精品| 美女视频免费永久观看网站| www.999成人在线观看| 国产精品美女特级片免费视频播放器 | 日韩制服丝袜自拍偷拍| 亚洲精华国产精华精| av不卡在线播放| 欧美黑人欧美精品刺激| 最新在线观看一区二区三区| 变态另类成人亚洲欧美熟女 | 国产精品一区二区在线观看99| 亚洲综合色网址| 日本黄色视频三级网站网址 | 亚洲精品国产精品久久久不卡| 久久久久视频综合| 久久久久久人人人人人| 18在线观看网站| 在线观看66精品国产| 国产一区二区三区在线臀色熟女 | 久久精品国产a三级三级三级| 亚洲国产精品一区二区三区在线| 午夜免费鲁丝| 欧美在线黄色| 亚洲天堂av无毛| 成年人午夜在线观看视频| 十八禁网站免费在线| 亚洲国产欧美在线一区| 亚洲成人免费电影在线观看| 久久中文字幕人妻熟女| 欧美大码av| 久久久国产欧美日韩av| 国产欧美日韩一区二区精品| 一本久久精品| 亚洲久久久国产精品| 国产亚洲欧美精品永久| 午夜视频精品福利| 51午夜福利影视在线观看| 免费在线观看日本一区| 日本欧美视频一区| 99精品久久久久人妻精品| 一边摸一边抽搐一进一出视频| 久久久水蜜桃国产精品网| 欧美另类亚洲清纯唯美| 欧美+亚洲+日韩+国产| 高清毛片免费观看视频网站 | 大型黄色视频在线免费观看| 免费看十八禁软件| 国产在视频线精品| 人人妻人人爽人人添夜夜欢视频| 夜夜夜夜夜久久久久| 天堂俺去俺来也www色官网| 国产午夜精品久久久久久| 国产成人欧美在线观看 | 不卡一级毛片| 麻豆国产av国片精品| 自线自在国产av| 国产成人免费观看mmmm| 亚洲伊人色综图| 18禁黄网站禁片午夜丰满| 国产欧美日韩一区二区三区在线| 日韩大码丰满熟妇| 亚洲午夜精品一区,二区,三区| 岛国毛片在线播放| 伦理电影免费视频| 国产一卡二卡三卡精品| 自拍欧美九色日韩亚洲蝌蚪91| 天堂俺去俺来也www色官网| 黄片大片在线免费观看| 午夜激情av网站| 一夜夜www| 欧美精品啪啪一区二区三区| 在线看a的网站| 97人妻天天添夜夜摸| 午夜福利在线观看吧| 建设人人有责人人尽责人人享有的| 青草久久国产| 女同久久另类99精品国产91| 母亲3免费完整高清在线观看| 又黄又粗又硬又大视频| 色94色欧美一区二区| av国产精品久久久久影院| 欧美黑人欧美精品刺激| 高清在线国产一区| 另类亚洲欧美激情| 制服人妻中文乱码| 99re6热这里在线精品视频| 怎么达到女性高潮| av一本久久久久| 欧美+亚洲+日韩+国产| 一进一出抽搐动态| 欧美+亚洲+日韩+国产| 无人区码免费观看不卡 | 免费观看av网站的网址| 一区二区三区乱码不卡18| 亚洲av日韩精品久久久久久密| 精品高清国产在线一区| 日韩欧美免费精品| 岛国在线观看网站| 大型av网站在线播放| 国产老妇伦熟女老妇高清| 天堂中文最新版在线下载| 久久久久网色| 亚洲黑人精品在线| 亚洲av成人一区二区三| 国产午夜精品久久久久久| 大片免费播放器 马上看| 国产精品av久久久久免费| 欧美乱码精品一区二区三区| 亚洲人成77777在线视频| 国产免费视频播放在线视频| 久久精品人人爽人人爽视色| 国产成人精品久久二区二区免费| 国产av精品麻豆| 一本久久精品| 日本a在线网址| 激情在线观看视频在线高清 | av超薄肉色丝袜交足视频| 国产亚洲一区二区精品| 国产极品粉嫩免费观看在线| 国产一区有黄有色的免费视频| 色综合欧美亚洲国产小说| av欧美777| 国产日韩一区二区三区精品不卡| 久久毛片免费看一区二区三区| 高清在线国产一区| 久久久欧美国产精品| 精品第一国产精品| 久久毛片免费看一区二区三区| 国产日韩一区二区三区精品不卡| 国产在线免费精品| 午夜福利影视在线免费观看| 国产精品 国内视频| 在线观看www视频免费| 无人区码免费观看不卡 | 最新在线观看一区二区三区| 国产日韩欧美亚洲二区| 免费不卡黄色视频| 午夜福利视频在线观看免费| 狂野欧美激情性xxxx| 99re在线观看精品视频| 欧美另类亚洲清纯唯美| 亚洲精品久久成人aⅴ小说| 国产精品 欧美亚洲| h视频一区二区三区| 法律面前人人平等表现在哪些方面| 成年动漫av网址| svipshipincom国产片| 热99久久久久精品小说推荐| 国产精品欧美亚洲77777| 国产亚洲精品第一综合不卡| 99久久国产精品久久久| 十八禁高潮呻吟视频| 色婷婷av一区二区三区视频| 91成人精品电影|