• <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 ?

    基于改進混合高斯模型的人群密度估計研究

    2017-05-18 09:04:14安曦寧
    電子科技 2017年5期
    關(guān)鍵詞:密度估計高斯共生

    安曦寧

    (蘭州交通大學(xué) 電子與信息工程學(xué)院,甘肅 蘭州 730070)

    基于改進混合高斯模型的人群密度估計研究

    安曦寧

    (蘭州交通大學(xué) 電子與信息工程學(xué)院,甘肅 蘭州 730070)

    針對視頻監(jiān)控中人群密度估計的不足,提出一種基于改進混合高斯模型和灰度共生矩陣的人群密度估計方法。在背景建模的初始階段運用差分法分割出運動區(qū)域,將不同的更新率賦予已經(jīng)劃分好的背景區(qū)域和運動區(qū)域,從而克服漏檢和誤檢。并使用基于灰度共生矩陣的紋理方法提取人群密度特征,進而使用支持向量機實現(xiàn)人群密度分類。實驗結(jié)果表明,該方法提高了視頻監(jiān)控中人群密度估計的準確率。

    人群密度估計;混合高斯模型;灰度共生矩陣;支持向量機

    隨著人們社會活動的增多,人群過度擁擠在公共場合經(jīng)常發(fā)生。這種現(xiàn)象存在安全隱患。國內(nèi)外由于人群過度擁擠導(dǎo)致的踩踏事故時有發(fā)生。故對人群聚集現(xiàn)象的監(jiān)測一直是社會治安監(jiān)控的重要工作,因此基于視頻監(jiān)控中人群密度估計技術(shù)有著廣泛的應(yīng)用前景和研究價值。

    視頻監(jiān)控中人群密度估計方法可以分為像素統(tǒng)計和紋理分析兩類。Davies和Chow提出的基于像素特征[1-2]的圖像處理方法計算量小,適合人群密度較低的情況?;诖怂惴ǖ木窒扌?,Marana提出了基于紋理特征分析的人群密度估計方法[3],該方法將人群圖像按紋理來處理,可以解決重疊問題。

    現(xiàn)有的人群密度估計的背景建模技術(shù)分為統(tǒng)計平均法和幀間差分法兩類。目前背景建模常用的方法是混合高斯模型及其改進方法,傳統(tǒng)混合高斯模型對場景的建模容易出現(xiàn)拖影以及當(dāng)運動目標變化緩慢時會出現(xiàn)將目標區(qū)域誤判為背景的問題。本文采用基于改進混合高斯模型和灰度共生矩陣算法來估計人群密度。

    1 背景建模

    1.1 混合高斯背景建模

    視頻圖像中同一位置的像素值在時間軸上是服從高斯分布的。高斯混合模型對背景圖像中的每一個像素點用K個狀態(tài)表示并定義為K個高斯分布。K一般取3~5之間,其中,t時刻第K個高斯分布的概率密度函數(shù)表示為

    (1)

    1.2 參數(shù)更新

    通過式(2)來判斷當(dāng)前幀的像素點是否與某一個具體的高斯函數(shù)匹配

    |Xi,t-μi|

    (2)

    其中,D為置信參數(shù),一般取2.5。若滿足式(2),就認為該像素點與這個高斯函數(shù)匹配,則用此像素來更新背景模型,更新方程如式(3)~式(5)所示

    ωi,t=(1-α)ωi,t-1+α

    (3)

    μi,t=(1-ρ)μi,t-1+ρXt

    (4)

    (5)

    其中,α為背景模型學(xué)習(xí)速率;ρ為參數(shù)學(xué)習(xí)率。

    若匹配不成功,需要建立新的高斯模型,同時去掉最不可能是背景模型的高斯分布。其他高斯分布均值和方差不變,但權(quán)值按式(6)更新

    ωi,t=(1-α)×ωi,t-1

    (6)

    由于背景出現(xiàn)的時間一般較長,權(quán)值較大,所以高斯混合模型中代表背景的是那些權(quán)重較大的高斯分布。因此將權(quán)值歸一化并對每個像素的各個高斯模型按ωi,t/σi,t的值從大到小排序。如果排序中前B個ωi,j/σi,t對應(yīng)的高斯模型的權(quán)重滿足式(7),則認為該像素點的這B個高斯模型描述背景

    (7)

    式中,T為權(quán)值的閾值,且0.5

    1.3 改進的混合高斯模型

    在GMM算法進行檢測之前,設(shè)It(i,j)是視頻序列當(dāng)前待檢測的一幀圖像,Bt-1(i,j)是前一幀圖像獲得的背景模型,兩幀圖像間差分得到變化區(qū)域(Ac),這個區(qū)域不僅包括物體現(xiàn)在覆蓋的區(qū)域Aself,還有物體在前一幀覆蓋的背景區(qū)域即背景顯露區(qū)Albg。按照下述規(guī)則將圖像中點xt(i,j)進行區(qū)域劃分

    (8)

    其中,Tc的選取直接影響運動目標的提取和分割,它取固定值35。ΔT為光線變化的補償值,它會隨著光照變化強度的增加而變大,這樣會增強閾值 對于光照突變的適應(yīng)性。N為視頻圖像It(i,j)的像素點個數(shù)。將運動變化區(qū)域Ac每個像素按照高斯匹配的規(guī)則來分類

    (9)

    式中,0

    綜上,對背景區(qū)域像素點賦予較小的更新率,保持背景區(qū)域的穩(wěn)定性,從而避免引入噪聲構(gòu)成誤檢。對于背景顯露區(qū)像素點需要賦予較大的更新率,這樣,一旦運動物體離開,其停留過的背景區(qū)域可以較快得顯露出來,避免靜止目標開始運動時造成拖影的現(xiàn)象。對于運動目標區(qū)域的像素,要保持當(dāng)前該部分像素各高斯成分的均值、方差和權(quán)重矩陣值不變,這樣可以克服運動目標從運動變?yōu)殪o止而融入當(dāng)前背景造成漏檢的缺點。

    2 灰度共生矩陣

    由于不同密度的人群圖像對應(yīng)的紋理模式不同,所以圖像紋理特征量可以作為人群圖像分類的特征量。灰度共生矩陣是一種具有廣泛性的紋理分析方法,是建立在聯(lián)合條件概率密度函數(shù)P(i,j|d,θ)基礎(chǔ)上的,其數(shù)學(xué)定義是:像素點(x,y)的灰度值是i,像素點(x+a,y+b)的灰度值是j,統(tǒng)計從i出發(fā),離開j的概率(或頻率),即P(i,j|d,θ)。其中,d是相隔距離;θ是生成方向;(d,θ)對應(yīng)一個矩陣,要把它控制在一定的范圍內(nèi)。通常只取4個θ(θ=0°;θ=45°;θ=90°;θ=135°)值和一個d值。a和b值的選取是根據(jù)圖像紋理的自身特點。

    圖1 像素對方向示意圖

    灰度共生矩陣中主對角線的元素值比較大時,說明該方向上圖像灰度值變化較慢,則圖像的紋理比較粗。如果矩陣中大部分非零元素值的分布遠離主對角線,說明圖像灰度值變化快而圖像紋理較細。由此得出,矩陣中元素的分布與圖像信息量密切相關(guān),可以反映紋理的粗細程度。

    實際工程中灰度共生矩陣不可以直接使用,需要從中計算統(tǒng)計量作為紋理特征。Haralick曾提出基于灰度共生矩陣的14個統(tǒng)計量:熵、能量、對比度、方差、和方差、和平均、和熵、均勻性、相關(guān)性、差平均、差方差、差熵、相關(guān)信息測度和最大相關(guān)系數(shù)。本文選用了其中4種統(tǒng)計量作為特征參數(shù):

    (1)能量(Energy)

    (10)

    能量是灰度共生矩陣中所有元素的平方和。它反映了圖像灰度分布的均勻程度與紋理的粗細程度;

    (2)對比度(Contrast)

    (11)

    對比度是圖像灰度共生矩陣中元素關(guān)于主對角線的慣性矩。反映了圖像的清晰程度;

    (3)熵(Entropy)

    (13)

    熵反映了圖像的信息量,可以度量圖像內(nèi)容的隨機程度并且表征圖像紋理的復(fù)雜程度;

    (4)逆差矩(Homogeneity)

    (13)

    逆差矩又稱局部平穩(wěn),它反映了圖像紋理的局部變化和規(guī)則程度。

    3 密度分類器

    使用支持向量機(SVM)進行分類的基本思想是,構(gòu)造一個超平面使兩個樣本數(shù)據(jù)集之間的間隔最小,支持向量機能較好地解決小樣本、非線性、高維數(shù)和局部極小點等實際問題。

    支持向量機的基本原理是利用非線性變換將原始特征空間變換到一個高維空間,在這個新空間求線性最優(yōu)分類面,而且要通過定義適當(dāng)?shù)膬?nèi)積核函數(shù)來實現(xiàn)這種非線性變化,它的判別函數(shù)為

    (14)

    其中,sgn(·)為符號函數(shù);K(Xi,X)為內(nèi)積核函數(shù)。

    輸入特征向量為X=(x1,x2,…,Xd),共有s個支撐向量X1,X2,…,Xs,通過內(nèi)積函數(shù)進行非線性變換,再由決策層進行決策,最后生成分類結(jié)果。

    由于支持向量機一般只能實現(xiàn)兩類模式的劃分,本實驗可以構(gòu)造3個SVM分類器,采用交叉驗證法確定3個分類器所用的內(nèi)積核函數(shù),即使用徑向基核函數(shù)(rbf),其結(jié)構(gòu)及參數(shù)如圖2所示。徑向基核參數(shù)

    K(X,Xi)=exp(-γ‖xi-xj‖2),γ>0

    (15)

    圖2 分類器結(jié)構(gòu)

    4 實驗結(jié)果及分析

    本文采用的人群圖像是校園內(nèi)拍攝的人群視頻,從視頻中抽幀得到的圖像序列,共400幅。將這400幅圖像分成4類,即低、中低、中高和高,每類100幅,再將100 幅分為訓(xùn)練樣本和測試樣本2組。

    4.1 背景重建實驗

    圖3為視頻圖像中的一幀,圖4是通過傳統(tǒng)混合高斯模型建模后的人群圖像,圖5 是本文算法提取的人群圖像。

    圖3 原圖

    圖4 傳統(tǒng)混合高斯模型檢測結(jié)果

    圖5 本文算法檢測結(jié)果

    通過實驗說明,傳統(tǒng)混合高斯模型雖然可以較精確得重建背景,但由于人群的陰影會產(chǎn)生誤檢,且當(dāng)人群移動緩慢時會被誤判為背景。本文使用的改進方法,可以有效改善誤檢和漏檢情況,較清楚地提取了人群二值圖。

    4.2 人群密度估計結(jié)果

    表1是為本文方法的分類結(jié)果,表2是使用傳統(tǒng)混合高斯模型和灰度共生矩陣的分類結(jié)果。

    表1 本文方法實驗分類結(jié)果

    表2 基于傳統(tǒng)高斯模型和灰度共生矩陣分類結(jié)果

    通過對比表1和表2可以看出,本文方法對人群分類的準確率有較大提高。分析其原因是,對混合高斯模型背景建模的方法進行改進后,提取的人群二值圖像更清晰,故對圖像紋理特征量的提取誤差較小。另外,本文算法也提高了人群密度估計的效率,使人群密度監(jiān)控的實時性得到滿足。

    5 結(jié)束語

    本文使用了基于改進混合高斯模型的人群密度估計方法。在背景建模初始階段使用差分法分割出運動區(qū)域,使用不同區(qū)域賦予不同權(quán)重的更新策略,可以克服漏檢和誤檢,提高了檢測精度。得到人群二值化圖像后,使用基于灰度共生矩陣算法提取圖像紋理特征,以支持向量機構(gòu)成分類器,對采集的400幅圖像進行實驗驗證,結(jié)果證明,該方法有效提高了分類的準確率。本文方法的軟件還需進一步優(yōu)化,以便滿足實際應(yīng)用的需要。

    [1] Davies A C,Yin J H,Velastin S,et al.Chowmonitoring using image processing[J].IEEE Electronics and Communication Engineering Journal,1995,7(1):37-47.

    [2] Chow T W S,Cho S Y.Industrial neural vision system for underground railway station platform surveillance[J].Advance Engineering Informatics,2002,9(16):73-83.

    [3] Marana A N,Velastin S A,Costa L F,et al.Automatic estimation of crowd density using texture[J].Safety Science,1998,28(3):165-175.

    [4] 胡波,李曉華,沈蘭蓀.場景監(jiān)控中的人群密度估計[J].電路與系統(tǒng)學(xué)報,2007,12(6):119-220.

    [5] He Xinhua, Zhao Long.Moving object real-time detection and tracking based on improved Gaussian mixture model[J].Application Research of Computers,2010,27(12):4768-4771.

    [6] 王靜靜,林明秀,魏穎.基于灰度相關(guān)的幀間差分和背景差分相融合的實時目標檢測[J].中國大學(xué)學(xué)報,2009,40(1):143-148.

    [7] 劉福美,黎寧,張燕,等.一種基于圖像處理的人群密度估計方法[J].計算機與數(shù)字工程,2011,39(5):118-122.

    [8] 宋雪樺,陳瑜,耿劍鋒,等.基于改進的混合高斯背景模型的運動目標檢測[J].計算機工程與設(shè)計,2010,31(21):4646-4649.

    [9] Wang Xiaofeng, Wang Jihua, Wang Yuanpeng, et al. Moving target detecting algorithm based on mixture Gaussian model and subtraction[J].Journal of Chinese Computer Systems,2013,34(3):685-688.

    [10] 高程程,惠曉威.基于灰度共生矩陣的紋理特征提取[J].計算機系統(tǒng)應(yīng)用,2010,19(6):195-196.

    [11] 林沁.基于灰度共生矩陣和光流法的人群異動事件檢測[J].計算機與現(xiàn)代化, 2014,223(3):114-118.

    [12] 顧彬,鄭關(guān)勝,王建東.增量和減量式標準支持向量機的分析[J].軟件學(xué)報,2013,24(7):1601-1613.

    [13] 朱海龍,劉鵬,劉家峰,等.人群異常狀態(tài)檢測的圖分析方法[J].自動化學(xué)報,2012,38(5):743-750.

    [14] 覃勛輝,王修飛,周曦,等.多種人群密度場景下的人群計數(shù)[J].中國圖像圖形學(xué)報,2013,18(4):393-398.

    [15] 任克強,張盼華,謝斌.自適應(yīng)學(xué)習(xí)的混合高斯模型運動目標檢測算法[J].計算機工程與設(shè)計,2014,35(3):969-974.

    [16] 王思思,任世卿.一種改進的基于混合高斯模型的運動目標檢測算法[J].計算機科學(xué),2015,42(11A):173-178.

    Crowd Density Estimation Based on Improved Gaussian Model

    AN Xining

    (School of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China)

    In view of the video monitoring system of crowd density estimation problem, a crowd density estimation method based on improved Gaussian mixture model and the grey level co-occurrence matrix is proposed. At the beginning of the background modeling, the motion region is discriminated by the differential method, and different update rates are given to different areas to avoid the missed and false detection. The crowd density features are extracted by employing grey level co-occurrence matrix, and the support vector machine is employed to identify the level of the crowd density. Experimental results show that the method improves the accuracy of crowd density estimation in the video monitoring.

    crowd density estimation; Gaussian mixture model; grey level co-occurrence matrix; support vector machine

    2016- 06- 20

    安曦寧(1992-),女,碩士研究生。研究方向:圖像分析與處理。

    10.16180/j.cnki.issn1007-7820.2017.05.049

    TP391.41

    A

    1007-7820(2017)05-180-04

    猜你喜歡
    密度估計高斯共生
    中國人均可支配收入的空間區(qū)域動態(tài)演變與差異分析
    小高斯的大發(fā)現(xiàn)
    m-NOD樣本最近鄰密度估計的相合性
    面向魚眼圖像的人群密度估計
    基于MATLAB 的核密度估計研究
    科技視界(2021年4期)2021-04-13 06:03:56
    人與熊貓 和諧共生
    共生
    優(yōu)生共生圈培養(yǎng)模式探索
    天才數(shù)學(xué)家——高斯
    優(yōu)生共生圈培養(yǎng)模式探索
    黑人欧美特级aaaaaa片| 香蕉丝袜av| 大型黄色视频在线免费观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲 欧美 日韩 在线 免费| 日本黄色视频三级网站网址| 欧美绝顶高潮抽搐喷水| 美女国产高潮福利片在线看| 白带黄色成豆腐渣| 黄色成人免费大全| 国产精品国产高清国产av| 看黄色毛片网站| 99国产精品99久久久久| 免费在线观看亚洲国产| 老司机福利观看| 成人18禁高潮啪啪吃奶动态图| 色尼玛亚洲综合影院| 啦啦啦观看免费观看视频高清| 色播在线永久视频| 国产精品98久久久久久宅男小说| 国产亚洲av高清不卡| 18禁观看日本| 精品国产亚洲在线| 久久国产精品影院| 国产极品粉嫩免费观看在线| 国产97色在线日韩免费| 淫妇啪啪啪对白视频| 国产欧美日韩一区二区精品| 国产97色在线日韩免费| 在线播放国产精品三级| 欧美一级a爱片免费观看看 | 国产高清激情床上av| 中文字幕人成人乱码亚洲影| 国产高清激情床上av| 天堂动漫精品| 午夜亚洲福利在线播放| 欧美色视频一区免费| 日本一区二区免费在线视频| 欧美中文日本在线观看视频| 欧美中文日本在线观看视频| 中文在线观看免费www的网站 | 亚洲精品中文字幕一二三四区| 亚洲精华国产精华精| 1024手机看黄色片| 欧美成人一区二区免费高清观看 | 亚洲精品美女久久久久99蜜臀| 久久精品国产综合久久久| 欧洲精品卡2卡3卡4卡5卡区| 两性夫妻黄色片| 免费在线观看亚洲国产| 久久国产精品人妻蜜桃| av免费在线观看网站| 韩国精品一区二区三区| 少妇粗大呻吟视频| 日韩欧美一区视频在线观看| 琪琪午夜伦伦电影理论片6080| 制服丝袜大香蕉在线| 后天国语完整版免费观看| 两人在一起打扑克的视频| 欧美一级a爱片免费观看看 | 看片在线看免费视频| 超碰成人久久| 男人舔奶头视频| 国产免费av片在线观看野外av| 天堂动漫精品| 黄片大片在线免费观看| 久久久久国产一级毛片高清牌| 九色国产91popny在线| 老司机在亚洲福利影院| 久久久国产欧美日韩av| 国产午夜精品久久久久久| 麻豆av在线久日| av福利片在线| 一级毛片女人18水好多| 欧美绝顶高潮抽搐喷水| 亚洲欧美日韩无卡精品| 日韩视频一区二区在线观看| 久久精品夜夜夜夜夜久久蜜豆 | 一级毛片精品| xxx96com| 黄色视频,在线免费观看| www.精华液| 欧美色视频一区免费| 欧美日韩乱码在线| 在线视频色国产色| 日本成人三级电影网站| 中文字幕久久专区| 两人在一起打扑克的视频| 亚洲aⅴ乱码一区二区在线播放 | 欧美 亚洲 国产 日韩一| 国产在线精品亚洲第一网站| 国产日本99.免费观看| 国产麻豆成人av免费视频| 精品免费久久久久久久清纯| 国产一卡二卡三卡精品| 亚洲精品一区av在线观看| 一区二区三区激情视频| 亚洲国产精品合色在线| 99久久99久久久精品蜜桃| 欧美一级a爱片免费观看看 | 久99久视频精品免费| 亚洲黑人精品在线| 国内毛片毛片毛片毛片毛片| 欧美性猛交╳xxx乱大交人| 亚洲国产欧洲综合997久久, | 色精品久久人妻99蜜桃| 亚洲精品美女久久av网站| 亚洲成人精品中文字幕电影| 亚洲国产欧美日韩在线播放| 两性午夜刺激爽爽歪歪视频在线观看 | www日本黄色视频网| 老熟妇仑乱视频hdxx| 身体一侧抽搐| 午夜免费鲁丝| 美女 人体艺术 gogo| 91麻豆精品激情在线观看国产| 自线自在国产av| 亚洲欧美精品综合一区二区三区| 热re99久久国产66热| 国产亚洲欧美精品永久| 麻豆国产av国片精品| 91av网站免费观看| 国产av一区二区精品久久| 国产视频一区二区在线看| 午夜成年电影在线免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜福利免费观看在线| 村上凉子中文字幕在线| 欧美激情久久久久久爽电影| 亚洲天堂国产精品一区在线| 男女之事视频高清在线观看| 精品人妻1区二区| 在线播放国产精品三级| 亚洲av电影在线进入| 黄色成人免费大全| 国内精品久久久久精免费| 久久天躁狠狠躁夜夜2o2o| 999精品在线视频| 国产成人啪精品午夜网站| 成人手机av| 久久精品91蜜桃| 在线观看午夜福利视频| 在线天堂中文资源库| 亚洲电影在线观看av| 正在播放国产对白刺激| 最近最新免费中文字幕在线| 亚洲自拍偷在线| 韩国av一区二区三区四区| 亚洲人成伊人成综合网2020| 视频区欧美日本亚洲| 国语自产精品视频在线第100页| 十分钟在线观看高清视频www| 国产午夜精品久久久久久| 亚洲专区字幕在线| bbb黄色大片| 日本精品一区二区三区蜜桃| 麻豆成人av在线观看| 欧美大码av| 夜夜看夜夜爽夜夜摸| 国产欧美日韩一区二区精品| 老鸭窝网址在线观看| 亚洲成av片中文字幕在线观看| 亚洲五月色婷婷综合| 男女那种视频在线观看| 1024手机看黄色片| 亚洲熟妇熟女久久| 亚洲 国产 在线| 亚洲自偷自拍图片 自拍| 国产区一区二久久| 真人一进一出gif抽搐免费| 18禁国产床啪视频网站| 身体一侧抽搐| 久久久久久久久中文| 国产亚洲欧美98| cao死你这个sao货| 国产欧美日韩一区二区三| 欧美日韩黄片免| 一级毛片高清免费大全| 亚洲成a人片在线一区二区| 亚洲欧美一区二区三区黑人| 久久亚洲精品不卡| 又紧又爽又黄一区二区| 日本在线视频免费播放| 精品日产1卡2卡| 欧美zozozo另类| 一进一出抽搐gif免费好疼| 国产午夜福利久久久久久| 亚洲专区字幕在线| 99热这里只有精品一区 | 亚洲第一av免费看| 成人av一区二区三区在线看| 欧洲精品卡2卡3卡4卡5卡区| 日本免费a在线| ponron亚洲| 又黄又粗又硬又大视频| 亚洲第一电影网av| 欧美成狂野欧美在线观看| 免费高清在线观看日韩| 啦啦啦免费观看视频1| 少妇 在线观看| 日韩欧美国产在线观看| 亚洲成人久久爱视频| 久久精品国产亚洲av高清一级| 欧美午夜高清在线| 一区二区三区高清视频在线| 国内精品久久久久精免费| x7x7x7水蜜桃| 国产成人精品无人区| 亚洲激情在线av| 久久久久久九九精品二区国产 | 久久精品国产99精品国产亚洲性色| 国产单亲对白刺激| 久久午夜亚洲精品久久| 给我免费播放毛片高清在线观看| 中文字幕另类日韩欧美亚洲嫩草| 午夜免费观看网址| 日韩欧美国产一区二区入口| 在线十欧美十亚洲十日本专区| 天堂影院成人在线观看| 亚洲国产精品久久男人天堂| 午夜老司机福利片| 国产精品 国内视频| 亚洲中文av在线| www日本黄色视频网| 亚洲 欧美 日韩 在线 免费| 天天一区二区日本电影三级| 一级毛片女人18水好多| 国产成人欧美在线观看| 人成视频在线观看免费观看| 亚洲精品色激情综合| 午夜福利18| 亚洲 欧美一区二区三区| 特大巨黑吊av在线直播 | 99热6这里只有精品| 午夜亚洲福利在线播放| 欧美成人性av电影在线观看| 黄片小视频在线播放| 亚洲自拍偷在线| 欧美三级亚洲精品| www日本在线高清视频| 亚洲专区字幕在线| www.熟女人妻精品国产| 中文字幕久久专区| 国产成+人综合+亚洲专区| 欧美另类亚洲清纯唯美| 久久国产亚洲av麻豆专区| 亚洲一区二区三区不卡视频| 久久午夜综合久久蜜桃| 丁香六月欧美| 国产精品电影一区二区三区| 国产久久久一区二区三区| 最近最新中文字幕大全免费视频| 欧美日韩乱码在线| 波多野结衣高清作品| 国产成人系列免费观看| 成人国产一区最新在线观看| 国产精品免费视频内射| 久久 成人 亚洲| 午夜久久久在线观看| 亚洲欧美激情综合另类| 男人的好看免费观看在线视频 | 757午夜福利合集在线观看| 怎么达到女性高潮| 男男h啪啪无遮挡| 国产极品粉嫩免费观看在线| 久久久精品国产亚洲av高清涩受| 欧美人与性动交α欧美精品济南到| 精品久久久久久久毛片微露脸| 宅男免费午夜| 久久狼人影院| 人人妻人人澡欧美一区二区| 久久久久久免费高清国产稀缺| 两性午夜刺激爽爽歪歪视频在线观看 | 精品国内亚洲2022精品成人| 黑人操中国人逼视频| 中文字幕精品免费在线观看视频| 岛国在线观看网站| 波多野结衣巨乳人妻| 日韩有码中文字幕| 欧美性猛交╳xxx乱大交人| 日韩欧美国产一区二区入口| 老司机在亚洲福利影院| 国产1区2区3区精品| 亚洲欧洲精品一区二区精品久久久| 国产97色在线日韩免费| 中文字幕人妻熟女乱码| 欧美成人一区二区免费高清观看 | 国产午夜精品久久久久久| 99国产精品一区二区蜜桃av| 国产精品久久久久久人妻精品电影| 国产精华一区二区三区| 久久精品成人免费网站| 大型av网站在线播放| 国产欧美日韩精品亚洲av| 婷婷丁香在线五月| 午夜福利欧美成人| 欧美最黄视频在线播放免费| 日韩精品青青久久久久久| 99国产综合亚洲精品| 亚洲一区高清亚洲精品| 亚洲 欧美 日韩 在线 免费| 国产三级黄色录像| 精品一区二区三区四区五区乱码| 女同久久另类99精品国产91| cao死你这个sao货| 国产在线精品亚洲第一网站| 美女午夜性视频免费| 亚洲熟妇熟女久久| 在线av久久热| 色综合婷婷激情| 午夜福利欧美成人| 一区二区三区高清视频在线| 久久久精品欧美日韩精品| 51午夜福利影视在线观看| 校园春色视频在线观看| 精品日产1卡2卡| 精品国产亚洲在线| 亚洲欧美一区二区三区黑人| 国产精品乱码一区二三区的特点| 一二三四社区在线视频社区8| 精品一区二区三区四区五区乱码| 黄色成人免费大全| 久久精品亚洲精品国产色婷小说| 丁香欧美五月| 久久欧美精品欧美久久欧美| 国产极品粉嫩免费观看在线| 欧美最黄视频在线播放免费| 美女免费视频网站| 丝袜在线中文字幕| 免费无遮挡裸体视频| 亚洲第一av免费看| 欧美性长视频在线观看| 变态另类成人亚洲欧美熟女| 欧美 亚洲 国产 日韩一| 欧美午夜高清在线| 免费在线观看黄色视频的| 午夜成年电影在线免费观看| 午夜免费成人在线视频| 国产亚洲精品久久久久5区| 免费在线观看成人毛片| 国产精品99久久99久久久不卡| 精品少妇一区二区三区视频日本电影| 黄色视频,在线免费观看| 免费在线观看亚洲国产| 少妇的丰满在线观看| 亚洲午夜精品一区,二区,三区| 亚洲成人免费电影在线观看| 天堂动漫精品| 操出白浆在线播放| 1024手机看黄色片| 黑人操中国人逼视频| 精品人妻1区二区| 亚洲精品久久国产高清桃花| 国产av又大| svipshipincom国产片| 婷婷精品国产亚洲av在线| a级毛片在线看网站| 日韩欧美国产在线观看| 国产真人三级小视频在线观看| 欧美日韩福利视频一区二区| 亚洲一区二区三区不卡视频| www日本黄色视频网| 亚洲片人在线观看| 一级作爱视频免费观看| 免费看十八禁软件| 亚洲专区字幕在线| 国产黄a三级三级三级人| 在线av久久热| 亚洲精品在线观看二区| 十八禁人妻一区二区| 女人爽到高潮嗷嗷叫在线视频| 国产午夜精品久久久久久| 午夜久久久久精精品| 午夜免费成人在线视频| 天天添夜夜摸| 免费在线观看成人毛片| 亚洲中文字幕一区二区三区有码在线看 | 久久婷婷人人爽人人干人人爱| 欧美色欧美亚洲另类二区| 亚洲欧美精品综合一区二区三区| 激情在线观看视频在线高清| 国产亚洲精品第一综合不卡| 久久中文看片网| 久久久国产成人精品二区| 亚洲国产精品合色在线| 宅男免费午夜| 国产av又大| 在线观看www视频免费| 色哟哟哟哟哟哟| 亚洲av第一区精品v没综合| 国产成人av激情在线播放| 一a级毛片在线观看| 日本五十路高清| av在线播放免费不卡| 免费在线观看黄色视频的| 欧美人与性动交α欧美精品济南到| 国产精品98久久久久久宅男小说| 一区二区日韩欧美中文字幕| 亚洲男人天堂网一区| 可以在线观看的亚洲视频| 久久久久国产精品人妻aⅴ院| 色综合亚洲欧美另类图片| 久久99热这里只有精品18| 免费搜索国产男女视频| 黑人操中国人逼视频| 成人精品一区二区免费| 午夜免费成人在线视频| 免费看十八禁软件| 亚洲男人的天堂狠狠| 国产三级在线视频| 黄片大片在线免费观看| 欧美性长视频在线观看| 美女高潮喷水抽搐中文字幕| 国产欧美日韩一区二区精品| 在线av久久热| 亚洲成人免费电影在线观看| 中文字幕人成人乱码亚洲影| 欧美zozozo另类| 精品久久久久久久久久免费视频| 男女下面进入的视频免费午夜 | 91大片在线观看| 手机成人av网站| 国产伦一二天堂av在线观看| 成人av一区二区三区在线看| 两性夫妻黄色片| 国产精品一区二区免费欧美| 精品少妇一区二区三区视频日本电影| 人成视频在线观看免费观看| 特大巨黑吊av在线直播 | 老司机福利观看| 老司机福利观看| 97碰自拍视频| 一区二区三区精品91| 色婷婷久久久亚洲欧美| 成人免费观看视频高清| 国产精品 欧美亚洲| 久久久国产成人精品二区| 国内少妇人妻偷人精品xxx网站 | 男男h啪啪无遮挡| 国产乱人伦免费视频| 亚洲国产欧美日韩在线播放| 黄色毛片三级朝国网站| 国产精品久久久久久亚洲av鲁大| 欧美性猛交╳xxx乱大交人| 成人精品一区二区免费| 欧美又色又爽又黄视频| 男女之事视频高清在线观看| 亚洲国产欧美网| 亚洲国产欧洲综合997久久, | 亚洲一区二区三区不卡视频| 亚洲精品久久成人aⅴ小说| 成人国语在线视频| 欧美日韩瑟瑟在线播放| av中文乱码字幕在线| 免费人成视频x8x8入口观看| 人妻久久中文字幕网| 国产精品一区二区精品视频观看| 色综合亚洲欧美另类图片| 非洲黑人性xxxx精品又粗又长| 91大片在线观看| 亚洲一区二区三区色噜噜| 午夜免费成人在线视频| 日韩av在线大香蕉| 色播在线永久视频| 欧美激情久久久久久爽电影| 精品国产乱码久久久久久男人| 精品久久久久久久人妻蜜臀av| 黄片小视频在线播放| 大香蕉久久成人网| 手机成人av网站| 两个人免费观看高清视频| 麻豆成人午夜福利视频| 国产伦一二天堂av在线观看| 日韩欧美一区视频在线观看| 久久久久久亚洲精品国产蜜桃av| 不卡一级毛片| 国产av又大| 777久久人妻少妇嫩草av网站| 亚洲成人国产一区在线观看| 亚洲人成伊人成综合网2020| 又黄又爽又免费观看的视频| 黄色视频,在线免费观看| 久久 成人 亚洲| 国产av一区二区精品久久| 午夜成年电影在线免费观看| 正在播放国产对白刺激| 久久精品国产99精品国产亚洲性色| 热re99久久国产66热| 手机成人av网站| 欧美zozozo另类| 韩国av一区二区三区四区| 此物有八面人人有两片| 欧美中文综合在线视频| 国产黄a三级三级三级人| 黄片播放在线免费| 精品国产一区二区三区四区第35| 三级毛片av免费| 国产精品影院久久| 日本精品一区二区三区蜜桃| 国产精品永久免费网站| 欧美久久黑人一区二区| 久久天堂一区二区三区四区| e午夜精品久久久久久久| 动漫黄色视频在线观看| a在线观看视频网站| 欧美绝顶高潮抽搐喷水| 欧美日韩亚洲综合一区二区三区_| 久久这里只有精品19| 亚洲av成人不卡在线观看播放网| 国产精品自产拍在线观看55亚洲| 欧美乱码精品一区二区三区| 亚洲第一av免费看| 午夜激情福利司机影院| 天堂影院成人在线观看| 亚洲激情在线av| 女生性感内裤真人,穿戴方法视频| 色av中文字幕| 男女下面进入的视频免费午夜 | 国内少妇人妻偷人精品xxx网站 | 无遮挡黄片免费观看| 亚洲av第一区精品v没综合| 桃色一区二区三区在线观看| 天天一区二区日本电影三级| 一区二区三区精品91| 欧美乱色亚洲激情| 亚洲av成人av| 中文字幕人成人乱码亚洲影| 波多野结衣高清作品| 亚洲精品国产精品久久久不卡| 黄色片一级片一级黄色片| 1024视频免费在线观看| 视频在线观看一区二区三区| 日韩精品中文字幕看吧| 免费在线观看完整版高清| 巨乳人妻的诱惑在线观看| 亚洲五月婷婷丁香| 亚洲精品国产一区二区精华液| 18美女黄网站色大片免费观看| 国产成人影院久久av| 日本熟妇午夜| 熟妇人妻久久中文字幕3abv| 悠悠久久av| 99国产精品一区二区蜜桃av| av视频在线观看入口| 午夜久久久久精精品| 日韩欧美国产在线观看| 久久婷婷成人综合色麻豆| 一区二区日韩欧美中文字幕| 国产欧美日韩一区二区三| 变态另类丝袜制服| 亚洲av第一区精品v没综合| 精品一区二区三区四区五区乱码| 亚洲精品一卡2卡三卡4卡5卡| 久久精品夜夜夜夜夜久久蜜豆 | 国产成人av教育| 成人亚洲精品av一区二区| 岛国在线观看网站| 深夜精品福利| 女人被狂操c到高潮| 好男人电影高清在线观看| 亚洲欧美一区二区三区黑人| 一级毛片女人18水好多| 亚洲熟妇熟女久久| 777久久人妻少妇嫩草av网站| 精品人妻1区二区| 夜夜夜夜夜久久久久| 侵犯人妻中文字幕一二三四区| 午夜免费激情av| 欧美人与性动交α欧美精品济南到| 亚洲一区二区三区色噜噜| 精品国产美女av久久久久小说| 我的亚洲天堂| 亚洲av第一区精品v没综合| 久久久久久久久中文| 国产精品精品国产色婷婷| 一本综合久久免费| 搡老妇女老女人老熟妇| 午夜福利视频1000在线观看| 国产又黄又爽又无遮挡在线| 嫩草影视91久久| 18禁黄网站禁片午夜丰满| 亚洲avbb在线观看| 18禁黄网站禁片免费观看直播| 天堂影院成人在线观看| 淫妇啪啪啪对白视频| av欧美777| 国产97色在线日韩免费| 国产蜜桃级精品一区二区三区| 黑人操中国人逼视频| 国产精品久久久av美女十八| 亚洲中文av在线| 韩国av一区二区三区四区| 99热只有精品国产| 国产成人影院久久av| 999久久久精品免费观看国产| 日日干狠狠操夜夜爽| 国产99久久九九免费精品| 国产精品久久久久久人妻精品电影| 一级毛片女人18水好多| 久久天堂一区二区三区四区| 日日爽夜夜爽网站| 欧美性猛交╳xxx乱大交人| 丰满人妻熟妇乱又伦精品不卡| 一进一出好大好爽视频| 正在播放国产对白刺激| 亚洲av成人av| 香蕉久久夜色| 天堂动漫精品| 国产1区2区3区精品| 久久精品人妻少妇| av福利片在线| 亚洲人成网站高清观看| 成人av一区二区三区在线看| 免费在线观看黄色视频的| 美国免费a级毛片|