• <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
    精品一区二区三区四区五区乱码| 白带黄色成豆腐渣| 此物有八面人人有两片| 国产91精品成人一区二区三区| 日日干狠狠操夜夜爽| 欧美日韩一级在线毛片| 50天的宝宝边吃奶边哭怎么回事| 激情在线观看视频在线高清| av国产免费在线观看| 久久久精品欧美日韩精品| a在线观看视频网站| 校园春色视频在线观看| 国产精品亚洲美女久久久| 色哟哟哟哟哟哟| 日韩欧美一区二区三区在线观看| 99久久无色码亚洲精品果冻| 精品久久久久久成人av| 国产精品亚洲美女久久久| 97碰自拍视频| 色综合站精品国产| 国产精品美女特级片免费视频播放器 | 91国产中文字幕| 日韩欧美在线二视频| 看黄色毛片网站| 999精品在线视频| 国产私拍福利视频在线观看| 老鸭窝网址在线观看| 中出人妻视频一区二区| 亚洲专区字幕在线| 久久国产乱子伦精品免费另类| 亚洲av电影在线进入| 亚洲人成电影免费在线| 欧美大码av| 一级黄色大片毛片| 欧美黑人精品巨大| 一级片免费观看大全| 老司机福利观看| 亚洲专区字幕在线| 丁香欧美五月| 搡老妇女老女人老熟妇| 亚洲一区高清亚洲精品| 9191精品国产免费久久| av中文乱码字幕在线| 视频区欧美日本亚洲| 亚洲一卡2卡3卡4卡5卡精品中文| 中文字幕久久专区| 悠悠久久av| 中文字幕人妻丝袜一区二区| 成人手机av| 蜜桃久久精品国产亚洲av| 老司机深夜福利视频在线观看| 亚洲精品一区av在线观看| 亚洲精品国产精品久久久不卡| 亚洲色图 男人天堂 中文字幕| 国产精品永久免费网站| 国产精品一区二区精品视频观看| 久久精品aⅴ一区二区三区四区| 亚洲国产精品成人综合色| 欧美一级毛片孕妇| 亚洲色图av天堂| av在线播放免费不卡| 成人午夜高清在线视频| 日本三级黄在线观看| 成年版毛片免费区| 国产av一区二区精品久久| 国产精品久久久久久人妻精品电影| 色av中文字幕| 国产精品98久久久久久宅男小说| 精品国产美女av久久久久小说| 男女视频在线观看网站免费 | 国产高清视频在线观看网站| 久久九九热精品免费| 国产精品一区二区免费欧美| 悠悠久久av| 国产亚洲欧美在线一区二区| 老司机午夜十八禁免费视频| 久久精品亚洲精品国产色婷小说| 中文字幕人成人乱码亚洲影| 国产精品 国内视频| 午夜成年电影在线免费观看| 动漫黄色视频在线观看| 亚洲精品美女久久av网站| 久久久国产成人免费| 脱女人内裤的视频| 亚洲一区二区三区色噜噜| 天堂动漫精品| 亚洲一卡2卡3卡4卡5卡精品中文| 国产成人精品久久二区二区免费| 国产三级在线视频| 日本a在线网址| 成熟少妇高潮喷水视频| 欧美日韩精品网址| 国产私拍福利视频在线观看| 在线观看日韩欧美| 欧美日韩国产亚洲二区| 亚洲国产看品久久| 久久久久九九精品影院| 国产探花在线观看一区二区| 波多野结衣高清无吗| 亚洲人成77777在线视频| 国产视频内射| 成人高潮视频无遮挡免费网站| 国产又色又爽无遮挡免费看| 中国美女看黄片| 正在播放国产对白刺激| 日韩欧美 国产精品| 久久这里只有精品中国| 桃红色精品国产亚洲av| 免费一级毛片在线播放高清视频| 国产三级在线视频| 国产精品 国内视频| 观看免费一级毛片| 日本免费一区二区三区高清不卡| 久久久精品欧美日韩精品| 免费看日本二区| 亚洲国产精品合色在线| 久久亚洲精品不卡| 制服诱惑二区| 亚洲国产欧美网| 亚洲成人精品中文字幕电影| 久久天躁狠狠躁夜夜2o2o| 午夜久久久久精精品| 色哟哟哟哟哟哟| 亚洲无线在线观看| 国产v大片淫在线免费观看| 777久久人妻少妇嫩草av网站| 黄片小视频在线播放| 好男人在线观看高清免费视频| 国产精品野战在线观看| 丁香欧美五月| 嫁个100分男人电影在线观看| 啦啦啦观看免费观看视频高清| 三级国产精品欧美在线观看 | 18禁黄网站禁片午夜丰满| 香蕉久久夜色| 久久精品国产亚洲av香蕉五月| 18禁裸乳无遮挡免费网站照片| 免费观看精品视频网站| 男女午夜视频在线观看| 在线观看午夜福利视频| 中文字幕高清在线视频| 国内揄拍国产精品人妻在线| 1024手机看黄色片| 亚洲一区二区三区不卡视频| 两个人免费观看高清视频| 18美女黄网站色大片免费观看| 欧美久久黑人一区二区| 亚洲av成人不卡在线观看播放网| 黄频高清免费视频| 黑人欧美特级aaaaaa片| 国产av在哪里看| 国产高清有码在线观看视频 | 美女免费视频网站| 国产亚洲av嫩草精品影院| 亚洲精品av麻豆狂野| 亚洲乱码一区二区免费版| 日日干狠狠操夜夜爽| 午夜久久久久精精品| 午夜福利高清视频| 色播亚洲综合网| 欧美久久黑人一区二区| 午夜福利18| 老鸭窝网址在线观看| 亚洲欧美日韩高清在线视频| 午夜福利18| 国模一区二区三区四区视频 | 老司机靠b影院| 免费看美女性在线毛片视频| 亚洲天堂国产精品一区在线| 最好的美女福利视频网| 俺也久久电影网| 国产成人精品久久二区二区免费| avwww免费| 给我免费播放毛片高清在线观看| 国产熟女xx| 国产精品久久久久久精品电影| 1024手机看黄色片| 成人国产综合亚洲| 19禁男女啪啪无遮挡网站| 首页视频小说图片口味搜索| 亚洲熟女毛片儿| 欧美黑人欧美精品刺激| 久久草成人影院| 国产精品久久久久久久电影 | 国产av不卡久久| 少妇的丰满在线观看| 黑人巨大精品欧美一区二区mp4| 色综合站精品国产| 亚洲第一电影网av| 欧美+亚洲+日韩+国产| av视频在线观看入口| 亚洲av成人精品一区久久| 国产亚洲精品第一综合不卡| 久久性视频一级片| 欧美精品啪啪一区二区三区| 国产一区二区激情短视频| 一卡2卡三卡四卡精品乱码亚洲| 精品一区二区三区视频在线观看免费| 免费看美女性在线毛片视频| 淫妇啪啪啪对白视频| 免费看a级黄色片| 久久精品成人免费网站| 99国产精品99久久久久| 丰满的人妻完整版| 欧美3d第一页| 不卡一级毛片| 亚洲一码二码三码区别大吗| 一级毛片精品| 亚洲全国av大片| 视频区欧美日本亚洲| 99久久综合精品五月天人人| 国产精品一区二区三区四区免费观看 | 曰老女人黄片| 琪琪午夜伦伦电影理论片6080| 欧美一级毛片孕妇| 伊人久久大香线蕉亚洲五| av超薄肉色丝袜交足视频| 中文字幕av在线有码专区| 一区福利在线观看| 久久久久性生活片| 久久精品91蜜桃| 叶爱在线成人免费视频播放| 脱女人内裤的视频| 他把我摸到了高潮在线观看| 国产精品亚洲av一区麻豆| 久久香蕉精品热| 欧美日韩亚洲综合一区二区三区_| 九色国产91popny在线| 精品久久久久久,| 两性夫妻黄色片| 欧美绝顶高潮抽搐喷水| 黄色视频不卡| 久久久久精品国产欧美久久久| 成人国产一区最新在线观看| 久久久久九九精品影院| 成人国产综合亚洲| 久久中文字幕一级| 成人一区二区视频在线观看| 国产精品一及| 免费看日本二区| 国产精品综合久久久久久久免费| 色精品久久人妻99蜜桃| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美日韩亚洲国产一区二区在线观看| 亚洲精品在线观看二区| 久9热在线精品视频| 白带黄色成豆腐渣| 在线观看美女被高潮喷水网站 | 婷婷六月久久综合丁香| 桃色一区二区三区在线观看| 三级国产精品欧美在线观看 | 中文字幕最新亚洲高清| 日韩 欧美 亚洲 中文字幕| 99久久国产精品久久久| 国产午夜福利久久久久久| 国产成人精品久久二区二区91| 一级毛片精品| 99精品欧美一区二区三区四区| 久久久国产成人精品二区| 人妻夜夜爽99麻豆av| 国产成人精品久久二区二区91| 精品久久久久久久人妻蜜臀av| 国产精品一及| 欧美日韩亚洲国产一区二区在线观看| 国产男靠女视频免费网站| 久久性视频一级片| 又紧又爽又黄一区二区| 日韩av在线大香蕉| 亚洲一区二区三区不卡视频| videosex国产| 亚洲 欧美一区二区三区| 在线永久观看黄色视频| 久久草成人影院| 国产三级中文精品| 精品欧美国产一区二区三| 国产黄片美女视频| 国产成人精品久久二区二区91| 色综合婷婷激情| 中文字幕人妻丝袜一区二区| 久久午夜综合久久蜜桃| 久久99热这里只有精品18| 国产69精品久久久久777片 | 亚洲人成77777在线视频| 亚洲人成网站高清观看| 久久精品国产清高在天天线| 精品久久久久久成人av| 五月伊人婷婷丁香| 国产成人欧美在线观看| 亚洲精品在线观看二区| 国产麻豆成人av免费视频| 亚洲成人免费电影在线观看| 夜夜爽天天搞| 色老头精品视频在线观看| 成在线人永久免费视频| 免费观看精品视频网站| 中文字幕人妻丝袜一区二区| 久久热在线av| 国产私拍福利视频在线观看| 国产高清videossex| 欧美av亚洲av综合av国产av| 免费在线观看亚洲国产| 97碰自拍视频| 狂野欧美白嫩少妇大欣赏| 欧美三级亚洲精品| 在线观看免费日韩欧美大片| 午夜两性在线视频| 午夜福利在线观看吧| 超碰成人久久| 一夜夜www| 亚洲av片天天在线观看| 久久久久久国产a免费观看| 欧美久久黑人一区二区| 日韩欧美三级三区| 久久国产精品人妻蜜桃| 国产精品一及| 国产又黄又爽又无遮挡在线| 丰满的人妻完整版| 正在播放国产对白刺激| 久久精品国产清高在天天线| 久久久久精品国产欧美久久久| 一a级毛片在线观看| 欧美色欧美亚洲另类二区| 国产精品综合久久久久久久免费| 麻豆成人午夜福利视频| 一进一出抽搐gif免费好疼| 高清毛片免费观看视频网站| 夜夜看夜夜爽夜夜摸| 最近最新中文字幕大全免费视频| 国内精品一区二区在线观看| 18禁美女被吸乳视频| 亚洲午夜理论影院| 露出奶头的视频| 日日摸夜夜添夜夜添小说| 99精品欧美一区二区三区四区| 国产av一区在线观看免费| 国产真人三级小视频在线观看| 99久久精品国产亚洲精品| 国产三级中文精品| 国产日本99.免费观看| 欧美+亚洲+日韩+国产| 国产真实乱freesex| 亚洲国产高清在线一区二区三| 18美女黄网站色大片免费观看| 手机成人av网站| av视频在线观看入口| 搞女人的毛片| av视频在线观看入口| 老司机深夜福利视频在线观看| 亚洲九九香蕉| 无限看片的www在线观看| 成在线人永久免费视频| 国产成+人综合+亚洲专区| 成在线人永久免费视频| 欧美乱色亚洲激情| 亚洲精品中文字幕一二三四区| 又黄又粗又硬又大视频| 成人午夜高清在线视频| 老司机在亚洲福利影院| 久久精品成人免费网站| 一边摸一边做爽爽视频免费| 嫁个100分男人电影在线观看| 国产亚洲av高清不卡| 免费搜索国产男女视频| 麻豆成人av在线观看| 麻豆av在线久日| 久久国产精品影院| 俺也久久电影网| 中文亚洲av片在线观看爽| 18禁裸乳无遮挡免费网站照片| 三级男女做爰猛烈吃奶摸视频| 国产成人精品无人区| 免费在线观看视频国产中文字幕亚洲| 国产成人精品无人区| 国产精品国产高清国产av| а√天堂www在线а√下载| 国产成+人综合+亚洲专区| 制服丝袜大香蕉在线| 99久久99久久久精品蜜桃| 久久久精品欧美日韩精品| 91在线观看av| 香蕉丝袜av| 特级一级黄色大片| 国产伦人伦偷精品视频| 国产1区2区3区精品| 国产精品一及| 国产单亲对白刺激| 麻豆久久精品国产亚洲av| 亚洲精华国产精华精| 一级毛片高清免费大全| 国产一区在线观看成人免费| 欧美成狂野欧美在线观看| 搞女人的毛片| 九色成人免费人妻av| 特大巨黑吊av在线直播| 好男人电影高清在线观看| 午夜福利在线观看吧| 国产伦一二天堂av在线观看| 国产91精品成人一区二区三区| 久久久国产成人精品二区| 午夜视频精品福利| 中国美女看黄片| 国产伦一二天堂av在线观看| 亚洲精品美女久久av网站| 99热这里只有精品一区 | 不卡av一区二区三区| 日韩三级视频一区二区三区| 亚洲精品国产一区二区精华液| www.自偷自拍.com| 成人午夜高清在线视频| 亚洲国产日韩欧美精品在线观看 | 女人爽到高潮嗷嗷叫在线视频| 岛国视频午夜一区免费看| 久久国产精品人妻蜜桃| 99在线人妻在线中文字幕| 麻豆一二三区av精品| 精品久久久久久久毛片微露脸| 黑人操中国人逼视频| 亚洲无线在线观看| 国产精品乱码一区二三区的特点| 久久亚洲真实| 亚洲精品在线美女| 非洲黑人性xxxx精品又粗又长| 午夜福利在线在线| 可以免费在线观看a视频的电影网站| 无遮挡黄片免费观看| 亚洲欧美精品综合久久99| 国产不卡一卡二| 久久久久精品国产欧美久久久| 免费电影在线观看免费观看| 国产av麻豆久久久久久久| videosex国产| 在线十欧美十亚洲十日本专区| 亚洲七黄色美女视频| 老司机在亚洲福利影院| 桃红色精品国产亚洲av| 麻豆成人av在线观看| 男人的好看免费观看在线视频 | 老司机午夜福利在线观看视频| 日韩精品免费视频一区二区三区| 黑人欧美特级aaaaaa片| 国产亚洲欧美在线一区二区| 两性午夜刺激爽爽歪歪视频在线观看 | 日日摸夜夜添夜夜添小说| 中文字幕人妻丝袜一区二区| 丁香六月欧美| 露出奶头的视频| 性色av乱码一区二区三区2| 国产97色在线日韩免费| 亚洲中文字幕一区二区三区有码在线看 | 中文字幕人成人乱码亚洲影| 午夜激情福利司机影院| 在线观看免费视频日本深夜| 国产亚洲精品久久久久5区| 窝窝影院91人妻| 男女做爰动态图高潮gif福利片| 桃色一区二区三区在线观看| 亚洲成人久久性| 色精品久久人妻99蜜桃| 91在线观看av| 中文字幕人妻丝袜一区二区| 正在播放国产对白刺激| 一区福利在线观看| 国产日本99.免费观看| 两个人的视频大全免费| 国产精品久久久久久人妻精品电影| www日本在线高清视频| 成在线人永久免费视频| 窝窝影院91人妻| 国产精品免费一区二区三区在线| 亚洲免费av在线视频| 国产三级中文精品| 制服诱惑二区| av免费在线观看网站| 免费看美女性在线毛片视频| 一级毛片高清免费大全| 一进一出好大好爽视频| 两人在一起打扑克的视频| 妹子高潮喷水视频| 人成视频在线观看免费观看| 色综合婷婷激情| 久久久久久大精品| 欧美久久黑人一区二区| 亚洲精品久久成人aⅴ小说| 可以免费在线观看a视频的电影网站| 国产av在哪里看| 国产真实乱freesex| 女同久久另类99精品国产91| 两个人视频免费观看高清| 欧美乱色亚洲激情| 亚洲av电影在线进入| 看免费av毛片| 亚洲男人天堂网一区| 日韩欧美国产在线观看| 在线观看一区二区三区| 99久久精品国产亚洲精品| 日韩免费av在线播放| 国产亚洲av嫩草精品影院| 亚洲电影在线观看av| а√天堂www在线а√下载| 搞女人的毛片| 亚洲欧美一区二区三区黑人| 日本熟妇午夜| 99国产精品一区二区蜜桃av| 国产精品一区二区三区四区免费观看 | 久久久久精品国产欧美久久久| 97碰自拍视频| 禁无遮挡网站| 国产黄片美女视频| 欧美黑人巨大hd| 看免费av毛片| 亚洲精品国产精品久久久不卡| 成人欧美大片| 免费高清视频大片| 啦啦啦韩国在线观看视频| 欧美黑人欧美精品刺激| 在线播放国产精品三级| 18禁黄网站禁片免费观看直播| 国产高清有码在线观看视频 | 欧美成人午夜精品| 一进一出好大好爽视频| 欧美成人免费av一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 夜夜夜夜夜久久久久| 18禁观看日本| 午夜老司机福利片| 久久久久亚洲av毛片大全| 欧美色视频一区免费| 日本成人三级电影网站| 色精品久久人妻99蜜桃| 又紧又爽又黄一区二区| 又大又爽又粗| 亚洲精品一卡2卡三卡4卡5卡| 欧美成人性av电影在线观看| 欧美乱码精品一区二区三区| 嫩草影院精品99| 日韩欧美在线乱码| 亚洲av电影在线进入| 免费观看精品视频网站| 久久精品影院6| 99精品在免费线老司机午夜| 久久亚洲精品不卡| 91麻豆av在线| 亚洲成人精品中文字幕电影| 在线观看免费午夜福利视频| 夜夜看夜夜爽夜夜摸| 欧美成狂野欧美在线观看| 国产99白浆流出| 91国产中文字幕| 一边摸一边做爽爽视频免费| 久久久久国内视频| 一级黄色大片毛片| 人成视频在线观看免费观看| 成人国产综合亚洲| 亚洲精品中文字幕一二三四区| 在线观看舔阴道视频| 成在线人永久免费视频| 又黄又粗又硬又大视频| 男女之事视频高清在线观看| 老司机深夜福利视频在线观看| 久久精品国产亚洲av高清一级| 特级一级黄色大片| 99国产综合亚洲精品| 老司机深夜福利视频在线观看| 亚洲欧美一区二区三区黑人| 国产精品98久久久久久宅男小说| 18美女黄网站色大片免费观看| 全区人妻精品视频| 这个男人来自地球电影免费观看| 又紧又爽又黄一区二区| 在线观看免费日韩欧美大片| 不卡一级毛片| 国产成人av教育| 亚洲精品一区av在线观看| 中出人妻视频一区二区| 日韩精品免费视频一区二区三区| 亚洲欧洲精品一区二区精品久久久| 丰满人妻一区二区三区视频av | 亚洲美女黄片视频| 精品久久久久久久久久免费视频| 狠狠狠狠99中文字幕| 亚洲一区二区三区色噜噜| 熟女少妇亚洲综合色aaa.| 国产一区二区激情短视频| 久久国产精品影院| 又爽又黄无遮挡网站| 十八禁网站免费在线| 国语自产精品视频在线第100页| 可以在线观看的亚洲视频| 久久精品aⅴ一区二区三区四区| 看黄色毛片网站| 国产亚洲av嫩草精品影院| 中文字幕人成人乱码亚洲影| 免费一级毛片在线播放高清视频| 这个男人来自地球电影免费观看| 国产亚洲精品第一综合不卡| 精品国内亚洲2022精品成人| 夜夜爽天天搞| 国产三级在线视频| 免费观看精品视频网站| 99久久无色码亚洲精品果冻| 亚洲精品一区av在线观看| 淫妇啪啪啪对白视频| 亚洲黑人精品在线| 人人妻人人澡欧美一区二区| 精品一区二区三区av网在线观看| 亚洲一码二码三码区别大吗| 伊人久久大香线蕉亚洲五| 欧美久久黑人一区二区| 日日干狠狠操夜夜爽| 女人高潮潮喷娇喘18禁视频| 91大片在线观看| 99国产精品一区二区蜜桃av| av天堂在线播放| 50天的宝宝边吃奶边哭怎么回事| 欧美黑人巨大hd|