• <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 ?

    基于協(xié)方差矩陣的壓縮感知跟蹤算法

    2017-06-20 08:56:02黃慶俊何儒漢
    軟件導(dǎo)刊 2017年4期
    關(guān)鍵詞:重合協(xié)方差底層

    黃慶俊+何儒漢

    摘要:壓縮感知是信號處理領(lǐng)域的新理論,用于目標(biāo)跟蹤算法時可在大量底層特征中提取出少量重要信息,減少計算量,提高算法速度。傳統(tǒng)的基于壓縮感知的跟蹤算法,為了保證算法速度,對壓縮后的特征簡單建模,準(zhǔn)確性還有待提高。提出一種基于協(xié)方差矩陣的壓縮感知跟蹤算法,先利用壓縮感知原理獲取壓縮后的Haar特征,再利用協(xié)方差矩陣融合Haar特征區(qū)域內(nèi)的底層多維特征,以此構(gòu)建目標(biāo)模型,并通過搜索當(dāng)前目標(biāo)區(qū)域的鄰域,利用流形空間上的距離度量算法匹配最佳目標(biāo),從而提高算法準(zhǔn)確性。關(guān)鍵詞:壓縮感知;特征融合;協(xié)方差矩陣;Haar特征;LogEuclidean黎曼測度DOI:10.11907/rjdk.162874 中圖分類號: TP312 文獻標(biāo)識碼: A 文章編號: 16727800(2017)004003104

    0引言 壓縮感知(Compressive Sensing,CS)理論是信號處理領(lǐng)域最近幾年才提出的新理論[13]。信號處理包括4個基本過程:采樣、壓縮、傳輸以及恢復(fù)。壓縮感知理論將采樣與壓縮過程結(jié)合在一起,在采樣過程中對信號進行壓縮,可以低于香農(nóng)定理的頻率獲取采樣數(shù)據(jù),簡化信號處理過程,因而得到了信號處理領(lǐng)域的廣泛關(guān)注。同時,該理論在應(yīng)用科學(xué)的諸多領(lǐng)域,如統(tǒng)計學(xué)、信息學(xué)、編碼領(lǐng)域等也有著相當(dāng)重要的應(yīng)用,推動了這些領(lǐng)域的基礎(chǔ)研究發(fā)展。 目標(biāo)跟蹤是計算機視覺等熱點研究領(lǐng)域的核心課題之一[47],其主要過程可分為目標(biāo)建模和目標(biāo)匹配。使用大量底層特征建模目標(biāo)可以使匹配結(jié)果更準(zhǔn)確,但會犧牲算法效率。壓縮感知理論在信號采集過程中提出的新方法為目標(biāo)跟蹤領(lǐng)域帶來了啟發(fā)。Zhang等[8]在基于CS理論的實時跟蹤系統(tǒng)研究,使用壓縮感知理論對高維原始特征集降維,減少底層特征計算量,從而提高算法速度。另外,在目標(biāo)跟蹤領(lǐng)域,基于協(xié)方差矩陣的跟蹤算法獲得了廣泛研究[1016]。協(xié)方差矩陣可以融合多種底層特征,同時保持低維特性,從而減輕了目標(biāo)匹配過程的計算復(fù)雜度,保持了算法效率與魯棒性之間的平衡。 傳統(tǒng)的基于壓縮感知的跟蹤算法(Compress Sensing Tracking,CT)利用壓縮感知理論對原始數(shù)據(jù)中大量的Haar特征采樣壓縮,得到壓縮后的特征。隨后簡單計算Haar特征的區(qū)域積分作為特征值,以保證算法具有較快的處理速度。最后通過構(gòu)造多組貝葉斯分類器來提高跟蹤結(jié)果的準(zhǔn)確性。由于特征模型較為簡單,算法面對復(fù)雜場景如光照、干擾等狀況不能保持較好的魯棒性。基于此,提出一種基于協(xié)方差矩陣的壓縮感知跟蹤算法。使用協(xié)方差矩陣對壓縮后的Haar特征進行進一步處理,強化目標(biāo)模型的表征能力,從而提高傳統(tǒng)壓縮感知跟蹤算法的準(zhǔn)確度。1基于協(xié)方差矩陣的壓縮感知跟蹤算法原理及實現(xiàn)在CT基礎(chǔ)上,使用協(xié)方差矩陣描述算子融合多種底層點特征構(gòu)造基本特征模型,改善算法適應(yīng)能力,基本過程如下: ①應(yīng)用協(xié)方差矩陣構(gòu)造壓縮后的特征模型;②對搜索區(qū)域的待定目標(biāo)計算相應(yīng)的匹配模型;③根據(jù)匹配模型選擇合適的相似度算法,以決定最優(yōu)的待定目標(biāo);④更新特征模型,轉(zhuǎn)②繼續(xù)跟蹤或者結(jié)束算法。1.1壓縮特征提取 Haar特征是計算機視覺等領(lǐng)域中常用的特征描述方法,若直接使用Haar特征來構(gòu)建特征模型,則對于一個20*20的目標(biāo)區(qū)域,可選的特征矩形將超過80 000個。盡管計算簡單,但由于數(shù)量較大,使得最終仍需要較多計算時間。因此,結(jié)合壓縮感知理論構(gòu)造特定的壓縮矩陣,當(dāng)選擇合適的觀測矩陣后,可以減少大量不必要的計算量,同時保留必要的Haar特征。 假設(shè)X={X1,X2…XN}表示目標(biāo)區(qū)域內(nèi)所有的Haar特征,V={V1,V2…VM}為降維后的特征,N>>M。壓縮過程為V=RX。 采用傳統(tǒng)壓縮感知跟蹤算法[8]中使用的隨機測量矩陣:rij=〖JB({〗1 概率1/s0 概率1-1/s在公式(1)中,當(dāng)s取值為2或3時,所構(gòu)造出的測量矩陣滿足Johnson-Lindenstrauss推論。最后得到的矩陣會非常稀疏,很方便進行后續(xù)處理。算法中,s取值為m/4,最終的低維觀測值中不超過3個非零值,即用不超過3個矩形區(qū)域的組合(稱為Haarlike特征)對目標(biāo)區(qū)域建模,從而大大減輕了計算量。1.2協(xié)方差矩陣特征計算傳統(tǒng)的壓縮感知跟蹤算法在獲取壓縮后的矩形特征后,對矩形區(qū)域內(nèi)的單一點特征取積分值,以此構(gòu)建目標(biāo)模型。該處理可以使算法具有很高的速度,但魯棒性不夠優(yōu)秀。為提高魯棒性,使用協(xié)方差矩陣進一步處理壓縮后的區(qū)域特征,融合區(qū)域內(nèi)的多種點特征,同時保持較低維度。選定Haar特征組合即Haarlike特征后,可以得到2~3個矩形特征區(qū)域。對每一個矩形區(qū)域,提取區(qū)域內(nèi)的點特征(坐標(biāo)、顏色分類、梯度等),建立相應(yīng)的協(xié)方差矩陣模型。設(shè)I為視頻序列的某一幀圖像,R是待定目標(biāo)區(qū)域,F(xiàn)是對當(dāng)前目標(biāo)區(qū)域的建模,F(xiàn)(x,y)=(I,x,y),即F是對當(dāng)前圖像上目標(biāo)區(qū)域內(nèi)所有像素的某種變換,表示區(qū)域中所有像素的d維底層特征向量,C表示計算的d×d的協(xié)方差矩陣,即:其中,μ表示區(qū)域內(nèi)底層特征的均值向量,根據(jù)該公式可以得到區(qū)域R上的協(xié)方差矩陣。該協(xié)方差矩陣融合了d維的底層特征,底層特征可以任意選擇每個像素點的位置、梯度、顏色以及其它點特征。協(xié)方差矩陣中的每一個分量都表示相應(yīng)的兩個底層特征之間的關(guān)聯(lián)信息。實際過程中,通過公式(2)計算協(xié)方差矩陣的過程往往過于繁瑣,計算速度相對較慢,文獻[4]提出的一種基于整體圖像的積分圖快速計算方法可以提高運算速度。同時考慮到目標(biāo)運動過程中的時空連續(xù)性,在計算積分過程中只需對局部區(qū)域進行計算,從而進一步提高計算速度。

    1.3目標(biāo)匹配方法 在傳統(tǒng)的壓縮感知跟蹤算法中,取得目標(biāo)模型后,在目標(biāo)區(qū)域周圍采樣構(gòu)造貝葉斯分類器,利用分類器對待定目標(biāo)進行匹配識別。盡管需要多次采樣計算,但由于目標(biāo)模型相對簡單,總計算量并不大。當(dāng)選擇使用協(xié)方差矩陣來構(gòu)造目標(biāo)模型時,由于協(xié)方差矩陣本身計算量較大,采樣后的總計算量過于龐大,即使能完成跟蹤任務(wù),算法已不具有實際應(yīng)用意義。因此,有必要選擇其它方法來匹配目標(biāo)。由于協(xié)方差矩陣模型已經(jīng)融合了多種底層特征,因此可以簡單地通過計算目標(biāo)模型之間的距離來判斷相似度。協(xié)方差矩陣是個正定矩陣,歐式空間中的相關(guān)算法并不適用于協(xié)方差矩陣,可以采用黎曼流形領(lǐng)域中的距離測度方法計算協(xié)方差矩陣之間的距離。文獻[17]中的log-Euclidean度量方法計算量相對較少,計算速度相對較快,因此本文采用該方法。首先對正定矩陣X進行奇異值分解,得到X=U*S*UT,隨后對X進行l(wèi)og運算,可以得到:對每個待定目標(biāo),計算目標(biāo)的Haarlike特征的協(xié)方差矩陣值,應(yīng)用流形距離度量算法,計算目標(biāo)Haarlike特征的協(xié)方差矩陣與當(dāng)前目標(biāo)Haarlike特征的協(xié)方差矩陣之間的流形距離。在Haarlike特征中選擇2~3個矩形特征,最后會得到2~3個協(xié)方差矩陣距離。將這些距離值累加,最終可以得到待定目標(biāo)與當(dāng)前目標(biāo)之間的相似度關(guān)系。最后選擇最接近的待定目標(biāo)作為最終結(jié)果。在傳統(tǒng)的壓縮感知跟蹤算法中,通過使用多種壓縮后的HaarLike特征構(gòu)造分類模型,利用多個分類模型同時對待定目標(biāo)進行分類,以提高識別準(zhǔn)確性。本文中同樣采用多個Haarlike特征,分別計算對應(yīng)特征下的流形空間距離,將多個距離累加,得到最終的待定目標(biāo)相似度,并以此選擇最優(yōu)目標(biāo)作為跟蹤結(jié)果。〖JP+2〗考慮到在實際應(yīng)用場景中,并不是所有特征都對跟蹤具有正反饋效果,如某些特征可以很好地匹配人物的正面姿態(tài),而某些特征則對側(cè)面姿態(tài)具有更好的識別能力。因此,可以在跟蹤過程中為不同特征賦予不同權(quán)重,以更好地適應(yīng)人物當(dāng)前的狀態(tài)變化。特征權(quán)重調(diào)整過程如下:〖JP〗(1)初始化M個Haarlike特征,每個特征的權(quán)值均為1/M。(2)在T幀時,計算當(dāng)前目標(biāo)Haarlike特征的協(xié)方差矩陣模型。(3)對搜索窗的每一個待定目標(biāo)計算相應(yīng)的M個Haarlike特征的協(xié)方差矩陣模型。(4)for i=1:M 計算待定目標(biāo)與當(dāng)前目標(biāo)的第i個Haarlike特征協(xié)方差矩陣之間的流形距離 若距離超過閾值,則其它M-1個Haarlike特征的權(quán)值增加1/M end(5)歸一化權(quán)重,計算加權(quán)距離值,取距離最近的待定目標(biāo)作為最終目標(biāo)。同時以當(dāng)前權(quán)值作為當(dāng)前M個Haarlike特征的權(quán)重。最后整個算法的主要流程如圖1所示。1.4 協(xié)方差矩陣特征模型更新假設(shè)當(dāng)前已有前T幀視頻序列的目標(biāo)模型,需要獲取下一幀所需要的目標(biāo)模型。最直觀的想法是使用已有目標(biāo)模型的均值作為新的目標(biāo)模型,由于協(xié)方差矩陣事實上是黎曼流形中的一點,因此可以使用黎曼流形中相應(yīng)的均值計算方法。Li等[17]提出了一種基于log-Euclidean黎曼測度的均值算法。該算法只需經(jīng)過基于矩陣的對數(shù)和指數(shù)運算即可得到協(xié)方差矩陣均值。相比于其它方法,該算法計算量少,計算速度快。其公式如下:

    1.5基于協(xié)方差矩陣的壓縮感知跟蹤算法實現(xiàn)

    (1)應(yīng)用協(xié)方差矩陣構(gòu)造壓縮后的基本特征模型。在利用CS理論選擇2~3個隨機矩形作為特征后,計算相應(yīng)矩形區(qū)域的協(xié)方差矩陣;計算協(xié)方差矩陣時,選擇每個像素的位置、梯度和顏色值來構(gòu)造7*7的CM;重復(fù)操作以得到多個壓縮后的特征模型。本文選擇重復(fù)100次。 (2)計算多組Haarlike特征的協(xié)方差矩陣特征值。 (3)檢索目標(biāo),確認最優(yōu)結(jié)果。對每一個待定目標(biāo),計算相應(yīng)Haarlike特征的協(xié)方差矩陣值,根據(jù)流形距離度量算法計算多個流形距離,應(yīng)用加權(quán)距離算法計算待定目標(biāo)距離,最終確定最優(yōu)目標(biāo)。 (4)若需要繼續(xù)跟蹤,則返回(2);否則,算法結(jié)束。

    2實驗 對比算法包括傳統(tǒng)的壓縮感知算法(CT)、基于局部搜索的協(xié)方差矩陣跟蹤算法(COV)和基于全局搜索的協(xié)方差矩陣跟蹤算法(GLOCOV)以及本文算法(WCTCOV),使用trackerbenchmark平臺的標(biāo)準(zhǔn)視頻幀序列basketball進行實驗。 實驗中,CT算法在首次發(fā)生干擾后丟失目標(biāo),且隨后不能自動找回;由于全局范圍內(nèi)干擾,GLOCOV多次丟失目標(biāo),但可以將其自動找回;COV算法則僅在局部搜索目標(biāo),跟蹤穩(wěn)定,準(zhǔn)確性不高;本文算法保持穩(wěn)定,且效果更好。實驗過程如圖2所示(彩圖見封三),青色為人工標(biāo)定的結(jié)果,紅色為本文算法結(jié)果,綠色為CT跟蹤結(jié)果,藍色為COV跟蹤結(jié)果,黑色為GLOCOV跟蹤結(jié)果。 圖3所示(彩圖見封三)為每一幀的目標(biāo)與人工標(biāo)定目標(biāo)的重合率。如圖所示,CT重合度很快下降,丟失目標(biāo),隨后跟蹤失??;WCTCOV算法始終保持較高的重合度,具有較好的魯棒性;COV與GLOCOV由于僅有搜索區(qū)域的差別,兩者在局部有相同的匹配結(jié)果,即圖中兩者多次重合;GLOCOV在全局搜索目標(biāo),當(dāng)干擾較多時,會匹配錯誤結(jié)果丟失目標(biāo),但可以快速將其找回。 表1所示為4種算法的有效目標(biāo)占比,以及有效目標(biāo)的平均重合率。其中有效目標(biāo)占比表示與標(biāo)定目標(biāo)有重合的幀數(shù)與視頻序列長度的比值。重合率表示重合區(qū)域占標(biāo)定目標(biāo)的百分比范圍。有效目標(biāo)占比可以直觀地說明算法跟蹤對目標(biāo)的識別能力,顯然,應(yīng)用協(xié)方差矩陣后,算法可以更多地識別到目標(biāo)。重合率可以說明算法跟蹤結(jié)果是否足夠準(zhǔn)確,顯然重合率高的更為準(zhǔn)確。因此,本文算法對目標(biāo)識別的準(zhǔn)確度同樣相對較高。 通過實驗可以得出結(jié)論,相較于原始的壓縮感知算法,使用協(xié)方差矩陣后,算法對于干擾、目標(biāo)快速運動等狀況有了更強的適應(yīng)能力,可以更多、更準(zhǔn)確地檢索到目標(biāo)。盡管如此,在實驗中當(dāng)干擾超過一定限度后,本文算法同樣會丟失目標(biāo)。當(dāng)前算法通過在上一幀目標(biāo)周圍的局部范圍內(nèi)搜索目標(biāo),以提高算法搜索速度,當(dāng)目標(biāo)超過該局部范圍時,算法并不能正確地尋找到目標(biāo)。因此,當(dāng)遮擋出現(xiàn)時,目標(biāo)丟失。在后續(xù)工作中,可以在目標(biāo)丟失時適當(dāng)增加搜索范圍,從而在一定程度上提高算法魯棒性。

    參考文獻:[1]DO T T,GAN L,NGUYEN N,et al.Sparsity adaptive matching pursuit algorithm for practical compressed sensing[C].Asilomar Conference on Signals,Systems and Computers,2008:581587.

    [2]BARANIUK R,DAVENPORT M,DEVORE R,et al.A simple proof of the restricted isometry property for random matrices[J].Constructive Approximation,2008,28(3):253263.

    [3]EMMANUEL C,LAURENT D,DAVID D,et al.Fast discrete curvelet transforms[J].Multiscale Modeling & Simulation,2006,5(3):861899.

    [4]YILMAZ A,JAVED O,SHAH M.Object tracking: a survey[J].Acm Computing Surveys,2006,38(4):8193.

    [5]侯志強,韓崇昭.視覺跟蹤技術(shù)綜述[J].Acta Automatica Sinica,2006,32(4):603617.

    [6]K CANNONS.A review of visual tracking[R].Technical Report.Computer Science and Engineering,York University,2008.

    [7]YANG H,SHAO L,ZHENG F,et al.Recent advances and trends in visual tracking: a review[J].Neurocomputing,2011,74(18):38233831.

    [8]ZHANG K,ZHANG L,YANG M H.Realtime compressive tracking[C].Computer Vision,2012:864877.

    [9]TUZEL O,PORIKLI F,MEER P.Region covariance: a fast descriptor for detection and classification[C].Computer VisionECCV 2006,European Conference on Computer Vision,Graz,Austria,2006:589600.〖ZK)〗[10]〖ZK(#〗GUO Q,WU C,F(xiàn)ENG Y,et al.Conjugate gradient algorithm for efficient covariance tracking with JensenBregman LogDet metric[J].Computer Vision Iet,2015,9(6):814820.

    [11]WANG D,LI L,LIU W,et al.Bayesian covariance tracking with adaptive feature selection[M].Advances in Neural Networks – ISNN 2014,2014:516523.

    [12]XIE Y H,WU C D.Covariance tracking algorithm on bilateral filtering under lie group structure[J].Applied Mechanics & Materials,2014 (6):682686.

    [13]ROMERO A,LACASSAGNE L,GOUIFFS M,et al.Covariance tracking: architecture optimizations for embedded systems[J].EURASIP Journal on Advances in Signal Processing,2014(1):115.

    [14]顧鑫,王華,李喆,等.基于積分協(xié)方差矩陣的粒子濾波目標(biāo)跟蹤[J].激光與紅外,2014(12):13841386.

    [15]謝英紅,吳成東.基于投影群和協(xié)方差流形雙重建模的目標(biāo)跟蹤[J].儀器儀表學(xué)報,2014,35(2):374379.

    [16]蘆鴻雁,趙方舟.基于協(xié)方差描述子的紅外目標(biāo)粒子濾波跟蹤算法[J].微電子學(xué)與計算機,2013,30(4):7174.

    [17]LI X,HU W,ZHANG Z,et al.Visual tracking via incremental logeuclidean riemannian subspace learning[C].Proc of IEEE Conference on Computer Version and Pattern Recognition,2008:18(責(zé)任編輯:黃?。?/p>

    Abstract:Compressed sensing is a new theory in the signal processing.It can extract the important features from lots of lowlevel features when it is used for object tracking.Traditional tracking algorithm based on compressed sensing used a simple target model to keep the speed.To improve its accuracy,a compressed sensing tracking algorithm based on covariance matrix has been proposed.First,Haar features are compressed.by compressed sensing.Second,based on covariance matrix,a new target model with more lowlevel features is obtained.Then,the neighborhood of the current target is searched and the best target is matched using the manifold distance measure.Finally,the proposed algorithm gets a better accuracy.Key Words:Compressed Sensing; Feature Fusion; Covariance Matrix; Haar Feature; LogEuclidean Riemann Measure

    猜你喜歡
    重合協(xié)方差底層
    2種SOFC-MGT底層循環(huán)系統(tǒng)性能對比分析
    論新感覺派小說的底層書寫
    名作欣賞(2021年24期)2021-08-30 07:02:32
    電力系統(tǒng)單回線自適應(yīng)重合閘的研究
    電子制作(2017年10期)2017-04-18 07:23:07
    不確定系統(tǒng)改進的魯棒協(xié)方差交叉融合穩(wěn)態(tài)Kalman預(yù)報器
    一種基于廣義協(xié)方差矩陣的欠定盲辨識方法
    考慮暫態(tài)穩(wěn)定優(yōu)化的自適應(yīng)重合閘方法
    回到現(xiàn)實底層與悲憫情懷
    小說林(2014年5期)2014-02-28 19:51:47
    220kV線路重合閘運行分析
    縱向數(shù)據(jù)分析中使用滑動平均Cholesky分解對回歸均值和協(xié)方差矩陣進行同時半?yún)?shù)建模
    關(guān)于協(xié)方差的U統(tǒng)計量檢驗法
    少妇猛男粗大的猛烈进出视频| 不卡视频在线观看欧美| 久久久欧美国产精品| 一个人免费看片子| 精品第一国产精品| 91精品三级在线观看| 人妻 亚洲 视频| 免费黄频网站在线观看国产| 国产爽快片一区二区三区| 欧美日韩亚洲高清精品| 新久久久久国产一级毛片| 亚洲少妇的诱惑av| 国产无遮挡羞羞视频在线观看| 久久精品国产综合久久久| www.熟女人妻精品国产| 美女福利国产在线| 91精品国产国语对白视频| 欧美人与善性xxx| 欧美日韩亚洲高清精品| 五月天丁香电影| 一边摸一边抽搐一进一出视频| 国产亚洲av高清不卡| 美女视频免费永久观看网站| 国产日韩欧美视频二区| 免费日韩欧美在线观看| 国产日韩欧美视频二区| 亚洲美女搞黄在线观看| 韩国av在线不卡| 国产日韩欧美视频二区| 一级a爱视频在线免费观看| 另类精品久久| 亚洲欧美一区二区三区国产| 老司机在亚洲福利影院| 日韩中文字幕欧美一区二区 | 只有这里有精品99| 交换朋友夫妻互换小说| 永久免费av网站大全| 高清黄色对白视频在线免费看| 午夜日本视频在线| 国产高清不卡午夜福利| 巨乳人妻的诱惑在线观看| 午夜福利视频在线观看免费| 人人妻,人人澡人人爽秒播 | 国产黄频视频在线观看| 久久国产精品大桥未久av| 丝袜人妻中文字幕| 99精品久久久久人妻精品| 中国三级夫妇交换| 一区二区av电影网| 少妇的丰满在线观看| 成人国语在线视频| av又黄又爽大尺度在线免费看| 你懂的网址亚洲精品在线观看| 亚洲,欧美精品.| 无遮挡黄片免费观看| 国产无遮挡羞羞视频在线观看| 建设人人有责人人尽责人人享有的| 午夜激情av网站| 一区二区三区激情视频| 晚上一个人看的免费电影| 亚洲精品中文字幕在线视频| 少妇 在线观看| 91精品伊人久久大香线蕉| 看免费av毛片| 一区二区三区四区激情视频| 亚洲欧洲日产国产| 亚洲av男天堂| 国产精品国产三级专区第一集| av网站免费在线观看视频| 母亲3免费完整高清在线观看| 久久精品亚洲av国产电影网| 天天躁夜夜躁狠狠久久av| 成年动漫av网址| 国产成人午夜福利电影在线观看| 巨乳人妻的诱惑在线观看| 18禁动态无遮挡网站| 国产欧美日韩一区二区三区在线| 国产在线免费精品| 在线观看免费午夜福利视频| 色播在线永久视频| 精品一区二区三卡| 永久免费av网站大全| av又黄又爽大尺度在线免费看| 丝袜美足系列| 国产淫语在线视频| 国产成人精品无人区| 久久久精品国产亚洲av高清涩受| 国产免费视频播放在线视频| 国产亚洲精品第一综合不卡| 制服丝袜香蕉在线| 亚洲激情五月婷婷啪啪| 欧美最新免费一区二区三区| 国产在线一区二区三区精| 建设人人有责人人尽责人人享有的| 国产亚洲一区二区精品| 国产在线视频一区二区| 亚洲国产av影院在线观看| 午夜91福利影院| 日韩制服丝袜自拍偷拍| 国产av精品麻豆| 美女主播在线视频| 精品卡一卡二卡四卡免费| 久久久久久久国产电影| 国产有黄有色有爽视频| 国产精品人妻久久久影院| 又黄又粗又硬又大视频| 午夜免费观看性视频| 天天操日日干夜夜撸| 欧美日韩亚洲国产一区二区在线观看 | 精品少妇黑人巨大在线播放| 久久久亚洲精品成人影院| 国产成人啪精品午夜网站| 国产精品99久久99久久久不卡 | 久久久久人妻精品一区果冻| 狂野欧美激情性bbbbbb| 久久久精品免费免费高清| 视频在线观看一区二区三区| 青青草视频在线视频观看| 欧美成人午夜精品| 久久久亚洲精品成人影院| 少妇人妻久久综合中文| 亚洲精品国产av成人精品| 熟妇人妻不卡中文字幕| 色94色欧美一区二区| 久久久精品国产亚洲av高清涩受| 五月天丁香电影| 免费黄频网站在线观看国产| 免费女性裸体啪啪无遮挡网站| 香蕉国产在线看| 国产免费视频播放在线视频| 91成人精品电影| 欧美激情高清一区二区三区 | 另类亚洲欧美激情| 国产一区二区三区av在线| 日韩成人av中文字幕在线观看| 妹子高潮喷水视频| 成年人免费黄色播放视频| 亚洲国产av新网站| 中文字幕精品免费在线观看视频| 考比视频在线观看| 久久这里只有精品19| 中文字幕精品免费在线观看视频| 久久天堂一区二区三区四区| 亚洲免费av在线视频| 日本欧美国产在线视频| 18禁国产床啪视频网站| 日韩一卡2卡3卡4卡2021年| 国产精品嫩草影院av在线观看| 日本欧美视频一区| 午夜福利网站1000一区二区三区| 午夜久久久在线观看| 日韩 亚洲 欧美在线| 在线精品无人区一区二区三| 日韩伦理黄色片| 午夜91福利影院| 亚洲第一av免费看| 青草久久国产| 日本欧美国产在线视频| 欧美精品高潮呻吟av久久| 精品一品国产午夜福利视频| 国产亚洲av片在线观看秒播厂| 久久毛片免费看一区二区三区| 九草在线视频观看| 人妻一区二区av| 国产成人精品在线电影| 国产女主播在线喷水免费视频网站| 美女主播在线视频| 热99国产精品久久久久久7| 日韩精品免费视频一区二区三区| 91国产中文字幕| 午夜福利视频精品| 国产xxxxx性猛交| 免费人妻精品一区二区三区视频| 国产视频首页在线观看| 婷婷成人精品国产| 满18在线观看网站| 日日爽夜夜爽网站| 天天躁狠狠躁夜夜躁狠狠躁| 成人黄色视频免费在线看| 精品少妇久久久久久888优播| 丝袜在线中文字幕| 久久人妻熟女aⅴ| 美女扒开内裤让男人捅视频| 亚洲国产欧美日韩在线播放| 在线看a的网站| 成人影院久久| 在线 av 中文字幕| 国产精品国产三级国产专区5o| 国产麻豆69| 高清av免费在线| 王馨瑶露胸无遮挡在线观看| 久久精品亚洲熟妇少妇任你| av线在线观看网站| 国产在线视频一区二区| 国产精品一国产av| 国产人伦9x9x在线观看| 免费在线观看视频国产中文字幕亚洲 | 亚洲自偷自拍图片 自拍| 国产无遮挡羞羞视频在线观看| 欧美成人午夜精品| 精品亚洲成国产av| 高清欧美精品videossex| 可以免费在线观看a视频的电影网站 | 99热网站在线观看| 桃花免费在线播放| 国产精品欧美亚洲77777| 日韩免费高清中文字幕av| 在线亚洲精品国产二区图片欧美| 国产伦人伦偷精品视频| av国产精品久久久久影院| 亚洲图色成人| 又大又爽又粗| 国产片特级美女逼逼视频| 亚洲精华国产精华液的使用体验| 亚洲av男天堂| 国产日韩欧美视频二区| 天堂中文最新版在线下载| av一本久久久久| 另类精品久久| av网站免费在线观看视频| 啦啦啦中文免费视频观看日本| www.自偷自拍.com| 一区二区三区精品91| 久久韩国三级中文字幕| 中文字幕亚洲精品专区| 91成人精品电影| 久久精品熟女亚洲av麻豆精品| 丝袜在线中文字幕| 免费黄频网站在线观看国产| 亚洲精品美女久久av网站| 国产精品亚洲av一区麻豆 | a级毛片在线看网站| 亚洲,一卡二卡三卡| 丝袜喷水一区| 两性夫妻黄色片| 免费在线观看视频国产中文字幕亚洲 | 一级a爱视频在线免费观看| 亚洲av日韩精品久久久久久密 | 搡老乐熟女国产| 亚洲伊人色综图| av在线观看视频网站免费| 高清欧美精品videossex| 国产精品久久久人人做人人爽| 亚洲第一区二区三区不卡| 国产精品亚洲av一区麻豆 | 婷婷成人精品国产| 亚洲国产看品久久| 国产探花极品一区二区| 亚洲精品,欧美精品| 亚洲av电影在线观看一区二区三区| 欧美日韩亚洲高清精品| 亚洲av中文av极速乱| 成人漫画全彩无遮挡| 欧美日韩亚洲高清精品| 18在线观看网站| 日韩欧美精品免费久久| 亚洲国产精品999| 性少妇av在线| 久久久久久久国产电影| 在线观看免费日韩欧美大片| a 毛片基地| 女性生殖器流出的白浆| 国产人伦9x9x在线观看| 午夜免费观看性视频| 少妇人妻 视频| 午夜激情av网站| 美女脱内裤让男人舔精品视频| www.精华液| 久久精品国产a三级三级三级| 国产成人精品久久二区二区91 | 国产一卡二卡三卡精品 | 久热爱精品视频在线9| 国产免费现黄频在线看| 一区在线观看完整版| 99久久精品国产亚洲精品| 亚洲av电影在线观看一区二区三区| 日本av手机在线免费观看| 亚洲精品在线美女| 亚洲精品自拍成人| 无限看片的www在线观看| 国产在线免费精品| 丰满乱子伦码专区| 精品一品国产午夜福利视频| 成人国产av品久久久| 又大又爽又粗| 免费黄色在线免费观看| 美女脱内裤让男人舔精品视频| 国产人伦9x9x在线观看| av视频免费观看在线观看| 国产成人91sexporn| 热re99久久精品国产66热6| 亚洲第一区二区三区不卡| 中文字幕高清在线视频| 18禁国产床啪视频网站| 99精品久久久久人妻精品| 日韩中文字幕视频在线看片| 国产 一区精品| 欧美国产精品一级二级三级| 久久久久精品性色| 高清在线视频一区二区三区| 久久免费观看电影| 免费在线观看视频国产中文字幕亚洲 | 99热全是精品| 大话2 男鬼变身卡| 9191精品国产免费久久| 九草在线视频观看| 我的亚洲天堂| 午夜福利,免费看| 爱豆传媒免费全集在线观看| 精品亚洲乱码少妇综合久久| 又大又爽又粗| 亚洲精品第二区| 国产熟女欧美一区二区| 毛片一级片免费看久久久久| 欧美黑人欧美精品刺激| 夫妻午夜视频| 国产野战对白在线观看| 少妇人妻久久综合中文| 久久久久久久大尺度免费视频| 欧美激情高清一区二区三区 | 欧美激情高清一区二区三区 | 少妇被粗大的猛进出69影院| 十八禁人妻一区二区| 黄片播放在线免费| 国产精品免费视频内射| 精品人妻在线不人妻| 免费高清在线观看视频在线观看| 色吧在线观看| 在线免费观看不下载黄p国产| 成人午夜精彩视频在线观看| 色精品久久人妻99蜜桃| 成人国产麻豆网| 99久久99久久久精品蜜桃| 国产一区有黄有色的免费视频| 看十八女毛片水多多多| 婷婷色综合大香蕉| 中文字幕精品免费在线观看视频| 97在线人人人人妻| 国产免费现黄频在线看| 男女边吃奶边做爰视频| 日韩 亚洲 欧美在线| 看免费成人av毛片| 菩萨蛮人人尽说江南好唐韦庄| 精品少妇内射三级| av在线老鸭窝| 成人黄色视频免费在线看| 久久青草综合色| 日本91视频免费播放| 亚洲国产精品一区二区三区在线| 视频区图区小说| 一本大道久久a久久精品| 日日啪夜夜爽| 欧美日韩综合久久久久久| 亚洲一级一片aⅴ在线观看| 最近中文字幕高清免费大全6| 日韩制服丝袜自拍偷拍| 欧美精品一区二区大全| 久久午夜综合久久蜜桃| 两个人免费观看高清视频| 欧美xxⅹ黑人| 亚洲欧洲日产国产| 亚洲熟女毛片儿| 色网站视频免费| 久久综合国产亚洲精品| www.自偷自拍.com| 丝袜人妻中文字幕| 久久青草综合色| 另类精品久久| 色94色欧美一区二区| 大码成人一级视频| 97人妻天天添夜夜摸| 欧美激情 高清一区二区三区| 国产精品偷伦视频观看了| 校园人妻丝袜中文字幕| 成人午夜精彩视频在线观看| svipshipincom国产片| 久久精品熟女亚洲av麻豆精品| 国产欧美日韩综合在线一区二区| 在线亚洲精品国产二区图片欧美| 青草久久国产| 丝袜在线中文字幕| 只有这里有精品99| 久久精品久久久久久久性| 欧美精品一区二区大全| 国产 精品1| 久久精品国产亚洲av高清一级| 国产1区2区3区精品| 国产成人精品福利久久| 久久97久久精品| 国产一区二区三区综合在线观看| xxxhd国产人妻xxx| 不卡视频在线观看欧美| 黑人欧美特级aaaaaa片| 中文字幕人妻丝袜一区二区 | 在线观看一区二区三区激情| 国产一区亚洲一区在线观看| 纯流量卡能插随身wifi吗| av网站免费在线观看视频| bbb黄色大片| 亚洲色图 男人天堂 中文字幕| 99久久99久久久精品蜜桃| 欧美变态另类bdsm刘玥| 国产成人91sexporn| 性色av一级| 亚洲欧美精品自产自拍| 久久99热这里只频精品6学生| 亚洲图色成人| 交换朋友夫妻互换小说| 亚洲婷婷狠狠爱综合网| kizo精华| 精品一区二区免费观看| 亚洲欧美激情在线| 大陆偷拍与自拍| 日本猛色少妇xxxxx猛交久久| 亚洲图色成人| 日韩大码丰满熟妇| 不卡av一区二区三区| 国产男女超爽视频在线观看| 国产片内射在线| avwww免费| 亚洲一级一片aⅴ在线观看| 又黄又粗又硬又大视频| 国产在线视频一区二区| 亚洲综合色网址| 亚洲成人一二三区av| 成年美女黄网站色视频大全免费| 热re99久久国产66热| 色94色欧美一区二区| 嫩草影院入口| 男女免费视频国产| 777久久人妻少妇嫩草av网站| 天堂中文最新版在线下载| 不卡av一区二区三区| 国产女主播在线喷水免费视频网站| 99九九在线精品视频| 波野结衣二区三区在线| 国语对白做爰xxxⅹ性视频网站| 亚洲成人av在线免费| 欧美乱码精品一区二区三区| 亚洲av日韩在线播放| 美女国产高潮福利片在线看| 亚洲精品视频女| 黄网站色视频无遮挡免费观看| 成人手机av| 成年av动漫网址| 性少妇av在线| 午夜福利乱码中文字幕| 黄色怎么调成土黄色| 国产在线免费精品| 一级毛片我不卡| 国产伦人伦偷精品视频| 韩国av在线不卡| 黄片无遮挡物在线观看| 在线亚洲精品国产二区图片欧美| 亚洲色图 男人天堂 中文字幕| 九色亚洲精品在线播放| 亚洲美女黄色视频免费看| 国产精品一二三区在线看| 亚洲精品,欧美精品| 久久精品久久久久久久性| 亚洲人成电影观看| 嫩草影视91久久| 国产男人的电影天堂91| 日韩视频在线欧美| 久久ye,这里只有精品| 亚洲,欧美精品.| 卡戴珊不雅视频在线播放| 欧美日韩综合久久久久久| 欧美 亚洲 国产 日韩一| 天天操日日干夜夜撸| 在线免费观看不下载黄p国产| 青草久久国产| 十八禁高潮呻吟视频| 大片电影免费在线观看免费| 亚洲欧美成人精品一区二区| av在线播放精品| 夫妻性生交免费视频一级片| 五月天丁香电影| 亚洲精品自拍成人| 丝袜在线中文字幕| 日日撸夜夜添| 美女中出高潮动态图| www.精华液| 久久久久精品人妻al黑| 又黄又粗又硬又大视频| av在线观看视频网站免费| 男人舔女人的私密视频| 成人三级做爰电影| 十八禁网站网址无遮挡| 无限看片的www在线观看| 亚洲av国产av综合av卡| 999精品在线视频| 日日撸夜夜添| 日韩欧美一区视频在线观看| 久久99热这里只频精品6学生| 国产在线免费精品| 我要看黄色一级片免费的| 纵有疾风起免费观看全集完整版| 午夜激情av网站| 婷婷色综合大香蕉| 欧美97在线视频| 国产男女内射视频| 亚洲成av片中文字幕在线观看| 国产成人a∨麻豆精品| 天堂中文最新版在线下载| 最近的中文字幕免费完整| 亚洲天堂av无毛| 亚洲国产精品国产精品| 久久久国产一区二区| 尾随美女入室| 男男h啪啪无遮挡| 成年美女黄网站色视频大全免费| 秋霞在线观看毛片| 日韩伦理黄色片| 欧美av亚洲av综合av国产av | 97在线人人人人妻| www.精华液| www.av在线官网国产| 婷婷色综合www| 亚洲精品日韩在线中文字幕| 飞空精品影院首页| 亚洲综合色网址| 老汉色av国产亚洲站长工具| 亚洲四区av| 亚洲人成电影观看| 精品亚洲成国产av| 欧美精品av麻豆av| 波野结衣二区三区在线| 亚洲五月色婷婷综合| 国产麻豆69| 国产又色又爽无遮挡免| 中文字幕av电影在线播放| 男女之事视频高清在线观看 | 女人被躁到高潮嗷嗷叫费观| 国产男人的电影天堂91| 男女床上黄色一级片免费看| 2021少妇久久久久久久久久久| 国产极品天堂在线| 丝瓜视频免费看黄片| 精品少妇久久久久久888优播| 女性生殖器流出的白浆| 中文字幕精品免费在线观看视频| 免费女性裸体啪啪无遮挡网站| 美国免费a级毛片| 51午夜福利影视在线观看| 美女国产高潮福利片在线看| 最新的欧美精品一区二区| 最近的中文字幕免费完整| 午夜日本视频在线| 一二三四在线观看免费中文在| 老鸭窝网址在线观看| 麻豆精品久久久久久蜜桃| a级毛片在线看网站| 亚洲一区中文字幕在线| 高清黄色对白视频在线免费看| 久久 成人 亚洲| 国产成人一区二区在线| 亚洲欧洲精品一区二区精品久久久 | videosex国产| 久热爱精品视频在线9| 极品人妻少妇av视频| av视频免费观看在线观看| 卡戴珊不雅视频在线播放| 在线观看免费高清a一片| 久久精品国产亚洲av高清一级| 久久久久久免费高清国产稀缺| 性少妇av在线| 欧美老熟妇乱子伦牲交| 久久韩国三级中文字幕| 男女免费视频国产| 悠悠久久av| 夫妻午夜视频| 久久精品人人爽人人爽视色| 一边摸一边做爽爽视频免费| 99热网站在线观看| 国产精品久久久人人做人人爽| 精品少妇久久久久久888优播| 女人久久www免费人成看片| 9热在线视频观看99| 国产麻豆69| 国产毛片在线视频| 亚洲自偷自拍图片 自拍| 69精品国产乱码久久久| 国产乱人偷精品视频| 中文精品一卡2卡3卡4更新| 亚洲精品一二三| 女人爽到高潮嗷嗷叫在线视频| 超色免费av| 极品少妇高潮喷水抽搐| av又黄又爽大尺度在线免费看| 精品亚洲成国产av| 制服人妻中文乱码| 亚洲七黄色美女视频| 三上悠亚av全集在线观看| 久久久精品94久久精品| 黑丝袜美女国产一区| 日韩一区二区三区影片| 国产一区二区在线观看av| 亚洲精华国产精华液的使用体验| 人妻人人澡人人爽人人| 18在线观看网站| 巨乳人妻的诱惑在线观看| 丁香六月欧美| av在线观看视频网站免费| 精品国产一区二区三区四区第35| 国产成人啪精品午夜网站| 欧美日韩亚洲综合一区二区三区_| 国产精品一区二区精品视频观看| 国产一区二区三区av在线| 乱人伦中国视频| 国产日韩一区二区三区精品不卡| 国产在线免费精品| 国产精品久久久久久精品电影小说| 香蕉国产在线看| 久热这里只有精品99|