• <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 ?

    基于深度運動圖的人體行為識別

    2017-07-19 11:38:55史東承李延林
    長春工業(yè)大學學報 2017年3期
    關鍵詞:正則識別率人體

    史東承, 李延林

    (長春工業(yè)大學 計算機科學與工程學院, 吉林 長春 130012)

    ?

    基于深度運動圖的人體行為識別

    史東承, 李延林*

    (長春工業(yè)大學 計算機科學與工程學院, 吉林 長春 130012)

    將人體行為深度映射圖(depth map)連續(xù)投影到3個互相垂直的笛卡爾平面,然后對投影做絕對差分,累積各自投影面的差分圖像,得到完整的人體行為三維信息----深度運動圖(Depth Motion Maps, DMMs)。利用MSRAction dataset和3D Action Pairs dataset進行訓練以獲取人體行為字典。在識別未知動作時,利用Tikhonov矩陣計算得出權重系數向量。最后,利用L2范式正則化協同表示對待識別動作進行分類。通過上述兩個數據庫的驗證,分別達到了95.3%和83.8%的平均識別率,已經達到對DMMs的較高識別率。

    人體行為; 識別; 深度運動圖; L2范式

    0 引 言

    人體行為識別[1]是計算機視覺領域的熱門研究方向之一。傳統方法在獲取人體行為時,多使用二維視頻,致使人體行為在三維空間中的動作信息在初始場景下就已經丟失了部分信息。并且由于傳統攝像機拍攝的視頻多受光照的影響,傳統方法不得不對光照進行二次處理,造成人體行為信息的再次損失。隨著RGBD攝像機以及深度傳感器[2]的使用(如Kinect等),在源頭獲取人體行為的三維信息變得十分便捷,所得深度圖像序列也對光照不敏感,在信息的處理上不必處理光照產生的影響。正是由于人體行為信息由二維轉向了三維,讓人體行為的處理方式也更加多樣和靈活化。

    文中正是利用此種優(yōu)勢提出了DMMs進行人體行為識別。將人體行為特征的三維信息作為特征向量,并利用L2范式正則化協同表示分類器進行分類。算法流程如圖1所示。

    圖1 算法流程圖

    1 深度運動圖

    1.1 深度運動圖的生成

    深度映射圖是由RGBD攝像機拍攝所得,以往常常用來構建物體的三維信息和三維結構。文中通過利用RGBD攝像機獲取人體行為視頻,使視頻擁有人體行為的三維信息。通過MSRAction3D[3]和3D Action Pairs 兩個數據庫的深度運動圖(DMM),將DMM在3個互相垂直的笛卡爾平面上做二維投影,投影視角為前視(front view)、側視(side view)和俯視(top view),所得DMM記為DMMf、DMMs和DMMt,分別如圖2和圖3所示。

    圖2 Tennis Serve 圖3 Side Kick

    假設一個深度視頻有N個幀組成,每一幀在其投影視角下的二維投影記為Mapv,則

    (1)

    1≤a

    式中:i----視頻序列在視角v下的的第i幀(注意:為了去除DMM的冗余信息,即視頻幀的起始幀和結尾幀都含有一些動作幅度不是很大的幀,文中建議去除這些幀,以提升輸入信息的有效性)。

    1.2 深度運動圖特征向量的生成

    從圖2和圖3可以看出,DMM在3個維度上的投影綜合在一起具有很高的辨識度。文中正是利用這一特性,將生成的DMM作為人體行為的特征向量。因拍攝人體時攝像機距離人體的遠近及拍攝人物的高度、胖瘦各有不同,會造成拍攝的不同視頻序列經投影變換后,所得DMM的尺寸各不相同。這里,將利用雙三次插值法對DMM的尺寸進行重新調整。

    2 L2范式正則化協同表示分類

    2.1 稀疏表示方法

    稀疏編碼[4]是從人眼視覺系統研究開發(fā)得來,它是一種高效合理的編碼方式。稀疏編碼在人臉識別[5]及圖像分類[6]中都獲得了不錯的成績。稀疏編碼分類的核心思想是使用訓練樣本生成過完備字典,并利用過完備字典對測試樣本進行稀疏表示。最后,計算測試樣本與稀疏編碼的差值,最小差值即可表示其所表示的類別。

    (2)

    (3)

    式中:θ----正則化尺度參數,是用來平衡稀疏項的影響。

    測試樣本g類別標簽,則利用公式

    (4)

    進行計算,然后利用公式

    (5)

    得出測試樣本g所屬類別。

    2.2 L2范式正則化協同表示方法

    (6)

    λ表示正則化參數,L[9]表示Tikhnov[10]正則化矩陣,L的表達式如下

    (7)

    (8)

    3 實驗結果

    3.1 實驗數據

    文中使用Matlab進行算法仿真,使用MSRAction3D dataset進行算法準確度評估,并與當前主流算法進行比對。MSRAction3D dataset包含10個人,每個人做20種不同的動作,且每個人做的每一種動作都會重復2~3次,這么做的目的是為了提升訓練后的類內多樣性,以提升識別率。首先將MSRAction3D dataset分成3個組,每個組中所包含的動作見表1。

    表1 MSRAction3D dataset 3組動作分組

    表1中,我們將3組動作中的每組動作都進行測試1組、測試2組和交叉測試組試驗。在測試1組中,每個人執(zhí)行的第1個動作作為訓練數據,后兩個動作作為測試數據。測試2組,每個人執(zhí)行的前兩個動作作為訓練數據,最后一個作為測試數據。在交叉測試組,1、3、5、7、9這5個人的動作作為訓練數據,2、4、6、8、10這5個人的動作作為測試數據。由于不同人做不同動作時,頻率、力度和幅度各有不同,易造成識別誤差,因此,交叉測試組的結果比其他兩個組更能表明算法的魯棒性。

    為了進一步說明本方法對相似動作的識別較有優(yōu)勢,文中還引入了另一個數據庫3D Action Pairs dataset。此數據庫內動作由10個人做出,每人每個動作做3次,動作內容見表2。

    表2 3D Action Pairs dataset所包含的動作

    實驗中,將數據庫里每個動作類別的前5個人所做的動作作為訓練集,剩余5個人的動作作為測試集。部分3D Action Pairs dataset內的動作視圖如圖4所示。

    圖4 3D Action Pairs dataset圖像示例

    3.2 實驗結果

    使用MSRAction3D dataset與主流的3種方法進行識別準確率評估。文中方法與主流方法識別率比對見表3。

    表3 文中方法與主流方法識別率比對

    從表3可以看出,文中提出的方法在3組測試中都有比較明顯的優(yōu)勢,尤其是最具挑戰(zhàn)性的交叉測試組,文中的平均識別率都明顯優(yōu)于其他3種方法,可見基于DMMs的人體行為識別在相似動作識別上依然有很強的魯棒性。

    為了進一步說明文中方法在相似動作中的識別優(yōu)勢,我們使用3D Action Pairs dataset作為數據庫,使用算法分別為Skeleton+LOP和文中算法作比較。以下兩張混淆矩陣即為這兩種算法的比較,分別如圖5和圖6所示。

    圖5 Skeleton+LOP

    圖6 文中方法

    從圖5和圖6可以看出,以Skeleton+LOP所形成的算法在3D Action Pairs dataset處于較為明顯的劣勢。文中所提的方法在Lift a box, Push a chair, Take off a hat, Put on a backpack以及Take off a backpack這5個動作中略微差一些,但在其他7個動作中都占有優(yōu)勢,尤其是在Pickup a box, Put down a box以及Remove a poster這3個動作中都占據絕對的識別優(yōu)勢。

    可見本方法不僅在MSRAction dataset有著不錯的識別率,在3D Action Pairs dataset這樣動作十分相似的數據庫實驗中依然可以達到不錯的識別率。足見文中提出的算法在類內多樣性和類間區(qū)分上有著不錯的魯棒性。

    [1] Cheng G, Wan Y, Saudagar A N, et al. Advances in human action recognition:A survey[J]. Computer Science,2015(1):1-30.

    [2] 陳萬軍,張二虎.基于深度信息的人體動作識別研究綜述[J].西安理工大學學報,2015(3):253-264.

    [3] Wang J, Liu Z, Wu Y, et al. Mining actionlet ensemble for action recognition with depth cameras[C]// IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society,2012:1290-1297.

    [4] Wright J, Yang A Y, Ganesh A, et al. Robust face recognition via sparse representation[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence,2009,31(2):210-227.

    [5] Gao S, Tsang W H, Chia L T. Kernel sparse representation for image classification and face recognition[C]//Computer Vision -ECCV,2010:1-14.

    [6] Yang J, Yu K, Gong Y, et al. Linear spatial pyramid matching using sparse coding for image classification[C]//IEEE,2009:1794-1801.

    [7] Wright J, Ma Y. Dense error correction via l1-minimization[C]// IEEE International Conference on Acoustics. IEEE Computer Society,2009:3033-3036.

    [8] Lei Zhang, Meng Yang, Xiangchu Feng. Sparse representation or collaborative representation: Which helps face recognition[C]// International Conference on Computer Vision. IEEE Computer Society,2011:471-478.

    [9] Chen C, Tramel E W, Fowler J E. Compressed-sensing recovery of images and video using multihypothesis predictions[C]// Conference on Circuits. IEEE,2011:1193-1198.

    [10] Golub G H, Hansen P C, O′Leary D P. Tikhonov regularization and total least squares[J]. Siam Journal on Matrix Analysis & Applications,2010,21(1):185-194.

    [11] Lu Xia, Chia Chih Chen, Aggarwal J K. View invariant human action recognition using histograms of 3D joints[C]//Computer Vision and Pattern Recognition Workshops,2012.

    [12] Yang X, Tian Y L. EigenJoints-based action recognition using Naive-Bayes-Nearest-Neighbor[J]. Perceptual & Motor Skills,2012,38(3c):14-19.

    [13] Li W, Zhang Z, Liu Z. Action recognition based on a bag of 3D points[J]. Advances in Artificial Intelligence,2016:3-14.

    Human action recognition based on depth motion maps

    SHI Dongcheng, LI Yanlin*

    (School of Computer Science and Engineering, Changchun University of Technology, Changchun 130012, China)

    Human action depth maps are projected continuously to three perpendicular Descartes plane. The projections are absolute differentiated and cumulated to obtain complete 3D information of human action which is called the Depth Motion Maps (DMMs). With MSRAction dataset and 3D Action Pairs software, DMMs is trained to get the human action dictionary. When the unidentified human action is input, weight coefficients are calculated by using the Tikhonov matrix, and then L2-regularized collaborative representation classifier is used to classify the actions. Two data-set experiments indicate that the average recognition rates is 95.3% and 83.8% respectively.

    human action; recognition; depth motion maps; L2-regularized.

    2017-03-21

    吉林省教育廳“十三五”規(guī)劃項目(吉教科合字[2016]第349號)

    史東承(1959-),男,漢族,吉林長春人,長春工業(yè)大學教授,碩士,主要從事圖像處理與機器視覺方向研究,E-mail:shidongchen@ccut.edu.cn. *通訊作者:李延林(1990-),男,朝鮮族,吉林通化人,長春工業(yè)大學碩士研究生,主要從事圖像處理與機器視覺方向研究,E-mail:balinshitou@163.com.

    10.15923/j.cnki.cn22-1382/t.2017.3.12

    TP 391

    A

    1674-1374(2017)03-0276-06

    猜你喜歡
    正則識別率人體
    人體“修補匠”
    人體冷知識(一)
    排便順暢,人體無毒一身輕
    基于類圖像處理與向量化的大數據腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    基于真耳分析的助聽器配戴者言語可懂度指數與言語識別率的關系
    剩余有限Minimax可解群的4階正則自同構
    類似于VNL環(huán)的環(huán)
    數學雜志(2018年5期)2018-09-19 08:13:48
    奇妙的人體止咳點
    特別健康(2018年3期)2018-07-04 00:40:10
    提升高速公路MTC二次抓拍車牌識別率方案研究
    高速公路機電日常維護中車牌識別率分析系統的應用
    日本三级黄在线观看| 久久人人精品亚洲av| 91av网一区二区| 亚洲国产欧洲综合997久久,| 最近最新免费中文字幕在线| 欧美国产日韩亚洲一区| 看免费成人av毛片| 91av网一区二区| av在线天堂中文字幕| 久久九九热精品免费| 日韩欧美在线二视频| 久久精品国产亚洲av涩爱 | 国产色婷婷99| av在线蜜桃| 久久久成人免费电影| 一个人免费在线观看电影| 国产美女午夜福利| 日韩一区二区视频免费看| 亚洲电影在线观看av| 男人舔女人下体高潮全视频| 欧美黑人巨大hd| 老司机午夜福利在线观看视频| 欧美高清成人免费视频www| 日本黄色视频三级网站网址| 国产爱豆传媒在线观看| 国产视频一区二区在线看| 婷婷色综合大香蕉| 超碰av人人做人人爽久久| 在线免费观看不下载黄p国产 | 偷拍熟女少妇极品色| 亚洲人与动物交配视频| 麻豆一二三区av精品| 亚洲成人久久性| 亚州av有码| www.www免费av| 精品日产1卡2卡| 国产精品亚洲美女久久久| 国产三级中文精品| 哪里可以看免费的av片| 国产成人aa在线观看| 一级av片app| 亚洲不卡免费看| 久久午夜亚洲精品久久| 校园春色视频在线观看| 欧美区成人在线视频| 男女做爰动态图高潮gif福利片| 日韩av在线大香蕉| 久久久久久久久久久丰满 | 极品教师在线免费播放| 免费看av在线观看网站| 国产午夜精品论理片| 午夜福利在线在线| 岛国在线免费视频观看| 99热这里只有精品一区| 看十八女毛片水多多多| 他把我摸到了高潮在线观看| 男人和女人高潮做爰伦理| 黄色欧美视频在线观看| 久久热精品热| 美女xxoo啪啪120秒动态图| 国产亚洲欧美98| 韩国av一区二区三区四区| 久久久午夜欧美精品| 欧美日韩中文字幕国产精品一区二区三区| 成人性生交大片免费视频hd| netflix在线观看网站| 男人舔奶头视频| 国国产精品蜜臀av免费| 三级毛片av免费| 看片在线看免费视频| 男人舔奶头视频| 亚洲性夜色夜夜综合| 性欧美人与动物交配| 国产午夜精品论理片| 精品久久久久久,| 亚洲av一区综合| 干丝袜人妻中文字幕| 亚洲性久久影院| 亚洲精品日韩av片在线观看| 欧美成人一区二区免费高清观看| 精品一区二区三区av网在线观看| 大型黄色视频在线免费观看| 一夜夜www| 中文字幕免费在线视频6| 成人国产综合亚洲| 美女高潮喷水抽搐中文字幕| 别揉我奶头~嗯~啊~动态视频| 亚洲三级黄色毛片| 男人舔奶头视频| 美女xxoo啪啪120秒动态图| 国产精品伦人一区二区| 在线天堂最新版资源| 国产精品伦人一区二区| 在线观看舔阴道视频| 国产 一区精品| 一夜夜www| 亚洲美女搞黄在线观看 | 成人国产麻豆网| 欧美成人a在线观看| 国产av一区在线观看免费| 在线a可以看的网站| 99久久精品热视频| 熟女人妻精品中文字幕| 成人高潮视频无遮挡免费网站| 国产不卡一卡二| 毛片一级片免费看久久久久 | 亚洲国产精品sss在线观看| 女人十人毛片免费观看3o分钟| 亚洲人成网站在线播| 婷婷精品国产亚洲av| 久久久久久伊人网av| 禁无遮挡网站| 精品久久久久久久人妻蜜臀av| 日本五十路高清| 日本a在线网址| 精品99又大又爽又粗少妇毛片 | 人妻少妇偷人精品九色| 久久久久国产精品人妻aⅴ院| 热99在线观看视频| 午夜爱爱视频在线播放| 伊人久久精品亚洲午夜| 国产精品人妻久久久影院| 亚洲欧美日韩高清专用| 国产aⅴ精品一区二区三区波| 中文资源天堂在线| 女同久久另类99精品国产91| 久久精品人妻少妇| 一区福利在线观看| 超碰av人人做人人爽久久| 成年免费大片在线观看| 国产在线男女| 亚洲第一区二区三区不卡| 精华霜和精华液先用哪个| 亚洲国产欧美人成| 国产成人av教育| 成人美女网站在线观看视频| 亚洲成人免费电影在线观看| 日韩欧美一区二区三区在线观看| 最近视频中文字幕2019在线8| 最后的刺客免费高清国语| 亚洲avbb在线观看| 免费无遮挡裸体视频| 美女大奶头视频| 国产黄色小视频在线观看| 欧美3d第一页| 伦精品一区二区三区| 国产乱人伦免费视频| 五月伊人婷婷丁香| 国内毛片毛片毛片毛片毛片| 美女高潮的动态| 亚洲成av人片在线播放无| 人人妻,人人澡人人爽秒播| 欧美日韩中文字幕国产精品一区二区三区| 国产精品嫩草影院av在线观看 | 中国美白少妇内射xxxbb| 婷婷精品国产亚洲av在线| 国产精品一区二区三区四区久久| 最后的刺客免费高清国语| 一卡2卡三卡四卡精品乱码亚洲| 看片在线看免费视频| 波野结衣二区三区在线| 色在线成人网| 日韩强制内射视频| 久久午夜亚洲精品久久| 亚洲av不卡在线观看| av专区在线播放| 亚洲色图av天堂| 日本免费一区二区三区高清不卡| 久久亚洲精品不卡| av视频在线观看入口| 国产日本99.免费观看| 黄色配什么色好看| 十八禁网站免费在线| x7x7x7水蜜桃| h日本视频在线播放| 国产国拍精品亚洲av在线观看| 啦啦啦啦在线视频资源| 又紧又爽又黄一区二区| 免费观看人在逋| 欧洲精品卡2卡3卡4卡5卡区| 午夜福利在线在线| 国产精品久久视频播放| 中国美白少妇内射xxxbb| 久久久成人免费电影| 日韩 亚洲 欧美在线| 日韩精品中文字幕看吧| 丰满乱子伦码专区| 一本精品99久久精品77| 深夜a级毛片| 免费观看的影片在线观看| 中文字幕av在线有码专区| 一区福利在线观看| 午夜爱爱视频在线播放| 黄色一级大片看看| 国产精品三级大全| 国产综合懂色| 色噜噜av男人的天堂激情| 国内精品宾馆在线| 网址你懂的国产日韩在线| 欧美精品国产亚洲| 极品教师在线视频| 在线观看av片永久免费下载| 男插女下体视频免费在线播放| 在线观看舔阴道视频| 99热网站在线观看| 国产精品伦人一区二区| 三级国产精品欧美在线观看| 在线观看美女被高潮喷水网站| 国产大屁股一区二区在线视频| 欧美又色又爽又黄视频| 男人的好看免费观看在线视频| 国产亚洲精品综合一区在线观看| 久久久久久久久久黄片| 成熟少妇高潮喷水视频| 2021天堂中文幕一二区在线观| videossex国产| 欧美高清成人免费视频www| 他把我摸到了高潮在线观看| 婷婷丁香在线五月| 12—13女人毛片做爰片一| 日本爱情动作片www.在线观看 | 精品不卡国产一区二区三区| 搡老妇女老女人老熟妇| 亚洲精品456在线播放app | 国产成人福利小说| 高清毛片免费观看视频网站| 亚洲不卡免费看| 免费无遮挡裸体视频| 午夜福利欧美成人| 国产高清视频在线播放一区| 国产高清激情床上av| 亚洲最大成人av| 精品一区二区三区视频在线| 九色国产91popny在线| 国产高清不卡午夜福利| 国产av在哪里看| a级毛片免费高清观看在线播放| 真人一进一出gif抽搐免费| 中出人妻视频一区二区| 亚洲欧美日韩东京热| 国内精品美女久久久久久| 久久精品国产亚洲av香蕉五月| 啪啪无遮挡十八禁网站| 国产精品久久电影中文字幕| 网址你懂的国产日韩在线| 日本色播在线视频| 狠狠狠狠99中文字幕| 又爽又黄无遮挡网站| 欧美绝顶高潮抽搐喷水| 欧美日本亚洲视频在线播放| 亚洲欧美日韩卡通动漫| 国产精品一区www在线观看 | 亚洲中文字幕日韩| 日本精品一区二区三区蜜桃| 一级黄片播放器| 国产伦一二天堂av在线观看| 神马国产精品三级电影在线观看| 露出奶头的视频| 麻豆国产av国片精品| 精品一区二区三区av网在线观看| 国产极品精品免费视频能看的| 高清日韩中文字幕在线| 免费搜索国产男女视频| 欧美日韩亚洲国产一区二区在线观看| 搡老熟女国产l中国老女人| 日韩精品青青久久久久久| 国产私拍福利视频在线观看| 丰满乱子伦码专区| 嫁个100分男人电影在线观看| 99热精品在线国产| 动漫黄色视频在线观看| avwww免费| 性插视频无遮挡在线免费观看| 女的被弄到高潮叫床怎么办 | 色哟哟·www| 可以在线观看的亚洲视频| 日韩大尺度精品在线看网址| 国产女主播在线喷水免费视频网站 | 国产色爽女视频免费观看| 国产一区二区三区视频了| 男女下面进入的视频免费午夜| 性插视频无遮挡在线免费观看| 国产色爽女视频免费观看| 国语自产精品视频在线第100页| 久久这里只有精品中国| 毛片一级片免费看久久久久 | 亚洲国产精品合色在线| 亚洲精品在线观看二区| 亚洲av免费在线观看| 久久亚洲真实| 欧美中文日本在线观看视频| 99久久精品一区二区三区| 熟妇人妻久久中文字幕3abv| 免费观看在线日韩| 此物有八面人人有两片| eeuss影院久久| 久久精品国产清高在天天线| 午夜亚洲福利在线播放| 亚洲人成网站在线播| 国产毛片a区久久久久| 中文亚洲av片在线观看爽| 亚洲专区中文字幕在线| 久久精品国产自在天天线| 亚洲国产欧洲综合997久久,| av在线天堂中文字幕| 一区二区三区免费毛片| 在线免费十八禁| 免费看日本二区| 国产视频一区二区在线看| 色综合亚洲欧美另类图片| 欧美zozozo另类| 欧美中文日本在线观看视频| 欧美另类亚洲清纯唯美| 最近最新中文字幕大全电影3| 99精品在免费线老司机午夜| 欧美绝顶高潮抽搐喷水| 日韩中文字幕欧美一区二区| 又粗又爽又猛毛片免费看| 国产不卡一卡二| 成年女人永久免费观看视频| 日本黄色片子视频| 欧美日韩国产亚洲二区| 精品一区二区三区视频在线观看免费| 最新中文字幕久久久久| 久久国内精品自在自线图片| 精品久久久久久久久久免费视频| 亚洲第一区二区三区不卡| 久久亚洲精品不卡| 在线观看午夜福利视频| 国产av麻豆久久久久久久| 日韩一本色道免费dvd| 美女xxoo啪啪120秒动态图| 欧洲精品卡2卡3卡4卡5卡区| av.在线天堂| 亚洲精品国产成人久久av| 国产精品久久久久久久久免| 九九在线视频观看精品| or卡值多少钱| 高清在线国产一区| 久久精品人妻少妇| 色播亚洲综合网| 中文字幕久久专区| 色噜噜av男人的天堂激情| 99精品久久久久人妻精品| 国产免费男女视频| 五月玫瑰六月丁香| 蜜桃亚洲精品一区二区三区| 国产免费一级a男人的天堂| 午夜福利视频1000在线观看| av.在线天堂| 一本久久中文字幕| 999久久久精品免费观看国产| 一本久久中文字幕| 国产一区二区三区视频了| 久久久国产成人免费| 成人特级黄色片久久久久久久| 久久久久国内视频| 成年女人看的毛片在线观看| 麻豆国产av国片精品| av在线蜜桃| 好男人在线观看高清免费视频| 999久久久精品免费观看国产| 国产精华一区二区三区| 亚洲成人久久性| 色精品久久人妻99蜜桃| 麻豆成人av在线观看| 欧美xxxx黑人xx丫x性爽| 黄色日韩在线| 午夜老司机福利剧场| 国产精品1区2区在线观看.| 国产精品久久久久久av不卡| 国产亚洲精品久久久久久毛片| www.www免费av| 欧美区成人在线视频| 中亚洲国语对白在线视频| 亚洲色图av天堂| 性插视频无遮挡在线免费观看| 网址你懂的国产日韩在线| 欧美黑人巨大hd| 亚洲av二区三区四区| 亚洲精华国产精华精| 变态另类成人亚洲欧美熟女| 免费观看的影片在线观看| 国产熟女欧美一区二区| 99在线视频只有这里精品首页| 两个人的视频大全免费| 非洲黑人性xxxx精品又粗又长| 99国产极品粉嫩在线观看| 麻豆精品久久久久久蜜桃| 人人妻,人人澡人人爽秒播| 日本撒尿小便嘘嘘汇集6| 欧美日本亚洲视频在线播放| 如何舔出高潮| 国产免费av片在线观看野外av| 精品人妻一区二区三区麻豆 | 欧美精品国产亚洲| 成人精品一区二区免费| 国产精品女同一区二区软件 | 美女cb高潮喷水在线观看| 中文亚洲av片在线观看爽| 给我免费播放毛片高清在线观看| ponron亚洲| 日韩 亚洲 欧美在线| 日韩欧美国产一区二区入口| 三级毛片av免费| 日本与韩国留学比较| 老司机午夜福利在线观看视频| 一级a爱片免费观看的视频| 人妻久久中文字幕网| 日本 av在线| 国产精品永久免费网站| 亚洲18禁久久av| av专区在线播放| 狂野欧美激情性xxxx在线观看| 欧美高清成人免费视频www| 欧美性感艳星| 精品福利观看| 久久九九热精品免费| 一进一出抽搐gif免费好疼| 能在线免费观看的黄片| 村上凉子中文字幕在线| 日韩欧美在线二视频| 国产精品一及| 99久久精品一区二区三区| 中文字幕熟女人妻在线| 老司机深夜福利视频在线观看| 69av精品久久久久久| 一级黄色大片毛片| 欧美色视频一区免费| 又粗又爽又猛毛片免费看| 久久99热6这里只有精品| 精华霜和精华液先用哪个| 久久精品国产亚洲av天美| 久久久成人免费电影| 淫妇啪啪啪对白视频| 久久久久久久午夜电影| 亚洲va日本ⅴa欧美va伊人久久| 69av精品久久久久久| 国产视频一区二区在线看| 99在线视频只有这里精品首页| 波多野结衣高清无吗| 成年女人毛片免费观看观看9| 久久精品夜夜夜夜夜久久蜜豆| 久久精品国产鲁丝片午夜精品 | 亚洲在线自拍视频| 亚洲国产欧洲综合997久久,| 欧美日本视频| 亚洲aⅴ乱码一区二区在线播放| 在线a可以看的网站| 好男人在线观看高清免费视频| 亚洲精品亚洲一区二区| 女的被弄到高潮叫床怎么办 | 18+在线观看网站| 国产精品自产拍在线观看55亚洲| 白带黄色成豆腐渣| 真人一进一出gif抽搐免费| 久久欧美精品欧美久久欧美| 欧美日韩亚洲国产一区二区在线观看| 国产精品,欧美在线| 国产激情偷乱视频一区二区| 日本爱情动作片www.在线观看 | 我的女老师完整版在线观看| 天堂av国产一区二区熟女人妻| 少妇裸体淫交视频免费看高清| 亚洲av二区三区四区| 久久久色成人| 亚洲精品一区av在线观看| 精品久久久久久成人av| 美女高潮喷水抽搐中文字幕| 国产亚洲精品综合一区在线观看| 免费搜索国产男女视频| 精品一区二区三区人妻视频| 美女高潮的动态| 国产伦精品一区二区三区视频9| 国产精品一区二区免费欧美| 黄色视频,在线免费观看| 精品福利观看| 成人性生交大片免费视频hd| 亚洲成人中文字幕在线播放| 国产高清三级在线| 俄罗斯特黄特色一大片| 精品不卡国产一区二区三区| 无人区码免费观看不卡| 精品久久久久久久久亚洲 | 久久久精品欧美日韩精品| 不卡视频在线观看欧美| 俺也久久电影网| 亚洲精品亚洲一区二区| 成熟少妇高潮喷水视频| 波多野结衣高清作品| 免费av观看视频| 一个人观看的视频www高清免费观看| 国产一级毛片七仙女欲春2| 日本撒尿小便嘘嘘汇集6| 搡女人真爽免费视频火全软件 | 国产伦在线观看视频一区| 最近最新免费中文字幕在线| 亚洲专区中文字幕在线| 欧美极品一区二区三区四区| 国产精品一区二区三区四区久久| 伦精品一区二区三区| 性色avwww在线观看| 97碰自拍视频| 精品久久久久久成人av| 麻豆国产97在线/欧美| 少妇熟女aⅴ在线视频| 桃红色精品国产亚洲av| 日本与韩国留学比较| 天堂影院成人在线观看| 国产一区二区三区在线臀色熟女| 亚洲专区国产一区二区| 国产中年淑女户外野战色| 少妇被粗大猛烈的视频| 免费在线观看日本一区| 成人午夜高清在线视频| 成人av一区二区三区在线看| 久久草成人影院| 亚洲18禁久久av| 久久久久久久久久成人| 男人的好看免费观看在线视频| 国产av在哪里看| 级片在线观看| av在线天堂中文字幕| 九九在线视频观看精品| 国产亚洲欧美98| 国产精品,欧美在线| 中国美白少妇内射xxxbb| 久久久久国内视频| 亚洲精品一区av在线观看| 国产在视频线在精品| 嫩草影院精品99| av天堂中文字幕网| 亚洲欧美激情综合另类| 国产精品,欧美在线| 亚洲无线观看免费| 久久国内精品自在自线图片| 亚洲精品日韩av片在线观看| 日韩大尺度精品在线看网址| 久久6这里有精品| 成人av一区二区三区在线看| 亚洲人成网站在线播| 国产精品日韩av在线免费观看| 欧美激情久久久久久爽电影| 乱系列少妇在线播放| 久久亚洲精品不卡| 人人妻人人看人人澡| 欧美成人一区二区免费高清观看| 精品人妻1区二区| 最近最新中文字幕大全电影3| 免费大片18禁| 国内精品美女久久久久久| 欧美成人免费av一区二区三区| 床上黄色一级片| 国产黄片美女视频| 18禁黄网站禁片午夜丰满| 久久99热这里只有精品18| 亚洲精华国产精华液的使用体验 | 成人午夜高清在线视频| 国产爱豆传媒在线观看| 日本在线视频免费播放| 黄色视频,在线免费观看| 亚洲中文字幕日韩| 老熟妇仑乱视频hdxx| 精品久久久久久成人av| 综合色av麻豆| 一区二区三区激情视频| 蜜桃亚洲精品一区二区三区| 亚洲精品粉嫩美女一区| 欧美最新免费一区二区三区| 很黄的视频免费| 在线免费观看的www视频| 免费看光身美女| 午夜精品在线福利| 久久精品久久久久久噜噜老黄 | 日韩av在线大香蕉| 成人av一区二区三区在线看| 久久精品国产亚洲av天美| 听说在线观看完整版免费高清| 久久香蕉精品热| 免费看日本二区| 麻豆国产97在线/欧美| 在线观看66精品国产| 精品无人区乱码1区二区| 99热只有精品国产| 又黄又爽又免费观看的视频| 欧美xxxx性猛交bbbb| 他把我摸到了高潮在线观看| 精品久久久久久久人妻蜜臀av| 日韩欧美精品免费久久| 国产 一区精品| 国产精品野战在线观看| 18禁裸乳无遮挡免费网站照片| 深夜a级毛片| 国产激情偷乱视频一区二区| 最后的刺客免费高清国语| 亚洲国产精品sss在线观看| 国产激情偷乱视频一区二区| 国产成人影院久久av| 五月伊人婷婷丁香| 国产伦精品一区二区三区四那| 最近最新免费中文字幕在线| 无遮挡黄片免费观看| 成人一区二区视频在线观看| 一边摸一边抽搐一进一小说| 美女大奶头视频| 波多野结衣巨乳人妻| 男插女下体视频免费在线播放| 国产一区二区在线观看日韩| 天堂网av新在线| 免费看美女性在线毛片视频| av福利片在线观看| 别揉我奶头~嗯~啊~动态视频| 亚洲美女黄片视频| 国产精品久久久久久久久免| 国产免费av片在线观看野外av|