• <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
    亚洲欧美日韩高清专用| 久久久国产成人精品二区| 午夜两性在线视频| 给我免费播放毛片高清在线观看| 欧美日韩综合久久久久久 | 日本免费a在线| 天堂网av新在线| 88av欧美| 在线播放国产精品三级| 亚洲av美国av| 婷婷亚洲欧美| 中国美女看黄片| 久久国产乱子免费精品| 国产视频内射| 国产免费av片在线观看野外av| 午夜久久久久精精品| 丝袜美腿在线中文| 美女大奶头视频| 网址你懂的国产日韩在线| 色尼玛亚洲综合影院| 91字幕亚洲| 九色国产91popny在线| 亚洲精华国产精华精| 特级一级黄色大片| 日本撒尿小便嘘嘘汇集6| 婷婷亚洲欧美| 热99re8久久精品国产| 免费电影在线观看免费观看| 久久久精品大字幕| 亚洲av免费在线观看| 亚洲欧美日韩东京热| 亚洲国产色片| 国产一区二区激情短视频| 不卡一级毛片| 内地一区二区视频在线| 久久久精品欧美日韩精品| 亚洲色图av天堂| 精品一区二区三区视频在线| 精品国内亚洲2022精品成人| 一进一出好大好爽视频| 韩国av一区二区三区四区| 一区二区三区四区激情视频 | 性色av乱码一区二区三区2| 欧美xxxx黑人xx丫x性爽| 国产精品久久久久久久久免 | 91字幕亚洲| 一区二区三区激情视频| a级一级毛片免费在线观看| 桃色一区二区三区在线观看| 精品免费久久久久久久清纯| 99久久精品热视频| 亚洲成人久久性| 在线播放无遮挡| www.熟女人妻精品国产| 嫁个100分男人电影在线观看| 有码 亚洲区| av天堂在线播放| 亚洲无线观看免费| 尤物成人国产欧美一区二区三区| 久久久久久久精品吃奶| 国产精品,欧美在线| 永久网站在线| 人人妻人人看人人澡| 91麻豆av在线| 亚洲欧美清纯卡通| 美女黄网站色视频| 搡女人真爽免费视频火全软件 | 久久国产精品影院| 成熟少妇高潮喷水视频| 嫩草影院入口| av欧美777| 又粗又爽又猛毛片免费看| 精品不卡国产一区二区三区| 色综合婷婷激情| 十八禁国产超污无遮挡网站| 毛片女人毛片| 淫秽高清视频在线观看| 久久精品国产自在天天线| 永久网站在线| 99久久精品一区二区三区| 国产成人aa在线观看| 国产一区二区三区在线臀色熟女| 色综合婷婷激情| 性插视频无遮挡在线免费观看| 色综合亚洲欧美另类图片| 黄色日韩在线| 直男gayav资源| 精品一区二区三区视频在线| 综合色av麻豆| 国产精品自产拍在线观看55亚洲| 91麻豆精品激情在线观看国产| 婷婷精品国产亚洲av| 国产色婷婷99| 简卡轻食公司| 搡老妇女老女人老熟妇| 国产精品,欧美在线| 神马国产精品三级电影在线观看| 日本熟妇午夜| 国产色爽女视频免费观看| 少妇人妻精品综合一区二区 | 可以在线观看毛片的网站| 精品99又大又爽又粗少妇毛片 | 床上黄色一级片| 中文字幕人成人乱码亚洲影| 1000部很黄的大片| 天天一区二区日本电影三级| www.熟女人妻精品国产| 狂野欧美白嫩少妇大欣赏| 国产精品自产拍在线观看55亚洲| 国产精品爽爽va在线观看网站| 久久婷婷人人爽人人干人人爱| 国内少妇人妻偷人精品xxx网站| 国产精品国产高清国产av| 精品久久久久久久人妻蜜臀av| 亚洲精品456在线播放app | 草草在线视频免费看| 午夜两性在线视频| 国内精品久久久久精免费| 日本黄色片子视频| 毛片一级片免费看久久久久 | 狂野欧美白嫩少妇大欣赏| 18禁在线播放成人免费| 亚洲18禁久久av| 欧美日本亚洲视频在线播放| 色哟哟哟哟哟哟| 日韩精品中文字幕看吧| 美女被艹到高潮喷水动态| 亚洲人成伊人成综合网2020| 能在线免费观看的黄片| 美女 人体艺术 gogo| 成年人黄色毛片网站| 国产伦人伦偷精品视频| 久久精品综合一区二区三区| 国产高清激情床上av| 日韩精品青青久久久久久| 精品一区二区三区人妻视频| 免费无遮挡裸体视频| 欧美+日韩+精品| 国产69精品久久久久777片| 99在线视频只有这里精品首页| 亚洲黑人精品在线| av在线天堂中文字幕| 91麻豆精品激情在线观看国产| 美女大奶头视频| 日韩免费av在线播放| 波野结衣二区三区在线| 午夜日韩欧美国产| 国产久久久一区二区三区| 成人亚洲精品av一区二区| 欧美色欧美亚洲另类二区| 国产成人aa在线观看| 在线观看午夜福利视频| 亚洲av熟女| 91久久精品国产一区二区成人| 综合色av麻豆| 国产欧美日韩精品亚洲av| 国产高清激情床上av| 色噜噜av男人的天堂激情| 亚洲色图av天堂| 9191精品国产免费久久| 看片在线看免费视频| 日日摸夜夜添夜夜添小说| 啦啦啦韩国在线观看视频| 免费一级毛片在线播放高清视频| 天美传媒精品一区二区| 淫秽高清视频在线观看| 色哟哟·www| 波多野结衣高清作品| 欧美黄色片欧美黄色片| 国产精品免费一区二区三区在线| 亚洲美女视频黄频| 精华霜和精华液先用哪个| 男人舔女人下体高潮全视频| 三级国产精品欧美在线观看| 成人国产一区最新在线观看| 国产一级毛片七仙女欲春2| 伊人久久精品亚洲午夜| 国产熟女xx| a级一级毛片免费在线观看| 看片在线看免费视频| 小蜜桃在线观看免费完整版高清| 看片在线看免费视频| 久久久久久久久中文| netflix在线观看网站| 国产精品人妻久久久久久| 亚洲欧美日韩东京热| 久久国产精品影院| 日韩欧美 国产精品| 国产精品一区二区性色av| 两个人的视频大全免费| 成人国产一区最新在线观看| 中文字幕人成人乱码亚洲影| 久久这里只有精品中国| 久久这里只有精品中国| 久久精品国产清高在天天线| 亚洲av免费在线观看| 少妇的逼好多水| 精品久久国产蜜桃| 淫秽高清视频在线观看| 久久久精品欧美日韩精品| 国产伦人伦偷精品视频| 色播亚洲综合网| 中亚洲国语对白在线视频| 免费观看的影片在线观看| 好男人在线观看高清免费视频| 热99re8久久精品国产| 如何舔出高潮| 国产av一区在线观看免费| 国产久久久一区二区三区| 午夜精品一区二区三区免费看| 色综合婷婷激情| 免费av不卡在线播放| 97碰自拍视频| 久久99热这里只有精品18| 国产精品三级大全| 久久午夜福利片| 99精品久久久久人妻精品| 亚洲人成伊人成综合网2020| 亚洲精品乱码久久久v下载方式| 国产伦精品一区二区三区四那| 黄色配什么色好看| 不卡一级毛片| 美女大奶头视频| 色吧在线观看| a级毛片免费高清观看在线播放| 嫩草影院精品99| 精品欧美国产一区二区三| 久久久国产成人精品二区| 观看免费一级毛片| 中文字幕高清在线视频| 欧美乱色亚洲激情| 动漫黄色视频在线观看| 午夜福利18| av欧美777| 亚洲,欧美精品.| 免费大片18禁| 午夜精品在线福利| 在线免费观看不下载黄p国产 | 欧美色视频一区免费| 日本黄色片子视频| 精品一区二区三区av网在线观看| 在线国产一区二区在线| 全区人妻精品视频| 国产精品一区二区性色av| 人人妻,人人澡人人爽秒播| 亚洲成人精品中文字幕电影| 欧美高清成人免费视频www| 少妇的逼水好多| 内地一区二区视频在线| 国产午夜精品论理片| 久久精品综合一区二区三区| 日韩成人在线观看一区二区三区| 一区福利在线观看| 99久久精品热视频| 琪琪午夜伦伦电影理论片6080| av视频在线观看入口| 简卡轻食公司| 午夜福利成人在线免费观看| 国产在视频线在精品| 久久久久久久久中文| 国产黄片美女视频| 亚洲一区二区三区色噜噜| 18禁黄网站禁片免费观看直播| 亚洲av免费在线观看| 日本免费a在线| 长腿黑丝高跟| 观看美女的网站| 免费搜索国产男女视频| 国产人妻一区二区三区在| 一级av片app| 国产探花在线观看一区二区| 亚洲成人久久性| 一个人免费在线观看的高清视频| 校园春色视频在线观看| 小蜜桃在线观看免费完整版高清| 又紧又爽又黄一区二区| 人人妻人人澡欧美一区二区| 深爱激情五月婷婷| 天美传媒精品一区二区| 男女之事视频高清在线观看| 成人无遮挡网站| 毛片女人毛片| 久久伊人香网站| 精品久久久久久成人av| 精品久久久久久久人妻蜜臀av| 亚洲成人久久性| 国产精品久久久久久精品电影| 亚洲内射少妇av| 超碰av人人做人人爽久久| 欧美xxxx黑人xx丫x性爽| 久久伊人香网站| 亚洲成人久久性| www日本黄色视频网| 久久久精品欧美日韩精品| 久9热在线精品视频| 99热这里只有精品一区| 丁香六月欧美| 欧美日韩综合久久久久久 | 成熟少妇高潮喷水视频| 免费在线观看日本一区| 中文亚洲av片在线观看爽| 男人舔女人下体高潮全视频| 免费看美女性在线毛片视频| 国产精华一区二区三区| 内地一区二区视频在线| 国产成+人综合+亚洲专区| 成人特级黄色片久久久久久久| 最新中文字幕久久久久| a级毛片免费高清观看在线播放| 在线观看午夜福利视频| 国产成人aa在线观看| 99久久成人亚洲精品观看| 757午夜福利合集在线观看| 91字幕亚洲| 久久中文看片网| 欧美性感艳星| 男插女下体视频免费在线播放| 最后的刺客免费高清国语| 十八禁人妻一区二区| 精品无人区乱码1区二区| 国产aⅴ精品一区二区三区波| 91九色精品人成在线观看| av福利片在线观看| 日韩中文字幕欧美一区二区| 婷婷精品国产亚洲av在线| av在线蜜桃| 97碰自拍视频| 日韩精品中文字幕看吧| 亚洲精品在线美女| 日韩欧美 国产精品| 美女大奶头视频| 中亚洲国语对白在线视频| 亚洲在线自拍视频| 久久久久久久久久成人| 亚洲电影在线观看av| av中文乱码字幕在线| 99热只有精品国产| 国产一区二区在线av高清观看| 最近最新免费中文字幕在线| bbb黄色大片| 国产精品一区二区免费欧美| 精品福利观看| 精品久久久久久,| 国产高清视频在线观看网站| 搡老妇女老女人老熟妇| 97热精品久久久久久| 欧美成狂野欧美在线观看| 尤物成人国产欧美一区二区三区| netflix在线观看网站| 国内精品美女久久久久久| 中文字幕人成人乱码亚洲影| 性插视频无遮挡在线免费观看| 一级黄片播放器| 欧美一级a爱片免费观看看| 国语自产精品视频在线第100页| 在线观看av片永久免费下载| 香蕉av资源在线| 欧美zozozo另类| 成人亚洲精品av一区二区| 欧美乱色亚洲激情| 国产男靠女视频免费网站| 免费大片18禁| 欧美成狂野欧美在线观看| 99热这里只有是精品50| 999久久久精品免费观看国产| 男女下面进入的视频免费午夜| 有码 亚洲区| 久久久久国内视频| 国产精品伦人一区二区| 波多野结衣巨乳人妻| 99视频精品全部免费 在线| eeuss影院久久| 有码 亚洲区| 国产淫片久久久久久久久 | 色综合婷婷激情| 国产精品综合久久久久久久免费| 国产一区二区在线观看日韩| 有码 亚洲区| 日本 欧美在线| 成人亚洲精品av一区二区| 国产精品久久久久久久久免 | 国产精品亚洲美女久久久| 亚洲电影在线观看av| 亚洲激情在线av| 欧美激情在线99| 亚洲一区高清亚洲精品| 精品久久久久久久人妻蜜臀av| 99久久九九国产精品国产免费| 亚洲av成人不卡在线观看播放网| 一个人免费在线观看的高清视频| 中文字幕精品亚洲无线码一区| 91麻豆av在线| 黄色日韩在线| 大型黄色视频在线免费观看| 久久精品国产亚洲av香蕉五月| 午夜亚洲福利在线播放| 午夜激情福利司机影院| 99久久精品一区二区三区| 亚洲成人久久性| 亚洲精品色激情综合| 精品人妻熟女av久视频| 99久久精品一区二区三区| 午夜福利高清视频| 90打野战视频偷拍视频| 国产精品美女特级片免费视频播放器| 国产综合懂色| 在线a可以看的网站| 欧美在线黄色| 午夜亚洲福利在线播放| 99久国产av精品| av专区在线播放| 久久热精品热| 有码 亚洲区| 51国产日韩欧美| 91九色精品人成在线观看| 亚洲精品成人久久久久久| 老鸭窝网址在线观看| 蜜桃久久精品国产亚洲av| 永久网站在线| 一个人免费在线观看的高清视频| 国产淫片久久久久久久久 | 99久久九九国产精品国产免费| 国产精品免费一区二区三区在线| 禁无遮挡网站| 日韩欧美在线乱码| 国内揄拍国产精品人妻在线| 亚洲五月婷婷丁香| 亚洲成av人片在线播放无| 男人舔女人下体高潮全视频| 国产精品久久视频播放| 国产成人a区在线观看| 又粗又爽又猛毛片免费看| 日日干狠狠操夜夜爽| 在线播放国产精品三级| 亚洲一区二区三区色噜噜| 亚洲国产欧美人成| 国产亚洲欧美98| 在线观看66精品国产| 亚洲激情在线av| 亚洲精华国产精华精| 美女被艹到高潮喷水动态| 五月伊人婷婷丁香| 嫩草影院新地址| 亚洲国产精品久久男人天堂| 三级国产精品欧美在线观看| 亚洲性夜色夜夜综合| 精品久久久久久成人av| 久久香蕉精品热| 国产一区二区亚洲精品在线观看| 桃色一区二区三区在线观看| 波野结衣二区三区在线| 女生性感内裤真人,穿戴方法视频| 日韩 亚洲 欧美在线| 天天一区二区日本电影三级| 亚洲国产欧洲综合997久久,| 国产日本99.免费观看| 欧美不卡视频在线免费观看| 亚洲自偷自拍三级| 亚洲一区高清亚洲精品| 亚洲电影在线观看av| 少妇裸体淫交视频免费看高清| 国产精品永久免费网站| 久久久久久九九精品二区国产| 噜噜噜噜噜久久久久久91| 老司机午夜福利在线观看视频| 日本黄色视频三级网站网址| 女生性感内裤真人,穿戴方法视频| 色综合欧美亚洲国产小说| 我的老师免费观看完整版| 一本久久中文字幕| 精品久久国产蜜桃| 欧美色欧美亚洲另类二区| 一级黄色大片毛片| 久久久精品欧美日韩精品| 亚洲久久久久久中文字幕| 亚洲 国产 在线| 18美女黄网站色大片免费观看| 国产精品人妻久久久久久| 久久精品国产清高在天天线| 久久久国产成人精品二区| 成人特级黄色片久久久久久久| 深爱激情五月婷婷| 亚洲久久久久久中文字幕| 国内少妇人妻偷人精品xxx网站| 天美传媒精品一区二区| 性欧美人与动物交配| 亚洲av五月六月丁香网| 国产亚洲欧美在线一区二区| 直男gayav资源| av天堂在线播放| 男人的好看免费观看在线视频| 免费看光身美女| 色综合站精品国产| 乱码一卡2卡4卡精品| eeuss影院久久| 俺也久久电影网| 亚洲无线观看免费| 变态另类丝袜制服| 亚洲人成网站在线播| 国产爱豆传媒在线观看| 中亚洲国语对白在线视频| 久久久久免费精品人妻一区二区| 国产精品一区二区三区四区久久| 久久伊人香网站| 神马国产精品三级电影在线观看| 性色avwww在线观看| 国产成+人综合+亚洲专区| 床上黄色一级片| 精品人妻一区二区三区麻豆 | АⅤ资源中文在线天堂| 精品久久久久久久久久免费视频| 免费av毛片视频| 欧美中文日本在线观看视频| 国产精品一区二区性色av| av视频在线观看入口| 色综合婷婷激情| 亚洲熟妇中文字幕五十中出| 人妻久久中文字幕网| 午夜福利在线在线| 久久久色成人| 国产精品98久久久久久宅男小说| 一级毛片久久久久久久久女| a级一级毛片免费在线观看| 香蕉av资源在线| 成年女人毛片免费观看观看9| 亚洲国产高清在线一区二区三| 国产91精品成人一区二区三区| 嫩草影院精品99| 51国产日韩欧美| av专区在线播放| 亚洲专区国产一区二区| 一a级毛片在线观看| 午夜亚洲福利在线播放| 国产精品久久久久久久久免 | 一a级毛片在线观看| 中文字幕精品亚洲无线码一区| 1000部很黄的大片| 国产亚洲av嫩草精品影院| 国产探花极品一区二区| 久久久久久久午夜电影| 又黄又爽又刺激的免费视频.| 久久这里只有精品中国| 亚洲avbb在线观看| 亚洲成人中文字幕在线播放| 色视频www国产| 12—13女人毛片做爰片一| 男人和女人高潮做爰伦理| 成人国产综合亚洲| 午夜亚洲福利在线播放| 欧美日本视频| 舔av片在线| 亚洲午夜理论影院| 久久久精品欧美日韩精品| 小蜜桃在线观看免费完整版高清| 长腿黑丝高跟| 看免费av毛片| 天堂√8在线中文| 国产精品永久免费网站| av欧美777| 99热这里只有精品一区| 国内揄拍国产精品人妻在线| 国产v大片淫在线免费观看| 亚洲自拍偷在线| 日本撒尿小便嘘嘘汇集6| 欧美+亚洲+日韩+国产| 无人区码免费观看不卡| 日韩欧美 国产精品| 最近在线观看免费完整版| 日韩中文字幕欧美一区二区| 亚洲五月天丁香| av福利片在线观看| 午夜福利在线观看吧| 欧美区成人在线视频| 嫁个100分男人电影在线观看| 全区人妻精品视频| 俺也久久电影网| 精品国产亚洲在线| 日本一二三区视频观看| 亚洲国产高清在线一区二区三| 久久久久九九精品影院| 国产精品久久久久久久电影| 亚洲欧美清纯卡通| 国产黄片美女视频| 99久久无色码亚洲精品果冻| 欧美日韩瑟瑟在线播放| 日韩av在线大香蕉| 天天一区二区日本电影三级| 观看美女的网站| 日本熟妇午夜| 亚洲aⅴ乱码一区二区在线播放| 日本熟妇午夜| 日韩av在线大香蕉| 黄色日韩在线| 午夜福利在线观看吧| 午夜两性在线视频| 午夜精品在线福利| 人妻夜夜爽99麻豆av| 99精品久久久久人妻精品| 国产精品一区二区性色av| 欧美日韩福利视频一区二区| 1000部很黄的大片| 欧美xxxx性猛交bbbb| 好男人电影高清在线观看| 老司机午夜十八禁免费视频| 嫩草影视91久久| 日本撒尿小便嘘嘘汇集6| 精品人妻视频免费看| 国产v大片淫在线免费观看| 亚洲精品成人久久久久久| 欧美极品一区二区三区四区| 精品国产三级普通话版| 精品久久久久久久久久久久久| 久久婷婷人人爽人人干人人爱| 国产aⅴ精品一区二区三区波| 美女黄网站色视频|