• <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av免费视频播放| 老鸭窝网址在线观看| 大香蕉久久成人网| av一本久久久久| 色综合婷婷激情| 日本黄色视频三级网站网址 | 色94色欧美一区二区| 亚洲五月婷婷丁香| www.精华液| 91九色精品人成在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 法律面前人人平等表现在哪些方面| 国产亚洲午夜精品一区二区久久| 久久影院123| 久久人妻av系列| 多毛熟女@视频| 国产男女内射视频| 国产激情久久老熟女| 搡老乐熟女国产| 丰满迷人的少妇在线观看| 国产一区二区 视频在线| 久久青草综合色| 亚洲avbb在线观看| av网站在线播放免费| 法律面前人人平等表现在哪些方面| 我的亚洲天堂| 国产成人精品久久二区二区免费| 99国产极品粉嫩在线观看| 亚洲精品国产精品久久久不卡| 久久性视频一级片| 日日夜夜操网爽| 国产亚洲一区二区精品| 一本一本久久a久久精品综合妖精| 夜夜爽天天搞| 午夜激情久久久久久久| 午夜福利影视在线免费观看| 亚洲第一av免费看| 狠狠婷婷综合久久久久久88av| 别揉我奶头~嗯~啊~动态视频| 一进一出抽搐动态| 50天的宝宝边吃奶边哭怎么回事| 亚洲精品中文字幕在线视频| 国产一卡二卡三卡精品| 19禁男女啪啪无遮挡网站| 一边摸一边抽搐一进一小说 | 免费久久久久久久精品成人欧美视频| 黄色成人免费大全| a级片在线免费高清观看视频| 男女边摸边吃奶| 狂野欧美激情性xxxx| 精品国产国语对白av| 韩国精品一区二区三区| 久久久国产精品麻豆| 操出白浆在线播放| 黑人操中国人逼视频| 久久人人97超碰香蕉20202| 日本黄色日本黄色录像| 日韩有码中文字幕| 午夜91福利影院| av天堂在线播放| 久久久国产精品麻豆| 热99re8久久精品国产| 91精品国产国语对白视频| 亚洲专区中文字幕在线| 人人妻人人澡人人爽人人夜夜| 99热国产这里只有精品6| 怎么达到女性高潮| 日本五十路高清| 露出奶头的视频| 国产精品美女特级片免费视频播放器 | 亚洲国产看品久久| av网站免费在线观看视频| 一级片'在线观看视频| 欧美国产精品va在线观看不卡| 丝袜喷水一区| 男女下面插进去视频免费观看| 一级片'在线观看视频| 精品福利观看| 国产欧美日韩精品亚洲av| 69精品国产乱码久久久| 真人做人爱边吃奶动态| 少妇精品久久久久久久| 久久精品91无色码中文字幕| 国产高清国产精品国产三级| 美国免费a级毛片| 国产一区二区三区视频了| 久久久久精品人妻al黑| 女人精品久久久久毛片| 我要看黄色一级片免费的| 久久久久久人人人人人| 国产淫语在线视频| h视频一区二区三区| 精品人妻在线不人妻| 国产伦理片在线播放av一区| 91成年电影在线观看| 汤姆久久久久久久影院中文字幕| 国产极品粉嫩免费观看在线| 午夜激情久久久久久久| 国产高清国产精品国产三级| 热re99久久国产66热| 在线十欧美十亚洲十日本专区| 中文亚洲av片在线观看爽 | 国产成人欧美| videos熟女内射| 黄网站色视频无遮挡免费观看| 热re99久久国产66热| 国产日韩一区二区三区精品不卡| 女人精品久久久久毛片| 久久九九热精品免费| 亚洲国产精品一区二区三区在线| 国产精品久久久人人做人人爽| 好男人电影高清在线观看| 激情在线观看视频在线高清 | 嫁个100分男人电影在线观看| 黄片小视频在线播放| 亚洲伊人色综图| 久久久久久久大尺度免费视频| 欧美精品亚洲一区二区| 搡老熟女国产l中国老女人| av天堂久久9| 免费不卡黄色视频| 高清毛片免费观看视频网站 | 热99re8久久精品国产| 黄色丝袜av网址大全| 在线十欧美十亚洲十日本专区| 建设人人有责人人尽责人人享有的| 久久久久久久大尺度免费视频| 午夜福利乱码中文字幕| 精品久久久久久久毛片微露脸| 男女免费视频国产| 麻豆国产av国片精品| av网站在线播放免费| 黄色成人免费大全| 亚洲av日韩精品久久久久久密| 久久久精品国产亚洲av高清涩受| 黄色视频在线播放观看不卡| 成年人免费黄色播放视频| 亚洲国产av影院在线观看| 高清欧美精品videossex| 久久狼人影院| 久久久久国内视频| 精品国内亚洲2022精品成人 | 极品少妇高潮喷水抽搐| 在线天堂中文资源库| 黑丝袜美女国产一区| 国产精品自产拍在线观看55亚洲 | 免费女性裸体啪啪无遮挡网站| 国产精品成人在线| 大片电影免费在线观看免费| 我的亚洲天堂| 欧美av亚洲av综合av国产av| 国产黄频视频在线观看| 香蕉久久夜色| 黄片小视频在线播放| av福利片在线| 国产免费视频播放在线视频| 丰满饥渴人妻一区二区三| 免费看a级黄色片| 国产精品影院久久| 国产亚洲欧美在线一区二区| 亚洲avbb在线观看| 成人av一区二区三区在线看| 男女下面插进去视频免费观看| 最新美女视频免费是黄的| 亚洲精品中文字幕在线视频| 在线看a的网站| 久久影院123| 国产精品免费视频内射| 国产真人三级小视频在线观看| 国产精品国产av在线观看| 人人妻人人爽人人添夜夜欢视频| 久久中文字幕人妻熟女| 久久亚洲真实| 最黄视频免费看| 成人18禁在线播放| 色综合婷婷激情| 午夜精品国产一区二区电影| 男女下面插进去视频免费观看| 成人18禁高潮啪啪吃奶动态图| 伊人久久大香线蕉亚洲五| 国产亚洲精品久久久久5区| 丰满人妻熟妇乱又伦精品不卡| 黄色 视频免费看| 亚洲性夜色夜夜综合| 法律面前人人平等表现在哪些方面| 不卡一级毛片| 欧美在线一区亚洲| 热re99久久国产66热| 久久狼人影院| 欧美日韩一级在线毛片| 一级黄色大片毛片| 亚洲人成77777在线视频| 成年女人毛片免费观看观看9 | 国产精品久久久久久精品古装| 大陆偷拍与自拍| 久久久精品94久久精品| 国产欧美日韩一区二区三区在线| 老司机深夜福利视频在线观看| 久久国产精品男人的天堂亚洲| 欧美亚洲 丝袜 人妻 在线| 免费一级毛片在线播放高清视频 | av福利片在线| 欧美日韩国产mv在线观看视频| 久久精品aⅴ一区二区三区四区| 亚洲熟女精品中文字幕| 女人爽到高潮嗷嗷叫在线视频| 在线观看免费视频网站a站| 久9热在线精品视频| 国产精品久久久久成人av| 日韩欧美三级三区| 国产精品久久电影中文字幕 | 丁香六月天网| 欧美日韩福利视频一区二区| 国产视频一区二区在线看| 日韩熟女老妇一区二区性免费视频| 国产成人啪精品午夜网站| 欧美 日韩 精品 国产| 亚洲av日韩在线播放| 淫妇啪啪啪对白视频| 在线观看人妻少妇| tocl精华| 一边摸一边做爽爽视频免费| 亚洲七黄色美女视频| 亚洲 欧美一区二区三区| 在线观看一区二区三区激情| 两性夫妻黄色片| 在线观看舔阴道视频| 蜜桃在线观看..| 极品人妻少妇av视频| 麻豆乱淫一区二区| 在线看a的网站| 中文字幕av电影在线播放| 亚洲精品久久成人aⅴ小说| 在线观看免费午夜福利视频| 建设人人有责人人尽责人人享有的| 少妇裸体淫交视频免费看高清 | 99热国产这里只有精品6| 精品福利观看| 天天添夜夜摸| 精品少妇久久久久久888优播| 国产又爽黄色视频| 操美女的视频在线观看| 超碰97精品在线观看| 亚洲欧美一区二区三区黑人| 在线观看舔阴道视频| 高清视频免费观看一区二区| 国产激情久久老熟女| 老熟女久久久| 欧美日韩福利视频一区二区| 另类精品久久| 母亲3免费完整高清在线观看| 亚洲午夜理论影院| 欧美日本中文国产一区发布| 国产高清国产精品国产三级| 久久精品aⅴ一区二区三区四区| 老司机午夜十八禁免费视频| 12—13女人毛片做爰片一| 久久99一区二区三区| 成人精品一区二区免费| 欧美日本中文国产一区发布| 亚洲情色 制服丝袜| 国产又爽黄色视频| 首页视频小说图片口味搜索| 亚洲全国av大片| 嫁个100分男人电影在线观看| 超碰成人久久| 成在线人永久免费视频| 热re99久久国产66热| 亚洲男人天堂网一区| 91麻豆av在线| 亚洲国产毛片av蜜桃av| 老司机午夜十八禁免费视频| 嫩草影视91久久| 中文欧美无线码| 精品福利观看| 欧美精品一区二区大全| 国产在视频线精品| 露出奶头的视频| 青青草视频在线视频观看| 亚洲国产看品久久| 欧美黄色淫秽网站| 新久久久久国产一级毛片| 国产色视频综合| 水蜜桃什么品种好| 免费女性裸体啪啪无遮挡网站| 日日摸夜夜添夜夜添小说| 国产一卡二卡三卡精品| 久久久久精品国产欧美久久久| 亚洲欧美色中文字幕在线| 国产精品美女特级片免费视频播放器 | 久久人妻熟女aⅴ| 国产免费视频播放在线视频| 日本精品一区二区三区蜜桃| 成人影院久久| 80岁老熟妇乱子伦牲交| 亚洲avbb在线观看| 日韩成人在线观看一区二区三区| 欧美黄色淫秽网站| 丁香六月天网| 国产成人免费观看mmmm| 老熟女久久久| 老司机午夜十八禁免费视频| 日韩免费av在线播放| 成人手机av| 欧美日韩精品网址| 久久亚洲真实| av免费在线观看网站| 人人妻人人澡人人爽人人夜夜| 黄色怎么调成土黄色| 亚洲视频免费观看视频| www.熟女人妻精品国产| 99re在线观看精品视频| 久久久国产一区二区| 在线观看人妻少妇| 18禁裸乳无遮挡动漫免费视频| 国产深夜福利视频在线观看| 无人区码免费观看不卡 | 菩萨蛮人人尽说江南好唐韦庄| 久久婷婷成人综合色麻豆| 欧美亚洲 丝袜 人妻 在线| 777久久人妻少妇嫩草av网站| 中文字幕人妻丝袜制服| 免费在线观看视频国产中文字幕亚洲| 99精国产麻豆久久婷婷| 一本综合久久免费| 国产一区二区三区在线臀色熟女 | 亚洲情色 制服丝袜| 他把我摸到了高潮在线观看 | 亚洲精品美女久久av网站| 丰满迷人的少妇在线观看| 国产免费av片在线观看野外av| 首页视频小说图片口味搜索| 女同久久另类99精品国产91| 国产在线免费精品| 午夜久久久在线观看| 亚洲精品在线美女| 日韩视频一区二区在线观看| 2018国产大陆天天弄谢| 久久久久久免费高清国产稀缺| 国产男女超爽视频在线观看| 午夜成年电影在线免费观看| 999久久久国产精品视频| 欧美精品一区二区大全| 啦啦啦视频在线资源免费观看| 精品一区二区三卡| 男人操女人黄网站| 99国产精品一区二区三区| 一本一本久久a久久精品综合妖精| 国产97色在线日韩免费| 日韩一区二区三区影片| 国产一区二区三区在线臀色熟女 | 男女免费视频国产| 手机成人av网站| 国产成人精品无人区| 精品久久久精品久久久| 性色av乱码一区二区三区2| 咕卡用的链子| 中文字幕人妻丝袜制服| www日本在线高清视频| 香蕉丝袜av| 咕卡用的链子| 亚洲av第一区精品v没综合| 成人永久免费在线观看视频 | 国产视频一区二区在线看| 亚洲精品自拍成人| 黄网站色视频无遮挡免费观看| a在线观看视频网站| 国产视频一区二区在线看| 久久久久国内视频| 国产一区二区三区视频了| 两性夫妻黄色片| 国产无遮挡羞羞视频在线观看| 在线观看免费日韩欧美大片| 蜜桃国产av成人99| 国产国语露脸激情在线看| 女人被躁到高潮嗷嗷叫费观| 操出白浆在线播放| 极品少妇高潮喷水抽搐| 久久香蕉激情| 少妇 在线观看| 一个人免费在线观看的高清视频| 午夜激情久久久久久久| 午夜精品国产一区二区电影| 一级片免费观看大全| 午夜日韩欧美国产| 国产一卡二卡三卡精品| 最新在线观看一区二区三区| 亚洲精品在线美女| 交换朋友夫妻互换小说| 在线观看免费高清a一片| 亚洲成人免费av在线播放| 一区二区三区精品91| 亚洲国产欧美网| 午夜福利,免费看| 老司机午夜福利在线观看视频 | 亚洲精品国产精品久久久不卡| 国产激情久久老熟女| 伊人久久大香线蕉亚洲五| 麻豆av在线久日| 久久精品亚洲精品国产色婷小说| 18禁国产床啪视频网站| 18禁裸乳无遮挡动漫免费视频| 在线观看www视频免费| 一夜夜www| 真人做人爱边吃奶动态| 蜜桃在线观看..| 精品第一国产精品| 国产一区二区三区综合在线观看| 久久国产亚洲av麻豆专区| 亚洲av电影在线进入| av电影中文网址| 免费观看人在逋| 免费在线观看视频国产中文字幕亚洲| 电影成人av| 亚洲专区国产一区二区| 男女下面插进去视频免费观看| 在线观看舔阴道视频| 亚洲精品一卡2卡三卡4卡5卡| 成人特级黄色片久久久久久久 | 日韩一卡2卡3卡4卡2021年| 日韩中文字幕欧美一区二区| 男女下面插进去视频免费观看| 无限看片的www在线观看| 成人亚洲精品一区在线观看| 最近最新中文字幕大全电影3 | 久久久久国产一级毛片高清牌| 精品国产超薄肉色丝袜足j| 国产免费福利视频在线观看| 99久久99久久久精品蜜桃| 美女主播在线视频| 女性被躁到高潮视频| 人人妻人人澡人人爽人人夜夜| 日本av手机在线免费观看| av有码第一页| av不卡在线播放| 一级片免费观看大全| 天堂俺去俺来也www色官网| 欧美日韩一级在线毛片| 无遮挡黄片免费观看| 亚洲精品国产一区二区精华液| 国产不卡av网站在线观看| 9色porny在线观看| 一个人免费在线观看的高清视频| 久久久久网色| 两性夫妻黄色片| 韩国精品一区二区三区| 久久久国产一区二区| 亚洲视频免费观看视频| 久久国产亚洲av麻豆专区| 国产有黄有色有爽视频| 国产精品一区二区精品视频观看| 波多野结衣一区麻豆| 老熟女久久久| 国产精品久久电影中文字幕 | 精品国产一区二区三区久久久樱花| 色婷婷久久久亚洲欧美| 91国产中文字幕| 亚洲全国av大片| 中文字幕色久视频| 国产精品久久久人人做人人爽| 亚洲欧美日韩高清在线视频 | 亚洲欧美精品综合一区二区三区| 免费观看a级毛片全部| 十八禁高潮呻吟视频| 熟女少妇亚洲综合色aaa.| 久久av网站| 精品高清国产在线一区| 69av精品久久久久久 | 亚洲免费av在线视频| av在线播放免费不卡| 制服人妻中文乱码| 人人妻人人澡人人爽人人夜夜| 女性被躁到高潮视频| 免费人妻精品一区二区三区视频| 黑人巨大精品欧美一区二区蜜桃| 久久久国产一区二区| 欧美黑人欧美精品刺激| 亚洲国产欧美网| 精品福利永久在线观看| 亚洲国产欧美日韩在线播放| 少妇的丰满在线观看| 欧美午夜高清在线| 一区二区三区国产精品乱码| 欧美精品一区二区大全| 国产高清视频在线播放一区| 中文字幕色久视频| 人人妻人人爽人人添夜夜欢视频| 午夜91福利影院| 亚洲国产欧美一区二区综合| 亚洲国产成人一精品久久久| 大码成人一级视频| 99精品欧美一区二区三区四区| 精品少妇内射三级| 久久免费观看电影| 狠狠精品人妻久久久久久综合| av又黄又爽大尺度在线免费看| 欧美激情 高清一区二区三区| 丝袜美足系列| 日韩人妻精品一区2区三区| 亚洲中文字幕日韩| 桃花免费在线播放| 亚洲成人国产一区在线观看| 99九九在线精品视频| 中亚洲国语对白在线视频| 12—13女人毛片做爰片一| 久久精品国产99精品国产亚洲性色 | 一级,二级,三级黄色视频| 中文字幕制服av| 午夜激情久久久久久久| 亚洲熟妇熟女久久| 色老头精品视频在线观看| 国产欧美日韩一区二区精品| 国产一区有黄有色的免费视频| 久久人妻av系列| 极品教师在线免费播放| 中文亚洲av片在线观看爽 | 一本综合久久免费| 在线观看免费日韩欧美大片| 丁香六月天网| 91老司机精品| 免费女性裸体啪啪无遮挡网站| 丰满饥渴人妻一区二区三| 国产成人免费观看mmmm| 亚洲,欧美精品.| 99九九在线精品视频| 国产黄色免费在线视频| 日本五十路高清| 中文字幕最新亚洲高清| 国产精品av久久久久免费| 日韩一区二区三区影片| 国产区一区二久久| 亚洲第一青青草原| 高清欧美精品videossex| 国产精品成人在线| 丁香欧美五月| 亚洲 欧美一区二区三区| 99国产精品一区二区蜜桃av | 亚洲精品av麻豆狂野| 国产免费福利视频在线观看| 亚洲国产欧美日韩在线播放| 高清av免费在线| 美女高潮到喷水免费观看| 黄色视频在线播放观看不卡| 一区二区av电影网| kizo精华| 久久精品亚洲精品国产色婷小说| 成年人黄色毛片网站| 搡老岳熟女国产| av国产精品久久久久影院| 亚洲黑人精品在线| 韩国精品一区二区三区| 国产精品一区二区在线不卡| 香蕉丝袜av| 蜜桃国产av成人99| 2018国产大陆天天弄谢| 国产免费现黄频在线看| 亚洲欧美日韩另类电影网站| 亚洲免费av在线视频| 日本精品一区二区三区蜜桃| 女性被躁到高潮视频| 免费在线观看黄色视频的| 久久精品国产亚洲av香蕉五月 | 久久久国产欧美日韩av| 色视频在线一区二区三区| 久久99一区二区三区| 18禁观看日本| 正在播放国产对白刺激| 香蕉丝袜av| 亚洲国产欧美日韩在线播放| 国产成人啪精品午夜网站| 午夜福利在线免费观看网站| 日本黄色视频三级网站网址 | 国产精品一区二区精品视频观看| 菩萨蛮人人尽说江南好唐韦庄| 国产精品免费一区二区三区在线 | 亚洲精品在线美女| 午夜激情久久久久久久| 成人亚洲精品一区在线观看| 亚洲中文字幕日韩| 亚洲综合色网址| 亚洲av日韩精品久久久久久密| 精品福利观看| 两人在一起打扑克的视频| 久久久欧美国产精品| 亚洲专区字幕在线| 中文字幕人妻熟女乱码| 80岁老熟妇乱子伦牲交| av国产精品久久久久影院| 丝袜美腿诱惑在线| 国产精品一区二区精品视频观看| 欧美乱妇无乱码| www.自偷自拍.com| 久久久久国产一级毛片高清牌| av视频免费观看在线观看| av天堂久久9| 国产亚洲欧美在线一区二区| 国产亚洲精品一区二区www | 国产av又大| 日本五十路高清| 午夜成年电影在线免费观看| 天堂动漫精品| 国产亚洲精品一区二区www | 久久久国产成人免费| 国产野战对白在线观看| 国产激情久久老熟女| 一本一本久久a久久精品综合妖精| 精品高清国产在线一区| 最近最新中文字幕大全免费视频| 久热爱精品视频在线9| 久久久国产成人免费| videos熟女内射| 久久久精品94久久精品| 天堂动漫精品| 国产亚洲精品一区二区www | 精品第一国产精品|