• <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
    午夜老司机福利剧场| 精品99又大又爽又粗少妇毛片| 2022亚洲国产成人精品| 亚洲av成人精品一区久久| 美女内射精品一级片tv| 日韩av在线免费看完整版不卡| 91精品国产九色| 全区人妻精品视频| 美女xxoo啪啪120秒动态图| 国产精品蜜桃在线观看| 天堂中文最新版在线下载| 成人无遮挡网站| 在线观看免费视频网站a站| 精品99又大又爽又粗少妇毛片| 亚洲伊人久久精品综合| 国产男女内射视频| 内地一区二区视频在线| 亚洲图色成人| 亚洲精品一二三| 日韩制服骚丝袜av| 色5月婷婷丁香| 51国产日韩欧美| 欧美少妇被猛烈插入视频| 肉色欧美久久久久久久蜜桃| 国产大屁股一区二区在线视频| 亚洲成人手机| 少妇人妻一区二区三区视频| 少妇高潮的动态图| 亚洲图色成人| 午夜福利影视在线免费观看| 亚洲自偷自拍三级| 永久免费av网站大全| 精品亚洲成国产av| 国产高清有码在线观看视频| 国产精品一区二区性色av| 青春草视频在线免费观看| 亚洲国产色片| 国产男女内射视频| 亚洲av日韩在线播放| 午夜视频国产福利| 一级黄片播放器| 欧美日韩视频高清一区二区三区二| 久久久久精品久久久久真实原创| av在线蜜桃| 免费少妇av软件| 国产亚洲一区二区精品| 成人无遮挡网站| 国产国拍精品亚洲av在线观看| 午夜福利网站1000一区二区三区| 精品一品国产午夜福利视频| 美女高潮的动态| 精品久久久久久久末码| 国产亚洲欧美精品永久| 国产黄频视频在线观看| 亚洲欧美成人精品一区二区| 国产亚洲一区二区精品| 日本一二三区视频观看| 亚洲国产欧美人成| 亚洲国产精品专区欧美| 亚洲精品日韩在线中文字幕| 国产在线视频一区二区| 精品亚洲成国产av| 一本一本综合久久| 久久影院123| 视频区图区小说| 交换朋友夫妻互换小说| 色综合色国产| 久久国产精品男人的天堂亚洲 | 免费高清在线观看视频在线观看| 十八禁网站网址无遮挡 | 久久久久精品性色| 免费观看性生交大片5| 亚洲av成人精品一二三区| 一个人看的www免费观看视频| 观看免费一级毛片| 青青草视频在线视频观看| 亚洲av二区三区四区| 精品久久久精品久久久| 纵有疾风起免费观看全集完整版| 干丝袜人妻中文字幕| 丰满人妻一区二区三区视频av| 久久女婷五月综合色啪小说| 久久这里有精品视频免费| 婷婷色av中文字幕| 午夜福利影视在线免费观看| 成年人午夜在线观看视频| 青春草国产在线视频| 国产日韩欧美亚洲二区| 久久久久性生活片| 欧美成人a在线观看| 搡老乐熟女国产| 99久久中文字幕三级久久日本| 国产亚洲5aaaaa淫片| 3wmmmm亚洲av在线观看| 深夜a级毛片| 在线天堂最新版资源| 国产探花极品一区二区| 精品亚洲成a人片在线观看 | 最近2019中文字幕mv第一页| 亚洲精品久久午夜乱码| 少妇人妻一区二区三区视频| 女人久久www免费人成看片| 日本欧美视频一区| 蜜桃亚洲精品一区二区三区| 日日摸夜夜添夜夜爱| 丰满人妻一区二区三区视频av| 2022亚洲国产成人精品| 成人免费观看视频高清| 97超碰精品成人国产| 又黄又爽又刺激的免费视频.| 婷婷色av中文字幕| 最近的中文字幕免费完整| av女优亚洲男人天堂| 午夜福利影视在线免费观看| 亚洲精品国产色婷婷电影| 亚洲一级一片aⅴ在线观看| 美女主播在线视频| 久久热精品热| 亚洲av中文av极速乱| 黑丝袜美女国产一区| 人妻一区二区av| 欧美一级a爱片免费观看看| 久久久久久久大尺度免费视频| 99久久精品国产国产毛片| 亚洲,一卡二卡三卡| 精品一区在线观看国产| av免费在线看不卡| 日本色播在线视频| 日韩av不卡免费在线播放| 看十八女毛片水多多多| 亚洲av中文字字幕乱码综合| 久久精品国产a三级三级三级| 久久99热6这里只有精品| 久久久久网色| 亚洲精品国产av成人精品| 日日摸夜夜添夜夜爱| 丰满迷人的少妇在线观看| 最近最新中文字幕免费大全7| 亚洲精品视频女| 亚洲成人av在线免费| 亚洲色图av天堂| 免费大片黄手机在线观看| 欧美最新免费一区二区三区| 亚洲av欧美aⅴ国产| 我的女老师完整版在线观看| 午夜福利视频精品| 美女福利国产在线 | 黄片无遮挡物在线观看| 欧美精品人与动牲交sv欧美| 亚洲av日韩在线播放| 男女免费视频国产| 国产精品.久久久| 日韩国内少妇激情av| 在线精品无人区一区二区三 | 色吧在线观看| 久久久久久久久大av| 久久精品久久久久久噜噜老黄| 深夜a级毛片| 国产乱人视频| 亚洲av国产av综合av卡| av在线蜜桃| 欧美xxⅹ黑人| 夫妻性生交免费视频一级片| 欧美+日韩+精品| 日日摸夜夜添夜夜添av毛片| 久热这里只有精品99| 国产色爽女视频免费观看| 午夜精品国产一区二区电影| 美女高潮的动态| 精品亚洲成国产av| 日本欧美视频一区| 国产乱人偷精品视频| 久久久欧美国产精品| 麻豆成人av视频| 内射极品少妇av片p| 成人综合一区亚洲| 欧美一级a爱片免费观看看| 国产日韩欧美在线精品| 国产精品熟女久久久久浪| 久久青草综合色| 少妇猛男粗大的猛烈进出视频| 久久青草综合色| 欧美zozozo另类| 人妻 亚洲 视频| 又黄又爽又刺激的免费视频.| 成年免费大片在线观看| 麻豆成人午夜福利视频| 老司机影院成人| 久久精品国产亚洲网站| 性色av一级| 欧美丝袜亚洲另类| 一级黄片播放器| 国产乱来视频区| 亚洲精品成人av观看孕妇| 99热6这里只有精品| 少妇熟女欧美另类| 国产中年淑女户外野战色| 国产精品国产三级国产专区5o| 国产视频内射| 亚洲精品456在线播放app| 久久精品夜色国产| 麻豆精品久久久久久蜜桃| 韩国av在线不卡| 午夜激情福利司机影院| 久久精品国产亚洲网站| 免费在线观看成人毛片| 亚洲成人一二三区av| 极品教师在线视频| 久久精品国产a三级三级三级| av线在线观看网站| av在线app专区| 国产探花极品一区二区| 午夜福利在线在线| av免费在线看不卡| 亚洲欧美日韩东京热| 我要看黄色一级片免费的| 丰满乱子伦码专区| 久久久成人免费电影| 国产女主播在线喷水免费视频网站| 你懂的网址亚洲精品在线观看| 午夜福利在线观看免费完整高清在| 男的添女的下面高潮视频| 成人毛片a级毛片在线播放| 高清午夜精品一区二区三区| 免费观看av网站的网址| 色网站视频免费| 久久久久久九九精品二区国产| 亚洲av日韩在线播放| 成人亚洲欧美一区二区av| 99热这里只有是精品50| 精品亚洲成国产av| 在线观看人妻少妇| 国产淫片久久久久久久久| 丰满少妇做爰视频| 91久久精品国产一区二区三区| 超碰av人人做人人爽久久| 久久99热这里只频精品6学生| 日本爱情动作片www.在线观看| 国产精品久久久久久av不卡| 美女cb高潮喷水在线观看| 99久国产av精品国产电影| 亚洲欧美清纯卡通| 欧美xxxx黑人xx丫x性爽| 国语对白做爰xxxⅹ性视频网站| 欧美xxxx黑人xx丫x性爽| 亚洲va在线va天堂va国产| 在线免费十八禁| 国产精品一区www在线观看| 丝袜喷水一区| 伊人久久精品亚洲午夜| 人体艺术视频欧美日本| 午夜福利在线观看免费完整高清在| 人人妻人人澡人人爽人人夜夜| 99视频精品全部免费 在线| 搡女人真爽免费视频火全软件| 这个男人来自地球电影免费观看 | 在线免费十八禁| 午夜福利影视在线免费观看| 51国产日韩欧美| 超碰97精品在线观看| 免费看av在线观看网站| 99久久人妻综合| 亚洲av中文字字幕乱码综合| 高清视频免费观看一区二区| 国产男女超爽视频在线观看| 男的添女的下面高潮视频| 免费高清在线观看视频在线观看| 精品人妻视频免费看| 97超视频在线观看视频| 一级毛片 在线播放| 国产精品免费大片| 亚洲精品国产色婷婷电影| 18禁在线播放成人免费| 亚洲aⅴ乱码一区二区在线播放| 最近的中文字幕免费完整| 国产一级毛片在线| 久久久a久久爽久久v久久| 欧美高清成人免费视频www| 国产在线免费精品| 亚洲欧美一区二区三区黑人 | 久久综合国产亚洲精品| 欧美xxxx黑人xx丫x性爽| 久久人人爽人人片av| 国产亚洲av片在线观看秒播厂| 久久av网站| 亚洲av日韩在线播放| 最黄视频免费看| 一级片'在线观看视频| 亚洲欧美日韩卡通动漫| 麻豆成人午夜福利视频| 亚洲人成网站在线播| 欧美变态另类bdsm刘玥| 五月开心婷婷网| 亚洲一区二区三区欧美精品| 久久久久久伊人网av| 我要看日韩黄色一级片| 久久国内精品自在自线图片| 极品教师在线视频| 国产欧美日韩精品一区二区| 久久久久久久久久久免费av| 22中文网久久字幕| 久久99热这里只有精品18| 99九九线精品视频在线观看视频| 亚洲四区av| 亚洲av不卡在线观看| 少妇的逼水好多| 国产精品一区二区性色av| 美女主播在线视频| 日韩av免费高清视频| 久久 成人 亚洲| 99热6这里只有精品| 精品亚洲成a人片在线观看 | 自拍偷自拍亚洲精品老妇| 亚洲av电影在线观看一区二区三区| 91精品国产九色| 尾随美女入室| 欧美一级a爱片免费观看看| 国产毛片在线视频| 亚洲精品日韩在线中文字幕| 丰满乱子伦码专区| 狂野欧美激情性bbbbbb| 精品亚洲成国产av| 精品酒店卫生间| 国产极品天堂在线| 亚洲自偷自拍三级| 成人无遮挡网站| 亚洲精品日本国产第一区| 久久精品国产a三级三级三级| 蜜桃在线观看..| 亚洲av日韩在线播放| 26uuu在线亚洲综合色| a级毛片免费高清观看在线播放| 午夜老司机福利剧场| 欧美日韩亚洲高清精品| 国产成人精品一,二区| 国产成人午夜福利电影在线观看| .国产精品久久| 欧美精品一区二区大全| 国产成人精品福利久久| 亚洲av福利一区| 亚洲综合色惰| 免费观看a级毛片全部| 日日啪夜夜撸| .国产精品久久| 天天躁夜夜躁狠狠久久av| 久久影院123| 女的被弄到高潮叫床怎么办| 女人久久www免费人成看片| 国产精品人妻久久久影院| 国产精品女同一区二区软件| 欧美成人一区二区免费高清观看| 久久99热6这里只有精品| 久久这里有精品视频免费| 一级毛片黄色毛片免费观看视频| 深夜a级毛片| 美女国产视频在线观看| 久久97久久精品| 国产乱来视频区| av专区在线播放| 老师上课跳d突然被开到最大视频| 欧美97在线视频| 人人妻人人澡人人爽人人夜夜| 日韩一本色道免费dvd| 一本—道久久a久久精品蜜桃钙片| 免费观看性生交大片5| a级毛色黄片| 国产又色又爽无遮挡免| 亚洲欧美一区二区三区黑人 | 亚洲伊人久久精品综合| 91精品伊人久久大香线蕉| 久久久久久久大尺度免费视频| 欧美日本视频| 日韩av不卡免费在线播放| 久久久亚洲精品成人影院| 18禁裸乳无遮挡动漫免费视频| 欧美zozozo另类| 女性被躁到高潮视频| 老女人水多毛片| 少妇高潮的动态图| 自拍偷自拍亚洲精品老妇| 在线观看三级黄色| 美女cb高潮喷水在线观看| 熟妇人妻不卡中文字幕| 看免费成人av毛片| 国产 一区精品| 欧美一区二区亚洲| 免费在线观看成人毛片| 成人综合一区亚洲| 亚洲欧美精品自产自拍| 精品一区二区免费观看| 91久久精品国产一区二区成人| 免费看av在线观看网站| 91精品一卡2卡3卡4卡| 国产女主播在线喷水免费视频网站| av又黄又爽大尺度在线免费看| 亚洲精品国产av成人精品| 尤物成人国产欧美一区二区三区| 久久久久国产网址| 自拍偷自拍亚洲精品老妇| 成人漫画全彩无遮挡| 美女高潮的动态| 日韩成人伦理影院| 欧美亚洲 丝袜 人妻 在线| 丰满乱子伦码专区| 免费黄色在线免费观看| 国产av一区二区精品久久 | 最黄视频免费看| 嫩草影院新地址| 一级av片app| 大香蕉久久网| 精品国产乱码久久久久久小说| 国产av国产精品国产| 熟妇人妻不卡中文字幕| 人人妻人人澡人人爽人人夜夜| 免费播放大片免费观看视频在线观看| 91在线精品国自产拍蜜月| 中文字幕亚洲精品专区| 亚洲中文av在线| 亚洲国产av新网站| 国产精品久久久久久av不卡| 亚洲国产成人一精品久久久| 国产在线免费精品| 少妇被粗大猛烈的视频| 国产免费视频播放在线视频| 国产精品蜜桃在线观看| 国产一区二区三区综合在线观看 | 国产在线男女| 免费高清在线观看视频在线观看| 搡老乐熟女国产| 干丝袜人妻中文字幕| 精品酒店卫生间| 亚洲怡红院男人天堂| 亚洲综合精品二区| 国产日韩欧美亚洲二区| 你懂的网址亚洲精品在线观看| 中文精品一卡2卡3卡4更新| 久久国内精品自在自线图片| 秋霞伦理黄片| 一区二区三区精品91| 狂野欧美激情性xxxx在线观看| 亚洲,一卡二卡三卡| 丝袜喷水一区| 内射极品少妇av片p| 欧美精品一区二区免费开放| 美女xxoo啪啪120秒动态图| 香蕉精品网在线| 最近中文字幕2019免费版| 一边亲一边摸免费视频| 国产亚洲一区二区精品| 久久久久久久久久久免费av| 美女国产视频在线观看| 亚洲国产色片| 麻豆成人av视频| 久久久久久久久大av| 下体分泌物呈黄色| 国产精品人妻久久久久久| 日本午夜av视频| 成人无遮挡网站| 男人添女人高潮全过程视频| 一区二区三区精品91| 免费观看性生交大片5| 亚洲人与动物交配视频| av专区在线播放| 中国三级夫妇交换| 久久久久久久国产电影| 欧美精品一区二区免费开放| 我要看黄色一级片免费的| 国产欧美亚洲国产| av免费在线看不卡| 色婷婷久久久亚洲欧美| 91精品一卡2卡3卡4卡| 视频区图区小说| 亚洲国产高清在线一区二区三| 欧美另类一区| 内地一区二区视频在线| 纵有疾风起免费观看全集完整版| 免费大片18禁| 最近最新中文字幕大全电影3| 日产精品乱码卡一卡2卡三| 久久久久久久精品精品| av黄色大香蕉| 国产精品国产三级专区第一集| 性色avwww在线观看| 赤兔流量卡办理| 亚洲伊人久久精品综合| 欧美xxxx性猛交bbbb| 亚洲色图av天堂| 免费av中文字幕在线| 精品99又大又爽又粗少妇毛片| 国产免费福利视频在线观看| 偷拍熟女少妇极品色| 伊人久久国产一区二区| 日日啪夜夜撸| 18禁裸乳无遮挡免费网站照片| 久久亚洲国产成人精品v| 各种免费的搞黄视频| 国产一级毛片在线| 大话2 男鬼变身卡| 欧美zozozo另类| 精品一品国产午夜福利视频| 最新中文字幕久久久久| 在线免费十八禁| 性高湖久久久久久久久免费观看| 2018国产大陆天天弄谢| 中文字幕免费在线视频6| 亚洲精品视频女| 一本久久精品| 亚洲在久久综合| 一级片'在线观看视频| 成人二区视频| 国内少妇人妻偷人精品xxx网站| 国产黄片视频在线免费观看| 一级毛片aaaaaa免费看小| 美女主播在线视频| 亚洲欧美一区二区三区国产| 久久女婷五月综合色啪小说| 成人特级av手机在线观看| 中文在线观看免费www的网站| 国产乱人视频| 18禁裸乳无遮挡免费网站照片| 18+在线观看网站| 99热网站在线观看| 婷婷色av中文字幕| 在线看a的网站| 美女福利国产在线 | 黄色一级大片看看| 激情五月婷婷亚洲| tube8黄色片| 国内揄拍国产精品人妻在线| 国产美女午夜福利| 夫妻性生交免费视频一级片| 亚洲国产欧美人成| 久久精品久久久久久久性| 国产av一区二区精品久久 | 欧美激情极品国产一区二区三区 | 成人高潮视频无遮挡免费网站| 最近最新中文字幕免费大全7| 国产精品久久久久久精品古装| 交换朋友夫妻互换小说| 国模一区二区三区四区视频| 日韩国内少妇激情av| 亚洲精品国产色婷婷电影| 国产一区有黄有色的免费视频| 26uuu在线亚洲综合色| 日韩一区二区三区影片| 亚洲欧美精品自产自拍| 免费av中文字幕在线| 少妇精品久久久久久久| 国内揄拍国产精品人妻在线| 亚洲成人一二三区av| 亚洲精品乱码久久久久久按摩| 日本一二三区视频观看| 成人免费观看视频高清| 人人妻人人添人人爽欧美一区卜 | 黑丝袜美女国产一区| 一区二区三区四区激情视频| 中文资源天堂在线| 欧美少妇被猛烈插入视频| 久久国产精品男人的天堂亚洲 | 国产黄频视频在线观看| 麻豆成人午夜福利视频| 亚洲国产高清在线一区二区三| 欧美成人a在线观看| 日韩,欧美,国产一区二区三区| 亚洲国产精品一区三区| 国产午夜精品一二区理论片| 亚洲内射少妇av| 欧美97在线视频| 五月玫瑰六月丁香| 老女人水多毛片| 亚洲国产精品专区欧美| 九九爱精品视频在线观看| 欧美日韩视频精品一区| 青春草国产在线视频| 日日啪夜夜撸| 韩国av在线不卡| 在线观看av片永久免费下载| 国产片特级美女逼逼视频| 夜夜看夜夜爽夜夜摸| 在线观看免费高清a一片| 人妻制服诱惑在线中文字幕| 啦啦啦中文免费视频观看日本| kizo精华| 免费av中文字幕在线| 国产色婷婷99| 国产亚洲91精品色在线| 精品亚洲成国产av| 亚洲伊人久久精品综合| 成年av动漫网址| 一区在线观看完整版| 三级国产精品片| 蜜臀久久99精品久久宅男| 欧美xxxx性猛交bbbb| av网站免费在线观看视频| 在线 av 中文字幕| 国产免费一级a男人的天堂| 2021少妇久久久久久久久久久| 九九在线视频观看精品| 精品久久久精品久久久| 人人妻人人澡人人爽人人夜夜| 91久久精品国产一区二区成人| 日韩成人伦理影院| 中国国产av一级| 欧美日本视频| 中国国产av一级| 在线播放无遮挡| 青春草亚洲视频在线观看| kizo精华| 青青草视频在线视频观看| 亚洲无线观看免费| 欧美性感艳星| 亚洲久久久国产精品| 国产精品女同一区二区软件| 亚洲无线观看免费| 一级毛片久久久久久久久女|