• <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
    在线观看美女被高潮喷水网站| 一进一出抽搐动态| 最好的美女福利视频网| 国内精品久久久久精免费| 国产美女午夜福利| 日韩欧美一区二区三区在线观看| 一级黄色大片毛片| 国产色婷婷99| 国产日本99.免费观看| 少妇裸体淫交视频免费看高清| 日日撸夜夜添| 日韩一本色道免费dvd| 国产高清三级在线| 欧美3d第一页| 18禁在线无遮挡免费观看视频| 久久久久久久午夜电影| 91aial.com中文字幕在线观看| 国产毛片a区久久久久| 十八禁国产超污无遮挡网站| 久久九九热精品免费| 国产精品国产三级国产av玫瑰| 亚洲色图av天堂| 亚洲精品乱码久久久v下载方式| 在线观看美女被高潮喷水网站| 3wmmmm亚洲av在线观看| 一个人看的www免费观看视频| 欧美丝袜亚洲另类| 亚洲国产欧美人成| 欧美日本亚洲视频在线播放| 欧美一级a爱片免费观看看| 国内精品宾馆在线| 中文精品一卡2卡3卡4更新| 波多野结衣高清无吗| 欧美激情久久久久久爽电影| 亚洲久久久久久中文字幕| 成人无遮挡网站| 免费av毛片视频| 成年女人看的毛片在线观看| 高清在线视频一区二区三区 | 久久人人爽人人片av| 国产精品国产三级国产av玫瑰| 国产成人freesex在线| 男人狂女人下面高潮的视频| 我要看日韩黄色一级片| 99国产极品粉嫩在线观看| 日日摸夜夜添夜夜添av毛片| 久久久国产成人免费| АⅤ资源中文在线天堂| 日韩av不卡免费在线播放| 青春草视频在线免费观看| 亚洲婷婷狠狠爱综合网| 深夜a级毛片| 亚洲性久久影院| 日本撒尿小便嘘嘘汇集6| 久久久久久大精品| 22中文网久久字幕| 日韩视频在线欧美| 美女cb高潮喷水在线观看| 国产精品一区二区三区四区久久| 国产精品一及| 神马国产精品三级电影在线观看| av专区在线播放| 99在线视频只有这里精品首页| 成年女人永久免费观看视频| 3wmmmm亚洲av在线观看| 国产三级在线视频| 国产成人精品久久久久久| 国产又黄又爽又无遮挡在线| 亚洲婷婷狠狠爱综合网| 国产一区二区三区在线臀色熟女| 男女做爰动态图高潮gif福利片| 国产乱人视频| .国产精品久久| 亚洲精华国产精华液的使用体验 | 欧美日韩一区二区视频在线观看视频在线 | 国产在视频线在精品| 国产视频内射| 精品欧美国产一区二区三| 午夜亚洲福利在线播放| 九九久久精品国产亚洲av麻豆| 久久热精品热| 人人妻人人澡人人爽人人夜夜 | 国产毛片a区久久久久| 国产伦精品一区二区三区四那| 午夜精品国产一区二区电影 | 天天躁夜夜躁狠狠久久av| 联通29元200g的流量卡| 热99re8久久精品国产| 综合色av麻豆| 亚洲精品久久久久久婷婷小说 | 卡戴珊不雅视频在线播放| 国产精品,欧美在线| 身体一侧抽搐| 搞女人的毛片| 日本一本二区三区精品| 秋霞在线观看毛片| 我要搜黄色片| 国产蜜桃级精品一区二区三区| 黄色日韩在线| 免费一级毛片在线播放高清视频| 午夜激情欧美在线| 一区二区三区免费毛片| 亚洲最大成人av| 欧美精品国产亚洲| 久久精品国产自在天天线| 一进一出抽搐gif免费好疼| 国产精品国产高清国产av| 亚洲欧美日韩高清在线视频| 免费在线观看成人毛片| 日本一二三区视频观看| 免费看美女性在线毛片视频| 国产av不卡久久| 国产精品久久久久久精品电影| 亚洲精品久久久久久婷婷小说 | 国产精品一区www在线观看| 噜噜噜噜噜久久久久久91| 国产精品国产三级国产av玫瑰| 日产精品乱码卡一卡2卡三| 国产精品一区二区性色av| 网址你懂的国产日韩在线| 青春草视频在线免费观看| 蜜桃久久精品国产亚洲av| 人妻系列 视频| 男人和女人高潮做爰伦理| 综合色丁香网| 国产一区二区亚洲精品在线观看| 国内揄拍国产精品人妻在线| 一进一出抽搐gif免费好疼| 亚洲一区二区三区色噜噜| 中文亚洲av片在线观看爽| 九草在线视频观看| 国内精品一区二区在线观看| 亚洲丝袜综合中文字幕| 高清在线视频一区二区三区 | 黑人高潮一二区| 99久久中文字幕三级久久日本| 久久亚洲精品不卡| 色综合亚洲欧美另类图片| 国内揄拍国产精品人妻在线| 欧美区成人在线视频| 黄色配什么色好看| 欧美激情国产日韩精品一区| 18+在线观看网站| 十八禁国产超污无遮挡网站| 午夜福利成人在线免费观看| 国产日本99.免费观看| 久久韩国三级中文字幕| 亚洲国产色片| 晚上一个人看的免费电影| 欧美在线一区亚洲| 给我免费播放毛片高清在线观看| 99久久无色码亚洲精品果冻| 久久久久九九精品影院| 久久九九热精品免费| 亚洲四区av| 中文字幕精品亚洲无线码一区| 久久草成人影院| 久久久久久伊人网av| 国产三级在线视频| 99国产精品一区二区蜜桃av| 午夜视频国产福利| 色综合亚洲欧美另类图片| 99在线视频只有这里精品首页| 亚洲精华国产精华液的使用体验 | 干丝袜人妻中文字幕| 色综合色国产| 亚洲精品粉嫩美女一区| 蜜桃久久精品国产亚洲av| 成年女人看的毛片在线观看| 青青草视频在线视频观看| 亚洲人成网站在线播| 国产熟女欧美一区二区| 亚洲国产欧美人成| 亚洲国产精品久久男人天堂| 国产乱人视频| 最后的刺客免费高清国语| 啦啦啦观看免费观看视频高清| 国产av在哪里看| 国产精品久久久久久av不卡| 国产av麻豆久久久久久久| 少妇人妻一区二区三区视频| 国产成人影院久久av| 一级毛片aaaaaa免费看小| 免费看a级黄色片| 六月丁香七月| 成人欧美大片| 国产精品久久久久久精品电影| 在线免费十八禁| 欧美激情国产日韩精品一区| АⅤ资源中文在线天堂| 免费看日本二区| 插逼视频在线观看| 欧美性感艳星| 亚洲三级黄色毛片| 亚洲真实伦在线观看| 卡戴珊不雅视频在线播放| 大又大粗又爽又黄少妇毛片口| 亚洲欧美精品专区久久| 给我免费播放毛片高清在线观看| 少妇熟女aⅴ在线视频| 91麻豆精品激情在线观看国产| 最近的中文字幕免费完整| 欧美激情久久久久久爽电影| 亚洲精品国产成人久久av| 成年av动漫网址| 身体一侧抽搐| 亚洲高清免费不卡视频| 尾随美女入室| 中文精品一卡2卡3卡4更新| 国产日本99.免费观看| av福利片在线观看| 在线观看美女被高潮喷水网站| 老师上课跳d突然被开到最大视频| 亚洲激情五月婷婷啪啪| 99久久无色码亚洲精品果冻| 亚洲无线观看免费| 99在线人妻在线中文字幕| 免费看av在线观看网站| 国产免费一级a男人的天堂| 18禁在线播放成人免费| 成人一区二区视频在线观看| 色综合亚洲欧美另类图片| 韩国av在线不卡| 婷婷精品国产亚洲av| 成人特级av手机在线观看| 精品99又大又爽又粗少妇毛片| 亚洲一区二区三区色噜噜| 搡老妇女老女人老熟妇| 日韩大尺度精品在线看网址| 日韩精品有码人妻一区| 秋霞在线观看毛片| 日韩欧美 国产精品| 69人妻影院| 亚洲天堂国产精品一区在线| 3wmmmm亚洲av在线观看| 麻豆精品久久久久久蜜桃| 亚洲成人av在线免费| 中国国产av一级| 在线播放国产精品三级| 亚洲精品久久久久久婷婷小说 | 99热全是精品| 永久网站在线| 成人无遮挡网站| kizo精华| 久久人人爽人人爽人人片va| 国内久久婷婷六月综合欲色啪| 91午夜精品亚洲一区二区三区| 卡戴珊不雅视频在线播放| 午夜视频国产福利| 中文精品一卡2卡3卡4更新| 亚洲av不卡在线观看| 国产免费一级a男人的天堂| 亚洲aⅴ乱码一区二区在线播放| 联通29元200g的流量卡| 国产私拍福利视频在线观看| 青春草国产在线视频 | 男女视频在线观看网站免费| 伦精品一区二区三区| 爱豆传媒免费全集在线观看| 国产精品永久免费网站| 黄片wwwwww| 人妻少妇偷人精品九色| 久久亚洲国产成人精品v| 99久久中文字幕三级久久日本| 又爽又黄无遮挡网站| 国产高潮美女av| 丝袜美腿在线中文| 特级一级黄色大片| 久久久精品94久久精品| 国产成人精品一,二区 | 麻豆一二三区av精品| 婷婷六月久久综合丁香| 特大巨黑吊av在线直播| 99国产极品粉嫩在线观看| 久久国内精品自在自线图片| 国产黄片美女视频| av在线天堂中文字幕| 最后的刺客免费高清国语| 赤兔流量卡办理| 日日撸夜夜添| 国产久久久一区二区三区| 中文字幕av成人在线电影| 国产精品女同一区二区软件| 久久久久久久久久久丰满| 国产精品综合久久久久久久免费| 蜜桃久久精品国产亚洲av| 国产三级中文精品| 老司机影院成人| 国产伦在线观看视频一区| 久久精品影院6| 亚洲国产精品国产精品| 97人妻精品一区二区三区麻豆| 亚洲欧美中文字幕日韩二区| 亚洲一区二区三区色噜噜| 卡戴珊不雅视频在线播放| 久久亚洲国产成人精品v| 又粗又硬又长又爽又黄的视频 | 只有这里有精品99| 国产黄色视频一区二区在线观看 | 日韩制服骚丝袜av| 成熟少妇高潮喷水视频| 97人妻精品一区二区三区麻豆| 亚洲人与动物交配视频| 男的添女的下面高潮视频| 高清毛片免费观看视频网站| 一个人看的www免费观看视频| 一级二级三级毛片免费看| 又黄又爽又刺激的免费视频.| 最新中文字幕久久久久| 成熟少妇高潮喷水视频| 深夜a级毛片| 午夜激情福利司机影院| 边亲边吃奶的免费视频| 99在线视频只有这里精品首页| 精品不卡国产一区二区三区| 国产高清有码在线观看视频| 伊人久久精品亚洲午夜| 欧美性猛交╳xxx乱大交人| 精品久久久噜噜| 久久99热这里只有精品18| 99久国产av精品| 久久99精品国语久久久| 韩国av在线不卡| 国产女主播在线喷水免费视频网站 | 免费观看a级毛片全部| 精品无人区乱码1区二区| 国产女主播在线喷水免费视频网站 | 免费av毛片视频| 免费看日本二区| 日产精品乱码卡一卡2卡三| 精品人妻熟女av久视频| 日本免费一区二区三区高清不卡| 在线免费十八禁| 精品熟女少妇av免费看| 久久国内精品自在自线图片| 夜夜看夜夜爽夜夜摸| 性插视频无遮挡在线免费观看| 国产成人freesex在线| 黄色视频,在线免费观看| 欧美最黄视频在线播放免费| 国产男人的电影天堂91| 国产高清三级在线| 国产一区亚洲一区在线观看| 日韩欧美国产在线观看| 色吧在线观看| 老师上课跳d突然被开到最大视频| 热99在线观看视频| 午夜福利成人在线免费观看| 色噜噜av男人的天堂激情| 国产单亲对白刺激| 亚洲成人中文字幕在线播放| 校园春色视频在线观看| 亚洲欧美成人综合另类久久久 | 老熟妇乱子伦视频在线观看| 久久韩国三级中文字幕| 九草在线视频观看| 色播亚洲综合网| 欧美+日韩+精品| 国产一区二区激情短视频| 日韩欧美国产在线观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 久久99精品国语久久久| 久久精品久久久久久久性| 99国产极品粉嫩在线观看| 三级毛片av免费| 在线观看av片永久免费下载| 午夜激情福利司机影院| 亚洲真实伦在线观看| 夜夜夜夜夜久久久久| 亚洲精品自拍成人| 在线免费观看不下载黄p国产| 国产爱豆传媒在线观看| 亚洲成人久久爱视频| 欧美一区二区精品小视频在线| 国产片特级美女逼逼视频| 免费观看在线日韩| 国内精品宾馆在线| 国内精品美女久久久久久| 一本久久中文字幕| 欧美日韩一区二区视频在线观看视频在线 | 亚洲久久久久久中文字幕| 91av网一区二区| 国产69精品久久久久777片| 午夜福利在线在线| 免费看av在线观看网站| 少妇被粗大猛烈的视频| 别揉我奶头 嗯啊视频| 色噜噜av男人的天堂激情| 成人亚洲精品av一区二区| 国产 一区精品| 又爽又黄无遮挡网站| 少妇人妻一区二区三区视频| 中文字幕免费在线视频6| 午夜a级毛片| 亚洲美女搞黄在线观看| 久久久成人免费电影| 精品久久久久久久久久久久久| 日韩欧美一区二区三区在线观看| 少妇熟女欧美另类| 日本成人三级电影网站| 男人舔女人下体高潮全视频| 国产伦理片在线播放av一区 | 日产精品乱码卡一卡2卡三| 中文字幕熟女人妻在线| 如何舔出高潮| 午夜福利在线观看免费完整高清在 | 最后的刺客免费高清国语| 国产伦一二天堂av在线观看| 日韩三级伦理在线观看| 如何舔出高潮| 99视频精品全部免费 在线| 床上黄色一级片| 直男gayav资源| 日韩欧美精品v在线| 男女视频在线观看网站免费| 精品99又大又爽又粗少妇毛片| 欧美又色又爽又黄视频| 久久久色成人| 大香蕉久久网| 色哟哟·www| 国产又黄又爽又无遮挡在线| 一区福利在线观看| 午夜精品在线福利| 九草在线视频观看| 搡老妇女老女人老熟妇| 国产探花在线观看一区二区| 黄片无遮挡物在线观看| av在线播放精品| 国产在线精品亚洲第一网站| 免费av毛片视频| 亚洲欧美精品综合久久99| 日本黄大片高清| 免费搜索国产男女视频| 亚洲在久久综合| a级毛片a级免费在线| 亚洲av成人精品一区久久| 91av网一区二区| 极品教师在线视频| 久久精品人妻少妇| 日韩欧美精品免费久久| 一个人看视频在线观看www免费| 99riav亚洲国产免费| 色吧在线观看| 亚洲av不卡在线观看| 2022亚洲国产成人精品| 午夜免费激情av| 麻豆成人av视频| 亚洲av成人av| 别揉我奶头 嗯啊视频| 午夜福利高清视频| 亚洲欧美中文字幕日韩二区| 成人毛片a级毛片在线播放| 国产成人a∨麻豆精品| 啦啦啦观看免费观看视频高清| 丰满的人妻完整版| 麻豆精品久久久久久蜜桃| 国产成人精品久久久久久| 天天躁日日操中文字幕| 国产亚洲精品av在线| 亚洲乱码一区二区免费版| 美女 人体艺术 gogo| 欧美激情久久久久久爽电影| 青春草亚洲视频在线观看| 中文字幕久久专区| 国产蜜桃级精品一区二区三区| 国内久久婷婷六月综合欲色啪| 欧美精品国产亚洲| 欧美+日韩+精品| 少妇猛男粗大的猛烈进出视频 | 国模一区二区三区四区视频| 三级国产精品欧美在线观看| 热99re8久久精品国产| 国产黄片美女视频| 久久九九热精品免费| 久久久午夜欧美精品| 久久草成人影院| 久久精品国产自在天天线| 一本精品99久久精品77| 国产精品爽爽va在线观看网站| 麻豆成人av视频| 成人无遮挡网站| ponron亚洲| 女人被狂操c到高潮| 国产精品av视频在线免费观看| 国产色爽女视频免费观看| 国产视频首页在线观看| 伊人久久精品亚洲午夜| 久久九九热精品免费| 大型黄色视频在线免费观看| 性欧美人与动物交配| 日韩精品有码人妻一区| 亚洲丝袜综合中文字幕| 久久综合国产亚洲精品| 国产熟女欧美一区二区| 国产中年淑女户外野战色| 日韩中字成人| 亚洲三级黄色毛片| 嫩草影院新地址| .国产精品久久| 男人和女人高潮做爰伦理| 男女啪啪激烈高潮av片| 午夜老司机福利剧场| 人体艺术视频欧美日本| av国产免费在线观看| 两个人视频免费观看高清| 麻豆成人av视频| 国产精品日韩av在线免费观看| 亚洲成av人片在线播放无| 色播亚洲综合网| 日韩欧美 国产精品| 久久久国产成人免费| 国产亚洲5aaaaa淫片| 亚洲第一电影网av| 久久99热这里只有精品18| 精品久久久久久久久久免费视频| 欧美性猛交黑人性爽| 熟妇人妻久久中文字幕3abv| 亚洲aⅴ乱码一区二区在线播放| 在线a可以看的网站| 亚洲va在线va天堂va国产| 亚洲第一区二区三区不卡| 欧美色欧美亚洲另类二区| 3wmmmm亚洲av在线观看| 99热这里只有精品一区| 99热网站在线观看| 中文在线观看免费www的网站| 波多野结衣高清作品| 日韩国内少妇激情av| 黄色视频,在线免费观看| 女同久久另类99精品国产91| 熟女人妻精品中文字幕| 日韩人妻高清精品专区| 国内久久婷婷六月综合欲色啪| 看非洲黑人一级黄片| 国产色婷婷99| 久久这里只有精品中国| 又爽又黄a免费视频| 嫩草影院精品99| 国产精品一区二区在线观看99 | 中文字幕人妻熟人妻熟丝袜美| 精品久久久久久久久亚洲| 天堂网av新在线| 69人妻影院| 国产午夜精品论理片| 一级毛片我不卡| 亚洲乱码一区二区免费版| 日本一本二区三区精品| 九九久久精品国产亚洲av麻豆| 在线国产一区二区在线| 国产黄a三级三级三级人| 国产精品.久久久| 亚洲成人久久爱视频| 中文字幕av成人在线电影| 久久久久久久久久久丰满| 久久久精品94久久精品| 亚洲性久久影院| 精品欧美国产一区二区三| 精华霜和精华液先用哪个| 精品久久久久久成人av| 九九热线精品视视频播放| 日韩一区二区视频免费看| 18禁在线无遮挡免费观看视频| 99国产极品粉嫩在线观看| 一进一出抽搐动态| 国内揄拍国产精品人妻在线| 久久久欧美国产精品| 深爱激情五月婷婷| 午夜福利在线观看免费完整高清在 | 麻豆成人av视频| 18禁在线无遮挡免费观看视频| 中文亚洲av片在线观看爽| 久久精品久久久久久久性| 国产高潮美女av| 欧美成人免费av一区二区三区| 国国产精品蜜臀av免费| 午夜视频国产福利| 高清毛片免费观看视频网站| 久久国产乱子免费精品| 国产成人影院久久av| 2022亚洲国产成人精品| 老师上课跳d突然被开到最大视频| 长腿黑丝高跟| 黄色日韩在线| 欧美丝袜亚洲另类| 2021天堂中文幕一二区在线观| 亚洲在线观看片| 岛国在线免费视频观看| 色综合色国产| 欧美色欧美亚洲另类二区| 五月玫瑰六月丁香| 成人一区二区视频在线观看| 欧美xxxx黑人xx丫x性爽| 久久欧美精品欧美久久欧美| 蜜桃亚洲精品一区二区三区| 哪里可以看免费的av片| 日韩视频在线欧美| av在线天堂中文字幕| 我的老师免费观看完整版| 成人无遮挡网站| 97人妻精品一区二区三区麻豆| 精品久久久噜噜| 色综合站精品国产| 亚洲人成网站在线播放欧美日韩| 如何舔出高潮| 男女下面进入的视频免费午夜| 久久久a久久爽久久v久久| 91在线精品国自产拍蜜月| 亚洲一区二区三区色噜噜| 夜夜夜夜夜久久久久| 亚洲内射少妇av| 九九在线视频观看精品| 久久久国产成人免费| 亚洲av.av天堂| 内射极品少妇av片p| 免费大片18禁|