• <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
    久久精品久久精品一区二区三区| 欧美zozozo另类| 三级国产精品片| 久久久久久国产a免费观看| 久久亚洲国产成人精品v| 亚洲,一卡二卡三卡| 亚洲精品色激情综合| 在线观看av片永久免费下载| 亚洲经典国产精华液单| 另类亚洲欧美激情| 又黄又爽又刺激的免费视频.| 蜜桃亚洲精品一区二区三区| 97热精品久久久久久| 18禁裸乳无遮挡动漫免费视频 | 99九九线精品视频在线观看视频| 九九久久精品国产亚洲av麻豆| 免费高清在线观看视频在线观看| 在线天堂最新版资源| 久久女婷五月综合色啪小说 | 看免费成人av毛片| 婷婷色av中文字幕| 日韩免费高清中文字幕av| 一个人观看的视频www高清免费观看| 一级二级三级毛片免费看| 免费高清在线观看视频在线观看| 日本熟妇午夜| 精品久久久噜噜| 特大巨黑吊av在线直播| 国产精品久久久久久av不卡| 国产精品国产三级国产av玫瑰| 久久久久精品久久久久真实原创| 国产老妇女一区| 亚洲欧美日韩东京热| 欧美一级a爱片免费观看看| 超碰97精品在线观看| 在线 av 中文字幕| videossex国产| 99久久精品热视频| 日韩一本色道免费dvd| av在线亚洲专区| 免费少妇av软件| 韩国av在线不卡| 色视频在线一区二区三区| av免费在线看不卡| 日日啪夜夜撸| 国产熟女欧美一区二区| 国产伦理片在线播放av一区| 国产乱人偷精品视频| 国产视频内射| 日韩欧美精品免费久久| 美女xxoo啪啪120秒动态图| 精品一区二区免费观看| 插逼视频在线观看| 亚洲人成网站在线观看播放| 国产一区有黄有色的免费视频| 国产中年淑女户外野战色| 久久97久久精品| 各种免费的搞黄视频| 亚洲欧洲国产日韩| 精华霜和精华液先用哪个| 在线观看av片永久免费下载| 九草在线视频观看| a级一级毛片免费在线观看| 国产色爽女视频免费观看| 在线免费观看不下载黄p国产| 国产成人a∨麻豆精品| 五月玫瑰六月丁香| 最新中文字幕久久久久| 男女边摸边吃奶| 国产精品一区二区三区四区免费观看| 午夜免费观看性视频| 国产综合懂色| 性色av一级| 18禁在线无遮挡免费观看视频| 国产综合精华液| 一二三四中文在线观看免费高清| 最近中文字幕高清免费大全6| 激情 狠狠 欧美| 精品久久久久久久末码| 男人添女人高潮全过程视频| 啦啦啦啦在线视频资源| 2021少妇久久久久久久久久久| 校园人妻丝袜中文字幕| 男女国产视频网站| 舔av片在线| 日韩强制内射视频| 97人妻精品一区二区三区麻豆| 日本与韩国留学比较| 久久99精品国语久久久| 亚洲国产av新网站| 欧美日韩视频精品一区| 亚洲精品乱码久久久久久按摩| 国产精品久久久久久久电影| 欧美潮喷喷水| 男人添女人高潮全过程视频| 成人亚洲精品av一区二区| 色视频www国产| 亚洲成人中文字幕在线播放| 精品一区二区免费观看| 亚洲,一卡二卡三卡| 人妻系列 视频| 又爽又黄a免费视频| 欧美性感艳星| 永久网站在线| 亚洲精品一二三| 国产乱人偷精品视频| 国内精品宾馆在线| 日韩三级伦理在线观看| 大码成人一级视频| 18禁在线播放成人免费| 亚洲美女视频黄频| 日韩av在线免费看完整版不卡| 成人亚洲欧美一区二区av| 免费看不卡的av| 18禁动态无遮挡网站| 亚洲婷婷狠狠爱综合网| 国产成人福利小说| 国产午夜精品久久久久久一区二区三区| 免费av不卡在线播放| 国产成人精品一,二区| 91精品国产九色| 亚洲最大成人手机在线| 狂野欧美激情性xxxx在线观看| 欧美日韩精品成人综合77777| 永久免费av网站大全| 久久久久久久久久人人人人人人| 特级一级黄色大片| av.在线天堂| 深夜a级毛片| 少妇人妻一区二区三区视频| 日韩人妻高清精品专区| 欧美区成人在线视频| 欧美+日韩+精品| 特级一级黄色大片| 国产毛片在线视频| 亚洲,欧美,日韩| 欧美一级a爱片免费观看看| 丝袜喷水一区| 成人亚洲精品av一区二区| 成人二区视频| 免费看av在线观看网站| 日韩一区二区三区影片| 国产亚洲一区二区精品| 免费黄色在线免费观看| 亚洲人与动物交配视频| 在线免费十八禁| 国产在视频线精品| 亚洲欧美中文字幕日韩二区| 97在线人人人人妻| 中文字幕亚洲精品专区| 日本黄色片子视频| 日韩一区二区三区影片| 狂野欧美白嫩少妇大欣赏| 亚洲欧美中文字幕日韩二区| 国产精品久久久久久av不卡| 毛片一级片免费看久久久久| 一个人观看的视频www高清免费观看| 欧美另类一区| 爱豆传媒免费全集在线观看| 亚洲av.av天堂| 大片电影免费在线观看免费| 日韩强制内射视频| 噜噜噜噜噜久久久久久91| 国产精品爽爽va在线观看网站| 国产精品爽爽va在线观看网站| 亚洲av电影在线观看一区二区三区 | 白带黄色成豆腐渣| 国产欧美亚洲国产| 精品久久久噜噜| 久久久a久久爽久久v久久| 99热全是精品| 国产成人aa在线观看| 在线 av 中文字幕| 男人爽女人下面视频在线观看| 王馨瑶露胸无遮挡在线观看| 日本av手机在线免费观看| 卡戴珊不雅视频在线播放| 国模一区二区三区四区视频| a级毛片免费高清观看在线播放| 99热网站在线观看| 久久久久久伊人网av| 国产精品成人在线| 你懂的网址亚洲精品在线观看| 人妻 亚洲 视频| 天堂网av新在线| 欧美一级a爱片免费观看看| 国产一区有黄有色的免费视频| 秋霞伦理黄片| 插逼视频在线观看| 久久ye,这里只有精品| 七月丁香在线播放| 日本午夜av视频| 日韩中字成人| 免费播放大片免费观看视频在线观看| 男女下面进入的视频免费午夜| 街头女战士在线观看网站| 久久久亚洲精品成人影院| 午夜福利高清视频| 亚洲精品视频女| 我的女老师完整版在线观看| 六月丁香七月| 亚洲欧美中文字幕日韩二区| av国产精品久久久久影院| 91在线精品国自产拍蜜月| 日本爱情动作片www.在线观看| 卡戴珊不雅视频在线播放| 大片免费播放器 马上看| 六月丁香七月| 久久精品久久精品一区二区三区| 69av精品久久久久久| 一个人观看的视频www高清免费观看| 观看美女的网站| 亚洲欧美日韩卡通动漫| 好男人视频免费观看在线| 亚洲综合精品二区| 一级黄片播放器| 韩国高清视频一区二区三区| 午夜精品国产一区二区电影 | 亚洲美女搞黄在线观看| 亚洲人成网站高清观看| 国产伦理片在线播放av一区| 成人免费观看视频高清| 纵有疾风起免费观看全集完整版| 男女边摸边吃奶| 深夜a级毛片| 99久久精品热视频| 国产精品三级大全| 国产精品女同一区二区软件| 啦啦啦中文免费视频观看日本| 国产精品熟女久久久久浪| 色视频www国产| 99热这里只有是精品50| 少妇的逼水好多| 99精国产麻豆久久婷婷| 国产成人精品久久久久久| 欧美精品人与动牲交sv欧美| av国产免费在线观看| 男女下面进入的视频免费午夜| 国产成人免费观看mmmm| 国产成人福利小说| 精品少妇久久久久久888优播| 六月丁香七月| 国产 精品1| 久久久久久久久久久丰满| 欧美一级a爱片免费观看看| 人人妻人人看人人澡| www.av在线官网国产| .国产精品久久| 国产一区二区三区av在线| 青春草亚洲视频在线观看| 青春草国产在线视频| 天天一区二区日本电影三级| 人妻制服诱惑在线中文字幕| 1000部很黄的大片| 美女主播在线视频| 亚洲欧洲国产日韩| 一本色道久久久久久精品综合| a级毛片免费高清观看在线播放| av国产精品久久久久影院| 免费观看无遮挡的男女| 一区二区三区免费毛片| 亚洲欧美清纯卡通| 国产美女午夜福利| 免费看av在线观看网站| 国产综合懂色| 欧美变态另类bdsm刘玥| 王馨瑶露胸无遮挡在线观看| 国产av不卡久久| 激情五月婷婷亚洲| 亚洲精品国产av成人精品| 免费在线观看成人毛片| 午夜精品国产一区二区电影 | 一级毛片aaaaaa免费看小| 亚洲国产精品999| 亚洲电影在线观看av| 免费观看a级毛片全部| 国产亚洲91精品色在线| 亚洲精品日本国产第一区| 久久久久性生活片| 狠狠精品人妻久久久久久综合| 亚洲av中文字字幕乱码综合| 成人免费观看视频高清| 交换朋友夫妻互换小说| 亚洲欧美成人综合另类久久久| 我要看日韩黄色一级片| 男人和女人高潮做爰伦理| 熟妇人妻不卡中文字幕| 欧美高清成人免费视频www| 在线天堂最新版资源| 日本与韩国留学比较| 亚洲av福利一区| 91精品伊人久久大香线蕉| 又爽又黄无遮挡网站| 免费黄频网站在线观看国产| 亚洲精品一二三| 永久网站在线| av播播在线观看一区| 又粗又硬又长又爽又黄的视频| 国产成人a∨麻豆精品| 国内精品宾馆在线| 简卡轻食公司| 久久久久久久国产电影| 国产伦理片在线播放av一区| 日韩一本色道免费dvd| 国产欧美另类精品又又久久亚洲欧美| 一级毛片久久久久久久久女| 亚洲精品成人av观看孕妇| 亚洲无线观看免费| 日本wwww免费看| 亚洲aⅴ乱码一区二区在线播放| 国产中年淑女户外野战色| 老师上课跳d突然被开到最大视频| 免费看光身美女| 亚洲精品,欧美精品| 中文精品一卡2卡3卡4更新| 一个人观看的视频www高清免费观看| 韩国高清视频一区二区三区| 成人一区二区视频在线观看| 三级男女做爰猛烈吃奶摸视频| 1000部很黄的大片| 久久99热这里只有精品18| 狂野欧美激情性xxxx在线观看| 久久国内精品自在自线图片| 亚洲av在线观看美女高潮| 熟女av电影| 精品人妻偷拍中文字幕| 亚洲综合色惰| 亚洲aⅴ乱码一区二区在线播放| 国产精品久久久久久久久免| 欧美潮喷喷水| av.在线天堂| 精品一区二区免费观看| 日本av手机在线免费观看| 99热全是精品| 国产午夜精品一二区理论片| 你懂的网址亚洲精品在线观看| 又大又黄又爽视频免费| 久久影院123| 精品人妻熟女av久视频| 丝袜喷水一区| 色网站视频免费| 国产精品av视频在线免费观看| 国产免费视频播放在线视频| 日韩一区二区三区影片| 青春草视频在线免费观看| 亚洲av日韩在线播放| 啦啦啦在线观看免费高清www| 久久国内精品自在自线图片| 美女视频免费永久观看网站| 麻豆成人午夜福利视频| 99久久精品热视频| av线在线观看网站| 麻豆成人午夜福利视频| 我的老师免费观看完整版| 内射极品少妇av片p| 欧美区成人在线视频| 亚洲伊人久久精品综合| 性插视频无遮挡在线免费观看| 国产欧美日韩一区二区三区在线 | 成人综合一区亚洲| 国产男女超爽视频在线观看| 国产一区二区在线观看日韩| 丝袜美腿在线中文| 中文字幕制服av| 国产男女超爽视频在线观看| 精品久久久久久电影网| 精品久久久精品久久久| 丝瓜视频免费看黄片| 99久久九九国产精品国产免费| 久久精品久久久久久噜噜老黄| 91久久精品国产一区二区成人| 免费看日本二区| 国产欧美亚洲国产| 亚洲国产av新网站| av国产久精品久网站免费入址| 久久精品国产a三级三级三级| 国产精品一区二区三区四区免费观看| 亚洲欧美成人综合另类久久久| 亚洲高清免费不卡视频| av黄色大香蕉| 在线看a的网站| 免费看av在线观看网站| 人人妻人人爽人人添夜夜欢视频 | 国产伦精品一区二区三区视频9| 日本av手机在线免费观看| 极品教师在线视频| 天天一区二区日本电影三级| 精品国产三级普通话版| 久久精品久久精品一区二区三区| 亚洲久久久久久中文字幕| 人妻制服诱惑在线中文字幕| 国产精品av视频在线免费观看| 一本久久精品| 亚洲av成人精品一区久久| 国产高潮美女av| 国产亚洲最大av| 热re99久久精品国产66热6| 人妻制服诱惑在线中文字幕| 黄片wwwwww| 能在线免费看毛片的网站| 在线观看人妻少妇| 成人毛片a级毛片在线播放| 久久久久久久午夜电影| 久久精品久久久久久久性| 国产精品99久久久久久久久| 久久精品久久久久久噜噜老黄| 午夜老司机福利剧场| 联通29元200g的流量卡| 亚洲精品亚洲一区二区| 国产综合精华液| 亚洲久久久久久中文字幕| 欧美日韩一区二区视频在线观看视频在线 | 国产免费一级a男人的天堂| 国产国拍精品亚洲av在线观看| 一级黄片播放器| 欧美激情久久久久久爽电影| 亚洲伊人久久精品综合| 日韩亚洲欧美综合| 欧美高清成人免费视频www| 亚洲精品成人久久久久久| 美女内射精品一级片tv| 老女人水多毛片| 国产永久视频网站| 欧美日韩视频高清一区二区三区二| 晚上一个人看的免费电影| 夜夜看夜夜爽夜夜摸| 欧美性猛交╳xxx乱大交人| 九九爱精品视频在线观看| freevideosex欧美| 婷婷色综合www| 免费av观看视频| 日韩不卡一区二区三区视频在线| 国产精品嫩草影院av在线观看| 亚洲精品一二三| 亚洲怡红院男人天堂| 99久国产av精品国产电影| 熟女av电影| 国产精品av视频在线免费观看| 美女cb高潮喷水在线观看| 小蜜桃在线观看免费完整版高清| 国产真实伦视频高清在线观看| 一区二区三区乱码不卡18| 少妇的逼水好多| 一区二区av电影网| 欧美xxxx性猛交bbbb| 国产精品一区二区三区四区免费观看| 亚洲精品乱久久久久久| 建设人人有责人人尽责人人享有的 | 亚州av有码| 日韩 亚洲 欧美在线| 国产欧美亚洲国产| 少妇猛男粗大的猛烈进出视频 | 国产精品99久久久久久久久| 高清日韩中文字幕在线| 亚洲成人久久爱视频| 成人免费观看视频高清| 777米奇影视久久| 欧美成人精品欧美一级黄| 天堂中文最新版在线下载 | 亚洲av免费高清在线观看| 久热这里只有精品99| 国内揄拍国产精品人妻在线| 国产精品熟女久久久久浪| 国产毛片在线视频| 爱豆传媒免费全集在线观看| 99热这里只有是精品在线观看| 欧美区成人在线视频| 18禁在线播放成人免费| 国产色爽女视频免费观看| 精品人妻视频免费看| 国产片特级美女逼逼视频| 精品少妇黑人巨大在线播放| 色吧在线观看| 久久久久性生活片| 99久久精品一区二区三区| 哪个播放器可以免费观看大片| 亚洲精品国产av成人精品| 日韩成人伦理影院| 18禁裸乳无遮挡动漫免费视频 | 国产亚洲av片在线观看秒播厂| 久久精品人妻少妇| 少妇的逼好多水| 国产69精品久久久久777片| 成人亚洲欧美一区二区av| 成人漫画全彩无遮挡| 一级爰片在线观看| 亚洲成人精品中文字幕电影| 亚洲最大成人手机在线| 国产一区二区三区综合在线观看 | 成年女人在线观看亚洲视频 | 干丝袜人妻中文字幕| 亚洲第一区二区三区不卡| 国产黄片视频在线免费观看| 青春草视频在线免费观看| 精品久久久久久久久亚洲| 久久久久国产精品人妻一区二区| 人人妻人人澡人人爽人人夜夜| 我要看日韩黄色一级片| 国产探花在线观看一区二区| 草草在线视频免费看| 日本黄色片子视频| 边亲边吃奶的免费视频| 人妻少妇偷人精品九色| 18+在线观看网站| 色吧在线观看| 亚洲图色成人| 精华霜和精华液先用哪个| 久久精品久久久久久久性| 汤姆久久久久久久影院中文字幕| 亚洲国产精品成人久久小说| 亚洲第一区二区三区不卡| 亚洲av一区综合| 国产淫语在线视频| www.色视频.com| 啦啦啦啦在线视频资源| 亚洲欧美精品自产自拍| 69av精品久久久久久| 80岁老熟妇乱子伦牲交| 黑人高潮一二区| 一级爰片在线观看| 国产一区亚洲一区在线观看| 尤物成人国产欧美一区二区三区| 街头女战士在线观看网站| 熟女人妻精品中文字幕| 色网站视频免费| 午夜免费鲁丝| 日韩欧美一区视频在线观看 | 伊人久久国产一区二区| 街头女战士在线观看网站| 亚洲成人久久爱视频| 国产有黄有色有爽视频| 在线观看免费高清a一片| 特级一级黄色大片| 一级毛片电影观看| 欧美97在线视频| 七月丁香在线播放| 如何舔出高潮| 神马国产精品三级电影在线观看| 毛片女人毛片| 国产熟女欧美一区二区| 丝袜美腿在线中文| 亚洲无线观看免费| 精品久久国产蜜桃| 国产日韩欧美亚洲二区| 精华霜和精华液先用哪个| 免费看av在线观看网站| 91午夜精品亚洲一区二区三区| 在现免费观看毛片| 成人亚洲欧美一区二区av| 女人十人毛片免费观看3o分钟| 日日摸夜夜添夜夜添av毛片| 国产亚洲午夜精品一区二区久久 | 99热国产这里只有精品6| 国产精品国产三级国产专区5o| 2022亚洲国产成人精品| 国产片特级美女逼逼视频| 国产精品不卡视频一区二区| av国产免费在线观看| 午夜福利视频1000在线观看| 久热这里只有精品99| 亚洲精品成人久久久久久| 欧美xxxx黑人xx丫x性爽| 国产精品国产av在线观看| 99久久中文字幕三级久久日本| 国产69精品久久久久777片| 精品国产露脸久久av麻豆| 久久精品综合一区二区三区| 人妻系列 视频| 成人免费观看视频高清| 亚洲国产欧美在线一区| 熟女人妻精品中文字幕| 97超碰精品成人国产| 亚洲成人中文字幕在线播放| 91精品伊人久久大香线蕉| 亚洲av成人精品一区久久| 欧美日韩在线观看h| 久久午夜福利片| 国产探花在线观看一区二区| 少妇人妻一区二区三区视频| av国产久精品久网站免费入址| 国产免费又黄又爽又色| 亚洲欧美精品专区久久| 亚洲高清免费不卡视频| 秋霞伦理黄片| 精品国产三级普通话版| 麻豆成人午夜福利视频| 久久久久久久久久成人| 色吧在线观看| 99热全是精品| 国产有黄有色有爽视频| 久久影院123| 老女人水多毛片| 国产一区二区三区av在线| 大香蕉97超碰在线| 人人妻人人爽人人添夜夜欢视频 | 国产精品99久久99久久久不卡 | 下体分泌物呈黄色| 插逼视频在线观看| 成人无遮挡网站| 波野结衣二区三区在线| 亚洲国产精品成人综合色| 久久久久久久久久久免费av| 18禁在线无遮挡免费观看视频| 精品国产露脸久久av麻豆| 大片免费播放器 马上看| 国产白丝娇喘喷水9色精品| 丝袜美腿在线中文| 国产精品一区二区在线观看99| av国产久精品久网站免费入址| 国产高清不卡午夜福利| 最后的刺客免费高清国语| 精品国产一区二区三区久久久樱花 | 在线观看一区二区三区激情| 亚洲国产欧美在线一区| 精品视频人人做人人爽|