• <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
    亚洲黑人精品在线| 窝窝影院91人妻| 在线观看66精品国产| 一二三四社区在线视频社区8| 亚洲男人天堂网一区| 在线观看一区二区三区| 一级a爱片免费观看的视频| 亚洲国产精品999在线| 精品国产一区二区三区四区第35| 男女做爰动态图高潮gif福利片 | 黄色视频,在线免费观看| 久久精品国产亚洲av香蕉五月| 嫩草影视91久久| 18禁观看日本| 午夜免费成人在线视频| 亚洲av成人不卡在线观看播放网| 亚洲精品在线美女| 午夜老司机福利片| 久久天堂一区二区三区四区| 亚洲一区二区三区不卡视频| 啦啦啦免费观看视频1| 香蕉久久夜色| 两性夫妻黄色片| 亚洲性夜色夜夜综合| 久久久国产欧美日韩av| 国产亚洲av高清不卡| 一级黄色大片毛片| 一区二区三区国产精品乱码| 人妻丰满熟妇av一区二区三区| 级片在线观看| 国产单亲对白刺激| 在线av久久热| 国产区一区二久久| 免费不卡黄色视频| 久久久国产成人精品二区 | 久久精品国产亚洲av高清一级| 国产午夜精品久久久久久| 一二三四社区在线视频社区8| 久久中文看片网| 一个人免费在线观看的高清视频| 18禁美女被吸乳视频| а√天堂www在线а√下载| 久久久久久大精品| 99热只有精品国产| 80岁老熟妇乱子伦牲交| 免费少妇av软件| 国产男靠女视频免费网站| 神马国产精品三级电影在线观看 | 久久久久精品国产欧美久久久| www.999成人在线观看| 色综合婷婷激情| 国产蜜桃级精品一区二区三区| 亚洲国产中文字幕在线视频| 午夜精品国产一区二区电影| av网站免费在线观看视频| 亚洲专区字幕在线| 午夜福利免费观看在线| 精品日产1卡2卡| 免费少妇av软件| 一边摸一边做爽爽视频免费| 国产亚洲精品一区二区www| 亚洲欧美一区二区三区久久| 亚洲成a人片在线一区二区| 久久精品国产亚洲av高清一级| 国产精华一区二区三区| 国产午夜精品久久久久久| 亚洲第一欧美日韩一区二区三区| 在线观看免费日韩欧美大片| 国产精品自产拍在线观看55亚洲| 亚洲精品美女久久av网站| 国产精品九九99| 国产av精品麻豆| 免费女性裸体啪啪无遮挡网站| 亚洲五月天丁香| 中文欧美无线码| x7x7x7水蜜桃| 国产av又大| cao死你这个sao货| 51午夜福利影视在线观看| 18禁裸乳无遮挡免费网站照片 | 欧美性长视频在线观看| 国产免费男女视频| 欧美国产精品va在线观看不卡| 精品国产国语对白av| 亚洲精品久久午夜乱码| xxxhd国产人妻xxx| 久久国产亚洲av麻豆专区| 亚洲av片天天在线观看| 中文字幕精品免费在线观看视频| 又紧又爽又黄一区二区| 成人特级黄色片久久久久久久| 韩国精品一区二区三区| 日韩欧美一区视频在线观看| 日韩精品免费视频一区二区三区| 精品欧美一区二区三区在线| 制服人妻中文乱码| 人人澡人人妻人| 亚洲国产精品合色在线| 麻豆久久精品国产亚洲av | 欧美午夜高清在线| 涩涩av久久男人的天堂| 日韩高清综合在线| 午夜精品在线福利| 高清毛片免费观看视频网站 | 性色av乱码一区二区三区2| 露出奶头的视频| 俄罗斯特黄特色一大片| 亚洲av电影在线进入| 亚洲第一av免费看| 久久久国产欧美日韩av| 村上凉子中文字幕在线| 12—13女人毛片做爰片一| 一边摸一边做爽爽视频免费| 中文字幕精品免费在线观看视频| 熟女少妇亚洲综合色aaa.| 精品久久久久久电影网| 很黄的视频免费| 制服诱惑二区| 国产成年人精品一区二区 | 国产精品美女特级片免费视频播放器 | 身体一侧抽搐| 真人做人爱边吃奶动态| 国产蜜桃级精品一区二区三区| avwww免费| 亚洲av成人av| 99国产综合亚洲精品| 日本wwww免费看| 国产精品 国内视频| 天堂中文最新版在线下载| 91成年电影在线观看| 亚洲av日韩精品久久久久久密| 丝袜美腿诱惑在线| 人成视频在线观看免费观看| 99精品久久久久人妻精品| 久久精品成人免费网站| 国产精品一区二区免费欧美| 男人舔女人的私密视频| 午夜亚洲福利在线播放| 亚洲精品国产一区二区精华液| 免费日韩欧美在线观看| 欧美老熟妇乱子伦牲交| 黄片大片在线免费观看| 色综合婷婷激情| 国产深夜福利视频在线观看| 中文字幕人妻丝袜制服| 在线av久久热| 日韩精品中文字幕看吧| 久久国产精品男人的天堂亚洲| 性色av乱码一区二区三区2| www国产在线视频色| 免费日韩欧美在线观看| 欧美激情 高清一区二区三区| a在线观看视频网站| 黄色丝袜av网址大全| 侵犯人妻中文字幕一二三四区| 国产xxxxx性猛交| 欧美成人性av电影在线观看| 成年女人毛片免费观看观看9| 精品卡一卡二卡四卡免费| 日韩欧美国产一区二区入口| 一个人观看的视频www高清免费观看 | 啦啦啦 在线观看视频| 极品人妻少妇av视频| 久久精品亚洲熟妇少妇任你| 天堂动漫精品| 免费在线观看亚洲国产| www日本在线高清视频| 两个人免费观看高清视频| 丝袜人妻中文字幕| 9191精品国产免费久久| 国产主播在线观看一区二区| 99热国产这里只有精品6| 女人爽到高潮嗷嗷叫在线视频| 精品国产一区二区三区四区第35| av福利片在线| 手机成人av网站| 黄片小视频在线播放| 久久香蕉激情| 好看av亚洲va欧美ⅴa在| 男人舔女人下体高潮全视频| 女警被强在线播放| 757午夜福利合集在线观看| 另类亚洲欧美激情| 亚洲人成伊人成综合网2020| 亚洲精品一卡2卡三卡4卡5卡| 欧美激情 高清一区二区三区| 女警被强在线播放| 亚洲精品一卡2卡三卡4卡5卡| 亚洲熟妇中文字幕五十中出 | 一区二区日韩欧美中文字幕| 国产精品美女特级片免费视频播放器 | 日韩高清综合在线| 精品第一国产精品| 国产亚洲av高清不卡| 两个人免费观看高清视频| 成人永久免费在线观看视频| 中文亚洲av片在线观看爽| 国产高清视频在线播放一区| 久久人妻av系列| 黄色a级毛片大全视频| 老司机亚洲免费影院| 在线观看免费高清a一片| 亚洲人成网站在线播放欧美日韩| 成人特级黄色片久久久久久久| 国产免费av片在线观看野外av| 丝袜美腿诱惑在线| 成熟少妇高潮喷水视频| 12—13女人毛片做爰片一| 中文字幕另类日韩欧美亚洲嫩草| 一级片'在线观看视频| 一级毛片精品| 又黄又爽又免费观看的视频| 成人三级做爰电影| 国产精品电影一区二区三区| 久久香蕉精品热| 国产又色又爽无遮挡免费看| 五月开心婷婷网| 中文欧美无线码| www.精华液| 一边摸一边做爽爽视频免费| 村上凉子中文字幕在线| 国产有黄有色有爽视频| 桃色一区二区三区在线观看| 国内久久婷婷六月综合欲色啪| 一本大道久久a久久精品| 黄色 视频免费看| 免费在线观看完整版高清| 人成视频在线观看免费观看| 老司机午夜十八禁免费视频| 在线av久久热| 亚洲自偷自拍图片 自拍| 亚洲全国av大片| 婷婷六月久久综合丁香| av片东京热男人的天堂| 国产一区二区三区视频了| 久久中文字幕一级| xxx96com| 精品一区二区三卡| 日韩一卡2卡3卡4卡2021年| 亚洲专区国产一区二区| 国产伦人伦偷精品视频| 91精品国产国语对白视频| 免费少妇av软件| 成人黄色视频免费在线看| 超碰成人久久| 一个人免费在线观看的高清视频| 久久中文字幕人妻熟女| 脱女人内裤的视频| 亚洲国产毛片av蜜桃av| 国产成人一区二区三区免费视频网站| 在线观看www视频免费| 精品国产乱码久久久久久男人| 中文字幕最新亚洲高清| 男女午夜视频在线观看| 日日干狠狠操夜夜爽| 国产av一区在线观看免费| www.自偷自拍.com| 国产成人影院久久av| 久久国产亚洲av麻豆专区| 12—13女人毛片做爰片一| 国产精品自产拍在线观看55亚洲| 高清在线国产一区| 欧美日韩精品网址| 大陆偷拍与自拍| 久久久久精品国产欧美久久久| 日韩精品青青久久久久久| 一级,二级,三级黄色视频| 亚洲中文日韩欧美视频| 亚洲av美国av| 精品久久蜜臀av无| 人人妻,人人澡人人爽秒播| 十八禁人妻一区二区| 久久精品亚洲精品国产色婷小说| 国产亚洲欧美在线一区二区| 精品一区二区三区av网在线观看| 在线观看一区二区三区| av片东京热男人的天堂| 精品一区二区三区视频在线观看免费 | 久久久久久大精品| 人妻丰满熟妇av一区二区三区| 成人三级黄色视频| 日本wwww免费看| 亚洲人成网站在线播放欧美日韩| av网站免费在线观看视频| 丝袜美足系列| 在线天堂中文资源库| √禁漫天堂资源中文www| 乱人伦中国视频| 久久精品成人免费网站| 亚洲av五月六月丁香网| 久久人妻福利社区极品人妻图片| 真人做人爱边吃奶动态| 天堂√8在线中文| √禁漫天堂资源中文www| 亚洲少妇的诱惑av| 在线观看日韩欧美| 国产一区二区三区视频了| 亚洲aⅴ乱码一区二区在线播放 | 久久99一区二区三区| 精品久久久久久久久久免费视频 | 女警被强在线播放| 亚洲精品国产区一区二| 桃红色精品国产亚洲av| 久久久久国产精品人妻aⅴ院| 国产亚洲欧美在线一区二区| 脱女人内裤的视频| 中文字幕人妻丝袜一区二区| 国产高清国产精品国产三级| 国产蜜桃级精品一区二区三区| 欧美黄色淫秽网站| 韩国精品一区二区三区| 成年人黄色毛片网站| 欧美日韩av久久| 日韩视频一区二区在线观看| 一级毛片高清免费大全| 国产一区二区在线av高清观看| 级片在线观看| 日韩欧美一区二区三区在线观看| 成熟少妇高潮喷水视频| 一级a爱片免费观看的视频| 成人手机av| 女性被躁到高潮视频| 91成年电影在线观看| 国产成人av激情在线播放| 午夜福利欧美成人| 少妇的丰满在线观看| 嫩草影视91久久| 在线观看免费日韩欧美大片| 亚洲专区国产一区二区| 亚洲国产欧美一区二区综合| 又黄又爽又免费观看的视频| 久久精品国产亚洲av高清一级| 色播在线永久视频| 五月开心婷婷网| 精品一区二区三区av网在线观看| 欧美黄色片欧美黄色片| 国产精品一区二区在线不卡| 日韩欧美一区二区三区在线观看| 久久草成人影院| 精品国产超薄肉色丝袜足j| 亚洲成人国产一区在线观看| 天堂俺去俺来也www色官网| 午夜免费观看网址| 欧美日韩视频精品一区| 黑人欧美特级aaaaaa片| 12—13女人毛片做爰片一| 亚洲av美国av| 男人的好看免费观看在线视频 | 欧美最黄视频在线播放免费 | 国产av精品麻豆| 精品久久久久久成人av| 日本黄色视频三级网站网址| 日本黄色日本黄色录像| 高清毛片免费观看视频网站 | 男人舔女人的私密视频| 黄频高清免费视频| 伦理电影免费视频| 午夜精品国产一区二区电影| 精品免费久久久久久久清纯| 国产高清国产精品国产三级| 国产深夜福利视频在线观看| 满18在线观看网站| 人人妻人人添人人爽欧美一区卜| 国产野战对白在线观看| 午夜福利在线免费观看网站| 亚洲av日韩精品久久久久久密| 人妻久久中文字幕网| 在线观看免费视频日本深夜| 国产一区二区三区综合在线观看| 99香蕉大伊视频| 9191精品国产免费久久| 啦啦啦免费观看视频1| 高清毛片免费观看视频网站 | 精品国产国语对白av| 精品一区二区三卡| 99riav亚洲国产免费| 丁香六月欧美| 最好的美女福利视频网| 久久精品国产亚洲av高清一级| 成人18禁在线播放| ponron亚洲| 亚洲国产精品一区二区三区在线| 欧美久久黑人一区二区| 婷婷精品国产亚洲av在线| 亚洲五月天丁香| 一级毛片精品| 一a级毛片在线观看| 久久性视频一级片| 女人爽到高潮嗷嗷叫在线视频| 国产高清激情床上av| bbb黄色大片| 又紧又爽又黄一区二区| 欧美av亚洲av综合av国产av| 国产精品香港三级国产av潘金莲| 成年人黄色毛片网站| 丝袜美足系列| 欧美黑人精品巨大| 中文欧美无线码| 国产精品久久久久成人av| 欧美黑人欧美精品刺激| 成人三级做爰电影| 91成人精品电影| 午夜福利在线观看吧| 亚洲精品av麻豆狂野| 日韩精品免费视频一区二区三区| 欧美成人性av电影在线观看| 亚洲精品久久午夜乱码| 日韩精品免费视频一区二区三区| 黄色片一级片一级黄色片| 在线观看66精品国产| 午夜福利在线免费观看网站| xxx96com| 在线观看一区二区三区激情| 嫁个100分男人电影在线观看| 免费在线观看视频国产中文字幕亚洲| 国产日韩一区二区三区精品不卡| 侵犯人妻中文字幕一二三四区| 成年人免费黄色播放视频| 精品国产一区二区久久| 麻豆一二三区av精品| 老司机靠b影院| 人人妻人人爽人人添夜夜欢视频| av福利片在线| 女人爽到高潮嗷嗷叫在线视频| 国产精品影院久久| 一级片免费观看大全| 黑人欧美特级aaaaaa片| 日韩精品青青久久久久久| 久久天躁狠狠躁夜夜2o2o| 久久青草综合色| 国产成人系列免费观看| 欧美色视频一区免费| 两性午夜刺激爽爽歪歪视频在线观看 | 日韩精品中文字幕看吧| 久久精品人人爽人人爽视色| 国产日韩一区二区三区精品不卡| 国产精品日韩av在线免费观看 | 午夜免费激情av| 高清欧美精品videossex| 亚洲精品美女久久久久99蜜臀| 精品久久蜜臀av无| 午夜两性在线视频| 天堂√8在线中文| 亚洲avbb在线观看| 老熟妇仑乱视频hdxx| 一个人观看的视频www高清免费观看 | 超碰97精品在线观看| 一级片免费观看大全| 咕卡用的链子| 中文字幕人妻丝袜一区二区| 欧美另类亚洲清纯唯美| 亚洲精品一区av在线观看| 99香蕉大伊视频| 国产亚洲av高清不卡| 免费观看人在逋| 精品一区二区三区av网在线观看| 亚洲成人精品中文字幕电影 | 正在播放国产对白刺激| 一级a爱片免费观看的视频| 女警被强在线播放| 日本黄色视频三级网站网址| 亚洲国产欧美一区二区综合| 欧美乱色亚洲激情| 亚洲熟妇熟女久久| 最新美女视频免费是黄的| 国产真人三级小视频在线观看| 无人区码免费观看不卡| 热re99久久精品国产66热6| 一级片免费观看大全| 国产精品久久久久成人av| 一个人免费在线观看的高清视频| 我的亚洲天堂| 国产av一区二区精品久久| 中文字幕色久视频| 午夜免费成人在线视频| 国产国语露脸激情在线看| 亚洲精品国产区一区二| 超色免费av| 亚洲精品一卡2卡三卡4卡5卡| 国产精品久久久久成人av| 国产一卡二卡三卡精品| 免费在线观看亚洲国产| 老汉色∧v一级毛片| 狠狠狠狠99中文字幕| 女人爽到高潮嗷嗷叫在线视频| 欧美午夜高清在线| 久久草成人影院| www.自偷自拍.com| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲三区欧美一区| 亚洲五月天丁香| 久久久久国产精品人妻aⅴ院| 国产一区二区三区在线臀色熟女 | 亚洲美女黄片视频| 三级毛片av免费| 天天影视国产精品| 亚洲精品国产色婷婷电影| 国产欧美日韩精品亚洲av| 91在线观看av| 亚洲国产欧美一区二区综合| 成人av一区二区三区在线看| 少妇的丰满在线观看| 免费av毛片视频| 中文字幕av电影在线播放| 欧美激情高清一区二区三区| 在线观看66精品国产| 99香蕉大伊视频| 亚洲欧美日韩无卡精品| av天堂久久9| 国产一区二区在线av高清观看| 久久精品亚洲精品国产色婷小说| 久久久久国内视频| 18禁观看日本| 亚洲欧美精品综合久久99| 亚洲激情在线av| 在线观看免费高清a一片| 日日干狠狠操夜夜爽| 亚洲 欧美 日韩 在线 免费| 两人在一起打扑克的视频| 久久精品国产亚洲av香蕉五月| 国产在线精品亚洲第一网站| 成人亚洲精品一区在线观看| 老司机在亚洲福利影院| 久久久国产成人免费| 在线视频色国产色| 亚洲情色 制服丝袜| 99精国产麻豆久久婷婷| 精品少妇一区二区三区视频日本电影| 99香蕉大伊视频| 一级a爱片免费观看的视频| 久久国产精品人妻蜜桃| 国产成人精品在线电影| 97人妻天天添夜夜摸| 欧美日韩一级在线毛片| 亚洲第一av免费看| 50天的宝宝边吃奶边哭怎么回事| 久久人妻福利社区极品人妻图片| 欧美成人午夜精品| 亚洲性夜色夜夜综合| 97人妻天天添夜夜摸| 操出白浆在线播放| avwww免费| 亚洲精品av麻豆狂野| 午夜福利免费观看在线| 色播在线永久视频| av在线天堂中文字幕 | aaaaa片日本免费| 欧美亚洲日本最大视频资源| 视频区图区小说| 午夜免费成人在线视频| 久久久久国产一级毛片高清牌| 搡老岳熟女国产| www.熟女人妻精品国产| 亚洲精品美女久久久久99蜜臀| 亚洲色图综合在线观看| 日韩视频一区二区在线观看| 不卡av一区二区三区| 欧美在线一区亚洲| 亚洲五月色婷婷综合| 国产熟女午夜一区二区三区| 99久久久亚洲精品蜜臀av| 日本vs欧美在线观看视频| 成人三级黄色视频| 免费不卡黄色视频| ponron亚洲| av片东京热男人的天堂| 久久狼人影院| 国产片内射在线| 人人妻人人爽人人添夜夜欢视频| 亚洲精品国产色婷婷电影| 免费看a级黄色片| 国产极品粉嫩免费观看在线| 91字幕亚洲| 国产色视频综合| 美女国产高潮福利片在线看| 久久中文字幕一级| www日本在线高清视频| 啪啪无遮挡十八禁网站| 欧美精品啪啪一区二区三区| 日韩av在线大香蕉| 精品少妇一区二区三区视频日本电影| 超色免费av| 黄色 视频免费看| 欧美色视频一区免费| 亚洲少妇的诱惑av| 欧美日韩亚洲国产一区二区在线观看| 国产精品久久久人人做人人爽| 制服人妻中文乱码| 国产精品一区二区三区四区久久 | 欧美av亚洲av综合av国产av| 一级片'在线观看视频| 精品电影一区二区在线| 黄色片一级片一级黄色片| 日韩成人在线观看一区二区三区| 久久久国产成人精品二区 | 一级片'在线观看视频| 欧美激情 高清一区二区三区| 午夜免费鲁丝| 精品久久久久久久毛片微露脸| 女性被躁到高潮视频| 桃红色精品国产亚洲av| 91字幕亚洲| 亚洲成国产人片在线观看| 久热这里只有精品99| 丰满迷人的少妇在线观看| 国产午夜精品久久久久久| 香蕉久久夜色| 亚洲国产欧美一区二区综合| 久久香蕉精品热| 午夜精品在线福利| 成人国产一区最新在线观看| 色婷婷av一区二区三区视频| 在线观看一区二区三区激情| 男女高潮啪啪啪动态图| 亚洲精品美女久久久久99蜜臀|