• <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
    亚洲欧美日韩东京热| 一夜夜www| 一本久久精品| videos熟女内射| 一个人看视频在线观看www免费| 在线天堂最新版资源| 亚洲国产精品sss在线观看| 成人特级av手机在线观看| 亚洲精品国产av成人精品| 99久国产av精品| 亚洲欧美成人精品一区二区| 国产永久视频网站| 国产一区二区亚洲精品在线观看| 麻豆成人午夜福利视频| 免费少妇av软件| 成人亚洲欧美一区二区av| 欧美日韩精品成人综合77777| 中国国产av一级| 97精品久久久久久久久久精品| 极品少妇高潮喷水抽搐| 亚洲精品乱码久久久久久按摩| 3wmmmm亚洲av在线观看| 91久久精品国产一区二区成人| 日本黄色片子视频| 十八禁网站网址无遮挡 | 好男人视频免费观看在线| 久热久热在线精品观看| 黄色一级大片看看| 搡女人真爽免费视频火全软件| 日韩成人av中文字幕在线观看| 亚洲成人久久爱视频| 大又大粗又爽又黄少妇毛片口| 你懂的网址亚洲精品在线观看| 成人国产麻豆网| av在线播放精品| 蜜桃亚洲精品一区二区三区| 久久鲁丝午夜福利片| 街头女战士在线观看网站| 久久久久久国产a免费观看| 国产精品嫩草影院av在线观看| 尤物成人国产欧美一区二区三区| 熟妇人妻不卡中文字幕| 免费av不卡在线播放| 亚洲欧美日韩东京热| 欧美变态另类bdsm刘玥| 免费观看精品视频网站| 少妇熟女欧美另类| 欧美日韩视频高清一区二区三区二| 欧美精品国产亚洲| 久久久久久久久久黄片| 色综合亚洲欧美另类图片| 国产伦精品一区二区三区视频9| 亚洲美女视频黄频| www.色视频.com| 免费电影在线观看免费观看| 99热网站在线观看| 热99在线观看视频| av又黄又爽大尺度在线免费看| 色哟哟·www| 日日干狠狠操夜夜爽| 国产精品久久视频播放| 麻豆成人午夜福利视频| 中文字幕制服av| 联通29元200g的流量卡| 看黄色毛片网站| 搞女人的毛片| 国产乱人视频| 少妇被粗大猛烈的视频| 国产一区二区亚洲精品在线观看| 99久久精品国产国产毛片| 韩国高清视频一区二区三区| 亚洲国产精品国产精品| 国产精品人妻久久久久久| 国产精品人妻久久久久久| 成年女人看的毛片在线观看| av播播在线观看一区| 欧美bdsm另类| 99久久中文字幕三级久久日本| 久久久成人免费电影| 97超视频在线观看视频| 亚洲在久久综合| 大又大粗又爽又黄少妇毛片口| 午夜免费男女啪啪视频观看| 久久久久免费精品人妻一区二区| 日韩视频在线欧美| 日韩一区二区视频免费看| 女人久久www免费人成看片| 国产av码专区亚洲av| 人妻夜夜爽99麻豆av| 深夜a级毛片| 亚洲18禁久久av| 我的女老师完整版在线观看| 国产黄a三级三级三级人| 亚洲av成人精品一二三区| 久久人人爽人人爽人人片va| 九色成人免费人妻av| 国产高清有码在线观看视频| 久久精品久久精品一区二区三区| 在线观看免费高清a一片| 男人和女人高潮做爰伦理| av女优亚洲男人天堂| 人妻系列 视频| 直男gayav资源| 欧美一级a爱片免费观看看| 亚洲,欧美,日韩| 日韩人妻高清精品专区| 美女xxoo啪啪120秒动态图| 国产中年淑女户外野战色| 精品久久久久久久人妻蜜臀av| 亚洲av国产av综合av卡| 国产高清国产精品国产三级 | 中国国产av一级| 欧美丝袜亚洲另类| www.av在线官网国产| 少妇丰满av| 亚洲婷婷狠狠爱综合网| 午夜视频国产福利| 日韩伦理黄色片| 午夜老司机福利剧场| 国产 一区 欧美 日韩| 精品熟女少妇av免费看| 国产一区二区亚洲精品在线观看| 中文字幕制服av| 色网站视频免费| 在线免费观看的www视频| 精品欧美国产一区二区三| 少妇的逼水好多| 国产极品天堂在线| 欧美成人一区二区免费高清观看| 中文在线观看免费www的网站| 成年女人看的毛片在线观看| 国国产精品蜜臀av免费| 中文字幕亚洲精品专区| 1000部很黄的大片| 舔av片在线| 日日啪夜夜爽| 日韩国内少妇激情av| 日本色播在线视频| 久久国内精品自在自线图片| 97超碰精品成人国产| 哪个播放器可以免费观看大片| 天天躁日日操中文字幕| 成人午夜精彩视频在线观看| 日本与韩国留学比较| 午夜亚洲福利在线播放| 国产大屁股一区二区在线视频| 亚洲第一区二区三区不卡| 有码 亚洲区| 色视频www国产| 亚洲欧美日韩东京热| 日日撸夜夜添| 青春草国产在线视频| 日韩,欧美,国产一区二区三区| 国产伦精品一区二区三区视频9| 毛片女人毛片| 一个人看视频在线观看www免费| 菩萨蛮人人尽说江南好唐韦庄| 午夜福利在线观看吧| 午夜精品一区二区三区免费看| 国产永久视频网站| av卡一久久| 精品久久久噜噜| 在线观看av片永久免费下载| 综合色丁香网| 国产成人a区在线观看| 日韩一本色道免费dvd| 深爱激情五月婷婷| 亚洲av成人精品一区久久| 22中文网久久字幕| or卡值多少钱| 在线免费观看不下载黄p国产| 亚洲精品国产av成人精品| 嫩草影院入口| 秋霞在线观看毛片| 最近的中文字幕免费完整| 国产久久久一区二区三区| 男女那种视频在线观看| 日韩欧美一区视频在线观看 | 免费观看av网站的网址| 成人国产麻豆网| 舔av片在线| 一级毛片我不卡| 婷婷色av中文字幕| 九九爱精品视频在线观看| 国产精品不卡视频一区二区| 国产男女超爽视频在线观看| 亚洲av国产av综合av卡| 国产成人精品婷婷| 国模一区二区三区四区视频| 国产久久久一区二区三区| www.av在线官网国产| 最近最新中文字幕免费大全7| 国产人妻一区二区三区在| 麻豆成人av视频| 国产伦精品一区二区三区视频9| 在线 av 中文字幕| 国产精品一区二区三区四区免费观看| 精品久久国产蜜桃| 乱码一卡2卡4卡精品| 亚洲激情五月婷婷啪啪| 丝袜美腿在线中文| 99久国产av精品| 欧美高清成人免费视频www| 大话2 男鬼变身卡| 在线免费十八禁| 国产乱人偷精品视频| 国产白丝娇喘喷水9色精品| 777米奇影视久久| 国产淫片久久久久久久久| 女的被弄到高潮叫床怎么办| 久久韩国三级中文字幕| 中文字幕制服av| 国产毛片a区久久久久| 亚洲自拍偷在线| 91久久精品国产一区二区三区| 午夜福利成人在线免费观看| 亚洲精品自拍成人| 亚洲va在线va天堂va国产| 赤兔流量卡办理| 成人国产麻豆网| 熟女人妻精品中文字幕| 国产av码专区亚洲av| 嫩草影院精品99| 日本三级黄在线观看| 久久精品人妻少妇| 日本一二三区视频观看| 久久久久国产网址| 成人特级av手机在线观看| 高清毛片免费看| 男女啪啪激烈高潮av片| 男插女下体视频免费在线播放| 人人妻人人看人人澡| 搡女人真爽免费视频火全软件| 成人av在线播放网站| 亚洲无线观看免费| 久久人人爽人人爽人人片va| 亚洲av在线观看美女高潮| 国内少妇人妻偷人精品xxx网站| 免费观看性生交大片5| 国产精品麻豆人妻色哟哟久久 | 99久国产av精品国产电影| 搞女人的毛片| 综合色av麻豆| 欧美97在线视频| 亚洲精品成人久久久久久| 国内精品宾馆在线| 亚洲在线观看片| av专区在线播放| 色视频www国产| 国产成人精品福利久久| 亚洲欧美成人综合另类久久久| 亚洲精品影视一区二区三区av| 国产乱人偷精品视频| 欧美区成人在线视频| 亚洲精品自拍成人| 免费av毛片视频| 久久精品综合一区二区三区| 在线免费十八禁| 十八禁国产超污无遮挡网站| 美女脱内裤让男人舔精品视频| 男女下面进入的视频免费午夜| 六月丁香七月| 内地一区二区视频在线| 99久久九九国产精品国产免费| 日韩中字成人| 一夜夜www| 18禁动态无遮挡网站| 在线播放无遮挡| 欧美日韩在线观看h| 中国国产av一级| 国产亚洲一区二区精品| 国产午夜精品论理片| 日本与韩国留学比较| 两个人视频免费观看高清| 亚洲美女搞黄在线观看| 亚洲,欧美,日韩| 午夜激情久久久久久久| 狠狠精品人妻久久久久久综合| 91午夜精品亚洲一区二区三区| 嫩草影院入口| 免费大片黄手机在线观看| 久久久精品94久久精品| 青春草视频在线免费观看| 久久精品国产自在天天线| 非洲黑人性xxxx精品又粗又长| 免费观看av网站的网址| 能在线免费看毛片的网站| 麻豆成人av视频| 国产黄a三级三级三级人| 国产在视频线在精品| 亚洲自拍偷在线| 国产黄色视频一区二区在线观看| 熟女电影av网| 亚洲婷婷狠狠爱综合网| 伦理电影大哥的女人| 噜噜噜噜噜久久久久久91| 国产色爽女视频免费观看| 看非洲黑人一级黄片| 少妇熟女欧美另类| 国产乱人视频| 简卡轻食公司| 国产熟女欧美一区二区| 天天躁日日操中文字幕| 黄色一级大片看看| 日本av手机在线免费观看| av专区在线播放| 免费不卡的大黄色大毛片视频在线观看 | 国产淫语在线视频| 亚洲av免费在线观看| 亚洲美女搞黄在线观看| 欧美bdsm另类| 99久国产av精品| 久久99精品国语久久久| 狂野欧美白嫩少妇大欣赏| 夜夜看夜夜爽夜夜摸| 女人十人毛片免费观看3o分钟| 少妇的逼水好多| 一级片'在线观看视频| 国产乱人偷精品视频| 少妇被粗大猛烈的视频| 中文字幕制服av| 国产精品无大码| 狂野欧美白嫩少妇大欣赏| 欧美xxⅹ黑人| 国产亚洲av嫩草精品影院| 成年版毛片免费区| 69人妻影院| 欧美高清成人免费视频www| 天堂√8在线中文| 国产大屁股一区二区在线视频| 日韩伦理黄色片| 成人鲁丝片一二三区免费| 日韩人妻高清精品专区| 欧美xxxx性猛交bbbb| 寂寞人妻少妇视频99o| 最后的刺客免费高清国语| 成人高潮视频无遮挡免费网站| av一本久久久久| 国产淫语在线视频| 亚洲欧洲日产国产| 欧美潮喷喷水| 午夜激情久久久久久久| 亚洲三级黄色毛片| 国产国拍精品亚洲av在线观看| 又爽又黄a免费视频| 婷婷色综合大香蕉| 免费看日本二区| 国产亚洲5aaaaa淫片| 国产黄色视频一区二区在线观看| 久久久亚洲精品成人影院| 日本一二三区视频观看| 日本黄大片高清| 一级毛片我不卡| 亚洲av二区三区四区| 国精品久久久久久国模美| 亚洲国产日韩欧美精品在线观看| 亚洲精品国产成人久久av| 亚洲av中文字字幕乱码综合| 激情五月婷婷亚洲| 国产成人午夜福利电影在线观看| 久久久久久久午夜电影| 少妇熟女欧美另类| 22中文网久久字幕| 亚洲精品成人av观看孕妇| 国产乱人视频| 麻豆精品久久久久久蜜桃| 91午夜精品亚洲一区二区三区| 亚洲国产色片| 在线观看av片永久免费下载| 亚洲国产精品成人久久小说| 久久久亚洲精品成人影院| 熟女人妻精品中文字幕| 日韩av不卡免费在线播放| 亚洲人与动物交配视频| 亚洲精品自拍成人| 麻豆精品久久久久久蜜桃| freevideosex欧美| 久久人人爽人人片av| 亚洲精品亚洲一区二区| 青春草国产在线视频| 自拍偷自拍亚洲精品老妇| 亚洲精品第二区| 永久网站在线| 在线免费十八禁| 欧美精品一区二区大全| 亚洲精品成人av观看孕妇| 婷婷色麻豆天堂久久| 狂野欧美白嫩少妇大欣赏| 91午夜精品亚洲一区二区三区| 能在线免费观看的黄片| 永久免费av网站大全| 亚洲欧美中文字幕日韩二区| 日韩欧美 国产精品| 一本一本综合久久| 大话2 男鬼变身卡| 国产精品美女特级片免费视频播放器| 久久久午夜欧美精品| 一级黄片播放器| 日韩精品青青久久久久久| 秋霞在线观看毛片| 91av网一区二区| 欧美成人精品欧美一级黄| 亚洲成人中文字幕在线播放| 别揉我奶头 嗯啊视频| 国产 一区精品| 国产精品久久久久久精品电影小说 | 精品国产露脸久久av麻豆 | 麻豆成人午夜福利视频| 国产伦一二天堂av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 | 久久久久久国产a免费观看| 伊人久久国产一区二区| 97人妻精品一区二区三区麻豆| 午夜爱爱视频在线播放| 国产黄片美女视频| 亚洲av一区综合| 久久久久久久亚洲中文字幕| 少妇人妻一区二区三区视频| 久久久久九九精品影院| 国产高清三级在线| 亚洲熟女精品中文字幕| 午夜激情欧美在线| 国产精品无大码| 如何舔出高潮| 久久这里只有精品中国| 午夜久久久久精精品| 日韩三级伦理在线观看| 久久精品熟女亚洲av麻豆精品 | 精品人妻一区二区三区麻豆| 黑人高潮一二区| 国产淫语在线视频| 99九九线精品视频在线观看视频| 欧美人与善性xxx| 国产黄色小视频在线观看| 久久鲁丝午夜福利片| 国产亚洲午夜精品一区二区久久 | 久久精品国产亚洲av天美| 成人毛片60女人毛片免费| 一级二级三级毛片免费看| 大又大粗又爽又黄少妇毛片口| 爱豆传媒免费全集在线观看| 国产亚洲av片在线观看秒播厂 | 亚洲内射少妇av| 麻豆av噜噜一区二区三区| 三级国产精品欧美在线观看| 午夜老司机福利剧场| 熟女电影av网| 人妻少妇偷人精品九色| av播播在线观看一区| 晚上一个人看的免费电影| 国产伦精品一区二区三区视频9| 中文在线观看免费www的网站| 亚洲国产欧美在线一区| 亚洲人成网站在线观看播放| 两个人视频免费观看高清| 国产精品一区二区三区四区免费观看| 插阴视频在线观看视频| 一区二区三区高清视频在线| 少妇熟女欧美另类| 看非洲黑人一级黄片| 极品少妇高潮喷水抽搐| 国产成人福利小说| 可以在线观看毛片的网站| av免费在线看不卡| 如何舔出高潮| 男女边摸边吃奶| 2021少妇久久久久久久久久久| 91久久精品电影网| 国产69精品久久久久777片| 日韩精品有码人妻一区| 夜夜爽夜夜爽视频| 日韩强制内射视频| 国产成人精品福利久久| 亚洲美女视频黄频| 又黄又爽又刺激的免费视频.| 少妇的逼好多水| 91精品一卡2卡3卡4卡| 久久精品久久精品一区二区三区| 插逼视频在线观看| 能在线免费观看的黄片| 美女大奶头视频| 高清毛片免费看| 国产一区亚洲一区在线观看| 欧美高清成人免费视频www| 亚洲欧美日韩卡通动漫| 国产熟女欧美一区二区| 成人性生交大片免费视频hd| 国产黄频视频在线观看| 亚洲久久久久久中文字幕| 亚州av有码| 80岁老熟妇乱子伦牲交| 国精品久久久久久国模美| 欧美日韩一区二区视频在线观看视频在线 | 日韩强制内射视频| 精品酒店卫生间| 禁无遮挡网站| 午夜福利在线在线| 中文字幕免费在线视频6| 亚洲精品乱久久久久久| 亚洲精华国产精华液的使用体验| 欧美激情在线99| 亚洲第一区二区三区不卡| 韩国av在线不卡| 国内揄拍国产精品人妻在线| 大又大粗又爽又黄少妇毛片口| 欧美性感艳星| 亚洲av二区三区四区| 亚洲精品日本国产第一区| 国产三级在线视频| 九九爱精品视频在线观看| 亚洲av福利一区| 人妻一区二区av| 97热精品久久久久久| 午夜福利网站1000一区二区三区| 亚洲成人一二三区av| 婷婷六月久久综合丁香| 日韩一区二区视频免费看| 亚洲精品久久午夜乱码| 熟女电影av网| 麻豆精品久久久久久蜜桃| 色综合亚洲欧美另类图片| 成人午夜精彩视频在线观看| 亚洲国产精品成人综合色| 你懂的网址亚洲精品在线观看| 免费黄色在线免费观看| 欧美bdsm另类| 午夜免费观看性视频| 亚洲欧美日韩卡通动漫| av在线蜜桃| 天堂俺去俺来也www色官网 | 欧美 日韩 精品 国产| 我的女老师完整版在线观看| 中文资源天堂在线| 亚洲婷婷狠狠爱综合网| 男人舔奶头视频| 亚洲不卡免费看| 九色成人免费人妻av| 成人高潮视频无遮挡免费网站| 国产亚洲精品久久久com| 亚洲av国产av综合av卡| 色尼玛亚洲综合影院| a级毛片免费高清观看在线播放| 久久久久国产网址| av女优亚洲男人天堂| 黄片wwwwww| 秋霞伦理黄片| 精品久久久久久成人av| av又黄又爽大尺度在线免费看| 十八禁网站网址无遮挡 | 亚洲欧美日韩无卡精品| 亚洲在线观看片| 最近中文字幕高清免费大全6| 三级国产精品欧美在线观看| 午夜福利成人在线免费观看| 国产精品日韩av在线免费观看| 女人久久www免费人成看片| 亚洲人与动物交配视频| 免费av毛片视频| 久久久久免费精品人妻一区二区| 高清欧美精品videossex| 少妇人妻一区二区三区视频| 国产探花在线观看一区二区| 午夜福利视频精品| 亚洲精品视频女| 午夜福利成人在线免费观看| 成人特级av手机在线观看| 欧美日韩综合久久久久久| 亚洲精品成人av观看孕妇| av免费在线看不卡| 亚洲在久久综合| 久久久久精品性色| 精品久久久久久电影网| 中文资源天堂在线| 久久久色成人| 亚洲欧美成人综合另类久久久| 久久久久久久久中文| 一区二区三区免费毛片| 人人妻人人澡欧美一区二区| 国产高清三级在线| 欧美激情在线99| 午夜日本视频在线| 真实男女啪啪啪动态图| 91在线精品国自产拍蜜月| 久久热精品热| 老师上课跳d突然被开到最大视频| 少妇裸体淫交视频免费看高清| 夜夜看夜夜爽夜夜摸| 欧美日韩亚洲高清精品| 精品久久国产蜜桃| 在线a可以看的网站| 青春草国产在线视频| 欧美精品国产亚洲| 人人妻人人澡人人爽人人夜夜 | ponron亚洲| 天堂影院成人在线观看| 日本av手机在线免费观看| 纵有疾风起免费观看全集完整版 | 国产一区二区三区av在线| 亚洲三级黄色毛片| 精品久久久久久久末码| 欧美日韩在线观看h| 秋霞伦理黄片| 18禁裸乳无遮挡免费网站照片| 亚洲精品成人久久久久久| 中文字幕av在线有码专区| 毛片女人毛片| 亚洲av成人精品一二三区| 国产午夜精品论理片| 久久久久精品性色| 亚洲av.av天堂| 国产成人freesex在线| 午夜激情欧美在线| av又黄又爽大尺度在线免费看| 国产黄片美女视频| 啦啦啦啦在线视频资源|