• <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
    9色porny在线观看| 国产极品粉嫩免费观看在线| 极品教师在线免费播放| 精品国产乱码久久久久久男人| 一个人免费在线观看的高清视频| 琪琪午夜伦伦电影理论片6080| 亚洲熟妇中文字幕五十中出| 成人亚洲精品一区在线观看| 国产成人系列免费观看| 久久人人精品亚洲av| 国产精品久久久av美女十八| 久久人人精品亚洲av| 国产av一区二区精品久久| 长腿黑丝高跟| av网站免费在线观看视频| 中文字幕人妻熟女乱码| 成熟少妇高潮喷水视频| 人妻丰满熟妇av一区二区三区| 一级毛片高清免费大全| 变态另类成人亚洲欧美熟女 | 久久久久久大精品| 51午夜福利影视在线观看| 久久亚洲真实| 波多野结衣一区麻豆| 精品久久久久久成人av| 国产成人av激情在线播放| 亚洲avbb在线观看| 欧美国产日韩亚洲一区| 真人做人爱边吃奶动态| 丝袜美足系列| 久久久久国产精品人妻aⅴ院| 亚洲三区欧美一区| 午夜影院日韩av| 亚洲自拍偷在线| 午夜福利一区二区在线看| 日韩 欧美 亚洲 中文字幕| 国产真人三级小视频在线观看| 国产成人系列免费观看| 韩国精品一区二区三区| 婷婷六月久久综合丁香| АⅤ资源中文在线天堂| 免费观看人在逋| 久久精品成人免费网站| 97超级碰碰碰精品色视频在线观看| 国产精品一区二区三区四区久久 | 亚洲欧美激情在线| 免费少妇av软件| 夜夜爽天天搞| 操出白浆在线播放| svipshipincom国产片| 国产熟女xx| 亚洲 国产 在线| 一二三四社区在线视频社区8| 99国产综合亚洲精品| 黄片大片在线免费观看| 久久久国产成人精品二区| 久久影院123| 国产精品亚洲美女久久久| 国产视频一区二区在线看| 亚洲自拍偷在线| 久久久久久久午夜电影| tocl精华| 9色porny在线观看| 国产精品99久久99久久久不卡| 无遮挡黄片免费观看| 90打野战视频偷拍视频| 久久午夜亚洲精品久久| 午夜成年电影在线免费观看| 香蕉久久夜色| 国产精品久久久久久亚洲av鲁大| 久久久水蜜桃国产精品网| 日日干狠狠操夜夜爽| 老司机午夜十八禁免费视频| 脱女人内裤的视频| 国产精品亚洲一级av第二区| 国产精品久久久av美女十八| 黄色视频,在线免费观看| 99在线视频只有这里精品首页| 多毛熟女@视频| 久久久久国产精品人妻aⅴ院| 男女午夜视频在线观看| АⅤ资源中文在线天堂| 又大又爽又粗| 中文字幕色久视频| 精品卡一卡二卡四卡免费| 精品一区二区三区视频在线观看免费| 丰满的人妻完整版| 亚洲一码二码三码区别大吗| 国产区一区二久久| 精品高清国产在线一区| 黄色 视频免费看| 一进一出好大好爽视频| 免费人成视频x8x8入口观看| 桃色一区二区三区在线观看| 亚洲 欧美一区二区三区| 亚洲最大成人中文| 欧美日本亚洲视频在线播放| 亚洲人成77777在线视频| 中文字幕人妻熟女乱码| 人人澡人人妻人| 女同久久另类99精品国产91| 精品一品国产午夜福利视频| 亚洲av第一区精品v没综合| 日韩一卡2卡3卡4卡2021年| 久久久久精品国产欧美久久久| 99国产精品一区二区三区| 日韩免费av在线播放| 99国产精品免费福利视频| 日韩高清综合在线| 久99久视频精品免费| 成人亚洲精品一区在线观看| 男女下面插进去视频免费观看| 高清毛片免费观看视频网站| 51午夜福利影视在线观看| 99精品久久久久人妻精品| 亚洲国产中文字幕在线视频| 丁香六月欧美| 老汉色∧v一级毛片| 久久国产乱子伦精品免费另类| 欧美午夜高清在线| 狠狠狠狠99中文字幕| 99精品久久久久人妻精品| 9色porny在线观看| 欧美性长视频在线观看| 天天躁夜夜躁狠狠躁躁| av在线播放免费不卡| 亚洲av日韩精品久久久久久密| 免费人成视频x8x8入口观看| av片东京热男人的天堂| 天堂影院成人在线观看| 欧美精品啪啪一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 国产私拍福利视频在线观看| 丝袜美腿诱惑在线| 三级毛片av免费| 国产麻豆69| 老司机午夜福利在线观看视频| 9色porny在线观看| 国产成人精品久久二区二区免费| 久久久久国产精品人妻aⅴ院| 美女免费视频网站| 欧美日韩亚洲综合一区二区三区_| 99在线视频只有这里精品首页| 校园春色视频在线观看| 国产亚洲精品av在线| 亚洲自偷自拍图片 自拍| 亚洲色图av天堂| 亚洲成人久久性| 日本 av在线| 国产精品久久久久久精品电影 | 91成人精品电影| 国产不卡一卡二| 19禁男女啪啪无遮挡网站| 成年人黄色毛片网站| 两人在一起打扑克的视频| 精品一区二区三区av网在线观看| 50天的宝宝边吃奶边哭怎么回事| 一级毛片精品| 大型黄色视频在线免费观看| 啦啦啦 在线观看视频| 在线观看免费日韩欧美大片| 人人澡人人妻人| 一边摸一边做爽爽视频免费| 精品一品国产午夜福利视频| 男女下面进入的视频免费午夜 | 亚洲 欧美一区二区三区| 午夜两性在线视频| 他把我摸到了高潮在线观看| 一夜夜www| 精品国产一区二区久久| 高清在线国产一区| 国产成人av激情在线播放| 女同久久另类99精品国产91| 精品人妻在线不人妻| 免费高清在线观看日韩| 给我免费播放毛片高清在线观看| 正在播放国产对白刺激| 久热爱精品视频在线9| 国产av一区二区精品久久| 亚洲精品中文字幕一二三四区| 老司机午夜十八禁免费视频| 黄色毛片三级朝国网站| 又紧又爽又黄一区二区| 97碰自拍视频| 久久国产乱子伦精品免费另类| 免费在线观看完整版高清| 亚洲中文av在线| 69精品国产乱码久久久| 欧美一级a爱片免费观看看 | 久久国产乱子伦精品免费另类| 1024香蕉在线观看| 长腿黑丝高跟| 国产精品 国内视频| 人人妻人人澡人人看| av天堂久久9| 不卡av一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 午夜a级毛片| 搡老妇女老女人老熟妇| 三级毛片av免费| 久久 成人 亚洲| 伊人久久大香线蕉亚洲五| 天堂动漫精品| 高清毛片免费观看视频网站| 午夜老司机福利片| 久久午夜综合久久蜜桃| 国产99久久九九免费精品| 亚洲 欧美一区二区三区| 欧美国产精品va在线观看不卡| 久久人人97超碰香蕉20202| 乱人伦中国视频| 欧美午夜高清在线| 视频区欧美日本亚洲| 18禁美女被吸乳视频| 欧美成狂野欧美在线观看| 一个人观看的视频www高清免费观看 | 久久欧美精品欧美久久欧美| 日韩成人在线观看一区二区三区| 日韩视频一区二区在线观看| 精品国产一区二区久久| 国产精品永久免费网站| 久久精品亚洲熟妇少妇任你| 国产高清视频在线播放一区| 中文字幕人妻丝袜一区二区| 91av网站免费观看| 女生性感内裤真人,穿戴方法视频| 变态另类丝袜制服| a在线观看视频网站| 欧美另类亚洲清纯唯美| 国产精品亚洲美女久久久| 亚洲精品在线美女| 国产野战对白在线观看| 99热只有精品国产| 精品久久久久久久毛片微露脸| 精品免费久久久久久久清纯| 高清毛片免费观看视频网站| 非洲黑人性xxxx精品又粗又长| 欧美黄色淫秽网站| 久久国产亚洲av麻豆专区| 欧美精品亚洲一区二区| 久久婷婷成人综合色麻豆| 日本欧美视频一区| 亚洲男人天堂网一区| 18禁国产床啪视频网站| 视频区欧美日本亚洲| 嫩草影院精品99| avwww免费| 色综合站精品国产| 国内精品久久久久久久电影| 亚洲在线自拍视频| 欧美日韩黄片免| 天堂动漫精品| 免费搜索国产男女视频| 69精品国产乱码久久久| 亚洲精品av麻豆狂野| 少妇粗大呻吟视频| 亚洲成人国产一区在线观看| 午夜福利视频1000在线观看 | 日韩有码中文字幕| 亚洲天堂国产精品一区在线| 国产99白浆流出| 国产私拍福利视频在线观看| 久久久久久久精品吃奶| 亚洲免费av在线视频| 啦啦啦韩国在线观看视频| 亚洲欧美激情在线| 久久狼人影院| 国产一区二区激情短视频| 最近最新免费中文字幕在线| e午夜精品久久久久久久| 看免费av毛片| 不卡av一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 少妇粗大呻吟视频| 亚洲伊人色综图| 99国产精品一区二区蜜桃av| 法律面前人人平等表现在哪些方面| 国产精品亚洲一级av第二区| 巨乳人妻的诱惑在线观看| 国产一区在线观看成人免费| 女生性感内裤真人,穿戴方法视频| 国产成人精品无人区| 亚洲人成电影免费在线| 国产亚洲欧美精品永久| 成人欧美大片| 熟妇人妻久久中文字幕3abv| 国产亚洲精品久久久久久毛片| 在线观看舔阴道视频| 日韩欧美在线二视频| 韩国av一区二区三区四区| 久久人人97超碰香蕉20202| 女性生殖器流出的白浆| 欧美色视频一区免费| 午夜成年电影在线免费观看| 麻豆一二三区av精品| 99国产精品一区二区三区| 午夜影院日韩av| 国产精品爽爽va在线观看网站 | 50天的宝宝边吃奶边哭怎么回事| 天天一区二区日本电影三级 | 国产成人影院久久av| 黄片播放在线免费| 国产av一区二区精品久久| 97超级碰碰碰精品色视频在线观看| 夜夜看夜夜爽夜夜摸| 久久人妻福利社区极品人妻图片| 精品国内亚洲2022精品成人| 国产精品久久久人人做人人爽| 97超级碰碰碰精品色视频在线观看| 亚洲三区欧美一区| 亚洲国产欧美一区二区综合| 国产免费男女视频| 久久久精品欧美日韩精品| 国产在线精品亚洲第一网站| 美女午夜性视频免费| 国产精华一区二区三区| 久久青草综合色| 看黄色毛片网站| 99久久99久久久精品蜜桃| 午夜a级毛片| 一区在线观看完整版| 在线国产一区二区在线| 国产主播在线观看一区二区| 国产精品美女特级片免费视频播放器 | 精品国产美女av久久久久小说| 18禁黄网站禁片午夜丰满| 国产视频一区二区在线看| 亚洲精品中文字幕一二三四区| 黄色毛片三级朝国网站| 国产私拍福利视频在线观看| 欧美色欧美亚洲另类二区 | 午夜福利视频1000在线观看 | 亚洲国产欧美一区二区综合| 精品久久久久久久人妻蜜臀av | 夜夜爽天天搞| 高清在线国产一区| 伊人久久大香线蕉亚洲五| 国产亚洲av嫩草精品影院| 在线观看66精品国产| 一个人观看的视频www高清免费观看 | 欧美日本亚洲视频在线播放| 在线av久久热| 天天躁狠狠躁夜夜躁狠狠躁| 精品久久蜜臀av无| 99re在线观看精品视频| 国产成人啪精品午夜网站| 国产在线观看jvid| 欧美另类亚洲清纯唯美| 精品人妻在线不人妻| 免费久久久久久久精品成人欧美视频| 一区二区日韩欧美中文字幕| 久久久久精品国产欧美久久久| 精品人妻在线不人妻| 亚洲国产中文字幕在线视频| 日韩欧美一区二区三区在线观看| 午夜久久久在线观看| av在线播放免费不卡| 成人三级做爰电影| 两个人免费观看高清视频| 国产精品久久电影中文字幕| 在线永久观看黄色视频| 91大片在线观看| 日韩欧美一区二区三区在线观看| 国产aⅴ精品一区二区三区波| 国产一卡二卡三卡精品| 久久国产精品人妻蜜桃| 老汉色av国产亚洲站长工具| 国产黄a三级三级三级人| 一进一出抽搐动态| 成熟少妇高潮喷水视频| 欧美大码av| 婷婷精品国产亚洲av在线| 国产精品av久久久久免费| 久久久久久久久免费视频了| 久久婷婷人人爽人人干人人爱 | 99精品在免费线老司机午夜| 国产成人系列免费观看| 国产精华一区二区三区| 欧美 亚洲 国产 日韩一| 黄片小视频在线播放| 成人亚洲精品av一区二区| 嫩草影视91久久| 男女下面插进去视频免费观看| 人妻丰满熟妇av一区二区三区| 午夜福利一区二区在线看| 国产国语露脸激情在线看| 91九色精品人成在线观看| 在线观看一区二区三区| 午夜精品久久久久久毛片777| 国产精品一区二区精品视频观看| 免费观看人在逋| 波多野结衣巨乳人妻| 午夜福利,免费看| svipshipincom国产片| 啦啦啦免费观看视频1| 国产麻豆成人av免费视频| 午夜两性在线视频| 免费看十八禁软件| 又黄又爽又免费观看的视频| 淫秽高清视频在线观看| 人人澡人人妻人| 两个人免费观看高清视频| 欧美黄色淫秽网站| 日韩精品青青久久久久久| 黄片大片在线免费观看| 757午夜福利合集在线观看| 国产一区二区激情短视频| 成人18禁在线播放| 国产av在哪里看| 国产亚洲av嫩草精品影院| 757午夜福利合集在线观看| 国产精品九九99| 国产片内射在线| 天堂动漫精品| 国产精品亚洲av一区麻豆| 每晚都被弄得嗷嗷叫到高潮| 久久精品91无色码中文字幕| 好看av亚洲va欧美ⅴa在| 欧美黑人欧美精品刺激| 狂野欧美激情性xxxx| 亚洲国产欧美日韩在线播放| av网站免费在线观看视频| 韩国av一区二区三区四区| 十八禁网站免费在线| 欧美日韩亚洲国产一区二区在线观看| 久久国产乱子伦精品免费另类| 日本一区二区免费在线视频| 国产野战对白在线观看| 熟女少妇亚洲综合色aaa.| 精品国产美女av久久久久小说| 法律面前人人平等表现在哪些方面| 波多野结衣av一区二区av| 久久久精品国产亚洲av高清涩受| 亚洲一区中文字幕在线| 国产免费男女视频| 19禁男女啪啪无遮挡网站| 法律面前人人平等表现在哪些方面| 村上凉子中文字幕在线| 国产极品粉嫩免费观看在线| 一进一出抽搐gif免费好疼| 禁无遮挡网站| 在线观看免费视频日本深夜| 搡老妇女老女人老熟妇| 国产亚洲精品综合一区在线观看 | 中出人妻视频一区二区| ponron亚洲| 午夜精品在线福利| 一级黄色大片毛片| 国产高清有码在线观看视频 | 亚洲熟妇熟女久久| 久久久久精品国产欧美久久久| 国产精品久久久av美女十八| 无人区码免费观看不卡| 亚洲精品国产区一区二| 欧美成人一区二区免费高清观看 | 亚洲精品在线观看二区| 别揉我奶头~嗯~啊~动态视频| 久久人人97超碰香蕉20202| 性欧美人与动物交配| 精品人妻在线不人妻| 黄色丝袜av网址大全| 亚洲片人在线观看| 免费不卡黄色视频| 久久午夜亚洲精品久久| 国产aⅴ精品一区二区三区波| 亚洲成人精品中文字幕电影| 免费在线观看亚洲国产| 国产一区二区三区视频了| a级毛片在线看网站| 不卡av一区二区三区| 成在线人永久免费视频| 91精品国产国语对白视频| 国产91精品成人一区二区三区| www.精华液| 午夜a级毛片| 人妻久久中文字幕网| 国产又爽黄色视频| 久久久国产成人精品二区| 男女午夜视频在线观看| x7x7x7水蜜桃| 韩国精品一区二区三区| 欧美日韩福利视频一区二区| 亚洲精品在线美女| 久久久久九九精品影院| 一边摸一边做爽爽视频免费| 18美女黄网站色大片免费观看| 亚洲色图av天堂| 亚洲黑人精品在线| 欧美日韩精品网址| 69av精品久久久久久| 又黄又粗又硬又大视频| 18禁美女被吸乳视频| 岛国在线观看网站| 69av精品久久久久久| 亚洲国产精品合色在线| av视频在线观看入口| 少妇熟女aⅴ在线视频| 少妇裸体淫交视频免费看高清 | 视频区欧美日本亚洲| 成人欧美大片| 久久久久久大精品| 国产熟女xx| 香蕉丝袜av| 不卡av一区二区三区| 亚洲黑人精品在线| 国产亚洲av高清不卡| 在线观看免费日韩欧美大片| 丝袜在线中文字幕| 三级毛片av免费| 国产av在哪里看| 亚洲一区高清亚洲精品| 国产野战对白在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲精品久久成人aⅴ小说| 亚洲欧洲精品一区二区精品久久久| 久久婷婷人人爽人人干人人爱 | 国产高清激情床上av| √禁漫天堂资源中文www| 日韩成人在线观看一区二区三区| 97超级碰碰碰精品色视频在线观看| 亚洲少妇的诱惑av| e午夜精品久久久久久久| 亚洲精品一区av在线观看| av片东京热男人的天堂| 国产野战对白在线观看| 在线av久久热| 一a级毛片在线观看| 成熟少妇高潮喷水视频| av视频免费观看在线观看| 夜夜躁狠狠躁天天躁| 国产欧美日韩精品亚洲av| 成人欧美大片| 国产成人精品在线电影| 亚洲国产欧美网| 亚洲狠狠婷婷综合久久图片| 午夜福利影视在线免费观看| 性色av乱码一区二区三区2| 99国产精品一区二区三区| 亚洲av熟女| 国产精品1区2区在线观看.| 午夜福利在线观看吧| 动漫黄色视频在线观看| 波多野结衣一区麻豆| 日韩免费av在线播放| 精品一区二区三区四区五区乱码| 午夜影院日韩av| 精品久久蜜臀av无| АⅤ资源中文在线天堂| 手机成人av网站| 免费在线观看黄色视频的| 一a级毛片在线观看| 免费一级毛片在线播放高清视频 | 少妇粗大呻吟视频| 国产精品久久电影中文字幕| 久久久国产精品麻豆| 一级黄色大片毛片| 桃色一区二区三区在线观看| 美女高潮喷水抽搐中文字幕| 在线十欧美十亚洲十日本专区| a在线观看视频网站| 老熟妇仑乱视频hdxx| 欧美中文日本在线观看视频| 两个人免费观看高清视频| 黄片播放在线免费| 成人欧美大片| 日韩欧美三级三区| 欧美一级a爱片免费观看看 | 欧美日韩福利视频一区二区| 国产av在哪里看| 色尼玛亚洲综合影院| 男女床上黄色一级片免费看| 脱女人内裤的视频| 日韩视频一区二区在线观看| 手机成人av网站| 波多野结衣一区麻豆| 久久久国产欧美日韩av| 不卡一级毛片| 国产伦人伦偷精品视频| 9热在线视频观看99| 一区二区三区精品91| 女人被躁到高潮嗷嗷叫费观| 亚洲人成伊人成综合网2020| 天天躁狠狠躁夜夜躁狠狠躁| 欧美中文综合在线视频| 国产精品,欧美在线| 精品国产乱子伦一区二区三区| 19禁男女啪啪无遮挡网站| 色播在线永久视频| а√天堂www在线а√下载| 欧美激情久久久久久爽电影 | 在线观看66精品国产| 国产极品粉嫩免费观看在线| 日韩 欧美 亚洲 中文字幕| 久久久久久久久免费视频了| or卡值多少钱| 老司机在亚洲福利影院| 国产熟女午夜一区二区三区| 午夜影院日韩av| 午夜久久久久精精品| 女生性感内裤真人,穿戴方法视频| 午夜福利影视在线免费观看| 电影成人av| 亚洲成人久久性| 国产成人欧美在线观看| 国产av一区二区精品久久| 高潮久久久久久久久久久不卡| 午夜福利免费观看在线| 精品福利观看| 国产精品美女特级片免费视频播放器 | 久久精品亚洲精品国产色婷小说| 国产av一区二区精品久久| 免费久久久久久久精品成人欧美视频| 啦啦啦免费观看视频1| 成人18禁在线播放| 天堂√8在线中文|