• <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 ?

    基于自動(dòng)編碼器與概率神經(jīng)網(wǎng)絡(luò)的人體運(yùn)動(dòng)行為識(shí)別方法

    2018-02-01 20:25:31李興肖秦琨
    軟件導(dǎo)刊 2018年1期
    關(guān)鍵詞:編碼器輪廓人體

    李興+肖秦琨

    摘要:

    為了準(zhǔn)確而快速地識(shí)別出圖像中人體的某種行為特征,提出了一種全新的三層自動(dòng)編碼器與PNN概率神經(jīng)網(wǎng)絡(luò)結(jié)合的網(wǎng)絡(luò)模型。把人體行為的關(guān)鍵幀從包含10種人體行為的視頻庫中提取出來,用背景減除法提取人體輪廓圖并進(jìn)行二值化圖像處理,根據(jù)時(shí)間序列疊加輪廓圖,組成含有10個(gè)特征輪廓的數(shù)據(jù)庫,隨后將特征輪廓數(shù)據(jù)在自動(dòng)編碼器中編碼,編好碼的特征數(shù)據(jù)隨即進(jìn)入概率神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí)。將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對這10種人體行為進(jìn)行準(zhǔn)確識(shí)別。實(shí)驗(yàn)結(jié)果表明,經(jīng)過自動(dòng)編碼器處理后的人體特征進(jìn)行PNN神經(jīng)網(wǎng)絡(luò)識(shí)別,比單純用BP神經(jīng)網(wǎng)絡(luò)識(shí)別準(zhǔn)確率提高5%以上,由此證明該方法有效可行。

    關(guān)鍵詞:

    人體行為識(shí)別;自動(dòng)編碼器;PNN概率神經(jīng)網(wǎng)絡(luò);BP神經(jīng)網(wǎng)絡(luò)

    DOIDOI:10.11907/rjdk.173068

    中圖分類號(hào):TP301

    文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào)文章編號(hào):16727800(2018)001001103

    Abstract:In order to identify the behavior characteristics of the human body accurately and quickly, this paper proposes a new network model combining the three layer automatic encoder with the PNN probabilistic neural network. The first step of the key frames extracted from human behavior includes 10 kinds of human behavior video library, the second step with the background subtraction method to extract the body contour map and binarization image processing, according to the time sequence superimposed contour map containing 10 component feature contour database, with the data after feature contour in the auto encoder encoding, coding and feature data code immediately into the probabilistic neural network learning and training, the trained neural network is good for accurate identification of these 10 kinds of human behavior. The experimental results show that the recognition accuracy of PNN neural network is 5% higher than that of the pure BP neural network, and the validity and feasibility of the method are verified.

    Key Words:human behavior recognition; autoencoder; BP neural network; probabilistic neural network

    0引言

    人體姿態(tài)識(shí)別在智能視頻監(jiān)控、動(dòng)態(tài)人機(jī)交互、無人汽車駕駛等[12]領(lǐng)域應(yīng)用廣泛,是模式識(shí)別的一大熱門研究方向。人體運(yùn)動(dòng)在時(shí)間和空間上都很復(fù)雜,因此需要有一個(gè)前期處理的清晰圖像,目的在于提取有效的運(yùn)動(dòng)特征。

    視頻幀進(jìn)行處理的方法有3種:背景剪除法、差分法和光流法,檢測出人體行為區(qū)域,然后將該區(qū)域作為研究對象,從中獲得人體行為特征[35]。Bobick和Davis 提出的基于視頻的輪廓提取方法[6],剪除從背景場景中獲取的有效輪廓特征,從視頻中提取人體行為輪廓圖。因?yàn)槎祱D像(Binary Image)按名字理解只有兩個(gè)值:0和1,0代表黑,1代表白,或者說0表示背景, 1表示前景。每個(gè)像素存儲(chǔ)信息只需要1Bit。把每個(gè)像素當(dāng)作隨機(jī)變量,圖像一共有N個(gè)像素,那么二值圖有2的N次方種變化,RGB圖像有255*255*255的N次方種變化。彩色圖像維度高,神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)間長,需要將圖像轉(zhuǎn)化為二值圖像便于后期神經(jīng)網(wǎng)絡(luò)訓(xùn)練。使用內(nèi)邊界跟蹤法提取二值圖像的邊界即人體行為特征輪廓,最終建立人體行為特征輪廓庫,以進(jìn)行深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練識(shí)別。

    運(yùn)用多層感知機(jī)(MLP)[7]以及學(xué)習(xí)向量,量化神經(jīng)網(wǎng)絡(luò)(LVQNN)[8]在人體步態(tài)識(shí)別研究中的數(shù)據(jù)。一旦樣本數(shù)量龐大,其網(wǎng)絡(luò)訓(xùn)練將變得極其緩慢,并且識(shí)別率欠佳?;赯ernike和BP神經(jīng)網(wǎng)絡(luò)的步態(tài)識(shí)別[9]技術(shù),前提是人體背景必須單一且不能有噪聲,因此該技術(shù)實(shí)用性不足。為此,采用升級(jí)的三層自動(dòng)編碼器,結(jié)合PNN神經(jīng)網(wǎng)絡(luò)組成的APNN(Autoencoder PNN)模型對樣本學(xué)習(xí)并分類。

    基于運(yùn)動(dòng)的人體姿態(tài)識(shí)別研究,是在肢體動(dòng)作內(nèi)容基礎(chǔ)上,在系統(tǒng)學(xué)習(xí)時(shí)將運(yùn)動(dòng)序列中的每一幅圖像從背景中分割出來,并根據(jù)序列的間隔順序結(jié)合輪廓,建立一個(gè)組合的疊加輪廓圖像,利用疊加圖像集訓(xùn)練自動(dòng)編碼器和PNN神經(jīng)網(wǎng)絡(luò),最后建立串聯(lián)的三層自動(dòng)編碼器和PNN神經(jīng)網(wǎng)絡(luò)模型,利用該模型進(jìn)行行為識(shí)別。

    2運(yùn)動(dòng)數(shù)據(jù)特征描述

    2.1實(shí)驗(yàn)數(shù)據(jù)庫建立

    從以色列魏茨曼科學(xué)院計(jì)算機(jī)視覺實(shí)驗(yàn)室Weizmann數(shù)據(jù)庫中下載捕獲的人體運(yùn)動(dòng)數(shù)據(jù),行為庫包含10種人體行為,即行走、奔跑、側(cè)行、雙腳跳、單腳跳、揮手跳、原地跳、彎腰、單臂揮手和雙臂揮手。endprint

    2.2人體運(yùn)動(dòng)行為輪廓圖

    背景減除法通過當(dāng)前圖像與背景圖像的差分,對所得差分圖像用合適的閾值二值化后得到完整運(yùn)動(dòng)目標(biāo)。利用背景減除法對當(dāng)前幀圖像Ik(x,y)與已知背景Ibg(x,y)做差,則差分后圖像dk(x,y)=Ik(x,y)-Ibg(x,y)。

    二值輪廓特征提取首先是內(nèi)邊界跟蹤,步驟如圖1所示。

    2.3疊加輪廓圖

    由于人體行為是一組時(shí)間序列的動(dòng)態(tài)特征數(shù)據(jù),為了精確表達(dá)出運(yùn)動(dòng)特征,要在前階段的二值輪廓圖像上,根據(jù)時(shí)間序列順序,結(jié)合8個(gè)動(dòng)作序列的圖像,勾勒成一個(gè)二進(jìn)制疊加圖像。

    如動(dòng)作序列B={bi}i=1:n, bi是第i幀的輪廓圖像,根據(jù)時(shí)間序列順序,結(jié)合K個(gè)動(dòng)作序列圖像勾勒成一個(gè)二進(jìn)制疊加圖像。一個(gè)雙臂揮手疊加輪廓圖像通過視頻第1、3、5、7、9、11、13、15幀的二值化輪廓圖像構(gòu)成。總共建立了744個(gè)疊加輪廓圖庫,分為10種動(dòng)作,每種動(dòng)作有5個(gè),單個(gè)圖片為1600個(gè)像素點(diǎn),長40,寬40,每個(gè)動(dòng)作類包括足夠的訓(xùn)練樣本。

    3神經(jīng)網(wǎng)絡(luò)

    3.1自動(dòng)編碼器

    自動(dòng)編碼器可以看作最基本的神經(jīng)網(wǎng)絡(luò),它由三層網(wǎng)絡(luò)組成:第一層輸入層,第二層隱含層,第三層輸出層,編碼器在編碼過程中可以用作數(shù)據(jù)的降維以及特征值提取[10]。本文選取的隱含層為三層,第一層1000個(gè)節(jié)點(diǎn),第二層500個(gè)節(jié)點(diǎn),第三層100節(jié)點(diǎn),逐層用于輸入圖像的降維處理,最終在編碼器輸出100維的數(shù)據(jù),使后邊概率神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)縮短了處理時(shí)間,提高了網(wǎng)絡(luò)學(xué)習(xí)效率。自動(dòng)編碼器是輸入到隱含層h的映射,數(shù)據(jù)編碼過程見公式(1)。

    實(shí)驗(yàn)中,先將像素為40×40的二值化特征圖像數(shù)據(jù)自動(dòng)編碼,逐層進(jìn)行圖像編碼,就是對1 600的圖像降維成100維的圖像數(shù)據(jù),逐層降維。第一層隱含層輸出層為1 000個(gè)節(jié)點(diǎn),編碼后1 600維降維成1 000維,第二層隱含層500個(gè)節(jié)點(diǎn),1 000維降維成500維,第三層隱含層100個(gè)節(jié)點(diǎn),40×40圖像最終降維成10×10的圖像。

    3.2基于神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練

    744個(gè)疊加特征輪廓圖包含10個(gè)人9個(gè)不同的動(dòng)作,現(xiàn)在經(jīng)PNN神經(jīng)網(wǎng)絡(luò)隱含層、輸出層訓(xùn)練,輸入層為100個(gè)節(jié)點(diǎn)代表10個(gè)人9個(gè)不同動(dòng)作,不斷調(diào)整隱含層權(quán)值更新,直到達(dá)到一個(gè)穩(wěn)定的權(quán)值,從而分類出行為姿態(tài),即輸出層為10個(gè)節(jié)點(diǎn),如圖2所示。

    3.3PNN神經(jīng)網(wǎng)絡(luò)

    概率神經(jīng)網(wǎng)絡(luò)是一種特殊的徑向基網(wǎng)絡(luò)[12],其理論精髓是建立在最小錯(cuò)誤率的貝葉斯決策理論上。貝葉斯分類器在樣本有錯(cuò)誤時(shí)分類效果大打折扣,而概率神經(jīng)網(wǎng)絡(luò)因?yàn)榱己玫娜蒎e(cuò)能力和自我學(xué)習(xí)調(diào)整參數(shù)正好彌補(bǔ)了這一弱點(diǎn),在實(shí)際分類識(shí)別中效果很好。概率神經(jīng)網(wǎng)絡(luò)分為輸入層、隱含層和輸出層三層。其中,輸入層將自動(dòng)編碼器降維的人體動(dòng)作特征向量輸入網(wǎng)絡(luò),輸入層個(gè)數(shù)為1 600,等于樣本特征的個(gè)數(shù)。隱含層根據(jù)高斯公式(6)計(jì)算特征向量及與各個(gè)模式的相似程度,然后將每個(gè)類別通過高斯公式計(jì)算的相似度累加求和后取平均值,得到輸入樣本的所屬類別,輸出層神經(jīng)元的數(shù)量等于樣本矢量的個(gè)數(shù),高斯公式如下:

    3.4連接自動(dòng)編碼器與PNN神經(jīng)網(wǎng)絡(luò)

    編碼器把每個(gè)疊加特征圖降維處理,輸入層1 600節(jié)點(diǎn),第一層隱含層輸出層為1 000個(gè)節(jié)點(diǎn),第二層隱含層500個(gè)節(jié)點(diǎn),第三層隱含層100個(gè)節(jié)點(diǎn),40×40圖像降維成10×10的圖像;接下來把90個(gè)不同人不同動(dòng)作的圖像特征輸入PNN神經(jīng)網(wǎng)絡(luò)。輸入層90節(jié)點(diǎn)、隱含層500節(jié)點(diǎn)、輸出層10個(gè)節(jié)點(diǎn)表示10個(gè)不同動(dòng)作,經(jīng)過網(wǎng)絡(luò)自我訓(xùn)練,最終得到輸出為10個(gè)不同動(dòng)作的目標(biāo),網(wǎng)絡(luò)拓?fù)鋱D如圖3所示。

    4實(shí)驗(yàn)

    隨機(jī)選取70%的樣本(521個(gè)樣本)來訓(xùn)練網(wǎng)絡(luò),剩下的30%樣本(223個(gè)樣本)是測試樣本。15%正交測試,15%普通測試,最大的訓(xùn)練周期或迭代次數(shù)是1 000。 實(shí)驗(yàn)中70%的樣本(521個(gè)樣本)訓(xùn)練深層網(wǎng)絡(luò),得到識(shí)別率是95.5%, 15%的樣本(223個(gè)樣本)正交測試得到識(shí)別率是75.5%,最后全體樣本測試得到識(shí)別率是91.8%,見圖4、圖5、圖6。10個(gè)行為動(dòng)作經(jīng)過APNN深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的識(shí)別率ROC曲線如圖7所示,交叉熵函數(shù)擬合網(wǎng)絡(luò)最優(yōu)解出現(xiàn)在第12次迭代時(shí),如圖8所示。

    5結(jié)語

    本文提出一種全新的三層自動(dòng)編碼器與PNN神經(jīng)網(wǎng)絡(luò)結(jié)合的神經(jīng)網(wǎng)絡(luò)模型,從視頻中提取出人體行為關(guān)鍵幀,通過背景減除法提取人體輪廓圖,然后進(jìn)行二值化圖像處理,并依據(jù)時(shí)間序列疊加輪廓圖組成特征輪廓數(shù)據(jù)庫,將特征輪廓數(shù)據(jù)放入自動(dòng)編碼器中進(jìn)行編碼,編好碼的特征數(shù)據(jù)隨即進(jìn)入PNN神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí),經(jīng)過訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)用于識(shí)別未知的人體行為。

    實(shí)驗(yàn)證明,本文的深度神經(jīng)網(wǎng)絡(luò)在樣本數(shù)據(jù)的人體運(yùn)動(dòng)識(shí)別率達(dá)91.8%(見表1),與普通BP神經(jīng)網(wǎng)絡(luò)和PNN神經(jīng)網(wǎng)絡(luò)相比,訓(xùn)練時(shí)間縮短,識(shí)別率得到提高。

    參考文獻(xiàn):

    [1]胡瓊,秦磊,黃慶明.基于視覺的人體動(dòng)作識(shí)別綜述[J].計(jì)算機(jī)學(xué)報(bào),2013,36(12):25122524.

    [2]曲建嶺,杜辰飛,邸亞洲,等.深度自動(dòng)編碼器的研究與展望[J].計(jì)算機(jī)與現(xiàn)代化,2014(8):128134.

    [3]黃凱奇,任偉強(qiáng),譚鐵牛.圖像物體分類與檢測算法綜述[J].計(jì)算機(jī)學(xué)報(bào),2013,36(12):118.

    [4]莫林,廖鵬,劉勛.一種基于背景減除與三幀差分的運(yùn)動(dòng)目標(biāo)檢測算法[J].微計(jì)算機(jī)信息,2009(12):274276.

    [5]陳燕萍.基于背景減除的運(yùn)動(dòng)目標(biāo)檢測算法研究[D].廈門:廈門大學(xué),2008.

    [6]BOBICK A F, DAVIS J W. The Recognition of human movement using temporal templates[M]. IEEE Computer Society, 2001.

    [7]后銳,張畢西,HOURUI,等.基于MLP神經(jīng)網(wǎng)絡(luò)的區(qū)域物流需求預(yù)測方法及其應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐,2005,25(12):4347.

    [8]段明秀,何迎生.基于LVQ神經(jīng)網(wǎng)絡(luò)的手寫字母識(shí)別[J].吉首大學(xué)學(xué)報(bào):自科版,2010,31(2):4143.

    [9]賈楷熙,薛靜.基于Zernike矩和BP網(wǎng)絡(luò)的步態(tài)識(shí)別技術(shù)研究[J].西北工業(yè)大學(xué)學(xué)報(bào),2010,28(5):669673.

    [10]鄧俊鋒,張曉龍.基于自動(dòng)編碼器組合的深度學(xué)習(xí)優(yōu)化方法[J].計(jì)算機(jī)應(yīng)用,2016,36(3):697702.

    [11]劉勘,袁蘊(yùn)英.基于自動(dòng)編碼器的短文本特征提取及聚類研究[J].北京大學(xué)學(xué)報(bào):自然科學(xué)版,2015,51(2):282288.

    [12]郭聯(lián)金,羅炳軍,GUOLIANJIN,等.PNN與BP神經(jīng)網(wǎng)絡(luò)在鋼板表面缺陷分類中的應(yīng)用研究[J].機(jī)電工程,2015,32(3):352357.

    (責(zé)任編輯:杜能鋼)endprint

    猜你喜歡
    編碼器輪廓人體
    人體“修補(bǔ)匠”
    人體冷知識(shí)(一)
    排便順暢,人體無毒一身輕
    OPENCV輪廓識(shí)別研究與實(shí)踐
    基于實(shí)時(shí)輪廓誤差估算的數(shù)控系統(tǒng)輪廓控制
    基于FPGA的同步機(jī)軸角編碼器
    奇妙的人體止咳點(diǎn)
    特別健康(2018年3期)2018-07-04 00:40:10
    基于PRBS檢測的8B/IOB編碼器設(shè)計(jì)
    JESD204B接口協(xié)議中的8B10B編碼器設(shè)計(jì)
    電子器件(2015年5期)2015-12-29 08:42:24
    在線學(xué)習(xí)機(jī)制下的Snake輪廓跟蹤
    岛国毛片在线播放| 综合色丁香网| 九色亚洲精品在线播放| 巨乳人妻的诱惑在线观看| 亚洲经典国产精华液单| 欧美人与性动交α欧美精品济南到 | 久久久久久久精品精品| 日韩中文字幕欧美一区二区 | 自线自在国产av| 久久av网站| 人成视频在线观看免费观看| 国产男女内射视频| 国产精品99久久99久久久不卡 | 中文欧美无线码| 免费av中文字幕在线| www日本在线高清视频| 久久精品国产鲁丝片午夜精品| 日韩一区二区视频免费看| 少妇精品久久久久久久| 各种免费的搞黄视频| 中文字幕另类日韩欧美亚洲嫩草| 99re6热这里在线精品视频| 看十八女毛片水多多多| 欧美日韩一区二区视频在线观看视频在线| 人成视频在线观看免费观看| 91aial.com中文字幕在线观看| 最黄视频免费看| 一级毛片 在线播放| 国产激情久久老熟女| 9色porny在线观看| av不卡在线播放| 久久精品久久久久久久性| 国产野战对白在线观看| 十八禁网站网址无遮挡| 国产黄频视频在线观看| 久久ye,这里只有精品| av不卡在线播放| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲一码二码三码区别大吗| 黑人猛操日本美女一级片| 亚洲欧美中文字幕日韩二区| 久久婷婷青草| 男女免费视频国产| 国产精品 欧美亚洲| 中文乱码字字幕精品一区二区三区| 少妇精品久久久久久久| 精品福利永久在线观看| 亚洲综合色网址| 热99国产精品久久久久久7| 日本91视频免费播放| 精品国产露脸久久av麻豆| 国产97色在线日韩免费| 最近手机中文字幕大全| 日韩精品免费视频一区二区三区| 男女下面插进去视频免费观看| 日韩中文字幕视频在线看片| 欧美日韩av久久| 美女中出高潮动态图| 免费观看在线日韩| 男女边吃奶边做爰视频| 建设人人有责人人尽责人人享有的| 久久亚洲国产成人精品v| 亚洲欧美一区二区三区国产| 国产日韩欧美在线精品| 亚洲精品自拍成人| 黄片播放在线免费| 自线自在国产av| 亚洲人成77777在线视频| 一区二区av电影网| 国产在视频线精品| 男人添女人高潮全过程视频| 中文天堂在线官网| 综合色丁香网| 极品少妇高潮喷水抽搐| 亚洲av欧美aⅴ国产| 欧美中文综合在线视频| 欧美成人午夜精品| 女人久久www免费人成看片| 日韩精品有码人妻一区| 日韩欧美精品免费久久| 亚洲精品久久成人aⅴ小说| 交换朋友夫妻互换小说| 亚洲欧洲日产国产| 美女视频免费永久观看网站| 色网站视频免费| 成人国产av品久久久| 午夜91福利影院| 极品少妇高潮喷水抽搐| 久久免费观看电影| 久久久久久久精品精品| www.自偷自拍.com| 满18在线观看网站| 国产激情久久老熟女| 国产精品免费视频内射| 亚洲精品美女久久av网站| 视频区图区小说| 好男人视频免费观看在线| videos熟女内射| 最近最新中文字幕大全免费视频 | 国产一区二区在线观看av| 久久精品国产综合久久久| 免费黄频网站在线观看国产| 1024视频免费在线观看| 国产成人a∨麻豆精品| 久久精品国产鲁丝片午夜精品| 狠狠婷婷综合久久久久久88av| 久久久久国产一级毛片高清牌| 成年人午夜在线观看视频| 少妇的逼水好多| 91国产中文字幕| 免费观看无遮挡的男女| 久久国产精品男人的天堂亚洲| 边亲边吃奶的免费视频| 观看美女的网站| 天天躁夜夜躁狠狠躁躁| 最近最新中文字幕大全免费视频 | 午夜激情久久久久久久| 超碰97精品在线观看| 久久久久国产网址| 亚洲国产欧美在线一区| 日韩中文字幕欧美一区二区 | 少妇被粗大的猛进出69影院| 视频在线观看一区二区三区| 久久久国产一区二区| 日韩 亚洲 欧美在线| 久久久久久久国产电影| 国产高清不卡午夜福利| 2018国产大陆天天弄谢| 女的被弄到高潮叫床怎么办| 午夜福利在线观看免费完整高清在| 日本猛色少妇xxxxx猛交久久| 亚洲五月色婷婷综合| 亚洲精品美女久久久久99蜜臀 | 伊人亚洲综合成人网| 各种免费的搞黄视频| 一级a爱视频在线免费观看| 另类亚洲欧美激情| 69精品国产乱码久久久| 最近手机中文字幕大全| 日韩欧美一区视频在线观看| 成人手机av| 欧美国产精品一级二级三级| 丰满乱子伦码专区| 男女国产视频网站| 成人影院久久| 精品卡一卡二卡四卡免费| 777久久人妻少妇嫩草av网站| 韩国精品一区二区三区| 高清视频免费观看一区二区| 欧美精品人与动牲交sv欧美| 日本vs欧美在线观看视频| 久久99热这里只频精品6学生| 精品少妇一区二区三区视频日本电影 | av免费在线看不卡| 亚洲,一卡二卡三卡| 建设人人有责人人尽责人人享有的| 一区二区日韩欧美中文字幕| 欧美激情高清一区二区三区 | 国产免费一区二区三区四区乱码| 成人午夜精彩视频在线观看| 国产极品粉嫩免费观看在线| 国产黄色视频一区二区在线观看| 国产成人精品在线电影| 91久久精品国产一区二区三区| 美女视频免费永久观看网站| 亚洲欧美精品自产自拍| 日韩成人av中文字幕在线观看| 女人高潮潮喷娇喘18禁视频| 久久99精品国语久久久| 国产免费一区二区三区四区乱码| 欧美激情 高清一区二区三区| 免费在线观看黄色视频的| 日本欧美国产在线视频| 国产伦理片在线播放av一区| 少妇的丰满在线观看| 免费黄色在线免费观看| 香蕉丝袜av| 久久久久人妻精品一区果冻| 午夜福利视频在线观看免费| 久久久亚洲精品成人影院| 看免费av毛片| 精品一品国产午夜福利视频| 精品国产乱码久久久久久小说| 色婷婷久久久亚洲欧美| 美女高潮到喷水免费观看| av又黄又爽大尺度在线免费看| 韩国高清视频一区二区三区| 亚洲一码二码三码区别大吗| 亚洲国产欧美网| 赤兔流量卡办理| 亚洲欧洲国产日韩| 丰满饥渴人妻一区二区三| 人体艺术视频欧美日本| 亚洲欧洲精品一区二区精品久久久 | 丝袜脚勾引网站| 亚洲精品美女久久久久99蜜臀 | 日本vs欧美在线观看视频| 最近2019中文字幕mv第一页| 狠狠婷婷综合久久久久久88av| 美女xxoo啪啪120秒动态图| 极品少妇高潮喷水抽搐| 观看av在线不卡| 亚洲四区av| 尾随美女入室| 大片电影免费在线观看免费| 韩国精品一区二区三区| 午夜av观看不卡| 中文字幕精品免费在线观看视频| 成年人免费黄色播放视频| 大码成人一级视频| 免费黄网站久久成人精品| 一级片免费观看大全| 久久国产亚洲av麻豆专区| 久久精品熟女亚洲av麻豆精品| 婷婷色综合大香蕉| 一级a爱视频在线免费观看| 国产精品一区二区在线观看99| 男女国产视频网站| 在线观看一区二区三区| 老司机午夜十八禁免费视频| 99久久久亚洲精品蜜臀av| 狠狠狠狠99中文字幕| 夜夜躁狠狠躁天天躁| 国产xxxxx性猛交| 麻豆国产av国片精品| av电影中文网址| 亚洲,欧美精品.| 欧美黄色淫秽网站| 日韩免费av在线播放| 国产精品 国内视频| 午夜日韩欧美国产| 男女床上黄色一级片免费看| 国产激情久久老熟女| 黑人巨大精品欧美一区二区蜜桃| 国产欧美日韩一区二区精品| 亚洲专区国产一区二区| 性色av乱码一区二区三区2| 91老司机精品| 黄色女人牲交| 国产精品亚洲av一区麻豆| 色哟哟哟哟哟哟| 久久精品国产亚洲av高清一级| 亚洲精品久久午夜乱码| 国产精品国产av在线观看| 97超级碰碰碰精品色视频在线观看| 丰满饥渴人妻一区二区三| 久久精品国产亚洲av高清一级| 99精品在免费线老司机午夜| 午夜福利,免费看| 91麻豆av在线| 无遮挡黄片免费观看| 午夜精品在线福利| 黄网站色视频无遮挡免费观看| 精品免费久久久久久久清纯| 精品久久久精品久久久| 女性生殖器流出的白浆| 日韩大尺度精品在线看网址 | 国产成人精品久久二区二区91| 免费观看精品视频网站| 岛国视频午夜一区免费看| av网站在线播放免费| 精品电影一区二区在线| 男人操女人黄网站| 97人妻天天添夜夜摸| 日韩视频一区二区在线观看| 99国产精品99久久久久| 亚洲熟妇中文字幕五十中出 | 国产一区二区三区综合在线观看| 天堂影院成人在线观看| 午夜福利欧美成人| 免费在线观看亚洲国产| 日本免费一区二区三区高清不卡 | 国产在线精品亚洲第一网站| 国产主播在线观看一区二区| 亚洲一区高清亚洲精品| 新久久久久国产一级毛片| 一区在线观看完整版| 久热爱精品视频在线9| 久久人妻福利社区极品人妻图片| 99久久99久久久精品蜜桃| 国产成年人精品一区二区 | 黄色视频不卡| 黄色a级毛片大全视频| 首页视频小说图片口味搜索| 不卡一级毛片| 午夜免费激情av| 国产免费男女视频| 国产免费现黄频在线看| 91精品国产国语对白视频| 黄片小视频在线播放| 国产精品久久电影中文字幕| 一边摸一边做爽爽视频免费| 亚洲成人免费av在线播放| 国产真人三级小视频在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 天堂动漫精品| 制服诱惑二区| 成人国语在线视频| xxxhd国产人妻xxx| 一区二区三区激情视频| 欧美黄色片欧美黄色片| 国产精品美女特级片免费视频播放器 | 午夜福利在线免费观看网站| 精品日产1卡2卡| 在线观看www视频免费| 五月开心婷婷网| 大码成人一级视频| 在线观看www视频免费| 国产精品自产拍在线观看55亚洲| 人妻久久中文字幕网| 一级黄色大片毛片| 一个人免费在线观看的高清视频| 高清av免费在线| www.自偷自拍.com| 男人的好看免费观看在线视频 | 男女做爰动态图高潮gif福利片 | 亚洲精品av麻豆狂野| 亚洲av美国av| 两个人看的免费小视频| 在线免费观看的www视频| 丰满人妻熟妇乱又伦精品不卡| 免费看a级黄色片| 亚洲黑人精品在线| 露出奶头的视频| 亚洲精品在线美女| 亚洲少妇的诱惑av| 国产精品自产拍在线观看55亚洲| 精品熟女少妇八av免费久了| 人人妻人人添人人爽欧美一区卜| 水蜜桃什么品种好| 亚洲视频免费观看视频| 99久久国产精品久久久| 欧美日韩av久久| 成年人免费黄色播放视频| 国产成人欧美在线观看| 亚洲精品在线美女| 中文字幕另类日韩欧美亚洲嫩草| 国产高清国产精品国产三级| 久久人人97超碰香蕉20202| 一夜夜www| 黄色怎么调成土黄色| 色在线成人网| 国产精品偷伦视频观看了| 两性午夜刺激爽爽歪歪视频在线观看 | 国产成年人精品一区二区 | 嫩草影院精品99| 可以在线观看毛片的网站| 一二三四社区在线视频社区8| 国产精品一区二区免费欧美| www.999成人在线观看| 精品第一国产精品| 国产成年人精品一区二区 | 叶爱在线成人免费视频播放| 欧美人与性动交α欧美软件| 亚洲精品中文字幕一二三四区| 高清欧美精品videossex| 中文字幕另类日韩欧美亚洲嫩草| 日韩国内少妇激情av| 天堂中文最新版在线下载| 亚洲自偷自拍图片 自拍| 亚洲性夜色夜夜综合| 亚洲欧美一区二区三区久久| 叶爱在线成人免费视频播放| 欧美国产精品va在线观看不卡| 国产亚洲精品久久久久5区| 亚洲专区字幕在线| 国产成人精品无人区| 激情在线观看视频在线高清| 久久久久久久久久久久大奶| 黑人巨大精品欧美一区二区mp4| a级毛片在线看网站| 欧美日韩av久久| 国产精品 国内视频| 亚洲精品一卡2卡三卡4卡5卡| a级毛片在线看网站| 国产精品1区2区在线观看.| 中亚洲国语对白在线视频| 午夜激情av网站| 亚洲黑人精品在线| 国产视频一区二区在线看| 这个男人来自地球电影免费观看| 久久久久久免费高清国产稀缺| 香蕉国产在线看| 妹子高潮喷水视频| 99热国产这里只有精品6| 老熟妇仑乱视频hdxx| 在线观看日韩欧美| 久久人人97超碰香蕉20202| 精品无人区乱码1区二区| 亚洲av成人不卡在线观看播放网| 视频区图区小说| 亚洲精品在线观看二区| 精品久久久久久电影网| 丁香欧美五月| www.熟女人妻精品国产| 宅男免费午夜| xxxhd国产人妻xxx| 日韩视频一区二区在线观看| 欧美精品啪啪一区二区三区| 最近最新免费中文字幕在线| 日韩中文字幕欧美一区二区| 在线观看免费午夜福利视频| 婷婷精品国产亚洲av在线| 国产精品亚洲av一区麻豆| 国产又爽黄色视频| 级片在线观看| 日本黄色日本黄色录像| 久久精品国产综合久久久| 日本免费a在线| 亚洲午夜精品一区,二区,三区| av超薄肉色丝袜交足视频| 亚洲专区国产一区二区| 波多野结衣一区麻豆| 欧美日韩亚洲高清精品| aaaaa片日本免费| 日韩成人在线观看一区二区三区| 欧美日韩亚洲国产一区二区在线观看| 久久精品aⅴ一区二区三区四区| 男女高潮啪啪啪动态图| 88av欧美| 美女福利国产在线| 日本a在线网址| 97人妻天天添夜夜摸| a在线观看视频网站| 亚洲精品在线美女| 国产麻豆69| 国产在线观看jvid| 天堂影院成人在线观看| 亚洲精品粉嫩美女一区| 韩国av一区二区三区四区| 午夜亚洲福利在线播放| 又紧又爽又黄一区二区| 精品熟女少妇八av免费久了| 最近最新免费中文字幕在线| 夜夜看夜夜爽夜夜摸 | 亚洲人成网站在线播放欧美日韩| 亚洲一卡2卡3卡4卡5卡精品中文| 涩涩av久久男人的天堂| 欧美另类亚洲清纯唯美| 深夜精品福利| 精品国产国语对白av| 久久精品国产亚洲av高清一级| 桃色一区二区三区在线观看| 最好的美女福利视频网| 多毛熟女@视频| 深夜精品福利| 久久精品国产综合久久久| 在线看a的网站| 一级a爱视频在线免费观看| 欧美乱妇无乱码| 黑人巨大精品欧美一区二区蜜桃| 精品日产1卡2卡| 国产91精品成人一区二区三区| 国产成人av激情在线播放| 女性生殖器流出的白浆| www日本在线高清视频| 亚洲av第一区精品v没综合| 中文字幕高清在线视频| 麻豆一二三区av精品| 久久精品国产清高在天天线| 久久久久国产一级毛片高清牌| 亚洲精品一区av在线观看| 精品日产1卡2卡| 黄片小视频在线播放| 真人做人爱边吃奶动态| 国产成人精品久久二区二区91| 亚洲熟女毛片儿| 一进一出抽搐动态| 国产不卡一卡二| 久久人人爽av亚洲精品天堂| 午夜福利免费观看在线| 欧美日韩av久久| 后天国语完整版免费观看| 国产av在哪里看| 成人三级做爰电影| 88av欧美| 久久精品亚洲精品国产色婷小说| 午夜福利在线观看吧| 国产精品综合久久久久久久免费 | e午夜精品久久久久久久| 日韩精品免费视频一区二区三区| 人妻丰满熟妇av一区二区三区| 国产免费现黄频在线看| 国产乱人伦免费视频| 中文欧美无线码| 女人高潮潮喷娇喘18禁视频| 亚洲精品国产色婷婷电影| 亚洲熟妇熟女久久| 亚洲va日本ⅴa欧美va伊人久久| 免费看十八禁软件| 亚洲av成人不卡在线观看播放网| 欧洲精品卡2卡3卡4卡5卡区| 国产一区二区在线av高清观看| 免费在线观看视频国产中文字幕亚洲| 18禁裸乳无遮挡免费网站照片 | 9191精品国产免费久久| 一级片免费观看大全| 午夜视频精品福利| 成人亚洲精品av一区二区 | 欧美 亚洲 国产 日韩一| 18禁裸乳无遮挡免费网站照片 | 一本大道久久a久久精品| 色精品久久人妻99蜜桃| 嫩草影视91久久| 欧洲精品卡2卡3卡4卡5卡区| 亚洲中文av在线| 亚洲午夜精品一区,二区,三区| 欧美色视频一区免费| 国产精品久久久av美女十八| 黑人欧美特级aaaaaa片| 丝袜美腿诱惑在线| 久久精品91蜜桃| 亚洲免费av在线视频| 亚洲激情在线av| 在线国产一区二区在线| 亚洲精华国产精华精| 伊人久久大香线蕉亚洲五| 国产成人啪精品午夜网站| 久久久水蜜桃国产精品网| 不卡av一区二区三区| 欧美成狂野欧美在线观看| 波多野结衣av一区二区av| 国产精品一区二区在线不卡| 叶爱在线成人免费视频播放| 亚洲 欧美 日韩 在线 免费| 欧美丝袜亚洲另类 | 国产欧美日韩一区二区精品| 国产xxxxx性猛交| 一级毛片女人18水好多| 久久久久久久精品吃奶| 12—13女人毛片做爰片一| 中出人妻视频一区二区| 欧美日本中文国产一区发布| 曰老女人黄片| 黄色片一级片一级黄色片| 一区二区日韩欧美中文字幕| 国产成人精品久久二区二区免费| av超薄肉色丝袜交足视频| 97碰自拍视频| 搡老乐熟女国产| 国产精品av久久久久免费| 天堂俺去俺来也www色官网| 国产亚洲欧美98| 岛国视频午夜一区免费看| 亚洲自偷自拍图片 自拍| 制服诱惑二区| av在线播放免费不卡| 国产1区2区3区精品| 最近最新免费中文字幕在线| 精品人妻1区二区| 级片在线观看| 免费观看人在逋| 不卡一级毛片| 亚洲avbb在线观看| 淫秽高清视频在线观看| 亚洲熟女毛片儿| 中文字幕色久视频| 亚洲熟妇中文字幕五十中出 | 国产熟女午夜一区二区三区| 亚洲国产看品久久| 黄色毛片三级朝国网站| 母亲3免费完整高清在线观看| 嫩草影视91久久| 搡老乐熟女国产| 免费女性裸体啪啪无遮挡网站| 超碰97精品在线观看| av网站在线播放免费| 成人免费观看视频高清| 黑人巨大精品欧美一区二区mp4| 最新在线观看一区二区三区| 十八禁网站免费在线| 亚洲午夜精品一区,二区,三区| 午夜老司机福利片| 精品国产美女av久久久久小说| 欧美乱码精品一区二区三区| 欧美日韩视频精品一区| 日本 av在线| 韩国av一区二区三区四区| 香蕉国产在线看| 午夜a级毛片| 午夜91福利影院| 如日韩欧美国产精品一区二区三区| 久久狼人影院| 中文字幕高清在线视频| 大香蕉久久成人网| 在线观看一区二区三区激情| 99精品在免费线老司机午夜| 国产精品久久视频播放| 村上凉子中文字幕在线| 日日夜夜操网爽| 在线观看午夜福利视频| 久久久国产欧美日韩av| av国产精品久久久久影院| 一级,二级,三级黄色视频| 精品久久久久久,| 国产精品野战在线观看 | 亚洲伊人色综图| 久久热在线av| 人成视频在线观看免费观看| av中文乱码字幕在线| 免费观看精品视频网站| 视频在线观看一区二区三区| 国产精品久久久av美女十八| 美女福利国产在线| 91国产中文字幕| 日本 av在线| 亚洲专区字幕在线| 国产精品美女特级片免费视频播放器 | 日韩三级视频一区二区三区| 国产精品一区二区精品视频观看| 国产97色在线日韩免费| 欧美激情极品国产一区二区三区| 欧美成人午夜精品| 成人亚洲精品av一区二区 | 女同久久另类99精品国产91|