• <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 ?

    基于因果分析的群體行為識別

    2018-03-26 02:30:11夏利民
    電子科技大學學報 2018年2期
    關鍵詞:群體行為識別率軌跡

    王 軍,夏利民

    (中南大學信息科學與工程學院 長沙 410075)

    行為識別是計算機視覺領域的一個重要研究方向,在人機交互、智能視頻監(jiān)控等方面有著廣闊的應用前景。近年來人體行為識別取得了顯著進展,但主要工作還是集中在單人行為識別和兩人交互行為識別上,群體行為識別仍是一項挑戰(zhàn)性的工作。

    目前,大多數(shù)群體行為識別方法主要分為基于特征的方法和基于軌跡的方法。在基于特征的群體行為識別方面,文獻[1]用位置、形狀、運動以及時序等特征表示群體行為。文獻[2]采用局部視覺信息和群體行為鏈模型識別群體行為。文獻[3]利用局部表面信息作為群體行為描述子。文獻[4]利用運動信息和外觀信息作為行為特征,采用核密度估計法建立群內(nèi)個體間的交互關系?;谲壽E的群體行為識別[5-7]是通過分析個體軌跡間的相互影響來識別群體行為。文獻[5]利用Granger因果檢驗分析兩個行為軌跡間的相互作用,并以此識別雙人間的交互行為。文獻[6]將該方法推廣到群體行為識別。文獻[7]用高斯過程表示人體運動軌跡,設計個體、雙人、群體行為描述子進行群體行為識別。

    然而,這些方法假設場景中只有一種群體行為,但實際環(huán)境中,可能同時存在個體行為、兩人的交互行為以及群體行為,如果將整個行為視頻看成是一個群體行為進行識別,將會影響群體行為的識別率。為了解決這一問題,文獻[8-13]首先將行為群體從人群中檢測出來,然后識別群體行為。文獻[10]利用運動軌跡信息和外觀信息定義了3種群體行為描述子,分別描述子群內(nèi)、子群間的內(nèi)在交互行為,采用SVM進行群體行為識別,但該方法很難檢測出子群。文獻[11-12]利用群交互區(qū)域檢測場景中有意義的群體,用群體交互能量特征、吸引和排斥特征來描述GIZ中的群體行為,采用SVM進行群體行為識別。文獻[13]利用圖聚類算法檢測人群中的群體,設計了一種表示運動和交互作用的描述子,采用SVM識別群體行為。但這些方法僅僅依靠個體間的空間關系來檢測行為群體,這使得群體檢測率不是很高,從而影響群體行為識別;同時,只是用視覺特征描述群體行為,而這些特征不能有效描述群體行為,因此也限制了群體行為識別率。

    本文提出一種新的基于因果分析的群體行為識別方法。利用Grange因果檢驗對個體行為間關系進行分析,給出了個體間因果關系,在此基礎上,首先,根據(jù)個體間的空間位置關系、視覺注意力方向以及因果關系,利用基于主集的聚類算法檢測人群中的行為群體;然后,結(jié)合低層視覺特征和因果特征描述群體行為,由于不同群體行為個體數(shù)目不同,從而對應的軌跡數(shù)不同,導致整個特征長度不同。為了解決該問題,采用詞包法將特征轉(zhuǎn)化為行為視覺詞表示;最后, 采用稀疏表示進行群體行為識別。

    1 Grange因果檢驗

    文獻[14]提出了Grange因果檢驗,揭示不同經(jīng)濟因素之間的因果關系和反饋關系。Granger認為如果加入另一個時間序列X2,當前時間序列X1的自回歸預測誤差的方差減小,那么X2對X1有因果影響。

    設有兩個聯(lián)合平穩(wěn)隨機過程分別為Xi(t)和Xj(t),其對應的自回歸模型分別表示為:

    式中,ε1、η1分別為模型噪聲;Σ1和Γ1為方差。

    Xi(t)和Xj(t)的聯(lián)合自回歸模型可寫為:

    根據(jù)Grange因果檢驗,可以得到下列結(jié)論:

    1)因果關系:如果Σ2<Σ1, 則X2是X1的Granger因果關系。

    2)反饋:如果X2是X1的Granger因果關系,而X1是X2的Granger因果關系,則X1與X2具有反饋。

    3)因果率Fc:

    因果率Fc測量因果關系的強度,因果影響越強,F(xiàn)cij也越大;若X2對X1沒有因果影響,則Fcij= 0。

    4)反饋率Ffij表示反饋強度:

    本文利用Grange因果檢驗分析群體行為。對于一對個體,根據(jù)其運動軌跡,由最小二乘法可估計運動模型式(1)~式(4)中的系數(shù)及方差,再利用式(5)~(6)求得他們之間的因果律和反饋率,根據(jù)這些因果關系進行群體檢測和群體行為表示。

    2 行為群體檢測

    由于復雜場景中可能存在獨立的個體行為、雙人交互行為和群體行為,為了有效地識別群體行為,首先必須檢測出有意義的群體,為此利用因果關系和基于主集的聚類方法進行行為群體檢測。

    2.1 主集

    主集[15]是最大團到無向加權(quán)圖的推廣??紤]一個無向加權(quán)圖G=(V,E),V={1,2,…,n}是所有頂點的集合,E∈V×V是所有邊的集合,設S?V是頂點的一個非空子集,i∈S,則i關于S的平均加權(quán)度為:

    式中,|S|表示S的基數(shù);aij為節(jié)點j和i之間的相似度。如果節(jié)點j?S,則節(jié)點j和i的相似性為:

    i關于S的權(quán)值為:

    S的整體相似性定義為:

    滿足下列條件的非空子集S?V稱為主集:

    這表明主集等同類。求解下列優(yōu)化問題可得到主集:

    如果x是式(13)的局部極值解,那么x的支撐集σ(x)={i∈V:xi> 0}是節(jié)點的一個主集。

    2.2 基于主集圖聚類的行為群體檢測

    類具有較高的內(nèi)部一致性,并且類內(nèi)元素與內(nèi)外元素具有較高的可區(qū)分性。同樣,對于相互作用的群體,同一群體內(nèi)的成員之間具有很強的相互作用,而群內(nèi)成員與群外成員之間相互作用比較小?;谶@種比較, 將行為群體檢測看成在圖中搜索最大相互作用節(jié)點的主集,于是行為群體檢測就轉(zhuǎn)化為基于主集的圖聚類問題。

    將場景中的人看成無向圖G=(V,E,A),圖的頂點代表人,而A=(aij)代表場景中人之間的交互作用程度。很顯然, 當兩人間的因果關系越強,他們之間的交互作用也就越強;當兩個人越接近,他們之間交互作用的可能性也越大;另外,兩個人處在對方的視覺注意力范圍時,他們交互作用的可能性也越大。基于這些直覺,利用個體間的因果關系、空間位置關系以及視覺注意力方向關系定義個體間的交互程度。假設人的運動軌跡、空間位置、頭部姿態(tài)已經(jīng)確定。則根據(jù)個體的運動軌跡,利用Grange因果分析可得到個體間的因果律Fcij和反饋率Ffij;由空間位置可得到他們之間的空間距離dij;給定第i人的頭部姿態(tài),可確定其視覺注意力范圍αi,如第j個人出現(xiàn)在視覺注意力范圍αi內(nèi),則記為j∈αi。于是,第i和第j個人之間的交互程度aij定義為:

    根據(jù)式(14),可以確定矩陣A,然后根據(jù)文獻[16]的方法求解式(13)的局部優(yōu)化解和它的支撐集,該支撐集即為相互作用的群體。

    3 群體行為識別

    3.1 群體行為表示

    對于檢測到的群體,其行為用群內(nèi)個體的行為和個體間的交互作用來表示。利用低層視覺特征描述個體行為,因果關系描述個體間的交互行為。

    1)個體行為的低層特征表示

    采用局部外觀特征HOG和局部運動特征HOF表示個體行為。首先,利用多目標跟蹤算法[17]得到每個人的運動軌跡。為了避免跟蹤過程中軌跡的漂移,只跟蹤一段軌跡而不是整段軌跡,本文設跟蹤軌跡的長度L=50。其次,沿著每個人的軌跡,建立一個包圍人體的、大小為Nx×Ny×L的立方體,并將該立方體劃分為nx×ny×nL的時-空網(wǎng)格,本文取nx=ny=2,nL=3;然后,在網(wǎng)格上計算4-bin HOG和5-bin HOF。最后將所有網(wǎng)格的特征連起來得到HOG描述子和HOF描述子,HOG、HOF的維數(shù)分別為48 (2×2×3×4)和60(2×2×3×5)。連接HOG和HOF,得到個體行為的低層特征表示F1,其維數(shù)為108。

    2)交互行為的因果特征表示

    因果特征描述個體間的交互行為,包括兩個部分:相互作用強度和如何相互作用。用因果率Fcij和反饋率Ffij表示兩個個體之間的相互作用強度,而個體間如何相互作用按下列方法確定。

    設兩個個體運動軌跡Xi和Xj的聯(lián)合自回歸模型為式(2)和(4),如果將式(2)看成輸入、輸出分別為Xj和Xi的數(shù)字濾波器模型,則對應的系統(tǒng)函數(shù)為:

    式中,Xi(z)和Xj(z)分別為Xi和Xj的Z變換。利用對應的頻率特性來表示個體間如何相互作用[5],即取頻率特性在0, π/4, π/2, 3π/4, π處的幅值,以及在π/4,π/2,3π/4處的相角(因為在0和π處相角為常數(shù)):

    Fij反映Xj如何影響Xi。同樣,分別以Xi、Xj為濾波器的輸入和輸出,得到特征向量Fji,反映Xi如何影響Xj。

    因果率和反饋率表示一對個體之間的相互作用的強度,而頻率特性Fij、Fji反映一對個體如何相互作用,因此這些特征是互補的,將其合在一起表示一對個體的交互行為。另外,個體間的相對距離和相對速度通常也用于描述交互行為。因此,用Fij、Fji、dij、Δvij表示一對個體的交互行為:

    式中,F(xiàn)2是一個20維的因果特征向量。

    3)群體行為表示

    如上所述,每個個體行為用一條軌跡的108維低層特征來描述,一對個體的交互行為用一對軌跡的20維因果特征來描述,而整個群體行為由所有個體的行為特征及所有行為對特征聯(lián)合表示。但由于不同的群體行為包含個體的數(shù)目不同,相應的軌跡條數(shù)、軌跡對數(shù)不同,導致不同的群體行為特征維數(shù)不同。為此,利用詞包法(bag-of-words, BOW)來表示群體行為。首先根據(jù)低層特征和因果特征,用均值聚類法分別建立個體行為的字典BOWind和交互行為字典BOWint。對于每個群體行為,根據(jù)最近鄰原則,把它的每條軌跡/軌跡對歸入每一類,可得到各個視覺詞在樣本中出現(xiàn)的頻率,這些頻率就構(gòu)成了樣本的視覺詞表示。本文兩個字典大小分別為160、40,因此,群體行為用一個200維的視覺詞向量y表示。

    3.2 基于稀疏表示的群體行為識別

    利用稀疏表示識別群體行為。首先,對待測試群體行為樣本進行編碼;然后,計算在每一類上的重建誤差;最后,將待測試群體行為樣本分類到重建誤差最小的類中。

    設C有類群體行為,每個行為用上述特征向量表示,D=[D1,D2,…,DC]表示稀疏字典,其中Di是由K個第i類行為構(gòu)成的子字典,本文利用K-SVD算法來確定稀疏字典[18]。對于測試樣本y可表示為:

    式中,α= [α1,α2,…,αC]T為稀疏編碼向量,通過求解下列優(yōu)化問題得到:

    利用OMP法(orthogonal matching pursuit)求解上述優(yōu)化問題[19]。

    然后計算相對第i類的重建誤差:

    最后,群體行為樣本y根據(jù)下式分類(識別):

    4 實驗與結(jié)果

    為了驗證提出方法的有效性,本文在公共數(shù)據(jù)庫BEHAVE和collective activity(CAD)上進行了實驗,并與文獻[10, 12-13]的方法進行對比。所有實驗都在工作站(2.8 GHz CPU, 32GB RAM)上進行。在實驗中,首先根據(jù)個體運動軌跡,由最小二乘法估計運動模型的系數(shù)及方差,利用Grange因果檢驗求得個體間因果律和反饋率;其次,根據(jù)因果律、反饋率、個體間的空間距離及視覺注意力范圍,利用基于主集的聚類法找出行為群體;然后沿著每條軌跡提取HOG和HOF特征,以及兩條軌跡間的因果特征,并采用K-均值聚類法得到160個的低層特征視覺詞和40個因果特征視覺詞表示群體行為;最后,利用利用稀疏表示識別群體行為。

    4.1 BEHAVE數(shù)據(jù)庫

    BEHAVE數(shù)據(jù)庫包括4段視頻,幀速為25 fps,分辨率為640×480,記錄了10類群體行為,包括InGroup, Approach, Meet, WalkTogether, Split, Ignore,Chase, Fight, RunTogether, Following。本文只考慮Approach(A),Split(B),WalkTogether(W),RunTogether(R),Fighting(F)和InGroup(I)這6種群體行為,其他群體行為不考慮。

    圖1為該數(shù)據(jù)庫的一些群體行為的視頻幀。圖1a為多人追趕;圖1b為多人打架。實驗包含470個群體行為樣本,用220個群體行為學習稀疏字典,250個群體行為用于測試實驗。表1為幾種方法的識別率,可看出本文方法的識別率最高,平均識別率達到了94.7%。表2為幾種方法的平均識別時間,本文的方法識別時間為0.86 s,略小于其他方法,表明本文方法識別速度快。

    圖1 BEHAVE數(shù)據(jù)庫

    表1 在BEHAVE數(shù)據(jù)庫上的識別率

    表2 在BEHAVE數(shù)據(jù)庫上的平均識別時間

    BEHAVE數(shù)據(jù)庫中部分視頻同時含有個體行為、雙人交互行為和群體行為,為了驗證文中提出的群體檢測對群體行為識別的影響,對有、無行為群體檢測進行了對比實驗。表3和表4為兩種情況下,在BEHAVE數(shù)據(jù)庫上的群體行為識別的混淆矩陣。結(jié)果表明有群體檢測明顯提高群體行為的識別率。

    表3 有行為群體檢測混淆對比

    表4 無行為群體檢測混淆對比

    4.2 Collective Activity數(shù)據(jù)庫

    CAD數(shù)據(jù)庫包含5不同的群體行為:橫過馬路、等待、步行、談話和排隊。圖2為CAD數(shù)據(jù)庫的部分群體行為的視頻幀。圖2a橫過馬路;圖2b多人步行。實驗包含550個群體行為樣本,用250個群體行為學習稀疏字典,以300個群體行為進行測試實驗。表5為幾種方法在CAD數(shù)據(jù)庫上識別率,表中結(jié)果表明,本文方法的平均識別率達到了86.7%,明顯高于其他方法。表6為幾種方法的平均識別時間,本文方法識別時間為0.94 s,小于其他方法。

    圖2 CAD數(shù)據(jù)庫

    表5 在CAD數(shù)據(jù)庫上的識別率

    表6 在CAD數(shù)據(jù)庫上的平均識別時間

    表7 有行為群體檢測混淆對比

    表8 無行為群體檢測混淆對比

    該數(shù)據(jù)庫中的每段視頻都包同時含個體行為、雙人交互行為和群體行為,實驗中,在CAD數(shù)據(jù)庫上驗證了文中提出的群體檢測對群體行為識別的影響。表7和表8分別為有、無群體檢測的混淆矩陣。結(jié)果表明加入了群體檢測,群體行為的識別率明顯得到提高。

    從上述結(jié)果可看出,相比其他幾種方法,文中提出的方法在各種情況下都能提高群體行為的識別率,并且識別速度最快。在BEHAVE數(shù)據(jù)庫和collective activity數(shù)據(jù)庫中,場景中都可能同時存在獨立的個體行為、雙人的交互行為和群體行為,雖然文獻[10]利用子群信息可以識別群體行為,但很難檢測子群,導致這種方法的群體識別率不是很高。文獻[12]利用群體交互區(qū)檢測有意義的群體,排除了沒有參與群體行為的個體,所以識別率得到了提高。然而, 群體的檢測方法僅僅依靠個體之間的空間關系,這種關系并不能完全表明個體之間存在交互關系(如相互接近的人不一定有交互行為),這使得群體檢測率不是很高,從而限制了群體行為識別率。文獻[13]利用視覺注意力和社會距離檢測交互群體,檢測率得到提高,利用運動信息和交互信息識別群體行為,因此能有效地識別群體行為。本文的方法同時利用因果關系、空間位置關系和視覺注意力范圍,因此更能有效地從人群中檢測行為群體,采用低層視覺特征和因果特征可有效表示群體行為,因此可提高群體行為識別率。

    5 結(jié)束語

    本文提出了一種新的基于因果分析的群體行為識別方法。首先,利用Grange因果檢驗分析個體間因果關系,其次,結(jié)合個體間因果關系、空間關系和視覺注意力范圍,采用基于主集的聚類算法進行群體檢測;然后,利用低層視覺特征和因果特征描述群體行為,其中,HOG和HOF用于表示個體行為,因果特征用于表示群體內(nèi)個體間的交互行為,提高了特征的區(qū)分能力; 最后,利用稀疏表示識別群體行為。在公共行為數(shù)據(jù)庫BEHAVE和collective activity上與幾種方法進行了對比實驗,結(jié)果表明提出的方法比其他方法具有更高的識別率和識別速度。

    [1]KANEKO T, SHIMOSAKA M, ODASHIMA S.A fully connected model for consistent collective activity recognition in videos[J].Pattern Recognition Letters, 2014,43(1): 109-118.

    [2]AMER M R, TODOROVIC S.A chains model for localizing participantsof group activities in videos[C]//IEEE International Conference on Computer Vision.Barcelona:IEEE, 2011: 786-793.

    [3]ZHU G, YAN S, HAN T, et al.Generative group activity analysis with quaternion descriptor[J].Adv Multimed Model,2011, 6524: 1-11.

    [4]STEPHENS K, BORS A G.Group activity recognition on outdoor scenes[C]//IEEE International Conference on Advanced Video and Signal Based Surveillance.Colorado Springs: IEEE, 2016: 59-65.

    [5]ZHOU Y, HUANG T S, NI B, et al.Recognizing pair-activities by causality analysis[J].ACM Transactions on Intelligent Systems and Technology, 2011, 2(5): 1-20.

    [6]NI B, YAN S, KASSIM A.Recognizing human group activities with localized causalities[C]//IEEE Conference on Computer Vision and Pattern Recognition.Miam: IEEE,2009: 1470-1477.

    [7]CHENG Z, QIN L, HUANG Q.Group activity recognition by gaussian processes estimation[C]//IEEE International Conference on Pattern Recognition.Istanbul: IEEE, 2010.

    [8]YIN Y, YANG G, XU J.Small group human activity recognition[C]//IEEE International Conference on Image Processing.Lake Buena Vista: IEEE, 2012: 2709-2712.

    [9]ZHANG C, YANG X, LIN W, et al.Recognizing human group behaviors with multi-group causalities[C]//International Conference on Web Intelligence and Intelligent Agent Technology Workshops.Macau: IEEE, 2012: 44-48.

    [10]JU J, YANG C, SCHERER S.Recognition of human group activity for video analytics[C]//Pacific-Rim Conference on Multimedia.Gwangju: IEEE, 2015.

    [11]KIM Y J, CHO N G, LEE S W.Group activity recognition with group interaction zone[C]//International Conference on Pattern Recognition.Stockholm: IEEE, 2014: 3517-3521.

    [12]CHO N G, KIM Y J, PARK U.Group activity recognition with group interaction zone based on relative distance between human objects[J].International Journal Pattern Recognition and Artificial Intelligence,2015, 29(5): 1-10.

    [13]TRAN K N, YAN Xu, KAKADIARIS I A, et al.A hybrid approach for individual and group activity analysis in crowded scene[J].Communications in Computer and Information Science, 2016, 598: 189-204.

    [14]GRANGER C.Investigating causal relations by econometric models and cross-spectral methods[J].Econometrica, 1969, 37(3): 424-438.

    [15]PAVAN M, PELILLO M.Dominant sets and pairwise clustering[J].IEEE Transactions on PAMI, 2007, 29(1):167-172.

    [16]BULO S R, BOMZE I M.Infection and immunization: a new class of evolutionary game dynamics[J].GAMES and Economic Behavior, 2011, 71(1): 193-211.

    [17]MILAN A, SCHINDLER K, ROTH S.Multi-target tracking by discrete-continuous energy minimization[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 38(10): 2054-2068.

    [18]ZHANG Y S, GUO Y.2D OMP algorithm for space-time parameters estimation of moving targets[J].Electronics Letters, 2015, 51(22): 1809-1820.

    [19]MUKHERJEE S, BASU R, SEELAMANTULA C S.1-K-SVD: a robust dictionary learning algorithm with simultaneous update[J].Signal Processing, 2016, 123:42-52.

    猜你喜歡
    群體行為識別率軌跡
    群體行為識別深度學習方法研究綜述
    軌跡
    軌跡
    基于類圖像處理與向量化的大數(shù)據(jù)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(shù)與言語識別率的關系
    提升高速公路MTC二次抓拍車牌識別率方案研究
    軌跡
    化工園區(qū)突發(fā)事件情景下的群體行為模擬演化研究*
    進化的軌跡(一)——進化,無盡的適應
    中國三峽(2017年2期)2017-06-09 08:15:29
    應急疏散中的群體及其行為研究
    科技資訊(2016年34期)2017-04-21 03:50:19
    人妻久久中文字幕网| 色在线成人网| 又黄又粗又硬又大视频| 一本综合久久免费| 一级毛片女人18水好多| 成年免费大片在线观看| 1024香蕉在线观看| 欧美日本亚洲视频在线播放| 亚洲精品一卡2卡三卡4卡5卡| 最新在线观看一区二区三区| 国产成人影院久久av| 亚洲熟妇熟女久久| 国产成人系列免费观看| 亚洲精品中文字幕在线视频| 日韩大尺度精品在线看网址| 最近最新免费中文字幕在线| 久久中文字幕一级| 国产一区二区在线av高清观看| 他把我摸到了高潮在线观看| 精品人妻1区二区| 变态另类成人亚洲欧美熟女| netflix在线观看网站| 国产片内射在线| 成年女人毛片免费观看观看9| 精品熟女少妇八av免费久了| 一本久久中文字幕| 久久精品91蜜桃| 麻豆久久精品国产亚洲av| 亚洲欧美日韩东京热| 中文字幕av在线有码专区| 黄色a级毛片大全视频| 少妇的丰满在线观看| 久久久久性生活片| 国产亚洲av嫩草精品影院| 亚洲人成77777在线视频| 国产欧美日韩精品亚洲av| 国产免费av片在线观看野外av| 成人av一区二区三区在线看| 黑人巨大精品欧美一区二区mp4| 观看免费一级毛片| 亚洲欧美精品综合久久99| 久久九九热精品免费| а√天堂www在线а√下载| 亚洲熟妇中文字幕五十中出| 男女做爰动态图高潮gif福利片| 欧美不卡视频在线免费观看 | 日韩三级视频一区二区三区| 久久婷婷成人综合色麻豆| 亚洲av五月六月丁香网| 人妻丰满熟妇av一区二区三区| 人妻久久中文字幕网| 国产视频内射| 欧美成人性av电影在线观看| 久久婷婷人人爽人人干人人爱| 我的老师免费观看完整版| 小说图片视频综合网站| 亚洲一区中文字幕在线| 在线国产一区二区在线| 黄色a级毛片大全视频| 日日夜夜操网爽| 成熟少妇高潮喷水视频| 日本撒尿小便嘘嘘汇集6| 桃红色精品国产亚洲av| 免费搜索国产男女视频| 黄频高清免费视频| 欧美性猛交黑人性爽| 十八禁网站免费在线| 国产私拍福利视频在线观看| 午夜影院日韩av| 久久久久久九九精品二区国产 | 首页视频小说图片口味搜索| 成年人黄色毛片网站| 久久久久久久久中文| 50天的宝宝边吃奶边哭怎么回事| 在线国产一区二区在线| 777久久人妻少妇嫩草av网站| 在线观看免费视频日本深夜| 91字幕亚洲| 久久亚洲精品不卡| 亚洲精品国产精品久久久不卡| 两个人视频免费观看高清| 毛片女人毛片| 亚洲一区高清亚洲精品| 在线播放国产精品三级| 真人做人爱边吃奶动态| 熟妇人妻久久中文字幕3abv| 精品少妇一区二区三区视频日本电影| 亚洲成人久久性| 午夜福利18| 婷婷六月久久综合丁香| 国产高清视频在线观看网站| 舔av片在线| a级毛片在线看网站| 成年人黄色毛片网站| 99热6这里只有精品| 99久久国产精品久久久| 精品久久蜜臀av无| 精品日产1卡2卡| 亚洲免费av在线视频| 午夜成年电影在线免费观看| 欧美最黄视频在线播放免费| 国产精品亚洲美女久久久| 精品不卡国产一区二区三区| 午夜福利高清视频| 久久国产乱子伦精品免费另类| 久久天堂一区二区三区四区| 久久久久久国产a免费观看| 人成视频在线观看免费观看| 真人一进一出gif抽搐免费| 国产成人欧美在线观看| 制服人妻中文乱码| 亚洲午夜理论影院| 久久香蕉精品热| 日本五十路高清| 又粗又爽又猛毛片免费看| 久久久久久九九精品二区国产 | 我的老师免费观看完整版| 男女午夜视频在线观看| 成人av一区二区三区在线看| 又紧又爽又黄一区二区| 999久久久国产精品视频| 99久久久亚洲精品蜜臀av| 亚洲精品一卡2卡三卡4卡5卡| 成人av一区二区三区在线看| 女同久久另类99精品国产91| 全区人妻精品视频| 天天躁夜夜躁狠狠躁躁| 精品国产亚洲在线| 国产精品亚洲一级av第二区| 国产精品乱码一区二三区的特点| 精品国产超薄肉色丝袜足j| 在线观看66精品国产| 国产精品亚洲一级av第二区| 久久精品人妻少妇| 每晚都被弄得嗷嗷叫到高潮| 午夜两性在线视频| 亚洲国产精品合色在线| 国产视频一区二区在线看| 日本成人三级电影网站| 国产乱人伦免费视频| 亚洲国产日韩欧美精品在线观看 | 99在线视频只有这里精品首页| 性色av乱码一区二区三区2| 日本免费a在线| 欧美性猛交黑人性爽| 亚洲国产欧洲综合997久久,| 日韩欧美国产一区二区入口| 色噜噜av男人的天堂激情| www.999成人在线观看| 一进一出好大好爽视频| 亚洲人成77777在线视频| 午夜视频精品福利| 淫妇啪啪啪对白视频| 欧美中文日本在线观看视频| 国产97色在线日韩免费| 天堂影院成人在线观看| 淫妇啪啪啪对白视频| 中文字幕高清在线视频| 精品少妇一区二区三区视频日本电影| 成人av一区二区三区在线看| 日韩精品青青久久久久久| 91字幕亚洲| 五月玫瑰六月丁香| 变态另类丝袜制服| 中文字幕熟女人妻在线| 亚洲欧美日韩高清专用| 热99re8久久精品国产| 成年女人毛片免费观看观看9| 亚洲av中文字字幕乱码综合| 国产免费男女视频| 久久国产精品影院| 亚洲真实伦在线观看| 亚洲国产看品久久| 欧美午夜高清在线| 麻豆国产97在线/欧美 | 嫩草影院精品99| 亚洲国产欧美一区二区综合| 久久久国产成人精品二区| 国产精品久久电影中文字幕| 伦理电影免费视频| 精品国内亚洲2022精品成人| av免费在线观看网站| 一二三四在线观看免费中文在| 色哟哟哟哟哟哟| 亚洲片人在线观看| 亚洲18禁久久av| 久久久久久久午夜电影| 性色av乱码一区二区三区2| 欧美在线一区亚洲| 国产精品精品国产色婷婷| 男女视频在线观看网站免费 | 婷婷精品国产亚洲av在线| a级毛片a级免费在线| 欧美日韩亚洲国产一区二区在线观看| 成年版毛片免费区| 舔av片在线| 国产成人av教育| 色尼玛亚洲综合影院| 一进一出抽搐gif免费好疼| 亚洲精品美女久久久久99蜜臀| 无人区码免费观看不卡| 国产亚洲精品av在线| 男人舔女人下体高潮全视频| 男人的好看免费观看在线视频 | 午夜免费成人在线视频| 中国美女看黄片| 人成视频在线观看免费观看| 后天国语完整版免费观看| 国产欧美日韩一区二区精品| 免费搜索国产男女视频| 亚洲欧美日韩高清专用| 老司机午夜福利在线观看视频| 成人亚洲精品av一区二区| 三级男女做爰猛烈吃奶摸视频| 久久中文看片网| 欧美在线一区亚洲| svipshipincom国产片| 超碰成人久久| 变态另类丝袜制服| 国产精品亚洲av一区麻豆| 熟女电影av网| 999精品在线视频| 亚洲中文av在线| 美女 人体艺术 gogo| 成人精品一区二区免费| 精品乱码久久久久久99久播| 亚洲成人久久爱视频| 婷婷亚洲欧美| 亚洲精品美女久久久久99蜜臀| 亚洲欧美精品综合久久99| av福利片在线观看| 色综合亚洲欧美另类图片| x7x7x7水蜜桃| 欧美日韩瑟瑟在线播放| 欧美黄色片欧美黄色片| 久久久精品国产亚洲av高清涩受| 全区人妻精品视频| 久久久国产精品麻豆| 欧美国产日韩亚洲一区| 三级国产精品欧美在线观看 | 日韩中文字幕欧美一区二区| 日韩欧美三级三区| 麻豆国产97在线/欧美 | 久久久久国产精品人妻aⅴ院| 美女高潮喷水抽搐中文字幕| 欧美成人性av电影在线观看| 一级作爱视频免费观看| 制服人妻中文乱码| 人人妻人人看人人澡| 国产精品久久久久久久电影 | 最近在线观看免费完整版| 99热这里只有是精品50| 超碰成人久久| 老司机靠b影院| 天天躁狠狠躁夜夜躁狠狠躁| 少妇裸体淫交视频免费看高清 | 国产精品九九99| 男女之事视频高清在线观看| 黄片大片在线免费观看| 日本撒尿小便嘘嘘汇集6| xxx96com| netflix在线观看网站| 人人妻人人澡欧美一区二区| 在线观看一区二区三区| 国产精品精品国产色婷婷| 国产97色在线日韩免费| 脱女人内裤的视频| 变态另类成人亚洲欧美熟女| 丰满的人妻完整版| 亚洲欧美一区二区三区黑人| 可以在线观看的亚洲视频| 亚洲精品av麻豆狂野| 一二三四在线观看免费中文在| 亚洲美女黄片视频| 一个人免费在线观看电影 | 一夜夜www| 女警被强在线播放| 色综合婷婷激情| 午夜福利高清视频| 国产成年人精品一区二区| 51午夜福利影视在线观看| 一级作爱视频免费观看| 国产人伦9x9x在线观看| 黄色成人免费大全| 午夜福利18| 国产精品九九99| 可以在线观看的亚洲视频| 亚洲天堂国产精品一区在线| 激情在线观看视频在线高清| 嫩草影视91久久| 日本精品一区二区三区蜜桃| 最近在线观看免费完整版| 国产精品永久免费网站| 亚洲自偷自拍图片 自拍| www日本黄色视频网| 天天添夜夜摸| 99riav亚洲国产免费| 蜜桃久久精品国产亚洲av| 亚洲va日本ⅴa欧美va伊人久久| 亚洲中文字幕日韩| 亚洲人成网站在线播放欧美日韩| 他把我摸到了高潮在线观看| 亚洲熟妇熟女久久| 久久天躁狠狠躁夜夜2o2o| 天堂影院成人在线观看| 国内精品一区二区在线观看| 午夜免费成人在线视频| 亚洲七黄色美女视频| 亚洲一区高清亚洲精品| 成人欧美大片| 婷婷精品国产亚洲av| 国产私拍福利视频在线观看| 90打野战视频偷拍视频| 国产精华一区二区三区| 亚洲在线自拍视频| 免费无遮挡裸体视频| 91字幕亚洲| 制服丝袜大香蕉在线| 亚洲午夜理论影院| 他把我摸到了高潮在线观看| 亚洲欧洲精品一区二区精品久久久| 小说图片视频综合网站| 麻豆av在线久日| 精品高清国产在线一区| 久久久久久久午夜电影| 久久人妻av系列| 欧美av亚洲av综合av国产av| 天天添夜夜摸| 成人亚洲精品av一区二区| 91在线观看av| 日本黄大片高清| or卡值多少钱| 三级毛片av免费| 日韩欧美在线乱码| 国产精品香港三级国产av潘金莲| 国产一区二区三区在线臀色熟女| av片东京热男人的天堂| 大型黄色视频在线免费观看| 又大又爽又粗| 亚洲色图av天堂| 91成年电影在线观看| 久久精品国产99精品国产亚洲性色| av福利片在线观看| 久久久久久大精品| 人人妻人人看人人澡| 黄色女人牲交| 亚洲免费av在线视频| 亚洲狠狠婷婷综合久久图片| 黄色丝袜av网址大全| 男女做爰动态图高潮gif福利片| 精品欧美一区二区三区在线| 国产99白浆流出| 国产亚洲av嫩草精品影院| 国产伦在线观看视频一区| 在线免费观看的www视频| 男插女下体视频免费在线播放| 桃色一区二区三区在线观看| 国产成人av激情在线播放| av福利片在线观看| 日韩精品青青久久久久久| 久久久久久久精品吃奶| 91麻豆av在线| 欧美乱色亚洲激情| 亚洲成人国产一区在线观看| 久久精品国产亚洲av高清一级| 老司机午夜十八禁免费视频| 成年女人毛片免费观看观看9| 好看av亚洲va欧美ⅴa在| 少妇人妻一区二区三区视频| 一边摸一边抽搐一进一小说| 高清在线国产一区| 久久国产精品影院| 91成年电影在线观看| 桃色一区二区三区在线观看| 在线a可以看的网站| 草草在线视频免费看| av超薄肉色丝袜交足视频| 国产精品野战在线观看| 精品电影一区二区在线| 亚洲av电影在线进入| www.熟女人妻精品国产| 在线a可以看的网站| 丰满人妻一区二区三区视频av | 欧美乱妇无乱码| 啦啦啦观看免费观看视频高清| 精华霜和精华液先用哪个| 亚洲性夜色夜夜综合| 成人18禁在线播放| 妹子高潮喷水视频| 九色成人免费人妻av| 欧美极品一区二区三区四区| 国产黄片美女视频| videosex国产| 可以在线观看的亚洲视频| 一区二区三区国产精品乱码| 黄色女人牲交| 国产精华一区二区三区| 国产在线精品亚洲第一网站| 最好的美女福利视频网| 天天添夜夜摸| 欧美成人一区二区免费高清观看 | 中文字幕最新亚洲高清| 全区人妻精品视频| 黄频高清免费视频| 国产精品 欧美亚洲| 国产精品98久久久久久宅男小说| 久久久久久国产a免费观看| 免费在线观看成人毛片| 激情在线观看视频在线高清| 久久精品国产亚洲av香蕉五月| 成年人黄色毛片网站| 少妇熟女aⅴ在线视频| 亚洲片人在线观看| 午夜福利视频1000在线观看| 中文字幕高清在线视频| 成人三级黄色视频| 午夜亚洲福利在线播放| 国产又黄又爽又无遮挡在线| 欧美激情久久久久久爽电影| 国产av一区二区精品久久| 免费在线观看亚洲国产| 国产精品野战在线观看| 777久久人妻少妇嫩草av网站| videosex国产| 成年女人毛片免费观看观看9| 欧美激情久久久久久爽电影| 九九热线精品视视频播放| 日本撒尿小便嘘嘘汇集6| 免费一级毛片在线播放高清视频| 叶爱在线成人免费视频播放| 中文字幕高清在线视频| 狠狠狠狠99中文字幕| 国产av一区在线观看免费| 天天躁狠狠躁夜夜躁狠狠躁| 国产一区二区三区在线臀色熟女| 午夜老司机福利片| 日本黄色视频三级网站网址| 亚洲精品美女久久av网站| 国产麻豆成人av免费视频| 国产亚洲精品久久久久久毛片| 99精品欧美一区二区三区四区| 黑人欧美特级aaaaaa片| 90打野战视频偷拍视频| 1024香蕉在线观看| 亚洲精品中文字幕一二三四区| 免费一级毛片在线播放高清视频| 88av欧美| 精品久久久久久久久久免费视频| 欧美黄色片欧美黄色片| 免费一级毛片在线播放高清视频| 老汉色av国产亚洲站长工具| 高潮久久久久久久久久久不卡| 黄色女人牲交| 一级毛片精品| 亚洲熟妇熟女久久| 又黄又粗又硬又大视频| 亚洲精品美女久久av网站| 久久精品国产综合久久久| x7x7x7水蜜桃| 日韩 欧美 亚洲 中文字幕| 欧美大码av| 国产av不卡久久| 欧美另类亚洲清纯唯美| 久久婷婷成人综合色麻豆| 久久精品成人免费网站| 国产精品乱码一区二三区的特点| 露出奶头的视频| 美女扒开内裤让男人捅视频| 婷婷精品国产亚洲av在线| 亚洲av熟女| 精品久久久久久久久久免费视频| 国产蜜桃级精品一区二区三区| 欧美人与性动交α欧美精品济南到| 国产精品 欧美亚洲| 美女午夜性视频免费| 18禁裸乳无遮挡免费网站照片| 50天的宝宝边吃奶边哭怎么回事| 欧美午夜高清在线| 老司机午夜十八禁免费视频| 老司机在亚洲福利影院| 午夜亚洲福利在线播放| 男女那种视频在线观看| 亚洲 国产 在线| 成人午夜高清在线视频| 国产成+人综合+亚洲专区| 1024香蕉在线观看| 丰满人妻熟妇乱又伦精品不卡| 日本黄大片高清| 欧美日韩乱码在线| 搡老熟女国产l中国老女人| 国产欧美日韩一区二区三| 亚洲男人的天堂狠狠| 日韩免费av在线播放| 最近在线观看免费完整版| 欧美精品啪啪一区二区三区| 久久久久久国产a免费观看| 男人的好看免费观看在线视频 | 少妇粗大呻吟视频| 国产精品av久久久久免费| 久久久久精品国产欧美久久久| 一a级毛片在线观看| 夜夜夜夜夜久久久久| 婷婷精品国产亚洲av在线| 男人的好看免费观看在线视频 | 亚洲成人国产一区在线观看| 午夜老司机福利片| 男人舔女人的私密视频| 俺也久久电影网| 看免费av毛片| 天堂√8在线中文| 少妇的丰满在线观看| 亚洲电影在线观看av| 男人的好看免费观看在线视频 | 午夜影院日韩av| 99久久国产精品久久久| 在线观看66精品国产| 国产三级黄色录像| 午夜精品一区二区三区免费看| av国产免费在线观看| www国产在线视频色| 无遮挡黄片免费观看| 高清毛片免费观看视频网站| 又紧又爽又黄一区二区| 一个人免费在线观看的高清视频| 精品欧美一区二区三区在线| 欧美av亚洲av综合av国产av| 久久九九热精品免费| 好看av亚洲va欧美ⅴa在| 极品教师在线免费播放| 啦啦啦观看免费观看视频高清| 男女床上黄色一级片免费看| 又爽又黄无遮挡网站| www日本在线高清视频| 欧美成人性av电影在线观看| 看黄色毛片网站| 欧美一区二区国产精品久久精品 | 亚洲在线自拍视频| 国产高清视频在线观看网站| 精品一区二区三区av网在线观看| 亚洲乱码一区二区免费版| 日韩大码丰满熟妇| 变态另类成人亚洲欧美熟女| 中文字幕熟女人妻在线| 色尼玛亚洲综合影院| 国产免费av片在线观看野外av| 久久久久性生活片| 精品国产亚洲在线| 日韩av在线大香蕉| 美女 人体艺术 gogo| 777久久人妻少妇嫩草av网站| 99久久无色码亚洲精品果冻| 免费一级毛片在线播放高清视频| 亚洲精品久久成人aⅴ小说| 午夜精品久久久久久毛片777| 亚洲中文字幕一区二区三区有码在线看 | xxxwww97欧美| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品美女特级片免费视频播放器 | 国产午夜精品久久久久久| 日韩大尺度精品在线看网址| 国产精品影院久久| 99久久精品国产亚洲精品| 一区二区三区激情视频| 久久香蕉激情| 伊人久久大香线蕉亚洲五| 久久久久国内视频| 久久精品国产综合久久久| 一个人免费在线观看电影 | 国产精品美女特级片免费视频播放器 | 午夜老司机福利片| 国产亚洲精品第一综合不卡| 亚洲欧美日韩高清专用| 欧美精品亚洲一区二区| 极品教师在线免费播放| 夜夜躁狠狠躁天天躁| 国产免费av片在线观看野外av| 免费搜索国产男女视频| 无限看片的www在线观看| 狠狠狠狠99中文字幕| 精品高清国产在线一区| 俄罗斯特黄特色一大片| 免费在线观看日本一区| 黄色女人牲交| 99热这里只有是精品50| 日本 av在线| 中文在线观看免费www的网站 | 老鸭窝网址在线观看| 国产视频一区二区在线看| 少妇裸体淫交视频免费看高清 | 亚洲av成人一区二区三| 男女做爰动态图高潮gif福利片| 国产在线精品亚洲第一网站| 草草在线视频免费看| 欧美久久黑人一区二区| 亚洲美女视频黄频| 久久久久久亚洲精品国产蜜桃av| 国产真人三级小视频在线观看| 亚洲人成电影免费在线| 一本综合久久免费| 久久久久久久午夜电影| 国产99久久九九免费精品| 日韩三级视频一区二区三区| 国产aⅴ精品一区二区三区波| 国产一区二区在线观看日韩 | 国产av麻豆久久久久久久| 久久中文看片网| 中文字幕久久专区| 老汉色av国产亚洲站长工具| 99久久99久久久精品蜜桃| 亚洲精品美女久久av网站| 久久久久精品国产欧美久久久| 99re在线观看精品视频| 巨乳人妻的诱惑在线观看| 欧洲精品卡2卡3卡4卡5卡区| 手机成人av网站|