• <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
    91午夜精品亚洲一区二区三区| 美女福利国产在线| 国产精品蜜桃在线观看| 国产精品国产av在线观看| 成年美女黄网站色视频大全免费 | 噜噜噜噜噜久久久久久91| 嫩草影院入口| 亚洲人成网站在线播| 国产伦在线观看视频一区| 日韩欧美 国产精品| 97超视频在线观看视频| 国产成人免费无遮挡视频| 亚洲精品成人av观看孕妇| 免费看av在线观看网站| 91精品国产国语对白视频| 免费高清在线观看视频在线观看| 精品国产乱码久久久久久小说| 女人精品久久久久毛片| 午夜免费男女啪啪视频观看| 国产一级毛片在线| 另类精品久久| 国产高清三级在线| 91成人精品电影| 国产毛片在线视频| 一级,二级,三级黄色视频| 日本vs欧美在线观看视频 | 三级国产精品欧美在线观看| 女人精品久久久久毛片| 久久国产亚洲av麻豆专区| 国产日韩欧美视频二区| 日韩亚洲欧美综合| 亚洲精品久久午夜乱码| 久久影院123| 日韩av免费高清视频| 2018国产大陆天天弄谢| av免费观看日本| 欧美高清成人免费视频www| 亚洲av不卡在线观看| 妹子高潮喷水视频| 亚洲人与动物交配视频| 丝袜脚勾引网站| 老司机影院成人| 国产精品嫩草影院av在线观看| 一二三四中文在线观看免费高清| 人人妻人人添人人爽欧美一区卜| 精品国产一区二区久久| 亚洲精品久久久久久婷婷小说| 男女免费视频国产| 成人亚洲精品一区在线观看| 国产成人freesex在线| 高清视频免费观看一区二区| 日韩成人伦理影院| 国产精品人妻久久久久久| 久久久久久久亚洲中文字幕| 高清毛片免费看| 久久久a久久爽久久v久久| 性高湖久久久久久久久免费观看| 99热国产这里只有精品6| 日本爱情动作片www.在线观看| 亚洲精品成人av观看孕妇| 大又大粗又爽又黄少妇毛片口| av.在线天堂| 亚洲国产av新网站| videossex国产| 黑人巨大精品欧美一区二区蜜桃 | 狠狠精品人妻久久久久久综合| 精品少妇久久久久久888优播| 美女主播在线视频| .国产精品久久| 大香蕉久久网| 中文资源天堂在线| 亚洲国产精品999| 免费看不卡的av| 成年av动漫网址| 亚洲国产精品一区三区| 丰满少妇做爰视频| 日本黄色片子视频| 久热久热在线精品观看| 免费看av在线观看网站| 久久人人爽人人片av| 亚洲精品国产av蜜桃| 欧美 日韩 精品 国产| 美女大奶头黄色视频| 欧美日本中文国产一区发布| 国产探花极品一区二区| 丰满饥渴人妻一区二区三| 最近的中文字幕免费完整| 日韩免费高清中文字幕av| 免费观看的影片在线观看| 亚洲综合精品二区| 春色校园在线视频观看| 欧美 亚洲 国产 日韩一| 午夜福利影视在线免费观看| 国产免费视频播放在线视频| 亚洲人与动物交配视频| 国产精品不卡视频一区二区| 国产午夜精品久久久久久一区二区三区| 国国产精品蜜臀av免费| 一个人看视频在线观看www免费| 婷婷色麻豆天堂久久| 搡老乐熟女国产| 少妇熟女欧美另类| 免费大片黄手机在线观看| 观看av在线不卡| 高清不卡的av网站| 国产在线一区二区三区精| 久久女婷五月综合色啪小说| 少妇的逼好多水| 能在线免费看毛片的网站| 国产亚洲av片在线观看秒播厂| 欧美区成人在线视频| 色吧在线观看| 久久精品夜色国产| 精品人妻熟女毛片av久久网站| 午夜av观看不卡| 天堂8中文在线网| 51国产日韩欧美| 久久毛片免费看一区二区三区| 免费人妻精品一区二区三区视频| 黄色毛片三级朝国网站 | 国产熟女午夜一区二区三区 | 亚洲av综合色区一区| 亚洲久久久国产精品| 观看av在线不卡| av卡一久久| av黄色大香蕉| 日日啪夜夜撸| 午夜免费鲁丝| 丝袜喷水一区| 国产精品偷伦视频观看了| 免费大片18禁| 国产日韩欧美亚洲二区| 男人舔奶头视频| 少妇裸体淫交视频免费看高清| 男人狂女人下面高潮的视频| 国产精品久久久久久久电影| 搡老乐熟女国产| 美女视频免费永久观看网站| 你懂的网址亚洲精品在线观看| 国产一区亚洲一区在线观看| 少妇 在线观看| 国产精品99久久久久久久久| 亚洲欧美精品专区久久| 国产永久视频网站| 亚洲激情五月婷婷啪啪| 一级毛片久久久久久久久女| 熟妇人妻不卡中文字幕| 最近中文字幕2019免费版| 成人国产av品久久久| 少妇人妻精品综合一区二区| 亚洲久久久国产精品| 少妇人妻 视频| 午夜福利影视在线免费观看| 成人午夜精彩视频在线观看| 少妇被粗大猛烈的视频| 国产老妇伦熟女老妇高清| 80岁老熟妇乱子伦牲交| 久久精品久久久久久噜噜老黄| 欧美日韩国产mv在线观看视频| 精品亚洲成国产av| 久久久久久久久久久久大奶| 国产av国产精品国产| 涩涩av久久男人的天堂| 欧美精品一区二区大全| 久久 成人 亚洲| 丁香六月天网| 免费高清在线观看视频在线观看| 免费观看无遮挡的男女| 人妻 亚洲 视频| 亚洲精品日韩av片在线观看| 日本欧美国产在线视频| 亚洲无线观看免费| 十分钟在线观看高清视频www | 插逼视频在线观看| 久久综合国产亚洲精品| 久久久a久久爽久久v久久| 男女边摸边吃奶| 一级毛片久久久久久久久女| 久久国产精品男人的天堂亚洲 | 人妻夜夜爽99麻豆av| 国产高清国产精品国产三级| 观看免费一级毛片| 欧美日韩视频精品一区| 水蜜桃什么品种好| 精品国产露脸久久av麻豆| 午夜激情久久久久久久| 国产精品国产三级国产av玫瑰| 五月开心婷婷网| 国产av码专区亚洲av| 久久久久久久久久久久大奶| 日韩三级伦理在线观看| 久久6这里有精品| 啦啦啦啦在线视频资源| a级一级毛片免费在线观看| 高清午夜精品一区二区三区| 日韩伦理黄色片| 欧美国产精品一级二级三级 | 午夜福利,免费看| 亚洲欧美一区二区三区黑人 | 少妇熟女欧美另类| 欧美三级亚洲精品| 人人妻人人添人人爽欧美一区卜| 久久这里有精品视频免费| 日本av免费视频播放| 99久久精品国产国产毛片| 欧美老熟妇乱子伦牲交| 久久久久视频综合| 午夜精品国产一区二区电影| 欧美精品一区二区大全| 亚洲综合精品二区| 亚洲在久久综合| 中国三级夫妇交换| 国产精品蜜桃在线观看| 亚洲一区二区三区欧美精品| 一区二区三区乱码不卡18| 午夜免费男女啪啪视频观看| 777米奇影视久久| 日韩一区二区三区影片| 欧美精品一区二区大全| 夜夜骑夜夜射夜夜干| 日日摸夜夜添夜夜添av毛片| 久久久国产一区二区| 中文字幕亚洲精品专区| 中文天堂在线官网| 亚洲高清免费不卡视频| 18+在线观看网站| 亚洲av国产av综合av卡| 日韩亚洲欧美综合| 美女脱内裤让男人舔精品视频| 一边亲一边摸免费视频| 高清毛片免费看| 这个男人来自地球电影免费观看 | 成人综合一区亚洲| 亚洲精品自拍成人| 婷婷色综合www| 一个人看视频在线观看www免费| 国产成人精品婷婷| 乱码一卡2卡4卡精品| 国产真实伦视频高清在线观看| 色婷婷久久久亚洲欧美| 插逼视频在线观看| 18禁在线无遮挡免费观看视频| 亚洲精华国产精华液的使用体验| 亚洲综合色惰| 自线自在国产av| 日日啪夜夜撸| 国产片特级美女逼逼视频| 精品少妇黑人巨大在线播放| 久久久久精品久久久久真实原创| 国产无遮挡羞羞视频在线观看| 波野结衣二区三区在线| 嫩草影院新地址| 在线观看免费视频网站a站| 亚洲欧美成人综合另类久久久| 一级黄片播放器| 亚洲电影在线观看av| 久久精品久久精品一区二区三区| 久久久精品免费免费高清| 日本与韩国留学比较| 亚洲精品国产av成人精品| 久久鲁丝午夜福利片| av一本久久久久| 精品人妻一区二区三区麻豆| 日韩精品有码人妻一区| 青春草国产在线视频| 中国美白少妇内射xxxbb| 我的女老师完整版在线观看| 九九爱精品视频在线观看| 在线观看免费日韩欧美大片 | 久久这里有精品视频免费| 美女国产视频在线观看| 男人狂女人下面高潮的视频| 亚洲av中文av极速乱| 国产亚洲精品久久久com| 久久久久久久久久久免费av| 嫩草影院新地址| 99久久人妻综合| 全区人妻精品视频| 全区人妻精品视频| 最黄视频免费看| 秋霞在线观看毛片| 伊人亚洲综合成人网| 好男人视频免费观看在线| 亚洲无线观看免费| 亚洲精品国产色婷婷电影| 丝袜喷水一区| 国产成人91sexporn| 另类精品久久| 国产精品.久久久| xxx大片免费视频| 久久精品国产亚洲av天美| 91aial.com中文字幕在线观看| 五月天丁香电影| 国产成人午夜福利电影在线观看| 欧美另类一区| 99热这里只有是精品50| 免费不卡的大黄色大毛片视频在线观看| 国产一级毛片在线| 免费高清在线观看视频在线观看| 女性被躁到高潮视频| 欧美区成人在线视频| 国产成人免费无遮挡视频| 精品久久久噜噜| 极品人妻少妇av视频| 99久久精品国产国产毛片| .国产精品久久| 91在线精品国自产拍蜜月| 少妇被粗大的猛进出69影院 | 天天操日日干夜夜撸| 亚洲精品国产av成人精品| 亚洲av二区三区四区| 天堂8中文在线网| 久久毛片免费看一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91 | 成人影院久久| kizo精华| 97超视频在线观看视频| 国产精品一区二区三区四区免费观看| 综合色丁香网| 日韩一区二区视频免费看| 亚洲自偷自拍三级| 国产日韩欧美在线精品| 搡女人真爽免费视频火全软件| 丝袜在线中文字幕| 久久国产乱子免费精品| 亚洲av综合色区一区| 日产精品乱码卡一卡2卡三| 中文字幕精品免费在线观看视频 | 久久亚洲国产成人精品v| 有码 亚洲区| 又黄又爽又刺激的免费视频.| 亚洲国产精品专区欧美| 精品亚洲成a人片在线观看| 少妇人妻一区二区三区视频| 中文字幕精品免费在线观看视频 | 久久人人爽av亚洲精品天堂| 色视频www国产| 国产探花极品一区二区| 男的添女的下面高潮视频| 少妇的逼好多水| 三级国产精品片| 亚洲国产精品999| 九九久久精品国产亚洲av麻豆| 高清欧美精品videossex| 精品一品国产午夜福利视频| 亚洲精品,欧美精品| 91精品国产国语对白视频| 国产色爽女视频免费观看| 国产极品天堂在线| 啦啦啦视频在线资源免费观看| 高清毛片免费看| 亚洲天堂av无毛| 国产 精品1| 国产黄片美女视频| 久久国产亚洲av麻豆专区| 日韩,欧美,国产一区二区三区| 日韩成人av中文字幕在线观看| 尾随美女入室| 搡老乐熟女国产| 蜜桃在线观看..| 免费av中文字幕在线| av专区在线播放| 午夜久久久在线观看| 久久国产精品男人的天堂亚洲 | 亚洲av成人精品一二三区| 女的被弄到高潮叫床怎么办| 日韩不卡一区二区三区视频在线| 高清在线视频一区二区三区| 爱豆传媒免费全集在线观看| 国产淫语在线视频| 高清av免费在线| 一级毛片aaaaaa免费看小| 九九久久精品国产亚洲av麻豆| 亚洲不卡免费看| 九九久久精品国产亚洲av麻豆| 久久久久久久久久久丰满| 99久久精品热视频| 丝袜喷水一区| 九色成人免费人妻av| 日韩视频在线欧美| 成人特级av手机在线观看| 久热这里只有精品99| 一边亲一边摸免费视频| 国产成人午夜福利电影在线观看| 久久久久人妻精品一区果冻| 精品人妻熟女毛片av久久网站| 久久精品久久精品一区二区三区| 亚洲经典国产精华液单| 亚洲国产最新在线播放| 制服丝袜香蕉在线| 亚洲精品自拍成人| 热99国产精品久久久久久7| 国产av精品麻豆| 有码 亚洲区| 女的被弄到高潮叫床怎么办| 美女大奶头黄色视频| av国产久精品久网站免费入址| h视频一区二区三区| 国产黄频视频在线观看| 简卡轻食公司| 夜夜看夜夜爽夜夜摸| 久久人人爽av亚洲精品天堂| 新久久久久国产一级毛片| 一级,二级,三级黄色视频| 日本爱情动作片www.在线观看| av在线app专区| 亚洲美女黄色视频免费看| 六月丁香七月| 精品一品国产午夜福利视频| 精品久久久久久电影网| 欧美丝袜亚洲另类| 亚洲av中文av极速乱| 日韩人妻高清精品专区| 国产精品久久久久久av不卡| 久久亚洲国产成人精品v| 日韩不卡一区二区三区视频在线| 亚洲av综合色区一区| 国产极品天堂在线| 日韩 亚洲 欧美在线| 人妻夜夜爽99麻豆av| 日本爱情动作片www.在线观看| 日韩电影二区| 我的女老师完整版在线观看| 久久精品国产a三级三级三级| 日本午夜av视频| 久久精品国产亚洲网站| 国产男女超爽视频在线观看| 成人影院久久| 一个人免费看片子| 日韩制服骚丝袜av| 亚洲国产欧美日韩在线播放 | 一区二区三区免费毛片| 黄色日韩在线| 嫩草影院新地址| 日本黄色日本黄色录像| 天美传媒精品一区二区| 99re6热这里在线精品视频| 国产视频首页在线观看| 赤兔流量卡办理| 国产精品人妻久久久影院| 中文在线观看免费www的网站| 亚洲av.av天堂| 日本91视频免费播放| 视频区图区小说| 99热6这里只有精品| 交换朋友夫妻互换小说| 女性被躁到高潮视频| 伦理电影大哥的女人| 校园人妻丝袜中文字幕| 免费黄频网站在线观看国产| 汤姆久久久久久久影院中文字幕| 下体分泌物呈黄色| 22中文网久久字幕| 国产黄色视频一区二区在线观看| 国产女主播在线喷水免费视频网站| 国产精品久久久久久av不卡| 免费看光身美女| 丰满迷人的少妇在线观看| 日韩电影二区| 一级毛片 在线播放| 国产有黄有色有爽视频| 少妇精品久久久久久久| 国产一区二区三区av在线| 成年人午夜在线观看视频| 大陆偷拍与自拍| 91在线精品国自产拍蜜月| 少妇的逼水好多| 亚洲国产欧美在线一区| 亚洲av在线观看美女高潮| 国产真实伦视频高清在线观看| 国产精品国产三级国产专区5o| a级毛片在线看网站| 在线 av 中文字幕| 午夜福利在线观看免费完整高清在| 黄色毛片三级朝国网站 | 亚洲精品乱久久久久久| 乱人伦中国视频| 五月伊人婷婷丁香| 久热久热在线精品观看| 国产 一区精品| 免费看av在线观看网站| 国产黄频视频在线观看| 国产精品国产三级国产专区5o| 91午夜精品亚洲一区二区三区| 热99国产精品久久久久久7| 国产伦精品一区二区三区四那| 免费观看在线日韩| 欧美日韩国产mv在线观看视频| 五月开心婷婷网| 啦啦啦中文免费视频观看日本| a级一级毛片免费在线观看| 日韩三级伦理在线观看| 国产精品麻豆人妻色哟哟久久| 十分钟在线观看高清视频www | 一本一本综合久久| 国产有黄有色有爽视频| 免费观看无遮挡的男女| 免费看光身美女| av天堂久久9| kizo精华| 狂野欧美激情性xxxx在线观看| 久久久久国产精品人妻一区二区| 国产精品久久久久久久电影| 最近手机中文字幕大全| 国产高清不卡午夜福利| 国产成人a∨麻豆精品| 九草在线视频观看| 成人无遮挡网站| 男女免费视频国产| 黄色视频在线播放观看不卡| 亚洲精品视频女| 丝袜在线中文字幕| 极品人妻少妇av视频| 欧美一级a爱片免费观看看| av一本久久久久| 一个人看视频在线观看www免费| av卡一久久| 在线亚洲精品国产二区图片欧美 | 精品久久久久久久久av| 亚洲精品一二三| 久久6这里有精品| 美女脱内裤让男人舔精品视频| 中文乱码字字幕精品一区二区三区| 精品人妻偷拍中文字幕| 国产精品国产三级国产专区5o| 国产精品成人在线| 秋霞在线观看毛片| 一级,二级,三级黄色视频| 人妻少妇偷人精品九色| 天堂中文最新版在线下载| 日韩欧美精品免费久久| 国产高清不卡午夜福利| av国产久精品久网站免费入址| 人体艺术视频欧美日本| 精品久久久精品久久久| 欧美日韩综合久久久久久| 最后的刺客免费高清国语| 亚洲第一区二区三区不卡| 老司机影院成人| 久久久久久久久久久久大奶| 国产精品99久久99久久久不卡 | 18+在线观看网站| 少妇裸体淫交视频免费看高清| 伦精品一区二区三区| 亚洲欧美日韩卡通动漫| 欧美最新免费一区二区三区| 日韩免费高清中文字幕av| 大话2 男鬼变身卡| 精品人妻熟女av久视频| 免费高清在线观看视频在线观看| 热re99久久精品国产66热6| 国产午夜精品久久久久久一区二区三区| 麻豆乱淫一区二区| 久久99蜜桃精品久久| 香蕉精品网在线| 人人妻人人澡人人看| 午夜精品国产一区二区电影| 日本wwww免费看| 熟妇人妻不卡中文字幕| 日本午夜av视频| 久久久久久人妻| 久久久久精品久久久久真实原创| 中文字幕免费在线视频6| 成人国产麻豆网| 涩涩av久久男人的天堂| 亚洲精品色激情综合| 国产色婷婷99| 男女国产视频网站| 99re6热这里在线精品视频| 一二三四中文在线观看免费高清| 免费av不卡在线播放| 免费观看的影片在线观看| 在线看a的网站| 乱系列少妇在线播放| 国产精品成人在线| 内地一区二区视频在线| 免费不卡的大黄色大毛片视频在线观看| 亚洲三级黄色毛片| 狂野欧美激情性xxxx在线观看| 亚洲欧美日韩东京热| 精品久久久精品久久久| 边亲边吃奶的免费视频| 韩国高清视频一区二区三区| 观看av在线不卡| 91成人精品电影| 欧美少妇被猛烈插入视频| 十八禁网站网址无遮挡 | 成年人免费黄色播放视频 | 丁香六月天网| 一边亲一边摸免费视频| 80岁老熟妇乱子伦牲交| 成人18禁高潮啪啪吃奶动态图 | 丝袜喷水一区| 午夜久久久在线观看| 国产伦在线观看视频一区| 亚洲成人手机| 在线看a的网站| 国产精品一二三区在线看| 又大又黄又爽视频免费| 亚洲国产毛片av蜜桃av| 亚洲精品国产色婷婷电影| 黄色一级大片看看| 精品久久久精品久久久| 日韩人妻高清精品专区| 香蕉精品网在线| 成人国产av品久久久| 日韩精品有码人妻一区| 国产精品麻豆人妻色哟哟久久| a级毛片免费高清观看在线播放| 在线精品无人区一区二区三| 一区二区三区免费毛片| 美女大奶头黄色视频| 亚洲国产欧美日韩在线播放 | 99热这里只有是精品50| 我要看日韩黄色一级片|