• <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 ?

    使用自適應(yīng)背景約束改進的顏色屬性跟蹤算法

    2018-10-13 08:18:42卞佳麗
    電光與控制 2018年10期
    關(guān)鍵詞:分類器尺度約束

    胡 穹, 梅 雪, 卞佳麗

    (南京工業(yè)大學(xué)電氣工程與控制科學(xué)學(xué)院,南京 211800)

    0 引言

    目標(biāo)跟蹤是近年來計算機視覺領(lǐng)域一個熱門的研究課題,已廣泛地應(yīng)用于智能人機交互、智能監(jiān)控、社會安保、居家安防、交通控制、工業(yè)生產(chǎn)、軍事偵測等諸多領(lǐng)域,也得到了越來越多學(xué)者和研究人員的關(guān)注[1]。盡管近年來涌現(xiàn)出了一大批新穎的算法,但由于在實際測試和應(yīng)用中存在著復(fù)雜背景相似物干擾、局部遮擋、目標(biāo)姿態(tài)變化等諸多因素的干擾,仍然沒有一種單一的方法能夠成功適應(yīng)所有場景[2]。文獻[3]首次將相關(guān)濾波技術(shù)應(yīng)用于目標(biāo)跟蹤領(lǐng)域,該方法將圖像卷積操作通過快速傅里葉變換轉(zhuǎn)換成頻域中的點乘操作,極大地減少了計算量,保證了算法的高效性,由于該算法有極高的運算效率和較強的拓展性,因而迅速成為目標(biāo)跟蹤領(lǐng)域的熱點;文獻[4]在此基礎(chǔ)上引入脊回歸作為分類器,使用循環(huán)移位樣本近似替代密集采樣訓(xùn)練樣本,提出循環(huán)結(jié)構(gòu)檢測(CSK)算法,但該算法由于僅使用單通道的灰度特征,因此跟蹤魯棒性還不夠好;文獻[5]則在其基礎(chǔ)上將單通道的灰度特征拓展為多通道的HOG特征,提高了算法的魯棒性,但由于算法并未使用顏色特征,因此當(dāng)目標(biāo)出現(xiàn)快速移動或者快速形變時,容易發(fā)生跟蹤漂移;而文獻[6]則嘗試使用了多通道的顏色屬性特征拓展CSK算法,并取得了較好的效果,但對于在局部遮擋、目標(biāo)快速運動和背景相似物干擾等情形下的魯棒性仍然不夠;文獻[7]則在文獻[5]的基礎(chǔ)上構(gòu)造了圖像金字塔,實現(xiàn)了算法對目標(biāo)尺度的支持,并使用HOG特征和顏色特征作為組合特征,增強了目標(biāo)特征的表現(xiàn)力,但由于算法是在7個尺度圖像上分別進行檢測,且要多次進行復(fù)合特征的提取計算,所以運算速度較慢且對尺度支持不夠精準(zhǔn);而文獻[8-9]則通過在線性核脊回歸跟蹤算法的基礎(chǔ)上額外構(gòu)造一個尺度空間濾波器實現(xiàn)了算法對多尺度較為精確的估計,但其僅使用單一的HOG特征且用線性核函數(shù)代替高斯核函數(shù),故在目標(biāo)快速運動和發(fā)生形變的情況下跟蹤效果也不夠好。與此同時,相關(guān)濾波跟蹤的方法為了保持算法的高速運行,其本身的檢測區(qū)域一般設(shè)置較小,并對訓(xùn)練樣本進行了加窗操作,故而對背景信息的利用很少,因而對目標(biāo)快速運動、遮擋、背景相似物干擾等情況容易造成核濾波響應(yīng)出現(xiàn)多峰的情況,進而影響跟蹤效果[10-12]。

    針對以上問題,為了在保持算法具有較高跟蹤效率的同時,對于目標(biāo)快速運動、遮擋、背景相似物干擾等情況容易造成核濾波多峰響應(yīng)進行抑制,本文在顏色屬性跟蹤(CN)算法[6]的基礎(chǔ)上,通過計算響應(yīng)矩陣上的峰值旁瓣比(PSR)來判斷是否出現(xiàn)干擾和干擾峰所在的位置,進而在核化相關(guān)濾波器中引入對應(yīng)的背景約束項來加強分類器對背景信息的學(xué)習(xí)利用,從而提高算法的魯棒性。

    1 算法原理

    1.1 顏色屬性跟蹤算法

    顏色屬性跟蹤算法是在CSK算法的基礎(chǔ)上,將單通道的灰度特征拓展到多通道的顏色屬性特征[13-14],從而增強算法的魯棒性,并通過使用PCA主成分分析法將原11維顏色特征降維到2維來降低拓展顏色特征對算法速度的影響。該算法所采用的核脊回歸分類器,是利用訓(xùn)練樣本找到一個使樣本X對回歸目標(biāo)y的平方差最小的函數(shù)f(z)=wTz,則該最優(yōu)化問題的解等價于

    (1)

    w=(XTX+λI)-1XTy。

    (2)

    根據(jù)矩陣求逆引理,可得其對偶解為

    w=XT(XXT+λI)-1y。

    (3)

    將w映射到高維空間用多項式w=∑iαixi[15]來表示,同時引入核方法將內(nèi)積XXT用核矩陣K代替,則核脊回歸的解可化為

    α=(K+λI)-1y

    (4)

    式中,K是由循環(huán)移位樣本生成的核矩陣,文獻[4]證明了K也是循環(huán)矩陣,利用循環(huán)矩陣的對角化性質(zhì),可以求得非線性分類器

    (5)

    在檢測階段,對于新輸入的采樣圖像片Z,利用非線性分類器α,可得出其分類器響應(yīng)

    (6)

    (7)

    (8)

    1.2 使用自適應(yīng)背景約束改進

    為了保持運算速度,常規(guī)的核相關(guān)濾波類的算法設(shè)置的搜索區(qū)域較小,一般是上一幀目標(biāo)大小的1~2倍。同時,為了提高循環(huán)位移樣本的真實性,算法會對取到的樣本進行加余弦窗操作。以上兩點會過濾掉大量分類器本來需要學(xué)習(xí)的背景信息,導(dǎo)致分類器判別能力下降。而引入背景約束項,使其在核相關(guān)濾波器的損失函數(shù)中回歸到0,增加分類器對目標(biāo)周圍背景塊的學(xué)習(xí),則可以提高分類器的判別能力。但過多的引入背景約束項會極大減緩跟蹤算法的速度,因此通過檢測響應(yīng)矩陣中的峰值旁瓣比(PSR)值來確定是否出現(xiàn)干擾,通過計算極大值和次極大值之間的向量角來確定干擾物出現(xiàn)的背景塊。PSR的定義如下

    (9)

    式中:gmax是響應(yīng)矩陣中的極大峰值;μs1和σs1是旁瓣的均值和標(biāo)準(zhǔn)差。當(dāng)PSR滿足下式時,則認(rèn)定出現(xiàn)多峰響應(yīng),即

    胡 穹等: 使用自適應(yīng)背景約束改進的顏色屬性跟蹤算法

    Pt

    (10)

    式中:Pt表示當(dāng)前幀的響應(yīng)矩陣的PSR值;Pmean表示PSR的平均值。

    出現(xiàn)多峰響應(yīng)之后,通過極值檢測可以在響應(yīng)矩陣中確定最大峰值的坐標(biāo)(m0,n0)和次極大峰值的坐標(biāo)(m1,n1)。然后取以(m1,n1)為中心、大小與檢測目標(biāo)大小相同的背景塊作為背景約束塊。

    之后引入對應(yīng)的背景約束項,原優(yōu)化問題最優(yōu)解式(1)變?yōu)?/p>

    (11)

    式中:X0代表原目標(biāo)樣本進行循環(huán)位移之后構(gòu)成的訓(xùn)練樣本的循環(huán)位移矩陣;XB表示對應(yīng)背景塊經(jīng)過循環(huán)位移之后形成的循環(huán)矩陣。

    將背景塊XB的回歸目標(biāo)定為0,則式(11)可以統(tǒng)一為

    (12)

    類比之前的推導(dǎo),可得出問題的解為

    (13)

    轉(zhuǎn)換到復(fù)數(shù)域,則

    (14)

    在檢測階段,對于新輸入的采樣圖像片Z,可得出其分類器響應(yīng)為

    (15)

    式中:kz x0表示采樣圖片Z與目標(biāo)模型x0的核相關(guān)矩陣;kx0x0表示目標(biāo)模型x0的自相關(guān)核矩陣;kxBxB表示對應(yīng)背景塊xB的自相關(guān)核矩陣。本文算法選用的核函數(shù)是高斯核函數(shù)。

    根據(jù)文獻[8-9],本文方法還額外構(gòu)造一個一維尺度空間濾波器實現(xiàn)算法對多尺度的支持。

    2 本文算法流程

    結(jié)合以上論述,本文算法步驟如下。

    2) 根據(jù)式(6)計算待檢區(qū)域的響應(yīng)矩陣,同時計算該響應(yīng)矩陣的PSR值,并確定當(dāng)前幀中目標(biāo)的中心位置,然后根據(jù)文獻[8-9],以目標(biāo)中心位置為中心取33個不同尺度大小的待檢區(qū)域,利用一維尺度空間濾波器確定目標(biāo)的真實尺度。

    4) 跟蹤新的跟蹤結(jié)果和分類器模型,按照式(7)和式(8)對各模型進行線性加權(quán)更新,繼續(xù)跟蹤下一幀。

    3 實驗結(jié)果與分析

    本文實驗所使用的測試視頻均來自Visual Tracker Benchmark,所選用的視頻有David,carscale,surf,girl1,girl2和dragonbaby等。這些視頻包含了目標(biāo)快速運動、目標(biāo)較大姿態(tài)變化、尺度變化、光照變化、攝像機模糊、目標(biāo)遮擋、背景相似物干擾等一些具有挑戰(zhàn)性的影響因素。大量實驗表明,目標(biāo)模型正則化參數(shù)λ1取0.001時跟蹤效果最好,背景約束模型正則化參數(shù)λ2,學(xué)習(xí)因子η和ζ在不同測試視頻中的最佳值不同。采用的對比算法包括DSST[9],CN[6],STC[16],SAMF[5],均使用文獻作者主頁上提供的源碼。實驗環(huán)境是Matlab2016b,實驗計算機配置是I7- 6700HQ的CPU,8 GB內(nèi)存。

    3.1 定性分析

    圖1是各算法的部分實驗結(jié)果對比,不同算法用不同顏色的實線框表示。圖1a是surf視頻的部分實驗結(jié)果。由于原始的CN算法未利用背景信息,故而在第17幀時會因為身體膚色干擾產(chǎn)生多峰響應(yīng),導(dǎo)致一定程度的漂移。而STC所使用的是單一的灰度圖像特征,對于身體膚色干擾的魯棒性也不夠,從第141幀開始漂移。DSST算法使用單一的HOG特征,在目標(biāo)發(fā)生旋轉(zhuǎn)和快速形變時容易產(chǎn)生響應(yīng)多峰,造成誤差的累積,故而在第376幀跟錯目標(biāo),而本文算法和SAMF算法則能對目標(biāo)進行較好的跟蹤。圖1b的carscale視頻主要測試算法對尺度變化目標(biāo)的跟蹤性能。由于STC算法是通過每5幀更新一次權(quán)值函數(shù)中的方差?來實現(xiàn)對多尺度的支持,故在目標(biāo)尺度發(fā)生連續(xù)性變化時不能產(chǎn)生較好的估計。而SAMF算法則是在7層的圖像金字塔上檢測平移位置的,因而對于尺度的估計比較粗糙,而原始的CN算法沒有對多尺度的支持,僅本文算法和DSST算法能對目標(biāo)尺度的變化進行較為精確的估計。圖1c是David視頻的部分實驗結(jié)果,此視頻存在目標(biāo)尺度變化干擾和人物姿態(tài)變化干擾,由于干擾變化不是很大,各算法均能較好地跟蹤,但由于跟蹤誤差的累積,在后面幾幀中,CN,STC,SAMF算法對于尺度支持不夠好,造成在分類器模型中引入了較多的錯誤背景信息,導(dǎo)致跟蹤有了一定程度的偏移,而本文算法和DSST算法仍然可以進行較好的跟蹤。圖1d的girl1視頻跟蹤難度較大,存在著人物姿態(tài)的多次變化、小幅度的目標(biāo)尺度變化和干擾物遮擋。從實驗結(jié)果可以看出,在第103幀人物轉(zhuǎn)身時,目標(biāo)特征發(fā)生了較大的變化,STC和DSST算法均產(chǎn)生了一定的跟蹤誤差,而在第252幀目標(biāo)第二次轉(zhuǎn)身回來,CN算法沒有對周圍背景塊的響應(yīng)抑制,導(dǎo)致其模型也被污染,產(chǎn)生了一定程度的跟蹤漂移,而第439幀的目標(biāo)局部遮擋則使CN模型完全被污染,徹底跟丟,僅SMAF算法和本文算法對于目標(biāo)特征改變和局部遮擋有較好的魯棒性。圖1e的girl2視頻則存在著人物姿態(tài)變化和尺度變化,由于顏色屬性特征和HOG特征均能較好地適應(yīng)目標(biāo)小幅度的姿態(tài)變化,因此DSST,SMAF和本文算法的跟蹤效果都比較好,而CN算法在目標(biāo)變小時學(xué)習(xí)到了過多錯誤的背景信息而導(dǎo)致跟丟,STC算法則由于跟蹤誤差的累積逐步發(fā)生漂移。圖1f的dragonbaby視頻跟蹤難度極大,視頻中不僅存在目標(biāo)轉(zhuǎn)身導(dǎo)致的特征變化與尺度變化,還存在著目標(biāo)快速運動導(dǎo)致的畫面模糊和目標(biāo)平移度過大,以及干擾物的局部遮擋。

    圖1 5種算法部分實驗結(jié)果定性對比Fig.1 Qualitative comparison of the experimental results using the five algorithms

    從部分實驗結(jié)果可以看到,當(dāng)目標(biāo)轉(zhuǎn)身時,使用HOG特征的DSST算法和單一灰度特征的STC算法都產(chǎn)生了較大的漂移,而隨著目標(biāo)的快速跳開,由于SAMF算法和原始CN算法沒有對周圍背景信息學(xué)習(xí)的能力,因此當(dāng)目標(biāo)移動至檢測區(qū)域邊緣時,樣本余弦窗的遮蓋會導(dǎo)致訓(xùn)練的正樣本質(zhì)量大幅下降而產(chǎn)生漂移,因為SAMF算法使用的是復(fù)合特征,因此模型受污染程度不大,后續(xù)不會產(chǎn)生過大的跟蹤漂移,而本文算法因為添加了特定的背景約束項,因此在正樣本質(zhì)量下降時可以通過學(xué)習(xí)背景信息來抑制周圍錯誤信息,從而達到較高的跟蹤精度。

    3.2 定量分析

    本文采用每秒處理幀數(shù)(FPS)衡量算法的跟蹤效率(見表1),采用文獻[17]中平均中心位置誤差(CLE)(見表2)、距離精度(DP)、重疊精度(OP)(見表3)這3個性能指標(biāo)來衡量算法的跟蹤精度。中心位置誤差表示跟蹤目標(biāo)狀態(tài)矩形框中心和真實目標(biāo)狀態(tài)矩形框中心之間的歐氏距離,其值越小,表示算法對目標(biāo)位置的跟蹤越精確。表1~表3中,最優(yōu)的結(jié)果用加粗字體表示,次優(yōu)的結(jié)果用斜體表示。

    表1 平均每秒幀數(shù)(FPS)

    表2 平均中心位置誤差(CLE)

    表3 平均重疊率

    從表2可以看到,由于本文算法在原始的CN算法基礎(chǔ)上引入了自適應(yīng)的背景約束項來提高算法分類器對背景信息的利用,達到了較高的跟蹤精度,所以在各測試圖像序列中,本文算法的CLE均排在前列,相比原始的CN算法,除去CN算法在girl2中跟丟的結(jié)果,總的平均CLE從24.76像素提高到了9.06像素。

    3.2.1 算法跟蹤效率

    每秒處理幀數(shù)表示算法每秒所能處理的幀數(shù),其值越大,表示算法的跟蹤效率越高。表1為在各測試視頻中,本文算法與對比算法的平均每秒處理幀數(shù)?;诤讼嚓P(guān)濾波的算法,其精度、速度與檢測區(qū)域有較大的關(guān)系,因此在不同測試視頻中速度表現(xiàn)不一樣。在girl2,dragonbaby等目標(biāo)移動較快的視頻中,所取的檢測區(qū)域面積是目標(biāo)大小的2倍,其余測試視頻檢測區(qū)域面積是目標(biāo)大小的1倍,因此速度差異較大。其中,SAMF算法是將HOG特征和CN特征相結(jié)合,在7層圖像金字塔上進行檢測,因此速度最慢,平均速度僅16.89 幀/s。DSST算法使用的31維HOG特征,在特征提取和處理階段比使用2維的CN顏色特征的算法要慢很多,平均速度只有39.25 幀/s。STC算法利用的是低階灰度特征,因此相比之下速度很快,平均速度可以達到100多幀/s。原始CN算法利用循環(huán)結(jié)構(gòu)構(gòu)造訓(xùn)練樣本,利用PCA將特征降至2維,極大地節(jié)省了運算開支,其平均速度達到了140.82 幀/s,是對比算法中最快的。而本文是在CN算法基礎(chǔ)上添加了背景約束項,并增加了一維尺度濾波器,因此相比原始的CN算法損失了一半的速度,平均速度有63.85 幀/s,但還是可以很好地滿足實時性要求。

    3.2.2 算法跟蹤精度

    距離精度表示CLE小于某一個閾值時的幀數(shù)占總測試序列幀數(shù)的百分比,圖2表示各測試視頻中各算法的DP曲線,可以看到,本文算法基本可以包圍其他算法的曲線,完全包圍原始CN算法的曲線,對于目標(biāo)位置有較高的跟蹤精度。綜合考慮算法對目標(biāo)位置和目標(biāo)尺度的跟蹤精度,還可以用重疊精度來衡量。重疊率可表示為

    (16)

    式中,ST表示跟蹤目標(biāo)狀態(tài)矩形框,SR表示真實目標(biāo)狀態(tài)矩形框,ST∩SR表示這二者的重疊部分。而重疊精度表示重疊率大于某一個閾值的幀數(shù)占測試圖像序列總幀數(shù)的比率。表3表示各算法在各個測試圖像序列的平均重疊率,本文算法的OP均值為69.28%,相比原始CN算法43.68%的OP均值,提升了25.6%,相比次優(yōu)的SAMF算法的63.83%,提升了5.45%。從圖2中各視頻的實驗結(jié)果可以較為直觀地比較各算法在各測試圖像序列中的OP值。

    圖2 各視頻的實驗結(jié)果Fig.2 Experimental result of each video

    4 結(jié)論

    針對顏色屬性跟蹤算法對背景信息利用過少,在目標(biāo)被局部遮擋、快速形變和快速運動時會產(chǎn)生漂移的問題,提出了一種使用自適應(yīng)背景約束改進的顏色屬性跟蹤算法。該算法基于顏色屬性跟蹤算法,在脊回歸分類器目標(biāo)函數(shù)中引入特定的背景約束來抑制干擾響應(yīng)峰,同時使用一維尺度濾波器對目標(biāo)尺度進行估計。

    為保證算法有較高的跟蹤效率,本文算法僅使用單一的CN特征,且僅對影響最大的背景干擾塊引入背景約束來進行抑制。在目標(biāo)非快速變色的情況下,本文算法對目標(biāo)姿態(tài)變化、目標(biāo)局部遮擋、運動模糊、背景相似物等干擾有較強的魯棒性,可以滿足一般情況下的實時應(yīng)用。

    猜你喜歡
    分類器尺度約束
    “碳中和”約束下的路徑選擇
    財產(chǎn)的五大尺度和五重應(yīng)對
    約束離散KP方程族的完全Virasoro對稱
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    適當(dāng)放手能讓孩子更好地自我約束
    人生十六七(2015年6期)2015-02-28 13:08:38
    9
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    中文字幕精品亚洲无线码一区| 久久久久九九精品影院| 男插女下体视频免费在线播放| 久久久久性生活片| 中文字幕制服av| 亚洲成av人片在线播放无| 国产黄片美女视频| 国内揄拍国产精品人妻在线| 六月丁香七月| 九九爱精品视频在线观看| 亚洲欧美成人精品一区二区| 大型黄色视频在线免费观看| 亚洲无线在线观看| 日韩亚洲欧美综合| 亚洲天堂国产精品一区在线| 欧美日韩综合久久久久久| 欧美日韩精品成人综合77777| 国产精品精品国产色婷婷| 熟女人妻精品中文字幕| 国产在线男女| 99国产极品粉嫩在线观看| 亚洲精品粉嫩美女一区| 最近2019中文字幕mv第一页| 久久久久久久久中文| 日韩欧美 国产精品| 色吧在线观看| 日韩亚洲欧美综合| 免费一级毛片在线播放高清视频| 国产高潮美女av| 99热只有精品国产| 亚洲国产精品成人久久小说 | 亚洲自拍偷在线| 日韩强制内射视频| 国产亚洲欧美98| 欧美日本视频| av免费观看日本| 综合色丁香网| 亚洲人成网站在线播| 欧美激情久久久久久爽电影| 亚洲欧美成人综合另类久久久 | 人妻久久中文字幕网| 国产成人freesex在线| 自拍偷自拍亚洲精品老妇| 中文字幕熟女人妻在线| 国产精品久久久久久久久免| 黄色日韩在线| 亚洲综合色惰| 国产精华一区二区三区| 日韩视频在线欧美| 又粗又爽又猛毛片免费看| 国产成人福利小说| 国产视频内射| 国产毛片a区久久久久| www日本黄色视频网| 最近中文字幕高清免费大全6| 成人二区视频| 熟妇人妻久久中文字幕3abv| 精华霜和精华液先用哪个| 国产黄色小视频在线观看| 久久精品国产99精品国产亚洲性色| 99精品在免费线老司机午夜| 91狼人影院| 亚洲电影在线观看av| 丰满人妻一区二区三区视频av| 亚洲精品久久国产高清桃花| 啦啦啦韩国在线观看视频| 身体一侧抽搐| 中文字幕熟女人妻在线| 欧美另类亚洲清纯唯美| 熟女电影av网| 国产成人福利小说| 男人狂女人下面高潮的视频| 日本成人三级电影网站| 长腿黑丝高跟| 51国产日韩欧美| 免费av观看视频| 人人妻人人澡欧美一区二区| 夜夜爽天天搞| 国产色婷婷99| 熟女电影av网| 久久久久久伊人网av| 一本久久精品| 天堂av国产一区二区熟女人妻| 欧美一区二区精品小视频在线| 丰满乱子伦码专区| 国产一级毛片在线| 插逼视频在线观看| 久久久久久伊人网av| 男插女下体视频免费在线播放| 国产成人精品一,二区 | 精品久久久久久成人av| 欧美日韩综合久久久久久| 久久精品久久久久久久性| 日韩欧美在线乱码| 18禁黄网站禁片免费观看直播| 日韩av在线大香蕉| 精品久久久噜噜| 99久久久亚洲精品蜜臀av| 色哟哟·www| 久久久久性生活片| 亚洲成人av在线免费| 国产精品免费一区二区三区在线| 亚洲欧美日韩高清专用| 亚洲美女搞黄在线观看| 亚洲无线观看免费| 一区二区三区高清视频在线| 亚洲精品国产成人久久av| 亚洲成a人片在线一区二区| 一个人看视频在线观看www免费| 欧美日韩精品成人综合77777| 美女内射精品一级片tv| 又黄又爽又刺激的免费视频.| 日本黄大片高清| 亚洲国产欧美人成| 国产精品蜜桃在线观看 | 乱人视频在线观看| 别揉我奶头 嗯啊视频| 亚洲电影在线观看av| 色哟哟·www| 色视频www国产| 日韩,欧美,国产一区二区三区 | 久久韩国三级中文字幕| 丝袜喷水一区| 亚洲成人精品中文字幕电影| 欧美成人一区二区免费高清观看| 波多野结衣巨乳人妻| 黄片无遮挡物在线观看| 午夜免费激情av| 国产欧美日韩精品一区二区| 99热这里只有是精品在线观看| 国产午夜精品论理片| 亚洲成人中文字幕在线播放| 能在线免费看毛片的网站| 国内精品久久久久精免费| 男女啪啪激烈高潮av片| 亚洲高清免费不卡视频| 亚洲三级黄色毛片| 最好的美女福利视频网| 久久久久九九精品影院| 成人永久免费在线观看视频| 97超视频在线观看视频| 成年免费大片在线观看| 国产极品精品免费视频能看的| 久久久精品94久久精品| 别揉我奶头 嗯啊视频| 国产成人精品久久久久久| 国产精品日韩av在线免费观看| 亚洲一区高清亚洲精品| 国产午夜福利久久久久久| 成人特级av手机在线观看| 久久草成人影院| 成人亚洲欧美一区二区av| 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 | 三级经典国产精品| 亚洲精品国产成人久久av| 女的被弄到高潮叫床怎么办| 亚洲电影在线观看av| 久久久久久久午夜电影| 午夜福利成人在线免费观看| 精品人妻偷拍中文字幕| 18禁在线无遮挡免费观看视频| 午夜精品一区二区三区免费看| 亚洲精品乱码久久久久久按摩| 嘟嘟电影网在线观看| 国产在线男女| 国产精品综合久久久久久久免费| 永久网站在线| 欧美变态另类bdsm刘玥| 午夜福利在线观看免费完整高清在 | 成人亚洲欧美一区二区av| av国产免费在线观看| 国产成人精品婷婷| av视频在线观看入口| 午夜激情福利司机影院| 国产亚洲欧美98| 天天一区二区日本电影三级| 91久久精品电影网| 能在线免费观看的黄片| 国产精品人妻久久久影院| 成人三级黄色视频| 精品不卡国产一区二区三区| 身体一侧抽搐| 中文亚洲av片在线观看爽| 欧美精品一区二区大全| 日韩欧美精品v在线| 亚洲av免费在线观看| 欧美日韩乱码在线| 国产老妇伦熟女老妇高清| 校园春色视频在线观看| 国产综合懂色| 99久久成人亚洲精品观看| a级一级毛片免费在线观看| 日本与韩国留学比较| 少妇裸体淫交视频免费看高清| 一卡2卡三卡四卡精品乱码亚洲| 夜夜看夜夜爽夜夜摸| 九九热线精品视视频播放| 一卡2卡三卡四卡精品乱码亚洲| 在线播放无遮挡| 伦理电影大哥的女人| 精品久久久久久久久亚洲| 国产成人影院久久av| 波多野结衣巨乳人妻| 婷婷色综合大香蕉| 毛片女人毛片| 国产白丝娇喘喷水9色精品| 国产精品一及| 91精品国产九色| 天堂中文最新版在线下载 | 99久久成人亚洲精品观看| av在线蜜桃| 日本免费a在线| 国产大屁股一区二区在线视频| 一进一出抽搐gif免费好疼| 18禁在线播放成人免费| 国内精品久久久久精免费| 日本与韩国留学比较| 久久久久九九精品影院| 国内精品一区二区在线观看| 成人特级av手机在线观看| 精品99又大又爽又粗少妇毛片| 边亲边吃奶的免费视频| 一区二区三区免费毛片| 内射极品少妇av片p| 精品午夜福利在线看| 久久精品久久久久久久性| 欧美区成人在线视频| 中文字幕熟女人妻在线| 欧美一级a爱片免费观看看| 日韩欧美精品v在线| 国内精品宾馆在线| 成年版毛片免费区| 国产亚洲91精品色在线| 99久久精品国产国产毛片| 国产精品蜜桃在线观看 | 一边亲一边摸免费视频| 99久久人妻综合| 男人舔奶头视频| 午夜福利在线观看吧| 在线国产一区二区在线| 国产高清视频在线观看网站| 久久精品国产亚洲av天美| 国产爱豆传媒在线观看| 春色校园在线视频观看| 少妇高潮的动态图| 欧美性感艳星| 国产激情偷乱视频一区二区| 国产精品免费一区二区三区在线| 中文字幕免费在线视频6| 成人毛片a级毛片在线播放| 亚洲欧美日韩卡通动漫| 久久久久免费精品人妻一区二区| 国产黄a三级三级三级人| 国产精品久久电影中文字幕| 中文欧美无线码| 春色校园在线视频观看| 一个人看的www免费观看视频| 久久久精品94久久精品| 亚洲欧美日韩高清在线视频| 菩萨蛮人人尽说江南好唐韦庄 | 校园春色视频在线观看| 欧美日韩在线观看h| 好男人在线观看高清免费视频| 国产精品一区二区三区四区免费观看| 美女xxoo啪啪120秒动态图| 国产精品麻豆人妻色哟哟久久 | 久久久久久九九精品二区国产| 性插视频无遮挡在线免费观看| 欧美变态另类bdsm刘玥| 少妇的逼好多水| 国产av一区在线观看免费| 午夜福利在线在线| 国产精品久久久久久精品电影小说 | 国产成人freesex在线| 国产精品一及| 99久久人妻综合| 亚洲自拍偷在线| 麻豆成人午夜福利视频| 永久网站在线| 18禁裸乳无遮挡免费网站照片| 亚洲性久久影院| 有码 亚洲区| 午夜久久久久精精品| 亚洲精品日韩av片在线观看| 欧美色欧美亚洲另类二区| 国产极品精品免费视频能看的| av视频在线观看入口| 亚洲欧美成人精品一区二区| 成年女人永久免费观看视频| 国产色婷婷99| 国产精品人妻久久久影院| 内地一区二区视频在线| 婷婷色综合大香蕉| 亚洲精品456在线播放app| 天天躁夜夜躁狠狠久久av| 午夜福利视频1000在线观看| 国产高清不卡午夜福利| 亚洲五月天丁香| 欧美+日韩+精品| 久久久久久久午夜电影| 99久久精品一区二区三区| 国产私拍福利视频在线观看| 亚洲第一电影网av| 亚洲欧洲国产日韩| 校园春色视频在线观看| 成人三级黄色视频| 久久草成人影院| 亚洲精品亚洲一区二区| 最近的中文字幕免费完整| 精品熟女少妇av免费看| 午夜免费激情av| 成年版毛片免费区| 99久久无色码亚洲精品果冻| 九草在线视频观看| 日日摸夜夜添夜夜爱| 天堂网av新在线| 你懂的网址亚洲精品在线观看 | 少妇熟女欧美另类| 亚洲精品自拍成人| 最近的中文字幕免费完整| 三级国产精品欧美在线观看| 日本欧美国产在线视频| 欧美三级亚洲精品| 春色校园在线视频观看| 欧美三级亚洲精品| 一本一本综合久久| 国产午夜福利久久久久久| 美女内射精品一级片tv| 国产精品一区二区在线观看99 | 女的被弄到高潮叫床怎么办| 亚洲精品成人久久久久久| 麻豆精品久久久久久蜜桃| 91久久精品电影网| 熟女人妻精品中文字幕| 国内少妇人妻偷人精品xxx网站| 午夜免费激情av| 在线观看66精品国产| 日日摸夜夜添夜夜爱| 日本熟妇午夜| 日日摸夜夜添夜夜爱| 两性午夜刺激爽爽歪歪视频在线观看| 免费看美女性在线毛片视频| 搞女人的毛片| 午夜亚洲福利在线播放| 不卡视频在线观看欧美| 最近中文字幕高清免费大全6| 亚洲国产日韩欧美精品在线观看| 乱人视频在线观看| 久久亚洲国产成人精品v| 淫秽高清视频在线观看| kizo精华| 欧美性感艳星| 日韩国内少妇激情av| 只有这里有精品99| 夜夜爽天天搞| 国产午夜精品论理片| 国产视频首页在线观看| 亚洲精华国产精华液的使用体验 | 国产成人freesex在线| 偷拍熟女少妇极品色| 午夜免费男女啪啪视频观看| 听说在线观看完整版免费高清| a级一级毛片免费在线观看| 国产成人福利小说| 精品久久久久久久人妻蜜臀av| 床上黄色一级片| 啦啦啦观看免费观看视频高清| 国产精品国产三级国产av玫瑰| 亚洲不卡免费看| 婷婷六月久久综合丁香| av黄色大香蕉| 亚洲精品色激情综合| 国产精品麻豆人妻色哟哟久久 | 99久久精品热视频| 老师上课跳d突然被开到最大视频| 久久久久久久久大av| av黄色大香蕉| 精品午夜福利在线看| 国内精品久久久久精免费| 中文精品一卡2卡3卡4更新| 男女那种视频在线观看| 亚洲av成人av| 看黄色毛片网站| 色综合站精品国产| 中文资源天堂在线| 一区二区三区四区激情视频 | 精品欧美国产一区二区三| 亚洲第一区二区三区不卡| 日本欧美国产在线视频| 人妻夜夜爽99麻豆av| av女优亚洲男人天堂| 22中文网久久字幕| 久久精品国产亚洲网站| 亚洲欧美精品专区久久| 如何舔出高潮| 久久99热这里只有精品18| 亚洲天堂国产精品一区在线| 亚洲熟妇中文字幕五十中出| a级一级毛片免费在线观看| 国产视频首页在线观看| av在线老鸭窝| 免费观看a级毛片全部| 国产亚洲av嫩草精品影院| 夜夜看夜夜爽夜夜摸| 亚洲欧美日韩高清专用| 91午夜精品亚洲一区二区三区| 免费在线观看成人毛片| 深夜a级毛片| 亚洲av电影不卡..在线观看| 亚洲综合色惰| 成人综合一区亚洲| 国产精品爽爽va在线观看网站| 日韩成人伦理影院| 成人午夜高清在线视频| 日本成人三级电影网站| 国产淫片久久久久久久久| 在线观看av片永久免费下载| 免费看av在线观看网站| 热99在线观看视频| 亚洲人成网站高清观看| 淫秽高清视频在线观看| 成人永久免费在线观看视频| 卡戴珊不雅视频在线播放| 人人妻人人澡人人爽人人夜夜 | 精品午夜福利在线看| 国产精品电影一区二区三区| 欧美一区二区亚洲| 国产伦理片在线播放av一区 | 桃色一区二区三区在线观看| av免费观看日本| 蜜桃久久精品国产亚洲av| 免费av毛片视频| 精品久久久久久久久久免费视频| 久久精品综合一区二区三区| 欧美激情国产日韩精品一区| 天天躁日日操中文字幕| 亚洲国产高清在线一区二区三| 亚洲国产精品成人久久小说 | 国产乱人偷精品视频| 日韩欧美三级三区| 午夜免费男女啪啪视频观看| 岛国在线免费视频观看| 插逼视频在线观看| 狂野欧美白嫩少妇大欣赏| 日本与韩国留学比较| 精品99又大又爽又粗少妇毛片| 国产精品一及| 少妇的逼水好多| 日本av手机在线免费观看| 免费无遮挡裸体视频| 一级毛片我不卡| 成人毛片a级毛片在线播放| 桃色一区二区三区在线观看| 草草在线视频免费看| 观看免费一级毛片| 欧美性猛交黑人性爽| 熟妇人妻久久中文字幕3abv| 欧美xxxx黑人xx丫x性爽| 我的老师免费观看完整版| 精品无人区乱码1区二区| 免费观看a级毛片全部| 国产在视频线在精品| 国产黄a三级三级三级人| 非洲黑人性xxxx精品又粗又长| 欧美精品一区二区大全| 国产单亲对白刺激| 久久久久久伊人网av| 久久精品人妻少妇| 亚洲av免费高清在线观看| 波多野结衣高清无吗| 嘟嘟电影网在线观看| 国产成人91sexporn| 成人欧美大片| 国产高清有码在线观看视频| 全区人妻精品视频| 99热6这里只有精品| 免费观看a级毛片全部| 一本精品99久久精品77| 久久精品综合一区二区三区| 黄色配什么色好看| 国产亚洲精品久久久com| 久久久午夜欧美精品| 精品日产1卡2卡| 久久久久久久久久黄片| 日韩在线高清观看一区二区三区| 亚洲高清免费不卡视频| 一进一出抽搐gif免费好疼| 成人二区视频| 国产精品,欧美在线| 午夜视频国产福利| 91久久精品国产一区二区成人| 亚洲中文字幕日韩| 免费在线观看成人毛片| 午夜激情欧美在线| 国产精品无大码| 国产乱人偷精品视频| 精品久久国产蜜桃| 国内精品一区二区在线观看| 1024手机看黄色片| 18禁黄网站禁片免费观看直播| 级片在线观看| 嫩草影院精品99| 三级经典国产精品| 日韩 亚洲 欧美在线| 亚洲成人中文字幕在线播放| 国产在线精品亚洲第一网站| 最近视频中文字幕2019在线8| 一个人看的www免费观看视频| 成人性生交大片免费视频hd| www日本黄色视频网| 真实男女啪啪啪动态图| 久久综合国产亚洲精品| 夜夜看夜夜爽夜夜摸| a级毛色黄片| 美女国产视频在线观看| 在线播放无遮挡| 国模一区二区三区四区视频| 午夜福利在线在线| 国产在视频线在精品| 国产精品爽爽va在线观看网站| 三级经典国产精品| 最近的中文字幕免费完整| 成人国产麻豆网| 免费人成在线观看视频色| 又粗又硬又长又爽又黄的视频 | 天天躁夜夜躁狠狠久久av| 成熟少妇高潮喷水视频| 日韩三级伦理在线观看| 久久久久久久久久成人| 国产亚洲精品久久久com| 中文欧美无线码| 国产在线精品亚洲第一网站| 天美传媒精品一区二区| 三级国产精品欧美在线观看| 国产单亲对白刺激| 又粗又硬又长又爽又黄的视频 | 国产一区二区三区在线臀色熟女| 小说图片视频综合网站| 国产精品一二三区在线看| 国产成人91sexporn| 亚洲欧美成人精品一区二区| 国产成人影院久久av| 国产极品天堂在线| 一本精品99久久精品77| 免费观看人在逋| 不卡一级毛片| 99久国产av精品| 亚洲av成人av| 99久久九九国产精品国产免费| 在线免费十八禁| 一区福利在线观看| 少妇的逼水好多| 在线观看午夜福利视频| 国产三级在线视频| 亚洲在线观看片| 最近中文字幕高清免费大全6| 人妻夜夜爽99麻豆av| 成人亚洲精品av一区二区| 成年女人永久免费观看视频| av天堂中文字幕网| 日本黄色片子视频| 国产精品一区二区三区四区久久| 日本熟妇午夜| 国产成人aa在线观看| 国产精品av视频在线免费观看| 免费一级毛片在线播放高清视频| 男女视频在线观看网站免费| 又粗又爽又猛毛片免费看| 亚洲国产精品国产精品| 偷拍熟女少妇极品色| 国产成人精品久久久久久| 如何舔出高潮| 一级毛片电影观看 | 国产成人精品久久久久久| 人妻久久中文字幕网| 欧美一区二区国产精品久久精品| 国产精品一区二区在线观看99 | 一个人免费在线观看电影| 国产女主播在线喷水免费视频网站 | 偷拍熟女少妇极品色| 日本黄大片高清| 久久草成人影院| 国产蜜桃级精品一区二区三区| 日本一本二区三区精品| 久久久精品94久久精品| 中文亚洲av片在线观看爽| 蜜桃亚洲精品一区二区三区| 九色成人免费人妻av| 变态另类成人亚洲欧美熟女| 久久99热6这里只有精品| 国产一区亚洲一区在线观看| www.av在线官网国产| 美女 人体艺术 gogo| 97超视频在线观看视频| 久久鲁丝午夜福利片| 精品人妻熟女av久视频| 丰满的人妻完整版| 91狼人影院| 在线免费十八禁| 免费av毛片视频| 天天一区二区日本电影三级| 狂野欧美白嫩少妇大欣赏| 国产精品国产三级国产av玫瑰| 久久久久国产网址| 免费在线观看成人毛片| 欧美精品国产亚洲| 国产高清不卡午夜福利| 蜜桃亚洲精品一区二区三区| 一级毛片电影观看 | 自拍偷自拍亚洲精品老妇| 久久久精品大字幕| 天天躁日日操中文字幕| 91aial.com中文字幕在线观看| 精品国内亚洲2022精品成人| 精品久久久久久久末码|