• <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 ?

    基于深度學習的手分割算法研究

    2019-07-01 02:35向杰卜巍鄔向前
    智能計算機與應用 2019年3期
    關鍵詞:注意力機制深度學習

    向杰 卜巍 鄔向前

    摘 要:第一視角的人手分割在人機交互、虛擬現實方面具有非常重要的應用價值,但是由于圖像中人手區(qū)域占比較大,精確的人手分割仍然是一個很具有挑戰(zhàn)性的問題。本文提出一種基于深度學習的手部分割算法,利用卷積神經網絡強大的特征提取能力提取人手圖像的特征,模仿人類視覺注意力機制提出Attention模塊為特征圖中的不同區(qū)域賦予更具辨別性的權值,同時為了能有效地提取不同尺度物體的特征,設計空洞卷積DCB模塊在同一尺度大小的特征圖上提取不同尺度特征。在3個人手數據集上的實驗結果表明本文提出的算法能夠有效地分割出手部區(qū)域并超越了其它的算法,達到了最優(yōu)的分割效果。

    關鍵詞: 手部分割;深度學習;注意力機制;空洞卷積

    文章編號: 2095-2163(2019)03-0247-09 中圖分類號: TP391 文獻標志碼: A

    0 引 言

    Google Class、GoPro和Narrative Clip等可穿戴設備的日益普及,使得計算機視覺中以自我為中心的第一視角研究成為一個快速增長的領域??纱┐髟O備產生大量的數據,這使得自動分析其記錄的內容(例如,瀏覽、搜索和可視化)、描述生活記錄中的事件、識別日常生活活動等成為一種需要。在以自我為中心的第一視角視頻中,大部分的工作都涉及到理解相機佩戴者的活動和行為。在本文中,研究關注的是以自我為中心的第一視角視頻中一個非常關鍵的實體:手。在人們的日常生活中,手是無處不在的。手的姿勢和配置告訴人們計劃做什么或者人們注意到了什么。因此,手的檢測、分割和跟蹤是以自我為中心的視覺中的基本問題,在機器人、人機交互、計算機視覺、增強現實等領域有著廣泛的應用。在以自我為中心的視頻中提取手部區(qū)域是理解精細運動的關鍵一步,例如手-對象操作和手眼協調。

    本文著重在現實的日常環(huán)境中解決以自我為中心的第一視角的視頻中像素級手分割的任務。大量的研究在第三視角或監(jiān)控視頻中解決了這個問題,然而,在第一視角視頻中,對這個問題的研究相對較少。本文計劃通過設計基于深度學習的語義分割算法對第一視角視頻中的手進行分割。

    本次研究基于Bambach等人[1]提出的Egohands數據集,該數據集對2個有交互動作的參與者的手進行了像素級的標注。據分析所知,該數據集是唯一的聚焦于人與人之間交互動作的、第一視角的、并具有像素級標注的人手數據集,故而本文將基于該數據集來驗證所提出的語義分割算法。同樣,文中也將在GTEA[2]數據集及其最新擴展的EGTEA數據集上驗證了本文提出的算法。

    本文的主要貢獻總結如下:

    (1)提出了一個針對手分割的基于深度學習的語義分割算法,利用卷積神經網絡(CNN)強大的自動提取特征的能力來自動提取手部特征,從而能夠端到端地訓練語義分割網絡。

    (2)模仿人類視覺機制,提出了Attention網絡模塊,增強對手分割貢獻大的特征的權重,減小貢獻小的特征的權重,使得網絡更具有特征辨別性。

    (3)提出空洞卷積DCB模塊,在同一尺度的特征圖上提取不同尺度的特征,對不同大小的圖片中的目標、即手的分割更加精確。

    (4)提出的針對手分割的語義分割算法在3個數據集,即Egohands、GTEA和EGTEA上取得了超越先前算法的效果,獲得了當前最優(yōu)的分割效果。

    1 相關工作

    目前已有一些基于以自我為中心的第一視角的手分割研究。Ren等人[3]以及Fathi等人[4]提出一種查找手部區(qū)域具有不規(guī)則光流模式的方法來分割手,研究中假設在日常生活中以自我為中心的第一視角視頻中,當人與人或其它對象交互時,背景為靜態(tài)的,具有規(guī)則的光流模式,手作為前景區(qū)域具有動態(tài)的不規(guī)則的光流模式,利用手部區(qū)域不規(guī)則的光流模式來進行手分割。Li等人[5]假設視頻中沒有人的交互動作存在,認為視頻中的所有手都屬于以自我為中心的觀看者,提出一種利用場景級特征探針為每個環(huán)境選擇最佳局部顏色特征的光照感知方法來進行手分割。然而這種假設并不能概括生活中所有的人手活動。Lee等人[6]提出一種在第一視角的視頻中檢測分割交互中的手的方法,同時也提出了一種概率圖模型,利用空間排列來消除手部類型的歧義,即區(qū)分是觀察者的手、還是交互者的手。然而,此類方法只考慮了實驗室條件下的交互動作,對于具有復雜背景情形下的交互動作卻并未納入研究范疇。

    更加接近本文工作的研究是Bambach等人[1]提出的,即提出了一種基于膚色檢測的方法,該方法首先生成一組可能包含手區(qū)域的包圍框,然后使用CNN檢測識別手,最后使用GrabCut[7]方法對其進行分割,Aisha等人[8]微調當下最好的基于自然圖像的語義分割網絡RefineNet[9]用于手分割,獲得了目前最優(yōu)的結果。

    除了基于第一視角的手分割外,基于第三視角的手檢測分割也已可見到相應的研究。比如,Mittal等人[10]利用可變形部件模型DPM[11]和基于膚色的啟發(fā)式先驗進行手的定位檢測。Zimmermann等人[12]基于單張RGB圖像進行手的檢測和姿勢估計。

    2 算法設計研究

    2.1 網絡結構

    本文把手部區(qū)域分割視為一個語義分割問題,也就是像素級別的分割,是一個密集預測的問題,目標是將屬于手部區(qū)域的像素和屬于背景的像素分離開來,即判定圖片中每一個像素是屬于手部區(qū)域、還是非手部區(qū)域。

    本文針對手部區(qū)域分割設計的語義分割網絡如圖1所示。該網絡由3部分組成:主干網絡(Backbone),空洞卷積模塊(Dilated Convolutional Block,DCB),空間通道壓縮擴張(Spatial Channel Squeeze-and-Excitation,SCSE)模塊。文中,將對此做出如下研究分述。

    2.2 主干網絡

    研究采用的主干網絡是38層的Wide ResNet[13]。Wide ResNet由7個Block組成。其中,第1個Block單元由卷積核為3×3的卷積層組成,第2~5個Block由殘差單元(Residual Unit,RU)組成,殘差單元由2個級聯的3×3卷積層構成,并按照ResNet的殘差結構添加跳躍連接(Skip Connection)來學習殘差映射。網絡的最后2個Block6、Block7由級聯的卷積核,分別為1×1、3×3、1×1的卷積層構成,目的是減少網絡參數量。Wide ResNet采用網絡加寬,即增加每一層網絡的特征通道的方式來提高網絡性能,在圖像分類上獲得了很好的性能,并且參數量也穩(wěn)定地控制在合理的范圍內。除此之外,在語義分割任務上將38層的Wide ResNet改變?yōu)槿矸eCNN也獲得了很好的結果。

    2.3 DCB模塊

    DCB模塊的作用是多尺度提取特征圖的語義特征。深度神經網絡學習通過組合低層特征形成更加抽象的高層特征表示全局屬性或目標類別,以發(fā)現數據的分布式特征表示。網絡低層學習到的一般是物體的角點、邊緣、局部輪廓等特征,網絡高層學習到的一般是物體的抽象的表示,因此,結合網絡低層特征和高層特征或者在同一特征圖尺度上獲取不同尺度的特征對于提高網絡對不同大小的圖片中的目標、即手的的分割更加精確。

    研究提出針對語義分割的空洞卷積模塊(Dilated Convolutional Block,DCB),一個在同一尺度的特征圖上提取不同尺度特征的多分支卷積模塊。DCB的內部結構可分為2個組件:多分支卷積層以及隨后的空洞卷積層。其中,多分支卷積層由5個子分支組成,分別是Global Pooling分支、1×1卷積分支,1×3和3×1分支、1×5和5×1卷積分支、1×7和7×1卷積分支,除Global Pooling分支外,其余4個分支其后都級聯一個不同比率的空洞卷積層,本文選擇的空洞卷積層的比率分別是1、12、24、36。DCB模塊能夠有效地提高特征提取的效率,針對同一尺度的特征圖,不同大小的卷積核可以多尺度地提取物體特征,空洞卷積可以有效增大卷積核感受野,這對于語義分割任務十分重要。

    2.4 SCSE模塊

    研究提出的SCSE模塊,又可以稱為空間通道Attention模塊,如圖2所示??臻g通道壓縮擴張模塊由空間Attention子模塊和通道Attention子模塊構成,分別對應圖2中的2個分支。對于空間Attention模塊,使用卷積核大小為1×1,步長為1的卷積層與輸入的大小為H×W×C的特征圖進行卷積操作,輸出大小為H×W×1的特征圖,將特征圖通道方向壓縮為一維,再將輸出的特征圖經過Sigmoid層使得特征圖的激活值范圍為[0,1],最后將輸出的特征圖與原輸入特征圖做點乘得到大小為H×W×C的特征圖,空間Attention為特征圖中空間位置的不同點重新賦予了不同的權重值,使得目標相關的空間位置點得到更大的權值,減小不相關的空間位置點的權重。對于通道Attention模塊,將輸入的大小為H×W×C的輸入特征圖首先通過全局池化(Global Pooling)層獲得大小為1×1×C的特征圖,將特征圖的空間方向、即長度方向和寬度方向壓縮為一維,接著通過第一層全連接(FC)層將特征圖變?yōu)?×1×(C/r)大小,其中r為縮放參數,本文選擇的參數r值為8,然后通過第二層FC層將特征圖恢復到1×1×C大小,并經過Sigmoid層使得特征圖的激活值范圍為[0,1],最后將輸出的特征圖與原輸入特征圖做點乘得到大小為H×W×C的特征圖,通道Attention通過參數來為每個特征通道生成權重,其中參數被學習用來顯式地建模特征通道間的相關性,將經過Sigmoid層輸出的權重與原輸入特征圖相乘可以看作是對特征圖不同通道的重新賦權,使得目標相關的通道權重得以提升,不相關的通道權重得以抑制。

    根據空間Attention子模塊和通道Attention子模塊的不同組合方式,本文還提出了2種形式的SCSE模塊,依次命名為通道優(yōu)先空間通道壓縮擴張(Channel first Spatial Channel Squeeze-and-Excitation,CSCSE)模塊和空間優(yōu)先空間通道壓縮擴張(Spatial first Spatial Channel Squeeze-and-Excitation,SSCSE)模塊,分別如圖3和圖4所示。

    3 網絡訓練和測試

    本次研究的任務是訓練一個CNN語義分割模型,該模型可以自動地在一張人手圖片中分割出人手區(qū)域的mask圖像。

    相比于圖像識別只需要圖像級別的類別標簽即可,語義分割任務則需要精細的像素級標注的mask圖像作為標簽,而標記圖像的mask標簽,往往耗時耗力,因此,在語義分割任務中,有標簽的標注好的圖像數量很少。為了能夠較好地訓練語義分割網絡,數據增強操作必不可少,并且一般采用在ImageNet[14]圖像識別數據集上預訓練的模型參數作為主干網絡的初始化參數。ImageNet是一個大規(guī)模的圖像分類數據庫,包含著數目可觀的帶有圖像類別標簽的自然圖像,深度學習圖像分類網絡往往在ImageNet上訓練測試,因為ImageNet數據庫數據采集自自然環(huán)境,圖像覆蓋面廣且類別寬泛,能夠有效地驗證分類模型是否性能良好。目前,各個常見的深度神經網絡模型都有基于ImageNet預訓練的模型。

    圖像分類網絡最后的網絡層一般是用于分類的全連接FC層,全連接層的權重矩陣是固定的,即每一層特征圖(feature map)的輸入必須是固定大?。磁c權重矩陣正好可以相乘的大小),所以網絡最開始的輸入圖片尺寸必須固定,才能保證傳送到全連接層的特征圖的大小與全連接層的權重矩陣相匹配。全連接層可以看作是卷積核完全覆蓋特征圖的特殊的卷積層。目前的語義分割網絡都是基于全卷積神經網絡FCN,即網絡中不存在全連接層,FCN可以接受不同大小的圖片作為輸入。

    研究將在ImageNet上預訓練的用于圖像分類的Wide ResNet作為語義分割網絡的主干網絡,首先需要將其轉換為全卷積神經網絡:將全局池化層(Global Pooling)和最后一層用于分類的全連接層去掉。語義分割的目的是要密集預測圖片中每一個像素點所屬類別,為了盡可能多地捕獲特征圖中的低層局部信息和高層語義信息,本文將圖像的下采樣次數設定為3次,即經過主干網絡輸出的特征圖大小是原輸入圖片的1/8大小。同時,為了使卷積核能夠有效獲取更大范圍特征,本文采用空洞卷積的方法來擴大卷積核的感受野,其中,主干網絡第5、第6、第7個Block分別使用比率為2、4、8的空洞卷積來擴大卷積核的感受野。

    在測試階段,給定一個未知測試圖片,經過訓練好的語義分割網絡,分割出圖片中的人手區(qū)域mask。

    4 實驗

    研究擬在3個數據集,諸如EgoHands數據集、Georgia Tech Egocentric Activity(GTEA)數據集和Extended Georgia Tech Egocentric Activity(EGTEA)數據集上分別進行語義分割網絡的訓練、驗證和測試。

    本節(jié)首先介紹使用的3個數據集,并詳細解讀了數據集的構成和訓練、驗證、測試數據集的劃分,接著探究了本文使用的評測標準,最后則剖析論述了各個數據集的訓練過程和測試結果。對此可做闡釋分述如下。

    4.1 數據集介紹

    (1)EgoHands數據集。EgoHands數據集是一個收錄人與人之間交互動作的數據集,包含48個使用Google Class記錄的視頻片斷,每一個視頻片段記錄2個演示者玩拼圖(puzzle)、拼卡片(cards)、玩層疊游戲(jenga)或者下國際象棋(chess)的手部交互動作,這些視頻數據是在辦公室、庭院和臥室三種不同的環(huán)境下拍攝。數據集里面匯集了超過15 000個人手實例,每一個視頻包含100張手工精細標注的人手區(qū)域mask圖片,一共有4 800張標注的人手mask圖片。發(fā)布該數據集的作者按照75%、8%、17%的比例將4 800張圖片劃分為訓練集、驗證集和測試集。本文也遵循這一劃分比例。

    (2)GTEA數據集。GTEA數據集采集了記錄日常生活中的7種活動的視頻,視頻采集在同一環(huán)境條件下進行,沒有記錄人與人之間的交互動作,在靜態(tài)光照條件下采集數據集。分割數據集涉及到人體的手及手臂區(qū)域,一共包含663張人工精細標注的圖片數據。本文根據數據集作者的數據集進行劃分,將數據集中的367張圖片作為訓練集、92張圖片作為驗證集、204張圖片作為測試集。

    (3)EGTEA數據集。EGTEA數據集是GTEA數據集的最新擴增版本,包含28 h的烹飪視頻片段,數據集還提供了相關視頻片段的音頻、人體動作標注和跟蹤信息用于其它視覺任務。數據集精細標注了13 847張人手的mask圖片,共包含15 176個人手實例。由于數據集作者未能提供關于人手分割圖片數據集的訓練、驗證、測試數據劃分。本文按照約7:1:2的比例劃分帶標簽的手部圖像數據集為訓練集、驗證集和測試集,其中,訓練集為7 906張圖片,驗證集為1 844張圖片,測試集為4 097張圖片。

    4.2 評測標準

    語義分割中通常使用許多標準來衡量算法的性能。為了便于解釋,假設如下共有k+1個類別(從L0到Lk其中包含一個背景類),pii表示本屬于i類且預測為i類的像素數量,即真正預測正確的像素數量;pij表示本屬于i類但被預測為j類的像素數量,即假正;pji表示本屬于j類但被預測為i類的像素數量,即假負。二分類分割常用的評測標準可綜合表述如下。

    (1)平均交并比(mean Intersection over Union, mIOU):語義分割的標準度量。計算2個集合的交集和并集之比,這2個集合為真實值(ground truth,標簽值)和預測值(predicted segmentation)。在每個類上計算IOU,再取平均值。研究推得數學定義公式如下:

    (2)平均召回率(mean Recall,mRec):預測像素為i類且原像素屬于i類的像素數量與所有原像素為i類的像素數量的比值,其中,原像素為i類的像素包括預測為i類且原像素屬于i類和本屬于i類但被預測為j類的像素。研究推得數學定義公式如下:

    (3)平均精確率(mean Precision,mPrec):預測像素為i類且原像素為i類的像素數量與所有預測為i類的像素數量的比值,其中,原像素為i類的像素包括預測為i類且原像素屬于i類和本屬于j類但被預測為i類的像素。研究推得數學定義公式如下:

    (4)像素精度(Pixel Accuracy, PA):標記正確的像素占總像素的比例。研究推得數學定義公式如下:

    在二分類分割問題中,上述4種評測標準都能有效地評測算法的性能。本文的手分割是一個二分類分割任務,因此,研究即將以上述4種評測標準用于算法性能的研究考證。

    4.3 實驗與結果分析

    針對前文探討論述的4個數據集,本節(jié)將分別給出其實驗結果及結果分析,詳情參見如下。

    (1) EgoHands數據集。研究中根據EgoHands數據集作者的數據劃分來訓練驗證模型,并在測試集上測試模型。為了驗證設計的3種Attention結構,本節(jié)分別訓練不包含Attention(noAttention)結構和包含3種不同Attention(CSCSE、SSCSE、SCSE)結構的模型,并分別測試其模型效果,給出各評測指標的定量評測結果。同時,與前人在EgoHands數據集上的分割結果在各個評測指標上進行了對比,最終對比結果見表1。

    從表1可以看出,分割模型中有Attention結構比沒有Attention結構好,其中,具有SCSE結構的Attention模塊在各個評測指標上都獲得了最好的性能。因此,在下文的其它數據集的實驗中,模型都使用具有SCSE結構的Attention模塊。部分EgoHands數據集測試集可視化結果如圖5所示。

    (2) GTEA數據集。研究中按照數據集作者的數據集劃分方式劃分訓練集、驗證集和測試集合,在訓練集上訓練模型,而每訓練達到一個epoch后則在驗證集上驗證模型,最后,用最終訓練完成的模型在測試集上測試模型。與Aisha等人在GTEA數據集上的算法性能進行比較,實驗結果見表2。

    從表2可以看出,本文提出的分割算法在各個性能的對照上都較Aisha等人的算法好,部分GTEA數據集測試集可視化結果如圖6所示。

    (3)EGTEA數據集??紤]到該數據集是GTEA數據集的最新擴增版本,而做此研究時仍尚未有基于該數據集的研究結果可供對比,因此研究中按照上文所述EGTEA數據集的數據劃分方法劃分訓練集、驗證集和測試集,并列出本文算法在該數據集上各個評測指標的結果,具體見表3。

    從表3可以看出,本文提出的分割算法在各個評測指標上都獲得了較好的結果。部分EGTEA數據集測試集可視化結果如圖7所示。

    5 結束語

    本文將對以自我為中心的第一視角視頻中的手分割視為一個語義分割任務,設計了一個基于深度學習的針對手分割的語義分割網絡。在該網絡中,研究提出DCB模塊,該模塊能夠在相當程度上提升特征提取的效率,針對同一尺度的特征圖,不同大小的卷積核可以多尺度地提取物體特征,同時空洞卷積可以有效增大卷積核感受野,能夠較為成功地提取到圖像中不同大小的目標、即手的特征。另外,研究模仿人類視覺注意力機制提出Attention模塊,在特征圖空間和通道方向上分別計算各激活值的概率分布,并與原特征圖相乘,為特征圖的激活值重新賦權,使得目標相關的特征權重得以提升,不相關的特征權重得以抑制。進一步地,研究還在EgoHands、GTEA和EGTEA這3個相關數據集上分別進行訓練測試,獲得了當前最優(yōu)的結果,從各個數據集的測試集結果可以看出,本文提出的語義分割算法可以很好地實現手分割。

    參考文獻

    [1] BAMBACH S, LEE S, CRANDALL D J, et al. Lending a hand: Detecting hands and recognizing activities in complex egocentric interactions[C]// IEEE International Conference on Computer Vision. Santiago, Chile:IEEE, 2015:1949-1957.

    [2] LI Yin, YE Zhefan, REHG J M, et al. Delving into egocentric actions[C]// IEEE International Conference on Computer Vision and Pattern Recognition. Portland,? OR, USA:IEEE,2015: 287-295.

    [3] REN Xiaofeng, MALIK J. Tracking as repeated figure/ground segmentation[C]// IEEE Conference on Computer Vision and Pattern Recognition, 2007. CVPR '07. Minneapolis, Minnesota, USA:IEEE, 2007:1-8.

    [4] FATHI A, REN Xiaofeng, REHG J M. Learning to recognize objects in egocentric activities[C]// IEEE Conference on Computer Vision and Pattern Recognition. Providence, RI:IEEE Computer Society, 2011:3281-3288.

    [5] LI Cheng, KITANI K M. Pixel-level hand detection in egocentric videos[C]//2013 IEEE Conference on Computer Vision and Pattern Recognition. Portland, Oregon, USA: IEEE, 2013:3570-3577.

    [6] LEE S, BAMBACH S, CRANDALL D J, et al. This hand is my hand: A probabilistic approach to hand disambiguation in egocentric video[C]//2014 IEEE Conference on Computer Vision and Pattern Recognition Workshops. Columbus, OH, USA:IEEE, 2014:557-564.

    [7] TANG M, GORELICK L, VEKSLER O, et al. GrabCut in one cut[C]// IEEE International Conference on Computer Vision. Washington, DC, USA:IEEE, 2013:1769-1776.

    [8] AISHA U, BORJI A. Analysis of hand segmentation in the wild[C]// Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2018). Salt Lake City, UT:IEEE, 2018:1-10.

    [9] LIN Guosheng,MILAN A, SHEN Chunhua, et al. Refinenet: Multi-path refinement networks with identity mappings for high-resolution semantic segmentation[J]. arXiv preprint arXiv:1611.06612, 2016.

    [10]MITTAL A, ZISSERMAN A, TORR P. Hand detection using multiple proposals[C]// British Machine Vision Conference.Dundee:University of Dundee, 2011:75.1-75.11.

    [11]FELZENSZWALB P F, GIRSHICK R B, MCALLESTER D, et al. Object detection with discriminatively trained part-based models[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 32(9):1627-1645.

    [12]ZIMMERMANN C, BROX T. Learning to estimate 3D hand pose from single RGB images[J]. arXiv preprint arXiv:1705.01389v3,2017.

    [13]WU Zifeng, SHEN Chunhua, HENGEL A V D. Wider or deeper: Revisiting the ResNet model for visual recognition[J]. arXiv preprint arXiv:1611.10080,2016.

    [14]RUSSAKOVSKY O, DENG Jia, SU Hao, et al. ImageNet large scale visual recognition challenge[J]. International Journal of Computer Vision, 2015, 115(3):211-252.

    猜你喜歡
    注意力機制深度學習
    面向短文本的網絡輿情話題
    基于自注意力與動態(tài)路由的文本建模方法
    基于深度學習的問題回答技術研究
    基于LSTM?Attention神經網絡的文本特征提取方法
    基于注意力機制的雙向LSTM模型在中文商品評論情感分類中的研究
    InsunKBQA:一個基于知識庫的問答系統(tǒng)
    有體驗的學習才是有意義的學習
    電子商務中基于深度學習的虛假交易識別研究
    MOOC與翻轉課堂融合的深度學習場域建構
    大數據技術在反恐怖主義中的應用展望
    特大巨黑吊av在线直播| 男女那种视频在线观看| 联通29元200g的流量卡| 国产毛片a区久久久久| 久久久久久九九精品二区国产| 亚洲伊人久久精品综合 | 一区二区三区四区激情视频| 网址你懂的国产日韩在线| 欧美激情久久久久久爽电影| 插逼视频在线观看| 少妇熟女aⅴ在线视频| 国产精品.久久久| 尾随美女入室| 亚洲无线观看免费| 欧美激情国产日韩精品一区| 中文字幕久久专区| 成人欧美大片| 久久久欧美国产精品| 欧美+日韩+精品| 亚洲av二区三区四区| 国产一区二区三区av在线| 成人特级av手机在线观看| 亚洲最大成人手机在线| 一级爰片在线观看| 日本免费在线观看一区| 国产男人的电影天堂91| 亚洲国产色片| 尾随美女入室| 夜夜爽夜夜爽视频| 91精品一卡2卡3卡4卡| 精品国产露脸久久av麻豆 | 亚洲国产成人一精品久久久| 如何舔出高潮| 中文字幕免费在线视频6| 尤物成人国产欧美一区二区三区| 国产免费又黄又爽又色| 欧美变态另类bdsm刘玥| 男女啪啪激烈高潮av片| av在线天堂中文字幕| 亚洲人与动物交配视频| 精品久久久久久久人妻蜜臀av| 三级国产精品欧美在线观看| 欧美性猛交黑人性爽| 久久久国产成人免费| 99热这里只有是精品50| 永久免费av网站大全| 亚洲国产欧美在线一区| 熟女人妻精品中文字幕| 美女被艹到高潮喷水动态| 寂寞人妻少妇视频99o| 国产成人免费观看mmmm| 国产精品熟女久久久久浪| 日本三级黄在线观看| 日韩视频在线欧美| 美女xxoo啪啪120秒动态图| 免费观看人在逋| 成人性生交大片免费视频hd| 久久精品国产99精品国产亚洲性色| 成年av动漫网址| 国产午夜精品一二区理论片| 欧美激情国产日韩精品一区| 日韩av在线免费看完整版不卡| 黄片wwwwww| 日日啪夜夜撸| 2022亚洲国产成人精品| 国产一区亚洲一区在线观看| 欧美激情在线99| 一级黄片播放器| 男女那种视频在线观看| 色综合色国产| 午夜福利高清视频| 国产精品一及| 嫩草影院新地址| 亚洲国产色片| 国产v大片淫在线免费观看| 亚洲不卡免费看| 国产日韩欧美在线精品| 色5月婷婷丁香| 大香蕉久久网| 亚洲欧美精品自产自拍| 国产三级在线视频| 色综合站精品国产| 少妇人妻精品综合一区二区| 小蜜桃在线观看免费完整版高清| av播播在线观看一区| 成人漫画全彩无遮挡| 韩国av在线不卡| 在线播放无遮挡| 汤姆久久久久久久影院中文字幕 | 在线观看一区二区三区| 国产一区二区亚洲精品在线观看| 少妇人妻一区二区三区视频| 免费观看在线日韩| 久久热精品热| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲欧美清纯卡通| 久久精品夜色国产| 国产v大片淫在线免费观看| 晚上一个人看的免费电影| 久久久久久久亚洲中文字幕| 欧美潮喷喷水| 成年版毛片免费区| 男人舔奶头视频| 精品国产三级普通话版| 亚洲av免费高清在线观看| 日韩视频在线欧美| 亚洲欧美日韩无卡精品| 久久精品久久精品一区二区三区| av在线老鸭窝| 日韩一本色道免费dvd| 久久久久久大精品| 老司机福利观看| 少妇高潮的动态图| 日日撸夜夜添| 亚洲最大成人手机在线| 亚洲国产色片| 婷婷色麻豆天堂久久 | 男人和女人高潮做爰伦理| 成年免费大片在线观看| 人妻制服诱惑在线中文字幕| 国产成人免费观看mmmm| 国产精品嫩草影院av在线观看| 精品久久久噜噜| 纵有疾风起免费观看全集完整版 | 亚洲av一区综合| 国产单亲对白刺激| 国产老妇女一区| 亚州av有码| 国产真实乱freesex| 国产伦精品一区二区三区四那| 波多野结衣高清无吗| 一级毛片久久久久久久久女| 中文在线观看免费www的网站| av.在线天堂| 中文精品一卡2卡3卡4更新| 精品一区二区三区视频在线| 国产免费男女视频| 亚洲av免费在线观看| 亚洲国产色片| 精品酒店卫生间| 色吧在线观看| 国产精品久久久久久精品电影小说 | 波多野结衣巨乳人妻| 只有这里有精品99| 亚洲综合精品二区| 国产伦精品一区二区三区四那| 自拍偷自拍亚洲精品老妇| 综合色丁香网| 国产成人精品一,二区| 在线观看av片永久免费下载| 亚洲av熟女| 99久久成人亚洲精品观看| 成年女人看的毛片在线观看| 最近视频中文字幕2019在线8| 久久草成人影院| 国产精品一区二区在线观看99 | 综合色av麻豆| 精品人妻一区二区三区麻豆| 又粗又爽又猛毛片免费看| 少妇裸体淫交视频免费看高清| 国产精品久久电影中文字幕| 22中文网久久字幕| 国产成人a∨麻豆精品| 成人美女网站在线观看视频| 精品人妻视频免费看| 午夜福利在线观看吧| 国产淫语在线视频| 久久99蜜桃精品久久| 欧美zozozo另类| 最近最新中文字幕大全电影3| 中文字幕av成人在线电影| 一级毛片久久久久久久久女| 尤物成人国产欧美一区二区三区| 国产三级在线视频| 国产精品嫩草影院av在线观看| 97超碰精品成人国产| 少妇丰满av| 一本久久精品| 搞女人的毛片| 五月玫瑰六月丁香| 中文字幕亚洲精品专区| 在线观看av片永久免费下载| 欧美激情在线99| 亚洲av成人精品一区久久| 亚洲精品乱码久久久久久按摩| 久久99热这里只频精品6学生 | 97人妻精品一区二区三区麻豆| 能在线免费看毛片的网站| 亚洲av中文字字幕乱码综合| www日本黄色视频网| 亚洲va在线va天堂va国产| 亚洲av中文字字幕乱码综合| 高清日韩中文字幕在线| 久久人人爽人人片av| 精品酒店卫生间| 亚洲av福利一区| 超碰97精品在线观看| 亚洲成人av在线免费| 国产精品三级大全| av黄色大香蕉| 亚洲国产精品sss在线观看| 欧美xxxx黑人xx丫x性爽| 看片在线看免费视频| 婷婷色综合大香蕉| 少妇人妻精品综合一区二区| 久久精品91蜜桃| 深爱激情五月婷婷| 可以在线观看毛片的网站| 97人妻精品一区二区三区麻豆| 国产亚洲精品久久久com| 日韩在线高清观看一区二区三区| 亚洲自偷自拍三级| 99热这里只有精品一区| 22中文网久久字幕| 国产在视频线精品| 久久鲁丝午夜福利片| 亚洲熟妇中文字幕五十中出| 国产久久久一区二区三区| 精品人妻偷拍中文字幕| 最后的刺客免费高清国语| 91精品一卡2卡3卡4卡| 美女国产视频在线观看| 久久精品国产99精品国产亚洲性色| 高清午夜精品一区二区三区| 我要搜黄色片| 黄色欧美视频在线观看| www日本黄色视频网| 1024手机看黄色片| 人人妻人人澡人人爽人人夜夜 | 午夜亚洲福利在线播放| 精品久久久久久久人妻蜜臀av| 亚洲欧美成人综合另类久久久 | 黄片wwwwww| 中文乱码字字幕精品一区二区三区 | 网址你懂的国产日韩在线| 男女边吃奶边做爰视频| 色尼玛亚洲综合影院| 亚洲精品自拍成人| 免费大片18禁| 日韩一区二区三区影片| 男插女下体视频免费在线播放| 午夜福利在线观看吧| 一级黄片播放器| 中国美白少妇内射xxxbb| 亚洲欧美精品专区久久| 亚洲av熟女| 天堂影院成人在线观看| 国产免费一级a男人的天堂| 一级二级三级毛片免费看| 男人狂女人下面高潮的视频| 国产又色又爽无遮挡免| 精品人妻视频免费看| 欧美一区二区亚洲| 免费黄色在线免费观看| 久久久久免费精品人妻一区二区| 亚洲精品,欧美精品| 国产高清有码在线观看视频| 亚洲图色成人| 国产免费一级a男人的天堂| 亚洲精品国产成人久久av| 欧美成人精品欧美一级黄| 中文亚洲av片在线观看爽| 99热网站在线观看| 在线免费十八禁| 伦精品一区二区三区| 亚洲国产精品专区欧美| 一区二区三区乱码不卡18| 日韩视频在线欧美| 久久精品人妻少妇| 国产精品爽爽va在线观看网站| 特大巨黑吊av在线直播| 欧美日韩综合久久久久久| 99热网站在线观看| 国产淫片久久久久久久久| 久久精品国产亚洲av涩爱| 久久婷婷人人爽人人干人人爱| 免费观看性生交大片5| 国产精品久久电影中文字幕| 亚洲色图av天堂| 草草在线视频免费看| videossex国产| 国产日韩欧美在线精品| 亚洲激情五月婷婷啪啪| 亚洲av免费高清在线观看| www.av在线官网国产| 男人舔女人下体高潮全视频| 精品人妻熟女av久视频| 永久网站在线| 国产精品久久久久久av不卡| 天堂av国产一区二区熟女人妻| 99久久九九国产精品国产免费| 亚洲性久久影院| 老司机福利观看| 日日摸夜夜添夜夜添av毛片| 精品一区二区免费观看| 男人和女人高潮做爰伦理| 免费看光身美女| 亚洲av免费在线观看| 51国产日韩欧美| 看黄色毛片网站| 亚洲成人精品中文字幕电影| 欧美zozozo另类| 久久久a久久爽久久v久久| 22中文网久久字幕| 两个人视频免费观看高清| 老师上课跳d突然被开到最大视频| 午夜福利网站1000一区二区三区| 舔av片在线| 午夜精品国产一区二区电影 | 看免费成人av毛片| 欧美日韩精品成人综合77777| 成人无遮挡网站| 色尼玛亚洲综合影院| 亚洲欧美日韩无卡精品| 美女高潮的动态| 国内少妇人妻偷人精品xxx网站| 国产在视频线精品| 欧美区成人在线视频| 亚洲av熟女| 中国美白少妇内射xxxbb| 国产男人的电影天堂91| 国产亚洲av片在线观看秒播厂 | 国产 一区精品| 最近的中文字幕免费完整| 亚洲第一区二区三区不卡| 女人十人毛片免费观看3o分钟| 欧美变态另类bdsm刘玥| 免费不卡的大黄色大毛片视频在线观看 | 中文字幕制服av| av在线观看视频网站免费| 国产精品一区www在线观看| 最近中文字幕2019免费版| 丝袜美腿在线中文| 国产精品国产高清国产av| 青青草视频在线视频观看| 精品国内亚洲2022精品成人| 又粗又硬又长又爽又黄的视频| 亚洲天堂国产精品一区在线| 亚洲国产精品专区欧美| 午夜久久久久精精品| eeuss影院久久| 免费看av在线观看网站| 亚洲欧美日韩无卡精品| 国产一级毛片在线| 免费观看a级毛片全部| 久久精品国产亚洲网站| 国产亚洲5aaaaa淫片| 亚洲成人久久爱视频| 99视频精品全部免费 在线| 69av精品久久久久久| 搞女人的毛片| 两个人视频免费观看高清| 搞女人的毛片| 岛国在线免费视频观看| 国产精品乱码一区二三区的特点| 91在线精品国自产拍蜜月| 尾随美女入室| 视频中文字幕在线观看| 亚洲在久久综合| 欧美一区二区亚洲| 国产成人freesex在线| 美女xxoo啪啪120秒动态图| 97超碰精品成人国产| 九九热线精品视视频播放| 久久这里有精品视频免费| 中文精品一卡2卡3卡4更新| 男女那种视频在线观看| 中文精品一卡2卡3卡4更新| 亚洲人成网站高清观看| 国产成年人精品一区二区| 男女那种视频在线观看| 久久精品影院6| 国产免费又黄又爽又色| 精品久久久久久久久av| 免费一级毛片在线播放高清视频| 99在线人妻在线中文字幕| 久久久久久久亚洲中文字幕| 久久精品影院6| 国产色婷婷99| 床上黄色一级片| 日韩视频在线欧美| 国产一区二区亚洲精品在线观看| kizo精华| 日本免费a在线| 搞女人的毛片| 卡戴珊不雅视频在线播放| 黄色配什么色好看| 国产成人a∨麻豆精品| 成年版毛片免费区| 日韩高清综合在线| 久久精品91蜜桃| 国内精品宾馆在线| 国内少妇人妻偷人精品xxx网站| 能在线免费观看的黄片| 男女啪啪激烈高潮av片| 久久精品久久久久久久性| 亚洲欧美日韩无卡精品| 亚洲人成网站在线播| 男人舔女人下体高潮全视频| 高清在线视频一区二区三区 | 亚洲一区高清亚洲精品| 日本午夜av视频| 18禁动态无遮挡网站| www日本黄色视频网| 午夜精品国产一区二区电影 | 欧美不卡视频在线免费观看| 欧美极品一区二区三区四区| 久久精品国产自在天天线| 成年av动漫网址| 久久精品夜夜夜夜夜久久蜜豆| 欧美成人午夜免费资源| 最近最新中文字幕免费大全7| 国产又黄又爽又无遮挡在线| av又黄又爽大尺度在线免费看 | 国产伦精品一区二区三区视频9| 亚洲美女搞黄在线观看| 日韩欧美三级三区| 精品国内亚洲2022精品成人| 国产高清国产精品国产三级 | 18禁在线无遮挡免费观看视频| .国产精品久久| 精品久久久久久久末码| 成年女人看的毛片在线观看| 国产成人aa在线观看| 午夜福利在线在线| 国产精品蜜桃在线观看| 亚洲怡红院男人天堂| 午夜久久久久精精品| 国产精品人妻久久久影院| 欧美潮喷喷水| 久久综合国产亚洲精品| 国产精品国产高清国产av| 好男人视频免费观看在线| 国产av码专区亚洲av| 午夜精品在线福利| 亚洲精品乱码久久久久久按摩| 成人性生交大片免费视频hd| 国产三级在线视频| 蜜桃久久精品国产亚洲av| 久久久久久伊人网av| 久久久a久久爽久久v久久| 一边亲一边摸免费视频| 久久久久免费精品人妻一区二区| 卡戴珊不雅视频在线播放| 欧美区成人在线视频| 1024手机看黄色片| 人人妻人人澡欧美一区二区| 亚洲久久久久久中文字幕| 七月丁香在线播放| 免费人成在线观看视频色| 国产高清国产精品国产三级 | 午夜老司机福利剧场| 国产免费福利视频在线观看| 少妇熟女欧美另类| 国产一区二区在线观看日韩| 久久人妻av系列| 男女边吃奶边做爰视频| 一个人看视频在线观看www免费| 久久6这里有精品| 成人亚洲欧美一区二区av| 美女cb高潮喷水在线观看| 国内少妇人妻偷人精品xxx网站| 国产视频内射| 久久这里只有精品中国| 啦啦啦观看免费观看视频高清| 国产亚洲最大av| 国产免费男女视频| 一级毛片我不卡| 麻豆久久精品国产亚洲av| 少妇人妻精品综合一区二区| 国产一区二区在线观看日韩| or卡值多少钱| 91狼人影院| 亚洲aⅴ乱码一区二区在线播放| 插逼视频在线观看| 国产麻豆成人av免费视频| 亚洲国产精品sss在线观看| 直男gayav资源| 亚洲av成人av| 亚洲精华国产精华液的使用体验| 日日摸夜夜添夜夜爱| 熟女电影av网| 国产黄色视频一区二区在线观看 | 乱码一卡2卡4卡精品| 精品久久国产蜜桃| 两性午夜刺激爽爽歪歪视频在线观看| 欧美xxxx黑人xx丫x性爽| 亚洲精品aⅴ在线观看| 日本黄色片子视频| 日本wwww免费看| 丝袜喷水一区| 国产视频首页在线观看| 看十八女毛片水多多多| 亚洲欧美日韩高清专用| 亚洲精品,欧美精品| 日本三级黄在线观看| 亚洲av免费在线观看| 免费av观看视频| 国产黄片视频在线免费观看| 国产熟女欧美一区二区| 久久久久性生活片| 精品久久久久久电影网 | 国产黄色小视频在线观看| 国产老妇女一区| 亚洲人与动物交配视频| 久久久久精品久久久久真实原创| 日韩视频在线欧美| 天美传媒精品一区二区| 欧美三级亚洲精品| 免费在线观看成人毛片| 久久亚洲精品不卡| 国产伦精品一区二区三区四那| av在线播放精品| 日本免费在线观看一区| 建设人人有责人人尽责人人享有的 | 一级毛片久久久久久久久女| 国产av码专区亚洲av| 精品无人区乱码1区二区| 热99在线观看视频| 成人一区二区视频在线观看| 成人午夜高清在线视频| 纵有疾风起免费观看全集完整版 | 乱码一卡2卡4卡精品| 国产视频首页在线观看| av福利片在线观看| 热99re8久久精品国产| 在线观看一区二区三区| 可以在线观看毛片的网站| 国产高清有码在线观看视频| 我的老师免费观看完整版| 超碰97精品在线观看| 久久久久久久久久黄片| 亚洲,欧美,日韩| 美女cb高潮喷水在线观看| 自拍偷自拍亚洲精品老妇| av黄色大香蕉| 欧美性猛交╳xxx乱大交人| 美女脱内裤让男人舔精品视频| 狂野欧美白嫩少妇大欣赏| 男人舔女人下体高潮全视频| 国产精品野战在线观看| 毛片一级片免费看久久久久| 亚洲精品乱码久久久久久按摩| 九九爱精品视频在线观看| 国国产精品蜜臀av免费| 国产精品一区二区三区四区免费观看| 老司机影院成人| 精品久久久久久久久亚洲| 青春草视频在线免费观看| 视频中文字幕在线观看| 大话2 男鬼变身卡| 亚洲av不卡在线观看| 国产成人精品婷婷| 国产毛片a区久久久久| 国产人妻一区二区三区在| 欧美bdsm另类| 亚洲av中文字字幕乱码综合| 18禁在线无遮挡免费观看视频| 亚洲精品日韩在线中文字幕| 99久久成人亚洲精品观看| 乱人视频在线观看| 精品熟女少妇av免费看| 国产v大片淫在线免费观看| 国产国拍精品亚洲av在线观看| 欧美激情久久久久久爽电影| 熟女人妻精品中文字幕| 精品久久久久久久久亚洲| 可以在线观看毛片的网站| 毛片一级片免费看久久久久| 亚洲av中文av极速乱| 午夜久久久久精精品| 我要搜黄色片| 国产一级毛片七仙女欲春2| 国产精品蜜桃在线观看| 国国产精品蜜臀av免费| 小说图片视频综合网站| 麻豆精品久久久久久蜜桃| 色吧在线观看| 天天一区二区日本电影三级| 亚洲欧美中文字幕日韩二区| 久久亚洲精品不卡| 国产亚洲精品av在线| 2021少妇久久久久久久久久久| 亚洲精品成人久久久久久| 欧美97在线视频| 卡戴珊不雅视频在线播放| 婷婷色麻豆天堂久久 | 我要看日韩黄色一级片| 熟女电影av网| 91精品国产九色| 国产一区二区亚洲精品在线观看| 在线a可以看的网站| 国产视频内射| 中文精品一卡2卡3卡4更新| 白带黄色成豆腐渣| 少妇熟女欧美另类| 国产成年人精品一区二区| 国产精品国产高清国产av| 免费黄色在线免费观看| 在线免费观看的www视频| 人妻制服诱惑在线中文字幕| 三级毛片av免费| 国产成人免费观看mmmm| 一个人看视频在线观看www免费| 成人性生交大片免费视频hd| 亚洲国产精品专区欧美| 亚洲在久久综合| 国产美女午夜福利| 国产成人91sexporn| 麻豆成人av视频| 国产人妻一区二区三区在| 美女国产视频在线观看| 尾随美女入室| 国产淫片久久久久久久久| 精品一区二区免费观看|