• <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
    久久国产精品影院| 一级作爱视频免费观看| 精品久久久久久久毛片微露脸| 综合色av麻豆| 天堂动漫精品| 国产黄a三级三级三级人| 巨乳人妻的诱惑在线观看| 午夜福利高清视频| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲avbb在线观看| 操出白浆在线播放| 又大又爽又粗| 啪啪无遮挡十八禁网站| 中亚洲国语对白在线视频| 亚洲五月天丁香| 亚洲精华国产精华精| 麻豆av在线久日| 国产精品久久久久久人妻精品电影| 久久天躁狠狠躁夜夜2o2o| 麻豆av在线久日| 真人一进一出gif抽搐免费| 在线播放国产精品三级| 熟女电影av网| 色吧在线观看| 最近最新免费中文字幕在线| 一进一出抽搐动态| 黄色片一级片一级黄色片| 少妇人妻一区二区三区视频| 久久久久亚洲av毛片大全| 99re在线观看精品视频| 一区二区三区高清视频在线| 日本黄色视频三级网站网址| 久久国产精品影院| 欧美日本亚洲视频在线播放| 久久久久久人人人人人| 亚洲国产高清在线一区二区三| 精品国产亚洲在线| 麻豆久久精品国产亚洲av| 我的老师免费观看完整版| 97碰自拍视频| 免费av毛片视频| 偷拍熟女少妇极品色| 啪啪无遮挡十八禁网站| 后天国语完整版免费观看| 伦理电影免费视频| 久久久久免费精品人妻一区二区| 亚洲精品一卡2卡三卡4卡5卡| 国内精品美女久久久久久| 日本与韩国留学比较| 男女做爰动态图高潮gif福利片| 国产精品久久久久久精品电影| 欧美av亚洲av综合av国产av| 国产又色又爽无遮挡免费看| 最新中文字幕久久久久 | 精品不卡国产一区二区三区| 国产精品亚洲美女久久久| 久久精品91蜜桃| 男人舔女人的私密视频| 国产精品久久久久久亚洲av鲁大| 国产高潮美女av| 在线观看免费视频日本深夜| 国产视频一区二区在线看| 亚洲欧美精品综合一区二区三区| 九九在线视频观看精品| 亚洲av五月六月丁香网| 国产精品久久视频播放| 国产伦精品一区二区三区视频9 | 99精品在免费线老司机午夜| 亚洲av片天天在线观看| 日本熟妇午夜| 免费av不卡在线播放| 亚洲色图 男人天堂 中文字幕| 非洲黑人性xxxx精品又粗又长| 亚洲中文日韩欧美视频| 成人三级黄色视频| 久久久久久久精品吃奶| 欧美成人免费av一区二区三区| 久久久久国产精品人妻aⅴ院| 少妇丰满av| 久久久久久久精品吃奶| 国产在线精品亚洲第一网站| 午夜福利高清视频| а√天堂www在线а√下载| www国产在线视频色| 色老头精品视频在线观看| avwww免费| 亚洲国产欧美一区二区综合| 天堂网av新在线| 午夜福利在线观看免费完整高清在 | 午夜福利成人在线免费观看| 黑人巨大精品欧美一区二区mp4| 日韩欧美一区二区三区在线观看| 国产欧美日韩一区二区精品| 国产伦在线观看视频一区| 在线视频色国产色| 在线观看午夜福利视频| 啦啦啦韩国在线观看视频| 18禁观看日本| 91在线精品国自产拍蜜月 | 婷婷亚洲欧美| 中文字幕人妻丝袜一区二区| e午夜精品久久久久久久| 亚洲专区字幕在线| 黄片小视频在线播放| 午夜精品在线福利| 欧美乱码精品一区二区三区| 美女午夜性视频免费| 亚洲五月天丁香| 黑人欧美特级aaaaaa片| 免费看a级黄色片| 91在线精品国自产拍蜜月 | 黑人巨大精品欧美一区二区mp4| 岛国视频午夜一区免费看| 麻豆成人午夜福利视频| 亚洲自偷自拍图片 自拍| 国产又色又爽无遮挡免费看| 1024手机看黄色片| 欧美日本视频| 精品国产美女av久久久久小说| 久久性视频一级片| 少妇的逼水好多| 午夜福利18| 免费人成视频x8x8入口观看| 精品国内亚洲2022精品成人| 在线视频色国产色| 两性夫妻黄色片| 日日夜夜操网爽| 婷婷精品国产亚洲av在线| 国产黄色小视频在线观看| www.精华液| 精品国产亚洲在线| 国产精品自产拍在线观看55亚洲| 国产精品永久免费网站| 午夜视频精品福利| 99国产精品一区二区蜜桃av| 看免费av毛片| 一级a爱片免费观看的视频| 午夜福利在线观看吧| 国产 一区 欧美 日韩| ponron亚洲| 最近视频中文字幕2019在线8| 亚洲欧美精品综合久久99| 日本成人三级电影网站| 天天添夜夜摸| 久久午夜综合久久蜜桃| www.自偷自拍.com| 国产亚洲欧美在线一区二区| 观看美女的网站| ponron亚洲| 久久精品夜夜夜夜夜久久蜜豆| 中文字幕熟女人妻在线| 久久午夜亚洲精品久久| 性欧美人与动物交配| 真人做人爱边吃奶动态| 精品福利观看| 男人舔奶头视频| 男女床上黄色一级片免费看| 国产精品女同一区二区软件 | 成人鲁丝片一二三区免费| 国产 一区 欧美 日韩| 又黄又爽又免费观看的视频| 国产精品影院久久| 亚洲无线在线观看| 久久久国产成人免费| 法律面前人人平等表现在哪些方面| 淫妇啪啪啪对白视频| 国产精品99久久99久久久不卡| 全区人妻精品视频| 男人舔女人下体高潮全视频| 亚洲国产欧洲综合997久久,| 黄色视频,在线免费观看| 岛国在线免费视频观看| 很黄的视频免费| 久久草成人影院| 中文字幕av在线有码专区| 国产精品99久久99久久久不卡| 免费看a级黄色片| 亚洲精品粉嫩美女一区| tocl精华| 亚洲在线观看片| 亚洲成人免费电影在线观看| 亚洲无线在线观看| 日本一本二区三区精品| 午夜影院日韩av| 18禁裸乳无遮挡免费网站照片| 国产av麻豆久久久久久久| 97人妻精品一区二区三区麻豆| www.www免费av| 午夜日韩欧美国产| 深夜精品福利| 欧美日韩亚洲国产一区二区在线观看| 嫩草影视91久久| 嫩草影院入口| 香蕉久久夜色| 97超视频在线观看视频| 老司机午夜福利在线观看视频| 全区人妻精品视频| 精品国产乱码久久久久久男人| 精品久久久久久久久久久久久| 又粗又爽又猛毛片免费看| 欧美zozozo另类| av黄色大香蕉| 亚洲精品在线观看二区| 青草久久国产| 超碰成人久久| 噜噜噜噜噜久久久久久91| 成人18禁在线播放| 99国产极品粉嫩在线观看| 精品久久久久久久末码| 亚洲自偷自拍图片 自拍| 国产成年人精品一区二区| 少妇的丰满在线观看| 亚洲精品在线美女| cao死你这个sao货| 9191精品国产免费久久| 他把我摸到了高潮在线观看| 国产日本99.免费观看| 黑人巨大精品欧美一区二区mp4| 一个人免费在线观看的高清视频| 亚洲人成网站高清观看| 久久99热这里只有精品18| 老司机午夜十八禁免费视频| 99视频精品全部免费 在线 | 熟女电影av网| 母亲3免费完整高清在线观看| 成人精品一区二区免费| 岛国视频午夜一区免费看| 欧美中文日本在线观看视频| 亚洲中文字幕一区二区三区有码在线看 | 久久午夜综合久久蜜桃| 男女下面进入的视频免费午夜| 国产美女午夜福利| 国产一区二区三区视频了| 岛国在线免费视频观看| 欧美日韩国产亚洲二区| 国产亚洲欧美在线一区二区| 亚洲av成人精品一区久久| www日本黄色视频网| 亚洲国产色片| 亚洲专区国产一区二区| 欧美成人性av电影在线观看| 亚洲无线观看免费| 午夜福利免费观看在线| 99精品在免费线老司机午夜| 黄色女人牲交| 婷婷丁香在线五月| 2021天堂中文幕一二区在线观| 亚洲五月婷婷丁香| 国产精品1区2区在线观看.| 露出奶头的视频| 国产高清三级在线| 久久天堂一区二区三区四区| 91麻豆av在线| 国产野战对白在线观看| 非洲黑人性xxxx精品又粗又长| 亚洲中文字幕日韩| 天天躁日日操中文字幕| 欧美精品啪啪一区二区三区| 日韩欧美免费精品| 天堂网av新在线| 一区福利在线观看| 99久国产av精品| 97碰自拍视频| 欧美色视频一区免费| 国产黄片美女视频| 欧美激情在线99| 中文字幕高清在线视频| 女生性感内裤真人,穿戴方法视频| 在线播放国产精品三级| 最新中文字幕久久久久 | 一进一出抽搐gif免费好疼| 嫩草影院入口| 国产乱人伦免费视频| 嫩草影院精品99| 人妻丰满熟妇av一区二区三区| 国产精品香港三级国产av潘金莲| 国产单亲对白刺激| 每晚都被弄得嗷嗷叫到高潮| 欧美成人一区二区免费高清观看 | 午夜免费激情av| 国内精品一区二区在线观看| 男女之事视频高清在线观看| 国产精品99久久久久久久久| or卡值多少钱| 欧美高清成人免费视频www| 国产精品一区二区三区四区久久| 制服人妻中文乱码| 免费av毛片视频| 久久久久国产一级毛片高清牌| 91字幕亚洲| 成年人黄色毛片网站| 免费无遮挡裸体视频| 极品教师在线免费播放| 日韩欧美在线乱码| 露出奶头的视频| 日韩大尺度精品在线看网址| 天堂动漫精品| 九色国产91popny在线| 美女午夜性视频免费| 两人在一起打扑克的视频| ponron亚洲| 久久久久九九精品影院| 中文亚洲av片在线观看爽| 69av精品久久久久久| 香蕉久久夜色| 精品国产乱码久久久久久男人| 一级毛片高清免费大全| 国产一区二区在线av高清观看| 成年女人毛片免费观看观看9| 精品福利观看| 免费搜索国产男女视频| 国产亚洲精品综合一区在线观看| 婷婷六月久久综合丁香| 成年女人毛片免费观看观看9| 午夜免费成人在线视频| 久久久久性生活片| 99国产极品粉嫩在线观看| 在线观看免费午夜福利视频| 日韩免费av在线播放| tocl精华| 日韩欧美 国产精品| 禁无遮挡网站| 国产一区二区三区视频了| 99riav亚洲国产免费| 国产毛片a区久久久久| 久久中文字幕一级| 国产免费男女视频| 国产高清有码在线观看视频| 好看av亚洲va欧美ⅴa在| 国产精品爽爽va在线观看网站| 啦啦啦观看免费观看视频高清| 久久精品国产清高在天天线| 色尼玛亚洲综合影院| 欧美在线黄色| 熟女少妇亚洲综合色aaa.| 亚洲精品一区av在线观看| 十八禁人妻一区二区| 日本免费a在线| 91av网站免费观看| 成人三级做爰电影| 熟女电影av网| 国产精品爽爽va在线观看网站| aaaaa片日本免费| 国产精品乱码一区二三区的特点| 久久精品国产亚洲av香蕉五月| 99精品久久久久人妻精品| 日韩大尺度精品在线看网址| 亚洲中文字幕一区二区三区有码在线看 | 老汉色av国产亚洲站长工具| 成人性生交大片免费视频hd| 观看免费一级毛片| 成人av一区二区三区在线看| 欧美日韩乱码在线| 久久国产精品人妻蜜桃| 婷婷精品国产亚洲av在线| 欧美xxxx黑人xx丫x性爽| 日日摸夜夜添夜夜添小说| 国产真人三级小视频在线观看| 欧美成狂野欧美在线观看| 国产伦在线观看视频一区| 丰满人妻一区二区三区视频av | 欧美xxxx黑人xx丫x性爽| 少妇的逼水好多| 国产免费av片在线观看野外av| 首页视频小说图片口味搜索| 久久精品人妻少妇| aaaaa片日本免费| 婷婷精品国产亚洲av在线| x7x7x7水蜜桃| 欧美日本亚洲视频在线播放| 国产v大片淫在线免费观看| 亚洲国产精品sss在线观看| 狂野欧美激情性xxxx| 久久国产乱子伦精品免费另类| 欧美丝袜亚洲另类 | 婷婷丁香在线五月| 国产高清激情床上av| 蜜桃久久精品国产亚洲av| 精品国产三级普通话版| 国产高清videossex| 他把我摸到了高潮在线观看| 亚洲在线自拍视频| 国产精品日韩av在线免费观看| 成人欧美大片| 国产精品精品国产色婷婷| 国产午夜精品论理片| 免费大片18禁| 日韩精品中文字幕看吧| 欧美xxxx黑人xx丫x性爽| 在线观看免费视频日本深夜| 久久午夜亚洲精品久久| 好男人电影高清在线观看| bbb黄色大片| 欧美又色又爽又黄视频| 中出人妻视频一区二区| 草草在线视频免费看| 午夜成年电影在线免费观看| 97超视频在线观看视频| 日日摸夜夜添夜夜添小说| 久久久久久大精品| 免费观看精品视频网站| 国产精品久久久久久精品电影| 不卡av一区二区三区| 日韩三级视频一区二区三区| 特大巨黑吊av在线直播| 日韩精品青青久久久久久| 又大又爽又粗| 亚洲午夜理论影院| АⅤ资源中文在线天堂| www.精华液| 此物有八面人人有两片| 青草久久国产| 香蕉久久夜色| 亚洲一区二区三区色噜噜| a级毛片在线看网站| 手机成人av网站| а√天堂www在线а√下载| 国产人伦9x9x在线观看| 国内揄拍国产精品人妻在线| 99久久精品国产亚洲精品| www.自偷自拍.com| 这个男人来自地球电影免费观看| 日韩国内少妇激情av| 视频区欧美日本亚洲| 99热这里只有精品一区 | 91av网一区二区| 非洲黑人性xxxx精品又粗又长| 亚洲一区二区三区色噜噜| 久久亚洲真实| 欧美日韩国产亚洲二区| 亚洲国产欧美人成| 男女那种视频在线观看| 国产精品久久久人人做人人爽| www国产在线视频色| 此物有八面人人有两片| 真人一进一出gif抽搐免费| 黄色成人免费大全| 亚洲av第一区精品v没综合| 亚洲av片天天在线观看| 久久精品影院6| 国产在线精品亚洲第一网站| 在线永久观看黄色视频| 欧美极品一区二区三区四区| 亚洲欧美日韩无卡精品| 国产日本99.免费观看| 搡老岳熟女国产| 在线播放国产精品三级| 久久香蕉国产精品| 成人永久免费在线观看视频| 免费看十八禁软件| 999久久久国产精品视频| 性欧美人与动物交配| 男女做爰动态图高潮gif福利片| 久久久久久久久免费视频了| 亚洲av电影在线进入| 欧美精品啪啪一区二区三区| 亚洲精品在线观看二区| 欧美3d第一页| 国产欧美日韩一区二区三| 色综合欧美亚洲国产小说| 午夜免费成人在线视频| 狂野欧美激情性xxxx| 日韩欧美一区二区三区在线观看| www.熟女人妻精品国产| av欧美777| 国内久久婷婷六月综合欲色啪| 免费高清视频大片| 国产免费男女视频| 一本久久中文字幕| 99国产极品粉嫩在线观看| 亚洲avbb在线观看| 天堂√8在线中文| 国产午夜精品论理片| 亚洲精华国产精华精| 黄色 视频免费看| 色视频www国产| 草草在线视频免费看| 啦啦啦观看免费观看视频高清| 国产精品精品国产色婷婷| 亚洲色图av天堂| 最近在线观看免费完整版| 欧美日本亚洲视频在线播放| 国产人伦9x9x在线观看| 亚洲av电影在线进入| 手机成人av网站| 亚洲欧美日韩高清专用| 精品久久久久久,| 成人18禁在线播放| 亚洲av日韩精品久久久久久密| 成人高潮视频无遮挡免费网站| 男插女下体视频免费在线播放| 欧美+亚洲+日韩+国产| 一卡2卡三卡四卡精品乱码亚洲| 亚洲18禁久久av| 国产熟女xx| 欧美黑人巨大hd| 老熟妇仑乱视频hdxx| 女人被狂操c到高潮| 国产精品久久久人人做人人爽| 国产伦精品一区二区三区四那| 18禁美女被吸乳视频| 九九在线视频观看精品| 国产视频内射| 欧美午夜高清在线| 亚洲成av人片在线播放无| 最近最新免费中文字幕在线| 久久精品人妻少妇| 日本在线视频免费播放| 国产一区二区激情短视频| 国内精品一区二区在线观看| 99在线视频只有这里精品首页| 国产精品久久久av美女十八| 天堂网av新在线| 国产伦人伦偷精品视频| 精品一区二区三区视频在线观看免费| 欧美3d第一页| 五月玫瑰六月丁香| 免费看光身美女| 亚洲欧美日韩高清专用| 啦啦啦免费观看视频1| 国产成人av激情在线播放| 黄色视频,在线免费观看| 在线观看免费视频日本深夜| xxxwww97欧美| 日韩欧美三级三区| 国产免费男女视频| 久久久色成人| 日韩 欧美 亚洲 中文字幕| 精品国内亚洲2022精品成人| 99国产精品一区二区蜜桃av| 午夜福利高清视频| 国产精品 欧美亚洲| 亚洲无线在线观看| 黑人巨大精品欧美一区二区mp4| 免费在线观看亚洲国产| 色吧在线观看| 特级一级黄色大片| 一本一本综合久久| 午夜福利欧美成人| 成人欧美大片| 色精品久久人妻99蜜桃| 女人高潮潮喷娇喘18禁视频| 最近最新中文字幕大全电影3| 极品教师在线免费播放| 动漫黄色视频在线观看| 亚洲精品456在线播放app | 日本熟妇午夜| 99精品久久久久人妻精品| 国产精品香港三级国产av潘金莲| 天堂av国产一区二区熟女人妻| 麻豆国产av国片精品| 美女午夜性视频免费| 丁香六月欧美| 日本 欧美在线| 日韩精品青青久久久久久| 高清在线国产一区| 偷拍熟女少妇极品色| 欧美日韩黄片免| 久久精品国产99精品国产亚洲性色| 深夜精品福利| 国产毛片a区久久久久| 18禁黄网站禁片午夜丰满| 色综合亚洲欧美另类图片| 搡老熟女国产l中国老女人| 国产亚洲精品久久久com| 美女大奶头视频| 99精品在免费线老司机午夜| a级毛片在线看网站| 女人高潮潮喷娇喘18禁视频| 精品久久久久久久久久免费视频| 国产成人精品久久二区二区91| 精品电影一区二区在线| 亚洲欧洲精品一区二区精品久久久| 国产精品自产拍在线观看55亚洲| 动漫黄色视频在线观看| 午夜福利成人在线免费观看| 女生性感内裤真人,穿戴方法视频| 成人高潮视频无遮挡免费网站| 操出白浆在线播放| 香蕉av资源在线| 一本综合久久免费| av女优亚洲男人天堂 | 国产伦精品一区二区三区四那| 18美女黄网站色大片免费观看| 色在线成人网| 可以在线观看毛片的网站| 色精品久久人妻99蜜桃| 村上凉子中文字幕在线| 啦啦啦观看免费观看视频高清| 母亲3免费完整高清在线观看| 日本五十路高清| 99热这里只有是精品50| 日韩av在线大香蕉| 国产精品影院久久| 久久久精品大字幕| 国产精品 国内视频| 久久人人精品亚洲av| 国产激情欧美一区二区| 丝袜人妻中文字幕| 啦啦啦免费观看视频1| 人人妻人人看人人澡| 久久性视频一级片| 国内揄拍国产精品人妻在线| 国产熟女xx| 成人性生交大片免费视频hd| 亚洲激情在线av| 757午夜福利合集在线观看| 无人区码免费观看不卡| 亚洲,欧美精品.| 手机成人av网站| 成年免费大片在线观看| 麻豆国产97在线/欧美| 中文亚洲av片在线观看爽| 午夜福利成人在线免费观看| 国产精品自产拍在线观看55亚洲|