• <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(xué)習(xí)和度量學(xué)習(xí)的行人再識(shí)別

    2019-11-13 01:36:11侯麗劉琦
    科技視界 2019年29期
    關(guān)鍵詞:深度學(xué)習(xí)

    侯麗 劉琦

    【摘 要】跨攝像機(jī)行人因光照、視角、姿態(tài)的差異,會(huì)使其外觀變化顯著,給行人再識(shí)別的研究帶來(lái)嚴(yán)峻挑戰(zhàn)。文中提出基于深度學(xué)習(xí)和度量學(xué)習(xí)的行人再識(shí)別方法。首先采用手工特征和深度特征融合網(wǎng)絡(luò)FFN提取行人圖像特征,然后將核矩陣應(yīng)用于KISSME距離度量學(xué)習(xí)中,獲取更優(yōu)的距離度量模型。在具有挑戰(zhàn)的VIPeR和PRID450S兩個(gè)公開數(shù)據(jù)集上進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明所提出的行人再識(shí)別算法的有效性。

    【關(guān)鍵詞】行人再識(shí)別;特征融合網(wǎng)絡(luò);深度學(xué)習(xí);距離度量學(xué)習(xí)

    中圖分類號(hào): TP391.41文獻(xiàn)標(biāo)識(shí)碼: A文章編號(hào): 2095-2457(2019)29-0112-002

    DOI:10.19694/j.cnki.issn2095-2457.2019.29.051

    Deep Learning and Metric Learning Based Person Re-identification

    HOU Li LIU Qi

    (School of Information Engineering,Huangshan University,Huangshan Anhui 245041,China)

    【Abstract】Pedestrian may vary greatly in appearance due to differences in illumination, viewpoint, and poses across cameras, which can bring serious challenges in person re-identification. A deep learning and metric learning based algorithm is proposed for person re-identification in this paper. Features of human images are first extracted by a feature fusion net (FFN) composed of handcraft features and deep features, and then a kernel matrix is applied to KISSME distance metric learning to obtain a better distance metric model. Experimental results have shown that the proposed algorithm effectively improves recognition rates on two challenging datasets (VIPeR, PRID450s).

    【Key words】Person re-identification; Feature fusion net; Deep learning; Distance metric learning

    0 引言

    行人再識(shí)別屬于一種智能視頻分析技術(shù),對(duì)行人目標(biāo)的跨攝像頭跟蹤以及行人行為分析等具有重要的研究意義。行人再識(shí)別技術(shù),是指讓計(jì)算機(jī)去判斷不同攝像頭拍攝的行人圖像是否具有相同身份,通過(guò)行人的外觀去匹配不同攝像頭拍攝的行人圖像。因監(jiān)控場(chǎng)景的多變性和跨攝像機(jī)行人外觀變化的復(fù)雜性,對(duì)行人再識(shí)別的研究極具挑戰(zhàn)性。

    當(dāng)前對(duì)行人再識(shí)別的研究主要集中于兩方面:一是提取具有辨識(shí)力的特征來(lái)描述行人外觀[1-11],二是探索具有辨識(shí)力的距離度量學(xué)習(xí)方法[12-18]。然而,大多數(shù)手工提取的特征(顏色/紋理/形狀等)在進(jìn)行跨攝像機(jī)行人匹配時(shí),或者辨識(shí)力不夠,或者對(duì)視角變化不具有魯棒性。深度特征在一定程度上彌補(bǔ)了手工提取特征的不足,但需要通過(guò)大量樣本的監(jiān)督學(xué)習(xí)才能獲取更優(yōu)的特征模型。而距離度量學(xué)習(xí)在一定程度上減輕了跨攝像機(jī)行人匹配時(shí)的外觀差異,然而因有限的訓(xùn)練樣本數(shù)據(jù),可能無(wú)法獲取跨攝像機(jī)行人更優(yōu)的距離度量。

    為了更好地解決跨攝像機(jī)行人外觀的顯著變化,文中結(jié)合深度學(xué)習(xí)技術(shù)和度量學(xué)習(xí)技術(shù)進(jìn)行行人再識(shí)別,其算法流程如圖1所示。首先采用手工特征和深度特征融合網(wǎng)絡(luò)FFN對(duì)行人的訓(xùn)練樣本進(jìn)行辨識(shí)特征提取,然后將核矩陣K應(yīng)用于KISSME距離度量學(xué)習(xí)中,以獲取更優(yōu)的距離度量模型,從而提高行人再識(shí)別的準(zhǔn)確率和魯棒性。

    圖1 算法流程

    1 辨識(shí)特征提取

    為了更準(zhǔn)確地描述行人外觀,文中采用手工特征和深度特征融合網(wǎng)絡(luò)FFN提取行人圖像特征[3],如圖2所示。FFN由兩個(gè)子網(wǎng)絡(luò)組成。第一個(gè)子網(wǎng)絡(luò)使用傳統(tǒng)的CNN(卷積、池化、激活函數(shù))來(lái)處理輸入行人圖像;第二個(gè)子網(wǎng)絡(luò)使用額外的手工特征(RGB, HSV, LAB, YCbCr, YIQ顏色特征和Gabor紋理特征)來(lái)表示相同的行人圖像。兩個(gè)子網(wǎng)絡(luò)共同作用形成更加充分的行人圖像描述。第二個(gè)子網(wǎng)絡(luò)在特征學(xué)習(xí)過(guò)程中用于調(diào)整第一個(gè)子網(wǎng)絡(luò)的學(xué)習(xí)方向。最終,在融合層產(chǎn)生4096維的FFN特征向量。

    圖2 FFN特征提取圖解[3]

    2 核距離度量學(xué)習(xí)

    為了減輕跨攝像機(jī)行人外觀的變化,在行人匹配階段,采用基于核技巧的KISSME[12]距離度量學(xué)習(xí)方法,獲取最優(yōu)的馬氏距離度量學(xué)習(xí)模型。

    給定一對(duì)樣本(xi,xj),其馬氏距離定義如公式(1)所示:

    d■■(xi,xj)=(xi-xj)TM(xi-xj)(1)

    式中:M=∑■■-∑■■為正的半正定馬氏距離矩陣,能夠很容易地從訓(xùn)練樣本中學(xué)習(xí)?!芐=■∑■(x■-x■)(x■-x■)■和∑D=■∑∑■(x■-x■)(x■-x■)分別表示行人圖像相似對(duì)S和不相似對(duì)D的協(xié)方差矩陣。

    文中通過(guò)核技巧將樣本特征向量從輸入特征空間映射到高維核空間,樣本特征向量之間借助核函數(shù)的映射獲取核矩陣K,即:K=ΦT(X)Φ(X)表示。X表示樣本特征,Φ(X)表示輸入特征空間到核空間的非線性映射。核函數(shù)的引入避免“維數(shù)災(zāi)難”,可大大減少計(jì)算量,也可通過(guò)自由的選取合適的核函數(shù)改善算法的性能。

    3 實(shí)驗(yàn)結(jié)果

    文中應(yīng)用具有挑戰(zhàn)性的兩個(gè)公開數(shù)據(jù)集:VIPeR和PRID450S,估計(jì)所提出的行人再識(shí)別算法的累計(jì)匹配特性(CMC)。通過(guò)隨機(jī)選取行人數(shù)的一半作為訓(xùn)練樣本集,另一半作為測(cè)試樣本集。訓(xùn)練集中的樣本用于學(xué)習(xí)距離度量模型,測(cè)試集中的樣本用于衡量跨攝像機(jī)行人圖像的特征距離。

    表1和圖3給出了VIPeR和PRID450S兩個(gè)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果。由表1可知,基于相同特征FFN,在PRID450S數(shù)據(jù)集中有更優(yōu)的識(shí)別率。在VIPeR數(shù)據(jù)集排序?yàn)?時(shí)識(shí)別率僅為26.9%,而在PRID450S數(shù)據(jù)集排序?yàn)?時(shí)識(shí)別率為49.33%。

    表1VIPeR和PRID450S兩個(gè)數(shù)據(jù)集的最高識(shí)別率(%)。列出了排序?yàn)?,5,10,20的累積匹配分?jǐn)?shù)。

    表1

    圖3 VIPeR和PRID450S兩個(gè)數(shù)據(jù)集的最高識(shí)別率(%)

    4 結(jié)論

    文中提出了基于深度學(xué)習(xí)和度量學(xué)習(xí)的行人再識(shí)別算法。采用深度特征和手工特征融合網(wǎng)絡(luò)FFN提取行人圖像特征,并將核矩陣K應(yīng)用于KISSME距離度量學(xué)習(xí)中,獲取更優(yōu)的距離度量模型。在具有挑戰(zhàn)的VIPeR和PRID450S兩個(gè)行人再識(shí)別數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果展示了文中提出的行人再識(shí)別算法的有效性。

    【參考文獻(xiàn)】

    [1]S. Liao, Y. Hu, X. Zhu, and S. Z. Li, “Person re-identification by local maximal occurrence representation and metric learning,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Boston, Massachusetts, USA, 2015.6.7-2015.6.12.

    [2]T. Xiao, H. Li, W. Ouyang, and X. Wang, “Learning deep feature representations with domain guided dropout for person re-identification,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, Nevada, USA, 2016.6.26-2016.7.1.

    [3]S. Wu, Y. C. Chen, X. Li, A. C. Wu, J. J. You, W. S. Zheng, “An enhanced deep feature representation for person re-identification,” IEEE Winter Conference on Applications of Computer Vision (WACV), Lake Placid, NY, USA, 2016.3.7-2016.3.9

    [4]D. Cheng, Y. Gong, S. Zhou, J. Wang, and N. Zheng, “Person re-identification by multi-channel parts-based CNN with improved triplet loss function,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, Nevada, USA, 2016.6.26-2016.7.1.

    [5]Y. Chen, X. Zhu, and S. Gong, “Person re-identification by deep learning multi-scale representations,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, Hawaii, USA, 2017.7.21-2017.7.26

    [6]H. Zhao, et al., “Spindle net: Person re-identification with human body region guided feature decomposition and fusion,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, Hawaii, USA, 2017.7.21-2017.7.26.

    [7]X. Liu, et al., “Hydraplus-net: Attentive deep features for pedestrian analysis,” IEEE International Conference on Computer Vision (ICCV), Venice, Italy, 2017.10.22-2017.10.29.

    [8]Y. Sun, et al., “Beyond part models: Person retrieval with refined part pooling (and a strong convolutional baseline),” European Conference on Computer Vision (ECCV), Munich, Germany, 2018.9.8-2018.9.14.

    [9]L.Zhao,et al.,“Deeply-learned part-aligned representations for person re-identification,”IEEE International Conference on Computer Vision (ICCV),Venice,Italy,2017.10.22-2017.10.29.

    [10]L. He, et al., “Deep spatial feature reconstruction for partial person re-identification: Alignment-free approach,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Salt Lake City, Utah, 2018.6.18-2018.6.22.

    [11]X. Chang, et al., “Multi-level factorisation net for person re-identification,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Salt Lake City, Utah, 2018.6.18-2018.6.22.

    [12]M. Koestinger, et al., “Large scale metric learning from equivalence constraints,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Providence, Rhode Island, USA, 2012.6.16-2012.6.21.

    [13]S. Pedagadi, et al., “Local fisher discriminant analysis for pedestrian re-identification,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Portland, Oregon, USA, 2013.6.23-2013.6.28.

    [14]F. Xiong, M. Gou, O. Camps, M. Sznaier, “Person re-identification using kernel-based metric learning methods,” European conference on computer vision (ECCV), Zurich, Switzerland, 2014.9.6-2014.9.12.

    [15]S. Paisitkriangkrai, C. Shen, A. Hengel, “Learning to rank in person re-identification with metric ensembles,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Boston, Massachusetts, USA, 2015.6.7-2015.6.12.

    [16]Y. Yang, S. Liao, Z. Lei, S. Z. Li, “Large scale similarity learning using similar pairs for person verification,” AAAI Conference on Artificial Intelligence (AAAI), Phoenix, Arizona, USA, 2016.2.12-2016.2.17.

    [17]L. Hou, K. Han, W. G. Wan, J-N Hwang, H. Y. Yao, “Normalized Distance Aggregation of Discriminative Features for Person Re-identification,” Journal of Electronic Imaging, 2018, 27(2): 023006.

    [18]X. Yang, M. Wang, and D. Tao, “Person re-identification with metric learning using privileged information,” IEEE Transactions on Image Processing, 2018, 27(2),791-805.

    猜你喜歡
    深度學(xué)習(xí)
    從合坐走向合學(xué):淺議新學(xué)習(xí)模式的構(gòu)建
    面向大數(shù)據(jù)遠(yuǎn)程開放實(shí)驗(yàn)平臺(tái)構(gòu)建研究
    基于自動(dòng)智能分類器的圖書館亂架圖書檢測(cè)
    搭建深度學(xué)習(xí)的三級(jí)階梯
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識(shí)別研究
    利用網(wǎng)絡(luò)技術(shù)促進(jìn)學(xué)生深度學(xué)習(xí)的幾大策略
    考試周刊(2016年94期)2016-12-12 12:15:04
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    18+在线观看网站| 久久99热这里只频精品6学生| 午夜福利在线观看吧| 男女边吃奶边做爰视频| 日日啪夜夜撸| 亚洲欧美日韩东京热| 别揉我奶头 嗯啊视频| 狂野欧美激情性xxxx在线观看| 国产爱豆传媒在线观看| 国产 一区 欧美 日韩| 欧美成人a在线观看| 日韩国内少妇激情av| 国产淫语在线视频| 麻豆成人午夜福利视频| 精华霜和精华液先用哪个| 欧美日韩一区二区视频在线观看视频在线 | av一本久久久久| 国产91av在线免费观看| 91久久精品国产一区二区三区| 男女视频在线观看网站免费| 国产黄色免费在线视频| 欧美人与善性xxx| 中文在线观看免费www的网站| 色综合站精品国产| 婷婷色麻豆天堂久久| 不卡视频在线观看欧美| 亚洲国产精品国产精品| 欧美xxxx性猛交bbbb| 性插视频无遮挡在线免费观看| av免费观看日本| 午夜激情欧美在线| 少妇猛男粗大的猛烈进出视频 | 亚洲av成人精品一二三区| 久久久久久久久久久免费av| 麻豆精品久久久久久蜜桃| 精品欧美国产一区二区三| 精品午夜福利在线看| 男女下面进入的视频免费午夜| 亚洲激情五月婷婷啪啪| 欧美激情久久久久久爽电影| 伦理电影大哥的女人| 美女被艹到高潮喷水动态| 免费看av在线观看网站| 日日干狠狠操夜夜爽| 97超视频在线观看视频| 国内精品一区二区在线观看| 麻豆乱淫一区二区| 日本免费a在线| 亚洲最大成人av| 久久人人爽人人爽人人片va| 精品久久久久久电影网| 只有这里有精品99| 男人舔奶头视频| 麻豆久久精品国产亚洲av| 你懂的网址亚洲精品在线观看| 亚洲在久久综合| 午夜免费男女啪啪视频观看| 精品久久久噜噜| 亚洲在线观看片| 在线观看人妻少妇| 国产乱人偷精品视频| 中文字幕制服av| 亚洲精品成人av观看孕妇| 免费观看性生交大片5| 免费电影在线观看免费观看| 身体一侧抽搐| 久久精品国产亚洲av涩爱| 日韩视频在线欧美| 成人二区视频| 99久国产av精品国产电影| 亚洲国产精品成人综合色| 国产一区亚洲一区在线观看| 街头女战士在线观看网站| 亚洲av二区三区四区| 黄色欧美视频在线观看| 久久人人爽人人片av| 一二三四中文在线观看免费高清| 亚洲精品色激情综合| 少妇人妻一区二区三区视频| 精品一区二区三区人妻视频| 中文资源天堂在线| videos熟女内射| 麻豆精品久久久久久蜜桃| 免费不卡的大黄色大毛片视频在线观看 | 乱系列少妇在线播放| 听说在线观看完整版免费高清| 91aial.com中文字幕在线观看| 亚洲无线观看免费| 日韩一区二区三区影片| 国产高潮美女av| 熟妇人妻久久中文字幕3abv| 高清毛片免费看| 中国国产av一级| 少妇人妻一区二区三区视频| 色综合色国产| 美女被艹到高潮喷水动态| 晚上一个人看的免费电影| 免费看美女性在线毛片视频| 亚洲av成人精品一二三区| 我的老师免费观看完整版| 亚洲人成网站在线观看播放| 日本av手机在线免费观看| 人人妻人人澡人人爽人人夜夜 | 国产爱豆传媒在线观看| 熟妇人妻不卡中文字幕| 嘟嘟电影网在线观看| 亚洲国产最新在线播放| 久久人人爽人人爽人人片va| 成人毛片60女人毛片免费| 插阴视频在线观看视频| 97在线视频观看| 亚洲国产精品国产精品| a级毛色黄片| 毛片一级片免费看久久久久| 身体一侧抽搐| 国产爱豆传媒在线观看| 久久精品国产亚洲av涩爱| 91精品国产九色| 一区二区三区乱码不卡18| 九九久久精品国产亚洲av麻豆| 久久久久久久久久久丰满| 少妇猛男粗大的猛烈进出视频 | 精品久久久久久久久av| 肉色欧美久久久久久久蜜桃 | 亚洲国产精品专区欧美| 亚洲经典国产精华液单| 天堂网av新在线| 亚洲欧美中文字幕日韩二区| 国产男人的电影天堂91| 亚洲精品日韩av片在线观看| 国产有黄有色有爽视频| 人人妻人人澡人人爽人人夜夜 | 午夜精品一区二区三区免费看| 国产人妻一区二区三区在| 丰满少妇做爰视频| 一夜夜www| 午夜福利高清视频| 纵有疾风起免费观看全集完整版 | 能在线免费看毛片的网站| 在线观看美女被高潮喷水网站| 中文字幕av成人在线电影| 男女那种视频在线观看| 久久久久性生活片| 秋霞在线观看毛片| 日本一二三区视频观看| 天天躁日日操中文字幕| 丰满乱子伦码专区| 精品久久国产蜜桃| 少妇高潮的动态图| 丝瓜视频免费看黄片| 国国产精品蜜臀av免费| 床上黄色一级片| 中文精品一卡2卡3卡4更新| 国内揄拍国产精品人妻在线| 汤姆久久久久久久影院中文字幕 | 日韩av不卡免费在线播放| 国产永久视频网站| 人妻夜夜爽99麻豆av| 夜夜爽夜夜爽视频| 亚洲婷婷狠狠爱综合网| 3wmmmm亚洲av在线观看| 美女高潮的动态| 亚洲人与动物交配视频| 3wmmmm亚洲av在线观看| 国产精品不卡视频一区二区| 中文字幕人妻熟人妻熟丝袜美| 精品久久久精品久久久| 国语对白做爰xxxⅹ性视频网站| 亚洲婷婷狠狠爱综合网| 亚洲精品影视一区二区三区av| 亚洲国产精品成人综合色| 嫩草影院新地址| 亚洲18禁久久av| 国产成年人精品一区二区| 日本-黄色视频高清免费观看| 国产伦理片在线播放av一区| 国产精品不卡视频一区二区| 国产午夜精品一二区理论片| av在线亚洲专区| 少妇猛男粗大的猛烈进出视频 | 国产在线一区二区三区精| 99热6这里只有精品| 美女黄网站色视频| 日韩大片免费观看网站| 午夜激情久久久久久久| 日韩制服骚丝袜av| 精品一区二区免费观看| 美女黄网站色视频| 九色成人免费人妻av| 亚洲精品aⅴ在线观看| 国产黄片美女视频| 精品国产露脸久久av麻豆 | 欧美最新免费一区二区三区| 男人舔奶头视频| 日日啪夜夜撸| 日韩欧美精品v在线| 亚洲熟女精品中文字幕| 亚洲欧美日韩无卡精品| 成人毛片60女人毛片免费| 亚洲国产高清在线一区二区三| 波野结衣二区三区在线| 美女被艹到高潮喷水动态| 日韩一区二区视频免费看| 欧美xxxx性猛交bbbb| 久久久久性生活片| 国产精品久久久久久久久免| 午夜免费激情av| 亚洲精品日本国产第一区| 午夜福利视频1000在线观看| 亚洲精品国产av成人精品| 天美传媒精品一区二区| 日韩av在线大香蕉| 欧美日韩视频高清一区二区三区二| 亚洲精品中文字幕在线视频 | 肉色欧美久久久久久久蜜桃 | 国产老妇伦熟女老妇高清| 国产精品爽爽va在线观看网站| 亚洲精品国产成人久久av| 亚洲国产欧美人成| 亚洲色图av天堂| 免费无遮挡裸体视频| 国产精品一区二区在线观看99 | 波多野结衣巨乳人妻| 国产精品99久久久久久久久| 在线播放无遮挡| 精品少妇黑人巨大在线播放| 国产成人精品福利久久| 成人亚洲精品一区在线观看 | 高清毛片免费看| 又爽又黄无遮挡网站| 国产 一区 欧美 日韩| 久久久精品免费免费高清| 久久鲁丝午夜福利片| 国产免费福利视频在线观看| 中文天堂在线官网| 3wmmmm亚洲av在线观看| 成年版毛片免费区| 欧美97在线视频| 国产精品不卡视频一区二区| 国产探花极品一区二区| 国内精品一区二区在线观看| .国产精品久久| ponron亚洲| 免费高清在线观看视频在线观看| 亚洲精品日韩av片在线观看| 亚洲国产精品国产精品| 别揉我奶头 嗯啊视频| 久久这里有精品视频免费| 人妻制服诱惑在线中文字幕| 内射极品少妇av片p| 99久久九九国产精品国产免费| 亚洲最大成人中文| h日本视频在线播放| 熟女电影av网| 边亲边吃奶的免费视频| 精品人妻视频免费看| 国产 亚洲一区二区三区 | 少妇熟女欧美另类| 麻豆av噜噜一区二区三区| 女的被弄到高潮叫床怎么办| 午夜精品在线福利| 国产精品熟女久久久久浪| 深爱激情五月婷婷| 久久6这里有精品| 亚洲国产色片| 亚洲精品456在线播放app| 久久精品国产亚洲av天美| 国产单亲对白刺激| 午夜福利成人在线免费观看| 又黄又爽又刺激的免费视频.| 亚洲国产日韩欧美精品在线观看| 国产成人一区二区在线| 天堂网av新在线| 精品久久久久久久人妻蜜臀av| 免费看日本二区| 九九爱精品视频在线观看| 亚洲av成人精品一区久久| 波多野结衣巨乳人妻| 免费大片黄手机在线观看| av福利片在线观看| 身体一侧抽搐| 91aial.com中文字幕在线观看| 久久精品久久久久久噜噜老黄| 亚洲国产精品专区欧美| 一级毛片电影观看| 18禁在线播放成人免费| 男女视频在线观看网站免费| 一本一本综合久久| 天美传媒精品一区二区| 一级二级三级毛片免费看| 丝袜美腿在线中文| 亚洲最大成人av| 久久国产乱子免费精品| 美女大奶头视频| 国产成年人精品一区二区| 91久久精品国产一区二区三区| av在线天堂中文字幕| 免费观看的影片在线观看| 男人舔奶头视频| 亚洲欧美成人综合另类久久久| 丰满乱子伦码专区| 日本欧美国产在线视频| 欧美高清性xxxxhd video| 尾随美女入室| 大话2 男鬼变身卡| 99久久精品热视频| 观看美女的网站| 毛片女人毛片| a级毛色黄片| av在线老鸭窝| 国产欧美日韩精品一区二区| 成人一区二区视频在线观看| 国产一区二区三区综合在线观看 | 在线观看免费高清a一片| 亚洲欧美日韩卡通动漫| 欧美成人一区二区免费高清观看| 春色校园在线视频观看| 青青草视频在线视频观看| 欧美激情在线99| 乱系列少妇在线播放| 麻豆成人午夜福利视频| 晚上一个人看的免费电影| 2021少妇久久久久久久久久久| 99热这里只有是精品在线观看| 国产在视频线在精品| 国产午夜精品一二区理论片| 国产精品.久久久| 22中文网久久字幕| 亚洲av日韩在线播放| 伦精品一区二区三区| 寂寞人妻少妇视频99o| 男人舔奶头视频| 在现免费观看毛片| 国产成人a区在线观看| 亚洲真实伦在线观看| 男插女下体视频免费在线播放| 少妇猛男粗大的猛烈进出视频 | 丰满人妻一区二区三区视频av| 一区二区三区高清视频在线| 纵有疾风起免费观看全集完整版 | 七月丁香在线播放| 好男人视频免费观看在线| 欧美日韩综合久久久久久| 成人亚洲精品av一区二区| 亚洲四区av| 国产精品av视频在线免费观看| 菩萨蛮人人尽说江南好唐韦庄| 日韩欧美 国产精品| 永久网站在线| 亚洲第一区二区三区不卡| 色网站视频免费| 国产成人freesex在线| 欧美日本视频| 国产成人freesex在线| 天天一区二区日本电影三级| 国产男女超爽视频在线观看| 欧美+日韩+精品| 国产午夜精品论理片| h日本视频在线播放| 亚洲在久久综合| 精品少妇黑人巨大在线播放| 免费大片黄手机在线观看| 尾随美女入室| 欧美日本视频| 老司机影院毛片| 亚洲精品日韩av片在线观看| 一区二区三区四区激情视频| 欧美激情在线99| 禁无遮挡网站| 麻豆av噜噜一区二区三区| 能在线免费观看的黄片| 亚洲精品中文字幕在线视频 | 久久久久久九九精品二区国产| 亚洲精品亚洲一区二区| 草草在线视频免费看| 狂野欧美激情性xxxx在线观看| 欧美成人a在线观看| 亚洲精品日本国产第一区| 亚洲精品成人av观看孕妇| 久久久久久久久中文| av在线观看视频网站免费| 激情 狠狠 欧美| 韩国高清视频一区二区三区| 天堂av国产一区二区熟女人妻| 麻豆久久精品国产亚洲av| 亚洲欧美一区二区三区国产| 亚洲精品国产av蜜桃| 国产精品一区二区三区四区免费观看| 亚洲色图av天堂| av在线蜜桃| 国产精品爽爽va在线观看网站| 久久精品国产亚洲网站| 一级毛片aaaaaa免费看小| 一个人看的www免费观看视频| 黄片无遮挡物在线观看| 亚洲av一区综合| 亚洲高清免费不卡视频| 国产精品久久久久久久久免| 亚洲精品乱码久久久v下载方式| 日本三级黄在线观看| 天堂影院成人在线观看| 国产在线男女| 成人毛片60女人毛片免费| 亚洲综合色惰| 国产黄色小视频在线观看| 国产在视频线精品| 日本一本二区三区精品| 如何舔出高潮| 精品酒店卫生间| 中文精品一卡2卡3卡4更新| 免费黄网站久久成人精品| 少妇高潮的动态图| 久久6这里有精品| 国产在线男女| 汤姆久久久久久久影院中文字幕 | 晚上一个人看的免费电影| 波野结衣二区三区在线| 18禁裸乳无遮挡免费网站照片| 中国美白少妇内射xxxbb| 国产精品人妻久久久影院| 一级a做视频免费观看| 欧美xxxx性猛交bbbb| 最近2019中文字幕mv第一页| 你懂的网址亚洲精品在线观看| 日韩精品青青久久久久久| 国产精品嫩草影院av在线观看| h日本视频在线播放| 综合色丁香网| 成人亚洲精品av一区二区| 亚洲无线观看免费| 黄片无遮挡物在线观看| 精品久久久久久久久av| 午夜福利成人在线免费观看| 亚洲av日韩在线播放| 国产精品女同一区二区软件| 欧美一级a爱片免费观看看| 高清视频免费观看一区二区 | 九色成人免费人妻av| 国产综合懂色| eeuss影院久久| 五月天丁香电影| 成人一区二区视频在线观看| 99久久九九国产精品国产免费| 美女脱内裤让男人舔精品视频| 国产精品av视频在线免费观看| 欧美zozozo另类| 十八禁国产超污无遮挡网站| 久久精品国产自在天天线| 男插女下体视频免费在线播放| 在线免费观看不下载黄p国产| 久久鲁丝午夜福利片| 高清av免费在线| 内地一区二区视频在线| 久久久久久九九精品二区国产| 春色校园在线视频观看| 国产成人freesex在线| 免费黄网站久久成人精品| 大陆偷拍与自拍| 91在线精品国自产拍蜜月| 欧美一级a爱片免费观看看| 七月丁香在线播放| 国产亚洲一区二区精品| 日韩欧美精品v在线| 日韩 亚洲 欧美在线| 女人久久www免费人成看片| 两个人视频免费观看高清| 色5月婷婷丁香| 久久精品综合一区二区三区| 中文字幕av在线有码专区| 久久久久久久久大av| 亚洲国产成人一精品久久久| 国产精品99久久久久久久久| 精品久久国产蜜桃| 99久久精品一区二区三区| 99re6热这里在线精品视频| 欧美激情在线99| 特级一级黄色大片| 91精品伊人久久大香线蕉| 国产一区二区三区综合在线观看 | 麻豆久久精品国产亚洲av| 亚洲精品国产av成人精品| 国产永久视频网站| 大香蕉97超碰在线| 内射极品少妇av片p| 国产黄色小视频在线观看| 国产成人精品一,二区| 久久精品综合一区二区三区| 国产在线男女| 久久久久久久午夜电影| 在线播放无遮挡| 一夜夜www| 日韩成人伦理影院| 午夜福利视频精品| 久久久久久久久久久免费av| 在线观看免费高清a一片| 大香蕉久久网| 国产成人精品婷婷| 国产色婷婷99| 欧美另类一区| 尾随美女入室| 亚洲一级一片aⅴ在线观看| 欧美成人午夜免费资源| 亚洲,欧美,日韩| 亚洲熟妇中文字幕五十中出| 国产成人a∨麻豆精品| .国产精品久久| videossex国产| 少妇高潮的动态图| videossex国产| av在线老鸭窝| 欧美精品国产亚洲| 中文字幕久久专区| 日韩av免费高清视频| 精品一区二区三卡| 国产欧美另类精品又又久久亚洲欧美| 在线观看人妻少妇| 久久久久久久久大av| 直男gayav资源| 看非洲黑人一级黄片| 狂野欧美白嫩少妇大欣赏| 日韩av不卡免费在线播放| 亚洲一区高清亚洲精品| 五月伊人婷婷丁香| 成人亚洲精品av一区二区| 亚洲av福利一区| 国产淫语在线视频| 一级毛片电影观看| 欧美不卡视频在线免费观看| 六月丁香七月| 国产精品久久久久久久电影| 久久久精品94久久精品| 亚洲国产精品成人久久小说| 成人亚洲欧美一区二区av| 国产伦精品一区二区三区视频9| 国产视频内射| 亚洲精品亚洲一区二区| 久久人人爽人人片av| 伦理电影大哥的女人| 国产高清有码在线观看视频| av天堂中文字幕网| 午夜福利视频1000在线观看| 成年版毛片免费区| 国产精品一区www在线观看| 亚洲精品自拍成人| 麻豆精品久久久久久蜜桃| 亚洲综合色惰| 真实男女啪啪啪动态图| 日韩精品有码人妻一区| 中文字幕久久专区| 国产不卡一卡二| 久久久久久久国产电影| 日韩精品有码人妻一区| 亚洲国产成人一精品久久久| 亚洲自偷自拍三级| 高清在线视频一区二区三区| 精华霜和精华液先用哪个| 久久人人爽人人片av| 日产精品乱码卡一卡2卡三| 人妻少妇偷人精品九色| 中文欧美无线码| 亚洲成人久久爱视频| 九九在线视频观看精品| 18禁在线无遮挡免费观看视频| 秋霞伦理黄片| 亚洲av男天堂| av卡一久久| 夫妻性生交免费视频一级片| 午夜老司机福利剧场| 一级毛片aaaaaa免费看小| 国国产精品蜜臀av免费| 亚洲av.av天堂| 尤物成人国产欧美一区二区三区| 国产一区二区在线观看日韩| 成年av动漫网址| 国产精品av视频在线免费观看| av线在线观看网站| 丰满人妻一区二区三区视频av| 亚洲在线自拍视频| 在线观看av片永久免费下载| 少妇的逼好多水| 亚洲av不卡在线观看| 91av网一区二区| 嘟嘟电影网在线观看| 黄色日韩在线| 亚洲国产最新在线播放| 亚洲欧美一区二区三区黑人 | 免费在线观看成人毛片| 成人美女网站在线观看视频| 三级男女做爰猛烈吃奶摸视频| 少妇猛男粗大的猛烈进出视频 | 一个人看的www免费观看视频| 男女视频在线观看网站免费| 在线天堂最新版资源| 男人爽女人下面视频在线观看| 天天躁夜夜躁狠狠久久av| 性色avwww在线观看| 国产午夜福利久久久久久| 精品一区二区三区视频在线| 久久久久久九九精品二区国产| 亚洲美女搞黄在线观看| 日韩欧美一区视频在线观看 | 亚洲成人中文字幕在线播放| 亚洲av在线观看美女高潮| 亚洲最大成人av| 九九在线视频观看精品| 成人av在线播放网站| 亚洲国产av新网站| 亚洲欧美成人精品一区二区| 国精品久久久久久国模美| 日韩人妻高清精品专区| 中文字幕人妻熟人妻熟丝袜美| 国产一区二区在线观看日韩| 国产伦精品一区二区三区四那| 精品久久久久久久末码| 亚洲真实伦在线观看|