• <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)。∑S=■∑■(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
    成年版毛片免费区| 亚洲人成电影观看| 国产成人免费观看mmmm| 脱女人内裤的视频| 国产99白浆流出| 国产高清激情床上av| 亚洲精品美女久久av网站| 在线观看免费视频网站a站| 亚洲精品自拍成人| 大陆偷拍与自拍| 久久久水蜜桃国产精品网| www.999成人在线观看| 亚洲av成人av| 美女高潮到喷水免费观看| 一个人免费在线观看的高清视频| 日韩欧美免费精品| av超薄肉色丝袜交足视频| 久久精品亚洲av国产电影网| 男人操女人黄网站| 国产成人av教育| 精品欧美一区二区三区在线| 国产高清videossex| 亚洲午夜精品一区,二区,三区| 亚洲国产毛片av蜜桃av| 夜夜爽天天搞| 色综合欧美亚洲国产小说| 香蕉久久夜色| av在线播放免费不卡| 亚洲av成人av| 91精品国产国语对白视频| 国产99久久九九免费精品| 欧美人与性动交α欧美软件| 欧美人与性动交α欧美软件| 亚洲自偷自拍图片 自拍| 亚洲精品一卡2卡三卡4卡5卡| 免费一级毛片在线播放高清视频 | 国产精品亚洲一级av第二区| 亚洲精品中文字幕在线视频| 人人妻,人人澡人人爽秒播| 国产在线观看jvid| 欧美午夜高清在线| videosex国产| 国产成人精品久久二区二区91| 国产精品偷伦视频观看了| 日韩有码中文字幕| 18禁裸乳无遮挡动漫免费视频| 免费av中文字幕在线| 日日摸夜夜添夜夜添小说| 老司机靠b影院| 1024香蕉在线观看| 高清毛片免费观看视频网站 | 一级毛片女人18水好多| 飞空精品影院首页| 视频区欧美日本亚洲| 99久久国产精品久久久| 免费在线观看视频国产中文字幕亚洲| 精品视频人人做人人爽| 欧美日韩成人在线一区二区| 久久久久久久久免费视频了| 每晚都被弄得嗷嗷叫到高潮| 午夜福利在线免费观看网站| 欧美黄色淫秽网站| 亚洲自偷自拍图片 自拍| 在线观看一区二区三区激情| 亚洲精华国产精华精| 熟女少妇亚洲综合色aaa.| 亚洲国产精品合色在线| 人妻 亚洲 视频| 国产精品 国内视频| 夫妻午夜视频| 亚洲熟女毛片儿| 精品乱码久久久久久99久播| 18禁黄网站禁片午夜丰满| 男男h啪啪无遮挡| 丝瓜视频免费看黄片| 午夜福利在线免费观看网站| 亚洲精品国产一区二区精华液| 欧美日韩精品网址| 亚洲久久久国产精品| 后天国语完整版免费观看| 人妻丰满熟妇av一区二区三区 | 啪啪无遮挡十八禁网站| 黄色丝袜av网址大全| 黑人巨大精品欧美一区二区mp4| 丰满的人妻完整版| 中文欧美无线码| av国产精品久久久久影院| 飞空精品影院首页| 久久久久久久午夜电影 | 国产1区2区3区精品| 亚洲 国产 在线| 精品国产一区二区三区久久久樱花| 亚洲免费av在线视频| 老司机深夜福利视频在线观看| 亚洲国产精品sss在线观看 | 性少妇av在线| 国产精品1区2区在线观看. | 中文字幕最新亚洲高清| 日韩免费av在线播放| 色94色欧美一区二区| 国产亚洲欧美98| 亚洲自偷自拍图片 自拍| 国产不卡一卡二| 亚洲一区二区三区欧美精品| 日日摸夜夜添夜夜添小说| 在线观看www视频免费| 久久国产乱子伦精品免费另类| 国产精品香港三级国产av潘金莲| 啦啦啦 在线观看视频| 日本精品一区二区三区蜜桃| 人人妻人人爽人人添夜夜欢视频| 国产亚洲精品久久久久5区| 母亲3免费完整高清在线观看| 亚洲熟女精品中文字幕| 18禁裸乳无遮挡动漫免费视频| 美女扒开内裤让男人捅视频| 在线观看免费高清a一片| 97人妻天天添夜夜摸| 大型黄色视频在线免费观看| 午夜福利乱码中文字幕| 美女高潮到喷水免费观看| а√天堂www在线а√下载 | 精品亚洲成a人片在线观看| 久久亚洲精品不卡| 国产一卡二卡三卡精品| 日本a在线网址| 法律面前人人平等表现在哪些方面| 欧美精品亚洲一区二区| 国产精品二区激情视频| 久久久精品国产亚洲av高清涩受| 久久久久国产精品人妻aⅴ院 | 91精品国产国语对白视频| 精品亚洲成a人片在线观看| 亚洲aⅴ乱码一区二区在线播放 | 丰满饥渴人妻一区二区三| 国产精品二区激情视频| 大码成人一级视频| 12—13女人毛片做爰片一| 国产成人精品在线电影| 久久ye,这里只有精品| 丝袜在线中文字幕| 亚洲av日韩在线播放| 欧美中文综合在线视频| 少妇粗大呻吟视频| 亚洲精品国产精品久久久不卡| 极品人妻少妇av视频| 欧美 亚洲 国产 日韩一| 国产主播在线观看一区二区| 美女 人体艺术 gogo| 欧美精品啪啪一区二区三区| 国产午夜精品久久久久久| 亚洲五月婷婷丁香| 超碰成人久久| 日韩三级视频一区二区三区| 狂野欧美激情性xxxx| 亚洲专区国产一区二区| 黄色视频,在线免费观看| 大码成人一级视频| 三上悠亚av全集在线观看| 天天添夜夜摸| 久久人人爽av亚洲精品天堂| 啦啦啦免费观看视频1| 丝袜人妻中文字幕| 久久精品亚洲精品国产色婷小说| 99re6热这里在线精品视频| 精品无人区乱码1区二区| 欧美精品啪啪一区二区三区| 久久香蕉国产精品| 夫妻午夜视频| 午夜影院日韩av| 久久天躁狠狠躁夜夜2o2o| xxxhd国产人妻xxx| 午夜福利欧美成人| 欧美日韩一级在线毛片| 老司机深夜福利视频在线观看| 一区二区日韩欧美中文字幕| 别揉我奶头~嗯~啊~动态视频| 日韩免费高清中文字幕av| 他把我摸到了高潮在线观看| 国产成人欧美在线观看 | 日本wwww免费看| 老司机亚洲免费影院| a级片在线免费高清观看视频| 国产欧美日韩综合在线一区二区| 成年人午夜在线观看视频| 高清视频免费观看一区二区| 大片电影免费在线观看免费| 日韩制服丝袜自拍偷拍| 亚洲一码二码三码区别大吗| 美女福利国产在线| 亚洲第一青青草原| 国产亚洲欧美在线一区二区| 黑人猛操日本美女一级片| 国产成人欧美| av超薄肉色丝袜交足视频| 国精品久久久久久国模美| 搡老岳熟女国产| 大香蕉久久成人网| 在线观看舔阴道视频| 80岁老熟妇乱子伦牲交| 精品国产一区二区久久| 一区二区三区激情视频| 狠狠狠狠99中文字幕| 人人澡人人妻人| 午夜影院日韩av| 大香蕉久久成人网| 欧美日韩av久久| 五月开心婷婷网| 国产精品久久电影中文字幕 | 久久精品亚洲av国产电影网| 亚洲国产精品合色在线| 国产精品九九99| 老司机福利观看| 老汉色∧v一级毛片| 亚洲国产精品一区二区三区在线| 看黄色毛片网站| 他把我摸到了高潮在线观看| 99久久精品国产亚洲精品| 久热爱精品视频在线9| 亚洲人成77777在线视频| av网站在线播放免费| 黄色 视频免费看| 高清黄色对白视频在线免费看| 免费在线观看日本一区| 午夜免费观看网址| 中文字幕色久视频| 久久婷婷成人综合色麻豆| 黄频高清免费视频| 99国产精品99久久久久| 亚洲av成人av| 成熟少妇高潮喷水视频| av线在线观看网站| 如日韩欧美国产精品一区二区三区| 国产成人精品久久二区二区免费| 国产不卡av网站在线观看| aaaaa片日本免费| 丰满饥渴人妻一区二区三| 亚洲av第一区精品v没综合| 亚洲色图综合在线观看| 欧美黄色片欧美黄色片| 午夜成年电影在线免费观看| 国产在线观看jvid| 99热网站在线观看| 男人舔女人的私密视频| 欧美日韩视频精品一区| 又紧又爽又黄一区二区| 狠狠狠狠99中文字幕| 中文字幕av电影在线播放| 久久久精品免费免费高清| av片东京热男人的天堂| 精品电影一区二区在线| 国产精品成人在线| 美女国产高潮福利片在线看| 国内毛片毛片毛片毛片毛片| 看片在线看免费视频| 热99久久久久精品小说推荐| 国产单亲对白刺激| 国产男靠女视频免费网站| 欧美乱妇无乱码| 欧美精品啪啪一区二区三区| 久久精品国产清高在天天线| 久久性视频一级片| 亚洲 欧美一区二区三区| 美女视频免费永久观看网站| 亚洲熟妇熟女久久| 后天国语完整版免费观看| 黄色怎么调成土黄色| 老司机靠b影院| 国产三级黄色录像| 国产成人一区二区三区免费视频网站| 搡老熟女国产l中国老女人| 这个男人来自地球电影免费观看| 夫妻午夜视频| 久久国产精品影院| 亚洲成人国产一区在线观看| 男人的好看免费观看在线视频 | 极品人妻少妇av视频| 不卡一级毛片| 青草久久国产| 亚洲三区欧美一区| 久久精品成人免费网站| 一二三四在线观看免费中文在| 亚洲av电影在线进入| 人妻丰满熟妇av一区二区三区 | 大码成人一级视频| 精品久久久久久,| 国产精品美女特级片免费视频播放器 | 亚洲精品乱久久久久久| videos熟女内射| 欧美人与性动交α欧美精品济南到| 亚洲欧美日韩另类电影网站| 交换朋友夫妻互换小说| 两性午夜刺激爽爽歪歪视频在线观看 | 最近最新中文字幕大全免费视频| 亚洲专区字幕在线| 国产免费现黄频在线看| 国产成人免费无遮挡视频| 人人妻人人爽人人添夜夜欢视频| 色尼玛亚洲综合影院| 久久久国产欧美日韩av| 亚洲欧美激情综合另类| www.自偷自拍.com| 人人妻人人澡人人看| 欧美亚洲日本最大视频资源| tocl精华| 超碰97精品在线观看| 又大又爽又粗| 又紧又爽又黄一区二区| 在线观看午夜福利视频| 国产亚洲av高清不卡| 国产成人精品久久二区二区91| 香蕉久久夜色| 少妇裸体淫交视频免费看高清 | 欧美日韩精品网址| 母亲3免费完整高清在线观看| 免费在线观看视频国产中文字幕亚洲| 狠狠婷婷综合久久久久久88av| 精品卡一卡二卡四卡免费| 久久香蕉国产精品| 亚洲精品av麻豆狂野| 欧美黑人欧美精品刺激| 中文字幕最新亚洲高清| a级片在线免费高清观看视频| svipshipincom国产片| 日韩欧美国产一区二区入口| a级毛片在线看网站| 久久 成人 亚洲| 亚洲 国产 在线| 国产三级黄色录像| 狂野欧美激情性xxxx| 侵犯人妻中文字幕一二三四区| 十八禁网站免费在线| 十分钟在线观看高清视频www| 国产精品一区二区精品视频观看| 黄色视频不卡| 亚洲avbb在线观看| 亚洲精品国产区一区二| 欧美日韩乱码在线| 亚洲精品国产色婷婷电影| 男人舔女人的私密视频| 久久久久久久久久久久大奶| 国产精品电影一区二区三区 | 国产精品亚洲av一区麻豆| 亚洲专区国产一区二区| 90打野战视频偷拍视频| 国产高清videossex| 亚洲片人在线观看| 色尼玛亚洲综合影院| 在线观看免费视频网站a站| 色综合欧美亚洲国产小说| 国产精品久久久av美女十八| 成人三级做爰电影| 一a级毛片在线观看| 人妻久久中文字幕网| 国产精品久久久av美女十八| 校园春色视频在线观看| 在线观看免费视频网站a站| 久久久国产一区二区| 天天影视国产精品| 狂野欧美激情性xxxx| 极品少妇高潮喷水抽搐| 18禁裸乳无遮挡动漫免费视频| 久久久国产欧美日韩av| 成人三级做爰电影| 国产蜜桃级精品一区二区三区 | 19禁男女啪啪无遮挡网站| 看免费av毛片| 91成年电影在线观看| 亚洲成人手机| 黄色视频,在线免费观看| 亚洲欧美一区二区三区久久| 男女之事视频高清在线观看| 老司机亚洲免费影院| 久久99一区二区三区| 在线十欧美十亚洲十日本专区| а√天堂www在线а√下载 | 欧美日韩福利视频一区二区| 丝瓜视频免费看黄片| 久久这里只有精品19| 亚洲伊人色综图| aaaaa片日本免费| 极品少妇高潮喷水抽搐| 91麻豆av在线| 国产免费av片在线观看野外av| www.熟女人妻精品国产| 99精品欧美一区二区三区四区| 久久人人爽av亚洲精品天堂| 亚洲精品国产精品久久久不卡| 99国产精品99久久久久| 香蕉丝袜av| 99国产精品一区二区三区| 日本a在线网址| 美女国产高潮福利片在线看| 丝袜人妻中文字幕| 亚洲精品中文字幕在线视频| 午夜老司机福利片| 在线视频色国产色| 欧美日韩亚洲国产一区二区在线观看 | 高清黄色对白视频在线免费看| a级毛片黄视频| 中亚洲国语对白在线视频| 国产亚洲av高清不卡| 久久精品亚洲av国产电影网| ponron亚洲| 国产精品秋霞免费鲁丝片| 丝瓜视频免费看黄片| e午夜精品久久久久久久| tube8黄色片| 老司机福利观看| 两个人免费观看高清视频| 欧美大码av| 一二三四社区在线视频社区8| 看片在线看免费视频| 国产精品自产拍在线观看55亚洲 | 久久精品成人免费网站| 国产成人欧美| 亚洲成a人片在线一区二区| 91成人精品电影| 成熟少妇高潮喷水视频| 91麻豆精品激情在线观看国产 | 国产精品久久久久久精品古装| av福利片在线| 精品久久久久久,| 欧美另类亚洲清纯唯美| 免费在线观看完整版高清| 脱女人内裤的视频| 久久中文字幕人妻熟女| 美女国产高潮福利片在线看| 国产精品偷伦视频观看了| 少妇粗大呻吟视频| 在线av久久热| 日韩欧美一区二区三区在线观看 | 在线观看免费视频网站a站| 国产高清国产精品国产三级| 国产欧美日韩精品亚洲av| 一级毛片高清免费大全| 精品免费久久久久久久清纯 | bbb黄色大片| 精品亚洲成国产av| 久久久久视频综合| 久久精品国产清高在天天线| 一级毛片精品| 精品免费久久久久久久清纯 | 亚洲精品美女久久久久99蜜臀| 亚洲精品久久午夜乱码| 99国产综合亚洲精品| 热99国产精品久久久久久7| 亚洲国产欧美一区二区综合| 美女视频免费永久观看网站| 两人在一起打扑克的视频| 欧美精品高潮呻吟av久久| 黑人猛操日本美女一级片| 欧美黑人欧美精品刺激| 在线观看舔阴道视频| 69av精品久久久久久| 亚洲熟女毛片儿| 女警被强在线播放| 国产又爽黄色视频| 黑人欧美特级aaaaaa片| 久久国产精品大桥未久av| 亚洲国产精品合色在线| 久久九九热精品免费| 久久久久久久国产电影| 国产区一区二久久| 丰满的人妻完整版| 看片在线看免费视频| 天堂中文最新版在线下载| 欧美精品亚洲一区二区| 中文字幕人妻熟女乱码| 天天躁狠狠躁夜夜躁狠狠躁| 在线播放国产精品三级| 亚洲精品国产精品久久久不卡| 欧美乱色亚洲激情| 国产黄色免费在线视频| 欧美+亚洲+日韩+国产| 18禁裸乳无遮挡动漫免费视频| 国产蜜桃级精品一区二区三区 | 亚洲精品中文字幕一二三四区| 一边摸一边做爽爽视频免费| 国产成人一区二区三区免费视频网站| 日韩 欧美 亚洲 中文字幕| 9色porny在线观看| 国产精品av久久久久免费| 一边摸一边抽搐一进一出视频| 久久精品亚洲av国产电影网| 国产日韩欧美亚洲二区| av一本久久久久| 黄色视频不卡| 色老头精品视频在线观看| 久久性视频一级片| 村上凉子中文字幕在线| 在线播放国产精品三级| 久久久国产精品麻豆| 激情在线观看视频在线高清 | 欧美av亚洲av综合av国产av| 成人18禁高潮啪啪吃奶动态图| 91成年电影在线观看| 老司机在亚洲福利影院| av福利片在线| 国产精品香港三级国产av潘金莲| 久久青草综合色| 午夜亚洲福利在线播放| 在线观看www视频免费| 国产成人免费观看mmmm| 亚洲视频免费观看视频| 精品高清国产在线一区| a级毛片在线看网站| 日韩免费av在线播放| 成熟少妇高潮喷水视频| 久久久水蜜桃国产精品网| 老司机亚洲免费影院| 制服诱惑二区| 巨乳人妻的诱惑在线观看| 精品一区二区三区av网在线观看| 欧美日韩乱码在线| 欧美日韩黄片免| 亚洲成国产人片在线观看| 在线免费观看的www视频| 天天躁日日躁夜夜躁夜夜| 免费看十八禁软件| 亚洲全国av大片| 美女扒开内裤让男人捅视频| 国产一区二区激情短视频| a级毛片黄视频| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩 欧美 亚洲 中文字幕| 久久青草综合色| 久久99一区二区三区| 免费在线观看影片大全网站| 成熟少妇高潮喷水视频| 岛国毛片在线播放| 一边摸一边抽搐一进一出视频| 久久香蕉激情| 午夜福利乱码中文字幕| 中文字幕高清在线视频| 久久久久国内视频| 久久精品国产a三级三级三级| 黄色丝袜av网址大全| 老司机影院毛片| 国产精品亚洲一级av第二区| 久久久久久亚洲精品国产蜜桃av| 人妻一区二区av| 无限看片的www在线观看| 成人手机av| 搡老岳熟女国产| 脱女人内裤的视频| 黄频高清免费视频| 欧美日韩av久久| 久久九九热精品免费| 国产高清视频在线播放一区| 一级作爱视频免费观看| 天天躁夜夜躁狠狠躁躁| 久久这里只有精品19| 色在线成人网| 校园春色视频在线观看| 久久中文看片网| 亚洲 欧美一区二区三区| 天天添夜夜摸| 一边摸一边抽搐一进一出视频| 最新的欧美精品一区二区| 丝袜在线中文字幕| 精品国产一区二区久久| 丝瓜视频免费看黄片| 午夜老司机福利片| 婷婷成人精品国产| 两性夫妻黄色片| 国产精品久久久久久精品古装| 别揉我奶头~嗯~啊~动态视频| 中文字幕制服av| 日本撒尿小便嘘嘘汇集6| 国产成人系列免费观看| 午夜成年电影在线免费观看| 精品乱码久久久久久99久播| 国产激情欧美一区二区| 国产男女超爽视频在线观看| 亚洲专区字幕在线| 国产成人影院久久av| 久久久久久久国产电影| 国产亚洲欧美98| 精品一品国产午夜福利视频| av天堂久久9| 啦啦啦 在线观看视频| 好看av亚洲va欧美ⅴa在| 免费人成视频x8x8入口观看| 成人特级黄色片久久久久久久| 欧美日韩福利视频一区二区| videos熟女内射| 多毛熟女@视频| 欧美黑人欧美精品刺激| 亚洲成人手机| 午夜福利在线观看吧| 无遮挡黄片免费观看| 99精品在免费线老司机午夜| 亚洲精品自拍成人| 欧美精品高潮呻吟av久久| 免费一级毛片在线播放高清视频 | 日本a在线网址| 韩国精品一区二区三区| 精品第一国产精品| 交换朋友夫妻互换小说| 女人高潮潮喷娇喘18禁视频| 怎么达到女性高潮| 久久精品91无色码中文字幕| 国产亚洲精品第一综合不卡| 国产精品电影一区二区三区 | 一二三四在线观看免费中文在| 男人操女人黄网站| 女人被躁到高潮嗷嗷叫费观| 亚洲一区高清亚洲精品| 一进一出好大好爽视频| 一级毛片女人18水好多| 亚洲九九香蕉| 老熟妇乱子伦视频在线观看| 制服诱惑二区| 国产一区有黄有色的免费视频|