• <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 ?

    基于特征融合的復(fù)雜場景多目標(biāo)跟蹤算法研究

    2020-06-19 08:45王志余
    軟件導(dǎo)刊 2020年4期
    關(guān)鍵詞:特征融合目標(biāo)跟蹤機器視覺

    摘要:在復(fù)雜地物類型背景條件下,多目標(biāo)跟蹤算法通常表現(xiàn)出目標(biāo)識別與跟蹤能力較差問題,特別在被其它地物遮擋后目標(biāo)跟蹤丟失更嚴(yán)重。提出一種改進的基于多源特征提取與特征融合的多目標(biāo)跟蹤算法。為提高目標(biāo)在復(fù)雜背景下的空間分辨力,充分利用對異類物體判別能力較強的高層特征和針對同類不同物體判別能力較強的淺層特征,提高復(fù)雜背景下地物目標(biāo)的識別能力。同時,為了解決物體被遮擋后導(dǎo)致跟蹤算法丟失目標(biāo)問題,利用濾波器獲得追蹤目標(biāo)的空間尺度大小,提高跟蹤算法的準(zhǔn)確性與可靠性。實驗表明,多目標(biāo)跟蹤算法識別目標(biāo)的準(zhǔn)確性可達87.5%,誤差在±2.31%左右,具有良好的尺度估計效果。

    關(guān)鍵詞:機器視覺;特征融合;目標(biāo)跟蹤;尺度估計;運動檢測

    DOI: 10. 11907/rjdk.191604

    開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):

    中圖分類號:TP312

    文獻標(biāo)識碼:A

    文章編號:1672-7800( 2020)004-0046-04

    Research on Multi-target Tracking Algorithm for Complex Background

    Based on Feature Fusion

    WANG Zhi-yu1.2

    (l.College of Computer Science arzd Engineering , .Sh.andong Univer.sity of Scie,zce and Tech.nology ,

    Qingda0 2665 90 , Ch.ina ;

    2. Huangrlao District Ch.inese Medicine. Hospital, Qingda0 266500 . Clzina )

    Abstract: In the context of conlplex object types, multi-target tracking algorithrus usually show poor target recognition and targettracking ability, especially after being occluded by other objects, u-hich will lead to the loss of tracking sef targets. A multi-fargettracking algorithm for rnulti-source feature extraction and feature fusion is proposed in order to improve the spatial resolving power of'neural networks. iuake f'ull use of' different depth f'eatures and high-level f'eatures that have strong discriminative ability for heteroge-neous objects and discriminate against different objects of the same kind. Strong shallow features and multi-source fusion for featuresare fully used to improve the recognition of ground objects. At the same time. in order to solve the problem that the tracking algorithmloses the target after the object is occluded. the scale filter is used to calculate the spatial scale of the target, and the performance ofthe iuulti-target tracking algorithm is improved. Field experiments show, that multi-target tracking algorithm can achieve target accura-cy of 87.5% , error rate is +2.31% . and the algorithm has good scale estimation effect.Key Words : machine vision ; feature fusion ; target tracking; scale estimation ;motion detection

    O 引言

    深度卷積神經(jīng)網(wǎng)絡(luò)可以提取并表達目標(biāo)的深層特征,被廣泛用于提高目標(biāo)追蹤算法的準(zhǔn)確性,適用于運動目標(biāo)軌跡不斷變化情況。但卷積預(yù)算過程中大量的矩陣操作導(dǎo)致計算量較大,影響多目標(biāo)追蹤的時效性,為此學(xué)者進行了相關(guān)研究。如周奇等…利用多特征進行輪船運動目標(biāo)的跟蹤和軌跡獲取;李寧寧等[2]利用基于中心對比的卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)特定目標(biāo)的跟蹤算法;馮樂樂等[3]基于連續(xù)幀神經(jīng)網(wǎng)絡(luò)實現(xiàn)行人的白動檢測。這些算法都有效利用了卷積神經(jīng)網(wǎng)絡(luò)強大的多尺度特征表達能力,但神經(jīng)網(wǎng)絡(luò)高層卷積層輸出特征尺寸較小,使用高層特征進行目標(biāo)跟蹤時受各種外界因素的影響[5-6]較大,難以達到理想效為解決此問題,通過局部裁剪方式。[7]計算前一幀圖像的預(yù)測結(jié)果作為當(dāng)前幀的中心,根據(jù)濾波框架位置裁剪出一塊略大于目標(biāo)尺寸的局部區(qū)域,通過圖像采樣處理,輸入到卷積神經(jīng)網(wǎng)絡(luò)。利用基于紋理和空間信息的多特征融合算法,通過目標(biāo)的多尺度高層特征提高目標(biāo)識別的準(zhǔn)確性。

    針對復(fù)雜場景圖像局部裁剪引起的運動目標(biāo)跟蹤丟失等問題。[8-9],本文提出一種改進的基于深度卷積特征融合的多目標(biāo)跟蹤算法,利用多尺度融合特征提高目標(biāo)的空間分辨能力和目標(biāo)識別能力。

    1 算法流程及步驟

    傳統(tǒng)的目標(biāo)檢測和跟蹤算法普遍利用梯度“0。、紋理llll和邊緣[12]等特征,在分離圖像前景和背景基礎(chǔ)上,采用特定模型在待檢測圖像中進行特征匹配。但是,這類方法通常實現(xiàn)起來比較復(fù)雜[13-14],并且容易受到外界環(huán)境因素和目標(biāo)自身形態(tài)變化的影響。在場景不受限制的條件下,人T設(shè)計的特征較難適應(yīng)各種動態(tài)變化[15];在實際應(yīng)用場景下,由于背景的復(fù)雜性和多樣性,造成運動目標(biāo)檢測效果不佳。

    本文針對復(fù)雜背景下多目標(biāo)跟蹤問題,利用深度卷積模型VGG19,采用濾波器提取目標(biāo)區(qū)域的多層次深度卷積特征,設(shè)計了改進的多目標(biāo)跟蹤算法,主要包含目標(biāo)定位、目標(biāo)尺度計算和模型更新。本文提出的目標(biāo)跟蹤算法框架如圖1所示。

    1.1 定位階段

    1.1.1 局部檢測模型

    利用裁剪的目標(biāo)局部區(qū)域,對多尺度目標(biāo)圖像的深層特征進行特征提取和特征融合,通過改進的反卷積層,上采樣處理Conv5輸出特征圖,使其與Conv4層的特征圖尺寸大小相同。用兩個特征圖構(gòu)造一個疊加的高層特征圖,提取高層深度特征,得到局部檢測模型的預(yù)測輸出結(jié)果。

    使用第一幀圖像進行訓(xùn)練。在局部檢測模型給定的目標(biāo)框周圍,沿著目標(biāo)框邊緣進行裁剪,將裁剪得到的局部區(qū)域圖像拉伸至VGG19網(wǎng)絡(luò)的輸入尺寸,并輸入到網(wǎng)絡(luò)得到特征圖,輸出預(yù)測追蹤目標(biāo)在熱度圖上對應(yīng)的每個點出現(xiàn)的概率大小。

    計算損失函數(shù),實現(xiàn)局部檢測網(wǎng)絡(luò)訓(xùn)練。

    其中,M,為局部檢測模型輸出,M2為目標(biāo)熱度圖,它符合二維高斯分布,采用隨機梯度下降法進行模型參數(shù)的訓(xùn)練。

    計算前一幀圖像預(yù)測的目標(biāo)位置,并以該位置為中心進行目標(biāo)局部區(qū)域的圖像裁剪。根據(jù)追蹤目標(biāo)的預(yù)測熱度圖,計算概率最大的位置為當(dāng)前數(shù)據(jù)幀預(yù)測目標(biāo)所在位置。

    1.1.2 全局搜索模型

    在目標(biāo)檢測過程中,物體的遮擋、光照、陰影以及背景對象的移動等因素都會影響目標(biāo)檢測和識別精度[16-17].本文使用Faster RCNN算法作為全局檢測模型,對目標(biāo)框聚類分析,計算得到目標(biāo)區(qū)域的權(quán)值。若超過設(shè)定的目標(biāo)識別閾值,則將權(quán)值最高點作為目標(biāo)新位置,繼續(xù)利用局部檢測模型進行特定目標(biāo)的識別與跟蹤,如圖2所示。

    本文設(shè)計了一種區(qū)域生成網(wǎng)絡(luò)優(yōu)化策略:①區(qū)分目標(biāo)與背景類型,采取二分類標(biāo)簽判定策略:背景標(biāo)簽為O,目標(biāo)標(biāo)簽為1;②采樣區(qū)域生成網(wǎng)絡(luò),生成一系列帶有權(quán)值的矩形區(qū)域框。

    若局部檢測模型特征圖輸出的最高值大于給定閾值,則作為檢測目標(biāo)位置。此時,將整張圖像輸入到全局檢測網(wǎng)絡(luò)中,預(yù)測出一組帶有權(quán)值的矩形候選框,獲得權(quán)值最高的候選區(qū)域。如果矩形框的權(quán)值大于給定閾值,則將其中心作為當(dāng)前數(shù)據(jù)幀目標(biāo)所在位置,繼續(xù)利用局部檢測網(wǎng)絡(luò)并跟蹤目標(biāo)。

    1.2計算目標(biāo)尺度

    在追蹤目標(biāo)對象過程中,不但要預(yù)測給定目標(biāo)的當(dāng)前位置,還要計算目標(biāo)的尺度大小,獲得目標(biāo)在整幅圖像中的候選區(qū)域[18]。

    在確定目標(biāo)對象位置后,首先以該位置為中心截取不同尺度大小的候選區(qū)域,然后將這些圖片拉伸至同樣大小[19],根據(jù)目標(biāo)框提取不同尺度的特征構(gòu)造輸出。在跟蹤過程中,通過不斷訓(xùn)練和迭代確定目標(biāo)對象位置,利用計算尺度濾波器的響應(yīng)最大值獲取當(dāng)前幀目標(biāo)框。

    1.3 模型更新

    在目標(biāo)對象追蹤運動過程中,外觀有可能會發(fā)生漸變現(xiàn)象[20-21]。為提高目標(biāo)追蹤效率并避免丟失追蹤目標(biāo)對象,要不斷更新局部檢測模型和尺度濾波器。

    根據(jù)熱度圖的最大響應(yīng)值,如果權(quán)值大于閾值,則認(rèn)為局部檢測模型可以對當(dāng)前圖片進行準(zhǔn)確檢測[22]。利用當(dāng)前數(shù)據(jù)幀預(yù)測的目標(biāo)框作為局部檢測模型的輸入,通過不斷迭代更新局部檢測模型。

    在目標(biāo)對象跟蹤過程中,算法對目標(biāo)的運動模糊無法進行有效識別,因此該算法不適合對全局檢測模型進行更新。

    2 特征融合方法

    本文沒計一種改進的多目標(biāo)跟蹤特征融合方法,主要流程如下:①針對視頻中的每一幀圖像,識別特定目標(biāo)與背景信息,分出待識別的目標(biāo)信息;②提取目標(biāo)的邊緣與紋理特征,建立特征直方圖并進行相似性度量;③計算特征相似性度量值,針對計算結(jié)果進行目標(biāo)圖像的深層特征融合;④針對視頻中的每一幀圖像進行處理,構(gòu)建特征融合匹配矩陣。

    目標(biāo)特征融合方法算法流程如下:

    輸入:視頻、圖像

    輸出:特征融合匹配矩陣

    detect video target

    get N frames foreground image

    for i=l.2.…….N do

    extract edge features

    generate HSV spatial color histogram

    calculate similaritv M

    //汁算目標(biāo)和候選目標(biāo)的匹配度

    extract texture fratures

    generate HSV spatial color histogram

    calculate similarity M

    extract texture fratures

    add fusion feature matching ll特征融合

    end for

    return feature matching matrix

    3 實驗結(jié)果及分析

    為檢驗?zāi)繕?biāo)跟蹤算法的工作效率,結(jié)合實際環(huán)境中的復(fù)雜地物背景,選取視頻序列進行測試,主要考慮光照變化、尺度變化、背景雜亂、目標(biāo)遮擋、快速運動等因素。

    3.1 步行實驗

    本實驗是一種基于連續(xù)幀的行人檢測,利用連續(xù)數(shù)據(jù)幀提取視頻序列的時間和空間特征,提高遮擋行人檢測能力?;谛腥藱z測在時間上的持續(xù)性,采用目標(biāo)跟蹤算法進行行人檢測,預(yù)測行人位置,評估行人檢測結(jié)果,提高行人被遮擋情況下的識別與跟蹤能力。

    本次實驗先后出現(xiàn)3個行人步行狀態(tài)的跟蹤目標(biāo),如圖3所示。從圖3(a)第523幀目標(biāo)出現(xiàn)在場景中開始,一直追蹤行人在馬路上行走過程,直到圖3(g)和圖3(h)行人被大樹遮擋,目標(biāo)追蹤丟失。本實驗場景較為復(fù)雜,算法判別給定目標(biāo)與背景的準(zhǔn)確性達到87.5%以上,誤差在±2.31%左右。

    3.2 快速運動實驗

    跟蹤該物體一直到視頻播放結(jié)束,如圖4所示。由于加強了尺度估計,算法在平均重疊率和平均中心點誤差方面表現(xiàn)較好。目標(biāo)特征從圖片部分區(qū)域獲得,超出采樣區(qū)域或目標(biāo)背景中其它物體遮擋,則裁剪得到的圖片中沒有目標(biāo)物,導(dǎo)致目標(biāo)跟蹤算法失敗。 4 結(jié)語

    在計算機視覺領(lǐng)域的復(fù)雜場景環(huán)境中,目標(biāo)在運動過程中經(jīng)常會發(fā)生被遮擋、背景雜波干擾和目標(biāo)形變等情況,造成多目標(biāo)對象跟蹤算法識別效果不佳,當(dāng)目標(biāo)被其它物體遮擋時,容易發(fā)生目標(biāo)跟蹤丟失問題。

    本文針對視頻監(jiān)控環(huán)境中的運動目標(biāo)檢測和跟蹤問題,提出一種改進的基于多源特征提取和特征融合的多目標(biāo)跟蹤算法。在目標(biāo)比例發(fā)生變化的情況下,利用跟蹤框更新機制,自適應(yīng)調(diào)整跟蹤框尺寸大小,以適應(yīng)目標(biāo)比例變化。充分利用目標(biāo)的多尺度特征進行特征融合,提高目標(biāo)對象的判別能力。

    經(jīng)過現(xiàn)場實驗驗證,本文提出的多目標(biāo)跟蹤算法能夠較好地判別給定目標(biāo),跟蹤準(zhǔn)確性有一定程度提高。但該算法針對目標(biāo)外觀特征提取不穩(wěn)定,利用目標(biāo)狀態(tài)特征構(gòu)造多目標(biāo)外觀特征的稀疏表示模型有利于提高目標(biāo)跟蹤的準(zhǔn)確性,下一步將針對該問題進行深入研究。

    參考文獻:

    [1]周奇基于多特征的輪船運動目標(biāo)跟蹤及軌跡獲取方法[D].北京:北方工業(yè)大學(xué),2018.

    [2]李寧寧.基于中心對比卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法研究[D].北京:北京郵電大學(xué),2018.

    [3]馮樂樂基于連續(xù)幀卷積神經(jīng)網(wǎng)絡(luò)的行人檢測方法研究[D]北京:北京工業(yè)大學(xué),2017.

    [4]尹宏鵬,陳波.基于視覺的目標(biāo)檢測與跟蹤綜述[J].自動化學(xué)報, 2016. 42( 10): 1466-1489.

    [5] 閔召陽,趙文杰基于卷積神經(jīng)網(wǎng)絡(luò)檢測的多鏡頭多目標(biāo)跟蹤算法[J]艦船電子工程,2017,37(12):25-28,38.

    [6] 孫皓,孫顯.一種高分辨率遙感圖像艦船檢測方法研究[J].測繪 科學(xué),2013,38(5):112-116.

    [7]李明杰,劉小飛基于粒子濾波和背景減除的多目標(biāo)檢測與跟蹤算法[J].計算機應(yīng)用研究,2018,35(8):2506-2509.

    [8]王國坤.復(fù)雜背景下基于深度學(xué)習(xí)的多目標(biāo)跟蹤算法研究[D].合肥:中國科學(xué)技術(shù)大學(xué),2018

    [9]顧蘇杭,陸兵.基于輪廓和ASIFT特征的目標(biāo)檢測與跟蹤算法[J].計算機仿真,2017,34(6):266-271,339

    [10]丁冉冉基于步態(tài)識別的人體目標(biāo)檢測與跟蹤[D].北京:北京交通大學(xué),2017.

    [II]周雅基于目標(biāo)檢測與加權(quán)混合特征的目標(biāo)跟蹤算法[J].科技通報,2017,33( 4):138-143

    [12]汪宏異,郝群.一種抗遮擋抗干擾的目標(biāo)檢測跟蹤方法研究[J]光學(xué)技術(shù),2016,42( 4):376-379,384.

    [13]郭毓,蘇鵬飛基于Faster R-CNN的機器人目標(biāo)檢測及空間定位[J].華中科技大學(xué)學(xué)報(自然科學(xué)版),2018,46(12):55-59.

    [14]陳飛,章東平.基于多尺度特征融合的Faster-RCNN道路目標(biāo)檢測[J].中國計量大學(xué)學(xué)報,2018,29(4):393-397

    [15]楊磊,龐芳.基于低秩一稀疏聯(lián)合表示的視頻序列運動目標(biāo)檢測[J].系統(tǒng)仿真學(xué)報,2018,30(12):4693-4702

    [16]曹雯雯.基于多特征融合的稀疏表示目標(biāo)追蹤方法的研究[D].南京:南京郵電大學(xué),2018.

    [17] 陳瑩瑩,房勝,李哲.加權(quán)多特征外觀表示的實時目標(biāo)追蹤[J].中國圖象圖形學(xué)報,2019,24(2):291-301.

    [18]孫海宇,陳秀宏.聯(lián)合外形響應(yīng)的深度目標(biāo)追蹤器[J].智能系統(tǒng)學(xué)報,2018(6):1-8.

    [19]孫曉霞,龐春江基于全巷積對稱網(wǎng)絡(luò)的目標(biāo)尺度自適應(yīng)追蹤[J].激光與光電子學(xué)進展,2019,56(1):242-250

    [20]張偉東,趙建偉基于特征選擇與時間一致性稀疏外觀模型的目標(biāo)追蹤算法[J]模式識別與人工智能,2018,31(3):245-255.

    [21] 李厚彪,樊慶宇基于自適應(yīng)同時稀疏表示的魯棒性目標(biāo)追蹤[J].電子科技大學(xué)學(xué)報,2018,47(1):1-12.

    [22]趙中楠,王健基于多源協(xié)同感知的目標(biāo)追蹤優(yōu)化模型[J].北京理工大學(xué)學(xué)報,2017,37(11):1137-1143.(責(zé)任編輯:杜能鋼)

    收稿日期:2019-04-25

    基金項目:山東省自然科學(xué)基金項目( ZR2018BFOOI)

    作者簡介:王志余(1967-),男,山東科技大學(xué)計算機學(xué)院碩士研究生、黃島中醫(yī)醫(yī)院工程師,研究方向為機器視覺、高性能計算、深度

    學(xué)習(xí)。

    猜你喜歡
    特征融合目標(biāo)跟蹤機器視覺
    基于移動端的樹木葉片識別方法的研究
    融合整體與局部特征的車輛型號識別方法
    多視角目標(biāo)檢測與跟蹤技術(shù)的研究與實現(xiàn)
    大場景三維激光掃描儀在研究生實踐教學(xué)培養(yǎng)中的應(yīng)用
    基于車牌識別的機混車道視頻測速算法
    免费在线观看成人毛片| 成人二区视频| 国产成人精品一,二区| 中文字幕av在线有码专区| 亚洲欧美日韩东京热| 全区人妻精品视频| 日本免费一区二区三区高清不卡| 九九久久精品国产亚洲av麻豆| 免费电影在线观看免费观看| 嫩草影院精品99| 日本免费a在线| 亚洲欧美精品专区久久| 国产精品av视频在线免费观看| 五月玫瑰六月丁香| 久久精品综合一区二区三区| 嫩草影院新地址| 久久久久网色| 亚洲国产成人一精品久久久| 午夜免费男女啪啪视频观看| 可以在线观看毛片的网站| 久久久久免费精品人妻一区二区| 亚洲精品乱码久久久久久按摩| 日本色播在线视频| 国产国拍精品亚洲av在线观看| 免费观看人在逋| av国产久精品久网站免费入址| 国产黄色视频一区二区在线观看 | 蜜桃亚洲精品一区二区三区| 国产精品电影一区二区三区| 国产色婷婷99| 久久鲁丝午夜福利片| av.在线天堂| 精品国产一区二区三区久久久樱花 | 一级av片app| 久久久久久久亚洲中文字幕| 一个人看视频在线观看www免费| 插逼视频在线观看| 亚洲自拍偷在线| 亚洲精品乱码久久久久久按摩| 成人国产麻豆网| 国国产精品蜜臀av免费| 精品久久久久久久末码| 久久人人爽人人片av| av黄色大香蕉| 久久鲁丝午夜福利片| 久久精品人妻少妇| 免费av毛片视频| 青春草亚洲视频在线观看| 嫩草影院入口| 特大巨黑吊av在线直播| 国产精品野战在线观看| 日本黄色视频三级网站网址| 成人国产麻豆网| 嫩草影院精品99| 久久人人爽人人片av| 看黄色毛片网站| 一区二区三区高清视频在线| 国产精品三级大全| 国产麻豆成人av免费视频| 夜夜爽夜夜爽视频| 国内精品美女久久久久久| 亚洲精品乱久久久久久| 久久国内精品自在自线图片| 免费观看精品视频网站| 成人毛片60女人毛片免费| 国产精品国产三级专区第一集| 搡女人真爽免费视频火全软件| 国产高清视频在线观看网站| 亚洲国产精品成人综合色| 狂野欧美白嫩少妇大欣赏| 在线播放国产精品三级| 日韩国内少妇激情av| 麻豆久久精品国产亚洲av| 国产av在哪里看| 精品午夜福利在线看| 久久6这里有精品| 最近的中文字幕免费完整| 国产av一区在线观看免费| 亚洲,欧美,日韩| 久久精品91蜜桃| 日本午夜av视频| 国国产精品蜜臀av免费| 日本欧美国产在线视频| 亚洲天堂国产精品一区在线| 亚洲国产精品合色在线| 国产精品福利在线免费观看| 国产国拍精品亚洲av在线观看| 午夜亚洲福利在线播放| 日韩一区二区三区影片| 国产免费又黄又爽又色| 欧美不卡视频在线免费观看| 深夜a级毛片| 亚洲国产欧美人成| 国产亚洲av嫩草精品影院| 又爽又黄无遮挡网站| 欧美潮喷喷水| 精品一区二区三区人妻视频| 精品一区二区免费观看| 91在线精品国自产拍蜜月| 丝袜美腿在线中文| 欧美丝袜亚洲另类| 国产探花在线观看一区二区| 精品熟女少妇av免费看| 国产伦精品一区二区三区视频9| or卡值多少钱| 禁无遮挡网站| 真实男女啪啪啪动态图| 在线天堂最新版资源| 97人妻精品一区二区三区麻豆| 97在线视频观看| 偷拍熟女少妇极品色| 一本一本综合久久| 最近最新中文字幕大全电影3| 成人高潮视频无遮挡免费网站| 91午夜精品亚洲一区二区三区| 精品一区二区免费观看| 丰满少妇做爰视频| 国产又黄又爽又无遮挡在线| 国产av码专区亚洲av| 亚洲精品成人久久久久久| 狂野欧美激情性xxxx在线观看| 99久国产av精品国产电影| 欧美成人精品欧美一级黄| av黄色大香蕉| 精品熟女少妇av免费看| 97超视频在线观看视频| videossex国产| 极品教师在线视频| 精品久久久久久久人妻蜜臀av| 国产老妇女一区| 国产不卡一卡二| 我要搜黄色片| 中文字幕精品亚洲无线码一区| 中文在线观看免费www的网站| 亚洲国产精品合色在线| 国产一区二区在线观看日韩| 深爱激情五月婷婷| 欧美成人精品欧美一级黄| 久久久久久大精品| 欧美成人a在线观看| 亚洲av免费高清在线观看| 亚洲国产精品国产精品| 黄色日韩在线| 亚洲国产精品专区欧美| 六月丁香七月| 特大巨黑吊av在线直播| 国产毛片a区久久久久| 日本与韩国留学比较| 亚洲最大成人av| 亚洲精品国产av成人精品| 欧美成人午夜免费资源| 少妇高潮的动态图| 国产午夜精品论理片| 久久热精品热| 亚洲精品乱久久久久久| 国产精华一区二区三区| 真实男女啪啪啪动态图| 搞女人的毛片| 日本五十路高清| 九九热线精品视视频播放| 亚洲欧美中文字幕日韩二区| 99热这里只有是精品在线观看| 天堂网av新在线| 全区人妻精品视频| 日韩三级伦理在线观看| 亚洲四区av| 国产综合懂色| 国产伦理片在线播放av一区| www日本黄色视频网| 青青草视频在线视频观看| 国产乱来视频区| 国产精品电影一区二区三区| 久久久亚洲精品成人影院| 床上黄色一级片| 99久国产av精品国产电影| 亚洲三级黄色毛片| 身体一侧抽搐| 国产av不卡久久| 一本一本综合久久| 精品久久久久久久人妻蜜臀av| 我的老师免费观看完整版| 亚洲av免费在线观看| 国产精华一区二区三区| 亚洲国产精品国产精品| 夜夜看夜夜爽夜夜摸| 亚洲伊人久久精品综合 | 亚洲伊人久久精品综合 | 嘟嘟电影网在线观看| 国产午夜精品一二区理论片| 国产真实伦视频高清在线观看| 青春草亚洲视频在线观看| 国产精品一二三区在线看| 看黄色毛片网站| 神马国产精品三级电影在线观看| 91久久精品国产一区二区三区| 免费在线观看成人毛片| 欧美日本视频| eeuss影院久久| 欧美zozozo另类| 内地一区二区视频在线| 九九在线视频观看精品| 国产私拍福利视频在线观看| 精品一区二区三区视频在线| 午夜免费男女啪啪视频观看| 亚洲精品日韩av片在线观看| 午夜福利在线观看吧| 国产单亲对白刺激| 国产日韩欧美在线精品| 色尼玛亚洲综合影院| 成年av动漫网址| 91精品国产九色| 亚洲天堂国产精品一区在线| 国产精品国产高清国产av| 国国产精品蜜臀av免费| 看免费成人av毛片| 国产高清不卡午夜福利| 男女啪啪激烈高潮av片| 亚洲自偷自拍三级| 中文字幕制服av| 国产午夜福利久久久久久| 嫩草影院精品99| 亚洲国产精品国产精品| 亚洲精品久久久久久婷婷小说 | 女的被弄到高潮叫床怎么办| av.在线天堂| 少妇裸体淫交视频免费看高清| 精品人妻一区二区三区麻豆| 日产精品乱码卡一卡2卡三| 国产精品久久视频播放| 日韩欧美在线乱码| 国产成人免费观看mmmm| 成年免费大片在线观看| 亚洲av日韩在线播放| 搡老妇女老女人老熟妇| 联通29元200g的流量卡| 亚洲国产精品专区欧美| 色视频www国产| 成年女人看的毛片在线观看| 岛国在线免费视频观看| 日韩在线高清观看一区二区三区| 中文精品一卡2卡3卡4更新| 欧美成人精品欧美一级黄| 午夜福利网站1000一区二区三区| 色播亚洲综合网| 看片在线看免费视频| 久久这里只有精品中国| 麻豆乱淫一区二区| av在线蜜桃| 久久韩国三级中文字幕| 国产伦在线观看视频一区| 国产欧美另类精品又又久久亚洲欧美| 国产精品久久电影中文字幕| 中文欧美无线码| 亚洲欧美清纯卡通| 亚洲最大成人中文| 久久久久久国产a免费观看| 亚洲人成网站在线播| 亚洲精品亚洲一区二区| 午夜免费激情av| 不卡视频在线观看欧美| 国产精品三级大全| 最近最新中文字幕大全电影3| 深夜a级毛片| 成人av在线播放网站| 黄色一级大片看看| 亚洲精品国产成人久久av| 又爽又黄a免费视频| 亚洲精品,欧美精品| 春色校园在线视频观看| 亚洲色图av天堂| 国产精品爽爽va在线观看网站| 国产综合懂色| 亚洲伊人久久精品综合 | 亚洲欧美日韩高清专用| 不卡视频在线观看欧美| 听说在线观看完整版免费高清| 久久精品国产亚洲av天美| 亚洲精品亚洲一区二区| 日韩亚洲欧美综合| 欧美日韩综合久久久久久| 免费大片18禁| 国产伦理片在线播放av一区| 狂野欧美激情性xxxx在线观看| 免费黄网站久久成人精品| 91午夜精品亚洲一区二区三区| 美女cb高潮喷水在线观看| 亚洲在久久综合| 97在线视频观看| 一级爰片在线观看| 国产精品久久久久久精品电影| 啦啦啦啦在线视频资源| 午夜日本视频在线| 美女cb高潮喷水在线观看| 免费无遮挡裸体视频| 欧美性猛交╳xxx乱大交人| 可以在线观看毛片的网站| 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 | 欧美性猛交黑人性爽| 丝袜喷水一区| 亚洲av男天堂| 色尼玛亚洲综合影院| 免费观看a级毛片全部| 最近2019中文字幕mv第一页| 午夜福利网站1000一区二区三区| 老司机影院成人| 欧美日韩综合久久久久久| av视频在线观看入口| 尾随美女入室| 听说在线观看完整版免费高清| 亚洲丝袜综合中文字幕| 国产精品一及| 99久久成人亚洲精品观看| www日本黄色视频网| 国产亚洲一区二区精品| 国产亚洲5aaaaa淫片| 亚洲欧美中文字幕日韩二区| 亚洲国产高清在线一区二区三| 两个人视频免费观看高清| 尾随美女入室| 免费看美女性在线毛片视频| 尾随美女入室| 青青草视频在线视频观看| 人人妻人人看人人澡| 99在线人妻在线中文字幕| 级片在线观看| 国产成人91sexporn| 亚洲国产成人一精品久久久| 26uuu在线亚洲综合色| 国产69精品久久久久777片| 午夜福利高清视频| 成人av在线播放网站| 日本-黄色视频高清免费观看| 美女内射精品一级片tv| 国产精品一区二区在线观看99 | 午夜福利视频1000在线观看| 成人亚洲欧美一区二区av| 成人漫画全彩无遮挡| 天堂av国产一区二区熟女人妻| 男女下面进入的视频免费午夜| 春色校园在线视频观看| 国产精品1区2区在线观看.| 成人漫画全彩无遮挡| 内地一区二区视频在线| 91av网一区二区| 99热这里只有是精品在线观看| 国产三级中文精品| 国产真实乱freesex| 免费av不卡在线播放| 激情 狠狠 欧美| 秋霞伦理黄片| 欧美性猛交黑人性爽| 成人美女网站在线观看视频| 国产熟女欧美一区二区| 午夜亚洲福利在线播放| 国产成人freesex在线| ponron亚洲| 亚洲18禁久久av| 老司机影院成人| 能在线免费观看的黄片| 成人综合一区亚洲| 日韩制服骚丝袜av| 老师上课跳d突然被开到最大视频| 久久精品91蜜桃| 春色校园在线视频观看| 亚洲av二区三区四区| 少妇猛男粗大的猛烈进出视频 | 天天躁日日操中文字幕| 伦理电影大哥的女人| 精品久久久久久久久av| av专区在线播放| 男女下面进入的视频免费午夜| 成人亚洲精品av一区二区| 中文资源天堂在线| 亚州av有码| 久久99热6这里只有精品| 国产又色又爽无遮挡免| 亚洲欧美中文字幕日韩二区| 久久精品国产99精品国产亚洲性色| 老师上课跳d突然被开到最大视频| 夜夜看夜夜爽夜夜摸| 国产精品国产三级专区第一集| 日本wwww免费看| 一夜夜www| 丝袜喷水一区| 亚洲欧美精品自产自拍| 亚洲av成人av| 成人鲁丝片一二三区免费| 欧美激情国产日韩精品一区| 国产三级在线视频| 亚洲av免费高清在线观看| 99热这里只有是精品50| 久久久欧美国产精品| 99久久中文字幕三级久久日本| 久久久久九九精品影院| 啦啦啦观看免费观看视频高清| 日本午夜av视频| 久久99热这里只频精品6学生 | 亚洲欧洲日产国产| 国产在线一区二区三区精 | 国产午夜福利久久久久久| 成人三级黄色视频| 亚洲国产精品成人综合色| 久久精品国产99精品国产亚洲性色| 99久久九九国产精品国产免费| 综合色av麻豆| 国产伦理片在线播放av一区| 97在线视频观看| 亚洲成av人片在线播放无| 亚洲熟妇中文字幕五十中出| 中文字幕av在线有码专区| 亚洲精品乱久久久久久| 久久这里有精品视频免费| 哪个播放器可以免费观看大片| 亚洲伊人久久精品综合 | 少妇熟女aⅴ在线视频| 观看美女的网站| 亚洲人成网站在线观看播放| 成人漫画全彩无遮挡| 精品久久久久久久久久久久久| 你懂的网址亚洲精品在线观看 | 亚洲综合精品二区| 亚洲欧美成人精品一区二区| 国产av不卡久久| 亚洲av中文字字幕乱码综合| 亚洲国产欧美在线一区| av在线老鸭窝| 久久精品影院6| 乱码一卡2卡4卡精品| 国产亚洲91精品色在线| 国产综合懂色| 一边亲一边摸免费视频| 麻豆av噜噜一区二区三区| a级一级毛片免费在线观看| 国产 一区精品| 最后的刺客免费高清国语| h日本视频在线播放| 99在线人妻在线中文字幕| 久久久久久久久中文| 国内揄拍国产精品人妻在线| 又爽又黄a免费视频| 亚洲欧美精品专区久久| 久久精品国产亚洲av天美| 边亲边吃奶的免费视频| 国产精品久久久久久精品电影小说 | av在线蜜桃| 亚洲综合精品二区| 欧美精品一区二区大全| 1024手机看黄色片| 亚洲精品日韩在线中文字幕| 国产精品一区www在线观看| 日日啪夜夜撸| 秋霞在线观看毛片| 欧美日韩精品成人综合77777| 美女高潮的动态| 精品国产三级普通话版| 国产亚洲一区二区精品| 日韩一本色道免费dvd| 亚洲国产色片| 国产免费福利视频在线观看| 久久精品夜色国产| 夜夜看夜夜爽夜夜摸| 亚洲成人久久爱视频| 国产一级毛片七仙女欲春2| 熟女人妻精品中文字幕| 九九在线视频观看精品| 狂野欧美白嫩少妇大欣赏| 波野结衣二区三区在线| 亚洲av熟女| 亚洲国产高清在线一区二区三| 久久午夜福利片| 国产一级毛片七仙女欲春2| 六月丁香七月| 成年女人看的毛片在线观看| 秋霞在线观看毛片| 日本五十路高清| 亚洲久久久久久中文字幕| www日本黄色视频网| 国产 一区 欧美 日韩| 亚洲美女视频黄频| 可以在线观看毛片的网站| 久久人人爽人人爽人人片va| 国产免费又黄又爽又色| 变态另类丝袜制服| 可以在线观看毛片的网站| 日本猛色少妇xxxxx猛交久久| 啦啦啦啦在线视频资源| 亚洲精品日韩av片在线观看| 久久人妻av系列| 亚洲熟妇中文字幕五十中出| 久久精品熟女亚洲av麻豆精品 | 国产精品福利在线免费观看| 国产69精品久久久久777片| 久久久成人免费电影| 免费黄网站久久成人精品| 中文精品一卡2卡3卡4更新| 国产日韩欧美在线精品| 深爱激情五月婷婷| 成年版毛片免费区| av卡一久久| 欧美精品一区二区大全| 国产成人aa在线观看| 精品久久久久久久久亚洲| 特大巨黑吊av在线直播| 国产一区亚洲一区在线观看| 高清毛片免费看| 国产国拍精品亚洲av在线观看| 欧美丝袜亚洲另类| 亚洲欧美成人综合另类久久久 | 国产精品一区二区性色av| 桃色一区二区三区在线观看| 午夜福利在线在线| 亚洲精品一区蜜桃| 日日撸夜夜添| 亚洲国产日韩欧美精品在线观看| 亚洲av电影在线观看一区二区三区 | 国产一区二区亚洲精品在线观看| 高清视频免费观看一区二区 | 狠狠狠狠99中文字幕| 国产白丝娇喘喷水9色精品| 亚洲国产精品成人久久小说| 日韩欧美 国产精品| 成人二区视频| 少妇丰满av| 可以在线观看毛片的网站| 国产av不卡久久| 日韩,欧美,国产一区二区三区 | 精品酒店卫生间| 亚洲国产色片| 亚洲精品自拍成人| 亚洲国产精品国产精品| 最近最新中文字幕免费大全7| 欧美日本视频| 一本久久精品| 我的老师免费观看完整版| 如何舔出高潮| 婷婷六月久久综合丁香| 国产又色又爽无遮挡免| 国产精品久久视频播放| 日本-黄色视频高清免费观看| 欧美3d第一页| 五月伊人婷婷丁香| 久久精品熟女亚洲av麻豆精品 | 精华霜和精华液先用哪个| 亚洲在线自拍视频| 国产精品国产三级国产av玫瑰| 在线播放无遮挡| 国语对白做爰xxxⅹ性视频网站| 夜夜看夜夜爽夜夜摸| 欧美丝袜亚洲另类| 深夜a级毛片| 夜夜爽夜夜爽视频| 天堂√8在线中文| 两性午夜刺激爽爽歪歪视频在线观看| 午夜福利在线观看吧| 亚洲欧美精品自产自拍| 欧美成人免费av一区二区三区| 草草在线视频免费看| a级一级毛片免费在线观看| 国产成人福利小说| 免费av不卡在线播放| 国产乱来视频区| 亚洲成人中文字幕在线播放| 欧美一级a爱片免费观看看| 国产高潮美女av| 欧美成人免费av一区二区三区| 少妇被粗大猛烈的视频| 波多野结衣巨乳人妻| 色播亚洲综合网| 国产熟女欧美一区二区| 国产精品伦人一区二区| 久久这里只有精品中国| 欧美日本视频| 99久国产av精品国产电影| 国产乱人视频| 午夜久久久久精精品| 国产精品一及| 免费看光身美女| 能在线免费观看的黄片| 亚洲欧美精品专区久久| 啦啦啦观看免费观看视频高清| 久久久久久久久久黄片| 成人一区二区视频在线观看| 久久韩国三级中文字幕| 成年女人看的毛片在线观看| 国产高清三级在线| 精品久久国产蜜桃| 国产老妇女一区| 午夜免费激情av| 精华霜和精华液先用哪个| 看片在线看免费视频| 国产成人福利小说| av天堂中文字幕网| 国产视频内射| 久久精品影院6| 欧美最新免费一区二区三区| 久久国内精品自在自线图片| 自拍偷自拍亚洲精品老妇| 久久久a久久爽久久v久久| 日本猛色少妇xxxxx猛交久久| 三级男女做爰猛烈吃奶摸视频| 国产亚洲一区二区精品| 国产伦精品一区二区三区视频9| 18+在线观看网站| 最近中文字幕高清免费大全6| 久久久亚洲精品成人影院| 天堂影院成人在线观看| 久久久久久国产a免费观看| 熟女电影av网| 亚洲欧美清纯卡通| 男人舔女人下体高潮全视频| 日韩欧美在线乱码| 精品免费久久久久久久清纯| 午夜福利高清视频| 青春草国产在线视频| 亚洲av成人av|