• <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 ?

    聯(lián)合場景和行為特征的短視頻行為識別*

    2020-10-15 01:45:14周麗娜宋艷艷
    計算機(jī)與生活 2020年10期
    關(guān)鍵詞:特征提取動作特征

    董 旭,譚 勵,周麗娜,宋艷艷

    北京工商大學(xué)計算機(jī)與信息工程學(xué)院,北京 100048

    1 引言

    隨著抖音、快手和美拍等短視頻平臺的火爆出現(xiàn),越來越多的人成為短視頻內(nèi)容的制造者[1-2],帶動了短視頻行業(yè)的蓬勃發(fā)展;此外,短視頻因?yàn)楦臃先藗兛旃?jié)奏的生活、碎片化的閱讀,深受人們的追捧和喜愛。但是和長視頻相比,短視頻時長受限,拍攝質(zhì)量受制于設(shè)備,更重要的是短視頻的質(zhì)量和內(nèi)容良莠不齊[3],大量的短視頻如果不加以過濾篩選,直接推送給用戶,會造成審美疲勞;另外,短視頻受制于拍攝設(shè)備質(zhì)量的限制,和專業(yè)設(shè)備拍出的視頻不同,極有可能出現(xiàn)視頻模糊不清、分辨率不高或者相機(jī)抖動的問題;此外,短視頻因?yàn)闀r間較短,包含的信息不夠完整,會產(chǎn)生歧義,如果被不法分子利用,短視頻可能會變成謠言傳播的載體,造成極其惡劣的影響。因此,對短視頻內(nèi)容的理解,是極其必要且迫在眉睫的。在研究過程中,短視頻中的人物行為的識別是短視頻理解的關(guān)鍵。

    行為識別[4-6]是計算機(jī)視覺中一個重要的研究課題,主要目的是解決“人干了什么”這一任務(wù),涉及的領(lǐng)域包括視頻監(jiān)控、人機(jī)交互、視頻索引等。目前主流的行為識別方法是基于深度學(xué)習(xí)方法,如雙流CNN(convolutional neural network)方法[7],通過卷積神經(jīng)網(wǎng)絡(luò)分別提取視頻中的RGB信息和光流信息,進(jìn)行分?jǐn)?shù)融合,從而得到最終的行為識別結(jié)果,而Karpathy等人[8],更進(jìn)一步地研究傳統(tǒng)CNN在videolevel的應(yīng)用上存在的問題,提出在不同網(wǎng)絡(luò)層中進(jìn)行融合,取得了一定的效果;而3D卷積方法[9-10]是先對圖像信息進(jìn)行提取,再利用CNN網(wǎng)絡(luò)對圖像的時序信息進(jìn)行學(xué)習(xí),最終得到視頻的行為類別。但是,目前的方法更關(guān)注于行為動作本身,忽略了視頻中行為和場景之間聯(lián)系。短視頻中包含的信息量較少,且包含的信息不夠完整,需要盡可能地利用視頻中的多種特征信息,并利用它們作為先驗(yàn)知識,幫助提高人物行為識別的準(zhǔn)確率。這其中,場景特征的重要性不言而喻。例如,在生活中,做飯這個動作,通常情況下發(fā)生的場景是廚房;看電視這個動作通常會發(fā)生在客廳或者臥室;打開衣柜這一動作發(fā)生場景通常為臥室,如圖1所示。因此,將場景特征信息作為上下文線索,并用于行為識別中,是值得深入研究的。本文的貢獻(xiàn)主要是構(gòu)建了一種基于字典學(xué)習(xí)的場景和行為的聯(lián)合學(xué)習(xí)模型,通過場景特征作為上下文信息,提高行為識別效果。

    Fig.1 Scene and behavior example圖1 場景和行為示例

    2 相關(guān)工作

    Peng等人[11]提出了一種基于運(yùn)動場景的無監(jiān)督聚類算法,該方法將靜態(tài)場景特征和動態(tài)特征進(jìn)行結(jié)合,并在此基礎(chǔ)上建立了一個通過上下文約束的模型。首先,通過單視圖和多視圖約束來探索每個上下文中的多視圖子空間表示的互補(bǔ)性。然后,通過計算上下文約束的關(guān)聯(lián)矩陣,并引入MSIC(motion-scene interaction constraint)以相互規(guī)范場景和運(yùn)動中子空間表示的不一致。最后,通過共同約束多視圖的互補(bǔ)性和多上下文的一致性,構(gòu)造了一個總體目標(biāo)函數(shù)來保證視頻動作聚類結(jié)果。Zhang等人[12]利用相關(guān)的場景上下文來研究提高動作識別性能的可能性。首先,將場景建模為中級“中間層”,以便橋接動作描述符和動作類別。然后,作者使用樸素貝葉斯算法學(xué)習(xí)場景和動作之間的聯(lián)合概率分布,該算法用于通過組合現(xiàn)成的動作識別算法在線聯(lián)合推斷動作類別,并通過實(shí)驗(yàn)比對,證明了方法的可行性。Yang等人[13]提出了一種利用語義信息對建筑工地員工行為識別的方法。采用非參數(shù)化的數(shù)據(jù)驅(qū)動場景分析方法對構(gòu)造對象進(jìn)行識別。從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)了基于上下文的動作識別模型。然后,通過使用已識別的構(gòu)造對象來改進(jìn)動作識別。Hou等人[14]提出了一種分解動作場景網(wǎng)絡(luò)FASNet。FASNet由兩部分組成,一部分是基于Attention的CANET網(wǎng)絡(luò),這一部分能夠?qū)植繒r空特征進(jìn)行編碼,從而學(xué)習(xí)到具有良好魯棒性的特征;另一部分由融合網(wǎng)絡(luò)構(gòu)成,主要將時空特征和上下文場景特征進(jìn)行融合,學(xué)習(xí)更具描述性的特征信息。Simonyan等人[7]提出了經(jīng)典的包含空間和時間的雙流網(wǎng)絡(luò)架構(gòu),空間流從靜止視頻幀執(zhí)行動作識別,同時訓(xùn)練時間流以識別來自密集光學(xué)流動形式的運(yùn)動動作,最后通過后期融合進(jìn)行行為識別。而Dai等人[15]針對物體形狀復(fù)雜問題,提出了一種可形變的卷積結(jié)構(gòu)(deformable convolution networks),它對感受野上的每一個點(diǎn)加一個偏移量,使得偏移后感受野和物體的實(shí)際形狀相匹配,更好地獲取物體的特征信息。

    3 算法概述

    生活中,人物的行為會受到特定場景的影響,在特定的場景下,人們的行為能夠呈現(xiàn)出一定的規(guī)律性。如在前文中舉例的廚房、客廳和臥室等特定場景中,人物的行為分別為做飯、看電視、打開衣柜。因此,在本章中,將介紹一種基于字典學(xué)習(xí)的場景特征和行為特征聯(lián)合學(xué)習(xí)方法。

    3.1 模型定義

    設(shè)短視頻序列V={v1,v2,…,vn},其中L={l1,l2,…,ln}是每段短視頻最終輸出的行為類別。對于短視頻序列,S={s1,s2,…,sn}為利用基VGGNet的場景分類結(jié)果,而A={a1,a2,…,an}為利用可變卷積[15]的雙流方法得到的行為識別結(jié)果。于是,對于第i個短視頻,可以將模型定義為:

    其中,vi是第i個短視頻,ai是第i個短視頻的行為類別,si是第i個短視頻的場景類別,ωi為學(xué)習(xí)參數(shù)。對于設(shè)定的模型,需要有行為特征參數(shù)和場景特征參數(shù),因此第i個短視頻的學(xué)習(xí)ωi可以定義為:

    其中,φi(vi,ai,si)用于表示第i個短視頻中,行為和場景的聯(lián)合特征向量。根據(jù)以上,可以定義為:

    將μ1和μ2設(shè)置為0.5,最終問題可以轉(zhuǎn)化為求解學(xué)習(xí)參數(shù)ω的過程,ωa是指行為特征參數(shù)信息,ωas是聯(lián)合特征的參數(shù)信息。ωa可通過訓(xùn)練得到,ωas則需要通過構(gòu)建字典聯(lián)合求解所得。

    3.2 字典學(xué)習(xí)和稀疏表示

    稀疏字典學(xué)習(xí)也稱為字典學(xué)習(xí),目標(biāo)是通過學(xué)習(xí)一個完備字典,通過字典中少量的原子,對給定數(shù)據(jù)進(jìn)行稀疏表示,如圖2所示。

    對于一般的稀疏表示問題,可以將問題轉(zhuǎn)變成為一個優(yōu)化問題,公式如下:

    其中,Bαi需要盡可能模擬xi,使所得誤差最小,只有這樣,才能更好地通過模型反映數(shù)據(jù)。實(shí)驗(yàn)過程中,對αi的約束規(guī)范選擇的是L1范數(shù),因?yàn)長1范數(shù)可以將不重要的小權(quán)重衰減為0,L1范數(shù)定義如下:

    其中,L1范數(shù)是向量元素的絕對值之和。選擇L1范數(shù)的原因L1是L0范數(shù)的最優(yōu)凸近似,而且L0本身是一個NP難問題,L1更加容易求解。

    3.3 基于場景和行為聯(lián)合特征的行為識別

    在前兩節(jié)中,定義了問題模型,并對字典學(xué)習(xí)的原理進(jìn)行了闡述。在本節(jié)中,將闡述本文所用的方法。主要工作分為特征提取和構(gòu)建聯(lián)合特征,圖3為行為識別的工作流程圖。

    3.3.1 特征提取

    特征提取分為場景特征提取和行為特征提取。首先,對短視頻提取場景特征。設(shè)短視頻序列V={v1,v2,…,vn},其中n為短視頻的個數(shù)。場景特征利用基于VGGNet的深度融合網(wǎng)絡(luò)進(jìn)行提取。利用VGGNet16網(wǎng)絡(luò),對場景中的全局特征進(jìn)行學(xué)習(xí)提取,利用VGGNet19對場景中的局部細(xì)節(jié)特征進(jìn)行學(xué)習(xí)提取,分別將所學(xué)習(xí)到的特征進(jìn)行融合。使用VGGNet的原因是網(wǎng)絡(luò)選擇3×3的卷積核,使得參數(shù)量更小,小卷積層的疊加能夠進(jìn)行多次的非線性計算,對特征的學(xué)習(xí)能力較強(qiáng)。假設(shè)場景類別個數(shù)為Nscene,對于第i個短視頻,場景識別的目的是找到場景預(yù)測概率的最大值,因此有:

    Fig.3 Joint feature learning workflow圖3 聯(lián)合特征學(xué)習(xí)工作流程圖

    其中,vi為第i個短視頻,為第i個短視頻對應(yīng)第j個場景的概率值。但是在這里,需要保留vi在所有場景中的概率值,盡可能多地保留視頻中的有用信息,因此:

    接下來,需要對短視頻提取行為特征,利用可變卷積網(wǎng)絡(luò)的雙流CNN算法進(jìn)行RGB特征和Flow特征提取。可變卷積網(wǎng)絡(luò)的優(yōu)點(diǎn)在于,它能通過添加的偏移量,更改卷積核的形狀,從而提高卷積網(wǎng)絡(luò)對圖像適應(yīng)能力??勺兙矸e網(wǎng)絡(luò)的結(jié)構(gòu)如圖4所示。

    Fig.4 Schematic diagram of variable convolution network圖4 可變卷積網(wǎng)絡(luò)示意圖

    假設(shè)行為類別個數(shù)為Naction,對于第i個短視頻,對于行為識別的結(jié)果可以定義為:

    其中,vi為第i個短視頻,為第i個短視頻對應(yīng)第k個行為的概率值,進(jìn)一步看,可以定義為:

    同樣,行為特征提取部分,需要保留每段短視頻對所有行為的概率值,定義如下:

    3.3.2 構(gòu)建聯(lián)合特征

    在這里,選擇的方法是字典學(xué)習(xí),原因是,如果直接對行為特征和場景特征進(jìn)行操作,就會產(chǎn)生大量的聯(lián)合特征。在這些聯(lián)合特征中,部分影響較小的特征,會對預(yù)測過程產(chǎn)生干擾,影響模型的魯棒性。因此,需要進(jìn)行降維。本文中采取的方法是利用字典學(xué)習(xí)的方法,求取每個樣本的稀疏編碼,從而提高模型的效果,其稀疏過程如圖5所示。此外,模型的稀疏表示可以更好地解釋具有決策性的特征,因?yàn)槟P陀?xùn)練到最后,非零元素的個數(shù)較之于起始會大幅減少,從而更加容易解釋模型。

    Fig.5 Sparse representation process圖5 稀疏表示過程

    因此,問題可以轉(zhuǎn)化為:

    可求得所有短視頻聯(lián)合特征結(jié)果。在構(gòu)造字典的過程中,選擇的方法是MiniBatch Dictionary Learning。在字典學(xué)習(xí)的過程中,劃分為MiniBatch,能夠提升模型的訓(xùn)練速度,并增加隨機(jī)性。并通過設(shè)置字典中的元素n_components進(jìn)行學(xué)習(xí)。迭代次數(shù)分別設(shè)置為100次、200次、500次、1 000次、2 000次和5 000次。通過字典學(xué)習(xí)和稀疏表示,可以得到每個短視頻在所有場景-行為聯(lián)合特征的概率值。

    4 仿真實(shí)驗(yàn)過程及結(jié)果

    4.1 實(shí)驗(yàn)所用環(huán)境

    本實(shí)驗(yàn)平臺為戴爾服務(wù)器PowerEdge R430,操作系統(tǒng)Ubuntu 14.04,CPU Intel?Core i3 3220,內(nèi)存64 GB,GPU NVIDIA Tesla K40m×2,顯存12 GB×2。

    4.2 實(shí)驗(yàn)參數(shù)設(shè)置

    4.2.1 數(shù)據(jù)集選擇

    實(shí)驗(yàn)所選擇的數(shù)據(jù)集是Charades數(shù)據(jù)集[16]。Charades數(shù)據(jù)集共有9 848個視頻段,每段視頻長度在30.1 s,行為類別共有157個,場景類別共有16個。在實(shí)驗(yàn)前,針對廚房場景進(jìn)行了視頻的篩選,選擇其中的90段短視頻用于訓(xùn)練,獲取特征,并另外選擇30段短視頻作為測試集。與廚房相關(guān)的短視頻示例如圖6所示,數(shù)據(jù)預(yù)處理階段,利用ffmepg工具,按照30 frame/s對短視頻進(jìn)行分幀處理。對于光流圖像部分,利用opencv光流計算方法,輸出為flow_x和flow_y兩個圖像。

    Fig.6 Schematic of Charades kitchen scene圖6 Charades廚房場景示意圖

    4.2.2 實(shí)驗(yàn)參數(shù)設(shè)置

    場景特征提取過程使用PyTorch框架,所用的模型是基于VGGNet的深度融合網(wǎng)絡(luò),在ImageNet進(jìn)行預(yù)訓(xùn)練后,在Charades數(shù)據(jù)集進(jìn)行fine-tuning,訓(xùn)練時批量(batch-size)設(shè)置為8,動量(momentum)設(shè)置為0.9,優(yōu)化方法選擇Adam方法。行為特征提取過程中,RGB圖像和光流圖像分別放入到網(wǎng)絡(luò)中進(jìn)行訓(xùn)練;其中,光流網(wǎng)絡(luò)需要截取成等長的連續(xù)幀放入到網(wǎng)絡(luò)中進(jìn)行訓(xùn)練;Deform-GoogLeNet訓(xùn)練過程使用反向傳播方式,采用Adam優(yōu)化。字典學(xué)習(xí)過程中,方法選擇的是MiniBatch Dictionary Learning,n_component設(shè)置為16。

    4.3 實(shí)驗(yàn)結(jié)果

    場景特征提取和行為特征提取過程的訓(xùn)練結(jié)果如圖7、圖8所示,通過預(yù)訓(xùn)練模型對廚房場景進(jìn)行訓(xùn)練。從圖7中可以看出,在4 000次左右時,模型已基本收斂。

    Fig.7 Changes in loss value of scene feature extraction圖7 場景特征提取過程Loss值變化

    Fig.8 Changes in loss value of action feature extraction圖8 行為特征提取過程Loss值變化

    在對行為特征進(jìn)行訓(xùn)練時,需要利用雙流CNN網(wǎng)絡(luò)分別對RGB特征和Flow特征進(jìn)行提取。圖8為行為特征提取過程Loss值變化,從圖8(a)中可以看出,RGB特征提取過程,在前9 000次迭代過程中,Loss值下降速度比較快,說明模型收斂比較快,而在9 000次迭代之后,Loss值的下降速度放緩,模型緩慢收斂;由圖8(b)中可以看出,F(xiàn)low特征提取過程,在前7 500次迭代過程中,Loss值下降速度比較快,7 500次迭代之后,模型收斂速度放緩,但是基本趨于穩(wěn)定。

    將數(shù)據(jù)集標(biāo)注的行為動詞和場景類別進(jìn)行了可視化分析,結(jié)果如圖9中的詞云所示。

    Fig.9 Behavior verbs and scene nouns in Charades kitchen圖9 Charades廚房場景中行為動詞和場景名詞

    通過圖9(a)中詞云展示,可以比較明顯地看出在廚房的一些特定的行為,如“烹飪(cook)”“洗(wash)”“倒(pour)”和“喝(drink)”等動作;而圖9(b)中展示了數(shù)據(jù)集和廚房有關(guān)的場景中的物體信息,如“爐(stove)”“桌子(table)”“餐具柜(pantry)”和“三明治(sandwich)”等。通過詞云的呈現(xiàn),可以比較容易地找出動作和場景之間的關(guān)系。比如,“吃(eat)”和“食物(food)”,“開(open)”和“冰箱(refrigerator)”,“洗(wash)”和“盤子(dish)”等,能夠反映出場景和人物的行為存在著一定的聯(lián)系。

    在字典學(xué)習(xí)過程中,分別在100次、200次、500次、1 000次、2 000次和5 000次的迭代次數(shù)下進(jìn)行了多次實(shí)驗(yàn),并求取平均值。之后對不同迭代次數(shù)下的top-5準(zhǔn)確率結(jié)果進(jìn)行比對,結(jié)果如圖10所示。通過圖10可以發(fā)現(xiàn),當(dāng)?shù)螖?shù)為1 000次的時候,top-5準(zhǔn)確率為33%,但是迭代次數(shù)的設(shè)置并不是越多越好,當(dāng)?shù)螖?shù)從1 000次增加到5 000次時,準(zhǔn)確率呈下降趨勢。

    Fig.10 Test set top-5 results圖10 測試集top-5結(jié)果

    為了證明本文方法的有效性,分別使用Two-Stream方法和基于可變卷積的Two-Stream方法和本文方法進(jìn)行比較,實(shí)驗(yàn)結(jié)果如表1所示,本文方法有了比較明顯的提高。證明了場景作為上下文信息能夠提高行為識別的準(zhǔn)確率。

    Table 1 Comparison of different methods on Charades test set表1 不同方法在Charades測試集上的比對結(jié)果

    5 結(jié)束語

    本文針對短視頻的行為識別現(xiàn)狀存在的問題,提出了一種基于場景和行為的聯(lián)合特征學(xué)習(xí)的短視頻行為識別方法,對短視頻中的行為識別問題進(jìn)行了研究。首先,利用VGGNet16和VGGNet19分別提取場景的全局特征和局部細(xì)節(jié)特征;之后,融合兩個網(wǎng)絡(luò)提取的特征結(jié)果,得到深度融合網(wǎng)絡(luò)提取場景特征信息;最后,利用基于可變卷積網(wǎng)絡(luò)的雙流CNN網(wǎng)絡(luò)提取短視頻中的行為特征。提取行為特征過程的優(yōu)勢,一是利用可變卷積網(wǎng)絡(luò)通過添加的偏移量更改卷積核形狀,獲取更多特征信息以提高網(wǎng)絡(luò)對圖像的適應(yīng)能力;二是分別對RGB特征和Flow特征提取,充分利用了視頻的空間和時間維度信息。利用本文提出的聯(lián)合特征學(xué)習(xí)方法,將場景信息作為背景知識,結(jié)合提取的行為特征,進(jìn)行最終行為識別的判斷,并運(yùn)用字典學(xué)習(xí)的方法,減少聯(lián)合特征的維度,得到了準(zhǔn)確和高效的識別效果。在Charades測試集top-5準(zhǔn)確率為33%,和之前的方法比較,有了明顯的提升,證明了本文方法的有效性。在未來的工作中,計劃將短視頻中的物體特征和場景特征同時作為行為識別的先驗(yàn)知識,進(jìn)一步提高行為識別的效果。

    猜你喜歡
    特征提取動作特征
    如何表達(dá)“特征”
    基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    不忠誠的四個特征
    動作描寫要具體
    抓住特征巧觀察
    畫動作
    動作描寫不可少
    一種基于LBP 特征提取和稀疏表示的肝病識別算法
    非同一般的吃飯動作
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    久久 成人 亚洲| 久久午夜综合久久蜜桃| 母亲3免费完整高清在线观看 | 欧美日本中文国产一区发布| 国产乱人偷精品视频| 亚洲国产最新在线播放| 久久午夜综合久久蜜桃| 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| 日韩制服丝袜自拍偷拍| 丝袜脚勾引网站| 久久 成人 亚洲| 黑人猛操日本美女一级片| 成人国语在线视频| 青草久久国产| 免费女性裸体啪啪无遮挡网站| 性高湖久久久久久久久免费观看| 精品少妇黑人巨大在线播放| 人妻一区二区av| 欧美97在线视频| 18禁动态无遮挡网站| 国产精品久久久久久精品电影小说| 精品少妇内射三级| 国产成人av激情在线播放| 中国三级夫妇交换| 久久99精品国语久久久| 纵有疾风起免费观看全集完整版| 国产男女超爽视频在线观看| 伦理电影大哥的女人| 久久亚洲国产成人精品v| 国产免费又黄又爽又色| 久久久久久人人人人人| 日韩中文字幕欧美一区二区 | 欧美激情极品国产一区二区三区| 日韩一区二区视频免费看| 国产一区有黄有色的免费视频| 18禁动态无遮挡网站| 一级a爱视频在线免费观看| 久久热在线av| 自拍欧美九色日韩亚洲蝌蚪91| 精品一区二区三区四区五区乱码 | 亚洲av成人精品一二三区| 欧美日韩成人在线一区二区| 永久免费av网站大全| 丝袜美腿诱惑在线| 黄色配什么色好看| 成人午夜精彩视频在线观看| 日本欧美视频一区| 久久国产精品男人的天堂亚洲| 久久久久久人妻| 少妇熟女欧美另类| www日本在线高清视频| 亚洲精品av麻豆狂野| 黑人欧美特级aaaaaa片| 国产亚洲欧美精品永久| 一区二区av电影网| 街头女战士在线观看网站| 两性夫妻黄色片| 精品福利永久在线观看| 国产精品av久久久久免费| 精品少妇黑人巨大在线播放| 日日啪夜夜爽| 纯流量卡能插随身wifi吗| 欧美成人精品欧美一级黄| 在线亚洲精品国产二区图片欧美| 久久久久久人人人人人| 国产一级毛片在线| 三级国产精品片| 97精品久久久久久久久久精品| 亚洲综合精品二区| 水蜜桃什么品种好| 在现免费观看毛片| 2021少妇久久久久久久久久久| 午夜老司机福利剧场| 美国免费a级毛片| 国产精品久久久久久av不卡| av国产精品久久久久影院| xxxhd国产人妻xxx| 校园人妻丝袜中文字幕| 欧美精品av麻豆av| www.精华液| 黑人猛操日本美女一级片| 青春草亚洲视频在线观看| 在线观看国产h片| xxxhd国产人妻xxx| 中文字幕av电影在线播放| 亚洲婷婷狠狠爱综合网| 亚洲精品国产av成人精品| 久久国内精品自在自线图片| 免费日韩欧美在线观看| 亚洲精品日本国产第一区| 国产成人aa在线观看| 99热全是精品| 国产欧美日韩一区二区三区在线| 三上悠亚av全集在线观看| 老熟女久久久| 亚洲国产成人一精品久久久| 精品99又大又爽又粗少妇毛片| 韩国精品一区二区三区| 伊人久久大香线蕉亚洲五| 男人添女人高潮全过程视频| 999精品在线视频| 国产精品久久久久久精品电影小说| 精品卡一卡二卡四卡免费| 丰满少妇做爰视频| 午夜老司机福利剧场| 夜夜骑夜夜射夜夜干| 高清欧美精品videossex| 国产精品嫩草影院av在线观看| 下体分泌物呈黄色| 超碰成人久久| 在线 av 中文字幕| 2021少妇久久久久久久久久久| 久久国内精品自在自线图片| 美女国产高潮福利片在线看| 国产老妇伦熟女老妇高清| 丝袜脚勾引网站| 激情视频va一区二区三区| 韩国高清视频一区二区三区| 国产精品一二三区在线看| www.自偷自拍.com| av在线老鸭窝| 国产亚洲精品第一综合不卡| 考比视频在线观看| 国产成人一区二区在线| 国产一区二区三区综合在线观看| 久久精品国产亚洲av涩爱| 久久国产精品大桥未久av| 这个男人来自地球电影免费观看 | 久久久久久久大尺度免费视频| 一区二区三区四区激情视频| 在线观看美女被高潮喷水网站| 最近中文字幕高清免费大全6| 男人操女人黄网站| 永久免费av网站大全| 香蕉国产在线看| av片东京热男人的天堂| 日韩三级伦理在线观看| 色哟哟·www| 久久热在线av| 高清不卡的av网站| 嫩草影院入口| 国产免费视频播放在线视频| 亚洲四区av| 老司机亚洲免费影院| 人妻系列 视频| 精品亚洲乱码少妇综合久久| 精品国产一区二区三区四区第35| 18+在线观看网站| 五月开心婷婷网| 成人亚洲精品一区在线观看| 男的添女的下面高潮视频| av网站免费在线观看视频| 制服诱惑二区| 亚洲av成人精品一二三区| 自拍欧美九色日韩亚洲蝌蚪91| 久久99热这里只频精品6学生| 一本大道久久a久久精品| 狂野欧美激情性bbbbbb| 熟妇人妻不卡中文字幕| 国产日韩欧美在线精品| 宅男免费午夜| 日韩熟女老妇一区二区性免费视频| 欧美激情高清一区二区三区 | 日韩av在线免费看完整版不卡| 看非洲黑人一级黄片| 欧美少妇被猛烈插入视频| 精品卡一卡二卡四卡免费| 亚洲五月色婷婷综合| 国产亚洲精品第一综合不卡| 亚洲人成网站在线观看播放| 欧美日韩综合久久久久久| 欧美亚洲 丝袜 人妻 在线| 欧美bdsm另类| 国产亚洲欧美精品永久| 免费观看无遮挡的男女| 亚洲欧美中文字幕日韩二区| 飞空精品影院首页| 美女中出高潮动态图| 大香蕉久久网| 久久女婷五月综合色啪小说| 老鸭窝网址在线观看| 美女主播在线视频| 桃花免费在线播放| 97在线视频观看| 国产精品久久久久成人av| 丝袜在线中文字幕| 国产淫语在线视频| 久久精品人人爽人人爽视色| 精品福利永久在线观看| 人人妻人人澡人人看| 日本猛色少妇xxxxx猛交久久| 王馨瑶露胸无遮挡在线观看| 国产乱来视频区| 久久久久久久亚洲中文字幕| 欧美黄色片欧美黄色片| 国产av码专区亚洲av| 亚洲色图 男人天堂 中文字幕| 啦啦啦在线观看免费高清www| 欧美日韩视频高清一区二区三区二| 老司机影院成人| 涩涩av久久男人的天堂| 国产伦理片在线播放av一区| 国产免费福利视频在线观看| 国产欧美日韩综合在线一区二区| av天堂久久9| 一本大道久久a久久精品| 国产亚洲av片在线观看秒播厂| 男人添女人高潮全过程视频| 久久精品人人爽人人爽视色| 男人操女人黄网站| 精品久久蜜臀av无| 9191精品国产免费久久| 日韩中文字幕欧美一区二区 | 国产精品亚洲av一区麻豆 | 亚洲欧洲国产日韩| 伦理电影免费视频| 一本大道久久a久久精品| 麻豆精品久久久久久蜜桃| 久久久国产欧美日韩av| 90打野战视频偷拍视频| 久久精品久久久久久噜噜老黄| 黑人欧美特级aaaaaa片| 777久久人妻少妇嫩草av网站| 伊人久久国产一区二区| 九草在线视频观看| 香蕉国产在线看| 激情五月婷婷亚洲| 亚洲av免费高清在线观看| 国产乱人偷精品视频| 欧美激情极品国产一区二区三区| 麻豆av在线久日| 亚洲国产欧美在线一区| 高清不卡的av网站| 妹子高潮喷水视频| 亚洲精华国产精华液的使用体验| 久久久亚洲精品成人影院| 日韩伦理黄色片| 我的亚洲天堂| 啦啦啦啦在线视频资源| 18禁国产床啪视频网站| 亚洲av欧美aⅴ国产| 亚洲一级一片aⅴ在线观看| 国产av国产精品国产| 日韩中字成人| 成人国产av品久久久| 久久久久久免费高清国产稀缺| 日本91视频免费播放| 五月开心婷婷网| 国产精品国产三级专区第一集| 亚洲成国产人片在线观看| 亚洲成人手机| 国产成人欧美| 欧美激情 高清一区二区三区| 香蕉丝袜av| 国产麻豆69| 免费观看性生交大片5| 麻豆精品久久久久久蜜桃| 久久这里有精品视频免费| av.在线天堂| 欧美人与性动交α欧美精品济南到 | 日韩制服骚丝袜av| 伦理电影免费视频| 欧美 亚洲 国产 日韩一| 国产在线一区二区三区精| 在线天堂中文资源库| 香蕉国产在线看| 久久ye,这里只有精品| 国产精品嫩草影院av在线观看| 97在线人人人人妻| 国产在线免费精品| 欧美精品一区二区免费开放| 丰满乱子伦码专区| 99久久精品国产国产毛片| 在线观看人妻少妇| 国产男女超爽视频在线观看| 精品国产乱码久久久久久小说| 国产综合精华液| 久久久久久免费高清国产稀缺| 宅男免费午夜| 亚洲激情五月婷婷啪啪| 国产人伦9x9x在线观看 | 成人亚洲精品一区在线观看| 欧美日韩视频精品一区| 久久综合国产亚洲精品| 国产一级毛片在线| 国产伦理片在线播放av一区| 一级,二级,三级黄色视频| 高清av免费在线| 嫩草影院入口| 成年女人毛片免费观看观看9 | 亚洲在久久综合| 侵犯人妻中文字幕一二三四区| 女性被躁到高潮视频| 久久久久久久大尺度免费视频| 国产伦理片在线播放av一区| 午夜日本视频在线| 国产亚洲午夜精品一区二区久久| 亚洲精品日本国产第一区| 精品亚洲成国产av| 亚洲av电影在线进入| 日韩制服骚丝袜av| 国产成人免费无遮挡视频| 老汉色∧v一级毛片| 午夜免费男女啪啪视频观看| 亚洲第一区二区三区不卡| 成人国产av品久久久| 免费少妇av软件| 成人亚洲欧美一区二区av| 又大又黄又爽视频免费| 青青草视频在线视频观看| 麻豆精品久久久久久蜜桃| 1024香蕉在线观看| 天天操日日干夜夜撸| 欧美日韩视频精品一区| 成年女人毛片免费观看观看9 | 亚洲欧美成人综合另类久久久| 一级毛片电影观看| 国产老妇伦熟女老妇高清| 少妇精品久久久久久久| 国产成人精品在线电影| 亚洲综合色惰| 亚洲国产最新在线播放| 91成人精品电影| 免费观看在线日韩| 亚洲av福利一区| 曰老女人黄片| 秋霞伦理黄片| 精品福利永久在线观看| xxx大片免费视频| 最近2019中文字幕mv第一页| 美女中出高潮动态图| 午夜福利在线观看免费完整高清在| 极品人妻少妇av视频| 日韩免费高清中文字幕av| 亚洲第一av免费看| 久久精品国产亚洲av高清一级| 久久久久国产一级毛片高清牌| 狂野欧美激情性bbbbbb| 男女无遮挡免费网站观看| 国产一区二区三区av在线| 亚洲色图综合在线观看| 麻豆精品久久久久久蜜桃| 欧美老熟妇乱子伦牲交| 亚洲熟女精品中文字幕| 精品少妇久久久久久888优播| 妹子高潮喷水视频| 不卡视频在线观看欧美| 最新中文字幕久久久久| 国产免费一区二区三区四区乱码| 久久精品国产鲁丝片午夜精品| 精品人妻熟女毛片av久久网站| 男女啪啪激烈高潮av片| av一本久久久久| 婷婷色av中文字幕| 亚洲中文av在线| 色婷婷av一区二区三区视频| 欧美日韩国产mv在线观看视频| 国产精品麻豆人妻色哟哟久久| 精品人妻偷拍中文字幕| 免费久久久久久久精品成人欧美视频| 欧美日韩精品网址| 国产不卡av网站在线观看| 国产精品偷伦视频观看了| 亚洲欧洲精品一区二区精品久久久 | 欧美日韩综合久久久久久| av又黄又爽大尺度在线免费看| 侵犯人妻中文字幕一二三四区| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 少妇人妻久久综合中文| 国产成人免费无遮挡视频| 在线观看人妻少妇| 一级片免费观看大全| 天堂8中文在线网| 在线亚洲精品国产二区图片欧美| 色网站视频免费| 午夜久久久在线观看| 一级a爱视频在线免费观看| 日韩,欧美,国产一区二区三区| 亚洲av.av天堂| av女优亚洲男人天堂| kizo精华| 国产欧美日韩综合在线一区二区| 亚洲国产欧美网| 一区二区日韩欧美中文字幕| 国产精品一国产av| 精品国产国语对白av| 久久精品国产a三级三级三级| 一级毛片黄色毛片免费观看视频| 久久久国产一区二区| 妹子高潮喷水视频| 精品国产露脸久久av麻豆| 一边亲一边摸免费视频| 欧美成人午夜精品| 夫妻性生交免费视频一级片| 国产激情久久老熟女| 侵犯人妻中文字幕一二三四区| 亚洲男人天堂网一区| 哪个播放器可以免费观看大片| av国产久精品久网站免费入址| 两个人免费观看高清视频| 免费在线观看黄色视频的| 欧美国产精品va在线观看不卡| a级片在线免费高清观看视频| 黄片无遮挡物在线观看| 免费观看无遮挡的男女| 在线观看一区二区三区激情| 亚洲精品aⅴ在线观看| 伦理电影免费视频| 久久久久久人妻| 精品福利永久在线观看| 青春草亚洲视频在线观看| 三上悠亚av全集在线观看| 亚洲欧美一区二区三区黑人 | 国产野战对白在线观看| 1024视频免费在线观看| 综合色丁香网| 免费少妇av软件| 这个男人来自地球电影免费观看 | 国产片内射在线| 久久精品国产a三级三级三级| 欧美激情高清一区二区三区 | 一本—道久久a久久精品蜜桃钙片| 美女国产高潮福利片在线看| 国产毛片在线视频| av片东京热男人的天堂| 天堂俺去俺来也www色官网| 国产av精品麻豆| 久久久精品94久久精品| 丝瓜视频免费看黄片| 在线天堂最新版资源| 国产高清国产精品国产三级| 亚洲图色成人| 1024视频免费在线观看| 久久韩国三级中文字幕| 少妇的逼水好多| 69精品国产乱码久久久| 一区二区三区乱码不卡18| 韩国av在线不卡| 欧美97在线视频| 国产一区二区三区av在线| 一区二区三区乱码不卡18| 18禁国产床啪视频网站| 人人妻人人澡人人看| 少妇熟女欧美另类| 美女脱内裤让男人舔精品视频| 亚洲欧洲精品一区二区精品久久久 | 男女边摸边吃奶| 亚洲精品国产av成人精品| 亚洲男人天堂网一区| 在线观看三级黄色| 中文字幕制服av| 男女免费视频国产| 91精品国产国语对白视频| 日韩精品免费视频一区二区三区| 日韩中字成人| 丝袜脚勾引网站| 久久女婷五月综合色啪小说| 成人漫画全彩无遮挡| 国产精品麻豆人妻色哟哟久久| 亚洲熟女精品中文字幕| av不卡在线播放| 在线天堂中文资源库| www.精华液| 国产爽快片一区二区三区| 亚洲一区二区三区欧美精品| 咕卡用的链子| 久久鲁丝午夜福利片| 男女边吃奶边做爰视频| www.自偷自拍.com| av在线观看视频网站免费| 女性被躁到高潮视频| 国产白丝娇喘喷水9色精品| 亚洲国产精品一区三区| 成年动漫av网址| 99热网站在线观看| 晚上一个人看的免费电影| 男女边摸边吃奶| 热99国产精品久久久久久7| 人人妻人人澡人人爽人人夜夜| √禁漫天堂资源中文www| 新久久久久国产一级毛片| 国产精品亚洲av一区麻豆 | 国产片特级美女逼逼视频| 午夜福利在线免费观看网站| 国产一区二区 视频在线| 成年动漫av网址| 精品久久蜜臀av无| 日韩制服丝袜自拍偷拍| 欧美日韩视频精品一区| 欧美精品亚洲一区二区| 亚洲第一区二区三区不卡| 久久韩国三级中文字幕| 蜜桃在线观看..| 日本猛色少妇xxxxx猛交久久| 久久久a久久爽久久v久久| 亚洲欧洲国产日韩| 成人二区视频| 日产精品乱码卡一卡2卡三| 亚洲欧美中文字幕日韩二区| 叶爱在线成人免费视频播放| 青青草视频在线视频观看| 人妻 亚洲 视频| 99久久中文字幕三级久久日本| 婷婷色av中文字幕| 丝袜人妻中文字幕| av女优亚洲男人天堂| 国产av精品麻豆| 亚洲,一卡二卡三卡| 尾随美女入室| 国产片内射在线| 一区二区日韩欧美中文字幕| 各种免费的搞黄视频| 女人高潮潮喷娇喘18禁视频| 久久久精品国产亚洲av高清涩受| 欧美日韩亚洲高清精品| 亚洲精品,欧美精品| 少妇熟女欧美另类| 交换朋友夫妻互换小说| www日本在线高清视频| 欧美xxⅹ黑人| 王馨瑶露胸无遮挡在线观看| 精品酒店卫生间| 丰满迷人的少妇在线观看| 久久婷婷青草| 一级片'在线观看视频| 国产精品久久久av美女十八| 极品人妻少妇av视频| 九九爱精品视频在线观看| 亚洲欧洲国产日韩| 国产爽快片一区二区三区| 国产精品一国产av| 热re99久久精品国产66热6| 只有这里有精品99| 99热全是精品| 免费高清在线观看视频在线观看| 久久精品夜色国产| 国产成人精品久久二区二区91 | xxx大片免费视频| 伊人久久国产一区二区| 久久这里只有精品19| 国产在线一区二区三区精| 一区二区av电影网| 飞空精品影院首页| av免费观看日本| 三上悠亚av全集在线观看| 99热国产这里只有精品6| 天天躁夜夜躁狠狠躁躁| 精品国产乱码久久久久久小说| 国产无遮挡羞羞视频在线观看| a级毛片在线看网站| 一二三四在线观看免费中文在| 亚洲激情五月婷婷啪啪| 亚洲欧美日韩另类电影网站| 天天躁夜夜躁狠狠久久av| 亚洲欧美日韩另类电影网站| freevideosex欧美| 黄网站色视频无遮挡免费观看| 亚洲精品久久久久久婷婷小说| 国产乱来视频区| 久久精品亚洲av国产电影网| 久久人人爽人人片av| 一区二区三区精品91| 麻豆精品久久久久久蜜桃| av网站免费在线观看视频| 97人妻天天添夜夜摸| 男女边摸边吃奶| 最近2019中文字幕mv第一页| 母亲3免费完整高清在线观看 | 国产亚洲精品第一综合不卡| 国产精品亚洲av一区麻豆 | 久久久国产欧美日韩av| 成年女人毛片免费观看观看9 | 久久人人97超碰香蕉20202| 亚洲国产av新网站| 国产日韩欧美亚洲二区| 亚洲一级一片aⅴ在线观看| 日本91视频免费播放| 国产成人免费观看mmmm| 欧美精品高潮呻吟av久久| 亚洲内射少妇av| 亚洲精品久久成人aⅴ小说| 免费久久久久久久精品成人欧美视频| 国产xxxxx性猛交| 中文字幕色久视频| 免费少妇av软件| 啦啦啦在线观看免费高清www| 日韩欧美一区视频在线观看| 国产精品一区二区在线不卡| 宅男免费午夜| 人人妻人人添人人爽欧美一区卜| 国产成人午夜福利电影在线观看| 国产精品女同一区二区软件| 看免费成人av毛片| 久久精品国产综合久久久| 免费女性裸体啪啪无遮挡网站| 国产精品久久久久久精品电影小说| 男女免费视频国产| 一二三四在线观看免费中文在| 在线观看免费日韩欧美大片| 亚洲av综合色区一区| 国产一区二区三区av在线| 三上悠亚av全集在线观看| 少妇人妻 视频| 欧美av亚洲av综合av国产av | 午夜激情久久久久久久| 一区二区日韩欧美中文字幕| 色哟哟·www| 欧美黄色片欧美黄色片| 亚洲精品av麻豆狂野| 九草在线视频观看| 久久午夜福利片| av网站免费在线观看视频| 久久久精品区二区三区| 久久精品国产自在天天线|