• <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 ?

    雙流融合的動作識別方法研究

    2021-02-04 06:53:16
    軟件導(dǎo)刊 2021年1期
    關(guān)鍵詞:關(guān)節(jié)點(diǎn)骨骼卷積

    (安慶師范大學(xué)計(jì)算機(jī)與信息學(xué)院,安徽安慶 246133)

    0 引言

    動作識別在各種領(lǐng)域應(yīng)用廣泛,如公共場所安全、醫(yī)療服務(wù)和教育教學(xué)等[1]。人體動作識別中的數(shù)據(jù)獲取大都依賴視覺傳感器(如相機(jī))或者可穿戴慣性傳感器,通過構(gòu)建合適的網(wǎng)絡(luò)模型對數(shù)據(jù)中的特征進(jìn)行學(xué)習(xí),實(shí)現(xiàn)動作分類[2-3]。大規(guī)模人體動作數(shù)據(jù)集[3-4]的建立和多種檢測方法[5-7]的引入,加快了人體動作識別領(lǐng)域的發(fā)展。目前,在面部動作及常見肢體動作如行走、跳躍等方面實(shí)現(xiàn)了較高的識別精度。

    深度學(xué)習(xí)(Deep Learning)通過網(wǎng)絡(luò)擬合方式自動挖掘數(shù)據(jù)中的信息特征,成為動作識別領(lǐng)域的新方向。對于數(shù)據(jù)集而言,基于深度學(xué)習(xí)的動作識別方法可以分為基于視頻數(shù)據(jù)(Video-based)的識別方法與基于骨骼數(shù)據(jù)(Skele?ton-based)的識別方法。

    傳統(tǒng)基于視頻數(shù)據(jù)的動作分類方法根據(jù)視頻幀中的空間信息和時間域上的信息表示進(jìn)行建模。Simonyan 等[2]提出雙流(Two-Stream)的識別方法,對視頻圖像和密集光流(Optical flow)分別訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neu?ral Network,CNN),再對輸出的概率求均值并輸出最終識別率;Donahue 等[8]使用遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)替代基于流的設(shè)計(jì);Wang 等[9]通過稀疏采樣,使用加權(quán)平均方法處理時間/空間流特征圖,提升算法準(zhǔn)確性。雙流方法既可以學(xué)習(xí)視頻圖片的色彩輪廓信息,又可以學(xué)習(xí)動作的短時時序信息,但對于動作的長時時序信息網(wǎng)絡(luò)無法較好處理。

    三維卷積神經(jīng)網(wǎng)絡(luò)(3D Convolutional Neural Network,3D CNN)對若干連續(xù)幀的視頻圖像建立模型,可以較好地處理時間序列信息。如Tran 等[10]引入3D CNN 作為特征提取器,使用反卷積解釋模型;王永雄等[11]將3D CNN 融入殘差網(wǎng)絡(luò),提取動作的時空特征,實(shí)現(xiàn)了較好結(jié)果。3D CNN 既可以通過網(wǎng)絡(luò)模型學(xué)習(xí)視頻數(shù)據(jù)單幀圖像的位置輪廓信息,又可以學(xué)習(xí)連續(xù)幀之間的時間信息。但是網(wǎng)絡(luò)參數(shù)量巨大,訓(xùn)練速度較慢。

    目前,通過在視頻圖像中添加注意力機(jī)制,一些方法也達(dá)到了較好分類結(jié)果。Sharma 等[12]使用帶有注意力模塊的CNN 網(wǎng)絡(luò)作為圖像編碼器,對編碼過的圖像信息使用三層長短時記憶網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)學(xué)習(xí)圖像在時序上的變化,最終達(dá)到較好動作識別效果;Yao等[13]使用3D CNN 和RNN 結(jié)合的網(wǎng)絡(luò)作為編碼/解碼器,引入注意力機(jī)制學(xué)習(xí)全局上下文信息;Sudhakaran 等[14]使用添加注意力機(jī)制的網(wǎng)絡(luò)自發(fā)關(guān)注手部運(yùn)動,再利用卷積長短時記憶網(wǎng)絡(luò)(convolutional Long Short-Term Memory,conv LSTM)學(xué)習(xí)時間序列信息,達(dá)到較好效果;曹晉其等[15]使用CNN 與LSTM 相結(jié)合的方式,在CNN 中添加注意力機(jī)制,達(dá)到較好識別效果。注意力機(jī)制在一定程度上讓網(wǎng)絡(luò)模型的參數(shù)聚焦于某些關(guān)鍵像素,更好地學(xué)習(xí)視頻圖像的色彩信息和輪廓信息。但網(wǎng)絡(luò)過度關(guān)注某一區(qū)域也會導(dǎo)致全局信息缺失。

    視頻數(shù)據(jù)有良好的色彩信息和輪廓信息,通過網(wǎng)絡(luò)模型可以充分地學(xué)習(xí)到這些信息。并且,視頻數(shù)據(jù)采集方便,構(gòu)建大規(guī)模數(shù)據(jù)集也相對容易。但是視頻數(shù)據(jù)通過相機(jī)采集,只存在二維平面的位置特征。對于視頻圖像,目前大部分網(wǎng)絡(luò)模型只能學(xué)習(xí)人員的色彩輪廓信息,信息豐富度較低,這也是此類方法識別精度較低的原因。

    基于骨骼數(shù)據(jù)的識別方法通過構(gòu)建可以學(xué)習(xí)關(guān)節(jié)點(diǎn)坐標(biāo)的空間位置信息和關(guān)節(jié)點(diǎn)在時序上變化信息的網(wǎng)絡(luò)模型,實(shí)現(xiàn)分類效果。Du 等[16]根據(jù)人體結(jié)構(gòu)將骨骼分為5個部分,然后分別將它們輸入到分層遞歸神經(jīng)網(wǎng)絡(luò)(Bidi?rectional Recurrent Neural Network,BRNN)中以識別動作;Song 等[5]使用3 層LSTM 網(wǎng)絡(luò),并在空間和時間上加入At?tention 機(jī)制,使網(wǎng)絡(luò)關(guān)注重要的關(guān)節(jié)點(diǎn)和時間點(diǎn),達(dá)到較好識別效果;胡立樟[17]提出一種綜合LSTM 與最大池化的設(shè)計(jì),能夠?qū)W習(xí)不定時間跨度的上下文特征;Li 等[18]提出分層CNN 網(wǎng)絡(luò),學(xué)習(xí)聯(lián)合共現(xiàn)和時間演化的表示形式。通過將人體關(guān)節(jié)點(diǎn)的三維坐標(biāo)作為輸入,可以學(xué)習(xí)更豐富的空間位置信息;而以LSTM 處理時間序列信息,可以讓網(wǎng)絡(luò)模型學(xué)習(xí)更長時間。但只是簡單地將人體關(guān)節(jié)的三維坐標(biāo)作為一個整體輸入到網(wǎng)絡(luò)模型中,并未充分考慮人體關(guān)節(jié)點(diǎn)之間的連接關(guān)系。

    圖卷積(GraphConvolutional Network,GCN)在動作識別領(lǐng)域的應(yīng)用讓這一領(lǐng)域有了新的發(fā)展。Yan 等[7]首次將GCN 引入動作識別領(lǐng)域,使識別結(jié)果有了較大突破。Si等[19]應(yīng)用圖神經(jīng)網(wǎng)絡(luò)捕獲空間結(jié)構(gòu)信息,使用LSTM 建模時間動態(tài);Si 等[6]在已有基礎(chǔ)上引入Attention 機(jī)制,使用LSTM 網(wǎng)絡(luò)學(xué)習(xí)時間特征,獲得NTU RGB+D 數(shù)據(jù)集[3]的較好分類結(jié)果。該方法通過圖卷積,讓網(wǎng)絡(luò)模型學(xué)習(xí)人體關(guān)節(jié)點(diǎn)之間的相對位置關(guān)系,豐富空間位置信息內(nèi)容。

    骨骼數(shù)據(jù)具有空間三維信息,可以直接體現(xiàn)人體運(yùn)動的空間變換。但由于缺乏圖像的輪廓信息,對于差異度較小的動作,只使用骨骼數(shù)據(jù),網(wǎng)絡(luò)往往難以區(qū)分。同時,采集人體關(guān)節(jié)點(diǎn)數(shù)據(jù)需要專業(yè)設(shè)備,在某些情況下并沒有采集數(shù)據(jù)的條件。

    以上方法均是對單一類型數(shù)據(jù)進(jìn)行建模,各有利弊。本文分別對兩種數(shù)據(jù)建立不同的網(wǎng)絡(luò)模型,并對兩種模型輸出結(jié)果進(jìn)行概率融合。該方法在一定程度上結(jié)合了兩種數(shù)據(jù)的優(yōu)點(diǎn),較為有效地實(shí)現(xiàn)了兩種數(shù)據(jù)的信息融合。

    1 相關(guān)原理

    1.1 圖卷積原理

    圖卷積是對于輸入數(shù)據(jù)首先構(gòu)建圖拓?fù)浣Y(jié)構(gòu),再使用類似卷積運(yùn)算的方式處理這些數(shù)據(jù)。對于基于骨骼數(shù)據(jù)的動作識別,通過圖卷積可以很好地學(xué)習(xí)骨骼關(guān)節(jié)點(diǎn)之間的空間位置關(guān)系,從而對動作進(jìn)行較好地分類識別。

    圖卷積與傳統(tǒng)卷積類似之處便在于,圖卷積的計(jì)算過程也是一個先采樣再加權(quán)求和的過程。圖卷積的采樣方式與傳統(tǒng)卷積類似,傳統(tǒng)卷積對中心像素點(diǎn)及周圍像素點(diǎn)進(jìn)行采樣后輸入卷積網(wǎng)絡(luò),而圖卷積則對中心節(jié)點(diǎn)及鄰居節(jié)點(diǎn)進(jìn)行采樣后輸入網(wǎng)絡(luò)。本文方法只對中心節(jié)點(diǎn)及周圍一階鄰居點(diǎn)進(jìn)行采樣,對于與中心節(jié)點(diǎn)相連節(jié)點(diǎn)個數(shù)不足3 個的,會補(bǔ)上節(jié)點(diǎn)信息為空的啞節(jié)點(diǎn)。兩者卷積參數(shù)有不同定義,傳統(tǒng)卷積參數(shù)完全由網(wǎng)絡(luò)反向傳播計(jì)算,而圖卷積參數(shù)是通過添加拉普拉斯矩陣后反向傳播并訓(xùn)練得到[20]。對于任意圖結(jié)構(gòu),在已知節(jié)點(diǎn)所包含的初始特征信息后都可以通過圖卷積的方式計(jì)算聚合后的信息F:

    其中,D 表示采樣后圖結(jié)構(gòu)的度矩陣(Degree Matrix),A 表示采樣后圖結(jié)構(gòu)的鄰接矩陣(Adjacency Matrix),X 表示鄰居節(jié)點(diǎn)所包含的信息,ω表示網(wǎng)絡(luò)參數(shù)。通過合適的網(wǎng)絡(luò)訓(xùn)練參數(shù)ω,可以將周圍節(jié)點(diǎn)的信息聚合到中心節(jié)點(diǎn),從而構(gòu)建更豐富的節(jié)點(diǎn)信息。再對這些信息使用分類器分類,可以實(shí)現(xiàn)較好的動作分類效果。

    1.2 注意力機(jī)制原理

    卷積神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行卷積計(jì)算并不斷凝煉圖像像素特征,其網(wǎng)絡(luò)最后一層的輸出包含豐富的信息。而將這些信息輸入全連接層時訓(xùn)練得到的參數(shù)客觀上反映了最后特征圖有哪些區(qū)域應(yīng)該值得關(guān)注。通過對所有通道的結(jié)果求和,輸出注意力熱圖(見圖1)[21],這樣的模塊稱之為注意力模塊。注意力參數(shù)α可以表示為:

    其中,?表示元素乘法(Hadamard Product)。

    通過這種方法可以使網(wǎng)絡(luò)模型自發(fā)關(guān)注重要部位,從而有利于后續(xù)動作分類。

    Fig.1 Attention heat map generation圖1 注意力熱圖生成

    2 本文方法

    2.1 基于骨骼數(shù)據(jù)的動作識別方法

    在具有N個關(guān)節(jié)點(diǎn)和T幀的骨骼序列上構(gòu)造空間無向圖結(jié)構(gòu)G=(V,E)。其中,節(jié)點(diǎn)集合V={vti|t=1,…,T,i=1,…,N}包括了骨骼序列的所有節(jié)點(diǎn)。作為網(wǎng)絡(luò)輸入,節(jié)點(diǎn)vti上的特征向量X(vti)由第t幀第i個關(guān)節(jié)點(diǎn)的三維坐標(biāo)向量組成。根據(jù)人體結(jié)構(gòu)的連通性將一幀內(nèi)的關(guān)節(jié)用邊連接,每個關(guān)節(jié)將在連續(xù)的幀中連接到同一關(guān)節(jié)點(diǎn)。而邊的集合E由兩個子集組成:第1 個子集ES={vtivtj|(i,j)∈H}表示每一幀的骨骼連接,其中H是人體關(guān)節(jié)點(diǎn)的總數(shù);第2 個子集EF={vtiv(t+1)i}表示連續(xù)幀中相連的關(guān)節(jié)點(diǎn)(見圖2)。

    Fig.2 Visual structure of input data圖2 輸入數(shù)據(jù)可視化結(jié)構(gòu)

    對于輸入數(shù)據(jù),先使用圖卷積編碼關(guān)節(jié)點(diǎn)在空間中的位置關(guān)系。在單幀的人體關(guān)節(jié)點(diǎn)連接結(jié)構(gòu)中,在關(guān)節(jié)點(diǎn)vti的鄰居集上定義采樣函數(shù)。其中,表示到vti的任意路徑的最小長度。設(shè)置D=1,即只選取節(jié)點(diǎn)vti的一階鄰居節(jié)點(diǎn),這一步稱之為采樣。同時,保證每次采樣N=4 個關(guān)節(jié)點(diǎn),對不滿足這一條件的采樣通過添加節(jié)點(diǎn)信息為空的啞節(jié)點(diǎn)予以解決。結(jié)合式(1),單幀視頻的單個節(jié)點(diǎn)vti通過圖卷積聚合后的特征輸出可表示為:

    而對于時間維度的關(guān)節(jié)點(diǎn)連接則簡單得多。本文對時間維度按照完全相同的時間間隔采樣,因此時間維度的關(guān)節(jié)連接是規(guī)則的,可按照傳統(tǒng)卷積方法計(jì)算。對于時間維度的關(guān)節(jié)點(diǎn)連接結(jié)構(gòu),設(shè)計(jì)一個大小為3×1 的卷積核,在時序上以步長為1 的方式移動。對所有時間序列進(jìn)行卷積處理,構(gòu)建更豐富的信息。這樣的模塊被稱為TCN 模塊。

    本文方法對于空間維度和時間維度兩個不同維度的處理是交替進(jìn)行的,本文人體動作識別網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示。

    Fig.3 Human action recognition network based on skeleton data圖3 基于骨骼數(shù)據(jù)的人體動作識別網(wǎng)絡(luò)

    2.2 基于視頻數(shù)據(jù)的動作識別方法

    基于視頻數(shù)據(jù)的動作識別方法在識別效果上會受到視頻背景信息的影響,因此,本文首先對輸入的視頻數(shù)據(jù)進(jìn)行處理,手動裁剪出人員所在區(qū)域,并將這些區(qū)域的圖片作為數(shù)據(jù)輸入識別網(wǎng)絡(luò)。

    將處理過的視頻數(shù)據(jù)按時間序列逐幀輸入殘差網(wǎng)絡(luò)[22](ResNet),通過殘差網(wǎng)絡(luò)編碼視頻幀所包含的色彩信息和輪廓信息,并將添加注意力機(jī)制的已編碼數(shù)據(jù)輸入conv LSTM[23](對時間序列信息進(jìn)行編碼)。整體網(wǎng)絡(luò)結(jié)構(gòu)如圖4 所示。

    Fig.4 Action recognition network based on video data圖4 基于視頻數(shù)據(jù)的動作識別網(wǎng)絡(luò)

    2.3 雙流融合的動作識別方法

    基于視頻數(shù)據(jù)的雙流融合方法會先提取出視頻數(shù)據(jù)的密集光流,使用CNN 同時處理視頻數(shù)據(jù)和光流數(shù)據(jù)。將使用CNN 編碼過后的特征信息輸入SoftMax 分類器,該分類器會對每一組用于測試的數(shù)據(jù)進(jìn)行分類,并輸出該組數(shù)據(jù)屬于某種類別的概率。對兩種數(shù)據(jù)流的輸出概率求均值,實(shí)現(xiàn)信息融合,信息融合后的綜合識別率往往高于單個數(shù)據(jù)流的識別率。

    本文借鑒這種信息融合方法,分別使用時空圖卷積框架下的人體動作識別網(wǎng)絡(luò)和基于視頻數(shù)據(jù)的人體動作識別網(wǎng)絡(luò),并對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。使用收斂后的參數(shù)進(jìn)行測試,將每個視頻片段的分類概率以矩陣形式保存。對兩種數(shù)據(jù)流輸出概率求均值后輸出最終分類結(jié)果,如圖5 所示。

    Fig.5 Two-stream fusion method圖5 雙流融合方法

    3 實(shí)驗(yàn)結(jié)果與分析

    使用NTU RGB+D 數(shù)據(jù)集[3]測試本文方法有效性。該數(shù)據(jù)集是目前較大的公開動作識別數(shù)據(jù)集,該數(shù)據(jù)集由56 880 個動作樣本組成,包括40 名人員的60 種日常單人/雙人動作(如喝水、脫衣服、鍵盤打字與走向某人等)。該數(shù)據(jù)集通過Kinect v2.0 采集包含25 個關(guān)節(jié)點(diǎn)的三維坐標(biāo)的骨骼數(shù)據(jù),并通過相機(jī)采集視頻數(shù)據(jù)。

    對于基于骨骼數(shù)據(jù)的動作識別網(wǎng)絡(luò),設(shè)置初始學(xué)習(xí)率為0.1,并且每10 個epochs 學(xué)習(xí)率縮小為原來的10%。網(wǎng)絡(luò)訓(xùn)練共80 個epochs,使用標(biāo)準(zhǔn)交叉熵?fù)p失函數(shù)進(jìn)行反向傳播。

    對于基于視頻數(shù)據(jù)的動作識別完成后,設(shè)置初始學(xué)習(xí)率為0.001。網(wǎng)絡(luò)訓(xùn)練300 個epochs,使用標(biāo)準(zhǔn)交叉熵?fù)p失函數(shù)進(jìn)行反向傳播。

    Table 1 NTU RGB+D data set recognition results表1 NTU RGB+D 數(shù)據(jù)集識別結(jié)果

    本文方法識別率達(dá)83.76%,比H-RNN、STA-LSTM、ST-GCN 方法的識別率均有不同程度的提升,對比結(jié)果如表1 所示。通過多人動作注意力熱圖可視化(見圖6)結(jié)果可以發(fā)現(xiàn),對于數(shù)據(jù)集中的雙人動作,注意力熱圖往往只能關(guān)注其中一人,而對另一人關(guān)注度不足,導(dǎo)致該識別方法對動作分辨能力不佳,從而影響最終識別精度。

    Fig.6 Multi-person action attention heat map visualization圖6 多人動作注意力熱圖可視化

    4 結(jié)語

    本文提出一種針對動作識別的結(jié)合骨骼數(shù)據(jù)與視頻數(shù)據(jù)的雙流融合方法。該方法通過對人體動作的骨骼數(shù)據(jù)和視頻數(shù)據(jù)分別建立網(wǎng)絡(luò)模型,并對兩種網(wǎng)絡(luò)分類器的輸出概率進(jìn)行融合,有效地實(shí)現(xiàn)了骨骼數(shù)據(jù)與視頻數(shù)據(jù)的信息融合,提高了人體動作識別率。

    下一步計(jì)劃是提出更好的信息融合方式,充分發(fā)揮不同類項(xiàng)數(shù)據(jù)優(yōu)點(diǎn),實(shí)現(xiàn)信息互補(bǔ),進(jìn)一步提高識別率。

    猜你喜歡
    關(guān)節(jié)點(diǎn)骨骼卷積
    做家務(wù)的女性骨骼更強(qiáng)壯
    中老年保健(2021年5期)2021-12-02 15:48:21
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    三減三健全民行動——健康骨骼
    中老年保健(2021年5期)2021-08-24 07:06:28
    基于深度學(xué)習(xí)和視覺檢測的地鐵違規(guī)行為預(yù)警系統(tǒng)研究與應(yīng)用
    關(guān)節(jié)點(diǎn)連接歷史圖與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合的雙人交互動作識別
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    骨骼和肌肉
    小布老虎(2017年1期)2017-07-18 10:57:27
    搞好新形勢下軍營美術(shù)活動需把握的關(guān)節(jié)點(diǎn)
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    午夜精品国产一区二区电影| 欧美av亚洲av综合av国产av| 成人精品一区二区免费| 三级毛片av免费| 黄色视频,在线免费观看| 国产不卡一卡二| 又黄又爽又免费观看的视频| 久久久久精品国产欧美久久久| 午夜精品久久久久久毛片777| 男女下面插进去视频免费观看| 久久婷婷人人爽人人干人人爱 | 精品国产超薄肉色丝袜足j| 99精品在免费线老司机午夜| 日韩有码中文字幕| 19禁男女啪啪无遮挡网站| 国产精品综合久久久久久久免费 | 美女大奶头视频| 亚洲人成网站在线播放欧美日韩| 看免费av毛片| 很黄的视频免费| 一进一出抽搐gif免费好疼| 看片在线看免费视频| 欧美黄色淫秽网站| 两个人视频免费观看高清| 99re在线观看精品视频| 亚洲成人免费电影在线观看| 久久人人爽av亚洲精品天堂| 很黄的视频免费| 免费看十八禁软件| 69av精品久久久久久| 欧美黑人欧美精品刺激| 少妇粗大呻吟视频| 中文字幕精品免费在线观看视频| 正在播放国产对白刺激| 国产97色在线日韩免费| 中亚洲国语对白在线视频| 欧美日韩中文字幕国产精品一区二区三区 | 久久久久久久精品吃奶| 国产黄a三级三级三级人| 亚洲伊人色综图| 欧美精品啪啪一区二区三区| 50天的宝宝边吃奶边哭怎么回事| 欧美另类亚洲清纯唯美| 精品欧美国产一区二区三| 国产精品爽爽va在线观看网站 | 岛国在线观看网站| 中文字幕久久专区| 99精品在免费线老司机午夜| 人人妻人人澡人人看| 91麻豆av在线| 亚洲国产日韩欧美精品在线观看 | 母亲3免费完整高清在线观看| 婷婷六月久久综合丁香| 色在线成人网| 少妇粗大呻吟视频| 黑人巨大精品欧美一区二区mp4| 国产亚洲精品av在线| 免费观看精品视频网站| 看片在线看免费视频| 国产日韩一区二区三区精品不卡| 欧美成人免费av一区二区三区| 国产精品美女特级片免费视频播放器 | 午夜福利欧美成人| 搡老岳熟女国产| av天堂在线播放| 久久久久久人人人人人| 亚洲 欧美一区二区三区| 桃色一区二区三区在线观看| 午夜福利,免费看| 嫩草影视91久久| 日韩中文字幕欧美一区二区| 丝袜美足系列| 制服人妻中文乱码| 很黄的视频免费| 亚洲色图 男人天堂 中文字幕| 精品免费久久久久久久清纯| 国产精品一区二区三区四区久久 | 99国产精品99久久久久| 国产片内射在线| 日本vs欧美在线观看视频| 久久亚洲真实| 国产av精品麻豆| 亚洲精品粉嫩美女一区| 久久精品国产亚洲av香蕉五月| 亚洲成人精品中文字幕电影| 亚洲精品在线美女| 亚洲欧美日韩另类电影网站| 日韩国内少妇激情av| 亚洲精品av麻豆狂野| 色尼玛亚洲综合影院| 美女扒开内裤让男人捅视频| 日本撒尿小便嘘嘘汇集6| 好男人在线观看高清免费视频 | 最近最新免费中文字幕在线| 1024视频免费在线观看| 99国产精品一区二区蜜桃av| 最近最新中文字幕大全免费视频| 免费搜索国产男女视频| 久久这里只有精品19| 麻豆av在线久日| 亚洲一码二码三码区别大吗| 90打野战视频偷拍视频| 免费少妇av软件| 一二三四在线观看免费中文在| 精品福利观看| 中文字幕久久专区| 每晚都被弄得嗷嗷叫到高潮| 长腿黑丝高跟| 国产欧美日韩一区二区三| 亚洲欧美激情在线| 淫妇啪啪啪对白视频| 免费在线观看视频国产中文字幕亚洲| 色哟哟哟哟哟哟| 91成人精品电影| 91麻豆精品激情在线观看国产| 久久久国产精品麻豆| 国产成人影院久久av| 可以免费在线观看a视频的电影网站| 男男h啪啪无遮挡| 午夜视频精品福利| www.999成人在线观看| www.www免费av| 成人亚洲精品av一区二区| 欧美性长视频在线观看| 国产三级在线视频| 色在线成人网| 国产黄a三级三级三级人| cao死你这个sao货| 久久久精品国产亚洲av高清涩受| 国产亚洲精品av在线| 日本a在线网址| 别揉我奶头~嗯~啊~动态视频| 亚洲avbb在线观看| 久久草成人影院| 女人被狂操c到高潮| √禁漫天堂资源中文www| 亚洲va日本ⅴa欧美va伊人久久| 男人舔女人的私密视频| 精品久久久久久,| 免费看a级黄色片| 嫩草影视91久久| 午夜福利高清视频| 国产成人欧美| 757午夜福利合集在线观看| 欧美性长视频在线观看| 亚洲天堂国产精品一区在线| 欧美国产日韩亚洲一区| 九色国产91popny在线| 欧美久久黑人一区二区| www.熟女人妻精品国产| 熟妇人妻久久中文字幕3abv| 亚洲少妇的诱惑av| 亚洲熟妇中文字幕五十中出| 青草久久国产| 国产日韩一区二区三区精品不卡| 美女扒开内裤让男人捅视频| 麻豆一二三区av精品| 久热爱精品视频在线9| 精品人妻1区二区| 久久精品影院6| 久久久久九九精品影院| 俄罗斯特黄特色一大片| 91国产中文字幕| 久99久视频精品免费| 久久草成人影院| 50天的宝宝边吃奶边哭怎么回事| 国产精品98久久久久久宅男小说| avwww免费| 国产高清有码在线观看视频 | 久久国产精品人妻蜜桃| 成年版毛片免费区| 精品人妻1区二区| 亚洲,欧美精品.| 欧美激情高清一区二区三区| 亚洲人成电影观看| aaaaa片日本免费| svipshipincom国产片| 日韩大尺度精品在线看网址 | 免费女性裸体啪啪无遮挡网站| 丝袜人妻中文字幕| aaaaa片日本免费| 成人亚洲精品av一区二区| 欧美一级a爱片免费观看看 | 91成年电影在线观看| a级毛片在线看网站| 久99久视频精品免费| 国产激情久久老熟女| 欧美最黄视频在线播放免费| 亚洲va日本ⅴa欧美va伊人久久| 一区二区三区高清视频在线| 久久久国产欧美日韩av| 99久久久亚洲精品蜜臀av| 中文字幕人成人乱码亚洲影| 大型黄色视频在线免费观看| 亚洲国产欧美日韩在线播放| 日韩免费av在线播放| 日韩中文字幕欧美一区二区| 免费少妇av软件| 亚洲av成人不卡在线观看播放网| 日韩免费av在线播放| 久久国产精品男人的天堂亚洲| 久久精品aⅴ一区二区三区四区| 久久中文字幕人妻熟女| 搡老妇女老女人老熟妇| 91成年电影在线观看| 一区二区三区精品91| 老司机午夜福利在线观看视频| 日韩大尺度精品在线看网址 | 亚洲狠狠婷婷综合久久图片| 青草久久国产| 精品午夜福利视频在线观看一区| 日日爽夜夜爽网站| 成人av一区二区三区在线看| 亚洲成av片中文字幕在线观看| 啪啪无遮挡十八禁网站| 99久久国产精品久久久| 久久午夜综合久久蜜桃| 色老头精品视频在线观看| 村上凉子中文字幕在线| 欧美日韩亚洲综合一区二区三区_| 国产欧美日韩综合在线一区二区| 免费一级毛片在线播放高清视频 | 18美女黄网站色大片免费观看| 国产精华一区二区三区| 国产激情欧美一区二区| 好男人电影高清在线观看| 淫秽高清视频在线观看| 操美女的视频在线观看| 久久精品亚洲熟妇少妇任你| 国产午夜福利久久久久久| 免费在线观看完整版高清| 欧美在线一区亚洲| 亚洲成a人片在线一区二区| 欧美久久黑人一区二区| 国产免费男女视频| 99久久久亚洲精品蜜臀av| 欧美黑人精品巨大| 亚洲性夜色夜夜综合| 嫁个100分男人电影在线观看| av片东京热男人的天堂| 伦理电影免费视频| 亚洲一区中文字幕在线| 国产亚洲精品第一综合不卡| 免费在线观看完整版高清| 大型av网站在线播放| 久久久久国内视频| 欧洲精品卡2卡3卡4卡5卡区| 国产午夜福利久久久久久| 淫秽高清视频在线观看| 99久久国产精品久久久| 中文字幕久久专区| 欧美日韩黄片免| av欧美777| 变态另类丝袜制服| 两个人视频免费观看高清| 如日韩欧美国产精品一区二区三区| 麻豆国产av国片精品| 在线av久久热| 制服人妻中文乱码| 久久精品国产综合久久久| 成人特级黄色片久久久久久久| 男女午夜视频在线观看| 久久精品国产亚洲av香蕉五月| 国产精品爽爽va在线观看网站 | 少妇熟女aⅴ在线视频| 亚洲国产欧美日韩在线播放| 午夜福利一区二区在线看| 俄罗斯特黄特色一大片| 真人一进一出gif抽搐免费| www.熟女人妻精品国产| 一级毛片高清免费大全| 在线视频色国产色| 免费女性裸体啪啪无遮挡网站| 老司机福利观看| 午夜福利影视在线免费观看| 日韩精品青青久久久久久| 天堂动漫精品| 99久久国产精品久久久| 一本大道久久a久久精品| 欧美av亚洲av综合av国产av| 女生性感内裤真人,穿戴方法视频| 国产色视频综合| 精品高清国产在线一区| 国产成人系列免费观看| 大陆偷拍与自拍| 狂野欧美激情性xxxx| 黑人操中国人逼视频| 日韩欧美国产一区二区入口| 午夜福利免费观看在线| 国产极品粉嫩免费观看在线| 99精品在免费线老司机午夜| 国产一区二区三区视频了| 岛国视频午夜一区免费看| 中亚洲国语对白在线视频| 久久久久国产一级毛片高清牌| 久久精品亚洲精品国产色婷小说| ponron亚洲| 天堂√8在线中文| 99在线视频只有这里精品首页| 亚洲国产精品久久男人天堂| 岛国在线观看网站| 美女午夜性视频免费| 国产亚洲精品久久久久5区| 日韩一卡2卡3卡4卡2021年| 在线十欧美十亚洲十日本专区| 国产av在哪里看| 欧美日本中文国产一区发布| 99香蕉大伊视频| 亚洲在线自拍视频| 久久久久久免费高清国产稀缺| 日韩 欧美 亚洲 中文字幕| av在线天堂中文字幕| 免费不卡黄色视频| 91九色精品人成在线观看| 此物有八面人人有两片| 午夜免费成人在线视频| 欧美老熟妇乱子伦牲交| 午夜亚洲福利在线播放| 极品人妻少妇av视频| 一区二区三区国产精品乱码| 黄色 视频免费看| 亚洲激情在线av| 欧美不卡视频在线免费观看 | 啪啪无遮挡十八禁网站| 中文字幕最新亚洲高清| 亚洲一区中文字幕在线| 在线永久观看黄色视频| 免费人成视频x8x8入口观看| 日韩有码中文字幕| 国产精品久久电影中文字幕| 一边摸一边抽搐一进一出视频| 亚洲三区欧美一区| 99精品欧美一区二区三区四区| 日韩高清综合在线| 午夜福利成人在线免费观看| 欧美绝顶高潮抽搐喷水| 村上凉子中文字幕在线| 国产一区二区三区在线臀色熟女| 日韩有码中文字幕| 亚洲精品av麻豆狂野| 日韩免费av在线播放| 午夜福利免费观看在线| 国产精品秋霞免费鲁丝片| 大码成人一级视频| 久久精品亚洲精品国产色婷小说| 一级a爱片免费观看的视频| 精品免费久久久久久久清纯| 久久伊人香网站| 夜夜看夜夜爽夜夜摸| 国产午夜精品久久久久久| 欧美人与性动交α欧美精品济南到| 日日夜夜操网爽| 12—13女人毛片做爰片一| 长腿黑丝高跟| 美女 人体艺术 gogo| 亚洲成人免费电影在线观看| 精品乱码久久久久久99久播| 中亚洲国语对白在线视频| 最新美女视频免费是黄的| 亚洲一区二区三区色噜噜| 丰满的人妻完整版| 一级,二级,三级黄色视频| 成人18禁在线播放| 老司机在亚洲福利影院| 99精品欧美一区二区三区四区| 操美女的视频在线观看| 国产成人免费无遮挡视频| 女人被躁到高潮嗷嗷叫费观| 99精品欧美一区二区三区四区| 黄片大片在线免费观看| 精品久久久久久久人妻蜜臀av | 两个人免费观看高清视频| 日本免费a在线| 狂野欧美激情性xxxx| 中文亚洲av片在线观看爽| 91av网站免费观看| 亚洲第一电影网av| ponron亚洲| 欧美日韩乱码在线| av天堂久久9| 18禁观看日本| 日本a在线网址| av天堂久久9| 悠悠久久av| av有码第一页| 大码成人一级视频| 麻豆成人av在线观看| videosex国产| 国产日韩一区二区三区精品不卡| 美女大奶头视频| 欧美日韩福利视频一区二区| 欧美日韩瑟瑟在线播放| 国产亚洲欧美在线一区二区| 国产97色在线日韩免费| 一级黄色大片毛片| 国产一区二区在线av高清观看| 国产精华一区二区三区| 国产成人av激情在线播放| 国产男靠女视频免费网站| 叶爱在线成人免费视频播放| 老司机福利观看| 亚洲中文字幕一区二区三区有码在线看 | 又大又爽又粗| 免费观看精品视频网站| 日本五十路高清| 亚洲精品久久国产高清桃花| 国产成+人综合+亚洲专区| 国产成人精品在线电影| 国产精品一区二区免费欧美| 色综合亚洲欧美另类图片| 日本vs欧美在线观看视频| 亚洲专区国产一区二区| 91av网站免费观看| 日日摸夜夜添夜夜添小说| 深夜精品福利| 欧美国产日韩亚洲一区| 久久国产精品男人的天堂亚洲| 精品国产一区二区久久| 日本黄色视频三级网站网址| 淫秽高清视频在线观看| 性欧美人与动物交配| 国产精品1区2区在线观看.| 午夜免费观看网址| 久久精品成人免费网站| 日本三级黄在线观看| 午夜视频精品福利| 亚洲久久久国产精品| 给我免费播放毛片高清在线观看| 国产黄a三级三级三级人| 最近最新中文字幕大全免费视频| 黄色 视频免费看| 岛国在线观看网站| 亚洲欧美日韩另类电影网站| av在线天堂中文字幕| 国产亚洲精品av在线| 精品一区二区三区av网在线观看| 亚洲va日本ⅴa欧美va伊人久久| 精品人妻1区二区| 久久久久久人人人人人| 人人妻人人爽人人添夜夜欢视频| 人成视频在线观看免费观看| 精品卡一卡二卡四卡免费| 精品国产一区二区三区四区第35| 国产亚洲av嫩草精品影院| 亚洲午夜理论影院| 伊人久久大香线蕉亚洲五| 中文字幕另类日韩欧美亚洲嫩草| 美女免费视频网站| 俄罗斯特黄特色一大片| 国产单亲对白刺激| 不卡av一区二区三区| 人人妻,人人澡人人爽秒播| 满18在线观看网站| 日韩大尺度精品在线看网址 | 久久国产精品男人的天堂亚洲| 这个男人来自地球电影免费观看| 国产精品野战在线观看| 日韩成人在线观看一区二区三区| 嫁个100分男人电影在线观看| 好看av亚洲va欧美ⅴa在| 午夜福利,免费看| 国产精品亚洲av一区麻豆| 国产午夜福利久久久久久| 国产精品久久久久久人妻精品电影| 99国产精品99久久久久| 国产一卡二卡三卡精品| 精品无人区乱码1区二区| 久久香蕉精品热| 日本免费a在线| 一级毛片女人18水好多| 国产又色又爽无遮挡免费看| 国产精华一区二区三区| 亚洲自偷自拍图片 自拍| 国产av精品麻豆| 超碰成人久久| 国产精品 国内视频| 国产99白浆流出| 亚洲欧美激情综合另类| 国产又色又爽无遮挡免费看| 亚洲情色 制服丝袜| 视频区欧美日本亚洲| 午夜福利影视在线免费观看| av网站免费在线观看视频| 亚洲国产高清在线一区二区三 | 日本撒尿小便嘘嘘汇集6| 天天躁狠狠躁夜夜躁狠狠躁| www.精华液| 亚洲视频免费观看视频| 日日摸夜夜添夜夜添小说| 变态另类丝袜制服| 在线观看舔阴道视频| 两个人视频免费观看高清| 黑人巨大精品欧美一区二区mp4| 青草久久国产| 亚洲 国产 在线| av片东京热男人的天堂| 精品国产一区二区三区四区第35| 最近最新中文字幕大全电影3 | 狠狠狠狠99中文字幕| 亚洲av五月六月丁香网| 久久九九热精品免费| 婷婷精品国产亚洲av在线| 很黄的视频免费| 99国产极品粉嫩在线观看| 一卡2卡三卡四卡精品乱码亚洲| 岛国视频午夜一区免费看| 精品高清国产在线一区| 男女下面插进去视频免费观看| 国产视频一区二区在线看| 日韩有码中文字幕| 国产精品影院久久| 成年女人毛片免费观看观看9| 免费av毛片视频| 国产成人免费无遮挡视频| 日日干狠狠操夜夜爽| 亚洲三区欧美一区| 国产精品久久视频播放| 亚洲精品中文字幕在线视频| 国产单亲对白刺激| 欧美黄色片欧美黄色片| 色综合婷婷激情| 国产成人精品久久二区二区91| 久久精品91蜜桃| 制服诱惑二区| 午夜福利18| 级片在线观看| 琪琪午夜伦伦电影理论片6080| www日本在线高清视频| 久久性视频一级片| 精品久久久久久,| 国产精品一区二区在线不卡| 一二三四社区在线视频社区8| 欧美乱色亚洲激情| 18禁裸乳无遮挡免费网站照片 | 精品一品国产午夜福利视频| 国内精品久久久久精免费| 亚洲人成77777在线视频| 成人国产综合亚洲| 久99久视频精品免费| 男女午夜视频在线观看| 国产精品 欧美亚洲| 亚洲久久久国产精品| 亚洲中文日韩欧美视频| 亚洲av第一区精品v没综合| 中文亚洲av片在线观看爽| 性少妇av在线| 大型av网站在线播放| 波多野结衣一区麻豆| 美女国产高潮福利片在线看| 国产精品日韩av在线免费观看 | 国产精品永久免费网站| 巨乳人妻的诱惑在线观看| 亚洲成a人片在线一区二区| 动漫黄色视频在线观看| 最近最新免费中文字幕在线| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲黑人精品在线| 欧美不卡视频在线免费观看 | 国产99白浆流出| 亚洲色图 男人天堂 中文字幕| 久久久久久免费高清国产稀缺| 亚洲五月婷婷丁香| 变态另类成人亚洲欧美熟女 | 国产精品98久久久久久宅男小说| av视频在线观看入口| 欧美激情久久久久久爽电影 | 国语自产精品视频在线第100页| 亚洲国产精品成人综合色| 国产乱人伦免费视频| 国产精品久久视频播放| 亚洲电影在线观看av| 99在线视频只有这里精品首页| 老司机靠b影院| 给我免费播放毛片高清在线观看| 妹子高潮喷水视频| 成人手机av| 亚洲精品国产区一区二| 午夜免费激情av| 欧美性长视频在线观看| 中文字幕人成人乱码亚洲影| 亚洲精品美女久久久久99蜜臀| 午夜福利成人在线免费观看| 91字幕亚洲| 国产精品秋霞免费鲁丝片| 男女午夜视频在线观看| 亚洲第一欧美日韩一区二区三区| 久久久久亚洲av毛片大全| 黄色片一级片一级黄色片| 亚洲 国产 在线| 国产国语露脸激情在线看| 国产一区二区三区视频了| 中亚洲国语对白在线视频| 欧美性长视频在线观看| 国产成人精品在线电影| 一级毛片女人18水好多| 国产亚洲欧美在线一区二区| 日日爽夜夜爽网站| 19禁男女啪啪无遮挡网站| 看免费av毛片| 亚洲男人天堂网一区| 国产精品永久免费网站| av在线播放免费不卡| 国产单亲对白刺激| 亚洲精品一区av在线观看| 国产国语露脸激情在线看| 午夜视频精品福利| 欧美人与性动交α欧美精品济南到| 精品不卡国产一区二区三区| 国产精品 国内视频| 中文亚洲av片在线观看爽| 禁无遮挡网站| 国产99白浆流出| 亚洲人成电影免费在线| 亚洲一区二区三区色噜噜| av福利片在线|