• <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
    久久久久久免费高清国产稀缺| 国产精品久久久久久精品电影小说| 黄色视频不卡| 一本大道久久a久久精品| 色综合欧美亚洲国产小说| 视频在线观看一区二区三区| 香蕉国产在线看| 中文字幕人妻熟女乱码| 亚洲精品视频女| 久久性视频一级片| av免费观看日本| 欧美日韩亚洲综合一区二区三区_| 宅男免费午夜| 性高湖久久久久久久久免费观看| 国产熟女欧美一区二区| 亚洲一码二码三码区别大吗| 婷婷色av中文字幕| 亚洲熟女毛片儿| 99久久人妻综合| 一区二区日韩欧美中文字幕| 国产伦理片在线播放av一区| 国产在线视频一区二区| 国产精品av久久久久免费| 男女免费视频国产| 亚洲国产精品999| 岛国毛片在线播放| 国产成人精品在线电影| 亚洲欧美一区二区三区黑人| 亚洲av中文av极速乱| 亚洲一卡2卡3卡4卡5卡精品中文| 久久久久国产一级毛片高清牌| 啦啦啦在线观看免费高清www| 9色porny在线观看| 日本av手机在线免费观看| 最近中文字幕高清免费大全6| 9191精品国产免费久久| 最近手机中文字幕大全| 五月天丁香电影| 亚洲国产欧美日韩在线播放| 精品亚洲成a人片在线观看| 久久婷婷青草| 成年人免费黄色播放视频| 中文字幕人妻丝袜制服| 视频在线观看一区二区三区| 亚洲av成人精品一二三区| 国产精品免费大片| 两个人看的免费小视频| 黄色毛片三级朝国网站| 97人妻天天添夜夜摸| 999精品在线视频| 国产野战对白在线观看| 国产精品久久久人人做人人爽| 九草在线视频观看| 久久人妻熟女aⅴ| 久久99精品国语久久久| 亚洲美女视频黄频| √禁漫天堂资源中文www| xxxhd国产人妻xxx| 丝袜美足系列| 亚洲欧美精品综合一区二区三区| 麻豆精品久久久久久蜜桃| 免费看av在线观看网站| tube8黄色片| 欧美黑人欧美精品刺激| 久久女婷五月综合色啪小说| 国产黄频视频在线观看| 又大又黄又爽视频免费| 国产亚洲午夜精品一区二区久久| 国产免费视频播放在线视频| 日韩免费高清中文字幕av| 一二三四在线观看免费中文在| 欧美日韩亚洲高清精品| 国产亚洲av片在线观看秒播厂| 午夜免费观看性视频| 色94色欧美一区二区| 大话2 男鬼变身卡| 亚洲欧洲国产日韩| 精品久久蜜臀av无| 伦理电影免费视频| av国产久精品久网站免费入址| 狂野欧美激情性bbbbbb| 中文字幕亚洲精品专区| 美女午夜性视频免费| 岛国毛片在线播放| 中文天堂在线官网| 日本wwww免费看| 国产亚洲欧美精品永久| 人人妻人人添人人爽欧美一区卜| 国产在视频线精品| 国产精品一二三区在线看| 美女中出高潮动态图| 亚洲成人手机| 黄色视频在线播放观看不卡| 国产日韩欧美亚洲二区| 亚洲第一青青草原| 香蕉丝袜av| 黄片无遮挡物在线观看| 最近最新中文字幕免费大全7| 久久人人爽av亚洲精品天堂| 欧美人与性动交α欧美软件| 久久久久久人妻| 一本一本久久a久久精品综合妖精| 国产女主播在线喷水免费视频网站| 久久精品熟女亚洲av麻豆精品| 午夜精品国产一区二区电影| 亚洲视频免费观看视频| 老司机影院毛片| 久久性视频一级片| 一区在线观看完整版| 亚洲av成人精品一二三区| www.熟女人妻精品国产| 日韩欧美精品免费久久| 婷婷成人精品国产| 久久婷婷青草| 国产成人精品久久久久久| 考比视频在线观看| 亚洲中文av在线| 日韩av在线免费看完整版不卡| 爱豆传媒免费全集在线观看| 久久国产亚洲av麻豆专区| 97精品久久久久久久久久精品| 日本欧美视频一区| 天天添夜夜摸| 成人手机av| 2018国产大陆天天弄谢| 高清不卡的av网站| a级毛片黄视频| 亚洲图色成人| 看十八女毛片水多多多| 国产精品国产三级专区第一集| 亚洲一级一片aⅴ在线观看| 欧美久久黑人一区二区| av电影中文网址| 久久久精品区二区三区| 丁香六月天网| 天天躁夜夜躁狠狠躁躁| 国产精品一区二区精品视频观看| 捣出白浆h1v1| 欧美日韩亚洲国产一区二区在线观看 | 国产男女内射视频| 成人国语在线视频| 精品国产国语对白av| 女的被弄到高潮叫床怎么办| 热99久久久久精品小说推荐| 精品福利永久在线观看| 午夜老司机福利片| 天堂8中文在线网| 建设人人有责人人尽责人人享有的| 午夜福利乱码中文字幕| 黑丝袜美女国产一区| 超色免费av| 在线观看三级黄色| 婷婷色综合www| 日韩制服丝袜自拍偷拍| 亚洲久久久国产精品| 亚洲欧美精品自产自拍| 国产麻豆69| 人人妻人人添人人爽欧美一区卜| 少妇 在线观看| 美女视频免费永久观看网站| 极品少妇高潮喷水抽搐| 高清视频免费观看一区二区| 久久免费观看电影| 大片电影免费在线观看免费| 精品久久久精品久久久| 18禁动态无遮挡网站| av有码第一页| 制服诱惑二区| 免费观看性生交大片5| 亚洲精品中文字幕在线视频| 十八禁网站网址无遮挡| 欧美日韩视频精品一区| 欧美少妇被猛烈插入视频| 亚洲自偷自拍图片 自拍| 亚洲成人免费av在线播放| 黑丝袜美女国产一区| 日本vs欧美在线观看视频| 久久韩国三级中文字幕| 中文字幕制服av| 黄色视频不卡| 最黄视频免费看| av国产精品久久久久影院| a 毛片基地| 久久国产精品男人的天堂亚洲| 中文字幕另类日韩欧美亚洲嫩草| 日韩不卡一区二区三区视频在线| 亚洲精品久久午夜乱码| 丰满饥渴人妻一区二区三| 久久毛片免费看一区二区三区| 国产免费福利视频在线观看| 亚洲av男天堂| 久久精品国产综合久久久| 中文字幕制服av| 国产精品.久久久| 别揉我奶头~嗯~啊~动态视频 | 天堂中文最新版在线下载| 午夜老司机福利片| 少妇猛男粗大的猛烈进出视频| 自线自在国产av| 美女脱内裤让男人舔精品视频| 国产精品亚洲av一区麻豆 | av有码第一页| 久久久精品国产亚洲av高清涩受| 丝袜美足系列| 亚洲av在线观看美女高潮| 国产男女超爽视频在线观看| 极品人妻少妇av视频| 咕卡用的链子| 亚洲伊人色综图| 色网站视频免费| 国产国语露脸激情在线看| 国产1区2区3区精品| av线在线观看网站| 看十八女毛片水多多多| 美女主播在线视频| 一区二区三区四区激情视频| 18禁动态无遮挡网站| 中文字幕人妻丝袜一区二区 | av不卡在线播放| 亚洲国产毛片av蜜桃av| 最近中文字幕2019免费版| 日韩制服骚丝袜av| 中文字幕高清在线视频| 日韩 亚洲 欧美在线| 99久久人妻综合| 51午夜福利影视在线观看| 啦啦啦在线观看免费高清www| 超碰成人久久| 久久狼人影院| 母亲3免费完整高清在线观看| svipshipincom国产片| 日韩一区二区三区影片| 18禁国产床啪视频网站| 亚洲人成电影观看| 黄片播放在线免费| 女的被弄到高潮叫床怎么办| 九草在线视频观看| 国产麻豆69| 不卡av一区二区三区| 亚洲精品久久成人aⅴ小说| 国产精品久久久久久人妻精品电影 | 亚洲第一青青草原| 国产精品偷伦视频观看了| 免费观看性生交大片5| 999精品在线视频| 波野结衣二区三区在线| 十分钟在线观看高清视频www| 亚洲一区中文字幕在线| 成人午夜精彩视频在线观看| 久久精品亚洲av国产电影网| 久久久久久久久免费视频了| 女的被弄到高潮叫床怎么办| 亚洲成人av在线免费| 国产精品免费大片| 久久久精品区二区三区| 国产精品.久久久| 菩萨蛮人人尽说江南好唐韦庄| 免费在线观看视频国产中文字幕亚洲 | 国产一区二区激情短视频 | 亚洲久久久国产精品| 国产欧美日韩综合在线一区二区| 亚洲精品久久午夜乱码| 亚洲少妇的诱惑av| 永久免费av网站大全| 国产亚洲午夜精品一区二区久久| 久久久久国产精品人妻一区二区| 1024香蕉在线观看| 69精品国产乱码久久久| 一区二区三区四区激情视频| 熟妇人妻不卡中文字幕| 在线看a的网站| 久久午夜综合久久蜜桃| 成年av动漫网址| 中文字幕另类日韩欧美亚洲嫩草| 色综合欧美亚洲国产小说| 欧美成人午夜精品| 亚洲在久久综合| 一区二区av电影网| netflix在线观看网站| 成年动漫av网址| 青草久久国产| 毛片一级片免费看久久久久| 巨乳人妻的诱惑在线观看| 久久免费观看电影| www.精华液| 久久久精品区二区三区| 久久国产精品大桥未久av| 精品久久蜜臀av无| 国产片特级美女逼逼视频| 久久久欧美国产精品| 大香蕉久久成人网| 免费观看性生交大片5| 国产免费又黄又爽又色| 伊人亚洲综合成人网| 国产一区二区 视频在线| 国产爽快片一区二区三区| 99精国产麻豆久久婷婷| 又粗又硬又长又爽又黄的视频| 97人妻天天添夜夜摸| 国产成人一区二区在线| 在线观看免费午夜福利视频| 咕卡用的链子| 成年动漫av网址| 两性夫妻黄色片| 大片免费播放器 马上看| 精品人妻一区二区三区麻豆| 男女免费视频国产| 久久久久久久久免费视频了| 18禁观看日本| 肉色欧美久久久久久久蜜桃| www.精华液| 亚洲精品中文字幕在线视频| 深夜精品福利| 亚洲欧美成人综合另类久久久| 女性被躁到高潮视频| 少妇被粗大的猛进出69影院| 亚洲天堂av无毛| 女人爽到高潮嗷嗷叫在线视频| 亚洲国产毛片av蜜桃av| 1024视频免费在线观看| 色视频在线一区二区三区| av在线app专区| 日韩人妻精品一区2区三区| 我的亚洲天堂| 丁香六月天网| 这个男人来自地球电影免费观看 | 久久亚洲国产成人精品v| 免费在线观看黄色视频的| 亚洲国产最新在线播放| 宅男免费午夜| 菩萨蛮人人尽说江南好唐韦庄| 亚洲精品日本国产第一区| 热99久久久久精品小说推荐| 看非洲黑人一级黄片| 一本久久精品| 国产又色又爽无遮挡免| 亚洲欧美成人综合另类久久久| 狂野欧美激情性bbbbbb| 男女床上黄色一级片免费看| 最新在线观看一区二区三区 | 日韩欧美精品免费久久| 少妇被粗大的猛进出69影院| 国产精品秋霞免费鲁丝片| 亚洲精品第二区| 免费观看人在逋| 欧美另类一区| 亚洲伊人色综图| 亚洲美女黄色视频免费看| 女人爽到高潮嗷嗷叫在线视频| 亚洲久久久国产精品| 亚洲国产欧美在线一区| 18禁观看日本| 亚洲激情五月婷婷啪啪| 亚洲成人手机| 国产精品久久久av美女十八| 中文字幕人妻熟女乱码| 亚洲欧美一区二区三区国产| 午夜福利免费观看在线| 中文字幕最新亚洲高清| 成人国产av品久久久| 啦啦啦在线观看免费高清www| 亚洲五月色婷婷综合| 在线天堂中文资源库| 性少妇av在线| 一边摸一边抽搐一进一出视频| 蜜桃在线观看..| 亚洲天堂av无毛| 精品久久久精品久久久| 另类亚洲欧美激情| 亚洲欧美成人综合另类久久久| 又黄又粗又硬又大视频| 两个人免费观看高清视频| 精品国产一区二区久久| 亚洲国产精品成人久久小说| 国产欧美亚洲国产| 亚洲成国产人片在线观看| 最近2019中文字幕mv第一页| 一本一本久久a久久精品综合妖精| 国产 一区精品| 国产免费一区二区三区四区乱码| 男女午夜视频在线观看| 天天操日日干夜夜撸| 亚洲精品久久午夜乱码| 精品亚洲成国产av| 十八禁人妻一区二区| 国产日韩一区二区三区精品不卡| 中文字幕制服av| 国产成人精品无人区| 久久久国产一区二区| 热re99久久精品国产66热6| 国产有黄有色有爽视频| 欧美少妇被猛烈插入视频| 久久精品国产a三级三级三级| 国产成人精品无人区| 免费观看性生交大片5| 国产又爽黄色视频| 只有这里有精品99| 女人爽到高潮嗷嗷叫在线视频| 午夜福利一区二区在线看| 国产熟女午夜一区二区三区| 美国免费a级毛片| 1024香蕉在线观看| 亚洲av成人精品一二三区| 老司机亚洲免费影院| 五月开心婷婷网| 国产激情久久老熟女| 成年av动漫网址| 婷婷色麻豆天堂久久| 亚洲国产最新在线播放| 免费看不卡的av| 中文字幕人妻熟女乱码| 亚洲自偷自拍图片 自拍| 18禁国产床啪视频网站| 亚洲av男天堂| 国产精品一二三区在线看| 五月开心婷婷网| 高清黄色对白视频在线免费看| 色视频在线一区二区三区| 高清在线视频一区二区三区| 纵有疾风起免费观看全集完整版| 伦理电影免费视频| 欧美亚洲日本最大视频资源| 国产免费福利视频在线观看| 久久久久久久精品精品| 美女中出高潮动态图| e午夜精品久久久久久久| 中文字幕制服av| 欧美日韩视频精品一区| 亚洲欧美激情在线| 久久女婷五月综合色啪小说| 欧美国产精品一级二级三级| 免费少妇av软件| 国产一区二区在线观看av| 老司机靠b影院| 成人手机av| 侵犯人妻中文字幕一二三四区| 满18在线观看网站| 99九九在线精品视频| 亚洲中文av在线| 黑人欧美特级aaaaaa片| 午夜免费观看性视频| 高清av免费在线| 国产成人系列免费观看| 日韩制服骚丝袜av| 晚上一个人看的免费电影| 青草久久国产| 一级黄片播放器| 精品福利永久在线观看| 2021少妇久久久久久久久久久| 90打野战视频偷拍视频| 一区二区三区四区激情视频| 久久精品国产亚洲av涩爱| 久久久久人妻精品一区果冻| 精品人妻在线不人妻| 可以免费在线观看a视频的电影网站 | 如何舔出高潮| 超色免费av| 国产精品99久久99久久久不卡 | 高清欧美精品videossex| 女性生殖器流出的白浆| 视频区图区小说| 国产日韩一区二区三区精品不卡| 妹子高潮喷水视频| 国产黄色免费在线视频| 一边摸一边抽搐一进一出视频| 制服丝袜香蕉在线| 91精品伊人久久大香线蕉| 老汉色av国产亚洲站长工具| 中国国产av一级| 久久天堂一区二区三区四区| 美女扒开内裤让男人捅视频| 国产亚洲精品第一综合不卡| 日本一区二区免费在线视频| 999精品在线视频| 最新的欧美精品一区二区| 日韩 亚洲 欧美在线| 国产成人精品久久二区二区91 | 国产成人系列免费观看| 七月丁香在线播放| 乱人伦中国视频| av福利片在线| 久久毛片免费看一区二区三区| 成年女人毛片免费观看观看9 | 亚洲欧洲国产日韩| 亚洲精品中文字幕在线视频| 欧美精品一区二区免费开放| 久久人人爽人人片av| a级毛片在线看网站| 亚洲欧美一区二区三区国产| 欧美精品人与动牲交sv欧美| 最近手机中文字幕大全| 黑丝袜美女国产一区| 大片免费播放器 马上看| 国产免费现黄频在线看| av在线播放精品| av有码第一页| 91精品国产国语对白视频| 国产精品.久久久| 丝袜美足系列| 国产成人精品在线电影| 毛片一级片免费看久久久久| 女性生殖器流出的白浆| 我的亚洲天堂| 国产一卡二卡三卡精品 | 国产精品一二三区在线看| 这个男人来自地球电影免费观看 | 美女大奶头黄色视频| 国产精品 国内视频| 王馨瑶露胸无遮挡在线观看| 成人免费观看视频高清| 久久韩国三级中文字幕| 国产成人精品在线电影| 国产免费一区二区三区四区乱码| 亚洲av电影在线进入| 一级毛片我不卡| 免费女性裸体啪啪无遮挡网站| av国产久精品久网站免费入址| 久久久久久久久久久免费av| 精品卡一卡二卡四卡免费| 亚洲中文av在线| 精品卡一卡二卡四卡免费| 九草在线视频观看| av在线播放精品| 日韩熟女老妇一区二区性免费视频| 最近中文字幕高清免费大全6| 亚洲,欧美精品.| 精品一区二区三区av网在线观看 | 亚洲精品久久成人aⅴ小说| 国产男女内射视频| 日韩精品免费视频一区二区三区| 欧美少妇被猛烈插入视频| 国产又色又爽无遮挡免| 中文字幕最新亚洲高清| 18禁国产床啪视频网站| 精品一区二区三区av网在线观看 | 国产xxxxx性猛交| 熟女少妇亚洲综合色aaa.| 国产xxxxx性猛交| 一级毛片电影观看| 亚洲精华国产精华液的使用体验| 久久午夜综合久久蜜桃| 亚洲精品一二三| 两个人看的免费小视频| 宅男免费午夜| 欧美日韩视频高清一区二区三区二| 99re6热这里在线精品视频| 免费观看性生交大片5| 国产一区二区激情短视频 | 久久99精品国语久久久| 另类精品久久| av在线观看视频网站免费| 秋霞在线观看毛片| 最近最新中文字幕大全免费视频 | 麻豆乱淫一区二区| 久久精品亚洲av国产电影网| 亚洲精品在线美女| 少妇被粗大猛烈的视频| 九九爱精品视频在线观看| 亚洲av男天堂| 国产成人系列免费观看| 国产男人的电影天堂91| 在线观看免费视频网站a站| 制服人妻中文乱码| 不卡视频在线观看欧美| 亚洲,一卡二卡三卡| 伦理电影大哥的女人| 咕卡用的链子| 亚洲第一区二区三区不卡| 久久久久网色| 亚洲av中文av极速乱| 美女视频免费永久观看网站| 热99re8久久精品国产| 巨乳人妻的诱惑在线观看| 黄色丝袜av网址大全| 一二三四社区在线视频社区8| 日日摸夜夜添夜夜添小说| 久久中文字幕人妻熟女| 美女国产高潮福利片在线看| 一边摸一边抽搐一进一小说| 国产成人欧美| 夜夜夜夜夜久久久久| 欧美黑人精品巨大| 高潮久久久久久久久久久不卡| 欧美日本中文国产一区发布| 亚洲国产日韩欧美精品在线观看 | av欧美777| 九色国产91popny在线| 黄色视频不卡| 亚洲一区二区三区不卡视频| 国产精品 国内视频| 国产99白浆流出| 国内精品久久久久久久电影| 亚洲成人精品中文字幕电影| 免费久久久久久久精品成人欧美视频| 亚洲,欧美精品.| 亚洲国产欧美网| 亚洲av熟女| 999久久久精品免费观看国产| 极品人妻少妇av视频| 亚洲精品久久成人aⅴ小说| 国产精品一区二区免费欧美| 久久久精品欧美日韩精品| 岛国在线观看网站| 午夜福利视频1000在线观看 | 99久久精品国产亚洲精品| 国产高清激情床上av| 免费在线观看日本一区| 免费女性裸体啪啪无遮挡网站| 又紧又爽又黄一区二区| 中文字幕人妻熟女乱码| 天天躁狠狠躁夜夜躁狠狠躁| www.精华液| 欧美黑人欧美精品刺激| 91精品国产国语对白视频| 久久人妻熟女aⅴ|