• <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 ?

    基于多通道步態(tài)集合的跨視角步態(tài)識別

    2021-12-21 11:25:34建,丁韜,許
    關(guān)鍵詞:步態(tài)識別率模板

    吳 建,丁 韜,許 鏡

    (重慶郵電大學(xué) 通信與信息工程學(xué)院,重慶 400065)

    0 引 言

    步態(tài)識別是近年來計(jì)算機(jī)視覺和生物特征識別領(lǐng)域一個備受關(guān)注的研究方向,旨在根據(jù)人們走路的姿勢進(jìn)行身份識別。每個人走路的風(fēng)格都各有不同,這都源于每個人的骨骼長度、肌肉強(qiáng)度、重心強(qiáng)度以及運(yùn)動神經(jīng)靈敏度等24種不同成分的差異性所造成的,如果把這些成分都考慮到,則步態(tài)是個體所特有的,這點(diǎn)在醫(yī)學(xué)[1]和心理學(xué)[2]上也得到了多方面的印證。正是由于每個人的步態(tài)具有唯一性,且利用步態(tài)來識別個體具有遠(yuǎn)距離,非受控,不易偽裝等優(yōu)點(diǎn),所以使得步態(tài)識別技術(shù)有了長足的發(fā)展,特別是在醫(yī)療、監(jiān)控和疑犯跟蹤等方面都有很廣闊的應(yīng)用前景。

    步態(tài)識別作為一種新興的生物識別技術(shù),相比于較為成熟的識別技術(shù)如指紋識別、人臉識別[3]等,在識別精度和速度方面都有一定的不足。隨著卷積神經(jīng)網(wǎng)絡(luò)的帶動發(fā)展,步態(tài)識別研究成果在各方面的性能得到了很大的提升。步態(tài)特征提取是整個識別過程中最為關(guān)鍵的一步,也是一直以來國內(nèi)外學(xué)者的研究熱點(diǎn)?,F(xiàn)如今的步態(tài)特征提取方法主要可分為基于模型匹配的方法和基于外觀匹配的方法?;谀P推ヅ涞姆椒ㄊ抢萌梭w動力學(xué)的知識,將人體運(yùn)動的特征參數(shù)模型化,在這些特征模型的基礎(chǔ)上進(jìn)行步態(tài)分析。文獻(xiàn)[4]用單一視角的步態(tài)輪廓圖來重構(gòu)3D步態(tài)模型,并從模型中提取周期內(nèi)的步態(tài)輪廓圖來構(gòu)建步態(tài)能量圖,最后通過空間分類器來進(jìn)行識別;文獻(xiàn)[5]采用改進(jìn)的FAST算法提取步態(tài)能量圖中的特征點(diǎn),同時用性能良好的BRIEF算法來描述特征點(diǎn),最后通過特征點(diǎn)的匹配取得了很好的識別效果;文獻(xiàn)[6]提取人體4個下肢關(guān)節(jié)角度作為運(yùn)動特征,并使用確定性學(xué)習(xí)方法學(xué)習(xí)這些人體姿態(tài)參數(shù),最終完成身份識別。這些方法的優(yōu)點(diǎn)在于能充分抓住人體的運(yùn)動信息,在人體遮擋或者偽裝的情況下,模型化后的特征參數(shù)也能保證人體運(yùn)動信息的完整性。但該方法參數(shù)運(yùn)算量較大,且對攝像頭的分辨率有較高的要求。基于外觀匹配的方法是從行人的步態(tài)序列中產(chǎn)生時空模式來分析步態(tài),通過計(jì)算視覺之間的相似性來進(jìn)行步態(tài)識別。文獻(xiàn)[7]采用步態(tài)能量圖作為方法的輸入,使用卷積神經(jīng)網(wǎng)絡(luò)和多任務(wù)學(xué)習(xí)模型來預(yù)測人的多個屬性;文獻(xiàn)[8]通過使用具有不同功能的編碼器、生成器對不同視角或狀態(tài)下的步態(tài)能量圖進(jìn)行轉(zhuǎn)換,擬合成側(cè)面視角下正常行走的步態(tài)能量圖再進(jìn)行匹配;文獻(xiàn)[9]提出通過深度神經(jīng)網(wǎng)絡(luò)直接學(xué)習(xí)步態(tài)能量圖或步態(tài)序列之間的相似度來學(xué)習(xí)步態(tài)特征從而完成步態(tài)識別。

    步態(tài)能量圖(gait energy image,GEI)通過在長時間范圍內(nèi)平均步態(tài)輪廓圖,可以有效地抑制由于預(yù)處理失敗而導(dǎo)致的噪聲,但卻丟失了部分時間上的信息。文獻(xiàn)[10]提出了一種基于時間保持的步態(tài)能量圖(chrono-gait image,CGI),該模板利用紅綠藍(lán)(red green blue,RGB)顏色空間保存了原生步態(tài)序列中的時間信息;文獻(xiàn)[11]在步態(tài)能量圖的基礎(chǔ)上,選擇更重要的GEI特征形成子集,并且使用全局-局部保持投影(globality-locality preserving projections,GLPP)算法來優(yōu)化特征子集;文獻(xiàn)[12]直接將步態(tài)輪廓圖當(dāng)作沒有時序關(guān)系的圖像集,識別效果顯著。但這里選取步態(tài)輪廓圖作為步態(tài)特征,它更注重了步態(tài)的時間信息而忽略了部分空間信息,步態(tài)的空間信息在識別過程中同樣發(fā)揮著重要的作用。為了解決在提取步態(tài)特征過程中無法兼顧步態(tài)圖像的時空信息和當(dāng)前的步態(tài)識別方法實(shí)時性較低的問題,本文提出使用多通道步態(tài)模板(period energy image,PEI)來平衡步態(tài)圖像的時空信息。綜合考慮到在保留步態(tài)時序信息的同時能降低圖像噪聲和減少計(jì)算量,這里選擇七通道作為通道數(shù)的劃分界限,并將該七通道的步態(tài)模板當(dāng)成圖像集作為深度神經(jīng)網(wǎng)絡(luò)的輸入,同時改進(jìn)了分類器的學(xué)習(xí)方式。

    1 獲取多通道步態(tài)能量圖

    本文的主要任務(wù)包括步態(tài)檢測和步態(tài)序列預(yù)處理,而后對步態(tài)序列進(jìn)行歸一化和周期檢測等處理,最終獲得多通道步態(tài)模板。

    1.1 步態(tài)檢測

    在靜態(tài)背景下運(yùn)動目標(biāo)檢測與分割問題上,通常使用的方法為光流法、幀間差分法和背景減除法。光流法是利用圖像序列中像素在時間域上的變化以及相鄰幀之間的相關(guān)性來找到上一幀跟當(dāng)前幀之間存在的對應(yīng)關(guān)系,幀間差分法是在圖像序列相鄰幾幀間采用基于像素的時間差分來提取出圖像中的運(yùn)動區(qū)域,背景減除法是將當(dāng)前幀與背景圖像進(jìn)行差分比較來實(shí)現(xiàn)對運(yùn)動區(qū)域的檢測。通過對各個方法進(jìn)行對比,最終采用背景減除法[13]對人體進(jìn)行檢測與分割。本文針對室內(nèi)環(huán)境采用直接差分的背景減除方法,而室外環(huán)境則采用背景實(shí)時更新的背景減除方法。假設(shè)B(x,y)和fn(x,y)分別代表背景圖像和當(dāng)前圖像中(x,y)處的像素值,進(jìn)行差分運(yùn)算得

    (1)

    1.2 歸一化步態(tài)輪廓圖

    首先,通過遍歷原始的步態(tài)輪廓圖像,找出上、下、左、右邊界像素值為1的點(diǎn),以此來確定人體輪廓的最小矩形框作為人體目標(biāo)輪廓圖像。然后將目標(biāo)輪廓中的每個像素點(diǎn)(xn,yn)縮放至(64,64yn/xn),其質(zhì)心橫坐標(biāo)xc為

    (2)

    (2)式中:xi為人體輪廓像素點(diǎn)的橫坐標(biāo);N為總體的像素點(diǎn)數(shù)。最后,歸一化輪廓圖為64×64大小,如圖1。

    圖1 原始步態(tài)輪廓圖和歸一化步態(tài)輪廓圖Fig.1 Original and normalized gait contours

    1.3 步態(tài)周期檢測

    步態(tài)區(qū)別于其他生物特征的一個重要方面就是人體步態(tài)具有很強(qiáng)的周期性。通過對單幅特征圖像或者整個周期的圖像進(jìn)行匹配,可以在識別過程中對周期步態(tài)進(jìn)行有效地評估。本文用人體運(yùn)動的幅度來表示周期性變化,通過檢測步態(tài)周期來找到一些關(guān)鍵幀,并在一個周期內(nèi)測量每個步態(tài)框架的相對位置。步態(tài)輪廓圖腿部區(qū)域的平均寬度W可表示為

    (3)

    (3)式中:h表示個體圖像的高度;Li和Ri分別表示個體第i行中最左側(cè)和最右側(cè)前景像素的位置,這里0≤α≤β≤1。連續(xù)3個波峰或3個波谷之間的時間跨度為一個步態(tài)周期,如圖2。步態(tài)周期檢測從全部的幀序列中得到長度較小的周期序列,為周期內(nèi)劃分多個通道的步態(tài)能量圖提供了依據(jù)。

    圖2 步態(tài)周期圖Fig.2 Gait periodogram

    1.4 單通道步態(tài)模板

    為了用簡單的方法提取出視頻中有用的信息,目前常用的方法是提取步態(tài)能量圖,如圖3。

    圖3 步態(tài)能量圖Fig.3 Gait energy image

    步態(tài)能量圖將一個步態(tài)周期內(nèi)的輪廓圖沿著時間維度對齊并平均,其定義可表示為

    (4)

    (4)式中:N代表行為序列的長度;t代表時間;(x,y)代表二維圖像平面坐標(biāo)。

    在GEI中,通過在長時間范圍內(nèi)平均步態(tài)輪廓圖,可以有效地抑制由于預(yù)處理失敗而導(dǎo)致的噪聲。GEI由于考慮了計(jì)算成本和識別性能之間的有效平衡,已經(jīng)成為了步態(tài)的個性簽名,是當(dāng)前最常用的方法之一。

    1.5 獲取多通道步態(tài)模板

    以單一通道的步態(tài)能量圖為基礎(chǔ),這里提出了多通道的步態(tài)模板。GEI雖然抑制了噪聲,降低了計(jì)算成本,但它卻完全丟失了步態(tài)序列上的時間信息。CGI[10]利用RGB顏色空間保存了步態(tài)時間上的信息,但空間上的信息可能會被忽略。PEI平均了這2種方法的優(yōu)劣,得到了更有效的步態(tài)模板。在多通道的步態(tài)模板中,步態(tài)序列中的幀被映射到不同的通道,本文根據(jù)幀的幅度來確定通道的邊界,步態(tài)輪廓圖在一定范圍內(nèi)對應(yīng)的幅度用T(k)表示為

    (5)

    (5)式中:k為通道數(shù),k=1,2,…,nc;m為通道窗口的大??;nc表示可能重疊的窗口數(shù),代表了整個步態(tài)序列的空間信息。每個通道中的模板PEIk用該通道中幀的平均值序列來表示成步態(tài)能量圖為

    (6)

    (6)式中:Nk為該通道內(nèi)步態(tài)輪廓圖的數(shù)量;Bt為第t幀的輪廓圖像。通常情況下,通過增大m來提高Nk的大小可以提升降噪的效果,但同時也會增加計(jì)算量。這里通過(5)式和(6)式得到不同視角下(36°,90°和144°)的七通道步態(tài)模板如圖4。

    圖4 七通道步態(tài)模板Fig.4 Seven-channel gait template

    2 識別方法與原理

    基于單幅圖像提取特征的方法提取了步態(tài)能量圖中的高維特征,這樣既降低了計(jì)算成本,也保留了大部分的步態(tài)信息,但是這樣會忽略步態(tài)中的時序信息,而直接從有序的步態(tài)輪廓圖中提取特征能很好地建模步態(tài)中的時域和空域信息,但是計(jì)算復(fù)雜且不易于訓(xùn)練。本文方法結(jié)合了以上2種方法的優(yōu)點(diǎn),將多通道的步態(tài)能量圖當(dāng)作沒有時序關(guān)系的圖像集,讓深度神經(jīng)網(wǎng)絡(luò)自身去提取并利用這種關(guān)系。

    2.1 步態(tài)識別的基本方法

    深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)是一種前饋網(wǎng)絡(luò)系統(tǒng),主要包括卷積層和池化層。卷積層主要是在原始的輸入上進(jìn)行特征提取,池化層主要負(fù)責(zé)對輸入的特征圖進(jìn)行壓縮,提取主要特征。卷積神經(jīng)網(wǎng)絡(luò)的人工神經(jīng)元可以響應(yīng)一部分覆蓋范圍內(nèi)的周圍單元,在圖像處理問題上有很出色的表現(xiàn)。由于深度學(xué)習(xí)在各種生成任務(wù)上表現(xiàn)良好,因此被廣泛用于步態(tài)識別任務(wù)[14-16],本文步態(tài)識別系統(tǒng)的工作原理如圖5。

    圖5 步態(tài)識別基本過程Fig.5 Basic process of gait recognition

    步態(tài)識別過程如下。

    1)攝像頭采集人的步態(tài);

    2)通過背景減除法從視頻幀中提取步態(tài)輪廓圖,并且對目標(biāo)輪廓圖進(jìn)行歸一化等預(yù)處理;

    3)通過步態(tài)周期檢測從預(yù)處理后的輪廓圖中得到長度較小的周期序列,然后從中獲取多通道步態(tài)模板;

    4)將多張模板圖像當(dāng)成圖像集作為輸入進(jìn)行特征提取,這里提取的特征包含豐富的時間和空間信息,并且具有較強(qiáng)的魯棒性;

    5)通過特征的分類與匹配來判斷是否為同一個行人。

    2.2 基于圖像集的特征提取和聚合

    特征提取作為整個步態(tài)識別過程中最為關(guān)鍵的一步,直接影響了最后的識別結(jié)果。本文通過提取幀級通道能量圖特征方法來代替提取單一的步態(tài)能量圖的方法,以獲得更全面的特征信息。

    fi=H(G(F(xi)))

    (7)

    (4)式中:函數(shù)F(·)通過CNN網(wǎng)絡(luò)對序列中的每個輪廓圖都進(jìn)行特征提?。缓瘮?shù)G(·)將提取到的多幅圖像的特征映射到序列級函數(shù)中,得到一個聚合特征向量;函數(shù)H(·)通過全連接網(wǎng)絡(luò)對得到的聚合特征向量進(jìn)行辨別從而實(shí)現(xiàn)識別效果。由于一個周期的輪廓圖包含了整個動作中的完整信息,這里的xi表示為周期內(nèi)的多通道步態(tài)模板,方法的基本流程如圖6。

    圖6 方法實(shí)現(xiàn)的基本流程Fig.6 Basic process of method implementation

    2.3 度量學(xué)習(xí)方式的選擇

    識別任務(wù)大都是基于數(shù)據(jù)上的距離度量展開的,為了處理相似度,可以在特定的任務(wù)中選擇合適的特征并手動構(gòu)建距離函數(shù)。然而這種方法需要很大的人工投入,并且數(shù)據(jù)的改變會造成系統(tǒng)的魯棒性降低。度量學(xué)習(xí)作為一個理想的替代,學(xué)習(xí)樣本之間的距離度量,為估計(jì)樣本相似性提供更可靠的依據(jù)。

    (8)

    (8)式中,ε1為閾值參數(shù)。對其距離進(jìn)行l(wèi)2范數(shù)歸一化處理得

    (9)

    (10)

    傳統(tǒng)的三元組損失函數(shù)只要求樣本對之間的類內(nèi)距離小于類間距離,而并沒有提出相似樣本對之間的相似程度。在著裝、遮擋、不同視角等外界環(huán)境的影響下,就很有可能導(dǎo)致相似樣本對之間產(chǎn)生較大的差異。

    基于以上的問題,這里做出了相應(yīng)的改進(jìn)。本文添加了新的損失函數(shù)來增強(qiáng)約束,使得相似樣本對之間的距離應(yīng)小于一個設(shè)定的閾值τ2,并且這個閾值應(yīng)該小于τ1。這樣,改進(jìn)的損失函數(shù)通過增加約束來增大類間距離和減小類內(nèi)距離,改進(jìn)后的Triplet Loss函數(shù)可表示為

    (11)

    (4)式中:N為訓(xùn)練樣本的個數(shù);β為平衡類內(nèi)和類間距離所占比重的系數(shù)。

    3 實(shí)驗(yàn)結(jié)果分析

    本文在MATLAB R2016b和PyTorch 0.4環(huán)境下進(jìn)行實(shí)驗(yàn),計(jì)算機(jī)配置為NVIDIA 1080TI GPU,運(yùn)算平臺為CUDA 9.0,實(shí)驗(yàn)過程都是基于Windows10(64 bit)操作系統(tǒng)上完成。

    3.1 數(shù)據(jù)準(zhǔn)備

    本次實(shí)驗(yàn)采用CASIA-B標(biāo)準(zhǔn)步態(tài)數(shù)據(jù)集,如圖7。CASIA-B是一個大規(guī)模的,多視角的步態(tài)庫,共有124人,每個人有11個視角(0°,18°,36°,…,90°,…,180°),在普通條件,穿大衣和攜帶背包3種行走條件下采集。實(shí)驗(yàn)數(shù)據(jù)均通過降維和降噪處理。

    圖7 11個視角和3種行走狀態(tài)Fig.7 Eleven perspectives and three walking states

    由于步態(tài)能量圖直接由輪廓圖平均相加而成,所以輪廓圖的規(guī)范程度對識別效果有很大的影響。而且在跨視角情況下又很容易導(dǎo)致提取到的步態(tài)輪廓圖的形變問題。這里在融合步態(tài)能量圖之前對輪廓圖使用STN(spatial transformer network)網(wǎng)絡(luò)進(jìn)行預(yù)處理。STN網(wǎng)絡(luò)通過對輪廓圖進(jìn)行旋轉(zhuǎn)、縮放、平移、投影和彈性變形處理,有效地改善了步態(tài)能量圖的特征表達(dá)能力。STN網(wǎng)絡(luò)的結(jié)構(gòu)如圖8。

    圖8 STN網(wǎng)絡(luò)結(jié)構(gòu)Fig.8 Spatial transformer network structure

    圖8中,U為輸入的原始步態(tài)輪廓圖,θ為定位網(wǎng)格產(chǎn)生的空間變換參數(shù),Tθ(G)為空間變換函數(shù),V為輸出的特征圖。

    3.2 實(shí)驗(yàn)結(jié)果

    實(shí)驗(yàn)中對不同視角下的步態(tài)樣本進(jìn)行分析,在CASIA-B步態(tài)標(biāo)準(zhǔn)數(shù)據(jù)集中,每個樣本有6組正常行走狀態(tài),2組攜帶背包和2組穿大衣狀態(tài)。由于本文的主要目標(biāo)是研究視角變化對特征表達(dá)的影響,所以試驗(yàn)均在同狀態(tài)(nm-nm,bg-bg,cl-cl)下進(jìn)行。在6組正常行走狀態(tài)中,選取4組作為訓(xùn)練集,剩下2組作為測試集。攜帶背包和穿大衣狀態(tài)各選一組作為訓(xùn)練集和測試集,實(shí)驗(yàn)如表1。

    在跨視角對比實(shí)驗(yàn)中視角的選擇上,本文選取了90°,54°,126°,72°和108°視角進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果如表2—表6。

    表1 CASIA-B數(shù)據(jù)集的試驗(yàn)

    表2 90°視角下各算法識別率對比

    從表2中可以看出,本文算法在對穿大衣等協(xié)變量上有很強(qiáng)的魯棒性,各個狀態(tài)下識別率均高于基于生成對抗網(wǎng)絡(luò)的步態(tài)識別[16]。與文獻(xiàn)[16]相比,平均提高了19.5% 。其中,選擇度量學(xué)習(xí)中改進(jìn)的三元組損失函數(shù)對最終的識別性能也有所提升。從實(shí)驗(yàn)結(jié)果可以看出,平均提高了1.0%。

    表3 54°視角下各算法識別率對比

    表4 126°視角下各算法識別率對比

    從表2—表4可以看出,本文算法相比于DeepCNNs[9]算法在某些情況下識別率略有降低,這是因?yàn)镈eepCNNs算法中使用了復(fù)雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),其網(wǎng)絡(luò)分為局部特征匹配的底層網(wǎng)絡(luò),中級特征匹配和全局特征匹配的上層網(wǎng)絡(luò),對步態(tài)特征的映射更為明顯,但是訓(xùn)練時間和測試時間都有很大程度的增加。實(shí)驗(yàn)表明,本文算法相比于GaitSet[12]算法在速度上提升了10倍左右,更適合于實(shí)時應(yīng)用場景的識別。

    表5 72°視角下各算法識別率對比

    表6 108°視角下各算法識別率對比

    從表3—表6可以看出,本文算法在各個視角下的識別率都有很大提升,與基于生成對抗網(wǎng)絡(luò)方法所用算法相比,在72°和108°視角下識別率分別平均提高了19.7%,19.4%,有效緩解了視角變化給識別率所帶來的影響。其中,側(cè)身角度識別效果更佳,這是因?yàn)閭?cè)身角度同時擁有與步行方向平行的步幅信息和與行走方向垂直的步態(tài)信息,包含的特征信息更加豐富。

    4 結(jié)束語

    本文以標(biāo)準(zhǔn)數(shù)據(jù)集CASIA-B為研究對象,對原始步態(tài)輪廓序列進(jìn)行周期檢測和歸一化處理,最后獲取了一個周期的七通道步態(tài)模板。這里提出了將七通道步態(tài)模板當(dāng)成圖像集作為輸入的識別方法,在提高了識別率的同時,還加速了網(wǎng)絡(luò)的收斂速度,減少了識別時間。本文算法在各個視角的情況下都取得了很好的實(shí)驗(yàn)結(jié)果。在今后的工作中,為了應(yīng)用于真實(shí)的識別場景,還將增加更多視角下的實(shí)驗(yàn),同時對通道數(shù)進(jìn)行相應(yīng)的調(diào)整,以設(shè)計(jì)出一個能應(yīng)對各種環(huán)境的步態(tài)識別系統(tǒng)。

    猜你喜歡
    步態(tài)識別率模板
    小螞蟻與“三角步態(tài)”
    鋁模板在高層建筑施工中的應(yīng)用
    鋁模板在高層建筑施工中的應(yīng)用
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關(guān)系
    基于面部和步態(tài)識別的兒童走失尋回系統(tǒng)
    電子制作(2018年18期)2018-11-14 01:48:04
    基于Kinect的學(xué)步期幼兒自然步態(tài)提取
    提升高速公路MTC二次抓拍車牌識別率方案研究
    高速公路機(jī)電日常維護(hù)中車牌識別率分析系統(tǒng)的應(yīng)用
    鋁模板在高層建筑施工中的應(yīng)用
    黄频高清免费视频| 国产精品爽爽va在线观看网站| 欧美日韩乱码在线| 欧美色欧美亚洲另类二区| 91大片在线观看| 国产亚洲精品av在线| 两个人的视频大全免费| 美女黄网站色视频| 国产精品久久视频播放| 正在播放国产对白刺激| 午夜两性在线视频| 久久精品国产亚洲av香蕉五月| 日韩欧美免费精品| 欧美中文日本在线观看视频| 99久久99久久久精品蜜桃| 一区二区三区高清视频在线| 麻豆国产97在线/欧美 | 久久热在线av| 精品不卡国产一区二区三区| 免费电影在线观看免费观看| 日本一二三区视频观看| 亚洲人成网站高清观看| 国产亚洲精品久久久久久毛片| 日本 av在线| а√天堂www在线а√下载| 久久这里只有精品19| 免费在线观看日本一区| 18禁观看日本| 久久久精品欧美日韩精品| 18禁黄网站禁片午夜丰满| 亚洲av成人精品一区久久| 老司机在亚洲福利影院| 宅男免费午夜| 日韩高清综合在线| 欧美久久黑人一区二区| 国产一级毛片七仙女欲春2| 亚洲美女视频黄频| 国模一区二区三区四区视频 | 搡老熟女国产l中国老女人| 此物有八面人人有两片| 最近视频中文字幕2019在线8| 女警被强在线播放| 男女那种视频在线观看| 成人特级黄色片久久久久久久| 欧美黑人精品巨大| 久久精品成人免费网站| 国产片内射在线| 欧美乱色亚洲激情| 亚洲一区二区三区色噜噜| 一a级毛片在线观看| 欧美性猛交黑人性爽| 好男人在线观看高清免费视频| 中出人妻视频一区二区| 99精品在免费线老司机午夜| 白带黄色成豆腐渣| 在线视频色国产色| 国产精品爽爽va在线观看网站| 久久九九热精品免费| 国产区一区二久久| 两个人看的免费小视频| 亚洲最大成人中文| 全区人妻精品视频| 18禁观看日本| 巨乳人妻的诱惑在线观看| 日本 av在线| 69av精品久久久久久| 夜夜夜夜夜久久久久| 非洲黑人性xxxx精品又粗又长| 99热只有精品国产| 婷婷六月久久综合丁香| 啦啦啦免费观看视频1| 1024香蕉在线观看| av有码第一页| 亚洲国产精品成人综合色| 亚洲欧美日韩高清专用| 桃色一区二区三区在线观看| 高清在线国产一区| 欧美高清成人免费视频www| 曰老女人黄片| 午夜福利高清视频| 亚洲成人中文字幕在线播放| 五月玫瑰六月丁香| 在线观看美女被高潮喷水网站 | e午夜精品久久久久久久| 在线观看舔阴道视频| 国产男靠女视频免费网站| 国内毛片毛片毛片毛片毛片| 欧美极品一区二区三区四区| 亚洲专区国产一区二区| 国产精品一区二区三区四区久久| 老司机午夜十八禁免费视频| 特级一级黄色大片| 国产私拍福利视频在线观看| 午夜精品在线福利| 可以在线观看毛片的网站| 伊人久久大香线蕉亚洲五| 亚洲人成77777在线视频| e午夜精品久久久久久久| 欧美性长视频在线观看| 1024香蕉在线观看| 久久久精品国产亚洲av高清涩受| 欧美绝顶高潮抽搐喷水| 亚洲国产看品久久| 男女之事视频高清在线观看| 欧美人与性动交α欧美精品济南到| 在线观看免费日韩欧美大片| 精品久久久久久成人av| svipshipincom国产片| 淫妇啪啪啪对白视频| 亚洲欧美日韩东京热| 好男人电影高清在线观看| 草草在线视频免费看| 丝袜美腿诱惑在线| 午夜老司机福利片| 50天的宝宝边吃奶边哭怎么回事| 曰老女人黄片| www日本黄色视频网| 舔av片在线| 亚洲五月婷婷丁香| 国产av又大| 一进一出抽搐动态| 免费在线观看成人毛片| 欧美色视频一区免费| 欧美国产日韩亚洲一区| 亚洲 欧美一区二区三区| 国产激情欧美一区二区| 久久国产精品影院| 亚洲自拍偷在线| 少妇人妻一区二区三区视频| 精品乱码久久久久久99久播| 啪啪无遮挡十八禁网站| 麻豆成人午夜福利视频| 成年免费大片在线观看| 欧美丝袜亚洲另类 | 一夜夜www| 桃红色精品国产亚洲av| 日本三级黄在线观看| 精品高清国产在线一区| 在线国产一区二区在线| 国产精品一区二区精品视频观看| 欧美在线黄色| 久久中文看片网| 亚洲黑人精品在线| 亚洲成av人片免费观看| 久久性视频一级片| 热99re8久久精品国产| 亚洲欧美日韩高清在线视频| 国内精品一区二区在线观看| 在线观看免费视频日本深夜| 最好的美女福利视频网| 五月伊人婷婷丁香| 日本免费a在线| 一夜夜www| 国产熟女午夜一区二区三区| 欧美黄色淫秽网站| 国产亚洲精品一区二区www| 黄色成人免费大全| 少妇粗大呻吟视频| 欧美日本亚洲视频在线播放| 国产精品日韩av在线免费观看| 久久久久久久久久黄片| 久久亚洲精品不卡| 18禁美女被吸乳视频| tocl精华| 老司机午夜福利在线观看视频| 怎么达到女性高潮| 欧美精品亚洲一区二区| 亚洲自拍偷在线| 国产av不卡久久| 桃红色精品国产亚洲av| 欧美成人免费av一区二区三区| 亚洲中文日韩欧美视频| 特级一级黄色大片| 亚洲精品在线观看二区| 夜夜爽天天搞| 色综合婷婷激情| 一区福利在线观看| 国产真实乱freesex| 日韩欧美在线乱码| 大型黄色视频在线免费观看| 午夜免费观看网址| 香蕉丝袜av| www.www免费av| 欧美中文日本在线观看视频| 亚洲中文日韩欧美视频| 亚洲国产高清在线一区二区三| 久久这里只有精品中国| 久久久国产精品麻豆| 欧美成人一区二区免费高清观看 | 成人三级做爰电影| 久久久久久久久中文| 久久婷婷成人综合色麻豆| 日韩欧美一区二区三区在线观看| 中亚洲国语对白在线视频| 50天的宝宝边吃奶边哭怎么回事| 国内揄拍国产精品人妻在线| e午夜精品久久久久久久| 在线观看66精品国产| 亚洲无线在线观看| 观看免费一级毛片| 日韩精品免费视频一区二区三区| 精品一区二区三区四区五区乱码| 欧美日韩精品网址| 听说在线观看完整版免费高清| 久久久久精品国产欧美久久久| 好男人电影高清在线观看| 一个人观看的视频www高清免费观看 | 亚洲精品国产精品久久久不卡| 亚洲av电影不卡..在线观看| 999精品在线视频| 少妇裸体淫交视频免费看高清 | 亚洲色图av天堂| 久久精品夜夜夜夜夜久久蜜豆 | 久久伊人香网站| 在线观看66精品国产| www日本黄色视频网| 久久人妻福利社区极品人妻图片| 在线观看免费午夜福利视频| 国产在线精品亚洲第一网站| 一级黄色大片毛片| 草草在线视频免费看| 国产成人精品久久二区二区91| 午夜福利成人在线免费观看| 欧美精品亚洲一区二区| 久久精品夜夜夜夜夜久久蜜豆 | 青草久久国产| 亚洲天堂国产精品一区在线| 精品少妇一区二区三区视频日本电影| 亚洲成人精品中文字幕电影| 香蕉丝袜av| 精品久久蜜臀av无| 国产乱人伦免费视频| 琪琪午夜伦伦电影理论片6080| svipshipincom国产片| 久久欧美精品欧美久久欧美| 好男人在线观看高清免费视频| 欧美激情久久久久久爽电影| 99国产综合亚洲精品| 最新美女视频免费是黄的| av中文乱码字幕在线| 男人的好看免费观看在线视频 | 在线观看免费日韩欧美大片| 国产精品98久久久久久宅男小说| 日本a在线网址| 一级毛片精品| www.999成人在线观看| 亚洲av电影不卡..在线观看| 日韩欧美精品v在线| 久9热在线精品视频| 777久久人妻少妇嫩草av网站| 亚洲av电影在线进入| 男女那种视频在线观看| 一进一出好大好爽视频| 欧美中文日本在线观看视频| 午夜免费成人在线视频| 国产熟女午夜一区二区三区| 动漫黄色视频在线观看| www.www免费av| 日韩国内少妇激情av| 国产一区二区激情短视频| 国产精品 国内视频| 亚洲 欧美一区二区三区| 婷婷六月久久综合丁香| 精品日产1卡2卡| 18禁观看日本| 香蕉国产在线看| 日韩精品中文字幕看吧| 制服丝袜大香蕉在线| 日日爽夜夜爽网站| 国产欧美日韩精品亚洲av| 婷婷丁香在线五月| 精品久久久久久,| 日韩有码中文字幕| 午夜两性在线视频| 中亚洲国语对白在线视频| 亚洲一区二区三区不卡视频| 91成年电影在线观看| 黑人欧美特级aaaaaa片| 亚洲精品久久成人aⅴ小说| 97超级碰碰碰精品色视频在线观看| 亚洲一区二区三区色噜噜| 国产精品 国内视频| 一本大道久久a久久精品| 久久久久久国产a免费观看| 欧美中文综合在线视频| 亚洲精品在线美女| 天天添夜夜摸| 午夜免费成人在线视频| 母亲3免费完整高清在线观看| 午夜激情福利司机影院| 国产精品亚洲美女久久久| 久久精品国产亚洲av香蕉五月| 久久久久国内视频| 亚洲av成人精品一区久久| 男人舔女人的私密视频| 18禁观看日本| 床上黄色一级片| 欧美另类亚洲清纯唯美| 999久久久精品免费观看国产| 极品教师在线免费播放| 高清在线国产一区| 成人国产一区最新在线观看| 亚洲aⅴ乱码一区二区在线播放 | 18禁观看日本| 国产精品一区二区三区四区久久| 国产成人av教育| 精品高清国产在线一区| 男人舔女人的私密视频| 日本免费a在线| 日本三级黄在线观看| 日本黄大片高清| 欧美性猛交╳xxx乱大交人| 欧美中文日本在线观看视频| 免费无遮挡裸体视频| 日韩欧美三级三区| 久久九九热精品免费| 国产黄片美女视频| 精品久久久久久久毛片微露脸| 欧美中文日本在线观看视频| 亚洲国产精品合色在线| 国产精品日韩av在线免费观看| 亚洲第一欧美日韩一区二区三区| 国产视频一区二区在线看| 国产三级黄色录像| 色尼玛亚洲综合影院| 97人妻精品一区二区三区麻豆| 国产精华一区二区三区| 亚洲自偷自拍图片 自拍| 亚洲av美国av| 在线看三级毛片| 亚洲专区国产一区二区| 亚洲中文av在线| 老司机福利观看| 欧美日韩黄片免| 色综合站精品国产| 亚洲av电影不卡..在线观看| 欧美高清成人免费视频www| 色综合亚洲欧美另类图片| 亚洲黑人精品在线| 黄色毛片三级朝国网站| 国产亚洲精品第一综合不卡| 久久久久久国产a免费观看| 国产大屁股一区二区在线视频| 人人妻人人澡欧美一区二区| 美女cb高潮喷水在线观看| 亚洲无线观看免费| 国产不卡一卡二| 久久九九热精品免费| 国产亚洲av片在线观看秒播厂 | 99九九线精品视频在线观看视频| 一级av片app| 免费av不卡在线播放| 欧美一区二区国产精品久久精品| 国产老妇伦熟女老妇高清| 波野结衣二区三区在线| 少妇的逼好多水| 99热全是精品| 国内精品美女久久久久久| 欧美成人一区二区免费高清观看| 内射极品少妇av片p| 国产蜜桃级精品一区二区三区| 午夜激情欧美在线| 精品不卡国产一区二区三区| 精品免费久久久久久久清纯| 精品人妻一区二区三区麻豆| 国产午夜福利久久久久久| 亚洲aⅴ乱码一区二区在线播放| 欧美潮喷喷水| 3wmmmm亚洲av在线观看| 国产黄色视频一区二区在线观看 | kizo精华| 精品一区二区免费观看| 日本黄色片子视频| 老熟妇乱子伦视频在线观看| 变态另类丝袜制服| 色视频www国产| 女同久久另类99精品国产91| 欧美日韩乱码在线| 精品日产1卡2卡| 国产爱豆传媒在线观看| 男女视频在线观看网站免费| 亚洲美女搞黄在线观看| 不卡一级毛片| 听说在线观看完整版免费高清| 女的被弄到高潮叫床怎么办| 网址你懂的国产日韩在线| 国产一区二区三区在线臀色熟女| 日韩欧美国产在线观看| 亚洲欧美精品专区久久| 麻豆国产av国片精品| 你懂的网址亚洲精品在线观看 | 日日干狠狠操夜夜爽| 色尼玛亚洲综合影院| 午夜福利在线观看免费完整高清在 | 51国产日韩欧美| 高清午夜精品一区二区三区 | 亚洲性久久影院| 国产蜜桃级精品一区二区三区| 精品一区二区三区视频在线| 国产精品1区2区在线观看.| 国产精品爽爽va在线观看网站| 尤物成人国产欧美一区二区三区| 亚洲中文字幕日韩| 超碰av人人做人人爽久久| 国产欧美日韩精品一区二区| 少妇的逼好多水| 亚洲欧美精品综合久久99| av在线观看视频网站免费| 亚洲av免费高清在线观看| 看片在线看免费视频| 亚洲欧美日韩无卡精品| 久久国内精品自在自线图片| 免费av不卡在线播放| 国产精品精品国产色婷婷| 日本一本二区三区精品| av免费观看日本| 国产麻豆成人av免费视频| 久久久久久久久久久免费av| 变态另类丝袜制服| 国产日韩欧美在线精品| 久久精品国产亚洲av香蕉五月| 欧美色欧美亚洲另类二区| 欧美三级亚洲精品| 亚洲五月天丁香| av专区在线播放| 久久久久久久久大av| 夜夜夜夜夜久久久久| 天堂中文最新版在线下载 | 久久这里只有精品中国| 欧美xxxx性猛交bbbb| 国产老妇女一区| 免费搜索国产男女视频| 欧美激情国产日韩精品一区| 黄色视频,在线免费观看| 国产伦精品一区二区三区四那| www日本黄色视频网| 国产亚洲精品久久久com| 亚洲精品456在线播放app| 久久鲁丝午夜福利片| 国产精品三级大全| 欧美色视频一区免费| 国产伦精品一区二区三区四那| 亚洲真实伦在线观看| 中国美女看黄片| 日韩成人伦理影院| 国产精品人妻久久久影院| 亚洲av免费高清在线观看| 好男人在线观看高清免费视频| 九九在线视频观看精品| 嫩草影院入口| 欧美不卡视频在线免费观看| 女人十人毛片免费观看3o分钟| 成人高潮视频无遮挡免费网站| 国产高清有码在线观看视频| 免费av观看视频| 哪里可以看免费的av片| 免费观看精品视频网站| 免费电影在线观看免费观看| 中文在线观看免费www的网站| 久久这里只有精品中国| 亚洲久久久久久中文字幕| 中文欧美无线码| 春色校园在线视频观看| 婷婷亚洲欧美| 日本av手机在线免费观看| 欧美日本视频| 天堂√8在线中文| 精品久久久久久久久久免费视频| 亚洲国产精品sss在线观看| 少妇熟女欧美另类| 国产一级毛片七仙女欲春2| 一区二区三区免费毛片| 日韩,欧美,国产一区二区三区 | 国产乱人视频| 国产黄色视频一区二区在线观看 | 国产精品,欧美在线| 尤物成人国产欧美一区二区三区| 变态另类丝袜制服| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲精品国产av成人精品| 亚洲激情五月婷婷啪啪| 99热这里只有精品一区| 一边亲一边摸免费视频| 亚洲最大成人中文| 日本欧美国产在线视频| av在线观看视频网站免费| 亚洲不卡免费看| 哪里可以看免费的av片| 亚洲欧美成人精品一区二区| 亚洲av熟女| av.在线天堂| 一级黄片播放器| 亚洲欧洲国产日韩| 国产色婷婷99| 噜噜噜噜噜久久久久久91| 亚洲国产精品合色在线| 1024手机看黄色片| 免费观看a级毛片全部| 尤物成人国产欧美一区二区三区| 丰满的人妻完整版| 日韩欧美国产在线观看| 久久精品国产清高在天天线| 国产大屁股一区二区在线视频| 国产成人91sexporn| 亚洲不卡免费看| avwww免费| 亚洲第一电影网av| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲va在线va天堂va国产| 免费无遮挡裸体视频| 亚洲欧美日韩卡通动漫| 欧美激情国产日韩精品一区| 偷拍熟女少妇极品色| 国产精品不卡视频一区二区| 亚洲最大成人av| 亚洲欧美成人精品一区二区| 99久久无色码亚洲精品果冻| 嫩草影院精品99| 亚洲欧洲日产国产| 国产精品野战在线观看| 欧美性猛交黑人性爽| 伦精品一区二区三区| 免费大片18禁| 日韩,欧美,国产一区二区三区 | 精品久久国产蜜桃| 久久人妻av系列| av又黄又爽大尺度在线免费看 | 国内久久婷婷六月综合欲色啪| av又黄又爽大尺度在线免费看 | 蜜桃亚洲精品一区二区三区| 精品人妻视频免费看| 99热全是精品| 只有这里有精品99| 热99re8久久精品国产| 2022亚洲国产成人精品| 最近2019中文字幕mv第一页| 久久欧美精品欧美久久欧美| 国产亚洲欧美98| 国产午夜精品久久久久久一区二区三区| 久久精品国产99精品国产亚洲性色| 黄片无遮挡物在线观看| 蜜桃亚洲精品一区二区三区| 中文字幕久久专区| 最近中文字幕高清免费大全6| 精品熟女少妇av免费看| 蜜桃亚洲精品一区二区三区| 一边亲一边摸免费视频| 国产精品乱码一区二三区的特点| 在现免费观看毛片| 亚洲精品日韩av片在线观看| 联通29元200g的流量卡| 99久久无色码亚洲精品果冻| 日韩人妻高清精品专区| 久久精品国产鲁丝片午夜精品| 国产一区二区三区在线臀色熟女| 亚洲成人av在线免费| 亚洲成a人片在线一区二区| 国产精品一及| 亚洲性久久影院| 日本欧美国产在线视频| 国产一区二区在线观看日韩| 一级毛片aaaaaa免费看小| 丝袜美腿在线中文| 男人舔奶头视频| 在线播放国产精品三级| 99九九线精品视频在线观看视频| 午夜福利在线观看免费完整高清在 | av天堂中文字幕网| 三级毛片av免费| 国产成人91sexporn| 久久久久免费精品人妻一区二区| 18禁裸乳无遮挡免费网站照片| 亚洲自拍偷在线| 欧美最黄视频在线播放免费| 女人十人毛片免费观看3o分钟| 久久精品人妻少妇| 国产大屁股一区二区在线视频| 18禁在线播放成人免费| 国产精品一区二区性色av| 99热这里只有精品一区| 成人特级av手机在线观看| 插逼视频在线观看| 91精品国产九色| 长腿黑丝高跟| 两性午夜刺激爽爽歪歪视频在线观看| 午夜爱爱视频在线播放| 婷婷六月久久综合丁香| 91狼人影院| 亚洲国产精品成人久久小说 | 欧美一级a爱片免费观看看| 岛国在线免费视频观看| 精品人妻偷拍中文字幕| 国产又黄又爽又无遮挡在线| 一区二区三区四区激情视频 | 嘟嘟电影网在线观看| 亚洲精品粉嫩美女一区| 免费av不卡在线播放| 成人鲁丝片一二三区免费| 有码 亚洲区| 三级男女做爰猛烈吃奶摸视频| 免费看av在线观看网站| 精品久久国产蜜桃| 亚洲成人av在线免费| 中出人妻视频一区二区| 欧美性猛交黑人性爽| 精品熟女少妇av免费看| 欧美极品一区二区三区四区| 中国国产av一级| 悠悠久久av| 国产精品永久免费网站| 亚洲av一区综合| 中文字幕av成人在线电影| 国产色爽女视频免费观看| 日日干狠狠操夜夜爽| 99国产极品粉嫩在线观看|