• <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 ?

    基于深度學習多特征融合的手勢分割識別算法

    2022-05-18 03:16:12張曉俊李長勇
    濟南大學學報(自然科學版) 2022年3期
    關鍵詞:特征提取背景融合

    張曉俊,李長勇

    (新疆大學 機械工程學院,新疆 烏魯木齊 830047)

    隨著科技水平的提高,機器視覺的手勢識別已成為自然交互的一個重點研究方向,并且在意圖感知、輔助駕駛、輔助教學、醫(yī)學、人機交互、電子游戲等領域應用廣泛[1-3]。手勢檢測主要分為手勢分割和識別2個部分,手勢分割的精度影響手勢識別的準確度。目前手勢識別研究中常用的手勢分割方法是利用YCbCr模型[4-5]和高斯模型[6-7]等進行手勢的分割和檢測,但是YCbCr模型在實際應用中容易受背景類膚色的物體影響,高斯模型也容易受環(huán)境變化和個體差異的影響。在深度學習方法方面,睢丙東等[8]改進YOLOv3網(wǎng)絡,提升了手勢檢測精度,5種手勢的平均識別精度為90.38%。謝錚桂[9]和蔡娟等[10]將采集到的多種手勢圖像數(shù)據(jù)集預處理后送入卷積神經(jīng)網(wǎng)絡中訓練,實驗結果顯示識別精度均為96%。Flores等[11]對手勢圖像進行預處理后運用卷積神經(jīng)網(wǎng)絡訓練,簡化訓練模型,手勢識別精度高達96%。上述方法雖然在手勢識別領域的研究中取得一定成果,可以識別出簡單的手勢,但實際環(huán)境中手勢分割容易受到背景中類膚色物體或個體差異的影響,且沒有考慮手勢識別的實用性。在實際交互過程中每種手勢有不同的姿態(tài)角度,但上述方法均未考慮手勢不同姿態(tài),導致識別精度較低,具有一定的局限性。

    針對上述問題,本文中提出基于深度學習多特征融合的手勢分割識別算法(簡稱本文算法),針對個體差異、手勢大小、手勢角度、背景類膚色物體等的影響導致對手勢分割純度低的問題,提出一種融合膚色聚類特征自適應方法,對手勢進行分割;采用最新的YOLOv4網(wǎng)絡模型對其處理后的多種手勢特征圖像進行特征提取和訓練,實驗驗證其識別效率和魯棒性。

    1 手勢圖像分割

    在人機自然交互過程中,背景對手勢識別的影響較大,在手勢圖像背景中存在類膚色物體或手勢角度的不同都會對手勢識別精度有一定影響。手勢圖像采集包含膚色背景手勢圖像、相同手勢不同姿態(tài)角度的圖像以及簡單不包含膚色背景的手勢圖像。本文中主要研究含有膚色背景和不同角度的手勢識別,如圖1所示。

    1.1 HSV顏色空間和橢圓膚色分割方法

    HSV顏色空間在目標檢測方面運用廣泛,可以彌補復雜環(huán)境下對物體特征的識別度[12-13]。雖然HSV顏色空間[12]中色調分量的膚色聚類特性較好,在復雜的環(huán)境下可以對膚色的提取提供更可靠的信息,YCbCr顏色空間[14]中藍色色度Cb、紅色色度Cr分量也在膚色方面具有較完整的聚類效果;但是,在單一的HSV顏色空間或YCbCr顏色空間對膚色進行分割時容易受到背景膚色物體、亮度、手勢角度變化等因素的影響,因此本文中提出一種融合膚色模型結合最大類間方差的自適應提取方法,彌補手勢分割時由背景膚色物體和手勢角度變化導致手勢提取純度較低的不足。

    運用HSV顏色空間和橢圓膚色模型在不同膚色背景、不同角度手勢圖像中提取手勢,結果如圖2所示。

    由實驗結果可以看出,在對手勢不同角度分割過程中手勢會有部分缺失,背景中的膚色物體會同時被提取出來。在HSV顏色空間分割的結果中,圖2(a)背景右上方較多的膚色物體被提取出來,但手部指尖部分有一定的缺失,圖2(b)中的手勢分割較為完整,但存在大量的膚色背景。運用橢圓膚色模型分割的結果,圖2(c)中手勢較為完整,然而背景的膚色沒有完全過濾,并且手勢角度的變化導致手勢部位的一些區(qū)域被作為背景,圖2(d)中手勢部分缺失較多。

    1.2 融合膚色的手勢分割方法

    HSV顏色空間和橢圓膚色模型基本可以分割出手勢區(qū)域,但是背景中存在膚色物體和手勢角度變化時都會影響手勢的分割。HSV顏色空間對手勢進行分割時主要是依據(jù)色度分量單一通道進行前景與背景的分割,信息較為單一,導致提取手勢過程受環(huán)境因素影響嚴重。為了更完整地分割手勢,克服背景膚色和手勢角度變換對手勢特征提取的影響,本文中基于HSV顏色空間和橢圓膚色模型,對模型進行融合變換,利用更多的手勢膚色信息結合最大類間方差法,形成一種融合膚色的手勢分割方法,有效去除背景膚色,解決手勢角度變化導致手勢提取不完整的問題,以便更準確地分割手勢。圖3所示為融合膚色的手勢分割模型示意圖。

    圖3 融合膚色的手勢分割模型示意圖

    根據(jù)數(shù)據(jù)統(tǒng)計,HSV、YCbCr顏色空間在色調、藍色色度和紅色色度3個分量上的膚色聚類較好。攝像頭采集到的手勢圖像為RGB圖像,然后從RGB圖像中獲取上述膚色聚類較好的3個分量的信息。從RGB圖像中獲取色調的數(shù)值,即

    V=max{R,G,B},

    (1)

    式中V為RGB顏色空間中R、G、B分量中較大的一個分量。

    根據(jù)以下判斷,獲取色度H分量的值:

    如果

    V=max{R,G,B},

    (2)

    那么H=0;

    如果

    R=max{R,G,B},

    (3)

    那么

    (4)

    如果

    G=max{R,G,B},

    (5)

    那么

    (6)

    如果

    B=max{R,G,B},

    (7)

    那么

    (8)

    計算YCbCr顏色空間中的藍色色度Cb分量和紅色色度Cr分量的數(shù)值。為了方便后續(xù)計算,引入中間變量Q,即

    Q=B-(0.229R+0.587G+0.114B),

    (9)

    將Q的數(shù)值代入公式,分別得到Cb分量和Cr分量,即

    Cb=0.564Q+128,

    (10)

    Cr=0.713Q+128。

    (11)

    得到色調H、藍色色度Cb和紅色色度Cr分量后,根據(jù)3個分量信息遍歷圖像所有像素點,判斷其與膚色范圍,結合最大類間方差法,得到最優(yōu)分割閾值,輸出手勢圖像。

    計算圖像的平均灰度

    u=a0x0+a1x1,

    (12)

    式中:a0為前景像素點數(shù)所占比例;x0為前景像素點平均值;a1為背景像素點數(shù)所占比例;x1為背景像素點平均值。

    遍歷灰度級需要用方差T來判斷前景和背景最優(yōu)的閾值,即

    T=a0a1(x0-x1)2。

    (13)

    綜合上述多分量信息融合的方法進行膚色分割,結果如圖4所示。由圖可以看出,融合膚色的手勢分割方法可以較好地過濾掉膚色背景,同時在手勢角度變化時也可以較好地保留手勢部分,能夠保留完整的手勢信息。

    綜上所述,融合膚色的手勢分割方法可以在膚色背景下和手勢角度變化時有效地分割出手勢,優(yōu)于單一的橢圓膚色模型和HSV顏色空間。

    1.3 融合膚色的手勢分割識別流程

    由于單一的手勢分割模型不能很好地克服膚色背景的影響,在手勢特征提取過程中還會受到手勢角度變化的影響,因此本文中運用融合膚色的手勢分割方法提取手勢圖像中的手勢特征,減小背景膚色和手勢角度變化對特征提取的影響,提高手勢提取的純度,引入神經(jīng)網(wǎng)絡中進行訓練,可以進一步提升手勢識別精度。手勢分割識別流程如圖5所示。

    圖5 手勢分割識別流程圖

    2 基于深度學習的手勢識別

    Redmon等[15]提出一種基于回歸方法的YOLO識別算法,此后,經(jīng)過改進的新的YOLOv4算法[16-17]依靠更深層次的卷積神經(jīng)網(wǎng)絡進行特征提取,全連接層進行分類和預測,檢測精度顯著提升。該算法采用空間金字塔池化(SPP)模塊以及路徑聚合網(wǎng)絡PANet來增加訓練中的感受區(qū)。為了使分類檢測結果更加精確,采用學習率余弦退火衰減等方法優(yōu)化網(wǎng)絡[16-17]。深度學習YOLOv4算法網(wǎng)絡結構如圖6所示。

    圖6 深度學習YOLOv4算法網(wǎng)絡結構圖

    為了避免在數(shù)據(jù)集訓練過程中梯度彌散,其YOLOv4網(wǎng)絡中的Darknet-53網(wǎng)絡結構將神經(jīng)網(wǎng)絡分為多個連續(xù)的節(jié),每個節(jié)的網(wǎng)絡通過殘差方式訓練,使整體損失率達到最小。在手勢識別過程中,通過融合膚色的分割方法將特征圖像提取出來,輸入神經(jīng)網(wǎng)絡中進行訓練,以減少原圖訓練的復雜程度,提高訓練效率。Darknet-53網(wǎng)絡提取手勢特征圖像,在手勢特征細粒度的表征能力方面優(yōu)于一般的方向梯度直方圖(HOG)、幾何等特征提取方法。YOLOv4網(wǎng)絡的預測層分為3個尺度(52×52、26×26和13×13)對手勢進行預測,3個尺度的綜合預測增強了手勢檢測精度,同時網(wǎng)絡中的融合輸入(Concat)層連接提升了收斂性。

    3 實驗結果與分析

    驗證實驗中電腦配置如下:Intel i5-8500處理器,主頻為 3.0 GHz,運行內(nèi)存為12 GB,GTX1080Ti顯卡。軟件在Windows 10環(huán)境下運行。

    為了驗證手勢識別方法可靠性,在有膚色的復雜背景下采集多種手勢圖像,且對每種手勢的不同角度進行采集,建立手勢數(shù)據(jù)集,其中采集的自定義手勢有10種,共有3 000個手勢圖像樣本。

    由于手勢特征提取過程受環(huán)境和角度的影響較為嚴重,因此運用融合膚色的方法進行手勢圖像特征提取,可以有效避免手勢圖像中背景膚色物體影響,且能保證手勢輪廓提取的光滑度,從而提高手勢特征圖的純度,減少因背景膚色及手勢角度變化引起的手勢識別不準確的問題。此外,將處理得到的手勢特征圖輸入深度學習網(wǎng)絡中進行訓練,既可以提高訓練效率,又可以減小原始圖像數(shù)據(jù)集的訓練規(guī)模。

    采用融合膚色方法處理后的手勢特征圖像直接進行訓練,并且運用數(shù)據(jù)增強的方法將數(shù)據(jù)集圖像樣本個數(shù)增加到6 000,訓練次數(shù)為10 000。訓練過程中迭代次數(shù)與損失函數(shù)關系如圖7所示。由圖可以看出,訓練次數(shù)在8 000以后損失率基本達到收斂,通過對手勢識別模型的驗證,手勢識別精度達到99%,平均識別精度為98.8%。

    圖7 手勢模型損失率曲線

    為了進一步驗證本文算法的性能,分別采用單目標多盒檢測(single shot multibox dectort,SSD)模型[18]、YOLOv3算法[19]進行手勢識別對比,結果如表1所示。從表中可知,不同算法對手勢識別的效果差異較大,基于深度學習SSD模型的平均識別率為82.6%,且在識別的時效性表現(xiàn)方面較差。YOLOv3算法的識別精度較高,但是手勢特征提取不夠充分,在識別速度和精度上都與本文算法存在一定差距。本文算法通過對手勢圖像進行預處理得到手勢特征圖像作為網(wǎng)絡的輸入樣本,不僅提高了特征圖像提取的純度,而且減少了手勢周圍噪聲的影響,減小了訓練規(guī)模,縮短了訓練時間,利用更深層次的深度學習網(wǎng)絡對手勢特征提取更加充分和精確。此外,本文算法充分考慮手勢在實際識別過程中的不同角度問題,使提取的手勢信息更加細化,具有更高的魯棒性。

    表1 不同手勢識別算法的比較

    4 結語

    手勢的多樣性、相同手勢的不同角度以及手勢的背景信息等都會影響手勢識別的精度。利用融合膚色的手勢識別方法對手勢進行檢測,實驗結果驗證了該方法在膚色背景復雜情況下對不同角度的手勢能夠有效分割出手勢部分,進一步提高了手勢特征圖的純度,減小了噪聲對手勢特征提取的影響,從而減小訓練規(guī)模,加快訓練速度。該方法結合深層次的深度學習網(wǎng)絡算法提取手勢特征,增強手勢細節(jié)特征提取的精度,提高了手勢識別的準確度,平均識別精度達到98.8%,具有較強的魯棒性。

    猜你喜歡
    特征提取背景融合
    “新四化”背景下汽車NVH的發(fā)展趨勢
    村企黨建聯(lián)建融合共贏
    融合菜
    從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
    《論持久戰(zhàn)》的寫作背景
    當代陜西(2020年14期)2021-01-08 09:30:42
    《融合》
    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
    一種基于LBP 特征提取和稀疏表示的肝病識別算法
    晚清外語翻譯人才培養(yǎng)的背景
    基于MED和循環(huán)域解調的多故障特征提取
    久久精品夜夜夜夜夜久久蜜豆| 最后的刺客免费高清国语| av国产久精品久网站免费入址| 美女内射精品一级片tv| 一区二区三区免费毛片| 最近手机中文字幕大全| 国产在视频线精品| 2021少妇久久久久久久久久久| 亚洲精品日本国产第一区| 国产中年淑女户外野战色| 成人二区视频| av黄色大香蕉| 午夜免费观看性视频| 午夜视频国产福利| 国产激情偷乱视频一区二区| 国产成人一区二区在线| 一个人看的www免费观看视频| 亚洲国产高清在线一区二区三| 22中文网久久字幕| 神马国产精品三级电影在线观看| av播播在线观看一区| 热99在线观看视频| av又黄又爽大尺度在线免费看| 久久久久久久午夜电影| 校园人妻丝袜中文字幕| 能在线免费看毛片的网站| 午夜爱爱视频在线播放| 超碰97精品在线观看| 精品亚洲乱码少妇综合久久| 成人一区二区视频在线观看| 尾随美女入室| 在线a可以看的网站| 91久久精品电影网| 男人舔奶头视频| 国产不卡一卡二| 亚洲熟妇中文字幕五十中出| 最近视频中文字幕2019在线8| 日日干狠狠操夜夜爽| 一区二区三区免费毛片| 51国产日韩欧美| 欧美极品一区二区三区四区| 一级爰片在线观看| 色5月婷婷丁香| 国产黄片美女视频| 午夜福利在线在线| 成人国产麻豆网| 日韩大片免费观看网站| 嫩草影院精品99| 视频中文字幕在线观看| 国语对白做爰xxxⅹ性视频网站| 乱系列少妇在线播放| 国产精品久久久久久久久免| 中文在线观看免费www的网站| a级一级毛片免费在线观看| 免费大片黄手机在线观看| 欧美xxⅹ黑人| 日产精品乱码卡一卡2卡三| 日本午夜av视频| 色吧在线观看| 99九九线精品视频在线观看视频| 午夜老司机福利剧场| 亚洲精品成人av观看孕妇| 久久久久久久久久久丰满| 亚洲欧美成人精品一区二区| 免费av不卡在线播放| 久久久久久九九精品二区国产| 婷婷色综合大香蕉| 99久久中文字幕三级久久日本| 2018国产大陆天天弄谢| 日本av手机在线免费观看| 好男人在线观看高清免费视频| 国产人妻一区二区三区在| 18禁动态无遮挡网站| 久久精品国产鲁丝片午夜精品| 亚洲不卡免费看| 99热这里只有是精品50| 天堂av国产一区二区熟女人妻| 天天一区二区日本电影三级| 国产男女超爽视频在线观看| 天天躁夜夜躁狠狠久久av| 亚洲精品成人久久久久久| 亚洲精品乱久久久久久| 亚洲av电影在线观看一区二区三区 | 国产老妇女一区| 国产一区二区在线观看日韩| 国产亚洲精品久久久com| 免费观看无遮挡的男女| 午夜福利成人在线免费观看| 成人亚洲欧美一区二区av| 亚洲综合色惰| 2021少妇久久久久久久久久久| 国产探花在线观看一区二区| 91av网一区二区| 两个人视频免费观看高清| 国产一级毛片在线| 成年女人在线观看亚洲视频 | 亚洲在线自拍视频| 高清在线视频一区二区三区| 亚洲国产日韩欧美精品在线观看| 欧美xxⅹ黑人| 亚洲av免费在线观看| 成人无遮挡网站| a级毛色黄片| 日韩视频在线欧美| 伦理电影大哥的女人| 亚洲激情五月婷婷啪啪| 精品午夜福利在线看| 卡戴珊不雅视频在线播放| 日韩一区二区三区影片| 亚洲av成人精品一区久久| 国产成人精品福利久久| 神马国产精品三级电影在线观看| 亚洲熟妇中文字幕五十中出| 丰满少妇做爰视频| 亚洲精品中文字幕在线视频 | 国产伦在线观看视频一区| 国产免费一级a男人的天堂| 婷婷六月久久综合丁香| 天美传媒精品一区二区| 水蜜桃什么品种好| 国产精品麻豆人妻色哟哟久久 | 美女内射精品一级片tv| 蜜桃亚洲精品一区二区三区| 小蜜桃在线观看免费完整版高清| 成年女人看的毛片在线观看| 亚洲欧美成人综合另类久久久| 深爱激情五月婷婷| 国产精品美女特级片免费视频播放器| 观看免费一级毛片| 亚洲最大成人中文| 日日啪夜夜撸| 激情五月婷婷亚洲| 男人和女人高潮做爰伦理| 丝瓜视频免费看黄片| 亚洲精品一二三| 国产免费福利视频在线观看| 国产真实伦视频高清在线观看| 日韩欧美三级三区| 嫩草影院新地址| 久久久色成人| 直男gayav资源| 亚洲最大成人中文| 男女边摸边吃奶| 丰满人妻一区二区三区视频av| 精品一区在线观看国产| 毛片一级片免费看久久久久| 麻豆av噜噜一区二区三区| 一级爰片在线观看| 免费大片黄手机在线观看| 亚洲av国产av综合av卡| 亚洲av免费在线观看| 男女视频在线观看网站免费| 久久精品久久久久久久性| 午夜视频国产福利| 天天躁夜夜躁狠狠久久av| 亚洲精品乱久久久久久| 18禁在线无遮挡免费观看视频| 成人鲁丝片一二三区免费| 青春草视频在线免费观看| 亚洲av二区三区四区| 少妇人妻一区二区三区视频| 一级片'在线观看视频| 欧美zozozo另类| 免费看av在线观看网站| 久久久精品免费免费高清| 美女脱内裤让男人舔精品视频| 亚洲成人中文字幕在线播放| 我要看日韩黄色一级片| 国产美女午夜福利| 亚洲三级黄色毛片| 亚洲国产高清在线一区二区三| 久久99热这里只有精品18| 日韩成人av中文字幕在线观看| 日韩亚洲欧美综合| 99久久人妻综合| 亚洲经典国产精华液单| 五月伊人婷婷丁香| 久久综合国产亚洲精品| 秋霞在线观看毛片| 国产久久久一区二区三区| 亚洲最大成人中文| 少妇人妻一区二区三区视频| 日本av手机在线免费观看| 国产乱来视频区| 午夜免费男女啪啪视频观看| 午夜福利网站1000一区二区三区| 777米奇影视久久| 少妇猛男粗大的猛烈进出视频 | 午夜福利成人在线免费观看| 特级一级黄色大片| 亚洲精品亚洲一区二区| 夫妻午夜视频| 国产老妇伦熟女老妇高清| 观看免费一级毛片| 日本免费在线观看一区| 国产精品国产三级国产av玫瑰| 一区二区三区乱码不卡18| 内地一区二区视频在线| 欧美激情久久久久久爽电影| 日本午夜av视频| 日本爱情动作片www.在线观看| 成人鲁丝片一二三区免费| 国产伦理片在线播放av一区| 久久久午夜欧美精品| 国产亚洲最大av| 狂野欧美白嫩少妇大欣赏| 18+在线观看网站| 亚洲婷婷狠狠爱综合网| 国产精品久久久久久久久免| 特级一级黄色大片| 少妇人妻一区二区三区视频| 欧美精品国产亚洲| 国产视频首页在线观看| 午夜福利视频1000在线观看| 久久久久精品性色| 国产探花在线观看一区二区| 日韩欧美 国产精品| 爱豆传媒免费全集在线观看| 春色校园在线视频观看| 国产一区有黄有色的免费视频 | 国产成人福利小说| 人妻少妇偷人精品九色| 成年女人在线观看亚洲视频 | 亚洲精品成人久久久久久| 啦啦啦中文免费视频观看日本| 国产69精品久久久久777片| 91狼人影院| 中文欧美无线码| 免费观看性生交大片5| 18禁动态无遮挡网站| 欧美不卡视频在线免费观看| 久久久久精品久久久久真实原创| 丝袜美腿在线中文| 中文字幕免费在线视频6| 精品酒店卫生间| 亚洲av成人精品一二三区| 亚洲精品影视一区二区三区av| 久久精品国产鲁丝片午夜精品| 成人亚洲欧美一区二区av| 国产成人免费观看mmmm| 男插女下体视频免费在线播放| 国产 一区 欧美 日韩| 国产精品久久久久久久电影| 精品午夜福利在线看| 亚洲国产精品成人久久小说| 国产伦精品一区二区三区四那| 日韩精品青青久久久久久| 激情 狠狠 欧美| 欧美丝袜亚洲另类| 不卡视频在线观看欧美| 亚洲国产精品sss在线观看| 日日干狠狠操夜夜爽| 九九爱精品视频在线观看| 最近中文字幕2019免费版| 美女黄网站色视频| 一本一本综合久久| 欧美潮喷喷水| 国产精品国产三级专区第一集| 超碰av人人做人人爽久久| 国产v大片淫在线免费观看| 久久久久久久久久久免费av| 久久久久久伊人网av| 美女cb高潮喷水在线观看| 国产探花在线观看一区二区| 男女边摸边吃奶| 综合色丁香网| 中文字幕免费在线视频6| 九九在线视频观看精品| 又粗又硬又长又爽又黄的视频| 水蜜桃什么品种好| 色5月婷婷丁香| 男人舔女人下体高潮全视频| 最后的刺客免费高清国语| 夜夜爽夜夜爽视频| 神马国产精品三级电影在线观看| 视频中文字幕在线观看| 欧美成人午夜免费资源| 你懂的网址亚洲精品在线观看| 又粗又硬又长又爽又黄的视频| 97精品久久久久久久久久精品| 麻豆成人av视频| 久久精品久久久久久噜噜老黄| 国语对白做爰xxxⅹ性视频网站| 国产淫语在线视频| 深夜a级毛片| 久久韩国三级中文字幕| 十八禁国产超污无遮挡网站| 国产精品综合久久久久久久免费| 最近视频中文字幕2019在线8| 久久久久久久国产电影| av.在线天堂| 久久久久久久午夜电影| 国产精品伦人一区二区| av福利片在线观看| 色哟哟·www| 亚洲精品456在线播放app| 伊人久久精品亚洲午夜| 日韩制服骚丝袜av| 五月天丁香电影| 人妻一区二区av| 草草在线视频免费看| 中文乱码字字幕精品一区二区三区 | 汤姆久久久久久久影院中文字幕 | 麻豆av噜噜一区二区三区| 99久久九九国产精品国产免费| 国产精品国产三级国产av玫瑰| 狂野欧美白嫩少妇大欣赏| 亚洲欧美日韩东京热| 我的女老师完整版在线观看| 亚洲欧美一区二区三区国产| 日韩,欧美,国产一区二区三区| 99久久精品热视频| 久久久久精品性色| 久久久久国产网址| 黑人高潮一二区| 日韩一区二区三区影片| 网址你懂的国产日韩在线| 一级片'在线观看视频| 干丝袜人妻中文字幕| av福利片在线观看| 久久久久久久午夜电影| 亚洲av电影不卡..在线观看| 免费观看av网站的网址| 噜噜噜噜噜久久久久久91| 中文字幕亚洲精品专区| 久久久久久久久久人人人人人人| 夫妻午夜视频| 精品99又大又爽又粗少妇毛片| 大话2 男鬼变身卡| 校园人妻丝袜中文字幕| 日本一本二区三区精品| av在线观看视频网站免费| 男女视频在线观看网站免费| 可以在线观看毛片的网站| 国产午夜精品久久久久久一区二区三区| 毛片一级片免费看久久久久| 久久精品熟女亚洲av麻豆精品 | 久久韩国三级中文字幕| 99久久精品一区二区三区| 久久国产乱子免费精品| 国产在视频线精品| 日韩成人伦理影院| 国产成人免费观看mmmm| 韩国av在线不卡| 一级av片app| 国产午夜福利久久久久久| 舔av片在线| 色尼玛亚洲综合影院| 日韩av不卡免费在线播放| 卡戴珊不雅视频在线播放| 一级毛片aaaaaa免费看小| 亚洲精品日韩av片在线观看| 毛片女人毛片| 亚洲在久久综合| 国产精品一区二区三区四区久久| 久久精品夜色国产| av福利片在线观看| 国产精品爽爽va在线观看网站| 久久久久久久久久久丰满| 男人舔奶头视频| 性色avwww在线观看| 日韩成人伦理影院| 亚洲精品乱久久久久久| 欧美3d第一页| 国内精品美女久久久久久| 亚洲精品久久午夜乱码| 亚洲在线观看片| 久久精品国产自在天天线| 午夜爱爱视频在线播放| 女人久久www免费人成看片| 国产一区二区亚洲精品在线观看| 亚洲图色成人| 日日啪夜夜撸| 国产亚洲精品久久久com| 国产一区二区三区综合在线观看 | videos熟女内射| 国产av在哪里看| 日本一二三区视频观看| 人妻一区二区av| 国产男人的电影天堂91| 国产91av在线免费观看| 男女边摸边吃奶| 久久久久九九精品影院| 一个人看视频在线观看www免费| 国产黄a三级三级三级人| 亚洲av电影不卡..在线观看| 男女啪啪激烈高潮av片| 欧美日韩国产mv在线观看视频 | 午夜激情福利司机影院| 熟女电影av网| av在线播放精品| 人人妻人人看人人澡| 国产伦精品一区二区三区视频9| 免费黄色在线免费观看| 免费观看av网站的网址| 69av精品久久久久久| 日韩欧美一区视频在线观看 | 亚洲综合精品二区| 亚洲在久久综合| 国国产精品蜜臀av免费| 亚洲精品一区蜜桃| 国产黄频视频在线观看| 2021少妇久久久久久久久久久| 国内精品一区二区在线观看| 久久精品综合一区二区三区| 久久久久久久久久久丰满| av播播在线观看一区| 亚洲国产色片| av天堂中文字幕网| 欧美日韩视频高清一区二区三区二| 国产免费又黄又爽又色| 亚洲美女视频黄频| 国产精品国产三级国产专区5o| 国产免费福利视频在线观看| 在线观看免费高清a一片| 久久久欧美国产精品| 国产欧美另类精品又又久久亚洲欧美| 亚洲人成网站在线播| 街头女战士在线观看网站| 精品人妻熟女av久视频| 日本免费在线观看一区| 男女视频在线观看网站免费| 高清视频免费观看一区二区 | 可以在线观看毛片的网站| www.色视频.com| 国产精品伦人一区二区| 久久精品人妻少妇| 插阴视频在线观看视频| 日日摸夜夜添夜夜添av毛片| 97超视频在线观看视频| 国产精品蜜桃在线观看| 亚洲电影在线观看av| 国产高清有码在线观看视频| 久久这里有精品视频免费| 少妇丰满av| 少妇熟女欧美另类| 国产精品一区二区在线观看99 | 午夜激情福利司机影院| 亚洲电影在线观看av| 免费观看无遮挡的男女| 国产伦理片在线播放av一区| 色哟哟·www| 亚洲在线自拍视频| 亚洲国产精品专区欧美| 午夜福利成人在线免费观看| 亚洲精品,欧美精品| 人妻少妇偷人精品九色| 欧美三级亚洲精品| 91精品伊人久久大香线蕉| 国产伦一二天堂av在线观看| 久久久久久久午夜电影| 天堂网av新在线| 久久久久久久久久成人| 久久久久精品久久久久真实原创| 韩国av在线不卡| 国产高潮美女av| 一本久久精品| h日本视频在线播放| 午夜亚洲福利在线播放| 免费看不卡的av| 九色成人免费人妻av| 国产 一区 欧美 日韩| 亚洲国产av新网站| 午夜福利成人在线免费观看| 中文欧美无线码| 建设人人有责人人尽责人人享有的 | 亚洲av免费在线观看| 精品人妻一区二区三区麻豆| 婷婷六月久久综合丁香| 中文字幕免费在线视频6| 亚洲精品成人久久久久久| 男人狂女人下面高潮的视频| 国产三级在线视频| 国产视频内射| 日产精品乱码卡一卡2卡三| 亚洲精品第二区| 22中文网久久字幕| 久99久视频精品免费| 人妻夜夜爽99麻豆av| 国产亚洲精品久久久com| 日本-黄色视频高清免费观看| 国模一区二区三区四区视频| 三级经典国产精品| 91久久精品国产一区二区成人| 国产一区二区三区综合在线观看 | 欧美高清成人免费视频www| 国产亚洲午夜精品一区二区久久 | 天天一区二区日本电影三级| 国产精品女同一区二区软件| a级毛色黄片| 亚洲精品视频女| 国产人妻一区二区三区在| 国产免费一级a男人的天堂| 亚洲av免费高清在线观看| 全区人妻精品视频| 一区二区三区乱码不卡18| 久久久久久久久久人人人人人人| 天天躁日日操中文字幕| 国产毛片a区久久久久| 国精品久久久久久国模美| 看免费成人av毛片| av在线播放精品| 国内精品一区二区在线观看| 国产av国产精品国产| 国产毛片a区久久久久| 女人十人毛片免费观看3o分钟| 国内精品一区二区在线观看| 嫩草影院新地址| 少妇熟女aⅴ在线视频| 久久精品久久精品一区二区三区| 一个人看视频在线观看www免费| 国产黄色小视频在线观看| 99re6热这里在线精品视频| 亚洲av一区综合| 免费看光身美女| 国精品久久久久久国模美| 精品酒店卫生间| 毛片一级片免费看久久久久| 亚洲成色77777| 日韩欧美精品免费久久| 精品国产露脸久久av麻豆 | 一级毛片aaaaaa免费看小| 国产成人福利小说| 国产在线男女| 淫秽高清视频在线观看| 国产激情偷乱视频一区二区| 综合色av麻豆| 国产伦理片在线播放av一区| 一级毛片久久久久久久久女| 日韩国内少妇激情av| 国产高清有码在线观看视频| 国产毛片a区久久久久| 91精品伊人久久大香线蕉| 夫妻性生交免费视频一级片| 18禁裸乳无遮挡免费网站照片| 精品熟女少妇av免费看| 国内精品宾馆在线| 国内精品美女久久久久久| 精品人妻熟女av久视频| 亚洲av中文av极速乱| 国产精品一二三区在线看| 亚洲自拍偷在线| 又爽又黄无遮挡网站| 在线观看一区二区三区| 18禁动态无遮挡网站| 热99在线观看视频| 中文在线观看免费www的网站| 亚洲国产欧美在线一区| av专区在线播放| 欧美精品国产亚洲| 国产欧美日韩精品一区二区| 搡老乐熟女国产| av在线亚洲专区| 成人午夜高清在线视频| 亚洲成色77777| 国产亚洲av嫩草精品影院| 久久热精品热| 日本黄色片子视频| 精品久久久久久久久亚洲| 国产久久久一区二区三区| 菩萨蛮人人尽说江南好唐韦庄| 国产在视频线在精品| 日韩制服骚丝袜av| 久久久a久久爽久久v久久| 国产亚洲91精品色在线| 亚洲av中文字字幕乱码综合| 亚洲av电影在线观看一区二区三区 | 高清毛片免费看| 黑人高潮一二区| 亚洲av中文字字幕乱码综合| 99九九线精品视频在线观看视频| 一个人看视频在线观看www免费| 一区二区三区四区激情视频| 国产精品一区二区在线观看99 | 少妇的逼水好多| 搡老妇女老女人老熟妇| 亚洲av二区三区四区| 99久国产av精品国产电影| 日韩av不卡免费在线播放| 欧美丝袜亚洲另类| 久久精品国产自在天天线| videos熟女内射| 床上黄色一级片| 麻豆成人av视频| 六月丁香七月| 亚洲欧美精品自产自拍| 亚洲精品成人av观看孕妇| 精品人妻视频免费看| 久久精品国产鲁丝片午夜精品| 中文精品一卡2卡3卡4更新| 在线播放无遮挡| 午夜福利视频精品| 寂寞人妻少妇视频99o| 韩国av在线不卡| 久久精品国产自在天天线| 最近最新中文字幕大全电影3| 色哟哟·www| 国产探花极品一区二区| 国产精品久久久久久av不卡| 天堂中文最新版在线下载 | 插阴视频在线观看视频| 天天躁夜夜躁狠狠久久av| 亚洲精品456在线播放app| 色综合亚洲欧美另类图片| 一级毛片aaaaaa免费看小| 欧美日韩视频高清一区二区三区二| 亚洲经典国产精华液单| 麻豆成人午夜福利视频| freevideosex欧美| 精品久久久久久成人av| 亚洲18禁久久av| kizo精华| 久久午夜福利片| 中文字幕av成人在线电影| 嘟嘟电影网在线观看|