• <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 ?

    顯著性時空特征融合的多視角步態(tài)識別算法

    2022-11-25 04:38:38楊凱文李雙群胡星
    現(xiàn)代計算機 2022年17期
    關(guān)鍵詞:步態(tài)時序行人

    楊凱文,李雙群,胡星

    (1.中電長城圣非凡信息系統(tǒng)有限公司,北京 102209;2.中國電子信息產(chǎn)業(yè)集團有限公司第六研究所,北京 100083)

    0 引言

    行人步態(tài)是非常重要的生物特征之一,它具有遠程識別行人身份的唯一性能力,與人臉、虹膜、指紋等其他生物特征相比,步態(tài)具有下列顯著優(yōu)勢:①可以通過遠程、非接觸的方式獲取;②難以模仿或偽裝;③即使在低質(zhì)視頻中,仍然可以有效地獲取行人步態(tài)。近幾年來,視頻監(jiān)控系統(tǒng)中的步態(tài)識別引起了研究人員的廣泛關(guān)注,研究成果可以應用于智慧邊防、倉庫安全管理、智慧安防、智能刑偵、身份識別等領(lǐng)域,這些具有挑戰(zhàn)性的應用在很大程度上依賴于步態(tài)識別準確率。

    然而,準確的步態(tài)識別仍然面臨以下主要挑戰(zhàn):①不同視角的步態(tài)匹配非常困難,但對于步態(tài)識別應用非常重要;②精確檢測步態(tài)周期困難大,步態(tài)序列的周期性運動線索和時間特性無法被有效利用。上述因素導致行人步態(tài)具有模糊的類間差異和較大的類內(nèi)差異,部分示例[1]如圖1所示。

    針對上述挑戰(zhàn),為提升步態(tài)識別性能,研究者們提出了兩種類型步態(tài)識別方法:基于模型的步態(tài)識別方法和基于外觀的步態(tài)識別方法?;谀P偷牟綉B(tài)識別方法通過對人體四肢的運動進行建模,并從步態(tài)圖像中提取人體結(jié)構(gòu)。例如:Lombardi等[2]通過計算光流場對步態(tài)序列中的兩點數(shù)據(jù)進行統(tǒng)計,并對行人肢體運動進行編碼,稱為兩點步態(tài);李昱等[3]融合視覺和觸覺特征建立全身步態(tài)模型,并使用支持向量機進行分類完成步態(tài)識別;Goffredo等[4]應用人體比例測量方法對人員下肢姿勢進行建模,是一種獨立于拍攝視角的步態(tài)識別方法。然而,在低質(zhì)監(jiān)控視頻中,很難精確估計行人步態(tài)的運動模型參數(shù)。

    基于外觀的步態(tài)識別方法主要從獲取的步態(tài)圖像序列中提取步態(tài)特征,即使在低分辨率視頻中也可以完成步態(tài)識別任務。例如:Muramatsu等[5]提 出 了 一 種 任 意 視 角 轉(zhuǎn) 換 模 型(AVTM),用于在任意視角下準確匹配行人的步態(tài)特征;官洪運等[6]利用HSV顏色特征和局部細節(jié)特征進行步態(tài)匹配;Wang等[7]提取每個步態(tài)圖像的輪廓,然后使用多通道映射函數(shù)將步態(tài)輪廓映射到相同的步態(tài)序列中,形成步態(tài)時序模板完成步態(tài)識別。

    最近,基于深度學習的步態(tài)識別方法取得良好的識別結(jié)果,Zhang等[8]使用成對的步態(tài)能量圖(GEI)作為輸入,構(gòu)建了孿生神經(jīng)網(wǎng)絡(luò)學習步態(tài)序列的時空特征,在一定程度上提高了步態(tài)識別精度。由于GEI在計算過程中會損失步態(tài)大量的動態(tài)信息,GEI僅僅能夠表示步態(tài)的少量動態(tài)信息。LSTM網(wǎng)絡(luò)采用學習有用新信息并遺忘無用舊信息機制,可以有效捕獲視頻中的運動信息,Donahue等[9]提出了一種新的循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu),采用LSTM對可變長度視頻的復雜動態(tài)特性進行建模,應用于大規(guī)模視頻的視覺描述。為了獲取豐富的行人運動信息,Mahasseni等[10]提出一種正則化LSTM網(wǎng)絡(luò)架構(gòu),并使用視頻中行人的3D人體骨架序列進行訓練,應用于大規(guī)模視頻的行人動作識別。陳京榮[11]提出了一種結(jié)合姿態(tài)估計與Bi-LSTM網(wǎng)絡(luò)的人體跌倒檢測算法,用于檢測老年人跌倒事件的發(fā)生。

    受上述研究工作的啟發(fā),為了解決步態(tài)識別的挑戰(zhàn)性問題,本文設(shè)計了一個自動融合步態(tài)序列的框架,其顯著的空間和時間特征用于完成步態(tài)識別任務。首先,為了獲得步態(tài)的判別性外觀特征,利用步態(tài)圖像對VGG16網(wǎng)絡(luò)進行微調(diào),并使用微調(diào)后模型提取行人步態(tài)圖像的空間特征表示步態(tài)外觀信息;其次,為了準確地捕捉行人步態(tài)的顯著周期性運動特征,設(shè)計了時序總結(jié)孿生LSTM神經(jīng)網(wǎng)絡(luò)來自動學習步態(tài)序列的顯著周期性運動特征,其中LSTM單元用于對步態(tài)序列的周期性運動進行建模、時序加權(quán)總結(jié)模塊捕捉顯著的時序信息、孿生網(wǎng)絡(luò)架構(gòu)解決步態(tài)識別中類別數(shù)量巨大而每個類別樣本數(shù)量很少的問題;最后,在OULP-C1V1-A步態(tài)數(shù)據(jù)集上對本文方法進行了實驗驗證,實驗結(jié)果表明本文方法在相同視角和交叉視角下都取得了良好的步態(tài)識別性能。

    綜上所述,本文主要貢獻總結(jié)為:①設(shè)計了一種網(wǎng)絡(luò)架構(gòu),同時利用步態(tài)圖像序列的顯著性空間特征和時間特征進行相同視角和交叉視角下的步態(tài)識別;②提出了一種時序總結(jié)孿生LSTM神經(jīng)網(wǎng)絡(luò),自動學習步態(tài)圖像序列的顯著周期性運動特征;③探索了LSTM的層數(shù)、隱藏單元數(shù)量與步態(tài)識別準確率之間的關(guān)系,在OULP-C1V1-A步態(tài)數(shù)據(jù)集上綜合評價了本文方法在相同視角內(nèi)和交叉視角間取得的良好識別性能。

    1 時序總結(jié)孿生LSTM網(wǎng)絡(luò)

    1.1 算法框架

    圖2展示了本文提出的時序總結(jié)孿生LSTM網(wǎng)絡(luò)模型框架。首先,以步態(tài)圖像序列對作為輸入,步態(tài)圖像序列通過微調(diào)的VGG16網(wǎng)絡(luò)提取每個圖像的空間特征;接著,將步態(tài)圖像的空間特征輸入LSTM單元,學習步態(tài)序列中與時序相關(guān)的特征集;最后,提出了一個時序總結(jié)層,用于為不同的時間步輸出分配不同的權(quán)重,生成步態(tài)序列周期性運動線索的序列級特征,用于完成步態(tài)識別任務。

    1.2 步態(tài)空間特征提取

    本文選擇VGG16網(wǎng)絡(luò)學習步態(tài)圖像的空間特征,由于預訓練的VGG16模型采用ImageNet作為訓練數(shù)據(jù),不能直接應用于步態(tài)識別。因此,將預訓練VGG16模型在步態(tài)數(shù)據(jù)集上進行微調(diào),將其遷移到步態(tài)圖像領(lǐng)域。微調(diào)解決方案:將fc8層的輸出參數(shù)設(shè)置為步態(tài)圖像類別數(shù)目,微調(diào)預訓練VGG16模型中的所有層參數(shù)。微調(diào)后VGG16模型能夠捕捉到步態(tài)圖像更為豐富的空間特征。給定一個步態(tài)序列處理單元S={s1,…,st,…sT},其中st是時間步t的步態(tài)圖像、T為步態(tài)序列處理單元S的長度,利用微調(diào)后VGG16模型提取步態(tài)序列處理單元S的空間特征向量集X={x1,…,xt,…xT}。

    1.3 步態(tài)周期特征提取

    LSTM是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò),通過記憶單元模塊調(diào)節(jié)特定的相關(guān)信息與其周圍環(huán)境信息之間的相互作用,有目的地保留特定相關(guān)信息,可以捕捉視頻序列中的長期時間動態(tài)信息,增強序列時序信息的判別能力。行人步態(tài)周期是區(qū)分不同行人的重要特征,因此本文采用LSTM神經(jīng)網(wǎng)絡(luò)對行人步態(tài)的周期性運動進行建模,并提取更具判別特性的周期性運動特征表示步態(tài)周期,提高行人步態(tài)識別性能。

    LSTM記憶單元由四個主要部分組成:一個輸入門、一個具有自循環(huán)連接的神經(jīng)元、一個遺忘門和一個輸出門。輸入門根據(jù)輸入數(shù)據(jù)更新記憶單元的狀態(tài)或阻塞更新,自循環(huán)連接確保記憶單元的狀態(tài)具有1個時間步延遲的反饋,遺忘門允許記憶單元通過調(diào)整其自循環(huán)連接來記住或忘記其先前的狀態(tài),輸出門允許記憶單元的狀態(tài)對其他神經(jīng)元產(chǎn)生影響或阻止影響??傊琇STM記憶單元允許神經(jīng)網(wǎng)絡(luò)學習何時忘記先前的隱藏狀態(tài)以及何時更新隱藏狀態(tài)以保留新的相關(guān)信息。

    接下來,將步態(tài)序列處理單元S的空間特征向量集X輸入LSTM模塊,學習步態(tài)序列的周期性時序信息。對于時間步t,xt和ht分別為輸入向量,Wx為輸入權(quán)重矩陣,Wh為循環(huán)權(quán)重矩陣,b為偏置向量。Sigmoid函數(shù)是一個元素級非線性激活函數(shù),它將實數(shù)輸入映射到(0,1)范圍內(nèi)。雙曲正切函數(shù)?(x)=也是一個元素級非線性激活函數(shù),它將輸入映射到(-1,1)范圍內(nèi)。運算符⊙表示元素級相乘運算。給定輸入xt,ht-1和ct-1,LSTM單元時間步t的更新方程可表示為:

    從公式(1)~(6)可以看出,每個時間步都會得到一個隱藏單元ht∈?N。一個LSTM單元由輸入門it∈?N、遺忘門ft∈?N、輸出門ot∈?N、輸入調(diào)節(jié)門gt∈?N和記憶單元ct∈?N組成。記憶單元ct是ct-1記憶部分和被調(diào)節(jié)后it的總和。LSTM單元中的ft和gt被視為選擇性地忘記其先前記憶和考慮當前輸入的旋鈕,ot用于學習記憶單元中的哪些信息需要轉(zhuǎn)移到隱藏單元中。最后,得到步態(tài)序列處理單元S的隱藏狀態(tài)集H={h1,…,ht,…h(huán)T},它表示步態(tài)序列S長期的時序信息,即周期性運動信息。

    1.4 步態(tài)時序信息加權(quán)總結(jié)

    盡管LSTM能夠捕獲到步態(tài)序列的時序信息,但它更偏重于使用后面時間步的輸出信息,這會降低步態(tài)識別性能,因為前面時間步的輸出也會包含一些有用的時序信息。為了解決這個問題,本文設(shè)計了一個時序信息加權(quán)總結(jié)(WTS)模塊,提供了一種加權(quán)解決方案來聚合總結(jié)所有時間步的信息,從而捕捉到具有強區(qū)分能力的時序特征。WTS模塊生成的步態(tài)特征向量V可形式化為:

    其中T表示步態(tài)序列的時間步數(shù)(長度)、ht是LSTM在時間步t的輸出。

    1.5 孿生LSTM網(wǎng)絡(luò)

    在步態(tài)識別領(lǐng)域,樣本數(shù)據(jù)具有以下特點:類別數(shù)量非常多且模型訓練階段無法確定,而每個類別的樣本數(shù)量非常少。孿生架構(gòu)網(wǎng)絡(luò)可以從訓練數(shù)據(jù)中應用判別學習技術(shù)來學習相似度度量模型,不需要特定的樣本類別信息,它包含兩個結(jié)構(gòu)相同且權(quán)重共享的子網(wǎng),將輸入對象映射到低維目標空間中進行相似性度量。因此,孿生架構(gòu)網(wǎng)絡(luò)適合解決步態(tài)識別問題,本文設(shè)計了一個孿生LSTM網(wǎng)絡(luò)用于學習步態(tài)序列的周期性運動特征,如圖2所示。由于孿生LSTM網(wǎng)絡(luò)目標空間的維數(shù)較低,能夠從每個類別的少量樣本中學習不同步態(tài)序列之間的強區(qū)分性特征。

    1.5.1 網(wǎng)絡(luò)輸入

    孿生LSTM網(wǎng)絡(luò)以步態(tài)序列對作為輸入,將每個步態(tài)序列映射為一個特征向量,然后進行相似性度量。對于訓練集中的所有步態(tài)序列,本文隨機選擇兩個屬于同一類別的步態(tài)序列構(gòu)成正訓練對、隨機選擇兩個屬于不同類別的序列構(gòu)成負訓練對。給定一個步態(tài)序列訓練對(Si,Sj),Y∈[ 0,1]為訓練對的標簽,Y=1表示Si和Sj屬于同一個身份,Y=0表示它們屬于不同的身份。

    如圖2所示,步態(tài)序列訓練對(Si,Sj)分別輸入微調(diào)后VGG16模型提取步態(tài)序列的空間特征向量集Xi和Xj,接著它們分別被輸入兩個并行的LSTM子網(wǎng)絡(luò)學習得到兩個步態(tài)序列的隱藏狀態(tài)集Hi和Hj,最后根據(jù)公式(7)分別對Hi和Hj進行加權(quán)總結(jié),得到兩個步態(tài)序列的特征向量Vi和Vj。

    1.5.2 對比損失函數(shù)

    對于步態(tài)識別任務,需要學習一個非線性函數(shù)將步態(tài)序列映射到低維空間中的點,使正訓練對盡可能接近、而負訓練對盡可能遠離,且至少大于一個最小距離間隔。因此,本文采用對比損失層連接兩個LSTM子網(wǎng)絡(luò)。

    對于步態(tài)序列的特征向量Vi和Vj,距離度量方法可表示為:

    對比損失目標函數(shù)可形式化表示為:

    其中正數(shù)m為不同類別步態(tài)序列之間的最小距離間隔。

    1.5.3 網(wǎng)絡(luò)訓練

    本文將步態(tài)識別視為一個二分類問題,訓練數(shù)據(jù)包括步態(tài)序列對和標簽。在訓練階段,采用權(quán)重共享機制同時優(yōu)化兩個LSTM子網(wǎng)絡(luò),成對的步態(tài)序列分別輸入兩個LSTM子網(wǎng)絡(luò),通過對比損失層計算對比損失并反向傳播來訓練孿生LSTM網(wǎng)絡(luò)模型。

    由于步態(tài)序列的正訓練對數(shù)量要遠遠少于負訓練對,可能會帶來數(shù)據(jù)不平衡和過擬合問題。為了避免這些問題,在訓練過程中隨機丟棄LSTM層的50%神經(jīng)元輸出,LSTM層保留神經(jīng)元的輸出傳遞到后續(xù)層,隨著對訓練數(shù)據(jù)的多輪迭代,模型被訓練達到收斂狀態(tài),訓練結(jié)束。

    1.5.4 網(wǎng)絡(luò)測試

    在測試過程中,舍棄了孿生架構(gòu)和對比損失函數(shù),使用孿生LSTM網(wǎng)絡(luò)中的一條分支(即微調(diào)的VGG16模型和LSTM子網(wǎng)絡(luò)部分)作為特征提取器,提取參考集合和查詢集合中步態(tài)序列的外觀和周期性運動特征。在聯(lián)合步態(tài)序列的外觀和周期性運動特征時,先對它們執(zhí)行歸一化操作再進行特征融合。

    2 實驗結(jié)果與分析

    2.1 數(shù)據(jù)集和評價準則

    2.1.1 數(shù)據(jù)集

    使用OULP-C1V1-A步態(tài)數(shù)據(jù)集評估本文方法的性能,它是一個規(guī)模大、覆蓋范圍廣的步態(tài)識別基準數(shù)據(jù)集,包含3836名行人對象、年齡覆蓋范圍為1歲到94歲。每個行人對象包括兩類步態(tài)序列:參考序列和查詢序列。步態(tài)序列由行人剪影圖像構(gòu)成,這些圖像被歸一化為128×88個像素。參考集合和查詢集合中的行人對象分別根據(jù)觀察視角分為五個子集,即55°、65°、75°、85°和所有角度。在實驗中,使用參考集合進行訓練,查詢集合沒有參與訓練。

    2.1.2 評價準則

    由于OULP-C1V1-A步態(tài)數(shù)據(jù)集中的每個查詢序列都有對應的多個交叉視角參考序列,因此采用MAP來評價所提方法的性能。MAP用于計算所有查詢步態(tài)序列的識別精度,定義如下:

    其中Q表示查詢集,mj表示查詢序列j對應的參考步態(tài)序列數(shù)量,Precision (Rjk)表示查詢序列j對應參考序列k的平均識別精度(AP)。

    除此之外,本文還采用累積匹配曲線(CMC)來計算Rank-1和Rank-5,分別表示所有查詢正確的參考序列排名在第一和前五的百分比,它們也是廣泛應用于評估步態(tài)識別性能的方法。

    2.2 實驗設(shè)置

    為了客觀評價所提方法,基于訓練數(shù)據(jù)對損失函數(shù)的負訓練對最小距離間隔、LSTM隱藏單元數(shù)量、LSTM層數(shù)進行了調(diào)整。首先,調(diào)整孿生架構(gòu)網(wǎng)絡(luò)中對比損失函數(shù)的負樣本最小距離間隔m。當m=1時,驗證性能最好;當m=0.5或m=1.5時,驗證性能沒有明顯變化;但是當m<0.5或m>1.5時,驗證性能明顯下降。因此,后續(xù)實驗評價過程中設(shè)置m為1。

    其次,對LSTM隱藏單元數(shù)量進行了實驗嘗試,以揭示隱藏單元數(shù)量對LSTM學習能力的影響。由于數(shù)據(jù)集中行人類別數(shù)量大(3836個行人)和行人步態(tài)圖像差異性小,實驗中嘗試使用與之匹配的LSTM隱藏單元數(shù)量進行驗證,即分別使用了1024、2048、3096和5120隱藏單元數(shù)量。隨著LSTM隱藏單元數(shù)量的增大,步態(tài)識別準確率也得到了持續(xù)的提升,當隱藏單元大小達到5120時,識別準確率無法獲得進一步的提升。因此,后續(xù)實驗評價過程中LSTM隱藏單元數(shù)量設(shè)置為5120。

    最后,對LSTM層數(shù)進行了實驗驗證嘗試,分別嘗試了1、2和4層LSTM網(wǎng)絡(luò)結(jié)構(gòu),驗證結(jié)果表明1層LSTM在OULP-C1V1-A步態(tài)數(shù)據(jù)集上識別性能最好。因此,后續(xù)實驗評價過程中LSTM層數(shù)設(shè)置為1。

    2.3 時序加權(quán)總結(jié)性能驗證與分析

    實驗過程中,需要將步態(tài)序列的LSTM所有時間步輸出融合為單個特征向量完成步態(tài)識別,除了使用所提出的步態(tài)時序信息加權(quán)總結(jié)(WTS)融合方法之外,還使用了平均池化(Mean-pooling)和最大池化(Max-pooling)來融合LSTM所有時間步的輸出。具體地說,平均池化方法認為LSTM所有時間步輸出同等重要,而最大池化方法使用LSTM所有時間步輸出的最大激活值作為特征向量。在OULP-C1V1-A步態(tài)數(shù)據(jù)集上,基于本文設(shè)計的孿生LSTM網(wǎng)絡(luò)結(jié)構(gòu)使用時序加權(quán)總結(jié)、平均池化、最大池化分別進行了訓練和測試,對比分析了它們各自的步態(tài)識別性能。如表1和表2所示,WTS比Meanpooling和Max-pooling方法取得了更好的步態(tài)識別性能,驗證結(jié)果表明WTS方法可以更好地捕捉到步態(tài)序列的周期性運動線索。

    表1 不同融合方法基于MAP評價準則的識別性能比較

    表2 不同融合方法基于Rank-1識別率評價準則的識別性能比較

    2.4 相同視角下的步態(tài)識別性能評價分析

    首先,在相同視圖下評價本文方法,與GEI[1]、FDF[1]、woVTM[5]、CNN[8]、SiaNet[8]等方法的識別性能進行比較,性能對比結(jié)果如表3所示。本文方法在55°、65°、75°、85°視角下的識別性能優(yōu)于其他對比方法,獲得了最好的步態(tài)識別準確率。與現(xiàn)有傳統(tǒng)方法(即GEI、FDF、woVTM)相比,本文方法能夠捕獲到步態(tài)圖像的區(qū)分性外觀特征和更加豐富的行人運動信息,而大多數(shù)傳統(tǒng)方法使用GEI表示行人步態(tài)的運動信息,會導致大量有用運動信息丟失,本文方法步態(tài)識別性能獲得了顯著的提高。與現(xiàn)有基于深度學習的方法(即CNN和SiaNet)相比,本文方法通過使用孿生LSTM架構(gòu)學習步態(tài)序列的顯著周期性運動信息,而現(xiàn)有基于深度學習的方法使用GEI作為訓練數(shù)據(jù),只能捕捉到少量運動信息,本文方法獲得了最好的步態(tài)識別性能。

    表3 不同步態(tài)識別方法在相同視角下的Rank-1和Rank-5識別率對比結(jié)果

    2.5 交叉視角下的步態(tài)識別性能評價分析

    實際應用場景的步態(tài)序列經(jīng)常受到攝像機拍攝視角變化的影響,因此在交叉視角下對本文方法的識別性能進行評價,與woVTM[5]、AVTM[5]、AVTM_PdVS[5]、SiaNet[8]等方法進行對比分析,性能對比結(jié)果如表4所示。前三種方法通過構(gòu)建3D步態(tài)序列專門用于跨視角步態(tài)匹配,SiaNet方法使用孿生神經(jīng)網(wǎng)絡(luò)捕捉步態(tài)序列的外觀特征。本文方法同時考慮步態(tài)外觀的視角差異和顯著周期性運動信息,獲得了最好的步態(tài)識別性能。當視角差異較大時,本文方法的識別性能也會略有下降。

    表4 不同步態(tài)識別方法在交叉視角下的Rank-1識別率對比結(jié)果

    3 結(jié)語

    本文設(shè)計了一個孿生LSTM神經(jīng)網(wǎng)絡(luò)架構(gòu),自動學習多視角步態(tài)序列的周期性運動特征,設(shè)計了步態(tài)時序信息加權(quán)總結(jié)模塊提取步態(tài)序列的顯著性時序信息,最后融合多視角步態(tài)序列的區(qū)分性外觀特征和顯著周期性運動特征,完成步態(tài)識別任務。實驗結(jié)果表明,本文方法在相同視角和交叉視角步態(tài)識別方面都取得了良好的識別性能。

    猜你喜歡
    步態(tài)時序行人
    時序坐標
    小螞蟻與“三角步態(tài)”
    科學大眾(2024年5期)2024-03-06 09:40:34
    基于Sentinel-2時序NDVI的麥冬識別研究
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    路不為尋找者而設(shè)
    揚子江(2019年1期)2019-03-08 02:52:34
    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的學步期幼兒自然步態(tài)提取
    自動化學報(2018年6期)2018-07-23 02:55:42
    我是行人
    一種毫米波放大器時序直流電源的設(shè)計
    電子制作(2016年15期)2017-01-15 13:39:08
    便宜假肢能模仿正常步態(tài)
    亚洲精品av麻豆狂野| 国产精品久久久久久精品古装| av在线app专区| 欧美日本中文国产一区发布| 亚洲一区二区三区欧美精品| 男女国产视频网站| 9热在线视频观看99| 久久久久久久国产电影| 国产精品九九99| 久久久久久久久久久久大奶| 丰满人妻熟妇乱又伦精品不卡| av电影中文网址| 亚洲 国产 在线| 高清视频免费观看一区二区| 亚洲美女黄色视频免费看| 免费av中文字幕在线| 免费在线观看视频国产中文字幕亚洲 | 亚洲欧美精品综合一区二区三区| 一个人免费看片子| 国产成人精品久久二区二区91| 狂野欧美激情性xxxx| 亚洲国产欧美网| 女人被躁到高潮嗷嗷叫费观| 日本黄色日本黄色录像| 亚洲欧美成人综合另类久久久| 天堂8中文在线网| 国产亚洲av高清不卡| 国产淫语在线视频| 午夜福利在线观看吧| 亚洲综合色网址| 国产成+人综合+亚洲专区| 乱人伦中国视频| 亚洲中文av在线| 亚洲一卡2卡3卡4卡5卡精品中文| av国产精品久久久久影院| 在线观看www视频免费| 亚洲视频免费观看视频| 欧美成狂野欧美在线观看| 国产一区二区 视频在线| 国产视频一区二区在线看| 欧美变态另类bdsm刘玥| 这个男人来自地球电影免费观看| 久久人人爽av亚洲精品天堂| 999久久久国产精品视频| 精品少妇黑人巨大在线播放| 久久精品久久久久久噜噜老黄| 日本av手机在线免费观看| 一区二区三区激情视频| 成年人免费黄色播放视频| 嫁个100分男人电影在线观看| 国产片内射在线| 97人妻天天添夜夜摸| 天天影视国产精品| 美女大奶头黄色视频| 国产激情久久老熟女| 在线 av 中文字幕| 热99久久久久精品小说推荐| 又大又爽又粗| 看免费av毛片| 悠悠久久av| 国产欧美日韩精品亚洲av| 亚洲色图 男人天堂 中文字幕| 亚洲情色 制服丝袜| 日韩一区二区三区影片| 亚洲国产日韩一区二区| 桃花免费在线播放| 高清欧美精品videossex| 丝袜喷水一区| 久久精品成人免费网站| 脱女人内裤的视频| 亚洲国产成人一精品久久久| 香蕉丝袜av| 国产精品亚洲av一区麻豆| 美国免费a级毛片| 男女午夜视频在线观看| 美女大奶头黄色视频| www.熟女人妻精品国产| 成人av一区二区三区在线看 | 一本久久精品| 一区福利在线观看| 如日韩欧美国产精品一区二区三区| 成人18禁高潮啪啪吃奶动态图| 午夜两性在线视频| 五月开心婷婷网| 久久久精品国产亚洲av高清涩受| 热re99久久国产66热| 女人高潮潮喷娇喘18禁视频| 一级片免费观看大全| 伦理电影免费视频| 999精品在线视频| 亚洲精品国产精品久久久不卡| 久久香蕉激情| 夜夜骑夜夜射夜夜干| 巨乳人妻的诱惑在线观看| 亚洲国产精品一区二区三区在线| 久久久精品94久久精品| 亚洲欧美激情在线| 国产三级黄色录像| 中文精品一卡2卡3卡4更新| 成年人午夜在线观看视频| 久久精品熟女亚洲av麻豆精品| av网站免费在线观看视频| 丰满人妻熟妇乱又伦精品不卡| 久久久精品区二区三区| 99精国产麻豆久久婷婷| 婷婷丁香在线五月| 日韩中文字幕欧美一区二区| 国产av精品麻豆| 久久久久国产一级毛片高清牌| 一边摸一边抽搐一进一出视频| 国产免费av片在线观看野外av| 在线观看免费日韩欧美大片| 女人爽到高潮嗷嗷叫在线视频| 搡老岳熟女国产| 大型av网站在线播放| 黑人猛操日本美女一级片| 亚洲欧美日韩另类电影网站| av有码第一页| 老司机午夜十八禁免费视频| 欧美日韩精品网址| 国产三级黄色录像| 可以免费在线观看a视频的电影网站| 在线十欧美十亚洲十日本专区| 午夜福利乱码中文字幕| 欧美成狂野欧美在线观看| 日日摸夜夜添夜夜添小说| 十八禁高潮呻吟视频| 精品免费久久久久久久清纯 | 99久久国产精品久久久| 老熟妇乱子伦视频在线观看 | 精品欧美一区二区三区在线| 国产无遮挡羞羞视频在线观看| 女性生殖器流出的白浆| 国产亚洲午夜精品一区二区久久| 18禁观看日本| 人成视频在线观看免费观看| 脱女人内裤的视频| 精品国产一区二区三区四区第35| 成年人黄色毛片网站| 中文字幕高清在线视频| 亚洲精品久久成人aⅴ小说| 一区二区三区精品91| 国产成人免费无遮挡视频| 日韩欧美国产一区二区入口| 啪啪无遮挡十八禁网站| 日日摸夜夜添夜夜添小说| 免费黄频网站在线观看国产| 国产黄频视频在线观看| 夜夜骑夜夜射夜夜干| 久久精品国产亚洲av香蕉五月 | 亚洲七黄色美女视频| 亚洲精品国产色婷婷电影| 亚洲精品中文字幕在线视频| 亚洲精品中文字幕一二三四区 | 亚洲成人免费电影在线观看| 性高湖久久久久久久久免费观看| 免费久久久久久久精品成人欧美视频| 在线亚洲精品国产二区图片欧美| 亚洲av欧美aⅴ国产| 国产精品一区二区免费欧美 | √禁漫天堂资源中文www| 久久久精品区二区三区| 欧美xxⅹ黑人| 久久人人爽av亚洲精品天堂| 日本欧美视频一区| 免费观看a级毛片全部| 国产亚洲精品一区二区www | 另类亚洲欧美激情| 99热网站在线观看| 天堂俺去俺来也www色官网| 国产精品.久久久| 亚洲精品乱久久久久久| 悠悠久久av| 免费女性裸体啪啪无遮挡网站| 正在播放国产对白刺激| 一个人免费看片子| 国产一区二区三区av在线| 在线观看舔阴道视频| 国产欧美日韩一区二区三区在线| 亚洲av日韩精品久久久久久密| 午夜激情久久久久久久| 下体分泌物呈黄色| 人妻一区二区av| 菩萨蛮人人尽说江南好唐韦庄| a 毛片基地| 亚洲精品美女久久久久99蜜臀| 操美女的视频在线观看| 亚洲精品在线美女| 国产精品久久久久久人妻精品电影 | 久久99热这里只频精品6学生| 丁香六月天网| 免费观看a级毛片全部| 超碰成人久久| 国产一区二区激情短视频 | 中文字幕人妻丝袜一区二区| 欧美日韩亚洲国产一区二区在线观看 | 国产极品粉嫩免费观看在线| 手机成人av网站| 精品人妻熟女毛片av久久网站| 爱豆传媒免费全集在线观看| 国产亚洲一区二区精品| 欧美精品一区二区大全| xxxhd国产人妻xxx| 日韩欧美一区二区三区在线观看 | 亚洲av日韩精品久久久久久密| 国产激情久久老熟女| 老熟妇仑乱视频hdxx| 纵有疾风起免费观看全集完整版| 亚洲国产欧美网| 国产不卡av网站在线观看| 黄色片一级片一级黄色片| 欧美日韩精品网址| 性高湖久久久久久久久免费观看| 国产一区二区 视频在线| 亚洲国产毛片av蜜桃av| 欧美精品一区二区免费开放| 黄色视频在线播放观看不卡| 99国产综合亚洲精品| 久久热在线av| 一区福利在线观看| 99久久国产精品久久久| 国产精品久久久久久精品古装| 亚洲欧美一区二区三区黑人| 一级毛片精品| 亚洲精品一二三| 国产精品亚洲av一区麻豆| 不卡一级毛片| 中亚洲国语对白在线视频| 王馨瑶露胸无遮挡在线观看| 一区二区日韩欧美中文字幕| 亚洲精品乱久久久久久| 乱人伦中国视频| 桃红色精品国产亚洲av| 丝袜脚勾引网站| 五月开心婷婷网| www.熟女人妻精品国产| 巨乳人妻的诱惑在线观看| 久久性视频一级片| 美国免费a级毛片| 一本一本久久a久久精品综合妖精| 最新在线观看一区二区三区| 纯流量卡能插随身wifi吗| 亚洲国产欧美一区二区综合| 亚洲va日本ⅴa欧美va伊人久久 | 日日夜夜操网爽| 精品视频人人做人人爽| 99久久精品国产亚洲精品| 热re99久久精品国产66热6| 中文字幕人妻丝袜制服| 男男h啪啪无遮挡| 一区二区日韩欧美中文字幕| 十分钟在线观看高清视频www| 亚洲精品国产区一区二| 18在线观看网站| 我要看黄色一级片免费的| 国产在线视频一区二区| 国产精品一区二区免费欧美 | 精品国产乱子伦一区二区三区 | 淫妇啪啪啪对白视频 | 桃花免费在线播放| 老熟妇仑乱视频hdxx| 久久久久国内视频| 亚洲午夜精品一区,二区,三区| 一个人免费在线观看的高清视频 | 午夜免费观看性视频| 亚洲国产av新网站| 纯流量卡能插随身wifi吗| 日韩大码丰满熟妇| av免费在线观看网站| 大陆偷拍与自拍| 久久热在线av| 国产91精品成人一区二区三区 | 欧美激情久久久久久爽电影 | 亚洲国产av影院在线观看| 国产亚洲一区二区精品| 日韩大码丰满熟妇| 久久国产精品影院| 色精品久久人妻99蜜桃| 色老头精品视频在线观看| 免费高清在线观看日韩| 窝窝影院91人妻| 久久毛片免费看一区二区三区| 少妇的丰满在线观看| 天天躁夜夜躁狠狠躁躁| 美女主播在线视频| 国产一级毛片在线| 成年人黄色毛片网站| 狂野欧美激情性bbbbbb| av网站免费在线观看视频| 午夜福利影视在线免费观看| 亚洲av电影在线进入| 精品少妇久久久久久888优播| 久久精品aⅴ一区二区三区四区| 性少妇av在线| 国产精品影院久久| 日韩制服骚丝袜av| 亚洲伊人色综图| 久久香蕉激情| 少妇粗大呻吟视频| 亚洲色图 男人天堂 中文字幕| 久久国产精品影院| 亚洲一区二区三区欧美精品| 少妇 在线观看| 亚洲欧美精品自产自拍| 免费在线观看视频国产中文字幕亚洲 | 欧美精品av麻豆av| 国产免费av片在线观看野外av| 国产男人的电影天堂91| 国产xxxxx性猛交| 菩萨蛮人人尽说江南好唐韦庄| 悠悠久久av| 国产精品成人在线| 亚洲三区欧美一区| 免费人妻精品一区二区三区视频| 97精品久久久久久久久久精品| 亚洲欧美一区二区三区黑人| 热99国产精品久久久久久7| 俄罗斯特黄特色一大片| 国产免费一区二区三区四区乱码| 90打野战视频偷拍视频| 国产免费视频播放在线视频| 精品人妻熟女毛片av久久网站| 久久午夜综合久久蜜桃| 黄片小视频在线播放| 免费久久久久久久精品成人欧美视频| 日韩精品免费视频一区二区三区| 成人三级做爰电影| 在线观看免费视频网站a站| 可以免费在线观看a视频的电影网站| 99国产极品粉嫩在线观看| 精品熟女少妇八av免费久了| 欧美 日韩 精品 国产| 国产精品偷伦视频观看了| 一级a爱视频在线免费观看| 男女下面插进去视频免费观看| 亚洲中文日韩欧美视频| 成人免费观看视频高清| 国产1区2区3区精品| 亚洲国产日韩一区二区| 真人做人爱边吃奶动态| 午夜福利在线免费观看网站| 在线观看舔阴道视频| 亚洲av电影在线进入| 中文字幕高清在线视频| 亚洲性夜色夜夜综合| 王馨瑶露胸无遮挡在线观看| 美女脱内裤让男人舔精品视频| 99久久综合免费| 国产在线免费精品| 国产成人免费无遮挡视频| 国产欧美亚洲国产| 亚洲中文日韩欧美视频| 大陆偷拍与自拍| 99久久99久久久精品蜜桃| 大香蕉久久网| 日日摸夜夜添夜夜添小说| 啦啦啦 在线观看视频| 黄色怎么调成土黄色| 99精品欧美一区二区三区四区| 中国国产av一级| 国产不卡av网站在线观看| 欧美精品av麻豆av| 国产精品二区激情视频| 窝窝影院91人妻| 日韩三级视频一区二区三区| 少妇猛男粗大的猛烈进出视频| 国产三级黄色录像| 欧美日韩国产mv在线观看视频| videosex国产| 精品久久久精品久久久| 久久人妻熟女aⅴ| 两性午夜刺激爽爽歪歪视频在线观看 | 天堂8中文在线网| 深夜精品福利| 啦啦啦在线免费观看视频4| 19禁男女啪啪无遮挡网站| 中文字幕av电影在线播放| 欧美激情极品国产一区二区三区| 精品卡一卡二卡四卡免费| 国产男女超爽视频在线观看| 夜夜骑夜夜射夜夜干| 51午夜福利影视在线观看| 在线十欧美十亚洲十日本专区| 亚洲七黄色美女视频| 在线 av 中文字幕| 1024视频免费在线观看| 不卡一级毛片| 午夜老司机福利片| 少妇精品久久久久久久| av网站在线播放免费| av欧美777| √禁漫天堂资源中文www| 午夜福利一区二区在线看| 正在播放国产对白刺激| 精品人妻熟女毛片av久久网站| 脱女人内裤的视频| 国产男女超爽视频在线观看| 欧美性长视频在线观看| 色精品久久人妻99蜜桃| 妹子高潮喷水视频| 精品国产乱码久久久久久小说| 自线自在国产av| 日本撒尿小便嘘嘘汇集6| 精品亚洲成a人片在线观看| 亚洲欧美成人综合另类久久久| 亚洲精品一区蜜桃| 亚洲综合色网址| 久久精品aⅴ一区二区三区四区| 久久久久精品国产欧美久久久 | 成人三级做爰电影| 亚洲精品一二三| 50天的宝宝边吃奶边哭怎么回事| 久久精品人人爽人人爽视色| 欧美人与性动交α欧美软件| 电影成人av| 国产精品国产三级国产专区5o| 两性夫妻黄色片| 91国产中文字幕| 老司机靠b影院| 三级毛片av免费| 男女午夜视频在线观看| 美女扒开内裤让男人捅视频| 久久av网站| 啦啦啦中文免费视频观看日本| 精品少妇黑人巨大在线播放| 亚洲av片天天在线观看| 满18在线观看网站| 亚洲熟女毛片儿| 亚洲熟女精品中文字幕| 欧美+亚洲+日韩+国产| 亚洲免费av在线视频| 国产真人三级小视频在线观看| 一级毛片电影观看| 男女床上黄色一级片免费看| 亚洲 欧美一区二区三区| 90打野战视频偷拍视频| 国产老妇伦熟女老妇高清| 五月天丁香电影| 69av精品久久久久久 | 亚洲成人国产一区在线观看| 黄色毛片三级朝国网站| 精品免费久久久久久久清纯 | 中文字幕精品免费在线观看视频| 母亲3免费完整高清在线观看| 一级黄色大片毛片| 免费观看a级毛片全部| 国产深夜福利视频在线观看| 亚洲国产欧美在线一区| 宅男免费午夜| 男男h啪啪无遮挡| 男女之事视频高清在线观看| 精品少妇一区二区三区视频日本电影| 在线观看免费午夜福利视频| 亚洲欧美色中文字幕在线| 法律面前人人平等表现在哪些方面 | 爱豆传媒免费全集在线观看| 热99久久久久精品小说推荐| 中文字幕av电影在线播放| 丝袜美腿诱惑在线| 少妇 在线观看| 69精品国产乱码久久久| 日本91视频免费播放| √禁漫天堂资源中文www| 男女床上黄色一级片免费看| 久久精品国产综合久久久| 99国产精品一区二区蜜桃av | 国产精品久久久久久精品电影小说| 18在线观看网站| 国产欧美日韩一区二区三区在线| 精品久久蜜臀av无| 欧美午夜高清在线| 免费一级毛片在线播放高清视频 | 18禁裸乳无遮挡动漫免费视频| 日韩欧美一区视频在线观看| 亚洲色图综合在线观看| 香蕉丝袜av| 久热爱精品视频在线9| 亚洲一卡2卡3卡4卡5卡精品中文| 波多野结衣av一区二区av| 纵有疾风起免费观看全集完整版| 999久久久精品免费观看国产| 亚洲国产av影院在线观看| 国产精品香港三级国产av潘金莲| 国产精品一区二区免费欧美 | 777久久人妻少妇嫩草av网站| 两性夫妻黄色片| 精品人妻1区二区| 国产亚洲午夜精品一区二区久久| 19禁男女啪啪无遮挡网站| 高清欧美精品videossex| 又大又爽又粗| 亚洲av成人不卡在线观看播放网 | 在线精品无人区一区二区三| 午夜福利影视在线免费观看| 十八禁人妻一区二区| 丝瓜视频免费看黄片| 午夜激情久久久久久久| 一二三四社区在线视频社区8| 国产亚洲精品一区二区www | 亚洲av日韩在线播放| 久久精品国产亚洲av香蕉五月 | 国产亚洲午夜精品一区二区久久| 啦啦啦 在线观看视频| 免费在线观看视频国产中文字幕亚洲 | 搡老熟女国产l中国老女人| 久久免费观看电影| 亚洲专区中文字幕在线| 欧美另类亚洲清纯唯美| 黄色视频不卡| www日本在线高清视频| 欧美亚洲 丝袜 人妻 在线| 99久久人妻综合| 国产精品 欧美亚洲| 大香蕉久久网| 一区二区三区乱码不卡18| 中文字幕另类日韩欧美亚洲嫩草| 中文字幕精品免费在线观看视频| 大香蕉久久成人网| 女人高潮潮喷娇喘18禁视频| 夫妻午夜视频| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲黑人精品在线| 一二三四在线观看免费中文在| 免费人妻精品一区二区三区视频| 极品少妇高潮喷水抽搐| 欧美精品av麻豆av| 99精国产麻豆久久婷婷| 国产精品国产三级国产专区5o| 少妇人妻久久综合中文| 91麻豆精品激情在线观看国产 | 最近最新中文字幕大全免费视频| 精品国产超薄肉色丝袜足j| 女人精品久久久久毛片| 久久天堂一区二区三区四区| 欧美日韩国产mv在线观看视频| 久久久久国内视频| 极品少妇高潮喷水抽搐| 国产日韩一区二区三区精品不卡| 最近中文字幕2019免费版| 99热全是精品| 十分钟在线观看高清视频www| 久久中文看片网| 一本久久精品| 国产色视频综合| 亚洲国产毛片av蜜桃av| 亚洲精品久久午夜乱码| 欧美xxⅹ黑人| 午夜视频精品福利| 国产亚洲欧美精品永久| 大香蕉久久网| 一二三四在线观看免费中文在| 亚洲欧美成人综合另类久久久| 两个人免费观看高清视频| av国产精品久久久久影院| 欧美在线一区亚洲| 好男人电影高清在线观看| 欧美另类一区| 人人妻人人澡人人爽人人夜夜| 国产精品99久久99久久久不卡| 亚洲人成电影免费在线| 久久精品aⅴ一区二区三区四区| 91精品伊人久久大香线蕉| 男女边摸边吃奶| 亚洲少妇的诱惑av| 国产一区二区 视频在线| 男女之事视频高清在线观看| 12—13女人毛片做爰片一| 亚洲国产中文字幕在线视频| 午夜福利免费观看在线| 亚洲欧美激情在线| 老司机午夜福利在线观看视频 | 国产亚洲精品久久久久5区| 婷婷色av中文字幕| 亚洲avbb在线观看| 国产精品一区二区在线观看99| 日韩一区二区三区影片| 成年女人毛片免费观看观看9 | 母亲3免费完整高清在线观看| 嫩草影视91久久| www.熟女人妻精品国产| 国内毛片毛片毛片毛片毛片| 在线观看www视频免费| 国产男人的电影天堂91| 性高湖久久久久久久久免费观看| 少妇 在线观看| 欧美黄色淫秽网站| 99精品欧美一区二区三区四区| 岛国在线观看网站| 国产成人一区二区三区免费视频网站| 中国美女看黄片| av在线app专区| 亚洲欧美日韩高清在线视频 | www.精华液| 19禁男女啪啪无遮挡网站| 国产成+人综合+亚洲专区| 亚洲激情五月婷婷啪啪| 12—13女人毛片做爰片一| 免费不卡黄色视频| 精品人妻在线不人妻| 欧美日韩福利视频一区二区| 国产成+人综合+亚洲专区| 久久99一区二区三区| 丰满饥渴人妻一区二区三| 精品久久久久久电影网| 考比视频在线观看| 最黄视频免费看| videos熟女内射| 一级片'在线观看视频| kizo精华| 精品卡一卡二卡四卡免费| 亚洲一码二码三码区别大吗| 秋霞在线观看毛片| 黄色片一级片一级黄色片| 美女午夜性视频免费| 国产男女内射视频|