• <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 ?

    基于自適應(yīng)特征融合的多尺度相關(guān)濾波跟蹤

    2022-12-01 11:26:58張立國周思恩
    計量學(xué)報 2022年10期
    關(guān)鍵詞:特征

    張立國, 楊 曼, 周思恩, 金 梅

    (燕山大學(xué) 電氣工程學(xué)院,河北 秦皇島 066004)

    1 引 言

    隨著人工智能技術(shù)的快速發(fā)展,目標(biāo)跟蹤在現(xiàn)實生活中的應(yīng)用越來越多,包括視頻監(jiān)控、運動項目的比賽分析、智能人機交互[1~3]、跟蹤系統(tǒng)的設(shè)計[4]等,由于跟蹤中也存在運動模糊、背景復(fù)雜變化、目標(biāo)遮擋、光照變化等問題,故實現(xiàn)魯棒性高、準(zhǔn)確度高以及速度快的目標(biāo)跟蹤仍然是一個急需解決的問題[5,6]。

    由于深度學(xué)習(xí)的跟蹤算法自身魯棒性強以及速度快的特點,相關(guān)濾波目標(biāo)跟蹤方法受到了國內(nèi)外眾多研究者們的關(guān)注[7,8]。早期,Bolme D S等[9]提出的最小輸出平方誤差和(minimum output sum of squared error,MOSSE)跟蹤算法;Henriques J F等[10]提出的循環(huán)結(jié)構(gòu)的檢測跟蹤(circulant of tracking-by-detection with kernel,CSK)算法雖然都顯著地提高了跟蹤速度,但都是僅利用灰度特征,限制了精度的提升; 隨后,Henriques J F等[11]又提出核相關(guān)濾波器(kernelized correlation filters,KCF)算法,該算法將顏色直方圖(HOG)特征代替CSK算法中的灰度特征,使單通道擴展至多通道,提高了跟蹤精度。Danelljan M等[12]提出的空間正則化鑒別相關(guān)濾波器(spatially regularized discriminative correlation filters,SRDCF),在KCF基礎(chǔ)上,加入了空間正則來解決邊界效應(yīng),但是速度比較慢,無法達到實時跟蹤的效果;Danelljan M等[13]還提出了自適應(yīng)顏色名跟蹤(color name tracking,CNT),基于CSK濾波器,融入了顏色名稱(color name,CN),雖然精度相比CSK濾波有所提高,但是對快速運動跟蹤效果不佳。

    針對以上存在的問題,本文在相關(guān)濾波KCF框架下,提出一種基于自適應(yīng)特征融合的多尺度相關(guān)濾波跟蹤方法。首先,提取VGG-19網(wǎng)絡(luò)中conv2-2、conv3-4、conv5-4層的特征,同時提取CN特征,然后,將CN特征直接與conv2-2層特征并聯(lián),并將3層的特征分別經(jīng)過濾波器學(xué)習(xí)得到響應(yīng)圖,由加權(quán)融合的方法搜索響應(yīng)圖峰值,根據(jù)峰值坐標(biāo)估計目標(biāo)位置。以適應(yīng)目標(biāo)跟蹤過程中目標(biāo)外觀變化,引入文獻[14]的方法,進行尺度估計。實驗采用數(shù)據(jù)集OTB(object tracking benchmark)100,實驗結(jié)果表明:與KCF算法相比,精確度提高13.6%,成功率提高11.8%,并將本文跟蹤算法與其他跟蹤算法進行對比,在遮擋、變形、光照變化快速運動、平面旋轉(zhuǎn)、運動模糊幾個方面的精度和準(zhǔn)確率上都優(yōu)于其他算法。

    2 KCF跟蹤算法

    KCF算法的核心思想是循環(huán)移位跟蹤目標(biāo)區(qū)域,并以此構(gòu)造大量的樣本來訓(xùn)練分類器,見文獻[11]。通過分類器計算候選區(qū)域與跟蹤目標(biāo)之間的相似度,更新最大相似度區(qū)域作為新的跟蹤目標(biāo),同時通過離散傅里葉變換降低分類器訓(xùn)練與檢測過程中的運算量。

    2.1 循環(huán)樣本矩陣

    選取目標(biāo)周圍n×n大小的圖像塊x,訓(xùn)練分類器f(x)=<φ(x),w>,循環(huán)移位圖像塊xi(i∈{0,…,n-1}×{0,…,n-1}),寫成矩陣形式:

    (1)

    利用循環(huán)矩陣擴大樣本數(shù)量,提高分類器的訓(xùn)練效果。循環(huán)矩陣經(jīng)離散傅里葉變換(Discrete Fourier Transform,DFT)對角化為

    X=FHdiag(Fx)F

    (2)

    式中:FH是F的埃爾米特變換;F為離散傅里葉變換矩陣。

    2.2 嶺回歸分類器

    通過嶺回歸對KCF進行訓(xùn)練,用以獲取目標(biāo)模型分類器的權(quán)重w。嶺回歸問題可以轉(zhuǎn)化為正則化最小二乘問題,對于所有訓(xùn)練樣本X和預(yù)期輸出Y,分類器權(quán)重w由優(yōu)化目標(biāo)函數(shù)(3)求解。

    (3)

    式中:xi是通過循環(huán)移位獲得的訓(xùn)練樣本;yi是xi高斯標(biāo)簽;λ是正則化參數(shù);φ是核k誘導(dǎo)的高維特征空間的映射。因此,式(3)的解可以表示為

    (4)

    式中:w是線性低維空間權(quán)重系數(shù);α是從核函數(shù)映射到非線性高維空間系數(shù)。

    對于在原始空間不能進行分類的樣本,引入核函數(shù)的相關(guān)概念,將低維的線性不可分問題映射到高維空間,使其在高維空間線性可分。假設(shè)H是某種特征空間;如果存在某個映射φ(x):x→H,則核函數(shù)k(x,x)滿足的內(nèi)積如下:

    k(x,x′)=φT(x)φ(x′)

    (5)

    聯(lián)立式(3)、(4)和(5)可以將分類器權(quán)重w的求解轉(zhuǎn)化為求解分類器系數(shù)A為

    (6)

    式中:F(*)是離散傅里葉變換(DFT)算子;k(x,x)是核函數(shù)。

    2.3 目標(biāo)檢測

    檢測階段中,輸入視頻的最終目標(biāo)位置信息是經(jīng)過嶺回歸分類器的分類來確定,再將得到的目標(biāo)位置信息繼續(xù)訓(xùn)練嶺回歸分類器,如此反復(fù),最終完成對目標(biāo)的跟蹤[15]。檢測樣本是下一幀中相同位置的圖像塊z,分類器響應(yīng)輸出:

    (7)

    2.4 參數(shù)的更新

    (8)

    3 對KCF算法的改進

    3.1 CN特征

    CN特征本質(zhì)是通過顏色屬性擴展CSK。是一種全局的特征,描述的是圖象或者圖象某區(qū)域內(nèi)的全局性表觀特征,利用文獻[16]中的映射方法將RGB空間轉(zhuǎn)化成了11維的顏色特征空間,并利用主成分分析法(PCA)將11維顏色特征降為2維顏色特征,參見文獻[13]。其中,PCA就是在最小均方的情況下,尋找原始數(shù)據(jù)的最優(yōu)投影方法,Danelljan M等利用PCA思想尋找特征空間的主軸方向,然后用主軸構(gòu)建出一個低維坐標(biāo)系,將圖像中的顏色特征信息投影到新坐標(biāo)系中,達到降維處理的目的。

    利用最小化公式(9)可以得到當(dāng)前t幀的合適的降維圖:

    (9)

    (10)

    (11)

    為了獲得更加魯棒的投影矩陣,將平滑項加入式(9)中,可以得到新投影矩陣Bt和先前投影矩陣Bj之間的平滑誤差,計算公式如下:

    (12)

    (13)

    3.2 VGG-19卷積神經(jīng)網(wǎng)絡(luò)

    VGG-19網(wǎng)絡(luò)模型[17]結(jié)構(gòu)如圖1所示,以輸入224×224大小圖像為例,VGG-19網(wǎng)絡(luò)選擇3×3的卷積核,卷積層步長為1,池化層的步長為2,其中,C1-C5為卷積塊,P1-P5為池化層,F(xiàn)C1-FC3為全連接層,Output是輸出分類結(jié)果?;诖耍琕GG(visual geometry group)網(wǎng)絡(luò)可以在特征圖大小改變很小的情況下通過3×3卷積擴大通道數(shù),又可以根據(jù)池化層縮小數(shù)據(jù)的尺寸。

    圖1 VGG-19卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 VGG-19 Convolutional Neural Network Structure

    3.3 特征融合

    借助文獻[18]的設(shè)計思想,在卷積淺層中加入顏色特征,并且采用的層特征并不是全連接層的輸出特征。經(jīng)過大量的實驗發(fā)現(xiàn),conv5-4層特征在定位尖銳邊界方面不太有效,但conv3-4特征對于精確定位階梯邊緣更有用,同時在conv2-2層加上顏色特征,可以減小光照變化的影響。最終確定利用VGG-19網(wǎng)絡(luò)中的conv2-2、conv3-4、conv5-4層的特征輸出,并將CN特征廣播成與conv2-2層特征大小一樣后直接與之相加,隨后3層的特征分別經(jīng)過相關(guān)濾波器學(xué)習(xí),獲取不同的響應(yīng)圖,基于最大輸出響應(yīng)進行線性插值,得到新的輸出響應(yīng)圖,再加權(quán)融合搜索最大響應(yīng)評估目標(biāo)位置。

    εl=2l-5

    (14)

    然而,在conv2-2層加入CN特征,會使得模型對光照變化敏感,因此將conv2-2層特征的權(quán)重選擇與conv3-4層保持一致,假設(shè)加權(quán)融合后響應(yīng)值峰值坐標(biāo)為(m,n),則根據(jù)公式(15)進行目標(biāo)位置P(m,n)的預(yù)測:

    (15)

    3.4 多尺度跟蹤器

    本文借鑒Danellian M等提出的多尺度跟蹤器(DSST),見文獻[14],學(xué)習(xí)一維獨立的相關(guān)濾波進行尺度變化的檢測。首先,在被檢測的目標(biāo)周圍采集一系列尺度不同的圖像塊xsl,提取m′維HOG特征,利用這些圖像塊訓(xùn)練嶺回歸分類器,并在線性空間進行求解,獲得一維的尺度相關(guān)濾波器,最后,相關(guān)濾波器的最大輸出響應(yīng)即為新的一幀中目標(biāo)的尺度。

    (16)

    然后,尺度相關(guān)濾波器的輸出響應(yīng)為

    (17)

    本文的算法流程如圖2所示。

    圖2 本文算法具體流程圖Fig.2 Flowchart of the algorithm in this paper

    在目標(biāo)位置檢測部分,利用VGG-19網(wǎng)絡(luò)中的conv2-2、conv3-4、conv5-4層的特征,并在conv2-2層直接相加CN特征,并將3層的輸出響應(yīng)進行加權(quán)融合,搜尋峰值坐標(biāo),并相應(yīng)的在線更新參數(shù);在尺度檢測部分,在目標(biāo)檢測出后,在目標(biāo)周圍提取一系列不同尺度的圖像塊,進行HOG特征提取,并訓(xùn)練嶺回歸分類器,經(jīng)KCF濾波并尋找使輸出響應(yīng)最大的值,作為目標(biāo)尺度。

    4 實驗結(jié)果與分析

    實驗采用Intel Core i5-4210M、CPU 2.60 GHz、RAM4.00GB的筆記本,算法開發(fā)平臺是Matlab R2018b,在標(biāo)準(zhǔn)跟蹤數(shù)據(jù)集OTB100[19]上檢驗跟蹤的精度和成功率性能指標(biāo),實驗中選取的模型學(xué)習(xí)率γ=0.01,正則化參數(shù)λ=0.000 1。OTB100數(shù)據(jù)集包含了跟蹤中經(jīng)常遇到的具有挑戰(zhàn)性的問題:形變、背景雜亂、遮擋、快速運動、旋轉(zhuǎn)、運動模糊等背景環(huán)境?;诖谁h(huán)境和數(shù)據(jù)集,分別將本文算法與近年幾個優(yōu)異的跟蹤算法進行全部視頻序列的測試,并使用一次通過評估(one-pass evaluation,OPE)模式,計算精確度(precision)[20]和成功率(success)。

    成功率曲線(success curve)描述的是估計目標(biāo)矩形框與真實目標(biāo)矩形框的重合率(overlap score,OS)的大小,即兩矩形框的相交部分面積除以兩矩形框的相并部分的面積[21]。當(dāng)某幀的重合率大于給定的閾值T0時,該幀就是跟蹤成功(success)。通常取T0=0.5用來衡量跟蹤算法[22]。成功率曲線圖的橫坐標(biāo)是從0到1的連續(xù)閾值,縱坐標(biāo)是總的跟蹤成功的幀占所有幀的百分比。評價得分用曲線下方的面積來表示。

    精度曲線(precision curve)是指跟蹤目標(biāo)坐標(biāo)中心與標(biāo)簽(ground-truth)的坐標(biāo)中心的歐式距離(中心誤差(center location error,CLE))小于給定閾值的視頻幀數(shù)和整個測試集視頻幀數(shù)的比值,精度曲線圖的橫坐標(biāo)是一系列不同的距離閾值大小,單位為pixel,縱坐標(biāo)是估計目標(biāo)中心位置的誤差距離小于該閾值的所有幀占該序列總幀的百分比。一般閾值不同百分比也不同,由此可以得到一條曲線,本文CLE閾值選20個像素點。

    本文算法(簡稱ours)與近幾年來出現(xiàn)的幾個先進跟蹤算法進行了比較,OPE檢測結(jié)果如圖3所示,左側(cè)圖框內(nèi)各算法前面的數(shù)據(jù)表示平均成功率,右側(cè)圖框內(nèi)的數(shù)據(jù)則表示閾值下的準(zhǔn)確度。

    在表示成功率圖的坐標(biāo)中,其橫坐標(biāo)是估計目標(biāo)矩形和真實框矩形的交并比閾值,縱坐標(biāo)是滿足交并比閾值條件下的成功率;在表示精度圖的坐標(biāo)中,其橫坐標(biāo)是跟蹤目標(biāo)結(jié)果與人工標(biāo)注目標(biāo)結(jié)果的誤差閾值,縱坐標(biāo)則是精度值。

    由圖3可知,在目標(biāo)變形、光照變化、運動模糊、平面旋轉(zhuǎn)幾個方面,ours優(yōu)于KCF、HCF、SRDCF、siamfc3s、DCFNet、LCT、CNNSVM、DLSSVM跟蹤算法。尤其是,相比于KCF濾波器跟蹤算法,一遍過評精度提高13.6%,成功率提高11.8%。

    圖4是ours算法與其他4種算法(siamfc3s、 KCF、 HCF、 SRDCF)的跟蹤結(jié)果對比,黃、粉、綠、藍(lán)框均為跟蹤目標(biāo)框。其中,bird1序列傾向于目標(biāo)變形情況,Ironman序列傾向于光照變化情況,Soccer序列傾向于運動模糊情況。

    為了進一步說明圖4中各算法跟蹤性能的效果,計算了5種算法的中心位置誤差(center location error,CLE),隨機選取幾組視頻序列的結(jié)果如表1所示。CLE是指跟蹤目標(biāo)坐標(biāo)中心與人工標(biāo)注(ground-truth)的坐標(biāo)中心的歐式距離,單位為pixel,值越小跟蹤效果越好。

    圖4 跟蹤效果Fig.4 Tracking effect

    表1 中心位置誤差(CLE)對比Tab.1 Central position error (CLE) comparison pixel

    針對以上序列實際跟蹤結(jié)果分析如下:

    bird1序列:此序列傾向于目標(biāo)變形情況,在第24幀siamfc3s算法跟蹤丟失,第30幀又重新跟蹤成功,在第32幀KCF算法和SRDCF算法目標(biāo)跟蹤丟失,ours和HCF算法跟蹤成功。通過表1中此序列CLE性能的對比,本文算法的跟蹤效果更好。

    Ironman序列:光照變化比較明顯,在第17幀SRDCF算法目標(biāo)跟蹤丟失,在第45幀KCF算法目標(biāo)跟蹤丟失,在第106幀siamfc3s算法目標(biāo)跟蹤丟失,ours和HCF算法跟蹤成功。通過表1中此序列CLE性能的對比,ours的跟蹤效果更好。

    Soccer序列: 主要涉及運動模糊,第45幀siamfc3s算法目標(biāo)跟蹤丟失,第76幀KCF算法目標(biāo)跟蹤丟失,ours和HCF算法以及SRDCF算法跟蹤成功。通過CLE性能比較ours的跟蹤效果更好。

    5 結(jié) 論

    本文在KCF跟蹤算法的基礎(chǔ)上,結(jié)合在旋轉(zhuǎn)、目標(biāo)形變、背景雜亂情景中魯棒性更優(yōu)的CN特征及在快速運動、模糊等情景中魯棒性高的深度網(wǎng)絡(luò)的特征,提出一種基于自適應(yīng)特征融合的多尺度相關(guān)濾波跟蹤方法。

    實驗結(jié)果表明:本文算法在目標(biāo)變形、運動模糊、光照變化及平面旋轉(zhuǎn)方面的精確度和成功率均優(yōu)于其他8種跟蹤算法,比KCF跟蹤算法精確度和稱功率分別提高了13.6%和11.8%。在遮擋、背景雜亂、快速運動情景中,跟蹤效果與HCF算法相當(dāng),有效的提高了目標(biāo)跟蹤的準(zhǔn)確性。

    猜你喜歡
    特征
    抓住特征巧觀察
    離散型隨機變量的分布列與數(shù)字特征
    具有兩個P’維非線性不可約特征標(biāo)的非可解群
    月震特征及與地震的對比
    如何表達“特征”
    被k(2≤k≤16)整除的正整數(shù)的特征
    不忠誠的四個特征
    詈語的文化蘊含與現(xiàn)代特征
    新聞傳播(2018年11期)2018-08-29 08:15:24
    抓住特征巧觀察
    基于特征篩選的模型選擇
    你懂的网址亚洲精品在线观看| 亚洲av欧美aⅴ国产| 欧美xxⅹ黑人| 伊人久久精品亚洲午夜| 亚洲精品久久久久久婷婷小说| 国产精品久久久久久久电影| 一级,二级,三级黄色视频| 又大又黄又爽视频免费| 自拍欧美九色日韩亚洲蝌蚪91| av福利片在线| 91aial.com中文字幕在线观看| 亚洲欧洲日产国产| 久久久久网色| 日本欧美视频一区| 欧美日韩一区二区视频在线观看视频在线| 精品一区二区免费观看| 黄片播放在线免费| 国产日韩欧美视频二区| 午夜免费观看性视频| 亚洲人成77777在线视频| 日韩中字成人| 免费观看性生交大片5| 国产极品天堂在线| 久久久国产一区二区| 最近手机中文字幕大全| 久久久久久久大尺度免费视频| 九九爱精品视频在线观看| 亚洲高清免费不卡视频| 亚洲情色 制服丝袜| 天美传媒精品一区二区| a级毛片免费高清观看在线播放| 国国产精品蜜臀av免费| 视频中文字幕在线观看| 性色av一级| 午夜免费男女啪啪视频观看| 一级,二级,三级黄色视频| 国产精品三级大全| 精品人妻熟女av久视频| 精品一品国产午夜福利视频| 满18在线观看网站| 777米奇影视久久| 亚洲综合精品二区| 老女人水多毛片| 久久国产精品大桥未久av| 国产一区二区三区av在线| 欧美日韩在线观看h| 日产精品乱码卡一卡2卡三| 国产精品久久久久久久电影| 交换朋友夫妻互换小说| 久久99一区二区三区| 日韩人妻高清精品专区| 欧美精品一区二区免费开放| 欧美bdsm另类| 久久综合国产亚洲精品| 在线观看www视频免费| av视频免费观看在线观看| 男的添女的下面高潮视频| 国产成人精品婷婷| 成年人午夜在线观看视频| 欧美一级a爱片免费观看看| 国产av精品麻豆| 久久久久久久久大av| 欧美日韩国产mv在线观看视频| 久久精品国产a三级三级三级| 亚洲成色77777| 日本wwww免费看| 国产精品久久久久久av不卡| 欧美成人午夜免费资源| 国产av精品麻豆| 极品人妻少妇av视频| 精品一区在线观看国产| 一二三四中文在线观看免费高清| 国产免费视频播放在线视频| 国产精品嫩草影院av在线观看| 国产乱来视频区| 九九爱精品视频在线观看| 男人添女人高潮全过程视频| 大香蕉久久网| 汤姆久久久久久久影院中文字幕| 日韩伦理黄色片| 免费不卡的大黄色大毛片视频在线观看| 国产黄片视频在线免费观看| 国产精品嫩草影院av在线观看| 国产一级毛片在线| 久久久a久久爽久久v久久| 国产成人一区二区在线| 精品国产露脸久久av麻豆| 日韩av在线免费看完整版不卡| 成人国语在线视频| 一区二区三区乱码不卡18| 日日啪夜夜爽| 国产白丝娇喘喷水9色精品| 久久国产精品大桥未久av| 肉色欧美久久久久久久蜜桃| 男的添女的下面高潮视频| 国产一区二区在线观看日韩| 我的女老师完整版在线观看| 亚洲一级一片aⅴ在线观看| 久久久国产一区二区| 桃花免费在线播放| 国产综合精华液| 九色亚洲精品在线播放| 黑人巨大精品欧美一区二区蜜桃 | 丝袜脚勾引网站| 最近2019中文字幕mv第一页| 免费看av在线观看网站| 一个人免费看片子| 国产又色又爽无遮挡免| 国产免费现黄频在线看| 22中文网久久字幕| 亚洲欧洲国产日韩| 亚洲欧洲日产国产| 国产精品久久久久久av不卡| 丰满饥渴人妻一区二区三| 亚洲在久久综合| av福利片在线| 欧美日韩国产mv在线观看视频| 国产高清三级在线| 久久久久久久久久久久大奶| 久久午夜综合久久蜜桃| 飞空精品影院首页| 日韩在线高清观看一区二区三区| 亚洲成人av在线免费| 国产极品天堂在线| 日日撸夜夜添| 天堂8中文在线网| 亚洲欧美中文字幕日韩二区| 亚洲精品乱码久久久v下载方式| 伦精品一区二区三区| 久久精品国产自在天天线| 亚洲国产最新在线播放| 久久久久久久亚洲中文字幕| 久久免费观看电影| 在线观看美女被高潮喷水网站| 久久久久久久大尺度免费视频| 久久久久久久久久人人人人人人| 在线观看三级黄色| 精品一品国产午夜福利视频| 狠狠婷婷综合久久久久久88av| 大片电影免费在线观看免费| 韩国av在线不卡| 99国产精品免费福利视频| 久久久久精品久久久久真实原创| 婷婷色综合www| 久久精品熟女亚洲av麻豆精品| 蜜臀久久99精品久久宅男| av在线播放精品| 中文字幕人妻熟人妻熟丝袜美| 三级国产精品欧美在线观看| 国产精品一区二区在线不卡| 狠狠精品人妻久久久久久综合| 大陆偷拍与自拍| 国产成人精品婷婷| 免费看av在线观看网站| 性高湖久久久久久久久免费观看| 99久久中文字幕三级久久日本| 国产老妇伦熟女老妇高清| 久久亚洲国产成人精品v| 久久精品国产自在天天线| 最近手机中文字幕大全| 秋霞伦理黄片| 寂寞人妻少妇视频99o| 草草在线视频免费看| 精品一区在线观看国产| 热99国产精品久久久久久7| 中文字幕制服av| 尾随美女入室| 五月伊人婷婷丁香| 春色校园在线视频观看| 欧美变态另类bdsm刘玥| 日韩不卡一区二区三区视频在线| 久久久久精品性色| 国产欧美亚洲国产| 自拍欧美九色日韩亚洲蝌蚪91| 三级国产精品片| 日韩熟女老妇一区二区性免费视频| 国产欧美另类精品又又久久亚洲欧美| 麻豆精品久久久久久蜜桃| 国产白丝娇喘喷水9色精品| 又粗又硬又长又爽又黄的视频| 亚洲欧美中文字幕日韩二区| 考比视频在线观看| 亚洲精品aⅴ在线观看| 国产欧美日韩综合在线一区二区| 一级二级三级毛片免费看| 久久久久国产精品人妻一区二区| 午夜福利视频在线观看免费| 成人亚洲欧美一区二区av| 一边亲一边摸免费视频| 人妻系列 视频| 精品酒店卫生间| 97超视频在线观看视频| a级毛色黄片| 国产男女超爽视频在线观看| xxx大片免费视频| 国内精品宾馆在线| 91成人精品电影| 欧美激情 高清一区二区三区| .国产精品久久| 日韩一本色道免费dvd| 黑人高潮一二区| 国产免费一区二区三区四区乱码| 啦啦啦啦在线视频资源| a级片在线免费高清观看视频| 午夜av观看不卡| 插阴视频在线观看视频| 伦精品一区二区三区| 一本—道久久a久久精品蜜桃钙片| 亚洲精品第二区| .国产精品久久| 激情五月婷婷亚洲| 国产日韩欧美亚洲二区| 国产午夜精品久久久久久一区二区三区| videossex国产| 人妻 亚洲 视频| 日韩伦理黄色片| 国产 精品1| av有码第一页| 色哟哟·www| 高清毛片免费看| 22中文网久久字幕| 成人无遮挡网站| 国产成人午夜福利电影在线观看| 亚洲av.av天堂| 麻豆精品久久久久久蜜桃| 美女脱内裤让男人舔精品视频| 成人18禁高潮啪啪吃奶动态图 | 在线观看人妻少妇| 色94色欧美一区二区| 少妇人妻久久综合中文| 一级毛片我不卡| 国产午夜精品一二区理论片| 亚洲国产精品专区欧美| 三级国产精品片| 欧美日韩综合久久久久久| 十分钟在线观看高清视频www| 好男人视频免费观看在线| 乱码一卡2卡4卡精品| 在线观看免费日韩欧美大片 | 欧美日本中文国产一区发布| 中文欧美无线码| 最近中文字幕高清免费大全6| 欧美97在线视频| 日韩中字成人| 久久人人爽人人片av| 99国产精品免费福利视频| 日韩中字成人| 久久韩国三级中文字幕| 亚洲人成网站在线观看播放| 亚洲欧美成人综合另类久久久| 在线观看免费高清a一片| 欧美成人精品欧美一级黄| 亚洲在久久综合| 2022亚洲国产成人精品| 九色成人免费人妻av| 亚洲国产精品成人久久小说| 精品一区二区三卡| 欧美精品人与动牲交sv欧美| 久久久久视频综合| av国产久精品久网站免费入址| 亚洲av在线观看美女高潮| 色94色欧美一区二区| 日日撸夜夜添| 久久精品夜色国产| 欧美xxⅹ黑人| 少妇猛男粗大的猛烈进出视频| 亚洲精华国产精华液的使用体验| 亚洲av成人精品一二三区| 中文乱码字字幕精品一区二区三区| 日韩欧美一区视频在线观看| 日本色播在线视频| 亚洲欧美一区二区三区国产| 永久网站在线| 国产免费视频播放在线视频| 人人妻人人爽人人添夜夜欢视频| 国产亚洲午夜精品一区二区久久| 午夜影院在线不卡| 亚洲美女视频黄频| 成人二区视频| 这个男人来自地球电影免费观看 | 各种免费的搞黄视频| 丝袜脚勾引网站| 成人亚洲欧美一区二区av| 成人影院久久| 999精品在线视频| 不卡视频在线观看欧美| 久久久久精品久久久久真实原创| 久久人人爽av亚洲精品天堂| 性色av一级| 大香蕉久久网| 亚洲综合色惰| 亚洲人成网站在线播| 母亲3免费完整高清在线观看 | 亚洲美女视频黄频| 国产精品久久久久久久久免| 18在线观看网站| 王馨瑶露胸无遮挡在线观看| 亚洲丝袜综合中文字幕| 中文欧美无线码| 国产成人免费无遮挡视频| 国产日韩欧美亚洲二区| 国产免费一级a男人的天堂| 日韩大片免费观看网站| 国产 精品1| 精品国产露脸久久av麻豆| 91久久精品国产一区二区成人| 午夜影院在线不卡| 日韩av不卡免费在线播放| 久久99热这里只频精品6学生| 免费黄网站久久成人精品| 美女脱内裤让男人舔精品视频| 国产精品一区二区在线不卡| 午夜视频国产福利| 精品久久蜜臀av无| 新久久久久国产一级毛片| 3wmmmm亚洲av在线观看| 婷婷色av中文字幕| 久久99蜜桃精品久久| 水蜜桃什么品种好| 在线天堂最新版资源| 免费大片18禁| 国产日韩欧美亚洲二区| 91久久精品电影网| 搡老乐熟女国产| 如何舔出高潮| 国产精品偷伦视频观看了| 最近的中文字幕免费完整| 男女免费视频国产| 亚洲av免费高清在线观看| 九九在线视频观看精品| 18禁在线无遮挡免费观看视频| 看免费成人av毛片| 校园人妻丝袜中文字幕| 国产探花极品一区二区| 久久综合国产亚洲精品| 日韩成人伦理影院| 搡老乐熟女国产| 赤兔流量卡办理| 午夜激情久久久久久久| 美女中出高潮动态图| 亚州av有码| 中文字幕人妻熟人妻熟丝袜美| 人人妻人人澡人人看| 中文字幕亚洲精品专区| 少妇被粗大猛烈的视频| 亚洲av不卡在线观看| 街头女战士在线观看网站| av国产久精品久网站免费入址| 国产淫语在线视频| 免费人妻精品一区二区三区视频| 精品卡一卡二卡四卡免费| 国产成人午夜福利电影在线观看| 69精品国产乱码久久久| 丰满少妇做爰视频| 欧美变态另类bdsm刘玥| 亚洲欧美成人综合另类久久久| 在现免费观看毛片| 80岁老熟妇乱子伦牲交| 精品久久久久久电影网| 韩国高清视频一区二区三区| 国产精品偷伦视频观看了| 人妻系列 视频| 亚洲精品久久久久久婷婷小说| 久久久久国产精品人妻一区二区| 亚洲av国产av综合av卡| 国产亚洲一区二区精品| 午夜福利网站1000一区二区三区| 国产av国产精品国产| 国产色婷婷99| 亚洲国产av影院在线观看| 在线亚洲精品国产二区图片欧美| 视频区图区小说| 国产欧美日韩一区二区三区在线| 操出白浆在线播放| 日韩制服丝袜自拍偷拍| 99热国产这里只有精品6| 亚洲欧美日韩另类电影网站| 99在线人妻在线中文字幕 | 高清av免费在线| 亚洲第一av免费看| 高清av免费在线| 亚洲国产毛片av蜜桃av| 欧美日韩福利视频一区二区| 黄色视频在线播放观看不卡| 99在线人妻在线中文字幕 | 精品久久蜜臀av无| 国产日韩欧美视频二区| 国产亚洲欧美在线一区二区| 国产高清videossex| 国产在线一区二区三区精| 久久精品亚洲av国产电影网| 国产精品国产高清国产av | 自拍欧美九色日韩亚洲蝌蚪91| 久久国产精品男人的天堂亚洲| 大片电影免费在线观看免费| 日韩欧美一区二区三区在线观看 | 色综合婷婷激情| 亚洲av电影在线进入| 搡老熟女国产l中国老女人| 免费观看人在逋| 老司机深夜福利视频在线观看| 亚洲七黄色美女视频| 国产精品久久久久久精品电影小说| 久久99一区二区三区| 不卡av一区二区三区| www.999成人在线观看| 亚洲欧洲精品一区二区精品久久久| 少妇精品久久久久久久| 亚洲熟女精品中文字幕| 老司机靠b影院| 日本一区二区免费在线视频| 久久国产精品影院| 黄频高清免费视频| 精品国内亚洲2022精品成人 | 亚洲欧美色中文字幕在线| 久久久国产一区二区| 午夜福利一区二区在线看| 成人18禁高潮啪啪吃奶动态图| 国产精品二区激情视频| 午夜免费鲁丝| 亚洲精品一二三| aaaaa片日本免费| 亚洲熟女毛片儿| 大型av网站在线播放| 99国产精品一区二区三区| 交换朋友夫妻互换小说| 建设人人有责人人尽责人人享有的| 国产精品 国内视频| 不卡av一区二区三区| 日韩视频一区二区在线观看| 一级毛片电影观看| 一进一出好大好爽视频| 国产av国产精品国产| 国产一区二区三区在线臀色熟女 | 亚洲色图 男人天堂 中文字幕| 欧美日韩精品网址| 俄罗斯特黄特色一大片| 在线观看免费高清a一片| 国产在线视频一区二区| 欧美日韩国产mv在线观看视频| 天堂中文最新版在线下载| 黄色视频在线播放观看不卡| 18禁裸乳无遮挡动漫免费视频| 成人国产一区最新在线观看| 如日韩欧美国产精品一区二区三区| 下体分泌物呈黄色| 丝袜美腿诱惑在线| 无限看片的www在线观看| 久久中文字幕一级| 亚洲成人手机| 欧美老熟妇乱子伦牲交| 黑人猛操日本美女一级片| 国产野战对白在线观看| 99热国产这里只有精品6| 国产无遮挡羞羞视频在线观看| 蜜桃在线观看..| 精品国内亚洲2022精品成人 | netflix在线观看网站| 亚洲av美国av| 久久热在线av| kizo精华| 真人做人爱边吃奶动态| 高清黄色对白视频在线免费看| 欧美成人午夜精品| 日本一区二区免费在线视频| 国产真人三级小视频在线观看| 国产高清国产精品国产三级| 性高湖久久久久久久久免费观看| 在线 av 中文字幕| 后天国语完整版免费观看| 97在线人人人人妻| 国产精品欧美亚洲77777| 一二三四社区在线视频社区8| 亚洲欧美一区二区三区久久| 色精品久久人妻99蜜桃| 999久久久国产精品视频| 首页视频小说图片口味搜索| 蜜桃在线观看..| 免费一级毛片在线播放高清视频 | 久久久精品区二区三区| 性少妇av在线| 另类亚洲欧美激情| 精品高清国产在线一区| 欧美精品人与动牲交sv欧美| 成人av一区二区三区在线看| 亚洲精品乱久久久久久| 欧美黄色片欧美黄色片| 香蕉久久夜色| 高清毛片免费观看视频网站 | 欧美乱码精品一区二区三区| 亚洲精华国产精华精| 成人av一区二区三区在线看| 精品欧美一区二区三区在线| 中文字幕人妻丝袜一区二区| 高清欧美精品videossex| 色精品久久人妻99蜜桃| 欧美+亚洲+日韩+国产| 国产亚洲欧美精品永久| 国产精品二区激情视频| 又黄又粗又硬又大视频| 成人手机av| 国产在线一区二区三区精| 亚洲欧洲日产国产| 女人久久www免费人成看片| 欧美国产精品va在线观看不卡| a在线观看视频网站| 国产深夜福利视频在线观看| 色尼玛亚洲综合影院| 国产亚洲欧美在线一区二区| 欧美日韩av久久| 欧美日韩一级在线毛片| 久久精品熟女亚洲av麻豆精品| 精品少妇久久久久久888优播| 狠狠婷婷综合久久久久久88av| 亚洲欧美激情在线| 国产97色在线日韩免费| 欧美黄色片欧美黄色片| 一级毛片女人18水好多| av有码第一页| 咕卡用的链子| 日韩欧美免费精品| 五月天丁香电影| 最新的欧美精品一区二区| 日韩欧美国产一区二区入口| av一本久久久久| 国产成人精品在线电影| 一级黄色大片毛片| 99久久精品国产亚洲精品| 国产一卡二卡三卡精品| av电影中文网址| 在线观看免费日韩欧美大片| 日韩成人在线观看一区二区三区| 淫妇啪啪啪对白视频| 天堂中文最新版在线下载| 不卡一级毛片| 精品午夜福利视频在线观看一区 | 国产高清videossex| 90打野战视频偷拍视频| 侵犯人妻中文字幕一二三四区| bbb黄色大片| 两个人免费观看高清视频| 日日摸夜夜添夜夜添小说| 男女下面插进去视频免费观看| 欧美日韩亚洲高清精品| 国产成人啪精品午夜网站| videosex国产| 国产精品亚洲一级av第二区| 最新在线观看一区二区三区| 国产精品二区激情视频| 久久久久网色| 黄色片一级片一级黄色片| 国产日韩欧美在线精品| 国产av国产精品国产| 亚洲黑人精品在线| 韩国精品一区二区三区| 国产精品一区二区在线不卡| 少妇裸体淫交视频免费看高清 | 免费在线观看日本一区| 交换朋友夫妻互换小说| 久久人人97超碰香蕉20202| 一本—道久久a久久精品蜜桃钙片| 午夜福利欧美成人| 国产高清videossex| 免费在线观看完整版高清| 精品高清国产在线一区| 日韩大码丰满熟妇| 国产一区有黄有色的免费视频| 久久99热这里只频精品6学生| 久久中文字幕一级| 亚洲一区中文字幕在线| 视频在线观看一区二区三区| 欧美成人午夜精品| 亚洲一卡2卡3卡4卡5卡精品中文| 男人舔女人的私密视频| 日本撒尿小便嘘嘘汇集6| 国产在线观看jvid| 国产人伦9x9x在线观看| 中文字幕人妻丝袜制服| 女人被躁到高潮嗷嗷叫费观| 一级毛片电影观看| 叶爱在线成人免费视频播放| 美女视频免费永久观看网站| 国产亚洲午夜精品一区二区久久| 黑丝袜美女国产一区| 九色亚洲精品在线播放| 欧美日韩视频精品一区| 亚洲伊人色综图| 一级片'在线观看视频| 国产欧美日韩一区二区三| 窝窝影院91人妻| 久久中文字幕人妻熟女| 岛国在线观看网站| 黄片大片在线免费观看| 999久久久国产精品视频| 国产精品亚洲av一区麻豆| 两个人免费观看高清视频| av天堂久久9| 国产在线免费精品| 无限看片的www在线观看| 欧美日韩视频精品一区| 国产高清激情床上av| 一本久久精品| 精品熟女少妇八av免费久了| 91麻豆精品激情在线观看国产 | 亚洲av国产av综合av卡| 久久久久久久大尺度免费视频| 精品久久蜜臀av无| 午夜福利一区二区在线看| 黄色怎么调成土黄色| 亚洲人成77777在线视频| 亚洲午夜精品一区,二区,三区| 欧美日韩成人在线一区二区| 国产深夜福利视频在线观看| 高清av免费在线| 91精品三级在线观看|