• <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
    亚洲精品久久成人aⅴ小说| 国产日韩一区二区三区精品不卡| 欧美黄色片欧美黄色片| 天天一区二区日本电影三级 | 999精品在线视频| 91在线观看av| 亚洲欧美精品综合久久99| 免费人成视频x8x8入口观看| 国产精品爽爽va在线观看网站 | 91麻豆精品激情在线观看国产| 91字幕亚洲| 曰老女人黄片| 真人做人爱边吃奶动态| 精品第一国产精品| 亚洲精品国产色婷婷电影| 免费在线观看黄色视频的| 久久精品91无色码中文字幕| 天天添夜夜摸| 国产一区二区在线av高清观看| 色在线成人网| 精品不卡国产一区二区三区| 免费一级毛片在线播放高清视频 | 午夜福利一区二区在线看| 国产黄a三级三级三级人| 欧美激情极品国产一区二区三区| 国产不卡一卡二| 精品国产一区二区三区四区第35| 国产亚洲精品久久久久久毛片| 亚洲最大成人中文| 欧美一级a爱片免费观看看 | 狠狠狠狠99中文字幕| 免费观看人在逋| av有码第一页| 色综合站精品国产| 国产欧美日韩一区二区三| 一区二区日韩欧美中文字幕| 女人被躁到高潮嗷嗷叫费观| 亚洲午夜理论影院| 精品国产国语对白av| 国产高清videossex| 成熟少妇高潮喷水视频| 一区二区三区精品91| 男人舔女人下体高潮全视频| 人妻丰满熟妇av一区二区三区| 法律面前人人平等表现在哪些方面| 亚洲色图综合在线观看| 在线十欧美十亚洲十日本专区| 亚洲国产中文字幕在线视频| 中出人妻视频一区二区| 一进一出抽搐动态| 国产熟女午夜一区二区三区| 可以在线观看的亚洲视频| 女人被狂操c到高潮| 婷婷丁香在线五月| 国产高清videossex| 亚洲色图综合在线观看| 亚洲一区二区三区不卡视频| 欧美不卡视频在线免费观看 | 欧美日韩福利视频一区二区| 99久久精品国产亚洲精品| 免费久久久久久久精品成人欧美视频| 侵犯人妻中文字幕一二三四区| 成人三级黄色视频| 成人亚洲精品一区在线观看| 亚洲一区高清亚洲精品| 亚洲av成人一区二区三| 国产精品影院久久| 国产区一区二久久| 色播在线永久视频| 久久久国产欧美日韩av| 国产高清有码在线观看视频 | 精品国产乱码久久久久久男人| 精品一区二区三区四区五区乱码| 国产伦一二天堂av在线观看| 免费看a级黄色片| 日韩三级视频一区二区三区| 亚洲人成伊人成综合网2020| 亚洲va日本ⅴa欧美va伊人久久| 久久久国产欧美日韩av| 亚洲国产精品成人综合色| 国产单亲对白刺激| 久久国产精品影院| 人人妻人人爽人人添夜夜欢视频| 日本一区二区免费在线视频| 中文字幕精品免费在线观看视频| 亚洲国产精品999在线| 国产av精品麻豆| 国产区一区二久久| 中文字幕精品免费在线观看视频| 日韩 欧美 亚洲 中文字幕| 90打野战视频偷拍视频| av片东京热男人的天堂| 老熟妇乱子伦视频在线观看| 国产一卡二卡三卡精品| 欧美日韩福利视频一区二区| 在线观看舔阴道视频| 黑人巨大精品欧美一区二区蜜桃| 精品国产乱码久久久久久男人| 久久精品国产99精品国产亚洲性色 | 国产亚洲精品av在线| 亚洲专区中文字幕在线| 91成年电影在线观看| 国内精品久久久久久久电影| 久久精品亚洲精品国产色婷小说| 日本 av在线| 男女下面插进去视频免费观看| 性欧美人与动物交配| 久久精品亚洲熟妇少妇任你| 国产又爽黄色视频| 高清毛片免费观看视频网站| 欧美最黄视频在线播放免费| 国产三级在线视频| av视频在线观看入口| 十分钟在线观看高清视频www| 91大片在线观看| 成人精品一区二区免费| 1024视频免费在线观看| 十八禁人妻一区二区| 真人一进一出gif抽搐免费| 欧美一级毛片孕妇| 成人18禁高潮啪啪吃奶动态图| 咕卡用的链子| 亚洲电影在线观看av| 亚洲精品国产区一区二| 欧美+亚洲+日韩+国产| 精品久久久久久,| 宅男免费午夜| 俄罗斯特黄特色一大片| 日韩高清综合在线| 桃色一区二区三区在线观看| 日本三级黄在线观看| 看黄色毛片网站| 一级a爱视频在线免费观看| 免费在线观看影片大全网站| 一级a爱片免费观看的视频| 91精品三级在线观看| 日韩欧美免费精品| 日韩大码丰满熟妇| 日本vs欧美在线观看视频| 国产精品亚洲美女久久久| 亚洲成人精品中文字幕电影| 午夜福利在线观看吧| 九色国产91popny在线| 妹子高潮喷水视频| 国产一区二区三区在线臀色熟女| 性欧美人与动物交配| 岛国在线观看网站| 亚洲熟妇中文字幕五十中出| 性欧美人与动物交配| 成年版毛片免费区| 巨乳人妻的诱惑在线观看| 免费高清在线观看日韩| 中文字幕另类日韩欧美亚洲嫩草| 咕卡用的链子| 精品电影一区二区在线| 巨乳人妻的诱惑在线观看| 亚洲熟妇中文字幕五十中出| 日韩欧美免费精品| 非洲黑人性xxxx精品又粗又长| 久久久久精品国产欧美久久久| 亚洲情色 制服丝袜| 真人做人爱边吃奶动态| 好男人电影高清在线观看| 中文字幕人成人乱码亚洲影| 变态另类丝袜制服| 国产成人影院久久av| 国产亚洲欧美精品永久| 一级毛片女人18水好多| 国产精品乱码一区二三区的特点 | АⅤ资源中文在线天堂| 人成视频在线观看免费观看| 三级毛片av免费| 一级毛片高清免费大全| 一级黄色大片毛片| 97人妻精品一区二区三区麻豆 | 欧美一区二区精品小视频在线| 亚洲精品美女久久久久99蜜臀| 成人免费观看视频高清| 亚洲国产精品成人综合色| av福利片在线| 日日摸夜夜添夜夜添小说| 亚洲精品一卡2卡三卡4卡5卡| 悠悠久久av| 日韩精品免费视频一区二区三区| 久久精品影院6| 中文字幕人妻熟女乱码| 亚洲电影在线观看av| 亚洲国产高清在线一区二区三 | 国内精品久久久久精免费| 亚洲中文字幕一区二区三区有码在线看 | 老司机在亚洲福利影院| 自线自在国产av| 久久婷婷人人爽人人干人人爱 | 级片在线观看| 黑人欧美特级aaaaaa片| 91在线观看av| 亚洲全国av大片| 欧美日韩中文字幕国产精品一区二区三区 | 久久中文字幕一级| 欧美成人一区二区免费高清观看 | 亚洲国产中文字幕在线视频| 黑人操中国人逼视频| 999精品在线视频| 天堂√8在线中文| 满18在线观看网站| 女人精品久久久久毛片| 亚洲中文日韩欧美视频| 久久欧美精品欧美久久欧美| 中文字幕人妻丝袜一区二区| 69av精品久久久久久| 日本撒尿小便嘘嘘汇集6| 国内精品久久久久精免费| 亚洲 国产 在线| 中文字幕人妻丝袜一区二区| 午夜福利在线观看吧| 色综合欧美亚洲国产小说| 黄片播放在线免费| 又紧又爽又黄一区二区| 久久国产乱子伦精品免费另类| 国产成人精品久久二区二区91| aaaaa片日本免费| 一区二区三区国产精品乱码| 亚洲三区欧美一区| 亚洲片人在线观看| 高清毛片免费观看视频网站| 亚洲一区高清亚洲精品| 在线国产一区二区在线| 免费在线观看影片大全网站| 日韩欧美三级三区| 午夜福利视频1000在线观看 | 黑人巨大精品欧美一区二区蜜桃| 1024香蕉在线观看| 99国产综合亚洲精品| 老司机午夜福利在线观看视频| 黑人欧美特级aaaaaa片| 亚洲五月色婷婷综合| 成人三级黄色视频| 久久中文字幕一级| 人妻久久中文字幕网| 91在线观看av| 色在线成人网| 色综合站精品国产| 69精品国产乱码久久久| 脱女人内裤的视频| 成人特级黄色片久久久久久久| 色综合亚洲欧美另类图片| 69av精品久久久久久| 成熟少妇高潮喷水视频| 免费无遮挡裸体视频| 99re在线观看精品视频| 国产亚洲精品久久久久5区| 后天国语完整版免费观看| 精品一区二区三区av网在线观看| 国产视频一区二区在线看| 1024香蕉在线观看| 十八禁人妻一区二区| 久久午夜综合久久蜜桃| 亚洲五月色婷婷综合| 免费av毛片视频| 色精品久久人妻99蜜桃| 欧美国产日韩亚洲一区| 一区二区三区高清视频在线| 亚洲国产精品成人综合色| 亚洲精品av麻豆狂野| 亚洲片人在线观看| 成人国语在线视频| 91字幕亚洲| 18美女黄网站色大片免费观看| netflix在线观看网站| 99re在线观看精品视频| aaaaa片日本免费| 在线观看www视频免费| 日本免费a在线| 夜夜躁狠狠躁天天躁| 精品一品国产午夜福利视频| 国产精品秋霞免费鲁丝片| 国产乱人伦免费视频| 他把我摸到了高潮在线观看| 欧美成人一区二区免费高清观看 | 久久久久亚洲av毛片大全| 少妇被粗大的猛进出69影院| 欧美成人性av电影在线观看| 在线av久久热| 中文字幕精品免费在线观看视频| 久久国产精品男人的天堂亚洲| 天天添夜夜摸| 大码成人一级视频| 成年版毛片免费区| 免费av毛片视频| 欧美乱妇无乱码| 久久人妻av系列| ponron亚洲| 极品教师在线免费播放| 精品午夜福利视频在线观看一区| 国产精品99久久99久久久不卡| 亚洲久久久国产精品| 很黄的视频免费| 精品高清国产在线一区| 日日夜夜操网爽| 国产一区在线观看成人免费| 如日韩欧美国产精品一区二区三区| 国产熟女xx| 少妇被粗大的猛进出69影院| 亚洲人成伊人成综合网2020| 国产精品98久久久久久宅男小说| 国产高清激情床上av| 乱人伦中国视频| 国产亚洲精品久久久久5区| 亚洲av电影不卡..在线观看| 日本黄色视频三级网站网址| 日韩三级视频一区二区三区| 狂野欧美激情性xxxx| 变态另类成人亚洲欧美熟女 | 成人国语在线视频| 午夜精品国产一区二区电影| 国产亚洲av嫩草精品影院| 午夜激情av网站| 欧美激情高清一区二区三区| 9191精品国产免费久久| 午夜福利免费观看在线| 成人精品一区二区免费| 90打野战视频偷拍视频| 9色porny在线观看| 无遮挡黄片免费观看| 青草久久国产| 午夜福利视频1000在线观看 | 亚洲精华国产精华精| 久久热在线av| 黄片小视频在线播放| 日本撒尿小便嘘嘘汇集6| 777久久人妻少妇嫩草av网站| av在线天堂中文字幕| 国产av一区在线观看免费| 日韩精品免费视频一区二区三区| 午夜老司机福利片| 麻豆成人av在线观看| 69av精品久久久久久| 国产成人免费无遮挡视频| 久久久国产欧美日韩av| 操美女的视频在线观看| 黑人巨大精品欧美一区二区mp4| 91精品三级在线观看| 黑人欧美特级aaaaaa片| 免费高清视频大片| 女人精品久久久久毛片| 女人高潮潮喷娇喘18禁视频| 老鸭窝网址在线观看| 亚洲国产精品合色在线| 国产三级黄色录像| av天堂久久9| 午夜免费观看网址| 99久久综合精品五月天人人| av欧美777| 香蕉国产在线看| 99国产精品一区二区三区| 国产亚洲精品久久久久5区| 久久国产精品人妻蜜桃| 欧美av亚洲av综合av国产av| 日本撒尿小便嘘嘘汇集6| 一级黄色大片毛片| 国产一区二区激情短视频| 脱女人内裤的视频| 在线观看66精品国产| 亚洲av日韩精品久久久久久密| 窝窝影院91人妻| 欧美av亚洲av综合av国产av| 亚洲黑人精品在线| 侵犯人妻中文字幕一二三四区| 午夜福利免费观看在线| 成年女人毛片免费观看观看9| 人人妻人人澡欧美一区二区 | 日本黄色视频三级网站网址| 国产亚洲精品久久久久5区| 国产精品亚洲av一区麻豆| 色在线成人网| 午夜精品久久久久久毛片777| 精品久久久久久久人妻蜜臀av | tocl精华| 老熟妇乱子伦视频在线观看| 亚洲成av片中文字幕在线观看| 欧美一级a爱片免费观看看 | 天天一区二区日本电影三级 | 热re99久久国产66热| avwww免费| 69精品国产乱码久久久| 亚洲av成人不卡在线观看播放网| 一区二区三区精品91| 亚洲va日本ⅴa欧美va伊人久久| 国产高清有码在线观看视频 | 午夜福利18| 十分钟在线观看高清视频www| 亚洲 欧美 日韩 在线 免费| 啪啪无遮挡十八禁网站| 精品不卡国产一区二区三区| 日日干狠狠操夜夜爽| 757午夜福利合集在线观看| 欧美日本中文国产一区发布| 亚洲av片天天在线观看| 黄片小视频在线播放| 高潮久久久久久久久久久不卡| 在线视频色国产色| 国产麻豆69| 无遮挡黄片免费观看| 高清毛片免费观看视频网站| 激情在线观看视频在线高清| 亚洲精品久久国产高清桃花| 国产精品乱码一区二三区的特点 | 国产亚洲精品av在线| 欧美老熟妇乱子伦牲交| 欧美最黄视频在线播放免费| 欧美老熟妇乱子伦牲交| 看免费av毛片| 午夜福利一区二区在线看| 久久精品91无色码中文字幕| 欧美成人午夜精品| 91麻豆精品激情在线观看国产| 大码成人一级视频| 久久婷婷人人爽人人干人人爱 | 在线国产一区二区在线| 叶爱在线成人免费视频播放| 中文字幕久久专区| 露出奶头的视频| 欧美大码av| 国产精品影院久久| 人妻久久中文字幕网| 人人妻,人人澡人人爽秒播| e午夜精品久久久久久久| 亚洲 欧美 日韩 在线 免费| 午夜福利在线观看吧| 国产一级毛片七仙女欲春2 | 中亚洲国语对白在线视频| 搡老熟女国产l中国老女人| 免费观看人在逋| 亚洲中文日韩欧美视频| 一区福利在线观看| 久久国产精品人妻蜜桃| 丰满的人妻完整版| 50天的宝宝边吃奶边哭怎么回事| 丰满的人妻完整版| 桃色一区二区三区在线观看| av中文乱码字幕在线| 黄片大片在线免费观看| 韩国精品一区二区三区| 黄片大片在线免费观看| 999久久久国产精品视频| 国产成人影院久久av| 不卡av一区二区三区| 国产精品久久视频播放| 日韩欧美三级三区| 亚洲免费av在线视频| 亚洲国产欧美日韩在线播放| 很黄的视频免费| 少妇粗大呻吟视频| 午夜福利在线观看吧| 动漫黄色视频在线观看| 一个人观看的视频www高清免费观看 | 无人区码免费观看不卡| 久热爱精品视频在线9| 大型av网站在线播放| 一边摸一边做爽爽视频免费| 满18在线观看网站| 丝袜美足系列| 母亲3免费完整高清在线观看| 又黄又粗又硬又大视频| 亚洲五月天丁香| 免费一级毛片在线播放高清视频 | 一本大道久久a久久精品| 亚洲国产高清在线一区二区三 | www.www免费av| 久久人人爽av亚洲精品天堂| 美女大奶头视频| 国产97色在线日韩免费| 亚洲色图av天堂| 91精品三级在线观看| 亚洲avbb在线观看| 日韩 欧美 亚洲 中文字幕| 一本久久中文字幕| 欧美一级a爱片免费观看看 | 午夜福利一区二区在线看| 久久精品成人免费网站| 熟女少妇亚洲综合色aaa.| 亚洲三区欧美一区| 久久中文字幕人妻熟女| 在线观看免费日韩欧美大片| 亚洲av片天天在线观看| 美女午夜性视频免费| a级毛片在线看网站| 精品久久久久久久久久免费视频| 久久久久久人人人人人| 露出奶头的视频| 免费在线观看黄色视频的| 亚洲中文日韩欧美视频| 日韩 欧美 亚洲 中文字幕| 黄片大片在线免费观看| 国产精品98久久久久久宅男小说| 亚洲第一青青草原| 九色国产91popny在线| 国产免费av片在线观看野外av| 国产亚洲欧美98| 大型黄色视频在线免费观看| 最新在线观看一区二区三区| 国产欧美日韩一区二区三区在线| 亚洲精品久久国产高清桃花| 男人舔女人的私密视频| 99久久国产精品久久久| 99re在线观看精品视频| 十分钟在线观看高清视频www| 麻豆一二三区av精品| 最好的美女福利视频网| 日韩一卡2卡3卡4卡2021年| 男人舔女人的私密视频| 亚洲avbb在线观看| 日韩精品免费视频一区二区三区| 日日夜夜操网爽| 国产一区二区在线av高清观看| 国产成人av激情在线播放| 中文字幕另类日韩欧美亚洲嫩草| 韩国av一区二区三区四区| 这个男人来自地球电影免费观看| 亚洲人成网站在线播放欧美日韩| bbb黄色大片| 日本免费一区二区三区高清不卡 | 神马国产精品三级电影在线观看 | 欧美老熟妇乱子伦牲交| av天堂久久9| 国产精品自产拍在线观看55亚洲| 男男h啪啪无遮挡| 国产午夜精品久久久久久| 又黄又爽又免费观看的视频| 啪啪无遮挡十八禁网站| 91字幕亚洲| 女警被强在线播放| 每晚都被弄得嗷嗷叫到高潮| 日韩有码中文字幕| 亚洲电影在线观看av| 性欧美人与动物交配| 日本五十路高清| 久久人妻熟女aⅴ| 激情在线观看视频在线高清| 女警被强在线播放| 久久久久亚洲av毛片大全| 亚洲精品国产色婷婷电影| 国产真人三级小视频在线观看| 亚洲在线自拍视频| 变态另类丝袜制服| 成年版毛片免费区| 中亚洲国语对白在线视频| 乱人伦中国视频| 极品人妻少妇av视频| 91字幕亚洲| 免费不卡黄色视频| 一区二区三区激情视频| 亚洲一区二区三区色噜噜| 国产野战对白在线观看| 天堂动漫精品| 国产99久久九九免费精品| 国产不卡一卡二| 一边摸一边抽搐一进一小说| 99久久99久久久精品蜜桃| 日本欧美视频一区| 久久九九热精品免费| 免费一级毛片在线播放高清视频 | 黄色视频不卡| 18禁黄网站禁片午夜丰满| 亚洲专区国产一区二区| 国产91精品成人一区二区三区| 免费不卡黄色视频| 国产一级毛片七仙女欲春2 | 国产主播在线观看一区二区| 久久性视频一级片| 欧美性长视频在线观看| 欧美日韩中文字幕国产精品一区二区三区 | av天堂在线播放| 亚洲国产欧美一区二区综合| 黄色成人免费大全| 欧美日韩一级在线毛片| 97碰自拍视频| 两个人看的免费小视频| 88av欧美| 亚洲 欧美一区二区三区| 色播亚洲综合网| 久热爱精品视频在线9| 99久久国产精品久久久| 午夜福利18| 亚洲人成伊人成综合网2020| 欧美av亚洲av综合av国产av| 久久精品国产99精品国产亚洲性色 | 两个人看的免费小视频| 在线天堂中文资源库| 老司机在亚洲福利影院| 麻豆av在线久日| 波多野结衣av一区二区av| 欧美成人免费av一区二区三区| 男女下面进入的视频免费午夜 | 大陆偷拍与自拍| 国产精品一区二区精品视频观看| av超薄肉色丝袜交足视频| 久久人人精品亚洲av| av片东京热男人的天堂| 国产亚洲av高清不卡| 女人被狂操c到高潮| 久热这里只有精品99| 在线观看舔阴道视频| 精品免费久久久久久久清纯| 大型黄色视频在线免费观看| 国产区一区二久久| 男女做爰动态图高潮gif福利片 | 可以在线观看毛片的网站| 欧美老熟妇乱子伦牲交| 色老头精品视频在线观看| 嫁个100分男人电影在线观看| 国产在线观看jvid| 国产人伦9x9x在线观看| 高清黄色对白视频在线免费看| 757午夜福利合集在线观看|