• <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 ?

    基于核擴(kuò)展字典學(xué)習(xí)的目標(biāo)跟蹤算法研究

    2022-12-18 07:23:04王員云楊文燴習(xí)帥斌章利民鄧承志
    關(guān)鍵詞:模型

    王員云,楊文燴,習(xí)帥斌,章利民,尹 鵬,鄧承志

    (南昌工程學(xué)院 信息工程學(xué)院,江西 南昌 330099)

    目標(biāo)跟蹤作為計(jì)算機(jī)視覺領(lǐng)域的重要研究分支之一,其任務(wù)是估計(jì)目標(biāo)在視頻序列中每一幀中的狀態(tài)。目標(biāo)跟蹤在交通監(jiān)控、自動(dòng)駕駛[1]、人機(jī)交互[2]以及海洋偵查[3]等領(lǐng)域得到廣泛的應(yīng)用。雖然該技術(shù)正在快速發(fā)展,但由于受到局部遮擋、形變、運(yùn)動(dòng)模糊以及快速移動(dòng)等因素的影響,目標(biāo)跟蹤在實(shí)際應(yīng)用中仍然是一個(gè)非常具有挑戰(zhàn)性的任務(wù)[4]。

    目標(biāo)跟蹤基本框架由以下4個(gè)部分組成[5]:特征模型、運(yùn)動(dòng)模型、表觀模型以及更新模型。特征模型利用相關(guān)技術(shù)提取目標(biāo)的特征進(jìn)行目標(biāo)表示,并且用于建立表觀模型。常用于目標(biāo)跟蹤的特征有顏色特征[6]、深度特征[7]、紋理特征[8]。在目標(biāo)跟蹤中,需要根據(jù)提取的特征判斷候選區(qū)域是否為被跟蹤的目標(biāo),因此,對(duì)跟蹤目標(biāo)的表觀建模尤為重要[9]。基于目標(biāo)的表觀模型,目標(biāo)跟蹤算法可以分為生成式模型方法[10]和判別式模型方法[11]兩大類。生成式模型方法通過在當(dāng)前幀提取特征對(duì)目標(biāo)進(jìn)行外觀建模,然后在下一幀中搜索與模型最匹配的區(qū)域,用這個(gè)區(qū)域就確定所預(yù)測的目標(biāo)位置[12]。與生成式模型方法不同,判別式模型方法是將目標(biāo)跟蹤看作一個(gè)二分類問題[13],通過學(xué)習(xí)一個(gè)分類器將目標(biāo)從背景環(huán)境中區(qū)別出來,因此基于判別式模型的目標(biāo)跟蹤方法很大程度上取決于特征空間上目標(biāo)與背景的可分性。

    近年來,許多高效、魯棒的跟蹤算法被提出。Mei[14]等人將稀疏表示方法應(yīng)用在目標(biāo)跟蹤中,該算法對(duì)局部遮擋和噪聲的影響等具有較好的魯棒性。然而,在跟蹤過程中需要解決L1最小化問題,當(dāng)出現(xiàn)嚴(yán)重遮擋時(shí),該算法跟蹤性能不夠理想。在文獻(xiàn)[15]中,提出了一種基于稀疏的協(xié)同目標(biāo)表示方法,該方法充分結(jié)合了生成式模型方法和判別式模型方法的優(yōu)點(diǎn)。相關(guān)濾波算法[16]在跟蹤速度上的優(yōu)勢受到了廣泛關(guān)注,被成功應(yīng)用于目標(biāo)跟蹤中。在文獻(xiàn)[17]中,提出的CSK算法利用循環(huán)矩陣的性質(zhì)進(jìn)行密集采樣,提高跟蹤性能。隨后越來越多的研究者通過從特征選擇、正則化入手將相關(guān)濾波引入目標(biāo)跟蹤領(lǐng)域。Henriques[18]等人在特征選擇方面上對(duì)CSK算法進(jìn)行改進(jìn),提出了KCF算法,KCF算法將CSK算法使用的灰度特征改進(jìn)為HOG特征和高斯核函數(shù)。然而,問題仍未得到有效解決,如光照變化、遮擋以及相似背景等。

    深度卷積神經(jīng)網(wǎng)絡(luò)[19]因其在特征提取方面優(yōu)越的性能而受到廣泛關(guān)注。文獻(xiàn)[20]提出了一種全卷積孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法,利用該網(wǎng)絡(luò)結(jié)構(gòu),將與模板最相似的候選目標(biāo)作為跟蹤目標(biāo),該算法取得了實(shí)時(shí)的速度與較好的跟蹤精度。文獻(xiàn)[21]在孿生網(wǎng)絡(luò)的基礎(chǔ)上加入?yún)^(qū)域提議網(wǎng)絡(luò),更好地對(duì)目標(biāo)尺度進(jìn)行估計(jì)[22],提高了跟蹤的魯棒性。最近,字典學(xué)習(xí)被廣泛應(yīng)用于人臉識(shí)別、目標(biāo)跟蹤等領(lǐng)域。字典學(xué)習(xí)一般是在給定一組訓(xùn)練樣本的基礎(chǔ)上,通過學(xué)習(xí)得到字典,為每個(gè)訓(xùn)練集找到最佳表示并使表示更加具有區(qū)分性[23]。

    針對(duì)上述問題,本文提出了基于核擴(kuò)展字典學(xué)習(xí)的目標(biāo)跟蹤算法。首先,將提取的特征經(jīng)過核判別分析(Kernel Discriminant Analysis,KDA)[24]進(jìn)行投影得到在非線性子空間中的特征向量。在視頻的第一幀,在被跟蹤的目標(biāo)的較小的領(lǐng)域中收集一組與目標(biāo)相同大小的圖像塊,經(jīng)過KDA投影后得到一組特征向量,這組特征向量分別構(gòu)成基礎(chǔ)字典和核擴(kuò)展字典[25],分別表示目標(biāo)的信息和目標(biāo)表觀變化。在后續(xù)的跟蹤中,連續(xù)核擴(kuò)展字典進(jìn)行更新,以適應(yīng)不斷變化的目標(biāo)表觀。將投影得到的基礎(chǔ)字典和經(jīng)過投影、更新后的核擴(kuò)展字典聯(lián)合進(jìn)行目標(biāo)候選塊的表示,也就是每個(gè)目標(biāo)候選塊可以表示為這兩種字典的一個(gè)線性組合。基于這種目標(biāo)表示方法,本文提出了一種新的目標(biāo)跟蹤算法。通過表觀模型得到的擴(kuò)展字典在核空間中可有效地表示可能的目標(biāo)表觀變化,將基礎(chǔ)字典與擴(kuò)展字典相結(jié)合可以更準(zhǔn)確地表示目標(biāo)候選塊?;A(chǔ)字典中保留了更多的目標(biāo)初始信息,有效防止了目標(biāo)漂移現(xiàn)象。核擴(kuò)展字典在不斷更新的過程中,包含了目標(biāo)的多種表觀變化,提升了目標(biāo)表觀模型的自適應(yīng)能力。本研究主要貢獻(xiàn)如下:

    (1)提出一種基于基礎(chǔ)字典和擴(kuò)展字典聯(lián)合表示的目標(biāo)表觀模型。將目標(biāo)特征向量經(jīng)過KDA投影獲得在非線性子空間中的特征表示;收集一組字典樣本并經(jīng)過KDA投影后得到基礎(chǔ)字典和擴(kuò)展字典;基于基礎(chǔ)字典和擴(kuò)展字典聯(lián)合進(jìn)行目標(biāo)候選塊的近似表示。

    (2)在粒子濾波框架下,提出一種新的目標(biāo)跟蹤算法。基礎(chǔ)字典中保留了更多的目標(biāo)初始信息,有效地減輕了目標(biāo)漂移現(xiàn)象。擴(kuò)展字典在不斷更新的過程中,包含了目標(biāo)的多種表觀變化,提升了目標(biāo)表觀模型的自適應(yīng)能力。在挑戰(zhàn)性的數(shù)據(jù)集上的測試與對(duì)比結(jié)果表明所提出的跟蹤器有較好的魯棒性。

    1 核擴(kuò)展字典學(xué)習(xí)與目標(biāo)跟蹤

    在目標(biāo)跟蹤中,首要的任務(wù)是建立魯棒的目標(biāo)表觀模型。本文提出一種基于核的基礎(chǔ)字典與擴(kuò)展字典的目標(biāo)表示方法,并在粒子濾波框架中設(shè)計(jì)基于該目標(biāo)表示的跟蹤算法。接下來將主要介紹粒子濾波框架、基于基礎(chǔ)字典與擴(kuò)展字典的目標(biāo)表示以及目標(biāo)候選塊的似然估計(jì)等。

    1.1 粒子濾波

    粒子濾波器是一種順序重要性采樣方法,通過在狀態(tài)空間中選擇一組隨機(jī)樣本來近似表示概率密度函數(shù),并且利用樣本的平均值取代積分運(yùn)算來獲得最小方差估計(jì),這些樣本被稱為“粒子”。在目標(biāo)跟蹤過程中,每個(gè)目標(biāo)候選塊可以看成是一個(gè)“粒子”,在獲取一組圖像觀測向量y1:t=[y1,y2,…,yt]后,通過計(jì)算粒子的后驗(yàn)概率進(jìn)行目標(biāo)狀態(tài)估計(jì)。

    (1)

    (2)

    式中yt為時(shí)間t中的狀態(tài)變量?;谀繕?biāo)候選粒子的權(quán)重,相應(yīng)的目標(biāo)在當(dāng)前幀的狀態(tài)可表示為

    (3)

    1.2 基于核擴(kuò)展字典的表觀模型

    本文提出一種基于基礎(chǔ)字典與擴(kuò)展字典的目標(biāo)表示方法,并在粒子濾波框架下設(shè)計(jì)一種目標(biāo)跟蹤算法。首先,通過一組訓(xùn)練樣本學(xué)習(xí)獲得核判別分析函數(shù)KDA。收集一組目標(biāo)模板樣本經(jīng)過核判別分析投影得到基礎(chǔ)字典,收集目標(biāo)表觀變化樣本經(jīng)過核判別分析投影后得到核擴(kuò)展字典。最后,使用基礎(chǔ)字典和擴(kuò)展字典中的原子線性組合進(jìn)行候選目標(biāo)的近似表示。下面將介紹核判別分析函數(shù),設(shè)在非線性映射空間F中,φ為非線性映射函數(shù),核函數(shù)在特征空間F上定義為

    〈φ(z),φ(z′)〉=k(z,z′),

    (4)

    式中k(z,z′)為核函數(shù)。設(shè)有一組訓(xùn)練樣本為Z=[Z1,Z2,…,Zn]∈Rd×n,使用Z中的n個(gè)樣本進(jìn)行KDA的映射向量的學(xué)習(xí),學(xué)習(xí)后得到的映射向量表示為

    (5)

    式中α·=·[α1,α2,…,αn]T是KDA的系數(shù)向量。

    核空間的樣本z可以通過KDA進(jìn)行投影,其在核空間的內(nèi)積可以由核函數(shù)計(jì)算得到,表示如下:

    (6)

    在基于基礎(chǔ)字典與擴(kuò)展字典的目標(biāo)表示方法中,使用訓(xùn)練集Z中的前n-m個(gè)樣本作為基礎(chǔ)字典的訓(xùn)練樣本,后m個(gè)樣本作為擴(kuò)展字典的訓(xùn)練學(xué)習(xí)樣本。該m個(gè)樣本主要用于表示目標(biāo)的表觀變化,在后續(xù)幀的跟蹤中,需要進(jìn)行連續(xù)的更新。在特征空間F中該m個(gè)樣本的協(xié)方差表示為

    (7)

    (8)

    將訓(xùn)練集Z=[Z1,Z2,…,Zn]∈Rd×n中的前n-m樣本通過KDA投影構(gòu)建基礎(chǔ)字典,如式(9)所示:

    D1=〈vφ,φ(Z)〉,

    (9)

    (10)

    在跟蹤過程中,首先將目標(biāo)候選塊y通過KDA投影獲得相應(yīng)的特征向量,如式(11)所示:

    Y=〈vφ,φ(y)〉.

    (11)

    為了更好地適應(yīng)目標(biāo)表觀變化,同時(shí)又保持更多的目標(biāo)信息,使用基礎(chǔ)字典和擴(kuò)展字典聯(lián)合表示目標(biāo)候選塊y為

    (12)

    式中δ>0為標(biāo)量常數(shù);D=[D1,D2]用于對(duì)目標(biāo)候選塊進(jìn)行重建;β=[β1,β2]T是字典D的系數(shù)。在以往的目標(biāo)表示中,一般都是將Y看成是字典矩陣D和稀疏系數(shù)β的線性組合,如如式(13)所示:

    (13)

    為了更好地處理局部遮擋、噪聲等的影響,本算法中使用稀疏約束進(jìn)行目標(biāo)候選塊的近似估計(jì),針對(duì)式(12)的求解中,可以將其看成經(jīng)典的LASSO問題進(jìn)行求解。

    1.3 似然估計(jì)

    提出的基于核擴(kuò)展字典學(xué)習(xí)的目標(biāo)跟蹤算法中,使用基礎(chǔ)字典與擴(kuò)展字典中的原子的線性組合來近似表示候選目標(biāo)。候選目標(biāo)y的觀察概率通過候選目標(biāo)與目標(biāo)模型之間的重構(gòu)誤差來計(jì)算,如式(14)所示:

    ρ(Y∣z)=σexp {-θd(Y,Dβ)},

    (14)

    其中,δ>0和θ>0是標(biāo)量常數(shù)。d(Y,Dβ)是候選目標(biāo)y與字典中原子線性組合的近似表示Dβ之間的距離,也就是它們之間的重構(gòu)誤差,計(jì)算如式(15)所示:

    d(y,Dβ)=(Y-Dβ)T(Y-Dβ).

    (15)

    在基于核擴(kuò)展字典的表觀模型和似然估計(jì)的基礎(chǔ)上,本文提出一種新的跟蹤算法(跟蹤算法流程如圖1所示)。在第一幀中,在被跟蹤的目標(biāo)周圍收集n個(gè)圖像塊作為初始訓(xùn)練樣本,用初始訓(xùn)練樣本進(jìn)行學(xué)習(xí)得到KDA。由前n-m個(gè)樣本學(xué)習(xí)得到基礎(chǔ)字典,訓(xùn)練樣本中的后m個(gè)樣本通過KDA投影得到核擴(kuò)展字典。在之后的跟蹤過程中,獲取到當(dāng)前跟蹤結(jié)果后,對(duì)訓(xùn)練樣本中的后m個(gè)樣本進(jìn)行更新,也就是將當(dāng)前幀的跟蹤結(jié)果對(duì)應(yīng)的圖像塊作為新的樣本加入擴(kuò)展字典的訓(xùn)練樣本中,同時(shí)刪除原樣本中系數(shù)權(quán)重最小的樣本。當(dāng)前幀的跟蹤結(jié)果作為樣本加入擴(kuò)展字典學(xué)習(xí)樣本集中,更多地包含了目標(biāo)的表觀變化,進(jìn)一步提升了目標(biāo)表觀模型的自適應(yīng)性。

    圖1 跟蹤算法流程圖

    2 實(shí)驗(yàn)結(jié)果與分析

    在這一節(jié),使用視覺跟蹤標(biāo)準(zhǔn)數(shù)據(jù)集OTB2015[26]對(duì)跟蹤器的性能進(jìn)行測試,同時(shí)介紹實(shí)驗(yàn)數(shù)據(jù)集、評(píng)估指標(biāo),并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行定量和定性分析。在Windows系統(tǒng)平臺(tái)下使用Matlab2018b開發(fā)環(huán)境實(shí)現(xiàn)本文提出的跟蹤算法,相應(yīng)的硬件配置為Intel(R)Core(TM)i5-6300HQ 2.30GHZ處理器和8GB內(nèi)存。在粒子濾波框架中,若粒子數(shù)過多,則會(huì)影響跟蹤器的時(shí)效性;若粒子數(shù)過少,則會(huì)降低跟蹤器的準(zhǔn)確率。綜合考慮,每幀中的粒子數(shù)設(shè)置為300。確保跟蹤器的有效性和時(shí)效性,并通過大量實(shí)驗(yàn)表明,在第一幀中,選取25個(gè)訓(xùn)練樣本,其中前5個(gè)為基礎(chǔ)字典的學(xué)習(xí)樣本,后20個(gè)樣本作為擴(kuò)展字典的訓(xùn)練樣本。在后續(xù)幀的跟蹤,每幀都進(jìn)行擴(kuò)展字典樣本的更新并重新投影得到新的擴(kuò)展字典。

    本文在OTB2015視覺跟蹤數(shù)據(jù)集中選擇了8個(gè)視頻序列進(jìn)行了實(shí)驗(yàn)對(duì)比。這些視頻序列包括了多種目標(biāo)外觀變化,例如光照變化、部分遮擋、相似的背景、快速運(yùn)動(dòng)以及平面內(nèi)外旋轉(zhuǎn)等。并將所提出的跟蹤算法與當(dāng)前一些流行的跟蹤算法進(jìn)行比較,對(duì)比算法包括MDNet[27]、MEEM[28]、SANet[29]、SiamBAN[30]、SiamFC[20]、SiamFC++[31]和SiamRPN[21]。實(shí)驗(yàn)結(jié)果采用平均重疊率和跟蹤成功率兩種評(píng)估指標(biāo)進(jìn)行定量分析。平均重疊率是跟蹤目標(biāo)框與目標(biāo)真實(shí)值的交集與并集的比值,而成功率是在不同閾值下的成功跟蹤的比率。通過這兩種評(píng)估指標(biāo)驗(yàn)證跟蹤器的有效性,定量分析和定性分析跟蹤結(jié)果如圖2~3所示。其中定量分析是通過平均重疊率和跟蹤成功率兩種評(píng)估指標(biāo)的具體實(shí)驗(yàn)數(shù)據(jù)對(duì)跟蹤性能進(jìn)行分析。在定量分析的基礎(chǔ)上,針對(duì)不同的跟蹤算法進(jìn)行定性分析,進(jìn)行不同算法的優(yōu)劣性能的對(duì)比,分析跟蹤算法針對(duì)不同挑戰(zhàn)因素的處理能力等。

    2.1 定量分析

    在8個(gè)視頻序列上進(jìn)行實(shí)驗(yàn)對(duì)比,表1所示為8個(gè)跟蹤算法的平均重疊率。圖2中為上述的跟蹤算法在視頻序列上的跟蹤準(zhǔn)確率曲線圖。由表1與圖2可以看出,所提出的跟蹤算法在8個(gè)視頻序列中以0.751獲得最佳平均跟蹤性能,并在Fish和Man視頻序列中獲得了最好的跟蹤性能,以及在Coupon視頻序列中獲得了第二跟蹤性能。另外,SANet與SiamBAN在這8個(gè)視頻序列上分別獲得了第二和第三的跟蹤效果。

    表1 平均重疊率

    圖2 跟蹤精確度曲線圖

    表2為以上8個(gè)跟蹤算法在8個(gè)視頻序列上的跟蹤成功率,圖3給出了與其它跟蹤器在不同挑戰(zhàn)性視頻序列上對(duì)比的跟蹤成功率圖。本文中提出的跟蹤算法在8個(gè)視頻序列中以0.952獲得最佳平均成功率,并在Coupon、Crossing和Fish視頻序列中獲得了最佳性能以及在David2視頻序列中獲得了第三跟蹤性能。SANet算法在8個(gè)視頻序列中以0.951獲得第二平均跟蹤性能,并且在Coupon、Fish和MountainBike視頻序列中獲得最佳跟蹤成功率,還在Walking2視頻序列中獲得第二跟蹤成功率。另外MDNet和SiamBAN在8個(gè)視頻序列中以0.907同時(shí)獲得第三平均跟蹤性能。

    表2 跟蹤成功率

    圖3 跟蹤成功率曲線圖

    2.2 定性分析

    圖4為在不同挑戰(zhàn)性視頻序列中部分關(guān)鍵幀的對(duì)比跟蹤結(jié)果(其中圖a~c為Coupon序列上的跟蹤結(jié)果,圖d~f為Subway序列上的跟蹤結(jié)果,實(shí)線方框?yàn)楸疚乃惴ǖ母櫧Y(jié)果)。這些視頻序列包括了一種或多種目標(biāo)外觀變化,例如光照變化、部分遮擋、快速運(yùn)動(dòng)以及平面內(nèi)外旋轉(zhuǎn)。下面將從光照變化、遮擋、相似目標(biāo)等方面來詳細(xì)分析跟蹤算法性能。

    (1)遮擋。如圖4所示,Coupon和Subway序列中的目標(biāo)在運(yùn)動(dòng)過程中都經(jīng)歷了部分遮擋。在Subway序列中,第39幀時(shí)跟蹤目標(biāo)被部分遮擋,多個(gè)跟蹤器發(fā)生了不同程度的偏離目標(biāo)甚至完全丟失目標(biāo),例如SiamFC++、SiamFC以及SiamRPN。其中,SiamFC++將目標(biāo)特征作為一個(gè)整體,與搜索區(qū)域進(jìn)行相似性計(jì)算。然而,在跟蹤過程中,目標(biāo)通常會(huì)產(chǎn)生劇烈的目標(biāo)表觀變化,對(duì)可變目標(biāo)使用這種全局匹配可能導(dǎo)致匹配結(jié)果不夠準(zhǔn)確。所提出的跟蹤器利用基礎(chǔ)字典和核擴(kuò)展字典學(xué)習(xí)的表觀模型能有效區(qū)分目標(biāo)的相關(guān)信息,具有較高的跟蹤精度和魯棒性。

    (2)相似目標(biāo)。Coupon和Subway序列中的目標(biāo)和背景相似,例如Coupon序列中的第153幀與Subway序列中第101幀。SiamFC、SiamFC++和SiamRPN對(duì)跟蹤目標(biāo)產(chǎn)生了誤判,將相似的背景作為跟蹤目標(biāo)進(jìn)行跟蹤,導(dǎo)致跟蹤失敗。而本文所提出的基于基礎(chǔ)字典和核擴(kuò)展字典學(xué)習(xí)的跟蹤器在相似的背景環(huán)境下取得了較好的跟蹤結(jié)果。

    圖4 不同視頻序列上的跟蹤結(jié)果

    3 結(jié)束語

    在本文中,針對(duì)在劇烈表觀變化下目標(biāo)跟蹤性能較差的問題,提出了一種基于基礎(chǔ)字典與擴(kuò)展字典的聯(lián)合目標(biāo)表示方法。首先在視頻的初始幀收集一組訓(xùn)練學(xué)習(xí)樣本,通過核判別分析投影獲得基礎(chǔ)字典和擴(kuò)展字典?;A(chǔ)字典在跟蹤過程中不進(jìn)行更新,從而更多地保留了目標(biāo)的原有信息。在跟蹤過程中擴(kuò)展字典連續(xù)進(jìn)行更新,以更好地學(xué)習(xí)目標(biāo)的表觀變化,提升表觀模型的自適應(yīng)性。目標(biāo)候選塊由基礎(chǔ)字典與擴(kuò)展字典的線性組合進(jìn)行聯(lián)合表示。基于聯(lián)合字典的目標(biāo)表示與字典的更新,本文在粒子濾波框架下提出了一種基于擴(kuò)展字典學(xué)習(xí)的目標(biāo)跟蹤算法。在挑戰(zhàn)性的數(shù)據(jù)集上進(jìn)行廣泛的對(duì)比實(shí)驗(yàn)表明,與最先進(jìn)的跟蹤算法相比,所提出的跟蹤算法在實(shí)驗(yàn)評(píng)估中也取得了優(yōu)異的跟蹤性能。

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機(jī)模型
    提煉模型 突破難點(diǎn)
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達(dá)及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    3D打印中的模型分割與打包
    欧美日韩视频精品一区| 久久久久精品性色| 在线观看人妻少妇| 久久久国产精品麻豆| 丝袜人妻中文字幕| 成人18禁高潮啪啪吃奶动态图| 亚洲一区中文字幕在线| 男女午夜视频在线观看| 成人免费观看视频高清| 最新的欧美精品一区二区| 高清av免费在线| 一本久久精品| 亚洲伊人色综图| 日韩熟女老妇一区二区性免费视频| 欧美亚洲 丝袜 人妻 在线| 啦啦啦在线观看免费高清www| 一级毛片我不卡| 免费黄网站久久成人精品| 街头女战士在线观看网站| 国产激情久久老熟女| 午夜日韩欧美国产| av在线app专区| 亚洲,欧美,日韩| 这个男人来自地球电影免费观看 | 久久这里只有精品19| 精品少妇久久久久久888优播| 少妇熟女欧美另类| 亚洲国产看品久久| 老鸭窝网址在线观看| 最新中文字幕久久久久| 久久午夜福利片| 18禁动态无遮挡网站| 午夜福利,免费看| 1024视频免费在线观看| 两个人看的免费小视频| 丝袜在线中文字幕| 五月开心婷婷网| 69精品国产乱码久久久| 卡戴珊不雅视频在线播放| 欧美日韩亚洲高清精品| 伦理电影大哥的女人| 26uuu在线亚洲综合色| 日本爱情动作片www.在线观看| 日韩一区二区三区影片| 久久精品国产亚洲av涩爱| 国产精品成人在线| 在线观看国产h片| 亚洲精品成人av观看孕妇| 日韩欧美一区视频在线观看| 男的添女的下面高潮视频| 777米奇影视久久| 春色校园在线视频观看| 亚洲国产看品久久| 交换朋友夫妻互换小说| 青春草亚洲视频在线观看| 在线免费观看不下载黄p国产| 国产淫语在线视频| 这个男人来自地球电影免费观看 | 亚洲欧美日韩另类电影网站| 中文字幕人妻丝袜一区二区 | 国产一区二区 视频在线| 精品少妇一区二区三区视频日本电影 | 卡戴珊不雅视频在线播放| 狠狠精品人妻久久久久久综合| 免费大片黄手机在线观看| 成人黄色视频免费在线看| 人人澡人人妻人| 久久精品久久久久久久性| 亚洲欧美成人精品一区二区| 国产精品国产三级专区第一集| 精品一区在线观看国产| 久久久精品区二区三区| 亚洲中文av在线| 最新中文字幕久久久久| av国产久精品久网站免费入址| 黑人巨大精品欧美一区二区蜜桃| 日本-黄色视频高清免费观看| 18禁裸乳无遮挡动漫免费视频| 亚洲精品国产av成人精品| 国产亚洲精品第一综合不卡| 人成视频在线观看免费观看| 在线观看国产h片| 激情视频va一区二区三区| 国产伦理片在线播放av一区| 国产精品秋霞免费鲁丝片| 国产成人a∨麻豆精品| 自线自在国产av| 久久精品人人爽人人爽视色| 大码成人一级视频| 精品少妇一区二区三区视频日本电影 | 久久精品国产鲁丝片午夜精品| 国产免费现黄频在线看| av又黄又爽大尺度在线免费看| 久久国内精品自在自线图片| 宅男免费午夜| 一区二区av电影网| 午夜老司机福利剧场| 国产亚洲av片在线观看秒播厂| 永久网站在线| 国产综合精华液| 婷婷成人精品国产| 一级毛片黄色毛片免费观看视频| 男女边吃奶边做爰视频| 999精品在线视频| 黄色配什么色好看| 免费不卡的大黄色大毛片视频在线观看| www日本在线高清视频| 日韩精品免费视频一区二区三区| 免费观看a级毛片全部| 免费观看无遮挡的男女| 在线观看一区二区三区激情| 婷婷色麻豆天堂久久| 国产日韩一区二区三区精品不卡| 久久久久久人妻| 亚洲人成77777在线视频| 亚洲av.av天堂| 2021少妇久久久久久久久久久| 午夜福利乱码中文字幕| 欧美精品一区二区免费开放| 人妻人人澡人人爽人人| 久久亚洲国产成人精品v| 欧美精品一区二区免费开放| 亚洲国产欧美网| 波多野结衣av一区二区av| 国产福利在线免费观看视频| 国产精品女同一区二区软件| av在线app专区| 男女下面插进去视频免费观看| 搡老乐熟女国产| 成人二区视频| 日本-黄色视频高清免费观看| 多毛熟女@视频| 啦啦啦啦在线视频资源| 国产av码专区亚洲av| 一级片'在线观看视频| 狂野欧美激情性bbbbbb| 女性生殖器流出的白浆| 成人国产av品久久久| 中文字幕制服av| 看十八女毛片水多多多| 国产精品亚洲av一区麻豆 | 一区福利在线观看| 国产精品一国产av| av不卡在线播放| 一区二区日韩欧美中文字幕| 欧美bdsm另类| 国产老妇伦熟女老妇高清| 亚洲美女视频黄频| 男人爽女人下面视频在线观看| 国产午夜精品一二区理论片| 国产精品秋霞免费鲁丝片| 老司机亚洲免费影院| 另类亚洲欧美激情| 亚洲色图 男人天堂 中文字幕| 我的亚洲天堂| 少妇精品久久久久久久| 一区在线观看完整版| 一区二区三区乱码不卡18| 久久精品aⅴ一区二区三区四区 | 黄网站色视频无遮挡免费观看| 国产一区二区三区综合在线观看| 久久久久视频综合| 黄色 视频免费看| 国产在线视频一区二区| 啦啦啦在线观看免费高清www| 建设人人有责人人尽责人人享有的| 久久鲁丝午夜福利片| av免费在线看不卡| 婷婷色av中文字幕| 老司机影院毛片| 亚洲综合色网址| 国产精品一二三区在线看| www.av在线官网国产| 中国三级夫妇交换| 少妇人妻精品综合一区二区| 老司机影院毛片| √禁漫天堂资源中文www| 欧美成人精品欧美一级黄| 大陆偷拍与自拍| 欧美国产精品一级二级三级| 在线亚洲精品国产二区图片欧美| 91午夜精品亚洲一区二区三区| 亚洲精品av麻豆狂野| tube8黄色片| 大香蕉久久成人网| 99久国产av精品国产电影| 日韩在线高清观看一区二区三区| 一级毛片 在线播放| 男人爽女人下面视频在线观看| 十八禁网站网址无遮挡| 大片电影免费在线观看免费| 精品99又大又爽又粗少妇毛片| 男女免费视频国产| 天美传媒精品一区二区| 午夜影院在线不卡| 亚洲av成人精品一二三区| 在现免费观看毛片| 欧美最新免费一区二区三区| 丰满乱子伦码专区| 精品人妻一区二区三区麻豆| 国产精品无大码| 天天躁日日躁夜夜躁夜夜| 人妻 亚洲 视频| 日产精品乱码卡一卡2卡三| 久久综合国产亚洲精品| 十八禁高潮呻吟视频| 国产精品 国内视频| 免费观看性生交大片5| av在线老鸭窝| 中文字幕人妻熟女乱码| 一二三四在线观看免费中文在| 在线天堂中文资源库| 亚洲综合色网址| 亚洲国产欧美日韩在线播放| 亚洲av中文av极速乱| 男男h啪啪无遮挡| 国产精品香港三级国产av潘金莲 | 精品福利永久在线观看| 精品国产国语对白av| 久热这里只有精品99| 视频区图区小说| av女优亚洲男人天堂| 国产一区二区三区综合在线观看| 国产人伦9x9x在线观看 | 国产亚洲午夜精品一区二区久久| 18禁动态无遮挡网站| 男的添女的下面高潮视频| 国产成人a∨麻豆精品| 久久久欧美国产精品| 国产麻豆69| 国产精品国产三级国产专区5o| 99精国产麻豆久久婷婷| 国产1区2区3区精品| 欧美变态另类bdsm刘玥| 爱豆传媒免费全集在线观看| 成年av动漫网址| 电影成人av| 在线观看免费高清a一片| 久久婷婷青草| 99久久中文字幕三级久久日本| 黄网站色视频无遮挡免费观看| 免费女性裸体啪啪无遮挡网站| 最近中文字幕高清免费大全6| 巨乳人妻的诱惑在线观看| 午夜av观看不卡| 在现免费观看毛片| 国产熟女欧美一区二区| 黄片播放在线免费| 久久毛片免费看一区二区三区| 精品一区二区三区四区五区乱码 | 国产视频首页在线观看| 天天影视国产精品| 日韩制服骚丝袜av| 飞空精品影院首页| 免费高清在线观看视频在线观看| a级毛片黄视频| 国产精品.久久久| av一本久久久久| 精品亚洲成a人片在线观看| 在线观看免费日韩欧美大片| 丝袜脚勾引网站| 美女高潮到喷水免费观看| 激情五月婷婷亚洲| 亚洲精品久久成人aⅴ小说| 成人国产麻豆网| 国产精品一二三区在线看| 亚洲国产精品一区二区三区在线| 99九九在线精品视频| 99国产精品免费福利视频| 亚洲欧洲日产国产| 久久久久久久亚洲中文字幕| 99热网站在线观看| 国产无遮挡羞羞视频在线观看| 久久精品国产亚洲av高清一级| 国产成人a∨麻豆精品| 亚洲国产精品999| 欧美精品国产亚洲| 免费黄频网站在线观看国产| 免费在线观看黄色视频的| 国产日韩欧美视频二区| 精品人妻偷拍中文字幕| 咕卡用的链子| 99国产精品免费福利视频| √禁漫天堂资源中文www| 精品亚洲成国产av| 久久久久久伊人网av| 亚洲国产欧美日韩在线播放| 国产精品一国产av| 少妇 在线观看| av.在线天堂| 免费观看无遮挡的男女| 免费大片黄手机在线观看| 中国国产av一级| 久久精品熟女亚洲av麻豆精品| 久久这里只有精品19| 一边摸一边做爽爽视频免费| 高清黄色对白视频在线免费看| 99九九在线精品视频| 亚洲精品美女久久av网站| 精品一区在线观看国产| 少妇的逼水好多| 久久久久国产一级毛片高清牌| 成年av动漫网址| 日本av免费视频播放| 一二三四在线观看免费中文在| 午夜福利在线观看免费完整高清在| 中文欧美无线码| 亚洲国产精品成人久久小说| 午夜福利在线观看免费完整高清在| 好男人视频免费观看在线| 在线天堂中文资源库| 9色porny在线观看| 人妻一区二区av| 多毛熟女@视频| 国产免费又黄又爽又色| 又大又黄又爽视频免费| 国产精品蜜桃在线观看| 久久精品国产自在天天线| 国产乱来视频区| 久久免费观看电影| 欧美 亚洲 国产 日韩一| 色网站视频免费| 久久韩国三级中文字幕| 色94色欧美一区二区| 亚洲色图综合在线观看| 黄色一级大片看看| av在线播放精品| 国产精品二区激情视频| www.精华液| 老女人水多毛片| 日韩一卡2卡3卡4卡2021年| 狠狠精品人妻久久久久久综合| 制服诱惑二区| 国产精品一二三区在线看| 亚洲一区二区三区欧美精品| 99热全是精品| 18在线观看网站| 国产精品99久久99久久久不卡 | 日韩中文字幕视频在线看片| 免费黄频网站在线观看国产| 国产精品人妻久久久影院| 国产乱人偷精品视频| 少妇人妻 视频| 黄色 视频免费看| 日本av免费视频播放| 丰满饥渴人妻一区二区三| 麻豆av在线久日| www日本在线高清视频| 免费观看在线日韩| 一区二区三区乱码不卡18| 国产免费现黄频在线看| 午夜91福利影院| 国产白丝娇喘喷水9色精品| 黄色毛片三级朝国网站| 免费高清在线观看日韩| 国产在视频线精品| 免费女性裸体啪啪无遮挡网站| 国产在视频线精品| 大话2 男鬼变身卡| 亚洲精品日本国产第一区| 亚洲国产精品一区二区三区在线| 国产精品久久久久久精品电影小说| 满18在线观看网站| a级毛片黄视频| 国产女主播在线喷水免费视频网站| 高清欧美精品videossex| 色网站视频免费| 咕卡用的链子| 国产成人精品久久久久久| 一本大道久久a久久精品| 肉色欧美久久久久久久蜜桃| www日本在线高清视频| 最近最新中文字幕大全免费视频 | 大片免费播放器 马上看| 成人亚洲精品一区在线观看| 9191精品国产免费久久| 免费观看av网站的网址| 免费日韩欧美在线观看| 天天躁夜夜躁狠狠久久av| 久久久久精品性色| 18在线观看网站| 国产精品国产三级国产专区5o| 国产精品国产三级专区第一集| 青春草国产在线视频| 黄片无遮挡物在线观看| 晚上一个人看的免费电影| 波多野结衣一区麻豆| 欧美日韩亚洲高清精品| 日本vs欧美在线观看视频| 国产野战对白在线观看| 日韩中文字幕视频在线看片| 亚洲精品久久成人aⅴ小说| 黑人猛操日本美女一级片| 日韩一区二区视频免费看| 欧美日韩亚洲国产一区二区在线观看 | 国产精品欧美亚洲77777| 久久婷婷青草| 中国国产av一级| 欧美人与善性xxx| 久久青草综合色| 久久鲁丝午夜福利片| 久久 成人 亚洲| 国产免费现黄频在线看| 婷婷色综合www| 寂寞人妻少妇视频99o| 在现免费观看毛片| 午夜日本视频在线| 亚洲国产欧美日韩在线播放| 久久这里只有精品19| 国产野战对白在线观看| 亚洲内射少妇av| 精品人妻在线不人妻| 中文字幕最新亚洲高清| 成年人免费黄色播放视频| 亚洲,一卡二卡三卡| 久久久国产精品麻豆| 一区二区三区乱码不卡18| 亚洲欧美一区二区三区黑人 | 亚洲美女黄色视频免费看| 国产无遮挡羞羞视频在线观看| 五月伊人婷婷丁香| 99久久人妻综合| 一本色道久久久久久精品综合| 亚洲三级黄色毛片| 亚洲av电影在线观看一区二区三区| 国产伦理片在线播放av一区| 国产成人免费无遮挡视频| 久久国产精品大桥未久av| 国产精品久久久久成人av| 人成视频在线观看免费观看| 激情视频va一区二区三区| 少妇被粗大猛烈的视频| 亚洲少妇的诱惑av| 欧美精品国产亚洲| 久久亚洲国产成人精品v| 欧美日韩视频高清一区二区三区二| 99re6热这里在线精品视频| 亚洲 欧美一区二区三区| 欧美最新免费一区二区三区| 国产老妇伦熟女老妇高清| 天天躁夜夜躁狠狠久久av| 国产乱来视频区| 99香蕉大伊视频| 精品亚洲乱码少妇综合久久| 熟女少妇亚洲综合色aaa.| 国产精品不卡视频一区二区| 亚洲精品av麻豆狂野| 精品国产露脸久久av麻豆| 亚洲国产色片| 免费人妻精品一区二区三区视频| 自线自在国产av| 日韩三级伦理在线观看| 1024香蕉在线观看| 久久韩国三级中文字幕| 大话2 男鬼变身卡| 亚洲欧美一区二区三区国产| 日本色播在线视频| 免费黄频网站在线观看国产| av一本久久久久| 捣出白浆h1v1| 中文字幕精品免费在线观看视频| www日本在线高清视频| 国产免费福利视频在线观看| 黄网站色视频无遮挡免费观看| 免费在线观看黄色视频的| 国产亚洲av片在线观看秒播厂| 日本猛色少妇xxxxx猛交久久| 亚洲精华国产精华液的使用体验| 午夜福利视频精品| 永久网站在线| 丰满饥渴人妻一区二区三| 视频区图区小说| 日本欧美视频一区| 亚洲情色 制服丝袜| 性高湖久久久久久久久免费观看| 免费日韩欧美在线观看| 青草久久国产| 精品亚洲成a人片在线观看| 男女边吃奶边做爰视频| 精品少妇黑人巨大在线播放| 人妻人人澡人人爽人人| 这个男人来自地球电影免费观看 | 伦理电影大哥的女人| 日韩大片免费观看网站| 国产午夜精品一二区理论片| 91精品国产国语对白视频| 寂寞人妻少妇视频99o| 日韩中文字幕欧美一区二区 | 亚洲精品日韩在线中文字幕| 九色亚洲精品在线播放| av免费观看日本| 久久精品国产a三级三级三级| 国产亚洲欧美精品永久| 久久久久精品人妻al黑| 最近手机中文字幕大全| 一级,二级,三级黄色视频| 下体分泌物呈黄色| 99香蕉大伊视频| 午夜影院在线不卡| 综合色丁香网| 香蕉丝袜av| 97精品久久久久久久久久精品| 日韩伦理黄色片| 男人添女人高潮全过程视频| 人人澡人人妻人| 国产av码专区亚洲av| 侵犯人妻中文字幕一二三四区| 国产极品粉嫩免费观看在线| 极品少妇高潮喷水抽搐| 国产精品欧美亚洲77777| 在线天堂中文资源库| 热99国产精品久久久久久7| 18在线观看网站| 99久久人妻综合| 欧美国产精品一级二级三级| 久久久久久久久久久免费av| 亚洲国产色片| 精品国产乱码久久久久久小说| 欧美精品高潮呻吟av久久| 搡老乐熟女国产| 国产男女超爽视频在线观看| 侵犯人妻中文字幕一二三四区| 日韩不卡一区二区三区视频在线| 亚洲国产看品久久| 国精品久久久久久国模美| 国产福利在线免费观看视频| 欧美成人精品欧美一级黄| xxx大片免费视频| 在线精品无人区一区二区三| 日本欧美国产在线视频| 亚洲熟女精品中文字幕| 欧美在线黄色| 久久久久久久精品精品| 天堂中文最新版在线下载| 国产无遮挡羞羞视频在线观看| 国产精品亚洲av一区麻豆 | 国产精品无大码| tube8黄色片| 青青草视频在线视频观看| 狠狠婷婷综合久久久久久88av| 韩国av在线不卡| 亚洲综合色惰| 亚洲国产精品999| 夜夜骑夜夜射夜夜干| 91aial.com中文字幕在线观看| 国产精品麻豆人妻色哟哟久久| 欧美日韩视频高清一区二区三区二| 免费观看在线日韩| 丝袜在线中文字幕| 国产男女内射视频| 精品酒店卫生间| 亚洲欧美一区二区三区国产| 精品久久久久久电影网| 国产精品不卡视频一区二区| 又黄又粗又硬又大视频| 亚洲熟女精品中文字幕| 国产淫语在线视频| av卡一久久| 亚洲av中文av极速乱| 国产日韩欧美亚洲二区| 久久午夜综合久久蜜桃| 99国产综合亚洲精品| 麻豆乱淫一区二区| 国产成人免费观看mmmm| 欧美激情 高清一区二区三区| 春色校园在线视频观看| 欧美人与性动交α欧美精品济南到 | 狠狠婷婷综合久久久久久88av| 婷婷色av中文字幕| 亚洲精品国产一区二区精华液| 看十八女毛片水多多多| 久久人人爽人人片av| 久久久久久伊人网av| 亚洲,欧美,日韩| 女性被躁到高潮视频| 99香蕉大伊视频| 两个人免费观看高清视频| 亚洲国产最新在线播放| 91aial.com中文字幕在线观看| 国产色婷婷99| 毛片一级片免费看久久久久| 2022亚洲国产成人精品| 国产亚洲av片在线观看秒播厂| 亚洲精品久久午夜乱码| 国产精品 国内视频| 男女午夜视频在线观看| 久久久久久久精品精品| 电影成人av| 91成人精品电影| 我的亚洲天堂| 久久久久久久久久久久大奶| 精品人妻一区二区三区麻豆| 人人妻人人添人人爽欧美一区卜| 人成视频在线观看免费观看| 亚洲国产精品国产精品| 国产成人av激情在线播放| 永久网站在线| 亚洲美女搞黄在线观看| 久久ye,这里只有精品| 成年美女黄网站色视频大全免费| 飞空精品影院首页| 伦理电影免费视频| 制服丝袜香蕉在线| 久久精品国产亚洲av天美| 久久午夜综合久久蜜桃| 国产福利在线免费观看视频| 久久精品国产亚洲av天美| 青青草视频在线视频观看| av网站免费在线观看视频| 99久久人妻综合| 天美传媒精品一区二区| 一级,二级,三级黄色视频| 一个人免费看片子| 久久国产亚洲av麻豆专区| 国产黄频视频在线观看|