• <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 ?

    一種新的魯棒主成分分析方法及其應用

    2016-06-17 03:27:24陳甲英趙建偉曹飛龍
    中國計量大學學報 2016年1期

    陳甲英,趙建偉,曹飛龍

    (中國計量學院 理學院,浙江 杭州 310018)

    ?

    一種新的魯棒主成分分析方法及其應用

    陳甲英,趙建偉,曹飛龍

    (中國計量學院 理學院,浙江 杭州 310018)

    【摘要】背景建模在視頻運動分析中具有重要作用.視頻序列背景圖像通常具有低秩性,為了更好地刻畫該特性,精確提取視頻背景,提出了一種基于截斷核范數(shù)的魯棒主成分分析模型.同時設(shè)計了一種兩步迭代算法來求解該模型,最后將該算法應用于視頻背景建模.不同視頻數(shù)據(jù)庫實驗表明,該算法對于求解背景建模問題是有效的.

    【關(guān)鍵詞】矩陣恢復;截斷核范數(shù);魯棒主成分分析;背景建模

    如何較準確地從視頻流中提取運動目標是計算機視覺研究領(lǐng)域中的一個重要的方向.同時,也是行為理解和運動分析的重要前提.在實際應用中,常見的運動目標檢測算法主要有三類:光流法[1],相鄰幀間圖像差分法[2]以及背景圖像差分法[3].相比于前兩種方法,背景圖像差分法更加精確、速度更快并且實現(xiàn)比較簡單,是目標檢測中一種常用的方法.其基本原理如下:首先估計背景圖像,然后利用背景圖像與當前幀圖像的差進行目標檢測.因此,背景圖像建模是背景圖像差分法進行目標檢測的關(guān)鍵.

    根據(jù)攝像機拍攝方法的不同,視頻可以被分為攝像機固定拍攝的定視角視頻和攝像機運動拍攝的變視角視頻兩類,本文主要針對前者進行背景建模問題研究.國內(nèi)外對于這一問題已有很多學者進行了研究,提出了一些不同的建模方法.如:Wren等人[4]提出的單高斯分布模型,在單高斯模型的基礎(chǔ)之上Friedman和Russell[5]提出了混合高斯背景模型.而混合高斯分布模型的缺點是參數(shù)估計較慢,模型個數(shù)難以確定.為了從根本上解決混合高斯背景模型中參數(shù)估計運算量過大的問題,編碼本(Codebook)背景建模方法[6-7]及非參數(shù)背景建模[8]被提出.從本質(zhì)上看,由于這些方法全部是建立在對像素點的分析上,算法雖然實現(xiàn)簡便,但是忽視了像素點間的聯(lián)系和物體的整體屬性,在一些視頻中,僅通過像素值出現(xiàn)的頻率和穩(wěn)定性并不能準確區(qū)分前景和背景.例如,體積較大的單色物體在運動過程中,其內(nèi)部經(jīng)常會判定為穩(wěn)定的背景.近年來,隨著壓縮感知理論研究的深入,稀疏表示成為一種更加有效的數(shù)據(jù)表示方式.然而,現(xiàn)實世界中很多數(shù)據(jù)是以矩陣形式存儲的,因此,將向量樣例的稀疏表示推廣到矩陣的低秩情形的低秩矩陣恢復理論應運而生.考慮到視頻序列各幀之間的相關(guān)性,Candès等人[9]用矩陣恢復方法來提取攝像機固定的情況下的視頻圖像的背景,并且得到了理想的提取效果.已有的矩陣恢復方法雖然考慮了每幀圖像像素之間的聯(lián)系,但是核范數(shù)可能不是刻畫各幀圖像之間的低秩性的最好方法.因此,尋找一種更好的矩陣恢復方法并用其進行背景提取無疑是具有重要的理論和現(xiàn)實意義.

    本文結(jié)構(gòu)如下:第一節(jié)簡單介紹基于核范數(shù)的魯棒主成分分析方法;第二節(jié)提出一種新的基于截斷核范數(shù)的魯棒主成分分析算法并給出了相應的求解方法;第三節(jié)是實驗部分,包括人工數(shù)據(jù)有效性實驗和背景提取兩個實驗;第四節(jié)是結(jié)論.

    1基于核范數(shù)的魯棒主成分分析方法

    在固定攝像機位置的情況下,可得到一段時間內(nèi)的一個視頻序列.由于攝像機是靜止的,所以只要沒有運動物體經(jīng)過,視頻背景是固定的.也就是說,在一段視頻圖像中,可將運動物體看作背景部分的噪聲項,除去噪聲項,各幀圖像的背景部分是線性相關(guān)的,即一段視頻中,所有背景圖像構(gòu)成的矩陣是低秩的,運動的前景可以看作是稀疏的噪聲.

    考慮一個視頻序列中的N幀圖像,分別記為{I1,I2,…,IN},其中Ii(i=1,2,…,N)是一個m×n的圖像矩陣.將每個圖像矩陣Ii拉成列向量,按照原來視頻序列中各幀圖像的順序重新生成一個mn×N的矩陣D.對于矩陣D,可以分解成運動目標E和固定背景Z的和,即D=Z+E.根據(jù)前面的分析,各幀圖像的背景拉成的向量是線性相關(guān)的,即矩陣Z具有低秩性,而運動目標在圖像中可以看作噪聲,具有一定的稀疏性.因此,背景建模問題事實上就是求解以下低秩矩陣恢復問題:

    s.tD=Z+E.

    (1)

    然而,由于秩函數(shù)以及零范數(shù)的非凸性,該模型是一個NP難問題[10-11].Fazel[12]首次在控制系統(tǒng)中用核范數(shù)作為秩函數(shù)的近似,之后大量理論研究說明:在滿足強不相干性條件[9,13]和約束等距條件[14]的前提下,核范數(shù)可以作為秩函數(shù)的一種凸替代;同時,l1范數(shù)可以作為l0范數(shù)的凸替代[10,13].在文獻[9]和[14]中,Candès等人提出了一種主成分追蹤方法:

    s.tD=Z+E.

    (2)

    我們將這種基于核范數(shù)的背景提取方法又稱為基于核范數(shù)的魯棒主成分分析方法(Robust Principal Component Analysis Method with Nuclear Norm,RPCA-NN).此外,一些研究者還考慮了有噪聲存在的情況下的低秩矩陣恢復問題[15-16],并給出了相關(guān)算法.

    事實上,模型(2)可以用迭代閾值方法求解(Iterative Threshold,IT)[15,17]來求解,但是,IT迭代步長不好選擇,而且需要迭代很多次才能收斂.為了克服IT收斂速度慢的局限性,Lin等人[18]提出了兩種新的求解該問題的方法,分別是加速近端梯度算法(Accelerated Proximal Gradient,APG)和對偶算法(Dual Method,DM).此外,文獻[19]提出了增廣拉格朗日算法(Augmented Lagrange Multiplier,ALM)和非精確增廣拉格朗日算法(Inexact Augmented Lagrange Multiplier, IALM)來求解(2)式,使得其迭代解能夠收斂到該優(yōu)化問題的精確解,并且耗時相對較少.

    2基于截斷核范數(shù)的魯棒主成分分析方法

    由于在提取背景時,人們期望背景部分是低秩的,Hu等人指出核范數(shù)不是秩函數(shù)的最佳近似,因為原始的秩函數(shù)只需要考慮非零奇異值的個數(shù),且每個非零奇異值對秩函數(shù)有著同等的貢獻,而核范數(shù)是所有非零奇異值的和,但不同的非零奇異值對核范數(shù)的影響不同,大的奇異值起了主要的作用.對于一個矩陣D∈Rm×n,它的秩在很大程度上是取決于最小的min(m,n)-r個奇異值的非零元素的個數(shù),前r個奇異值在估計秩時提供的信息是非常有限的,而核范數(shù)中起決定作用的恰恰是前面的較大的奇異值.基于此Hu等人[20]提出了一種更精確的低秩性的刻畫方式,即截斷核范數(shù)正則化方法(Truncated Nuclear Norm,TNN).

    首先,介紹截斷核范數(shù)的概念:

    其中σi(D)是D的第i個奇異值,r為整數(shù),且r小于矩陣的秩rank(D).

    受Hu等人研究的啟發(fā),本文提出了一種基于截斷核范數(shù)的魯棒主成分分析方法(Robust Principal Component Analysis Method with Nuclear Norm,RPCA-TNN):

    s.tD=Z+E.

    (3)

    然而,由于截斷核范數(shù)是非凸的,因此模型(3)是一個NP-Hard問題[10-11],無法用凸優(yōu)化的方法來求解該模型.然而,截斷核范數(shù)具有以下性質(zhì)[20]:

    引理1[20]對于任意的矩陣Z∈Rm×n,任意的非負整數(shù)r(r≤min(m,n)),存在秩為r的矩陣A∈Rr×m和B∈Rr×n,且有AAΤ=I,BBΤ=I,有如下的結(jié)論:

    (4)

    其中σi(Z)是Z的第i個奇異值.

    該引理的證明已在文獻[20]中給出.

    根據(jù)引理1和奇異值分解的知識,我們可以得到下面的結(jié)論:

    (5)

    因此,在A和B確定的情況下,根據(jù)(5)式,上述優(yōu)化問題(3)可以轉(zhuǎn)化為求解下面的優(yōu)化問題:

    s.tD=Z+E.

    (6)

    (7)

    其中Y是拉格朗日乘子,μ>0是懲罰參數(shù),<.,.>為矩陣內(nèi)積.

    通過交替方向法求解下面的無約束優(yōu)化問題:

    即固定其中兩個變量,求解剩下的一個變量:

    (8)

    為了求解上面的問題,給出以下定義和引理:

    定義2[21-22]矩陣D∈Rm×n的奇異值分解為:

    D=USVT,S=diag({σi}1≤i≤min(m,n)),定義奇異值閾值算子:

    Θτ(D)=UΘτ(Σ)VT,

    其中σi是D的第i個奇異值.

    引理2[21-22]對于τ>0,Y∈Rm×n,下面的結(jié)論成立:

    引理3[9,23]對于τ>0,Y∈Rm×n設(shè)Sτ:R→R是軟閾值算子,則它是下面優(yōu)化問題的解:

    且軟閾值算子

    其中Y=(yij).

    我們首先固定E和Y,更新Z,即求解下面的優(yōu)化模型:

    從而根據(jù)引理2和定義2,可以得到Z的解為下面的形式:

    (9)

    然后,我們固定Z和Y,更新E:

    再根據(jù)引理3得到E的迭代解如下:

    (10)

    最后,計算拉格朗日乘子Y和懲罰參數(shù)μ:

    Yk+1=Yk+μk(D-Zk+1-Ek+1),

    (11)

    μk+1=min(ρμk,μmax),

    (12)

    其中ρ>1是一個常數(shù).

    應用兩步迭代策略交替迭代直到算法收斂.算法總結(jié)如下.

    兩步迭代算法:

    步驟一,初始化

    1)給定初值Z1=D;

    2)給定第二步迭代收斂誤差eps;

    3)給定終止誤差ε.

    步驟二,計算Al和Bl

    計算Zl的奇異值分解

    其中,

    Ul=(u1,u2,…,um)∈Rm×m,

    Vl=(v1,v2,…,vn)∈Rn×n,

    從而,Al=(u1,u2,…,ur)Τ,

    Bl=(v1,v2,…,vr)Τ.

    步驟三,用交替方向法求解優(yōu)化子問題(6)

    1)用(9)式更新變量Z;

    2)用(10)式更新變量E;

    3)用(11)式更新拉格朗日乘子Y.

    4)用(12)式更新懲罰參數(shù)μ.

    直到算法收斂,即

    步驟四,轉(zhuǎn)到步驟二重復迭代循環(huán),更新變量,直到外部算法收斂,即

    3實驗結(jié)果及分析

    3.1人工數(shù)據(jù)實驗

    根據(jù)文獻[24],人工數(shù)據(jù)矩陣按如下方式生成:首先生成一個秩為r的低秩方陣Z0∈Rm×n和一個相同大小的稀疏矩陣E0,則待恢復的矩陣D0可以表示為D0=Z0+E0.

    為說明提出的基于截斷核范數(shù)的魯棒主成分分析方法要優(yōu)于基于核范數(shù)的魯棒主成分分析方法,本文用RPCA-TNN和RPCA-NN分別提取人工數(shù)據(jù)D0的低秩部分Z,并用Z的秩、低秩誤差以及總體誤差來刻畫兩種方法的有效性,其中低秩誤差和總體誤差的定義形式如下[24]:

    本文用到的矩陣大小分別是200、600、1 000、1 300的人工數(shù)據(jù)方陣來做實驗,從表1可以發(fā)現(xiàn):不論是RPCA-TNN,還是RPCA-NN都能夠很好地提取人工數(shù)據(jù)矩陣的低秩部分.但是,RPCA-TNN不論是總誤差還是低秩誤差都要比

    表1 RPCA-TNN和RPCA-NN在人工數(shù)據(jù)上的實驗結(jié)果

    圖1 利用RPCA-TNN和RPCA-NN來提取背景并檢測單一前景Figure 1 Background subtraction and simple foreground object detection by RPCA-TNN and RPCA_NN

    RPCA-NN小至少三個數(shù)量級.這說明較之RPCA-NN,RPCA-TNN能夠更好地處理低秩提取相關(guān)的問題.此外,從表1看出,RPCA-TNN耗時更多一些,但是,這是可以理解的:奇異值分解是比較耗時的運算.

    3.2背景提取與前景檢測

    本小節(jié)中,我們用七個由靜態(tài)攝像機拍攝的監(jiān)控視頻數(shù)據(jù)做實驗,即:Labby dataset,Escalator dataset,F(xiàn)ountain dataset,Campus dataset,Water Surface dataset,Hall dataset和Bootstrap dataset[25].分別用RPCA-TNN和RPCA-NN提取以上視頻數(shù)據(jù)的背景,并且將提取的結(jié)果進行直觀的比較,實驗結(jié)果顯示在圖1和圖2中.由于實驗條件的限制,在每個視頻數(shù)據(jù)集上,我們分別取35幀視頻圖像做實驗.由于所有的視頻圖像都是彩色的,首先需要將視頻圖像轉(zhuǎn)成灰度圖像,然后將每一幀灰度圖像拉成一個長列向量,最后將這35個列向量并成矩陣D.

    圖2 利用RPCA-TNN和RPCA-NN來提取背景并檢測復雜前景Figure 2 Background subtraction and complex foreground object detection by RPCA-TNN and RPCA-NN

    圖1和圖2呈現(xiàn)了用RPCA-TNN和RPCA-NN在每個視頻數(shù)據(jù)集上的背景提取結(jié)果.其中前三列是用本文提出的方法得到的結(jié)果,第一列是含有噪聲或運動物體的視頻圖像,第二列是提取背景后剩余的運動物體或噪聲,第三列是利用本文提出的方法提取的背景部分.同樣的,后三列是用RPCA-NN得到的提取結(jié)果.

    從圖1直觀觀察,我們發(fā)現(xiàn)當視頻幀數(shù)比較少,視頻場景中的運動物體比較單一的情況下,RPCA-TNN和RPCA-NN都能夠提取出視頻的背景圖像.但是,與RPCA-TNN相比,我們很容易發(fā)現(xiàn):用RPCA-NN提取出的運動前景物體中還包含了很少的一部分背景,也就是說提取的背景圖像有損失.所以,在處理背景建模問題時,本文提出的RPCA-TNN方法的提取效果要優(yōu)于一般的RPCA-NN.

    圖2中的視頻場景比較復雜,含有多運動物體.我們發(fā)現(xiàn)當視頻幀數(shù)很少時,RPCA-NN已經(jīng)不能夠提取出視頻的背景模型了,而本文提出的RPAC-TNN仍然能夠比較精確的提取出視頻背景.

    4結(jié)語

    本文提出了一種基于截斷核范數(shù)的魯棒主成分分析算法,使其能夠更好地恢復低秩稀疏矩陣.由于截斷核范數(shù)的非凸性,我們設(shè)計了兩步迭代算法,并將該算法應用于背景建模中.實驗結(jié)果表明,本文提出的方法相比一般的基于核范數(shù)的方法能更好地處理背景建模問題.

    【參考文獻】

    [1]WEI hiqiang, JI Xiaopeng, WANG Peng. Real-time moving object detection for video monitoring systems [J]. Journal of Systems Engineering and Electronics,2006,17(4):731-736.

    [2]LIPTON A J, FUJIYOSHI H, PATIL R S. Moving target classification and tracking from real-time video [C]// Proceedings of 4th IEEE Workshop on Applications of Computer Vision. New Jersey: IEEE, 1998: 8-14.

    [3]CHEN Baisheng, LEI Yunqi, LI Wangwei. A novel background model for real-time vehicle detection [C]// Proceedings of 7th International Conference on Signal Processing. Beijing: IEEE, 2004, 2: 1276-1279.

    [4]WREN C R, AZARBAYEJAIN A, DARRELL T. Pfinder: real-time tracking of the human body [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997, 19(7): 780-785.

    [5]FRIEDMAN N, RUSSELL S. Image segmentation in video sequences: a probabilistic approach [C]// Proceedings of 13th Conference on Uncertainty in Artificial Intelligence (UAI). San Francisco: Morgan Kaufmann Publishers Inc,1997:175-181.

    [6]KIM K, CHALIDABHONGSE T H, HARWOOD D, et al. Real-time foreground-background segmentation using Codebook Model [J]. Real-Time Imaging, 2005, 11(3): 172-185.

    [7]ILYAS A, SCUTURICI M, MIGUET S. Real time foreground-background segmentation using a modified Codebook Model [C]// Proceedings of 6th IEEE International Conference on Advanced Video and Signal Based Surveillance. Genova: IEEE, 2009: 454-459.

    [8]ELGAMMAL A, DURAISWAMI R, HARWOOD D, et al. Background and foreground modeling using nonparametric kernel density estimation for visual surveillance [J]. Proceedings of the IEEE, 2002, 90(7): 1151-1163.

    [10]NATARAJAN B K. Sparse approximate solutions to linear systems [J]. SIAM Journal on Computing, 1995, 24(2): 227-234.

    [11]RECHT B, FAZEL M, PARRILO P A. Guaranteed minimum-rank solutions of linear matrix equations via nuclear norm minimization [J]. SIAM Review, 2010, 52(3): 471-501.

    [12]FAZEL M. Matrix rank minimization with applications [D]. Stanford: Stanford University, 2002.

    [15]GANESH A, WRIGHT J, LI Xiaodong, et al. Dense error correction for low-rank matrices via principal component pursuit [C]// Proceedings of 2010 IEEE International Symposium on Information Theory (ISIT). Austin: IEEE, 2010: 1513-1517.

    [16]ZHOU Zihan, LI Xiaodong, WRIGHT J, et al. Stable principal component pursuit [C]// Proceedings of 2010 IEEE International Symposium on Information Theory (ISIT). Austin: IEEE, 2010: 1518-1522.

    [17]WRIGHT J, GANESH A, RAO S, et al. Robust principal component analysis: exact recovery of corrupted low-rank matrices via convex optimization [C]// Advances in Neural Information Processing Systems. Granada: NIPS, 2009: 2080-2088.

    [18]LIN Zhouchen, GANESH A, WRIGHT J, et al. Fast convex optimization algorithms for exact recovery of a corrupted low-rank matrix [J]. International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP), 2009, 61: 213-216.

    [19]LIN Zouchen, LIU Risheng, SU Zhixun. Linearized alternating direction method with adaptive penalty for low-rank representation [C]// Advances in Neural Information Processing Systems. Granada: NIPS, 2011: 612-620.

    [20]HU Yao, ZHANG Debing, YE Jieping, et al. Fast and accurate matrix completion via truncated nuclear norm regularization [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(9):2117-2130.

    [22]LIU Yuanyuan, JIAO Licheng, SHANG Fanhua, et al. An efficient matrix bi-factorization alternative optimization method for low-rank matrix recovery and completion [J]. Neural Networks, 2013, 48: 8-18.

    [23]COMBETTES P L, WAJS V R. Signal recovery by proximal forward-backward splitting [J]. Multiscale Modeling & Simulation, 2005, 4(4): 1168-1200.

    [24]YUAN Xxiaoming, YANG Junfeng. Sparse and low-rank matrix decomposition via alternating direction methods [J]. Operations Research & Management Science, 2013, 9(1): 167-180.

    [25]Statistical modeling of complex background for foregrou-nd object detection [DB]. http://perception.i2r.a-star.edu.sg/bk_model/bk_index.html[2015-09-28].

    A novel robust principal component analysis method and its applications

    CHEN Jiaying, ZHAO Jianwei, CAO Feilong

    (College of Sciences, China Jiliang University, Hangzhou 310018, China)

    Abstract:Background modeling is critical in the video motion analysis. To describe the low rank property of a set of video sequences and to improve the accuracy of background modeling, a novel robust principal component analysis with the truncated nuclear norm method was proposed. A model with a two step iterative strategy was used to solve the problem. Finally, the algorithm was applied in the video background modeling. A series of experiments on different video databases demonstrated that the algorithm was effective for the solving of the background modeling problem.

    Key words:matrix recovery; truncated nuclear norm; robust principal component analysis; background modeling

    【文章編號】1004-1540(2015)01-0113-08

    DOI:10.3969/j.issn.1004-1540.2016.01.021

    【收稿日期】2015-10-06《中國計量學院學報》網(wǎng)址:http://zgjl.cbpt.cnki.net

    【基金項目】國家自然科學基金資助項目(No.61571410,61272023).

    【作者簡介】陳甲英(1990- ),女,甘肅省金昌人,碩士研究生,主要研究方向為矩陣恢復.E-mail:zccyman@163.com

    【中圖分類號】TP399

    【文獻標志碼】A

    通信聯(lián)系人:曹飛龍,男,教授.E-mail:flcao@cjlu.edu.cn

    长腿黑丝高跟| 欧美日韩亚洲国产一区二区在线观看| 欧美日本视频| 午夜免费成人在线视频| 精品久久久久久久毛片微露脸| 18禁裸乳无遮挡免费网站照片| 国产单亲对白刺激| 亚洲自偷自拍图片 自拍| 国内少妇人妻偷人精品xxx网站 | 欧美高清成人免费视频www| 亚洲中文字幕一区二区三区有码在线看 | 国产午夜精品久久久久久| 性色avwww在线观看| 亚洲男人的天堂狠狠| 成人永久免费在线观看视频| 亚洲国产精品sss在线观看| 午夜福利免费观看在线| 97超级碰碰碰精品色视频在线观看| 亚洲 欧美一区二区三区| 久久精品91蜜桃| 黄色女人牲交| 在线观看午夜福利视频| 国产激情久久老熟女| 国产精品99久久久久久久久| 欧美日本亚洲视频在线播放| 51午夜福利影视在线观看| 日本撒尿小便嘘嘘汇集6| 美女被艹到高潮喷水动态| 不卡一级毛片| 成年女人永久免费观看视频| 午夜激情欧美在线| 欧美高清成人免费视频www| 久久久久久九九精品二区国产| 五月玫瑰六月丁香| 真人一进一出gif抽搐免费| 制服人妻中文乱码| 九九在线视频观看精品| 中文字幕人妻丝袜一区二区| 欧美日韩一级在线毛片| 在线国产一区二区在线| 国产精品久久久久久亚洲av鲁大| 俄罗斯特黄特色一大片| 婷婷丁香在线五月| 国产精品国产高清国产av| 99久久久亚洲精品蜜臀av| 波多野结衣高清作品| 毛片女人毛片| 国产av麻豆久久久久久久| 国产高清视频在线播放一区| 麻豆国产97在线/欧美| 两性夫妻黄色片| 国产淫片久久久久久久久 | 亚洲片人在线观看| 高清毛片免费观看视频网站| 免费观看精品视频网站| 婷婷精品国产亚洲av在线| 久久久久久大精品| 成人鲁丝片一二三区免费| 欧美日本视频| 亚洲片人在线观看| 一本一本综合久久| 亚洲在线观看片| 国产一区二区三区视频了| 97超视频在线观看视频| 欧美日韩福利视频一区二区| 成人一区二区视频在线观看| 嫩草影视91久久| 九九热线精品视视频播放| 狂野欧美白嫩少妇大欣赏| 可以在线观看毛片的网站| 1000部很黄的大片| 国产亚洲欧美在线一区二区| 在线观看免费午夜福利视频| 中文资源天堂在线| 女人高潮潮喷娇喘18禁视频| 久久亚洲真实| 亚洲av成人精品一区久久| 亚洲国产高清在线一区二区三| 亚洲精品色激情综合| 两性夫妻黄色片| 一级毛片女人18水好多| 女人高潮潮喷娇喘18禁视频| 搡老妇女老女人老熟妇| 精品午夜福利视频在线观看一区| 麻豆成人av在线观看| 在线永久观看黄色视频| 成人无遮挡网站| 久久国产精品人妻蜜桃| 又粗又爽又猛毛片免费看| a级毛片a级免费在线| 国产日本99.免费观看| 中文资源天堂在线| 久久99热这里只有精品18| 麻豆av在线久日| 久久人妻av系列| 精品国产超薄肉色丝袜足j| 丰满人妻一区二区三区视频av | 久久久久性生活片| 久久久久精品国产欧美久久久| 亚洲欧美精品综合一区二区三区| 黄色女人牲交| 国产真实乱freesex| 国产av麻豆久久久久久久| 国产乱人视频| 亚洲狠狠婷婷综合久久图片| 熟女少妇亚洲综合色aaa.| 国产精品一区二区精品视频观看| 天堂动漫精品| e午夜精品久久久久久久| 欧美乱码精品一区二区三区| 男女下面进入的视频免费午夜| cao死你这个sao货| 最新美女视频免费是黄的| 午夜福利在线观看免费完整高清在 | 欧美乱码精品一区二区三区| 女同久久另类99精品国产91| 又粗又爽又猛毛片免费看| 少妇丰满av| 日韩欧美三级三区| or卡值多少钱| 一级作爱视频免费观看| 欧美丝袜亚洲另类 | 免费看a级黄色片| 老汉色av国产亚洲站长工具| 一边摸一边抽搐一进一小说| bbb黄色大片| 99久久综合精品五月天人人| 看黄色毛片网站| 成人av一区二区三区在线看| 国产精品久久久久久精品电影| АⅤ资源中文在线天堂| 99热只有精品国产| 国内毛片毛片毛片毛片毛片| 美女 人体艺术 gogo| 欧美中文综合在线视频| 亚洲av成人一区二区三| 国产亚洲av高清不卡| 国产精品久久久av美女十八| 日本精品一区二区三区蜜桃| 少妇裸体淫交视频免费看高清| 毛片女人毛片| 亚洲avbb在线观看| 国产又黄又爽又无遮挡在线| 成人永久免费在线观看视频| av在线蜜桃| 男女做爰动态图高潮gif福利片| 麻豆国产97在线/欧美| 久久天躁狠狠躁夜夜2o2o| 精品无人区乱码1区二区| 国内久久婷婷六月综合欲色啪| 国产精品野战在线观看| 国产黄片美女视频| av中文乱码字幕在线| 久久久久久久久久黄片| 我要搜黄色片| 香蕉国产在线看| 国产成人啪精品午夜网站| 一本综合久久免费| 人人妻,人人澡人人爽秒播| 国产精品九九99| av女优亚洲男人天堂 | 免费av毛片视频| 久久中文字幕人妻熟女| 毛片女人毛片| 美女扒开内裤让男人捅视频| 国产欧美日韩精品一区二区| 亚洲精品一卡2卡三卡4卡5卡| 午夜福利在线在线| 免费电影在线观看免费观看| 欧美性猛交╳xxx乱大交人| 久久久国产成人免费| 亚洲天堂国产精品一区在线| 白带黄色成豆腐渣| 亚洲欧美日韩无卡精品| 欧美性猛交黑人性爽| 精品欧美国产一区二区三| 欧美国产日韩亚洲一区| 日本熟妇午夜| 1024香蕉在线观看| 免费看日本二区| 夜夜看夜夜爽夜夜摸| 成人特级av手机在线观看| 精品午夜福利视频在线观看一区| 日韩欧美 国产精品| 国内毛片毛片毛片毛片毛片| 久久久精品大字幕| 国内揄拍国产精品人妻在线| 欧美色欧美亚洲另类二区| 亚洲精品一卡2卡三卡4卡5卡| 九色成人免费人妻av| 成人鲁丝片一二三区免费| 亚洲熟女毛片儿| 九九热线精品视视频播放| 亚洲男人的天堂狠狠| 亚洲成人久久性| 午夜亚洲福利在线播放| 国产1区2区3区精品| 啦啦啦免费观看视频1| 午夜福利视频1000在线观看| 757午夜福利合集在线观看| 天堂动漫精品| 亚洲国产精品久久男人天堂| 国产野战对白在线观看| 国产淫片久久久久久久久 | 亚洲成a人片在线一区二区| 又紧又爽又黄一区二区| 亚洲狠狠婷婷综合久久图片| 色尼玛亚洲综合影院| 午夜福利高清视频| 久久久久九九精品影院| 国内精品一区二区在线观看| 久久久久久国产a免费观看| 老司机福利观看| 欧美日韩黄片免| 少妇裸体淫交视频免费看高清| 日本一本二区三区精品| 国产精品香港三级国产av潘金莲| 很黄的视频免费| 精品不卡国产一区二区三区| 日本a在线网址| 天堂网av新在线| 丁香欧美五月| 国产成人一区二区三区免费视频网站| 一级毛片高清免费大全| 欧美不卡视频在线免费观看| 欧美成狂野欧美在线观看| 操出白浆在线播放| 看免费av毛片| 1000部很黄的大片| 国产黄a三级三级三级人| 99久久无色码亚洲精品果冻| 熟女少妇亚洲综合色aaa.| 757午夜福利合集在线观看| 精华霜和精华液先用哪个| av视频在线观看入口| 国产久久久一区二区三区| av天堂中文字幕网| 99久久精品热视频| 亚洲欧美一区二区三区黑人| 老司机午夜十八禁免费视频| 看片在线看免费视频| 国产爱豆传媒在线观看| 久久久久久大精品| 国产亚洲欧美98| 又黄又爽又免费观看的视频| 国产精品九九99| 国产av一区在线观看免费| 亚洲精品在线观看二区| 成人性生交大片免费视频hd| 九九在线视频观看精品| 老鸭窝网址在线观看| 亚洲中文日韩欧美视频| 哪里可以看免费的av片| 天堂影院成人在线观看| 午夜a级毛片| 很黄的视频免费| 女同久久另类99精品国产91| 国产精品久久久久久人妻精品电影| 日日摸夜夜添夜夜添小说| 黄色女人牲交| 亚洲第一欧美日韩一区二区三区| 嫩草影视91久久| 国产精华一区二区三区| 免费av不卡在线播放| 国产精品女同一区二区软件 | 九九久久精品国产亚洲av麻豆 | 999精品在线视频| 免费人成视频x8x8入口观看| 日韩国内少妇激情av| 亚洲国产欧美人成| 亚洲人成网站高清观看| 久久精品夜夜夜夜夜久久蜜豆| 国产淫片久久久久久久久 | 欧美另类亚洲清纯唯美| 无遮挡黄片免费观看| 欧美色视频一区免费| 国产精品1区2区在线观看.| 久久久久久大精品| 久久久久国产一级毛片高清牌| 熟妇人妻久久中文字幕3abv| 国产精品香港三级国产av潘金莲| 毛片女人毛片| 亚洲熟女毛片儿| 欧美zozozo另类| 国产亚洲精品av在线| 99精品欧美一区二区三区四区| 欧美日韩亚洲国产一区二区在线观看| 97人妻精品一区二区三区麻豆| 精品熟女少妇八av免费久了| 999精品在线视频| 中亚洲国语对白在线视频| 特级一级黄色大片| 叶爱在线成人免费视频播放| 观看免费一级毛片| 中文字幕人成人乱码亚洲影| 首页视频小说图片口味搜索| 成人国产一区最新在线观看| 国产成人aa在线观看| 日本黄色视频三级网站网址| 亚洲aⅴ乱码一区二区在线播放| 亚洲成av人片在线播放无| 99精品欧美一区二区三区四区| svipshipincom国产片| 亚洲乱码一区二区免费版| 别揉我奶头~嗯~啊~动态视频| 国产视频一区二区在线看| 久久久久久久精品吃奶| 又黄又爽又免费观看的视频| 日日干狠狠操夜夜爽| 亚洲国产欧美网| 亚洲av美国av| 久久国产精品人妻蜜桃| 99热只有精品国产| xxx96com| 黄片小视频在线播放| 午夜成年电影在线免费观看| 男人舔女人下体高潮全视频| 色视频www国产| 999久久久国产精品视频| 欧美乱妇无乱码| 国产精品一区二区精品视频观看| 免费搜索国产男女视频| 又黄又粗又硬又大视频| 欧美日韩乱码在线| 欧美绝顶高潮抽搐喷水| 亚洲欧美一区二区三区黑人| 又黄又粗又硬又大视频| 听说在线观看完整版免费高清| 亚洲 欧美一区二区三区| 日韩欧美三级三区| 国产高清三级在线| 在线免费观看的www视频| 蜜桃久久精品国产亚洲av| 美女大奶头视频| 桃色一区二区三区在线观看| 国产野战对白在线观看| 成人鲁丝片一二三区免费| 久久久久亚洲av毛片大全| 给我免费播放毛片高清在线观看| 波多野结衣巨乳人妻| 国产成人系列免费观看| 久久久国产成人精品二区| av天堂在线播放| 操出白浆在线播放| 久久精品人妻少妇| aaaaa片日本免费| 久久久久久九九精品二区国产| 后天国语完整版免费观看| 国产视频一区二区在线看| 久久天躁狠狠躁夜夜2o2o| 白带黄色成豆腐渣| 欧美成人性av电影在线观看| 757午夜福利合集在线观看| 午夜亚洲福利在线播放| 国产亚洲精品一区二区www| 亚洲狠狠婷婷综合久久图片| 日韩欧美在线乱码| 欧美性猛交╳xxx乱大交人| 欧美高清成人免费视频www| 欧美日韩中文字幕国产精品一区二区三区| 亚洲av中文字字幕乱码综合| 一个人免费在线观看的高清视频| 亚洲av片天天在线观看| 俄罗斯特黄特色一大片| 亚洲va日本ⅴa欧美va伊人久久| 中文字幕熟女人妻在线| 成人永久免费在线观看视频| 少妇裸体淫交视频免费看高清| 搡老熟女国产l中国老女人| 最近视频中文字幕2019在线8| 啦啦啦韩国在线观看视频| 亚洲熟妇熟女久久| 国产av麻豆久久久久久久| 久久香蕉国产精品| 欧美高清成人免费视频www| 综合色av麻豆| 91九色精品人成在线观看| 亚洲九九香蕉| 国产免费男女视频| 亚洲av第一区精品v没综合| 老司机深夜福利视频在线观看| 久久中文字幕一级| 欧美日韩瑟瑟在线播放| 色播亚洲综合网| 99国产精品99久久久久| 日韩欧美一区二区三区在线观看| 精品久久久久久久末码| 99热这里只有精品一区 | 久久久久性生活片| 久久国产精品影院| 久久精品综合一区二区三区| 老司机福利观看| 日本黄色视频三级网站网址| 国产黄色小视频在线观看| 亚洲在线自拍视频| www日本黄色视频网| 一本一本综合久久| 又黄又爽又免费观看的视频| 五月玫瑰六月丁香| 狂野欧美激情性xxxx| 国产一级毛片七仙女欲春2| 黄色视频,在线免费观看| 色尼玛亚洲综合影院| 日韩欧美精品v在线| 成人鲁丝片一二三区免费| 人人妻,人人澡人人爽秒播| 色视频www国产| 亚洲国产精品sss在线观看| 精品午夜福利视频在线观看一区| 99久久精品热视频| 精品一区二区三区av网在线观看| 长腿黑丝高跟| 亚洲av成人一区二区三| 男女之事视频高清在线观看| 国产黄片美女视频| 一边摸一边抽搐一进一小说| 亚洲一区二区三区色噜噜| 一级作爱视频免费观看| 女人高潮潮喷娇喘18禁视频| 特大巨黑吊av在线直播| 在线永久观看黄色视频| 精品国产乱子伦一区二区三区| АⅤ资源中文在线天堂| 9191精品国产免费久久| 制服丝袜大香蕉在线| 岛国在线观看网站| av在线天堂中文字幕| 久久热在线av| 丰满的人妻完整版| 天堂网av新在线| 国产一区二区激情短视频| 亚洲av中文字字幕乱码综合| 一个人免费在线观看电影 | 又大又爽又粗| 国产高潮美女av| 非洲黑人性xxxx精品又粗又长| 欧美日本亚洲视频在线播放| 美女扒开内裤让男人捅视频| 99久久精品国产亚洲精品| 网址你懂的国产日韩在线| 老鸭窝网址在线观看| 日韩中文字幕欧美一区二区| 在线观看免费午夜福利视频| 日本与韩国留学比较| 亚洲一区高清亚洲精品| av欧美777| 一本精品99久久精品77| 成年女人永久免费观看视频| 又黄又粗又硬又大视频| 成人无遮挡网站| 我的老师免费观看完整版| 国产麻豆成人av免费视频| 色在线成人网| 一卡2卡三卡四卡精品乱码亚洲| 他把我摸到了高潮在线观看| 免费在线观看日本一区| 俄罗斯特黄特色一大片| 手机成人av网站| 嫁个100分男人电影在线观看| 午夜视频精品福利| 久久久国产成人精品二区| 国产精品av视频在线免费观看| 午夜成年电影在线免费观看| 一二三四社区在线视频社区8| 9191精品国产免费久久| cao死你这个sao货| 国内精品美女久久久久久| 午夜激情福利司机影院| 午夜福利欧美成人| xxx96com| 国产精品自产拍在线观看55亚洲| 精品福利观看| 亚洲欧美日韩高清专用| 2021天堂中文幕一二区在线观| 熟女少妇亚洲综合色aaa.| 久久久久久久久久黄片| 9191精品国产免费久久| 国产精品 国内视频| 色哟哟哟哟哟哟| 精品一区二区三区四区五区乱码| 最好的美女福利视频网| 午夜激情福利司机影院| 国产爱豆传媒在线观看| 麻豆成人午夜福利视频| 我的老师免费观看完整版| 免费在线观看亚洲国产| 午夜a级毛片| 精品一区二区三区av网在线观看| 黄色视频,在线免费观看| 老司机在亚洲福利影院| 国产淫片久久久久久久久 | 亚洲 欧美一区二区三区| 国产精品女同一区二区软件 | 桃红色精品国产亚洲av| 神马国产精品三级电影在线观看| 精品久久久久久成人av| АⅤ资源中文在线天堂| 两性午夜刺激爽爽歪歪视频在线观看| 又大又爽又粗| 久久久久亚洲av毛片大全| 欧美另类亚洲清纯唯美| 久久精品影院6| 无限看片的www在线观看| 这个男人来自地球电影免费观看| 18禁观看日本| 熟女少妇亚洲综合色aaa.| 亚洲18禁久久av| 中文字幕av在线有码专区| 国产高清有码在线观看视频| 亚洲中文字幕一区二区三区有码在线看 | 在线十欧美十亚洲十日本专区| 成人无遮挡网站| 亚洲 国产 在线| 美女扒开内裤让男人捅视频| 亚洲av成人av| 国产精品乱码一区二三区的特点| 久久久色成人| 亚洲乱码一区二区免费版| 国产人伦9x9x在线观看| 舔av片在线| 黄色成人免费大全| 99久久国产精品久久久| 男女下面进入的视频免费午夜| 免费观看精品视频网站| 日日干狠狠操夜夜爽| 999久久久精品免费观看国产| 欧美丝袜亚洲另类 | 亚洲av成人精品一区久久| 无遮挡黄片免费观看| 性欧美人与动物交配| 久久国产乱子伦精品免费另类| 欧美一级毛片孕妇| 日韩 欧美 亚洲 中文字幕| 国产精品久久电影中文字幕| avwww免费| 国产综合懂色| 国产精品综合久久久久久久免费| 国产成人一区二区三区免费视频网站| 精品久久久久久,| 亚洲男人的天堂狠狠| 亚洲,欧美精品.| 亚洲av成人精品一区久久| 色综合站精品国产| 久久精品亚洲精品国产色婷小说| 亚洲精品中文字幕一二三四区| 欧美绝顶高潮抽搐喷水| 成人午夜高清在线视频| 国产黄片美女视频| 18禁裸乳无遮挡免费网站照片| 夜夜看夜夜爽夜夜摸| 国产欧美日韩一区二区精品| 人妻夜夜爽99麻豆av| 亚洲人与动物交配视频| 亚洲av成人不卡在线观看播放网| 97超级碰碰碰精品色视频在线观看| 村上凉子中文字幕在线| 午夜福利成人在线免费观看| 最新中文字幕久久久久 | 国产精品1区2区在线观看.| 久久久久国内视频| 日本黄大片高清| 亚洲人与动物交配视频| 国产男靠女视频免费网站| 亚洲欧美精品综合久久99| 久久精品aⅴ一区二区三区四区| 制服人妻中文乱码| www.999成人在线观看| 波多野结衣巨乳人妻| 听说在线观看完整版免费高清| 少妇熟女aⅴ在线视频| 99久久无色码亚洲精品果冻| 好看av亚洲va欧美ⅴa在| 亚洲九九香蕉| 白带黄色成豆腐渣| 久久久久国内视频| 色哟哟哟哟哟哟| 国产蜜桃级精品一区二区三区| 一本精品99久久精品77| 国产av不卡久久| 国产亚洲精品av在线| 狠狠狠狠99中文字幕| 免费av不卡在线播放| 真人一进一出gif抽搐免费| 伊人久久大香线蕉亚洲五| 欧美中文日本在线观看视频| 国产一区二区在线观看日韩 | 免费观看的影片在线观看| 国产高潮美女av| 国产97色在线日韩免费| 国产不卡一卡二| 亚洲天堂国产精品一区在线| 波多野结衣高清作品| www日本在线高清视频| 国产成人aa在线观看| 91麻豆精品激情在线观看国产| 欧美绝顶高潮抽搐喷水| 欧美日韩福利视频一区二区| 他把我摸到了高潮在线观看| 无限看片的www在线观看| 国产真实乱freesex| 他把我摸到了高潮在线观看| 国产午夜精品论理片| 亚洲国产色片| 久久精品国产亚洲av香蕉五月| 久久久久久久久中文| 毛片女人毛片| 国产主播在线观看一区二区| 欧美日本视频| 午夜精品久久久久久毛片777| 丰满的人妻完整版| 老司机深夜福利视频在线观看| 操出白浆在线播放| 香蕉av资源在线| 岛国在线观看网站| 国产淫片久久久久久久久 |