• <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 ?

    基于高階閾值算子與張量全變分的前景檢測(cè)

    2023-09-01 16:36:32董永峰劉沛東李林昊李英雙
    關(guān)鍵詞:張量范數(shù)前景

    董永峰 劉沛東 李林昊 李英雙

    摘要 基于魯棒主成分分析(RPCA)的方法有一個(gè)潛在的假設(shè),即場(chǎng)景中移動(dòng)物體的像素是稀疏離群值,其往往忽略了物體的時(shí)間和空間結(jié)構(gòu),導(dǎo)致這些方法在動(dòng)態(tài)背景、遮擋、光照變化等場(chǎng)景下檢測(cè)效果降低。針對(duì)這一問題,提出了一種基于張量魯棒主成分分析(TRPCA)的張量非凸稀疏模型。首先,利用三種常見收縮算子的優(yōu)點(diǎn),引入了二階廣義收縮閾值算子(GSTO),探索適用于高階張量數(shù)據(jù)的高階廣義閾值收縮算子(HoGSTO),進(jìn)而提升背景建模的魯棒性;然后,為了表征視頻前景中移動(dòng)目標(biāo)像素之間的相關(guān)性,在視頻前景建模的過程中,利用張量全變分正則化(TTV)增強(qiáng)前景的時(shí)空連續(xù)性;接著,通過自適應(yīng)l1范數(shù)對(duì)視頻中的動(dòng)態(tài)成分建模,避免了對(duì)前景建模產(chǎn)生干擾。多個(gè)視頻幀的實(shí)驗(yàn)結(jié)果表明,該方法在移動(dòng)目標(biāo)檢測(cè)任務(wù)中優(yōu)于現(xiàn)有的方法,能夠更好地分離前景和背景。

    關(guān) 鍵 詞 移動(dòng)目標(biāo)檢測(cè);張量魯棒主成分分析;收縮閾值;張量全變分;自適應(yīng)l1范數(shù)

    中圖分類號(hào) TP391.4? ? ?文獻(xiàn)標(biāo)志碼 A

    Foreground detection based on tensor total variation and

    threshold operator

    DONG Yongfeng LIU Peidong LI Linhao LI Yingshuang

    (1. School of Artificial Intelligence, Hebei University of Technology, Tianjin 300401, China; 2. Hebei Province Key Laboratory of Big Data Computing, Tianjin 300401, China; 3. Hebei Engineering Research Center of Data-Driven Industrial Intelligent, Tianjin 300401, China; 4. Information Security and Technology Service Center, Hebei University of Technology, Tianjin 300401, China)

    Abstract Robust Principal Component Analysis (RPCA) methods have an underlying assumption that the pixels of moving objects in the scene are sparse outliers, which often ignore the temporal and spatial structure of objects, leading to the reduced detection effect of these methods in dynamic background, occlusion, lighting changes and other scenses. To solve this problem, a tensor nonconvex sparse model based on tensor robust principal component analysis (TRPCA) is proposed. Firstly, take advantage of the advantages of three common contraction operators, a second-order generalized shrinkage is introduced. Generalized Shrinkage Threshold Operator (GSTO) explore the high-order generalized threshold shrinkage operator (HoGSTO) suitable for high-order tensor data, and then improve the robustness of background modeling; then, in order to characterize the correlation between moving target pixels in the video foreground in the process of video foreground modeling, tensor total variational regularization (TTV) is used to enhance the temporal and spatial continuity of the foreground; then, the dynamic components in the video are modeled through the adaptive l1 norm, which avoids modeling the foreground Produce interference. Experimental results in multiple video frames show that the proposed method is superior to the existing methods in moving target detection tasks, and can better separate the foreground and background.

    Key words moving object detection; TRPCA; shrinkage thresholding; tensor total variational; adaptive l1 norm

    0 引言

    作為人工智能領(lǐng)域中的一項(xiàng)重要技術(shù),計(jì)算機(jī)視覺已經(jīng)越來(lái)越多地應(yīng)用到了各種實(shí)際任務(wù)當(dāng)中,如智能視頻監(jiān)控、交通數(shù)據(jù)采集、車輛識(shí)別、無(wú)人駕駛等。近年來(lái)移動(dòng)目標(biāo)檢測(cè)作為計(jì)算機(jī)視覺中的一個(gè)重要分支,受到了很多研究者的關(guān)注,大量研究人員在嘗試解決移動(dòng)目標(biāo)檢測(cè)中遇到的一系列挑戰(zhàn)。移動(dòng)目標(biāo)檢測(cè)的目的是將變化的區(qū)域(運(yùn)動(dòng)目標(biāo))從視頻序列中提取出來(lái)。由于光照變化、噴泉水流、搖曳的樹木等動(dòng)態(tài)因素的影響使得背景發(fā)生改變,影響檢測(cè)精度。此外,前景運(yùn)動(dòng)狀態(tài)的改變也會(huì)使目標(biāo)與背景難以分割[1]。

    比較經(jīng)典的移動(dòng)目標(biāo)檢測(cè)方法是Candès等[2]提出的魯棒主成分分析(Robust Principal Component Analysis,RPCA)方法,由于其模型簡(jiǎn)單,在移動(dòng)目標(biāo)檢測(cè)領(lǐng)域中得到了廣泛的應(yīng)用。RPCA能夠從較大且噪聲污染的觀測(cè)數(shù)據(jù)中恢復(fù)出本質(zhì)上低秩的數(shù)據(jù),然而,l1范數(shù)只是獨(dú)立的考慮每一個(gè)像素,丟失了時(shí)空結(jié)構(gòu)的約束,因此在面對(duì)復(fù)雜背景或者較小的移動(dòng)目標(biāo)時(shí),l1范數(shù)不能有效地處理這些問題。

    為了應(yīng)對(duì)上述這些挑戰(zhàn),近年來(lái)學(xué)者們提出了大量RPCA的擴(kuò)展方法來(lái)改善移動(dòng)目標(biāo)檢測(cè)的效果,并引入了結(jié)構(gòu)化約束構(gòu)建算法。Zhou等[3]提出一種基于運(yùn)動(dòng)的目標(biāo)檢測(cè)算法,稱為低秩表示和連續(xù)離群值檢測(cè)算法(Detecting Contiguous Outliers in the Low-Rank Representation,DECOLOR),該算法主要通過矩陣低秩表示中的連續(xù)突出點(diǎn)檢測(cè)來(lái)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè),在優(yōu)化的過程中還可以對(duì)背景進(jìn)行建模,同時(shí)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)和背景分割的目的。雖然在檢測(cè)效果上有提升,但是馬爾可夫隨機(jī)場(chǎng)[4]會(huì)導(dǎo)致其具有貪婪的特性,嚴(yán)格的平滑約束會(huì)使前景被過度平滑,背景區(qū)域被檢測(cè)為運(yùn)動(dòng)目標(biāo)的一部分。Xin等[5]為了解決由于光照變化、動(dòng)態(tài)背景等因素導(dǎo)致前景分割包含空洞和背景噪聲的問題,引入了自適應(yīng)廣義融合套索正則化作為一種柔性的結(jié)構(gòu),用于建模前景對(duì)象。Cao等[6]將三維全變分正則化和l1正則化相結(jié)合提出了全變分正則化魯棒主成分分析算法(Total Variation Robust Principal Component Analysis,TVRPCA),利用前景的空間連續(xù)性從移動(dòng)目標(biāo)中將動(dòng)態(tài)背景分離出來(lái),從前景的時(shí)間連續(xù)性中提取殘留目標(biāo)的運(yùn)動(dòng)軌跡并檢測(cè)。Yong等[7]提出了基于混合高斯的在線矩陣因子分解算法(Online Mixture of Gaussians-Low-rank Matrix Factorization,OMoGMF),利用在線子空間學(xué)習(xí)與全變分相結(jié)合的方法來(lái)提升檢測(cè)效果。Li等[8]提出了一種基于視頻靜止分量的非凸稀疏性模型(Generalized Shrinkage Thresholding Operator,GSTO),設(shè)計(jì)了可顯示求解的廣義閾值收縮算子對(duì)背景進(jìn)行低秩約束,并結(jié)合背景減除和時(shí)空連續(xù)性約束來(lái)檢測(cè)前景目標(biāo)。

    在實(shí)際應(yīng)用中,真實(shí)的數(shù)據(jù)結(jié)構(gòu)在本質(zhì)上是高階的。因此,張量結(jié)構(gòu)作為向量和矩陣的自然推廣,應(yīng)用于移動(dòng)目標(biāo)檢測(cè)領(lǐng)域。Lu等[9]基于張量魯棒主成分分析(Tensor RPCA,TRPCA)框架提出了一種改進(jìn)的方法—結(jié)合張量核范數(shù)的張量魯棒主成分分析方法(Tensor RPCA with Tensor Nuclear Norm,TRPCA-TNN),該方法的核心在于定義了一種新的張量核范數(shù),旨在加強(qiáng)背景低秩性,更好地構(gòu)造背景來(lái)恢復(fù)前景。盡管RPCA和TRPCA方法在移動(dòng)目標(biāo)檢測(cè)中取得了一定的效果,但是在面對(duì)動(dòng)態(tài)背景干擾時(shí)仍然不夠穩(wěn)定,并且沒有同時(shí)利用背景和前景的結(jié)構(gòu)特性,所以在復(fù)雜場(chǎng)景下對(duì)前景的檢測(cè)仍有一定的難度。

    因此,本文提出了一種基于張量框架的非凸稀疏移動(dòng)目標(biāo)檢測(cè)方法,該方法克服了動(dòng)態(tài)背景的干擾,可以檢測(cè)到滯留物體,對(duì)噪聲具有一定的魯棒性。本文沒有采用矩陣框架進(jìn)行研究,而是將整個(gè)視頻序列認(rèn)為是一個(gè)三維張量空間,保留了原始視頻幀之間的空間結(jié)構(gòu);利用高階廣義閾值收縮算子的自適應(yīng)性對(duì)背景進(jìn)行低秩約束,更加接近實(shí)際高維數(shù)據(jù)的秩,加強(qiáng)了背景的低秩性;同時(shí)利用張量全變分正則化(Tensor Total Variational Regularization,TTV)對(duì)前景進(jìn)行建模,考慮了視頻前景的時(shí)空連續(xù)性,并通過自適應(yīng)l1范數(shù)對(duì)動(dòng)態(tài)背景干擾部分建模,有效減少動(dòng)態(tài)背景對(duì)視頻前景提取的干擾,避免前景空洞現(xiàn)象,提升了目標(biāo)檢測(cè)精度。

    1 TRPCA模型

    2 本文模型的建立

    2.1 前景建模

    2.1.1 張量全變分正則化

    2.1.2 自適應(yīng)[l1]范數(shù)

    2.2 背景建模

    傳統(tǒng)上,基于矩陣的算法使用單一低秩子空間約束進(jìn)行背景建模,對(duì)靜態(tài)背景的刻畫效果較好,但無(wú)法有效表示背景中的變化成分;基于張量的算法采用張量核范數(shù)對(duì)低秩背景進(jìn)行凸松弛,但其沒有考慮不同奇異值對(duì)秩產(chǎn)生的影響,對(duì)所有的奇異值施加同等程度的懲罰,無(wú)法準(zhǔn)確表征奇異值所代表的信息,不能充分提取出張量數(shù)據(jù)的低秩結(jié)構(gòu)[18]。

    奇異值往往對(duì)應(yīng)著數(shù)據(jù)中的重要信息,數(shù)據(jù)的重要性與奇異值的大小正相關(guān),如果對(duì)奇異值進(jìn)行同等程度的收縮,則會(huì)對(duì)背景信息產(chǎn)生嚴(yán)重干擾,無(wú)法構(gòu)建出清晰的背景模型,背景中的動(dòng)態(tài)成分也會(huì)被消除。因此,本文充分考慮到奇異值的特性,利用廣義收縮閾值算子的自適應(yīng)性和非凸稀疏性,在保證圖像信息可被精確識(shí)別的前提下,保留或者縮小較大的奇異值,舍去或者減小較小的奇異值,更好地表征背景信息,將更多的動(dòng)態(tài)成分融入到背景中。廣義收縮閾值算子的顯示表達(dá)式如式(12)所示:

    2.3 高階廣義閾值收縮算子與張量全變分模型的建立

    3 模型求解

    4 實(shí)驗(yàn)結(jié)果及分析

    4.1 數(shù)據(jù)集和指標(biāo)選取

    4.2 實(shí)驗(yàn)結(jié)果及分析

    通過視頻前背景分離實(shí)驗(yàn)驗(yàn)證本算法的優(yōu)勢(shì),以9個(gè)視頻序列為對(duì)象,進(jìn)行視頻前景背景分離仿真實(shí)驗(yàn),并隨機(jī)選取WaterSurface視頻的第1 601幀、Fountain視頻的1 190幀、Curtain視頻的22 849幀、Escalator視頻的3 585幀、Lobby視頻的1 634幀、Hall視頻的1 656幀、ShoppingMall視頻的1 606幀、Bootstrap視頻的2 918幀、Campus視頻的1 812幀。實(shí)驗(yàn)結(jié)果如圖5所示,可以看出本算法比RPCA、TVRPCA等算法有更好的前景檢測(cè)結(jié)果。

    在動(dòng)態(tài)背景場(chǎng)景下,RPCA與TVRPCA模型不適用于復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測(cè),容易將動(dòng)態(tài)背景檢測(cè)為前景目標(biāo),檢測(cè)結(jié)果空洞較大,但TVRPCA的檢測(cè)結(jié)果要優(yōu)于RPCA,主要原因是該方法利用3D-TV范數(shù)約束前景,利用了前景的空間連續(xù)性分離動(dòng)態(tài)背景與移動(dòng)前景;TRPCA-TNN雖然保留了視頻的空間結(jié)構(gòu),但在復(fù)雜的動(dòng)態(tài)背景下,提取結(jié)果會(huì)造成前景的空洞,導(dǎo)致檢測(cè)精度較低。雖然DECOLOR對(duì)動(dòng)態(tài)噪聲的抑制效果較好,但其融合運(yùn)動(dòng)目標(biāo)連續(xù)性導(dǎo)致過度平滑約束,會(huì)產(chǎn)生少量的誤檢測(cè)區(qū)域和虛警現(xiàn)象。由于OMoGMF+TV引入了TV正則化,檢測(cè)到的前景比較完整,沒有產(chǎn)生空洞現(xiàn)象。本文算法相較于以上5種算法,在整個(gè)視頻數(shù)據(jù)集中較好地提取出前景目標(biāo),通過自適應(yīng)算子對(duì)背景矩陣進(jìn)行低秩約束,同時(shí)考慮前景的時(shí)空連續(xù)性,對(duì)動(dòng)態(tài)背景成分進(jìn)行約束以去除噪聲干擾,最終得到完整的運(yùn)動(dòng)目標(biāo),提高了前景目標(biāo)的提取精度。

    為了定量分析本文算法的優(yōu)勢(shì),計(jì)算了召回率(Recall)、精確率(Precision)和F-measure值對(duì)視頻前背景分離效果進(jìn)行評(píng)估,與其他5中算法進(jìn)行對(duì)比,評(píng)價(jià)指標(biāo)總結(jié)如表3所示,表中數(shù)據(jù)最優(yōu)用加粗表示,次優(yōu)用下劃線表示。

    從表3可以看出,本算法與RPCA、TVRPCA、DECOLOR、TRPCA-TNN、OMoGMF+TV 5種算法相比,Recall值與Precision值有處于較低的情況,但總體上處于最優(yōu)或次優(yōu)。雖然DECOLOR模型與其他模型相比有著較高的召回率,但是由于在高度動(dòng)態(tài)背景中產(chǎn)生了許多虛假警報(bào),導(dǎo)致其精度下降。在大部分場(chǎng)景下,本算法的查準(zhǔn)率與查全率相差不大,與其它算法相比,穩(wěn)定性更高,并且本算法的F-measure值均高于對(duì)比算法。因此,本算法在前景提取的完整度和精確度方面效果更好,可以更好地抑制動(dòng)態(tài)背景產(chǎn)生的噪聲。

    5 結(jié)語(yǔ)

    本文提出的算法以TRPCA模型為基礎(chǔ),將傳統(tǒng)移動(dòng)目標(biāo)檢測(cè)任務(wù)擴(kuò)展到張量空間中,對(duì)張量框架的使用有效利用了視頻的空間結(jié)構(gòu),彌補(bǔ)了現(xiàn)有RPCA相關(guān)方法的不足;通過將廣義閾值算子推廣到高階張量中,對(duì)背景進(jìn)行低秩約束,提升了背景建模的魯棒性;利用TTV代替l1范數(shù)約束前景,并構(gòu)造了自適應(yīng)l1范數(shù)對(duì)動(dòng)態(tài)背景進(jìn)行建模,有效抑制了動(dòng)態(tài)背景的噪聲干擾,解決了前景空洞問題。實(shí)驗(yàn)結(jié)果表明,與經(jīng)典算法以及現(xiàn)有主流算法相比,本文提出的算法對(duì)目標(biāo)檢測(cè)的效果更佳,可有效減少動(dòng)態(tài)背景干擾,且檢測(cè)移動(dòng)緩慢目標(biāo)的效果較好,減少了對(duì)前景目標(biāo)的誤判,顯著提升了移動(dòng)目標(biāo)檢測(cè)精度。

    參考文獻(xiàn):

    [1]? ? 楊永鵬,楊真真,李建林,等. 改進(jìn)的截?cái)嗪朔稊?shù)及在視頻前背景分離中的應(yīng)用[J]. 工程科學(xué)與技術(shù),2021,53(5):219-226.

    [2]? ? CAND?S E J,LI X D,MA Y,et al. Robust principal component analysis? [J]. Journal of the ACM,2011,58(3):1-37.

    [3]? ? ZHOU X W,YANG C,YU W C. Moving object detection by detecting contiguous outliers in the low-rank representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(3):597-610.

    [4]? ? SCHICK A,B?UML M,STIEFELHAGEN R. Improving foreground segmentations with probabilistic superpixel Markov random fields[C]//2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops. Providence,RI,USA:IEEE,2012:27-31.

    [5]? ? XIN B,YUAN T,WANG Y Z,et al. Background Subtraction via generalized fused lasso foreground modeling[C]//2015 IEEE Conference on Computer Vision and Pattern Recognition. Boston,MA,USA:IEEE,2015:4676-4684.

    [6]? ? CAO X C,YANG L,GUO X J. Total variation regularized RPCA for irregularly moving object detection under dynamic background[J]. IEEE Transactions on Cybernetics,2016,46(4):1014-1027.

    [7]? ? YONG H W,MENG D Y,ZUO W M,et al. Robust online matrix factorization for dynamic background subtraction[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2018,40(7):1726-1740.

    [8]? ? LI L H,WANG Z,HU Q H,et al. Adaptive nonconvex sparsity based background subtraction for intelligent video surveillance[J]. IEEE Transactions on Industrial Informatics,2021,17(6):4168-4178.

    [9]? ? LU C Y,F(xiàn)ENG J S,CHEN Y D,et al. Tensor robust principal component analysis with a new tensor nuclear norm[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2020,42(4):925-938.

    [10]? LU C Y,F(xiàn)ENG J S,CHEN Y D,et al. Tensor robust principal component analysis:exact recovery of corrupted low-rank tensors via convex optimization[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas,NV,USA:IEEE,2016:5249-5257.

    [11]? CHEN L,JIANG X,LIU X Z,et al. Robust low-rank tensor recovery via nonconvex singular value minimization[J]. IEEE Transactions on Image Processing,2020,29:9044-9059.

    [12]? 陶星朋,徐宏輝,鄭建煒,等. 基于非凸低秩矩陣逼近和全變分正則化的高光譜圖像去噪[J]. 計(jì)算機(jī)科學(xué),2021,48(8):125-133.

    [13]? YANG S,WANG J,F(xiàn)AN W,et al. An efficient ADMM algorithm for multidimensional anisotropic total variation regularization problems[C]// KDD '13:Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining. Chicago,Illinois,USA:ACM,2013:641-649.

    [14]? 陳利霞,班穎,王學(xué)文. 基于張量核范數(shù)與3D全變分的背景減除[J]. 計(jì)算機(jī)應(yīng)用,2020,40(9):2737-2742.

    [15]? 張超婕,余勤. 時(shí)空RPCA在復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2020,41(1):197-202.

    [16]? SHIJILA B,TOM A J,GEORGE S N. Moving object detection by low rank approximation and l1-TV regularization on RPCA framework[J]. Journal of Visual Communication and Image Representation,2018,56:188-200.

    [17]? KIM H,SAKAMOTO R,KITAHARA I,et al. Robust foreground extraction technique using background subtraction with multiple thresholds[J]. Optical Engineering,2007,46(9):097004.

    [18]? LIU Y P,CHEN L X,ZHU C. Improved robust tensor principal component analysis via low-rank core matrix[J]. IEEE Journal of Selected Topics in Signal Processing,2018,12(6):1378-1389.

    [19]? CHARTRAND R. Fast algorithms for nonconvex compressive sensing:MRI reconstruction from very few data[C]//2009 IEEE International Symposium on Biomedical Imaging:From Nano to Macro. Boston,MA,USA:IEEE,2009:262-265.

    [20]? ALHASSAN J A,OKIKE O,CHUKWUDE A E. Testing the simultaneity of Forbush decreases with algorithm-selected Forbush event catalogue[J]. Journal of Astrophysics and Astronomy,2022,43(1):1-20.

    [21]? SU Y R,WU X H,LIU G G. Nonconvex low tubal rank tensor minimization[J]. IEEE Access,2019,7:170831-170843.

    [22]? BOYD S,PARIKH N,CHU W,et al. Distributed optimization and statistical learning via the alternating direction method of multipliers[J]. Foundations and Trends in Machine Learning,2011,3(1):1-122.

    [23]? LIN Z C,CHEN M M,MA Y. The augmented lagrange multiplier method for exact recovery of corrupted low-rank matrices[EB/OL]. (2013-10-18)[2022-05-15]. https://arxiv. org/abs/1009. 5055.

    [24]? WEN F,CHU L,LIU P L,et al. A survey on nonconvex regularization-based sparse and low-rank recovery in signal processing,statistics,and machine learning[J]. IEEE Access,6:69883-69906.

    [25]? CHEN L X,LIU J L,WANG X W. Background subtraction with Kronecker-basis-representation based tensor sparsity and L1,1,2 norm[J]. Multidimensional Systems and Signal Processing,2021,32(1):77-90.

    [26]? 金靜. 復(fù)雜視頻場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究[D]. 蘭州:蘭州交通大學(xué),2020:32-33.

    猜你喜歡
    張量范數(shù)前景
    我國(guó)旅游房地產(chǎn)開發(fā)前景的探討
    偶數(shù)階張量core逆的性質(zhì)和應(yīng)用
    四種作物 北方種植有前景
    四元數(shù)張量方程A*NX=B 的通解
    離岸央票:需求與前景
    基于加權(quán)核范數(shù)與范數(shù)的魯棒主成分分析
    矩陣酉不變范數(shù)H?lder不等式及其應(yīng)用
    擴(kuò)散張量成像MRI 在CO中毒后遲發(fā)腦病中的應(yīng)用
    量子糾纏的來(lái)歷及應(yīng)用前景
    太空探索(2016年10期)2016-07-10 12:07:01
    一類具有準(zhǔn)齊次核的Hilbert型奇異重積分算子的范數(shù)及應(yīng)用
    桃红色精品国产亚洲av| 老司机午夜福利在线观看视频 | 一本—道久久a久久精品蜜桃钙片| 母亲3免费完整高清在线观看| 亚洲性夜色夜夜综合| 国产精品二区激情视频| 啦啦啦 在线观看视频| 亚洲第一av免费看| 国产亚洲一区二区精品| 久久人人爽人人片av| 9191精品国产免费久久| 男男h啪啪无遮挡| netflix在线观看网站| 真人做人爱边吃奶动态| 精品少妇内射三级| a 毛片基地| 777久久人妻少妇嫩草av网站| 9热在线视频观看99| 午夜福利影视在线免费观看| 人妻人人澡人人爽人人| 一边摸一边抽搐一进一出视频| 不卡av一区二区三区| 日日爽夜夜爽网站| 国精品久久久久久国模美| 久久久久久久久免费视频了| 自拍欧美九色日韩亚洲蝌蚪91| 一区二区av电影网| 热99re8久久精品国产| 午夜精品久久久久久毛片777| 国产黄频视频在线观看| 操出白浆在线播放| 欧美另类亚洲清纯唯美| 亚洲成国产人片在线观看| 极品人妻少妇av视频| 亚洲人成电影免费在线| 久久女婷五月综合色啪小说| 国产一区二区三区综合在线观看| av视频免费观看在线观看| 国产主播在线观看一区二区| 久久狼人影院| 国产又爽黄色视频| 亚洲成人国产一区在线观看| av视频免费观看在线观看| 成年动漫av网址| 久久天堂一区二区三区四区| 一区二区日韩欧美中文字幕| 少妇精品久久久久久久| tube8黄色片| 精品视频人人做人人爽| 欧美变态另类bdsm刘玥| 欧美黄色片欧美黄色片| 亚洲成av片中文字幕在线观看| av视频免费观看在线观看| 国产91精品成人一区二区三区 | 国产亚洲精品久久久久5区| 狠狠狠狠99中文字幕| 国产成人精品无人区| 亚洲精品自拍成人| 热99re8久久精品国产| 18禁黄网站禁片午夜丰满| 久久久国产成人免费| 亚洲国产av影院在线观看| 视频区图区小说| 久久久精品94久久精品| 一级毛片电影观看| 国产99久久九九免费精品| 国产av国产精品国产| 亚洲欧美日韩高清在线视频 | 亚洲中文日韩欧美视频| 日日爽夜夜爽网站| 亚洲欧美日韩另类电影网站| 建设人人有责人人尽责人人享有的| 欧美精品啪啪一区二区三区 | 欧美黑人精品巨大| 亚洲成人国产一区在线观看| 久热这里只有精品99| 巨乳人妻的诱惑在线观看| 十八禁高潮呻吟视频| 日本欧美视频一区| 蜜桃在线观看..| 国产av精品麻豆| 超色免费av| 亚洲av男天堂| 国产精品一区二区在线不卡| 国产高清videossex| 国产精品欧美亚洲77777| 久久99热这里只频精品6学生| 国产在视频线精品| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲国产精品一区三区| 99久久99久久久精品蜜桃| av电影中文网址| 咕卡用的链子| 国产亚洲一区二区精品| 亚洲中文字幕日韩| 日韩制服丝袜自拍偷拍| 国产一区有黄有色的免费视频| 在线观看一区二区三区激情| 国产真人三级小视频在线观看| 新久久久久国产一级毛片| 男人添女人高潮全过程视频| 久久国产精品男人的天堂亚洲| 18禁国产床啪视频网站| 国产精品九九99| 啪啪无遮挡十八禁网站| 欧美xxⅹ黑人| 香蕉国产在线看| 国产男人的电影天堂91| 国产男人的电影天堂91| 青春草亚洲视频在线观看| 爱豆传媒免费全集在线观看| 色综合欧美亚洲国产小说| 国产精品 欧美亚洲| 精品少妇久久久久久888优播| 欧美人与性动交α欧美软件| 国产精品一二三区在线看| 亚洲 国产 在线| 国产日韩欧美在线精品| 考比视频在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 黄片大片在线免费观看| 性少妇av在线| 亚洲av电影在线观看一区二区三区| netflix在线观看网站| 亚洲专区字幕在线| 麻豆乱淫一区二区| 91成人精品电影| 19禁男女啪啪无遮挡网站| 国产伦人伦偷精品视频| 亚洲国产欧美一区二区综合| 欧美亚洲 丝袜 人妻 在线| 久久精品亚洲av国产电影网| 国产精品 国内视频| 欧美日韩成人在线一区二区| 国产成人一区二区三区免费视频网站| 免费久久久久久久精品成人欧美视频| xxxhd国产人妻xxx| 丝袜脚勾引网站| 美女视频免费永久观看网站| 欧美日韩亚洲高清精品| 欧美在线黄色| 亚洲人成77777在线视频| 又大又爽又粗| 午夜成年电影在线免费观看| 亚洲精品国产区一区二| 久久国产精品大桥未久av| 99热网站在线观看| 国产日韩欧美视频二区| 久久女婷五月综合色啪小说| 国产激情久久老熟女| 国产精品99久久99久久久不卡| 久热这里只有精品99| 秋霞在线观看毛片| 亚洲国产欧美日韩在线播放| 亚洲欧美色中文字幕在线| 一区二区日韩欧美中文字幕| 日本黄色日本黄色录像| 99精国产麻豆久久婷婷| 中国美女看黄片| www.精华液| 精品少妇内射三级| 亚洲国产欧美日韩在线播放| 精品一品国产午夜福利视频| 亚洲第一青青草原| 在线看a的网站| 欧美人与性动交α欧美精品济南到| 99热网站在线观看| 99国产精品99久久久久| 亚洲精品第二区| 久久亚洲精品不卡| 51午夜福利影视在线观看| 老司机午夜十八禁免费视频| 久久国产精品人妻蜜桃| 亚洲午夜精品一区,二区,三区| 99国产极品粉嫩在线观看| 在线精品无人区一区二区三| cao死你这个sao货| 人妻久久中文字幕网| 一级毛片女人18水好多| 啦啦啦啦在线视频资源| 国产91精品成人一区二区三区 | 淫妇啪啪啪对白视频 | 麻豆国产av国片精品| 亚洲中文日韩欧美视频| 精品一区二区三卡| 国产欧美日韩一区二区精品| 亚洲精品国产av成人精品| 精品国产一区二区三区四区第35| 亚洲色图 男人天堂 中文字幕| 精品高清国产在线一区| 波多野结衣av一区二区av| 精品免费久久久久久久清纯 | 国产成人欧美在线观看 | 色老头精品视频在线观看| 日韩欧美一区视频在线观看| 国产av又大| 无限看片的www在线观看| 久久狼人影院| 日本撒尿小便嘘嘘汇集6| 免费日韩欧美在线观看| 欧美日本中文国产一区发布| 国产区一区二久久| 少妇粗大呻吟视频| 日韩人妻精品一区2区三区| 亚洲情色 制服丝袜| 久久精品国产a三级三级三级| 中文字幕人妻丝袜制服| 青春草亚洲视频在线观看| 中文字幕制服av| 亚洲七黄色美女视频| 精品一区在线观看国产| 老熟女久久久| 欧美成狂野欧美在线观看| 国产免费一区二区三区四区乱码| 午夜福利一区二区在线看| 久久久国产成人免费| 亚洲精品国产av成人精品| 他把我摸到了高潮在线观看 | 久久 成人 亚洲| 男女无遮挡免费网站观看| 久久九九热精品免费| 天天躁日日躁夜夜躁夜夜| 国产精品香港三级国产av潘金莲| av福利片在线| 久久久精品区二区三区| 国产伦人伦偷精品视频| 啦啦啦中文免费视频观看日本| tube8黄色片| 国产av又大| 女性被躁到高潮视频| 久久久精品免费免费高清| 69精品国产乱码久久久| 九色亚洲精品在线播放| 午夜福利免费观看在线| 成人影院久久| 久久狼人影院| 少妇的丰满在线观看| 欧美成人午夜精品| 欧美精品一区二区大全| 一级毛片精品| 国产又色又爽无遮挡免| 十分钟在线观看高清视频www| 又紧又爽又黄一区二区| 99精国产麻豆久久婷婷| 看免费av毛片| a级片在线免费高清观看视频| 国产麻豆69| 久久久久国产精品人妻一区二区| 老司机影院毛片| 国产人伦9x9x在线观看| 国产亚洲av片在线观看秒播厂| 亚洲av国产av综合av卡| 超碰成人久久| 十八禁网站免费在线| 两人在一起打扑克的视频| 97精品久久久久久久久久精品| 女性生殖器流出的白浆| 高清在线国产一区| 欧美在线黄色| 中文字幕色久视频| 人人妻,人人澡人人爽秒播| 久久久久久久久久久久大奶| 女人爽到高潮嗷嗷叫在线视频| 91麻豆精品激情在线观看国产 | 久热这里只有精品99| 日韩有码中文字幕| 999久久久精品免费观看国产| 叶爱在线成人免费视频播放| 国产99久久九九免费精品| 精品一区二区三卡| 狂野欧美激情性xxxx| 亚洲精品国产区一区二| 一级,二级,三级黄色视频| 国产成人a∨麻豆精品| 在线观看免费视频网站a站| 日韩有码中文字幕| 悠悠久久av| 中亚洲国语对白在线视频| 亚洲国产欧美网| 日本精品一区二区三区蜜桃| av又黄又爽大尺度在线免费看| 美女视频免费永久观看网站| 午夜福利在线观看吧| 欧美乱码精品一区二区三区| 国产欧美亚洲国产| 免费在线观看日本一区| 一区二区日韩欧美中文字幕| 国产一区二区在线观看av| 午夜两性在线视频| 中国美女看黄片| 在线十欧美十亚洲十日本专区| 国产在线视频一区二区| 欧美精品av麻豆av| av在线老鸭窝| 99久久精品国产亚洲精品| 欧美成人午夜精品| 久久久久国内视频| 少妇猛男粗大的猛烈进出视频| 久热这里只有精品99| 亚洲伊人久久精品综合| 国产高清视频在线播放一区 | 中文字幕制服av| 在线观看免费日韩欧美大片| 曰老女人黄片| 永久免费av网站大全| 国产成人免费无遮挡视频| 考比视频在线观看| 男女高潮啪啪啪动态图| 青春草视频在线免费观看| 视频区图区小说| 丝袜在线中文字幕| 国产av又大| 亚洲三区欧美一区| 国产成人影院久久av| 亚洲专区字幕在线| 天堂中文最新版在线下载| 日日爽夜夜爽网站| 国产在线免费精品| 国产成人a∨麻豆精品| 亚洲国产精品999| 欧美中文综合在线视频| 女人高潮潮喷娇喘18禁视频| 黄片大片在线免费观看| 亚洲专区国产一区二区| 久久精品国产亚洲av高清一级| 免费一级毛片在线播放高清视频 | 大香蕉久久成人网| 激情视频va一区二区三区| 男女免费视频国产| 色婷婷久久久亚洲欧美| 久久人妻福利社区极品人妻图片| 真人做人爱边吃奶动态| 在线天堂中文资源库| 正在播放国产对白刺激| 国产主播在线观看一区二区| 爱豆传媒免费全集在线观看| 精品人妻1区二区| 国产欧美日韩综合在线一区二区| 在线观看www视频免费| 亚洲欧美精品自产自拍| av电影中文网址| 久久国产精品大桥未久av| 精品少妇久久久久久888优播| 午夜福利一区二区在线看| 老司机午夜福利在线观看视频 | 国产精品香港三级国产av潘金莲| 少妇的丰满在线观看| 嫩草影视91久久| 操出白浆在线播放| 乱人伦中国视频| 热99re8久久精品国产| 超碰97精品在线观看| 亚洲av欧美aⅴ国产| 欧美日韩国产mv在线观看视频| 老汉色av国产亚洲站长工具| 50天的宝宝边吃奶边哭怎么回事| 免费在线观看完整版高清| 午夜久久久在线观看| 亚洲精品一区蜜桃| 18禁裸乳无遮挡动漫免费视频| www.自偷自拍.com| e午夜精品久久久久久久| 中文字幕制服av| 别揉我奶头~嗯~啊~动态视频 | 久久精品国产亚洲av高清一级| 久久久久久久精品精品| 亚洲成人国产一区在线观看| 精品一区二区三区四区五区乱码| 国产亚洲av高清不卡| 啪啪无遮挡十八禁网站| a 毛片基地| 母亲3免费完整高清在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 正在播放国产对白刺激| av视频免费观看在线观看| 国产精品亚洲av一区麻豆| 欧美+亚洲+日韩+国产| 别揉我奶头~嗯~啊~动态视频 | 久久久久久亚洲精品国产蜜桃av| 精品人妻一区二区三区麻豆| 色婷婷av一区二区三区视频| 午夜免费成人在线视频| 日本wwww免费看| 精品亚洲乱码少妇综合久久| 极品人妻少妇av视频| 18禁观看日本| 99热网站在线观看| 国产又爽黄色视频| www.熟女人妻精品国产| 考比视频在线观看| 50天的宝宝边吃奶边哭怎么回事| 91精品三级在线观看| 欧美久久黑人一区二区| 亚洲男人天堂网一区| 国产亚洲午夜精品一区二区久久| 欧美黑人精品巨大| 国产精品一区二区免费欧美 | 在线观看免费高清a一片| 午夜福利,免费看| 久久99热这里只频精品6学生| 高清视频免费观看一区二区| 午夜免费鲁丝| 久久女婷五月综合色啪小说| netflix在线观看网站| 成人亚洲精品一区在线观看| 亚洲国产欧美网| 香蕉丝袜av| www日本在线高清视频| 免费观看人在逋| 欧美国产精品va在线观看不卡| 国内毛片毛片毛片毛片毛片| 午夜福利影视在线免费观看| 久久人妻熟女aⅴ| 美女国产高潮福利片在线看| av网站免费在线观看视频| 日韩免费高清中文字幕av| 美女脱内裤让男人舔精品视频| netflix在线观看网站| 精品久久久久久久毛片微露脸 | 精品少妇黑人巨大在线播放| 久久青草综合色| 成人免费观看视频高清| 午夜日韩欧美国产| 欧美xxⅹ黑人| 99热全是精品| 国产色视频综合| 国产一级毛片在线| 操美女的视频在线观看| 日本91视频免费播放| 首页视频小说图片口味搜索| 啦啦啦免费观看视频1| 亚洲综合色网址| h视频一区二区三区| 熟女少妇亚洲综合色aaa.| 国产精品香港三级国产av潘金莲| 国产精品欧美亚洲77777| 午夜福利一区二区在线看| 国产片内射在线| 十八禁网站免费在线| av国产精品久久久久影院| 亚洲精品国产精品久久久不卡| 啦啦啦视频在线资源免费观看| 美女高潮到喷水免费观看| 国产成人免费无遮挡视频| 视频区欧美日本亚洲| 久久国产亚洲av麻豆专区| 91字幕亚洲| 亚洲国产欧美一区二区综合| 99热全是精品| 国产极品粉嫩免费观看在线| av线在线观看网站| 亚洲综合色网址| 1024香蕉在线观看| 91精品伊人久久大香线蕉| 视频区欧美日本亚洲| 亚洲av成人一区二区三| 亚洲性夜色夜夜综合| 欧美人与性动交α欧美软件| 永久免费av网站大全| 九色亚洲精品在线播放| 91国产中文字幕| 国产欧美日韩一区二区三区在线| 少妇人妻久久综合中文| 日本欧美视频一区| 欧美久久黑人一区二区| 亚洲精品国产精品久久久不卡| 亚洲人成77777在线视频| 久久精品国产综合久久久| 肉色欧美久久久久久久蜜桃| 成年人午夜在线观看视频| a级毛片在线看网站| 久久国产精品影院| 亚洲一卡2卡3卡4卡5卡精品中文| 99久久人妻综合| 日韩中文字幕视频在线看片| 人妻 亚洲 视频| 色视频在线一区二区三区| 五月开心婷婷网| 超碰成人久久| 青草久久国产| 91成人精品电影| 精品一区在线观看国产| 久久久久精品人妻al黑| 国产免费一区二区三区四区乱码| 国产免费福利视频在线观看| 国产精品一区二区精品视频观看| 十八禁人妻一区二区| 老汉色∧v一级毛片| 在线观看免费午夜福利视频| 精品亚洲成a人片在线观看| 少妇的丰满在线观看| 欧美黑人精品巨大| 国产高清国产精品国产三级| 精品少妇黑人巨大在线播放| 国产成人免费无遮挡视频| 99国产综合亚洲精品| 五月天丁香电影| 亚洲av国产av综合av卡| 美女视频免费永久观看网站| 性少妇av在线| 他把我摸到了高潮在线观看 | 亚洲精品乱久久久久久| 美女福利国产在线| 日韩一区二区三区影片| 午夜福利免费观看在线| 久久久国产成人免费| 老司机在亚洲福利影院| 亚洲精华国产精华精| 热99国产精品久久久久久7| 日韩欧美免费精品| 老司机在亚洲福利影院| 欧美成狂野欧美在线观看| 777久久人妻少妇嫩草av网站| 少妇裸体淫交视频免费看高清 | 如日韩欧美国产精品一区二区三区| 999久久久精品免费观看国产| 免费高清在线观看视频在线观看| 99热全是精品| 欧美日韩一级在线毛片| 婷婷色av中文字幕| 亚洲精品乱久久久久久| 人妻 亚洲 视频| 久久热在线av| 国产精品.久久久| 久久精品亚洲熟妇少妇任你| 国产福利在线免费观看视频| 老司机亚洲免费影院| 欧美精品人与动牲交sv欧美| 精品国产超薄肉色丝袜足j| 国产精品偷伦视频观看了| 99热全是精品| 免费女性裸体啪啪无遮挡网站| 久久久久久久精品精品| 欧美午夜高清在线| 黄色怎么调成土黄色| 亚洲中文av在线| 热99国产精品久久久久久7| 最近最新中文字幕大全免费视频| 99久久99久久久精品蜜桃| 亚洲av美国av| 欧美日韩国产mv在线观看视频| 岛国毛片在线播放| 久久 成人 亚洲| 日韩熟女老妇一区二区性免费视频| 丰满少妇做爰视频| 久久天躁狠狠躁夜夜2o2o| 少妇 在线观看| 精品国产乱码久久久久久小说| 日本五十路高清| 国产精品欧美亚洲77777| 欧美黄色片欧美黄色片| 脱女人内裤的视频| 亚洲精品中文字幕一二三四区 | 国产精品久久久av美女十八| 中文精品一卡2卡3卡4更新| av视频免费观看在线观看| 黄色a级毛片大全视频| 视频区欧美日本亚洲| 高清欧美精品videossex| 国产精品 国内视频| 久久久久久免费高清国产稀缺| 久久精品久久久久久噜噜老黄| av在线app专区| 中国国产av一级| 一个人免费在线观看的高清视频 | 精品人妻熟女毛片av久久网站| 美女福利国产在线| 麻豆av在线久日| 女人被躁到高潮嗷嗷叫费观| 国产精品秋霞免费鲁丝片| 国产日韩欧美在线精品| 正在播放国产对白刺激| 黄色视频不卡| 欧美人与性动交α欧美软件| 亚洲一区二区三区欧美精品| 欧美日韩黄片免| 亚洲成国产人片在线观看| 欧美变态另类bdsm刘玥| 精品少妇久久久久久888优播| 国产男女超爽视频在线观看| 欧美激情久久久久久爽电影 | 青春草亚洲视频在线观看| 亚洲精品国产精品久久久不卡| 国产在视频线精品| 在线观看免费日韩欧美大片| 自线自在国产av| 欧美少妇被猛烈插入视频| 成年人免费黄色播放视频| 亚洲专区字幕在线| 两性夫妻黄色片| 新久久久久国产一级毛片| 欧美少妇被猛烈插入视频| 五月开心婷婷网| 黑人巨大精品欧美一区二区mp4| 99香蕉大伊视频| 亚洲欧美色中文字幕在线| 欧美大码av| 国产精品自产拍在线观看55亚洲 | 国产亚洲精品一区二区www | 国产精品自产拍在线观看55亚洲 | 亚洲自偷自拍图片 自拍| 母亲3免费完整高清在线观看| 亚洲精品国产区一区二| 操美女的视频在线观看| 午夜福利一区二区在线看| 亚洲精品av麻豆狂野| 日本a在线网址| 美女视频免费永久观看网站| 亚洲精品乱久久久久久| 人人妻人人爽人人添夜夜欢视频| 99久久99久久久精品蜜桃| 美女大奶头黄色视频| 久久久久久久大尺度免费视频| 中文字幕色久视频| 午夜福利,免费看|