• <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
    亚洲精品亚洲一区二区| 男男h啪啪无遮挡| 国产美女午夜福利| 丝袜喷水一区| 国产av码专区亚洲av| 欧美bdsm另类| av天堂久久9| 女性被躁到高潮视频| av黄色大香蕉| 国产精品.久久久| 欧美亚洲 丝袜 人妻 在线| 色哟哟·www| 能在线免费看毛片的网站| 亚洲av不卡在线观看| 久久久精品免费免费高清| 欧美xxⅹ黑人| 久久久国产一区二区| 夜夜骑夜夜射夜夜干| 极品教师在线视频| 三级经典国产精品| 美女国产视频在线观看| 国产精品久久久久成人av| 久久精品国产鲁丝片午夜精品| 亚洲久久久国产精品| 久久99精品国语久久久| 人人妻人人添人人爽欧美一区卜| 成人二区视频| www.av在线官网国产| 深夜a级毛片| 搡老乐熟女国产| 欧美xxxx性猛交bbbb| 男人添女人高潮全过程视频| 天天躁夜夜躁狠狠久久av| 国产男人的电影天堂91| 国产成人aa在线观看| 青春草视频在线免费观看| 一级毛片黄色毛片免费观看视频| 午夜激情久久久久久久| 日本欧美国产在线视频| 精品一品国产午夜福利视频| 国产精品国产三级专区第一集| 夫妻午夜视频| 日韩 亚洲 欧美在线| 国产在线一区二区三区精| 国产精品一区二区三区四区免费观看| 国产一区二区三区av在线| 9色porny在线观看| 晚上一个人看的免费电影| 麻豆成人av视频| 在线观看免费日韩欧美大片 | 国产精品熟女久久久久浪| 午夜影院在线不卡| 天天操日日干夜夜撸| 97超视频在线观看视频| 国产精品一区www在线观看| 精品一区二区三卡| 国内少妇人妻偷人精品xxx网站| 大片电影免费在线观看免费| 免费黄色在线免费观看| 18+在线观看网站| 婷婷色麻豆天堂久久| 黑人猛操日本美女一级片| 人妻少妇偷人精品九色| 91精品一卡2卡3卡4卡| 午夜日本视频在线| 黄色怎么调成土黄色| 另类精品久久| 日本黄色日本黄色录像| 我的女老师完整版在线观看| 久久久久精品性色| 国产在线男女| 观看av在线不卡| 最近中文字幕高清免费大全6| 欧美成人精品欧美一级黄| 人妻制服诱惑在线中文字幕| 亚洲国产av新网站| 男人和女人高潮做爰伦理| 亚洲第一av免费看| 亚洲精品aⅴ在线观看| 日本猛色少妇xxxxx猛交久久| 高清欧美精品videossex| 一级爰片在线观看| 汤姆久久久久久久影院中文字幕| 国产高清有码在线观看视频| 日日摸夜夜添夜夜添av毛片| 日本av免费视频播放| 日本av手机在线免费观看| 嘟嘟电影网在线观看| 免费看光身美女| 欧美bdsm另类| 高清欧美精品videossex| 国产免费又黄又爽又色| 2022亚洲国产成人精品| 精品少妇久久久久久888优播| 国产精品久久久久久精品古装| 日本黄色日本黄色录像| 日本色播在线视频| 午夜老司机福利剧场| 欧美精品高潮呻吟av久久| 我的老师免费观看完整版| 一级a做视频免费观看| 51国产日韩欧美| 中文资源天堂在线| 欧美日韩视频精品一区| 午夜老司机福利剧场| 亚洲av成人精品一区久久| 成人亚洲欧美一区二区av| 亚洲av成人精品一二三区| 能在线免费看毛片的网站| 国产成人精品一,二区| 在线看a的网站| 国国产精品蜜臀av免费| 国产无遮挡羞羞视频在线观看| 久久鲁丝午夜福利片| 久久久久精品久久久久真实原创| 老司机影院成人| 成人午夜精彩视频在线观看| 美女主播在线视频| 久久国内精品自在自线图片| 欧美高清成人免费视频www| 一区二区三区精品91| 久久精品久久精品一区二区三区| 国产色爽女视频免费观看| 欧美精品一区二区大全| 免费大片18禁| 老熟女久久久| 午夜福利网站1000一区二区三区| 午夜免费鲁丝| 国产亚洲av片在线观看秒播厂| 男女免费视频国产| 欧美日韩视频高清一区二区三区二| 91精品国产九色| av天堂中文字幕网| 日本猛色少妇xxxxx猛交久久| 国产乱来视频区| 亚洲无线观看免费| 七月丁香在线播放| 久久精品国产亚洲网站| 伊人久久精品亚洲午夜| 777米奇影视久久| 午夜激情福利司机影院| 国产男女超爽视频在线观看| 激情五月婷婷亚洲| 亚洲图色成人| 久久免费观看电影| 国产精品久久久久久av不卡| h视频一区二区三区| 亚洲欧美精品专区久久| 成人无遮挡网站| 久久国产精品男人的天堂亚洲 | 熟女电影av网| 美女xxoo啪啪120秒动态图| 国产欧美日韩一区二区三区在线 | 各种免费的搞黄视频| 丝袜脚勾引网站| 日日摸夜夜添夜夜添av毛片| 18禁裸乳无遮挡动漫免费视频| 国产 精品1| 国产成人一区二区在线| 免费不卡的大黄色大毛片视频在线观看| 水蜜桃什么品种好| 国产精品人妻久久久久久| 三级国产精品欧美在线观看| 在线观看美女被高潮喷水网站| 国产老妇伦熟女老妇高清| av专区在线播放| 欧美日韩精品成人综合77777| 国模一区二区三区四区视频| 中国美白少妇内射xxxbb| 少妇被粗大猛烈的视频| a 毛片基地| 99re6热这里在线精品视频| 亚洲国产精品专区欧美| 国产视频内射| 欧美xxⅹ黑人| 少妇猛男粗大的猛烈进出视频| 欧美一级a爱片免费观看看| 国产精品偷伦视频观看了| 六月丁香七月| 亚洲国产精品999| 草草在线视频免费看| 麻豆成人午夜福利视频| 五月开心婷婷网| 大码成人一级视频| 精品99又大又爽又粗少妇毛片| 永久网站在线| 高清不卡的av网站| 成人综合一区亚洲| 观看av在线不卡| 2021少妇久久久久久久久久久| 国产精品国产av在线观看| 国内揄拍国产精品人妻在线| 久久人人爽人人片av| av有码第一页| 日韩强制内射视频| 久久久久久久亚洲中文字幕| 久久精品国产自在天天线| 日本欧美国产在线视频| h日本视频在线播放| 一级片'在线观看视频| 国产69精品久久久久777片| 国产高清不卡午夜福利| 人人妻人人添人人爽欧美一区卜| 久久这里有精品视频免费| 少妇被粗大猛烈的视频| 人妻系列 视频| 最近中文字幕2019免费版| 亚洲欧洲精品一区二区精品久久久 | 各种免费的搞黄视频| 青春草国产在线视频| 熟女电影av网| 久久韩国三级中文字幕| 中文资源天堂在线| 色哟哟·www| 九九爱精品视频在线观看| 中文天堂在线官网| 亚洲国产最新在线播放| 精品人妻熟女毛片av久久网站| 亚洲精品乱久久久久久| 精品99又大又爽又粗少妇毛片| 伊人亚洲综合成人网| 久久6这里有精品| 99久久精品一区二区三区| 欧美bdsm另类| 欧美3d第一页| 交换朋友夫妻互换小说| 国模一区二区三区四区视频| 亚洲,欧美,日韩| 国产精品人妻久久久影院| 国产精品久久久久久久久免| 日产精品乱码卡一卡2卡三| 亚洲精品国产成人久久av| 三上悠亚av全集在线观看 | 亚洲精品中文字幕在线视频 | 精品国产国语对白av| 赤兔流量卡办理| www.色视频.com| 麻豆乱淫一区二区| 美女脱内裤让男人舔精品视频| 搡老乐熟女国产| 国产高清三级在线| 日本vs欧美在线观看视频 | 日日撸夜夜添| 亚洲成人一二三区av| 日本-黄色视频高清免费观看| 久久精品久久精品一区二区三区| 日韩成人伦理影院| 精品久久久久久久久av| tube8黄色片| 深夜a级毛片| 欧美日韩av久久| 亚洲av二区三区四区| 亚洲欧洲精品一区二区精品久久久 | 啦啦啦啦在线视频资源| 国产永久视频网站| 欧美 亚洲 国产 日韩一| 欧美激情国产日韩精品一区| 久久午夜综合久久蜜桃| av视频免费观看在线观看| 十分钟在线观看高清视频www | 久久热精品热| 亚洲av免费高清在线观看| 国产成人精品福利久久| 在线观看美女被高潮喷水网站| 国产淫语在线视频| 精品一区二区免费观看| 免费黄网站久久成人精品| 蜜臀久久99精品久久宅男| 大香蕉97超碰在线| 欧美最新免费一区二区三区| 午夜免费鲁丝| 人妻一区二区av| 高清av免费在线| 亚洲不卡免费看| 免费人妻精品一区二区三区视频| 97精品久久久久久久久久精品| 夜夜看夜夜爽夜夜摸| 免费观看无遮挡的男女| 日本黄色日本黄色录像| 综合色丁香网| 麻豆成人av视频| 一级a做视频免费观看| videos熟女内射| av福利片在线| 欧美成人精品欧美一级黄| 亚洲激情五月婷婷啪啪| 欧美精品亚洲一区二区| 两个人的视频大全免费| 99久久精品国产国产毛片| 五月开心婷婷网| 99九九线精品视频在线观看视频| 亚洲人成网站在线观看播放| 国产精品三级大全| 在线观看免费视频网站a站| 七月丁香在线播放| 精品亚洲成a人片在线观看| av福利片在线| 女的被弄到高潮叫床怎么办| 国产熟女午夜一区二区三区 | 亚洲欧美成人精品一区二区| 97在线视频观看| 免费少妇av软件| 亚洲欧美成人综合另类久久久| 国产乱来视频区| 天天躁夜夜躁狠狠久久av| 99久国产av精品国产电影| 国产男女超爽视频在线观看| 好男人视频免费观看在线| 十八禁网站网址无遮挡 | 波野结衣二区三区在线| 大片免费播放器 马上看| 国产在线视频一区二区| 最近中文字幕高清免费大全6| 在线播放无遮挡| 精品久久国产蜜桃| 久久精品熟女亚洲av麻豆精品| 色吧在线观看| 新久久久久国产一级毛片| 视频区图区小说| 香蕉精品网在线| 日本与韩国留学比较| 国产成人aa在线观看| 国产精品一区二区性色av| 成人无遮挡网站| h日本视频在线播放| 亚洲,一卡二卡三卡| 国产成人一区二区在线| 中国国产av一级| 欧美变态另类bdsm刘玥| 丰满乱子伦码专区| 80岁老熟妇乱子伦牲交| 伦理电影免费视频| 亚洲欧美成人精品一区二区| 久久影院123| 国产伦精品一区二区三区四那| av又黄又爽大尺度在线免费看| av黄色大香蕉| 一本色道久久久久久精品综合| av黄色大香蕉| 亚洲一级一片aⅴ在线观看| 又爽又黄a免费视频| 亚洲欧美成人综合另类久久久| 特大巨黑吊av在线直播| av免费观看日本| 国产精品一二三区在线看| 日韩一本色道免费dvd| 中文乱码字字幕精品一区二区三区| 插逼视频在线观看| 婷婷色综合www| 高清午夜精品一区二区三区| 午夜91福利影院| av福利片在线观看| 最后的刺客免费高清国语| h日本视频在线播放| 91精品国产国语对白视频| 日本黄色日本黄色录像| 国产免费视频播放在线视频| av福利片在线观看| 日韩免费高清中文字幕av| 欧美区成人在线视频| 丰满少妇做爰视频| 国产精品久久久久久久电影| 老司机影院成人| 寂寞人妻少妇视频99o| 日本欧美国产在线视频| 欧美精品人与动牲交sv欧美| 亚洲精品第二区| 边亲边吃奶的免费视频| 午夜激情福利司机影院| 国产午夜精品久久久久久一区二区三区| 少妇 在线观看| 91午夜精品亚洲一区二区三区| 简卡轻食公司| 亚洲精品视频女| 少妇 在线观看| 婷婷色麻豆天堂久久| 少妇熟女欧美另类| 亚洲熟女精品中文字幕| 成年av动漫网址| 人人妻人人澡人人看| 自线自在国产av| 日韩制服骚丝袜av| 国产色爽女视频免费观看| 久久久久视频综合| 99久久精品一区二区三区| 欧美少妇被猛烈插入视频| 亚洲人成网站在线观看播放| 搡老乐熟女国产| av黄色大香蕉| 爱豆传媒免费全集在线观看| 免费黄频网站在线观看国产| 亚州av有码| 一级爰片在线观看| 97在线视频观看| 国产精品人妻久久久久久| 久久影院123| 高清视频免费观看一区二区| 中文字幕av电影在线播放| 亚洲中文av在线| 美女福利国产在线| 肉色欧美久久久久久久蜜桃| 中文乱码字字幕精品一区二区三区| 亚洲av欧美aⅴ国产| 日韩 亚洲 欧美在线| 亚洲av国产av综合av卡| 免费看日本二区| 99热国产这里只有精品6| 亚洲图色成人| xxx大片免费视频| h视频一区二区三区| 日韩强制内射视频| 在线精品无人区一区二区三| 国产乱人偷精品视频| 视频区图区小说| 精品人妻一区二区三区麻豆| 亚洲自偷自拍三级| 人人妻人人看人人澡| 久久综合国产亚洲精品| 黄色一级大片看看| 丰满少妇做爰视频| 午夜福利网站1000一区二区三区| 麻豆精品久久久久久蜜桃| 久久99精品国语久久久| 特大巨黑吊av在线直播| av免费在线看不卡| 亚洲精品一区蜜桃| 少妇的逼好多水| 97超碰精品成人国产| 久久人人爽av亚洲精品天堂| 久久久国产精品麻豆| 成人无遮挡网站| 寂寞人妻少妇视频99o| 国产美女午夜福利| 国产真实伦视频高清在线观看| 中文字幕免费在线视频6| 九九久久精品国产亚洲av麻豆| 国产亚洲av片在线观看秒播厂| 亚洲精品色激情综合| 国产日韩欧美在线精品| 久久久久人妻精品一区果冻| 国产在线免费精品| 大香蕉97超碰在线| 国产极品天堂在线| 中文字幕制服av| 亚洲av男天堂| 成人午夜精彩视频在线观看| 国产黄片视频在线免费观看| 欧美日韩综合久久久久久| 国产精品久久久久成人av| 在线观看av片永久免费下载| 精品卡一卡二卡四卡免费| 国产av精品麻豆| 中文乱码字字幕精品一区二区三区| 午夜日本视频在线| 亚洲精品国产av蜜桃| 丰满人妻一区二区三区视频av| 美女中出高潮动态图| 亚洲精品国产色婷婷电影| 亚洲在久久综合| 99九九在线精品视频 | 秋霞在线观看毛片| 国产极品粉嫩免费观看在线 | 久久亚洲国产成人精品v| 国产黄片视频在线免费观看| 全区人妻精品视频| 狂野欧美白嫩少妇大欣赏| 日本色播在线视频| tube8黄色片| 男女国产视频网站| 女人久久www免费人成看片| 一本大道久久a久久精品| 久久热精品热| 中文字幕制服av| 18禁裸乳无遮挡动漫免费视频| a级一级毛片免费在线观看| 在线观看免费日韩欧美大片 | 高清视频免费观看一区二区| 成人无遮挡网站| 美女大奶头黄色视频| 一级av片app| 桃花免费在线播放| 80岁老熟妇乱子伦牲交| 啦啦啦视频在线资源免费观看| 国产精品久久久久久久电影| 国产中年淑女户外野战色| 亚洲精品日韩av片在线观看| 一个人免费看片子| 丰满乱子伦码专区| 伦理电影大哥的女人| 色婷婷久久久亚洲欧美| 欧美日韩在线观看h| 高清在线视频一区二区三区| 男女国产视频网站| h日本视频在线播放| 亚洲国产精品成人久久小说| 亚洲天堂av无毛| 乱码一卡2卡4卡精品| 多毛熟女@视频| www.av在线官网国产| 国产精品熟女久久久久浪| 在线观看免费日韩欧美大片 | 高清午夜精品一区二区三区| 99热全是精品| 日韩制服骚丝袜av| 赤兔流量卡办理| 啦啦啦视频在线资源免费观看| 国产成人精品久久久久久| 麻豆精品久久久久久蜜桃| 99久久精品热视频| 久久婷婷青草| 久久 成人 亚洲| 国产免费一级a男人的天堂| 超碰97精品在线观看| 丰满人妻一区二区三区视频av| kizo精华| 精品卡一卡二卡四卡免费| 久久久亚洲精品成人影院| 在线亚洲精品国产二区图片欧美 | 久久久久网色| 如日韩欧美国产精品一区二区三区 | 51国产日韩欧美| 亚洲欧洲国产日韩| 国产在线男女| 亚洲婷婷狠狠爱综合网| a级毛片在线看网站| 久久久久久久国产电影| 大码成人一级视频| 国产又色又爽无遮挡免| 成人无遮挡网站| 2022亚洲国产成人精品| av在线app专区| 搡老乐熟女国产| 成人亚洲欧美一区二区av| 欧美精品亚洲一区二区| 日韩不卡一区二区三区视频在线| 人妻 亚洲 视频| 亚洲欧美日韩卡通动漫| 伊人亚洲综合成人网| 99热这里只有精品一区| 97在线视频观看| 亚洲成色77777| 亚洲精品第二区| www.色视频.com| 在线播放无遮挡| 国产在视频线精品| 中文欧美无线码| 亚洲av成人精品一区久久| 久久久久久久精品精品| 永久免费av网站大全| 中文字幕制服av| 色哟哟·www| 黄色日韩在线| 韩国av在线不卡| 亚洲一级一片aⅴ在线观看| 麻豆成人av视频| 亚洲高清免费不卡视频| 婷婷色麻豆天堂久久| 精品亚洲成a人片在线观看| 美女xxoo啪啪120秒动态图| 日本免费在线观看一区| 91精品国产九色| 精品久久久久久久久av| 人人妻人人澡人人爽人人夜夜| 亚洲精品成人av观看孕妇| 亚洲综合色惰| 亚洲久久久国产精品| 国产老妇伦熟女老妇高清| 日韩伦理黄色片| 日韩一区二区视频免费看| 六月丁香七月| 国产黄频视频在线观看| 成人美女网站在线观看视频| 免费观看性生交大片5| 午夜福利网站1000一区二区三区| 九九爱精品视频在线观看| 噜噜噜噜噜久久久久久91| 中文字幕人妻丝袜制服| 国产精品蜜桃在线观看| 丰满乱子伦码专区| 全区人妻精品视频| 晚上一个人看的免费电影| 免费av中文字幕在线| 九九在线视频观看精品| 久热久热在线精品观看| 午夜久久久在线观看| 亚洲成色77777| 国产视频内射| 久久人人爽人人爽人人片va| 人人妻人人澡人人爽人人夜夜| 99热这里只有是精品在线观看| 国产欧美另类精品又又久久亚洲欧美| www.av在线官网国产| 亚洲欧美日韩另类电影网站| 我的女老师完整版在线观看| 欧美日本中文国产一区发布| 最近2019中文字幕mv第一页| 99久久中文字幕三级久久日本| 免费看光身美女| 久久精品夜色国产| 免费不卡的大黄色大毛片视频在线观看| 成年人免费黄色播放视频 | 寂寞人妻少妇视频99o| 免费黄网站久久成人精品| 成人18禁高潮啪啪吃奶动态图 | 免费人妻精品一区二区三区视频| 欧美一级a爱片免费观看看| 精品少妇内射三级| 中文欧美无线码| 久久这里有精品视频免费| 午夜老司机福利剧场| 精品久久久久久久久亚洲| 成人午夜精彩视频在线观看| 中文字幕精品免费在线观看视频 | 街头女战士在线观看网站| 久久婷婷青草|