• <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 ?

    基于視頻的人臉和步態(tài)自適應融合身份識別

    2015-06-22 14:40:00孔英會陳佩瑤
    電視技術 2015年5期
    關鍵詞:決策層步態(tài)人臉

    孔英會,陳佩瑤

    (華北電力大學 電子與通信工程系,河北 保定 071003 )

    基于視頻的人臉和步態(tài)自適應融合身份識別

    孔英會,陳佩瑤

    (華北電力大學 電子與通信工程系,河北 保定 071003 )

    多生物特征融合的主要目的是利用其互補性來提高系統(tǒng)的識別性能。主要針對行走視頻中人臉和步態(tài)兩個生物特征融合的識別方法進行研究,對多個角度視頻下的人臉和步態(tài)提出了基于決策層的自適應加權融合方法,實驗結果證明該方法的融合識別結果比單一生物識別方法以及最大法則、加權法則等融合算法具有更高的識別率。

    視頻;人臉;步態(tài);自適應;融合

    生物特征識別技術由于其可靠性高、安全性好、魯棒性強等優(yōu)勢日益受到關注。典型的生物特征包括指紋、手掌紋理、人臉、虹膜、人耳、聲音等[1]。目前的生物特征識別系統(tǒng)大多是基于單一生物特征的,然而在不同環(huán)境下單一的生物特征由于其局限性并不總能得到令人滿意的識別率。因此多生物特征融合系統(tǒng)應運而生,利用了生物特征之間在某些條件下的互補性來提高系統(tǒng)的識別性能。

    隨著監(jiān)控視頻技術的發(fā)展,基于監(jiān)控視頻的身份識別受到廣泛關注,而監(jiān)控視頻下可以獲得的生物特征有人臉、步態(tài)、虹膜、膚色等,其中,由于人臉和步態(tài)都具有易獲得性和普遍性,并且在許多方面都具有互補性,所以融合人臉和步態(tài)的多生物特征識別技術有著很大的發(fā)展和研究潛力。信息融合識別方法中融合策略的選取對識別結果有明顯影響,目前關于融合人臉和步態(tài)所取得的研究成果有:Bir Bhanu等人[2]分別使用PCA和MDA從增強的側面人臉圖像(EFSI)和步態(tài)能量圖(GEI)中提取特征,然后在匹配分數(shù)層上使用加法法則、乘法法則、最大法則等幾種融合策略將二者融合。李軼等人[3]采用基于傅里葉描繪子和關鍵點特征的方法提取步態(tài)特征,采用傅里葉變換和奇異值分解提取步態(tài)圖像中的側面人臉特征取,繼而在決策層上利用最大法則、加法法則和乘法法則對人臉和步態(tài)特征進行融合。這些研究都使識別效果有了提升,但相對存在局限,因為融合策略基本采用靜態(tài)融合,未考慮數(shù)據(jù)變化產生的影響,而自適應融合通過對實際數(shù)據(jù)進行分析確定合理的權值分配策略,可進一步提高識別性能。耿鑫等人[4]提出了一種可以根據(jù)實時外界條件而動態(tài)調整的自適應人臉和步態(tài)融合方法,在融合過程中考慮到了可能會影響到人臉和步態(tài)關系的兩個因素,即人體到攝像頭的距離和成像角度,取得了好的結果;張立峰等人[5]提出基于方差估計的多傳感器自適應加權融合算法,可得到壓力傳感器數(shù)據(jù)中方差最小的數(shù)據(jù)融合值,提高了測量數(shù)據(jù)的準確性。這些為本文的研究提供了有益的參考。

    目前多數(shù)研究采用的人臉與步態(tài)融合方法并未考慮根據(jù)環(huán)境條件進行實時調整和改變融合權值,如最大法則、乘法法則、固定權值的加法法則等。本文通過在決策層上將每個生物特征的距離匹配值進行自適應分配權值以獲得最優(yōu)的聯(lián)合匹配分數(shù),達到最好的信息融合結果,由于該融合權值會隨著不同的測試對象和角度發(fā)生變化,因此有一定的實時性和適應性。

    1 總體思路和結構框架

    本文研究內容和主要工作可分為以下4個部分:1)步態(tài)輪廓圖像的提取和步態(tài)能量圖的建立;2)基于Haar特征的人臉檢測;3)人臉和步態(tài)數(shù)據(jù)庫的建立;4)使用非負矩陣分解NMF提取步態(tài)和人臉的特征,經(jīng)匹配后在決策層進行自適應融合得到識別結果。流程圖如圖1所示。

    圖1 融合步態(tài)和人臉身份識別流程圖

    2 從視頻幀中獲取標準歸一化步態(tài)和人臉圖像

    2.1 步態(tài)圖像歸一化和步態(tài)能量圖的建立

    在視頻監(jiān)控中步態(tài)是用于遠距離身份識別的一個重要生物特征。獲得一個視頻中人體的運動信息和步態(tài)特征,要先從拍攝行走視頻序列中提取出標準的二值化步態(tài)輪廓圖像。步驟為: 1)使用基于高斯模型的背景差法分割出二值步態(tài)圖像; 2)使用膨脹、腐蝕等形態(tài)學運算去掉二值圖像中的噪聲和空洞,完成圖像預處理; 3)通過將上半身剪影的質心設為中心實現(xiàn)圖像的水平對齊,按比例調整每個輪廓圖像保證所有的剪影都有著相同的高度,得到統(tǒng)一尺寸的標準歸一化二值步態(tài)輪廓圖像,如圖2所示。

    常規(guī)的人體行走可以視為周期性的動作,人體按照一個穩(wěn)定的頻率進行重復的動作。因此,將整個步態(tài)序列劃分成多個周期是可行的。在一個歸一化的二值側影序列中,每一幀側影的下半身的時間序列信號指示出了步態(tài)的頻率和相位信息。假設二值化步態(tài)輪廓圖Bi(x,y,t)是在一個視頻序列的所有視頻幀中的第i個步態(tài)周期的時刻t所提取的,則灰度級的步態(tài)能量圖(GEI)[6]被定義為

    (1)

    圖2 從視頻序列中獲取標準歸一化二值步態(tài)圖像

    式中:N是在一個步態(tài)周期內的視頻幀數(shù)量;t是視頻序列的幀號數(shù);x和y則是歸一化的二值圖像B的坐標值。圖3顯示了在一個步態(tài)周期內0°、54°和90°的人體樣本側影圖像,最右是相應的步態(tài)能量圖。它反映了側影的主要形狀和在步態(tài)周期上人體運動信息的變化,可作為步態(tài)識別的重要依據(jù)。

    圖3 歸一化步態(tài)輪廓圖像及相應步態(tài)能量圖

    2.2 AdaBoost人臉檢測

    目標檢測方法最初由Paul Viola提出,并由Rainer Lienhart對這一方法進行了改善。首先,利用上百幅樣本圖片的Haar特征進行分類器訓練,得到一個級聯(lián)的boosted分類器。訓練樣本分為正例樣本和反例樣本,其中正例樣本是指待檢測目標樣本,反例樣本指其他任意圖片,所有的樣本圖片都被歸一化為同樣的尺寸大小。分類器訓練完以后,就可以應用于輸入圖像中的感興趣區(qū)域的檢測。

    對于每個類Haar特征,都可以生成一個分類器,其形式為

    (2)

    式中:x代表樣本;hi(x)為第i個類Haar特征hi在樣本上的取值;pi是分類方向符號;fi為由特征hi構成的分類器;θi為分類器fi的閾值。Adaboost算法的目的就是在分類器集合中尋找分類錯誤最小的弱分類器,即尋找參數(shù)hi,pi,θi,在反復進行多次迭代訓練后,使分類錯誤趨近于零,最后將這些弱分類器組合成強分類器。檢測到目標區(qū)域分類器輸出為1,否則輸出為0。為了在整幅圖像中檢測未知大小的目標物體,掃描程序通常需要移動調整不同比例大小的搜索窗口對圖片進行幾次掃描。在圖像檢測中,被檢窗口依次通過每一級分類器,全部通過每一級分類器檢測的區(qū)域即為目標區(qū)域。基礎分類器是至少有兩個葉結點的決策樹分類器。Haar特征是基礎分類器的輸入,該特征可以用來描述人臉、眼睛、嘴唇、鼻子、人體、車輛等目標物體。擴展的Haar特征[7]有4種,如圖4所示。

    圖4 擴展的Haar特征

    2.3 利用Haar分類器從視頻幀中獲得標準化人臉圖像

    要從行走視頻中獲得標準化的人臉圖像作為數(shù)據(jù)庫,主要可分為3個步驟:1)利用訓練好的行人全身檢測Haar級聯(lián)分類器對視頻幀進行檢測得到行人全身;2)利用訓練好的人臉檢測Haar級聯(lián)分類器從步驟1)中所得的行人全身圖像中獲得正面或者側面人臉;3)對步驟2)獲得的各種尺寸的低分辨率人臉圖像通過雙三次插值法得到統(tǒng)一尺寸的較高分辨率的人臉圖像,如圖5所示。

    圖5 從視頻序列中獲取歸一化多角度人臉圖像

    3 基于NMF的特征提取和決策層人臉與步態(tài)自適應融合識別

    3.1 基于NMF的人臉和步態(tài)特征提取

    NMF是一種新的特征提取方法,它的思想是對基矩陣引入非負約束,把一個大的非負矩陣V分解成兩個非負矩陣矩陣W和H的乘積[8],即V=WH,從而提取到有意義的局部成分,克服其他子空間分解方法所出現(xiàn)的系數(shù)之間的正負相互抵消而使得特征削弱的現(xiàn)象,更好地反映局部特征,提高識別的準確率。

    基于NMF的人臉和步態(tài)特征提取是:首先讀入人臉和步態(tài)的訓練圖像數(shù)據(jù)庫,得到訓練圖像矩陣V=[V1,V2,…,Vn],n為訓練庫中圖像數(shù)量,列向量Vi代表一張訓練圖像。通過NMF變換公式V=WH得到

    (3)

    式中:W=[W1,W2,…,Wn]為基矩陣:H=[H1,H2,…,Hn]為系數(shù)矩陣,W的每一列Wi為一幅基圖像,Hi為第i張訓練圖像Vi在基圖像矩陣W=[W1,W2,…,Wn]上的投影后的系數(shù),訓練庫中每張訓練圖像近似為基圖像的線性組合,使用Hi代表Vi從而達到了降維和特征提取的目的,Wi則是基于NMF的基圖像。

    3.2 人臉和步態(tài)的決策層自適應融合方法

    多特征融合技術的一個核心問題就是融合策略問題,即選擇在哪個層次級別上融合的問題。根據(jù)生物特征識別的基本方法,目前多特征融合在四個層次[9]上進行,即數(shù)據(jù)層、特征層、匹配層和決策層。也有人將在較高層次融合的匹配層和決策層統(tǒng)稱為決策層融合。

    決策層融合的主要思想是分別對采集層、特征層和匹配層的處理進行評估,然后利用數(shù)據(jù)融合的方法將評估結果在匹配層進行表達,使得各層的有效性和可靠性在最后的匹配計算中得到體現(xiàn),獲得更加客觀的識別結果。對于多生物特征的識別來說,匹配輸出的結果往往是一個多維的向量,向量中的每一個成員都表示一個不同來源的匹配結果,決策層融合算法的研究目的就是在這樣的一個向量空間做類內和類間的劃分。本文采用的是在決策層上對兩組匹配值進行自適應融合以達到最優(yōu)識別效率。

    對人臉和步態(tài)進行NMF特征提取之后,需要分別獲得其歐氏距離匹配數(shù)組:將待測人臉或者步態(tài)圖像的一維特征列向量c對基圖像所形成的坐標系上進行投影S=c·W,得到投影矩陣,求出待測圖像與所有n幅訓練圖像的歐氏距離,從而得到人臉或者步態(tài)的歐式距離匹配數(shù)組F={F1,F2,…,FN}以及G={G1,G2,…,GN}。分別得到人臉和步態(tài)距離匹配值數(shù)組之后,需要先將所得的歐氏距離數(shù)組進行歸一化。本文使用線性歸一化方法[10]

    (4)

    式中:soriginal定義為輸出的原始匹配值;snorm為歸一化之后的匹配值。由此得到歸一化的匹配值數(shù)組Sf={Sf1,Sf2,…,SfN}和Sg={Sg1,Sg2,…,SgN},歸一化前后的匹配值分布如圖6所示,這種歸一化方法可以將原始匹配數(shù)組映射到[0,1]區(qū)間中去,且不會改變數(shù)據(jù)的分布形式。

    圖6 不改變原來曲線的分布歸一化前后的匹配值分布

    在得到人臉和步態(tài)的輸出匹配分數(shù)后,如何分配各個子系統(tǒng)所占的權重以達到最好的融合效果是整個融合系統(tǒng)的核心問題。而反映一個匹配分數(shù)數(shù)組曲線的主要參數(shù)就是離散度。離散程度反映了一個數(shù)組的波動大小,通常和兩個參數(shù)有關,即均值μ和標準差σ,其中

    (5)

    (6)

    式中:N為訓練樣本的個數(shù)。標準差的大小反映了數(shù)組的均衡性、穩(wěn)定性、差異性等,標準差較大的說明各個子系統(tǒng)得到的匹配分數(shù)對類之間有較好的區(qū)分度。

    (7)

    (8)

    由于本文中僅包含人臉和步態(tài)兩個生物特征,n=2,可得

    (9)

    (10)

    由于每兩個人臉和步態(tài)距離匹配值數(shù)組的變化和不同,所得的匹配離散度w=μ/σ2也在發(fā)生變化,因此相對于其他方法來說,該融合方法具有很好的實時性與自適應性。

    4 實驗及結果分析

    本實驗采用中科院自動化研究所建立的CASIA步態(tài)數(shù)據(jù)庫中的DatasetB提供的步態(tài)視頻來提取人臉和步態(tài)的圖像數(shù)據(jù)庫。DatasetB是一個大規(guī)模的多角度步態(tài)視頻數(shù)據(jù)庫,其中共有124個人,每個人有11個視角(0°,18°,36°,…,180°),在3種行走條件下(普通條件、穿大衣、攜帶包裹條件)采集。實驗選取了DatasetB中的前40個人在普通條件下的0°,54°,90°視角進行人臉識別和步態(tài)識別。使用之前, 對數(shù)據(jù)庫中的數(shù)據(jù)進行了一個粗略的篩選, 由于光照條件和背景干擾等問題剔除了DatasetB中用于步態(tài)識別的5,28,34三個對象的視頻幀和用于人臉的5,15兩個對象的視頻幀數(shù)據(jù),這樣保留了DatasetB中的36個對象的正面行走數(shù)據(jù)用于完成訓練和測試。對于這36個對象,實驗從其中每人的6個普通條件行走視頻中任意選取2個視頻序列,一個用于訓練數(shù)據(jù)庫,一個作為測試庫。

    本文主要利用普通行走條件下0°,54°,90°這3種角度的人臉和步態(tài)進行融合實驗,分別為:0°行走視頻中的人臉和0°行走視頻中的步態(tài)融合,54°行走視頻中的人臉和54°行走視頻中的步態(tài)融合,以及雙視角條件下0°行走視頻中的人臉和90°行走視頻中的步態(tài)融合。為了方便人臉和步態(tài)的特征融合,首先將人臉圖像和步態(tài)能量圖歸一化成大小一致的二值化圖像,人臉和步態(tài)的訓練數(shù)據(jù)庫和測試數(shù)據(jù)庫中分別有36幅圖像,如圖7所示。利用NMF提取特征向量并計算出測試圖像與所有訓練圖像降維向量的歐氏距離,并得到歸一化的人臉和步態(tài)特征匹配值數(shù)組Sf={Sf1,Sf2…,SfN}和Sg={Sg1,Sg2…,SgN}。

    本文分別采用最大法則、加入權值的加法法則和本文所提出的自適應方法進行融合。對于加入權值的加法法則, 選擇文獻[3]所使用的方法,選取的權值分別為步態(tài)和人臉的識別率,表1給出了0°行走視頻中人臉和步態(tài)相融合所得識別結果,表2給出了54°行走視頻中人臉和步態(tài)相融合所得識別結果,表3給出了雙視角下0°人臉和90°步態(tài)融合所得識別結果;圖8則展示了部分自適應融合法則可以改善使用加法法則和最大法則判錯的情況。

    圖7 部分各角度的人臉和步態(tài)訓練數(shù)據(jù)庫

    融合方法僅人臉僅步態(tài)最大法則加法法則本文方法識別率/%69.4472.227586.1188.89

    表2 54°行走視頻中人臉和步態(tài)相融合所得識別率

    表3 雙視角下0°人臉和90°步態(tài)融合所得識別率

    圖8展示了雙視角條件下使用各融合法則的部分判決結果,圖8a顯示了4號目標使用加法法則判錯,自適應融合法則判對的情況;圖8b顯示了11號目標使用最大法則判錯,自適應融合法則判對的情況。

    圖8 雙視角條件下使用各融合法則的部分判決結果

    從實驗結果可以看出,無論采用何種角度組合方式和以上哪種融合方法,將人臉和步態(tài)特征融合后進行識別的識別率都不低于采用單一特征的識別率,且采用本文所提出的決策層自適應匹配融合方法通過最優(yōu)權值分配和總均方誤差的非線性規(guī)劃過程,可以改善最大法則和加法法則的判錯情況,使得識別錯誤率降低,具有很好的實時性和實用性。

    5 結論

    本文提出了一種采用視頻序列中多個角度的人臉和步態(tài)進行自適應融合的身份識別方法,首先采用步態(tài)能量圖對一個或多個步態(tài)周期內的人體運動信息進行描述,利用級聯(lián)的Haar分類器從視頻幀中檢測出人臉區(qū)域,然后利用非負矩陣分解NMF提取人臉和步態(tài)特征并分別獲取測試圖像到訓練圖像庫的歐式距離數(shù)組集合,在決策層利用非線性規(guī)劃將每個生物特征的距離匹配值進行自適應分配權值以獲得最優(yōu)的聯(lián)合匹配分數(shù),達到最好的信息融合結果,由于該融合權值會隨著不同的測試對象和角度發(fā)生變化,因此有一定的實時性和適應性。實驗結果表明,本文提出的融合方法的識別性能要優(yōu)于單一生物識別方法以及最大法則、加權法則等靜態(tài)融合算法,能達到很好的信息融合效果。

    [1]NIINUMA K,PARK U,JAIN A K.Soft biometric traits for continuous user authentication[J].Information Forensics and Security,2004,5(4):771-780.

    [2]ZHOU XL,BHANU B.Integrating face and gait for human recognition at a distance in video[J].IEEE Trans.System Man.and Cybernetics,2007,37(5):1119-1137.

    [3]李軼,明東,王璐,等.融合步態(tài)和人臉特征的遠距離身份識別研究[J].儀器儀表學報,2011,32(2): 264-270.

    [4]GENG Xin,WANG Liang,LI Ming, et al.Adaptive fusion of gait and face for human identification in video[J].Applications of Computer Vision,2008,7(9):1-6.

    [5]李媛媛,張立峰.多傳感器自適應加權融合算法及其應用研究[J].自動化與儀器儀表,2008(2):10-13 .

    [6]唐春林.基于幀差能量圖遺傳算法的自遮擋步態(tài)識別[J].電視技術,2014,38(5):173-177.

    [7]郭磊,王秋光.Adaboost人臉檢測算法研究及OpenCv實現(xiàn)[J].哈爾濱理工大學學報,2009,14(5):123-126 .

    [8]WANG Yuxiong,ZHANG Yujin.Nonnegative matrix factorization:a comprehensive review [J].IEEE Trans.Knowledge and Data Engineering,2013,25(6):1337-1351.

    [9]LIU Chengjun.Learning the uncorrelated,independent, and discriminating color spaces for face recognition[J].Information Forensics and Security,2008,3(2):213-222.

    [10]周斌,林喜榮.量化層多生物特征融合的最佳權值[J].清華大學學報,2008,48(2):192-195.

    Adaptive Fusion of Multi-biometrics for Human Identification in Video

    KONG Yinghui,CHEN Peiyao

    (ElectronicsandCommunicationEngineering,NorthChinaElectricPowerUniversity,HebeiBaoding071003,China)

    The purpose of multiple biometric fusion is to improve the recognition performance by utilizing their complementary.In this paper, the feature fusion recognition method of multi-view face and gait in video is studied, and a adaptive decision fusion method is proposed.The results show that the adaptive fusion features carry the most discriminating power compared to any individual biometric and other static fusion rules like MAX and SUM.

    video; face; gait; adaptive; fusion

    TP391.41

    A

    10.16280/j.videoe.2015.05.033

    2014-07-12

    【本文獻信息】孔英會,陳佩瑤.基于視頻的人臉和步態(tài)自適應融合身份識別[J].電視技術,2015,39(5).

    孔英會(1965— ),女,教授,主研智能信息處理,圖像處理;

    陳佩瑤(1992— ),女,碩士,主研圖像處理。

    責任編輯:閆雯雯

    猜你喜歡
    決策層步態(tài)人臉
    小螞蟻與“三角步態(tài)”
    科學大眾(2024年5期)2024-03-06 09:40:34
    國際體育組織“決策層”中的中國面孔
    讀報參考(2023年3期)2023-01-20 01:43:05
    有特點的人臉
    內控時間背景下的中小學內部控制建設路徑構建
    財訊(2019年24期)2019-09-03 05:37:05
    基于面部和步態(tài)識別的兒童走失尋回系統(tǒng)
    電子制作(2018年18期)2018-11-14 01:48:04
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    基于Kinect的學步期幼兒自然步態(tài)提取
    自動化學報(2018年6期)2018-07-23 02:55:42
    文化自覺對高職院校領導決策層的影響
    大東方(2015年8期)2015-05-30 09:30:25
    馬面部與人臉相似度驚人
    便宜假肢能模仿正常步態(tài)
    亚洲欧美成人精品一区二区| 蜜臀久久99精品久久宅男| 免费观看av网站的网址| 国产 一区精品| 美女国产视频在线观看| 成人影院久久| 午夜福利影视在线免费观看| 久久精品夜色国产| 亚洲精品一区蜜桃| av线在线观看网站| 国产又色又爽无遮挡免| 亚洲成色77777| 汤姆久久久久久久影院中文字幕| 国产精品国产三级国产av玫瑰| 精品一区在线观看国产| 99久国产av精品国产电影| 97精品久久久久久久久久精品| 狠狠精品人妻久久久久久综合| 精品一区二区三卡| 精品人妻熟女毛片av久久网站| 久久国产精品大桥未久av| 欧美精品人与动牲交sv欧美| 久久久久久伊人网av| 搡老乐熟女国产| 国产免费一区二区三区四区乱码| 亚洲人与动物交配视频| 亚洲国产精品国产精品| 国产不卡av网站在线观看| 另类亚洲欧美激情| 精品人妻熟女毛片av久久网站| 在线看a的网站| 亚洲色图 男人天堂 中文字幕 | 国产麻豆69| 多毛熟女@视频| 久久韩国三级中文字幕| 亚洲欧美日韩另类电影网站| 久久人人爽人人片av| 亚洲av免费高清在线观看| 视频中文字幕在线观看| 国产成人av激情在线播放| 91在线精品国自产拍蜜月| 亚洲高清免费不卡视频| 最近的中文字幕免费完整| 成人二区视频| 国产xxxxx性猛交| 国产高清三级在线| h视频一区二区三区| 伦理电影大哥的女人| 亚洲激情五月婷婷啪啪| 日韩大片免费观看网站| 国产男人的电影天堂91| 亚洲国产精品专区欧美| 激情五月婷婷亚洲| 国产成人a∨麻豆精品| 亚洲欧美中文字幕日韩二区| 老女人水多毛片| 97超碰精品成人国产| 成人免费观看视频高清| 精品人妻熟女毛片av久久网站| 丝瓜视频免费看黄片| 人妻 亚洲 视频| 久久久久久久久久久免费av| 久久99蜜桃精品久久| 极品人妻少妇av视频| 精品一区在线观看国产| 国产片特级美女逼逼视频| 亚洲精品456在线播放app| av线在线观看网站| 日本黄色日本黄色录像| 久久99蜜桃精品久久| 香蕉丝袜av| 人人妻人人澡人人爽人人夜夜| 巨乳人妻的诱惑在线观看| 91精品三级在线观看| 成人毛片60女人毛片免费| 人人妻人人澡人人爽人人夜夜| 18禁国产床啪视频网站| 一级毛片黄色毛片免费观看视频| 看免费成人av毛片| 90打野战视频偷拍视频| freevideosex欧美| 18禁裸乳无遮挡动漫免费视频| 国产精品欧美亚洲77777| 美女福利国产在线| 久久久久国产精品人妻一区二区| tube8黄色片| 欧美日本中文国产一区发布| 欧美人与善性xxx| 亚洲第一区二区三区不卡| 香蕉国产在线看| 日本午夜av视频| 我的女老师完整版在线观看| 啦啦啦中文免费视频观看日本| 一区二区av电影网| 永久免费av网站大全| 亚洲精品视频女| 久久免费观看电影| 精品午夜福利在线看| 搡老乐熟女国产| 天美传媒精品一区二区| 久久精品久久久久久久性| 男女无遮挡免费网站观看| 国产av精品麻豆| 国产 一区精品| 黑人猛操日本美女一级片| 在线观看www视频免费| 天堂俺去俺来也www色官网| 国产高清三级在线| av有码第一页| 街头女战士在线观看网站| 自拍欧美九色日韩亚洲蝌蚪91| 在线观看免费高清a一片| 国产日韩欧美视频二区| 亚洲人成网站在线观看播放| 午夜福利在线观看免费完整高清在| av免费观看日本| 欧美精品av麻豆av| 欧美xxxx性猛交bbbb| 极品少妇高潮喷水抽搐| 国产淫语在线视频| 久久鲁丝午夜福利片| 少妇人妻 视频| 黑人欧美特级aaaaaa片| 黄网站色视频无遮挡免费观看| 国产色婷婷99| 国产在线一区二区三区精| 精品视频人人做人人爽| 狠狠婷婷综合久久久久久88av| 99香蕉大伊视频| www.熟女人妻精品国产 | 亚洲少妇的诱惑av| 久久国产精品大桥未久av| 国产欧美日韩综合在线一区二区| 热re99久久国产66热| 婷婷色av中文字幕| 日本黄色日本黄色录像| 天天影视国产精品| 亚洲国产日韩一区二区| 又大又黄又爽视频免费| 99久久综合免费| 一边摸一边做爽爽视频免费| 精品人妻在线不人妻| 久久国产精品大桥未久av| 午夜av观看不卡| 久久热在线av| 黄色怎么调成土黄色| 亚洲综合精品二区| 日韩 亚洲 欧美在线| 国产深夜福利视频在线观看| 久久鲁丝午夜福利片| 深夜精品福利| 蜜臀久久99精品久久宅男| 亚洲欧洲精品一区二区精品久久久 | 精品午夜福利在线看| 久久97久久精品| 国产无遮挡羞羞视频在线观看| av视频免费观看在线观看| 精品人妻熟女毛片av久久网站| 成人亚洲欧美一区二区av| 国产一区二区三区综合在线观看 | 久久女婷五月综合色啪小说| 亚洲欧美成人综合另类久久久| 91精品伊人久久大香线蕉| 超碰97精品在线观看| 欧美变态另类bdsm刘玥| 久久人妻熟女aⅴ| 搡女人真爽免费视频火全软件| 草草在线视频免费看| 国产成人精品婷婷| 中文乱码字字幕精品一区二区三区| 麻豆精品久久久久久蜜桃| 18禁观看日本| 精品一品国产午夜福利视频| 中文字幕另类日韩欧美亚洲嫩草| 日韩精品有码人妻一区| 最后的刺客免费高清国语| 国产精品久久久久久久久免| 成年av动漫网址| 亚洲国产看品久久| 免费在线观看完整版高清| 免费人妻精品一区二区三区视频| 国产日韩一区二区三区精品不卡| 欧美3d第一页| 精品人妻熟女毛片av久久网站| 国产精品偷伦视频观看了| 国产欧美日韩综合在线一区二区| 亚洲 欧美一区二区三区| 国产69精品久久久久777片| 欧美成人精品欧美一级黄| 久久av网站| 亚洲欧美精品自产自拍| 国产国语露脸激情在线看| 国产1区2区3区精品| 中文字幕制服av| 国产一区二区三区综合在线观看 | 午夜福利视频精品| 精品亚洲成国产av| 男女午夜视频在线观看 | 国产精品久久久av美女十八| av黄色大香蕉| 国产探花极品一区二区| 看非洲黑人一级黄片| 久久青草综合色| 女的被弄到高潮叫床怎么办| 在线天堂中文资源库| 国产精品无大码| 成人国产av品久久久| 国产乱人偷精品视频| 99国产精品免费福利视频| 一区二区三区精品91| 色视频在线一区二区三区| 久久久久久久大尺度免费视频| 久久鲁丝午夜福利片| 国产麻豆69| 一区二区日韩欧美中文字幕 | 晚上一个人看的免费电影| 午夜免费观看性视频| 天天操日日干夜夜撸| 久久久亚洲精品成人影院| 国产片内射在线| 国产日韩欧美视频二区| 男女午夜视频在线观看 | 最近最新中文字幕大全免费视频 | 亚洲丝袜综合中文字幕| 成人毛片a级毛片在线播放| 九色成人免费人妻av| 丝袜脚勾引网站| 97超碰精品成人国产| 两性夫妻黄色片 | videos熟女内射| 国产亚洲午夜精品一区二区久久| 久久久国产一区二区| 国产成人免费无遮挡视频| 一级a做视频免费观看| 国产熟女午夜一区二区三区| 黑丝袜美女国产一区| 亚洲一码二码三码区别大吗| 纵有疾风起免费观看全集完整版| 人体艺术视频欧美日本| 日产精品乱码卡一卡2卡三| 伊人亚洲综合成人网| 狠狠婷婷综合久久久久久88av| 国产免费福利视频在线观看| 美女大奶头黄色视频| 国产精品偷伦视频观看了| 捣出白浆h1v1| 色94色欧美一区二区| 欧美人与性动交α欧美精品济南到 | 久久99蜜桃精品久久| 欧美性感艳星| 男人舔女人的私密视频| 国产精品一区二区在线观看99| 亚洲伊人久久精品综合| 精品一区二区三区视频在线| 欧美变态另类bdsm刘玥| 午夜av观看不卡| 精品久久久久久电影网| 国产亚洲最大av| 亚洲精品成人av观看孕妇| 少妇的逼水好多| 婷婷色麻豆天堂久久| 成人18禁高潮啪啪吃奶动态图| 久久久精品区二区三区| 99re6热这里在线精品视频| 26uuu在线亚洲综合色| 国产成人av激情在线播放| 久久久久久人妻| 97在线人人人人妻| www日本在线高清视频| 成年女人在线观看亚洲视频| 只有这里有精品99| 国产一区亚洲一区在线观看| 卡戴珊不雅视频在线播放| 少妇 在线观看| 精品久久久精品久久久| 热99国产精品久久久久久7| 午夜老司机福利剧场| 国产黄色视频一区二区在线观看| 午夜av观看不卡| av在线观看视频网站免费| 精品国产一区二区久久| 黑人欧美特级aaaaaa片| 亚洲精品日本国产第一区| 欧美 日韩 精品 国产| 精品人妻在线不人妻| 亚洲欧美一区二区三区黑人 | 国产精品麻豆人妻色哟哟久久| 国产一区有黄有色的免费视频| 亚洲成av片中文字幕在线观看 | 男女啪啪激烈高潮av片| 精品国产乱码久久久久久小说| 九色成人免费人妻av| 91久久精品国产一区二区三区| 最近中文字幕高清免费大全6| 国产成人精品婷婷| 啦啦啦视频在线资源免费观看| 99久久精品国产国产毛片| 免费看av在线观看网站| 青春草视频在线免费观看| 成人免费观看视频高清| 男的添女的下面高潮视频| 少妇人妻 视频| 伦理电影免费视频| 久久久欧美国产精品| 国产精品一区二区在线观看99| 欧美精品国产亚洲| 啦啦啦啦在线视频资源| 伦理电影大哥的女人| 我的女老师完整版在线观看| 麻豆乱淫一区二区| 久久女婷五月综合色啪小说| 大码成人一级视频| 另类精品久久| 国产免费现黄频在线看| 一级片'在线观看视频| 久久99热6这里只有精品| 国产又爽黄色视频| 亚洲av中文av极速乱| 天美传媒精品一区二区| 久久狼人影院| 一区在线观看完整版| 精品少妇内射三级| 18+在线观看网站| 欧美bdsm另类| 一二三四在线观看免费中文在 | 亚洲一码二码三码区别大吗| xxxhd国产人妻xxx| 亚洲欧美色中文字幕在线| 国产精品国产三级专区第一集| 国产欧美另类精品又又久久亚洲欧美| 欧美丝袜亚洲另类| 欧美xxⅹ黑人| 久久国产亚洲av麻豆专区| 国产一区有黄有色的免费视频| 精品人妻偷拍中文字幕| 久久久久久久精品精品| 十八禁高潮呻吟视频| 男女边摸边吃奶| 五月玫瑰六月丁香| 中文字幕制服av| 永久网站在线| 两个人看的免费小视频| 十八禁高潮呻吟视频| 日韩一本色道免费dvd| 高清不卡的av网站| 久久久国产欧美日韩av| 欧美日韩成人在线一区二区| 9191精品国产免费久久| 在线观看免费视频网站a站| 亚洲美女黄色视频免费看| 国产免费一区二区三区四区乱码| 熟女av电影| 日韩不卡一区二区三区视频在线| 国产成人aa在线观看| 国产在线免费精品| 夫妻午夜视频| 97在线人人人人妻| 亚洲熟女精品中文字幕| 国产精品久久久久久精品电影小说| 国产探花极品一区二区| 亚洲国产欧美在线一区| 蜜桃国产av成人99| 国产色婷婷99| 亚洲成av片中文字幕在线观看 | 亚洲欧美一区二区三区国产| 女的被弄到高潮叫床怎么办| 成年人免费黄色播放视频| 18在线观看网站| 国产男女内射视频| 一本久久精品| 日韩电影二区| 满18在线观看网站| 免费播放大片免费观看视频在线观看| 亚洲高清免费不卡视频| 精品少妇内射三级| 飞空精品影院首页| 高清视频免费观看一区二区| 成人手机av| 久久热在线av| 婷婷色av中文字幕| 日韩,欧美,国产一区二区三区| av福利片在线| 婷婷色综合大香蕉| 国产男人的电影天堂91| 欧美成人午夜精品| 在线看a的网站| 亚洲国产欧美在线一区| 一个人免费看片子| 99久久中文字幕三级久久日本| 韩国高清视频一区二区三区| 国产免费一级a男人的天堂| 欧美日韩视频高清一区二区三区二| 韩国精品一区二区三区 | 久久青草综合色| 国产淫语在线视频| 99热国产这里只有精品6| 免费黄色在线免费观看| 在线看a的网站| 精品久久国产蜜桃| 国产午夜精品一二区理论片| 免费不卡的大黄色大毛片视频在线观看| 美女国产高潮福利片在线看| 男人添女人高潮全过程视频| 日本黄色日本黄色录像| 久久久久久久国产电影| 熟女av电影| 男女免费视频国产| 18禁裸乳无遮挡动漫免费视频| 卡戴珊不雅视频在线播放| 男人舔女人的私密视频| 狠狠婷婷综合久久久久久88av| 久久久精品94久久精品| 欧美日韩国产mv在线观看视频| 亚洲三级黄色毛片| 成人国产麻豆网| 最近2019中文字幕mv第一页| 色94色欧美一区二区| 欧美少妇被猛烈插入视频| 国产深夜福利视频在线观看| 国产精品无大码| 国产精品久久久久久精品电影小说| 久久久久久久久久久免费av| 久久久久人妻精品一区果冻| 久久久久久久亚洲中文字幕| 免费播放大片免费观看视频在线观看| 少妇熟女欧美另类| 国产女主播在线喷水免费视频网站| 国产精品久久久久久av不卡| 中国美白少妇内射xxxbb| 国产成人免费观看mmmm| 欧美3d第一页| 色94色欧美一区二区| 丰满迷人的少妇在线观看| 免费少妇av软件| 视频区图区小说| 黑人欧美特级aaaaaa片| 国产精品久久久av美女十八| 26uuu在线亚洲综合色| 亚洲欧美日韩另类电影网站| 日本免费在线观看一区| 国产免费视频播放在线视频| 亚洲久久久国产精品| 丰满乱子伦码专区| 欧美97在线视频| 国产麻豆69| 黄色毛片三级朝国网站| 人妻一区二区av| 亚洲内射少妇av| 久久久久久人妻| 精品酒店卫生间| 一区二区av电影网| 免费日韩欧美在线观看| 亚洲精品久久成人aⅴ小说| 免费在线观看黄色视频的| 啦啦啦啦在线视频资源| a级毛片在线看网站| 99久久精品国产国产毛片| 亚洲,欧美,日韩| 亚洲av.av天堂| 国产精品麻豆人妻色哟哟久久| 日韩av免费高清视频| 人妻一区二区av| 嫩草影院入口| 高清黄色对白视频在线免费看| 韩国av在线不卡| 亚洲欧美精品自产自拍| 午夜91福利影院| videosex国产| av国产精品久久久久影院| 国产伦理片在线播放av一区| 制服人妻中文乱码| 99久久人妻综合| 久久久久久伊人网av| 欧美亚洲日本最大视频资源| 婷婷色麻豆天堂久久| 国产精品熟女久久久久浪| 90打野战视频偷拍视频| 黄色毛片三级朝国网站| 久久久久久久久久成人| 伦理电影免费视频| 久热这里只有精品99| 精品午夜福利在线看| 精品亚洲成a人片在线观看| 亚洲av成人精品一二三区| 久久久久久人人人人人| 欧美日韩精品成人综合77777| 成人二区视频| 日本色播在线视频| 在线观看www视频免费| 午夜日本视频在线| 秋霞在线观看毛片| 亚洲精品乱码久久久久久按摩| 人妻少妇偷人精品九色| 国产免费福利视频在线观看| 热99国产精品久久久久久7| 美女脱内裤让男人舔精品视频| 99九九在线精品视频| 久久久久国产网址| av在线播放精品| 国产成人午夜福利电影在线观看| 久久久久人妻精品一区果冻| 国产又色又爽无遮挡免| 搡老乐熟女国产| 成人午夜精彩视频在线观看| 日本wwww免费看| 久热久热在线精品观看| 永久网站在线| 一本大道久久a久久精品| 亚洲经典国产精华液单| 卡戴珊不雅视频在线播放| 日本黄色日本黄色录像| 欧美另类一区| 欧美成人午夜免费资源| 日本与韩国留学比较| 建设人人有责人人尽责人人享有的| 亚洲精品久久久久久婷婷小说| 亚洲人与动物交配视频| 亚洲av中文av极速乱| 亚洲欧美中文字幕日韩二区| 久久久久久久久久久久大奶| 中文字幕最新亚洲高清| 午夜视频国产福利| 国产男人的电影天堂91| 日韩精品免费视频一区二区三区 | 一级毛片 在线播放| 日韩制服丝袜自拍偷拍| 99热国产这里只有精品6| 久久久久久久大尺度免费视频| 亚洲色图 男人天堂 中文字幕 | 黄网站色视频无遮挡免费观看| 亚洲精品日韩在线中文字幕| 99热这里只有是精品在线观看| 18在线观看网站| 秋霞在线观看毛片| 成人手机av| 国产一级毛片在线| 国产极品粉嫩免费观看在线| 久久久久久人人人人人| 99热国产这里只有精品6| 女的被弄到高潮叫床怎么办| 亚洲av中文av极速乱| 51国产日韩欧美| 在线看a的网站| 我要看黄色一级片免费的| www.av在线官网国产| 黄色怎么调成土黄色| 91精品三级在线观看| 人人妻人人添人人爽欧美一区卜| 色5月婷婷丁香| 黄片播放在线免费| 熟女av电影| 国产高清国产精品国产三级| 少妇的逼水好多| 国产视频首页在线观看| 久久亚洲国产成人精品v| www.熟女人妻精品国产 | 亚洲精品色激情综合| 国产成人精品一,二区| 欧美精品国产亚洲| 国产免费又黄又爽又色| 777米奇影视久久| 国产又爽黄色视频| 国产男人的电影天堂91| 久久国产精品男人的天堂亚洲 | 香蕉精品网在线| 日韩中字成人| 内地一区二区视频在线| 亚洲欧美成人综合另类久久久| 极品少妇高潮喷水抽搐| 亚洲国产欧美在线一区| 久热这里只有精品99| av天堂久久9| 免费在线观看完整版高清| 黄片播放在线免费| 亚洲国产日韩一区二区| 免费观看无遮挡的男女| 精品酒店卫生间| 亚洲婷婷狠狠爱综合网| 久久久久久久久久人人人人人人| av电影中文网址| 制服丝袜香蕉在线| 欧美 亚洲 国产 日韩一| 亚洲一码二码三码区别大吗| 国产精品99久久99久久久不卡 | 王馨瑶露胸无遮挡在线观看| 女性生殖器流出的白浆| 丰满少妇做爰视频| 欧美精品人与动牲交sv欧美| 黄网站色视频无遮挡免费观看| 观看av在线不卡| 纯流量卡能插随身wifi吗| 国产一区二区在线观看av| 免费黄频网站在线观看国产| 日韩av免费高清视频| 久久毛片免费看一区二区三区| 久久午夜综合久久蜜桃| 国产欧美亚洲国产| 9191精品国产免费久久| 色网站视频免费| 日本欧美国产在线视频| 成人毛片60女人毛片免费| 久久久久国产精品人妻一区二区| 久久99蜜桃精品久久| 美女视频免费永久观看网站| 视频区图区小说| 国产精品久久久av美女十八| 少妇的逼好多水| 免费在线观看完整版高清| 欧美激情极品国产一区二区三区 | 免费大片黄手机在线观看| 免费黄色在线免费观看| 久久久久视频综合| 国产成人精品福利久久| 日韩电影二区| 欧美日韩国产mv在线观看视频|