• <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 ?

    紅外圖像中基于似物性與稀疏編碼的行人檢測(cè)

    2016-03-27 05:35:06曾麗君
    紅外技術(shù) 2016年9期
    關(guān)鍵詞:特征提取行人分類器

    魏 麗,丁 萌,曾麗君

    ?

    紅外圖像中基于似物性與稀疏編碼的行人檢測(cè)

    魏 麗1,丁 萌2,3,曾麗君1

    (1.南京航空航天大學(xué)金城學(xué)院,江蘇 南京 210016;2.南京航空航天大學(xué)民航學(xué)院,江蘇 南京 210016;3.光電控制技術(shù)重點(diǎn)實(shí)驗(yàn)室,河南 洛陽 471023)

    行人檢測(cè)是計(jì)算機(jī)視覺的經(jīng)典問題。針對(duì)紅外圖像中的行人檢測(cè)問題,提出了一種基于似物性和稀疏編碼及空間金字塔特征提取的行人檢測(cè)方法。首先,針對(duì)紅外圖像的特點(diǎn),利用基于頻域殘差的顯著性分析方法得到紅外圖像的顯著圖,在此基礎(chǔ)上提出了一種似物性計(jì)算方法,進(jìn)而得到不同區(qū)域的似物度得分,并根據(jù)得分提取出感興趣區(qū)域;其次,以尺度不變特征轉(zhuǎn)換為基礎(chǔ),將稀疏編碼和空間金字塔算法應(yīng)用于非監(jiān)督特征學(xué)習(xí)實(shí)現(xiàn)對(duì)感興趣區(qū)域的特征提??;最后,利用線性支持向量機(jī)構(gòu)建分類器實(shí)現(xiàn)對(duì)圖像中每個(gè)感興趣區(qū)域的行人檢測(cè)。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的感興趣區(qū)域提取算法和針對(duì)單幅紅外圖像行人檢測(cè)算法的有效性。

    紅外圖像;行人檢測(cè);似物性;頻域殘差;稀疏編碼;空間金字塔

    0 前言

    行人檢測(cè)(pedestrian detection)一直是計(jì)算機(jī)視覺、模式識(shí)別領(lǐng)域研究的熱點(diǎn)之一[1]。從單幅圖像中實(shí)現(xiàn)對(duì)行人進(jìn)行檢測(cè)的算法主要由2部分組成:感興趣區(qū)域(region of interest, ROI)的獲取和識(shí)別算法設(shè)計(jì)。

    ROI獲取也稱為目標(biāo)候選區(qū)域確定,其主要目的是從圖像中首先確定可能包括行人的區(qū)域,確定ROI區(qū)域就可以避免了識(shí)別算法對(duì)整個(gè)圖像區(qū)域的遍歷,即傳統(tǒng)意義上的滑窗法(slide window),這可以降低行人檢測(cè)算法的運(yùn)算量,提高算法的實(shí)時(shí)性。現(xiàn)有的ROI獲取方法總體上可以分為靜態(tài)背景下基于序列圖像的方法和動(dòng)態(tài)背景下基于單幅圖像的方法,本文所研究的主要是動(dòng)態(tài)背景下基于單幅紅外圖像的行人檢測(cè)方法。近年來,基于顯著性(saliency)分析的ROI區(qū)域獲取方法成為研究熱點(diǎn)[2-4],由此實(shí)現(xiàn)了行人檢測(cè)從滑窗到選擇窗(Selected Window)轉(zhuǎn)變,通過對(duì)顯著圖窗口的似物性得分(objectness score)的計(jì)算[5-6],確定窗口中的存在目標(biāo)的可能性,由此實(shí)現(xiàn)對(duì)窗口的選擇,達(dá)到ROI區(qū)域提取的目的。

    不同于一般的行人檢測(cè)算法所針對(duì)可見光圖像,本文所研究的紅外圖像其在色彩、紋理、邊緣信息方面的豐富程度都遠(yuǎn)遠(yuǎn)不及前者。因此,現(xiàn)有的許多基于色彩、邊緣等的顯著性分析方法無法有效在紅外圖像中加以利用。為此,針對(duì)紅外圖像中的ROI區(qū)域提取問題提出了一種基于紅外圖像頻域殘差的ROI區(qū)域提取算法。

    識(shí)別算法一般由2個(gè)部分組成,即特征提取與分類器設(shè)計(jì)。在行人檢測(cè)的識(shí)別算法中,最為經(jīng)典方法是HOG+SVM的方法[7],即利用方向梯度直方圖(histogram of gradient, HOG)進(jìn)行特征提取,利用支持向量機(jī)(support vector machine, SVM)進(jìn)行分類器訓(xùn)練。在HOG特征的基礎(chǔ)上,近年來又出現(xiàn)了共生梯度方向直方圖特征、二階梯度方向直方圖、局部二值模式(LBP)以及cell-LBP特征等。在分類器算法方面,又先后出現(xiàn)了最小二乘SVM、Adaboosting等[8-12]。

    近年來,隨著深度學(xué)習(xí)(deep learning)、稀疏編碼(sparse coding)等方法出現(xiàn),傳統(tǒng)的特征提取方法逐漸被取代。ScSPM(sparse coding spatial pyramid matching)就是建立在稀疏編碼和特征池化基礎(chǔ)上的特征提取方法[13-14]。其將傳統(tǒng)的特征提取升華為無監(jiān)督特征學(xué)習(xí),在相同分類器的前提下,利用ScSPM特征學(xué)習(xí)獲取的特征向量所得到的識(shí)別準(zhǔn)確率有顯著提高。由于本文所研究的對(duì)象是紅外圖像,因此傳統(tǒng)的基于可見光圖像所開發(fā)的特征提取方法在識(shí)別過程中的效果不是十分理想,為此,本文在SCSPM架構(gòu)的基礎(chǔ)上,利用非監(jiān)督特征學(xué)習(xí)實(shí)現(xiàn)行人的特征提取,在此基礎(chǔ)上利用SVM實(shí)現(xiàn)行人檢測(cè)。

    本文針對(duì)單幅紅外圖像提出了一種基于窗口似物性得分和非監(jiān)督特征學(xué)習(xí)的行人檢測(cè)方法。該方法首先利用頻域顯著性分析方法計(jì)算窗口似物性得分,根據(jù)得分獲取圖像中的ROI區(qū)域,在此基礎(chǔ)上利用非監(jiān)督特征學(xué)習(xí)方法對(duì)ROI區(qū)域進(jìn)行特征提取,進(jìn)而利用SVM分類器實(shí)現(xiàn)ROI區(qū)域的行人檢測(cè)。

    1 ROI區(qū)域獲取

    相比于可見光圖像,紅外圖像的紋理、色彩及邊緣信息的豐富程度較低,因此現(xiàn)有的許多基于紋理、邊緣等信息的顯著性分析方法都無法有效地用于紅外圖像。為此,利用基于頻域殘差(spectral residual, SR)的顯著性分析方法實(shí)現(xiàn)對(duì)ROI區(qū)域的提取?;赟R的顯著性分析方法是由Hou等人首先提出的,SR的基本步驟如下[2]:

    輸入:紅外圖像X

    輸出:顯著圖S

    步驟1:計(jì)算X的傅里葉變換F;

    步驟2:計(jì)算傅里葉變換的對(duì)數(shù)幅值:=lg(|F|);

    步驟3:求出傅里葉變換的相位角:=Angle(F);

    步驟4:對(duì)對(duì)數(shù)幅值進(jìn)行均值濾波處理:L’= AverageFilter(L);

    步驟5:計(jì)算頻譜殘差:R=L-L’;

    步驟6:生成殘差傅里葉變換:F’=Exp(R)*Exp(iP);

    步驟7:利用傅里葉反變換計(jì)算顯著性圖:S= InverseFourierTransform(F’).

    在利用SR算法計(jì)算出紅外圖像X對(duì)應(yīng)的頻域殘差顯著圖S前需要對(duì)圖像進(jìn)行成比例縮?。s小系數(shù)),這樣做的目的是為了確保對(duì)顯著度局部峰值對(duì)目標(biāo)區(qū)域的集中。在得到顯著圖S后,通過設(shè)置閾值threshold,得到顯著圖對(duì)應(yīng)的二值圖T,將二值圖T的每個(gè)像素與顯著圖S的對(duì)應(yīng)像素相乘得到合成圖M。在此基礎(chǔ)上,計(jì)算不同窗口區(qū)域的似物性得分score:

    式中:表示二值圖的相應(yīng)窗口范圍內(nèi)的所有點(diǎn)的像素值之和;表示合成圖的相應(yīng)窗口范圍內(nèi)的所有點(diǎn)的像素值之和。

    在行人檢測(cè)中確定搜索窗口區(qū)域的大小范圍為從原始圖像高度30%~80%作為搜索窗口的高度變化范圍,搜索窗口的寬度為對(duì)應(yīng)高度的50%。圖1為ROI區(qū)域確定方法流程圖。圖2為ROI區(qū)域確定過程中得到的中間結(jié)果和最終結(jié)果,圖2(e)中的數(shù)字為score值(為了顯示方便僅取score值的整數(shù)部分)。

    2 行人特征提取

    以尺度不變特征(scale-invariant feature transform, SIFT)為基礎(chǔ)利用稀疏編碼在SPM架構(gòu)下建立目標(biāo)的稀疏特征是由Yu Kai等[13]人最早提出的,該特征是建立非監(jiān)督特征學(xué)習(xí)的基礎(chǔ)上,相較于傳統(tǒng)的SIFT、HOG、LBP等特征提取方法,其得到的特征向量其對(duì)于不同目標(biāo)可分性越高,可以利用簡(jiǎn)單的分類器完成不同類型的分類。本文所采用的特征提取方法如下:

    輸入:待提取特征的圖像塊,即單個(gè)ROI區(qū)域

    輸出:特征向量

    圖1 ROI獲取算法流程

    圖2 ROI獲取結(jié)果

    步驟1:將圖像塊大小縮放為固定大?。槐疚膶⑺袌D像塊固定為128×64pixel。

    步驟2:將圖像塊分成若干子區(qū)域,每個(gè)子區(qū)域的大小為g1×g1;其中相鄰兩個(gè)子區(qū)域之間的重疊度為g2,在本文中g(shù)1=16,g2=10,由此共得到19×9=171個(gè)子區(qū)域(如圖3)。

    步驟3:對(duì)每個(gè)子區(qū)域提取一個(gè)SIFT特征,即一個(gè)128維向量,因此對(duì)一個(gè)128×64pixel圖像塊,共得到171個(gè)128維特征向量。

    步驟4:利用稀疏字典計(jì)算每個(gè)特征向量的稀疏表示;在本文中選擇的字典規(guī)模為128×1024,即每個(gè)特征向量的稀疏表示為一個(gè)1024維的稀疏向量。

    步驟5:對(duì)圖像塊進(jìn)行金字塔表示,將根據(jù)不同的劃分尺度,對(duì)二維平面圖像進(jìn)行不同尺度的劃分。當(dāng)劃分尺度=0時(shí),不對(duì)圖像進(jìn)行劃分,即原始圖像,把它看作金字塔的第1層。當(dāng)=1時(shí),將圖像平均分成4個(gè)部分,作為金字塔的第2層。依次類推,對(duì)于劃分尺度,將圖像平均分成22τ份,對(duì)應(yīng)金字塔的第+1層;在本文中=3層(=0,1,2),可得到1+4+16=21個(gè)圖像子塊。

    步驟6:對(duì)每個(gè)圖像子塊中對(duì)應(yīng)的稀疏向量進(jìn)行特征池化(pooling)。本文利用最大值池化(max-pooling)進(jìn)行特征融合,該方法最大的優(yōu)點(diǎn)是對(duì)局部噪聲有魯棒性。

    步驟7:特征合并完成目標(biāo)特征提取,通過最大值特征池化共得到21個(gè)1024維融合特征向量,將這21個(gè)特征首尾相接得到一個(gè)長度為1024×21=21504維的特征向量,完成目標(biāo)的特征提取。

    圖3 圖像塊劃分

    3 分類器設(shè)計(jì)

    分類器一直以來都是模式識(shí)別研究的重點(diǎn),模式識(shí)別理論誕生于20世紀(jì)60年代,在20世紀(jì)70年代成為一門獨(dú)立的學(xué)科體系。模式識(shí)別方法大體上可以分為4類:統(tǒng)計(jì)模式識(shí)別、句法模式識(shí)別、模糊模式識(shí)別、神經(jīng)網(wǎng)絡(luò)模式識(shí)別。前兩者是較為古老的模式識(shí)別方法,當(dāng)前基于神經(jīng)網(wǎng)絡(luò)的模式識(shí)別是較常用的方法,其中以小樣本學(xué)習(xí)理論與支持向量機(jī)成為新的研究與應(yīng)用熱點(diǎn)。本文利用SVM為基礎(chǔ)設(shè)計(jì)分類器。

    基于機(jī)器學(xué)習(xí)的識(shí)別算法由2個(gè)部分組成:第一是離線的學(xué)習(xí)(learning)過程,就是將包含行人的ROI區(qū)域作為正樣本,不包含行人的作為負(fù)樣本,并預(yù)先抽取出來作為訓(xùn)練樣本,利用監(jiān)督學(xué)習(xí)的方法訓(xùn)練分類器,所有的訓(xùn)練原本都需要首先進(jìn)行尺寸上的統(tǒng)一,在此基礎(chǔ)上提取出特征向量及其對(duì)應(yīng)的標(biāo)簽(label),完成訓(xùn)練后得到表征分類器的參數(shù),由于這一訓(xùn)練過程是預(yù)先完成的,因此稱為離線訓(xùn)練過程。第二是在線識(shí)別(recognition)的過程,利用離線訓(xùn)練得到的分類器,在線對(duì)提取出的ROI區(qū)域進(jìn)行特征提取,將其特征向量送入分類器,得到其對(duì)應(yīng)的識(shí)別標(biāo)簽,根據(jù)標(biāo)簽就可以判斷每個(gè)ROI區(qū)域中是否包含行人。

    在利用SVM訓(xùn)練分類器過程中,對(duì)訓(xùn)練樣本中負(fù)樣本的選擇參考該樣本的似物性得分,對(duì)于似物性較高的負(fù)樣本,在隨機(jī)訓(xùn)練過程中的選中概率較高,該類負(fù)樣本的用于訓(xùn)練的重復(fù)度也較高。這是因?yàn)镽OI獲取過程中得到這類負(fù)樣本的概率較高,故分類器應(yīng)該能夠重點(diǎn)剔除這類負(fù)樣本。

    4 實(shí)驗(yàn)分析

    4.1 ROI區(qū)域獲取算法實(shí)驗(yàn)驗(yàn)證

    圖4為3幅行人檢測(cè)的紅外圖像,分別拍攝于室內(nèi)弱光環(huán)境、室外白天環(huán)境與室外夜晚環(huán)境,從圖中可見,人體溫度與周圍環(huán)境溫度之間有著明顯區(qū)別。圖5為利用本文提出的ROI獲取算法得到的3幅圖像的ROI區(qū)域,由圖可見提出的方法均能將行人包含在ROI區(qū)域中,由此證明了本算法的有效性。同時(shí),圖5中每個(gè)ROI區(qū)域上方對(duì)應(yīng)的數(shù)字為其score值(為顯示方便取整值),從獲取的score值可見,行人目標(biāo)的顯著性明顯,由此證明了采用頻域殘差算法的有效性。

    4.2 識(shí)別算法實(shí)驗(yàn)驗(yàn)證與比較

    使用相同的SVM分類器,針對(duì)兩種不同的特征提取方法,對(duì)本文所使用的特征提取方法和常用的HOG法針對(duì)紅外圖像中的行人識(shí)別的準(zhǔn)確率進(jìn)行比較。所選擇的訓(xùn)練樣本和測(cè)試樣本完全相同,通過選擇訓(xùn)練樣本的數(shù)量的不同,得到的識(shí)別結(jié)果如表1所示。在實(shí)驗(yàn)中,共有正樣本318個(gè),負(fù)樣本685個(gè),分4組進(jìn)行實(shí)驗(yàn),每組訓(xùn)練樣本的數(shù)量分別為:第1組正樣本100個(gè),負(fù)樣本200個(gè);第2組正樣本150個(gè),負(fù)樣本300個(gè);第3組正樣本200個(gè),負(fù)樣本400個(gè);第4組正樣本250個(gè),負(fù)樣本500個(gè)。所有剩余樣本作為測(cè)試樣本,每組樣本隨機(jī)抽取10次,得到的識(shí)別結(jié)果如表1所示。圖6為每組樣本數(shù)量的平均識(shí)別率,從該圖可見,本文利用的基于ScSPM的分類器的識(shí)別率明顯高于基于HOG的分類器的識(shí)別率。此外,訓(xùn)練樣本數(shù)量的增加也有助于提高分類器的識(shí)別率。

    圖4 用于行人檢測(cè)的紅外圖像

    圖5 ROI區(qū)域獲取

    Fig.5 ROI detection

    圖6 不同訓(xùn)練樣本數(shù)量的平均識(shí)別率

    4.3 行人檢測(cè)實(shí)驗(yàn)驗(yàn)證

    利用第4組訓(xùn)練樣本得到的分類器對(duì)圖2與圖5的ROI區(qū)域進(jìn)行識(shí)別,得到的行人檢測(cè)的結(jié)果如圖7所示,由圖7可見,本文提出的方法可以有效地從紅外圖像中完成行人檢測(cè)。

    5 結(jié)論

    針對(duì)單幅紅外圖像,研究了一種基于似物性得分和稀疏編碼空間金字塔特征提取的行人檢測(cè)方法,在紅外圖像頻域顯著性分析的基礎(chǔ)上提取出ROI區(qū)域,利用非監(jiān)督特征學(xué)習(xí)與SVM實(shí)現(xiàn)對(duì)圖像中的行人檢測(cè),驗(yàn)證了該算法針對(duì)單幅紅外圖像行人檢測(cè)的有效性。本文的主要特點(diǎn)如下:

    1)根據(jù)紅外圖像特點(diǎn),利用頻域殘算法獲取紅外圖像的顯著圖;

    2)提出了一種基于頻域殘差顯著圖的窗口似物性得分計(jì)算方法;

    3)將窗口似物性得分作為得到選擇訓(xùn)練樣本負(fù)樣本的重要參考,有針對(duì)性地進(jìn)行分類器訓(xùn)練。

    表1 本文方法和HOG法對(duì)紅外圖像中的行人識(shí)別的準(zhǔn)確率比較

    圖7 行人檢測(cè)結(jié)果

    Fig.7 Results of pedestrian detection

    [1] Dollar P, Wojek C, Schiele B, et al. Pedestrian detection: An evaluation of the state of the art[J]., 2012, 34(4): 743-761.

    [2] Hou X D, Zhang L. Saliency detection: a spectral residual approach[C]//on(), USA: IEEE, 2007: 1-8.

    [3] Achanta R, Hemami S, Estrada F, et al. Frequency-tuned salient region detection[C]//(), USA: IEEE, 2009: 1597-1604.

    [4] Goferman S, Zelnik-Manor L, Tal A. Context-aware saliency detection[C]//(), USA: IEEE, 2010: 2376-2383.

    [5] Alexe B, Deselaers T, Ferrari V. Measuring the objectness of image windows[J]., 2012, 34(11): 2189-2202.

    [6] 柯洪昌, 孫宏彬. 圖像序列的顯著性目標(biāo)區(qū)域檢測(cè)方法[J]. 中國光學(xué),2015, 8(5): 768-774.

    KE Hong-chang, SUN Hong-bin. A saliency target area detection method of image sequence[J]., 2015, 8(5): 768-774.

    [7] Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//(), USA: IEEE, 2005(1): 886-893.

    [8] Geronimo D, Lopez A M, Sappa A D, et al. Survey on pedestrian detection for advanced driver assistance systems[J]., 2010, 32(7): 1239-1258.

    [9] Dollar P, Wojek C, Schiele B, et al. Pedestrian detection: A bench- mark[C]//(), USA: IEEE, 2009: 304-311.

    [10] 張春鳳, 宋加濤, 王萬良. 行人檢測(cè)技術(shù)研究綜述[J]. 電視技術(shù), 2014, 38(3): 157-161.

    ZHANG Chunfeng, SONG Jiatao, WANG Wanliang. Survey on pedestrian detection technology[J]., 2014, 38(3): 157-161.

    [11] 許騰, 黃鐵軍, 田永鴻. 車載視覺系統(tǒng)中的行人檢測(cè)技術(shù)綜述[J].中國圖象圖形學(xué)報(bào), 2013, 18(4): 359-367.

    XU Teng, HUANG Tiejun, TIAN Yonghong. Survey on pedestrian detection technology for on-board vision systems[J]., 2013, 18(4): 359-367.

    [12] 侯旺,孫曉亮,尚洋,等紅外弱小目標(biāo)檢測(cè)技術(shù)研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 紅外技術(shù), 2015, 37(1): 1-10.

    HOU Wang, SUN Xiao-liang, SHANG Yang, et al. Present state and perspectives of small infrared targets detection technology[J]., 2015, 37(1): 1-10.

    [13] Yang J C, Yu K, Gong Y H, et al. Linear spatial pyramid matching using sparse coding for image classification[C]//(), USA: IEEE, 2009: 1-8.

    [14] Bao C Q, He L T, Wang Y L. Linear spatial pyramid matching using non-convex and non-negative sparse coding for image classification[C]//(), China: IEEE, 2015: 186-190.

    Pedestrian Detection Based on Objectness and Sparse Coding in a Single Infrared Image

    WEI Li1,DING Meng2,ZENG Lijun1

    (1.,,210016,; 2.,,210016,3.471023,)

    Pedestrian detection is a classic issue of computer vision. For the pedestrian detection problems in a single infrared image, this paper proposes a pedestrian detection method based on objectness, sparse coding and spatial pyramid matching. The algorithm can be divided into three phases. Firstly, the saliency map is computed based on spectral residual, and the paper presents an objectness score computation based on saliency map and selects regions of interest according to the score of different sub-windows. Secondly, scale-invariant feature transform, sparse coding and spatial pyramid matching are used to extract the feature vectors of the regions of interest. Finally, linear support vector machine is used to build a classifier and detect pedestrian in each region of interest. The experimental results verify the effectiveness of objectness score computation and the proposed algorithm for infrared images.

    infrared image,pedestrian detection,objectness,spectral residual,sparse coding,spatial pyramid matching

    TP391.4

    A

    1001-8891(2016)09-0752-06

    2016-01-21;

    2016-05-10.

    魏麗:(1982-),女,江蘇鎮(zhèn)江人,講師,碩士,紅外圖像分析、信號(hào)處理。

    丁萌:(1981-),男,江蘇儀征人,副教授,博士,計(jì)算機(jī)視覺與模式識(shí)別。

    航空科學(xué)基金(20155152041),國家自然科學(xué)基金(61203170),中國博士后基金特別資助(2013T60539),中央高校基本科研業(yè)務(wù)費(fèi)(NS2016061)。

    猜你喜歡
    特征提取行人分類器
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    路不為尋找者而設(shè)
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    我是行人
    Bagging RCSP腦電特征提取算法
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識(shí)別
    夜夜躁狠狠躁天天躁| 母亲3免费完整高清在线观看| 国产有黄有色有爽视频| 青草久久国产| 国产精品美女特级片免费视频播放器 | 亚洲成人精品中文字幕电影 | 女警被强在线播放| 黄色毛片三级朝国网站| 日韩精品中文字幕看吧| 亚洲国产欧美日韩在线播放| 久久天堂一区二区三区四区| 青草久久国产| 国产精品野战在线观看 | 亚洲人成伊人成综合网2020| 咕卡用的链子| 咕卡用的链子| 最好的美女福利视频网| 一进一出好大好爽视频| 两性夫妻黄色片| 欧美成人免费av一区二区三区| 99久久99久久久精品蜜桃| 久久久久久人人人人人| 午夜免费观看网址| 国产av又大| 老司机福利观看| 欧美乱码精品一区二区三区| 欧美日本亚洲视频在线播放| 午夜亚洲福利在线播放| 亚洲精品国产一区二区精华液| 两性午夜刺激爽爽歪歪视频在线观看 | 国产成人精品无人区| 欧美日韩亚洲综合一区二区三区_| 国产av又大| 我的亚洲天堂| 天天躁夜夜躁狠狠躁躁| 国产一区二区三区在线臀色熟女 | 成人av一区二区三区在线看| 国产欧美日韩精品亚洲av| 国产精品成人在线| 国产精品电影一区二区三区| av中文乱码字幕在线| 午夜福利在线免费观看网站| 欧美丝袜亚洲另类 | 国产三级在线视频| 成在线人永久免费视频| 成年女人毛片免费观看观看9| 亚洲午夜理论影院| 啦啦啦免费观看视频1| 欧美日韩亚洲综合一区二区三区_| av片东京热男人的天堂| 搡老熟女国产l中国老女人| 日日夜夜操网爽| 成人av一区二区三区在线看| av在线天堂中文字幕 | 纯流量卡能插随身wifi吗| 99在线人妻在线中文字幕| 久久性视频一级片| av国产精品久久久久影院| 女人被躁到高潮嗷嗷叫费观| 免费高清在线观看日韩| e午夜精品久久久久久久| 精品卡一卡二卡四卡免费| 国产深夜福利视频在线观看| 亚洲av第一区精品v没综合| 女人被狂操c到高潮| 咕卡用的链子| 久久精品国产亚洲av香蕉五月| 亚洲精品中文字幕一二三四区| 成年女人毛片免费观看观看9| 热99国产精品久久久久久7| 成人三级黄色视频| www.www免费av| 国产精品一区二区免费欧美| 三上悠亚av全集在线观看| 欧美日本中文国产一区发布| 99热国产这里只有精品6| 国产1区2区3区精品| 亚洲专区中文字幕在线| 亚洲性夜色夜夜综合| 性少妇av在线| 亚洲欧美精品综合一区二区三区| 国产一卡二卡三卡精品| 后天国语完整版免费观看| 脱女人内裤的视频| 人人妻,人人澡人人爽秒播| 国产一区二区三区在线臀色熟女 | 一a级毛片在线观看| 国产成人精品久久二区二区91| 成人三级做爰电影| 激情在线观看视频在线高清| 精品国产一区二区三区四区第35| 亚洲一码二码三码区别大吗| √禁漫天堂资源中文www| 国产精品一区二区精品视频观看| 亚洲av美国av| 国产欧美日韩一区二区精品| 9191精品国产免费久久| 搡老岳熟女国产| 日韩av在线大香蕉| 人人澡人人妻人| 免费在线观看影片大全网站| 国产精品九九99| 日本wwww免费看| 午夜91福利影院| 国产成人系列免费观看| 人成视频在线观看免费观看| 一级毛片女人18水好多| 亚洲精品在线观看二区| 香蕉丝袜av| 成人三级做爰电影| 日本黄色视频三级网站网址| 国产精品日韩av在线免费观看 | 精品卡一卡二卡四卡免费| 国产亚洲精品第一综合不卡| 亚洲av熟女| 久久伊人香网站| 成人特级黄色片久久久久久久| 亚洲精品美女久久久久99蜜臀| 久99久视频精品免费| 丝袜美足系列| 亚洲国产毛片av蜜桃av| 亚洲国产欧美一区二区综合| 久久青草综合色| 精品人妻1区二区| 亚洲精品中文字幕一二三四区| 多毛熟女@视频| 激情视频va一区二区三区| 在线天堂中文资源库| 日韩一卡2卡3卡4卡2021年| 久久精品亚洲精品国产色婷小说| 欧美午夜高清在线| 欧美日韩一级在线毛片| 91在线观看av| 久久精品国产清高在天天线| aaaaa片日本免费| 99国产精品一区二区三区| 一区二区日韩欧美中文字幕| 亚洲色图 男人天堂 中文字幕| av国产精品久久久久影院| 女人高潮潮喷娇喘18禁视频| 国产成人精品久久二区二区91| 久久影院123| 亚洲全国av大片| 日韩欧美免费精品| 级片在线观看| 精品人妻1区二区| 99国产精品一区二区蜜桃av| 精品一区二区三区av网在线观看| 丁香欧美五月| 99精品久久久久人妻精品| 国产亚洲精品一区二区www| 精品一品国产午夜福利视频| 中亚洲国语对白在线视频| 日本wwww免费看| 欧美一级毛片孕妇| 深夜精品福利| 国产成人影院久久av| 中出人妻视频一区二区| 久久国产亚洲av麻豆专区| 久久精品91蜜桃| 长腿黑丝高跟| 久久久国产成人免费| 亚洲,欧美精品.| 久久久久久久午夜电影 | 男女高潮啪啪啪动态图| 成人三级做爰电影| 99国产精品99久久久久| 国产伦一二天堂av在线观看| 纯流量卡能插随身wifi吗| 在线免费观看的www视频| 人成视频在线观看免费观看| 美女 人体艺术 gogo| 日本三级黄在线观看| 好看av亚洲va欧美ⅴa在| 免费在线观看影片大全网站| 国产免费av片在线观看野外av| 国产伦人伦偷精品视频| 精品无人区乱码1区二区| 亚洲 欧美一区二区三区| 在线观看免费视频日本深夜| 亚洲片人在线观看| 中文字幕另类日韩欧美亚洲嫩草| 国产精品偷伦视频观看了| 亚洲欧美精品综合久久99| 桃色一区二区三区在线观看| 看黄色毛片网站| 亚洲 国产 在线| 亚洲精品美女久久av网站| 久久久久久亚洲精品国产蜜桃av| 午夜两性在线视频| 一夜夜www| 久久热在线av| 国产精品香港三级国产av潘金莲| 日本vs欧美在线观看视频| 欧美日韩av久久| 啦啦啦 在线观看视频| 久久草成人影院| 黄网站色视频无遮挡免费观看| 免费高清在线观看日韩| 成人18禁高潮啪啪吃奶动态图| 成人国产一区最新在线观看| 久久久久久久久久久久大奶| 成人永久免费在线观看视频| 91精品三级在线观看| 亚洲一区高清亚洲精品| 欧美日韩亚洲高清精品| 高清毛片免费观看视频网站 | 亚洲精品一二三| 精品一区二区三区四区五区乱码| 久久久久国产精品人妻aⅴ院| 亚洲精品美女久久久久99蜜臀| 精品欧美一区二区三区在线| www.自偷自拍.com| 亚洲精华国产精华精| 成人精品一区二区免费| 一区二区日韩欧美中文字幕| 少妇的丰满在线观看| 欧美日韩黄片免| 亚洲国产精品一区二区三区在线| 亚洲欧美一区二区三区久久| 日本黄色日本黄色录像| 亚洲精品国产一区二区精华液| 国产高清视频在线播放一区| 一区二区三区精品91| 欧美日韩国产mv在线观看视频| 精品国产美女av久久久久小说| 中国美女看黄片| 亚洲国产中文字幕在线视频| 丰满迷人的少妇在线观看| 亚洲国产欧美网| 久久国产乱子伦精品免费另类| 日韩高清综合在线| 精品国产国语对白av| 午夜福利一区二区在线看| 成年人黄色毛片网站| 亚洲色图综合在线观看| 黑人巨大精品欧美一区二区mp4| 黄色 视频免费看| 最好的美女福利视频网| 男人舔女人下体高潮全视频| 宅男免费午夜| 国产精品av久久久久免费| 亚洲五月天丁香| 成人三级做爰电影| 亚洲一区二区三区不卡视频| 村上凉子中文字幕在线| 国产精品国产av在线观看| 欧美在线一区亚洲| 99久久国产精品久久久| 国产av一区在线观看免费| 女同久久另类99精品国产91| 日本 av在线| 在线看a的网站| 日韩一卡2卡3卡4卡2021年| 伦理电影免费视频| 又黄又粗又硬又大视频| 女人高潮潮喷娇喘18禁视频| 亚洲男人天堂网一区| 中国美女看黄片| 中文字幕av电影在线播放| 免费看a级黄色片| 国产av一区二区精品久久| 成年人黄色毛片网站| 欧美一级毛片孕妇| 国产精品国产高清国产av| 深夜精品福利| 国产精品秋霞免费鲁丝片| 国产精华一区二区三区| 久久青草综合色| 午夜影院日韩av| 久久久久久久午夜电影 | 妹子高潮喷水视频| 叶爱在线成人免费视频播放| 亚洲人成伊人成综合网2020| 欧美日韩精品网址| 亚洲片人在线观看| 午夜免费激情av| 精品卡一卡二卡四卡免费| 亚洲国产看品久久| 最近最新免费中文字幕在线| 色综合婷婷激情| 久久国产精品男人的天堂亚洲| 丝袜人妻中文字幕| 亚洲av成人一区二区三| 国产主播在线观看一区二区| 十八禁人妻一区二区| netflix在线观看网站| 80岁老熟妇乱子伦牲交| 无人区码免费观看不卡| 一级a爱视频在线免费观看| 少妇被粗大的猛进出69影院| 一进一出好大好爽视频| 国产熟女午夜一区二区三区| 超碰成人久久| 精品乱码久久久久久99久播| 在线观看日韩欧美| 美女扒开内裤让男人捅视频| 搡老熟女国产l中国老女人| 国产欧美日韩一区二区三区在线| 俄罗斯特黄特色一大片| 国产成人啪精品午夜网站| 老熟妇仑乱视频hdxx| 满18在线观看网站| 色综合欧美亚洲国产小说| 男人舔女人的私密视频| 老鸭窝网址在线观看| 国产激情欧美一区二区| 黑人巨大精品欧美一区二区蜜桃| 一级片免费观看大全| 久久影院123| 亚洲国产精品sss在线观看 | 国产aⅴ精品一区二区三区波| 欧美成人午夜精品| 黑丝袜美女国产一区| 级片在线观看| 自线自在国产av| 交换朋友夫妻互换小说| 久久热在线av| 久久欧美精品欧美久久欧美| 日韩欧美一区二区三区在线观看| 国产av又大| a级毛片黄视频| 亚洲成av片中文字幕在线观看| 三级毛片av免费| 国产99久久九九免费精品| 亚洲五月色婷婷综合| 日本 av在线| 日本撒尿小便嘘嘘汇集6| 热re99久久精品国产66热6| 成人免费观看视频高清| 亚洲国产中文字幕在线视频| 曰老女人黄片| 日本黄色日本黄色录像| 操美女的视频在线观看| 水蜜桃什么品种好| 国产免费现黄频在线看| av天堂久久9| 亚洲av成人不卡在线观看播放网| 一边摸一边抽搐一进一小说| 一级毛片精品| 无遮挡黄片免费观看| 免费女性裸体啪啪无遮挡网站| 搡老乐熟女国产| 欧美激情久久久久久爽电影 | 欧美日本亚洲视频在线播放| 亚洲av熟女| 最近最新中文字幕大全电影3 | 少妇被粗大的猛进出69影院| 久久久精品国产亚洲av高清涩受| 亚洲欧美日韩另类电影网站| 国产一区二区在线av高清观看| 国产精品久久电影中文字幕| 亚洲自偷自拍图片 自拍| 国产91精品成人一区二区三区| 一级作爱视频免费观看| 一本综合久久免费| 婷婷六月久久综合丁香| 别揉我奶头~嗯~啊~动态视频| 午夜福利影视在线免费观看| 午夜福利欧美成人| 丝袜人妻中文字幕| 色播在线永久视频| 国产精品香港三级国产av潘金莲| 亚洲狠狠婷婷综合久久图片| 国产精品 欧美亚洲| 成人国产一区最新在线观看| 欧美成人性av电影在线观看| 精品高清国产在线一区| 国产真人三级小视频在线观看| 亚洲色图 男人天堂 中文字幕| 成人精品一区二区免费| 在线视频色国产色| 亚洲黑人精品在线| 国产在线精品亚洲第一网站| 久久婷婷成人综合色麻豆| 国产亚洲欧美在线一区二区| 国产精品久久电影中文字幕| 国产深夜福利视频在线观看| 亚洲色图 男人天堂 中文字幕| 欧美日韩av久久| 叶爱在线成人免费视频播放| 成人精品一区二区免费| 亚洲精品美女久久久久99蜜臀| 国产高清videossex| 精品久久久久久,| 亚洲五月天丁香| 亚洲va日本ⅴa欧美va伊人久久| 人人妻人人爽人人添夜夜欢视频| 欧美日韩亚洲国产一区二区在线观看| 日韩精品青青久久久久久| 后天国语完整版免费观看| 国产精品1区2区在线观看.| а√天堂www在线а√下载| 黑人操中国人逼视频| 19禁男女啪啪无遮挡网站| 国产精品一区二区在线不卡| av欧美777| 真人一进一出gif抽搐免费| 水蜜桃什么品种好| 亚洲精品中文字幕一二三四区| 99精品在免费线老司机午夜| 一区福利在线观看| x7x7x7水蜜桃| 色哟哟哟哟哟哟| 国产精品久久视频播放| 日韩国内少妇激情av| 国产一区二区在线av高清观看| 50天的宝宝边吃奶边哭怎么回事| 午夜福利一区二区在线看| 色综合欧美亚洲国产小说| 涩涩av久久男人的天堂| 99香蕉大伊视频| 一边摸一边做爽爽视频免费| 国产亚洲精品久久久久5区| 一区二区三区国产精品乱码| avwww免费| 久久精品国产99精品国产亚洲性色 | 亚洲熟妇熟女久久| 国产av一区在线观看免费| 亚洲国产毛片av蜜桃av| x7x7x7水蜜桃| 999久久久精品免费观看国产| 母亲3免费完整高清在线观看| 高清欧美精品videossex| 男女床上黄色一级片免费看| 精品国产一区二区久久| 亚洲精品成人av观看孕妇| 丝袜美腿诱惑在线| 国产精品野战在线观看 | 久久草成人影院| 欧美一区二区精品小视频在线| 最近最新中文字幕大全免费视频| 搡老乐熟女国产| 日韩精品青青久久久久久| 国产亚洲精品久久久久5区| 中文字幕最新亚洲高清| 老司机在亚洲福利影院| 女生性感内裤真人,穿戴方法视频| 成人影院久久| 欧美黑人精品巨大| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜福利影视在线免费观看| 国产免费现黄频在线看| 国产不卡一卡二| 男人操女人黄网站| 热99国产精品久久久久久7| 国产精品爽爽va在线观看网站 | av中文乱码字幕在线| 麻豆国产av国片精品| 欧美国产精品va在线观看不卡| av有码第一页| 最新在线观看一区二区三区| 成人特级黄色片久久久久久久| 亚洲一区二区三区欧美精品| 国产精品99久久99久久久不卡| 在线看a的网站| 欧美日韩国产mv在线观看视频| 亚洲美女黄片视频| 欧美乱妇无乱码| 亚洲午夜精品一区,二区,三区| 国产精品久久久人人做人人爽| 99热国产这里只有精品6| 亚洲中文字幕日韩| 中亚洲国语对白在线视频| 亚洲va日本ⅴa欧美va伊人久久| 国产三级黄色录像| 国产高清videossex| 午夜免费成人在线视频| 在线观看免费午夜福利视频| 又紧又爽又黄一区二区| 满18在线观看网站| 在线观看舔阴道视频| 国产精品一区二区三区四区久久 | 亚洲成人久久性| 视频在线观看一区二区三区| 高清欧美精品videossex| 日韩视频一区二区在线观看| 国产成人av激情在线播放| 在线观看一区二区三区| 欧美丝袜亚洲另类 | 日韩大尺度精品在线看网址 | 亚洲成国产人片在线观看| 国产主播在线观看一区二区| 精品国内亚洲2022精品成人| 日韩视频一区二区在线观看| 国产精品免费视频内射| 久久九九热精品免费| 一进一出抽搐gif免费好疼 | 日本精品一区二区三区蜜桃| 亚洲午夜理论影院| av网站免费在线观看视频| 亚洲一区二区三区色噜噜 | 亚洲精品中文字幕在线视频| 色婷婷av一区二区三区视频| 欧美黑人精品巨大| 精品国内亚洲2022精品成人| 日日干狠狠操夜夜爽| 精品国产亚洲在线| av片东京热男人的天堂| 在线永久观看黄色视频| 黄片播放在线免费| 国内毛片毛片毛片毛片毛片| 国产精品一区二区精品视频观看| 免费在线观看黄色视频的| 亚洲欧美日韩无卡精品| 高清在线国产一区| 国产精品日韩av在线免费观看 | 精品一区二区三卡| 搡老乐熟女国产| 成人免费观看视频高清| 精品福利观看| 欧美日韩视频精品一区| 亚洲自拍偷在线| 丰满人妻熟妇乱又伦精品不卡| 国产欧美日韩精品亚洲av| 亚洲av片天天在线观看| 日韩人妻精品一区2区三区| 麻豆久久精品国产亚洲av | 日韩欧美三级三区| 99国产精品99久久久久| 交换朋友夫妻互换小说| 999久久久国产精品视频| 自拍欧美九色日韩亚洲蝌蚪91| 精品乱码久久久久久99久播| av电影中文网址| 视频在线观看一区二区三区| av天堂在线播放| 免费av中文字幕在线| 视频区欧美日本亚洲| 久久久久国产精品人妻aⅴ院| 欧美成狂野欧美在线观看| 男女午夜视频在线观看| 久久人妻av系列| 亚洲性夜色夜夜综合| 亚洲人成网站在线播放欧美日韩| 久久久精品国产亚洲av高清涩受| 国产高清激情床上av| 美女福利国产在线| 亚洲黑人精品在线| 三上悠亚av全集在线观看| 亚洲国产中文字幕在线视频| 亚洲精品粉嫩美女一区| 水蜜桃什么品种好| 黄色片一级片一级黄色片| 午夜福利一区二区在线看| 在线观看免费高清a一片| 久久亚洲真实| 日本免费一区二区三区高清不卡 | 欧美精品亚洲一区二区| 欧美日韩福利视频一区二区| 国产在线观看jvid| 一级毛片女人18水好多| 在线看a的网站| 老熟妇仑乱视频hdxx| 欧美日韩亚洲国产一区二区在线观看| 国产一区二区激情短视频| 国产精品98久久久久久宅男小说| 国产极品粉嫩免费观看在线| 少妇被粗大的猛进出69影院| 在线观看舔阴道视频| 99riav亚洲国产免费| 村上凉子中文字幕在线| 黄片播放在线免费| 国产成人精品久久二区二区91| 午夜精品国产一区二区电影| 高清av免费在线| 久久精品影院6| 美女国产高潮福利片在线看| 国产成人av教育| 亚洲精品一二三| 欧美乱码精品一区二区三区| 欧美乱妇无乱码| 亚洲第一av免费看| 久久国产亚洲av麻豆专区| 国产精品 国内视频| 国产av在哪里看| 久久久久久久久免费视频了| 欧美日韩乱码在线| 成人av一区二区三区在线看| 精品欧美一区二区三区在线| av有码第一页| 欧美成人午夜精品| 女人被狂操c到高潮| 成年人免费黄色播放视频| 色婷婷久久久亚洲欧美| 三级毛片av免费| 亚洲视频免费观看视频| 欧美 亚洲 国产 日韩一| 日韩有码中文字幕| 久久国产精品男人的天堂亚洲| 免费一级毛片在线播放高清视频 | 丰满人妻熟妇乱又伦精品不卡| 国产一区二区三区在线臀色熟女 | 桃色一区二区三区在线观看| 88av欧美| 日韩精品中文字幕看吧| 极品人妻少妇av视频| 天堂动漫精品| 手机成人av网站| 亚洲成a人片在线一区二区| 美女高潮喷水抽搐中文字幕| 欧美不卡视频在线免费观看 | 日本 av在线| 99久久99久久久精品蜜桃| 高清毛片免费观看视频网站 | 99久久精品国产亚洲精品| 亚洲av美国av| 亚洲色图av天堂| 久久这里只有精品19| 中文字幕人妻丝袜一区二区| a级毛片黄视频| 精品久久久久久电影网| 十八禁网站免费在线| 97人妻天天添夜夜摸| 免费不卡黄色视频|