• <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 ?

    基于改進(jìn)的隨機(jī)森林TLD目標(biāo)跟蹤方法

    2016-06-15 06:32:06陳興文趙姝穎
    大連民族大學(xué)學(xué)報 2016年3期
    關(guān)鍵詞:目標(biāo)跟蹤隨機(jī)森林在線學(xué)習(xí)

    張 丹,陳興文,趙姝穎

    (1.大連民族大學(xué) 工程教育學(xué)院,遼寧 大連 116605;2.東北大學(xué) 信息科學(xué)與工程學(xué)院,遼寧 沈陽 110819)

    ?

    基于改進(jìn)的隨機(jī)森林TLD目標(biāo)跟蹤方法

    張丹1,陳興文1,趙姝穎2

    (1.大連民族大學(xué) 工程教育學(xué)院,遼寧 大連 116605;2.東北大學(xué) 信息科學(xué)與工程學(xué)院,遼寧 沈陽 110819)

    摘要:針對TLD算法中采用的隨機(jī)森林分類器的決策樹閾值固定,不能根據(jù)目標(biāo)特征隨時調(diào)整,影響分類精度和時間開銷的問題,引入極端隨機(jī)森林的思想,提出了基于改進(jìn)的隨機(jī)森林TLD目標(biāo)跟蹤方法。該方法用Gini系數(shù)度量樣本集合的混亂程度,通過比較Gini系數(shù)是否超過了給定閾值,判斷葉節(jié)點(diǎn)何時轉(zhuǎn)變成決策節(jié)點(diǎn)進(jìn)行分裂;再結(jié)合TLD算法中的P-N學(xué)習(xí)框架和在線模型訓(xùn)練更新樣本;最終基于改進(jìn)的TLD算法完成目標(biāo)跟蹤。將本文方法應(yīng)用于多個視頻集進(jìn)行目標(biāo)跟蹤實驗,驗證了算法的有效性和穩(wěn)定性。

    關(guān)鍵詞:目標(biāo)跟蹤;隨機(jī)森林;TLD;分裂閾值;在線學(xué)習(xí)

    針對決策樹閾值固定,影響分類精度和實時性問題,引入極端隨機(jī)森林的思想,結(jié)合在線學(xué)習(xí)模型,提出了一種基于極端隨機(jī)森林的TLD改進(jìn)算法,解決了分裂閾值不能根據(jù)目標(biāo)特征隨時調(diào)整,影響跟蹤適應(yīng)性的問題。

    1TLD目標(biāo)跟蹤算法

    TLD 算法主要由三部分組成:跟蹤、在線學(xué)習(xí)和檢測,其三者相互作用,將得到的數(shù)據(jù)整合,最終確定下一幀中目標(biāo)的位置。

    TLD算法各變量互相作用關(guān)系如圖1。運(yùn)動目標(biāo)被一個短期的跟蹤器跟蹤。growingevent和pruningevent分析特征空間的軌跡,連續(xù)不斷的試圖擴(kuò)展或是限制在線學(xué)習(xí)模型的特征。growingevent識別判斷目標(biāo)樣本,使運(yùn)動目標(biāo)特征Lt不斷擴(kuò)大;pruningevent識別Lt中錯誤樣本,并將它們?nèi)サ?,growingevent和pruning共同進(jìn)行,使得目標(biāo)特征Lt→L*。

    圖1 TLD算法相關(guān)量關(guān)系圖

    TLD算法的檢測器主要是一個級聯(lián)分類器,其主要由方差濾波器、集成分類器及最近鄰分類器三部分組成,集成分類器主要由n個隨機(jī)蕨分類器構(gòu)成的隨機(jī)森林組成,隨機(jī)蕨主要采用的是2bitBP特征,圖像區(qū)域輸入到集成分類器之后,獲得后驗概率。計算n個隨機(jī)蕨分類器的后驗概率,如果平均值大于閾值,則將該區(qū)域定為正樣本,否則為負(fù)樣本。

    1.1.1 母本高不育系 W0176A選育。2003—2004年,用不同來源種質(zhì)與0176A不育株廣泛測交,配制各類測交組合,F(xiàn)1自交。

    極端隨機(jī)森林每棵決策樹的決策點(diǎn)分裂測試閾值是隨機(jī)選擇的,不是以某一特征進(jìn)行設(shè)定,保證了樣本的豐富性,極端隨機(jī)森林分類器在分類精度和訓(xùn)練時間開銷等方面的性能較好,但采用的不是bootstrap策略,直接采用原始的訓(xùn)練樣本,只能支持離線的訓(xùn)練方式,不支持增量學(xué)習(xí)[10],本文充分利用極端隨機(jī)森林和TLD在線學(xué)習(xí)模型的特性,提出了一種基于改進(jìn)的隨機(jī)森林TLD目標(biāo)跟蹤方法。

    2基于改進(jìn)的隨機(jī)森林TLD方法

    2.1改進(jìn)的隨機(jī)森林方法

    本文將深入討論和研究閾值參數(shù)選擇的問題。引入樣本混合比α,用于度量樣本集合各種類別樣本比例關(guān)系,α為葉節(jié)點(diǎn)上非數(shù)量最多的樣本相對于數(shù)量最多的樣本的比例。

    假設(shè)在某一葉節(jié)點(diǎn)上存儲的樣本為K種,其中數(shù)量最多的類樣本標(biāo)號為Lm,占全部樣本數(shù)量比例為pm,其余樣本所占比例為pi(i≠m,i=1,2,…K),Lm樣本數(shù)量為n,其余類別的樣本數(shù)目相對Lm的比例為αi,非Lm的樣本相對Lm的比例為

    (1)

    則經(jīng)實驗驗證該葉節(jié)點(diǎn)的分裂閾值參數(shù)為:

    (2)

    對葉節(jié)點(diǎn)分裂閾值參數(shù)討論如下:

    分類閾值參數(shù)Δ會影響極端隨機(jī)森林方法的性能,合適的閾值可以保證算法具有高的分類正確率和較少的訓(xùn)練時間。由前所述,分裂閾值的選擇與混合比α大小有關(guān),本文中將α按照0,0.1,…1.0取值,對不同的α值下的分類錯誤率、葉節(jié)點(diǎn)數(shù)量和訓(xùn)練時間分別進(jìn)行統(tǒng)計,最終考核各個方面確定閾值參數(shù)Δ。

    本文采用的實驗數(shù)據(jù)來自于標(biāo)準(zhǔn)目標(biāo)跟蹤視頻數(shù)據(jù),訓(xùn)練次數(shù)設(shè)為50次,設(shè)置8棵樹,每棵樹有10個特征,得到的訓(xùn)練圖如圖2。

    所以綜合分類錯誤率、葉節(jié)點(diǎn)數(shù)量以及訓(xùn)練時間等因素,選擇樣本混合比為0.2,這使得極端隨機(jī)森林既具有較高的分類正確率,又保證了葉節(jié)點(diǎn)的數(shù)量同時訓(xùn)練時間也不長,此時分裂參數(shù)Δ=0.31。

    (a) 分類錯誤率圖

    (b) 產(chǎn)生葉節(jié)點(diǎn)數(shù)量圖

    (c) 時間對比圖

    2.2改進(jìn)后的TLD跟蹤算法描述

    (1)手動獲得目標(biāo)區(qū)域,在第一幀確定目標(biāo)邊界框,每個子窗口從9×9像素大小到整幅圖像大小隨機(jī)產(chǎn)生,將圖像塊作為樣本處理,記錄圖像塊邊界框,用于后面的評估;

    (3)進(jìn)入級聯(lián)分類器的第一級分類器方差分類器,檢測滑動窗口像素點(diǎn)的灰度值方差,濾掉一部分背景圖像;

    (4)通過方差分類器的圖像塊進(jìn)入隨機(jī)森林分類器,在這部分按照2.1節(jié)改進(jìn)的隨機(jī)森林設(shè)置分類閾值訓(xùn)練決策樹,基于各個決策樹是相互獨(dú)立的,計算各決策樹的后驗概率,決定是否接受滑動窗口,這個過程是離線進(jìn)行的;

    (5)采用最近鄰分類器更新樣本,將分類器與在線學(xué)習(xí)模塊growingevent和pruningevent相結(jié)合,使得極端隨機(jī)森林變成增量式,設(shè)定滑動窗口與在線模型的相關(guān)相似度閾值,growingevent將自身置信度高的樣本給特征空間進(jìn)行增量學(xué)習(xí)分類,同時pruningevent根據(jù)自身樣本的置信度判斷特征空間中的不正確樣本,將其從特征空間中去掉,更新檢測器;

    (6)在更新檢測的同時也更新跟蹤器,在目標(biāo)框內(nèi)均勻采樣,采用LK光流法跟蹤,并進(jìn)行擴(kuò)展誤差檢測,計算圖像塊的位置信息,估計目標(biāo)框在當(dāng)前幀中的位置,信息像素點(diǎn)也用于在線學(xué)習(xí)模塊的樣本信息,綜合跟蹤模塊、檢測模塊、在線學(xué)習(xí)模塊完成一個跟蹤過程。

    3實驗結(jié)果及分析

    實驗用計算機(jī)為CPUE5500,2.80GHz,2GB內(nèi)存,在MatlabR2009a環(huán)境下運(yùn)行。實驗數(shù)據(jù)來自標(biāo)準(zhǔn)目標(biāo)跟蹤測試數(shù)據(jù)集,分別為Car、Face、Moto。

    為了驗證算法的有效性,本文將改進(jìn)方法和隨機(jī)森林算法進(jìn)行對比,分別比較兩個算法的分類正確率、葉節(jié)點(diǎn)數(shù)量和訓(xùn)練時間。兩種算法分別在數(shù)據(jù)集上運(yùn)行50次,使用8棵樹,分裂閾值參數(shù)為0.31。得到的統(tǒng)計結(jié)果見表1。

    表1 改進(jìn)算法與隨機(jī)森林算法的比較結(jié)果

    從表1中可以看出改進(jìn)后的方法分類正確率與隨機(jī)森林的相差不大,略優(yōu)于隨機(jī)森林;產(chǎn)生的葉節(jié)點(diǎn)數(shù)量多于隨機(jī)森林,訓(xùn)練速度明顯快于隨機(jī)森林。通過以上實驗可以看出,改進(jìn)算法在按照樣本混合比選定正確分裂閾值的情況下,結(jié)果優(yōu)于隨機(jī)森林,所以本文將極端隨機(jī)森林加入TLD算法中,用于提高算法的速度以及精度。

    Car、Face、Moto三個視頻集包含了目標(biāo)跟蹤過程中的尺度變化、快速頻繁轉(zhuǎn)動、快速運(yùn)動、目標(biāo)相似、光照變化等情況,針對以上三個視頻集,將本文方法與TLD方法進(jìn)行對比,處理結(jié)果如圖3-圖5。

    從圖3-圖5中可以看出視頻初始幀的跟蹤兩種算法都較為準(zhǔn)確,但到后續(xù)幀中,由于目標(biāo)的快速轉(zhuǎn)動、遮擋、尺度變化等因素的干擾,原始方法出現(xiàn)了分類不精確的現(xiàn)象,跟蹤邊框出現(xiàn)了一定程度的偏移,而本文方法進(jìn)行了較為準(zhǔn)確的跟蹤。本文采用文獻(xiàn)[10]的評價方法,如果目標(biāo)物體有25 %以上沒能被跟蹤,那么這幀數(shù)據(jù)被認(rèn)為跟蹤錯誤,統(tǒng)計結(jié)果見表2。從表中可以看出,本文方法的跟蹤效果更準(zhǔn)確,對于目標(biāo)多種情況變化適應(yīng)性更強(qiáng),穩(wěn)定性更好。

    第6幀      第236幀

    第253 幀      第669幀

    第13幀     第43幀

    第284      第331幀

    第12幀      第26幀

    第57幀       第92幀

    數(shù)據(jù)集改進(jìn)方法(正確幀數(shù)/總幀數(shù))TLD算法(正確幀數(shù)/總幀數(shù))Carsequence504/600489/600Facesequence412/550389/550Motosequence92/10086/100

    4結(jié)論

    本文在隨機(jī)森林中引入樣本混合比α,選定分裂閾值,采用極端隨機(jī)森林進(jìn)行分類,加入在線

    學(xué)習(xí)模型,構(gòu)成增量式極端隨機(jī)森林,用于TLD算法中,提出基于改進(jìn)的隨機(jī)森林TLD目標(biāo)跟蹤方法。實驗首先驗證了本文算法時間開銷低、分類準(zhǔn)確性高,其次進(jìn)行目標(biāo)跟蹤實驗,結(jié)果表明,本文方法對于復(fù)雜情況下的目標(biāo)跟蹤準(zhǔn)確,穩(wěn)定性強(qiáng)。但本文方法只進(jìn)行了單目跟蹤,還要進(jìn)一步處理,實現(xiàn)多目標(biāo)跟蹤。

    參考文獻(xiàn):

    [1] MARCO P,RADU T,TINNE T,et al.An Elastic Deformation Field Model for Object Detection and Tracking[J]. International Journal of Computer Vision, 2015, 111(2):137-152.

    [2] REHMAN A,KIHARA K,MATSUMOTO A,et al. Attentive tracking of moving objects in real 3D space[J]. Vision Research,2015,109(part A):1-10.

    [3] PERNICI F ,DEL BIMBO.A.Object Tracking by Oversampling Local Features[J]. Pattern Analysis and Machine Intelligence.2014,36(12):2538-2551.

    [4] 彭爽, 彭曉明. 基于高效多示例學(xué)習(xí)的目標(biāo)跟蹤[J]. 計算機(jī)應(yīng)用, 2015,35( 2) : 466 -469, 475.

    [5] 李想,汪榮貴,楊娟. 基于示例選擇的目標(biāo)跟蹤改進(jìn)算法[J]. 計算機(jī)工程,2015,41(1):150-157.

    [6] KALAL Z, MATAS J, MIKOLAJCZYK K. Online learning of robust object detectors during unstable tracking [C]∥ Computer Vision Workshops (ICCV Workshops), 2009:1417-1424.

    [7] KALAL Z, MIKOLAJCZYK K, MATAS J. Face-TLD: Tracking -Learning-Detection Applied to Faces[C]∥ International Conference on Image Processing, 2010:3789-3792.

    [8] KALAL Z, MIKOLAJCZYK K, MATAS J. Forward-Backward Error: Automatic Detection of Tracking Failures [C]∥ International Conference on Pattern Recognition (ICPR 2010), 2010: 23-26.

    [9] KALAL Z, MIKOLAJCZYK K, MATAS J. P-N Learning: Bootstrapping Binary Classifiers by Structural Constraints [C]. Computer Vision and Pattern Recognition (CVPR), 2010:49-56.

    [10] 王愛平,萬國偉,程志全,等. 支持在線學(xué)習(xí)的增量式極端隨機(jī)森林分類器拳[J].軟件學(xué)報,2011,22(9):2059-2074.

    (責(zé)任編輯王楠楠)

    TLD Target Tracking Method based on Improved Random Forest

    ZHANG Dan1, CHEN Xing-wen1, ZHAO Shu-ying2

    (1.School of Engineering Education, Dalian Minzu University, Dalian Liaoning 116605, China;2.School of Information Science and Engineering, Northeastern University,Shenyang Liaoning 110819, China)

    Abstract:The fixed threshold value of the random forest classifier can not be readily adapted to the target feature of TLD (Tracking Learning Detecting) algorithm, which affects classification accuracy and time overhead issues. Aiming at this problem, an idea of extreme random forest was introduced, and a TLD target tracking method based on improved random forest is proposed. This method used Gini coefficient to measure the degree of confusion of sample sets, by deciding the Gini coefficient whether exceeded a given threshold to judge when a leaf node changed into the decision node to split. Combining P-N learning framework and online model, samples were trained and updated. Finally, the target tracking was completed based on improved TLD algorithm. The proposed method was used in many video sets for target tracking to verify its effectiveness and stability.

    Key words:target tracking; random forests; TLD; split threshold; online learning

    收稿日期:2015-09-21;最后修回日期:2016-12-21

    基金項目:中央高?;究蒲袠I(yè)務(wù)費(fèi)專項資金資助項目(DC201502060303,DC201501075)。

    作者簡介:張丹(1987-),女,遼寧葫蘆島人,工程師,主要從事圖像處理,機(jī)器視覺研究。通訊作者:陳興文(1969-),男,遼寧錦州人,教授,主要從事圖像處理、模式識別研究,E-mail: mycxw@dlnu.edu.cn.

    文章編號:2096-1383(2016)03-0255-05

    中圖分類號:TP391

    文獻(xiàn)標(biāo)志碼:A

    猜你喜歡
    目標(biāo)跟蹤隨機(jī)森林在線學(xué)習(xí)
    多視角目標(biāo)檢測與跟蹤技術(shù)的研究與實現(xiàn)
    隨機(jī)森林在棉蚜蟲害等級預(yù)測中的應(yīng)用
    基于二次隨機(jī)森林的不平衡數(shù)據(jù)分類算法
    軟件(2016年7期)2017-02-07 15:54:01
    拱壩變形監(jiān)測預(yù)報的隨機(jī)森林模型及應(yīng)用
    基于改進(jìn)連續(xù)自適應(yīng)均值漂移的視頻目標(biāo)跟蹤算法
    信息化環(huán)境下高職英語教學(xué)現(xiàn)狀及應(yīng)用策略研究
    基于MOOC的微課制作方法
    基于混合式學(xué)習(xí)理念的大學(xué)生自主學(xué)習(xí)能力的培養(yǎng)研究
    價值工程(2016年29期)2016-11-14 02:05:45
    基于SOA的在線學(xué)習(xí)資源集成模式的研究
    基于隨機(jī)森林算法的飛機(jī)發(fā)動機(jī)故障診斷方法的研究
    久久久久久人妻| 日韩av免费高清视频| 国产在线一区二区三区精| 视频在线观看一区二区三区| 色婷婷久久久亚洲欧美| 久久久久精品人妻al黑| 久久热在线av| 深夜精品福利| 男女国产视频网站| 赤兔流量卡办理| 久久婷婷青草| 人妻一区二区av| 亚洲国产欧美日韩在线播放| xxxhd国产人妻xxx| 亚洲欧美成人综合另类久久久| 欧美日韩视频精品一区| 丝瓜视频免费看黄片| 色吧在线观看| 久久婷婷青草| 91老司机精品| 久久久国产精品麻豆| 天天躁日日躁夜夜躁夜夜| 免费观看人在逋| 国语对白做爰xxxⅹ性视频网站| 男女之事视频高清在线观看 | 欧美日韩亚洲国产一区二区在线观看 | 国产成人一区二区在线| 不卡av一区二区三区| 这个男人来自地球电影免费观看 | 一级毛片黄色毛片免费观看视频| 亚洲四区av| 麻豆av在线久日| 婷婷色av中文字幕| 欧美日韩福利视频一区二区| 亚洲图色成人| 超碰成人久久| 黑丝袜美女国产一区| 超碰成人久久| 国产极品天堂在线| 在线亚洲精品国产二区图片欧美| 99热国产这里只有精品6| 女人高潮潮喷娇喘18禁视频| 一级毛片 在线播放| 男女无遮挡免费网站观看| 中文字幕最新亚洲高清| 老汉色av国产亚洲站长工具| 嫩草影院入口| av.在线天堂| 国产精品一区二区精品视频观看| 两性夫妻黄色片| av线在线观看网站| 国产亚洲欧美精品永久| 亚洲成人国产一区在线观看 | 18禁裸乳无遮挡动漫免费视频| 久久狼人影院| 91老司机精品| 国产av码专区亚洲av| 午夜激情av网站| 99香蕉大伊视频| 天天躁狠狠躁夜夜躁狠狠躁| 久久久精品94久久精品| 啦啦啦 在线观看视频| 夜夜骑夜夜射夜夜干| 国产精品 国内视频| 婷婷色av中文字幕| 久久久久视频综合| 亚洲欧美成人精品一区二区| 人人妻人人添人人爽欧美一区卜| 亚洲成色77777| 欧美亚洲 丝袜 人妻 在线| 成人亚洲精品一区在线观看| 日本欧美国产在线视频| 久久天躁狠狠躁夜夜2o2o | 欧美精品av麻豆av| 国产欧美亚洲国产| 亚洲四区av| 最新的欧美精品一区二区| 国产成人欧美| 日韩av免费高清视频| 国产伦理片在线播放av一区| 9191精品国产免费久久| 男女边摸边吃奶| 嫩草影视91久久| 激情五月婷婷亚洲| 19禁男女啪啪无遮挡网站| 久久久久精品性色| 免费观看a级毛片全部| 国产精品久久久av美女十八| 欧美日韩视频高清一区二区三区二| 免费观看av网站的网址| 另类精品久久| 亚洲成国产人片在线观看| 免费在线观看完整版高清| 高清欧美精品videossex| 如日韩欧美国产精品一区二区三区| 在线观看人妻少妇| 亚洲情色 制服丝袜| 在线天堂最新版资源| 国产精品国产三级国产专区5o| av片东京热男人的天堂| 欧美黑人欧美精品刺激| 五月天丁香电影| 国产麻豆69| 香蕉丝袜av| 操出白浆在线播放| 亚洲精品久久久久久婷婷小说| 街头女战士在线观看网站| 中文字幕人妻丝袜制服| 黄色视频不卡| 亚洲成人国产一区在线观看 | 人人澡人人妻人| 麻豆av在线久日| 日韩 欧美 亚洲 中文字幕| netflix在线观看网站| 欧美人与性动交α欧美精品济南到| 精品人妻在线不人妻| 国产在视频线精品| 视频区图区小说| 亚洲成av片中文字幕在线观看| 51午夜福利影视在线观看| 久久久久国产一级毛片高清牌| 亚洲精品av麻豆狂野| 啦啦啦啦在线视频资源| 亚洲精华国产精华液的使用体验| 欧美在线一区亚洲| 操美女的视频在线观看| 人人妻人人添人人爽欧美一区卜| 国产乱来视频区| 久久婷婷青草| 男女之事视频高清在线观看 | 亚洲av电影在线进入| 欧美日韩视频精品一区| 久久综合国产亚洲精品| 99热全是精品| 免费日韩欧美在线观看| av在线播放精品| 丰满饥渴人妻一区二区三| 午夜福利一区二区在线看| 满18在线观看网站| 女人精品久久久久毛片| 久久热在线av| 性色av一级| 国产伦理片在线播放av一区| 日韩一本色道免费dvd| 亚洲一级一片aⅴ在线观看| 国产99久久九九免费精品| 纯流量卡能插随身wifi吗| 亚洲精品美女久久久久99蜜臀 | 男女边摸边吃奶| 国产亚洲欧美精品永久| 国产免费一区二区三区四区乱码| 亚洲精品国产av蜜桃| 精品人妻熟女毛片av久久网站| 欧美日韩成人在线一区二区| 爱豆传媒免费全集在线观看| 嫩草影院入口| 亚洲少妇的诱惑av| 老汉色av国产亚洲站长工具| 只有这里有精品99| 国产视频首页在线观看| 少妇 在线观看| 免费少妇av软件| 精品国产一区二区三区久久久樱花| 成人国产麻豆网| 久久久久久久久免费视频了| 一边摸一边做爽爽视频免费| 国产色婷婷99| 成人亚洲欧美一区二区av| 在线观看免费午夜福利视频| 精品少妇久久久久久888优播| 丝袜脚勾引网站| 人妻 亚洲 视频| 亚洲av欧美aⅴ国产| 性少妇av在线| 日日摸夜夜添夜夜爱| 亚洲国产成人一精品久久久| 国产成人一区二区在线| 超色免费av| 精品第一国产精品| 亚洲欧美激情在线| 亚洲国产精品999| 制服诱惑二区| 黑人欧美特级aaaaaa片| 麻豆精品久久久久久蜜桃| av在线老鸭窝| 午夜福利乱码中文字幕| 男女下面插进去视频免费观看| 可以免费在线观看a视频的电影网站 | 精品少妇内射三级| 飞空精品影院首页| 免费在线观看完整版高清| 国产精品成人在线| 丰满迷人的少妇在线观看| 女人爽到高潮嗷嗷叫在线视频| 国产亚洲一区二区精品| 新久久久久国产一级毛片| 国产av精品麻豆| 日韩制服骚丝袜av| av在线播放精品| 熟妇人妻不卡中文字幕| 亚洲第一青青草原| 香蕉国产在线看| 欧美日韩福利视频一区二区| 日韩成人av中文字幕在线观看| 麻豆乱淫一区二区| 日韩 欧美 亚洲 中文字幕| 你懂的网址亚洲精品在线观看| 亚洲国产成人一精品久久久| 国产免费视频播放在线视频| 日韩中文字幕欧美一区二区 | 超碰97精品在线观看| 男女午夜视频在线观看| 国产精品二区激情视频| 男的添女的下面高潮视频| 亚洲av福利一区| 又大又爽又粗| 婷婷色综合www| 久久毛片免费看一区二区三区| 操出白浆在线播放| 韩国av在线不卡| 美女脱内裤让男人舔精品视频| 欧美国产精品一级二级三级| 天天躁狠狠躁夜夜躁狠狠躁| 免费在线观看黄色视频的| 亚洲一区中文字幕在线| 九草在线视频观看| 午夜激情久久久久久久| www.自偷自拍.com| 国产黄频视频在线观看| 9热在线视频观看99| 成年人免费黄色播放视频| 成人国产av品久久久| 成年美女黄网站色视频大全免费| 久久久久久久精品精品| 久久久精品免费免费高清| 日本wwww免费看| 欧美精品亚洲一区二区| 女性生殖器流出的白浆| 日本av手机在线免费观看| 一级爰片在线观看| 色婷婷av一区二区三区视频| 国产一级毛片在线| 又大又爽又粗| 久久久久网色| 丝袜美腿诱惑在线| 亚洲精品av麻豆狂野| 久久精品aⅴ一区二区三区四区| 亚洲一区二区三区欧美精品| av电影中文网址| 久久精品国产亚洲av涩爱| 亚洲国产欧美在线一区| 亚洲图色成人| 久久久久精品久久久久真实原创| 九色亚洲精品在线播放| 你懂的网址亚洲精品在线观看| 两个人看的免费小视频| 久久国产精品男人的天堂亚洲| 亚洲色图 男人天堂 中文字幕| 不卡av一区二区三区| 国产一区二区激情短视频 | 成人国产av品久久久| av福利片在线| 一级黄片播放器| 欧美激情高清一区二区三区 | 免费观看av网站的网址| 中文字幕av电影在线播放| 久久久精品免费免费高清| 精品一区二区免费观看| 国产精品久久久久久精品古装| 亚洲欧美一区二区三区黑人| 久久精品久久精品一区二区三区| 欧美黑人欧美精品刺激| 精品一区在线观看国产| 一个人免费看片子| 精品久久久久久电影网| 黑人巨大精品欧美一区二区蜜桃| 只有这里有精品99| 韩国av在线不卡| 精品免费久久久久久久清纯 | 丁香六月天网| 美女主播在线视频| 另类精品久久| 久久99精品国语久久久| 亚洲精品成人av观看孕妇| 叶爱在线成人免费视频播放| 国产免费一区二区三区四区乱码| 国产成人精品福利久久| 欧美精品av麻豆av| 日韩一区二区视频免费看| 菩萨蛮人人尽说江南好唐韦庄| 在线 av 中文字幕| 国产欧美亚洲国产| 综合色丁香网| 1024香蕉在线观看| 亚洲欧洲精品一区二区精品久久久 | 国产在线视频一区二区| 制服人妻中文乱码| 国产av一区二区精品久久| 色婷婷av一区二区三区视频| 999精品在线视频| 日韩av不卡免费在线播放| 久久 成人 亚洲| a级片在线免费高清观看视频| 国产成人欧美在线观看 | www.av在线官网国产| 免费av中文字幕在线| 亚洲第一av免费看| 免费不卡黄色视频| 亚洲av在线观看美女高潮| 亚洲精品日韩在线中文字幕| 国产精品熟女久久久久浪| 人人妻人人澡人人爽人人夜夜| 成人18禁高潮啪啪吃奶动态图| 国产精品香港三级国产av潘金莲 | 欧美人与性动交α欧美软件| 欧美最新免费一区二区三区| 在线观看免费高清a一片| 十八禁网站网址无遮挡| 丰满迷人的少妇在线观看| 国产av一区二区精品久久| av片东京热男人的天堂| 亚洲精品一区蜜桃| 精品一区二区三区四区五区乱码 | 欧美精品高潮呻吟av久久| 日本一区二区免费在线视频| 国产精品蜜桃在线观看| av福利片在线| 亚洲国产成人一精品久久久| av福利片在线| 国产欧美日韩一区二区三区在线| 午夜av观看不卡| 99热全是精品| 汤姆久久久久久久影院中文字幕| 青春草国产在线视频| 老鸭窝网址在线观看| 在现免费观看毛片| 久久人妻熟女aⅴ| 大片免费播放器 马上看| 精品少妇黑人巨大在线播放| 久久综合国产亚洲精品| 十八禁网站网址无遮挡| 日本爱情动作片www.在线观看| 人妻一区二区av| 精品一区在线观看国产| a级片在线免费高清观看视频| 精品国产乱码久久久久久男人| 中文字幕av电影在线播放| 捣出白浆h1v1| 人人妻人人添人人爽欧美一区卜| 18禁国产床啪视频网站| 制服人妻中文乱码| 国产伦理片在线播放av一区| 观看美女的网站| 精品人妻在线不人妻| 大片电影免费在线观看免费| 巨乳人妻的诱惑在线观看| 国产一区亚洲一区在线观看| 无遮挡黄片免费观看| 十分钟在线观看高清视频www| 久久人人97超碰香蕉20202| 国产精品一国产av| 欧美日韩亚洲高清精品| 日本色播在线视频| 狠狠精品人妻久久久久久综合| 国产精品一国产av| 午夜精品国产一区二区电影| 亚洲欧美成人综合另类久久久| 晚上一个人看的免费电影| 久久精品亚洲av国产电影网| 一二三四在线观看免费中文在| 51午夜福利影视在线观看| 免费在线观看视频国产中文字幕亚洲 | 晚上一个人看的免费电影| 久久久亚洲精品成人影院| 亚洲欧美中文字幕日韩二区| 久久天躁狠狠躁夜夜2o2o | 欧美精品高潮呻吟av久久| 99精品久久久久人妻精品| 久久久久久免费高清国产稀缺| 亚洲美女黄色视频免费看| 国产精品99久久99久久久不卡 | 丝袜在线中文字幕| 99香蕉大伊视频| 狂野欧美激情性bbbbbb| 日韩大码丰满熟妇| 久久久久久免费高清国产稀缺| 欧美精品人与动牲交sv欧美| 欧美日韩av久久| 制服丝袜香蕉在线| 免费日韩欧美在线观看| 久久久亚洲精品成人影院| 侵犯人妻中文字幕一二三四区| 国产女主播在线喷水免费视频网站| 女性被躁到高潮视频| 制服丝袜香蕉在线| 777久久人妻少妇嫩草av网站| av网站免费在线观看视频| 少妇 在线观看| 久久99精品国语久久久| 中文字幕亚洲精品专区| 国产成人免费观看mmmm| 午夜影院在线不卡| 男女高潮啪啪啪动态图| 99re6热这里在线精品视频| 观看美女的网站| 亚洲男人天堂网一区| 天堂8中文在线网| 人妻一区二区av| 亚洲精品国产色婷婷电影| 欧美av亚洲av综合av国产av | 国产成人一区二区在线| 久久久久久久久免费视频了| 日韩,欧美,国产一区二区三区| 亚洲色图综合在线观看| 午夜福利免费观看在线| 亚洲婷婷狠狠爱综合网| 欧美日韩亚洲综合一区二区三区_| netflix在线观看网站| 美女脱内裤让男人舔精品视频| 2021少妇久久久久久久久久久| 满18在线观看网站| 久久久久国产精品人妻一区二区| 街头女战士在线观看网站| 美女视频免费永久观看网站| 久久性视频一级片| 亚洲av综合色区一区| 别揉我奶头~嗯~啊~动态视频 | 一边摸一边做爽爽视频免费| 欧美精品一区二区免费开放| 男人舔女人的私密视频| 国产国语露脸激情在线看| 涩涩av久久男人的天堂| 午夜激情久久久久久久| 国产一卡二卡三卡精品 | 亚洲国产看品久久| 亚洲欧洲日产国产| 日韩欧美一区视频在线观看| svipshipincom国产片| 熟女av电影| 精品少妇久久久久久888优播| 久久久国产精品麻豆| 日韩欧美精品免费久久| 伊人亚洲综合成人网| 国产精品免费视频内射| 国产黄频视频在线观看| 国产爽快片一区二区三区| 最近最新中文字幕免费大全7| 丁香六月天网| 成人三级做爰电影| a级片在线免费高清观看视频| 一区二区三区四区激情视频| 黄色视频不卡| 两个人看的免费小视频| 五月开心婷婷网| 一级毛片我不卡| 亚洲七黄色美女视频| 侵犯人妻中文字幕一二三四区| 91国产中文字幕| 自线自在国产av| 亚洲一级一片aⅴ在线观看| 一区二区日韩欧美中文字幕| 久久人人爽av亚洲精品天堂| 国产高清不卡午夜福利| a级毛片黄视频| 久久性视频一级片| 丝瓜视频免费看黄片| 亚洲精品乱久久久久久| 国产午夜精品一二区理论片| av在线播放精品| 香蕉丝袜av| 欧美日韩av久久| 制服诱惑二区| 国产乱人偷精品视频| 久久久国产一区二区| 国产一卡二卡三卡精品 | av视频免费观看在线观看| 久久午夜综合久久蜜桃| 日韩熟女老妇一区二区性免费视频| 天天躁日日躁夜夜躁夜夜| 久久久久久久久久久久大奶| 亚洲精品国产区一区二| 99久久精品国产亚洲精品| 男人添女人高潮全过程视频| 欧美久久黑人一区二区| 国产精品一区二区在线观看99| 久久久久网色| 波多野结衣一区麻豆| 国产在线一区二区三区精| 日韩av免费高清视频| 亚洲,欧美精品.| 在线观看免费高清a一片| 肉色欧美久久久久久久蜜桃| 一级黄片播放器| 看非洲黑人一级黄片| 一级爰片在线观看| 中国国产av一级| 午夜福利免费观看在线| 成年人午夜在线观看视频| 欧美亚洲 丝袜 人妻 在线| 男人舔女人的私密视频| 免费久久久久久久精品成人欧美视频| 不卡视频在线观看欧美| 亚洲欧美清纯卡通| 一区二区三区精品91| 亚洲美女搞黄在线观看| 高清av免费在线| 高清视频免费观看一区二区| av卡一久久| 男女免费视频国产| 亚洲精品中文字幕在线视频| 亚洲免费av在线视频| 国产色婷婷99| 亚洲色图综合在线观看| 肉色欧美久久久久久久蜜桃| 精品国产超薄肉色丝袜足j| bbb黄色大片| 日韩精品免费视频一区二区三区| 日本av手机在线免费观看| 免费观看av网站的网址| 黄网站色视频无遮挡免费观看| 国产麻豆69| 秋霞伦理黄片| 亚洲精品av麻豆狂野| 亚洲国产精品一区二区三区在线| 丰满饥渴人妻一区二区三| 亚洲熟女精品中文字幕| 伊人久久大香线蕉亚洲五| av网站在线播放免费| 99国产精品免费福利视频| netflix在线观看网站| 国产精品 国内视频| 999久久久国产精品视频| 精品久久蜜臀av无| 不卡视频在线观看欧美| 在线 av 中文字幕| 波多野结衣一区麻豆| 国产又爽黄色视频| 成人漫画全彩无遮挡| 精品国产乱码久久久久久男人| 天堂俺去俺来也www色官网| 菩萨蛮人人尽说江南好唐韦庄| 久久毛片免费看一区二区三区| 91精品国产国语对白视频| 伊人亚洲综合成人网| 亚洲国产成人一精品久久久| 日韩av免费高清视频| 欧美日本中文国产一区发布| 丝袜脚勾引网站| 亚洲欧洲国产日韩| 日韩欧美一区视频在线观看| 毛片一级片免费看久久久久| a级毛片在线看网站| 国产在线一区二区三区精| 中文字幕最新亚洲高清| 不卡视频在线观看欧美| 一边摸一边抽搐一进一出视频| 日本午夜av视频| 日韩 欧美 亚洲 中文字幕| 久久99热这里只频精品6学生| 51午夜福利影视在线观看| 国产精品久久久久久久久免| 色综合欧美亚洲国产小说| www.av在线官网国产| 亚洲一区中文字幕在线| 视频区图区小说| 80岁老熟妇乱子伦牲交| 色播在线永久视频| 十八禁人妻一区二区| 男女午夜视频在线观看| 我的亚洲天堂| 亚洲av日韩在线播放| 纯流量卡能插随身wifi吗| 欧美国产精品一级二级三级| 人人妻人人澡人人爽人人夜夜| 一边摸一边做爽爽视频免费| e午夜精品久久久久久久| 亚洲,欧美,日韩| 国产片特级美女逼逼视频| 欧美日韩福利视频一区二区| 亚洲人成网站在线观看播放| 九色亚洲精品在线播放| 极品人妻少妇av视频| 亚洲男人天堂网一区| 女性被躁到高潮视频| 亚洲欧洲国产日韩| 18禁国产床啪视频网站| 2021少妇久久久久久久久久久| 亚洲天堂av无毛| 两个人免费观看高清视频| 亚洲成人手机| 一区二区三区精品91| 精品国产一区二区三区四区第35| 日日爽夜夜爽网站| 国产黄色免费在线视频| 91成人精品电影| 国产av国产精品国产| 亚洲一区二区三区欧美精品| 国产亚洲精品第一综合不卡| xxxhd国产人妻xxx| 国产精品久久久久久人妻精品电影 | 亚洲精品视频女| 亚洲精品一区蜜桃| 午夜免费鲁丝| 精品福利永久在线观看| 乱人伦中国视频| 色视频在线一区二区三区| 老鸭窝网址在线观看| 在线观看人妻少妇| 高清不卡的av网站| 国产极品天堂在线| 国产精品麻豆人妻色哟哟久久| 国产1区2区3区精品| av在线观看视频网站免费| 搡老岳熟女国产| 国产1区2区3区精品|