• <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SVM的交通視頻分類優(yōu)化

    2017-02-27 15:37:15張偉郝泳濤
    電腦知識與技術(shù) 2016年31期
    關(guān)鍵詞:參數(shù)優(yōu)化模式識別數(shù)據(jù)挖掘

    張偉+郝泳濤

    摘要: 當(dāng)前智能交通數(shù)據(jù)挖掘研究的重點在于如何設(shè)計有效的挖掘算法。該文對特定的不同環(huán)境下的高速公路視頻進(jìn)行分析處理,提取出整體的特征屬性,選取了SVM分類方法,基于所提取出的特征屬性對交通視頻進(jìn)行分類。同時使用啟發(fā)式的遺傳優(yōu)化SVM參數(shù),尋求最優(yōu)參數(shù),相比于傳統(tǒng)方法,提高了分類準(zhǔn)確率。

    關(guān)鍵詞:模式識別;數(shù)據(jù)挖掘; SVM;遺傳算法;參數(shù)優(yōu)化

    中圖分類號:TP391 文獻(xiàn)標(biāo)識碼:A 文章編號:1009-3044(2016)31-0179-04

    Abstract: Current intelligent transportation data mining research focuses on how to design an effective mining algorithm. The project achieved the classification of video-based traffic congestion. This was done by using the average rate of population density and population. Based on the extracted feature values, we used the popular data mining algorithms SVM classification methods to carry out on the training and testing data classification and prediction and compared the accuracy of classification. Finally, genetic algorithms was used to heuristic SVM classification parameters to obtain the optimal parameters of SVM.

    Key words:Pattern Recognition;Data Mining;SVM;Genetic Algorithm;Parameter Optimization

    隨著城市的高速發(fā)展,城市公路交通擁堵以及效率不高等,已成為城市發(fā)展面臨的共同問題。智能交通系統(tǒng)(ITS)是將先進(jìn)的科學(xué)技術(shù)有效地綜合運用于交通運輸、服務(wù)控制和車輛制造,加強車輛、道路、使用者三者之間的聯(lián)系,從而形成一種保障安全、提高效率、改善環(huán)境、節(jié)約能源的綜合運輸系統(tǒng)。

    城市交通相關(guān)的數(shù)據(jù)挖掘技術(shù)的研究是數(shù)據(jù)挖掘技術(shù)領(lǐng)域最活躍的研究方向之一。交通數(shù)據(jù)挖掘的主要目的是尋找交通數(shù)據(jù)中的規(guī)律,為智能交通系統(tǒng)的設(shè)計提供技術(shù)支持,有利于緩解交通擁擠、優(yōu)化交通路網(wǎng)運行,促進(jìn)交通健康穩(wěn)定發(fā)展。

    1 研究現(xiàn)狀

    隨著圖像處理技術(shù)的不斷發(fā)展, 利用機器視覺相關(guān)技術(shù)來進(jìn)行車輛檢測有望取代傳統(tǒng)方式成為現(xiàn)代智能交通系統(tǒng)的重要組成部分。

    傳統(tǒng)的方法大部分是基于對個別車輛的檢測和計算?;旧厦總€車輛是被隔離跟蹤的,通過分析它的運動軌跡來估算交通流量、車輛速度和停放的車輛。一些作者還使用斑點尺寸、三維模型、外形和紋理特征進(jìn)行車輛分類[1]。然而,大多數(shù)的現(xiàn)有工作通常會在擁擠的情況下(例如交通擁堵)失效,原因是運動對象有嚴(yán)重的閉塞性?;旧?,在傳統(tǒng)方法中,交通是通過在情景中被檢測車輛的數(shù)量分類的,但是在非常擁堵的情景中,兩個或兩個以上的車輛的斑點可能會重疊,這會造成車輛計數(shù)錯誤。因此,當(dāng)運動對象(例如,人或車輛)的密度增加時,傳統(tǒng)方法的精確度趨于下降。

    2 目標(biāo)特征屬性提取

    2.1人群密度估算

    背景相減法是運動目標(biāo)檢測中比較常用的一種方法。把攝像頭捕捉的圖像第一幀作為背景,以后的每一幀都減去背景幀,然后將計算結(jié)果中每一像素的值和一個預(yù)先設(shè)定的閾值進(jìn)行比較,若結(jié)果大于閾值,這個點是前景點,否則這個點為背景點[2]。

    兩種常用的背景估計方法:

    1)統(tǒng)計平均法

    2)統(tǒng)計直方圖法

    2.2人群密度獲取

    在實驗中,交通監(jiān)控視頻中的人群密度估算是通過背景相減法進(jìn)行的。人群密度是通過計算由多層背景相減法獲得的前景掩膜的像素數(shù)決定的。每個視頻幀都會進(jìn)行此過程。首先,為防止或至少減小外部不相關(guān)的對象的影響,要設(shè)置感興趣區(qū)域,這在運動分割和密度估算中是需要考慮的。交通人群密度是由在每個視頻中平均的密度變化來估算的。如遇視頻流或冗長的視頻,密度估算可以由N幀的塊來決定。對于每個塊,該系統(tǒng)會預(yù)測出人群密度。

    2.3 人群速度估算

    實驗中選擇傳統(tǒng)的KLT (Kanade-Lucas-Tomasi)跟蹤方法進(jìn)行人群跟蹤。選擇KLT跟蹤的主要動機是它的高速的性能,能夠獲得實時結(jié)果。

    人群跟蹤由兩個步驟組成。首先,給定兩個連續(xù)的幀,從第一幀中提取一定數(shù)量的特征點并存儲在內(nèi)存中。在接下來的步驟中,所存儲的特征點在連續(xù)的幀內(nèi)被跟蹤。一些特征點可能會在跟蹤的過程中丟失(目標(biāo)進(jìn)入/離開現(xiàn)場)。在這種情況下,如果特征點的數(shù)量小于閾值T,該算法將會在下一幀中提取新的特征點[3]。一個特定特征點在某些幀的位移表示人群運動矢量。然而,許多的運動矢量可能為零長度,因為一些特征點在幀內(nèi)是靜止的。也可能由于噪聲的存在、背景為動態(tài)的以及人群運動太小等原因,運動矢量可能很短。為了減少這一問題對人群速度估算的影響,運動矢量長度小于閾值T的將會被過濾掉[4]。

    3.3 構(gòu)建特征向量

    4 交通擁堵分類

    4.1數(shù)據(jù)預(yù)處理

    4.1.1數(shù)據(jù)集概要

    該數(shù)據(jù)集包含了254個白天西雅圖高速公路監(jiān)控視頻。所有的視頻都是由一個單一的固定攝像頭所記錄的,共計20分鐘。該數(shù)據(jù)集包含了多樣性的交通模型,例如輕型、中型和重型擁堵,而且有各種天氣條件下的(如晴天,下雨,陰天)。每個視頻有42-52幀,這些幀的分辨率為320x240,是按每秒10幀(fps)錄制的。該數(shù)據(jù)集還提供了描述每個視頻序列的手工標(biāo)記的地面實況。表1顯示了數(shù)據(jù)集的概要。

    4.1.2數(shù)據(jù)預(yù)處理

    4.2支持向量機

    4.2.1 SVM原理

    SVM方法是一個有監(jiān)督的學(xué)習(xí)模型,通常用來進(jìn)行模式識別、分類以及回歸分析,對獨立測試集的測試誤差較小[5]。SVM方法通過一個非線性映射,把樣本空間映射到一個高維特征空間中,使得在原來的樣本空間中非線性可分的問題轉(zhuǎn)化為在特征空間中的線性可分的問題。

    SVM方法應(yīng)用核函數(shù)的展開定理,不需要知道非線性映射的顯式表達(dá)式,由于是在高維特征空間中建立線性學(xué)習(xí)機,所以與線性模型相比,不但幾乎不增加計算的復(fù)雜性,而且在某種程度上可以避免“維數(shù)災(zāi)難”。

    4.2.2 SVM核函數(shù)

    選擇不同內(nèi)積核丞數(shù),就可以生成不同的SVM,這樣也就形成了不同的算法。日常的核函數(shù)主要有三類[6]:

    1)多頊?zhǔn)胶撕瘮?shù)

    2)徑向基函數(shù)(RBF)

    3)S形核函數(shù)

    4.3 SVM數(shù)據(jù)分類

    4.3.1使用線性內(nèi)核函數(shù)

    通過上面的對比,可以看出,對于此數(shù)據(jù)集采用徑向基函數(shù)作為SVM分類器的核函數(shù),最終的分類準(zhǔn)確率最高。

    5 SVM分類參數(shù)優(yōu)化

    雖然采用了SVM來進(jìn)行交通視頻分類,最終得到了較為滿意的結(jié)果。但使用SVM進(jìn)行交通視頻分類預(yù)測時,調(diào)用不同的核函數(shù)需要改變相關(guān)的參數(shù)才能獲得相對理想的分類準(zhǔn)確率。

    5.1 K-CV交叉驗證

    交叉驗證是用來驗證分類器性能的一種統(tǒng)計方法,其思想是在某種意義下將原始數(shù)據(jù)進(jìn)行分組,一部分作為訓(xùn)練集,另一部分作為驗證集。首先用訓(xùn)練集對分類器進(jìn)行訓(xùn)練,再利用驗證集來測試訓(xùn)練得到的模型,以此來作為評價分類器的性能指標(biāo)[7]。

    5.2遺傳算法優(yōu)化SVM參數(shù)

    5.2.1遺傳算法

    遺傳算法(Genetic Algorithm)是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機理的生物進(jìn)化過程的計算模型,是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法。在遺傳算法中,通過編碼組成初始群體后,遺傳操作的任務(wù)就是對群體的個體按照它們對環(huán)境適應(yīng)度(適應(yīng)度評估)施加一定的操作,從而實現(xiàn)優(yōu)勝劣汰的進(jìn)化過程。從優(yōu)化搜索的角度而言,遺傳操作可使問題遺傳過程的解,一代又一代地優(yōu)化,并逼近最優(yōu)解。

    利用遺傳算法對SVM參數(shù)進(jìn)行優(yōu)化的整體算法過程如圖5所示:

    5.3實驗仿真

    對訓(xùn)練集進(jìn)行CV意義下的準(zhǔn)確率作為遺傳中的濕度函數(shù)值,先進(jìn)行數(shù)據(jù)提取和預(yù)處理,然后利用遺產(chǎn)算法對處理數(shù)據(jù)進(jìn)行最佳參數(shù)尋找,參數(shù)的選擇結(jié)果及預(yù)測結(jié)果如下:

    在CV的意義下,通過使用網(wǎng)格劃分來尋找最佳參數(shù)的方式雖然能夠找到全局最優(yōu)解,但是如果想在更大的范圍內(nèi)尋找最佳的參數(shù)會很耗費大量時間。通過使用啟發(fā)式的遺傳算法不需要必遍歷網(wǎng)格內(nèi)的所有參數(shù)點,也可以找到群居最優(yōu)解,最終提高了分類預(yù)測的準(zhǔn)確率。

    6 結(jié)束語

    智能交通數(shù)據(jù)挖掘研究的重點在于設(shè)計有效合理的挖掘算法,難點主要有兩面:首先由于交通數(shù)據(jù)的特殊性,現(xiàn)有的大部分?jǐn)?shù)據(jù)挖掘算法無法直接高效的應(yīng)用在大規(guī)模交通數(shù)據(jù)處理中;另一方面,需要根據(jù)領(lǐng)域知識來設(shè)計專門的數(shù)據(jù)挖掘算法,否則處理結(jié)果可能無法滿足應(yīng)用本身的需求。本文在選定了視頻特征提取方法后,對不同的目標(biāo)追蹤方法進(jìn)行了比較,選擇了合適的追蹤方法;然后使用SVM算法,根據(jù)提取的特征屬性對交通視頻進(jìn)行分類,通過比較分類的準(zhǔn)確性,選擇合適的分類器。最后利用啟發(fā)式的遺傳算法對SVM參數(shù)進(jìn)行了優(yōu)化,提高了分類的準(zhǔn)確率。

    參考文獻(xiàn):

    [1] 王漢斌. 基于視頻的目標(biāo)檢測與跟蹤技術(shù)研究[D].南京航空航天大學(xué), 2009.24(19):21-24.

    [2] 王圣男, 郁梅, 蔣剛毅. 智能交通系統(tǒng)中基于視頻圖像處理的車輛檢測與跟蹤方法綜述[J]. 計算機應(yīng)用研究, 2005, 22(9):9-14.

    [3] 韓超. 視頻車輛檢測技術(shù)背景及國內(nèi)外研究現(xiàn)狀[J].無線互聯(lián)科技, 2012 (3):103-103.

    [4] Andrews Sobral L O, Schnitman L, De Souza F. Highway Traffic Congestion Classification Using Holistic Properties[C]//Proc. International Conference on Signal Processing, Pattern Recognition and Applications, 2013.

    [5] 范昕煒.支持向量機算法的研究及其應(yīng)用[D].杭州:浙江大學(xué), 2003.

    [6] 王睿.關(guān)于支持向量機參數(shù)選擇方法分析[J].重慶師范大學(xué)學(xué)報:自然科學(xué)版, 2007, 24(2):36-38.

    [7] 趙春暉, 陳萬海, 郭春燕. 多類支持向量機方法的研究現(xiàn)狀與分析[J].智能系統(tǒng)學(xué)報, 2007, 2(2): 11-17.

    [8] 平雪良,徐榮禮,孔俊,等. 基于空間劃分的海量數(shù)據(jù)K鄰近新算法[J].華南理工大學(xué)學(xué)報: 自然科學(xué)版, 2007, 35(5):65-69.

    [9] 賈銀山, 賈傳熒. 一種加權(quán)支持向量機分類算法[J].計算機工程,2005,31(12): 23-25.

    [10] Keerthi S S, Lin C J.Asymptotic behaviors of support vector machines with Gaussian kernel[J]. Neural computation,2003,15(8):1667-1689.

    猜你喜歡
    參數(shù)優(yōu)化模式識別數(shù)據(jù)挖掘
    探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢
    基于并行計算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用
    電力與能源(2017年6期)2017-05-14 06:19:37
    淺談模式識別在圖像識別中的應(yīng)用
    電子測試(2017年23期)2017-04-04 05:06:50
    第四屆亞洲模式識別會議
    基于神經(jīng)網(wǎng)絡(luò)的動力電池組焊接參數(shù)優(yōu)化研究
    研究LTE與WCDMA系統(tǒng)間小區(qū)互操作與參數(shù)優(yōu)化
    基于磁流變技術(shù)的汽車發(fā)動機隔振系統(tǒng)的參數(shù)優(yōu)化
    科技視界(2016年23期)2016-11-04 08:17:36
    上向進(jìn)路式尾砂膠結(jié)充填采礦法采場結(jié)構(gòu)參數(shù)優(yōu)化研究
    一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用
    第3屆亞洲模式識別會議
    精品久久久久久久毛片微露脸| 久久中文字幕人妻熟女| 人成视频在线观看免费观看| 国产精品美女特级片免费视频播放器 | 91老司机精品| 不卡av一区二区三区| 精品电影一区二区在线| 一区二区日韩欧美中文字幕| 女人久久www免费人成看片| 午夜福利在线观看吧| x7x7x7水蜜桃| 亚洲欧美日韩高清在线视频| 又黄又爽又免费观看的视频| av天堂在线播放| 一二三四社区在线视频社区8| 亚洲一区二区三区欧美精品| 人妻久久中文字幕网| 91在线观看av| 自线自在国产av| 日本精品一区二区三区蜜桃| av网站免费在线观看视频| 国产亚洲欧美98| 久久国产亚洲av麻豆专区| 热re99久久精品国产66热6| 一进一出抽搐动态| 亚洲情色 制服丝袜| 午夜激情av网站| 无遮挡黄片免费观看| 亚洲中文av在线| 欧美成狂野欧美在线观看| 欧美国产精品一级二级三级| 久久精品亚洲熟妇少妇任你| 婷婷精品国产亚洲av在线 | 欧美日韩国产mv在线观看视频| 老司机靠b影院| 国产不卡av网站在线观看| 欧美在线一区亚洲| 狂野欧美激情性xxxx| 午夜日韩欧美国产| 日韩免费av在线播放| 日本精品一区二区三区蜜桃| a在线观看视频网站| 丰满人妻熟妇乱又伦精品不卡| 亚洲va日本ⅴa欧美va伊人久久| 国产男靠女视频免费网站| 久久香蕉国产精品| 成人黄色视频免费在线看| 久久午夜综合久久蜜桃| 美女国产高潮福利片在线看| 丁香欧美五月| 免费观看人在逋| 亚洲人成伊人成综合网2020| 国产激情欧美一区二区| 在线观看www视频免费| 国产精品国产av在线观看| 69av精品久久久久久| 美女 人体艺术 gogo| 一级毛片精品| 婷婷成人精品国产| 美女高潮喷水抽搐中文字幕| 亚洲一区二区三区欧美精品| 黄色丝袜av网址大全| 曰老女人黄片| 一级a爱片免费观看的视频| 俄罗斯特黄特色一大片| 国产国语露脸激情在线看| 丰满人妻熟妇乱又伦精品不卡| 757午夜福利合集在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 叶爱在线成人免费视频播放| 精品久久久久久电影网| 中文字幕av电影在线播放| 国产精品免费视频内射| 在线观看一区二区三区激情| 99精国产麻豆久久婷婷| 免费在线观看亚洲国产| 在线国产一区二区在线| 丝瓜视频免费看黄片| 91成年电影在线观看| 99热国产这里只有精品6| 精品少妇久久久久久888优播| 久久久久久免费高清国产稀缺| 欧美激情 高清一区二区三区| 在线观看午夜福利视频| 久久久久精品国产欧美久久久| 亚洲午夜精品一区,二区,三区| 美女午夜性视频免费| а√天堂www在线а√下载 | 亚洲视频免费观看视频| 丝袜人妻中文字幕| 国产日韩一区二区三区精品不卡| 日本黄色视频三级网站网址 | 丝袜美足系列| 精品人妻1区二区| 一个人免费在线观看的高清视频| 久久这里只有精品19| 亚洲av片天天在线观看| 久久久国产欧美日韩av| 欧美日韩乱码在线| 中出人妻视频一区二区| 欧美不卡视频在线免费观看 | 中文字幕人妻丝袜制服| 老司机午夜福利在线观看视频| 天天躁日日躁夜夜躁夜夜| 99久久人妻综合| 久久精品人人爽人人爽视色| 99精品久久久久人妻精品| 亚洲 欧美一区二区三区| 不卡一级毛片| 日韩三级视频一区二区三区| 18禁黄网站禁片午夜丰满| 亚洲中文日韩欧美视频| 国产精品影院久久| 欧美日韩亚洲综合一区二区三区_| 国产97色在线日韩免费| 欧美性长视频在线观看| 人妻 亚洲 视频| 又大又爽又粗| 91老司机精品| 18禁观看日本| 黑丝袜美女国产一区| 女人精品久久久久毛片| 免费在线观看视频国产中文字幕亚洲| 精品国产一区二区三区四区第35| 久久亚洲真实| 伦理电影免费视频| 免费在线观看影片大全网站| 女性生殖器流出的白浆| 性少妇av在线| 99国产精品一区二区三区| 天天影视国产精品| 久久亚洲真实| 9色porny在线观看| 999精品在线视频| 成人免费观看视频高清| 极品人妻少妇av视频| 国产成+人综合+亚洲专区| videos熟女内射| 51午夜福利影视在线观看| 欧美日韩亚洲国产一区二区在线观看 | 久久久久久免费高清国产稀缺| 啦啦啦 在线观看视频| 欧美人与性动交α欧美精品济南到| 看免费av毛片| 人人妻,人人澡人人爽秒播| 国产亚洲精品久久久久5区| 欧美另类亚洲清纯唯美| 中文亚洲av片在线观看爽 | 亚洲中文日韩欧美视频| 少妇的丰满在线观看| 成人永久免费在线观看视频| av在线播放免费不卡| 这个男人来自地球电影免费观看| 精品一区二区三区av网在线观看| 18禁观看日本| 一夜夜www| 男女高潮啪啪啪动态图| 美女视频免费永久观看网站| 国产午夜精品久久久久久| 人人妻人人澡人人看| 国产成人精品久久二区二区免费| 色在线成人网| av超薄肉色丝袜交足视频| 欧美精品av麻豆av| 每晚都被弄得嗷嗷叫到高潮| 免费高清在线观看日韩| 99久久综合精品五月天人人| 又紧又爽又黄一区二区| 黄色视频不卡| 国产97色在线日韩免费| 国产精品一区二区精品视频观看| 午夜福利,免费看| 久久午夜亚洲精品久久| 中文字幕高清在线视频| 搡老岳熟女国产| 国产黄色免费在线视频| 真人做人爱边吃奶动态| 国产又爽黄色视频| 18禁裸乳无遮挡免费网站照片 | 在线观看一区二区三区激情| 18禁裸乳无遮挡免费网站照片 | 80岁老熟妇乱子伦牲交| 欧美成狂野欧美在线观看| 亚洲av成人一区二区三| 精品视频人人做人人爽| 成人手机av| 精品卡一卡二卡四卡免费| av在线播放免费不卡| 久久九九热精品免费| 看黄色毛片网站| 亚洲国产看品久久| 这个男人来自地球电影免费观看| 久久 成人 亚洲| 午夜福利视频在线观看免费| 亚洲国产欧美一区二区综合| 久久人人爽av亚洲精品天堂| 黑人巨大精品欧美一区二区蜜桃| 大型av网站在线播放| 精品一区二区三区av网在线观看| 亚洲少妇的诱惑av| 交换朋友夫妻互换小说| xxxhd国产人妻xxx| 波多野结衣av一区二区av| 老鸭窝网址在线观看| 99精品在免费线老司机午夜| 新久久久久国产一级毛片| 久久精品国产亚洲av高清一级| 成人影院久久| 日韩免费av在线播放| 午夜亚洲福利在线播放| 正在播放国产对白刺激| 伊人久久大香线蕉亚洲五| 亚洲av熟女| 人人澡人人妻人| 涩涩av久久男人的天堂| 亚洲一区二区三区欧美精品| 王馨瑶露胸无遮挡在线观看| 国产免费av片在线观看野外av| 久99久视频精品免费| 久久久久国产精品人妻aⅴ院 | 9191精品国产免费久久| 久久精品国产亚洲av香蕉五月 | 国产真人三级小视频在线观看| 国产色视频综合| 国产亚洲精品一区二区www | 看黄色毛片网站| 一区二区日韩欧美中文字幕| 人人妻人人澡人人看| 国产精品一区二区精品视频观看| 国产精品九九99| 国产亚洲欧美精品永久| 国产99白浆流出| 黑丝袜美女国产一区| 中文字幕最新亚洲高清| 婷婷精品国产亚洲av在线 | 在线观看www视频免费| 亚洲九九香蕉| 久久国产精品人妻蜜桃| 亚洲美女黄片视频| 一区二区三区精品91| 一级毛片高清免费大全| 另类亚洲欧美激情| 日韩一卡2卡3卡4卡2021年| 女性被躁到高潮视频| 久久中文看片网| 免费不卡黄色视频| 激情视频va一区二区三区| 久久中文字幕人妻熟女| 国产人伦9x9x在线观看| 国产精品影院久久| 麻豆av在线久日| 看黄色毛片网站| 欧美黑人精品巨大| 大香蕉久久成人网| 亚洲午夜理论影院| 亚洲第一青青草原| 首页视频小说图片口味搜索| 国产精品久久久久久精品古装| 成在线人永久免费视频| 91大片在线观看| 国产野战对白在线观看| 国产成人影院久久av| 久久精品国产综合久久久| 久久久精品免费免费高清| 国产极品粉嫩免费观看在线| 国产精品1区2区在线观看. | 国产精品一区二区在线不卡| 十八禁高潮呻吟视频| 国产成人精品无人区| 两个人看的免费小视频| 免费看a级黄色片| 视频在线观看一区二区三区| 香蕉久久夜色| 99国产精品免费福利视频| 国产精品亚洲av一区麻豆| 激情视频va一区二区三区| 欧美日韩乱码在线| 欧美最黄视频在线播放免费 | 欧美黑人精品巨大| 精品久久久久久电影网| 一区二区三区激情视频| 免费女性裸体啪啪无遮挡网站| 精品久久久久久久久久免费视频 | 巨乳人妻的诱惑在线观看| 麻豆国产av国片精品| 久久精品亚洲熟妇少妇任你| 岛国毛片在线播放| svipshipincom国产片| 亚洲av成人不卡在线观看播放网| 午夜福利在线观看吧| 久久精品国产综合久久久| 91麻豆精品激情在线观看国产 | 欧美乱色亚洲激情| 亚洲精品美女久久久久99蜜臀| 欧美成人免费av一区二区三区 | 最新的欧美精品一区二区| 精品久久久精品久久久| 大香蕉久久网| 成人影院久久| 美女午夜性视频免费| 一进一出抽搐动态| 999久久久精品免费观看国产| 精品免费久久久久久久清纯 | 日本a在线网址| 日日夜夜操网爽| 精品人妻在线不人妻| 色婷婷av一区二区三区视频| 婷婷成人精品国产| 色精品久久人妻99蜜桃| 香蕉久久夜色| 大香蕉久久网| 亚洲情色 制服丝袜| 日韩精品免费视频一区二区三区| 视频区图区小说| 亚洲三区欧美一区| 国产成人精品久久二区二区91| 日日摸夜夜添夜夜添小说| 韩国精品一区二区三区| 成年人黄色毛片网站| 美女国产高潮福利片在线看| 久久精品国产亚洲av香蕉五月 | 国产成人系列免费观看| 99久久国产精品久久久| 一区二区三区激情视频| 母亲3免费完整高清在线观看| 亚洲欧美一区二区三区久久| 99在线人妻在线中文字幕 | 亚洲精品国产精品久久久不卡| 黑人猛操日本美女一级片| 亚洲少妇的诱惑av| 黄色片一级片一级黄色片| 国产亚洲av高清不卡| 满18在线观看网站| 91在线观看av| 视频区欧美日本亚洲| 黑人欧美特级aaaaaa片| 丰满的人妻完整版| 国产亚洲欧美精品永久| 免费少妇av软件| 99热国产这里只有精品6| 午夜激情av网站| 天天添夜夜摸| 成人精品一区二区免费| 亚洲熟妇熟女久久| 成人18禁高潮啪啪吃奶动态图| 欧美+亚洲+日韩+国产| 久久久国产成人免费| 亚洲成人免费电影在线观看| 亚洲五月天丁香| 精品卡一卡二卡四卡免费| 国产一区二区激情短视频| 久久人人爽av亚洲精品天堂| 国产av一区二区精品久久| 国产精品亚洲av一区麻豆| 国产精品影院久久| 女警被强在线播放| 亚洲精品中文字幕在线视频| 久久久久国内视频| 久热爱精品视频在线9| 男女之事视频高清在线观看| 一本大道久久a久久精品| 国产亚洲欧美在线一区二区| 亚洲 欧美一区二区三区| 亚洲av美国av| 国产人伦9x9x在线观看| 人妻 亚洲 视频| 国产精品免费大片| 日本欧美视频一区| 久久久久视频综合| 亚洲美女黄片视频| 99久久精品国产亚洲精品| 伊人久久大香线蕉亚洲五| 久99久视频精品免费| 不卡一级毛片| 国产熟女午夜一区二区三区| 热re99久久精品国产66热6| 欧美亚洲 丝袜 人妻 在线| 曰老女人黄片| 国产成人精品无人区| 色婷婷久久久亚洲欧美| 18禁美女被吸乳视频| 亚洲自偷自拍图片 自拍| 欧美激情极品国产一区二区三区| 国产精品电影一区二区三区 | 亚洲中文日韩欧美视频| 国产精品.久久久| 日日爽夜夜爽网站| 欧美激情极品国产一区二区三区| 久久 成人 亚洲| 在线天堂中文资源库| 亚洲精品久久午夜乱码| 99国产精品免费福利视频| 久久热在线av| 男女床上黄色一级片免费看| 国产日韩一区二区三区精品不卡| 亚洲男人天堂网一区| 黄色丝袜av网址大全| 欧美午夜高清在线| 亚洲精品国产色婷婷电影| 久久精品国产亚洲av香蕉五月 | 亚洲av美国av| 怎么达到女性高潮| 亚洲精品美女久久av网站| 亚洲色图综合在线观看| 深夜精品福利| 精品久久久久久久久久免费视频 | 啦啦啦 在线观看视频| 人妻丰满熟妇av一区二区三区 | 老司机福利观看| 日韩成人在线观看一区二区三区| 久久精品国产99精品国产亚洲性色 | 日本vs欧美在线观看视频| 亚洲 国产 在线| 精品一区二区三区四区五区乱码| videos熟女内射| 国产97色在线日韩免费| 国产精品久久久av美女十八| 女人被狂操c到高潮| 国产在线观看jvid| 老司机福利观看| 久久亚洲精品不卡| √禁漫天堂资源中文www| 人妻 亚洲 视频| 国产精品永久免费网站| 国产不卡av网站在线观看| xxx96com| 精品人妻熟女毛片av久久网站| 一级毛片女人18水好多| 久久久久久久午夜电影 | 飞空精品影院首页| 一级作爱视频免费观看| 18禁观看日本| 国产亚洲欧美98| 久久久国产欧美日韩av| 国产男女内射视频| 黄色女人牲交| 黄色a级毛片大全视频| 天堂√8在线中文| 窝窝影院91人妻| 成年人免费黄色播放视频| 亚洲中文日韩欧美视频| 久久中文字幕一级| 欧美日韩av久久| 18禁裸乳无遮挡免费网站照片 | 国产精品av久久久久免费| 一本综合久久免费| 高清黄色对白视频在线免费看| 美女国产高潮福利片在线看| 高清毛片免费观看视频网站 | 999久久久精品免费观看国产| 亚洲色图 男人天堂 中文字幕| 国精品久久久久久国模美| 99国产精品免费福利视频| 黄色毛片三级朝国网站| 黄色a级毛片大全视频| 免费在线观看完整版高清| 首页视频小说图片口味搜索| 亚洲精品久久成人aⅴ小说| 黄色丝袜av网址大全| 日本精品一区二区三区蜜桃| 美女福利国产在线| 午夜亚洲福利在线播放| 国产精品1区2区在线观看. | 亚洲色图av天堂| 色精品久久人妻99蜜桃| 妹子高潮喷水视频| 日本vs欧美在线观看视频| 国产在线观看jvid| 91大片在线观看| 国产欧美日韩精品亚洲av| 色综合婷婷激情| 俄罗斯特黄特色一大片| 国产精品1区2区在线观看. | 97人妻天天添夜夜摸| a在线观看视频网站| ponron亚洲| 精品国产一区二区久久| 精品国产一区二区三区四区第35| 亚洲精品国产色婷婷电影| 国产一区二区三区综合在线观看| 少妇猛男粗大的猛烈进出视频| 色94色欧美一区二区| 91九色精品人成在线观看| 黑丝袜美女国产一区| 在线十欧美十亚洲十日本专区| 久久精品91无色码中文字幕| 黄色 视频免费看| 三级毛片av免费| 天天躁狠狠躁夜夜躁狠狠躁| av天堂久久9| 日韩三级视频一区二区三区| 超碰成人久久| 亚洲人成电影观看| 亚洲全国av大片| 亚洲成国产人片在线观看| 丰满的人妻完整版| 中文字幕av电影在线播放| 国产一区二区激情短视频| 99国产精品99久久久久| 午夜福利免费观看在线| 99国产精品一区二区三区| 18禁美女被吸乳视频| 一边摸一边抽搐一进一出视频| 叶爱在线成人免费视频播放| 精品福利观看| 制服诱惑二区| 日韩成人在线观看一区二区三区| 在线播放国产精品三级| 亚洲中文av在线| 国产精品久久久久成人av| 在线观看午夜福利视频| 大型黄色视频在线免费观看| 亚洲精品国产一区二区精华液| 亚洲男人天堂网一区| 黑人操中国人逼视频| 久久久久久久精品吃奶| 不卡一级毛片| 久久久久视频综合| a级片在线免费高清观看视频| 窝窝影院91人妻| 中文字幕人妻丝袜制服| 激情视频va一区二区三区| 久久这里只有精品19| 午夜福利乱码中文字幕| 中文字幕av电影在线播放| 久久人妻熟女aⅴ| 中文亚洲av片在线观看爽 | 日本欧美视频一区| 国产在线精品亚洲第一网站| 大陆偷拍与自拍| 国产精品一区二区精品视频观看| 日本一区二区免费在线视频| 日韩 欧美 亚洲 中文字幕| 91老司机精品| 国内毛片毛片毛片毛片毛片| 日韩中文字幕欧美一区二区| 亚洲欧美激情综合另类| 国产蜜桃级精品一区二区三区 | 51午夜福利影视在线观看| 国产精品亚洲一级av第二区| 三级毛片av免费| 久热这里只有精品99| 美女福利国产在线| 欧美精品人与动牲交sv欧美| 亚洲专区中文字幕在线| 国产亚洲欧美精品永久| 国产一区二区激情短视频| 岛国在线观看网站| 久久久国产成人免费| 啦啦啦免费观看视频1| 人人澡人人妻人| 国产亚洲精品久久久久5区| 一边摸一边做爽爽视频免费| 夜夜夜夜夜久久久久| 精品乱码久久久久久99久播| 欧美日韩国产mv在线观看视频| 丝袜人妻中文字幕| 亚洲美女黄片视频| 欧美大码av| 丝袜美腿诱惑在线| 黄网站色视频无遮挡免费观看| 操美女的视频在线观看| 欧美激情 高清一区二区三区| netflix在线观看网站| 18在线观看网站| av线在线观看网站| 国产精品一区二区在线不卡| 久久中文字幕一级| 日本黄色视频三级网站网址 | 日韩欧美一区二区三区在线观看 | 99精品欧美一区二区三区四区| 王馨瑶露胸无遮挡在线观看| 亚洲精品自拍成人| 国产亚洲精品第一综合不卡| 国产人伦9x9x在线观看| 日韩欧美免费精品| 亚洲精品国产区一区二| 少妇的丰满在线观看| 久久久久精品人妻al黑| 又黄又爽又免费观看的视频| 99香蕉大伊视频| 久久亚洲精品不卡| 中文字幕高清在线视频| a在线观看视频网站| 在线视频色国产色| 久久久久久久久免费视频了| 在线看a的网站| 亚洲全国av大片| svipshipincom国产片| 黄色视频,在线免费观看| 日本黄色视频三级网站网址 | 国产av一区二区精品久久| 精品高清国产在线一区| 十八禁人妻一区二区| 亚洲成人免费av在线播放| 丰满迷人的少妇在线观看| 中文字幕另类日韩欧美亚洲嫩草| 亚洲中文字幕日韩| 中文字幕色久视频| 久久香蕉国产精品| 亚洲欧美精品综合一区二区三区| 操美女的视频在线观看| 亚洲av成人av| 亚洲午夜精品一区,二区,三区| 午夜老司机福利片| 少妇被粗大的猛进出69影院| 天天躁日日躁夜夜躁夜夜| 亚洲色图 男人天堂 中文字幕| 美女午夜性视频免费| 热re99久久国产66热| 久久性视频一级片| 欧美在线黄色| 男男h啪啪无遮挡| 亚洲精品自拍成人| 欧美av亚洲av综合av国产av|