• <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 ?

    一種新的魯棒主成分分析方法及其應用

    2016-06-17 03:27:24陳甲英趙建偉曹飛龍
    中國計量大學學報 2016年1期

    陳甲英,趙建偉,曹飛龍

    (中國計量學院 理學院,浙江 杭州 310018)

    ?

    一種新的魯棒主成分分析方法及其應用

    陳甲英,趙建偉,曹飛龍

    (中國計量學院 理學院,浙江 杭州 310018)

    【摘要】背景建模在視頻運動分析中具有重要作用.視頻序列背景圖像通常具有低秩性,為了更好地刻畫該特性,精確提取視頻背景,提出了一種基于截斷核范數(shù)的魯棒主成分分析模型.同時設(shè)計了一種兩步迭代算法來求解該模型,最后將該算法應用于視頻背景建模.不同視頻數(shù)據(jù)庫實驗表明,該算法對于求解背景建模問題是有效的.

    【關(guān)鍵詞】矩陣恢復;截斷核范數(shù);魯棒主成分分析;背景建模

    如何較準確地從視頻流中提取運動目標是計算機視覺研究領(lǐng)域中的一個重要的方向.同時,也是行為理解和運動分析的重要前提.在實際應用中,常見的運動目標檢測算法主要有三類:光流法[1],相鄰幀間圖像差分法[2]以及背景圖像差分法[3].相比于前兩種方法,背景圖像差分法更加精確、速度更快并且實現(xiàn)比較簡單,是目標檢測中一種常用的方法.其基本原理如下:首先估計背景圖像,然后利用背景圖像與當前幀圖像的差進行目標檢測.因此,背景圖像建模是背景圖像差分法進行目標檢測的關(guān)鍵.

    根據(jù)攝像機拍攝方法的不同,視頻可以被分為攝像機固定拍攝的定視角視頻和攝像機運動拍攝的變視角視頻兩類,本文主要針對前者進行背景建模問題研究.國內(nèi)外對于這一問題已有很多學者進行了研究,提出了一些不同的建模方法.如:Wren等人[4]提出的單高斯分布模型,在單高斯模型的基礎(chǔ)之上Friedman和Russell[5]提出了混合高斯背景模型.而混合高斯分布模型的缺點是參數(shù)估計較慢,模型個數(shù)難以確定.為了從根本上解決混合高斯背景模型中參數(shù)估計運算量過大的問題,編碼本(Codebook)背景建模方法[6-7]及非參數(shù)背景建模[8]被提出.從本質(zhì)上看,由于這些方法全部是建立在對像素點的分析上,算法雖然實現(xiàn)簡便,但是忽視了像素點間的聯(lián)系和物體的整體屬性,在一些視頻中,僅通過像素值出現(xiàn)的頻率和穩(wěn)定性并不能準確區(qū)分前景和背景.例如,體積較大的單色物體在運動過程中,其內(nèi)部經(jīng)常會判定為穩(wěn)定的背景.近年來,隨著壓縮感知理論研究的深入,稀疏表示成為一種更加有效的數(shù)據(jù)表示方式.然而,現(xiàn)實世界中很多數(shù)據(jù)是以矩陣形式存儲的,因此,將向量樣例的稀疏表示推廣到矩陣的低秩情形的低秩矩陣恢復理論應運而生.考慮到視頻序列各幀之間的相關(guān)性,Candès等人[9]用矩陣恢復方法來提取攝像機固定的情況下的視頻圖像的背景,并且得到了理想的提取效果.已有的矩陣恢復方法雖然考慮了每幀圖像像素之間的聯(lián)系,但是核范數(shù)可能不是刻畫各幀圖像之間的低秩性的最好方法.因此,尋找一種更好的矩陣恢復方法并用其進行背景提取無疑是具有重要的理論和現(xiàn)實意義.

    本文結(jié)構(gòu)如下:第一節(jié)簡單介紹基于核范數(shù)的魯棒主成分分析方法;第二節(jié)提出一種新的基于截斷核范數(shù)的魯棒主成分分析算法并給出了相應的求解方法;第三節(jié)是實驗部分,包括人工數(shù)據(jù)有效性實驗和背景提取兩個實驗;第四節(jié)是結(jié)論.

    1基于核范數(shù)的魯棒主成分分析方法

    在固定攝像機位置的情況下,可得到一段時間內(nèi)的一個視頻序列.由于攝像機是靜止的,所以只要沒有運動物體經(jīng)過,視頻背景是固定的.也就是說,在一段視頻圖像中,可將運動物體看作背景部分的噪聲項,除去噪聲項,各幀圖像的背景部分是線性相關(guān)的,即一段視頻中,所有背景圖像構(gòu)成的矩陣是低秩的,運動的前景可以看作是稀疏的噪聲.

    考慮一個視頻序列中的N幀圖像,分別記為{I1,I2,…,IN},其中Ii(i=1,2,…,N)是一個m×n的圖像矩陣.將每個圖像矩陣Ii拉成列向量,按照原來視頻序列中各幀圖像的順序重新生成一個mn×N的矩陣D.對于矩陣D,可以分解成運動目標E和固定背景Z的和,即D=Z+E.根據(jù)前面的分析,各幀圖像的背景拉成的向量是線性相關(guān)的,即矩陣Z具有低秩性,而運動目標在圖像中可以看作噪聲,具有一定的稀疏性.因此,背景建模問題事實上就是求解以下低秩矩陣恢復問題:

    s.tD=Z+E.

    (1)

    然而,由于秩函數(shù)以及零范數(shù)的非凸性,該模型是一個NP難問題[10-11].Fazel[12]首次在控制系統(tǒng)中用核范數(shù)作為秩函數(shù)的近似,之后大量理論研究說明:在滿足強不相干性條件[9,13]和約束等距條件[14]的前提下,核范數(shù)可以作為秩函數(shù)的一種凸替代;同時,l1范數(shù)可以作為l0范數(shù)的凸替代[10,13].在文獻[9]和[14]中,Candès等人提出了一種主成分追蹤方法:

    s.tD=Z+E.

    (2)

    我們將這種基于核范數(shù)的背景提取方法又稱為基于核范數(shù)的魯棒主成分分析方法(Robust Principal Component Analysis Method with Nuclear Norm,RPCA-NN).此外,一些研究者還考慮了有噪聲存在的情況下的低秩矩陣恢復問題[15-16],并給出了相關(guān)算法.

    事實上,模型(2)可以用迭代閾值方法求解(Iterative Threshold,IT)[15,17]來求解,但是,IT迭代步長不好選擇,而且需要迭代很多次才能收斂.為了克服IT收斂速度慢的局限性,Lin等人[18]提出了兩種新的求解該問題的方法,分別是加速近端梯度算法(Accelerated Proximal Gradient,APG)和對偶算法(Dual Method,DM).此外,文獻[19]提出了增廣拉格朗日算法(Augmented Lagrange Multiplier,ALM)和非精確增廣拉格朗日算法(Inexact Augmented Lagrange Multiplier, IALM)來求解(2)式,使得其迭代解能夠收斂到該優(yōu)化問題的精確解,并且耗時相對較少.

    2基于截斷核范數(shù)的魯棒主成分分析方法

    由于在提取背景時,人們期望背景部分是低秩的,Hu等人指出核范數(shù)不是秩函數(shù)的最佳近似,因為原始的秩函數(shù)只需要考慮非零奇異值的個數(shù),且每個非零奇異值對秩函數(shù)有著同等的貢獻,而核范數(shù)是所有非零奇異值的和,但不同的非零奇異值對核范數(shù)的影響不同,大的奇異值起了主要的作用.對于一個矩陣D∈Rm×n,它的秩在很大程度上是取決于最小的min(m,n)-r個奇異值的非零元素的個數(shù),前r個奇異值在估計秩時提供的信息是非常有限的,而核范數(shù)中起決定作用的恰恰是前面的較大的奇異值.基于此Hu等人[20]提出了一種更精確的低秩性的刻畫方式,即截斷核范數(shù)正則化方法(Truncated Nuclear Norm,TNN).

    首先,介紹截斷核范數(shù)的概念:

    其中σi(D)是D的第i個奇異值,r為整數(shù),且r小于矩陣的秩rank(D).

    受Hu等人研究的啟發(fā),本文提出了一種基于截斷核范數(shù)的魯棒主成分分析方法(Robust Principal Component Analysis Method with Nuclear Norm,RPCA-TNN):

    s.tD=Z+E.

    (3)

    然而,由于截斷核范數(shù)是非凸的,因此模型(3)是一個NP-Hard問題[10-11],無法用凸優(yōu)化的方法來求解該模型.然而,截斷核范數(shù)具有以下性質(zhì)[20]:

    引理1[20]對于任意的矩陣Z∈Rm×n,任意的非負整數(shù)r(r≤min(m,n)),存在秩為r的矩陣A∈Rr×m和B∈Rr×n,且有AAΤ=I,BBΤ=I,有如下的結(jié)論:

    (4)

    其中σi(Z)是Z的第i個奇異值.

    該引理的證明已在文獻[20]中給出.

    根據(jù)引理1和奇異值分解的知識,我們可以得到下面的結(jié)論:

    (5)

    因此,在A和B確定的情況下,根據(jù)(5)式,上述優(yōu)化問題(3)可以轉(zhuǎn)化為求解下面的優(yōu)化問題:

    s.tD=Z+E.

    (6)

    (7)

    其中Y是拉格朗日乘子,μ>0是懲罰參數(shù),<.,.>為矩陣內(nèi)積.

    通過交替方向法求解下面的無約束優(yōu)化問題:

    即固定其中兩個變量,求解剩下的一個變量:

    (8)

    為了求解上面的問題,給出以下定義和引理:

    定義2[21-22]矩陣D∈Rm×n的奇異值分解為:

    D=USVT,S=diag({σi}1≤i≤min(m,n)),定義奇異值閾值算子:

    Θτ(D)=UΘτ(Σ)VT,

    其中σi是D的第i個奇異值.

    引理2[21-22]對于τ>0,Y∈Rm×n,下面的結(jié)論成立:

    引理3[9,23]對于τ>0,Y∈Rm×n設(shè)Sτ:R→R是軟閾值算子,則它是下面優(yōu)化問題的解:

    且軟閾值算子

    其中Y=(yij).

    我們首先固定E和Y,更新Z,即求解下面的優(yōu)化模型:

    從而根據(jù)引理2和定義2,可以得到Z的解為下面的形式:

    (9)

    然后,我們固定Z和Y,更新E:

    再根據(jù)引理3得到E的迭代解如下:

    (10)

    最后,計算拉格朗日乘子Y和懲罰參數(shù)μ:

    Yk+1=Yk+μk(D-Zk+1-Ek+1),

    (11)

    μk+1=min(ρμk,μmax),

    (12)

    其中ρ>1是一個常數(shù).

    應用兩步迭代策略交替迭代直到算法收斂.算法總結(jié)如下.

    兩步迭代算法:

    步驟一,初始化

    1)給定初值Z1=D;

    2)給定第二步迭代收斂誤差eps;

    3)給定終止誤差ε.

    步驟二,計算Al和Bl

    計算Zl的奇異值分解

    其中,

    Ul=(u1,u2,…,um)∈Rm×m,

    Vl=(v1,v2,…,vn)∈Rn×n,

    從而,Al=(u1,u2,…,ur)Τ,

    Bl=(v1,v2,…,vr)Τ.

    步驟三,用交替方向法求解優(yōu)化子問題(6)

    1)用(9)式更新變量Z;

    2)用(10)式更新變量E;

    3)用(11)式更新拉格朗日乘子Y.

    4)用(12)式更新懲罰參數(shù)μ.

    直到算法收斂,即

    步驟四,轉(zhuǎn)到步驟二重復迭代循環(huán),更新變量,直到外部算法收斂,即

    3實驗結(jié)果及分析

    3.1人工數(shù)據(jù)實驗

    根據(jù)文獻[24],人工數(shù)據(jù)矩陣按如下方式生成:首先生成一個秩為r的低秩方陣Z0∈Rm×n和一個相同大小的稀疏矩陣E0,則待恢復的矩陣D0可以表示為D0=Z0+E0.

    為說明提出的基于截斷核范數(shù)的魯棒主成分分析方法要優(yōu)于基于核范數(shù)的魯棒主成分分析方法,本文用RPCA-TNN和RPCA-NN分別提取人工數(shù)據(jù)D0的低秩部分Z,并用Z的秩、低秩誤差以及總體誤差來刻畫兩種方法的有效性,其中低秩誤差和總體誤差的定義形式如下[24]:

    本文用到的矩陣大小分別是200、600、1 000、1 300的人工數(shù)據(jù)方陣來做實驗,從表1可以發(fā)現(xiàn):不論是RPCA-TNN,還是RPCA-NN都能夠很好地提取人工數(shù)據(jù)矩陣的低秩部分.但是,RPCA-TNN不論是總誤差還是低秩誤差都要比

    表1 RPCA-TNN和RPCA-NN在人工數(shù)據(jù)上的實驗結(jié)果

    圖1 利用RPCA-TNN和RPCA-NN來提取背景并檢測單一前景Figure 1 Background subtraction and simple foreground object detection by RPCA-TNN and RPCA_NN

    RPCA-NN小至少三個數(shù)量級.這說明較之RPCA-NN,RPCA-TNN能夠更好地處理低秩提取相關(guān)的問題.此外,從表1看出,RPCA-TNN耗時更多一些,但是,這是可以理解的:奇異值分解是比較耗時的運算.

    3.2背景提取與前景檢測

    本小節(jié)中,我們用七個由靜態(tài)攝像機拍攝的監(jiān)控視頻數(shù)據(jù)做實驗,即:Labby dataset,Escalator dataset,F(xiàn)ountain dataset,Campus dataset,Water Surface dataset,Hall dataset和Bootstrap dataset[25].分別用RPCA-TNN和RPCA-NN提取以上視頻數(shù)據(jù)的背景,并且將提取的結(jié)果進行直觀的比較,實驗結(jié)果顯示在圖1和圖2中.由于實驗條件的限制,在每個視頻數(shù)據(jù)集上,我們分別取35幀視頻圖像做實驗.由于所有的視頻圖像都是彩色的,首先需要將視頻圖像轉(zhuǎn)成灰度圖像,然后將每一幀灰度圖像拉成一個長列向量,最后將這35個列向量并成矩陣D.

    圖2 利用RPCA-TNN和RPCA-NN來提取背景并檢測復雜前景Figure 2 Background subtraction and complex foreground object detection by RPCA-TNN and RPCA-NN

    圖1和圖2呈現(xiàn)了用RPCA-TNN和RPCA-NN在每個視頻數(shù)據(jù)集上的背景提取結(jié)果.其中前三列是用本文提出的方法得到的結(jié)果,第一列是含有噪聲或運動物體的視頻圖像,第二列是提取背景后剩余的運動物體或噪聲,第三列是利用本文提出的方法提取的背景部分.同樣的,后三列是用RPCA-NN得到的提取結(jié)果.

    從圖1直觀觀察,我們發(fā)現(xiàn)當視頻幀數(shù)比較少,視頻場景中的運動物體比較單一的情況下,RPCA-TNN和RPCA-NN都能夠提取出視頻的背景圖像.但是,與RPCA-TNN相比,我們很容易發(fā)現(xiàn):用RPCA-NN提取出的運動前景物體中還包含了很少的一部分背景,也就是說提取的背景圖像有損失.所以,在處理背景建模問題時,本文提出的RPCA-TNN方法的提取效果要優(yōu)于一般的RPCA-NN.

    圖2中的視頻場景比較復雜,含有多運動物體.我們發(fā)現(xiàn)當視頻幀數(shù)很少時,RPCA-NN已經(jīng)不能夠提取出視頻的背景模型了,而本文提出的RPAC-TNN仍然能夠比較精確的提取出視頻背景.

    4結(jié)語

    本文提出了一種基于截斷核范數(shù)的魯棒主成分分析算法,使其能夠更好地恢復低秩稀疏矩陣.由于截斷核范數(shù)的非凸性,我們設(shè)計了兩步迭代算法,并將該算法應用于背景建模中.實驗結(jié)果表明,本文提出的方法相比一般的基于核范數(shù)的方法能更好地處理背景建模問題.

    【參考文獻】

    [1]WEI hiqiang, JI Xiaopeng, WANG Peng. Real-time moving object detection for video monitoring systems [J]. Journal of Systems Engineering and Electronics,2006,17(4):731-736.

    [2]LIPTON A J, FUJIYOSHI H, PATIL R S. Moving target classification and tracking from real-time video [C]// Proceedings of 4th IEEE Workshop on Applications of Computer Vision. New Jersey: IEEE, 1998: 8-14.

    [3]CHEN Baisheng, LEI Yunqi, LI Wangwei. A novel background model for real-time vehicle detection [C]// Proceedings of 7th International Conference on Signal Processing. Beijing: IEEE, 2004, 2: 1276-1279.

    [4]WREN C R, AZARBAYEJAIN A, DARRELL T. Pfinder: real-time tracking of the human body [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997, 19(7): 780-785.

    [5]FRIEDMAN N, RUSSELL S. Image segmentation in video sequences: a probabilistic approach [C]// Proceedings of 13th Conference on Uncertainty in Artificial Intelligence (UAI). San Francisco: Morgan Kaufmann Publishers Inc,1997:175-181.

    [6]KIM K, CHALIDABHONGSE T H, HARWOOD D, et al. Real-time foreground-background segmentation using Codebook Model [J]. Real-Time Imaging, 2005, 11(3): 172-185.

    [7]ILYAS A, SCUTURICI M, MIGUET S. Real time foreground-background segmentation using a modified Codebook Model [C]// Proceedings of 6th IEEE International Conference on Advanced Video and Signal Based Surveillance. Genova: IEEE, 2009: 454-459.

    [8]ELGAMMAL A, DURAISWAMI R, HARWOOD D, et al. Background and foreground modeling using nonparametric kernel density estimation for visual surveillance [J]. Proceedings of the IEEE, 2002, 90(7): 1151-1163.

    [10]NATARAJAN B K. Sparse approximate solutions to linear systems [J]. SIAM Journal on Computing, 1995, 24(2): 227-234.

    [11]RECHT B, FAZEL M, PARRILO P A. Guaranteed minimum-rank solutions of linear matrix equations via nuclear norm minimization [J]. SIAM Review, 2010, 52(3): 471-501.

    [12]FAZEL M. Matrix rank minimization with applications [D]. Stanford: Stanford University, 2002.

    [15]GANESH A, WRIGHT J, LI Xiaodong, et al. Dense error correction for low-rank matrices via principal component pursuit [C]// Proceedings of 2010 IEEE International Symposium on Information Theory (ISIT). Austin: IEEE, 2010: 1513-1517.

    [16]ZHOU Zihan, LI Xiaodong, WRIGHT J, et al. Stable principal component pursuit [C]// Proceedings of 2010 IEEE International Symposium on Information Theory (ISIT). Austin: IEEE, 2010: 1518-1522.

    [17]WRIGHT J, GANESH A, RAO S, et al. Robust principal component analysis: exact recovery of corrupted low-rank matrices via convex optimization [C]// Advances in Neural Information Processing Systems. Granada: NIPS, 2009: 2080-2088.

    [18]LIN Zhouchen, GANESH A, WRIGHT J, et al. Fast convex optimization algorithms for exact recovery of a corrupted low-rank matrix [J]. International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP), 2009, 61: 213-216.

    [19]LIN Zouchen, LIU Risheng, SU Zhixun. Linearized alternating direction method with adaptive penalty for low-rank representation [C]// Advances in Neural Information Processing Systems. Granada: NIPS, 2011: 612-620.

    [20]HU Yao, ZHANG Debing, YE Jieping, et al. Fast and accurate matrix completion via truncated nuclear norm regularization [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(9):2117-2130.

    [22]LIU Yuanyuan, JIAO Licheng, SHANG Fanhua, et al. An efficient matrix bi-factorization alternative optimization method for low-rank matrix recovery and completion [J]. Neural Networks, 2013, 48: 8-18.

    [23]COMBETTES P L, WAJS V R. Signal recovery by proximal forward-backward splitting [J]. Multiscale Modeling & Simulation, 2005, 4(4): 1168-1200.

    [24]YUAN Xxiaoming, YANG Junfeng. Sparse and low-rank matrix decomposition via alternating direction methods [J]. Operations Research & Management Science, 2013, 9(1): 167-180.

    [25]Statistical modeling of complex background for foregrou-nd object detection [DB]. http://perception.i2r.a-star.edu.sg/bk_model/bk_index.html[2015-09-28].

    A novel robust principal component analysis method and its applications

    CHEN Jiaying, ZHAO Jianwei, CAO Feilong

    (College of Sciences, China Jiliang University, Hangzhou 310018, China)

    Abstract:Background modeling is critical in the video motion analysis. To describe the low rank property of a set of video sequences and to improve the accuracy of background modeling, a novel robust principal component analysis with the truncated nuclear norm method was proposed. A model with a two step iterative strategy was used to solve the problem. Finally, the algorithm was applied in the video background modeling. A series of experiments on different video databases demonstrated that the algorithm was effective for the solving of the background modeling problem.

    Key words:matrix recovery; truncated nuclear norm; robust principal component analysis; background modeling

    【文章編號】1004-1540(2015)01-0113-08

    DOI:10.3969/j.issn.1004-1540.2016.01.021

    【收稿日期】2015-10-06《中國計量學院學報》網(wǎng)址:http://zgjl.cbpt.cnki.net

    【基金項目】國家自然科學基金資助項目(No.61571410,61272023).

    【作者簡介】陳甲英(1990- ),女,甘肅省金昌人,碩士研究生,主要研究方向為矩陣恢復.E-mail:zccyman@163.com

    【中圖分類號】TP399

    【文獻標志碼】A

    通信聯(lián)系人:曹飛龍,男,教授.E-mail:flcao@cjlu.edu.cn

    一级作爱视频免费观看| www国产在线视频色| 久久久国产成人精品二区| 国产美女午夜福利| 免费搜索国产男女视频| 69人妻影院| 啪啪无遮挡十八禁网站| 午夜福利视频1000在线观看| 久久亚洲真实| 性色avwww在线观看| 男人和女人高潮做爰伦理| 男人和女人高潮做爰伦理| 在线观看日韩欧美| 日韩亚洲欧美综合| 国产视频内射| 国产成人欧美在线观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 欧美性感艳星| 国产一区二区在线av高清观看| 久久香蕉精品热| 我的老师免费观看完整版| 国产精品久久久久久亚洲av鲁大| 成人一区二区视频在线观看| 国产成+人综合+亚洲专区| 黄色成人免费大全| 亚洲真实伦在线观看| 国产精品一区二区三区四区久久| 日本a在线网址| 国产淫片久久久久久久久 | 琪琪午夜伦伦电影理论片6080| 国产精品女同一区二区软件 | ponron亚洲| 国产精品av视频在线免费观看| 美女黄网站色视频| 天堂动漫精品| 欧美zozozo另类| 无人区码免费观看不卡| 成年女人毛片免费观看观看9| 99热这里只有精品一区| 亚洲第一电影网av| 99热精品在线国产| 国产熟女xx| 变态另类成人亚洲欧美熟女| 午夜免费成人在线视频| 黄片小视频在线播放| 久久久精品欧美日韩精品| 十八禁人妻一区二区| 久久久久性生活片| 中文字幕人妻熟人妻熟丝袜美 | 欧美bdsm另类| 国产精品一区二区三区四区久久| a级毛片a级免费在线| 狠狠狠狠99中文字幕| 亚洲黑人精品在线| 男人的好看免费观看在线视频| 国产真实乱freesex| 欧美3d第一页| 男女那种视频在线观看| 搡老妇女老女人老熟妇| 亚洲av第一区精品v没综合| 免费电影在线观看免费观看| 国产精品久久久久久人妻精品电影| 国产视频内射| 国产97色在线日韩免费| 一个人免费在线观看的高清视频| 岛国在线免费视频观看| 国产视频内射| 成年免费大片在线观看| 久久久久久久亚洲中文字幕 | 欧美最黄视频在线播放免费| 变态另类成人亚洲欧美熟女| 亚洲欧美日韩无卡精品| 99精品欧美一区二区三区四区| 欧美一区二区国产精品久久精品| 两个人视频免费观看高清| 亚洲欧美激情综合另类| 国产精品一区二区免费欧美| 欧美+日韩+精品| 波野结衣二区三区在线 | 69人妻影院| 一级作爱视频免费观看| 久久久精品大字幕| 国产99白浆流出| 一区福利在线观看| 变态另类丝袜制服| 午夜亚洲福利在线播放| 欧美成狂野欧美在线观看| 久久久国产成人精品二区| 亚洲av不卡在线观看| 日本一本二区三区精品| 真人做人爱边吃奶动态| 国产精品99久久久久久久久| 亚洲国产精品合色在线| 在线天堂最新版资源| 又粗又爽又猛毛片免费看| 日本 av在线| 欧美黑人欧美精品刺激| 九九热线精品视视频播放| 91久久精品国产一区二区成人 | 欧美最黄视频在线播放免费| 国产亚洲精品av在线| 亚洲成人免费电影在线观看| 日韩成人在线观看一区二区三区| 国产成年人精品一区二区| 免费搜索国产男女视频| 黄色丝袜av网址大全| 精品国产超薄肉色丝袜足j| АⅤ资源中文在线天堂| 成年免费大片在线观看| 亚洲色图av天堂| 一a级毛片在线观看| 亚洲精品久久国产高清桃花| 国内精品久久久久精免费| ponron亚洲| 欧美性猛交╳xxx乱大交人| 久久草成人影院| 亚洲av二区三区四区| 亚洲激情在线av| 久久久色成人| 色综合婷婷激情| 亚洲乱码一区二区免费版| 午夜亚洲福利在线播放| av黄色大香蕉| 国产高清视频在线播放一区| 18禁在线播放成人免费| 亚洲久久久久久中文字幕| 亚洲专区国产一区二区| 老汉色av国产亚洲站长工具| e午夜精品久久久久久久| 欧美激情久久久久久爽电影| 在线免费观看的www视频| 麻豆国产av国片精品| 午夜免费男女啪啪视频观看 | 在线播放国产精品三级| 国产精品综合久久久久久久免费| 少妇裸体淫交视频免费看高清| 内地一区二区视频在线| 老汉色∧v一级毛片| 综合色av麻豆| 校园春色视频在线观看| 全区人妻精品视频| 国产成人福利小说| 国产美女午夜福利| 日日摸夜夜添夜夜添小说| 国产精品98久久久久久宅男小说| 好男人电影高清在线观看| 黄色片一级片一级黄色片| 露出奶头的视频| 一边摸一边抽搐一进一小说| 女人被狂操c到高潮| 99热精品在线国产| 亚洲av二区三区四区| 在线视频色国产色| 国产一区二区激情短视频| 十八禁人妻一区二区| 欧美日韩亚洲国产一区二区在线观看| 啦啦啦韩国在线观看视频| 国产视频一区二区在线看| 少妇人妻一区二区三区视频| 亚洲无线在线观看| 国产精品嫩草影院av在线观看 | 国产三级黄色录像| 亚洲av不卡在线观看| 国产精品久久久久久久电影 | 老司机福利观看| 色综合站精品国产| 国产精品 国内视频| 99精品久久久久人妻精品| svipshipincom国产片| 一本综合久久免费| 97碰自拍视频| 深夜精品福利| 国产av一区在线观看免费| 特级一级黄色大片| 亚洲av成人不卡在线观看播放网| 日韩欧美一区二区三区在线观看| 天美传媒精品一区二区| 日本撒尿小便嘘嘘汇集6| 成人一区二区视频在线观看| 天天一区二区日本电影三级| 一区二区三区高清视频在线| 国产国拍精品亚洲av在线观看 | 黄色片一级片一级黄色片| 日韩欧美国产在线观看| 波多野结衣高清无吗| 欧美成人性av电影在线观看| 国产在线精品亚洲第一网站| 男人舔奶头视频| 性色av乱码一区二区三区2| 高清在线国产一区| 国产av在哪里看| 最近最新免费中文字幕在线| 成人一区二区视频在线观看| 国内揄拍国产精品人妻在线| 欧美日韩一级在线毛片| 99久久九九国产精品国产免费| 亚洲精品美女久久久久99蜜臀| 欧美色欧美亚洲另类二区| 国产乱人伦免费视频| 99在线人妻在线中文字幕| 99久国产av精品| 中文亚洲av片在线观看爽| 综合色av麻豆| 久久国产精品人妻蜜桃| 少妇人妻一区二区三区视频| 国产真实乱freesex| 欧美日韩瑟瑟在线播放| 床上黄色一级片| 国产v大片淫在线免费观看| 日韩中文字幕欧美一区二区| 少妇裸体淫交视频免费看高清| 国产高清三级在线| 国产一区二区在线观看日韩 | 亚洲va日本ⅴa欧美va伊人久久| 国产欧美日韩一区二区三| 无人区码免费观看不卡| 全区人妻精品视频| 欧美成人性av电影在线观看| 中文字幕av在线有码专区| 国产主播在线观看一区二区| 亚洲人与动物交配视频| 中文亚洲av片在线观看爽| 黄色视频,在线免费观看| 国产 一区 欧美 日韩| 又粗又爽又猛毛片免费看| 精品久久久久久久末码| 国产熟女xx| 丰满的人妻完整版| 国产亚洲欧美98| 夜夜看夜夜爽夜夜摸| 观看美女的网站| 国产高清三级在线| 少妇丰满av| 久久久久久久精品吃奶| 欧美3d第一页| 久久久久国产精品人妻aⅴ院| 美女免费视频网站| 久久久久久久精品吃奶| 在线播放无遮挡| 日本精品一区二区三区蜜桃| 欧美极品一区二区三区四区| 中文字幕av成人在线电影| 日本a在线网址| 日韩大尺度精品在线看网址| 一区福利在线观看| 欧美黄色淫秽网站| 欧美三级亚洲精品| 一个人观看的视频www高清免费观看| 国产激情偷乱视频一区二区| 久久久久久久久大av| 欧美中文日本在线观看视频| 我的老师免费观看完整版| 69av精品久久久久久| 天堂av国产一区二区熟女人妻| 草草在线视频免费看| 美女 人体艺术 gogo| 成人国产综合亚洲| 黄色视频,在线免费观看| 国产成人av激情在线播放| 男女下面进入的视频免费午夜| 少妇人妻精品综合一区二区 | 99久久久亚洲精品蜜臀av| 欧美在线一区亚洲| 午夜日韩欧美国产| 一二三四社区在线视频社区8| 91麻豆av在线| 午夜福利在线在线| av女优亚洲男人天堂| 黄色成人免费大全| 成人午夜高清在线视频| 一本综合久久免费| 久久久久久久午夜电影| 精品一区二区三区av网在线观看| avwww免费| aaaaa片日本免费| 日本黄色视频三级网站网址| 久久6这里有精品| 欧美日本视频| 久久久久久国产a免费观看| 国产在视频线在精品| 在线视频色国产色| 狂野欧美白嫩少妇大欣赏| 在线观看免费视频日本深夜| 亚洲国产精品成人综合色| 91九色精品人成在线观看| 哪里可以看免费的av片| 精品久久久久久久久久免费视频| 午夜a级毛片| xxxwww97欧美| 国产乱人视频| 一级作爱视频免费观看| 身体一侧抽搐| 桃红色精品国产亚洲av| 日本成人三级电影网站| 亚洲黑人精品在线| 欧美激情久久久久久爽电影| 性色av乱码一区二区三区2| 中文字幕av在线有码专区| 天堂动漫精品| 99热这里只有是精品50| 日本 av在线| 免费看日本二区| 男人舔奶头视频| 最近在线观看免费完整版| 三级男女做爰猛烈吃奶摸视频| 免费观看人在逋| 精品久久久久久久人妻蜜臀av| 男女床上黄色一级片免费看| 真实男女啪啪啪动态图| 91麻豆精品激情在线观看国产| 99久国产av精品| 国产av在哪里看| 黄色片一级片一级黄色片| 人妻夜夜爽99麻豆av| 国模一区二区三区四区视频| 欧美乱色亚洲激情| 美女高潮喷水抽搐中文字幕| 狂野欧美白嫩少妇大欣赏| 欧美+日韩+精品| 日韩欧美一区二区三区在线观看| 1024手机看黄色片| 在线国产一区二区在线| 在线观看一区二区三区| 国产精品嫩草影院av在线观看 | 亚洲熟妇熟女久久| 亚洲国产精品成人综合色| 人妻丰满熟妇av一区二区三区| 午夜福利在线在线| 免费搜索国产男女视频| 成人一区二区视频在线观看| 亚洲精品日韩av片在线观看 | 中文字幕人妻熟人妻熟丝袜美 | 少妇人妻精品综合一区二区 | 国产精品亚洲美女久久久| 亚洲av日韩精品久久久久久密| 午夜精品一区二区三区免费看| 黄片小视频在线播放| av黄色大香蕉| 在线免费观看的www视频| www.熟女人妻精品国产| 国产精品久久久久久精品电影| 色av中文字幕| 一区福利在线观看| 日本在线视频免费播放| 99久久精品热视频| 尤物成人国产欧美一区二区三区| 国产91精品成人一区二区三区| 国产精品 欧美亚洲| 一区福利在线观看| 久久伊人香网站| 久久亚洲精品不卡| 亚洲欧美精品综合久久99| 在线视频色国产色| 久久久国产成人精品二区| 国产午夜精品久久久久久一区二区三区 | 非洲黑人性xxxx精品又粗又长| 国产aⅴ精品一区二区三区波| 久久精品国产自在天天线| 热99re8久久精品国产| 午夜福利在线观看免费完整高清在 | 国产午夜精品论理片| 88av欧美| 亚洲男人的天堂狠狠| 好男人电影高清在线观看| 欧美黑人巨大hd| 免费av观看视频| 长腿黑丝高跟| 桃色一区二区三区在线观看| 亚洲色图av天堂| 亚洲国产欧美人成| 亚洲久久久久久中文字幕| 好男人电影高清在线观看| 欧美成人一区二区免费高清观看| 成人精品一区二区免费| 国产蜜桃级精品一区二区三区| 久久久久性生活片| 欧美日韩黄片免| 啪啪无遮挡十八禁网站| 欧美高清成人免费视频www| 最新中文字幕久久久久| 97超视频在线观看视频| 熟女人妻精品中文字幕| 久久香蕉精品热| 久久久久久久精品吃奶| 看免费av毛片| 国产精品免费一区二区三区在线| 亚洲一区高清亚洲精品| 老汉色∧v一级毛片| 日本一二三区视频观看| 亚洲精品一卡2卡三卡4卡5卡| 欧美一区二区亚洲| 日日夜夜操网爽| 男人舔女人下体高潮全视频| 免费高清视频大片| 狂野欧美白嫩少妇大欣赏| 波野结衣二区三区在线 | 男女午夜视频在线观看| 精品欧美国产一区二区三| 欧美激情久久久久久爽电影| 国产一区二区亚洲精品在线观看| 中文字幕人妻熟人妻熟丝袜美 | 国产97色在线日韩免费| 1000部很黄的大片| 久久久久久久精品吃奶| 国产午夜精品论理片| 哪里可以看免费的av片| www.熟女人妻精品国产| 久久国产乱子伦精品免费另类| 99在线视频只有这里精品首页| 99久久九九国产精品国产免费| 国产精品精品国产色婷婷| 国内精品久久久久精免费| 国产精品av视频在线免费观看| e午夜精品久久久久久久| 99久久久亚洲精品蜜臀av| a在线观看视频网站| 天天一区二区日本电影三级| 亚洲黑人精品在线| 成年女人看的毛片在线观看| 国产美女午夜福利| 精品久久久久久,| 人妻久久中文字幕网| 久久婷婷人人爽人人干人人爱| 国产在视频线在精品| 国产高清视频在线观看网站| 日韩欧美在线乱码| 欧美激情在线99| 小说图片视频综合网站| 真人一进一出gif抽搐免费| 一区二区三区高清视频在线| 色视频www国产| 啦啦啦免费观看视频1| 亚洲第一电影网av| 老汉色av国产亚洲站长工具| 国产熟女xx| 亚洲欧美日韩卡通动漫| 亚洲 欧美 日韩 在线 免费| 国产成人av教育| 日韩欧美精品v在线| 欧美极品一区二区三区四区| 亚洲av美国av| 18+在线观看网站| 51午夜福利影视在线观看| 波野结衣二区三区在线 | 免费无遮挡裸体视频| 久久久久九九精品影院| 97碰自拍视频| 一卡2卡三卡四卡精品乱码亚洲| 九九久久精品国产亚洲av麻豆| 黑人欧美特级aaaaaa片| 精品久久久久久久毛片微露脸| 欧美乱色亚洲激情| 一边摸一边抽搐一进一小说| 91av网一区二区| 嫁个100分男人电影在线观看| 日韩欧美在线乱码| 国产一区二区激情短视频| 99热这里只有精品一区| 女人高潮潮喷娇喘18禁视频| 别揉我奶头~嗯~啊~动态视频| 九九在线视频观看精品| 欧美激情在线99| 内射极品少妇av片p| 有码 亚洲区| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 一本精品99久久精品77| www日本黄色视频网| xxxwww97欧美| 不卡一级毛片| 在线观看午夜福利视频| 欧美日韩瑟瑟在线播放| 天美传媒精品一区二区| 国产欧美日韩精品一区二区| 国产一区二区在线av高清观看| 九色国产91popny在线| 欧美一区二区国产精品久久精品| 亚洲国产精品合色在线| 一本一本综合久久| 午夜影院日韩av| 久久伊人香网站| 亚洲内射少妇av| 国产午夜精品论理片| 久久天躁狠狠躁夜夜2o2o| 一进一出抽搐gif免费好疼| 亚洲一区高清亚洲精品| 国产精品一及| 在线播放无遮挡| 欧美成人a在线观看| 国产一级毛片七仙女欲春2| 欧美色欧美亚洲另类二区| 国产高清激情床上av| 免费人成在线观看视频色| 在线观看美女被高潮喷水网站 | 91久久精品电影网| 又爽又黄无遮挡网站| 国产精品一及| 韩国av一区二区三区四区| 日本 欧美在线| 人妻夜夜爽99麻豆av| 国产成人欧美在线观看| 丰满人妻一区二区三区视频av | 色吧在线观看| 欧美日本视频| 最近最新免费中文字幕在线| 好男人电影高清在线观看| 校园春色视频在线观看| 99在线人妻在线中文字幕| 99国产精品一区二区三区| 一本久久中文字幕| 男女午夜视频在线观看| 国产aⅴ精品一区二区三区波| or卡值多少钱| 小说图片视频综合网站| 国产日本99.免费观看| 国产高清激情床上av| 日日摸夜夜添夜夜添小说| 欧美zozozo另类| 国产一级毛片七仙女欲春2| 亚洲一区高清亚洲精品| 91麻豆精品激情在线观看国产| 色综合婷婷激情| 精品久久久久久久末码| 亚洲av成人不卡在线观看播放网| 丰满人妻熟妇乱又伦精品不卡| 国产亚洲欧美在线一区二区| 亚洲av五月六月丁香网| 久久久国产成人免费| 色在线成人网| 观看免费一级毛片| 在线观看美女被高潮喷水网站 | 午夜免费成人在线视频| 日韩欧美国产在线观看| 欧美性感艳星| 成年女人看的毛片在线观看| 少妇的丰满在线观看| 91麻豆精品激情在线观看国产| 中文字幕久久专区| 亚洲无线在线观看| 国产伦在线观看视频一区| 国产亚洲欧美在线一区二区| 欧美色视频一区免费| 三级国产精品欧美在线观看| 毛片女人毛片| 神马国产精品三级电影在线观看| 精品午夜福利视频在线观看一区| 日韩欧美精品v在线| 亚洲不卡免费看| 国产成年人精品一区二区| 午夜精品一区二区三区免费看| 19禁男女啪啪无遮挡网站| 99热这里只有是精品50| 亚洲av美国av| 精品久久久久久久久久免费视频| 久久久久久久久久黄片| 亚洲人成网站高清观看| 亚洲av免费在线观看| av专区在线播放| 免费大片18禁| 婷婷精品国产亚洲av| 精品欧美国产一区二区三| 久久国产精品影院| 青草久久国产| 国内少妇人妻偷人精品xxx网站| 国产成人av教育| 亚洲成人精品中文字幕电影| 日韩欧美在线二视频| 精品国产美女av久久久久小说| 亚洲第一电影网av| 亚洲国产欧洲综合997久久,| 免费在线观看日本一区| 有码 亚洲区| 一区二区三区国产精品乱码| 亚洲av一区综合| 三级男女做爰猛烈吃奶摸视频| 精品欧美国产一区二区三| 97碰自拍视频| 日本黄色片子视频| 国产主播在线观看一区二区| 高清在线国产一区| 哪里可以看免费的av片| 欧美日本视频| 啪啪无遮挡十八禁网站| 国产极品精品免费视频能看的| 好男人在线观看高清免费视频| 国产精品影院久久| 老司机福利观看| 在线免费观看的www视频| 免费一级毛片在线播放高清视频| 深爱激情五月婷婷| 手机成人av网站| 毛片女人毛片| 波多野结衣高清无吗| 校园春色视频在线观看| 深夜精品福利| 中文字幕高清在线视频| av视频在线观看入口| 小说图片视频综合网站| 在线观看免费午夜福利视频| 午夜福利18| 亚洲精品乱码久久久v下载方式 | 国产亚洲欧美98| 长腿黑丝高跟| 在线观看66精品国产| 精品无人区乱码1区二区| 欧美黑人欧美精品刺激| 成年版毛片免费区| 色视频www国产| 亚洲精品粉嫩美女一区| 99视频精品全部免费 在线| 91麻豆av在线| 精品久久久久久久毛片微露脸| 亚洲中文字幕一区二区三区有码在线看| 欧美另类亚洲清纯唯美| 亚洲av电影在线进入| 我的老师免费观看完整版|