• <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)長效遞歸卷積網(wǎng)絡(luò)的行為識別算法

    2018-07-19 13:02:08王學(xué)微
    關(guān)鍵詞:光流準(zhǔn)確率卷積

    王學(xué)微,徐 方,賈 凱

    (1.中國科學(xué)院 沈陽自動化研究所 機(jī)器人國家重點(diǎn)實(shí)驗(yàn)室,遼寧 沈陽 110016;2.中國科學(xué)院大學(xué),北京 100049;3.沈陽新松機(jī)器人自動化股份有限公司 中央研究院,遼寧 沈陽 110168)

    0 引 言

    識別視頻序列中人體的行為,不僅要利用每一幀圖像上空間信息,還要充分利用幀與幀之間的時(shí)序信息。因此,如何有效表達(dá)單幀圖片的空間信息以及如何獲取幀與幀之間的時(shí)域信息成為行為識別領(lǐng)域的研究重點(diǎn)。Ji等[1]對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行擴(kuò)展,提出3D-CNN(3D-convolution neural networks)網(wǎng)絡(luò),通過使用3D卷積核獲取幀與幀之間的時(shí)域信息與靜態(tài)信息;Varol等[2]進(jìn)一步完善3D卷積核,極大地提高了識別準(zhǔn)確率;Simonyan等[3]通過引入光流信息來獲取幀間時(shí)域信息,該方法使用兩個(gè)卷積神經(jīng)網(wǎng)絡(luò)分別處理靜態(tài)幀和光流數(shù)據(jù);Wang等[4]在兩個(gè)數(shù)據(jù)流網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上,使用更復(fù)雜的卷積神經(jīng)網(wǎng)絡(luò),從而提高了行為識別的準(zhǔn)確率;Jeff Donahue等[5]綜合利用CNN網(wǎng)絡(luò)與LSTM網(wǎng)絡(luò),提出長效遞歸卷積網(wǎng)絡(luò)(long-term recurrent convolution network,LRCN)模型,然而LRCN算法中使用淺層ZFNet[6]作為CNN網(wǎng)絡(luò),很大程度上限制了整個(gè)模型對行為的識別能力。算法對LRCN算法進(jìn)行改進(jìn),使用深度卷積神經(jīng)網(wǎng)絡(luò)VGG16[7]提取空間特征,提出長效遞歸深度卷積神經(jīng)網(wǎng)絡(luò)(long-term recurrent deep convolution network,LRDCN)算法。在公開數(shù)據(jù)集UCF101上的實(shí)驗(yàn)結(jié)果表明,該模型較好提高了人體行為識別準(zhǔn)確率。

    1 深度學(xué)習(xí)基本模型介紹

    1.1 卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)(convolution neural networks,CNN)是一種深度學(xué)習(xí)模型,通過卷積以及下采樣等操作,可以從圖片中逐層提取更高級更抽象的特征。卷積神經(jīng)網(wǎng)絡(luò)一般處理二維圖像,在數(shù)據(jù)充足條件下,合理訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)可以有效提取圖像的空間特征,在很多領(lǐng)域其性能明顯好于手工設(shè)計(jì)的特征。

    (1)

    1.2 遞歸神經(jīng)網(wǎng)絡(luò)及其改進(jìn)模型

    與CNN不同,遞歸神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)無需在層面之間構(gòu)建,能夠更好地處理高維度信息的整體邏輯順序。遞歸神經(jīng)網(wǎng)絡(luò)中,通過一個(gè)閉環(huán)允許網(wǎng)絡(luò)將每一步產(chǎn)生的信息傳遞到下一步中,一個(gè)RNN網(wǎng)絡(luò)可以看作同一網(wǎng)絡(luò)的多份副本,每一份都將信息傳遞到下一副本。RNN網(wǎng)絡(luò)以及其展開的等效網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 遞歸神經(jīng)網(wǎng)絡(luò)及其等效模型

    RNN這種鏈?zhǔn)浇Y(jié)構(gòu)非常擅長處理序列形式的數(shù)據(jù),在語音識別、機(jī)器翻譯、圖像標(biāo)題等領(lǐng)域得到了廣泛應(yīng)用。在普通RNN中,重復(fù)模塊結(jié)構(gòu)非常簡單,只包含一個(gè)非線性函數(shù)g,此時(shí)網(wǎng)絡(luò)輸出RNN前向公式為

    (2)

    式中:xt代表當(dāng)t時(shí)刻的輸入,ht-1代表(t-1)時(shí)刻隱層輸出,ht是t時(shí)刻隱含層的輸出,zt為t時(shí)刻的網(wǎng)絡(luò)的輸出。

    當(dāng)序列太長時(shí),普通RNN網(wǎng)絡(luò)存在梯度消失的問題,難以訓(xùn)練。針對此問題,提出很多改進(jìn)版本的RNN,其中最具代表性的是LSTM(long short term memory)網(wǎng)絡(luò),LSTM單元結(jié)構(gòu)如圖2所示。

    圖2 LSTM單元結(jié)構(gòu)

    LSTM單元通過輸入門、輸出門、遺忘門來控制重復(fù)模塊的輸入與輸出,其前向遞推公式為

    (3)

    2 LRDCN算法描述

    2.1 模型結(jié)構(gòu)

    LRDCN由深度卷積神經(jīng)網(wǎng)絡(luò)以及LSTM網(wǎng)絡(luò)組成,網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。其中深度卷積神經(jīng)網(wǎng)絡(luò)為VGG16[7],VGG16有13個(gè)卷積層以及3個(gè)全鏈接層,其中前兩個(gè)全鏈接層都含有4096個(gè)結(jié)點(diǎn),第3個(gè)全鏈接層結(jié)點(diǎn)個(gè)數(shù)與待分類問題相關(guān),由于VGG16網(wǎng)絡(luò)僅用于從224*224大小的輸入圖片中提取1*4096維特征,顧只使用前兩個(gè)全鏈接層。與一般CNN網(wǎng)絡(luò)相比,雖然VGG16也是由卷積層以及池化層堆疊而成的,當(dāng)其使用了更小的卷積核,網(wǎng)絡(luò)中所有卷積核大小均為3*3,步長為1。池化窗口大小為2*2,步長為2,但并不是所有卷積層后都有池化層,僅部分卷積層后存在池化層。另外,網(wǎng)絡(luò)中均使用Relu函數(shù)作為非線性映射函數(shù)。

    圖3 LRDCN網(wǎng)絡(luò)結(jié)構(gòu)

    對于長度為k的視頻序列 , LRDCN 模型首先通過VGG16分別提取視頻序列中每一幀的空間特征,將得到的k個(gè)1*4096維特征 依次輸入到LSTM網(wǎng)絡(luò),然后將LSTM網(wǎng)絡(luò)各個(gè)時(shí)刻的輸出值輸入到全連接層,從而綜合LSTM網(wǎng)絡(luò)各個(gè)時(shí)刻的輸出結(jié)果。全連接層節(jié)點(diǎn)個(gè)數(shù)與行為類別個(gè)數(shù)相等,由于UCF101數(shù)據(jù)集共101類行為,所以全連接層共101個(gè)節(jié)點(diǎn)。最后將全連接層的與Softmax函數(shù)層相連,得到該視頻序列屬于每一類行為的概率值。

    k表示輸入到網(wǎng)絡(luò)的視頻序列長度,理論上k可以取任意非零正整數(shù),且希望k能夠涵蓋整個(gè)行為執(zhí)行周期,但隨著k增大,網(wǎng)絡(luò)計(jì)算復(fù)雜度極具增加,使得訓(xùn)練和使用網(wǎng)絡(luò)都變得十分困難,同時(shí)為了與LRCN算法對比,實(shí)際訓(xùn)練與測試時(shí)k值統(tǒng)一設(shè)置為16。

    2.2 模型訓(xùn)練

    2.2.1 數(shù)據(jù)預(yù)處理

    在行為識別領(lǐng)域,RGB圖像和光流數(shù)據(jù)得到廣泛應(yīng)用,在很多算法中,結(jié)合光流數(shù)據(jù)與RGB圖像的結(jié)果會進(jìn)一步提升行為識別的準(zhǔn)確率,因此分別使用RGB圖像以及光流數(shù)據(jù)分別訓(xùn)練LRDCN網(wǎng)絡(luò)。其中RGB圖像以30 fps的幀率從視頻數(shù)據(jù)中抽取,每張圖片大小為320*240,如圖4(a)所示。光流通過opencv中實(shí)現(xiàn)的TVL1算法得到,并采用文獻(xiàn)[5]中的方法構(gòu)建“光流圖”。首先將水平方向光流值和垂直放向光流值放縮到[-128,+128]區(qū)間,然后利用調(diào)整后的水平方向光流值、垂直方向光流值、光流模值構(gòu)建三通道的“光流圖”,如圖4(b)所示。

    圖4 輸入數(shù)據(jù)

    2.2.2 參數(shù)設(shè)置

    孔老一探了探身子,只見一片從來沒見過的黃色大霧從鬼子方向飄了過來,他趕緊脫了上衣,浸透水,把嘴和鼻子緊緊捂上。軍官培訓(xùn)時(shí)教官講過鬼子的毒氣彈,但毒氣彈是國際公約明令禁止的化學(xué)武器,日本也是簽約國,難道他們真的瘋狂到使用毒彈的地步?

    使用UCF101數(shù)據(jù)集對LRDCN網(wǎng)絡(luò)進(jìn)行訓(xùn)練、測試。該數(shù)據(jù)集共13 320段視頻樣本,訓(xùn)練樣本只有10 000個(gè)左右,用如此有限的數(shù)據(jù)集訓(xùn)練大規(guī)模深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)非常容易發(fā)生過擬合問題。實(shí)驗(yàn)采取以下幾種策略訓(xùn)練網(wǎng)絡(luò),以降低網(wǎng)絡(luò)過擬合的風(fēng)險(xiǎn):

    數(shù)據(jù)增廣:隨機(jī)裁剪是常用的數(shù)據(jù)增廣手段,傳統(tǒng)的隨機(jī)裁剪方法是在輸入圖片中隨機(jī)截取一塊固定大小的圖片,從而增加樣本數(shù)量。與傳統(tǒng)的隨機(jī)裁剪策略不同,使用文獻(xiàn)[4]中的方法,不僅隨機(jī)選擇裁剪區(qū)域,裁剪區(qū)域的寬和高也是從{256,224,192,168}這4個(gè)數(shù)中隨機(jī)選則的。最后將裁剪得到的圖片調(diào)整至224*224,作為VGG16網(wǎng)絡(luò)的輸入。

    預(yù)訓(xùn)練:通過預(yù)訓(xùn)練,可以提高收斂速度、降低網(wǎng)絡(luò)過擬合風(fēng)險(xiǎn)。首先使用UCF101數(shù)據(jù)集優(yōu)調(diào)在ImageNet上訓(xùn)練好的VGG16模型,然后用優(yōu)調(diào)過的VGG16初始化LRDCN網(wǎng)絡(luò)的CNN部分。由于光流數(shù)據(jù)經(jīng)過調(diào)整,可以將光流當(dāng)作RGB圖像處理,所以在用光流數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)時(shí),用光流數(shù)據(jù)優(yōu)調(diào)通過RGB圖像訓(xùn)練得到的LRDCN模型。

    學(xué)習(xí)率以及迭代次數(shù):由于網(wǎng)絡(luò)已經(jīng)預(yù)訓(xùn)練過,使用更小的學(xué)習(xí)率可以減弱過擬合現(xiàn)象。當(dāng)輸入RGB圖像時(shí),基礎(chǔ)學(xué)習(xí)率設(shè)置為0.001,每迭代8000次,學(xué)習(xí)率縮小10倍,迭代20 000次時(shí)停止訓(xùn)練。當(dāng)輸入光流數(shù)據(jù)時(shí),基礎(chǔ)學(xué)習(xí)率設(shè)置為0.001,每迭代20 000次,學(xué)習(xí)率縮小10倍,迭代70 000次時(shí)停止訓(xùn)練。

    Dropout值設(shè)置:Dropout是指在模型訓(xùn)練時(shí)隨機(jī)讓網(wǎng)絡(luò)某些隱含層節(jié)點(diǎn)的權(quán)重不工作,不工作的節(jié)點(diǎn)可以暫時(shí)認(rèn)為不是網(wǎng)絡(luò)的一部分,訓(xùn)練過程中通過一定的概率隨機(jī)抽選不工作的節(jié)點(diǎn),從而增加網(wǎng)絡(luò)的泛化能力。當(dāng)使用RGB圖像訓(xùn)練網(wǎng)絡(luò)時(shí),將VGG16網(wǎng)絡(luò)的全鏈接層和LSTM層的dropout值設(shè)分別設(shè)置為0.9和0.5;當(dāng)使用光流數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)時(shí),將VGG16全連接層和LSTM層的dropout值分別設(shè)置為0.7和0.5。

    2.3 模型測試

    定義同一視頻中連續(xù)的16幀作為一個(gè)測試單元,以8幀為步長,則長度為T的視頻序列中共含有(T-16)/8+1個(gè)測試單元。將每個(gè)測試單元分別輸入到LRDCN網(wǎng)絡(luò)中,最后取(T-16)/8+1個(gè)測試結(jié)果的平均值作為該段視頻的最終標(biāo)簽。

    3 實(shí)驗(yàn)結(jié)果及分析

    3.1 數(shù)據(jù)集介紹

    UCF101[8]數(shù)據(jù)集包含101類行為,行為涵蓋體育運(yùn)動、樂器演奏、人與人的日常交互等方面,每類行為至少有100段視頻,一共包含13 320段視頻。UCF101數(shù)據(jù)集官方將這13 320段視頻采用3種不同的劃分方式,從而獲得3組不同的訓(xùn)練、測試集合。每組訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集分別含有10 000段和3000段左右視頻,在使用時(shí),訓(xùn)練數(shù)據(jù)集與測試數(shù)據(jù)集必須成對使用,不得交叉使用。最終取在3組測試數(shù)據(jù)集合上的平均準(zhǔn)確率作為最終結(jié)果,為與其它文獻(xiàn)對比,準(zhǔn)確率以均值方式給出。

    3.2 實(shí)驗(yàn)結(jié)果

    (1)特爾至強(qiáng)處理器E5-2603 v4;

    (2)NVIDIA Tesla K80 GPU;

    (3)Ubuntu 14.04;

    (4)CUDA7.5。

    3.2.1 VGG16網(wǎng)絡(luò)fc6與fc7層特征對精度的影響

    VGG16網(wǎng)絡(luò)的fc6層與fc7層均提取得到1*4096維的特征,但實(shí)驗(yàn)發(fā)現(xiàn),無論使用RGB圖像或者使用光流數(shù)據(jù),fc6層特征要好于fc7層特征。如表1所示,當(dāng)使用RGB圖像時(shí),fc6特征比fc7特征高0.7%;當(dāng)使用光流數(shù)據(jù)時(shí),與fc7特征相比,使用fc6特征準(zhǔn)確率會提高1.6%,因此,后續(xù)實(shí)驗(yàn)中均使用fc6層特征。

    表1 卷積特征對結(jié)果影響

    3.2.2 LSTM單元隱含層維度對精度的影響

    LSTM單元隱含層維度對識別精度影響較大,實(shí)驗(yàn)分析隱含層維度從128提高到1024對精度的影響,實(shí)驗(yàn)結(jié)果見表2。當(dāng)輸入RGB圖像時(shí),LSTM隱含層維度從128增加到1024,其識別準(zhǔn)確率提高4.94%。對于光流數(shù)據(jù),當(dāng)LSTM隱含層維度從128增加到512時(shí),識別率提高4.7%,但當(dāng)從512增加到1024時(shí),準(zhǔn)確率并沒有明顯區(qū)別。由于隨著隱含層維度的提高會導(dǎo)致訓(xùn)練時(shí)間的增加,并且存在過擬合風(fēng)險(xiǎn),因此在輸入RGB圖像時(shí),LSTM單元隱含層維度設(shè)為1024,當(dāng)輸入光流數(shù)據(jù)時(shí),設(shè)置為512。

    3.2.3 綜合RGB與光流圖

    RGB圖像與光流圖像在信息上存在很好的互補(bǔ)性,結(jié)合RGB圖像與光流圖像的預(yù)測結(jié)果會進(jìn)一步提高識別精度,見表3。將RGB圖像與光流圖像預(yù)測結(jié)果進(jìn)行1∶1融合后,準(zhǔn)確率提高到83.43%;進(jìn)一步將預(yù)測結(jié)果進(jìn)行1∶2 融合后,準(zhǔn)確率提高到84.68%。結(jié)果均好于改進(jìn)前的LRCN算法。

    表2 不同LSTM隱層維度對精度影響

    表3 不同LSTM隱層單元數(shù)對精度影響

    3.3 UCF101數(shù)據(jù)集中不同算法的平均識別率

    為了驗(yàn)證算法的性能,表4給出與其它算法在UCF101數(shù)據(jù)集上的識別精度對比結(jié)果,從表中可以看出,改進(jìn)算法在UCF101數(shù)據(jù)集上取得了84.68%的平均識別率,高于其它算法。

    表4 不同算法綜合對比

    4 結(jié)束語

    對長效遞歸卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),提出LRDCN算法。使用預(yù)訓(xùn)練、數(shù)據(jù)增廣等手段克服訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型帶來的過擬合問題。并通過實(shí)驗(yàn)分析了VGG16的fc6層與fc7層特征對識別精度的影響,以及LSTM單元隱含層維度對識別精度的影響。當(dāng)結(jié)合RGB與光流信息時(shí),在UCF101數(shù)據(jù)集上取得了84.68%的準(zhǔn)確率,明顯高于LRCN,驗(yàn)證了本算法的有效性。

    算法中僅使用單層的LSTM網(wǎng)絡(luò),對獲取視頻序列的時(shí)域特征存在一定局限性,通過疊加LSTM層可以增強(qiáng)網(wǎng)絡(luò)對時(shí)域信息的表達(dá)能力,未來會研究使用多層LSTM網(wǎng)絡(luò)對行為識別精度的影響。

    猜你喜歡
    光流準(zhǔn)確率卷積
    利用掩膜和單應(yīng)矩陣提高LK光流追蹤效果
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于物理學(xué)的改善粒子圖像測速穩(wěn)健光流方法研究
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗(yàn)證法
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    融合光流速度場與背景差分的自適應(yīng)背景更新方法
    国产成人aa在线观看| 观看av在线不卡| 欧美精品高潮呻吟av久久| 久久人妻熟女aⅴ| 中文字幕人妻丝袜制服| 久久99一区二区三区| 寂寞人妻少妇视频99o| 老司机影院毛片| av.在线天堂| 国产欧美日韩综合在线一区二区| 成人国语在线视频| 国产男女内射视频| 久久 成人 亚洲| 亚洲国产最新在线播放| 性色avwww在线观看| 国产不卡av网站在线观看| 自线自在国产av| 久久久精品免费免费高清| 日本欧美视频一区| 欧美激情国产日韩精品一区| 大陆偷拍与自拍| 边亲边吃奶的免费视频| 欧美人与性动交α欧美精品济南到 | 亚洲欧美一区二区三区黑人 | 免费观看av网站的网址| 国产又色又爽无遮挡免| 97超碰精品成人国产| 国产不卡av网站在线观看| 国产又色又爽无遮挡免| kizo精华| 亚洲中文av在线| 90打野战视频偷拍视频| www.av在线官网国产| 日韩精品免费视频一区二区三区 | 久久这里只有精品19| 国产成人精品久久久久久| 少妇高潮的动态图| 人人妻人人爽人人添夜夜欢视频| 精品人妻在线不人妻| 内地一区二区视频在线| 性色av一级| 咕卡用的链子| 少妇猛男粗大的猛烈进出视频| 在线观看三级黄色| 免费久久久久久久精品成人欧美视频 | 久久久久久久精品精品| 看免费成人av毛片| 亚洲国产毛片av蜜桃av| 欧美bdsm另类| 久久久久久久久久久免费av| 国产免费又黄又爽又色| av在线app专区| 一级爰片在线观看| 水蜜桃什么品种好| 亚洲精品久久午夜乱码| 国产男人的电影天堂91| 亚洲欧洲国产日韩| 各种免费的搞黄视频| 大码成人一级视频| 亚洲在久久综合| 亚洲美女搞黄在线观看| 国产精品久久久久久精品电影小说| 丰满少妇做爰视频| 国产 精品1| 亚洲欧洲日产国产| 大香蕉久久网| 免费黄色在线免费观看| 国产日韩欧美亚洲二区| 高清黄色对白视频在线免费看| 亚洲精品色激情综合| 精品卡一卡二卡四卡免费| 最近的中文字幕免费完整| 欧美精品av麻豆av| 亚洲国产av影院在线观看| 一级,二级,三级黄色视频| 免费观看av网站的网址| 国产熟女欧美一区二区| 日本黄大片高清| 日本午夜av视频| √禁漫天堂资源中文www| xxxhd国产人妻xxx| 国国产精品蜜臀av免费| 欧美精品一区二区大全| 在线天堂中文资源库| 女性生殖器流出的白浆| 寂寞人妻少妇视频99o| 欧美精品一区二区免费开放| 不卡视频在线观看欧美| 少妇精品久久久久久久| 香蕉精品网在线| 亚洲精品成人av观看孕妇| 另类亚洲欧美激情| 香蕉丝袜av| 91午夜精品亚洲一区二区三区| 久久婷婷青草| 欧美丝袜亚洲另类| a级毛色黄片| 妹子高潮喷水视频| 国产日韩欧美在线精品| 99国产精品免费福利视频| 超色免费av| 日本爱情动作片www.在线观看| 妹子高潮喷水视频| 香蕉丝袜av| 国产精品国产三级国产av玫瑰| 9191精品国产免费久久| 亚洲国产色片| 热99国产精品久久久久久7| 午夜av观看不卡| 狠狠婷婷综合久久久久久88av| 人妻一区二区av| 日韩熟女老妇一区二区性免费视频| 亚洲,欧美,日韩| 日本免费在线观看一区| av又黄又爽大尺度在线免费看| 国产老妇伦熟女老妇高清| 秋霞伦理黄片| 久久精品国产自在天天线| 亚洲高清免费不卡视频| 亚洲精品久久成人aⅴ小说| 成年美女黄网站色视频大全免费| 国产一区二区三区av在线| 只有这里有精品99| 国产男女超爽视频在线观看| 成人免费观看视频高清| 成人免费观看视频高清| 天堂中文最新版在线下载| 99国产精品免费福利视频| 两个人免费观看高清视频| 午夜福利乱码中文字幕| 日韩一区二区视频免费看| 免费在线观看完整版高清| 久久精品国产自在天天线| av一本久久久久| 久久热在线av| 欧美bdsm另类| 亚洲国产av影院在线观看| 色婷婷av一区二区三区视频| 有码 亚洲区| 97在线人人人人妻| 国产精品不卡视频一区二区| 少妇高潮的动态图| 久久鲁丝午夜福利片| 日韩视频在线欧美| 午夜福利乱码中文字幕| 91精品三级在线观看| 久久精品人人爽人人爽视色| 视频在线观看一区二区三区| 精品卡一卡二卡四卡免费| 欧美97在线视频| 亚洲av中文av极速乱| 久久热在线av| 日韩视频在线欧美| 最新中文字幕久久久久| 欧美精品亚洲一区二区| 免费看不卡的av| 边亲边吃奶的免费视频| 母亲3免费完整高清在线观看 | 成人影院久久| 少妇的逼好多水| 夜夜骑夜夜射夜夜干| 久久精品aⅴ一区二区三区四区 | 亚洲久久久国产精品| 欧美成人精品欧美一级黄| 欧美 亚洲 国产 日韩一| 春色校园在线视频观看| a级毛片黄视频| 18禁动态无遮挡网站| 久久鲁丝午夜福利片| 亚洲欧美成人综合另类久久久| 嫩草影院入口| 国产无遮挡羞羞视频在线观看| 国产乱来视频区| 一本大道久久a久久精品| 一二三四中文在线观看免费高清| 美女内射精品一级片tv| 侵犯人妻中文字幕一二三四区| 日韩成人伦理影院| 精品午夜福利在线看| 久久精品久久久久久久性| 老司机影院毛片| 欧美另类一区| av在线app专区| 国产黄色免费在线视频| 国产精品久久久久成人av| 欧美激情 高清一区二区三区| 日韩不卡一区二区三区视频在线| 国产乱来视频区| 成人亚洲欧美一区二区av| 国产精品免费大片| 乱人伦中国视频| 中文天堂在线官网| 免费观看无遮挡的男女| kizo精华| 亚洲综合色网址| 999精品在线视频| 久久精品人人爽人人爽视色| av片东京热男人的天堂| av一本久久久久| 久久久久视频综合| 国国产精品蜜臀av免费| 久久综合国产亚洲精品| 色婷婷久久久亚洲欧美| 欧美 日韩 精品 国产| 熟女av电影| 草草在线视频免费看| 日韩 亚洲 欧美在线| 高清视频免费观看一区二区| 少妇被粗大猛烈的视频| 日本爱情动作片www.在线观看| 人妻人人澡人人爽人人| 99久久精品国产国产毛片| 青春草国产在线视频| 青春草视频在线免费观看| 欧美日韩综合久久久久久| 国产一区二区在线观看日韩| 亚洲av电影在线观看一区二区三区| 日韩欧美精品免费久久| 欧美日韩av久久| 国产欧美日韩一区二区三区在线| 欧美精品高潮呻吟av久久| 免费大片黄手机在线观看| 人成视频在线观看免费观看| 五月玫瑰六月丁香| 丝袜在线中文字幕| 成人免费观看视频高清| 国产熟女午夜一区二区三区| 97在线视频观看| 亚洲精品国产av成人精品| 久久久久国产精品人妻一区二区| 婷婷成人精品国产| 国产色爽女视频免费观看| 日本黄色日本黄色录像| 精品国产一区二区三区久久久樱花| 国产精品一区www在线观看| 水蜜桃什么品种好| 久久精品国产a三级三级三级| 国产精品不卡视频一区二区| 这个男人来自地球电影免费观看 | 一区二区日韩欧美中文字幕 | 蜜臀久久99精品久久宅男| 午夜激情久久久久久久| 一级毛片我不卡| 18禁观看日本| 成人亚洲精品一区在线观看| 国产成人91sexporn| 一级黄片播放器| 国产av码专区亚洲av| 日本av手机在线免费观看| 久久婷婷青草| 国产成人91sexporn| 亚洲一级一片aⅴ在线观看| 观看美女的网站| 一个人免费看片子| 极品人妻少妇av视频| 女性被躁到高潮视频| 九草在线视频观看| 精品第一国产精品| 国产不卡av网站在线观看| 亚洲精品乱久久久久久| av黄色大香蕉| 99热国产这里只有精品6| 久久人人爽人人片av| 国产高清不卡午夜福利| 久久久久精品久久久久真实原创| 国产精品久久久久久av不卡| 亚洲欧美日韩另类电影网站| 伊人久久国产一区二区| 久久久久久久久久成人| 国产免费一级a男人的天堂| 亚洲国产av新网站| 美女内射精品一级片tv| 如何舔出高潮| 日韩,欧美,国产一区二区三区| 视频区图区小说| 欧美精品亚洲一区二区| 亚洲在久久综合| 最黄视频免费看| 男女边吃奶边做爰视频| 欧美人与性动交α欧美软件 | 日本91视频免费播放| 欧美激情极品国产一区二区三区 | 久久人人97超碰香蕉20202| 国产白丝娇喘喷水9色精品| 欧美精品一区二区大全| 亚洲精品乱久久久久久| 热re99久久国产66热| 国产爽快片一区二区三区| 99re6热这里在线精品视频| 哪个播放器可以免费观看大片| 国产精品久久久久久av不卡| 国产亚洲av片在线观看秒播厂| 国产男女超爽视频在线观看| 午夜av观看不卡| 免费久久久久久久精品成人欧美视频 | 美女大奶头黄色视频| 免费高清在线观看视频在线观看| www.色视频.com| 久久午夜综合久久蜜桃| 亚洲精品日本国产第一区| 午夜影院在线不卡| 日韩一本色道免费dvd| 综合色丁香网| 午夜激情av网站| 日本91视频免费播放| 人人妻人人澡人人爽人人夜夜| 欧美人与性动交α欧美精品济南到 | 国产精品久久久久久久久免| 美女脱内裤让男人舔精品视频| 午夜激情久久久久久久| 色婷婷久久久亚洲欧美| 亚洲国产毛片av蜜桃av| 亚洲国产日韩一区二区| 最黄视频免费看| 狂野欧美激情性xxxx在线观看| 免费黄色在线免费观看| 99re6热这里在线精品视频| 少妇的逼好多水| 老女人水多毛片| 又大又黄又爽视频免费| 晚上一个人看的免费电影| 中文欧美无线码| 久久人人爽人人片av| 国产永久视频网站| 午夜激情av网站| 熟女电影av网| 黑人高潮一二区| 精品久久久精品久久久| 欧美成人精品欧美一级黄| 黄色配什么色好看| 男人操女人黄网站| 日韩成人av中文字幕在线观看| 亚洲精品国产av蜜桃| 99精国产麻豆久久婷婷| 午夜老司机福利剧场| 亚洲中文av在线| av国产精品久久久久影院| 在线精品无人区一区二区三| 最近中文字幕高清免费大全6| 人妻一区二区av| 成人18禁高潮啪啪吃奶动态图| 欧美变态另类bdsm刘玥| 久久午夜综合久久蜜桃| 久久精品熟女亚洲av麻豆精品| 2022亚洲国产成人精品| 久久青草综合色| 香蕉精品网在线| 97超碰精品成人国产| 在线看a的网站| 一本—道久久a久久精品蜜桃钙片| 久久久久久久精品精品| 久久精品国产a三级三级三级| 肉色欧美久久久久久久蜜桃| 一级毛片电影观看| 黑人巨大精品欧美一区二区蜜桃 | 99热全是精品| 日韩一本色道免费dvd| 美女内射精品一级片tv| 久久精品aⅴ一区二区三区四区 | 乱人伦中国视频| 伦精品一区二区三区| 日韩av不卡免费在线播放| 精品第一国产精品| av线在线观看网站| 亚洲一区二区三区欧美精品| 成年人午夜在线观看视频| 大话2 男鬼变身卡| 亚洲国产色片| 午夜日本视频在线| 麻豆精品久久久久久蜜桃| 超色免费av| 人妻少妇偷人精品九色| 日韩熟女老妇一区二区性免费视频| 一区二区av电影网| 亚洲综合色网址| 久久久久网色| 午夜视频国产福利| 大香蕉久久成人网| 美女内射精品一级片tv| 欧美精品高潮呻吟av久久| 国产黄频视频在线观看| 成人无遮挡网站| a级片在线免费高清观看视频| 久久精品久久久久久噜噜老黄| 男男h啪啪无遮挡| 国产深夜福利视频在线观看| 午夜福利网站1000一区二区三区| 久久久久视频综合| 黄色视频在线播放观看不卡| 久久人人97超碰香蕉20202| 高清黄色对白视频在线免费看| 国产1区2区3区精品| 亚洲国产看品久久| 免费观看a级毛片全部| 久久青草综合色| 丝瓜视频免费看黄片| 国产av码专区亚洲av| 有码 亚洲区| 欧美成人精品欧美一级黄| 熟女电影av网| 亚洲精品久久午夜乱码| 免费少妇av软件| 高清av免费在线| 赤兔流量卡办理| 欧美精品av麻豆av| 国产又色又爽无遮挡免| 免费大片18禁| 黄色一级大片看看| 国产一区亚洲一区在线观看| 欧美xxxx性猛交bbbb| 精品人妻熟女毛片av久久网站| 看非洲黑人一级黄片| 午夜福利影视在线免费观看| 午夜福利乱码中文字幕| 亚洲一区二区三区欧美精品| 国语对白做爰xxxⅹ性视频网站| 日韩电影二区| 亚洲综合色惰| 亚洲国产成人一精品久久久| 欧美精品一区二区大全| 精品少妇内射三级| 极品少妇高潮喷水抽搐| 美女大奶头黄色视频| 久久综合国产亚洲精品| 国产在线一区二区三区精| 美女脱内裤让男人舔精品视频| 男女高潮啪啪啪动态图| 国产精品久久久久久久久免| 日本黄大片高清| 精品久久久精品久久久| 高清视频免费观看一区二区| 国产麻豆69| 91精品伊人久久大香线蕉| 成人综合一区亚洲| 色94色欧美一区二区| 成人国产麻豆网| 国内精品宾馆在线| 黄色配什么色好看| 搡老乐熟女国产| 免费黄频网站在线观看国产| 看非洲黑人一级黄片| 麻豆乱淫一区二区| 黄色一级大片看看| 少妇的逼好多水| 免费黄网站久久成人精品| 久久99一区二区三区| 久久97久久精品| 在线观看免费视频网站a站| av免费在线看不卡| 精品99又大又爽又粗少妇毛片| 男女边摸边吃奶| 久久精品国产综合久久久 | 超色免费av| 亚洲婷婷狠狠爱综合网| 人妻一区二区av| 男女国产视频网站| 男女午夜视频在线观看 | 国产片特级美女逼逼视频| 国产免费一级a男人的天堂| 韩国av在线不卡| 欧美bdsm另类| 日韩视频在线欧美| 天堂8中文在线网| 亚洲中文av在线| 国产亚洲精品久久久com| 伊人亚洲综合成人网| 国产无遮挡羞羞视频在线观看| 91国产中文字幕| 久久精品久久久久久久性| 边亲边吃奶的免费视频| 精品卡一卡二卡四卡免费| av女优亚洲男人天堂| 欧美日韩综合久久久久久| 午夜福利影视在线免费观看| 精品熟女少妇av免费看| 亚洲欧洲精品一区二区精品久久久 | 少妇 在线观看| 国产av精品麻豆| 久久 成人 亚洲| 久久精品人人爽人人爽视色| 高清不卡的av网站| 久久鲁丝午夜福利片| 国产精品久久久久久av不卡| 国产成人精品福利久久| 免费大片18禁| 国产成人一区二区在线| www.熟女人妻精品国产 | 有码 亚洲区| 乱码一卡2卡4卡精品| 黑人高潮一二区| 男女无遮挡免费网站观看| 丝袜人妻中文字幕| 美女国产视频在线观看| 亚洲国产欧美日韩在线播放| 视频在线观看一区二区三区| 国产成人欧美| 777米奇影视久久| 国产毛片在线视频| av电影中文网址| 国产黄色免费在线视频| 老熟女久久久| av一本久久久久| 久久久久久久久久久免费av| 午夜激情av网站| 中文字幕人妻熟女乱码| 美女中出高潮动态图| 精品少妇久久久久久888优播| 九九在线视频观看精品| 亚洲欧美日韩另类电影网站| 亚洲国产av影院在线观看| 秋霞伦理黄片| 卡戴珊不雅视频在线播放| 国产女主播在线喷水免费视频网站| 亚洲精品中文字幕在线视频| 亚洲一级一片aⅴ在线观看| 国产精品不卡视频一区二区| 国产免费一区二区三区四区乱码| 91午夜精品亚洲一区二区三区| 中文字幕免费在线视频6| 在线观看三级黄色| 亚洲精品美女久久av网站| 春色校园在线视频观看| 黄片无遮挡物在线观看| 久久久久久久亚洲中文字幕| 色视频在线一区二区三区| 免费观看在线日韩| 婷婷成人精品国产| 中文精品一卡2卡3卡4更新| 国产探花极品一区二区| 高清不卡的av网站| 夫妻性生交免费视频一级片| 精品少妇内射三级| 人妻一区二区av| 欧美少妇被猛烈插入视频| 又黄又爽又刺激的免费视频.| 26uuu在线亚洲综合色| 欧美亚洲日本最大视频资源| 满18在线观看网站| 一本大道久久a久久精品| 国产成人精品在线电影| 久久久久人妻精品一区果冻| 亚洲,欧美精品.| 精品少妇久久久久久888优播| 最近中文字幕2019免费版| 人妻系列 视频| 美女国产视频在线观看| 青青草视频在线视频观看| 在线天堂中文资源库| av在线播放精品| 免费在线观看完整版高清| 777米奇影视久久| 国产亚洲精品第一综合不卡 | 国产精品女同一区二区软件| 蜜桃在线观看..| 国产视频首页在线观看| 午夜福利乱码中文字幕| 免费久久久久久久精品成人欧美视频 | 久久人人97超碰香蕉20202| 国产精品 国内视频| 女性被躁到高潮视频| 日本免费在线观看一区| 热re99久久国产66热| 国产在线免费精品| 91在线精品国自产拍蜜月| 久久久久国产网址| 日本爱情动作片www.在线观看| 免费高清在线观看日韩| 97精品久久久久久久久久精品| 亚洲精品久久久久久婷婷小说| 麻豆精品久久久久久蜜桃| 亚洲欧美一区二区三区黑人 | 一边亲一边摸免费视频| 丁香六月天网| 亚洲av.av天堂| 久久久久久人妻| 日日撸夜夜添| 男女午夜视频在线观看 | 久久亚洲国产成人精品v| 夜夜骑夜夜射夜夜干| 五月伊人婷婷丁香| 80岁老熟妇乱子伦牲交| 最后的刺客免费高清国语| 亚洲精品视频女| 精品亚洲成a人片在线观看| 国产片内射在线| 免费观看av网站的网址| 三上悠亚av全集在线观看| 夫妻午夜视频| 岛国毛片在线播放| 久久精品国产综合久久久 | 毛片一级片免费看久久久久| 女性生殖器流出的白浆| 少妇猛男粗大的猛烈进出视频| 亚洲经典国产精华液单| 久久午夜福利片| 捣出白浆h1v1| 亚洲 欧美一区二区三区| 免费高清在线观看日韩| 高清欧美精品videossex| 香蕉丝袜av| 大香蕉97超碰在线| 亚洲av中文av极速乱| 如何舔出高潮| 极品人妻少妇av视频| 丝袜喷水一区| 亚洲国产欧美在线一区| 夜夜爽夜夜爽视频| 欧美精品国产亚洲| 久久婷婷青草| 狂野欧美激情性xxxx在线观看| 人人妻人人爽人人添夜夜欢视频| 亚洲精品久久午夜乱码| 夫妻性生交免费视频一级片| 99久久精品国产国产毛片| 婷婷色麻豆天堂久久|