• <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 ?

    結(jié)合PSO的改進(jìn)壓縮跟蹤方法

    2017-01-13 09:05:01劉韶濤姚燦榮
    關(guān)鍵詞:粒子群優(yōu)化壓縮感知目標(biāo)跟蹤

    劉韶濤, 姚燦榮

    (華僑大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 福建 廈門 361021)

    結(jié)合PSO的改進(jìn)壓縮跟蹤方法

    劉韶濤, 姚燦榮

    (華僑大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 福建 廈門 361021)

    針對(duì)基于在線檢測(cè)的跟蹤方法中目標(biāo)在多尺度空間中的搜索和匹配問題,結(jié)合粒子群優(yōu)化算法(PSO)和壓縮感知思想,提出一種魯棒的多尺度目標(biāo)跟蹤算法.首先,通過粒子群在多尺度空間中采集樣本;然后,經(jīng)過壓縮感知提取特征;最后,通過粒子的迭代計(jì)算,搜索出當(dāng)前目標(biāo)的最佳匹配位置.實(shí)驗(yàn)結(jié)果表明:提出的算法能較好地適應(yīng)目標(biāo)的多尺度變化,在快速性和魯棒性上具有更好的性能. 關(guān)鍵詞: 目標(biāo)跟蹤; 壓縮感知; 粒子群優(yōu)化; 多尺度

    一個(gè)典型的目標(biāo)跟蹤系統(tǒng)包括表觀模型和在當(dāng)前幀定位目標(biāo)新位置的搜索策略[1].由于光照變化、遮擋等問題,導(dǎo)致目標(biāo)的表觀模型時(shí)常發(fā)生變化.因此,一個(gè)自適應(yīng)強(qiáng)的表觀模型表示對(duì)魯棒的目標(biāo)跟蹤十分重要.基于特征實(shí)時(shí)檢測(cè)[2-3]的運(yùn)動(dòng)目標(biāo)跟蹤方法是近年來的一種主流目標(biāo)跟蹤技術(shù)[4-6].在線方法在對(duì)目標(biāo)進(jìn)行分類判別的同時(shí),也在對(duì)圖像進(jìn)行采樣,用于實(shí)時(shí)更新分類器,使檢測(cè)器具有一定的適應(yīng)能力,不僅在一定程度上解決了檢測(cè)和跟蹤時(shí)的遮擋問題,還能適應(yīng)復(fù)雜場(chǎng)景下的多目標(biāo)跟蹤.然而,其計(jì)算和搜索復(fù)雜度較高,且容易產(chǎn)生漂移.近年來,基于隨機(jī)優(yōu)化技術(shù)的粒子群優(yōu)化算法(PSO)被廣泛應(yīng)用于計(jì)算機(jī)視覺處理[7-9].為了在多尺度空間中快速尋找目標(biāo),降低計(jì)算代價(jià),保持跟蹤的實(shí)時(shí)性和重疊率,本文提出一種結(jié)合粒子群優(yōu)化的壓縮跟蹤算法(PSO-CT),在每一幀的目標(biāo)搜索過程中,利用粒子群優(yōu)化的搜索方法,在多尺度空間中更快速地搜索目標(biāo).

    1 壓縮跟蹤算法

    壓縮跟蹤(compress tracking)算法是Zhang等[6]基于壓縮感知理論[10]提出的一種高效、快速的基于在線學(xué)習(xí)的實(shí)時(shí)跟蹤方法.壓縮跟蹤算法的流程,如圖1所示.圖1中:分類器更新是通過在當(dāng)前幀跟蹤結(jié)果的鄰域內(nèi)采集正負(fù)樣本,然后進(jìn)行壓縮,訓(xùn)練分類器得到.

    圖1 實(shí)時(shí)壓縮跟蹤算法流程Fig.1 Real-time compress tracking algorithm

    1.1 隨機(jī)投影

    圖2 特征映射Fig.2 Feature projection

    如果信號(hào)通過某種變換后是可稀疏表示或者可壓縮的,則可以設(shè)計(jì)一個(gè)與變換基不相關(guān)的測(cè)量矩陣來測(cè)量信號(hào),得到的測(cè)量值通過求解優(yōu)化問題可實(shí)現(xiàn)信號(hào)的精確或者近似重構(gòu).具體地,對(duì)于高維圖像空間中的數(shù)據(jù)x∈Z,如果x在正交基Ψ上是K-稀疏的,且能找到一個(gè)與Ψ不相關(guān)的觀測(cè)基R,則可以使用隨機(jī)觀測(cè)矩陣R∈Zn×m,將其投影到低維空間y∈Zn上,如圖2 所示.圖2中:n?m.Johnson-Lindenstrauss準(zhǔn)則表明:當(dāng)隨機(jī)測(cè)量矩陣R滿足有限等距性質(zhì)時(shí),K個(gè)系數(shù)可通過求解最小誤差,從y中高概率地恢復(fù)原始信號(hào)x.

    1.2 隨機(jī)測(cè)量矩陣

    為了適應(yīng)實(shí)際應(yīng)用的實(shí)時(shí)性需求,采用文獻(xiàn)[6]提出的一個(gè)非常稀疏的隨機(jī)測(cè)量矩陣,具體矩陣元素定義為

    (1)

    式(1)中:p為隨機(jī)元素ri,j取某個(gè)值的概率.例如,取s=n/4時(shí),測(cè)量矩陣非常稀疏,即n行中每行只需2~4個(gè)非零元素,就能滿足Johnson-Lindenstrauss推論,且只需初始的一次離線計(jì)算就能滿足整個(gè)跟蹤過程的計(jì)算.

    假設(shè)s是第t-1跟蹤到的目標(biāo)位置,在以s為中心,r為半徑的范圍內(nèi),采集測(cè)試樣本集的Haar-like特征:Ti∈Zw×h×l(i=1,2,…,r2),l為Haar-like的模板數(shù),則每個(gè)特征的維數(shù)m可能達(dá)到106以上.利用初始產(chǎn)生的隨機(jī)稀疏矩陣,將此高維數(shù)據(jù)投影到低維空間中,形成適合快速計(jì)算的低維特征v.

    圖3 圖像特征的多尺度表示Fig.3 Representation of multi-scale feature

    1.3 目標(biāo)的Haar-like多尺度表示與尺度不變性

    (2)

    2 基于PSO改進(jìn)的壓縮跟蹤算法

    2.1 粒子群優(yōu)化算法

    圖4 粒子更新示意圖Fig.4 Particle update schematic

    (3)

    (4)

    式(3),(4)中:ω為迭代權(quán)重;φ1,φ2為大于0的常數(shù),用于平衡個(gè)體最佳和全局最佳;r1,r2∈(0,1)為均勻分布的隨機(jī)數(shù).

    2.2 結(jié)合PSO改進(jìn)的壓縮跟蹤

    (5)

    式(5)中:Σ為高斯矩陣的協(xié)方差.

    對(duì)角線元素為速度預(yù)測(cè),即

    (6)

    2.3 適應(yīng)值函數(shù)

    在當(dāng)前幀,以前一幀為中心,半徑R(足夠大)的圓,或者為邊長(zhǎng)的正方形范圍內(nèi),按高斯分布隨機(jī)初始化K個(gè)粒子.由于在前一幀中已經(jīng)更新了分類器,因此,用分類器的分類響應(yīng)作為粒子j在第t次迭代時(shí)相應(yīng)的適應(yīng)函數(shù)值,即

    (7)

    式(7)中:zj,t為粒子xj,t在當(dāng)前位置時(shí)提取的低維特征向量.

    根據(jù)每個(gè)粒子的適應(yīng)函數(shù)值f(xj,t),得到全局最佳g和粒子j的個(gè)體最佳pt,j的更新,即

    (8)

    (9)

    (10)

    (11)

    (12)

    由式(10)~(12)可知:通過適應(yīng)函數(shù)值可以控制個(gè)體和社會(huì)認(rèn)知的變化,使之得到平穩(wěn)控制,而粒子最大速度可利用先驗(yàn)知識(shí)獲取.

    2.4 分類器更新

    當(dāng)獲取當(dāng)前幀的最大響應(yīng)位置時(shí),確定目標(biāo)在當(dāng)前幀的位置.為了確定正負(fù)樣本的采樣范圍,通過2個(gè)距離閾值α和β來界定采樣的類別.在Dα= {z|||l(z)-lt||<α}區(qū)域內(nèi)采集正樣本,在區(qū)域Dζ,β={z|ζ<||l(z)-lt||<β}采集負(fù)樣本.其中,α<ζ<β,即靠近當(dāng)前目標(biāo)中心的隨機(jī)采集為正樣本,外圍采集為負(fù)樣本.

    根據(jù)正負(fù)樣本,分類器的參數(shù)更新為

    (13)

    (14)

    當(dāng)目標(biāo)在場(chǎng)景中因轉(zhuǎn)向、形變、遮擋及鏡頭晃動(dòng)等因素發(fā)生劇烈變化時(shí),可能導(dǎo)致粒子在給定范圍內(nèi)的適應(yīng)值無法小于閾值,搜索終止于局部最優(yōu).結(jié)合文獻(xiàn)[12]的方法,采用選擇更新和re-search策略.當(dāng)目標(biāo)發(fā)生遮擋時(shí),分類器的響應(yīng)值顯著減小,為了不被遮擋物完全取代,設(shè)定一個(gè)分類閾值TC;當(dāng)分類相應(yīng)低于閾值時(shí),分類器停止更新;當(dāng)在給定的局部范圍內(nèi)無法搜索到目標(biāo)時(shí),則跳出局部搜索范圍,增加粒子數(shù)量,將PSO搜索范圍擴(kuò)大至全局搜索.

    PSO-CT算法有以下5個(gè)步驟.

    步驟1 初始化粒子群參數(shù)、分類器和目標(biāo)特征.

    步驟2 對(duì)于每一幀,有如下5點(diǎn):

    1) 計(jì)算Frame(t)的積分圖;

    2) 如果第t-1幀的分類響應(yīng)P>TC,則對(duì)于每個(gè)目標(biāo),根據(jù)上一幀得到的目標(biāo)位置,在以上一幀的目標(biāo)為中心,d為邊長(zhǎng)的正方形內(nèi)隨機(jī)產(chǎn)生K個(gè)粒子,并初始化個(gè)體最佳pj和全局最佳g;否則,在全局范圍內(nèi),將尺度參數(shù)w,h范圍擴(kuò)大,隨機(jī)產(chǎn)生4K個(gè)粒子,并初始化4K個(gè)例子的個(gè)體最佳pj和全局最佳g;

    3) 計(jì)算每個(gè)粒子的Haar-like特征,計(jì)算粒子的分類得分,得到各自的適應(yīng)值f(x(j,t));

    4) 比較f(x(j,t))及pj和g,更新個(gè)體最佳pj和全局最佳g,修改粒子的位置和速度;

    5) 如果f(g) 滿足搜索結(jié)束條件,則得到這一幀的目標(biāo)位置:Loc=g;否則,跳轉(zhuǎn)至全局搜索2).

    步驟3 在跟蹤到的當(dāng)前幀目標(biāo)周圍Xζ,β={x|ζ<||It+1(x)-It(x*)||<β},采集正、負(fù)樣本.

    步驟4 利用上面的積分圖,計(jì)算正樣本和負(fù)樣本的Haar-like特征值,壓縮特征.

    步驟5 通過正樣本和負(fù)樣本更新分類器,進(jìn)行下一幀處理.

    3 結(jié)果與分析

    3.1 粒子數(shù)的確定

    為了驗(yàn)證算法的有效性,在CPU主頻為3GHz,內(nèi)存為8GB的PC實(shí)驗(yàn)環(huán)境下,采用幾個(gè)標(biāo)準(zhǔn)視頻集[13],將文中算法與粒子濾波(PF)、基于檢測(cè)學(xué)習(xí)跟蹤算法(TLD)、壓縮跟蹤算法(CT)進(jìn)行比較.

    (a) 中心平均定位誤差 (b) 幀平均處理時(shí)間圖5 粒子數(shù)與平均定位誤差和幀平均處理時(shí)間Fig.5 Particle number, CLE and PT

    為了更好確定實(shí)驗(yàn)中粒子個(gè)數(shù),針對(duì)粒子數(shù)與算法性能的關(guān)系進(jìn)行多次重復(fù)實(shí)驗(yàn),結(jié)果如圖5所示.

    圖5中:n1為粒子數(shù);t為幀處理時(shí)間.由圖5可知:如要實(shí)現(xiàn)實(shí)時(shí)跟蹤,必須合理控制粒子數(shù)量.其中,中心定位誤差(CLE)的計(jì)算為

    (15)

    式(15)中:(xt,yt)和(xr,yr)分別表示當(dāng)前跟蹤定位結(jié)果與人工定位標(biāo)準(zhǔn)位置.

    圖6 粒子平均迭代次數(shù)Fig.6 Average iteration times of particle

    3.2 PSO-CT的跟蹤性能分析

    將粒子數(shù)設(shè)置為30,將收斂閾值Th=0.01,Tc=0.6,迭代參數(shù)ω=0.5,初始φ1=0.5,φ2=0.5,最大迭代次數(shù)設(shè)為100.設(shè)4維搜索空間半徑為40.在測(cè)試粒子搜索目標(biāo)過程中,計(jì)算復(fù)雜度的實(shí)驗(yàn)結(jié)果,如圖6所示.PSO-CT平均每個(gè)粒子的迭代次數(shù)(n2)為42.4 次·幀-1,總迭代次數(shù)為30×42.4,相當(dāng)于只需1 272次搜索和比對(duì),就能在每一幀圖像中發(fā)現(xiàn)目標(biāo).文獻(xiàn)[6]采用改進(jìn)全搜索的coarse-to-fine策略需要3 496次.在幾組復(fù)雜場(chǎng)景下的跟蹤結(jié)果,如圖7,8所示,其幀率如表1所示.圖8中:n3為幀數(shù);e為跟蹤誤差.

    (a) David第160幀 (b) David第182幀 (c) David第292幀

    (c) Car第88幀 (d) Car第252幀 (e) Car第621幀

    (f) Carcase第67幀 (g) Carcase第115幀 (h) Carcase第849幀圖7 復(fù)雜環(huán)境下幾種跟蹤算法結(jié)果Fig.7 Tracking result of some algorithm in complex scenes

    (a) Motocross (b) Mountainbike (c) Coke圖8 幾種算法的跟蹤誤差Fig.8 Tracking error of some algorithms

    由圖8可知:Motocross中目標(biāo)因?yàn)榉D(zhuǎn)產(chǎn)生平穩(wěn)形變,此時(shí),TLD算法、PF算法和PSO-CT算法表現(xiàn)出良好效果;Mountainbike中場(chǎng)景從平穩(wěn)跨越到劇烈抖動(dòng),此時(shí),原始PSO-CT算法在平穩(wěn)環(huán)境誤差較小,而面對(duì)突變,最終也能快速校正偏差;Coke場(chǎng)景中,中間經(jīng)歷幾次遮擋和高度變化,當(dāng)鏡頭或者景深發(fā)生明顯變化時(shí),多尺度的PSO-CT的尺度適應(yīng)性能優(yōu)勢(shì)明顯.

    表1 幾種跟蹤算法的平均幀率Tab.1 Average frame processing rate of some tracking algorithms

    綜上可知,在變化比較快的復(fù)雜場(chǎng)景下,CT和PSO-CT表現(xiàn)相對(duì)穩(wěn)定,且PSO-CT能適應(yīng)突然、快速的目標(biāo)位置變化.當(dāng)鏡頭或者景深發(fā)生明顯變化時(shí),多尺度的PSO-CT在尺度變化的自適應(yīng)方面體現(xiàn)出良好的跟蹤效果.在時(shí)間效率上,如表1所示.由于采用特征壓縮方法,將特征用低維的向量表示,CT算法和PSO-CT算法在速度上具有優(yōu)勢(shì),體現(xiàn)出良好的快速性和實(shí)時(shí)性.

    4 結(jié)束語

    針對(duì)原始?jí)嚎s跟蹤存在的不足,結(jié)合粒子群優(yōu)化算法的優(yōu)化多維空間搜索,實(shí)現(xiàn)復(fù)雜場(chǎng)景下多尺度目標(biāo)跟蹤.實(shí)驗(yàn)表明,提出的PSO-CT跟蹤方法在實(shí)時(shí)性和穩(wěn)定性上具有一定優(yōu)勢(shì).該算法對(duì)運(yùn)動(dòng)目標(biāo)發(fā)生部分遮擋和形變時(shí)仍然有較好的魯棒性,然而,當(dāng)多個(gè)目標(biāo)之間產(chǎn)生聚合與分離時(shí),跟蹤還達(dá)不到最理想的結(jié)果,這將是下一步工作需要考慮和突破的地方.

    [1] 龔聲蓉,劉純平,季怡.復(fù)雜場(chǎng)景下圖像與視頻分析[M].北京:人民郵電出版社,2013:8-9.

    [2] KALAL Z,MIKOLAJCZYK K,MATAS J.Tracking-learning-detection[J].Pattern Analysis and Machine Intelligence,2012,34(7):1409-1422.

    [3] STALDER S,GRABNER H,GOOL L V.Cascaded confidence filtering for improved tracking-by-detection[M].Berlin:Springer,2010:369-382.

    [4] GRABNER H,GRABNER M,BISCHOF H.Real-time tracking via on-line boosting[C]∥British Machine Vision Conference.Edinburgh:[s.n.],2006:6.

    [5] FELZENSZWALB P,MCALLESTER D,RAMANAN D.A discriminatively trained, multiscale, deformable part model[C]∥IEEE Conference on Computer Vision and Pattern Recognition.Anchorage:IEEE Press,2008:1-8.

    [6] ZHANG Kaihua,ZHANG Lei,YANG M H.Real-time compressivetracking[C]∥Europeanence on Computer Vision.Berlin:Springer,2012:864-877.

    [7] SAINI S,AWANG R D R,ZAKARIA M N B,etal.A review on particle swarm optimization algorithm and its variants to human motion tracking[J].Mathematical Problems in Engineering,2014(2014):1-16.

    [8] ZHANG Xiaoqin, HU Weiming, MAYBANK S,etal. Sequential particle swarm optimization for visual tracking[C]∥IEEE Conference on Computer Vision and Pattern Recognition.Anchorage:IEEE Press,2008:921-928.

    [9] FLEISCHMANN P,AUSTVOLL I,KWOLEK B.Particle swarm optimization with soft search space partitioning for video-based markerless pose tracking[J].Lecture Notes in Computer Science,2012,7517:479-490.

    [10] BARANIUK R.Compressive sensing[J].IEEE signal processing magazine,2007,24(4):118-121.

    [11] THIDA M,ENG H,MONEKOSSO D N,etal.A particle swarm optimisation algorithm with interactive swarms for tracking multiple targets[J].Applied Soft Computing,2013,13(6):3106-3117.

    [12] TAWAB A M A,ABDELHALIM M B,HABIB S.Efficient multi-feature PSO for fast gray level object-tracking[J].Applied Soft Computing,2014,14(1):317-337.

    [13] WU Yi,LIM J,YANG M H.Online object tracking: A benchmark[C]∥IEEE Conference on Computer vision and pattern recognition.Portland:IEEE Press,2013:2411-2418.

    (責(zé)任編輯: 錢筠 英文審校: 吳逢鐵)

    Improved Compress Tracking Algorithm Based on PSO

    LIU Shaotao, YAO Canrong

    (College of Computer Science and Technology, Huaqiao University, Xiamen 361021, China)

    For the searching and matching problem in multi-scale space of online detecting tracking method, a robust multi-scale tracking algorithm was proposed based on particle swarm optimization (PSO) and compress sensing. Firstly, feature was sampled with particles in multi-scale space. Then feature was extracted by compress sensing. Finally, targets would be searched quickly and robustly after calculate the best fitness and position of all the particle. The experimental results demonstrate that the proposed algorithm can adapt target in multi-scale change and has a better performance in robustness and rapidity. Keywords: visual tracking; compress sensing; particle swarm optimization; multi-scale

    10.11830/ISSN.1000-5013.201701024

    2015-06-02

    劉韶濤(1969-),男,副教授,主要從事軟件體系結(jié)構(gòu)的研究.E-mail:shaotaol@hqu.edu.cn.

    國(guó)務(wù)院僑辦科研基金資助項(xiàng)目(09QZR02)

    TP 391.3

    A

    1000-5013(2017)01-0121-06

    猜你喜歡
    粒子群優(yōu)化壓縮感知目標(biāo)跟蹤
    多視角目標(biāo)檢測(cè)與跟蹤技術(shù)的研究與實(shí)現(xiàn)
    引入螢火蟲行為和Levy飛行的粒子群優(yōu)化算法
    基于匹配追蹤算法的乳腺X影像的壓縮感知重構(gòu)
    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
    淺析壓縮感知理論在圖像處理中的應(yīng)用及展望
    基于ADM的加權(quán)正則化的塊稀疏優(yōu)化算法
    能源總量的BP網(wǎng)絡(luò)與粒子群優(yōu)化預(yù)測(cè)
    科技視界(2016年20期)2016-09-29 11:58:53
    壓縮感知在無線傳感器網(wǎng)絡(luò)中的應(yīng)用
    科技視界(2016年10期)2016-04-26 08:29:08
    空管自動(dòng)化系統(tǒng)中航跡濾波算法的應(yīng)用與改進(jìn)
    科技視界(2016年5期)2016-02-22 12:25:31
    基于混合粒子群優(yōu)化的頻率指配方法研究
    制服人妻中文乱码| 成人亚洲精品av一区二区 | 一级a爱片免费观看的视频| 亚洲av美国av| 日韩视频一区二区在线观看| 女警被强在线播放| 免费一级毛片在线播放高清视频 | 欧美黄色片欧美黄色片| 一个人观看的视频www高清免费观看 | 婷婷六月久久综合丁香| 久久精品人人爽人人爽视色| 国产成人精品无人区| 久久久久九九精品影院| 三级毛片av免费| 黄色a级毛片大全视频| 97人妻天天添夜夜摸| 在线视频色国产色| 成人亚洲精品一区在线观看| 两性夫妻黄色片| 亚洲国产中文字幕在线视频| 精品福利观看| 午夜福利一区二区在线看| 免费女性裸体啪啪无遮挡网站| 别揉我奶头~嗯~啊~动态视频| 亚洲精品国产色婷婷电影| 岛国在线观看网站| 亚洲国产看品久久| 看片在线看免费视频| 亚洲人成网站在线播放欧美日韩| av视频免费观看在线观看| 中文字幕人妻丝袜制服| 在线av久久热| 搡老熟女国产l中国老女人| 黄色 视频免费看| 精品乱码久久久久久99久播| 午夜精品在线福利| 久久午夜综合久久蜜桃| 亚洲精品在线美女| 黄色视频不卡| 免费不卡黄色视频| 国产精品久久久久成人av| 欧美一区二区精品小视频在线| 久久精品国产清高在天天线| 丝袜人妻中文字幕| 黄片播放在线免费| 亚洲成人久久性| 亚洲精品一二三| 夜夜爽天天搞| 丰满人妻熟妇乱又伦精品不卡| 免费在线观看视频国产中文字幕亚洲| 成人三级黄色视频| 欧美成人性av电影在线观看| 国产亚洲欧美精品永久| 777久久人妻少妇嫩草av网站| 久久国产乱子伦精品免费另类| 成人免费观看视频高清| 三级毛片av免费| 50天的宝宝边吃奶边哭怎么回事| 激情视频va一区二区三区| 80岁老熟妇乱子伦牲交| 99riav亚洲国产免费| 校园春色视频在线观看| 国产乱人伦免费视频| 黄色 视频免费看| 亚洲欧美精品综合一区二区三区| 国产免费av片在线观看野外av| av天堂在线播放| 欧美av亚洲av综合av国产av| 男女做爰动态图高潮gif福利片 | 可以免费在线观看a视频的电影网站| 老司机午夜十八禁免费视频| 校园春色视频在线观看| 亚洲欧洲精品一区二区精品久久久| 亚洲精品av麻豆狂野| 亚洲三区欧美一区| 日韩精品免费视频一区二区三区| 涩涩av久久男人的天堂| 在线观看www视频免费| 亚洲成人久久性| 亚洲国产精品999在线| 在线观看一区二区三区激情| 精品一品国产午夜福利视频| 天天躁狠狠躁夜夜躁狠狠躁| 国产黄a三级三级三级人| 成人黄色视频免费在线看| 夜夜躁狠狠躁天天躁| 999久久久精品免费观看国产| 亚洲男人天堂网一区| 久久精品亚洲av国产电影网| 在线观看免费高清a一片| 一进一出抽搐gif免费好疼 | 麻豆一二三区av精品| 9191精品国产免费久久| 日韩 欧美 亚洲 中文字幕| 9热在线视频观看99| 美女国产高潮福利片在线看| av免费在线观看网站| 国产99白浆流出| 嫩草影视91久久| 久久久久久免费高清国产稀缺| 三上悠亚av全集在线观看| 18禁观看日本| 老熟妇仑乱视频hdxx| 亚洲国产精品999在线| 日韩欧美一区视频在线观看| 国产主播在线观看一区二区| 在线免费观看的www视频| 美女高潮到喷水免费观看| 日韩精品免费视频一区二区三区| 亚洲在线自拍视频| 很黄的视频免费| 久久久久国产一级毛片高清牌| 老司机午夜福利在线观看视频| 亚洲一区高清亚洲精品| √禁漫天堂资源中文www| 男女高潮啪啪啪动态图| 国产激情久久老熟女| 久久人人爽av亚洲精品天堂| 男男h啪啪无遮挡| 91九色精品人成在线观看| 高清欧美精品videossex| 老熟妇乱子伦视频在线观看| 久久国产精品男人的天堂亚洲| 日韩av在线大香蕉| 久久热在线av| 日韩欧美国产一区二区入口| а√天堂www在线а√下载| 亚洲avbb在线观看| 老司机靠b影院| 女生性感内裤真人,穿戴方法视频| 很黄的视频免费| 亚洲自偷自拍图片 自拍| 午夜a级毛片| 午夜免费激情av| 日韩大尺度精品在线看网址 | 国产又色又爽无遮挡免费看| 香蕉国产在线看| 亚洲精品av麻豆狂野| 乱人伦中国视频| 丁香欧美五月| 亚洲国产欧美一区二区综合| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美亚洲日本最大视频资源| 每晚都被弄得嗷嗷叫到高潮| 91麻豆精品激情在线观看国产 | 亚洲精品国产色婷婷电影| 国产精品乱码一区二三区的特点 | 国产蜜桃级精品一区二区三区| 欧美在线一区亚洲| 欧美黄色淫秽网站| 黄色毛片三级朝国网站| 精品国产超薄肉色丝袜足j| 亚洲精品久久成人aⅴ小说| 免费高清在线观看日韩| 久久精品国产亚洲av高清一级| 青草久久国产| 欧美成人免费av一区二区三区| 亚洲在线自拍视频| 国产精品98久久久久久宅男小说| 美女大奶头视频| 国产黄a三级三级三级人| 久久久久久久精品吃奶| 久久久久久亚洲精品国产蜜桃av| 91麻豆av在线| 久久久久精品国产欧美久久久| 无限看片的www在线观看| 嫩草影视91久久| 色综合站精品国产| 亚洲国产欧美一区二区综合| 真人一进一出gif抽搐免费| 日本vs欧美在线观看视频| 色尼玛亚洲综合影院| 法律面前人人平等表现在哪些方面| 国产亚洲欧美98| tocl精华| 亚洲五月婷婷丁香| 性欧美人与动物交配| 日韩精品中文字幕看吧| 男女床上黄色一级片免费看| 亚洲成国产人片在线观看| 精品福利观看| 免费高清视频大片| 成年女人毛片免费观看观看9| 老熟妇乱子伦视频在线观看| 美女高潮到喷水免费观看| 国产亚洲欧美98| 老司机在亚洲福利影院| 在线天堂中文资源库| 亚洲欧美激情综合另类| 在线观看66精品国产| 亚洲男人天堂网一区| 亚洲一卡2卡3卡4卡5卡精品中文| 国产熟女xx| av欧美777| 成人手机av| 久久国产亚洲av麻豆专区| 波多野结衣av一区二区av| 电影成人av| 两个人看的免费小视频| 成人三级黄色视频| tocl精华| 免费日韩欧美在线观看| 两个人免费观看高清视频| 在线观看免费日韩欧美大片| 老司机亚洲免费影院| 另类亚洲欧美激情| 两人在一起打扑克的视频| 岛国在线观看网站| 黄色视频不卡| 久久伊人香网站| 悠悠久久av| 久久中文字幕人妻熟女| 高潮久久久久久久久久久不卡| 亚洲美女黄片视频| 一级作爱视频免费观看| 欧美精品亚洲一区二区| 嫩草影院精品99| 多毛熟女@视频| 激情视频va一区二区三区| 国产成年人精品一区二区 | 精品国产一区二区久久| 久久久久国内视频| 视频区图区小说| 色综合欧美亚洲国产小说| 久久久久久久久免费视频了| 日韩精品中文字幕看吧| 久久狼人影院| 性色av乱码一区二区三区2| 久久久国产成人精品二区 | 在线观看免费视频网站a站| 五月开心婷婷网| 日韩av在线大香蕉| 国产区一区二久久| 看片在线看免费视频| 男人舔女人的私密视频| 精品一区二区三卡| 久久中文看片网| 国产精品 国内视频| 久久这里只有精品19| www国产在线视频色| av国产精品久久久久影院| 女同久久另类99精品国产91| 成人av一区二区三区在线看| 99re在线观看精品视频| 免费高清在线观看日韩| 亚洲五月婷婷丁香| 亚洲成国产人片在线观看| 一区二区三区国产精品乱码| 在线观看66精品国产| 日本 av在线| 午夜福利在线免费观看网站| 制服诱惑二区| 成人三级做爰电影| 欧美激情久久久久久爽电影 | 国产99久久九九免费精品| 在线十欧美十亚洲十日本专区| 日本 av在线| 久久久久久久精品吃奶| 久久久久国产一级毛片高清牌| 国产伦一二天堂av在线观看| 国产视频一区二区在线看| 国产亚洲精品久久久久5区| av网站在线播放免费| 身体一侧抽搐| 69av精品久久久久久| 精品国内亚洲2022精品成人| 在线永久观看黄色视频| 国产精品秋霞免费鲁丝片| 国产精品99久久99久久久不卡| 亚洲精品国产精品久久久不卡| 精品日产1卡2卡| 999精品在线视频| 国产成人精品久久二区二区91| 国产精品野战在线观看 | 精品一区二区三区av网在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 欧美色视频一区免费| 亚洲国产精品合色在线| 琪琪午夜伦伦电影理论片6080| www.精华液| 亚洲av成人不卡在线观看播放网| 又大又爽又粗| 免费在线观看视频国产中文字幕亚洲| 成人亚洲精品一区在线观看| 高潮久久久久久久久久久不卡| 美女午夜性视频免费| 午夜精品久久久久久毛片777| 亚洲色图av天堂| 午夜福利,免费看| 欧美成人免费av一区二区三区| 91字幕亚洲| 十八禁人妻一区二区| 老司机深夜福利视频在线观看| 国产一区二区激情短视频| 欧美大码av| 精品国产一区二区三区四区第35| www国产在线视频色| 成人特级黄色片久久久久久久| 亚洲av熟女| 精品卡一卡二卡四卡免费| 日本黄色日本黄色录像| 久久热在线av| 国产91精品成人一区二区三区| 欧美一级毛片孕妇| 午夜影院日韩av| 中文字幕人妻熟女乱码| 欧美国产精品va在线观看不卡| 日韩视频一区二区在线观看| 精品高清国产在线一区| 男女床上黄色一级片免费看| 级片在线观看| 两个人免费观看高清视频| 少妇的丰满在线观看| 99国产极品粉嫩在线观看| 在线观看免费日韩欧美大片| 岛国在线观看网站| 亚洲精品中文字幕一二三四区| 热re99久久国产66热| 一二三四社区在线视频社区8| 欧洲精品卡2卡3卡4卡5卡区| 男女下面进入的视频免费午夜 | 丝袜美腿诱惑在线| 日日摸夜夜添夜夜添小说| 国产精品免费一区二区三区在线| 丰满人妻熟妇乱又伦精品不卡| 巨乳人妻的诱惑在线观看| 女警被强在线播放| 精品电影一区二区在线| 成人黄色视频免费在线看| 黄色成人免费大全| 免费搜索国产男女视频| 老熟妇乱子伦视频在线观看| 久久精品国产亚洲av高清一级| 精品高清国产在线一区| 久久久久久大精品| 啦啦啦在线免费观看视频4| 亚洲,欧美精品.| 日韩欧美在线二视频| 精品久久久久久,| 日本wwww免费看| 在线观看www视频免费| 电影成人av| 国产免费男女视频| 久久中文字幕一级| 亚洲欧美一区二区三区久久| 视频区欧美日本亚洲| 两个人看的免费小视频| 亚洲成人国产一区在线观看| 久久影院123| 精品一品国产午夜福利视频| 欧美成人免费av一区二区三区| av天堂在线播放| 别揉我奶头~嗯~啊~动态视频| 亚洲三区欧美一区| 精品福利永久在线观看| 日韩国内少妇激情av| av在线天堂中文字幕 | 宅男免费午夜| 高清在线国产一区| 亚洲精品一二三| 熟女少妇亚洲综合色aaa.| 天天躁狠狠躁夜夜躁狠狠躁| 成年女人毛片免费观看观看9| 精品国产超薄肉色丝袜足j| 一级a爱片免费观看的视频| 免费日韩欧美在线观看| 亚洲一区二区三区色噜噜 | 精品人妻在线不人妻| 一个人免费在线观看的高清视频| 欧美人与性动交α欧美精品济南到| 级片在线观看| 变态另类成人亚洲欧美熟女 | 黄色视频,在线免费观看| 18禁黄网站禁片午夜丰满| 精品卡一卡二卡四卡免费| 午夜影院日韩av| 国产亚洲精品久久久久5区| 夜夜夜夜夜久久久久| 国产亚洲精品一区二区www| 欧美av亚洲av综合av国产av| 最近最新中文字幕大全免费视频| 美女扒开内裤让男人捅视频| 脱女人内裤的视频| 亚洲精品成人av观看孕妇| 在线观看免费视频日本深夜| 国产无遮挡羞羞视频在线观看| 亚洲熟妇中文字幕五十中出 | 欧美精品啪啪一区二区三区| 女人被躁到高潮嗷嗷叫费观| 两个人免费观看高清视频| 成年人免费黄色播放视频| 亚洲色图 男人天堂 中文字幕| 在线观看舔阴道视频| 99国产精品免费福利视频| 国产aⅴ精品一区二区三区波| 在线观看免费视频网站a站| 老司机福利观看| 色在线成人网| 十分钟在线观看高清视频www| 99国产极品粉嫩在线观看| 欧美日韩一级在线毛片| 大型黄色视频在线免费观看| 99热国产这里只有精品6| 亚洲精品国产区一区二| 午夜精品久久久久久毛片777| 日本黄色视频三级网站网址| 午夜精品在线福利| 黄色 视频免费看| 国产精华一区二区三区| 动漫黄色视频在线观看| av福利片在线| 12—13女人毛片做爰片一| 久久久久九九精品影院| 欧美日韩黄片免| 国产av又大| 一进一出抽搐gif免费好疼 | 日本五十路高清| 日韩一卡2卡3卡4卡2021年| 神马国产精品三级电影在线观看 | 久久影院123| 午夜福利欧美成人| 桃红色精品国产亚洲av| 国产精品国产av在线观看| 99国产综合亚洲精品| 国产极品粉嫩免费观看在线| 人妻丰满熟妇av一区二区三区| 大型黄色视频在线免费观看| 国产亚洲精品久久久久5区| 多毛熟女@视频| 老司机靠b影院| 91av网站免费观看| 在线播放国产精品三级| 欧美亚洲日本最大视频资源| 午夜福利在线免费观看网站| 久久人人爽av亚洲精品天堂| 悠悠久久av| 色精品久久人妻99蜜桃| 欧美大码av| 欧美在线黄色| 日韩三级视频一区二区三区| av网站在线播放免费| 欧美一区二区精品小视频在线| 最近最新免费中文字幕在线| 一边摸一边做爽爽视频免费| 久9热在线精品视频| 国产精品综合久久久久久久免费 | 老汉色av国产亚洲站长工具| 欧美另类亚洲清纯唯美| 波多野结衣高清无吗| 久久午夜亚洲精品久久| 成年版毛片免费区| 少妇裸体淫交视频免费看高清 | 美女扒开内裤让男人捅视频| 97碰自拍视频| 亚洲色图 男人天堂 中文字幕| 麻豆久久精品国产亚洲av | 成人av一区二区三区在线看| 成年人黄色毛片网站| 97人妻天天添夜夜摸| 狠狠狠狠99中文字幕| 国产伦一二天堂av在线观看| 久久久国产精品麻豆| 天堂影院成人在线观看| 成人三级黄色视频| 中文字幕色久视频| av天堂在线播放| 老司机午夜十八禁免费视频| 亚洲成人免费电影在线观看| 久久久久国内视频| 成人永久免费在线观看视频| 亚洲激情在线av| 性少妇av在线| 精品一区二区三区视频在线观看免费 | av有码第一页| 人人澡人人妻人| 在线观看一区二区三区激情| 一级作爱视频免费观看| 成人特级黄色片久久久久久久| 一个人观看的视频www高清免费观看 | 亚洲成人精品中文字幕电影 | av视频免费观看在线观看| 人人妻人人澡人人看| 日韩精品中文字幕看吧| 国产有黄有色有爽视频| 午夜影院日韩av| 久久性视频一级片| 午夜激情av网站| 亚洲av熟女| 亚洲av五月六月丁香网| 母亲3免费完整高清在线观看| 亚洲精品一卡2卡三卡4卡5卡| 少妇裸体淫交视频免费看高清 | 成人免费观看视频高清| av国产精品久久久久影院| 午夜福利,免费看| 国产aⅴ精品一区二区三区波| 亚洲精品一二三| 两个人看的免费小视频| 日本 av在线| www.精华液| 久热这里只有精品99| 国产精品久久电影中文字幕| 99国产极品粉嫩在线观看| 一区在线观看完整版| 国产乱人伦免费视频| 大陆偷拍与自拍| 看黄色毛片网站| 亚洲精品av麻豆狂野| 久久久国产精品麻豆| 亚洲精品国产一区二区精华液| 色哟哟哟哟哟哟| 视频在线观看一区二区三区| 国产亚洲精品久久久久久毛片| 久久精品成人免费网站| 久久精品亚洲精品国产色婷小说| 男女之事视频高清在线观看| 国产成人精品久久二区二区免费| 极品教师在线免费播放| 国产aⅴ精品一区二区三区波| 午夜福利一区二区在线看| 又大又爽又粗| 亚洲熟妇熟女久久| 伦理电影免费视频| 婷婷精品国产亚洲av在线| 夜夜夜夜夜久久久久| 纯流量卡能插随身wifi吗| 一级作爱视频免费观看| 色老头精品视频在线观看| 男女之事视频高清在线观看| 级片在线观看| 久久婷婷成人综合色麻豆| 久久久久久久久久久久大奶| 怎么达到女性高潮| 国产乱人伦免费视频| 久久99一区二区三区| 一区二区三区国产精品乱码| 久久精品91无色码中文字幕| 老熟妇乱子伦视频在线观看| 三级毛片av免费| 午夜福利一区二区在线看| 亚洲欧洲精品一区二区精品久久久| 午夜福利在线免费观看网站| 亚洲精品成人av观看孕妇| 日韩大码丰满熟妇| 女人高潮潮喷娇喘18禁视频| 97超级碰碰碰精品色视频在线观看| 亚洲精品一二三| 99久久综合精品五月天人人| 亚洲av美国av| 757午夜福利合集在线观看| 18禁美女被吸乳视频| 亚洲精品国产区一区二| 成人亚洲精品av一区二区 | 人人妻人人澡人人看| 欧美激情极品国产一区二区三区| 亚洲专区字幕在线| 亚洲色图 男人天堂 中文字幕| 女人被躁到高潮嗷嗷叫费观| 国产精品久久电影中文字幕| 亚洲av电影在线进入| 国产伦一二天堂av在线观看| 欧美日韩视频精品一区| 欧美日韩亚洲高清精品| 亚洲熟妇中文字幕五十中出 | 涩涩av久久男人的天堂| 一级,二级,三级黄色视频| 欧美日韩精品网址| 男人的好看免费观看在线视频 | 久久亚洲真实| 国产高清视频在线播放一区| 欧美色视频一区免费| av欧美777| 亚洲国产欧美网| 90打野战视频偷拍视频| 日韩中文字幕欧美一区二区| 亚洲欧美精品综合久久99| 在线观看一区二区三区| 色综合婷婷激情| 免费少妇av软件| 黄色丝袜av网址大全| 精品国产乱码久久久久久男人| 一级毛片精品| 这个男人来自地球电影免费观看| 波多野结衣av一区二区av| 熟女少妇亚洲综合色aaa.| 久久久久久大精品| 国产1区2区3区精品| 亚洲国产精品一区二区三区在线| 好男人电影高清在线观看| 制服诱惑二区| 日韩欧美一区视频在线观看| 好看av亚洲va欧美ⅴa在| 久久久久久久午夜电影 | 18美女黄网站色大片免费观看| xxxhd国产人妻xxx| 精品乱码久久久久久99久播| 欧美中文综合在线视频| 亚洲,欧美精品.| svipshipincom国产片| 深夜精品福利| 午夜久久久在线观看| 在线观看免费视频网站a站| 女人精品久久久久毛片| 天天躁狠狠躁夜夜躁狠狠躁| 精品一区二区三区四区五区乱码| 天天影视国产精品| 久久人妻熟女aⅴ| 欧美日韩av久久| 91成年电影在线观看| 国产亚洲精品一区二区www| 男女下面进入的视频免费午夜 | 国产成人欧美在线观看| 午夜91福利影院| 国产主播在线观看一区二区| 国产伦一二天堂av在线观看|