• <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
    欧美xxxx性猛交bbbb| 少妇的逼水好多| www.av在线官网国产| 欧美精品一区二区大全| 日韩中文字幕视频在线看片| 热99国产精品久久久久久7| 欧美丝袜亚洲另类| 精品国产一区二区三区四区第35| 天堂中文最新版在线下载| 日韩不卡一区二区三区视频在线| 一区二区三区四区激情视频| 国产精品久久久久久精品古装| 久久狼人影院| 国产精品人妻久久久久久| 久久国产精品大桥未久av| 免费高清在线观看日韩| 国产国语露脸激情在线看| 久久久久人妻精品一区果冻| 亚洲精品第二区| 男人添女人高潮全过程视频| 成年美女黄网站色视频大全免费| 1024视频免费在线观看| 一级,二级,三级黄色视频| 边亲边吃奶的免费视频| 高清黄色对白视频在线免费看| freevideosex欧美| 免费高清在线观看视频在线观看| 狂野欧美激情性xxxx在线观看| 水蜜桃什么品种好| kizo精华| 国产精品一国产av| 毛片一级片免费看久久久久| 国产色爽女视频免费观看| 免费高清在线观看日韩| 日韩三级伦理在线观看| 男人爽女人下面视频在线观看| 精品亚洲成国产av| 欧美日韩一区二区视频在线观看视频在线| 一本—道久久a久久精品蜜桃钙片| 美女内射精品一级片tv| 男女午夜视频在线观看 | 欧美另类一区| 人人妻人人澡人人看| 日韩av不卡免费在线播放| 在线天堂最新版资源| 欧美日本中文国产一区发布| 国产又色又爽无遮挡免| 亚洲精品aⅴ在线观看| 最近最新中文字幕免费大全7| 国产免费一区二区三区四区乱码| 亚洲国产毛片av蜜桃av| 天天躁夜夜躁狠狠久久av| 一级a做视频免费观看| 日韩一区二区视频免费看| 深夜精品福利| 国产有黄有色有爽视频| 汤姆久久久久久久影院中文字幕| 成人国产麻豆网| 久久午夜综合久久蜜桃| 国产精品久久久久久av不卡| 亚洲欧美中文字幕日韩二区| 如何舔出高潮| 国产免费又黄又爽又色| 高清视频免费观看一区二区| 寂寞人妻少妇视频99o| a级毛片在线看网站| 又大又黄又爽视频免费| 精品久久国产蜜桃| 男男h啪啪无遮挡| 麻豆乱淫一区二区| 亚洲精品一区蜜桃| 熟女av电影| 永久网站在线| 国产欧美日韩综合在线一区二区| 久久人人爽人人爽人人片va| 免费观看性生交大片5| 成人二区视频| 久久国产精品大桥未久av| 久久这里只有精品19| 男男h啪啪无遮挡| 亚洲国产精品国产精品| 国产成人精品无人区| 有码 亚洲区| 久久久久精品性色| 精品少妇黑人巨大在线播放| 国产国语露脸激情在线看| 大片免费播放器 马上看| 涩涩av久久男人的天堂| 一级,二级,三级黄色视频| 在线观看国产h片| 欧美丝袜亚洲另类| 精品国产露脸久久av麻豆| 精品午夜福利在线看| 美女国产高潮福利片在线看| 亚洲,欧美,日韩| 一区在线观看完整版| 亚洲色图综合在线观看| 免费黄频网站在线观看国产| 视频在线观看一区二区三区| 国产1区2区3区精品| 亚洲伊人色综图| 精品国产露脸久久av麻豆| 亚洲av福利一区| 国产精品99久久99久久久不卡 | 一二三四在线观看免费中文在 | 一边亲一边摸免费视频| 国产精品久久久久久精品古装| 精品酒店卫生间| 亚洲伊人久久精品综合| 久久久久国产精品人妻一区二区| 大香蕉久久网| 久久久久视频综合| 青春草国产在线视频| 日本黄色日本黄色录像| 日日撸夜夜添| 亚洲欧美日韩另类电影网站| 少妇高潮的动态图| 少妇的逼好多水| 秋霞在线观看毛片| 90打野战视频偷拍视频| 国产亚洲午夜精品一区二区久久| 国产精品蜜桃在线观看| 满18在线观看网站| 成人无遮挡网站| 婷婷色av中文字幕| 肉色欧美久久久久久久蜜桃| 国产精品一区二区在线不卡| 久久久久久人妻| 夫妻性生交免费视频一级片| 777米奇影视久久| 少妇 在线观看| 色5月婷婷丁香| 汤姆久久久久久久影院中文字幕| 欧美日韩国产mv在线观看视频| 日本欧美视频一区| 亚洲色图 男人天堂 中文字幕 | 亚洲精品美女久久久久99蜜臀 | 亚洲人成网站在线观看播放| 久久这里只有精品19| 国产精品嫩草影院av在线观看| h视频一区二区三区| 亚洲精品,欧美精品| 啦啦啦视频在线资源免费观看| 国产在线一区二区三区精| 亚洲成人av在线免费| 亚洲一级一片aⅴ在线观看| 日本欧美国产在线视频| 欧美人与善性xxx| 成人手机av| 成人18禁高潮啪啪吃奶动态图| 国产亚洲一区二区精品| 精品酒店卫生间| 色婷婷av一区二区三区视频| 黄色视频在线播放观看不卡| 亚洲国产精品999| 亚洲精品,欧美精品| 天美传媒精品一区二区| 精品亚洲成a人片在线观看| 免费观看在线日韩| 亚洲精品国产色婷婷电影| 黄网站色视频无遮挡免费观看| 99国产精品免费福利视频| 欧美bdsm另类| 在线观看免费高清a一片| 黄色 视频免费看| 女人久久www免费人成看片| 国产极品粉嫩免费观看在线| 国产精品熟女久久久久浪| 国产淫语在线视频| 如日韩欧美国产精品一区二区三区| 91在线精品国自产拍蜜月| 啦啦啦啦在线视频资源| av有码第一页| 黑人高潮一二区| av女优亚洲男人天堂| 97超碰精品成人国产| 免费观看a级毛片全部| 天美传媒精品一区二区| 国产成人精品一,二区| 满18在线观看网站| 卡戴珊不雅视频在线播放| 国产xxxxx性猛交| 黄片无遮挡物在线观看| 精品国产国语对白av| 亚洲精品成人av观看孕妇| 国产午夜精品一二区理论片| 欧美精品一区二区大全| 国产男女内射视频| 曰老女人黄片| 日韩欧美一区视频在线观看| 国产成人精品无人区| 日韩av免费高清视频| 五月天丁香电影| 国产色爽女视频免费观看| 国产男女超爽视频在线观看| 菩萨蛮人人尽说江南好唐韦庄| 91精品伊人久久大香线蕉| 中文字幕亚洲精品专区| 国产欧美亚洲国产| 少妇人妻 视频| 亚洲婷婷狠狠爱综合网| 亚洲图色成人| 久久女婷五月综合色啪小说| 亚洲综合色惰| 春色校园在线视频观看| 久久久国产欧美日韩av| 免费女性裸体啪啪无遮挡网站| 成人国语在线视频| 热99国产精品久久久久久7| 国产又爽黄色视频| 国产成人精品无人区| 狂野欧美激情性xxxx在线观看| 成年人午夜在线观看视频| 日韩精品免费视频一区二区三区 | 亚洲欧美一区二区三区国产| 成人二区视频| 日本欧美视频一区| 成年人免费黄色播放视频| 欧美精品一区二区大全| 少妇的逼好多水| 99久国产av精品国产电影| 在线观看人妻少妇| 成人亚洲欧美一区二区av| 精品国产一区二区久久| 亚洲色图综合在线观看| av视频免费观看在线观看| 久久精品国产自在天天线| 美女国产高潮福利片在线看| 全区人妻精品视频| 91精品国产国语对白视频| 久热这里只有精品99| 精品一区二区免费观看| 中文字幕亚洲精品专区| 欧美精品一区二区免费开放| 午夜激情av网站| 看十八女毛片水多多多| 两个人看的免费小视频| 久热这里只有精品99| 亚洲国产av新网站| 如何舔出高潮| 国产精品无大码| www日本在线高清视频| 岛国毛片在线播放| 欧美日韩视频高清一区二区三区二| 一个人免费看片子| 少妇被粗大猛烈的视频| 欧美3d第一页| 22中文网久久字幕| 99久久精品国产国产毛片| 91精品三级在线观看| 午夜激情久久久久久久| 亚洲精品一区蜜桃| 亚洲熟女精品中文字幕| 亚洲五月色婷婷综合| 大陆偷拍与自拍| 9色porny在线观看| 一区二区日韩欧美中文字幕 | 国产片特级美女逼逼视频| 黄色配什么色好看| 久久热在线av| 国产淫语在线视频| 少妇的丰满在线观看| 免费看av在线观看网站| 国产免费福利视频在线观看| 最后的刺客免费高清国语| 日韩成人伦理影院| 97在线视频观看| av黄色大香蕉| 亚洲伊人久久精品综合| 欧美成人午夜免费资源| av免费观看日本| 水蜜桃什么品种好| 成人毛片a级毛片在线播放| 久久韩国三级中文字幕| 久久久欧美国产精品| 美女国产视频在线观看| 天天躁夜夜躁狠狠躁躁| 午夜av观看不卡| 亚洲精品日本国产第一区| 亚洲经典国产精华液单| 日本爱情动作片www.在线观看| 日韩一区二区视频免费看| 日韩不卡一区二区三区视频在线| 如何舔出高潮| 这个男人来自地球电影免费观看 | 视频中文字幕在线观看| 人妻 亚洲 视频| 女人精品久久久久毛片| 乱人伦中国视频| 街头女战士在线观看网站| 国产精品99久久99久久久不卡 | 成人亚洲精品一区在线观看| av国产精品久久久久影院| 国产午夜精品一二区理论片| 欧美国产精品一级二级三级| 日韩精品免费视频一区二区三区 | 晚上一个人看的免费电影| 免费高清在线观看视频在线观看| 亚洲五月色婷婷综合| 国产福利在线免费观看视频| 色婷婷久久久亚洲欧美| 亚洲av日韩在线播放| 9191精品国产免费久久| 久久久久久久久久人人人人人人| 日日爽夜夜爽网站| 精品酒店卫生间| 午夜免费鲁丝| 日本黄色日本黄色录像| 久久精品久久精品一区二区三区| a级片在线免费高清观看视频| 高清av免费在线| 国产精品麻豆人妻色哟哟久久| 菩萨蛮人人尽说江南好唐韦庄| 国产精品蜜桃在线观看| 少妇被粗大猛烈的视频| 纯流量卡能插随身wifi吗| 国产一区二区三区av在线| 亚洲欧美一区二区三区国产| 亚洲激情五月婷婷啪啪| 欧美xxxx性猛交bbbb| 亚洲一码二码三码区别大吗| 在线 av 中文字幕| 亚洲一码二码三码区别大吗| 久久久久精品性色| 日韩一本色道免费dvd| 在线 av 中文字幕| 亚洲精品aⅴ在线观看| 日本欧美国产在线视频| 满18在线观看网站| av女优亚洲男人天堂| 制服丝袜香蕉在线| 欧美国产精品va在线观看不卡| 99精国产麻豆久久婷婷| 国产在视频线精品| 制服丝袜香蕉在线| 美女国产高潮福利片在线看| 一级片免费观看大全| 女性被躁到高潮视频| 你懂的网址亚洲精品在线观看| 国产免费一区二区三区四区乱码| 人体艺术视频欧美日本| 一本久久精品| 精品人妻熟女毛片av久久网站| 国产一区二区在线观看av| 欧美xxxx性猛交bbbb| 岛国毛片在线播放| 国产成人精品婷婷| 女人被躁到高潮嗷嗷叫费观| 最近最新中文字幕大全免费视频 | 99久久人妻综合| 成人毛片a级毛片在线播放| 啦啦啦中文免费视频观看日本| 亚洲三级黄色毛片| 日韩不卡一区二区三区视频在线| 国产黄色视频一区二区在线观看| 人人妻人人澡人人爽人人夜夜| 国产国拍精品亚洲av在线观看| 国产69精品久久久久777片| 永久网站在线| 一区二区三区四区激情视频| 精品一品国产午夜福利视频| 成人国产麻豆网| 国产精品国产三级国产专区5o| 人体艺术视频欧美日本| 青春草亚洲视频在线观看| 极品少妇高潮喷水抽搐| 免费人妻精品一区二区三区视频| 一区二区三区乱码不卡18| 欧美激情 高清一区二区三区| 桃花免费在线播放| 999精品在线视频| 成人毛片60女人毛片免费| 中文字幕av电影在线播放| 亚洲精品久久成人aⅴ小说| 一区二区av电影网| 国产乱来视频区| 欧美日韩一区二区视频在线观看视频在线| 日本av手机在线免费观看| 亚洲国产精品国产精品| 菩萨蛮人人尽说江南好唐韦庄| 亚洲伊人色综图| 桃花免费在线播放| 青春草视频在线免费观看| 免费久久久久久久精品成人欧美视频 | 成人亚洲精品一区在线观看| 亚洲综合精品二区| 大话2 男鬼变身卡| 免费黄色在线免费观看| 如日韩欧美国产精品一区二区三区| 999精品在线视频| 美女主播在线视频| 十八禁高潮呻吟视频| 精品一区二区免费观看| 免费少妇av软件| 少妇的逼好多水| av视频免费观看在线观看| 国产高清国产精品国产三级| 久久久久精品人妻al黑| 好男人视频免费观看在线| 精品国产一区二区三区久久久樱花| 99九九在线精品视频| 精品国产露脸久久av麻豆| 国内精品宾馆在线| 一级片免费观看大全| 99热全是精品| 最黄视频免费看| 久久久久久人妻| 色婷婷av一区二区三区视频| 精品国产一区二区三区四区第35| 亚洲欧洲精品一区二区精品久久久 | 中文字幕av电影在线播放| 国产白丝娇喘喷水9色精品| 亚洲高清免费不卡视频| 午夜福利在线观看免费完整高清在| 热99国产精品久久久久久7| 成人毛片a级毛片在线播放| 免费黄色在线免费观看| av免费观看日本| 亚洲图色成人| 又粗又硬又长又爽又黄的视频| 久久精品熟女亚洲av麻豆精品| 男女高潮啪啪啪动态图| 捣出白浆h1v1| av国产久精品久网站免费入址| 国产有黄有色有爽视频| 国产成人aa在线观看| 日本与韩国留学比较| 欧美成人精品欧美一级黄| 人人妻人人澡人人看| 在线观看人妻少妇| 欧美少妇被猛烈插入视频| 深夜精品福利| 9191精品国产免费久久| 人成视频在线观看免费观看| 久久精品久久久久久久性| 欧美日韩精品成人综合77777| 久久人人97超碰香蕉20202| 女人精品久久久久毛片| 一区二区日韩欧美中文字幕 | 秋霞伦理黄片| 校园人妻丝袜中文字幕| 久久久久久久久久人人人人人人| 曰老女人黄片| 午夜av观看不卡| 乱人伦中国视频| 精品午夜福利在线看| 另类亚洲欧美激情| 亚洲精品av麻豆狂野| 美女脱内裤让男人舔精品视频| 免费日韩欧美在线观看| 国产精品偷伦视频观看了| 久久久久久久国产电影| 99久久中文字幕三级久久日本| 欧美97在线视频| 成人漫画全彩无遮挡| 在线天堂中文资源库| 国产黄色视频一区二区在线观看| 91aial.com中文字幕在线观看| 九九爱精品视频在线观看| 成人国产av品久久久| 欧美丝袜亚洲另类| 亚洲伊人久久精品综合| 天天影视国产精品| 男女高潮啪啪啪动态图| 国产在线免费精品| 欧美 亚洲 国产 日韩一| 精品人妻偷拍中文字幕| 欧美 日韩 精品 国产| 少妇人妻久久综合中文| 日韩欧美一区视频在线观看| 91在线精品国自产拍蜜月| 九九在线视频观看精品| 九色亚洲精品在线播放| 国产精品无大码| av线在线观看网站| 国产男人的电影天堂91| 欧美激情国产日韩精品一区| av电影中文网址| 永久免费av网站大全| 秋霞在线观看毛片| 亚洲国产av新网站| 在线观看免费视频网站a站| 久久综合国产亚洲精品| 亚洲av电影在线进入| 国产精品熟女久久久久浪| 视频在线观看一区二区三区| 国产欧美日韩一区二区三区在线| 久久久久视频综合| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 王馨瑶露胸无遮挡在线观看| 日本黄大片高清| 性色av一级| 精品久久久久久电影网| 午夜福利乱码中文字幕| 国精品久久久久久国模美| 亚洲第一区二区三区不卡| 久久久久国产精品人妻一区二区| 国产国语露脸激情在线看| 精品国产一区二区三区四区第35| 七月丁香在线播放| 国产在线一区二区三区精| 久久久久久伊人网av| 精品人妻一区二区三区麻豆| 亚洲欧美成人综合另类久久久| 在线亚洲精品国产二区图片欧美| 亚洲一区二区三区欧美精品| 51国产日韩欧美| 亚洲激情五月婷婷啪啪| 热99国产精品久久久久久7| 中文字幕人妻丝袜制服| 99久久综合免费| 最近中文字幕2019免费版| 卡戴珊不雅视频在线播放| 免费大片黄手机在线观看| av国产精品久久久久影院| 日韩成人伦理影院| 久久午夜综合久久蜜桃| 久久精品aⅴ一区二区三区四区 | 高清黄色对白视频在线免费看| 国产片特级美女逼逼视频| 国产免费视频播放在线视频| 久久久久国产网址| 一本—道久久a久久精品蜜桃钙片| 日日啪夜夜爽| 观看av在线不卡| 欧美亚洲日本最大视频资源| 美女主播在线视频| 中文字幕免费在线视频6| 人人妻人人澡人人看| av黄色大香蕉| 亚洲精品色激情综合| h视频一区二区三区| 搡老乐熟女国产| 捣出白浆h1v1| 大片免费播放器 马上看| 中文字幕人妻丝袜制服| 国产老妇伦熟女老妇高清| 免费观看在线日韩| 9热在线视频观看99| 亚洲av国产av综合av卡| 另类精品久久| 亚洲欧洲国产日韩| 久久久久久久国产电影| 美女国产视频在线观看| 国产xxxxx性猛交| 久久ye,这里只有精品| 亚洲在久久综合| 好男人视频免费观看在线| 丝袜人妻中文字幕| 在线观看人妻少妇| 天美传媒精品一区二区| 国产女主播在线喷水免费视频网站| 中文字幕制服av| 国产精品人妻久久久影院| 捣出白浆h1v1| 国产精品99久久99久久久不卡 | 国产精品成人在线| 又黄又爽又刺激的免费视频.| 黑人欧美特级aaaaaa片| 久久人妻熟女aⅴ| 国产成人欧美| 国产激情久久老熟女| 国产免费现黄频在线看| 久久精品夜色国产| 色吧在线观看| 亚洲在久久综合| 曰老女人黄片| 极品人妻少妇av视频| 欧美老熟妇乱子伦牲交| 中文字幕精品免费在线观看视频 | 国产色爽女视频免费观看| 黄色怎么调成土黄色| 国产免费一级a男人的天堂| 熟妇人妻不卡中文字幕| 成人影院久久| 日本-黄色视频高清免费观看| 亚洲成人一二三区av| 大码成人一级视频| 女性生殖器流出的白浆| 国产乱来视频区| 精品午夜福利在线看| av有码第一页| 人妻系列 视频| 在线观看三级黄色| videosex国产| 激情视频va一区二区三区| 爱豆传媒免费全集在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 侵犯人妻中文字幕一二三四区| 亚洲伊人久久精品综合| 99re6热这里在线精品视频| 下体分泌物呈黄色| 国产精品秋霞免费鲁丝片| 免费在线观看完整版高清| 热99国产精品久久久久久7| 日韩精品有码人妻一区| 熟女av电影| 99久国产av精品国产电影| 免费播放大片免费观看视频在线观看| 久久久欧美国产精品| 大香蕉97超碰在线| 99热国产这里只有精品6| 国产午夜精品一二区理论片| 我要看黄色一级片免费的| 日韩伦理黄色片| 熟女av电影| 美女国产高潮福利片在线看| www.色视频.com| 国产在线视频一区二区| 97精品久久久久久久久久精品| 日韩大片免费观看网站| 欧美日本中文国产一区发布| 少妇 在线观看| 亚洲一级一片aⅴ在线观看| 久久久久精品人妻al黑|