• <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 ?

    空間序列低秩稀疏子空間聚類算法

    2020-09-26 09:51:44由從哲舒振球范洪輝
    江蘇理工學院學報 2020年4期
    關(guān)鍵詞:稀疏表示

    由從哲 舒振球 范洪輝

    摘? ? 要:研究序列數(shù)據(jù)的子空間聚類問題,具體來說,給定從一組序列子空間中提取的數(shù)據(jù),任務(wù)是將這些數(shù)據(jù)劃分為不同的不相交組?;诒硎镜淖涌臻g聚類算法,如SSC和LRR算法,很好地解決了高維數(shù)據(jù)的聚類問題,但是,這類算法是針對一般數(shù)據(jù)集進行開發(fā)的,并沒有考慮序列數(shù)據(jù)的特性,即相鄰幀序列的樣本具有一定的相似性。針對這一問題,提出了一種新的低秩稀疏空間子空間聚類方法(Low Rank and Sparse Spatial Subspace Clustering for Sequential Data,LRS3C)。該算法尋找序列數(shù)據(jù)矩陣的稀疏低秩表示,并根據(jù)序列數(shù)據(jù)的特性,在目標函數(shù)中引入一個懲罰項來加強近鄰數(shù)據(jù)樣本的相似性。提出的LRS3C算法充分利用空間序列數(shù)據(jù)的時空信息,提高了聚類的準確率。在人工數(shù)據(jù)集、視頻序列數(shù)據(jù)集和人臉圖像數(shù)據(jù)集上的實驗表明:提出的方法LRS3C與傳統(tǒng)子空間聚類算法相比具有較好的性能。

    關(guān)鍵詞:低秩表示;稀疏表示;子空間聚類;序列數(shù)據(jù)

    中圖分類號:TP391.4? ? ? ? ? ? ? 文獻標識碼:A? ? ? ? ? ? ? 文獻標識碼:2095-7394(2020)04-0078-08

    序列數(shù)據(jù)特別是視頻數(shù)據(jù)往往具有高維屬性,利用傳統(tǒng)聚類算法進行分析處理時,往往會遇到“維數(shù)災(zāi)難”的問題,于是研究人員提出了一系列基于表示的子空間聚類算法,如稀疏表示子空間聚類算法(SSC)和低秩表示算法(LRR),較好地解決了高維數(shù)據(jù)聚類的問題,從而得到了廣泛的關(guān)注,并在眾多領(lǐng)域得到成功的應(yīng)用。但是,這類算法是針對一般數(shù)據(jù)集設(shè)計開發(fā)的,在許多實際場景中,數(shù)據(jù)通常具有順序或有序的屬性,例如視頻、動畫或其他類型的時間序列數(shù)據(jù)。然而,傳統(tǒng)的方法假設(shè)數(shù)據(jù)點獨立于多個子空間,而忽略了時間序列數(shù)據(jù)中的連續(xù)關(guān)系。如何充分利用空間序列數(shù)據(jù)這一特性提高聚類性能,是計算機視覺領(lǐng)域中一個重要但又具有挑戰(zhàn)性的問題。假設(shè)這類數(shù)據(jù)在時間或空間的特定點以均勻的間隔采樣,也就是時間序列數(shù)據(jù)。例如,作為時間函數(shù)的視頻數(shù)據(jù)具有序列結(jié)構(gòu)[1],在該結(jié)構(gòu)中,可以假設(shè)大多數(shù)幀與其相鄰幀相似,直到場景發(fā)生變化。

    子空間聚類是解決高維數(shù)據(jù)聚類的有效方法之一,其基本假設(shè)是高維數(shù)據(jù)往往存在于低維子空間的并集中[2]。近年來,利用稀疏表示或低秩表示進行子空間聚類的研究受到廣泛關(guān)注,并提出了一系列與之相關(guān)的新的子空間聚類算法,如稀疏子空間聚類(SSC)[3-4]、低秩表示(LRR)[2,5]及其變體LRSC[6]。這些算法的基本假設(shè)是:數(shù)據(jù)是自表達的,即其子空間中的每個數(shù)據(jù)點可以表示為來自同一子空間的數(shù)據(jù)點的線性組合。其中,基于表示矩陣核范數(shù)和L1范數(shù)最小化的LRR和SSC算法最受關(guān)注。這些算法主要是針對不連續(xù)的獨立數(shù)據(jù)進行設(shè)計開發(fā)的,并沒有特別考慮到處理時間序列數(shù)據(jù)的特殊性。此外,在時間序列數(shù)據(jù)的子空間聚類問題上,研究人員所做的工作并不是特別充分。

    本文通過有效利用數(shù)據(jù)序列的性質(zhì),提出了一種低秩稀疏空間子空間聚類方法(LRS3C)。具體地說,是在子空間聚類算法模型中加入了一個懲罰項來加強近鄰數(shù)據(jù)的相似性。采用交替方向乘子法(ADMM)[7]求解優(yōu)化問題。為了驗證提出的LRS3C方法的有效性,將其應(yīng)用于視頻場景分割和人臉聚類的實際問題中。實驗結(jié)果表明,該方法具有良好的性能。

    1? ?相關(guān)工作

    目前,大多數(shù)子空間聚類算法沒有充分考慮時間序列數(shù)據(jù)的序列性,也就是說,數(shù)據(jù)樣本要么是空間域中的鄰居,要么是時間域中的鄰居。視頻是時間序列數(shù)據(jù)的一個常見例子,每個幀可以被矢量化為單個列[Xi],并與相鄰幀并排放置以形成數(shù)據(jù)矩陣[X]。這種順序應(yīng)反映在矩陣表示系數(shù)[Z]中,使得相鄰域具有相似性,即[Zi=Zi+1]。在文獻[8]中,Guo和Gao等人提出了空間子空間聚類(SpatSC)算法,其目標函數(shù)定義如下:

    2? ?空間序列低秩稀疏子空間聚類算法

    盡管SpatSC和OSC兩種方法都是稀疏子空間聚類算法(SSC)的擴展,在序列數(shù)據(jù)方面取得了良好的效果,但仍有一些問題有待解決。SSC算法簡化了學習任務(wù),降低了模型復雜度,但是,SSC算法得到的系數(shù)矩陣Z往往過于稀疏,無法保證所構(gòu)造的親和圖的連通性,這對后續(xù)譜聚類的處理有很大影響[10]。低秩表示(LRR)在捕獲數(shù)據(jù)的全局結(jié)構(gòu)方面要優(yōu)于SSC,但是,LRR算法要求數(shù)據(jù)嚴格符合子空間獨立的假設(shè),這在實際應(yīng)用中很難得到滿足。因此,將這兩種算法結(jié)合起來,從而為序列數(shù)據(jù)帶來更好的聚類效果,特別是要恢復的底層表示矩陣同時是低秩和稀疏的情況。

    在解決上述優(yōu)化問題后,得到數(shù)據(jù)矩陣的低秩稀疏表示系數(shù)矩陣[Z]。下一步是使用表示系數(shù)矩陣構(gòu)造親和圖,利用譜聚類算法對親和圖進行分割,得到最終聚類結(jié)果。本文建立一個加權(quán)圖[Graph=ν,ε,W],其中[W=Z+ZT],然后將譜聚類[13]應(yīng)用于親和圖,得到最終的聚類結(jié)果。

    3? ? 實驗

    在本節(jié)中,將評估LRS3C算法在三個數(shù)據(jù)集上的性能。首先,在一個合成數(shù)據(jù)集上對其進行測試;然后,在兩個真實數(shù)據(jù)集上對其在視頻場景分割和人臉聚類兩個計算機視覺常見任務(wù)上的性能進行評估。

    使用子空間聚類誤差,

    作為聚類算法性能的評價指標。

    此外,還評估了所提出的LRS3C算法在加入額外噪聲時的穩(wěn)健性。在本文中,加入了均值和單位方差為零的高斯噪聲,給出了該算法在不同噪聲強度下的性能。使用峰值信噪比(PSNR)衡量噪聲水平,其定義為:

    其中,[I]是無噪聲數(shù)據(jù),[K]是有噪聲近似值,[S]是[I]中的元素的最大可能值。PSNR值的降低表明噪聲量的增加。由于式(17)的分母在無噪聲情況下為0,將PSNR標記為“Max”。實驗中給出的PSNR值為平均值。

    3.1? 人工數(shù)據(jù)集實驗

    本文創(chuàng)建了六個兩兩不相交的子空間,每個子空間的維數(shù)為4,并從每個子空間中抽取20個樣本(樣本維數(shù)為200)組成人工數(shù)據(jù)集。利用高斯噪聲對數(shù)據(jù)集進行破壞,并評估LRS3C算法和對比算法OSC、SpatSC、LRR和SSC的聚類性能。每組實驗重復了50次。

    圖1中給出了五個算法得到的表示系數(shù)矩陣Z的可視化比較,并在圖2中給出了這些親合矩陣的聚類精度的結(jié)果。實驗中,加入了20%量級的高斯噪聲,可以看到,所提出的LRS3C算法提供了更多的塊狀表示系數(shù)矩陣,這意味著它比其他方法包含更強的類內(nèi)權(quán)值和更多的類內(nèi)權(quán)值??梢暬垲惤Y(jié)果也表明了LRS3C在實驗中得到了最佳分割。另外兩種矩陣算法OSC和SpatSC算法對序列數(shù)據(jù)也都得到了很好的分割,但是LRR和SSC算法則存在誤分類的問題。

    3.2? ?視頻場景分割

    評估LRS3C算法在視頻場景分割方面的性能,其目的是從視頻序列中分割單個場景。測試視頻序列是從兩個短動畫中提取出來的。圖3提供了要分割的序列的示例。序列的長度約為10秒(約300幀),每個序列由三個場景組成。視頻1和視頻2分別包括19和24個序列。要分割的場景可以包含對象的意義或變形,以及透視或相機視角的變換。人工采集場景變化(或關(guān)鍵幀)形成真實數(shù)據(jù)。

    為了滿足測試要求,將彩色視頻轉(zhuǎn)換成灰度視頻序列,采樣分辨率為129×96。序列中的每一幀被矢量化為[Xi∈R12 384],并與連續(xù)幀連接形成數(shù)據(jù)矩陣[X∈R12 384×300]。

    在視頻序列被不同程度的高斯噪聲污染的條件下,評估了各算法的聚類性能,表1提供了聚類結(jié)果。從表中可以清楚地看出,在大多數(shù)情況下,LRS3C優(yōu)于其他方法。當噪聲增大時,與其它方法相比,LRS3C算法的誤差率始終較低。這表明該方法具有較好的魯棒性。

    3.3? 人臉聚類

    評估LRS3C在人臉圖像聚類中的性能,其目的是從一組人臉圖像中分割或聚類到不同的個體。雖然人臉聚類問題并不完全符合我們對序列數(shù)據(jù)的假設(shè)。但是,可以使用人臉圖像的空間信息,因為每個數(shù)據(jù)向量的鄰居可能屬于同一類。從擴展的YaleB數(shù)據(jù)集[14]中提取數(shù)據(jù),該數(shù)據(jù)集由38名受試者在不同光照下的大約64張照片組成。圖4提供了數(shù)據(jù)集的圖像樣本示例。對于每次實驗,從數(shù)據(jù)集中隨機選擇3名受試者,并在每個受試者中隨機排列圖像的序列。在實驗中,將圖像重新采樣到[42×48]形成數(shù)據(jù)向量[Xi∈R2 016]并連接在一起,以確保受試者不會混合。

    在不同的高斯噪聲水平下重復了50次實驗。各算法聚類結(jié)果如表2所示。

    從表2可以看出,在大多數(shù)情況下,LRS3C優(yōu)于其他方法。隨著噪聲強度的增加,算法的精度不斷下降。與其他方法相比,LRS3C方法更穩(wěn)定,表現(xiàn)更可預(yù)測,尤其是在噪聲較大的情況下。這證明本研究提出的算法在實際應(yīng)用中更有效。

    4? ? 結(jié)論

    為了有效地解決序列數(shù)據(jù)的聚類問題,本文提出了利用給定數(shù)據(jù)的低秩表示和稀疏表示的LRS3C方法。該方法根據(jù)序列數(shù)據(jù)的連續(xù)性特點,利用稀疏表示和低秩表示,進行子空間聚類。在人工數(shù)據(jù)集和實際數(shù)據(jù)集上的實驗結(jié)果表明,與幾種最新的子空間聚類方法相比,本文提出的方法是有效的。

    參考文獻:

    [1] VIDAL Rene, MA Yi, SASTRY Shankar. Generalized principal component analysis (GPCA)[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2005, 27(12):15.

    [2] LIU Guangcan, LIN Zhouchen, YU Yong. Robust subspace segmentation by low-rank representation[C]//ACM.The 27th International Conference on Machine Learning, June 21-24, 2010, Haifa, Israel: 663-670.

    [3] ELHANIFAR Ehan, VIDAL Rene. Sparse subspace clustering[C]//IEEE.2009 IEEE Conference on Computer Vision and Pattern Recognition, June 20-25, 2009, Miami, FL, USA: 2790-2797.

    [4] ELHANIFAR Ehsan, VIDAL Rene. Sparse Subspace Clustering: Algorithm, Theory, and Applications[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(11):2765-2781.

    [5] LIU Guangcan, LIN Zhouchen, YAN Shuicheng. Robust Recovery of Subspace Structures by Low-Rank Representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(1): 171-184.

    [6] FAVARO Paolo, VIDL Rene, RAVICHANDRAN Avinash, et al. A closed form solution to robust subspace estimation and clustering[C]//IEEE. 2011 IEEE Conference on Computer Vision and Pattern Recognition, June 20-25, 2011, Providence, RI, USA:1801-1807.

    [7] BOYD Stephen, PARIKH Neal, CHU Eric, et al. Distributed Optimization and Statistical Learning via the Alternating Direction Method of Multipliers[J]. Foundations & Trends in Machine Learning, 2010, 3(1):1-126.

    [8] GUO Yi, GAO Junbin, LI Feng, et al. Spatial subspace clustering for hyperspectral data segmentation[C]//IEEE.2013 International Conference on Digital Information Processing and Communications, January 30-February 1, 2013, Dubai, UAE: 180-190.

    [9] TIERNEY Stephen, GAO Junbin, GUO Yi, et al. Subspace Clustering for Sequential Data[C]//IEEE.2014 IEEE Conference on Computer Vision and Pattern Recognition, June 23-28, Columbus, OH, USA:1019-1026.

    [10] WANG Yuxiang, XU Huan, LENG Chenlei. Provable Subspace Clustering: When LRR meets SSC[J].IEEE Transactions on Information Theory, 2019, 65(9):5406-5432.

    [11] FRANCIS Bach, RODOLPHE Jenatton, JULIEN Mairal, et al. Convex optimization with sparsity-inducing norms[J]. In Optimization for Machine Learning, 2011:19-49.

    [12] LIU Jun, YE Jieping. Efficient L1/Lq Norm Regularization[J]. Computer Science, 2010 ,arXiv:1009.4766.

    [13] SHI Jianbo, MALIK Jitendra. Normalized cuts and image segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(8): 888-905.

    [14] GEORGHIADES Athinodoros S, BELHUMEUR Peter N, KRIEGMAN David J. From few to many: illumination cone models for face recognition under variable lighting and pose[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2002, 23(6):643-660.

    責任編輯? ? 祁秀春

    猜你喜歡
    稀疏表示
    耦合了聚類中心約束項的稀疏表示圖像去噪
    CSRimpute算法填補效果的正則化參數(shù)靈敏度分析
    Grouplet變換原理及技術(shù)綜述
    基于稀疏表示的圖像去噪和超分辨率重建
    基于字典學習和結(jié)構(gòu)聚類的圖像去噪算法研究
    分塊子空間追蹤算法
    基于稀疏表示的人臉識別方法研究
    基于稀疏表示的人臉表情識別系統(tǒng)研究
    基于壓縮感知的圖像融合方法
    一種改進的稀疏表示人臉算法
    99热全是精品| videossex国产| 久久精品久久久久久噜噜老黄| 天天影视国产精品| 啦啦啦在线免费观看视频4| 91国产中文字幕| 亚洲第一青青草原| 欧美国产精品va在线观看不卡| 亚洲精品乱久久久久久| 日韩在线高清观看一区二区三区| 黄色视频在线播放观看不卡| 少妇的丰满在线观看| 色网站视频免费| 免费黄网站久久成人精品| xxxhd国产人妻xxx| 欧美日韩一区二区视频在线观看视频在线| videos熟女内射| 男人爽女人下面视频在线观看| 欧美另类一区| 丝袜人妻中文字幕| 日韩精品免费视频一区二区三区| 精品少妇黑人巨大在线播放| 男人爽女人下面视频在线观看| 国产亚洲午夜精品一区二区久久| av在线观看视频网站免费| 免费看不卡的av| 韩国av在线不卡| 国产高清国产精品国产三级| 亚洲精品日韩在线中文字幕| 深夜精品福利| 在线亚洲精品国产二区图片欧美| 日韩 亚洲 欧美在线| 久久影院123| 寂寞人妻少妇视频99o| 丝袜喷水一区| 国产精品一二三区在线看| 啦啦啦中文免费视频观看日本| 美女国产视频在线观看| 国产成人精品久久久久久| 一区福利在线观看| 一级黄片播放器| 色视频在线一区二区三区| 欧美精品人与动牲交sv欧美| 80岁老熟妇乱子伦牲交| 天堂俺去俺来也www色官网| 久久 成人 亚洲| 欧美日韩一级在线毛片| 91午夜精品亚洲一区二区三区| 久久这里有精品视频免费| 婷婷色av中文字幕| av在线播放精品| 国产97色在线日韩免费| 国产男女超爽视频在线观看| 亚洲国产毛片av蜜桃av| 精品少妇一区二区三区视频日本电影 | 国产精品不卡视频一区二区| 中文字幕精品免费在线观看视频| 看非洲黑人一级黄片| 成人亚洲精品一区在线观看| 成年av动漫网址| 婷婷色综合www| 制服人妻中文乱码| 欧美人与性动交α欧美精品济南到 | 一级毛片我不卡| 国产熟女午夜一区二区三区| 尾随美女入室| 亚洲av综合色区一区| 精品少妇久久久久久888优播| 亚洲av成人精品一二三区| 美女脱内裤让男人舔精品视频| 成年女人在线观看亚洲视频| 韩国av在线不卡| 又粗又硬又长又爽又黄的视频| 伊人亚洲综合成人网| 午夜福利,免费看| 国产色婷婷99| 777久久人妻少妇嫩草av网站| 天堂8中文在线网| 在线观看三级黄色| 日本黄色日本黄色录像| 最近的中文字幕免费完整| 亚洲伊人久久精品综合| 国产免费现黄频在线看| 三上悠亚av全集在线观看| 不卡av一区二区三区| 中文字幕最新亚洲高清| 90打野战视频偷拍视频| 日韩电影二区| 激情五月婷婷亚洲| 夫妻午夜视频| 国产乱来视频区| 亚洲国产精品一区三区| 精品国产一区二区久久| 丝袜人妻中文字幕| av有码第一页| 精品人妻在线不人妻| 女人被躁到高潮嗷嗷叫费观| 亚洲成国产人片在线观看| 男女免费视频国产| 赤兔流量卡办理| 国产亚洲精品第一综合不卡| 久久国内精品自在自线图片| 日韩av免费高清视频| 国产女主播在线喷水免费视频网站| 亚洲精品美女久久av网站| 欧美av亚洲av综合av国产av | 丰满少妇做爰视频| 精品久久久精品久久久| 久久久久视频综合| 国产高清不卡午夜福利| 999久久久国产精品视频| 王馨瑶露胸无遮挡在线观看| 精品一区在线观看国产| 亚洲人成电影观看| 国产有黄有色有爽视频| 亚洲国产精品999| 精品人妻在线不人妻| 少妇 在线观看| 黄片播放在线免费| av片东京热男人的天堂| 一级,二级,三级黄色视频| 女人久久www免费人成看片| 久久这里有精品视频免费| 婷婷色av中文字幕| 中文乱码字字幕精品一区二区三区| 欧美国产精品一级二级三级| 如日韩欧美国产精品一区二区三区| 老司机影院毛片| 精品亚洲成a人片在线观看| 国产精品国产三级国产专区5o| av国产久精品久网站免费入址| 亚洲国产av影院在线观看| 免费大片黄手机在线观看| 亚洲精品国产av蜜桃| a级毛片黄视频| 天堂8中文在线网| 少妇的丰满在线观看| 午夜福利在线观看免费完整高清在| 国产在线视频一区二区| 亚洲精品中文字幕在线视频| 久久久久网色| av在线播放精品| 色哟哟·www| 一区二区av电影网| 亚洲激情五月婷婷啪啪| 黑丝袜美女国产一区| 亚洲精华国产精华液的使用体验| 老女人水多毛片| 日本欧美国产在线视频| 91在线精品国自产拍蜜月| www.精华液| 国产精品人妻久久久影院| 亚洲精品久久久久久婷婷小说| 国产福利在线免费观看视频| 叶爱在线成人免费视频播放| 伦精品一区二区三区| 久久精品aⅴ一区二区三区四区 | 男人舔女人的私密视频| 我要看黄色一级片免费的| 欧美中文综合在线视频| 性少妇av在线| 女人精品久久久久毛片| 亚洲伊人久久精品综合| 又大又黄又爽视频免费| 午夜av观看不卡| 午夜av观看不卡| 日韩人妻精品一区2区三区| 伊人亚洲综合成人网| 最近最新中文字幕大全免费视频 | 观看美女的网站| 国产精品三级大全| 日韩制服骚丝袜av| 精品一区二区免费观看| 人人妻人人澡人人看| 制服诱惑二区| 日产精品乱码卡一卡2卡三| 99精国产麻豆久久婷婷| 色94色欧美一区二区| 亚洲精品美女久久久久99蜜臀 | 亚洲色图 男人天堂 中文字幕| 亚洲精品,欧美精品| 欧美精品人与动牲交sv欧美| 日本黄色日本黄色录像| 亚洲人成网站在线观看播放| 亚洲国产精品999| 国产日韩欧美亚洲二区| 99热全是精品| 侵犯人妻中文字幕一二三四区| 大片免费播放器 马上看| 亚洲国产精品一区三区| 制服人妻中文乱码| 成人18禁高潮啪啪吃奶动态图| 免费观看无遮挡的男女| 久久午夜综合久久蜜桃| 国产精品秋霞免费鲁丝片| 日韩伦理黄色片| 午夜av观看不卡| 只有这里有精品99| 成人毛片a级毛片在线播放| 女人久久www免费人成看片| 久久久久久久久久久免费av| 十八禁网站网址无遮挡| 另类亚洲欧美激情| 少妇的逼水好多| 日韩精品免费视频一区二区三区| 亚洲第一av免费看| 香蕉精品网在线| 三级国产精品片| 国产欧美日韩一区二区三区在线| 国产一级毛片在线| tube8黄色片| 国产有黄有色有爽视频| 超色免费av| 日本色播在线视频| 国产97色在线日韩免费| 熟女少妇亚洲综合色aaa.| 久久久久久久久免费视频了| 精品少妇久久久久久888优播| 好男人视频免费观看在线| 亚洲精品日本国产第一区| 亚洲国产欧美日韩在线播放| www.自偷自拍.com| 欧美精品高潮呻吟av久久| 熟女av电影| 精品国产一区二区三区久久久樱花| 国产精品国产三级专区第一集| 亚洲欧美成人综合另类久久久| 国产精品亚洲av一区麻豆 | 国产精品秋霞免费鲁丝片| 日韩不卡一区二区三区视频在线| 国产精品三级大全| 青春草亚洲视频在线观看| 亚洲国产最新在线播放| 一级黄片播放器| 免费黄频网站在线观看国产| 九草在线视频观看| 男女下面插进去视频免费观看| 亚洲天堂av无毛| 亚洲综合色网址| 毛片一级片免费看久久久久| 国产精品国产三级国产专区5o| 日本91视频免费播放| 免费在线观看完整版高清| 看十八女毛片水多多多| 亚洲经典国产精华液单| 婷婷色麻豆天堂久久| 国产黄频视频在线观看| 桃花免费在线播放| 男女边吃奶边做爰视频| 校园人妻丝袜中文字幕| 美国免费a级毛片| 精品国产超薄肉色丝袜足j| 亚洲欧美色中文字幕在线| 99re6热这里在线精品视频| 色94色欧美一区二区| 日韩av不卡免费在线播放| 国产成人免费观看mmmm| 亚洲精品久久午夜乱码| 日日摸夜夜添夜夜爱| 中文字幕av电影在线播放| 9191精品国产免费久久| 亚洲婷婷狠狠爱综合网| 三级国产精品片| 精品一品国产午夜福利视频| 性高湖久久久久久久久免费观看| 久久免费观看电影| 可以免费在线观看a视频的电影网站 | 国产 精品1| 久久久久久久大尺度免费视频| 赤兔流量卡办理| 熟女电影av网| 日韩中字成人| 搡老乐熟女国产| 午夜福利影视在线免费观看| 97人妻天天添夜夜摸| 免费黄网站久久成人精品| 两个人免费观看高清视频| 欧美日韩一区二区视频在线观看视频在线| 久久精品亚洲av国产电影网| 美女国产视频在线观看| 午夜免费鲁丝| 亚洲精品成人av观看孕妇| 在线观看一区二区三区激情| 成年人免费黄色播放视频| 久久久亚洲精品成人影院| 国产精品久久久久久久久免| 中文字幕亚洲精品专区| 一区福利在线观看| 亚洲av电影在线进入| 久久精品亚洲av国产电影网| 国产精品人妻久久久影院| 欧美日韩国产mv在线观看视频| 女人被躁到高潮嗷嗷叫费观| 熟女av电影| 精品人妻偷拍中文字幕| 青春草亚洲视频在线观看| 免费看av在线观看网站| 久久国产精品男人的天堂亚洲| 久久久久精品人妻al黑| 婷婷色麻豆天堂久久| 卡戴珊不雅视频在线播放| 国产精品久久久久久精品古装| 青春草视频在线免费观看| 国产精品av久久久久免费| 最新中文字幕久久久久| 国产精品 欧美亚洲| 精品久久久精品久久久| 久久久久久久国产电影| 亚洲久久久国产精品| 最近中文字幕2019免费版| 青春草视频在线免费观看| xxx大片免费视频| 久久精品aⅴ一区二区三区四区 | 亚洲色图 男人天堂 中文字幕| 日本午夜av视频| 日韩不卡一区二区三区视频在线| 国产一区二区 视频在线| 亚洲国产色片| 精品一区二区三卡| 国产精品一国产av| 亚洲欧洲日产国产| 久久国内精品自在自线图片| 精品亚洲乱码少妇综合久久| 久久精品人人爽人人爽视色| 又大又黄又爽视频免费| 久久 成人 亚洲| 纯流量卡能插随身wifi吗| 国产精品二区激情视频| 制服丝袜香蕉在线| 七月丁香在线播放| 人妻人人澡人人爽人人| 国产深夜福利视频在线观看| 国产白丝娇喘喷水9色精品| 69精品国产乱码久久久| 国产视频首页在线观看| www日本在线高清视频| 国产日韩欧美在线精品| 免费观看在线日韩| av片东京热男人的天堂| videossex国产| 亚洲少妇的诱惑av| 精品国产露脸久久av麻豆| 亚洲国产av影院在线观看| 国产免费视频播放在线视频| 亚洲欧美精品综合一区二区三区 | 18禁国产床啪视频网站| 天天操日日干夜夜撸| 亚洲精品国产一区二区精华液| 欧美精品亚洲一区二区| 秋霞伦理黄片| 男的添女的下面高潮视频| av片东京热男人的天堂| 大片免费播放器 马上看| 老汉色∧v一级毛片| 18禁国产床啪视频网站| 日韩一本色道免费dvd| 国产亚洲午夜精品一区二区久久| 老司机影院成人| 久久国产精品男人的天堂亚洲| 中文字幕另类日韩欧美亚洲嫩草| 成人国产麻豆网| 午夜福利视频精品| 91成人精品电影| 制服丝袜香蕉在线| 十分钟在线观看高清视频www| 王馨瑶露胸无遮挡在线观看| 一边摸一边做爽爽视频免费| 免费看不卡的av| 成人手机av| 一区二区三区四区激情视频| 亚洲图色成人| 精品少妇黑人巨大在线播放| 大香蕉久久成人网| 天堂8中文在线网| 美国免费a级毛片| 国产精品蜜桃在线观看| 日韩精品免费视频一区二区三区| 岛国毛片在线播放| 国产成人91sexporn| 丰满少妇做爰视频| 国产免费又黄又爽又色| 大话2 男鬼变身卡| 18禁裸乳无遮挡动漫免费视频| 午夜91福利影院| 国产免费又黄又爽又色| 亚洲精品日韩在线中文字幕| 制服人妻中文乱码| 蜜桃国产av成人99| 色94色欧美一区二区| 国产国语露脸激情在线看| 久久午夜综合久久蜜桃| 亚洲精品在线美女| 看免费成人av毛片| 26uuu在线亚洲综合色| 精品少妇内射三级| 欧美成人精品欧美一级黄| 在线天堂中文资源库| 香蕉国产在线看| 国产成人免费无遮挡视频| 国产一级毛片在线| 五月开心婷婷网| 欧美bdsm另类| 午夜91福利影院| 国产精品麻豆人妻色哟哟久久| 99国产综合亚洲精品| 色哟哟·www| 一边摸一边做爽爽视频免费| 老汉色av国产亚洲站长工具| 免费播放大片免费观看视频在线观看| 一级毛片我不卡| 久久毛片免费看一区二区三区| 汤姆久久久久久久影院中文字幕| 天堂8中文在线网| 国产亚洲一区二区精品| 黄片小视频在线播放| 亚洲精品日韩在线中文字幕| 免费久久久久久久精品成人欧美视频| 日日摸夜夜添夜夜爱| 女的被弄到高潮叫床怎么办| 精品人妻熟女毛片av久久网站| 观看av在线不卡| 午夜福利影视在线免费观看| 久久亚洲国产成人精品v| 香蕉国产在线看| 又黄又粗又硬又大视频| 久久亚洲国产成人精品v| 大片电影免费在线观看免费| 亚洲国产精品成人久久小说| 久热这里只有精品99| 最新的欧美精品一区二区| 久久人人爽av亚洲精品天堂| 成年av动漫网址| 叶爱在线成人免费视频播放| 国产精品三级大全| 久久久久国产精品人妻一区二区| 午夜免费观看性视频| 哪个播放器可以免费观看大片| 亚洲成人手机| 天天影视国产精品| 丝袜人妻中文字幕| 91精品国产国语对白视频| 在线观看一区二区三区激情| 超色免费av| 大片免费播放器 马上看| 日韩欧美一区视频在线观看| 亚洲色图 男人天堂 中文字幕| 一区二区三区乱码不卡18| 国产淫语在线视频| 日本午夜av视频| www日本在线高清视频| 人妻一区二区av| 一级毛片 在线播放| 一级黄片播放器| 欧美激情极品国产一区二区三区| 侵犯人妻中文字幕一二三四区| 亚洲图色成人| 人成视频在线观看免费观看| 亚洲色图综合在线观看| 男女无遮挡免费网站观看| 国产欧美日韩综合在线一区二区| 欧美人与性动交α欧美软件| 人人妻人人爽人人添夜夜欢视频| 亚洲成国产人片在线观看| 美女视频免费永久观看网站| 边亲边吃奶的免费视频| 99久久综合免费| 精品视频人人做人人爽| 99香蕉大伊视频| 亚洲国产精品成人久久小说| 看十八女毛片水多多多| 精品一区在线观看国产| 亚洲伊人色综图| 国产精品偷伦视频观看了| 色婷婷久久久亚洲欧美| 亚洲精品美女久久久久99蜜臀 | 久久久久久人妻| 婷婷色麻豆天堂久久| 国产精品久久久久成人av| 十八禁网站网址无遮挡| 男女边吃奶边做爰视频| 男女午夜视频在线观看| 如日韩欧美国产精品一区二区三区| 成年人午夜在线观看视频| 人人妻人人爽人人添夜夜欢视频| 精品久久久久久电影网| 免费看av在线观看网站| 亚洲国产精品一区二区三区在线| 亚洲 欧美一区二区三区| 久久婷婷青草| 色婷婷av一区二区三区视频| 国产亚洲一区二区精品| 制服丝袜香蕉在线| 毛片一级片免费看久久久久| 久久久欧美国产精品| 自拍欧美九色日韩亚洲蝌蚪91| 女人被躁到高潮嗷嗷叫费观| 老鸭窝网址在线观看| 国产在视频线精品| 欧美人与善性xxx| 亚洲一级一片aⅴ在线观看| 亚洲精品中文字幕在线视频| 永久免费av网站大全| 亚洲精品国产av成人精品| 91精品三级在线观看| 在线观看三级黄色| 老汉色∧v一级毛片| 亚洲精品日韩在线中文字幕| 超碰成人久久| 90打野战视频偷拍视频| 天堂8中文在线网| 成年女人在线观看亚洲视频| 菩萨蛮人人尽说江南好唐韦庄| 人妻系列 视频| 成人毛片a级毛片在线播放| 欧美日韩国产mv在线观看视频| 久久av网站| 亚洲内射少妇av| 丝瓜视频免费看黄片| 亚洲av国产av综合av卡| 一本久久精品| 80岁老熟妇乱子伦牲交| 少妇的丰满在线观看| 欧美成人精品欧美一级黄| 成人毛片60女人毛片免费| 亚洲成人手机| 另类亚洲欧美激情| av网站在线播放免费| 97在线人人人人妻| 午夜av观看不卡| 国产日韩欧美视频二区| 纵有疾风起免费观看全集完整版| 啦啦啦在线免费观看视频4| 欧美黄色片欧美黄色片| 国产激情久久老熟女| 国产野战对白在线观看| 国产精品成人在线| 国产黄色视频一区二区在线观看| 亚洲中文av在线| 欧美日韩亚洲国产一区二区在线观看 | 国产精品一国产av| 久久久久国产精品人妻一区二区| 国产极品粉嫩免费观看在线| 777久久人妻少妇嫩草av网站| 精品国产一区二区三区久久久樱花| 日日摸夜夜添夜夜爱| 99国产精品免费福利视频| 青春草亚洲视频在线观看| 亚洲人成网站在线观看播放| 国产精品免费大片| 久久国产精品男人的天堂亚洲| 99热网站在线观看| 黑人巨大精品欧美一区二区蜜桃| av福利片在线| 亚洲国产欧美日韩在线播放| 青草久久国产| 麻豆精品久久久久久蜜桃| 久久久久久久久久久久大奶| 人妻少妇偷人精品九色| 天堂中文最新版在线下载| 婷婷色综合www| 中文字幕人妻丝袜制服| 99久久精品国产国产毛片| 香蕉丝袜av| 一级毛片我不卡| 久久国产精品大桥未久av| 最近中文字幕高清免费大全6| 亚洲成av片中文字幕在线观看 | 成年人午夜在线观看视频| 中文字幕另类日韩欧美亚洲嫩草| 毛片一级片免费看久久久久| videosex国产| 丝袜美足系列| 欧美最新免费一区二区三区| 大片免费播放器 马上看| 国产成人精品在线电影| 国产免费一区二区三区四区乱码| 精品酒店卫生间| 国产成人免费无遮挡视频| 精品酒店卫生间| 一二三四中文在线观看免费高清| 精品酒店卫生间| 卡戴珊不雅视频在线播放| 不卡视频在线观看欧美| 色视频在线一区二区三区| 老汉色av国产亚洲站长工具| 免费观看无遮挡的男女| 性高湖久久久久久久久免费观看| 人人妻人人添人人爽欧美一区卜| 伦精品一区二区三区| 日本爱情动作片www.在线观看| 91精品三级在线观看| 久久青草综合色| 成人亚洲精品一区在线观看| 久久精品国产综合久久久| 成人亚洲欧美一区二区av| 亚洲精品国产av成人精品| 国产成人精品久久二区二区91 | 自拍欧美九色日韩亚洲蝌蚪91| 精品国产一区二区三区四区第35| 国产精品三级大全| 亚洲国产精品999| 免费观看无遮挡的男女| 成人免费观看视频高清| 亚洲国产最新在线播放| 亚洲欧美一区二区三区黑人 | 中文字幕人妻丝袜制服| 精品久久久精品久久久| 国产成人精品久久久久久| 亚洲欧美中文字幕日韩二区| 亚洲精品自拍成人| 妹子高潮喷水视频| 日韩精品有码人妻一区| 亚洲av在线观看美女高潮| 精品久久蜜臀av无| 少妇的逼水好多|