• <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 ?

    融合雙流殘差網(wǎng)絡(luò)和注意力機(jī)制的群體行為識別方法

    2022-05-30 10:48:04黃少年全琪賀子琴胡俊杰
    電腦知識與技術(shù) 2022年30期
    關(guān)鍵詞:注意力機(jī)制

    黃少年 全琪 賀子琴 胡俊杰

    摘要:文章為實現(xiàn)復(fù)雜場景下群體行為的自動分析與識別,方便城市安全管理,建立融合雙流3D殘差網(wǎng)絡(luò)和時空注意力機(jī)制的群體行為識別模型。首先,提取群體場景的靜態(tài)可視特征及動態(tài)光流特征作為模型輸入,構(gòu)建融合時空注意力的雙流3D殘差網(wǎng)絡(luò)提取群體場景的深度特征,通過對深度可視特征及運動特征的多次融合實現(xiàn)群體行為識別。然后,基于真實群體視頻數(shù)據(jù)集CUHK開展實驗,驗證模型的合理性,并對比分析該模型與多種已有模型的行為識別結(jié)果。結(jié)果表明: 融合雙流3D殘差網(wǎng)絡(luò)和時空注意力機(jī)制的群體行為識別模型具有可靠的群體行為識別能力,與其他深度神經(jīng)網(wǎng)絡(luò)模型相比,該模型具有更高的準(zhǔn)確率和更優(yōu)的混淆矩陣。

    關(guān)鍵詞:群體行為識別;殘差神經(jīng)網(wǎng)絡(luò);注意力機(jī)制

    中圖分類號:TP18? ? ? 文獻(xiàn)標(biāo)識碼:A

    文章編號:1009-3044(2022)30-0001-03

    開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):

    隨著我國城市化進(jìn)程的快速發(fā)展,群體聚集的情況頻繁在各種公共場所中出現(xiàn)。群體高度聚集的公共場所很可能出現(xiàn)因群體擁擠引發(fā)的踩踏事件。因此,自動分析、識別群體行為,理解復(fù)雜環(huán)境下的群體運動動態(tài),對于避免群體災(zāi)難性事件發(fā)生、提高城市公共安全管理能力具有重要意義。

    隨著深度學(xué)習(xí)模型在圖像分類、視頻分析等領(lǐng)域的成功應(yīng)用,其在群體場景深度特征表示方面也取得了顯著進(jìn)步。Shao等[1]首次基于VGG-16深度網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)造時空切片卷積神經(jīng)網(wǎng)絡(luò),提取群體場景在時間維度和空間維度上的深度特征表示。鑒于視頻序列中存在大量的時空信息,Simonyan等[2]首次提出雙流卷積神經(jīng)網(wǎng)絡(luò)完成人體行為識別。袁亞軍等[3]采用CNN模型學(xué)習(xí)群體靜態(tài)行為特征及動態(tài)行為特征,并綜合兩種深度特征完成行為分析。以上研究表明,雙流深度神經(jīng)網(wǎng)絡(luò)能有效提取群體場景的時空深度特征表示,但上述研究中針對群體行為識別的模型較少,且識別準(zhǔn)確率有待進(jìn)一步提高。因此,為進(jìn)一步增強(qiáng)深度神經(jīng)網(wǎng)絡(luò)對復(fù)雜群體場景的特征表示能力,提高群體行為識別的準(zhǔn)確率,筆者擬構(gòu)建融合雙流3D殘差網(wǎng)絡(luò)和時空注意力機(jī)制的群體行為識別模型,實現(xiàn)群體行為識別,以期為城市公共安全群體管理提供新的途徑。

    1 模型架構(gòu)

    筆者提出了一種融合雙流3D殘差網(wǎng)絡(luò)和時空注意力機(jī)制的群體行為識別模型,模型主要包括數(shù)據(jù)預(yù)處理、深度特征提取、特征融合及群體行為識別四個模塊。

    1.1 數(shù)據(jù)預(yù)處理

    數(shù)據(jù)預(yù)處理包括空間域預(yù)處理和時間域預(yù)處理兩部分??臻g域預(yù)處理指從群體視頻流中提取連續(xù)圖像序列作為空間域殘差網(wǎng)絡(luò)的輸入。為減少時間消耗和計算復(fù)雜度,從每個群體視頻的隨機(jī)位置提取的連續(xù)32幀圖像,并將其裁剪為[224×224]的幀序列。時間域預(yù)處理則指從圖像序列中提取對應(yīng)的連續(xù)光流序列作為時間域殘差網(wǎng)絡(luò)的輸入。光流是研究圖像動態(tài)特征的常用方法,采用TV-L1(Total Variation-L1 Optical Flow)[4]光流估計模型提取群體序列的光流圖,該算法適合相鄰圖像幀間位移變化較小的運動特征提取。

    1.2 深度特征提取模塊

    傳統(tǒng)殘差網(wǎng)絡(luò)采用2D卷積提取深度特征,鑒于3D卷積在時空特征提取上的優(yōu)越性,構(gòu)建基于時空注意力機(jī)制的3D殘差網(wǎng)絡(luò)提取群體視頻的深度特征表示。該模塊基于殘差網(wǎng)絡(luò)ResNet50進(jìn)行設(shè)計,其原理圖如圖1所示。對于輸入的RGB圖像序列和光流圖序列,首先用卷積核為1×7×7的卷積層提取淺層特征,然后依次經(jīng)過Conv2_x、Conv3_x、Conv4_x 以及Conv5_x四個殘差塊,每個殘差塊均包含一個1×3×3和兩個1×1×1大小的卷積核。為避免隨著網(wǎng)絡(luò)深度增加而帶來的梯度消失問題,在每一個三維卷積層后增加BN層進(jìn)行批量歸一化,以加快訓(xùn)練網(wǎng)絡(luò)收斂的速度。

    為進(jìn)一步提取群體深度特征的遠(yuǎn)距離依賴性,設(shè)計時空注意力模塊(Spatio-Temporal Attention Block, STA Block),在不改變?nèi)S殘差網(wǎng)絡(luò)原有結(jié)構(gòu)的基礎(chǔ)上,將該模塊插入Conv4_x殘差塊前面。基于非局部注意力機(jī)制的基本原理[5],時空注意力模塊(STA Block)采用嵌入式高斯函數(shù)作為相似性度量函數(shù),采用線性函數(shù)作為響應(yīng)函數(shù),即:

    [fxi,xj=e(Wθxi)T(Wφxj)]? ? ? ? ? ? ? ? ? ? ? ? ? (1)

    [g(xj)=Wgxj]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (2)

    其中,[Wθ], [Wφ],[Wg]為待學(xué)習(xí)的權(quán)重參數(shù)。通過公式(3)計算可得到[yi]的非局部時空注意力值,將該值與原始輸入特征[x]進(jìn)行殘差鏈接,即可得到時空注意力增強(qiáng)的特征[z]. 即:

    [zi=wzyi+xi]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(3)

    其中,[wz]為待學(xué)習(xí)的權(quán)重參數(shù),[+]表示殘差連接。STA Block模塊的結(jié)構(gòu)圖如圖2所示, 圖中?表示矩陣乘法。

    1.3 深度特征融合與識別

    為進(jìn)一步提升群體行為識別的準(zhǔn)確率,采用[3D]卷積融合和[3D]池化融合方式構(gòu)建深度特征融合模塊。其中3D卷積融合的形式化表示為:

    [ycat=concatzv, zm]? ? ? ? ? ? ? ? ? ? ? ? (4)

    [y=ycat*f+b]? ? ? ? ? ? ? ? ? ? ? ? ? (5)

    上式中,[zv, zm]分別為深度可視特征圖及運動特征圖,[zv, zm∈RT×H×W×D],其中[T]為特征圖的時域尺寸,[H]和[W]分別表示特征圖的寬度和高度,[D]表示特征圖的通道數(shù);[ycat]為[zv]和[zm]的直接連接且[ycat∈RT×H×W×2D]; [*]為3D卷積操作;[f]為[1×1×1]的卷積核;[b]為偏置常數(shù)。將卷積結(jié)果[y]輸入過濾器大小為1×2×2的3D最大池化,形成3D卷積融合。

    1.4 模型參數(shù)

    模型的空間域殘差網(wǎng)絡(luò)和時間域殘差神經(jīng)網(wǎng)絡(luò)具有相同的網(wǎng)絡(luò)結(jié)構(gòu),分別對視頻的RGB幀序列以及光流序列進(jìn)行深度特征提取,時空注意力模塊(STA Block)被嵌入在Conv4_x殘差塊前,輔助提取具有遠(yuǎn)距離依賴性的群體時空特征。由于二維卷積不能很好地捕獲視頻序列間的時序關(guān)系,三維卷積不僅能捕獲局部空間信息,還能捕獲全局時間信息。因此,文中模型的卷積和池化操作均為三維卷積以及三維池化。模型詳細(xì)的參數(shù)設(shè)置如表1所示。

    2 實驗與分析

    2.1 數(shù)據(jù)集與數(shù)據(jù)預(yù)處理

    實驗中所有的群體行為視頻均來自CUHK群體數(shù)據(jù)集,該數(shù)據(jù)集包含來自215種群體場景下的474個視頻。該數(shù)據(jù)集的群體場景均在不同的監(jiān)控環(huán)境下獲取,包括機(jī)場、商場、街道等眾多城市公共場所,其包括的所有群體行為被分為八類,具體類別如表2所示。

    類別1表現(xiàn)的是密集群體以不同的形態(tài)無規(guī)律地向四周行走;類別2和類別3表現(xiàn)的是群體中的絕大部分朝著同一方向行走;類別2的群體是以有組織的形態(tài)有序行走,群體中的個體行走方向相對穩(wěn)定;類別3的群體以無組織的形態(tài)行走,群體中的個體隨時都可能改變方向,極有可能發(fā)生擁堵情況;類別4~8表現(xiàn)的是公共交通和群體管理場所群體流的變化情況,類別4是不同方向的群體流合并,例如火車站進(jìn)站口的群體流場景;類別5是群體分散成多個流,例如火車站出站口的群體流場景;類別6是群體與反方向群體交叉行走,例如斑馬線上群體流場景;類別7與類別8表現(xiàn)的是自動扶梯上人流情況,類別7比類別8場景更加復(fù)雜,包含了自動扶梯周圍的人流情況。

    選取每個視頻中隨機(jī)位置的連續(xù)32幀圖像作為訓(xùn)練數(shù)據(jù),并將原圖像大小調(diào)整為[224×224]。為獲得更好的分類精度,對提取的RGB圖像數(shù)據(jù)和光流數(shù)據(jù)均進(jìn)行標(biāo)準(zhǔn)化處理。

    2.2 模型訓(xùn)練

    實驗采用PyTorch1.9.0+CUDA11框架在Ubuntu18.04.5LTS操作系統(tǒng)下使用雙GPU(型號為:Nvidia3090)完成并行加速訓(xùn)練。模型中雙流網(wǎng)絡(luò)的輸入設(shè)置為連續(xù)的32幀RGB數(shù)據(jù)和連續(xù)的32幀光流數(shù)據(jù)。下面從數(shù)據(jù)清洗與預(yù)處理、訓(xùn)練、測試三個階段說明文中實驗的具體設(shè)置。

    1)數(shù)據(jù)清洗與預(yù)處理階段。首先對原始視頻進(jìn)行分類,其中80%用于訓(xùn)練集,20%用于測試集,將小于32幀的小視頻清除掉,然后采用TV-L1算法提取視頻的光流序列。考慮到視頻間分辨率的不一致性,將提取的RGB幀和光流圖大小調(diào)整為[256×320],并采用隨機(jī)裁剪與水平翻轉(zhuǎn)的方式進(jìn)行數(shù)據(jù)增強(qiáng)。

    2)訓(xùn)練階段。將預(yù)處理階段的RGB幀和光流圖裁剪為[224×224],為了加快網(wǎng)絡(luò)的收斂速度,裁剪后的RGB幀和光流圖統(tǒng)一歸一化到[-1,1]。經(jīng)多次實驗發(fā)現(xiàn),BN層對整個網(wǎng)絡(luò)至關(guān)重要,在實驗中產(chǎn)生過梯度爆炸、過擬合等一系列問題,在加入BN層后都有所緩解。因此,在訓(xùn)練過程中,每個3D卷積后都會加入一層BN層進(jìn)行批量歸一化。訓(xùn)練中采用小批量隨機(jī)梯度下降算法優(yōu)化網(wǎng)絡(luò)參數(shù),批大小為6,動量為0.9,權(quán)重衰減系數(shù)為5e-4。雙流網(wǎng)絡(luò)中兩個分支的初始學(xué)習(xí)率都為0.001,學(xué)習(xí)率改變策略為當(dāng)訓(xùn)練損失在6個epoch內(nèi)沒有降低時,將學(xué)習(xí)率降為原來的1/2。

    3)測試階段。采用預(yù)留的20%的數(shù)據(jù)作為測試集,用來測試網(wǎng)絡(luò)的擬合能力,對于每幀圖像同樣采取隨機(jī)裁剪的方式進(jìn)行數(shù)據(jù)增強(qiáng)。采用top-1識別準(zhǔn)確率作為評價標(biāo)準(zhǔn),最后判斷所有樣本的8類概率作為分類的結(jié)果。

    2.3 實驗結(jié)果分析

    為驗證模型的合理性,基于CUHK數(shù)據(jù)集開展多次實驗,驗證模型中各個模塊對群體行為識別結(jié)果的影響;并通過與已有方法的對比分析,驗證模型的有效性。

    通過以上實驗分析,模型最終在Conv4_x殘差塊前插入STA Block模塊,且采用連接融合的方式進(jìn)行融合。為了獲取更好的實驗效果,本次實驗事先基于UCF101數(shù)據(jù)集對網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練。預(yù)訓(xùn)練能使網(wǎng)絡(luò)更好地學(xué)習(xí)到通用特征,使模型具有更好的泛化效果。

    基于相同的實驗數(shù)據(jù)集,文中方法與其他方法識別結(jié)果的對比如表6所示。從表6可知:文中方法的識別結(jié)果要優(yōu)于其他方法,與其他方法最好的結(jié)果(文獻(xiàn)[7])相比,文中方法的準(zhǔn)確率提高了1.1%。而文獻(xiàn)[7]的數(shù)據(jù)預(yù)處理方式更為復(fù)雜:除了提取光流圖外,該方法還使用背景減除法對RGB圖像序列進(jìn)行了預(yù)處理。此外,該方法的輸入僅為連續(xù)的10幀圖像,而文中方法輸入為連續(xù)的32幀,顯然文中模型更具備捕獲遠(yuǎn)距離依賴性的能力。綜上所述,構(gòu)建的融合雙流3D殘差網(wǎng)絡(luò)與時空注意力的群體行為識別模型可有效地完成群體行為識別。

    3 結(jié)論

    1)針對群體行為識別任務(wù),提出了一種融合時空注意力機(jī)制的雙流殘差網(wǎng)絡(luò)結(jié)構(gòu)。采用UCF101數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練,將得到的參數(shù)初始化至整個網(wǎng)絡(luò),并使用CUHK群體數(shù)據(jù)集對權(quán)重參數(shù)進(jìn)行微調(diào),該模型對8種群體行為的分類識別具有更高的準(zhǔn)確率。

    猜你喜歡
    注意力機(jī)制
    基于注意力機(jī)制的行人軌跡預(yù)測生成模型
    基于注意力機(jī)制和BGRU網(wǎng)絡(luò)的文本情感分析方法研究
    多特征融合的中文實體關(guān)系抽取研究
    基于序列到序列模型的文本到信息框生成的研究
    基于深度學(xué)習(xí)的手分割算法研究
    從餐館評論中提取方面術(shù)語
    面向短文本的網(wǎng)絡(luò)輿情話題
    基于自注意力與動態(tài)路由的文本建模方法
    基于深度學(xué)習(xí)的問題回答技術(shù)研究
    基于LSTM?Attention神經(jīng)網(wǎng)絡(luò)的文本特征提取方法
    卡戴珊不雅视频在线播放| 亚洲一区二区三区欧美精品| 亚洲第一av免费看| 亚洲精品国产av蜜桃| 亚洲av电影在线观看一区二区三区| 免费观看a级毛片全部| 满18在线观看网站| 18+在线观看网站| 国产淫语在线视频| 亚洲少妇的诱惑av| 国产乱来视频区| 又黄又粗又硬又大视频| 伦理电影免费视频| 一本—道久久a久久精品蜜桃钙片| 亚洲激情五月婷婷啪啪| 女人久久www免费人成看片| videos熟女内射| 热99国产精品久久久久久7| 午夜激情久久久久久久| 婷婷色综合大香蕉| 边亲边吃奶的免费视频| 黄色配什么色好看| 人成视频在线观看免费观看| 考比视频在线观看| 国产精品久久久久成人av| 国产一区二区在线观看av| 少妇被粗大猛烈的视频| 天天躁夜夜躁狠狠久久av| 一级毛片我不卡| 国产1区2区3区精品| 国产视频首页在线观看| 永久网站在线| 国产不卡av网站在线观看| 免费人成在线观看视频色| 久久精品国产a三级三级三级| 国产在视频线精品| 国产精品久久久久久av不卡| 黄色怎么调成土黄色| av卡一久久| 啦啦啦在线观看免费高清www| 又大又黄又爽视频免费| 亚洲精品日韩在线中文字幕| 国产永久视频网站| 亚洲欧美一区二区三区黑人 | 少妇精品久久久久久久| 夜夜爽夜夜爽视频| 老女人水多毛片| 成人二区视频| 久热久热在线精品观看| 国产免费视频播放在线视频| av一本久久久久| 免费不卡的大黄色大毛片视频在线观看| 一级,二级,三级黄色视频| 男女免费视频国产| 制服丝袜香蕉在线| 亚洲国产精品一区二区三区在线| 大话2 男鬼变身卡| 美女脱内裤让男人舔精品视频| 欧美+日韩+精品| 成年动漫av网址| kizo精华| 黄色配什么色好看| 国产av一区二区精品久久| 建设人人有责人人尽责人人享有的| 色视频在线一区二区三区| 免费播放大片免费观看视频在线观看| 国产极品天堂在线| 人体艺术视频欧美日本| 最近中文字幕2019免费版| 久久鲁丝午夜福利片| 国产午夜精品一二区理论片| 亚洲精品一二三| 国产一区有黄有色的免费视频| 青春草国产在线视频| 午夜老司机福利剧场| 人人澡人人妻人| xxxhd国产人妻xxx| 国产午夜精品一二区理论片| 中文字幕亚洲精品专区| 欧美成人午夜精品| 亚洲五月色婷婷综合| 欧美国产精品va在线观看不卡| 日日摸夜夜添夜夜爱| 免费久久久久久久精品成人欧美视频 | 春色校园在线视频观看| av一本久久久久| 九色成人免费人妻av| 观看美女的网站| 嫩草影院入口| 妹子高潮喷水视频| 亚洲少妇的诱惑av| 国产又色又爽无遮挡免| 午夜福利,免费看| 人妻一区二区av| 婷婷色av中文字幕| 最近手机中文字幕大全| 免费大片18禁| 国产精品三级大全| 极品人妻少妇av视频| 国产精品国产三级专区第一集| 在线天堂最新版资源| 国产精品一区二区在线观看99| 大香蕉久久网| 欧美激情国产日韩精品一区| 国产伦理片在线播放av一区| 成人免费观看视频高清| 老司机影院毛片| 成人毛片60女人毛片免费| 久久99一区二区三区| 最新的欧美精品一区二区| 肉色欧美久久久久久久蜜桃| 人妻 亚洲 视频| 久久这里有精品视频免费| 国产免费又黄又爽又色| h视频一区二区三区| 午夜福利,免费看| 免费看光身美女| 女人久久www免费人成看片| 欧美精品人与动牲交sv欧美| 精品福利永久在线观看| 日本黄色日本黄色录像| 国产日韩欧美在线精品| 九九爱精品视频在线观看| 久久久精品区二区三区| 97人妻天天添夜夜摸| 免费日韩欧美在线观看| 91精品伊人久久大香线蕉| 午夜免费鲁丝| 久久ye,这里只有精品| 男女边吃奶边做爰视频| 视频区图区小说| 一级片免费观看大全| 国产免费福利视频在线观看| 精品酒店卫生间| 欧美激情国产日韩精品一区| 另类亚洲欧美激情| 夜夜爽夜夜爽视频| 成人综合一区亚洲| 日本91视频免费播放| 国产日韩欧美视频二区| 亚洲欧美一区二区三区国产| www日本在线高清视频| 国产黄色视频一区二区在线观看| 国产精品国产三级国产专区5o| 国产精品久久久久久久久免| 青春草国产在线视频| 女的被弄到高潮叫床怎么办| 一级爰片在线观看| 午夜免费观看性视频| 欧美激情极品国产一区二区三区 | 精品国产乱码久久久久久小说| 久久这里只有精品19| 国产精品欧美亚洲77777| 一二三四中文在线观看免费高清| 人妻人人澡人人爽人人| 天天躁夜夜躁狠狠躁躁| 亚洲精华国产精华液的使用体验| 成人亚洲欧美一区二区av| 久久国产精品大桥未久av| a级片在线免费高清观看视频| 中文字幕另类日韩欧美亚洲嫩草| 成人黄色视频免费在线看| 婷婷色综合大香蕉| 一区二区av电影网| 亚洲av.av天堂| 自拍欧美九色日韩亚洲蝌蚪91| 一边亲一边摸免费视频| 精品久久国产蜜桃| 精品午夜福利在线看| 五月玫瑰六月丁香| 精品久久蜜臀av无| 免费不卡的大黄色大毛片视频在线观看| 精品一区二区免费观看| 亚洲欧美成人综合另类久久久| 制服诱惑二区| 观看av在线不卡| 色婷婷av一区二区三区视频| 十分钟在线观看高清视频www| 国产不卡av网站在线观看| 香蕉丝袜av| 国产精品.久久久| 国产女主播在线喷水免费视频网站| 1024视频免费在线观看| 91aial.com中文字幕在线观看| 妹子高潮喷水视频| 免费黄频网站在线观看国产| 97超碰精品成人国产| 国产一区二区激情短视频 | 一本色道久久久久久精品综合| 夫妻午夜视频| 91在线精品国自产拍蜜月| 中文字幕精品免费在线观看视频 | 亚洲成人av在线免费| 少妇高潮的动态图| 欧美最新免费一区二区三区| 欧美日韩综合久久久久久| 99精国产麻豆久久婷婷| 欧美日韩一区二区视频在线观看视频在线| 18禁国产床啪视频网站| 十八禁网站网址无遮挡| 免费女性裸体啪啪无遮挡网站| 成人黄色视频免费在线看| 亚洲综合色网址| 黄片播放在线免费| 热99国产精品久久久久久7| 999精品在线视频| 精品一品国产午夜福利视频| 亚洲性久久影院| 熟女电影av网| 波多野结衣一区麻豆| 在线观看三级黄色| 日本av手机在线免费观看| 久久国内精品自在自线图片| 欧美日韩亚洲高清精品| 亚洲人成网站在线观看播放| 欧美+日韩+精品| 人成视频在线观看免费观看| 亚洲av成人精品一二三区| √禁漫天堂资源中文www| 91精品伊人久久大香线蕉| 超碰97精品在线观看| 国产在线一区二区三区精| 久久毛片免费看一区二区三区| 久久精品国产亚洲av涩爱| 免费看不卡的av| 18+在线观看网站| 国产成人精品福利久久| 免费av不卡在线播放| 免费观看av网站的网址| 亚洲精品aⅴ在线观看| 免费高清在线观看视频在线观看| 日本午夜av视频| 草草在线视频免费看| 中文精品一卡2卡3卡4更新| 观看美女的网站| 九色亚洲精品在线播放| 99久久人妻综合| 一级爰片在线观看| 欧美老熟妇乱子伦牲交| 亚洲成色77777| 久久人妻熟女aⅴ| 丝袜人妻中文字幕| 成人手机av| 我的女老师完整版在线观看| 九色成人免费人妻av| 人人澡人人妻人| 久久午夜福利片| 欧美精品亚洲一区二区| 女的被弄到高潮叫床怎么办| 80岁老熟妇乱子伦牲交| 夫妻性生交免费视频一级片| 欧美亚洲 丝袜 人妻 在线| 国产激情久久老熟女| 久久精品国产综合久久久 | 国产毛片在线视频| 亚洲精品aⅴ在线观看| 黄片无遮挡物在线观看| 99热网站在线观看| 日韩成人av中文字幕在线观看| 成年人午夜在线观看视频| 啦啦啦啦在线视频资源| 亚洲国产看品久久| 免费大片黄手机在线观看| 日本av免费视频播放| 成人国语在线视频| 99久久综合免费| 日韩一区二区三区影片| 丁香六月天网| 久久久久精品人妻al黑| tube8黄色片| 99re6热这里在线精品视频| 亚洲一码二码三码区别大吗| 中国三级夫妇交换| 国产精品女同一区二区软件| 最后的刺客免费高清国语| 少妇猛男粗大的猛烈进出视频| 女性被躁到高潮视频| 欧美亚洲日本最大视频资源| 在线观看一区二区三区激情| 18禁国产床啪视频网站| 国产高清不卡午夜福利| 18在线观看网站| 99久久中文字幕三级久久日本| 午夜福利视频精品| 在线亚洲精品国产二区图片欧美| 91精品三级在线观看| 免费人妻精品一区二区三区视频| 成人影院久久| 国产精品久久久久久精品电影小说| 免费少妇av软件| 最近中文字幕2019免费版| 亚洲av男天堂| 91精品国产国语对白视频| 韩国av在线不卡| 成年动漫av网址| 狠狠婷婷综合久久久久久88av| 99香蕉大伊视频| av天堂久久9| 9热在线视频观看99| 一个人免费看片子| 国产欧美亚洲国产| 一区二区三区精品91| 777米奇影视久久| 午夜福利影视在线免费观看| 内地一区二区视频在线| 十八禁网站网址无遮挡| 91aial.com中文字幕在线观看| 观看美女的网站| 熟妇人妻不卡中文字幕| 99视频精品全部免费 在线| 国产精品国产三级国产av玫瑰| 最后的刺客免费高清国语| 久久久a久久爽久久v久久| 制服丝袜香蕉在线| 黑人猛操日本美女一级片| 亚洲精品日本国产第一区| 午夜免费男女啪啪视频观看| 国产精品 国内视频| 国产男人的电影天堂91| 午夜福利影视在线免费观看| 亚洲国产精品国产精品| 欧美最新免费一区二区三区| 亚洲av日韩在线播放| 亚洲综合色惰| 亚洲欧美清纯卡通| 丝瓜视频免费看黄片| 亚洲中文av在线| 精品一区二区免费观看| 咕卡用的链子| 亚洲第一av免费看| av有码第一页| 久久精品国产自在天天线| 免费观看性生交大片5| 久久精品久久久久久久性| 97超碰精品成人国产| 日韩av不卡免费在线播放| 大片电影免费在线观看免费| 我要看黄色一级片免费的| 久久久国产欧美日韩av| 美女脱内裤让男人舔精品视频| 亚洲美女视频黄频| 国产免费一区二区三区四区乱码| 丁香六月天网| 久久99一区二区三区| 一级毛片电影观看| 亚洲欧美日韩另类电影网站| 高清视频免费观看一区二区| av福利片在线| av电影中文网址| 国产又爽黄色视频| 免费女性裸体啪啪无遮挡网站| 国产激情久久老熟女| 国产乱来视频区| 精品少妇黑人巨大在线播放| 人人妻人人澡人人看| 久久国内精品自在自线图片| 男人添女人高潮全过程视频| 伊人亚洲综合成人网| 免费观看性生交大片5| 九草在线视频观看| 中文字幕av电影在线播放| 欧美丝袜亚洲另类| 伦精品一区二区三区| 亚洲精品日韩在线中文字幕| 欧美日韩综合久久久久久| 亚洲美女视频黄频| 国产成人免费无遮挡视频| 乱人伦中国视频| 久久女婷五月综合色啪小说| 精品国产一区二区久久| 亚洲精品av麻豆狂野| 丝袜在线中文字幕| 在线精品无人区一区二区三| 免费人妻精品一区二区三区视频| 欧美精品av麻豆av| 免费黄色在线免费观看| 考比视频在线观看| 精品人妻偷拍中文字幕| 日本猛色少妇xxxxx猛交久久| 女性被躁到高潮视频| 久久久欧美国产精品| 亚洲一区二区三区欧美精品| 色视频在线一区二区三区| 久久人人97超碰香蕉20202| 国产成人精品久久久久久| 又粗又硬又长又爽又黄的视频| a 毛片基地| 高清视频免费观看一区二区| 草草在线视频免费看| 美女内射精品一级片tv| 国产成人免费无遮挡视频| 黑人巨大精品欧美一区二区蜜桃 | 七月丁香在线播放| av女优亚洲男人天堂| 少妇被粗大的猛进出69影院 | 国产片内射在线| 水蜜桃什么品种好| 高清视频免费观看一区二区| 日韩伦理黄色片| 亚洲婷婷狠狠爱综合网| 久久精品国产鲁丝片午夜精品| 色94色欧美一区二区| 各种免费的搞黄视频| 午夜激情av网站| 久久亚洲国产成人精品v| 一区在线观看完整版| 大片免费播放器 马上看| 久久久a久久爽久久v久久| 交换朋友夫妻互换小说| 中国国产av一级| 中文字幕免费在线视频6| 精品国产露脸久久av麻豆| 亚洲国产欧美在线一区| 亚洲精品第二区| www.av在线官网国产| 免费不卡的大黄色大毛片视频在线观看| 美女国产高潮福利片在线看| 国产成人一区二区在线| 亚洲av成人精品一二三区| 国产精品久久久久成人av| 一区二区日韩欧美中文字幕 | 免费av中文字幕在线| 国产一级毛片在线| 99精国产麻豆久久婷婷| 免费久久久久久久精品成人欧美视频 | 日本av手机在线免费观看| av在线app专区| 母亲3免费完整高清在线观看 | 亚洲第一区二区三区不卡| 少妇的逼好多水| 亚洲成人一二三区av| 免费观看av网站的网址| 国产一区亚洲一区在线观看| 秋霞在线观看毛片| 五月开心婷婷网| 欧美精品国产亚洲| 啦啦啦啦在线视频资源| 伦理电影大哥的女人| 日韩制服骚丝袜av| 美女国产高潮福利片在线看| 人人妻人人爽人人添夜夜欢视频| 日本wwww免费看| 亚洲四区av| 久久av网站| 亚洲国产av影院在线观看| 国产精品女同一区二区软件| 一级爰片在线观看| 日韩一本色道免费dvd| 多毛熟女@视频| 女人被躁到高潮嗷嗷叫费观| 寂寞人妻少妇视频99o| 91久久精品国产一区二区三区| 亚洲少妇的诱惑av| 国产精品偷伦视频观看了| 日韩欧美精品免费久久| 国产成人一区二区在线| 免费久久久久久久精品成人欧美视频 | 国产综合精华液| 久久青草综合色| 亚洲精品一区蜜桃| 欧美人与性动交α欧美精品济南到 | 免费av不卡在线播放| 一级a做视频免费观看| 久久精品国产鲁丝片午夜精品| 亚洲精品乱码久久久久久按摩| 毛片一级片免费看久久久久| 在线观看www视频免费| 成人亚洲欧美一区二区av| 一级a做视频免费观看| 久久久久久久国产电影| 久久免费观看电影| 最后的刺客免费高清国语| kizo精华| 久久久久视频综合| 亚洲精品国产av蜜桃| 日韩一本色道免费dvd| 国产免费一区二区三区四区乱码| 97超碰精品成人国产| 久久久久视频综合| 熟妇人妻不卡中文字幕| 日韩av不卡免费在线播放| videossex国产| 97超碰精品成人国产| 亚洲综合色惰| 韩国av在线不卡| 精品国产露脸久久av麻豆| 啦啦啦中文免费视频观看日本| 秋霞伦理黄片| av片东京热男人的天堂| 亚洲欧美日韩另类电影网站| 中文字幕另类日韩欧美亚洲嫩草| 国产av国产精品国产| 日韩在线高清观看一区二区三区| 十分钟在线观看高清视频www| 飞空精品影院首页| 22中文网久久字幕| 99九九在线精品视频| 国产伦理片在线播放av一区| 一本—道久久a久久精品蜜桃钙片| 欧美成人精品欧美一级黄| 一级片免费观看大全| 亚洲国产精品成人久久小说| 精品酒店卫生间| 久久久精品94久久精品| 亚洲国产精品国产精品| 亚洲精品,欧美精品| 欧美 亚洲 国产 日韩一| 国产精品一区二区在线不卡| 亚洲精品一区蜜桃| 欧美日韩视频精品一区| 2021少妇久久久久久久久久久| 91精品三级在线观看| 一边亲一边摸免费视频| 亚洲美女搞黄在线观看| 国产黄色免费在线视频| av电影中文网址| 久久精品国产亚洲av涩爱| 五月玫瑰六月丁香| 国产欧美日韩一区二区三区在线| 久久免费观看电影| 精品久久久精品久久久| 99国产精品免费福利视频| 日韩av免费高清视频| 久久久久久人妻| 亚洲精品,欧美精品| 女性被躁到高潮视频| 黄色一级大片看看| 黑人猛操日本美女一级片| 国产亚洲精品第一综合不卡 | 嫩草影院入口| 国产毛片在线视频| 国产男女内射视频| 亚洲精品一区蜜桃| 波多野结衣一区麻豆| 最近2019中文字幕mv第一页| 全区人妻精品视频| 亚洲欧美日韩卡通动漫| 国产精品不卡视频一区二区| 国国产精品蜜臀av免费| 赤兔流量卡办理| 国产亚洲最大av| 日韩成人伦理影院| 天美传媒精品一区二区| 免费大片黄手机在线观看| av卡一久久| 欧美最新免费一区二区三区| 精品久久久精品久久久| 午夜福利网站1000一区二区三区| 女性被躁到高潮视频| 欧美精品人与动牲交sv欧美| av女优亚洲男人天堂| 国产免费一级a男人的天堂| 亚洲欧美中文字幕日韩二区| a级毛片在线看网站| 妹子高潮喷水视频| 亚洲欧洲国产日韩| av黄色大香蕉| 黑人高潮一二区| 精品人妻在线不人妻| av天堂久久9| 亚洲精品一二三| 中国国产av一级| 伦精品一区二区三区| 在线观看免费高清a一片| 亚洲人成77777在线视频| 午夜福利影视在线免费观看| av网站免费在线观看视频| 国产亚洲一区二区精品| 最黄视频免费看| 乱人伦中国视频| 午夜激情久久久久久久| 亚洲欧美成人精品一区二区| 最近中文字幕高清免费大全6| 性高湖久久久久久久久免费观看| 国语对白做爰xxxⅹ性视频网站| 国产精品久久久久久久电影| 9热在线视频观看99| 亚洲精品日韩在线中文字幕| 天堂俺去俺来也www色官网| 中文字幕人妻熟女乱码| 精品人妻一区二区三区麻豆| 黑人高潮一二区| 极品少妇高潮喷水抽搐| 大码成人一级视频| 人妻 亚洲 视频| 国产精品女同一区二区软件| 99re6热这里在线精品视频| 国产成人av激情在线播放| 亚洲成av片中文字幕在线观看 | 波野结衣二区三区在线| 亚洲欧美清纯卡通| 纵有疾风起免费观看全集完整版| 黄色视频在线播放观看不卡| 纵有疾风起免费观看全集完整版| 又黄又粗又硬又大视频| 色94色欧美一区二区| 啦啦啦视频在线资源免费观看| 捣出白浆h1v1| 日本av手机在线免费观看| 久久久久精品人妻al黑| 视频中文字幕在线观看| 99国产精品免费福利视频| 久久毛片免费看一区二区三区| 日韩成人伦理影院| 国产精品人妻久久久影院| 国产av一区二区精品久久| 日日撸夜夜添| 国产日韩欧美亚洲二区| av片东京热男人的天堂| av在线app专区| 两个人看的免费小视频| 蜜桃在线观看..| 国产日韩一区二区三区精品不卡| 亚洲国产精品999| 成人18禁高潮啪啪吃奶动态图|