• <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
    精品一区二区免费观看| 观看美女的网站| 欧美激情在线99| 老司机午夜十八禁免费视频| 精品久久久久久久人妻蜜臀av| 在线十欧美十亚洲十日本专区| 神马国产精品三级电影在线观看| av欧美777| 免费看美女性在线毛片视频| 亚洲人成伊人成综合网2020| 高潮久久久久久久久久久不卡| 成年版毛片免费区| 男人舔女人下体高潮全视频| 一个人免费在线观看电影| 麻豆成人午夜福利视频| 又黄又爽又刺激的免费视频.| 伦理电影大哥的女人| 嫩草影视91久久| 免费高清视频大片| 免费观看的影片在线观看| 精品99又大又爽又粗少妇毛片 | 日本熟妇午夜| 国产午夜精品久久久久久一区二区三区 | 久久午夜福利片| 99久国产av精品| 亚洲无线观看免费| 特级一级黄色大片| 国产男靠女视频免费网站| 男女床上黄色一级片免费看| 午夜老司机福利剧场| 性欧美人与动物交配| 精品日产1卡2卡| xxxwww97欧美| 91麻豆av在线| 亚洲狠狠婷婷综合久久图片| 高清毛片免费观看视频网站| 免费看日本二区| 日本三级黄在线观看| 日韩大尺度精品在线看网址| 看黄色毛片网站| 亚洲精品乱码久久久v下载方式| 少妇人妻精品综合一区二区 | 成人av一区二区三区在线看| 国产乱人伦免费视频| 国产精品不卡视频一区二区 | 国产精品一区二区三区四区久久| 丰满的人妻完整版| 亚洲自拍偷在线| 一区二区三区激情视频| 小说图片视频综合网站| 中文亚洲av片在线观看爽| 欧美区成人在线视频| 亚洲国产高清在线一区二区三| 国产精品一区二区性色av| 久久热精品热| 国产精品久久久久久亚洲av鲁大| 99精品在免费线老司机午夜| 亚洲精品456在线播放app | 亚洲性夜色夜夜综合| 免费高清视频大片| 深爱激情五月婷婷| 亚洲av电影在线进入| 久久精品综合一区二区三区| 搡女人真爽免费视频火全软件 | 人人妻人人看人人澡| 亚洲精品乱码久久久v下载方式| 免费在线观看亚洲国产| 久久精品国产亚洲av香蕉五月| 亚洲成人久久性| 激情在线观看视频在线高清| 一本综合久久免费| 国产欧美日韩精品一区二区| 男女那种视频在线观看| 最新在线观看一区二区三区| 亚洲av免费高清在线观看| www.www免费av| 欧美日韩乱码在线| 日日干狠狠操夜夜爽| 日韩高清综合在线| 亚洲第一电影网av| 一区二区三区激情视频| 天堂动漫精品| 18禁黄网站禁片午夜丰满| a级一级毛片免费在线观看| 人妻夜夜爽99麻豆av| 亚洲av.av天堂| 色播亚洲综合网| 一级av片app| 搡老熟女国产l中国老女人| 欧美又色又爽又黄视频| 听说在线观看完整版免费高清| 能在线免费观看的黄片| 欧美日本视频| 中文字幕av成人在线电影| 欧美精品国产亚洲| 午夜精品久久久久久毛片777| 天堂网av新在线| 国产一区二区三区视频了| 久久久久久久久大av| 亚洲精华国产精华精| 内地一区二区视频在线| 欧美最新免费一区二区三区 | 熟女人妻精品中文字幕| 中文字幕av在线有码专区| 国产免费一级a男人的天堂| 97超视频在线观看视频| 亚洲欧美日韩高清专用| 国内精品久久久久精免费| 九九在线视频观看精品| 日本精品一区二区三区蜜桃| 国产麻豆成人av免费视频| 日韩欧美在线乱码| 此物有八面人人有两片| 九九热线精品视视频播放| 毛片一级片免费看久久久久 | 亚洲乱码一区二区免费版| 午夜影院日韩av| 一进一出好大好爽视频| 精品乱码久久久久久99久播| 欧美国产日韩亚洲一区| 国产精品久久久久久久久免 | 美女高潮的动态| 真实男女啪啪啪动态图| 久久精品国产亚洲av涩爱 | 久久精品久久久久久噜噜老黄 | 看黄色毛片网站| 国产亚洲精品av在线| 观看免费一级毛片| 亚洲欧美日韩高清在线视频| 国产精品电影一区二区三区| 在线播放无遮挡| 亚洲电影在线观看av| 3wmmmm亚洲av在线观看| 免费看美女性在线毛片视频| 51国产日韩欧美| 夜夜躁狠狠躁天天躁| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲av成人不卡在线观看播放网| 亚洲美女视频黄频| 免费看美女性在线毛片视频| 国产美女午夜福利| 亚洲男人的天堂狠狠| 伊人久久精品亚洲午夜| 亚洲专区中文字幕在线| 一二三四社区在线视频社区8| 性插视频无遮挡在线免费观看| 日韩亚洲欧美综合| 99久久精品国产亚洲精品| 午夜精品一区二区三区免费看| 中文资源天堂在线| 国产精品一区二区三区四区免费观看 | 日本五十路高清| 国产蜜桃级精品一区二区三区| 国产乱人视频| 精品乱码久久久久久99久播| 岛国在线免费视频观看| 日本一二三区视频观看| 成人性生交大片免费视频hd| 亚洲久久久久久中文字幕| 欧美xxxx性猛交bbbb| 在现免费观看毛片| 一本久久中文字幕| 国内精品久久久久久久电影| 国产亚洲欧美98| 真人一进一出gif抽搐免费| 欧美性猛交╳xxx乱大交人| 哪里可以看免费的av片| 最近中文字幕高清免费大全6 | 亚洲精品久久国产高清桃花| 97超视频在线观看视频| 国内揄拍国产精品人妻在线| 亚洲精品一卡2卡三卡4卡5卡| 中文字幕高清在线视频| 亚洲无线观看免费| 国产精品综合久久久久久久免费| 国产一级毛片七仙女欲春2| 在线国产一区二区在线| 亚洲成av人片在线播放无| 韩国av一区二区三区四区| 国产白丝娇喘喷水9色精品| 悠悠久久av| 2021天堂中文幕一二区在线观| 无遮挡黄片免费观看| av国产免费在线观看| 搡女人真爽免费视频火全软件 | 美女被艹到高潮喷水动态| av天堂在线播放| 性色av乱码一区二区三区2| 日本在线视频免费播放| 国产爱豆传媒在线观看| 亚洲黑人精品在线| 怎么达到女性高潮| av欧美777| 久久久色成人| 色5月婷婷丁香| 精品人妻视频免费看| 亚洲精华国产精华精| 九色国产91popny在线| 亚洲成人久久性| 免费看美女性在线毛片视频| 久久国产精品人妻蜜桃| 人人妻人人澡欧美一区二区| 桃红色精品国产亚洲av| 国产成+人综合+亚洲专区| 一区福利在线观看| 99精品久久久久人妻精品| 久久久久久久久中文| 男女下面进入的视频免费午夜| 日韩高清综合在线| 国产伦在线观看视频一区| 精品人妻1区二区| 日本a在线网址| 欧美黄色淫秽网站| 亚洲va日本ⅴa欧美va伊人久久| 国产精品av视频在线免费观看| 色精品久久人妻99蜜桃| 又黄又爽又刺激的免费视频.| 老熟妇仑乱视频hdxx| 深爱激情五月婷婷| 久久人妻av系列| 在线观看av片永久免费下载| 性色av乱码一区二区三区2| 色尼玛亚洲综合影院| 不卡一级毛片| 亚洲av第一区精品v没综合| 成人鲁丝片一二三区免费| 天堂av国产一区二区熟女人妻| 在线国产一区二区在线| .国产精品久久| 久久中文看片网| 欧美xxxx黑人xx丫x性爽| 午夜激情欧美在线| 午夜日韩欧美国产| 久久久久久九九精品二区国产| 午夜a级毛片| 波多野结衣高清作品| 免费观看人在逋| 观看美女的网站| 亚洲成人免费电影在线观看| 亚洲 欧美 日韩 在线 免费| 日韩欧美三级三区| 国产黄色小视频在线观看| 听说在线观看完整版免费高清| а√天堂www在线а√下载| 欧美激情在线99| 中文在线观看免费www的网站| 精品一区二区三区视频在线观看免费| 悠悠久久av| 国产一区二区亚洲精品在线观看| 欧美色欧美亚洲另类二区| netflix在线观看网站| 久久国产乱子伦精品免费另类| 免费大片18禁| 两人在一起打扑克的视频| 校园春色视频在线观看| 韩国av一区二区三区四区| 亚洲精品日韩av片在线观看| 国产精品久久久久久人妻精品电影| 国产成人av教育| 国产精品人妻久久久久久| 自拍偷自拍亚洲精品老妇| 亚洲欧美日韩卡通动漫| 精品人妻一区二区三区麻豆 | 国产黄a三级三级三级人| 99精品久久久久人妻精品| 亚洲午夜理论影院| 亚洲精品一区av在线观看| 亚洲无线在线观看| 国产日本99.免费观看| 国产精品亚洲美女久久久| av国产免费在线观看| 久久午夜福利片| 九色国产91popny在线| 12—13女人毛片做爰片一| 色综合站精品国产| 精品熟女少妇八av免费久了| 十八禁国产超污无遮挡网站| 亚洲色图av天堂| 久久婷婷人人爽人人干人人爱| 噜噜噜噜噜久久久久久91| 麻豆国产av国片精品| 内地一区二区视频在线| 免费一级毛片在线播放高清视频| 婷婷精品国产亚洲av| 少妇被粗大猛烈的视频| 免费大片18禁| 午夜激情福利司机影院| 天堂影院成人在线观看| 日韩欧美在线乱码| 十八禁人妻一区二区| 午夜激情欧美在线| 高潮久久久久久久久久久不卡| 看黄色毛片网站| 啦啦啦观看免费观看视频高清| 亚洲色图av天堂| 三级男女做爰猛烈吃奶摸视频| 在线观看av片永久免费下载| 欧美午夜高清在线| 十八禁人妻一区二区| 夜夜躁狠狠躁天天躁| 熟女电影av网| 日韩欧美国产在线观看| 成人高潮视频无遮挡免费网站| 他把我摸到了高潮在线观看| 在线观看午夜福利视频| 久久人妻av系列| 日韩欧美 国产精品| 一a级毛片在线观看| 国产精品女同一区二区软件 | 丰满乱子伦码专区| 国产精品嫩草影院av在线观看 | 国模一区二区三区四区视频| 欧美黄色淫秽网站| 国产精品亚洲美女久久久| 国产免费一级a男人的天堂| 日韩欧美三级三区| 午夜精品在线福利| 校园春色视频在线观看| 激情在线观看视频在线高清| 日本 av在线| 亚洲五月天丁香| 又爽又黄a免费视频| 亚洲精品在线美女| 免费观看人在逋| 十八禁国产超污无遮挡网站| 精品一区二区免费观看| 亚洲人成网站在线播| 久久热精品热| 亚洲国产色片| 亚洲精品一卡2卡三卡4卡5卡| 我要搜黄色片| 人人妻人人看人人澡| 十八禁网站免费在线| 国产精品久久电影中文字幕| 深夜a级毛片| 国内精品久久久久久久电影| 久久精品人妻少妇| 久久九九热精品免费| 国语自产精品视频在线第100页| 我要看日韩黄色一级片| 亚洲中文日韩欧美视频| 天堂动漫精品| 淫妇啪啪啪对白视频| 久久婷婷人人爽人人干人人爱| 国产单亲对白刺激| av天堂在线播放| 别揉我奶头~嗯~啊~动态视频| 国产精品1区2区在线观看.| 天美传媒精品一区二区| 欧美+日韩+精品| 亚洲av日韩精品久久久久久密| 日韩大尺度精品在线看网址| 变态另类丝袜制服| 国产色婷婷99| 免费高清视频大片| 成人一区二区视频在线观看| 国产91精品成人一区二区三区| 如何舔出高潮| 午夜福利在线观看免费完整高清在 | 日韩欧美国产一区二区入口| 久久久久亚洲av毛片大全| 有码 亚洲区| 麻豆国产av国片精品| 99久久成人亚洲精品观看| 久久精品91蜜桃| 亚洲狠狠婷婷综合久久图片| 色av中文字幕| 日本黄色视频三级网站网址| 舔av片在线| 别揉我奶头 嗯啊视频| 91字幕亚洲| 久久天躁狠狠躁夜夜2o2o| 午夜视频国产福利| 91av网一区二区| 毛片一级片免费看久久久久 | 美女黄网站色视频| 一区二区三区免费毛片| 亚洲在线自拍视频| av在线蜜桃| 亚洲国产欧美人成| 欧美黄色淫秽网站| 亚洲av五月六月丁香网| 宅男免费午夜| 成人av在线播放网站| 国产熟女xx| 午夜福利欧美成人| 午夜福利在线观看吧| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产真实伦视频高清在线观看 | 最近视频中文字幕2019在线8| 国产亚洲精品久久久com| 又黄又爽又刺激的免费视频.| 欧美+亚洲+日韩+国产| 亚洲av第一区精品v没综合| av黄色大香蕉| 一进一出抽搐gif免费好疼| 久久久久久久精品吃奶| 亚洲色图av天堂| 久久久久久久精品吃奶| 精品福利观看| 午夜福利在线观看吧| 一个人看的www免费观看视频| 午夜亚洲福利在线播放| 在线十欧美十亚洲十日本专区| 亚洲性夜色夜夜综合| 欧美高清成人免费视频www| 亚洲国产欧洲综合997久久,| 免费一级毛片在线播放高清视频| 亚洲av日韩精品久久久久久密| 99精品在免费线老司机午夜| www.999成人在线观看| 久久国产精品人妻蜜桃| 久久久久久久久久黄片| 国产高清三级在线| 国产成人福利小说| 国产成人a区在线观看| 国产精品,欧美在线| 亚洲天堂国产精品一区在线| 99热只有精品国产| 亚洲人成网站高清观看| 男女床上黄色一级片免费看| 精品人妻一区二区三区麻豆 | 动漫黄色视频在线观看| 亚洲人与动物交配视频| 欧美日本亚洲视频在线播放| 一级av片app| 久久精品夜夜夜夜夜久久蜜豆| 99久久成人亚洲精品观看| 88av欧美| 99久久99久久久精品蜜桃| 欧美中文日本在线观看视频| 国产高清激情床上av| 老女人水多毛片| 国产国拍精品亚洲av在线观看| 久久久久久久久中文| 欧美日韩乱码在线| 在线观看66精品国产| 久久午夜亚洲精品久久| 大型黄色视频在线免费观看| 免费看日本二区| 18禁黄网站禁片免费观看直播| 国产精品美女特级片免费视频播放器| 国内精品一区二区在线观看| 午夜福利在线在线| 日韩欧美精品v在线| 中国美女看黄片| 国产成+人综合+亚洲专区| 亚洲国产欧洲综合997久久,| 亚洲av电影不卡..在线观看| 亚洲精品在线美女| 90打野战视频偷拍视频| 中文字幕人妻熟人妻熟丝袜美| 少妇人妻一区二区三区视频| 国产人妻一区二区三区在| 亚洲不卡免费看| 18+在线观看网站| 国产主播在线观看一区二区| 久久精品综合一区二区三区| 蜜桃久久精品国产亚洲av| 伊人久久精品亚洲午夜| 欧美成人一区二区免费高清观看| 国产毛片a区久久久久| 草草在线视频免费看| 亚洲第一欧美日韩一区二区三区| 他把我摸到了高潮在线观看| 亚洲精品乱码久久久v下载方式| 欧美黑人欧美精品刺激| 国产aⅴ精品一区二区三区波| 久久久久久久久久黄片| 中文字幕人妻熟人妻熟丝袜美| 三级国产精品欧美在线观看| 欧美日韩福利视频一区二区| 国产精品99久久久久久久久| 亚洲精品粉嫩美女一区| 欧美乱色亚洲激情| 久久久久久久午夜电影| 欧美激情久久久久久爽电影| 国产精品精品国产色婷婷| 亚洲国产精品合色在线| 丝袜美腿在线中文| 免费在线观看影片大全网站| 麻豆国产av国片精品| 亚洲真实伦在线观看| 亚洲aⅴ乱码一区二区在线播放| 国产中年淑女户外野战色| 变态另类成人亚洲欧美熟女| 欧美黄色片欧美黄色片| 别揉我奶头~嗯~啊~动态视频| 午夜免费男女啪啪视频观看 | 国产伦在线观看视频一区| 中文字幕人成人乱码亚洲影| 熟女人妻精品中文字幕| 亚洲人成网站高清观看| 国产高清视频在线播放一区| 嫩草影院入口| 久久久久久久久中文| 国产真实伦视频高清在线观看 | 看免费av毛片| 欧美+亚洲+日韩+国产| 成人午夜高清在线视频| 国产精品永久免费网站| 亚洲av成人精品一区久久| 欧美一区二区精品小视频在线| 久久婷婷人人爽人人干人人爱| 亚洲欧美日韩无卡精品| 国产精品久久久久久人妻精品电影| 国产成人啪精品午夜网站| 国产精品不卡视频一区二区 | 综合色av麻豆| 亚洲av不卡在线观看| 黄色日韩在线| or卡值多少钱| 淫妇啪啪啪对白视频| 一区二区三区高清视频在线| 欧美性猛交黑人性爽| x7x7x7水蜜桃| 波多野结衣巨乳人妻| 日本 av在线| 99riav亚洲国产免费| 小蜜桃在线观看免费完整版高清| 美女黄网站色视频| 亚洲久久久久久中文字幕| 日韩免费av在线播放| 夜夜爽天天搞| 国产精品亚洲美女久久久| 欧美黄色片欧美黄色片| 欧美3d第一页| 色5月婷婷丁香| 嫩草影院精品99| 亚洲男人的天堂狠狠| 日韩欧美国产一区二区入口| 久99久视频精品免费| 91九色精品人成在线观看| 男女床上黄色一级片免费看| 国产久久久一区二区三区| 人人妻,人人澡人人爽秒播| 禁无遮挡网站| 老司机深夜福利视频在线观看| 国产一区二区亚洲精品在线观看| 成人精品一区二区免费| 久久午夜福利片| 国产探花极品一区二区| 国产亚洲精品久久久com| 亚洲成人久久性| 校园春色视频在线观看| 精品国产三级普通话版| 午夜免费男女啪啪视频观看 | 如何舔出高潮| 久久久久久久久久黄片| 欧美一级a爱片免费观看看| 制服丝袜大香蕉在线| 国产在线男女| 一夜夜www| 人妻制服诱惑在线中文字幕| 99精品久久久久人妻精品| 亚洲电影在线观看av| 日韩高清综合在线| 变态另类成人亚洲欧美熟女| 给我免费播放毛片高清在线观看| 动漫黄色视频在线观看| 亚洲欧美精品综合久久99| 久久这里只有精品中国| 小蜜桃在线观看免费完整版高清| 欧美性猛交╳xxx乱大交人| 欧美区成人在线视频| 在现免费观看毛片| 久久精品人妻少妇| 又爽又黄无遮挡网站| 自拍偷自拍亚洲精品老妇| 又爽又黄无遮挡网站| 中文字幕人成人乱码亚洲影| 波多野结衣巨乳人妻| 亚洲熟妇熟女久久| 国产精品1区2区在线观看.| 给我免费播放毛片高清在线观看| www日本黄色视频网| 又爽又黄无遮挡网站| 男女床上黄色一级片免费看| 窝窝影院91人妻| 国产精品嫩草影院av在线观看 | 久久人人精品亚洲av| 久久久久久久亚洲中文字幕 | 少妇人妻精品综合一区二区 | 久久中文看片网| 欧美成人免费av一区二区三区| 变态另类丝袜制服| 成人美女网站在线观看视频| 亚洲av一区综合| 欧美+日韩+精品| 禁无遮挡网站| 中文亚洲av片在线观看爽| 日韩亚洲欧美综合| 搡女人真爽免费视频火全软件 | 男女下面进入的视频免费午夜| 能在线免费观看的黄片| 免费在线观看影片大全网站| 久久热精品热| 一区福利在线观看| 两人在一起打扑克的视频| 搡老岳熟女国产| 成人性生交大片免费视频hd| 国产亚洲精品久久久久久毛片| av在线天堂中文字幕| 精品人妻一区二区三区麻豆 | 91麻豆av在线| 亚洲美女黄片视频| 婷婷丁香在线五月| 亚洲成人精品中文字幕电影| 久久伊人香网站| 精品人妻1区二区| 中国美女看黄片| 波野结衣二区三区在线| 国模一区二区三区四区视频| 欧美+日韩+精品| 18禁在线播放成人免费|