• <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 ?

    基于改進AdaBoost算法的飛機特征圖像識別

    2013-06-23 09:39:18馮巧寧
    電子設(shè)計工程 2013年10期
    關(guān)鍵詞:分類器樣本特征

    張 杰,馮巧寧

    (中國飛行試驗研究院 陜西 西安 710089)

    飛行器特征點的計算機智能識別和檢測技術(shù)是航空試飛領(lǐng)域的關(guān)鍵技術(shù)之一。由于飛行器在大氣中的飛行速度相對較快,為了保證設(shè)備跟蹤的準(zhǔn)確性,采取基于圖像和視頻的快速識別算法就顯得非常的重要。特征點的識別在早期的研究中主要針對固定模板等具有較強約束條件并且沒有形變的特征點圖像。圖像中特征點的位置較為容易獲得,所以并沒有得到足夠的重視。隨著試驗飛行的發(fā)展,圖像采集系統(tǒng)的復(fù)雜化,對飛行器特征點的識別算法提出了更高的要求。

    圖像中特征區(qū)域識別算法經(jīng)過了3個主要的發(fā)展階段:幾何特征法、顏色閾值法和理論統(tǒng)計法。將統(tǒng)計概率的方法引入圖像識別領(lǐng)域其實是將圖像檢測的問題轉(zhuǎn)化為模式識別的“是與否”問題。首先,利用統(tǒng)計分析的方法來區(qū)分特征點與非特征點樣本各自的特征,其次構(gòu)建相關(guān)特征的分類器,最后使用分類器完成對圖像的檢測。經(jīng)常使用的方法有:子空間法、神經(jīng)網(wǎng)絡(luò)法、支持向量機法[1]、隱馬爾可夫模型法和Boosting法。

    1 AdaBoost算法

    集成學(xué)習(xí)算法不同于許多單模型機器學(xué)習(xí)算法,它一般產(chǎn)生多個預(yù)測模型,每個模型分別對樣本結(jié)果進行獨立預(yù)測,單個模型預(yù)測結(jié)果之間通過加權(quán)組合等方式表決出該方法最終的預(yù)測結(jié)果。

    1.1 弱學(xué)習(xí)與強學(xué)習(xí)

    如果集成學(xué)習(xí)算法生成的單模型分類器之間的誤差成弱相關(guān)性,那么算法的最終分類準(zhǔn)確性要強于參與集成的單模型分類器。當(dāng)單模型分類器的分類誤差成相關(guān)性,則會造成參與集成的不同單模型分類器對同一樣本產(chǎn)生同樣誤判的情況。集成學(xué)習(xí)算法可以分為同構(gòu)集成學(xué)習(xí)和異構(gòu)集成學(xué)習(xí)。由于異構(gòu)算法的準(zhǔn)確度因為學(xué)習(xí)機理不同而難以采用統(tǒng)一的標(biāo)準(zhǔn)來衡量,所以使用不同的學(xué)習(xí)算法會增加集成學(xué)習(xí)的復(fù)雜度,因此目前普遍研究的是同構(gòu)集成學(xué)習(xí)。

    集成機器學(xué)習(xí)中的弱分類器的設(shè)計是最主要的內(nèi)容。與一般機器學(xué)習(xí)算法不同,集成機器學(xué)習(xí)中不需要考慮弱分類器的線性不可分問題。弱學(xué)習(xí)算法在大多數(shù)情況下比強學(xué)習(xí)算法更加容易獲得。如果兩者之間能夠通過某種方法轉(zhuǎn)換,那么生成算法的時候,僅需要找到一個略強于隨機猜測的弱學(xué)習(xí)算法,便能快速將它升級為強學(xué)習(xí)算法。

    1.2 AdaBoost算法

    Boosting算法是圖像檢測領(lǐng)域早期最為流行的集成機器學(xué)習(xí)方法之一。最初的Boosting算法需要預(yù)知弱學(xué)習(xí)算法正確率的下限,而這在實際使用的過程中無法實現(xiàn)[2]。Adaboost算法對常用的Boosting算法進行了改進和提升,在算法迭代時,根據(jù)每一輪的計算數(shù)據(jù)對初始樣本權(quán)重重新調(diào)整,降低正確分類的樣本權(quán)重,平衡給錯誤分類的樣本。算法在每一輪迭代中集中主要精力應(yīng)對難以檢測的樣本,生成新的權(quán)重關(guān)系。每次迭代所產(chǎn)生的弱學(xué)習(xí)算法根據(jù)加權(quán)組合的方式組合成最終所需的強學(xué)習(xí)算法。AdaBoost算法生成過程如下所示[3]:

    1)首先確定訓(xùn)練集:S={(x1,y1),…(xm,ym)},其中xi∈X,為訓(xùn)練樣本集;yi∈Y,為分類標(biāo)志,并且Y∈{-1,+1}。

    2)其次,初始化權(quán)值:D1(i)=1/k,i=1,2,…,k。

    3)對于T輪循環(huán),有t=1,2,…,T:

    a)對有權(quán)重分布的訓(xùn)練集學(xué)習(xí),生成最初的預(yù)測函數(shù)hi:x→{-1,+1};

    b)計算預(yù)測函數(shù)ht的錯誤概率:εt=Pr(i,Di),當(dāng)εt=0或者εt≥0.5時結(jié)束算法,且令T=t-1;

    c)令?t=0.5×ln[(1-εt)/εt];

    d)更新樣本的權(quán)重D:

    4)T輪訓(xùn)練結(jié)束后,獲得的結(jié)果預(yù)測函數(shù)是:H(x)=sign

    公式中的?t是經(jīng)過第t輪訓(xùn)練后生成的弱分類器hi(x)的性能評價因子,它的值由hi(x)作用于樣本集所產(chǎn)生的分類錯誤的樣本權(quán)重之和εt來決定。所以,?t是εt的減函數(shù),當(dāng)εt越小時?t越大,說明該分類器hi(x)的重要性越高。

    在訓(xùn)練算法的過程中,當(dāng)弱分類對樣本的識別誤差εt≥0.5時,說明該分類器弱于隨機分類,無法使用,并且算法中止。這種情況下,在樣本跌代過程中,容易識別的樣本權(quán)重變大,難以識別的樣本權(quán)重減少,算法的更新機制失去效果。當(dāng)εt=0時,訓(xùn)練集的所有樣本都能夠被正確的區(qū)分,所有樣本權(quán)重為零。

    強分類器H(x)對訓(xùn)練樣本集識別的錯誤率稱為訓(xùn)練誤判率,記為ε,則有:

    由公式(3)可以發(fā)現(xiàn),訓(xùn)練誤判率ε與訓(xùn)練輪數(shù)T成指數(shù)相反關(guān)系,即T越大時ε呈指數(shù)減小。在特殊情況下,假設(shè)所有的hi(x)誤判率都相等,則上式可等價為:

    在集成學(xué)習(xí)算法中,強分類器的有效性與弱分類器的數(shù)量和誤判率密切相關(guān)。只要有足夠的資源訓(xùn)練出足夠多的弱分類器,就可以有效的降低強分類器的誤判率。就一般兩分類問題而言,只需要弱學(xué)習(xí)算法的準(zhǔn)確性略高于隨機猜測,就能夠使Adaboost算法最終收斂。

    2 AdaBoost算法與特征點識別

    2.1 Harr-like特征

    圖像的特征一般是指圖像的紋理和形狀特性,它無法直接從原始像素中獲得,而是需要對具有相關(guān)性的像素進行編碼和歸納。Viola等[4]在此基礎(chǔ)上作了擴展,使用3種類型4種形式的矩形特征,分別稱之為2-矩形特征、3-矩形特征、4-矩形特征,2-矩形特征又分為AB兩種,如圖1所示。

    圖1 Viola特征庫Fig.1 Viola characteristic bank

    矩形特征的數(shù)目越多,所對應(yīng)的弱分類器數(shù)目也越多,AdaBoost算法挑選最優(yōu)弱分類器的選擇范圍也就越大。增加的弱分類器中,AdaBoost算法將選擇優(yōu)于原弱分類器的進行添加。強分類器的性能和結(jié)構(gòu)伴隨更多弱分類器加入而得到有效,最終提高了算法的檢測速度。

    根據(jù)圖像的特性,增加了的6種特征原型[5]。

    圖2 增加的特征原型Fig.2 Increased characteristic prototype

    下文中分別使用E1和E2來區(qū)分增加3個特征原型(E、F、G)與增加6個特征原型(E、F、G、H、I、J)之后的實驗過程。這兩個實驗過程除了特征原型數(shù)量不同外,其他條件相同:它們使用相同樣本集,并且訓(xùn)練層數(shù)都為24層,對應(yīng)設(shè)置了一樣的各層強分類器的檢出率(0.998)和誤判率(0.6)。詳細實驗數(shù)據(jù)及分析如下:

    表1 E1的特征比例和平均概率(%)Tab.1 Characteristic proportion and average probability of E1

    在2個實驗中,特征原型C、D、E相對其他特征原型表現(xiàn)更為突出。如果以平均概率進行評判,則擴展后的6類特征E、F、G、H、I、J顯示出了良好的有效性。

    表2 E2的特征比例和平均概率(%)Tab.2 Characteristic proportion and average probability of E2

    2.2 特征圖片樣本集

    特征點標(biāo)志在物方空間中的旋轉(zhuǎn)有3種:水平旋轉(zhuǎn)(俯仰)、垂直旋轉(zhuǎn)(搖擺)以及法向旋轉(zhuǎn)(傾斜),如圖3所示。

    圖3 特征點旋轉(zhuǎn)模式Fig.3 Rotate mode of characteristic point

    文中將特征點圖像在物方空間的旋轉(zhuǎn)角度分為5個類別:左側(cè)、左半側(cè)、正面、右半側(cè)和右側(cè)。對應(yīng)角度范圍如下:[-90°,-50°]、[-50°,-20°]、[-20°,+20°]、[+20°,+50°]、[+50°,+90°]。同時,每個類別兼顧±15°的法向旋轉(zhuǎn)和±20°的水平旋轉(zhuǎn)。訓(xùn)練中使用的樣本比例如表3所示。

    表3 特征點樣本姿態(tài)統(tǒng)計Tab.3 Statistics of the sample taken from characteristic point attitude

    實驗結(jié)果表明,幾個檢測器對側(cè)面圖像和搖擺圖像都具有較強的識別能力。結(jié)論如下:1)特征圖像樣本中旋轉(zhuǎn)圖像的比例越大,強分類器的訓(xùn)練難度也就越大,兩者成正比關(guān)系;2)訓(xùn)練集中一定比例的旋轉(zhuǎn)樣本能增加檢測器對旋轉(zhuǎn)特征圖像的檢測能力。

    2.3 非特征圖像樣本集

    假設(shè)非特征圖像樣本集容量為N,訓(xùn)練一個L層的檢測器,并且該檢測器的每層強分類器的誤判率都等于f。每一層非特征圖像樣本能夠被算法被識別的概率為1-f,在訓(xùn)練時每一層需要淘汰N×(1-f)個非特征點樣本。當(dāng)進行第i層強分類器訓(xùn)練時,補充的非特征圖像樣本需要通過前i-1層的考核,只有被所有i-1層強分類器誤判的非特征圖像樣本才能選用至第i層的非特征點樣本集中。所以第i層訓(xùn)練時需要輸入的候選錯誤樣本數(shù)量為:

    由公式(5)可見,算法訓(xùn)練的層數(shù)越多,需要準(zhǔn)備的錯誤樣本數(shù)量成指數(shù)增長。如果設(shè)定f=0.6,N=5 000,訓(xùn)練第20層強分類器需要的樣本數(shù)量將達到0.33億。如此海量的樣本只能通過電腦窮舉來完成。

    是一種選取非特征點樣本的有效方法:在訓(xùn)練過程中準(zhǔn)備大量的不含有特征圖像的樣本集,使用前i-1層強分類器對該圖片樣本集進行搜索識別,將誤判為特征圖像的樣本加入到非特征點樣本集中。該種方法稱為“bootstrap”法。搜索的可以采取遍歷窮舉的策略,在大小為W×H的圖片上窮舉出所有w×h大小的子圖像,可得到(W-w)×(H-h)個候選樣本。對于一個訓(xùn)練系統(tǒng),至少要滿足最后一層強分類器的訓(xùn)練,因此所需要的非特征點的數(shù)目最少為:

    式中,N為非特征點樣本集大小,f為強分類器誤判率,L為級聯(lián)分類器層數(shù)。

    訓(xùn)練開始幾層強分類器時有可能出現(xiàn)大量相似的非特征點樣本的情況,本文使用如下策略進行避免:初始時以相對較大的搜索步長遍歷,獲得非特征點樣本,用于前幾層強分類器的訓(xùn)練;同時隨著層數(shù)的增加,逐步減小搜索步長,生成更多不同的非特征點樣本。

    3 檢測及實驗結(jié)果

    圖4是特征圖像檢測系統(tǒng)框架,其中“檢測子窗口”是指分別使用各層強分類器對子窗口進行特征圖像的識別檢測。通常需要進行檢測識別的圖像分辨率要大于樣本圖像分辨率(24×24),需要對圖像本身進行比例的縮放,形成一個金字塔狀待檢圖像序列。采用的插值采樣的方法對待檢圖像進行尺度變化,按照一定的步長逐級縮小。同時,識別算法還需要對同一幅圖像的不同部位進行檢測。假設(shè)檢測窗口每次平移k個像素,那么k的大小選擇將會直接影響程序的識別精度和速度。當(dāng)k的數(shù)值取得較大時,提高了檢測速度,降低了檢測的精度;相反,如果k值取的較小,雖然會提高檢測的精度,但卻大大降低了檢測速度。

    圖4 檢測系統(tǒng)框架Fig.4 Framework of detecting system

    實驗表明,待測圖像縮放比例為1.2時,平移步長k=4,可以兼顧算法對速度和進度的雙重要求,識別結(jié)果較為滿意。訓(xùn)練和識別程序運行平臺環(huán)境如下:Intel Xeon X3210四核2.13 GHz CPU、1G DDR400內(nèi)存。實驗結(jié)果如表4所示。

    表4 實驗結(jié)果Tab.4 Test results

    4 結(jié)束語

    飛行器特征圖像識別是計算機視覺和圖像處理學(xué)科在航空試飛領(lǐng)域的一個熱點研究方向,廣泛的應(yīng)用于試飛實驗過程中的智能安全監(jiān)控、圖像實時判讀解析等方面。本文實驗性采用AdaBoost算法,并保存分類結(jié)果以改進訓(xùn)練過程,提高了訓(xùn)練速度,綜合考慮工程應(yīng)用中效率與精度的需求,解決了飛行試驗過程中的目標(biāo)提取與跟蹤問題。在此基礎(chǔ)上,發(fā)現(xiàn)弱學(xué)習(xí)算法對強分類器的結(jié)構(gòu)、性能有著很大影響,高效的訓(xùn)練算法可以加快系統(tǒng)的收斂速度。同時以消耗訓(xùn)練時間為代價,擴展矩形特征的類型數(shù)量可以有效的提高算法對特征圖像的識別能力。

    [1]Vapnik.The nature of statistical learning theory[M].New York:Spinger-Verlag,1995.

    [2]涂承勝.Boosting理論基礎(chǔ)[J].計算機科學(xué),2004,31(10):11-15.TU Cheng-sheng.The theory base of boosting[J].Computer Science,2004,31(10):11-15.

    [3]于玲.集成學(xué)習(xí):Boosting算法綜述[J].模式識別與人工智能,2004,17(1):52-60.YU Ling.Assemble learning:a survey of boosting algrorithms[J].Pattern Recognition And Artificial Intelligence,2004,17(1):52-60.

    [4]張宏林.Visual C++數(shù)字圖像模式識別技術(shù)及工程實踐[M].北京:人民郵電出版社,2003.

    [5]Viola P,Jones M.Robust real-time object detection.cambridge research laboratory,Technical report series[R].CRL,2001.

    [6]Lienhart R,Maydt J.An extended set of Harr-like features for rapid object detection[C]//IEEE ICIP,2002:900-903.

    猜你喜歡
    分類器樣本特征
    用樣本估計總體復(fù)習(xí)點撥
    如何表達“特征”
    不忠誠的四個特征
    推動醫(yī)改的“直銷樣本”
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    抓住特征巧觀察
    隨機微分方程的樣本Lyapunov二次型估計
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    村企共贏的樣本
    www.www免费av| 亚洲国产中文字幕在线视频| 亚洲国产欧美网| 久久久久久免费高清国产稀缺| 国产真人三级小视频在线观看| 亚洲av日韩精品久久久久久密| 久久性视频一级片| svipshipincom国产片| 两性午夜刺激爽爽歪歪视频在线观看 | netflix在线观看网站| 国产成人欧美| 久久精品aⅴ一区二区三区四区| 国内毛片毛片毛片毛片毛片| 热99re8久久精品国产| 50天的宝宝边吃奶边哭怎么回事| 黑人巨大精品欧美一区二区mp4| av中文乱码字幕在线| 久久精品国产亚洲av香蕉五月| 中文字幕另类日韩欧美亚洲嫩草| 日韩一卡2卡3卡4卡2021年| 日韩大尺度精品在线看网址 | 免费av毛片视频| 免费观看人在逋| 精品国产一区二区久久| 精品卡一卡二卡四卡免费| 悠悠久久av| a级片在线免费高清观看视频| 电影成人av| 韩国精品一区二区三区| 五月开心婷婷网| 波多野结衣一区麻豆| 两个人看的免费小视频| 一级a爱视频在线免费观看| 国产av在哪里看| 美女高潮到喷水免费观看| 欧美色视频一区免费| 久久热在线av| 久久婷婷成人综合色麻豆| 99热只有精品国产| 超色免费av| 在线播放国产精品三级| 亚洲av五月六月丁香网| 欧美老熟妇乱子伦牲交| 久久久久九九精品影院| 制服人妻中文乱码| 中文亚洲av片在线观看爽| 精品人妻在线不人妻| 亚洲av熟女| 自拍欧美九色日韩亚洲蝌蚪91| 中文字幕高清在线视频| 涩涩av久久男人的天堂| 精品国产乱码久久久久久男人| 老司机午夜十八禁免费视频| 国产熟女xx| 神马国产精品三级电影在线观看 | 久久国产亚洲av麻豆专区| 妹子高潮喷水视频| 国产亚洲欧美在线一区二区| 欧美日韩一级在线毛片| 亚洲国产欧美网| 精品人妻1区二区| 成人亚洲精品一区在线观看| 国产国语露脸激情在线看| 国产精品野战在线观看 | 国产亚洲欧美精品永久| 欧美日韩av久久| 男人舔女人下体高潮全视频| 夜夜爽天天搞| xxx96com| 999久久久国产精品视频| 亚洲精品粉嫩美女一区| 国产亚洲欧美98| 91在线观看av| av欧美777| av网站免费在线观看视频| 老司机福利观看| 老司机亚洲免费影院| 美女大奶头视频| 亚洲国产精品一区二区三区在线| 丰满人妻熟妇乱又伦精品不卡| 国产精品98久久久久久宅男小说| 一二三四社区在线视频社区8| 91国产中文字幕| 9色porny在线观看| 男人舔女人的私密视频| 黑丝袜美女国产一区| 很黄的视频免费| 麻豆一二三区av精品| 天天躁夜夜躁狠狠躁躁| 天堂中文最新版在线下载| 91麻豆av在线| 午夜两性在线视频| 琪琪午夜伦伦电影理论片6080| 精品一区二区三区四区五区乱码| 99国产精品一区二区三区| 久久国产精品男人的天堂亚洲| 亚洲黑人精品在线| 高清在线国产一区| 悠悠久久av| 久久久久久久午夜电影 | 免费av毛片视频| 久久性视频一级片| 国产熟女xx| 巨乳人妻的诱惑在线观看| 精品福利永久在线观看| 亚洲情色 制服丝袜| 亚洲精品国产区一区二| 国产一区二区三区在线臀色熟女 | 一进一出好大好爽视频| 国产欧美日韩综合在线一区二区| 高清欧美精品videossex| 国产又爽黄色视频| 国产色视频综合| 怎么达到女性高潮| 亚洲精品在线观看二区| 69av精品久久久久久| 中文字幕色久视频| 国产亚洲av高清不卡| 亚洲av成人av| 亚洲第一欧美日韩一区二区三区| 成人特级黄色片久久久久久久| 免费高清视频大片| 亚洲一区高清亚洲精品| 一边摸一边做爽爽视频免费| 成人免费观看视频高清| 老司机福利观看| 在线观看66精品国产| 99国产精品免费福利视频| 香蕉国产在线看| 看片在线看免费视频| 神马国产精品三级电影在线观看 | 热re99久久精品国产66热6| 国产三级黄色录像| 亚洲男人的天堂狠狠| 亚洲欧美精品综合一区二区三区| 亚洲av美国av| 两人在一起打扑克的视频| 欧美 亚洲 国产 日韩一| 国产又色又爽无遮挡免费看| 男人的好看免费观看在线视频 | а√天堂www在线а√下载| 亚洲avbb在线观看| 少妇粗大呻吟视频| 久久99一区二区三区| 成人影院久久| 99国产极品粉嫩在线观看| 久久人妻熟女aⅴ| 夫妻午夜视频| 每晚都被弄得嗷嗷叫到高潮| 欧美在线一区亚洲| 最近最新中文字幕大全电影3 | 男男h啪啪无遮挡| 无遮挡黄片免费观看| 人成视频在线观看免费观看| 人妻丰满熟妇av一区二区三区| 自线自在国产av| 男女之事视频高清在线观看| 看免费av毛片| 国产一区在线观看成人免费| 麻豆av在线久日| 国产精品一区二区免费欧美| 亚洲成人精品中文字幕电影 | 一本大道久久a久久精品| 在线观看免费视频网站a站| 欧美乱妇无乱码| 制服人妻中文乱码| 亚洲成人免费av在线播放| 中国美女看黄片| 黄色毛片三级朝国网站| avwww免费| 青草久久国产| 在线观看舔阴道视频| 国产不卡一卡二| 亚洲人成电影观看| 丝袜美足系列| 欧美激情 高清一区二区三区| 精品国产一区二区久久| 亚洲成人免费电影在线观看| 欧美日韩乱码在线| 50天的宝宝边吃奶边哭怎么回事| 久久狼人影院| 18禁黄网站禁片午夜丰满| 色老头精品视频在线观看| 欧美老熟妇乱子伦牲交| 精品午夜福利视频在线观看一区| 男人舔女人的私密视频| 超色免费av| netflix在线观看网站| 黄色女人牲交| 亚洲成a人片在线一区二区| 老熟妇乱子伦视频在线观看| 国产亚洲欧美在线一区二区| 免费av中文字幕在线| 欧美日韩亚洲高清精品| 久久久久久久久久久久大奶| 精品久久久精品久久久| 中文字幕人妻丝袜一区二区| 欧美成人免费av一区二区三区| 亚洲三区欧美一区| 日韩欧美免费精品| 一级毛片女人18水好多| 日韩欧美一区视频在线观看| 免费在线观看亚洲国产| 亚洲熟女毛片儿| 亚洲狠狠婷婷综合久久图片| 级片在线观看| 国产精品久久久av美女十八| 中文欧美无线码| 欧美乱色亚洲激情| 国产一区二区激情短视频| 一级片'在线观看视频| 亚洲一区二区三区色噜噜 | 久久久久久久久中文| av欧美777| 一进一出抽搐动态| 国产亚洲av高清不卡| 黄色视频,在线免费观看| 国产人伦9x9x在线观看| 国产又色又爽无遮挡免费看| e午夜精品久久久久久久| 国产亚洲av高清不卡| 极品教师在线免费播放| 搡老乐熟女国产| 亚洲精品在线观看二区| 嫁个100分男人电影在线观看| 亚洲av成人一区二区三| 日韩欧美三级三区| 欧美一级毛片孕妇| 日韩精品青青久久久久久| 交换朋友夫妻互换小说| 中文字幕精品免费在线观看视频| 天堂动漫精品| 成人影院久久| 日本 av在线| 精品无人区乱码1区二区| av免费在线观看网站| 亚洲中文av在线| 多毛熟女@视频| 久久欧美精品欧美久久欧美| 制服诱惑二区| 又紧又爽又黄一区二区| 亚洲九九香蕉| 黄片播放在线免费| 日韩欧美一区二区三区在线观看| 成年女人毛片免费观看观看9| 欧美亚洲日本最大视频资源| 十八禁人妻一区二区| netflix在线观看网站| 99热只有精品国产| 国产片内射在线| 波多野结衣av一区二区av| 国产色视频综合| 欧美日韩瑟瑟在线播放| 叶爱在线成人免费视频播放| 国产1区2区3区精品| 亚洲视频免费观看视频| 夫妻午夜视频| 一a级毛片在线观看| 欧美日韩一级在线毛片| 亚洲一区二区三区色噜噜 | 无限看片的www在线观看| 久久精品影院6| 亚洲精品国产一区二区精华液| 黑人巨大精品欧美一区二区蜜桃| 成人手机av| 欧美不卡视频在线免费观看 | 水蜜桃什么品种好| 免费女性裸体啪啪无遮挡网站| 国产99久久九九免费精品| 精品一品国产午夜福利视频| 色综合欧美亚洲国产小说| 999久久久国产精品视频| 嫁个100分男人电影在线观看| 免费日韩欧美在线观看| 欧美日韩乱码在线| 女人爽到高潮嗷嗷叫在线视频| 88av欧美| 免费av中文字幕在线| 亚洲欧美日韩无卡精品| 最新在线观看一区二区三区| 日韩免费av在线播放| 18美女黄网站色大片免费观看| 亚洲自偷自拍图片 自拍| 女性生殖器流出的白浆| 亚洲欧美日韩高清在线视频| 宅男免费午夜| 中文字幕最新亚洲高清| 国产主播在线观看一区二区| 99久久综合精品五月天人人| 亚洲国产毛片av蜜桃av| 日本vs欧美在线观看视频| 欧美日韩黄片免| 免费搜索国产男女视频| 99国产精品一区二区三区| 淫秽高清视频在线观看| 一级毛片高清免费大全| 国产午夜精品久久久久久| 国产av一区在线观看免费| 国产又爽黄色视频| 99久久综合精品五月天人人| 国产在线观看jvid| 中文字幕色久视频| 丁香欧美五月| 中文字幕色久视频| 美女大奶头视频| 免费不卡黄色视频| 亚洲精品一区av在线观看| 久久九九热精品免费| 欧美日韩精品网址| 电影成人av| 欧美日韩瑟瑟在线播放| 满18在线观看网站| 日韩精品中文字幕看吧| 性色av乱码一区二区三区2| 亚洲中文日韩欧美视频| av有码第一页| 一区二区三区国产精品乱码| 国产午夜精品久久久久久| 久久久久久久久免费视频了| 欧美黄色片欧美黄色片| 成人18禁高潮啪啪吃奶动态图| 啦啦啦免费观看视频1| 欧美丝袜亚洲另类 | 国产色视频综合| 757午夜福利合集在线观看| 国产精品自产拍在线观看55亚洲| 国产成人精品久久二区二区免费| 成年人免费黄色播放视频| 久久久久久久久免费视频了| 男女床上黄色一级片免费看| 精品国产乱子伦一区二区三区| 亚洲成人国产一区在线观看| 久久人妻av系列| 丰满的人妻完整版| 亚洲精品国产色婷婷电影| 精品一品国产午夜福利视频| 日韩欧美在线二视频| 国产真人三级小视频在线观看| 欧美中文日本在线观看视频| 久久国产乱子伦精品免费另类| 热99re8久久精品国产| 纯流量卡能插随身wifi吗| 中文欧美无线码| 中文亚洲av片在线观看爽| 午夜福利在线观看吧| 又黄又爽又免费观看的视频| 国产精品久久久久久人妻精品电影| 国产成人精品久久二区二区免费| 国产精品自产拍在线观看55亚洲| 国产伦一二天堂av在线观看| 亚洲欧美一区二区三区黑人| 亚洲va日本ⅴa欧美va伊人久久| 欧美激情高清一区二区三区| 日韩国内少妇激情av| 欧美日韩乱码在线| 91在线观看av| 国产亚洲精品久久久久5区| 国产亚洲精品一区二区www| 成人亚洲精品一区在线观看| 久久久久久久久中文| 午夜福利免费观看在线| 国产熟女xx| 极品教师在线免费播放| 免费在线观看视频国产中文字幕亚洲| 久久99一区二区三区| www日本在线高清视频| 欧美日韩乱码在线| 国产精品国产高清国产av| 国产伦人伦偷精品视频| 亚洲午夜精品一区,二区,三区| 99国产精品一区二区蜜桃av| 亚洲午夜精品一区,二区,三区| 久久99一区二区三区| a级毛片黄视频| 满18在线观看网站| 一二三四在线观看免费中文在| 老鸭窝网址在线观看| 国产精品98久久久久久宅男小说| 十八禁人妻一区二区| 一区二区三区激情视频| 久久性视频一级片| ponron亚洲| 久久香蕉激情| 亚洲av成人不卡在线观看播放网| e午夜精品久久久久久久| 亚洲成人精品中文字幕电影 | 日韩欧美国产一区二区入口| 亚洲成a人片在线一区二区| 涩涩av久久男人的天堂| av网站在线播放免费| 天天影视国产精品| 久久久国产一区二区| 国产又色又爽无遮挡免费看| 亚洲欧洲精品一区二区精品久久久| 免费av毛片视频| 成人18禁高潮啪啪吃奶动态图| 亚洲av美国av| 看片在线看免费视频| 亚洲av电影在线进入| 好看av亚洲va欧美ⅴa在| 黄频高清免费视频| 精品福利观看| 18禁裸乳无遮挡免费网站照片 | 脱女人内裤的视频| 国产一区二区三区在线臀色熟女 | 久久天躁狠狠躁夜夜2o2o| 黄色成人免费大全| tocl精华| 成人国产一区最新在线观看| 亚洲成国产人片在线观看| 亚洲美女黄片视频| 国产精品久久电影中文字幕| 亚洲av美国av| 美女福利国产在线| 国产有黄有色有爽视频| 777久久人妻少妇嫩草av网站| 交换朋友夫妻互换小说| 亚洲中文字幕日韩| 国产国语露脸激情在线看| 涩涩av久久男人的天堂| 亚洲国产中文字幕在线视频| 88av欧美| 国产亚洲精品综合一区在线观看 | 欧美成人午夜精品| 中文字幕人妻熟女乱码| 婷婷精品国产亚洲av在线| 可以免费在线观看a视频的电影网站| 精品国产一区二区三区四区第35| 成人18禁在线播放| 亚洲成av片中文字幕在线观看| 国产精品野战在线观看 | 精品少妇一区二区三区视频日本电影| 一区在线观看完整版| 日韩精品青青久久久久久| 久久久国产成人精品二区 | 啦啦啦在线免费观看视频4| 午夜福利免费观看在线| 亚洲国产精品合色在线| 午夜福利在线观看吧| 超碰97精品在线观看| 国产极品粉嫩免费观看在线| 亚洲成人免费av在线播放| 精品久久久久久成人av| 美女高潮喷水抽搐中文字幕| 看片在线看免费视频| 国产有黄有色有爽视频| 变态另类成人亚洲欧美熟女 | 中文字幕av电影在线播放| 黄色视频,在线免费观看| 亚洲国产精品合色在线| 好看av亚洲va欧美ⅴa在| 91成年电影在线观看| 亚洲va日本ⅴa欧美va伊人久久| 色精品久久人妻99蜜桃| 国产高清视频在线播放一区| 欧美中文日本在线观看视频| 午夜免费观看网址| 91精品国产国语对白视频| 黑丝袜美女国产一区| 色老头精品视频在线观看| 久久久久九九精品影院| 亚洲av成人不卡在线观看播放网| 成人亚洲精品av一区二区 | 99国产精品99久久久久| 免费观看人在逋| 国产精品免费视频内射| 久久久国产成人免费| 欧美日本亚洲视频在线播放| 国产av一区在线观看免费| 久久久水蜜桃国产精品网| 精品国产国语对白av| 男女下面插进去视频免费观看| 亚洲五月色婷婷综合| 国产av又大| 神马国产精品三级电影在线观看 | 日本黄色日本黄色录像| 韩国av一区二区三区四区| 国产成人精品久久二区二区91| 国产精品亚洲一级av第二区| 日韩有码中文字幕| 美女大奶头视频| 欧美大码av| 国产黄a三级三级三级人| 一本综合久久免费| 午夜福利在线观看吧| 一进一出抽搐gif免费好疼 | 99精品欧美一区二区三区四区| 精品高清国产在线一区| 啪啪无遮挡十八禁网站| 国产精品综合久久久久久久免费 | 国产精品一区二区免费欧美| 极品教师在线免费播放| 在线观看免费视频日本深夜| 精品一区二区三区四区五区乱码| 久久亚洲精品不卡| 日日摸夜夜添夜夜添小说| 免费观看人在逋| 国产视频一区二区在线看| 中文字幕人妻熟女乱码| 欧美在线黄色| 50天的宝宝边吃奶边哭怎么回事| 欧美日韩乱码在线| 动漫黄色视频在线观看| 在线av久久热| 宅男免费午夜| 精品久久久精品久久久| 高清毛片免费观看视频网站 | 别揉我奶头~嗯~啊~动态视频| 在线视频色国产色| 亚洲情色 制服丝袜| 99精国产麻豆久久婷婷| 欧美成人午夜精品| 97超级碰碰碰精品色视频在线观看| av欧美777| 免费在线观看日本一区| 在线看a的网站| 亚洲 欧美 日韩 在线 免费| 十分钟在线观看高清视频www| 亚洲激情在线av| 精品国产国语对白av| 麻豆av在线久日| 日韩精品青青久久久久久| 午夜成年电影在线免费观看| 色综合站精品国产| 9热在线视频观看99| 在线观看免费午夜福利视频| 男女下面进入的视频免费午夜 | 日韩有码中文字幕| 日本 av在线| 91精品国产国语对白视频| 久久亚洲真实| 韩国精品一区二区三区| 久久久久精品国产欧美久久久| 国产三级黄色录像| 国产精品98久久久久久宅男小说| 国产成人一区二区三区免费视频网站| 午夜a级毛片| 日日摸夜夜添夜夜添小说| 99国产精品一区二区蜜桃av| 日韩免费av在线播放| 亚洲国产中文字幕在线视频| 色综合站精品国产| 又紧又爽又黄一区二区| e午夜精品久久久久久久| 久久中文看片网| 91九色精品人成在线观看| 久久久久国内视频| 午夜影院日韩av| 国产在线精品亚洲第一网站| 亚洲av第一区精品v没综合| 动漫黄色视频在线观看| 久久久久国产一级毛片高清牌| 国产欧美日韩精品亚洲av| 日韩精品中文字幕看吧| 一进一出抽搐动态| 另类亚洲欧美激情| 9191精品国产免费久久| 久久精品国产亚洲av高清一级| 精品一区二区三区视频在线观看免费 | 美女福利国产在线| 麻豆av在线久日| 最好的美女福利视频网| 精品久久久久久久久久免费视频 | netflix在线观看网站| 久久久久九九精品影院| 国产成人系列免费观看| 一级毛片女人18水好多| 精品福利永久在线观看| 国产深夜福利视频在线观看| 正在播放国产对白刺激| 中文字幕另类日韩欧美亚洲嫩草| 久久婷婷成人综合色麻豆| 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| 亚洲成人免费电影在线观看| 成年女人毛片免费观看观看9| 久久久水蜜桃国产精品网| 水蜜桃什么品种好| 亚洲成a人片在线一区二区| 国产成年人精品一区二区 | tocl精华| 在线观看免费视频网站a站| 亚洲av成人一区二区三| 国产色视频综合| 国产又色又爽无遮挡免费看| 久久久久久久久中文| 桃红色精品国产亚洲av| 丁香欧美五月| 一级毛片高清免费大全| 亚洲人成电影观看| 国产xxxxx性猛交| 国产成人免费无遮挡视频| av超薄肉色丝袜交足视频| 男女午夜视频在线观看| xxxhd国产人妻xxx| 久久天躁狠狠躁夜夜2o2o| 亚洲自拍偷在线| 国产激情欧美一区二区| 在线观看午夜福利视频| 在线观看一区二区三区激情| 国产精品野战在线观看 | 午夜免费成人在线视频| 国产aⅴ精品一区二区三区波| 狠狠狠狠99中文字幕| 日韩精品青青久久久久久| 欧美久久黑人一区二区| 亚洲欧美一区二区三区黑人| www.自偷自拍.com| 精品第一国产精品| 欧美成人性av电影在线观看| 久久欧美精品欧美久久欧美| 50天的宝宝边吃奶边哭怎么回事| 老鸭窝网址在线观看| 久久国产乱子伦精品免费另类| 国产成人免费无遮挡视频|