• <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
    深夜精品福利| 精品久久久久久久久久久久久| 亚洲五月天丁香| 欧美日韩中文字幕国产精品一区二区三区| 97热精品久久久久久| 最新在线观看一区二区三区| 91在线观看av| 午夜免费成人在线视频| 亚洲无线在线观看| bbb黄色大片| 国产aⅴ精品一区二区三区波| 亚洲,欧美,日韩| 午夜福利高清视频| www.999成人在线观看| 亚洲精华国产精华精| 国产成人欧美在线观看| 亚洲,欧美,日韩| 久久欧美精品欧美久久欧美| 国产精品日韩av在线免费观看| 美女cb高潮喷水在线观看| 又爽又黄无遮挡网站| 日日摸夜夜添夜夜添小说| 亚洲专区国产一区二区| 黄色女人牲交| 69av精品久久久久久| 日本撒尿小便嘘嘘汇集6| 可以在线观看毛片的网站| 99视频精品全部免费 在线| eeuss影院久久| 我要看日韩黄色一级片| 两人在一起打扑克的视频| 亚洲av成人精品一区久久| 欧美区成人在线视频| 少妇被粗大猛烈的视频| 免费看美女性在线毛片视频| 国产成人欧美在线观看| 国内精品一区二区在线观看| 搡女人真爽免费视频火全软件 | 特级一级黄色大片| 国产精品久久久久久亚洲av鲁大| 长腿黑丝高跟| 亚洲最大成人手机在线| 看免费av毛片| 99国产精品一区二区蜜桃av| 亚洲欧美精品综合久久99| 中文资源天堂在线| 亚洲欧美日韩无卡精品| 男女之事视频高清在线观看| 成人亚洲精品av一区二区| 国产伦一二天堂av在线观看| 婷婷精品国产亚洲av在线| 精品久久国产蜜桃| 无人区码免费观看不卡| 天堂网av新在线| 欧美日韩综合久久久久久 | 亚洲熟妇中文字幕五十中出| 99精品久久久久人妻精品| 亚洲在线观看片| 午夜两性在线视频| 欧美精品国产亚洲| 欧美xxxx性猛交bbbb| 免费在线观看日本一区| 欧美日韩黄片免| 丰满人妻一区二区三区视频av| 欧美xxxx黑人xx丫x性爽| 99热这里只有精品一区| 亚洲人成网站在线播放欧美日韩| 亚洲国产欧洲综合997久久,| 三级毛片av免费| 成人欧美大片| 国产免费一级a男人的天堂| 丰满人妻一区二区三区视频av| www.www免费av| 国内久久婷婷六月综合欲色啪| 激情在线观看视频在线高清| 九九久久精品国产亚洲av麻豆| 亚洲av熟女| 亚洲人成伊人成综合网2020| 国产亚洲精品av在线| 动漫黄色视频在线观看| 免费av毛片视频| 极品教师在线免费播放| 亚洲精华国产精华精| 蜜桃亚洲精品一区二区三区| 夜夜夜夜夜久久久久| 日本一本二区三区精品| 国产视频一区二区在线看| 99久久精品热视频| 欧美成人一区二区免费高清观看| 尤物成人国产欧美一区二区三区| 日韩精品中文字幕看吧| 欧美最新免费一区二区三区 | 99国产精品一区二区蜜桃av| 99久久精品国产亚洲精品| 18+在线观看网站| 国内精品美女久久久久久| 婷婷色综合大香蕉| 日韩欧美免费精品| 欧美黄色淫秽网站| 亚洲在线自拍视频| 身体一侧抽搐| 亚洲av美国av| 男人的好看免费观看在线视频| 首页视频小说图片口味搜索| 国产探花在线观看一区二区| 一进一出抽搐gif免费好疼| 热99在线观看视频| 97热精品久久久久久| 婷婷丁香在线五月| 在线国产一区二区在线| 日韩中字成人| 俄罗斯特黄特色一大片| 午夜福利视频1000在线观看| x7x7x7水蜜桃| 久久久久精品国产欧美久久久| 最近中文字幕高清免费大全6 | 免费黄网站久久成人精品 | 1024手机看黄色片| 日本一二三区视频观看| 内地一区二区视频在线| 网址你懂的国产日韩在线| 亚洲成人精品中文字幕电影| 制服丝袜大香蕉在线| 99精品久久久久人妻精品| 天堂网av新在线| 在线观看66精品国产| 身体一侧抽搐| 国产高清视频在线观看网站| 成人av在线播放网站| 老女人水多毛片| 欧美+日韩+精品| 成人av一区二区三区在线看| 久久精品影院6| 18禁黄网站禁片午夜丰满| 天堂网av新在线| 女同久久另类99精品国产91| 他把我摸到了高潮在线观看| 亚洲精华国产精华精| 精品99又大又爽又粗少妇毛片 | 在线看三级毛片| 国产色爽女视频免费观看| 国产精品亚洲一级av第二区| 久久中文看片网| bbb黄色大片| 亚洲在线观看片| 悠悠久久av| 88av欧美| 1024手机看黄色片| 国产 一区 欧美 日韩| av在线蜜桃| 亚洲av免费在线观看| 亚洲欧美日韩卡通动漫| 色精品久久人妻99蜜桃| 99久久成人亚洲精品观看| 国语自产精品视频在线第100页| 国产精品电影一区二区三区| 9191精品国产免费久久| 国产精品乱码一区二三区的特点| 全区人妻精品视频| 无遮挡黄片免费观看| 天堂√8在线中文| 一个人免费在线观看电影| 噜噜噜噜噜久久久久久91| 国产精品一及| 久久中文看片网| 色噜噜av男人的天堂激情| 欧美性猛交黑人性爽| 久久久久国内视频| 午夜精品一区二区三区免费看| 在线观看av片永久免费下载| 欧美日韩中文字幕国产精品一区二区三区| 欧美黄色淫秽网站| a级一级毛片免费在线观看| 国产一级毛片七仙女欲春2| 久久精品国产亚洲av香蕉五月| 午夜福利免费观看在线| 在线看三级毛片| 成人一区二区视频在线观看| 中文在线观看免费www的网站| 好男人在线观看高清免费视频| 制服丝袜大香蕉在线| 在线免费观看不下载黄p国产 | 狂野欧美白嫩少妇大欣赏| 亚洲成人久久爱视频| 亚洲在线自拍视频| 欧美一区二区国产精品久久精品| 亚洲av美国av| 一进一出抽搐动态| 日韩 亚洲 欧美在线| 日日夜夜操网爽| 亚洲国产高清在线一区二区三| 久久亚洲精品不卡| 欧美在线一区亚洲| 国产日本99.免费观看| 赤兔流量卡办理| 久久香蕉精品热| 99热只有精品国产| 午夜老司机福利剧场| 亚洲成a人片在线一区二区| 成人欧美大片| 看片在线看免费视频| 国产午夜福利久久久久久| 亚洲国产精品sss在线观看| 国内毛片毛片毛片毛片毛片| 国产v大片淫在线免费观看| 亚洲欧美日韩东京热| 美女大奶头视频| 亚洲国产精品成人综合色| 国产 一区 欧美 日韩| 亚洲成人免费电影在线观看| 一二三四社区在线视频社区8| 桃红色精品国产亚洲av| 91麻豆av在线| 国产白丝娇喘喷水9色精品| 97人妻精品一区二区三区麻豆| 69人妻影院| 国产久久久一区二区三区| 婷婷精品国产亚洲av| 他把我摸到了高潮在线观看| 国产成人影院久久av| 国产成人啪精品午夜网站| 亚洲欧美日韩东京热| 亚洲成人精品中文字幕电影| 亚洲内射少妇av| 日本一二三区视频观看| 高潮久久久久久久久久久不卡| 亚洲第一区二区三区不卡| 每晚都被弄得嗷嗷叫到高潮| 亚洲最大成人av| 国产真实乱freesex| 免费一级毛片在线播放高清视频| 国产色婷婷99| 国产大屁股一区二区在线视频| 亚洲精品亚洲一区二区| 波野结衣二区三区在线| 国产中年淑女户外野战色| 国产精品久久视频播放| 性色avwww在线观看| 欧美性感艳星| 日本一二三区视频观看| 国产国拍精品亚洲av在线观看| 美女xxoo啪啪120秒动态图 | 精品99又大又爽又粗少妇毛片 | 12—13女人毛片做爰片一| 美女免费视频网站| 88av欧美| 日本a在线网址| 69人妻影院| 欧美zozozo另类| 国产在线男女| 一a级毛片在线观看| 中国美女看黄片| 国产精品久久电影中文字幕| 国内精品美女久久久久久| 草草在线视频免费看| 99riav亚洲国产免费| 啪啪无遮挡十八禁网站| 欧美日韩乱码在线| 中文字幕人妻熟人妻熟丝袜美| 一本精品99久久精品77| 精品久久久久久久人妻蜜臀av| 黄色配什么色好看| ponron亚洲| 色综合亚洲欧美另类图片| 亚洲欧美日韩无卡精品| 简卡轻食公司| 首页视频小说图片口味搜索| 日本一本二区三区精品| 久久久久国产精品人妻aⅴ院| 欧美日韩瑟瑟在线播放| 丁香六月欧美| 久久精品国产亚洲av涩爱 | 91字幕亚洲| 看黄色毛片网站| 日韩精品青青久久久久久| 美女黄网站色视频| 99精品久久久久人妻精品| 国产午夜精品论理片| 亚洲内射少妇av| a在线观看视频网站| 亚洲av成人精品一区久久| 欧美色欧美亚洲另类二区| 有码 亚洲区| 观看美女的网站| 精品熟女少妇八av免费久了| 亚洲男人的天堂狠狠| 成人一区二区视频在线观看| 动漫黄色视频在线观看| 国产精品av视频在线免费观看| 国产一区二区亚洲精品在线观看| 啪啪无遮挡十八禁网站| 男人狂女人下面高潮的视频| 亚洲成人久久爱视频| a级毛片免费高清观看在线播放| 精品久久久久久久末码| 久久草成人影院| 赤兔流量卡办理| 国产精品98久久久久久宅男小说| 露出奶头的视频| 极品教师在线视频| 精品人妻视频免费看| 极品教师在线免费播放| 最近最新中文字幕大全电影3| 两个人的视频大全免费| a在线观看视频网站| 国产欧美日韩精品一区二区| 久久久久国产精品人妻aⅴ院| 丰满的人妻完整版| 高清毛片免费观看视频网站| 国产亚洲精品综合一区在线观看| 亚洲美女视频黄频| 国产真实乱freesex| 少妇的逼水好多| 午夜福利欧美成人| 久久久久九九精品影院| 免费人成在线观看视频色| 免费看a级黄色片| 国产精品久久视频播放| 国产在线男女| av在线蜜桃| 亚洲最大成人av| 国产探花在线观看一区二区| 热99在线观看视频| 亚洲欧美激情综合另类| 午夜两性在线视频| 午夜福利在线观看吧| 日韩大尺度精品在线看网址| 日本精品一区二区三区蜜桃| 精品人妻视频免费看| 非洲黑人性xxxx精品又粗又长| 亚洲色图av天堂| 色综合站精品国产| 国产探花在线观看一区二区| 97人妻精品一区二区三区麻豆| 99久久无色码亚洲精品果冻| 国产伦精品一区二区三区四那| 少妇被粗大猛烈的视频| 国产美女午夜福利| 中文亚洲av片在线观看爽| 18禁在线播放成人免费| 久久久久免费精品人妻一区二区| 亚洲自偷自拍三级| 淫妇啪啪啪对白视频| 人妻制服诱惑在线中文字幕| 69人妻影院| 99热这里只有是精品50| 一级a爱片免费观看的视频| 亚洲最大成人手机在线| 亚洲经典国产精华液单 | 国产黄色小视频在线观看| 精品久久久久久成人av| 在线看三级毛片| 亚洲成人免费电影在线观看| 一级毛片久久久久久久久女| 亚洲男人的天堂狠狠| 国产一区二区三区视频了| 国产一区二区三区在线臀色熟女| 性欧美人与动物交配| 网址你懂的国产日韩在线| 亚洲专区中文字幕在线| 我要搜黄色片| 亚洲三级黄色毛片| 美女大奶头视频| 国产黄a三级三级三级人| 成年版毛片免费区| 天天一区二区日本电影三级| 国产亚洲精品综合一区在线观看| 特级一级黄色大片| 亚洲人成网站在线播放欧美日韩| 深夜精品福利| 亚洲精品影视一区二区三区av| 精品熟女少妇八av免费久了| 男人狂女人下面高潮的视频| netflix在线观看网站| 91字幕亚洲| 色综合站精品国产| 能在线免费观看的黄片| 99热这里只有是精品50| 欧美高清成人免费视频www| 九九在线视频观看精品| 欧美午夜高清在线| 69av精品久久久久久| 99热这里只有精品一区| 欧美激情国产日韩精品一区| 在线观看av片永久免费下载| 色综合站精品国产| 国产精品亚洲av一区麻豆| 两人在一起打扑克的视频| 噜噜噜噜噜久久久久久91| 国产亚洲欧美98| 国产精品三级大全| 欧美成狂野欧美在线观看| 俄罗斯特黄特色一大片| 18美女黄网站色大片免费观看| 国产69精品久久久久777片| 国内精品久久久久久久电影| 欧美高清成人免费视频www| 色哟哟哟哟哟哟| 九色成人免费人妻av| 久久久久久久午夜电影| 一本久久中文字幕| 十八禁国产超污无遮挡网站| 亚洲 欧美 日韩 在线 免费| av福利片在线观看| 亚洲精品成人久久久久久| 欧美性感艳星| 午夜福利成人在线免费观看| 日韩国内少妇激情av| 精品人妻熟女av久视频| 中文字幕熟女人妻在线| 十八禁网站免费在线| 国产亚洲av嫩草精品影院| 成人鲁丝片一二三区免费| 少妇熟女aⅴ在线视频| 欧美日韩综合久久久久久 | 又黄又爽又免费观看的视频| 一区福利在线观看| 在线免费观看的www视频| 成人特级av手机在线观看| 欧美精品国产亚洲| 禁无遮挡网站| 国内久久婷婷六月综合欲色啪| 简卡轻食公司| 欧美日韩亚洲国产一区二区在线观看| 婷婷丁香在线五月| 色综合欧美亚洲国产小说| 波多野结衣巨乳人妻| 动漫黄色视频在线观看| 亚洲美女视频黄频| 色哟哟·www| 亚洲av第一区精品v没综合| 91在线精品国自产拍蜜月| 99精品久久久久人妻精品| 久久人妻av系列| 窝窝影院91人妻| 国产在线男女| 欧美日韩国产亚洲二区| 无遮挡黄片免费观看| 美女大奶头视频| 久久久精品欧美日韩精品| 色视频www国产| 亚洲一区二区三区不卡视频| 少妇熟女aⅴ在线视频| 国产三级黄色录像| 亚洲三级黄色毛片| 午夜a级毛片| 男人狂女人下面高潮的视频| 伊人久久精品亚洲午夜| 亚洲精品一卡2卡三卡4卡5卡| 久久久久久大精品| 国内精品久久久久精免费| 久久精品久久久久久噜噜老黄 | 免费看日本二区| 国产精品1区2区在线观看.| 美女xxoo啪啪120秒动态图 | 高潮久久久久久久久久久不卡| 搡女人真爽免费视频火全软件 | 国产成+人综合+亚洲专区| 国产av不卡久久| 丰满的人妻完整版| 国产激情偷乱视频一区二区| 精品国产三级普通话版| 国产精品久久久久久久久免 | 一级黄色大片毛片| 免费看光身美女| www日本黄色视频网| 亚洲aⅴ乱码一区二区在线播放| 亚洲avbb在线观看| 欧美绝顶高潮抽搐喷水| 色噜噜av男人的天堂激情| 亚洲五月天丁香| 久久99热6这里只有精品| 日韩欧美在线乱码| 亚洲真实伦在线观看| av中文乱码字幕在线| 免费无遮挡裸体视频| 中文亚洲av片在线观看爽| 一进一出好大好爽视频| bbb黄色大片| 国内精品一区二区在线观看| 热99在线观看视频| 中文字幕av成人在线电影| 嫩草影院精品99| 美女高潮的动态| av在线老鸭窝| 国产午夜福利久久久久久| 国产一区二区亚洲精品在线观看| 美女 人体艺术 gogo| 午夜福利成人在线免费观看| 国内精品久久久久精免费| 免费一级毛片在线播放高清视频| 欧美三级亚洲精品| 国产精品三级大全| 日本一本二区三区精品| 国产精品一及| 无人区码免费观看不卡| 久久精品91蜜桃| 狠狠狠狠99中文字幕| x7x7x7水蜜桃| 又黄又爽又刺激的免费视频.| 波野结衣二区三区在线| 91字幕亚洲| 一a级毛片在线观看| 天堂√8在线中文| 久久久国产成人免费| 极品教师在线视频| 韩国av一区二区三区四区| 精品人妻偷拍中文字幕| 国产精品,欧美在线| 色播亚洲综合网| 国产69精品久久久久777片| 伊人久久精品亚洲午夜| 精品人妻视频免费看| 美女xxoo啪啪120秒动态图 | 亚洲成av人片免费观看| 简卡轻食公司| av黄色大香蕉| 日韩人妻高清精品专区| 精品免费久久久久久久清纯| 国产欧美日韩一区二区精品| 欧美日韩亚洲国产一区二区在线观看| 国产免费一级a男人的天堂| 深夜a级毛片| 一本久久中文字幕| 老司机午夜福利在线观看视频| 窝窝影院91人妻| 日韩欧美一区二区三区在线观看| 午夜激情福利司机影院| 老司机深夜福利视频在线观看| 精品不卡国产一区二区三区| 97超视频在线观看视频| 一进一出抽搐动态| 99久久99久久久精品蜜桃| 99国产极品粉嫩在线观看| 亚洲av第一区精品v没综合| 如何舔出高潮| av在线蜜桃| 欧美成人性av电影在线观看| 国内精品久久久久精免费| 国产精品国产高清国产av| 亚洲精品日韩av片在线观看| 最后的刺客免费高清国语| 真人做人爱边吃奶动态| 亚洲精品在线观看二区| 桃红色精品国产亚洲av| 中文字幕高清在线视频| 亚洲乱码一区二区免费版| 午夜福利视频1000在线观看| 色尼玛亚洲综合影院| 亚洲中文字幕一区二区三区有码在线看| 午夜激情福利司机影院| 日韩人妻高清精品专区| 日韩 亚洲 欧美在线| 国产色婷婷99| 亚洲无线观看免费| 亚洲最大成人av| 午夜老司机福利剧场| 国产探花极品一区二区| 日本免费a在线| 亚洲国产精品合色在线| 亚洲七黄色美女视频| 一级黄色大片毛片| 欧美色视频一区免费| 免费人成在线观看视频色| 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| 亚洲av五月六月丁香网| 亚洲精品影视一区二区三区av| 久久香蕉精品热| 国产真实乱freesex| 12—13女人毛片做爰片一| 国产真实乱freesex| 久久久久久九九精品二区国产| 国产成人啪精品午夜网站| 亚洲,欧美,日韩| 亚洲黑人精品在线| 精品午夜福利视频在线观看一区| 97超视频在线观看视频| 又爽又黄a免费视频| 精品午夜福利在线看| 亚洲国产色片| 好男人电影高清在线观看| 狠狠狠狠99中文字幕| 91狼人影院| 69人妻影院| 首页视频小说图片口味搜索| 久久人人爽人人爽人人片va | 色在线成人网| 极品教师在线视频| 国产三级黄色录像| 精品不卡国产一区二区三区| 一区二区三区免费毛片| 人人妻,人人澡人人爽秒播| 精品人妻一区二区三区麻豆 | 国产精品永久免费网站| 日韩欧美一区二区三区在线观看| 日日夜夜操网爽| 国产av不卡久久| 黄色一级大片看看| 精品无人区乱码1区二区| 美女黄网站色视频| 99久久99久久久精品蜜桃| 久久午夜亚洲精品久久| 欧美区成人在线视频| 午夜免费激情av| 日韩人妻高清精品专区| 人妻久久中文字幕网| 神马国产精品三级电影在线观看| 精品日产1卡2卡| 最近视频中文字幕2019在线8| 成人亚洲精品av一区二区| 中文字幕熟女人妻在线| 成年女人看的毛片在线观看| 好男人在线观看高清免费视频| 亚洲色图av天堂|