• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢索方法研究

    2017-03-06 20:14:45甘澄丁學(xué)文
    電腦知識與技術(shù) 2016年30期
    關(guān)鍵詞:圖像檢索卷積神經(jīng)網(wǎng)絡(luò)

    甘澄 丁學(xué)文

    摘要:為了解決傳統(tǒng)車輛檢索方法中準確性和區(qū)分度較低的問題,本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的車輛檢索方法。該方法利用CNN稀疏連接和權(quán)值共享的優(yōu)點,針對車輛前臉圖像關(guān)鍵特征位置的相對不變性,設(shè)計了一個七層的網(wǎng)絡(luò)結(jié)構(gòu),可以合理提取車輛的有效特征,并將低級結(jié)構(gòu)特征組合成為高一級的特征,既簡化了模型的復(fù)雜度,也克服了旋轉(zhuǎn)平移等因素對檢測結(jié)果的影響。該方法最終通過相似度排序的方法得到檢索結(jié)果。實驗結(jié)果表明,本文所提出的方法相對于基于局部不變特征方法具有更高的準確度。

    關(guān)鍵詞:車輛檢測;圖像檢索;卷積神經(jīng)網(wǎng)絡(luò)

    中圖分類號:TP391 文獻標識碼:A 文章編號:1009-3044(2016)30-0191-03

    The Research of Vehicle Image Retrieval Based on Convolutional Neural Network

    GAN Cheng, DING Xue-wen

    (School of Electronic Engineering,Tianjin University of Technology and Education, Tianjin 3000222 , China)

    Abstract:In order to solve the problem of the traditional vehicle retrieval methods which has low degree of differentiation and accuracy, it is proposed in this paper that a vehicle retrieval method based on convolution neural network (CNN).This methods builds a seven layers network structure which utilizes the advantages of CNN which called sparse connecting and weights sharing, and the key feature location invariance for vehicle former face image. This structure can extract effective features of vehicle which is reasonable, and combine the low scale feature into higher scale one. It not only simplifies the complexity of the model, but also overcome the influence of rotating shift on the result with effect. Finally, it get the retrieve result through similarity ranking. By comparing with the methods which based on local invariant features, the experimental results show that the presented method has a higher accuracy.

    Key words: vehicle detection; image retrieval; CNN

    1引言

    隨著生活水平和工業(yè)水平的提高,機動車數(shù)量迅速增長,車輛的品牌也有所增加,傳統(tǒng)的人工基于視頻圖像對交通信息的判斷工作已經(jīng)無法滿足當前的發(fā)展狀況,有效判別某一輛汽車具體品牌型號對于交通管理領(lǐng)域,特別是對車輛違章、無牌照車輛等公安稽查領(lǐng)域有著非常重要的意義[1]。

    當前對于車輛型號信息的提取主要有以下幾種方法:

    1)基于車牌識別的車型識別方法。該方法對車牌進行字符識別,通過識別到的車牌信息查詢交通管理數(shù)據(jù)庫,以此獲得車主信息與車輛型號。該方法簡單高效,應(yīng)用廣泛,然而遇到套牌車輛會失去作用。

    2)基于特征匹配的車型識別方法。通過提取車輛圖像的局部特征來進行車型識別。該方法需要選擇合適的局部特征,合適的匹配算法,是目前比較熱門的研究方向之一。

    3)基于3D模型匹配的車型識別方法。該方法需要建立標準車型的三維模型庫,雖然識別精度高,但算法復(fù)雜,難度較大。

    綜上所述,基于車輛外觀的圖像特征的車型識別與車輛檢索方法更為有效。若選取局部特征,可以有效降低計算的復(fù)雜度,提高系統(tǒng)效率與精度。選取全局特征則可以保留車型的全部信息,大幅提高檢測精度,但計算的復(fù)雜度也隨之升高。車輛的前臉特征,它包含了車型的重要信息,如車燈,格柵,車標等,這些局部特征可以有效地區(qū)分各種車型。

    2當前的車輛檢索方法

    傳統(tǒng)的車輛檢測方法選取車輛的局部信息進行檢測。但這種方法面臨的問題是對于車輛的局部信息,檢測的速度雖然比較快,但仍然存在不少缺點。

    文獻[2]采用具有嚴格意義的仿射不變性特征的MSER進行特征檢測,將檢測到的特征點用SIFT描述子描述為特征向量。通過“詞袋模型”,將所有的圖像量化為“碼書”。將每一類車型的所有“碼書”訓(xùn)練為該類車型的分類器,以此來對輸入圖像進行車型識別。

    文獻[3]在車輛視頻關(guān)鍵幀提取的基礎(chǔ)上,根據(jù)改進SURF算法完成車輛圖像的特征提取及匹配,其中包含改進FAST特征點檢測、SURF特征向量提取以及最近鄰查詢方法來進行特征點的匹配,并通過計算相似度,完成圖像篩選并反饋檢索結(jié)果。

    文獻[4,5]運用改進的Adaboost方法進行車臉定位,提取SIFT、SURF不變性特征,提出改進的特征匹配策略,并結(jié)合車臉區(qū)域分割的車標與車燈不變矩特征、散熱器隔欄紋理等多特征,根據(jù)車型標準特征模型庫的數(shù)據(jù),提出了多特征融合的自適應(yīng)分布車型分類識別算法。

    綜上所述,目前的車輛檢索方法主要經(jīng)過車輛前臉定位和車臉特征匹配兩個步驟,對于大部分的圖像可以取得較好的檢索效果。但是對于圖1所示的四副圖像,圖中黃色框內(nèi)為車輛的中網(wǎng)區(qū)域,紅色框內(nèi)為車燈區(qū)域。僅僅使用這兩個特征區(qū)域來進行檢測,是無法將這四輛捷豹車型區(qū)分開的。

    針對傳統(tǒng)基于不變特征對車輛識別的不足之處,本文采用深度卷積神經(jīng)網(wǎng)絡(luò),通過對車輛圖像全局特征的自動提取,從而獲得更準確的檢索結(jié)果。

    3本文采用的方法

    隨著深度學(xué)習(xí)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)在圖像領(lǐng)域有了廣泛的用途。其工作方式仿生于人類辨識事物的過程,獲取事物的全局特征,自動地與已有知識進行比較辨認,從而得到結(jié)果。此外,它具有強大的非線性表示能力,能夠理解圖像更深層次的信息。

    卷積神經(jīng)網(wǎng)絡(luò)相對于傳統(tǒng)的機器學(xué)習(xí)方法具有更多的優(yōu)勢。其主要體現(xiàn)在兩點:

    1) 特征提取和模式識別與分類同時在訓(xùn)練中運行,并且可以直接處理灰度圖像,不需對圖像進行過度的預(yù)處理,造成不必要的細節(jié)損失。

    2) 輸入圖像與網(wǎng)絡(luò)的拓撲結(jié)構(gòu)能夠很好地吻合,特別是多維輸入的圖像可以直接輸入卷積神經(jīng)網(wǎng)絡(luò)進行識別,避免了特征提取、識別過程和分類過程中數(shù)據(jù)重建所造成的重復(fù)計算。

    3.1模型設(shè)計

    本文采用LeNet-5卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。LeNet-5是一個典型的卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用案例,準確性高、可用性強,已被美國多家銀行用于支票手寫數(shù)字的識別。對車輛的識別與手寫數(shù)字類似,都是對某一未知圖像進行識別和匹配。相對于手寫數(shù)字在整個圖像中的相對位置不確定,車輛的各個部位的固定結(jié)構(gòu)使得其在一定區(qū)域具有結(jié)構(gòu)位置不變性。基于以上分析,基于車輛圖像的特點,本文構(gòu)建一個適用于車輛圖像的卷積神經(jīng)網(wǎng)絡(luò)。

    在進行網(wǎng)絡(luò)訓(xùn)練之前,首先對圖片進行處理。將獲取的輸入圖片大小歸一化為32×32,并轉(zhuǎn)換為灰度圖像,最終將圖像轉(zhuǎn)換為LMDB格式,進行標簽處理,直接用于網(wǎng)絡(luò)的輸入層[8]。設(shè)計的網(wǎng)絡(luò)如圖2所示。

    網(wǎng)絡(luò)層C1是由四個特征圖組成的卷積層。每個神經(jīng)元與輸入圖像的一個5×5的領(lǐng)域相連接,得到的卷積后的特征圖大小為28×28。網(wǎng)絡(luò)層S2由4個大小為14×14的特征圖組成的次抽樣層,其來源于對C1層池化操作。每個特征圖上的神經(jīng)元與C1層的一個大小為2×2的鄰域相連。網(wǎng)絡(luò)層C3是由10個大小為10×10的特征圖組成的卷積層。特征圖的每個神經(jīng)元與S2層的特征圖的5×5的鄰域連接。表1顯示了S2層的特征圖與C3的特征圖之間的聯(lián)接關(guān)系。列代表S2層,行代表C3層,X代表之間相連。例如,由表1可知C3的第二個特征圖由S2的第二個、第三個、第四個結(jié)合而得,通過這種選擇性連接,降低了特征的維度,加快了計算,卻保留了有用的信息。

    網(wǎng)絡(luò)層S4是由10個5×5的特征圖組成的次抽樣層。特征圖中的每個神經(jīng)元與C3層的一個2×2大小的鄰域相連接。網(wǎng)絡(luò)層C5是由200個特征圖組成的卷積層。每個神經(jīng)元與S4網(wǎng)絡(luò)層的特征圖的5×5大小的領(lǐng)域相連接。網(wǎng)絡(luò)層F6,包括100個神經(jīng)元,與網(wǎng)絡(luò)層C5進行全連接,采用softmax進行分類。最后,輸出層有10個神經(jīng)元,是由徑向基函數(shù)單元(RBF)組成,輸出層的每個神經(jīng)元對應(yīng)一個特征類別。

    在前向傳播的過程中,需要判斷是否得到神經(jīng)元的輸出,這時就需要激活函數(shù)。常用的激活函數(shù)有Sigmoid、Tanh、ReLU等[9],本文選擇ReLU。其數(shù)學(xué)表達式為f(x)=max(0,x)。可以看出,輸入信號<0時,輸出為0;輸入信號>0時,輸出等于輸入。其收斂速度大于傳統(tǒng)的Sigmoid和Tanh,且計算也相對簡單。

    在C5層原始輸出的特征圖的細節(jié),包括了圖像的邊緣特征的方向和粗細。加入編碼器,將這些邊緣特征進行組合,通過不同的組合,可以得到圖像的一些主題特征,將這些特征用于分類器中,會有很好的學(xué)習(xí)表達能力。

    在整個神經(jīng)網(wǎng)絡(luò)的設(shè)計過程中,主要從卷積核的個數(shù)大小、池化方法、網(wǎng)絡(luò)的層數(shù)的選擇來綜合考慮。越多的卷積核可以獲得更多的特征且卷積核越小則可以獲得更詳細的特征,但卻增加了處理的時間和產(chǎn)生較高的空間復(fù)雜度;較小的池化核會造成過擬合,較大的池化核則會由于下采樣的噪音太多造成誤差增大;層次越多,會產(chǎn)生更加詳細的細節(jié)特征,同時也會增加空間和時間的復(fù)雜度,對于車輛圖像而言,不需要更加精細的細節(jié)特征。因此,綜合考慮,本文設(shè)計的網(wǎng)絡(luò)如表2所示,采用7層網(wǎng)絡(luò)結(jié)構(gòu),卷積核選用5×5,池化過程選擇均值池化且池化核尺寸為2×2,分類器選用softmax能夠達到較好的分類效果。

    3.2相似度量

    經(jīng)過卷積網(wǎng)絡(luò)對圖像的學(xué)習(xí),將圖像的特征進行了抽象化,理論上在網(wǎng)絡(luò)模型中層數(shù)越高表示的特征越抽象,越能更好地表征圖像的內(nèi)容。

    本文采用簡單的最小距離分類器進行特征的相似計算,公式如下:

    這里q表示查詢圖像的特征向量,m表示檢索庫中第i張圖像的特征向量,Di表示特征之間的距離差,n表示檢索庫中一共有多少張圖片。值越小說明兩幅圖像的相似度越高。最后,通過排序算法返回相應(yīng)的特征索引并查找出對應(yīng)的圖像庫,就能檢索出所需要的相似圖像。

    4 試驗結(jié)果與分析

    本文實驗電腦配置為Intel Core i5 CPU,在Linux環(huán)境下使用深度學(xué)習(xí)庫Caffe來訓(xùn)練本文設(shè)計的模型。

    圖3顯示了輸入圖像在卷積神經(jīng)網(wǎng)絡(luò)LeNet-5各層輸出神經(jīng)元的處理結(jié)果,最左邊是輸入圖像。從圖3可以看出,隨著層數(shù)的增加,車輛的細節(jié)特征被逐漸提取出來

    本文實驗采用的圖像數(shù)據(jù)來源于互聯(lián)網(wǎng)。實驗圖像選取了50個常見的汽車品牌,并選取其中典型的車型進行訓(xùn)練,訓(xùn)練集中的圖片數(shù)目為5000張,數(shù)據(jù)按照車輛品牌及車輛具體型號進行標注。

    如圖4為一次檢索的示例。其中,左邊是輸入的查詢圖像,右邊是對應(yīng)的檢索到圖像標號所對應(yīng)的圖像。

    檢索測試圖像為捷豹XJ車型,檢索出三個相似的車型。其中NO.3924的相似度為92%,確實為目標檢測車輛。NO.3901圖像為捷豹F-TYPE車型,具有75%的相似度,這是因為家族化的設(shè)計因素造成的。NO.3957圖像為捷豹XE車型,有82%的相似度。因此認為NO.3924為所要求的結(jié)果。在檢索中,即使是同一款車型,由于拍攝角度的問題以及車輛經(jīng)過個性化的改裝,造成檢索相似度難以達到100%的準確度。如果最高相似結(jié)果低于75%,則認為檢索不成功。

    測試進行了200次試驗,其中有175次檢索結(jié)果正確。同時,與文獻[2]等傳統(tǒng)方法進行了性能對比,如表3所示。

    通過表3的數(shù)據(jù),可以看出本文的方法相對于其他文獻采用的方法,準確率有了較大的提高,但平均使用的時間相對較高。這是因為經(jīng)過卷積網(wǎng)絡(luò)的學(xué)習(xí),得到的是整個圖像的全部特征,同時受限于硬件的運算速度,造成相對運算時間較高的情況。

    5 結(jié)論

    本文將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到車輛圖像的檢索工作中。根據(jù)車輛的特征對LeNet網(wǎng)絡(luò)結(jié)構(gòu)進行改進,通過對圖像自動地進行“學(xué)習(xí)”,提取到足夠豐富且準確的車輛細節(jié)特征。以便有效區(qū)分不同車輛。與基于局部特征的車輛檢索方法相比,檢索的準確率得到了明顯的提升,綜合測試檢索的準確率達到87.5%。該方法在道路交通信息管理方面具有廣泛的應(yīng)用前景。

    但本文的工作依然存在一些不足。與傳統(tǒng)方法的對比可以看出,雖然檢索的精度有提高,但檢索的時間卻比較長,這受制于網(wǎng)絡(luò)的復(fù)雜度和硬件的運算速度。在下一步的工作中,將會采集統(tǒng)一的圖像數(shù)據(jù),并且對網(wǎng)絡(luò)結(jié)構(gòu)進行優(yōu)化,進一步提高檢索的精度和速度。

    參考文獻:

    [1] 陳明明.視頻中的車輛檢測及車型識別研究[D].南京:南京郵電大學(xué),2013.

    [2] 賈曉.套牌車輛的車型識別與檢索技術(shù)研究[D].大連:大連海事大學(xué),2016.

    [3] 張子龍.基于改進SURF算法的交通視頻車輛檢索方法研究[J].西北工業(yè)大學(xué)學(xué)報,2014,32(2):297-302.

    [4] 陳伊.基于圖像多特征的車輛對象識別方法研究[D].昆明:昆明理工大學(xué),2014.

    [5] 李全武.車臉定位及識別方法研究[J].計算機科學(xué)與探索.2015,9(6):726-733.

    [6] 盧宏濤,張秦川.深度卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺中的應(yīng)用研究綜述[J].數(shù)據(jù)采集與處理,2016(31):1-17.

    [7] 孫君頂,原芳.基于內(nèi)容的圖像檢索技術(shù)[J].計算機系統(tǒng)應(yīng)用,2011(8):240-244.

    [8] 姜磊,趙漢理.基于卷積神經(jīng)網(wǎng)絡(luò)的鞋類圖像檢索研究[J].現(xiàn)代計算機,2016(5):39-43.

    [9] 趙志宏.基于卷積神經(jīng)網(wǎng)絡(luò)LeNet_5的車牌字符識別研究[J].系統(tǒng)仿真學(xué)報,2010(3):638-641.

    猜你喜歡
    圖像檢索卷積神經(jīng)網(wǎng)絡(luò)
    基于卷積神經(jīng)網(wǎng)絡(luò)溫室智能大棚監(jiān)控系統(tǒng)的研究
    圖像特征在區(qū)域范圍內(nèi)提取方法的研究
    基于Hadoop平臺的圖像檢索模型
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
    基于顏色特征的行李箱檢索系統(tǒng)設(shè)計與實現(xiàn)
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識別的算法的研究
    基于內(nèi)容的圖像檢索算法技術(shù)研究
    基于分塊顏色核特征的圖像檢索方法
    青青草视频在线视频观看| 中文乱码字字幕精品一区二区三区| 国产精品久久久久成人av| 丝袜在线中文字幕| 18+在线观看网站| 男女下面插进去视频免费观看| 哪个播放器可以免费观看大片| 亚洲欧洲精品一区二区精品久久久 | 久久亚洲国产成人精品v| 人人妻人人澡人人爽人人夜夜| 2022亚洲国产成人精品| 亚洲欧洲日产国产| 一级a爱视频在线免费观看| 天天影视国产精品| 中文天堂在线官网| 久久久精品94久久精品| 水蜜桃什么品种好| 国产不卡av网站在线观看| 男女下面插进去视频免费观看| av又黄又爽大尺度在线免费看| 9191精品国产免费久久| 久久精品国产a三级三级三级| 免费大片黄手机在线观看| 成人手机av| 中文字幕最新亚洲高清| 亚洲精品成人av观看孕妇| 一级爰片在线观看| 中文天堂在线官网| 夫妻午夜视频| 美女中出高潮动态图| 深夜精品福利| 久久精品国产亚洲av高清一级| 免费在线观看黄色视频的| 日韩av免费高清视频| 日日摸夜夜添夜夜爱| 少妇人妻精品综合一区二区| 亚洲精品一区蜜桃| 捣出白浆h1v1| 亚洲一区二区三区欧美精品| 少妇的丰满在线观看| 看免费av毛片| 一级毛片我不卡| 一区二区三区激情视频| 老熟女久久久| 久久婷婷青草| 18禁国产床啪视频网站| 高清视频免费观看一区二区| 大香蕉久久网| 国产成人精品无人区| 国产精品无大码| av免费在线看不卡| 欧美精品av麻豆av| 国精品久久久久久国模美| 中文乱码字字幕精品一区二区三区| 国产精品一二三区在线看| 91成人精品电影| 久久av网站| 最近最新中文字幕大全免费视频 | 国产一区二区三区av在线| 中文精品一卡2卡3卡4更新| 亚洲,一卡二卡三卡| 丝袜在线中文字幕| 伦精品一区二区三区| 日本av免费视频播放| 9色porny在线观看| 久久久久久久国产电影| 精品国产乱码久久久久久男人| 久久久久久伊人网av| 精品卡一卡二卡四卡免费| 国产在线一区二区三区精| 国产高清不卡午夜福利| 又粗又硬又长又爽又黄的视频| 免费日韩欧美在线观看| 蜜桃在线观看..| 男女边摸边吃奶| 国产片内射在线| 少妇 在线观看| 国产精品国产av在线观看| 亚洲精品自拍成人| 久久 成人 亚洲| 男人舔女人的私密视频| 久久女婷五月综合色啪小说| av网站在线播放免费| 国产片特级美女逼逼视频| 成年女人在线观看亚洲视频| 成人手机av| 啦啦啦中文免费视频观看日本| 中文字幕亚洲精品专区| 夫妻性生交免费视频一级片| 2018国产大陆天天弄谢| 久久人人爽人人片av| 欧美老熟妇乱子伦牲交| 男人操女人黄网站| av国产精品久久久久影院| 精品99又大又爽又粗少妇毛片| 日韩熟女老妇一区二区性免费视频| 精品一区二区三区四区五区乱码 | 日韩av在线免费看完整版不卡| 国产视频首页在线观看| 激情视频va一区二区三区| 日本黄色日本黄色录像| 日韩精品有码人妻一区| 亚洲国产色片| 国产伦理片在线播放av一区| 亚洲国产av影院在线观看| 日韩欧美精品免费久久| 成人午夜精彩视频在线观看| 91国产中文字幕| 天美传媒精品一区二区| 极品少妇高潮喷水抽搐| 国产女主播在线喷水免费视频网站| 午夜久久久在线观看| 亚洲精品成人av观看孕妇| 在线精品无人区一区二区三| 亚洲欧美成人综合另类久久久| 9191精品国产免费久久| 亚洲三级黄色毛片| av在线观看视频网站免费| 91在线精品国自产拍蜜月| 老熟女久久久| 男女边摸边吃奶| 色视频在线一区二区三区| 国产精品蜜桃在线观看| 国产成人精品久久久久久| 国产精品三级大全| 亚洲精品国产av蜜桃| 国产高清不卡午夜福利| 亚洲欧洲精品一区二区精品久久久 | 亚洲精品国产av成人精品| 精品视频人人做人人爽| 最黄视频免费看| 午夜91福利影院| 国产一区有黄有色的免费视频| 中文天堂在线官网| 国产成人免费无遮挡视频| 男女午夜视频在线观看| 国产黄色免费在线视频| 王馨瑶露胸无遮挡在线观看| 少妇被粗大的猛进出69影院| 国产熟女午夜一区二区三区| 丰满少妇做爰视频| 欧美激情 高清一区二区三区| 中文字幕人妻熟女乱码| 男人爽女人下面视频在线观看| 国产不卡av网站在线观看| 亚洲熟女精品中文字幕| 亚洲四区av| 国产午夜精品一二区理论片| 99热国产这里只有精品6| 中文字幕精品免费在线观看视频| 熟女av电影| 日韩精品有码人妻一区| 久久精品夜色国产| 亚洲中文av在线| 中国三级夫妇交换| 999精品在线视频| 黑丝袜美女国产一区| 啦啦啦在线观看免费高清www| 狂野欧美激情性bbbbbb| 欧美最新免费一区二区三区| 午夜激情久久久久久久| 亚洲精品中文字幕在线视频| 大陆偷拍与自拍| 高清av免费在线| 婷婷成人精品国产| 永久免费av网站大全| 青春草亚洲视频在线观看| 中文字幕制服av| 肉色欧美久久久久久久蜜桃| 久久久久人妻精品一区果冻| 欧美精品高潮呻吟av久久| 18在线观看网站| 丝袜美足系列| 亚洲精品一二三| 国产国语露脸激情在线看| 欧美激情极品国产一区二区三区| 97在线视频观看| 国产一级毛片在线| 国产精品 国内视频| 日日爽夜夜爽网站| 久久久欧美国产精品| 久久精品国产自在天天线| 中文字幕av电影在线播放| 丝袜喷水一区| 国产一区二区三区av在线| 美国免费a级毛片| 宅男免费午夜| 极品人妻少妇av视频| 亚洲欧美一区二区三区国产| 日韩熟女老妇一区二区性免费视频| 国产成人精品婷婷| 精品少妇一区二区三区视频日本电影 | 日韩精品免费视频一区二区三区| 欧美日韩视频精品一区| 国产精品久久久久久精品电影小说| 深夜精品福利| 夫妻午夜视频| av在线老鸭窝| 视频区图区小说| 亚洲一区中文字幕在线| 亚洲av电影在线进入| 丰满少妇做爰视频| 久久这里有精品视频免费| 久久久亚洲精品成人影院| 国产极品粉嫩免费观看在线| 中文字幕另类日韩欧美亚洲嫩草| 18禁裸乳无遮挡动漫免费视频| 男女边吃奶边做爰视频| 黄网站色视频无遮挡免费观看| 精品一品国产午夜福利视频| av网站免费在线观看视频| 日本vs欧美在线观看视频| 欧美国产精品va在线观看不卡| 国产又色又爽无遮挡免| 欧美人与性动交α欧美精品济南到 | 亚洲伊人久久精品综合| 丝袜美足系列| 晚上一个人看的免费电影| 蜜桃在线观看..| 成人毛片60女人毛片免费| 精品久久蜜臀av无| 国产精品熟女久久久久浪| 久久狼人影院| 老鸭窝网址在线观看| 精品一区在线观看国产| 三级国产精品片| 亚洲视频免费观看视频| 婷婷色麻豆天堂久久| 国产亚洲最大av| 亚洲五月色婷婷综合| 免费看不卡的av| av在线观看视频网站免费| 久久久久久久精品精品| 999久久久国产精品视频| 黄片小视频在线播放| 国产成人免费观看mmmm| 女的被弄到高潮叫床怎么办| 汤姆久久久久久久影院中文字幕| 成年人午夜在线观看视频| 大香蕉久久网| 校园人妻丝袜中文字幕| 久久毛片免费看一区二区三区| 精品久久久久久电影网| 如何舔出高潮| 欧美日韩成人在线一区二区| 最近2019中文字幕mv第一页| 亚洲av日韩在线播放| 亚洲色图综合在线观看| 秋霞伦理黄片| 免费不卡的大黄色大毛片视频在线观看| 欧美亚洲日本最大视频资源| 亚洲精品久久久久久婷婷小说| 我要看黄色一级片免费的| 十八禁网站网址无遮挡| 国产亚洲最大av| 国产精品麻豆人妻色哟哟久久| 欧美日韩视频精品一区| 黄网站色视频无遮挡免费观看| 寂寞人妻少妇视频99o| 久久 成人 亚洲| 1024香蕉在线观看| 啦啦啦在线观看免费高清www| 欧美成人午夜免费资源| 欧美人与性动交α欧美精品济南到 | 青春草视频在线免费观看| 国产欧美日韩综合在线一区二区| 少妇熟女欧美另类| 老鸭窝网址在线观看| 国语对白做爰xxxⅹ性视频网站| 在线精品无人区一区二区三| 丰满迷人的少妇在线观看| 日韩视频在线欧美| av又黄又爽大尺度在线免费看| 国产爽快片一区二区三区| 婷婷色麻豆天堂久久| 热99国产精品久久久久久7| 日韩熟女老妇一区二区性免费视频| 成人漫画全彩无遮挡| 天天影视国产精品| 免费不卡的大黄色大毛片视频在线观看| 18禁动态无遮挡网站| 亚洲人成电影观看| 亚洲精品第二区| 美女脱内裤让男人舔精品视频| 亚洲色图综合在线观看| 国产一区二区三区综合在线观看| 中国国产av一级| 精品一区二区三卡| 精品午夜福利在线看| 免费黄网站久久成人精品| 青草久久国产| 三级国产精品片| 美女大奶头黄色视频| 美国免费a级毛片| 女人久久www免费人成看片| 美女xxoo啪啪120秒动态图| 日韩电影二区| 高清av免费在线| 日本91视频免费播放| 亚洲av成人精品一二三区| 在线观看www视频免费| 亚洲av欧美aⅴ国产| 人妻人人澡人人爽人人| 国产精品av久久久久免费| 国精品久久久久久国模美| 人人妻人人爽人人添夜夜欢视频| 9色porny在线观看| 欧美人与善性xxx| 国产片内射在线| 美女中出高潮动态图| 一本色道久久久久久精品综合| 韩国精品一区二区三区| 午夜av观看不卡| 亚洲精品成人av观看孕妇| 天天操日日干夜夜撸| 99久久精品国产国产毛片| 成人亚洲精品一区在线观看| 91精品伊人久久大香线蕉| 人人妻人人爽人人添夜夜欢视频| 久久人人爽av亚洲精品天堂| 亚洲第一青青草原| 黄片播放在线免费| 亚洲男人天堂网一区| 男女国产视频网站| 国产又色又爽无遮挡免| 在线观看国产h片| 日韩一区二区视频免费看| 亚洲av福利一区| 欧美av亚洲av综合av国产av | 美国免费a级毛片| 黄色一级大片看看| 我的亚洲天堂| 9色porny在线观看| 青春草视频在线免费观看| 日日撸夜夜添| 国产一区有黄有色的免费视频| 亚洲av男天堂| 丝袜喷水一区| 国产97色在线日韩免费| 免费黄网站久久成人精品| 69精品国产乱码久久久| 女人被躁到高潮嗷嗷叫费观| 美女主播在线视频| 免费黄网站久久成人精品| 婷婷色综合大香蕉| 久久人人97超碰香蕉20202| 欧美bdsm另类| 久久精品国产亚洲av天美| av福利片在线| 99久久人妻综合| 亚洲国产av新网站| 丁香六月天网| 亚洲av成人精品一二三区| 三上悠亚av全集在线观看| 亚洲熟女精品中文字幕| 狠狠精品人妻久久久久久综合| 日本色播在线视频| 久久久久久久大尺度免费视频| 观看av在线不卡| 女的被弄到高潮叫床怎么办| 亚洲av成人精品一二三区| 天天躁夜夜躁狠狠躁躁| 久久久久久伊人网av| 极品少妇高潮喷水抽搐| 少妇的丰满在线观看| 午夜影院在线不卡| 男女边吃奶边做爰视频| a级片在线免费高清观看视频| av一本久久久久| 欧美变态另类bdsm刘玥| 亚洲情色 制服丝袜| 久久久欧美国产精品| 国产高清国产精品国产三级| 亚洲国产精品999| 久久久久久久久免费视频了| 免费大片黄手机在线观看| 国精品久久久久久国模美| 五月开心婷婷网| 黄色毛片三级朝国网站| 国产av精品麻豆| 天天躁日日躁夜夜躁夜夜| 丝袜美腿诱惑在线| 在现免费观看毛片| 91午夜精品亚洲一区二区三区| 最近的中文字幕免费完整| 丝袜人妻中文字幕| 亚洲国产欧美日韩在线播放| 亚洲国产av新网站| 久久久久久久亚洲中文字幕| 午夜久久久在线观看| 欧美变态另类bdsm刘玥| 我的亚洲天堂| 亚洲成色77777| av国产久精品久网站免费入址| 国产男女超爽视频在线观看| 欧美人与性动交α欧美软件| 国产女主播在线喷水免费视频网站| 午夜激情av网站| 这个男人来自地球电影免费观看 | 十八禁网站网址无遮挡| 国产精品久久久久久av不卡| 免费女性裸体啪啪无遮挡网站| 免费日韩欧美在线观看| 日韩av在线免费看完整版不卡| 韩国av在线不卡| 两性夫妻黄色片| 久热久热在线精品观看| 亚洲伊人久久精品综合| 精品一区二区三卡| 制服人妻中文乱码| 国产在线免费精品| 亚洲精品国产av成人精品| 亚洲av日韩在线播放| 午夜激情av网站| 亚洲人成电影观看| 国产欧美日韩一区二区三区在线| 99久久中文字幕三级久久日本| 天天影视国产精品| 国产人伦9x9x在线观看 | 日韩免费高清中文字幕av| 亚洲国产精品一区二区三区在线| 少妇 在线观看| 国产一区二区三区av在线| 狠狠精品人妻久久久久久综合| 少妇人妻久久综合中文| 天天影视国产精品| 国产精品一区二区在线不卡| 捣出白浆h1v1| 一本久久精品| 91午夜精品亚洲一区二区三区| 激情视频va一区二区三区| 久久精品国产自在天天线| 亚洲国产精品国产精品| 大片电影免费在线观看免费| 18+在线观看网站| xxxhd国产人妻xxx| 大陆偷拍与自拍| 中文乱码字字幕精品一区二区三区| 91午夜精品亚洲一区二区三区| 韩国高清视频一区二区三区| 精品国产一区二区久久| 一级爰片在线观看| 国产亚洲最大av| 国产在线视频一区二区| av电影中文网址| 边亲边吃奶的免费视频| 国产精品久久久久久精品古装| 最新中文字幕久久久久| 国产免费又黄又爽又色| 两个人看的免费小视频| videosex国产| 曰老女人黄片| 日本色播在线视频| 精品亚洲成国产av| 成人影院久久| 精品酒店卫生间| 中文字幕精品免费在线观看视频| 亚洲精品日韩在线中文字幕| 狠狠精品人妻久久久久久综合| 最近最新中文字幕免费大全7| 秋霞伦理黄片| 亚洲 欧美一区二区三区| 久久久久久久久久人人人人人人| 亚洲三区欧美一区| 亚洲国产精品一区二区三区在线| 一区二区三区激情视频| 成人国产麻豆网| tube8黄色片| 亚洲精品国产色婷婷电影| 国产一区二区三区综合在线观看| 婷婷色综合www| av网站免费在线观看视频| 国产无遮挡羞羞视频在线观看| 国产麻豆69| 日韩精品免费视频一区二区三区| 天美传媒精品一区二区| 国产av码专区亚洲av| 亚洲欧美一区二区三区国产| 精品国产乱码久久久久久小说| 国产一区有黄有色的免费视频| 亚洲欧洲精品一区二区精品久久久 | 男女无遮挡免费网站观看| 成人18禁高潮啪啪吃奶动态图| videosex国产| a 毛片基地| 亚洲天堂av无毛| 十八禁高潮呻吟视频| 熟女少妇亚洲综合色aaa.| 国产精品二区激情视频| 精品久久久精品久久久| 亚洲精品自拍成人| 免费黄网站久久成人精品| 亚洲综合色网址| 欧美人与善性xxx| 一区二区三区乱码不卡18| 日韩av在线免费看完整版不卡| 中文字幕制服av| 国产男人的电影天堂91| 99国产精品免费福利视频| 性色avwww在线观看| 男女边摸边吃奶| 天天躁夜夜躁狠狠躁躁| 久久久国产一区二区| 久久精品国产亚洲av涩爱| 日韩欧美精品免费久久| 国产黄色免费在线视频| 亚洲av在线观看美女高潮| 国产精品免费大片| 黄色一级大片看看| 亚洲国产精品成人久久小说| 日韩中字成人| 久久精品熟女亚洲av麻豆精品| 最近中文字幕高清免费大全6| 天堂中文最新版在线下载| 妹子高潮喷水视频| 色吧在线观看| 高清视频免费观看一区二区| 我要看黄色一级片免费的| 亚洲精品,欧美精品| 涩涩av久久男人的天堂| 久久影院123| 国产成人精品在线电影| 久久久久国产精品人妻一区二区| 久久精品久久久久久噜噜老黄| 精品国产一区二区三区四区第35| 精品少妇久久久久久888优播| 日本-黄色视频高清免费观看| 性色av一级| 亚洲精品乱久久久久久| 中文字幕人妻丝袜一区二区 | 亚洲三级黄色毛片| 啦啦啦中文免费视频观看日本| 久久99一区二区三区| 久热久热在线精品观看| 成人18禁高潮啪啪吃奶动态图| 亚洲人成77777在线视频| 亚洲精品第二区| 性少妇av在线| 蜜桃在线观看..| 精品久久久精品久久久| 久久99精品国语久久久| 少妇精品久久久久久久| 黄片播放在线免费| 大话2 男鬼变身卡| 久久久久久久大尺度免费视频| 日韩av免费高清视频| www.av在线官网国产| 欧美日韩精品网址| 精品一区二区三区四区五区乱码 | 国产无遮挡羞羞视频在线观看| 可以免费在线观看a视频的电影网站 | 黑丝袜美女国产一区| 一边摸一边做爽爽视频免费| 极品人妻少妇av视频| a级片在线免费高清观看视频| 一本久久精品| 男人操女人黄网站| 欧美97在线视频| 啦啦啦视频在线资源免费观看| 边亲边吃奶的免费视频| 黑人巨大精品欧美一区二区蜜桃| 欧美另类一区| 精品国产露脸久久av麻豆| 超碰97精品在线观看| 精品午夜福利在线看| 国产成人精品福利久久| 97精品久久久久久久久久精品| av片东京热男人的天堂| 亚洲国产精品999| 欧美国产精品va在线观看不卡| 亚洲天堂av无毛| 精品一品国产午夜福利视频| 精品卡一卡二卡四卡免费| 一区二区三区精品91| 免费黄频网站在线观看国产| 国产综合精华液| 天堂中文最新版在线下载| 久久久久久久大尺度免费视频| 国产精品欧美亚洲77777| 黑丝袜美女国产一区| 久久久久久免费高清国产稀缺| 又粗又硬又长又爽又黄的视频| 国产欧美亚洲国产| 777久久人妻少妇嫩草av网站| 亚洲国产av影院在线观看| 免费在线观看完整版高清| 老司机影院成人| 少妇人妻 视频| 国产伦理片在线播放av一区| 在线 av 中文字幕| 国产国语露脸激情在线看| 亚洲欧美成人精品一区二区| 国产精品熟女久久久久浪| 免费播放大片免费观看视频在线观看| 蜜桃在线观看..| 日本欧美国产在线视频| 亚洲欧美成人综合另类久久久| 久久毛片免费看一区二区三区| 高清欧美精品videossex| 精品国产乱码久久久久久小说| 亚洲视频免费观看视频| 热99国产精品久久久久久7| 日韩不卡一区二区三区视频在线| 亚洲,欧美精品.| 国产精品熟女久久久久浪| 亚洲美女视频黄频| a级片在线免费高清观看视频| 老司机影院成人| 日韩一卡2卡3卡4卡2021年| 亚洲在久久综合| 97精品久久久久久久久久精品| 成年女人毛片免费观看观看9 | 国产亚洲av片在线观看秒播厂| 亚洲色图综合在线观看| 2022亚洲国产成人精品|