• <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
    亚洲精品影视一区二区三区av| 他把我摸到了高潮在线观看| 国产色爽女视频免费观看| 国产高清激情床上av| 久久久久国产精品人妻aⅴ院| 久久国产精品人妻蜜桃| 国产综合懂色| 国产亚洲精品av在线| 日韩欧美在线二视频| av天堂在线播放| 国产人妻一区二区三区在| 欧美成人性av电影在线观看| 欧美成人a在线观看| 亚洲美女视频黄频| 女的被弄到高潮叫床怎么办 | 欧美黑人巨大hd| 亚洲aⅴ乱码一区二区在线播放| 久久精品影院6| 老熟妇乱子伦视频在线观看| 麻豆国产97在线/欧美| 免费av不卡在线播放| 日日夜夜操网爽| 伦精品一区二区三区| 免费人成在线观看视频色| 亚州av有码| 亚洲色图av天堂| av在线老鸭窝| 欧美中文日本在线观看视频| 久久久久久久久中文| 91久久精品电影网| 日韩强制内射视频| 亚洲一区高清亚洲精品| 不卡视频在线观看欧美| av中文乱码字幕在线| 国产精品三级大全| 99热6这里只有精品| 日日夜夜操网爽| 国产精品一区二区性色av| 我的女老师完整版在线观看| 给我免费播放毛片高清在线观看| av专区在线播放| 不卡一级毛片| 国产一区二区在线av高清观看| 成年人黄色毛片网站| 老师上课跳d突然被开到最大视频| 国产黄片美女视频| 国产91精品成人一区二区三区| 国产精品久久视频播放| 老师上课跳d突然被开到最大视频| 又紧又爽又黄一区二区| 国产精品人妻久久久影院| 18禁裸乳无遮挡免费网站照片| 成人二区视频| 国产亚洲av嫩草精品影院| 亚洲真实伦在线观看| 色综合婷婷激情| 桃色一区二区三区在线观看| 直男gayav资源| 精品国内亚洲2022精品成人| 国产亚洲欧美98| 国产精品av视频在线免费观看| 亚洲精品一卡2卡三卡4卡5卡| 国产精品不卡视频一区二区| 午夜免费男女啪啪视频观看 | 88av欧美| 欧美最新免费一区二区三区| 国产亚洲精品av在线| 一卡2卡三卡四卡精品乱码亚洲| 国产精品无大码| 亚洲av五月六月丁香网| 日韩,欧美,国产一区二区三区 | 国产精品99久久久久久久久| bbb黄色大片| 我要搜黄色片| 国产精品,欧美在线| 3wmmmm亚洲av在线观看| 国产伦人伦偷精品视频| 免费人成视频x8x8入口观看| 亚洲美女视频黄频| 欧美另类亚洲清纯唯美| 九九热线精品视视频播放| 国产精品免费一区二区三区在线| 久久精品夜夜夜夜夜久久蜜豆| 波多野结衣巨乳人妻| 黄色视频,在线免费观看| 日本色播在线视频| 男女下面进入的视频免费午夜| 黄色日韩在线| 久久6这里有精品| 国产av在哪里看| 三级国产精品欧美在线观看| 亚洲熟妇中文字幕五十中出| 午夜福利视频1000在线观看| 国产精品一区www在线观看 | 国产男人的电影天堂91| 日本免费一区二区三区高清不卡| 日本熟妇午夜| 国产午夜精品论理片| 日本五十路高清| 国产一区二区亚洲精品在线观看| 乱人视频在线观看| 1000部很黄的大片| 日本在线视频免费播放| 欧美色视频一区免费| 一边摸一边抽搐一进一小说| 亚洲五月天丁香| 中文字幕熟女人妻在线| 国产精品,欧美在线| 成人欧美大片| 麻豆国产av国片精品| 岛国在线免费视频观看| 亚洲黑人精品在线| 国产亚洲精品久久久com| 欧美xxxx黑人xx丫x性爽| 男人舔奶头视频| 国产免费男女视频| 日日摸夜夜添夜夜添av毛片 | 床上黄色一级片| 色综合站精品国产| 成年女人看的毛片在线观看| 99精品在免费线老司机午夜| 亚洲av成人精品一区久久| 级片在线观看| 欧美日韩综合久久久久久 | 免费无遮挡裸体视频| 国产视频内射| 久久久久国内视频| 成人av在线播放网站| 欧美国产日韩亚洲一区| 久久久久久久久久成人| 内地一区二区视频在线| 国产亚洲av嫩草精品影院| 狠狠狠狠99中文字幕| 毛片一级片免费看久久久久 | 成人二区视频| 国内精品久久久久精免费| 十八禁国产超污无遮挡网站| 小蜜桃在线观看免费完整版高清| 99久久精品一区二区三区| 校园春色视频在线观看| 麻豆精品久久久久久蜜桃| 国产真实乱freesex| 99国产精品一区二区蜜桃av| 欧美xxxx性猛交bbbb| 天堂影院成人在线观看| 级片在线观看| 亚洲av一区综合| 色综合站精品国产| a级毛片免费高清观看在线播放| 狂野欧美激情性xxxx在线观看| 乱系列少妇在线播放| 精品久久久久久久久久久久久| 丝袜美腿在线中文| 99热网站在线观看| 亚洲国产精品sss在线观看| 午夜a级毛片| 嫩草影院精品99| 色av中文字幕| 99久久久亚洲精品蜜臀av| 俄罗斯特黄特色一大片| 久久国产精品人妻蜜桃| 色5月婷婷丁香| 国产毛片a区久久久久| 亚洲精品乱码久久久v下载方式| 在现免费观看毛片| 国产麻豆成人av免费视频| 真人一进一出gif抽搐免费| 国产精品久久久久久久久免| 三级男女做爰猛烈吃奶摸视频| 久久精品人妻少妇| 亚洲第一电影网av| 一个人免费在线观看电影| 嫩草影院精品99| 日韩强制内射视频| 一级av片app| av天堂中文字幕网| 欧美一区二区亚洲| 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| 99热网站在线观看| 俺也久久电影网| 天堂av国产一区二区熟女人妻| 亚洲精品日韩av片在线观看| 精品一区二区三区视频在线| 久久久久国产精品人妻aⅴ院| 久久精品人妻少妇| 男人舔女人下体高潮全视频| 人人妻人人澡欧美一区二区| 一区二区三区激情视频| 又紧又爽又黄一区二区| 日本黄色视频三级网站网址| 精品人妻视频免费看| 亚洲av日韩精品久久久久久密| 九九热线精品视视频播放| 又粗又爽又猛毛片免费看| 在线天堂最新版资源| 精品不卡国产一区二区三区| 欧美日韩综合久久久久久 | 久久亚洲精品不卡| 亚洲精品亚洲一区二区| 国产视频一区二区在线看| 国产精品一区二区三区四区免费观看 | 亚洲真实伦在线观看| 国产精品av视频在线免费观看| 岛国在线免费视频观看| 国产精品美女特级片免费视频播放器| 亚洲七黄色美女视频| 色哟哟·www| 九九热线精品视视频播放| 俄罗斯特黄特色一大片| 亚洲国产色片| 国产精品98久久久久久宅男小说| 最近视频中文字幕2019在线8| 久久精品国产鲁丝片午夜精品 | 国产精华一区二区三区| 国产久久久一区二区三区| 蜜桃久久精品国产亚洲av| 国产精华一区二区三区| 国模一区二区三区四区视频| 午夜爱爱视频在线播放| 91精品国产九色| 国产高清不卡午夜福利| 少妇裸体淫交视频免费看高清| 国产久久久一区二区三区| 男女啪啪激烈高潮av片| 天美传媒精品一区二区| 国产精品久久久久久久久免| 午夜视频国产福利| 亚洲第一电影网av| 午夜精品久久久久久毛片777| 午夜激情欧美在线| 男女那种视频在线观看| 国产一区二区三区视频了| 男女之事视频高清在线观看| 久久久久久久久久久丰满 | 国产综合懂色| 最新在线观看一区二区三区| 成人性生交大片免费视频hd| 久久99热6这里只有精品| 亚洲国产日韩欧美精品在线观看| 村上凉子中文字幕在线| 免费大片18禁| 亚洲七黄色美女视频| 成人午夜高清在线视频| 午夜福利在线观看吧| 桃红色精品国产亚洲av| 乱码一卡2卡4卡精品| 色综合色国产| 国语自产精品视频在线第100页| 久久久久免费精品人妻一区二区| 国产午夜精品论理片| 1000部很黄的大片| 亚洲av.av天堂| 好男人在线观看高清免费视频| 老司机深夜福利视频在线观看| 99在线人妻在线中文字幕| 内地一区二区视频在线| 美女免费视频网站| 韩国av在线不卡| 亚洲第一区二区三区不卡| 嫩草影院新地址| 亚洲av中文字字幕乱码综合| 亚洲成人中文字幕在线播放| 国内毛片毛片毛片毛片毛片| 综合色av麻豆| 欧美性猛交╳xxx乱大交人| 69av精品久久久久久| 午夜精品久久久久久毛片777| 99久久精品一区二区三区| 免费在线观看影片大全网站| 又黄又爽又刺激的免费视频.| 国产精品亚洲美女久久久| 亚洲国产精品sss在线观看| 国产一区二区激情短视频| 少妇裸体淫交视频免费看高清| 俄罗斯特黄特色一大片| 熟女人妻精品中文字幕| 国产激情偷乱视频一区二区| 999久久久精品免费观看国产| 国产精品久久久久久精品电影| 精品人妻熟女av久视频| 亚洲第一区二区三区不卡| 久久6这里有精品| 又黄又爽又刺激的免费视频.| 网址你懂的国产日韩在线| 精品一区二区三区视频在线观看免费| 麻豆成人av在线观看| 日韩精品青青久久久久久| 亚洲av美国av| 色精品久久人妻99蜜桃| 国产大屁股一区二区在线视频| 国产三级在线视频| aaaaa片日本免费| 国产精品一区二区性色av| 亚洲七黄色美女视频| 国产久久久一区二区三区| 成人高潮视频无遮挡免费网站| 婷婷亚洲欧美| 国产女主播在线喷水免费视频网站 | 日本免费a在线| 夜夜爽天天搞| 男人和女人高潮做爰伦理| 1024手机看黄色片| 久久人妻av系列| 伦理电影大哥的女人| 欧美bdsm另类| 极品教师在线视频| 无遮挡黄片免费观看| 狂野欧美白嫩少妇大欣赏| 欧美最新免费一区二区三区| 色吧在线观看| 最后的刺客免费高清国语| 国产精品一区www在线观看 | 国产视频一区二区在线看| 国产极品精品免费视频能看的| 久久久久久久午夜电影| 麻豆精品久久久久久蜜桃| 国产精品99久久久久久久久| 精品久久久久久久久亚洲 | 亚洲成av人片在线播放无| 麻豆成人av在线观看| ponron亚洲| 亚洲一级一片aⅴ在线观看| 亚洲精品影视一区二区三区av| 日韩欧美在线二视频| 伦理电影大哥的女人| 久久久久久伊人网av| 熟女人妻精品中文字幕| 国内少妇人妻偷人精品xxx网站| 毛片女人毛片| 国内精品一区二区在线观看| 久久精品夜夜夜夜夜久久蜜豆| а√天堂www在线а√下载| 精品久久久久久久末码| 亚洲人成网站在线播| 日韩,欧美,国产一区二区三区 | 久久久久久久久久黄片| 精品人妻一区二区三区麻豆 | 99在线人妻在线中文字幕| 九色国产91popny在线| 久久99热这里只有精品18| 婷婷丁香在线五月| 五月伊人婷婷丁香| 亚洲av不卡在线观看| 久久人人精品亚洲av| 在线看三级毛片| 99久久久亚洲精品蜜臀av| 亚洲av一区综合| 又爽又黄a免费视频| 伦理电影大哥的女人| 日韩人妻高清精品专区| 国产精品三级大全| 少妇人妻精品综合一区二区 | 五月伊人婷婷丁香| 午夜福利成人在线免费观看| 精品久久久久久久久亚洲 | 亚洲av五月六月丁香网| 村上凉子中文字幕在线| 成年女人永久免费观看视频| 男人的好看免费观看在线视频| 亚洲天堂国产精品一区在线| 欧美日韩黄片免| 99热只有精品国产| av视频在线观看入口| 成年女人毛片免费观看观看9| a级一级毛片免费在线观看| 波野结衣二区三区在线| 亚洲精品色激情综合| 欧美色欧美亚洲另类二区| 婷婷精品国产亚洲av| 日本 av在线| 欧美成人性av电影在线观看| 美女高潮的动态| 搡老熟女国产l中国老女人| 久久国产乱子免费精品| 欧美黑人巨大hd| 国产aⅴ精品一区二区三区波| 欧美+亚洲+日韩+国产| 午夜精品在线福利| 国产女主播在线喷水免费视频网站 | 欧美xxxx黑人xx丫x性爽| 久久草成人影院| 亚洲人成网站在线播放欧美日韩| 久久精品影院6| 人妻久久中文字幕网| 国产一区二区三区视频了| 舔av片在线| xxxwww97欧美| 亚洲国产日韩欧美精品在线观看| 亚洲乱码一区二区免费版| 久久午夜福利片| 人人妻人人看人人澡| 午夜福利18| 亚洲av电影不卡..在线观看| 国内精品美女久久久久久| 观看美女的网站| 欧美潮喷喷水| 亚洲无线在线观看| 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| 老司机午夜福利在线观看视频| 欧美日韩综合久久久久久 | a级毛片免费高清观看在线播放| 桃色一区二区三区在线观看| 国产视频一区二区在线看| 久久久久久大精品| 99久久成人亚洲精品观看| 午夜福利在线在线| 国产精品伦人一区二区| 日韩欧美国产一区二区入口| 亚洲欧美清纯卡通| 91狼人影院| 五月伊人婷婷丁香| 国产精品久久视频播放| 精品国内亚洲2022精品成人| 国产av在哪里看| 色精品久久人妻99蜜桃| av在线亚洲专区| 五月玫瑰六月丁香| 日韩欧美国产在线观看| 哪里可以看免费的av片| 国产亚洲精品av在线| 国产黄色小视频在线观看| 成人国产综合亚洲| 性色avwww在线观看| 国产一级毛片七仙女欲春2| 简卡轻食公司| 亚洲精品一区av在线观看| 久久草成人影院| 男女下面进入的视频免费午夜| 在线播放国产精品三级| 五月玫瑰六月丁香| 欧美高清成人免费视频www| 深爱激情五月婷婷| 国产乱人伦免费视频| 99国产精品一区二区蜜桃av| 亚洲午夜理论影院| 亚洲一级一片aⅴ在线观看| 国产中年淑女户外野战色| 成年版毛片免费区| 国产男人的电影天堂91| 最新在线观看一区二区三区| 日本黄大片高清| 俄罗斯特黄特色一大片| 中文字幕久久专区| 日韩欧美一区二区三区在线观看| 国产aⅴ精品一区二区三区波| 长腿黑丝高跟| 亚洲性久久影院| 免费人成视频x8x8入口观看| 午夜福利在线观看免费完整高清在 | 搡老岳熟女国产| 久久久久久久久久久丰满 | 色尼玛亚洲综合影院| 欧美黑人欧美精品刺激| 欧美极品一区二区三区四区| 国产精品电影一区二区三区| 一a级毛片在线观看| 亚洲欧美激情综合另类| 12—13女人毛片做爰片一| 亚洲欧美日韩高清专用| 日本五十路高清| 成人二区视频| 精品久久久久久,| 国产麻豆成人av免费视频| 中文亚洲av片在线观看爽| 极品教师在线免费播放| 精品久久久久久久久久久久久| 精品人妻偷拍中文字幕| 欧美成人一区二区免费高清观看| netflix在线观看网站| 国产精品av视频在线免费观看| 国产亚洲欧美98| 男女啪啪激烈高潮av片| 午夜精品久久久久久毛片777| 亚洲真实伦在线观看| 亚洲avbb在线观看| 亚洲熟妇中文字幕五十中出| 欧美一级a爱片免费观看看| 日韩欧美一区二区三区在线观看| 一级av片app| 成人毛片a级毛片在线播放| 淫秽高清视频在线观看| 在线播放国产精品三级| 日日啪夜夜撸| 久久6这里有精品| 赤兔流量卡办理| 精品乱码久久久久久99久播| 人妻丰满熟妇av一区二区三区| 国产精品精品国产色婷婷| 黄色配什么色好看| 一本一本综合久久| 亚洲成人精品中文字幕电影| 国产又黄又爽又无遮挡在线| 美女黄网站色视频| 黄色丝袜av网址大全| 99国产极品粉嫩在线观看| 毛片一级片免费看久久久久 | av黄色大香蕉| 日本与韩国留学比较| 午夜精品久久久久久毛片777| 日本-黄色视频高清免费观看| 亚洲va在线va天堂va国产| 999久久久精品免费观看国产| 国产欧美日韩一区二区精品| 两个人的视频大全免费| 亚洲国产色片| xxxwww97欧美| 人妻夜夜爽99麻豆av| 欧美xxxx性猛交bbbb| 亚洲精品在线观看二区| aaaaa片日本免费| 大型黄色视频在线免费观看| 亚洲人与动物交配视频| 男人舔奶头视频| 亚洲人成伊人成综合网2020| 欧美一区二区精品小视频在线| 天天躁日日操中文字幕| 国产精品1区2区在线观看.| 91在线精品国自产拍蜜月| 少妇高潮的动态图| 一本久久中文字幕| 欧美日韩黄片免| 精品无人区乱码1区二区| 日本与韩国留学比较| 亚洲av电影不卡..在线观看| 他把我摸到了高潮在线观看| 国产又黄又爽又无遮挡在线| 欧美黑人欧美精品刺激| 可以在线观看毛片的网站| 亚洲熟妇熟女久久| 日日摸夜夜添夜夜添小说| 久久久久久久午夜电影| 搡老熟女国产l中国老女人| 日本a在线网址| 三级男女做爰猛烈吃奶摸视频| 国产精华一区二区三区| 三级国产精品欧美在线观看| 国产淫片久久久久久久久| 成人国产一区最新在线观看| 午夜爱爱视频在线播放| 日韩人妻高清精品专区| 亚洲人成伊人成综合网2020| av天堂在线播放| 欧美3d第一页| 97碰自拍视频| 久久精品国产亚洲av香蕉五月| 婷婷丁香在线五月| eeuss影院久久| xxxwww97欧美| 免费看a级黄色片| 日韩 亚洲 欧美在线| 亚洲国产高清在线一区二区三| 性色avwww在线观看| 欧美日韩综合久久久久久 | 在线观看一区二区三区| 成熟少妇高潮喷水视频| 国产不卡一卡二| 日韩欧美在线二视频| 少妇丰满av| 久久久久久久久久久丰满 | 中国美女看黄片| 麻豆久久精品国产亚洲av| 午夜福利成人在线免费观看| 久久久久久久久久黄片| 大又大粗又爽又黄少妇毛片口| 长腿黑丝高跟| 国内精品久久久久精免费| 亚洲国产欧洲综合997久久,| 天堂影院成人在线观看| 在线观看一区二区三区| 精品久久久久久成人av| 久久精品国产自在天天线| 老司机福利观看| 男人舔女人下体高潮全视频| 日韩欧美在线二视频| 丰满人妻一区二区三区视频av| 人妻丰满熟妇av一区二区三区| 成人午夜高清在线视频| 又粗又爽又猛毛片免费看| 在线播放国产精品三级| 国国产精品蜜臀av免费| 在线观看舔阴道视频| 亚洲av熟女| 一级黄色大片毛片| 亚洲va在线va天堂va国产| 久久香蕉精品热| 性色avwww在线观看| 99视频精品全部免费 在线| 日韩欧美精品免费久久| 欧美区成人在线视频| 春色校园在线视频观看| 成人av一区二区三区在线看| 国产日本99.免费观看| 美女免费视频网站| 99久久精品一区二区三区| 日韩欧美精品免费久久| 成人三级黄色视频| 国产av麻豆久久久久久久| 天天躁日日操中文字幕| 国产精品福利在线免费观看| 国产探花在线观看一区二区| 亚洲精华国产精华精| 国产精品无大码| 99久久精品一区二区三区| 俺也久久电影网| 日韩中字成人| 亚洲精华国产精华液的使用体验 | 深爱激情五月婷婷| 悠悠久久av| 日韩欧美国产在线观看| 亚洲av第一区精品v没综合| 22中文网久久字幕| 久久国产精品人妻蜜桃| 91久久精品国产一区二区成人|