• <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ICF和多級(jí)分類器的交通標(biāo)志檢測(cè)*

    2017-06-09 08:53:29鄭天宇
    傳感器與微系統(tǒng) 2017年6期
    關(guān)鍵詞:特征檢測(cè)

    鄭天宇, 王 年, 唐 俊

    (安徽大學(xué) 電子與信息工程學(xué)院,安徽 合肥 230601)

    基于ICF和多級(jí)分類器的交通標(biāo)志檢測(cè)*

    鄭天宇, 王 年, 唐 俊

    (安徽大學(xué) 電子與信息工程學(xué)院,安徽 合肥 230601)

    針對(duì)傳統(tǒng)的基于積分通道特征(ICF)和Adaboost交通標(biāo)志檢測(cè)算法,召回率過低和誤檢率過高的問題,提出了一種兩階段交通標(biāo)志檢測(cè)方法。第一階段對(duì)ICF進(jìn)行譜聚類并結(jié)合Adaboost算法學(xué)習(xí)得到目標(biāo)感興趣區(qū)域(ROI);第二階段對(duì)所獲得的感興趣區(qū)域進(jìn)行直方圖均衡化,利用尺度不變特征變換(SIFT)描述子與支持向量機(jī)(SVM)分類器相結(jié)合,提高了目標(biāo)區(qū)域檢測(cè)的準(zhǔn)確性。通過德國交通標(biāo)志數(shù)據(jù)集(GTSDB)的驗(yàn)證,結(jié)果表明:采用SICF-Adaboost +SIFT-SVM構(gòu)建的交通標(biāo)志級(jí)聯(lián)分類器檢測(cè)算法相對(duì)于傳統(tǒng)的ICF-Adaboost算法召回率高且誤檢率低,適用于真實(shí)場(chǎng)景下的交通標(biāo)志檢測(cè)。

    交通標(biāo)志檢測(cè); 形狀分類器; 譜聚類; 積分通道特征; 感興趣區(qū)域

    0 引 言

    作為輔助駕駛系統(tǒng)中重要組成部分,交通標(biāo)志識(shí)別能夠給司機(jī)提供關(guān)于道路安全的預(yù)警信息。道路交通標(biāo)志識(shí)別主要涉及兩個(gè)問題:交通標(biāo)志檢測(cè)和交通標(biāo)志分類。標(biāo)志檢測(cè)意味著在輸入圖像空間中準(zhǔn)確定位交通標(biāo)志,而標(biāo)志分類是將其劃分到特定的交通標(biāo)志子類型中。因此,標(biāo)志檢測(cè)是標(biāo)志識(shí)別的前提和基礎(chǔ)。

    交通標(biāo)志由于具有顏色和形狀信息便于人們?cè)诘缆方煌ōh(huán)境中將其與周圍的背景區(qū)分開。在顏色特征識(shí)別,主要指基于不同顏色空間的閾值分割方法將感興趣的顏色分割出來,包括RGB空間,HSV空間,HSI空間等。基于形狀的方法包括Hough變換和Zernike不變矩。文獻(xiàn)[1]采用由粗到精的滑動(dòng)窗口方案,即先通過小尺度窗口粗略地檢測(cè)交通標(biāo)志圖像得到感興趣區(qū)域(region of interest,ROI),然后再通過大尺度窗口對(duì)目標(biāo)ROI進(jìn)行精檢。文獻(xiàn)[2]利用顏色概率模型將源圖像轉(zhuǎn)換成概率圖,并在概率圖上運(yùn)用區(qū)域特征提取(MSER)算法得到ROI,最后結(jié)合積分通道特征檢測(cè)器進(jìn)行精檢以提高檢測(cè)準(zhǔn)確率。文獻(xiàn)[3]結(jié)合聚類特征和Adaboost算法對(duì)車輛進(jìn)行檢測(cè),并通過采用多分辨率模型提升檢測(cè)率?;诖耍疚奶岢隽艘环N兩階段的交通標(biāo)志譜檢測(cè)方法,包括SICF檢測(cè)器階段和SVM形狀分類器階段。

    1 基于譜聚類特征的粗檢

    1.1 ICF

    ICF由Dollar P等人在2009年提出[4],從特征描述的角度來探討解決問題的可能性。ICF是通過積分圖對(duì)輸入圖像的各種通道特征進(jìn)行快速計(jì)算。典型通道類型包括強(qiáng)度、顏色、積分直方圖、梯度直方圖、線性濾波和非線性濾波。本文只考慮一階特征,即對(duì)給定通道上矩形框內(nèi)所有像素的像素值進(jìn)行求和運(yùn)算。首先通過隨機(jī)選取通道類型和矩形框的大小產(chǎn)生一個(gè)候選特征池,然后結(jié)合Boosting算法和軟級(jí)聯(lián)分類器學(xué)習(xí)選擇這些特征。采用LUV顏色空間、梯度直方圖、梯度大小的組合作為通道特征。GTSDB數(shù)據(jù)庫上“限速20”的通道類型選擇如圖1所示。交通標(biāo)志的ICF計(jì)算流程如下:

    1)對(duì)輸入圖像創(chuàng)建10個(gè)和源圖像相同大小的浮點(diǎn)矩陣,即通道類型。

    2)對(duì)源圖像進(jìn)行灰度轉(zhuǎn)換,并分別計(jì)算灰度圖像的梯度方向和梯度幅值。

    3)將梯度方向分別離散化到6個(gè)區(qū)間,通過梯度幅值分別向6個(gè)方向通道進(jìn)行投票。

    4)對(duì)梯度幅值進(jìn)行復(fù)制并創(chuàng)建幅值通道特征,同時(shí)計(jì)算LUV通道特征。

    5)分別對(duì)這10個(gè)通道進(jìn)行積分操作,并輸出最終的ICF。

    圖1 交通標(biāo)志圖像的通道類型選擇示例

    1.2 特征聚類

    交通標(biāo)志本身一般都含有大量的類內(nèi)變化,這給交通標(biāo)志檢測(cè)帶來了挑戰(zhàn)。本文對(duì)訓(xùn)練數(shù)據(jù)的顏色和梯度特征進(jìn)行聚類,通過聚類學(xué)習(xí)得到一個(gè)整體的模型[5],可以有效地處理物體遮擋以及方向變化等造成的問題。采用的譜聚類算法具體過程描述如下:

    輸入:數(shù)據(jù)樣本集,尺度參數(shù)集, 聚類個(gè)數(shù)K;

    輸出:聚類結(jié)果。

    1)獲取給定訓(xùn)練樣本的ICF特征描述子,然后選取高斯核函數(shù)計(jì)算任意樣本數(shù)據(jù)xi和xj之間的相似度并得到相似度矩陣W∈Rm×n,Wij=exp(-‖xi-xj‖2/2σ2)為相似度矩陣中的元素,其中,σ為尺度參數(shù)。

    2)根據(jù)度矩陣D來構(gòu)建標(biāo)準(zhǔn)化圖拉普拉斯矩陣L=D-1/2WD-1/2,其中度矩陣D是由相似性矩陣Wij計(jì)算得到,即將Wij的每一列元素相加得到的數(shù)作為度矩陣主對(duì)角線元素(其他位置上的元素均等于0)。

    3)對(duì)矩陣L進(jìn)行特征值分解,并計(jì)算前k個(gè)特征值對(duì)應(yīng)的特征向量,得到矩陣X=[x1,x2,x3,…,xk]。

    5)將矩陣Y中的每一行看作為k維空間中的一個(gè)向量,并應(yīng)用c-means經(jīng)典聚類算法對(duì)訓(xùn)練樣本的ICF向量進(jìn)行聚類,并輸出聚類結(jié)果。

    1.3 基于譜聚類特征的SICF檢測(cè)器實(shí)現(xiàn)

    針對(duì)自適應(yīng)譜聚類后的ICF,本文運(yùn)用Adaboost算法[6]學(xué)習(xí)一個(gè)2層決策樹進(jìn)行分類判別,其中每個(gè)節(jié)點(diǎn)是一個(gè)簡(jiǎn)單的樹樁分類器。樹樁分類器由矩形區(qū)域,通道類型和閾值共同決定。通過不斷增加弱分類器的數(shù)量來執(zhí)行4個(gè)回合(32,128 ,512 ,2 048)的訓(xùn)練,訓(xùn)練完成后將若干個(gè)不同的弱分類器進(jìn)行線性加權(quán)組合得到最終的強(qiáng)分類器。訓(xùn)練開始時(shí),有5 000個(gè)正樣本和5 000個(gè)負(fù)樣本,在每個(gè)回合中將較難分類的負(fù)樣本再加入到負(fù)樣本訓(xùn)練集中重新進(jìn)行訓(xùn)練。由于樹樁的數(shù)目比較大,采用隨機(jī)抽樣子集訓(xùn)練分類器,最后該特征池隨機(jī)抽樣總共產(chǎn)生30 000個(gè)候選矩陣。

    2 基于SVM的形狀分類器精檢

    為了達(dá)到較高的檢測(cè)準(zhǔn)確率,需要在第一階段提取目標(biāo)ROI中保持較高的召回率。這使得提取后的ROI中包含大量的假陽性區(qū)域。為了濾除這些假陽性區(qū)域,結(jié)合交通標(biāo)志規(guī)則的形狀信息并運(yùn)用SVM訓(xùn)練形狀分類器,在第二階段將形狀不規(guī)則的干擾區(qū)域排除,以進(jìn)一步去除誤檢標(biāo)志。

    2.1 直方圖均衡化處理

    在自然環(huán)境中,由于存在光照強(qiáng)度不同、霧霾天氣等因素的影響,導(dǎo)致第一階段提取的ROI存在亮度過低或者背景與前景對(duì)比不明顯的交通標(biāo)志圖像,所以,需要對(duì)候選ROI進(jìn)行直方圖均衡化的預(yù)處理操作[7],通過擴(kuò)大圖像中背景與前景灰度值的差別以提高圖像對(duì)比度,從而獲得更清晰的圖像輪廓,其結(jié)果如圖2所示。

    2.2SIFT-SVM去除誤檢

    基于尺度空間的SIFT[8],對(duì)圖像尺度縮放,空間旋轉(zhuǎn),光照強(qiáng)度變化以及仿射變換都具有很強(qiáng)的魯棒性。SIFT已經(jīng)被證明是目前匹配性能最好的方法之一。通過檢測(cè)尺度空間極值準(zhǔn)確定位關(guān)鍵點(diǎn)的位置,這些關(guān)鍵點(diǎn)通常包含進(jìn)行特征匹配的重要信息。本文選取SVM作為分類器,通過非線性映射將輸入空間向量x映射到高維空間中,在高維空間中確定能夠正確劃分?jǐn)?shù)據(jù)集的最優(yōu)決策函數(shù)。在第二階段使用SVM形狀分類器的目的是有效地去除在第一階段被錯(cuò)誤地認(rèn)為是交通標(biāo)志的區(qū)域。SIFT局部描述子與SVM分類器的結(jié)合可以有效地去除誤檢[9]。訓(xùn)練階段,從正負(fù)樣本中提取128維的SIFT局部特征描述子,然后將提取后的SIFT局部特征送入線性SVM分類器中進(jìn)行訓(xùn)練。檢測(cè)階段,提取待檢測(cè)樣本的SIFT特征,然后將其傳遞到訓(xùn)練好的SVM二分類器中。如果輸入為正樣本,則輸出為+1;反之,則輸出為-1。

    2.3 形狀分類器設(shè)計(jì)

    本文建立4個(gè)形狀(三角形、倒三角形、圓形、菱形)分類器。4個(gè)分類器訓(xùn)練結(jié)束后,每一個(gè)輸入ROI的局部特征描述子在這4個(gè)分類器上都有一個(gè)輸出結(jié)果。如果待輸入的區(qū)域?yàn)榻煌?biāo)志,則輸出為1;否則,為-1。然后,對(duì)這4個(gè)輸出結(jié)果進(jìn)行投票選擇,即將輸出結(jié)果相加。只有當(dāng)投票結(jié)果為-2時(shí),表示4個(gè)分類器中有一個(gè)輸出為1,即輸入的ROI屬于這個(gè)分類器的形狀,而其他3個(gè)形狀分類器的輸出結(jié)果都為-1,不屬于其余3個(gè)分類器時(shí),才判定為交通標(biāo)志;其它的情況將判定為噪聲區(qū)域,并將其濾除。

    3 交通標(biāo)志檢測(cè)算法實(shí)驗(yàn)與分析

    3.1 實(shí) 驗(yàn)

    本文采用的是GTSDB。在第一階段ICF檢測(cè)器的訓(xùn)練中,正樣本選取的是GTSDB中的600張交通標(biāo)志圖像,每張圖像為1 360像素×800像素;負(fù)樣本選取Inria行人數(shù)據(jù)庫中1 300張圖像。在第二階段4種形狀分類器的訓(xùn)練中,正樣本選取來自GTSRB中4×500張交通標(biāo)志圖像,其中每個(gè)形狀的樣本數(shù)為500;負(fù)樣本選取Inria行人數(shù)據(jù)庫中500張圖像。本文采用有監(jiān)督學(xué)習(xí),將正樣本標(biāo)簽置為1,負(fù)樣本標(biāo)簽置為-1。 這樣對(duì)于每一個(gè)分類器都有2 500張訓(xùn)練樣本(正樣本500張、負(fù)樣本2 000張)。訓(xùn)練前需要對(duì)每張圖像進(jìn)行歸一化處理,每張圖像被調(diào)整為64像素×64像素。測(cè)試圖像選取GTSDB測(cè)試集,均為自然環(huán)境下高速公路和城市道路上采集的圖像,共300幅。訓(xùn)練測(cè)試流程圖如圖3所示。

    圖3 訓(xùn)練測(cè)試流程

    用于交通標(biāo)志檢測(cè)器性能評(píng)價(jià)的實(shí)驗(yàn)平臺(tái)為戴爾工作站,其主要配置為:Intel(R)Core(TM) i7-3770 CPU @ 3.40 GHz的處理器,8 G內(nèi)存,操作系統(tǒng)為Windows 7,編程軟件為Matlab 2015a。

    3.2 實(shí)驗(yàn)結(jié)果與分析

    為了驗(yàn)證本文提出算法的有效性,在采用相同的訓(xùn)練樣本和測(cè)試樣本情況下,分別采用ICF-Adaboost[4],SICF-Adaboost[3],SICF-Adaboost+SIFT-SVM(下面分別稱為算法一、算法二和本文算法)3種不同的算法,進(jìn)行對(duì)比實(shí)驗(yàn)。選取分類器檢測(cè)率RD和誤檢率RF作為評(píng)價(jià)指標(biāo),其中RD=Tp/Ap,RF=Fp/As,Tp為正確識(shí)別交通標(biāo)志數(shù);Ap為總交通標(biāo)志數(shù);Fp為錯(cuò)誤識(shí)別交通標(biāo)志數(shù);As為總樣本數(shù)。

    3種不同算法在GTSDB測(cè)試數(shù)據(jù)集上的標(biāo)志檢測(cè)結(jié)果分別如表1所示。可以看出:在檢測(cè)率方面算法二低于算法一。因?yàn)镾ICF-Adaboost算法在訓(xùn)練之前對(duì)訓(xùn)練數(shù)據(jù)的ICF特征進(jìn)行譜聚類能夠有效提高檢測(cè)率。將本文算法與算法二進(jìn)行比較可知,檢測(cè)率相同,但是本文算法誤檢率小于算法二。這是由于本文算法增加了基于SVM的形狀分類器設(shè)計(jì)階段,對(duì)第一階段的候選目標(biāo)區(qū)域進(jìn)行了精檢,有效地降低了誤檢率。測(cè)試所用的圖像分辨率為1 360像素×800像素。圖4分別給出了3種不同算法的ROC曲線圖,從中可以看出:基于SICF-Adaboost+SIFT-SVM檢測(cè)算法有著最佳的交通標(biāo)志檢測(cè)效果。圖5為本文算法在復(fù)雜場(chǎng)景下的檢測(cè)結(jié)果,其中正確檢測(cè)到的交通標(biāo)志用矩形框框出。

    表1 交通標(biāo)志檢測(cè)結(jié)果

    圖4 3種算法的ROC曲線

    圖5 不同實(shí)景下的交通標(biāo)志檢測(cè)結(jié)果示例

    4 結(jié)束語

    為了解決傳統(tǒng)基于ICF-Adaboost交通標(biāo)志檢測(cè)算法檢測(cè)率過低的問題,提出了SICF-Adaboost+SIFT-SVM兩階段的級(jí)聯(lián)分類器。實(shí)驗(yàn)結(jié)果表明:本文算法能夠正確確定標(biāo)志位置并將其切割出來,同時(shí),對(duì)光照、天氣變化等因素帶來的影響有較好的抑制作用。另外,對(duì)比4種形狀類別的檢測(cè)結(jié)果,發(fā)現(xiàn)倒三角形的檢測(cè)率較低,如何提高倒三角形交通標(biāo)志的檢測(cè)率,將是下一步研究工作的重點(diǎn)。

    [1] Wang G,Ren G,Wu Z,et al.A robust,coarse-to-fine traffic sign detection method[C]∥International Joint Conference on Neural Networks,IEEE,2013:1-5.

    [2] Yang Y,Wu F.Real-time traffic sign detection via color probabi-lity model and integral channel features[C]∥Pattern Recogni-tion,2014:545-554.

    [3] Ohn-Bar E,Trivedi M M.Learning to detect vehicles by cluste-ring appearance patterns[J].IEEE Transactions on Intelligent Transportation Systems,2015,16(5):2511-2521.

    [4] Dollár Piotr,Tu Zhuowen,Perona Pietro,et al.Integral channel features[C]∥Proceedings of 2009 British Machine Vision Conference,BMVC 2009,London,UK,2009.

    [5] 李文杰,廖曉緯,束仁義,等.基于ZigBee和模糊C均值聚類方法在火警中的應(yīng)用[J].傳感器與微系統(tǒng),2012,31(10):143-145.

    [6] Fleyeh H,Biswas R,Davami E.Traffic sign detection based on AdaBoost color segmentation and SVM classification[C]∥Eurocon,IEEE,2013:2005-2010.

    [7] Pizer S M,Amburn E P,et al.Adaptive histogram equalization and its variations [J].Computer Vision Graphics & Image Processing,1987,39(3):355 -368.

    [8] 王程冬,程筱勝,崔海華,等.SIFT算法在點(diǎn)云配準(zhǔn)中的應(yīng)用[J].傳感器與微系統(tǒng),2012,31(2):149-152.

    [9] Moranduzzo T,Melgani F.A SIFT-SVM method for detecting cars in UAV images[C]∥Geoscience and Remote Sensing Symposium,IEEE,2012:6868 -6871.

    Traffic signs detection based on ICF and multi-class classifier*

    ZHENG Tian-yu, WANG Nian, TANG Jun

    (School of Electronics & Information Engineering,Anhui University,Hefei 230601,China)

    Aiming at problem of low recall rate and high error rate of traditional traffic sign detection algorithm based on integral channel feature(ICF) and Adaboost,propose a two-stage traffic sign detection method.In the first stage,using spectral clustered integral channel features obtained by spectral clustering are combined with Adaboost to learn the overall detection model,which is applied to the input image to obtain region of interest(ROI).In the second stage,histogram equalization is imposed on ROI,and then a shape classifier using support vector machine(SVM) is employed to filter candidate object regions obtained in the former stage to remove the false positives.Experimental results show that the proposed SICF-Adaboost +SIFT-SVM detection algorithm method built upon a cascade classifier framework possesses higher detection rate compared with the traditional ICF Adaboost detect algorithm in dealing with high light intensity,motion blur,fog,and noisy similar object,which is suitable for traffic sign detection in real-world scenes.

    traffic sign detection; shape classifier; spectral clustering ; integral channel feature(ICF); region of interest(ROI)

    2017—01—19

    國家自然科學(xué)基金資助項(xiàng)目(61172127); 安徽省自然科學(xué)基金資助項(xiàng)目(1508085MF120)

    10.13873/J.1000—9787(2017)06—0134—04

    TP 391

    A

    1000—9787(2017)06—0134—04

    鄭天宇(1992-),男,碩士研究生,研究方向?yàn)闄C(jī)器學(xué)習(xí)與模式識(shí)別,E—mail:780876068@qq.com。

    王 年(1966-),男,教授,博士生導(dǎo)師,主要從事數(shù)字信號(hào)處理工作。

    猜你喜歡
    特征檢測(cè)
    抓住特征巧觀察
    “不等式”檢測(cè)題
    “一元一次不等式”檢測(cè)題
    “一元一次不等式組”檢測(cè)題
    “幾何圖形”檢測(cè)題
    “角”檢測(cè)題
    新型冠狀病毒及其流行病學(xué)特征認(rèn)識(shí)
    如何表達(dá)“特征”
    不忠誠的四個(gè)特征
    抓住特征巧觀察
    男男h啪啪无遮挡| 亚洲国产欧美一区二区综合| 精品日产1卡2卡| 亚洲中文日韩欧美视频| 久久久国产欧美日韩av| 亚洲性夜色夜夜综合| 中文字幕人妻熟女乱码| 制服人妻中文乱码| 动漫黄色视频在线观看| 一区福利在线观看| 精品福利永久在线观看| 多毛熟女@视频| 不卡av一区二区三区| 亚洲成人久久性| 国产精品久久久av美女十八| 亚洲av第一区精品v没综合| 久久午夜亚洲精品久久| 日日爽夜夜爽网站| 黑人巨大精品欧美一区二区蜜桃| 叶爱在线成人免费视频播放| 久久久久国产一级毛片高清牌| 91在线观看av| 天天躁夜夜躁狠狠躁躁| 99在线人妻在线中文字幕| 国产精品偷伦视频观看了| 丰满人妻熟妇乱又伦精品不卡| 91九色精品人成在线观看| 亚洲 国产 在线| 在线天堂中文资源库| 久久性视频一级片| xxxhd国产人妻xxx| 黑人巨大精品欧美一区二区蜜桃| 91av网站免费观看| 国产亚洲欧美精品永久| 女性被躁到高潮视频| 久久国产乱子伦精品免费另类| 国产精品爽爽va在线观看网站 | 黑人巨大精品欧美一区二区蜜桃| 日韩欧美免费精品| 人妻久久中文字幕网| 色婷婷久久久亚洲欧美| 黄色女人牲交| 午夜精品在线福利| 黄色a级毛片大全视频| 久久香蕉精品热| 日韩欧美一区二区三区在线观看| 青草久久国产| 黄色毛片三级朝国网站| 一进一出抽搐gif免费好疼 | 9热在线视频观看99| 亚洲人成网站在线播放欧美日韩| 精品一品国产午夜福利视频| 少妇裸体淫交视频免费看高清 | 欧美日韩瑟瑟在线播放| 天天影视国产精品| 免费看十八禁软件| 久久久久精品国产欧美久久久| 热99国产精品久久久久久7| 在线观看一区二区三区激情| 亚洲精华国产精华精| 亚洲男人的天堂狠狠| 美女国产高潮福利片在线看| 宅男免费午夜| 黄片大片在线免费观看| 丁香六月欧美| 黑人巨大精品欧美一区二区蜜桃| 亚洲国产精品一区二区三区在线| 中出人妻视频一区二区| 在线观看66精品国产| 婷婷六月久久综合丁香| 亚洲色图 男人天堂 中文字幕| 淫妇啪啪啪对白视频| 不卡一级毛片| 大陆偷拍与自拍| 日本vs欧美在线观看视频| 黑人操中国人逼视频| 999久久久国产精品视频| 成人免费观看视频高清| 中出人妻视频一区二区| 777久久人妻少妇嫩草av网站| 久久精品国产亚洲av香蕉五月| 国产精品 国内视频| 色尼玛亚洲综合影院| 亚洲五月色婷婷综合| 久久天堂一区二区三区四区| 欧美日韩福利视频一区二区| 9191精品国产免费久久| 日本欧美视频一区| 国产精品偷伦视频观看了| 黄色怎么调成土黄色| 免费在线观看影片大全网站| 日韩欧美免费精品| 国产精品久久电影中文字幕| 999精品在线视频| 欧美激情极品国产一区二区三区| 可以免费在线观看a视频的电影网站| 老司机深夜福利视频在线观看| 男女下面进入的视频免费午夜 | 亚洲,欧美精品.| 亚洲色图 男人天堂 中文字幕| 国产精品电影一区二区三区| 久久国产乱子伦精品免费另类| 欧美成人性av电影在线观看| 亚洲在线自拍视频| 日韩成人在线观看一区二区三区| 这个男人来自地球电影免费观看| 中文字幕高清在线视频| 亚洲成人精品中文字幕电影 | 亚洲av成人一区二区三| 国产不卡一卡二| 免费看十八禁软件| 日日夜夜操网爽| 国产精品影院久久| 母亲3免费完整高清在线观看| www.熟女人妻精品国产| 老熟妇仑乱视频hdxx| 亚洲人成77777在线视频| 欧美丝袜亚洲另类 | 两个人免费观看高清视频| 国产精品久久视频播放| 看片在线看免费视频| 亚洲伊人色综图| 18禁美女被吸乳视频| 国产精品永久免费网站| 91字幕亚洲| 99国产综合亚洲精品| 老司机福利观看| 国产精品免费视频内射| 免费高清视频大片| 亚洲第一欧美日韩一区二区三区| 夜夜看夜夜爽夜夜摸 | 无限看片的www在线观看| 一级a爱片免费观看的视频| 午夜福利在线观看吧| 黄片播放在线免费| 欧美+亚洲+日韩+国产| 国产亚洲精品久久久久5区| 亚洲avbb在线观看| 亚洲国产欧美日韩在线播放| 性色av乱码一区二区三区2| 夫妻午夜视频| 91字幕亚洲| 亚洲欧美一区二区三区黑人| 亚洲情色 制服丝袜| 大型黄色视频在线免费观看| 色精品久久人妻99蜜桃| 成人精品一区二区免费| 一区二区日韩欧美中文字幕| 国产精品美女特级片免费视频播放器 | 一级毛片精品| 国产一区在线观看成人免费| 久久精品91无色码中文字幕| 国产亚洲精品综合一区在线观看 | 人人澡人人妻人| 久久人人97超碰香蕉20202| 18禁美女被吸乳视频| av天堂久久9| 一进一出抽搐gif免费好疼 | 精品电影一区二区在线| 老鸭窝网址在线观看| 午夜免费鲁丝| 亚洲成人免费av在线播放| 国产精品久久久久久人妻精品电影| 国产aⅴ精品一区二区三区波| 悠悠久久av| 操美女的视频在线观看| 亚洲 欧美一区二区三区| 国产野战对白在线观看| 国产精华一区二区三区| 可以在线观看毛片的网站| 91成人精品电影| 亚洲精品中文字幕一二三四区| 精品久久久久久成人av| 亚洲视频免费观看视频| 欧美午夜高清在线| 一区二区三区精品91| 国产精品 欧美亚洲| 久久国产精品影院| 亚洲精品美女久久久久99蜜臀| 成年人黄色毛片网站| 看黄色毛片网站| 亚洲少妇的诱惑av| 超色免费av| 日韩大尺度精品在线看网址 | 久久人妻福利社区极品人妻图片| 法律面前人人平等表现在哪些方面| 丰满饥渴人妻一区二区三| 国产免费现黄频在线看| 国产精品一区二区在线不卡| 女人高潮潮喷娇喘18禁视频| 午夜免费激情av| 又大又爽又粗| 国产日韩一区二区三区精品不卡| 亚洲国产毛片av蜜桃av| 久久久国产成人免费| 成人永久免费在线观看视频| 91精品三级在线观看| 日本撒尿小便嘘嘘汇集6| 欧美精品亚洲一区二区| 国产av精品麻豆| 黄色丝袜av网址大全| 老熟妇仑乱视频hdxx| 狠狠狠狠99中文字幕| 人人澡人人妻人| 91成人精品电影| 在线看a的网站| 亚洲在线自拍视频| 啦啦啦免费观看视频1| 午夜免费激情av| 女人爽到高潮嗷嗷叫在线视频| 国产av一区二区精品久久| 精品熟女少妇八av免费久了| 在线观看免费视频日本深夜| 日本a在线网址| 最近最新中文字幕大全电影3 | 精品高清国产在线一区| 午夜免费观看网址| 91麻豆av在线| 韩国精品一区二区三区| 又大又爽又粗| 国产精品国产高清国产av| 国产欧美日韩精品亚洲av| 精品久久蜜臀av无| 自线自在国产av| a级毛片在线看网站| 丁香六月欧美| 亚洲精品一二三| 极品人妻少妇av视频| 黄色成人免费大全| 香蕉丝袜av| 丰满迷人的少妇在线观看| 亚洲成人免费av在线播放| 午夜免费激情av| 欧美乱色亚洲激情| 国产亚洲欧美在线一区二区| 91老司机精品| 久久精品国产亚洲av香蕉五月| 18禁黄网站禁片午夜丰满| 97人妻天天添夜夜摸| 欧美日韩中文字幕国产精品一区二区三区 | 一二三四社区在线视频社区8| 十分钟在线观看高清视频www| 黑人巨大精品欧美一区二区mp4| 天天影视国产精品| 亚洲av电影在线进入| 少妇裸体淫交视频免费看高清 | 99国产极品粉嫩在线观看| 19禁男女啪啪无遮挡网站| 亚洲一卡2卡3卡4卡5卡精品中文| xxx96com| 曰老女人黄片| 国产欧美日韩一区二区三区在线| 黄片小视频在线播放| 午夜免费激情av| 国产成人av激情在线播放| 日韩免费av在线播放| 久久精品影院6| 69精品国产乱码久久久| 中文字幕av电影在线播放| 亚洲国产欧美日韩在线播放| 国产一区二区三区综合在线观看| 嫁个100分男人电影在线观看| av天堂久久9| 色婷婷久久久亚洲欧美| 啦啦啦免费观看视频1| 久久久久久久久久久久大奶| 日韩有码中文字幕| 精品一区二区三区av网在线观看| 女性被躁到高潮视频| 天天影视国产精品| 夜夜爽天天搞| 日韩欧美在线二视频| 激情在线观看视频在线高清| 精品电影一区二区在线| 久久亚洲精品不卡| 欧美激情 高清一区二区三区| 成在线人永久免费视频| 午夜免费激情av| svipshipincom国产片| 热99国产精品久久久久久7| 精品人妻1区二区| 老汉色av国产亚洲站长工具| 亚洲人成电影观看| 久久伊人香网站| 美女国产高潮福利片在线看| 搡老岳熟女国产| 51午夜福利影视在线观看| 97超级碰碰碰精品色视频在线观看| 国产精品电影一区二区三区| 老熟妇仑乱视频hdxx| 啦啦啦 在线观看视频| 这个男人来自地球电影免费观看| 岛国在线观看网站| 午夜亚洲福利在线播放| 91在线观看av| 女性生殖器流出的白浆| 亚洲 欧美一区二区三区| 亚洲激情在线av| 婷婷丁香在线五月| 色在线成人网| 日本vs欧美在线观看视频| 不卡一级毛片| 久久性视频一级片| 亚洲五月色婷婷综合| 日本免费a在线| 成人精品一区二区免费| 美女高潮到喷水免费观看| 搡老乐熟女国产| 国产一区在线观看成人免费| 大码成人一级视频| 在线观看一区二区三区激情| 亚洲免费av在线视频| 每晚都被弄得嗷嗷叫到高潮| 欧美精品一区二区免费开放| 一区二区三区激情视频| 桃红色精品国产亚洲av| 少妇 在线观看| 亚洲av第一区精品v没综合| 亚洲国产欧美网| 黄色视频不卡| 看免费av毛片| 久久久水蜜桃国产精品网| 国产人伦9x9x在线观看| 久久精品国产清高在天天线| 伦理电影免费视频| 黄色女人牲交| 国产精品永久免费网站| 精品人妻在线不人妻| 国产单亲对白刺激| 天天躁狠狠躁夜夜躁狠狠躁| 国产97色在线日韩免费| 亚洲少妇的诱惑av| 久久久久久亚洲精品国产蜜桃av| av天堂在线播放| av福利片在线| 日韩免费av在线播放| 久久精品91无色码中文字幕| www日本在线高清视频| 午夜福利免费观看在线| 国产成人精品久久二区二区免费| 亚洲精品粉嫩美女一区| 多毛熟女@视频| 国产在线观看jvid| 中文字幕色久视频| 国产野战对白在线观看| 国产区一区二久久| 欧美av亚洲av综合av国产av| 女人被狂操c到高潮| 18禁观看日本| 国产国语露脸激情在线看| 亚洲精品中文字幕在线视频| 后天国语完整版免费观看| 激情视频va一区二区三区| 久久精品91无色码中文字幕| 在线观看免费视频日本深夜| 在线观看免费日韩欧美大片| 日本黄色视频三级网站网址| 久久午夜亚洲精品久久| 免费在线观看影片大全网站| 亚洲一卡2卡3卡4卡5卡精品中文| 精品电影一区二区在线| 日本wwww免费看| 一进一出抽搐gif免费好疼 | 欧美日本亚洲视频在线播放| www国产在线视频色| 国产三级在线视频| 女人被狂操c到高潮| 亚洲成人精品中文字幕电影 | 女人被躁到高潮嗷嗷叫费观| 69精品国产乱码久久久| 成人国产一区最新在线观看| aaaaa片日本免费| 好男人电影高清在线观看| 精品熟女少妇八av免费久了| 99久久人妻综合| 久久这里只有精品19| 乱人伦中国视频| 很黄的视频免费| 日韩欧美国产一区二区入口| 最新在线观看一区二区三区| 在线视频色国产色| 婷婷丁香在线五月| 国产av一区二区精品久久| svipshipincom国产片| 80岁老熟妇乱子伦牲交| av天堂久久9| 在线免费观看的www视频| 最新美女视频免费是黄的| 精品乱码久久久久久99久播| av国产精品久久久久影院| 欧美日本中文国产一区发布| 久久国产亚洲av麻豆专区| 国产一区二区在线av高清观看| 丁香六月欧美| 俄罗斯特黄特色一大片| www日本在线高清视频| 69av精品久久久久久| 欧美精品啪啪一区二区三区| 日韩人妻精品一区2区三区| 水蜜桃什么品种好| 高清毛片免费观看视频网站 | 母亲3免费完整高清在线观看| 国产精品1区2区在线观看.| 一边摸一边抽搐一进一小说| 妹子高潮喷水视频| 国产精品美女特级片免费视频播放器 | 99久久人妻综合| 两人在一起打扑克的视频| 国产野战对白在线观看| 美女扒开内裤让男人捅视频| 国产精品国产av在线观看| 久久人妻av系列| 99国产精品免费福利视频| 夜夜躁狠狠躁天天躁| 19禁男女啪啪无遮挡网站| 午夜日韩欧美国产| 免费观看人在逋| 757午夜福利合集在线观看| 99国产精品一区二区蜜桃av| 一二三四在线观看免费中文在| 日韩高清综合在线| 12—13女人毛片做爰片一| 日韩有码中文字幕| 欧美av亚洲av综合av国产av| 黄色丝袜av网址大全| 国产精品一区二区三区四区久久 | 精品久久久久久电影网| 99re在线观看精品视频| 国产日韩一区二区三区精品不卡| 美女高潮到喷水免费观看| 在线观看舔阴道视频| 男女之事视频高清在线观看| 亚洲五月色婷婷综合| 亚洲色图 男人天堂 中文字幕| 好男人电影高清在线观看| 欧美黄色淫秽网站| 亚洲精品久久成人aⅴ小说| 在线播放国产精品三级| 亚洲精品美女久久av网站| 精品高清国产在线一区| 满18在线观看网站| 中文亚洲av片在线观看爽| 亚洲色图 男人天堂 中文字幕| 伊人久久大香线蕉亚洲五| 亚洲一区高清亚洲精品| 两个人免费观看高清视频| 91老司机精品| 黄色视频,在线免费观看| 欧美激情久久久久久爽电影 | 国产在线精品亚洲第一网站| 一个人免费在线观看的高清视频| 热99国产精品久久久久久7| 麻豆av在线久日| 欧美亚洲日本最大视频资源| 夜夜夜夜夜久久久久| 男女下面进入的视频免费午夜 | 香蕉国产在线看| 亚洲全国av大片| 久久精品国产99精品国产亚洲性色 | 亚洲avbb在线观看| 国产免费av片在线观看野外av| 久久久久久久久免费视频了| 久久久精品欧美日韩精品| 免费在线观看视频国产中文字幕亚洲| 亚洲国产欧美一区二区综合| 国产一区二区三区视频了| 久久久精品国产亚洲av高清涩受| 国产又色又爽无遮挡免费看| 久久人人爽av亚洲精品天堂| 久久久久久大精品| 激情在线观看视频在线高清| 国产精品成人在线| 亚洲少妇的诱惑av| 丰满人妻熟妇乱又伦精品不卡| 欧美日本中文国产一区发布| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲午夜理论影院| 免费人成视频x8x8入口观看| 动漫黄色视频在线观看| 久久这里只有精品19| 一a级毛片在线观看| 久久人妻av系列| 91成年电影在线观看| 亚洲一区中文字幕在线| 亚洲色图 男人天堂 中文字幕| 亚洲精品一区av在线观看| 高清av免费在线| 亚洲精品美女久久久久99蜜臀| 国产熟女xx| av超薄肉色丝袜交足视频| 色哟哟哟哟哟哟| 亚洲成a人片在线一区二区| 国产av一区二区精品久久| 亚洲色图综合在线观看| 亚洲av第一区精品v没综合| 成人特级黄色片久久久久久久| 久久这里只有精品19| 精品一品国产午夜福利视频| 啦啦啦在线免费观看视频4| 中文字幕另类日韩欧美亚洲嫩草| 中文亚洲av片在线观看爽| 久久这里只有精品19| 欧美黑人精品巨大| 欧美最黄视频在线播放免费 | 色播在线永久视频| 久久天躁狠狠躁夜夜2o2o| 精品电影一区二区在线| www.精华液| 久久香蕉国产精品| 欧美日韩av久久| 欧美人与性动交α欧美精品济南到| 村上凉子中文字幕在线| 黑人欧美特级aaaaaa片| 中文字幕另类日韩欧美亚洲嫩草| 激情视频va一区二区三区| 国产亚洲欧美98| 欧美午夜高清在线| 欧美乱码精品一区二区三区| 亚洲人成电影观看| 午夜影院日韩av| 最新美女视频免费是黄的| 大陆偷拍与自拍| 欧美成人午夜精品| aaaaa片日本免费| 国产精品国产av在线观看| 色综合婷婷激情| 99国产综合亚洲精品| 变态另类成人亚洲欧美熟女 | 亚洲av成人一区二区三| 在线观看午夜福利视频| 免费看a级黄色片| 久久久久精品国产欧美久久久| 欧美日韩中文字幕国产精品一区二区三区 | 国产亚洲精品综合一区在线观看 | 免费在线观看影片大全网站| 精品欧美一区二区三区在线| 88av欧美| 在线十欧美十亚洲十日本专区| 国产精品成人在线| 一级a爱片免费观看的视频| xxxhd国产人妻xxx| 国产成人精品无人区| 国产成人欧美| 精品日产1卡2卡| 一二三四社区在线视频社区8| 老司机亚洲免费影院| 后天国语完整版免费观看| 久久国产精品男人的天堂亚洲| 9色porny在线观看| 51午夜福利影视在线观看| 免费在线观看影片大全网站| 亚洲精品国产一区二区精华液| 99在线人妻在线中文字幕| 美女国产高潮福利片在线看| 99香蕉大伊视频| 亚洲国产精品999在线| 久久青草综合色| 欧美在线一区亚洲| 精品电影一区二区在线| 国产片内射在线| 久久中文字幕一级| 亚洲精品在线美女| av网站在线播放免费| 久久香蕉国产精品| 侵犯人妻中文字幕一二三四区| 日本wwww免费看| a级片在线免费高清观看视频| 韩国av一区二区三区四区| 嫁个100分男人电影在线观看| 亚洲国产毛片av蜜桃av| 亚洲精品av麻豆狂野| 国产精品久久久久久人妻精品电影| 纯流量卡能插随身wifi吗| 男女高潮啪啪啪动态图| 国产精品av久久久久免费| 久久精品91蜜桃| 成人三级做爰电影| 国产成人精品在线电影| 亚洲熟女毛片儿| 亚洲成国产人片在线观看| 在线天堂中文资源库| 国产精品免费视频内射| 亚洲欧美激情综合另类| 黄片小视频在线播放| 色婷婷久久久亚洲欧美| 99久久国产精品久久久| 丰满的人妻完整版| 国产亚洲精品一区二区www| 久久午夜亚洲精品久久| 精品一品国产午夜福利视频| 9191精品国产免费久久| 欧美成狂野欧美在线观看| 亚洲国产看品久久| 丝袜美足系列| 黄片大片在线免费观看| 国产成人系列免费观看| 亚洲色图综合在线观看| 这个男人来自地球电影免费观看| 成人三级黄色视频| 男男h啪啪无遮挡| 青草久久国产| 日韩 欧美 亚洲 中文字幕| 精品卡一卡二卡四卡免费| tocl精华| 黄色女人牲交| 超碰成人久久| 久久这里只有精品19| 中文字幕人妻丝袜一区二区| 欧美激情久久久久久爽电影 | 国产伦一二天堂av在线观看| 一区在线观看完整版| 黄色女人牲交| 不卡av一区二区三区| 久久这里只有精品19| www.999成人在线观看|