• <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DenseNet的單目圖像深度估計

    2019-03-05 10:23:16,,
    計算機(jī)測量與控制 2019年2期
    關(guān)鍵詞:單目網(wǎng)絡(luò)結(jié)構(gòu)卷積

    ,,

    (浙江工業(yè)大學(xué) 信息工程學(xué)院,杭州 310023)

    0 引言

    隨著人工智能的迅猛發(fā)展,各類人工智能產(chǎn)品(如無人駕駛汽車、醫(yī)療機(jī)器人、巡檢機(jī)器人)應(yīng)運而生,在其工作過程中需要根據(jù)外界環(huán)境因素自動做出決策,通常的實現(xiàn)方法是利用計算機(jī)視覺技術(shù)對周圍環(huán)境3維結(jié)構(gòu)進(jìn)行感知,實現(xiàn)3維重建,從而進(jìn)行決策。因此,3D場景解析是人工智能領(lǐng)域目前最火熱、最重要的研究課題之一。3D場景解析的重要基礎(chǔ)為深度信息的獲取,而單目圖像獲取深度信息是其中的重要方法。

    當(dāng)前獲取場景深度信息主要有硬件實現(xiàn)與軟件實現(xiàn)兩種方法。硬件實現(xiàn)方法是利用傳感器技術(shù),例如微軟開發(fā)的3D體感攝像機(jī)Kinect,利用ToF(time of fly)原理,通過給不可見光打碼、測距光線強(qiáng)弱隨時間變化等手段,根據(jù)光線的反射時間計算距離,特點是實時性好,算法開發(fā)工作量低。但是,尚未成熟的傳感器技術(shù)導(dǎo)致輸出圖像的分辨率過低,僅僅適合室內(nèi)小范圍環(huán)境測量。

    軟件實現(xiàn)方法是通過圖像處理獲取深度信息。目前最為常見的為雙目立體標(biāo)定方法[1],通過算法匹配左、右兩幅圖像中相同的特征點得到視差,再根據(jù)幾何關(guān)系算出深度,但其匹配精度較低,受光線影響較大。在此基礎(chǔ)上提出了結(jié)構(gòu)光方法,其利用有編碼的光源,主動將光源特征打在圖像上進(jìn)行匹配,精度有顯著提升,但仍對環(huán)境光線等條件有一定要求。而單目圖像對設(shè)備數(shù)量、環(huán)境條件要求較低,因此,通過單目圖像獲取深度信息是最貼近實際情況、應(yīng)用場景最為靈活的方法。

    利用單目圖像獲取深度信息本身是一個病態(tài)問題,一張圖像理論上可以對應(yīng)無限張深度圖。因此,傳統(tǒng)的單目圖像獲取深度信息多是基于物體的移動、相機(jī)焦距變化[2]等方法,將深度估計作為一個概率模型來處理,精度相對較低。SFM(Structure-from-Motion)是其中經(jīng)典的方法之一[3],通過相機(jī)不同時間間隔的抓拍圖像,估計相機(jī)的姿態(tài),進(jìn)一步獲取場景中物體深度信息。

    隨著近些年深度學(xué)習(xí)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)在圖像處理、語音識別等領(lǐng)域發(fā)揮著越來越重要的作用。CNN在特征提取、結(jié)果分類等方面無需人工干預(yù),大大提高了模型的通用性。因此,學(xué)者們開始廣泛使用CNN來研究單目圖像的深度信息估計課題。鑒于CRF((Conditional Random Fields)在語義分割上的優(yōu)異表現(xiàn),Liu等人[4]提出了將CRF應(yīng)用到單目圖像深度估計的方法,與通常直接設(shè)定CRF的一元、二元勢函數(shù)方法不同,他們將勢函數(shù)本身也作為學(xué)習(xí)對象之一,通過訓(xùn)練系數(shù)優(yōu)化勢函數(shù),從而優(yōu)化訓(xùn)練結(jié)果,但其文中提到的超像素仍需手工實現(xiàn)劃分。相比之下,Eigen等人[5]提出了一種基于多尺度網(wǎng)絡(luò)結(jié)構(gòu)的深度學(xué)習(xí)方法,通過兩個尺度對圖像分別進(jìn)行全局與局部的特征采樣,獲得最終輸出,此方法無需提供任何人工分類特征,直接在原始圖片上進(jìn)行訓(xùn)練并獲得像素級別的深度信息結(jié)果。在Eigen等人的基礎(chǔ)上,Laina等人[6]提出了一種應(yīng)用ResNet[7]的網(wǎng)絡(luò)模型,該模型利用ResNet特征前向傳遞高效的特性,并結(jié)合更深、更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu),有效提高了結(jié)果精度。Godard等人[8]提出了一種利用左右圖一致性的無監(jiān)督學(xué)習(xí)方法,該方法原理類似雙目立體標(biāo)定,利用左圖樣本得到深度圖,再根據(jù)深度圖與右圖生成左圖預(yù)測結(jié)果,與左圖樣本進(jìn)行比較,實現(xiàn)了自編碼、自解碼,但上述方法在結(jié)果精度提升空間。

    針對上述問題,在此提出了一種基于深度學(xué)習(xí)的單目圖像深度估計方法,根據(jù)輸入的RGB圖像,直接得到圖中各個像素對應(yīng)的深度信息。本文的主要創(chuàng)新點是:首先,提出了一種新的CNN結(jié)構(gòu),對圖像進(jìn)行3個尺度的特征提取與融合,兼顧全局特征與局部特征,優(yōu)化輸出結(jié)果;其次,網(wǎng)絡(luò)結(jié)構(gòu)中融合了DenseNet[9],加強(qiáng)了特征前向傳播,緩解了深層網(wǎng)絡(luò)梯度消失問題,并且加強(qiáng)了特征重用,實現(xiàn)多級綜合高效利用,同時還減少了參數(shù)數(shù)量。最后,通過實驗證明,多尺度的網(wǎng)絡(luò)結(jié)構(gòu)與DenseNet的加入有效提升了輸出深度圖的精度。

    1 網(wǎng)絡(luò)模型

    1.1 模型概述

    為了進(jìn)一步研究單目圖像深度估計方法,本文提出了一種基于DenseNet的多尺度CNN網(wǎng)絡(luò)模型。首先,將網(wǎng)絡(luò)結(jié)構(gòu)分為三個尺度,各個尺度對數(shù)據(jù)集進(jìn)行不同程度的縮放,其中第一個尺度(Scale1)輸入圖像尺寸最大,第三個尺度(Scale3)最小。第一個尺度對圖像特征進(jìn)行全局粗糙采樣,其輸出結(jié)果與第二個尺度(Scale2)的輸入圖像尺寸相同。Scale2的輸入圖像在原數(shù)據(jù)集基礎(chǔ)上結(jié)合了Scale1的輸出,Scale2更注重圖像中局部信息的采集,在上一尺度全局、粗糙的結(jié)果上進(jìn)行優(yōu)化,獲得更具局部特征的結(jié)果。類似的,Scale3的輸入是由原數(shù)據(jù)集與Scale2的輸出相結(jié)合,在進(jìn)一步優(yōu)化輸出深度圖的同時,提高了深度圖的分辨率,獲得高分辨率的輸出結(jié)果。具體網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 網(wǎng)絡(luò)模型結(jié)構(gòu)

    1.2 多尺度網(wǎng)絡(luò)結(jié)構(gòu)

    1.2.1 全局特征粗糙采樣

    Scale1的主要目的是對圖像進(jìn)行全局的采樣,在全局的層面提取圖像特征,網(wǎng)絡(luò)由DenseNet模塊、上采樣模塊與卷積層組成。Scale1的輸入圖像尺寸為240×320,首先通過兩個卷積層豐富信息特征采集,隨后利用卷積核3×3,步長為2的卷積層(簡稱3×3卷積層)代替?zhèn)鹘y(tǒng)的池化層對圖片進(jìn)行降采樣,得到的結(jié)果作為DenseNet模塊輸入。圖像通過DenseNet模塊后,由上采樣模塊對輸出結(jié)果進(jìn)行上采樣,最終圖像輸出尺寸為64×80,與Scale2輸入尺寸相同。由于Scale1的輸入圖像尺寸最大,因此Scale1的視野更廣,采集到的特征最為豐富、最為原始,在全局層面對圖像完成了一個粗糙的采樣。

    1.2.2 局部特征細(xì)致采樣

    Scale2通過連接層(concatenate layer)將縮放的數(shù)據(jù)集與Scale1的結(jié)果輸出組合,擴(kuò)展了輸入樣本數(shù)量,輸入圖像尺寸為64×80。與Scale1相比,Scale2考慮到圖像中像素與周邊像素深度信息的相關(guān)性,更注重局部信息,利用局部特征優(yōu)化輸出深度圖。Scale2網(wǎng)絡(luò)結(jié)構(gòu)由卷積層、上采樣模塊組成,卷積層負(fù)責(zé)豐富特征信息采樣,上采樣模塊負(fù)責(zé)獲得合適分辨率的輸出。對于卷積層部分,采用了多個3×3卷積核替換傳統(tǒng)5×5、7×7卷積核的做法,在獲得相同感受野的情況下,多個3×3卷積核相比大尺寸卷積核存在更多的非線性因子,使得判決函數(shù)更有判決性。同時,3×3卷積核的實現(xiàn)方式可以顯著減少參數(shù)量,提升訓(xùn)練速度。最終,Scale2輸出尺寸為128×160的深度圖像,與Scale3輸入尺寸相同。

    1.2.3 提高分辨率,獲得預(yù)測結(jié)果

    Scale3通過concatenate layer將縮放的數(shù)據(jù)集與Scale2的結(jié)果輸出組合,網(wǎng)絡(luò)結(jié)構(gòu)與Scale2類似。Scale3負(fù)責(zé)進(jìn)一步優(yōu)化圖像輸出并提高分辨率,得到空間上連貫、詳細(xì)的輸出結(jié)果。

    1.3 DenseNet模塊

    隨著深度學(xué)習(xí)的發(fā)展,各類CNN網(wǎng)絡(luò)模型被提出,從開始的AlexNet、VGGNet,到后來的ResNet等等。DenseNet于2017年由劉壯等人提出,網(wǎng)絡(luò)結(jié)構(gòu)具有以下特點:第一,DenseNet有效地緩解了網(wǎng)絡(luò)過深帶來的梯度彌散問題,DenseNet每層都能獲取前面各層的損失函數(shù),有效加強(qiáng)了特征前向傳播,因此可以訓(xùn)練更深的網(wǎng)絡(luò)。第二,相比ResNet采用求和的方式傳播特征,DenseNet采用拼接的方式,將前面所有層輸出拼接在一起作為當(dāng)前輸入,顯著提高特征傳播效率,其非線性變換方程如式1所示。第三,DenseNet有效減少了網(wǎng)絡(luò)參數(shù),從特征重用的角度提升網(wǎng)絡(luò)性能。例如,基于ResNet的網(wǎng)絡(luò)模型通過隨機(jī)丟棄層防止過擬合,表明并非所有層都是必須的,網(wǎng)絡(luò)中存在大量冗余,造成運算量的浪費。通常,對于同樣的預(yù)測精度,DenseNet只需要ResNet一半的參數(shù)量。

    xl=Hl([x0,x1....,xl-1])

    (1)

    DenseNet由Dense Block、Transition Layer、池化層、卷積層以及全連接層組合,Dense Block為稠密連接的highway模塊,是各層Bottleneck Layer輸出的集合。Bottleneck Layer包括卷積層、激活函數(shù)、歸一化函數(shù)以及Dropout組成。Transition Layer負(fù)責(zé)連接相鄰Dense Block,對Dense Block的輸出進(jìn)一步執(zhí)行歸一化、Dropout等處理。

    本文中的DenseNet模塊由4個Dense Block和3個Transition Layer組成,并在DenseNet原有結(jié)構(gòu)上對其進(jìn)行了一定改善,是Scale1網(wǎng)絡(luò)的主要結(jié)構(gòu)。首先,對于圖像初始化部分,用多個3×3卷積層替換7×7卷積層、池化層,用小卷積核替換大卷積核,減少參數(shù)與計算量;其次,針對各個Dense Block的輸出通道數(shù),通過實驗對比,最終將各層輸出通道數(shù)從上至下確定為6、12、48、32;然后,對于Transition Layer,采用了3×3卷積層替換池化層;最后,刪除了DenseNet網(wǎng)絡(luò)結(jié)構(gòu)末尾的全局池化層和用于分類的全連接層,替換為性能更好的1×1的卷積層。

    1.4 上采樣模塊

    上采樣的主要目的是放大原圖像,獲得分辨率更高的輸出結(jié)果。放大圖像基本都是采用內(nèi)插值的方法,在原有圖像像素的基礎(chǔ)上在像素點之間采用插值算法插入新的像素。

    在深度學(xué)習(xí)模型中,傳統(tǒng)的上采樣實現(xiàn)方式大多是先將圖像分辨率擴(kuò)展為2倍,用0填充沒有數(shù)據(jù)的像素,然后用5×5卷積層處理擴(kuò)展后的圖像實現(xiàn)插值,由于有很多0值,因此存在很多無用計算。本文中的上采樣模塊將5×5卷積核拆分為4個大小為3×3、2×3、3×2、2×2的卷積核[6],直接在原圖上進(jìn)行操作,跳過0值的處理,然后將4個輸出結(jié)果進(jìn)行交錯連接,獲得輸出結(jié)果。同時,在此基礎(chǔ)上,添加了激活函數(shù)(Relu)、歸一化函數(shù)以及卷積層,組合成上采樣模塊,有效提高了上采樣的效率。

    1.5 損失函數(shù)

    損失函數(shù)的選擇是深度學(xué)習(xí)網(wǎng)絡(luò)模型訓(xùn)練過程重要環(huán)節(jié)之一,選擇正確的損失函數(shù)能提供更好的收斂方向,獲得更好的訓(xùn)練結(jié)果。目前通用的損失函數(shù)為L2損失函數(shù),以最小化預(yù)測結(jié)果與真實值差的歐式范數(shù)平方作為收斂方向,函數(shù)定義如式(2)所示:

    (2)

    容易看出,當(dāng)預(yù)測值與真實值差異較大時,L2損失函數(shù)能夠迅速下降梯度,收斂速度很快,但是當(dāng)預(yù)測值接近真實值時,L2損失函數(shù)收斂速度大大減小,梯度下降緩慢。因此,本文采用了BerHu損失函數(shù)[6],巧妙地將L1損失函數(shù)與L2損失函數(shù)結(jié)合,獲得了更好的收斂性能。其定義如式(3)所示:

    (3)

    (4)

    表1 損失函數(shù)比較

    2 結(jié)果與分析

    2.1 實驗設(shè)置

    為了驗證此模型的優(yōu)化效果,本文選擇在NYU Depth V2官方數(shù)據(jù)集上對模型進(jìn)行訓(xùn)練、測試。NYU Depth V2是微軟Kinect相機(jī)采集的室內(nèi)場景的視頻幀序列,由1449對深度信息與RGB像素對應(yīng)的圖片組成。該數(shù)據(jù)集含有3個城市的464個場景,共分為26種場景類型,1000多種對象。本文訓(xùn)練集與測試集的劃分比例為官方的249:215,將原始的480×640RGB圖與深度圖降采樣至240×320作為模型輸入,并通過預(yù)處理忽略圖片中深度信息缺省的像素。根據(jù)官方劃分,經(jīng)49個場景作為驗證集, 200個場景作為訓(xùn)練集,訓(xùn)練完成后在官方654張標(biāo)準(zhǔn)驗證圖像上對模型進(jìn)行測試。本文對訓(xùn)練圖像進(jìn)行隨機(jī)縮放、目標(biāo)平面內(nèi)旋轉(zhuǎn)、水平翻轉(zhuǎn)以及改變顏色和對比度等處理來擴(kuò)充數(shù)據(jù)集,避免模型過擬合,提升泛化能力。

    實驗設(shè)備是一臺顯卡為Tesla K40C的服務(wù)器,使用TensorFlow框架。網(wǎng)絡(luò)訓(xùn)練使用隨機(jī)訓(xùn)練梯度下降優(yōu)化模型參數(shù),具體的超參數(shù)如下:批處理大小(batch size)為8,最大迭代輪數(shù)(max epoch)為1000,學(xué)習(xí)率(learning rate)為0.001,學(xué)習(xí)率每經(jīng)過10輪迭代衰90%,直至網(wǎng)絡(luò)收斂。整個模型訓(xùn)練耗時約為72個小時,CNN前向過程占時約為每張圖0.06 s,整個模型每張圖預(yù)測時間約為0.23 s,訓(xùn)練時的loss曲線如圖2所示。

    在此將模型的實驗結(jié)果與同樣在NYU Depth V2數(shù)據(jù)集上進(jìn)行訓(xùn)練的相關(guān)工作進(jìn)行對比,采用了常用的衡量指標(biāo)評估結(jié)果[10]:

    1)平均相對誤差(average relative error,Rel):

    (5)

    2)均方根誤差(root mean squared error,RMS):

    (6)

    圖2 各模型深度預(yù)測結(jié)果圖

    3)對數(shù)空間平均誤差(average log10error,log10):

    (7)

    4)準(zhǔn)確率:

    整個訓(xùn)練模型的學(xué)習(xí)過程為:

    步驟1:輸入RGB圖像L=(x1,xj,...xn)與真實深度圖,并對數(shù)據(jù)集進(jìn)行數(shù)據(jù)擴(kuò)充。

    步驟2:RGB圖像經(jīng)過網(wǎng)絡(luò)模型后得到輸出y,與真實深度值y*比較,計算di=|y-y*|。

    步驟3:根據(jù)di大小,計算損失函數(shù),并更新參數(shù)。

    步驟4:達(dá)到收斂條件或迭代次數(shù)上限時終止模型運行,否則重復(fù)步驟2)、3)。

    2.2 實驗結(jié)果

    通過實驗將得到的輸出結(jié)果與make3D、Eigen以及Laina的訓(xùn)練方法輸出結(jié)果進(jìn)行對比,其結(jié)果如表2所示。首先,可以看出利用CNN卷積網(wǎng)絡(luò)模型的輸出結(jié)果明顯優(yōu)于傳統(tǒng)利用先驗的幾何假設(shè)等方法,這主要得益于CNN結(jié)構(gòu)在圖像處理方面的強(qiáng)大能力,CNN結(jié)構(gòu)能夠從圖像中提取出足夠多的特征信息,且特征提取和統(tǒng)計分類都不需要人工干預(yù)。在利用CNN結(jié)構(gòu)的網(wǎng)絡(luò)模型中,輸出結(jié)果略優(yōu)于Eigen與Laina的模型輸出結(jié)果,這主要得益于DenseNet的網(wǎng)絡(luò)特性與多尺度的網(wǎng)絡(luò)結(jié)構(gòu),深度預(yù)測圖結(jié)果對比如圖2所示。

    表2 NYU Depth V2數(shù)據(jù)集上實驗結(jié)果對比

    3 結(jié)論

    針對單目圖像深度預(yù)測問題,提出了基于深度學(xué)習(xí)的多尺度網(wǎng)絡(luò)結(jié)構(gòu)模型,利用DenseNet的強(qiáng)化特征前向傳播、特征重用以及減少參數(shù)等特性,以及多尺度網(wǎng)絡(luò)結(jié)構(gòu)提供的全局預(yù)測、局部預(yù)測結(jié)果結(jié)合特性,有效提高了單目圖像深度預(yù)測精度,其結(jié)果顯著優(yōu)于傳統(tǒng)的處理方法,且在與其他CNN網(wǎng)絡(luò)模型對比中也取得更好的輸出結(jié)果。

    但目前此模型仍是在有監(jiān)督的條件下訓(xùn)練,需要提供真實深度信息,因此對數(shù)據(jù)集提出了很高的要求,筆者正在嘗試構(gòu)建無監(jiān)督的訓(xùn)練模型,加大模型適用范圍。同時,此模型是直接由RGB圖訓(xùn)練得到深度結(jié)果,下一步考慮在模型中融入傳統(tǒng)的深度獲取方法,例如利用雙目標(biāo)定原理等,進(jìn)一步提升預(yù)測精度。

    猜你喜歡
    單目網(wǎng)絡(luò)結(jié)構(gòu)卷積
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    一種單目相機(jī)/三軸陀螺儀/里程計緊組合導(dǎo)航算法
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    單目SLAM直線匹配增強(qiáng)平面發(fā)現(xiàn)方法
    基于CAD模型的單目六自由度位姿測量
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    知識網(wǎng)絡(luò)結(jié)構(gòu)維對于創(chuàng)新績效的作用機(jī)制——遠(yuǎn)程創(chuàng)新搜尋的中介作用
    滬港通下A+ H股票網(wǎng)絡(luò)結(jié)構(gòu)演化的實證分析
    復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)比對算法研究進(jìn)展
    中文字幕av在线有码专区| av又黄又爽大尺度在线免费看| 精品一区在线观看国产| 精品人妻熟女av久视频| 黄色欧美视频在线观看| 国产高清不卡午夜福利| 久久99热这里只有精品18| 只有这里有精品99| 欧美性感艳星| 在线免费十八禁| 一级爰片在线观看| 99re6热这里在线精品视频| 国产乱人视频| 欧美另类一区| 久久久色成人| 日韩欧美国产在线观看| 国产av码专区亚洲av| 男人舔女人下体高潮全视频| 亚洲高清免费不卡视频| 色尼玛亚洲综合影院| 色综合色国产| 久久精品夜夜夜夜夜久久蜜豆| 超碰av人人做人人爽久久| 秋霞在线观看毛片| 欧美日本视频| 久久国产乱子免费精品| 一个人观看的视频www高清免费观看| 又爽又黄无遮挡网站| 在线播放无遮挡| 亚洲激情五月婷婷啪啪| 国产精品国产三级国产av玫瑰| 国产精品久久视频播放| 十八禁国产超污无遮挡网站| 亚洲av日韩在线播放| 黑人高潮一二区| 一本久久精品| 国产探花在线观看一区二区| 亚洲激情五月婷婷啪啪| 久久久久久国产a免费观看| 精品一区二区三区视频在线| 在线播放无遮挡| 日产精品乱码卡一卡2卡三| a级毛片免费高清观看在线播放| 国产精品久久久久久精品电影小说 | 国产高潮美女av| 日韩制服骚丝袜av| 亚洲国产最新在线播放| 天堂影院成人在线观看| 国内精品美女久久久久久| 亚洲精品乱久久久久久| 好男人在线观看高清免费视频| 亚洲在线观看片| 亚洲av日韩在线播放| 亚洲熟妇中文字幕五十中出| 精品一区二区三区视频在线| 亚洲无线观看免费| 91aial.com中文字幕在线观看| 久久久精品欧美日韩精品| 免费黄色在线免费观看| 国产午夜精品一二区理论片| 日韩精品青青久久久久久| 欧美另类一区| 国产亚洲一区二区精品| 伊人久久精品亚洲午夜| 欧美bdsm另类| 国产在视频线精品| 成人欧美大片| 一个人看的www免费观看视频| 国产av在哪里看| 国产成人91sexporn| 狂野欧美激情性xxxx在线观看| 狂野欧美白嫩少妇大欣赏| 小蜜桃在线观看免费完整版高清| freevideosex欧美| 最近中文字幕高清免费大全6| 嘟嘟电影网在线观看| 日本熟妇午夜| 99久久中文字幕三级久久日本| 午夜免费激情av| 国产 一区 欧美 日韩| 在线天堂最新版资源| 亚洲精品乱久久久久久| 三级毛片av免费| 国产又色又爽无遮挡免| eeuss影院久久| 69av精品久久久久久| 午夜福利成人在线免费观看| 波野结衣二区三区在线| 亚洲内射少妇av| 最近的中文字幕免费完整| 久久久精品免费免费高清| 日韩一本色道免费dvd| 国产高清国产精品国产三级 | 一区二区三区乱码不卡18| 国产高清三级在线| 亚洲精品自拍成人| 少妇裸体淫交视频免费看高清| 建设人人有责人人尽责人人享有的 | 女人十人毛片免费观看3o分钟| 中文字幕制服av| 人人妻人人澡人人爽人人夜夜 | 18禁动态无遮挡网站| 国产成人精品福利久久| 美女国产视频在线观看| 99久国产av精品国产电影| 成人欧美大片| 黄片wwwwww| 性插视频无遮挡在线免费观看| 久久精品国产鲁丝片午夜精品| 肉色欧美久久久久久久蜜桃 | 精品人妻熟女av久视频| 伦精品一区二区三区| 久久精品国产自在天天线| 嫩草影院入口| 精品国内亚洲2022精品成人| 亚洲av中文av极速乱| av在线天堂中文字幕| 久久草成人影院| 黄色配什么色好看| 亚州av有码| 午夜爱爱视频在线播放| 少妇熟女aⅴ在线视频| www.色视频.com| 国产精品嫩草影院av在线观看| 精品久久久噜噜| 1000部很黄的大片| 欧美性猛交╳xxx乱大交人| 女的被弄到高潮叫床怎么办| 夜夜看夜夜爽夜夜摸| 国产亚洲午夜精品一区二区久久 | 国产伦在线观看视频一区| 日韩伦理黄色片| 一本久久精品| 中国美白少妇内射xxxbb| 欧美激情久久久久久爽电影| 国产成人91sexporn| 男人爽女人下面视频在线观看| 免费av观看视频| 97人妻精品一区二区三区麻豆| 欧美成人a在线观看| 在线观看人妻少妇| 一区二区三区高清视频在线| 啦啦啦中文免费视频观看日本| 伊人久久国产一区二区| 老司机影院毛片| 国产伦精品一区二区三区视频9| 能在线免费看毛片的网站| 久久久a久久爽久久v久久| 男女啪啪激烈高潮av片| 毛片一级片免费看久久久久| 又黄又爽又刺激的免费视频.| 熟女电影av网| 最近视频中文字幕2019在线8| 嘟嘟电影网在线观看| 人体艺术视频欧美日本| 久久精品综合一区二区三区| 中文字幕免费在线视频6| 夫妻性生交免费视频一级片| 国产成人福利小说| 精品99又大又爽又粗少妇毛片| 亚洲第一区二区三区不卡| av一本久久久久| 中文字幕制服av| 亚洲欧美精品自产自拍| 啦啦啦中文免费视频观看日本| 在线观看人妻少妇| 美女大奶头视频| 插阴视频在线观看视频| av在线亚洲专区| 色综合亚洲欧美另类图片| 水蜜桃什么品种好| 看十八女毛片水多多多| 日韩强制内射视频| 久久久久久久亚洲中文字幕| 亚洲成人中文字幕在线播放| 国产成人aa在线观看| 日本熟妇午夜| xxx大片免费视频| 国产精品国产三级国产专区5o| 亚洲经典国产精华液单| 国产男人的电影天堂91| 成年免费大片在线观看| 国产午夜福利久久久久久| 狂野欧美激情性xxxx在线观看| 特大巨黑吊av在线直播| 免费观看av网站的网址| 亚洲内射少妇av| 亚洲av不卡在线观看| 欧美三级亚洲精品| 久久97久久精品| 国产一区有黄有色的免费视频 | 男插女下体视频免费在线播放| 成人午夜精彩视频在线观看| 26uuu在线亚洲综合色| 精品一区二区三区视频在线| 三级男女做爰猛烈吃奶摸视频| 国产国拍精品亚洲av在线观看| 少妇熟女欧美另类| 天堂中文最新版在线下载 | 成人无遮挡网站| 国产又色又爽无遮挡免| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 特大巨黑吊av在线直播| 男人舔奶头视频| 久久午夜福利片| 80岁老熟妇乱子伦牲交| 日韩大片免费观看网站| 久久99热6这里只有精品| 成人亚洲欧美一区二区av| 亚洲国产欧美人成| 国产综合懂色| 久久精品夜夜夜夜夜久久蜜豆| 精品人妻熟女av久视频| 欧美区成人在线视频| 国产亚洲最大av| 亚洲不卡免费看| 午夜日本视频在线| 一本久久精品| h日本视频在线播放| 欧美另类一区| 亚洲国产精品国产精品| 哪个播放器可以免费观看大片| 在线 av 中文字幕| 免费av不卡在线播放| av一本久久久久| 精品久久久久久久久久久久久| 国产极品天堂在线| av女优亚洲男人天堂| 黄色一级大片看看| 欧美性猛交╳xxx乱大交人| av在线老鸭窝| av免费观看日本| 国产人妻一区二区三区在| 精品酒店卫生间| 久久久久久国产a免费观看| av线在线观看网站| 哪个播放器可以免费观看大片| 成人av在线播放网站| 精品酒店卫生间| 淫秽高清视频在线观看| 联通29元200g的流量卡| 日韩不卡一区二区三区视频在线| 亚洲精品日本国产第一区| 亚洲精品一二三| 亚洲精品日韩av片在线观看| 久久韩国三级中文字幕| 极品少妇高潮喷水抽搐| 久久精品久久久久久噜噜老黄| 亚洲成人久久爱视频| 欧美最新免费一区二区三区| 国产黄片视频在线免费观看| 国产亚洲精品av在线| 亚洲av免费在线观看| 午夜精品国产一区二区电影 | 国内揄拍国产精品人妻在线| 久久草成人影院| 在线观看av片永久免费下载| 国产亚洲av嫩草精品影院| 精品少妇黑人巨大在线播放| 听说在线观看完整版免费高清| 国产成人a区在线观看| 国产不卡一卡二| 韩国av在线不卡| 免费观看av网站的网址| 精品久久久精品久久久| 一个人看视频在线观看www免费| 一级片'在线观看视频| 亚洲美女搞黄在线观看| 免费观看a级毛片全部| 久99久视频精品免费| 国产av码专区亚洲av| av在线播放精品| 久久久久久久久中文| 高清日韩中文字幕在线| 婷婷色av中文字幕| 亚洲欧美精品专区久久| 亚洲精品成人av观看孕妇| 一级毛片黄色毛片免费观看视频| 大片免费播放器 马上看| 高清视频免费观看一区二区 | 精品少妇黑人巨大在线播放| 美女xxoo啪啪120秒动态图| 欧美潮喷喷水| 国产一区亚洲一区在线观看| 真实男女啪啪啪动态图| 最近最新中文字幕免费大全7| 午夜精品国产一区二区电影 | 一级毛片 在线播放| 亚洲av电影不卡..在线观看| 91av网一区二区| 99热6这里只有精品| 精品久久久噜噜| 日本wwww免费看| 亚洲一区高清亚洲精品| av播播在线观看一区| 亚洲欧美一区二区三区国产| 午夜福利高清视频| 国产老妇伦熟女老妇高清| 成人高潮视频无遮挡免费网站| 97在线视频观看| 国产高清三级在线| 97超视频在线观看视频| 男女那种视频在线观看| 亚洲综合色惰| 日日啪夜夜爽| 国产精品久久久久久精品电影| 亚洲国产成人一精品久久久| av国产免费在线观看| 麻豆精品久久久久久蜜桃| 中文天堂在线官网| 男人爽女人下面视频在线观看| 高清午夜精品一区二区三区| 一区二区三区乱码不卡18| 国产黄片美女视频| 六月丁香七月| 免费av不卡在线播放| 免费观看无遮挡的男女| 天天一区二区日本电影三级| 国产高清有码在线观看视频| 少妇熟女aⅴ在线视频| 国产精品女同一区二区软件| 欧美日本视频| 免费看美女性在线毛片视频| 人妻一区二区av| 精品一区在线观看国产| 亚洲av中文字字幕乱码综合| 激情五月婷婷亚洲| 在线播放无遮挡| 一级毛片电影观看| 日韩在线高清观看一区二区三区| 91久久精品国产一区二区三区| 亚洲三级黄色毛片| 久久久国产一区二区| 午夜精品一区二区三区免费看| 亚洲av男天堂| 九九爱精品视频在线观看| 五月伊人婷婷丁香| 亚洲人成网站在线播| 亚洲精品日韩av片在线观看| 女的被弄到高潮叫床怎么办| 最新中文字幕久久久久| 亚洲美女搞黄在线观看| 国产成人91sexporn| 99久久人妻综合| 久久精品久久久久久噜噜老黄| 国产精品久久久久久久久免| 日韩精品青青久久久久久| 国产精品美女特级片免费视频播放器| 日韩av不卡免费在线播放| 在线免费十八禁| 人妻夜夜爽99麻豆av| 在现免费观看毛片| 我的老师免费观看完整版| 男人和女人高潮做爰伦理| 国产老妇女一区| 欧美日韩国产mv在线观看视频 | 国产成人freesex在线| 久久综合国产亚洲精品| 伊人久久精品亚洲午夜| 久久韩国三级中文字幕| 大陆偷拍与自拍| 性插视频无遮挡在线免费观看| 99久久九九国产精品国产免费| 免费观看无遮挡的男女| av福利片在线观看| 嫩草影院入口| 你懂的网址亚洲精品在线观看| 最后的刺客免费高清国语| 三级男女做爰猛烈吃奶摸视频| videossex国产| 老司机影院毛片| 丰满少妇做爰视频| 亚洲电影在线观看av| 毛片女人毛片| 22中文网久久字幕| 51国产日韩欧美| 久久久亚洲精品成人影院| 水蜜桃什么品种好| 久久久午夜欧美精品| 少妇熟女欧美另类| av在线观看视频网站免费| 国产亚洲一区二区精品| 3wmmmm亚洲av在线观看| 国产91av在线免费观看| 99久久中文字幕三级久久日本| 国产 一区 欧美 日韩| 黑人高潮一二区| 夜夜爽夜夜爽视频| 综合色av麻豆| 搞女人的毛片| 女人十人毛片免费观看3o分钟| 99久久九九国产精品国产免费| 91精品伊人久久大香线蕉| av天堂中文字幕网| 最近手机中文字幕大全| 一区二区三区高清视频在线| 少妇熟女欧美另类| av国产免费在线观看| 亚洲精品国产av蜜桃| 男人舔女人下体高潮全视频| 乱码一卡2卡4卡精品| 一级毛片 在线播放| 国产成人a区在线观看| 高清av免费在线| 欧美变态另类bdsm刘玥| 午夜亚洲福利在线播放| 国产白丝娇喘喷水9色精品| 精品久久久久久久末码| 亚洲国产高清在线一区二区三| 一本一本综合久久| 神马国产精品三级电影在线观看| 免费看日本二区| 国内揄拍国产精品人妻在线| 十八禁国产超污无遮挡网站| 国产精品日韩av在线免费观看| 小蜜桃在线观看免费完整版高清| 午夜亚洲福利在线播放| 夫妻性生交免费视频一级片| 婷婷色综合www| 国产免费福利视频在线观看| 午夜激情福利司机影院| 日本色播在线视频| av黄色大香蕉| 亚洲av.av天堂| 午夜精品一区二区三区免费看| 国产精品三级大全| 搞女人的毛片| 欧美日韩国产mv在线观看视频 | 亚洲成人av在线免费| 插阴视频在线观看视频| 在线观看av片永久免费下载| 国产单亲对白刺激| 99热网站在线观看| 美女被艹到高潮喷水动态| 欧美另类一区| 少妇熟女aⅴ在线视频| 18禁在线无遮挡免费观看视频| 肉色欧美久久久久久久蜜桃 | 免费看不卡的av| 综合色丁香网| 精品不卡国产一区二区三区| 成人性生交大片免费视频hd| 人人妻人人澡欧美一区二区| 高清毛片免费看| 亚洲一级一片aⅴ在线观看| 精品人妻一区二区三区麻豆| 亚洲av福利一区| 精品久久久久久久人妻蜜臀av| 18禁在线播放成人免费| 人人妻人人澡人人爽人人夜夜 | 免费av不卡在线播放| 毛片女人毛片| 免费高清在线观看视频在线观看| 久久久久久久大尺度免费视频| 美女国产视频在线观看| 天堂av国产一区二区熟女人妻| 最近视频中文字幕2019在线8| 免费大片黄手机在线观看| 综合色丁香网| 人妻制服诱惑在线中文字幕| 禁无遮挡网站| 国产av在哪里看| 亚洲国产成人一精品久久久| 久久久久久久久久黄片| 亚洲精品一二三| 一二三四中文在线观看免费高清| 国产午夜福利久久久久久| 少妇人妻精品综合一区二区| 少妇丰满av| 99热这里只有是精品50| or卡值多少钱| 人人妻人人澡人人爽人人夜夜 | 美女脱内裤让男人舔精品视频| 麻豆成人午夜福利视频| 久久国产乱子免费精品| 老女人水多毛片| 麻豆国产97在线/欧美| 91狼人影院| 午夜福利在线观看吧| 国产高潮美女av| 又爽又黄无遮挡网站| 亚洲国产精品专区欧美| 久久精品熟女亚洲av麻豆精品 | 小蜜桃在线观看免费完整版高清| 亚洲欧美日韩卡通动漫| 十八禁国产超污无遮挡网站| 国产亚洲最大av| 女人久久www免费人成看片| 大香蕉97超碰在线| av播播在线观看一区| 尤物成人国产欧美一区二区三区| 色综合站精品国产| 九草在线视频观看| 老司机影院成人| 国产精品福利在线免费观看| videos熟女内射| 国产精品日韩av在线免费观看| 久久鲁丝午夜福利片| 2021少妇久久久久久久久久久| 午夜日本视频在线| 国产在线一区二区三区精| 精品久久久久久久久av| 黄色一级大片看看| 国产精品久久久久久精品电影小说 | 可以在线观看毛片的网站| 校园人妻丝袜中文字幕| 亚洲欧美一区二区三区黑人 | 亚洲精品色激情综合| 91精品一卡2卡3卡4卡| 性插视频无遮挡在线免费观看| 欧美精品一区二区大全| 中文字幕亚洲精品专区| 日韩av免费高清视频| 久久鲁丝午夜福利片| 国产精品熟女久久久久浪| 亚洲乱码一区二区免费版| 亚洲天堂国产精品一区在线| 精品一区在线观看国产| 夫妻性生交免费视频一级片| 国产中年淑女户外野战色| 99久久精品热视频| 18+在线观看网站| 亚洲精品影视一区二区三区av| 在线观看av片永久免费下载| 高清毛片免费看| 国产一区二区亚洲精品在线观看| 看十八女毛片水多多多| 国产黄色视频一区二区在线观看| 国产av在哪里看| 中文在线观看免费www的网站| 亚洲最大成人av| 久久久久久久久久人人人人人人| 99热全是精品| 我的女老师完整版在线观看| 日韩成人伦理影院| 一级毛片我不卡| 国产极品天堂在线| 国产亚洲av片在线观看秒播厂 | 80岁老熟妇乱子伦牲交| 美女内射精品一级片tv| 国产极品天堂在线| 久久久a久久爽久久v久久| 一级毛片久久久久久久久女| 永久网站在线| 成人二区视频| 国产国拍精品亚洲av在线观看| 黄色一级大片看看| 亚洲欧美一区二区三区国产| 99久久精品热视频| 欧美日本视频| 国产亚洲精品久久久com| 国产 一区精品| 99热这里只有是精品50| 免费观看性生交大片5| 纵有疾风起免费观看全集完整版 | 亚洲精品久久久久久婷婷小说| 国产在视频线在精品| 舔av片在线| 伦理电影大哥的女人| 国产成人aa在线观看| 久久99热这里只有精品18| 91精品一卡2卡3卡4卡| 春色校园在线视频观看| 亚洲成人中文字幕在线播放| 成人欧美大片| 午夜福利在线观看吧| 自拍偷自拍亚洲精品老妇| 一级爰片在线观看| 丝袜美腿在线中文| 日韩一本色道免费dvd| 精品人妻一区二区三区麻豆| 亚洲av一区综合| av在线蜜桃| 九九爱精品视频在线观看| 国产高清国产精品国产三级 | 一个人看的www免费观看视频| 一级黄片播放器| av免费在线看不卡| 99re6热这里在线精品视频| av女优亚洲男人天堂| 亚洲国产av新网站| 国产成人一区二区在线| 在线 av 中文字幕| 搡女人真爽免费视频火全软件| 波多野结衣巨乳人妻| 亚洲综合精品二区| 精华霜和精华液先用哪个| 欧美潮喷喷水| 成人无遮挡网站| 久久国产乱子免费精品| 天堂av国产一区二区熟女人妻| 日韩欧美精品免费久久| 97人妻精品一区二区三区麻豆| 久久这里有精品视频免费| 六月丁香七月| 亚洲成人精品中文字幕电影| 欧美潮喷喷水| 18禁裸乳无遮挡免费网站照片| 久久99蜜桃精品久久| 国产成人精品一,二区| 91精品伊人久久大香线蕉| 亚洲精品乱码久久久久久按摩| 一级av片app| 色吧在线观看| 亚洲无线观看免费| 亚洲国产色片| 热99在线观看视频| 美女被艹到高潮喷水动态| 一夜夜www| 国产一级毛片七仙女欲春2| 欧美高清性xxxxhd video| 久久综合国产亚洲精品| 欧美精品一区二区大全| 午夜久久久久精精品| 国精品久久久久久国模美|