• <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 ?

    復(fù)雜條件下小目標(biāo)檢測算法研究

    2019-07-01 02:35:55彭小飛方志軍
    智能計算機(jī)與應(yīng)用 2019年3期
    關(guān)鍵詞:淺層

    彭小飛 方志軍

    摘 要:非??毡尘靶∧繕?biāo)檢測是圖像處理最具挑戰(zhàn)的任務(wù)之一。為了解決復(fù)雜條件下的小目標(biāo)檢測準(zhǔn)確率不足的情況,本文提出首先運用超分辨率模型對拍攝模糊圖像進(jìn)行重建,將重建后的清晰圖像進(jìn)行小目標(biāo)檢測。另外,對原始FPN模型進(jìn)行改進(jìn),利用淺層網(wǎng)絡(luò)豐富的位置信息,僅采用三層特征提取網(wǎng)絡(luò),即可完成小目標(biāo)全圖搜索檢測。實驗表明,本文方法在清晰圖像直接進(jìn)行重建準(zhǔn)確率達(dá)到81.82%,map值為0.895 1,重建后的再進(jìn)行小目標(biāo)檢測與清晰圖像直接檢測僅有一個未檢測出。

    關(guān)鍵詞: 小目標(biāo)檢測;超分辨率重建;淺層; 全圖搜索

    文章編號: 2095-2163(2019)03-0171-05 中圖分類號: TP391.4 文獻(xiàn)標(biāo)志碼: A

    0 引 言

    隨著視頻監(jiān)控的不斷發(fā)展,使得硬件設(shè)備的性能在迅速提升的同時,監(jiān)控涉及的領(lǐng)域也在拓展與增加。近年來,運用圖像處理的方法對一些復(fù)雜的環(huán)境進(jìn)行有目的監(jiān)控已然成為現(xiàn)代社會保障公眾人身安全的一項有益舉措。例如,機(jī)場開闊區(qū)域?qū)π∧繕?biāo)的檢測識別,遠(yuǎn)距離大范圍監(jiān)控等。

    機(jī)場以及學(xué)校區(qū)域,安全管理至關(guān)重要。諸如眾所皆知的是,近年來鳥類影響飛機(jī)起飛的事件就時有發(fā)生。迄今為止,學(xué)界研究中的二維通用目標(biāo)檢測準(zhǔn)確率以及速率均已達(dá)到商用的要求。2013年,RCNN[1]將卷積神經(jīng)網(wǎng)絡(luò)運用到目標(biāo)檢測上,而后又相繼涌現(xiàn)一系列基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測框架。例如,基于區(qū)域候選提議的SPP-Net[2]、Fast-Net[3]、Faster-Net[4]等,此類檢測主要是分為2個步驟,即:區(qū)域候選目標(biāo)檢測和細(xì)化打分分類,但在研發(fā)上卻基本無法達(dá)到最基本的實時效果。后期主要基于特征提取網(wǎng)絡(luò)的端對端目標(biāo)檢測方法,如SSD[5]、YOLOv1[6]、YOLO9000[7]等,此類方法主要就是將檢測和分類融合起來,優(yōu)點是速度較快,但是對小目標(biāo)檢測在效果上卻仍然欠佳。

    目前,國內(nèi)外小目標(biāo)檢測研究主要停留在紅外小目標(biāo)檢測[8-10]、雷達(dá)空對地遙感小目標(biāo)檢測[11-12]等。其研發(fā)原理是利用特殊的熱傳感器來分析景物不同物體溫度,將圖像轉(zhuǎn)換為灰度圖像的灰度值,物體在圖像中的灰度值大小與物體溫度有關(guān)?;诖耍t外小目標(biāo)檢測即使用于諸如叢林等可見光很弱的惡劣條件下也能獲得較強(qiáng)的辨別能力。但是現(xiàn)在研究指出,這種檢測方法在通用的視頻監(jiān)控領(lǐng)域中對通用目標(biāo)識別能力很差,只能大致分析出物體所在區(qū)域,并不能準(zhǔn)確判斷出屬于哪類物體。

    綜上分析后可知,本文在FPN[13]的基礎(chǔ)上提出利用淺層網(wǎng)絡(luò)特征對復(fù)雜條件下的小目標(biāo)進(jìn)行檢測。這里的復(fù)雜條件可描述為:場景內(nèi)存在模糊圖像,此時先要對模糊圖像進(jìn)行超分辨率重建;背景較復(fù)雜,非海空純背景,有建筑物干擾;基于全圖搜索小目標(biāo),目標(biāo)很小,絕對像素大約為24*24。

    1 算法原理

    1.1 超分辨率重建算法

    本文采用的超分辨率重建算法是基于SRN[14]模型,其研發(fā)設(shè)計主要源起自編碼器-解碼器思想。相應(yīng)地,編碼器是通過卷積神經(jīng)網(wǎng)絡(luò)對模糊圖像特征進(jìn)行提取并映射到一個矩陣空間,解碼器是編碼器反過程,就是模糊圖像通過尋找映射空間中相似特征塊進(jìn)行重建。但在本次研究中,設(shè)計時在超分辨率模型中加入了多尺度訓(xùn)練模型,這樣一來在使用不同尺度圖像訓(xùn)練模型過程中則可以綜合提取不同尺度模糊圖像特征細(xì)節(jié),由此將使最終超分辨率效果能有一定提升。并且,還可以通過在不同尺度訓(xùn)練網(wǎng)絡(luò)的環(huán)節(jié)中做到權(quán)重共享,同時大大減少訓(xùn)練時間。另外,本文方法將循環(huán)神經(jīng)網(wǎng)絡(luò)(LSTM)應(yīng)用到超分辨率重建訓(xùn)練過程,這種做法的好處就是在訓(xùn)練過程中即可以利用LSTM的記憶功能,從而不斷優(yōu)化參數(shù),提升訓(xùn)練效率以及超分辨率重建效果。重建模型如圖1所示。

    本文模型總共包含3個尺度,每個尺度以一張模糊圖像和一張上采樣的去模糊圖像作為輸入,并且用ConvLSTM循環(huán)神經(jīng)網(wǎng)絡(luò)來求得時間相關(guān)性和空間相關(guān)性。本文方法為了解決直接使用編碼器帶來的層數(shù)少導(dǎo)致感受野小、層數(shù)多導(dǎo)致空間信息不充分的問題,將殘差塊用于編碼器網(wǎng)絡(luò),而且又采用跳躍連接就可以極大限度利用不同層的特征,且有利于梯度傳播和模型加速收斂。

    此模型可劃分為3個部分,即:編碼器模塊、LSTM模塊、解碼器模塊。設(shè)計上,編碼器由3層卷積塊組成。具體來說,第一層卷積塊包括conv1_1、conv1_2、conv1_3、conv1_4,其中conv1_1輸出feature map大小為32*32,卷積核大小為5*5,采用默認(rèn)卷積步長為1;conv1_2、conv1_3、conv1_4采用的是restnet模塊,輸出feature map大小為32*32,卷積核大小為5*5,采用默認(rèn)卷積步長為1。第二層卷積塊包括conv2_1、conv2_2、conv2_3、conv2_4,其中conv2_1輸出feature map大小為64*64,卷積核大小為5*5,步長為2;conv2_2、conv2_3、conv2_4同理采用的是restnet模塊,輸出feature map大小為64*64,卷積核大小為5*5;第三層卷積塊包括conv3_1、conv3_2、conv3_3、conv3_4,其中conv3_1輸出feature map大小為128*128,卷積核大小為5*5,步長為2;conv3_2、conv3_3、conv3_4同理采用的是restnet模塊,輸出feature map大小為128*128,卷積核大小為5*5。

    LSTM模塊采用的是convLSTM,cell尺寸為h/4*w/4,卷積核大小為3*3,feature map大小為128*128。采用convLSTM模塊,不僅具備LSTM能夠得到時序關(guān)系,還能提取空間特征。

    解碼器模塊與編碼器模塊對稱,由一次卷積塊和兩層反卷積塊組成,主要用于對編碼模塊數(shù)據(jù)進(jìn)行解析。超分辨率重建設(shè)計流程如圖2所示。

    1.2 小目標(biāo)檢測算法

    本文研究中,采用了改進(jìn)的FPN特征金字塔網(wǎng)絡(luò)對小目標(biāo)進(jìn)行檢測。經(jīng)過探索討論后可知,淺層網(wǎng)絡(luò)特征對于小目標(biāo)檢測更加有效,而且也將具有更為豐富的位置信息,如果將深層網(wǎng)絡(luò)特征反卷積與淺層特征相融合卻會對小目標(biāo)檢測起到負(fù)面作用。本文方法中,需要輸入整張圖像,這是為了緩解圖像縮放導(dǎo)致的”絕對尺寸”縮小而隨之出現(xiàn)無法檢測的問題。在此基礎(chǔ)上,通過實驗驗證后得知,對于本文單小目標(biāo)進(jìn)行檢測,僅利用3層淺層網(wǎng)絡(luò)對目標(biāo)進(jìn)行特征提取更有效,加入高層網(wǎng)絡(luò)反傳特征進(jìn)行疊加,反而會影響最終的結(jié)果。究其原因則在于本文小目標(biāo)絕對像素大小約為24*24,經(jīng)過第一個Pooling層之后,小目標(biāo)絕對像素大小約為12*12;經(jīng)過第二個Pooling 層之后,小目標(biāo)絕對像素大小約為6*6。研究得到的小目標(biāo)檢測模型即如圖3所示。

    本文模型采用Faster-RCNN基本思想,對小目標(biāo)進(jìn)行檢測。輸入圖像為整張圖,如此則可以擴(kuò)大相對像素大小,如YOLO、SSD輸入首先要將圖像變換到小于原始圖像大小,這樣就會進(jìn)一步縮小原始目標(biāo)圖像,不利于小目標(biāo)的特征提取。輸入圖像僅僅經(jīng)過3層的CNN網(wǎng)絡(luò)即可對小目標(biāo)特征進(jìn)行提取,其間采用了ResNet跳躍連接的思想。就設(shè)計整體而言,第一層包括:卷積層Conv1,卷積核大小為5*5,num_output為64,stride為2,采用BactchNorm層和Scale層對卷積層輸出進(jìn)行歸一化處理,ReLu激活,pooling層采用Max pooling,核大小為3*3,步長為2。第二層包括:卷積層res2a_branch1,卷積核大小為1*1,num_output為256,采用BactchNorm層和Scale層對卷積層輸出進(jìn)行歸一化處理,Relu激活;卷積層res2a_branch2a,卷積核大小為1*1,num_output為64,采用BactchNorm層和Scale層對卷積層輸出進(jìn)行歸一化處理,Relu激活;卷積層res2a_branch2b連接res2a_branch2a的輸出,卷積核大小為3*3,num_output為64,采用BactchNorm層和Scale層對卷積層輸出進(jìn)行歸一化處理;卷積層res2a_branch2c連接res2a_branch2b的輸出,卷積核大小為1*1,num_output為256,采用BactchNorm層和Scale層對卷積層輸出進(jìn)行歸一化處理;res2a_branch2c的輸出和res2a_branch1的輸出采用Eltwise連接輸出得到res2a,經(jīng)過ReLu進(jìn)行統(tǒng)一激活;res2a輸出作為res2b輸入,具體參數(shù)設(shè)置如res2b_branch1,res2b_branch2a,res2b_branch2b,res2b_branch2c與res2a各模塊類似;res2c具體參數(shù)與上述類似;同理,res3a、res3b、res3c、res3d參數(shù)設(shè)置與上述類似,不同的是,res3層提取的特征經(jīng)過上采樣與res2進(jìn)行特征融合,構(gòu)成特征金字塔模型,最后利用res2和res3融合的特征對小目標(biāo)檢測。

    本文采用anchor尺寸設(shè)置為[16,16]和[32,32],分別對應(yīng)3種ratios[0.5,1,2]。原始相應(yīng)層anchor尺寸設(shè)置為[64,64]和[128,128],為了適應(yīng)本文小目標(biāo)檢測任務(wù),將對應(yīng)anchor尺寸縮小,實驗證明,此方法對于本文應(yīng)用場景小目標(biāo)檢測具有很好的效果。

    2 實驗與分析

    2.1 實驗平臺

    實驗基于Ubuntu16.04,64 位操作系統(tǒng),超分辨率模型訓(xùn)練平臺為 Python2.7 和 Tensorflow,小目標(biāo)檢測模型訓(xùn)練平臺為Python2.7和caffe,硬件配置為GTX1080Ti。

    2.2 數(shù)據(jù)集制作

    本文訓(xùn)練數(shù)據(jù)集為無人機(jī)小目標(biāo),背景為天空、教學(xué)樓以及不確定物體,為了使網(wǎng)絡(luò)有更好的魯棒性,訓(xùn)練數(shù)據(jù)采用隔幀獲取,帶小目標(biāo)的清晰數(shù)據(jù)集為863張。模糊數(shù)據(jù)集采用方框濾波、均值濾波、高斯濾波三種線性濾波的方式和中值濾波、雙邊濾波兩種非線性濾波的方式進(jìn)行模糊處理,最終可得到21 575張模糊圖像。小目標(biāo)檢測數(shù)據(jù)集在標(biāo)注上采用了label-image開源標(biāo)注工具,同時為了達(dá)到深度學(xué)習(xí)大數(shù)據(jù)訓(xùn)練要求,對標(biāo)注圖像進(jìn)行擴(kuò)充。主要擴(kuò)充方式,包括將圖像順時針旋轉(zhuǎn)60°、90°、120°、150°、180°、210°、240°、270°、300°、330°,并且將標(biāo)注信息隨著圖像旋轉(zhuǎn),通過這種方法得到擴(kuò)充圖像為8 300張。另外,本文還將隨機(jī)剪裁圖像,此方法參考SSD數(shù)據(jù)擴(kuò)充的方法,所剪裁的區(qū)塊大小為原圖大小的0.9,經(jīng)過10次隨機(jī)剪裁,利用該方法得到的擴(kuò)充數(shù)據(jù)集為8 300張,而且標(biāo)注數(shù)據(jù)也將隨著剪裁一起變化。

    2.3 結(jié)果與分析

    為了證明本文方法的有效性,將本超分辨率重建算法與經(jīng)典超分辨重建算法SRCNN[15]、FSRCNN[16]、ESPCN[17]進(jìn)行3倍、4倍、5倍放大情況下的研究對比,主要評價標(biāo)準(zhǔn)參考結(jié)構(gòu)相似性(Structual Similarity Index Measurement, SSIM)、峰值信噪比(Peak Signal to Noise Ratio PSNR)兩種指標(biāo)。4種不同對比實驗結(jié)果詳見表1和表2。

    分析可知,模糊圖像對于小目標(biāo)檢測任務(wù)影響巨大,故而選取一個優(yōu)質(zhì)超分辨率重建模型對于小目標(biāo)檢測任務(wù)將尤為關(guān)鍵。由表1和表2可知,SRN在同等條件要優(yōu)于其它3種超分辨率算法,更符合此應(yīng)用場景。

    本文小目標(biāo)檢測對比實驗分為2個部分,對此闡釋如下。

    (1)將本文模型和經(jīng)典目標(biāo)檢測框架FPN、YOLOv2及SSD進(jìn)行準(zhǔn)確率和平均精度map值對比。

    (2)經(jīng)過超分辨重建和未經(jīng)過超分辨率再進(jìn)行小目標(biāo)檢測準(zhǔn)確率對比。

    由表3可以得出,在此場景下,本文算法FPN3具有更高的準(zhǔn)確率,以及平均精度map值優(yōu)于YOLO、SSD、FPN框架。

    通過分析可得,F(xiàn)PN原始模型運用的特征提取網(wǎng)絡(luò)為RestNet50,本文小目標(biāo)絕對像素大小為24*24左右,經(jīng)過3層Pooling層操作之后,像素大小減小為3*3,基本無目標(biāo)特征,如果經(jīng)過上采樣和低層特征進(jìn)行融合,反而會影響最終檢測結(jié)果;相對于YOLOv2檢測,SSD準(zhǔn)確率會高一些,這是因為SSD利用了多尺度特征圖的思想對小目標(biāo)進(jìn)行預(yù)測,而YOLOv2采用全局對目標(biāo)進(jìn)行預(yù)測。但是SSD、YOLOv2對于小目標(biāo)檢測效果卻仍有待改進(jìn),追根溯源皆是因為兩者均未使用低層高分辨率的位置信息,而只是在網(wǎng)絡(luò)層最后一層做出預(yù)測。因此參考借鑒如上研究方案后,本文研究則采用3層網(wǎng)絡(luò)對小目標(biāo)進(jìn)行預(yù)測,極大提高運算效率與準(zhǔn)確率。

    由表4分析后知道,圖像模糊到一定程度時,基本無法進(jìn)行小目標(biāo)檢測。經(jīng)過超分辨率重建之后,準(zhǔn)確率方面和清晰圖像小目標(biāo)檢測準(zhǔn)確率基本相當(dāng)。故可以推論得出如下研究結(jié)論:經(jīng)過對模糊圖像超分辨率重建后進(jìn)行小目標(biāo)檢測,具有一定研究和應(yīng)用價值。本文的總體結(jié)果流程如圖4所示。

    3 結(jié)束語

    本文分析了時下目標(biāo)檢測以及小目標(biāo)檢測方法的不足,并基于此展開了在復(fù)雜條件下的小目標(biāo)檢測研究。首先運用超分辨率重建方法對模糊圖像進(jìn)行重建,而后再將重建后清晰圖像輸入到小目標(biāo)檢測模型中進(jìn)行小目標(biāo)檢測。不同于傳統(tǒng)紅外等灰度圖像小目標(biāo)檢測的是,本文選擇圖像具有復(fù)雜背景,以及模糊圖像干擾,且目標(biāo)足夠小,達(dá)到絕對像素大小為24*24。其清晰圖像直接進(jìn)行小目標(biāo)檢測準(zhǔn)確率達(dá)到81.82%,map值達(dá)到0.895 1,進(jìn)行超分辨率重建后、再進(jìn)行小目標(biāo)檢測的準(zhǔn)確率最終達(dá)到了72.73%。本文方法設(shè)計新穎,具有一定研究價值,但是目前仍處于2個獨立階段,后續(xù)還需將2個步驟予以系統(tǒng)整合。

    參考文獻(xiàn)

    [1]GIRSHICK R, DONAHUE J, DARRELL T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation[C]// 2014 IEEE Conference on Computer Vision & Pattern Recognition. Columbus, OH, USA:IEEE, 2014:580-587.

    [2] HE Kaiming ZHANG Xiangyu, REN Shaoqing , et al. Spatial pyramid pooling in deep convolutional networks for visual recognition[M]//FLEET D, et al. ECCV 2014, Part III, LNCS 8691.Switzerland:Springer International Publishing,2014:346-361.

    [3] GIRSHICK R . Fast R-CNN[J]. arXiv preprint arXiv:1504.08083, 2015.

    [4] REN Shaoqing, HE Kaiming, GIRSHICK R, et al. Faster R-CNN: Towards real-time object detection with region proposal networks[C]// IEEE Transactions on Pattern Analysis & Machine Intelligence,2017,39(6):1137-1149.

    [5] LIU Wei, ANGUELOV D, ERHAN D , et al. SSD: Single shot multibox detector[J]. arXiv preprint arXiv:1512.02325,2015.

    [6] REDMON J , DIVVALA S , GIRSHICK R , et al. You only look once: Unified, real-time object detection[J]. arXiv preprint arXiv:1506.02640, 2015.

    [7] REDMON J, FARHADI A. YOLO9000: Better, faster, stronger[C]// 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Honolulu, Hawaii, USA:IEEE,2017:6517-6525.

    [8] 朱國強(qiáng), 孟祥勇, 錢惟賢. 基于曲率的近地面紅外小目標(biāo)檢測算法[J]. 光子學(xué)報, 2018, 47(10):1010001(1-12).

    [9] 胡洪濤, 敬忠良, 胡士強(qiáng). 基于輔助粒子濾波的紅外小目標(biāo)檢測前跟蹤算法[J]. 控制與決策, 2005, 20(11):1208-1211.

    [10]王軍, 姜志, 孫慧婷,等. 基于噪聲方差估計的紅外弱小目標(biāo)檢測與跟蹤方法[J]. 光電子·激光, 2018,29(3):305-313.

    [11]于曉涵, 陳小龍, 陳寶欣,等. 快速高分辨稀疏FRFT雷達(dá)機(jī)動目標(biāo)檢測方法[J]. 光電工程, 2018,45(6):170702(1-7).

    [12]李東, 趙婷, 宋偉, 等. 一種低信噪比下穩(wěn)健的ISAR平動補(bǔ)償方法[J]. 電子學(xué)報, 2018, 46(9):2049-2056.

    [13]LIN T Y,DOLLAR P,GIRSHICK R , et al. Feature pyramid networks for object detection[C]// 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Honolulu, Hawaii, USA:IEEE Computer Society, 2017:936-944.

    [14]TAO Xin,GAO Hongyun,WANG Yi , et al. Scale-recurrent network for deep image deblurring[J]. arXiv preprint arXiv:1802.01770, 2018.

    [15]DONG Chao, LOY C C,HE Kaiming , et al. Learning a deep convolutional network for image super-resolution[M]//FLEET D, et al. ECCV 2014, Part IV, LNCS 8692.Switzerland:Springer International Publishing,2014: 184-199.

    [16]DONG Chao, LOY C C , TANG Xiaoou . Accelerating the super-resolution convolutional neural network[J]. arXiv preprint arXiv:1608.00369, 2016.

    [17]SHI Wenzhi, CABALLERO J, HUSZR F, et al. Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Las Vegas, NV, USA:IEEE, 2016:1874-1883.

    猜你喜歡
    淺層
    淺層換填技術(shù)在深厚軟土路基中的應(yīng)用
    基于淺層曝氣原理的好氧顆粒污泥的快速培養(yǎng)
    巖心資料在大慶油田中淺層油水層解釋中的應(yīng)用
    錄井工程(2017年4期)2017-03-16 06:10:38
    淺層地下水超采區(qū)劃分探究
    保定市平原區(qū)淺層地下水水質(zhì)變化趨勢
    采煤沉陷積水與淺層地下水水資源轉(zhuǎn)化研究
    華北地質(zhì)(2015年3期)2015-12-04 06:13:29
    油源斷裂對下生上儲式油氣成藏與分布的控制作用——以南堡凹陷中淺層為例
    斷塊油氣田(2014年3期)2014-03-11 15:33:12
    淺層砂過濾器在工業(yè)循環(huán)水使用中的優(yōu)化改造
    中國氯堿(2014年11期)2014-02-28 01:05:08
    斷—蓋時空匹配及其對油氣聚集與分布的控制作用——以南堡凹陷中淺層?xùn)|營組為例
    精品久久久久久电影网| 欧美xxⅹ黑人| kizo精华| 亚洲国产精品999| 色婷婷久久久亚洲欧美| 国产亚洲午夜精品一区二区久久 | 高清毛片免费看| 少妇猛男粗大的猛烈进出视频 | 午夜激情福利司机影院| 久久ye,这里只有精品| 国产精品秋霞免费鲁丝片| 肉色欧美久久久久久久蜜桃 | 亚洲综合精品二区| 夫妻午夜视频| 亚洲国产欧美在线一区| av天堂中文字幕网| 精品99又大又爽又粗少妇毛片| 麻豆国产97在线/欧美| 97人妻精品一区二区三区麻豆| 国产有黄有色有爽视频| 伊人久久精品亚洲午夜| 国产探花在线观看一区二区| 欧美高清性xxxxhd video| 国产精品一二三区在线看| 国产美女午夜福利| 插阴视频在线观看视频| 亚洲av一区综合| 中文精品一卡2卡3卡4更新| 少妇人妻一区二区三区视频| 亚洲一区二区三区欧美精品 | 国产精品精品国产色婷婷| 91久久精品国产一区二区三区| 久久国产乱子免费精品| 免费观看av网站的网址| 久久久久久久久久成人| 国产欧美亚洲国产| 人妻夜夜爽99麻豆av| 亚洲精品日韩在线中文字幕| 日韩人妻高清精品专区| 亚洲av欧美aⅴ国产| 国内精品美女久久久久久| 在线天堂最新版资源| 我的老师免费观看完整版| 成人一区二区视频在线观看| 国产精品久久久久久精品古装| 三级国产精品片| 男人爽女人下面视频在线观看| 久久国产乱子免费精品| 91久久精品电影网| 国产精品久久久久久精品古装| 国产免费一区二区三区四区乱码| 国产成人a∨麻豆精品| 国产精品久久久久久av不卡| 日韩av免费高清视频| 免费av毛片视频| 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 | 99久久人妻综合| 欧美性猛交╳xxx乱大交人| 777米奇影视久久| 亚洲av男天堂| 国产午夜精品久久久久久一区二区三区| 亚洲精品视频女| 国产免费一级a男人的天堂| 亚洲av日韩在线播放| 身体一侧抽搐| 人体艺术视频欧美日本| 国产毛片a区久久久久| 亚洲国产高清在线一区二区三| 99视频精品全部免费 在线| 可以在线观看毛片的网站| 日本一本二区三区精品| 亚洲美女搞黄在线观看| 国产精品伦人一区二区| 国产视频内射| 韩国高清视频一区二区三区| 一级av片app| 美女视频免费永久观看网站| 香蕉精品网在线| a级毛色黄片| 99热这里只有是精品在线观看| 亚洲av男天堂| 国产黄频视频在线观看| 中文欧美无线码| 精品人妻偷拍中文字幕| 寂寞人妻少妇视频99o| 在线天堂最新版资源| 欧美日韩视频精品一区| 大码成人一级视频| 欧美国产精品一级二级三级 | 99久久人妻综合| 日本一本二区三区精品| 成人一区二区视频在线观看| 91狼人影院| 欧美最新免费一区二区三区| 九九在线视频观看精品| av天堂中文字幕网| 日本-黄色视频高清免费观看| 亚洲电影在线观看av| 久久久久久久久久人人人人人人| 国产成人精品福利久久| 精品少妇黑人巨大在线播放| 精品国产露脸久久av麻豆| 亚洲经典国产精华液单| 国产白丝娇喘喷水9色精品| 色综合色国产| 国产高清不卡午夜福利| .国产精品久久| 亚洲欧美精品自产自拍| 成年女人看的毛片在线观看| 全区人妻精品视频| 亚洲欧洲日产国产| 欧美国产精品一级二级三级 | 成人漫画全彩无遮挡| 亚洲一级一片aⅴ在线观看| 国产精品偷伦视频观看了| 欧美激情久久久久久爽电影| 国产精品人妻久久久久久| 免费看光身美女| 久久久久国产网址| 免费看光身美女| 三级经典国产精品| 色婷婷久久久亚洲欧美| av女优亚洲男人天堂| av国产精品久久久久影院| 99久国产av精品国产电影| 大香蕉97超碰在线| 麻豆精品久久久久久蜜桃| 久久精品夜色国产| 校园人妻丝袜中文字幕| 日韩成人av中文字幕在线观看| 91久久精品国产一区二区成人| 精品久久久久久久末码| 一区二区三区免费毛片| 国产精品久久久久久av不卡| 观看美女的网站| 欧美性猛交╳xxx乱大交人| av国产精品久久久久影院| 毛片女人毛片| 国模一区二区三区四区视频| 色视频在线一区二区三区| 亚洲婷婷狠狠爱综合网| 少妇裸体淫交视频免费看高清| av在线天堂中文字幕| 精品久久久久久电影网| 亚洲欧美日韩无卡精品| 日韩精品有码人妻一区| 18禁裸乳无遮挡动漫免费视频 | 最近手机中文字幕大全| 丝袜脚勾引网站| 国产视频内射| 日本三级黄在线观看| 中文字幕免费在线视频6| 亚洲av在线观看美女高潮| videos熟女内射| 国产色婷婷99| 免费看不卡的av| 国产成人精品福利久久| 欧美日韩综合久久久久久| 亚洲精品视频女| 亚洲av男天堂| 久久精品综合一区二区三区| 91久久精品国产一区二区三区| 国产精品精品国产色婷婷| 免费观看性生交大片5| 国产免费一区二区三区四区乱码| 色婷婷久久久亚洲欧美| 中文乱码字字幕精品一区二区三区| 黄色视频在线播放观看不卡| 国产乱来视频区| 高清毛片免费看| 国产免费又黄又爽又色| 亚洲在线观看片| 国产成人午夜福利电影在线观看| 久久久a久久爽久久v久久| 波多野结衣巨乳人妻| 黄色配什么色好看| 亚洲电影在线观看av| 街头女战士在线观看网站| 日韩中字成人| 亚洲av.av天堂| 亚洲av男天堂| 亚州av有码| 日韩av免费高清视频| 国产高清国产精品国产三级 | 国产精品偷伦视频观看了| 亚洲国产av新网站| 成人国产av品久久久| 欧美日韩综合久久久久久| 国产高清不卡午夜福利| 两个人的视频大全免费| 亚洲精品亚洲一区二区| 亚洲熟女精品中文字幕| 日本午夜av视频| 亚洲怡红院男人天堂| 色哟哟·www| 性插视频无遮挡在线免费观看| 欧美日韩国产mv在线观看视频 | 欧美zozozo另类| 丝袜脚勾引网站| 亚洲美女搞黄在线观看| 久久精品熟女亚洲av麻豆精品| av专区在线播放| 国产免费福利视频在线观看| 亚洲自拍偷在线| 日韩中字成人| 一边亲一边摸免费视频| 一级毛片久久久久久久久女| 日韩欧美精品免费久久| 18禁在线无遮挡免费观看视频| 久久人人爽人人片av| 亚洲精品一区蜜桃| kizo精华| 亚洲激情五月婷婷啪啪| 国产爱豆传媒在线观看| 亚洲真实伦在线观看| av免费在线看不卡| av卡一久久| 欧美成人午夜免费资源| 成人高潮视频无遮挡免费网站| 日本与韩国留学比较| 五月玫瑰六月丁香| 久久ye,这里只有精品| 国产免费一区二区三区四区乱码| 能在线免费看毛片的网站| 欧美3d第一页| 九九爱精品视频在线观看| 青春草视频在线免费观看| 少妇的逼水好多| 国产探花在线观看一区二区| 丝袜喷水一区| 午夜视频国产福利| 亚洲精品aⅴ在线观看| 国产精品久久久久久精品电影| 啦啦啦在线观看免费高清www| 综合色丁香网| 丝袜脚勾引网站| 新久久久久国产一级毛片| h日本视频在线播放| 欧美日韩在线观看h| 日韩av免费高清视频| 深爱激情五月婷婷| 亚洲欧美中文字幕日韩二区| 亚洲人成网站高清观看| 麻豆成人av视频| 伊人久久精品亚洲午夜| 亚洲av日韩在线播放| 亚洲av.av天堂| 舔av片在线| 91精品伊人久久大香线蕉| 国产精品久久久久久av不卡| 亚洲最大成人手机在线| 亚洲精品国产av蜜桃| 免费人成在线观看视频色| 国产探花极品一区二区| av网站免费在线观看视频| 国产精品av视频在线免费观看| 综合色av麻豆| 一区二区三区乱码不卡18| 亚洲精品中文字幕在线视频 | 男女那种视频在线观看| 搞女人的毛片| 汤姆久久久久久久影院中文字幕| 精华霜和精华液先用哪个| 久久人人爽av亚洲精品天堂 | 狂野欧美白嫩少妇大欣赏| 联通29元200g的流量卡| 日本黄大片高清| 美女国产视频在线观看| 在线观看国产h片| 人妻少妇偷人精品九色| 免费黄频网站在线观看国产| 国产探花极品一区二区| 婷婷色麻豆天堂久久| 亚洲av免费在线观看| 国产精品久久久久久av不卡| 国产一级毛片在线| 成人午夜精彩视频在线观看| 精品熟女少妇av免费看| 国产一区二区在线观看日韩| 久久久精品欧美日韩精品| 亚洲精品成人久久久久久| 啦啦啦在线观看免费高清www| 丰满少妇做爰视频| 美女视频免费永久观看网站| 久久精品熟女亚洲av麻豆精品| 精品国产一区二区三区久久久樱花 | 欧美xxⅹ黑人| 国产精品国产三级专区第一集| 国产成人91sexporn| 男男h啪啪无遮挡| 久久精品国产亚洲网站| 丝袜喷水一区| 国产成人精品福利久久| 日日啪夜夜撸| xxx大片免费视频| 欧美成人一区二区免费高清观看| 亚洲人与动物交配视频| 国产亚洲av片在线观看秒播厂| 日本熟妇午夜| 日本与韩国留学比较| 麻豆国产97在线/欧美| 热99国产精品久久久久久7| 特大巨黑吊av在线直播| 国产精品不卡视频一区二区| 边亲边吃奶的免费视频| 少妇的逼好多水| 丝袜脚勾引网站| 国产日韩欧美亚洲二区| 精品酒店卫生间| 欧美精品一区二区大全| 七月丁香在线播放| 中国国产av一级| 亚洲精品成人av观看孕妇| 可以在线观看毛片的网站| 久久女婷五月综合色啪小说 | 美女国产视频在线观看| 91精品伊人久久大香线蕉| 女的被弄到高潮叫床怎么办| 国产一区二区三区综合在线观看 | 在线观看免费高清a一片| 国产69精品久久久久777片| 国产精品人妻久久久久久| 2022亚洲国产成人精品| 2018国产大陆天天弄谢| 97精品久久久久久久久久精品| 一个人看视频在线观看www免费| 久久久久久伊人网av| 午夜爱爱视频在线播放| 男人添女人高潮全过程视频| 午夜福利网站1000一区二区三区| 久久人人爽人人爽人人片va| 一本一本综合久久| tube8黄色片| 成人亚洲欧美一区二区av| 日本色播在线视频| 午夜免费鲁丝| 国产欧美日韩一区二区三区在线 | 80岁老熟妇乱子伦牲交| 亚洲精品aⅴ在线观看| 精品一区在线观看国产| 一本久久精品| 少妇熟女欧美另类| 亚洲精品一二三| av播播在线观看一区| 一二三四中文在线观看免费高清| 高清在线视频一区二区三区| 午夜福利在线观看免费完整高清在| 亚州av有码| 亚洲国产精品成人久久小说| 成人一区二区视频在线观看| 成人毛片60女人毛片免费| 亚洲最大成人av| 免费看av在线观看网站| 内射极品少妇av片p| 亚洲天堂av无毛| 能在线免费看毛片的网站| 涩涩av久久男人的天堂| 你懂的网址亚洲精品在线观看| 亚洲欧洲国产日韩| 久久久久九九精品影院| 国产高清三级在线| 麻豆久久精品国产亚洲av| 亚洲欧洲日产国产| 韩国av在线不卡| 亚洲在久久综合| 成人黄色视频免费在线看| 欧美激情在线99| 真实男女啪啪啪动态图| 亚洲欧美精品自产自拍| 国产高清国产精品国产三级 | 精品久久久精品久久久| 精品久久久噜噜| 制服丝袜香蕉在线| 日韩大片免费观看网站| 五月天丁香电影| 夜夜爽夜夜爽视频| 制服丝袜香蕉在线| 午夜激情久久久久久久| 国产淫片久久久久久久久| 一级毛片aaaaaa免费看小| 免费高清在线观看视频在线观看| 亚洲av电影在线观看一区二区三区 | 91精品国产九色| 亚洲国产日韩一区二区| 成人国产麻豆网| 大片免费播放器 马上看| 国产亚洲av片在线观看秒播厂| 精品熟女少妇av免费看| 又粗又硬又长又爽又黄的视频| 51国产日韩欧美| 精品酒店卫生间| 国产成人福利小说| 建设人人有责人人尽责人人享有的 | av国产免费在线观看| 一级毛片电影观看| 日本黄色片子视频| 亚洲成色77777| 色吧在线观看| 久久久久九九精品影院| 免费黄频网站在线观看国产| 精品熟女少妇av免费看| 一级毛片电影观看| 久久精品国产亚洲网站| 欧美激情国产日韩精品一区| 97人妻精品一区二区三区麻豆| 国产精品久久久久久av不卡| tube8黄色片| 日韩av在线免费看完整版不卡| 精品少妇久久久久久888优播| 丝袜喷水一区| 神马国产精品三级电影在线观看| 欧美日韩视频高清一区二区三区二| 国产亚洲精品久久久com| 久久这里有精品视频免费| 精品国产三级普通话版| 婷婷色综合www| 小蜜桃在线观看免费完整版高清| 3wmmmm亚洲av在线观看| 国产在视频线精品| 国产伦精品一区二区三区四那| 久久99精品国语久久久| 精品久久久久久久末码| 亚洲精华国产精华液的使用体验| 欧美日韩在线观看h| 美女内射精品一级片tv| 夜夜爽夜夜爽视频| 街头女战士在线观看网站| 最后的刺客免费高清国语| 久久久精品免费免费高清| 深夜a级毛片| 久久午夜福利片| 久久久精品免费免费高清| 日韩欧美精品v在线| 亚洲高清免费不卡视频| 大又大粗又爽又黄少妇毛片口| 男女边摸边吃奶| 午夜亚洲福利在线播放| 真实男女啪啪啪动态图| 只有这里有精品99| 国模一区二区三区四区视频| 午夜视频国产福利| 亚洲av.av天堂| 久久久色成人| 内射极品少妇av片p| 日韩大片免费观看网站| 久久精品夜色国产| 看十八女毛片水多多多| 国产av不卡久久| 婷婷色av中文字幕| 成人亚洲精品一区在线观看 | 久久久精品免费免费高清| 男女下面进入的视频免费午夜| 日本一二三区视频观看| 精品一区二区三卡| 日韩欧美精品v在线| 熟女人妻精品中文字幕| 欧美最新免费一区二区三区| 69人妻影院| 国产午夜精品一二区理论片| 草草在线视频免费看| 少妇人妻精品综合一区二区| 亚洲国产日韩一区二区| 男女那种视频在线观看| 一级毛片aaaaaa免费看小| 精品人妻偷拍中文字幕| 久久97久久精品| 国产成人a区在线观看| 亚洲精品乱码久久久久久按摩| 日本av手机在线免费观看| 久久精品国产a三级三级三级| 男的添女的下面高潮视频| 国精品久久久久久国模美| 精品视频人人做人人爽| 国产永久视频网站| 成人无遮挡网站| 色5月婷婷丁香| 日韩大片免费观看网站| 亚洲人与动物交配视频| 不卡视频在线观看欧美| 色吧在线观看| 国产乱来视频区| 三级经典国产精品| 18禁裸乳无遮挡动漫免费视频 | 亚洲无线观看免费| 少妇人妻 视频| 禁无遮挡网站| 人妻一区二区av| 日本wwww免费看| 精品人妻熟女av久视频| 伦理电影大哥的女人| 日韩av免费高清视频| 午夜精品国产一区二区电影 | 精品一区二区免费观看| 97精品久久久久久久久久精品| 色综合色国产| 久久久久久国产a免费观看| 特大巨黑吊av在线直播| 欧美xxⅹ黑人| 久久99热这里只频精品6学生| 免费少妇av软件| 国产精品无大码| 高清欧美精品videossex| 久久亚洲国产成人精品v| 日日撸夜夜添| 青春草国产在线视频| 亚洲成人av在线免费| 激情 狠狠 欧美| 在线观看人妻少妇| 亚洲精品亚洲一区二区| 久久韩国三级中文字幕| 午夜视频国产福利| 亚洲av男天堂| 婷婷色av中文字幕| 在线看a的网站| 久久人人爽av亚洲精品天堂 | 国产亚洲一区二区精品| 国产av码专区亚洲av| av在线天堂中文字幕| 免费看光身美女| 2022亚洲国产成人精品| 日本爱情动作片www.在线观看| 久热这里只有精品99| 丰满人妻一区二区三区视频av| 性色av一级| 成人毛片a级毛片在线播放| 久久午夜福利片| 日韩国内少妇激情av| 久久久久久国产a免费观看| 乱码一卡2卡4卡精品| 国产一区二区在线观看日韩| 韩国高清视频一区二区三区| 亚洲精品aⅴ在线观看| 国模一区二区三区四区视频| 国产成人freesex在线| 国产视频首页在线观看| 中文字幕人妻熟人妻熟丝袜美| 亚洲欧美精品专区久久| 黄色视频在线播放观看不卡| 国产高清不卡午夜福利| 亚洲精品久久午夜乱码| a级一级毛片免费在线观看| 日韩大片免费观看网站| 亚洲精品国产av蜜桃| 国产午夜精品久久久久久一区二区三区| 国产老妇伦熟女老妇高清| 亚洲欧美日韩东京热| 色视频在线一区二区三区| 看黄色毛片网站| 爱豆传媒免费全集在线观看| 国产久久久一区二区三区| 国产精品成人在线| 亚洲人与动物交配视频| 成人毛片60女人毛片免费| 能在线免费看毛片的网站| 成人亚洲精品一区在线观看 | 成年女人看的毛片在线观看| 一二三四中文在线观看免费高清| 91精品一卡2卡3卡4卡| 国产成人精品婷婷| 乱码一卡2卡4卡精品| 日韩不卡一区二区三区视频在线| 热re99久久精品国产66热6| 亚洲av日韩在线播放| 亚洲欧美清纯卡通| 白带黄色成豆腐渣| 亚洲欧美日韩卡通动漫| 亚洲在久久综合| 日本爱情动作片www.在线观看| 另类亚洲欧美激情| 久久久久久久午夜电影| 成人一区二区视频在线观看| 高清av免费在线| 午夜免费观看性视频| 国产亚洲午夜精品一区二区久久 | av在线观看视频网站免费| 秋霞在线观看毛片| 国产永久视频网站| 麻豆成人午夜福利视频| 身体一侧抽搐| 国内精品宾馆在线| 亚洲国产高清在线一区二区三| 好男人视频免费观看在线| 国产黄片美女视频| 午夜福利视频精品| 亚洲成色77777| 亚洲高清免费不卡视频| 国产午夜福利久久久久久| 毛片一级片免费看久久久久| 欧美最新免费一区二区三区| 99久久精品国产国产毛片| 成人毛片60女人毛片免费| 校园人妻丝袜中文字幕| 搞女人的毛片| 成人漫画全彩无遮挡| 日韩在线高清观看一区二区三区| 综合色av麻豆| 中国美白少妇内射xxxbb| 国产精品精品国产色婷婷| 尾随美女入室| 国产成人福利小说| 国产探花在线观看一区二区| 国产av不卡久久| av专区在线播放| 夫妻午夜视频| 人人妻人人看人人澡| 精品一区在线观看国产| 80岁老熟妇乱子伦牲交| 丰满乱子伦码专区| 国产精品人妻久久久久久| 观看美女的网站| 看免费成人av毛片| 亚洲,一卡二卡三卡| 久久久精品94久久精品| 国产欧美日韩精品一区二区| 国国产精品蜜臀av免费|