• <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
    av欧美777| 成人三级做爰电影| 午夜免费鲁丝| 激情视频va一区二区三区| 午夜福利欧美成人| 香蕉丝袜av| tocl精华| 国产高清videossex| 黑人操中国人逼视频| 欧美亚洲日本最大视频资源| 国产精品二区激情视频| 久久性视频一级片| 成人18禁在线播放| 又黄又爽又免费观看的视频| 午夜免费成人在线视频| 精品久久久久久久毛片微露脸| 中文欧美无线码| 法律面前人人平等表现在哪些方面| 国产1区2区3区精品| 激情视频va一区二区三区| 国产蜜桃级精品一区二区三区 | 欧美国产精品va在线观看不卡| 天天躁夜夜躁狠狠躁躁| 五月开心婷婷网| tocl精华| 久久青草综合色| 一区二区三区激情视频| 亚洲第一青青草原| 国产精品偷伦视频观看了| 午夜成年电影在线免费观看| 一级黄色大片毛片| 两个人免费观看高清视频| 久久人妻熟女aⅴ| 精品一区二区三区四区五区乱码| 亚洲国产欧美网| 每晚都被弄得嗷嗷叫到高潮| videos熟女内射| 欧美精品高潮呻吟av久久| 国产高清视频在线播放一区| 美女视频免费永久观看网站| 婷婷成人精品国产| 中文亚洲av片在线观看爽 | 亚洲aⅴ乱码一区二区在线播放 | 亚洲中文av在线| 亚洲七黄色美女视频| 免费在线观看亚洲国产| 欧美日韩一级在线毛片| 免费高清在线观看日韩| 亚洲精品中文字幕一二三四区| a在线观看视频网站| 女人精品久久久久毛片| 国产激情久久老熟女| 一级片'在线观看视频| 中文字幕最新亚洲高清| 久久精品国产综合久久久| 国产精品国产高清国产av | 国产在线一区二区三区精| 久久国产精品男人的天堂亚洲| 国产不卡av网站在线观看| 亚洲熟妇中文字幕五十中出 | 男女之事视频高清在线观看| 熟女少妇亚洲综合色aaa.| 国产免费av片在线观看野外av| 亚洲欧美一区二区三区黑人| 狂野欧美激情性xxxx| 午夜福利影视在线免费观看| 国产淫语在线视频| 十八禁人妻一区二区| av天堂久久9| 国产亚洲av高清不卡| 日韩欧美一区二区三区在线观看 | 在线观看免费高清a一片| 精品国产亚洲在线| 女性生殖器流出的白浆| 亚洲成国产人片在线观看| 在线观看舔阴道视频| 日本五十路高清| 99精国产麻豆久久婷婷| 亚洲avbb在线观看| 亚洲欧美激情在线| 欧美激情极品国产一区二区三区| 久久这里只有精品19| 91在线观看av| 日韩成人在线观看一区二区三区| 免费女性裸体啪啪无遮挡网站| 精品久久蜜臀av无| 亚洲国产欧美网| 麻豆成人av在线观看| 免费在线观看影片大全网站| 成年女人毛片免费观看观看9 | 亚洲国产欧美日韩在线播放| 精品视频人人做人人爽| 亚洲av日韩精品久久久久久密| 国产精品成人在线| 欧美成人免费av一区二区三区 | 在线观看66精品国产| 极品少妇高潮喷水抽搐| 90打野战视频偷拍视频| 国产精品美女特级片免费视频播放器 | 亚洲色图综合在线观看| 午夜福利影视在线免费观看| 国产乱人伦免费视频| 天天影视国产精品| 天堂√8在线中文| 视频在线观看一区二区三区| 成熟少妇高潮喷水视频| 99久久99久久久精品蜜桃| 老汉色∧v一级毛片| 宅男免费午夜| 一边摸一边抽搐一进一小说 | 久久国产精品男人的天堂亚洲| 国产午夜精品久久久久久| 麻豆av在线久日| 777米奇影视久久| 国产1区2区3区精品| 悠悠久久av| 黄片小视频在线播放| 久久久久久久久久久久大奶| 操美女的视频在线观看| 久久人人爽av亚洲精品天堂| 757午夜福利合集在线观看| 国产无遮挡羞羞视频在线观看| 嫩草影视91久久| 女人久久www免费人成看片| 欧美精品一区二区免费开放| 在线播放国产精品三级| 手机成人av网站| 精品亚洲成国产av| 人人妻人人爽人人添夜夜欢视频| 久久久久久久精品吃奶| 老司机午夜福利在线观看视频| 男男h啪啪无遮挡| 午夜两性在线视频| 国产蜜桃级精品一区二区三区 | 最新在线观看一区二区三区| 多毛熟女@视频| 男男h啪啪无遮挡| 日韩中文字幕欧美一区二区| 亚洲第一av免费看| 女性生殖器流出的白浆| 一区在线观看完整版| 黑人欧美特级aaaaaa片| 757午夜福利合集在线观看| 99久久人妻综合| 亚洲第一青青草原| 欧美日本中文国产一区发布| 在线观看www视频免费| 亚洲伊人色综图| 久久精品国产亚洲av香蕉五月 | 王馨瑶露胸无遮挡在线观看| 亚洲专区国产一区二区| 免费在线观看影片大全网站| 久久中文看片网| 欧美日韩亚洲综合一区二区三区_| 亚洲精品自拍成人| 久久精品国产99精品国产亚洲性色 | 久久这里只有精品19| 嫩草影视91久久| 亚洲男人天堂网一区| 91av网站免费观看| 人人妻人人澡人人看| 看免费av毛片| 麻豆乱淫一区二区| tube8黄色片| 黄片小视频在线播放| a级毛片在线看网站| 久久久久国产一级毛片高清牌| 亚洲综合色网址| 大片电影免费在线观看免费| 欧美精品高潮呻吟av久久| 久久中文字幕人妻熟女| 在线av久久热| 中文字幕色久视频| 免费一级毛片在线播放高清视频 | 美女 人体艺术 gogo| 欧美久久黑人一区二区| 女同久久另类99精品国产91| 他把我摸到了高潮在线观看| 久久午夜亚洲精品久久| av一本久久久久| 成人永久免费在线观看视频| 在线观看www视频免费| 岛国毛片在线播放| x7x7x7水蜜桃| 欧美人与性动交α欧美软件| 一区二区日韩欧美中文字幕| 又大又爽又粗| 精品久久久久久久久久免费视频 | 久久精品亚洲熟妇少妇任你| 精品视频人人做人人爽| 男女之事视频高清在线观看| 18禁黄网站禁片午夜丰满| xxxhd国产人妻xxx| 下体分泌物呈黄色| 亚洲av欧美aⅴ国产| 国产色视频综合| 免费在线观看日本一区| 国产高清视频在线播放一区| 久久久久久久午夜电影 | 国产一卡二卡三卡精品| 男女下面插进去视频免费观看| 国产97色在线日韩免费| 王馨瑶露胸无遮挡在线观看| 国产在线一区二区三区精| 国产有黄有色有爽视频| 成人黄色视频免费在线看| 亚洲精品久久午夜乱码| 国产日韩欧美亚洲二区| 满18在线观看网站| 在线播放国产精品三级| 侵犯人妻中文字幕一二三四区| 1024香蕉在线观看| av网站免费在线观看视频| svipshipincom国产片| 亚洲三区欧美一区| 久久国产精品男人的天堂亚洲| 欧美日韩乱码在线| 免费久久久久久久精品成人欧美视频| 国产亚洲av高清不卡| 另类亚洲欧美激情| 亚洲aⅴ乱码一区二区在线播放 | 成人亚洲精品一区在线观看| 国产欧美日韩一区二区精品| 日韩欧美在线二视频 | 久久精品aⅴ一区二区三区四区| 久久人妻熟女aⅴ| av天堂久久9| 亚洲 国产 在线| av视频免费观看在线观看| 久久人妻熟女aⅴ| 免费在线观看亚洲国产| 黄色a级毛片大全视频| 亚洲三区欧美一区| 国产精品二区激情视频| 成年人黄色毛片网站| 男女高潮啪啪啪动态图| 国产精品98久久久久久宅男小说| 少妇被粗大的猛进出69影院| 欧美激情高清一区二区三区| 免费在线观看亚洲国产| 91在线观看av| 国产精品免费视频内射| 亚洲国产中文字幕在线视频| 真人做人爱边吃奶动态| 12—13女人毛片做爰片一| 久久国产亚洲av麻豆专区| 国产免费男女视频| 999精品在线视频| 亚洲视频免费观看视频| 人人妻人人爽人人添夜夜欢视频| 别揉我奶头~嗯~啊~动态视频| 国产精品免费大片| 我的亚洲天堂| 亚洲精品中文字幕在线视频| 深夜精品福利| 国产色视频综合| 国产在线精品亚洲第一网站| 动漫黄色视频在线观看| 国产欧美日韩精品亚洲av| 久久久国产成人免费| 亚洲国产欧美网| videos熟女内射| 亚洲av日韩在线播放| 色综合欧美亚洲国产小说| av电影中文网址| 久久国产精品男人的天堂亚洲| 黄频高清免费视频| 夜夜夜夜夜久久久久| 欧美乱色亚洲激情| 久久精品国产亚洲av香蕉五月 | 一级毛片精品| 欧美日韩黄片免| 日韩欧美三级三区| 日韩人妻精品一区2区三区| 在线永久观看黄色视频| 国产成人精品无人区| 国产极品粉嫩免费观看在线| 黄色怎么调成土黄色| 亚洲精品在线美女| 天堂动漫精品| 99国产精品99久久久久| 精品少妇一区二区三区视频日本电影| 男人操女人黄网站| 欧美日韩中文字幕国产精品一区二区三区 | 国产深夜福利视频在线观看| 一区福利在线观看| 亚洲av日韩在线播放| 熟女少妇亚洲综合色aaa.| 在线观看舔阴道视频| 欧美+亚洲+日韩+国产| 岛国毛片在线播放| 精品国产一区二区久久| 91九色精品人成在线观看| 国产一区在线观看成人免费| 中国美女看黄片| 看免费av毛片| 999久久久国产精品视频| 中文字幕另类日韩欧美亚洲嫩草| 国产成人啪精品午夜网站| 黄色 视频免费看| 男女之事视频高清在线观看| 精品第一国产精品| 亚洲伊人色综图| 久久天躁狠狠躁夜夜2o2o| 50天的宝宝边吃奶边哭怎么回事| 在线观看www视频免费| 日韩欧美三级三区| 国产熟女午夜一区二区三区| 亚洲国产精品合色在线| 国产成人系列免费观看| 又大又爽又粗| 91大片在线观看| 久久久精品区二区三区| 99在线人妻在线中文字幕 | 国产99白浆流出| 人人妻人人澡人人爽人人夜夜| 婷婷丁香在线五月| 黄网站色视频无遮挡免费观看| 女人久久www免费人成看片| 大码成人一级视频| 久久精品亚洲精品国产色婷小说| 1024视频免费在线观看| 黄色怎么调成土黄色| 免费黄频网站在线观看国产| 久久天躁狠狠躁夜夜2o2o| 色播在线永久视频| 欧美老熟妇乱子伦牲交| 日韩一卡2卡3卡4卡2021年| 欧美日韩精品网址| av有码第一页| 国产片内射在线| av天堂在线播放| 青草久久国产| 超碰成人久久| 国产91精品成人一区二区三区| e午夜精品久久久久久久| 热99国产精品久久久久久7| 91麻豆精品激情在线观看国产 | 欧美日韩成人在线一区二区| 日韩免费高清中文字幕av| 国产一区二区三区综合在线观看| 国产成人欧美在线观看 | 交换朋友夫妻互换小说| 欧美一级毛片孕妇| 黄网站色视频无遮挡免费观看| 午夜福利在线免费观看网站| 91大片在线观看| 免费黄频网站在线观看国产| 久久性视频一级片| 亚洲国产欧美网| 国产免费av片在线观看野外av| 日本wwww免费看| 成年女人毛片免费观看观看9 | 国产精品永久免费网站| 欧美成人午夜精品| 欧美av亚洲av综合av国产av| 国产精品 国内视频| 精品国内亚洲2022精品成人 | 国产精品久久久久久人妻精品电影| 成人精品一区二区免费| 亚洲国产毛片av蜜桃av| 老鸭窝网址在线观看| 亚洲在线自拍视频| 午夜影院日韩av| 午夜精品在线福利| 免费在线观看视频国产中文字幕亚洲| av不卡在线播放| 欧美黑人精品巨大| 久久人妻福利社区极品人妻图片| 国产精品二区激情视频| 黄色片一级片一级黄色片| 色播在线永久视频| 91成人精品电影| 中亚洲国语对白在线视频| 精品卡一卡二卡四卡免费| 久久久国产欧美日韩av| 天天操日日干夜夜撸| 久久人人爽av亚洲精品天堂| 黄色 视频免费看| 咕卡用的链子| 国产蜜桃级精品一区二区三区 | 成在线人永久免费视频| 老司机午夜十八禁免费视频| 亚洲国产精品合色在线| 免费在线观看完整版高清| 久久久国产成人免费| 国产精品99久久99久久久不卡| 国产在线一区二区三区精| 久久九九热精品免费| 精品久久久精品久久久| 亚洲精品美女久久av网站| 亚洲国产中文字幕在线视频| 悠悠久久av| 天天操日日干夜夜撸| 亚洲午夜理论影院| 国产精品免费一区二区三区在线 | 99精品在免费线老司机午夜| 久久精品aⅴ一区二区三区四区| 亚洲免费av在线视频| 久久国产精品影院| 久久久国产精品麻豆| 国产成人av激情在线播放| 国产又色又爽无遮挡免费看| 如日韩欧美国产精品一区二区三区| 精品高清国产在线一区| 飞空精品影院首页| 成年人免费黄色播放视频| 黄色片一级片一级黄色片| 精品国产美女av久久久久小说| 丝袜美腿诱惑在线| av国产精品久久久久影院| avwww免费| 国产精品成人在线| 一本大道久久a久久精品| 80岁老熟妇乱子伦牲交| 18禁黄网站禁片午夜丰满| 岛国在线观看网站| 久久久久久久午夜电影 | bbb黄色大片| 少妇 在线观看| 亚洲中文av在线| 国产精品 欧美亚洲| 国产精品综合久久久久久久免费 | 免费不卡黄色视频| 国产亚洲av高清不卡| 人妻一区二区av| 91精品三级在线观看| 久久久久视频综合| ponron亚洲| 又大又爽又粗| 国产精品久久久久成人av| 亚洲av日韩精品久久久久久密| 女人精品久久久久毛片| 久久香蕉精品热| 狠狠婷婷综合久久久久久88av| av国产精品久久久久影院| 美女高潮喷水抽搐中文字幕| 久久草成人影院| 村上凉子中文字幕在线| 日本一区二区免费在线视频| 老司机靠b影院| 亚洲性夜色夜夜综合| 高清在线国产一区| 巨乳人妻的诱惑在线观看| bbb黄色大片| 精品国产亚洲在线| 日本a在线网址| 久久国产亚洲av麻豆专区| 在线免费观看的www视频| 午夜福利乱码中文字幕| 丝袜人妻中文字幕| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av美国av| 777久久人妻少妇嫩草av网站| 91成人精品电影| 在线av久久热| 国产蜜桃级精品一区二区三区 | 在线观看免费视频网站a站| 黄色丝袜av网址大全| 人人妻人人爽人人添夜夜欢视频| 一级毛片高清免费大全| 日本a在线网址| 一二三四在线观看免费中文在| 国产精品偷伦视频观看了| 久久婷婷成人综合色麻豆| 视频区图区小说| 欧美av亚洲av综合av国产av| 国产高清videossex| 国产一区二区三区综合在线观看| 一本综合久久免费| a级毛片在线看网站| 久久久久久免费高清国产稀缺| 国产精品美女特级片免费视频播放器 | 校园春色视频在线观看| 国产精品免费一区二区三区在线 | 欧美老熟妇乱子伦牲交| 少妇猛男粗大的猛烈进出视频| 久久人妻熟女aⅴ| 久久国产精品影院| 国产精品美女特级片免费视频播放器 | 真人做人爱边吃奶动态| 亚洲欧美一区二区三区黑人| 亚洲欧美激情在线| 久久久国产成人免费| 国产野战对白在线观看| 日韩欧美在线二视频 | 成人永久免费在线观看视频| 免费看十八禁软件| 亚洲 国产 在线| 中文字幕色久视频| 亚洲,欧美精品.| 丝袜美足系列| av网站免费在线观看视频| 不卡一级毛片| 欧美黄色淫秽网站| 一进一出好大好爽视频| 男男h啪啪无遮挡| 国产成人精品久久二区二区91| 成人特级黄色片久久久久久久| 亚洲人成电影免费在线| 国产真人三级小视频在线观看| 最新美女视频免费是黄的| 成人亚洲精品一区在线观看| 午夜激情av网站| 久久香蕉激情| 国产xxxxx性猛交| 精品第一国产精品| 精品国产一区二区三区久久久樱花| 亚洲色图av天堂| 成人黄色视频免费在线看| 国产男靠女视频免费网站| 亚洲国产中文字幕在线视频| 国产欧美亚洲国产| 久久精品亚洲熟妇少妇任你| 久久精品亚洲av国产电影网| 亚洲伊人色综图| 多毛熟女@视频| 成年人免费黄色播放视频| 不卡av一区二区三区| 大香蕉久久成人网| 99国产极品粉嫩在线观看| 免费av中文字幕在线| 国产精品.久久久| 手机成人av网站| 久9热在线精品视频| 亚洲成人免费av在线播放| 成人18禁在线播放| 亚洲av日韩精品久久久久久密| 欧美不卡视频在线免费观看 | 亚洲 欧美一区二区三区| 久久人妻熟女aⅴ| 动漫黄色视频在线观看| 18禁裸乳无遮挡动漫免费视频| 亚洲,欧美精品.| 天天躁日日躁夜夜躁夜夜| 日韩大码丰满熟妇| 精品人妻1区二区| 伦理电影免费视频| 国产男女超爽视频在线观看| 九色亚洲精品在线播放| 视频区图区小说| 久久久精品免费免费高清| 一区二区三区国产精品乱码| 午夜福利在线观看吧| 老熟女久久久| 国产人伦9x9x在线观看| 俄罗斯特黄特色一大片| 日本黄色视频三级网站网址 | 国产一卡二卡三卡精品| 香蕉久久夜色| 大香蕉久久成人网| 亚洲国产毛片av蜜桃av| 精品少妇久久久久久888优播| 精品免费久久久久久久清纯 | 在线av久久热| 深夜精品福利| 757午夜福利合集在线观看| 欧美色视频一区免费| 巨乳人妻的诱惑在线观看| 99精品在免费线老司机午夜| 欧美精品人与动牲交sv欧美| 亚洲av成人不卡在线观看播放网| 丰满人妻熟妇乱又伦精品不卡| 亚洲人成77777在线视频| 一二三四在线观看免费中文在| 精品无人区乱码1区二区| 午夜免费观看网址| 亚洲专区字幕在线| 波多野结衣一区麻豆| av在线播放免费不卡| 国产成人免费无遮挡视频| 欧美日韩乱码在线| 侵犯人妻中文字幕一二三四区| 日本vs欧美在线观看视频| 亚洲视频免费观看视频| 无限看片的www在线观看| 后天国语完整版免费观看| 亚洲欧美色中文字幕在线| 国产精品欧美亚洲77777| 人人妻人人爽人人添夜夜欢视频| 精品第一国产精品| 亚洲精品国产精品久久久不卡| 夫妻午夜视频| 国产成+人综合+亚洲专区| 国产不卡一卡二| 国产熟女午夜一区二区三区| 777久久人妻少妇嫩草av网站| 男女下面插进去视频免费观看| 91精品国产国语对白视频| 亚洲男人天堂网一区| 日日夜夜操网爽| 极品教师在线免费播放| 色婷婷久久久亚洲欧美| 这个男人来自地球电影免费观看| 12—13女人毛片做爰片一| 99热网站在线观看| 国产一区在线观看成人免费| 伦理电影免费视频| 亚洲熟妇熟女久久| 国产精品一区二区免费欧美| 欧美日韩中文字幕国产精品一区二区三区 | 一区二区三区国产精品乱码| 免费观看人在逋| 老熟妇乱子伦视频在线观看| 在线观看午夜福利视频| 久久久久久久国产电影| 国产97色在线日韩免费| 日韩欧美一区视频在线观看| 两个人看的免费小视频| 人人妻人人澡人人爽人人夜夜| 亚洲一区二区三区不卡视频| 亚洲欧美一区二区三区黑人| 每晚都被弄得嗷嗷叫到高潮| www.精华液| 香蕉丝袜av|