• <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 ?

    基于改進(jìn)SSD的車輛小目標(biāo)檢測(cè)方法

    2020-03-05 03:12:34李小寧鐘劍丹唐自力
    應(yīng)用光學(xué) 2020年1期
    關(guān)鍵詞:特征融合檢測(cè)

    李小寧,雷 濤,鐘劍丹,唐自力,蔣 平

    (1.中國(guó)科學(xué)院 光電技術(shù)研究所,四川 成都 610209;2.中國(guó)科學(xué)院大學(xué),北京 100049;3.中國(guó)人民解放軍63870 部隊(duì),陜西 西安 714200)

    引言

    地面目標(biāo)檢測(cè)任務(wù)[1]中,由于目標(biāo)外觀信息較少[2-3],易受復(fù)雜背景干擾等原因,較難精確檢測(cè)到目標(biāo)[4]。目前,基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法[5-6]包括基于候選區(qū)域方法及基于回歸的方法[7]。Girshick等人最先提出R-CNN(Region-CNN)[8]檢測(cè)方法,但其存在對(duì)同一區(qū)域多次重復(fù)提取的問(wèn)題。之后的Fast-RCNN[9]算法僅對(duì)原圖像進(jìn)行一次特征提取操作,由于生成候選框的Selective Search 算法[10]耗時(shí)較多,檢測(cè)速度較慢?;趨^(qū)域推薦方法的另一個(gè)主流框架是Ren 等人提出的Faster R-CNN[11]。2016年,Liu Wei 等人提出了基于回歸的檢測(cè)方法SSD[12](single-shot multibox detector),去掉了區(qū)域推薦和重采樣等步驟,僅在單個(gè)步驟完成預(yù)測(cè),顯著提升了檢測(cè)速度。

    為解決小目標(biāo)檢測(cè)難點(diǎn),本文提出了一種基于擴(kuò)展融合層的目標(biāo)檢測(cè)框架,引入了重要的局部細(xì)節(jié)信息。此外,本文設(shè)計(jì)了基于融合層的擴(kuò)展層預(yù)測(cè)子網(wǎng)絡(luò),在擴(kuò)展層多個(gè)尺度空間內(nèi)匹配目標(biāo),生成目標(biāo)預(yù)測(cè)框。為解決過(guò)擬合問(wèn)題,文章采用了數(shù)據(jù)集增廣,BN(batch normalization)[13]層歸一化處理的方法。最后,將本文方法與幾種主流目標(biāo)檢測(cè)算法在VEDAI[14]車輛小目標(biāo)數(shù)據(jù)集上進(jìn)行了對(duì)比實(shí)驗(yàn)。

    1 相關(guān)工作

    1.1 傳統(tǒng)SSD 算法

    2016 年Wei Liu 提出的SSD 模型結(jié)構(gòu)包括基礎(chǔ)網(wǎng)絡(luò),附加提取層和預(yù)測(cè)層3 個(gè)部分。傳統(tǒng)SSD模型網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。基礎(chǔ)網(wǎng)絡(luò)部分提取的特征圖將作為附加提取層的輸入。

    圖1 傳統(tǒng)SSD 模型網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 Network structure of conventional SSD model

    此外,增加了conv6_1、conv6_2、conv7_1、conv7_2、conv8_1、conv8_2、conv9_1、conv9_2 共8 層附加層。附加層對(duì)基礎(chǔ)網(wǎng)絡(luò)層提取的特征圖做進(jìn)一步的卷積運(yùn)算。選取其中6 層特征層作為預(yù)測(cè)層,分別在預(yù)測(cè)層的每個(gè)位置上生成固定寬高比的邊界框預(yù)測(cè)結(jié)果。

    1.2 傳統(tǒng)FPN 方法

    Tsung-Yi Lin 等人提出FPN(feature pyramid networks)[15],用于目標(biāo)檢測(cè)包含2 個(gè)關(guān)鍵步驟:1) 在每個(gè)尺寸特征圖的基礎(chǔ)上,分別保留了一個(gè)包含最強(qiáng)語(yǔ)義信息的特征層。由這些特征層構(gòu)建出具有層級(jí)的特征金字塔結(jié)構(gòu)[16-18]。2) 采用自上而下的結(jié)構(gòu),對(duì)金字塔高層特征層逐層上采樣;再分別與下一層的特征圖橫向連接得到增強(qiáng)后的高層特征層。最后,對(duì)橫向連接金字塔的每個(gè)特征層分別計(jì)算目標(biāo)類別得分和邊框回歸。

    1.3 傳統(tǒng)方法檢測(cè)小目標(biāo)存在的問(wèn)題

    傳統(tǒng)SSD 直接在不同特征層預(yù)測(cè)結(jié)果,忽略了不同層之間的聯(lián)系,丟失了部分重要信息,缺乏同時(shí)獲取局部細(xì)節(jié)信息和全局語(yǔ)義信息的能力。FPN 模型雖然通過(guò)橫向連接得到融合特征層,但其采用逐層融合的方法,大大增加了計(jì)算量,從而降低了模型的檢測(cè)速度。對(duì)小目標(biāo)識(shí)別與檢測(cè)問(wèn)題而言,模型忽略了不同特征層對(duì)目標(biāo)預(yù)測(cè)貢獻(xiàn)的差異。

    2 基于擴(kuò)展融合特征的小目標(biāo)檢測(cè)算法

    為解決車輛小目標(biāo)識(shí)別與精確定位的問(wèn)題,本文提出了基于擴(kuò)展融合特征的小目標(biāo)檢測(cè)算法,基于融合淺層特征高邊緣信息和深層特征的高語(yǔ)義信息的思想,設(shè)計(jì)了一種輕量化的特征融合模塊。將融合特征層經(jīng)額外的6 層卷積層擴(kuò)展得到預(yù)測(cè)子網(wǎng)絡(luò),以此作為依據(jù)預(yù)測(cè)目標(biāo)。本文網(wǎng)絡(luò)結(jié)構(gòu)中引入BN(batch normalization)層,以加速算法收斂,提升模型的泛化能力。本文算法的整體結(jié)構(gòu)如圖2 所示。

    圖2 基于擴(kuò)展融合特征的目標(biāo)檢測(cè)模型結(jié)構(gòu)Fig.2 Structure of object detection model based on extension of fused feature

    2.1 特征層選擇

    由于淺層特征圖具有更小的感受野,其對(duì)應(yīng)產(chǎn)生的默認(rèn)邊界框大小更適宜小目標(biāo)檢測(cè)。但其缺乏目標(biāo)分類重要的語(yǔ)義信息。深層特征雖包含更多語(yǔ)義信息,但感受野過(guò)大,對(duì)小目標(biāo)定位不夠精確。因此,考慮在高層特征中引入淺層局部細(xì)節(jié)信息。本文采用VGG-16 卷積神經(jīng)網(wǎng)絡(luò)作為特征提取網(wǎng)絡(luò),表1 為部分特征層結(jié)構(gòu)參數(shù)。

    表1 部分特征層結(jié)構(gòu)參數(shù)Table 1 Structure parameters of partial feature layer

    Conv4_3 層之前的特征層,雖然具有更高的分辨率,但包含較少的語(yǔ)義信息,考慮將Conv4_3 層作為淺層特征融合層。更深層的特征中,結(jié)合航拍數(shù)據(jù)集中車輛小目標(biāo)特點(diǎn),選取Conv7_2 層作為高層特征融合層。

    2.2 特征融合子網(wǎng)絡(luò)設(shè)計(jì)

    輸入圖像映射為相同尺寸(300×300)后,經(jīng)卷積和池化等的計(jì)算,特征層尺寸逐層遞減。Conv4_3層特征層特征圖大小為38×38,維度為512 維,Conv7_2 層特征圖大小為19×19。將2 層特征圖變換為相同維度再進(jìn)行連接,得到融合特征層。特征融合子網(wǎng)絡(luò)示意圖如圖3 所示。

    圖3 融合子網(wǎng)絡(luò)示意圖Fig.3 Schematic diagram of feature fusion sub-network

    分別對(duì)Conv4_3 和Conv7_2 層采用1×1 卷積層變換通道,降低原特征層維度。再對(duì)Conv7_2_new 層采用雙線性插值方法,映射為同Conv4_3 相同維度,插值后的特征層Conv7_2_inter 維度為38×38×256。將兩層特征層連接得到融合層(維度為38×38×512)。結(jié)合淺層局部細(xì)節(jié)信息和深層高語(yǔ)義信息的融合層作為依據(jù),預(yù)測(cè)小目標(biāo)的位置及類別。

    2.3 擴(kuò)展預(yù)測(cè)子網(wǎng)絡(luò)設(shè)計(jì)

    本文方法在融合層后增加BN 層以加速網(wǎng)絡(luò)收斂速度。BN 層前向傳導(dǎo)公式為

    引入BN 層對(duì)輸入數(shù)據(jù)進(jìn)行歸一化操作,消除了權(quán)值放縮帶來(lái)的影響,從而避免了梯度彌散現(xiàn)象,同時(shí)進(jìn)一步提升了模型的泛化能力。傳統(tǒng)的SSD 及FPN 方法預(yù)測(cè)流程示意圖對(duì)比,如圖4所示。

    圖4 SSD 及FPN 方法預(yù)測(cè)流程示意圖Fig.4 Schematic diagram of prediction process of SSD and FPN

    本文方法延續(xù)了特征金字塔的思想,在融合特征層后增加6 層卷積層,每層卷積層后緊跟一層ReLU 層。分別在擴(kuò)展層的不同尺度空間內(nèi)匹配目標(biāo),預(yù)測(cè)目標(biāo)類別得分和邊框位置。本文方法的預(yù)測(cè)流程示意圖如圖5 所示。

    圖5 本文方法的預(yù)測(cè)流程示意圖Fig.5 Schematic diagram of prediction process of our method

    在擴(kuò)展預(yù)測(cè)子網(wǎng)絡(luò)中的6 層特征層做預(yù)測(cè),對(duì)第k層而言,默認(rèn)邊界框的縮放比例計(jì)算公式如下:

    式中:Smin=0.3,表示最低層的縮放比例為0.3,Smax=0.9,則最高層的縮放比例為0.9。假設(shè)原圖像大小M×N,a為寬高比,則每個(gè)特征層對(duì)應(yīng)默認(rèn)邊界框的寬和高的計(jì)算公式如下:

    3 實(shí)驗(yàn)結(jié)果與分析

    為驗(yàn)證改進(jìn)后算法在小目標(biāo)檢測(cè)問(wèn)題的效果,實(shí)驗(yàn)在車輛小目標(biāo)數(shù)據(jù)集VEDAI(vehicle detection in aerial imgery)進(jìn)行實(shí)驗(yàn)測(cè)試,并與當(dāng)前主流的幾種深度學(xué)習(xí)目標(biāo)檢測(cè)方法對(duì)比結(jié)果。

    3.1 VEDAI 數(shù)據(jù)集

    Sebastien Razakarivony 等于2016年提出的數(shù)據(jù)集VEDAI 為衛(wèi)星航拍圖像,共包含1 210 張1 024×1 024 像素的圖像。平均每張圖像中車輛數(shù)量為5.5 個(gè),且目標(biāo)像素占圖像總像素的0.7%。圖像目標(biāo)車輛尺寸小(約40×20 像素),方向隨機(jī)且光照變化大,是小目標(biāo)檢測(cè)標(biāo)準(zhǔn)數(shù)據(jù)集之一。

    3.2 模型訓(xùn)練

    模型訓(xùn)練采用基于動(dòng)量的SGD(stochastic gradient descent)算法(隨機(jī)梯度下降算法)。匹配策略中,最小jaccard overlap 值為0.5。硬件平臺(tái)為:NVIDAI Titan X GPU(12 GB 顯存),PC 機(jī)操作系統(tǒng)為Ubuntu 14.04,模型訓(xùn)練框架為Caffe 框架,mini batch 尺寸為32。

    初始學(xué)習(xí)率為0.000 5,20 000 次迭代后,學(xué)習(xí)率調(diào)整為5e-05,60 000 次循環(huán)后訓(xùn)練終止。權(quán)值衰減系數(shù)為0.000 5,動(dòng)量因子為0.9。

    3.3 測(cè)試結(jié)果

    測(cè)試階段選取數(shù)據(jù)集中248 張圖片作為測(cè)試集驗(yàn)證檢測(cè)效果。召回率和mAP 是目標(biāo)檢測(cè)2 個(gè)重要指標(biāo)。召回率和準(zhǔn)確率的計(jì)算公式分別如下:

    式中:TP代表分類正確的正樣例;FP為分類錯(cuò)誤的正樣例;FN為分類錯(cuò)誤的負(fù)樣例。準(zhǔn)確率隨召回率變化構(gòu)成PRC(precision-recall curve)曲線,平均精度mAP(mean average precision)則為曲線與坐標(biāo)圍成的面積,計(jì)算公式如下:

    將主流目標(biāo)檢測(cè)方法與本文方法在VEDAI 數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)對(duì)比,結(jié)果如表2 所示。

    表2 不同檢測(cè)模型在VEDAI 數(shù)據(jù)集上的檢測(cè)結(jié)果對(duì)比Table 2 Comparison of detection results on VEDAI of different models

    由表2 可知,對(duì)于VEDAI 數(shù)據(jù)集中像素為1 024×1 024 的圖像檢測(cè),改進(jìn)后模型達(dá)到最高的召回率和平均檢測(cè)精度(mAP),分別為74.6%和56.2%,其較傳統(tǒng)SSD 算法在車輛目標(biāo)檢測(cè)精度上有了顯著提升(約10%)。表3 為不同檢測(cè)模型檢測(cè)速度對(duì)比結(jié)果,基于區(qū)域推薦的方法Fast R-CNN檢測(cè)速度最慢,為0.4 fps,而Faster R-CNN 較其略快,檢測(cè)速度為5.4 fps?;诨貧w方法SSD(VGG-16)檢測(cè)速度為19.2 fps。圖6(a)為不同檢測(cè)模型檢測(cè)精度和速度分布圖。

    表3 不同檢測(cè)模型檢測(cè)速度對(duì)比Table 3 Comparison of detection speed of different models

    圖6 不同檢測(cè)模型檢測(cè)結(jié)果對(duì)比Fig.6 Comparison of detection results of different detection models

    圖6(b)為改進(jìn)SSD 算法與傳統(tǒng)SSD 算法隨迭代次數(shù)增加,檢測(cè)精度的變化趨勢(shì)。約在25 000次迭代后,檢測(cè)精度值保持平穩(wěn)上升,由圖6 可知,改進(jìn)后算法精度較傳統(tǒng)SSD 有了顯著的提升。圖7 展示了改進(jìn)算法在VEDAI 數(shù)據(jù)集上的部分檢測(cè)結(jié)果。

    圖7 VEDAI 數(shù)據(jù)集部分檢測(cè)效果Fig.7 Partial detection results on VEDAI dataset

    測(cè)試結(jié)果表明,本文提出的算法較傳統(tǒng)SSD等主流目標(biāo)檢測(cè)算法,對(duì)VEDAI 數(shù)據(jù)集的平均檢測(cè)精度顯著提升,算法采用單個(gè)步驟內(nèi)預(yù)測(cè)目標(biāo),保留了傳統(tǒng)SSD 算法檢測(cè)速度快的優(yōu)勢(shì)。融合子網(wǎng)絡(luò)有效地利用了淺層特征層中豐富的局部細(xì)節(jié)信息及深層特征層的高語(yǔ)義信息,因此模型的泛化能力得到提升。

    4 結(jié)論

    為提高車輛小目標(biāo)檢測(cè)效果,本文提出了基于擴(kuò)展融合特征的小目標(biāo)檢測(cè)方法。該方法結(jié)合小目標(biāo)尺寸較小、依賴局部細(xì)節(jié)信息等特點(diǎn)設(shè)計(jì)了融合子網(wǎng)絡(luò),融合了高局部信息的淺層特征信息與高語(yǔ)義信息的深層特征。此外,本文設(shè)計(jì)了基于擴(kuò)展金字塔的預(yù)測(cè)網(wǎng)絡(luò),在多個(gè)尺度空間匹配目標(biāo),提升了目標(biāo)檢測(cè)效果。為解決模型過(guò)擬合問(wèn)題,本文引入BN 層提高了模型的泛化能力。改進(jìn)算法有效地提升了車輛小目標(biāo)檢測(cè)精度,同時(shí),具有更高穩(wěn)定性和魯棒性。下一步,將對(duì)模型中權(quán)值進(jìn)行研究,以提升算法在復(fù)雜背景下的檢測(cè)性能。

    猜你喜歡
    特征融合檢測(cè)
    村企黨建聯(lián)建融合共贏
    “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
    融合菜
    從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
    《融合》
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    抓住特征巧觀察
    精品久久久久久久毛片微露脸| 国产精品 欧美亚洲| 美女被艹到高潮喷水动态| 亚洲熟女毛片儿| 搡老岳熟女国产| 亚洲熟妇中文字幕五十中出| 亚洲黑人精品在线| 蜜桃久久精品国产亚洲av| 国产亚洲精品综合一区在线观看| 久久欧美精品欧美久久欧美| 亚洲av美国av| 国产精品 国内视频| 国内精品久久久久久久电影| 成人欧美大片| 一区二区三区高清视频在线| АⅤ资源中文在线天堂| 在线观看免费午夜福利视频| 亚洲av成人精品一区久久| 日本成人三级电影网站| 香蕉av资源在线| 亚洲国产精品成人综合色| 国产精品亚洲av一区麻豆| 少妇的逼水好多| 1000部很黄的大片| 亚洲精品粉嫩美女一区| 午夜激情福利司机影院| 日日摸夜夜添夜夜添小说| 夜夜看夜夜爽夜夜摸| 男女做爰动态图高潮gif福利片| 亚洲欧美日韩卡通动漫| 一卡2卡三卡四卡精品乱码亚洲| 亚洲无线观看免费| 亚洲国产精品sss在线观看| 亚洲无线在线观看| 在线免费观看不下载黄p国产 | 亚洲成人精品中文字幕电影| 亚洲av第一区精品v没综合| 日本撒尿小便嘘嘘汇集6| 小蜜桃在线观看免费完整版高清| 精品人妻1区二区| 亚洲国产欧美人成| 精品无人区乱码1区二区| 丁香六月欧美| 久久欧美精品欧美久久欧美| 国产黄色小视频在线观看| 欧美3d第一页| 国产精品乱码一区二三区的特点| 久久这里只有精品中国| 久久久久九九精品影院| 免费在线观看日本一区| 欧美又色又爽又黄视频| 黄频高清免费视频| 日韩欧美在线二视频| 一级毛片精品| 国产亚洲精品av在线| 不卡av一区二区三区| 国产精品一区二区精品视频观看| 色哟哟哟哟哟哟| 久久久久久九九精品二区国产| 最好的美女福利视频网| 久久亚洲精品不卡| 麻豆国产97在线/欧美| 搡老妇女老女人老熟妇| www.www免费av| 女警被强在线播放| 免费看十八禁软件| 免费看十八禁软件| 国产黄色小视频在线观看| 一本久久中文字幕| 午夜福利高清视频| 黄色视频,在线免费观看| 中文字幕精品亚洲无线码一区| 国产av麻豆久久久久久久| 18禁观看日本| 最近视频中文字幕2019在线8| 精品一区二区三区四区五区乱码| 在线十欧美十亚洲十日本专区| 日韩成人在线观看一区二区三区| 狠狠狠狠99中文字幕| 91麻豆av在线| 欧美日韩综合久久久久久 | 女人被狂操c到高潮| 欧美绝顶高潮抽搐喷水| 国产免费av片在线观看野外av| 国模一区二区三区四区视频 | 久久久国产精品麻豆| 午夜激情福利司机影院| 国产精品一区二区三区四区免费观看 | 日韩欧美 国产精品| 亚洲熟妇熟女久久| 美女高潮的动态| 国产精品乱码一区二三区的特点| 丰满人妻一区二区三区视频av | 日本撒尿小便嘘嘘汇集6| 亚洲无线观看免费| 国产免费av片在线观看野外av| 国产成人影院久久av| 两个人看的免费小视频| 一区二区三区高清视频在线| 男女之事视频高清在线观看| 天堂影院成人在线观看| 日本免费一区二区三区高清不卡| 性色av乱码一区二区三区2| 特大巨黑吊av在线直播| 亚洲专区国产一区二区| 19禁男女啪啪无遮挡网站| 国产成人一区二区三区免费视频网站| 少妇熟女aⅴ在线视频| 最新中文字幕久久久久 | 国产精品99久久久久久久久| 他把我摸到了高潮在线观看| 午夜激情欧美在线| 手机成人av网站| 欧美午夜高清在线| 国产成人av教育| 成人永久免费在线观看视频| 免费电影在线观看免费观看| 99热6这里只有精品| 又黄又粗又硬又大视频| 99热只有精品国产| 两人在一起打扑克的视频| 超碰成人久久| 国产私拍福利视频在线观看| 非洲黑人性xxxx精品又粗又长| 无限看片的www在线观看| 99re在线观看精品视频| 两性夫妻黄色片| 国产精品电影一区二区三区| 18禁黄网站禁片免费观看直播| 色播亚洲综合网| 久久久久精品国产欧美久久久| 夜夜看夜夜爽夜夜摸| 亚洲国产欧美人成| 欧美中文综合在线视频| 欧美一区二区精品小视频在线| 亚洲狠狠婷婷综合久久图片| 丰满人妻熟妇乱又伦精品不卡| 国产一级毛片七仙女欲春2| 女生性感内裤真人,穿戴方法视频| 精品无人区乱码1区二区| 亚洲va日本ⅴa欧美va伊人久久| 男女做爰动态图高潮gif福利片| 国产亚洲精品久久久com| 脱女人内裤的视频| 美女午夜性视频免费| 欧美成人一区二区免费高清观看 | 午夜亚洲福利在线播放| 两个人看的免费小视频| 国产三级中文精品| 欧美成人一区二区免费高清观看 | 精品免费久久久久久久清纯| 国产在线精品亚洲第一网站| 无遮挡黄片免费观看| 男女视频在线观看网站免费| 午夜精品一区二区三区免费看| 男人舔奶头视频| av视频在线观看入口| 中文在线观看免费www的网站| 国产高潮美女av| 极品教师在线免费播放| 国产在线精品亚洲第一网站| www日本黄色视频网| 国产精品久久视频播放| 好看av亚洲va欧美ⅴa在| 久久精品aⅴ一区二区三区四区| 久久久色成人| 岛国在线观看网站| 亚洲,欧美精品.| 精品无人区乱码1区二区| 又黄又爽又免费观看的视频| 黄片小视频在线播放| bbb黄色大片| 亚洲欧美日韩东京热| 色综合亚洲欧美另类图片| 99在线视频只有这里精品首页| 国产亚洲精品综合一区在线观看| 国产精品,欧美在线| 午夜激情福利司机影院| 亚洲中文字幕日韩| 成在线人永久免费视频| 国产在线精品亚洲第一网站| 一a级毛片在线观看| 久久久色成人| 手机成人av网站| 丰满人妻一区二区三区视频av | 国产精品久久久久久亚洲av鲁大| 久久这里只有精品中国| 欧美激情在线99| 日韩有码中文字幕| 真实男女啪啪啪动态图| 国产精品98久久久久久宅男小说| www日本黄色视频网| 欧美日韩乱码在线| 熟女人妻精品中文字幕| 日韩大尺度精品在线看网址| 亚洲人成网站在线播放欧美日韩| 国产又色又爽无遮挡免费看| 成人午夜高清在线视频| 国产69精品久久久久777片 | 国产精品九九99| 后天国语完整版免费观看| 久久久国产精品麻豆| 在线观看一区二区三区| 一夜夜www| 亚洲欧美精品综合久久99| 国产午夜精品论理片| 大型黄色视频在线免费观看| 亚洲精品美女久久久久99蜜臀| 免费观看的影片在线观看| 亚洲欧美日韩高清在线视频| 久久久久久人人人人人| 综合色av麻豆| 91麻豆av在线| 亚洲 欧美 日韩 在线 免费| 国产精品一区二区三区四区久久| 午夜激情福利司机影院| 亚洲最大成人中文| 午夜福利欧美成人| 又大又爽又粗| 免费一级毛片在线播放高清视频| 丁香欧美五月| 欧美在线一区亚洲| 日本一本二区三区精品| 国产三级中文精品| 欧美在线一区亚洲| 中文在线观看免费www的网站| 一区二区三区高清视频在线| 黄色视频,在线免费观看| 精品久久久久久成人av| 国产黄片美女视频| 国产高清激情床上av| 日本 欧美在线| 级片在线观看| 国产爱豆传媒在线观看| 极品教师在线免费播放| 无人区码免费观看不卡| 看黄色毛片网站| 一区二区三区高清视频在线| 久久天堂一区二区三区四区| 中国美女看黄片| 久久久久精品国产欧美久久久| 国产精品亚洲一级av第二区| 香蕉av资源在线| 禁无遮挡网站| 国产精品一区二区免费欧美| 一区二区三区激情视频| 欧美午夜高清在线| 午夜福利视频1000在线观看| 丰满人妻熟妇乱又伦精品不卡| 黑人巨大精品欧美一区二区mp4| 国产欧美日韩一区二区三| 性色avwww在线观看| 国产又黄又爽又无遮挡在线| 国内精品美女久久久久久| 国产午夜精品久久久久久| 欧美日韩亚洲国产一区二区在线观看| av中文乱码字幕在线| 黄片大片在线免费观看| 欧美日韩瑟瑟在线播放| 国内毛片毛片毛片毛片毛片| 亚洲av片天天在线观看| 久久久久久久久久黄片| 色尼玛亚洲综合影院| 午夜免费成人在线视频| 久99久视频精品免费| 一二三四在线观看免费中文在| 精品久久久久久久毛片微露脸| 日本一本二区三区精品| 久久天堂一区二区三区四区| 亚洲国产精品久久男人天堂| 色噜噜av男人的天堂激情| aaaaa片日本免费| 三级国产精品欧美在线观看 | 色综合婷婷激情| 美女黄网站色视频| av黄色大香蕉| 国产伦精品一区二区三区视频9 | 中文在线观看免费www的网站| 成人三级黄色视频| 色视频www国产| 久久久久久九九精品二区国产| 久久久久国内视频| 亚洲欧美精品综合一区二区三区| 亚洲av熟女| 99久久99久久久精品蜜桃| 岛国视频午夜一区免费看| 老司机福利观看| 此物有八面人人有两片| 久久久国产成人免费| 午夜两性在线视频| 99riav亚洲国产免费| 亚洲午夜精品一区,二区,三区| 欧美性猛交╳xxx乱大交人| 日本在线视频免费播放| 亚洲一区二区三区色噜噜| 国产精品爽爽va在线观看网站| 久久人妻av系列| avwww免费| 欧美3d第一页| 日韩欧美精品v在线| 热99re8久久精品国产| 三级国产精品欧美在线观看 | 亚洲av成人不卡在线观看播放网| 欧美日韩一级在线毛片| 1000部很黄的大片| 久久久国产成人免费| 亚洲国产高清在线一区二区三| 欧美zozozo另类| 又黄又粗又硬又大视频| 性色av乱码一区二区三区2| 99久久99久久久精品蜜桃| 久久香蕉国产精品| 国产探花在线观看一区二区| www.999成人在线观看| 制服人妻中文乱码| 免费av毛片视频| 熟女少妇亚洲综合色aaa.| 国产野战对白在线观看| 首页视频小说图片口味搜索| 男女午夜视频在线观看| 欧美黄色淫秽网站| 久久人人精品亚洲av| 久9热在线精品视频| 99视频精品全部免费 在线 | av天堂在线播放| 日本一二三区视频观看| 亚洲熟女毛片儿| 18美女黄网站色大片免费观看| 日本熟妇午夜| 国产成人精品无人区| 99国产精品99久久久久| 动漫黄色视频在线观看| 国产精品久久久久久久电影 | 精品熟女少妇八av免费久了| 成人精品一区二区免费| 一进一出抽搐gif免费好疼| 极品教师在线免费播放| 精品久久久久久成人av| 麻豆久久精品国产亚洲av| 久久久国产精品麻豆| 两人在一起打扑克的视频| 国产精品亚洲一级av第二区| 波多野结衣高清作品| 最新在线观看一区二区三区| 国产视频一区二区在线看| 国产精品爽爽va在线观看网站| 老司机福利观看| 欧美三级亚洲精品| 极品教师在线免费播放| 精品久久久久久久末码| 欧美最黄视频在线播放免费| 精品人妻1区二区| 别揉我奶头~嗯~啊~动态视频| 欧美激情久久久久久爽电影| 国产高清有码在线观看视频| 757午夜福利合集在线观看| 免费观看人在逋| 亚洲国产日韩欧美精品在线观看 | aaaaa片日本免费| 男人舔奶头视频| 99久久国产精品久久久| 亚洲精品在线观看二区| 女人被狂操c到高潮| 亚洲成人精品中文字幕电影| 欧美成人免费av一区二区三区| 亚洲成人中文字幕在线播放| 成人三级做爰电影| 亚洲片人在线观看| 伦理电影免费视频| 深夜精品福利| 精品一区二区三区av网在线观看| 亚洲精品粉嫩美女一区| 99久久99久久久精品蜜桃| 精品久久久久久久毛片微露脸| 午夜日韩欧美国产| 在线观看美女被高潮喷水网站 | 色av中文字幕| 久久久成人免费电影| 国产高清videossex| 国产蜜桃级精品一区二区三区| 在线播放国产精品三级| 99热只有精品国产| 国产在线精品亚洲第一网站| 亚洲精品国产精品久久久不卡| 国产激情偷乱视频一区二区| 黄色视频,在线免费观看| 国产亚洲精品一区二区www| 香蕉丝袜av| 国产免费男女视频| 啪啪无遮挡十八禁网站| 国产精品亚洲一级av第二区| 好男人在线观看高清免费视频| 老汉色∧v一级毛片| 后天国语完整版免费观看| 99久久久亚洲精品蜜臀av| 一级作爱视频免费观看| 欧美+亚洲+日韩+国产| 可以在线观看的亚洲视频| 午夜福利高清视频| 桃色一区二区三区在线观看| 国产不卡一卡二| 日本在线视频免费播放| 99精品欧美一区二区三区四区| 夜夜躁狠狠躁天天躁| 国产精品一区二区三区四区久久| 国产欧美日韩精品一区二区| 久久中文字幕人妻熟女| 日本熟妇午夜| 在线观看午夜福利视频| 日本黄大片高清| 国产淫片久久久久久久久 | 亚洲av中文字字幕乱码综合| 偷拍熟女少妇极品色| 国产精品亚洲美女久久久| 欧美成人性av电影在线观看| 国产精品1区2区在线观看.| 欧美xxxx黑人xx丫x性爽| 黑人巨大精品欧美一区二区mp4| 亚洲精品久久国产高清桃花| av在线蜜桃| 热99re8久久精品国产| 亚洲精品一区av在线观看| 久久草成人影院| 热99在线观看视频| 久久久精品大字幕| 精品久久久久久久毛片微露脸| 亚洲专区字幕在线| 啪啪无遮挡十八禁网站| 精品国产超薄肉色丝袜足j| 99热精品在线国产| 亚洲av日韩精品久久久久久密| 亚洲av成人一区二区三| 性色av乱码一区二区三区2| 欧美日韩精品网址| 俺也久久电影网| 每晚都被弄得嗷嗷叫到高潮| av片东京热男人的天堂| 国产一区在线观看成人免费| 欧美国产日韩亚洲一区| 十八禁网站免费在线| 窝窝影院91人妻| 亚洲狠狠婷婷综合久久图片| 国产毛片a区久久久久| 嫩草影院入口| 我的老师免费观看完整版| 18禁黄网站禁片午夜丰满| av中文乱码字幕在线| 久久久久国产一级毛片高清牌| 久久精品aⅴ一区二区三区四区| xxx96com| 久久久精品欧美日韩精品| 少妇熟女aⅴ在线视频| 午夜福利在线观看吧| 国产亚洲av高清不卡| 国产真实乱freesex| 国产三级在线视频| svipshipincom国产片| 天堂动漫精品| 91九色精品人成在线观看| 日韩av在线大香蕉| 夜夜看夜夜爽夜夜摸| bbb黄色大片| 国产野战对白在线观看| 高清在线国产一区| 变态另类丝袜制服| 一个人看视频在线观看www免费 | 国产精品一区二区免费欧美| 九九热线精品视视频播放| 亚洲最大成人中文| 久久性视频一级片| 婷婷精品国产亚洲av在线| 亚洲欧美精品综合久久99| 他把我摸到了高潮在线观看| 啦啦啦韩国在线观看视频| 久久久精品欧美日韩精品| 欧美不卡视频在线免费观看| 麻豆国产av国片精品| 国产野战对白在线观看| 级片在线观看| 午夜福利免费观看在线| 老司机在亚洲福利影院| 久久久国产成人免费| 久久久国产欧美日韩av| 级片在线观看| 一个人免费在线观看的高清视频| 精品福利观看| 在线观看免费午夜福利视频| 国产真人三级小视频在线观看| 欧洲精品卡2卡3卡4卡5卡区| 十八禁网站免费在线| 国产午夜精品论理片| 18美女黄网站色大片免费观看| 欧美一区二区精品小视频在线| 国产单亲对白刺激| 亚洲,欧美精品.| 国产亚洲精品综合一区在线观看| 最近最新免费中文字幕在线| 久久精品人妻少妇| 日韩欧美在线二视频| 日韩三级视频一区二区三区| 天天一区二区日本电影三级| 男人和女人高潮做爰伦理| 男女午夜视频在线观看| 天堂影院成人在线观看| 精品久久久久久久毛片微露脸| 国产乱人伦免费视频| 99精品久久久久人妻精品| 无遮挡黄片免费观看| 国产又黄又爽又无遮挡在线| 床上黄色一级片| 日日夜夜操网爽| 99在线人妻在线中文字幕| 免费看光身美女| 欧美成人一区二区免费高清观看 | 99riav亚洲国产免费| 亚洲专区中文字幕在线| 美女扒开内裤让男人捅视频| 日韩三级视频一区二区三区| 成人国产综合亚洲| 精品熟女少妇八av免费久了| 久久精品夜夜夜夜夜久久蜜豆| 亚洲第一电影网av| 1024香蕉在线观看| xxx96com| 久久精品影院6| 99国产精品99久久久久| 亚洲国产欧美人成| 一级毛片精品| 久久精品综合一区二区三区| 中文字幕av在线有码专区| 一个人免费在线观看的高清视频| 久久久久久久久中文| 舔av片在线| 亚洲无线观看免费| 日韩欧美免费精品| 欧美绝顶高潮抽搐喷水| 日本a在线网址| www日本在线高清视频| 狠狠狠狠99中文字幕| 成人国产综合亚洲| 免费大片18禁| 99国产精品一区二区三区| 亚洲七黄色美女视频| 国内精品一区二区在线观看| 91在线精品国自产拍蜜月 | 午夜福利在线观看免费完整高清在 | 色哟哟哟哟哟哟| 亚洲精品456在线播放app | 在线十欧美十亚洲十日本专区| 后天国语完整版免费观看| 巨乳人妻的诱惑在线观看| 免费在线观看日本一区| 日韩av在线大香蕉| 嫩草影视91久久| 成人18禁在线播放| av在线天堂中文字幕| 全区人妻精品视频| 欧美3d第一页| 亚洲精品美女久久久久99蜜臀| www日本在线高清视频| 在线观看日韩欧美| 99久久精品热视频| 亚洲无线观看免费| 久久久色成人| 一区福利在线观看| 99久久99久久久精品蜜桃| 十八禁人妻一区二区| 亚洲欧美日韩无卡精品| 脱女人内裤的视频| a级毛片在线看网站| av中文乱码字幕在线| 久久久久久久久免费视频了| а√天堂www在线а√下载| 老熟妇仑乱视频hdxx| 亚洲国产精品久久男人天堂| 成在线人永久免费视频| 午夜福利在线观看免费完整高清在 | 亚洲欧美一区二区三区黑人| 我的老师免费观看完整版| 蜜桃久久精品国产亚洲av| or卡值多少钱| 一区二区三区激情视频| 色综合欧美亚洲国产小说| 亚洲精品国产精品久久久不卡| 变态另类成人亚洲欧美熟女| 首页视频小说图片口味搜索| 日韩三级视频一区二区三区| av天堂中文字幕网| 欧美黄色淫秽网站| 床上黄色一级片| 日本成人三级电影网站| www国产在线视频色| 亚洲国产欧美人成| 亚洲人成网站在线播放欧美日韩| 老司机午夜福利在线观看视频| 成年女人永久免费观看视频| 熟女电影av网| 老司机福利观看| 精品久久久久久久毛片微露脸| 成年女人看的毛片在线观看| 99热这里只有精品一区 | 成人一区二区视频在线观看| 老鸭窝网址在线观看| 精品人妻1区二区| 精品国产乱子伦一区二区三区| 天天躁日日操中文字幕| 最好的美女福利视频网| 精品国内亚洲2022精品成人| 午夜福利在线观看吧| 国产成人系列免费观看| 国产激情偷乱视频一区二区| 午夜免费激情av| 男女下面进入的视频免费午夜| 在线国产一区二区在线| 成年人黄色毛片网站|