• <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

    李小寧,雷 濤,鐘劍丹,唐自力,蔣 平

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

    引言

    地面目標(biāo)檢測任務(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,較難精確檢測到目標(biāo)[4]。目前,基于深度學(xué)習(xí)的目標(biāo)檢測算法[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]檢測方法,但其存在對同一區(qū)域多次重復(fù)提取的問題。之后的Fast-RCNN[9]算法僅對原圖像進(jìn)行一次特征提取操作,由于生成候選框的Selective Search 算法[10]耗時較多,檢測速度較慢。基于區(qū)域推薦方法的另一個主流框架是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,僅在單個步驟完成預(yù)測,顯著提升了檢測速度。

    為解決小目標(biāo)檢測難點(diǎn),本文提出了一種基于擴(kuò)展融合層的目標(biāo)檢測框架,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)測子網(wǎng)絡(luò),在擴(kuò)展層多個尺度空間內(nèi)匹配目標(biāo),生成目標(biāo)預(yù)測框。為解決過擬合問題,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)檢測算法在VEDAI[14]車輛小目標(biāo)數(shù)據(jù)集上進(jìn)行了對比實(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)測層3 個部分。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)測層,分別在預(yù)測層的每個位置上生成固定寬高比的邊界框預(yù)測結(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)檢測包含2 個關(guān)鍵步驟:1) 在每個尺寸特征圖的基礎(chǔ)上,分別保留了一個包含最強(qiáng)語義信息的特征層。由這些特征層構(gòu)建出具有層級的特征金字塔結(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,對橫向連接金字塔的每個特征層分別計(jì)算目標(biāo)類別得分和邊框回歸。

    1.3 傳統(tǒng)方法檢測小目標(biāo)存在的問題

    傳統(tǒng)SSD 直接在不同特征層預(yù)測結(jié)果,忽略了不同層之間的聯(lián)系,丟失了部分重要信息,缺乏同時獲取局部細(xì)節(jié)信息和全局語義信息的能力。FPN 模型雖然通過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速度。對小目標(biāo)識別與檢測問題而言,模型忽略了不同特征層對目標(biāo)預(yù)測貢獻(xiàn)的差異。

    2 基于擴(kuò)展融合特征的小目標(biāo)檢測算法

    為解決車輛小目標(biāo)識別與精確定位的問題,本文提出了基于擴(kuò)展融合特征的小目標(biāo)檢測算法,基于融合淺層特征高邊緣信息和深層特征的高語義信息的思想,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)測子網(wǎng)絡(luò),以此作為依據(jù)預(yù)測目標(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,其對應(yīng)產(chǎn)生的默認(rèn)邊界框大小更適宜小目標(biāo)檢測。但其缺乏目標(biāo)分類重要的語義信息。深層特征雖包含更多語義信息,但感受野過大,對小目標(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)信息和深層高語義信息的融合層作為依據(jù),預(yù)測小目標(biāo)的位置及類別。

    2.3 擴(kuò)展預(yù)測子網(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 層對輸入數(shù)據(jù)進(jìn)行歸一化操作,消除了權(quán)值放縮帶來的影響,從而避免了梯度彌散現(xiàn)象,同時進(jìn)一步提升了模型的泛化能力。傳統(tǒng)的SSD 及FPN 方法預(yù)測流程示意圖對比,如圖4所示。

    圖4 SSD 及FPN 方法預(yù)測流程示意圖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)測目標(biāo)類別得分和邊框位置。本文方法的預(yù)測流程示意圖如圖5 所示。

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

    在擴(kuò)展預(yù)測子網(wǎng)絡(luò)中的6 層特征層做預(yù)測,對第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,則每個特征層對應(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)檢測問題的效果,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)測試,并與當(dāng)前主流的幾種深度學(xué)習(xí)目標(biāo)檢測方法對比結(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,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,動量因子為0.9。

    3.3 測試結(jié)果

    測試階段選取數(shù)據(jù)集中248 張圖片作為測試集驗(yàn)證檢測效果。召回率和mAP 是目標(biāo)檢測2 個重要指標(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為分類錯誤的正樣例;FN為分類錯誤的負(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)檢測方法與本文方法在VEDAI 數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)對比,結(jié)果如表2 所示。

    表2 不同檢測模型在VEDAI 數(shù)據(jù)集上的檢測結(jié)果對比Table 2 Comparison of detection results on VEDAI of different models

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

    表3 不同檢測模型檢測速度對比Table 3 Comparison of detection speed of different models

    圖6 不同檢測模型檢測結(jié)果對比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,檢測精度的變化趨勢。約在25 000次迭代后,檢測精度值保持平穩(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)集上的部分檢測結(jié)果。

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

    測試結(jié)果表明,本文提出的算法較傳統(tǒng)SSD等主流目標(biāo)檢測算法,對VEDAI 數(shù)據(jù)集的平均檢測精度顯著提升,算法采用單個步驟內(nèi)預(yù)測目標(biāo),保留了傳統(tǒng)SSD 算法檢測速度快的優(yōu)勢。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)檢測效果,本文提出了基于擴(kuò)展融合特征的小目標(biāo)檢測方法。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)測網(wǎng)絡(luò),在多個尺度空間匹配目標(biāo),提升了目標(biāo)檢測效果。為解決模型過擬合問題,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)檢測精度,同時,具有更高穩(wěn)定性和魯棒性。下一步,將對模型中權(quán)值進(jìn)行研究,以提升算法在復(fù)雜背景下的檢測性能。

    猜你喜歡
    特征融合檢測
    村企黨建聯(lián)建融合共贏
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    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”
    不忠誠的四個特征
    抓住特征巧觀察
    日本熟妇午夜| 国产在线观看jvid| 日本一区二区免费在线视频| 国产真人三级小视频在线观看| 91九色精品人成在线观看| 亚洲avbb在线观看| 欧美日韩亚洲综合一区二区三区_| 中文字幕av电影在线播放| 国产三级黄色录像| 亚洲熟妇熟女久久| 91大片在线观看| 日韩欧美免费精品| 亚洲片人在线观看| 激情在线观看视频在线高清| 国产v大片淫在线免费观看| 亚洲人成77777在线视频| av免费在线观看网站| 给我免费播放毛片高清在线观看| 欧美黄色片欧美黄色片| 国产亚洲精品久久久久久毛片| 亚洲精品国产一区二区精华液| 国产成人精品无人区| 日本 av在线| 欧美激情久久久久久爽电影| 狂野欧美激情性xxxx| 亚洲一码二码三码区别大吗| 国产精品一区二区三区四区久久 | 女同久久另类99精品国产91| 国产久久久一区二区三区| 久久性视频一级片| 亚洲成av片中文字幕在线观看| 久久伊人香网站| 免费搜索国产男女视频| 国产av不卡久久| 亚洲精品一区av在线观看| 悠悠久久av| 夜夜看夜夜爽夜夜摸| 在线国产一区二区在线| 99久久国产精品久久久| 日本a在线网址| 国产精品精品国产色婷婷| 美女高潮喷水抽搐中文字幕| 久久精品人妻少妇| 黄色毛片三级朝国网站| 亚洲人成伊人成综合网2020| 91国产中文字幕| 国产黄a三级三级三级人| 黄色女人牲交| 久久亚洲精品不卡| 亚洲精品中文字幕在线视频| 欧美日本视频| www.熟女人妻精品国产| 亚洲一卡2卡3卡4卡5卡精品中文| 搡老妇女老女人老熟妇| avwww免费| 精品一区二区三区视频在线观看免费| 欧美zozozo另类| 久热这里只有精品99| 妹子高潮喷水视频| 黑人巨大精品欧美一区二区mp4| 中文在线观看免费www的网站 | 欧美黑人精品巨大| 久久久久久九九精品二区国产 | 国产亚洲精品av在线| 特大巨黑吊av在线直播 | 日本一本二区三区精品| 青草久久国产| 十八禁网站免费在线| 亚洲真实伦在线观看| 精品福利观看| 久久青草综合色| 女人被狂操c到高潮| 51午夜福利影视在线观看| 两个人免费观看高清视频| 亚洲 欧美 日韩 在线 免费| 精品久久久久久久人妻蜜臀av| 欧美中文日本在线观看视频| 视频在线观看一区二区三区| 国产黄a三级三级三级人| 搡老岳熟女国产| 亚洲精品国产区一区二| 国产亚洲精品一区二区www| 欧美中文综合在线视频| 在线观看午夜福利视频| or卡值多少钱| 99国产综合亚洲精品| 婷婷精品国产亚洲av在线| 国产激情偷乱视频一区二区| 午夜精品久久久久久毛片777| 性欧美人与动物交配| 色播亚洲综合网| 两个人免费观看高清视频| ponron亚洲| 不卡一级毛片| 国产精品一区二区精品视频观看| 欧美大码av| 欧美黑人巨大hd| 一个人免费在线观看的高清视频| 国产精品日韩av在线免费观看| 午夜福利免费观看在线| 国产黄a三级三级三级人| 欧美成人午夜精品| 亚洲中文日韩欧美视频| 黄色a级毛片大全视频| 国产精品 欧美亚洲| 首页视频小说图片口味搜索| 亚洲第一欧美日韩一区二区三区| 老司机午夜十八禁免费视频| 18禁美女被吸乳视频| 叶爱在线成人免费视频播放| 18禁国产床啪视频网站| 一区福利在线观看| 国产蜜桃级精品一区二区三区| 97人妻精品一区二区三区麻豆 | 亚洲欧美日韩高清在线视频| 久久久精品国产亚洲av高清涩受| 欧美日韩一级在线毛片| 国产熟女午夜一区二区三区| 人人妻人人澡人人看| av在线天堂中文字幕| 国内少妇人妻偷人精品xxx网站 | 久久香蕉国产精品| 国产精品免费一区二区三区在线| 久久人人精品亚洲av| 999精品在线视频| 亚洲精品一卡2卡三卡4卡5卡| 成年版毛片免费区| 久久 成人 亚洲| 国产av一区在线观看免费| 日本一区二区免费在线视频| 一边摸一边抽搐一进一小说| 欧美激情高清一区二区三区| 免费高清视频大片| 久久精品夜夜夜夜夜久久蜜豆 | 国产人伦9x9x在线观看| 最新在线观看一区二区三区| 久9热在线精品视频| 久久天躁狠狠躁夜夜2o2o| 制服丝袜大香蕉在线| 国产精品日韩av在线免费观看| 亚洲激情在线av| 亚洲国产精品999在线| 欧美亚洲日本最大视频资源| 亚洲自偷自拍图片 自拍| 中文字幕av电影在线播放| 欧美大码av| 操出白浆在线播放| tocl精华| 国产精品美女特级片免费视频播放器 | 午夜福利欧美成人| 91字幕亚洲| 村上凉子中文字幕在线| 久久国产精品男人的天堂亚洲| 无遮挡黄片免费观看| 人人妻人人澡欧美一区二区| 亚洲国产精品999在线| 午夜福利欧美成人| 宅男免费午夜| 自线自在国产av| 成人精品一区二区免费| 国产aⅴ精品一区二区三区波| 亚洲男人的天堂狠狠| 久久久久精品国产欧美久久久| 精品久久久久久久久久久久久 | 日韩有码中文字幕| 一本一本综合久久| 国产成人一区二区三区免费视频网站| 少妇裸体淫交视频免费看高清 | 国产精品野战在线观看| 18禁美女被吸乳视频| or卡值多少钱| 久久久国产精品麻豆| 在线永久观看黄色视频| 日本a在线网址| 夜夜爽天天搞| 欧美成人一区二区免费高清观看 | 久久九九热精品免费| 免费看十八禁软件| 久久久久久大精品| 色综合亚洲欧美另类图片| 巨乳人妻的诱惑在线观看| 中文字幕人成人乱码亚洲影| 日韩精品免费视频一区二区三区| 久久亚洲精品不卡| 他把我摸到了高潮在线观看| 在线永久观看黄色视频| 男女做爰动态图高潮gif福利片| 国产av一区二区精品久久| 亚洲自拍偷在线| 婷婷精品国产亚洲av在线| 18禁观看日本| 亚洲国产欧美日韩在线播放| 一区二区三区激情视频| 亚洲中文字幕日韩| 侵犯人妻中文字幕一二三四区| 久热爱精品视频在线9| 91老司机精品| 一卡2卡三卡四卡精品乱码亚洲| www.熟女人妻精品国产| 观看免费一级毛片| 欧美人与性动交α欧美精品济南到| 国产精品 国内视频| 日韩三级视频一区二区三区| 国产欧美日韩一区二区三| 免费在线观看完整版高清| 久久久久久国产a免费观看| 啦啦啦 在线观看视频| 久久人人精品亚洲av| 99国产极品粉嫩在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 欧美激情 高清一区二区三区| videosex国产| 亚洲精品粉嫩美女一区| 精华霜和精华液先用哪个| 美女午夜性视频免费| 18禁黄网站禁片免费观看直播| 18禁国产床啪视频网站| 久久中文字幕人妻熟女| 国产精品精品国产色婷婷| 美女高潮喷水抽搐中文字幕| 岛国视频午夜一区免费看| 亚洲男人天堂网一区| 欧美日韩中文字幕国产精品一区二区三区| videosex国产| 1024视频免费在线观看| 日本一区二区免费在线视频| 欧美中文综合在线视频| 天堂影院成人在线观看| 中文字幕高清在线视频| 久久香蕉精品热| 身体一侧抽搐| 亚洲真实伦在线观看| 1024香蕉在线观看| 欧美性猛交╳xxx乱大交人| 久久天躁狠狠躁夜夜2o2o| 欧美成人一区二区免费高清观看 | 午夜成年电影在线免费观看| 伦理电影免费视频| 国产精品一区二区免费欧美| 日日夜夜操网爽| 无限看片的www在线观看| 欧美不卡视频在线免费观看 | 色老头精品视频在线观看| 午夜两性在线视频| 在线观看66精品国产| 一边摸一边做爽爽视频免费| 成人国产一区最新在线观看| 精品国产超薄肉色丝袜足j| 亚洲电影在线观看av| 不卡一级毛片| 韩国精品一区二区三区| 久久国产乱子伦精品免费另类| 久久精品夜夜夜夜夜久久蜜豆 | www日本在线高清视频| 国产乱人伦免费视频| 亚洲专区国产一区二区| 少妇熟女aⅴ在线视频| 少妇 在线观看| 91字幕亚洲| 男人舔女人下体高潮全视频| 久久狼人影院| 18禁黄网站禁片免费观看直播| 日韩欧美一区二区三区在线观看| 国产av不卡久久| 久久精品成人免费网站| aaaaa片日本免费| 伦理电影免费视频| 久久青草综合色| netflix在线观看网站| 老司机午夜十八禁免费视频| 啦啦啦观看免费观看视频高清| 亚洲一区中文字幕在线| 国产视频一区二区在线看| 777久久人妻少妇嫩草av网站| 免费无遮挡裸体视频| 在线观看66精品国产| 男女午夜视频在线观看| 一二三四社区在线视频社区8| 久久亚洲真实| 非洲黑人性xxxx精品又粗又长| 成人国语在线视频| 日韩欧美在线二视频| 久久青草综合色| 色哟哟哟哟哟哟| 国产又爽黄色视频| 欧美激情 高清一区二区三区| 亚洲aⅴ乱码一区二区在线播放 | 欧美在线一区亚洲| 高清毛片免费观看视频网站| 精品午夜福利视频在线观看一区| 99精品在免费线老司机午夜| 在线观看66精品国产| 波多野结衣av一区二区av| 美女高潮到喷水免费观看| 日韩高清综合在线| 国产精品 欧美亚洲| 18美女黄网站色大片免费观看| 久久亚洲真实| 久久久国产成人免费| 欧美日韩亚洲国产一区二区在线观看| 亚洲av成人一区二区三| 久久久久久人人人人人| 国产主播在线观看一区二区| 91麻豆精品激情在线观看国产| 亚洲性夜色夜夜综合| 这个男人来自地球电影免费观看| 色播亚洲综合网| 国产成人一区二区三区免费视频网站| 中文在线观看免费www的网站 | 久久草成人影院| 色尼玛亚洲综合影院| 熟妇人妻久久中文字幕3abv| 每晚都被弄得嗷嗷叫到高潮| 日韩欧美国产一区二区入口| 久久精品国产亚洲av香蕉五月| 亚洲精品美女久久久久99蜜臀| 搡老妇女老女人老熟妇| 这个男人来自地球电影免费观看| 国产视频内射| 午夜免费鲁丝| 波多野结衣巨乳人妻| 国产乱人伦免费视频| 悠悠久久av| 男女做爰动态图高潮gif福利片| 女生性感内裤真人,穿戴方法视频| 99国产精品一区二区蜜桃av| 久99久视频精品免费| 亚洲国产中文字幕在线视频| 一级毛片精品| 精品福利观看| 亚洲精品一区av在线观看| 岛国视频午夜一区免费看| 久久精品国产亚洲av高清一级| 免费在线观看黄色视频的| 91大片在线观看| 欧美日本视频| 黄色 视频免费看| 亚洲,欧美精品.| 日韩大码丰满熟妇| 级片在线观看| 黄色a级毛片大全视频| 欧美国产精品va在线观看不卡| 悠悠久久av| 久久精品夜夜夜夜夜久久蜜豆 | 国产三级在线视频| 国产精品日韩av在线免费观看| 给我免费播放毛片高清在线观看| 亚洲第一电影网av| 欧美日韩精品网址| 男人舔女人下体高潮全视频| 亚洲一码二码三码区别大吗| 十分钟在线观看高清视频www| 一级毛片高清免费大全| 亚洲最大成人中文| 18禁黄网站禁片午夜丰满| 日韩一卡2卡3卡4卡2021年| 韩国av一区二区三区四区| 自线自在国产av| 十八禁网站免费在线| 母亲3免费完整高清在线观看| 亚洲一区高清亚洲精品| 国产精品野战在线观看| 999久久久国产精品视频| 免费av毛片视频| 两个人视频免费观看高清| 熟女少妇亚洲综合色aaa.| 激情在线观看视频在线高清| 男人舔女人下体高潮全视频| 亚洲七黄色美女视频| 国产国语露脸激情在线看| 亚洲av片天天在线观看| 日韩精品青青久久久久久| 亚洲中文av在线| 人人妻人人澡人人看| 亚洲国产欧美网| 久久人人精品亚洲av| 欧美日韩乱码在线| 人妻久久中文字幕网| 亚洲一区二区三区不卡视频| 久久久久亚洲av毛片大全| 在线天堂中文资源库| tocl精华| 精品不卡国产一区二区三区| 国内揄拍国产精品人妻在线 | 在线观看日韩欧美| 级片在线观看| 国产视频一区二区在线看| 免费av毛片视频| 日韩高清综合在线| 一本精品99久久精品77| 精品不卡国产一区二区三区| 国产欧美日韩一区二区三| 麻豆av在线久日| 欧美中文综合在线视频| 欧美不卡视频在线免费观看 | 色在线成人网| a级毛片a级免费在线| 美女 人体艺术 gogo| 看免费av毛片| 色哟哟哟哟哟哟| 亚洲成av片中文字幕在线观看| 男人的好看免费观看在线视频 | 老司机福利观看| 日韩国内少妇激情av| 亚洲自拍偷在线| 久久人妻福利社区极品人妻图片| 99久久国产精品久久久| 国产精品野战在线观看| 午夜视频精品福利| 亚洲熟妇熟女久久| 亚洲人成电影免费在线| 免费在线观看日本一区| 悠悠久久av| 国产黄a三级三级三级人| 国产熟女午夜一区二区三区| 午夜免费鲁丝| 国产高清视频在线播放一区| 色综合站精品国产| 无人区码免费观看不卡| 一本大道久久a久久精品| 亚洲国产看品久久| 久久香蕉激情| 不卡av一区二区三区| 黄色女人牲交| 后天国语完整版免费观看| 91在线观看av| 午夜a级毛片| 中亚洲国语对白在线视频| 亚洲国产精品久久男人天堂| 亚洲中文字幕日韩| videosex国产| 亚洲avbb在线观看| 亚洲精品在线美女| 国产亚洲欧美在线一区二区| 十分钟在线观看高清视频www| 亚洲午夜精品一区,二区,三区| 久久婷婷人人爽人人干人人爱| 给我免费播放毛片高清在线观看| 99久久99久久久精品蜜桃| 精品国产一区二区三区四区第35| 丝袜人妻中文字幕| 免费观看精品视频网站| 嫩草影视91久久| 亚洲欧美一区二区三区黑人| 色综合欧美亚洲国产小说| 婷婷精品国产亚洲av| 亚洲精品色激情综合| 两人在一起打扑克的视频| 亚洲色图av天堂| 亚洲,欧美精品.| 在线看三级毛片| 欧美日韩精品网址| 99久久无色码亚洲精品果冻| 久99久视频精品免费| 又黄又粗又硬又大视频| 国产av一区二区精品久久| 99精品久久久久人妻精品| 中文字幕精品免费在线观看视频| 一进一出好大好爽视频| 美女 人体艺术 gogo| 手机成人av网站| 久久中文看片网| 日韩有码中文字幕| 无限看片的www在线观看| 两个人免费观看高清视频| 国产av又大| 老司机深夜福利视频在线观看| 国产av一区二区精品久久| 欧美人与性动交α欧美精品济南到| 亚洲av中文字字幕乱码综合 | 亚洲七黄色美女视频| 久久午夜综合久久蜜桃| 91字幕亚洲| 久久久久久久精品吃奶| 国产精品一区二区免费欧美| 亚洲av成人不卡在线观看播放网| 久久精品国产亚洲av高清一级| 国产人伦9x9x在线观看| 国产精品综合久久久久久久免费| 51午夜福利影视在线观看| 高潮久久久久久久久久久不卡| 久久国产乱子伦精品免费另类| 欧美在线一区亚洲| 最新美女视频免费是黄的| 成人国产一区最新在线观看| 18禁美女被吸乳视频| 最新美女视频免费是黄的| 999久久久国产精品视频| 一夜夜www| 九色国产91popny在线| 91字幕亚洲| av视频在线观看入口| 欧美大码av| 日韩欧美国产一区二区入口| 免费人成视频x8x8入口观看| 午夜免费鲁丝| 亚洲成人精品中文字幕电影| 亚洲黑人精品在线| 脱女人内裤的视频| 亚洲欧美日韩无卡精品| 国产成人影院久久av| 在线国产一区二区在线| av欧美777| 麻豆成人午夜福利视频| 亚洲午夜理论影院| 国产免费av片在线观看野外av| 一级作爱视频免费观看| 久久国产乱子伦精品免费另类| 精品久久久久久久末码| 免费一级毛片在线播放高清视频| 在线视频色国产色| 男女视频在线观看网站免费 | 精品久久久久久久久久免费视频| 日韩成人在线观看一区二区三区| 午夜免费激情av| 怎么达到女性高潮| 搡老岳熟女国产| 欧美成狂野欧美在线观看| 一级毛片高清免费大全| 国产精品久久久人人做人人爽| 日韩一卡2卡3卡4卡2021年| 动漫黄色视频在线观看| 大型av网站在线播放| 午夜日韩欧美国产| 午夜免费观看网址| 99热6这里只有精品| 麻豆成人av在线观看| 国产精品自产拍在线观看55亚洲| 国产精品一区二区免费欧美| 精品国产一区二区三区四区第35| 精品一区二区三区四区五区乱码| 亚洲一区二区三区色噜噜| 亚洲国产精品成人综合色| 高潮久久久久久久久久久不卡| 亚洲全国av大片| 黄频高清免费视频| 91老司机精品| 亚洲国产精品999在线| 欧美乱妇无乱码| 国产精品99久久99久久久不卡| 国产精品av久久久久免费| 亚洲天堂国产精品一区在线| 18禁黄网站禁片免费观看直播| 欧美色视频一区免费| 中文字幕精品免费在线观看视频| 亚洲av美国av| 成人三级做爰电影| 人人妻,人人澡人人爽秒播| 十八禁人妻一区二区| 欧美激情久久久久久爽电影| 亚洲第一青青草原| 狂野欧美激情性xxxx| 999久久久国产精品视频| 男人的好看免费观看在线视频 | 中文字幕高清在线视频| 黄片小视频在线播放| 免费看日本二区| 人人妻,人人澡人人爽秒播| 国产av又大| 精品国产亚洲在线| 99riav亚洲国产免费| 岛国在线观看网站| 国产精品av久久久久免费| 欧美一级a爱片免费观看看 | 久久精品人妻少妇| 欧美乱妇无乱码| 麻豆成人av在线观看| 色播亚洲综合网| 欧美精品啪啪一区二区三区| 久久精品影院6| 日本在线视频免费播放| 神马国产精品三级电影在线观看 | 欧美zozozo另类| 久久精品亚洲精品国产色婷小说| 成人免费观看视频高清| 中文字幕久久专区| 他把我摸到了高潮在线观看| 国产精品亚洲av一区麻豆| 亚洲成人免费电影在线观看| 欧美在线一区亚洲| 亚洲自偷自拍图片 自拍| 国产精品爽爽va在线观看网站 | 国产精品免费视频内射| 久久精品国产亚洲av高清一级| 99久久99久久久精品蜜桃| 国产一区二区在线av高清观看| 国产在线精品亚洲第一网站| 国产免费av片在线观看野外av| 久久草成人影院| 国产av在哪里看| 男人操女人黄网站| 黑人巨大精品欧美一区二区mp4| 亚洲aⅴ乱码一区二区在线播放 | 亚洲男人的天堂狠狠| 国产亚洲精品久久久久久毛片| 中文字幕另类日韩欧美亚洲嫩草| 制服人妻中文乱码| 亚洲全国av大片| 在线观看免费日韩欧美大片| av免费在线观看网站| 满18在线观看网站| 国产精品亚洲美女久久久| videosex国产| 99精品在免费线老司机午夜| 国产精品免费一区二区三区在线| 午夜久久久在线观看| 精品久久久久久,| 黄色片一级片一级黄色片| 国产一区二区三区视频了| 18禁裸乳无遮挡免费网站照片 | 男女下面进入的视频免费午夜 | 精品欧美一区二区三区在线| www.999成人在线观看| 人人澡人人妻人| 精品国产美女av久久久久小说|