• <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 ?

    基于深度學(xué)習(xí)的車標(biāo)檢測(cè)算法研究

    2022-05-25 09:24:46薄純娟
    關(guān)鍵詞:車標(biāo)尺度邊界

    薛 超,薄純娟,王 欣

    (1.大連民族大學(xué) a.機(jī)電工程學(xué)院;b.信息與通信工程學(xué)院,遼寧 大連 116005;2.大連鐵路中學(xué),遼寧 大連 116021)

    目標(biāo)檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域的分支,主要工作是從圖像中找到特定的目標(biāo)并進(jìn)行準(zhǔn)確地標(biāo)注,根據(jù)選定數(shù)據(jù)集的不同,檢測(cè)算法可以檢測(cè)的目標(biāo)也不同。一方面,車標(biāo)作為日常生活中常見的目標(biāo),具有小尺度、形狀不定、受環(huán)境影響嚴(yán)重、種類繁多等特點(diǎn),如何針對(duì)目標(biāo)檢測(cè)算法進(jìn)行改進(jìn)以適應(yīng)這些特點(diǎn),是目標(biāo)檢測(cè)研究的一項(xiàng)熱門課題,因此車標(biāo)對(duì)于目標(biāo)檢測(cè)具有一定的學(xué)術(shù)研究?jī)r(jià)值;另一方面,車標(biāo)檢測(cè)對(duì)道路交通管理具有一定的幫助,通過結(jié)合車牌、車型、車標(biāo)等重要特征,可以快速定位相應(yīng)車輛,此外汽車廠商通過對(duì)交通錄像進(jìn)行車標(biāo)檢測(cè),可以輔助計(jì)算汽車品牌曝光度,因此車標(biāo)檢測(cè)具有一定的現(xiàn)實(shí)應(yīng)用意義。

    1 傳統(tǒng)車標(biāo)檢測(cè)方法

    傳統(tǒng)的車標(biāo)檢測(cè)算法多基于圖像處理,主要步驟包括:圖像預(yù)處理、窗口滑動(dòng)、特征提取、特征選擇、特征分類和后處理等。首先進(jìn)行圖像預(yù)處理,包括歸一化、高斯濾波、灰度化處理、邊緣檢測(cè)和二值化等操作;其次需要選定特征,根據(jù)待識(shí)別車標(biāo)的特征進(jìn)行手動(dòng)參數(shù)調(diào)整,目前常用的特征有Haar、LBP和HOG等;最后進(jìn)行分類器的訓(xùn)練。這類算法由于檢測(cè)效率較低,僅適用于靜態(tài)和簡(jiǎn)單場(chǎng)景下的車標(biāo)檢測(cè),同時(shí)可檢測(cè)的類別也較少。卷積神經(jīng)網(wǎng)絡(luò)[1]引入目標(biāo)檢測(cè)領(lǐng)域后,深度學(xué)習(xí)目標(biāo)檢測(cè)算法相比傳統(tǒng)算法檢測(cè)速度和精度均有所提升。根據(jù)算法過程的不同,目前深度學(xué)習(xí)目標(biāo)檢測(cè)算法可以分為一階段算法(one-stage)和二階段算法(two-stage)。一階段算法直接進(jìn)行候選框的分類與回歸,檢測(cè)速度較快但精度較低,如YOLO[2]、SSD[3]等;二階段算法首先會(huì)將候選框和背景相互分離,然后將對(duì)候選框進(jìn)行分類與回歸,由于算法分兩個(gè)步驟進(jìn)行,因此二階段算法檢測(cè)速度較慢但是精度更高,如Fast R-CNN[4]和Faster R-CNN[5]等。二階段算法在第二階段可以選擇性挑選樣本,因此正負(fù)樣本較為均衡,一階段算法則存在正負(fù)樣本不平衡的問題,Tsung-Yi等[6]提出Facal Loss方法,使得一階段算法能夠超越二階段算法。

    1.1 YOLOv3算法分析

    目前車標(biāo)檢測(cè)算法主要是基于主流目標(biāo)檢測(cè)算法進(jìn)行改進(jìn),而一階段算法由于其快速檢測(cè)的特性,更加適合進(jìn)行車標(biāo)檢測(cè),因此車標(biāo)檢測(cè)算法主要是基于一階段算法進(jìn)行改進(jìn)。YOLOv3[7]算法由于其高檢測(cè)速度,在車標(biāo)檢測(cè)領(lǐng)域被廣泛應(yīng)用,如王林等[8]基于YOLOv3進(jìn)行改進(jìn),將Darknet-53改換為層數(shù)更少的Darknet-19,同時(shí)減少預(yù)測(cè)層;阮祥偉等[9]基于YOLOv3提出NVLD算法,減少網(wǎng)絡(luò)層數(shù)的同時(shí)添加殘差學(xué)習(xí)模塊[10],最終在不增加參數(shù)的條件下提升網(wǎng)絡(luò)提取效果;LIU R K等[11]提出SSFPD算法,針對(duì)車標(biāo)小尺度檢測(cè)效果較差的問題,首次提出約束區(qū)域檢測(cè)和復(fù)制粘貼策略;馮佳明等[12]基于YOLOv3提出改進(jìn)算法YOLOv3-fass,一方面降低網(wǎng)絡(luò)通道數(shù),另一方面添加尺度跳連結(jié)構(gòu),減少網(wǎng)絡(luò)參數(shù)的同時(shí)提升特征融合效果。

    1.2 YOLOv4算法分析

    YOLOv4是Bochkovsky等[13]在2020年提出的一種對(duì)YOLOv3進(jìn)行改進(jìn)的算法,從輸入端到輸出端都應(yīng)用了大量技巧性算法,這些算法可分為兩類:一類是僅增加訓(xùn)練成本的算法(Bag of freebies),例如數(shù)據(jù)增強(qiáng)、標(biāo)簽平滑等;另一類是增加少量計(jì)算成本的算法(Bag of specials),例如增強(qiáng)接收域、空間注意力模塊等,性能上不論是訓(xùn)練階段還是檢測(cè)階段,YOLOv4相比YOLOv3都有一定提升。

    YOLOv4預(yù)測(cè)部分共有三個(gè)不同尺度的輸入層,有助于提升多尺度目標(biāo)檢測(cè)效果,然而車標(biāo)檢測(cè)面對(duì)的目標(biāo)大部分為中小尺度目標(biāo),對(duì)于多尺度敏感性較低;此外,車標(biāo)數(shù)據(jù)集圖片分辨率通常較低,對(duì)于層數(shù)較多的網(wǎng)絡(luò)結(jié)構(gòu),車標(biāo)特征相對(duì)難以學(xué)習(xí),同時(shí)過于復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)會(huì)增加大量計(jì)算成本,降低檢測(cè)速度。針對(duì)上述問題,本文針對(duì)YOLOv4算法進(jìn)行改進(jìn),使其更好地應(yīng)用于車標(biāo)檢測(cè)。

    2 算法設(shè)計(jì)

    2.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

    現(xiàn)實(shí)場(chǎng)景中車標(biāo)通常為小尺度目標(biāo),同時(shí)考慮車標(biāo)數(shù)據(jù)集分辨率不高的情況,本文選取層數(shù)較少的Tiny-Darknet作為改進(jìn)算法的特征提取網(wǎng)絡(luò)。Tiny-Darknet的優(yōu)勢(shì)是網(wǎng)絡(luò)層數(shù)少、檢測(cè)速度快,相比CSP-Darknet53的104層網(wǎng)絡(luò)結(jié)構(gòu),它只有22層,擁有更少的模型參數(shù),更快的檢測(cè)速度。本文對(duì)兩種網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了對(duì)比實(shí)驗(yàn),結(jié)果見表1。

    表1 網(wǎng)絡(luò)結(jié)構(gòu)對(duì)比實(shí)驗(yàn)結(jié)果

    補(bǔ)充FPS與mAP@0.75的含義。從表1可以得知,Tiny-Darknet相比CSP-Darknet53檢測(cè)速度增加兩倍,精度僅下降4.81%,因此本文選擇Tiny-Darknet作為本文算法的特征提取網(wǎng)絡(luò)。

    輸入圖像經(jīng)過多層卷積后,選擇26×26和52×52兩種尺度的特征圖進(jìn)行融合操作。首先對(duì)26×26特征圖進(jìn)行上采樣操作,然后與52×52特征圖進(jìn)行向量拼接,得到拼接后的52×52特征圖作為預(yù)測(cè)層之一;上一步拼接后的52×52特征圖經(jīng)過卷積降維后與26×26特征圖進(jìn)行向量拼接,作為預(yù)測(cè)層之一。經(jīng)過自底向上和自頂向下兩次特征融合操作后,形成PAN網(wǎng)絡(luò)[14],提升特征圖所含的特征信息,最后選取中尺度(52×52)和小尺度(26×26)特征圖進(jìn)行預(yù)測(cè),滿足現(xiàn)實(shí)場(chǎng)景中車標(biāo)的特點(diǎn),改進(jìn)后網(wǎng)絡(luò)結(jié)構(gòu)如圖1。

    圖1 改進(jìn)后網(wǎng)絡(luò)結(jié)構(gòu)圖

    2.2 改進(jìn)損失函數(shù)

    模型訓(xùn)練過程中會(huì)產(chǎn)生許多預(yù)測(cè)框,算法會(huì)根據(jù)預(yù)先設(shè)定好的閾值計(jì)算預(yù)測(cè)框與真實(shí)框的交并比(Intersection over Union ,IoU),大于閾值為正樣本,小于閾值為負(fù)樣本。實(shí)際上,負(fù)樣本的數(shù)量往往遠(yuǎn)多于正樣本,根據(jù)本文改進(jìn)后的網(wǎng)絡(luò)模型,當(dāng)輸入圖像尺寸為416×416時(shí),會(huì)產(chǎn)生10 140個(gè)先驗(yàn)框,而對(duì)于車標(biāo)數(shù)據(jù)集,每張圖片通常只包含一個(gè)目標(biāo),多數(shù)預(yù)測(cè)框不包含目標(biāo),正樣本的數(shù)量遠(yuǎn)低于負(fù)樣本,正負(fù)樣本不平衡的問題更加嚴(yán)重。Focal loss[6]可以通過調(diào)整權(quán)重參數(shù),降低負(fù)樣本的損失權(quán)重,因此本文在損失函數(shù)中添加Focal loss調(diào)整負(fù)樣本比例,從而改善車標(biāo)訓(xùn)練過程中正負(fù)樣本失衡的問題。YOLOv4中引入Focal loss的損失函數(shù)如公式(1):

    (1)

    2.3 K均值重構(gòu)初始Anchors

    基于錨框的檢測(cè)算法為加快邊界框回歸速度,在訓(xùn)練之前需根據(jù)數(shù)據(jù)集的不同手動(dòng)設(shè)置初始先驗(yàn)框。針對(duì)本文采用的數(shù)據(jù)集,實(shí)驗(yàn)前采用K均值聚類算法計(jì)算不同聚類數(shù)量下對(duì)應(yīng)的平均交并比,具體結(jié)果如圖2。

    圖2 聚類數(shù)量與IoU變化圖

    從圖2可以看出,平均IoU值在聚類個(gè)數(shù)為3之后增長(zhǎng)逐漸放緩,因此本文實(shí)驗(yàn)選擇聚類個(gè)數(shù)為3,初始Anchor Boxes設(shè)為:(11,12);(16,21);(29,30)。

    2.4 調(diào)整邊界框過濾規(guī)則

    基于錨框的算法在最終檢測(cè)階段會(huì)產(chǎn)生許多分?jǐn)?shù)不同的邊界框(Bounding Box),對(duì)于一個(gè)檢測(cè)目標(biāo)可能會(huì)檢測(cè)出多個(gè)邊界框,而最終檢測(cè)結(jié)果只需其中一個(gè)。Neubeck等[15]提出非極大值抑制算法(Non-Maximum Suppression,NMS)可以過濾掉多余邊界框,僅保留精度最高的邊界框作為檢測(cè)結(jié)果。NMS先計(jì)算邊界框之間的IoU值,然后手動(dòng)設(shè)定閾值進(jìn)行過濾。為解決上述問題,本文算法采用DIoU_NMS[16]作為邊界框過濾策略,DIoU是在IoU的基礎(chǔ)上添加邊界框中心點(diǎn)信息,當(dāng)兩個(gè)邊界框IoU值較大而中心點(diǎn)距離較遠(yuǎn)時(shí),DIoU_NMS不會(huì)將其過濾,從而避免漏檢的情況。DIoU_NMS計(jì)算公式如下:

    (2)

    (3)

    式中,d和c分別表示兩個(gè)邊界框的中心點(diǎn)距離和斜對(duì)角距離,通過調(diào)整β可以控制d和c的比值大小。當(dāng)β值趨近于+∞時(shí),DIoU逐漸轉(zhuǎn)為IoU;而β值等于0時(shí),與目標(biāo)中心點(diǎn)不重合的邊界框會(huì)都得到保留,因此β的選擇將直接影響最終檢測(cè)結(jié)果。

    2.5 數(shù)據(jù)集

    本文實(shí)驗(yàn)采用車標(biāo)數(shù)據(jù)集VLD-45-B[17],該數(shù)據(jù)集共有45個(gè)類別,如圖3。每個(gè)類別含有1 000張照片,共45 000張照片,所有圖片均采用現(xiàn)實(shí)場(chǎng)景中的車標(biāo)圖片,因此該數(shù)據(jù)集可以較好地模擬現(xiàn)實(shí)中車標(biāo)檢測(cè)場(chǎng)景。本次實(shí)驗(yàn)將數(shù)據(jù)集劃分為3 6000張訓(xùn)練圖片和9 000張測(cè)試圖片。

    圖3 VLD-45-B數(shù)據(jù)集 車標(biāo)類別圖片

    3 實(shí)驗(yàn)與分析

    3.1 實(shí)驗(yàn)平臺(tái)

    實(shí)驗(yàn)硬件環(huán)境為:CPU,Intel i5-10400F;GPU,NVIDIA Geforce RTX 2070;軟件環(huán)境為DarkNet框架,Cuda 10.1,cuDNN 7.6.5,OpenCV 4.3.0。

    3.2 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析

    實(shí)驗(yàn)共分為三個(gè)階段。

    (1)輸入尺寸對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)選取320×320、416×416和512×512三種輸入尺寸作為變量,測(cè)試模型精度與檢測(cè)速度,實(shí)驗(yàn)結(jié)果見表2。

    表中BFLOPs(Billion Float Operations)表示模型需要計(jì)算十億次浮點(diǎn)運(yùn)算的個(gè)數(shù),可表示模型參數(shù)的復(fù)雜度。從表2可以看出,320×320的輸入尺寸雖然模型參數(shù)較少,檢測(cè)速度最快,但精度較差;當(dāng)輸入尺寸為512×512時(shí),BFLOPs相比320×320增加近一倍多,檢測(cè)速度同時(shí)降低,最終檢測(cè)精度最高,但是mAP@0.75相比416×416輸入尺寸僅僅提升1.4%,BFLOPs卻增加51%,為平衡檢測(cè)準(zhǔn)確率和檢測(cè)速度,本文算法采用416×416作為模型輸入尺寸。

    表2 輸入尺寸實(shí)驗(yàn)結(jié)果

    (2)邊界框過濾策略對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)分別采取NMS和DIoU_NMS兩種過濾策略,同時(shí)對(duì)DIoU_NMS計(jì)算公式(3)中的參數(shù)進(jìn)行調(diào)整,根據(jù)結(jié)果選擇最佳的邊界框過濾策略,實(shí)驗(yàn)結(jié)果如圖4。

    圖4 NMS對(duì)比實(shí)驗(yàn)結(jié)果圖

    從圖4可以看出,當(dāng)采用DIoU_NMS過濾策略時(shí),mAP@0.75相比普通NMS提高約1%,表明DIoU_NMS可以明顯提升模型精度;當(dāng)參數(shù)值設(shè)定為0.2時(shí),可以達(dá)到最佳的檢測(cè)精度,此時(shí)相比普通NMS過濾策略mAP@0.75提升接近2%。因此本文算法選取DIoU_NMS作為算法邊界框過濾規(guī)則,同時(shí)調(diào)整值為0.2。

    (3)經(jīng)典算法對(duì)比實(shí)驗(yàn)。本文實(shí)驗(yàn)選取了YOLOv3、YOLOv4、SSD300、Faster R-CNN和RetinaNet五種經(jīng)典算法與本文改進(jìn)后的算法進(jìn)行對(duì)比測(cè)試。

    對(duì)比實(shí)驗(yàn)中,F(xiàn)aster-RCNN和RetinaNet兩種算法均采用ResNet-50作為特征提取網(wǎng)絡(luò),同時(shí)添加FPN[18]進(jìn)行特征圖增強(qiáng);YOLOv3-SPP是YOLOv3添加SPP層[19]之后的模型,本次實(shí)驗(yàn)也將其作為對(duì)比算法;SSD300采用300×300作為輸入尺寸,其余算法均采用416×416作為輸入尺寸;訓(xùn)練輪數(shù)統(tǒng)一設(shè)置為90 000輪,batch size設(shè)置為16,最終實(shí)驗(yàn)結(jié)果見表3。

    表3 車標(biāo)檢測(cè)算法對(duì)比

    從表3可得知,YOLOv4相比YOLOv3在車標(biāo)檢測(cè)精度上有少量提升,模型參數(shù)卻更少,得益于層數(shù)更少的特征提取網(wǎng)絡(luò)和減少的輸出層,本文算法參數(shù)計(jì)算量較YOLOv4有所下降,最終檢測(cè)速度高于其他算法;通過對(duì)特征圖多次融合豐富特征信息、預(yù)設(shè)先驗(yàn)框、改進(jìn)損失函數(shù)和調(diào)整邊界框過濾規(guī)則操作后,本文算法雖參數(shù)更少,但精度仍保持較高水平,其中閾值要求更嚴(yán)格的mAP@0.75達(dá)到80.57%,準(zhǔn)確率提升較為明顯。部分檢測(cè)效果如圖5。

    圖5 部分檢測(cè)效果圖

    4 結(jié) 語

    本文提出一種基于YOLOv4的改進(jìn)型車標(biāo)檢測(cè)算法,采用層數(shù)較少的網(wǎng)絡(luò)結(jié)構(gòu),并對(duì)特征圖進(jìn)行多次跨緯度融合,極大地豐富了預(yù)測(cè)層特征圖語義信息,選擇中尺度和小尺度特征圖輸入到檢測(cè)層;改進(jìn)損失函數(shù)以緩解正負(fù)樣本不平衡問題;預(yù)設(shè)更加適合車標(biāo)數(shù)據(jù)集的先驗(yàn)框,從而加快模型收斂速度;選擇最優(yōu)邊界框過濾規(guī)則并手動(dòng)調(diào)整參數(shù)進(jìn)一步提高模型精度。實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的算法相比經(jīng)典算法檢測(cè)速度大幅提升,同時(shí)也提高了檢測(cè)準(zhǔn)確率。由于本文算法更加注重檢測(cè)中小尺度車標(biāo),隨著目標(biāo)尺度增大,檢測(cè)效果會(huì)逐漸降低,之后的研究將在增加多尺度車標(biāo)數(shù)據(jù)集的同時(shí),進(jìn)一步改進(jìn)算法使其更好地適應(yīng)多尺度車標(biāo)檢測(cè)。

    猜你喜歡
    車標(biāo)尺度邊界
    勞斯萊斯“歡慶女神”車標(biāo)換代升級(jí)
    世界汽車(2022年3期)2022-05-23 13:42:30
    拓展閱讀的邊界
    財(cái)產(chǎn)的五大尺度和五重應(yīng)對(duì)
    論中立的幫助行為之可罰邊界
    基于Edge Boxes的大型車輛車標(biāo)檢測(cè)與識(shí)別
    瘋狂的車標(biāo)
    家庭百事通(2017年8期)2017-08-12 00:17:32
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    雷人的車標(biāo)
    9
    “偽翻譯”:“翻譯”之邊界行走者
    黄色视频不卡| 国产午夜精品一二区理论片| h视频一区二区三区| 性高湖久久久久久久久免费观看| 国产熟女午夜一区二区三区| av天堂久久9| 超碰成人久久| 丝袜喷水一区| 亚洲七黄色美女视频| 亚洲欧美成人综合另类久久久| 天美传媒精品一区二区| 老司机在亚洲福利影院| 国产精品久久久人人做人人爽| 欧美xxⅹ黑人| 熟女少妇亚洲综合色aaa.| 最近手机中文字幕大全| 精品人妻一区二区三区麻豆| 国产伦人伦偷精品视频| 777米奇影视久久| 无限看片的www在线观看| 亚洲图色成人| 成人亚洲精品一区在线观看| 午夜av观看不卡| 国产人伦9x9x在线观看| 亚洲精品在线美女| 黄色视频不卡| 色婷婷av一区二区三区视频| 99久久99久久久精品蜜桃| 亚洲精品国产av蜜桃| 一本一本久久a久久精品综合妖精| 男女边摸边吃奶| 午夜久久久在线观看| 女性被躁到高潮视频| 亚洲成人免费av在线播放| 90打野战视频偷拍视频| 桃花免费在线播放| 亚洲一区中文字幕在线| 一区福利在线观看| 欧美日韩成人在线一区二区| 免费观看性生交大片5| 妹子高潮喷水视频| 人妻一区二区av| av在线观看视频网站免费| 欧美精品av麻豆av| 国产成人欧美| 黄片小视频在线播放| 国产高清不卡午夜福利| 国产欧美亚洲国产| 久久韩国三级中文字幕| 一二三四中文在线观看免费高清| 搡老乐熟女国产| 亚洲精品久久午夜乱码| 亚洲成人手机| 日韩免费高清中文字幕av| 国产 精品1| 最近的中文字幕免费完整| 国产精品国产三级国产专区5o| 超碰97精品在线观看| 精品人妻一区二区三区麻豆| 美女中出高潮动态图| 少妇被粗大的猛进出69影院| 99国产精品免费福利视频| 中文字幕另类日韩欧美亚洲嫩草| 亚洲av国产av综合av卡| e午夜精品久久久久久久| 99九九在线精品视频| 韩国精品一区二区三区| 男女免费视频国产| 搡老乐熟女国产| 性色av一级| 人妻一区二区av| 国产精品一国产av| 久久青草综合色| 亚洲专区中文字幕在线 | 在线观看免费日韩欧美大片| 国精品久久久久久国模美| 久久久久久久大尺度免费视频| 国产在线视频一区二区| 七月丁香在线播放| 日本欧美国产在线视频| 久久婷婷青草| 亚洲天堂av无毛| 久久久久久久精品精品| 在线观看人妻少妇| 日韩av不卡免费在线播放| 欧美少妇被猛烈插入视频| 亚洲欧美日韩另类电影网站| 熟女av电影| 亚洲美女黄色视频免费看| 日本av手机在线免费观看| 亚洲国产成人一精品久久久| 男女之事视频高清在线观看 | 久久ye,这里只有精品| 精品少妇一区二区三区视频日本电影 | 超碰97精品在线观看| 另类亚洲欧美激情| 国产黄色视频一区二区在线观看| 午夜久久久在线观看| 欧美中文综合在线视频| 啦啦啦在线免费观看视频4| 97人妻天天添夜夜摸| 国产深夜福利视频在线观看| 女性生殖器流出的白浆| 一区二区av电影网| 毛片一级片免费看久久久久| 99久久人妻综合| 99精国产麻豆久久婷婷| av片东京热男人的天堂| 9191精品国产免费久久| 极品少妇高潮喷水抽搐| 中文字幕人妻丝袜制服| 日韩一卡2卡3卡4卡2021年| 亚洲国产最新在线播放| 女人高潮潮喷娇喘18禁视频| 香蕉丝袜av| 国产精品人妻久久久影院| 日本欧美国产在线视频| 久久97久久精品| 亚洲国产最新在线播放| 成年人午夜在线观看视频| 久久久精品区二区三区| 如何舔出高潮| 欧美在线黄色| 亚洲成av片中文字幕在线观看| 午夜福利免费观看在线| 交换朋友夫妻互换小说| 午夜av观看不卡| 久久久久国产一级毛片高清牌| 国产人伦9x9x在线观看| 午夜日韩欧美国产| 老司机影院成人| 午夜精品国产一区二区电影| kizo精华| 永久免费av网站大全| 欧美另类一区| 亚洲精品中文字幕在线视频| 99精国产麻豆久久婷婷| av天堂久久9| 欧美 日韩 精品 国产| 色网站视频免费| 美女扒开内裤让男人捅视频| 婷婷成人精品国产| 国产男女超爽视频在线观看| 国产男女内射视频| 久久久久久人人人人人| 纵有疾风起免费观看全集完整版| 最近中文字幕高清免费大全6| 亚洲精品一区蜜桃| 男的添女的下面高潮视频| 久久热在线av| 欧美av亚洲av综合av国产av | 亚洲一区中文字幕在线| 国产成人精品福利久久| 男女边吃奶边做爰视频| 妹子高潮喷水视频| 国产男女超爽视频在线观看| 日本猛色少妇xxxxx猛交久久| 久久久久久免费高清国产稀缺| 亚洲成色77777| 自拍欧美九色日韩亚洲蝌蚪91| 九色亚洲精品在线播放| 成人免费观看视频高清| 久久久精品94久久精品| 97在线人人人人妻| 久久精品亚洲av国产电影网| 超碰成人久久| 欧美黑人欧美精品刺激| 亚洲综合色网址| 国产日韩欧美视频二区| 亚洲欧美精品自产自拍| 爱豆传媒免费全集在线观看| 精品少妇久久久久久888优播| 免费观看人在逋| 国产极品天堂在线| 狂野欧美激情性xxxx| 日本爱情动作片www.在线观看| 曰老女人黄片| 天天躁夜夜躁狠狠躁躁| 久久婷婷青草| 夫妻性生交免费视频一级片| 美女脱内裤让男人舔精品视频| 午夜福利网站1000一区二区三区| 午夜福利网站1000一区二区三区| 超色免费av| 欧美少妇被猛烈插入视频| 热99国产精品久久久久久7| 国产精品一区二区精品视频观看| 在线观看人妻少妇| 国产男女超爽视频在线观看| 久久精品久久久久久噜噜老黄| 日韩成人av中文字幕在线观看| 亚洲成人免费av在线播放| 十八禁人妻一区二区| 精品国产国语对白av| 80岁老熟妇乱子伦牲交| 色吧在线观看| 国产日韩欧美视频二区| 久久精品国产亚洲av高清一级| 精品一区二区三区av网在线观看 | 精品国产露脸久久av麻豆| 国产精品 欧美亚洲| 纯流量卡能插随身wifi吗| 亚洲一码二码三码区别大吗| 9191精品国产免费久久| 国产又色又爽无遮挡免| 极品人妻少妇av视频| 一级黄片播放器| 亚洲成人av在线免费| 国产片内射在线| 日韩制服丝袜自拍偷拍| 两性夫妻黄色片| 一区二区三区乱码不卡18| 久久亚洲国产成人精品v| 日日撸夜夜添| 妹子高潮喷水视频| a级毛片在线看网站| 色播在线永久视频| 久久久欧美国产精品| 99久久精品国产亚洲精品| 国产精品国产三级国产专区5o| 美女脱内裤让男人舔精品视频| 丰满迷人的少妇在线观看| 午夜福利视频在线观看免费| 99香蕉大伊视频| 一边摸一边抽搐一进一出视频| 啦啦啦 在线观看视频| 国产男女内射视频| 一个人免费看片子| 别揉我奶头~嗯~啊~动态视频 | 国产免费一区二区三区四区乱码| 午夜免费男女啪啪视频观看| 亚洲av福利一区| 欧美日韩亚洲高清精品| 免费人妻精品一区二区三区视频| 亚洲精品日本国产第一区| 久久久久精品人妻al黑| 国产高清国产精品国产三级| 美女午夜性视频免费| 日韩伦理黄色片| 亚洲欧美精品综合一区二区三区| 欧美日韩一区二区视频在线观看视频在线| av又黄又爽大尺度在线免费看| 亚洲欧美一区二区三区国产| 日韩 欧美 亚洲 中文字幕| 免费在线观看视频国产中文字幕亚洲 | 99久久人妻综合| 在线观看免费视频网站a站| 亚洲国产精品一区二区三区在线| 在线看a的网站| 操美女的视频在线观看| 日韩欧美一区视频在线观看| 日韩人妻精品一区2区三区| 少妇猛男粗大的猛烈进出视频| 男女午夜视频在线观看| 伊人亚洲综合成人网| 久久久久久久精品精品| 精品人妻一区二区三区麻豆| 午夜日本视频在线| 国产精品亚洲av一区麻豆 | 国产精品一区二区在线观看99| 大片电影免费在线观看免费| 午夜福利影视在线免费观看| 亚洲成人免费av在线播放| 男女边摸边吃奶| 中文字幕最新亚洲高清| 国产亚洲av片在线观看秒播厂| 久久免费观看电影| 亚洲av电影在线观看一区二区三区| 老司机亚洲免费影院| 欧美老熟妇乱子伦牲交| 亚洲av男天堂| 女性被躁到高潮视频| 日本欧美视频一区| 婷婷色麻豆天堂久久| 天美传媒精品一区二区| 熟妇人妻不卡中文字幕| 亚洲第一区二区三区不卡| 亚洲国产中文字幕在线视频| 亚洲精品在线美女| 色94色欧美一区二区| 精品一区二区免费观看| 婷婷色综合www| 国产午夜精品一二区理论片| 久久性视频一级片| 男男h啪啪无遮挡| 在线观看人妻少妇| 美女大奶头黄色视频| 黄片播放在线免费| 亚洲专区中文字幕在线 | 咕卡用的链子| 两个人免费观看高清视频| 青草久久国产| 9191精品国产免费久久| 午夜免费观看性视频| 日本午夜av视频| 欧美国产精品一级二级三级| 人人妻人人澡人人看| 校园人妻丝袜中文字幕| 自线自在国产av| 欧美xxⅹ黑人| 大片电影免费在线观看免费| 午夜激情av网站| 99国产精品免费福利视频| 欧美日韩一级在线毛片| 国语对白做爰xxxⅹ性视频网站| 少妇精品久久久久久久| a级毛片在线看网站| 校园人妻丝袜中文字幕| 十八禁高潮呻吟视频| 国产精品久久久久久人妻精品电影 | 观看av在线不卡| 又黄又粗又硬又大视频| 尾随美女入室| 亚洲av成人精品一二三区| 五月天丁香电影| 亚洲成av片中文字幕在线观看| 狂野欧美激情性xxxx| 国产乱来视频区| 国产精品.久久久| 日本色播在线视频| 制服人妻中文乱码| 国语对白做爰xxxⅹ性视频网站| 国产精品秋霞免费鲁丝片| 精品少妇久久久久久888优播| 丝瓜视频免费看黄片| 男女下面插进去视频免费观看| 青春草亚洲视频在线观看| 熟妇人妻不卡中文字幕| 成人毛片60女人毛片免费| 黄色怎么调成土黄色| 无遮挡黄片免费观看| 亚洲av国产av综合av卡| 少妇猛男粗大的猛烈进出视频| 国产免费又黄又爽又色| 欧美精品一区二区免费开放| 精品国产国语对白av| 亚洲视频免费观看视频| 久久这里只有精品19| 在线免费观看不下载黄p国产| 亚洲av日韩精品久久久久久密 | 欧美xxⅹ黑人| 卡戴珊不雅视频在线播放| 亚洲国产看品久久| 亚洲欧洲国产日韩| 女的被弄到高潮叫床怎么办| 黄片无遮挡物在线观看| 亚洲熟女毛片儿| 亚洲精品久久久久久婷婷小说| 一二三四在线观看免费中文在| 人成视频在线观看免费观看| 9热在线视频观看99| 午夜福利网站1000一区二区三区| 黄色视频在线播放观看不卡| 日韩av在线免费看完整版不卡| 老司机在亚洲福利影院| 亚洲精品日韩在线中文字幕| 久久久久国产精品人妻一区二区| 久久99精品国语久久久| 999精品在线视频| 亚洲色图 男人天堂 中文字幕| 黄网站色视频无遮挡免费观看| 这个男人来自地球电影免费观看 | 免费在线观看黄色视频的| 久久久久久久大尺度免费视频| 免费观看a级毛片全部| 免费看av在线观看网站| av福利片在线| 亚洲国产精品国产精品| 99热网站在线观看| 亚洲成人免费av在线播放| 日韩大片免费观看网站| 男人添女人高潮全过程视频| 久久久精品94久久精品| 久久av网站| 人人澡人人妻人| 亚洲国产精品999| 丰满迷人的少妇在线观看| 欧美黄色片欧美黄色片| 看免费av毛片| 久久女婷五月综合色啪小说| 婷婷色综合www| av.在线天堂| 不卡av一区二区三区| 大话2 男鬼变身卡| 97人妻天天添夜夜摸| 男女边摸边吃奶| 亚洲精品成人av观看孕妇| 国产精品国产三级专区第一集| 麻豆乱淫一区二区| 国产一区二区三区av在线| 老汉色∧v一级毛片| 日本色播在线视频| 午夜精品国产一区二区电影| 国产一区二区在线观看av| 老熟女久久久| 精品午夜福利在线看| 精品一区二区三卡| av一本久久久久| 18禁国产床啪视频网站| 亚洲 欧美一区二区三区| 亚洲国产日韩一区二区| 午夜日韩欧美国产| 男女免费视频国产| 一级a爱视频在线免费观看| 国产极品天堂在线| 亚洲精品国产区一区二| 性色av一级| 日本色播在线视频| 日日啪夜夜爽| 国产精品人妻久久久影院| 国产精品香港三级国产av潘金莲 | av女优亚洲男人天堂| 美女大奶头黄色视频| 在线免费观看不下载黄p国产| 婷婷色麻豆天堂久久| 国产日韩欧美视频二区| 日本午夜av视频| 在线亚洲精品国产二区图片欧美| 久久久精品国产亚洲av高清涩受| 午夜影院在线不卡| 国产亚洲最大av| 久久天堂一区二区三区四区| 人人妻人人添人人爽欧美一区卜| 九草在线视频观看| 夜夜骑夜夜射夜夜干| 久久99一区二区三区| 亚洲欧美精品综合一区二区三区| 国产精品一国产av| 亚洲美女搞黄在线观看| xxx大片免费视频| 久久精品aⅴ一区二区三区四区| 伦理电影免费视频| 欧美激情极品国产一区二区三区| 午夜福利影视在线免费观看| 天天躁夜夜躁狠狠久久av| 国产精品一二三区在线看| 别揉我奶头~嗯~啊~动态视频 | 国产精品久久久久久精品古装| 99热国产这里只有精品6| 高清在线视频一区二区三区| 大片电影免费在线观看免费| 欧美黄色片欧美黄色片| 黄片播放在线免费| 免费高清在线观看日韩| 国产精品久久久久久精品电影小说| 又大又爽又粗| 国产欧美日韩一区二区三区在线| 各种免费的搞黄视频| 久久精品aⅴ一区二区三区四区| 久久影院123| 国产在线免费精品| 欧美 亚洲 国产 日韩一| 中文天堂在线官网| 在线观看www视频免费| 亚洲欧洲国产日韩| 日韩电影二区| 综合色丁香网| 美女脱内裤让男人舔精品视频| 美女国产高潮福利片在线看| 在线观看免费日韩欧美大片| 久久精品国产a三级三级三级| 中文精品一卡2卡3卡4更新| 狠狠精品人妻久久久久久综合| 欧美人与性动交α欧美精品济南到| 美女国产高潮福利片在线看| 亚洲欧美精品自产自拍| 99九九在线精品视频| 日韩,欧美,国产一区二区三区| 免费av中文字幕在线| 国产日韩欧美在线精品| 中国国产av一级| 女性生殖器流出的白浆| 久久久久网色| 亚洲色图 男人天堂 中文字幕| 伊人久久国产一区二区| 一级毛片 在线播放| 涩涩av久久男人的天堂| 久久精品人人爽人人爽视色| 欧美在线一区亚洲| 午夜91福利影院| 国产精品av久久久久免费| 久久久久久久精品精品| a级片在线免费高清观看视频| 亚洲成国产人片在线观看| 亚洲精品在线美女| 伦理电影大哥的女人| 99久久99久久久精品蜜桃| 黑丝袜美女国产一区| 9191精品国产免费久久| 国产日韩欧美亚洲二区| 成人国产麻豆网| 九九爱精品视频在线观看| 国产一区二区在线观看av| 男人舔女人的私密视频| 日韩制服骚丝袜av| 国产成人欧美| 亚洲精品久久久久久婷婷小说| 久久久精品区二区三区| 国产精品 国内视频| 国产精品99久久99久久久不卡 | 国产成人免费无遮挡视频| 黄色一级大片看看| 亚洲,一卡二卡三卡| 亚洲,欧美,日韩| 午夜久久久在线观看| 久久毛片免费看一区二区三区| 欧美中文综合在线视频| 午夜免费观看性视频| 免费av中文字幕在线| 成人午夜精彩视频在线观看| 亚洲精品乱久久久久久| 涩涩av久久男人的天堂| 菩萨蛮人人尽说江南好唐韦庄| 女人被躁到高潮嗷嗷叫费观| 哪个播放器可以免费观看大片| 免费看av在线观看网站| 亚洲美女黄色视频免费看| 亚洲精品国产区一区二| 如日韩欧美国产精品一区二区三区| 一区二区三区激情视频| 亚洲美女黄色视频免费看| 丝袜在线中文字幕| 日本午夜av视频| 18禁观看日本| 久久免费观看电影| 中文字幕精品免费在线观看视频| 欧美日韩亚洲综合一区二区三区_| 亚洲国产最新在线播放| 香蕉丝袜av| 女性被躁到高潮视频| 母亲3免费完整高清在线观看| 97精品久久久久久久久久精品| 又大又爽又粗| 亚洲av综合色区一区| 免费观看a级毛片全部| 国产欧美日韩一区二区三区在线| 国产极品粉嫩免费观看在线| 国产淫语在线视频| 国产免费视频播放在线视频| 国产精品久久久久久人妻精品电影 | 波野结衣二区三区在线| 秋霞在线观看毛片| 最新在线观看一区二区三区 | 免费高清在线观看日韩| 欧美成人午夜精品| 一本—道久久a久久精品蜜桃钙片| 久久av网站| 免费在线观看视频国产中文字幕亚洲 | 久久毛片免费看一区二区三区| 99久久综合免费| 丝袜人妻中文字幕| 国产亚洲精品第一综合不卡| 亚洲国产精品一区三区| 黄频高清免费视频| 晚上一个人看的免费电影| 一边亲一边摸免费视频| 国产免费现黄频在线看| 久久人人爽人人片av| 最新在线观看一区二区三区 | 美女脱内裤让男人舔精品视频| 韩国高清视频一区二区三区| 日韩中文字幕视频在线看片| 国产一区二区三区综合在线观看| av女优亚洲男人天堂| 日韩不卡一区二区三区视频在线| 免费看不卡的av| 夜夜骑夜夜射夜夜干| 日本色播在线视频| 日韩一区二区视频免费看| 亚洲成人手机| 丝袜人妻中文字幕| 国产一区有黄有色的免费视频| 我的亚洲天堂| 永久免费av网站大全| 日韩制服丝袜自拍偷拍| 成人18禁高潮啪啪吃奶动态图| 国产伦人伦偷精品视频| 纯流量卡能插随身wifi吗| www.熟女人妻精品国产| 中文字幕另类日韩欧美亚洲嫩草| 黄色 视频免费看| 亚洲久久久国产精品| 国产精品嫩草影院av在线观看| 日本午夜av视频| 国产av一区二区精品久久| av电影中文网址| 日本午夜av视频| 午夜福利一区二区在线看| 一区二区三区乱码不卡18| 日本色播在线视频| 国产av一区二区精品久久| 女人爽到高潮嗷嗷叫在线视频| 欧美日韩视频精品一区| 男女无遮挡免费网站观看| 亚洲婷婷狠狠爱综合网| 两性夫妻黄色片| 在线观看免费视频网站a站| 99九九在线精品视频| 制服诱惑二区| 成年动漫av网址| netflix在线观看网站| 黄片无遮挡物在线观看| 久久婷婷青草| 精品久久久精品久久久| 美女主播在线视频| kizo精华| 老司机影院成人| 精品久久久久久电影网| 在线精品无人区一区二区三| 欧美精品亚洲一区二区| 成人国语在线视频| 五月开心婷婷网| 久久久精品区二区三区| 亚洲国产中文字幕在线视频| 国产有黄有色有爽视频|