• <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 ?

    改進(jìn)的SSD行人檢測(cè)算法

    2020-06-09 12:20:59姜敏王力王冬冬
    軟件 2020年2期
    關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)

    姜敏 王力 王冬冬

    摘 ?要: 針對(duì)行人檢測(cè)中檢測(cè)速度慢,不能實(shí)現(xiàn)實(shí)時(shí)性檢測(cè)的問(wèn)題,提出一種改進(jìn)的SSD(Single Shot MultiBox Detector)行人檢測(cè)算法。改進(jìn)網(wǎng)絡(luò)通過(guò)調(diào)整基礎(chǔ)網(wǎng)絡(luò)中卷積層的數(shù)量,去除冗余的卷積層,降低模型復(fù)雜度,提高檢測(cè)速度;不同尺度特征圖進(jìn)行預(yù)測(cè)之前加入殘差塊,進(jìn)一步提取特征,提高準(zhǔn)確率。提取PASCAL VOC數(shù)據(jù)集中的行人圖像和INRIA數(shù)據(jù)集形成混合數(shù)據(jù)集進(jìn)行訓(xùn)練,增加模型泛化性,實(shí)驗(yàn)證明本方法擁有較高的精度和較快的速度,具有良好的泛化性,滿足實(shí)時(shí)性要求。

    關(guān)鍵詞:?行人檢測(cè);單發(fā)多框檢測(cè)器;卷積神經(jīng)網(wǎng)絡(luò);深度殘差網(wǎng)絡(luò);深度學(xué)習(xí)

    中圖分類號(hào):?TP391.4????文獻(xiàn)標(biāo)識(shí)碼:?A????DOI:10.3969/j.issn.1003-6970.2020.02.012

    【Abstract】: To solve the problem that the detection speed is too slow to realize real-time detection in pedestrian detection, an improved SSD (Single Shot Multibox Detector) pedestrian detection algorithm is proposed. By adjusting the number of convolution layers in the basic network and removing the redundant convolution layers, the complexity of the model can be reduced and the detection speed can be improved. Residual blocks are added before different scale feature maps are predicted to further extract features and improve the accuracy. The person images of PASCAL VOC dataset are combined with INRIA dataset to form a mixed dataset for training, and the generalization of the model is increased. Experiments show that the method has high accuracy and speed, good generalization and real-time requirements.

    【Key words】: Pedestrian detection; SSD; Convolutional neural network; Deep residual network; Deep learning

    0??引言

    近年來(lái),隨著深度學(xué)習(xí)在在計(jì)算機(jī)視覺(jué)領(lǐng)域的成功應(yīng)用,目標(biāo)檢測(cè)也得到了快速發(fā)展。行人檢測(cè)是通用目標(biāo)檢測(cè)中一個(gè)典型且最具挑戰(zhàn)性的問(wèn)題,受到了社會(huì)各界的廣泛關(guān)注[1]。當(dāng)前的深度學(xué)習(xí)模型在追求高精度的同時(shí),導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜化,需要高性能的硬件設(shè)備才能完成相關(guān)研究,所以構(gòu)建輕量化網(wǎng)絡(luò),可以減少模型的計(jì)算開(kāi)銷,提升檢測(cè)速度,降低硬件成本。

    行人檢測(cè)技術(shù)可以分為基于手工設(shè)計(jì)特征的方法和基于深度學(xué)習(xí)網(wǎng)絡(luò)特征的方法。手工設(shè)計(jì)特征如方向梯度直方圖(Histogram Of Oriented Gradient, HOG)、局部二值模式(Local Binary Pattern, LBP)等方法能很好的表征姿態(tài)各異尺度多變的行人特征,可變型組建模型(Deformable Part Model, DPM)更是拿下了PASCAL VOC行人檢測(cè)挑戰(zhàn)賽2006年度的冠軍。但是這類特征也有很明顯的不足,特征依賴人工設(shè)計(jì),工作量大且對(duì)設(shè)計(jì)人的經(jīng)驗(yàn)要求高,設(shè)計(jì)的特征只局限于某幾種類型,對(duì)不同環(huán)境下的檢測(cè)任務(wù)不具有普適性。深度卷積神經(jīng)網(wǎng)絡(luò)作為一種能自動(dòng)直接從原始數(shù)據(jù)中提取抽象特征的特征提取器[2],在圖像處理、語(yǔ)音識(shí)別和自然語(yǔ)言處理等領(lǐng)域取得的成就引起廣泛關(guān)注。

    基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法可分為兩階段網(wǎng)絡(luò)和單階段網(wǎng)絡(luò)。兩階段網(wǎng)絡(luò)主要有R-CNN[3]、Fast R-CNN[4]、Faster R-CNN[5]、R-FCN[6]等,此類網(wǎng)絡(luò)在檢測(cè)精度方面表現(xiàn)優(yōu)異,但是在檢測(cè)速度方面由于模型復(fù)雜度高,網(wǎng)絡(luò)參數(shù)龐大使得檢測(cè)速度緩慢。而以YOLO(You Only Look Once)[7]和SSD[8]為代表的單階段網(wǎng)絡(luò),在檢測(cè)速度上有很大的優(yōu)勢(shì),尤其是SSD網(wǎng)絡(luò)檢測(cè)精度高,實(shí)時(shí)性好。但是SSD網(wǎng)絡(luò)復(fù)雜度依然很高,不容易訓(xùn)練,對(duì)小目標(biāo)的檢測(cè)性能不佳,容易造成漏檢和誤檢。針對(duì)以上問(wèn)題,本文基于原始SSD網(wǎng)絡(luò)框架,調(diào)整基礎(chǔ)網(wǎng)絡(luò)部分的卷積層數(shù)量,減少特征的計(jì)算量,提升模型檢測(cè)速度;在特征圖進(jìn)入檢測(cè)層之前融入殘差網(wǎng)絡(luò),進(jìn)一步融合特征,提高檢測(cè)準(zhǔn)確率。

    1 ?SSD算法

    1.1 ?SSD網(wǎng)絡(luò)結(jié)構(gòu)

    SSD算法作為一種優(yōu)秀的單階段通用目標(biāo)檢測(cè)

    算法,利用多尺度的檢測(cè)特性,使其能適應(yīng)大目標(biāo)和小目標(biāo)檢測(cè)任務(wù),SSD網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,基礎(chǔ)網(wǎng)絡(luò)部分保留了VGG-16[9]的前五組卷積層進(jìn)行淺層特征提取,隨后連接的是由VGG-16的前2個(gè)全連接層改成的卷積層即fc6層與fc7層,并額外增加4組卷積層,對(duì)淺層特征進(jìn)一步提取,新增的每一組卷積層由1?1大小的卷積核和3?3大小的卷積核組成,前者負(fù)責(zé)降通道,后者負(fù)責(zé)增通道。原始圖像經(jīng)過(guò)特征提取后,選取不同層的特征輸出進(jìn)行預(yù)測(cè),預(yù)測(cè)目標(biāo)框的位置偏移以及類別置信度,最后經(jīng)過(guò)loss層的非極大抑制(Non-Maximum Suppression, NMS)方式得到最終檢測(cè)結(jié)果。

    1.2 ?區(qū)域候選框的計(jì)算

    網(wǎng)絡(luò)中不同層次的特征圖具有不同的感受野(receptive field),即不同層次特征圖上的特征值對(duì)應(yīng)于原始圖像不同尺寸的圖像塊[10]。在不同尺度的特征圖上設(shè)置不同的縮放因子來(lái)調(diào)整區(qū)域候選框的大小,以適應(yīng)原始圖片上大小不一的目標(biāo)。假設(shè)選取個(gè)特征圖進(jìn)行預(yù)測(cè),則每個(gè)特征圖中的區(qū)域候選框的尺寸計(jì)算如下所示。

    2 ?改進(jìn)SSD算法

    2.1 ?基礎(chǔ)網(wǎng)絡(luò)部分

    SSD方法采用VGG-16作為基礎(chǔ)網(wǎng)絡(luò),網(wǎng)絡(luò)參數(shù)龐大,在特征提取過(guò)程中耗費(fèi)了大量時(shí)間,很大程度上增加了硬件開(kāi)銷,使檢測(cè)速度變慢,首先通過(guò)對(duì)基礎(chǔ)網(wǎng)絡(luò)部分的調(diào)整,以提高檢測(cè)實(shí)時(shí)性,調(diào)整后的網(wǎng)絡(luò)結(jié)構(gòu)表1所示。

    由表1中的參數(shù)與原始SSD的網(wǎng)絡(luò)參數(shù)對(duì)比可知,改進(jìn)的基礎(chǔ)網(wǎng)絡(luò)部分去除每一組卷積層中重復(fù)的卷積層,F(xiàn)c6和Fc7保持不變,額外增加一個(gè)卷積層Conv10,使卷積輸出的特征圖尺寸為1?1,新的每一個(gè)卷積組中只含有一個(gè)卷積層和一個(gè)池化層,在每一個(gè)卷積層后面量加入批量正則化BN(Batch Normalization)[11]層,平滑不同特征圖之間的偏差,以提高模型的魯棒性,BN層后使用非線性單元ReLU函數(shù)以加快模型的收斂。為了避免調(diào)整基礎(chǔ)網(wǎng)絡(luò)過(guò)后,特征提取不充分,模型的檢測(cè)精度受到影響,于是在作為預(yù)測(cè)輸入的特征圖進(jìn)入分類與回歸之前,加上深度殘差塊作為附加特征提取部分。

    2.2??附加特征提取部分

    深度殘差網(wǎng)絡(luò)(Resnet)[12]是2015年何凱明等人提出的由殘差塊(Resblock)堆疊而成的深度卷積神經(jīng)網(wǎng)絡(luò)模型,殘差塊有不同的結(jié)構(gòu)及其變體,這里遵循文獻(xiàn)[13]提出的關(guān)于殘差塊的設(shè)計(jì)思想,殘差塊的作用是學(xué)習(xí)高級(jí)抽象特征,而基礎(chǔ)網(wǎng)絡(luò)中包含的低級(jí)特征則在高級(jí)檢測(cè)信息中保持原封不動(dòng)。殘差塊的結(jié)構(gòu)圖如圖2所示。

    殘差塊中使用1?1大小的卷積核和3?3大小的卷積核交替連接,特征圖在第一個(gè)1?1大小卷積處進(jìn)行降維,在第二個(gè)1?1卷積處做了還原,3?3大小卷積層能很好的表示模型的淺層特征,1?1大小和3?3大小的卷積層交替連接使得卷積層的輸入輸出通道數(shù)都減小,參數(shù)數(shù)量進(jìn)一步減小,在殘差塊的層與層之間加入批量歸一化(BN)層和非線性激活函數(shù),增加特征的非線性表達(dá)。加入殘差塊可以提升SSD框架的檢測(cè)性能,解決基礎(chǔ)網(wǎng)絡(luò)輕量化帶來(lái)的精度退化問(wèn)題。

    2.3??改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)

    改進(jìn)SSD算法的整體網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示,在文獻(xiàn)[14]中為了節(jié)約計(jì)算開(kāi)銷,不。使用38?38大小的特征圖,但是會(huì)導(dǎo)致淺層特征提取不充分,所以這里與原始SSD類似,選取同樣大小的特征圖作為預(yù)測(cè)輸入,這里選取的是Conv4、Fc7、Conv7、Conv8、Conv9和Conv10,輸出尺度分別為38?38、19?19、10?10,5?5、3?3和1?1,原始圖片經(jīng)過(guò)基礎(chǔ)網(wǎng)絡(luò)進(jìn)行特征提取后,得到的不同尺度特征圖作為殘差塊的輸入,將殘差塊輸出的特征圖送入檢測(cè)層進(jìn)行分類與回歸。

    3??實(shí)驗(yàn)分析

    3.1??數(shù)據(jù)集

    INRIA數(shù)據(jù)集是目前使用最廣泛的靜態(tài)行人檢測(cè)數(shù)據(jù)集,有正樣本和負(fù)樣本兩部分,其中正樣本共有902張圖片,614張圖片作為訓(xùn)練集,包含行人樣本2416個(gè),288張圖片作為測(cè)試集,包含行人樣本1126個(gè),圖片中的人多為站立姿勢(shì)且高度大于100像素,數(shù)據(jù)集場(chǎng)景豐富,清晰度高,標(biāo)注準(zhǔn)確。

    PASCAL VOC數(shù)據(jù)集是極具代表性的目標(biāo)檢測(cè)數(shù)據(jù)集,很多經(jīng)典算法都在該數(shù)據(jù)上完成訓(xùn)練與驗(yàn)證,數(shù)據(jù)集包含20 個(gè)檢測(cè)類別,人是20個(gè)分類中的一個(gè),所以手動(dòng)提取VOC數(shù)據(jù)集中的行人圖片參與訓(xùn)練,提高模型的泛化性。

    采用幀率(frames per second, FPS)來(lái)評(píng)估模型的檢測(cè)速度,幀率也叫每秒檢測(cè)數(shù),等于處理一張圖片耗費(fèi)的時(shí)間的倒數(shù)。

    3.3??訓(xùn)練過(guò)程

    實(shí)驗(yàn)設(shè)備配置如下,CPU為Intel i7-8700,內(nèi)存為16G,操作系統(tǒng)為64位Windows 10,GPU型號(hào)為GTX1660Ti 6G顯卡,實(shí)驗(yàn)框架為keras 深度學(xué)習(xí)開(kāi)源框架。訓(xùn)練和驗(yàn)證損失如圖4所示。

    網(wǎng)絡(luò)訓(xùn)練使用優(yōu)化算法為Adam,初始學(xué)習(xí)率為0.0001,迭代75000次。從圖4的迭代損失圖中可以看出,隨著迭代次數(shù)的增加,訓(xùn)練損失在40000到次60000之間趨于平穩(wěn)下降,并在70000次左右趨于收斂,驗(yàn)證損失在60000次左右趨于收斂。

    3.4??實(shí)驗(yàn)結(jié)果與分析

    (1)混合數(shù)據(jù)集和單一數(shù)據(jù)集使用評(píng)估

    從VOC數(shù)據(jù)集中提取的行人圖片在這里叫做VOC person,將INRIA數(shù)據(jù)集和VOC person組成混合訓(xùn)練集共同訓(xùn)練,混合數(shù)據(jù)集中的驗(yàn)證集為VOC數(shù)據(jù)集中的person 驗(yàn)證集;INRIA數(shù)據(jù)集單獨(dú)訓(xùn)練,混合數(shù)據(jù)和單一數(shù)據(jù)均在INRIA的測(cè)試集上完成模型評(píng)估。

    由表2結(jié)果可以看出,測(cè)試集在兩個(gè)模型上的平均正確分別為88.5%和90.1%,混合數(shù)據(jù)集訓(xùn)練的模型在平均正確率上較單一數(shù)據(jù)集訓(xùn)練的模型有1.6%的提升,可見(jiàn)混合數(shù)據(jù)集能提升模型的檢測(cè)性能,這與文獻(xiàn)[15]中對(duì)于混合數(shù)據(jù)集能降低行人誤檢率的結(jié)論相吻合,所以下面的實(shí)驗(yàn)在混合數(shù)據(jù)集上完成。

    (2)改進(jìn)SSD算法與原始SSD算法性能對(duì)比

    本文分別對(duì)比原始SSD算法和改進(jìn)SSD算法在混合數(shù)據(jù)集上的檢測(cè)性能,包括平均正確率和檢測(cè)速度。首先計(jì)算模型的檢測(cè)速度,隨機(jī)抽取10張圖片檢測(cè),并分別記錄在兩個(gè)模型在batchsize=1時(shí)的檢測(cè)時(shí)間,結(jié)果如表3所示。

    與表中檢測(cè)時(shí)間相對(duì)應(yīng)的幀率如圖5所示。

    從圖5中可以看出,原始SSD算法與改進(jìn)SSD算法的檢測(cè)速度在第一張圖片處相差7FPS,在第8張圖片處相差了13FPS,改進(jìn)SSD算法平均檢測(cè)速度為51.7FPS,原始SSD的檢測(cè)速度平均為41.6FPS,結(jié)合檢測(cè)精度,兩個(gè)模型在測(cè)試集上的綜合性能對(duì)比如表4所示。

    由表4可以看出,改進(jìn)SSD算法比原始SSD算法在檢測(cè)速度上平均高出10FPS,改進(jìn)SSD算法在INRIA測(cè)試集上表現(xiàn)優(yōu)異,取得了90.1%的平均正確率,但相比原始SSD算法的91.5%降低了1.4%,這是由于調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)時(shí),去除了重復(fù)的特征層,犧牲了一點(diǎn)精度換取速度的提升,使模型具有更好的實(shí)時(shí)性。

    4 ?結(jié)束語(yǔ)

    為了解決行人檢測(cè)速度慢,檢測(cè)模型復(fù)雜度高,網(wǎng)絡(luò)參數(shù)龐大的問(wèn)題,提出通過(guò)調(diào)整模型結(jié)構(gòu),刪除重復(fù)的卷積層,在卷積層之后加上BN層的改進(jìn)方法,加快模型收斂,達(dá)到提升檢測(cè)速度的效果。調(diào)整基礎(chǔ)網(wǎng)絡(luò)過(guò)后,為了避免檢測(cè)精度退化,在特征圖進(jìn)入預(yù)測(cè)層之前,加入殘差塊,對(duì)特征進(jìn)一步提取,以提高模型的檢測(cè)精度。在同一測(cè)試集上對(duì)比了單一數(shù)據(jù)集訓(xùn)練的模型和混合數(shù)據(jù)集訓(xùn)練的模型的檢測(cè)精度,混合數(shù)據(jù)集訓(xùn)練的模型檢測(cè)效果更好,能提高模型的泛化性與檢測(cè)精度。實(shí)驗(yàn)結(jié)果表明,本方法檢測(cè)速度與原始方法對(duì)比有明顯的提高,具有良好的實(shí)時(shí)性,但犧牲了一點(diǎn)精度。下一步的研究方向,是在不明顯影響速度的前提下提升模型檢測(cè)精度。

    參考文獻(xiàn)

    黃同愿, 向國(guó)徽, 楊雪姣. 基于深度學(xué)習(xí)的行人檢測(cè)技術(shù)研究進(jìn)展[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)), 2019, 33(4): 98-109.

    Lecun Y, Bengio Y, Hinton G. Deep learning[J]. Nature, 2015, 521(7553):?436.

    R. Girshick, J. Donahue, T. Darrell, et al. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation[C]. IEEE Computer Vision and Pattern Recognition, Columbus, 2013, 580-587.

    GIRSHICK R. Fast r-cnn[C]//Proceedings of the IEEE International Conference on Computer Vision. Santiago, Chile: IEEE, 2015: 1440-1448.

    Ren S, He K, Girshick R, et al. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2017, 39(6):?1137-1149.

    Dai J, Li Y, He K, et al. R-FCN: object detection via region-based fully convolutional networks [C]// Neural Information Processing Systems. 2016: 379-387.

    Redmon J, Divvala S, Girshick R, et al. You only look once: unified, real-time object detection [C]// Computer Vision and Pattern Recognition. 2016: 779-788.

    Liu W, Anguelov D, Erhan D, et al. SSD: single shot multibox?detector [C]// Proc of European Conference on Computer Vision. Springer, 2016: 21-37.

    SIMONYAN K, ZISSERMAN A. Very deep convolutional networks for large-scale image recognition [C]// Proceedings of International Conference on LearningRepresentations. ?[S.l.]: Computational and Biological Learning Society, 2015: 1-14.

    邢浩強(qiáng), 杜志岐, 蘇波.基于改進(jìn)SSD的行人檢測(cè)方法[J].計(jì)算機(jī)工程, 2018, 44(11):?228-233, 238.

    王華利, 鄒俊忠, 張見(jiàn), 等.基于深度卷積神經(jīng)網(wǎng)絡(luò)的快速圖像分類算法[J].計(jì)算機(jī)工程與應(yīng)用, 2017, 53(13): 181-188.

    He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C]//Computer Vision and Pattern Recognition. 2016: 770-778.

    Kyoungmin Lee, Jaeseok Choi, Jisoo Jeong, and Nojun Kwak. Residual features and unified prediction network for single stage detection?[EB/OL]. arXiv preprint arXiv:1707.05031, 2017. https://arxiv.org/abs/1707.05031.

    Wang R. J., Li X., Ao S. and Ling C. X. 2018 Pelee: A Real-Time Object Detection System on Mobile Devices?[EB/OL]. arXiv preprint arXiv:1804.06882. https://arxiv.org/?abs/1804.06882.

    郝旭政, 柴爭(zhēng)義. 一種改進(jìn)的深度殘差網(wǎng)絡(luò)行人檢測(cè)方法[J/OL]. 2019, 36(6). [2018-03-16]. http://www.arocmag.com/?article/02-2019-06-057.html.

    猜你喜歡
    卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)
    基于卷積神經(jīng)網(wǎng)絡(luò)溫室智能大棚監(jiān)控系統(tǒng)的研究
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別算法
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識(shí)別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹(shù)葉識(shí)別的算法的研究
    免费女性裸体啪啪无遮挡网站| 两性午夜刺激爽爽歪歪视频在线观看 | 老熟女久久久| 成年动漫av网址| 91成年电影在线观看| 亚洲美女黄色视频免费看| 国产男人的电影天堂91| 男人爽女人下面视频在线观看| 亚洲av成人不卡在线观看播放网 | 在线观看舔阴道视频| 每晚都被弄得嗷嗷叫到高潮| 欧美日本中文国产一区发布| 亚洲色图 男人天堂 中文字幕| 日本猛色少妇xxxxx猛交久久| 一本综合久久免费| 国产精品麻豆人妻色哟哟久久| 成人亚洲精品一区在线观看| 性少妇av在线| 在线观看舔阴道视频| 国产深夜福利视频在线观看| 成在线人永久免费视频| 夜夜夜夜夜久久久久| 少妇猛男粗大的猛烈进出视频| 国产无遮挡羞羞视频在线观看| 一区福利在线观看| cao死你这个sao货| av网站在线播放免费| 亚洲精品国产av成人精品| 日韩欧美国产一区二区入口| 成在线人永久免费视频| av片东京热男人的天堂| 精品一品国产午夜福利视频| 人成视频在线观看免费观看| 高清在线国产一区| 精品国产超薄肉色丝袜足j| 精品人妻在线不人妻| 久久精品国产亚洲av高清一级| 国产成人免费观看mmmm| 欧美性长视频在线观看| 国产精品香港三级国产av潘金莲| 亚洲精品国产精品久久久不卡| 香蕉国产在线看| 成人18禁高潮啪啪吃奶动态图| 狂野欧美激情性bbbbbb| 美女中出高潮动态图| 国产伦人伦偷精品视频| 免费久久久久久久精品成人欧美视频| 一二三四在线观看免费中文在| 无遮挡黄片免费观看| 久久国产精品大桥未久av| 国产成人av教育| xxxhd国产人妻xxx| 久久久久久久大尺度免费视频| 中文字幕人妻丝袜一区二区| 欧美日韩一级在线毛片| 在线观看舔阴道视频| 国产亚洲精品第一综合不卡| 欧美xxⅹ黑人| 国产高清国产精品国产三级| 国产视频一区二区在线看| 久热这里只有精品99| 亚洲黑人精品在线| 青春草亚洲视频在线观看| 侵犯人妻中文字幕一二三四区| 日韩欧美一区视频在线观看| 桃红色精品国产亚洲av| 精品国内亚洲2022精品成人 | 黄色怎么调成土黄色| 丰满饥渴人妻一区二区三| 亚洲成人国产一区在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| av在线播放精品| 丝袜在线中文字幕| 大香蕉久久网| 国产成人免费观看mmmm| 777久久人妻少妇嫩草av网站| 日韩精品免费视频一区二区三区| 丝袜人妻中文字幕| 两个人看的免费小视频| 国产欧美日韩一区二区三区在线| 91成年电影在线观看| 免费不卡黄色视频| 一本综合久久免费| 国产淫语在线视频| 十八禁人妻一区二区| 青春草亚洲视频在线观看| 在线观看www视频免费| 高清视频免费观看一区二区| 极品人妻少妇av视频| 亚洲专区字幕在线| 午夜免费观看性视频| 欧美精品人与动牲交sv欧美| 久久综合国产亚洲精品| 成人国产一区最新在线观看| 99国产精品一区二区蜜桃av | 久久久久久亚洲精品国产蜜桃av| 不卡av一区二区三区| 欧美在线黄色| 国产色视频综合| 高潮久久久久久久久久久不卡| 丝袜在线中文字幕| 中文字幕另类日韩欧美亚洲嫩草| 熟女少妇亚洲综合色aaa.| a 毛片基地| 欧美变态另类bdsm刘玥| 欧美日韩福利视频一区二区| 一本久久精品| 两个人免费观看高清视频| 又大又爽又粗| 久久国产亚洲av麻豆专区| 久久精品国产a三级三级三级| 亚洲性夜色夜夜综合| 成年女人毛片免费观看观看9 | 国产成人啪精品午夜网站| 久久人人爽人人片av| 免费在线观看完整版高清| 欧美日韩视频精品一区| 人妻人人澡人人爽人人| 蜜桃在线观看..| 制服诱惑二区| 一本久久精品| 在线永久观看黄色视频| 欧美日韩一级在线毛片| 男人爽女人下面视频在线观看| 日韩欧美一区二区三区在线观看 | 国产欧美日韩一区二区三 | 欧美日韩av久久| 久久亚洲国产成人精品v| 国产精品成人在线| 丰满少妇做爰视频| av视频免费观看在线观看| 中国美女看黄片| 久久综合国产亚洲精品| 天天躁狠狠躁夜夜躁狠狠躁| 视频在线观看一区二区三区| 亚洲色图综合在线观看| 久久狼人影院| 一区二区三区精品91| 亚洲精品久久午夜乱码| 亚洲少妇的诱惑av| 免费高清在线观看视频在线观看| 亚洲色图综合在线观看| 精品视频人人做人人爽| 久久久国产成人免费| 91九色精品人成在线观看| 搡老岳熟女国产| av超薄肉色丝袜交足视频| 精品第一国产精品| 99久久人妻综合| 男女之事视频高清在线观看| 黄片播放在线免费| 午夜福利视频在线观看免费| 十八禁人妻一区二区| 国产免费视频播放在线视频| 日韩电影二区| 欧美日韩一级在线毛片| 国产精品一区二区精品视频观看| 视频区欧美日本亚洲| 爱豆传媒免费全集在线观看| 黑人巨大精品欧美一区二区mp4| 精品少妇黑人巨大在线播放| 免费不卡黄色视频| 在线观看www视频免费| 国产一区二区三区在线臀色熟女 | 国产一区二区三区综合在线观看| 亚洲国产av影院在线观看| av不卡在线播放| 欧美午夜高清在线| 精品一区二区三区四区五区乱码| 国产精品99久久99久久久不卡| 欧美黄色片欧美黄色片| 久久久久国产一级毛片高清牌| 亚洲欧美日韩另类电影网站| 国产在线免费精品| 各种免费的搞黄视频| 一二三四在线观看免费中文在| 亚洲精品粉嫩美女一区| 色综合欧美亚洲国产小说| 亚洲精品在线美女| 满18在线观看网站| 制服人妻中文乱码| tube8黄色片| 欧美日韩成人在线一区二区| www日本在线高清视频| 亚洲精品一二三| 18禁黄网站禁片午夜丰满| 不卡av一区二区三区| 午夜福利,免费看| 亚洲av男天堂| 啦啦啦啦在线视频资源| 在线看a的网站| 亚洲欧美日韩高清在线视频 | 狠狠婷婷综合久久久久久88av| 多毛熟女@视频| 18禁观看日本| 电影成人av| 日日夜夜操网爽| 国产又爽黄色视频| 亚洲国产av影院在线观看| 水蜜桃什么品种好| 精品国产一区二区三区久久久樱花| 伦理电影免费视频| videos熟女内射| 免费看十八禁软件| 色婷婷久久久亚洲欧美| 捣出白浆h1v1| 国产亚洲午夜精品一区二区久久| 亚洲精品国产av蜜桃| 高清黄色对白视频在线免费看| 久久人人爽av亚洲精品天堂| av在线app专区| 欧美日韩成人在线一区二区| 亚洲专区字幕在线| 老汉色av国产亚洲站长工具| 久久久久精品国产欧美久久久 | 国产精品偷伦视频观看了| 精品少妇内射三级| 欧美黄色片欧美黄色片| 午夜久久久在线观看| 亚洲国产成人一精品久久久| 久久精品成人免费网站| 两性午夜刺激爽爽歪歪视频在线观看 | 麻豆av在线久日| 精品国内亚洲2022精品成人 | 国产精品欧美亚洲77777| 91字幕亚洲| 美女大奶头黄色视频| 少妇猛男粗大的猛烈进出视频| 人妻 亚洲 视频| 黄色片一级片一级黄色片| a 毛片基地| 国产成人精品在线电影| 国产99久久九九免费精品| 国产淫语在线视频| 首页视频小说图片口味搜索| 亚洲国产欧美日韩在线播放| 视频在线观看一区二区三区| 欧美激情久久久久久爽电影 | 亚洲国产av新网站| 999精品在线视频| 纵有疾风起免费观看全集完整版| 色播在线永久视频| 岛国毛片在线播放| 中国国产av一级| 国产亚洲av片在线观看秒播厂| tocl精华| 一边摸一边抽搐一进一出视频| 日韩,欧美,国产一区二区三区| 人妻久久中文字幕网| 国产欧美日韩一区二区三区在线| 久久性视频一级片| 欧美精品亚洲一区二区| 最近最新中文字幕大全免费视频| 久久国产亚洲av麻豆专区| 久久久欧美国产精品| 操美女的视频在线观看| 老熟妇仑乱视频hdxx| 亚洲黑人精品在线| 亚洲精品国产av成人精品| 国产一区二区三区综合在线观看| 黑人欧美特级aaaaaa片| 久久久精品免费免费高清| 女人精品久久久久毛片| 国产在线一区二区三区精| 大香蕉久久成人网| 亚洲欧美精品综合一区二区三区| 久久人妻熟女aⅴ| 免费一级毛片在线播放高清视频 | 欧美日韩视频精品一区| 国产亚洲一区二区精品| 电影成人av| 一本综合久久免费| 国产av精品麻豆| av在线播放精品| kizo精华| 高清在线国产一区| 日韩欧美一区视频在线观看| 高清av免费在线| av在线app专区| 精品国产乱码久久久久久小说| 一边摸一边做爽爽视频免费| 1024视频免费在线观看| a级毛片黄视频| 俄罗斯特黄特色一大片| 美女福利国产在线| 岛国毛片在线播放| 免费在线观看日本一区| 在线精品无人区一区二区三| 搡老乐熟女国产| 搡老岳熟女国产| 极品人妻少妇av视频| 亚洲国产欧美日韩在线播放| 后天国语完整版免费观看| 久久国产精品影院| 满18在线观看网站| 老司机影院成人| 人人妻人人澡人人爽人人夜夜| 精品第一国产精品| 久久久精品免费免费高清| 久久久久视频综合| 涩涩av久久男人的天堂| 国产成人免费观看mmmm| 国产野战对白在线观看| 日韩制服骚丝袜av| 成年av动漫网址| 欧美日韩视频精品一区| 老汉色∧v一级毛片| 免费看十八禁软件| 亚洲午夜精品一区,二区,三区| 精品国产乱码久久久久久男人| 国精品久久久久久国模美| 亚洲av美国av| 国产成人av激情在线播放| 两个人免费观看高清视频| 色综合欧美亚洲国产小说| 精品亚洲成a人片在线观看| 国产成人av教育| 少妇粗大呻吟视频| 波多野结衣一区麻豆| 97精品久久久久久久久久精品| 永久免费av网站大全| 天天躁日日躁夜夜躁夜夜| www.av在线官网国产| 国产精品国产三级国产专区5o| 最近最新中文字幕大全免费视频| 女性被躁到高潮视频| 大陆偷拍与自拍| 啦啦啦视频在线资源免费观看| 欧美黑人欧美精品刺激| 丰满人妻熟妇乱又伦精品不卡| 欧美97在线视频| 日韩大片免费观看网站| 国产精品麻豆人妻色哟哟久久| 日本撒尿小便嘘嘘汇集6| 自线自在国产av| 国产熟女午夜一区二区三区| 国产成人欧美| 久9热在线精品视频| 亚洲三区欧美一区| 男女边摸边吃奶| 成年人午夜在线观看视频| 久久人妻熟女aⅴ| av电影中文网址| 国产精品自产拍在线观看55亚洲 | 国产成人av激情在线播放| 18禁国产床啪视频网站| 人人澡人人妻人| 蜜桃在线观看..| 伦理电影免费视频| 欧美黑人精品巨大| 国产亚洲午夜精品一区二区久久| 久久精品国产亚洲av香蕉五月 | 免费不卡黄色视频| 国产亚洲av片在线观看秒播厂| 99热网站在线观看| 极品少妇高潮喷水抽搐| 桃花免费在线播放| 无遮挡黄片免费观看| 一本—道久久a久久精品蜜桃钙片| 国产日韩欧美亚洲二区| 最新在线观看一区二区三区| 欧美精品高潮呻吟av久久| 爱豆传媒免费全集在线观看| 美女午夜性视频免费| 各种免费的搞黄视频| av在线老鸭窝| 欧美另类亚洲清纯唯美| 一区二区日韩欧美中文字幕| 精品一区在线观看国产| 国产又色又爽无遮挡免| 成人18禁高潮啪啪吃奶动态图| 18禁国产床啪视频网站| 精品国产乱子伦一区二区三区 | 女人爽到高潮嗷嗷叫在线视频| 色94色欧美一区二区| 亚洲成人手机| 国产亚洲精品久久久久5区| 国产精品久久久久成人av| 天堂中文最新版在线下载| 亚洲va日本ⅴa欧美va伊人久久 | 亚洲专区字幕在线| 永久免费av网站大全| 9热在线视频观看99| 美女大奶头黄色视频| 国产精品免费视频内射| 国产精品成人在线| 三上悠亚av全集在线观看| 日本一区二区免费在线视频| 国产日韩欧美亚洲二区| 亚洲综合色网址| 美女午夜性视频免费| 美女扒开内裤让男人捅视频| 国产av一区二区精品久久| 成人影院久久| 捣出白浆h1v1| 精品国产国语对白av| 19禁男女啪啪无遮挡网站| 黑人猛操日本美女一级片| 欧美日韩国产mv在线观看视频| 色播在线永久视频| 午夜福利视频在线观看免费| 精品国产一区二区三区久久久樱花| 91老司机精品| 亚洲欧美激情在线| 国产成人精品无人区| 亚洲精品av麻豆狂野| 久久天堂一区二区三区四区| av网站在线播放免费| 亚洲成人免费av在线播放| 男人操女人黄网站| 久久久久国产精品人妻一区二区| 国产精品一区二区在线观看99| 老司机午夜福利在线观看视频 | 夜夜夜夜夜久久久久| 久久久久国产精品人妻一区二区| 国产欧美日韩精品亚洲av| 午夜激情久久久久久久| 亚洲精品在线美女| cao死你这个sao货| 啦啦啦视频在线资源免费观看| 国产精品香港三级国产av潘金莲| 国产一区二区三区av在线| 国产老妇伦熟女老妇高清| 老司机影院毛片| 两个人看的免费小视频| 美女中出高潮动态图| 精品一区二区三区四区五区乱码| av免费在线观看网站| 久久人妻熟女aⅴ| 9191精品国产免费久久| 美女高潮到喷水免费观看| 精品一区二区三区av网在线观看 | tube8黄色片| 777米奇影视久久| 一区二区日韩欧美中文字幕| 色视频在线一区二区三区| 久久久水蜜桃国产精品网| 真人做人爱边吃奶动态| 精品免费久久久久久久清纯 | www日本在线高清视频| 久久天躁狠狠躁夜夜2o2o| 999久久久精品免费观看国产| 欧美日韩福利视频一区二区| 国产一区有黄有色的免费视频| 伊人亚洲综合成人网| 老司机深夜福利视频在线观看 | 三上悠亚av全集在线观看| 夜夜夜夜夜久久久久| 男女无遮挡免费网站观看| 91大片在线观看| 捣出白浆h1v1| 国产在视频线精品| 久久精品成人免费网站| 久久久久久人人人人人| 成年女人毛片免费观看观看9 | 一区二区三区激情视频| 久久久精品国产亚洲av高清涩受| 日韩电影二区| 高潮久久久久久久久久久不卡| 国产一区二区三区在线臀色熟女 | 国产熟女午夜一区二区三区| 亚洲成人免费av在线播放| 国产激情久久老熟女| 人人妻人人爽人人添夜夜欢视频| 精品国产国语对白av| 交换朋友夫妻互换小说| 激情视频va一区二区三区| 一区二区av电影网| 亚洲精品久久成人aⅴ小说| 黄色a级毛片大全视频| 久久国产精品大桥未久av| 老熟妇乱子伦视频在线观看 | 一级黄色大片毛片| 国产极品粉嫩免费观看在线| 青春草视频在线免费观看| 9色porny在线观看| 亚洲性夜色夜夜综合| 黄色视频在线播放观看不卡| 制服诱惑二区| 天天躁狠狠躁夜夜躁狠狠躁| 成人18禁高潮啪啪吃奶动态图| 视频区欧美日本亚洲| 在线 av 中文字幕| 制服诱惑二区| 少妇精品久久久久久久| 两个人看的免费小视频| 美女脱内裤让男人舔精品视频| 国产精品1区2区在线观看. | 国产精品.久久久| 无限看片的www在线观看| 久久免费观看电影| 每晚都被弄得嗷嗷叫到高潮| 91麻豆av在线| 欧美黄色片欧美黄色片| 一本久久精品| 亚洲成人国产一区在线观看| 亚洲成人手机| 色精品久久人妻99蜜桃| 亚洲国产成人一精品久久久| 久久久国产一区二区| www.999成人在线观看| 国产成+人综合+亚洲专区| 亚洲av国产av综合av卡| 国产深夜福利视频在线观看| svipshipincom国产片| 国产在线免费精品| 亚洲国产精品成人久久小说| 成人黄色视频免费在线看| 一个人免费看片子| 久久人人爽av亚洲精品天堂| 免费观看人在逋| 精品少妇一区二区三区视频日本电影| 女警被强在线播放| 男人添女人高潮全过程视频| 午夜免费鲁丝| 满18在线观看网站| 悠悠久久av| 777米奇影视久久| 在线精品无人区一区二区三| 亚洲自偷自拍图片 自拍| 国产黄频视频在线观看| 国产日韩欧美亚洲二区| 精品第一国产精品| 中文字幕另类日韩欧美亚洲嫩草| 久久久久久免费高清国产稀缺| 成人国产av品久久久| 黄色视频,在线免费观看| 777久久人妻少妇嫩草av网站| 久久精品久久久久久噜噜老黄| 日韩电影二区| 精品一区二区三区av网在线观看 | 国产成人影院久久av| www.自偷自拍.com| 久久久久精品国产欧美久久久 | 久久青草综合色| 亚洲av日韩在线播放| 悠悠久久av| 国产亚洲欧美精品永久| 美女高潮到喷水免费观看| 精品福利观看| 亚洲国产av新网站| 18禁国产床啪视频网站| 夜夜骑夜夜射夜夜干| 黄片大片在线免费观看| tube8黄色片| 亚洲欧美日韩高清在线视频 | 国产男女内射视频| 啦啦啦 在线观看视频| 老熟妇乱子伦视频在线观看 | 不卡一级毛片| 狂野欧美激情性xxxx| 十八禁网站网址无遮挡| 亚洲国产精品成人久久小说| 亚洲欧美成人综合另类久久久| 欧美黑人精品巨大| 精品卡一卡二卡四卡免费| a级毛片在线看网站| 自线自在国产av| 伦理电影免费视频| 精品国产乱码久久久久久男人| 精品国产超薄肉色丝袜足j| 亚洲第一欧美日韩一区二区三区 | 国产免费福利视频在线观看| 欧美日韩亚洲高清精品| 熟女少妇亚洲综合色aaa.| 国产免费现黄频在线看| 亚洲三区欧美一区| 久久久久国产一级毛片高清牌| 在线天堂中文资源库| 九色亚洲精品在线播放| 桃花免费在线播放| 十八禁网站网址无遮挡| 欧美日韩精品网址| 免费不卡黄色视频| 十八禁网站免费在线| www日本在线高清视频| 操出白浆在线播放| 国产欧美日韩一区二区三 | 国产亚洲欧美在线一区二区| 亚洲欧美日韩另类电影网站| 18禁裸乳无遮挡动漫免费视频| 男女床上黄色一级片免费看| 老熟妇乱子伦视频在线观看 | 女人被躁到高潮嗷嗷叫费观| svipshipincom国产片| 美女脱内裤让男人舔精品视频| 婷婷成人精品国产| 多毛熟女@视频| 国产av精品麻豆| 欧美亚洲日本最大视频资源| √禁漫天堂资源中文www| 国产av精品麻豆| 欧美亚洲日本最大视频资源| 操美女的视频在线观看| 久久av网站| 免费日韩欧美在线观看| 视频区图区小说| 国产欧美日韩一区二区三 | 精品久久久久久久毛片微露脸 | 亚洲一区二区三区欧美精品| 精品人妻一区二区三区麻豆| xxxhd国产人妻xxx| 男女边摸边吃奶| 国产一区有黄有色的免费视频| 黄色毛片三级朝国网站| 1024视频免费在线观看| 亚洲国产毛片av蜜桃av| 久久青草综合色| 国产黄色免费在线视频| 天天影视国产精品| 丝袜美足系列| 久久天躁狠狠躁夜夜2o2o| 国产一区有黄有色的免费视频| 91精品伊人久久大香线蕉| 青草久久国产|