• <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
    日日摸夜夜添夜夜添av毛片 | 少妇裸体淫交视频免费看高清| 午夜福利高清视频| 内射极品少妇av片p| 午夜精品一区二区三区免费看| 乱码一卡2卡4卡精品| 国产单亲对白刺激| 国产69精品久久久久777片| 国产成人av教育| 免费在线观看亚洲国产| 三级毛片av免费| aaaaa片日本免费| 亚洲精品456在线播放app | 一个人观看的视频www高清免费观看| 99热只有精品国产| 欧美bdsm另类| 不卡一级毛片| 激情在线观看视频在线高清| 成人永久免费在线观看视频| 欧美日韩国产亚洲二区| 在线播放无遮挡| 老司机深夜福利视频在线观看| 欧美日韩国产亚洲二区| 亚洲最大成人中文| .国产精品久久| h日本视频在线播放| 国产一级毛片七仙女欲春2| 亚洲中文字幕一区二区三区有码在线看| 亚洲av成人不卡在线观看播放网| 又爽又黄无遮挡网站| 蜜桃久久精品国产亚洲av| 99热精品在线国产| 中文字幕高清在线视频| 亚洲成av人片在线播放无| 亚洲人成网站高清观看| 两人在一起打扑克的视频| 精品免费久久久久久久清纯| 色综合站精品国产| 淫秽高清视频在线观看| 十八禁网站免费在线| 亚洲av成人av| 国产一区二区亚洲精品在线观看| 亚洲精品粉嫩美女一区| 亚洲无线在线观看| 狠狠狠狠99中文字幕| 亚洲精品影视一区二区三区av| 天天躁日日操中文字幕| 99在线人妻在线中文字幕| 我的女老师完整版在线观看| 久久99热这里只有精品18| 自拍偷自拍亚洲精品老妇| 日韩欧美精品v在线| 亚洲国产精品999在线| 国产蜜桃级精品一区二区三区| 88av欧美| 国产亚洲欧美在线一区二区| 亚洲黑人精品在线| 别揉我奶头~嗯~啊~动态视频| 好男人在线观看高清免费视频| 国产精品一区二区三区四区久久| 精品99又大又爽又粗少妇毛片 | 97热精品久久久久久| 免费观看的影片在线观看| 亚洲第一欧美日韩一区二区三区| 欧美精品啪啪一区二区三区| 男女下面进入的视频免费午夜| 欧美成人性av电影在线观看| 无人区码免费观看不卡| 色尼玛亚洲综合影院| 免费一级毛片在线播放高清视频| 国产伦精品一区二区三区四那| 国产又黄又爽又无遮挡在线| 天堂网av新在线| 久久久久久久亚洲中文字幕 | 国产精品影院久久| 人人妻,人人澡人人爽秒播| 亚洲精品一区av在线观看| 色在线成人网| 我的女老师完整版在线观看| or卡值多少钱| 欧美一区二区国产精品久久精品| 少妇丰满av| 一a级毛片在线观看| 99热只有精品国产| 久久久久久国产a免费观看| 偷拍熟女少妇极品色| 免费观看人在逋| 久久午夜福利片| 亚洲人成电影免费在线| 国产成人av教育| 国产精品永久免费网站| 亚洲av五月六月丁香网| www.999成人在线观看| 精品欧美国产一区二区三| 内地一区二区视频在线| 中文字幕高清在线视频| 在线播放无遮挡| 亚洲中文日韩欧美视频| 国产成+人综合+亚洲专区| 好看av亚洲va欧美ⅴa在| 国产伦在线观看视频一区| 国产黄片美女视频| 99国产极品粉嫩在线观看| 亚洲性夜色夜夜综合| 好男人在线观看高清免费视频| 久久精品国产99精品国产亚洲性色| 成人性生交大片免费视频hd| 欧美黑人巨大hd| 最近最新免费中文字幕在线| 国产精华一区二区三区| 免费在线观看亚洲国产| 亚洲精品乱码久久久v下载方式| 最近最新中文字幕大全电影3| 波多野结衣巨乳人妻| 婷婷精品国产亚洲av| 欧美+亚洲+日韩+国产| 国内揄拍国产精品人妻在线| 一个人免费在线观看的高清视频| 亚洲精品影视一区二区三区av| 欧美成狂野欧美在线观看| 别揉我奶头~嗯~啊~动态视频| 免费看日本二区| 丰满人妻熟妇乱又伦精品不卡| 国产在视频线在精品| 欧美成人免费av一区二区三区| 亚洲久久久久久中文字幕| 精品国内亚洲2022精品成人| 日韩欧美在线乱码| 欧美一区二区亚洲| 嫩草影院新地址| 国产亚洲av嫩草精品影院| 久久久国产成人精品二区| 亚洲欧美日韩高清在线视频| 伦理电影大哥的女人| 12—13女人毛片做爰片一| 搡女人真爽免费视频火全软件 | 一级a爱片免费观看的视频| 亚洲精品在线观看二区| 精品久久久久久,| 高清日韩中文字幕在线| 18禁在线播放成人免费| 亚洲欧美清纯卡通| 亚洲久久久久久中文字幕| 色综合婷婷激情| 国产极品精品免费视频能看的| 久久国产乱子伦精品免费另类| 九九久久精品国产亚洲av麻豆| 一级a爱片免费观看的视频| 国产欧美日韩一区二区三| 淫秽高清视频在线观看| 国产欧美日韩一区二区精品| 日韩欧美国产在线观看| 成人一区二区视频在线观看| 免费无遮挡裸体视频| 亚洲真实伦在线观看| 搡老妇女老女人老熟妇| 久久久久精品国产欧美久久久| 日韩欧美 国产精品| 欧美黑人欧美精品刺激| 亚洲国产精品成人综合色| 简卡轻食公司| 欧美黄色淫秽网站| 欧美日韩亚洲国产一区二区在线观看| 国内久久婷婷六月综合欲色啪| 国产久久久一区二区三区| 赤兔流量卡办理| 欧美日韩综合久久久久久 | 赤兔流量卡办理| 无遮挡黄片免费观看| 欧美成人a在线观看| 精品久久久久久久久久免费视频| 久久国产乱子免费精品| 一级作爱视频免费观看| 欧美最新免费一区二区三区 | 99国产精品一区二区蜜桃av| 久久久久久久精品吃奶| 一级作爱视频免费观看| 老司机午夜十八禁免费视频| 亚洲男人的天堂狠狠| 99精品在免费线老司机午夜| 成年版毛片免费区| 精品人妻1区二区| 亚洲av美国av| 一边摸一边抽搐一进一小说| 赤兔流量卡办理| 国产一区二区在线观看日韩| 99热6这里只有精品| 一个人看的www免费观看视频| 欧美在线黄色| 18禁在线播放成人免费| 非洲黑人性xxxx精品又粗又长| 亚洲一区高清亚洲精品| 国产精品永久免费网站| 可以在线观看毛片的网站| 国内精品一区二区在线观看| 成人av一区二区三区在线看| 热99在线观看视频| 69人妻影院| 亚洲欧美精品综合久久99| 欧美三级亚洲精品| 亚洲七黄色美女视频| 国产久久久一区二区三区| 国产老妇女一区| 九九久久精品国产亚洲av麻豆| 琪琪午夜伦伦电影理论片6080| a级毛片a级免费在线| 欧美成人a在线观看| 一边摸一边抽搐一进一小说| 国产69精品久久久久777片| 成人美女网站在线观看视频| 日本成人三级电影网站| 色综合亚洲欧美另类图片| 亚洲五月婷婷丁香| 国产伦精品一区二区三区四那| 国产av在哪里看| 国产精品三级大全| 制服丝袜大香蕉在线| 18美女黄网站色大片免费观看| 麻豆国产av国片精品| 国产精品久久久久久久久免 | 国产精品国产高清国产av| 99国产极品粉嫩在线观看| 久久久久久国产a免费观看| 色综合欧美亚洲国产小说| 日韩中文字幕欧美一区二区| 亚洲,欧美精品.| 男人和女人高潮做爰伦理| 在线播放国产精品三级| 黄色配什么色好看| 人人妻,人人澡人人爽秒播| 少妇人妻一区二区三区视频| 亚州av有码| 少妇裸体淫交视频免费看高清| 一级作爱视频免费观看| 中文字幕久久专区| 动漫黄色视频在线观看| www.色视频.com| 精品久久久久久久末码| 欧美+日韩+精品| 国产主播在线观看一区二区| 亚洲五月天丁香| 直男gayav资源| 国产精品一区二区三区四区免费观看 | 最近最新中文字幕大全电影3| 国产免费男女视频| 中文字幕av成人在线电影| 亚洲av免费在线观看| 一本一本综合久久| 亚洲av二区三区四区| 舔av片在线| 精品一区二区三区av网在线观看| 日韩精品青青久久久久久| 免费看美女性在线毛片视频| 蜜桃亚洲精品一区二区三区| 丁香六月欧美| 亚洲精品一卡2卡三卡4卡5卡| 国产午夜精品久久久久久一区二区三区 | 久久久久亚洲av毛片大全| or卡值多少钱| 美女被艹到高潮喷水动态| 久久这里只有精品中国| 精品日产1卡2卡| 欧美日韩黄片免| 中文字幕熟女人妻在线| 两人在一起打扑克的视频| 老女人水多毛片| 天天一区二区日本电影三级| 国产三级中文精品| 天堂动漫精品| 夜夜爽天天搞| 色综合欧美亚洲国产小说| 国内精品一区二区在线观看| 久久精品国产自在天天线| 无人区码免费观看不卡| 1000部很黄的大片| 亚洲av免费高清在线观看| 国产伦一二天堂av在线观看| 久久精品夜夜夜夜夜久久蜜豆| 一区二区三区四区激情视频 | 欧美成人性av电影在线观看| 午夜激情欧美在线| 高潮久久久久久久久久久不卡| 身体一侧抽搐| 偷拍熟女少妇极品色| 99热精品在线国产| 长腿黑丝高跟| 99热这里只有是精品50| 久久中文看片网| 麻豆av噜噜一区二区三区| 一个人看视频在线观看www免费| 久久亚洲精品不卡| 精品免费久久久久久久清纯| 国产亚洲欧美98| 99久久精品一区二区三区| 永久网站在线| 男女床上黄色一级片免费看| 最后的刺客免费高清国语| 乱码一卡2卡4卡精品| 久久精品91蜜桃| 欧美在线一区亚洲| 黄色一级大片看看| 乱人视频在线观看| 精品一区二区三区av网在线观看| 日本五十路高清| 久久久久久久精品吃奶| 婷婷丁香在线五月| 成人高潮视频无遮挡免费网站| 日韩免费av在线播放| 欧美午夜高清在线| 国产亚洲av嫩草精品影院| 男女那种视频在线观看| 国产乱人视频| 男女视频在线观看网站免费| 伊人久久精品亚洲午夜| 国产精品爽爽va在线观看网站| 免费在线观看日本一区| 亚洲自偷自拍三级| 国产综合懂色| av天堂在线播放| 99国产精品一区二区蜜桃av| 精品人妻一区二区三区麻豆 | 又粗又爽又猛毛片免费看| 精品一区二区免费观看| 性插视频无遮挡在线免费观看| 国产大屁股一区二区在线视频| 97碰自拍视频| 少妇人妻精品综合一区二区 | 波多野结衣高清作品| 国产中年淑女户外野战色| 国产毛片a区久久久久| 亚洲自拍偷在线| 国产av不卡久久| 成人性生交大片免费视频hd| 欧美最黄视频在线播放免费| 亚洲av成人不卡在线观看播放网| 丰满乱子伦码专区| 1024手机看黄色片| 看十八女毛片水多多多| 亚洲五月天丁香| 欧美精品啪啪一区二区三区| 99国产精品一区二区蜜桃av| 在线观看舔阴道视频| 国产蜜桃级精品一区二区三区| 嫁个100分男人电影在线观看| 校园春色视频在线观看| 亚洲三级黄色毛片| 日本黄色视频三级网站网址| 香蕉av资源在线| 十八禁人妻一区二区| 99热精品在线国产| 午夜免费成人在线视频| 国模一区二区三区四区视频| 国产老妇女一区| 毛片一级片免费看久久久久 | 亚洲av不卡在线观看| 人妻夜夜爽99麻豆av| 欧美一区二区亚洲| 成熟少妇高潮喷水视频| 一区二区三区激情视频| 美女xxoo啪啪120秒动态图 | 亚洲一区二区三区色噜噜| 哪里可以看免费的av片| 99热6这里只有精品| 搡老熟女国产l中国老女人| 久久精品国产自在天天线| 久久久久国内视频| 看免费av毛片| 精品人妻视频免费看| 可以在线观看的亚洲视频| 国产一级毛片七仙女欲春2| 日日干狠狠操夜夜爽| 日日夜夜操网爽| 少妇人妻一区二区三区视频| 俺也久久电影网| 啦啦啦韩国在线观看视频| 悠悠久久av| 亚洲18禁久久av| 麻豆成人午夜福利视频| 欧美乱色亚洲激情| 亚洲av.av天堂| 最近在线观看免费完整版| 久久久久免费精品人妻一区二区| 国产国拍精品亚洲av在线观看| 亚洲人成网站高清观看| 精品久久久久久久久av| 蜜桃久久精品国产亚洲av| 好男人电影高清在线观看| а√天堂www在线а√下载| 久久国产精品人妻蜜桃| 精品国产亚洲在线| 少妇的逼好多水| 99热这里只有是精品在线观看 | 国产欧美日韩一区二区三| 麻豆成人午夜福利视频| 国产精品乱码一区二三区的特点| 久久久精品欧美日韩精品| 欧美日本视频| 观看美女的网站| 熟妇人妻久久中文字幕3abv| 老鸭窝网址在线观看| 欧美精品啪啪一区二区三区| 亚洲无线在线观看| 欧美高清性xxxxhd video| 国产视频一区二区在线看| 变态另类丝袜制服| 精品一区二区三区视频在线| 国产精品野战在线观看| 97碰自拍视频| 午夜福利在线观看吧| 色尼玛亚洲综合影院| 又粗又爽又猛毛片免费看| 午夜福利视频1000在线观看| 一进一出抽搐gif免费好疼| 午夜激情欧美在线| 成人三级黄色视频| 国产久久久一区二区三区| 亚洲成人中文字幕在线播放| 亚洲人与动物交配视频| 看十八女毛片水多多多| 十八禁网站免费在线| 欧美3d第一页| 亚洲欧美日韩东京热| 久久精品久久久久久噜噜老黄 | 91字幕亚洲| 非洲黑人性xxxx精品又粗又长| 日本与韩国留学比较| 日本黄色片子视频| 日本 av在线| 一卡2卡三卡四卡精品乱码亚洲| 亚洲国产精品999在线| 非洲黑人性xxxx精品又粗又长| 我的老师免费观看完整版| 一本久久中文字幕| 婷婷亚洲欧美| 久久久久久大精品| 亚洲欧美精品综合久久99| 国产亚洲精品久久久久久毛片| 九色成人免费人妻av| 桃色一区二区三区在线观看| 久久久久久大精品| 欧美在线一区亚洲| 麻豆一二三区av精品| 精品国产三级普通话版| 能在线免费观看的黄片| 日本成人三级电影网站| 久久6这里有精品| 天天一区二区日本电影三级| 最后的刺客免费高清国语| 国产精品一区二区性色av| 美女 人体艺术 gogo| 亚洲国产精品999在线| 国产69精品久久久久777片| 成人国产一区最新在线观看| 男人的好看免费观看在线视频| 免费看光身美女| 九色成人免费人妻av| 国产精品伦人一区二区| 999久久久精品免费观看国产| 欧美性感艳星| 国产大屁股一区二区在线视频| 亚洲精品日韩av片在线观看| 亚洲五月婷婷丁香| 国产精品1区2区在线观看.| 嫩草影院新地址| 亚洲专区国产一区二区| 能在线免费观看的黄片| 美女大奶头视频| 国产在视频线在精品| 麻豆国产97在线/欧美| 国产熟女xx| 欧美黑人巨大hd| 又紧又爽又黄一区二区| 中亚洲国语对白在线视频| 伊人久久精品亚洲午夜| a级毛片a级免费在线| 亚洲欧美日韩高清在线视频| 欧美在线黄色| 午夜精品久久久久久毛片777| 亚洲av二区三区四区| a级毛片免费高清观看在线播放| 亚洲av成人精品一区久久| 久久精品国产自在天天线| 久久久久性生活片| 免费在线观看影片大全网站| 真人一进一出gif抽搐免费| 波多野结衣高清无吗| 中文字幕免费在线视频6| 精品午夜福利在线看| 日日摸夜夜添夜夜添av毛片 | 麻豆av噜噜一区二区三区| 久久99热这里只有精品18| 成人欧美大片| 亚洲狠狠婷婷综合久久图片| 免费av观看视频| 国产亚洲欧美在线一区二区| 免费人成在线观看视频色| 国产私拍福利视频在线观看| 亚洲欧美精品综合久久99| 国产精品久久久久久亚洲av鲁大| 男人的好看免费观看在线视频| 国产探花极品一区二区| 久久人人爽人人爽人人片va | 人妻制服诱惑在线中文字幕| 淫秽高清视频在线观看| a级一级毛片免费在线观看| 色综合站精品国产| 韩国av一区二区三区四区| 色哟哟·www| 淫妇啪啪啪对白视频| 国产蜜桃级精品一区二区三区| 校园春色视频在线观看| 老熟妇乱子伦视频在线观看| 淫秽高清视频在线观看| 亚洲成av人片在线播放无| 99在线人妻在线中文字幕| 怎么达到女性高潮| 婷婷六月久久综合丁香| 老司机午夜福利在线观看视频| 国内少妇人妻偷人精品xxx网站| 性插视频无遮挡在线免费观看| 国产精品乱码一区二三区的特点| 国产一区二区亚洲精品在线观看| 午夜精品一区二区三区免费看| 婷婷六月久久综合丁香| 亚洲国产精品久久男人天堂| 久久精品国产自在天天线| 日本撒尿小便嘘嘘汇集6| 悠悠久久av| 久久久国产成人免费| 国产三级中文精品| 亚洲第一电影网av| or卡值多少钱| 亚洲人成网站在线播放欧美日韩| 国产日本99.免费观看| 久久久久久久久大av| av天堂中文字幕网| 非洲黑人性xxxx精品又粗又长| 国产伦精品一区二区三区视频9| 看片在线看免费视频| 毛片一级片免费看久久久久 | 亚洲专区中文字幕在线| 日本在线视频免费播放| 亚洲av电影在线进入| 伦理电影大哥的女人| 亚洲精品久久国产高清桃花| 日韩中文字幕欧美一区二区| www.www免费av| 国语自产精品视频在线第100页| 免费人成视频x8x8入口观看| 人妻制服诱惑在线中文字幕| 深爱激情五月婷婷| 在线国产一区二区在线| 在线免费观看的www视频| www.熟女人妻精品国产| 日本 av在线| 如何舔出高潮| 亚洲欧美日韩无卡精品| 亚洲第一欧美日韩一区二区三区| av国产免费在线观看| 日韩欧美在线二视频| 欧美日韩中文字幕国产精品一区二区三区| 亚洲专区国产一区二区| 夜夜夜夜夜久久久久| 国产成年人精品一区二区| 两性午夜刺激爽爽歪歪视频在线观看| 国产欧美日韩一区二区精品| 一区福利在线观看| 99久久99久久久精品蜜桃| 午夜免费激情av| 悠悠久久av| 老司机午夜十八禁免费视频| 亚洲真实伦在线观看| 如何舔出高潮| 99久久精品热视频| 天堂影院成人在线观看| 日韩欧美一区二区三区在线观看| 亚洲第一欧美日韩一区二区三区| 国产男靠女视频免费网站| 日本黄色片子视频| 亚洲成人中文字幕在线播放| 欧美另类亚洲清纯唯美| 久久99热这里只有精品18| 国产 一区 欧美 日韩| 九色成人免费人妻av| 国产成+人综合+亚洲专区| 好男人在线观看高清免费视频| av欧美777| 91在线观看av| 精品欧美国产一区二区三| 精品国产三级普通话版| 在线播放无遮挡| 在现免费观看毛片| 日本 av在线| 国产熟女xx| 麻豆成人午夜福利视频| 午夜福利18| 级片在线观看| 欧美日韩中文字幕国产精品一区二区三区| 一个人看视频在线观看www免费| 男女视频在线观看网站免费| 亚洲专区国产一区二区| 久久久色成人| 亚洲精品亚洲一区二区| aaaaa片日本免费| 精品人妻1区二区| 亚洲成a人片在线一区二区| 深夜a级毛片| 蜜桃久久精品国产亚洲av| 我的女老师完整版在线观看| 日本一本二区三区精品| 国产三级黄色录像| 欧美日韩国产亚洲二区| 性插视频无遮挡在线免费观看| 在线观看av片永久免费下载| 久久人妻av系列|