• <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Faster R-cNN的服裝目標(biāo)檢測改進方法

    2020-06-19 08:45陳雙何利力
    軟件導(dǎo)刊 2020年4期
    關(guān)鍵詞:目標(biāo)檢測深度學(xué)習(xí)

    陳雙 何利力

    摘 要:為了滿足近年來在服裝電子商務(wù)高速發(fā)展背景下急劇增長的服裝圖像分類與定位需求,實現(xiàn)對服裝圖像的目標(biāo)檢測,提出基于Faster R-CNN的服裝目標(biāo)檢測改進方法。借助殘差神經(jīng)網(wǎng)絡(luò)的特征提取能力進行服裝圖像特征提取,采用RPN網(wǎng)絡(luò)進行服裝候選區(qū)域生成,經(jīng)過RoI興趣區(qū)域池化后接入分類層與回歸層,調(diào)整網(wǎng)絡(luò)結(jié)構(gòu),融合服裝圖像的HOG底層特征,從而針對性地實現(xiàn)對服裝圖像的目標(biāo)檢測。實驗結(jié)果表明,該方法構(gòu)建模型的平均準(zhǔn)確率為0.902,運行速度為8.9幀/秒,具有一定的實用價值。

    關(guān)鍵詞:服裝圖像;深度學(xué)習(xí);目標(biāo)檢測;殘差神經(jīng)網(wǎng)絡(luò);邊緣梯度直方圖特征

    DOI: 10. 11907/rjdk.191 807

    開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):

    中圖分類號:TP301

    文獻標(biāo)識碼:A

    文章編號:1672-7800(2020)004-0042-04

    Improved Method for Garment Target Detection Based on Faster R-CNN

    CHEN Shuang, HE Li-li

    (School of Information , Zh.ejiarzg Sci-tec Urziversity , Hangzhou 3100 1 8.China )Abstract: In order to meet the demand for the classification and positioning of clothing images under the rapid development of clothinge-commerce in recent years, the target detection of' clothing images is realized. An improved method of garment target detection basedon Faster R-CNN is proposed. The f'eature extraction ability of residual neural network is used to extract the features of clothing images.The RPN network is used to generate clothing candidate regions. After the pool of RoI interest regions, the classification lay er is ac-cessed. With the regression layer, the network structure is adjusted, and the underlying features of' the HOG of the clothing image areintegrated to achieve the pertinence of the clothing, and the target detection of the clothing image is realized. The experimental resultsshoW, that the model constructed hy this method has an average accuracy of 0.902 and an operating speed of 8.9 frames per second.Which proves the method has social practical value and academic research significance.Key Words: clothing image; deep learning; target detection ; residual neu ral network ; edge gradient histogram feature

    O引言

    隨著互聯(lián)網(wǎng)信息技術(shù)與服裝電子商務(wù)的迅速發(fā)展,服裝圖像數(shù)據(jù)量呈爆炸式增長,用戶對服裝圖像識別與分類的需求日漸迫切[1-2]。通過圖像目標(biāo)檢測技術(shù)得到服裝的具體類別信息與位置信息,成為當(dāng)前計算機視覺技術(shù)在服裝領(lǐng)域的應(yīng)用熱點之一。

    對于一張服裝圖像,人的視覺系統(tǒng)能夠輕松感知到目標(biāo)的款式、色彩、圖案等服裝特征信息,而計算機只能識別得到服裝圖像的RGB像素矩陣。由于環(huán)境中存在服裝圖像的光照、形變、遮擋、多主體與背景等干擾因素,計算機通過對像素的抽象難以實現(xiàn)較好的識別效果[3]。傳統(tǒng)目標(biāo)檢測方法對Haar小波特征、HOG特征、LBP特征、SIFT特征等進行提取,再構(gòu)建SVM、決策樹等分類器進行檢測與定位[4-5]。該方法具有一定檢測效果,但由于具有較高的時間復(fù)雜度與較低的魯棒性,難以達到使用需求。隨著深度學(xué)習(xí)在計算機視覺領(lǐng)域取得突破性進展,越來越多學(xué)者針對深度學(xué)習(xí)方法在服裝圖像檢測與分類方面的應(yīng)用進行研究,并取得了一定成果。

    目前深度學(xué)習(xí)在目標(biāo)檢測方向的研究方法主要分為兩類,一類是基于區(qū)域的算法,如R-CNN、SPP-net、FastR-CNN、Faster R-CNN.R-FCN,另一類是基于端到端的算法,如YOLO、SSD。通常后者速度相對更快,但檢測準(zhǔn)確度不如前者。國內(nèi)外眾多學(xué)者將以上兩類方法應(yīng)用于服裝領(lǐng)域,衍生出許多針對服裝圖像的目標(biāo)檢測方法。如

    陳雙,何利力:基于Faster R-CNN的服裝曰標(biāo)檢測改進方法Yamazakj1[6]通過研究服裝的褶皺特征以檢測日常生活中隨意放置的服裝位置,同時使用高層語義與低層特征信息,有效解決了服裝圖像中的遮擋問題;Pan等。[7]通過BP神經(jīng)網(wǎng)絡(luò)識別針織物,取得了良好的識別效果;Wang等。[8]針對服裝款式進行研究,得到準(zhǔn)確率更高的識別方法;香港大學(xué)的Liu等[9-10]提出一個大型公開服裝圖像數(shù)據(jù)集Deep-Fashion,該數(shù)據(jù)集含有超過80萬個具有豐富類別、屬性、Bhox、特征點等標(biāo)注信息的服裝圖像,并提出用FashionNet進行服裝特征學(xué)習(xí)。

    本文主要進行以下3方面研究:①綜合相關(guān)數(shù)據(jù)集與爬蟲數(shù)據(jù),進行基本預(yù)處理后構(gòu)建具有服裝類別及服裝主體邊框標(biāo)簽的大規(guī)模服裝圖像數(shù)據(jù)集;②基于FasterR-CNN模型進行服裝圖像特征提取、區(qū)域生成、興趣區(qū)域池化與類別判定,并修改網(wǎng)絡(luò)結(jié)構(gòu),融合服裝圖像的HOG顯著性底層特征,實現(xiàn)針對服裝圖像的目標(biāo)檢測[11];③通過對比實驗設(shè)計與分析,驗證實驗?zāi)P托阅堋?/p>

    1實驗方法

    本文整體模型結(jié)構(gòu)基于Faster R-CNN,融合服裝圖像顯著性特征進行目標(biāo)檢測,主要分為4步:圖像特征提取、RPN區(qū)域生成網(wǎng)絡(luò)、興趣區(qū)域池化與分類回歸[12]。主要網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    主要流程如下:①將服裝圖像輸入網(wǎng)絡(luò)模型,通過卷積神經(jīng)網(wǎng)絡(luò)卷積層與池化層的交替作用進行服裝圖像特征提取,得到圖像的特征圖傳人RPN網(wǎng)絡(luò),并進行RoI池化。這里采用ResNetl01殘差神經(jīng)網(wǎng)絡(luò);②RPN網(wǎng)絡(luò)將輸入的特征圖輸出為多個矩形候選區(qū)域;③將直接傳人的特征圖結(jié)合RPN網(wǎng)絡(luò)的候選區(qū)域特征信息,通過RoI池化進行裁剪過濾,映射成7*7的特征;④根據(jù)特征白動學(xué)習(xí)服裝類別,通過Softmax分類器進行是否為目標(biāo)的二分類,并通過邊界框回歸器修正區(qū)域候選框,融合服裝的HOG特征回歸邊框,得到最終的服裝主體圖像。

    Faster R-CNN損失函數(shù)計算包括:RPN進行前景與背景二分類的分類損失、RPN滑動窗口的位置回歸損失、RoI分類器損失與RoI邊界框回歸損失,以四者和作為最終損失函數(shù)進行模型反向傳播[13]。

    I.I殘差神經(jīng)網(wǎng)絡(luò)

    ResNet( Deep Residual Network)殘差神經(jīng)網(wǎng)絡(luò)[14]是2015年微軟研究院提出的卷積神經(jīng)網(wǎng)絡(luò),一舉取得了2015年ILSVRC比賽的冠軍。ResNet將層與層之間的傳遞學(xué)習(xí)表示為輸入與輸出差別的殘差函數(shù)學(xué)習(xí),能夠有效中和梯度爆炸問題與退化問題。

    ResNet通過在不相鄰的層之間添加通路進行跨層連接,使用恒等映射將原始輸入信息直接傳輸?shù)胶竺娴木W(wǎng)絡(luò)層中。在加深網(wǎng)絡(luò)時,對于輸入x期望,輸出為H(x),學(xué)習(xí)F(x)=H(x)-x作為ResNet的殘差學(xué)習(xí)單元,改變了學(xué)習(xí)目標(biāo),從對輸出函數(shù)的學(xué)習(xí)轉(zhuǎn)換為對殘差的學(xué)習(xí),從而在將網(wǎng)絡(luò)層數(shù)據(jù)增加到152層時,仍能保持正常收斂與較好性能。相對于淺層網(wǎng)絡(luò),深層網(wǎng)絡(luò)得到的高層抽象語義更能表現(xiàn)出圖像特征,具有更佳的性能。相比于一般的CNN,ResNet使用了一種shortcut連接方式。普通CNN與ResNet基本結(jié)構(gòu)塊如圖2所示。殘差基本結(jié)構(gòu)塊可以表示為:

    其中F為殘差函數(shù),h(x1)=X1為恒等映射,XI、X1+1.分別表示第,個殘差單元的輸入與輸出,f為ReLU激活函數(shù),則從,至L所學(xué)習(xí)的特征為:以鏈?zhǔn)揭?guī)則求反向傳播梯度:

    可以看出,該方式能保證梯度的無損傳播,有效避免梯度消失問題,在模型中具有良好的服裝圖像特征提取效果。

    1.2 RPN網(wǎng)絡(luò)

    RPN(Region Proposal Networks)網(wǎng)絡(luò)是一種全卷積網(wǎng)絡(luò),通過端到端的形式進行區(qū)域生成,與分類回歸共享提取到的卷積特征,相較于之前的Selective Search與EdgeBoxes方法具有更快的提取速度[15-16]。

    RPN網(wǎng)絡(luò)將殘差神經(jīng)網(wǎng)絡(luò)的共享特征圖作為輸入,以滑動窗口方式生成k個區(qū)域建議框,對應(yīng)分類層有2k個輸出,表示判斷是目標(biāo)與非目標(biāo)的概率,對應(yīng)回歸層有4k個輸出,表示k個區(qū)域建議框的位置。RPN 工作原理如圖3所示。

    1.3興趣區(qū)域池化

    在Faster R-CNN的RPN網(wǎng)絡(luò)后接人全連接層,通過RoI興趣區(qū)域池化層將不同大小的興趣區(qū)域轉(zhuǎn)換為固定大小。

    將RPN網(wǎng)絡(luò)輸出建議與CNN網(wǎng)絡(luò)輸出特征圖輸入到RoI興趣區(qū)域池化層,以空間尺度數(shù)l/16映射回(M/16)*(N/16)的特征圖尺度,接入最大值池化層,針對將特征圖水平與豎直7等分的建議,生成7*7的輸出[17],主要過程如圖4所示。

    通過RoI興趣區(qū)域池化后,對于任意尺寸大小的圖像輸入,模型后續(xù)回歸分類的全連接層具有相同維度的輸入。

    1.4回歸分類

    1.4.1Softmax分類器

    對RoI池化得到的區(qū)域建議特征圖,經(jīng)全連接層以3*3的卷積核遍歷特征圖,采用Softmax分類器計算類別概率向量,選取概率最大的k個向量作為候選區(qū)。對于每一類別的概率,令模型參數(shù)為 ,采用歸一化方法使所有概率和為1,對于所有輸入的列向量

    1.4.2邊框回歸

    對于圖像目標(biāo)檢測的正確性,采用IoU(交并比),也稱為檢測評價函數(shù)進行度量。如圖5所示,IoU是指預(yù)測框(黑框)與真實框(紅框)交集與并集的比值。

    通過邊框回歸器得到位置偏移量,使最終的回歸框更加精確,得到當(dāng)前的回歸坐標(biāo)值。

    針對服裝的特有屬性,考慮文獻[18]中對顯著性特征的分析,調(diào)整模型并采用HOG邊緣梯度直方圖特征結(jié)合SVM分類器進行目標(biāo)檢測。主要計算圖像局部區(qū)域梯度直方圖,并統(tǒng)計區(qū)域內(nèi)的梯度直方圖構(gòu)成特征向量。采用128*144的檢測子,nhins設(shè)置為9,結(jié)合服裝目標(biāo)的顯著性檢測進行邊框修正,得到綜合考慮圖像底層HOG邊緣梯度直方圖特征與高層卷積神經(jīng)網(wǎng)絡(luò)特征的服裝圖像,輸出邊框回歸坐標(biāo)值[19]。

    2實驗分析

    2.1實驗環(huán)境與預(yù)處理

    2.1.1 實驗環(huán)境

    處理器:Intel Core i5-9400F@6x 4.1GHz。

    顯卡:GeForce GTX 1660 Ti。

    內(nèi)存:16G。

    操作系統(tǒng):ManjaroLinux環(huán)境。

    開發(fā)環(huán)境:基于Pvthon3與PvTorch。

    2.1.2 實驗數(shù)據(jù)集

    綜合香港中文大學(xué)提供的大型公開服裝圖像數(shù)據(jù)集DeepFashion與FashionAI、某省服裝個性化定制協(xié)同創(chuàng)新中心項目積累的大量圖片,以及在各電子商務(wù)網(wǎng)站爬取的服裝圖像,得到總計325 870張服裝圖像。關(guān)聯(lián)對應(yīng)的服裝類別標(biāo)簽與服裝主體邊界框標(biāo)注,建立大規(guī)模服裝圖像數(shù)據(jù)集,部分圖片展示如圖6所示。

    考慮日常照片中的上半身照較多,鞋子出現(xiàn)較少,將研究任務(wù)選取類別主要分為上衣、下裝、裙子3大類,再細(xì)分得到24個服裝類別標(biāo)簽如表l所示。對沒有標(biāo)注的圖像進行人工服裝類別與目標(biāo)框標(biāo)注,標(biāo)注圖像對應(yīng)的類別與邊框。參考PASCAL VOC 2007數(shù)據(jù)集格式,生成對應(yīng)的XML文件。

    對于建立的大規(guī)模服裝圖像數(shù)據(jù)集,將數(shù)據(jù)集隨機分成3批,采用20萬張作為訓(xùn)練集,用來進行模型訓(xùn)練,6萬張作為驗證集,用來進行參數(shù)調(diào)整,得到最佳模型參數(shù),其余部分作為測試集,用來進行模型評價[20]。

    2.1.3預(yù)處理

    對于實驗數(shù)據(jù)集中的服裝圖像,為減少圖像冗余信息,需進行預(yù)處理,主要進行去均值與歸一化。

    去均值是指消除圖像每個數(shù)據(jù)點的平均亮度值,將輸入樣本的中心定位于坐標(biāo)系原點,以去除維度對樣本的影響。對于 共m個輸入樣本,維數(shù)為 為,樣本圖像像素平鋪后的i個像素,則對于該像素而言,使該點像素變?yōu)?。歸一化是將像素點除以255,歸一到[O,1]區(qū)間,統(tǒng)一各維度取值范圍。

    2.2實驗分析

    2.2.1 目標(biāo)檢測評價參數(shù)

    對于目標(biāo)檢測模型,通常采用能綜合考慮精確度(Pre-cision)與召回率(Recall)的平均準(zhǔn)確率均值(mAP,MeanAverage Precision)評價模型。AP是指對某一類別識別的平均準(zhǔn)確率,mAP則可衡量對所有類別的識別效果。mAP在0-1之間,該值越大,表示模型檢測效果越好。計算公式如下:

    對于實驗?zāi)P停琺AP值為0.902,具有較好的檢測效果。

    2.2.2運行速度

    采用FPS(Frame Per Second,每秒幀率),即模型每秒處理圖像的數(shù)量描述模型運行速度。在本實驗的硬件環(huán)境中,模型對數(shù)據(jù)集的FPS為8.9幀/秒,即一秒能夠完成對8.9張圖像的目標(biāo)檢測,具有較快的檢索速度。

    2.3對比實驗設(shè)計

    考慮采用不同卷積神經(jīng)網(wǎng)絡(luò)進行特征提取,并進行模型檢測效果比較,得到不同模型性能對比如表2所示。

    實驗結(jié)果表明,總體而言,Resnetl01與Densenet201的特征提取效果更好,但Densenet201由于深度過大,模型過于復(fù)雜,耗時遠(yuǎn)超過其它模型,因此本文選取的Resnetl01具有最佳的綜合性能。

    3 結(jié)語

    本文提出一種針對服裝圖像的目標(biāo)檢測方法,借助殘差神經(jīng)網(wǎng)絡(luò)的特征提取能力進行服裝圖像特征提取,通過RPN網(wǎng)絡(luò)進行候選區(qū)域生成,調(diào)整Faster R-CNN網(wǎng)絡(luò)模型,融合服裝的高層卷積特征與底層HOG特征,從而有效提高了服裝目標(biāo)的檢測準(zhǔn)確率,并具有較快的處理速度。但由于數(shù)據(jù)集中的服裝圖像目標(biāo)一般為單個,缺少對多目標(biāo)、多類別的魯棒性,未來考慮從該方面出發(fā),對服裝圖像目標(biāo)檢測作更深入的研究。

    參考文獻:

    [1]王潛.基于卷積神經(jīng)網(wǎng)絡(luò)的服裝分類與目標(biāo)檢測研究[D].武漢:武漢理工大學(xué),2017.

    [2]蘭麗服裝圖像自動標(biāo)注方法研究[D].北京:北京服裝學(xué)院,2017.

    [3]張振煥,周彩蘭,梁媛.基于殘差的優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)服裝分類算法[J].計算機工程與科學(xué),2018,40(2):354-360.

    [4]劉鵬飛視頻監(jiān)控場景中人數(shù)統(tǒng)計方法的研究與應(yīng)用[D].成都:

    電子科技大學(xué),2017.

    [5]黃凱奇,陳曉棠,康運鋒,等智能視頻監(jiān)控技術(shù)綜述[J].計算機學(xué)報,2015 .38(6): 1093-1118.

    [6]YAMAZAKI K. INABA M. A cloth detection method based on image

    wrinkle feature for dailv assistive robots[J].MVA,2013.

    [7]PAN R. GAO W,LIU J, et al. Automatic recognition ofWoven fabricpattern based on image processing and BP neural network[J] Journalof the Textile Institute, 2011,102(1):19-30.

    [8]WANG N,AI H Z,TANC F. Who hlockswho: simultaneous segmenta-tion of occluded ohjects FJl. Journal of Cnmputer Science and Tech-nology, 2013, 28(5): 890-906.

    [9]LIU Z. YAN S,LLO P. et al. Fashion landmark detection in the wild[C]. European Conference on Cnmputer Vision, 2016.

    [10]LIU Z, LUO P, QIU S,et al. Deepfashion: powering rohust clothesrecngnition and retrievalM-ith rich annotations[C] Computer Vision&Pattern Recognition, 20 1 6.

    [II]紀(jì)娟,秦珂,楊若瑜,基于HOG和幾何特征的服裝細(xì)節(jié)要素識別與分類[J].圖學(xué)學(xué)報,2016(1):84-90.

    [12]曹詩雨,劉躍虎,李辛昭.基于Fast R-CNN的車輛目標(biāo)檢測[J].中國圖象圖形學(xué)報,2017,22(5):671-677.

    [13]王林,張鶴鶴Faster R-CNN模型在車輛檢測中的應(yīng)用[J].計算機應(yīng)用,2018,38( 3):666-670.

    [14]HE K, ZHANC X. REN S, et al. Deep residual learniW for image rec-ognition[C]. Cnmputer Vision and Pattern Recognition(CVPR), 2015.

    [15]CHEN Y P, LI Y. WANG G.An enhanced region propnsal networkfor ohject detection using deep learning method[J]. PloS one, 201 8.

    [16] 殷文斌卷積神經(jīng)網(wǎng)絡(luò)在遙感目標(biāo)識別中的應(yīng)用研究[D].北京: 中國科學(xué)院大學(xué),2017.

    [17]楚翔宇.基于深度學(xué)習(xí)的交通視頻檢測及車型分類研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2017.

    [18]娜黑雅顯著區(qū)域檢測及其在服裝檢索中的應(yīng)用[D].青島:中國石油大學(xué)(華東),2014.

    [19]何妮.結(jié)合顯著性目標(biāo)檢測與圖像分割的服飾提取算法研究及實現(xiàn)[D]成都:西南交通大學(xué),2015.

    [20]徐勝,昊新娟基于多示例學(xué)習(xí)的圖像檢索方法[J].信息技術(shù),2014(7):106-110

    (責(zé)任編輯:黃?。?/p>

    收稿日期:2019-06-03

    基金項目:浙江省科技廳(重大)項目(2015C03001)

    作者簡介:陳雙(1994-),男,浙江理工大學(xué)信息學(xué)院碩士研究生,研究方向為人工智能與機器學(xué)習(xí)、大數(shù)據(jù)技術(shù)與應(yīng)用;何利力

    (1966-),男,博士,浙江理工大學(xué)信息學(xué)院教授,研究方向為圖形圖像、人機交互、制造業(yè)信息化、企業(yè)智能、數(shù)據(jù)庫。

    猜你喜歡
    目標(biāo)檢測深度學(xué)習(xí)
    有體驗的學(xué)習(xí)才是有意義的學(xué)習(xí)
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    移動機器人圖像目標(biāo)識別
    一種改進的峰均功率比判源方法
    大片免费播放器 马上看| 中文字幕久久专区| 国产精品国产av在线观看| 内射极品少妇av片p| 亚洲欧美成人精品一区二区| .国产精品久久| 亚洲欧美精品自产自拍| 国产 一区精品| 搡老乐熟女国产| 欧美精品亚洲一区二区| 99久久人妻综合| www.av在线官网国产| 夫妻性生交免费视频一级片| 一级毛片 在线播放| 91精品国产国语对白视频| 成人无遮挡网站| 熟妇人妻不卡中文字幕| 成人亚洲欧美一区二区av| 久久精品久久久久久噜噜老黄| 亚洲国产精品一区三区| 亚洲aⅴ乱码一区二区在线播放| 超碰97精品在线观看| 国产成人午夜福利电影在线观看| 自拍偷自拍亚洲精品老妇| 丰满乱子伦码专区| 精品一区二区三区视频在线| 午夜免费观看性视频| 天堂中文最新版在线下载| 99久久精品热视频| 丰满少妇做爰视频| 国产一区有黄有色的免费视频| 人体艺术视频欧美日本| 亚洲国产欧美在线一区| 亚洲国产精品成人久久小说| 人妻 亚洲 视频| 中文天堂在线官网| 在线观看国产h片| 久久久久国产精品人妻一区二区| 亚洲国产精品999| 久久人人爽av亚洲精品天堂 | 22中文网久久字幕| 日韩av免费高清视频| 一本一本综合久久| 小蜜桃在线观看免费完整版高清| 街头女战士在线观看网站| 成人18禁高潮啪啪吃奶动态图 | 搡老乐熟女国产| 99热6这里只有精品| 精品一品国产午夜福利视频| 亚洲精品久久久久久婷婷小说| 亚洲欧洲日产国产| 亚洲欧美日韩另类电影网站 | 精品午夜福利在线看| 亚洲精品国产av成人精品| 中文在线观看免费www的网站| 国产高清不卡午夜福利| 五月玫瑰六月丁香| 免费黄色在线免费观看| 国产精品国产av在线观看| 亚洲一区二区三区欧美精品| 狂野欧美激情性xxxx在线观看| 少妇 在线观看| av视频免费观看在线观看| 永久免费av网站大全| 久久久久精品久久久久真实原创| 成人国产av品久久久| 午夜福利在线在线| 91久久精品国产一区二区三区| a 毛片基地| 成人综合一区亚洲| av在线观看视频网站免费| 丰满迷人的少妇在线观看| 欧美丝袜亚洲另类| 欧美最新免费一区二区三区| 色婷婷av一区二区三区视频| 在线免费十八禁| 成人一区二区视频在线观看| 久久99蜜桃精品久久| 国产综合精华液| 五月天丁香电影| 99热6这里只有精品| 久久6这里有精品| 午夜免费鲁丝| 久久影院123| 精品少妇久久久久久888优播| 国内精品宾馆在线| 亚洲精品中文字幕在线视频 | 亚洲精品第二区| 在线观看人妻少妇| 亚洲久久久国产精品| 亚洲欧美一区二区三区黑人 | 人体艺术视频欧美日本| 亚洲欧美精品专区久久| 欧美精品国产亚洲| 久久国产亚洲av麻豆专区| 水蜜桃什么品种好| 欧美激情极品国产一区二区三区 | 免费人成在线观看视频色| 交换朋友夫妻互换小说| 激情五月婷婷亚洲| 香蕉精品网在线| 久久久久久久久久久免费av| 欧美精品国产亚洲| 婷婷色av中文字幕| 国产av精品麻豆| 久久久久视频综合| 99热全是精品| 欧美最新免费一区二区三区| 精品午夜福利在线看| 亚洲人与动物交配视频| 日韩国内少妇激情av| 免费播放大片免费观看视频在线观看| 一区二区三区乱码不卡18| 黄色欧美视频在线观看| 国产精品偷伦视频观看了| 久久青草综合色| 亚洲人成网站在线播| 久久国产精品大桥未久av | 精品一区二区三区视频在线| 99国产精品免费福利视频| 少妇丰满av| 国产免费一区二区三区四区乱码| 国产淫语在线视频| 91aial.com中文字幕在线观看| 亚洲欧美日韩卡通动漫| 丝袜喷水一区| 免费人妻精品一区二区三区视频| 王馨瑶露胸无遮挡在线观看| 日韩欧美一区视频在线观看 | 国产黄片视频在线免费观看| 久久精品国产亚洲av天美| 国产av码专区亚洲av| 国产男人的电影天堂91| 美女高潮的动态| 久久久精品免费免费高清| .国产精品久久| 中国三级夫妇交换| 王馨瑶露胸无遮挡在线观看| 欧美一级a爱片免费观看看| 在线观看av片永久免费下载| 亚洲欧美日韩卡通动漫| 久久婷婷青草| 99热国产这里只有精品6| 一本久久精品| 日日摸夜夜添夜夜添av毛片| 美女国产视频在线观看| 少妇熟女欧美另类| 免费大片黄手机在线观看| 国产成人免费观看mmmm| 黄色视频在线播放观看不卡| 九草在线视频观看| 黑人高潮一二区| 少妇 在线观看| 看免费成人av毛片| 国产欧美另类精品又又久久亚洲欧美| 欧美3d第一页| 三级国产精品欧美在线观看| 国产黄片视频在线免费观看| 亚洲成人一二三区av| 精品酒店卫生间| 一区二区av电影网| av在线播放精品| 乱码一卡2卡4卡精品| 午夜福利高清视频| 国产精品久久久久久av不卡| 人人妻人人看人人澡| 最新中文字幕久久久久| 欧美精品亚洲一区二区| 成人亚洲欧美一区二区av| 亚洲国产欧美人成| 91精品国产九色| 国产av码专区亚洲av| 精品一区在线观看国产| 国产久久久一区二区三区| 三级国产精品欧美在线观看| 91精品国产国语对白视频| 欧美一级a爱片免费观看看| 国产亚洲5aaaaa淫片| 久久国产亚洲av麻豆专区| 精品一区二区三卡| 久久国产乱子免费精品| 简卡轻食公司| 免费av不卡在线播放| 一级a做视频免费观看| 免费看av在线观看网站| 国产女主播在线喷水免费视频网站| 成人漫画全彩无遮挡| 熟妇人妻不卡中文字幕| 性高湖久久久久久久久免费观看| 欧美精品人与动牲交sv欧美| 欧美精品人与动牲交sv欧美| 91aial.com中文字幕在线观看| 国产一区亚洲一区在线观看| 国产视频首页在线观看| 亚洲四区av| 在线观看人妻少妇| 久久久久久久久久人人人人人人| 少妇丰满av| 国产免费视频播放在线视频| 欧美 日韩 精品 国产| 伦精品一区二区三区| 国产黄频视频在线观看| a级毛片免费高清观看在线播放| 日韩 亚洲 欧美在线| 人妻 亚洲 视频| 亚洲av国产av综合av卡| 欧美少妇被猛烈插入视频| 99热全是精品| 亚洲无线观看免费| av在线观看视频网站免费| 国产精品久久久久久av不卡| 伦精品一区二区三区| 爱豆传媒免费全集在线观看| 蜜桃亚洲精品一区二区三区| 亚洲精品乱码久久久久久按摩| 国产成人免费无遮挡视频| 免费人成在线观看视频色| 日韩伦理黄色片| 亚洲国产精品成人久久小说| 九九在线视频观看精品| 日韩强制内射视频| 国产成人精品一,二区| 日本av免费视频播放| 毛片女人毛片| 十八禁网站网址无遮挡 | 最近手机中文字幕大全| 国产成人精品福利久久| 亚洲国产精品一区三区| 99久久精品一区二区三区| 视频区图区小说| 欧美xxxx性猛交bbbb| 女人久久www免费人成看片| 亚洲欧洲日产国产| 亚洲av在线观看美女高潮| 国产高潮美女av| 91精品国产国语对白视频| 少妇的逼水好多| 国产成人91sexporn| 麻豆精品久久久久久蜜桃| 全区人妻精品视频| 国产成人a∨麻豆精品| 赤兔流量卡办理| 99热网站在线观看| 久久精品久久久久久久性| 亚洲国产高清在线一区二区三| 超碰av人人做人人爽久久| 日本欧美视频一区| 亚洲伊人久久精品综合| 亚洲国产成人一精品久久久| 一区二区三区精品91| av不卡在线播放| 国产欧美亚洲国产| 亚洲精品国产色婷婷电影| 中文字幕人妻熟人妻熟丝袜美| 汤姆久久久久久久影院中文字幕| 国产黄片视频在线免费观看| 欧美3d第一页| 老熟女久久久| 久久精品国产亚洲av涩爱| 国产免费福利视频在线观看| 色吧在线观看| 国产亚洲精品久久久com| 在线观看免费视频网站a站| 欧美精品人与动牲交sv欧美| 欧美日韩视频高清一区二区三区二| 中文字幕制服av| 精品国产一区二区三区久久久樱花 | 美女国产视频在线观看| 简卡轻食公司| 91精品一卡2卡3卡4卡| 欧美日韩视频精品一区| 久久午夜福利片| 国产成人精品一,二区| 亚洲精品亚洲一区二区| 热99国产精品久久久久久7| 看免费成人av毛片| 精品少妇久久久久久888优播| 亚洲av中文字字幕乱码综合| 亚洲内射少妇av| 国产大屁股一区二区在线视频| 欧美日韩视频精品一区| 久久久久国产精品人妻一区二区| 午夜福利高清视频| 下体分泌物呈黄色| 亚洲国产高清在线一区二区三| 免费观看无遮挡的男女| 日日摸夜夜添夜夜添av毛片| 精品久久久久久久久av| 涩涩av久久男人的天堂| 亚洲欧洲国产日韩| 三级国产精品片| 久久精品国产亚洲av涩爱| 久久久久久久久大av| 干丝袜人妻中文字幕| 色综合色国产| 久久久精品94久久精品| 精品视频人人做人人爽| 日韩大片免费观看网站| 老女人水多毛片| 又大又黄又爽视频免费| 18禁动态无遮挡网站| 欧美亚洲 丝袜 人妻 在线| 久久久久网色| 亚洲av日韩在线播放| 能在线免费看毛片的网站| 人妻制服诱惑在线中文字幕| 欧美性感艳星| 日韩成人伦理影院| 欧美另类一区| 欧美极品一区二区三区四区| 国产成人精品久久久久久| 久久久久久久久久人人人人人人| 国产精品三级大全| 狂野欧美激情性bbbbbb| 高清视频免费观看一区二区| 色婷婷av一区二区三区视频| 青春草国产在线视频| 夜夜看夜夜爽夜夜摸| 国产亚洲最大av| 国产中年淑女户外野战色| 人人妻人人爽人人添夜夜欢视频 | 18+在线观看网站| 黄片wwwwww| 久久久久网色| 99re6热这里在线精品视频| 亚洲国产精品专区欧美| 亚洲国产色片| 亚洲久久久国产精品| 七月丁香在线播放| 一级黄片播放器| 国产精品一区二区在线观看99| 成人国产麻豆网| 日韩亚洲欧美综合| 久久精品国产亚洲av涩爱| 大片电影免费在线观看免费| 晚上一个人看的免费电影| 久久人妻熟女aⅴ| 欧美日韩视频高清一区二区三区二| 男女无遮挡免费网站观看| 久久国产乱子免费精品| 久久国内精品自在自线图片| 久热这里只有精品99| 成人毛片60女人毛片免费| 亚州av有码| 国产中年淑女户外野战色| 国产在线视频一区二区| 亚洲国产欧美人成| 九九爱精品视频在线观看| 人妻夜夜爽99麻豆av| 成人漫画全彩无遮挡| 国产亚洲av片在线观看秒播厂| av天堂中文字幕网| 大片电影免费在线观看免费| 麻豆精品久久久久久蜜桃| 伊人久久精品亚洲午夜| av又黄又爽大尺度在线免费看| 99热6这里只有精品| 性高湖久久久久久久久免费观看| 国产精品三级大全| 国产精品一二三区在线看| 九九在线视频观看精品| 黑人猛操日本美女一级片| 久久久久久人妻| 1000部很黄的大片| 久久久久久久精品精品| 国产高清三级在线| 国产伦精品一区二区三区视频9| 欧美精品亚洲一区二区| 一个人看视频在线观看www免费| 亚洲怡红院男人天堂| 亚洲欧美中文字幕日韩二区| 大又大粗又爽又黄少妇毛片口| 最黄视频免费看| 韩国av在线不卡| 日本免费在线观看一区| 亚洲aⅴ乱码一区二区在线播放| 久久久久久久国产电影| 在线天堂最新版资源| 深爱激情五月婷婷| 久久久久久久亚洲中文字幕| 精华霜和精华液先用哪个| 欧美精品亚洲一区二区| 国产熟女欧美一区二区| 日本猛色少妇xxxxx猛交久久| 亚洲国产成人一精品久久久| 在线观看av片永久免费下载| 偷拍熟女少妇极品色| 久热久热在线精品观看| 蜜臀久久99精品久久宅男| 亚洲,一卡二卡三卡| av黄色大香蕉| 日韩一本色道免费dvd| 好男人视频免费观看在线| av视频免费观看在线观看| 自拍偷自拍亚洲精品老妇| 日本一二三区视频观看| 蜜桃在线观看..| av播播在线观看一区| 日本欧美国产在线视频| 国产精品99久久久久久久久| 日韩中文字幕视频在线看片 | 免费看光身美女| 国产一区亚洲一区在线观看| 国产精品熟女久久久久浪| 99国产精品免费福利视频| 一边亲一边摸免费视频| 成人二区视频| 国产免费福利视频在线观看| 久久97久久精品| 国产av一区二区精品久久 | 插阴视频在线观看视频| 十八禁网站网址无遮挡 | 国产精品av视频在线免费观看| 超碰97精品在线观看| av播播在线观看一区| 天堂俺去俺来也www色官网| 国产精品国产三级专区第一集| 久久久久国产精品人妻一区二区| av网站免费在线观看视频| 亚洲欧美中文字幕日韩二区| 两个人的视频大全免费| 日本欧美国产在线视频| 永久网站在线| 在现免费观看毛片| 久久人妻熟女aⅴ| 99久久精品国产国产毛片| 亚洲电影在线观看av| 18禁裸乳无遮挡免费网站照片| 美女脱内裤让男人舔精品视频| 丰满少妇做爰视频| 最近中文字幕2019免费版| 欧美日韩国产mv在线观看视频 | 亚洲四区av| 制服丝袜香蕉在线| 久久久色成人| 人妻夜夜爽99麻豆av| 中文乱码字字幕精品一区二区三区| 秋霞伦理黄片| 免费人妻精品一区二区三区视频| 18禁在线无遮挡免费观看视频| 亚洲国产毛片av蜜桃av| 少妇被粗大猛烈的视频| 一本一本综合久久| 夫妻性生交免费视频一级片| 免费大片18禁| 成年女人在线观看亚洲视频| 国产一区二区在线观看日韩| 男人爽女人下面视频在线观看| 亚洲中文av在线| 亚洲,一卡二卡三卡| 亚洲无线观看免费| 国产精品欧美亚洲77777| 精品一区二区三卡| 亚洲伊人久久精品综合| 久久精品久久久久久久性| av.在线天堂| 久久99热这里只频精品6学生| 涩涩av久久男人的天堂| 国产精品一区二区性色av| 91精品伊人久久大香线蕉| 久久国内精品自在自线图片| 极品少妇高潮喷水抽搐| 久久久久精品久久久久真实原创| 免费在线观看成人毛片| 免费观看在线日韩| 久久6这里有精品| 99re6热这里在线精品视频| 久久久国产一区二区| 少妇精品久久久久久久| 一级毛片 在线播放| 久久精品国产亚洲av天美| 国产一区二区三区av在线| 老司机影院成人| 色网站视频免费| 天天躁日日操中文字幕| 少妇的逼水好多| 国产一区亚洲一区在线观看| 蜜桃久久精品国产亚洲av| 国产黄色免费在线视频| 日韩亚洲欧美综合| 国产黄片美女视频| 久久综合国产亚洲精品| 99久久精品一区二区三区| 有码 亚洲区| h视频一区二区三区| 国产男人的电影天堂91| 国产 一区 欧美 日韩| 国内揄拍国产精品人妻在线| 超碰97精品在线观看| 国产午夜精品久久久久久一区二区三区| 亚洲欧美一区二区三区国产| 亚洲av日韩在线播放| 亚洲aⅴ乱码一区二区在线播放| 人人妻人人爽人人添夜夜欢视频 | 国产一区二区三区av在线| 国产无遮挡羞羞视频在线观看| 深夜a级毛片| 亚洲精品456在线播放app| 久久99精品国语久久久| 在线免费十八禁| 国产精品一区二区性色av| 国产淫片久久久久久久久| 午夜福利高清视频| 久久久久精品性色| 亚洲av日韩在线播放| 国产人妻一区二区三区在| 欧美xxⅹ黑人| 日韩欧美精品免费久久| 亚洲成人av在线免费| 男男h啪啪无遮挡| 国产白丝娇喘喷水9色精品| 国模一区二区三区四区视频| 成人免费观看视频高清| 女人十人毛片免费观看3o分钟| 亚洲久久久国产精品| 久久99热这里只频精品6学生| 国产在线视频一区二区| 伦理电影免费视频| 夜夜爽夜夜爽视频| 97超视频在线观看视频| 成年av动漫网址| 美女主播在线视频| 国产久久久一区二区三区| 亚州av有码| 丝袜喷水一区| 精品国产三级普通话版| 久热久热在线精品观看| 最新中文字幕久久久久| 中文在线观看免费www的网站| 黑人高潮一二区| 国产成人精品一,二区| 日韩三级伦理在线观看| 熟妇人妻不卡中文字幕| 免费播放大片免费观看视频在线观看| 亚洲精品一区蜜桃| 一级毛片 在线播放| 高清在线视频一区二区三区| 国产欧美另类精品又又久久亚洲欧美| videos熟女内射| 国产国拍精品亚洲av在线观看| 成人一区二区视频在线观看| 午夜激情久久久久久久| 午夜免费观看性视频| 国产精品爽爽va在线观看网站| 欧美老熟妇乱子伦牲交| 亚洲精品国产成人久久av| 日本欧美视频一区| 99久久精品热视频| 欧美成人精品欧美一级黄| 国产亚洲5aaaaa淫片| 亚洲精品第二区| 国产精品国产三级专区第一集| 2021少妇久久久久久久久久久| 寂寞人妻少妇视频99o| 国产老妇伦熟女老妇高清| 国产成人精品久久久久久| 精品一区二区三区视频在线| 午夜福利网站1000一区二区三区| 在线 av 中文字幕| 纵有疾风起免费观看全集完整版| 五月天丁香电影| 日韩av在线免费看完整版不卡| 天堂俺去俺来也www色官网| 91aial.com中文字幕在线观看| 免费看日本二区| 亚洲国产精品专区欧美| 美女中出高潮动态图| 国产综合精华液| 黄色日韩在线| 最近手机中文字幕大全| 人体艺术视频欧美日本| 狂野欧美白嫩少妇大欣赏| 亚洲真实伦在线观看| 麻豆乱淫一区二区| 一区在线观看完整版| 欧美高清性xxxxhd video| 久久精品国产自在天天线| 欧美成人午夜免费资源| 国产成人精品婷婷| 欧美老熟妇乱子伦牲交| 久久精品久久精品一区二区三区| 国产白丝娇喘喷水9色精品| 插阴视频在线观看视频| 中文字幕av成人在线电影| 韩国av在线不卡| 成人黄色视频免费在线看| 午夜精品国产一区二区电影| 国产欧美另类精品又又久久亚洲欧美| 日韩电影二区| 亚洲精品国产色婷婷电影| 亚洲国产精品999| 久久青草综合色| 精品熟女少妇av免费看| 秋霞在线观看毛片| 国产精品av视频在线免费观看| 联通29元200g的流量卡| 久久久国产一区二区| 久久久欧美国产精品| 久久 成人 亚洲| 寂寞人妻少妇视频99o| 国产美女午夜福利| 欧美精品一区二区免费开放| 亚洲av在线观看美女高潮| 亚洲国产欧美在线一区| 欧美日本视频| 最近中文字幕高清免费大全6| 成人免费观看视频高清| 男人和女人高潮做爰伦理| 国产精品偷伦视频观看了| 国产精品伦人一区二区| 黄片wwwwww| 丝袜喷水一区| 丰满乱子伦码专区| 一个人看视频在线观看www免费| 能在线免费看毛片的网站|