• <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)的Faster R-CNN目標(biāo)人物檢測(cè)

    2020-11-11 02:58:46周華平桂海霞姚尚軍丁金虎
    無(wú)線電通信技術(shù) 2020年6期
    關(guān)鍵詞:特征提取殘差準(zhǔn)確率

    周華平,殷 凱,桂海霞,姚尚軍,丁金虎

    (1.安徽理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院,安徽 淮南232000;2.淮北礦業(yè)物業(yè)管理服務(wù)有限公司,安徽 淮北235000)

    0 引言

    在計(jì)算機(jī)視覺任務(wù)中,常常面臨一個(gè)基本問題:怎樣理解現(xiàn)實(shí)世界中的場(chǎng)景結(jié)構(gòu)? 在現(xiàn)實(shí)世界中,人們通過視覺獲得的外部信息達(dá)到80%以上。人眼就如同監(jiān)控器一樣,我們通過視覺獲得的信息往往是一段動(dòng)態(tài)視頻。而當(dāng)提取監(jiān)控器所記錄的視頻信息時(shí),往往先將其拆分為一張一張的圖像,通過對(duì)圖像的分析來(lái)理解所記錄視頻的全部信息,理解圖像的意思意味著理解真正的場(chǎng)景。圖像處理越來(lái)越重要,并且目標(biāo)檢測(cè)是圖像處理和計(jì)算機(jī)視覺任務(wù)的基礎(chǔ)。目標(biāo)檢測(cè)任務(wù)不僅僅是單純地檢測(cè)目標(biāo)是否在圖像或者視頻中,更重要的是能夠確定目標(biāo)所在的位置。比如,當(dāng)進(jìn)行一個(gè)人物的目標(biāo)檢測(cè)時(shí),在一張圖像中,可能存在一個(gè)甚至多個(gè)人物目標(biāo),可以輕松地判定圖像中有人;然而,當(dāng)想要在圖像中確定目標(biāo)人物出現(xiàn)的位置時(shí),往往需要以某種方式探索。

    目前,卷積神經(jīng)網(wǎng)絡(luò)[1]廣泛應(yīng)用于各種領(lǐng)域。在目標(biāo)檢測(cè)領(lǐng)域中,區(qū)域卷積神經(jīng)網(wǎng)絡(luò)R-CNN[2]顯著地提升了目標(biāo)檢測(cè)器的準(zhǔn)確率和運(yùn)行速度,并且以R-CNN 及其變體Fast R-CNN[3]和Faster R-CNN[4]為代表的二階段目標(biāo)檢測(cè)網(wǎng)絡(luò)一直在各個(gè)常用的目標(biāo)檢測(cè)數(shù)據(jù)集上獲得最高的準(zhǔn)確率。相比AlexNet[5],VGG16[6]等特征提取網(wǎng)絡(luò),ResNet[7]具有更好的提取圖像深層信息的能力。在使用Batch Normalization[8]解決了模型的收斂問題之后,原則上ResNet的深度可以持續(xù)增加,He等[9]使用ResNET來(lái)解決增加模型的深度反而導(dǎo)致訓(xùn)練誤差的增加。

    1 Faster R-CNN

    Faster R-CNN目標(biāo)檢測(cè)網(wǎng)絡(luò)主要分為兩個(gè)步驟:① 定位目標(biāo)。通過輸入一張圖片進(jìn)入特征提取網(wǎng)絡(luò),經(jīng)過一系列的卷積、池化操作來(lái)提取圖像的特征圖,目標(biāo)檢測(cè)任務(wù)不僅是檢測(cè)目標(biāo),還有通過RPN網(wǎng)絡(luò)在特征圖上找到定位的候選目標(biāo)。② 對(duì)目標(biāo)的特定類別進(jìn)行分類。范圍框回歸器用于修改候選目標(biāo)的位置以生成最終候選目標(biāo)區(qū)域,而softmax分類器用于識(shí)別候選目標(biāo)的類別。本文使用分類網(wǎng)絡(luò)來(lái)判別候選區(qū)域是否屬于人,從而實(shí)現(xiàn)對(duì)目標(biāo)人物的檢測(cè)。Faster R-CNN結(jié)構(gòu)如圖1所示。

    圖1 Faster R-CNN結(jié)構(gòu)Fig.1 Faster R-CNN Structure

    1.1 特征提取網(wǎng)絡(luò)

    1.1.1 ResNet

    本文通過對(duì)基于卷積神經(jīng)網(wǎng)絡(luò)的ResNet-101模型進(jìn)行改進(jìn)來(lái)完成對(duì)目標(biāo)人物的特征提取,相比AlexNet,VGG16等特征提取網(wǎng)絡(luò),其特點(diǎn)如下:

    (1) ResNet采用“shortcut”恒等映射網(wǎng)絡(luò)的快捷連接方式,既不會(huì)產(chǎn)生附加參數(shù)也不會(huì)增加計(jì)算復(fù)雜度。如圖2所示,快捷連接簡(jiǎn)單地執(zhí)行身份映射,并將其輸出添加到疊加層的輸出中。通過SGD反向傳播,使整個(gè)網(wǎng)絡(luò)可以以端到端的形式進(jìn)行訓(xùn)練,從而使得網(wǎng)絡(luò)性能一直處于最優(yōu)狀態(tài)。

    Xl+1=Xl+F(Xl,Wl),

    (1)

    Xl+2=Xl+1+F(Xl+1,Wl+1)=

    Xl+F(Xl,Wl)+F(Xl+1,Wl+1),

    (2)

    (3)

    (4)

    式中,網(wǎng)絡(luò)輸入值為Xl,網(wǎng)絡(luò)輸出值為Xl+1,Xl+2,…,XL,ε,網(wǎng)絡(luò)殘差塊為F(Xl,Wl),F(xiàn)(Xl+1,Wl+1)。

    圖2 殘差網(wǎng)絡(luò)模型Fig.2 Residual network model

    (2) ResNet采用“Bottleneck design”網(wǎng)絡(luò)設(shè)計(jì)方式結(jié)構(gòu),使用1×1的卷積改變維度,3×3卷積繼承網(wǎng)絡(luò)性能,并使3×3卷積的輸入輸出特征圖數(shù)量得到控制。在層數(shù)較高時(shí)減少了3×3卷積個(gè)數(shù),使得在增加網(wǎng)絡(luò)深度和寬度的同時(shí),大幅降低了卷積參數(shù)的個(gè)數(shù)和計(jì)算量。

    1.1.2 改進(jìn)的特征提取網(wǎng)絡(luò)

    在傳統(tǒng)ResNet-101的基礎(chǔ)上,結(jié)合圖片的特點(diǎn),嘗試改進(jìn)殘差結(jié)構(gòu),通過增加網(wǎng)絡(luò)的寬度,提取人物深層特征使網(wǎng)絡(luò)學(xué)習(xí)到關(guān)鍵性的可區(qū)分特征,提出了一種改進(jìn)的深度殘差網(wǎng)絡(luò)結(jié)構(gòu),從而提高目標(biāo)人物的識(shí)別精度。本文使用的殘差單元如圖3所示,采用兩個(gè)并列的3×3卷積層。其中1×1的卷積層作用是改變維度,兩個(gè)并列的3×3卷積層繼承了VGG網(wǎng)絡(luò)的性能,單元采用預(yù)激活方式,所有的卷積層都使用ReLU作為激活函數(shù),即在使用激活函數(shù)和卷積操作之前先進(jìn)行批正則化,這種結(jié)構(gòu)與原始?xì)埐顔卧啾仍谟?xùn)練參數(shù)上相差不大,但后續(xù)實(shí)驗(yàn)表明,本文提出的殘差單元結(jié)構(gòu)對(duì)目標(biāo)人物的檢測(cè)和模型的性能都有明顯提升。

    圖3 殘差單元結(jié)構(gòu)設(shè)計(jì)Fig.3 Structural design of residual element

    1.2 區(qū)域生成網(wǎng)絡(luò)

    區(qū)域生成網(wǎng)絡(luò)(Region Proposal Network,RPN)具體結(jié)構(gòu)如圖4所示。

    圖4 RPN網(wǎng)絡(luò)Fig.4 RPN network

    特征提取網(wǎng)絡(luò)提取圖片特征時(shí),是由低層向深層的一個(gè)過程,每一層都有各自的RPN,通過提取出的不同尺度的feature map來(lái)生成候選區(qū)域,不同比例對(duì)應(yīng)的的RPN不同。當(dāng)深層神經(jīng)元接受范圍擴(kuò)大時(shí),相應(yīng)的錨定箱尺寸也增加。候選面積越大,RPN越小。在獲得候選區(qū)域之后,特征通過RI pooling被轉(zhuǎn)換成統(tǒng)一大小,并且最終將其發(fā)送到分類器,從而完成整個(gè)Faster R-CNN過程。

    在RPN結(jié)構(gòu)中,滑動(dòng)窗口對(duì)特征圖進(jìn)行卷積操作產(chǎn)生n維特征向量,產(chǎn)生的特征向量輸入到回歸層和分類層。其中,滑動(dòng)窗口滑動(dòng)一次會(huì)預(yù)測(cè)出k個(gè)區(qū)域建議,回歸層需要預(yù)測(cè)出包圍框的寬高和中心坐標(biāo),分類層需要辨別建議框是前景還是背景的概率,因此回歸層需要輸出4k個(gè)坐標(biāo),分類層包含2k得分。RPN網(wǎng)絡(luò)進(jìn)行的是端到端的訓(xùn)練過程,使用反向傳播法和梯度下降法進(jìn)行調(diào)優(yōu)。在訓(xùn)練時(shí),RPN使用重疊交并比IoU進(jìn)行正負(fù)標(biāo)簽的分配,IoU>0.7時(shí)分配正標(biāo)簽,IoU<0.3分配負(fù)標(biāo)簽。

    1.3 檢測(cè)網(wǎng)絡(luò)

    檢測(cè)網(wǎng)絡(luò)在Faster R-CNN中進(jìn)行感興趣區(qū)域(Region of Interest,ROI)池化操作。網(wǎng)絡(luò)由邊框分類網(wǎng)絡(luò)與邊框回歸網(wǎng)絡(luò)構(gòu)成,并含有兩個(gè)平行的輸出層。在ROI提取通過RPN對(duì)應(yīng)的區(qū)域特征后,使用檢測(cè)網(wǎng)絡(luò)對(duì)得到特征進(jìn)行人物分類和邊界框的預(yù)測(cè)。分類層的輸出是人類和非人類分類中每個(gè)框架的概率分布;回歸層輸出的則是邊框位置參數(shù)。此階段的損失函數(shù)為:

    L(p,m,tm,n)=Lcls(p,m)+λ[m≥1]·Lreg(tm,n),

    (5)

    (6)

    2 實(shí)驗(yàn)驗(yàn)證

    本文人物數(shù)據(jù)集包含320張圖片,選擇300張圖片作為訓(xùn)練集,20張圖片選為測(cè)試集,使用Image Labeler工具對(duì)圖片進(jìn)行標(biāo)注,測(cè)試集圖片尺寸更改為227×227 px。使用Matlab 2018b作為實(shí)驗(yàn)平臺(tái),實(shí)驗(yàn)所用設(shè)備為Windows 8.1家庭版64位,采用CPU為Intel(R)Core(TM)i5—5200U @2.20 GHz,內(nèi)存4 G,GPU為NIVDIA GeForce 830 M,Cuda9.1實(shí)驗(yàn)過程中調(diào)用GPU進(jìn)行加速運(yùn)算,學(xué)習(xí)率設(shè)定為0.000 1,共進(jìn)行1 000次迭代。

    從表1可以得出,改進(jìn)后的模型準(zhǔn)確率最高,比原始模型的準(zhǔn)確率高出1.6%,即對(duì)于AlexNet和原始的特征網(wǎng)絡(luò),改進(jìn)后的特征網(wǎng)絡(luò)能夠更好地提取圖片特征,可以更加準(zhǔn)確地檢測(cè)目標(biāo)。同時(shí),改進(jìn)后的ResNet101網(wǎng)絡(luò)模型mAP數(shù)值最高,即目標(biāo)網(wǎng)絡(luò)模型性能相對(duì)較好,從而增加模型的識(shí)別精度。所以改進(jìn)后的模型檢測(cè)效果相對(duì)較好。

    表1 不同特征網(wǎng)絡(luò)下的準(zhǔn)確率和mAP值Tab.1 Accuracy and map value under different characteristic networks

    由圖5可知,訓(xùn)練集中樣本的數(shù)量不同對(duì)目標(biāo)檢測(cè)的準(zhǔn)確率有一定的影響,識(shí)別精度會(huì)隨著訓(xùn)練樣本的增加而提高。在不同訓(xùn)練樣本下,改進(jìn)網(wǎng)絡(luò)的識(shí)別精度一直高于原始網(wǎng)絡(luò),在低樣本的情況下準(zhǔn)確率明顯高于原始網(wǎng)絡(luò),說明改進(jìn)后的特征網(wǎng)絡(luò)能夠更好地提取圖片特征,提高識(shí)別精度。

    圖5 不同訓(xùn)練集下的準(zhǔn)確率Fig.5 Accuracy under different training sets

    針對(duì)人物識(shí)別的準(zhǔn)確率以及人物定位精度,在基于Faster R-CNN框架的基礎(chǔ)上提出了一種改進(jìn)其特征網(wǎng)絡(luò)ResNet-101的方法。并用人物圖像訓(xùn)練模型,最后得到人物檢測(cè)和定位的結(jié)果如圖6和圖7所示,可以得到如下的結(jié)論。

    圖6 單目標(biāo)人物檢測(cè)率Fig.6 Single target detection effect

    圖7 多目標(biāo)人物檢測(cè)率Fig.7 Multi-target character detection effect

    ① 改進(jìn)基于卷積神經(jīng)網(wǎng)絡(luò)的ResNet-101特征提取網(wǎng)絡(luò)設(shè)計(jì),為了讓模型對(duì)目標(biāo)更加敏感,本文在原始網(wǎng)絡(luò)的基礎(chǔ)上增加了網(wǎng)絡(luò)的寬度,該改進(jìn)使網(wǎng)絡(luò)學(xué)習(xí)到關(guān)鍵性可區(qū)分特征,從而提高目標(biāo)人物的識(shí)別精度。

    ② 相對(duì)原始模型,改進(jìn)的Faster RCNN模型對(duì)人物識(shí)別的準(zhǔn)確度提升了1.6%,并且在一張圖片上含有多個(gè)人物時(shí)依然能夠精確地定位識(shí)別人物在圖像中的位置,這充分說明了改進(jìn)的Faster RCNN的魯棒性更強(qiáng)。

    3 結(jié)束語(yǔ)

    以Faster RCNN框架為基礎(chǔ),提出了一種改進(jìn)的特征網(wǎng)絡(luò)模型。實(shí)驗(yàn)結(jié)果表明相對(duì)于傳統(tǒng)方法,改進(jìn)方法在測(cè)試精度和泛化能力上都有比較明顯的優(yōu)勢(shì),驗(yàn)證了本文所提出方法的有效性。隨著深度學(xué)習(xí)的快速發(fā)展,目標(biāo)檢測(cè)技術(shù)已經(jīng)取得了長(zhǎng)足的進(jìn)步,但是與人眼分辨物體的能力還有一定差距。為了使目標(biāo)檢測(cè)更好的應(yīng)用在生活中,在接下來(lái)的研究中,將繼續(xù)擴(kuò)充數(shù)據(jù)的規(guī)模、充實(shí)樣本的多樣性以及通過對(duì)RPN的改進(jìn)來(lái)提升模型的性能,同時(shí)將改進(jìn)的技術(shù)應(yīng)用于視頻檢測(cè)當(dāng)中。

    猜你喜歡
    特征提取殘差準(zhǔn)確率
    基于雙向GRU與殘差擬合的車輛跟馳建模
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    基于殘差學(xué)習(xí)的自適應(yīng)無(wú)人機(jī)目標(biāo)跟蹤算法
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    Bagging RCSP腦電特征提取算法
    平穩(wěn)自相關(guān)過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    五月开心婷婷网| 国产成人免费无遮挡视频| 啦啦啦视频在线资源免费观看| 黑人猛操日本美女一级片| 国产伦理片在线播放av一区| 我要看黄色一级片免费的| 卡戴珊不雅视频在线播放| 高清不卡的av网站| 18在线观看网站| 国产毛片在线视频| 亚洲五月色婷婷综合| 高清不卡的av网站| 国产伦人伦偷精品视频| 乱人伦中国视频| 欧美亚洲日本最大视频资源| 男人舔女人的私密视频| 久久青草综合色| 在线观看三级黄色| 日韩精品有码人妻一区| 超色免费av| 色94色欧美一区二区| 欧美老熟妇乱子伦牲交| 午夜免费男女啪啪视频观看| 激情视频va一区二区三区| a级毛片在线看网站| 涩涩av久久男人的天堂| av线在线观看网站| 操美女的视频在线观看| 亚洲国产成人一精品久久久| 波多野结衣av一区二区av| 午夜福利在线免费观看网站| 国产精品久久久av美女十八| 丝袜喷水一区| 人人妻,人人澡人人爽秒播 | 如日韩欧美国产精品一区二区三区| h视频一区二区三区| 国产av一区二区精品久久| 美女中出高潮动态图| 美女中出高潮动态图| 精品人妻在线不人妻| 两个人免费观看高清视频| 久久亚洲国产成人精品v| 青春草视频在线免费观看| 亚洲男人天堂网一区| 美女中出高潮动态图| 熟女av电影| 在线精品无人区一区二区三| 久久女婷五月综合色啪小说| 日韩 亚洲 欧美在线| 国产成人免费观看mmmm| 久久鲁丝午夜福利片| 国产成人系列免费观看| 成人午夜精彩视频在线观看| 免费少妇av软件| 国产成人欧美| 日韩一区二区视频免费看| 午夜福利,免费看| 亚洲精品一区蜜桃| 最近中文字幕高清免费大全6| 日韩大码丰满熟妇| 午夜福利一区二区在线看| 麻豆精品久久久久久蜜桃| 国产av国产精品国产| 国产精品无大码| 一区福利在线观看| 最近2019中文字幕mv第一页| av福利片在线| 99re6热这里在线精品视频| 丰满饥渴人妻一区二区三| 国产亚洲欧美精品永久| 90打野战视频偷拍视频| 飞空精品影院首页| 你懂的网址亚洲精品在线观看| 色吧在线观看| 国产熟女欧美一区二区| 妹子高潮喷水视频| 一二三四中文在线观看免费高清| 青青草视频在线视频观看| 亚洲精品久久午夜乱码| 久久99热这里只频精品6学生| 日日爽夜夜爽网站| 欧美日韩国产mv在线观看视频| 亚洲精品av麻豆狂野| 亚洲欧美一区二区三区久久| 又黄又粗又硬又大视频| 王馨瑶露胸无遮挡在线观看| 国产探花极品一区二区| 午夜福利视频在线观看免费| 日韩欧美一区视频在线观看| 久久久久久免费高清国产稀缺| 人人妻人人澡人人看| 中文字幕人妻熟女乱码| 少妇人妻久久综合中文| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲一码二码三码区别大吗| 一级毛片黄色毛片免费观看视频| 国产男女超爽视频在线观看| 国产精品.久久久| 免费看不卡的av| 亚洲人成网站在线观看播放| 亚洲人成网站在线观看播放| videos熟女内射| 亚洲精品久久午夜乱码| av国产精品久久久久影院| 久久精品国产综合久久久| 久久97久久精品| 亚洲美女黄色视频免费看| 欧美xxⅹ黑人| 亚洲精品美女久久久久99蜜臀 | 美女主播在线视频| 69精品国产乱码久久久| 一区二区av电影网| e午夜精品久久久久久久| 精品国产乱码久久久久久小说| 欧美老熟妇乱子伦牲交| 欧美人与善性xxx| 亚洲av日韩精品久久久久久密 | av女优亚洲男人天堂| 亚洲av电影在线进入| 亚洲国产精品一区二区三区在线| 国产av精品麻豆| 男女床上黄色一级片免费看| kizo精华| 精品一区二区三卡| 午夜精品国产一区二区电影| 国产精品 欧美亚洲| 精品国产国语对白av| a级毛片黄视频| 日韩熟女老妇一区二区性免费视频| 悠悠久久av| 久久青草综合色| 色吧在线观看| 免费观看人在逋| 亚洲国产毛片av蜜桃av| 国产免费一区二区三区四区乱码| www.精华液| 美女主播在线视频| 欧美变态另类bdsm刘玥| 黄色 视频免费看| 91成人精品电影| 亚洲欧美成人精品一区二区| 久久精品熟女亚洲av麻豆精品| 咕卡用的链子| 国产老妇伦熟女老妇高清| 晚上一个人看的免费电影| 成人午夜精彩视频在线观看| 男女床上黄色一级片免费看| 永久免费av网站大全| 一区二区三区精品91| 男的添女的下面高潮视频| 两个人免费观看高清视频| 国产探花极品一区二区| 你懂的网址亚洲精品在线观看| 国产精品无大码| 高清av免费在线| 搡老乐熟女国产| 一边摸一边抽搐一进一出视频| 婷婷色av中文字幕| 欧美97在线视频| 看免费成人av毛片| 最新的欧美精品一区二区| 男人操女人黄网站| 18禁国产床啪视频网站| 精品国产乱码久久久久久男人| 亚洲人成电影观看| 在线观看三级黄色| 国产精品 欧美亚洲| 日日摸夜夜添夜夜爱| 一二三四中文在线观看免费高清| 一级毛片黄色毛片免费观看视频| 国产成人精品福利久久| 国产成人精品福利久久| 免费观看人在逋| 亚洲av欧美aⅴ国产| 最黄视频免费看| 菩萨蛮人人尽说江南好唐韦庄| 精品久久久精品久久久| 国产精品久久久久久精品电影小说| 久久久久久久国产电影| 久久狼人影院| 九草在线视频观看| 国产成人精品福利久久| 国产精品久久久久久久久免| 十八禁高潮呻吟视频| 国产伦理片在线播放av一区| 久久人妻熟女aⅴ| 99香蕉大伊视频| 激情五月婷婷亚洲| 亚洲国产欧美网| 丰满饥渴人妻一区二区三| 在线观看免费视频网站a站| 大陆偷拍与自拍| 亚洲熟女精品中文字幕| 国产片内射在线| av国产精品久久久久影院| 日韩不卡一区二区三区视频在线| 免费不卡黄色视频| 亚洲精品久久午夜乱码| 亚洲欧美日韩另类电影网站| 91成人精品电影| 18禁国产床啪视频网站| 香蕉丝袜av| av福利片在线| 国产成人啪精品午夜网站| 亚洲成人手机| 欧美国产精品va在线观看不卡| 少妇人妻精品综合一区二区| 日韩中文字幕欧美一区二区 | 少妇猛男粗大的猛烈进出视频| 成人漫画全彩无遮挡| 久久国产亚洲av麻豆专区| 久久精品亚洲熟妇少妇任你| 丝袜在线中文字幕| 精品视频人人做人人爽| 亚洲精品美女久久av网站| 亚洲精品,欧美精品| av片东京热男人的天堂| 国产成人av激情在线播放| 日日爽夜夜爽网站| 一区在线观看完整版| 久久久久国产一级毛片高清牌| 看免费av毛片| 亚洲五月色婷婷综合| 亚洲四区av| 亚洲欧美色中文字幕在线| 女人久久www免费人成看片| 精品国产一区二区久久| 日本av手机在线免费观看| 久久97久久精品| 国产乱来视频区| 91精品三级在线观看| 欧美日韩福利视频一区二区| 99久久99久久久精品蜜桃| 久久久久久人妻| 美女脱内裤让男人舔精品视频| 十分钟在线观看高清视频www| 一级片'在线观看视频| 日韩免费高清中文字幕av| 中文字幕制服av| 美女午夜性视频免费| 肉色欧美久久久久久久蜜桃| 国产熟女午夜一区二区三区| 制服人妻中文乱码| 天堂俺去俺来也www色官网| 亚洲精品中文字幕在线视频| 亚洲成人免费av在线播放| 亚洲精品一二三| 肉色欧美久久久久久久蜜桃| 色婷婷av一区二区三区视频| 欧美日韩一级在线毛片| 在线观看免费日韩欧美大片| 亚洲精品国产色婷婷电影| 精品国产国语对白av| 亚洲精品成人av观看孕妇| 国产xxxxx性猛交| 国产免费福利视频在线观看| 午夜激情久久久久久久| 国产乱来视频区| 在线精品无人区一区二区三| 别揉我奶头~嗯~啊~动态视频 | 亚洲男人天堂网一区| 国产一区二区三区av在线| 国精品久久久久久国模美| 亚洲av在线观看美女高潮| 精品国产一区二区三区久久久樱花| 操美女的视频在线观看| 2021少妇久久久久久久久久久| tube8黄色片| 日韩人妻精品一区2区三区| www.精华液| 一二三四在线观看免费中文在| 日韩一区二区视频免费看| 婷婷色麻豆天堂久久| 久久ye,这里只有精品| 男人爽女人下面视频在线观看| 在线观看一区二区三区激情| 在线天堂最新版资源| 中文精品一卡2卡3卡4更新| 男人爽女人下面视频在线观看| videosex国产| 老鸭窝网址在线观看| 日韩av免费高清视频| 国产精品熟女久久久久浪| h视频一区二区三区| 18在线观看网站| 久久精品久久精品一区二区三区| 狠狠精品人妻久久久久久综合| 成人免费观看视频高清| 国产成人91sexporn| www日本在线高清视频| 午夜影院在线不卡| 1024视频免费在线观看| 午夜免费鲁丝| 亚洲精品一区蜜桃| 亚洲av日韩在线播放| 国产精品 欧美亚洲| 韩国高清视频一区二区三区| 在线天堂中文资源库| 日日撸夜夜添| 侵犯人妻中文字幕一二三四区| 两个人免费观看高清视频| 亚洲色图 男人天堂 中文字幕| 人成视频在线观看免费观看| h视频一区二区三区| 99国产精品免费福利视频| av网站免费在线观看视频| 国产免费又黄又爽又色| bbb黄色大片| 天天躁夜夜躁狠狠躁躁| 国产又爽黄色视频| 99国产综合亚洲精品| 美女午夜性视频免费| 欧美人与性动交α欧美软件| 毛片一级片免费看久久久久| 精品少妇内射三级| 最近手机中文字幕大全| 自线自在国产av| 人妻一区二区av| 两性夫妻黄色片| 日本av手机在线免费观看| 亚洲五月色婷婷综合| 男人添女人高潮全过程视频| 最近最新中文字幕大全免费视频 | 久久影院123| 日韩av在线免费看完整版不卡| 国产精品久久久久久精品古装| 亚洲婷婷狠狠爱综合网| 亚洲精品国产一区二区精华液| bbb黄色大片| 桃花免费在线播放| av免费观看日本| 男女下面插进去视频免费观看| 黄色视频不卡| 欧美黑人欧美精品刺激| 美女视频免费永久观看网站| 下体分泌物呈黄色| 亚洲精品第二区| 国产精品国产三级国产专区5o| 国产精品一二三区在线看| 欧美成人精品欧美一级黄| 亚洲精品久久午夜乱码| 少妇人妻久久综合中文| 在线观看免费日韩欧美大片| 伊人亚洲综合成人网| 欧美老熟妇乱子伦牲交| 国产日韩欧美在线精品| 亚洲,欧美精品.| 51午夜福利影视在线观看| 亚洲色图 男人天堂 中文字幕| 一本色道久久久久久精品综合| 人人澡人人妻人| 曰老女人黄片| av在线app专区| 国产精品二区激情视频| 少妇猛男粗大的猛烈进出视频| 午夜激情av网站| 精品亚洲乱码少妇综合久久| 高清视频免费观看一区二区| 国产精品欧美亚洲77777| 欧美 亚洲 国产 日韩一| 亚洲精品国产av蜜桃| 亚洲成人国产一区在线观看 | 黄片播放在线免费| 亚洲婷婷狠狠爱综合网| 人人妻,人人澡人人爽秒播 | 美国免费a级毛片| 国产精品免费视频内射| 中文字幕亚洲精品专区| 九草在线视频观看| 99热国产这里只有精品6| √禁漫天堂资源中文www| 午夜91福利影院| 中文字幕亚洲精品专区| 欧美人与善性xxx| 老鸭窝网址在线观看| 一级毛片 在线播放| 啦啦啦在线免费观看视频4| 麻豆乱淫一区二区| 一区福利在线观看| 成人亚洲欧美一区二区av| 99精品久久久久人妻精品| 中文字幕最新亚洲高清| 老司机影院成人| 男女午夜视频在线观看| 国产精品.久久久| 视频在线观看一区二区三区| 自线自在国产av| 欧美激情 高清一区二区三区| 美女脱内裤让男人舔精品视频| 欧美日韩一级在线毛片| 亚洲精品av麻豆狂野| 亚洲精品一区蜜桃| 波野结衣二区三区在线| 亚洲av欧美aⅴ国产| 一级片'在线观看视频| 哪个播放器可以免费观看大片| 美国免费a级毛片| 久久天堂一区二区三区四区| 日本wwww免费看| 少妇人妻精品综合一区二区| 成人午夜精彩视频在线观看| 精品久久久久久电影网| 久久久久精品性色| 成人亚洲精品一区在线观看| 制服人妻中文乱码| 自线自在国产av| 一级,二级,三级黄色视频| 在线观看免费高清a一片| 热99久久久久精品小说推荐| 国产麻豆69| 99热全是精品| 久久精品国产亚洲av高清一级| 国产激情久久老熟女| 女人精品久久久久毛片| 99久久综合免费| 精品亚洲成国产av| 午夜福利,免费看| 制服诱惑二区| 天堂8中文在线网| 亚洲一码二码三码区别大吗| 日韩大码丰满熟妇| 久久99精品国语久久久| 欧美日韩视频精品一区| 亚洲av电影在线观看一区二区三区| 最近2019中文字幕mv第一页| 欧美97在线视频| videosex国产| 精品久久久久久电影网| av电影中文网址| 男女午夜视频在线观看| 不卡视频在线观看欧美| 国产色婷婷99| 欧美精品人与动牲交sv欧美| 黄色怎么调成土黄色| 考比视频在线观看| 久久久国产精品麻豆| 人人妻人人澡人人爽人人夜夜| 日韩大码丰满熟妇| 毛片一级片免费看久久久久| 一级爰片在线观看| 男女边摸边吃奶| 欧美精品av麻豆av| 欧美精品高潮呻吟av久久| 99香蕉大伊视频| 亚洲精品成人av观看孕妇| 丝袜美腿诱惑在线| 精品少妇久久久久久888优播| 少妇被粗大的猛进出69影院| 国产成人91sexporn| 国产精品久久久久久久久免| 日韩人妻精品一区2区三区| 亚洲精品国产色婷婷电影| 国产精品女同一区二区软件| 国产精品久久久久久久久免| 亚洲精品自拍成人| 亚洲国产精品一区三区| 十八禁高潮呻吟视频| 日本午夜av视频| 最近2019中文字幕mv第一页| 成年人免费黄色播放视频| 国产男人的电影天堂91| 亚洲熟女毛片儿| 免费观看av网站的网址| 少妇猛男粗大的猛烈进出视频| 久久精品国产亚洲av涩爱| 少妇人妻久久综合中文| 老司机靠b影院| 免费女性裸体啪啪无遮挡网站| 亚洲欧美清纯卡通| 99久久人妻综合| 国产精品久久久久久精品电影小说| 91精品三级在线观看| 欧美日韩亚洲国产一区二区在线观看 | 国产精品秋霞免费鲁丝片| 超碰97精品在线观看| 满18在线观看网站| 欧美日韩国产mv在线观看视频| 国产探花极品一区二区| 久久久精品94久久精品| 免费黄频网站在线观看国产| 国产精品秋霞免费鲁丝片| 悠悠久久av| 国产精品偷伦视频观看了| 下体分泌物呈黄色| 51午夜福利影视在线观看| 午夜91福利影院| 黑丝袜美女国产一区| 一区二区三区四区激情视频| 18禁国产床啪视频网站| 自拍欧美九色日韩亚洲蝌蚪91| 无遮挡黄片免费观看| 亚洲国产av影院在线观看| 婷婷成人精品国产| 免费人妻精品一区二区三区视频| 97精品久久久久久久久久精品| 人成视频在线观看免费观看| 成人18禁高潮啪啪吃奶动态图| 不卡av一区二区三区| 侵犯人妻中文字幕一二三四区| 色精品久久人妻99蜜桃| 狂野欧美激情性bbbbbb| 久久久精品免费免费高清| 色综合欧美亚洲国产小说| 国产成人系列免费观看| 十分钟在线观看高清视频www| 亚洲国产精品国产精品| 国产欧美日韩综合在线一区二区| 亚洲精品在线美女| 日韩人妻精品一区2区三区| 我要看黄色一级片免费的| 日韩熟女老妇一区二区性免费视频| 丰满迷人的少妇在线观看| 亚洲成人国产一区在线观看 | 十分钟在线观看高清视频www| 伊人久久大香线蕉亚洲五| 别揉我奶头~嗯~啊~动态视频 | 色吧在线观看| www.自偷自拍.com| 极品人妻少妇av视频| 男女午夜视频在线观看| 亚洲伊人久久精品综合| 亚洲国产精品国产精品| 亚洲伊人久久精品综合| 十八禁高潮呻吟视频| 七月丁香在线播放| 亚洲av在线观看美女高潮| 国产国语露脸激情在线看| 女人被躁到高潮嗷嗷叫费观| 看非洲黑人一级黄片| 久久久久久人妻| 日本一区二区免费在线视频| 国产亚洲av高清不卡| 久久人人爽人人片av| 国产成人精品久久二区二区91 | 国产又色又爽无遮挡免| www.精华液| 欧美黑人精品巨大| 国产欧美日韩综合在线一区二区| 在线免费观看不下载黄p国产| 亚洲美女黄色视频免费看| 国产亚洲av片在线观看秒播厂| 亚洲国产中文字幕在线视频| 99国产精品免费福利视频| 99久久99久久久精品蜜桃| 成人亚洲欧美一区二区av| 美国免费a级毛片| 男女下面插进去视频免费观看| 国产成人欧美| 久久这里只有精品19| 97在线人人人人妻| 国产一区亚洲一区在线观看| 99re6热这里在线精品视频| 国产精品久久久久成人av| 1024视频免费在线观看| 精品亚洲乱码少妇综合久久| 国产高清国产精品国产三级| 最近中文字幕2019免费版| 9热在线视频观看99| 老司机影院成人| 香蕉丝袜av| 亚洲欧洲精品一区二区精品久久久 | 麻豆乱淫一区二区| 90打野战视频偷拍视频| 中文精品一卡2卡3卡4更新| 久久久精品区二区三区| 51午夜福利影视在线观看| 在线观看免费高清a一片| 少妇人妻精品综合一区二区| 国产av码专区亚洲av| 咕卡用的链子| 大香蕉久久网| 久久久久人妻精品一区果冻| 午夜影院在线不卡| 免费不卡黄色视频| 伊人久久大香线蕉亚洲五| 久久性视频一级片| av女优亚洲男人天堂| 亚洲精品aⅴ在线观看| 亚洲精品日本国产第一区| 精品免费久久久久久久清纯 | 美女大奶头黄色视频| 成年人午夜在线观看视频| 国产精品av久久久久免费| 热re99久久国产66热| 国产一区二区激情短视频 | 亚洲国产精品999| 2018国产大陆天天弄谢| 国产淫语在线视频| 女人精品久久久久毛片| av在线app专区| 操美女的视频在线观看| 18禁观看日本| 国产精品秋霞免费鲁丝片| 国产深夜福利视频在线观看| 最黄视频免费看| 久久久久久久国产电影| 国产精品偷伦视频观看了| 久久精品亚洲熟妇少妇任你| 欧美日韩综合久久久久久| 大片免费播放器 马上看| 大香蕉久久网| 王馨瑶露胸无遮挡在线观看| 午夜福利免费观看在线| 国产免费一区二区三区四区乱码| 亚洲成色77777| 色播在线永久视频| 久久久国产精品麻豆| 午夜福利视频精品| 日韩熟女老妇一区二区性免费视频| 久久国产亚洲av麻豆专区| 在线天堂中文资源库| 成人漫画全彩无遮挡| 在线精品无人区一区二区三| 欧美精品av麻豆av| av视频免费观看在线观看|