• <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 ?

    基于公路監(jiān)控視頻的車輛檢測和分類①

    2020-11-13 07:12:38曹富奎許曉瓏
    計算機系統(tǒng)應(yīng)用 2020年10期
    關(guān)鍵詞:高斯分布高斯背景

    曹富奎,白 天,許曉瓏

    1(中國科學(xué)技術(shù)大學(xué) 軟件學(xué)院,合肥 230027)

    2(福建省 廈門市公路局 信息處,廈門 361008)

    中國經(jīng)濟高速發(fā)展帶來機動車數(shù)目的急劇增加,造成道路交通中堵車和交通事故現(xiàn)象呈上漲形勢,改善交通治理策略逐漸提上日程.隨著科技的進步,誕生了智能交通理念,即通過分析道路交通信息得出科學(xué)的治理策略,車輛檢測作為智能交通工作的基礎(chǔ)成為了研究的熱點.最早有幀差法[1]和光流法[2]進行車輛檢測,這兩種方法原理簡潔,運算快速,但是在應(yīng)對復(fù)雜的道路狀況時會出現(xiàn)檢測偏差.后來出現(xiàn)了基于統(tǒng)計的模型方法,運用最多的是基于多態(tài)高斯分布的背景模型法[3],該方法能夠很好的應(yīng)對各種變化,能在復(fù)雜的道路場景里提取出運動車輛的圖片.隨著現(xiàn)代深度學(xué)習(xí)理論的產(chǎn)生和成熟,圍繞著目標(biāo)檢測問題誕生了很多檢測算法,主要有:RCNN 算法[4]、Mask-RCNN算法[5]、Fast-RCNN 算法[6]、SPP-Net 算法[7]、Faster-RCNN 算法[8]、R-FCN 算法[9],Singh[10]改進了R-FCN算法,實現(xiàn)了多類別的檢測,Hu 等[11]創(chuàng)建的的關(guān)系網(wǎng)絡(luò)刷新了檢測的精確度,Cai 等[12]創(chuàng)建了級聯(lián)RCNN將其擴展到多段.深度學(xué)習(xí)技術(shù)在目標(biāo)檢測中獲得了不俗的成績,但是卻太依賴于高性能硬件,訓(xùn)練模型也需要花費大量時間,因此本文在車輛檢測階段不采用深度學(xué)習(xí)的方法,選擇高斯混合模型法來進行車輛檢測,傳統(tǒng)的高斯混合模型法由于初始化模型速度慢、計算量大在實時性上表現(xiàn)不佳,本文對高斯混合模型法做了改進,降低了模型計算量,提高了檢測實時性.

    車輛分類屬于目標(biāo)識別問題.目標(biāo)識別問題解決方案主要有兩種,一種是采用手動設(shè)計圖像特征,如HOG特征[13],然后使用分類器做分類.另外一種是使用深度學(xué)習(xí)技術(shù)做分類,主要是運用卷積神經(jīng)網(wǎng)絡(luò)(CNN)做目標(biāo)識別.2012年AlexNet 網(wǎng)絡(luò)[14]模型在圖像識別的應(yīng)用中取得了巨大成功,使得CNN 成為了目標(biāo)識別的主流方法,因此本文采用深度學(xué)習(xí)技術(shù),使用GoogLeNet[15]分類網(wǎng)絡(luò)對車輛進行分類.

    1 基于高斯混合背景模型的目標(biāo)檢測

    1.1 建立和維護背景模型

    在實際的道路場景里有很多不可控的變量會導(dǎo)致場景背景發(fā)生改變,給背景模型的建立和維護增加了難度.目前主要有以下3 個方面引起背景發(fā)生變化:

    (1)光照突然變化.例如突然轉(zhuǎn)換光源,場景背景像素發(fā)生劇烈變化,導(dǎo)致檢測結(jié)果出現(xiàn)差錯.

    (2)物體陰影.運動物體由于光線投影產(chǎn)生陰影,陰影屬于背景但是卻始終伴隨著運動目標(biāo),導(dǎo)致背景和目標(biāo)的界限變得模糊,增加了檢測的難度.

    (3)動態(tài)的背景.現(xiàn)實場景中的背景區(qū)域存在運動變化的現(xiàn)象,可能是周期性的運動,也可能是不規(guī)則的運動,比如樹葉的不規(guī)則晃動,信號燈的規(guī)律閃爍.

    為解決上述3 方面帶來的背景變化問題,Stauffer等[16]首次利用高斯混合模型進行視頻監(jiān)控的前景檢測,取得了較好的效果.此后,高斯混合模型經(jīng)過不斷發(fā)展和完善,成為目標(biāo)檢測領(lǐng)域的經(jīng)典模型.

    1.2 高斯混合模型

    在真實的監(jiān)控環(huán)境下,道路兩側(cè)攝像頭拍攝到的視頻影像中會夾雜很多的噪聲,一般我們認(rèn)為從監(jiān)控設(shè)備引入的噪聲服從正態(tài)分布,對于輸入的每一視頻幀,按照式(1)進行預(yù)處理.

    用k個高斯分布組合表示每個背景像素,假設(shè)t時刻的背景像素為xt,由k個高斯分布如式(2)表示:

    其中,ui,t是第i個高斯分布在t時刻的均值向量.將像素值xt與組合分布中的k個高斯分布做比較,當(dāng)xt和ui,t滿足式(3)時,認(rèn)為xt屬于其中一個高斯分布.

    δ通常取3.若xt屬于其中的一個高斯分布,則將該高斯分布的參數(shù)按式(4)更改,剩下k–1 個高斯分布的參數(shù)則按式(5)衰減,其中 α表示模型的學(xué)習(xí)率.與xt相符的高斯分布的ui,t和σi,t2按照式(6)和式(7)更新,其他k–1 個高斯分布則保持不變,ρ=α/wi,t表示參數(shù)的學(xué)習(xí)率.

    p=wi,t/σi,t,我們將k個高斯分布按P值排序,選擇前B個分布作為背景模型,如式(8)所示:

    式中,V通常取0.75.

    建立好了背景模型,當(dāng)新的視頻幀輸入系統(tǒng),將像素值xt與背景模型中的B個高斯分布進行比較,如果xt屬于其中的一個分布則認(rèn)為其是背景,反之則認(rèn)為是運動目標(biāo).

    1.3 改進模型初始化算法

    高斯混合模型法初始化背景模型時最常用的方法是用視頻開始的幀圖像作為背景來初始化模型的參數(shù)值,當(dāng)視頻的開始部分只有背景時,該方法能很好的進行下去,但如果視頻一開始就出現(xiàn)了運動目標(biāo),該方法會把運動目標(biāo)設(shè)置為背景,故本文提出新的初始化方法,使用視頻前4,9,16,···,(K+1)2幀圖像,K是高斯混合模型中包含的高斯分布的個數(shù),將(K+1)2幀圖像的像素值作為第K個高斯分布的平均值,再初始化方差和相同的權(quán)值.具體步驟如下:

    (1)將視頻輸入系統(tǒng),并提取前4,9,16,···,(K+1)2幀圖像,做預(yù)處理降低圖像中的噪聲,記作:f1,f2,f3,···,fk;

    (2)將fi的像素值作為第i個高斯分布的均值,初始化一個方差,并賦權(quán)值為1/N;

    (3)輸入下一幀圖像,用建好的背景模型檢測車輛.

    試驗分析:圖1是用傳統(tǒng)高斯混合模型初始化的背景模型圖像,可以看出使用傳統(tǒng)方法得到的背景模型圖像模糊難辨,與真實的場景背景有著十分大的差別,基于這樣的背景模型檢測車輛,檢測結(jié)果往往會不準(zhǔn)確.圖2是改進方法的初始化的背景模型圖像,相比于圖1,這幅背景模型圖像顯的十分清晰,能夠正確的表現(xiàn)場景的背景,由于初始化的背景模型的圖像是由多個高斯分布的權(quán)重和均值之積組合得到的,造成了圖像中出現(xiàn)車輛重影的現(xiàn)象,不影響車輛的檢測.

    圖1 傳統(tǒng)高斯混合模型背景圖像

    圖2 改進的高斯混合模型背景圖像

    1.4 改進建模區(qū)域

    通過實際觀察可以看出,在視頻幀中運動車輛只占了圖像的小部分區(qū)域,圖像的大部分區(qū)域都是沒有發(fā)生變化的背景區(qū)域,為這些背景區(qū)域的像素建立模型是不必要的,由此帶來的計算過程也是浪費計算資源,故本文提出新的建模方法,通過對視頻幀的初提取,先把包含汽車的區(qū)域提取出來,然后使用高斯混合模型法在提取到的圖像上進行建模,縮小了建模區(qū)域,減少了建立背景模型過程耗費的時間,提高了車輛檢測的實時性.

    對視頻幀進行初提取得到包含車輛的區(qū)域,初提取的精度影響著后續(xù)檢測結(jié)果的精度,當(dāng)初提取出現(xiàn)漏檢時,后續(xù)的檢測也一定會漏檢,因此初提取要能正確提取出包含車輛的區(qū)域,同時初提取的速度要快,不能耗費過多時間,因此選擇幀差法做車輛的初提取.常用的幀差法有兩種,分別是兩幀差法和三幀差法,但兩幀差法會出現(xiàn)“重影”和“空洞”現(xiàn)象,在實際應(yīng)用中面對復(fù)雜場景無法正確檢測出目標(biāo),三幀差法可以消除“重影”,但是依然存在“空洞”現(xiàn)象和部分物體輪廓不連續(xù).

    通過對本文采集的視頻的研究,發(fā)現(xiàn)在大部分情況下,車輛從在視頻里出現(xiàn)到占據(jù)視頻的中心,大多是經(jīng)過5 幀,因此本文在發(fā)現(xiàn)這種現(xiàn)象后,提出用相鄰5 幀圖像進行運動車輛的初提取.工作流程如下:

    第1 步.假設(shè)當(dāng)前幀為ft,將ft與ft+2按像素點逐一相減,得到二值圖像B1.

    第2 步.將ft+2與ft+4按像素點逐一相減,得到二值圖像B2.

    第3 步.對B1 和B2 取并集,在經(jīng)過形態(tài)學(xué)處理和填充,得到車輛區(qū)域B3.

    分別使用兩幀差法、三幀差法和本文提的五幀差法對拍攝的視頻進行前景提取,如圖3所示.

    通過實驗結(jié)果可以直觀的看出,本文的方法相較于傳統(tǒng)的兩幀差法和三幀差法,在前景提取精度上有了很大的提升,并且檢測速度快,非常適合應(yīng)用于對前景的初提取.

    使用五幀差法得到提取好的車輛區(qū)域圖像,在初提取的車輛圖像上運用高斯混合模型法獲得最終的車輛圖像.改進后的結(jié)合五幀差法的高斯混合模型的車輛檢測算法的工作流程如圖4.

    圖3 差分法仿真圖

    圖4 改進的高斯混合模型算法

    改進后的基于高斯混合模型的檢測方法步驟如下:

    (1)使用五幀差法對輸入的視頻進行前景區(qū)域初提取,得到前景的二值圖像,通過形態(tài)學(xué)操作得到前景區(qū)域.

    (2)使用改進的背景模型初始化方法,對前景區(qū)域的像素建立背景模型.

    (3)建立完背景模型,用當(dāng)前幀減去背景圖片得到目標(biāo)的二值圖像,并更新模型相關(guān)參數(shù).

    (4)對得到目標(biāo)二值圖像進行形態(tài)學(xué)操作,得出最終的目標(biāo)區(qū)域.

    (5)對下一幀重復(fù)上述步驟,直至算法完結(jié).

    2 GoogLeNet 分類網(wǎng)絡(luò)

    谷歌公司2014年提出來GoogLeNet 分類網(wǎng)絡(luò),并在當(dāng)年的圖像分類競賽中取得了第一名,刷新了圖像識別的最好成績.GoogLeNet 網(wǎng)絡(luò)運用了模塊化設(shè)計,提出了新的網(wǎng)絡(luò)單元結(jié)構(gòu)Inception,網(wǎng)絡(luò)整體是由多個網(wǎng)絡(luò)單元結(jié)構(gòu)按照一定次序組合而成,圖5是Inception模塊的設(shè)計圖.

    圖5 Inception 模塊

    不同的卷積神經(jīng)網(wǎng)絡(luò)會選擇不同大小的卷積核構(gòu)建卷積層,每一卷積層會使用同一大小卷積核來對特征圖進行卷積計算,Inception 模塊最大的創(chuàng)新是在一個卷積層中采用了多個卷積核,不同卷積核會提取不同的圖像特征,在模塊最后將這些特征有機融合形成下一層的特征圖,這樣融合多特征的設(shè)計延深了網(wǎng)絡(luò)寬度,提高了對圖像識別的精度,但計算復(fù)雜度也隨之增加,降低了識別速度.為了解決計算成本高的問題,在模塊的設(shè)計上做了創(chuàng)新,圖6是改進后的模塊.新模塊最大的特點是對1×1 卷積核的巧妙運用,在進行卷積計算和池化操作之前先用1×1 卷積核來降低特征圖維度,這樣在下一層的卷積計算中運算次數(shù)會降低一個量級,從而有效的降低了計算成本.經(jīng)過模塊有序組合而成的GoogLeNet 網(wǎng)絡(luò)層數(shù)達到22 層,相比于之前的網(wǎng)絡(luò)模型有大幅度的提升.

    3 實 驗

    本文所提的車輛檢測和車型分類方法基于OpenCV和TensorFlow 實現(xiàn),試驗所用的視頻包含了不同天氣和光照的復(fù)雜場景,實驗環(huán)境的信息如表1.

    3.1 實驗系統(tǒng)架構(gòu)

    根據(jù)交通視頻把車輛型號分成4 類分別為:car、bus、motor 和truck,系統(tǒng)要實現(xiàn)的就是檢測到交通視頻里的車輛然后識別出車輛是上述4 種類型中的哪一種,為了實現(xiàn)這一功能,我們設(shè)計的系統(tǒng)工作流程為:先通過系統(tǒng)的運動車輛檢測模塊將視頻里的運動車輛檢測出來,然后人工標(biāo)注好圖片的類別,訓(xùn)練目標(biāo)分類模塊,使用該模塊執(zhí)行分類任務(wù),系統(tǒng)架構(gòu)如圖7.

    圖6 改進的Inception 模塊

    表1 實驗環(huán)境信息

    圖7 系統(tǒng)架構(gòu)圖

    3.2 試驗數(shù)據(jù)集

    本文以廈門市各路段攝像頭拍攝的監(jiān)控視頻為系統(tǒng)實驗數(shù)據(jù),所有的視頻均為現(xiàn)實場景下的真實監(jiān)控視頻,通過車輛檢測模塊總共截取了50 000 張不同類型的車輛圖片.其中各種車型對應(yīng)的數(shù)量見表2.

    表2 車輛檢測模塊檢測結(jié)果

    將得到的全部圖片按照1:1 劃分為測試集和訓(xùn)練試集,訓(xùn)練集中car 10 000 張,bus 8000 張,motor 2000 張,truck 5000 張.由表2可知,由于motor 數(shù)量比其他車型的數(shù)量少了很多,如果直接用原始的數(shù)據(jù)集訓(xùn)練分類模型得到的模型分類準(zhǔn)確性會有很大的偏差,所以要進行數(shù)據(jù)集擴充,將2000 張motor 圖片使用圖像處理技術(shù)增加到10 000 張,對其他3 種車的圖片執(zhí)行相同的操作.擴充后的數(shù)據(jù)集如表3所示.4 類車型樣本圖片如圖8所示.

    表3 運動目標(biāo)分類模塊數(shù)據(jù)集

    圖8 4 種車型樣本

    3.3 實驗結(jié)果及分析

    針對基于監(jiān)控視頻的車輛檢測和分類的問題,本文改進了高斯混合模型算法,并用GoogLeNet 網(wǎng)絡(luò)做車輛分類,在實驗中設(shè)計實現(xiàn)了算法.由于實驗效果需要對比,在車輛檢測階段,本文使用Faster R-CNN 和YOLO 對相同的視頻做了實驗[17],實驗結(jié)果對比如表4所示.

    表4 車輛檢測結(jié)果對比

    表4給出了檢測階段的數(shù)據(jù),結(jié)果表明相比于深度學(xué)習(xí)的方法,本文所提方法在檢測準(zhǔn)確率和檢測速度上都更加優(yōu)秀.

    在車型分類階段,本文訓(xùn)練了GoogLeNet 模型進行分類,同時也訓(xùn)練了經(jīng)典的AlexNet 模型用作對比[18].在實驗中我們對原始數(shù)據(jù)集進行了擴充,但得到的訓(xùn)練集也只有40000 張圖片,數(shù)據(jù)集過小會導(dǎo)致模型過擬合現(xiàn)象,因此在實驗中采用了遷移學(xué)習(xí)[19]技術(shù),將經(jīng)典模型卷積層的參數(shù)直接遷移到試驗?zāi)P蜕献鳛槟P统跏蓟瘏?shù).使用ImageNet 數(shù)據(jù)集訓(xùn)練好的GoogLeNet模型和AlexNet 模型能夠很好的提取圖像的特征,因此在實驗中用訓(xùn)練好的模型的參數(shù)作為試驗?zāi)P偷某跏蓟瘏?shù),然后使用自采集的訓(xùn)練集finetune[16]試驗?zāi)P?圖9為4 種車型的分類結(jié)果,從置信度上可以看出分類的準(zhǔn)確性非常高.

    圖9 車型分類結(jié)果

    表5展示了GoogLeNet 模型和AlexNet 模型在分類準(zhǔn)確率上的對比,可以看出GoogLeNet 不僅在分類準(zhǔn)確率上比AlexNet 稍高一些,而且在運算時間上比AlexNet 降低了22%.試驗證明,GoogLeNet 分類網(wǎng)絡(luò)在基于監(jiān)控視頻的車型分類上具有很好的實用性.

    表5 車型分類結(jié)果對比

    4 結(jié) 語

    本文針對公路交通監(jiān)控視頻中車輛檢測和車型分類的具體應(yīng)用場景,改進了高斯混合模型建立背景模型的方法,提升了系統(tǒng)的實時性,并和GoogLeNet 分類網(wǎng)絡(luò)結(jié)合起來.通過建立背景模型和背景相減法得到運動車輛,然后使用訓(xùn)練好的分類模型對車輛進行分類.在具體場景的實驗中,該算法取得了較快的檢測速度和分類準(zhǔn)確率,比現(xiàn)有方法更加適合公路監(jiān)控視頻這一應(yīng)用場景,具有很高的實用價值.

    猜你喜歡
    高斯分布高斯背景
    小高斯的大發(fā)現(xiàn)
    “新四化”背景下汽車NVH的發(fā)展趨勢
    利用Box-Cox變換對移動通信中小區(qū)級業(yè)務(wù)流量分布的研究
    《論持久戰(zhàn)》的寫作背景
    2種非對稱廣義高斯分布模型的構(gòu)造
    天才數(shù)學(xué)家——高斯
    一種基于改進混合高斯模型的前景檢測
    晚清外語翻譯人才培養(yǎng)的背景
    有限域上高斯正規(guī)基的一個注記
    一種改進的混合高斯模型背景估計方法*
    97超级碰碰碰精品色视频在线观看| av片东京热男人的天堂| 精品一区二区三区视频在线观看免费| 99热这里只有精品一区| 丰满乱子伦码专区| 两个人视频免费观看高清| 免费电影在线观看免费观看| 操出白浆在线播放| 99久久久亚洲精品蜜臀av| 一夜夜www| 三级国产精品欧美在线观看| 国产69精品久久久久777片| 久久久国产精品麻豆| 伊人久久大香线蕉亚洲五| 桃红色精品国产亚洲av| 国产精品香港三级国产av潘金莲| 亚洲无线观看免费| 免费在线观看成人毛片| 欧美大码av| 欧美一区二区精品小视频在线| 少妇人妻精品综合一区二区 | 亚洲国产欧美网| 51国产日韩欧美| 九九热线精品视视频播放| 亚洲精品成人久久久久久| 美女被艹到高潮喷水动态| 国产不卡一卡二| 成人性生交大片免费视频hd| 91麻豆精品激情在线观看国产| 欧美精品啪啪一区二区三区| 高清在线国产一区| 日本免费a在线| 亚洲人成伊人成综合网2020| 人人妻人人澡欧美一区二区| 欧美激情在线99| 亚洲av美国av| 亚洲真实伦在线观看| 国产不卡一卡二| 国产黄色小视频在线观看| 日韩成人在线观看一区二区三区| 老司机午夜福利在线观看视频| 免费大片18禁| 一进一出好大好爽视频| 夜夜爽天天搞| 神马国产精品三级电影在线观看| 国内精品一区二区在线观看| 一级毛片高清免费大全| 亚洲片人在线观看| 欧美日本视频| 搡老妇女老女人老熟妇| 999久久久精品免费观看国产| 夜夜夜夜夜久久久久| 成人欧美大片| 18美女黄网站色大片免费观看| 欧美三级亚洲精品| 国产亚洲精品av在线| 国产色婷婷99| 精品国产美女av久久久久小说| 搡老熟女国产l中国老女人| 老司机午夜福利在线观看视频| 99热这里只有精品一区| 天堂√8在线中文| 亚洲午夜理论影院| a级毛片a级免费在线| 国模一区二区三区四区视频| 高潮久久久久久久久久久不卡| 中出人妻视频一区二区| 女警被强在线播放| 免费大片18禁| 亚洲美女黄片视频| 亚洲国产欧美网| 99热这里只有精品一区| 亚洲男人的天堂狠狠| 久久草成人影院| 亚洲国产精品成人综合色| 免费高清视频大片| 精品久久久久久成人av| 亚洲av一区综合| 午夜a级毛片| 中文亚洲av片在线观看爽| 午夜久久久久精精品| 精品午夜福利视频在线观看一区| 白带黄色成豆腐渣| 中文字幕熟女人妻在线| 小蜜桃在线观看免费完整版高清| 欧美成狂野欧美在线观看| 国产主播在线观看一区二区| 99热6这里只有精品| 久久婷婷人人爽人人干人人爱| 日韩大尺度精品在线看网址| 亚洲av成人不卡在线观看播放网| 亚洲va日本ⅴa欧美va伊人久久| 18禁美女被吸乳视频| 此物有八面人人有两片| 欧美成人一区二区免费高清观看| 老汉色∧v一级毛片| 久久久精品大字幕| 国产成人aa在线观看| 成人特级av手机在线观看| 国产在视频线在精品| 一夜夜www| 亚洲精品日韩av片在线观看 | 高清日韩中文字幕在线| 一本综合久久免费| 人妻夜夜爽99麻豆av| 99热6这里只有精品| 免费搜索国产男女视频| 老司机在亚洲福利影院| 精品午夜福利视频在线观看一区| 欧美乱妇无乱码| 五月玫瑰六月丁香| 亚洲国产高清在线一区二区三| 在线播放国产精品三级| 叶爱在线成人免费视频播放| av欧美777| 老熟妇仑乱视频hdxx| 观看免费一级毛片| 欧美黑人巨大hd| 免费大片18禁| 精品人妻1区二区| 亚洲欧美日韩无卡精品| av专区在线播放| 日本三级黄在线观看| 制服丝袜大香蕉在线| 我的老师免费观看完整版| 精品人妻一区二区三区麻豆 | 国产精品久久久人人做人人爽| 午夜两性在线视频| 91在线观看av| 午夜激情欧美在线| 亚洲成av人片免费观看| 成人性生交大片免费视频hd| 99久久无色码亚洲精品果冻| 天堂动漫精品| 小蜜桃在线观看免费完整版高清| 老司机午夜十八禁免费视频| 两个人视频免费观看高清| 色播亚洲综合网| 一边摸一边抽搐一进一小说| 最好的美女福利视频网| 国产aⅴ精品一区二区三区波| 欧美在线一区亚洲| 亚洲乱码一区二区免费版| 午夜影院日韩av| 久久欧美精品欧美久久欧美| 亚洲精品一区av在线观看| 欧美日韩综合久久久久久 | 日日夜夜操网爽| x7x7x7水蜜桃| 亚洲七黄色美女视频| 亚洲五月天丁香| 性色av乱码一区二区三区2| 成年女人永久免费观看视频| 男人舔奶头视频| 亚洲天堂国产精品一区在线| 非洲黑人性xxxx精品又粗又长| 欧美zozozo另类| 国产精品免费一区二区三区在线| 国产免费男女视频| 丰满人妻熟妇乱又伦精品不卡| 国产69精品久久久久777片| 国产精华一区二区三区| 天天添夜夜摸| 亚洲无线在线观看| 亚洲专区中文字幕在线| 午夜日韩欧美国产| 99热6这里只有精品| 俄罗斯特黄特色一大片| 又黄又爽又免费观看的视频| 国产在视频线在精品| 国产成人影院久久av| 亚洲欧美日韩东京热| 少妇的丰满在线观看| 香蕉av资源在线| 小蜜桃在线观看免费完整版高清| 亚洲欧美日韩卡通动漫| 午夜免费观看网址| 成人欧美大片| 啪啪无遮挡十八禁网站| 欧美高清成人免费视频www| 国产老妇女一区| 国产av不卡久久| 久久香蕉精品热| 国产探花极品一区二区| 岛国视频午夜一区免费看| 手机成人av网站| 内地一区二区视频在线| 叶爱在线成人免费视频播放| 国产精品久久久久久久电影 | 禁无遮挡网站| 中文字幕人妻丝袜一区二区| 波多野结衣高清无吗| 老司机在亚洲福利影院| 午夜激情欧美在线| av视频在线观看入口| 精品国产美女av久久久久小说| 亚洲最大成人手机在线| 日韩欧美 国产精品| 国产综合懂色| 亚洲成人久久爱视频| 久久精品综合一区二区三区| 国产午夜精品久久久久久一区二区三区 | 欧美大码av| 小说图片视频综合网站| 日韩高清综合在线| 麻豆成人av在线观看| 99国产精品一区二区蜜桃av| 99久久精品一区二区三区| e午夜精品久久久久久久| 国产男靠女视频免费网站| 97超视频在线观看视频| 免费在线观看日本一区| 九九久久精品国产亚洲av麻豆| 日本黄色视频三级网站网址| 国内久久婷婷六月综合欲色啪| 狂野欧美激情性xxxx| 亚洲国产精品成人综合色| 国产精品一区二区三区四区久久| 亚洲专区中文字幕在线| 波多野结衣巨乳人妻| 午夜激情欧美在线| 久久人人精品亚洲av| 欧美乱妇无乱码| 亚洲内射少妇av| 两个人看的免费小视频| 欧美成人一区二区免费高清观看| 成人特级av手机在线观看| 日本黄大片高清| 久久久久久大精品| 日本五十路高清| 国语自产精品视频在线第100页| 尤物成人国产欧美一区二区三区| 亚洲五月婷婷丁香| 久久婷婷人人爽人人干人人爱| 他把我摸到了高潮在线观看| 国产男靠女视频免费网站| 韩国av一区二区三区四区| 久久久久久久精品吃奶| 日本五十路高清| 少妇高潮的动态图| 脱女人内裤的视频| 日本免费a在线| 成年版毛片免费区| 99在线视频只有这里精品首页| av福利片在线观看| 日韩大尺度精品在线看网址| 中文在线观看免费www的网站| 色av中文字幕| 亚洲最大成人手机在线| 91在线精品国自产拍蜜月 | 中文字幕高清在线视频| 天堂影院成人在线观看| 精品无人区乱码1区二区| 亚洲熟妇中文字幕五十中出| 国产午夜精品论理片| 99久久综合精品五月天人人| 麻豆成人午夜福利视频| 欧美乱妇无乱码| www.999成人在线观看| 3wmmmm亚洲av在线观看| 欧美区成人在线视频| 中文资源天堂在线| 日韩欧美国产在线观看| 欧美黑人巨大hd| 最近视频中文字幕2019在线8| 精品国产美女av久久久久小说| 精品人妻偷拍中文字幕| 伊人久久精品亚洲午夜| 脱女人内裤的视频| 国产成人欧美在线观看| 久久亚洲真实| 嫩草影院精品99| 搡老岳熟女国产| 欧美日韩亚洲国产一区二区在线观看| 18美女黄网站色大片免费观看| 19禁男女啪啪无遮挡网站| 亚洲精品亚洲一区二区| 国产视频内射| 午夜福利免费观看在线| 他把我摸到了高潮在线观看| 免费看光身美女| 麻豆国产av国片精品| avwww免费| 亚洲精品成人久久久久久| 欧美最新免费一区二区三区 | 人妻夜夜爽99麻豆av| 国产精品国产高清国产av| 国产精品久久久久久久久免 | 免费观看精品视频网站| 女警被强在线播放| 国产精华一区二区三区| 欧美zozozo另类| 亚洲国产欧洲综合997久久,| 午夜福利免费观看在线| 久久婷婷人人爽人人干人人爱| 亚洲精品在线观看二区| 好看av亚洲va欧美ⅴa在| 国产成人啪精品午夜网站| 欧美日韩一级在线毛片| 久久香蕉国产精品| www.色视频.com| 日韩欧美 国产精品| 在线观看免费视频日本深夜| 亚洲男人的天堂狠狠| 精品一区二区三区视频在线 | 欧美3d第一页| 久99久视频精品免费| 国产精品精品国产色婷婷| 在线视频色国产色| 亚洲乱码一区二区免费版| 国产精品野战在线观看| 国产精品嫩草影院av在线观看 | 尤物成人国产欧美一区二区三区| 亚洲国产色片| 亚洲av熟女| 18禁美女被吸乳视频| 亚洲av一区综合| 成人午夜高清在线视频| 99国产极品粉嫩在线观看| www日本在线高清视频| 热99re8久久精品国产| 国产精品一及| 国产蜜桃级精品一区二区三区| 欧美日韩瑟瑟在线播放| 一本一本综合久久| 午夜精品久久久久久毛片777| 免费搜索国产男女视频| 乱人视频在线观看| 亚洲精品国产精品久久久不卡| 色综合欧美亚洲国产小说| 欧美一区二区国产精品久久精品| 国产精品av视频在线免费观看| 国产精品久久久人人做人人爽| 丰满的人妻完整版| 长腿黑丝高跟| 国产精品日韩av在线免费观看| 亚洲性夜色夜夜综合| 亚洲黑人精品在线| 禁无遮挡网站| 很黄的视频免费| 99久久综合精品五月天人人| 熟女人妻精品中文字幕| 久久草成人影院| 美女被艹到高潮喷水动态| 成人欧美大片| 黄色丝袜av网址大全| 成人一区二区视频在线观看| 我要搜黄色片| 亚洲激情在线av| 久久久精品欧美日韩精品| 久久久久国内视频| 在线播放国产精品三级| 99热6这里只有精品| 国产精品一区二区免费欧美| 欧美成人a在线观看| 男人和女人高潮做爰伦理| 国产一区二区亚洲精品在线观看| 麻豆久久精品国产亚洲av| 亚洲精品一卡2卡三卡4卡5卡| 久久久色成人| av在线天堂中文字幕| 久久精品影院6| 亚洲精品一区av在线观看| 久久欧美精品欧美久久欧美| 欧美又色又爽又黄视频| 日本 av在线| 亚洲国产欧美人成| 亚洲狠狠婷婷综合久久图片| 日本免费a在线| 免费大片18禁| 国产日本99.免费观看| av片东京热男人的天堂| 日日夜夜操网爽| 欧美高清成人免费视频www| 欧美日韩黄片免| 无遮挡黄片免费观看| 综合色av麻豆| 成人无遮挡网站| 国产aⅴ精品一区二区三区波| 亚洲国产精品合色在线| 国产91精品成人一区二区三区| 一本一本综合久久| 黄色日韩在线| 午夜福利18| 久久久久久久精品吃奶| 国产熟女xx| 啦啦啦免费观看视频1| 18禁美女被吸乳视频| 亚洲成a人片在线一区二区| 亚洲精品一卡2卡三卡4卡5卡| 欧美黄色片欧美黄色片| 很黄的视频免费| 在线观看66精品国产| 欧美午夜高清在线| 一本一本综合久久| 熟妇人妻久久中文字幕3abv| 国产一区二区在线观看日韩 | 国产高清有码在线观看视频| 热99re8久久精品国产| 韩国av一区二区三区四区| 国产高清激情床上av| 久久久久久人人人人人| 亚洲18禁久久av| 可以在线观看的亚洲视频| 日本黄色视频三级网站网址| 欧美日韩乱码在线| 国产高清videossex| 午夜影院日韩av| 亚洲五月婷婷丁香| 国产成+人综合+亚洲专区| 日韩中文字幕欧美一区二区| 噜噜噜噜噜久久久久久91| 91麻豆av在线| 亚洲av成人不卡在线观看播放网| 欧美日韩乱码在线| 久久人妻av系列| 日韩欧美国产在线观看| 久久香蕉精品热| 久久国产乱子伦精品免费另类| 日韩av在线大香蕉| 国产午夜精品论理片| 久久久成人免费电影| 很黄的视频免费| 国产乱人视频| 人人妻,人人澡人人爽秒播| 亚洲欧美日韩东京热| a级一级毛片免费在线观看| 韩国av一区二区三区四区| 波多野结衣巨乳人妻| 网址你懂的国产日韩在线| 欧美日本视频| 日韩国内少妇激情av| 精品一区二区三区人妻视频| av欧美777| 国产精品久久久久久精品电影| 黄色视频,在线免费观看| 一个人免费在线观看的高清视频| 午夜精品在线福利| 美女被艹到高潮喷水动态| 中文亚洲av片在线观看爽| 人人妻,人人澡人人爽秒播| 天美传媒精品一区二区| 日韩欧美精品免费久久 | 日本精品一区二区三区蜜桃| 亚洲成av人片免费观看| 精品无人区乱码1区二区| 久久精品亚洲精品国产色婷小说| 国产午夜福利久久久久久| 18禁国产床啪视频网站| aaaaa片日本免费| 看黄色毛片网站| 九色成人免费人妻av| 蜜桃亚洲精品一区二区三区| 国产午夜福利久久久久久| 1024手机看黄色片| 欧美一级a爱片免费观看看| 国产成人系列免费观看| x7x7x7水蜜桃| 成人永久免费在线观看视频| 91久久精品国产一区二区成人 | 波多野结衣巨乳人妻| 九色成人免费人妻av| 人妻久久中文字幕网| 一a级毛片在线观看| 国产日本99.免费观看| 成人av在线播放网站| 免费av观看视频| 国产成年人精品一区二区| 国产69精品久久久久777片| 网址你懂的国产日韩在线| 久久国产乱子伦精品免费另类| 在线观看午夜福利视频| 国产精品久久电影中文字幕| 国产野战对白在线观看| 欧美乱码精品一区二区三区| 国产成人aa在线观看| 国产日本99.免费观看| 亚洲激情在线av| 少妇高潮的动态图| 久久久国产成人精品二区| 国产高清三级在线| 久久午夜亚洲精品久久| 成年免费大片在线观看| 亚洲国产日韩欧美精品在线观看 | 90打野战视频偷拍视频| 欧美3d第一页| av天堂中文字幕网| 男女午夜视频在线观看| 午夜免费激情av| 国产精品野战在线观看| 亚洲片人在线观看| 国产亚洲欧美98| 老司机福利观看| 免费观看的影片在线观看| 国内精品久久久久久久电影| 国产精品一区二区三区四区免费观看 | 久久久久精品国产欧美久久久| 亚洲av免费高清在线观看| 日韩亚洲欧美综合| 法律面前人人平等表现在哪些方面| 久久久久性生活片| 欧美成人一区二区免费高清观看| 99国产综合亚洲精品| 99riav亚洲国产免费| 最近最新中文字幕大全免费视频| 中文字幕熟女人妻在线| 久久久色成人| 国产单亲对白刺激| 一级毛片高清免费大全| 九九在线视频观看精品| 国产三级中文精品| 男人舔女人下体高潮全视频| 国产成人系列免费观看| 欧美黑人欧美精品刺激| 国产91精品成人一区二区三区| ponron亚洲| 欧美黄色淫秽网站| 最新在线观看一区二区三区| 亚洲人成网站在线播放欧美日韩| 可以在线观看毛片的网站| 久久精品国产自在天天线| 欧美一区二区国产精品久久精品| 麻豆国产av国片精品| 国产成人a区在线观看| 国产午夜精品久久久久久一区二区三区 | 91在线观看av| 亚洲国产精品合色在线| 精品一区二区三区视频在线 | 波多野结衣高清作品| 久久精品国产自在天天线| 一个人免费在线观看电影| 天堂动漫精品| 免费看十八禁软件| av在线天堂中文字幕| 国内精品一区二区在线观看| 欧美不卡视频在线免费观看| 嫩草影视91久久| 国产欧美日韩精品亚洲av| 舔av片在线| 亚洲七黄色美女视频| 天堂av国产一区二区熟女人妻| 麻豆久久精品国产亚洲av| 国产精品爽爽va在线观看网站| 久久久久久久精品吃奶| 99热这里只有是精品50| 99国产精品一区二区蜜桃av| 国产色婷婷99| 国产欧美日韩一区二区精品| 午夜精品在线福利| 18禁在线播放成人免费| 国产乱人伦免费视频| 一个人免费在线观看电影| 欧美成狂野欧美在线观看| 精品一区二区三区视频在线 | 亚洲精品美女久久久久99蜜臀| 麻豆国产av国片精品| 中文字幕人妻熟人妻熟丝袜美 | 国产一区二区在线观看日韩 | 男女视频在线观看网站免费| 全区人妻精品视频| 99国产精品一区二区三区| 尤物成人国产欧美一区二区三区| 啦啦啦韩国在线观看视频| 成人一区二区视频在线观看| 久久精品影院6| 亚洲男人的天堂狠狠| 18禁国产床啪视频网站| 亚洲欧美日韩高清专用| 99国产精品一区二区三区| 禁无遮挡网站| 国产在线精品亚洲第一网站| 久久久成人免费电影| 欧美黄色淫秽网站| 2021天堂中文幕一二区在线观| 亚洲国产欧洲综合997久久,| 国产激情偷乱视频一区二区| 亚洲熟妇中文字幕五十中出| 亚洲国产中文字幕在线视频| 亚洲精品美女久久久久99蜜臀| 黑人欧美特级aaaaaa片| 亚洲av日韩精品久久久久久密| 中文字幕久久专区| 国产精品精品国产色婷婷| 首页视频小说图片口味搜索| 99久久99久久久精品蜜桃| 欧美又色又爽又黄视频| 久久精品91蜜桃| 精品久久久久久久久久免费视频| 亚洲男人的天堂狠狠| 又黄又爽又免费观看的视频| 日本五十路高清| 亚洲精品美女久久久久99蜜臀| 国产精品日韩av在线免费观看| 久久九九热精品免费| 精品一区二区三区av网在线观看| 精品一区二区三区视频在线观看免费| 九色成人免费人妻av| 久久久国产成人精品二区| 大型黄色视频在线免费观看| 国产精品精品国产色婷婷| 国产成人av激情在线播放| h日本视频在线播放| 成人午夜高清在线视频| 99久久无色码亚洲精品果冻| 九九在线视频观看精品| 母亲3免费完整高清在线观看| 国产探花极品一区二区| 日韩欧美免费精品| 一个人观看的视频www高清免费观看| 一个人看视频在线观看www免费 | 青草久久国产| h日本视频在线播放| 亚洲熟妇熟女久久| 精品久久久久久久久久免费视频| 久久香蕉精品热|