• <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*
    两个人看的免费小视频| 国产xxxxx性猛交| 99re6热这里在线精品视频| 国产av精品麻豆| 成人黄色视频免费在线看| 欧美成人免费av一区二区三区 | 久久久久国产精品人妻aⅴ院 | 欧洲精品卡2卡3卡4卡5卡区| www日本在线高清视频| 99国产极品粉嫩在线观看| 亚洲久久久国产精品| 亚洲一区二区三区欧美精品| 丰满迷人的少妇在线观看| 国产精品98久久久久久宅男小说| 国产一区在线观看成人免费| 中文字幕人妻丝袜制服| 欧美一级毛片孕妇| a级毛片黄视频| 国产亚洲精品第一综合不卡| 午夜亚洲福利在线播放| 国产亚洲欧美精品永久| 欧美人与性动交α欧美软件| 波多野结衣av一区二区av| 九色亚洲精品在线播放| 丰满的人妻完整版| 亚洲人成电影观看| 伦理电影免费视频| 黄色成人免费大全| 一区二区日韩欧美中文字幕| 男女下面插进去视频免费观看| 久久久国产成人精品二区 | 日本五十路高清| 美女高潮到喷水免费观看| 后天国语完整版免费观看| 人人澡人人妻人| 日韩中文字幕欧美一区二区| 精品人妻熟女毛片av久久网站| 黄片大片在线免费观看| 亚洲 欧美一区二区三区| 欧美亚洲日本最大视频资源| 男女床上黄色一级片免费看| 一进一出抽搐动态| 亚洲精品av麻豆狂野| 黄色 视频免费看| 中文字幕人妻丝袜一区二区| 成人黄色视频免费在线看| 夜夜躁狠狠躁天天躁| 一二三四在线观看免费中文在| 搡老岳熟女国产| 国产三级黄色录像| 操美女的视频在线观看| 久久精品国产综合久久久| 韩国精品一区二区三区| 国产一区二区三区在线臀色熟女 | 久久国产亚洲av麻豆专区| 午夜视频精品福利| 老司机影院毛片| 精品无人区乱码1区二区| 男男h啪啪无遮挡| 精品电影一区二区在线| 久久中文字幕人妻熟女| www.精华液| 精品福利观看| 久久精品国产清高在天天线| 国产色视频综合| 国产aⅴ精品一区二区三区波| 亚洲欧美日韩另类电影网站| 中文字幕人妻丝袜一区二区| aaaaa片日本免费| netflix在线观看网站| av天堂在线播放| 女性生殖器流出的白浆| 免费在线观看亚洲国产| 一边摸一边抽搐一进一出视频| 亚洲片人在线观看| 老鸭窝网址在线观看| 午夜久久久在线观看| 国产精品国产高清国产av | 我的亚洲天堂| 丝瓜视频免费看黄片| 大陆偷拍与自拍| 亚洲成a人片在线一区二区| 女人爽到高潮嗷嗷叫在线视频| 国产日韩欧美亚洲二区| 母亲3免费完整高清在线观看| 国产精品久久电影中文字幕 | 久久中文字幕一级| www.精华液| 女同久久另类99精品国产91| 久久香蕉国产精品| 亚洲免费av在线视频| 欧美性长视频在线观看| 亚洲成人国产一区在线观看| 精品国产一区二区久久| 两性午夜刺激爽爽歪歪视频在线观看 | av中文乱码字幕在线| 99精国产麻豆久久婷婷| 免费av中文字幕在线| 亚洲欧美激情在线| 久久精品人人爽人人爽视色| 成人三级做爰电影| 在线观看www视频免费| 亚洲精品美女久久av网站| 国产欧美日韩综合在线一区二区| 不卡av一区二区三区| 精品一品国产午夜福利视频| 男人操女人黄网站| 欧美人与性动交α欧美软件| 久久亚洲精品不卡| 91国产中文字幕| 脱女人内裤的视频| 女人高潮潮喷娇喘18禁视频| 亚洲国产欧美一区二区综合| 看免费av毛片| 国产深夜福利视频在线观看| 啪啪无遮挡十八禁网站| 99精品在免费线老司机午夜| 免费少妇av软件| 中亚洲国语对白在线视频| 久久国产精品人妻蜜桃| 女人高潮潮喷娇喘18禁视频| 亚洲国产精品一区二区三区在线| 我的亚洲天堂| 国产又爽黄色视频| 69精品国产乱码久久久| 咕卡用的链子| 国产一区在线观看成人免费| 国产色视频综合| 男男h啪啪无遮挡| 国产一区有黄有色的免费视频| 国产精品 国内视频| 国产aⅴ精品一区二区三区波| 午夜视频精品福利| 母亲3免费完整高清在线观看| 人人澡人人妻人| 日韩欧美国产一区二区入口| 亚洲精华国产精华精| 人人澡人人妻人| 久久精品国产a三级三级三级| 黄频高清免费视频| 高潮久久久久久久久久久不卡| 乱人伦中国视频| 51午夜福利影视在线观看| www.精华液| 久久婷婷成人综合色麻豆| 黑丝袜美女国产一区| 婷婷丁香在线五月| 欧美日韩亚洲高清精品| 亚洲av欧美aⅴ国产| 亚洲情色 制服丝袜| 91字幕亚洲| 亚洲欧美一区二区三区黑人| 久久热在线av| 免费少妇av软件| 一区二区三区精品91| 真人做人爱边吃奶动态| 久久狼人影院| 一进一出抽搐动态| 色婷婷久久久亚洲欧美| 亚洲精品粉嫩美女一区| 高清在线国产一区| 国产一区在线观看成人免费| 欧美人与性动交α欧美精品济南到| 亚洲av片天天在线观看| 在线观看免费视频网站a站| 国产精品成人在线| 免费在线观看视频国产中文字幕亚洲| 午夜免费观看网址| 国产97色在线日韩免费| 999精品在线视频| 丝袜美腿诱惑在线| 夜夜躁狠狠躁天天躁| 免费看a级黄色片| 电影成人av| 免费观看精品视频网站| 女人高潮潮喷娇喘18禁视频| 最新的欧美精品一区二区| 少妇猛男粗大的猛烈进出视频| 在线观看一区二区三区激情| 99香蕉大伊视频| 好看av亚洲va欧美ⅴa在| 午夜福利欧美成人| 女警被强在线播放| 日韩中文字幕欧美一区二区| 亚洲av日韩在线播放| 黄片播放在线免费| avwww免费| av福利片在线| 色婷婷久久久亚洲欧美| 亚洲精品美女久久久久99蜜臀| 99热网站在线观看| 美女视频免费永久观看网站| 国产精品 国内视频| 美女福利国产在线| 国产一卡二卡三卡精品| 两人在一起打扑克的视频| 一二三四在线观看免费中文在| 人妻 亚洲 视频| 在线看a的网站| 91老司机精品| 中文字幕制服av| 国产一区二区激情短视频| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲欧美激情在线| 男女下面插进去视频免费观看| 久久青草综合色| 搡老岳熟女国产| 欧美色视频一区免费| 在线十欧美十亚洲十日本专区| 亚洲第一青青草原| 成人三级做爰电影| 91字幕亚洲| 最近最新免费中文字幕在线| 黄色毛片三级朝国网站| 国产91精品成人一区二区三区| 日本vs欧美在线观看视频| 一级a爱视频在线免费观看| 欧美日本中文国产一区发布| 国产精品永久免费网站| 99国产极品粉嫩在线观看| 国产成人影院久久av| 女人爽到高潮嗷嗷叫在线视频| 欧美激情 高清一区二区三区| 国产亚洲欧美98| 麻豆乱淫一区二区| 国产成人精品无人区| 国产激情欧美一区二区| 欧美老熟妇乱子伦牲交| 免费久久久久久久精品成人欧美视频| 精品亚洲成a人片在线观看| 久久性视频一级片| 精品福利观看| 亚洲欧美一区二区三区黑人| 真人做人爱边吃奶动态| 99国产精品免费福利视频| 久久草成人影院| 成人av一区二区三区在线看| 国产成人影院久久av| 又黄又粗又硬又大视频| 久久国产精品大桥未久av| 国产高清videossex| av中文乱码字幕在线| 成人手机av| 国产精品国产高清国产av | 亚洲色图av天堂| 一个人免费在线观看的高清视频| 免费在线观看日本一区| 精品一品国产午夜福利视频| 中出人妻视频一区二区| av天堂在线播放| 久久午夜亚洲精品久久| 亚洲熟女毛片儿| 91av网站免费观看| 黑人操中国人逼视频| 一a级毛片在线观看| 久久精品成人免费网站| 可以免费在线观看a视频的电影网站| netflix在线观看网站| 精品一区二区三区视频在线观看免费 | 美女扒开内裤让男人捅视频| 亚洲国产欧美网| 亚洲成人免费电影在线观看| 亚洲伊人色综图| 国产欧美亚洲国产| 在线看a的网站| 女人被狂操c到高潮| 久久 成人 亚洲| 精品国产亚洲在线| 亚洲精品久久成人aⅴ小说| 香蕉丝袜av| 久久久久国产一级毛片高清牌| 亚洲五月色婷婷综合| 精品国产乱码久久久久久男人| 看免费av毛片| 天堂动漫精品| 最新美女视频免费是黄的| 日韩成人在线观看一区二区三区| 免费在线观看亚洲国产| 日韩免费av在线播放| 欧美日韩成人在线一区二区| 一级a爱视频在线免费观看| 欧美日韩乱码在线| 亚洲av片天天在线观看| 久久久国产精品麻豆| 久久人人爽av亚洲精品天堂| 宅男免费午夜| av天堂久久9| 免费少妇av软件| 老司机午夜十八禁免费视频| 婷婷成人精品国产| 欧美精品一区二区免费开放| 亚洲欧美激情在线| 十八禁人妻一区二区| 757午夜福利合集在线观看| 国产精品自产拍在线观看55亚洲 | 亚洲精品中文字幕一二三四区| 亚洲中文日韩欧美视频| 岛国毛片在线播放| 国产激情欧美一区二区| 午夜福利,免费看| 夫妻午夜视频| 午夜福利乱码中文字幕| 国产激情久久老熟女| tube8黄色片| 久久这里只有精品19| 亚洲国产欧美日韩在线播放| 国产欧美日韩一区二区精品| 丝袜在线中文字幕| 男人操女人黄网站| 飞空精品影院首页| 欧美人与性动交α欧美精品济南到| 国产亚洲av高清不卡| 亚洲aⅴ乱码一区二区在线播放 | 他把我摸到了高潮在线观看| 高清av免费在线| 亚洲国产毛片av蜜桃av| 在线av久久热| 村上凉子中文字幕在线| 性少妇av在线| 免费看a级黄色片| 国产成人av教育| 亚洲成人免费av在线播放| 成人黄色视频免费在线看| av免费在线观看网站| 男女下面插进去视频免费观看| 亚洲专区字幕在线| 免费观看人在逋| 午夜日韩欧美国产| 99精国产麻豆久久婷婷| 久久精品亚洲精品国产色婷小说| 国产有黄有色有爽视频| 国产精品久久久久成人av| 久久久国产精品麻豆| 亚洲色图综合在线观看| 亚洲精品粉嫩美女一区| 一区二区三区国产精品乱码| 精品久久久久久久毛片微露脸| 一级毛片精品| 国产成人精品在线电影| 欧美日韩国产mv在线观看视频| 91成年电影在线观看| 一级毛片精品| 一个人免费在线观看的高清视频| 午夜91福利影院| 亚洲av电影在线进入| 精品高清国产在线一区| 亚洲性夜色夜夜综合| 午夜日韩欧美国产| 欧美日韩亚洲综合一区二区三区_| 看片在线看免费视频| 捣出白浆h1v1| 丁香六月欧美| www.999成人在线观看| 黄色丝袜av网址大全| 久久精品aⅴ一区二区三区四区| av网站在线播放免费| 久久国产精品男人的天堂亚洲| 国产单亲对白刺激| 久久狼人影院| av一本久久久久| 他把我摸到了高潮在线观看| 精品第一国产精品| 亚洲熟妇中文字幕五十中出 | 丰满饥渴人妻一区二区三| 欧美精品人与动牲交sv欧美| 手机成人av网站| 亚洲av欧美aⅴ国产| 亚洲色图av天堂| 欧美精品人与动牲交sv欧美| 黑人巨大精品欧美一区二区mp4| 中亚洲国语对白在线视频| 亚洲精品一卡2卡三卡4卡5卡| 欧美精品人与动牲交sv欧美| 在线观看免费视频日本深夜| 国产精品成人在线| 成人av一区二区三区在线看| 久99久视频精品免费| 中文字幕制服av| 一进一出抽搐动态| 村上凉子中文字幕在线| 亚洲第一欧美日韩一区二区三区| 亚洲精品久久成人aⅴ小说| 日韩欧美在线二视频 | 欧美最黄视频在线播放免费 | 男女免费视频国产| 水蜜桃什么品种好| 视频在线观看一区二区三区| 激情视频va一区二区三区| tocl精华| 午夜视频精品福利| 操美女的视频在线观看| 国产一区在线观看成人免费| 在线播放国产精品三级| 日本精品一区二区三区蜜桃| 国产成人免费无遮挡视频| 亚洲中文av在线| 精品高清国产在线一区| 久久人妻熟女aⅴ| 搡老熟女国产l中国老女人| 大陆偷拍与自拍| 高清欧美精品videossex| 最近最新中文字幕大全免费视频| 成年版毛片免费区| 最新的欧美精品一区二区| 精品国产亚洲在线| 黄色片一级片一级黄色片| 国产在线一区二区三区精| 免费不卡黄色视频| 欧美在线黄色| 多毛熟女@视频| 国产一卡二卡三卡精品| 久久青草综合色| 国产免费现黄频在线看| 一本大道久久a久久精品| 最近最新中文字幕大全免费视频| 黄色成人免费大全| 男人操女人黄网站| 精品人妻1区二区| 中出人妻视频一区二区| 国产精品国产av在线观看| 国产在线精品亚洲第一网站| 久久久国产精品麻豆| 亚洲一区二区三区不卡视频| 欧美精品人与动牲交sv欧美| 国产亚洲一区二区精品| 精品熟女少妇八av免费久了| 自线自在国产av| 免费不卡黄色视频| 一区福利在线观看| 9色porny在线观看| 国产精品.久久久| 在线观看免费高清a一片| 99精国产麻豆久久婷婷| 欧美日韩av久久| 这个男人来自地球电影免费观看| 女人被躁到高潮嗷嗷叫费观| 日本vs欧美在线观看视频| 国产又爽黄色视频| 欧美大码av| 成年人免费黄色播放视频| 9191精品国产免费久久| 天天操日日干夜夜撸| 亚洲三区欧美一区| 三级毛片av免费| 欧美av亚洲av综合av国产av| 免费av中文字幕在线| 天堂动漫精品| 精品久久久精品久久久| 日韩人妻精品一区2区三区| 麻豆乱淫一区二区| 国产成人av教育| 欧美精品高潮呻吟av久久| 法律面前人人平等表现在哪些方面| 国产不卡av网站在线观看| 久久国产精品人妻蜜桃| 露出奶头的视频| 免费日韩欧美在线观看| 又大又爽又粗| 18禁观看日本| 成人三级做爰电影| 男女床上黄色一级片免费看| 欧美乱码精品一区二区三区| a级毛片在线看网站| 婷婷成人精品国产| 欧美丝袜亚洲另类 | 久久人人97超碰香蕉20202| 国产单亲对白刺激| 亚洲成人国产一区在线观看| 国产成人精品久久二区二区免费| 天天操日日干夜夜撸| 亚洲精品在线美女| e午夜精品久久久久久久| 99re在线观看精品视频| 精品免费久久久久久久清纯 | 欧美日韩视频精品一区| 色在线成人网| 久久午夜综合久久蜜桃| 国产精品一区二区在线观看99| 欧美性长视频在线观看| 国产精品偷伦视频观看了| 黑人巨大精品欧美一区二区蜜桃| 免费久久久久久久精品成人欧美视频| 老汉色av国产亚洲站长工具| 老司机深夜福利视频在线观看| 又大又爽又粗| 乱人伦中国视频| 国产精品久久电影中文字幕 | 久久久久精品国产欧美久久久| 在线天堂中文资源库| 国产成+人综合+亚洲专区| 中亚洲国语对白在线视频| 每晚都被弄得嗷嗷叫到高潮| 亚洲一区高清亚洲精品| 久久亚洲精品不卡| 啦啦啦视频在线资源免费观看| 中文字幕另类日韩欧美亚洲嫩草| 中文亚洲av片在线观看爽 | 日韩欧美一区视频在线观看| 人妻丰满熟妇av一区二区三区 | 91精品国产国语对白视频| 亚洲国产精品一区二区三区在线| 国产99白浆流出| 久久久久久亚洲精品国产蜜桃av| 欧美老熟妇乱子伦牲交| 欧美日韩国产mv在线观看视频| 亚洲五月天丁香| 亚洲专区中文字幕在线| 午夜久久久在线观看| 日韩三级视频一区二区三区| 又黄又爽又免费观看的视频| 久久午夜亚洲精品久久| 国产精品久久久av美女十八| 最近最新中文字幕大全电影3 | 久久青草综合色| 18禁美女被吸乳视频| 久久人人爽av亚洲精品天堂| 俄罗斯特黄特色一大片| 亚洲熟女毛片儿| 日韩一卡2卡3卡4卡2021年| 国产av一区二区精品久久| 99国产精品99久久久久| av超薄肉色丝袜交足视频| 大型黄色视频在线免费观看| 多毛熟女@视频| 女人久久www免费人成看片| 欧美精品啪啪一区二区三区| 久久性视频一级片| 国产男靠女视频免费网站| 黄色丝袜av网址大全| 国产精品一区二区在线观看99| av免费在线观看网站| 美女 人体艺术 gogo| 一区福利在线观看| 成人精品一区二区免费| 亚洲精品自拍成人| av中文乱码字幕在线| 国产aⅴ精品一区二区三区波| 国产精品.久久久| 国产精品99久久99久久久不卡| 视频区图区小说| 黄色女人牲交| 亚洲av片天天在线观看| a在线观看视频网站| 精品亚洲成a人片在线观看| 成人18禁高潮啪啪吃奶动态图| 丝袜美腿诱惑在线| 国产一区二区三区视频了| 最新在线观看一区二区三区| 欧美黄色片欧美黄色片| 成人永久免费在线观看视频| 久久九九热精品免费| 搡老岳熟女国产| 欧美最黄视频在线播放免费 | 亚洲国产精品合色在线| 欧美激情 高清一区二区三区| 欧美日韩亚洲国产一区二区在线观看 | 国产又色又爽无遮挡免费看| 国产精品永久免费网站| 精品人妻熟女毛片av久久网站| 国产激情欧美一区二区| 亚洲精品粉嫩美女一区| netflix在线观看网站| 精品福利永久在线观看| 动漫黄色视频在线观看| 18禁黄网站禁片午夜丰满| 亚洲国产精品sss在线观看 | 日本wwww免费看| 无遮挡黄片免费观看| 国产精品永久免费网站| 岛国毛片在线播放| 成人永久免费在线观看视频| 久久久久国内视频| 国产一区二区三区视频了| 欧美人与性动交α欧美精品济南到| av天堂在线播放| 丰满人妻熟妇乱又伦精品不卡| 国产精品免费一区二区三区在线 | 国产主播在线观看一区二区| 国产精品一区二区在线不卡| 久久久国产精品麻豆| 欧美不卡视频在线免费观看 | 电影成人av| 国产99白浆流出| 很黄的视频免费| 国产av一区二区精品久久| 99精品在免费线老司机午夜| 18禁美女被吸乳视频| 一边摸一边做爽爽视频免费| av福利片在线| 一a级毛片在线观看| 99精品在免费线老司机午夜| 亚洲国产精品一区二区三区在线| 精品国产超薄肉色丝袜足j| 最新在线观看一区二区三区| 亚洲精品一二三| 亚洲国产欧美网| 色精品久久人妻99蜜桃| 国产成人欧美| 99香蕉大伊视频| 成年动漫av网址| 国产99久久九九免费精品| 免费高清在线观看日韩| 老熟妇乱子伦视频在线观看| 十八禁人妻一区二区| 国产99白浆流出| 国产成人免费观看mmmm| 日韩欧美一区视频在线观看| 人人妻人人添人人爽欧美一区卜| 精品国产一区二区三区久久久樱花| 女同久久另类99精品国产91| 国产欧美日韩综合在线一区二区| 久久国产精品男人的天堂亚洲| 国产成人av激情在线播放| 国产一区二区三区在线臀色熟女 | 亚洲五月色婷婷综合|