• <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 ?

    基于深度學(xué)習(xí)的增量式數(shù)據(jù)目標(biāo)模糊識別仿真

    2023-07-29 01:24:16曼,李
    計算機仿真 2023年6期
    關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò)精度

    李 曼,李 永

    (武警工程大學(xué)信息工程學(xué)院,陜西 西安 710086)

    1 引言

    在計算機視覺領(lǐng)域內(nèi),目標(biāo)識別為當(dāng)前的熱議話題之一,目標(biāo)識別可輔助圖像有價值目標(biāo)信息的快速提取,并且通過不斷判斷每個目標(biāo)的類型、價值,可對每個目標(biāo)完成邊界框定。近幾年,目標(biāo)識別逐漸進入大眾視野,在軍事體能訓(xùn)練、無人機駕駛等多個領(lǐng)域均取得了重要突破。但是,圖像中的光線遮擋以及障礙物的影響,使得目標(biāo)識別成為了一項難度較高的技術(shù)。

    在此背景下,相關(guān)領(lǐng)域?qū)<乙呀?jīng)得到了一些較好的研究成果。文獻[1]在功能保持的基礎(chǔ)上,利用特征金字塔實現(xiàn)了對目標(biāo)的檢測識別。在原始圖像中構(gòu)建不同尺度特征圖下的特征金字塔,并利用功能保持中的融合模塊,在特征融合階段盡可能的降低損失;在主網(wǎng)絡(luò)中選擇兩個不同階段下的特征進行目標(biāo)的描述,以此來提高檢測的精度;利用上下文信息對目標(biāo)的判別能力以及檢測能力做進一步增強,以此完成對多目標(biāo)的檢測。該方法對于遮擋較嚴重的圖像具有理想的檢測效果,但是檢測的精度有待提高;文獻[2]將軌跡跟蹤預(yù)測法與模糊理論結(jié)合在一起,得到了一種小目標(biāo)跟蹤識別算法。首先,任意選取一個原始圖像,利用高通濾波技術(shù)對其進行預(yù)處理,將背景與目標(biāo)分離開來;利用軌跡跟蹤預(yù)測法對目標(biāo)可能存在的位置進行預(yù)測,并在動態(tài)范圍內(nèi)進行圖像序列的分析,此時引入模糊理論更新記憶,以此實現(xiàn)目標(biāo)預(yù)測位置的高精準度;憑借多幀圖像的軌跡跟蹤技術(shù)實現(xiàn)對目標(biāo)的跟蹤與識別。該方法可以實現(xiàn)在低信噪比環(huán)境下的有效識別,但是當(dāng)原始圖像背景過于復(fù)雜時,該方法識別結(jié)果并不理想,出現(xiàn)的誤差較大。

    由于以上兩種傳統(tǒng)方法在應(yīng)用時,當(dāng)有新的數(shù)據(jù)增加到數(shù)據(jù)集合時,數(shù)據(jù)目標(biāo)識別效率和精度均偏低,無法滿足實際的需求。針對該問題,本研究針對增量式數(shù)據(jù),引入了深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò),并選取了其中最具代表性的LeNet-5,對軍事體能訓(xùn)練產(chǎn)生的增量式數(shù)據(jù)展開了目標(biāo)模糊識別的研究。利用LeNet-5對原始圖像進行特征提取與特征分類,為后續(xù)的目標(biāo)識別做好基礎(chǔ)工作;采用遷移學(xué)習(xí)技術(shù)對增量式數(shù)據(jù)進行參數(shù)的調(diào)整,使其成為便于識別的形式;最后,在區(qū)域建議網(wǎng)絡(luò)內(nèi)完成目標(biāo)的模糊識別。通過對本文方法在目標(biāo)識別速度和效果方面進行仿真,結(jié)果驗證了本文方法的可行性。

    2 圖像預(yù)處理

    2.1 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像特征提取

    卷積神經(jīng)網(wǎng)絡(luò)由5個層次構(gòu)成:輸入/出層、卷積層、池化層以及全連接層。卷積神經(jīng)網(wǎng)絡(luò)對于圖像數(shù)據(jù)具有非常優(yōu)秀的識別效果。當(dāng)待識別的數(shù)據(jù)為圖像時,經(jīng)過卷積和池化的雙重作用,圖像特征信息逐漸凸顯出來,并改變了之前的低層特征[3],逐漸形成了高層特征;當(dāng)高層特征經(jīng)過全連接層的作用后,又轉(zhuǎn)換形成了一維向量的形式;最后經(jīng)由輸出層輸出。因此,可將卷積神經(jīng)網(wǎng)絡(luò)的層次劃分為兩個部分,一個是提取圖像特征的特征提取模塊,另一個為劃分特征類別的特征分類模塊。本文對此作了詳細介紹,如圖1所示。

    1)輸入層

    2)卷積層

    (1)

    通過對式(1)進行計算可知,卷積層特征圖的構(gòu)成主要通過以下三步來實現(xiàn):

    步驟一:在卷積層選取大小各不相同的卷積核,對其不斷重復(fù)卷積操作,得到特征圖像;

    步驟二:將有關(guān)聯(lián)的卷積結(jié)果與偏移量進行統(tǒng)計整理;

    步驟三:利用f(x)對統(tǒng)計結(jié)果進行累加計算,即可得到單個卷積層的特征圖。

    3)池化層

    (2)

    式中,p(x)表示池化處理過程。

    池化層還有一項特殊功能,那就是可以對圖像進行特征選擇。根據(jù)相應(yīng)規(guī)則,對卷積層特征圖的某個部位進行重要特征值的計算。在實際運用中,池化層通常會無限制地掃描圖像中的某個部位。所以,經(jīng)過池化作用后,圖像的特征維度[6]都得到了有效降低,并且保持特征在任何情況下不變形,提高了識別精度。通過式(2)可以看出,池化層與卷積層內(nèi)的特征圖在數(shù)量上存在著某種聯(lián)系,繼續(xù)計算可以發(fā)現(xiàn),二者之間存在的特征圖數(shù)量相等,即Nl+1=Nl。

    4)全連接層

    圖像經(jīng)過池化作用,降低了特征維度后,接下來進入到全連接層進行特征分類。全連接層進行每一步的操作都要服從輸出層的命令。當(dāng)?shù)趌層、第l-1層均為全連接層時,特征向量xl的結(jié)果可通過計算式(3)得到

    xl=f(wlxl-1+bl)

    (3)

    式中,bl表示全連接層的偏移量[7],wl表示全連接層的權(quán)重值大小。

    當(dāng)?shù)趌層為全連接層、第l-1層為其它層時,xl的計算方式也會相應(yīng)發(fā)生改變,通常情況下有兩種:一種是將其它層內(nèi)的特征圖轉(zhuǎn)換為特征向量的形式,然后再通過式(3)的計算得到xl的值;另一種是將全連接層設(shè)置為1×1的矩陣,矩陣的數(shù)量與特征圖的數(shù)量相等,然后就可以通過式(4)計算xl的值

    (4)

    5)輸出層

    完成以上操作后,圖像經(jīng)由輸出層輸出,至此,卷積神經(jīng)網(wǎng)絡(luò)完成了所有的訓(xùn)練步驟。輸出層與全連接層共同作用,對完成特征提取的圖像進行分類處理。但是二者之間不同之處在于,輸出層的作用更傾向于Softmax分類器。假設(shè)圖像的類別預(yù)測向量為Y=(y1,…,yM),M代表的是圖像劃分類別數(shù)量[8]。其中,yM的計算公式為

    (5)

    2.2 基于LeNet-5結(jié)構(gòu)的特征高層次轉(zhuǎn)換

    卷積神經(jīng)網(wǎng)絡(luò)中LeNet-5的結(jié)構(gòu)如圖2所示。在進行目標(biāo)識別之前,圖像需要進行歸一化處理,通過增加權(quán)值系數(shù)使得目標(biāo)特征轉(zhuǎn)換為高層次特征,便于接下來的目標(biāo)識別。

    圖2 LeNet-5結(jié)構(gòu)圖

    從圖2中可以看出,LeNet-5共有7個層次組成,每個層次中都包含了若干個可供訓(xùn)練使用的參數(shù)。本文設(shè)定的卷積神經(jīng)網(wǎng)絡(luò)大小為32×32,其中,C層表示由特征提取模塊組成的網(wǎng)絡(luò)層,S層表示由特征分類模塊組成的網(wǎng)絡(luò)層。

    由6個大小為28×28的特征圖組合在一起形成C1層。S2層中的特征圖數(shù)量與C1層相同,但是大小卻僅為C1層中特征圖的一半,為14×14。C1層與S2層實現(xiàn)連接依靠的是大小為2×2的矩陣。到了C3層,特征圖數(shù)量增多,為16個,大小為10×10。C3層與S2層實現(xiàn)連接依靠的是大小為5×5的矩陣。

    本文列舉了S2層與C3層之間的連接方法,如表1所示。

    表1 S2層與C3層的連接方法

    S4層也是由16個特征圖組合形成,但是大小要略小于C3,為5×5,與C3層形成連接的矩陣大小為2×2。到了C5層以后,特征圖的數(shù)量明顯增多,為120個,與S4層之間的連接矩陣大小為5×5。F6層之后均是由神經(jīng)元構(gòu)成,輸出層內(nèi)的神經(jīng)元數(shù)量為10,C5層、F6層以及輸出層,三者之間全方面連接。神經(jīng)元是通過徑向基函數(shù)構(gòu)成,計算方式如式(6)

    (6)

    3 目標(biāo)模糊識別

    由于訓(xùn)練圖像的不斷增多,逐漸形成增量式數(shù)據(jù),利用卷積神經(jīng)網(wǎng)絡(luò)對其訓(xùn)練時,可以采用遷移學(xué)習(xí)算法,在一個事先訓(xùn)練好的模型上進行新問題的訓(xùn)練。

    選取一個已經(jīng)訓(xùn)練好的模型Inception-v3[9],經(jīng)過特征提取的作用后,得到圖像的目標(biāo)特征,通過接下來的全連接層,實現(xiàn)特征信息的分類。并且,Inception-v3模型的輸出層可以輸出魯棒性強、表現(xiàn)能力強的特征向量。

    在Inception-v3模型中,使已經(jīng)完成訓(xùn)練的參數(shù)保持不變,利用當(dāng)前模型中的數(shù)據(jù)對卷積神經(jīng)網(wǎng)絡(luò)中的卷積層和全連接層進行微調(diào),以此獲得理想的遷移結(jié)果。在實際的目標(biāo)模糊識別中,只要可用于訓(xùn)練的圖像數(shù)據(jù)足夠多,需要凍結(jié)的卷積層就越少,訓(xùn)練的結(jié)果也就越精準。

    同時由于在軍事訓(xùn)練圖像中,往往需要識別的目標(biāo)不止一個,如果將整幅圖像劃分為若干個單獨的個體然后再進行識別,那么結(jié)果必然是不準確的。不僅如此,想要實現(xiàn)精準的目標(biāo)識別,還需要對目標(biāo)在圖像中的位置進一步確定。對于候選區(qū)域[10]的選取,本文通過對比選擇的是R-CNN序列檢測算法。

    首先,在原始圖像內(nèi)部選取可能包含目標(biāo)在內(nèi)的1900個候選區(qū)域,利用已經(jīng)訓(xùn)練完畢的卷積神經(jīng)網(wǎng)絡(luò),對選取的1900個候選區(qū)域進行特征的提取和分類;然后,對分好類的特征圖像進行邊框回歸處理。該算法直接利用特征圖取代了對原始圖像進行目標(biāo)識別的過程,很大程度上控制了運算成本,并且在經(jīng)過最后一層卷積層時,加入了區(qū)域建議網(wǎng)絡(luò),使得生成候選區(qū)域的速度大大提高,并實現(xiàn)了對候選區(qū)域是否存在目標(biāo)的準確判斷。完成以上步驟后,通過回歸器深入調(diào)整,實現(xiàn)目標(biāo)的有效識別。

    4 仿真研究

    4.1 仿真參數(shù)

    為了驗證本文所提的目標(biāo)模糊識別方法是否合理有效,與文獻中的功能保持和小目標(biāo)跟蹤識別兩種方法展開了對比仿真。仿真中的文字數(shù)據(jù)集和圖像數(shù)據(jù)集均來自于Image Net數(shù)據(jù)集,并按照訓(xùn)練集和測試集分好類。測試集選取了其中的五類軍事體能訓(xùn)練數(shù)據(jù):跑步、蛙跳、俯臥撐、單雙杠和單腿伸登。樣本數(shù)據(jù)的迭代次數(shù)設(shè)定為45次。

    4.2 目標(biāo)識別速度測試

    在目標(biāo)識別速度測試階段,本文選擇常用幀率(單位為frame/s)來表示目標(biāo)識別的速度,換句話說,也就是在一定時間內(nèi)所識別到的目標(biāo)圖像數(shù)量。數(shù)量越多,說明算法的識別速度越快;反之,則說明算法的識別速度較慢。

    將本文方法與功能保持算法和小目標(biāo)跟蹤識別算法展開對比實驗驗證,并在測試數(shù)據(jù)集上進行識別精度的驗證,以此來驗證三種方法所得的目標(biāo)識別精度、平均精度以及目標(biāo)識別速度。三種方法目標(biāo)識別結(jié)果如表2所示。

    表2 三種方法對于不同測試集的目標(biāo)識別結(jié)果

    通過觀察表2可知,本文方法對于不同類型的增量式數(shù)據(jù),平均識別精度可以高達88.33%,較其它兩種方法相比具有顯著的優(yōu)勢。尤其是對于俯臥撐、單雙杠和單腿伸登這三類訓(xùn)練項目的目標(biāo)識別,本文方法的識別精度更是高達89.90%、91.36%、95.32%。再對三種方法的識別速度進行觀察,可以看出,本文方法的識別速度高達43.6frame/s,與其它兩種算法相比具有顯著的優(yōu)勢。這是由于本文方法中引入了小樣本條件下的遷移學(xué)習(xí)技術(shù),在確保算法具有高識別精度的前提下實現(xiàn)了高效率的目標(biāo)識別。

    4.2 目標(biāo)識別效果測試

    接下來對本文方法的目標(biāo)識別效果進行實驗測試。實驗初期,考慮到如果直接將原始圖像代入到本文算法中,原始圖像的成像通道與卷積神經(jīng)網(wǎng)絡(luò)之間可能存在一定的差異性,所以實驗中將卷積神經(jīng)網(wǎng)絡(luò)的大小設(shè)定為一個3×32×32的矩陣,將待識別的目標(biāo)圖像用2表示,背景圖像用1表示,并作為直接輸入卷積神經(jīng)網(wǎng)絡(luò)的內(nèi)容符號。目標(biāo)圖像與背景圖像如圖3所示。

    圖3 目標(biāo)圖像與背景圖像

    由于原始體能訓(xùn)練圖像變形、扭轉(zhuǎn)的可能性較小,因此實驗中適當(dāng)?shù)南鳒p了LeNet-5網(wǎng)絡(luò)卷積層中特征圖的個數(shù)。

    最終設(shè)定的特征圖大小為5×5,卷積層C1、C3、C5的特征圖數(shù)量分別為6個、16個和120個。本文方法目標(biāo)識別效果如圖4所示。

    圖4 本文方法目標(biāo)識別結(jié)果

    從圖4中可以看出,運用本文方法,經(jīng)過一系列的學(xué)習(xí)運算后,輸出的結(jié)果為2,說明識別到的結(jié)果為目標(biāo)圖像。

    然后再利用本文方法,按照實驗中選取的訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集進行訓(xùn)練,實驗結(jié)果如圖5所示。

    圖5 訓(xùn)練數(shù)據(jù)集與測試數(shù)據(jù)集誤差曲線變化

    從圖5中可以看出,即使在迭代次數(shù)不斷增加的情況下,本文方法訓(xùn)練數(shù)據(jù)集與測試數(shù)據(jù)集的誤差出現(xiàn)次數(shù)都在逐漸降低。當(dāng)?shù)螖?shù)為29次時,本文方法對于訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集的目標(biāo)識別誤差次數(shù)無限趨近于0,并且一直保持到最后,說明本文方法目標(biāo)識別效果較優(yōu)。

    5 結(jié)論

    針對軍事體能訓(xùn)練的目標(biāo)識別需求,本文提出可以基于深度學(xué)習(xí)的增量式數(shù)據(jù)目標(biāo)模糊識別方法。利用卷積神經(jīng)網(wǎng)絡(luò)中的LeNet對參數(shù)進行優(yōu)化和微調(diào),使算法整體具有良好的遷移效果,從而提高目標(biāo)識別的精度。在識別速度與識別效果兩方面展開仿真,結(jié)果驗證了本文方法可以在具有理想識別速度的前提下實現(xiàn)高精準度的目標(biāo)識別,可以在很大程度上滿足在實際中的應(yīng)用需求。

    猜你喜歡
    卷積神經(jīng)網(wǎng)絡(luò)精度
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    GPS/GLONASS/BDS組合PPP精度分析
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于支持向量機回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    改進的Goldschmidt雙精度浮點除法器
    日韩高清综合在线| 两性午夜刺激爽爽歪歪视频在线观看 | 99国产极品粉嫩在线观看| 国产精品av视频在线免费观看| 亚洲av电影在线进入| 久久久久国内视频| 成人国语在线视频| 一本大道久久a久久精品| 午夜两性在线视频| 在线免费观看的www视频| 日日干狠狠操夜夜爽| 欧美日韩福利视频一区二区| 国产成人av激情在线播放| 国产精品一区二区三区四区免费观看 | 成人国语在线视频| 少妇熟女aⅴ在线视频| 亚洲美女黄片视频| 亚洲av第一区精品v没综合| 亚洲人成伊人成综合网2020| 波多野结衣巨乳人妻| 我的老师免费观看完整版| 91麻豆精品激情在线观看国产| cao死你这个sao货| 久久久久国产一级毛片高清牌| 91九色精品人成在线观看| 男人舔女人的私密视频| 国产精品日韩av在线免费观看| 真人一进一出gif抽搐免费| 最新美女视频免费是黄的| 亚洲欧美精品综合一区二区三区| 一进一出好大好爽视频| 两性夫妻黄色片| 成人18禁高潮啪啪吃奶动态图| 久热爱精品视频在线9| 男女下面进入的视频免费午夜| 国产伦人伦偷精品视频| 欧美日韩亚洲国产一区二区在线观看| 国产精品一区二区三区四区免费观看 | 99国产精品一区二区三区| 午夜免费成人在线视频| 国产伦人伦偷精品视频| 国产久久久一区二区三区| 欧美日韩瑟瑟在线播放| www日本黄色视频网| 免费观看人在逋| 欧美丝袜亚洲另类 | 91在线观看av| 久久九九热精品免费| 国产欧美日韩一区二区精品| 18禁黄网站禁片午夜丰满| 狂野欧美白嫩少妇大欣赏| 又大又爽又粗| 国模一区二区三区四区视频 | 亚洲国产欧洲综合997久久,| 国产欧美日韩精品亚洲av| 日本免费a在线| 国模一区二区三区四区视频 | 欧美另类亚洲清纯唯美| 丰满人妻熟妇乱又伦精品不卡| 性欧美人与动物交配| xxx96com| 国产精品电影一区二区三区| 亚洲精品中文字幕在线视频| 久久欧美精品欧美久久欧美| 国产成人系列免费观看| 亚洲美女视频黄频| 免费高清视频大片| 午夜亚洲福利在线播放| 亚洲五月婷婷丁香| xxxwww97欧美| 日韩欧美国产在线观看| 亚洲午夜理论影院| 国产精品亚洲一级av第二区| 亚洲精品在线观看二区| 日韩欧美一区二区三区在线观看| 露出奶头的视频| 午夜免费激情av| 成人国语在线视频| 丁香六月欧美| 国产精品99久久99久久久不卡| 亚洲中文字幕日韩| 美女扒开内裤让男人捅视频| 久久性视频一级片| 久久久久久久精品吃奶| 国产视频内射| 可以在线观看毛片的网站| 国产精品一区二区精品视频观看| 身体一侧抽搐| 美女午夜性视频免费| 他把我摸到了高潮在线观看| 久久精品综合一区二区三区| 国产精品久久久久久人妻精品电影| 日韩有码中文字幕| 久久久久精品国产欧美久久久| 日韩欧美在线乱码| 久久香蕉精品热| 美女免费视频网站| 哪里可以看免费的av片| 国产精品久久视频播放| 97超级碰碰碰精品色视频在线观看| 男女那种视频在线观看| 老司机在亚洲福利影院| 午夜免费成人在线视频| 在线永久观看黄色视频| 成人手机av| 国内精品久久久久精免费| 12—13女人毛片做爰片一| 国产av不卡久久| 女警被强在线播放| 色老头精品视频在线观看| 两个人免费观看高清视频| 国产成人影院久久av| 国产在线精品亚洲第一网站| 欧美日本亚洲视频在线播放| 国产成人精品无人区| 国产高清videossex| 久久精品91蜜桃| 天堂√8在线中文| 一进一出抽搐动态| 手机成人av网站| 欧美午夜高清在线| aaaaa片日本免费| 亚洲最大成人中文| 国产欧美日韩一区二区三| 亚洲成av人片免费观看| 亚洲国产欧美网| 97人妻精品一区二区三区麻豆| 日韩av在线大香蕉| 国产99久久九九免费精品| 精品电影一区二区在线| 日韩av在线大香蕉| 欧美久久黑人一区二区| 日韩精品青青久久久久久| 免费看美女性在线毛片视频| 亚洲男人的天堂狠狠| 亚洲熟女毛片儿| 久久久水蜜桃国产精品网| 精品一区二区三区四区五区乱码| 国产精品免费视频内射| 亚洲狠狠婷婷综合久久图片| 黄色丝袜av网址大全| 两个人的视频大全免费| 久久精品国产亚洲av高清一级| 中文在线观看免费www的网站 | 18禁裸乳无遮挡免费网站照片| 欧美一级a爱片免费观看看 | 日本一本二区三区精品| 久久久国产欧美日韩av| 国产熟女午夜一区二区三区| 欧美激情久久久久久爽电影| 19禁男女啪啪无遮挡网站| 国产视频内射| 精品一区二区三区视频在线观看免费| 搡老妇女老女人老熟妇| 一本精品99久久精品77| 在线视频色国产色| 国产真实乱freesex| 欧美日韩国产亚洲二区| 波多野结衣高清作品| 精品一区二区三区四区五区乱码| 亚洲色图av天堂| 99精品欧美一区二区三区四区| 热99re8久久精品国产| 日韩国内少妇激情av| 18禁国产床啪视频网站| 老司机午夜福利在线观看视频| 麻豆成人av在线观看| 亚洲精品国产精品久久久不卡| 成人国语在线视频| 一进一出抽搐gif免费好疼| 精品国产乱码久久久久久男人| 欧美国产日韩亚洲一区| 神马国产精品三级电影在线观看 | 亚洲一区二区三区色噜噜| 91成年电影在线观看| 午夜福利成人在线免费观看| 精品国产超薄肉色丝袜足j| 91成年电影在线观看| 欧美中文综合在线视频| 黄色 视频免费看| 精品国产乱码久久久久久男人| 中文字幕最新亚洲高清| 久久国产乱子伦精品免费另类| 久久天躁狠狠躁夜夜2o2o| 国产精品野战在线观看| 国产不卡一卡二| 亚洲色图 男人天堂 中文字幕| 香蕉久久夜色| 亚洲国产欧洲综合997久久,| 欧洲精品卡2卡3卡4卡5卡区| 精品人妻1区二区| 亚洲精品久久国产高清桃花| 又黄又粗又硬又大视频| 九色成人免费人妻av| 久久久国产成人精品二区| 国产亚洲av高清不卡| 久久久久久大精品| 久久热在线av| 成年免费大片在线观看| 久久久久免费精品人妻一区二区| АⅤ资源中文在线天堂| 成熟少妇高潮喷水视频| 身体一侧抽搐| 这个男人来自地球电影免费观看| 成人高潮视频无遮挡免费网站| 18禁国产床啪视频网站| 校园春色视频在线观看| 久久久久久九九精品二区国产 | 午夜精品一区二区三区免费看| 日本成人三级电影网站| 在线a可以看的网站| 国产成人系列免费观看| 亚洲av电影在线进入| 好男人在线观看高清免费视频| 日本在线视频免费播放| 老熟妇乱子伦视频在线观看| 国产一区在线观看成人免费| 亚洲av第一区精品v没综合| 欧美日韩亚洲国产一区二区在线观看| 欧美日韩瑟瑟在线播放| 巨乳人妻的诱惑在线观看| 亚洲九九香蕉| 精品无人区乱码1区二区| 亚洲国产欧美网| 亚洲成人精品中文字幕电影| а√天堂www在线а√下载| 亚洲国产精品久久男人天堂| 精品不卡国产一区二区三区| 亚洲国产欧洲综合997久久,| 欧美日韩一级在线毛片| 韩国av一区二区三区四区| 免费av毛片视频| 久久这里只有精品19| 久久国产精品影院| 国产高清有码在线观看视频 | 亚洲精品久久成人aⅴ小说| 热99re8久久精品国产| 在线观看免费视频日本深夜| av视频在线观看入口| 免费一级毛片在线播放高清视频| 日韩欧美一区二区三区在线观看| 特大巨黑吊av在线直播| 嫩草影视91久久| 久久久久国内视频| 国产乱人伦免费视频| 一个人免费在线观看的高清视频| 成人一区二区视频在线观看| 亚洲片人在线观看| 久久久久性生活片| 18禁观看日本| 好男人在线观看高清免费视频| 激情在线观看视频在线高清| 欧美日韩亚洲综合一区二区三区_| 日本一本二区三区精品| 他把我摸到了高潮在线观看| 99热这里只有精品一区 | 久久99热这里只有精品18| 久久久精品国产亚洲av高清涩受| 老司机靠b影院| 1024视频免费在线观看| 午夜福利欧美成人| 夜夜夜夜夜久久久久| 日本黄大片高清| 亚洲一码二码三码区别大吗| 欧美 亚洲 国产 日韩一| 国产亚洲欧美在线一区二区| 久久久精品大字幕| 色综合亚洲欧美另类图片| 亚洲成a人片在线一区二区| 久久婷婷成人综合色麻豆| cao死你这个sao货| 免费在线观看视频国产中文字幕亚洲| 天天添夜夜摸| 怎么达到女性高潮| 午夜免费观看网址| 午夜福利成人在线免费观看| 日韩成人在线观看一区二区三区| 免费在线观看亚洲国产| 国产三级中文精品| 在线观看日韩欧美| 亚洲中文字幕一区二区三区有码在线看 | 久久天躁狠狠躁夜夜2o2o| 欧美乱色亚洲激情| 国内毛片毛片毛片毛片毛片| 韩国av一区二区三区四区| 19禁男女啪啪无遮挡网站| 中文在线观看免费www的网站 | 50天的宝宝边吃奶边哭怎么回事| 国产精品一及| 国产久久久一区二区三区| 亚洲国产精品sss在线观看| 黄色片一级片一级黄色片| 国产99白浆流出| 男女视频在线观看网站免费 | 嫁个100分男人电影在线观看| 日本熟妇午夜| 精品免费久久久久久久清纯| 欧美日韩国产亚洲二区| 国产精品av久久久久免费| 国产精品电影一区二区三区| 99在线人妻在线中文字幕| 国产aⅴ精品一区二区三区波| 在线观看一区二区三区| 精品欧美一区二区三区在线| 亚洲成人中文字幕在线播放| 国产单亲对白刺激| 亚洲美女黄片视频| e午夜精品久久久久久久| 麻豆久久精品国产亚洲av| 久久精品成人免费网站| av免费在线观看网站| 国产高清有码在线观看视频 | 天堂√8在线中文| 国产aⅴ精品一区二区三区波| 国产主播在线观看一区二区| 国产久久久一区二区三区| www日本黄色视频网| 亚洲免费av在线视频| 精品电影一区二区在线| 国产麻豆成人av免费视频| 三级国产精品欧美在线观看 | 日本一本二区三区精品| 亚洲av美国av| 日本一本二区三区精品| 日本精品一区二区三区蜜桃| 欧美一级a爱片免费观看看 | 欧美性长视频在线观看| 制服丝袜大香蕉在线| 亚洲av成人一区二区三| av在线天堂中文字幕| 中文字幕高清在线视频| 久久久精品欧美日韩精品| 麻豆一二三区av精品| 变态另类丝袜制服| 天堂av国产一区二区熟女人妻 | 国产片内射在线| 亚洲国产看品久久| 亚洲av电影不卡..在线观看| 国产一区二区在线观看日韩 | 亚洲一码二码三码区别大吗| 欧美不卡视频在线免费观看 | 精品国产亚洲在线| 好男人在线观看高清免费视频| 日韩中文字幕欧美一区二区| 香蕉国产在线看| 国产精品永久免费网站| 国产精品久久久av美女十八| 老司机午夜福利在线观看视频| 亚洲乱码一区二区免费版| 美女 人体艺术 gogo| 国内少妇人妻偷人精品xxx网站 | 中文资源天堂在线| 日本免费a在线| 丁香六月欧美| 亚洲人成77777在线视频| 免费一级毛片在线播放高清视频| 91成年电影在线观看| 精品高清国产在线一区| 天天添夜夜摸| 超碰成人久久| av视频在线观看入口| 欧美乱色亚洲激情| 51午夜福利影视在线观看| 国产午夜精品论理片| 亚洲九九香蕉| 日韩国内少妇激情av| 欧美性猛交黑人性爽| 精品国内亚洲2022精品成人| 国产私拍福利视频在线观看| 99精品久久久久人妻精品| 亚洲午夜精品一区,二区,三区| 日韩 欧美 亚洲 中文字幕| 午夜福利在线观看吧| 亚洲精品av麻豆狂野| 国产真人三级小视频在线观看| 一级作爱视频免费观看| 欧美日韩精品网址| 国产精品九九99| 久久伊人香网站| 人人妻人人澡欧美一区二区| 丝袜人妻中文字幕| 91在线观看av| 亚洲国产欧洲综合997久久,| 校园春色视频在线观看| 好男人电影高清在线观看| 欧美黑人巨大hd| 中文资源天堂在线| 亚洲,欧美精品.| 国产亚洲欧美98| 精品国产亚洲在线| 精品免费久久久久久久清纯| 国产aⅴ精品一区二区三区波| 天天躁狠狠躁夜夜躁狠狠躁| 午夜精品久久久久久毛片777| 精品少妇一区二区三区视频日本电影| 成年人黄色毛片网站| 国产99白浆流出| 午夜精品久久久久久毛片777| 精品电影一区二区在线| 欧美丝袜亚洲另类 | 精品国产乱码久久久久久男人| 欧美 亚洲 国产 日韩一| av视频在线观看入口| 白带黄色成豆腐渣| 日本一二三区视频观看| 18禁观看日本| 国产单亲对白刺激| 国产蜜桃级精品一区二区三区| 久久午夜综合久久蜜桃| 19禁男女啪啪无遮挡网站| 久久久久久久久中文| 叶爱在线成人免费视频播放| 亚洲午夜精品一区,二区,三区| 色精品久久人妻99蜜桃| 老汉色∧v一级毛片| 欧美日韩福利视频一区二区| 午夜影院日韩av| 色av中文字幕| 精品国产美女av久久久久小说| 91大片在线观看| 波多野结衣高清作品| 看片在线看免费视频| 俄罗斯特黄特色一大片| 欧美日韩精品网址| 一本一本综合久久| 欧美又色又爽又黄视频| 久久草成人影院| 男女下面进入的视频免费午夜| www.熟女人妻精品国产| 日本精品一区二区三区蜜桃| 亚洲国产欧美网| 一夜夜www| 白带黄色成豆腐渣| 欧美乱妇无乱码| 好男人电影高清在线观看| 最新在线观看一区二区三区| 国产精品香港三级国产av潘金莲| 欧美久久黑人一区二区| 淫秽高清视频在线观看| 在线视频色国产色| 精品欧美一区二区三区在线| 丰满的人妻完整版| 脱女人内裤的视频| 国内毛片毛片毛片毛片毛片| 国语自产精品视频在线第100页| 国产精品久久视频播放| 老汉色∧v一级毛片| 亚洲人成伊人成综合网2020| 亚洲国产看品久久| 黑人欧美特级aaaaaa片| 欧美性猛交黑人性爽| 超碰成人久久| a在线观看视频网站| 久久久久久九九精品二区国产 | 国产欧美日韩一区二区三| 怎么达到女性高潮| 叶爱在线成人免费视频播放| av免费在线观看网站| 午夜精品在线福利| 国产三级中文精品| 欧美另类亚洲清纯唯美| 中文字幕人妻丝袜一区二区| 在线观看舔阴道视频| 最近最新中文字幕大全免费视频| 全区人妻精品视频| 精品一区二区三区四区五区乱码| av国产免费在线观看| 丰满人妻熟妇乱又伦精品不卡| 亚洲熟妇中文字幕五十中出| 好看av亚洲va欧美ⅴa在| 99国产精品一区二区蜜桃av| 国产一级毛片七仙女欲春2| bbb黄色大片| 日韩成人在线观看一区二区三区| 国产av一区在线观看免费| www.999成人在线观看| 亚洲午夜理论影院| 亚洲精华国产精华精| 亚洲成人久久性| xxxwww97欧美| 精品国产美女av久久久久小说| 一级毛片精品| 性色av乱码一区二区三区2| 女同久久另类99精品国产91| 日韩有码中文字幕| 国产又色又爽无遮挡免费看| 国产精品一区二区免费欧美| 久久中文字幕人妻熟女| 久热爱精品视频在线9| 国产欧美日韩一区二区精品| 亚洲国产精品sss在线观看| 日韩欧美国产在线观看| 一个人免费在线观看的高清视频| 国产乱人伦免费视频| 久久香蕉激情| 亚洲国产看品久久| 啦啦啦韩国在线观看视频| 黄频高清免费视频| 亚洲国产高清在线一区二区三| 久久久精品国产亚洲av高清涩受| 亚洲美女视频黄频| 麻豆一二三区av精品| 久久久久久久精品吃奶| 99久久久亚洲精品蜜臀av| 久久精品国产99精品国产亚洲性色| 久久精品国产清高在天天线| 亚洲国产欧美网| 色精品久久人妻99蜜桃| 国产三级中文精品| 国产片内射在线| 久久久国产精品麻豆| 欧美日韩精品网址| 一进一出抽搐动态| 草草在线视频免费看| 亚洲av中文字字幕乱码综合| 日韩av在线大香蕉| 99久久久亚洲精品蜜臀av| 精品欧美一区二区三区在线| 免费电影在线观看免费观看| 亚洲av片天天在线观看| 久久精品成人免费网站| 女人高潮潮喷娇喘18禁视频| 黄色丝袜av网址大全| 91成年电影在线观看| 亚洲精品一卡2卡三卡4卡5卡| 女警被强在线播放| avwww免费| 国产激情偷乱视频一区二区| 久久久久久久精品吃奶| 两个人的视频大全免费| 一卡2卡三卡四卡精品乱码亚洲| 欧美黄色片欧美黄色片| 国产免费男女视频| 国产精华一区二区三区| 村上凉子中文字幕在线| 精品一区二区三区av网在线观看| 91av网站免费观看| 亚洲精品中文字幕在线视频| www国产在线视频色| 久久99热这里只有精品18| 成人一区二区视频在线观看| 免费搜索国产男女视频| 日韩免费av在线播放| √禁漫天堂资源中文www| 久久香蕉国产精品| 亚洲色图av天堂| 国产成人av教育| 亚洲美女视频黄频| 日韩有码中文字幕| 国产一区二区在线观看日韩 | 亚洲成人中文字幕在线播放| 亚洲人成网站高清观看| 在线观看美女被高潮喷水网站 | 日韩精品青青久久久久久| 特大巨黑吊av在线直播| www.999成人在线观看| 国内精品一区二区在线观看| 成人手机av| 亚洲成人精品中文字幕电影| 亚洲av成人精品一区久久| 亚洲七黄色美女视频| 久热爱精品视频在线9| 99久久精品国产亚洲精品| 国产精品av视频在线免费观看| 高潮久久久久久久久久久不卡| а√天堂www在线а√下载| 精品国产超薄肉色丝袜足j| 国产v大片淫在线免费观看| 亚洲熟妇中文字幕五十中出| 国产在线精品亚洲第一网站| АⅤ资源中文在线天堂| 国产激情偷乱视频一区二区| 天堂动漫精品| 50天的宝宝边吃奶边哭怎么回事| 婷婷六月久久综合丁香| 国内久久婷婷六月综合欲色啪| 国产精品av视频在线免费观看| 亚洲欧洲精品一区二区精品久久久| 国产欧美日韩一区二区三| 日韩欧美国产在线观看| 国产精品一区二区三区四区久久| 淫妇啪啪啪对白视频| АⅤ资源中文在线天堂| 波多野结衣巨乳人妻| 琪琪午夜伦伦电影理论片6080| 波多野结衣巨乳人妻| 日韩欧美免费精品| 少妇熟女aⅴ在线视频| 麻豆av在线久日| 在线观看66精品国产| 午夜精品在线福利| 成人av一区二区三区在线看| 国产区一区二久久| 啦啦啦免费观看视频1| 美女扒开内裤让男人捅视频| 久久天堂一区二区三区四区| 久久热在线av| 国产午夜精品久久久久久| 韩国av一区二区三区四区| 51午夜福利影视在线观看| 国产精品98久久久久久宅男小说| 日韩高清综合在线| 日本五十路高清| 色综合欧美亚洲国产小说| 国产欧美日韩一区二区三| 丰满人妻熟妇乱又伦精品不卡| 天堂√8在线中文| 在线a可以看的网站| 可以免费在线观看a视频的电影网站| 久久久水蜜桃国产精品网| 欧美 亚洲 国产 日韩一| 狂野欧美白嫩少妇大欣赏| 美女高潮喷水抽搐中文字幕| 中文资源天堂在线| 青草久久国产|