• <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 ?

    基于深度學習的行人檢測技術研究

    2021-02-04 06:53:20
    軟件導刊 2021年1期
    關鍵詞:行人卷積神經(jīng)網(wǎng)絡

    (南京理工大學紫金學院計算機學院,江蘇南京 210023)

    0 引言

    行人檢測一直是視頻分析領域的研究熱點和難點。行人檢測技術指計算機對于給定的視頻和圖像,判斷其中是否有行人存在,同時標記出行人位置[1]。行人檢測技術具有很強的應用價值,它可以與行人跟蹤、行人重識別等技術相結合,廣泛應用于自動駕駛、道路監(jiān)控、智慧城市等領域。傳統(tǒng)的行人檢測方法依靠人體自身的外觀屬性進行特征提取和分類。例如,通過顏色、邊緣、紋理、運動等屬性描述行人態(tài)勢,并使用支持向量機(Support Vector Ma?chines,SVM)[2]、自適應提升(Adaptive Boosting,Ada?Boost)[3]等分類器判斷特定區(qū)域是否存在行人目標。該類方法往往受限于特定環(huán)境條件,導致特征表達能力不足,無法滿足實際場景應用要求。

    長期以來,基于外觀屬性進行特征提取一直制約著行人檢測發(fā)展,直到2012 年,Krizhevsky 等[4]應用深度卷積神經(jīng)網(wǎng)絡(Deep Convolutional Neural Networks,DCNN)取得了ILSVRC 比賽冠軍,從此開啟了基于深度學習的行人檢測新篇章;黃同愿等[5]對基于深度學習的行人檢測技術研究進展進行了綜述。研究人員發(fā)現(xiàn)基于深度學習學到的特征具有很強的層次表達能力和很好的魯棒性,可以更好地解決這類視覺問題。隨著深度學習的不斷發(fā)展,F(xiàn)aster-RCNN(Faster Region-based Convolutional Neural Net?works)[6]、FPN(Feature pyramid networks)[7]、SSD(Single Shot Detection)[8]、YOLO(You Only Look Once)[9]等優(yōu)秀 的目標檢測算法相繼被提出,使行人檢測技術得到了空前發(fā)展[10]。本文首先基于深度學習相關技術,分析經(jīng)典的目標檢測網(wǎng)絡;然后,從視頻分析角度,給出行人檢測處理流程,并基于YOLO v3 進行了系統(tǒng)實現(xiàn)與驗證;最后,結合實驗結果,探討了行人檢測技術未來發(fā)展和進一步研究方向。

    1 深度學習

    深度學習是通過構建一個多層神經(jīng)網(wǎng)絡模型,以原始數(shù)據(jù)作為輸入,由算法在該網(wǎng)絡模型上自動學習原始數(shù)據(jù)隱含在內(nèi)部的關系,提取出更高維、更抽象的數(shù)據(jù)特征表示,最后以特征到任務目標的映射作為結束[11]。深度學習已經(jīng)被廣泛應用于語音識別、自然語言處理、圖像分類等領域,并取得了巨大成功。例如,谷歌旗下的DeepMind 公司基于深度學習技術開發(fā)的人工智能圍棋軟件—Alpha?Go,先后擊敗李世石、柯潔等世界圍棋名將[12];百度研發(fā)的無人駕駛汽車,把以深度學習為基礎的計算機視覺、聽覺等識別技術應用到“百度汽車大腦”系統(tǒng)中,能在厘米級精度上實現(xiàn)車輛定位[13]。

    深度學習的核心是深度神經(jīng)網(wǎng)絡(Deep Neural Net?work,DNN)。深度神經(jīng)網(wǎng)絡是一種模仿神經(jīng)網(wǎng)絡進行信息分布式并行處理的數(shù)學模型。根據(jù)網(wǎng)絡結構的不同,深度神經(jīng)網(wǎng)絡主要分為以下幾種類型:

    (1)卷積神經(jīng)網(wǎng)絡(Convolution Neural Network,CNN)。CNN 網(wǎng)絡建立在多層感知機(Multi-layer Perceptions,MLP)的基礎上,將卷積運算和采樣操作引入人工神經(jīng)網(wǎng)絡,使提取出的特征具備一定的空間不變性。卷積神經(jīng)網(wǎng)絡是一種具備高效識別能力的前饋神經(jīng)網(wǎng)絡,一般由多個卷積層、池化層和全連接層組成。卷積操作、稀疏連接、權值共享是卷積神經(jīng)網(wǎng)絡的三大顯著特點。對于卷積神經(jīng)網(wǎng)絡而言,不同深度對應著不同層次的語義特征:淺層網(wǎng)絡分辨率高,學到的更多是細節(jié)特征;深層網(wǎng)絡分辨率低,學到的更多是語義特征。CNN 網(wǎng)絡主要應用于視頻分析、圖像處理等領域。

    (2)循環(huán)神經(jīng)網(wǎng)絡(Recurrent Neural Network,RNN)。RNN 網(wǎng)絡是一類以序列數(shù)據(jù)作為輸入的神經(jīng)網(wǎng)絡,其在序列的演進方向上進行遞歸且所有節(jié)點(循環(huán)單元)按照鏈式連接。循環(huán)神經(jīng)網(wǎng)絡具有固定的權值和內(nèi)部狀態(tài),通常用來描述動態(tài)時間行為序列,是一種能夠處理任意長度序列信息的神經(jīng)網(wǎng)絡。RNN 網(wǎng)絡主要應用于文本分析、自然語言處理等領域。

    (3)生成式對抗網(wǎng)絡(Generative Adversarial Network,GAN)。GAN 網(wǎng)絡由一個生成器(Generator)和一個判別器(Discriminator)組成[14]。生成器輸入一個潛在編碼,其輸出的生成樣本無限逼近真實樣本;判別器的輸入為真實樣本和生成樣本,并能夠識別出真實樣本和生成樣本。兩個網(wǎng)絡以零和博弈的方式交替訓練,訓練生成器時最大化判別誤差,訓練判別器時最小化判別誤差,最終目的是使判別器無法判別出生成樣本和真實樣本,使生成器的輸出與真實樣本分布一致。GAN 網(wǎng)絡在圖像生成、圖像超分辨率、三維建模、圖像風格遷移和視頻預測等領域得到了廣泛應用。

    行人檢測屬于深度學習的典型應用,主要采用卷積神經(jīng)網(wǎng)絡進行。

    2 基于深度神經(jīng)網(wǎng)絡的檢測技術

    2.1 目標檢測及其發(fā)展歷程

    目標檢測是指給定一張圖像,確定其中是否存在多個預定義的類別,如果存在,就返回每個實例的空間位置和覆蓋范圍(比如返回一個邊界框)。行人檢測是特定實例的目標檢測,其檢測的類別是行人,而非其它類別的物體,如車輛、建筑物等。

    2014 年,Girshick 等[15]提出了區(qū)域卷積神經(jīng)網(wǎng)絡(Re?gionswith CNN Features,R-CNN)模型,拉開了深度學習做目標檢測的序幕。在R-CNN 的基礎上,Girshick 等[16]又提出了進階版的Fast R-CNN,實現(xiàn)了端到端的檢測和卷積操作。Ren 等[17]提出了Faster R-CNN 模型,其最大創(chuàng)新在于設計了區(qū)域候選網(wǎng)絡(RegionProposalNetwork,RPN),使用錨框(Aanchor)的思想將提取目標候選框的步驟整合到深度神經(jīng)網(wǎng)絡中。2015 年,研究者[18]提出了僅通過一次傳導的目標檢測模型,稱為YOLO(YouOnlyLookOnce),通過無錨框(Anchor-Free)檢測,第一次實現(xiàn)了實時的物體檢測任務;Liu 等[19]提出的SSD(SingleShotMultiboxDetector)模型吸收了YOLO 快速檢測的思想,改善了多尺寸目標的處理方式,提升了小目標檢測能力;Lin 等[20]提出的FPN(Fea?turePyramidNetworks)模型,使用特征金字塔實現(xiàn)了更為優(yōu)秀的特征提取網(wǎng)絡。

    YOLO 模型經(jīng)過多個版本的發(fā)展,當前已經(jīng)演進到YOLO v5[21-24]。YOLO 模型在原有架構的基礎上,采用CNN 研究最新成果,對數(shù)據(jù)處理、骨干網(wǎng)絡、模型訓練、激活函數(shù)、損失函數(shù)等各方面都有著不同程度的優(yōu)化,大幅提升了目標檢測效率。

    2.2 檢測模型分類

    在目標檢測模型中,基于是否將目標定位和分類作分離處理,可分為兩種類型:兩階段目標檢測模型和單階段目標檢測模型。

    (1)兩階段目標檢測模型(Two-StageObjectDetection)。兩階段檢測模型通常在第一階段專注于找出目標出現(xiàn)的位置,得到建議框(ProposalRegion);然后在第二階段專注于對建議框進行進行分類和邊界框回歸,尋找目標的精確位置。兩階段的典型檢測模型如R-CNN、Faster R-CNN等。

    (2)單階段目標檢測模型(One-StageObjectDetection)。單階段檢測模型將目標定位和分類這兩個過程融合在一起,采用“錨點+分類精修”框架,在一個階段完成尋找目標出現(xiàn)位置和類別預測。單階段典型檢測模型有SSD、YOLO系列等。

    兩階段檢測模型一般精度更高,但速度較慢;單階段檢測模型一般比兩階段檢測模型更快,但精度會有所損失。

    2.3 YOLO 檢測模型

    YOLO 模型由于具有更快的檢測速度,在工業(yè)界的應用最為廣泛。本文使用相對穩(wěn)定的版本YOLO v3[22]進行行人檢測系統(tǒng)實現(xiàn)與評估。相比以往版本,YOLO v3 在整體結構上有較大改動,吸收了當前優(yōu)秀的檢測框架思想,在保持速度優(yōu)勢的情況下,進一步提升了檢測精度,尤其是對多尺度目標的檢測能力。YOLO v3 網(wǎng)絡結構如圖1所示。

    Fig.1 Detection framework of YOLO v3圖1 YOLO v3 網(wǎng)絡結構

    YOLO v3 在YOLO v2 提出的Darknet-19 基礎上引入殘差模塊,進一步加深網(wǎng)絡層次,改進后的網(wǎng)絡有53 個卷積層,命名為Darknet-53[5]。網(wǎng)絡層次的加深使一些當前先進的模型中比較重要和流行的結構能出現(xiàn)在YOLO v3上,包括殘差模塊、多尺度檢測以及上采樣與特征融合過程等。圖1 中各模塊說明如下:

    (1)Input 模塊。輸入模塊默認采用416×416×3 的輸入。

    (2)Conv2D 模塊。代表卷積層、批量歸一化層(Batch?Normalization,BN)、LeakyReLu 激活層等三層的結合,構成了DarkNet 的基礎處理單元。

    (3)ResBlock 模塊。即殘差模塊,通過引入一個深度殘差框架解決梯度消失問題,使得模型更容易收斂。Res后面的數(shù)字表示串聯(lián)的殘差模塊數(shù)目。

    (4)UpSampling2D 模塊。即上采樣模塊,上采樣使用的方式為向上池化操作,通過元素復制方式擴展特征尺寸,沒有學習參數(shù)。

    (5)Concat 模塊。即拼接模塊,上采樣后將深層與淺層的特征圖進行通道的拼接操作,實現(xiàn)特征融合。

    (6)Output 模塊。輸出模塊在圖1 中以灰色方框表示。通過上采樣與Concat 操作,融合了不同層的特征,最終輸出3 種尺寸的特征圖,分別對應深層、中層和淺層特征,用于后續(xù)目標預測。多層特征圖對于多尺度目標則非常有利,深層特征圖尺寸小、感受野大,有利于檢測大尺度物體;淺層特征圖則與之相反,感受野小,有利于檢測小尺度物體。

    3 行人檢測系統(tǒng)實現(xiàn)

    3.1 檢測流程

    行人檢測需要將圖像中的背景和前景分離,進而實現(xiàn)行人的定位和追蹤。行人檢測的基本處理流程如圖2 所示。

    Fig.2 Basic process of pedestrian detection圖2 行人檢測基本處理流程

    (1)視頻解碼。監(jiān)控攝像頭一般采用RTSP(Real-time Streaming Protocol)或RTMP(Real-time Messaging Protocol)協(xié)議傳輸視頻。在邊緣設備收到視頻流后,需要解碼成一系列的視頻幀,然后采用H.264/H.265 等重新編碼,并傳輸?shù)揭曨l分析設備。

    (2)預處理。預處理階段是指各種視頻的前期操作,如圖像增強、降噪、校準等。例如,一臺傾斜的攝像頭在黑夜拍攝到的視頻,需要預先進行光線增強和校正等。

    (3)幀過濾。對于每一個視頻幀,識別是否存在運動目標。如果是背景幀或者前后無變化的視頻幀,則可進行過濾處理,減輕后續(xù)視頻分析負擔。

    (4)特定目標檢測。借助神經(jīng)網(wǎng)絡模型識別感興趣區(qū)域,例如行人、車輛、火焰、煙霧(smoke)等區(qū)域。本系統(tǒng)用于行人檢測,主要從視頻流中檢測行人目標。

    (5)行人識別。在特定目標檢測基礎上,對行人目標進行精確識別。例如,基于面部特征識別行人身份、基于表情特征識別行人心理活動等。

    (6)行人跟蹤。具有基于區(qū)域的跟蹤、基于特征的跟蹤、多目標跟蹤等算法[25]。目前,針對卷積神經(jīng)網(wǎng)絡在目標跟蹤中的應用,主要研究方向有兩種:一種是先進行離線訓練,再進行在線微調(diào);另一種則是構建簡化版的卷積神經(jīng)網(wǎng)絡,力求擺脫離線訓練,達到完全在線運行要求。

    (7)數(shù)據(jù)融合?;诙鄠€視頻源獲取特定目標的信息。例如,行人再識別源于多攝像頭跟蹤,用于判斷非重疊視域中拍攝到的不同圖像中的行人是否為同一個人。

    3.2 軟件實現(xiàn)

    行人檢測系統(tǒng)基于C/S(Client/Server)架構設計,客戶端負責視頻數(shù)據(jù)采集,然后上傳到服務器端進行視頻分析,YOLO v3 模型部署在服務器端。

    編程語言采用Python。Python 是一種面向?qū)ο蟮哪_本語言,相比其他C++、Java 語言,其在深度學習領域應用最為廣泛。

    深度學習框架采用PyTorch。PyTorch 是一個動態(tài)圖框架,擁有自動求導機制,對神經(jīng)網(wǎng)絡有著盡量少的概念抽象。PyTorch 風格與Python 程序類似,這使得使用者很容易理解代碼的框架和邏輯。

    4 系統(tǒng)驗證

    本系統(tǒng)實驗環(huán)境配置如下:

    (1)服務器端操作系統(tǒng)為Ubuntu18.04,處理器為英特爾酷睿i9 9900K(8 核16 線程),內(nèi)存為DDR4 32G 3 000高頻閃存。服務器搭載兩塊英偉達GPU 芯片GeForce RTX 2 080Ti[26],該芯片顯存容量為11GB,CUDA 核心數(shù)為4 352,加速頻率為1 635MHz,具備強大的深度學習處理能力。

    (2)客戶端采用惠普筆記本HP Elite 848 G4[27],處理器為Inteli7-7500U,內(nèi)存為8GB。客戶端操作系統(tǒng)為Win?dows 10。

    本文使用F1 分數(shù)(F1 Score)作為行人檢測評價指標。F1 Score 就是模型的準確率和召回率的調(diào)和平均數(shù)。準確率指正確的預測框和所有檢測出的預測框的比值,是評價準的指標;召回率指正確的預測框與所有標簽框的比值,是評價全的指標。

    針對YOLO v3 模型,在上述實驗環(huán)境下對視頻圖像進行行人檢測,可達到37 FPS 的處理速率。基于YOLO v3的行人檢測效果如圖3 所示。

    圖3 上邊為原始視頻幀,下邊為檢測后的視頻幀??梢钥闯觯谝曨l幀的行人都被完整地檢測了出來。

    Fig.3 Pedestrian detection effect based on YOLO v3圖3 基于YOLO v3 的行人檢測效果

    5 結語

    行人檢測在計算機應用領域有著非常廣泛的應用,近年來受到學術界和產(chǎn)業(yè)界的廣泛關注。本文闡述了基于深度學習的行人檢測技術,并選取廣泛使用的YOLO v3 模型對行人檢測系統(tǒng)進行了實現(xiàn)。實驗結果表明,卷積神經(jīng)網(wǎng)絡可以描述待檢測目標的復雜特征,能夠在準確度和實時性等方面滿足行人檢測要求。

    深度學習雖然為行人檢測帶來了新的契機,但也面臨新的問題。首先,行人兼具剛性和柔性物體的特性,外觀易受穿著、尺度、遮擋、姿態(tài)和視角等影響,由此導致針對復雜場景和特殊環(huán)境的行人檢測仍有待提高;其次,深度學習訓練需要大量數(shù)據(jù)集,目前標準的大型數(shù)據(jù)集都基于國外環(huán)境和場景,這在一定程度上影響了相關研究進展,國內(nèi)數(shù)據(jù)庫在大型行人目標檢測數(shù)據(jù)集構建上還有很多發(fā)展空間;再者,行人檢測當前采用的是通用目標檢測模型,在模型訓練和推理階段需要耗費大量時間,如何建立針對行人的特定檢測模型也是后續(xù)一個重要研究方向??傊腥藱z測在很長時間內(nèi)都將是計算機視覺領域中一個既具有研究價值同時又極具挑戰(zhàn)性的熱門課題。

    猜你喜歡
    行人卷積神經(jīng)網(wǎng)絡
    基于3D-Winograd的快速卷積算法設計及FPGA實現(xiàn)
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    神經(jīng)網(wǎng)絡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
    路不為尋找者而設
    揚子江(2019年1期)2019-03-08 02:52:34
    基于傅里葉域卷積表示的目標跟蹤算法
    我是行人
    基于神經(jīng)網(wǎng)絡的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復數(shù)神經(jīng)網(wǎng)絡在基于WiFi的室內(nèi)LBS應用
    基于支持向量機回歸和RBF神經(jīng)網(wǎng)絡的PID整定
    少妇 在线观看| 精品国内亚洲2022精品成人| 午夜福利成人在线免费观看| www.熟女人妻精品国产| 老熟妇乱子伦视频在线观看| 曰老女人黄片| 亚洲成人免费电影在线观看| 亚洲国产欧美日韩在线播放| 国产成年人精品一区二区| 亚洲久久久国产精品| 久久精品成人免费网站| 法律面前人人平等表现在哪些方面| 久久久久久久久免费视频了| 日韩中文字幕欧美一区二区| 宅男免费午夜| 久久亚洲真实| 国产精品久久电影中文字幕| 亚洲午夜精品一区,二区,三区| 国产野战对白在线观看| 叶爱在线成人免费视频播放| cao死你这个sao货| 美女扒开内裤让男人捅视频| 欧美精品啪啪一区二区三区| 亚洲第一av免费看| 满18在线观看网站| 又大又爽又粗| 国产日韩一区二区三区精品不卡| 一边摸一边做爽爽视频免费| 国产亚洲精品第一综合不卡| 日韩欧美一区二区三区在线观看| 国产三级黄色录像| 嫁个100分男人电影在线观看| 日本在线视频免费播放| 少妇 在线观看| av视频免费观看在线观看| 狠狠狠狠99中文字幕| 女人被狂操c到高潮| 国产熟女xx| 99国产极品粉嫩在线观看| 90打野战视频偷拍视频| 日本vs欧美在线观看视频| 国产1区2区3区精品| 香蕉久久夜色| 亚洲国产毛片av蜜桃av| 亚洲精品中文字幕一二三四区| 女人被狂操c到高潮| 国产亚洲精品一区二区www| 亚洲伊人色综图| 免费高清在线观看日韩| 国产区一区二久久| 一本综合久久免费| 97人妻精品一区二区三区麻豆 | 好男人电影高清在线观看| 男女床上黄色一级片免费看| 久9热在线精品视频| 怎么达到女性高潮| 天天躁夜夜躁狠狠躁躁| 91成年电影在线观看| 三级毛片av免费| 看黄色毛片网站| 成人国产一区最新在线观看| 成在线人永久免费视频| 久久久久久亚洲精品国产蜜桃av| 又黄又粗又硬又大视频| 国产又色又爽无遮挡免费看| 久久天躁狠狠躁夜夜2o2o| 多毛熟女@视频| 国产乱人伦免费视频| 国产主播在线观看一区二区| 日韩大码丰满熟妇| 啦啦啦观看免费观看视频高清 | 女人被狂操c到高潮| 国产免费男女视频| 亚洲片人在线观看| 99riav亚洲国产免费| 久久影院123| 日韩中文字幕欧美一区二区| 日韩三级视频一区二区三区| 人人妻人人澡人人看| 国产成人精品久久二区二区免费| 午夜福利18| 免费女性裸体啪啪无遮挡网站| 成人国语在线视频| 手机成人av网站| av在线播放免费不卡| 一级片免费观看大全| 国产精品永久免费网站| 亚洲一区二区三区色噜噜| 亚洲熟妇熟女久久| 日韩一卡2卡3卡4卡2021年| netflix在线观看网站| 精品人妻1区二区| 亚洲九九香蕉| 熟女少妇亚洲综合色aaa.| 亚洲色图av天堂| 一进一出好大好爽视频| 男人操女人黄网站| 看免费av毛片| 亚洲三区欧美一区| 久久久久久人人人人人| 亚洲国产精品久久男人天堂| 91老司机精品| 不卡av一区二区三区| 人人妻,人人澡人人爽秒播| 日韩欧美三级三区| av网站免费在线观看视频| 操美女的视频在线观看| 国产熟女午夜一区二区三区| 国产成人av激情在线播放| 一边摸一边做爽爽视频免费| 亚洲激情在线av| 亚洲欧美一区二区三区黑人| 非洲黑人性xxxx精品又粗又长| 成人欧美大片| 麻豆成人av在线观看| 亚洲少妇的诱惑av| 变态另类丝袜制服| 免费看十八禁软件| 狂野欧美激情性xxxx| 一区二区三区国产精品乱码| 国产视频一区二区在线看| 国产三级在线视频| 19禁男女啪啪无遮挡网站| 在线观看午夜福利视频| 亚洲欧美精品综合久久99| 最近最新中文字幕大全免费视频| 久久午夜亚洲精品久久| 大码成人一级视频| netflix在线观看网站| 国产高清视频在线播放一区| 日韩欧美一区二区三区在线观看| 性色av乱码一区二区三区2| 别揉我奶头~嗯~啊~动态视频| 多毛熟女@视频| 欧美国产精品va在线观看不卡| 老司机深夜福利视频在线观看| 欧美一区二区精品小视频在线| 国产欧美日韩精品亚洲av| 亚洲人成电影观看| 操出白浆在线播放| 黄色毛片三级朝国网站| 久久久久久人人人人人| 欧美激情 高清一区二区三区| 国产精品久久视频播放| 美女 人体艺术 gogo| 国产成人免费无遮挡视频| 亚洲精品国产区一区二| 身体一侧抽搐| 国产蜜桃级精品一区二区三区| 一个人免费在线观看的高清视频| 好男人在线观看高清免费视频 | 91精品三级在线观看| av在线天堂中文字幕| 99精品久久久久人妻精品| 久久久久国产一级毛片高清牌| 夜夜看夜夜爽夜夜摸| 国产蜜桃级精品一区二区三区| 丝袜美腿诱惑在线| 精品欧美国产一区二区三| 国产99久久九九免费精品| 国产精品99久久99久久久不卡| 黄色女人牲交| 一级,二级,三级黄色视频| 成年女人毛片免费观看观看9| 国产精品一区二区在线不卡| 9热在线视频观看99| 好男人电影高清在线观看| 欧美日本中文国产一区发布| 日韩大码丰满熟妇| 午夜成年电影在线免费观看| 国产伦一二天堂av在线观看| 男人舔女人的私密视频| 国产亚洲欧美在线一区二区| 老鸭窝网址在线观看| 亚洲欧美激情综合另类| 一级毛片高清免费大全| 不卡一级毛片| 久久中文看片网| 欧美成人一区二区免费高清观看 | 性少妇av在线| 97碰自拍视频| 99国产极品粉嫩在线观看| 国产三级黄色录像| 中文字幕人妻熟女乱码| 成人18禁高潮啪啪吃奶动态图| 97人妻天天添夜夜摸| 1024香蕉在线观看| 国产亚洲精品久久久久5区| 午夜精品久久久久久毛片777| 成人三级做爰电影| 在线十欧美十亚洲十日本专区| 在线视频色国产色| 亚洲九九香蕉| 欧美丝袜亚洲另类 | 十分钟在线观看高清视频www| 咕卡用的链子| 97碰自拍视频| 视频区欧美日本亚洲| 国产麻豆69| 一级毛片高清免费大全| 久久人人97超碰香蕉20202| 欧美激情极品国产一区二区三区| 亚洲免费av在线视频| 久热爱精品视频在线9| 国产精品日韩av在线免费观看 | 在线免费观看的www视频| 老鸭窝网址在线观看| 精品一区二区三区四区五区乱码| 在线永久观看黄色视频| 免费观看人在逋| 日韩有码中文字幕| 亚洲视频免费观看视频| 黄片小视频在线播放| 亚洲成av人片免费观看| 一级毛片女人18水好多| 久久婷婷成人综合色麻豆| 久久天堂一区二区三区四区| 90打野战视频偷拍视频| 久9热在线精品视频| 高清在线国产一区| 一边摸一边做爽爽视频免费| 91麻豆精品激情在线观看国产| 这个男人来自地球电影免费观看| 国产精品一区二区在线不卡| 麻豆成人av在线观看| 91麻豆精品激情在线观看国产| 99riav亚洲国产免费| 亚洲情色 制服丝袜| 动漫黄色视频在线观看| 欧美激情 高清一区二区三区| 在线观看免费日韩欧美大片| 亚洲在线自拍视频| 大型黄色视频在线免费观看| 日韩视频一区二区在线观看| 欧美中文日本在线观看视频| 啦啦啦韩国在线观看视频| 熟女少妇亚洲综合色aaa.| 亚洲中文av在线| 18美女黄网站色大片免费观看| 校园春色视频在线观看| 超碰成人久久| 亚洲国产精品999在线| 香蕉丝袜av| 精品日产1卡2卡| 成人国产综合亚洲| 男女做爰动态图高潮gif福利片 | aaaaa片日本免费| 老司机深夜福利视频在线观看| 久久国产精品男人的天堂亚洲| cao死你这个sao货| 制服人妻中文乱码| 久久婷婷成人综合色麻豆| 国产亚洲欧美在线一区二区| 久久久久久亚洲精品国产蜜桃av| 亚洲人成网站在线播放欧美日韩| 69av精品久久久久久| 亚洲av片天天在线观看| 变态另类丝袜制服| 久久热在线av| 久久精品aⅴ一区二区三区四区| 欧美色欧美亚洲另类二区 | 非洲黑人性xxxx精品又粗又长| 午夜两性在线视频| 亚洲黑人精品在线| 无限看片的www在线观看| 91麻豆精品激情在线观看国产| 十分钟在线观看高清视频www| 999精品在线视频| 亚洲精华国产精华精| 中文字幕精品免费在线观看视频| 精品久久久久久久毛片微露脸| 久久热在线av| 国产av一区二区精品久久| 性欧美人与动物交配| 999久久久国产精品视频| 高清毛片免费观看视频网站| 国产精品99久久99久久久不卡| 香蕉丝袜av| 日日摸夜夜添夜夜添小说| 91麻豆精品激情在线观看国产| 老司机午夜福利在线观看视频| 精品电影一区二区在线| 久久久国产成人免费| 精品少妇一区二区三区视频日本电影| 夜夜爽天天搞| 搞女人的毛片| 叶爱在线成人免费视频播放| 久久国产亚洲av麻豆专区| 欧美激情 高清一区二区三区| 熟女少妇亚洲综合色aaa.| 亚洲精品一区av在线观看| 麻豆国产av国片精品| 久久国产精品影院| 啪啪无遮挡十八禁网站| 在线十欧美十亚洲十日本专区| 国产一区二区三区在线臀色熟女| 日日爽夜夜爽网站| АⅤ资源中文在线天堂| 久久人人爽av亚洲精品天堂| 亚洲激情在线av| 校园春色视频在线观看| 久久久国产欧美日韩av| 最新在线观看一区二区三区| 国产午夜福利久久久久久| 久久欧美精品欧美久久欧美| 欧美日韩中文字幕国产精品一区二区三区 | 国产一区在线观看成人免费| 欧美乱妇无乱码| 精品福利观看| 亚洲国产欧美一区二区综合| 成人国产综合亚洲| 欧美成人性av电影在线观看| 超碰成人久久| а√天堂www在线а√下载| 精品国产国语对白av| 久久精品影院6| 国产精品一区二区免费欧美| 欧美老熟妇乱子伦牲交| 久久伊人香网站| 日本欧美视频一区| 男人操女人黄网站| 50天的宝宝边吃奶边哭怎么回事| 人妻久久中文字幕网| 一边摸一边抽搐一进一出视频| 美女免费视频网站| 国产成人精品久久二区二区91| 日韩欧美免费精品| 久99久视频精品免费| 女人爽到高潮嗷嗷叫在线视频| 亚洲国产看品久久| 欧美成狂野欧美在线观看| 精品久久久久久久人妻蜜臀av | 国产一区二区三区综合在线观看| 极品人妻少妇av视频| 757午夜福利合集在线观看| 宅男免费午夜| 三级毛片av免费| 欧美精品啪啪一区二区三区| 亚洲成人国产一区在线观看| 18禁黄网站禁片午夜丰满| 成人国产综合亚洲| 国产精品一区二区三区四区久久 | 精品欧美国产一区二区三| 亚洲中文字幕日韩| 久久午夜亚洲精品久久| 午夜视频精品福利| 欧美成狂野欧美在线观看| 亚洲国产高清在线一区二区三 | 国内精品久久久久久久电影| 天天躁夜夜躁狠狠躁躁| 老司机午夜十八禁免费视频| 国产男靠女视频免费网站| 国产麻豆69| 国产精品久久久久久亚洲av鲁大| 桃色一区二区三区在线观看| 丁香欧美五月| 成人亚洲精品av一区二区| 国产精品久久久av美女十八| 熟女少妇亚洲综合色aaa.| 男女下面进入的视频免费午夜 | 中文字幕久久专区| 国产精品日韩av在线免费观看 | cao死你这个sao货| 侵犯人妻中文字幕一二三四区| 免费搜索国产男女视频| 在线观看免费视频日本深夜| 久久九九热精品免费| 夜夜看夜夜爽夜夜摸| 在线观看免费日韩欧美大片| 国产午夜福利久久久久久| 两性夫妻黄色片| 999精品在线视频| 99在线视频只有这里精品首页| 身体一侧抽搐| 午夜老司机福利片| 亚洲成人精品中文字幕电影| 午夜福利成人在线免费观看| 色综合亚洲欧美另类图片| 级片在线观看| 亚洲av成人av| 国产精品久久电影中文字幕| 波多野结衣高清无吗| 美女午夜性视频免费| 久久精品国产清高在天天线| tocl精华| www日本在线高清视频| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲aⅴ乱码一区二区在线播放 | 亚洲国产欧美一区二区综合| 丁香六月欧美| 亚洲欧美日韩无卡精品| 又大又爽又粗| 国产熟女xx| 岛国视频午夜一区免费看| www国产在线视频色| 不卡一级毛片| 午夜福利在线观看吧| 国产1区2区3区精品| 午夜福利18| 国产成人系列免费观看| 亚洲国产精品999在线| 一夜夜www| 精品卡一卡二卡四卡免费| 99精品欧美一区二区三区四区| 日本一区二区免费在线视频| 中文字幕精品免费在线观看视频| 99精品欧美一区二区三区四区| 狂野欧美激情性xxxx| 悠悠久久av| 人成视频在线观看免费观看| 精品久久久久久久人妻蜜臀av | 19禁男女啪啪无遮挡网站| www.熟女人妻精品国产| 国产男靠女视频免费网站| 黄片大片在线免费观看| 99国产精品一区二区三区| 啦啦啦 在线观看视频| 色综合欧美亚洲国产小说| 亚洲国产欧美日韩在线播放| 啪啪无遮挡十八禁网站| 成人永久免费在线观看视频| 国产成人精品在线电影| 99国产精品一区二区三区| 啪啪无遮挡十八禁网站| 国产午夜福利久久久久久| 欧美日韩一级在线毛片| 亚洲美女黄片视频| 国产激情久久老熟女| 亚洲视频免费观看视频| 日日爽夜夜爽网站| 制服丝袜大香蕉在线| 色老头精品视频在线观看| 亚洲精品久久国产高清桃花| 女人被躁到高潮嗷嗷叫费观| 日本vs欧美在线观看视频| 亚洲第一av免费看| 最近最新中文字幕大全电影3 | 最近最新中文字幕大全免费视频| 又紧又爽又黄一区二区| 欧美色视频一区免费| 伊人久久大香线蕉亚洲五| 久久久国产成人精品二区| 久久久国产精品麻豆| 91精品国产国语对白视频| 精品久久久久久久毛片微露脸| 韩国av一区二区三区四区| 男女下面插进去视频免费观看| 侵犯人妻中文字幕一二三四区| 国产av又大| 嫩草影视91久久| 国产成人欧美在线观看| 久久精品国产清高在天天线| 看片在线看免费视频| 日本免费a在线| 曰老女人黄片| 在线观看免费日韩欧美大片| 黑人巨大精品欧美一区二区蜜桃| 成人亚洲精品av一区二区| 1024香蕉在线观看| 久久久久久久久中文| 久久精品国产亚洲av高清一级| 又紧又爽又黄一区二区| 日本一区二区免费在线视频| 啦啦啦免费观看视频1| 国产精品一区二区在线不卡| 成人亚洲精品一区在线观看| 女性被躁到高潮视频| 黄片大片在线免费观看| 亚洲 国产 在线| 久久久久国产一级毛片高清牌| 日韩欧美一区二区三区在线观看| 成人欧美大片| 日本a在线网址| 黑人巨大精品欧美一区二区mp4| 99精品久久久久人妻精品| 亚洲自拍偷在线| 国产av一区在线观看免费| 天堂√8在线中文| av电影中文网址| 亚洲五月天丁香| 久久婷婷成人综合色麻豆| 国产亚洲欧美98| av视频免费观看在线观看| 99精品在免费线老司机午夜| 性色av乱码一区二区三区2| 国产精品亚洲一级av第二区| 久久久精品国产亚洲av高清涩受| 日本 av在线| 人妻丰满熟妇av一区二区三区| 大陆偷拍与自拍| 老熟妇乱子伦视频在线观看| 一级作爱视频免费观看| 99re在线观看精品视频| 一级毛片女人18水好多| 搡老妇女老女人老熟妇| 国产99白浆流出| 国产区一区二久久| 宅男免费午夜| 欧美乱码精品一区二区三区| 免费看十八禁软件| 神马国产精品三级电影在线观看 | 亚洲成国产人片在线观看| 久久天堂一区二区三区四区| 色播在线永久视频| 中亚洲国语对白在线视频| 999久久久国产精品视频| 色av中文字幕| 黄色视频不卡| 激情在线观看视频在线高清| 别揉我奶头~嗯~啊~动态视频| 亚洲国产精品sss在线观看| 久久影院123| 大陆偷拍与自拍| 一级黄色大片毛片| 免费在线观看亚洲国产| 欧美午夜高清在线| 欧美日本视频| 黄片大片在线免费观看| 色在线成人网| 淫妇啪啪啪对白视频| 精品国产乱码久久久久久男人| 国产亚洲精品久久久久久毛片| 极品人妻少妇av视频| 免费av毛片视频| 久久久久久久久中文| a级毛片在线看网站| 91字幕亚洲| 日本三级黄在线观看| videosex国产| 久热爱精品视频在线9| 精品国产一区二区久久| 少妇被粗大的猛进出69影院| 国产亚洲精品综合一区在线观看 | 国产成人精品无人区| 每晚都被弄得嗷嗷叫到高潮| 欧美另类亚洲清纯唯美| 琪琪午夜伦伦电影理论片6080| 免费无遮挡裸体视频| 一进一出抽搐动态| 久久婷婷人人爽人人干人人爱 | cao死你这个sao货| 男人舔女人的私密视频| 色尼玛亚洲综合影院| 亚洲av电影在线进入| 少妇 在线观看| 日本撒尿小便嘘嘘汇集6| 国产欧美日韩一区二区三| 在线观看舔阴道视频| 大香蕉久久成人网| 亚洲国产毛片av蜜桃av| 亚洲天堂国产精品一区在线| 久久久水蜜桃国产精品网| 91在线观看av| 制服丝袜大香蕉在线| 搞女人的毛片| 日本a在线网址| 99国产精品一区二区三区| 免费女性裸体啪啪无遮挡网站| www日本在线高清视频| 日韩一卡2卡3卡4卡2021年| 午夜视频精品福利| 极品人妻少妇av视频| 国产成人系列免费观看| 午夜久久久在线观看| 亚洲第一青青草原| 免费在线观看日本一区| 91成年电影在线观看| 不卡av一区二区三区| 免费看十八禁软件| 老司机靠b影院| 免费在线观看亚洲国产| 国产精品久久久av美女十八| 国产成人啪精品午夜网站| 欧美激情 高清一区二区三区| 亚洲 欧美一区二区三区| 午夜福利免费观看在线| 无限看片的www在线观看| 久久精品国产清高在天天线| 国产片内射在线| 亚洲熟妇熟女久久| 免费在线观看黄色视频的| 韩国av一区二区三区四区| 国产精品精品国产色婷婷| 一本综合久久免费| 免费人成视频x8x8入口观看| 麻豆成人av在线观看| 欧美成狂野欧美在线观看| 自线自在国产av| 中出人妻视频一区二区| 他把我摸到了高潮在线观看| 国产精品电影一区二区三区| 大陆偷拍与自拍| 亚洲色图av天堂| 好男人在线观看高清免费视频 | 一进一出抽搐gif免费好疼| 国产亚洲欧美98| 久久精品aⅴ一区二区三区四区| 91大片在线观看| 视频区欧美日本亚洲| 色婷婷久久久亚洲欧美| 男人的好看免费观看在线视频 | 制服人妻中文乱码| 美女高潮到喷水免费观看| 不卡av一区二区三区| 在线观看日韩欧美| 国产91精品成人一区二区三区| 久久精品亚洲精品国产色婷小说| 在线观看午夜福利视频| 搡老岳熟女国产| 色播在线永久视频| 国产av又大| 色综合亚洲欧美另类图片| 不卡av一区二区三区| 国产麻豆69| 长腿黑丝高跟|