• <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
    亚洲人成网站在线播放欧美日韩| 亚洲乱码一区二区免费版| 日韩欧美一区二区三区在线观看| 亚洲高清免费不卡视频| 在线免费观看不下载黄p国产| 国产成人a区在线观看| 99久久九九国产精品国产免费| 日韩欧美 国产精品| 99久久中文字幕三级久久日本| 欧美zozozo另类| 国产人妻一区二区三区在| 欧美成人精品欧美一级黄| 国产亚洲精品av在线| 亚洲成人久久性| 美女黄网站色视频| 午夜精品在线福利| 国产又黄又爽又无遮挡在线| 亚洲电影在线观看av| 色噜噜av男人的天堂激情| 国产视频首页在线观看| 毛片女人毛片| 高清在线视频一区二区三区 | 内地一区二区视频在线| 日韩,欧美,国产一区二区三区 | 国产精品爽爽va在线观看网站| 校园人妻丝袜中文字幕| 久久久久久大精品| 国产精品久久久久久久久免| 亚洲aⅴ乱码一区二区在线播放| 欧美性感艳星| 精品欧美国产一区二区三| 亚洲成a人片在线一区二区| 极品教师在线视频| 欧美一级a爱片免费观看看| 欧美最黄视频在线播放免费| 亚洲无线观看免费| 亚洲成人av在线免费| 午夜福利在线在线| 婷婷六月久久综合丁香| 国产视频首页在线观看| av卡一久久| 国产人妻一区二区三区在| 国产精品久久久久久久久免| 日韩大尺度精品在线看网址| 久久精品国产亚洲av涩爱 | 久久久精品欧美日韩精品| 午夜福利在线观看吧| 国产中年淑女户外野战色| 高清在线视频一区二区三区 | 国产精品久久电影中文字幕| 亚洲av中文字字幕乱码综合| 黄色一级大片看看| av在线亚洲专区| 国产成人午夜福利电影在线观看| 国产午夜精品一二区理论片| 狂野欧美激情性xxxx在线观看| 国产精品精品国产色婷婷| 岛国在线免费视频观看| 99久久精品国产国产毛片| 国产麻豆成人av免费视频| 精品日产1卡2卡| 真实男女啪啪啪动态图| 人妻制服诱惑在线中文字幕| 国产女主播在线喷水免费视频网站 | 精品少妇黑人巨大在线播放 | 乱人视频在线观看| 99热全是精品| 日韩国内少妇激情av| 国产真实伦视频高清在线观看| 偷拍熟女少妇极品色| 色视频www国产| 中国美白少妇内射xxxbb| 蜜臀久久99精品久久宅男| 青春草亚洲视频在线观看| 免费在线观看成人毛片| 人妻制服诱惑在线中文字幕| 日韩欧美三级三区| 国产美女午夜福利| 亚洲欧美日韩东京热| 哪个播放器可以免费观看大片| 校园人妻丝袜中文字幕| 最近最新中文字幕大全电影3| 国产高清不卡午夜福利| 97超视频在线观看视频| 亚洲人与动物交配视频| 国内精品一区二区在线观看| 99热只有精品国产| 美女cb高潮喷水在线观看| 久久人妻av系列| 国产精品一区二区在线观看99 | 成人特级黄色片久久久久久久| 99热只有精品国产| 日韩 亚洲 欧美在线| 免费av观看视频| 午夜福利在线在线| 欧美成人a在线观看| 亚洲美女搞黄在线观看| 1000部很黄的大片| 超碰av人人做人人爽久久| 久久草成人影院| 欧美不卡视频在线免费观看| 哪里可以看免费的av片| 成人二区视频| 人体艺术视频欧美日本| 成年女人永久免费观看视频| 国产精品伦人一区二区| av福利片在线观看| 久久久久久久午夜电影| 99热这里只有精品一区| 麻豆久久精品国产亚洲av| 亚洲国产欧美人成| 免费在线观看成人毛片| 免费av不卡在线播放| 美女黄网站色视频| 欧美色欧美亚洲另类二区| 精品少妇黑人巨大在线播放 | 在线观看午夜福利视频| 久久久久久久久中文| 国产一区二区三区av在线 | 国产一级毛片七仙女欲春2| 国产精品一区二区三区四区久久| 国产精品一二三区在线看| 免费看光身美女| 热99在线观看视频| 成人性生交大片免费视频hd| www.av在线官网国产| 国产成人91sexporn| 亚洲最大成人手机在线| 伦精品一区二区三区| 黄片wwwwww| 一级毛片我不卡| 成人美女网站在线观看视频| 亚洲激情五月婷婷啪啪| 听说在线观看完整版免费高清| 成人鲁丝片一二三区免费| 国产毛片a区久久久久| 国产私拍福利视频在线观看| a级毛色黄片| 国内精品一区二区在线观看| 久久人人爽人人爽人人片va| 欧美3d第一页| 国产老妇女一区| 麻豆国产97在线/欧美| 日本撒尿小便嘘嘘汇集6| www.av在线官网国产| 亚洲av.av天堂| 久久久国产成人免费| 欧美日本视频| 久久久久久久久大av| 久久久久网色| 久久鲁丝午夜福利片| 久久久成人免费电影| 国产精品久久久久久精品电影小说 | 一个人看视频在线观看www免费| 99久久精品热视频| 久久人人爽人人片av| 久久鲁丝午夜福利片| 美女黄网站色视频| 中出人妻视频一区二区| 1000部很黄的大片| 少妇裸体淫交视频免费看高清| 高清毛片免费看| 国产极品精品免费视频能看的| 欧美性猛交黑人性爽| 中出人妻视频一区二区| 欧美一区二区精品小视频在线| 免费看美女性在线毛片视频| av黄色大香蕉| 91aial.com中文字幕在线观看| 一区二区三区免费毛片| 免费av观看视频| 国产高清激情床上av| 国产老妇伦熟女老妇高清| 亚洲无线观看免费| 免费电影在线观看免费观看| 久久草成人影院| 成人特级黄色片久久久久久久| 亚洲最大成人av| 蜜桃久久精品国产亚洲av| 亚洲欧美精品自产自拍| 69人妻影院| 最近最新中文字幕大全电影3| 亚洲av中文av极速乱| 一区二区三区四区激情视频 | 一级二级三级毛片免费看| 国产精品久久电影中文字幕| 亚洲精品久久久久久婷婷小说 | 校园春色视频在线观看| 我的老师免费观看完整版| 我要搜黄色片| 国产精品野战在线观看| 九九久久精品国产亚洲av麻豆| 麻豆成人午夜福利视频| 网址你懂的国产日韩在线| 国产精品免费一区二区三区在线| 如何舔出高潮| 欧美又色又爽又黄视频| 久久九九热精品免费| 亚洲国产日韩欧美精品在线观看| 国产一区亚洲一区在线观看| 成年av动漫网址| 男的添女的下面高潮视频| 嫩草影院新地址| 精品久久久久久久久久免费视频| 色噜噜av男人的天堂激情| 久久久久网色| 美女脱内裤让男人舔精品视频 | 男女那种视频在线观看| 婷婷色综合大香蕉| 最近的中文字幕免费完整| 婷婷亚洲欧美| 舔av片在线| 国产在视频线在精品| 久久久午夜欧美精品| 男女视频在线观看网站免费| 日韩在线高清观看一区二区三区| 又粗又硬又长又爽又黄的视频 | 大型黄色视频在线免费观看| 国产亚洲av嫩草精品影院| 国产亚洲精品av在线| 99久久中文字幕三级久久日本| 99热这里只有是精品在线观看| 全区人妻精品视频| 69人妻影院| 国产精品电影一区二区三区| 久久亚洲精品不卡| 99热这里只有是精品在线观看| 国产精品久久久久久久电影| 国产高清有码在线观看视频| 亚洲欧美成人精品一区二区| 国产成人精品婷婷| 国内久久婷婷六月综合欲色啪| 亚洲精品乱码久久久久久按摩| 六月丁香七月| 日韩国内少妇激情av| 国产成人精品婷婷| 国产亚洲av片在线观看秒播厂 | 岛国毛片在线播放| 床上黄色一级片| 精品久久久久久成人av| 亚洲欧美日韩无卡精品| 久久人人爽人人片av| 欧美日韩一区二区视频在线观看视频在线 | 成年免费大片在线观看| 天天躁夜夜躁狠狠久久av| 亚洲高清免费不卡视频| 岛国毛片在线播放| 观看美女的网站| 联通29元200g的流量卡| 亚洲av免费在线观看| 亚洲欧美精品综合久久99| 悠悠久久av| 少妇猛男粗大的猛烈进出视频 | 国产精品久久久久久av不卡| 亚洲欧美日韩东京热| 久久精品综合一区二区三区| 亚洲在线观看片| 一区福利在线观看| 亚洲精品456在线播放app| 国产爱豆传媒在线观看| 久久国内精品自在自线图片| 女同久久另类99精品国产91| 性插视频无遮挡在线免费观看| 国产伦理片在线播放av一区 | 亚洲天堂国产精品一区在线| 男人舔女人下体高潮全视频| 91精品国产九色| 在线观看av片永久免费下载| 亚洲av免费高清在线观看| 黄色配什么色好看| 青青草视频在线视频观看| 免费观看精品视频网站| 久久中文看片网| 如何舔出高潮| 国产 一区精品| 久久精品夜色国产| 国产高潮美女av| 亚洲精品影视一区二区三区av| 欧美日本视频| 激情 狠狠 欧美| 午夜精品一区二区三区免费看| 国产不卡一卡二| 乱系列少妇在线播放| 中文亚洲av片在线观看爽| 亚洲欧美日韩卡通动漫| 天天一区二区日本电影三级| 亚洲av一区综合| 国产av麻豆久久久久久久| 我的女老师完整版在线观看| 亚洲图色成人| 国产伦精品一区二区三区视频9| 女人被狂操c到高潮| 男女啪啪激烈高潮av片| 亚洲四区av| 婷婷精品国产亚洲av| 日本爱情动作片www.在线观看| 小蜜桃在线观看免费完整版高清| 国产精品三级大全| 美女被艹到高潮喷水动态| 久久中文看片网| 免费黄网站久久成人精品| 日韩欧美精品v在线| 在线免费观看不下载黄p国产| av在线蜜桃| 亚洲精品久久国产高清桃花| .国产精品久久| 成人午夜高清在线视频| 欧美激情久久久久久爽电影| 狠狠狠狠99中文字幕| 亚洲性久久影院| 国产视频首页在线观看| 欧美高清成人免费视频www| 九色成人免费人妻av| 国产又黄又爽又无遮挡在线| 丰满人妻一区二区三区视频av| 欧洲精品卡2卡3卡4卡5卡区| 热99在线观看视频| 久久精品国产亚洲av天美| 3wmmmm亚洲av在线观看| 99久国产av精品| 自拍偷自拍亚洲精品老妇| 国产精品美女特级片免费视频播放器| 欧美一区二区精品小视频在线| 亚洲四区av| 高清午夜精品一区二区三区 | 国内少妇人妻偷人精品xxx网站| 亚洲va在线va天堂va国产| 三级经典国产精品| 91久久精品国产一区二区成人| 亚洲在久久综合| 听说在线观看完整版免费高清| 赤兔流量卡办理| 长腿黑丝高跟| 国产探花在线观看一区二区| 亚洲精品粉嫩美女一区| 成人午夜精彩视频在线观看| 成年女人永久免费观看视频| 久久久久久久久中文| 国产国拍精品亚洲av在线观看| 女人被狂操c到高潮| 精品熟女少妇av免费看| 高清毛片免费观看视频网站| 特级一级黄色大片| 亚洲国产欧洲综合997久久,| 亚洲三级黄色毛片| 黑人高潮一二区| 国产综合懂色| 美女黄网站色视频| 黄色欧美视频在线观看| 中文精品一卡2卡3卡4更新| 久久久久久久亚洲中文字幕| 亚洲国产欧美在线一区| 一级毛片aaaaaa免费看小| 亚洲国产欧美在线一区| 美女被艹到高潮喷水动态| 床上黄色一级片| 亚洲国产精品合色在线| 天美传媒精品一区二区| 国产精品国产高清国产av| 亚洲欧美日韩卡通动漫| 黄色日韩在线| 99riav亚洲国产免费| 99视频精品全部免费 在线| 97热精品久久久久久| 国产高清不卡午夜福利| 春色校园在线视频观看| 悠悠久久av| 亚洲国产精品成人久久小说 | 极品教师在线视频| 热99在线观看视频| 老师上课跳d突然被开到最大视频| 99久久精品热视频| 国产高清三级在线| 九色成人免费人妻av| 成人一区二区视频在线观看| 久久人人爽人人爽人人片va| 黄色欧美视频在线观看| 国国产精品蜜臀av免费| 免费av观看视频| 中国国产av一级| 亚洲无线观看免费| 国产高清有码在线观看视频| 国产精品1区2区在线观看.| 国产精品久久视频播放| 欧美日韩一区二区视频在线观看视频在线 | 亚洲精品乱码久久久v下载方式| 亚洲欧美成人综合另类久久久 | 小说图片视频综合网站| 日本欧美国产在线视频| 91久久精品电影网| 午夜激情欧美在线| 黄片无遮挡物在线观看| 精品99又大又爽又粗少妇毛片| 草草在线视频免费看| 高清在线视频一区二区三区 | 舔av片在线| 久久久久免费精品人妻一区二区| 两个人视频免费观看高清| 成年版毛片免费区| 春色校园在线视频观看| 国产爱豆传媒在线观看| 久久精品久久久久久久性| 亚洲精品日韩av片在线观看| 九九爱精品视频在线观看| 免费av毛片视频| 观看免费一级毛片| 色哟哟·www| 久久久欧美国产精品| 久久精品综合一区二区三区| 麻豆成人av视频| 最近中文字幕高清免费大全6| 久久鲁丝午夜福利片| 欧美成人a在线观看| 亚洲人成网站在线播放欧美日韩| 麻豆成人午夜福利视频| 2021天堂中文幕一二区在线观| 成人鲁丝片一二三区免费| 日韩中字成人| 又爽又黄a免费视频| 免费不卡的大黄色大毛片视频在线观看 | 久久九九热精品免费| 亚洲成人久久性| 三级毛片av免费| 村上凉子中文字幕在线| 亚洲不卡免费看| 久久久久久伊人网av| 久久久久久久亚洲中文字幕| 91久久精品国产一区二区三区| 国产伦一二天堂av在线观看| 免费搜索国产男女视频| 夜夜看夜夜爽夜夜摸| 亚洲国产精品成人久久小说 | 亚洲国产精品久久男人天堂| 亚洲一级一片aⅴ在线观看| 黄色欧美视频在线观看| 最近视频中文字幕2019在线8| 亚洲性久久影院| 日韩av在线大香蕉| 亚洲欧美日韩卡通动漫| 在线a可以看的网站| 美女cb高潮喷水在线观看| 欧美精品一区二区大全| 人妻系列 视频| 欧美日本亚洲视频在线播放| 免费黄网站久久成人精品| 国产私拍福利视频在线观看| a级一级毛片免费在线观看| 美女xxoo啪啪120秒动态图| 日韩国内少妇激情av| 18禁在线无遮挡免费观看视频| 你懂的网址亚洲精品在线观看 | 国产在线男女| av视频在线观看入口| 美女脱内裤让男人舔精品视频 | 九九在线视频观看精品| 亚洲成人久久爱视频| 村上凉子中文字幕在线| 在线播放国产精品三级| 久久人人爽人人爽人人片va| 亚洲性久久影院| 一个人观看的视频www高清免费观看| 欧美日韩综合久久久久久| 99久国产av精品国产电影| 此物有八面人人有两片| 精品久久久久久成人av| 长腿黑丝高跟| 搞女人的毛片| 99riav亚洲国产免费| 国内少妇人妻偷人精品xxx网站| 国产69精品久久久久777片| 亚洲美女视频黄频| 免费人成在线观看视频色| 一级毛片久久久久久久久女| 小说图片视频综合网站| 热99re8久久精品国产| 久久国产乱子免费精品| av在线老鸭窝| 国产精品精品国产色婷婷| 三级经典国产精品| 国产精品久久久久久精品电影小说 | 在线观看一区二区三区| 黄色欧美视频在线观看| 成人漫画全彩无遮挡| 婷婷精品国产亚洲av| 精品一区二区三区视频在线| 国产一区二区三区av在线 | 91久久精品国产一区二区三区| 人妻制服诱惑在线中文字幕| 日本欧美国产在线视频| 亚洲成人精品中文字幕电影| 在线播放国产精品三级| 亚洲无线在线观看| 三级经典国产精品| 午夜爱爱视频在线播放| 亚洲精品成人久久久久久| av黄色大香蕉| 国产一区二区三区在线臀色熟女| 三级经典国产精品| 熟女人妻精品中文字幕| 亚洲成人中文字幕在线播放| 国产成人a区在线观看| 99九九线精品视频在线观看视频| 国产老妇女一区| 国产精品一区www在线观看| 麻豆久久精品国产亚洲av| 老司机影院成人| 国产极品天堂在线| 日本在线视频免费播放| 久久精品国产清高在天天线| 国产在线精品亚洲第一网站| 丰满乱子伦码专区| 国产探花极品一区二区| 一本久久中文字幕| 自拍偷自拍亚洲精品老妇| 精品人妻一区二区三区麻豆| 亚洲最大成人av| 九九热线精品视视频播放| 久久鲁丝午夜福利片| 在现免费观看毛片| 18禁黄网站禁片免费观看直播| 久久久久久久亚洲中文字幕| 日本免费a在线| 欧美区成人在线视频| 亚洲人与动物交配视频| 99久久精品热视频| 国产精品人妻久久久久久| 精品久久久久久久末码| 欧美又色又爽又黄视频| 国产在视频线在精品| 久久久精品欧美日韩精品| .国产精品久久| 51国产日韩欧美| 亚洲美女视频黄频| 在线国产一区二区在线| 欧美xxxx黑人xx丫x性爽| 在线观看av片永久免费下载| 亚洲国产精品久久男人天堂| 亚洲精品国产成人久久av| 国产精品一区二区在线观看99 | 黄色视频,在线免费观看| 国产老妇女一区| 国产日本99.免费观看| av免费在线看不卡| 国产精品不卡视频一区二区| 好男人视频免费观看在线| 波多野结衣高清无吗| 久久精品综合一区二区三区| 亚洲经典国产精华液单| 精品无人区乱码1区二区| 国产伦精品一区二区三区视频9| 赤兔流量卡办理| 97热精品久久久久久| 免费看a级黄色片| 国产在线精品亚洲第一网站| 69人妻影院| ponron亚洲| 国产久久久一区二区三区| 97在线视频观看| 国产高清不卡午夜福利| 麻豆av噜噜一区二区三区| 久久中文看片网| 特级一级黄色大片| 99在线视频只有这里精品首页| 哪个播放器可以免费观看大片| 中文字幕久久专区| 夜夜爽天天搞| 亚洲精品亚洲一区二区| 国产亚洲av片在线观看秒播厂 | 久久精品国产自在天天线| a级一级毛片免费在线观看| 午夜福利在线观看吧| 免费看a级黄色片| 亚洲在线观看片| 丝袜美腿在线中文| 亚洲av中文av极速乱| 国产又黄又爽又无遮挡在线| 一个人免费在线观看电影| 寂寞人妻少妇视频99o| 99久国产av精品| 国产一区二区亚洲精品在线观看| 小说图片视频综合网站| 国产单亲对白刺激| 少妇的逼好多水| av天堂中文字幕网| 桃色一区二区三区在线观看| 亚洲熟妇中文字幕五十中出| 白带黄色成豆腐渣| 韩国av在线不卡| 亚洲18禁久久av| 国产毛片a区久久久久| 少妇熟女欧美另类| 在线免费观看的www视频| 熟妇人妻久久中文字幕3abv| 人妻少妇偷人精品九色| 男女做爰动态图高潮gif福利片| 中文字幕av在线有码专区| 在线观看午夜福利视频| 国产 一区精品| 成人午夜精彩视频在线观看| 一本久久中文字幕| 黄片wwwwww| kizo精华| 欧美色视频一区免费| 日韩制服骚丝袜av| 国产精品99久久久久久久久| 久99久视频精品免费| 色吧在线观看| 伊人久久精品亚洲午夜| 最近的中文字幕免费完整| 日韩三级伦理在线观看| 亚洲色图av天堂| 国产精品一二三区在线看| 变态另类丝袜制服| 免费av不卡在线播放| 国产一级毛片在线|