• <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
    国产一区二区三区视频了| 国产成人福利小说| 成人午夜高清在线视频| 桃色一区二区三区在线观看| 亚洲在线自拍视频| 久久香蕉精品热| 人人妻人人澡欧美一区二区| 亚洲av日韩精品久久久久久密| 午夜老司机福利剧场| 国产日本99.免费观看| xxx96com| 欧美精品啪啪一区二区三区| 日本与韩国留学比较| 在线免费观看的www视频| 欧美激情在线99| 亚洲欧美激情综合另类| 在线国产一区二区在线| 又粗又爽又猛毛片免费看| 宅男免费午夜| 国产精品久久视频播放| 尤物成人国产欧美一区二区三区| 激情在线观看视频在线高清| 男女下面进入的视频免费午夜| 噜噜噜噜噜久久久久久91| 久久午夜亚洲精品久久| 最新美女视频免费是黄的| 国产免费男女视频| 日韩成人在线观看一区二区三区| 精品免费久久久久久久清纯| 黄色片一级片一级黄色片| 久久久久久久亚洲中文字幕 | 欧美日韩一级在线毛片| 亚洲不卡免费看| 天堂av国产一区二区熟女人妻| 特大巨黑吊av在线直播| 99久国产av精品| 欧洲精品卡2卡3卡4卡5卡区| 久久久久久久久中文| 不卡一级毛片| 国产精品一及| 99在线人妻在线中文字幕| 欧美在线一区亚洲| 精品午夜福利视频在线观看一区| 免费一级毛片在线播放高清视频| 好男人电影高清在线观看| 精品久久久久久,| 国产精品日韩av在线免费观看| 我要搜黄色片| 精品一区二区三区视频在线 | 狂野欧美激情性xxxx| 午夜视频国产福利| 国产亚洲精品久久久久久毛片| 99国产极品粉嫩在线观看| 少妇的逼好多水| 久久6这里有精品| 99在线视频只有这里精品首页| 亚洲国产精品久久男人天堂| 两性午夜刺激爽爽歪歪视频在线观看| 两个人的视频大全免费| 亚洲内射少妇av| 一区二区三区免费毛片| 亚洲一区高清亚洲精品| 搞女人的毛片| 国内少妇人妻偷人精品xxx网站| 人人妻,人人澡人人爽秒播| 99精品欧美一区二区三区四区| 两个人看的免费小视频| 老司机深夜福利视频在线观看| 亚洲精品在线美女| 亚洲熟妇中文字幕五十中出| a在线观看视频网站| 国产中年淑女户外野战色| 日日夜夜操网爽| 老熟妇乱子伦视频在线观看| 18禁黄网站禁片免费观看直播| 听说在线观看完整版免费高清| 给我免费播放毛片高清在线观看| 成人18禁在线播放| 动漫黄色视频在线观看| 免费av毛片视频| 国产精品一区二区三区四区久久| 欧美xxxx黑人xx丫x性爽| 亚洲成a人片在线一区二区| 国产aⅴ精品一区二区三区波| 日本在线视频免费播放| 国产熟女xx| 啦啦啦韩国在线观看视频| 精品一区二区三区视频在线观看免费| 黄色女人牲交| av在线天堂中文字幕| 在线观看免费午夜福利视频| 欧美一级a爱片免费观看看| 亚洲电影在线观看av| 亚洲成人中文字幕在线播放| 色精品久久人妻99蜜桃| 国产成人啪精品午夜网站| 欧美最黄视频在线播放免费| 人人妻,人人澡人人爽秒播| 亚洲av成人av| 男女视频在线观看网站免费| 色av中文字幕| 亚洲av五月六月丁香网| 伊人久久大香线蕉亚洲五| 免费电影在线观看免费观看| 亚洲精品久久国产高清桃花| 天堂影院成人在线观看| 小说图片视频综合网站| 国产免费av片在线观看野外av| 嫩草影院入口| 欧洲精品卡2卡3卡4卡5卡区| 国内精品一区二区在线观看| 五月伊人婷婷丁香| а√天堂www在线а√下载| 观看美女的网站| 国产成人av教育| 久久国产精品人妻蜜桃| 亚洲 欧美 日韩 在线 免费| 亚洲激情在线av| 亚洲av熟女| 国产精华一区二区三区| svipshipincom国产片| 国产成+人综合+亚洲专区| 国内少妇人妻偷人精品xxx网站| 国产成人福利小说| 一级作爱视频免费观看| 国产精品美女特级片免费视频播放器| 黑人欧美特级aaaaaa片| 欧美区成人在线视频| 欧美av亚洲av综合av国产av| 国产精品久久视频播放| 亚洲人成网站在线播| 黑人欧美特级aaaaaa片| 精品人妻偷拍中文字幕| 国产精品日韩av在线免费观看| 亚洲欧美激情综合另类| 欧美+日韩+精品| 在线观看av片永久免费下载| 性色av乱码一区二区三区2| 国产麻豆成人av免费视频| 亚洲第一电影网av| 一区二区三区高清视频在线| 亚洲精品国产精品久久久不卡| 操出白浆在线播放| 国产av麻豆久久久久久久| 波野结衣二区三区在线 | 国产主播在线观看一区二区| 热99在线观看视频| 99久久无色码亚洲精品果冻| 美女被艹到高潮喷水动态| 欧美一区二区精品小视频在线| 99热只有精品国产| 麻豆国产av国片精品| 精品久久久久久久人妻蜜臀av| 欧美日韩黄片免| 国产91精品成人一区二区三区| 男人和女人高潮做爰伦理| 欧美大码av| 免费av不卡在线播放| 亚洲国产欧洲综合997久久,| 欧美性猛交╳xxx乱大交人| 别揉我奶头~嗯~啊~动态视频| 亚洲久久久久久中文字幕| 小说图片视频综合网站| 亚洲av免费在线观看| 最近在线观看免费完整版| 制服人妻中文乱码| 欧美日韩黄片免| 欧美一区二区国产精品久久精品| 少妇人妻精品综合一区二区 | 淫秽高清视频在线观看| 日本黄色片子视频| 久久久久久久久中文| 国产三级中文精品| 日本a在线网址| 成年免费大片在线观看| 又黄又粗又硬又大视频| 国产免费av片在线观看野外av| 亚洲精华国产精华精| 欧美一级毛片孕妇| 久久久久久久久中文| 国产精品久久久久久亚洲av鲁大| 女生性感内裤真人,穿戴方法视频| 桃色一区二区三区在线观看| 特级一级黄色大片| 91麻豆精品激情在线观看国产| 18禁裸乳无遮挡免费网站照片| 欧美国产日韩亚洲一区| 1000部很黄的大片| 亚洲av成人av| 欧美日韩福利视频一区二区| 国产毛片a区久久久久| 国产一区二区在线观看日韩 | 欧美中文综合在线视频| 夜夜看夜夜爽夜夜摸| 露出奶头的视频| 日本黄色片子视频| 亚洲专区国产一区二区| 久久久久久国产a免费观看| 欧美日韩一级在线毛片| 熟妇人妻久久中文字幕3abv| 国产av不卡久久| 亚洲国产色片| 99久久精品一区二区三区| 精品久久久久久,| 欧美性猛交╳xxx乱大交人| 一级作爱视频免费观看| 搞女人的毛片| 男人舔女人下体高潮全视频| 久久6这里有精品| 美女cb高潮喷水在线观看| 亚洲在线自拍视频| 亚洲精品日韩av片在线观看 | a级毛片a级免费在线| 99久久综合精品五月天人人| 国产乱人伦免费视频| 亚洲成人精品中文字幕电影| 午夜福利视频1000在线观看| 久久久久久九九精品二区国产| 久久精品91蜜桃| 免费av毛片视频| 一本一本综合久久| 波多野结衣巨乳人妻| 国产99白浆流出| 欧美黑人欧美精品刺激| 美女 人体艺术 gogo| 51国产日韩欧美| 最近最新中文字幕大全电影3| 国产一区二区三区视频了| 丰满的人妻完整版| 99在线视频只有这里精品首页| 啦啦啦观看免费观看视频高清| 国产免费男女视频| 日韩欧美一区二区三区在线观看| 亚洲最大成人手机在线| 中文字幕高清在线视频| 亚洲,欧美精品.| 久99久视频精品免费| 18+在线观看网站| 午夜福利在线在线| 99久久无色码亚洲精品果冻| 中文字幕av在线有码专区| 亚洲成人中文字幕在线播放| 亚洲精华国产精华精| 内地一区二区视频在线| 日韩人妻高清精品专区| 国产精品爽爽va在线观看网站| 国产视频内射| 波野结衣二区三区在线 | 色综合站精品国产| 两人在一起打扑克的视频| 无限看片的www在线观看| 一a级毛片在线观看| 欧美日韩乱码在线| 一级黄片播放器| 国产成+人综合+亚洲专区| 中文字幕人成人乱码亚洲影| 午夜精品在线福利| 一区二区三区国产精品乱码| 国产高清视频在线观看网站| 午夜精品久久久久久毛片777| 国产麻豆成人av免费视频| 叶爱在线成人免费视频播放| 欧美极品一区二区三区四区| 在线观看免费视频日本深夜| 色在线成人网| 99在线人妻在线中文字幕| 久久久国产成人免费| 看免费av毛片| 国产成人a区在线观看| 午夜福利在线观看免费完整高清在 | 熟女电影av网| 国产精品影院久久| 日日干狠狠操夜夜爽| 久久草成人影院| 欧美区成人在线视频| 岛国视频午夜一区免费看| 亚洲五月天丁香| 校园春色视频在线观看| 久久香蕉精品热| 伊人久久大香线蕉亚洲五| 欧美性感艳星| xxxwww97欧美| 脱女人内裤的视频| 亚洲精品在线美女| 深爱激情五月婷婷| 日本黄色片子视频| 一级黄色大片毛片| 国产一区二区在线av高清观看| 18禁在线播放成人免费| 亚洲av电影不卡..在线观看| av福利片在线观看| 国产精品爽爽va在线观看网站| x7x7x7水蜜桃| 欧美成人免费av一区二区三区| 激情在线观看视频在线高清| 深夜精品福利| 一进一出抽搐动态| 中文字幕av在线有码专区| 美女黄网站色视频| 欧美日韩一级在线毛片| 国产黄片美女视频| 亚洲国产欧洲综合997久久,| 精品人妻一区二区三区麻豆 | 一区二区三区高清视频在线| a级毛片a级免费在线| 精品日产1卡2卡| 国语自产精品视频在线第100页| 精华霜和精华液先用哪个| 国产欧美日韩一区二区精品| 婷婷亚洲欧美| 国产成年人精品一区二区| 欧美国产日韩亚洲一区| 国产乱人视频| 国产精品嫩草影院av在线观看 | 亚洲七黄色美女视频| 亚洲第一电影网av| 久久久久亚洲av毛片大全| 国产精品久久久久久人妻精品电影| 特大巨黑吊av在线直播| 一区二区三区高清视频在线| 欧美成人a在线观看| 日本三级黄在线观看| 婷婷精品国产亚洲av| 欧美性猛交黑人性爽| 精品午夜福利视频在线观看一区| 国产精品亚洲一级av第二区| 国产伦人伦偷精品视频| 国产在线精品亚洲第一网站| 久久久久久九九精品二区国产| 深爱激情五月婷婷| 免费人成在线观看视频色| 色综合婷婷激情| 国产成人系列免费观看| 女警被强在线播放| 欧美日韩精品网址| 日韩成人在线观看一区二区三区| 国产一区二区在线av高清观看| 国产高清激情床上av| 国产成人影院久久av| 亚洲成av人片在线播放无| 人人妻人人澡欧美一区二区| 老司机午夜十八禁免费视频| 一区二区三区激情视频| 噜噜噜噜噜久久久久久91| 一本精品99久久精品77| 看免费av毛片| 亚洲中文字幕日韩| 香蕉丝袜av| 国产精品久久电影中文字幕| 麻豆久久精品国产亚洲av| 久久久精品欧美日韩精品| 黄色片一级片一级黄色片| h日本视频在线播放| av欧美777| 国产v大片淫在线免费观看| 国产老妇女一区| 亚洲成人免费电影在线观看| 婷婷六月久久综合丁香| 免费观看人在逋| 日韩欧美国产一区二区入口| 久久国产精品影院| 丁香欧美五月| 精品国产三级普通话版| 欧美一区二区国产精品久久精品| 又粗又爽又猛毛片免费看| 色哟哟哟哟哟哟| 欧美黄色片欧美黄色片| 成人无遮挡网站| 午夜免费激情av| 桃色一区二区三区在线观看| 欧美丝袜亚洲另类 | 久久久久久人人人人人| 亚洲无线在线观看| 欧美日韩福利视频一区二区| 久久天躁狠狠躁夜夜2o2o| 日本五十路高清| 日韩中文字幕欧美一区二区| 久久这里只有精品中国| 观看美女的网站| 国产日本99.免费观看| 看免费av毛片| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 久久香蕉精品热| 丁香欧美五月| 性色av乱码一区二区三区2| 欧美中文日本在线观看视频| 午夜精品一区二区三区免费看| 日韩欧美 国产精品| 国产一区二区激情短视频| 性色avwww在线观看| av黄色大香蕉| 色老头精品视频在线观看| 日韩欧美精品v在线| 久久亚洲真实| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 757午夜福利合集在线观看| 国产午夜精品久久久久久一区二区三区 | 日韩免费av在线播放| 一二三四社区在线视频社区8| 97超级碰碰碰精品色视频在线观看| 日韩大尺度精品在线看网址| av天堂中文字幕网| 人人妻,人人澡人人爽秒播| 99精品欧美一区二区三区四区| 美女高潮的动态| 久久久久久久亚洲中文字幕 | 丰满的人妻完整版| 亚洲精品国产精品久久久不卡| 日韩有码中文字幕| 久99久视频精品免费| 日本三级黄在线观看| 日韩国内少妇激情av| 嫩草影视91久久| 久久精品综合一区二区三区| 久久久色成人| 99久久成人亚洲精品观看| 亚洲成人久久性| 成人特级av手机在线观看| 狂野欧美激情性xxxx| 午夜福利视频1000在线观看| 在线观看舔阴道视频| avwww免费| 成人无遮挡网站| 国产精品 欧美亚洲| 国产av一区在线观看免费| 丁香欧美五月| 国产精品 国内视频| 国产高清videossex| 午夜视频国产福利| 欧美日韩瑟瑟在线播放| 亚洲天堂国产精品一区在线| 天天添夜夜摸| 夜夜夜夜夜久久久久| 国产精品1区2区在线观看.| 午夜影院日韩av| 一区二区三区免费毛片| 国产欧美日韩精品一区二区| 日韩欧美 国产精品| 少妇丰满av| 美女高潮喷水抽搐中文字幕| 亚洲aⅴ乱码一区二区在线播放| 国产久久久一区二区三区| 亚洲国产精品合色在线| 夜夜看夜夜爽夜夜摸| 中亚洲国语对白在线视频| 成人精品一区二区免费| 亚洲欧美日韩无卡精品| a在线观看视频网站| 亚洲欧美日韩高清在线视频| 中文字幕人成人乱码亚洲影| 日韩欧美一区二区三区在线观看| 国产三级黄色录像| 久久草成人影院| a级一级毛片免费在线观看| 国产免费一级a男人的天堂| 亚洲熟妇熟女久久| 亚洲成a人片在线一区二区| 老熟妇乱子伦视频在线观看| 久久欧美精品欧美久久欧美| 国产精品嫩草影院av在线观看 | 久久香蕉国产精品| 很黄的视频免费| 在线视频色国产色| 国产一区二区在线av高清观看| 亚洲无线观看免费| 日本 av在线| 熟女少妇亚洲综合色aaa.| 黄片小视频在线播放| 亚洲avbb在线观看| 在线免费观看的www视频| 国产精品久久电影中文字幕| 国内精品一区二区在线观看| 日日干狠狠操夜夜爽| 日日夜夜操网爽| 国产av不卡久久| 欧美日韩国产亚洲二区| 麻豆国产97在线/欧美| 久久精品国产综合久久久| 变态另类丝袜制服| 亚洲天堂国产精品一区在线| 国产精品免费一区二区三区在线| 久久人妻av系列| 国产主播在线观看一区二区| 精品久久久久久成人av| 人妻夜夜爽99麻豆av| 国产97色在线日韩免费| 最好的美女福利视频网| 中文字幕精品亚洲无线码一区| 国产精品综合久久久久久久免费| a在线观看视频网站| 一进一出抽搐gif免费好疼| 日本一二三区视频观看| 亚洲成人免费电影在线观看| 久久性视频一级片| 国产午夜福利久久久久久| 最近在线观看免费完整版| 欧美国产日韩亚洲一区| 亚洲精品国产精品久久久不卡| 国产欧美日韩精品一区二区| 狠狠狠狠99中文字幕| 十八禁网站免费在线| 9191精品国产免费久久| 欧美成人一区二区免费高清观看| 国产精品综合久久久久久久免费| 一本一本综合久久| 老熟妇仑乱视频hdxx| 免费看美女性在线毛片视频| 国产亚洲精品一区二区www| 黄色视频,在线免费观看| 老司机深夜福利视频在线观看| 乱人视频在线观看| 亚洲一区二区三区不卡视频| 亚洲狠狠婷婷综合久久图片| 变态另类成人亚洲欧美熟女| 91在线精品国自产拍蜜月 | 国产视频一区二区在线看| 久久久精品欧美日韩精品| 欧美乱码精品一区二区三区| 极品教师在线免费播放| 国产探花极品一区二区| 欧美激情在线99| 一个人看视频在线观看www免费 | 欧美一区二区亚洲| 熟妇人妻久久中文字幕3abv| 欧美一区二区亚洲| 欧美日韩瑟瑟在线播放| 亚洲五月天丁香| 久久国产精品人妻蜜桃| 国产欧美日韩精品亚洲av| 国产成人欧美在线观看| 精品久久久久久,| 中文在线观看免费www的网站| 午夜a级毛片| 99热精品在线国产| 亚洲国产欧美人成| 一本一本综合久久| 大型黄色视频在线免费观看| 免费在线观看亚洲国产| 亚洲精品日韩av片在线观看 | 日日摸夜夜添夜夜添小说| 日日干狠狠操夜夜爽| 又黄又爽又免费观看的视频| 亚洲国产精品成人综合色| 国产探花在线观看一区二区| 精品久久久久久久毛片微露脸| 蜜桃亚洲精品一区二区三区| av中文乱码字幕在线| 亚洲欧美日韩无卡精品| 欧美午夜高清在线| 国产成人aa在线观看| 99国产精品一区二区三区| 在线观看av片永久免费下载| 免费观看人在逋| 国产v大片淫在线免费观看| 亚洲 国产 在线| 国产亚洲av嫩草精品影院| 999久久久精品免费观看国产| av视频在线观看入口| 一级作爱视频免费观看| 亚洲无线观看免费| 欧美一区二区国产精品久久精品| 免费观看精品视频网站| 成人三级黄色视频| 欧美zozozo另类| 精品久久久久久久人妻蜜臀av| 国产乱人视频| 一个人免费在线观看电影| 国产久久久一区二区三区| 日本黄色视频三级网站网址| 亚洲av熟女| 亚洲国产欧美网| 国产精品久久久久久久电影 | 精品一区二区三区人妻视频| 精品免费久久久久久久清纯| 一级毛片高清免费大全| 亚洲av美国av| 在线观看日韩欧美| 国产99白浆流出| 欧美成人a在线观看| 无人区码免费观看不卡| 九九在线视频观看精品| 最近视频中文字幕2019在线8| 亚洲七黄色美女视频| 国产高清三级在线| 亚洲国产精品久久男人天堂| 午夜福利在线观看免费完整高清在 | 国产老妇女一区| x7x7x7水蜜桃| 一a级毛片在线观看| 日日摸夜夜添夜夜添小说| 亚洲av一区综合| 老汉色∧v一级毛片| 欧美日韩一级在线毛片| 12—13女人毛片做爰片一| 国内久久婷婷六月综合欲色啪| 999久久久精品免费观看国产| 中出人妻视频一区二区| 美女免费视频网站| 天天添夜夜摸| 精品人妻一区二区三区麻豆 | 男女午夜视频在线观看| 特大巨黑吊av在线直播| 久久精品国产自在天天线| 最新美女视频免费是黄的| 日韩欧美 国产精品| 欧美黄色淫秽网站| 日本黄色视频三级网站网址| 日本一二三区视频观看| 此物有八面人人有两片| 国产aⅴ精品一区二区三区波| 两个人视频免费观看高清| 欧美日韩综合久久久久久 | 18禁黄网站禁片免费观看直播| 欧美国产日韩亚洲一区| 88av欧美|