• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的道路監(jiān)控系統(tǒng)下車輛顏色識別

    2021-02-22 02:38:22姚國愉李雪純張佳樂
    科技創(chuàng)新與應(yīng)用 2021年8期
    關(guān)鍵詞:卷積數(shù)量顏色

    姚國愉,張 昭,李雪純,張佳樂

    (西安郵電大學(xué) 通信與信息工程學(xué)院,陜西 西安710121)

    1 概述

    車輛識別[1]在智能交通系統(tǒng)、刑事偵查、執(zhí)法等方面發(fā)揮著重要作用,其任務(wù)是識別目標(biāo)車輛的類型、顏色和車牌。顏色作為車輛最顯著的特征之一,能為快速執(zhí)法提供視覺線索。然而,由于光照、天氣條件、噪聲和圖像捕獲質(zhì)量等因素的影響,使得車輛顏色識別成為一項具有挑戰(zhàn)性的任務(wù)。

    為了應(yīng)對這些挑戰(zhàn),車輛顏色識別方法已經(jīng)從最初基于人工提取特征+分類器[2-3]發(fā)展到基于深度學(xué)習(xí)[4-6]。為了在性能和計算復(fù)雜度之間實現(xiàn)良好的折衷,本文提出一種改進的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu),該網(wǎng)絡(luò)共有八層,包括五個卷積層,兩個1x1 卷積層和一個全局平均池化層(Global average pooling,GAP)。

    2 本文方法

    本文網(wǎng)絡(luò)的總體框架如圖1 所示。該網(wǎng)絡(luò)共有八層,包含五個卷積層、兩個1x1 卷積層和一個全連接層。下面將詳細(xì)介紹本文所用的網(wǎng)絡(luò)框架結(jié)構(gòu),其中2.2.1-2.2.4小節(jié)內(nèi)容遵循網(wǎng)絡(luò)結(jié)構(gòu)順序。

    2.1 AlexNet 網(wǎng)絡(luò)

    本文所提出的改進型卷積神經(jīng)網(wǎng)絡(luò)是以AlexNet 網(wǎng)絡(luò)為基礎(chǔ)的,所以首先介紹AlexNet 網(wǎng)絡(luò)。

    AlexNet 網(wǎng)絡(luò)是2012年由Alex Krizhevsky 等人提出的,該網(wǎng)絡(luò)由五個卷積層,三個全連接層組成,其中使用ReLU 激活函數(shù)加快網(wǎng)絡(luò)的收斂速度,并且有效防止梯度消失等問題;在全連接層使用“Dropout”技術(shù)避免過擬合現(xiàn)象;為了避免網(wǎng)絡(luò)模型參數(shù)在訓(xùn)練過程中不斷更新導(dǎo)致每個后續(xù)層的輸入數(shù)據(jù)分布發(fā)生變化,在第二卷積層和第三卷積層之前,對輸入數(shù)據(jù)進行LRN 操作。該網(wǎng)絡(luò)的總參數(shù)量為5800 多萬,表1 顯示了不同層的特征尺寸和參數(shù)數(shù)量。

    表1 中網(wǎng)絡(luò)參數(shù)量的計算公式為:

    其中,K 為卷積核的大小,KC為卷積核通道數(shù),F(xiàn)0C為輸出特征圖的通道數(shù)。從表1 可以看出,網(wǎng)絡(luò)的參數(shù)主要集中在全連接層,容易造成過擬合現(xiàn)象。

    2.2 本文卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計

    圖1 車輛顏色識別網(wǎng)絡(luò)框架

    表1 AlexNet 網(wǎng)絡(luò)參數(shù)設(shè)置

    表2 所提網(wǎng)絡(luò)參數(shù)設(shè)置

    本文設(shè)計的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。網(wǎng)絡(luò)共包含八層,輸入是3 通道RGB 彩色圖像,其分辨率為227×227×3。第一卷積層使用尺寸為11×11 步幅為4 的卷積核,第二卷積層使用尺寸為5×5 步幅為2 的卷積核,第三層、第四層和第五層均使用尺寸為3×3 步幅為1 的卷積核,第六層和第七層均使用尺寸為1x1 步幅為1 的卷積核。我們對所有卷積層進行ReLU 激活,并且在第二卷積層、第三卷積層、第四卷積層、第五卷積層之前進行批歸一化處理。在第一卷積層、第二卷積層和第五卷積層之后均使用尺寸為3×3 步幅為2 的卷積核進行最大重疊池化操作,GAP 層的內(nèi)核大小設(shè)置為3×3,輸出層的神經(jīng)元數(shù)量為8。在本文的方法中,將卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)視為特征提取器,經(jīng)過若干的卷積層和池化層,最終將所提取的特征向量輸入SoftMax 中用于車輛顏色識別。該網(wǎng)絡(luò)的總參數(shù)量為840 多萬,表2 顯示了不同層的特征尺寸和參數(shù)數(shù)量。

    2.2.1 卷積層

    卷積層作為CNN 不可或缺的一部分,其主要作用是從不同的卷積核中提取多個圖像特征。由于卷積神經(jīng)網(wǎng)絡(luò)的非線性操作是通過激活函數(shù)實現(xiàn)的,因此激活函數(shù)的選擇對最終識別性能產(chǎn)生巨大的影響。深度學(xué)習(xí)中的常見激活函數(shù)包括Sigmoid、Tanh 和ReLU。本文采用ReLU 函數(shù)作為激活神經(jīng)元的激活函數(shù),其函數(shù)表達式為:

    由函數(shù)表達式可知:在輸入x>0 時梯度保持不變,從而有效緩解了梯度消失的問題;在輸入x<0 時梯度為0,此時神經(jīng)元不被激活。神經(jīng)網(wǎng)絡(luò)的這種稀疏性使其變得不僅高效而且計算簡單。

    2.2.2 歸一化層

    網(wǎng)絡(luò)模型在訓(xùn)練過程中參數(shù)不斷更新迭代,導(dǎo)致后續(xù)各層的輸入數(shù)據(jù)分布發(fā)生變化,使得訓(xùn)練深層神經(jīng)網(wǎng)絡(luò)變得復(fù)雜;另外,如果每批訓(xùn)練數(shù)據(jù)的分布各不相同,那么網(wǎng)絡(luò)每次迭代都要去學(xué)習(xí)適應(yīng)不同的數(shù)據(jù)分布,這樣大大降低了網(wǎng)絡(luò)的訓(xùn)練速度。為了克服輸入數(shù)據(jù)分布對識別性能的影響,本文在第二卷積層、第三卷積層、第四卷積層和第五卷積層之前,對數(shù)據(jù)進行歸一化處理。實驗結(jié)果表明,與使用LRN 層的AlexNet 網(wǎng)絡(luò)模型相比較,使用BN 層的AlexNet 網(wǎng)絡(luò)模型的識別精度提高了1.8%。BN 層傳播的計算公式如下:

    表3 每種顏色圖像數(shù)量

    其中,μB表示小批量的均值表示小批量方差,xi表示輸入,yi表示輸出,β 和γ 為需要學(xué)習(xí)的參數(shù),增加線性變換,提升網(wǎng)絡(luò)表達能力。

    2.2.3 重疊池化層

    池化(pooling)在卷積神經(jīng)網(wǎng)絡(luò)中能夠降低特征圖的維度、加快網(wǎng)絡(luò)收斂速度和降低模型計算量。本文分別在第一卷積層、第二卷積層和第五卷積層之后使用池化尺寸為3,步幅為2 的重疊池化,有助于獲得更豐富的特征信息,從而提高識別精度。

    2.2.4 損失函數(shù)

    損失函數(shù)(Loss Function)的實質(zhì)是計算真實輸出與理想輸出之間的差異,所以損失函數(shù)的選擇直接決定了網(wǎng)絡(luò)學(xué)習(xí)分類模型的性能。常見的損失函數(shù)包括回歸問題中使用的歐幾里德?lián)p失函數(shù)、人臉識別中使用的三聯(lián)體損失函數(shù)和單標(biāo)簽識別中使用的SoftMax 損失函數(shù)。因為車輛顏色識別屬于單標(biāo)簽樣本分類,故本文采用SoftMax 函數(shù)作為損失函數(shù),其函數(shù)表達式為:

    其中P 是輸入樣本x(i)屬于第j 類的概率,θ 是網(wǎng)絡(luò)層的參數(shù)。

    2.3 1×1 卷積層與全局平均池化層

    傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)通常使用全連接層作為網(wǎng)絡(luò)的輸出層,但是全連接層會破壞圖像的空間結(jié)構(gòu),因此本文使用兩個1×1 的卷積層和全局平均池化層來“代替”全連接層。1×1 卷積核與普通的卷積核相比,其作用是相同的,不同的是它的尺寸大小是1×1,而且也不考慮與前一層局部信息之間的關(guān)系;除此之外,1×1 的卷積核還能進行卷積核通道數(shù)的升維和降維。本文在第一個1×1 卷積層處使用2048個1×1 的卷積核對上一層池化結(jié)果(3×3×256)進行卷積操作,得到的特征圖尺寸為3×3×2048;在第二個1×1 卷積層處,使用2048個1×1 的卷積核對上一層的輸出結(jié)果進行卷積操作,得到的特征圖尺寸為3×3×2048。

    通常卷積層之后連接多個全連接層,而全連接層通常具有太多的參數(shù),容易導(dǎo)致過擬合現(xiàn)象(例如,AlexNet包含三個全連接層)。針對這個問題,本文提出使用GAP層代替全連接層,即對第七卷積層的特征圖進行平均池化操作,將所得的結(jié)果直接輸入到SoftMax 分類器中進行分類。這樣做不僅使得特征圖與分類任務(wù)相關(guān)聯(lián),還不會引入新的模型參數(shù),從而大大減少參數(shù)數(shù)量,故本文在第七卷積層和最終輸出層之間使用GAP 層,得到1×1×2048 維的特征圖,形成特征點,再將這些特征點組成的特征向量送入SoftMax 中進行分類。改進前網(wǎng)絡(luò)FC1 層的參數(shù)量為:6×6×256×4096=37748736,F(xiàn)C2 層的參數(shù)量為:1×1×4096×4096=16777216,F(xiàn)C3 層的參數(shù)量為:1×1×4096×8=32768;改進后網(wǎng)絡(luò)第六卷積層參數(shù)量為:1×1×256×2048=524228,第七卷積層的參數(shù)量為:1×1×2048×2048=4194304,最終輸出層的參數(shù)量為:1×1×2048×8=16384。大幅度減少網(wǎng)絡(luò)參數(shù)的數(shù)量,避免過擬合的風(fēng)險。

    3 實驗結(jié)果及分析

    3.1 車輛顏色數(shù)據(jù)集

    數(shù)據(jù)集:本文采用CHEN 等人[2]提供的公共車輛顏色數(shù)據(jù)集進行實驗驗證和比較。該數(shù)據(jù)集共包含15,602 張圖像,表3 顯示了數(shù)據(jù)集顏色種類以及每種顏色的圖像數(shù)量,其中白色圖像數(shù)量最多,有4743 張,而青色圖像數(shù)量最少,有282 張。

    數(shù)據(jù)集中所有圖像均來自道路監(jiān)控系統(tǒng)捕獲的前方圖像,此外,每個圖像中僅包含一輛車。車輛顏色數(shù)據(jù)集的一些樣本示例如圖2 所示,數(shù)據(jù)集中包含多種類型的車輛,如小轎車、卡車和公交車等,這對車輛顏色識別帶來了很大的挑戰(zhàn)。在實驗中,使用留出法處理數(shù)據(jù)集,即使用一半數(shù)據(jù)集用于訓(xùn)練,另外一半沒有使用過的數(shù)據(jù)用于測試。

    3.2 實驗設(shè)置

    實驗環(huán)境:為了驗證本文所提出的車輛顏色識別方法的有效性,我們在CHEN 等人[2]提供的公共車輛顏色數(shù)據(jù)集上進行了比對實驗。將實驗結(jié)果與現(xiàn)存最優(yōu)的車輛顏色識別方法進行比較,實驗過程中所有的網(wǎng)絡(luò)結(jié)構(gòu)都是在TensorFlow2.0 平臺上構(gòu)建的,語言環(huán)境為Python 語言,對比實驗平臺設(shè)置如下:2.7-GHz 8 核CPU,16GBRAM,GTX-1060-6G GPU 和win1064 位操作系統(tǒng)。

    圖2 車輛顏色數(shù)據(jù)集

    其它設(shè)置:在訓(xùn)練和測試過程中,使用交叉熵作為損失函數(shù),采用Adam 優(yōu)化算法迭代訓(xùn)練網(wǎng)絡(luò)參數(shù),其中,初始學(xué)習(xí)率大小設(shè)置為0.0001,批尺寸設(shè)置為16,循環(huán)迭代40 次。

    3.3 本文網(wǎng)絡(luò)性能

    為了更直觀的理解卷積神經(jīng)網(wǎng)絡(luò)如何提取車輛顏色信息,圖3 顯示了本文第一卷積層的96個卷積核可視化的結(jié)果。從圖中可以看出,第一卷積層可以從輸入圖像提取豐富的顏色特征,并且數(shù)據(jù)集中的所有車輛顏色變化都顯示在卷積核中,因此,本文所提出的網(wǎng)絡(luò)可以提取豐富的顏色特征信息,從而有效地用于車輛顏色識別。

    圖3 第一卷積層的96個卷積核可視化結(jié)果

    為了驗證本文提出的卷積神經(jīng)網(wǎng)絡(luò)的識別性能,將該網(wǎng)絡(luò)與其它兩種網(wǎng)絡(luò)進行了對比實驗,包括原始的AlexNet 網(wǎng)絡(luò)和去掉BN 層的改進型網(wǎng)絡(luò)。應(yīng)該注意的是,為了比較結(jié)果的公平性,我們使用相同的方法訓(xùn)練三個網(wǎng)絡(luò),圖4 顯示了實驗結(jié)果。

    從圖4 中可以看出,本文所使用的改進網(wǎng)絡(luò)識別精度最高,達94.8%,與采用相同訓(xùn)練方法的原始AlexNet模型相比,識別精度提高了0.33%,且參數(shù)量降低了86%,節(jié)省了大量的時間;為了進一步驗證BN 層對網(wǎng)絡(luò)識別精度的影響,將改進模型與去BN 層的改進模型進行了比較,實驗結(jié)果表明,去BN 層的改進模型模型識別精度為93%,比改進模型識別精度低1.8%。因此,本文的網(wǎng)絡(luò)性能明顯優(yōu)于其它兩個網(wǎng)絡(luò)。

    圖4 識別精度比較結(jié)果

    4 結(jié)論

    本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的道路監(jiān)控系統(tǒng)下車輛顏色識別方法。與經(jīng)典AlexNet 方法相比,本文提出的方法具有兩個優(yōu)點:第一,設(shè)計一種特殊的卷積神經(jīng)網(wǎng)絡(luò)用于車輛顏色識別任務(wù),即使用兩個1x1 卷積層和全局平均池化層代替?zhèn)鹘y(tǒng)網(wǎng)絡(luò)中的全連接層,減少網(wǎng)絡(luò)參數(shù)的數(shù)量,降低網(wǎng)絡(luò)中計算和存儲資源的需求;第二,使用BN 層代替經(jīng)典網(wǎng)絡(luò)中的LRN 層,加快了網(wǎng)絡(luò)的收斂速度,并在一定程度上防止了過擬合現(xiàn)象。在未來的工作中,我們將在ImageNet、COCO 等更大規(guī)模的數(shù)據(jù)集上進行測試來增加網(wǎng)絡(luò)的泛化能力。

    猜你喜歡
    卷積數(shù)量顏色
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    統(tǒng)一數(shù)量再比較
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    認(rèn)識顏色
    頭發(fā)的數(shù)量
    特殊顏色的水
    和顏色捉迷藏
    兒童繪本(2015年8期)2015-05-25 17:55:54
    我國博物館數(shù)量達4510家
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    纵有疾风起免费观看全集完整版| 国产黄色视频一区二区在线观看| 久久99热这里只有精品18| 亚洲av二区三区四区| 99热全是精品| 校园人妻丝袜中文字幕| 麻豆国产97在线/欧美| 免费看a级黄色片| kizo精华| 涩涩av久久男人的天堂| 性插视频无遮挡在线免费观看| 在线观看三级黄色| 久久久久久久午夜电影| 国产免费福利视频在线观看| 一级毛片aaaaaa免费看小| 韩国av在线不卡| 亚洲欧美清纯卡通| 亚洲精品久久午夜乱码| 99久久中文字幕三级久久日本| 国产真实伦视频高清在线观看| 国产av码专区亚洲av| 久久久欧美国产精品| 欧美高清性xxxxhd video| 美女高潮的动态| 五月天丁香电影| 校园人妻丝袜中文字幕| 欧美日韩视频高清一区二区三区二| 国产男人的电影天堂91| 欧美日韩综合久久久久久| 日韩欧美一区视频在线观看 | 久久久久久久亚洲中文字幕| 好男人在线观看高清免费视频| 国产高清国产精品国产三级 | 日本猛色少妇xxxxx猛交久久| 制服丝袜香蕉在线| 美女脱内裤让男人舔精品视频| 国产精品人妻久久久久久| videos熟女内射| 国产成人精品一,二区| 免费少妇av软件| 直男gayav资源| 午夜精品国产一区二区电影 | 少妇的逼水好多| 国产一区亚洲一区在线观看| 亚洲电影在线观看av| 91精品一卡2卡3卡4卡| 亚洲美女搞黄在线观看| 欧美高清性xxxxhd video| 成年av动漫网址| 丝袜脚勾引网站| 热99国产精品久久久久久7| av卡一久久| 欧美精品国产亚洲| 久久热精品热| 国产永久视频网站| 五月开心婷婷网| 精品久久久久久久人妻蜜臀av| 国产综合懂色| 国产综合懂色| 少妇人妻精品综合一区二区| 午夜福利视频1000在线观看| 最后的刺客免费高清国语| 免费观看性生交大片5| 啦啦啦中文免费视频观看日本| 欧美日韩视频高清一区二区三区二| 成人特级av手机在线观看| 色吧在线观看| 99热网站在线观看| 一级毛片 在线播放| 日日撸夜夜添| 国产亚洲91精品色在线| 2021天堂中文幕一二区在线观| 国产成人午夜福利电影在线观看| 人妻 亚洲 视频| 中文字幕免费在线视频6| 久久久久久久国产电影| 久久久色成人| 国产在视频线精品| 亚洲aⅴ乱码一区二区在线播放| 亚洲欧美日韩卡通动漫| 久久精品久久精品一区二区三区| 亚洲av电影在线观看一区二区三区 | 久久精品国产亚洲av涩爱| 亚洲人成网站在线观看播放| 日韩视频在线欧美| 18+在线观看网站| 精品视频人人做人人爽| 夜夜爽夜夜爽视频| 欧美老熟妇乱子伦牲交| 久久久精品免费免费高清| 在线播放无遮挡| 国产午夜精品一二区理论片| 日日摸夜夜添夜夜添av毛片| 国产一区有黄有色的免费视频| 超碰97精品在线观看| 欧美3d第一页| 好男人在线观看高清免费视频| 我要看日韩黄色一级片| 国产精品人妻久久久影院| 身体一侧抽搐| 国产高清三级在线| 日韩电影二区| 国产 一区 欧美 日韩| 在线观看一区二区三区激情| 中文在线观看免费www的网站| 在线观看一区二区三区激情| 国产成人精品一,二区| 免费av观看视频| 高清视频免费观看一区二区| 成年版毛片免费区| 亚洲最大成人中文| 伦理电影大哥的女人| 人妻一区二区av| 免费av不卡在线播放| 色网站视频免费| 交换朋友夫妻互换小说| 国产有黄有色有爽视频| 美女脱内裤让男人舔精品视频| 最近最新中文字幕大全电影3| 国产 一区 欧美 日韩| 可以在线观看毛片的网站| 国产色爽女视频免费观看| 成年女人在线观看亚洲视频 | 久久久成人免费电影| 日韩制服骚丝袜av| 搡女人真爽免费视频火全软件| 久久精品国产自在天天线| 777米奇影视久久| 国产亚洲最大av| 久久精品久久精品一区二区三区| 91精品伊人久久大香线蕉| 日本av手机在线免费观看| 日韩成人av中文字幕在线观看| 九色成人免费人妻av| 精品久久久久久久久av| 99热网站在线观看| 国产欧美另类精品又又久久亚洲欧美| 亚洲欧美成人综合另类久久久| 最新中文字幕久久久久| 菩萨蛮人人尽说江南好唐韦庄| 亚洲综合色惰| 国产男女内射视频| 男女国产视频网站| 亚洲av一区综合| 婷婷色综合www| 亚洲成人久久爱视频| 一区二区三区乱码不卡18| 亚洲人与动物交配视频| 美女视频免费永久观看网站| 国产精品伦人一区二区| 亚洲人成网站在线播| 国产免费又黄又爽又色| 黄色欧美视频在线观看| 男女那种视频在线观看| 国产精品不卡视频一区二区| 亚洲av二区三区四区| 免费观看av网站的网址| 日产精品乱码卡一卡2卡三| av免费观看日本| 日韩制服骚丝袜av| 高清av免费在线| 成人漫画全彩无遮挡| 免费观看无遮挡的男女| 午夜福利视频精品| 51国产日韩欧美| 成年免费大片在线观看| av线在线观看网站| 国产日韩欧美亚洲二区| 亚洲精品一二三| 久久女婷五月综合色啪小说 | 国内揄拍国产精品人妻在线| 亚洲自偷自拍三级| 69人妻影院| 王馨瑶露胸无遮挡在线观看| 国产中年淑女户外野战色| 真实男女啪啪啪动态图| 国产毛片在线视频| 熟女电影av网| 日韩av不卡免费在线播放| 又大又黄又爽视频免费| 久久久精品欧美日韩精品| 大片免费播放器 马上看| 国产精品99久久99久久久不卡 | 天天躁日日操中文字幕| 日韩 亚洲 欧美在线| 欧美日韩亚洲高清精品| 国产日韩欧美在线精品| 久久精品国产亚洲av涩爱| 国产午夜福利久久久久久| 精品国产乱码久久久久久小说| 一级片'在线观看视频| 男男h啪啪无遮挡| 秋霞在线观看毛片| 伊人久久国产一区二区| 小蜜桃在线观看免费完整版高清| 大香蕉久久网| 2022亚洲国产成人精品| 各种免费的搞黄视频| 日韩成人av中文字幕在线观看| 亚洲四区av| 男人狂女人下面高潮的视频| 亚洲国产成人一精品久久久| 亚洲精品第二区| 九九爱精品视频在线观看| 男人添女人高潮全过程视频| 少妇高潮的动态图| 中文字幕av成人在线电影| 七月丁香在线播放| 日本猛色少妇xxxxx猛交久久| 一个人观看的视频www高清免费观看| 国产片特级美女逼逼视频| 国产日韩欧美亚洲二区| 国产成人freesex在线| 在线看a的网站| 精品久久久久久久久亚洲| 国产成人精品婷婷| 视频中文字幕在线观看| 熟女人妻精品中文字幕| 亚洲不卡免费看| 欧美一级a爱片免费观看看| 国产精品一区二区在线观看99| 久久99精品国语久久久| 啦啦啦在线观看免费高清www| 亚洲av一区综合| 好男人在线观看高清免费视频| 又爽又黄无遮挡网站| 男女无遮挡免费网站观看| 成人高潮视频无遮挡免费网站| 国产免费福利视频在线观看| 久久精品国产自在天天线| 成人特级av手机在线观看| 亚洲最大成人手机在线| 成年免费大片在线观看| 国产成人精品一,二区| 亚洲经典国产精华液单| 亚洲成人中文字幕在线播放| 久久久久久国产a免费观看| 性色avwww在线观看| 狂野欧美白嫩少妇大欣赏| 特大巨黑吊av在线直播| 男女无遮挡免费网站观看| 成年版毛片免费区| 午夜日本视频在线| 一区二区av电影网| 青春草亚洲视频在线观看| 日本一二三区视频观看| av卡一久久| 国产人妻一区二区三区在| 国产精品熟女久久久久浪| 如何舔出高潮| 久久精品国产亚洲av天美| 在线播放无遮挡| 最近中文字幕2019免费版| 中文字幕av成人在线电影| 日韩不卡一区二区三区视频在线| 我要看日韩黄色一级片| 99久国产av精品国产电影| 狂野欧美白嫩少妇大欣赏| 亚洲国产精品国产精品| 内射极品少妇av片p| 看十八女毛片水多多多| 亚洲精品亚洲一区二区| 国产精品国产三级国产av玫瑰| 黄色怎么调成土黄色| 久久久久国产精品人妻一区二区| 日本一本二区三区精品| 网址你懂的国产日韩在线| 亚洲精品成人久久久久久| 亚洲av电影在线观看一区二区三区 | 亚洲国产精品成人综合色| 麻豆成人午夜福利视频| 国产在线一区二区三区精| 在线播放无遮挡| 中文天堂在线官网| xxx大片免费视频| 免费看不卡的av| 亚洲欧美日韩东京热| 亚洲精品日韩av片在线观看| 久久人人爽人人爽人人片va| 男女国产视频网站| 国产免费一区二区三区四区乱码| 亚洲成人一二三区av| 最近最新中文字幕大全电影3| 一级毛片aaaaaa免费看小| 大陆偷拍与自拍| 亚洲精品日韩av片在线观看| 色哟哟·www| 久久久色成人| 丝瓜视频免费看黄片| 特级一级黄色大片| 22中文网久久字幕| 久久热精品热| 亚洲内射少妇av| 国产精品一区www在线观看| 免费黄频网站在线观看国产| av天堂中文字幕网| 日本午夜av视频| 一级毛片久久久久久久久女| 午夜激情福利司机影院| 国产高清三级在线| 插逼视频在线观看| 最新中文字幕久久久久| 久久久久久久精品精品| 秋霞在线观看毛片| 男人添女人高潮全过程视频| 欧美区成人在线视频| 婷婷色综合大香蕉| 久久久精品欧美日韩精品| 干丝袜人妻中文字幕| 18+在线观看网站| 男人舔奶头视频| 欧美一区二区亚洲| 免费看av在线观看网站| 特级一级黄色大片| av在线观看视频网站免费| 激情五月婷婷亚洲| 国产黄色视频一区二区在线观看| 国产亚洲一区二区精品| 成人综合一区亚洲| 国产爱豆传媒在线观看| 亚州av有码| 亚洲av免费高清在线观看| 亚洲人成网站高清观看| 22中文网久久字幕| av在线播放精品| 国产久久久一区二区三区| 夜夜看夜夜爽夜夜摸| 亚洲欧洲日产国产| 色婷婷久久久亚洲欧美| 一级毛片aaaaaa免费看小| 午夜福利在线观看免费完整高清在| 高清日韩中文字幕在线| 毛片女人毛片| 国产淫语在线视频| 在线看a的网站| 一边亲一边摸免费视频| av女优亚洲男人天堂| 国产 一区 欧美 日韩| 免费观看av网站的网址| 啦啦啦在线观看免费高清www| 国产精品嫩草影院av在线观看| 国产高清三级在线| 成人毛片60女人毛片免费| 高清av免费在线| 熟女人妻精品中文字幕| 免费黄频网站在线观看国产| 人妻夜夜爽99麻豆av| 国国产精品蜜臀av免费| 亚洲欧美中文字幕日韩二区| 人妻 亚洲 视频| 日韩av在线免费看完整版不卡| 国产高清国产精品国产三级 | 毛片女人毛片| 又黄又爽又刺激的免费视频.| 亚洲欧美精品自产自拍| 久久久国产一区二区| 亚洲人与动物交配视频| 中国美白少妇内射xxxbb| 3wmmmm亚洲av在线观看| 国产免费一区二区三区四区乱码| av线在线观看网站| 国产熟女欧美一区二区| 久久久成人免费电影| 精品久久久久久久末码| av在线app专区| 身体一侧抽搐| 亚洲欧洲日产国产| 热re99久久精品国产66热6| 91狼人影院| 少妇被粗大猛烈的视频| 久久97久久精品| 高清毛片免费看| 美女脱内裤让男人舔精品视频| 久久久成人免费电影| 久久久久网色| 亚洲精华国产精华液的使用体验| 日本与韩国留学比较| 亚洲色图综合在线观看| 真实男女啪啪啪动态图| 麻豆久久精品国产亚洲av| 国产亚洲最大av| 欧美丝袜亚洲另类| 精品一区二区三卡| www.av在线官网国产| 免费电影在线观看免费观看| 美女cb高潮喷水在线观看| 亚洲av中文字字幕乱码综合| 2021天堂中文幕一二区在线观| 18禁在线播放成人免费| 如何舔出高潮| 国产熟女欧美一区二区| 我的女老师完整版在线观看| 亚洲欧美清纯卡通| 国产亚洲av片在线观看秒播厂| 制服丝袜香蕉在线| 舔av片在线| 精品99又大又爽又粗少妇毛片| 精品国产一区二区三区久久久樱花 | 亚洲天堂国产精品一区在线| 国产熟女欧美一区二区| 国产一区亚洲一区在线观看| 一级黄片播放器| 欧美变态另类bdsm刘玥| 精品久久久久久久久亚洲| 亚洲,一卡二卡三卡| 欧美成人午夜免费资源| 三级经典国产精品| 免费电影在线观看免费观看| 日本欧美国产在线视频| 国产精品麻豆人妻色哟哟久久| 色综合色国产| 国产精品秋霞免费鲁丝片| 在线 av 中文字幕| 国产欧美日韩精品一区二区| 欧美日韩在线观看h| 超碰av人人做人人爽久久| 久久久久性生活片| av在线亚洲专区| 成人国产麻豆网| 91久久精品国产一区二区成人| 新久久久久国产一级毛片| 久久精品人妻少妇| av在线播放精品| 国产高清三级在线| 日本免费在线观看一区| 国产精品三级大全| 日韩 亚洲 欧美在线| 在线播放无遮挡| 亚洲欧美成人综合另类久久久| 大香蕉97超碰在线| 久热这里只有精品99| 亚洲精品,欧美精品| 精品久久久久久久末码| 99久久精品一区二区三区| 亚洲精品,欧美精品| 91精品伊人久久大香线蕉| 一级毛片aaaaaa免费看小| 日本黄大片高清| 夫妻午夜视频| 亚洲精品456在线播放app| 99精国产麻豆久久婷婷| 久久久久精品久久久久真实原创| 国产亚洲av嫩草精品影院| 国产日韩欧美在线精品| 久久热精品热| 在线观看国产h片| 午夜精品国产一区二区电影 | 久久精品人妻少妇| 欧美激情在线99| 亚洲在线观看片| 26uuu在线亚洲综合色| 在线免费十八禁| h日本视频在线播放| 亚洲精品久久午夜乱码| 特大巨黑吊av在线直播| 欧美三级亚洲精品| 一级毛片电影观看| 新久久久久国产一级毛片| 少妇猛男粗大的猛烈进出视频 | 97在线人人人人妻| 亚洲成人精品中文字幕电影| 熟女人妻精品中文字幕| 精品国产一区二区三区久久久樱花 | 91精品一卡2卡3卡4卡| 国产一区亚洲一区在线观看| 久久久久久久大尺度免费视频| 亚洲av欧美aⅴ国产| 美女cb高潮喷水在线观看| 色综合色国产| 午夜激情久久久久久久| 色视频www国产| 色综合色国产| 欧美日韩精品成人综合77777| 一级二级三级毛片免费看| 乱系列少妇在线播放| 欧美极品一区二区三区四区| 久久久久久久久久久丰满| 日本三级黄在线观看| 99re6热这里在线精品视频| 精品一区在线观看国产| 国产精品久久久久久av不卡| 国产毛片在线视频| 最近最新中文字幕免费大全7| 蜜桃久久精品国产亚洲av| 神马国产精品三级电影在线观看| 亚洲av免费高清在线观看| 国产成人精品福利久久| 国产一区二区亚洲精品在线观看| 99久久人妻综合| 亚洲精品aⅴ在线观看| av国产精品久久久久影院| 男女无遮挡免费网站观看| 亚洲精品久久久久久婷婷小说| 亚洲婷婷狠狠爱综合网| 国产精品99久久久久久久久| 久久精品综合一区二区三区| 免费黄频网站在线观看国产| 在线观看一区二区三区| 亚洲成人一二三区av| 国产精品无大码| 老司机影院成人| 三级男女做爰猛烈吃奶摸视频| 久久综合国产亚洲精品| 欧美日本视频| 久久人人爽人人爽人人片va| 18禁动态无遮挡网站| 日本色播在线视频| 99热这里只有是精品在线观看| 亚洲精品亚洲一区二区| 在线免费十八禁| 国内精品美女久久久久久| 在现免费观看毛片| 国产免费一级a男人的天堂| 99久国产av精品国产电影| 免费av不卡在线播放| 欧美激情在线99| 国产伦在线观看视频一区| 欧美国产精品一级二级三级 | 校园人妻丝袜中文字幕| 国产又色又爽无遮挡免| 久久久久久伊人网av| 99久久人妻综合| 日韩伦理黄色片| 国产一级毛片在线| 国产真实伦视频高清在线观看| 日本黄色片子视频| 亚洲真实伦在线观看| 最近的中文字幕免费完整| 亚洲av欧美aⅴ国产| 国产片特级美女逼逼视频| av.在线天堂| 日韩欧美精品免费久久| 国产熟女欧美一区二区| 日韩欧美精品免费久久| 国产有黄有色有爽视频| 一级毛片我不卡| 99视频精品全部免费 在线| 午夜老司机福利剧场| 欧美区成人在线视频| 国语对白做爰xxxⅹ性视频网站| 欧美三级亚洲精品| 亚洲欧美中文字幕日韩二区| 国产免费福利视频在线观看| 最近中文字幕高清免费大全6| 日韩国内少妇激情av| 欧美日韩视频高清一区二区三区二| 亚洲无线观看免费| 深爱激情五月婷婷| 高清视频免费观看一区二区| 一边亲一边摸免费视频| 成人一区二区视频在线观看| 国产成人福利小说| 极品少妇高潮喷水抽搐| 草草在线视频免费看| 国产在线一区二区三区精| 视频区图区小说| 国产在线一区二区三区精| 日本wwww免费看| 国产乱人偷精品视频| 国产成人免费观看mmmm| 日本三级黄在线观看| 18禁裸乳无遮挡动漫免费视频 | 久久99热这里只有精品18| 直男gayav资源| 久久久久久伊人网av| 新久久久久国产一级毛片| 99热网站在线观看| av在线老鸭窝| 少妇的逼好多水| 亚洲精品一二三| 色视频在线一区二区三区| 国产毛片a区久久久久| 亚洲,一卡二卡三卡| 精品国产一区二区三区久久久樱花 | 91久久精品电影网| 亚洲欧美日韩另类电影网站 | 白带黄色成豆腐渣| 丰满少妇做爰视频| 肉色欧美久久久久久久蜜桃 | 在线a可以看的网站| 97热精品久久久久久| 欧美日韩一区二区视频在线观看视频在线 | 国产在视频线精品| 欧美三级亚洲精品| 亚洲国产精品成人久久小说| 蜜臀久久99精品久久宅男| 美女高潮的动态| 国产精品福利在线免费观看| 蜜桃亚洲精品一区二区三区| 视频区图区小说| 丝袜喷水一区| 国产亚洲91精品色在线| 可以在线观看毛片的网站| 成人特级av手机在线观看| 亚洲性久久影院| 国产免费一区二区三区四区乱码| 成人亚洲精品一区在线观看 | 大片电影免费在线观看免费| 国产伦精品一区二区三区四那| 欧美性猛交╳xxx乱大交人| 日韩,欧美,国产一区二区三区| 在线观看免费高清a一片| 美女脱内裤让男人舔精品视频| 国产精品熟女久久久久浪| 成人毛片a级毛片在线播放| 韩国av在线不卡| 哪个播放器可以免费观看大片| 免费看av在线观看网站| 日本wwww免费看| 精品久久久噜噜| a级毛片免费高清观看在线播放| 国产又色又爽无遮挡免| 精品少妇久久久久久888优播| 久久鲁丝午夜福利片| 18禁在线无遮挡免费观看视频|