• <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
    日本av免费视频播放| 日韩免费高清中文字幕av| 色综合欧美亚洲国产小说| 免费不卡黄色视频| 日本撒尿小便嘘嘘汇集6| 99精品久久久久人妻精品| 最新的欧美精品一区二区| 国产97色在线日韩免费| 午夜91福利影院| 老司机靠b影院| 一进一出好大好爽视频| 丝袜人妻中文字幕| 91大片在线观看| 欧美日韩av久久| 亚洲成人免费av在线播放| 女人久久www免费人成看片| 大香蕉久久成人网| 久久热在线av| 欧美成人午夜精品| kizo精华| av超薄肉色丝袜交足视频| 一本色道久久久久久精品综合| 啦啦啦视频在线资源免费观看| 日本黄色视频三级网站网址 | 久久亚洲精品不卡| 精品福利永久在线观看| 一级毛片电影观看| 麻豆乱淫一区二区| 午夜福利,免费看| a级毛片在线看网站| 亚洲天堂av无毛| 久久久久国产一级毛片高清牌| 亚洲av成人一区二区三| 色在线成人网| 免费观看av网站的网址| 老司机福利观看| 亚洲午夜理论影院| 免费黄频网站在线观看国产| 亚洲精品中文字幕一二三四区 | 亚洲国产看品久久| 久久久久久久久久久久大奶| svipshipincom国产片| 国产老妇伦熟女老妇高清| 亚洲成人免费av在线播放| 极品教师在线免费播放| 可以免费在线观看a视频的电影网站| 亚洲欧美一区二区三区久久| 国产一区有黄有色的免费视频| 久久中文字幕人妻熟女| 精品欧美一区二区三区在线| 欧美激情久久久久久爽电影 | 黄片播放在线免费| 亚洲精品国产区一区二| 亚洲中文av在线| 久久香蕉激情| 日日爽夜夜爽网站| 日本五十路高清| 一个人免费在线观看的高清视频| 桃花免费在线播放| 欧美国产精品va在线观看不卡| tube8黄色片| 欧美激情高清一区二区三区| 欧美另类亚洲清纯唯美| 精品少妇一区二区三区视频日本电影| 十八禁网站免费在线| 欧美成狂野欧美在线观看| 久久国产精品人妻蜜桃| 久久久久久人人人人人| 黄色视频,在线免费观看| 免费不卡黄色视频| 下体分泌物呈黄色| 国产欧美日韩一区二区三| 亚洲国产欧美一区二区综合| 成人影院久久| 妹子高潮喷水视频| 日本精品一区二区三区蜜桃| 美女主播在线视频| 亚洲午夜理论影院| 一区福利在线观看| 国产精品成人在线| 午夜日韩欧美国产| 国产真人三级小视频在线观看| 日本a在线网址| 亚洲国产欧美在线一区| 在线观看免费视频日本深夜| 天堂动漫精品| 一区二区av电影网| 一边摸一边抽搐一进一出视频| 亚洲avbb在线观看| 一级毛片精品| 90打野战视频偷拍视频| 美女高潮喷水抽搐中文字幕| 午夜福利免费观看在线| 天天添夜夜摸| 亚洲国产精品一区二区三区在线| 交换朋友夫妻互换小说| 亚洲一卡2卡3卡4卡5卡精品中文| 一本色道久久久久久精品综合| 丰满迷人的少妇在线观看| 搡老熟女国产l中国老女人| 一二三四在线观看免费中文在| 国产成人欧美| 日本欧美视频一区| 高清视频免费观看一区二区| 久久精品人人爽人人爽视色| 亚洲一区二区三区欧美精品| 亚洲人成伊人成综合网2020| 老司机深夜福利视频在线观看| 精品一区二区三卡| 青草久久国产| 丝袜美足系列| 搡老岳熟女国产| 人成视频在线观看免费观看| 一级毛片女人18水好多| 久久久国产欧美日韩av| 免费看十八禁软件| 亚洲国产欧美网| 97在线人人人人妻| 亚洲精品自拍成人| 91精品国产国语对白视频| 女人高潮潮喷娇喘18禁视频| 啪啪无遮挡十八禁网站| 精品一区二区三区av网在线观看 | 国产精品九九99| 中文字幕人妻熟女乱码| 不卡av一区二区三区| 日韩精品免费视频一区二区三区| 香蕉国产在线看| 国产av国产精品国产| 国产深夜福利视频在线观看| 老鸭窝网址在线观看| 制服人妻中文乱码| av线在线观看网站| 天天操日日干夜夜撸| svipshipincom国产片| 妹子高潮喷水视频| 亚洲七黄色美女视频| www.精华液| 国产亚洲一区二区精品| 中文字幕人妻丝袜制服| 淫妇啪啪啪对白视频| 亚洲 国产 在线| 香蕉丝袜av| 欧美国产精品一级二级三级| 久久久久久人人人人人| 夜夜爽天天搞| 午夜免费鲁丝| 亚洲伊人色综图| 天堂中文最新版在线下载| 免费久久久久久久精品成人欧美视频| 亚洲三区欧美一区| 国产精品.久久久| av又黄又爽大尺度在线免费看| 亚洲欧美日韩另类电影网站| 成人免费观看视频高清| 可以免费在线观看a视频的电影网站| 国产精品一区二区精品视频观看| 成人亚洲精品一区在线观看| 男女高潮啪啪啪动态图| 日韩制服丝袜自拍偷拍| 中亚洲国语对白在线视频| 精品一区二区三区av网在线观看 | 亚洲伊人久久精品综合| 中文字幕色久视频| 日本黄色视频三级网站网址 | 久久精品人人爽人人爽视色| 国产片内射在线| 成人av一区二区三区在线看| 亚洲精品中文字幕一二三四区 | 亚洲av电影在线进入| 久久久久视频综合| 亚洲国产欧美日韩在线播放| 高清黄色对白视频在线免费看| 人人澡人人妻人| 99久久人妻综合| 亚洲精品粉嫩美女一区| 夫妻午夜视频| 老熟妇仑乱视频hdxx| 欧美激情高清一区二区三区| 两个人看的免费小视频| 国产淫语在线视频| 无人区码免费观看不卡 | 久久九九热精品免费| 大片免费播放器 马上看| h视频一区二区三区| 大香蕉久久成人网| 成年人午夜在线观看视频| 欧美黑人欧美精品刺激| 欧美黄色淫秽网站| 黄色 视频免费看| 国产男女超爽视频在线观看| 久久热在线av| 日本欧美视频一区| 操出白浆在线播放| 亚洲成人免费电影在线观看| 美女高潮到喷水免费观看| 老司机午夜福利在线观看视频 | 欧美在线一区亚洲| 精品卡一卡二卡四卡免费| 国产主播在线观看一区二区| 国产区一区二久久| 蜜桃国产av成人99| 中亚洲国语对白在线视频| 美女福利国产在线| 欧美老熟妇乱子伦牲交| 亚洲成a人片在线一区二区| 国产精品1区2区在线观看. | 色精品久久人妻99蜜桃| 99久久99久久久精品蜜桃| 国产精品久久久人人做人人爽| 操出白浆在线播放| 又紧又爽又黄一区二区| 国产精品自产拍在线观看55亚洲 | 在线观看免费视频日本深夜| 51午夜福利影视在线观看| 久久久久久久久免费视频了| 精品视频人人做人人爽| 日本vs欧美在线观看视频| 黑人巨大精品欧美一区二区mp4| 久久精品人人爽人人爽视色| 日本av手机在线免费观看| 国产精品久久久av美女十八| 视频区图区小说| 成年版毛片免费区| 大陆偷拍与自拍| 久久国产精品人妻蜜桃| 一区二区日韩欧美中文字幕| 国产精品亚洲av一区麻豆| 激情视频va一区二区三区| 日韩视频一区二区在线观看| xxxhd国产人妻xxx| 另类亚洲欧美激情| 国产区一区二久久| 成人av一区二区三区在线看| 免费人妻精品一区二区三区视频| 国产精品国产高清国产av | 日韩有码中文字幕| 少妇 在线观看| 性高湖久久久久久久久免费观看| 亚洲情色 制服丝袜| 国产精品久久久av美女十八| 日韩一卡2卡3卡4卡2021年| 一二三四在线观看免费中文在| 黑丝袜美女国产一区| 9色porny在线观看| 少妇被粗大的猛进出69影院| 色婷婷av一区二区三区视频| 老熟妇仑乱视频hdxx| 男女边摸边吃奶| 香蕉久久夜色| 国产午夜精品久久久久久| 丰满人妻熟妇乱又伦精品不卡| 国产男靠女视频免费网站| 大香蕉久久成人网| 国产亚洲av高清不卡| 久久中文字幕一级| 99久久99久久久精品蜜桃| 人人妻人人爽人人添夜夜欢视频| 丰满人妻熟妇乱又伦精品不卡| 亚洲成人免费av在线播放| 免费观看a级毛片全部| 亚洲欧美精品综合一区二区三区| 亚洲九九香蕉| 精品高清国产在线一区| 国产午夜精品久久久久久| 国产片内射在线| 亚洲欧美色中文字幕在线| bbb黄色大片| 一边摸一边做爽爽视频免费| 男女边摸边吃奶| 超碰成人久久| 亚洲av电影在线进入| 淫妇啪啪啪对白视频| 欧美黑人精品巨大| 欧美成人免费av一区二区三区 | 国产真人三级小视频在线观看| 中文字幕人妻熟女乱码| 欧美亚洲日本最大视频资源| 99国产精品一区二区蜜桃av | 欧美 日韩 精品 国产| 国产成人免费无遮挡视频| 国产精品98久久久久久宅男小说| 无遮挡黄片免费观看| 国产三级黄色录像| 精品久久蜜臀av无| 手机成人av网站| 久久av网站| 国产精品美女特级片免费视频播放器 | 亚洲av成人不卡在线观看播放网| 丝袜美腿诱惑在线| 免费久久久久久久精品成人欧美视频| 一区二区三区激情视频| 国产三级黄色录像| 在线av久久热| 精品福利观看| www.999成人在线观看| 日本撒尿小便嘘嘘汇集6| 老司机靠b影院| 国产成人影院久久av| 欧美国产精品va在线观看不卡| 一个人免费在线观看的高清视频| 黄色怎么调成土黄色| 考比视频在线观看| 成人18禁在线播放| 午夜福利乱码中文字幕| 国产亚洲欧美精品永久| 国产在线观看jvid| 国产成人免费观看mmmm| 亚洲免费av在线视频| 久热爱精品视频在线9| 免费观看av网站的网址| 9191精品国产免费久久| 精品乱码久久久久久99久播| 亚洲欧洲精品一区二区精品久久久| 精品视频人人做人人爽| 欧美另类亚洲清纯唯美| 国产xxxxx性猛交| 99久久精品国产亚洲精品| 少妇粗大呻吟视频| 日韩有码中文字幕| 日韩制服丝袜自拍偷拍| 菩萨蛮人人尽说江南好唐韦庄| 少妇粗大呻吟视频| 操出白浆在线播放| 欧美+亚洲+日韩+国产| 欧美精品一区二区免费开放| 成人特级黄色片久久久久久久 | 美女福利国产在线| 岛国毛片在线播放| 美女福利国产在线| 亚洲人成77777在线视频| 久久99热这里只频精品6学生| 国产不卡av网站在线观看| 国产亚洲午夜精品一区二区久久| 一区福利在线观看| 亚洲综合色网址| 免费黄频网站在线观看国产| 可以免费在线观看a视频的电影网站| 男女午夜视频在线观看| 久久久久视频综合| 日韩 欧美 亚洲 中文字幕| 久久久久视频综合| 男女无遮挡免费网站观看| 自拍欧美九色日韩亚洲蝌蚪91| 丝袜喷水一区| 婷婷丁香在线五月| 精品一区二区三卡| 老司机午夜十八禁免费视频| 国产日韩欧美视频二区| 日韩视频一区二区在线观看| 精品欧美一区二区三区在线| 精品久久蜜臀av无| 欧美日韩精品网址| 女人久久www免费人成看片| 亚洲avbb在线观看| 欧美 亚洲 国产 日韩一| 91精品三级在线观看| 桃花免费在线播放| 亚洲五月色婷婷综合| 肉色欧美久久久久久久蜜桃| 国产1区2区3区精品| 建设人人有责人人尽责人人享有的| 满18在线观看网站| 亚洲av片天天在线观看| a级片在线免费高清观看视频| 18在线观看网站| 久久精品国产综合久久久| 80岁老熟妇乱子伦牲交| 亚洲人成电影免费在线| 黑人巨大精品欧美一区二区mp4| 国产免费福利视频在线观看| 青青草视频在线视频观看| 在线观看一区二区三区激情| 亚洲人成电影观看| 中文字幕高清在线视频| 久久精品国产亚洲av香蕉五月 | 精品一区二区三区四区五区乱码| 国产高清视频在线播放一区| 欧美亚洲 丝袜 人妻 在线| 欧美激情久久久久久爽电影 | 久久中文字幕一级| 啦啦啦中文免费视频观看日本| 80岁老熟妇乱子伦牲交| 久9热在线精品视频| 我要看黄色一级片免费的| 亚洲精品一二三| 精品一区二区三区四区五区乱码| 一区二区三区激情视频| 亚洲国产精品一区二区三区在线| 亚洲精品av麻豆狂野| 亚洲视频免费观看视频| 首页视频小说图片口味搜索| 欧美 日韩 精品 国产| 男女下面插进去视频免费观看| 美女福利国产在线| 国产在线视频一区二区| 午夜成年电影在线免费观看| av天堂在线播放| 一区在线观看完整版| 午夜两性在线视频| 精品国产一区二区三区久久久樱花| 精品久久蜜臀av无| 日韩一区二区三区影片| 久久中文字幕人妻熟女| 淫妇啪啪啪对白视频| 久久亚洲精品不卡| 69精品国产乱码久久久| 99国产精品99久久久久| 一个人免费看片子| 欧美乱妇无乱码| 不卡av一区二区三区| 99精品欧美一区二区三区四区| 久久这里只有精品19| 亚洲午夜精品一区,二区,三区| 国产av精品麻豆| 两人在一起打扑克的视频| 麻豆乱淫一区二区| 俄罗斯特黄特色一大片| 国产aⅴ精品一区二区三区波| 男女午夜视频在线观看| 久久精品成人免费网站| 91九色精品人成在线观看| 免费在线观看完整版高清| 一区二区av电影网| 精品国产超薄肉色丝袜足j| 免费女性裸体啪啪无遮挡网站| 在线观看免费高清a一片| 国产xxxxx性猛交| 日本撒尿小便嘘嘘汇集6| www.自偷自拍.com| 成人黄色视频免费在线看| 黄色视频在线播放观看不卡| 肉色欧美久久久久久久蜜桃| 少妇猛男粗大的猛烈进出视频| 他把我摸到了高潮在线观看 | 国产一区二区三区视频了| 视频在线观看一区二区三区| 五月天丁香电影| 99精品欧美一区二区三区四区| 夫妻午夜视频| 国产真人三级小视频在线观看| 色婷婷av一区二区三区视频| 飞空精品影院首页| 亚洲精华国产精华精| 亚洲人成电影观看| 国产成人啪精品午夜网站| 一个人免费看片子| 三级毛片av免费| 每晚都被弄得嗷嗷叫到高潮| 嫁个100分男人电影在线观看| 五月天丁香电影| 香蕉丝袜av| 亚洲av片天天在线观看| 国产欧美亚洲国产| 天堂8中文在线网| 久久毛片免费看一区二区三区| 婷婷丁香在线五月| 免费看a级黄色片| 日本撒尿小便嘘嘘汇集6| 国产欧美日韩一区二区三区在线| 后天国语完整版免费观看| a级毛片黄视频| 性色av乱码一区二区三区2| 黑人操中国人逼视频| 国产精品.久久久| 亚洲精品久久午夜乱码| 国产免费av片在线观看野外av| 国产亚洲午夜精品一区二区久久| 天天影视国产精品| tocl精华| 国产精品亚洲一级av第二区| 大型av网站在线播放| 精品第一国产精品| 国产在线视频一区二区| 啦啦啦在线免费观看视频4| 亚洲,欧美精品.| 2018国产大陆天天弄谢| 三上悠亚av全集在线观看| 欧美日韩一级在线毛片| 侵犯人妻中文字幕一二三四区| 国产成人精品无人区| 久久精品亚洲精品国产色婷小说| 亚洲av电影在线进入| 国产av国产精品国产| 99re6热这里在线精品视频| 搡老乐熟女国产| 欧美黑人精品巨大| 人妻久久中文字幕网| 波多野结衣av一区二区av| 国产欧美日韩一区二区精品| 天堂俺去俺来也www色官网| 亚洲精品自拍成人| www日本在线高清视频| 国产伦人伦偷精品视频| 黄色毛片三级朝国网站| 男女床上黄色一级片免费看| 黄色丝袜av网址大全| 日韩视频在线欧美| 国产主播在线观看一区二区| 国产亚洲欧美在线一区二区| 人人澡人人妻人| 热99久久久久精品小说推荐| 国产精品免费大片| 欧美av亚洲av综合av国产av| 久久午夜亚洲精品久久| 欧美成人午夜精品| 纵有疾风起免费观看全集完整版| 老司机深夜福利视频在线观看| 男女之事视频高清在线观看| 一本大道久久a久久精品| 亚洲人成77777在线视频| 黄色a级毛片大全视频| 99re6热这里在线精品视频| 我的亚洲天堂| 99在线人妻在线中文字幕 | 制服人妻中文乱码| 欧美激情 高清一区二区三区| 国产精品免费大片| 国产精品香港三级国产av潘金莲| av网站在线播放免费| 亚洲国产看品久久| 色综合欧美亚洲国产小说| 亚洲第一av免费看| 最新在线观看一区二区三区| 亚洲伊人色综图| 桃花免费在线播放| 搡老岳熟女国产| 欧美中文综合在线视频| 日韩欧美一区视频在线观看| 亚洲精品国产色婷婷电影| 国产精品免费一区二区三区在线 | 99riav亚洲国产免费| 侵犯人妻中文字幕一二三四区| 欧美亚洲 丝袜 人妻 在线| 热re99久久精品国产66热6| 中文欧美无线码| 悠悠久久av| 亚洲人成伊人成综合网2020| 国产深夜福利视频在线观看| 久久久久国产一级毛片高清牌| 亚洲久久久国产精品| 无限看片的www在线观看| 青草久久国产| 亚洲第一av免费看| 一级毛片精品| av超薄肉色丝袜交足视频| 欧美+亚洲+日韩+国产| 一级毛片电影观看| 色94色欧美一区二区| 一二三四在线观看免费中文在| 国产麻豆69| 欧美午夜高清在线| 一本综合久久免费| 亚洲色图 男人天堂 中文字幕| 在线观看一区二区三区激情| 精品国内亚洲2022精品成人 | 香蕉国产在线看| 亚洲第一av免费看| 中文字幕av电影在线播放| 亚洲国产欧美一区二区综合| 久久精品国产a三级三级三级| 一级毛片电影观看| 亚洲九九香蕉| 蜜桃国产av成人99| 国产激情久久老熟女| 午夜福利免费观看在线| 亚洲熟女毛片儿| 少妇的丰满在线观看| 欧美日本中文国产一区发布| 手机成人av网站| 日本wwww免费看| 久久中文看片网| 欧美性长视频在线观看| 免费在线观看黄色视频的| 日韩欧美一区二区三区在线观看 | 亚洲精品成人av观看孕妇| 午夜精品久久久久久毛片777| 久久亚洲精品不卡| 99九九在线精品视频| 久久九九热精品免费| 国产又爽黄色视频| 午夜福利视频精品| 亚洲精品自拍成人| 少妇精品久久久久久久| 窝窝影院91人妻| 一边摸一边抽搐一进一小说 | 黄频高清免费视频| 国产欧美日韩一区二区三区在线| 黄色丝袜av网址大全| 国产亚洲精品久久久久5区| 国产高清视频在线播放一区| 成人18禁在线播放| 精品国产乱码久久久久久男人| 久久婷婷成人综合色麻豆| 夫妻午夜视频| 香蕉丝袜av| 久久久久久人人人人人| 欧美精品av麻豆av| 18禁美女被吸乳视频| 大型黄色视频在线免费观看| 91大片在线观看| 久久精品国产亚洲av高清一级| 自线自在国产av| 国产在线精品亚洲第一网站| 交换朋友夫妻互换小说| 女人高潮潮喷娇喘18禁视频| 亚洲精品久久午夜乱码| 最近最新免费中文字幕在线| 免费黄频网站在线观看国产| 丁香六月欧美| 免费人妻精品一区二区三区视频| 国产不卡一卡二| 欧美乱码精品一区二区三区| 久9热在线精品视频| 久久久欧美国产精品|