• <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YOLOv3檢測和特征點(diǎn)匹配的多目標(biāo)跟蹤算法

    2021-04-07 08:49:38穆平安馬忠雪
    計(jì)量學(xué)報(bào) 2021年2期
    關(guān)鍵詞:背光檢測器像素點(diǎn)

    譚 芳, 穆平安, 馬忠雪

    (上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院, 上海 200093)

    1 引 言

    行人目標(biāo)的檢測與跟蹤在交通、安防等領(lǐng)域具有重要的實(shí)用價(jià)值,一直都是計(jì)算機(jī)視覺與圖像處理領(lǐng)域的研究熱點(diǎn)。傳統(tǒng)的行人目標(biāo)跟蹤算法主要分為判別類算法和生成類算法?;跈z測的判別類算法主要有背景差法、閾值分割法、幀差法、光流法以及HOG特征結(jié)合SVM分類器等方法[1~4]。這些方法中有些算法計(jì)算量較大,實(shí)時(shí)性較差(如背景差法、光流法、HOG+SVM);有些算法雖然計(jì)算速度快,但檢測效果易受到光照變化、噪聲干擾、目標(biāo)形變的影響,導(dǎo)致行人目標(biāo)檢測精度低(如幀差法、閾值分割法)。而基于概率統(tǒng)計(jì)的生成類算法主要有卡爾曼濾波(Kalman filter)、粒子濾波、均值漂移(meanshift)等方法[5~8]。雖然其實(shí)時(shí)性強(qiáng),但由于目標(biāo)快速移動及誤差累計(jì)造成的目標(biāo)漂移,大大降低了跟蹤的準(zhǔn)確率。

    針對這些傳統(tǒng)算法中的缺點(diǎn),本文將結(jié)合深度學(xué)習(xí)與行人目標(biāo)特征展開行人間的多目標(biāo)跟蹤研究。首先采用YOLOv3算法在Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)下訓(xùn)練行人目標(biāo)檢測模型,獲得一個(gè)精度與速度優(yōu)良的YOLOv3檢測器,然后結(jié)合FAST角點(diǎn)檢測算法和BRISK算法對檢測到的行人目標(biāo)進(jìn)行特征點(diǎn)提取與匹配,最終實(shí)現(xiàn)行人目標(biāo)在背光、快速移動、部分遮擋等各種復(fù)雜情況下良好的跟蹤效果。將YOLOv3算法、FAST 角點(diǎn)檢測算法以及BRISK 特征匹配方法相結(jié)合,有效提升了傳統(tǒng)多目標(biāo)跟蹤算法的性能及魯棒性。

    2 基于YOLOv3的多目標(biāo)檢測

    基于檢測的行人目標(biāo)跟蹤中,優(yōu)良的檢測器對最終的跟蹤效果有著至關(guān)重要的影響。目前,基于深度學(xué)習(xí)的目標(biāo)檢測算法主要分為兩類:一類是one-stage的YOLO(YOLO、YOLO9000、YOLOv3)[9~11]和SSD(SSD、DSSD、DSOD)系列算法[12];另一類是two-stage 的R-CNN(R-CNN、Faster R-CNN、Mask-RCNN)系列算法[13~15]。前者在處理速度上雖快于后者,但平均準(zhǔn)確率卻低于后者。其中YOLO系列算法經(jīng)過不斷改良,最新版本的YOLOv3在COCO數(shù)據(jù)集上,精度達(dá)到與R-CNN系列相當(dāng)?shù)耐瑫r(shí),速度卻快了好幾倍。YOLOv3與其他基于深度學(xué)習(xí)的檢測器在COCO數(shù)據(jù)集上測試速度和精度的對比見表1所示。

    表1 YOLOv3檢測器與其它深度學(xué)習(xí)檢測器的性能對比Tab.1 Comparison of the performance of the YOLOv3 detector with other deep learning detectors

    YOLOv3采用新的網(wǎng)絡(luò)結(jié)構(gòu)Darknet-53,借鑒殘差網(wǎng)絡(luò)塊構(gòu)成的全卷積網(wǎng)絡(luò)作為骨干架構(gòu),在層與層之間設(shè)置快捷鏈路,以形成更深的網(wǎng)絡(luò)層次。利用多尺度特征進(jìn)行目標(biāo)檢測,以提升小目標(biāo)檢測的精度。同時(shí)采用多標(biāo)簽的Logistic取代了Softmax單標(biāo)簽方式,減少了檢測目標(biāo)的重疊情況。YOLOv3的網(wǎng)絡(luò)結(jié)構(gòu)模型見圖1所示。

    網(wǎng)絡(luò)訓(xùn)練時(shí),在ImageNet 預(yù)訓(xùn)練好的權(quán)重基礎(chǔ)上,使用USC行人數(shù)據(jù)庫訓(xùn)練行人目標(biāo)檢測模型。將該數(shù)據(jù)庫提供的XML格式標(biāo)注信息轉(zhuǎn)換為YOLO格式的TXT文件,將YOLOv3.cfg文件中的識別類別改為1。通過實(shí)驗(yàn)分析,將權(quán)重衰減因子設(shè)為0.000 5,學(xué)習(xí)率設(shè)為0.001,動量參數(shù)設(shè)為0.95,訓(xùn)練批次取64。用訓(xùn)練好的YOLOv3檢測器對一個(gè)時(shí)長8 s, 24幀/s,尺寸640×480像素的行人視頻進(jìn)行測試。截取部分幀行人檢測效果見圖2所示。

    圖1 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)模型Fig.1 YOLOv3 network structure model

    圖2 第37幀到第45幀的行人檢測結(jié)果Fig.2 Pedestrian detection results at frames 37 to 45

    測試集視頻共導(dǎo)出192張圖片,由于只考慮部分遮擋的行人目標(biāo)檢測,未對遮擋超過60%的行人目標(biāo)進(jìn)行大量訓(xùn)練,所以將遮擋超過60%的行人目標(biāo)認(rèn)為是無效目標(biāo),檢測結(jié)果統(tǒng)計(jì)見表2所示。

    表2 YOLOv3檢測器測試結(jié)果Tab.2 YOLOv3 detector test results

    3 基于特征點(diǎn)匹配的多目標(biāo)跟蹤

    將訓(xùn)練好的YOLOv3檢測器用于各種復(fù)雜情況下的行人目標(biāo)檢測,根據(jù)YOLOv3檢測器檢測的結(jié)果,對檢測出的行人目標(biāo)進(jìn)行特征點(diǎn)提取與描述,然后將前后兩幀中的行人目標(biāo)進(jìn)行特征點(diǎn)匹配以達(dá)到多目標(biāo)跟蹤的目的。如果當(dāng)前幀檢測到的目標(biāo)無法與上一幀中目標(biāo)匹配,則判定此目標(biāo)為新目標(biāo),在下一幀中繼續(xù)進(jìn)行檢測跟蹤,直到無可匹配目標(biāo)為止。多目標(biāo)跟蹤算法總流程見圖3。

    圖3 多目標(biāo)跟蹤算法流程圖Fig.3 Flow chart of multi-target tracking algorithm

    3.1 基于FAST 角點(diǎn)檢測算法的特征點(diǎn)提取

    FAST角點(diǎn)的定義為:若某像素點(diǎn)與其周圍鄰域內(nèi)足夠多的像素點(diǎn)相差較大,則該像素可能是角點(diǎn)[16](特征點(diǎn))。

    如圖4所示,以某一點(diǎn)p為圓心,以3個(gè)像素點(diǎn)距離為半徑,得到像素點(diǎn)p1,p2,…,p16。根據(jù)情況設(shè)定一個(gè)閾值,特征點(diǎn)必須順序滿足下面3個(gè)條件,否則舍棄。

    1) 計(jì)算p1,p9與中心p的像素差值,絕對值都大于閾值;

    2) 計(jì)算p1,p9,p5,p13與中心p的像素差值,絕對值有至少3個(gè)超過閾值;

    3) 計(jì)算p1~p16這16個(gè)點(diǎn)與中心p的像素差值,絕對值有至少9個(gè)超過閾值。

    圖4 FAST特征點(diǎn)Fig.4 FAST feature points

    4) 對圖像進(jìn)行NMS(非極大值抑制),消除緊挨在一起的角點(diǎn)。在特征點(diǎn)p為中心的一個(gè)鄰域內(nèi),計(jì)算FAST特征點(diǎn)的得分值(16個(gè)點(diǎn)與中心差值的絕對值總和)。若p的響應(yīng)值在該鄰域內(nèi)的特征點(diǎn)中最大,保留該特征點(diǎn),否則舍棄。若鄰域內(nèi)只有一個(gè)角點(diǎn)(特征點(diǎn)),則保留。計(jì)算得分公式為如式(1)所示(其中v表示FAST特征點(diǎn)的得分,pv為像素點(diǎn)灰度值)。

    v=max∑|pv-p|

    (1)

    通常將閾值設(shè)為50,利用FAST算法快速得到圖像的特征點(diǎn)。截取視頻中的相鄰2幀見圖5所示。

    圖5 特征點(diǎn)提取Fig.5 Extraction of feature point

    3.2 基于BRISK算法的特征點(diǎn)匹配

    在得到特征點(diǎn)之后,選擇在尺度不變性、旋轉(zhuǎn)不變性、魯棒性方面表現(xiàn)較好的BRISK算法得到特征點(diǎn)的描述子,然后利用PROSAC算法比較特征點(diǎn)之間的描述子,將特征點(diǎn)進(jìn)行匹配。

    首先利用圖像金字塔對原圖像進(jìn)行多尺度表達(dá)(見圖6),構(gòu)造n個(gè)octave層(用ci表示)和n個(gè)intra-octave層(用di表示),n=4,i={0,1…n-1}。假設(shè)有圖像I,c0層為原圖像,c1層通過對c0層的2倍下采樣生成,c2層通過對c1層的2倍下采樣生成,以此類推產(chǎn)生octave層。而d0層通過對圖像I的1.5倍下采樣生成,d1層通過對d0層的2倍下采樣生成,d2層通過對d1層的2倍下采樣生成,以此類推產(chǎn)生intra-octave層[18,19]。

    然后對每層圖像進(jìn)行空間上的NMS:特征點(diǎn)在尺度空間(上下層2×9個(gè)點(diǎn))和位置空間(8鄰域點(diǎn)),共26個(gè)鄰域點(diǎn)的FAST得分值要最大,否則舍棄。

    圖6 尺度空間特征點(diǎn)檢測Fig.6 Feature point detection in scale space

    對極值點(diǎn)的所在層和相鄰上下層之中對應(yīng)的像素點(diǎn)的FAST得分值作二維二次函數(shù)插值,得到極值點(diǎn)的坐標(biāo)位置;在尺度方向上進(jìn)行一維插值,得到極值點(diǎn)所對應(yīng)的特征尺度。

    以特征點(diǎn)為圓心,做半徑不同的同心圓,在每個(gè)圓上獲得一定數(shù)目等間隔采樣點(diǎn),并對同心圓上采樣點(diǎn)進(jìn)行高斯濾波。高斯濾波的中心為采樣點(diǎn),方差設(shè)置為δ,濾波半徑與高斯方差成正比,最終使用的N個(gè)(N一般設(shè)為60)采樣點(diǎn)是經(jīng)過高斯平滑后的采樣點(diǎn)。采樣點(diǎn)兩兩一對,所有組合方式通過下面的集合表示:

    A={(pi,pj)|i

    (2)

    用I(pi,σi)、I(pj,σj)表示不同采樣點(diǎn)對在不同尺度的像素灰度值,σ表示尺度,g(pi,pj)表示局部梯度集合,則有:

    (3)

    短距離點(diǎn)對和長距離點(diǎn)對的定義:

    (4)

    (5)

    特征點(diǎn)主方向的獲得:

    (6)

    α=arctan 2(gy,gx)

    (7)

    旋轉(zhuǎn)特征點(diǎn)周圍的采樣區(qū)域至主方向,對新的采樣區(qū)域進(jìn)行采樣。BRISK算法獲得的特征描述子為二進(jìn)制描述子,上述過程得到的長、短距離子集,考慮其中短距離子集的512個(gè)短距離點(diǎn)對,進(jìn)行二進(jìn)制編碼:

    (8)

    (9)

    PROSAC算法對特征點(diǎn)與模型之間的匹配質(zhì)量進(jìn)行衡量。利用PROSAC算法進(jìn)行特征點(diǎn)提純(見圖7),有效提高了匹配精度。

    圖7 利用PROSAC剔除誤匹配點(diǎn)對提純前后Fig.7 Before and after purification by removing mismatched point pairs with PROSAC

    4 實(shí)驗(yàn)結(jié)果與分析

    本文實(shí)驗(yàn)配置環(huán)境基于英偉達(dá)1080 Ti、CUDA9.0以及Win10系統(tǒng),算法開發(fā)基于Python語言和Darknet-53深度學(xué)習(xí)框架,跟蹤可視化基于OpenCV。實(shí)驗(yàn)樣本選自洛桑聯(lián)邦理工學(xué)院CVLAB數(shù)據(jù)庫,分別為露臺、樓前廣場2個(gè)場景。本文僅選取與幾個(gè)經(jīng)典的方法進(jìn)行對比分析,具體數(shù)據(jù)如表3所示??梢钥闯?傳統(tǒng)基于HOG+SVM和光流法的行人目標(biāo)跟蹤模型,雖然取得了不錯的平均精度,但較大計(jì)算量加上復(fù)雜的測試場景,造成了實(shí)時(shí)性不理想。露臺測試場景中的背光視頻,導(dǎo)致了基于顏色直方圖的MeanShift行人目標(biāo)跟蹤模型的平均精度受到較大影響?;贙alman濾波的行人目標(biāo)跟蹤模型,雖能克服光照變化的影響,但對于行人間的遮擋和行人快速移動會出現(xiàn)目標(biāo)跟蹤丟失的情況。不同復(fù)雜環(huán)境下,本文跟蹤算法模型在精度和速度上表現(xiàn)都相對優(yōu)越。截取本文跟蹤算法部分幀不同環(huán)境下跟蹤效果見圖8~圖10,實(shí)驗(yàn)結(jié)果表明本文算法在背光、行人目標(biāo)快速移動、部分遮擋等條件下均能實(shí)現(xiàn)較好的跟蹤。

    表3 與不同經(jīng)典行人目標(biāo)跟蹤模型性能對比Tab.3 Performance comparison with different classical pedestrian target tracking models

    圖8 背光條件下行人目標(biāo)跟蹤結(jié)果Fig.8 Pedestrian target tracking results under backlight conditions

    圖8為露臺場景第1074幀至第1079幀背光下行人目標(biāo)跟蹤結(jié)果。露臺場景由于攝像機(jī)角度的問題,視頻背光嚴(yán)重,行人目標(biāo)的顏色信息丟失嚴(yán)重,傳統(tǒng)的基于顏色特征的跟蹤算法就會受到很大的影響。但是由于本文跟蹤算法中YOLOv3檢測器對行人目標(biāo)檢測主要基于深度學(xué)習(xí)的方法,后續(xù)的行人目標(biāo)匹配采用了行人的邊緣輪廓信息,從而克服了顏色丟失這一問題,取得了較好的跟蹤結(jié)果。

    圖9 快速移動行人目標(biāo)跟蹤結(jié)果Fig.9 Tracking results of fast moving pedestrian target

    圖9為樓前廣場第1678幀至第1683幀快速移動行人目標(biāo)跟蹤效果,由于行人目標(biāo)較快速跑步進(jìn)入視頻采集區(qū)域,產(chǎn)生了一定的拖尾現(xiàn)象,造成行人目標(biāo)模糊不清。但檢測速度達(dá)到35幀/s的YOLOv3檢測器能迅速地捕捉到快速移動的行人目標(biāo),防止了行人檢測目標(biāo)丟失的情況發(fā)生。

    圖10 部分遮擋行人目標(biāo)跟蹤結(jié)果Fig.10 Partially obscures pedestrian target tracking results

    圖10為露臺場景中第1087幀至第1092幀存在部分遮擋時(shí)的行人目標(biāo)跟蹤效果??梢钥吹?person1逐漸被person2遮擋。當(dāng)遮擋低于60%時(shí),行人目標(biāo)的跟蹤是沒有受到影響的。只有當(dāng)遮擋超過60%以上時(shí),才出現(xiàn)了行人目標(biāo)的跟蹤丟失。結(jié)果證明本文的跟蹤算法對于處理行人目標(biāo)部分遮擋時(shí)具有一定的魯棒性。

    5 結(jié) 論

    本文通過YOLOv3算法快速檢測行人目標(biāo),確定目標(biāo)框,再結(jié)合FAST和BRISK算法對前后兩幀中的行人目標(biāo)進(jìn)行特征點(diǎn)提取與匹配以達(dá)到跟蹤的效果。實(shí)驗(yàn)證明算法在背光、行人目標(biāo)快速移動、行人部分遮擋等條件下均能實(shí)現(xiàn)較好的跟蹤。但在檢測過程中,由于目標(biāo)遮擋較大的問題造成后續(xù)目標(biāo)跟蹤的準(zhǔn)確率有所降低,未來可在網(wǎng)絡(luò)訓(xùn)練中增加60%以上遮擋的行人圖片樣本,以提高算法的魯棒性。

    猜你喜歡
    背光檢測器像素點(diǎn)
    光學(xué)薄膜技術(shù)及在背光模組中的應(yīng)用研究
    電子制作(2019年12期)2019-07-16 08:45:20
    一種用于LCD的高功率LED側(cè)式背光系統(tǒng)設(shè)計(jì)
    電子測試(2018年6期)2018-05-09 07:31:41
    基于canvas的前端數(shù)據(jù)加密
    關(guān)于超薄LED背光模組設(shè)計(jì)探討
    電子測試(2017年11期)2017-12-15 08:57:38
    車道微波車輛檢測器的應(yīng)用
    基于逐像素點(diǎn)深度卷積網(wǎng)絡(luò)分割模型的上皮和間質(zhì)組織分割
    一種霧霾檢測器的研究與設(shè)計(jì)
    基于Node-Cell結(jié)構(gòu)的HEVC幀內(nèi)編碼
    一體化火焰檢測器常見故障分析
    河南科技(2014年22期)2014-02-27 14:18:12
    三波段白光LED的高色域背光封裝方案
    河南科技(2014年5期)2014-02-27 14:08:30
    √禁漫天堂资源中文www| e午夜精品久久久久久久| 亚洲国产欧洲综合997久久, | 久久香蕉激情| 操出白浆在线播放| 欧美成狂野欧美在线观看| 亚洲五月天丁香| 免费电影在线观看免费观看| 18禁国产床啪视频网站| 日本精品一区二区三区蜜桃| 国产精品,欧美在线| 日韩欧美一区视频在线观看| 久久亚洲精品不卡| 国产精品久久久人人做人人爽| av在线播放免费不卡| 一区二区日韩欧美中文字幕| 日韩欧美一区视频在线观看| 亚洲成人国产一区在线观看| 日本精品一区二区三区蜜桃| 国产午夜精品久久久久久| 天堂√8在线中文| 在线天堂中文资源库| 亚洲中文av在线| 精品日产1卡2卡| 亚洲人成77777在线视频| 在线观看舔阴道视频| 日本免费a在线| 露出奶头的视频| 免费观看人在逋| 成人午夜高清在线视频 | 99热这里只有精品一区 | 欧美精品亚洲一区二区| 亚洲国产欧美网| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲成av片中文字幕在线观看| 日本精品一区二区三区蜜桃| 成人免费观看视频高清| 俄罗斯特黄特色一大片| 嫩草影院精品99| 90打野战视频偷拍视频| 国产亚洲欧美在线一区二区| 精品久久久久久久毛片微露脸| 视频区欧美日本亚洲| 欧美性猛交╳xxx乱大交人| 少妇裸体淫交视频免费看高清 | 18禁黄网站禁片免费观看直播| 国产高清激情床上av| 免费av毛片视频| 免费高清视频大片| 国产欧美日韩精品亚洲av| 天天添夜夜摸| 国产精品自产拍在线观看55亚洲| 啦啦啦 在线观看视频| 成人免费观看视频高清| 久久中文字幕一级| 搡老妇女老女人老熟妇| 大型av网站在线播放| 国内毛片毛片毛片毛片毛片| 男女之事视频高清在线观看| 亚洲精品国产精品久久久不卡| 久久久久久大精品| 制服丝袜大香蕉在线| 亚洲五月天丁香| 男人的好看免费观看在线视频 | 大香蕉久久成人网| 99精品久久久久人妻精品| 欧美丝袜亚洲另类 | 曰老女人黄片| 国产亚洲精品av在线| 国产激情偷乱视频一区二区| 我的亚洲天堂| 亚洲午夜理论影院| 曰老女人黄片| 一进一出抽搐gif免费好疼| 91成人精品电影| 国产亚洲av高清不卡| 成年版毛片免费区| 一区二区三区高清视频在线| 欧美精品啪啪一区二区三区| 国产伦在线观看视频一区| 日本三级黄在线观看| xxx96com| 国产精品亚洲美女久久久| 国产精品国产高清国产av| 在线观看www视频免费| 日韩免费av在线播放| 日韩成人在线观看一区二区三区| 亚洲国产精品sss在线观看| 久久国产精品男人的天堂亚洲| 国产一卡二卡三卡精品| 黄色视频不卡| 亚洲成人国产一区在线观看| 国产亚洲欧美在线一区二区| 亚洲七黄色美女视频| 午夜福利视频1000在线观看| 成人手机av| 色综合欧美亚洲国产小说| 级片在线观看| 国产精品乱码一区二三区的特点| 一进一出抽搐gif免费好疼| 波多野结衣av一区二区av| 日韩成人在线观看一区二区三区| 国产精品久久久人人做人人爽| 美女高潮到喷水免费观看| 两个人视频免费观看高清| 亚洲成av人片免费观看| 欧美丝袜亚洲另类 | 免费在线观看成人毛片| 国产精品免费一区二区三区在线| 欧美黑人精品巨大| 嫩草影院精品99| 制服丝袜大香蕉在线| 神马国产精品三级电影在线观看 | 国产亚洲欧美98| 国产99久久九九免费精品| 91大片在线观看| 真人做人爱边吃奶动态| 成人永久免费在线观看视频| 美国免费a级毛片| 又黄又粗又硬又大视频| 精品一区二区三区av网在线观看| 国产精品一区二区免费欧美| 丁香六月欧美| 看黄色毛片网站| 91大片在线观看| bbb黄色大片| 中国美女看黄片| av在线天堂中文字幕| 国产精品,欧美在线| 午夜福利在线在线| 亚洲国产高清在线一区二区三 | www.精华液| 午夜激情福利司机影院| av超薄肉色丝袜交足视频| 亚洲熟妇熟女久久| 巨乳人妻的诱惑在线观看| 国产99白浆流出| 精品久久久久久久人妻蜜臀av| 法律面前人人平等表现在哪些方面| 日韩一卡2卡3卡4卡2021年| 一级作爱视频免费观看| 桃红色精品国产亚洲av| 欧美成人一区二区免费高清观看 | 亚洲熟女毛片儿| 自线自在国产av| 1024香蕉在线观看| 一个人免费在线观看的高清视频| 一级片免费观看大全| 国产熟女午夜一区二区三区| 欧美黄色淫秽网站| www.熟女人妻精品国产| 久久 成人 亚洲| 国产精品免费视频内射| 欧美又色又爽又黄视频| 亚洲激情在线av| 嫩草影院精品99| 最近在线观看免费完整版| 成人国语在线视频| 精品久久久久久久久久免费视频| 欧美黑人欧美精品刺激| 一a级毛片在线观看| 久久久久久久午夜电影| 国产精品久久视频播放| 国产亚洲欧美98| 精品国内亚洲2022精品成人| 亚洲午夜精品一区,二区,三区| 国产成人欧美| 久久精品国产亚洲av香蕉五月| 国产一区二区三区在线臀色熟女| 久久精品成人免费网站| 桃色一区二区三区在线观看| 高清在线国产一区| 亚洲国产日韩欧美精品在线观看 | 亚洲熟女毛片儿| 国产又爽黄色视频| 色综合站精品国产| 69av精品久久久久久| 一级作爱视频免费观看| 欧美中文综合在线视频| 韩国av一区二区三区四区| 悠悠久久av| 国产免费av片在线观看野外av| 亚洲人成77777在线视频| 午夜精品在线福利| 色av中文字幕| 看黄色毛片网站| 侵犯人妻中文字幕一二三四区| 午夜福利在线在线| 岛国视频午夜一区免费看| 久久中文字幕一级| 麻豆国产av国片精品| 少妇的丰满在线观看| 人人澡人人妻人| 757午夜福利合集在线观看| 在线观看www视频免费| 欧美又色又爽又黄视频| 在线观看www视频免费| 欧美不卡视频在线免费观看 | 欧美中文日本在线观看视频| 给我免费播放毛片高清在线观看| 免费人成视频x8x8入口观看| 国产亚洲精品久久久久5区| 国产午夜精品久久久久久| 丰满的人妻完整版| 日韩 欧美 亚洲 中文字幕| 国产又色又爽无遮挡免费看| 国产精品影院久久| 激情在线观看视频在线高清| 叶爱在线成人免费视频播放| 天堂√8在线中文| 国产视频内射| 99国产综合亚洲精品| 日本 欧美在线| 夜夜夜夜夜久久久久| 一级毛片高清免费大全| 日本黄色视频三级网站网址| 国产又爽黄色视频| 日韩视频一区二区在线观看| 真人一进一出gif抽搐免费| 日韩欧美在线二视频| 777久久人妻少妇嫩草av网站| 久久国产乱子伦精品免费另类| 黄色视频不卡| 十八禁人妻一区二区| 亚洲精品国产一区二区精华液| 欧美绝顶高潮抽搐喷水| 成人国产一区最新在线观看| 十八禁网站免费在线| 在线观看午夜福利视频| 亚洲第一电影网av| 欧美日韩瑟瑟在线播放| 欧美日本亚洲视频在线播放| 女性生殖器流出的白浆| 麻豆成人午夜福利视频| 午夜久久久久精精品| 欧美精品亚洲一区二区| 久久狼人影院| 免费看美女性在线毛片视频| 国产日本99.免费观看| 中文字幕高清在线视频| 久久久久久人人人人人| 亚洲男人天堂网一区| 满18在线观看网站| 免费在线观看成人毛片| 看黄色毛片网站| 老熟妇仑乱视频hdxx| 琪琪午夜伦伦电影理论片6080| 久久久精品国产亚洲av高清涩受| 制服人妻中文乱码| 婷婷亚洲欧美| 精华霜和精华液先用哪个| 制服丝袜大香蕉在线| 欧美日韩福利视频一区二区| 级片在线观看| 国语自产精品视频在线第100页| 中文字幕人成人乱码亚洲影| 少妇裸体淫交视频免费看高清 | 少妇 在线观看| 国产男靠女视频免费网站| 国产一区二区三区在线臀色熟女| 美女 人体艺术 gogo| 亚洲av成人一区二区三| 每晚都被弄得嗷嗷叫到高潮| 欧美激情极品国产一区二区三区| 久9热在线精品视频| 夜夜躁狠狠躁天天躁| 国产亚洲av高清不卡| 一进一出好大好爽视频| 亚洲黑人精品在线| 满18在线观看网站| 欧美日韩一级在线毛片| 亚洲天堂国产精品一区在线| 变态另类成人亚洲欧美熟女| 亚洲第一青青草原| 禁无遮挡网站| 亚洲欧美日韩高清在线视频| 欧美成人午夜精品| 国产高清激情床上av| 久久久久国内视频| 天堂影院成人在线观看| 国产精品1区2区在线观看.| 国产又爽黄色视频| 最近最新免费中文字幕在线| 国产又黄又爽又无遮挡在线| 又紧又爽又黄一区二区| 黄片小视频在线播放| 午夜精品在线福利| 窝窝影院91人妻| 国产亚洲精品第一综合不卡| 少妇裸体淫交视频免费看高清 | 亚洲精品中文字幕一二三四区| 久久精品国产99精品国产亚洲性色| 国产精品亚洲美女久久久| 18禁黄网站禁片免费观看直播| 日韩av在线大香蕉| 欧美一级毛片孕妇| 欧美激情久久久久久爽电影| 国产免费av片在线观看野外av| a在线观看视频网站| 日日爽夜夜爽网站| 97碰自拍视频| 天天添夜夜摸| 女人被狂操c到高潮| 欧美国产精品va在线观看不卡| 男人舔女人下体高潮全视频| 青草久久国产| 国产伦一二天堂av在线观看| 一进一出好大好爽视频| 免费在线观看成人毛片| 一级a爱视频在线免费观看| АⅤ资源中文在线天堂| bbb黄色大片| 成人永久免费在线观看视频| 搡老岳熟女国产| 久久久久九九精品影院| 国产片内射在线| 亚洲 欧美 日韩 在线 免费| 国产午夜精品久久久久久| 日韩一卡2卡3卡4卡2021年| 欧美精品啪啪一区二区三区| 国产又色又爽无遮挡免费看| 日韩高清综合在线| 国产aⅴ精品一区二区三区波| 久久久久久免费高清国产稀缺| 国产一区二区激情短视频| 非洲黑人性xxxx精品又粗又长| 韩国av一区二区三区四区| 一a级毛片在线观看| 久久久久九九精品影院| 怎么达到女性高潮| 午夜免费成人在线视频| 婷婷六月久久综合丁香| 久久精品成人免费网站| 黑人欧美特级aaaaaa片| 国产爱豆传媒在线观看 | 日韩免费av在线播放| 午夜a级毛片| 大型av网站在线播放| 国产精品 欧美亚洲| 久久精品91蜜桃| 亚洲熟妇中文字幕五十中出| aaaaa片日本免费| 亚洲va日本ⅴa欧美va伊人久久| 一区二区日韩欧美中文字幕| 欧美乱妇无乱码| 亚洲午夜理论影院| av在线播放免费不卡| 最近最新中文字幕大全免费视频| 国产精品永久免费网站| 动漫黄色视频在线观看| 日韩三级视频一区二区三区| 久久这里只有精品19| 欧美精品啪啪一区二区三区| 亚洲激情在线av| 久9热在线精品视频| 美国免费a级毛片| av欧美777| 麻豆成人午夜福利视频| 窝窝影院91人妻| 久久人人精品亚洲av| cao死你这个sao货| 人妻丰满熟妇av一区二区三区| 免费看a级黄色片| 母亲3免费完整高清在线观看| 精品第一国产精品| 国产精品久久久久久亚洲av鲁大| 日韩av在线大香蕉| 国产99久久九九免费精品| 亚洲欧美日韩无卡精品| 大香蕉久久成人网| 国产伦一二天堂av在线观看| 国产精品久久久久久精品电影 | 亚洲成人免费电影在线观看| 日本精品一区二区三区蜜桃| x7x7x7水蜜桃| 又黄又爽又免费观看的视频| 亚洲成av片中文字幕在线观看| xxxwww97欧美| 国产亚洲精品久久久久久毛片| 欧美日韩亚洲综合一区二区三区_| 最近最新中文字幕大全电影3 | 两个人免费观看高清视频| 欧美色视频一区免费| 欧美性长视频在线观看| 日韩欧美三级三区| 首页视频小说图片口味搜索| 成人特级黄色片久久久久久久| 国产一区二区三区在线臀色熟女| www.熟女人妻精品国产| 大型黄色视频在线免费观看| 亚洲一码二码三码区别大吗| xxx96com| 无遮挡黄片免费观看| 91国产中文字幕| 久久精品亚洲精品国产色婷小说| 亚洲激情在线av| 免费在线观看成人毛片| 变态另类成人亚洲欧美熟女| 成人亚洲精品一区在线观看| 高清在线国产一区| 18禁观看日本| 日韩欧美免费精品| 最近最新中文字幕大全电影3 | 欧美日韩中文字幕国产精品一区二区三区| 欧美一级毛片孕妇| 久久婷婷成人综合色麻豆| 国内毛片毛片毛片毛片毛片| 一本精品99久久精品77| 免费观看人在逋| 黄片播放在线免费| 无遮挡黄片免费观看| 精品欧美国产一区二区三| 中文字幕精品免费在线观看视频| 亚洲国产欧洲综合997久久, | 色在线成人网| 后天国语完整版免费观看| 在线观看舔阴道视频| 国产在线观看jvid| 麻豆国产av国片精品| 欧美精品亚洲一区二区| 美女高潮到喷水免费观看| 精品欧美一区二区三区在线| 国产精品综合久久久久久久免费| 亚洲aⅴ乱码一区二区在线播放 | 久久国产精品人妻蜜桃| 男女午夜视频在线观看| 男人的好看免费观看在线视频 | 国产精品一区二区免费欧美| 天天躁狠狠躁夜夜躁狠狠躁| 香蕉国产在线看| 又黄又爽又免费观看的视频| 国产午夜精品久久久久久| √禁漫天堂资源中文www| 久久精品人妻少妇| 日本 欧美在线| 国产伦在线观看视频一区| 变态另类丝袜制服| 精品久久久久久成人av| 波多野结衣高清无吗| 久久久久国内视频| 欧美绝顶高潮抽搐喷水| 欧美激情极品国产一区二区三区| 亚洲五月天丁香| 午夜福利免费观看在线| 久久久久精品国产欧美久久久| 99国产极品粉嫩在线观看| 亚洲精品粉嫩美女一区| 色尼玛亚洲综合影院| 亚洲自拍偷在线| 99在线视频只有这里精品首页| 侵犯人妻中文字幕一二三四区| 国产伦人伦偷精品视频| 国产成人av激情在线播放| 午夜a级毛片| 性欧美人与动物交配| 国产高清视频在线播放一区| 午夜亚洲福利在线播放| 99久久99久久久精品蜜桃| 长腿黑丝高跟| 91大片在线观看| 搡老岳熟女国产| 一进一出抽搐动态| 国产亚洲精品久久久久久毛片| 亚洲av第一区精品v没综合| 看黄色毛片网站| 欧美黑人欧美精品刺激| 人妻久久中文字幕网| 日韩欧美国产一区二区入口| 国产色视频综合| 亚洲av五月六月丁香网| 一个人免费在线观看的高清视频| 成人18禁高潮啪啪吃奶动态图| 亚洲国产看品久久| 亚洲成a人片在线一区二区| 国产爱豆传媒在线观看 | 给我免费播放毛片高清在线观看| 久久精品国产综合久久久| 亚洲精品国产精品久久久不卡| 日韩欧美国产在线观看| 女人高潮潮喷娇喘18禁视频| 可以在线观看的亚洲视频| 成人特级黄色片久久久久久久| 亚洲七黄色美女视频| 在线观看舔阴道视频| www.999成人在线观看| 久久伊人香网站| 午夜福利欧美成人| 两人在一起打扑克的视频| 久久久久久九九精品二区国产 | 久9热在线精品视频| 精品不卡国产一区二区三区| 最近最新中文字幕大全免费视频| 精品卡一卡二卡四卡免费| 国产一区二区激情短视频| 91老司机精品| 香蕉av资源在线| 国产成人啪精品午夜网站| 99re在线观看精品视频| 最新在线观看一区二区三区| 午夜视频精品福利| 一本一本综合久久| 国产视频一区二区在线看| 国产高清有码在线观看视频 | 精品一区二区三区四区五区乱码| 亚洲精品中文字幕在线视频| a在线观看视频网站| 黄色成人免费大全| 免费女性裸体啪啪无遮挡网站| 国产亚洲精品一区二区www| 日韩三级视频一区二区三区| 亚洲人成网站高清观看| 丰满的人妻完整版| 日韩欧美国产在线观看| 欧美在线黄色| 在线av久久热| 免费看a级黄色片| 亚洲人成伊人成综合网2020| 久久久久久九九精品二区国产 | 亚洲成av人片免费观看| 动漫黄色视频在线观看| 大香蕉久久成人网| 在线观看66精品国产| 久久亚洲真实| 曰老女人黄片| 欧美在线一区亚洲| 不卡av一区二区三区| 日韩欧美免费精品| 91九色精品人成在线观看| 亚洲av电影在线进入| 亚洲av中文字字幕乱码综合 | 最新美女视频免费是黄的| 香蕉av资源在线| 亚洲第一欧美日韩一区二区三区| 精品电影一区二区在线| 久久性视频一级片| 中文亚洲av片在线观看爽| 午夜精品在线福利| 国产一级毛片七仙女欲春2 | 黄网站色视频无遮挡免费观看| 国产成人影院久久av| 久久精品91蜜桃| 麻豆av在线久日| 免费无遮挡裸体视频| 色播亚洲综合网| 国产黄片美女视频| 久久精品91无色码中文字幕| 中文字幕人妻丝袜一区二区| 高潮久久久久久久久久久不卡| 亚洲国产欧洲综合997久久, | 亚洲第一青青草原| 欧美大码av| 亚洲久久久国产精品| 国产精品电影一区二区三区| 久久久久久国产a免费观看| 看黄色毛片网站| 午夜福利免费观看在线| 色播在线永久视频| 午夜福利免费观看在线| 在线观看舔阴道视频| 搡老妇女老女人老熟妇| 国产精品国产高清国产av| 夜夜爽天天搞| 曰老女人黄片| 色精品久久人妻99蜜桃| 又紧又爽又黄一区二区| 国产精华一区二区三区| 亚洲精品中文字幕在线视频| 99精品久久久久人妻精品| 久久精品人妻少妇| 中文字幕精品亚洲无线码一区 | 琪琪午夜伦伦电影理论片6080| 色播在线永久视频| 国产一卡二卡三卡精品| 观看免费一级毛片| 中文字幕人妻丝袜一区二区| 免费在线观看日本一区| 国产黄a三级三级三级人| 日日夜夜操网爽| 久久久久久大精品| 免费在线观看视频国产中文字幕亚洲| 亚洲七黄色美女视频| 一二三四在线观看免费中文在| 久久久久九九精品影院| 亚洲一区二区三区色噜噜| 欧美人与性动交α欧美精品济南到| 国内少妇人妻偷人精品xxx网站 | 日韩精品免费视频一区二区三区| 欧美国产日韩亚洲一区| 国产精品免费一区二区三区在线| 亚洲欧美日韩高清在线视频| av有码第一页| 国产伦在线观看视频一区| 69av精品久久久久久| 中文亚洲av片在线观看爽| av福利片在线| av中文乱码字幕在线| 欧美一级毛片孕妇| 色综合亚洲欧美另类图片| 脱女人内裤的视频| 国产精品爽爽va在线观看网站 | 精华霜和精华液先用哪个| 久久久久精品国产欧美久久久| 亚洲国产欧洲综合997久久, | 国产三级黄色录像| 久久精品国产综合久久久| 日本a在线网址| 一边摸一边做爽爽视频免费| 亚洲人成电影免费在线| 村上凉子中文字幕在线| 亚洲av电影不卡..在线观看| 国产私拍福利视频在线观看| 怎么达到女性高潮| 99国产综合亚洲精品| 免费无遮挡裸体视频| 一本一本综合久久|