• <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 ?

    基于深度分割模型的小目標(biāo)檢測

    2021-06-03 07:59:24胡世根盧金儀顏露新
    測控技術(shù) 2021年5期
    關(guān)鍵詞:波段紅外閾值

    胡世根, 方 松, 盧金儀, 顏露新, 鐘 勝, 鄒 旭*

    (1.華中科技大學(xué) 人工智能與自動化學(xué)院,湖北 武漢 430074; 2.華中科技大學(xué) 多譜信息處理技術(shù)國家級重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430074)

    小目標(biāo)檢測廣泛應(yīng)用于公共安全、道路交通、視頻監(jiān)控等領(lǐng)域,同時(shí),在面向特定需求的任務(wù)中,更精確的小目標(biāo)檢測意味著能夠?yàn)楹罄m(xù)的識別、跟蹤等任務(wù)提供更有力的支撐,具有非常重要的應(yīng)用價(jià)值,因此準(zhǔn)確、快速、穩(wěn)定的小目標(biāo)檢測十分重要。關(guān)于小目標(biāo)的定義,目前還沒有統(tǒng)一的標(biāo)準(zhǔn),一般情況下,將成像距離較遠(yuǎn)、在圖像上往往小至幾十個(gè)甚至幾個(gè)像素,顯示為點(diǎn)狀并且具有低對比度和信雜比的目標(biāo)稱為小目標(biāo)[1]。

    紅外成像情況下,場景中目標(biāo)物體的紅外輻射較強(qiáng),從而在圖像中形成局部顯著區(qū)域,根據(jù)這一特征,許多研究人員通過搜索圖像極值來檢測目標(biāo)[4]。Tom等[5]提出了著名的Top-Hat 算子,通過開運(yùn)算消除圖像中的高頻信息,然后利用其與原始圖像的差異來檢測目標(biāo)。此外,受生物視覺的啟發(fā),Wei等[6]提出了一種基于多尺度區(qū)域?qū)Ρ榷人阕?MPCM)的紅外小目標(biāo)檢測方法,使用簡單的自適應(yīng)閾值即可實(shí)現(xiàn)小目標(biāo)分割。張騰[7]將尺度估計(jì)算法與MPCM算法中的PCM濾波相結(jié)合,提出尺度自適應(yīng)的紅外弱小目標(biāo)檢測算法SPCM。依據(jù)維恩位移定律,不同溫度的物體的輻射通量密度對應(yīng)不同的探測峰值波長,不同波段的成像圖像記錄了目標(biāo)多樣化的輻射特性,充分利用多波段成像探測信息能更加有效地提升小目標(biāo)檢測的準(zhǔn)確性。

    目標(biāo)檢測的傳統(tǒng)方法一般通過提取人為設(shè)計(jì)的圖像特征來進(jìn)行檢測,然而傳統(tǒng)方法往往只對某些特定應(yīng)用領(lǐng)域或者數(shù)據(jù)集有效,適用范圍窄。隨著深度學(xué)習(xí)的快速發(fā)展,陸續(xù)有研究者開始嘗試使用深層網(wǎng)絡(luò)模型檢測小目標(biāo)。例如,唐聰?shù)萚8]分析了SSD方法在小目標(biāo)檢測上不足的原因,提出了一種多視窗 SSD 目標(biāo)檢測方法;馮小雨等[9]改進(jìn)了Faster R-CNN算法,將其專用于空中目標(biāo)檢測,取得了不錯(cuò)的效果。然而小目標(biāo)檢測的數(shù)據(jù)集規(guī)模有限,且深層網(wǎng)絡(luò)對小目標(biāo)的特征難以提取等問題一直未能較好地解決。

    現(xiàn)有的小目標(biāo)檢測方法可以分為兩類:基于人工設(shè)計(jì)特征的傳統(tǒng)方法和基于深度學(xué)習(xí)的方法。傳統(tǒng)形式的檢測算法適應(yīng)性差、魯棒性弱;基于深度學(xué)習(xí)或者神經(jīng)網(wǎng)絡(luò)的一些檢測算法又存在因目標(biāo)面積占比小導(dǎo)致的特征維度低、目標(biāo)/背景特征分界面不明確的缺點(diǎn),從而造成實(shí)用性不佳等問題。

    針對上述存在的問題,本文提出了基于深度分割模型的小目標(biāo)檢測方法,為了進(jìn)一步提升檢測性能、依據(jù)任務(wù)需求降低漏檢率,探索多波段信息對提升小目標(biāo)檢測準(zhǔn)確性的作用,利用深度特征融合的思想,將不同波段的圖像送入深度分割模型,通過融合不同波段的特征提取結(jié)果來得到檢測目標(biāo)。在仿真數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,該方法在虛警率維持在同一量級的條件下,顯著降低了漏檢率,提高了小目標(biāo)檢測的準(zhǔn)確率。

    1 提出的方法

    現(xiàn)有基于深度學(xué)習(xí)的目標(biāo)檢測方法大多使用邊框回歸(Bounding Box)方法實(shí)現(xiàn)目標(biāo)的分類與定位,然而深度學(xué)習(xí)網(wǎng)絡(luò)中深層網(wǎng)絡(luò)感受野較大,使得它可以檢測的目標(biāo)大小受到限制。而在紅外小目標(biāo)檢測的應(yīng)用背景下,需要檢測的目標(biāo)大小可能小至幾十個(gè)甚至幾個(gè)像素,缺乏必要的紋理與結(jié)構(gòu)特征,背景區(qū)反而細(xì)節(jié)豐富,所以傳統(tǒng)的深度網(wǎng)絡(luò)難以對紅外圖像中小目標(biāo)的特征進(jìn)行有效的學(xué)習(xí)和提取。

    本文跳出傳統(tǒng)的深度學(xué)習(xí)目標(biāo)檢測方法,設(shè)計(jì)等寬的深度神經(jīng)網(wǎng)絡(luò),即網(wǎng)絡(luò)的輸出與輸入圖像為長、寬、通道數(shù)相等的矩陣,輸出圖像以灰度值表示該點(diǎn)存在目標(biāo)的概率,實(shí)現(xiàn)了目標(biāo)點(diǎn)的檢測與分割,以端到端的方式進(jìn)行訓(xùn)練,解決了邊框回歸方法存在的缺陷。

    1.1 基于全卷積的單波段小目標(biāo)檢測分割模型

    Zhang等[10]提出了一個(gè)前饋去噪卷積神經(jīng)網(wǎng)絡(luò)(DnCNN)用于圖像的去噪,使用了更深的結(jié)構(gòu)、殘差學(xué)習(xí)算法、正則化和批量歸一化等方法提高去噪性能。原網(wǎng)絡(luò)輸入為加入已知高斯噪聲或未知高斯噪聲的灰度圖,使用無噪聲原圖作為監(jiān)督設(shè)定損失,最終訓(xùn)練結(jié)果可輸出噪聲圖,由此便可從添加噪聲的原圖減去網(wǎng)絡(luò)輸出,最終獲得去除噪聲的結(jié)果圖。

    受文獻(xiàn)[10]啟發(fā),筆者提出了用于小目標(biāo)檢測的深度分割網(wǎng)絡(luò)模型,使用加入噪聲的紅外圖像仿真圖作為輸入、網(wǎng)絡(luò)的輸出為目標(biāo)分布的概率圖。該模型可表示為

    y=x+v

    (1)

    式中,y為輸入的包含目標(biāo)的圖像;x為只包含噪聲與背景的圖像;v為殘差圖像。優(yōu)化目標(biāo)是真實(shí)殘差圖像與網(wǎng)絡(luò)輸出之間的均方誤差(MSE),以只包含目標(biāo)點(diǎn)的二值圖像作為監(jiān)督設(shè)定損失。單波段小目標(biāo)檢測分割結(jié)構(gòu)如圖1所示。

    圖1 單波段小目標(biāo)檢測分割模型結(jié)構(gòu)

    網(wǎng)絡(luò)結(jié)構(gòu)可分為以下3個(gè)部分。

    第1部分:Conv(3×3×c×64)+ReLU (c代表圖片通道數(shù))。

    第2部分:Conv(3×3×64×64)+BN(Batch Normalization)+ReLU。

    第3部分:Conv(3×3×64)。

    為使每一層的輸入、輸出尺寸保持一致,防止產(chǎn)生人工邊界,網(wǎng)絡(luò)中每層都設(shè)定zero padding。此外,在第2部分每一層的卷積與ReLU之間都使用了批量標(biāo)準(zhǔn)化方法(BN)。

    給定深度為D=20的網(wǎng)絡(luò),3種類型的層展示在圖1中有3種不同結(jié)構(gòu)的層。

    ① Conv+ReLU:對于第1層,使用64個(gè)大小為3×3×c的濾波器被用于生成64個(gè)特征圖。這里的c代表圖像的通道數(shù),本文訓(xùn)練與測試圖像均為灰度圖,即c=1。

    ② Conv+BN+ReLU:對應(yīng)于第2~(D-1)層,使用64個(gè)大小為3×3×64的過濾器,并且在卷積和ReLU之間使用批量歸一化方法。

    ③ Conv:對應(yīng)于最后一層,c個(gè)大小為3×3×64的濾波器被用于重建輸出。

    損失設(shè)定為

    Loss=MSELoss(out,GT)

    (2)

    (3)

    通過以上方法得到的改造深層網(wǎng)絡(luò)可以有效提升圖像特征利用的容量和靈活性,相較于邊框回歸能夠更有效地去除輸入圖像中的噪聲與復(fù)雜背景。端到端的網(wǎng)絡(luò)結(jié)構(gòu)能夠有效檢測目標(biāo)點(diǎn)并實(shí)現(xiàn)分割,同時(shí)采用殘差學(xué)習(xí)和批歸一化可以加速訓(xùn)練并提升性能。

    1.2 基于全卷積的雙波段小目標(biāo)檢測分割模型

    不同波段的成像圖像記錄了目標(biāo)多樣化的輻射特性,為了進(jìn)一步提升小目標(biāo)檢測的能力,本文提出了基于特征融合的雙波段小目標(biāo)檢測分割模型。

    不同波段的成像設(shè)備在成像機(jī)理方面存在較大差異。例如在夜視條件,中波紅外(MediumWave Infrared,MWIR)和長波紅外(LongWave Infrared,LWIR)要靠目標(biāo)自身身輻射成像,而短波紅外(ShortWave Infrared,SWIR)則是利用常溫時(shí)物體反射夜光的輻射成像(自身輻射可忽略),中高溫時(shí)既有物體反射夜光的短波紅外輻射,又有自身發(fā)射的足夠強(qiáng)的短波紅外輻射成像。故紅外探測波段的選擇需要綜合考慮探測器、目標(biāo)輻射、背景輻射、大氣衰減等多種因素[11]。在特定情況下,上述因素對波段選擇的影響并不一致,故實(shí)際應(yīng)用中應(yīng)對各個(gè)因素進(jìn)行綜合分析,從而做出最佳選擇。

    高精度探測器在實(shí)際使用場景中通常在共光軸濾波片輪轉(zhuǎn)的條件下使用不同波段對同一場景成像。由于不同波段具有不同成像特性,不同波段的探測器適合不同的場景,對同場景成像獲得圖像所含的信息也有著不同的側(cè)重?;诖耍疚倪M(jìn)行了對不同波段的圖像進(jìn)行特征融合、檢測分割一體化的研究,目的在于使檢測方法對變化的使用場景具有更強(qiáng)的魯棒性,同時(shí)充分利用不同波段圖像存在的特征信息,在單波段小目標(biāo)檢測的基礎(chǔ)上進(jìn)一步降低漏檢率。

    網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示,在上一節(jié)的基礎(chǔ)上加入了圖像融合的部分,使用雙波段圖像輸入同一網(wǎng)絡(luò),在最后分別對二者使用1×1的卷積核進(jìn)行卷積,最終進(jìn)行疊加,目的在于提取不同波段紅外圖像中對目標(biāo)點(diǎn)特征成像清晰的部分。

    圖2 雙波段小目標(biāo)檢測分割模型結(jié)構(gòu)

    2 數(shù)據(jù)集

    基于深度神經(jīng)網(wǎng)絡(luò)的方法在物體檢測任務(wù)中具有巨大優(yōu)勢,但是目前將它用于弱小目標(biāo)檢測還面臨諸多困難,這類方法暫時(shí)未在小目標(biāo)檢測中獲得類似于其他領(lǐng)域的明顯成功,主要有以下兩個(gè)原因:① 目標(biāo)的尺寸小,深度神經(jīng)網(wǎng)絡(luò)難以提取弱小目標(biāo)的有效特征,從而不能充分發(fā)揮出深度神經(jīng)網(wǎng)絡(luò)對目標(biāo)的強(qiáng)大表達(dá)能力;② 是目標(biāo)樣本數(shù)據(jù)庫的規(guī)模小,由于任務(wù)場景和目標(biāo)類型的特殊性,通常難以獲取足夠數(shù)量的目標(biāo)樣本構(gòu)建大規(guī)模的數(shù)據(jù)集,因此難以使深度神經(jīng)網(wǎng)絡(luò)得到充分訓(xùn)練,進(jìn)而難以取得令人滿意的檢測效果[12-13]。在可預(yù)見的未來,這兩個(gè)情況將很難得到改變[14]。為了驗(yàn)證提出算法的有效性,制作了仿真數(shù)據(jù)集對提出的模型進(jìn)行了驗(yàn)證性實(shí)驗(yàn)。仿真數(shù)據(jù)集制作過程如圖3所示。

    圖3 仿真數(shù)據(jù)集制作過程

    首先在背景圖像上覆蓋手動添加目標(biāo)點(diǎn)的圖層,并添加合適概率的隨機(jī)噪聲,由此獲得的圖像用于仿真現(xiàn)實(shí)中拍攝的具有多目標(biāo)點(diǎn)的圖像;在此基礎(chǔ)上對圖像進(jìn)行非線性灰度變換,獲得的圖像用于仿真同一場景下不同波段的成像結(jié)果。最后將目標(biāo)點(diǎn)圖層二值化,作為真值(Ground Truth)掩膜。

    3 量化實(shí)驗(yàn)對比分析

    3.1 實(shí)驗(yàn)環(huán)境

    本文的實(shí)驗(yàn)環(huán)境為Windows 10,電腦配置為GPU(NVIDIA GTX-2060 6 GB顯存)、CPU(i5-8300H)、16 GB內(nèi)存。選取所提出的仿真數(shù)據(jù)集作為訓(xùn)練樣本,其中訓(xùn)練集圖片為1300張、驗(yàn)證集圖片為400張、測試集圖片400張。模型整體采用PyTorch框架搭建。設(shè)置訓(xùn)練模型的初始學(xué)習(xí)率為0.001,選擇Adam優(yōu)化器。最大迭代次數(shù)為50次,每批次訓(xùn)練2個(gè)樣本。

    3.2 評價(jià)指標(biāo)

    為了定量評價(jià)提出模型的檢測性能,對比檢測結(jié)果與真實(shí)標(biāo)注,計(jì)算實(shí)際目標(biāo)數(shù)、漏檢數(shù)、虛警數(shù),并由此得出漏檢率、虛警率作為評價(jià)指標(biāo)。

    評價(jià)指標(biāo)計(jì)算過程如圖4所示,以圖4(a)輸入單波段檢測網(wǎng)絡(luò)獲得的檢測結(jié)果為例,介紹評價(jià)指標(biāo)計(jì)算過程。

    圖4 評價(jià)指標(biāo)計(jì)算過程過程

    ① 首先以7×7的橢圓形核對圖4(b)所示的GT掩膜進(jìn)行膨脹操作,獲得圖4(c)。

    ② 以灰度值10為閾值對檢測結(jié)果進(jìn)行二值化操作,遍歷圖4(c)膨脹后的GT掩膜與圖4(e)二值化的檢測結(jié)果,若圖4(c)中像素點(diǎn)為255,便將圖4(e)同位置的像素點(diǎn)賦值為0,最終獲得顯示虛警點(diǎn)的圖4(h)。

    ③ 以7×7的橢圓形核對圖4(e)二值化的檢測結(jié)果進(jìn)行膨脹操作,獲得圖4(f)。

    ④ 遍歷圖4(f)膨脹后的檢測結(jié)果與圖4(b)GT掩膜,若圖4(f)中像素點(diǎn)為255,便將圖4(b)同位置的像素點(diǎn)賦值為0,最終獲得顯示漏檢點(diǎn)的圖4(g)。

    ⑤ 以連通域處理函數(shù)分別對圖4(b)、圖4(f)、圖4(g)進(jìn)行處理,獲得目標(biāo)點(diǎn)數(shù),虛警點(diǎn)數(shù),漏檢點(diǎn)數(shù)。

    3.3 實(shí)驗(yàn)結(jié)果與分析

    以灰度值Threshold=10為閾值二值化檢測結(jié)果圖,以上節(jié)方法分別計(jì)算傳統(tǒng)方法Top-Hat[5]、SPCM[7]和本文提出的單、雙波段小目標(biāo)檢測分割網(wǎng)絡(luò)共4種檢測方法的性能指標(biāo),統(tǒng)計(jì)結(jié)果如表1所示。

    表1 統(tǒng)計(jì)結(jié)果

    由表1可知,屬于形態(tài)學(xué)處理方法的Top-Hat檢測方法對于背景復(fù)雜且包含噪聲的紅外圖像的目標(biāo)檢測能力十分有限,虛警率與漏檢率極高。由圖5(b)可以看出,其主要原因在于部分復(fù)雜背景、噪聲與目標(biāo)點(diǎn)的灰度值與周圍黑色背景有較大差異,在Top-Hat操作中會被檢測出來,最終被當(dāng)作目標(biāo)點(diǎn)顯示在檢測結(jié)果中,同時(shí)輸入圖像中個(gè)別目標(biāo)點(diǎn)較為模糊,故統(tǒng)計(jì)結(jié)果中的虛警率極高,遠(yuǎn)遠(yuǎn)超出100%,漏檢率也較高。

    SPCM方法可以在多尺度上對目標(biāo)進(jìn)行檢測,但該方法仍然無法解決濾波方法的局限,無法區(qū)分與目標(biāo)點(diǎn)相似的噪點(diǎn)以及復(fù)雜背景的區(qū)域,如圖5(c)所示,檢測結(jié)果中的虛警點(diǎn)極多。所以,該方法在測試集上雖然能較好地檢測出目標(biāo)點(diǎn),但虛警率極高,基本無法應(yīng)用在本文模擬的應(yīng)用環(huán)境中。

    圖5 各方法檢測結(jié)果樣例

    對比本文提出的單、雙波段小目標(biāo)檢測分割網(wǎng)絡(luò)的性能指標(biāo)可知,二者均能將漏檢率、虛警率保持在較低水平,其中雙波段的檢測方法漏檢率極低只有0.051%,而虛警率相較于單波段檢測方法有小幅增長。主要原因在于本文提出的雙波段小目標(biāo)檢測分割模型中的融合方法本質(zhì)上是深度特征的加權(quán)或操作,有利于充分利用多波段圖像中的目標(biāo)點(diǎn)特征,降低漏檢率。

    4 參數(shù)選擇討論

    二值化閾值(Threshold)是本文提出的模型唯一需要控制的超參數(shù)。本節(jié)討論各方法在測試集上的性能受該參數(shù)的影響及參數(shù)的選擇。

    本節(jié)實(shí)驗(yàn)將閾值分為254階,分別計(jì)算各方法在各閾值階級上的虛警率和漏檢率,結(jié)果如圖6、圖7所示。可以看出本文提出的單、雙波段小目標(biāo)檢測分割網(wǎng)絡(luò)的虛警率與漏檢率在較大的閾值范圍內(nèi)都保持在較低水平,其中單波段方法在更大的閾值范圍內(nèi)(6~235)表現(xiàn)出良好性能,虛警率、漏檢率均小于0.1%。

    圖6 虛警-灰度閾值曲線

    圖7 漏檢率-灰度閾值曲線

    為進(jìn)一步探究雙波段小目標(biāo)檢測分割網(wǎng)絡(luò)的性能,在圖6、圖7的基礎(chǔ)上細(xì)化刻度,尋找最佳性能指標(biāo)的閾值范圍。雙波段最佳二值化閾值選擇如圖8所示。由圖8可知,雙波段檢測方法的最佳性能優(yōu)于單波段方法,在閾值為137~176的范圍內(nèi)可使虛警率為0,漏檢率低于0.02%。實(shí)際應(yīng)用中,可依據(jù)具體任務(wù)場景的先驗(yàn)知識選取合適的閾值。實(shí)驗(yàn)結(jié)果表明,閾值作為唯一需要控制的超參數(shù),當(dāng)其處于一段值域范圍內(nèi)時(shí)本文提出的模型均能取得具有實(shí)用性的小目標(biāo)檢測結(jié)果,顯示了所提模型的魯棒性。

    圖8 雙波段最佳二值化閾值選擇

    5 總結(jié)與展望

    本文針對低信雜比圖像中小目標(biāo)因面積占比小導(dǎo)致的特征提取難的問題,提出了一種基于深度分割模型的小目標(biāo)檢測算法,并進(jìn)一步利用多波段特征融合的思想,通過融合不同波段的特征提取結(jié)果實(shí)現(xiàn)目標(biāo)檢測。在仿真數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,該方法相較于對比方法能有效提高小目標(biāo)檢測的準(zhǔn)確率,促進(jìn)了小目標(biāo)檢測在視頻監(jiān)控、軍事偵查等領(lǐng)域的應(yīng)用效果。本文提出的基于深度特征融合的雙波段小目標(biāo)檢測模型本質(zhì)上是對雙波段特征圖的加權(quán)或操作,以降低對小目標(biāo)的漏檢率,后續(xù)根據(jù)不同應(yīng)用背景選擇不同融合策略,構(gòu)造不同融合模型,以及設(shè)計(jì)面向任務(wù)特點(diǎn)的數(shù)據(jù)增廣策略,以期進(jìn)一步提升深度融合小目標(biāo)分割模型的準(zhǔn)確性和適應(yīng)性。

    猜你喜歡
    波段紅外閾值
    春日暖陽
    網(wǎng)紅外賣
    閃亮的中國紅外『芯』
    金橋(2021年4期)2021-05-21 08:19:20
    小波閾值去噪在深小孔鉆削聲發(fā)射信號處理中的應(yīng)用
    TS系列紅外傳感器在嵌入式控制系統(tǒng)中的應(yīng)用
    電子制作(2019年7期)2019-04-25 13:17:14
    基于自適應(yīng)閾值和連通域的隧道裂縫提取
    比值遙感蝕變信息提取及閾值確定(插圖)
    河北遙感(2017年2期)2017-08-07 14:49:00
    基于快速遞推模糊2-劃分熵圖割的紅外圖像分割
    室內(nèi)表面平均氡析出率閾值探討
    M87的多波段輻射過程及其能譜擬合
    午夜a级毛片| 90打野战视频偷拍视频| 国产精品99久久99久久久不卡| 黄色a级毛片大全视频| 国产精品美女特级片免费视频播放器 | 久久人妻福利社区极品人妻图片| 嫩草影视91久久| 欧美色欧美亚洲另类二区| 香蕉丝袜av| 国产午夜福利久久久久久| 伦理电影免费视频| 两性夫妻黄色片| 日韩欧美一区二区三区在线观看| 每晚都被弄得嗷嗷叫到高潮| 欧美一级a爱片免费观看看 | 免费无遮挡裸体视频| 亚洲欧洲精品一区二区精品久久久| 床上黄色一级片| 亚洲一区二区三区色噜噜| 中文字幕久久专区| 国产成人欧美在线观看| 男女视频在线观看网站免费 | 九色国产91popny在线| 三级毛片av免费| 午夜免费激情av| 精品久久久久久久毛片微露脸| 精品久久久久久,| 国产精品1区2区在线观看.| 男男h啪啪无遮挡| 性欧美人与动物交配| 成年人黄色毛片网站| 露出奶头的视频| 免费av毛片视频| 亚洲美女视频黄频| 久久人人精品亚洲av| 黄色 视频免费看| 久久精品亚洲精品国产色婷小说| 看免费av毛片| 亚洲国产精品久久男人天堂| 久久久久性生活片| 听说在线观看完整版免费高清| 欧美一区二区精品小视频在线| 欧美国产日韩亚洲一区| 久久人妻av系列| 婷婷丁香在线五月| 怎么达到女性高潮| 在线国产一区二区在线| 欧美精品啪啪一区二区三区| 变态另类成人亚洲欧美熟女| 此物有八面人人有两片| 久久精品aⅴ一区二区三区四区| 国产精品日韩av在线免费观看| 99久久无色码亚洲精品果冻| 美女高潮喷水抽搐中文字幕| 日韩国内少妇激情av| 97超级碰碰碰精品色视频在线观看| 亚洲一码二码三码区别大吗| 男女之事视频高清在线观看| 精品国产美女av久久久久小说| 亚洲乱码一区二区免费版| 亚洲全国av大片| 亚洲专区中文字幕在线| 99久久久亚洲精品蜜臀av| 一二三四在线观看免费中文在| 欧美日韩瑟瑟在线播放| 欧美性长视频在线观看| 757午夜福利合集在线观看| 亚洲成av人片在线播放无| 亚洲第一电影网av| 国模一区二区三区四区视频 | 国产精品野战在线观看| 色av中文字幕| 日韩有码中文字幕| а√天堂www在线а√下载| 中文字幕人妻丝袜一区二区| 18禁黄网站禁片免费观看直播| 久久婷婷成人综合色麻豆| 欧美激情久久久久久爽电影| 国产精品野战在线观看| 精品一区二区三区av网在线观看| 人妻久久中文字幕网| 精品无人区乱码1区二区| 亚洲一码二码三码区别大吗| 九九热线精品视视频播放| 91字幕亚洲| 亚洲午夜理论影院| 99热6这里只有精品| 久久性视频一级片| 国产一区二区三区在线臀色熟女| 在线永久观看黄色视频| 身体一侧抽搐| 成人18禁在线播放| 99热6这里只有精品| 亚洲七黄色美女视频| 中文字幕人妻丝袜一区二区| 国产精品日韩av在线免费观看| 精品乱码久久久久久99久播| 免费av毛片视频| 成人三级黄色视频| 男女午夜视频在线观看| 亚洲精品一区av在线观看| 日本免费一区二区三区高清不卡| 亚洲成人免费电影在线观看| 曰老女人黄片| 亚洲专区国产一区二区| 欧美不卡视频在线免费观看 | 黄片小视频在线播放| 国产av麻豆久久久久久久| 人妻丰满熟妇av一区二区三区| 真人一进一出gif抽搐免费| 亚洲无线在线观看| www.999成人在线观看| 日韩 欧美 亚洲 中文字幕| 12—13女人毛片做爰片一| 久久久久久免费高清国产稀缺| 亚洲国产精品久久男人天堂| 久9热在线精品视频| 后天国语完整版免费观看| 亚洲黑人精品在线| 性色av乱码一区二区三区2| 欧美成人性av电影在线观看| 黄频高清免费视频| 母亲3免费完整高清在线观看| 男女之事视频高清在线观看| 欧美黑人巨大hd| 久久久久九九精品影院| 国产精品精品国产色婷婷| 国产精品亚洲一级av第二区| 久久久久久久久免费视频了| 亚洲av成人精品一区久久| 久久久久国产一级毛片高清牌| 1024手机看黄色片| 免费看十八禁软件| 国产成人精品久久二区二区91| 久久久精品欧美日韩精品| 十八禁网站免费在线| 少妇被粗大的猛进出69影院| 一a级毛片在线观看| 久久国产乱子伦精品免费另类| 好男人电影高清在线观看| 国产一区二区三区视频了| 老汉色∧v一级毛片| 亚洲中文字幕日韩| 亚洲熟女毛片儿| 日韩中文字幕欧美一区二区| 久久国产精品影院| 亚洲av五月六月丁香网| 亚洲人成网站高清观看| 中文字幕最新亚洲高清| 欧美另类亚洲清纯唯美| 91老司机精品| 精品高清国产在线一区| 欧美日本视频| 熟妇人妻久久中文字幕3abv| 婷婷精品国产亚洲av| 国产免费男女视频| 夜夜看夜夜爽夜夜摸| 一进一出好大好爽视频| 亚洲国产日韩欧美精品在线观看 | 国产真实乱freesex| 91老司机精品| 免费在线观看影片大全网站| 国产91精品成人一区二区三区| 日本一二三区视频观看| 可以在线观看毛片的网站| 欧美乱码精品一区二区三区| 在线a可以看的网站| 久久亚洲精品不卡| 午夜福利在线观看吧| 成人av在线播放网站| 欧美乱码精品一区二区三区| 亚洲人成网站在线播放欧美日韩| 亚洲电影在线观看av| 51午夜福利影视在线观看| 久久午夜综合久久蜜桃| 亚洲中文字幕一区二区三区有码在线看 | 一区福利在线观看| 免费在线观看日本一区| 一级毛片女人18水好多| 国产av一区二区精品久久| 国产成人精品无人区| 女人爽到高潮嗷嗷叫在线视频| 精品人妻1区二区| 国产黄a三级三级三级人| 国产视频内射| 国内揄拍国产精品人妻在线| 看免费av毛片| av超薄肉色丝袜交足视频| 此物有八面人人有两片| 女人被狂操c到高潮| 一级a爱片免费观看的视频| 18禁黄网站禁片午夜丰满| 午夜影院日韩av| 精品国产亚洲在线| 国产av麻豆久久久久久久| 91av网站免费观看| 亚洲av第一区精品v没综合| 亚洲黑人精品在线| 亚洲九九香蕉| 久久久久久久精品吃奶| 后天国语完整版免费观看| 99riav亚洲国产免费| 国产精品,欧美在线| 国产爱豆传媒在线观看 | 国产亚洲av高清不卡| 亚洲最大成人中文| 蜜桃久久精品国产亚洲av| 亚洲色图av天堂| 少妇人妻一区二区三区视频| 成人av在线播放网站| 99国产精品一区二区三区| 91av网站免费观看| 蜜桃久久精品国产亚洲av| 老汉色∧v一级毛片| 嫩草影院精品99| 狂野欧美激情性xxxx| 亚洲色图av天堂| 不卡av一区二区三区| 国产野战对白在线观看| 他把我摸到了高潮在线观看| 伊人久久大香线蕉亚洲五| 色综合站精品国产| 最近在线观看免费完整版| x7x7x7水蜜桃| 国产一区二区激情短视频| 久久亚洲真实| 午夜精品久久久久久毛片777| 国产激情久久老熟女| netflix在线观看网站| 精品电影一区二区在线| 精品人妻1区二区| 日韩欧美精品v在线| 最好的美女福利视频网| 两个人免费观看高清视频| 日韩 欧美 亚洲 中文字幕| 国产在线观看jvid| 五月伊人婷婷丁香| 国产精品香港三级国产av潘金莲| 欧美黑人精品巨大| 18禁国产床啪视频网站| 九色成人免费人妻av| 久久久久久大精品| 女同久久另类99精品国产91| 亚洲午夜理论影院| 中文字幕高清在线视频| 亚洲av成人一区二区三| 中文字幕av在线有码专区| 国产激情欧美一区二区| 窝窝影院91人妻| 日韩大尺度精品在线看网址| 老司机深夜福利视频在线观看| 99国产精品一区二区三区| 久久久久久九九精品二区国产 | 国产亚洲欧美在线一区二区| 欧美日韩乱码在线| 国产av又大| 国产精品亚洲av一区麻豆| 天堂影院成人在线观看| 久久久久免费精品人妻一区二区| 国语自产精品视频在线第100页| 久久久久久九九精品二区国产 | 成人亚洲精品av一区二区| 99国产精品99久久久久| 欧美不卡视频在线免费观看 | 99久久无色码亚洲精品果冻| 中亚洲国语对白在线视频| 亚洲人成电影免费在线| 成人18禁在线播放| 欧美精品亚洲一区二区| 色综合亚洲欧美另类图片| 在线观看免费日韩欧美大片| 午夜久久久久精精品| 国产1区2区3区精品| 成人永久免费在线观看视频| 在线观看66精品国产| 99国产极品粉嫩在线观看| 99久久精品热视频| 午夜亚洲福利在线播放| 亚洲人成电影免费在线| 国产av一区在线观看免费| 99热这里只有是精品50| 伦理电影免费视频| 亚洲国产中文字幕在线视频| 国产成人精品久久二区二区免费| 97碰自拍视频| 国产成人精品无人区| 久久精品综合一区二区三区| a在线观看视频网站| 欧美中文日本在线观看视频| 欧美激情久久久久久爽电影| 日韩欧美 国产精品| 人妻丰满熟妇av一区二区三区| 成人一区二区视频在线观看| 一本综合久久免费| 欧美一区二区精品小视频在线| 男人舔女人下体高潮全视频| 国产精品久久久久久精品电影| 国产欧美日韩精品亚洲av| 嫩草影院精品99| 日日干狠狠操夜夜爽| 午夜福利视频1000在线观看| 后天国语完整版免费观看| 老司机午夜十八禁免费视频| 成年女人毛片免费观看观看9| 国产高清videossex| 啦啦啦观看免费观看视频高清| 精品高清国产在线一区| 99国产精品一区二区三区| 国产视频一区二区在线看| 我的老师免费观看完整版| 人人妻人人澡欧美一区二区| 婷婷六月久久综合丁香| 丰满的人妻完整版| 九色成人免费人妻av| 在线观看美女被高潮喷水网站 | 窝窝影院91人妻| 亚洲国产日韩欧美精品在线观看 | 免费在线观看完整版高清| 亚洲精品粉嫩美女一区| 国产精品精品国产色婷婷| 久久精品成人免费网站| 在线观看免费午夜福利视频| 首页视频小说图片口味搜索| 日本在线视频免费播放| 50天的宝宝边吃奶边哭怎么回事| 亚洲色图av天堂| 成人三级黄色视频| 欧美日韩亚洲综合一区二区三区_| 成人av在线播放网站| 欧美大码av| 免费无遮挡裸体视频| 国产一区在线观看成人免费| 久久人妻福利社区极品人妻图片| bbb黄色大片| 怎么达到女性高潮| 日韩中文字幕欧美一区二区| 亚洲国产看品久久| 精品国产乱码久久久久久男人| 亚洲人与动物交配视频| 免费观看精品视频网站| 日本黄色视频三级网站网址| 国产蜜桃级精品一区二区三区| 极品教师在线免费播放| 一进一出抽搐动态| 国产激情欧美一区二区| 国产精品久久久久久久电影 | 非洲黑人性xxxx精品又粗又长| 午夜两性在线视频| 国产一区二区在线观看日韩 | 狂野欧美白嫩少妇大欣赏| 亚洲av成人精品一区久久| 一区二区三区激情视频| 久久这里只有精品中国| 亚洲av电影在线进入| 女警被强在线播放| 日日爽夜夜爽网站| 12—13女人毛片做爰片一| 国产精品一区二区三区四区久久| 男插女下体视频免费在线播放| 午夜久久久久精精品| 一级黄色大片毛片| 啦啦啦免费观看视频1| 制服丝袜大香蕉在线| 首页视频小说图片口味搜索| 亚洲一区二区三区不卡视频| 久久久久亚洲av毛片大全| 亚洲中文av在线| 国产成人aa在线观看| 久久久久国产精品人妻aⅴ院| 日韩 欧美 亚洲 中文字幕| 国产黄色小视频在线观看| e午夜精品久久久久久久| 欧美高清成人免费视频www| 日韩欧美国产一区二区入口| 欧美一区二区国产精品久久精品 | 高清在线国产一区| 一级黄色大片毛片| 琪琪午夜伦伦电影理论片6080| 国产精品美女特级片免费视频播放器 | 99久久精品热视频| 在线观看免费午夜福利视频| 亚洲av五月六月丁香网| 亚洲av日韩精品久久久久久密| 法律面前人人平等表现在哪些方面| 亚洲专区中文字幕在线| 床上黄色一级片| 他把我摸到了高潮在线观看| 日本一区二区免费在线视频| 欧美乱色亚洲激情| 国内揄拍国产精品人妻在线| 亚洲成人久久爱视频| 一本大道久久a久久精品| 亚洲美女黄片视频| 男人舔女人下体高潮全视频| 麻豆国产av国片精品| 欧美最黄视频在线播放免费| xxx96com| 国产一区二区三区视频了| 日本免费a在线| 黄频高清免费视频| 夜夜躁狠狠躁天天躁| 国产精品久久久久久精品电影| 精品日产1卡2卡| 婷婷精品国产亚洲av| 国产精品精品国产色婷婷| 免费在线观看日本一区| 国产欧美日韩一区二区三| 成年免费大片在线观看| 国产爱豆传媒在线观看 | 在线观看舔阴道视频| 黑人操中国人逼视频| 亚洲国产精品999在线| 别揉我奶头~嗯~啊~动态视频| 黄色成人免费大全| 国产亚洲精品久久久久5区| 精品久久久久久久人妻蜜臀av| 亚洲自拍偷在线| 美女免费视频网站| 成人手机av| 国产亚洲精品一区二区www| 国产主播在线观看一区二区| 国产亚洲av嫩草精品影院| 日日摸夜夜添夜夜添小说| 午夜福利在线在线| 18美女黄网站色大片免费观看| 久久精品91无色码中文字幕| 亚洲国产精品999在线| 欧美黑人巨大hd| 久99久视频精品免费| 成人国产综合亚洲| 国产av不卡久久| 99精品久久久久人妻精品| 色综合婷婷激情| av在线播放免费不卡| 午夜精品在线福利| 久久精品亚洲精品国产色婷小说| 婷婷六月久久综合丁香| 在线观看免费午夜福利视频| 不卡av一区二区三区| 精品乱码久久久久久99久播| 国产精品亚洲av一区麻豆| 日韩精品中文字幕看吧| 国产精品日韩av在线免费观看| 欧美极品一区二区三区四区| 中文亚洲av片在线观看爽| 国产午夜精品久久久久久| 老司机福利观看| 亚洲 欧美 日韩 在线 免费| 久久久久久久精品吃奶| 99精品在免费线老司机午夜| 久久久国产欧美日韩av| 亚洲精华国产精华精| 中文字幕av在线有码专区| 久久99热这里只有精品18| 欧美日韩一级在线毛片| 老熟妇乱子伦视频在线观看| АⅤ资源中文在线天堂| 欧美成人免费av一区二区三区| 少妇粗大呻吟视频| 大型av网站在线播放| 欧美乱色亚洲激情| 日韩欧美一区二区三区在线观看| 真人一进一出gif抽搐免费| 少妇熟女aⅴ在线视频| 亚洲精品美女久久av网站| 欧美丝袜亚洲另类 | 99久久精品热视频| 亚洲一卡2卡3卡4卡5卡精品中文| www日本在线高清视频| 女生性感内裤真人,穿戴方法视频| 亚洲avbb在线观看| 中文亚洲av片在线观看爽| 免费看美女性在线毛片视频| 欧洲精品卡2卡3卡4卡5卡区| 老熟妇仑乱视频hdxx| 免费看美女性在线毛片视频| 欧美久久黑人一区二区| 日韩欧美精品v在线| 91国产中文字幕| 特级一级黄色大片| 国产高清视频在线观看网站| 国产97色在线日韩免费| 日本黄色视频三级网站网址| 搡老妇女老女人老熟妇| 级片在线观看| 啦啦啦免费观看视频1| 亚洲一区高清亚洲精品| 每晚都被弄得嗷嗷叫到高潮| 国产一区二区三区在线臀色熟女| 国产激情久久老熟女| 成人av一区二区三区在线看| 色播亚洲综合网| 一区二区三区国产精品乱码| 老汉色av国产亚洲站长工具| 黑人欧美特级aaaaaa片| 男女做爰动态图高潮gif福利片| 久久久久性生活片| 亚洲专区国产一区二区| 69av精品久久久久久| 人人妻人人看人人澡| 99热只有精品国产| 婷婷丁香在线五月| 人人妻,人人澡人人爽秒播| 成年人黄色毛片网站| av免费在线观看网站| 国产伦人伦偷精品视频| 精品久久久久久久人妻蜜臀av| 宅男免费午夜| 人妻久久中文字幕网| 亚洲精品一区av在线观看| 香蕉国产在线看| 一级黄色大片毛片| 90打野战视频偷拍视频| 日韩大尺度精品在线看网址| 99久久精品热视频| 国产单亲对白刺激| 91午夜精品亚洲一区二区三区| 99riav亚洲国产免费| 少妇高潮的动态图| 99九九线精品视频在线观看视频| 亚洲丝袜综合中文字幕| 欧美精品国产亚洲| 老司机影院成人| 国产色爽女视频免费观看| av国产免费在线观看| 啦啦啦啦在线视频资源| 国产一区二区三区av在线 | 亚洲在久久综合| 日日摸夜夜添夜夜爱| 成人亚洲欧美一区二区av| 免费观看的影片在线观看| 不卡一级毛片| 亚洲人与动物交配视频| 最好的美女福利视频网| 99久国产av精品| 精品一区二区免费观看| 亚洲天堂国产精品一区在线| 久久人人爽人人爽人人片va| 日韩欧美在线乱码| 欧美性猛交╳xxx乱大交人| 特级一级黄色大片| 天天躁日日操中文字幕| 中文亚洲av片在线观看爽| 一本一本综合久久| 亚洲精品乱码久久久久久按摩| 成人二区视频| 久久这里只有精品中国| 亚洲在线自拍视频| 狂野欧美激情性xxxx在线观看| 亚洲在久久综合| 亚洲五月天丁香| 永久网站在线| 秋霞在线观看毛片| 美女大奶头视频| 亚洲av电影不卡..在线观看| 精品一区二区免费观看| 天堂网av新在线| 综合色av麻豆| 伦精品一区二区三区| av视频在线观看入口| 国产高清视频在线观看网站| 午夜视频国产福利| 日日干狠狠操夜夜爽| 成人亚洲欧美一区二区av| 给我免费播放毛片高清在线观看| 男的添女的下面高潮视频| 日韩一区二区三区影片| 只有这里有精品99| 欧美极品一区二区三区四区| av免费在线看不卡| 亚洲欧美日韩高清在线视频| 91久久精品国产一区二区三区| 久久久久久久久久成人| 毛片一级片免费看久久久久| 亚洲中文字幕日韩| 狂野欧美白嫩少妇大欣赏| 婷婷色综合大香蕉| 在线播放国产精品三级| 亚洲内射少妇av| av在线亚洲专区| 日韩av在线大香蕉| 亚洲电影在线观看av| 最近的中文字幕免费完整| 亚洲精品日韩av片在线观看| 国产精品久久电影中文字幕| 色吧在线观看| 国产探花在线观看一区二区| 中国国产av一级| 白带黄色成豆腐渣| 欧美成人a在线观看| 国产精品久久久久久久电影| 人妻少妇偷人精品九色| 日韩欧美 国产精品| 春色校园在线视频观看| ponron亚洲| 最近手机中文字幕大全| 日韩一本色道免费dvd| 性欧美人与动物交配| 国产探花在线观看一区二区| 高清日韩中文字幕在线| 久久久久久久亚洲中文字幕| 爱豆传媒免费全集在线观看| 日韩大尺度精品在线看网址| 99在线人妻在线中文字幕| 99久久精品一区二区三区| 久久久久久久午夜电影| 赤兔流量卡办理| 舔av片在线| av在线亚洲专区| 岛国在线免费视频观看| 在线a可以看的网站| 日韩亚洲欧美综合| 久久欧美精品欧美久久欧美| 成年免费大片在线观看| 美女大奶头视频|