• <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
    国产成人欧美| 精品免费久久久久久久清纯 | 黑人欧美特级aaaaaa片| 50天的宝宝边吃奶边哭怎么回事| 丝袜美足系列| 精品国产国语对白av| 亚洲欧美一区二区三区久久| 欧美人与性动交α欧美软件| 一级毛片女人18水好多 | 久久久国产精品麻豆| 19禁男女啪啪无遮挡网站| 成人亚洲精品一区在线观看| 色94色欧美一区二区| 亚洲欧美精品自产自拍| 18在线观看网站| 最黄视频免费看| 菩萨蛮人人尽说江南好唐韦庄| 老司机午夜十八禁免费视频| 精品久久蜜臀av无| 成人影院久久| 色播在线永久视频| 热99国产精品久久久久久7| 亚洲精品第二区| 国产精品国产三级国产专区5o| 韩国精品一区二区三区| 成人午夜精彩视频在线观看| 免费观看av网站的网址| 亚洲免费av在线视频| 男男h啪啪无遮挡| 美女视频免费永久观看网站| 亚洲精品美女久久久久99蜜臀 | 久久久久久人人人人人| 精品少妇黑人巨大在线播放| 一区二区三区精品91| 久久久精品94久久精品| 亚洲精品日本国产第一区| 波多野结衣av一区二区av| 精品久久久久久久毛片微露脸 | 精品久久蜜臀av无| 2021少妇久久久久久久久久久| 国产在线一区二区三区精| 亚洲中文av在线| 波多野结衣一区麻豆| 亚洲av电影在线观看一区二区三区| 下体分泌物呈黄色| 国产淫语在线视频| 久久人妻熟女aⅴ| 国产成人免费观看mmmm| 亚洲欧美一区二区三区久久| 新久久久久国产一级毛片| 久久女婷五月综合色啪小说| 国产极品粉嫩免费观看在线| 国产免费视频播放在线视频| 18禁观看日本| 看十八女毛片水多多多| 久久久精品国产亚洲av高清涩受| 亚洲成人手机| 亚洲国产精品国产精品| 国产有黄有色有爽视频| 777米奇影视久久| 欧美人与性动交α欧美软件| 欧美97在线视频| 精品国产乱码久久久久久男人| 极品人妻少妇av视频| 两个人看的免费小视频| 99久久99久久久精品蜜桃| 亚洲专区中文字幕在线| 波野结衣二区三区在线| 一本色道久久久久久精品综合| 一级毛片我不卡| 男女午夜视频在线观看| 精品免费久久久久久久清纯 | 亚洲精品一二三| 亚洲人成电影观看| 校园人妻丝袜中文字幕| 狠狠精品人妻久久久久久综合| 看免费成人av毛片| 国产国语露脸激情在线看| 国产成人精品久久二区二区免费| 97在线人人人人妻| 免费观看av网站的网址| 欧美中文综合在线视频| 国产视频一区二区在线看| a级片在线免费高清观看视频| 久久99精品国语久久久| 亚洲精品久久午夜乱码| 伊人久久大香线蕉亚洲五| av有码第一页| 亚洲欧美成人综合另类久久久| 亚洲成人手机| 亚洲第一av免费看| 老鸭窝网址在线观看| 欧美国产精品一级二级三级| 欧美成人午夜精品| 99香蕉大伊视频| 搡老乐熟女国产| 激情视频va一区二区三区| 高清视频免费观看一区二区| 婷婷色麻豆天堂久久| 久久午夜综合久久蜜桃| 久久久久久久大尺度免费视频| 黄色视频不卡| 久久久精品国产亚洲av高清涩受| 热99国产精品久久久久久7| 日韩电影二区| 欧美日韩成人在线一区二区| 日日夜夜操网爽| 18禁观看日本| 男女之事视频高清在线观看 | 国产爽快片一区二区三区| 亚洲中文av在线| 亚洲av男天堂| 国产老妇伦熟女老妇高清| 久久亚洲精品不卡| 国产色视频综合| 一级毛片女人18水好多 | 大片电影免费在线观看免费| 秋霞在线观看毛片| 黄色视频不卡| 中文字幕色久视频| 狂野欧美激情性bbbbbb| 亚洲精品美女久久久久99蜜臀 | 国产淫语在线视频| 成人手机av| 亚洲色图综合在线观看| 精品人妻1区二区| 满18在线观看网站| 久久久久久久久免费视频了| www.自偷自拍.com| 免费观看人在逋| 色综合欧美亚洲国产小说| 亚洲欧美一区二区三区国产| 国产精品二区激情视频| 极品人妻少妇av视频| 日本欧美国产在线视频| 欧美老熟妇乱子伦牲交| 香蕉国产在线看| 美女福利国产在线| 少妇精品久久久久久久| 亚洲激情五月婷婷啪啪| 精品少妇久久久久久888优播| 午夜精品国产一区二区电影| 你懂的网址亚洲精品在线观看| 一级片'在线观看视频| 一边摸一边做爽爽视频免费| www.av在线官网国产| 国产一区二区在线观看av| 欧美乱码精品一区二区三区| h视频一区二区三区| 欧美日韩成人在线一区二区| 99久久99久久久精品蜜桃| 免费少妇av软件| 一级,二级,三级黄色视频| 9色porny在线观看| 丝瓜视频免费看黄片| 成年美女黄网站色视频大全免费| 国产精品一区二区在线不卡| 自线自在国产av| 久久精品国产亚洲av高清一级| 国产高清videossex| 晚上一个人看的免费电影| 黑丝袜美女国产一区| 亚洲综合色网址| 国产视频一区二区在线看| 国产精品.久久久| 在线av久久热| 精品国产超薄肉色丝袜足j| 视频区欧美日本亚洲| 各种免费的搞黄视频| 国产精品99久久99久久久不卡| 一本一本久久a久久精品综合妖精| 精品国产乱码久久久久久小说| 一本大道久久a久久精品| 国产精品久久久人人做人人爽| 91国产中文字幕| 国产免费一区二区三区四区乱码| 一区二区日韩欧美中文字幕| 女警被强在线播放| 成年人午夜在线观看视频| 熟女av电影| bbb黄色大片| 在线 av 中文字幕| 啦啦啦 在线观看视频| 七月丁香在线播放| 麻豆乱淫一区二区| 色网站视频免费| 日本猛色少妇xxxxx猛交久久| 久久精品久久久久久久性| 午夜福利在线免费观看网站| 国产高清videossex| 91字幕亚洲| 久久99一区二区三区| 久久人人爽av亚洲精品天堂| 国产精品久久久av美女十八| 久9热在线精品视频| 午夜福利影视在线免费观看| 中文字幕人妻丝袜一区二区| 爱豆传媒免费全集在线观看| 妹子高潮喷水视频| 狠狠婷婷综合久久久久久88av| 男女国产视频网站| 97在线人人人人妻| 国产色视频综合| 最近手机中文字幕大全| 国产精品国产av在线观看| 亚洲人成电影免费在线| 九色亚洲精品在线播放| 午夜福利免费观看在线| 精品一区在线观看国产| 午夜福利视频在线观看免费| 如日韩欧美国产精品一区二区三区| 亚洲精品国产av成人精品| 亚洲,欧美精品.| 一级毛片 在线播放| 黄网站色视频无遮挡免费观看| 久久女婷五月综合色啪小说| 成人18禁高潮啪啪吃奶动态图| 亚洲图色成人| 欧美亚洲 丝袜 人妻 在线| 99久久综合免费| 一区二区日韩欧美中文字幕| 亚洲av成人精品一二三区| 亚洲天堂av无毛| 五月天丁香电影| 日韩,欧美,国产一区二区三区| 狂野欧美激情性xxxx| 久久精品久久久久久久性| 免费观看av网站的网址| 免费一级毛片在线播放高清视频 | av线在线观看网站| 1024视频免费在线观看| 欧美人与性动交α欧美软件| 啦啦啦 在线观看视频| 免费久久久久久久精品成人欧美视频| 欧美+亚洲+日韩+国产| 母亲3免费完整高清在线观看| 国产亚洲午夜精品一区二区久久| 国产成人精品久久二区二区免费| 亚洲,欧美,日韩| 国产精品亚洲av一区麻豆| 久久久久久免费高清国产稀缺| 日本a在线网址| 一级毛片女人18水好多 | 黄片播放在线免费| 美女中出高潮动态图| 精品熟女少妇八av免费久了| 下体分泌物呈黄色| 久久久精品区二区三区| 午夜福利在线免费观看网站| 欧美日韩视频高清一区二区三区二| 波多野结衣av一区二区av| 免费观看a级毛片全部| 国产精品久久久久久精品电影小说| 九草在线视频观看| 精品第一国产精品| 国产真人三级小视频在线观看| 后天国语完整版免费观看| 老司机亚洲免费影院| 啦啦啦 在线观看视频| 男女边吃奶边做爰视频| 中国国产av一级| 男人舔女人的私密视频| 欧美日韩成人在线一区二区| 欧美精品亚洲一区二区| 人体艺术视频欧美日本| 黄色毛片三级朝国网站| 深夜精品福利| 丰满人妻熟妇乱又伦精品不卡| 极品少妇高潮喷水抽搐| 操出白浆在线播放| 久久精品久久久久久久性| 大话2 男鬼变身卡| 啦啦啦视频在线资源免费观看| 赤兔流量卡办理| 人人妻人人澡人人看| 秋霞在线观看毛片| 欧美精品人与动牲交sv欧美| 日本欧美国产在线视频| 亚洲九九香蕉| 午夜日韩欧美国产| 久久久久精品人妻al黑| 丰满迷人的少妇在线观看| 精品一区二区三卡| 女人精品久久久久毛片| av线在线观看网站| 99热国产这里只有精品6| 亚洲熟女毛片儿| 亚洲欧美一区二区三区黑人| 一级毛片我不卡| 免费看不卡的av| 99国产精品一区二区蜜桃av | 久久久久久久精品精品| 三上悠亚av全集在线观看| 欧美亚洲 丝袜 人妻 在线| 成年人午夜在线观看视频| 久久国产精品大桥未久av| 黄色怎么调成土黄色| 日韩欧美一区视频在线观看| 国产97色在线日韩免费| 五月天丁香电影| 欧美日韩综合久久久久久| 校园人妻丝袜中文字幕| 男女床上黄色一级片免费看| 中国国产av一级| 精品一品国产午夜福利视频| 一级片'在线观看视频| videos熟女内射| 精品国产乱码久久久久久小说| 国产精品国产三级国产专区5o| 国产女主播在线喷水免费视频网站| 天天躁日日躁夜夜躁夜夜| 看免费成人av毛片| 啦啦啦中文免费视频观看日本| 1024香蕉在线观看| 国产人伦9x9x在线观看| 国产精品久久久人人做人人爽| 自拍欧美九色日韩亚洲蝌蚪91| 韩国精品一区二区三区| 别揉我奶头~嗯~啊~动态视频 | 熟女av电影| 男女边吃奶边做爰视频| av欧美777| 国产成人欧美在线观看 | 又粗又硬又长又爽又黄的视频| 精品亚洲乱码少妇综合久久| 少妇人妻久久综合中文| 嫩草影视91久久| 69精品国产乱码久久久| 国产高清视频在线播放一区 | 两个人看的免费小视频| 亚洲国产精品999| 久久久精品94久久精品| 久久久欧美国产精品| 国产精品免费大片| 午夜免费观看性视频| 色综合欧美亚洲国产小说| 无遮挡黄片免费观看| 日本wwww免费看| 丝袜在线中文字幕| av福利片在线| 91字幕亚洲| 最黄视频免费看| 老汉色∧v一级毛片| 婷婷色麻豆天堂久久| 精品福利观看| 一级,二级,三级黄色视频| 国产精品久久久久久精品电影小说| 成年美女黄网站色视频大全免费| 免费日韩欧美在线观看| 亚洲欧美精品自产自拍| 美女国产高潮福利片在线看| 久久久久久久久久久久大奶| 久久久久国产精品人妻一区二区| 亚洲精品日韩在线中文字幕| 国产精品免费视频内射| 亚洲人成电影观看| 国产无遮挡羞羞视频在线观看| 免费人妻精品一区二区三区视频| 亚洲欧美激情在线| 一区二区三区精品91| 侵犯人妻中文字幕一二三四区| 在线看a的网站| 久久精品亚洲熟妇少妇任你| 精品福利永久在线观看| 777久久人妻少妇嫩草av网站| 99国产精品一区二区蜜桃av | 免费看十八禁软件| 国产视频一区二区在线看| 中国美女看黄片| 亚洲精品一卡2卡三卡4卡5卡 | 最黄视频免费看| 每晚都被弄得嗷嗷叫到高潮| 国产极品粉嫩免费观看在线| 亚洲av成人不卡在线观看播放网 | 午夜日韩欧美国产| 亚洲国产毛片av蜜桃av| 中文字幕色久视频| 十八禁高潮呻吟视频| 一区二区av电影网| 乱人伦中国视频| 国产精品秋霞免费鲁丝片| 午夜精品国产一区二区电影| 极品人妻少妇av视频| av天堂在线播放| 国产麻豆69| av天堂在线播放| 国产97色在线日韩免费| 精品一区二区三卡| 欧美日韩亚洲国产一区二区在线观看 | 亚洲精品国产av成人精品| 人人妻人人澡人人爽人人夜夜| 啦啦啦中文免费视频观看日本| 啦啦啦 在线观看视频| 丁香六月欧美| 精品国产一区二区三区久久久樱花| 91九色精品人成在线观看| 天天添夜夜摸| 亚洲自偷自拍图片 自拍| 国产伦人伦偷精品视频| 一边摸一边抽搐一进一出视频| 亚洲一码二码三码区别大吗| 国产黄色视频一区二区在线观看| 欧美亚洲 丝袜 人妻 在线| 国产亚洲一区二区精品| 亚洲天堂av无毛| 三上悠亚av全集在线观看| 国产成人av教育| 乱人伦中国视频| 最新在线观看一区二区三区 | 精品国产乱码久久久久久小说| 国产爽快片一区二区三区| 亚洲国产av影院在线观看| 午夜免费成人在线视频| 亚洲成国产人片在线观看| 亚洲欧美色中文字幕在线| 2018国产大陆天天弄谢| 久久毛片免费看一区二区三区| 在线观看国产h片| 亚洲国产精品999| 久久99热这里只频精品6学生| 岛国毛片在线播放| av电影中文网址| 国产亚洲精品久久久久5区| 亚洲精品日本国产第一区| 日韩人妻精品一区2区三区| 亚洲精品一卡2卡三卡4卡5卡 | 午夜老司机福利片| 丝袜喷水一区| 免费av中文字幕在线| 熟女av电影| 久久99热这里只频精品6学生| 性高湖久久久久久久久免费观看| 丰满少妇做爰视频| 久久精品国产亚洲av高清一级| 777久久人妻少妇嫩草av网站| 国产黄色免费在线视频| 婷婷色av中文字幕| 亚洲欧洲国产日韩| 国产精品麻豆人妻色哟哟久久| 一边亲一边摸免费视频| 亚洲国产精品999| av国产精品久久久久影院| 亚洲av电影在线进入| 亚洲自偷自拍图片 自拍| av网站免费在线观看视频| 久久人人爽人人片av| 国产精品一国产av| 午夜免费成人在线视频| 美女扒开内裤让男人捅视频| 国产精品国产三级专区第一集| 一区二区三区激情视频| bbb黄色大片| 久久久国产欧美日韩av| 国产激情久久老熟女| 尾随美女入室| 热re99久久国产66热| 欧美日韩亚洲综合一区二区三区_| 久久久久网色| 欧美亚洲 丝袜 人妻 在线| 欧美成人精品欧美一级黄| 精品一区二区三区四区五区乱码 | 日本一区二区免费在线视频| 在线观看人妻少妇| 国产成人啪精品午夜网站| 午夜福利,免费看| 午夜福利视频精品| 日本a在线网址| 亚洲五月色婷婷综合| 国产色视频综合| 丝瓜视频免费看黄片| av又黄又爽大尺度在线免费看| 赤兔流量卡办理| 免费在线观看日本一区| 中文字幕另类日韩欧美亚洲嫩草| 午夜激情av网站| 成人手机av| 老熟女久久久| av网站在线播放免费| 亚洲精品一二三| 啦啦啦视频在线资源免费观看| 肉色欧美久久久久久久蜜桃| 一级a爱视频在线免费观看| 国产一区二区三区av在线| 日韩制服丝袜自拍偷拍| 十分钟在线观看高清视频www| 久久久精品免费免费高清| 久久久久久久精品精品| 你懂的网址亚洲精品在线观看| 狂野欧美激情性bbbbbb| 99热国产这里只有精品6| 欧美精品高潮呻吟av久久| 国产视频首页在线观看| videosex国产| a级毛片黄视频| 亚洲美女黄色视频免费看| 乱人伦中国视频| 亚洲国产中文字幕在线视频| 亚洲,欧美,日韩| 亚洲欧美一区二区三区久久| 亚洲黑人精品在线| 晚上一个人看的免费电影| 一本色道久久久久久精品综合| 成人午夜精彩视频在线观看| 黄色毛片三级朝国网站| cao死你这个sao货| 美女视频免费永久观看网站| 国产成人欧美在线观看 | 久久国产亚洲av麻豆专区| 肉色欧美久久久久久久蜜桃| 亚洲成人免费电影在线观看 | 亚洲精品久久成人aⅴ小说| 高潮久久久久久久久久久不卡| 成在线人永久免费视频| 九色亚洲精品在线播放| 日本一区二区免费在线视频| 国产日韩欧美在线精品| 两个人看的免费小视频| 香蕉丝袜av| 亚洲成人免费电影在线观看 | 午夜福利一区二区在线看| 一区二区三区四区激情视频| 老司机影院毛片| 国产精品免费视频内射| 国产成人av教育| 成年动漫av网址| 亚洲av电影在线观看一区二区三区| 午夜福利在线免费观看网站| 久久国产精品影院| 国产黄频视频在线观看| 婷婷色av中文字幕| 又大又黄又爽视频免费| 国产淫语在线视频| 色视频在线一区二区三区| 肉色欧美久久久久久久蜜桃| 性色av一级| 在线av久久热| 国产精品久久久人人做人人爽| 伦理电影免费视频| 国产成人一区二区在线| 男男h啪啪无遮挡| 母亲3免费完整高清在线观看| 国产亚洲一区二区精品| 美女主播在线视频| 自线自在国产av| 日本猛色少妇xxxxx猛交久久| 欧美激情极品国产一区二区三区| 色婷婷久久久亚洲欧美| 国产一区二区三区av在线| 在线观看一区二区三区激情| 青青草视频在线视频观看| 肉色欧美久久久久久久蜜桃| 欧美日韩黄片免| 18禁裸乳无遮挡动漫免费视频| 国产伦理片在线播放av一区| 无限看片的www在线观看| 成年人黄色毛片网站| 午夜影院在线不卡| 黄色a级毛片大全视频| 免费女性裸体啪啪无遮挡网站| 国产无遮挡羞羞视频在线观看| 可以免费在线观看a视频的电影网站| 亚洲久久久国产精品| 99国产精品一区二区三区| 亚洲色图 男人天堂 中文字幕| 天天影视国产精品| 一区二区三区四区激情视频| 欧美精品人与动牲交sv欧美| 成人国产一区最新在线观看 | 亚洲中文av在线| 国产黄色视频一区二区在线观看| 菩萨蛮人人尽说江南好唐韦庄| 国产一卡二卡三卡精品| 婷婷色综合www| 欧美日韩视频精品一区| 老司机影院成人| 免费在线观看黄色视频的| 成人午夜精彩视频在线观看| 久久精品国产综合久久久| 亚洲人成电影观看| 欧美av亚洲av综合av国产av| 久久精品久久精品一区二区三区| 亚洲av欧美aⅴ国产| 伊人久久大香线蕉亚洲五| 国产片内射在线| 国产熟女欧美一区二区| 在线观看www视频免费| 精品久久蜜臀av无| www.av在线官网国产| 亚洲欧美精品综合一区二区三区| 操美女的视频在线观看| 中文字幕人妻丝袜一区二区| 五月天丁香电影| 视频区图区小说| 国产又色又爽无遮挡免| 天天躁日日躁夜夜躁夜夜| 成年人黄色毛片网站| 男女无遮挡免费网站观看| 国产成人精品久久二区二区免费| 嫁个100分男人电影在线观看 | 久久国产精品人妻蜜桃| 性色av乱码一区二区三区2| 中文字幕亚洲精品专区| 黑人猛操日本美女一级片| 美女脱内裤让男人舔精品视频| 国产黄色视频一区二区在线观看| e午夜精品久久久久久久| 十八禁网站网址无遮挡| 国产精品一区二区精品视频观看| 免费不卡黄色视频| 亚洲男人天堂网一区| a级毛片黄视频| 菩萨蛮人人尽说江南好唐韦庄| 欧美黑人欧美精品刺激| 欧美日韩av久久| 日韩一卡2卡3卡4卡2021年|