• <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 ?

    基于深度神經(jīng)網(wǎng)絡(luò)的中國(guó)移動(dòng)營(yíng)業(yè)廳人流量統(tǒng)計(jì)研究

    2021-06-07 04:50:33陳樂丁戈肖忠良
    現(xiàn)代信息科技 2021年24期
    關(guān)鍵詞:深度神經(jīng)網(wǎng)絡(luò)

    陳樂 丁戈 肖忠良

    摘 ?要:文章提出深度神經(jīng)網(wǎng)絡(luò)的方法,將分治策略引入到人流量統(tǒng)計(jì)問題中。這個(gè)方法以VGG16作為特征編碼網(wǎng)絡(luò),UNet作為解碼網(wǎng)絡(luò),將人流量統(tǒng)計(jì)變成一個(gè)可拆解的任務(wù)。在統(tǒng)計(jì)圖片上人數(shù)時(shí),總可以把圖片分解成多個(gè)子區(qū)域,使得每個(gè)區(qū)域的人流量計(jì)數(shù)都是在之前訓(xùn)練集上所見過(guò)的人數(shù)類別。然后再把每個(gè)子區(qū)域上面的人數(shù)加起來(lái),就是統(tǒng)計(jì)結(jié)果。在對(duì)廣州某個(gè)中國(guó)移動(dòng)營(yíng)業(yè)廳的人流量統(tǒng)計(jì)的實(shí)驗(yàn)中,預(yù)測(cè)的速度能達(dá)到實(shí)時(shí)監(jiān)測(cè)的速度和高精確度。

    關(guān)鍵詞:分治策略;人流量統(tǒng)計(jì);深度神經(jīng)網(wǎng)絡(luò);VGG16;UNet

    中圖分類號(hào):TP18 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):2096-4706(2021)24-0084-05

    Abstract: In this paper, the method of deep neural network is proposed, and the divide and conquer strategy is introduced into the problem of people flow statistics. This method takes VGG16 as the feature coding network ?and UNet as decoding network, which turns the people flow statistics into a detachable task. When counting the number of people on the pictures, we can always decompose the picture into multiple sub-regions, so that the people flow count in each area is the number of people seen on the previous training set. Then add up the number of people in each sub-region, which is the result of statistics. In the experiment of people flow statistics in a China mobile business hall in Guangzhou, the predicted speed can reach real-time monitoring speed, and has high accuracy.

    Keywords: divide and conquer strategy; people flow statistics; deep neural network; VGG16; UNet

    0 ?引 ?言

    截止2021年6月底,中國(guó)移動(dòng)客戶達(dá)到9.46億戶,線下營(yíng)業(yè)廳遍布中國(guó)的每個(gè)大大小小的城市。5G套餐客戶達(dá)到2.51億戶,穩(wěn)居三大運(yùn)營(yíng)商之首[1]。面對(duì)如此龐大的客戶群體,營(yíng)業(yè)廳員工在多用戶咨詢和辦理業(yè)務(wù)繁忙的時(shí)候,難免會(huì)出現(xiàn)服務(wù)不周到,工作效率下降的情況。而且在新冠疫情的影響下,每個(gè)營(yíng)業(yè)廳的人數(shù)也要得到相應(yīng)的控制。而且客戶能得到精確的每個(gè)營(yíng)業(yè)廳的人數(shù),能幫助他們選擇人數(shù)相對(duì)較少的營(yíng)業(yè)廳辦理業(yè)務(wù)。在提高中國(guó)移動(dòng)的員工服務(wù)質(zhì)量和精準(zhǔn)控制營(yíng)業(yè)廳人數(shù)來(lái)更好的進(jìn)行防疫工作的壓力之下,本文章提出了一種基于神經(jīng)網(wǎng)絡(luò)和分治策略的精準(zhǔn)和實(shí)時(shí)的人流量統(tǒng)計(jì)的方法。首先,該方法需要先訓(xùn)練一個(gè)可以計(jì)數(shù)0到10個(gè)人的深度神經(jīng)網(wǎng)絡(luò)模型。然后再利用判別器來(lái)判斷該子區(qū)域是否需要繼續(xù)進(jìn)行切割,若子區(qū)域的人數(shù)大于10人的時(shí)候需要繼續(xù)切割。最后合并不同的子區(qū)域的結(jié)果[2]。該預(yù)測(cè)網(wǎng)絡(luò)的整體結(jié)構(gòu)是以VGG16作為特征編碼器的主干網(wǎng)絡(luò),參考UNet作為解碼器,一個(gè)計(jì)數(shù)分類器,一個(gè)劃分判別器。網(wǎng)絡(luò)結(jié)構(gòu)的各個(gè)部分各司其職,相互作用,提高了模型的預(yù)測(cè)速度和準(zhǔn)確率。

    1 ?人流量統(tǒng)計(jì)算法

    1.1 ?人流量統(tǒng)計(jì)算法的結(jié)構(gòu)圖

    算法的整體結(jié)構(gòu)如圖1所示,由一個(gè)VGG16特征編碼器,一個(gè)UNet型的解碼器,一個(gè)計(jì)數(shù)分類器和一個(gè)劃分判別器構(gòu)成的。左邊的Conv3,Conv4和Conv5是參考VGG16的網(wǎng)絡(luò)進(jìn)行的下采樣卷積操作。中間有格子劃分的F2和F1是通過(guò)上采樣得到的。F1是通過(guò)F0上采樣的得到的,F(xiàn)2是通過(guò)F1上采樣得到的,它們的步長(zhǎng)都是2。這個(gè)部分是參考UNet型的解碼器得到的。F1和F2劃分出來(lái)的區(qū)域就是子區(qū)域。這時(shí)劃分判別器就需要判斷是否要繼續(xù)進(jìn)行上采樣,讓子區(qū)域劃分得更加小來(lái)滿足子區(qū)域人數(shù)小于10的要求。W1和W2的值就只有(0,1),來(lái)判斷是否需要繼續(xù)進(jìn)行“錯(cuò)誤!未找到索引項(xiàng)?!鄙喜蓸印W詈笤侔烟卣鲌D中的每個(gè)子區(qū)域讓訓(xùn)練好的計(jì)數(shù)分類器來(lái)判斷里面有多少人,是屬于(0,10)中的哪一個(gè)類別,得到C0,C1和C2[3]。

    1.2 ?VGG16的特征編碼器

    圖2是原先的VGG16的網(wǎng)絡(luò)結(jié)構(gòu)層圖。由圖結(jié)構(gòu)可知,總共有13個(gè)卷積層和3個(gè)全連接層。其中的池化部分都是用了max pooling,激活函數(shù)是用了ReLU函數(shù)。卷積核的大小都是3×3的[4]。文章人流量統(tǒng)計(jì)算法中的結(jié)構(gòu),就是去掉了VGG16中所有全連接層,Conv5就是上圖結(jié)構(gòu)中除了全連接層中的最后的輸出特征圖,也就是原圖中的輸入圖片下采樣32倍得到的輸出特征圖。Conv5的結(jié)果直接通過(guò)計(jì)數(shù)分類器,預(yù)測(cè)出C0。C0就是當(dāng)前整體圖片的預(yù)測(cè)輸出結(jié)果,也相當(dāng)于由普通的VGG16網(wǎng)絡(luò)預(yù)測(cè)得到的結(jié)果。

    1.3 ?UNet的解碼器

    圖3就是UNet網(wǎng)絡(luò)的整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)圖,這個(gè)網(wǎng)絡(luò)的左半部分是由兩個(gè)3×3的卷積層和兩個(gè)最大池化層,步長(zhǎng)為2組成的,激活函數(shù)是ReLU函數(shù)[5]。左邊結(jié)構(gòu)每進(jìn)行一次下采樣,通道數(shù)都會(huì)乘以2。這個(gè)網(wǎng)絡(luò)的右半部分是由一個(gè)2×2的上采樣卷積,激活函數(shù)是ReLU函數(shù)。右邊的網(wǎng)絡(luò)通道,是由左邊對(duì)應(yīng)的特征圖通道和經(jīng)過(guò)上采樣得到的特征圖通道疊加的,最后得到的特征圖,有一半包含了左邊對(duì)應(yīng)特征圖的信息。因?yàn)檫@個(gè)池化的方式是最大池化,所以一定程度上進(jìn)行下采樣,都會(huì)損失了很多圖片中的信息。這里的通道融合的方式,能將淺層低維度的特征圖和在深層高維度的特征圖的信息進(jìn)行融合,讓最終的特征圖中蘊(yùn)含著更加豐富的圖片信息,讓圖像的預(yù)測(cè)更加的全面和準(zhǔn)確。

    1.4 ?劃分判別器和計(jì)數(shù)分類器

    劃分判別器是用來(lái)判斷經(jīng)過(guò)特征通道融合的特征圖是否需要繼續(xù)進(jìn)行上采樣操作。圖中F1的特征圖就是把64×64像素的原圖分為了四個(gè)子區(qū)間,每個(gè)子區(qū)間對(duì)應(yīng)著16×16,但是它的感受野是整張?jiān)瓐D。如果這個(gè)子區(qū)間的人數(shù)大于10的話,則劃分判別器會(huì)讓該特征圖繼續(xù)進(jìn)行步長(zhǎng)為2的上采樣操作,直到子區(qū)間人數(shù)小于10為止[6]。劃分判別器由一個(gè)2×2的平均池化層(步長(zhǎng)為2),一個(gè)512個(gè)通道的1×1卷積和一個(gè)1個(gè)1×1輸出卷積構(gòu)成的,最后通過(guò)一個(gè)sigmoid函數(shù)輸出0或者1。

    計(jì)數(shù)分類器是一個(gè)21個(gè)類別的訓(xùn)練好的分類器,區(qū)間范圍是0到10,間隔是0.5。該分類器是Resnet50,通過(guò)對(duì)21個(gè)類別的2 000張圖片進(jìn)行訓(xùn)練得到的具有權(quán)重的模型。如圖2,F(xiàn)1特征圖所示,里面有4個(gè)區(qū)間,這4個(gè)子區(qū)間分別作為輸入,輸入給計(jì)數(shù)分類器進(jìn)行預(yù)測(cè)。最后將四個(gè)子區(qū)間的預(yù)測(cè)結(jié)果相加,向下取整即為最終的輸出結(jié)果。

    1.5 ?人流量統(tǒng)計(jì)算法的損失函數(shù)

    這是人流量統(tǒng)計(jì)算法的損失函數(shù):,由兩個(gè)部分組合而成。左邊部分是多個(gè)交叉熵?fù)p失函數(shù),是用來(lái)監(jiān)督在對(duì)子區(qū)域人數(shù)統(tǒng)計(jì)的不同級(jí)別的分類問題。右邊部分是用來(lái)監(jiān)督最終劃分輸出的函數(shù)。該網(wǎng)絡(luò)可以支持多任務(wù)網(wǎng)絡(luò)的訓(xùn)練方式,所以才有一個(gè)關(guān)于N次的求和[7]。

    2 ?模型算法實(shí)驗(yàn)

    2.1 ?中國(guó)移動(dòng)營(yíng)業(yè)廳采集數(shù)據(jù)

    歷時(shí)兩個(gè)星期,在廣州天府路中國(guó)移動(dòng)營(yíng)業(yè)廳用手機(jī)采集圖片。采集方式是在營(yíng)業(yè)時(shí)間段,每隔半個(gè)小時(shí)在營(yíng)業(yè)廳的各個(gè)角度采集若干張含有人群信息的圖片。然后總共采集了大概200張左右的有效圖片,人數(shù)范圍在10~70人左右。最后在網(wǎng)上開源的ShanghaiTech的數(shù)據(jù)集中融入了100張左右的圖片,組成了最后400張左右的數(shù)據(jù)集,部分圖片如圖4所示。

    2.2 ?生成人群熱力圖的標(biāo)簽方式

    人群流量的標(biāo)簽方式一般有兩種,一種是對(duì)人頭進(jìn)行檢測(cè)框的標(biāo)記,另外一種是直接對(duì)圖片生成熱力圖,如圖5所示。對(duì)于采集到的數(shù)據(jù)集,需要標(biāo)記它們的真實(shí)標(biāo)簽即圖片中的真實(shí)人數(shù)。標(biāo)簽方式是生成人群熱力圖,然后人群流量統(tǒng)計(jì)就變成了對(duì)熱力圖的積分計(jì)算,甚至可以計(jì)算每平方米的人數(shù)和聚集程度,來(lái)判斷相應(yīng)的需求[8]。原圖上的標(biāo)注方式是,在人頭所在的像素點(diǎn)上標(biāo)記一個(gè)紅點(diǎn),然后再根據(jù)紅點(diǎn)生成相應(yīng)的人群熱力圖[9]。

    2.3 ?訓(xùn)練網(wǎng)絡(luò)

    本文采用深度神經(jīng)網(wǎng)絡(luò)的方法來(lái)預(yù)測(cè)中國(guó)移動(dòng)營(yíng)業(yè)廳的真實(shí)實(shí)時(shí)人數(shù)。采用將原圖區(qū)域進(jìn)行劃分成若干個(gè)子區(qū)域,再在子區(qū)域進(jìn)行預(yù)測(cè)人數(shù)的方式來(lái)預(yù)測(cè)真實(shí)人數(shù)。該方法訓(xùn)練網(wǎng)絡(luò)的步驟如下:步驟一:數(shù)據(jù)預(yù)處理,對(duì)采集好的圖片進(jìn)行降噪和除去黑白噪點(diǎn)的操作。使得圖片更加的平滑,過(guò)濾掉無(wú)效信息的圖片。步驟二:數(shù)據(jù)增強(qiáng),因?yàn)椴杉臄?shù)據(jù)不是特別的充足,所以對(duì)圖片進(jìn)行隨機(jī)裁剪和翻轉(zhuǎn)的操作增強(qiáng)數(shù)據(jù)集的數(shù)量。步驟三:根據(jù)標(biāo)記好的紅點(diǎn),生成每一張圖片的人群密度熱力圖。步驟四:模型訓(xùn)練,把數(shù)據(jù)集按照8:1:1的比例,將數(shù)據(jù)集分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。隨機(jī)初始化網(wǎng)絡(luò)中的所有參數(shù),batch size設(shè)置為64,把每一批的數(shù)據(jù)集喂給模型進(jìn)行正向傳播和反向傳播進(jìn)行參數(shù)的更新。訓(xùn)練次數(shù)設(shè)置為100,最后選取訓(xùn)練了至少50次的損失函數(shù)值最小的模型為最佳的訓(xùn)練模型。

    3 ?模型預(yù)測(cè)結(jié)果分析

    3.1 ?中國(guó)移動(dòng)營(yíng)業(yè)廳數(shù)據(jù)集的標(biāo)簽人數(shù)分布

    從經(jīng)歷半個(gè)月左右的時(shí)間在中國(guó)移動(dòng)營(yíng)業(yè)廳收集到的數(shù)據(jù),圖6可見,營(yíng)業(yè)廳大部分的人流數(shù)量集中在20人到60人。有時(shí)候比較繁忙的時(shí)候能達(dá)到100人左右。由于這種人數(shù),所以訓(xùn)練分類網(wǎng)絡(luò)的時(shí)候,把子區(qū)域的人群計(jì)數(shù)分類定為了0-10人的范圍。

    3.2 ?損失函數(shù)和預(yù)測(cè)效果評(píng)估

    人流量統(tǒng)計(jì)模型的損失函數(shù)由分類的交叉熵?fù)p失和回歸函數(shù)共同組成,所以選用最小二乘法的梯度下降訓(xùn)練方法。損失函數(shù)一般是用來(lái)測(cè)試訓(xùn)練模型的時(shí)候真實(shí)值和預(yù)測(cè)值的差異的,一般來(lái)說(shuō)損失函數(shù)的值越低,模型的預(yù)測(cè)效果越好。但是一般來(lái)說(shuō)會(huì)選擇驗(yàn)證集中,真實(shí)值和預(yù)測(cè)值最小的模型作為最終的模型參數(shù)輸出[10]。圖7就是訓(xùn)練模型時(shí)候的損失函數(shù)和準(zhǔn)確率。

    在測(cè)試集中測(cè)試模型性能的方法是平均絕對(duì)誤差,即真實(shí)值和預(yù)測(cè)值的差值的絕對(duì)值和的平均值。平均絕對(duì)誤差的公式:[11]。在測(cè)試集上的結(jié)果是,平均絕對(duì)誤差:0.27即每次預(yù)測(cè)只差了0.27個(gè)人數(shù)的統(tǒng)計(jì)。結(jié)果的準(zhǔn)確率(誤差少于1)為98.87%。從結(jié)果上來(lái)看,模型預(yù)測(cè)的準(zhǔn)確度還是十分可觀的。而且模型在一秒鐘內(nèi)可以預(yù)測(cè)大概30張到40張的圖片,滿足的實(shí)時(shí)監(jiān)測(cè)的需求。

    4 ?結(jié) ?論

    本文提出一種基于分治策略,將原圖分割成若干個(gè)子區(qū)域進(jìn)行區(qū)域計(jì)數(shù)的人流量統(tǒng)計(jì)的深度神經(jīng)網(wǎng)絡(luò)模型。該網(wǎng)絡(luò)模型參考了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)VGG16作為特征提取的主干網(wǎng)絡(luò)和UNet網(wǎng)絡(luò)作為解碼器。在測(cè)試和預(yù)測(cè)真實(shí)的中國(guó)移動(dòng)營(yíng)業(yè)廳時(shí),模型的人數(shù)準(zhǔn)確率基本保障不會(huì)出現(xiàn)錯(cuò)誤而且能達(dá)到實(shí)時(shí)更新營(yíng)業(yè)廳人數(shù)的效果。這很好的滿足的讓營(yíng)業(yè)廳的營(yíng)業(yè)員精準(zhǔn)定位服務(wù),而且能讓客戶根據(jù)每個(gè)營(yíng)業(yè)廳的實(shí)時(shí)人數(shù)來(lái)選擇人數(shù)更少的營(yíng)業(yè)廳辦理業(yè)務(wù)。在疫情管控營(yíng)業(yè)廳的實(shí)時(shí)人數(shù)時(shí),可以起到監(jiān)督和監(jiān)控的作用。

    參考文獻(xiàn):

    [1] 中國(guó)移動(dòng).營(yíng)運(yùn)數(shù)據(jù) [EB/OL].[2021-09-25].https://www.chinamobileltd.com/sc/ir/operation_q.php.

    [2] SAM D B,SAJJAN N N,BABU R V,et al. Divide and Grow:Capturing Huge Diversity in Crowd Images with Incrementally Growing CNN [C]//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.IEEE:Salt Lake City,2018:3618-3626.

    [3] BADRINARAYANAN V,KENDALL A,CIPOLLA R. SegNet:A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation [J/OL].arXiv:1511.00561 [cs.CV].(2015-11-02).https://arxiv.org/abs/1511.00561.

    [4] HE K M,ZHANG X Y,REN S Q,et al. Delving Deep into Rectifiers:Surpassing Human-Level Performance on ImageNet Classification [J/OL].arXiv:1502.01852 [cs.CV].(2015-02-06).https://arxiv.org/abs/1502.01852.

    [5] SIMONYAN K,ZISSERMAN A. Very Deep Convolutional Networks for Large-Scale Image Recognition [J/OL].arXiv:1409.1556 [cs.CV].(2014-09-04).https://arxiv.org/abs/1409.1556.

    [6] LEMPITSKY C,ZISSERMAN A. Learning To count objects in images [C]//NIPS10:Proceedings of the 23rd International Conference on Neural Information Processing Systems.Red Hook:Curran Associates,2010:1324-1332.

    [7] LI R B,XIAN K,SHEN C H,et al. Deep attention-based classification network for robust depth prediction [J/OL].arXiv:1807.03959 [cs.CV].(2018-07-11).https://arxiv.org/abs/1807.03959.

    [8] NIU Z X,ZHOU M,WANG L,et al. Ordinal Regression with Multiple Output CNN for Age Estimation [C]//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Las Vegas:IEEE,2016:4920-4928.

    [9] GIRSHICK R. Fast R-CNN [C]//2015 IEEE International Conference on Computer Vision (ICCV).Santiago:IEEE,2015:1440-1448.

    [10] IDREES H,TAYYAB M,ATHREY K,et al. Composition Loss for Counting,Density Map Estimation and Localization in Dense Crowds [J/OL].arXiv:1808.01050 [cs.CV].(2018-08-02).https://arxiv.org/abs/1808.01050.

    [11] MASKA M,ULMAN V,SVOBODA D,et al. A benchmark for comparison of cell tracking algorithms [J].Bioinformatics,2014,30(11):1609-1617.

    作者簡(jiǎn)介:陳樂(1982—),男,漢族,重慶人,項(xiàng)目總監(jiān),碩士研究生,研究方向:AIOps、業(yè)務(wù)支撐系統(tǒng)運(yùn)營(yíng)支撐;丁戈(1995—),男,漢族,廣東廣州人,項(xiàng)目經(jīng)理,碩士研究生,研究方向:AIOps算法;肖忠良(1986—),男,漢族,廣東廣州人,項(xiàng)目經(jīng)理,碩士研究生,研究方向:AIOps、業(yè)務(wù)支撐系統(tǒng)運(yùn)營(yíng)支撐。

    猜你喜歡
    深度神經(jīng)網(wǎng)絡(luò)
    基于多注意力多尺度特征融合的圖像描述生成算法
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)數(shù)學(xué)模型設(shè)計(jì)
    基于改進(jìn)SIFT特征和神經(jīng)網(wǎng)絡(luò)結(jié)合的場(chǎng)景識(shí)別
    軟件工程(2019年5期)2019-07-03 02:31:14
    基于Kaldi的語(yǔ)音識(shí)別算法
    深度神經(jīng)網(wǎng)絡(luò)在船舶自動(dòng)舵中的應(yīng)用
    基于深度神經(jīng)網(wǎng)絡(luò)的低延遲聲源分離方法
    基于大數(shù)據(jù)網(wǎng)絡(luò)的運(yùn)動(dòng)損傷評(píng)估模型研究
    試論基于深度神經(jīng)網(wǎng)絡(luò)的汽車車型識(shí)別問題
    深度神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀
    基于深度神經(jīng)網(wǎng)絡(luò)的身份識(shí)別研究
    1000部很黄的大片| 可以在线观看毛片的网站| 午夜激情福利司机影院| 亚洲最大成人手机在线| 久久精品影院6| 国产高潮美女av| 三级男女做爰猛烈吃奶摸视频| 一个人看视频在线观看www免费| 看片在线看免费视频| 精品久久久久久久久久久久久| 久久午夜亚洲精品久久| 一边摸一边抽搐一进一小说| 美女xxoo啪啪120秒动态图| 亚洲精品色激情综合| 精品一区二区免费观看| avwww免费| 久久久成人免费电影| 欧美日韩精品成人综合77777| 熟女电影av网| 国产探花极品一区二区| 亚洲一区高清亚洲精品| 午夜老司机福利剧场| 久久精品综合一区二区三区| 日韩欧美一区二区三区在线观看| 少妇人妻一区二区三区视频| 国产午夜福利久久久久久| av天堂中文字幕网| 日韩,欧美,国产一区二区三区 | 乱系列少妇在线播放| 国产精品爽爽va在线观看网站| 免费不卡的大黄色大毛片视频在线观看 | 亚洲国产欧洲综合997久久,| 九九久久精品国产亚洲av麻豆| 欧美日韩在线观看h| 2022亚洲国产成人精品| 蜜臀久久99精品久久宅男| 欧美+亚洲+日韩+国产| 国产熟女欧美一区二区| 亚洲色图av天堂| 三级经典国产精品| 伦理电影大哥的女人| 欧美日本视频| 免费一级毛片在线播放高清视频| 一本精品99久久精品77| 99久久成人亚洲精品观看| 高清在线视频一区二区三区 | 免费搜索国产男女视频| 国产一区二区三区在线臀色熟女| 一级毛片电影观看 | 少妇高潮的动态图| 麻豆成人av视频| 91狼人影院| 特级一级黄色大片| 国产午夜精品论理片| 国产在线男女| 国产伦精品一区二区三区四那| 成人亚洲精品av一区二区| 国产精品久久久久久久久免| 99久国产av精品| 亚洲不卡免费看| 男人狂女人下面高潮的视频| 韩国av在线不卡| 国产淫片久久久久久久久| 国产精品嫩草影院av在线观看| 午夜精品在线福利| 午夜免费激情av| 在现免费观看毛片| 青春草国产在线视频 | 久久精品国产99精品国产亚洲性色| 亚洲av电影不卡..在线观看| 久久久国产成人精品二区| 校园春色视频在线观看| 国产精品久久电影中文字幕| 午夜精品一区二区三区免费看| 国产午夜精品一二区理论片| 精品久久久噜噜| 成人欧美大片| 久久这里有精品视频免费| 99久久人妻综合| 精品久久久久久久久久免费视频| 看片在线看免费视频| 婷婷精品国产亚洲av| 不卡一级毛片| 村上凉子中文字幕在线| 91久久精品电影网| 只有这里有精品99| 精品一区二区免费观看| 色哟哟·www| 国国产精品蜜臀av免费| 深夜精品福利| 国产av不卡久久| 有码 亚洲区| 乱人视频在线观看| 亚洲aⅴ乱码一区二区在线播放| 亚洲精品久久国产高清桃花| 免费观看的影片在线观看| 久久久久久国产a免费观看| 免费不卡的大黄色大毛片视频在线观看 | 少妇猛男粗大的猛烈进出视频 | 日韩高清综合在线| 亚洲婷婷狠狠爱综合网| 男插女下体视频免费在线播放| 99久国产av精品国产电影| 日本撒尿小便嘘嘘汇集6| 国产日本99.免费观看| 亚洲国产精品国产精品| 亚洲丝袜综合中文字幕| 日韩成人伦理影院| 欧美激情国产日韩精品一区| 国产精品一区二区三区四区免费观看| 伦理电影大哥的女人| 人妻夜夜爽99麻豆av| 午夜福利在线观看免费完整高清在 | 国产成人91sexporn| 精品午夜福利在线看| 日本免费a在线| 午夜精品在线福利| 中文字幕免费在线视频6| 又爽又黄a免费视频| 丝袜喷水一区| 看黄色毛片网站| 国产伦一二天堂av在线观看| 国产精品一区二区在线观看99 | 国产一区二区激情短视频| 九九热线精品视视频播放| 久久久久久久午夜电影| 欧美性感艳星| 校园人妻丝袜中文字幕| 超碰av人人做人人爽久久| 精品免费久久久久久久清纯| 99久久精品国产国产毛片| 国产中年淑女户外野战色| 韩国av在线不卡| 国产v大片淫在线免费观看| 国产亚洲av片在线观看秒播厂 | 高清午夜精品一区二区三区 | 久久久精品欧美日韩精品| 狂野欧美激情性xxxx在线观看| 国产精品女同一区二区软件| 亚洲国产精品久久男人天堂| 身体一侧抽搐| 91久久精品电影网| 人妻制服诱惑在线中文字幕| 少妇高潮的动态图| 国产精品久久久久久久电影| 人人妻人人澡欧美一区二区| 久久精品国产亚洲av香蕉五月| 国产精品一区二区三区四区久久| 国产精品爽爽va在线观看网站| 日韩高清综合在线| 少妇人妻精品综合一区二区 | 亚洲成av人片在线播放无| 国产毛片a区久久久久| h日本视频在线播放| 免费黄网站久久成人精品| 丝袜美腿在线中文| 人妻少妇偷人精品九色| 国产精品久久久久久久久免| 一级毛片aaaaaa免费看小| 亚洲在久久综合| 亚洲电影在线观看av| 中文欧美无线码| 国产成人91sexporn| 中国国产av一级| 春色校园在线视频观看| 秋霞在线观看毛片| 国产日韩欧美在线精品| 啦啦啦观看免费观看视频高清| 伊人久久精品亚洲午夜| 97超碰精品成人国产| 你懂的网址亚洲精品在线观看 | 国产女主播在线喷水免费视频网站 | 好男人在线观看高清免费视频| 日韩一区二区三区影片| 99热精品在线国产| 国内精品一区二区在线观看| 日产精品乱码卡一卡2卡三| 国产精品人妻久久久影院| 国产精品爽爽va在线观看网站| 给我免费播放毛片高清在线观看| 成年免费大片在线观看| 国产欧美日韩精品一区二区| 看免费成人av毛片| 蜜臀久久99精品久久宅男| or卡值多少钱| 国产真实乱freesex| 少妇猛男粗大的猛烈进出视频 | 麻豆国产97在线/欧美| 99热网站在线观看| 久久久久久久午夜电影| 免费搜索国产男女视频| 女人被狂操c到高潮| 男女那种视频在线观看| 免费av观看视频| 国产亚洲精品久久久久久毛片| 亚洲成人中文字幕在线播放| 黑人高潮一二区| 嫩草影院新地址| 狂野欧美白嫩少妇大欣赏| 高清在线视频一区二区三区 | 亚洲欧美精品综合久久99| 亚洲人成网站在线观看播放| 全区人妻精品视频| eeuss影院久久| 青青草视频在线视频观看| 国产精品美女特级片免费视频播放器| 又爽又黄a免费视频| 一个人看视频在线观看www免费| 欧美一区二区精品小视频在线| 99热网站在线观看| 99国产精品一区二区蜜桃av| 亚洲一区高清亚洲精品| 日韩成人伦理影院| 2021天堂中文幕一二区在线观| 变态另类丝袜制服| 好男人视频免费观看在线| 国产老妇伦熟女老妇高清| 久久久a久久爽久久v久久| www.av在线官网国产| 久久久久久九九精品二区国产| 亚洲av.av天堂| 久久6这里有精品| 久久精品夜色国产| 国产欧美日韩精品一区二区| 亚洲人成网站在线播放欧美日韩| 久久精品久久久久久噜噜老黄 | 久久久精品94久久精品| 国产精品久久视频播放| a级毛色黄片| 99精品在免费线老司机午夜| 国产高清不卡午夜福利| 久久精品久久久久久噜噜老黄 | 欧美性猛交黑人性爽| av卡一久久| 久久精品国产99精品国产亚洲性色| 18+在线观看网站| 99久久久亚洲精品蜜臀av| 亚州av有码| 嫩草影院入口| 干丝袜人妻中文字幕| 久久久欧美国产精品| 久久精品91蜜桃| 九九久久精品国产亚洲av麻豆| 成人午夜高清在线视频| 婷婷色av中文字幕| 在线国产一区二区在线| 国内少妇人妻偷人精品xxx网站| 国产精品久久久久久精品电影| 免费搜索国产男女视频| 男人狂女人下面高潮的视频| 国产亚洲精品av在线| 日韩欧美 国产精品| 国产精品国产三级国产av玫瑰| 国模一区二区三区四区视频| 美女高潮的动态| 国产精品人妻久久久久久| av在线蜜桃| 99久久中文字幕三级久久日本| 夜夜爽天天搞| 99久国产av精品| 久久久久国产网址| 国产精品综合久久久久久久免费| 亚洲国产欧美在线一区| 欧美成人一区二区免费高清观看| 午夜精品国产一区二区电影 | 女人被狂操c到高潮| av在线亚洲专区| 国产真实伦视频高清在线观看| 麻豆国产97在线/欧美| 国产人妻一区二区三区在| 国内精品久久久久精免费| 美女脱内裤让男人舔精品视频 | 中国美女看黄片| 精品久久久久久成人av| 国产探花极品一区二区| 久久国产乱子免费精品| 久久久精品欧美日韩精品| 久久人人爽人人片av| 在线播放无遮挡| 久久99蜜桃精品久久| a级毛片免费高清观看在线播放| 精品一区二区三区视频在线| 国产探花在线观看一区二区| 亚洲欧美精品自产自拍| 亚洲av免费在线观看| 亚洲婷婷狠狠爱综合网| 高清在线视频一区二区三区 | 欧美另类亚洲清纯唯美| 内射极品少妇av片p| 国产精品福利在线免费观看| 亚洲内射少妇av| 99在线视频只有这里精品首页| 直男gayav资源| 一级黄色大片毛片| 国产精品久久久久久精品电影| 国产成人a∨麻豆精品| 成人二区视频| 看免费成人av毛片| 26uuu在线亚洲综合色| 麻豆av噜噜一区二区三区| 成人综合一区亚洲| av.在线天堂| 亚洲av成人av| 欧美成人a在线观看| 欧美另类亚洲清纯唯美| 国语自产精品视频在线第100页| 国产一区二区在线观看日韩| 日日摸夜夜添夜夜爱| 成人二区视频| 成人永久免费在线观看视频| 久久国产乱子免费精品| 日本爱情动作片www.在线观看| 晚上一个人看的免费电影| 免费看光身美女| avwww免费| 丝袜美腿在线中文| 如何舔出高潮| 亚洲国产精品合色在线| 五月伊人婷婷丁香| 亚洲国产精品成人综合色| 精品99又大又爽又粗少妇毛片| www.av在线官网国产| 男女下面进入的视频免费午夜| а√天堂www在线а√下载| 久久精品国产亚洲av天美| 免费av不卡在线播放| 91麻豆精品激情在线观看国产| 亚洲精品影视一区二区三区av| 精品久久久久久久久久久久久| 日本黄色视频三级网站网址| 亚洲精品色激情综合| 一本一本综合久久| 天堂av国产一区二区熟女人妻| 亚洲av中文av极速乱| 观看美女的网站| 免费黄网站久久成人精品| 夜夜看夜夜爽夜夜摸| 久久精品国产清高在天天线| 两个人视频免费观看高清| 别揉我奶头 嗯啊视频| 高清午夜精品一区二区三区 | 国产综合懂色| 99久久久亚洲精品蜜臀av| 国产黄a三级三级三级人| 51国产日韩欧美| 免费av观看视频| av免费观看日本| 欧美激情在线99| 日本在线视频免费播放| 精品熟女少妇av免费看| 又粗又硬又长又爽又黄的视频 | 欧美变态另类bdsm刘玥| 久久久午夜欧美精品| 岛国在线免费视频观看| 亚洲不卡免费看| 身体一侧抽搐| 久久精品影院6| 美女cb高潮喷水在线观看| 春色校园在线视频观看| 我的女老师完整版在线观看| 一进一出抽搐gif免费好疼| 成年av动漫网址| 一边亲一边摸免费视频| 精品免费久久久久久久清纯| 亚洲不卡免费看| 亚洲欧美精品自产自拍| 亚洲国产欧美人成| 99热这里只有精品一区| 亚洲国产高清在线一区二区三| 国产av不卡久久| 久久久久性生活片| 白带黄色成豆腐渣| 美女国产视频在线观看| 国产真实乱freesex| av黄色大香蕉| 网址你懂的国产日韩在线| 亚洲av免费在线观看| 亚洲高清免费不卡视频| 国产成人a区在线观看| 2022亚洲国产成人精品| 男女视频在线观看网站免费| 亚洲欧美日韩高清在线视频| 亚洲自拍偷在线| 一本久久中文字幕| 免费av观看视频| 丰满的人妻完整版| 亚洲人与动物交配视频| 岛国毛片在线播放| 国产成人精品婷婷| 精品无人区乱码1区二区| 日韩国内少妇激情av| 国产精品久久久久久精品电影| 国产麻豆成人av免费视频| 熟妇人妻久久中文字幕3abv| 国产伦精品一区二区三区视频9| 中国美女看黄片| 国产亚洲av片在线观看秒播厂 | 日本免费a在线| 久久久a久久爽久久v久久| 亚洲精品乱码久久久久久按摩| 亚洲高清免费不卡视频| 国产综合懂色| 边亲边吃奶的免费视频| 一区二区三区四区激情视频 | 美女黄网站色视频| 亚洲一区高清亚洲精品| 亚洲经典国产精华液单| 欧美一区二区国产精品久久精品| 亚洲av电影不卡..在线观看| 亚洲一区二区三区色噜噜| 综合色av麻豆| 直男gayav资源| 2022亚洲国产成人精品| 夜夜爽天天搞| 亚洲人成网站在线观看播放| 少妇丰满av| 99在线视频只有这里精品首页| 国产午夜精品论理片| 免费av毛片视频| 乱系列少妇在线播放| 免费av不卡在线播放| 久久久久久久午夜电影| 直男gayav资源| 蜜臀久久99精品久久宅男| 少妇猛男粗大的猛烈进出视频 | h日本视频在线播放| 久久精品影院6| 欧美成人精品欧美一级黄| 久久精品91蜜桃| 少妇裸体淫交视频免费看高清| 国产色爽女视频免费观看| 国产精品福利在线免费观看| 极品教师在线视频| 三级经典国产精品| 亚洲精品国产成人久久av| 高清毛片免费看| 免费看a级黄色片| 久久午夜亚洲精品久久| 天天一区二区日本电影三级| 又粗又硬又长又爽又黄的视频 | 中国美白少妇内射xxxbb| 久久婷婷人人爽人人干人人爱| 亚洲国产精品成人久久小说 | 综合色丁香网| 观看免费一级毛片| 91av网一区二区| 一进一出抽搐动态| 精品熟女少妇av免费看| 久久综合国产亚洲精品| 直男gayav资源| 神马国产精品三级电影在线观看| 亚洲精品久久国产高清桃花| 午夜视频国产福利| 亚洲自偷自拍三级| 亚洲av不卡在线观看| 边亲边吃奶的免费视频| 91久久精品国产一区二区成人| 免费一级毛片在线播放高清视频| 国产激情偷乱视频一区二区| 欧美+亚洲+日韩+国产| 久久韩国三级中文字幕| av在线亚洲专区| 亚洲内射少妇av| 精品久久久久久久久久久久久| 2021天堂中文幕一二区在线观| 久久午夜亚洲精品久久| 国产免费男女视频| av又黄又爽大尺度在线免费看 | 亚洲欧美日韩卡通动漫| 美女被艹到高潮喷水动态| 久久久久久伊人网av| 成人二区视频| 成人毛片60女人毛片免费| 99久久无色码亚洲精品果冻| 波多野结衣巨乳人妻| 美女国产视频在线观看| 久久草成人影院| 国产精品综合久久久久久久免费| 天天躁日日操中文字幕| 国产伦在线观看视频一区| 麻豆国产97在线/欧美| 99久久成人亚洲精品观看| 日本色播在线视频| 秋霞在线观看毛片| 精品一区二区三区人妻视频| 一级二级三级毛片免费看| 亚洲丝袜综合中文字幕| 免费电影在线观看免费观看| 国产日本99.免费观看| 99久久久亚洲精品蜜臀av| 好男人视频免费观看在线| 日韩,欧美,国产一区二区三区 | 国产精品日韩av在线免费观看| 国产乱人偷精品视频| 亚洲欧美日韩无卡精品| 热99re8久久精品国产| 精品一区二区三区人妻视频| 毛片一级片免费看久久久久| 国产精品乱码一区二三区的特点| 中文字幕熟女人妻在线| 精品久久久久久久久久免费视频| avwww免费| 亚洲人成网站在线播| 中文欧美无线码| 日韩 亚洲 欧美在线| 国产成人精品久久久久久| 18禁裸乳无遮挡免费网站照片| www.av在线官网国产| 国产高清有码在线观看视频| 久久亚洲国产成人精品v| 国产一区二区亚洲精品在线观看| 亚洲天堂国产精品一区在线| 久久精品夜夜夜夜夜久久蜜豆| 久久精品国产99精品国产亚洲性色| 欧美精品一区二区大全| 午夜精品在线福利| 亚洲第一区二区三区不卡| 18禁在线无遮挡免费观看视频| 伊人久久精品亚洲午夜| 欧美性猛交╳xxx乱大交人| 亚洲在线自拍视频| 五月玫瑰六月丁香| 精品久久久久久久久久免费视频| 亚洲熟妇中文字幕五十中出| 国产成人a区在线观看| 久久久久久久久久黄片| 在线播放国产精品三级| 成人国产麻豆网| 亚洲国产精品久久男人天堂| 看非洲黑人一级黄片| 国产精品伦人一区二区| 精品熟女少妇av免费看| 男人的好看免费观看在线视频| av天堂中文字幕网| 嫩草影院入口| 夫妻性生交免费视频一级片| 97热精品久久久久久| 婷婷亚洲欧美| 久久6这里有精品| 婷婷精品国产亚洲av| 一级毛片我不卡| 99视频精品全部免费 在线| 国产亚洲av嫩草精品影院| av福利片在线观看| 男女视频在线观看网站免费| 久久久久久久久久久免费av| 91在线精品国自产拍蜜月| 久久鲁丝午夜福利片| 91久久精品国产一区二区成人| 国产黄片美女视频| 久久6这里有精品| 国产毛片a区久久久久| 卡戴珊不雅视频在线播放| 国产精品一区二区三区四区免费观看| 亚洲欧美日韩卡通动漫| 九草在线视频观看| 日韩av在线大香蕉| 一个人看的www免费观看视频| 少妇猛男粗大的猛烈进出视频 | 1000部很黄的大片| 午夜精品在线福利| 一区二区三区高清视频在线| 99热6这里只有精品| 黄片无遮挡物在线观看| 成人二区视频| 久久精品国产自在天天线| 国产精品永久免费网站| 久久中文看片网| 亚洲人成网站高清观看| 97超视频在线观看视频| 国内精品久久久久精免费| 精品久久国产蜜桃| 国产精品野战在线观看| a级毛片a级免费在线| 久久亚洲国产成人精品v| 日本爱情动作片www.在线观看| 亚洲最大成人中文| 免费观看人在逋| 国产精品.久久久| 亚洲婷婷狠狠爱综合网| 老熟妇乱子伦视频在线观看| 丝袜美腿在线中文| 在线a可以看的网站| 亚洲四区av| 精品人妻偷拍中文字幕| 免费在线观看成人毛片| 精华霜和精华液先用哪个| 欧洲精品卡2卡3卡4卡5卡区| 久久久久久久久大av| 久久久精品大字幕| 精品久久久久久久久av| 尾随美女入室| av在线播放精品| 变态另类成人亚洲欧美熟女| 最后的刺客免费高清国语| 1000部很黄的大片| 精品无人区乱码1区二区| 黄片无遮挡物在线观看| 亚洲av电影不卡..在线观看| 久久亚洲精品不卡| av在线老鸭窝| 97在线视频观看| 一个人看视频在线观看www免费| 性插视频无遮挡在线免费观看| 三级男女做爰猛烈吃奶摸视频| 久久久色成人| 亚洲真实伦在线观看| 成熟少妇高潮喷水视频| 国产精品,欧美在线| 日韩视频在线欧美| 亚洲精品国产成人久久av| 日韩,欧美,国产一区二区三区 | 一边摸一边抽搐一进一小说| 国产极品精品免费视频能看的| 午夜激情欧美在线|