• <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
    国产精品伦人一区二区| 亚洲国产精品成人综合色| 91麻豆精品激情在线观看国产| 哪里可以看免费的av片| 国产黄色小视频在线观看| 一本久久精品| 久久久久久久亚洲中文字幕| 亚洲经典国产精华液单| 中文欧美无线码| 色综合站精品国产| 久久久国产成人免费| 亚洲久久久久久中文字幕| 日日摸夜夜添夜夜添av毛片| 亚洲精品日韩在线中文字幕 | 国产综合懂色| 精品不卡国产一区二区三区| 久久国产乱子免费精品| 日日摸夜夜添夜夜爱| 欧美色视频一区免费| 亚洲图色成人| 一级黄色大片毛片| 国产精品,欧美在线| 国产高清有码在线观看视频| 成熟少妇高潮喷水视频| 岛国毛片在线播放| 欧美bdsm另类| av视频在线观看入口| 51国产日韩欧美| 99热这里只有是精品50| 身体一侧抽搐| 国产国拍精品亚洲av在线观看| 欧美成人一区二区免费高清观看| 国产大屁股一区二区在线视频| 看免费成人av毛片| 在线观看一区二区三区| 天天躁日日操中文字幕| 天堂影院成人在线观看| 全区人妻精品视频| av又黄又爽大尺度在线免费看 | 亚洲精品国产av成人精品| 校园春色视频在线观看| 国内精品一区二区在线观看| 亚洲欧洲国产日韩| 六月丁香七月| 一本一本综合久久| 日日摸夜夜添夜夜爱| 亚洲成av人片在线播放无| 日本黄色视频三级网站网址| 久久99精品国语久久久| 日韩欧美三级三区| 激情 狠狠 欧美| 91久久精品国产一区二区三区| 丝袜美腿在线中文| 99热全是精品| 日韩大尺度精品在线看网址| 人妻制服诱惑在线中文字幕| 久久热精品热| 国产成年人精品一区二区| 超碰av人人做人人爽久久| 久久久色成人| 特大巨黑吊av在线直播| 亚洲av电影不卡..在线观看| av专区在线播放| .国产精品久久| 91久久精品电影网| 成人三级黄色视频| 欧美一区二区国产精品久久精品| 免费人成视频x8x8入口观看| 秋霞在线观看毛片| 99久久人妻综合| 丝袜喷水一区| 搞女人的毛片| 国产不卡一卡二| av在线播放精品| 性欧美人与动物交配| av在线亚洲专区| 国产精品福利在线免费观看| 两个人视频免费观看高清| 成人鲁丝片一二三区免费| 欧美日韩国产亚洲二区| avwww免费| av卡一久久| 欧美极品一区二区三区四区| 亚洲成人av在线免费| 日韩欧美一区二区三区在线观看| 国产精华一区二区三区| 啦啦啦韩国在线观看视频| 成人毛片a级毛片在线播放| 亚洲国产欧美在线一区| 最近2019中文字幕mv第一页| 两性午夜刺激爽爽歪歪视频在线观看| 男人舔女人下体高潮全视频| 亚洲精品久久国产高清桃花| 又黄又爽又刺激的免费视频.| 在线天堂最新版资源| av免费在线看不卡| 麻豆成人午夜福利视频| 色5月婷婷丁香| 亚洲成人精品中文字幕电影| 一卡2卡三卡四卡精品乱码亚洲| 国产白丝娇喘喷水9色精品| 国内揄拍国产精品人妻在线| 六月丁香七月| 又爽又黄a免费视频| 小说图片视频综合网站| 国产亚洲91精品色在线| 99热全是精品| 岛国毛片在线播放| 婷婷六月久久综合丁香| 久久久久网色| 91狼人影院| 村上凉子中文字幕在线| 国模一区二区三区四区视频| 亚洲在线观看片| 夜夜看夜夜爽夜夜摸| 五月玫瑰六月丁香| 国产视频内射| 一个人看的www免费观看视频| 91麻豆精品激情在线观看国产| 久久国内精品自在自线图片| 少妇的逼水好多| 国产亚洲5aaaaa淫片| 我要搜黄色片| 国产综合懂色| 日韩精品青青久久久久久| 欧美性猛交黑人性爽| 人妻系列 视频| 熟妇人妻久久中文字幕3abv| 久久久久久伊人网av| 给我免费播放毛片高清在线观看| 中文字幕av在线有码专区| 日日啪夜夜撸| 男女视频在线观看网站免费| 日韩大尺度精品在线看网址| 日韩欧美精品v在线| 69人妻影院| 色尼玛亚洲综合影院| 天堂中文最新版在线下载 | 日本一二三区视频观看| 波多野结衣巨乳人妻| 99久久久亚洲精品蜜臀av| 国产一区二区激情短视频| 午夜激情福利司机影院| 亚洲欧美日韩东京热| 国产高清激情床上av| 一边摸一边抽搐一进一小说| 尾随美女入室| 久久久久久伊人网av| 好男人在线观看高清免费视频| 看黄色毛片网站| 久久99精品国语久久久| 能在线免费看毛片的网站| 精品国内亚洲2022精品成人| 99国产极品粉嫩在线观看| 精品免费久久久久久久清纯| 精品久久久噜噜| 中文字幕av成人在线电影| 超碰av人人做人人爽久久| 免费黄网站久久成人精品| 亚洲国产高清在线一区二区三| 亚洲熟妇中文字幕五十中出| 国产精品久久久久久久久免| 国产高潮美女av| 噜噜噜噜噜久久久久久91| 又爽又黄无遮挡网站| 三级男女做爰猛烈吃奶摸视频| 免费不卡的大黄色大毛片视频在线观看 | 搞女人的毛片| 国产精品人妻久久久影院| 午夜爱爱视频在线播放| 熟妇人妻久久中文字幕3abv| 亚洲综合色惰| 99热这里只有是精品在线观看| 成人高潮视频无遮挡免费网站| 99久久精品热视频| 久久精品国产亚洲网站| 国产高清不卡午夜福利| 成年女人永久免费观看视频| 成人亚洲精品av一区二区| 成人亚洲欧美一区二区av| 九色成人免费人妻av| 18禁黄网站禁片免费观看直播| av在线播放精品| 中文字幕人妻熟人妻熟丝袜美| 亚洲成人久久性| 观看美女的网站| 亚洲不卡免费看| 高清午夜精品一区二区三区 | 欧美激情久久久久久爽电影| 亚洲国产欧洲综合997久久,| 精品99又大又爽又粗少妇毛片| 成人特级黄色片久久久久久久| 亚洲内射少妇av| 免费看日本二区| 亚洲成人av在线免费| 变态另类丝袜制服| 亚洲人成网站在线播| 国产一级毛片七仙女欲春2| 久久久久久大精品| 十八禁国产超污无遮挡网站| 亚洲真实伦在线观看| а√天堂www在线а√下载| 十八禁国产超污无遮挡网站| 97人妻精品一区二区三区麻豆| 在线观看午夜福利视频| 又黄又爽又刺激的免费视频.| 一区二区三区高清视频在线| 亚洲aⅴ乱码一区二区在线播放| 日本一本二区三区精品| 久久99精品国语久久久| 一本久久中文字幕| 欧美不卡视频在线免费观看| 久久精品综合一区二区三区| 丝袜喷水一区| 欧美+亚洲+日韩+国产| 国产一区二区激情短视频| 精品人妻熟女av久视频| 国产伦理片在线播放av一区 | 熟女人妻精品中文字幕| 看十八女毛片水多多多| АⅤ资源中文在线天堂| 亚洲第一电影网av| 亚洲成人精品中文字幕电影| 亚洲欧美中文字幕日韩二区| 网址你懂的国产日韩在线| 国产黄a三级三级三级人| 99久国产av精品| 色哟哟哟哟哟哟| 最近中文字幕高清免费大全6| 亚洲在线自拍视频| 国产一区二区在线观看日韩| 在线免费观看不下载黄p国产| .国产精品久久| 狂野欧美激情性xxxx在线观看| 欧美另类亚洲清纯唯美| 成人毛片60女人毛片免费| 狠狠狠狠99中文字幕| 黄色欧美视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 国产精品一区www在线观看| 精品少妇黑人巨大在线播放 | 国产精品野战在线观看| 黄片wwwwww| 乱系列少妇在线播放| 国语自产精品视频在线第100页| 国国产精品蜜臀av免费| 校园春色视频在线观看| 日本与韩国留学比较| 亚洲精品久久国产高清桃花| 成人高潮视频无遮挡免费网站| 天堂√8在线中文| 极品教师在线视频| 亚洲真实伦在线观看| 99久久精品国产国产毛片| 国产成人午夜福利电影在线观看| 波多野结衣高清无吗| av在线观看视频网站免费| 国产毛片a区久久久久| 亚洲激情五月婷婷啪啪| 久久久久久久午夜电影| 久久精品国产亚洲网站| 精品少妇黑人巨大在线播放 | 国产麻豆成人av免费视频| 少妇的逼水好多| 日本五十路高清| 一个人免费在线观看电影| 高清毛片免费看| 小说图片视频综合网站| 2022亚洲国产成人精品| 日日干狠狠操夜夜爽| 精品久久久久久久久久免费视频| 12—13女人毛片做爰片一| a级毛片a级免费在线| 亚洲av不卡在线观看| 岛国毛片在线播放| 国产男人的电影天堂91| 日本欧美国产在线视频| 国产色爽女视频免费观看| 神马国产精品三级电影在线观看| 久久久精品94久久精品| 亚洲av熟女| 内地一区二区视频在线| 欧美精品一区二区大全| 日韩欧美精品v在线| 欧美成人a在线观看| 精品久久久久久久久久久久久| 变态另类成人亚洲欧美熟女| 免费不卡的大黄色大毛片视频在线观看 | 国产精品永久免费网站| 插逼视频在线观看| 免费av毛片视频| 美女cb高潮喷水在线观看| 男女那种视频在线观看| 国内精品美女久久久久久| 一区福利在线观看| 一进一出抽搐动态| 亚洲天堂国产精品一区在线| 欧美一区二区精品小视频在线| 我要看日韩黄色一级片| 国产69精品久久久久777片| 在线国产一区二区在线| 久久亚洲精品不卡| 一区二区三区四区激情视频 | 免费看a级黄色片| 99九九线精品视频在线观看视频| 午夜精品国产一区二区电影 | 国内精品久久久久精免费| www.av在线官网国产| 欧美日韩国产亚洲二区| 欧美日韩在线观看h| 性插视频无遮挡在线免费观看| 简卡轻食公司| 看免费成人av毛片| 国产成年人精品一区二区| 国产黄色视频一区二区在线观看 | 啦啦啦韩国在线观看视频| 亚洲电影在线观看av| 男女那种视频在线观看| 国产午夜福利久久久久久| 国产精品爽爽va在线观看网站| 成人鲁丝片一二三区免费| 三级男女做爰猛烈吃奶摸视频| 国产精品久久久久久精品电影| 黄片wwwwww| 亚洲高清免费不卡视频| 大又大粗又爽又黄少妇毛片口| 国产极品天堂在线| 亚洲av一区综合| 久久精品国产鲁丝片午夜精品| 变态另类成人亚洲欧美熟女| 黑人高潮一二区| 中出人妻视频一区二区| 免费av观看视频| 国产精品一区二区在线观看99 | 三级毛片av免费| 伊人久久精品亚洲午夜| 精品人妻视频免费看| 国内精品宾馆在线| 伦精品一区二区三区| 美女大奶头视频| 国产精华一区二区三区| 天堂影院成人在线观看| 美女大奶头视频| 国产老妇伦熟女老妇高清| 伦理电影大哥的女人| 亚洲欧美成人综合另类久久久 | 久久久色成人| 国产欧美日韩精品一区二区| 国产精品一区二区三区四区久久| 草草在线视频免费看| 午夜福利在线观看吧| 午夜免费男女啪啪视频观看| 亚洲精品亚洲一区二区| 日日撸夜夜添| 老司机影院成人| 久久久欧美国产精品| 日韩三级伦理在线观看| 日本撒尿小便嘘嘘汇集6| 网址你懂的国产日韩在线| 国产一区二区在线av高清观看| 亚洲人与动物交配视频| 亚洲国产精品合色在线| 91麻豆精品激情在线观看国产| 非洲黑人性xxxx精品又粗又长| 欧美激情国产日韩精品一区| 婷婷六月久久综合丁香| 日韩亚洲欧美综合| 国产午夜精品久久久久久一区二区三区| 欧美最黄视频在线播放免费| 婷婷精品国产亚洲av| 少妇的逼好多水| 青春草国产在线视频 | 国产真实伦视频高清在线观看| 成人无遮挡网站| 欧美潮喷喷水| 久久这里只有精品中国| 精品欧美国产一区二区三| 欧美最黄视频在线播放免费| 久久国产乱子免费精品| 乱系列少妇在线播放| 亚洲一区二区三区色噜噜| 久久久色成人| 久久久久久九九精品二区国产| 禁无遮挡网站| 麻豆久久精品国产亚洲av| 亚洲四区av| 小说图片视频综合网站| 国产精华一区二区三区| 一区二区三区高清视频在线| 最近的中文字幕免费完整| 久久久久久九九精品二区国产| 麻豆成人午夜福利视频| 日韩av不卡免费在线播放| 日韩 亚洲 欧美在线| 日韩精品青青久久久久久| 三级毛片av免费| 亚洲精品自拍成人| 成年免费大片在线观看| 黄片无遮挡物在线观看| 成人二区视频| 日韩精品有码人妻一区| 亚洲美女搞黄在线观看| 国产私拍福利视频在线观看| 欧美一级a爱片免费观看看| 亚洲国产欧美在线一区| 国产伦精品一区二区三区四那| 成年女人永久免费观看视频| 97超碰精品成人国产| 青春草亚洲视频在线观看| 日韩欧美在线乱码| 一个人免费在线观看电影| 内射极品少妇av片p| 午夜亚洲福利在线播放| 白带黄色成豆腐渣| 春色校园在线视频观看| 国产高潮美女av| 国产美女午夜福利| 国产精品福利在线免费观看| 人妻久久中文字幕网| 五月伊人婷婷丁香| 成年av动漫网址| 男女做爰动态图高潮gif福利片| 国产精品久久电影中文字幕| 高清日韩中文字幕在线| 日韩大尺度精品在线看网址| 97在线视频观看| 久久久欧美国产精品| 激情 狠狠 欧美| 国产成人freesex在线| 嫩草影院新地址| 黄色配什么色好看| 国产成人影院久久av| 国产一级毛片七仙女欲春2| 国产片特级美女逼逼视频| 日本免费一区二区三区高清不卡| 国产视频内射| 色噜噜av男人的天堂激情| 国产久久久一区二区三区| 亚洲一级一片aⅴ在线观看| 精品久久久久久久久久免费视频| 亚洲18禁久久av| 美女被艹到高潮喷水动态| 九色成人免费人妻av| 久久久久久久久中文| 免费看美女性在线毛片视频| 一个人看的www免费观看视频| 日韩高清综合在线| 两个人的视频大全免费| 久久精品国产亚洲网站| 黄片wwwwww| 久久精品国产鲁丝片午夜精品| 丰满人妻一区二区三区视频av| 免费观看精品视频网站| 欧美一区二区国产精品久久精品| 欧美+日韩+精品| 欧美成人a在线观看| 你懂的网址亚洲精品在线观看 | 午夜福利视频1000在线观看| 女人十人毛片免费观看3o分钟| 国内精品一区二区在线观看| 性色avwww在线观看| 色哟哟哟哟哟哟| 狂野欧美白嫩少妇大欣赏| 2022亚洲国产成人精品| 亚洲av不卡在线观看| 国产一区二区三区av在线 | av天堂中文字幕网| 黄色日韩在线| 中国国产av一级| 日韩大尺度精品在线看网址| 草草在线视频免费看| 亚洲国产精品久久男人天堂| 美女大奶头视频| 一级黄片播放器| 免费观看在线日韩| 国产黄色小视频在线观看| av在线亚洲专区| 淫秽高清视频在线观看| 久久这里有精品视频免费| 99在线人妻在线中文字幕| 又黄又爽又刺激的免费视频.| 久久久成人免费电影| 色视频www国产| 色哟哟哟哟哟哟| 中国美女看黄片| 免费无遮挡裸体视频| 99国产精品一区二区蜜桃av| 国产伦理片在线播放av一区 | 床上黄色一级片| 级片在线观看| 91av网一区二区| 亚洲人与动物交配视频| 天堂中文最新版在线下载 | 嫩草影院精品99| a级一级毛片免费在线观看| 国产一区亚洲一区在线观看| 日本三级黄在线观看| 国产 一区精品| 中文字幕精品亚洲无线码一区| 国产高潮美女av| 国产精品嫩草影院av在线观看| 三级男女做爰猛烈吃奶摸视频| 女人十人毛片免费观看3o分钟| 熟妇人妻久久中文字幕3abv| 我要看日韩黄色一级片| 看片在线看免费视频| 亚洲成人中文字幕在线播放| 国产亚洲av嫩草精品影院| 女同久久另类99精品国产91| a级毛片a级免费在线| 午夜视频国产福利| 综合色丁香网| 国产伦在线观看视频一区| 午夜老司机福利剧场| 日本一二三区视频观看| 2022亚洲国产成人精品| 亚洲第一电影网av| 91久久精品国产一区二区三区| 免费无遮挡裸体视频| 成人性生交大片免费视频hd| 97人妻精品一区二区三区麻豆| 日本一本二区三区精品| 综合色丁香网| 国产精品久久久久久久电影| 秋霞在线观看毛片| 久久久久久伊人网av| 亚洲成av人片在线播放无| 欧美成人一区二区免费高清观看| 久久久午夜欧美精品| 国产av一区在线观看免费| 欧美一区二区国产精品久久精品| 亚洲经典国产精华液单| 狂野欧美白嫩少妇大欣赏| 搡女人真爽免费视频火全软件| 国产日韩欧美在线精品| 免费观看人在逋| 日本-黄色视频高清免费观看| 桃色一区二区三区在线观看| 国产精品国产三级国产av玫瑰| 日韩成人伦理影院| 亚洲va在线va天堂va国产| 自拍偷自拍亚洲精品老妇| 国产又黄又爽又无遮挡在线| 免费看美女性在线毛片视频| av天堂中文字幕网| 日韩一区二区三区影片| 日韩欧美一区二区三区在线观看| 97超碰精品成人国产| 亚洲va在线va天堂va国产| 免费看a级黄色片| 丝袜喷水一区| 一夜夜www| 99久久久亚洲精品蜜臀av| 中文字幕免费在线视频6| 99在线人妻在线中文字幕| 国产精品一区二区三区四区免费观看| 久99久视频精品免费| 亚洲欧美成人综合另类久久久 | 91午夜精品亚洲一区二区三区| 国产久久久一区二区三区| 狂野欧美激情性xxxx在线观看| 女同久久另类99精品国产91| 日本黄色片子视频| 国产精品一区二区三区四区久久| 九草在线视频观看| 国产精品美女特级片免费视频播放器| 久久这里只有精品中国| 亚洲欧美成人精品一区二区| 午夜福利视频1000在线观看| av免费观看日本| 免费观看精品视频网站| 少妇猛男粗大的猛烈进出视频 | 女人被狂操c到高潮| 亚洲国产欧美在线一区| 国产精品一区二区三区四区免费观看| 亚洲人与动物交配视频| 日日撸夜夜添| 精品少妇黑人巨大在线播放 | 一级毛片aaaaaa免费看小| 一个人观看的视频www高清免费观看| 午夜福利高清视频| 高清毛片免费看| 国产精品精品国产色婷婷| 在线天堂最新版资源| 嘟嘟电影网在线观看| 国产一区二区在线av高清观看| av天堂中文字幕网| 亚洲一区高清亚洲精品| 国产国拍精品亚洲av在线观看| 亚洲av二区三区四区| 亚洲成a人片在线一区二区| 国产精品,欧美在线| 少妇熟女aⅴ在线视频| 亚洲人与动物交配视频| 99久久中文字幕三级久久日本| 国产伦一二天堂av在线观看| 国产片特级美女逼逼视频| 婷婷六月久久综合丁香| 欧美日韩国产亚洲二区| 精品一区二区三区视频在线| 99久久精品热视频| 国产伦在线观看视频一区| 简卡轻食公司| 亚洲av.av天堂| 特级一级黄色大片| 国产精品一区www在线观看| 日日撸夜夜添| 少妇熟女aⅴ在线视频| 非洲黑人性xxxx精品又粗又长| 久久久久久久久久黄片| 伦理电影大哥的女人| 桃色一区二区三区在线观看| 哪里可以看免费的av片| 亚洲成人av在线免费| 亚洲欧美精品综合久久99|