• <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 ?

    基于視角一致性三元組損失的車輛重識別技術(shù)

    2021-08-30 05:36:34劉晗煜黃宏恩鄭世寶
    測控技術(shù) 2021年8期
    關(guān)鍵詞:三元組一致性損失

    劉晗煜,黃宏恩,鄭世寶

    (上海交通大學(xué),上海 201100)

    隨著計算機視覺技術(shù)的快速發(fā)展,車輛重識別作為其中一項基礎(chǔ)任務(wù),在智能交通及城市監(jiān)控系統(tǒng)等領(lǐng)域得到了廣泛應(yīng)用。這項任務(wù)旨在從圖庫(Gallery)中檢索出與查詢圖(Query)屬于同一輛車的圖片,流程如圖1所示。該任務(wù)首先提取圖片特征,然后計算特征間相似性度量,最后根據(jù)相似性排序,從圖庫中召回與查詢圖相似性高的圖片。需要注意的是,圖庫中的圖片往往取自放置在不同視角的多個攝像機,這意味著圖庫中同一車輛在不同的圖片上會呈現(xiàn)較大的外觀差異,給這項任務(wù)帶來了巨大的挑戰(zhàn)。

    圖1 車輛重識別任務(wù)流程圖

    總體上,通過計算機視覺技術(shù)實現(xiàn)車輛重識別的主流方法可以大致分為基于手工特征的方法和基于深度特征的方法。

    基于手工特征的方法是早期這項任務(wù)中使用最廣泛的方法。手工特征是指人為設(shè)計的特征,它的每一維度都具有特定的含義,代表了圖像中的某一具體屬性。在這類方法中,外觀描述符常常被用于實現(xiàn)車輛重識別任務(wù)。例如,Woesler[1]利用了車頂?shù)念伾畔?;Watcharapinchai等[2]提出了基于車牌號的車輛重識別方法。然而,由于攝像頭分辨率、光照、視角和遮擋等因素,顏色和車牌號等特殊信息有時也難以準(zhǔn)確獲得。因此,基于手工特征的方法往往具有局限性。

    近年來,深度學(xué)習(xí)在計算機視覺中表現(xiàn)出明顯的優(yōu)異性,并成功應(yīng)用于人臉識別、行為識別和行人及車輛重識別等多項任務(wù)。因此,越來越多的研究采用深度特征實現(xiàn)車輛重識別。這類方法需要合理地設(shè)計深度網(wǎng)絡(luò)模型,將輸入特征(車輛圖片)映射到潛在的特征空間。在潛在特征空間中,相同車輛間的類內(nèi)間距應(yīng)盡可能小,不同車輛間的類間差異性應(yīng)盡可能大。在這些方法中,Li等[3]提出了一種基于CNN的方法,它能高效挖掘車輛具有辨別性的信息;Schroff等[4]為卷積神經(jīng)網(wǎng)絡(luò)提出了三元組的訓(xùn)練方式,通過充分學(xué)習(xí)三元組中正樣本對與負(fù)樣本對的相對相似性,提升了模型的表現(xiàn)性能。

    相比于基于手工特征的方法,基于深度特征的方法已經(jīng)取得較大的突破,但車輛重識別任務(wù)依然存在以下幾個挑戰(zhàn):首先是多視角挑戰(zhàn),即車輛外觀在不同視角下急劇變化導(dǎo)致了所提取特征的不穩(wěn)定性。如圖2所示,每一行是同一輛車不同視角的圖像,每一列是不同的車相似視角下的圖像,模型很容易認(rèn)為圖2(a)和圖2(d)比圖2(b)、圖2(c)更相似。其次是車型近似重復(fù)挑戰(zhàn),即市面上存在大量相似型號的車輛。這些車輛間的區(qū)分度嚴(yán)重依賴于局部細(xì)節(jié),圖2中方框標(biāo)出的部分都是可以區(qū)分兩輛車的局部信息。

    圖2 車輛圖像示例

    1 相關(guān)工作

    針對視角多樣性挑戰(zhàn),VANet[5]提出采用不同的策略來識別來自相同視角和不同視角的圖片。首先,對圖片中車輛的方向進(jìn)行分類預(yù)測,通過將輸入圖像映射到同向和反向兩個潛在特征空間中,提升了模型在視角多樣性場景下的表現(xiàn)性能。然而,該網(wǎng)絡(luò)僅預(yù)測了前后兩個角度,即圖2中第一列和第三列兩種視角,忽略了第二列的情況,而實際攝像頭中的視角更為多樣,且該網(wǎng)絡(luò)的擴展代價較大。如果要提高角度預(yù)測的分類數(shù),網(wǎng)絡(luò)的分支數(shù)會隨角度分類數(shù)呈指數(shù)級增長,訓(xùn)練集標(biāo)注也會隨角度的細(xì)化而變得難以用肉眼判斷,因此該網(wǎng)絡(luò)難以覆蓋車輛重識別的復(fù)雜應(yīng)用場景。

    針對車型近似重復(fù)的挑戰(zhàn),He等[6]提出的局部正則化網(wǎng)絡(luò)(Part-Regularized Network,PRN)和Meng等[7]提出的基于解析的視角感知嵌入網(wǎng)絡(luò)(Parsing-Based View-Aware Embedding Network,PVEN)均從局部特征入手。PRN將目標(biāo)檢測中的感興趣區(qū)域(Region of Interest,ROI)引入車輛重識別任務(wù),單獨提取出車窗、車燈和品牌(Logo)3個區(qū)域的局部特征,然后與全局特征結(jié)合。然而,車輛的判別性信息可能出現(xiàn)在車輛的任何部位,僅用以上3個區(qū)域代表局部信息并不全面,如圖2中藍(lán)框標(biāo)出的車頂、車尾紅燈都是具有判別性但被PRN忽略的局部信息。PVEN認(rèn)為,兩張車輛圖片中均顯示的公共部分?jǐn)y帶著更為豐富的判別性局部信息,需要重點關(guān)注。為此,采用U-net將兩張圖片中的車輛分割為具有特定語義的四大區(qū)域(車頭、車尾、車頂和車側(cè)),并根據(jù)兩輛車對應(yīng)區(qū)域的占比情況,計算出各區(qū)域的可見性分?jǐn)?shù),使模型重點關(guān)注可見性分?jǐn)?shù)較高的局部區(qū)域。但是,PVEN在視角多樣性方面僅關(guān)注了單區(qū)域局部特征的對齊與增強,這顯然是不夠全面的,車輛視角問題應(yīng)該從整張車輛圖片來考慮。

    受PVEN[7]中車輛四分割方法的啟發(fā),筆者認(rèn)為,車輛分割后各個區(qū)域面積占比在一定程度上反映了該圖的拍攝視角。兩張車輛圖片中對應(yīng)區(qū)域占比的情況越相似,則它們的視角越一致。因此,本文提出基于區(qū)域分割的車輛視角一致性算法,并由此設(shè)計了新的視角一致性三元組損失。該損失給予視角上挑戰(zhàn)性較大的樣本更高的權(quán)重,并過濾掉視角簡單樣本,使模型可以學(xué)習(xí)到更深層的距離度量。實驗結(jié)果表明,本文的方法在mAP、rank-1、rank-5、rank-10這4項車輛重識別的主要指標(biāo)上均優(yōu)于PVEN方法。

    2 方法

    由于PVEN[7]中提供了較好的車輛分割網(wǎng)絡(luò)和全局特征與局部特征結(jié)合的架構(gòu),而局部特征的距離度量極易受到視角的影響,因此,本文選擇在PVEN的局部分支中驗證視角一致性感知損失的效果。

    為了便于說明,引入以下標(biāo)記:對于數(shù)據(jù)集X來說,a,p,n是3張車輛圖片樣本且a,p,n∈X。其中,a代表錨點(anchor);p代表正樣本(positive),與a屬于同一車輛(id相同);n代表負(fù)樣本(negative),與a屬于不同車輛。(a,p,n)是一個三元組。

    2.1 訓(xùn)練網(wǎng)絡(luò)框架

    本文的網(wǎng)絡(luò)框架如圖3所示。該網(wǎng)絡(luò)框架基于PVEN[7]進(jìn)行改進(jìn),PVEN首先提取全局特征圖(Feature Map)和區(qū)域分割掩膜,然后采用雙分支結(jié)構(gòu),全局分支用于獲得全局特征距離和損失,局部分支用于獲得局部特征距離及局部三元組損失。在此基礎(chǔ)上加入了一個視角一致性分支,用于獲得視角一致性三元組系數(shù),并將該系數(shù)與局部分支的三元組損失計算結(jié)果相乘,形成局部視角一致性三元組損失,從而引導(dǎo)網(wǎng)絡(luò)去學(xué)習(xí)更具視角魯棒性的車輛圖像特征。

    (1)

    (2)

    (3)

    (4)

    (5)

    (6)

    (7)

    在訓(xùn)練階段,總損失的計算公式為

    (8)

    在測試階段,用于排序和推斷的相似性度量由全局特征距離和局部特征距離加權(quán)相加獲得,計算公式為

    (9)

    2.2 視角一致性

    PVEN提出,由于其剛體和類六面體性質(zhì),車輛可以較容易地被語義分割為車頭、車尾、車頂和車側(cè)4個區(qū)域。筆者認(rèn)為分割后車輛各區(qū)域的面積占比可以體現(xiàn)其拍攝視角,例如,若車頭占比最大,說明車輛極有可能是從前往后拍的;若車頂占比較高,說明攝像頭安裝位置較高。因此,本文用分割掩膜的面積分布估計車輛視角特征,又用兩個視角特征的點積估計其視角一致性。視角一致性的計算流程如圖4所示。

    圖4 視角一致性的計算流程

    (10)

    (11)

    2.3 視角一致性三元組損失

    為了引導(dǎo)模型學(xué)習(xí)到更具辨別性的特征,筆者將2.2節(jié)提出的視角一致性概念加入三元組篩選的考量中,進(jìn)而設(shè)計出新的視角一致性三元組損失函數(shù)。

    2.3.1 傳統(tǒng)的三元組損失函數(shù)

    傳統(tǒng)的三元組損失函數(shù)[4]是一種最常見的損失函數(shù),也是本文的度量學(xué)習(xí)基準(zhǔn)。三元組損失函數(shù)的目標(biāo)是引導(dǎo)模型學(xué)習(xí)到一種復(fù)雜的特征映射,使數(shù)據(jù)集樣本在潛在特征空間中,對于每個三元組(a,p,n),錨點a到負(fù)樣本n的特征距離Da,n應(yīng)該比到正樣本p的特征距離Da,p更大。這樣才能在重識別任務(wù)中順利地根據(jù)特征距離召回任何一個查詢圖的真值(Ground Truth)。為了更好地學(xué)習(xí)困難樣本之間的深度度量,Schroff等[9]根據(jù)距離范圍將三元組分成以下三類。

    ① 簡單三元組:Da,p

    ② 半難三元組:Da,n-α

    ③ 困難三元組:Da,p>Da,n,即會誤識別的三元組。

    其中,α表示簡單三元組的Da,n與Da,p之間應(yīng)該留有的距離余量。

    Schroff[4]等將單個三元組的損失計算函數(shù)定義為

    LTri(a,p,n)=max{Da,p-Da,n+α,0}

    (12)

    在式(12)中,簡單三元組的損失函數(shù)值為0,而困難三元組和半難三元組的損失函數(shù)值大于0,因此,神經(jīng)網(wǎng)絡(luò)重點學(xué)習(xí)后面兩類三元組的距離度量,實現(xiàn)了參數(shù)的有效優(yōu)化。

    在實際實驗中,由于計算資源的限制,業(yè)界通常分批輸入數(shù)據(jù)對模型進(jìn)行訓(xùn)練,從而三元組損失及其變體的計算均基于小批量數(shù)據(jù)。其中,批次困難三元組損失(Batch Hard Triplet Loss)和批次全三元組損失(Batch All Triplet Loss)是兩種最常用的方法。批次全三元組損失[4]對每個錨點計算其所有合法三元組的損失的平均值,而批次困難三元組損失[9]對每個錨點計算其所有合法三元組的損失的最大值。

    2.3.2 視角一致性三元組損失

    上述傳統(tǒng)的三元組損失選擇距離上較為接近的負(fù)樣本和距離較遠(yuǎn)的正樣本進(jìn)行優(yōu)化。然而,車輛圖像的特征距離極易受到視角的干擾。這種僅根據(jù)距離選擇三元組的方法難以適應(yīng)圖1所示的多視角情況。為了解決這個問題,本文希望將視角一致性因素引入模型的優(yōu)化過程,即重點選擇視角一致性高的負(fù)樣本與一致性低的正樣本進(jìn)行優(yōu)化。

    根據(jù)視角一致性將三元組劃分為以下三類。

    ① 視角簡單三元組:ca,n-ca,p<-β,即ca,n比ca,p小足夠多,視角上有助于區(qū)別正負(fù)樣本的三元組。

    ② 視角半難三元組:-β

    ③ 視角困難三元組:ca,n-ca,p>0,即負(fù)樣本的視角一致性較小,使正負(fù)樣本的區(qū)分非常困難。

    其中,ca,p和ca,n分別為錨點a與正樣本p和錨點a與負(fù)樣本p之間的視角一致性估計,具體計算方式已在2.2節(jié)介紹。β是視角簡單三元組的ca,p和ca,n之間應(yīng)該留有的視角一致性余量。由式(10)和式(11)可知,視角一致性cp,q∈[0,1],因此三元組根據(jù)視角一致性來篩選的示意圖如圖5所示。

    圖5 視角三元組篩選示意圖

    最終,本文的視角一致性選擇系數(shù)的計算公式為

    CvcT(a,p,n)=max{ca,n-ca,p+β,0}

    (13)

    該系數(shù)過濾掉了視角簡單三元組,使網(wǎng)絡(luò)專注于學(xué)習(xí)視角半難三元組和視角困難三元組的距離度量。此外,視角上越困難,即ca,n-ca,p越大,CvcT(a,p,n)越高,網(wǎng)絡(luò)對其“重視”程度也就越高。

    最終,模型將視角一致性三元組系數(shù)與局部三元組損失相乘,得到局部視角一致性三元組損失:

    (14)

    該損失使網(wǎng)絡(luò)在度量學(xué)習(xí)的過程中加入對視角的考量,其加入系數(shù)前后的作用在表1中得到了體現(xiàn)。

    3 實驗

    3.1 實驗設(shè)置

    3.1.1 數(shù)據(jù)集

    在VeRi776數(shù)據(jù)集上驗證本文的方法。VeRi776是車輛重識別任務(wù)的一個基準(zhǔn)數(shù)據(jù)集,包含776輛車的50000張圖像。該數(shù)據(jù)集由20個攝像頭在不同視角下拍攝,每一輛車都有多視角多攝像頭下的豐富圖像樣本。本文的實驗中,訓(xùn)練集和測試集的劃分采用官方設(shè)置,訓(xùn)練集中有576輛車,測試集中有200輛車。

    3.1.2 評價指標(biāo)

    對于每張查詢圖,模型都能在圖庫中找到k個與之最相似的圖片,從而計算這些k近鄰樣本中是否有與查詢圖身份相同的車輛圖片。采用mAP(Mean Average Precision)準(zhǔn)確率和rank-k準(zhǔn)確率兩種指標(biāo)來評估方法的有效性。AP(Average Precision)表示單張查詢圖的平均精度,mAP表示查詢圖集中所有圖片的AP的平均值。rank-k表示k近鄰樣本中包含真值(Ground Truth)的命中率。本文的模型評估采用車輛重識別領(lǐng)域的通用評價指標(biāo),即mAP、rank-1、rank-5和rank-10。

    3.1.3 實驗細(xì)節(jié)

    本實驗的網(wǎng)絡(luò)框架參照圖3,全局特征提取網(wǎng)絡(luò)采用resnet-50,參數(shù)采用其在ImageNet上預(yù)訓(xùn)練的結(jié)果。區(qū)域分割網(wǎng)絡(luò)采用Unet,參數(shù)與PVEN一致。

    3.2 超參數(shù)調(diào)整

    模型的視角一致性三元組損失需要調(diào)整兩個新的超參數(shù)——視角一致性余量β和局部特征距離的權(quán)重φ。

    3.2.1 視角一致性余量

    由圖5可知,β越大會保留越多有效三元組,越小會過濾掉越多三元組。當(dāng)β≤-1時所有三元組都被過濾掉,損失函數(shù)永遠(yuǎn)為0;當(dāng)β>1時所有三元組都被保留,視角一致性感知損失仍然給予視角困難三元組更高權(quán)重,但卻會浪費部分算力在視角簡單三元組上。由此可知,β的恰當(dāng)值應(yīng)在(0,1)區(qū)間。實驗中,本研究選擇了β∈[-0.3,0.8],每隔0.1試驗一次,并在mAP出現(xiàn)峰值對應(yīng)β的±0.05處各增加一次實驗。最終,mAP精度隨β的變化曲線如圖6所示。結(jié)果顯示,β=0.3時訓(xùn)練效果最好,說明在車輛圖像三元組中,00.3時,模型浪費了部分算力在視角簡單三元組上;當(dāng)0<β<0.3時,模型過濾掉了部分視角半難三元組導(dǎo)致模型學(xué)習(xí)不充分。以上兩種情況均導(dǎo)致時間結(jié)果輕微下降。而當(dāng)β<0時,模型不僅過濾掉了全部的視角半難三元組,還過濾掉了部分視角困難三元組,導(dǎo)致訓(xùn)練效果急劇下降。圖6中β<0時mAP急劇下降以及β>0時mAP小幅變化的現(xiàn)象均符合本文的理論預(yù)期。綜合上述結(jié)果,在實驗中β默認(rèn)設(shè)置為0.3。

    圖6 mAP隨β的變化曲線

    不同的數(shù)據(jù)集和實驗設(shè)置下mAP出現(xiàn)峰值所對應(yīng)的β值可能會有小幅平移,但在新數(shù)據(jù)集下不經(jīng)過調(diào)參直接將β值設(shè)為0.3仍能獲得極大的效果提升,綜合圖6與表1結(jié)果來看,0<β<0.8范圍內(nèi)的實驗效果均好于常用的批次困難三元組損失和批次全三元組損失,可見本文提出的視覺一致性三元組策略具有有效性,即使在非最優(yōu)β下,仍然能取得不錯的訓(xùn)練效果。

    3.2.2 局部特征距離的權(quán)重

    由式(3)可知,φ越大識別結(jié)果越依賴于局部特征,φ越小識別結(jié)果越依賴于全局特征。當(dāng)φ=0時,局部特征距離即最終用于排序的相似度。因此,本研究選擇φ∈[0,1],每隔0.1測試一次,結(jié)果如圖7所示。實驗結(jié)果顯示,φ=0.5時模型的識別效果最好。因此,本文在后續(xù)實驗中均采用φ=0.5的參數(shù)設(shè)置。

    圖7 mAP隨φ的變化曲線

    3.3 消融實驗

    為了證明本文設(shè)計的視角一致性三元組損失(View Consistency Triplet Loss,VCT Loss)的有效性,采用本文方法與經(jīng)典三元組損失進(jìn)行了對比實驗。

    對比損失包括重識別任務(wù)中最常見的批次全三元組損失和批次困難三元組損失。需要注意的是,局部分支采用批次困難三元組損失就相當(dāng)于PVEN方法,采用批次全三元組損失相當(dāng)于本文的視角一致性三元組損失取消視角一致性三元組系數(shù)。實驗結(jié)果如表1所示。

    表1 消融實驗結(jié)果

    表1顯示,局部分支用本文的損失函數(shù)后4個指標(biāo)均高于用批次全三元組損失和批次困難三元組損失。批次全三元組損失根據(jù)距離篩選困難和半難三元組,批次困難三元組損失根據(jù)距離篩選最困難的三元組。本文的方法在批次全三元組損失的基礎(chǔ)上加入根據(jù)視角篩選三元組的系數(shù),保留的三元組數(shù)量在以上兩者之間,但是訓(xùn)練出的模型表現(xiàn)比以上兩者都好,由此證明了根據(jù)視角篩選三元組這一策略的有效性。

    本文的方法在mAP和rank-5、rank-10指標(biāo)上的提高幅度尤其大。mAP比批次全三元組損失高2.0,比批次困難三元組損失高1.8。rank-5比批次全三元組損失高0.48,比批次困難三元組損失高0.72。rank-10比批次困難三元組損失高0.57。這說明本文的損失不僅表現(xiàn)穩(wěn)定,而且在多視角挑戰(zhàn)下表現(xiàn)尤其優(yōu)異,因為k=1時通常只能召回同視角樣本,k較大時才需要召回異視角樣本。本實驗結(jié)果表明,在k較大時,rank-k指標(biāo)的相對漲幅更大,這進(jìn)一步印證了本文方法在多視角情況下的優(yōu)越性。

    3.4 與前沿方法比較

    將本文的方法與車輛重識別前沿方法進(jìn)行對比,其結(jié)果如表2所示。在表2中,除了PVEN方法和所提出的PVEN+VCT方法外,其余方法的實驗結(jié)果均來自文獻(xiàn)[7]。本文對PVEN進(jìn)行了復(fù)現(xiàn),結(jié)果與文獻(xiàn)[7]中一致。

    由表2可知,在眾多車輛重識別方法中,PRN[6]、PVEN[7]明顯表現(xiàn)更優(yōu),這主要得益于它們對關(guān)鍵區(qū)域的學(xué)習(xí)。此外,由于PVEN從4個視角分別提取局部信息,覆蓋了車輛的全部區(qū)域,因此取得了比PRN更好的性能。然而,PVEN僅僅關(guān)注了單區(qū)域局部特征的對齊與增強,對于視角多樣性考慮得不夠全面,而車輛整體的視角問題也是十分重要的。VANet[5]針對角度多樣性挑戰(zhàn)提出了基于角度分類的視角感知損失,盡管該網(wǎng)絡(luò)只預(yù)測了前后兩個角度,限制了模型的表現(xiàn)性能,但是其在度量學(xué)習(xí)中加入對視角考量的思路使筆者受到了啟發(fā)。實驗結(jié)果顯示,本文的方法相比于PVEN和VANet均取得了較大提升,這是因為視角感知一致性損失能對兩張圖片中車輛的角度一致性進(jìn)行預(yù)測,從而引導(dǎo)模型學(xué)到更具辨別性的特征。由此,本實驗證明了所提出方法的優(yōu)越性。

    4 結(jié)束語

    本文針對車輛重識別任務(wù),為了解決視角多樣性帶來的影響,引入了視角一致性的概念并設(shè)計了視角一致性三元組損失函數(shù)。它能引導(dǎo)模型學(xué)習(xí)到更具辨別性的特征,從而提升所提出的方法在車輛重識別任務(wù)上的表現(xiàn)性能。在VeRi776車輛重識別數(shù)據(jù)集上,通過實驗證明了所提出的方法的有效性和優(yōu)越性,特別是在多視角場景下獲得了較大的效果提升。

    猜你喜歡
    三元組一致性損失
    基于語義增強雙編碼器的方面情感三元組提取
    軟件工程(2024年12期)2024-12-28 00:00:00
    基于帶噪聲數(shù)據(jù)集的強魯棒性隱含三元組質(zhì)檢算法*
    關(guān)注減污降碳協(xié)同的一致性和整體性
    公民與法治(2022年5期)2022-07-29 00:47:28
    少問一句,損失千金
    注重教、學(xué)、評一致性 提高一輪復(fù)習(xí)效率
    IOl-master 700和Pentacam測量Kappa角一致性分析
    胖胖損失了多少元
    關(guān)于余撓三元組的periodic-模
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    基于事件觸發(fā)的多智能體輸入飽和一致性控制
    国内精品久久久久精免费| 亚洲三级黄色毛片| 久久九九热精品免费| 美女黄网站色视频| 小说图片视频综合网站| 老女人水多毛片| 精品一区二区三区视频在线| 狠狠狠狠99中文字幕| 日韩,欧美,国产一区二区三区 | 蜜臀久久99精品久久宅男| 午夜视频国产福利| 久久精品久久久久久久性| 中国美女看黄片| 欧美一区二区国产精品久久精品| 久久99精品国语久久久| 搞女人的毛片| 99热这里只有精品一区| 亚洲婷婷狠狠爱综合网| 久久人人爽人人爽人人片va| 久久精品人妻少妇| 伦理电影大哥的女人| 免费人成在线观看视频色| 国产视频内射| 亚洲精品国产av成人精品| 69人妻影院| 菩萨蛮人人尽说江南好唐韦庄 | 一本一本综合久久| 99九九线精品视频在线观看视频| 国产精品一及| 在线观看av片永久免费下载| 免费看光身美女| 欧美一级a爱片免费观看看| 最近的中文字幕免费完整| 国产精品久久视频播放| 欧美性猛交黑人性爽| 国产精品久久久久久精品电影| 永久网站在线| 联通29元200g的流量卡| 干丝袜人妻中文字幕| 性插视频无遮挡在线免费观看| 亚洲精品色激情综合| 国产一区二区三区av在线 | 97在线视频观看| 日韩精品有码人妻一区| 夜夜看夜夜爽夜夜摸| 国内精品久久久久精免费| av天堂在线播放| 日韩欧美精品v在线| 国产精品,欧美在线| 狂野欧美激情性xxxx在线观看| 久久6这里有精品| 精品一区二区三区视频在线| 女人被狂操c到高潮| 老女人水多毛片| 国产午夜精品论理片| 人体艺术视频欧美日本| 亚洲精品日韩在线中文字幕 | 91精品国产九色| 欧美潮喷喷水| 婷婷精品国产亚洲av| 国产极品天堂在线| 欧美一区二区亚洲| 成年av动漫网址| 黄色配什么色好看| 亚洲一级一片aⅴ在线观看| 午夜福利在线观看吧| 欧美高清性xxxxhd video| 亚洲欧美日韩东京热| 18禁黄网站禁片免费观看直播| 超碰av人人做人人爽久久| 夜夜夜夜夜久久久久| 久久这里有精品视频免费| 两个人的视频大全免费| 男女边吃奶边做爰视频| 欧美xxxx性猛交bbbb| 久久久久久久久中文| 日产精品乱码卡一卡2卡三| 国产精品精品国产色婷婷| 国产亚洲欧美98| 伊人久久精品亚洲午夜| 国产伦精品一区二区三区视频9| 男女视频在线观看网站免费| 日本在线视频免费播放| 日本成人三级电影网站| 国产精品国产三级国产av玫瑰| 久久国内精品自在自线图片| 联通29元200g的流量卡| 自拍偷自拍亚洲精品老妇| 国产视频首页在线观看| 韩国av在线不卡| av在线亚洲专区| 日本色播在线视频| 亚洲精品国产av成人精品| 国产高清三级在线| 插逼视频在线观看| 国产av不卡久久| 国产成人aa在线观看| 国产成人午夜福利电影在线观看| 国产真实伦视频高清在线观看| 听说在线观看完整版免费高清| 最近的中文字幕免费完整| 亚洲无线观看免费| 国产高清激情床上av| 午夜老司机福利剧场| 亚洲在线自拍视频| 久久99蜜桃精品久久| а√天堂www在线а√下载| 中文字幕免费在线视频6| 婷婷精品国产亚洲av| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 蜜桃久久精品国产亚洲av| 变态另类成人亚洲欧美熟女| 国产精品一区二区三区四区久久| 国产视频内射| 在线观看免费视频日本深夜| 国产精品人妻久久久影院| 能在线免费观看的黄片| 内射极品少妇av片p| avwww免费| 午夜免费激情av| 联通29元200g的流量卡| 蜜臀久久99精品久久宅男| 嫩草影院新地址| 亚洲第一电影网av| 日本黄大片高清| 国产视频首页在线观看| 直男gayav资源| 全区人妻精品视频| av在线天堂中文字幕| 中出人妻视频一区二区| 一个人看的www免费观看视频| 亚洲一级一片aⅴ在线观看| 午夜爱爱视频在线播放| 色5月婷婷丁香| 少妇丰满av| 一本久久中文字幕| 欧美人与善性xxx| 国产高清激情床上av| 亚洲四区av| 波多野结衣巨乳人妻| 亚洲欧美日韩无卡精品| 1024手机看黄色片| 国产精品一区二区三区四区免费观看| АⅤ资源中文在线天堂| 国产69精品久久久久777片| 一个人看的www免费观看视频| 深夜精品福利| 如何舔出高潮| 中文亚洲av片在线观看爽| 麻豆国产97在线/欧美| 婷婷色av中文字幕| 三级国产精品欧美在线观看| 日日摸夜夜添夜夜爱| av在线老鸭窝| 久久人人精品亚洲av| 亚洲婷婷狠狠爱综合网| 中文资源天堂在线| 黑人高潮一二区| 人妻系列 视频| h日本视频在线播放| 国产成人精品婷婷| 亚洲av不卡在线观看| 在线观看66精品国产| 变态另类丝袜制服| 亚洲国产精品国产精品| 2021天堂中文幕一二区在线观| 搡老妇女老女人老熟妇| 成人一区二区视频在线观看| 色噜噜av男人的天堂激情| 在现免费观看毛片| 成年版毛片免费区| or卡值多少钱| 亚洲av成人精品一区久久| av天堂在线播放| 亚洲婷婷狠狠爱综合网| 欧美日韩国产亚洲二区| 一边亲一边摸免费视频| 国产精品久久电影中文字幕| 99国产极品粉嫩在线观看| 夜夜爽天天搞| 联通29元200g的流量卡| 国产蜜桃级精品一区二区三区| 熟女人妻精品中文字幕| 在线观看免费视频日本深夜| 国产黄色小视频在线观看| 午夜久久久久精精品| 久久久成人免费电影| 在现免费观看毛片| 亚洲av二区三区四区| 国产av不卡久久| 久久精品国产99精品国产亚洲性色| 小说图片视频综合网站| 国产一区二区三区在线臀色熟女| 日本一本二区三区精品| avwww免费| 亚洲国产精品成人久久小说 | 最近手机中文字幕大全| 国内精品一区二区在线观看| 综合色av麻豆| 国产成人a区在线观看| 2021天堂中文幕一二区在线观| 一边摸一边抽搐一进一小说| 精品少妇黑人巨大在线播放 | 亚洲av免费高清在线观看| 日日摸夜夜添夜夜添av毛片| 少妇的逼好多水| 欧美成人免费av一区二区三区| 亚洲国产高清在线一区二区三| 舔av片在线| 直男gayav资源| 男人舔奶头视频| 天天躁日日操中文字幕| 真实男女啪啪啪动态图| 在线观看一区二区三区| 可以在线观看的亚洲视频| 99久久九九国产精品国产免费| 国产成人精品婷婷| 精品久久久久久久久久久久久| 99国产极品粉嫩在线观看| 成人无遮挡网站| 久久久欧美国产精品| 日韩制服骚丝袜av| 国产成人aa在线观看| 国产在线男女| 波多野结衣高清无吗| 亚洲最大成人av| 在线免费观看不下载黄p国产| 观看免费一级毛片| 亚洲中文字幕日韩| 久久99蜜桃精品久久| 波多野结衣高清作品| 免费搜索国产男女视频| 久久久久网色| 一级毛片aaaaaa免费看小| 22中文网久久字幕| 国产黄a三级三级三级人| 国产美女午夜福利| 在线国产一区二区在线| 日韩欧美精品v在线| 久久6这里有精品| 亚洲美女搞黄在线观看| 小说图片视频综合网站| 国产亚洲91精品色在线| 成人性生交大片免费视频hd| 亚洲无线观看免费| 久久这里只有精品中国| 一级毛片我不卡| 国产综合懂色| 亚洲国产高清在线一区二区三| 长腿黑丝高跟| 在线免费观看不下载黄p国产| 精品少妇黑人巨大在线播放 | 亚洲av免费在线观看| 成人性生交大片免费视频hd| 久久久久免费精品人妻一区二区| 蜜臀久久99精品久久宅男| 国产精品精品国产色婷婷| 国产69精品久久久久777片| 亚洲成av人片在线播放无| 久久精品人妻少妇| 美女xxoo啪啪120秒动态图| 国产精品伦人一区二区| 熟妇人妻久久中文字幕3abv| 国产一区二区三区av在线 | www.av在线官网国产| 亚洲美女视频黄频| videossex国产| 精品人妻一区二区三区麻豆| 国产极品精品免费视频能看的| 国产成人精品婷婷| 午夜精品在线福利| 国产精品电影一区二区三区| 欧美又色又爽又黄视频| 天美传媒精品一区二区| 欧洲精品卡2卡3卡4卡5卡区| 熟女电影av网| 亚洲精品粉嫩美女一区| 青春草国产在线视频 | 26uuu在线亚洲综合色| 最后的刺客免费高清国语| 久久久精品大字幕| 日本免费一区二区三区高清不卡| 偷拍熟女少妇极品色| 日本在线视频免费播放| 身体一侧抽搐| 久久综合国产亚洲精品| 欧美一级a爱片免费观看看| 婷婷六月久久综合丁香| 国产亚洲欧美98| 国产高潮美女av| 久久久久九九精品影院| 国产精品.久久久| 少妇裸体淫交视频免费看高清| 欧美潮喷喷水| 床上黄色一级片| 乱码一卡2卡4卡精品| 3wmmmm亚洲av在线观看| 国产精品伦人一区二区| 欧美日韩在线观看h| 午夜激情欧美在线| 精品人妻偷拍中文字幕| 麻豆成人午夜福利视频| 亚洲成人久久性| 高清毛片免费观看视频网站| 99视频精品全部免费 在线| 99国产精品一区二区蜜桃av| 国产精品乱码一区二三区的特点| 搡老妇女老女人老熟妇| 国产探花极品一区二区| 久久综合国产亚洲精品| 伦精品一区二区三区| 丰满乱子伦码专区| 人人妻人人看人人澡| 欧美精品国产亚洲| 联通29元200g的流量卡| 国产成人福利小说| 免费一级毛片在线播放高清视频| 麻豆国产97在线/欧美| 久久久久久久亚洲中文字幕| 亚州av有码| 精品久久久久久久久久久久久| 久久精品国产自在天天线| 国产精品一二三区在线看| 国产爱豆传媒在线观看| 国产麻豆成人av免费视频| 日韩欧美 国产精品| 久久九九热精品免费| 99视频精品全部免费 在线| 男女视频在线观看网站免费| 黄色日韩在线| 丝袜美腿在线中文| 白带黄色成豆腐渣| 亚洲高清免费不卡视频| 欧美日韩综合久久久久久| 卡戴珊不雅视频在线播放| 亚洲欧美日韩东京热| 淫秽高清视频在线观看| 久久精品国产鲁丝片午夜精品| 久久久久久九九精品二区国产| 观看美女的网站| 人妻久久中文字幕网| 麻豆久久精品国产亚洲av| 午夜激情福利司机影院| 免费av不卡在线播放| 深夜精品福利| 午夜激情欧美在线| 国内精品一区二区在线观看| 国产精品av视频在线免费观看| av女优亚洲男人天堂| 少妇熟女aⅴ在线视频| 又粗又硬又长又爽又黄的视频 | 成年版毛片免费区| 国产国拍精品亚洲av在线观看| 成人二区视频| 日本黄大片高清| 国产黄片视频在线免费观看| 精品久久久久久久久久免费视频| 国产三级在线视频| 美女cb高潮喷水在线观看| 亚洲,欧美,日韩| 国产精品免费一区二区三区在线| 成人鲁丝片一二三区免费| 欧美一区二区精品小视频在线| 1024手机看黄色片| 精品人妻偷拍中文字幕| 欧美色欧美亚洲另类二区| 久久久午夜欧美精品| 少妇熟女欧美另类| 国产极品天堂在线| 青春草国产在线视频 | 国产精品一区www在线观看| 1000部很黄的大片| 少妇人妻精品综合一区二区 | 99久国产av精品国产电影| 亚洲欧美精品自产自拍| av女优亚洲男人天堂| 国产高潮美女av| 乱系列少妇在线播放| 大型黄色视频在线免费观看| 夜夜夜夜夜久久久久| 黄片无遮挡物在线观看| 午夜精品国产一区二区电影 | 麻豆精品久久久久久蜜桃| 蜜臀久久99精品久久宅男| 99热这里只有是精品在线观看| 亚洲精品久久久久久婷婷小说 | 亚洲第一电影网av| 亚洲精品色激情综合| 日韩视频在线欧美| 淫秽高清视频在线观看| 久久精品国产亚洲av涩爱 | 亚洲国产高清在线一区二区三| 日本一二三区视频观看| 欧美精品一区二区大全| 国产日本99.免费观看| 2022亚洲国产成人精品| 99久国产av精品| 在线观看一区二区三区| 一本精品99久久精品77| 国产亚洲91精品色在线| 国产成人午夜福利电影在线观看| 国产高清视频在线观看网站| 久久精品国产亚洲av天美| 人人妻人人澡欧美一区二区| 亚洲婷婷狠狠爱综合网| 亚洲精华国产精华液的使用体验 | 在线播放国产精品三级| av在线观看视频网站免费| 国产精华一区二区三区| 人妻制服诱惑在线中文字幕| 国产一区二区亚洲精品在线观看| 国内久久婷婷六月综合欲色啪| 国产 一区精品| 狂野欧美白嫩少妇大欣赏| 高清午夜精品一区二区三区 | 伊人久久精品亚洲午夜| 男女边吃奶边做爰视频| 国产 一区 欧美 日韩| 在线观看一区二区三区| 麻豆乱淫一区二区| 高清午夜精品一区二区三区 | 一个人看的www免费观看视频| 偷拍熟女少妇极品色| 日韩一区二区视频免费看| 天堂√8在线中文| 尤物成人国产欧美一区二区三区| 丰满的人妻完整版| 成人一区二区视频在线观看| 国产精品女同一区二区软件| 亚洲av二区三区四区| 午夜免费激情av| 日韩欧美 国产精品| 日韩一区二区三区影片| 精品人妻视频免费看| 内地一区二区视频在线| 爱豆传媒免费全集在线观看| 久久久久久久久中文| 观看美女的网站| 三级经典国产精品| 精品欧美国产一区二区三| 亚洲精品亚洲一区二区| 晚上一个人看的免费电影| www.色视频.com| 亚洲人成网站高清观看| 淫秽高清视频在线观看| 99久久九九国产精品国产免费| 国产成人影院久久av| 91久久精品电影网| 一级av片app| 菩萨蛮人人尽说江南好唐韦庄 | 欧美+日韩+精品| 亚洲国产精品成人综合色| 国产精品久久久久久久电影| 午夜激情福利司机影院| 男女下面进入的视频免费午夜| 国产 一区 欧美 日韩| 男女边吃奶边做爰视频| 日本熟妇午夜| 免费观看的影片在线观看| 国产爱豆传媒在线观看| 99久国产av精品| 亚洲av.av天堂| 国产探花在线观看一区二区| 一级二级三级毛片免费看| 成年版毛片免费区| 看十八女毛片水多多多| 亚洲五月天丁香| 国内精品美女久久久久久| 免费在线观看成人毛片| 国产高清激情床上av| 欧美一级a爱片免费观看看| 中文字幕熟女人妻在线| 白带黄色成豆腐渣| 精品一区二区三区视频在线| 精品人妻视频免费看| 国产乱人偷精品视频| 精品久久久久久久久av| 国产成人freesex在线| 一边摸一边抽搐一进一小说| 久久精品人妻少妇| 国产91av在线免费观看| 亚洲自偷自拍三级| 麻豆成人av视频| 欧美xxxx黑人xx丫x性爽| 寂寞人妻少妇视频99o| 99热这里只有是精品在线观看| 少妇丰满av| 乱码一卡2卡4卡精品| 成人特级av手机在线观看| 内射极品少妇av片p| 日韩高清综合在线| 日日啪夜夜撸| 在线播放国产精品三级| 九九热线精品视视频播放| 久久精品国产亚洲av涩爱 | 夜夜看夜夜爽夜夜摸| 男人的好看免费观看在线视频| 久久精品91蜜桃| 人妻系列 视频| 草草在线视频免费看| 欧美潮喷喷水| 69av精品久久久久久| 国产极品精品免费视频能看的| 国产精品一二三区在线看| 日韩欧美一区二区三区在线观看| 欧美变态另类bdsm刘玥| av卡一久久| 欧美一区二区精品小视频在线| 国产v大片淫在线免费观看| 亚洲av免费在线观看| 国产伦理片在线播放av一区 | www.av在线官网国产| 亚洲四区av| 亚洲欧美精品专区久久| 国产在视频线在精品| 日韩强制内射视频| 日本成人三级电影网站| 久久久久性生活片| 高清日韩中文字幕在线| 国产伦理片在线播放av一区 | 在线观看免费视频日本深夜| 韩国av在线不卡| 久久久成人免费电影| 成人午夜精彩视频在线观看| 国产精品久久久久久av不卡| 大型黄色视频在线免费观看| 亚洲不卡免费看| 97在线视频观看| 亚洲色图av天堂| 人妻少妇偷人精品九色| 在线观看一区二区三区| 国产激情偷乱视频一区二区| 天天躁日日操中文字幕| 国产三级中文精品| 又爽又黄a免费视频| 波多野结衣高清作品| 大又大粗又爽又黄少妇毛片口| 97超视频在线观看视频| 精品国内亚洲2022精品成人| 国产一区二区亚洲精品在线观看| 免费av观看视频| 久久久精品94久久精品| 国产精品人妻久久久久久| av在线天堂中文字幕| 亚洲中文字幕日韩| 男人狂女人下面高潮的视频| 亚洲熟妇中文字幕五十中出| 国产毛片a区久久久久| 午夜爱爱视频在线播放| 国产高清激情床上av| 亚洲人成网站在线观看播放| 能在线免费看毛片的网站| 最好的美女福利视频网| 十八禁国产超污无遮挡网站| 精品免费久久久久久久清纯| 两个人的视频大全免费| 国产精品久久电影中文字幕| 综合色av麻豆| 在线天堂最新版资源| 性欧美人与动物交配| 亚洲av成人av| 亚洲国产精品合色在线| 狂野欧美白嫩少妇大欣赏| 菩萨蛮人人尽说江南好唐韦庄 | 欧美最新免费一区二区三区| 日韩一区二区三区影片| 亚洲av免费在线观看| 成人高潮视频无遮挡免费网站| 人妻少妇偷人精品九色| 精品一区二区免费观看| 在线播放无遮挡| 给我免费播放毛片高清在线观看| 欧美日韩精品成人综合77777| 国产欧美日韩精品一区二区| 欧美成人a在线观看| 日产精品乱码卡一卡2卡三| 日本一本二区三区精品| 欧美激情在线99| 大型黄色视频在线免费观看| 日韩欧美国产在线观看| 校园人妻丝袜中文字幕| 国内少妇人妻偷人精品xxx网站| 国产精品永久免费网站| 免费大片18禁| 一区二区三区高清视频在线| 国内久久婷婷六月综合欲色啪| 18禁在线播放成人免费| 悠悠久久av| 亚洲第一电影网av| 日本免费a在线| 麻豆久久精品国产亚洲av| 亚洲久久久久久中文字幕| 舔av片在线| 日本黄大片高清| 高清毛片免费看| 深爱激情五月婷婷| 12—13女人毛片做爰片一| 亚洲不卡免费看| 免费大片18禁| 国内少妇人妻偷人精品xxx网站| 精品久久久久久久久久久久久| 观看美女的网站| 久久热精品热| 久久久a久久爽久久v久久| 成人午夜高清在线视频| 神马国产精品三级电影在线观看| 国产高清三级在线| 免费搜索国产男女视频| 自拍偷自拍亚洲精品老妇| 精品国内亚洲2022精品成人| 欧美xxxx黑人xx丫x性爽| 亚洲国产精品sss在线观看| 午夜视频国产福利| 免费观看的影片在线观看| 精品国产三级普通话版|