• <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 ?

    基于卷積神經(jīng)網(wǎng)絡的半身裙款式特征分類識別

    2021-11-26 23:31:41鄧瑩潔羅戎蕾
    現(xiàn)代紡織技術 2021年6期

    鄧瑩潔 羅戎蕾

    摘 要:針對服裝特征分類識別不夠全面、較多分類特征導致效果較差的問題,提出一種帶有Inception v2模組的快速區(qū)域卷積神經(jīng)網(wǎng)絡模型的女裝半身裙多特征分類識別方法。建立一個包含8類款式、11種顏色、5種圖案、4種長度,共計28種類別標簽的女裝半身裙樣本庫;以快速區(qū)域卷積神經(jīng)網(wǎng)絡(Faster r-cnn)結構為基礎,引入一個Inception v2模組,對半身裙的款式及多種特征進行學習訓練,通過全連接層將來自Faster r-cnn主干網(wǎng)絡和Inception v2的分類信息進行特征融合并共享損失,以提高算法的準確率;將目標檢測框與分類結果一起輸出,在對半身裙圖像精準定位的基礎上實現(xiàn)了半身裙款式及常見特征的分類識別。結果表明:該方法的平均分類準確率為92.8%,可以有效地對女裝半身裙款式、特征進行分類識別,并且可用于實際場景的服裝圖片中。

    關鍵詞:卷積神經(jīng)網(wǎng)絡;Inception v2模組;快速區(qū)域卷積神經(jīng)網(wǎng)絡;女裝半身裙

    中圖分類號: TS941.26

    文獻標志碼:A

    文章編號:1009-265X(2021)06-0098-08

    收稿日期:2020-08-06 網(wǎng)絡首發(fā)日期:2021-01-21

    基金項目:浙江理工大學研究生培養(yǎng)基金項目

    作者簡介:鄧瑩潔(1995-),女,福建邵武人,碩士研究生,主要從事服裝數(shù)字化方面的研究。

    通信作者:羅戎蕾,E-mail:luoronglei@163.com。

    Classification and Recognition of Bust Skirt Style and CommonFeatures Based on Convolutional Neural Network

    DENG yingjie, LUO Ronglei

    (a.School of Fashion Design & Engineering;b.Zhejiang Province Engineering Laboratory ofClothing Digital Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China)

    Abstract: To solve the problem that the classification and recognition of garment features are not all-round enough and many classification features lead to poor effect, a multi-feature classification and recognition method for women〖JX+0.8mm〗〖XZ(322#〗〖HT15.〗'〖XZ)〗s bust skirt based on fast regional convolutional neural network model with Inception v2 module is proposed. A sample library of 28 kinds of women's bust skirts is established, which includes 8 styles, 11 colors, 5 patterns and 4 lengths. Based on the structure of fast regional convolutional neural network (Faster R-CNN), an Inception v2 module is introduced to train the learning of the styles and multiple features of bust skirt. Through the fully connected layer, classification information from the faster R-CNN backbone network and Inception v2 has feature fusion and shares loss, to promote the accuracy of the algorithm. The target detection framework is output together with the classification results, which achieves the classification and recognition of bust skirt style and common features on the basis of accurate positioning of bust skirt images. The results show that the average classification accuracy of this method is 92.8%, which can effectively classify and recognize the styles and features of women's bust skirts, and can be used for garment pictures in real scenarios.

    Key words: convolution neural network; Inception v2 module; faster R-CNN; women's bust skirt

    互聯(lián)網(wǎng)與移動設備的普及,加速了服裝行業(yè)的發(fā)展,基于內容的在線推薦系統(tǒng)已成為滿足消費者對服裝需求的常見方式,服裝圖像高效、準確的分類識別并建立相應的視覺標簽對于在線推薦系統(tǒng)起著重要作用,可為消費者提供一種更為方便的方式來檢索他們喜歡的服裝商品。

    傳統(tǒng)的圖像處理方法主要采用人工設計算法進行特征的提取,例如邊緣檢測、顏色直方圖、局部二值模式分別提取輪廓、顏色、紋理特征,再利用決策樹、支持向量機等進行模式的分類識別[1-3]。向忠等[4]采用canny邊緣檢測、HSV顏色空間對織物印花輪廓及顏色特征進行提取;Manfredi等[5]運用二值蒙版投影對人體著裝圖像進行粗糙形狀描述,進而獲取服裝的3D積分顏色直方圖及HOG特征最后通過決策樹實現(xiàn)服裝的顏色分類。李東等[6]根據(jù)服裝輪廓的幾何特點將服裝輪廓曲線的曲率極值點集作為表達服裝款式的特征向量,結合支持向量機對服裝款式進行分類。以上傳統(tǒng)算法都取得了不錯的進展,但其具有兩項明顯的缺點:一是傳統(tǒng)的特征提取過程是針對具體的底層或局部特征進行提取,經(jīng)過專門的人為設定,使得該類方法的泛化能力及模型可遷移性都較弱;二是依賴高質量的輸入圖像,由于服裝的高度可變性、屬性特征多樣化、拍攝場景復雜都會導致分類器的準確率下降。近年來,卷積神經(jīng)網(wǎng)絡的興起為特征提取和分類識別技術提供了新的研究方向,基于更深層次卷積神經(jīng)網(wǎng)絡結構的服裝圖像檢索系統(tǒng)在精確程度及檢索效率上都有大幅度的提升[7]。卷積神經(jīng)網(wǎng)絡(CNNs)是一種多層次模型,通過逐層遞增的模式及端到端的結構可以學習特定的圖像表示并且廣泛運用于服裝領域:Dong等[8]在微調的VGG-Net中引入了“空間金字塔”池化策略,解決了不同大小及比例的圖像輸入引起的識別精度降低的問題同時對服裝風格進行分類;Li等[9]提出一種基于極限學習機(ELM)神經(jīng)網(wǎng)絡的識別框架,采用ELM對CNN特征、顏色直方圖特征進行深度融合實現(xiàn)服裝款式分類;吳歡等[10]運用卷積神經(jīng)網(wǎng)絡CaffeNet模型對女褲廓形進行分類。觀察服裝時,首先是整體,其次是細節(jié),故對于服裝進行細致的描述至關重要,上述方法都只針對服裝(風格、廓形、顏色等其中之一)單一屬性進行分類識別,不能較好地描述服裝的特點。因此,以女裝半身裙為研究對象,通過對卷積神經(jīng)網(wǎng)絡模型結構的修改以及參數(shù)微調實現(xiàn)目標服裝的精準定位,在此基礎上對半身裙的款式及顏色、圖案、長短多種特征進行分類識別,其結果可用于基于內容的推薦。

    1 樣本準備

    1.1 樣本采集

    由于目前沒有此類的服裝圖像樣本庫,根據(jù)女裝半身裙形態(tài)差異及特點綜合電子商務平臺對半身裙款式的劃分,本文選取了8種款式的半身裙:直筒裙、包臀裙、A字裙、波浪裙、百褶裙、魚尾裙、不規(guī)則裙以及蛋糕裙。直筒裙是所有半身裙的原型,呈H型也稱為H裙;包臀裙因其緊身貼臀而得名,裙體從腰口沿臀部展開至臀圍線最大然后至下擺逐漸收緊,短稱包臀裙長稱鉛筆裙(這里統(tǒng)稱為包臀裙);A字裙的側縫從腰口至下擺逐漸擴大,形成A字廓形;波浪裙(喇叭裙、傘裙)將下擺展開到一定范圍,面料自然下垂形成波浪;百褶裙是指裙身由許多細密、垂直的等距褶裥構成的裙裝,其褶裥數(shù)量在幾十至上百不等;魚尾裙的裙擺為波浪結構,基礎裙型為直筒裙或包臀裙;不規(guī)則裙呈不規(guī)則、不對稱的形狀;蛋糕裙(節(jié)裙、塔裙)由多層次的橫向抽褶裁片拼接而成,使裙體形成像蛋糕一樣的層疊結構。從各大電商平臺收集每種款式半身裙各200張,總計1600張,創(chuàng)建女裝半身裙樣本庫。為了還原真實場景的特征提取與目標識別工作,選取的半身裙圖像均為人體以各種姿態(tài)穿著(包含正、反面及側面圖片)且背景不一。圖1以截取過的8類半身裙款式正面樣本進行展示。

    1.2 樣本描述及標注

    根據(jù)收集的半身裙款式及對裙類最常見的描述[11],對半身裙的顏色、圖案、長度做進一步的劃分,包括顏色11種、圖案5種、長度4類,其中裙類長度按照裙擺至人體腿部的位置可分為:短裙至大腿中部、中裙至膝蓋附近、中長裙至小腿中部以及長裙至腳踝附近。半身裙的款式及特征見表1。

    針對以上半身裙的款式特征屬性(共計28種),采用Labelimg軟件進行標注,故每張圖片具有款式、顏色、圖案和長度4類標簽。半身裙屬性特征如圖2,圖3,圖4所示。

    2 卷積神經(jīng)網(wǎng)絡模型構建

    通常,典型的卷積神經(jīng)網(wǎng)絡(CNN)由一個輸入層、一個輸出層和多個隱藏層組成,隱藏層中包括卷積層、池化層及全連接層,這些層次結構通過激活函數(shù),例如Relu、Sigmoid、Tanh等實現(xiàn)輸入圖像的轉化,最終通過Softmax回歸完成分類。近年來,服裝領域主要以圖像分類及目標檢測為熱點研究內容,其中圖像分類是通過對圖像的整體分析,預測圖像的類別。而目標檢測主要的目的是從圖片中檢測并定位特定的多個目標[12]。卷積神經(jīng)網(wǎng)絡針對不同的視覺問題各有側重點,需要根據(jù)實際問題進行權衡選擇。

    2.1 Inception v2模組

    Inception v2[13]網(wǎng)絡是一個旨在降低卷積網(wǎng)絡復雜程度的模塊。例如將較大尺寸的5×5卷積替換為較小的3×3卷積即可在保留計算效率的同時獲得較高的精確性。Inception各個模塊主要用于提取圖像特征,隨著每個模塊設計的卷積分支的數(shù)量、結構和卷積核的大小不同,其特征提取能力隨之改變。Inception A模塊由3條卷積分支組成,分支內部選用較小的1×1和3×3的卷積核,用于提取較低級的底層特征;Inception B模塊有2條分支結構,為了減少參數(shù),其中一條分支將一個較大的7×7卷積核拆分為兩個不對稱的7×1和1×7卷積核,由于卷積核較大,適用于網(wǎng)絡中間層;Inception C模塊同樣采用2條分支,與B模塊的區(qū)別是其卷積核為1×3和3×1,可對圖像局部特征進行有效的提取。Inception v2模組結構如圖5所示。

    2.2 快速區(qū)域卷積神經(jīng)網(wǎng)絡

    快速區(qū)域卷積神經(jīng)網(wǎng)絡(Faster r-cnn)是基于Fast r-cnn[14]的改進算法,通過替換Fast r-cnn內部的目標選擇算法Selective Search[15]為區(qū)域提議網(wǎng)絡RPN(Region proposal net),使Faster r-cnn網(wǎng)絡直接生成目標候選區(qū)域的同時加快了模型的識別速度。Faster r-cnn網(wǎng)絡由4個部分組成:特征提取網(wǎng)絡、RPN區(qū)域提議網(wǎng)絡、ROI池化層以及最終分類和回歸網(wǎng)絡組成。其網(wǎng)絡結構由圖6所示。

    將圖像輸入至網(wǎng)絡模型,經(jīng)過卷積與池化交替變換的特征圖像饋入RPN網(wǎng)絡得到一組矩形目標提案;ROI Pooling層將特征圖像與RPN形成的候選區(qū)域進行相同尺寸裁剪;最后通過兩個同級全連接網(wǎng)絡框回歸層(reg)與框分類層(cls)輸出檢測結果。

    2.3 帶有Inception v2模組的快速區(qū)域卷積神經(jīng)網(wǎng)絡

    基于本文半身裙的識別特征較多(包含款式、顏色、圖案、長度下的28個類別標簽),將具有強大特征提取能力的Inception v2模組引入Faster r-cnn網(wǎng)絡。改進后的Faster r-cnn網(wǎng)絡結構如圖7所示。

    半身裙圖像通過Labelimg標注,得到識別區(qū)域的準確二維坐標,將帶有坐標的圖像輸入至帶有Inception v2模組的快速區(qū)域卷積神經(jīng)網(wǎng)絡,此過程如圖8所示。

    在Faster r-cnn主干網(wǎng)絡中,圖像通過CNN層的卷積、池化交替操作得到特征圖像,經(jīng)過一個滑動窗口形成不同的錨框(Anchor box),這里根據(jù)大部分半身裙圖像的比例及位置信息,將候選區(qū)域的box修改為100,同時修改Anchor的比例為[0.51.04.06.0],采用此方式可以減少訓練時長并降低損失不收斂的風險,得到Anchor box信息的RPN網(wǎng)絡將每個樣本映射為一個概率值(表示錨框有物體的概率)和四組坐標值(定義物體位置),即通過RPN網(wǎng)絡預測候選區(qū)域。主要流程如圖9所示。

    首先,特征圖像經(jīng)過一個3×3的卷積操作,增強特征圖像的魯棒性;其次采用1×1卷積獲得一個具有維度18的張量進行Reshape(Reshape尺寸為(15,15,18)),在維度18的張量中具有9個比例hw∈{11,12,21}的Anchor,且每個Anchor都會生成一個包含前景和背景的目標框;最后通過一個二分類的Softmax實現(xiàn)前、后背景分離。

    由以上過程生成的Anchor邊界較模糊,故對其進行邊界框回歸,本文選取前景Anchor(由Softmax判別)回歸,一個box由四維向量(x,y,w,h)構成,其中x、y、w、h,表示候選框的位置及長寬。

    設目標box為G=(Gx,Gy,Gw,Gh),源box為S=(Sx,Sy,Sw,Sh),取映射關系F,使F(S)=G。

    平移box得:

    縮放box得:

    再求S對G的平移和縮放量(vx,vy)、(vw,vh):

    前景box對box的平移和縮放量(v*x,v*y)、(v*w,v*h):

    式中:x為前景box,xs為源box,x為目標box。

    對dx(S)、dy(S)、dw(S)、dh(S)進行線性回歸,則目標函數(shù)F為:

    式中:φ(S)為區(qū)域提議的特征向量;W*為需要學習的參數(shù);d*(S)為預測結果。

    采用損失函數(shù)Smooth L1計算損失,其表達式為:

    式中:N為類別數(shù)量;v*為真實框與預測框的平移和縮放量。

    在Inception v2模組中,圖像經(jīng)過Inception各模塊的特征提取和訓練已經(jīng)可以理解較高的特征表示,此過程的其損失值為:

    式中:y為真實標簽;p(y)為真實標簽的概率;ε為模型參數(shù);n為某個類別;p(n)為預測標簽的概率。

    然后將特征提取的結果輸入至Softmax分類器中,進而將分類信息送出。

    將Inception v2與Faster-r-cnn網(wǎng)絡的兩部分的損失進行結合,得到新的損失函數(shù)為:

    在模型訓練過程中手動調整了參數(shù)a和b的值,最終發(fā)現(xiàn)當a=0.6,b=0.5時,神經(jīng)網(wǎng)絡收斂情況較好,L最終收斂在0.05。

    由Faster r-cnn主干網(wǎng)絡與Inception v2模組的訓練結果經(jīng)過1×1卷機后進行多分類并輸出最終結果。

    為進一步提高模型對半身裙的分類性能,對模型的參數(shù)進行修改,將網(wǎng)絡的初始學習率設置為0.0002,當?shù)螖?shù)達90000次后,調整學習率為0.00002,防止學習率過高無法求出最優(yōu)解導致最終結果發(fā)散;網(wǎng)絡的最大迭代次數(shù)設置為100000。

    3 結果與分析

    3.1 訓練過程及結果

    采用Python3.6.5作為編程語言,訓練環(huán)境搭建在Ubuntu18.04系統(tǒng)下進行(Intel Xeon E3 2603V2*2型號;CPU 128GB DDR3 ECC內存;16GB NVIDIA TESLA V100*2型號顯卡)。

    基于半身裙樣本庫,在實驗數(shù)據(jù)集中將隨機選取80%作為訓練集,20%作為測試集用于模型性能的評估。訓練過程將統(tǒng)一像素后的半身裙圖像輸入模型,圖像同時經(jīng)過Faster r-cnn主干網(wǎng)絡與帶有Softmax分類器的Inception v2模組進行特征提取與目標框的選擇,然后利用全卷積層進行特征融合與損失值的共享進而降低損失值,以提高模型分類性能,最終將分類結果與檢測框一起輸出。本文模型的分類準確率如表2所示。

    由表2可知,圖案的準確率為89.9%,較其他類別準確率較低,原因可能為同種圖案存在大小和比例上的差異,可增加訓練數(shù)量提高此類的準確率。此外,其余的準確率都在90%以上且平均準確率為92.8%,可見本文提出的帶有Inception v2模組的快速區(qū)域卷積神經(jīng)網(wǎng)絡能有效的對女裝半身裙的款式類型及顏色、圖案、長度特征進行分類識別。

    3.2 模型驗證

    抽取阿里巴巴Fashion AI數(shù)據(jù)集中的半身裙圖像對模型進行驗證,F(xiàn)ashion AI數(shù)據(jù)集擁有服裝圖像10萬以上,包含女裝上衣、外套、半身裙等品類的詳細標簽信息。根據(jù)建立的半身裙數(shù)據(jù)集中訓練集的數(shù)量有1280張,按照11的比例隨機抽取Fashion AI中1280張半身裙圖片作為測試集,輸入至Faster r-cnn Inception v2模型中。分類準確率如表3所示。

    由表3可知,模型對于在Fashion AI中抽取的測試集的平均分類準確率為86.3%,較先前測試的準確率低了6.5%,但平均準確率在仍能達到85%以上且未出現(xiàn)模型過擬合的問題,說明研究提出的模型分類性能及魯棒性都較好。

    3.3 實例分析

    為更直觀的看出改進Faster r-cnn Inception v2模型的分類識別性能,選取4幅包含多個類別標簽的半身裙圖像輸入模型。測試結果如圖10所示。

    從圖10測試結果可以看出,第一幅圖像為短裙的概率為95%、為紅色的概率為70%、為不規(guī)則裙及格子圖案的概率都為100%,其在顏色屬性中分類概率較低的原因是格子圖案具有明顯的黑色方框,使半身裙在顏色上同時具有紅色及黑色,影響了模型的判別能力;第二幅圖像為中長裙的概率為89%、其他屬性概率都為100%,模型能夠較好的對其各個分類特征進行判別。以此類推模型對圖10中的(c)和(d)圖也能進行良好的判別。

    4 結 論

    根據(jù)半身裙形態(tài)差異結合電子商務平臺對半身裙款式的劃分,將女裝半身裙分為8個類別:直筒裙、包臀裙、A字裙、波浪裙、百褶裙、魚尾裙、不規(guī)則裙以及蛋糕裙,在此基礎上對其主要的顏色、圖案、長度特征進行分類,建立帶有28種類別標簽的女裝半身裙樣本庫;提出一種帶有Inception v2模組的快速區(qū)域卷積神經(jīng)網(wǎng)絡,通過修改其box數(shù)量及Anchor比例,對輸入的半身裙圖像進行精準定位,最后通過微調模型參數(shù),實現(xiàn)了女裝半身裙款式及常見特征的分類識別;該方法可應用于實際場景的網(wǎng)絡圖片,模型通過RPN網(wǎng)絡可對圖像進行精確定位以及錨框的選擇,無須對圖像的背景進行處理,節(jié)省分類時間。本研究提出的方法平均準確率在92%以上,可對女裝半身裙圖像的多種特征進行判別。

    參考文獻:

    [1]ZHANG W, ANTúNEZ E, GKTRK S, et al. Apparel silhouette attributes recognition[C].Workshop on the Applications of Computer Vision BrecRenridge, CO, USA. IEE, 2012:489-496.

    [2]DI W, WAH C, BHARDWAJ A, et al.Style finder: Fine-grained clothing style detection and retrieval[C].Conference on Computer Vision.and Pattern Recognition work shops. Portland, OR, USA. IEEE, 2012:8-13.

    [3]DHAKA V P, SHARMA M K. Classification of image using a genetic general neural decision tree[J]. International Journal of Applied Pattern Recognition, 2015, 2(1):76-95.

    [4]向忠,何旋,錢淼,等.基于邊緣和顏色特征的織物印花花型檢索[J].紡織學報,2018,39(5):137-143.

    [5]MANFREDI M, GRANA C, CALDERARA S, et al. A complete system for garment segmentation and color classification[J]. Machine Vision and Applications, 2014, 25(4):955-969.

    [6]李東,萬賢福,汪軍,等.基于輪廓曲率特征點的服裝款式識別方法[J].東華大學學報(自然科學版),2018,44(1):87-92.

    [7]LUO Y, WANG Z, HUANG Z, et al. Snap and find: Deep discrete cross-domain garment image retrieval[J]. IEEE Transactions on Image Procession,2019,60(12):1-10.

    [8]DONG C Y, SHI Y Q,TAO R. Convolutional neural networks for clothing image style recognition[C]// Proceedings of 2018 International Conference on Computational, Modeling, Simulation and Mathematical Statistics Xi'an: Advanced Science and Industry Research Center,2018.

    [9]LI R, LU W, LIANG H, et al. Multiple features with extreme learning machines for clothing image recognition[J]. IEEE Access, 2018, 6:36283-36294.

    [10]吳歡,丁笑君,李秦曼,等.采用卷積神經(jīng)網(wǎng)絡CaffeNet模型的女褲廓形分類[J].紡織學報,2019,40(4):117-121.

    [11]吳苗苗,劉驪,付曉東,等.款式特征描述符的服裝圖像細粒度分類方法[J].計算機輔助設計與圖形學學報,2019,31(5):780-791.

    [12]周俊宇,趙艷明.卷積神經(jīng)網(wǎng)絡在圖像分類和目標檢測應用綜述[J].計算機工程與應用,2017,53(13):34-41.

    [13]SZEGEDY C, IOFFE S, VANHOUCKE V, et al. Inception-v4, inception-resnet and the impact of residual connections on learning[C]// Proceedings of the 31st AAAI Conference on Artificial Intelligence,2017:4278-4284.

    [14]GIRSHICK R. Fast R-CNN[C]// International Conference on Computer Vision.Santiago, chile.IEEE,2015:1440-1448.

    [15]UIJLINGS J R R, DE VAN SANDE K E A,GEVERS T,et al. Selective search for object recognition[J]. International Journal of Computer Vision, 2013,104(2):154-171.

    有码 亚洲区| av免费观看日本| 日韩一本色道免费dvd| 亚洲激情五月婷婷啪啪| 日本av免费视频播放| 波多野结衣一区麻豆| 免费播放大片免费观看视频在线观看| 亚洲美女黄色视频免费看| 中文欧美无线码| 久久久久久久久久成人| 18+在线观看网站| 精品人妻一区二区三区麻豆| 天天影视国产精品| av视频免费观看在线观看| 亚洲,欧美精品.| 久久av网站| 国产有黄有色有爽视频| 五月开心婷婷网| 亚洲在久久综合| 亚洲精品美女久久久久99蜜臀 | 国产一区亚洲一区在线观看| 亚洲三级黄色毛片| 午夜免费鲁丝| 在线精品无人区一区二区三| 精品亚洲成国产av| 在线亚洲精品国产二区图片欧美| a 毛片基地| 99热6这里只有精品| 欧美3d第一页| 熟妇人妻不卡中文字幕| 热99久久久久精品小说推荐| 免费av不卡在线播放| 天堂中文最新版在线下载| videos熟女内射| av线在线观看网站| av线在线观看网站| 免费看不卡的av| 亚洲中文av在线| 免费女性裸体啪啪无遮挡网站| 欧美日韩成人在线一区二区| 国产一区二区在线观看日韩| 捣出白浆h1v1| 久久久久久久久久成人| 视频区图区小说| 最近中文字幕高清免费大全6| 日韩一区二区三区影片| 久久av网站| 久久99精品国语久久久| av免费在线看不卡| 欧美国产精品va在线观看不卡| 涩涩av久久男人的天堂| 99国产综合亚洲精品| 又大又黄又爽视频免费| 日日摸夜夜添夜夜爱| 成人二区视频| 伦理电影大哥的女人| 观看av在线不卡| 色视频在线一区二区三区| 欧美成人午夜精品| 捣出白浆h1v1| 日韩制服骚丝袜av| 久久国内精品自在自线图片| 成年女人在线观看亚洲视频| 最新的欧美精品一区二区| 一级毛片电影观看| 黄网站色视频无遮挡免费观看| 日韩一区二区视频免费看| 国产女主播在线喷水免费视频网站| 18禁裸乳无遮挡动漫免费视频| 最后的刺客免费高清国语| 亚洲美女搞黄在线观看| 中文字幕另类日韩欧美亚洲嫩草| 少妇的逼好多水| 2021少妇久久久久久久久久久| 日本91视频免费播放| 亚洲成人av在线免费| 国产成人免费观看mmmm| 精品一区二区三区视频在线| 欧美变态另类bdsm刘玥| 午夜av观看不卡| 观看美女的网站| 国产无遮挡羞羞视频在线观看| 午夜福利,免费看| 免费人妻精品一区二区三区视频| 一区二区三区四区激情视频| 亚洲少妇的诱惑av| 人成视频在线观看免费观看| 欧美性感艳星| 自线自在国产av| 黑丝袜美女国产一区| 成人国语在线视频| 九色亚洲精品在线播放| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 久久久久国产网址| 亚洲av男天堂| 人妻少妇偷人精品九色| 久久久久久久久久成人| 日日撸夜夜添| 亚洲欧美一区二区三区国产| 亚洲少妇的诱惑av| a级毛色黄片| 亚洲av成人精品一二三区| 99热国产这里只有精品6| 搡老乐熟女国产| 国产乱来视频区| 亚洲成av片中文字幕在线观看 | 2022亚洲国产成人精品| 久久热在线av| 久久精品国产a三级三级三级| 国产av码专区亚洲av| 亚洲精品色激情综合| 色婷婷久久久亚洲欧美| 国产成人午夜福利电影在线观看| 看非洲黑人一级黄片| 精品国产国语对白av| 老女人水多毛片| 最近最新中文字幕大全免费视频 | 五月天丁香电影| 大香蕉97超碰在线| 三级国产精品片| 国产片特级美女逼逼视频| 人人妻人人添人人爽欧美一区卜| 久久av网站| 看十八女毛片水多多多| 精品熟女少妇av免费看| freevideosex欧美| 精品国产露脸久久av麻豆| 久久99一区二区三区| 制服诱惑二区| 中文精品一卡2卡3卡4更新| 啦啦啦视频在线资源免费观看| 侵犯人妻中文字幕一二三四区| tube8黄色片| 大话2 男鬼变身卡| 日韩大片免费观看网站| 精品久久蜜臀av无| 亚洲,欧美精品.| 国产精品不卡视频一区二区| 免费在线观看完整版高清| 中文字幕另类日韩欧美亚洲嫩草| 看非洲黑人一级黄片| 日韩三级伦理在线观看| 国产成人a∨麻豆精品| 亚洲欧美清纯卡通| 99热全是精品| 国产成人精品一,二区| 女人久久www免费人成看片| av在线观看视频网站免费| 自拍欧美九色日韩亚洲蝌蚪91| 美国免费a级毛片| 国产免费又黄又爽又色| 波多野结衣一区麻豆| 午夜老司机福利剧场| 午夜免费观看性视频| 亚洲色图 男人天堂 中文字幕 | 日韩制服丝袜自拍偷拍| 天天躁夜夜躁狠狠久久av| 人人妻人人添人人爽欧美一区卜| 成年人午夜在线观看视频| 青春草视频在线免费观看| 欧美日韩成人在线一区二区| 中文字幕精品免费在线观看视频 | 搡老乐熟女国产| 久久久久久人人人人人| 美女脱内裤让男人舔精品视频| 久久久国产一区二区| 一二三四在线观看免费中文在 | 国产亚洲午夜精品一区二区久久| 欧美成人午夜免费资源| 国产免费福利视频在线观看| 日本爱情动作片www.在线观看| 高清在线视频一区二区三区| 日韩av不卡免费在线播放| 两个人看的免费小视频| 久久国产精品男人的天堂亚洲 | 高清毛片免费看| 人成视频在线观看免费观看| xxxhd国产人妻xxx| 少妇人妻精品综合一区二区| 亚洲精品一区蜜桃| 十八禁高潮呻吟视频| 久久毛片免费看一区二区三区| 国产男女超爽视频在线观看| 观看av在线不卡| 天美传媒精品一区二区| 一边摸一边做爽爽视频免费| 久久精品熟女亚洲av麻豆精品| 午夜福利在线观看免费完整高清在| 国产精品三级大全| 新久久久久国产一级毛片| 高清黄色对白视频在线免费看| 青春草亚洲视频在线观看| 亚洲美女搞黄在线观看| 大香蕉久久成人网| 我要看黄色一级片免费的| 久久精品aⅴ一区二区三区四区 | 日韩中文字幕视频在线看片| 成人二区视频| 一级,二级,三级黄色视频| av国产精品久久久久影院| 高清在线视频一区二区三区| 亚洲天堂av无毛| 亚洲精品国产av成人精品| 熟女av电影| 亚洲国产av新网站| 久久精品夜色国产| 亚洲欧美精品自产自拍| 久久热在线av| 久久婷婷青草| 菩萨蛮人人尽说江南好唐韦庄| 人妻少妇偷人精品九色| 你懂的网址亚洲精品在线观看| 国产视频首页在线观看| 少妇精品久久久久久久| av在线观看视频网站免费| av电影中文网址| 国产不卡av网站在线观看| 日韩不卡一区二区三区视频在线| 又黄又粗又硬又大视频| 亚洲少妇的诱惑av| 国产免费一区二区三区四区乱码| 人妻人人澡人人爽人人| 亚洲五月色婷婷综合| 精品一品国产午夜福利视频| 亚洲欧美精品自产自拍| 国产亚洲欧美精品永久| 国产精品嫩草影院av在线观看| 久久国产精品男人的天堂亚洲 | 日韩欧美精品免费久久| 九草在线视频观看| 国产高清国产精品国产三级| 国产精品麻豆人妻色哟哟久久| 国产精品偷伦视频观看了| 中文字幕精品免费在线观看视频 | 久久国内精品自在自线图片| 国产精品一区二区在线观看99| 中文字幕最新亚洲高清| 亚洲国产毛片av蜜桃av| 成人国产麻豆网| 国产成人aa在线观看| 久久久久久久久久久免费av| 亚洲欧洲精品一区二区精品久久久 | 日韩精品有码人妻一区| 亚洲成人一二三区av| 午夜福利在线观看免费完整高清在| 国产成人av激情在线播放| 国产色婷婷99| 人人妻人人澡人人看| 国产精品99久久99久久久不卡 | 亚洲,欧美精品.| 五月玫瑰六月丁香| 中文字幕制服av| 国产永久视频网站| 久久精品国产综合久久久 | 欧美日韩国产mv在线观看视频| 日韩成人伦理影院| 久久久久视频综合| 三上悠亚av全集在线观看| 91午夜精品亚洲一区二区三区| 最后的刺客免费高清国语| 国产不卡av网站在线观看| 99热网站在线观看| 哪个播放器可以免费观看大片| 一级毛片电影观看| 在线 av 中文字幕| 成年女人在线观看亚洲视频| 视频在线观看一区二区三区| 中国国产av一级| 成人二区视频| 波野结衣二区三区在线| 久久久久久久精品精品| 日韩在线高清观看一区二区三区| 大片电影免费在线观看免费| 丁香六月天网| 日韩不卡一区二区三区视频在线| 欧美 日韩 精品 国产| 久久久亚洲精品成人影院| 欧美日韩国产mv在线观看视频| 99re6热这里在线精品视频| 一级片'在线观看视频| 亚洲国产精品国产精品| 香蕉国产在线看| 美女国产高潮福利片在线看| 制服丝袜香蕉在线| 王馨瑶露胸无遮挡在线观看| 国产免费现黄频在线看| 最近中文字幕高清免费大全6| 久久久欧美国产精品| 日韩大片免费观看网站| 涩涩av久久男人的天堂| 久久精品久久久久久噜噜老黄| a级毛色黄片| 成人毛片a级毛片在线播放| 久久午夜福利片| 久久久久久久久久成人| 天堂8中文在线网| 成年动漫av网址| 99久久中文字幕三级久久日本| 久久国产亚洲av麻豆专区| 色5月婷婷丁香| 十分钟在线观看高清视频www| 欧美成人精品欧美一级黄| 男女边摸边吃奶| 在线 av 中文字幕| 国产免费一级a男人的天堂| av国产久精品久网站免费入址| 伦精品一区二区三区| 国产精品欧美亚洲77777| 国产日韩欧美亚洲二区| 极品人妻少妇av视频| 欧美成人午夜精品| 免费高清在线观看视频在线观看| 秋霞在线观看毛片| 永久免费av网站大全| 日韩欧美精品免费久久| 99视频精品全部免费 在线| 少妇猛男粗大的猛烈进出视频| 亚洲久久久国产精品| 国产亚洲午夜精品一区二区久久| 国产又爽黄色视频| 一本色道久久久久久精品综合| 狠狠精品人妻久久久久久综合| 蜜臀久久99精品久久宅男| 美女国产高潮福利片在线看| 精品福利永久在线观看| av女优亚洲男人天堂| 久久久久久久久久久免费av| 日韩三级伦理在线观看| 午夜福利视频精品| 男女国产视频网站| 春色校园在线视频观看| 涩涩av久久男人的天堂| 免费女性裸体啪啪无遮挡网站| 伦理电影免费视频| 自线自在国产av| 纵有疾风起免费观看全集完整版| 看免费av毛片| 又黄又爽又刺激的免费视频.| 纵有疾风起免费观看全集完整版| 亚洲欧美中文字幕日韩二区| a级毛片在线看网站| 老司机亚洲免费影院| 成人亚洲欧美一区二区av| 亚洲欧美日韩卡通动漫| 久久精品国产亚洲av涩爱| 黑人欧美特级aaaaaa片| 国产探花极品一区二区| 校园人妻丝袜中文字幕| 国产成人精品福利久久| 99久久综合免费| 看免费成人av毛片| 久久久久久久精品精品| 国产探花极品一区二区| 日本av手机在线免费观看| 人人妻人人爽人人添夜夜欢视频| 看免费av毛片| videosex国产| 国产成人免费无遮挡视频| 免费大片黄手机在线观看| 国产综合精华液| 熟女av电影| 成人漫画全彩无遮挡| 成年动漫av网址| 色哟哟·www| 久久狼人影院| 日本猛色少妇xxxxx猛交久久| 国产淫语在线视频| 男女高潮啪啪啪动态图| 尾随美女入室| 久久97久久精品| 国产一区二区激情短视频 | 18禁在线无遮挡免费观看视频| 国产探花极品一区二区| 中国国产av一级| 亚洲欧美日韩卡通动漫| 如日韩欧美国产精品一区二区三区| 热re99久久国产66热| 秋霞伦理黄片| 哪个播放器可以免费观看大片| 国产免费视频播放在线视频| 国产69精品久久久久777片| 女性生殖器流出的白浆| 国产成人精品婷婷| 欧美亚洲日本最大视频资源| 亚洲国产精品一区二区三区在线| 青青草视频在线视频观看| 成人综合一区亚洲| 欧美人与性动交α欧美精品济南到 | 亚洲国产日韩一区二区| 卡戴珊不雅视频在线播放| 黄色一级大片看看| 午夜老司机福利剧场| 国产精品久久久久久久电影| a级毛片黄视频| 精品人妻偷拍中文字幕| 亚洲国产精品成人久久小说| 精品福利永久在线观看| 黄网站色视频无遮挡免费观看| 成人手机av| 妹子高潮喷水视频| 亚洲欧洲国产日韩| 天天躁夜夜躁狠狠躁躁| 香蕉国产在线看| 国产精品一区www在线观看| 成人毛片a级毛片在线播放| 人妻人人澡人人爽人人| videosex国产| 久久午夜福利片| 肉色欧美久久久久久久蜜桃| 成年人午夜在线观看视频| 国产精品 国内视频| 欧美xxxx性猛交bbbb| 亚洲精品,欧美精品| 黄色 视频免费看| av免费观看日本| 日韩制服丝袜自拍偷拍| av又黄又爽大尺度在线免费看| 免费少妇av软件| 大片电影免费在线观看免费| 国产精品不卡视频一区二区| 免费观看无遮挡的男女| 肉色欧美久久久久久久蜜桃| 亚洲人与动物交配视频| 波多野结衣一区麻豆| 九九爱精品视频在线观看| 少妇人妻久久综合中文| 亚洲欧美色中文字幕在线| 五月玫瑰六月丁香| 亚洲精品一二三| 亚洲精品久久午夜乱码| 久久久久久久久久久免费av| 99久国产av精品国产电影| 男女下面插进去视频免费观看 | av免费观看日本| 老熟女久久久| 亚洲精品色激情综合| 人妻 亚洲 视频| 国产精品女同一区二区软件| 精品少妇黑人巨大在线播放| 日韩欧美精品免费久久| 满18在线观看网站| 久久久精品区二区三区| 亚洲国产av影院在线观看| 国产亚洲精品第一综合不卡 | 久久精品国产亚洲av涩爱| 久久韩国三级中文字幕| 中文字幕另类日韩欧美亚洲嫩草| 欧美xxxx性猛交bbbb| 亚洲美女黄色视频免费看| 男人舔女人的私密视频| xxx大片免费视频| 另类亚洲欧美激情| 日日摸夜夜添夜夜爱| 99视频精品全部免费 在线| 美女国产高潮福利片在线看| 欧美精品一区二区免费开放| 另类亚洲欧美激情| 美女xxoo啪啪120秒动态图| a级片在线免费高清观看视频| 综合色丁香网| 女性生殖器流出的白浆| 中文乱码字字幕精品一区二区三区| 亚洲av中文av极速乱| 美女国产高潮福利片在线看| 日本av免费视频播放| 99久久人妻综合| 日本vs欧美在线观看视频| 国产淫语在线视频| 亚洲,一卡二卡三卡| 一本大道久久a久久精品| 久久久国产精品麻豆| 久久97久久精品| 国产精品.久久久| 黄色怎么调成土黄色| h视频一区二区三区| 有码 亚洲区| 青春草视频在线免费观看| 又粗又硬又长又爽又黄的视频| av线在线观看网站| 国产欧美日韩综合在线一区二区| 秋霞在线观看毛片| 一级片免费观看大全| 高清欧美精品videossex| 国产av码专区亚洲av| av国产久精品久网站免费入址| 国产精品.久久久| 国精品久久久久久国模美| 精品人妻熟女毛片av久久网站| 青春草亚洲视频在线观看| 少妇的逼水好多| 免费久久久久久久精品成人欧美视频 | 亚洲五月色婷婷综合| 久久久亚洲精品成人影院| 九色亚洲精品在线播放| 22中文网久久字幕| 国产精品熟女久久久久浪| 国产免费福利视频在线观看| 国内精品宾馆在线| 午夜福利在线观看免费完整高清在| 国产在视频线精品| 色网站视频免费| 一本久久精品| av.在线天堂| 色婷婷久久久亚洲欧美| 国产免费一级a男人的天堂| 美女国产高潮福利片在线看| 男女下面插进去视频免费观看 | 免费女性裸体啪啪无遮挡网站| 免费日韩欧美在线观看| 欧美精品一区二区大全| 亚洲国产精品成人久久小说| 伊人亚洲综合成人网| 色婷婷久久久亚洲欧美| 永久网站在线| 色婷婷久久久亚洲欧美| 亚洲国产精品一区二区三区在线| 欧美 亚洲 国产 日韩一| 亚洲国产精品一区二区三区在线| 亚洲精品日本国产第一区| 午夜福利网站1000一区二区三区| 大香蕉97超碰在线| 国产成人精品久久久久久| 国产亚洲精品久久久com| 亚洲欧美一区二区三区黑人 | 男人爽女人下面视频在线观看| 亚洲一码二码三码区别大吗| 成年人午夜在线观看视频| 欧美精品人与动牲交sv欧美| 亚洲高清免费不卡视频| 精品国产一区二区三区久久久樱花| 中文字幕精品免费在线观看视频 | 一二三四中文在线观看免费高清| 免费大片黄手机在线观看| 久久 成人 亚洲| 人体艺术视频欧美日本| 国产亚洲精品久久久com| 午夜福利网站1000一区二区三区| 久久精品夜色国产| 国产精品成人在线| 欧美亚洲日本最大视频资源| 99热国产这里只有精品6| 极品少妇高潮喷水抽搐| 亚洲成国产人片在线观看| 国产成人精品一,二区| 午夜久久久在线观看| 日韩一区二区视频免费看| 欧美另类一区| 久久久欧美国产精品| 亚洲国产精品一区三区| 亚洲,欧美精品.| 亚洲精品久久午夜乱码| 亚洲中文av在线| 成人无遮挡网站| 国产成人精品久久久久久| 熟女人妻精品中文字幕| 只有这里有精品99| 18禁动态无遮挡网站| 国产精品秋霞免费鲁丝片| av在线老鸭窝| 一边亲一边摸免费视频| 另类亚洲欧美激情| 亚洲 欧美一区二区三区| 亚洲经典国产精华液单| 中文字幕精品免费在线观看视频 | av女优亚洲男人天堂| 亚洲精品久久久久久婷婷小说| 性色av一级| 日本午夜av视频| 亚洲美女搞黄在线观看| 成人国产av品久久久| 香蕉丝袜av| 亚洲人与动物交配视频| 亚洲熟女精品中文字幕| av线在线观看网站| 亚洲成国产人片在线观看| 午夜免费观看性视频| 亚洲国产精品一区三区| 伦理电影大哥的女人| 高清欧美精品videossex| 1024视频免费在线观看| 亚洲国产欧美日韩在线播放| 亚洲欧美成人综合另类久久久| 日本91视频免费播放| 国产亚洲欧美精品永久| a级片在线免费高清观看视频| 精品少妇久久久久久888优播| 亚洲精品美女久久av网站| 亚洲国产最新在线播放| 狠狠婷婷综合久久久久久88av| 亚洲国产精品成人久久小说| 国产黄色免费在线视频| 热re99久久精品国产66热6| 天天操日日干夜夜撸| 99久国产av精品国产电影| 这个男人来自地球电影免费观看 | 日本与韩国留学比较| av线在线观看网站| 少妇的逼好多水| 99re6热这里在线精品视频| 亚洲成人手机| 大陆偷拍与自拍| 国产 精品1| 成人黄色视频免费在线看| 乱人伦中国视频| 少妇的逼好多水| 亚洲国产精品999| 好男人视频免费观看在线| 国产免费一级a男人的天堂| 国产精品国产三级国产专区5o| 免费在线观看黄色视频的| 丝袜喷水一区| 男女边吃奶边做爰视频| 日本黄色日本黄色录像| 午夜老司机福利剧场| 男女下面插进去视频免费观看 |