• <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ARM和深度學(xué)習(xí)的智能行人預(yù)警系統(tǒng)

    2022-01-05 14:31:06劉佳麗黃世震何恩德
    關(guān)鍵詞:行人物體卷積

    劉佳麗,黃世震,,何恩德

    (1.福州大學(xué) 物理與信息工程學(xué)院,福建 福州350116;2.福州大學(xué) 微電子集成電路重點(diǎn)實(shí)驗(yàn)室,福建 福州350002)

    0 引言

    交通安全問題已成為當(dāng)前亟待解決的社會(huì)問題之一,尤其在交通環(huán)境下很多行人的注意力因集中在智能手機(jī)上而不注意周圍是否有車輛威脅自身安全,往往造成悲劇的發(fā)生,故如何降低該類交通事故的發(fā)生率已成為急需要考慮的問題。

    HOG(Histogram of Oriented Gradient)提出被檢測的目標(biāo)輪廓能夠被光強(qiáng)梯度和邊緣分布描述,SVM(Support Vector Machines)為二分類模型并可進(jìn)行回歸分析,通過將兩種方法結(jié)合,使用HOG方法檢測目標(biāo)物體的邊緣信息并提取特征SVM方法對目標(biāo)物體區(qū)域進(jìn)行篩選[1]實(shí)現(xiàn)了道路行人的檢測;當(dāng)今目標(biāo)檢測算法蓬勃發(fā)展,文獻(xiàn)[2]中提出了一種基于改進(jìn)的YOLOV3檢測算法大大提高了對行人檢測的精度并通過降低算法的復(fù)雜性和簡化模型解決了長距離和小體積物體難以檢測到的問題;文獻(xiàn)[3]中提出了一種依據(jù)上下文信息和行人高寬比的特點(diǎn)改進(jìn)的SSD行人檢測方法,通過改進(jìn)模型的整體框架和縱橫比,生成淺層語義特征信息和深層語義特征信息以檢測目標(biāo)行人,提高了檢測精度;HOG+SVM方法雖然能成功進(jìn)行行人檢測,但是對遮擋物體檢測準(zhǔn)確率極低以及不能完成對目標(biāo)車輛的檢測;基于YOLOV3網(wǎng)絡(luò)模型檢測的準(zhǔn)確率很高,但是檢測速度慢,不能達(dá)到實(shí)時(shí)性檢測的要求;SSD屬于輕量級檢測模型,對于較大目標(biāo)的檢測可以滿足要求,但對小目標(biāo)物體(如較遠(yuǎn)處的車輛)的檢測精度低且速度慢。

    近年來,隨著計(jì)算機(jī)圖形處理器計(jì)算性能的不斷提升和計(jì)算機(jī)視覺物體檢測新算法的不斷涌現(xiàn)[4],為交通場景中的行人以及車輛檢測提供了技術(shù)支持。文獻(xiàn)[5]中提出使用HOG提取目標(biāo)物體的邊緣與SVM技術(shù)對訓(xùn)練模型進(jìn)行二分類相結(jié)合的方法,該模型使用大量數(shù)據(jù)測試后得出該方法使檢測速度與檢測精度綜合提升,在行人檢測問題的處理中實(shí)現(xiàn)了重大突破。隨著目標(biāo)檢測算法的快速發(fā)展,逐漸將行人車輛的檢測與目標(biāo)檢測結(jié)合?,F(xiàn)階段的目標(biāo)檢測有兩類方法:一類是兩階段的目標(biāo)檢測模型,代表為R-CNN模型,首先生成可能包含目標(biāo)物體的候選框,然后再使用卷積操作對候選框中的目標(biāo)物體進(jìn)行分類[6];另一類為一階段模型,代表為YOLO系列和SSD系列,利用回歸的處理方式對目標(biāo)物體進(jìn)行檢測,即該神經(jīng)網(wǎng)絡(luò)模型對輸入圖像進(jìn)行一次前向計(jì)算,預(yù)測出全部目標(biāo)物體的位置類別以及置信度。文獻(xiàn)[7]中提出了Fast R-CNN神經(jīng)網(wǎng)絡(luò)模型,在R-CNN的基礎(chǔ)上Fast R-CNN引入了與SSPnet相同的池化方法,以區(qū)域推薦和特征提取作為模塊設(shè)計(jì)并以PASCAL VOC作為數(shù)據(jù)集進(jìn)行訓(xùn)練。與HOG+SVM方法對比,平均檢測精度(Mean Average Precision,MAP)由35.1%提升至53.7%;YOLO系 列 模 型 從YOLOV1發(fā) 展 到 了YOLOV5。YOLOV1[8]基于GoogleNet的基本架構(gòu)采用24個(gè)卷積操作最后連接兩個(gè)全連接層作為模型的檢測頭,使用98個(gè) 邊 界 框(bounding boxes,bbox)預(yù)測7×7個(gè)目標(biāo)物體。YOLOV1雖然檢測速度較快,但相比于其他目標(biāo)檢測模型檢測精度并不高。YOLOV2[9]基于darknet網(wǎng)絡(luò)框架,將YOLOV1的7×7的卷積結(jié)構(gòu)優(yōu)化為3×3和1×1的深度可分離卷積結(jié)構(gòu),使提取特征更加精確同時(shí)提高了模型的非線性。為了解決YOLOV1的檢測精度的問題,引入了R-CNN模型的錨框概念并采用定位預(yù)測的方法大大提高了網(wǎng)絡(luò)性能和精度,缺點(diǎn)在小目標(biāo)物體的檢測中YOLOV2的檢測精度很低。YOLOV3[10]是基于darknet 53的模型框架并將池化層更改為下采樣層的方法以減少特征的損失。下采樣層分為了三個(gè)分支分別預(yù)測大、中、小目標(biāo)物體,檢測精度和速度有了明顯的提升。在本文提出的行人車輛檢測系統(tǒng)中必須滿足兩點(diǎn)要求:(1)檢測精度高并且檢測速度快,滿足實(shí)時(shí)性檢測的需求;(2)能夠?yàn)檩p量級的網(wǎng)絡(luò)模型部署至開發(fā)板。為了解決上述問題:(1)采用單目攝像頭人工采集的數(shù)據(jù)集進(jìn)行標(biāo)注并分析;(2)對目標(biāo)檢測神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析優(yōu)化訓(xùn)練并部署至NCNN平臺進(jìn)行測試,根據(jù)評估標(biāo)準(zhǔn)選擇更適用于該系統(tǒng)的網(wǎng)絡(luò)模型;(3)將模型移植至開發(fā)板對道路車輛以及行人進(jìn)行實(shí)時(shí)性的識別,對車輛進(jìn)行測速并對人行道上的行人進(jìn)行實(shí)時(shí)安全警告。

    1 YOLO-fastest算法原理

    YOLO-fastest模型以darknet為基本框架,是輕量級通用目標(biāo)檢測算法YOLO的改進(jìn)版,具有模型小、檢測速度快與易于部署等優(yōu)點(diǎn),能夠用PyTorch、TensorFlow、Keras、Caffe等 機(jī) 器 學(xué) 習(xí) 庫 實(shí) 現(xiàn)。構(gòu) 成 該模型的基本結(jié)構(gòu)由“卷積+歸一化+Leaky激活函數(shù)”組成。主干網(wǎng)絡(luò)部分由74個(gè)卷積層構(gòu)成并且采用隨機(jī)丟棄和張量相加對特征圖進(jìn)行處理。檢測頭包括分類、回歸和檢測。下采樣層分別為16倍下采樣和32倍下采樣,通過調(diào)整感受野故對不同尺寸目標(biāo)物體的識別結(jié)果較精確。最終的輸出為感受野較大的10×10×75尺寸預(yù)測大目標(biāo)的物體和感受野較小的20×20×75尺寸預(yù)測小目標(biāo)的物體。

    1.1 深度可分離卷積

    深度可分離卷積是將標(biāo)準(zhǔn)卷積拆解為深度卷積和逐點(diǎn)卷積在計(jì)算的過程。傳統(tǒng)的卷積結(jié)構(gòu)在每次的卷積操作都會(huì)考慮到所有通道使參數(shù)量大大增加,故使用深度可分離卷積操作解決該問題。先對每一通道的區(qū)域進(jìn)行卷積計(jì)算,再進(jìn)行通道間的信息交互,實(shí)現(xiàn)了通道內(nèi)卷積和通道間卷積完全分離[11]。YOLO-fastest網(wǎng)絡(luò)引入深度可分離卷積操作減少模型參數(shù)量,增加了網(wǎng)絡(luò)深度,能更好地對特征進(jìn)行提取,極大降低了模型參數(shù)量以及計(jì)算量,從而提高檢測速率[2]。

    1.2 反殘差結(jié)構(gòu)

    深度殘差結(jié)構(gòu)為何凱明等人在文獻(xiàn)[11]中提出的基本網(wǎng)絡(luò)結(jié)構(gòu),該網(wǎng)絡(luò)全部采用相同大小的卷積核使用卷積步長取代池化,全連接層替換成平均池化層減少了參數(shù)量,解決梯度消失問題并加深了網(wǎng)絡(luò)結(jié)構(gòu)[12]。在YOLO-fastest模型中由于使用了大量的深度可分離卷積結(jié)構(gòu)使網(wǎng)絡(luò)參數(shù)減少。故將反殘差結(jié)構(gòu)引入到Y(jié)OLO-fastest模型中即在深度分離卷積之前添加一層1×1卷積結(jié)構(gòu),因此解除了深度分離卷積對網(wǎng)絡(luò)模型的限制。

    2 實(shí)驗(yàn)設(shè)計(jì)

    為了確保該系統(tǒng)的性能更好、檢測精度更高,故對學(xué)校門口人流量密集的地區(qū)采集真實(shí)交通環(huán)境下道路車輛以及行人圖片,并進(jìn)行人工標(biāo)注。分別對主流的目標(biāo)檢測模型YOLOV3、YOLO-fastest、YOLOV4-tiny、MobilenetV3-ssd進(jìn)行實(shí)驗(yàn)對比與分析評估,完成模型剪枝、微調(diào)以及優(yōu)化。采用標(biāo)注和分析完成的數(shù)據(jù)集對以上神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,將訓(xùn)練完成的網(wǎng)絡(luò)模型轉(zhuǎn)換為NCNN模型并進(jìn)行模型量化處理以及部署至NCNN平臺,最后將模型部署至Atlas200 DK開發(fā)板進(jìn)行實(shí)時(shí)檢測。

    2.1 數(shù)據(jù)集

    2.1.1 數(shù)據(jù)集采集

    目標(biāo)檢測的結(jié)果與數(shù)據(jù)集的準(zhǔn)確性密切相關(guān),若數(shù)據(jù)集的精度較低或者噪聲干擾較多將造成檢測結(jié)果準(zhǔn)確率低,并影響系統(tǒng)的整體性能。該實(shí)驗(yàn)采用的數(shù)據(jù)集為普通單目攝像頭采集白天光線較好的交通場景圖像,標(biāo)注類別分為三類:行人、機(jī)動(dòng)車、非機(jī)動(dòng)車。其中汽車、卡車、公交車等較大型車輛分類為機(jī)動(dòng)車,摩托、電動(dòng)車等為非機(jī)動(dòng)車,在人行道以及其兩側(cè)的人為行人,并采用labling進(jìn)行標(biāo)注并對數(shù)據(jù)集進(jìn)行分析。本文共使用了1 500張交通圖片,測試集隨機(jī)選擇150張,訓(xùn)練集為1 350張。

    2.1.2 數(shù)據(jù)集分析

    對數(shù)據(jù)集中每一類別的目標(biāo)框個(gè)數(shù)進(jìn)行分析,其中標(biāo)簽分別為Vehicle、Non-Motor Vehicle、pedestrian的目標(biāo)框個(gè)數(shù)占比如圖1所示。在數(shù)據(jù)集標(biāo)注文件中的bbox的格式為(xmin,ymin,xmax,ymax),其中(xmin,ymin)表示目標(biāo)左上角坐標(biāo)以及(xmax,ymax)表示右下角坐標(biāo)。對bbox的高寬比進(jìn)行可視化分析,結(jié)果如圖2所示,高寬比在0.3~0.5范圍內(nèi)的目標(biāo)為行人類別,在0.5~1.3范圍內(nèi)的目標(biāo)為非機(jī)動(dòng)車類別,在1.3~4.0范圍內(nèi)的目標(biāo)為機(jī)動(dòng)車類別。

    圖1 目標(biāo)框個(gè)數(shù)分析

    圖2 bbox高寬比分析

    2.2 速度檢測

    本文旨在通過目標(biāo)檢測算法識別交通場景的行人以及車輛,從而對斑馬線上的行人進(jìn)行安全提醒,當(dāng)車輛的速度高于設(shè)定速度閾值時(shí),顯示危險(xiǎn)信號以提醒行人注意安全。在完成目標(biāo)檢測的基礎(chǔ)上,對目標(biāo)車輛進(jìn)行定位測速以及安全警告。本文采用文獻(xiàn)[13]中的方案對視頻車輛測速。

    (1)通過目標(biāo)檢測的網(wǎng)絡(luò)模型得到目標(biāo)物體的中心坐標(biāo),則兩幀視頻間隔時(shí)間內(nèi)目標(biāo)車輛行駛的距離為式(1):

    其中,xi為t時(shí)刻的目標(biāo)物體的坐標(biāo),Δt為兩幀之間的時(shí)間間隔,檢測示意圖見圖3。xi(t-Δt)為上一幀目標(biāo)物體的坐標(biāo),檢測示意圖見圖4。

    圖3 t-Δt時(shí)刻檢測圖

    圖4 t時(shí)刻檢測圖

    (2)通過進(jìn)行相機(jī)標(biāo)定獲得映射矩陣,將攝像頭捕捉到的車輛兩幀之間行駛的距離轉(zhuǎn)換為實(shí)際距離Ti。相機(jī)標(biāo)定示意圖如圖5所示,映射矩陣見

    圖5 相機(jī)標(biāo)定示意圖

    式(2)。h為攝像頭距地面的高度,Oc為相機(jī)坐標(biāo)系,OW為真實(shí)世界坐標(biāo)系,φ為道路平面與Zc軸的夾角,θ代ZWOWZc構(gòu)成的平面與YW軸的夾角。

    (3)最終計(jì)算實(shí)際速度見式(3)。

    3 實(shí)驗(yàn)

    本文訓(xùn)練以及實(shí)驗(yàn)環(huán)境的詳細(xì)設(shè)置如下:CUDA版本為10.2,CUDNN版本為9.0,CPU配置為R7-4800H,開發(fā)板為Atlas200 DK,軟件環(huán)境為Ununtu18.04,顯卡配置為NVIDIAGTX-1650Ti,PyTorch版本為1.6.0。開發(fā)板實(shí)物圖見圖6。

    圖6 Atlas200 DK實(shí)物圖

    3.1 訓(xùn)練參數(shù)設(shè)置

    分別對YOLO-fastest、YOLOV4-tiny、YOLOV3、Mobil enetV3-ssd進(jìn) 行 訓(xùn) 練。YOLO-fastest在 訓(xùn) 練 過程中對部分參數(shù)進(jìn)行調(diào)整以達(dá)到更好的訓(xùn)練結(jié)果。輸入圖片像素為320×320×3,并對其進(jìn)行圖像增強(qiáng),飽和度與曝光變化分別設(shè)置為1.5和1.5,色調(diào)變化范圍為0.1。每次迭代基于飽和度、曝光、色調(diào)產(chǎn)生新的訓(xùn)練圖片。初始學(xué)習(xí)率設(shè)置為0.001,根據(jù)訓(xùn)練進(jìn)程減小至0.000 1使損失函數(shù)更好地收斂,權(quán)值衰減設(shè)置為0.005以避免過擬合。YOLOV4-tiny、YOLOV3、MobilenetV3-ssd的輸入圖片像素為416×416×3、416×416×3、300×300×3,其他設(shè)置與YOLOfastest一致。

    3.2 實(shí)驗(yàn)結(jié)果

    將訓(xùn)練完成的YOLOV4-tiny、YOLOV3、MobilenetV3-ssd,YOLO-fastest神經(jīng)網(wǎng)絡(luò)模型分別部署至開發(fā)板上進(jìn)行實(shí)時(shí)檢測,以檢測速度、MAP與模型大小作為評估標(biāo)準(zhǔn)。最終選擇的神經(jīng)網(wǎng)絡(luò)模型既要滿足檢測精度的要求又滿足檢測速度的要求,能夠完成對交通場景下的實(shí)時(shí)性行人車輛檢測并提醒行人危險(xiǎn)的到來。從表1中可以觀察到Y(jié)OLO-fastest的平均檢測精度為96.1%,檢測速度為33 f/s,模型大小為1.2 MB。MobilenetV3-ssd同樣是輕量級神經(jīng)網(wǎng)絡(luò)模型,檢測精度相當(dāng),但檢測速度為6 f/s,明顯慢于YOLO-fastest,并且模型大小為10.2 MB,也要大于YOLO-fastest,與YOLOV4-tiny和YOLOV3相比,雖然平均檢測精度相對較低,但也滿足該系統(tǒng)對檢測精度的要求,檢測速度有了很大的提升,模型大小也遠(yuǎn)遠(yuǎn)小于其他兩種模型,完全達(dá)到了對實(shí)時(shí)性和輕量型的要求。檢測原圖與效果圖對比如圖7、圖8所示。

    圖7 待檢測原圖

    圖8 YOLO-fastest檢測效果圖

    表1 網(wǎng)絡(luò)模型性能對比

    4 結(jié)論

    該實(shí)驗(yàn)提出的智能行人預(yù)警系統(tǒng)分析并對比了主流的目標(biāo)檢測算法,選取了更輕量、檢測速度更快的YOLO-fastest模型并將其部署至NCNN平臺上,最終移植至開發(fā)板實(shí)現(xiàn)實(shí)時(shí)性檢測并回饋給行人危險(xiǎn)信號,平均精度為96.1%,檢測速度達(dá)到33 f/s。

    該文雖然做到了實(shí)時(shí)性的行人檢測,但未充分考慮到天氣的影響,如陰天、雨天、霧天等極端天氣造成檢測的準(zhǔn)確率降低的情況,將考慮使用遷移學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型對該極端情況進(jìn)行處理,遷移學(xué)習(xí)可以很好地解決雨天數(shù)據(jù)集難以采集的問題。

    猜你喜歡
    行人物體卷積
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    深刻理解物體的平衡
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    路不為尋找者而設(shè)
    我們是怎樣看到物體的
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    我是行人
    為什么同一物體在世界各地重量不一樣?
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    国产一区二区在线观看av| 91精品伊人久久大香线蕉| 校园人妻丝袜中文字幕| 国产日韩欧美视频二区| 欧美97在线视频| 女人久久www免费人成看片| 亚洲精品久久久久久婷婷小说| 精品国产乱码久久久久久小说| 精品一区在线观看国产| 欧美日韩av久久| 97在线人人人人妻| 精品国产一区二区三区久久久樱花| 精品国产乱码久久久久久小说| 制服人妻中文乱码| 欧美国产精品va在线观看不卡| 久久久久久人人人人人| 看免费成人av毛片| 91aial.com中文字幕在线观看| 97在线视频观看| 午夜老司机福利剧场| 纯流量卡能插随身wifi吗| 亚洲欧美成人精品一区二区| 免费人妻精品一区二区三区视频| 国产亚洲午夜精品一区二区久久| 少妇人妻精品综合一区二区| 丝袜喷水一区| 成人影院久久| 一边摸一边做爽爽视频免费| 97在线人人人人妻| 精品国产乱码久久久久久男人| 成人国产麻豆网| 我的亚洲天堂| 亚洲精品中文字幕在线视频| 久久av网站| 男女边摸边吃奶| 成人国产av品久久久| 国产精品人妻久久久影院| 啦啦啦中文免费视频观看日本| 亚洲五月色婷婷综合| 美女午夜性视频免费| 亚洲av电影在线进入| 99香蕉大伊视频| 亚洲情色 制服丝袜| a 毛片基地| 亚洲国产毛片av蜜桃av| 熟女电影av网| 18在线观看网站| 亚洲精品国产一区二区精华液| 99久久精品国产国产毛片| 久久午夜福利片| 9热在线视频观看99| 午夜日韩欧美国产| 丰满少妇做爰视频| 一级毛片我不卡| 亚洲欧美一区二区三区久久| 免费在线观看视频国产中文字幕亚洲 | av不卡在线播放| 黄片播放在线免费| 2018国产大陆天天弄谢| 街头女战士在线观看网站| 国产熟女午夜一区二区三区| 十分钟在线观看高清视频www| 精品久久蜜臀av无| 各种免费的搞黄视频| 精品一区在线观看国产| 91精品国产国语对白视频| av电影中文网址| 少妇 在线观看| 999精品在线视频| 日本91视频免费播放| h视频一区二区三区| 精品酒店卫生间| 99香蕉大伊视频| 亚洲 欧美一区二区三区| 久久精品久久久久久久性| 亚洲精华国产精华液的使用体验| 91午夜精品亚洲一区二区三区| 亚洲欧美成人综合另类久久久| 欧美日韩视频高清一区二区三区二| 人妻人人澡人人爽人人| 日韩视频在线欧美| 日韩av不卡免费在线播放| 亚洲欧洲日产国产| 丰满饥渴人妻一区二区三| 午夜免费男女啪啪视频观看| 免费人妻精品一区二区三区视频| 高清不卡的av网站| 伊人久久大香线蕉亚洲五| 五月开心婷婷网| 免费在线观看黄色视频的| 亚洲 欧美一区二区三区| 欧美亚洲日本最大视频资源| 亚洲中文av在线| 亚洲色图 男人天堂 中文字幕| 国产精品一区二区在线不卡| 在线观看www视频免费| 欧美在线黄色| 2022亚洲国产成人精品| 国产精品 欧美亚洲| 美国免费a级毛片| 国产日韩欧美亚洲二区| 永久网站在线| 一本—道久久a久久精品蜜桃钙片| 99九九在线精品视频| 97在线人人人人妻| 中文字幕另类日韩欧美亚洲嫩草| 亚洲内射少妇av| 国产成人aa在线观看| 一级爰片在线观看| 男女啪啪激烈高潮av片| av一本久久久久| 国产精品99久久99久久久不卡 | 男女免费视频国产| 欧美国产精品一级二级三级| 精品国产超薄肉色丝袜足j| 国产欧美亚洲国产| 最近最新中文字幕免费大全7| 在线观看免费高清a一片| 国产深夜福利视频在线观看| 99精国产麻豆久久婷婷| 国产亚洲午夜精品一区二区久久| 亚洲精品成人av观看孕妇| 熟女av电影| 亚洲天堂av无毛| 热re99久久国产66热| 涩涩av久久男人的天堂| 国产av精品麻豆| 亚洲精品乱久久久久久| 国产精品免费视频内射| 亚洲欧美成人精品一区二区| 免费高清在线观看视频在线观看| 欧美日韩视频高清一区二区三区二| 久久久精品区二区三区| 日韩熟女老妇一区二区性免费视频| 99久久中文字幕三级久久日本| 一本久久精品| 日本欧美视频一区| 汤姆久久久久久久影院中文字幕| 9色porny在线观看| 国产乱人偷精品视频| 最近中文字幕2019免费版| 十分钟在线观看高清视频www| 曰老女人黄片| 精品少妇黑人巨大在线播放| 国产97色在线日韩免费| 一级a爱视频在线免费观看| 成年女人毛片免费观看观看9 | 欧美日韩亚洲国产一区二区在线观看 | 最近最新中文字幕大全免费视频 | 中国三级夫妇交换| 国产 精品1| 亚洲精品一二三| 免费观看a级毛片全部| 久久韩国三级中文字幕| 91成人精品电影| 久久99一区二区三区| 欧美国产精品一级二级三级| 妹子高潮喷水视频| 叶爱在线成人免费视频播放| 国产高清国产精品国产三级| 亚洲美女搞黄在线观看| 男的添女的下面高潮视频| 成人18禁高潮啪啪吃奶动态图| 女的被弄到高潮叫床怎么办| 99精国产麻豆久久婷婷| 国产片内射在线| 日韩一区二区三区影片| 美女脱内裤让男人舔精品视频| 欧美日韩一级在线毛片| 伦理电影免费视频| 亚洲精品av麻豆狂野| 国产 精品1| 午夜精品国产一区二区电影| 蜜桃在线观看..| 天堂中文最新版在线下载| 99香蕉大伊视频| 欧美中文综合在线视频| 免费观看无遮挡的男女| 久久人人爽人人片av| 青春草视频在线免费观看| 久久国产精品大桥未久av| 99香蕉大伊视频| 国产综合精华液| 99热全是精品| 精品国产一区二区三区四区第35| 波野结衣二区三区在线| 亚洲色图 男人天堂 中文字幕| 黄色毛片三级朝国网站| 秋霞伦理黄片| 大香蕉久久成人网| 久久午夜福利片| 一区福利在线观看| 香蕉国产在线看| 99九九在线精品视频| 日韩精品免费视频一区二区三区| 五月伊人婷婷丁香| 欧美日韩精品网址| 亚洲成色77777| 日韩av免费高清视频| 青春草国产在线视频| 精品人妻熟女毛片av久久网站| 亚洲av男天堂| 777久久人妻少妇嫩草av网站| a级片在线免费高清观看视频| 成人国产麻豆网| 亚洲欧美中文字幕日韩二区| 亚洲精品美女久久av网站| 亚洲成国产人片在线观看| 亚洲精品成人av观看孕妇| 国产白丝娇喘喷水9色精品| 大码成人一级视频| 亚洲精品中文字幕在线视频| 美女大奶头黄色视频| xxxhd国产人妻xxx| 人妻 亚洲 视频| 久久精品久久久久久噜噜老黄| 99久国产av精品国产电影| a级片在线免费高清观看视频| 亚洲美女视频黄频| 国产乱来视频区| videosex国产| 2018国产大陆天天弄谢| 亚洲国产精品国产精品| 久久99蜜桃精品久久| 免费观看无遮挡的男女| 1024香蕉在线观看| 免费不卡的大黄色大毛片视频在线观看| 少妇人妻精品综合一区二区| 免费观看在线日韩| 午夜福利视频精品| 国产伦理片在线播放av一区| 国产亚洲午夜精品一区二区久久| 亚洲图色成人| 汤姆久久久久久久影院中文字幕| av国产久精品久网站免费入址| 欧美在线黄色| 久久精品久久久久久噜噜老黄| 亚洲一区中文字幕在线| 免费高清在线观看日韩| 欧美日韩视频高清一区二区三区二| 国产亚洲av片在线观看秒播厂| 免费人妻精品一区二区三区视频| 男人爽女人下面视频在线观看| 99re6热这里在线精品视频| 精品久久蜜臀av无| 三上悠亚av全集在线观看| 肉色欧美久久久久久久蜜桃| 久久精品久久精品一区二区三区| 国产av一区二区精品久久| 日韩不卡一区二区三区视频在线| 黄色视频在线播放观看不卡| 肉色欧美久久久久久久蜜桃| 毛片一级片免费看久久久久| 尾随美女入室| 一级毛片电影观看| 一个人免费看片子| 少妇人妻 视频| 国产 精品1| 亚洲经典国产精华液单| 久久久久久久精品精品| 免费看不卡的av| 国产极品粉嫩免费观看在线| 韩国av在线不卡| 精品国产露脸久久av麻豆| 国产精品一区二区在线不卡| 成年动漫av网址| 久久精品国产自在天天线| 国产老妇伦熟女老妇高清| 久久久久国产网址| 久久热在线av| 免费黄色在线免费观看| 纯流量卡能插随身wifi吗| 久久午夜福利片| 美女国产高潮福利片在线看| 久久国产精品男人的天堂亚洲| av视频免费观看在线观看| 人成视频在线观看免费观看| www.熟女人妻精品国产| 免费观看性生交大片5| 天美传媒精品一区二区| 亚洲五月色婷婷综合| 欧美 日韩 精品 国产| 日韩视频在线欧美| 香蕉丝袜av| 国产熟女午夜一区二区三区| 国产综合精华液| 另类精品久久| 岛国毛片在线播放| 亚洲经典国产精华液单| 肉色欧美久久久久久久蜜桃| 一区二区av电影网| 亚洲精品久久午夜乱码| 天天躁夜夜躁狠狠躁躁| 免费高清在线观看日韩| 天天操日日干夜夜撸| 亚洲欧洲国产日韩| 最近中文字幕高清免费大全6| 晚上一个人看的免费电影| 久久久国产欧美日韩av| 国产又色又爽无遮挡免| av有码第一页| 一区在线观看完整版| 在线观看美女被高潮喷水网站| 欧美 日韩 精品 国产| 黄色一级大片看看| 日韩伦理黄色片| 熟女少妇亚洲综合色aaa.| 97精品久久久久久久久久精品| 国产成人一区二区在线| 五月伊人婷婷丁香| 国产在视频线精品| 在线观看免费视频网站a站| 亚洲av欧美aⅴ国产| 亚洲精品乱久久久久久| 国产极品天堂在线| 久久久久国产一级毛片高清牌| av国产精品久久久久影院| 久久热在线av| 韩国精品一区二区三区| 亚洲精品aⅴ在线观看| 国产综合精华液| 亚洲伊人色综图| 人成视频在线观看免费观看| 国产精品久久久久久av不卡| h视频一区二区三区| 国产成人精品久久久久久| 制服诱惑二区| 两个人看的免费小视频| 夜夜骑夜夜射夜夜干| 日韩一区二区视频免费看| 日本-黄色视频高清免费观看| 熟女少妇亚洲综合色aaa.| 国产精品一二三区在线看| 国产免费又黄又爽又色| 国产精品成人在线| 啦啦啦在线观看免费高清www| 校园人妻丝袜中文字幕| 99久国产av精品国产电影| 一边摸一边做爽爽视频免费| 国产在线一区二区三区精| 另类亚洲欧美激情| 香蕉丝袜av| 免费高清在线观看日韩| 欧美精品人与动牲交sv欧美| 国产精品秋霞免费鲁丝片| 成人国语在线视频| 欧美国产精品一级二级三级| 久久午夜福利片| 久久久久精品性色| 老司机影院成人| 亚洲图色成人| 欧美在线黄色| 美女脱内裤让男人舔精品视频| 国产精品 国内视频| 老鸭窝网址在线观看| 麻豆av在线久日| 七月丁香在线播放| 国产极品粉嫩免费观看在线| 亚洲精品乱久久久久久| 欧美另类一区| 在线观看国产h片| 综合色丁香网| av电影中文网址| 亚洲国产成人一精品久久久| 另类亚洲欧美激情| 人人妻人人澡人人看| 日韩中文字幕欧美一区二区 | 男女边吃奶边做爰视频| 久热久热在线精品观看| 国产白丝娇喘喷水9色精品| 国产97色在线日韩免费| 亚洲五月色婷婷综合| 男女免费视频国产| 91在线精品国自产拍蜜月| 青春草视频在线免费观看| 汤姆久久久久久久影院中文字幕| 美国免费a级毛片| 日韩在线高清观看一区二区三区| 欧美日韩成人在线一区二区| 啦啦啦在线免费观看视频4| 国产乱来视频区| 久久av网站| 日日撸夜夜添| 亚洲国产欧美网| 1024香蕉在线观看| 最近最新中文字幕大全免费视频 | 另类亚洲欧美激情| 视频在线观看一区二区三区| 夫妻午夜视频| 9热在线视频观看99| 日韩一区二区视频免费看| 亚洲一码二码三码区别大吗| 日韩av免费高清视频| 18禁动态无遮挡网站| 中文天堂在线官网| 一边亲一边摸免费视频| xxxhd国产人妻xxx| 女的被弄到高潮叫床怎么办| 捣出白浆h1v1| 婷婷色综合大香蕉| 国产免费视频播放在线视频| 欧美 日韩 精品 国产| 香蕉丝袜av| 97在线视频观看| 亚洲美女搞黄在线观看| 国产高清不卡午夜福利| 少妇人妻久久综合中文| 亚洲精品第二区| 久久精品人人爽人人爽视色| 多毛熟女@视频| 母亲3免费完整高清在线观看 | 蜜桃国产av成人99| 满18在线观看网站| 日日摸夜夜添夜夜爱| 亚洲三级黄色毛片| 最新中文字幕久久久久| 亚洲欧美一区二区三区国产| 捣出白浆h1v1| 国产精品 欧美亚洲| 亚洲伊人色综图| 黄片无遮挡物在线观看| 亚洲四区av| 国产欧美亚洲国产| 久久久久视频综合| 蜜桃国产av成人99| 午夜日本视频在线| 国产免费视频播放在线视频| 精品一品国产午夜福利视频| 亚洲国产av影院在线观看| 亚洲成人一二三区av| 日本色播在线视频| 女的被弄到高潮叫床怎么办| 菩萨蛮人人尽说江南好唐韦庄| 女人被躁到高潮嗷嗷叫费观| 国产欧美日韩综合在线一区二区| 国产日韩欧美亚洲二区| 又粗又硬又长又爽又黄的视频| 久久这里有精品视频免费| 女人精品久久久久毛片| 成年女人在线观看亚洲视频| 在线观看国产h片| 亚洲,欧美,日韩| 亚洲,一卡二卡三卡| 美女高潮到喷水免费观看| 大片免费播放器 马上看| 最近中文字幕2019免费版| 99久国产av精品国产电影| 精品国产乱码久久久久久男人| 亚洲情色 制服丝袜| 另类精品久久| 五月天丁香电影| 日韩在线高清观看一区二区三区| 爱豆传媒免费全集在线观看| 女人被躁到高潮嗷嗷叫费观| 国产极品天堂在线| 五月天丁香电影| 精品国产乱码久久久久久男人| 亚洲色图综合在线观看| 热99久久久久精品小说推荐| 777米奇影视久久| 自线自在国产av| 日本av免费视频播放| 久久久久国产精品人妻一区二区| 人人妻人人澡人人爽人人夜夜| 老鸭窝网址在线观看| 国产片特级美女逼逼视频| 久久精品国产亚洲av高清一级| 国产精品99久久99久久久不卡 | 一级毛片 在线播放| 日韩电影二区| 久久人人爽av亚洲精品天堂| 日韩熟女老妇一区二区性免费视频| 日韩欧美精品免费久久| 久久99一区二区三区| 亚洲三区欧美一区| 成人国产麻豆网| 丝袜喷水一区| 成人影院久久| 在线天堂中文资源库| 99九九在线精品视频| 国产成人精品久久久久久| 狂野欧美激情性bbbbbb| 中文欧美无线码| 丝瓜视频免费看黄片| 啦啦啦在线观看免费高清www| 国产成人午夜福利电影在线观看| 日日爽夜夜爽网站| 国产成人精品久久久久久| 少妇人妻精品综合一区二区| 日韩伦理黄色片| 国产又爽黄色视频| 国产视频首页在线观看| 久久鲁丝午夜福利片| 国产成人a∨麻豆精品| 高清黄色对白视频在线免费看| 久久久久国产精品人妻一区二区| 日韩伦理黄色片| 亚洲欧美色中文字幕在线| 久久影院123| 女性生殖器流出的白浆| 下体分泌物呈黄色| 久久精品亚洲av国产电影网| 欧美成人午夜免费资源| 午夜久久久在线观看| 亚洲国产精品999| 99久久综合免费| 一级毛片黄色毛片免费观看视频| 人妻系列 视频| 日本色播在线视频| 91成人精品电影| 国产精品三级大全| 在线天堂中文资源库| 欧美日韩国产mv在线观看视频| 寂寞人妻少妇视频99o| 麻豆精品久久久久久蜜桃| av免费观看日本| 精品人妻一区二区三区麻豆| 亚洲精品国产一区二区精华液| 伦精品一区二区三区| 国产人伦9x9x在线观看 | 天堂8中文在线网| 久久久久久久久久人人人人人人| av女优亚洲男人天堂| 黄片无遮挡物在线观看| 免费黄网站久久成人精品| 欧美日韩亚洲国产一区二区在线观看 | 在线观看免费日韩欧美大片| 女的被弄到高潮叫床怎么办| 一边亲一边摸免费视频| 国产一区二区三区综合在线观看| 不卡av一区二区三区| 天天躁夜夜躁狠狠久久av| 香蕉精品网在线| 亚洲国产av影院在线观看| 赤兔流量卡办理| 日日摸夜夜添夜夜爱| 亚洲av欧美aⅴ国产| 国产精品蜜桃在线观看| 亚洲成国产人片在线观看| 欧美激情 高清一区二区三区| 大片免费播放器 马上看| av网站免费在线观看视频| 在线亚洲精品国产二区图片欧美| 亚洲综合色网址| 国产欧美亚洲国产| 成年人午夜在线观看视频| 中文字幕人妻熟女乱码| 精品视频人人做人人爽| 青青草视频在线视频观看| 中文字幕人妻丝袜制服| 成人二区视频| 69精品国产乱码久久久| 亚洲国产看品久久| 亚洲色图综合在线观看| 欧美黄色片欧美黄色片| 99久久综合免费| 亚洲精品视频女| 午夜精品国产一区二区电影| 黑人猛操日本美女一级片| 岛国毛片在线播放| 狂野欧美激情性bbbbbb| 欧美人与性动交α欧美精品济南到 | 亚洲国产精品999| 国产综合精华液| 久久毛片免费看一区二区三区| 97在线视频观看| a级片在线免费高清观看视频| 青青草视频在线视频观看| 国产欧美亚洲国产| 国语对白做爰xxxⅹ性视频网站| 大话2 男鬼变身卡| 少妇 在线观看| 国产精品成人在线| 久久久久久人妻| 七月丁香在线播放| 国产淫语在线视频| 美女xxoo啪啪120秒动态图| 人人妻人人爽人人添夜夜欢视频| 精品少妇久久久久久888优播| 精品酒店卫生间| 国语对白做爰xxxⅹ性视频网站| 免费大片黄手机在线观看| 亚洲精品av麻豆狂野| 国产熟女欧美一区二区| 精品卡一卡二卡四卡免费| 欧美日韩一区二区视频在线观看视频在线| 美国免费a级毛片| 一级,二级,三级黄色视频| 亚洲精品中文字幕在线视频| 最新中文字幕久久久久| 久久久久久久亚洲中文字幕| 国产日韩欧美亚洲二区| 爱豆传媒免费全集在线观看| 少妇的逼水好多| 国产精品一国产av| 大片免费播放器 马上看| 在线观看免费日韩欧美大片| 巨乳人妻的诱惑在线观看| 男男h啪啪无遮挡| 欧美日韩成人在线一区二区| 美女午夜性视频免费| 嫩草影院入口| 中文欧美无线码| 久久精品熟女亚洲av麻豆精品| 国产成人免费无遮挡视频| 国产精品国产三级专区第一集| 巨乳人妻的诱惑在线观看| 少妇猛男粗大的猛烈进出视频| 亚洲人成电影观看| 一级爰片在线观看| 午夜福利视频精品| 欧美亚洲 丝袜 人妻 在线| 丝袜喷水一区| 日日爽夜夜爽网站| 欧美亚洲 丝袜 人妻 在线|