• <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
    丰满乱子伦码专区| av女优亚洲男人天堂| 精品久久久久久成人av| 国产午夜精品论理片| 人妻夜夜爽99麻豆av| 久久亚洲精品不卡| av视频在线观看入口| 国产精品一二三区在线看| 日本一本二区三区精品| 最近中文字幕2019免费版| 精品人妻视频免费看| 国产高清国产精品国产三级 | 99九九线精品视频在线观看视频| 色哟哟·www| 男女边吃奶边做爰视频| 日本猛色少妇xxxxx猛交久久| 美女黄网站色视频| 亚州av有码| 亚洲国产欧洲综合997久久,| 国产一区二区亚洲精品在线观看| 男女国产视频网站| 欧美一区二区亚洲| 观看美女的网站| 嫩草影院新地址| 大香蕉97超碰在线| 国产黄片视频在线免费观看| 亚洲激情五月婷婷啪啪| 日韩中字成人| 男女国产视频网站| av卡一久久| 春色校园在线视频观看| 国产精品一区www在线观看| 国产av一区在线观看免费| 国产成人freesex在线| 午夜福利在线在线| 国产av不卡久久| 一区二区三区乱码不卡18| 国产单亲对白刺激| 久久这里有精品视频免费| av在线亚洲专区| 亚洲中文字幕日韩| 97人妻精品一区二区三区麻豆| 免费av毛片视频| 深爱激情五月婷婷| 日本一二三区视频观看| 秋霞在线观看毛片| 日韩欧美国产在线观看| 亚洲国产日韩欧美精品在线观看| 成人亚洲欧美一区二区av| 91av网一区二区| 亚洲熟妇中文字幕五十中出| 免费搜索国产男女视频| 中文字幕精品亚洲无线码一区| 国产单亲对白刺激| 国产综合懂色| 成人综合一区亚洲| 亚洲三级黄色毛片| 波多野结衣巨乳人妻| 亚洲在久久综合| 波野结衣二区三区在线| 日韩av在线免费看完整版不卡| 亚洲精品亚洲一区二区| 国产一区二区三区av在线| www日本黄色视频网| 亚洲av男天堂| 日本猛色少妇xxxxx猛交久久| 麻豆国产97在线/欧美| 视频中文字幕在线观看| 精品久久久久久久末码| 欧美3d第一页| 亚洲av不卡在线观看| 岛国毛片在线播放| 日本wwww免费看| 久久午夜福利片| 国产乱人偷精品视频| 在线观看66精品国产| 日本色播在线视频| 3wmmmm亚洲av在线观看| 欧美极品一区二区三区四区| 啦啦啦啦在线视频资源| 久久久久久久久久久丰满| 久久久久久久亚洲中文字幕| 欧美一级a爱片免费观看看| 成人美女网站在线观看视频| 青春草视频在线免费观看| 看片在线看免费视频| 午夜免费男女啪啪视频观看| 波野结衣二区三区在线| 一级黄色大片毛片| 国产极品天堂在线| 久久久久久伊人网av| 国产国拍精品亚洲av在线观看| 亚洲欧洲日产国产| 五月玫瑰六月丁香| 国产精品一及| 色综合亚洲欧美另类图片| 丰满乱子伦码专区| 精品免费久久久久久久清纯| 一二三四中文在线观看免费高清| 在线观看美女被高潮喷水网站| 日本av手机在线免费观看| 最后的刺客免费高清国语| 国产麻豆成人av免费视频| 欧美3d第一页| 乱码一卡2卡4卡精品| 欧美一级a爱片免费观看看| 久久久久久久久中文| 色综合色国产| 永久免费av网站大全| 黄片wwwwww| 国产亚洲91精品色在线| 丝袜美腿在线中文| 久久久久性生活片| 久久精品熟女亚洲av麻豆精品 | 久久精品久久久久久久性| 日日摸夜夜添夜夜爱| 亚洲国产精品久久男人天堂| 亚洲中文字幕一区二区三区有码在线看| 国产成人91sexporn| 久久久久九九精品影院| 黄色欧美视频在线观看| 日本与韩国留学比较| 日本爱情动作片www.在线观看| 亚洲精品乱码久久久v下载方式| 精品国产露脸久久av麻豆 | 久久久久久久午夜电影| 又爽又黄无遮挡网站| 国产毛片a区久久久久| 精品久久久久久电影网 | 神马国产精品三级电影在线观看| 免费观看人在逋| 欧美另类亚洲清纯唯美| 寂寞人妻少妇视频99o| 国产精品三级大全| 亚洲av不卡在线观看| 美女脱内裤让男人舔精品视频| 精品午夜福利在线看| 国产精品一区www在线观看| 亚洲无线观看免费| 亚洲av成人精品一二三区| 一本久久精品| 国产伦在线观看视频一区| 日韩中字成人| 国产精品一区www在线观看| 麻豆成人av视频| 亚洲精品成人久久久久久| 99久久无色码亚洲精品果冻| 免费一级毛片在线播放高清视频| 亚洲欧美成人综合另类久久久 | 神马国产精品三级电影在线观看| 97热精品久久久久久| av在线老鸭窝| 亚洲国产精品sss在线观看| 美女内射精品一级片tv| 秋霞伦理黄片| 久久亚洲精品不卡| 熟女人妻精品中文字幕| 亚洲,欧美,日韩| 亚洲欧洲国产日韩| 久久久色成人| 黄色一级大片看看| 亚洲国产欧洲综合997久久,| 午夜福利成人在线免费观看| 国产精品综合久久久久久久免费| 搡老妇女老女人老熟妇| 国产成人a区在线观看| 婷婷色麻豆天堂久久 | 亚洲精品aⅴ在线观看| 青青草视频在线视频观看| 亚洲国产成人一精品久久久| 天堂中文最新版在线下载 | 国产三级在线视频| 丰满少妇做爰视频| 国产精品不卡视频一区二区| 精品久久久久久电影网 | 黄片wwwwww| 亚洲精品国产av成人精品| 亚洲av中文字字幕乱码综合| 亚洲国产精品专区欧美| 精品无人区乱码1区二区| 国产精品国产高清国产av| 精品午夜福利在线看| 美女高潮的动态| 国产老妇女一区| 97在线视频观看| 欧美极品一区二区三区四区| 婷婷色麻豆天堂久久 | 国内少妇人妻偷人精品xxx网站| 舔av片在线| 内地一区二区视频在线| 国内少妇人妻偷人精品xxx网站| av在线播放精品| 国产成人a区在线观看| 中文欧美无线码| 男人的好看免费观看在线视频| 人人妻人人看人人澡| 亚洲美女视频黄频| 热99re8久久精品国产| 三级经典国产精品| a级毛片免费高清观看在线播放| 老司机福利观看| 国内精品美女久久久久久| 久久综合国产亚洲精品| 国产又黄又爽又无遮挡在线| 午夜福利在线在线| 久久国内精品自在自线图片| 99久久九九国产精品国产免费| 国产av不卡久久| 中文字幕亚洲精品专区| 亚洲激情五月婷婷啪啪| 亚洲va在线va天堂va国产| kizo精华| 亚洲国产欧洲综合997久久,| 久久久久久久久久久丰满| 国产三级中文精品| 日本一二三区视频观看| 国内精品一区二区在线观看| 国产高清国产精品国产三级 | 欧美日本视频| 日本五十路高清| 亚洲综合色惰| 99在线人妻在线中文字幕| 1000部很黄的大片| 男女下面进入的视频免费午夜| 国产精品爽爽va在线观看网站| 午夜福利在线观看吧| 如何舔出高潮| 两性午夜刺激爽爽歪歪视频在线观看| 只有这里有精品99| 国产一区亚洲一区在线观看| 99久久无色码亚洲精品果冻| 欧美最新免费一区二区三区| 亚洲中文字幕一区二区三区有码在线看| 国产男人的电影天堂91| 国产淫片久久久久久久久| 精品久久久久久久人妻蜜臀av| 亚洲成人中文字幕在线播放| 性插视频无遮挡在线免费观看| 中文字幕人妻熟人妻熟丝袜美| 国产av码专区亚洲av| 在线观看美女被高潮喷水网站| 欧美一级a爱片免费观看看| 黄片wwwwww| 热99re8久久精品国产| 精品国产一区二区三区久久久樱花 | 成人亚洲欧美一区二区av| 亚洲精品久久久久久婷婷小说 | 三级国产精品欧美在线观看| 亚洲精品自拍成人| 国产精品精品国产色婷婷| 99热这里只有是精品在线观看| 国产激情偷乱视频一区二区| 人妻夜夜爽99麻豆av| 中文精品一卡2卡3卡4更新| 97热精品久久久久久| 国产在视频线在精品| 亚洲成人av在线免费| 婷婷六月久久综合丁香| 天天躁日日操中文字幕| 亚洲欧美精品综合久久99| 国产精品乱码一区二三区的特点| 五月伊人婷婷丁香| 一个人观看的视频www高清免费观看| 欧美成人免费av一区二区三区| 久久久久久久久久久免费av| 国产成人91sexporn| 精品欧美国产一区二区三| 免费一级毛片在线播放高清视频| 亚洲精品亚洲一区二区| 麻豆成人午夜福利视频| 日本黄色视频三级网站网址| 国模一区二区三区四区视频| 波多野结衣巨乳人妻| av播播在线观看一区| 亚洲国产精品成人久久小说| 久久精品国产亚洲av涩爱| 亚洲欧美成人综合另类久久久 | www.色视频.com| 一级av片app| 国产三级中文精品| 精品人妻熟女av久视频| 国产熟女欧美一区二区| 亚洲精品影视一区二区三区av| 国产午夜精品论理片| 99在线人妻在线中文字幕| 中文在线观看免费www的网站| 五月伊人婷婷丁香| 亚洲精品456在线播放app| 日韩人妻高清精品专区| 亚洲国产色片| 永久免费av网站大全| 97热精品久久久久久| 亚洲最大成人中文| 观看美女的网站| 国产成人午夜福利电影在线观看| 97在线视频观看| 成人美女网站在线观看视频| 国产精品人妻久久久影院| 欧美成人免费av一区二区三区| av在线观看视频网站免费| 人妻少妇偷人精品九色| 精品一区二区三区人妻视频| 美女内射精品一级片tv| 亚洲av二区三区四区| 天美传媒精品一区二区| 特级一级黄色大片| 一级二级三级毛片免费看| 一级毛片aaaaaa免费看小| 国产伦精品一区二区三区视频9| 嘟嘟电影网在线观看| 日产精品乱码卡一卡2卡三| 能在线免费观看的黄片| ponron亚洲| 日本欧美国产在线视频| 国产极品精品免费视频能看的| 成人无遮挡网站| 精品酒店卫生间| 午夜亚洲福利在线播放| 一个人看视频在线观看www免费| 国产视频首页在线观看| 麻豆一二三区av精品| 天堂√8在线中文| 久久久a久久爽久久v久久| 久久婷婷人人爽人人干人人爱| 特大巨黑吊av在线直播| 亚洲精品成人久久久久久| 欧美3d第一页| 美女大奶头视频| 建设人人有责人人尽责人人享有的 | 又粗又硬又长又爽又黄的视频| 国产大屁股一区二区在线视频| 亚洲欧洲国产日韩| 久久久久久久久久久丰满| 少妇丰满av| 超碰97精品在线观看| 午夜日本视频在线| 三级国产精品片| 亚洲精品亚洲一区二区| 国产精品国产三级国产专区5o | 亚洲久久久久久中文字幕| 国产 一区精品| 少妇人妻精品综合一区二区| 日本五十路高清| 精品无人区乱码1区二区| 在线观看av片永久免费下载| 在线免费观看不下载黄p国产| ponron亚洲| 能在线免费观看的黄片| 亚洲av中文av极速乱| 国产麻豆成人av免费视频| ponron亚洲| 人妻少妇偷人精品九色| 午夜日本视频在线| 麻豆av噜噜一区二区三区| 亚洲精品久久久久久婷婷小说 | 三级国产精品欧美在线观看| 人妻少妇偷人精品九色| 亚洲精品亚洲一区二区| 日本黄色片子视频| 97人妻精品一区二区三区麻豆| 超碰97精品在线观看| 村上凉子中文字幕在线| 欧美成人精品欧美一级黄| 国产午夜精品久久久久久一区二区三区| 韩国av在线不卡| 国产高潮美女av| 欧美zozozo另类| 国产色婷婷99| 在线天堂最新版资源| 亚洲色图av天堂| 国产不卡一卡二| 最近视频中文字幕2019在线8| 久久久久久久久大av| 女人十人毛片免费观看3o分钟| 乱码一卡2卡4卡精品| 天天躁夜夜躁狠狠久久av| av在线天堂中文字幕| 观看免费一级毛片| 97人妻精品一区二区三区麻豆| 1024手机看黄色片| 久久精品国产亚洲av涩爱| АⅤ资源中文在线天堂| 如何舔出高潮| 一区二区三区高清视频在线| 美女脱内裤让男人舔精品视频| 激情 狠狠 欧美| 国产久久久一区二区三区| 日韩精品青青久久久久久| 毛片女人毛片| 白带黄色成豆腐渣| or卡值多少钱| 亚洲图色成人| 午夜日本视频在线| 在线免费观看不下载黄p国产| 日日啪夜夜撸| 建设人人有责人人尽责人人享有的 | www日本黄色视频网| 欧美另类亚洲清纯唯美| 久久婷婷人人爽人人干人人爱| 级片在线观看| 一边亲一边摸免费视频| 免费一级毛片在线播放高清视频| 97在线视频观看| 欧美变态另类bdsm刘玥| 乱人视频在线观看| 黄色配什么色好看| 丰满少妇做爰视频| 纵有疾风起免费观看全集完整版 | 久热久热在线精品观看| 国内揄拍国产精品人妻在线| 99久久人妻综合| 亚洲一级一片aⅴ在线观看| 成人美女网站在线观看视频| 久久久久久大精品| 免费看光身美女| 国产免费视频播放在线视频 | 日韩大片免费观看网站 | 亚洲国产精品专区欧美| 欧美97在线视频| 久久久精品94久久精品| 亚洲性久久影院| 欧美zozozo另类| 色网站视频免费| 2021少妇久久久久久久久久久| 边亲边吃奶的免费视频| 久久精品久久久久久久性| 3wmmmm亚洲av在线观看| 中文在线观看免费www的网站| 五月玫瑰六月丁香| 麻豆一二三区av精品| 99九九线精品视频在线观看视频| 伦理电影大哥的女人| 丰满少妇做爰视频| 国产爱豆传媒在线观看| 女人被狂操c到高潮| 国产真实伦视频高清在线观看| 在线免费观看不下载黄p国产| 边亲边吃奶的免费视频| 久久99精品国语久久久| av在线天堂中文字幕| 精品国内亚洲2022精品成人| 亚洲精品乱久久久久久| 尤物成人国产欧美一区二区三区| 美女大奶头视频| 精品无人区乱码1区二区| 91午夜精品亚洲一区二区三区| 久99久视频精品免费| 国产女主播在线喷水免费视频网站 | 亚洲国产精品sss在线观看| 建设人人有责人人尽责人人享有的 | 一个人看的www免费观看视频| 国产精品永久免费网站| 可以在线观看毛片的网站| 日韩大片免费观看网站 | 国产午夜精品论理片| 国产精品三级大全| 亚洲三级黄色毛片| 色综合亚洲欧美另类图片| 欧美另类亚洲清纯唯美| 精品国产三级普通话版| 麻豆av噜噜一区二区三区| 又粗又爽又猛毛片免费看| 国产亚洲精品久久久com| 秋霞在线观看毛片| 日韩欧美在线乱码| 一级毛片电影观看 | 中文字幕av成人在线电影| 国产老妇伦熟女老妇高清| 在线天堂最新版资源| 毛片一级片免费看久久久久| 大香蕉久久网| 亚洲av熟女| 伊人久久精品亚洲午夜| 天美传媒精品一区二区| 欧美激情国产日韩精品一区| 久久久精品欧美日韩精品| 久久亚洲国产成人精品v| 一级毛片久久久久久久久女| 国产伦理片在线播放av一区| 91久久精品国产一区二区三区| 小蜜桃在线观看免费完整版高清| 亚洲国产欧美在线一区| 中文字幕人妻熟人妻熟丝袜美| 91午夜精品亚洲一区二区三区| 国产亚洲精品久久久com| 久久久久国产网址| 日本免费a在线| 国产午夜精品论理片| 精品久久久久久久久av| 亚洲在线观看片| 色综合亚洲欧美另类图片| 国产久久久一区二区三区| 成人国产麻豆网| 亚洲av电影不卡..在线观看| av免费观看日本| 亚洲欧美精品综合久久99| 久久国产乱子免费精品| 久热久热在线精品观看| 国产真实伦视频高清在线观看| 国产69精品久久久久777片| 日日啪夜夜撸| 国产精品国产三级国产专区5o | 免费黄色在线免费观看| 精品人妻偷拍中文字幕| 成人性生交大片免费视频hd| 亚洲精品aⅴ在线观看| 亚洲欧美中文字幕日韩二区| 成人毛片a级毛片在线播放| 国产麻豆成人av免费视频| 91午夜精品亚洲一区二区三区| 日韩 亚洲 欧美在线| 中文字幕av成人在线电影| 国产精品久久久久久精品电影小说 | 国产国拍精品亚洲av在线观看| 18禁动态无遮挡网站| 美女大奶头视频| 国产单亲对白刺激| 精品人妻视频免费看| 欧美3d第一页| 成人三级黄色视频| 男人狂女人下面高潮的视频| 日韩欧美精品v在线| 日本黄色片子视频| av播播在线观看一区| 久久草成人影院| 精华霜和精华液先用哪个| 亚洲av电影不卡..在线观看| 久久精品夜夜夜夜夜久久蜜豆| 欧美成人午夜免费资源| 18禁动态无遮挡网站| 久久久亚洲精品成人影院| 狂野欧美白嫩少妇大欣赏| 自拍偷自拍亚洲精品老妇| 精品人妻一区二区三区麻豆| 久久久久久大精品| 三级男女做爰猛烈吃奶摸视频| 亚洲成人久久爱视频| 热99在线观看视频| a级一级毛片免费在线观看| 91精品伊人久久大香线蕉| 22中文网久久字幕| 亚洲美女搞黄在线观看| 国产亚洲最大av| 国语自产精品视频在线第100页| 国产麻豆成人av免费视频| 国产伦精品一区二区三区视频9| 欧美变态另类bdsm刘玥| 97热精品久久久久久| 只有这里有精品99| 国产 一区 欧美 日韩| 成人漫画全彩无遮挡| 色网站视频免费| 久久99热6这里只有精品| 七月丁香在线播放| 中国美白少妇内射xxxbb| 99久久精品国产国产毛片| 久久99蜜桃精品久久| 丝袜喷水一区| 综合色丁香网| 纵有疾风起免费观看全集完整版 | 亚洲在线观看片| av视频在线观看入口| 国产免费一级a男人的天堂| 99久国产av精品| 久久精品影院6| 国产成人午夜福利电影在线观看| 一区二区三区乱码不卡18| 欧美日韩在线观看h| 午夜精品一区二区三区免费看| 免费观看性生交大片5| 身体一侧抽搐| 欧美极品一区二区三区四区| 久久精品综合一区二区三区| 精品国产一区二区三区久久久樱花 | 国产亚洲精品av在线| 免费观看的影片在线观看| 亚洲国产精品sss在线观看| 一级毛片aaaaaa免费看小| 嫩草影院入口| 国产亚洲5aaaaa淫片| 丝袜喷水一区| 成人午夜高清在线视频| 22中文网久久字幕| 级片在线观看| 国产黄片视频在线免费观看| 永久免费av网站大全| 直男gayav资源| av在线天堂中文字幕| 三级国产精品欧美在线观看| 欧美高清性xxxxhd video| 欧美性猛交╳xxx乱大交人| 午夜福利在线观看免费完整高清在| 极品教师在线视频| 国产精品三级大全| 精品国产露脸久久av麻豆 | 午夜久久久久精精品| 一级毛片久久久久久久久女| 91久久精品电影网| 日韩欧美国产在线观看| 少妇裸体淫交视频免费看高清| 身体一侧抽搐| 国产在线一区二区三区精 | 看片在线看免费视频| 午夜老司机福利剧场| 成人三级黄色视频| 精品久久久久久久人妻蜜臀av| 男人的好看免费观看在线视频| 亚洲精品日韩av片在线观看| 国产激情偷乱视频一区二区| 一级毛片我不卡| 精品久久久久久久久亚洲| 欧美高清成人免费视频www| 丰满少妇做爰视频| 婷婷色综合大香蕉| 小蜜桃在线观看免费完整版高清|