• <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 ?

    結合注意力和紋理特征增強的行人再識別

    2022-03-13 09:19:20
    計算機與生活 2022年3期
    關鍵詞:特征

    李 杰

    中國民航大學 信息網(wǎng)絡中心,天津300300

    行人再識別旨在識別跨越不同監(jiān)控攝像機下的同一行人目標,可廣泛應用于視頻監(jiān)控、智能安防等領域中,如可疑人員的追蹤、特定人群的軌跡分析等。但由于不同攝像機下不同時間的圖像分辨率差異、光照影響、姿態(tài)和視角多樣等問題,行人再識別仍然是一個具有較高研究價值和挑戰(zhàn)性的問題。

    為了克服上述問題,行人再識別分別從兩個不同的方向發(fā)展:提取魯棒性的行人特征和學習合適的距離度量。近年來隨著深度學習的蓬勃發(fā)展,基于卷積神經(jīng)網(wǎng)絡(convolutional neural networks,CNN)的行人再識別方法逐步取代傳統(tǒng)的手工特征識別方法成為主流。在科研工作者的不斷努力探索下,行人再識別再次從通過CNN 提取行人特征應用到單一行人再識別任務開始,逐步發(fā)展為結合屬性等的多任務行人再識別階段。其中后者的代表工作:2019年Lin 等人在Market-1501這一主流行人再識別數(shù)據(jù)集上添加了行人的屬性標簽,并設計實現(xiàn)了結合屬性特征的多任務識別模型(attribute person recognition,APR),可有效提高行人再識別的精度。Schumann等人分別設計了MultiView Attribute 和Attribute-Complementary Re-id Network 用于屬性識別和行人再識別。隨后,Liu 等人通過在Resnet50的基礎上級聯(lián)Densenet101網(wǎng)絡能夠更細致地獲取行人特征,進而提高行人再識別的精度。但這些工作或者沒有考慮行人屬性包含信息的差異性,或者采用多網(wǎng)絡模型結合,導致訓練相對復雜,應用相對較難。

    針對這些問題,本文提出了基于空間注意力和紋理特征增強的多任務行人再識別算法。主要包括以下四方面:

    (1)設計屬性識別網(wǎng)絡的空間注意力模塊,使網(wǎng)絡更注重與行人屬性相關的潛在圖像區(qū)域,同時抑制與行人無關的背景區(qū)域的影響,實現(xiàn)屬性特征挖掘從而提高行人屬性識別準確性。

    (2)設計行人再識別網(wǎng)絡的紋理特征增強模塊,通過結合不同空間級別的全局和局部行人表觀特征,融合輪廓性和顯著性特征來提高行人再識別準確性。

    (3)提出多任務加權損失函數(shù),使屬性識別網(wǎng)絡和行人再識別網(wǎng)絡有效聯(lián)合,并將屬性特征作為輔助信息融入行人特征,避免由屬性異質性造成行人再識別精度損失。

    (4)本文算法在Market-1501和DukeMTMC-reID兩大公開行人再識別數(shù)據(jù)集的平均精度分別可以達到81.1%和70.1%。

    1 基本原理

    1.1 整體框架

    本文方法的整體框架如圖1 所示,主要分為三部分:第一部分為采用ResNet50 作為骨干網(wǎng)絡提取特征;第二、三部分分別為基于空間注意力的屬性識別網(wǎng)絡和紋理特征增強的行人再識別網(wǎng)絡。引入屬性識別網(wǎng)絡的原因在于,包括性別、年齡等屬性特征與行人特征在一定程度上是緊密相連且互為補充的,可有效提高行人再識別的準確率。在屬性識別網(wǎng)絡中添加空間注意力模塊是為了抑制無關背景區(qū)域,使網(wǎng)絡本身更注重于與特定屬性相關的,對識別更有利的潛在圖像區(qū)域。行人再識別網(wǎng)絡中的紋理特征增強模塊通過融合映射身體結構分布的全局和局部特征,彌補因遮擋或姿態(tài)變換等特征不全情況下識別率低的短板。圖1 中“+”表示像素值點積的特征融合方式。

    圖1 整體框架Fig.1 Overall structure

    1.2 基于空間注意力的屬性識別網(wǎng)絡

    屬性識別網(wǎng)絡的引入是為了從行人圖像中學習更有判別性的屬性特征描述。特定的行人屬性可以從圖像中的一個甚至多個區(qū)域獲得。為了更好地學習這些屬性特征,需要卷積神經(jīng)網(wǎng)絡更注重于這些相對應的區(qū)域。這些與屬性特征相關的區(qū)域不一定與標注的目標區(qū)域相對應。與此同時,行人各個屬性之間也是存在語義相關的,某個屬性的存在與否有助于推理其他屬性的存在與否。與此同時,在文獻[11]中,通過實驗證明了采用注意力模塊使得網(wǎng)絡能聚焦于更與行人相關的屬性特征區(qū)域,注意力分配概率分布更加偏向于關聯(lián)性強的屬性,以及在一定程度上減弱了網(wǎng)絡對行人無關的背景區(qū)域的關注。例如,女性和長發(fā)同時出現(xiàn)的概率高,而手提一個包和背一個雙肩包同時出現(xiàn)的概率則低得多。這些特點有助于屬性識別并提高行人識別的精度。

    為了使網(wǎng)絡更加關注與屬性相關的圖像區(qū)域以及挖掘屬性特性的相關性,本文提出了基于空間注意力的屬性識別網(wǎng)絡。其中空間注意力模塊的結構圖如圖2 所示??臻g注意力模塊包括全局最大池化、全局中值池化和全局均值池化三個池化層,一個通道相加的特征融合操作,一個普通卷積層和激活函數(shù),一個統(tǒng)一特征的采樣操作和像素值點積的特征融合操作??臻g注意力模塊可用式(1)表示:

    圖2 空間注意力模塊結構圖Fig.2 Structure diagram of spatial attention module

    其中,代表輸入特征圖;、、分別代表全局均值、中值和最大池化;、分別代表像素值點積和通道相加的特征融合方式;代表普通卷積,代表sigmod 激活函數(shù),代表雙線性差值的上采樣操作。該空間注意力模塊,采用包括全局、均值和中值的多層次池化來獲得空間上對行人更有效的顯著屬性特征,利用通道相加的特征融合操作來將多層次池化獲得的有效特征在通道層面實現(xiàn)融合,設計的卷積層和激活函數(shù)構成的激勵將融合新特征的權重進行再次優(yōu)化分配,最終再通過采樣和引入原始特征的點積融合操作來進一步關注更具有判別性的、與行人相關的屬性特征。這樣的屬性挖掘方式不僅能提高重要屬性所對應區(qū)域的權重,還能同時降低背景等對應圖像特征的權重,進而提高了屬性識別網(wǎng)絡的性能。

    1.3 紋理特征增強的行人再識別網(wǎng)絡

    行人再識別的最終環(huán)節(jié)在于特征的相似度比較。而特征的有效獲取是相似度比較的基礎。引入的紋理特征增強模塊能夠更好地提取全局和局部行人特征,進而實現(xiàn)快速準確的行人特征匹配。其中紋理特征增強模塊的結構圖見圖1 中的虛線框部分。其中全局特征是指行人的整體特征,包括顏色紋理等,是相關性較強的特征,在圖像遮擋的情況下表達能力較差。而與之相對的局部特征,包括邊緣、角點等,特征穩(wěn)定,特征相關性稍弱,遮擋時仍能通過部分特征來感知整體特點。本節(jié)通過紋理特征增強模塊中的多種操作使得行人再識別網(wǎng)絡獲得更全面的全局特征和更精準的局部特征,進而在一定程度上克服因遮擋等造成的行人再識別網(wǎng)絡性能下降的問題。

    紋理特征增強模塊主要包括可變形卷積操作、水平金字塔分割、全局均值、最大池化以及像素值點積的特征融合四部分。第一步引入可變形卷積操作不僅在一定程度上突破了固定采樣、固定感受野的限制,將特征聚集在行人等非剛體的姿態(tài)變化上,還能融入更合理的上下文信息以及邊緣信息。其中標準卷積和可變形卷積的感受野示例如圖3 所示。第二步采用水平金字塔分割操作,目的在于將特征分為與人體上下半身空間相對應的水平局部特征。對于采用水平金字塔分割而不采用包括垂直分割等的其他分割方式,原因在于水平分割后的兩部分特征更能和人體的上下半身特征相對應。同時在文獻[19]中的實驗分析中,在保證實驗公平,只有分割方式一種變量的前提下,對采用不分割、垂直分割、水平金字塔分割三種方式進行對比,三種的平均精度分別為51.9%、59.6%和63.9%。第三步對由HPP(horizontal pyramid pooling)所得的局部特征和可表達顏色紋理以及形狀的行人全局特征進行全局均值池化和全局最大池化。這一步操作一方面可以對多種特征進行維度統(tǒng)一,便于后續(xù)對接固定數(shù)目的全連接層;另一方面可以進一步獲得具有輪廓性和顯著性特點的特征。最后一步將這多種特征進行像素值點積的特征融合操作,最終得到紋理特征增強模塊輸出的多路有效行人特征。紋理特征增強模塊不僅使網(wǎng)絡的關注點更聚焦在行人特征上,同時使模塊輸出特征兼具行人局部和全局特征的特點,在一定程度上解決了因遮擋、姿態(tài)變化等引起的識別率降低的問題。

    圖3 兩種卷積的感受野示例Fig.3 Examples of two convolutional receptive fields

    1.4 多任務加權損失函數(shù)

    行人特征與屬性特征可互為補充,有效地利用行人屬性信息在一定程度上可以減弱視角、光照強度變化等的影響,進而提高行人再識別任務的精度。但如果將屬性特征與行人特征直接進行特征融合,雖然有包括像素值相加、像素值點積和通道相加等特征融合方式,但還是會由于屬性的異質性及兩者特征的差異性影響到融合特征的有效性,進而干擾行人再識別的精度。針對這一問題,本文提出了多任務加權損失函數(shù)。

    多任務加權損失函數(shù)主要分為兩大部分:一部分為屬性識別損失;另一部分為行人再識別損失,其中行人再識別損失可根據(jù)特征的劃分再分為行人的全局特征損失、上半身和下半身特征損失三部分。對于屬性識別部分,選擇與一般基于屬性的行人識別方法不同,這里對每一個屬性都采用了Softmax 損失。假定數(shù)據(jù)集中共有類行人,每個行人有屬性種,其中每個屬性包含的類別數(shù)為K,∈{1,2,…,}。如屬性為行人性別,則類別數(shù)的值為2。那么行人屬性屬于其中第個類別的預測概率值可用式(2)來表示,其中∈{1,2,…,K}。屬性經(jīng)過Softmax 后回歸所得的交叉熵損失即為式(3)。最終的屬性識別損失函數(shù)見式(4)。

    其中,z() 為全連接層輸出的屬性的第個值。{·}是示性函數(shù),{}=1,{}=0 。 y為該樣本的第個屬性的真實屬性類別。

    對于行人再識別部分,按照劃分的行人特征分為全局特征、上半身和下半身特征。在訓練過程中對每一部分特征都會計算一個分類損失值,其中全局特征行人再識別的交叉熵損失函數(shù)如式(5)所示:

    其中,∈{1,2,…,},p為該樣本屬于第類行人的概率預測值,計算方法與式(2)一致,為該樣本的真實行人類別。由上述公式最終可得多任務加權損失函數(shù)如式(6)所示:

    其中,、分別代表行人的上半身和下半身特征損失,計算方法與式(5)一致。

    上述1.2~1.4 節(jié)分別從為獲得更有判別力屬性特征的基于空間注意力的屬性識別網(wǎng)絡部分,可有效提取行人全局及局部特征的行人再識別網(wǎng)絡部分以及能充分發(fā)揮行人特征與屬性特征的多任務損失函數(shù)三方面進行了分析。通過三部分的優(yōu)化設計,聯(lián)合使用,在充分增強行人特征的基礎上,不斷挖掘屬性特征之間的相關性,再利用多任務損失函數(shù)將兩個網(wǎng)絡同時訓練,使行人特征融合與之契合的屬性特征,增強算法整體的魯棒性。

    2 實驗結果及分析

    2.1 實驗設置

    為了驗證方法的有效性,分別采用Market-1501和DukeMTMC-reID 數(shù)據(jù)集進行訓練。為了使模型具有更好的魯棒性和泛化性能,在訓練的過程中采用了隨機水平翻轉、裁剪等數(shù)據(jù)增強操作。訓練過程中圖像大小統(tǒng)一為384×128,損失函數(shù)使用交叉熵損失,批處理數(shù)量設置為64,訓練批次設置為60,學習率初始值設置為0.01,優(yōu)化過程采用隨機梯度下降算法,其中動量設置為0.9。

    2.2 控制變量實驗及分析

    為了驗證本文算法的有效性,本文在Market-1501 和DukeMTMC-reID 兩大主流的行人再識別數(shù)據(jù)集上進行多組實驗分析。其中本文表中的評價指標Rank-1 和mAP(mean average precision)的具體含義分別如下:Rank-表示對行人圖像特征按照相似度大小進行排序后,在排序結果中前張圖像與查詢圖像具有相同行人ID 的準確率。Rank-1 則表示為計算在排序后的測試集中前1 張圖像中能找到與查詢圖片相同標簽的圖像的準確率。mAP 是將多分類任務中的平均精度(average precision,AP)求和再取平均,其中AP 的計算為查準率(precision)和查全率(recall)構成的P-R 曲線圖曲線下方的面積。

    首先為了驗證空間注意力模塊對于屬性識別網(wǎng)絡的有效性,通過對比移除空間注意力模塊前后,模型在DukeMTMC-attribute 數(shù)據(jù)集上的效果,來得出其對于屬性識別網(wǎng)絡的貢獻。具體評測結果見表1所示。

    表1 中,L.up、B.pack、H.bag、C.shoes、C.up、C.low分別代表袖子長度、背包、手提包、鞋子顏色、上半身衣服顏色、下半身衣服顏色。從表1 中可以看出,在包含空間注意力模塊之后,行人屬性的mAP 提高了7個百分點左右。而針對單個屬性而言,除了Bag 屬性有稍微的降低之外,其他的9 種屬性均有不同程度的提升。

    表1 空間注意力模塊對屬性識別的有效性驗證Table 1 Validity verification of spatial attention module for attribute recognition %

    其次為了驗證多任務加權損失函數(shù)中權重系數(shù)對于算法性能的影響,本文對不同的值進行了多組實驗,具體實驗結果見表2 所示。

    從表2 可以看出,對于Market-1501 數(shù)據(jù)集,當=4 時取得的效果最好,而在DukeMTMC 數(shù)據(jù)集上=2 時的效果最好,但是=4 的結果與=2 的結果相差只有0.1 個百分點。綜合考慮,本文最終選擇=4。

    表2 不同λ 值在數(shù)據(jù)集上的結果Table 2 Results of different λ on datasets

    為了進一步驗證文中提出的各個模塊的有效性,本文設計了4 組控制變量實驗來分析不同情況對行人再識別平均準確率的影響。4 組實驗分別為不包含空間注意力模塊的屬性識別網(wǎng)絡、不包含紋理特征增強模塊的行人再識別網(wǎng)絡、單任務屬性識別網(wǎng)絡和單任務行人再識別網(wǎng)絡。其中第三組和第四組單任務識別網(wǎng)絡中都分別包含了空間注意力和紋理特征增強模塊。為了保證實驗的公平性,4 組實驗的訓練過程都采用了隨機水平翻轉、裁剪等相同的數(shù)據(jù)增強操作。其中具體的評測結果見表3 所示。

    在實驗1 中,本文將屬性識別中的空間注意力模塊去掉,將輸入特征圖直接進行屬性識別。從表3 中可以看到,缺少空間注意力模塊的mAP 值相對完整網(wǎng)絡在兩個數(shù)據(jù)集上相差2 個百分點左右。在實驗2中,本文將紋理特征增強模塊去掉,主要去掉其中可變性卷積操作、全局最大池化、全局均值池化以及像素值點積的特征融合方法,但仍然進行水平金字塔分割等操作,只對得到特征圖進行普通池化,使得特征圖可輸入相對應的全連接層。從表3 中可以看到,缺少紋理特征模塊的mAP值相對完整網(wǎng)絡在Market-1501 和DukeMTMC-reID 數(shù)據(jù)集分別相差約3 個百分點和4 個百分點。

    為了進一步驗證本文算法的有效性,本文繼續(xù)設計了實驗3 和實驗4。在實驗3 中,只利用單任務屬性識別網(wǎng)絡進行行人再識別任務。通過表3 中結果可以看出,只使用單任務屬性識別網(wǎng)絡在行人再識別任務中表現(xiàn)相對較差。在實驗4 中,只使用單任務行人再識別網(wǎng)絡進行行人再識別任務,通過表3 中結果看出,只利用了行人特征而不結合與之互為補充的屬性信息,在最終的識別精度上相較完整網(wǎng)絡在兩個數(shù)據(jù)集上相差4~5 個百分點。通過4 組對比實驗的結果及分析,可以得出缺少行人再識別網(wǎng)絡對算法精度影響最大,缺少屬性識別網(wǎng)絡中的空間注意模塊影響最小。同時可以看出本文所設計的3個子模塊缺少其中任意一個都會影響算法的性能,只有聯(lián)合使用,構成完整算法時,效果最佳。綜上所述,本文提出的基于空間注意力的屬性識別網(wǎng)絡、紋理特征增強的行人再識別網(wǎng)絡及多任務加權損失函數(shù)對行人再識別任務的識別精度是有明顯提升的。

    表3 Market-1501 和DukeMTMC-reID評測集結果對比Table 3 Results comparison of Market-1501 and DukeMTMC-reID evaluation sets

    2.3 與現(xiàn)有方法比較

    為了進一步驗證本文算法的性能,本節(jié)在Market-1501 和DukeMTMC-reID 兩大主流的行人再識別數(shù)據(jù)集上采用官方的評測程序,將本文的基于空間注意力和紋理特征增強的多任務行人再識別算法與多種目前流行的方法進行對比。在比較過程中為了保證實驗公平性,選取的比較方法在訓練過程中同樣采用了隨機水平翻轉、裁剪等數(shù)據(jù)增強操作。同時為了充分體現(xiàn)本文算法的魯棒性,本節(jié)將對比實驗分為兩組,分別為單任務行人再識別算法和多任務行人再識別算法。具體實驗結果如表4 所示。

    從表4中可以看出,在Market-1501和DukeMTMCreID 兩個數(shù)據(jù)集上的對比評測結果里,本文算法優(yōu)于其他單任務行人再識別算法。而在與其他多任務行人再識別算法的比較中,本文算法雖然在DukeMTMC-reID 數(shù)據(jù)集上稍弱于最好的CA3Net,但是在Market-1501 數(shù)據(jù)集上卻比JCM 和CA3Net 表現(xiàn)得更為優(yōu)異。其中JCM 的基礎網(wǎng)絡采用的是Resnet50 加Desnet101,而本文設計的行人再識別網(wǎng)絡模型僅采用Resnet50,在模型大小上要比JCM 模型小很多。而CA3Net在網(wǎng)絡中添加LSTM(long short-term memory)等模塊,在速度上并不占優(yōu)。CA3Net 需要在兩塊TitanXP 顯卡進行70 個循環(huán)次數(shù)(epochs)才能達到表中所示精度,而本文方法只需要在一塊1080 顯卡上迭代60 個epochs 便可以達到目前的精度。這也從另一方面證明了本文所提出的基于空間注意力和紋理特征增強的多任務行人再識別算法的魯棒性。

    表4 與現(xiàn)有方法在Market-1501 和DukeMTMC-reID 數(shù)據(jù)集上的結果對比Table 4 Comparison with existing methods on Market-1501 and DukeMTMC-reID datasets

    3 結束語

    本文提出的基于空間注意力和紋理特征增強的多任務行人再識別算法,通過基于空間注意力模塊的屬性識別網(wǎng)絡使網(wǎng)絡實現(xiàn)了屬性特征的挖掘,抑制了無關背景區(qū)域。通過融入行人再識別網(wǎng)絡的紋理特征增強模塊將特征聚集在行人等非剛體的姿態(tài)變化上,同時使特征兼具行人局部和全局特征的特點。最后通過多任務加權損失函數(shù)將屬性特征和行人特征有效融合,提高了行人再識別的識別精度,同時使得模型具有了更好的泛化性能。

    猜你喜歡
    特征
    抓住特征巧觀察
    離散型隨機變量的分布列與數(shù)字特征
    具有兩個P’維非線性不可約特征標的非可解群
    月震特征及與地震的對比
    如何表達“特征”
    被k(2≤k≤16)整除的正整數(shù)的特征
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    詈語的文化蘊含與現(xiàn)代特征
    新聞傳播(2018年11期)2018-08-29 08:15:24
    抓住特征巧觀察
    基于特征篩選的模型選擇
    91狼人影院| 在线天堂最新版资源| 国产免费一级a男人的天堂| 国内揄拍国产精品人妻在线| 色精品久久人妻99蜜桃| 欧美成人免费av一区二区三区| 免费在线观看日本一区| 亚洲中文字幕一区二区三区有码在线看| 最新中文字幕久久久久| 中亚洲国语对白在线视频| 麻豆av噜噜一区二区三区| 亚洲美女搞黄在线观看 | 色综合色国产| 国产精品av视频在线免费观看| 中文字幕熟女人妻在线| 1024手机看黄色片| 看片在线看免费视频| .国产精品久久| 最新中文字幕久久久久| 日韩高清综合在线| 精品一区二区三区av网在线观看| 免费观看在线日韩| 欧美精品国产亚洲| 国产麻豆成人av免费视频| 免费人成在线观看视频色| 国产一区二区三区视频了| 日日撸夜夜添| 禁无遮挡网站| 亚洲欧美激情综合另类| 麻豆国产av国片精品| 中国美女看黄片| 欧美zozozo另类| 嫁个100分男人电影在线观看| 男人的好看免费观看在线视频| 男人和女人高潮做爰伦理| 国产亚洲欧美98| 窝窝影院91人妻| 夜夜看夜夜爽夜夜摸| 日韩欧美国产一区二区入口| 午夜影院日韩av| 欧美bdsm另类| 久久中文看片网| 舔av片在线| 欧美成人a在线观看| 很黄的视频免费| 国产精品永久免费网站| 如何舔出高潮| 最新在线观看一区二区三区| 久久午夜亚洲精品久久| 国内精品久久久久久久电影| 亚洲欧美精品综合久久99| 精品人妻一区二区三区麻豆 | 长腿黑丝高跟| 国产精品爽爽va在线观看网站| 国产高清有码在线观看视频| 久久久色成人| 久久99热6这里只有精品| 一本精品99久久精品77| 中文字幕高清在线视频| 久久精品91蜜桃| 国产精品一区二区三区四区免费观看 | 天堂动漫精品| 亚洲av熟女| x7x7x7水蜜桃| 能在线免费观看的黄片| 最近最新中文字幕大全电影3| 日韩欧美国产在线观看| 成人欧美大片| 在线a可以看的网站| 国产三级中文精品| 国产 一区精品| 美女大奶头视频| 久久人人爽人人爽人人片va| 97热精品久久久久久| 偷拍熟女少妇极品色| 亚洲va在线va天堂va国产| 国产精品久久电影中文字幕| 特级一级黄色大片| 亚洲av中文av极速乱 | 亚洲成a人片在线一区二区| 国内久久婷婷六月综合欲色啪| 窝窝影院91人妻| 久久香蕉精品热| 草草在线视频免费看| 变态另类丝袜制服| 99久久精品国产国产毛片| 少妇人妻精品综合一区二区 | 久久久久久久久久成人| 亚洲精华国产精华液的使用体验 | 国产私拍福利视频在线观看| 十八禁网站免费在线| 黄色视频,在线免费观看| www.www免费av| 在线免费观看不下载黄p国产 | 日韩精品有码人妻一区| 国产一区二区激情短视频| 欧美黑人巨大hd| 无人区码免费观看不卡| 欧美国产日韩亚洲一区| 欧美高清成人免费视频www| 麻豆成人av在线观看| 中文字幕av成人在线电影| 黄色女人牲交| 两个人视频免费观看高清| 国产成人av教育| 国产亚洲精品综合一区在线观看| 久久精品国产自在天天线| 最近最新免费中文字幕在线| 老女人水多毛片| 亚洲一区二区三区色噜噜| 久久久久久国产a免费观看| 韩国av在线不卡| 欧美激情国产日韩精品一区| 色吧在线观看| 热99re8久久精品国产| 国产成人一区二区在线| 99久久中文字幕三级久久日本| 男人和女人高潮做爰伦理| 小蜜桃在线观看免费完整版高清| 欧美一区二区精品小视频在线| 亚州av有码| 别揉我奶头~嗯~啊~动态视频| 色综合婷婷激情| 日本色播在线视频| 国产精品日韩av在线免费观看| 中文字幕精品亚洲无线码一区| 尾随美女入室| 久久精品久久久久久噜噜老黄 | 99热精品在线国产| 午夜免费成人在线视频| 色精品久久人妻99蜜桃| 看黄色毛片网站| 精品久久久久久,| 亚洲黑人精品在线| 窝窝影院91人妻| 色在线成人网| 18禁裸乳无遮挡免费网站照片| 久久午夜福利片| 91麻豆av在线| 色哟哟哟哟哟哟| or卡值多少钱| 中文字幕人妻熟人妻熟丝袜美| 精品一区二区三区人妻视频| 深爱激情五月婷婷| 日韩欧美国产在线观看| 日韩精品青青久久久久久| 狠狠狠狠99中文字幕| 九九爱精品视频在线观看| 亚洲中文字幕一区二区三区有码在线看| 久久久久久大精品| 尤物成人国产欧美一区二区三区| 婷婷精品国产亚洲av在线| 69人妻影院| 黄色丝袜av网址大全| 午夜福利高清视频| 久久久久久久精品吃奶| 国产精品野战在线观看| 九九久久精品国产亚洲av麻豆| 真人一进一出gif抽搐免费| 国产亚洲精品av在线| 久久亚洲精品不卡| 国产精品一区www在线观看 | 日韩 亚洲 欧美在线| 国产探花极品一区二区| 国产男人的电影天堂91| 国产v大片淫在线免费观看| 九九在线视频观看精品| 琪琪午夜伦伦电影理论片6080| 一级av片app| 夜夜看夜夜爽夜夜摸| 中文字幕熟女人妻在线| 九九爱精品视频在线观看| 三级国产精品欧美在线观看| 日本爱情动作片www.在线观看 | 亚洲一区二区三区色噜噜| 极品教师在线免费播放| 99久久成人亚洲精品观看| 国产高清视频在线播放一区| 欧美成人性av电影在线观看| 国内精品久久久久精免费| 日本与韩国留学比较| 一区二区三区免费毛片| 91狼人影院| 国产91精品成人一区二区三区| 精品无人区乱码1区二区| 亚洲av五月六月丁香网| 亚洲狠狠婷婷综合久久图片| 久久久久久久亚洲中文字幕| 国产一区二区三区av在线 | 亚洲精品影视一区二区三区av| 日日夜夜操网爽| 久久国产乱子免费精品| 51国产日韩欧美| 色综合色国产| or卡值多少钱| 中文字幕人妻熟人妻熟丝袜美| 男人舔奶头视频| 天天躁日日操中文字幕| av在线亚洲专区| 97人妻精品一区二区三区麻豆| 日本爱情动作片www.在线观看 | 久久久久久九九精品二区国产| 最近中文字幕高清免费大全6 | 一区二区三区高清视频在线| 欧美黑人巨大hd| 天堂av国产一区二区熟女人妻| 最新中文字幕久久久久| 国产亚洲欧美98| 国产熟女欧美一区二区| 日日干狠狠操夜夜爽| 成人综合一区亚洲| 欧洲精品卡2卡3卡4卡5卡区| 免费av不卡在线播放| 久久久久久大精品| 人妻丰满熟妇av一区二区三区| 精品人妻视频免费看| 午夜精品在线福利| 免费av不卡在线播放| 亚洲狠狠婷婷综合久久图片| 99热这里只有是精品50| 一区福利在线观看| 99热这里只有是精品在线观看| 熟女电影av网| 亚洲欧美日韩卡通动漫| 亚洲性久久影院| 99热只有精品国产| 蜜桃久久精品国产亚洲av| 又粗又爽又猛毛片免费看| 亚洲五月天丁香| 午夜日韩欧美国产| 亚洲av美国av| 日本在线视频免费播放| 亚洲精品一区av在线观看| 午夜福利在线观看吧| 在线观看舔阴道视频| 美女黄网站色视频| 男人狂女人下面高潮的视频| 男人舔奶头视频| 高清毛片免费观看视频网站| 国语自产精品视频在线第100页| 亚洲无线在线观看| 啦啦啦韩国在线观看视频| 日韩精品有码人妻一区| x7x7x7水蜜桃| 老熟妇仑乱视频hdxx| 欧美成人a在线观看| 亚洲国产日韩欧美精品在线观看| 男女边吃奶边做爰视频| 久久久精品大字幕| 久久久久久久久大av| 久久精品国产99精品国产亚洲性色| 国产精品一区二区性色av| 日韩av在线大香蕉| 欧美+日韩+精品| 国产国拍精品亚洲av在线观看| 精品99又大又爽又粗少妇毛片 | 亚洲avbb在线观看| 91av网一区二区| 国产人妻一区二区三区在| 波野结衣二区三区在线| 亚洲欧美日韩卡通动漫| 欧美人与善性xxx| 深夜精品福利| 非洲黑人性xxxx精品又粗又长| 成年版毛片免费区| 舔av片在线| 国内精品久久久久精免费| 久久这里只有精品中国| 色视频www国产| 亚洲成人久久性| 中国美女看黄片| 一个人看视频在线观看www免费| 国产国拍精品亚洲av在线观看| 亚洲图色成人| 精品国产三级普通话版| 干丝袜人妻中文字幕| 久久热精品热| 乱系列少妇在线播放| 国产高清不卡午夜福利| 免费搜索国产男女视频| 少妇的逼水好多| eeuss影院久久| 精品无人区乱码1区二区| 日本-黄色视频高清免费观看| 欧美在线一区亚洲| 欧美人与善性xxx| 久久久久久久午夜电影| 中文字幕久久专区| 久久精品久久久久久噜噜老黄 | av在线蜜桃| 久久天躁狠狠躁夜夜2o2o| 色综合婷婷激情| 欧美精品国产亚洲| 黄色欧美视频在线观看| 日韩欧美三级三区| 久久精品国产亚洲av天美| 久久国产乱子免费精品| 久久久久性生活片| 97碰自拍视频| 51国产日韩欧美| 麻豆久久精品国产亚洲av| 欧美xxxx黑人xx丫x性爽| 伊人久久精品亚洲午夜| 国产伦人伦偷精品视频| 欧美高清成人免费视频www| 亚洲熟妇熟女久久| 国产大屁股一区二区在线视频| 大型黄色视频在线免费观看| 国产精华一区二区三区| 亚洲专区国产一区二区| 一级毛片久久久久久久久女| 十八禁国产超污无遮挡网站| 久久精品久久久久久噜噜老黄 | 美女黄网站色视频| 国产 一区 欧美 日韩| 一区福利在线观看| 亚洲不卡免费看| 3wmmmm亚洲av在线观看| 欧美日韩亚洲国产一区二区在线观看| 自拍偷自拍亚洲精品老妇| 热99re8久久精品国产| 国产女主播在线喷水免费视频网站 | 99精品久久久久人妻精品| av.在线天堂| 精品久久久久久久末码| 小说图片视频综合网站| 欧美成人一区二区免费高清观看| 波野结衣二区三区在线| 亚洲精品久久国产高清桃花| 麻豆成人av在线观看| 一个人免费在线观看电影| 免费人成在线观看视频色| 88av欧美| 乱码一卡2卡4卡精品| 久久99热这里只有精品18| 亚洲av电影不卡..在线观看| 色噜噜av男人的天堂激情| 蜜桃亚洲精品一区二区三区| 少妇被粗大猛烈的视频| 亚洲avbb在线观看| 99久久精品热视频| 级片在线观看| 久久久久久久久久黄片| 成人综合一区亚洲| 国产一区二区激情短视频| 欧美潮喷喷水| 综合色av麻豆| 小蜜桃在线观看免费完整版高清| 噜噜噜噜噜久久久久久91| 中文字幕av在线有码专区| 国产成人福利小说| 午夜日韩欧美国产| 国内毛片毛片毛片毛片毛片| 不卡视频在线观看欧美| 亚洲av熟女| 91狼人影院| 少妇的逼好多水| 久久精品国产鲁丝片午夜精品 | 大又大粗又爽又黄少妇毛片口| 97超视频在线观看视频| 亚洲人成网站高清观看| 亚洲av成人av| 淫妇啪啪啪对白视频| 国产精品国产三级国产av玫瑰| 亚洲精品456在线播放app | 成年免费大片在线观看| 我的老师免费观看完整版| 一本久久中文字幕| 我的老师免费观看完整版| 99在线视频只有这里精品首页| 国产一区二区三区视频了| 亚洲va在线va天堂va国产| 亚洲人成网站在线播放欧美日韩| 国内精品宾馆在线| 日本免费一区二区三区高清不卡| 中文字幕精品亚洲无线码一区| 此物有八面人人有两片| 美女高潮的动态| 成人三级黄色视频| 欧美成人免费av一区二区三区| 国产一区二区在线观看日韩| 亚洲精品乱码久久久v下载方式| 搡女人真爽免费视频火全软件 | 国产伦精品一区二区三区四那| 亚洲国产欧美人成| av在线亚洲专区| 免费大片18禁| 国产精品国产高清国产av| 国产高清有码在线观看视频| 波野结衣二区三区在线| 国产亚洲精品久久久com| 久久精品91蜜桃| 最后的刺客免费高清国语| 成年版毛片免费区| 性插视频无遮挡在线免费观看| 国产乱人伦免费视频| 国产精品久久久久久av不卡| 欧美区成人在线视频| 日本一二三区视频观看| 日韩欧美 国产精品| 国产人妻一区二区三区在| 又粗又爽又猛毛片免费看| 免费在线观看成人毛片| 国产一区二区三区av在线 | 麻豆av噜噜一区二区三区| 成人三级黄色视频| 直男gayav资源| 99热网站在线观看| 大又大粗又爽又黄少妇毛片口| 精品久久国产蜜桃| av在线亚洲专区| 欧美成人性av电影在线观看| 欧美日韩综合久久久久久 | 国产精品98久久久久久宅男小说| 午夜亚洲福利在线播放| 人人妻人人看人人澡| 色在线成人网| 久久欧美精品欧美久久欧美| 男插女下体视频免费在线播放| 色综合色国产| 我要看日韩黄色一级片| 又黄又爽又刺激的免费视频.| 91久久精品电影网| 免费人成视频x8x8入口观看| 成人综合一区亚洲| 3wmmmm亚洲av在线观看| av女优亚洲男人天堂| 波野结衣二区三区在线| 久久久久久大精品| 老司机深夜福利视频在线观看| 色综合站精品国产| 人妻丰满熟妇av一区二区三区| 美女高潮喷水抽搐中文字幕| 日韩欧美国产在线观看| 五月伊人婷婷丁香| 免费搜索国产男女视频| 日韩高清综合在线| 国产精品不卡视频一区二区| 男女做爰动态图高潮gif福利片| 麻豆成人午夜福利视频| 免费在线观看影片大全网站| 国产欧美日韩一区二区精品| 久久精品91蜜桃| 久久天躁狠狠躁夜夜2o2o| 国产精品国产高清国产av| 成人午夜高清在线视频| 伦理电影大哥的女人| 听说在线观看完整版免费高清| 在线播放无遮挡| 免费看美女性在线毛片视频| av在线亚洲专区| 国产一区二区三区在线臀色熟女| 免费人成在线观看视频色| 亚洲av美国av| 成人美女网站在线观看视频| 美女黄网站色视频| 人妻久久中文字幕网| 精品人妻视频免费看| 亚洲欧美激情综合另类| 国产精品综合久久久久久久免费| 亚洲最大成人手机在线| 在线a可以看的网站| 亚洲精品影视一区二区三区av| 欧美人与善性xxx| 俄罗斯特黄特色一大片| 中文字幕av在线有码专区| 亚洲无线在线观看| 免费一级毛片在线播放高清视频| 精品久久久久久成人av| 两人在一起打扑克的视频| 欧美三级亚洲精品| 天天躁日日操中文字幕| 亚洲av五月六月丁香网| 亚洲av第一区精品v没综合| 日韩在线高清观看一区二区三区 | 欧美性猛交╳xxx乱大交人| 午夜久久久久精精品| 久久亚洲精品不卡| 欧美成人免费av一区二区三区| av在线观看视频网站免费| 国产成人av教育| av中文乱码字幕在线| 免费看av在线观看网站| 国产精品无大码| 欧美3d第一页| 国产精品无大码| 成年女人毛片免费观看观看9| 亚洲中文字幕一区二区三区有码在线看| 亚洲精品影视一区二区三区av| 精品福利观看| 99国产精品一区二区蜜桃av| 国产精品人妻久久久久久| 噜噜噜噜噜久久久久久91| 日韩在线高清观看一区二区三区 | 非洲黑人性xxxx精品又粗又长| 欧美+亚洲+日韩+国产| 99热6这里只有精品| 神马国产精品三级电影在线观看| 99精品久久久久人妻精品| 永久网站在线| 亚洲四区av| 中文亚洲av片在线观看爽| 嫁个100分男人电影在线观看| 国产午夜福利久久久久久| 一边摸一边抽搐一进一小说| 亚洲av五月六月丁香网| 欧美黑人巨大hd| 色综合色国产| 欧美zozozo另类| 国产精品98久久久久久宅男小说| 日韩av在线大香蕉| 欧美绝顶高潮抽搐喷水| 亚洲av第一区精品v没综合| 午夜免费男女啪啪视频观看 | 日本爱情动作片www.在线观看 | 成年女人看的毛片在线观看| 给我免费播放毛片高清在线观看| 亚洲一区二区三区色噜噜| 午夜精品久久久久久毛片777| ponron亚洲| 久99久视频精品免费| 欧美一区二区精品小视频在线| 熟女人妻精品中文字幕| 又粗又爽又猛毛片免费看| 很黄的视频免费| 国产精品福利在线免费观看| 久久久国产成人精品二区| 亚洲国产精品sss在线观看| 性欧美人与动物交配| 一级a爱片免费观看的视频| 成人二区视频| 国产不卡一卡二| 亚洲不卡免费看| 国产不卡一卡二| 精品久久久久久成人av| eeuss影院久久| 欧洲精品卡2卡3卡4卡5卡区| 亚洲欧美日韩高清在线视频| 久久国产乱子免费精品| 婷婷丁香在线五月| 久久精品夜夜夜夜夜久久蜜豆| 成熟少妇高潮喷水视频| 在线观看一区二区三区| 日韩欧美在线二视频| 99热网站在线观看| 久久久精品大字幕| 女生性感内裤真人,穿戴方法视频| 看黄色毛片网站| 少妇裸体淫交视频免费看高清| 欧美激情久久久久久爽电影| 亚洲五月天丁香| 久久精品91蜜桃| 简卡轻食公司| 亚洲真实伦在线观看| 老司机午夜福利在线观看视频| 一区福利在线观看| 国产aⅴ精品一区二区三区波| 99热只有精品国产| a级一级毛片免费在线观看| av在线天堂中文字幕| 看免费成人av毛片| 国产成人影院久久av| 成人av一区二区三区在线看| 亚洲人成伊人成综合网2020| 91av网一区二区| 欧美高清性xxxxhd video| 亚洲av美国av| 麻豆一二三区av精品| 天美传媒精品一区二区| 在线观看66精品国产| 亚洲精品久久国产高清桃花| 亚洲自拍偷在线| 精品国内亚洲2022精品成人| 欧美在线一区亚洲| 日韩欧美国产一区二区入口| 真实男女啪啪啪动态图| 69人妻影院| 男女啪啪激烈高潮av片| 观看免费一级毛片| 欧美成人性av电影在线观看| 又粗又爽又猛毛片免费看| 国产aⅴ精品一区二区三区波| 69人妻影院| 91午夜精品亚洲一区二区三区 | 婷婷六月久久综合丁香| 亚洲无线观看免费| 一本一本综合久久| 欧美bdsm另类| netflix在线观看网站| 午夜精品在线福利| 国产高清激情床上av| 中文资源天堂在线| 在现免费观看毛片| 久久精品久久久久久噜噜老黄 | 在线观看午夜福利视频| 无遮挡黄片免费观看| 成人欧美大片| 国产成人影院久久av| 日韩中字成人| 在线播放无遮挡| 国产淫片久久久久久久久| 免费看a级黄色片| 日本三级黄在线观看| 亚洲成av人片在线播放无| 精品人妻视频免费看| 成人二区视频| 88av欧美| 日韩,欧美,国产一区二区三区 | 简卡轻食公司| 亚洲国产精品sss在线观看| 欧美另类亚洲清纯唯美| 91麻豆精品激情在线观看国产| 亚洲在线自拍视频| 淫秽高清视频在线观看| 欧美日韩瑟瑟在线播放|