• <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 ?

    視盤與黃斑同時定位檢測的FPGA方法研究

    2022-06-09 11:59:02劉宇紅張榮芬
    計算機(jī)工程與應(yīng)用 2022年11期
    關(guān)鍵詞:檢測

    張 衛(wèi),周 驊,劉宇紅,張榮芬

    貴州大學(xué) 大數(shù)據(jù)與信息工程學(xué)院,貴陽 550025

    糖尿病視網(wǎng)膜病變(diabetic retinopathy,DR)也稱糖網(wǎng)病,是糖尿病的一種眼部表現(xiàn),也是當(dāng)今世界上造成視力損害和失明的主要原因[1]。彩色眼底圖像在利用計算機(jī)輔助診斷或篩查糖網(wǎng)病中得到了廣泛的應(yīng)用。

    視盤、黃斑和血管是眼底圖像中最重要的組成結(jié)構(gòu),對這些結(jié)構(gòu)作特征分析是判斷眼底疾病的基礎(chǔ)[2]。視盤是視神經(jīng)的始端和血管的發(fā)源端,形狀為亮白色圓盤,直徑約為1.5 mm,是輔助判定糖網(wǎng)病的主要指標(biāo)。

    另外,視盤也用于輔助建立眼底圖像坐標(biāo)系,搭建血管分割算法。黃斑與視盤的位置固定,是視力最敏銳的部分??焖?、準(zhǔn)確地定位視盤和黃斑區(qū)域?qū)Πㄌ蔷W(wǎng)病在內(nèi)的眼底疾病尤為重要。

    目前,由于成像因素或視網(wǎng)膜病變的影響,造成黃斑檢測的難度較大,故研究視盤定位的文獻(xiàn)較多,檢測黃斑的文獻(xiàn)較少[3]。關(guān)于視盤定位的算法大致可以分為兩類,一類利用外觀信息如亮度、對比度等作為定位特征[4-5],另一類是基于血管特征實(shí)現(xiàn)視盤定位[6-10]。關(guān)于黃斑的定位算法,一般都依賴于視盤定位和血管拱形的坐標(biāo)信息[11-14],故而導(dǎo)致黃斑定位準(zhǔn)確率低于視盤定位準(zhǔn)確率,而且無法同時對視盤和黃斑進(jìn)行定位。因此,探索一種有效的能對視網(wǎng)膜圖像視盤和黃斑同時定位的智能算法具有重要意義。

    今天,在FPGA芯片上部署神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)邊緣計算的思想得到人們的認(rèn)可和研究,目前主要實(shí)現(xiàn)方式有兩種,一種方式是采用Verilog HDL(Verilog hardware description language,Verilog硬件描述語言)設(shè)計底層邏輯結(jié)構(gòu),另一種方式是采用HLS(high level synthesis,高層綜合語言)設(shè)計IP核[15-16]來實(shí)現(xiàn)各類智能算法,后者原理簡單,易于實(shí)現(xiàn)。然而,兩種方法目前可實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)層數(shù)多局限于幾層、十幾層的規(guī)模[15-16]。

    在此背景下,本文創(chuàng)新性地提出了一種眼底圖像視盤與黃斑定位檢測新方法[17],先使用YOLOv4-tiny算法檢測視盤和黃斑的位置信息,再采用HLS設(shè)計的IP核將38層神經(jīng)網(wǎng)絡(luò)算法移植到FPGA平臺[18]。該方法復(fù)雜度低,檢測定位準(zhǔn)確率高、實(shí)時性強(qiáng),具有良好的臨床應(yīng)用前景。

    1 YOLOv4-tiny算法結(jié)構(gòu)

    YOLOv4算法在目標(biāo)檢測領(lǐng)域具有較高的準(zhǔn)確率和實(shí)時性,但網(wǎng)絡(luò)復(fù)雜度較高。YOLOv4-tiny算法的網(wǎng)絡(luò)參數(shù)相對于其他YOLO算法少得多,適用于嵌入式設(shè)備。本文采用YOLOv4-tiny算法來完成眼底圖像中視盤和黃斑的定位檢測,整體檢測過程如下:輸入一張彩色眼底圖片,經(jīng)網(wǎng)絡(luò)檢測輸出后,對YOLO頭部y1、y2進(jìn)行輸出處理,可同時得到視盤和黃斑的位置信息和置信度。

    YOLOv4-tiny算法的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,該算法共38層,輸入層為608×608×3的彩色眼底圖片,Backbone模塊是網(wǎng)絡(luò)的骨干部分,由CSPDarknet53(即圖中的CSP結(jié)構(gòu))模型組成,該模型提高了整個網(wǎng)絡(luò)模型的檢測精度,模型中帶虛線陰影的CBL結(jié)構(gòu)是下采樣卷積層。圖1中不帶虛線陰影的CBL結(jié)構(gòu)做正常的卷積運(yùn)算。另外,圖1中還包括2個頭部輸出:網(wǎng)絡(luò)第31層y1層,其大小為19×19×21,網(wǎng)絡(luò)第38層y2層,其大小為38×38×21。

    圖1 YOLOv4-tiny網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 YOLOv4-tiny network structure

    帶虛線陰影的CBL結(jié)構(gòu)如圖2所示,該結(jié)構(gòu)的操作是:先做卷積運(yùn)算,再做歸一化操作,最后采用Leaky Relu函數(shù)激活。圖3是CSP結(jié)構(gòu)圖,圖的上半部分包括3個CBL結(jié)構(gòu),第二個CBL與第三個CBL的結(jié)果矩陣拼接后,再通過一個CBL,最后的結(jié)果矩陣與CSP結(jié)構(gòu)的初始輸入做拼接操作,得到整個CSP結(jié)構(gòu)的輸出。

    圖2 CBL結(jié)構(gòu)Fig.2 CBL structure

    圖3 CSP結(jié)構(gòu)Fig.3 CSP structure

    為檢測到視盤和黃斑兩個類別,網(wǎng)絡(luò)的兩個頭部輸出層y1、y2需要經(jīng)過一系列操作。具體操作是:首先檢測圖片中類似目標(biāo)特征的區(qū)域,將整個圖片分為N×N個格子,使用眼底圖片中目標(biāo)的真實(shí)中心位置坐標(biāo)落入格子負(fù)責(zé)該目標(biāo)所屬類別,每個格子預(yù)測B個邊界框,每個邊界框包含置信度和目標(biāo)所屬類別的概率,瞄框的預(yù)測采用公式(1)的方法:

    式中,c x、c y是網(wǎng)格的坐標(biāo)偏移量;p w、p h是預(yù)設(shè)的瞄框的邊長;b x、b y、b w、b h為最終得到的邊框坐標(biāo)值;t x、t y、t w、t h為網(wǎng)絡(luò)學(xué)習(xí)目標(biāo),其中,t x、t y為檢測目標(biāo)的邊界框中心位置坐標(biāo)偏移量,經(jīng)過σ(x)(sigmoid)函數(shù)歸一化到0和1之間,t w、t h為瞄框的尺度縮放,分別與p w、ph作用后得到邊界框的寬和高。

    2 研究工作

    2.1 圖像預(yù)處理

    算法采用公認(rèn)的Kaggle-Diabetic Retinopathy Detection(以下簡稱為Kaggle-DR)競賽中的眼底圖片數(shù)據(jù)集訓(xùn)練學(xué)習(xí)參數(shù)。該數(shù)據(jù)集包含多個患者左右兩只眼的高分辨率彩色圖片,且左右眼的眼底圖像分辨率相同。Kaggle-DR數(shù)據(jù)集根據(jù)糖網(wǎng)病視網(wǎng)膜病變的程度劃分為正常、輕度、中度、重度和增殖型糖尿病視網(wǎng)膜病變五個等級,以0、1、2、3、4進(jìn)行類別標(biāo)注,每張圖片都包含視盤和黃斑結(jié)構(gòu)。

    由于數(shù)據(jù)集中的圖片具有不同的光照、顏色和攝像角度,以及照片裁剪方式也不相同,甚至部分圖片存在失焦的情況,因此從競賽數(shù)據(jù)集中挑選部分滿足訓(xùn)練要求的圖片,并對其進(jìn)行縮放、旋轉(zhuǎn)、翻轉(zhuǎn)、改變亮度等操作,得到516幅包含糖網(wǎng)病不同患病等級的圖片進(jìn)行訓(xùn)練和測試,挑選后的部分?jǐn)?shù)據(jù)集圖片如圖4所示。

    圖4 部分用于訓(xùn)練的Kaggle-DR數(shù)據(jù)集眼底圖片F(xiàn)ig.4 Some retinal images in Kaggle-DR dataset for training

    2.2 網(wǎng)絡(luò)訓(xùn)練優(yōu)化

    過擬合是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)共有的弊病,一旦算法出現(xiàn)過擬合,那么訓(xùn)練生成的網(wǎng)絡(luò)算法模型是無效的。為了防止過擬合,如圖5所示,本文采用兩級訓(xùn)練和遷移學(xué)習(xí)的方式對YOLOv4-tiny網(wǎng)絡(luò)進(jìn)行訓(xùn)練優(yōu)化,先使用COCO數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)的前26層,迭代訓(xùn)練6 000次后,凍結(jié)這些層的參數(shù)值;再采用Kaggle-DR競賽中挑選的381幅眼底圖像訓(xùn)練剩下的12層,并設(shè)置衰減式的學(xué)習(xí)率,迭代10 000次后得到所有層的網(wǎng)絡(luò)參數(shù)。

    圖5 算法的兩級訓(xùn)練模式Fig.5 Two level training mode of algorithm

    由于Kaggle-DR數(shù)據(jù)集中的眼底圖片原始分辨率為3 000×4 000左右,且視盤和黃斑的位置以及整個眼球的位置多位于圖片中央,故將網(wǎng)絡(luò)的輸入層調(diào)整為608×608×3,有效地保證了特征提取的區(qū)域。另外,視盤的位置通常比黃斑要大,且在圖上處于不同的位置,選擇大小和位置合適的瞄框?qū)⒂兄谔岣邫z測的速度和準(zhǔn)確率。

    2.3 FPGA移植

    該YOLOv4-tiny黃斑與視盤定位檢測算法的一個重要優(yōu)點(diǎn)是可以移植到FPGA上運(yùn)行。以下介紹將優(yōu)化訓(xùn)練后的算法部署移植到FPGA板上的過程,整體的系統(tǒng)實(shí)現(xiàn)原理圖如圖6所示。在FPGA端,首先把算法訓(xùn)練得到的yolo.weight文件存儲至SD卡中,這個文件包含了網(wǎng)絡(luò)訓(xùn)練后的權(quán)重和偏置值;接著利用vivado HLS工具生成的兩個IP核做網(wǎng)絡(luò)中卷積和池化運(yùn)算,IP核可以自主地從SDRAM中讀取圖片和網(wǎng)絡(luò)參數(shù);FPGA中的ARM內(nèi)核重建整個神經(jīng)網(wǎng)絡(luò)算法,并將卷積和池化需要的數(shù)據(jù)參數(shù)傳遞給IP核,IP核獲取到全部參數(shù)進(jìn)行計算后將結(jié)果存儲到SDRAM中。PC上位機(jī)與FPGA端通過串口進(jìn)行通信,PC上位機(jī)發(fā)送眼底圖片給FPGA端,F(xiàn)PGA端將檢測結(jié)果發(fā)回給PC上位機(jī)。

    圖6 FPGA整體實(shí)現(xiàn)原理圖Fig.6 Overall implementation schematic designed on FPGA

    FPGA端需要在vivado SDK工具中采用C語言重現(xiàn)TensorFlow框架下的YOLOv4-tiny算法,算法初始化部分如下所示:

    網(wǎng)絡(luò)結(jié)構(gòu)中的卷積層采用RunConv()函數(shù)來實(shí)現(xiàn),該函數(shù)對應(yīng)的是卷積層IP核硬件電路,該電路可以實(shí)現(xiàn)不同運(yùn)算數(shù)據(jù)和不同運(yùn)算規(guī)模的卷積層操作;網(wǎng)絡(luò)結(jié)構(gòu)中的池化層采用RunPool()函數(shù)來實(shí)現(xiàn),該函數(shù)對應(yīng)的是池化層IP核電路,與卷積層類似,該電路也具有計算不同池化層的通用性,本網(wǎng)絡(luò)模型中的池化層均做最大池化操作。Runroute()函數(shù)做拼接操作,Runupsample()函數(shù)做上采樣操作。

    RunCSP()函數(shù)需要對7個網(wǎng)絡(luò)層做操作,第一層是卷積操作,接下來的一層對該層做拼接;運(yùn)行兩個卷積層后,將這兩層的結(jié)果矩陣做拼接;再做一層卷積操作后,將這層的結(jié)果矩陣與第一層做拼接,得到整個RunCSP()函數(shù)的運(yùn)算結(jié)果如下:

    3 實(shí)驗及結(jié)果

    系統(tǒng)設(shè)計中GPU軟件訓(xùn)練平臺使用兩塊1080Ti顯卡。CPU軟件訓(xùn)練平臺使用Core i7-8700k處理器,主頻為3.4 GHz。硬件部署使用Xilinx公司的ZYNQ-7000 xc7z010clg400-1芯片作為實(shí)驗平臺,該芯片片內(nèi)資源較為豐富,基本能夠滿足該網(wǎng)絡(luò)模型中硬件設(shè)計所需要的資源。

    3.1 GPU模型訓(xùn)練與測試

    在TensorFlow深度學(xué)習(xí)框架下,采用COCO數(shù)據(jù)集和Kaggle-Diabetic Retinopathy Detection競賽中挑選的部分眼底圖片做兩級訓(xùn)練,第一級訓(xùn)練采用COCO數(shù)據(jù)集、學(xué)習(xí)率為0.01,迭代6 000次來學(xué)習(xí)網(wǎng)絡(luò)的前26層;第二級訓(xùn)練采用Kaggle-DR競賽數(shù)據(jù)集、初始學(xué)習(xí)率為0.001,并以指數(shù)式衰減,迭代10 000次來學(xué)習(xí)整個網(wǎng)絡(luò)。每1 000次迭代后保存此時模型的網(wǎng)絡(luò)參數(shù).weight文件,如圖7所示,迭代4 000次后,loss值已經(jīng)接近于0,網(wǎng)絡(luò)模型趨于穩(wěn)定;迭代10 000次后,保存平均正確率mAP值最高的網(wǎng)絡(luò)模型的.weight文件,完成整個訓(xùn)練過程。

    圖7 網(wǎng)絡(luò)模型訓(xùn)練mAP曲線Fig.7 mAP curve of network model on training

    如圖7和表1所示,訓(xùn)練最好的網(wǎng)絡(luò)模型的mAP值為96.67%,其中視盤的正確率為100%,黃斑的正確率達(dá)93.34%,視盤的真陽性率(true positive rate,TPR)為100%,黃斑的真陽性率為96.85%,假陽性率(false positive rate,F(xiàn)PR)為3.15%,說明本文算法系統(tǒng)能滿足視盤和黃斑的檢測定位性能。另外,網(wǎng)絡(luò)的recall值為0.94,F(xiàn)1-score為0.96,precision值為0.98,說明該算法模型性能較好。

    表1 訓(xùn)練好的網(wǎng)絡(luò)模型參數(shù)Table 1 Trained network model parameters

    測試時采用135張?zhí)暨x的Kaggle-DR數(shù)據(jù)集眼底圖片整個迭代1次,得到的mAP值為95.97%,與訓(xùn)練的準(zhǔn)確率基本一致。測試一張圖片的時間約為4.72 ms,將其中部分圖片的置信度圖片輸出,如圖8所示,(a)中視盤和黃斑的置信度均為100%,(b)中視盤的置信度為100%,黃斑的置信度為94%,圖中黃斑區(qū)域顏色較淺,與周圍環(huán)境顏色類似,對檢測定位有一定程度的干擾,但94%的準(zhǔn)確率能滿足糖網(wǎng)病的輔助診斷要求。

    圖8 網(wǎng)絡(luò)模型輸出的視盤(OD)和黃斑(Fovea)的置信度圖Fig.8 Confidence degree map of optic disc and fovea from network model

    3.2 視盤和黃斑定位檢測結(jié)果對比

    表2給出了本文方法與現(xiàn)有最具代表的幾種方法的檢測定位結(jié)果。從表2中可以看出,文獻(xiàn)[11-13]和文獻(xiàn)[3]均是分別對視盤和黃斑做檢測定位,其中文獻(xiàn)[11]的視盤和黃斑分別檢測的正確率最高,但是數(shù)據(jù)集小且未指明其中是否有病變眼底圖片;文獻(xiàn)[3]和文獻(xiàn)[12]也取得了較好的正確率,數(shù)據(jù)集組成合理,但是采用監(jiān)督分類的方法,對測試集中的病變圖片正確率較低;文獻(xiàn)[13]也得到了較好的檢測定位結(jié)果,但是算法較為復(fù)雜。

    表2 視盤和黃斑的檢測結(jié)果與傳統(tǒng)方法對比Table 2 Comparison of detection results of optic disc and macula with traditional methods

    文獻(xiàn)[14]先檢測黃斑,再檢測視盤,采用HEI-MED數(shù)據(jù)集中圖片進(jìn)行訓(xùn)練和測試,取得了較好的檢測正確率,但是仍然不能同時對視盤和黃斑定位。本文能同時對視盤和黃斑進(jìn)行定位,采用的數(shù)據(jù)集包含各個患病等級的圖片,訓(xùn)練和測試都取得了不錯的正確率,通過對比可以看出本文方法的檢測結(jié)果并不低于現(xiàn)有的方法甚至更優(yōu),而且本文算法簡單,黃斑定位不依賴于視盤定位,在實(shí)際的糖網(wǎng)病篩查及醫(yī)學(xué)輔助診斷中具有很大的優(yōu)勢。

    表3進(jìn)一步給出了視盤與黃斑在YOLO算法下的檢測定位結(jié)果對比,其中YOLOv3算法下的黃斑和視盤檢測定位的正確率較低,測試的實(shí)時性比較差。YOLOv4算法下的視盤與黃斑檢測定位的正確率為98.69%,但是網(wǎng)絡(luò)模型的參數(shù)值高達(dá)257.7 MB,GPU傳遞一張圖片的時間也比較長。本文采用的YOLOv4-tiny算法下的視盤與黃斑檢測定位的正確率為96.67%,略低于YOLOv4算法下的正確率,但是網(wǎng)絡(luò)參數(shù)大小下降了不止10倍,僅為24.3 MB,而且GPU傳遞一張圖片的時間提高了不止10倍,只需要2.858 ms,這些特性表明,本文采用YOLOv4-tiny實(shí)現(xiàn)視盤與黃斑檢測定位的系統(tǒng)非常適合移植于FPGA等嵌入式設(shè)備中,例如手持式糖網(wǎng)病智能監(jiān)測儀,具有很好的邊緣計算應(yīng)用前景。

    表3 視盤與黃斑在YOLO算法下的檢測定位結(jié)果對比Table 3 Comparison of detection and location results of optic disc and macula based on YOLO algorithms

    3.3 FPGA硬件平臺與CPU、GPU平臺檢測定位結(jié)果對比

    表4給出了本文算法在FPGA硬件平臺以及CPU、GPU上對視盤與黃斑進(jìn)行檢測定位的對比,其中FPGA平臺的平均識別正確率基本與CPU、GPU保持一致,三個平臺下視盤定位的正確率均能維持在100%,但FPGA平臺中黃斑的正確率最低,為92.21%,這是因為FPGA中采用16位無符號浮點(diǎn)型數(shù)據(jù)類型,降低了權(quán)重和偏置的精確度。

    表4 FPGA硬件平臺與CPU、GPU檢測定位結(jié)果對比Table 4 Comparison of detection and location results on FPGA hardware platform with CPU and GPU

    從時效性來看,F(xiàn)PGA平臺處理一張圖片的時間大約需要150.445 ms,識別時間介于CPU與GPU之間。這是因為FPGA硬件平臺中只有一份卷積電路和一份池化電路,導(dǎo)致網(wǎng)絡(luò)中的各個卷積層和池化層只能采用時分復(fù)用的方式去共享這兩份電路,不能同時對各個網(wǎng)絡(luò)層進(jìn)行計算,使其處理時間比GPU低。但是從整體的正確率和實(shí)時性來看,本文搭載YOLOv4-tiny算法的FPGA硬件平臺能滿足糖網(wǎng)病視盤與黃斑定位及智能硬件輔助診斷的要求。

    4 結(jié)論

    視盤、黃斑是眼底圖像中最重要的組成結(jié)構(gòu),對這兩個結(jié)構(gòu)的預(yù)先定位檢測是糖網(wǎng)病眼底圖像的自動處理與分析的關(guān)鍵步驟。傳統(tǒng)的數(shù)學(xué)形態(tài)學(xué)定位檢測方法,只能從算法層面進(jìn)行定位檢測,沒有同時定位視盤和黃斑,導(dǎo)致黃斑的定位準(zhǔn)確率低,而且還未見嵌入式端的算法實(shí)現(xiàn),不適合于手持式檢測儀這樣的邊緣計算場景。基于此,本文提出了一種針對眼底圖像中視盤與黃斑同時定位檢測的新方法,首先使用YOLOv4-tiny算法進(jìn)行定位檢測,并探索了有效的眼底圖像預(yù)處理、網(wǎng)絡(luò)訓(xùn)練優(yōu)化等方法,最后將該算法成功移植到FPGA。與傳統(tǒng)方法相比,該方法不僅可以同時定位眼底圖像中視盤和黃斑的位置,使得算法復(fù)雜度更低、準(zhǔn)確度更高、定位速度更快,而且在FPGA上的實(shí)現(xiàn)方案對糖網(wǎng)病檢測技術(shù)的嵌入式發(fā)展具有指導(dǎo)意義。實(shí)驗主要采用公認(rèn)的COCO數(shù)據(jù)集和Kaggle-Diabetic Retinopathy Detection競賽中的眼底圖像對算法進(jìn)行訓(xùn)練和測試對比,算法移植到FPGA平臺后對視盤和黃斑定位的mAP為96.11%,檢測一張圖片只需要150.445 ms,符合邊緣計算圖像處理的實(shí)際應(yīng)用需求,具有良好的眼科臨床應(yīng)用前景。

    猜你喜歡
    檢測
    QC 檢測
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    “幾何圖形”檢測題
    “角”檢測題
    “有理數(shù)的乘除法”檢測題
    “有理數(shù)”檢測題
    “角”檢測題
    “幾何圖形”檢測題
    国产色视频综合| 搡老岳熟女国产| 激情在线观看视频在线高清 | 女人被狂操c到高潮| 亚洲国产精品一区二区三区在线| 日韩欧美一区视频在线观看| 麻豆乱淫一区二区| 国产成人精品久久二区二区免费| 国产精品亚洲av一区麻豆| 青草久久国产| 满18在线观看网站| 男女免费视频国产| 国产精品.久久久| 男人的好看免费观看在线视频 | 亚洲国产毛片av蜜桃av| 亚洲欧美精品综合一区二区三区| 亚洲中文日韩欧美视频| 法律面前人人平等表现在哪些方面| 国产单亲对白刺激| 国产精品美女特级片免费视频播放器 | 久久久久精品国产欧美久久久| 精品熟女少妇八av免费久了| 久久精品成人免费网站| 国产av精品麻豆| 黄色视频不卡| 午夜福利,免费看| avwww免费| 美女午夜性视频免费| 黄网站色视频无遮挡免费观看| a级毛片黄视频| 免费在线观看视频国产中文字幕亚洲| 美国免费a级毛片| 黑人操中国人逼视频| 啦啦啦在线免费观看视频4| av一本久久久久| 如日韩欧美国产精品一区二区三区| 亚洲精品中文字幕一二三四区| 99精国产麻豆久久婷婷| 国产淫语在线视频| 成人国产一区最新在线观看| 九色亚洲精品在线播放| 一级毛片女人18水好多| 久久人妻av系列| 成人三级做爰电影| 大片电影免费在线观看免费| 欧美精品一区二区免费开放| 在线观看午夜福利视频| 国产成人精品久久二区二区91| 90打野战视频偷拍视频| 麻豆成人av在线观看| 国产在线精品亚洲第一网站| 久久ye,这里只有精品| 熟女少妇亚洲综合色aaa.| 国产亚洲欧美98| 99久久精品国产亚洲精品| 久久这里只有精品19| 久久九九热精品免费| 捣出白浆h1v1| 1024香蕉在线观看| 欧美老熟妇乱子伦牲交| 80岁老熟妇乱子伦牲交| 在线永久观看黄色视频| 国产一区二区三区视频了| 亚洲精品一卡2卡三卡4卡5卡| 岛国在线观看网站| 国产成人av激情在线播放| 伦理电影免费视频| 亚洲va日本ⅴa欧美va伊人久久| 欧美精品av麻豆av| 两个人看的免费小视频| 精品欧美一区二区三区在线| 亚洲成国产人片在线观看| 日韩一卡2卡3卡4卡2021年| 国产精品美女特级片免费视频播放器 | 国产成人免费无遮挡视频| 人妻丰满熟妇av一区二区三区 | 精品国产乱子伦一区二区三区| 两个人看的免费小视频| 在线播放国产精品三级| 欧美中文综合在线视频| 精品欧美一区二区三区在线| 日本wwww免费看| 久99久视频精品免费| 国产av又大| 欧美成狂野欧美在线观看| 最近最新免费中文字幕在线| 男女之事视频高清在线观看| 亚洲av成人av| 中文字幕人妻丝袜一区二区| 涩涩av久久男人的天堂| 久久久久久人人人人人| 动漫黄色视频在线观看| 一边摸一边做爽爽视频免费| 在线观看免费视频日本深夜| 国产视频一区二区在线看| 曰老女人黄片| www日本在线高清视频| 欧美最黄视频在线播放免费 | 99re6热这里在线精品视频| 日韩欧美三级三区| 久久人妻熟女aⅴ| 午夜免费观看网址| 国产一区有黄有色的免费视频| 在线观看一区二区三区激情| 色在线成人网| 国产xxxxx性猛交| 国产在线一区二区三区精| 九色亚洲精品在线播放| 亚洲欧美精品综合一区二区三区| 在线国产一区二区在线| 在线观看免费高清a一片| 久久久久久久久免费视频了| 91大片在线观看| 搡老乐熟女国产| 黄色a级毛片大全视频| 男女高潮啪啪啪动态图| 国产亚洲欧美98| 热99re8久久精品国产| 国产成人av教育| 在线观看日韩欧美| 老鸭窝网址在线观看| 亚洲五月天丁香| 男女下面插进去视频免费观看| 老鸭窝网址在线观看| 久久精品成人免费网站| 欧美日韩视频精品一区| 十八禁人妻一区二区| 一区二区三区精品91| 亚洲人成电影观看| 国产精品成人在线| 夜夜爽天天搞| 久久久久久久精品吃奶| 国产黄色免费在线视频| 久久天躁狠狠躁夜夜2o2o| 视频在线观看一区二区三区| 久久久久国内视频| 一边摸一边抽搐一进一小说 | 一级片'在线观看视频| 久久午夜亚洲精品久久| 国产欧美日韩精品亚洲av| 久久香蕉国产精品| 国产男女超爽视频在线观看| 叶爱在线成人免费视频播放| 久久精品国产亚洲av高清一级| 人成视频在线观看免费观看| 欧美在线一区亚洲| 国产黄色免费在线视频| 亚洲五月婷婷丁香| 欧美色视频一区免费| 热99re8久久精品国产| 女人被狂操c到高潮| 操出白浆在线播放| 国产精品成人在线| 亚洲成a人片在线一区二区| 国产97色在线日韩免费| 午夜久久久在线观看| 国产单亲对白刺激| 国产精品 欧美亚洲| 淫妇啪啪啪对白视频| 亚洲欧美日韩高清在线视频| 国精品久久久久久国模美| 在线观看舔阴道视频| 激情在线观看视频在线高清 | www日本在线高清视频| av电影中文网址| 曰老女人黄片| 欧美日韩黄片免| 久久人人97超碰香蕉20202| 婷婷精品国产亚洲av在线 | 久久精品91无色码中文字幕| 18在线观看网站| 欧美日韩福利视频一区二区| 欧美丝袜亚洲另类 | 亚洲综合色网址| 成人18禁在线播放| 欧美久久黑人一区二区| 亚洲第一欧美日韩一区二区三区| 老司机福利观看| 欧美日韩亚洲国产一区二区在线观看 | 亚洲全国av大片| 成人国产一区最新在线观看| 国产淫语在线视频| 人妻一区二区av| 国内毛片毛片毛片毛片毛片| a级毛片在线看网站| 亚洲精华国产精华精| 免费观看a级毛片全部| 国产97色在线日韩免费| 婷婷丁香在线五月| xxx96com| 免费在线观看日本一区| xxx96com| 怎么达到女性高潮| 亚洲精品久久午夜乱码| 真人做人爱边吃奶动态| 韩国av一区二区三区四区| 亚洲欧美一区二区三区久久| 水蜜桃什么品种好| 欧美日韩黄片免| 午夜精品国产一区二区电影| 韩国精品一区二区三区| 精品视频人人做人人爽| 美女高潮喷水抽搐中文字幕| 90打野战视频偷拍视频| 成人黄色视频免费在线看| 久久久久久亚洲精品国产蜜桃av| 在线播放国产精品三级| 日日摸夜夜添夜夜添小说| 欧美乱色亚洲激情| 亚洲欧美激情在线| 女人高潮潮喷娇喘18禁视频| 午夜福利欧美成人| 亚洲精品美女久久久久99蜜臀| 高清毛片免费观看视频网站 | 国产精品.久久久| 久久精品亚洲av国产电影网| 亚洲精品国产一区二区精华液| 91大片在线观看| 咕卡用的链子| 侵犯人妻中文字幕一二三四区| 美女视频免费永久观看网站| 91成人精品电影| 天堂动漫精品| 亚洲aⅴ乱码一区二区在线播放 | 亚洲成a人片在线一区二区| 熟女少妇亚洲综合色aaa.| 男男h啪啪无遮挡| 欧美精品啪啪一区二区三区| 亚洲欧美激情在线| 欧美在线黄色| 在线天堂中文资源库| cao死你这个sao货| 精品熟女少妇八av免费久了| 国内久久婷婷六月综合欲色啪| 夫妻午夜视频| 国产精品一区二区免费欧美| 在线十欧美十亚洲十日本专区| 美女视频免费永久观看网站| 99国产极品粉嫩在线观看| 国产精品香港三级国产av潘金莲| 国产午夜精品久久久久久| 母亲3免费完整高清在线观看| 精品熟女少妇八av免费久了| 校园春色视频在线观看| 欧美日韩国产mv在线观看视频| 丰满饥渴人妻一区二区三| 免费黄频网站在线观看国产| 老司机靠b影院| 欧美av亚洲av综合av国产av| 欧美黑人欧美精品刺激| 女人久久www免费人成看片| 亚洲av欧美aⅴ国产| 亚洲人成伊人成综合网2020| 国产精品永久免费网站| 一区二区三区国产精品乱码| 午夜激情av网站| 悠悠久久av| 一区二区日韩欧美中文字幕| 大陆偷拍与自拍| 亚洲熟女精品中文字幕| 在线av久久热| 中文字幕最新亚洲高清| 欧美人与性动交α欧美软件| 一进一出抽搐gif免费好疼 | 不卡av一区二区三区| 国产视频一区二区在线看| videos熟女内射| 中文字幕人妻丝袜一区二区| 欧美日韩亚洲综合一区二区三区_| 如日韩欧美国产精品一区二区三区| 国产成人欧美在线观看 | 自线自在国产av| 欧美精品高潮呻吟av久久| 在线免费观看的www视频| 中文字幕人妻丝袜制服| 久久香蕉激情| 精品久久蜜臀av无| av国产精品久久久久影院| 在线观看66精品国产| 精品人妻1区二区| 亚洲av成人av| 国产精品久久视频播放| 在线av久久热| 美女福利国产在线| 亚洲五月色婷婷综合| 日韩 欧美 亚洲 中文字幕| 国产一区二区激情短视频| 欧美日韩乱码在线| 在线观看免费日韩欧美大片| 久久久国产一区二区| 美女福利国产在线| 99国产精品一区二区三区| 国产精品1区2区在线观看. | 欧美在线一区亚洲| 黑人猛操日本美女一级片| 国产精品1区2区在线观看. | a在线观看视频网站| 亚洲 国产 在线| 精品第一国产精品| 午夜两性在线视频| 99re6热这里在线精品视频| 在线观看免费日韩欧美大片| 黄色怎么调成土黄色| 久久婷婷成人综合色麻豆| 国产一区二区激情短视频| aaaaa片日本免费| 国产亚洲精品一区二区www | 一边摸一边抽搐一进一小说 | 日本黄色视频三级网站网址 | 男女高潮啪啪啪动态图| 侵犯人妻中文字幕一二三四区| videos熟女内射| videosex国产| 成人黄色视频免费在线看| 脱女人内裤的视频| 亚洲精品在线美女| 国产欧美日韩一区二区三| 在线看a的网站| 性少妇av在线| 丁香六月欧美| 亚洲成人免费av在线播放| 亚洲黑人精品在线| 欧美色视频一区免费| 久久 成人 亚洲| 午夜影院日韩av| 久久久水蜜桃国产精品网| 一区二区三区精品91| 成人影院久久| 变态另类成人亚洲欧美熟女 | 亚洲成人国产一区在线观看| 亚洲精品中文字幕一二三四区| 精品国产一区二区久久| 窝窝影院91人妻| 纯流量卡能插随身wifi吗| 黄片小视频在线播放| 电影成人av| 可以免费在线观看a视频的电影网站| 久久久久久久久免费视频了| 麻豆乱淫一区二区| 国产蜜桃级精品一区二区三区 | 欧美成人免费av一区二区三区 | 国产深夜福利视频在线观看| 日韩三级视频一区二区三区| 免费观看a级毛片全部| 啦啦啦视频在线资源免费观看| 日本五十路高清| 性色av乱码一区二区三区2| 高清av免费在线| 黄色成人免费大全| 国产精品二区激情视频| 国产成人av教育| 久久精品亚洲熟妇少妇任你| 国产不卡av网站在线观看| 大香蕉久久成人网| 色播在线永久视频| 亚洲美女黄片视频| 交换朋友夫妻互换小说| 精品第一国产精品| 日韩欧美国产一区二区入口| 国产精品久久久久久人妻精品电影| 久久影院123| 人人妻,人人澡人人爽秒播| 中文字幕人妻丝袜制服| www.熟女人妻精品国产| 一进一出抽搐gif免费好疼 | 男女午夜视频在线观看| 成人亚洲精品一区在线观看| 精品久久久久久电影网| 亚洲午夜理论影院| 国产欧美日韩一区二区三区在线| 国产亚洲欧美在线一区二区| 国产色视频综合| 真人做人爱边吃奶动态| 丝瓜视频免费看黄片| 日本黄色日本黄色录像| 国产欧美日韩一区二区精品| 丰满迷人的少妇在线观看| 黑人巨大精品欧美一区二区mp4| 久久精品aⅴ一区二区三区四区| 久久精品国产亚洲av高清一级| 国产成人欧美在线观看 | 手机成人av网站| 久久精品aⅴ一区二区三区四区| 1024视频免费在线观看| 正在播放国产对白刺激| 激情在线观看视频在线高清 | 露出奶头的视频| 国产精品秋霞免费鲁丝片| 精品久久久精品久久久| ponron亚洲| 99在线人妻在线中文字幕 | 黄色a级毛片大全视频| 国产亚洲精品第一综合不卡| 美女高潮到喷水免费观看| 制服诱惑二区| 免费不卡黄色视频| 99国产精品一区二区三区| 国产淫语在线视频| 十八禁人妻一区二区| 91老司机精品| 老司机靠b影院| 在线观看免费视频网站a站| 欧美日韩中文字幕国产精品一区二区三区 | 岛国在线观看网站| 久久精品国产a三级三级三级| 免费高清在线观看日韩| 久久久久精品国产欧美久久久| 日韩免费av在线播放| cao死你这个sao货| 国产激情欧美一区二区| 久久亚洲精品不卡| 国产极品粉嫩免费观看在线| 欧美精品啪啪一区二区三区| 欧美老熟妇乱子伦牲交| 夜夜夜夜夜久久久久| 国产激情欧美一区二区| 国产男靠女视频免费网站| 在线天堂中文资源库| 国产成人av教育| 热re99久久国产66热| 婷婷精品国产亚洲av在线 | 午夜精品在线福利| 精品久久蜜臀av无| 首页视频小说图片口味搜索| 国产精品1区2区在线观看. | 精品国产亚洲在线| 国产成人精品在线电影| 久久香蕉激情| 精品国产国语对白av| 国产主播在线观看一区二区| 欧美精品一区二区免费开放| 啦啦啦视频在线资源免费观看| 人人妻,人人澡人人爽秒播| 51午夜福利影视在线观看| 人妻久久中文字幕网| 人妻丰满熟妇av一区二区三区 | 国产亚洲av高清不卡| 捣出白浆h1v1| 中出人妻视频一区二区| 九色亚洲精品在线播放| 亚洲男人天堂网一区| 成年女人毛片免费观看观看9 | 首页视频小说图片口味搜索| 欧美日韩国产mv在线观看视频| 欧美av亚洲av综合av国产av| 午夜福利在线免费观看网站| 国产成人免费观看mmmm| 国产免费男女视频| 精品国产一区二区三区四区第35| 18禁美女被吸乳视频| www.精华液| 侵犯人妻中文字幕一二三四区| 欧美激情 高清一区二区三区| 日本一区二区免费在线视频| 一本综合久久免费| 国产主播在线观看一区二区| 亚洲五月天丁香| 免费一级毛片在线播放高清视频 | 国产欧美日韩一区二区三区在线| 久久精品国产亚洲av高清一级| 国产成人免费观看mmmm| 女人爽到高潮嗷嗷叫在线视频| 午夜免费观看网址| 久久这里只有精品19| 亚洲精品在线美女| av网站免费在线观看视频| 久久 成人 亚洲| www.999成人在线观看| 黑人猛操日本美女一级片| 色在线成人网| 又大又爽又粗| 国产激情欧美一区二区| 99久久人妻综合| 国产色视频综合| 亚洲欧美精品综合一区二区三区| 香蕉丝袜av| 亚洲欧美一区二区三区久久| 亚洲精品美女久久久久99蜜臀| 亚洲avbb在线观看| 国产精品综合久久久久久久免费 | 中文字幕高清在线视频| 在线免费观看的www视频| 成熟少妇高潮喷水视频| 丝瓜视频免费看黄片| 男人的好看免费观看在线视频 | 免费女性裸体啪啪无遮挡网站| 国产aⅴ精品一区二区三区波| 精品亚洲成a人片在线观看| 在线观看免费日韩欧美大片| av免费在线观看网站| 一夜夜www| 成人永久免费在线观看视频| a级片在线免费高清观看视频| 这个男人来自地球电影免费观看| 成人国语在线视频| 成人国语在线视频| 国产精品一区二区在线不卡| 美女福利国产在线| 激情视频va一区二区三区| 亚洲精品国产区一区二| 久久天堂一区二区三区四区| 久久这里只有精品19| 国产亚洲精品久久久久久毛片 | 老司机亚洲免费影院| 久久人妻福利社区极品人妻图片| 黄色a级毛片大全视频| 人妻一区二区av| 欧洲精品卡2卡3卡4卡5卡区| av欧美777| 免费久久久久久久精品成人欧美视频| 99re在线观看精品视频| 色综合欧美亚洲国产小说| 免费少妇av软件| 99久久精品国产亚洲精品| 欧美日韩黄片免| 麻豆av在线久日| 少妇被粗大的猛进出69影院| 免费在线观看黄色视频的| 999久久久精品免费观看国产| 日韩大码丰满熟妇| 一级黄色大片毛片| 亚洲精品自拍成人| 一级a爱视频在线免费观看| а√天堂www在线а√下载 | 国产一区二区三区在线臀色熟女 | 一级毛片精品| 亚洲精品国产精品久久久不卡| 久久人人爽av亚洲精品天堂| 国产欧美日韩一区二区三| av天堂久久9| 一进一出好大好爽视频| 色尼玛亚洲综合影院| tube8黄色片| 精品久久蜜臀av无| tube8黄色片| 成人国语在线视频| 亚洲精品在线美女| 欧美日韩成人在线一区二区| 国产精品1区2区在线观看. | 99久久综合精品五月天人人| 男女午夜视频在线观看| 美女 人体艺术 gogo| 午夜精品国产一区二区电影| 视频区图区小说| 国产精品综合久久久久久久免费 | 热99国产精品久久久久久7| 大陆偷拍与自拍| 韩国av一区二区三区四区| 久久久久精品人妻al黑| 怎么达到女性高潮| 18禁国产床啪视频网站| 欧美大码av| 国产一卡二卡三卡精品| 搡老乐熟女国产| 亚洲成av片中文字幕在线观看| 国产精品一区二区在线不卡| 一进一出好大好爽视频| 丰满人妻熟妇乱又伦精品不卡| 欧美黑人精品巨大| 国产精品欧美亚洲77777| 成人国产一区最新在线观看| 视频区图区小说| 亚洲精品在线观看二区| 国产单亲对白刺激| 久久精品aⅴ一区二区三区四区| www.熟女人妻精品国产| 亚洲男人天堂网一区| av国产精品久久久久影院| 色94色欧美一区二区| 美国免费a级毛片| 国产有黄有色有爽视频| 国产aⅴ精品一区二区三区波| 亚洲美女黄片视频| 99热网站在线观看| 日本欧美视频一区| 另类亚洲欧美激情| 欧美精品av麻豆av| 人妻一区二区av| 日日摸夜夜添夜夜添小说| 大香蕉久久网| 亚洲欧美一区二区三区久久| 男女下面插进去视频免费观看| 侵犯人妻中文字幕一二三四区| 这个男人来自地球电影免费观看| 国产精品亚洲一级av第二区| 这个男人来自地球电影免费观看| 亚洲欧美激情在线| 午夜精品久久久久久毛片777| 黑人巨大精品欧美一区二区蜜桃| 最新在线观看一区二区三区| 免费黄频网站在线观看国产| e午夜精品久久久久久久| 国产成人系列免费观看| 午夜久久久在线观看| 热99久久久久精品小说推荐| 久久热在线av| 亚洲av日韩精品久久久久久密| 精品国内亚洲2022精品成人 | 又大又爽又粗| 久热爱精品视频在线9| 老鸭窝网址在线观看| 亚洲三区欧美一区| 在线观看日韩欧美| av中文乱码字幕在线| 十分钟在线观看高清视频www| 免费少妇av软件| 中文字幕最新亚洲高清| 久久香蕉国产精品| 一级毛片高清免费大全| 国产精品av久久久久免费| 亚洲午夜精品一区,二区,三区| 亚洲国产欧美一区二区综合| 国产99白浆流出| 午夜精品在线福利| 老熟妇仑乱视频hdxx|