• <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 ?

    改進生成對抗網(wǎng)絡(luò)的換衣行人再識別

    2022-09-28 08:59:40張玉霞車進賀愉婷
    液晶與顯示 2022年10期
    關(guān)鍵詞:鑒別器外觀行人

    張玉霞,車進*,賀愉婷

    (1.寧夏大學 物理與電子電氣工程學院,寧夏 銀川750021;2.寧夏沙漠信息智能感知重點實驗室,寧夏 銀川750021)

    1 引 言

    行人再識別[1](Person re-identification,ReID)是指給定一個目標監(jiān)控行人圖像,檢索跨攝像頭、跨時段拍攝的該行人圖像。行人再識別通常被視為一個度量學習問題[2]。由于在安全和監(jiān)控方面有重要的應(yīng)用,因此行人再識別受到學術(shù)界和工業(yè)界的廣泛關(guān)注。隨著深度學習方法的廣泛應(yīng)用,不同算法的ReID性能迅速提高,但由于拍攝的行人圖像會受到背景、光照、人體姿態(tài)變化、遮擋等引起的顯著類內(nèi)差異的影響,并且行人再識別研究[3-6]都假設(shè)同一個人穿著相同的衣服,如文獻[7]中提到的一名女嫌犯為躲避追捕,故意將黑色外套換成白色外套,行人再識別算法很容易將穿著不同、ID相同的行人識別錯誤。因此,行人再識別仍是一項艱巨的任務(wù)。

    為進一步減少類內(nèi)變化的影響,文獻[8]尋找最優(yōu)的仿射變換用來更好地區(qū)分不同的身份ID,提出PAN網(wǎng)絡(luò),在不用額外的標注情況下同時進行行人對齊和學習判別性的特征描述。文獻[9]提出一個基于身體部位對齊的雙流網(wǎng)絡(luò)模型,可以將人體姿勢表示為部分特征圖,并將它們直接與外觀整體特征圖結(jié)合以計算對齊的行人部位表示。張良等人[10]提出將局部特征、全局特征和多粒度特征融合,提高行人再識別精度。文獻[11]首次將生成對抗網(wǎng)絡(luò)(Generative Adversarial Network,GAN)引入到行人再識別中,利用生成的數(shù)據(jù)擴充數(shù)據(jù)集來輔助訓練,提升行人再識別精度。PTGAN[12]的提出主要是用來彌合不同數(shù)據(jù)集之間的領(lǐng)域差距。文獻[13]提出一種利用姿態(tài)以及外觀特征混合編碼的行人再識別算法,以解決攝像機視角造成的類內(nèi)差異。PNGAN[14]將每個行人圖像生成8個標準姿態(tài)的假圖,最后將生成圖和原數(shù)據(jù)集圖像一起輸入識別網(wǎng)絡(luò),在一定程度上消除姿態(tài)變化的影響。文獻[15]采用一個具有雙分支結(jié)構(gòu)的孿生神經(jīng)網(wǎng)絡(luò),只學習與行人身份相關(guān)的特征。楊海倫等人[16]因行人存在遮擋問題提出基于可變形卷積的CNN模型,并用CycleGAN解決相機風格問題。

    以上方法主要是將行人進行對齊或者用GAN生成不同相機風格、不同姿態(tài)數(shù)據(jù)來擴充訓練集,再進行分類識別。不同于以上方法,本文在DGNet網(wǎng)絡(luò)[17]的基礎(chǔ)上提出改進生成對抗網(wǎng)絡(luò)的換衣行人再識別算法,不僅將GAN數(shù)據(jù)生成和行人再識別學習端對端結(jié)合起來,而且不需要任何輔助信息就能夠生成高質(zhì)量圖像,對ReID進行圖像增強。生成模塊中的編碼器將每個行人分解為外觀編碼(衣服+鞋子+手機+包包+身份信息等)與結(jié)構(gòu)編碼(姿態(tài)+頭發(fā)+臉型+背景等)。通過切換外觀編碼和結(jié)構(gòu)編碼,生成模塊能夠生成高質(zhì)量的合成圖像,然后在線反饋給鑒別器進行辨別真假,并用于行人再識別模塊提高行人識別精度。其中,鑒別模塊與行人再識別學習是共享的。通過在鑒別模塊中加入通道間的注意力機制模塊(Normalization-based Attention Module,NAM)[18],突出網(wǎng)絡(luò)顯著特征,更好地辨別圖像真假,提高行人分類識別的精度。用DenseBlock[19]替換DG-Net網(wǎng)絡(luò)中生成器與鑒別器的ResBlock,加強特征傳播,避免梯度消失問題,再一次提高生成圖質(zhì)量與行人再識別精度。通過實驗可知,本文算法在Market-1501、DukeMTMC-reID兩大公開數(shù)據(jù)集上的rank-1/mAP分別達到95.7%/88.6%和87.1%/75.7%,證明本文算法并具有一定的優(yōu)勢。

    2 網(wǎng)絡(luò)架構(gòu)

    本文網(wǎng)絡(luò)架構(gòu)如圖1所示。圖像生成模塊與行人再識別模塊端對端結(jié)合起來,外觀編碼器和鑒別器是共用的,這也是行人再識別學習的主干。生成器通過自生成網(wǎng)絡(luò)和互生成網(wǎng)絡(luò)兩種映射合成假圖像,將數(shù)據(jù)集圖像與生成圖像一起輸入到鑒別器中判別真假,并且對其進行分類識別,提高行人再識別的識別精度。鑒別模塊包含主要特征學習、細粒度特征挖掘以及注意力機制NAM。通過不同角度進行學習,網(wǎng)絡(luò)不僅能夠得到行人衣服等外觀的信息,而且學習到外貌等更細致的結(jié)構(gòu)特征,從而更好地鑒別圖像真假,提高識別精度。

    圖1 網(wǎng)絡(luò)架構(gòu)Fig.1 Network structure

    2.1 生成網(wǎng)絡(luò)

    生成網(wǎng)絡(luò)框架圖如圖2所示。本文數(shù)據(jù)集中的真實圖像與身份標簽用X=和Y=表示,其中N表示圖像的數(shù)量,yi∈[1,K],K表示數(shù)據(jù)集中類別的數(shù)量。給定訓練集中兩幅真實圖像,通過生成模塊交換兩幅圖像的外觀與結(jié)構(gòu)代碼生成幾幅新圖像。生成網(wǎng)絡(luò)包括自生成網(wǎng)絡(luò)和互生成網(wǎng)絡(luò),生成模塊由一個外觀編碼 器Ea:xi→ai、一 個 結(jié) 構(gòu) 編 碼 器:Es:xj→sj、一個生成解碼器G:(ai,sj)→xij以及一個區(qū)分生成圖像與原始圖像的鑒別器D組成。

    圖2 生成網(wǎng)絡(luò)框架圖。(a)自生成網(wǎng)絡(luò);(b)互生成網(wǎng)絡(luò)。Fig.2 Generate network frame diagram.(a)Self generation network;(b)Mutual generation network.

    2.1.1自生成網(wǎng)絡(luò)

    自生成網(wǎng)絡(luò)框架如圖2(a)所示。給定一對行人圖像xi,xj∈X(身份相同),首先生成模塊學習如何重建圖像,自生成網(wǎng)絡(luò)首先提取圖像xi的外觀特征ai以及其結(jié)構(gòu)特征si生成與原始圖像外觀、結(jié)構(gòu)均一致的假圖像,使用像素級損失函數(shù):

    自生成網(wǎng)絡(luò)同時會生成同一身份、不同結(jié)構(gòu)的圖像,因此采用圖像xi的結(jié)構(gòu)特征si與xt的外觀特征at生成圖像,同樣使用像素級損失函數(shù):

    這種跨圖像(相同身份但不同結(jié)構(gòu))重建用外觀編碼器將相同身份的外觀聯(lián)系一起,減少類內(nèi)變化。對于不同身份的圖像來說,使用身份損失來區(qū)分不同身份。

    其中,p(yi|xi)是基于外觀編碼預(yù)測xi屬于實際類別y(iID)的概率。

    2.1.2互生成網(wǎng)絡(luò)

    互生成網(wǎng)絡(luò)框架如圖2(b)所示?;ド删W(wǎng)絡(luò)的輸入圖像為xi,xj∈X(身份不同,即yi≠y)j,主要是生成不同身份的圖像。該網(wǎng)絡(luò)提取圖像xi的外觀特征ai、結(jié)構(gòu)特征si和xj的外觀特征aj和結(jié)構(gòu)特征sj,通過交叉組合成新圖像和。其中生成圖像與xi外觀一致、xj結(jié)構(gòu)一致;生成圖像與xj外觀一致、xi結(jié)構(gòu)一致。這里,使用外觀和結(jié)構(gòu)編碼控制圖像生成,損失函數(shù)如式(4)和式(5)所示:

    與自生成網(wǎng)絡(luò)一致,同樣采用身份損失判斷圖像身份ID是否一致。

    其中p(yi)是預(yù)測屬于真實類別yi的概率,并且使用對抗損失使生成數(shù)據(jù)的分布更接近真實數(shù)據(jù)的分布。如式(7)所示:

    生成器的結(jié)構(gòu)圖如圖3所示,本文將DGNet網(wǎng)絡(luò)中的生成器模塊內(nèi)ResBlock模塊替換為DenseBlock模 塊。結(jié) 構(gòu) 圖 中 輸 入 圖 像xi、xt、xj,首先經(jīng)過外觀編碼器得到128個64×32的特征圖,經(jīng)過4個DenseBlock模塊之后,輸出依舊為128×64×32,特征圖不變。其次,進行上采樣操作得到128個128×64的特征圖,第一次卷積是5×5,卷積后得到64個128×64的特征圖;同樣進行上采樣操作得到64個256×128的特征圖,進行第二次卷積操作得到32個256×128的特征圖;Conv3、Conv4、Conv5的卷積核分別為3×3、3×3、1×1,最終得到3×256×128大小的生成圖。

    圖3 生成器結(jié)構(gòu)圖Fig.3 Generator block diagram

    DenseNet是Huang等人[19]提出的 一 種 稠 密卷積網(wǎng)絡(luò),它主要從特征的角度提高網(wǎng)絡(luò)性能,并且隨著網(wǎng)絡(luò)深度的增加,能夠避免梯度消失問題。ResBlock主要含有一個跳躍連接,而Dense-Block中將所有的特征計算單元的結(jié)果以密連接的方式沿著某一維度進行壓縮,不是進行簡單的求和。DenseBlock結(jié)構(gòu)如圖4所示。DenseBlock結(jié)構(gòu)圖中除了輸入端,還包含4個模塊,每個模塊均為4層。以X0作為輸入,通過Hi進行非線性變化,依次進行歸一化、激活函數(shù)以及卷積操作,然后傳遞到后續(xù)網(wǎng)絡(luò)。本文采用即插即用型模塊DenseBlock代替原來的ResBlock模塊,一方面能夠提取更多特征信息,另一方面改善網(wǎng)絡(luò)的特征提取能力,減少過擬合現(xiàn)象的出現(xiàn)。經(jīng)過Dense-Block之后,特征圖大小不變。DenseBlock結(jié)構(gòu)的任何兩層之間都是直接連接的,而每層的特征圖也會直接傳遞給其后的所有層,傳遞方式為:

    圖4 DenseBlock結(jié)構(gòu)圖Fig.4 DenseBlock structure diagram

    其中,[X0,X1,…Xl-1]表示從第0層到第l層生成的特征圖并且各個特征圖大小一致,可在通道維度上連接。

    2.2 鑒別網(wǎng)絡(luò)

    鑒別網(wǎng)絡(luò)框架圖如圖5所示,通過共享外觀編碼器Ea作為行人再識別學習的主干,將鑒別網(wǎng)絡(luò)(同是識別模塊)嵌入在生成模塊中。生成網(wǎng)絡(luò)通過外觀編碼和結(jié)構(gòu)編碼生成圖像,鑒別網(wǎng)絡(luò)中提出特征學習與細粒度特征挖掘以及新加入的通道間的注意力機制NAM三者進行聯(lián)合學習判斷生成圖像真假,以更好地利用生成圖像。

    圖5 鑒別網(wǎng)絡(luò)框架圖Fig.5 Discriminator network frame diagram

    (1)主要特征學習。將真實圖像xi、xj與生成圖像xij、xji一起輸入Ea中作為訓練樣本,由于生成圖像的多樣性,采用帶有身份損失的卷積神經(jīng)網(wǎng)絡(luò)(即教師模型)、外觀編碼器學習主要特征,通過損失函數(shù)將預(yù)測概率分布與真實概率分布差異降到最低。

    其中,K表示身份類別數(shù)量。

    (2)細粒度特征挖掘。當生成的圖像用主要特征學習無法判斷真假時,本文采用細粒度挖掘。當相同身份的人穿著不同的衣服或者不同身份人穿著同樣的衣服時,鑒別模塊采用細粒度特征挖掘,使網(wǎng)絡(luò)被迫學習與衣服無關(guān)而與細粒度ID相關(guān)的特征(如頭發(fā)、體型等),進一步提高鑒別能力與行人再識別分類識別的精度。損失函數(shù)如式(9)所示:

    該損失為鑒別模塊增加身份監(jiān)督,不僅學習到細節(jié)紋理特征,而且有利于解決行人外觀(如換衣)發(fā)生變化均導致識別下降的問題。

    (3)注意力機制NAM。鑒別網(wǎng)絡(luò)結(jié)構(gòu)圖如圖6所示。輸入原圖像xi、xj與生成器生成的圖像xi

    圖6 鑒別網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.6 Discriminator network structure diagram

    j、xi

    j,首先用1×1的卷積得到32個256×128的特征圖,然后經(jīng)過通道注意力NAM,這里特征圖大小不變。然后在經(jīng)過4次卷積核為3×3的卷積運算,得到64個64×32的特征圖,并經(jīng)過4個DenseBlock模塊。這里后3個DenseBlock模塊前加入通道注意力NAM,不改變通道以及特征圖大小,依舊是64個64×32的特征圖。最后,經(jīng)過1×1的卷積得到一個64×32的特征圖,給出一個0~1之間的數(shù)值判斷圖像真假,同時對圖像進行分類識別。

    除了主要特征學習與細粒度特征外,本文在鑒別器的第一次卷積之后與前3個DensesBlock模塊之后加入了2021年提出的新型注意模塊NAM,主要是通過利用訓練模型權(quán)重的方差度量來突出顯著特征。以前的注意力機制模塊大多數(shù)都是通過抑制不重要的權(quán)重來提高神經(jīng)網(wǎng)絡(luò)的性能,NAM作為一種高效、輕量級的注意力機制,在保持相似性能的同時計算效率更高。采用CBAM[20]的模塊集成,并重新設(shè)計了通道和空間注意力模塊,使用標準化BN中的比例因子,如式(11)所示,測量通道的方差并指示其重要性。

    式中,μB和σB分別表示小批量B的平均值與標準偏差;γ和β是可訓練的仿射變換參數(shù)。通道注意力模塊如圖7所示。其中,F(xiàn)1表示輸入特征,γ是每個通道的比例因子,權(quán)重由公式Wγ=獲 得,Mc表 示 輸 出 特 征,如 式(12)所示:

    圖7 通道注意力機制NAMFig.7 Channel attention mechanism NAM

    2.3 總體損失函數(shù)

    由2.1節(jié)與2.2節(jié)介紹可得,總體損失函數(shù)為:

    2.4 參數(shù)設(shè)置

    本文是基于PyTorch1.1、Python3.6深度學習框架下實現(xiàn)的。網(wǎng)絡(luò)模型中采用SGD優(yōu)化器來優(yōu)化外觀編碼器Ea,使用Adam優(yōu)化器來優(yōu)化結(jié)構(gòu)編碼器Es、生成器G和鑒別器D。本文參數(shù)β1=0,β2=0.999,設(shè) 置 初 始 學 習 率為0.001,共20個epoch,每個epoch迭代訓練10 k次,批尺寸(Batch size)為16。訓練過程中保持所有圖像的長寬比,將大小統(tǒng)一為256×128。

    3 實驗結(jié)果與分析

    3.1 數(shù)據(jù)集和實驗環(huán)境

    本文在行人再識別算法的公開數(shù)據(jù)集Market1501[21]、DukeMTMC-reID[22]上進行實驗。Market1501數(shù)據(jù)集共有1 501個行人的32 668個檢測行人矩形框,共6個攝像頭,包括訓練集、測試集、查詢集。DukeMTMC-reID共有1 812個行人的36 411個檢測行人矩形框,由8個攝像機采集。因為有408人沒有出現(xiàn)在兩個攝像頭以上,所以只選擇1 404個行人作為訓練集與測試集。該數(shù)據(jù)集包括訓練集、測試集、查詢集。公開數(shù)據(jù)集的詳細信息如表1所示。實驗室擁有一臺具備4塊TITAN V GPU的圖形工作站,具備良好的開發(fā)環(huán)境。本實驗將在Ubuntu 16.04.5 LTS操作系統(tǒng),TITAN V 12G×4顯卡,Pytorch1.1深度學習框架,python3.6的服務(wù)器下實現(xiàn)。

    表1 公開數(shù)據(jù)集詳細信息Tab.1 Public datasets details

    3.2 評價標準

    行人再識別模型用首位命中率(Rank-1)、平均精度均值(mean Average Precision,mAP)和累計匹配曲線(Cumulative Match Characteristic,CMC)3種評價指標衡量模型。這里,Rank-k表示在查詢集中行人特征相似度大小的排序列表中前k位存在檢索目標的準確率。

    3.3 生成圖像示例

    改進網(wǎng)絡(luò)通過切換姿態(tài)與外觀生成大量的高質(zhì)量圖像。給定輸入圖像xi和xj,網(wǎng)絡(luò)模型提取輸入圖像的外觀特征以及結(jié)構(gòu)特征,既可以生成具有xi的外觀、xj的結(jié)構(gòu)的假圖像xi j,又能生成具有xj的外觀、xi的結(jié)構(gòu)的假圖像xj i。兩個數(shù)據(jù)集生成的圖像如圖8所示。

    圖8 交換外觀與結(jié)構(gòu)生成圖像示例Fig.8 Examples of images generated by swapping appearance and structure

    假設(shè)每行每列輸入圖像都一致,通過切換外觀或結(jié)構(gòu)代碼在Market-1501、DukeMTMC-reID上生成圖像的示例如圖9所示,可以看出橫軸行人生成外觀不同、結(jié)構(gòu)相同的假圖像;同樣地,縱軸行人生成外觀相同、結(jié)構(gòu)不同的假圖像。在Market1501、DukeMTMC-reID數(shù) 據(jù) 集 上,模 型分別生成共計140 625張、123 201張假圖像。雖然改進生成對抗網(wǎng)絡(luò)方法能夠生成大量的高質(zhì)量圖像,但是由于數(shù)據(jù)集本身存在模糊、分辨率不高的問題,并且圖像的背景影響導致生成的圖像會出現(xiàn)少許效果差的結(jié)果圖像,如圖10所示。

    圖9 切換外觀或結(jié)構(gòu)代碼生成圖像的示例Fig.9 Examples of images generated by switching the appearance or structure code

    圖10 少許失敗案例Fig.10 A few failure cases

    3.4 實驗結(jié)果

    為了進一步證明該網(wǎng)絡(luò)的有效性,使用相應(yīng)的評價標準計算得到了該算法的Rank-1和mAP,并與現(xiàn)有算法在Market1501、DukeMTMC-reID數(shù)據(jù)集上的結(jié)果進行對比分析,如表2所示。

    表2 本文算法與現(xiàn)有算法的比較Tab.2 Comparison of the algorithm in this paper with existing algorithms

    將本文算法與8種基于GAN的ReID方法和5種有監(jiān)督的ReID方法進行性能比較。針對基于GAN的ReID方法性能比較可知:對于Market1501數(shù)據(jù)集,從表2的實驗結(jié)果可以分析到本文算法在Rank-1和mAP的指標上均優(yōu)于其他算法(除TransReID之外),Rank-1相比于DG-Net、CSL+MGL、PAGAN、AP-GAN、TransReID分別提高了0.8%、0.3%、1.5%、2.2%、0.4%;mAP相比于DG-Net、CSL+MGL、PAGAN、AP-GAN、Trans-ReID分別提高了2.6%、2.5%、3.4%、6.4%、-0.9%。對 于DukeMTMC-reID數(shù) 據(jù)集,本文算法在Rank-1和mAP的指標上僅次于CSL+MGL、TransReID算法。Rank-1相比于DGNet、CSL+MGL、PAGAN、AP-GAN、TransReID

    分別提高了0.9%、-0.7%、1.5%、5.2%、-6.9%。針對5種有監(jiān)督的ReID方法性能比較可知:對于Market1501數(shù)據(jù)集,本文算法的Rank-1和mAP均優(yōu) 于 這5種 算 法,Rank-1和mAP分 別 比Euc、FGSAM、HOReID、MOPN、PAFM提高了1.9%、4.1%、1.4%、1.0%、0.5%和8.9%、3.2%、3.5%、3.5%、0.4%;對于DukeMTMC-reID數(shù)據(jù)集,本文算法的Rank-1和mAP高于FGSAM、HOReID算法,Rank-1和mAP分別比FGSAM、HOReID高1.2%、0.2%和1.6%、0.1%。說明本文算法在Market1501上的效果更顯著。同時進一步說明本文算法具有一定的優(yōu)勢。綜上所述,所提算法不僅能夠較好地提高行人識別的精度,還使模型有較強的泛化能力。

    3.5 不同改進點的消融實驗

    本文主要有2點改進:(1)使用新型注意力機制NAM;(2)將原有的DGNet網(wǎng)絡(luò)中的Res-Blocks替換為DenseBlocks,采用像素損失、對抗損失、身份損失等多種損失聯(lián)合優(yōu)化提高生成圖的質(zhì)量。以Market1501為例,對不同改進點進行性能評估,如表3所示。

    表3 不同改進點的性能評估Tab.3 Performance evaluation of different improvement points

    4 結(jié) 論

    本文提出改進生成對抗網(wǎng)絡(luò)的換衣行人再識別算法,是一種將生成對抗網(wǎng)絡(luò)(GAN)數(shù)據(jù)生成和行人再識別學習端對端結(jié)合起來的聯(lián)合框架,通過切換外觀與結(jié)構(gòu)編碼,生成模塊中的自生成網(wǎng)絡(luò)與互生成網(wǎng)絡(luò)生成大量圖像,鑒別模塊與生成模塊之間在線循環(huán),將生成的圖像在線反饋給鑒別器,鑒別器通過主要特征學習、細粒度特征挖掘與注意力機制NAM三者聯(lián)合學習,進一步提高鑒別器鑒別能力與行人再識別分類識別的準確率。生成器與鑒別器中的殘差塊ResBlock替換為DenseBlock,加強特征傳播并且大幅度減少參數(shù)數(shù)量。本文算法不僅解決了行人再識別數(shù)據(jù)集不足的問題,而且提高了跨攝像頭下由于行人外觀(如衣服)改變的識別率,在圖像生成質(zhì)量和行人再識別分類識別精度方面都有顯著的改進,在Market1501和DukeMTMC-reID數(shù) 據(jù)集上Rank-1和mAP分別達到了95.7%/88.6%和87.1%/75.7%。

    猜你喜歡
    鑒別器外觀行人
    基于多鑒別器生成對抗網(wǎng)絡(luò)的時間序列生成模型
    通信學報(2022年10期)2023-01-09 12:33:40
    外觀動作自適應(yīng)目標跟蹤方法
    A Shopping Story to Remember
    不論外觀還是聲音,它都很美 Yamaha(雅馬哈)A-S3200合并功放
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    衛(wèi)星導航信號無模糊抗多徑碼相關(guān)參考波形設(shè)計技術(shù)*
    路不為尋找者而設(shè)
    揚子江(2019年1期)2019-03-08 02:52:34
    方外觀遺跡舊照
    紫禁城(2017年6期)2017-08-07 09:22:52
    我是行人
    陣列天線DOA跟蹤環(huán)路鑒別器性能分析
    国产一区亚洲一区在线观看| 免费黄网站久久成人精品| 国产午夜精品一二区理论片| 精品国产乱码久久久久久男人| 免费观看a级毛片全部| 最近最新中文字幕大全电影3 | 可以免费在线观看a视频的电影网站| 黄色a级毛片大全视频| 精品少妇一区二区三区视频日本电影| 丰满的人妻完整版| 丝袜人妻中文字幕| 国内久久婷婷六月综合欲色啪| 日韩国内少妇激情av| 人人妻,人人澡人人爽秒播| 在线天堂中文资源库| 亚洲精品中文字幕一二三四区| 青草久久国产| 人人妻人人添人人爽欧美一区卜| 一本大道久久a久久精品| 久久人人97超碰香蕉20202| 国产欧美日韩精品亚洲av| 在线观看午夜福利视频| 亚洲第一欧美日韩一区二区三区| 欧美日韩瑟瑟在线播放| 国产精品香港三级国产av潘金莲| 电影成人av| 色综合欧美亚洲国产小说| 午夜福利影视在线免费观看| 亚洲国产毛片av蜜桃av| 91av网站免费观看| 欧美另类亚洲清纯唯美| 亚洲精品一卡2卡三卡4卡5卡| 国产又色又爽无遮挡免费看| 欧美成人性av电影在线观看| 国产成人啪精品午夜网站| 欧美 亚洲 国产 日韩一| 免费看a级黄色片| 久久久精品欧美日韩精品| 无人区码免费观看不卡| 亚洲专区字幕在线| 国产不卡一卡二| 午夜亚洲福利在线播放| 成熟少妇高潮喷水视频| 黄色成人免费大全| www.999成人在线观看| 大香蕉久久成人网| 国产精品电影一区二区三区| 日韩欧美国产一区二区入口| 中文字幕另类日韩欧美亚洲嫩草| 国产成人啪精品午夜网站| 欧美日韩av久久| 午夜a级毛片| 国产成人精品无人区| 91麻豆av在线| 变态另类成人亚洲欧美熟女 | 色精品久久人妻99蜜桃| 黄片播放在线免费| 丝袜在线中文字幕| 亚洲精品美女久久av网站| 青草久久国产| 美女福利国产在线| 美女大奶头视频| 日本免费a在线| 十分钟在线观看高清视频www| 国产亚洲精品综合一区在线观看 | 午夜久久久在线观看| 亚洲va日本ⅴa欧美va伊人久久| 波多野结衣av一区二区av| 香蕉丝袜av| av片东京热男人的天堂| 日韩国内少妇激情av| 国产真人三级小视频在线观看| 51午夜福利影视在线观看| 99久久综合精品五月天人人| 欧美日韩精品网址| 一二三四社区在线视频社区8| 久久午夜亚洲精品久久| 精品国产国语对白av| 三上悠亚av全集在线观看| 女生性感内裤真人,穿戴方法视频| 女警被强在线播放| 久久精品国产综合久久久| 99国产极品粉嫩在线观看| 嫩草影院精品99| 夜夜夜夜夜久久久久| 久久精品亚洲精品国产色婷小说| 日本 av在线| 久久精品91无色码中文字幕| 91大片在线观看| 一区二区三区激情视频| 亚洲狠狠婷婷综合久久图片| 法律面前人人平等表现在哪些方面| 国产精品98久久久久久宅男小说| 亚洲熟妇熟女久久| 中文字幕色久视频| 麻豆成人av在线观看| 岛国视频午夜一区免费看| 国产精品成人在线| 久久 成人 亚洲| 神马国产精品三级电影在线观看 | 一级黄色大片毛片| 日本黄色日本黄色录像| 久久精品国产99精品国产亚洲性色 | 男人的好看免费观看在线视频 | 香蕉丝袜av| 欧美一级毛片孕妇| 动漫黄色视频在线观看| 90打野战视频偷拍视频| 首页视频小说图片口味搜索| 国产亚洲av高清不卡| 国产成年人精品一区二区 | 国产在线观看jvid| a级毛片在线看网站| 丰满迷人的少妇在线观看| 老司机靠b影院| 久久精品人人爽人人爽视色| av网站在线播放免费| 国产精品98久久久久久宅男小说| 五月开心婷婷网| 最新在线观看一区二区三区| 国产精品亚洲一级av第二区| 99精品欧美一区二区三区四区| 别揉我奶头~嗯~啊~动态视频| 美女福利国产在线| 精品一区二区三卡| 国产熟女午夜一区二区三区| 女性被躁到高潮视频| 80岁老熟妇乱子伦牲交| 女警被强在线播放| 777久久人妻少妇嫩草av网站| 久久精品国产清高在天天线| 久久久国产成人免费| 色播在线永久视频| 黄色女人牲交| 69精品国产乱码久久久| 不卡av一区二区三区| 精品人妻在线不人妻| 黄片大片在线免费观看| 高清欧美精品videossex| 欧美黑人精品巨大| 国产麻豆69| 两性午夜刺激爽爽歪歪视频在线观看 | 精品熟女少妇八av免费久了| 久久精品国产综合久久久| 精品国产一区二区三区四区第35| 黄色视频不卡| 黄色片一级片一级黄色片| 国产成+人综合+亚洲专区| 一区二区日韩欧美中文字幕| 后天国语完整版免费观看| 色综合婷婷激情| 精品一区二区三卡| 一进一出抽搐动态| 免费日韩欧美在线观看| 国产一区二区三区综合在线观看| 欧美中文日本在线观看视频| 国产精品亚洲一级av第二区| 中文字幕另类日韩欧美亚洲嫩草| 黄色怎么调成土黄色| 波多野结衣高清无吗| а√天堂www在线а√下载| 国产高清videossex| 亚洲成人久久性| 俄罗斯特黄特色一大片| 丰满迷人的少妇在线观看| 欧美日韩黄片免| 美女高潮到喷水免费观看| 欧美丝袜亚洲另类 | www国产在线视频色| 一级a爱视频在线免费观看| 啦啦啦 在线观看视频| 中文字幕色久视频| 午夜精品国产一区二区电影| 男女下面插进去视频免费观看| 精品第一国产精品| 日韩成人在线观看一区二区三区| 午夜精品在线福利| 亚洲色图av天堂| 91精品三级在线观看| 两人在一起打扑克的视频| 777久久人妻少妇嫩草av网站| 亚洲精品美女久久av网站| 少妇的丰满在线观看| 亚洲欧美日韩另类电影网站| 欧美日韩亚洲综合一区二区三区_| 亚洲avbb在线观看| 97碰自拍视频| 久久精品成人免费网站| 精品久久久精品久久久| 亚洲精品美女久久av网站| 精品久久蜜臀av无| 97碰自拍视频| 成年人黄色毛片网站| 国产亚洲精品一区二区www| 国产蜜桃级精品一区二区三区| 女警被强在线播放| 一区二区三区激情视频| 久久久久久久精品吃奶| av国产精品久久久久影院| 亚洲国产精品999在线| 久久精品亚洲av国产电影网| 色老头精品视频在线观看| 欧美日本中文国产一区发布| 免费av中文字幕在线| 精品电影一区二区在线| 男人的好看免费观看在线视频 | 一级,二级,三级黄色视频| 看片在线看免费视频| 久久狼人影院| aaaaa片日本免费| 一边摸一边做爽爽视频免费| 国产成人精品无人区| 99精品在免费线老司机午夜| 另类亚洲欧美激情| 欧美一级毛片孕妇| 99国产极品粉嫩在线观看| 这个男人来自地球电影免费观看| 国产免费男女视频| 色综合站精品国产| xxx96com| 午夜福利一区二区在线看| 国产成人一区二区三区免费视频网站| 国产无遮挡羞羞视频在线观看| 俄罗斯特黄特色一大片| 国内久久婷婷六月综合欲色啪| 亚洲欧美激情在线| 男女床上黄色一级片免费看| 国内毛片毛片毛片毛片毛片| 欧美色视频一区免费| www.熟女人妻精品国产| 777久久人妻少妇嫩草av网站| 精品一区二区三区视频在线观看免费 | 伊人久久大香线蕉亚洲五| 日韩欧美三级三区| 亚洲色图 男人天堂 中文字幕| 久久青草综合色| 久久久久久人人人人人| 日本黄色日本黄色录像| 99精品久久久久人妻精品| 看片在线看免费视频| 亚洲精品在线观看二区| 天天添夜夜摸| 国产区一区二久久| 美国免费a级毛片| 国产真人三级小视频在线观看| 国产精品久久视频播放| 国产精品一区二区免费欧美| 热re99久久精品国产66热6| 欧美日韩乱码在线| 日日爽夜夜爽网站| 午夜福利欧美成人| 十八禁人妻一区二区| 免费观看精品视频网站| 伊人久久大香线蕉亚洲五| 亚洲九九香蕉| 亚洲成a人片在线一区二区| 日韩免费高清中文字幕av| 在线视频色国产色| 在线看a的网站| 国产成人啪精品午夜网站| 亚洲人成网站在线播放欧美日韩| 中文字幕人妻丝袜一区二区| 欧美日韩一级在线毛片| 精品国产国语对白av| 亚洲欧美日韩无卡精品| 日韩av在线大香蕉| 欧洲精品卡2卡3卡4卡5卡区| 日本黄色视频三级网站网址| 国产黄a三级三级三级人| 老司机午夜十八禁免费视频| 色综合婷婷激情| 免费看a级黄色片| 欧美激情高清一区二区三区| 中出人妻视频一区二区| 欧美精品亚洲一区二区| 欧美日本亚洲视频在线播放| 日韩国内少妇激情av| 午夜激情av网站| 久久国产乱子伦精品免费另类| 国产成人精品久久二区二区91| 伦理电影免费视频| 亚洲精品国产区一区二| 国产免费现黄频在线看| e午夜精品久久久久久久| 亚洲国产精品合色在线| 日韩大尺度精品在线看网址 | 岛国在线观看网站| 国产精品久久久人人做人人爽| 男人的好看免费观看在线视频 | 久热爱精品视频在线9| 大陆偷拍与自拍| 日韩大尺度精品在线看网址 | 在线观看免费日韩欧美大片| 亚洲精品成人av观看孕妇| а√天堂www在线а√下载| 在线国产一区二区在线| 免费高清视频大片| 久久国产精品人妻蜜桃| 91麻豆精品激情在线观看国产 | 长腿黑丝高跟| 人人妻人人添人人爽欧美一区卜| 午夜免费观看网址| 正在播放国产对白刺激| 国产精品久久久人人做人人爽| 亚洲第一欧美日韩一区二区三区| 精品久久久久久,| 久久这里只有精品19| 超碰97精品在线观看| 亚洲国产欧美一区二区综合| 亚洲午夜精品一区,二区,三区| 91av网站免费观看| 高清欧美精品videossex| 淫秽高清视频在线观看| 美女福利国产在线| 午夜福利免费观看在线| 在线观看免费高清a一片| 亚洲久久久国产精品| 搡老乐熟女国产| 一区二区日韩欧美中文字幕| 夫妻午夜视频| 少妇被粗大的猛进出69影院| 亚洲欧洲精品一区二区精品久久久| 男女下面进入的视频免费午夜 | 日韩av在线大香蕉| 老熟妇乱子伦视频在线观看| 亚洲久久久国产精品| 性少妇av在线| 亚洲av五月六月丁香网| 亚洲熟妇中文字幕五十中出 | 国产亚洲欧美在线一区二区| 国产激情欧美一区二区| 亚洲熟妇中文字幕五十中出 | 亚洲九九香蕉| 国产精品久久久久成人av| 俄罗斯特黄特色一大片| 欧美人与性动交α欧美软件| 天堂中文最新版在线下载| 亚洲午夜理论影院| 国内毛片毛片毛片毛片毛片| 老司机深夜福利视频在线观看| 99精国产麻豆久久婷婷| 美国免费a级毛片| 久久久精品欧美日韩精品| 一级毛片高清免费大全| 一个人免费在线观看的高清视频| 9191精品国产免费久久| 午夜福利免费观看在线| 女人爽到高潮嗷嗷叫在线视频| 亚洲av日韩精品久久久久久密| 国产精品电影一区二区三区| 女性生殖器流出的白浆| 色播在线永久视频| 香蕉丝袜av| 一本综合久久免费| 免费女性裸体啪啪无遮挡网站| 亚洲国产欧美网| videosex国产| 午夜日韩欧美国产| 大陆偷拍与自拍| 欧美日韩国产mv在线观看视频| 免费高清在线观看日韩| 国产伦一二天堂av在线观看| 国产有黄有色有爽视频| 免费在线观看视频国产中文字幕亚洲| 性色av乱码一区二区三区2| 在线观看舔阴道视频| 99精国产麻豆久久婷婷| 国产成+人综合+亚洲专区| 欧美激情高清一区二区三区| 亚洲国产精品合色在线| 午夜福利在线观看吧| 一级黄色大片毛片| 欧美精品一区二区免费开放| 黄色 视频免费看| 别揉我奶头~嗯~啊~动态视频| 成人av一区二区三区在线看| 人人妻人人澡人人看| 成人国产一区最新在线观看| 亚洲免费av在线视频| av中文乱码字幕在线| 精品一区二区三区四区五区乱码| 午夜影院日韩av| 在线av久久热| 国产不卡一卡二| www.精华液| 国产av一区二区精品久久| 高清在线国产一区| 天堂动漫精品| 热re99久久国产66热| 久久久精品欧美日韩精品| 女人爽到高潮嗷嗷叫在线视频| 91av网站免费观看| 欧美日韩精品网址| 国产精品偷伦视频观看了| 国产99白浆流出| 久久久国产成人免费| 999久久久国产精品视频| 午夜老司机福利片| 亚洲成人免费av在线播放| 久久久精品国产亚洲av高清涩受| 波多野结衣av一区二区av| 亚洲欧美精品综合久久99| 日韩 欧美 亚洲 中文字幕| 亚洲国产中文字幕在线视频| 国产精品久久久人人做人人爽| 国产精品一区二区在线不卡| 亚洲精品美女久久av网站| 91精品国产国语对白视频| 色综合站精品国产| 高清欧美精品videossex| 亚洲国产精品一区二区三区在线| 一级a爱视频在线免费观看| a在线观看视频网站| 亚洲精品国产区一区二| 久久这里只有精品19| 亚洲自拍偷在线| 成人三级做爰电影| 亚洲精品一二三| 午夜免费鲁丝| 嫩草影院精品99| 99国产精品一区二区三区| 啪啪无遮挡十八禁网站| 亚洲 欧美 日韩 在线 免费| 免费在线观看黄色视频的| 99国产极品粉嫩在线观看| 中文字幕色久视频| 国产精品国产av在线观看| 多毛熟女@视频| 欧美午夜高清在线| 一级毛片精品| 欧美日韩乱码在线| 侵犯人妻中文字幕一二三四区| 久久久久九九精品影院| 999久久久国产精品视频| 夜夜夜夜夜久久久久| 精品一区二区三卡| xxx96com| 午夜福利免费观看在线| 国产一区二区三区视频了| 成人手机av| 99久久久亚洲精品蜜臀av| 精品国产一区二区久久| 国产精品久久久av美女十八| 黑人猛操日本美女一级片| 欧美黄色片欧美黄色片| 久久久久久久久中文| 国内毛片毛片毛片毛片毛片| 黄色成人免费大全| 欧美日韩一级在线毛片| 国产野战对白在线观看| 欧洲精品卡2卡3卡4卡5卡区| 国产欧美日韩精品亚洲av| 国产亚洲精品综合一区在线观看 | 激情视频va一区二区三区| 国产欧美日韩综合在线一区二区| 国产成人系列免费观看| 国产av一区在线观看免费| 99精品欧美一区二区三区四区| 99国产精品99久久久久| 大型av网站在线播放| 亚洲成人免费电影在线观看| 国产麻豆69| 久久中文字幕人妻熟女| 97人妻天天添夜夜摸| 两性夫妻黄色片| 日韩精品青青久久久久久| 99久久综合精品五月天人人| 免费在线观看完整版高清| 精品高清国产在线一区| 日韩av在线大香蕉| 国产成人欧美| 成人国语在线视频| 欧美午夜高清在线| 看黄色毛片网站| 男女下面插进去视频免费观看| 夜夜看夜夜爽夜夜摸 | 欧美日韩黄片免| 日韩一卡2卡3卡4卡2021年| 国产xxxxx性猛交| 黄色丝袜av网址大全| 天堂√8在线中文| 搡老熟女国产l中国老女人| cao死你这个sao货| 成人av一区二区三区在线看| 狂野欧美激情性xxxx| av视频免费观看在线观看| 亚洲 欧美一区二区三区| 午夜亚洲福利在线播放| 日本黄色视频三级网站网址| 97超级碰碰碰精品色视频在线观看| 久久狼人影院| 99精品在免费线老司机午夜| 狠狠狠狠99中文字幕| 亚洲欧美激情在线| 亚洲欧美激情综合另类| 国产精品久久久人人做人人爽| 中文字幕av电影在线播放| 狠狠狠狠99中文字幕| 精品一区二区三区视频在线观看免费 | 丁香六月欧美| 99国产精品一区二区蜜桃av| 99久久久亚洲精品蜜臀av| 可以免费在线观看a视频的电影网站| 午夜免费观看网址| 午夜91福利影院| 1024视频免费在线观看| 日韩欧美国产一区二区入口| svipshipincom国产片| 久久香蕉国产精品| 欧美日韩av久久| 别揉我奶头~嗯~啊~动态视频| 丁香欧美五月| 91老司机精品| 18禁美女被吸乳视频| 在线观看www视频免费| 精品国产一区二区久久| 少妇被粗大的猛进出69影院| 丝袜美足系列| 亚洲五月天丁香| ponron亚洲| 成人三级做爰电影| 19禁男女啪啪无遮挡网站| 日韩精品中文字幕看吧| 在线观看日韩欧美| 国产精品香港三级国产av潘金莲| 国产精品电影一区二区三区| 亚洲aⅴ乱码一区二区在线播放 | 色婷婷av一区二区三区视频| 国产蜜桃级精品一区二区三区| 一区二区三区国产精品乱码| 国产精品 国内视频| 自线自在国产av| 免费av中文字幕在线| 国产免费现黄频在线看| 侵犯人妻中文字幕一二三四区| 日本wwww免费看| 在线永久观看黄色视频| 久久精品国产综合久久久| 99riav亚洲国产免费| 欧美日本亚洲视频在线播放| 久久人人爽av亚洲精品天堂| 中文字幕另类日韩欧美亚洲嫩草| 妹子高潮喷水视频| 精品日产1卡2卡| 亚洲精品美女久久久久99蜜臀| 欧美国产精品va在线观看不卡| 麻豆国产av国片精品| 美女午夜性视频免费| 日日爽夜夜爽网站| 亚洲五月天丁香| 亚洲精品在线观看二区| 丰满迷人的少妇在线观看| 欧美日韩乱码在线| 国产成人欧美| 国产激情久久老熟女| 女生性感内裤真人,穿戴方法视频| 亚洲第一av免费看| xxxhd国产人妻xxx| 夜夜爽天天搞| 婷婷精品国产亚洲av在线| 久久久久精品国产欧美久久久| 国产精品爽爽va在线观看网站 | 人人澡人人妻人| а√天堂www在线а√下载| 欧美日韩亚洲高清精品| 国产精品 欧美亚洲| 天天添夜夜摸| 在线观看www视频免费| 精品午夜福利视频在线观看一区| 久久香蕉国产精品| 久久国产精品影院| 国产亚洲欧美98| www.999成人在线观看| 激情在线观看视频在线高清| 日本wwww免费看| 欧美激情 高清一区二区三区| 欧美 亚洲 国产 日韩一| av福利片在线| 他把我摸到了高潮在线观看| 咕卡用的链子| 亚洲色图 男人天堂 中文字幕| 在线观看一区二区三区| 精品卡一卡二卡四卡免费| 91国产中文字幕| 亚洲国产看品久久| 看片在线看免费视频| 日韩高清综合在线| 一级a爱片免费观看的视频| 国产1区2区3区精品| 麻豆av在线久日| 日韩成人在线观看一区二区三区| 国产激情欧美一区二区| 久久久久国内视频| 天天影视国产精品| 日日爽夜夜爽网站| www.www免费av| 天天影视国产精品| 久久久久久久久中文| 青草久久国产| 精品一品国产午夜福利视频| 精品国产国语对白av| 制服诱惑二区| 国产av一区二区精品久久| 成人永久免费在线观看视频| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲精品久久成人aⅴ小说| 国产熟女xx| 别揉我奶头~嗯~啊~动态视频| 丰满的人妻完整版| 热99国产精品久久久久久7| 人人妻人人澡人人看| 亚洲男人天堂网一区| 欧美日韩精品网址| 女人被狂操c到高潮| 久久久久久久午夜电影 |