• <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
    精品人妻1区二区| 国产真人三级小视频在线观看| 精品第一国产精品| 成人精品一区二区免费| 大型黄色视频在线免费观看| 国产男靠女视频免费网站| tube8黄色片| 午夜福利视频在线观看免费| 免费观看人在逋| 啪啪无遮挡十八禁网站| 自拍欧美九色日韩亚洲蝌蚪91| 久久久久久亚洲精品国产蜜桃av| 无限看片的www在线观看| 亚洲全国av大片| 欧美变态另类bdsm刘玥| 两性午夜刺激爽爽歪歪视频在线观看 | 最新美女视频免费是黄的| 免费不卡黄色视频| 自拍欧美九色日韩亚洲蝌蚪91| 成人影院久久| 成人精品一区二区免费| 五月天丁香电影| 亚洲三区欧美一区| 亚洲专区中文字幕在线| 国产亚洲精品第一综合不卡| 国产视频一区二区在线看| 在线亚洲精品国产二区图片欧美| 国产野战对白在线观看| 精品人妻1区二区| 国产深夜福利视频在线观看| 欧美精品一区二区免费开放| 99riav亚洲国产免费| 亚洲精品中文字幕在线视频| 91九色精品人成在线观看| 精品国产一区二区久久| 欧美一级毛片孕妇| 久久ye,这里只有精品| 中文字幕高清在线视频| 欧美激情久久久久久爽电影 | 91字幕亚洲| 国产又色又爽无遮挡免费看| 亚洲久久久国产精品| 亚洲av第一区精品v没综合| 天天操日日干夜夜撸| 大片电影免费在线观看免费| 侵犯人妻中文字幕一二三四区| h视频一区二区三区| 纵有疾风起免费观看全集完整版| 久久ye,这里只有精品| 久久国产精品影院| 免费在线观看完整版高清| 欧美亚洲 丝袜 人妻 在线| 伦理电影免费视频| 美女视频免费永久观看网站| 露出奶头的视频| 亚洲国产av新网站| 丝袜美足系列| 日本欧美视频一区| 中亚洲国语对白在线视频| 亚洲欧洲日产国产| 日本黄色视频三级网站网址 | 国产成人影院久久av| 国产激情久久老熟女| 水蜜桃什么品种好| 一本一本久久a久久精品综合妖精| 亚洲av国产av综合av卡| 久久99热这里只频精品6学生| 999精品在线视频| 十八禁网站网址无遮挡| 日本vs欧美在线观看视频| 精品卡一卡二卡四卡免费| 韩国精品一区二区三区| 日本a在线网址| 亚洲国产av新网站| www.精华液| 国产精品久久电影中文字幕 | 国产精品久久久久久精品古装| 欧美日韩av久久| 成人国产一区最新在线观看| 国产免费av片在线观看野外av| 日韩视频一区二区在线观看| 一区二区三区精品91| 黄色丝袜av网址大全| 在线 av 中文字幕| 悠悠久久av| 日韩欧美一区视频在线观看| 欧美激情极品国产一区二区三区| 亚洲国产欧美一区二区综合| 桃花免费在线播放| 91九色精品人成在线观看| 中文字幕高清在线视频| av免费在线观看网站| 精品人妻在线不人妻| 国产精品 国内视频| √禁漫天堂资源中文www| 国产亚洲av高清不卡| 午夜福利,免费看| 又大又爽又粗| 国产欧美日韩一区二区精品| 国产又色又爽无遮挡免费看| 少妇粗大呻吟视频| 国产日韩欧美亚洲二区| 欧美激情 高清一区二区三区| 欧美日韩中文字幕国产精品一区二区三区 | 欧美老熟妇乱子伦牲交| 亚洲九九香蕉| 成年人黄色毛片网站| 国产男女内射视频| 亚洲av片天天在线观看| 欧美成人午夜精品| 欧美av亚洲av综合av国产av| 蜜桃在线观看..| 免费观看人在逋| 99热国产这里只有精品6| 欧美国产精品一级二级三级| 一本综合久久免费| 日本五十路高清| 国产亚洲精品久久久久5区| 精品午夜福利视频在线观看一区 | 国产亚洲精品久久久久5区| 高清av免费在线| av免费在线观看网站| 欧美黄色片欧美黄色片| 国产区一区二久久| 黄网站色视频无遮挡免费观看| 一本一本久久a久久精品综合妖精| 欧美日韩一级在线毛片| 国产精品久久久久久精品电影小说| 另类亚洲欧美激情| 这个男人来自地球电影免费观看| 99九九在线精品视频| 日本欧美视频一区| 久久精品亚洲av国产电影网| 中文字幕精品免费在线观看视频| 久久天堂一区二区三区四区| 免费在线观看黄色视频的| 一本综合久久免费| 亚洲av美国av| 国产97色在线日韩免费| 天堂俺去俺来也www色官网| 99在线人妻在线中文字幕 | 91九色精品人成在线观看| 精品视频人人做人人爽| av福利片在线| 下体分泌物呈黄色| 岛国毛片在线播放| 亚洲国产欧美在线一区| 少妇粗大呻吟视频| 性色av乱码一区二区三区2| 黑人猛操日本美女一级片| 在线观看www视频免费| 五月开心婷婷网| 亚洲成国产人片在线观看| 九色亚洲精品在线播放| 日本黄色日本黄色录像| 国产精品久久电影中文字幕 | 欧美av亚洲av综合av国产av| 一区在线观看完整版| 午夜日韩欧美国产| 欧美变态另类bdsm刘玥| 极品人妻少妇av视频| av不卡在线播放| 国产免费av片在线观看野外av| 亚洲天堂av无毛| 美国免费a级毛片| 欧美黑人精品巨大| 一区二区av电影网| 一边摸一边做爽爽视频免费| 久久中文字幕一级| 人人澡人人妻人| 国产深夜福利视频在线观看| 最新的欧美精品一区二区| 日日摸夜夜添夜夜添小说| 搡老岳熟女国产| 这个男人来自地球电影免费观看| 国产在视频线精品| 80岁老熟妇乱子伦牲交| 免费不卡黄色视频| 婷婷成人精品国产| 最近最新中文字幕大全免费视频| 国产99久久九九免费精品| 亚洲国产毛片av蜜桃av| 久久香蕉激情| 欧美精品啪啪一区二区三区| 欧美黄色片欧美黄色片| 2018国产大陆天天弄谢| 91字幕亚洲| 亚洲av欧美aⅴ国产| 人人妻人人添人人爽欧美一区卜| 精品一区二区三卡| 视频区图区小说| 国产精品国产高清国产av | 男人操女人黄网站| 一边摸一边抽搐一进一出视频| 天堂动漫精品| 老司机午夜福利在线观看视频 | 久久久久久久久久久久大奶| 久久 成人 亚洲| 热re99久久精品国产66热6| 嫩草影视91久久| 精品国产乱子伦一区二区三区| 曰老女人黄片| 免费看a级黄色片| 一本一本久久a久久精品综合妖精| 麻豆av在线久日| 午夜成年电影在线免费观看| 欧美激情久久久久久爽电影 | 黄片小视频在线播放| 国产黄色免费在线视频| 免费av中文字幕在线| av免费在线观看网站| 少妇被粗大的猛进出69影院| 日韩人妻精品一区2区三区| 欧美另类亚洲清纯唯美| av免费在线观看网站| 国产精品免费一区二区三区在线 | 亚洲精品中文字幕在线视频| 精品少妇一区二区三区视频日本电影| 日韩中文字幕欧美一区二区| 另类精品久久| 欧美激情 高清一区二区三区| 在线观看免费日韩欧美大片| 欧美精品av麻豆av| 在线观看免费视频日本深夜| 久久天堂一区二区三区四区| 高清毛片免费观看视频网站 | 国产高清激情床上av| 色精品久久人妻99蜜桃| 丰满人妻熟妇乱又伦精品不卡| 少妇 在线观看| 天堂动漫精品| 国产欧美日韩综合在线一区二区| 久久99热这里只频精品6学生| 成人国产一区最新在线观看| 少妇裸体淫交视频免费看高清 | 在线观看人妻少妇| 69精品国产乱码久久久| 国产视频一区二区在线看| 叶爱在线成人免费视频播放| 久久 成人 亚洲| 日韩欧美一区二区三区在线观看 | 欧美国产精品一级二级三级| 免费少妇av软件| 久久香蕉激情| 精品一区二区三区视频在线观看免费 | 欧美精品啪啪一区二区三区| 亚洲性夜色夜夜综合| 青青草视频在线视频观看| 国产不卡一卡二| 黄色片一级片一级黄色片| 黑人巨大精品欧美一区二区mp4| 国产亚洲欧美在线一区二区| 黄色a级毛片大全视频| 色在线成人网| 无人区码免费观看不卡 | 精品国产一区二区久久| 每晚都被弄得嗷嗷叫到高潮| 桃红色精品国产亚洲av| 九色亚洲精品在线播放| 亚洲国产精品一区二区三区在线| 99精品在免费线老司机午夜| 亚洲,欧美精品.| 自拍欧美九色日韩亚洲蝌蚪91| 91字幕亚洲| 桃红色精品国产亚洲av| 又紧又爽又黄一区二区| 男女下面插进去视频免费观看| 丁香六月欧美| 亚洲成人国产一区在线观看| 国产片内射在线| 欧美精品高潮呻吟av久久| 99热国产这里只有精品6| 国产亚洲av高清不卡| 精品免费久久久久久久清纯 | 日韩制服丝袜自拍偷拍| 欧美人与性动交α欧美精品济南到| 黄色成人免费大全| 亚洲黑人精品在线| xxxhd国产人妻xxx| 麻豆成人av在线观看| 国产成人精品久久二区二区免费| 日韩欧美国产一区二区入口| 男女之事视频高清在线观看| 欧美精品av麻豆av| 一级黄色大片毛片| 国产一区二区激情短视频| 国产精品成人在线| 王馨瑶露胸无遮挡在线观看| 亚洲视频免费观看视频| 久久午夜亚洲精品久久| 国产精品一区二区免费欧美| 精品亚洲乱码少妇综合久久| 午夜老司机福利片| 成人国产一区最新在线观看| 视频区图区小说| 亚洲精品中文字幕在线视频| 如日韩欧美国产精品一区二区三区| 美女国产高潮福利片在线看| 国产成人精品无人区| 香蕉久久夜色| 久久中文字幕人妻熟女| 色播在线永久视频| 性高湖久久久久久久久免费观看| 免费在线观看日本一区| 99re6热这里在线精品视频| 国产精品 欧美亚洲| 欧美av亚洲av综合av国产av| 狂野欧美激情性xxxx| 伊人久久大香线蕉亚洲五| 亚洲人成电影观看| 国产精品亚洲一级av第二区| 在线看a的网站| 香蕉久久夜色| 免费观看人在逋| 丝袜美足系列| 黑丝袜美女国产一区| 国产免费视频播放在线视频| 国产精品二区激情视频| 91老司机精品| 人人妻人人爽人人添夜夜欢视频| 青青草视频在线视频观看| 国产不卡av网站在线观看| √禁漫天堂资源中文www| 天天影视国产精品| 老司机午夜福利在线观看视频 | 欧美日韩亚洲综合一区二区三区_| 亚洲精品av麻豆狂野| 欧美黄色片欧美黄色片| 青青草视频在线视频观看| 国产欧美日韩一区二区三| 法律面前人人平等表现在哪些方面| 日韩成人在线观看一区二区三区| 久久久久视频综合| 国产又爽黄色视频| 亚洲精品国产一区二区精华液| 亚洲欧美色中文字幕在线| 亚洲人成伊人成综合网2020| 国产在线一区二区三区精| 日韩有码中文字幕| 好男人电影高清在线观看| 欧美日韩福利视频一区二区| 9热在线视频观看99| 欧美午夜高清在线| av片东京热男人的天堂| 亚洲成人免费av在线播放| 亚洲国产av新网站| 国产亚洲精品第一综合不卡| 一本色道久久久久久精品综合| 天天躁夜夜躁狠狠躁躁| 亚洲伊人久久精品综合| 一个人免费看片子| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲国产毛片av蜜桃av| 欧美一级毛片孕妇| 在线观看免费视频网站a站| 高清av免费在线| 精品一区二区三卡| 免费av中文字幕在线| 久久亚洲精品不卡| 夫妻午夜视频| 欧美午夜高清在线| 黄色a级毛片大全视频| 深夜精品福利| av国产精品久久久久影院| 99re6热这里在线精品视频| 青青草视频在线视频观看| 男女床上黄色一级片免费看| 久久精品aⅴ一区二区三区四区| 91麻豆av在线| 人妻 亚洲 视频| 2018国产大陆天天弄谢| 久久毛片免费看一区二区三区| 午夜成年电影在线免费观看| 18禁国产床啪视频网站| 50天的宝宝边吃奶边哭怎么回事| 欧美激情极品国产一区二区三区| 色播在线永久视频| 狠狠婷婷综合久久久久久88av| 香蕉久久夜色| 国产福利在线免费观看视频| 国产精品一区二区精品视频观看| 中亚洲国语对白在线视频| 一二三四在线观看免费中文在| 麻豆av在线久日| 欧美成人午夜精品| 国产欧美日韩一区二区精品| www.自偷自拍.com| 最新在线观看一区二区三区| 国产不卡一卡二| 国产成人啪精品午夜网站| av视频免费观看在线观看| 欧美国产精品一级二级三级| 欧美黄色片欧美黄色片| 亚洲精品av麻豆狂野| 视频区欧美日本亚洲| 亚洲国产欧美网| 国产精品av久久久久免费| 女人爽到高潮嗷嗷叫在线视频| 精品国产乱码久久久久久男人| av不卡在线播放| 天天操日日干夜夜撸| 亚洲精品一卡2卡三卡4卡5卡| 1024视频免费在线观看| 国产无遮挡羞羞视频在线观看| 欧美日韩视频精品一区| 999久久久国产精品视频| 亚洲国产av影院在线观看| 99国产极品粉嫩在线观看| 18禁裸乳无遮挡动漫免费视频| 丁香欧美五月| 亚洲精品国产色婷婷电影| 亚洲av美国av| 热re99久久国产66热| 欧美日韩亚洲综合一区二区三区_| 欧美性长视频在线观看| a级毛片在线看网站| 日韩一区二区三区影片| 波多野结衣一区麻豆| 中文字幕制服av| 国产成人一区二区三区免费视频网站| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品国产一区二区精华液| 在线永久观看黄色视频| 黄色a级毛片大全视频| 国产三级黄色录像| 高清欧美精品videossex| 美国免费a级毛片| 国产av精品麻豆| 国产精品久久久久成人av| 免费观看av网站的网址| 在线观看66精品国产| 91国产中文字幕| 久久久久久久国产电影| 亚洲免费av在线视频| 欧美在线黄色| 欧美久久黑人一区二区| 午夜福利免费观看在线| 99国产精品一区二区三区| 一级片免费观看大全| 亚洲欧美激情在线| 黄色片一级片一级黄色片| 在线观看人妻少妇| 男女高潮啪啪啪动态图| 久久久久精品人妻al黑| 9191精品国产免费久久| 欧美精品人与动牲交sv欧美| 蜜桃国产av成人99| 老司机午夜十八禁免费视频| 男女午夜视频在线观看| 国产亚洲午夜精品一区二区久久| 国产欧美日韩精品亚洲av| 一区二区三区国产精品乱码| 男女免费视频国产| 一区二区三区激情视频| 国产国语露脸激情在线看| 亚洲美女黄片视频| √禁漫天堂资源中文www| 一本一本久久a久久精品综合妖精| 美女福利国产在线| 大型av网站在线播放| 麻豆乱淫一区二区| 午夜老司机福利片| 久久精品熟女亚洲av麻豆精品| 欧美精品av麻豆av| 性高湖久久久久久久久免费观看| 国产精品熟女久久久久浪| 一边摸一边抽搐一进一小说 | 在线天堂中文资源库| 黑人操中国人逼视频| 交换朋友夫妻互换小说| 热re99久久精品国产66热6| 日本wwww免费看| 在线观看一区二区三区激情| 久久热在线av| 大陆偷拍与自拍| 手机成人av网站| 制服诱惑二区| 少妇精品久久久久久久| 国产高清国产精品国产三级| 亚洲中文av在线| 免费在线观看视频国产中文字幕亚洲| 中国美女看黄片| 国产欧美日韩一区二区三区在线| 777米奇影视久久| 亚洲,欧美精品.| 精品卡一卡二卡四卡免费| 欧美在线一区亚洲| 午夜视频精品福利| 成年女人毛片免费观看观看9 | 日韩视频一区二区在线观看| 亚洲精品一卡2卡三卡4卡5卡| 欧美人与性动交α欧美精品济南到| 精品亚洲成a人片在线观看| 国产精品 欧美亚洲| 啦啦啦 在线观看视频| 欧美 亚洲 国产 日韩一| 免费看十八禁软件| 日韩欧美国产一区二区入口| 黑人猛操日本美女一级片| 国产午夜精品久久久久久| 在线十欧美十亚洲十日本专区| 久久性视频一级片| 国产日韩欧美亚洲二区| 久久午夜综合久久蜜桃| 亚洲性夜色夜夜综合| 亚洲专区国产一区二区| 国产成人av教育| 精品一品国产午夜福利视频| 啦啦啦在线免费观看视频4| 亚洲国产精品一区二区三区在线| 欧美亚洲日本最大视频资源| 国产精品亚洲av一区麻豆| kizo精华| 女人爽到高潮嗷嗷叫在线视频| 视频在线观看一区二区三区| 韩国精品一区二区三区| 成人18禁在线播放| 欧美日韩中文字幕国产精品一区二区三区 | 搡老岳熟女国产| 国产一区二区 视频在线| 99国产综合亚洲精品| 欧美成人午夜精品| 女人精品久久久久毛片| 欧美黄色片欧美黄色片| 亚洲自偷自拍图片 自拍| 在线观看免费日韩欧美大片| 丝袜喷水一区| 9色porny在线观看| 国产伦人伦偷精品视频| 欧美日韩黄片免| 日本撒尿小便嘘嘘汇集6| 久久天堂一区二区三区四区| 丰满少妇做爰视频| 大香蕉久久成人网| 午夜福利视频在线观看免费| 黄片播放在线免费| 精品国产乱码久久久久久男人| 日韩中文字幕欧美一区二区| 国产成人欧美在线观看 | 精品熟女少妇八av免费久了| 精品国产一区二区三区四区第35| 日日爽夜夜爽网站| 一级片免费观看大全| 成人国产一区最新在线观看| 国产片内射在线| 黑丝袜美女国产一区| 亚洲欧美激情在线| 一本色道久久久久久精品综合| 中文字幕人妻丝袜一区二区| 757午夜福利合集在线观看| 美女主播在线视频| 亚洲精品久久成人aⅴ小说| 成人精品一区二区免费| 又大又爽又粗| 天天躁狠狠躁夜夜躁狠狠躁| xxxhd国产人妻xxx| 欧美精品人与动牲交sv欧美| 亚洲av成人不卡在线观看播放网| 国产高清videossex| 一个人免费在线观看的高清视频| 日韩一区二区三区影片| 少妇的丰满在线观看| 天堂动漫精品| 9热在线视频观看99| 日本wwww免费看| 亚洲成人国产一区在线观看| 亚洲自偷自拍图片 自拍| 国产熟女午夜一区二区三区| 精品国产一区二区三区四区第35| 在线观看免费高清a一片| 久久av网站| 欧美性长视频在线观看| 国产欧美日韩综合在线一区二区| 少妇被粗大的猛进出69影院| 香蕉久久夜色| 亚洲天堂av无毛| 亚洲精品久久成人aⅴ小说| 色播在线永久视频| 国产精品偷伦视频观看了| 欧美在线黄色| 国产成人精品久久二区二区免费| 欧美日韩成人在线一区二区| 亚洲欧美色中文字幕在线| 啦啦啦在线免费观看视频4| 午夜福利在线观看吧| 女人高潮潮喷娇喘18禁视频| 黑人欧美特级aaaaaa片| 日本a在线网址| 久久人人97超碰香蕉20202| 久久午夜综合久久蜜桃| 亚洲七黄色美女视频| 999久久久国产精品视频| 成人影院久久| 久久精品国产亚洲av高清一级| 91字幕亚洲| 黑人欧美特级aaaaaa片| 人成视频在线观看免费观看| 韩国精品一区二区三区| 91老司机精品| 国产精品 国内视频| 午夜福利视频在线观看免费| 啦啦啦在线免费观看视频4| 这个男人来自地球电影免费观看| 国产一区有黄有色的免费视频| 精品国内亚洲2022精品成人 | 国产精品秋霞免费鲁丝片| 国产伦理片在线播放av一区| a级毛片黄视频| 两人在一起打扑克的视频| 日韩三级视频一区二区三区| 在线观看免费视频日本深夜| 婷婷丁香在线五月| 午夜福利免费观看在线| 国产一区二区三区视频了| 成人18禁在线播放|