• <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 ?

    基于增強(qiáng)RPN的孿生網(wǎng)絡(luò)目標(biāo)跟蹤算法*

    2022-10-28 03:27:10張長弓楊海濤馮博迪王晉宇李高源
    電訊技術(shù) 2022年10期
    關(guān)鍵詞:跟蹤器骨干注意力

    張長弓,楊海濤,馮博迪,王晉宇,李高源

    (航天工程大學(xué) 航天信息學(xué)院,北京 101400)

    0 引 言

    單目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域的研究方向之一,其基本任務(wù)是獲取視頻中單個目標(biāo)在每一幀中的位置信息,為對目標(biāo)的運(yùn)動行為及規(guī)律的分析和理解提供基礎(chǔ),以便完成更進(jìn)一步的研究。隨著計算機(jī)硬件性能的不斷提高,越來越多的領(lǐng)域開始出現(xiàn)基于單目標(biāo)跟蹤的具體應(yīng)用,如交通監(jiān)控[1]、行人檢測[2]。但由于復(fù)雜多變的現(xiàn)實(shí)環(huán)境,目標(biāo)跟蹤依舊面臨著許多挑戰(zhàn)。

    近幾年,基于深度學(xué)習(xí)的目標(biāo)跟蹤方法取得了不錯的研究成果,尤其是基于孿生網(wǎng)絡(luò)的一系列跟蹤器。Bertinetto等[3]首次提出將孿生網(wǎng)絡(luò)應(yīng)用于跟蹤問題中,開創(chuàng)性地將跟蹤問題轉(zhuǎn)化為了相似性學(xué)習(xí)問題,取得了又好又快的效果。而SiamRPN[4]等一系列跟蹤器則將目標(biāo)檢測領(lǐng)域的區(qū)域推薦網(wǎng)絡(luò)(Region Proposal Network,RPN)引入到孿生網(wǎng)絡(luò)中,將跟蹤問題轉(zhuǎn)換為基于孿生網(wǎng)絡(luò)的RPN檢測框架,提供了跟蹤器發(fā)展的新思路。

    孿生跟蹤器使用模板匹配的方法,在海量視頻數(shù)據(jù)中進(jìn)行端到端離線訓(xùn)練,因此無法在線更新模板,在面對目標(biāo)發(fā)生特征變化的情況時,跟蹤器容易出現(xiàn)漂移、丟失等。此外,模板匹配方法僅通過目標(biāo)的外觀進(jìn)行推斷,導(dǎo)致豐富的背景上下文信息被忽略,而背景信息對于區(qū)分目標(biāo)周圍的相似物體極為重要?;谶@些考慮,本文通過結(jié)合注意力機(jī)制和特征金字塔網(wǎng)絡(luò),開發(fā)了一種利用豐富的上下文信息來增強(qiáng)目標(biāo)表征能力的孿生跟蹤器,它可以增強(qiáng)目標(biāo)表示,提高RPN的分類和回歸的準(zhǔn)確度,降低復(fù)雜背景和相似物體的影響,從而提高跟蹤器的魯棒性和準(zhǔn)確性。

    1 基于增強(qiáng)RPN的孿生網(wǎng)絡(luò)跟蹤算法

    本文所提出的SiamERPN(Siamese Enhanced-RPN)算法在SiamRPN++[5]基礎(chǔ)上,使用金字塔式特征融合方法自頂向下融合骨干網(wǎng)絡(luò),使用通道注意力和空間注意力對RPN進(jìn)行增強(qiáng),利用豐富的上下文信息提高對目標(biāo)的辨別能力,降低復(fù)雜背景和相似物體的干擾。圖1為本文算法構(gòu)建的網(wǎng)絡(luò)模型框架圖,主要由特征提取網(wǎng)絡(luò)、特征融合模塊和增強(qiáng)RPN三部分組成。

    圖1 SiamERPN網(wǎng)絡(luò)結(jié)構(gòu)圖

    1.1 孿生網(wǎng)絡(luò)跟蹤器

    Bertinetto在文獻(xiàn)[3]中通過將孿生網(wǎng)絡(luò)應(yīng)用在目標(biāo)跟蹤,把實(shí)現(xiàn)跟蹤轉(zhuǎn)變?yōu)榱私鉀Q相似性學(xué)習(xí)問題。孿生跟蹤器包含初始幀目標(biāo)模板圖像z和當(dāng)前幀搜索圖像x兩個輸入,分別經(jīng)過共享參數(shù)φ的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)映射到相同的特征空間中,然后應(yīng)用相似性度量函數(shù)g(φ(x)、φ(z))來衡量兩者間的的相似性,在響應(yīng)值最大的位置估計目標(biāo)狀態(tài)。SiamRPN把RPN[6]與孿生網(wǎng)絡(luò)結(jié)合,將φ(z)和φ(x)使用上行通道(up-channel)互相關(guān)計算后送入RPN生成密集響應(yīng)圖,以實(shí)現(xiàn)基于RPN的目標(biāo)跟蹤。

    SiamRPN++則在SiamRPN的基礎(chǔ)上通過改變采樣方式消除了嚴(yán)格平移不變性被破壞所帶來的影響,使孿生網(wǎng)絡(luò)可以利用現(xiàn)代化網(wǎng)絡(luò)如ResNet[7],從而提高了孿生跟蹤器特征提取網(wǎng)絡(luò)的性能。聚合多層特征并建立多個RPN以更準(zhǔn)確地預(yù)測目標(biāo)狀態(tài)。另外,將上行通道互相關(guān)替換為深度(depthwise)互相關(guān),減少了大量的參數(shù),提升了跟蹤器速度。本文的方法延續(xù)了 SiamRPN++的思想,使用較深的ResNet-50作為骨干網(wǎng)絡(luò),采用深度互相關(guān)和多層特征融合策略。但相比于SiamRPN++的多RPN線性融合,本文提出了一種金字塔式特征層融合方法對骨干網(wǎng)絡(luò)進(jìn)行增強(qiáng),提高對目標(biāo)的表征能力,另外,本文還引入增強(qiáng)RPN模塊以強(qiáng)化RPN對前背景分類和邊界框回歸的準(zhǔn)確性。

    1.2 增強(qiáng)RPN

    RPN使用滑動窗口技術(shù)在特征圖的每個位置都生成k個矩形錨框(anchor),通過對可能包含物體的錨框進(jìn)行回歸,最終得到精確的目標(biāo)邊界框。RPN包含兩個分支:分類和回歸,我們將目標(biāo)模板和搜索圖像的特征進(jìn)行深度互卷積以送入這兩個分支進(jìn)行訓(xùn)練。其中,分類分支的任務(wù)是判別每個錨框?qū)儆谀繕?biāo)還是背景,即二分類任務(wù),因此進(jìn)行深度互相關(guān)后得到2k個特征,分類分支針對這些特征進(jìn)行前背景判別?;貧w分支的任務(wù)是對生成的錨框進(jìn)行回歸計算,得到較為準(zhǔn)確的邊界框。由于以[x,y,w,h]來表示一個錨框的范圍,因此k個錨框最終得到4k個特征,回歸分支將這些特征轉(zhuǎn)變?yōu)楦泳_的邊界框。

    如圖2所示,增強(qiáng)RPN模塊以骨干網(wǎng)絡(luò)計算的卷積特征作為輸入,通過應(yīng)用注意力機(jī)制輸出增強(qiáng)后的分類和回歸結(jié)果,其包含RPN和注意力模塊兩個部分。

    圖2 增強(qiáng)RPN結(jié)構(gòu)圖

    RPN的分類分支關(guān)注特征圖中的語義部分,文獻(xiàn)[6]闡述了特征圖中不同的通道對特定目標(biāo)具有不同的響應(yīng)這一特點(diǎn),即對不同目標(biāo),有些特征通道可能更為重要,而有些通道則可能完全無關(guān),這種無關(guān)于目標(biāo)語義的特征通道常常會影響模型的相似性計算過程,進(jìn)而影響跟蹤結(jié)果,因此使用通道注意力,通過建模特征通道間的依賴關(guān)系以及提取各通道的權(quán)重來增強(qiáng)特定通道對語義的響應(yīng),降低無關(guān)通道的影響。另一方面,回歸分支關(guān)注特征圖中目標(biāo)的空間位置,自然地,考慮使用空間注意力對特征圖進(jìn)行增強(qiáng),突出目標(biāo)的空間位置,以獲得更好的回歸結(jié)果。

    如圖3所示,使用X∈C×Hx×Wx和Z∈C×Hz×Wz表示目標(biāo)模板和搜索圖像的特征,以分類為例,搜索圖像的特征圖C×Hx×Wx送入RPN后使用CBAM(Convolutional Block Attention Module)[8]進(jìn)行注意力增強(qiáng)。首先經(jīng)過通道注意力模塊。CBAM使用平均池化和最大池化來聚合的上下文信息生成和兩個特征,然后將這兩個特征送入共享權(quán)重的多層感知機(jī)(Multi-Layer Perceptron,MLP),MLP包含一個隱藏層。為了減少開銷,在隱藏層中引入了壓縮率r,使隱藏層神經(jīng)元個數(shù)變?yōu)镃/r。經(jīng)過MLP得到通道權(quán)重Mc,最后與原特征相乘,輸出通道增強(qiáng)后的特征即

    (a)通道注意力網(wǎng)絡(luò)結(jié)構(gòu)圖

    (b)空間注意力網(wǎng)絡(luò)結(jié)構(gòu)圖圖3 注意力結(jié)構(gòu)圖

    (1)

    式中:Mc表示通道權(quán)重,σ表示sigmoid激活函數(shù),AvgPool和MaxPool分別表示平均池化和最大池化,MLP代表多層感知機(jī),W0∈C/r×C和W1∈C×C/r是MLP的隱藏層權(quán)重和輸出層權(quán)重。

    (2)

    式中:Ms表示空間位置權(quán)重,f7×7代表7×7卷積層。

    1.3 特征提取網(wǎng)絡(luò)

    采用較深的網(wǎng)絡(luò)ResNet-50作為骨干網(wǎng)絡(luò),以獲得更好的特征提取能力。由于單層特征對目標(biāo)跟蹤來說較為乏力,無法同時提供不同分辨率、多尺度、豐富語義和較細(xì)的外觀特征,而且對于ResNet來說,特征層之間的跨度較大,低層關(guān)注外觀特征等低級信息,可以幫助建模目標(biāo)外觀,高層關(guān)注語義這一高級信息,在面對物體形變遮擋等問題時具有良好的表現(xiàn),因此考慮使用多個特征層進(jìn)行融合以解決前述弊端,提高骨干網(wǎng)絡(luò)的表達(dá)能力。

    SiamRPN++嘗試使用ResNet的多個特征層來提高表達(dá)能力,但其僅對conv3_x,conv4_x,conv5_x三個特征層進(jìn)行線性加權(quán)求和,沒有較好地利用淺層外觀特征和深層語義。因此受文獻(xiàn)[9]的啟發(fā),采用了金字塔式融合特征層的方法,即深層語義指導(dǎo)淺層特征,以實(shí)現(xiàn)多層特征更有效的融合,同時邊融合邊檢測,在特征融合的基礎(chǔ)上對RPN進(jìn)行線性加權(quán),以得到更精確的結(jié)果,如圖4所示。

    圖4 金字塔式特征融合結(jié)構(gòu)圖

    采用邊融合邊檢測目標(biāo)的思路,首先將最深的特征層F5使用雙線性插值法上采樣到特征層F4的分辨率,與F4進(jìn)行線性相加得到F45,送入RPN1,最后將F45上采樣到F3的分辨率并與之相加,送入RPN2,從而實(shí)現(xiàn)語義指導(dǎo)的特征層融合,提高骨干網(wǎng)絡(luò)的特征提取能力。另一方面,對于送入RPN的256維特征圖,每層特征圖上的每個位置都會產(chǎn)生5個尺度的錨框,在分類分支中每個錨框會得到維度為2的得分圖進(jìn)行前背景分類,即特征圖的每個位置都會產(chǎn)生共2 560個參數(shù)。因此每增加RPN的數(shù)量都會引入大量參數(shù),增加網(wǎng)絡(luò)的時間復(fù)雜度,降低跟蹤器的速度。同時,采用conv5_x特征的RPN跟蹤效果較差[5]。綜合以上考慮,為了使跟蹤器在速度與跟蹤效果上更加平衡,相比于基線算法,我們精簡了conv5_x對應(yīng)的RPN。

    最后,將RPN1和RPN2進(jìn)行加權(quán)求和,權(quán)重初始值為1,作為可學(xué)習(xí)參數(shù)在端到端的訓(xùn)練中自適應(yīng)地確定,以得到更加精細(xì)的跟蹤結(jié)果:

    (3)

    2 實(shí)驗(yàn)與分析

    2.1 訓(xùn)練集和驗(yàn)證集

    在本文提出的算法結(jié)構(gòu)中,骨干網(wǎng)絡(luò)使用ImageNet[10]的圖像分類預(yù)訓(xùn)練數(shù)據(jù)進(jìn)行初始化,整個網(wǎng)絡(luò)在COCO[11]、ImageNet VID、Youtube-BoundingBoxes[12]數(shù)據(jù)集中進(jìn)行端到端訓(xùn)練。根據(jù)孿生網(wǎng)絡(luò)的核心思想即相似性學(xué)習(xí),將訓(xùn)練集原圖像通過平移、裁切等方法進(jìn)行擴(kuò)充為多個包含目標(biāo)的不同圖像,使網(wǎng)絡(luò)學(xué)習(xí)衡量對象相似性的方法。

    采用OTB100[13]數(shù)據(jù)集進(jìn)行算法結(jié)果的測試驗(yàn)證和對比。OTB100是目標(biāo)跟蹤最常用的評價數(shù)據(jù)集之一,包含有100個視頻序列,通過精度和成功率的曲線下面積得分(Area under Curve, AUC)來評價跟蹤器的準(zhǔn)確性和魯棒性,其中精度表示算法估計坐標(biāo)與真實(shí)坐標(biāo)在給定歐氏距離閾值下的幀數(shù)所占百分比,成功率則代表算法估計邊界框和真實(shí)邊界框在一定閾值下的重疊區(qū)域比例。

    2.2 實(shí)現(xiàn)細(xì)節(jié)

    采用AMD 5700x、nVidia RTX3090作為實(shí)驗(yàn)平臺,基于Windows 10 x64、python 3.6和pytorch 1.8進(jìn)行開發(fā)。

    跟蹤器的骨干網(wǎng)絡(luò)使用減少步長的ResNet-50,RPN使用[0.33,0.5,1,2,3]這5種不同尺度的錨框,采用0.9動量的隨機(jī)梯度下降法作為優(yōu)化算法。遵循SiamFC,跟蹤器的模板分支輸入采用127×127大小的圖像,搜索分支則使用255×255的圖像。整個網(wǎng)絡(luò)采用端到端的方式訓(xùn)練了20輪,前10輪凍結(jié)骨干網(wǎng)絡(luò),后10輪將參與特征融合的骨干網(wǎng)絡(luò)3、4、5層卷積層加入訓(xùn)練中。

    2.3 實(shí)驗(yàn)結(jié)果

    2.3.1 定量分析

    為了全面對比驗(yàn)證本文所提算法的有效性,選取了目標(biāo)跟蹤領(lǐng)域較為優(yōu)秀和經(jīng)典的算法KCF[14]、SRDCF[15]、BACF[16]、DeepSRDCF[17]、SiamFC、CFNet[18]、SiamRPN、ATOM[19],SiamRPN++共9種算法一并進(jìn)行跟蹤效果的測試,其中SiamRPN++為本文算法的基線。首先在OTB100數(shù)據(jù)集中進(jìn)行測試,實(shí)驗(yàn)結(jié)果如圖5所示,除本文算法外的實(shí)驗(yàn)數(shù)據(jù)來自文獻(xiàn)[20]的公開成果。

    (a)算法成功率圖

    (b)算法精度圖圖5 10種算法在OTB100數(shù)據(jù)集上的運(yùn)行結(jié)果對比

    為了更直觀地進(jìn)行算法對比,將結(jié)果整理為表1,粗體為排名第1,斜體為排名第2,下同。可以看出,本文算法具有0.668的成功率AUC和0.876的精度AUC,不僅比對比基線算法成功率提升了9.1%,精度提升了5.1%,而且相比于排名第二的ATOM算法也有1.5%的成功率和1.9%的精度提升,與其他算法相比提升更大,表現(xiàn)出了良好的跟蹤精度和魯棒性。

    表1 10種算法在OTB100數(shù)據(jù)集上的運(yùn)行結(jié)果表

    OTB數(shù)據(jù)集不僅可以評價算法的總體性能,其包含的不同屬性視頻序列可以測試算法在面對不同挑戰(zhàn)時的表現(xiàn),以進(jìn)行更細(xì)粒度的評價。OTB主要包含有遮擋(occlusion,OC)、光照變化(illumination variation,IV)、運(yùn)動模糊(motion blur,MB)、視野外(out of view,OV)、尺度變化(scale variation,SV)、背景干擾(background clutter,BC)、快速移動(fast motion,F(xiàn)M)、形變(deformation,DEF)、平面內(nèi)旋轉(zhuǎn)(in-plane rotation,IPR)、低分辨率(low resolution,LR)、平面外旋轉(zhuǎn)(out-of-plane rotation,OPR)等11種挑戰(zhàn),表2和表3給出了前述算法在這些挑戰(zhàn)中的成功率和精度??梢钥闯觯?SiamERPN在11種挑戰(zhàn)中除了DEF稍弱于基線算法,BC和OC稍弱于其他算法外,成功率和精度均取得了較為優(yōu)秀的表現(xiàn),這得益于注意力機(jī)制對RPN的增強(qiáng),以及特征融合對骨干網(wǎng)絡(luò)特征提取能力的提升。

    表2 10種算法在OTB100數(shù)據(jù)集11種挑戰(zhàn)中的成功率表

    表3 10種算法在OTB100數(shù)據(jù)集11種挑戰(zhàn)中的精度表

    2.3.2 定性分析

    為了更加直觀地對比展示SiamERPN與其他算法的差異,選擇OTB100中的6個視頻序列Box、Football1、Matrix、MotorRolling和Trellis,將包含SiamERPN在內(nèi)的5個跟蹤結(jié)果可視化,進(jìn)行定性分析。這6個視頻序列囊括了前述11種目標(biāo)跟蹤挑戰(zhàn),可以比較全面地分析跟蹤器效果,測試結(jié)果如圖6所示,其中黑色代表本文提出的SiamERPN算法,紅色為本文的基線算法SiamRPN++,綠色為經(jīng)典算法SiamFC,白色ATOM和藍(lán)色CFNet則是較為優(yōu)秀的孿生網(wǎng)絡(luò)改進(jìn)算法。

    在Box序列中,在面對物體發(fā)生旋轉(zhuǎn)、遮擋和相似物體干擾時,SiamFC總是跟蹤相似物體,ATOM和SiamRPN++不同程度的發(fā)生誤判,而SiamERPN和CFNet跟蹤魯棒性較強(qiáng),其中SiamERPN在物體旋轉(zhuǎn)時具有較高的跟蹤精度,可以將物體側(cè)面也納入標(biāo)注范圍。在Football1序列中,目標(biāo)快速運(yùn)動和旋轉(zhuǎn),產(chǎn)生運(yùn)動模糊的同時多個球員作為密集干擾項(xiàng)阻礙跟蹤器判斷,SiamERPN可以穩(wěn)定且精準(zhǔn)進(jìn)行跟蹤,四個對比算法則發(fā)生丟失和精度過低的問題。在Matrix、MotorRolling和Trellis三個序列中,目標(biāo)發(fā)生快速反復(fù)的明暗變化,同時Matrix中有較強(qiáng)的遮擋干擾,可以看到,除SiamERPN和基線算法表現(xiàn)良好外,其他三個算法均出現(xiàn)不同程度的錯誤。而在Bird1序列中,面對長時間的阻擋,幾種算法均出現(xiàn)了不同程度的漂移,阻擋消失后,除ATOM外的算法均錯誤地跟蹤到相似目標(biāo)。綜上,SiamERPN在表現(xiàn)出良好性能的同時仍有一定的局限性。

    2.3.3 速度分析

    目標(biāo)跟蹤作為一種實(shí)時性算法,對運(yùn)行速度具有一定的要求(15 frame/s)[21]。為驗(yàn)證本文算法具有一定的高效性,將SiamERPN與經(jīng)典孿生網(wǎng)絡(luò)算法進(jìn)行速度的橫向?qū)Ρ取1?展示了4種算法在OTB數(shù)據(jù)集中的測試結(jié)果,其中SiamERPN(w/o attention)表示只包含有特征融合模塊的本文算法,用以驗(yàn)證該模塊對算法速度的影響。

    可以看出,SiamERPN的速度均弱于對比算法,這是注意力模塊和RPN的大量參數(shù)導(dǎo)致的,但SiamERPN與基準(zhǔn)算法的速度差距較小,且符合實(shí)時性的要求,同時性能表現(xiàn)具有較大優(yōu)勢,綜上來看,SiamERPN可以很好地實(shí)現(xiàn)速度與性能的平衡。另一方面,SiamERPN(w/o attention)的結(jié)果顯示,即使經(jīng)過上采樣等操作,在剪枝RPN后仍可以實(shí)現(xiàn)與基準(zhǔn)算法相近的速度,說明精簡RPN數(shù)量對平衡速度和性能是有幫助的。

    3 結(jié) 論

    本文提出了一種基于注意力增強(qiáng)的RPN和金字塔式特征融合的目標(biāo)跟蹤算法SiamERPN,對現(xiàn)有SiamRPN++算法進(jìn)行了改進(jìn)。首先利用注意力機(jī)制對RPN進(jìn)行改進(jìn),通過通道注意力和空間注意力突出目標(biāo)的語義特征和空間位置,使RPN可以獲得更好的前背景分類和邊界框回歸結(jié)果;然后針對SiamRPN++的特征融合機(jī)制提出了一種改進(jìn)方法,通過金字塔式自頂向下融合實(shí)現(xiàn)具有豐富語義的細(xì)粒度檢測。實(shí)驗(yàn)結(jié)果表明,本文所提算法的性能相比基線算法具有一定的提高,同時RPN數(shù)量的降低減少了網(wǎng)絡(luò)復(fù)雜度,實(shí)現(xiàn)了跟蹤器在速度與跟蹤效果上的平衡。

    猜你喜歡
    跟蹤器骨干注意力
    讓注意力“飛”回來
    光伏跟蹤器陣列跟蹤精度的測算方法研究
    太陽能(2022年3期)2022-03-29 05:15:50
    淺析一種風(fēng)光儲一體化跟蹤器
    太陽能(2020年3期)2020-04-08 03:27:10
    核心研發(fā)骨干均16年以上!創(chuàng)美克在產(chǎn)品研發(fā)上再發(fā)力
    超長待機(jī)的自行車位置跟蹤器
    雙向多軌跡判定方法在目標(biāo)跟蹤中的應(yīng)用研究
    骨干風(fēng)采展示
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    A Beautiful Way Of Looking At Things
    關(guān)于組建“一線話題”骨干隊(duì)伍的通知
    99久久综合免费| 一本色道久久久久久精品综合| 在线观看免费日韩欧美大片| av免费观看日本| 少妇被粗大猛烈的视频| 国产熟女午夜一区二区三区| 精品第一国产精品| 精品少妇久久久久久888优播| 五月天丁香电影| 高清毛片免费看| 欧美成人精品欧美一级黄| 日韩在线高清观看一区二区三区| 美女大奶头黄色视频| 亚洲av.av天堂| 亚洲 欧美一区二区三区| 亚洲精品国产av成人精品| 精品久久国产蜜桃| 一本大道久久a久久精品| 男人爽女人下面视频在线观看| 国产爽快片一区二区三区| 久久亚洲国产成人精品v| 大话2 男鬼变身卡| 2018国产大陆天天弄谢| 天堂8中文在线网| 欧美精品亚洲一区二区| 赤兔流量卡办理| 美女脱内裤让男人舔精品视频| 如日韩欧美国产精品一区二区三区| 国产亚洲午夜精品一区二区久久| 亚洲人与动物交配视频| 国产成人午夜福利电影在线观看| 18在线观看网站| 大片电影免费在线观看免费| 亚洲国产色片| 国产av一区二区精品久久| 永久网站在线| 午夜激情久久久久久久| 亚洲欧美中文字幕日韩二区| 午夜福利乱码中文字幕| 久久久亚洲精品成人影院| av又黄又爽大尺度在线免费看| 美国免费a级毛片| 乱人伦中国视频| 十八禁网站网址无遮挡| 九九在线视频观看精品| av免费在线看不卡| av女优亚洲男人天堂| 日本欧美视频一区| 国产成人精品无人区| 国产一区亚洲一区在线观看| 下体分泌物呈黄色| 免费看不卡的av| 黄片无遮挡物在线观看| 综合色丁香网| 纯流量卡能插随身wifi吗| 欧美激情国产日韩精品一区| 国产精品偷伦视频观看了| 成人影院久久| 国产乱来视频区| 国产不卡av网站在线观看| 男的添女的下面高潮视频| 日韩av免费高清视频| 大香蕉97超碰在线| 在线观看免费视频网站a站| 男女下面插进去视频免费观看 | 韩国av在线不卡| 欧美变态另类bdsm刘玥| 一区二区三区精品91| 制服人妻中文乱码| 女人被躁到高潮嗷嗷叫费观| 亚洲国产日韩一区二区| 久久久久精品久久久久真实原创| 日日摸夜夜添夜夜爱| 18禁动态无遮挡网站| 亚洲在久久综合| 波多野结衣一区麻豆| 综合色丁香网| 香蕉精品网在线| 日本黄色日本黄色录像| 菩萨蛮人人尽说江南好唐韦庄| 美女福利国产在线| 国产色爽女视频免费观看| 一级毛片黄色毛片免费观看视频| 一级片'在线观看视频| 国产精品一区www在线观看| 亚洲精品久久成人aⅴ小说| 91午夜精品亚洲一区二区三区| 欧美另类一区| 人妻系列 视频| 亚洲欧美成人精品一区二区| 精品国产乱码久久久久久小说| 国产1区2区3区精品| 免费黄网站久久成人精品| 90打野战视频偷拍视频| 国产成人免费观看mmmm| 亚洲国产精品成人久久小说| 色5月婷婷丁香| 如日韩欧美国产精品一区二区三区| 校园人妻丝袜中文字幕| 久久精品国产a三级三级三级| 99精国产麻豆久久婷婷| 日本猛色少妇xxxxx猛交久久| 水蜜桃什么品种好| 久久亚洲国产成人精品v| 亚洲色图 男人天堂 中文字幕 | 久久久精品免费免费高清| 久久免费观看电影| 日本爱情动作片www.在线观看| 久久久久久久国产电影| 久久国产精品大桥未久av| 成人国产av品久久久| 色吧在线观看| 老司机影院成人| h视频一区二区三区| 亚洲精品视频女| 两个人看的免费小视频| 天天躁夜夜躁狠狠躁躁| 免费女性裸体啪啪无遮挡网站| xxx大片免费视频| 国产 精品1| 亚洲精华国产精华液的使用体验| 亚洲av成人精品一二三区| 咕卡用的链子| 赤兔流量卡办理| 欧美精品一区二区免费开放| 国产成人a∨麻豆精品| 91成人精品电影| 人成视频在线观看免费观看| 亚洲av电影在线观看一区二区三区| 欧美3d第一页| 你懂的网址亚洲精品在线观看| 亚洲内射少妇av| a级毛色黄片| 不卡视频在线观看欧美| av片东京热男人的天堂| 水蜜桃什么品种好| 国产精品.久久久| 十分钟在线观看高清视频www| 亚洲精品日本国产第一区| 两个人免费观看高清视频| 免费人妻精品一区二区三区视频| 少妇猛男粗大的猛烈进出视频| 十八禁高潮呻吟视频| 亚洲欧美精品自产自拍| 综合色丁香网| 国产日韩欧美在线精品| 香蕉国产在线看| 卡戴珊不雅视频在线播放| 新久久久久国产一级毛片| 国产福利在线免费观看视频| 久久99热这里只频精品6学生| 国产在线一区二区三区精| 男女免费视频国产| 青青草视频在线视频观看| 熟妇人妻不卡中文字幕| 中文天堂在线官网| 毛片一级片免费看久久久久| 久久精品aⅴ一区二区三区四区 | 亚洲av福利一区| 秋霞在线观看毛片| 日韩熟女老妇一区二区性免费视频| 爱豆传媒免费全集在线观看| 国产一级毛片在线| 高清黄色对白视频在线免费看| 成人影院久久| 乱人伦中国视频| 成人毛片a级毛片在线播放| 亚洲av电影在线观看一区二区三区| 精品99又大又爽又粗少妇毛片| 99视频精品全部免费 在线| 亚洲内射少妇av| 亚洲精品中文字幕在线视频| 亚洲一码二码三码区别大吗| 亚洲精品av麻豆狂野| tube8黄色片| 国产精品国产三级专区第一集| 午夜福利视频精品| 欧美97在线视频| 久久99精品国语久久久| 99久久精品国产国产毛片| 国产又色又爽无遮挡免| 色婷婷av一区二区三区视频| 国产精品一二三区在线看| 亚洲人成77777在线视频| 久久人人爽人人爽人人片va| 亚洲精品中文字幕在线视频| 亚洲av欧美aⅴ国产| 天堂8中文在线网| 国产亚洲精品第一综合不卡 | 亚洲国产成人一精品久久久| 男女啪啪激烈高潮av片| 免费观看性生交大片5| 国产亚洲av片在线观看秒播厂| 天天躁夜夜躁狠狠久久av| 国产av国产精品国产| 午夜影院在线不卡| 美女主播在线视频| 久久久久精品性色| 老司机影院毛片| 多毛熟女@视频| 国产欧美日韩一区二区三区在线| 日韩av不卡免费在线播放| 久久国产亚洲av麻豆专区| 亚洲第一av免费看| 亚洲熟女精品中文字幕| 狂野欧美激情性bbbbbb| 99视频精品全部免费 在线| 搡老乐熟女国产| 亚洲图色成人| 亚洲激情五月婷婷啪啪| 一区二区三区乱码不卡18| 国产又色又爽无遮挡免| 亚洲av.av天堂| 三级国产精品片| 熟女电影av网| 久久久久久久精品精品| 午夜免费观看性视频| 国产极品粉嫩免费观看在线| 国产精品一区www在线观看| 黄色配什么色好看| 国产亚洲最大av| 亚洲国产精品国产精品| 亚洲精品久久久久久婷婷小说| 亚洲高清免费不卡视频| 十八禁网站网址无遮挡| 精品一区在线观看国产| 在线观看一区二区三区激情| 日韩不卡一区二区三区视频在线| 国产精品一区www在线观看| 女性生殖器流出的白浆| 久久热在线av| 免费少妇av软件| 免费观看a级毛片全部| 国产精品嫩草影院av在线观看| 久久久久久久久久成人| 多毛熟女@视频| 亚洲国产精品国产精品| 中文字幕人妻熟女乱码| 久久99热6这里只有精品| 免费女性裸体啪啪无遮挡网站| 人人妻人人添人人爽欧美一区卜| av视频免费观看在线观看| 日本vs欧美在线观看视频| 国产精品一二三区在线看| 免费观看在线日韩| 美女内射精品一级片tv| 精品少妇黑人巨大在线播放| 在线观看三级黄色| 乱码一卡2卡4卡精品| 久久99蜜桃精品久久| 99久国产av精品国产电影| 国产探花极品一区二区| 2018国产大陆天天弄谢| 又黄又爽又刺激的免费视频.| 国产一区二区三区av在线| av不卡在线播放| 国产在线免费精品| 天堂8中文在线网| 青春草视频在线免费观看| 精品国产乱码久久久久久小说| 久久精品夜色国产| 免费女性裸体啪啪无遮挡网站| 久久精品久久精品一区二区三区| 80岁老熟妇乱子伦牲交| 国产国拍精品亚洲av在线观看| 中文字幕亚洲精品专区| 香蕉国产在线看| 欧美日韩av久久| 久久久久久久久久久免费av| 美女xxoo啪啪120秒动态图| 亚洲第一av免费看| 国产麻豆69| 婷婷色av中文字幕| 国产精品国产三级专区第一集| 日本欧美国产在线视频| 老司机影院毛片| 国产成人av激情在线播放| 亚洲丝袜综合中文字幕| 亚洲精品乱久久久久久| 极品少妇高潮喷水抽搐| 亚洲欧美成人综合另类久久久| 99热这里只有是精品在线观看| 大话2 男鬼变身卡| 国产亚洲精品久久久com| 五月开心婷婷网| 久久影院123| 天天影视国产精品| 一级毛片 在线播放| 美女视频免费永久观看网站| av在线观看视频网站免费| a级毛片黄视频| 99视频精品全部免费 在线| 啦啦啦中文免费视频观看日本| 久久久欧美国产精品| av免费在线看不卡| 日韩制服丝袜自拍偷拍| 少妇被粗大猛烈的视频| 婷婷成人精品国产| 免费高清在线观看视频在线观看| 97精品久久久久久久久久精品| 精品熟女少妇av免费看| 午夜福利视频精品| 少妇高潮的动态图| 免费观看无遮挡的男女| www.av在线官网国产| 中国国产av一级| 秋霞伦理黄片| 大片电影免费在线观看免费| 涩涩av久久男人的天堂| 七月丁香在线播放| 国产乱人偷精品视频| 欧美人与性动交α欧美精品济南到 | 在线观看三级黄色| 乱码一卡2卡4卡精品| 日韩不卡一区二区三区视频在线| 国产爽快片一区二区三区| 香蕉国产在线看| 少妇熟女欧美另类| 亚洲精品久久久久久婷婷小说| 国产精品久久久久久精品电影小说| 国产熟女欧美一区二区| 美国免费a级毛片| 久久女婷五月综合色啪小说| 美女福利国产在线| 色94色欧美一区二区| 啦啦啦中文免费视频观看日本| 久久亚洲国产成人精品v| 黑人猛操日本美女一级片| 欧美精品高潮呻吟av久久| 菩萨蛮人人尽说江南好唐韦庄| 如何舔出高潮| 国产精品一国产av| a级毛色黄片| 亚洲av中文av极速乱| 亚洲国产色片| 伊人亚洲综合成人网| 老司机亚洲免费影院| 香蕉丝袜av| 热re99久久国产66热| 久久精品国产亚洲av涩爱| 成人漫画全彩无遮挡| 80岁老熟妇乱子伦牲交| 91久久精品国产一区二区三区| 青春草视频在线免费观看| 亚洲一级一片aⅴ在线观看| 自线自在国产av| 久久精品国产自在天天线| 美女视频免费永久观看网站| 美女主播在线视频| 久久久久久久国产电影| 少妇人妻 视频| 狠狠精品人妻久久久久久综合| 国产精品无大码| 韩国高清视频一区二区三区| 亚洲美女黄色视频免费看| 在线免费观看不下载黄p国产| 成人毛片60女人毛片免费| 欧美 亚洲 国产 日韩一| 黑丝袜美女国产一区| 少妇猛男粗大的猛烈进出视频| 国产欧美亚洲国产| 久久 成人 亚洲| 国产欧美亚洲国产| 亚洲 欧美一区二区三区| 精品人妻熟女毛片av久久网站| 欧美日韩视频高清一区二区三区二| 亚洲欧美成人精品一区二区| 亚洲情色 制服丝袜| 97超碰精品成人国产| 国产成人精品福利久久| 少妇猛男粗大的猛烈进出视频| 国产一区二区激情短视频 | 女的被弄到高潮叫床怎么办| 欧美日韩精品成人综合77777| 欧美亚洲日本最大视频资源| 69精品国产乱码久久久| 狠狠精品人妻久久久久久综合| 久久精品国产自在天天线| 欧美日韩亚洲高清精品| 精品国产一区二区久久| 高清在线视频一区二区三区| 爱豆传媒免费全集在线观看| 日韩电影二区| 黑人猛操日本美女一级片| 欧美变态另类bdsm刘玥| 亚洲情色 制服丝袜| 高清视频免费观看一区二区| 亚洲精品久久午夜乱码| 十八禁网站网址无遮挡| 美女福利国产在线| 免费av不卡在线播放| 精品卡一卡二卡四卡免费| 国产高清不卡午夜福利| 在线观看国产h片| 欧美精品高潮呻吟av久久| 成人黄色视频免费在线看| 亚洲综合精品二区| 久久精品aⅴ一区二区三区四区 | 日韩电影二区| av福利片在线| 老司机影院成人| 成人免费观看视频高清| 丰满乱子伦码专区| av线在线观看网站| 18在线观看网站| 色婷婷久久久亚洲欧美| 女性生殖器流出的白浆| 久久久久人妻精品一区果冻| 亚洲欧美色中文字幕在线| 日韩伦理黄色片| 日韩一区二区三区影片| 欧美日韩一区二区视频在线观看视频在线| 精品少妇久久久久久888优播| 久久精品aⅴ一区二区三区四区 | 1024视频免费在线观看| av不卡在线播放| 亚洲精品美女久久av网站| 亚洲,一卡二卡三卡| videosex国产| 一本久久精品| 国产成人精品无人区| 最近2019中文字幕mv第一页| 国产黄频视频在线观看| 久久久久久久国产电影| 亚洲一级一片aⅴ在线观看| 久久国产精品男人的天堂亚洲 | 不卡视频在线观看欧美| 91精品国产国语对白视频| 色网站视频免费| 一本大道久久a久久精品| 久久99一区二区三区| 亚洲欧美一区二区三区国产| 如日韩欧美国产精品一区二区三区| 中文字幕制服av| 精品久久久久久电影网| 欧美97在线视频| 激情五月婷婷亚洲| 亚洲性久久影院| 亚洲精品av麻豆狂野| 夫妻性生交免费视频一级片| 久久久久网色| 日本与韩国留学比较| 久久久久久久大尺度免费视频| 极品人妻少妇av视频| 国产精品久久久av美女十八| 91久久精品国产一区二区三区| 99久久人妻综合| 2022亚洲国产成人精品| 女的被弄到高潮叫床怎么办| 十分钟在线观看高清视频www| 青春草视频在线免费观看| 精品一区在线观看国产| 国产欧美亚洲国产| 中文字幕精品免费在线观看视频 | 美女视频免费永久观看网站| 亚洲综合色惰| 久久这里有精品视频免费| 精品第一国产精品| 人人妻人人澡人人爽人人夜夜| 婷婷色综合www| 精品人妻偷拍中文字幕| 在线观看www视频免费| 精品国产乱码久久久久久小说| 精品亚洲成a人片在线观看| 久久久国产一区二区| 日韩成人伦理影院| 亚洲婷婷狠狠爱综合网| 人成视频在线观看免费观看| 超碰97精品在线观看| 草草在线视频免费看| 国产又爽黄色视频| 精品第一国产精品| 波野结衣二区三区在线| 美女国产高潮福利片在线看| 如日韩欧美国产精品一区二区三区| 乱人伦中国视频| 久久人人爽人人爽人人片va| 伦精品一区二区三区| 99久久综合免费| 男女下面插进去视频免费观看 | 亚洲国产精品专区欧美| 久久狼人影院| 日本av手机在线免费观看| 90打野战视频偷拍视频| 欧美日韩av久久| 亚洲色图 男人天堂 中文字幕 | 欧美人与性动交α欧美精品济南到 | 秋霞在线观看毛片| 最新中文字幕久久久久| 国产色婷婷99| 欧美日韩视频高清一区二区三区二| 免费高清在线观看日韩| 亚洲欧美一区二区三区国产| 精品国产乱码久久久久久小说| 国产高清三级在线| 成人影院久久| 亚洲人成77777在线视频| 久久久久精品性色| 日韩中字成人| 男人添女人高潮全过程视频| 国产成人av激情在线播放| 最近中文字幕2019免费版| 国产精品99久久99久久久不卡 | 亚洲一区二区三区欧美精品| 午夜精品国产一区二区电影| 亚洲综合色网址| 亚洲,欧美,日韩| 久久精品国产综合久久久 | 国产精品蜜桃在线观看| 精品久久蜜臀av无| 欧美激情国产日韩精品一区| 夜夜骑夜夜射夜夜干| 免费高清在线观看视频在线观看| 亚洲伊人色综图| 国产男女内射视频| 久久久久精品人妻al黑| 亚洲av免费高清在线观看| 黄片无遮挡物在线观看| 免费黄频网站在线观看国产| 国产日韩一区二区三区精品不卡| 大陆偷拍与自拍| 久久久久精品性色| 日韩伦理黄色片| 久久精品熟女亚洲av麻豆精品| 日韩成人av中文字幕在线观看| 中文字幕另类日韩欧美亚洲嫩草| 国产乱来视频区| 亚洲综合色惰| 国产精品不卡视频一区二区| 一区二区三区乱码不卡18| 2022亚洲国产成人精品| 十八禁高潮呻吟视频| av一本久久久久| 亚洲av电影在线进入| 最近2019中文字幕mv第一页| 少妇人妻 视频| 国产av一区二区精品久久| 午夜福利视频精品| 亚洲激情五月婷婷啪啪| 久久精品国产鲁丝片午夜精品| 激情五月婷婷亚洲| 国产男女超爽视频在线观看| 欧美成人午夜精品| av免费在线看不卡| 人人妻人人爽人人添夜夜欢视频| 国产精品久久久久成人av| 欧美精品一区二区免费开放| 欧美精品高潮呻吟av久久| 在线观看美女被高潮喷水网站| 欧美日韩一区二区视频在线观看视频在线| 性色av一级| 爱豆传媒免费全集在线观看| 在线精品无人区一区二区三| 亚洲精品国产av成人精品| 街头女战士在线观看网站| 又黄又爽又刺激的免费视频.| 免费大片18禁| 免费女性裸体啪啪无遮挡网站| 妹子高潮喷水视频| 日日摸夜夜添夜夜爱| 伊人亚洲综合成人网| 自线自在国产av| 国产视频首页在线观看| 九九在线视频观看精品| 激情视频va一区二区三区| 亚洲精品色激情综合| 免费看光身美女| 9热在线视频观看99| 亚洲美女视频黄频| 国产精品国产av在线观看| 18禁在线无遮挡免费观看视频| 国产极品天堂在线| 久久久国产欧美日韩av| 日本爱情动作片www.在线观看| 午夜福利网站1000一区二区三区| 成年av动漫网址| 国产视频首页在线观看| 全区人妻精品视频| 美女视频免费永久观看网站| 有码 亚洲区| 亚洲人成77777在线视频| 黄网站色视频无遮挡免费观看| 亚洲精品乱久久久久久| 国产一区二区三区综合在线观看 | 国产一区二区三区av在线| 精品一区二区三卡| 男男h啪啪无遮挡| 蜜臀久久99精品久久宅男| 又黄又爽又刺激的免费视频.| av国产精品久久久久影院| 天天躁夜夜躁狠狠久久av| 精品人妻一区二区三区麻豆| 欧美日韩视频高清一区二区三区二| 国产福利在线免费观看视频| 自线自在国产av| 丰满迷人的少妇在线观看| av.在线天堂| 热re99久久精品国产66热6| 午夜激情久久久久久久| 国产成人精品在线电影| 韩国高清视频一区二区三区| 国产成人精品婷婷| 人人妻人人澡人人爽人人夜夜| 韩国高清视频一区二区三区| 久久久国产一区二区| 欧美最新免费一区二区三区| 妹子高潮喷水视频| 国产激情久久老熟女| 99国产综合亚洲精品| 亚洲国产欧美日韩在线播放| 欧美国产精品一级二级三级| 在线天堂最新版资源| 黄色 视频免费看| 国产片内射在线| 天堂中文最新版在线下载|