• <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 ?

    基于深度學(xué)習(xí)的兩階段細(xì)粒度車輛檢索算法

    2022-11-07 10:49:20江昆鵬閆洪濤張慶輝楊紅衛(wèi)
    計算機(jī)應(yīng)用與軟件 2022年10期
    關(guān)鍵詞:特征區(qū)域

    江昆鵬 閆洪濤 張慶輝 楊紅衛(wèi)

    1(河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院 河南 鄭州 450001) 2(河南工業(yè)技師學(xué)院 河南 鄭州 450007)

    0 引 言

    隨著我國社會經(jīng)濟(jì)的發(fā)展,越來越多的人擁有了自己的私家車,導(dǎo)致我國汽車保有量呈爆炸式增長,因此開發(fā)出一款車輛檢索系統(tǒng)具有重要的現(xiàn)實(shí)意義。此外在道路安全監(jiān)控方面,公安交通系統(tǒng)數(shù)據(jù)庫中保存有大量車輛圖像,依據(jù)車輛外觀進(jìn)行圖像檢索將有利于刑事案件的偵破。

    圖像檢索是計算機(jī)視覺領(lǐng)域里一個長期研究的課題,基于內(nèi)容的圖像檢索任務(wù)早在20世紀(jì)90年代就已經(jīng)開始。2003年Sivic等[1]提出了詞包(Bag of Words,BoW)模型,該模型主要利用了尺度不變特征轉(zhuǎn)換(Scale-invariant feature transform,SIFT)[2]算法,從此以后,計算機(jī)領(lǐng)域內(nèi)的專家學(xué)者共同見證了十多年來BoW模型對圖像檢索的重要性,并對算法進(jìn)行了許多次改進(jìn)。直到2012年Krizhevsky 等[3]提出了深層卷積神經(jīng)網(wǎng)絡(luò)模型AlexNet,并在ImageNet挑戰(zhàn)賽中獲得了冠軍,引起了學(xué)術(shù)界的廣泛關(guān)注,圖像檢索的研究重心開始轉(zhuǎn)向深度學(xué)習(xí)。直到今天基于SIFT的圖像檢索技術(shù)仍在發(fā)展,但基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索技術(shù)已經(jīng)成為主流?;诰矸e神經(jīng)網(wǎng)絡(luò)的圖像檢索技術(shù)大體分為三類,基于預(yù)訓(xùn)練的模型[4]、基于微調(diào)的模型[5]和混合模型[6]。前兩者基于單網(wǎng)絡(luò)傳輸,后者則基于多網(wǎng)絡(luò)傳輸[7]。然而,這些方法中大部分直接使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了特征提取,而沒有評估所獲得特征的有效性。

    細(xì)粒度圖像檢索是圖像檢索領(lǐng)域的一個重要分支,不同于基于內(nèi)容的圖像檢索任務(wù)?;趦?nèi)容的圖像檢索主要針對圖像內(nèi)容的相似性進(jìn)行檢索,而細(xì)粒度圖像檢索是對主類別下的子類別進(jìn)行檢索(例如對寶馬品牌下不同型號車輛的檢索),由于子類別之間的差異往往是細(xì)微的,因而細(xì)粒度檢索難度更大。實(shí)驗(yàn)表明目前大部分的圖像檢索算法在細(xì)粒度圖像檢索任務(wù)上效果不佳。

    與解決細(xì)粒度分類任務(wù)提出的方法數(shù)量相比,解決細(xì)粒度圖像檢索任務(wù)的方法則要少得多。Wang等[8]提出利用深度排序去學(xué)習(xí)細(xì)粒度圖像間的相似性,然而這需要對圖像進(jìn)行標(biāo)注,不利于大規(guī)模圖像檢索。Wei等[9]提出一種無監(jiān)督細(xì)粒度圖像檢索方法,通過對主要目標(biāo)的定位,排除掉了無關(guān)信息的干擾,生成具有判別力的特征描述子,但該方法在車輛檢索方面效果不理想。Ahmad等[10]提出了一種基于對象的圖像檢索方法,通過設(shè)置閾值去除了無效的特征信息,并采用了哈希方法進(jìn)行了大規(guī)模圖像檢索。

    以上方法主要是對全局特征的相似度進(jìn)行比較,隨著檢索類別數(shù)量的增多,檢索效果會變得不理想。為了解決這種問題,本文利用Faster R-CNN[11]對目標(biāo)區(qū)域進(jìn)行定位和類別判斷,并結(jié)合這兩項(xiàng)數(shù)據(jù)結(jié)果進(jìn)行二次檢索。本文方法首先對全局特征描述子進(jìn)行檢索,再利用局部特征描述子和類別得分對圖像進(jìn)行二次檢索。實(shí)驗(yàn)結(jié)果證明該方法在主流細(xì)粒度車輛數(shù)據(jù)集中取得了較好的檢索效果。

    1 方 法

    為實(shí)現(xiàn)對車輛圖像的檢索任務(wù),本文提出了一種兩階段圖像檢索方法,該方法的整體網(wǎng)絡(luò)框架如圖1所示,首先對預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行微調(diào),在“Pool6”層設(shè)置閾值t,選擇包含有效激活區(qū)域的特征。然后進(jìn)行第一階段檢索,通過GeM pooling[12]將特征聚合為全局特征描述子,對全局特征描述子進(jìn)行降維與白化操作,再根據(jù)歐氏距離方法進(jìn)行初次檢索;第二階段采用Faster R-CNN網(wǎng)絡(luò)模型對第一階段排序結(jié)果中的圖像進(jìn)行目標(biāo)區(qū)域定位和類別預(yù)測,將具有相同類別目標(biāo)區(qū)域的特征描述子再次進(jìn)行歐氏距離相似性度量,并結(jié)合擴(kuò)展查詢,得到最終的檢索結(jié)果。

    1.1 有效特征選擇

    2015年牛津大學(xué)的Simonyan等[13]提出了VGG-Net,該模型的網(wǎng)絡(luò)深度為16到19層,有兩種類型,即VGG-16和VGG-19。VGG-16由13個卷積層和3個全連接組成,包含512個通道,輸入圖像被表示為一個W×H×512的3維張量。在512個通道中隨機(jī)選取一些特征圖,并將特征圖疊加在原始圖像上,以便獲得更好的可視化效果,從圖2中可以發(fā)現(xiàn),采樣的特征圖中激活區(qū)域(圖中高亮部分)有的(如圖2(c)和圖2(d))在車輛上,有的則在背景中(如圖2(a)和圖2(b)),這說明了并非所有特征都是有效的,單個通道最多只包含弱語義信息,因此選擇和使用有用的特征是十分必要的。

    選擇有效的特征有兩個重要目的:首先,可以消除不相關(guān)的特征,利用有效的特征來表示對象;其次,去除不相關(guān)的特征可以降低背景在圖像表示過程中的影響。Pool5層是VGG-16模型中最后一個最大池化層,通過調(diào)整Pool5輸出特征圖的尺寸為6×6,發(fā)現(xiàn)在車輛特定部位產(chǎn)生了不同程度的激活。為了選擇有效的特征,Ahmad等[10]通過計算每幅特征圖的平均激活值,利用空利用指數(shù),設(shè)置閾值t,對小于閾值的特征圖進(jìn)行保留,從而消除了那些對大多數(shù)圖像沒有強(qiáng)烈反應(yīng)或產(chǎn)生空激活的特征圖,保留的特征圖表現(xiàn)出了對目標(biāo)物體的極大關(guān)注度,該方法可以在不降低VGG-16性能的情況下選擇出有效的特征。

    1.2 特征聚合池化方法

    經(jīng)過預(yù)訓(xùn)練模型提取的特征是一組局部特征,為了將其聚合為全局特征描述子,方便進(jìn)行相似性度量,目前主流的方法是進(jìn)行池化操作。常用的池化方法包括全局最大池化(Global Max Pooling)、全局平均池化(Global Average Pooling)。全局最大池化能更好地凸顯個體的激活信息,而損失了整體信息,全局平均池化則剛好相反,對特征圖的整體信息進(jìn)行保留,而弱化了個體信息。

    通過預(yù)訓(xùn)練模型輸出一個W×H×K的3維張量R,其中K是最后一層卷積層產(chǎn)生特征圖的數(shù)量,Rk為特征圖k∈{1,2,…,K}對應(yīng)W×H的激活集合。特征聚合池化采用R作為輸入并以向量f作為輸出,向量f的全局最大池化和全局平均池化分別表示如下:

    全局最大池化:

    (1)

    全局平均池化:

    (2)

    廣義平均池化(Generalized Mean Pooling,GeM pooling)[12]結(jié)合了全局最大池化和全局平均池化方法,其優(yōu)點(diǎn)是可以通過訓(xùn)練進(jìn)行優(yōu)化,如式(3)所示。

    (3)

    式中:pk是可微的,其值可以手動設(shè)置也可通過訓(xùn)練獲得,當(dāng)pk趨于無窮大時效果等同于全局最大池化效果,當(dāng)pk等于1時,則和全局平均池化效果相同。

    在對預(yù)訓(xùn)練模型提取的特征進(jìn)行廣義平均池化后,需要對向量f進(jìn)行2范數(shù)[14]歸一化操作,以便使得圖像之間的相似性可以通過內(nèi)積來度量,GeM向量對應(yīng)于被2范數(shù)歸一化的f向量,構(gòu)成了圖像的全局特征描述子,為初次檢索做準(zhǔn)備。

    1.3 全局特征描述子降維與白化

    對高維數(shù)據(jù)進(jìn)行操作是一件困難的事,許多可以在低維數(shù)據(jù)中進(jìn)行的操作無法在高維數(shù)據(jù)上實(shí)現(xiàn)。在提取數(shù)據(jù)庫中所有圖像的全局特征描述子時,會產(chǎn)生大量的計算和內(nèi)存消耗,這就需要對全局特征描述子進(jìn)行主成分分析(Principal Component Analysis,PCA)降維和白化處理[15]。

    PCA是一種常用的特征降維方法,其主要優(yōu)點(diǎn)是降低數(shù)據(jù)的復(fù)雜性,只保留重要信息。PCA的工作原理是首先找出數(shù)據(jù)方差最大方向作為第一個主成分坐標(biāo)軸,接著找出數(shù)據(jù)方差次大方向且與第一主成分方向正交的坐標(biāo)軸作為第二主成分方向,以此類推找出所有主成分方向,然后通過數(shù)據(jù)集的協(xié)方差矩陣計算出主成分的特征值和特征向量,保留最大的a個特征,從而將維度降為a維特征向量。然后對a維向量進(jìn)行白化處理得到最終的全局特征描述子。

    PAC降維與白化操作降低了特征的冗余度和特征間的相關(guān)性,能夠有效提高檢索效率。

    1.4 相似性度量和查詢擴(kuò)展

    歐氏距離是指在N維空間中兩個向量之間的絕對距離,其形式簡單,是一種常用的向量相似性度量方法。本文以歐氏距離對GeM pooling產(chǎn)生的全局特征描述子進(jìn)行相似性度量,兩個特征向量x∈(x1,xi),y∈(y1,yn)之間距離可表示為:

    (4)

    為進(jìn)一步提高檢索精度,本文增加了擴(kuò)展查詢(Query Expansion,QE)[16]功能,QE是一種常用的圖像檢索方法,該方法借鑒于對文本的檢索案例。在進(jìn)行擴(kuò)展查詢之前通過計算查詢圖像特征描述子與數(shù)據(jù)庫中圖像特征描述子之間的歐氏距離,得到數(shù)據(jù)庫中排名前k個圖像的特征描述子,在擴(kuò)展查詢時對這k個特征描述子進(jìn)行均值求和并重新歸一化得到新的特征描述子,將新的特征描述子同數(shù)據(jù)庫中的特征描述子再進(jìn)行一次歐氏距離度量,得到最終的檢索結(jié)果。擴(kuò)展查詢使得特征變得更為豐富,通過兩次空間驗(yàn)證提高了查詢精度。

    1.5 重排序

    區(qū)域建議網(wǎng)絡(luò)(Region Proposal Network,RPN)是Faster R-CNN的重要組成部件,經(jīng)常被用在計算機(jī)視覺領(lǐng)域。RPN是一種全卷積神經(jīng)網(wǎng)絡(luò)(FCN),F(xiàn)CN沒有全連接層,對輸入的不同尺寸圖像經(jīng)過一次全卷積操作就可以得到多個區(qū)域的特征。RPN替代了選擇搜索(Selective search)形式的候選區(qū)域生成方式,采用了滑動窗口在特征圖上進(jìn)行滑動并產(chǎn)生多尺度的錨(anchor),然后通過分類層判斷目標(biāo)區(qū)域類別,并通過邊界回歸層得到目標(biāo)位置。

    在訓(xùn)練RPN過程中,給每個候選區(qū)域都分配了一個二值標(biāo)簽用以判別是否是目標(biāo)區(qū)域,對以下兩類候選區(qū)域配以正標(biāo)簽:(1) 與目標(biāo)區(qū)域有最大交并比值(Intersection-over-Union,IoU)(即兩個區(qū)域的交集和并集之比)的候選區(qū)域;(2) 與目標(biāo)區(qū)域的交并比值大于0.7的候選區(qū)域。而與所有目標(biāo)區(qū)域的交并比值低于0.3的候選框配負(fù)標(biāo)簽,其他情況的一律舍棄。RPN的損失函數(shù)由分類損失函數(shù)和邊界回歸損失函數(shù)組成,損失函數(shù)定義為:

    (5)

    待檢測圖像和其特征圖在位置上存在一定的對應(yīng)關(guān)系,把待檢測圖像中目標(biāo)區(qū)域映射到特征圖中的過程稱為感興趣區(qū)域(RoI)映射,該過程在感興趣區(qū)域池化層(RoI pooling layer)中完成。由于全連接層需要固定尺度的特征圖進(jìn)行訓(xùn)練,而RoI Pooling能將不同尺寸的輸入圖像以固定維度的特征向量輸出,所以RoI Pooling可以很好地將RPN產(chǎn)生的不同尺度錨縮放到固定尺度,然后傳入到全連接層中進(jìn)行目標(biāo)定位和類別預(yù)測操作。

    在對查詢圖像中目標(biāo)車輛的類別進(jìn)行預(yù)測前,需要對Faster R-CNN進(jìn)行微調(diào),將數(shù)據(jù)集所包含的類別作為可預(yù)測范圍。重排序首先將待查詢圖像和初次檢索圖像的特征圖送入RPN中產(chǎn)生候選框,經(jīng)過非極大值抑制法去除掉無關(guān)的候選框,對每個候選框進(jìn)行ROI pooling操作后送入全連接層,在全連接層中預(yù)測車輛所屬類別,并獲得該類別車輛的目標(biāo)區(qū)域。重排序過程首先對目標(biāo)區(qū)域做全局最大值池化操作,得到目標(biāo)區(qū)域的特征描述子,然后將初次檢索的圖像類別和查詢類別相同的目標(biāo)區(qū)域進(jìn)行二次歐氏距離計算,并結(jié)合擴(kuò)展查詢得到最終的排序結(jié)果,作為檢索結(jié)果按順序輸出。

    2 實(shí) 驗(yàn)

    本文實(shí)驗(yàn)在Caffe深度學(xué)習(xí)框架上進(jìn)行,操作系統(tǒng)使用的是Ubuntu 16.04,顯卡采用8 GB內(nèi)存的Nvidia GeForce RTX 2080,CPU為英特爾Core i7- 8700K六核,內(nèi)存為16 GB。數(shù)據(jù)集采用CompCars Dataset[17]和Stanford Cars[18]。

    實(shí)驗(yàn)分別在Stanford Cars和CompCars Dataset數(shù)據(jù)集上進(jìn)行,Stanford Cars數(shù)據(jù)集是計算機(jī)視覺領(lǐng)域常用的細(xì)粒度車輛數(shù)據(jù)集,其中包含196個車型類別共計16 850幅圖像,標(biāo)注有汽車的品牌、型號、生產(chǎn)年份信息和位置邊框信息。CompCars Dataset數(shù)據(jù)集包含50 000幅監(jiān)控圖像,都是從車輛正前方拍攝,其中有281種不同類別型號的車輛。

    2.1 各車輛數(shù)據(jù)集實(shí)驗(yàn)結(jié)果

    實(shí)驗(yàn)采用預(yù)訓(xùn)練模型VGG-16進(jìn)行提取特征,將GeM pooling的pk設(shè)置為固定值3,并依據(jù)數(shù)據(jù)集的特點(diǎn)對Faster R-CNN模型進(jìn)行了微調(diào)。本文采用mAP(Mean Average Precision)和precision@K(top K)進(jìn)行性能評估。

    2.2 Stanford Car數(shù)據(jù)集

    根據(jù)Stanford Car數(shù)據(jù)集的特點(diǎn),調(diào)整了Faster R-CNN中的輸出層,設(shè)置預(yù)測類別為197個(包括背景類別),從每個類別下抽出5幅用于測試,不參與訓(xùn)練過程。首先將查詢圖像通過GeM分支進(jìn)行初次檢索,將檢索結(jié)果進(jìn)行保存供重排序使用,圖3所示為初次檢索結(jié)果中的前8幅圖像,圖中左上角為查詢圖像,后面為查詢結(jié)果,按照相似度由大到小的順序從左到右從上到下依次排列,其中1、3、7、8位置為正確結(jié)果。然后,在初次查詢結(jié)果的基礎(chǔ)上進(jìn)行重排序檢索,作為最終的檢索結(jié)果輸出,重排序結(jié)果如圖4所示,1、2、3、4、5、7、8位置為正確結(jié)果,從實(shí)驗(yàn)結(jié)果中可以看出重排序?qū)z索精度的提高效果明顯。

    為了證明方法的先進(jìn)性,本文將算法與主流圖像檢索算法在Stanford Cars數(shù)據(jù)集上進(jìn)行檢索精度對比,Top1和Top5的mAP比較結(jié)果如表1所示。R-MAC[4]算法利用卷積神經(jīng)網(wǎng)絡(luò)提取圖像的局部特征,然后利用不同尺度的滑動窗口進(jìn)行Global Max Pooling操作將特征聚合為全局特征描述子,在多區(qū)域模式下,利用積分圖像和近似極大值算子可加快該過程。SPoC[19]算法利用sum pooling提取全局特征描述子,使用經(jīng)向基函數(shù)計算特征平面,但忽略了每個通道的權(quán)值,導(dǎo)致去噪效果不好。CroW算法[20]對CNN最后一個卷積層提取的特征添加了權(quán)重,并且對每個卷積通道也進(jìn)行加權(quán)處理,達(dá)到了較好的效果。SCDA算法[9]主要針對細(xì)粒度圖像檢索任務(wù),使用極大連通圖定位圖像中的物體,以去除背景噪聲,算法將全局最大池化和全局平均池化進(jìn)行了串聯(lián),在細(xì)粒度檢索上取得了不錯的效果。HLBP算法[21]利用多個卷積層特征的自相關(guān)和互相關(guān)性,有效融合了多層特征信息,提高了圖像檢索性能。CGD算法[22]組合了多個全局描述子,在端到端的方式進(jìn)行訓(xùn)練時,可以操作不同類型的特征屬性,獲得了比單個全局描述子更好的效果。

    表1 Stanford Cars數(shù)據(jù)集檢索mAP結(jié)果

    圖5顯示了在Stanford Cars數(shù)據(jù)集上precision@K(top K)的檢索精度比較,其中K分別取5、10、15、20、25,可以看出本文算法相比以往大部分算法在細(xì)粒度圖像檢索任務(wù)上的先進(jìn)性。

    2.3 CompCars Dataset數(shù)據(jù)集

    CompCars Dataset下包含有50 000幅車輛監(jiān)控圖像,全部在車輛正面拍攝,根據(jù)數(shù)據(jù)集中包含的車輛類別數(shù)量,將Faster R-CNN的預(yù)測類別設(shè)置為282個(包含背景類別),從每個類別下抽出5幅圖像用于查詢測試,不參與訓(xùn)練過程。如圖6所示為查詢結(jié)果,每行第一個為查詢圖像,后面為此按相似度排序最高的前四張圖像,第一行4和第二行3、4為查詢錯誤圖像。

    由于光照度影響,數(shù)據(jù)集中在夜間拍攝的車輛圖像沒有被檢索出來,這些圖像往往存在車輛輪廓無法辨認(rèn)的情況,影響了數(shù)據(jù)集整體的檢索效果。

    3 結(jié) 語

    本文提出了一種兩階段細(xì)粒度車輛圖像檢索算法,首先對預(yù)訓(xùn)練卷積模型進(jìn)行微調(diào),對提取的特征進(jìn)行篩選,排除無關(guān)的背景信息,然后在第一階段中利用generalized mean pooling對局部特征進(jìn)行聚合,獲得圖像的全局特征描述子,對全局描述子進(jìn)行PCA降維與白化處理,并使用歐氏距離法進(jìn)行初次檢索;第二階段利用Faster R-CNN的類別預(yù)測和定位功能,將查詢圖像與初次檢索圖像類別相同的目標(biāo)區(qū)域特征描述子之間再次進(jìn)行歐氏距離計算,最后結(jié)合擴(kuò)展查詢得到檢索結(jié)果。實(shí)驗(yàn)結(jié)果表明,本文方法相比以往的主流檢索方法在細(xì)粒度車輛圖像檢索準(zhǔn)確率上優(yōu)勢明顯。本文主要針對小規(guī)模、固定數(shù)量的數(shù)據(jù)集進(jìn)行檢索。針對交通系統(tǒng)的實(shí)時性、數(shù)據(jù)量大的特點(diǎn),利用大數(shù)據(jù)技術(shù)進(jìn)行存儲與檢索是今后的研究方向。

    猜你喜歡
    特征區(qū)域
    抓住特征巧觀察
    永久基本農(nóng)田集中區(qū)域“禁廢”
    分割區(qū)域
    新型冠狀病毒及其流行病學(xué)特征認(rèn)識
    如何表達(dá)“特征”
    不忠誠的四個特征
    抓住特征巧觀察
    關(guān)于四色猜想
    分區(qū)域
    基于嚴(yán)重區(qū)域的多PCC點(diǎn)暫降頻次估計
    電測與儀表(2015年5期)2015-04-09 11:30:52
    在线观看一区二区三区激情| 欧美日韩综合久久久久久| 午夜av观看不卡| 熟女av电影| 无限看片的www在线观看| 亚洲人成电影观看| 日韩 欧美 亚洲 中文字幕| 国产精品99久久99久久久不卡| 18在线观看网站| 狠狠婷婷综合久久久久久88av| 19禁男女啪啪无遮挡网站| 日韩熟女老妇一区二区性免费视频| 国产亚洲欧美在线一区二区| 国产在线免费精品| 久久天堂一区二区三区四区| 久久精品国产亚洲av涩爱| 亚洲久久久国产精品| 亚洲精品久久成人aⅴ小说| 精品视频人人做人人爽| 一区福利在线观看| 亚洲人成网站在线观看播放| 久久久精品免费免费高清| 国产伦理片在线播放av一区| 男女床上黄色一级片免费看| 捣出白浆h1v1| 看十八女毛片水多多多| 大陆偷拍与自拍| 狠狠婷婷综合久久久久久88av| 亚洲一码二码三码区别大吗| 欧美亚洲 丝袜 人妻 在线| 亚洲国产av影院在线观看| 一级片'在线观看视频| 高清av免费在线| 国产人伦9x9x在线观看| 国产高清videossex| 亚洲情色 制服丝袜| 久久人人爽av亚洲精品天堂| 脱女人内裤的视频| 9191精品国产免费久久| 免费在线观看视频国产中文字幕亚洲 | 免费久久久久久久精品成人欧美视频| 久久这里只有精品19| 欧美日韩福利视频一区二区| 亚洲av成人精品一二三区| 大香蕉久久成人网| 欧美激情极品国产一区二区三区| 精品一品国产午夜福利视频| 天天影视国产精品| 国产在视频线精品| 50天的宝宝边吃奶边哭怎么回事| 久久久久久亚洲精品国产蜜桃av| 少妇的丰满在线观看| 亚洲国产中文字幕在线视频| 国产亚洲午夜精品一区二区久久| 国产片内射在线| 亚洲国产精品一区三区| 黄片播放在线免费| 久久久久久久久免费视频了| 亚洲 欧美一区二区三区| netflix在线观看网站| 亚洲国产欧美网| 国产1区2区3区精品| 久久精品国产综合久久久| 美国免费a级毛片| 在线观看免费日韩欧美大片| 嫁个100分男人电影在线观看 | 色婷婷久久久亚洲欧美| 亚洲国产欧美网| 亚洲国产最新在线播放| 91九色精品人成在线观看| 好男人视频免费观看在线| 男男h啪啪无遮挡| av国产久精品久网站免费入址| 在线观看免费高清a一片| 精品国产国语对白av| 久久精品亚洲熟妇少妇任你| av电影中文网址| 老汉色∧v一级毛片| 国产又爽黄色视频| 亚洲精品美女久久久久99蜜臀 | 国产国语露脸激情在线看| 亚洲国产欧美在线一区| 国产男人的电影天堂91| 成人亚洲欧美一区二区av| 日韩一本色道免费dvd| 欧美精品一区二区免费开放| 操出白浆在线播放| 色婷婷av一区二区三区视频| 久久久国产一区二区| 丰满人妻熟妇乱又伦精品不卡| 久久热在线av| 精品一区二区三区av网在线观看 | 免费在线观看日本一区| 国产成人av激情在线播放| 午夜免费鲁丝| 亚洲一区中文字幕在线| 少妇粗大呻吟视频| 精品亚洲成a人片在线观看| 国产精品国产av在线观看| 国产精品九九99| 男女之事视频高清在线观看 | 激情五月婷婷亚洲| 脱女人内裤的视频| 黄色毛片三级朝国网站| 人妻人人澡人人爽人人| 欧美精品啪啪一区二区三区 | 各种免费的搞黄视频| 国产片内射在线| 亚洲av片天天在线观看| 男人爽女人下面视频在线观看| 妹子高潮喷水视频| 精品人妻1区二区| 男人添女人高潮全过程视频| 尾随美女入室| 免费高清在线观看日韩| 亚洲黑人精品在线| 免费看十八禁软件| 亚洲人成电影免费在线| 国产精品人妻久久久影院| 精品一区在线观看国产| 国产99久久九九免费精品| 亚洲午夜精品一区,二区,三区| 黄网站色视频无遮挡免费观看| 亚洲精品一区蜜桃| 尾随美女入室| 免费女性裸体啪啪无遮挡网站| 尾随美女入室| 久热这里只有精品99| 日本黄色日本黄色录像| 母亲3免费完整高清在线观看| 亚洲欧美成人综合另类久久久| 首页视频小说图片口味搜索 | h视频一区二区三区| 老汉色av国产亚洲站长工具| 久久人妻熟女aⅴ| 99精品久久久久人妻精品| 亚洲欧洲日产国产| 精品少妇内射三级| 欧美性长视频在线观看| 女人被躁到高潮嗷嗷叫费观| 国产亚洲精品第一综合不卡| 人妻 亚洲 视频| 欧美日韩亚洲综合一区二区三区_| 这个男人来自地球电影免费观看| 亚洲伊人久久精品综合| 大片电影免费在线观看免费| 精品一区二区三区av网在线观看 | 亚洲精品中文字幕在线视频| 一个人免费看片子| 久久鲁丝午夜福利片| 欧美精品人与动牲交sv欧美| 国产成人av教育| 日韩熟女老妇一区二区性免费视频| 天天添夜夜摸| 久久天躁狠狠躁夜夜2o2o | 伊人久久大香线蕉亚洲五| 国产午夜精品一二区理论片| 久久国产精品大桥未久av| 亚洲一区二区三区欧美精品| 日本vs欧美在线观看视频| 丰满人妻熟妇乱又伦精品不卡| 在线观看免费高清a一片| 国产亚洲av高清不卡| 极品少妇高潮喷水抽搐| 男女床上黄色一级片免费看| 性色av乱码一区二区三区2| 两性夫妻黄色片| 国产精品 欧美亚洲| 午夜福利影视在线免费观看| 男人舔女人的私密视频| 中文字幕亚洲精品专区| 日韩中文字幕欧美一区二区 | 亚洲av日韩精品久久久久久密 | videosex国产| 99re6热这里在线精品视频| 考比视频在线观看| 欧美精品高潮呻吟av久久| 三上悠亚av全集在线观看| 午夜两性在线视频| 国产精品99久久99久久久不卡| 女人爽到高潮嗷嗷叫在线视频| 黄片播放在线免费| 男女国产视频网站| 可以免费在线观看a视频的电影网站| 亚洲av成人精品一二三区| 亚洲人成电影免费在线| 免费观看a级毛片全部| 只有这里有精品99| 国产精品 国内视频| 亚洲一码二码三码区别大吗| 18禁裸乳无遮挡动漫免费视频| 成年女人毛片免费观看观看9 | 性少妇av在线| 我的亚洲天堂| 亚洲成人免费电影在线观看 | 精品欧美一区二区三区在线| 亚洲国产欧美网| 丰满饥渴人妻一区二区三| av欧美777| 国产成人精品无人区| 国产一区亚洲一区在线观看| 王馨瑶露胸无遮挡在线观看| 999久久久国产精品视频| 在线精品无人区一区二区三| 亚洲国产欧美一区二区综合| 精品久久蜜臀av无| 国产在视频线精品| 免费黄频网站在线观看国产| 国产有黄有色有爽视频| 菩萨蛮人人尽说江南好唐韦庄| 久久久久久久精品精品| 亚洲精品成人av观看孕妇| 国产又爽黄色视频| 满18在线观看网站| 久久久国产一区二区| av不卡在线播放| 亚洲av成人不卡在线观看播放网 | 在线观看免费视频网站a站| 国产成人精品久久久久久| 国产一区二区在线观看av| 黄色毛片三级朝国网站| 精品少妇一区二区三区视频日本电影| h视频一区二区三区| 成年美女黄网站色视频大全免费| 女人精品久久久久毛片| 亚洲欧美一区二区三区久久| 国产在线一区二区三区精| 深夜精品福利| 91国产中文字幕| 婷婷色综合www| 午夜免费成人在线视频| 五月开心婷婷网| 69精品国产乱码久久久| 精品一区二区三区av网在线观看 | 亚洲中文字幕日韩| 美女午夜性视频免费| 叶爱在线成人免费视频播放| 大话2 男鬼变身卡| 日韩大码丰满熟妇| 国产男女内射视频| 久久影院123| 欧美 亚洲 国产 日韩一| 亚洲国产毛片av蜜桃av| 丝袜美腿诱惑在线| 亚洲av成人精品一二三区| 99久久综合免费| 久久久久久久大尺度免费视频| 亚洲av美国av| 久久精品亚洲av国产电影网| 日本猛色少妇xxxxx猛交久久| 国产精品熟女久久久久浪| 波多野结衣av一区二区av| 一级毛片黄色毛片免费观看视频| 亚洲av男天堂| 美国免费a级毛片| 国产在线观看jvid| 亚洲欧美一区二区三区黑人| 中文字幕色久视频| 老司机深夜福利视频在线观看 | 久久国产精品男人的天堂亚洲| 成年美女黄网站色视频大全免费| 成年女人毛片免费观看观看9 | 一级毛片我不卡| 十八禁高潮呻吟视频| 欧美日韩综合久久久久久| e午夜精品久久久久久久| 日韩免费高清中文字幕av| 在线观看一区二区三区激情| 亚洲欧美精品自产自拍| av又黄又爽大尺度在线免费看| www日本在线高清视频| 亚洲图色成人| 欧美日韩亚洲综合一区二区三区_| 99热网站在线观看| 亚洲精品日本国产第一区| av视频免费观看在线观看| 久久久亚洲精品成人影院| 久久热在线av| 午夜视频精品福利| 岛国毛片在线播放| 亚洲欧美成人综合另类久久久| 好男人视频免费观看在线| 精品亚洲成a人片在线观看| 丝袜美腿诱惑在线| 自拍欧美九色日韩亚洲蝌蚪91| 手机成人av网站| 久久天堂一区二区三区四区| 丝袜人妻中文字幕| 欧美日韩视频高清一区二区三区二| 黄色 视频免费看| 看十八女毛片水多多多| 一级毛片 在线播放| 九色亚洲精品在线播放| kizo精华| 国产免费福利视频在线观看| 啦啦啦在线观看免费高清www| 狂野欧美激情性bbbbbb| 久久亚洲国产成人精品v| 99精品久久久久人妻精品| 真人做人爱边吃奶动态| 国产日韩欧美亚洲二区| 51午夜福利影视在线观看| 色综合欧美亚洲国产小说| 亚洲欧美日韩另类电影网站| 午夜福利,免费看| 日韩伦理黄色片| 亚洲欧美一区二区三区久久| 国产精品久久久av美女十八| 亚洲国产欧美一区二区综合| 丰满迷人的少妇在线观看| 一级黄色大片毛片| 1024香蕉在线观看| 国产精品成人在线| 人人妻人人添人人爽欧美一区卜| www.自偷自拍.com| 亚洲欧美精品自产自拍| 久久久久精品国产欧美久久久 | 久久精品国产综合久久久| 国产日韩欧美在线精品| 老鸭窝网址在线观看| 亚洲欧洲精品一区二区精品久久久| 久久久久久免费高清国产稀缺| 在线天堂中文资源库| 十分钟在线观看高清视频www| 国产片特级美女逼逼视频| 亚洲av美国av| 1024视频免费在线观看| 国产精品亚洲av一区麻豆| 成人国产av品久久久| 久久精品久久久久久久性| 你懂的网址亚洲精品在线观看| 在现免费观看毛片| 国产精品久久久久成人av| 亚洲欧美日韩另类电影网站| 丁香六月天网| 熟女av电影| 99精国产麻豆久久婷婷| 亚洲美女黄色视频免费看| 中文精品一卡2卡3卡4更新| 国产免费视频播放在线视频| a 毛片基地| 亚洲国产毛片av蜜桃av| 国产精品.久久久| 在线观看免费日韩欧美大片| 桃花免费在线播放| 国产99久久九九免费精品| 久久精品aⅴ一区二区三区四区| 欧美精品人与动牲交sv欧美| 91老司机精品| 亚洲国产成人一精品久久久| 亚洲av日韩在线播放| 黄片播放在线免费| 韩国精品一区二区三区| 在线看a的网站| 日本av手机在线免费观看| 人人妻,人人澡人人爽秒播 | xxxhd国产人妻xxx| 国产深夜福利视频在线观看| av网站免费在线观看视频| 亚洲精品久久午夜乱码| 亚洲欧美色中文字幕在线| 日本av免费视频播放| 日韩免费高清中文字幕av| 欧美人与善性xxx| 亚洲成国产人片在线观看| 精品少妇一区二区三区视频日本电影| 国产精品.久久久| 黄片播放在线免费| 久久精品熟女亚洲av麻豆精品| 国产成人av教育| 亚洲中文字幕日韩| 性色av乱码一区二区三区2| 黄色怎么调成土黄色| 亚洲av美国av| 亚洲,一卡二卡三卡| 99re6热这里在线精品视频| 国产成人av激情在线播放| 深夜精品福利| 国产1区2区3区精品| 久久精品人人爽人人爽视色| 9191精品国产免费久久| 精品免费久久久久久久清纯 | 亚洲美女黄色视频免费看| 婷婷色av中文字幕| 国产极品粉嫩免费观看在线| 97在线人人人人妻| 狂野欧美激情性xxxx| 欧美在线黄色| 伦理电影免费视频| 91精品三级在线观看| 黄色a级毛片大全视频| 中文字幕人妻丝袜一区二区| 午夜福利视频精品| 肉色欧美久久久久久久蜜桃| 成年人午夜在线观看视频| 母亲3免费完整高清在线观看| 欧美日韩精品网址| 超色免费av| 超碰97精品在线观看| 99香蕉大伊视频| 韩国精品一区二区三区| 狂野欧美激情性xxxx| 久久精品熟女亚洲av麻豆精品| 国产成人啪精品午夜网站| 国产精品国产av在线观看| 成人影院久久| 亚洲精品美女久久av网站| 中文字幕av电影在线播放| 性高湖久久久久久久久免费观看| 亚洲欧美一区二区三区久久| 国产福利在线免费观看视频| 侵犯人妻中文字幕一二三四区| 亚洲人成电影观看| 亚洲国产成人一精品久久久| 最新在线观看一区二区三区 | 国产一区二区在线观看av| 国产亚洲av片在线观看秒播厂| 一本色道久久久久久精品综合| 男人添女人高潮全过程视频| 在线观看国产h片| 国产在线视频一区二区| 欧美乱码精品一区二区三区| 精品福利永久在线观看| 热re99久久精品国产66热6| 欧美日韩福利视频一区二区| 无遮挡黄片免费观看| 中文精品一卡2卡3卡4更新| 国产av一区二区精品久久| 精品第一国产精品| 久久精品人人爽人人爽视色| 免费日韩欧美在线观看| 亚洲激情五月婷婷啪啪| 妹子高潮喷水视频| 日本vs欧美在线观看视频| 国产精品九九99| 国产成人啪精品午夜网站| 尾随美女入室| 精品少妇内射三级| 国产成人精品久久二区二区91| 亚洲精品第二区| 久久九九热精品免费| 亚洲 国产 在线| 爱豆传媒免费全集在线观看| 国产欧美日韩一区二区三 | 一区二区三区乱码不卡18| 国产福利在线免费观看视频| 丰满饥渴人妻一区二区三| 青草久久国产| 国产无遮挡羞羞视频在线观看| bbb黄色大片| 国产日韩欧美亚洲二区| 免费av中文字幕在线| 中文字幕人妻丝袜一区二区| 99九九在线精品视频| 大型av网站在线播放| 99热全是精品| 人人妻人人澡人人看| 免费黄频网站在线观看国产| 激情五月婷婷亚洲| 国产亚洲欧美在线一区二区| 女性被躁到高潮视频| 欧美亚洲 丝袜 人妻 在线| 三上悠亚av全集在线观看| 国产精品亚洲av一区麻豆| 欧美变态另类bdsm刘玥| 日日摸夜夜添夜夜爱| 久久人妻熟女aⅴ| 久久国产精品影院| 欧美日韩一级在线毛片| 天天躁狠狠躁夜夜躁狠狠躁| 精品一区在线观看国产| 美女高潮到喷水免费观看| 又黄又粗又硬又大视频| 欧美亚洲 丝袜 人妻 在线| 男人舔女人的私密视频| 2018国产大陆天天弄谢| 十八禁网站网址无遮挡| 国产精品久久久久成人av| 1024视频免费在线观看| 伊人久久大香线蕉亚洲五| 啦啦啦在线观看免费高清www| 亚洲,欧美精品.| 99久久综合免费| 亚洲一码二码三码区别大吗| 婷婷成人精品国产| 亚洲成国产人片在线观看| 免费看不卡的av| 高清不卡的av网站| 国产成人精品无人区| 久久久久久免费高清国产稀缺| 日本vs欧美在线观看视频| 一区二区日韩欧美中文字幕| 国产成人免费无遮挡视频| 黄频高清免费视频| 丰满饥渴人妻一区二区三| 老司机午夜十八禁免费视频| 午夜福利乱码中文字幕| 日日爽夜夜爽网站| 欧美在线一区亚洲| 免费在线观看影片大全网站 | 在线亚洲精品国产二区图片欧美| 狂野欧美激情性xxxx| 亚洲第一青青草原| 一本久久精品| 免费人妻精品一区二区三区视频| 国产日韩欧美亚洲二区| 国产高清国产精品国产三级| 成在线人永久免费视频| 亚洲五月色婷婷综合| 国产成人一区二区三区免费视频网站 | 1024香蕉在线观看| 丝袜美足系列| 色精品久久人妻99蜜桃| 国产深夜福利视频在线观看| 一级毛片电影观看| 亚洲成色77777| 一级a爱视频在线免费观看| 最黄视频免费看| 久久久国产欧美日韩av| 中国国产av一级| 精品国产一区二区三区久久久樱花| 水蜜桃什么品种好| 亚洲av成人精品一二三区| 午夜福利乱码中文字幕| 91精品伊人久久大香线蕉| 一级片免费观看大全| 亚洲 国产 在线| √禁漫天堂资源中文www| 国产精品.久久久| 精品欧美一区二区三区在线| 亚洲久久久国产精品| 我要看黄色一级片免费的| 成人手机av| 亚洲国产毛片av蜜桃av| 黄色怎么调成土黄色| 亚洲七黄色美女视频| 婷婷成人精品国产| 又粗又硬又长又爽又黄的视频| 亚洲精品美女久久av网站| 亚洲一区中文字幕在线| 国产欧美日韩综合在线一区二区| 精品一品国产午夜福利视频| 美女福利国产在线| 这个男人来自地球电影免费观看| 精品人妻一区二区三区麻豆| 9色porny在线观看| 亚洲七黄色美女视频| 欧美 日韩 精品 国产| 大码成人一级视频| 一二三四社区在线视频社区8| 国产精品久久久久成人av| 波多野结衣一区麻豆| 美女中出高潮动态图| 免费一级毛片在线播放高清视频 | 久久精品国产亚洲av高清一级| 老司机靠b影院| 免费久久久久久久精品成人欧美视频| 亚洲av日韩精品久久久久久密 | 大型av网站在线播放| 中文字幕亚洲精品专区| 欧美另类一区| 天天添夜夜摸| 热re99久久精品国产66热6| 精品欧美一区二区三区在线| 欧美激情极品国产一区二区三区| 亚洲精品一卡2卡三卡4卡5卡 | 国产视频首页在线观看| 美女脱内裤让男人舔精品视频| 一级a爱视频在线免费观看| 两人在一起打扑克的视频| 熟女av电影| 日本欧美国产在线视频| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩欧美一区视频在线观看| 99久久99久久久精品蜜桃| 国产精品成人在线| 美女中出高潮动态图| 精品少妇内射三级| 91国产中文字幕| 亚洲国产看品久久| 精品卡一卡二卡四卡免费| 国产色视频综合| 精品视频人人做人人爽| netflix在线观看网站| 91国产中文字幕| 美女中出高潮动态图| 午夜日韩欧美国产| 亚洲美女黄色视频免费看| 久久精品熟女亚洲av麻豆精品| 精品卡一卡二卡四卡免费| 丝袜人妻中文字幕| 午夜影院在线不卡| 在线观看免费高清a一片| 十八禁人妻一区二区| 日本欧美视频一区| 国产成人免费无遮挡视频| 欧美亚洲 丝袜 人妻 在线| 国产又爽黄色视频| 亚洲中文日韩欧美视频| 成人手机av| 一区二区日韩欧美中文字幕| 美国免费a级毛片| 99精品久久久久人妻精品| 久久久精品免费免费高清| 国产在视频线精品| 在线观看免费午夜福利视频| 免费看不卡的av| 老司机影院成人| 亚洲国产av新网站| av欧美777| 午夜福利影视在线免费观看| 精品国产乱码久久久久久小说| 欧美老熟妇乱子伦牲交| 老司机亚洲免费影院| 性少妇av在线|