• <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 ?

    基于深度學習的SAR圖像目標在地表環(huán)境中的檢測與偽裝效果評估技術

    2022-12-02 09:12:48劉青顧乃威張學文盧衛(wèi)建
    強度與環(huán)境 2022年5期
    關鍵詞:直方圖亮度背景

    劉青 顧乃威 張學文 盧衛(wèi)建

    (北京航天發(fā)射技術研究所,北京 100076)

    0 引言

    合成孔徑雷達(Synthetic Aperture Radar, SAR)全天時全天候對重點目標和戰(zhàn)備設施如裝甲車、坦克、飛機、艦船、港口等進行成像,完成目標檢測與識別并提供目標位置、類型信息,具備實時探測隱蔽和偽裝目標的能力,在效果評估領域發(fā)揮一定作用[1]。

    傳統(tǒng)的地面目標SAR 圖像檢測是包含兩個相對獨立的過程,即目標特征提取與特征分類。在目標特征提取階段,通過人工設計的算法把原始圖像轉換為某種特征向量;在特征分類階段,采用機器學習中的分類器算法,比如支持向量機等,對特征向量進行分類,得出原始圖像所屬的類別。由于分類器的學習和特征的提取是分離的,對于圖像識別來說,所提取特征與學習的分類器是次優(yōu)的,分類器性能受限于所提取的特征的區(qū)分能力。

    相比于傳統(tǒng)人工設計手動提取特征,深度學習可以自動提取高層語義特征,具有更強的特征表示能力。深度學習不再把圖像識別分為特征提取與特征分類兩個獨立步驟,而是把兩者連接在一起,構成一個深層卷積神經網絡,模型輸入為圖像,輸出為圖像的類別。直接對該模型進行有監(jiān)督訓練,把特征提取與特征分類耦合在一起聯合學習,得到了更好的特征和更好的分類器,大幅度提高了分類精度。這種端到端學習方式,提高算法自動化程度,有效減少人工參與,解決了計算機視覺領域的很多難題,引起了整個圖像識別領域的跨越式進展。圖1展示了傳統(tǒng)圖像識別與現代圖像識別流程。

    圖1 圖像識別方法:傳統(tǒng)二階段方法、深度學習端到端方法Fig.1 Image recognition method, traditional two-stage method、deep learning end-to-end method

    1 偽裝效果評估技術發(fā)展

    偽裝效果評估概念指的是是利用探測及識別方法對偽裝前后的目標特性進行分析,查看經過偽裝之后目標自身的暴露特征是否得以消除或降低。

    傳統(tǒng)的評估方法是采用野外實驗的方法,對目標不同偽裝狀態(tài)進行高空/衛(wèi)星拍攝成像,若干觀察員對背景目標的圖像進行讀圖判別,允許采用專業(yè)觀測工具及方法,在有限時間內對目標所在位置和目標類型進行判斷,結果以發(fā)現識別概率表示。該種方法能夠獲取目標真實數據,但是工作量大耗時長、受限于成像設備性能,并依賴于判讀員的工作能力,往往用于武器裝備最終的性能鑒定試驗中。

    為了縮短野外試驗的時間和資源使用,美國構造了環(huán)境背景的地理數據庫以及目標特征數據集,仿真生成全景模擬戰(zhàn)場三維沙盤,能夠部署軍事目標、地形地物等信息,模擬設置戰(zhàn)場中的迷彩巧裝遮蔽,硝煙,假目標等多種偽裝手段用進行性能評價,減少人力資源使用。但是該種仿真方法與真實目標背景的數據存在差異,影響評估結果。

    近些年關于目標識別和性能評估集中在客觀的圖像解譯領域,希望盡可能剔除判讀過程中人的經驗和知識,其中在SAR 圖像目標檢測算法中基于統(tǒng)計特性的算法研究最為廣泛,該類方法是基于目標與背景間的灰度對比度來考慮的。主要包括全局閾值法[2]、恒虛警率檢測法[3],廣義似然比檢測法[4]等。但是這些方法依賴于研究人員設計復雜算法來處理特征和致力于提高計算加速技術,無法通過人工設計算法全面提取目標數據。隨著手動特征提取技術性能趨于飽和,該技術領域的發(fā)展在2010年之后達到緩慢瓶頸期。

    隨著人工智能等技術的快速發(fā)展,計算機自主學習能力和結果解釋能力提升,2012年深度學習由于能夠學習圖像的魯棒性和高層次特征,在全世界煥發(fā)生機[5]。2014年R.Girshick等人率先提出具有卷積神經網絡特征的區(qū)域用于檢測目標[6],這一年作為目標檢測的分水領,徹底從傳統(tǒng)手工特征提取轉變?yōu)榛谏疃葘W習的特征提取,跨上新臺階。大規(guī)模圖像數據集ImageNet的識別競賽ILSVRC(ImageNet Large Scale Visual Recognition Chanllenge)是近年來機器視覺領域最具權威性的學術競賽,代表了圖像領域最高的水平,深度卷積神經網絡(Deep Convolutional Neural Network,DCNN)在該項比賽中取得了遠超其它傳統(tǒng)方法的成績,并且發(fā)展出了很多非常優(yōu)秀的目標檢測模型。YOLO(You Only Look Once)就是深度卷積神經網絡的一種。2015年R.Joseph提出的深度學習第一個單級檢測器YOLO[7],它將單個神經網絡應用于整個圖像,該網絡將圖像分割成多個區(qū)域,同時預測每個區(qū)域的邊界框和概率。后來R.Joseph在第一版本基礎上進行了多種改進,包括引入路徑聚合網絡、定義新的損失函數,并陸續(xù)形成了YOLO后續(xù)改進版v2[8],v3[9],該模型在保持了高檢測速度的同時進一步提高了檢測精度,兼顧檢測效果與運行效率,在很多實際場合得到了廣泛應用。

    2 YOLO檢測模型

    YOLO的全圖處理方式不同于窮舉法和候選區(qū)優(yōu)選法,它在測試階段和訓練階段都是著眼于整幅圖像,對包圍框和類別的回歸具有明顯優(yōu)點,與Fast-RCNN比較錯誤率下降了一半[10];其次YOLO速度非???,它每秒鐘能處理45幀圖像,甚至都可用于實時檢測系統(tǒng),對于SAR圖像較大、數據處理量較多的問題有很大的幫助[11]。最后YOLO的深度特征,泛化能力強,較之SAR圖像使用的傳統(tǒng)特征表述能力要強得多。□

    2.1 YOLO-V3網絡結構

    YOLO V3是目前階段綜合性能最好的檢測算法之一,在小目標的檢測上取得了不錯的結果,在科研界和工業(yè)界都有很好的應用和研究價值。本文采用YOLO系列第三個版本YOLO-V3作為檢測模型。將輸入圖像分為S×S個單元格,每個單元格負責檢測“落入”該單元格的對象,若某個物體的中心位置落到某個格子內,該格子負責檢測出這個物體。每個格子輸出B個包圍盒bounding box信息,分別是坐標x,y,w,h以及類別概率,xy是邊界框中心坐標w,h是邊界框的寬高。YOLO-V3模型結構如圖2所示。

    圖2 YOLO-V3網絡結構圖Fig.2 YOLO-V3 network structure diagram

    該模型使用了三個不同尺度進行目標檢測,圖中綠色的三個層(第82、94、106層)是目標檢測層,這三層的特征圖大小分別是輸入圖像的1/32,1/16,1/8,這幾個層的神經元感受野不同,第82層感受野最大,適合檢測比較大目標,第106層感受野比較小,適合檢測比較小目標。為了融合不同尺度的特征,網絡第84層經過上采樣之后,與第61層的特征圖進行拼接,再經過若干卷積層之后,得到第94層檢測層;第96層特征圖經過上采樣,與第36層特征圖拼接融合,隨后經過若干卷積之后得到第106層檢測層。在這個設計中,將低層次(細粒度)特征與高層特征(粗粒度)融合,使得網絡可以檢測較小的目標。

    原始YOLO-V3模型使用COCO數據集訓練,每個網格設置9個參考包圍盒。這些參考包圍盒大小經過對COCO上的包圍盒聚類得到,一共聚為9類。根據特征圖的大小,分配到三個不同的檢測層,每個檢測層使用三種不同大小的包圍盒,表1中列出了輸入圖像大小為416×416時,各個檢測層的特征圖大小,以及所分配的參考包圍盒尺寸。

    表1 YOLO-V3不同檢測層的包圍盒尺寸Table1 YOLO-V3 size of bounding box for different detection layers

    本文目標的大小集中在60×60左右,因此,我們對模型做了修正:僅使用第94層檢測目標,并且只設置一個參考包圍盒,參考包圍盒大小設置為60×60。經過改造之后,第94檢測層每個網格只預測一個目標包圍盒。

    2.2 訓練樣本的標注

    訓練樣本標注采用PASCAL VOC格式,每個目標位置用一個軸向包圍盒表示。對每張訓練圖像,圖中的每個目標都對應一個包圍盒以及目標類別名稱,標注信息都記錄在一個xml文件中。圖3展示了一個訓練圖像及其標注文件,圖中有三個目標,在對應的標注文件中,記錄了每個目標的類別名稱以及包圍盒坐標。

    圖3 目標檢測訓練樣本的標注Fig.3 Labeling of target detection training samples

    2.3 模型訓練

    在YOLO系列檢測模型中,每個網格設置了B個參考包圍盒,每個參考包圍盒用于預測1個目標包圍盒,因此一個網格的B個參考包圍盒都是訓練樣本,但是每個樣本的真實值需要根據標注信息確定:對第i個網格的第j個參考包圍盒,在所有中心位于該網格的真實包圍盒中,選取與的交并比最大的分配給作為真實值;如果一個參考包圍盒沒有被分配真實值,那么該包圍盒用于預測背景。

    3 地面目標檢測與偽裝效果評估

    3.1 構建訓練樣本

    采用美國桑迪亞國家實驗室數據MSTAR (Moving and Stationary Target Recognition),該數據集共有8類不同軍事車輛目標切片,包含自行榴彈炮、裝甲車、運輸車、坦克等,每個目標約570幅圖像,分辨率為54×54到178×178不等。除此之外,還包含100幅不同場景SAR圖像,分辨率為1784×1476,如圖4所示。

    圖4 MSTAR中的8類地面目標和環(huán)境背景SAR圖像Fig.4 Eight kinds of ground target and environment background sar images in MSTAR

    為得到檢測器的訓練樣本,采用數據融合技術將上述背景圖像和目標圖像合成訓練圖像樣本。數據融合包括原始數據級融合、特征級融合和決策級融合[12]。本次選取特征級數據進行匹配,以混合前后圖像的亮度直方圖的分布一致性作為融合衡量標準。

    隨機選取一幅背景圖像,根據YOLO模型支持輸入的圖像分辨率從中隨機裁剪出一個416×416大小的子圖,然后從目標集合中隨機選取若干個圖像,并把這些目標圖像粘貼到背景圖像中的隨機位置上。由于背景圖像與目標圖像的成像條件不同,兩者之間存在亮度差異,直接把 目標圖像粘貼到背景圖像中,粘貼區(qū)域與背景之間的區(qū)域邊緣非常明顯,目標不能融入到背景中,容易造成過擬合。因此采用加權融合,根據背景圖像的亮度模式對目標圖像進行亮度修正,使得兩者亮度分布比較一致。

    目標圖像與背景圖像的融合算法如下:假設目標圖像為Q,我們從背景圖像上對應的融合區(qū)域截取出一塊與Q同樣大小的圖像塊P。然后用P作為參考圖像,對Q做直方圖匹配,使得Q的亮度分布與P接近一致。然后,構造一個與Q同樣大小的高斯權值圖像W,用W對兩者進行融合,得到融合后的圖像R:

    其中權值

    圖5 圖像融合權值 Fig.5 Image fusion weight

    圖6 展示了一個背景圖像塊P,目標圖像塊Q,直方圖匹配之后的目標圖像塊以及融合的結果??梢钥吹浇涍^處理之后,目標區(qū)域與背景區(qū)域的亮度分布比較接近。自左至右依次為:背景圖像P,目標圖像Q,直方圖匹配之后的目標圖像,兩者融合的結果。

    圖7展示了圖6中四個圖像塊的直方圖,可以看出,經過上述處理之后,融合結果的直方圖(最右)與原始背景圖像塊的直方圖(最左)比較接近。自左至右依次為圖6中對應圖像的直方圖,當原始圖像塊內部亮度非常均勻時,直方圖呈明顯的尖峰分布,不宜用直方圖匹配方法修改目標圖像塊的整體亮度;當原始圖像塊內部亮度非常低時,融合目標圖像塊之后,該區(qū)域出現明顯的亮斑,目標與背景對比明顯,形成容易區(qū)分的樣本;另一方面,如果原始圖像塊內部亮度范圍比較寬(亮度方差大),不適宜放置目標。為了避免出現這些情況,在合成樣本時,首先要對合成區(qū)域的平均亮度和亮度方差進行限制,當平均亮度低于0.1,亮度標準差低于0.1或者高于0.2時,放棄合成。這樣可以使得合成的目標出現在有一定紋理的背景區(qū)域。

    圖6 目標圖像融合效果Fig.6 Target image fusion effect

    圖7 亮度直方圖對比Fig.7 Brightness histogram comparison

    圖8 對比不同方法得到的訓練樣本圖像,其中:左上角是原始背景圖像;右上角是直接把目標圖像粘貼到背景圖像之后的結果,很明顯這種合成方式得到的圖像中目標區(qū)域與背景區(qū)域亮度差異非常大;左下角是把直方圖匹配之后的目標直接粘貼到背景圖結果,效果明顯變好,但是目標左上角區(qū)域仍然有一些亮斑是目標圖像中的背景噪聲;右下角是對直方圖匹配之后的目標圖像與原圖進行加權融合的結果,這個結果中,目標左上角的背景噪聲基本去掉了,目標與背景融合的比較自然真實。

    圖8 不同方法得到的樣本圖像Fig.8 Sample image obtained by different methods

    由于數據集中的目標圖像中,目標所占的區(qū)域很小,圖像背景區(qū)域比較大,為了更緊湊的檢測目標區(qū)域,本文在合成過程中,對分辨率超過64×64的樣本,截取其中心位置的64×64區(qū)域融合到背景圖像中。因此,訓練樣本中目標的包圍盒大小約為60×60。

    采用上述方法合成了1326個樣本,每個樣本中包含1~6個目標。從中隨機選取1000個樣本用于訓練,其余的326個用于評測。圖9顯示了部分生成樣本,其中紅色包圍盒是自動計算的標注框。

    圖9 合成樣本與標框Fig.9 Composite sample and label box

    3.2 卷積層目標響應

    輸入學習訓練圖像和反饋傳遞中卷積層是最重要的環(huán)節(jié),卷積層中有非常多神經元,每個神經元是能夠對某種特征敏感的提取器,當圖像中出現某種特征的時候,對其敏感神經元就會呈現激活狀態(tài)。為了解內部如何對背景與目標進行區(qū)分,采用可視化工具,選取第三個卷積層第22、44以及205個神經元對三幅圖像響應進行特征可視化操作,如圖10所示。圖10分別表示原圖(第1行)、第22層(第2行)、第44層(第3行)、第205層(第4行),其中在第三層的卷積上的第22、44個神經元對目標產生了很強響應,而對背景進行了忽略,第205個神經元主要是對樹木背景區(qū)域產生強響應。這表明,不同的神經元能夠對圖像中不同物體進行響應,這就是后期進行目標和背景分離的基礎。

    圖10 卷積神經元響應Fig.10 Convolution neuron response

    3.3 試驗結果

    目標識別認為算法能夠找出目標所在位置并對類型識別正確,也就是說能夠區(qū)分地面目標和背景特征,同時還能區(qū)分不同目標之間的特征。采用YOLO模型訓練之后,測試集平均精度為97.87%,8種不同類別目標精度如表8所示。

    在機器學習中,標注樣本產生的噪聲引入數據誤差、學習樣本的多樣性、預訓練模型對框架的影響等會影響識別準確性。上述測試結果相比于其它模型數據,SSD檢測精度為95.36%[13],FCNN檢測精度為96.51%[13],YOLO的檢測模型具有很好的檢測性能,用來評價偽裝效果。

    表2 8種不同類別目標的精度Table2 Accuracy of eight different types of targets

    圖11 MSTAR目標檢測結果實例Fig.11 MSTAR example of target detection results

    3.4 偽裝效果評估

    機器學習技術對原型樣本訓練檢測和識別,以此算法作為基準,再測試偽裝樣本,通過檢測和識別的結果變化來評價偽裝效果。原型樣本(即訓練樣本)與偽裝樣本(即測試樣本)存在明顯的差異,兩者的概率分布不同,存在分布漂移,即不滿足統(tǒng)計機器學習中的基本假設:獨立同分布假設(Independent Identical Distribution, IID)。在這種情況下,機器學習模型的推廣能力沒有理論保障,在發(fā)生了分布漂移的測試集上,其性能會下降。由于算法的其它條件沒有變化時,那么在測試數據上出現一致性的識別性能下降問題,可認為是測試數據與訓練數據之間不滿足前述IID假設,即測試數據與訓練數據之間存在系統(tǒng)性的偏差。該偏差的產生是由于目標偽裝前后樣本的差異欺騙了算法,引起算法得出檢測概率較低的預測結果甚至是錯誤的結果,這種性能下降的程度就可以反映出了目標偽裝性能的優(yōu)劣。本文就是應用IID假設來評價偽裝效果。

    模擬目標采用雷達吸波材料的隱身效果,降低雷達接收器接收到反射波能量。模擬方法為:在融合目標和背景時,把目標圖像的像素權值隨機降低,使得目標像素的最大權值在0.5~0.8范圍內,因此,偽裝圖像中目標的亮度比較低,象征著雷達接收到的反射波比較弱。隨機生成86幅原型樣本圖像和86張偽裝樣本圖像,每一張圖像之間目標的位置、數量以及種類都相同,區(qū)別僅在于融合權值不一樣。圖12顯示了原型樣本(左)與偽裝樣本(右)的對比效果。

    圖12 原型樣本和偽裝樣本Fig.12 Prototype sample and camouflage sample

    準確率是正確結果占總樣本的百分比,也叫做查準率;召回率是實際為正確的樣本中被預測為正確樣本的概率,也叫做查全率。準確率和召回率取值在0和1之間,數值越接近1,檢測效果越好。表3和表4分別統(tǒng)計了每個類別的準確率(Precision,P)和召回率(Recall,R)。偽裝樣本比原型樣本的兩個指標均有明顯下降,根據獨立同分布假設的意義,這種數值下降是偽裝性能帶來的目標識別偏差。

    表3 偽裝樣本與原型樣本的檢測準確率PTable 3 Detection accuracy of camouflage samples and prototype samples

    表4 偽裝樣本和原型樣本的檢測召回率RTable 4 Detection recall rate of camouflage samples and prototype samples

    圖13所示的是一個樣本的偽裝前后檢測結果對比,其中一個目標(中間目標,真實類別為ZIL13)偽裝之后被誤檢為其它目標(BTR_60),對于這個目標來說,它的偽裝度為1;另兩個目標的置信度均有所下降,但是下降幅度很小,這兩個目標的偽裝程度接近0。

    圖13 偽裝前后檢測結果對比Fig.13 Comparison of detection results before and after camouflage

    表5統(tǒng)計了偽裝樣本與原型樣本中各類目標平均檢測精度,可以看出幾乎所有類別上,偽裝樣本的精度均低于原型樣本,表明偽裝之后,檢測器正確檢測并識別出目標的難度變大。由于兩種樣本中目標的位置、類別、背景都是相同的,唯一區(qū)別在于偽裝樣本中模擬了雷達接收信號變弱,因此,這種檢測精度降低的唯一原因在于目標經過了偽裝,并且起到了一定的偽裝效果。

    表5 偽裝樣本與原型樣本的檢測精度Table 5 Detection precision of camouflage samples and prototype samples

    對偽裝進行量化評價,我們定義偽裝程度為:

    其中,01,pp分別為偽裝前后目標檢測器對該目標輸出的正確類別的檢測概率。

    假設某個目標的真實類別是D7,偽裝前,目標檢測器輸出該目標為D7的概率為0.9,偽裝后檢測器輸出改目標為D7的概率為0.5,那么對該目標的本次偽裝的程度為0.44。

    對多個目標都進行同樣的偽裝,可以測出每個目標的偽裝程度,這些目標的平均偽裝程度可以用來衡量偽裝的偽裝效果。本文中使用的86幅圖像中,一共有179個目標,通過計算每個目標的偽裝程度,得出本次實驗所用的偽裝方式的偽裝效果為49.7%。

    4 結論

    本文研究了基于深度學習的自動目標識別技術,采用了YOLO系列第三個版本YOLO-V3作為檢測模型,該檢測算法屬于判別式算法,這類算法試圖從訓練樣本中找到最適于區(qū)分不同類別的特征,對目標類型做出準確判斷。針對合成孔徑雷達圖像的地面目標的檢測識別,圖像數據集采用真實雷達SAR圖像,并用灰度融合方式得到了背景目標融合圖像,比訓練單目標圖或仿真模擬圖像更具準確性。最后利用獨立同分布假設的識別性能下降理論來評價偽裝效果,通過用原型樣本來訓練檢測算法,以此算法作為基準,偽裝樣本與之存在明顯差異,通過比較檢測概率的數值關系得出偽裝效果。

    猜你喜歡
    直方圖亮度背景
    統(tǒng)計頻率分布直方圖的備考全攻略
    高中數理化(2024年1期)2024-03-02 17:52:40
    符合差分隱私的流數據統(tǒng)計直方圖發(fā)布
    “新四化”背景下汽車NVH的發(fā)展趨勢
    《論持久戰(zhàn)》的寫作背景
    當代陜西(2020年14期)2021-01-08 09:30:42
    亮度調色多面手
    用直方圖控制畫面影調
    亮度一樣嗎?
    晚清外語翻譯人才培養(yǎng)的背景
    基于斬波調制的LED亮度控制
    人生的亮度
    or卡值多少钱| 嫩草影视91久久| 亚洲第一青青草原| 又黄又粗又硬又大视频| 欧美丝袜亚洲另类 | 国产成人欧美在线观看| av网站免费在线观看视频| 日韩 欧美 亚洲 中文字幕| 国产一区二区三区视频了| 精品久久久久久久人妻蜜臀av | 亚洲在线自拍视频| 波多野结衣一区麻豆| 国产成人精品无人区| 1024香蕉在线观看| 久久国产乱子伦精品免费另类| av电影中文网址| 亚洲第一电影网av| 亚洲狠狠婷婷综合久久图片| 国产欧美日韩一区二区三区在线| 一本综合久久免费| 日韩大尺度精品在线看网址 | av免费在线观看网站| 亚洲国产欧美网| av天堂久久9| 欧美黄色淫秽网站| 久久久久国内视频| 色精品久久人妻99蜜桃| 日本 av在线| 国产精品1区2区在线观看.| 久久影院123| 大码成人一级视频| aaaaa片日本免费| 久久人妻熟女aⅴ| 中文字幕人妻丝袜一区二区| 一区二区日韩欧美中文字幕| 亚洲专区中文字幕在线| 波多野结衣巨乳人妻| 人人妻人人澡人人看| 国产亚洲精品久久久久5区| 在线观看免费视频日本深夜| 国产亚洲欧美精品永久| 亚洲人成电影免费在线| 人成视频在线观看免费观看| or卡值多少钱| 中文字幕人妻丝袜一区二区| 久热这里只有精品99| 亚洲国产欧美日韩在线播放| 亚洲午夜精品一区,二区,三区| 9色porny在线观看| 久久久国产成人精品二区| 老鸭窝网址在线观看| 欧美激情高清一区二区三区| 91麻豆精品激情在线观看国产| 99国产极品粉嫩在线观看| 亚洲欧美激情在线| 亚洲精品久久国产高清桃花| 日本a在线网址| 一级黄色大片毛片| 国产精品久久电影中文字幕| 一进一出抽搐动态| 午夜福利视频1000在线观看 | 熟女少妇亚洲综合色aaa.| 狂野欧美激情性xxxx| 国产极品粉嫩免费观看在线| 中亚洲国语对白在线视频| 亚洲七黄色美女视频| 在线观看免费视频网站a站| 亚洲精品久久成人aⅴ小说| 一区福利在线观看| 亚洲国产精品sss在线观看| 身体一侧抽搐| 老司机在亚洲福利影院| 国产亚洲精品av在线| 国产日韩一区二区三区精品不卡| 最新在线观看一区二区三区| 一级作爱视频免费观看| 麻豆av在线久日| av有码第一页| 久久中文看片网| 日韩成人在线观看一区二区三区| 欧美亚洲日本最大视频资源| 黄网站色视频无遮挡免费观看| 国产精品免费视频内射| 老司机靠b影院| 欧美成人午夜精品| 国产精品99久久99久久久不卡| 国语自产精品视频在线第100页| 亚洲自偷自拍图片 自拍| 久久久久久久久中文| 午夜免费鲁丝| 看免费av毛片| 精品国产一区二区久久| 免费在线观看亚洲国产| 国内久久婷婷六月综合欲色啪| 久久久久精品国产欧美久久久| 久久国产精品人妻蜜桃| 国产99久久九九免费精品| 真人做人爱边吃奶动态| 欧美大码av| xxx96com| 国产成人免费无遮挡视频| 可以在线观看毛片的网站| 亚洲 欧美一区二区三区| 亚洲第一电影网av| 国产av一区在线观看免费| 国产精品永久免费网站| 日本在线视频免费播放| 成人亚洲精品av一区二区| 色av中文字幕| 久久久久国产一级毛片高清牌| 99久久综合精品五月天人人| 首页视频小说图片口味搜索| 少妇的丰满在线观看| 欧美色欧美亚洲另类二区 | 在线十欧美十亚洲十日本专区| 欧美绝顶高潮抽搐喷水| 国产精品一区二区免费欧美| 正在播放国产对白刺激| 国产av一区在线观看免费| 久久久久精品国产欧美久久久| 免费不卡黄色视频| 首页视频小说图片口味搜索| 一级,二级,三级黄色视频| 叶爱在线成人免费视频播放| 久久亚洲真实| 一本久久中文字幕| 亚洲一卡2卡3卡4卡5卡精品中文| 日本一区二区免费在线视频| 在线av久久热| 欧美成人免费av一区二区三区| 色av中文字幕| 法律面前人人平等表现在哪些方面| 午夜福利成人在线免费观看| 亚洲第一欧美日韩一区二区三区| 欧美另类亚洲清纯唯美| 国产精品 欧美亚洲| 久久午夜综合久久蜜桃| 免费不卡黄色视频| 老鸭窝网址在线观看| 亚洲成人国产一区在线观看| 伊人久久大香线蕉亚洲五| 91九色精品人成在线观看| 99久久综合精品五月天人人| 99riav亚洲国产免费| 久久精品影院6| 久久国产乱子伦精品免费另类| 女人爽到高潮嗷嗷叫在线视频| 一进一出抽搐动态| 91av网站免费观看| 每晚都被弄得嗷嗷叫到高潮| 91大片在线观看| 国产欧美日韩一区二区精品| 99精品欧美一区二区三区四区| 99久久久亚洲精品蜜臀av| 久久人人爽av亚洲精品天堂| 麻豆国产av国片精品| 久久久久久久午夜电影| 丰满的人妻完整版| АⅤ资源中文在线天堂| 91av网站免费观看| 99国产综合亚洲精品| 免费高清在线观看日韩| 久久久久九九精品影院| 成年人黄色毛片网站| 一区在线观看完整版| 国产麻豆69| 成熟少妇高潮喷水视频| 亚洲精品国产色婷婷电影| 久久人人爽av亚洲精品天堂| 波多野结衣巨乳人妻| 免费一级毛片在线播放高清视频 | av中文乱码字幕在线| 国产真人三级小视频在线观看| 日韩 欧美 亚洲 中文字幕| 人人妻人人爽人人添夜夜欢视频| 天堂√8在线中文| 狠狠狠狠99中文字幕| 成人手机av| 国产成人av激情在线播放| 国产成人精品久久二区二区免费| 色婷婷久久久亚洲欧美| 国产亚洲精品久久久久久毛片| 色在线成人网| 日韩欧美三级三区| 嫩草影院精品99| 夜夜爽天天搞| 久99久视频精品免费| 一卡2卡三卡四卡精品乱码亚洲| 国产精品一区二区免费欧美| 中文字幕精品免费在线观看视频| 一二三四在线观看免费中文在| 亚洲av成人不卡在线观看播放网| 日韩精品免费视频一区二区三区| 老汉色av国产亚洲站长工具| 搡老妇女老女人老熟妇| 久久久久国内视频| 精品无人区乱码1区二区| 亚洲国产中文字幕在线视频| 亚洲 欧美一区二区三区| 日韩国内少妇激情av| 日本黄色视频三级网站网址| 亚洲精品在线观看二区| 国产91精品成人一区二区三区| 老汉色av国产亚洲站长工具| or卡值多少钱| 男女下面插进去视频免费观看| 午夜福利视频1000在线观看 | 12—13女人毛片做爰片一| 久久国产乱子伦精品免费另类| 欧美老熟妇乱子伦牲交| 亚洲av电影在线进入| 日日干狠狠操夜夜爽| 久久午夜亚洲精品久久| 国产成人欧美在线观看| 久久人妻av系列| 9191精品国产免费久久| 欧美 亚洲 国产 日韩一| 又紧又爽又黄一区二区| 成人av一区二区三区在线看| 亚洲第一av免费看| 99精品欧美一区二区三区四区| 国产精品av久久久久免费| 人成视频在线观看免费观看| 日韩大码丰满熟妇| 国产熟女午夜一区二区三区| 可以在线观看毛片的网站| 亚洲专区中文字幕在线| 国产午夜精品久久久久久| 亚洲一码二码三码区别大吗| 99在线视频只有这里精品首页| 亚洲avbb在线观看| 亚洲午夜理论影院| 一区二区三区激情视频| 搡老岳熟女国产| 99国产综合亚洲精品| 操出白浆在线播放| xxx96com| 手机成人av网站| 韩国精品一区二区三区| 亚洲男人天堂网一区| 亚洲国产精品成人综合色| 十分钟在线观看高清视频www| 丁香六月欧美| 国产精品久久久av美女十八| 1024视频免费在线观看| 99精品在免费线老司机午夜| 九色亚洲精品在线播放| 欧美黑人欧美精品刺激| av片东京热男人的天堂| 女人爽到高潮嗷嗷叫在线视频| 国产又爽黄色视频| 亚洲精华国产精华精| 日韩欧美在线二视频| 国产精品一区二区精品视频观看| 老汉色av国产亚洲站长工具| 女人精品久久久久毛片| 色播在线永久视频| 国产欧美日韩一区二区三区在线| 极品教师在线免费播放| 亚洲一区高清亚洲精品| 国内精品久久久久精免费| 久久国产精品影院| av视频免费观看在线观看| 亚洲五月天丁香| 三级毛片av免费| 咕卡用的链子| 久久亚洲精品不卡| tocl精华| 亚洲av成人一区二区三| 国产主播在线观看一区二区| 男人的好看免费观看在线视频 | 视频区欧美日本亚洲| 久久久久久亚洲精品国产蜜桃av| 两性午夜刺激爽爽歪歪视频在线观看 | 久久久国产欧美日韩av| 国内毛片毛片毛片毛片毛片| 十分钟在线观看高清视频www| 午夜日韩欧美国产| 美女午夜性视频免费| 国产高清激情床上av| 电影成人av| 中文字幕色久视频| 色播在线永久视频| 欧美亚洲日本最大视频资源| 国产蜜桃级精品一区二区三区| 日韩欧美免费精品| 香蕉国产在线看| 国产av一区在线观看免费| 欧美不卡视频在线免费观看 | 桃红色精品国产亚洲av| 久久精品国产99精品国产亚洲性色 | 一进一出抽搐动态| 午夜老司机福利片| 午夜福利成人在线免费观看| 一卡2卡三卡四卡精品乱码亚洲| 熟女少妇亚洲综合色aaa.| 免费不卡黄色视频| 国产麻豆69| e午夜精品久久久久久久| 亚洲成国产人片在线观看| 三级毛片av免费| 欧美日韩福利视频一区二区| 如日韩欧美国产精品一区二区三区| 欧美成人一区二区免费高清观看 | 精品福利观看| 男人舔女人下体高潮全视频| 丝袜美腿诱惑在线| 久99久视频精品免费| netflix在线观看网站| 成人三级黄色视频| 两性夫妻黄色片| 欧美日本视频| 国产精品影院久久| 51午夜福利影视在线观看| 18禁黄网站禁片午夜丰满| 色综合婷婷激情| 成人国产一区最新在线观看| 国产黄a三级三级三级人| e午夜精品久久久久久久| 丁香六月欧美| 国产亚洲av高清不卡| 日韩 欧美 亚洲 中文字幕| 制服丝袜大香蕉在线| av片东京热男人的天堂| 一级毛片高清免费大全| 一进一出抽搐gif免费好疼| 亚洲熟妇中文字幕五十中出| 麻豆国产av国片精品| 中文字幕av电影在线播放| 久久久国产欧美日韩av| 日本免费a在线| 首页视频小说图片口味搜索| 久久久久久久久中文| 纯流量卡能插随身wifi吗| 俄罗斯特黄特色一大片| 国产麻豆69| 中文字幕久久专区| 妹子高潮喷水视频| 深夜精品福利| 国产熟女午夜一区二区三区| 黑人操中国人逼视频| av视频免费观看在线观看| 午夜老司机福利片| 黑人巨大精品欧美一区二区mp4| 亚洲无线在线观看| 午夜精品在线福利| 亚洲 欧美一区二区三区| 亚洲成人久久性| 亚洲久久久国产精品| 大香蕉久久成人网| 九色国产91popny在线| 国产亚洲av高清不卡| 他把我摸到了高潮在线观看| 午夜福利在线观看吧| 久久伊人香网站| 国产精品免费视频内射| 自线自在国产av| 亚洲自拍偷在线| 国产av一区二区精品久久| 亚洲精品美女久久久久99蜜臀| 变态另类丝袜制服| 少妇裸体淫交视频免费看高清 | 黄色 视频免费看| 纯流量卡能插随身wifi吗| www.自偷自拍.com| 亚洲第一av免费看| av视频免费观看在线观看| 制服丝袜大香蕉在线| 国产精品秋霞免费鲁丝片| 亚洲avbb在线观看| 波多野结衣一区麻豆| av天堂久久9| 亚洲精品在线美女| 国产精品,欧美在线| 日韩高清综合在线| 九色国产91popny在线| 午夜激情av网站| 亚洲第一av免费看| 久久婷婷成人综合色麻豆| 亚洲国产精品合色在线| 精品国产美女av久久久久小说| 亚洲 欧美一区二区三区| 人妻久久中文字幕网| 丝袜美腿诱惑在线| 亚洲人成77777在线视频| 亚洲熟妇熟女久久| 中文字幕另类日韩欧美亚洲嫩草| 国产不卡一卡二| 免费av毛片视频| 欧美老熟妇乱子伦牲交| 国产xxxxx性猛交| 悠悠久久av| 999久久久国产精品视频| 婷婷精品国产亚洲av在线| 午夜精品国产一区二区电影| 人人妻人人澡欧美一区二区 | 亚洲国产看品久久| 美女免费视频网站| 国产精品香港三级国产av潘金莲| 国产私拍福利视频在线观看| 亚洲视频免费观看视频| 色综合亚洲欧美另类图片| videosex国产| 51午夜福利影视在线观看| 亚洲欧美一区二区三区黑人| 亚洲精品中文字幕一二三四区| 免费女性裸体啪啪无遮挡网站| 免费看十八禁软件| 香蕉国产在线看| 午夜精品在线福利| 欧美成人免费av一区二区三区| 黑人欧美特级aaaaaa片| 精品国产国语对白av| 午夜精品久久久久久毛片777| 久久精品国产清高在天天线| 99国产精品免费福利视频| 90打野战视频偷拍视频| 欧美日韩亚洲综合一区二区三区_| 久久香蕉国产精品| 日韩av在线大香蕉| 久久久久国内视频| 69精品国产乱码久久久| av天堂久久9| 成年版毛片免费区| 亚洲av美国av| 国产欧美日韩综合在线一区二区| 久久人妻av系列| 亚洲成人免费电影在线观看| 国产精品二区激情视频| 高清毛片免费观看视频网站| 最近最新中文字幕大全电影3 | 精品欧美国产一区二区三| 淫妇啪啪啪对白视频| 91字幕亚洲| 少妇裸体淫交视频免费看高清 | 国产单亲对白刺激| 久久久久国产精品人妻aⅴ院| 国产高清激情床上av| 亚洲五月婷婷丁香| 久久国产亚洲av麻豆专区| 人人妻人人澡欧美一区二区 | 精品久久久久久久人妻蜜臀av | 亚洲熟妇熟女久久| 国内精品久久久久久久电影| 国产亚洲精品一区二区www| 99国产极品粉嫩在线观看| 日本a在线网址| 天堂影院成人在线观看| 色哟哟哟哟哟哟| 亚洲无线在线观看| 国产精品亚洲av一区麻豆| 成人国产综合亚洲| 在线永久观看黄色视频| 人人妻人人澡人人看| 757午夜福利合集在线观看| 精品一品国产午夜福利视频| 久久精品成人免费网站| 国产精品一区二区免费欧美| 大型黄色视频在线免费观看| 久久 成人 亚洲| 色播在线永久视频| 精品一品国产午夜福利视频| 在线观看免费日韩欧美大片| 好看av亚洲va欧美ⅴa在| avwww免费| 欧美日韩一级在线毛片| 搞女人的毛片| 亚洲视频免费观看视频| 免费在线观看黄色视频的| 又黄又粗又硬又大视频| 国产精品免费一区二区三区在线| 制服诱惑二区| 精品卡一卡二卡四卡免费| 国产精品久久久av美女十八| 亚洲五月天丁香| 亚洲精品av麻豆狂野| 免费少妇av软件| 久久久久九九精品影院| 久久 成人 亚洲| 久久亚洲精品不卡| 国产欧美日韩一区二区精品| 不卡av一区二区三区| 亚洲视频免费观看视频| 最新在线观看一区二区三区| 亚洲人成网站在线播放欧美日韩| 老汉色av国产亚洲站长工具| 亚洲免费av在线视频| 激情视频va一区二区三区| 久久中文字幕一级| 黑人欧美特级aaaaaa片| 午夜影院日韩av| 这个男人来自地球电影免费观看| 欧美大码av| 亚洲全国av大片| 18美女黄网站色大片免费观看| 中文字幕高清在线视频| 免费少妇av软件| 久久久国产成人免费| 久久国产精品影院| 国内毛片毛片毛片毛片毛片| 91大片在线观看| 久久欧美精品欧美久久欧美| 日日干狠狠操夜夜爽| 黑人欧美特级aaaaaa片| 亚洲国产看品久久| 非洲黑人性xxxx精品又粗又长| 国产视频一区二区在线看| 90打野战视频偷拍视频| 最近最新中文字幕大全电影3 | 色尼玛亚洲综合影院| 嫩草影视91久久| 亚洲黑人精品在线| 99久久99久久久精品蜜桃| 久久婷婷人人爽人人干人人爱 | 国产精品99久久99久久久不卡| 国产精品二区激情视频| 婷婷丁香在线五月| 久久久久久免费高清国产稀缺| 久久中文字幕人妻熟女| 国产片内射在线| 波多野结衣高清无吗| 国产精品久久视频播放| 黄片小视频在线播放| 久久久国产成人精品二区| 亚洲中文字幕一区二区三区有码在线看 | 日日干狠狠操夜夜爽| 日日爽夜夜爽网站| 一区二区日韩欧美中文字幕| 成人三级做爰电影| 男女午夜视频在线观看| 可以在线观看的亚洲视频| 亚洲精品国产区一区二| 制服诱惑二区| 亚洲 欧美 日韩 在线 免费| 桃红色精品国产亚洲av| 久久国产精品影院| 亚洲av熟女| 欧美性长视频在线观看| 丝袜美腿诱惑在线| 精品久久久精品久久久| 国产亚洲欧美在线一区二区| 亚洲色图综合在线观看| 日韩三级视频一区二区三区| 国产精品一区二区免费欧美| 久久天堂一区二区三区四区| 日本三级黄在线观看| 国产在线观看jvid| 老司机午夜福利在线观看视频| 神马国产精品三级电影在线观看 | 国产精品影院久久| 国产极品粉嫩免费观看在线| 老汉色∧v一级毛片| 麻豆av在线久日| 精品少妇一区二区三区视频日本电影| 免费人成视频x8x8入口观看| 757午夜福利合集在线观看| 搡老妇女老女人老熟妇| 天天一区二区日本电影三级 | 9191精品国产免费久久| 久久香蕉国产精品| 真人做人爱边吃奶动态| 国产黄a三级三级三级人| 中文字幕久久专区| 在线天堂中文资源库| 欧美最黄视频在线播放免费| 国产一区二区三区综合在线观看| 国产日韩一区二区三区精品不卡| 国产精品香港三级国产av潘金莲| 校园春色视频在线观看| 啦啦啦免费观看视频1| 午夜久久久在线观看| 99re在线观看精品视频| 美女扒开内裤让男人捅视频| 久久国产精品男人的天堂亚洲| 国产亚洲欧美精品永久| 午夜a级毛片| 欧美日韩亚洲国产一区二区在线观看| 国产又色又爽无遮挡免费看| 狂野欧美激情性xxxx| 国产一区在线观看成人免费| 久久久国产成人精品二区| 神马国产精品三级电影在线观看 | 国产精品影院久久| 最新在线观看一区二区三区| 国产男靠女视频免费网站| 日韩一卡2卡3卡4卡2021年| 久久久久亚洲av毛片大全| 欧美色欧美亚洲另类二区 | 18禁黄网站禁片午夜丰满| 黄色 视频免费看| 可以在线观看的亚洲视频| 999久久久国产精品视频| 国产麻豆69| 国产亚洲精品第一综合不卡| 久久精品国产99精品国产亚洲性色 | 国产精品免费视频内射| av超薄肉色丝袜交足视频| 久久久久国产精品人妻aⅴ院| 啪啪无遮挡十八禁网站| 又黄又爽又免费观看的视频| 亚洲国产欧美一区二区综合| 国产精品亚洲一级av第二区| 两性夫妻黄色片| 国产午夜福利久久久久久| 好男人在线观看高清免费视频 | 老司机靠b影院| 国产精品秋霞免费鲁丝片| 亚洲伊人色综图| 久久精品国产99精品国产亚洲性色 | 国产男靠女视频免费网站| 亚洲成国产人片在线观看| 涩涩av久久男人的天堂| 老司机午夜福利在线观看视频| 日韩 欧美 亚洲 中文字幕| 精品日产1卡2卡|