• <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 ?

    基于紅外圖像與可見光圖像特征融合的目標(biāo)檢測算法

    2022-12-05 06:37:54吳振宇
    關(guān)鍵詞:特征融合檢測

    馬 野,吳振宇,姜 徐

    (1. 東北大學(xué),沈陽,110819;2. 北京宇航系統(tǒng)工程研究所,北京,100076)

    0 引 言

    目標(biāo)檢測任務(wù)是找出圖像或視頻中人們感興趣的物體,并檢測出位置和大小。基于神經(jīng)網(wǎng)絡(luò)的方法又發(fā)展出兩條技術(shù)路線:基于候選框的方法和不使用候選框的方法。基于候選框的方法[1,2]使用滑動窗口在待檢測圖片上進(jìn)行掃描,判斷窗口內(nèi)是否有目標(biāo)和目標(biāo)具體定位。不使用候選框的方法是直接預(yù)測目標(biāo)的關(guān)鍵點(diǎn),例如文獻(xiàn)[3]預(yù)測目標(biāo)的中心點(diǎn)和大小,以此達(dá)到定位的效果。

    可見光圖像具有豐富的紋理細(xì)節(jié)信息,是做目標(biāo)檢測的首選數(shù)據(jù)類型。但是,當(dāng)遇到天氣不佳、夜晚等光線不充足或者光線過強(qiáng)的情況,圖片受影響較大,影響物體成像。紅外圖像根據(jù)熱輻射信息成像,抗干擾能力強(qiáng),環(huán)境適應(yīng)能力強(qiáng),因此可以在夜間和惡劣天氣下全天候工作而不依賴于場景特性。但是由于熱輻射較弱,紅外圖像對比度低、邊緣模糊,圖像整體較暗,沒有色彩和陰影,因而分辨能力低??梢姽鈭D像在這些方面表現(xiàn)優(yōu)異,可見光圖像可以與紅外圖像互補(bǔ),融合后能適用于全天候全時(shí)段的目標(biāo)檢測任務(wù)。

    因此,為了充分利用可見光圖像提供的紋理信息和紅外圖像提供的熱輻射信息,提出一種基于特征融合的目標(biāo)檢測方法。在融合時(shí),能夠根據(jù)特征的不同,自動分配不同權(quán)重,得到比使用單一數(shù)據(jù)更好的效果。

    根據(jù)融合的階段不同,可以把融合檢測算法分為3類:檢測前融合、檢測中融合以及檢測后融合。檢測前融合是指在目標(biāo)檢測前將可見光圖像與紅外圖像融合成一張圖像,再經(jīng)過目標(biāo)檢測算法。這類方法的好處是融合和檢測完全分開,可以使用已有的各種圖像融合方法,文獻(xiàn)[4]介紹了多種圖像融合方法,以及融合后的各種應(yīng)用。但也因?yàn)閳D像融合與目標(biāo)檢測無關(guān),無法保證融合后的圖像適用于目標(biāo)檢測任務(wù)。檢測后融合是指對可見光圖像和紅外圖像分別進(jìn)行目標(biāo)檢測,再將檢測結(jié)果融合在一起。這類方法最為簡單,但實(shí)際上不涉及圖像融合,算法效果往往不能得到大的提升。文獻(xiàn)[5,6]使用了檢測中融合的方法,既可以充分將可見光圖像與紅外圖像進(jìn)行融合,又可以根據(jù)目標(biāo)檢測效果對算法進(jìn)行優(yōu)化。這類方法的效果通常優(yōu)于檢測前融合和檢測后融合算法。文獻(xiàn)[6]提出一種融合-精煉模塊,利用可見光圖像特征圖和紅外圖像特征圖直接融合成新的特征圖并進(jìn)行精煉,新的特征圖又重新與可見光圖像特征圖和紅外圖像特征圖形成殘差網(wǎng)絡(luò),進(jìn)行多次循環(huán)。融合-精煉模塊能夠很好地融合及保留特征圖特征,但所需計(jì)算量較大。文獻(xiàn)[5]提出了一種單一加權(quán)方法,以原始圖片作為輸入,計(jì)算出單一權(quán)重對特征圖進(jìn)行融合。輸入尺寸較大,同樣需要較大的計(jì)算量;單一權(quán)重不能很好地應(yīng)對一張圖片不同區(qū)域情況不同的問題,也不能很好地解決不同類目標(biāo)在一張圖片中的情況。提出的特征融合模塊所需計(jì)算量較小,并且通過計(jì)算權(quán)重圖的方式,對一張圖片不同位置使用不同權(quán)重,提高目標(biāo)檢測精度。

    1 特征融合目標(biāo)檢測算法

    以經(jīng)典YOLO目標(biāo)檢測算法為基礎(chǔ),增加可見光圖像與紅外圖像特征融合模塊,既能利用可見光圖像提供的紋理信息,又能利用紅外圖像提供的熱輻射信息??梢姽鈭D像與紅外圖像差異較大,因此采用兩套特征提取網(wǎng)絡(luò)分別處理得到特征圖,保證充分利用二者圖像的獨(dú)特特征。特征融合目標(biāo)檢測算法如圖1所示。

    圖1 特征融合目標(biāo)檢測算法 Fig.1 Feature Fusion Object Detecion

    由圖1可知,可見光圖像與紅外圖像分別輸入到不同Backbone+Neck中進(jìn)行特征提取,得到的可見光圖像特征圖(FRGB)和紅外圖像特征圖(FIR)輸入到特征融合模塊,經(jīng)過自動分配權(quán)重后,融合成新的特征圖(Ffusion)。最后經(jīng)過Detection模塊進(jìn)行目標(biāo)預(yù)測。

    1.1 YOLO目標(biāo)檢測算法

    YOLO是一種基于候選框的單階段目標(biāo)檢測算法,基本思想是將輸入圖片分成多個(gè)網(wǎng)格,然后對每一個(gè)網(wǎng)格預(yù)測大小不同的多個(gè)候選框內(nèi)存在目標(biāo)的概率,同時(shí)預(yù)測目標(biāo)類別及位置。YOLO算法主要包含Backbone網(wǎng)絡(luò)、Neck網(wǎng)絡(luò)以及Detection網(wǎng)絡(luò),如圖2所示。表1中列出了YOLO v5網(wǎng)絡(luò)每一層的詳細(xì)參數(shù)。

    圖2 YOLO算法 Fig.2 YOLO Algorithm

    表1 YOLO v5 網(wǎng)絡(luò)結(jié)構(gòu) Tab.1 YOLO v5 Network Structure

    Backbone主要有數(shù)個(gè)卷積模塊和殘差模塊(resnet)組成。利用多層卷積神經(jīng)網(wǎng)絡(luò)對輸入圖片進(jìn)行特征提取,隨著卷積層的增加,深層網(wǎng)絡(luò)得到的特征圖尺寸越來越小,得到的特征信息越來越復(fù)雜。尺寸較小的特征圖縮放比例高,具有較深層次的特征信息,因此通常用來預(yù)測較大的目標(biāo),較大的特征圖用來預(yù)測較小的目標(biāo)。

    Neck除了少量卷積模塊和殘差模塊還包含上采樣層。Neck網(wǎng)絡(luò)使用上采樣將特征圖逐漸放大,并與Backbone中的特征圖相結(jié)合,構(gòu)成了特征金字塔網(wǎng)絡(luò)(FPN)[7]結(jié)構(gòu)。通過上述采樣得到的特征圖來自深層網(wǎng)絡(luò),具有較強(qiáng)的語義信息,有利于目標(biāo)分類;而通過Backbone得到的特征圖分辨率較高,具有豐富的空間信息,有利于目標(biāo)位置的預(yù)測。特征金字塔網(wǎng)絡(luò)使用較少的計(jì)算量將二者融合,能夠得到更準(zhǔn)確的目標(biāo)分類及位置預(yù)測。

    Detection網(wǎng)絡(luò)對不同尺寸的特征圖進(jìn)行處理,每種尺寸的特征圖只通過一層卷積層,輸出每個(gè)點(diǎn)的分類、位置信息及置信度。

    利用YOLO算法,將可見光圖像與紅外圖像分別輸入到不同的YOLO算法中,利用Backbone網(wǎng)絡(luò)、Neck網(wǎng)絡(luò)分別得到可見光圖像與紅外圖像的特征圖。再通過特征融合模塊得到融合特征圖,最后利用Detection網(wǎng)絡(luò)預(yù)測目標(biāo)。由此建立的神經(jīng)網(wǎng)絡(luò)模型,可以實(shí)現(xiàn)端到端的訓(xùn)練,同時(shí)優(yōu)化特征提取、特征融合以及目標(biāo)檢測。

    1.2 特征融合模塊

    特征融合模塊如圖3所示,輸入可見光圖像特征圖(FRGB)和紅外圖像特征圖(FIR),輸出融合特征圖(Ffusion)。特征融合模塊包含特征權(quán)重網(wǎng)絡(luò)(FWN),通過多層卷積神經(jīng)網(wǎng)絡(luò)計(jì)算出可見光圖像特征圖權(quán)重(WRGB)和紅外圖像特征圖權(quán)重(WIR)。Ffusion通過式(1)及式(2)計(jì)算所得。

    圖3 特征融合模塊 Fig.3 Feature Fusion Model

    Ffusion的尺寸與FRGB和FIR保持一致。特征權(quán)重網(wǎng)絡(luò)如圖4所示,輸入FRGB與FIR的尺寸為(C×H×W),C表示特征通道數(shù)量,H、W分別表示特征圖的高度與寬度。首先通過Concat層在通道維度將特征進(jìn)行合并,然后通過多層卷積的處理得到尺寸為(2×H×W)的權(quán)重,每個(gè)卷積層后需要批標(biāo)準(zhǔn)化及激活函數(shù)處理,最后在通道維度做Softmax處理,得到2個(gè)尺寸為(H×W)特征圖,分別為WRGB和WIR。WRGB+WIR=1。

    圖4 特征權(quán)重網(wǎng)絡(luò) Fig.4 Feature Weight Network

    特征權(quán)重網(wǎng)絡(luò)(FWN)可以根據(jù)預(yù)測結(jié)果優(yōu)化權(quán)重大小,自動選取可見光圖像或紅外圖像特征。比如在光線較暗的情況下,紅外圖像的權(quán)重就會比較大;而在熱輻射信息量少,可見光圖像較清晰的情況下,就會更多地使用可見光圖像進(jìn)行目標(biāo)檢測。FWN以圖像的特征圖作為輸入而不使用圖像本身,是為了減少圖像處理的復(fù)雜度。特征圖經(jīng)過多層神經(jīng)網(wǎng)絡(luò)的處理,具有更多深層信息,因此在FWN中可以采用較少的卷積層,達(dá)到復(fù)雜計(jì)算的效果。

    在實(shí)際的可見光圖像與紅外圖像中,不同位置可能會需要不同的權(quán)重值。比如圖像左側(cè)熱輻射信息更豐富,那就應(yīng)該更多利用紅外圖像信息;而右側(cè)可能沒有熱輻射信息,需要依靠高分辨率紋理信息,故應(yīng)加重可見光圖像的權(quán)重。單一權(quán)重值的方式無法做到分別計(jì)算,因此采用了尺寸為(H×W)的權(quán)重圖來解決這一問題,權(quán)重圖可以為每一個(gè)位置不同的權(quán)重,充分利用可見光圖像和紅外圖像提供的不同信息。權(quán)重圖的方法適用于已經(jīng)進(jìn)行像素匹配的可見光圖像和紅外圖像數(shù)據(jù)。也就是說同一目標(biāo)在可見光圖像和紅外圖像中的位置相同,才能利用權(quán)重圖的方法對相同位置的目標(biāo)計(jì)算權(quán)重。

    這一方法在多類別多目標(biāo)檢測中也有一定作用,比如在對行人檢測時(shí),熱輻射信息明顯,需要加大紅外圖像權(quán)重;對汽車等物體檢測時(shí),更多需要依賴可見光圖像,需要加大可見光圖像權(quán)重。當(dāng)行人和汽車在同一張圖片時(shí),就可以利用權(quán)重圖進(jìn)行不同權(quán)重的融合,更有利于精準(zhǔn)的預(yù)測。

    特征融合模塊本質(zhì)上就是多層卷積神經(jīng)網(wǎng)絡(luò),可以靈活的插入到現(xiàn)有的目標(biāo)檢測算法中??梢愿S目標(biāo)檢測算法一同優(yōu)化,不需要其他多余的操作。與一般先融合出一張圖片再檢測的方法比較,特征融合算法可以保留原始圖像的特征,并根據(jù)目標(biāo)檢測的結(jié)果對特征進(jìn)行挑選及融合,避免先融合圖像造成的信息損失。

    2 實(shí)驗(yàn)及結(jié)果

    2.1 數(shù)據(jù)集

    通過使用文獻(xiàn)[8]的M3FD數(shù)據(jù)集,如圖5所示,該數(shù)據(jù)集通過一個(gè)光學(xué)攝像機(jī)和一個(gè)紅外攝像機(jī)同步采集數(shù)據(jù)。共包含4200對可見光與紅外圖像對,圖像大小為1024×768。圖像經(jīng)過手工標(biāo)注,共有34407個(gè)標(biāo)簽,共有6個(gè)標(biāo)簽類別:行人、汽車、公交、摩托車、信號燈、卡車。實(shí)驗(yàn)使用80%的數(shù)據(jù)作為訓(xùn)練集,其余20%作為驗(yàn)證集和測試集。

    圖5 M3FD數(shù)據(jù)集 Fig.5 M3FD Dataset

    2.2 實(shí)驗(yàn)方法

    為了驗(yàn)證特征融合的有效性,進(jìn)行了3組實(shí)驗(yàn)進(jìn)行對比。分別為可將光圖像目標(biāo)檢測,紅外圖像目標(biāo)檢測,特征融合目標(biāo)檢測。前兩組實(shí)驗(yàn)使用傳統(tǒng)YOLO算法進(jìn)行,特征融合算法流程如圖1所示。使用2套Backbone+Neck的網(wǎng)絡(luò)結(jié)構(gòu)分別輸入可見光圖像及紅外圖像,使用3個(gè)特征融合模塊對不同尺寸的特征圖進(jìn)行融合,使用1個(gè)Detection網(wǎng)絡(luò)進(jìn)行目標(biāo)預(yù)測。Backbone、Neck、Detection均來自YOLO算法v5版本。特征權(quán)重網(wǎng)絡(luò)結(jié)構(gòu)如表2所示。

    表2 特征權(quán)重網(wǎng)絡(luò)結(jié)構(gòu) Tab.2 Feature Weight Network Structure

    實(shí)驗(yàn)在搭載NVIDIA 3090顯卡的服務(wù)器上運(yùn)行,訓(xùn)練數(shù)據(jù)共有3360對可見光圖像和紅外圖像,訓(xùn)練批次大小為16,共進(jìn)行了300次迭代。驗(yàn)證集共有840對圖片,最終選出在驗(yàn)證集上表現(xiàn)最好的結(jié)果進(jìn)行比較。

    2.3 實(shí)驗(yàn)結(jié)果

    使用M3FD數(shù)據(jù)集分別進(jìn)行了3組實(shí)驗(yàn),使用平均精度的平均值(mAP)對實(shí)驗(yàn)結(jié)果進(jìn)行評價(jià),見表3。IOU取值0.5,表示預(yù)測目標(biāo)范圍與實(shí)際目標(biāo)范圍相交的面積比合并的面積大于等于0.5。第1組RGB僅使用可見光圖像進(jìn)行目標(biāo)檢測;第2組IR僅使用紅外圖像進(jìn)行目標(biāo)檢測;第3組Fusion使用可見光圖像和紅外圖像進(jìn)行特征融合目標(biāo)檢測。預(yù)測結(jié)果表示,3組實(shí)驗(yàn)均能較好地進(jìn)行目標(biāo)檢測。

    表3 實(shí)驗(yàn)結(jié)果(0.5mAP) Tab.3 Result(0.5mAP)

    從表3中可以看到,使用特征融合模塊的0.5mAP值達(dá)到0.883,高于單獨(dú)使用可見光圖像或紅外圖像的目標(biāo)檢測結(jié)果。在對摩托車、信號燈的檢測中,特征融合方法的結(jié)果最優(yōu),在其他類目標(biāo)檢測中,特征融合的方法也能接近最好結(jié)果。在對行人進(jìn)行檢測時(shí),具有熱輻射信息的紅外圖像抗干擾能力強(qiáng),行人的特征更加清晰,所以紅外圖像的檢測結(jié)果更好。特征融合的結(jié)果0.870接近紅外圖像的檢測結(jié)果0.874,遠(yuǎn)高于可見光對應(yīng)的結(jié)果0.815。在對其他目標(biāo)檢測時(shí),熱輻射信息較少,所以可見光檢測結(jié)果高于紅外圖像檢測結(jié)果。此時(shí),特征融合算法的結(jié)果能夠接近甚至超過可見光圖像檢測結(jié)果,說明融合算法能夠有效利用可見光圖像同時(shí)也能夠借鑒紅外圖像。

    3 結(jié)束語

    基于提出的特征融合檢測算法,可以同時(shí)使用可見光圖像和紅外圖像進(jìn)行目標(biāo)檢測,建立了一種端到端的神經(jīng)網(wǎng)絡(luò)模型。利用目標(biāo)檢測的結(jié)果進(jìn)行優(yōu)化,自動根據(jù)目標(biāo)計(jì)算特征權(quán)重,使用權(quán)重將可見光圖像與紅外圖像進(jìn)行融合。當(dāng)可見光圖像效果好時(shí),更多使用可見光圖像進(jìn)行目標(biāo)檢測,反之,更多使用紅外圖像進(jìn)行目標(biāo)檢測。實(shí)驗(yàn)結(jié)果表明特征融合算法結(jié)果優(yōu)于單獨(dú)使用可見光圖像或紅外圖像,證明此算法達(dá)到了預(yù)期,可以自動的為可見光圖像和紅外圖像分配權(quán)重,更好的進(jìn)行融合,以達(dá)到更優(yōu)的目標(biāo)檢測效果。

    可見光圖像和紅外圖像獲取成本較低,二者融合后蘊(yùn)含大量信息并且抗干擾能力強(qiáng),在遙感探測、醫(yī)療衛(wèi)生、視頻監(jiān)控等領(lǐng)域有著很好的應(yīng)用前景。接下來要進(jìn)一步提高檢測結(jié)果的準(zhǔn)確性,充分利用圖像融合的優(yōu)勢。另外還需考慮同時(shí)處理兩張圖片帶來的計(jì)算量增加,要如何提高計(jì)算效率。多目標(biāo)檢測以及有遮擋目標(biāo)檢測同樣是值得探究的技術(shù)難點(diǎn),可以作為今后的工作內(nèi)容。

    猜你喜歡
    特征融合檢測
    村企黨建聯(lián)建融合共贏
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    融合菜
    從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
    《融合》
    如何表達(dá)“特征”
    不忠誠的四個(gè)特征
    抓住特征巧觀察
    亚洲成人国产一区在线观看| 国产亚洲精品综合一区在线观看 | 国产精品国产av在线观看| 露出奶头的视频| 国产黄色免费在线视频| 亚洲精品国产色婷婷电影| av电影中文网址| 韩国精品一区二区三区| 精品人妻在线不人妻| 日韩欧美三级三区| 国产黄a三级三级三级人| 久久精品国产清高在天天线| 亚洲av成人av| 久久久精品欧美日韩精品| 亚洲av日韩精品久久久久久密| 性色av乱码一区二区三区2| 欧美在线一区亚洲| 成人黄色视频免费在线看| 日本撒尿小便嘘嘘汇集6| 精品久久蜜臀av无| √禁漫天堂资源中文www| 亚洲在线自拍视频| 色综合婷婷激情| 欧美不卡视频在线免费观看 | 国产真人三级小视频在线观看| 日韩欧美一区视频在线观看| 亚洲第一青青草原| 久久精品人人爽人人爽视色| 日本a在线网址| 十八禁人妻一区二区| 青草久久国产| 三级毛片av免费| 91麻豆av在线| 久久影院123| 中文字幕高清在线视频| av电影中文网址| 亚洲精品中文字幕在线视频| 国产精品久久久人人做人人爽| 大型av网站在线播放| 久久精品国产99精品国产亚洲性色 | 久久性视频一级片| 可以在线观看毛片的网站| 久久久久久免费高清国产稀缺| a级片在线免费高清观看视频| 中亚洲国语对白在线视频| 欧美另类亚洲清纯唯美| 亚洲五月色婷婷综合| 在线观看免费视频网站a站| 在线看a的网站| 亚洲第一欧美日韩一区二区三区| 一级毛片女人18水好多| 亚洲一区中文字幕在线| 中文亚洲av片在线观看爽| 热re99久久精品国产66热6| 精品国产超薄肉色丝袜足j| 无限看片的www在线观看| 91九色精品人成在线观看| 淫妇啪啪啪对白视频| 欧美国产精品va在线观看不卡| 少妇 在线观看| 乱人伦中国视频| 午夜免费观看网址| 大陆偷拍与自拍| 亚洲精华国产精华精| 中文字幕人妻熟女乱码| 久久精品国产99精品国产亚洲性色 | 啪啪无遮挡十八禁网站| 女人精品久久久久毛片| 9热在线视频观看99| 午夜a级毛片| a级毛片在线看网站| 国产高清videossex| 国产精品一区二区精品视频观看| 欧美黑人欧美精品刺激| 美女 人体艺术 gogo| 亚洲中文日韩欧美视频| 亚洲第一av免费看| 这个男人来自地球电影免费观看| 亚洲在线自拍视频| 一边摸一边做爽爽视频免费| a级毛片黄视频| 级片在线观看| 亚洲av成人一区二区三| 午夜91福利影院| 每晚都被弄得嗷嗷叫到高潮| 色在线成人网| av在线播放免费不卡| 亚洲av成人av| 亚洲av第一区精品v没综合| 成年人黄色毛片网站| 自拍欧美九色日韩亚洲蝌蚪91| 黄色怎么调成土黄色| 又紧又爽又黄一区二区| 国产av在哪里看| 欧美激情 高清一区二区三区| 国产精品一区二区三区四区久久 | 国产熟女xx| 色综合婷婷激情| 亚洲中文字幕日韩| 99国产极品粉嫩在线观看| 亚洲精品国产精品久久久不卡| 男人操女人黄网站| 人人澡人人妻人| 亚洲欧美激情在线| 国产一卡二卡三卡精品| 亚洲av第一区精品v没综合| 视频区图区小说| 美女福利国产在线| 波多野结衣高清无吗| 午夜福利免费观看在线| 热99re8久久精品国产| 日日摸夜夜添夜夜添小说| 12—13女人毛片做爰片一| 午夜免费观看网址| 国产成人精品无人区| 久99久视频精品免费| 一级片'在线观看视频| 在线观看舔阴道视频| 激情在线观看视频在线高清| 麻豆久久精品国产亚洲av | 国内久久婷婷六月综合欲色啪| 一本综合久久免费| 麻豆久久精品国产亚洲av | 香蕉久久夜色| 在线观看免费视频日本深夜| 国产精品亚洲一级av第二区| 88av欧美| 嫁个100分男人电影在线观看| 视频区图区小说| 99国产精品99久久久久| 久久香蕉精品热| av欧美777| av在线天堂中文字幕 | 在线观看66精品国产| 国产精品久久久人人做人人爽| 免费搜索国产男女视频| 欧美人与性动交α欧美精品济南到| 视频区图区小说| 丰满人妻熟妇乱又伦精品不卡| 啦啦啦在线免费观看视频4| 一本大道久久a久久精品| 一二三四在线观看免费中文在| 女人高潮潮喷娇喘18禁视频| 深夜精品福利| 在线看a的网站| 很黄的视频免费| 一级毛片女人18水好多| 国产精品免费视频内射| 村上凉子中文字幕在线| 国产黄a三级三级三级人| 午夜福利在线观看吧| 亚洲一区高清亚洲精品| 两性午夜刺激爽爽歪歪视频在线观看 | 1024视频免费在线观看| 看免费av毛片| 国产高清视频在线播放一区| 国产精品av久久久久免费| 国产精品美女特级片免费视频播放器 | 久久午夜综合久久蜜桃| 久久国产亚洲av麻豆专区| 国产国语露脸激情在线看| 三级毛片av免费| 成年女人毛片免费观看观看9| 亚洲在线自拍视频| 国产精品98久久久久久宅男小说| 欧美+亚洲+日韩+国产| 国产精品免费一区二区三区在线| 欧美成人性av电影在线观看| 国产国语露脸激情在线看| 国产人伦9x9x在线观看| 脱女人内裤的视频| 热99国产精品久久久久久7| 亚洲 国产 在线| 岛国视频午夜一区免费看| 免费人成视频x8x8入口观看| 亚洲一区高清亚洲精品| 好看av亚洲va欧美ⅴa在| 成人国产一区最新在线观看| 精品久久久久久久毛片微露脸| 亚洲成国产人片在线观看| 免费日韩欧美在线观看| 国产野战对白在线观看| 真人一进一出gif抽搐免费| 欧美乱码精品一区二区三区| 国产又色又爽无遮挡免费看| 美女 人体艺术 gogo| 国产乱人伦免费视频| 国产黄a三级三级三级人| 精品欧美一区二区三区在线| 亚洲精品中文字幕在线视频| av超薄肉色丝袜交足视频| 一级毛片精品| 日韩欧美一区二区三区在线观看| 亚洲免费av在线视频| 久热爱精品视频在线9| 美女高潮到喷水免费观看| 亚洲第一欧美日韩一区二区三区| 天天躁夜夜躁狠狠躁躁| 天堂中文最新版在线下载| 在线av久久热| www日本在线高清视频| 日韩免费av在线播放| 国产成人av激情在线播放| 精品电影一区二区在线| 欧美日韩乱码在线| 欧美人与性动交α欧美精品济南到| 美女福利国产在线| 亚洲国产精品sss在线观看 | 欧美日韩亚洲综合一区二区三区_| 国产成人一区二区三区免费视频网站| 国产日韩一区二区三区精品不卡| 天天躁夜夜躁狠狠躁躁| 亚洲第一av免费看| 18禁美女被吸乳视频| 国内久久婷婷六月综合欲色啪| 久久久久久免费高清国产稀缺| 久久久国产精品麻豆| 日韩一卡2卡3卡4卡2021年| 亚洲av片天天在线观看| 欧美日本亚洲视频在线播放| 欧美激情高清一区二区三区| 美女扒开内裤让男人捅视频| 精品福利观看| 国产精品国产av在线观看| 18禁裸乳无遮挡免费网站照片 | 亚洲一区二区三区色噜噜 | 亚洲欧美一区二区三区黑人| 人人妻人人澡人人看| 欧美最黄视频在线播放免费 | 亚洲成av片中文字幕在线观看| 久久精品91无色码中文字幕| 男女高潮啪啪啪动态图| 水蜜桃什么品种好| 欧美黑人精品巨大| 电影成人av| 久久久久精品国产欧美久久久| 欧美日韩精品网址| 男女做爰动态图高潮gif福利片 | 五月开心婷婷网| 精品无人区乱码1区二区| netflix在线观看网站| av天堂在线播放| 91av网站免费观看| 丰满人妻熟妇乱又伦精品不卡| 亚洲午夜精品一区,二区,三区| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲av第一区精品v没综合| 精品日产1卡2卡| 一边摸一边抽搐一进一出视频| 在线观看一区二区三区| 久久精品91无色码中文字幕| 免费在线观看日本一区| 精品久久久久久,| 啪啪无遮挡十八禁网站| 我的亚洲天堂| 婷婷精品国产亚洲av在线| 欧美成人性av电影在线观看| 亚洲欧美精品综合久久99| 成年版毛片免费区| 日本欧美视频一区| 男女之事视频高清在线观看| 久久久国产一区二区| 亚洲欧美激情在线| 国内毛片毛片毛片毛片毛片| 免费一级毛片在线播放高清视频 | 国产精品 国内视频| 色播在线永久视频| 女性生殖器流出的白浆| 黄色女人牲交| 成熟少妇高潮喷水视频| 波多野结衣av一区二区av| 波多野结衣一区麻豆| 欧美不卡视频在线免费观看 | 欧美日韩av久久| 午夜福利在线免费观看网站| 可以在线观看毛片的网站| 久热这里只有精品99| 操美女的视频在线观看| 久久久久亚洲av毛片大全| 成年人黄色毛片网站| 亚洲色图av天堂| 亚洲九九香蕉| 男男h啪啪无遮挡| 国产精品免费一区二区三区在线| 法律面前人人平等表现在哪些方面| 91成人精品电影| av超薄肉色丝袜交足视频| 视频区图区小说| 成年人黄色毛片网站| 亚洲色图综合在线观看| 乱人伦中国视频| 免费女性裸体啪啪无遮挡网站| 亚洲欧美精品综合久久99| 一二三四在线观看免费中文在| 人人妻人人爽人人添夜夜欢视频| 别揉我奶头~嗯~啊~动态视频| 在线观看舔阴道视频| 国产主播在线观看一区二区| 一区二区三区精品91| 亚洲av五月六月丁香网| 人成视频在线观看免费观看| 免费日韩欧美在线观看| 狠狠狠狠99中文字幕| 久久精品国产综合久久久| 国产精品九九99| 淫妇啪啪啪对白视频| 免费av毛片视频| 成人三级做爰电影| 国产又色又爽无遮挡免费看| av网站在线播放免费| 新久久久久国产一级毛片| 国产成人av教育| 身体一侧抽搐| 波多野结衣一区麻豆| 亚洲中文字幕日韩| 成人手机av| 亚洲专区国产一区二区| 视频在线观看一区二区三区| 国产亚洲av高清不卡| 亚洲黑人精品在线| 亚洲一区中文字幕在线| 日韩av在线大香蕉| 亚洲午夜精品一区,二区,三区| 黄频高清免费视频| 高清欧美精品videossex| 免费高清在线观看日韩| 国产熟女xx| 亚洲av日韩精品久久久久久密| 国产99久久九九免费精品| 免费在线观看完整版高清| 丰满人妻熟妇乱又伦精品不卡| 一a级毛片在线观看| 中文字幕色久视频| 在线观看一区二区三区激情| 99久久综合精品五月天人人| 悠悠久久av| 最近最新中文字幕大全免费视频| 久久人妻av系列| 免费看a级黄色片| 国产精品 国内视频| 看免费av毛片| 国产精品久久久av美女十八| 久久久久九九精品影院| 91精品国产国语对白视频| 美女午夜性视频免费| 一级作爱视频免费观看| 亚洲国产精品合色在线| 久久香蕉国产精品| 老司机福利观看| 色哟哟哟哟哟哟| 51午夜福利影视在线观看| 亚洲在线自拍视频| 无遮挡黄片免费观看| 国产成人影院久久av| 久久久久久久久中文| 国产亚洲欧美在线一区二区| 真人做人爱边吃奶动态| 日韩视频一区二区在线观看| 午夜福利影视在线免费观看| 51午夜福利影视在线观看| 老司机深夜福利视频在线观看| 黄色视频,在线免费观看| 看片在线看免费视频| 国产亚洲欧美在线一区二区| 久久国产亚洲av麻豆专区| 国产一区二区激情短视频| 一级毛片精品| 天天添夜夜摸| 日韩免费高清中文字幕av| 国产av精品麻豆| 国产熟女xx| 欧美日韩亚洲综合一区二区三区_| 欧美乱码精品一区二区三区| а√天堂www在线а√下载| 欧美性长视频在线观看| 69av精品久久久久久| 又黄又爽又免费观看的视频| 日韩人妻精品一区2区三区| 黄色成人免费大全| 又大又爽又粗| 老司机靠b影院| 欧美日韩一级在线毛片| 神马国产精品三级电影在线观看 | 久久婷婷成人综合色麻豆| 成人手机av| 亚洲一区二区三区色噜噜 | 黑人巨大精品欧美一区二区mp4| 1024视频免费在线观看| 国产99白浆流出| 久9热在线精品视频| 成人av一区二区三区在线看| 久9热在线精品视频| 在线观看免费视频日本深夜| 国产亚洲精品久久久久5区| 亚洲欧美日韩高清在线视频| 亚洲自拍偷在线| 波多野结衣一区麻豆| 久久久久国产精品人妻aⅴ院| 国产精品日韩av在线免费观看 | 亚洲精品久久午夜乱码| 一区福利在线观看| aaaaa片日本免费| 夜夜看夜夜爽夜夜摸 | 美女扒开内裤让男人捅视频| 乱人伦中国视频| 国产精华一区二区三区| 久久精品亚洲熟妇少妇任你| 国产午夜精品久久久久久| 欧美一级毛片孕妇| 自线自在国产av| 青草久久国产| 麻豆成人av在线观看| 午夜免费激情av| 免费在线观看影片大全网站| aaaaa片日本免费| 天天躁狠狠躁夜夜躁狠狠躁| svipshipincom国产片| 亚洲视频免费观看视频| 亚洲 欧美一区二区三区| 色综合站精品国产| 两性午夜刺激爽爽歪歪视频在线观看 | 黄色怎么调成土黄色| 女生性感内裤真人,穿戴方法视频| 精品高清国产在线一区| 18禁美女被吸乳视频| 97人妻天天添夜夜摸| 超色免费av| 色哟哟哟哟哟哟| 黄色片一级片一级黄色片| av天堂在线播放| 精品欧美一区二区三区在线| 午夜免费观看网址| 久久 成人 亚洲| 天天添夜夜摸| 亚洲色图av天堂| 亚洲五月婷婷丁香| 黑人巨大精品欧美一区二区蜜桃| 色精品久久人妻99蜜桃| 麻豆久久精品国产亚洲av | 国产xxxxx性猛交| 国产精品久久电影中文字幕| 亚洲成av片中文字幕在线观看| 国产1区2区3区精品| 黑丝袜美女国产一区| av电影中文网址| 大型av网站在线播放| 女同久久另类99精品国产91| 在线观看免费午夜福利视频| 亚洲成人精品中文字幕电影 | 波多野结衣av一区二区av| 亚洲国产中文字幕在线视频| 日本精品一区二区三区蜜桃| 国产亚洲精品综合一区在线观看 | 亚洲精品在线美女| 午夜老司机福利片| 久久国产精品男人的天堂亚洲| 欧美日韩亚洲综合一区二区三区_| 法律面前人人平等表现在哪些方面| av在线播放免费不卡| 最新美女视频免费是黄的| 老汉色av国产亚洲站长工具| 国产亚洲精品一区二区www| 国产成人精品久久二区二区91| 在线观看66精品国产| 99在线视频只有这里精品首页| 波多野结衣高清无吗| 久久这里只有精品19| 久久人人97超碰香蕉20202| 国产欧美日韩一区二区精品| 超碰97精品在线观看| 日韩大码丰满熟妇| 水蜜桃什么品种好| 久久精品国产亚洲av高清一级| 亚洲一区二区三区不卡视频| 国产成人精品在线电影| 窝窝影院91人妻| 十八禁网站免费在线| 久久午夜综合久久蜜桃| 国产精品国产av在线观看| 日本三级黄在线观看| 婷婷六月久久综合丁香| 国内久久婷婷六月综合欲色啪| 免费av毛片视频| 日韩欧美在线二视频| 国产真人三级小视频在线观看| 亚洲欧美激情综合另类| 成人av一区二区三区在线看| 两性夫妻黄色片| 亚洲色图av天堂| 国产成人精品久久二区二区91| 好看av亚洲va欧美ⅴa在| 露出奶头的视频| 亚洲午夜理论影院| 满18在线观看网站| 妹子高潮喷水视频| 久久久久久亚洲精品国产蜜桃av| 91麻豆精品激情在线观看国产 | 国产亚洲精品久久久久5区| 侵犯人妻中文字幕一二三四区| 99精品久久久久人妻精品| 成人三级黄色视频| 精品一区二区三区av网在线观看| 亚洲九九香蕉| 黄网站色视频无遮挡免费观看| 中文字幕人妻熟女乱码| 午夜视频精品福利| 99热国产这里只有精品6| 成人av一区二区三区在线看| 夜夜夜夜夜久久久久| 亚洲视频免费观看视频| 黑人操中国人逼视频| 夜夜爽天天搞| 18禁观看日本| 在线av久久热| 精品国产一区二区三区四区第35| 久久精品国产99精品国产亚洲性色 | svipshipincom国产片| 国产91精品成人一区二区三区| 精品卡一卡二卡四卡免费| 夜夜爽天天搞| 成人国产一区最新在线观看| 成人18禁在线播放| 国产一区二区三区在线臀色熟女 | 大型av网站在线播放| a级毛片黄视频| 亚洲五月天丁香| 超碰成人久久| 嫩草影院精品99| 午夜91福利影院| 黄色视频,在线免费观看| 色播在线永久视频| 午夜福利免费观看在线| 男男h啪啪无遮挡| 国产免费现黄频在线看| 国产成人精品久久二区二区免费| 日本a在线网址| 欧美日韩黄片免| 可以免费在线观看a视频的电影网站| 岛国视频午夜一区免费看| 国产成+人综合+亚洲专区| 日韩大码丰满熟妇| 亚洲成人免费av在线播放| 国产在线精品亚洲第一网站| 国内毛片毛片毛片毛片毛片| 亚洲精品在线美女| 欧美一级毛片孕妇| 日韩三级视频一区二区三区| 777久久人妻少妇嫩草av网站| 国产成人av教育| 丰满的人妻完整版| 女人爽到高潮嗷嗷叫在线视频| 大香蕉久久成人网| 成人三级黄色视频| 亚洲色图综合在线观看| 电影成人av| 国产精品影院久久| 久久热在线av| 18禁美女被吸乳视频| 12—13女人毛片做爰片一| 精品欧美一区二区三区在线| 亚洲精品粉嫩美女一区| 亚洲专区国产一区二区| 国产亚洲欧美98| 亚洲av美国av| 757午夜福利合集在线观看| 欧美日韩福利视频一区二区| 国产蜜桃级精品一区二区三区| 99国产精品99久久久久| 久久久久国内视频| 91成人精品电影| 人人澡人人妻人| а√天堂www在线а√下载| 国产精品综合久久久久久久免费 | 99精品在免费线老司机午夜| 电影成人av| av中文乱码字幕在线| 亚洲在线自拍视频| 精品福利永久在线观看| 婷婷精品国产亚洲av在线| 欧美久久黑人一区二区| 一夜夜www| 精品电影一区二区在线| 国产人伦9x9x在线观看| 久久人妻熟女aⅴ| 三上悠亚av全集在线观看| 日本三级黄在线观看| 久久中文字幕人妻熟女| 国产99白浆流出| 国产激情久久老熟女| 天天添夜夜摸| 色哟哟哟哟哟哟| √禁漫天堂资源中文www| 俄罗斯特黄特色一大片| 亚洲成人久久性| 国产片内射在线| 国产伦人伦偷精品视频| 18禁观看日本| 久久国产精品人妻蜜桃| cao死你这个sao货| 99国产极品粉嫩在线观看| 黄片播放在线免费| av网站免费在线观看视频| 亚洲少妇的诱惑av| 91老司机精品| 久久久久久久久久久久大奶| 欧美日本亚洲视频在线播放| 99精品在免费线老司机午夜| www.www免费av| 美女午夜性视频免费| netflix在线观看网站| 男人操女人黄网站| 国产主播在线观看一区二区| 国产伦一二天堂av在线观看| 日韩有码中文字幕| 精品乱码久久久久久99久播|