• <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Mask R-CNN的霧天場景目標檢測

    2023-01-14 05:58:12張芯睿趙清華董旭彬
    電光與控制 2022年12期
    關(guān)鍵詞:候選框透射率尺寸

    張芯睿, 趙清華, 王 雷, 董旭彬

    (1.太原理工大學(xué),太原 030000; 2.中國科學(xué)院空天信息研究院,北京 100000)

    0 引言

    遙感圖像目標檢測在計算機視覺領(lǐng)域一直都占據(jù)著十分重要的地位。近年來,隨著航空遙感技術(shù)的快速發(fā)展,我國的遙感技術(shù)在光譜分辨率和空間分辨率等方面都取得了巨大的進步。目前,高分辨率遙感圖像在遙感圖像目標檢測方面已經(jīng)得到廣泛應(yīng)用,高分辨率遙感圖像為城市規(guī)劃、環(huán)境監(jiān)測等民用方面提供了非常大的便利,同時在軍事作戰(zhàn)方面也發(fā)揮著重要的作用。

    隨著目標檢測技術(shù)的不斷發(fā)展,基于深度學(xué)習(xí)的目標檢測算法逐漸進入研究人員的視線[1-5]。目前,目標檢測算法主要分為兩類:一類是基于回歸的目標檢測算法,典型的有YOLOv1~YOLOv3[6-8],SSD[9],此類算法不生成候選區(qū)域,采用直接回歸目標區(qū)域的檢測策略;另一類是以R-CNN系列為代表的基于區(qū)域建議的目標檢測算法。這兩類算法都在目標識別中得到廣泛應(yīng)用,并且取得了不錯的效果,但遙感圖像成像容易受天氣因素影響,圖像常有云霧遮擋的現(xiàn)象;且遙感目標種類繁多,形狀大小各異,小目標分布密集,受這兩種情況的影響,檢測結(jié)果會發(fā)生誤檢、漏檢以及生成掩膜質(zhì)量不高等情況。

    針對上述問題,本文提出一種基于Mask R-CNN的遙感圖像目標檢測改進算法。

    1 網(wǎng)絡(luò)框架

    Mask R-CNN[10]是R-CNN系列算法中目標識別和語義分割能力最優(yōu)秀的目標檢測技術(shù)之一,是在Faster R-CNN基礎(chǔ)上開發(fā)的一種新型模型,并在其基礎(chǔ)上做了諸多改進,如圖1所示,Mask R-CNN模型的特征提取網(wǎng)絡(luò)將特征金字塔與殘差網(wǎng)絡(luò)相結(jié)合,利用自下而上和自上而下兩條路徑結(jié)合多個尺度的信息來防止網(wǎng)絡(luò)退化,并將興趣區(qū)域池化層(Region of Interest Pooling,RoI Pooling)改為興趣區(qū)域匹配層(Region of Interest Align,RoI Align),RoI Align 采用雙線性插值法運算,結(jié)果采用浮點數(shù)的形式,解決了之前Faster R-CNN[11]中RoI Pooling兩次量化所產(chǎn)生的區(qū)域不匹配問題,最后在輸出部分增加了掩膜支路,不僅能夠?qū)D像進行分類和回歸,還實現(xiàn)了對目標的實例分割掩膜。

    2 改進的算法

    2.1 霧天圖像還原

    為解決在霧天識別困難的問題,本文在Mask R-CNN的基礎(chǔ)上加入去霧算法,還原出清晰的圖像。HE等[12]提出的暗通道先驗算法(Dark Channel Prior,DCP)在去霧中有良好的表現(xiàn),但該算法計算量較大,去霧之后圖像偏暗,容易發(fā)生局部過亮或局部過暗的情況,如圖2所示。

    圖2 暗通道去霧結(jié)果Fig.2 Results of dark channel defogging

    在有霧圖像中,霧氣濃度分布往往是不均勻的,因此,本文根據(jù)文獻[13],利用有霧圖像顏色衰減先驗原理,提取圖像在HSV空間亮度分量V(x)和飽和分量S(x)的關(guān)系,定義了一種自適應(yīng)霧濃度分布模型,其表達式為

    G(x)=θ0+θ1V(x)+θ2S(x)-εg(x)

    (1)

    g(x)=edge(I(x))

    (2)

    式中:θ0=0.121 779;θ1=0.959 710;θ2=-0.780 245;ε為紋理系數(shù);g(x)為Canny算子檢測得到的霧氣濃度紋理分布;edge(·)為檢測函數(shù);I(x)為已知的有霧圖像。

    根據(jù)本文提出的自適應(yīng)霧濃度分布模型,采用局部大氣光估計,區(qū)分明暗區(qū)域修正大氣透射率,改善因大氣光估計和透射率估計不準確導(dǎo)致的顏色失真與偏移,并且減少算法計算量,盡可能保證目標檢測運算速率[14]。

    2.1.1 修正透射率

    HE等提出的暗通道先驗方法是利用暗通道先驗信息粗略估計透射率,再使用軟摳圖算法對透射率細化,計算量大,消耗的時間過長,本文采用導(dǎo)向濾波優(yōu)化透射率,再利用容差機制對透射率修正,引入容差閾值M進行判別。將大氣透射率重新定義為

    (3)

    2.1.2 優(yōu)化大氣光估計

    在圖像去霧時,大氣光估計不準確會導(dǎo)致去霧之后圖像產(chǎn)生局部過亮或局部過暗的問題,因此本文采用局部大氣光估計,相較于全局大氣光估計更加準確。具體方法是首先提取圖像HSV空間的亮度分量,選取兩個不同尺寸的圓形濾波核,做形態(tài)學(xué)閉運算,結(jié)果使用交叉雙邊濾波進行平滑處理,防止大氣光存在的局部過亮問題。形態(tài)學(xué)閉運算如下

    A1=close(V(x),C1)

    (4)

    A2=close(V(x),C2)。

    (5)

    濾波核半徑分別為C1=min(W,H)/10,C2=min(W,H)/20,單一尺度的濾波核很難適應(yīng)亮度特征不同的圖像,因此本文設(shè)計兩個不同尺寸的形態(tài)濾波核,其中,W,H分別為有霧圖像的寬和高,最終得到的大氣光表達式為

    (6)

    2.1.3 圖像還原

    在圖像處理領(lǐng)域中,有霧圖像數(shù)學(xué)模型被定義為

    I(x)=J(x)t(x)+A(1-t(x))

    (7)

    式中:I(x)為接收到的有霧圖像;J(x)為去霧之后的清晰圖像;t(x)為大氣透射率;A為全局大氣光。

    利用文獻[12]暗通道先驗理論,將上述修正后的透射率及大氣光值代入式(7)模型得到去霧之后的清晰圖像J(x),即

    (8)

    為防止透射率過小、去霧后圖像泛白,所以為透射率t設(shè)置了一個下限t0,取t0=0.1,當t

    2.2 改進的特征金字塔結(jié)構(gòu)

    傳統(tǒng)的特征金字塔網(wǎng)絡(luò)都是由人工設(shè)計的,通過卷積層堆疊和不同分辨率大小特征層融合為目標提供更好的特征提取網(wǎng)絡(luò),Mask R-CNN中的特征金字塔只融合了更深層次的特征,對其他層次的特征并沒有充分融合,并且在信息傳遞的過程中特征信息會有所流失,這樣的網(wǎng)絡(luò)結(jié)構(gòu)并不能達到最優(yōu)的效果。因此,本文使用神經(jīng)架構(gòu)搜索(Neural Architecture Search,NAS)[15-16]的方式,如圖3所示,利用循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)作為控制器。在訓(xùn)練過程中將不同網(wǎng)絡(luò)結(jié)構(gòu)的精確度P作為反饋信號反饋給控制器,并更新控制器中的網(wǎng)絡(luò)結(jié)構(gòu)和精確度。通過不斷迭代實驗,從而得到一個最優(yōu)的特征組合方式。

    圖3 神經(jīng)架構(gòu)搜索Fig.3 Neural architecture search

    運用上述方式改進后新的特征金字塔結(jié)構(gòu)示意圖見圖4,本文采用ResNet101作為主干網(wǎng)絡(luò),其中,R-C-B表示ReLU-Conv-BatchNorm,{P2,P3,P4,P5,P6}是由ResNet101輸出的不同尺度的特征層,經(jīng)過重新融合之后得到與P2~P6尺寸相同的特征映射圖{N2,N3,N4,N5,N6},在兩個特征層尺寸不同的情況下采用全局池化(Global Pooling,GP)統(tǒng)一分辨率之后逐像素點相加。改進后新生成的特征映射圖融合了更多層次的語義信息,圖像紋理信息保留更加完整,其具體操作如圖5所示。

    圖4 改進后的特征金字塔結(jié)構(gòu)示意圖Fig.4 Schematic diagram of the improved feature pyramid structure

    圖5 操作流程圖Fig.5 Flow chart of operation

    2.3 改進區(qū)域建議網(wǎng)絡(luò)

    考慮到遙感圖像中目標種類不同,大小各異,每個特征圖上生成固定尺寸、比例的anchor會造成定位偏移或漏檢現(xiàn)象。因此,本文調(diào)整anchor的大小,對不同深度的特征映射圖生成不同尺寸的建議區(qū)域[17]。如表1所示,N2,N3特征圖尺寸相對較大,小目標特征表現(xiàn)明顯,所以在這兩層的特征圖上分別增加了小尺寸的anchor,N5,N6特征圖尺寸較小,因此只生成兩種尺寸偏大的anchor,并將N6層的滑動窗口調(diào)整為5×5,以適應(yīng)大目標的檢測,其余層的滑動窗口保持不變。

    表1 各層anchor框尺寸Table 1 Dimensions of anchor boxes on each layer

    調(diào)整anchor大小后,每個尺寸的anchor仍然會生成對應(yīng)3種比例(1∶1,1∶2,2∶1)的anchor,其中,勢必也會生成大量重疊冗余的候選框,Mask R-CNN網(wǎng)絡(luò)使用非極大值抑制(NMS)直接過濾得到得分最高的候選框,而遙感圖像中的目標分布較為密集,并且所占像素較小,采用NMS篩選候選框會導(dǎo)致密集目標的漏檢情況,因此本文選擇Soft-NMS篩選候選框,利用線性函數(shù)抑制重疊候選框的得分,提升模型的召回率,即

    (9)

    式中:Si為檢測得分;M為最大得分檢測框;bi為其余候選框;μ為IoU閾值。

    3 實驗結(jié)果與分析

    3.1 實驗設(shè)計

    實驗數(shù)據(jù)由DOTA數(shù)據(jù)集[18]以及國內(nèi)研究機構(gòu)制作的同視場環(huán)境下GF-2衛(wèi)星拍攝的遙感數(shù)據(jù)組成,總計5000張,包含飛機、輪船、儲罐、棒球場、網(wǎng)球場、橋梁、車輛等15類目標,平均每張圖像中大約含有7個目標,圖像尺寸從800像素×800像素到4000像素×4000像素不等,涵蓋了霧天和正常天氣狀況的遙感圖像,并使用Labelme對圖像目標進行標注,實驗所用的硬件環(huán)境如表2所示。

    表2 實驗環(huán)境Table 2 Lab environment

    實驗將各個改進的策略與Mask R-CNN相結(jié)合并進行對比實驗,分析各個方案的效果以及可行性,最后調(diào)整各個方案并分別與Mask R-CNN結(jié)合,對整體的算法進行測評,與其他深度學(xué)習(xí)目標檢測算法進行比較。在對本文改進后的Mask R-CNN算法進行訓(xùn)練時,卷積層采用ReLU激活函數(shù),學(xué)習(xí)率由0.001逐漸降低為0.000 01,衰減系數(shù)設(shè)為0.95,最大迭代次數(shù)設(shè)為4000。

    3.2 實驗結(jié)果對比

    將大約5000張數(shù)據(jù)集圖像隨機劃分,80%作為訓(xùn)練集,20%作為測試集。使用目前較主流的目標檢測算法分別對有霧圖像和清晰圖像進行實驗,并進行比較,實驗選取平均準確率均值(mAP)和檢測速率作為評價指標,實驗結(jié)果如表 3所示。

    表3 不同算法的檢測結(jié)果Table 3 Detection results of different algorithms

    從表3中可以看出,YOLO,SSD這類基于回歸的一階段目標檢測算法由于不需要生成建議區(qū)域,因此檢測速率快,但是在檢測精度上不如Faster R-CNN,Mask R-CNN和Cascade R-CNN算法。本文算法的檢測精度均優(yōu)于其他幾種傳統(tǒng)目標檢測算法,同時也優(yōu)于YOLOv4 tiny,YOLO X這類最先進的輕量化算法,相較于原始Mask R-CNN算法,對清晰圖像和有霧圖像的檢測精度分別提升了5.37%和18.71%,在加入去霧算法之后,有霧圖像的目標檢測精度得到了明顯提升,由于增加額外計算量,檢測速率稍有下降,但基本不影響實際檢測需求。

    3.3 霧天場景檢測實驗結(jié)果

    霧天場景的檢測實驗結(jié)果如圖6所示。

    圖6 加入去霧網(wǎng)絡(luò)的檢測結(jié)果Fig.6 Detection results with the addition of defogging network

    由圖6(a)~6(c)可以看出,圖6(a)霧天圖像成像對比度低,圖6(b)直接用Mask R-CNN算法檢測效果較差,很容易造成誤檢和漏檢的情況。圖6(c)在加入暗通道算法去霧之后,雖然檢測結(jié)果得到了改善,但暗通道去霧之后圖像整體偏暗,造成的圖像失真現(xiàn)象會導(dǎo)致識別誤差。圖6(d)為本文算法檢測后的結(jié)果,改進后的算法有效改善了暗通道先驗方法去霧之后圖像偏暗和失真的情況,圖像還原得更加真實,并且識別出的目標輪廓信息更加清晰,掩膜更加完整,減少了漏檢和誤檢的情況發(fā)生。

    從主觀角度可以直觀地看出,本文算法有效改善了暗通道去霧之后局部過暗或過亮的情況,但為了進一步驗證本文算法的有效性,從客觀角度出發(fā),實驗選擇新增可見邊e、峰值信噪比(PSNR)和結(jié)構(gòu)相似性(SSIM)作為評價指標,對應(yīng)的數(shù)學(xué)表達式分別為

    (10)

    (11)

    (12)

    與原本HE暗通道先驗算法對比實驗結(jié)果如表4所示,隨機選取不同類別的200張圖像作為測試集,并取這200張圖像的均值作為最終評價標準,綜合分析以上3種評價指標,從表4可以看出,本文算法均取得了更加理想的效果。

    表4 基于暗通道去霧的優(yōu)化算法對比Table 4 Comparison of optimization algorithms based on dark channel defogging

    3.4 基于Mask R-CNN的優(yōu)化算法對比

    為進一步驗證本文改進策略的有效性,選取清晰無霧的圖像對改進前后的Mask R-CNN算法進行分析,結(jié)果如表5所示。

    表5 基于Mask R-CNN的優(yōu)化算法對比Table 5 Comparison of optimization algorithms based on Mask R-CNN %

    實驗以Mask R-CNN為基礎(chǔ),分別加入不同改進策略分析各個策略對Mask R-CNN檢測結(jié)果的影響,從表5中可以看出,本文對特征金字塔以及區(qū)域建議網(wǎng)絡(luò)改進之后mAP和召回率均有提升,這是由于改進后的特征金字塔結(jié)構(gòu)優(yōu)化了特征信息的傳播路徑,使各個尺度的特征信息得到充分利用,減少圖像紋理信息的流失。并且,改進之后的區(qū)域建議網(wǎng)絡(luò)針對不同尺度的特征映射圖設(shè)計不同尺寸的anchor并且使用Soft-NMS篩選候選框,抑制重疊候選框的得分,使目標回歸更加精準,有效提升了模型的召回率。

    對比改進前后圖像可以直觀地看出,原本Mask R-CNN算法由于特征金字塔信息在傳遞過程中流失嚴重,生成的掩膜質(zhì)量較差,候選框回歸有所偏差;如圖7所示,改進后Mask R-CNN算法檢測結(jié)果更加精確,生成的掩膜在細節(jié)上表現(xiàn)更好、質(zhì)量更高,區(qū)域建議網(wǎng)絡(luò)中生成的多尺度anchor尺寸能夠適應(yīng)不同大小的目標,定位也更加準確。

    圖7 基于Mask R-CNN的優(yōu)化算法的清晰圖像檢測結(jié)果Fig.7 Detection results of clear images based on optimited Mask R-CNN

    4 結(jié)束語

    針對目前遙感圖像目標檢測中所存在的問題,本文采用改進的 Mask R-CNN 算法對遙感圖像目標檢測進行研究,在Mask R-CNN網(wǎng)絡(luò)中加入了一種基于暗通道先驗的去霧網(wǎng)絡(luò),并對其中的透射率以及大氣光值進行了優(yōu)化,防止暗通道算法去霧之后圖片失真現(xiàn)象,該網(wǎng)絡(luò)解決了霧霾天氣時識別困難的問題,本文改進了特征金字塔結(jié)構(gòu),使得各個尺寸特征信息得到充分利用,并且調(diào)整了區(qū)域建議網(wǎng)絡(luò)中錨框的尺寸,使目標的分類、回歸更加準確,與目前多種目標檢測算法相比較,本文的檢測結(jié)果更加優(yōu)秀,準確率更高。在后續(xù)研究中,將致力于優(yōu)化卷積神經(jīng)網(wǎng)絡(luò),提升目標檢測的精度和速率。

    猜你喜歡
    候選框透射率尺寸
    尺寸
    智族GQ(2022年12期)2022-12-20 07:01:18
    重定位非極大值抑制算法
    面向自然場景文本檢測的改進NMS算法
    CIIE Shows Positive Energy of Chinese Economy
    基于Soft-NMS的候選框去冗余加速器設(shè)計*
    純色太陽鏡鏡片耐日光輻照性能試驗研究
    一種針對特定目標的提議算法
    D90:全尺寸硬派SUV
    佳石選賞
    中華奇石(2015年5期)2015-07-09 18:31:07
    石墨烯光柵太赫茲透射特性的研究
    超碰97精品在线观看| 久久精品影院6| 男人舔女人下体高潮全视频| 欧美激情高清一区二区三区| 99精品久久久久人妻精品| 欧洲精品卡2卡3卡4卡5卡区| 国产精品国产高清国产av| 国产三级在线视频| 丝袜美腿诱惑在线| 日本wwww免费看| 精品国产乱子伦一区二区三区| 欧美激情久久久久久爽电影 | 十八禁网站免费在线| 久久天躁狠狠躁夜夜2o2o| 大码成人一级视频| 欧美不卡视频在线免费观看 | www.熟女人妻精品国产| 麻豆成人av在线观看| 男女下面进入的视频免费午夜 | 精品久久蜜臀av无| www.熟女人妻精品国产| 黄色a级毛片大全视频| 又紧又爽又黄一区二区| 欧美老熟妇乱子伦牲交| 免费看十八禁软件| 精品一区二区三区av网在线观看| ponron亚洲| 亚洲av成人av| 热99re8久久精品国产| 国产99久久九九免费精品| 黄网站色视频无遮挡免费观看| 国产伦一二天堂av在线观看| 看免费av毛片| 成人18禁在线播放| 一a级毛片在线观看| 人人妻,人人澡人人爽秒播| 精品国产一区二区三区四区第35| 国产av在哪里看| 久久久久久人人人人人| 熟女少妇亚洲综合色aaa.| 老汉色av国产亚洲站长工具| 老司机靠b影院| 日韩国内少妇激情av| 高潮久久久久久久久久久不卡| 午夜a级毛片| 免费一级毛片在线播放高清视频 | 熟女少妇亚洲综合色aaa.| 一级,二级,三级黄色视频| 无遮挡黄片免费观看| 亚洲美女黄片视频| av免费在线观看网站| 一级片'在线观看视频| 国产单亲对白刺激| 大陆偷拍与自拍| 国产亚洲精品第一综合不卡| 中文亚洲av片在线观看爽| 久久国产精品人妻蜜桃| 久久久久九九精品影院| 国产有黄有色有爽视频| 国产精品久久久人人做人人爽| 天堂影院成人在线观看| 交换朋友夫妻互换小说| 久久人人精品亚洲av| 最新美女视频免费是黄的| 久久九九热精品免费| 长腿黑丝高跟| 国产又色又爽无遮挡免费看| 中文亚洲av片在线观看爽| 亚洲中文日韩欧美视频| 91麻豆av在线| 欧美色视频一区免费| 男女之事视频高清在线观看| 波多野结衣av一区二区av| 在线天堂中文资源库| 视频在线观看一区二区三区| 国产高清videossex| www日本在线高清视频| 国产亚洲精品第一综合不卡| 满18在线观看网站| 久久久久精品国产欧美久久久| 日韩国内少妇激情av| 亚洲av成人不卡在线观看播放网| 亚洲精品国产精品久久久不卡| 这个男人来自地球电影免费观看| 美女扒开内裤让男人捅视频| 亚洲欧美精品综合一区二区三区| 久久精品国产清高在天天线| 欧美成狂野欧美在线观看| 久久午夜综合久久蜜桃| 不卡一级毛片| 欧美黑人欧美精品刺激| 69精品国产乱码久久久| 男男h啪啪无遮挡| 一进一出抽搐gif免费好疼 | 国产免费男女视频| 日韩欧美一区视频在线观看| 国产黄色免费在线视频| 夜夜躁狠狠躁天天躁| 一区二区三区激情视频| 亚洲精品美女久久av网站| 99在线视频只有这里精品首页| 人人妻人人添人人爽欧美一区卜| ponron亚洲| 99在线人妻在线中文字幕| 成人黄色视频免费在线看| 久久久久久久久免费视频了| tocl精华| 免费日韩欧美在线观看| 精品久久久久久电影网| 亚洲国产欧美一区二区综合| 波多野结衣高清无吗| 日日夜夜操网爽| 国产精品成人在线| 国产又爽黄色视频| 777久久人妻少妇嫩草av网站| 91老司机精品| 精品日产1卡2卡| 97超级碰碰碰精品色视频在线观看| 亚洲五月婷婷丁香| 亚洲av熟女| 久久精品人人爽人人爽视色| 亚洲成人国产一区在线观看| 在线观看一区二区三区激情| 999久久久精品免费观看国产| 欧美性长视频在线观看| 午夜免费鲁丝| 91字幕亚洲| 国产一区二区三区在线臀色熟女 | 12—13女人毛片做爰片一| 十八禁网站免费在线| 欧美人与性动交α欧美精品济南到| 一级毛片女人18水好多| 99国产极品粉嫩在线观看| 亚洲第一av免费看| 国产欧美日韩精品亚洲av| 中文字幕人妻熟女乱码| 久久精品亚洲熟妇少妇任你| 91麻豆精品激情在线观看国产 | 一进一出抽搐gif免费好疼 | 久久精品91蜜桃| 88av欧美| 日韩一卡2卡3卡4卡2021年| av电影中文网址| 国产成人系列免费观看| 黑人巨大精品欧美一区二区蜜桃| 亚洲自偷自拍图片 自拍| 国内久久婷婷六月综合欲色啪| 少妇的丰满在线观看| 欧美色视频一区免费| 精品福利永久在线观看| cao死你这个sao货| 欧美激情高清一区二区三区| av视频免费观看在线观看| 人人妻,人人澡人人爽秒播| 12—13女人毛片做爰片一| 国产一区二区三区视频了| 成人特级黄色片久久久久久久| 侵犯人妻中文字幕一二三四区| 757午夜福利合集在线观看| 老司机亚洲免费影院| 国产精品乱码一区二三区的特点 | 少妇粗大呻吟视频| 男女床上黄色一级片免费看| 国产成人影院久久av| av网站在线播放免费| 久久青草综合色| 精品电影一区二区在线| 亚洲aⅴ乱码一区二区在线播放 | av在线天堂中文字幕 | 涩涩av久久男人的天堂| 视频在线观看一区二区三区| 99国产精品99久久久久| 在线观看免费视频网站a站| 这个男人来自地球电影免费观看| 欧美乱码精品一区二区三区| 免费在线观看完整版高清| 国产麻豆69| 9热在线视频观看99| 亚洲成av片中文字幕在线观看| 国产麻豆69| 九色亚洲精品在线播放| 中文字幕人妻丝袜一区二区| 久久久国产一区二区| 国产无遮挡羞羞视频在线观看| 午夜福利在线免费观看网站| 高清在线国产一区| 国产亚洲精品第一综合不卡| 1024视频免费在线观看| 搡老熟女国产l中国老女人| 日本 av在线| 久久性视频一级片| 精品国产国语对白av| 午夜福利欧美成人| 三级毛片av免费| 岛国在线观看网站| 久久久久久久午夜电影 | 18禁国产床啪视频网站| 国产精品亚洲av一区麻豆| 久久精品91蜜桃| 国产有黄有色有爽视频| 人人妻人人添人人爽欧美一区卜| 欧美日本亚洲视频在线播放| 久久久久国内视频| 欧美乱码精品一区二区三区| 99国产精品免费福利视频| 首页视频小说图片口味搜索| 成人av一区二区三区在线看| av超薄肉色丝袜交足视频| 免费一级毛片在线播放高清视频 | 国产成人精品久久二区二区91| 国产精品一区二区免费欧美| 一区福利在线观看| bbb黄色大片| 亚洲欧美精品综合一区二区三区| 少妇裸体淫交视频免费看高清 | 成人三级黄色视频| 中文字幕人妻熟女乱码| 手机成人av网站| 亚洲熟妇熟女久久| 最新美女视频免费是黄的| 精品人妻1区二区| 久久精品成人免费网站| 91九色精品人成在线观看| 亚洲第一青青草原| 熟女少妇亚洲综合色aaa.| 大型黄色视频在线免费观看| 午夜精品在线福利| 国产亚洲精品一区二区www| 好男人电影高清在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲熟妇熟女久久| 欧美在线一区亚洲| 久久久国产成人精品二区 | 日本五十路高清| 国产一区二区三区综合在线观看| 91国产中文字幕| 久久国产精品人妻蜜桃| 日本黄色视频三级网站网址| av欧美777| 亚洲精华国产精华精| 欧美另类亚洲清纯唯美| 国产亚洲精品综合一区在线观看 | 成在线人永久免费视频| 日韩一卡2卡3卡4卡2021年| 国产熟女xx| 国产深夜福利视频在线观看| 亚洲九九香蕉| 日本wwww免费看| 人妻丰满熟妇av一区二区三区| 无限看片的www在线观看| 每晚都被弄得嗷嗷叫到高潮| 日韩欧美一区视频在线观看| av有码第一页| 久久九九热精品免费| www.精华液| 欧美日韩瑟瑟在线播放| 亚洲 国产 在线| 国产一区二区三区在线臀色熟女 | 一级a爱视频在线免费观看| av欧美777| 啪啪无遮挡十八禁网站| 国产精品亚洲av一区麻豆| 美国免费a级毛片| 久久久久久人人人人人| 国产精品日韩av在线免费观看 | 天堂√8在线中文| 久久午夜亚洲精品久久| 精品国内亚洲2022精品成人| 国产高清视频在线播放一区| 美女高潮到喷水免费观看| 99久久精品国产亚洲精品| 久久精品亚洲熟妇少妇任你| 亚洲片人在线观看| 国产精品av久久久久免费| www国产在线视频色| 国产激情欧美一区二区| 亚洲精品一卡2卡三卡4卡5卡| 国产高清激情床上av| 一区二区三区精品91| 男人操女人黄网站| 女人被狂操c到高潮| 真人做人爱边吃奶动态| 亚洲人成网站在线播放欧美日韩| 亚洲人成77777在线视频| 自拍欧美九色日韩亚洲蝌蚪91| 少妇 在线观看| 国产91精品成人一区二区三区| 国产免费现黄频在线看| 麻豆av在线久日| 最新美女视频免费是黄的| 波多野结衣高清无吗| 一边摸一边抽搐一进一小说| 久久热在线av| 天堂俺去俺来也www色官网| 亚洲精品一二三| 亚洲精华国产精华精| 精品欧美一区二区三区在线| 亚洲五月色婷婷综合| 国产蜜桃级精品一区二区三区| 欧美在线一区亚洲| 色尼玛亚洲综合影院| 国产精品免费视频内射| 深夜精品福利| 国产精品美女特级片免费视频播放器 | 在线观看66精品国产| 88av欧美| 日本vs欧美在线观看视频| 亚洲欧美精品综合一区二区三区| 欧美黑人精品巨大| 人成视频在线观看免费观看| 在线av久久热| 一级毛片高清免费大全| 日本五十路高清| 俄罗斯特黄特色一大片| 可以免费在线观看a视频的电影网站| 久久精品亚洲熟妇少妇任你| 中文字幕人妻丝袜一区二区| 日韩有码中文字幕| 欧美国产精品va在线观看不卡| 亚洲av成人av| 日本三级黄在线观看| 精品国产超薄肉色丝袜足j| 国产一区在线观看成人免费| 亚洲国产欧美一区二区综合| 黄色怎么调成土黄色| 欧美在线黄色| 两性夫妻黄色片| 真人做人爱边吃奶动态| 精品电影一区二区在线| 黄色视频,在线免费观看| 操美女的视频在线观看| 亚洲国产精品合色在线| 国产高清激情床上av| 两性夫妻黄色片| 又黄又粗又硬又大视频| 国产精品久久久人人做人人爽| 日韩高清综合在线| 黑人猛操日本美女一级片| 色婷婷久久久亚洲欧美| 午夜福利一区二区在线看| 成年人黄色毛片网站| 亚洲精品久久午夜乱码| 亚洲精品一区av在线观看| 少妇裸体淫交视频免费看高清 | 久久这里只有精品19| 色播在线永久视频| 一级a爱片免费观看的视频| 久久亚洲真实| 久久影院123| 12—13女人毛片做爰片一| 久久中文字幕一级| 国产在线精品亚洲第一网站| 91成人精品电影| 久久久久久久久久久久大奶| 亚洲精品av麻豆狂野| 午夜影院日韩av| 中国美女看黄片| 亚洲在线自拍视频| 村上凉子中文字幕在线| 日韩av在线大香蕉| 久久人人爽av亚洲精品天堂| 老汉色∧v一级毛片| 琪琪午夜伦伦电影理论片6080| 亚洲avbb在线观看| 国产一区二区三区视频了| 午夜福利免费观看在线| 高清在线国产一区| 亚洲精品一区av在线观看| 亚洲aⅴ乱码一区二区在线播放 | 国产在线精品亚洲第一网站| 国产av在哪里看| 国产精品成人在线| 黄色成人免费大全| 午夜福利在线免费观看网站| 亚洲欧洲精品一区二区精品久久久| 欧美av亚洲av综合av国产av| 欧美日韩福利视频一区二区| 97人妻天天添夜夜摸| 国产精品爽爽va在线观看网站 | 欧美日韩中文字幕国产精品一区二区三区 | 中文字幕人妻丝袜制服| 看免费av毛片| 一区福利在线观看| 性少妇av在线| 免费在线观看影片大全网站| 麻豆av在线久日| 欧美 亚洲 国产 日韩一| 女性生殖器流出的白浆| 久久影院123| 日韩欧美一区视频在线观看| 日本vs欧美在线观看视频| 黄色 视频免费看| 18禁裸乳无遮挡免费网站照片 | 国产极品粉嫩免费观看在线| 国产99久久九九免费精品| 黄色女人牲交| 日韩一卡2卡3卡4卡2021年| 免费在线观看影片大全网站| 亚洲国产欧美一区二区综合| 国产伦一二天堂av在线观看| 亚洲熟妇熟女久久| 最新美女视频免费是黄的| 精品一品国产午夜福利视频| 女人被狂操c到高潮| 日韩精品青青久久久久久| 大香蕉久久成人网| 欧美精品啪啪一区二区三区| 一个人免费在线观看的高清视频| 窝窝影院91人妻| 国产免费av片在线观看野外av| 中出人妻视频一区二区| www.自偷自拍.com| 国产国语露脸激情在线看| 午夜精品国产一区二区电影| 嫁个100分男人电影在线观看| 变态另类成人亚洲欧美熟女 | 两性夫妻黄色片| 久久久久国产精品人妻aⅴ院| 亚洲av成人av| 成人国语在线视频| 天堂俺去俺来也www色官网| 一个人观看的视频www高清免费观看 | 日韩三级视频一区二区三区| 久久热在线av| 18禁国产床啪视频网站| 亚洲男人的天堂狠狠| 亚洲精品一区av在线观看| 免费在线观看黄色视频的| 亚洲精品国产区一区二| 久久久久国内视频| 亚洲专区字幕在线| 国产一区二区激情短视频| 黄色怎么调成土黄色| 婷婷六月久久综合丁香| 国内久久婷婷六月综合欲色啪| 国产在线观看jvid| 成熟少妇高潮喷水视频| 成熟少妇高潮喷水视频| 国产深夜福利视频在线观看| 国产精品久久视频播放| 99国产精品一区二区三区| 岛国视频午夜一区免费看| 久久久久久亚洲精品国产蜜桃av| 成人特级黄色片久久久久久久| 久久久久久久精品吃奶| 亚洲 欧美一区二区三区| 久久国产精品男人的天堂亚洲| 久久久精品国产亚洲av高清涩受| 黄色 视频免费看| tocl精华| 亚洲熟女毛片儿| 亚洲精华国产精华精| 成年版毛片免费区| 亚洲精品中文字幕一二三四区| 国产熟女xx| 亚洲人成77777在线视频| 免费观看精品视频网站| 99re在线观看精品视频| 真人一进一出gif抽搐免费| 欧美精品啪啪一区二区三区| 欧美激情高清一区二区三区| 99国产精品一区二区三区| 天堂√8在线中文| 老司机福利观看| 黑人巨大精品欧美一区二区蜜桃| 亚洲五月天丁香| 看片在线看免费视频| 欧美激情 高清一区二区三区| 在线av久久热| 每晚都被弄得嗷嗷叫到高潮| 高清黄色对白视频在线免费看| 国产1区2区3区精品| 国产精品国产av在线观看| 亚洲成a人片在线一区二区| 动漫黄色视频在线观看| 中亚洲国语对白在线视频| 欧美精品亚洲一区二区| 男女之事视频高清在线观看| 欧美乱码精品一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 精品久久久精品久久久| 欧美日韩乱码在线| 国产精品乱码一区二三区的特点 | 欧美日韩乱码在线| 久久人人爽av亚洲精品天堂| 少妇被粗大的猛进出69影院| 中文字幕色久视频| av天堂在线播放| 黄色片一级片一级黄色片| 超碰97精品在线观看| 国产精品成人在线| 一区二区三区激情视频| 午夜精品久久久久久毛片777| 久久久久久人人人人人| 日韩一卡2卡3卡4卡2021年| 日韩成人在线观看一区二区三区| 可以免费在线观看a视频的电影网站| 成人三级黄色视频| 91麻豆av在线| 欧美黑人精品巨大| 午夜成年电影在线免费观看| 午夜影院日韩av| 国产极品粉嫩免费观看在线| 一边摸一边做爽爽视频免费| 高清黄色对白视频在线免费看| 热re99久久国产66热| 欧美老熟妇乱子伦牲交| 亚洲精品国产一区二区精华液| 精品一区二区三卡| 大码成人一级视频| 成人三级黄色视频| 亚洲欧美激情综合另类| 国产欧美日韩一区二区三区在线| 99久久国产精品久久久| 欧美日本亚洲视频在线播放| 欧美中文日本在线观看视频| 亚洲自拍偷在线| 欧美另类亚洲清纯唯美| 在线永久观看黄色视频| 国产aⅴ精品一区二区三区波| 国产一区二区三区综合在线观看| 日韩大尺度精品在线看网址 | 久久精品人人爽人人爽视色| 国产熟女xx| 国产成人精品在线电影| 高清欧美精品videossex| 叶爱在线成人免费视频播放| 窝窝影院91人妻| 国产精品一区二区三区四区久久 | 亚洲人成网站在线播放欧美日韩| 亚洲九九香蕉| 精品久久久精品久久久| 变态另类成人亚洲欧美熟女 | 欧美黑人欧美精品刺激| 国产av一区在线观看免费| 美女大奶头视频| 日本wwww免费看| 女人被躁到高潮嗷嗷叫费观| 欧美成狂野欧美在线观看| 丰满饥渴人妻一区二区三| 久久99一区二区三区| 欧美性长视频在线观看| 精品国产乱码久久久久久男人| 国产精品野战在线观看 | 伦理电影免费视频| 日韩欧美一区视频在线观看| 少妇的丰满在线观看| 涩涩av久久男人的天堂| 国产精品美女特级片免费视频播放器 | 亚洲视频免费观看视频| 欧美日韩亚洲国产一区二区在线观看| 久久久国产欧美日韩av| 国产精品秋霞免费鲁丝片| 97碰自拍视频| 久久久久久亚洲精品国产蜜桃av| 丁香欧美五月| 在线av久久热| 天天躁狠狠躁夜夜躁狠狠躁| 久久久久久亚洲精品国产蜜桃av| 精品人妻1区二区| 美女 人体艺术 gogo| 亚洲 国产 在线| 热99re8久久精品国产| 日本免费一区二区三区高清不卡 | 国产精品美女特级片免费视频播放器 | 久久中文字幕人妻熟女| 好看av亚洲va欧美ⅴa在| 欧美日韩乱码在线| 亚洲色图av天堂| 久久久久国内视频| 亚洲国产欧美日韩在线播放| 日本wwww免费看| 日本欧美视频一区| 在线播放国产精品三级| 国产欧美日韩精品亚洲av| 人人妻人人添人人爽欧美一区卜| 欧美日本中文国产一区发布| 久久热在线av| 免费少妇av软件| 免费在线观看亚洲国产| 欧美在线黄色| 一级片'在线观看视频| 日韩精品青青久久久久久| 精品无人区乱码1区二区| 免费看a级黄色片| www国产在线视频色| 国产蜜桃级精品一区二区三区| 欧美久久黑人一区二区| 美女高潮到喷水免费观看| 怎么达到女性高潮| 国产亚洲欧美在线一区二区| 国产成人精品久久二区二区免费| 日本a在线网址| 变态另类成人亚洲欧美熟女 | 国产高清videossex| 国产三级黄色录像| 黑人操中国人逼视频| 男女下面插进去视频免费观看| 超碰成人久久| 成年人黄色毛片网站| 久久人人精品亚洲av| 久久伊人香网站| 国产午夜精品久久久久久| 热re99久久国产66热| 少妇裸体淫交视频免费看高清 | 高清在线国产一区| 宅男免费午夜| 精品久久久久久久久久免费视频 | 日韩一卡2卡3卡4卡2021年| 一级a爱片免费观看的视频| 久久影院123| 91精品三级在线观看| 精品高清国产在线一区| 亚洲九九香蕉| 欧美日韩瑟瑟在线播放|