• <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ClothResNet模型的人體衣物顏色識(shí)別

    2023-12-05 13:57:06黃玥玥王海燕姚海洋
    紡織學(xué)報(bào) 2023年10期
    關(guān)鍵詞:池化衣物像素

    黃玥玥, 陳 曉, 王海燕, 姚海洋

    (陜西科技大學(xué) 電子信息與人工智能學(xué)院, 陜西 西安 710016)

    人體衣物外觀對(duì)個(gè)體具有強(qiáng)烈的表征意義,其對(duì)社會(huì)生活多個(gè)方面有著廣泛且深刻的影響。在時(shí)尚領(lǐng)域,顏色作為服裝感知的最主要特征,可鮮明地表現(xiàn)人類情感,塑造迥然不同的形象[1];在電商領(lǐng)域,顏色搭配對(duì)服裝的銷售具有重要影響[2-4];在安全領(lǐng)域,利用大量交叉監(jiān)控視頻搜索人物時(shí),外部衣物屬性作為重要的識(shí)別特征,可聯(lián)合實(shí)現(xiàn)更準(zhǔn)確地實(shí)時(shí)人物捕捉與分析[5-7],因此,如何高效、準(zhǔn)確地識(shí)別人體衣物屬性受到多個(gè)領(lǐng)域的廣泛關(guān)注。

    傳統(tǒng)人體衣物顏色識(shí)別方法基于手工特征結(jié)合分類器,手工設(shè)計(jì)衣物各種特征并從背景中分離出來(lái),然后利用機(jī)器學(xué)習(xí)方法K-means[8]、Mean shift[9]等作為離散數(shù)據(jù)的聚類算法,通過(guò)重建衣物的顏色空間數(shù)據(jù)提高對(duì)衣物顏色的識(shí)別。這些方法通常用手工判定邊界方式,會(huì)消耗大量的人工成本,且當(dāng)圖像背景顏色與服裝顏色相似時(shí),識(shí)別算法會(huì)將其顏色聚為一類,導(dǎo)致對(duì)衣物顏色識(shí)別精確率過(guò)低?;谏疃葘W(xué)習(xí)的衣物顏色識(shí)別,采用端到端的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),通過(guò)聯(lián)合優(yōu)化將特征提取和分類器合并成統(tǒng)一的框架,使得識(shí)別模型更能表征數(shù)據(jù)特點(diǎn)。如Ivanov等[10]設(shè)計(jì)了以LeNet為基本網(wǎng)絡(luò)結(jié)構(gòu)的模型,可自動(dòng)提取圖像中人體衣物特征,但該方法識(shí)別精確率僅達(dá)到78%。Roy[11]利用YOLOv3和殘差網(wǎng)絡(luò),有效提取了圖像中衣物的位置信息,利用DeepFashion[12]數(shù)據(jù)集進(jìn)行訓(xùn)練,實(shí)現(xiàn)了服裝的邊框回歸檢測(cè);通過(guò)在測(cè)試數(shù)據(jù)集中進(jìn)行衣物顏色的識(shí)別驗(yàn)證,準(zhǔn)確度達(dá)89%。Chen等[13]提出一種改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)(CNN)用于對(duì)紅、綠、藍(lán)及黑色4種衣物顏色識(shí)別,獲得了92.52%的平均精確率。由以上總結(jié)可知,已有方法僅對(duì)少數(shù)衣物顏色可實(shí)現(xiàn)較準(zhǔn)確的識(shí)別,無(wú)法適用于真實(shí)情況特別是顏色受到嚴(yán)重扭曲的狀況,且多數(shù)方法均只針對(duì)單一場(chǎng)景,無(wú)法適應(yīng)復(fù)雜變化的環(huán)境。

    針對(duì)以上問(wèn)題,本文提出基于ClothResNet模型的人體衣物顏色識(shí)別方法,采用端對(duì)端的技術(shù)實(shí)現(xiàn)對(duì)衣物輪廓的自動(dòng)提取,最終實(shí)現(xiàn)人體衣物顏色的識(shí)別,克服了手動(dòng)分離衣物的繁瑣性,有效提高了衣物顏色識(shí)別的準(zhǔn)確率,實(shí)現(xiàn)了對(duì)多種人體衣物顏色高效、準(zhǔn)確識(shí)別的目的。

    1 實(shí)驗(yàn)部分

    1.1 人體衣物標(biāo)注數(shù)據(jù)集的構(gòu)建

    為訓(xùn)練針對(duì)人體衣物顏色識(shí)別的ClothResNet網(wǎng)絡(luò)模型,需要構(gòu)建一個(gè)大規(guī)模的人體衣物顏色標(biāo)注數(shù)據(jù)集。本文選擇活動(dòng)模板回歸(active template regression,ATR)[14]數(shù)據(jù)集中的部分圖像進(jìn)行衣物分割、標(biāo)注、擴(kuò)充,構(gòu)建了專門(mén)用于人體衣物顏色識(shí)別的數(shù)據(jù)集,命名為pcaparsing(people clothes attribute parsing)。該數(shù)據(jù)集包含紅、橙、黃、綠、青、藍(lán)、紫、白、黑、棕、粉和灰12種顏色的衣物,每個(gè)樣本包括原始彩色圖像和對(duì)應(yīng)的掩碼圖。掩碼圖是通過(guò)在原始彩色圖像上分割提取衣物輪廓,并在對(duì)應(yīng)位置標(biāo)注其所屬顏色獲得的。圖1示出pcaparsing中示例圖片。

    圖1 樣本集示例圖片F(xiàn)ig.1 Sample image of dataset.(a) Sample 1;(b)Sample 2;(c) Sample 3;(d) Sample 4

    由于ATR數(shù)據(jù)集中可用于網(wǎng)絡(luò)訓(xùn)練的圖像數(shù)據(jù)僅有5 639張,且顏色分布不均勻,導(dǎo)致模型難以學(xué)習(xí)到少量屬性的全部特征,增大了模型訓(xùn)練的難度;因此,本文對(duì)原始數(shù)據(jù)進(jìn)行了擴(kuò)充,以防止神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到不相干的模式,從根本上提升了網(wǎng)絡(luò)的泛化性能和對(duì)衣物屬性的識(shí)別性能。本次數(shù)據(jù)擴(kuò)充主要針對(duì)顏色數(shù)量較少的數(shù)據(jù)進(jìn)行處理,采用的數(shù)據(jù)增強(qiáng)方式包括裁剪、上下移動(dòng)、水平翻轉(zhuǎn)和垂直翻轉(zhuǎn)等。通過(guò)數(shù)據(jù)擴(kuò)充,每種顏色的圖像數(shù)量均達(dá)到了 1 000 張左右,從而在數(shù)據(jù)集中保持了每種類別的圖像數(shù)量呈現(xiàn)均勻分布。圖2示出數(shù)據(jù)擴(kuò)充后的輸入數(shù)據(jù)和對(duì)應(yīng)的標(biāo)注圖示例。

    圖2 數(shù)據(jù)擴(kuò)充示例Fig.2 Data expansion example

    1.2 ClothResNet網(wǎng)絡(luò)的構(gòu)建

    ClothResNet人體衣物顏色識(shí)別網(wǎng)絡(luò)主要包含輸入端、主干網(wǎng)絡(luò)以及輸出端3個(gè)部分,網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

    圖3 ClothResNet 網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 ClothResNet network structure

    1.2.1 輸入端

    在訓(xùn)練過(guò)程中,每次輸入16張含有人體衣物的彩色圖像,大小設(shè)置為3×256像素×256像素。

    1.2.2 主干網(wǎng)絡(luò)

    主干網(wǎng)絡(luò)由3個(gè)模塊組成,分別是殘差網(wǎng)絡(luò)、改進(jìn)的金字塔池化模塊和坐標(biāo)注意力模塊。

    模塊1:殘差網(wǎng)絡(luò)采用ResNet18作為基礎(chǔ)網(wǎng)絡(luò),并將ResNet18前2個(gè)殘差塊卷積核輸出通道設(shè)置為64,卷積核大小設(shè)置為3×3×1,并舍棄后面的池化和全連接層。此模塊通過(guò)高低級(jí)特征的融合,能夠減少特征信息的丟失,高效地提取圖像全局特征,并使網(wǎng)絡(luò)較快地達(dá)到收斂狀態(tài)。

    模塊2:改進(jìn)的金字塔池化模塊將殘差網(wǎng)絡(luò)提取到的特征進(jìn)行多尺度變換,以便進(jìn)行串接。傳統(tǒng)的金字塔池化結(jié)構(gòu)未能對(duì)衣物輪廓信息進(jìn)行更好的提取,因此,本文在傳統(tǒng)的金字塔池化結(jié)構(gòu)基礎(chǔ)上增加了4個(gè)特征塊,分別設(shè)計(jì)為4×4、5×5、7×7和 8×8, 這樣可減少不同區(qū)域之間的上下文信息丟失,從而增強(qiáng)對(duì)圖像中不同特征的提取。該模塊的結(jié)構(gòu)如圖4所示。

    圖4 改進(jìn)的金字塔池化網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Optimized pyramid pooled network structure

    模塊3:坐標(biāo)注意力模塊,其網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。該模塊的輸入特征圖大小為1 024×32像素×32像素,通過(guò)2個(gè)卷積核大小分別為(32,1)和(1,32)的卷積層對(duì)輸入特征圖在水平和垂直方向上進(jìn)行編碼,以捕捉一個(gè)衣物圖像中空間方向上的長(zhǎng)期依賴關(guān)系,并在另一個(gè)空間方向上保持準(zhǔn)確的位置信息,這有助于網(wǎng)絡(luò)更準(zhǔn)確地定位感興趣的對(duì)象。接下來(lái),將編碼后的特征圖連接起來(lái)并送入一個(gè)1×1的共享卷積層進(jìn)行轉(zhuǎn)換,得到32×1像素×64像素大小的特征圖。然后對(duì)該特征圖進(jìn)行歸一化和激活函數(shù)處理。此外,利用2個(gè)1×1卷積層分別將編碼后的2個(gè)特征圖轉(zhuǎn)換為與輸入具有相同通道數(shù)的向量,并經(jīng)過(guò)Sigmoid激活函數(shù)處理。最后,將2個(gè)特征圖相乘得到注意塊的輸出,其大小為1 024×32像素×32像素。這樣設(shè)計(jì)的坐標(biāo)注意力模塊可更好地捕捉衣物輪廓信息,并提高感興趣區(qū)域的準(zhǔn)確性。

    1.2.3 輸出端

    輸入端為3×256像素×256像素的彩色圖像,經(jīng)主干網(wǎng)絡(luò)輸出的圖像大小為128像素×128像素,在輸出端通過(guò)反卷積層和線性修正單元得到與輸入圖像等大的特征圖。

    1.3 評(píng)價(jià)指標(biāo)

    本文用2種評(píng)價(jià)指標(biāo)衡量提出模型的有效性,分別為平均交并比、精確率。平均交并比M反映真實(shí)圖像與預(yù)測(cè)圖像的重合度,從而衡量衣物分割準(zhǔn)確率,其公式如下:

    式中:n為總體分類數(shù),在本文中n為12;x為實(shí)際類別樣本和預(yù)測(cè)類別樣本的交集和并集之比,其定義如下:

    式中:NTP為被模型分類正確的正類樣本數(shù)量;NFN為被模型分類錯(cuò)誤的正樣本數(shù)量;NFP為被模型分類錯(cuò)誤的負(fù)類樣本數(shù)量。

    在得到預(yù)測(cè)圖像后,統(tǒng)計(jì)其中分割出的衣物顏色分類是否正確。針對(duì)最終衣物顏色識(shí)別結(jié)果,另需使用精確率來(lái)評(píng)價(jià)最終分類結(jié)果的準(zhǔn)確度,計(jì)算公式如下:

    1.4 實(shí)驗(yàn)參數(shù)設(shè)置及模型訓(xùn)練

    在模型設(shè)計(jì)中,通常會(huì)將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集,其中訓(xùn)練集用于訓(xùn)練模型參數(shù),而測(cè)試集則用于評(píng)估最終訓(xùn)練好的模型的性能。本文中,數(shù)據(jù)集的劃分比例為8∶2,即訓(xùn)練集占80%,測(cè)試集占20%。在訓(xùn)練過(guò)程中,將訓(xùn)練數(shù)據(jù)集輸入ClothResNet網(wǎng)絡(luò)進(jìn)行訓(xùn)練,通過(guò)反向傳播調(diào)整網(wǎng)絡(luò)參數(shù)。

    本文所有實(shí)驗(yàn)均在Tesla V100環(huán)境下使用Paddle工具箱運(yùn)行進(jìn)行訓(xùn)練,訓(xùn)練過(guò)程中,訓(xùn)練和測(cè)試圖像的尺寸為3×256像素×256像素,使用LeakyReLU(斜率為0.2)和Adagrad算法進(jìn)行訓(xùn)練,損失函數(shù)為交叉熵?fù)p失,初始學(xué)習(xí)率為0.000 2,批處理大小設(shè)置為16,訓(xùn)練120輪。

    1.5 模型對(duì)比分析

    圖6為用K-means、Hog-KNN、卷積神經(jīng)網(wǎng)絡(luò)(CNN)以及本文方法ClothResNet對(duì)12種人體衣物顏色的識(shí)別精確率對(duì)比圖。

    圖6 K-means、Hog-KNN、CNN、ClothResNet識(shí)別顏色精確率的對(duì)比圖Fig.6 Comparison diagram of color recognition accuracy of K-means,Hog-KNN, CNN and ClothResNet

    從圖6可看出,在本文構(gòu)建的數(shù)據(jù)集上,ClothResNet模型對(duì)衣物顏色識(shí)別精確率均優(yōu)于同類方法。由于K-means方法是將圖像中的所有像素聚集在一起,而不是衣物,因此對(duì)衣物顏色的預(yù)測(cè)不準(zhǔn)確;Hog-KNN用Hog方法提取特征后再進(jìn)行聚類信息提取,從而得到了相對(duì)較好的結(jié)果,但其對(duì)某些顏色的提取能力較差,如在對(duì)灰色衣物進(jìn)行識(shí)別時(shí)精確率僅有65%左右;利用深度學(xué)習(xí)方法則能夠均勻地捕獲衣物屬性信息,CNN方法相較于傳統(tǒng)方法也具有較高的識(shí)別精確率,但其網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單,不能提取圖像中的深層語(yǔ)義信息,從而造成識(shí)別率不高;ClothResNet模型對(duì)每種顏色的識(shí)別都取得了較高的識(shí)別精確率,從而驗(yàn)證了本文模型的有效性。相比其他網(wǎng)絡(luò),本文提出的方案能夠有針對(duì)性地解決對(duì)人體衣物顏色識(shí)別率不高的問(wèn)題。對(duì)金字塔池化模塊進(jìn)行改進(jìn)并融入坐標(biāo)注意力機(jī)制提升了網(wǎng)絡(luò)的局部特征提取能力,降低了識(shí)別錯(cuò)誤率。

    2 消融實(shí)驗(yàn)

    為驗(yàn)證本文構(gòu)建的人體衣物顏色識(shí)別模型ClothResNet加入各個(gè)模塊的有效性、ResNet18作為骨干網(wǎng)絡(luò)的優(yōu)勢(shì)以及擴(kuò)充樣本對(duì)算法的影響,選取深度學(xué)習(xí)中典型的骨干網(wǎng)絡(luò)AlexNet和VGG11作為ResNet18對(duì)比網(wǎng)絡(luò),對(duì)基于ResNet18網(wǎng)絡(luò)僅加入金字塔池化的模型(ResNet18+PP)、ResNet18加入改進(jìn)的金字塔池化模型(ResNet18+OPP)和基于ResNet18網(wǎng)絡(luò)僅使用坐標(biāo)注意力機(jī)制的模型(ResNet18+CA) 各自分別在原始數(shù)據(jù)集與樣本擴(kuò)充后的數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),結(jié)果如表1、2所示。

    表1 原始數(shù)據(jù)集消融實(shí)驗(yàn)對(duì)比Tab.1 Comparison of ablation experiments with original dataset

    從表1、2可看出,相比在原始數(shù)據(jù)集擴(kuò)充樣本后各個(gè)網(wǎng)絡(luò)模塊對(duì)人體衣物的顏色識(shí)別結(jié)果得到了提升,從而證明對(duì)樣本進(jìn)行的多種變換提高了網(wǎng)絡(luò)的泛化性能。從表2可看出,使用骨干網(wǎng)絡(luò)ResNet18與AlexNet、VGG11相比,能夠在參數(shù)量遠(yuǎn)小于其它二者的情況下,達(dá)到相對(duì)較好的分割和識(shí)別效果。對(duì)于原始數(shù)據(jù)集,在加入優(yōu)化的金字塔池化模塊和坐標(biāo)注意力機(jī)制后對(duì)于衣物的分割和顏色的識(shí)別都得到了提升。從表2中比較ResNet18+PP與ResNet18+OPP可知,原始金字塔池化模塊對(duì)衣物的分割交并比為45.2%,而改進(jìn)的金字塔模塊提升了5%;ResNet18+PP對(duì)衣物顏色識(shí)別精確率為71.50%,而ResNet18+OPP在此基礎(chǔ)上提升5.4%。在骨干網(wǎng)絡(luò)中加入坐標(biāo)注意力后分割交并比提升了3.2%,也有效提升了網(wǎng)絡(luò)的識(shí)別性能,識(shí)別精確率相比ResNet18提升6.45%。本文的ClothResNet模型融合改進(jìn)的金字塔池化模塊和坐標(biāo)注意力模塊,在ResNet18的基礎(chǔ)上只增加了10.41 MB的參數(shù)量,而對(duì)衣物顏色識(shí)別精確率達(dá)到了94.49%。

    表2 擴(kuò)充數(shù)據(jù)集消融實(shí)驗(yàn)對(duì)比Tab.2 Comparison of ablation experiments with extended dataset

    3 結(jié)束語(yǔ)

    本文提出了人體衣物顏色識(shí)別模型ClothResNet,模型以ResNet18為基礎(chǔ)網(wǎng)絡(luò),融入了改進(jìn)的金字塔模塊、坐標(biāo)注意力機(jī)制,最終實(shí)現(xiàn)了對(duì)12種人體衣物顏色的高效識(shí)別。該方法克服了傳統(tǒng)人體衣物顏色識(shí)別方法繁雜的衣物分割步驟,以及簡(jiǎn)單卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型識(shí)別效率低的缺點(diǎn)。從實(shí)驗(yàn)結(jié)果來(lái)看,提出的ClothResNet模型較傳統(tǒng)方法和簡(jiǎn)單的CNN模型有更好的衣物顏色識(shí)別效果,達(dá)到了94.49%的平均識(shí)別精確率。

    本模型只針對(duì)12種人體衣物顏色進(jìn)行識(shí)別,研究仍存在不足,現(xiàn)實(shí)中的人體衣物顏色種類遠(yuǎn)超于 12種。 在后續(xù)的工作中,將擴(kuò)大人體衣物顏色樣本圖像庫(kù),通過(guò)研究神經(jīng)網(wǎng)絡(luò)的各層結(jié)構(gòu),構(gòu)建出能識(shí)別更多種類人體衣物顏色的網(wǎng)絡(luò)模型。

    猜你喜歡
    池化衣物像素
    基于緊湊型雙線性網(wǎng)絡(luò)的野生茵識(shí)別方法研究
    趙運(yùn)哲作品
    藝術(shù)家(2023年8期)2023-11-02 02:05:28
    Clothes Donation Box
    基于Sobel算子的池化算法設(shè)計(jì)
    像素前線之“幻影”2000
    卷積神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)加權(quán)池化
    “像素”仙人掌
    基于卷積神經(jīng)網(wǎng)絡(luò)和池化算法的表情識(shí)別研究
    保暖的衣物
    動(dòng)腦筋,仔細(xì)看
    国产午夜精品久久久久久一区二区三区| 日韩av免费高清视频| 亚洲一级一片aⅴ在线观看| www.色视频.com| xxx大片免费视频| 国产亚洲91精品色在线| 久久久久久国产a免费观看| 激情五月婷婷亚洲| 亚洲av一区综合| 国产高清有码在线观看视频| 国产免费一区二区三区四区乱码| 在线 av 中文字幕| 美女高潮的动态| 内地一区二区视频在线| 97在线人人人人妻| 国产欧美日韩精品一区二区| 久久久欧美国产精品| 欧美+日韩+精品| 精品少妇黑人巨大在线播放| 黄色一级大片看看| av福利片在线观看| 在线看a的网站| av在线观看视频网站免费| 日韩中字成人| 亚洲一级一片aⅴ在线观看| 一级毛片电影观看| 91在线精品国自产拍蜜月| 国产免费一区二区三区四区乱码| 精品人妻熟女av久视频| 中文字幕制服av| 亚洲av不卡在线观看| 观看免费一级毛片| 亚洲精品一二三| 国产黄片美女视频| 亚洲电影在线观看av| 日韩欧美 国产精品| 自拍偷自拍亚洲精品老妇| 男女下面进入的视频免费午夜| 亚洲精品亚洲一区二区| 国产精品福利在线免费观看| 日韩伦理黄色片| 亚洲自偷自拍三级| 久久影院123| 男男h啪啪无遮挡| 日韩亚洲欧美综合| 国产精品一二三区在线看| 内地一区二区视频在线| 夜夜爽夜夜爽视频| 91狼人影院| 最近中文字幕2019免费版| 久久热精品热| 国产黄频视频在线观看| 草草在线视频免费看| 高清av免费在线| 亚洲av一区综合| 亚洲综合精品二区| 久久久久性生活片| 亚洲图色成人| 欧美潮喷喷水| 少妇高潮的动态图| 午夜福利网站1000一区二区三区| 少妇人妻一区二区三区视频| 国产成人免费观看mmmm| 综合色av麻豆| 亚洲精品影视一区二区三区av| 亚洲国产色片| 亚洲精品456在线播放app| av在线老鸭窝| 伦精品一区二区三区| 国产精品久久久久久久电影| freevideosex欧美| 亚洲av成人精品一二三区| 国产男人的电影天堂91| 亚洲av一区综合| 毛片女人毛片| 成人二区视频| 国产色婷婷99| 人妻制服诱惑在线中文字幕| 三级国产精品欧美在线观看| 亚洲成人中文字幕在线播放| 自拍欧美九色日韩亚洲蝌蚪91 | 国产成人a区在线观看| 色5月婷婷丁香| 亚洲第一区二区三区不卡| 久久国产乱子免费精品| 777米奇影视久久| 最近中文字幕高清免费大全6| 麻豆成人午夜福利视频| 国产欧美日韩一区二区三区在线 | 国内精品美女久久久久久| 欧美日韩在线观看h| 国产国拍精品亚洲av在线观看| 视频中文字幕在线观看| 毛片女人毛片| 女的被弄到高潮叫床怎么办| 欧美一级a爱片免费观看看| 人妻制服诱惑在线中文字幕| 久久热精品热| 国产成人免费观看mmmm| 一级毛片久久久久久久久女| 亚洲四区av| 如何舔出高潮| 精品视频人人做人人爽| 99久久九九国产精品国产免费| 日韩欧美 国产精品| 美女国产视频在线观看| 一级毛片久久久久久久久女| 国产精品熟女久久久久浪| 蜜桃久久精品国产亚洲av| 国产在线男女| 人体艺术视频欧美日本| 国产 一区精品| 国产精品三级大全| 欧美xxxx黑人xx丫x性爽| 色视频www国产| 亚洲人成网站高清观看| 国产一区二区三区综合在线观看 | 国产伦在线观看视频一区| 日本-黄色视频高清免费观看| 精品人妻视频免费看| 我的女老师完整版在线观看| 99九九线精品视频在线观看视频| 亚洲婷婷狠狠爱综合网| 久久久久国产精品人妻一区二区| videos熟女内射| 成人高潮视频无遮挡免费网站| 中文字幕av成人在线电影| 99久久中文字幕三级久久日本| 青青草视频在线视频观看| 亚洲国产色片| 亚洲av成人精品一区久久| 免费大片黄手机在线观看| 欧美亚洲 丝袜 人妻 在线| 777米奇影视久久| 欧美日韩国产mv在线观看视频 | 女人被狂操c到高潮| 成人欧美大片| 九九在线视频观看精品| 少妇被粗大猛烈的视频| 成人漫画全彩无遮挡| 在线 av 中文字幕| 高清在线视频一区二区三区| 国产探花极品一区二区| 午夜日本视频在线| 国产精品人妻久久久影院| 久久6这里有精品| 狂野欧美白嫩少妇大欣赏| 日韩电影二区| 在线天堂最新版资源| 日韩伦理黄色片| 超碰av人人做人人爽久久| 国产精品99久久99久久久不卡 | 97在线人人人人妻| 免费大片黄手机在线观看| 久久99精品国语久久久| 最近最新中文字幕免费大全7| 亚洲精品久久午夜乱码| 精品人妻熟女av久视频| 国产色爽女视频免费观看| 亚洲色图av天堂| 成人黄色视频免费在线看| 亚洲国产欧美人成| 一本久久精品| 亚洲不卡免费看| 久久久久国产网址| av播播在线观看一区| 久久精品综合一区二区三区| 日本一二三区视频观看| 九九爱精品视频在线观看| 精品少妇黑人巨大在线播放| 亚洲精品视频女| 午夜激情久久久久久久| 最后的刺客免费高清国语| 欧美成人午夜免费资源| 天天一区二区日本电影三级| 免费看a级黄色片| 亚洲精品国产成人久久av| 久久久久网色| tube8黄色片| 黄色日韩在线| 26uuu在线亚洲综合色| 校园人妻丝袜中文字幕| 日韩一区二区三区影片| 午夜精品一区二区三区免费看| 女人久久www免费人成看片| 日本与韩国留学比较| 欧美少妇被猛烈插入视频| 老司机影院成人| 国产成人a区在线观看| 精品国产露脸久久av麻豆| 亚洲国产av新网站| 少妇猛男粗大的猛烈进出视频 | 久久国产乱子免费精品| 美女xxoo啪啪120秒动态图| 久久久久国产精品人妻一区二区| 人妻 亚洲 视频| 国产免费一级a男人的天堂| 欧美精品国产亚洲| 成年人午夜在线观看视频| 免费少妇av软件| 欧美三级亚洲精品| 最近最新中文字幕免费大全7| 国产免费一区二区三区四区乱码| 免费黄网站久久成人精品| 大香蕉久久网| 亚洲欧洲国产日韩| 国产成人免费无遮挡视频| 亚洲精品国产av蜜桃| 成人高潮视频无遮挡免费网站| 亚洲欧美日韩无卡精品| 免费大片18禁| 女人被狂操c到高潮| 亚洲,欧美,日韩| 深夜a级毛片| 免费观看性生交大片5| 香蕉精品网在线| 一个人看视频在线观看www免费| 国产午夜精品久久久久久一区二区三区| 我要看日韩黄色一级片| 国产精品国产三级国产专区5o| 国产成人午夜福利电影在线观看| 欧美 日韩 精品 国产| 国产日韩欧美在线精品| 免费观看av网站的网址| 18禁裸乳无遮挡动漫免费视频 | 高清午夜精品一区二区三区| 国内揄拍国产精品人妻在线| 国产av国产精品国产| 亚洲国产成人一精品久久久| 久久鲁丝午夜福利片| 哪个播放器可以免费观看大片| 在线观看美女被高潮喷水网站| 国产精品一二三区在线看| 国产成人一区二区在线| 亚洲自拍偷在线| 最近中文字幕高清免费大全6| 蜜桃亚洲精品一区二区三区| 在线精品无人区一区二区三 | av免费在线看不卡| 最近手机中文字幕大全| 国产成人精品一,二区| 中文天堂在线官网| 日韩大片免费观看网站| 亚洲va在线va天堂va国产| 国产高清三级在线| 成人毛片a级毛片在线播放| 国产一区二区亚洲精品在线观看| 狂野欧美激情性bbbbbb| 国产精品人妻久久久久久| 亚洲欧美精品专区久久| 午夜亚洲福利在线播放| 国产91av在线免费观看| 天堂网av新在线| 精品国产露脸久久av麻豆| 国产精品无大码| 国产黄a三级三级三级人| 亚洲人与动物交配视频| av在线亚洲专区| 少妇丰满av| 午夜老司机福利剧场| 又黄又爽又刺激的免费视频.| av.在线天堂| 国产成年人精品一区二区| 国产老妇伦熟女老妇高清| 亚洲人成网站高清观看| 最近中文字幕2019免费版| 高清日韩中文字幕在线| 国产精品嫩草影院av在线观看| 80岁老熟妇乱子伦牲交| 街头女战士在线观看网站| 女人十人毛片免费观看3o分钟| 中文字幕免费在线视频6| 亚洲成色77777| 日日撸夜夜添| 精品一区二区三区视频在线| 国产午夜精品一二区理论片| 国产精品成人在线| 丝袜美腿在线中文| 97在线人人人人妻| 国产精品一区二区性色av| 激情五月婷婷亚洲| 一级av片app| 亚洲经典国产精华液单| 亚洲综合色惰| 国产精品嫩草影院av在线观看| 精品久久久久久久人妻蜜臀av| 2021天堂中文幕一二区在线观| 国产综合精华液| 亚洲精品乱码久久久v下载方式| 你懂的网址亚洲精品在线观看| 九色成人免费人妻av| 建设人人有责人人尽责人人享有的 | 久久久精品94久久精品| 男人狂女人下面高潮的视频| 久久女婷五月综合色啪小说 | 男人爽女人下面视频在线观看| 免费看不卡的av| 3wmmmm亚洲av在线观看| videossex国产| 午夜精品一区二区三区免费看| 男女啪啪激烈高潮av片| 色视频在线一区二区三区| 蜜桃久久精品国产亚洲av| 亚洲欧美一区二区三区黑人 | 欧美一级a爱片免费观看看| 男人舔奶头视频| 国产黄片视频在线免费观看| 精品人妻一区二区三区麻豆| 亚洲第一区二区三区不卡| 欧美少妇被猛烈插入视频| 日本黄色片子视频| 久久久久久久久久人人人人人人| xxx大片免费视频| 国产精品国产三级国产专区5o| 五月开心婷婷网| 99久久中文字幕三级久久日本| 狂野欧美激情性bbbbbb| 伊人久久精品亚洲午夜| 久久久久久伊人网av| 狂野欧美白嫩少妇大欣赏| 看免费成人av毛片| 18禁裸乳无遮挡动漫免费视频 | 2022亚洲国产成人精品| 69av精品久久久久久| 国产色婷婷99| 街头女战士在线观看网站| 日本爱情动作片www.在线观看| 亚洲图色成人| 久久热精品热| 日日摸夜夜添夜夜爱| 国产一区有黄有色的免费视频| 久久久久久九九精品二区国产| 校园人妻丝袜中文字幕| 免费黄频网站在线观看国产| 亚洲av国产av综合av卡| 女人十人毛片免费观看3o分钟| 青春草视频在线免费观看| 街头女战士在线观看网站| 能在线免费看毛片的网站| 日韩一区二区视频免费看| 欧美bdsm另类| 国产淫片久久久久久久久| 国产一区二区三区综合在线观看 | 亚洲欧美精品专区久久| 丰满少妇做爰视频| 精品久久久久久久人妻蜜臀av| 精品久久久久久久久亚洲| 在现免费观看毛片| 在线精品无人区一区二区三 | 综合色av麻豆| 亚洲精品一区蜜桃| 香蕉精品网在线| 欧美xxⅹ黑人| 国产亚洲最大av| 国产亚洲一区二区精品| 欧美区成人在线视频| 国产亚洲最大av| 精品人妻一区二区三区麻豆| 亚洲精品乱码久久久久久按摩| 久久99热这里只频精品6学生| 国产在线一区二区三区精| 日韩人妻高清精品专区| 啦啦啦中文免费视频观看日本| 久久久a久久爽久久v久久| 亚洲一区二区三区欧美精品 | 天天一区二区日本电影三级| 五月玫瑰六月丁香| 国产乱来视频区| 大陆偷拍与自拍| 久久久久久久午夜电影| 如何舔出高潮| 寂寞人妻少妇视频99o| 亚洲色图综合在线观看| 国产色婷婷99| 亚洲成人精品中文字幕电影| 在线观看免费高清a一片| 新久久久久国产一级毛片| 男女啪啪激烈高潮av片| 丝袜美腿在线中文| 精品久久久久久久人妻蜜臀av| 日韩不卡一区二区三区视频在线| 国产精品久久久久久精品电影小说 | 国产69精品久久久久777片| 在线天堂最新版资源| 欧美性感艳星| 亚洲天堂国产精品一区在线| 久久久亚洲精品成人影院| 亚洲aⅴ乱码一区二区在线播放| 国产成人精品一,二区| 亚洲熟女精品中文字幕| 国产精品嫩草影院av在线观看| 天天一区二区日本电影三级| 又粗又硬又长又爽又黄的视频| 香蕉精品网在线| 91久久精品电影网| 少妇猛男粗大的猛烈进出视频 | xxx大片免费视频| 女的被弄到高潮叫床怎么办| 亚洲av欧美aⅴ国产| 卡戴珊不雅视频在线播放| 在线播放无遮挡| 大码成人一级视频| 亚洲精品乱码久久久v下载方式| 一个人看的www免费观看视频| 一级二级三级毛片免费看| 成人欧美大片| 国产成年人精品一区二区| 亚洲精品一区蜜桃| 只有这里有精品99| 久久久色成人| 99久久九九国产精品国产免费| 搡老乐熟女国产| 国产一区有黄有色的免费视频| 欧美bdsm另类| 午夜激情福利司机影院| 夜夜看夜夜爽夜夜摸| 久久97久久精品| 另类亚洲欧美激情| 精品午夜福利在线看| 欧美高清性xxxxhd video| 自拍偷自拍亚洲精品老妇| 久久久久网色| 大陆偷拍与自拍| av在线播放精品| 日韩在线高清观看一区二区三区| 久久久国产一区二区| 国产 一区 欧美 日韩| 亚洲欧美成人综合另类久久久| 热re99久久精品国产66热6| 久久久亚洲精品成人影院| 国产精品嫩草影院av在线观看| 99精国产麻豆久久婷婷| 欧美激情在线99| 日日摸夜夜添夜夜添av毛片| 国产成人福利小说| 国产成人a区在线观看| 国产成人91sexporn| 成年av动漫网址| 日本午夜av视频| 韩国高清视频一区二区三区| 久久热精品热| 久久久久网色| 日本-黄色视频高清免费观看| 久久午夜福利片| 伦理电影大哥的女人| 最近中文字幕高清免费大全6| 色5月婷婷丁香| 国产视频首页在线观看| 午夜精品一区二区三区免费看| 国产成人免费观看mmmm| 丝瓜视频免费看黄片| 欧美bdsm另类| 晚上一个人看的免费电影| 亚洲真实伦在线观看| 99热6这里只有精品| 91久久精品电影网| 老司机影院成人| 免费av毛片视频| 晚上一个人看的免费电影| 亚洲欧美精品专区久久| 久久久久性生活片| 婷婷色麻豆天堂久久| 狂野欧美白嫩少妇大欣赏| 亚洲av欧美aⅴ国产| 在线 av 中文字幕| 国内精品美女久久久久久| 大香蕉97超碰在线| 免费观看av网站的网址| 一本久久精品| 免费av不卡在线播放| 91久久精品国产一区二区成人| 亚洲欧美日韩东京热| 国产黄片视频在线免费观看| 特级一级黄色大片| 国产综合精华液| 高清视频免费观看一区二区| 青春草亚洲视频在线观看| 国产成人午夜福利电影在线观看| 欧美少妇被猛烈插入视频| 成人午夜精彩视频在线观看| 亚洲国产欧美人成| 久热这里只有精品99| 久久精品综合一区二区三区| 久久久精品免费免费高清| 久久精品综合一区二区三区| 亚洲av中文字字幕乱码综合| 夫妻午夜视频| 赤兔流量卡办理| 91久久精品国产一区二区三区| 小蜜桃在线观看免费完整版高清| 丰满乱子伦码专区| 国产在线男女| a级毛片免费高清观看在线播放| 赤兔流量卡办理| 噜噜噜噜噜久久久久久91| 欧美老熟妇乱子伦牲交| 欧美一区二区亚洲| 内射极品少妇av片p| 超碰av人人做人人爽久久| 欧美激情国产日韩精品一区| 久久久久久久精品精品| 亚洲最大成人中文| 最近中文字幕高清免费大全6| 国产一区二区三区综合在线观看 | 亚洲内射少妇av| 日韩欧美一区视频在线观看 | 新久久久久国产一级毛片| 欧美日韩视频精品一区| 99热6这里只有精品| 亚洲av国产av综合av卡| 亚洲欧美一区二区三区国产| 久久热精品热| 狂野欧美激情性bbbbbb| 男女边摸边吃奶| 国产中年淑女户外野战色| 日日啪夜夜撸| a级毛色黄片| 亚洲成人中文字幕在线播放| 天堂网av新在线| 综合色丁香网| 成年女人看的毛片在线观看| 国产精品久久久久久精品古装| 免费电影在线观看免费观看| av在线亚洲专区| 插阴视频在线观看视频| 国产黄频视频在线观看| tube8黄色片| 中国国产av一级| 亚洲成色77777| 狂野欧美白嫩少妇大欣赏| 精品国产三级普通话版| 欧美变态另类bdsm刘玥| 国产免费一区二区三区四区乱码| 国产黄色免费在线视频| 又爽又黄a免费视频| 嫩草影院精品99| 亚洲成色77777| 少妇 在线观看| 视频区图区小说| 人妻 亚洲 视频| 性插视频无遮挡在线免费观看| 三级国产精品欧美在线观看| 女的被弄到高潮叫床怎么办| 色哟哟·www| 天天一区二区日本电影三级| 精品久久久精品久久久| 国产黄频视频在线观看| 在线观看一区二区三区激情| 免费观看性生交大片5| 两个人的视频大全免费| 中文字幕免费在线视频6| 黑人高潮一二区| 不卡视频在线观看欧美| 中文乱码字字幕精品一区二区三区| 精品久久久久久久久亚洲| 欧美潮喷喷水| 大片免费播放器 马上看| 亚洲精品日韩在线中文字幕| 亚洲天堂国产精品一区在线| 亚洲av一区综合| 在线看a的网站| 国产欧美日韩一区二区三区在线 | 亚洲欧美日韩东京热| 在线免费十八禁| 亚洲av成人精品一二三区| 人人妻人人看人人澡| 亚洲综合精品二区| 少妇人妻一区二区三区视频| 日韩电影二区| 大片免费播放器 马上看| 免费高清在线观看视频在线观看| 男女那种视频在线观看| av在线播放精品| 久久久亚洲精品成人影院| 日日啪夜夜爽| 久久综合国产亚洲精品| 三级国产精品欧美在线观看| 成年av动漫网址| 搡老乐熟女国产| 日本-黄色视频高清免费观看| 国产精品蜜桃在线观看| 日本猛色少妇xxxxx猛交久久| 三级经典国产精品| 三级国产精品片| xxx大片免费视频| 色综合色国产| 免费在线观看成人毛片| av又黄又爽大尺度在线免费看| 黄色一级大片看看| 秋霞在线观看毛片| 爱豆传媒免费全集在线观看| 黄色一级大片看看| 秋霞在线观看毛片| 大码成人一级视频| h日本视频在线播放| 麻豆精品久久久久久蜜桃| 自拍欧美九色日韩亚洲蝌蚪91 | 一个人看视频在线观看www免费| 丝袜脚勾引网站| 国产伦精品一区二区三区视频9| 国产伦理片在线播放av一区| 久久久久网色| 亚洲怡红院男人天堂| 亚洲,欧美,日韩| 黄色视频在线播放观看不卡| 免费av毛片视频| 日本熟妇午夜| 99热6这里只有精品| 国产一区亚洲一区在线观看| www.av在线官网国产| 免费在线观看成人毛片| 国产男人的电影天堂91| 成年版毛片免费区| 美女高潮的动态| 欧美国产精品一级二级三级 |