• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢索方法研究

    2017-03-06 20:14:45甘澄丁學(xué)文
    電腦知識與技術(shù) 2016年30期
    關(guān)鍵詞:圖像檢索卷積神經(jīng)網(wǎng)絡(luò)

    甘澄 丁學(xué)文

    摘要:為了解決傳統(tǒng)車輛檢索方法中準確性和區(qū)分度較低的問題,本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的車輛檢索方法。該方法利用CNN稀疏連接和權(quán)值共享的優(yōu)點,針對車輛前臉圖像關(guān)鍵特征位置的相對不變性,設(shè)計了一個七層的網(wǎng)絡(luò)結(jié)構(gòu),可以合理提取車輛的有效特征,并將低級結(jié)構(gòu)特征組合成為高一級的特征,既簡化了模型的復(fù)雜度,也克服了旋轉(zhuǎn)平移等因素對檢測結(jié)果的影響。該方法最終通過相似度排序的方法得到檢索結(jié)果。實驗結(jié)果表明,本文所提出的方法相對于基于局部不變特征方法具有更高的準確度。

    關(guān)鍵詞:車輛檢測;圖像檢索;卷積神經(jīng)網(wǎng)絡(luò)

    中圖分類號:TP391 文獻標識碼:A 文章編號:1009-3044(2016)30-0191-03

    The Research of Vehicle Image Retrieval Based on Convolutional Neural Network

    GAN Cheng, DING Xue-wen

    (School of Electronic Engineering,Tianjin University of Technology and Education, Tianjin 3000222 , China)

    Abstract:In order to solve the problem of the traditional vehicle retrieval methods which has low degree of differentiation and accuracy, it is proposed in this paper that a vehicle retrieval method based on convolution neural network (CNN).This methods builds a seven layers network structure which utilizes the advantages of CNN which called sparse connecting and weights sharing, and the key feature location invariance for vehicle former face image. This structure can extract effective features of vehicle which is reasonable, and combine the low scale feature into higher scale one. It not only simplifies the complexity of the model, but also overcome the influence of rotating shift on the result with effect. Finally, it get the retrieve result through similarity ranking. By comparing with the methods which based on local invariant features, the experimental results show that the presented method has a higher accuracy.

    Key words: vehicle detection; image retrieval; CNN

    1引言

    隨著生活水平和工業(yè)水平的提高,機動車數(shù)量迅速增長,車輛的品牌也有所增加,傳統(tǒng)的人工基于視頻圖像對交通信息的判斷工作已經(jīng)無法滿足當前的發(fā)展狀況,有效判別某一輛汽車具體品牌型號對于交通管理領(lǐng)域,特別是對車輛違章、無牌照車輛等公安稽查領(lǐng)域有著非常重要的意義[1]。

    當前對于車輛型號信息的提取主要有以下幾種方法:

    1)基于車牌識別的車型識別方法。該方法對車牌進行字符識別,通過識別到的車牌信息查詢交通管理數(shù)據(jù)庫,以此獲得車主信息與車輛型號。該方法簡單高效,應(yīng)用廣泛,然而遇到套牌車輛會失去作用。

    2)基于特征匹配的車型識別方法。通過提取車輛圖像的局部特征來進行車型識別。該方法需要選擇合適的局部特征,合適的匹配算法,是目前比較熱門的研究方向之一。

    3)基于3D模型匹配的車型識別方法。該方法需要建立標準車型的三維模型庫,雖然識別精度高,但算法復(fù)雜,難度較大。

    綜上所述,基于車輛外觀的圖像特征的車型識別與車輛檢索方法更為有效。若選取局部特征,可以有效降低計算的復(fù)雜度,提高系統(tǒng)效率與精度。選取全局特征則可以保留車型的全部信息,大幅提高檢測精度,但計算的復(fù)雜度也隨之升高。車輛的前臉特征,它包含了車型的重要信息,如車燈,格柵,車標等,這些局部特征可以有效地區(qū)分各種車型。

    2當前的車輛檢索方法

    傳統(tǒng)的車輛檢測方法選取車輛的局部信息進行檢測。但這種方法面臨的問題是對于車輛的局部信息,檢測的速度雖然比較快,但仍然存在不少缺點。

    文獻[2]采用具有嚴格意義的仿射不變性特征的MSER進行特征檢測,將檢測到的特征點用SIFT描述子描述為特征向量。通過“詞袋模型”,將所有的圖像量化為“碼書”。將每一類車型的所有“碼書”訓(xùn)練為該類車型的分類器,以此來對輸入圖像進行車型識別。

    文獻[3]在車輛視頻關(guān)鍵幀提取的基礎(chǔ)上,根據(jù)改進SURF算法完成車輛圖像的特征提取及匹配,其中包含改進FAST特征點檢測、SURF特征向量提取以及最近鄰查詢方法來進行特征點的匹配,并通過計算相似度,完成圖像篩選并反饋檢索結(jié)果。

    文獻[4,5]運用改進的Adaboost方法進行車臉定位,提取SIFT、SURF不變性特征,提出改進的特征匹配策略,并結(jié)合車臉區(qū)域分割的車標與車燈不變矩特征、散熱器隔欄紋理等多特征,根據(jù)車型標準特征模型庫的數(shù)據(jù),提出了多特征融合的自適應(yīng)分布車型分類識別算法。

    綜上所述,目前的車輛檢索方法主要經(jīng)過車輛前臉定位和車臉特征匹配兩個步驟,對于大部分的圖像可以取得較好的檢索效果。但是對于圖1所示的四副圖像,圖中黃色框內(nèi)為車輛的中網(wǎng)區(qū)域,紅色框內(nèi)為車燈區(qū)域。僅僅使用這兩個特征區(qū)域來進行檢測,是無法將這四輛捷豹車型區(qū)分開的。

    針對傳統(tǒng)基于不變特征對車輛識別的不足之處,本文采用深度卷積神經(jīng)網(wǎng)絡(luò),通過對車輛圖像全局特征的自動提取,從而獲得更準確的檢索結(jié)果。

    3本文采用的方法

    隨著深度學(xué)習(xí)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)在圖像領(lǐng)域有了廣泛的用途。其工作方式仿生于人類辨識事物的過程,獲取事物的全局特征,自動地與已有知識進行比較辨認,從而得到結(jié)果。此外,它具有強大的非線性表示能力,能夠理解圖像更深層次的信息。

    卷積神經(jīng)網(wǎng)絡(luò)相對于傳統(tǒng)的機器學(xué)習(xí)方法具有更多的優(yōu)勢。其主要體現(xiàn)在兩點:

    1) 特征提取和模式識別與分類同時在訓(xùn)練中運行,并且可以直接處理灰度圖像,不需對圖像進行過度的預(yù)處理,造成不必要的細節(jié)損失。

    2) 輸入圖像與網(wǎng)絡(luò)的拓撲結(jié)構(gòu)能夠很好地吻合,特別是多維輸入的圖像可以直接輸入卷積神經(jīng)網(wǎng)絡(luò)進行識別,避免了特征提取、識別過程和分類過程中數(shù)據(jù)重建所造成的重復(fù)計算。

    3.1模型設(shè)計

    本文采用LeNet-5卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。LeNet-5是一個典型的卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用案例,準確性高、可用性強,已被美國多家銀行用于支票手寫數(shù)字的識別。對車輛的識別與手寫數(shù)字類似,都是對某一未知圖像進行識別和匹配。相對于手寫數(shù)字在整個圖像中的相對位置不確定,車輛的各個部位的固定結(jié)構(gòu)使得其在一定區(qū)域具有結(jié)構(gòu)位置不變性。基于以上分析,基于車輛圖像的特點,本文構(gòu)建一個適用于車輛圖像的卷積神經(jīng)網(wǎng)絡(luò)。

    在進行網(wǎng)絡(luò)訓(xùn)練之前,首先對圖片進行處理。將獲取的輸入圖片大小歸一化為32×32,并轉(zhuǎn)換為灰度圖像,最終將圖像轉(zhuǎn)換為LMDB格式,進行標簽處理,直接用于網(wǎng)絡(luò)的輸入層[8]。設(shè)計的網(wǎng)絡(luò)如圖2所示。

    網(wǎng)絡(luò)層C1是由四個特征圖組成的卷積層。每個神經(jīng)元與輸入圖像的一個5×5的領(lǐng)域相連接,得到的卷積后的特征圖大小為28×28。網(wǎng)絡(luò)層S2由4個大小為14×14的特征圖組成的次抽樣層,其來源于對C1層池化操作。每個特征圖上的神經(jīng)元與C1層的一個大小為2×2的鄰域相連。網(wǎng)絡(luò)層C3是由10個大小為10×10的特征圖組成的卷積層。特征圖的每個神經(jīng)元與S2層的特征圖的5×5的鄰域連接。表1顯示了S2層的特征圖與C3的特征圖之間的聯(lián)接關(guān)系。列代表S2層,行代表C3層,X代表之間相連。例如,由表1可知C3的第二個特征圖由S2的第二個、第三個、第四個結(jié)合而得,通過這種選擇性連接,降低了特征的維度,加快了計算,卻保留了有用的信息。

    網(wǎng)絡(luò)層S4是由10個5×5的特征圖組成的次抽樣層。特征圖中的每個神經(jīng)元與C3層的一個2×2大小的鄰域相連接。網(wǎng)絡(luò)層C5是由200個特征圖組成的卷積層。每個神經(jīng)元與S4網(wǎng)絡(luò)層的特征圖的5×5大小的領(lǐng)域相連接。網(wǎng)絡(luò)層F6,包括100個神經(jīng)元,與網(wǎng)絡(luò)層C5進行全連接,采用softmax進行分類。最后,輸出層有10個神經(jīng)元,是由徑向基函數(shù)單元(RBF)組成,輸出層的每個神經(jīng)元對應(yīng)一個特征類別。

    在前向傳播的過程中,需要判斷是否得到神經(jīng)元的輸出,這時就需要激活函數(shù)。常用的激活函數(shù)有Sigmoid、Tanh、ReLU等[9],本文選擇ReLU。其數(shù)學(xué)表達式為f(x)=max(0,x)。可以看出,輸入信號<0時,輸出為0;輸入信號>0時,輸出等于輸入。其收斂速度大于傳統(tǒng)的Sigmoid和Tanh,且計算也相對簡單。

    在C5層原始輸出的特征圖的細節(jié),包括了圖像的邊緣特征的方向和粗細。加入編碼器,將這些邊緣特征進行組合,通過不同的組合,可以得到圖像的一些主題特征,將這些特征用于分類器中,會有很好的學(xué)習(xí)表達能力。

    在整個神經(jīng)網(wǎng)絡(luò)的設(shè)計過程中,主要從卷積核的個數(shù)大小、池化方法、網(wǎng)絡(luò)的層數(shù)的選擇來綜合考慮。越多的卷積核可以獲得更多的特征且卷積核越小則可以獲得更詳細的特征,但卻增加了處理的時間和產(chǎn)生較高的空間復(fù)雜度;較小的池化核會造成過擬合,較大的池化核則會由于下采樣的噪音太多造成誤差增大;層次越多,會產(chǎn)生更加詳細的細節(jié)特征,同時也會增加空間和時間的復(fù)雜度,對于車輛圖像而言,不需要更加精細的細節(jié)特征。因此,綜合考慮,本文設(shè)計的網(wǎng)絡(luò)如表2所示,采用7層網(wǎng)絡(luò)結(jié)構(gòu),卷積核選用5×5,池化過程選擇均值池化且池化核尺寸為2×2,分類器選用softmax能夠達到較好的分類效果。

    3.2相似度量

    經(jīng)過卷積網(wǎng)絡(luò)對圖像的學(xué)習(xí),將圖像的特征進行了抽象化,理論上在網(wǎng)絡(luò)模型中層數(shù)越高表示的特征越抽象,越能更好地表征圖像的內(nèi)容。

    本文采用簡單的最小距離分類器進行特征的相似計算,公式如下:

    這里q表示查詢圖像的特征向量,m表示檢索庫中第i張圖像的特征向量,Di表示特征之間的距離差,n表示檢索庫中一共有多少張圖片。值越小說明兩幅圖像的相似度越高。最后,通過排序算法返回相應(yīng)的特征索引并查找出對應(yīng)的圖像庫,就能檢索出所需要的相似圖像。

    4 試驗結(jié)果與分析

    本文實驗電腦配置為Intel Core i5 CPU,在Linux環(huán)境下使用深度學(xué)習(xí)庫Caffe來訓(xùn)練本文設(shè)計的模型。

    圖3顯示了輸入圖像在卷積神經(jīng)網(wǎng)絡(luò)LeNet-5各層輸出神經(jīng)元的處理結(jié)果,最左邊是輸入圖像。從圖3可以看出,隨著層數(shù)的增加,車輛的細節(jié)特征被逐漸提取出來

    本文實驗采用的圖像數(shù)據(jù)來源于互聯(lián)網(wǎng)。實驗圖像選取了50個常見的汽車品牌,并選取其中典型的車型進行訓(xùn)練,訓(xùn)練集中的圖片數(shù)目為5000張,數(shù)據(jù)按照車輛品牌及車輛具體型號進行標注。

    如圖4為一次檢索的示例。其中,左邊是輸入的查詢圖像,右邊是對應(yīng)的檢索到圖像標號所對應(yīng)的圖像。

    檢索測試圖像為捷豹XJ車型,檢索出三個相似的車型。其中NO.3924的相似度為92%,確實為目標檢測車輛。NO.3901圖像為捷豹F-TYPE車型,具有75%的相似度,這是因為家族化的設(shè)計因素造成的。NO.3957圖像為捷豹XE車型,有82%的相似度。因此認為NO.3924為所要求的結(jié)果。在檢索中,即使是同一款車型,由于拍攝角度的問題以及車輛經(jīng)過個性化的改裝,造成檢索相似度難以達到100%的準確度。如果最高相似結(jié)果低于75%,則認為檢索不成功。

    測試進行了200次試驗,其中有175次檢索結(jié)果正確。同時,與文獻[2]等傳統(tǒng)方法進行了性能對比,如表3所示。

    通過表3的數(shù)據(jù),可以看出本文的方法相對于其他文獻采用的方法,準確率有了較大的提高,但平均使用的時間相對較高。這是因為經(jīng)過卷積網(wǎng)絡(luò)的學(xué)習(xí),得到的是整個圖像的全部特征,同時受限于硬件的運算速度,造成相對運算時間較高的情況。

    5 結(jié)論

    本文將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到車輛圖像的檢索工作中。根據(jù)車輛的特征對LeNet網(wǎng)絡(luò)結(jié)構(gòu)進行改進,通過對圖像自動地進行“學(xué)習(xí)”,提取到足夠豐富且準確的車輛細節(jié)特征。以便有效區(qū)分不同車輛。與基于局部特征的車輛檢索方法相比,檢索的準確率得到了明顯的提升,綜合測試檢索的準確率達到87.5%。該方法在道路交通信息管理方面具有廣泛的應(yīng)用前景。

    但本文的工作依然存在一些不足。與傳統(tǒng)方法的對比可以看出,雖然檢索的精度有提高,但檢索的時間卻比較長,這受制于網(wǎng)絡(luò)的復(fù)雜度和硬件的運算速度。在下一步的工作中,將會采集統(tǒng)一的圖像數(shù)據(jù),并且對網(wǎng)絡(luò)結(jié)構(gòu)進行優(yōu)化,進一步提高檢索的精度和速度。

    參考文獻:

    [1] 陳明明.視頻中的車輛檢測及車型識別研究[D].南京:南京郵電大學(xué),2013.

    [2] 賈曉.套牌車輛的車型識別與檢索技術(shù)研究[D].大連:大連海事大學(xué),2016.

    [3] 張子龍.基于改進SURF算法的交通視頻車輛檢索方法研究[J].西北工業(yè)大學(xué)學(xué)報,2014,32(2):297-302.

    [4] 陳伊.基于圖像多特征的車輛對象識別方法研究[D].昆明:昆明理工大學(xué),2014.

    [5] 李全武.車臉定位及識別方法研究[J].計算機科學(xué)與探索.2015,9(6):726-733.

    [6] 盧宏濤,張秦川.深度卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺中的應(yīng)用研究綜述[J].數(shù)據(jù)采集與處理,2016(31):1-17.

    [7] 孫君頂,原芳.基于內(nèi)容的圖像檢索技術(shù)[J].計算機系統(tǒng)應(yīng)用,2011(8):240-244.

    [8] 姜磊,趙漢理.基于卷積神經(jīng)網(wǎng)絡(luò)的鞋類圖像檢索研究[J].現(xiàn)代計算機,2016(5):39-43.

    [9] 趙志宏.基于卷積神經(jīng)網(wǎng)絡(luò)LeNet_5的車牌字符識別研究[J].系統(tǒng)仿真學(xué)報,2010(3):638-641.

    猜你喜歡
    圖像檢索卷積神經(jīng)網(wǎng)絡(luò)
    基于卷積神經(jīng)網(wǎng)絡(luò)溫室智能大棚監(jiān)控系統(tǒng)的研究
    圖像特征在區(qū)域范圍內(nèi)提取方法的研究
    基于Hadoop平臺的圖像檢索模型
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
    基于顏色特征的行李箱檢索系統(tǒng)設(shè)計與實現(xiàn)
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識別的算法的研究
    基于內(nèi)容的圖像檢索算法技術(shù)研究
    基于分塊顏色核特征的圖像檢索方法
    日日摸夜夜添夜夜添小说| 日韩制服丝袜自拍偷拍| 久久国产精品人妻蜜桃| 热99re8久久精品国产| 亚洲一卡2卡3卡4卡5卡精品中文| 成年人黄色毛片网站| 99riav亚洲国产免费| 成年人免费黄色播放视频| 午夜福利视频在线观看免费| 亚洲欧美色中文字幕在线| 在线观看www视频免费| 欧美成人午夜精品| 午夜激情av网站| 777久久人妻少妇嫩草av网站| 高清欧美精品videossex| 我的亚洲天堂| 一级片'在线观看视频| 亚洲成国产人片在线观看| 精品一区二区三区四区五区乱码| 精品国产一区二区久久| 一区在线观看完整版| 超色免费av| 亚洲精品中文字幕一二三四区 | 亚洲性夜色夜夜综合| 一二三四社区在线视频社区8| 亚洲欧美色中文字幕在线| 亚洲av成人不卡在线观看播放网| 丝袜在线中文字幕| 97人妻天天添夜夜摸| 亚洲五月色婷婷综合| 夜夜骑夜夜射夜夜干| 欧美日韩国产mv在线观看视频| 亚洲精品久久午夜乱码| 在线播放国产精品三级| 国产高清videossex| 操美女的视频在线观看| 国产欧美日韩综合在线一区二区| 交换朋友夫妻互换小说| 一夜夜www| 黄频高清免费视频| 最近最新中文字幕大全免费视频| 免费高清在线观看日韩| 99国产综合亚洲精品| 国产精品二区激情视频| 精品人妻熟女毛片av久久网站| 国产午夜精品久久久久久| 国产淫语在线视频| 在线观看免费视频网站a站| 久久精品熟女亚洲av麻豆精品| 美女午夜性视频免费| 国产又色又爽无遮挡免费看| 国产精品久久久av美女十八| 亚洲国产看品久久| 1024香蕉在线观看| 国产91精品成人一区二区三区 | 狂野欧美激情性xxxx| av又黄又爽大尺度在线免费看| 婷婷丁香在线五月| 一级片'在线观看视频| av天堂久久9| 国产aⅴ精品一区二区三区波| 久久影院123| 99国产精品99久久久久| 国产av国产精品国产| 精品少妇内射三级| 亚洲一卡2卡3卡4卡5卡精品中文| a级毛片在线看网站| 成人手机av| 日本vs欧美在线观看视频| 国产单亲对白刺激| 色尼玛亚洲综合影院| 久久午夜综合久久蜜桃| 国产精品一区二区免费欧美| 人人妻人人添人人爽欧美一区卜| 91老司机精品| 日日爽夜夜爽网站| 美国免费a级毛片| 757午夜福利合集在线观看| 成年版毛片免费区| 黄网站色视频无遮挡免费观看| 美女视频免费永久观看网站| 亚洲专区中文字幕在线| 男人舔女人的私密视频| 国产亚洲精品第一综合不卡| 成年动漫av网址| 久久av网站| 五月开心婷婷网| 国产精品.久久久| 久久人妻熟女aⅴ| 最近最新中文字幕大全免费视频| 一级片免费观看大全| 亚洲五月婷婷丁香| 亚洲免费av在线视频| 一本色道久久久久久精品综合| 两人在一起打扑克的视频| 精品欧美一区二区三区在线| 两性夫妻黄色片| 美女福利国产在线| 欧美精品亚洲一区二区| 国产在视频线精品| 亚洲欧美色中文字幕在线| 国产无遮挡羞羞视频在线观看| 999久久久精品免费观看国产| 无限看片的www在线观看| 午夜福利视频精品| 精品国产乱子伦一区二区三区| 国精品久久久久久国模美| 热re99久久国产66热| 色婷婷久久久亚洲欧美| 一级a爱视频在线免费观看| 午夜两性在线视频| 狠狠精品人妻久久久久久综合| 精品人妻1区二区| 免费少妇av软件| 在线观看免费视频网站a站| 一本一本久久a久久精品综合妖精| 性高湖久久久久久久久免费观看| 久久中文字幕一级| 一边摸一边抽搐一进一小说 | 午夜福利在线观看吧| 99riav亚洲国产免费| 精品熟女少妇八av免费久了| 国产单亲对白刺激| 高清在线国产一区| 美女福利国产在线| 我要看黄色一级片免费的| 国产精品免费视频内射| 亚洲国产欧美日韩在线播放| 黑人巨大精品欧美一区二区蜜桃| 精品亚洲乱码少妇综合久久| 在线永久观看黄色视频| 国产精品免费一区二区三区在线 | 天天躁夜夜躁狠狠躁躁| 日本五十路高清| 亚洲精品久久成人aⅴ小说| 亚洲熟妇熟女久久| 男女免费视频国产| 波多野结衣一区麻豆| 老司机午夜十八禁免费视频| www.熟女人妻精品国产| 两个人看的免费小视频| 国产av国产精品国产| 超碰成人久久| 老司机靠b影院| 成年动漫av网址| 欧美日本中文国产一区发布| 男女下面插进去视频免费观看| 久久这里只有精品19| 亚洲欧洲日产国产| 丁香六月欧美| 亚洲精品成人av观看孕妇| 国产亚洲精品第一综合不卡| 国产高清激情床上av| 国产精品自产拍在线观看55亚洲 | a级毛片在线看网站| 国产成人一区二区三区免费视频网站| 黑人猛操日本美女一级片| 窝窝影院91人妻| 成人永久免费在线观看视频 | 亚洲性夜色夜夜综合| 日韩人妻精品一区2区三区| 视频区图区小说| 国产精品久久电影中文字幕 | 欧美日韩成人在线一区二区| 十八禁人妻一区二区| 欧美成狂野欧美在线观看| 可以免费在线观看a视频的电影网站| 精品国内亚洲2022精品成人 | 正在播放国产对白刺激| 精品卡一卡二卡四卡免费| a级毛片黄视频| 99久久人妻综合| 欧美老熟妇乱子伦牲交| 亚洲性夜色夜夜综合| 中亚洲国语对白在线视频| 视频区图区小说| 免费av中文字幕在线| 国产欧美日韩一区二区三区在线| 亚洲 国产 在线| 丁香欧美五月| 19禁男女啪啪无遮挡网站| 男女边摸边吃奶| 欧美日韩福利视频一区二区| 亚洲精品久久成人aⅴ小说| 一区二区日韩欧美中文字幕| 亚洲人成77777在线视频| 美女主播在线视频| www.精华液| 久久国产亚洲av麻豆专区| 黄网站色视频无遮挡免费观看| 欧美精品高潮呻吟av久久| 99re6热这里在线精品视频| 男女免费视频国产| 人人妻人人澡人人看| 2018国产大陆天天弄谢| 免费一级毛片在线播放高清视频 | 国产99久久九九免费精品| 高清欧美精品videossex| 悠悠久久av| 国产免费av片在线观看野外av| 免费观看人在逋| 性少妇av在线| 精品第一国产精品| 亚洲欧美精品综合一区二区三区| 国产野战对白在线观看| 亚洲久久久国产精品| 日韩人妻精品一区2区三区| av又黄又爽大尺度在线免费看| 在线观看舔阴道视频| 久久久久久人人人人人| 99re在线观看精品视频| 天天添夜夜摸| 99热国产这里只有精品6| 国产精品一区二区免费欧美| 国产精品98久久久久久宅男小说| 女人高潮潮喷娇喘18禁视频| 一二三四社区在线视频社区8| 久久天躁狠狠躁夜夜2o2o| 在线av久久热| 亚洲午夜理论影院| 欧美亚洲日本最大视频资源| 在线永久观看黄色视频| cao死你这个sao货| 女人精品久久久久毛片| 成人影院久久| 99国产精品一区二区三区| 亚洲 国产 在线| 国产在线免费精品| 最新的欧美精品一区二区| 欧美成人免费av一区二区三区 | 大码成人一级视频| 啦啦啦中文免费视频观看日本| 美国免费a级毛片| 伊人久久大香线蕉亚洲五| 国产欧美亚洲国产| 午夜老司机福利片| 色播在线永久视频| 日韩欧美国产一区二区入口| 亚洲熟妇熟女久久| 操出白浆在线播放| 热re99久久国产66热| 日韩制服丝袜自拍偷拍| 一二三四社区在线视频社区8| 两性夫妻黄色片| 日日摸夜夜添夜夜添小说| 亚洲全国av大片| 色94色欧美一区二区| 国产成人av教育| 看免费av毛片| 久久久久久人人人人人| 国产在线视频一区二区| 亚洲色图 男人天堂 中文字幕| 黄片播放在线免费| 另类精品久久| 一二三四社区在线视频社区8| 亚洲一卡2卡3卡4卡5卡精品中文| 免费在线观看日本一区| 免费在线观看影片大全网站| www.999成人在线观看| 欧美亚洲 丝袜 人妻 在线| 亚洲精品国产色婷婷电影| 建设人人有责人人尽责人人享有的| 欧美变态另类bdsm刘玥| 精品福利永久在线观看| 精品免费久久久久久久清纯 | 91av网站免费观看| 成人国产av品久久久| 日本五十路高清| 视频区欧美日本亚洲| 两性夫妻黄色片| 男女高潮啪啪啪动态图| 777久久人妻少妇嫩草av网站| 亚洲精品一二三| 汤姆久久久久久久影院中文字幕| 国产aⅴ精品一区二区三区波| 在线观看免费视频日本深夜| 午夜福利一区二区在线看| 亚洲精华国产精华精| 成人三级做爰电影| 久久国产精品影院| 亚洲男人天堂网一区| 一区在线观看完整版| 午夜91福利影院| 国产深夜福利视频在线观看| 午夜福利在线免费观看网站| 婷婷丁香在线五月| 久热爱精品视频在线9| 国产91精品成人一区二区三区 | 国产精品久久久久成人av| 国产高清激情床上av| 又大又爽又粗| 国产一区二区 视频在线| 欧美日韩亚洲高清精品| 俄罗斯特黄特色一大片| 三级毛片av免费| 免费一级毛片在线播放高清视频 | 午夜福利欧美成人| 欧美激情高清一区二区三区| 成人三级做爰电影| 亚洲五月色婷婷综合| 黄片小视频在线播放| 成人黄色视频免费在线看| 国产av国产精品国产| www.自偷自拍.com| 俄罗斯特黄特色一大片| 大码成人一级视频| 热99国产精品久久久久久7| 天天影视国产精品| 国产亚洲精品久久久久5区| 桃花免费在线播放| 超碰成人久久| 国产高清激情床上av| 免费看十八禁软件| 啦啦啦中文免费视频观看日本| 午夜视频精品福利| 久久精品人人爽人人爽视色| 亚洲成国产人片在线观看| a级毛片黄视频| 欧美变态另类bdsm刘玥| 成人手机av| 美女福利国产在线| 国产亚洲精品第一综合不卡| 天天添夜夜摸| 少妇的丰满在线观看| 777久久人妻少妇嫩草av网站| 人妻一区二区av| 日本撒尿小便嘘嘘汇集6| 亚洲午夜精品一区,二区,三区| 亚洲国产看品久久| 香蕉国产在线看| 99久久99久久久精品蜜桃| 男女无遮挡免费网站观看| 日韩人妻精品一区2区三区| 人人澡人人妻人| 男人舔女人的私密视频| 国产有黄有色有爽视频| www.精华液| 12—13女人毛片做爰片一| 精品国产一区二区三区久久久樱花| 成人三级做爰电影| 天堂俺去俺来也www色官网| 国产在线免费精品| 一本—道久久a久久精品蜜桃钙片| 女人爽到高潮嗷嗷叫在线视频| av在线播放免费不卡| 麻豆av在线久日| 91大片在线观看| 成人国产一区最新在线观看| 少妇裸体淫交视频免费看高清 | 午夜成年电影在线免费观看| 午夜两性在线视频| 国产精品.久久久| 老司机午夜福利在线观看视频 | 国产91精品成人一区二区三区 | 12—13女人毛片做爰片一| 叶爱在线成人免费视频播放| 法律面前人人平等表现在哪些方面| 久久国产精品影院| 精品少妇黑人巨大在线播放| 国产精品秋霞免费鲁丝片| 女性被躁到高潮视频| 黄片小视频在线播放| 色婷婷av一区二区三区视频| 少妇 在线观看| 90打野战视频偷拍视频| www.精华液| 国产成人欧美| 久久中文字幕一级| 美女扒开内裤让男人捅视频| 欧美亚洲日本最大视频资源| 天天添夜夜摸| 国产男女内射视频| 亚洲精品国产区一区二| 久久中文字幕一级| 亚洲精品国产色婷婷电影| 欧美日韩亚洲高清精品| 日韩欧美免费精品| 国产精品欧美亚洲77777| 黄色 视频免费看| 天天添夜夜摸| 丰满人妻熟妇乱又伦精品不卡| 国产欧美日韩一区二区三区在线| 日本a在线网址| 91老司机精品| 日韩成人在线观看一区二区三区| 1024视频免费在线观看| 91精品国产国语对白视频| 日韩视频在线欧美| 成人手机av| 天天躁日日躁夜夜躁夜夜| 国产欧美日韩一区二区三| 精品熟女少妇八av免费久了| 女性被躁到高潮视频| 成年人免费黄色播放视频| 在线观看免费高清a一片| 伊人久久大香线蕉亚洲五| 国产精品 国内视频| 黄色毛片三级朝国网站| 国产精品香港三级国产av潘金莲| 欧美成狂野欧美在线观看| 亚洲va日本ⅴa欧美va伊人久久| 久久av网站| 老司机午夜福利在线观看视频 | 欧美黑人精品巨大| av福利片在线| 手机成人av网站| 欧美日本中文国产一区发布| 亚洲第一欧美日韩一区二区三区 | 性高湖久久久久久久久免费观看| 国产激情久久老熟女| 韩国精品一区二区三区| 亚洲七黄色美女视频| 日日夜夜操网爽| 人妻 亚洲 视频| 日本一区二区免费在线视频| 一边摸一边抽搐一进一出视频| 久久av网站| 一级片'在线观看视频| 久久久久久人人人人人| 国产成人精品久久二区二区91| 最新美女视频免费是黄的| 免费黄频网站在线观看国产| 国产欧美日韩一区二区精品| 色老头精品视频在线观看| 欧美激情极品国产一区二区三区| 精品午夜福利视频在线观看一区 | 黑丝袜美女国产一区| 人人澡人人妻人| 日韩精品免费视频一区二区三区| 波多野结衣一区麻豆| 热99国产精品久久久久久7| 国产欧美日韩一区二区三| 视频区图区小说| 国产精品1区2区在线观看. | 国产一区有黄有色的免费视频| 男人操女人黄网站| 激情在线观看视频在线高清 | 亚洲av电影在线进入| 黑人欧美特级aaaaaa片| 新久久久久国产一级毛片| 国产黄频视频在线观看| 岛国在线观看网站| 久久中文字幕人妻熟女| 淫妇啪啪啪对白视频| 精品一区二区三卡| 日本wwww免费看| 久久久精品区二区三区| 天天操日日干夜夜撸| 午夜91福利影院| 久久av网站| 高清av免费在线| av线在线观看网站| 后天国语完整版免费观看| 亚洲精品一卡2卡三卡4卡5卡| 99久久人妻综合| 超色免费av| 久久久久网色| 欧美日韩亚洲综合一区二区三区_| 午夜成年电影在线免费观看| 天天躁狠狠躁夜夜躁狠狠躁| 国产成人一区二区三区免费视频网站| 亚洲三区欧美一区| 夜夜爽天天搞| 色老头精品视频在线观看| 午夜福利免费观看在线| 怎么达到女性高潮| 国产欧美日韩一区二区三| 久久久久视频综合| 日韩欧美国产一区二区入口| 亚洲五月婷婷丁香| 亚洲专区国产一区二区| 日韩欧美免费精品| 窝窝影院91人妻| 人妻 亚洲 视频| 欧美另类亚洲清纯唯美| 蜜桃国产av成人99| av超薄肉色丝袜交足视频| 亚洲午夜理论影院| 亚洲成av片中文字幕在线观看| 久久久久精品国产欧美久久久| 日本五十路高清| 99香蕉大伊视频| 亚洲三区欧美一区| 天天操日日干夜夜撸| 又黄又粗又硬又大视频| 久久精品人人爽人人爽视色| 高潮久久久久久久久久久不卡| 国产免费av片在线观看野外av| 国产97色在线日韩免费| 国产深夜福利视频在线观看| 国产黄频视频在线观看| 变态另类成人亚洲欧美熟女 | 视频区图区小说| 成人特级黄色片久久久久久久 | 老司机午夜福利在线观看视频 | 亚洲av第一区精品v没综合| 久久国产亚洲av麻豆专区| 亚洲,欧美精品.| 欧美另类亚洲清纯唯美| 精品亚洲成国产av| aaaaa片日本免费| 久久久久久人人人人人| 亚洲色图 男人天堂 中文字幕| 一边摸一边做爽爽视频免费| 国产精品久久久久久人妻精品电影 | 成人三级做爰电影| 十八禁高潮呻吟视频| 一区二区av电影网| 12—13女人毛片做爰片一| a在线观看视频网站| 亚洲欧美精品综合一区二区三区| 精品免费久久久久久久清纯 | 色视频在线一区二区三区| 韩国精品一区二区三区| 高清黄色对白视频在线免费看| 淫妇啪啪啪对白视频| av天堂在线播放| 日韩人妻精品一区2区三区| 青青草视频在线视频观看| 精品人妻1区二区| 最新的欧美精品一区二区| 国产1区2区3区精品| 国产在线观看jvid| 免费人妻精品一区二区三区视频| 日日夜夜操网爽| 国产亚洲精品第一综合不卡| a级毛片在线看网站| 最近最新中文字幕大全电影3 | 午夜免费鲁丝| 在线亚洲精品国产二区图片欧美| 91av网站免费观看| 久久影院123| 亚洲精品在线观看二区| 精品福利永久在线观看| 看免费av毛片| 搡老岳熟女国产| 国产色视频综合| 亚洲自偷自拍图片 自拍| 另类亚洲欧美激情| 在线观看免费午夜福利视频| 女人爽到高潮嗷嗷叫在线视频| 在线观看免费视频网站a站| 久久午夜亚洲精品久久| 久久国产精品影院| 久久久久久久久久久久大奶| 一边摸一边抽搐一进一出视频| 国产精品.久久久| 91精品国产国语对白视频| 美女高潮到喷水免费观看| 国产1区2区3区精品| 亚洲精品国产精品久久久不卡| 国产精品一区二区在线不卡| 在线永久观看黄色视频| 在线播放国产精品三级| 热99久久久久精品小说推荐| 亚洲精品国产色婷婷电影| 国产不卡av网站在线观看| 国产精品久久电影中文字幕 | 五月天丁香电影| cao死你这个sao货| 久热爱精品视频在线9| 中文欧美无线码| 久久久久久久国产电影| aaaaa片日本免费| 午夜福利视频在线观看免费| 人妻久久中文字幕网| 在线永久观看黄色视频| 淫妇啪啪啪对白视频| 国产欧美日韩一区二区三| 久久久久精品国产欧美久久久| 亚洲视频免费观看视频| av一本久久久久| 国产伦理片在线播放av一区| xxxhd国产人妻xxx| 岛国毛片在线播放| 久久99热这里只频精品6学生| 亚洲久久久国产精品| 日日爽夜夜爽网站| 国产成人精品在线电影| 欧美日韩国产mv在线观看视频| 国产精品九九99| 精品卡一卡二卡四卡免费| 叶爱在线成人免费视频播放| 亚洲自偷自拍图片 自拍| 满18在线观看网站| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲少妇的诱惑av| 亚洲人成伊人成综合网2020| 女人高潮潮喷娇喘18禁视频| 少妇的丰满在线观看| 成年动漫av网址| 成人三级做爰电影| 考比视频在线观看| 丰满迷人的少妇在线观看| 黄色视频不卡| 亚洲国产欧美网| 免费女性裸体啪啪无遮挡网站| 曰老女人黄片| av超薄肉色丝袜交足视频| 成人特级黄色片久久久久久久 | 中文字幕av电影在线播放| 视频区欧美日本亚洲| 成人永久免费在线观看视频 | 不卡av一区二区三区| 亚洲黑人精品在线| 侵犯人妻中文字幕一二三四区| 一区二区三区精品91| 国产高清视频在线播放一区| 精品久久久久久电影网| 久久久国产欧美日韩av| 18禁裸乳无遮挡动漫免费视频| 丁香欧美五月| av一本久久久久| 十八禁网站免费在线| 大片免费播放器 马上看|