• <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
    搡老乐熟女国产| 日韩一区二区视频免费看| h日本视频在线播放| 边亲边吃奶的免费视频| 99热网站在线观看| 视频中文字幕在线观看| 成人无遮挡网站| 天堂俺去俺来也www色官网| 亚洲天堂国产精品一区在线| 网址你懂的国产日韩在线| 只有这里有精品99| 激情五月婷婷亚洲| 久久久久网色| 又爽又黄a免费视频| 亚洲欧美成人精品一区二区| 午夜福利高清视频| 少妇人妻 视频| 亚洲欧洲日产国产| 久久久久精品性色| 青春草视频在线免费观看| 三级经典国产精品| 亚洲成人精品中文字幕电影| 国产精品国产三级国产av玫瑰| 精品少妇久久久久久888优播| 国产淫片久久久久久久久| 蜜桃久久精品国产亚洲av| 小蜜桃在线观看免费完整版高清| 你懂的网址亚洲精品在线观看| 婷婷色综合大香蕉| 成人特级av手机在线观看| 色婷婷久久久亚洲欧美| 国产成人精品一,二区| 色综合色国产| 看非洲黑人一级黄片| 国产精品爽爽va在线观看网站| 18禁裸乳无遮挡免费网站照片| 男人狂女人下面高潮的视频| 亚洲无线观看免费| 国产精品福利在线免费观看| 一级毛片久久久久久久久女| 婷婷色av中文字幕| 在线精品无人区一区二区三 | 在线观看av片永久免费下载| 国产男人的电影天堂91| 亚洲欧美清纯卡通| 天堂网av新在线| 人人妻人人澡人人爽人人夜夜| 久久国产乱子免费精品| 亚洲色图综合在线观看| 99热这里只有精品一区| 网址你懂的国产日韩在线| 亚洲精品日韩av片在线观看| 国产黄片视频在线免费观看| 特大巨黑吊av在线直播| 黄色一级大片看看| 成人国产麻豆网| 久久综合国产亚洲精品| 熟女人妻精品中文字幕| 黄色欧美视频在线观看| 亚洲精品aⅴ在线观看| 97超视频在线观看视频| 亚洲四区av| 亚洲国产精品国产精品| 精品熟女少妇av免费看| 高清日韩中文字幕在线| 美女cb高潮喷水在线观看| av线在线观看网站| 美女脱内裤让男人舔精品视频| 看非洲黑人一级黄片| 综合色丁香网| 国产精品蜜桃在线观看| 国产探花极品一区二区| 在线观看一区二区三区| 国模一区二区三区四区视频| 老女人水多毛片| 网址你懂的国产日韩在线| eeuss影院久久| 校园人妻丝袜中文字幕| 精品99又大又爽又粗少妇毛片| 免费看光身美女| 一区二区三区精品91| 国国产精品蜜臀av免费| 免费在线观看成人毛片| 亚洲无线观看免费| 哪个播放器可以免费观看大片| 深爱激情五月婷婷| 极品教师在线视频| 免费av不卡在线播放| 3wmmmm亚洲av在线观看| 欧美成人a在线观看| 麻豆精品久久久久久蜜桃| 美女被艹到高潮喷水动态| 亚洲欧美一区二区三区黑人 | 插逼视频在线观看| 精品人妻视频免费看| 欧美一区二区亚洲| 天堂俺去俺来也www色官网| 中国美白少妇内射xxxbb| 亚洲精品日韩在线中文字幕| 超碰av人人做人人爽久久| 99热这里只有是精品在线观看| 国产精品不卡视频一区二区| 五月伊人婷婷丁香| 18禁在线无遮挡免费观看视频| 成人亚洲精品av一区二区| 国产一区二区三区综合在线观看 | 亚洲精品乱久久久久久| 简卡轻食公司| 高清视频免费观看一区二区| 夫妻午夜视频| 能在线免费看毛片的网站| 久久精品国产亚洲av天美| 国产欧美亚洲国产| 看非洲黑人一级黄片| 久久精品久久精品一区二区三区| 精品亚洲乱码少妇综合久久| 你懂的网址亚洲精品在线观看| 日韩精品有码人妻一区| 国产成人a∨麻豆精品| 亚洲久久久久久中文字幕| 亚洲无线观看免费| 在线观看一区二区三区| 亚洲va在线va天堂va国产| 在线观看人妻少妇| 午夜福利高清视频| 69人妻影院| 亚洲av免费高清在线观看| 极品少妇高潮喷水抽搐| 大话2 男鬼变身卡| 嫩草影院精品99| 久久99热6这里只有精品| 亚洲av中文字字幕乱码综合| 在线观看av片永久免费下载| 亚洲av免费在线观看| 久久97久久精品| 亚洲精品第二区| 免费看不卡的av| 自拍偷自拍亚洲精品老妇| 亚洲精品国产成人久久av| 久久久久性生活片| 伦理电影大哥的女人| 五月伊人婷婷丁香| 亚洲va在线va天堂va国产| 在线观看一区二区三区激情| 22中文网久久字幕| 午夜免费鲁丝| 极品少妇高潮喷水抽搐| 午夜福利高清视频| 日日摸夜夜添夜夜爱| 久久精品国产亚洲av天美| 一级毛片黄色毛片免费观看视频| av一本久久久久| 色视频www国产| 国产精品99久久久久久久久| 日日撸夜夜添| 一本一本综合久久| a级一级毛片免费在线观看| 欧美精品一区二区大全| 欧美少妇被猛烈插入视频| 建设人人有责人人尽责人人享有的 | 一级二级三级毛片免费看| 国产高清国产精品国产三级 | av网站免费在线观看视频| 永久网站在线| 三级男女做爰猛烈吃奶摸视频| 久久国产乱子免费精品| 亚洲怡红院男人天堂| av免费在线看不卡| 一级毛片久久久久久久久女| 午夜激情福利司机影院| 亚洲最大成人手机在线| 国产一区有黄有色的免费视频| 国产毛片a区久久久久| 亚洲精品日韩av片在线观看| 97超视频在线观看视频| 男女边吃奶边做爰视频| 精品一区二区三区视频在线| 国产综合懂色| 亚洲无线观看免费| 久久久亚洲精品成人影院| 亚洲av.av天堂| 久久精品综合一区二区三区| 亚洲,一卡二卡三卡| 丝袜脚勾引网站| 国产久久久一区二区三区| 欧美高清成人免费视频www| 亚洲精品一二三| 在线a可以看的网站| 免费观看a级毛片全部| 成人国产av品久久久| 涩涩av久久男人的天堂| 国产在线一区二区三区精| 国产伦精品一区二区三区四那| 久久久久国产网址| 国产av码专区亚洲av| 亚洲精品视频女| 亚洲欧美日韩无卡精品| 18禁裸乳无遮挡动漫免费视频 | 亚洲精华国产精华液的使用体验| 久久久久久久久久成人| 肉色欧美久久久久久久蜜桃 | 免费在线观看成人毛片| 特大巨黑吊av在线直播| 亚洲丝袜综合中文字幕| 日韩av不卡免费在线播放| 夫妻午夜视频| 久久久久久久大尺度免费视频| 久久久久国产网址| 中国三级夫妇交换| 国产淫片久久久久久久久| 午夜免费男女啪啪视频观看| 国产精品福利在线免费观看| 免费观看无遮挡的男女| 国产大屁股一区二区在线视频| 国产成人精品久久久久久| 国产av不卡久久| 亚洲国产精品成人久久小说| 欧美+日韩+精品| 日本与韩国留学比较| 久久6这里有精品| 又爽又黄a免费视频| 日本-黄色视频高清免费观看| 免费不卡的大黄色大毛片视频在线观看| 成年人午夜在线观看视频| 成年女人在线观看亚洲视频 | 午夜激情福利司机影院| 国产伦在线观看视频一区| 国内揄拍国产精品人妻在线| 大片免费播放器 马上看| 涩涩av久久男人的天堂| av在线观看视频网站免费| 九色成人免费人妻av| 国产精品国产三级国产专区5o| 国产免费又黄又爽又色| 一区二区三区精品91| 国产成人免费无遮挡视频| 老女人水多毛片| 永久免费av网站大全| 欧美国产精品一级二级三级 | 成人无遮挡网站| 99热这里只有精品一区| 国产免费一级a男人的天堂| 日韩强制内射视频| 国产成人精品一,二区| 国产免费一级a男人的天堂| 九色成人免费人妻av| 国产成人aa在线观看| 午夜免费男女啪啪视频观看| 日韩中字成人| 2021少妇久久久久久久久久久| 国产一区有黄有色的免费视频| 午夜福利高清视频| 综合色丁香网| av在线app专区| 精华霜和精华液先用哪个| 欧美性猛交╳xxx乱大交人| 一区二区三区免费毛片| 亚洲天堂国产精品一区在线| 两个人的视频大全免费| 亚洲精品成人久久久久久| 最新中文字幕久久久久| 中文在线观看免费www的网站| 麻豆乱淫一区二区| 狠狠精品人妻久久久久久综合| 人妻系列 视频| 极品少妇高潮喷水抽搐| 久久久久久久久久久免费av| 精品国产露脸久久av麻豆| 亚洲精品第二区| 97在线人人人人妻| 国产精品不卡视频一区二区| 身体一侧抽搐| 久久久久久伊人网av| 精品久久久精品久久久| 韩国av在线不卡| 久久精品国产亚洲网站| 国产视频内射| 国产亚洲av片在线观看秒播厂| 人人妻人人看人人澡| 精品酒店卫生间| 2022亚洲国产成人精品| 日韩大片免费观看网站| 听说在线观看完整版免费高清| 亚洲av免费高清在线观看| 狠狠精品人妻久久久久久综合| 在线观看一区二区三区激情| 中文资源天堂在线| 久久久久久久久久久免费av| av.在线天堂| 在线观看一区二区三区| 国产 精品1| 久久久欧美国产精品| 欧美亚洲 丝袜 人妻 在线| 一个人观看的视频www高清免费观看| 99久久人妻综合| 国产成人精品久久久久久| 国产精品女同一区二区软件| 中文在线观看免费www的网站| 日韩欧美 国产精品| 综合色av麻豆| 免费黄频网站在线观看国产| freevideosex欧美| 一个人观看的视频www高清免费观看| 久久久久久久亚洲中文字幕| 国产一区二区三区av在线| 亚洲精品影视一区二区三区av| 免费观看的影片在线观看| av免费观看日本| 美女国产视频在线观看| 日日摸夜夜添夜夜爱| 99久久精品国产国产毛片| 国产精品久久久久久精品古装| 国产综合懂色| 老司机影院毛片| 深夜a级毛片| 一二三四中文在线观看免费高清| av专区在线播放| 男女下面进入的视频免费午夜| 男插女下体视频免费在线播放| 中文字幕久久专区| 两个人的视频大全免费| 欧美bdsm另类| 丰满乱子伦码专区| 久久精品久久精品一区二区三区| 又爽又黄无遮挡网站| 黄色一级大片看看| 舔av片在线| 熟妇人妻不卡中文字幕| 人妻夜夜爽99麻豆av| 噜噜噜噜噜久久久久久91| 国产乱人偷精品视频| 在线天堂最新版资源| 亚洲国产欧美人成| 老师上课跳d突然被开到最大视频| 免费看a级黄色片| 毛片一级片免费看久久久久| 国产又色又爽无遮挡免| 国产精品国产三级国产av玫瑰| 人妻少妇偷人精品九色| 国产在线男女| 日韩欧美精品v在线| 免费观看的影片在线观看| 伦精品一区二区三区| 一本色道久久久久久精品综合| 欧美 日韩 精品 国产| 国产精品一区二区三区四区免费观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 日本黄色片子视频| 国产午夜福利久久久久久| 国产av国产精品国产| 成人二区视频| 男女边摸边吃奶| 王馨瑶露胸无遮挡在线观看| 尾随美女入室| 一级片'在线观看视频| 成人二区视频| av又黄又爽大尺度在线免费看| 精品少妇久久久久久888优播| 欧美3d第一页| 午夜亚洲福利在线播放| 国产亚洲最大av| 亚洲成人久久爱视频| 久久久久久久久久成人| 精品人妻偷拍中文字幕| 日本与韩国留学比较| 久久ye,这里只有精品| 国产淫片久久久久久久久| 欧美成人午夜免费资源| 亚洲在线观看片| a级一级毛片免费在线观看| 国产精品国产av在线观看| 三级男女做爰猛烈吃奶摸视频| 精品国产三级普通话版| 国产成人免费无遮挡视频| 亚洲精品成人av观看孕妇| 亚洲三级黄色毛片| 亚洲色图av天堂| 狠狠精品人妻久久久久久综合| 特级一级黄色大片| 亚洲激情五月婷婷啪啪| 亚洲精品国产色婷婷电影| 久久久久网色| 色网站视频免费| 免费观看a级毛片全部| 麻豆成人午夜福利视频| 人人妻人人爽人人添夜夜欢视频 | 日韩 亚洲 欧美在线| 欧美+日韩+精品| 精品国产三级普通话版| 久久人人爽人人片av| 夫妻性生交免费视频一级片| 免费大片18禁| 国产成人a区在线观看| 国产成人精品久久久久久| 18禁在线播放成人免费| 在线观看一区二区三区激情| 黄片wwwwww| 简卡轻食公司| 在线精品无人区一区二区三 | 自拍欧美九色日韩亚洲蝌蚪91 | 大片免费播放器 马上看| 欧美潮喷喷水| 国产成人精品婷婷| 直男gayav资源| 2021天堂中文幕一二区在线观| 乱系列少妇在线播放| 日本免费在线观看一区| 久久韩国三级中文字幕| 国产成人精品一,二区| 亚洲美女视频黄频| 免费黄色在线免费观看| 国产探花极品一区二区| 国产男人的电影天堂91| 在现免费观看毛片| 岛国毛片在线播放| 一级毛片久久久久久久久女| 中文字幕人妻熟人妻熟丝袜美| 日产精品乱码卡一卡2卡三| www.色视频.com| 男人和女人高潮做爰伦理| av天堂中文字幕网| 国产免费视频播放在线视频| 免费av不卡在线播放| 亚洲婷婷狠狠爱综合网| 国产男女超爽视频在线观看| 六月丁香七月| 国产成人一区二区在线| 日日啪夜夜撸| 18禁在线无遮挡免费观看视频| 免费看光身美女| 啦啦啦中文免费视频观看日本| 日本熟妇午夜| 国产免费一区二区三区四区乱码| 亚洲国产精品999| 亚洲自偷自拍三级| 日本一本二区三区精品| 国产成年人精品一区二区| 国产一区有黄有色的免费视频| 国产一区亚洲一区在线观看| 又黄又爽又刺激的免费视频.| 丰满人妻一区二区三区视频av| 极品少妇高潮喷水抽搐| 国产一区亚洲一区在线观看| 成人欧美大片| 91久久精品国产一区二区三区| 人人妻人人看人人澡| 亚洲av电影在线观看一区二区三区 | 成人免费观看视频高清| 国产精品久久久久久av不卡| 一级毛片黄色毛片免费观看视频| 大香蕉97超碰在线| 成人毛片60女人毛片免费| 老司机影院成人| 亚洲电影在线观看av| 久久久色成人| 国产国拍精品亚洲av在线观看| 麻豆精品久久久久久蜜桃| 国产黄色免费在线视频| 超碰97精品在线观看| 亚洲精品成人久久久久久| 色视频www国产| 黄片无遮挡物在线观看| 99热这里只有是精品在线观看| 国产精品福利在线免费观看| av线在线观看网站| 欧美日韩精品成人综合77777| 日韩亚洲欧美综合| 看十八女毛片水多多多| 久久午夜福利片| 熟女电影av网| 久久精品夜色国产| 深夜a级毛片| 久久久久久久国产电影| 国产精品秋霞免费鲁丝片| 国产乱人偷精品视频| 少妇人妻久久综合中文| 亚洲精品国产av蜜桃| 国产免费一级a男人的天堂| 国产黄色视频一区二区在线观看| 欧美精品一区二区大全| 国产精品99久久99久久久不卡 | 欧美精品国产亚洲| 亚洲成人一二三区av| 97人妻精品一区二区三区麻豆| 欧美成人午夜免费资源| 精品久久久久久电影网| 久久99热6这里只有精品| 精品人妻视频免费看| 亚洲国产成人一精品久久久| 少妇人妻 视频| 精品人妻一区二区三区麻豆| 搡女人真爽免费视频火全软件| 国产在线一区二区三区精| 麻豆国产97在线/欧美| 国产高清三级在线| 美女国产视频在线观看| 日韩欧美一区视频在线观看 | 国产成人精品福利久久| 日韩强制内射视频| 中文字幕免费在线视频6| 欧美亚洲 丝袜 人妻 在线| 91久久精品国产一区二区三区| 国产一级毛片在线| av.在线天堂| 69av精品久久久久久| 在线播放无遮挡| 成人国产av品久久久| 美女视频免费永久观看网站| 中文天堂在线官网| 精品久久久精品久久久| 99久久九九国产精品国产免费| 国产精品爽爽va在线观看网站| 青春草视频在线免费观看| 久久精品久久久久久噜噜老黄| 久久精品久久久久久久性| 亚洲精品亚洲一区二区| 亚洲精品国产av成人精品| 精品熟女少妇av免费看| 少妇熟女欧美另类| 99热国产这里只有精品6| 亚洲精品乱码久久久v下载方式| 国产成年人精品一区二区| 看黄色毛片网站| 久久97久久精品| 制服丝袜香蕉在线| 99热全是精品| 我的女老师完整版在线观看| 小蜜桃在线观看免费完整版高清| 啦啦啦中文免费视频观看日本| 最近中文字幕2019免费版| 国产亚洲av嫩草精品影院| 国内精品美女久久久久久| 99久久精品国产国产毛片| 在线观看av片永久免费下载| 国产v大片淫在线免费观看| 国产伦精品一区二区三区视频9| 青春草视频在线免费观看| 国产精品女同一区二区软件| 三级男女做爰猛烈吃奶摸视频| 国产精品久久久久久精品电影小说 | 国产极品天堂在线| 欧美成人午夜免费资源| 亚洲内射少妇av| 伦精品一区二区三区| 大香蕉97超碰在线| 欧美日韩视频精品一区| 免费黄频网站在线观看国产| 亚洲最大成人av| 网址你懂的国产日韩在线| 好男人在线观看高清免费视频| 只有这里有精品99| 久久久久久久亚洲中文字幕| 欧美性猛交╳xxx乱大交人| 国产精品一区二区在线观看99| 亚洲欧美中文字幕日韩二区| 亚洲自拍偷在线| 中文在线观看免费www的网站| 深爱激情五月婷婷| 免费观看在线日韩| 色视频www国产| 久久久久久久久大av| 成人一区二区视频在线观看| 综合色丁香网| 边亲边吃奶的免费视频| 亚洲国产成人一精品久久久| 国产亚洲91精品色在线| 色5月婷婷丁香| 精品久久久久久久末码| 午夜福利高清视频| 伊人久久国产一区二区| 国产亚洲最大av| 黄色日韩在线| 人妻少妇偷人精品九色| 久久精品国产自在天天线| 亚洲丝袜综合中文字幕| 国产成人a∨麻豆精品| 亚洲av欧美aⅴ国产| 久久久久久久大尺度免费视频| 亚洲av福利一区| 亚洲欧美日韩东京热| 久久久久精品性色| 久久精品国产自在天天线| 男人添女人高潮全过程视频| 国产精品精品国产色婷婷| 黄色日韩在线| 黄色视频在线播放观看不卡| www.色视频.com| kizo精华| 日韩欧美精品免费久久| 久久久午夜欧美精品| 亚洲不卡免费看| 色哟哟·www| 99视频精品全部免费 在线| 三级国产精品片| 免费电影在线观看免费观看| 免费av观看视频| 91久久精品国产一区二区成人| 久久久久久九九精品二区国产| 又爽又黄a免费视频| 久久影院123| 色网站视频免费| 建设人人有责人人尽责人人享有的 | 亚洲精品亚洲一区二区| 99久久人妻综合| 久久久精品欧美日韩精品| 白带黄色成豆腐渣| 欧美xxxx性猛交bbbb| 国产成人免费观看mmmm| 99re6热这里在线精品视频| 99久国产av精品国产电影| 街头女战士在线观看网站| 国产 一区 欧美 日韩| av在线天堂中文字幕| 欧美区成人在线视频| 男人狂女人下面高潮的视频|