• <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 ?

    卷積深度置信網(wǎng)絡(luò)的場(chǎng)景文本檢測(cè)①

    2018-06-14 08:49:24張曉鋒
    關(guān)鍵詞:置信集上卷積

    王 林,張曉鋒

    (西安理工大學(xué) 自動(dòng)化與信息工程學(xué)院,西安 710048)

    隨著智能硬件的普及,通過(guò)手機(jī)、平板和數(shù)碼相機(jī)等移動(dòng)可穿戴設(shè)備的終端攝像頭獲取、處理和分享信息己經(jīng)逐漸成為客觀的發(fā)展趨勢(shì).自然場(chǎng)景中的文本檢測(cè)是檢測(cè)圖像中是否含有文本信息,并確定文本信息的位置.通過(guò)文本信息來(lái)對(duì)場(chǎng)景進(jìn)行理解,將有助于我們對(duì)日夜增加的視頻、圖像和圖片等海量信息的檢索管理等.因此,本文主要集中在檢測(cè)自然場(chǎng)景中的文本信息.

    目前,自然場(chǎng)景中的文本檢測(cè)有兩種經(jīng)典模型:卷積神經(jīng)網(wǎng)絡(luò)[1]和深度置信網(wǎng)絡(luò)[2],卷積神經(jīng)網(wǎng)絡(luò)(Convolution Neural Network,CNN)是一個(gè)多層的神經(jīng)網(wǎng)絡(luò),每層由個(gè)二維平面組成,而每個(gè)平面又由多個(gè)獨(dú)立的神經(jīng)元組成.卷積神經(jīng)網(wǎng)絡(luò)可以看成是卷積層和子采樣層兩種結(jié)構(gòu)交替連接而成的.卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像的位移、縮放及其他旋轉(zhuǎn)等變化具有良好的適應(yīng)性,但是忽略了圖像中的高階統(tǒng)計(jì)特征.相應(yīng)地,深度置信網(wǎng)絡(luò)(Deep Belief Network,DBN)是一種由多個(gè)受限玻爾茲曼機(jī)(Restricted Boltzmann Machine,RBM)疊加而成的深度學(xué)習(xí)結(jié)構(gòu),兩者的區(qū)別在與卷積的使用.對(duì)于深度置信網(wǎng)絡(luò)模型而言,雖然它在提取圖像高階特征方面具有很好的性能,但忽略了圖像的局部不變性,對(duì)外部變化較為敏感.

    Lee等人[3]提出了卷積深度置信網(wǎng)絡(luò)(Convolutional Deep Belief Network,CDBN),該網(wǎng)絡(luò)由卷積受限玻爾茲曼機(jī)(Restricted Boltzmann Machine,CRBM)為基礎(chǔ)堆疊而成的,是一個(gè)分層的概率生成模型.該網(wǎng)絡(luò)結(jié)合了深度置信網(wǎng)絡(luò)在圖像高階特征方面具有的良好性能和卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像的位移、縮放及其他旋轉(zhuǎn)等變化具有很好的適應(yīng)性,解決了對(duì)于擴(kuò)展圖像到原尺寸,以及圖像特征會(huì)因輸入局部變換而變換的問(wèn)題.Huang[4]利用卷積深度置信網(wǎng)絡(luò)模型CDBN和局部二進(jìn)制模式LBP相結(jié)合所形成的深度學(xué)習(xí)方法,更好的學(xué)習(xí)到高分辨率圖像中的特征,實(shí)驗(yàn)結(jié)果表明該方法在真實(shí)世界的人臉驗(yàn)證數(shù)據(jù)庫(kù)上實(shí)現(xiàn)了最新的結(jié)果.Wicht[5]利用卷積深度置信網(wǎng)絡(luò)模型CDBN識(shí)別包含手寫(xiě)和打印數(shù)字的數(shù)獨(dú)拼圖,實(shí)驗(yàn)結(jié)果表明當(dāng)考慮檢測(cè)誤差時(shí),識(shí)別精確率達(dá)到92%;當(dāng)不考慮檢測(cè)誤差時(shí),識(shí)別精確率提高到97.7%.何灼彬[6]利用卷積深度置信網(wǎng)絡(luò)模型CDBN進(jìn)行歌手識(shí)別,實(shí)驗(yàn)結(jié)果表明該模型在聲音識(shí)別分類表現(xiàn)上具有一定的優(yōu)勢(shì).Ren等[7]提出利用卷積深度置信網(wǎng)絡(luò)模型CDBN對(duì)腦電信號(hào)特征提取,與其他提取方法相比,利用卷積深度置信網(wǎng)絡(luò)學(xué)習(xí)的特征具有更好的性能.祝軍[8]利用卷積深度置信網(wǎng)絡(luò)模型CDBN進(jìn)行場(chǎng)景圖像分類識(shí)別,實(shí)驗(yàn)結(jié)果表明該模型在場(chǎng)景圖像分類識(shí)別中取得較好的效果.

    綜上所說(shuō),卷積深度置信網(wǎng)絡(luò)因結(jié)合了深度置信網(wǎng)絡(luò)在圖像高階特征方面具有的良好性能和卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像的位移、縮放及其他旋轉(zhuǎn)等變化具有很好的適應(yīng)性,已廣泛應(yīng)用于圖像分類、語(yǔ)音識(shí)別和人臉識(shí)別[9]等領(lǐng)域,但是目前尚未發(fā)現(xiàn)有研究將卷積深度置信網(wǎng)絡(luò)應(yīng)用于自然場(chǎng)景中的文本檢測(cè)領(lǐng)域.因此,本文考慮將卷積深度置信網(wǎng)絡(luò)模型應(yīng)用到自然場(chǎng)景中文本檢測(cè)中,旨在解決圖像背景復(fù)雜、分辨率低和文本分布隨意的問(wèn)題,從而提高文本檢測(cè)的精確率以及召回率.

    1 卷積深度置信網(wǎng)絡(luò)

    2011年,Lee提出了卷積深度置信網(wǎng)絡(luò)CDBN,該卷積深度置信網(wǎng)絡(luò)有多個(gè)卷積受限玻爾茲曼機(jī)CRBM堆疊而成,這種結(jié)構(gòu)的層與層之間引入了一種最新的操作,即概率型最大池化(Probabilistic Max-pooling)[3],如圖1所示.一般而言,要獲取高層的特征描述需要更多的區(qū)域信息,通過(guò)用最大值池化特征表示,能夠使得高層特征描述對(duì)輸入的微小變化具有良好的不變性,同時(shí)能夠減少計(jì)算復(fù)雜度.

    在本文中CDBN模型的輸入層設(shè)置為28×28×3大小(即將輸入可以看成3個(gè)大小為28×28的映射層),第一隱含層中的卷積層包含6個(gè)特征映射,卷積核大小均為7×7,池化層的池化區(qū)域?yàn)?×2,第二個(gè)隱含層的卷積層包含8個(gè)特征映射,卷積核的大小為5×5,池化層的池化區(qū)域?yàn)?×2,最后將模型的輸出單元組合成長(zhǎng)度為一維的向量.學(xué)習(xí)速率為0.05,模型的激活函數(shù)采用sigmoid函數(shù),第一層的稀疏系數(shù)為0.02,第二層為0.03.采用Dropout方法對(duì)隱含層以50%的概率進(jìn)行隨機(jī)丟取.最后的分類器采用Softmax.

    圖1 一個(gè)概率max-pooling卷積CRBM結(jié)構(gòu)示意圖

    2 自然場(chǎng)景文本檢測(cè)方法

    一個(gè)典型的自然場(chǎng)景文本檢測(cè)主要流程如圖2所示,簡(jiǎn)單描述自然場(chǎng)景文本檢測(cè)的主要步驟[10-12]:

    1) 最大穩(wěn)定極值區(qū)域(Maximally Stable Extremal Regions,MSERs)[13]文本定位:假定同一個(gè)區(qū)域成分的某些相似特征(顏色、亮度和筆劃寬度的特征)差別較大,并且與背景的特征也存在較大區(qū)別的前提下,采用自底向上的方法在圖像中把連通成分作提取處理,獲取文本候選區(qū)域.

    2) 預(yù)處理:對(duì)最大穩(wěn)定極值區(qū)域MSER提取的文本候選區(qū)域進(jìn)行裁剪分割,過(guò)濾掉一些很長(zhǎng)很細(xì)的MSER區(qū)域(很長(zhǎng)很細(xì)的MSER區(qū)域不可能是文本區(qū)域),把不規(guī)整的MSER區(qū)域統(tǒng)一規(guī)范成28×28的輸入圖像如圖3所示,并在整理好的28×28輸入圖像上添加Ground truth矩形框.

    圖2 MSER區(qū)域統(tǒng)一規(guī)范成28×28的輸入圖像

    圖3 自然場(chǎng)景文本檢測(cè)主要流程

    3) CDBN特征提取:將從最大穩(wěn)定極值區(qū)域MSER中提取出來(lái)的候選文本區(qū)域經(jīng)過(guò)預(yù)處理后輸入到卷積深度置信網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,從訓(xùn)練最大穩(wěn)定極值區(qū)域數(shù)據(jù)中進(jìn)行學(xué)習(xí)更多隱藏特征,對(duì)候選文本區(qū)域進(jìn)行驗(yàn)證,進(jìn)而過(guò)濾掉大量的非文本的MSER區(qū)域.

    3 結(jié)果與分析

    下面通過(guò)數(shù)值實(shí)驗(yàn)來(lái)驗(yàn)證本文所提出的場(chǎng)景文本檢測(cè)方法性能,將本文的方法和其他方法進(jìn)行比較.本文使用一些公開(kāi)的自然場(chǎng)景文本檢測(cè)的數(shù)據(jù)集,包括ICDAR2011魯棒閱讀競(jìng)賽(Robust Reading Competition)數(shù)據(jù)集[14],和街景(Street View Text,SVT)數(shù)據(jù)集[15].數(shù)據(jù)集中的圖片是彩色的,尺寸在307×93到1280×960內(nèi).本實(shí)驗(yàn)的文本檢測(cè)輸出結(jié)果為單詞級(jí)別的矩形框,與數(shù)據(jù)集的Ground truth匹配.對(duì)于文本檢測(cè)任務(wù)而言,有兩個(gè)重要的評(píng)價(jià)指標(biāo)[1]:精確率(使用p表示)和召回率(使用r表示).其中p用來(lái)反映檢測(cè)出的單詞在Ground truth被標(biāo)記的比例,而r則用來(lái)表示Ground truth里標(biāo)記的單詞被檢測(cè)出的比例p和r通過(guò)計(jì)算Ground truth矩形框和檢測(cè)到的矩形框之間的差異得到.

    3.1 開(kāi)發(fā)與實(shí)驗(yàn)環(huán)境

    硬件環(huán)境:64位Intel(R)Core(TM)i7-4790 3.6 GHz CPU,4 G RAM.

    軟件環(huán)境:Windows 8.1旗艦版,Matlab R2016b.

    本文實(shí)驗(yàn)在Visual Studio 2013和Opencv 2.4.8環(huán)境中進(jìn)行了數(shù)據(jù)準(zhǔn)備和在Matlab R2016b環(huán)境中進(jìn)行了基于稀疏自動(dòng)編碼的文本檢測(cè).

    3.2 數(shù)據(jù)集和評(píng)估方法

    ① ICDAR2011數(shù)據(jù)集

    ICDAR 2011數(shù)據(jù)集包含484張圖片,其中訓(xùn)練集包229張(848個(gè)單詞),測(cè)試集包含255張(1189個(gè)單詞,6393個(gè)字符).ICDAR 2011數(shù)據(jù)集的評(píng)價(jià)協(xié)議考慮三種匹配情況:一對(duì)一、一對(duì)多和沒(méi)有匹配.相應(yīng)地,其精確率和召回率的計(jì)算方式如下:

    其中,N是數(shù)據(jù)集中圖像的總數(shù),分別是第i個(gè)圖像中的檢測(cè)到矩形數(shù)和真實(shí)矩形數(shù).分別是檢測(cè)矩形Dj和真實(shí)矩形Gi的匹配分?jǐn)?shù).對(duì)于一對(duì)一匹配,它們的值設(shè)置為1,對(duì)于一對(duì)多的匹配,它們的值為0.8,不匹配的值為0.當(dāng)它們的重疊比率高于定義的閾值時(shí),兩個(gè)矩形認(rèn)為是匹配的,即重疊率越高,檢測(cè)率越高.

    ② SVT數(shù)據(jù)集

    SVT數(shù)據(jù)集從Google街景中搜集的,圖像背景多為街道,其中包含的文本信息主要是商業(yè)名稱,建筑名稱等.由于其圖像是通過(guò)移動(dòng)的車(chē)輛拍攝獲得,所以不可避免地會(huì)產(chǎn)生運(yùn)動(dòng)模糊以及形變,而且圖像的分辨率較低,文本字體差異明顯[16].共包含350張,其中101張用作訓(xùn)練集(257個(gè)單詞),249張用作測(cè)試集(674個(gè)單詞,3796個(gè)字符).對(duì)于SVT數(shù)據(jù)集,使用與ICDAR2011數(shù)據(jù)集相同的評(píng)價(jià)協(xié)議.

    3.3 實(shí)驗(yàn)和結(jié)果

    ① ICDAR數(shù)據(jù)集實(shí)驗(yàn)結(jié)果

    為了評(píng)價(jià)本文兩個(gè)方法的有效性,首先在ICDAR數(shù)據(jù)集上與其它較好的方法進(jìn)行比較.表1是在ICDAR2011數(shù)據(jù)集上的文本檢測(cè)對(duì)比結(jié)果.可以看到,MSER-CDBN方法的精確率和召回率都取得改善,提高了1.45%-2.18%并且F-measure分?jǐn)?shù)超過(guò)了78.63%.由于MSER-CDBN使用了對(duì)復(fù)雜圖像更加魯棒的候選字符提取算法MSER和可以更好學(xué)習(xí)特征的CDBN模型,因此識(shí)別精確率和召回率都得到提高.

    表1 ICDAR2011數(shù)據(jù)集上實(shí)驗(yàn)對(duì)比結(jié)果

    為了提高模型檢測(cè)精確率,一個(gè)非常重要的策略就是引入隨機(jī)噪聲.為了驗(yàn)證隨機(jī)噪聲引入與否的影響,在其他條件不變的情況下,引入隨機(jī)噪聲和不引入隨機(jī)噪聲的實(shí)驗(yàn)結(jié)果對(duì)比,如表2所示.

    表2 ICDAR2011數(shù)據(jù)集上引入隨機(jī)噪聲和不引入隨機(jī)噪聲的實(shí)驗(yàn)結(jié)果對(duì)比

    由表2可知加入了噪聲后的CDBN學(xué)習(xí)到的特征比較好,ICDAR2011數(shù)據(jù)集上的精確率提高到了89.49%,可以看出隨著訓(xùn)練次數(shù)的增加,文本檢測(cè)的精確率也在提高,對(duì)于那些誤判的文本進(jìn)行歸類發(fā)現(xiàn)很大一部分是由于復(fù)雜的背景造成的,為此,本文給輸入數(shù)據(jù)加入噪聲,利用污染后的數(shù)據(jù)進(jìn)行特征學(xué)習(xí),和原先的數(shù)據(jù)進(jìn)行對(duì)比發(fā)現(xiàn),精確率有所提高.圖4顯示了MSER-CDBN方法在ICDAR2011數(shù)據(jù)集上的部分檢測(cè)結(jié)果.

    ② SVT數(shù)據(jù)集實(shí)驗(yàn)結(jié)果

    SVT數(shù)據(jù)集比ICDAR2011數(shù)據(jù)集更為復(fù)雜,擁有更多的字體變化,而且圖像常常包含大量的噪聲信息.在SVT數(shù)據(jù)集上對(duì)比方法比較少,本文選擇了兩個(gè)代表性的方法用于對(duì)比實(shí)驗(yàn).這里需要注意的是下列方法均采用ICDAR 2011官方的評(píng)價(jià)協(xié)議.

    圖4 MSER-CDBN在ICDAR2011數(shù)據(jù)集上實(shí)驗(yàn)示例

    可以從表3看到,本文的方法相比MSERCNN和SWT-DBN的方法,精確率提高了2.53%,召回率與SWT-DBN方法相比提高了9.24%,主要得益于本文方法使用了深度學(xué)習(xí)模型,將從最大穩(wěn)定極值區(qū)域中提取出來(lái)的候選文本區(qū)域經(jīng)過(guò)預(yù)處理后輸入到卷積深度置信網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,從訓(xùn)練最大穩(wěn)定極值區(qū)域數(shù)據(jù)中學(xué)習(xí)更多隱藏特征,進(jìn)而過(guò)濾掉大量的非文本的MSER區(qū)域.圖5顯示了MSER-CDBN方法在SVT數(shù)據(jù)集上的部分識(shí)別結(jié)果.

    表3 SVT數(shù)據(jù)集上實(shí)驗(yàn)對(duì)比結(jié)果

    4 結(jié)論與展望

    由于卷積深度置信網(wǎng)絡(luò)結(jié)合了深度置信網(wǎng)絡(luò)在圖像高階特征方面具有的良好性能和卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像的位移、縮放及其他旋轉(zhuǎn)等變化具有很好的適應(yīng)性,本文將該模型和最大穩(wěn)定極值區(qū)域算法相結(jié)合用于場(chǎng)景文本檢測(cè)解決了圖像背景復(fù)雜、分辨率低和分布隨意的問(wèn)題.本文在ICADR和SVT數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),結(jié)果表明與其它場(chǎng)景文本檢測(cè)算法相比本文的算法在檢測(cè)精確率和召回率上有了提高.

    圖5 MSER-CDBN在SVT數(shù)據(jù)集上的實(shí)驗(yàn)示例

    1 Huang WL,Qiao Y,Tang XO.Robust scene text detection with convolution neural network induced MSER trees.Computer Vision(ECCV 2014).Cham:Springer,2014.497-511.

    2 Epshtein B,Ofek E,Wexler Y.Detecting text in natural scenes with stroke width transform.Proceedings of Computer Vision and Pattern Recognition.San Francisco,CA,USA.2010.2963-2970.

    3 Lee H,Grosse R,Ranganath R,et al.Convolutional deep belief networks for scalable unsupervised learning of hierarchical representations.Proceedings of the 26th Annual International Conference on Machine Learning.Montreal,QC,Canada.2009.609-616.

    4 Huang GB,Lee H,Learned-Miller E.Learning hierarchical representations for face verification with convolutional deep belief networks.Proceedings of IEEE Conference on Computer Vision and Pattern Recognition.Providence,RI,USA.2012.2518-2525.

    5 Wicht B,Henneberty J.Mixed handwritten and printed digit recognition in Sudoku with Convolutional Deep Belief Network.Proceedings of the 13th International Conference on Document Analysis and Recognition.Tunis,Tunisia.2015.861-865.

    6 何灼彬.基于卷積深度置信網(wǎng)絡(luò)的歌手識(shí)別[碩士學(xué)位論文].廣州:華南理工大學(xué),2015.38-48.

    7 Ren YF,Wu Y.Convolutional deep belief networks for feature extraction of EEG signal.Proceedings of International Joint Conference on Neural Networks.Beijing,China.2014.2850-2853.

    8 祝軍,趙杰煜,董振宇.融合顯著信息的層次特征學(xué)習(xí)圖像分類.計(jì)算機(jī)研究與發(fā)展,2014,51(9):1919-1928.[doi:10.7544/issn1000-1239.2014.20140138]

    9 Shao H,Chen S,Zhao JY,et al.Face recognition based on subset selection via metric learning on manifold.Frontiers of Information Technology &Electronic Engineering,2015,16(12):1046-1058.

    10 Yin XC,Yin XW,Huang KZ,et al.Robust text detection in natural scene images.IEEE Transactions on Pattern Analysis and Machine Intelligence,2014,36(5):970-983.

    11 Xu HL,Xue LK,Su F.Scene text detection based on robust stroke width transform and deep belief network.Computer Vision-ACCV 2014.Cham:Springer,2014.195-209.

    12 Wang K,Babenko B,Belongie S.End-to-end scene text recognition.Proceedings of International Conference on Computer Vision.Barcelona,Spain.2012.1457-1464.

    13 Chen HZ,Tsai SS,Schroth G,et al.Robust text detection in natural images with edge-enhanced maximally stable extremal regions.Proceedings of IEEE International Conference on Image Processing.Brussels,Belgium.2011.2609-2612.

    14 Shahab A,Shafait F,Dengel A.ICDAR 2011 robust reading competition challenge 2:Reading text in scene images.Proceedings of International Conference on Document Analysis and Recognition.Beijing,China.2011.1491-1496.

    15 Minetto R,Thome N,Cord M,et al.Text detection and recognition in urban scenes.Proceedings of IEEE International Conference on Computer Vision Workshops.Barcelona,Spain.2012.227-234.

    16 Yu TS,Wang RS.Scene parsing using graph matching on street-view data.Computer Vision and Image Understanding,2016,145:70-80.[doi:10.1016/j.cviu.2016.01.004]

    猜你喜歡
    置信集上卷積
    急診住院醫(yī)師置信職業(yè)行為指標(biāo)構(gòu)建及應(yīng)用初探
    基于置信職業(yè)行為的兒科住院醫(yī)師形成性評(píng)價(jià)體系的構(gòu)建探索
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    基于模糊深度置信網(wǎng)絡(luò)的陶瓷梭式窯PID優(yōu)化控制
    Cookie-Cutter集上的Gibbs測(cè)度
    鏈完備偏序集上廣義向量均衡問(wèn)題解映射的保序性
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    復(fù)扇形指標(biāo)集上的分布混沌
    基于CUDA和深度置信網(wǎng)絡(luò)的手寫(xiě)字符識(shí)別
    久热爱精品视频在线9| 国产亚洲精品第一综合不卡| 欧美在线黄色| 欧美av亚洲av综合av国产av | 国产成人精品久久久久久| 在线看a的网站| 天堂中文最新版在线下载| 欧美日韩综合久久久久久| 最近中文字幕2019免费版| 51午夜福利影视在线观看| 婷婷色麻豆天堂久久| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲熟女精品中文字幕| 一区二区av电影网| 精品午夜福利在线看| 在线观看三级黄色| 久久久久人妻精品一区果冻| 啦啦啦视频在线资源免费观看| 99九九在线精品视频| 不卡av一区二区三区| 国产精品嫩草影院av在线观看| 亚洲欧美日韩另类电影网站| 天堂俺去俺来也www色官网| 亚洲国产欧美日韩在线播放| 十八禁高潮呻吟视频| 秋霞伦理黄片| 99re6热这里在线精品视频| 色网站视频免费| 国产一区二区激情短视频 | 亚洲色图 男人天堂 中文字幕| 别揉我奶头~嗯~啊~动态视频 | 日韩欧美一区视频在线观看| 欧美黑人欧美精品刺激| 欧美激情极品国产一区二区三区| 精品视频人人做人人爽| 国产不卡av网站在线观看| a级片在线免费高清观看视频| 在线天堂中文资源库| 99精国产麻豆久久婷婷| 宅男免费午夜| 97在线人人人人妻| 亚洲av成人不卡在线观看播放网 | 久久久久久久精品精品| av在线播放精品| 中文字幕人妻熟女乱码| 亚洲成国产人片在线观看| 一边亲一边摸免费视频| 久久久久国产一级毛片高清牌| 一边亲一边摸免费视频| 日日摸夜夜添夜夜爱| 国产视频首页在线观看| 黑人欧美特级aaaaaa片| 久久97久久精品| 亚洲成人手机| 一区二区三区乱码不卡18| 婷婷色综合www| 亚洲情色 制服丝袜| 久久午夜综合久久蜜桃| 欧美国产精品一级二级三级| 国产激情久久老熟女| 十分钟在线观看高清视频www| 国产一区二区在线观看av| 欧美日韩福利视频一区二区| 久久久精品国产亚洲av高清涩受| 成人国产av品久久久| 母亲3免费完整高清在线观看| 老司机影院毛片| 不卡视频在线观看欧美| 国产毛片在线视频| 午夜免费观看性视频| 天天影视国产精品| 777久久人妻少妇嫩草av网站| 777久久人妻少妇嫩草av网站| 久久人人爽人人片av| 777久久人妻少妇嫩草av网站| 精品一区在线观看国产| 大码成人一级视频| 一本—道久久a久久精品蜜桃钙片| av网站在线播放免费| 亚洲国产精品一区三区| 两个人看的免费小视频| 校园人妻丝袜中文字幕| 亚洲精品av麻豆狂野| 国产精品三级大全| 欧美少妇被猛烈插入视频| 男女国产视频网站| 黑人欧美特级aaaaaa片| 亚洲,一卡二卡三卡| 99久国产av精品国产电影| 在线观看一区二区三区激情| 天天躁夜夜躁狠狠久久av| 色综合欧美亚洲国产小说| 热99国产精品久久久久久7| 日韩 欧美 亚洲 中文字幕| 国产精品久久久久久人妻精品电影 | 一区二区三区乱码不卡18| 精品亚洲成a人片在线观看| 肉色欧美久久久久久久蜜桃| 亚洲欧洲精品一区二区精品久久久 | 午夜影院在线不卡| 日韩av不卡免费在线播放| 国产精品 欧美亚洲| 亚洲欧美日韩另类电影网站| 精品少妇黑人巨大在线播放| 日本vs欧美在线观看视频| 国语对白做爰xxxⅹ性视频网站| 国产成人系列免费观看| 日韩一本色道免费dvd| 久久ye,这里只有精品| 日韩中文字幕欧美一区二区 | 哪个播放器可以免费观看大片| 午夜福利视频精品| h视频一区二区三区| 国产极品天堂在线| 丰满少妇做爰视频| 国产精品国产av在线观看| 如日韩欧美国产精品一区二区三区| 亚洲,一卡二卡三卡| 老熟女久久久| 纵有疾风起免费观看全集完整版| 久久久精品94久久精品| 久久久久久久国产电影| 国产福利在线免费观看视频| 色视频在线一区二区三区| 如何舔出高潮| 男女下面插进去视频免费观看| 国产人伦9x9x在线观看| 高清在线视频一区二区三区| 视频在线观看一区二区三区| 色播在线永久视频| av视频免费观看在线观看| 国产 一区精品| 美女福利国产在线| av视频免费观看在线观看| 日本av免费视频播放| 美女福利国产在线| 少妇被粗大的猛进出69影院| 菩萨蛮人人尽说江南好唐韦庄| 2021少妇久久久久久久久久久| h视频一区二区三区| 街头女战士在线观看网站| 日日摸夜夜添夜夜爱| 免费黄频网站在线观看国产| 制服诱惑二区| 亚洲国产最新在线播放| 久久亚洲国产成人精品v| 少妇被粗大猛烈的视频| 免费日韩欧美在线观看| 国产探花极品一区二区| xxx大片免费视频| 欧美成人午夜精品| 国产有黄有色有爽视频| 欧美中文综合在线视频| 韩国精品一区二区三区| 亚洲激情五月婷婷啪啪| 9191精品国产免费久久| 欧美黑人精品巨大| 欧美日韩综合久久久久久| 一本色道久久久久久精品综合| 少妇猛男粗大的猛烈进出视频| 免费av中文字幕在线| 啦啦啦啦在线视频资源| 成年美女黄网站色视频大全免费| 日韩成人av中文字幕在线观看| 丝瓜视频免费看黄片| 免费观看人在逋| 欧美少妇被猛烈插入视频| 美女视频免费永久观看网站| 精品福利永久在线观看| 久久久久久久久免费视频了| 国产日韩欧美在线精品| 国产精品成人在线| 国产精品熟女久久久久浪| 欧美老熟妇乱子伦牲交| 久久久久国产一级毛片高清牌| 日韩一区二区三区影片| 欧美日韩一区二区视频在线观看视频在线| 国产成人av激情在线播放| 男女午夜视频在线观看| 一级,二级,三级黄色视频| 日韩成人av中文字幕在线观看| videos熟女内射| 国产成人精品无人区| 少妇人妻久久综合中文| 久久久久久久久免费视频了| 五月天丁香电影| 亚洲三区欧美一区| 制服诱惑二区| videosex国产| 波多野结衣一区麻豆| 精品一区在线观看国产| 日韩 亚洲 欧美在线| videos熟女内射| 日韩熟女老妇一区二区性免费视频| 99国产精品免费福利视频| 好男人视频免费观看在线| 97精品久久久久久久久久精品| 一个人免费看片子| 五月开心婷婷网| 天天躁夜夜躁狠狠久久av| 成人国产av品久久久| 热re99久久精品国产66热6| 久久av网站| 免费人妻精品一区二区三区视频| 精品一区二区三区av网在线观看 | 国产免费一区二区三区四区乱码| 久久久久精品人妻al黑| 国产精品久久久久久人妻精品电影 | av.在线天堂| 国产色婷婷99| 亚洲av日韩精品久久久久久密 | 精品人妻在线不人妻| 亚洲精品,欧美精品| 国产av国产精品国产| 国产亚洲av高清不卡| h视频一区二区三区| 1024香蕉在线观看| 少妇人妻精品综合一区二区| 国产深夜福利视频在线观看| 久热这里只有精品99| 国产男女超爽视频在线观看| 亚洲av国产av综合av卡| 青春草亚洲视频在线观看| 日韩一区二区三区影片| 亚洲国产精品一区二区三区在线| 男男h啪啪无遮挡| 国产精品国产av在线观看| 看非洲黑人一级黄片| 在线观看免费高清a一片| 一区二区av电影网| 久久久精品国产亚洲av高清涩受| 午夜免费鲁丝| a级毛片黄视频| 久久婷婷青草| 老鸭窝网址在线观看| 国产激情久久老熟女| 久久久精品区二区三区| 人人妻人人澡人人爽人人夜夜| 亚洲精品乱久久久久久| 美国免费a级毛片| 国产乱人偷精品视频| 中文字幕人妻丝袜一区二区 | 国产精品麻豆人妻色哟哟久久| 在线天堂最新版资源| 精品一区二区三区四区五区乱码 | 日韩中文字幕视频在线看片| 一边摸一边抽搐一进一出视频| 精品国产一区二区三区四区第35| 日韩av在线免费看完整版不卡| 成人影院久久| 国产日韩欧美视频二区| 久久鲁丝午夜福利片| 国产欧美日韩综合在线一区二区| 99久久99久久久精品蜜桃| 高清在线视频一区二区三区| 午夜福利在线免费观看网站| 日韩制服骚丝袜av| 9191精品国产免费久久| 亚洲av在线观看美女高潮| 欧美最新免费一区二区三区| 精品一区二区三区四区五区乱码 | 可以免费在线观看a视频的电影网站 | a级毛片黄视频| 国产日韩欧美在线精品| 成人亚洲欧美一区二区av| 日本一区二区免费在线视频| 高清不卡的av网站| 女人被躁到高潮嗷嗷叫费观| 久久精品人人爽人人爽视色| 精品一区二区三区av网在线观看 | 成人国产av品久久久| 欧美日韩视频精品一区| 精品少妇一区二区三区视频日本电影 | 菩萨蛮人人尽说江南好唐韦庄| 国产亚洲一区二区精品| 美女大奶头黄色视频| 美国免费a级毛片| 岛国毛片在线播放| 精品少妇久久久久久888优播| 午夜免费观看性视频| 亚洲av男天堂| 国产乱人偷精品视频| 男人操女人黄网站| 久久精品久久久久久久性| 亚洲一码二码三码区别大吗| 婷婷色综合www| 国产精品.久久久| 黄片播放在线免费| 亚洲,欧美精品.| 熟女少妇亚洲综合色aaa.| av线在线观看网站| 国产精品秋霞免费鲁丝片| 在线观看www视频免费| 国产精品 国内视频| 最近手机中文字幕大全| 大陆偷拍与自拍| 久久99热这里只频精品6学生| 另类亚洲欧美激情| 男女国产视频网站| 亚洲人成网站在线观看播放| 欧美中文综合在线视频| h视频一区二区三区| 亚洲精品乱久久久久久| 国产亚洲精品第一综合不卡| 精品一区二区免费观看| 亚洲图色成人| 久久久精品国产亚洲av高清涩受| 亚洲美女搞黄在线观看| 免费观看a级毛片全部| 秋霞在线观看毛片| 亚洲精品久久久久久婷婷小说| 男人爽女人下面视频在线观看| 人体艺术视频欧美日本| 欧美乱码精品一区二区三区| 欧美日韩亚洲综合一区二区三区_| 亚洲色图综合在线观看| 久久av网站| 亚洲欧洲精品一区二区精品久久久 | 天堂中文最新版在线下载| 国产免费一区二区三区四区乱码| 国产男女超爽视频在线观看| 99九九在线精品视频| av有码第一页| 久久 成人 亚洲| 国产精品二区激情视频| 国产精品女同一区二区软件| 国产精品久久久人人做人人爽| 2018国产大陆天天弄谢| 欧美黑人精品巨大| www.熟女人妻精品国产| 国产又色又爽无遮挡免| 在线观看国产h片| 亚洲精品久久成人aⅴ小说| 国产精品人妻久久久影院| 国产亚洲精品第一综合不卡| 18禁裸乳无遮挡动漫免费视频| 老熟女久久久| 免费不卡黄色视频| 久久久国产欧美日韩av| 成人国语在线视频| 日本欧美视频一区| 久久久国产一区二区| 搡老岳熟女国产| 18禁裸乳无遮挡动漫免费视频| 亚洲少妇的诱惑av| 精品一区二区免费观看| 99久久人妻综合| 人人妻人人澡人人看| 国产欧美日韩一区二区三区在线| 99热国产这里只有精品6| 女人被躁到高潮嗷嗷叫费观| bbb黄色大片| 在线亚洲精品国产二区图片欧美| 纵有疾风起免费观看全集完整版| 久久精品久久精品一区二区三区| 亚洲精品一区蜜桃| 欧美日韩综合久久久久久| 黑人猛操日本美女一级片| 国产亚洲av片在线观看秒播厂| 只有这里有精品99| av国产精品久久久久影院| 欧美97在线视频| 中文欧美无线码| 亚洲欧美一区二区三区久久| 久久婷婷青草| 亚洲色图 男人天堂 中文字幕| 卡戴珊不雅视频在线播放| 免费少妇av软件| 大香蕉久久成人网| 少妇猛男粗大的猛烈进出视频| 一区福利在线观看| av一本久久久久| 午夜免费男女啪啪视频观看| 在线观看国产h片| 欧美老熟妇乱子伦牲交| 天美传媒精品一区二区| 19禁男女啪啪无遮挡网站| 啦啦啦在线免费观看视频4| 十八禁网站网址无遮挡| 在线观看免费高清a一片| 看十八女毛片水多多多| 亚洲国产最新在线播放| 免费女性裸体啪啪无遮挡网站| 我要看黄色一级片免费的| 国产av码专区亚洲av| 又黄又粗又硬又大视频| 精品福利永久在线观看| 一二三四在线观看免费中文在| 免费观看av网站的网址| 亚洲色图综合在线观看| 亚洲国产中文字幕在线视频| 亚洲五月色婷婷综合| 国产一区二区激情短视频 | 无遮挡黄片免费观看| 在线观看免费高清a一片| 黄色一级大片看看| 日韩欧美精品免费久久| 免费女性裸体啪啪无遮挡网站| 超碰成人久久| a级毛片在线看网站| 丝袜脚勾引网站| 色精品久久人妻99蜜桃| 丰满饥渴人妻一区二区三| 街头女战士在线观看网站| 婷婷成人精品国产| 亚洲国产av新网站| 国产又爽黄色视频| √禁漫天堂资源中文www| 久久久精品免费免费高清| 国产亚洲最大av| 欧美黄色片欧美黄色片| 卡戴珊不雅视频在线播放| 免费高清在线观看日韩| 色婷婷久久久亚洲欧美| 国产黄色免费在线视频| 老汉色∧v一级毛片| 日本一区二区免费在线视频| 亚洲成人免费av在线播放| 色综合欧美亚洲国产小说| 久久精品aⅴ一区二区三区四区| 男女边吃奶边做爰视频| 欧美黑人欧美精品刺激| 精品少妇内射三级| 免费女性裸体啪啪无遮挡网站| 国产片特级美女逼逼视频| 一级,二级,三级黄色视频| 国产精品一二三区在线看| 波多野结衣一区麻豆| 自线自在国产av| 国产精品亚洲av一区麻豆 | 国产成人av激情在线播放| 国产欧美亚洲国产| 国产在视频线精品| 色精品久久人妻99蜜桃| 国产精品久久久久久久久免| 日日撸夜夜添| 久久精品aⅴ一区二区三区四区| 成人18禁高潮啪啪吃奶动态图| 国产一区二区三区综合在线观看| 狠狠婷婷综合久久久久久88av| 超碰成人久久| 久久天躁狠狠躁夜夜2o2o | 亚洲,欧美,日韩| 亚洲色图综合在线观看| 精品国产乱码久久久久久男人| 久久精品亚洲熟妇少妇任你| 麻豆av在线久日| 国产无遮挡羞羞视频在线观看| 日本色播在线视频| 免费黄网站久久成人精品| 国产成人欧美在线观看 | 这个男人来自地球电影免费观看 | 日日撸夜夜添| 精品人妻在线不人妻| 国产日韩一区二区三区精品不卡| 精品酒店卫生间| 一区二区三区乱码不卡18| 交换朋友夫妻互换小说| 亚洲熟女毛片儿| 亚洲天堂av无毛| 女人高潮潮喷娇喘18禁视频| 免费久久久久久久精品成人欧美视频| 欧美人与善性xxx| 精品卡一卡二卡四卡免费| 你懂的网址亚洲精品在线观看| 欧美日韩精品网址| 亚洲天堂av无毛| 伊人久久国产一区二区| √禁漫天堂资源中文www| 91精品三级在线观看| 午夜91福利影院| 国产成人精品久久久久久| 一级a爱视频在线免费观看| 两性夫妻黄色片| 亚洲av成人不卡在线观看播放网 | 菩萨蛮人人尽说江南好唐韦庄| 国产免费又黄又爽又色| 久久久久久久久免费视频了| 欧美最新免费一区二区三区| 97人妻天天添夜夜摸| 青草久久国产| 国产深夜福利视频在线观看| 日韩中文字幕视频在线看片| 亚洲国产精品999| 国产1区2区3区精品| 欧美xxⅹ黑人| 妹子高潮喷水视频| 成人国语在线视频| 亚洲精品一二三| 国产成人免费无遮挡视频| 大话2 男鬼变身卡| 妹子高潮喷水视频| 亚洲一级一片aⅴ在线观看| 在线观看免费视频网站a站| 天堂8中文在线网| 99国产综合亚洲精品| 最近的中文字幕免费完整| 亚洲天堂av无毛| 天天躁狠狠躁夜夜躁狠狠躁| 久久午夜综合久久蜜桃| 大陆偷拍与自拍| 少妇人妻精品综合一区二区| 日本wwww免费看| 成年动漫av网址| 天美传媒精品一区二区| 51午夜福利影视在线观看| 黄网站色视频无遮挡免费观看| 又大又黄又爽视频免费| 日韩一区二区视频免费看| 黄色怎么调成土黄色| 肉色欧美久久久久久久蜜桃| 国产精品国产三级国产专区5o| 精品一区二区三区四区五区乱码 | 看免费成人av毛片| 天天躁日日躁夜夜躁夜夜| 亚洲av中文av极速乱| 黑人巨大精品欧美一区二区蜜桃| 黑人猛操日本美女一级片| 性高湖久久久久久久久免费观看| a 毛片基地| 久久精品久久久久久噜噜老黄| 免费少妇av软件| 黄色怎么调成土黄色| 黄频高清免费视频| 亚洲精品中文字幕在线视频| 久久久久国产一级毛片高清牌| 男女床上黄色一级片免费看| 欧美 亚洲 国产 日韩一| 国产精品无大码| 一个人免费看片子| 日韩成人av中文字幕在线观看| 久久人妻熟女aⅴ| 亚洲精品国产区一区二| 在线观看三级黄色| 捣出白浆h1v1| 亚洲欧美中文字幕日韩二区| 国产欧美日韩综合在线一区二区| 日韩欧美一区视频在线观看| av卡一久久| 亚洲激情五月婷婷啪啪| 十八禁高潮呻吟视频| 国产视频首页在线观看| 国产精品av久久久久免费| 一级黄片播放器| 国产97色在线日韩免费| 欧美人与善性xxx| 免费在线观看视频国产中文字幕亚洲 | 涩涩av久久男人的天堂| 两个人看的免费小视频| 男女之事视频高清在线观看 | 国产精品麻豆人妻色哟哟久久| 黄片播放在线免费| 在线看a的网站| 狠狠精品人妻久久久久久综合| 国产亚洲午夜精品一区二区久久| 五月开心婷婷网| 一级a爱视频在线免费观看| 日韩一卡2卡3卡4卡2021年| 亚洲精品一二三| 中文字幕精品免费在线观看视频| 亚洲熟女精品中文字幕| 精品视频人人做人人爽| 大片免费播放器 马上看| 欧美亚洲 丝袜 人妻 在线| 在线观看人妻少妇| xxxhd国产人妻xxx| 电影成人av| 女人高潮潮喷娇喘18禁视频| 久久综合国产亚洲精品| 亚洲第一区二区三区不卡| 欧美亚洲日本最大视频资源| 国产男女内射视频| videosex国产| 青春草国产在线视频| av又黄又爽大尺度在线免费看| 九草在线视频观看| 国产精品99久久99久久久不卡 | 一区二区日韩欧美中文字幕| av国产久精品久网站免费入址| 国产黄频视频在线观看| 精品国产一区二区三区四区第35| 男男h啪啪无遮挡| 免费人妻精品一区二区三区视频| 巨乳人妻的诱惑在线观看| 国产免费视频播放在线视频| 丝袜人妻中文字幕| 欧美av亚洲av综合av国产av | 成人毛片60女人毛片免费| 黑人巨大精品欧美一区二区蜜桃| 成人漫画全彩无遮挡| 最近最新中文字幕大全免费视频 | 亚洲成色77777| 日韩中文字幕欧美一区二区 | 欧美精品亚洲一区二区| 99热网站在线观看| 久久久久精品人妻al黑| 国产黄色视频一区二区在线观看| 日本vs欧美在线观看视频| 久久精品国产亚洲av涩爱| 国产精品一区二区精品视频观看| 亚洲av男天堂| 在线天堂中文资源库| 亚洲五月色婷婷综合| 久久久久国产一级毛片高清牌| 久久久久久久久久久免费av| 青春草国产在线视频| 高清av免费在线| 亚洲av电影在线进入| 婷婷色av中文字幕| 大码成人一级视频| 性高湖久久久久久久久免费观看| 亚洲三区欧美一区| 高清av免费在线| 精品国产露脸久久av麻豆| 纯流量卡能插随身wifi吗|