• <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 ?

    衛(wèi)星視頻中目標的快速檢測算法研究①

    2018-11-14 11:36:48劉貴陽李盛陽邵雨陽
    計算機系統應用 2018年11期
    關鍵詞:卷積圖像目標

    劉貴陽,李盛陽,邵雨陽

    1(中國科學院大學,北京 100049)

    2(中國科學院 太空應用重點實驗室,北京 100094)

    3(中國科學院 空間應用工程與技術中心,北京 100094)

    隨著我國空間技術的不斷發(fā)展,在視頻衛(wèi)星技術領域取得了長足的進步.在2015年10月,我國第一套自主研發(fā)的商用視頻衛(wèi)星“吉林一號”成功發(fā)射,其光學載荷對地成像的全色分辨率達到0.72米,成為我國首顆米級高清動態(tài)視頻衛(wèi)星.衛(wèi)星獲取的對地凝視數據可對工業(yè)、農業(yè)、交通等領域提供很多的基礎應用[1].針對于衛(wèi)星視頻數據,其中也存在著分辨率較低,畫面抖動,圖像周邊畸變較為嚴重等問題[2].這些問題都對大場景中目標的快速檢測帶來較大的影響.但同時針對視頻相鄰圖像幀之間的信息的互補特征也給算法設計提供了很多新穎的思路.

    隨著大數據和云計算的不斷發(fā)展,深度學習技術得到了長足的發(fā)展,視覺領域的機器學習模型不斷挑戰(zhàn)著人類在目標識別和目標檢測領域的能力[3].在目標分類領域,從 AlxeNet[4]、VGG[5]到 InceptionX[6]、ResNet[7],模型的深度不斷加深,但是運算速度不斷加快; 在目標檢測領域,從傳統的滑動窗技術到二階段檢測框架 RCNN[8]、Fast RCNN[9]、Faster RCNN[10]、SPPNet[11]、RPN[12],再到單階段檢測框架YOLO[13]、SSD[14],檢測的準確率和檢測效率也在不斷的提高.但是,深度學習存在需要目標的樣本量巨大,且需要很大的計算量這兩個問題,而在視頻衛(wèi)星數據中缺少大量對于特定目標的標注數據,要想利用深度學習技術解決視頻衛(wèi)星中目標檢測問題問題,目前必須另辟蹊徑.Tianshu Yu和Ruisheng Wang等在2016年使用圖像數據和雷達點云數據,同時輔助使用部分地理信息數據(GIS)通過改進圖匹配技術較好的實現了街景數據中的場景解析[15],雖然可以引入GIS信息進行遙感圖像場景匹配之后在對感興趣區(qū)域進行檢測,但融合GIS數據本身復雜度較高且場景中目標隨機存在,并不能較好的提高檢測效率和準確率.

    本文主要使用改進的YOLO[13]模型和內容一致性檢測模型,利用視頻數據中相鄰幀之間內容的相似性降低精確檢測的次數,通過內容一致性判斷確定當前幀是否需要再檢測的思路,在保證檢測精度的前提下,提高了視頻數據的檢測效率.

    1 檢測模型的改進

    目前,已有的目標檢測模型分為兩大類: 兩階段檢測網絡Fast RCNN[9]、Faster RCNN[10]和單階段檢測網絡YOLO[13]、SSD[14].兩階段檢測網絡訓練流程復雜,且檢測效率較低,而單階段網絡檢測網絡雖然速度較快但是檢測的準確率略低.本論文主要改進YOLO[13]模型,在保證檢測效率的前提下,提高檢測準確率.

    原始的YOLO[13]模型的設計主要是針對自然場景中的目標檢測和識別任務,自然場景中目標一般占據圖像的主體,且目標紋理較清晰,因此模型在設計時卷積核一般選擇成7×7和3×3大小,并且經過不斷的下采樣將最后的卷積特征圖固定為7×7這個尺寸,將原始圖像的尺寸(448×448)在寬和高的方向上同時各自縮小了64倍.在紋理信息豐富的數據集中可以提高計算效率,但是對于分辨率不高且經過壓縮的衛(wèi)星視頻數據來說這會丟失大量目標的重要特征.因此,如何對圖像做分割,如何設計可以增強小目標特征信息的基礎網絡就變得至關重要.

    1.1 多尺度網格分割策略

    由于衛(wèi)星圖像具有低分辨率、視野廣的特點,圖像中的目標會變的小且很模糊[1].若繼續(xù)按照原始模型的網格劃分,會導致多個目標在相同的網格中,導致模型檢測任務失敗.

    對于現有的視頻衛(wèi)星數據,先對圖像中標注的目標的寬和高進行分別統計,判斷目標在尺度上的分布,進而指導圖像網格化策略: (1) 網格劃分的粒度以不能同時包含任意兩個或者多個目標為最佳; (2) 網格劃分的粒度不宜過密,否則會導致全聯接層參數量爆炸,模型難以學習; (3) 多尺度網格劃分時,不同尺度網格之間信息需要互補.

    統計目標的寬和高的分布情況,繪制分布散點圖如下圖所示.根據圖中可以得出,目標寬和高的分布近似一致,主體分布在30~60像素,且目標飛機的寬和高的比例近似在1:1.

    圖1 羅馬·菲烏米奇諾機場圖像飛機尺寸分布圖

    根據以上統計結果分析可以將圖像(512×512)網格化為13×13大小,但是圖像中目標的分布是隨機,當兩個目標按照一定的角度相鄰時,13×13的網格并不能很好的圈住某目標; 當目標恰好被某個網絡恰好分割成1/4時由于YOLO模型的機制不能很順利的檢測到目標,因此根據上述的指導規(guī)則(2),擬采用更小的尺度16×16對目標進行網格化.對于16×16的網格化的特征圖中每個單元的感受野較少,圖像的分辨率僅有0.72米,因此,再設計一層較大感受野的網格層,使其可以較好的和16×16的細網格做檢測的融合,采用9×9網格去分割圖像,該設計也符合規(guī)則(3),將這兩種網格化配合使用可以提高目標檢測的準確率.

    圖2 圖像的網格化策略示意圖

    1.2 超參結構增強上下文信息

    YOLO目標檢測模型反復使用卷積操作和最大池化操作將448×448的圖像采樣到7×7的特征圖,這種操作在衛(wèi)星數據中并不能起到好作用,批量的降采樣導致目標的上下文信息損失的很厲害,對于小目標的識別效果并不是很好[16],且在視頻數據中,每一幀圖像都是經過視頻壓縮編碼處理之后,單幀圖像會變得很模糊,更加不利于這種采樣方式.

    在2015年,何凱明等人[7]提出殘差網絡模型,不僅可以訓練更深的網絡模型,還將底層卷積特征跨層傳輸到上層,更加有利于目標的分類; 在2016年,清華大學人工智能實驗室提出HyerNet結構[12],證明利用反卷積[17]構造出來的超參卷積層對小目標的檢測有更好的效果; 在2017年,康奈爾大學、清華大學、Facebook人工智能研究院聯合發(fā)表了DenseNet網絡結構[18],不僅有效的解決了梯度消失問題,同時也強化了特征的傳播和特征的重用.

    圖3 反卷積操作示意圖

    本文采用跨層連接和反卷積操作整合出不同尺度的超參特征立方體,在不同尺度上強化小目標的細節(jié)特征,具體的設計結構如圖4所示.其中網絡的輸入尺寸是512×512,經過卷積層和池化層之后將尺寸變換到16×16,在經過卷積操作和池化操作之后得到4×4的特征圖,之后對該層數據進行反卷積操作得到和C5相同尺寸(9×9)的特征圖DC5,然后通過對這兩層特征做連接后進行反卷積變化得到特征圖DC4,同理得到特征圖DP3.其中符號P的含義是該層特征數據來自池化操作,C的含義是該層特征數據來自卷積操作,D的含義是該層特征數據來自反卷積操作.

    圖4 部分反卷積網絡結構示意圖

    2 內容一致性判別網路

    針對衛(wèi)星視頻數據而言,視頻場景很大,雖然地物場景復雜,但是整體內容的一致性較高,場景中的目標運動相對在地面觀察來說運動較慢[19].利用數據的這一特點,本論文以孿生網絡為主體,設計出內容一致性檢測網絡,跳過部分圖像幀的檢測,提高檢測的效率.

    孿生網絡(Siamese Network)是一種相似性度量網絡,核心思想是通過一組變換將輸入數據映射到目標空間,在目標空間使用簡單的距離度量進行相似度比較[20].算法主要關注連續(xù)圖像序列中相鄰的圖像內容的差異,如何定義內容差異程度,如何對序列圖像做標注等這些問題都會直接影響判別的結果.主動拍攝視頻數據大致分為固定鏡頭拍攝和運動鏡頭拍攝.在固定鏡頭拍攝情況下,往往更關注視野中內容的變化,需要對相鄰幀圖像之間做判斷; 在運動鏡頭拍攝情況下,需要同時兼顧視野內場景的變化和場景內目標的變化,這種變化往往來自場景的漸變和突變,這時需要假定出關鍵幀圖像,不斷的跟關鍵幀之間對比差異來判斷內容的一致性.本問題中衛(wèi)星相對所拍攝的區(qū)域做凝視拍攝,可以類比為攝像頭相對目標場景靜止,但是鏡頭本身需要根據軌道衛(wèi)星的狀態(tài)做相對運動,因此也會干擾到成像區(qū)域.

    2.1 訓練樣本構造

    實驗對象是四段時間為30秒的“吉林一號”衛(wèi)星視頻數據[21],視頻中每幀圖像的尺寸為4096×3072,將每一幀圖像按照8×6的比例進行分割,使得每個區(qū)域的尺寸為512×512.針對每段視頻中相同的區(qū)域按照給定的規(guī)則進行標注: 當前幀圖像中的每個目標和前一幀中對應的每個目標之間有位置的重合,則判定這兩幀圖像的內容是一致的,否則內容不一致.圖5中當前幀中有四個標注目標,分別用四個色塊進行表示,圖(b),(c),(d)分別表示下一幀圖像內容,實心色塊表示目標在當前幀的位置,不同顏色的虛線表示圖(a)中相應目標的位置.其中圖(a)與(b)幀中內容標記為一致,圖(a)與(c)、(a)與(d)幀中內容均標記為不一致.

    圖5 內容一致判別標注示意圖

    2.2 網絡結構設計

    具體的網絡結構設計如圖6,其中卷積網絡是共用參數,將兩幀圖像輸入到網絡中,得到相同維度的全連接層輸出的特征,根據標簽信息去學習特征之間的相似性度量.其中,網絡的主體部分的參數是共享的,通過不同的輸入圖像,得到在相同變換空間的特征,再進行分類判別.

    圖6 內容一致性判別網絡結構示意圖

    3 系統檢測流程

    具備了對單幀圖像的精細檢測能力,也具備了對于兩幅圖像內容一致性的判斷能力,通過這兩個功能的配合使用,本文設計出整體檢測流程,如圖7.

    圖7 檢測系統流程示意圖

    系統分為四大部分: 圖像切割和圖像增強、內容一致性判別網絡、局部目標搜索模塊、神經網絡檢測模塊.每幀圖像按照512×512的尺寸進行切割,得到48張小圖像,然后對這些圖像進行增強變換,鏡像、裁減、形變、擴張這些操作按照一定的概率作用在每張圖像上,具體的流程如圖8所示.接著將當前幀圖像和關鍵幀(最近一次使用檢測網絡檢測的圖像)進行內容一致性檢測,根據判斷結果分別進行局部目標搜索和目標檢測網絡.其中局部目標搜索,主要以關鍵幀中目標的位置為核心,按照檢測出目標的尺度在周邊進行查找.

    4 實驗結果分析

    4.1 深度神經檢測網絡實驗

    圖8 圖像增強示意圖

    本實驗中共有四段標記數據,分別是意大利·菲烏米奇諾機場、印度·英迪拉·甘地國際機場、美國·明尼阿波利斯·圣保羅國際機場、突尼斯·迦太基國際機場.我們使用后三段標注數據進行訓練,使用第一段視頻作為測試,在Ubuntu 16.04的Linux系統,硬件信息為Intel(R) Xeon(R) CPU E5-2620 v3 @ 2.40 GHz,NVIDIA GeForce GTX TITAN X GPU,128 GB Memory中進行100輪(所有樣本訓練一次即為一輪)訓練.對于飛機這一目標的檢測的平均準確率是0.912,其中準確率和召回率的結果圖如圖9所示.

    圖9 檢測目標的準確率和召回率示意圖

    部分實驗結果圖如圖10所示,其中每張圖像中的目標都進行了檢測結果的標注,每個框的左上方標記出該框的置信度大小.紅顏色的框的置信度至少在0.8以上,綠顏色的框的置信度在0.7~0.8,藍顏色的框在0.6~0.7.

    圖10 模型檢測結果示意圖

    4.2 內容一致性判別實驗

    根據2.1中訓練樣本的構造規(guī)則,預先生成相應的成對的訓練樣本,設計了如下算法1.

    算法1.一致性判別網絡訓練樣本構造算法1) 先將視頻中的單幀圖像按照512×512的大小進行切割,并記錄切割出來的每個圖像的相對原圖像中的坐標和幀數;2) 在相同的視頻中,隨機抽取一幀作為關鍵幀,找到前后對應的圖像幀序列;3) 記錄出當前幀中某個切割區(qū)域的目標的位置,同時按照目標的寬和高生成目標的合理潛在區(qū)域;4) 將關鍵幀圖像信息和其前后幀圖像中對應的切割區(qū)域目標進行比較,根據2.1節(jié)中的規(guī)則進行標記.

    將上述算法生成的訓練樣本在相同配置的服務器中進行訓練,得到了較好的效果.具體分析如下: 對地凝視的衛(wèi)星視頻數據中,場景內容近似一致,通過該模型,可以較好的跳過相近內容的檢測; 且場景中并非所有目標都在運動,很多靜止的目標可以很好的通過大圖像切割和內容一致性檢測策略直接確定相應的位置,提高了整體的檢測效率.

    表中的數據的測試環(huán)境和訓練環(huán)境一致(在TITAN X GPU,Tensorflow 1.4.1),測試數據是將視頻數據逐幀提取(每幀大小4096×3072),在內存中做8×6的切割后直接進行模型測試,數據IO時間和大圖像切分時間不在計算之內,但是后處理時間計算在內.通過表中對比可以看出內容判別網絡將系統的整體檢測效率提高了50%左右.

    表1 模型效率比較

    5 總結與展望

    通過對檢測模型的改進,反卷積網絡可以較好的對增強目標的上下文信息,同時,利用多個網格化的策略,可以較好的彌補對于近鄰目標檢測的準確率.結合內容一致性判別網絡實驗,可以得出,針對場景相對固定,且場景內目標很多,但運動目標一定的情況下,通過該策略可以將局部靜態(tài)信息過濾出去,提高對視頻整體的檢測效率.目前檢測模型的設計僅考慮單幀圖像,對于視頻而言,如何考慮相鄰幀信息,將更多的信息整合到單階段檢測網絡將成為下一步的研究熱點.

    猜你喜歡
    卷積圖像目標
    改進的LapSRN遙感圖像超分辨重建
    基于3D-Winograd的快速卷積算法設計及FPGA實現
    有趣的圖像詩
    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跟蹤算法
    我們的目標
    一種基于卷積神經網絡的性別識別方法
    電視技術(2014年19期)2014-03-11 15:38:20
    遙感圖像幾何糾正中GCP選取
    趣味數獨等4則
    意林(2011年10期)2011-05-14 07:44:00
    中學英語之友·上(2008年2期)2008-04-01 01:19:30
    日韩欧美国产一区二区入口| 久久久久国产精品人妻aⅴ院| 最近最新免费中文字幕在线| 如何舔出高潮| 欧美人与善性xxx| 老熟妇仑乱视频hdxx| 精品国产三级普通话版| 日韩av在线大香蕉| 桃色一区二区三区在线观看| 中文字幕av在线有码专区| 黄色日韩在线| 国产蜜桃级精品一区二区三区| 91在线精品国自产拍蜜月| 国产精品美女特级片免费视频播放器| 亚洲av成人精品一区久久| 欧美人与善性xxx| 日韩中文字幕欧美一区二区| 网址你懂的国产日韩在线| 精品久久久噜噜| 精品久久久久久久久久久久久| 窝窝影院91人妻| 国产一级毛片七仙女欲春2| 精品一区二区免费观看| 一个人观看的视频www高清免费观看| 免费看日本二区| 国产在线精品亚洲第一网站| 精品一区二区三区人妻视频| 少妇的逼好多水| 国产精华一区二区三区| 联通29元200g的流量卡| 日韩一本色道免费dvd| 国产亚洲91精品色在线| 麻豆成人午夜福利视频| 99热精品在线国产| 午夜免费成人在线视频| 观看美女的网站| 国产视频内射| 日本熟妇午夜| 九九久久精品国产亚洲av麻豆| 欧美在线一区亚洲| 亚洲精品乱码久久久v下载方式| 日韩精品中文字幕看吧| www.色视频.com| 一个人观看的视频www高清免费观看| 成熟少妇高潮喷水视频| 黄色日韩在线| 国产男人的电影天堂91| 18禁黄网站禁片午夜丰满| 窝窝影院91人妻| ponron亚洲| 变态另类丝袜制服| 国产亚洲精品久久久com| 成人av在线播放网站| 国产黄a三级三级三级人| 床上黄色一级片| 亚洲精品粉嫩美女一区| a级毛片免费高清观看在线播放| 91久久精品国产一区二区成人| 在现免费观看毛片| 韩国av在线不卡| 亚洲男人的天堂狠狠| 啦啦啦韩国在线观看视频| 老司机深夜福利视频在线观看| 九九在线视频观看精品| 亚洲美女黄片视频| 国产精品,欧美在线| 99九九线精品视频在线观看视频| 夜夜爽天天搞| 日韩欧美精品免费久久| av女优亚洲男人天堂| 亚洲成人久久爱视频| 最近在线观看免费完整版| 别揉我奶头~嗯~啊~动态视频| 又爽又黄无遮挡网站| 国产久久久一区二区三区| 联通29元200g的流量卡| 黄色日韩在线| 人人妻人人澡欧美一区二区| 久久99热这里只有精品18| 精品乱码久久久久久99久播| 麻豆国产97在线/欧美| 美女高潮喷水抽搐中文字幕| а√天堂www在线а√下载| 99久久精品国产国产毛片| 久久久国产成人免费| 久久久色成人| 成人性生交大片免费视频hd| 性欧美人与动物交配| 亚洲人成网站在线播| 国内精品久久久久精免费| 国产亚洲精品综合一区在线观看| 尾随美女入室| 久久久久久久久中文| 久久久精品大字幕| 亚洲欧美日韩高清在线视频| 国产aⅴ精品一区二区三区波| 欧美极品一区二区三区四区| 国产久久久一区二区三区| 色尼玛亚洲综合影院| 老师上课跳d突然被开到最大视频| 大又大粗又爽又黄少妇毛片口| 国产伦精品一区二区三区四那| 亚洲性久久影院| 亚洲电影在线观看av| 搡老岳熟女国产| 国产亚洲91精品色在线| 日日干狠狠操夜夜爽| 久久久久性生活片| 久久人妻av系列| 黄色配什么色好看| 亚洲av五月六月丁香网| 久久香蕉精品热| 日韩欧美精品v在线| 国产精品国产三级国产av玫瑰| 午夜亚洲福利在线播放| 天天躁日日操中文字幕| 桃红色精品国产亚洲av| 国产中年淑女户外野战色| 啦啦啦啦在线视频资源| 老师上课跳d突然被开到最大视频| 久久精品国产亚洲av涩爱 | 露出奶头的视频| 日韩高清综合在线| 蜜桃亚洲精品一区二区三区| 大又大粗又爽又黄少妇毛片口| 国产白丝娇喘喷水9色精品| 日日啪夜夜撸| 成年女人永久免费观看视频| 桃红色精品国产亚洲av| 国产久久久一区二区三区| 国产精品99久久久久久久久| 免费av毛片视频| 男人的好看免费观看在线视频| 免费在线观看日本一区| 国国产精品蜜臀av免费| 国产v大片淫在线免费观看| 国产精品1区2区在线观看.| 欧美黑人欧美精品刺激| 久久精品国产99精品国产亚洲性色| 黄色配什么色好看| 麻豆国产97在线/欧美| 午夜精品久久久久久毛片777| 99精品在免费线老司机午夜| 国产精品国产高清国产av| 久久亚洲精品不卡| 偷拍熟女少妇极品色| 国产麻豆成人av免费视频| 国产免费男女视频| 久久这里只有精品中国| 狂野欧美白嫩少妇大欣赏| 一个人看视频在线观看www免费| www日本黄色视频网| 色精品久久人妻99蜜桃| 老师上课跳d突然被开到最大视频| 黄色配什么色好看| 国产爱豆传媒在线观看| 一区福利在线观看| 淫秽高清视频在线观看| 最后的刺客免费高清国语| 亚洲avbb在线观看| 一个人看视频在线观看www免费| 日韩欧美国产一区二区入口| 国产国拍精品亚洲av在线观看| 久久天躁狠狠躁夜夜2o2o| 如何舔出高潮| av在线亚洲专区| 男女啪啪激烈高潮av片| 天堂动漫精品| 亚洲欧美清纯卡通| 国产大屁股一区二区在线视频| 网址你懂的国产日韩在线| 一a级毛片在线观看| 男女之事视频高清在线观看| 精品人妻一区二区三区麻豆 | 国产精品久久久久久亚洲av鲁大| 中亚洲国语对白在线视频| 国内精品久久久久精免费| 村上凉子中文字幕在线| 在线观看午夜福利视频| 国产午夜精品论理片| 国产高清激情床上av| 精品欧美国产一区二区三| 欧美日本视频| 日本精品一区二区三区蜜桃| 国产v大片淫在线免费观看| 亚洲电影在线观看av| 欧美性猛交╳xxx乱大交人| 高清在线国产一区| 无遮挡黄片免费观看| 日韩欧美精品免费久久| 日韩在线高清观看一区二区三区 | 国产日本99.免费观看| 国产精品一区二区三区四区免费观看 | 国产蜜桃级精品一区二区三区| 国产人妻一区二区三区在| 久久久久免费精品人妻一区二区| 亚洲 国产 在线| 国产精品免费一区二区三区在线| 美女xxoo啪啪120秒动态图| 国产精品美女特级片免费视频播放器| 国产在视频线在精品| 成年版毛片免费区| 亚洲成人精品中文字幕电影| 狂野欧美激情性xxxx在线观看| 真人一进一出gif抽搐免费| 亚洲精品456在线播放app | 久久婷婷人人爽人人干人人爱| 日本a在线网址| 一进一出抽搐动态| 日韩大尺度精品在线看网址| 女同久久另类99精品国产91| 丰满的人妻完整版| 久久6这里有精品| 美女高潮的动态| 在线观看舔阴道视频| 日日啪夜夜撸| 偷拍熟女少妇极品色| 性欧美人与动物交配| 日本熟妇午夜| av国产免费在线观看| 亚洲av第一区精品v没综合| 亚洲欧美精品综合久久99| 日韩精品中文字幕看吧| 婷婷色综合大香蕉| 美女xxoo啪啪120秒动态图| 成年免费大片在线观看| 天堂网av新在线| 色哟哟哟哟哟哟| 久久人人爽人人爽人人片va| 别揉我奶头~嗯~啊~动态视频| 成人欧美大片| 三级国产精品欧美在线观看| 国产欧美日韩精品亚洲av| 在现免费观看毛片| 国产色婷婷99| 国产乱人视频| 久久久久久久午夜电影| 久久久久性生活片| 老熟妇乱子伦视频在线观看| 99久久精品热视频| 美女cb高潮喷水在线观看| 黄色欧美视频在线观看| 日本黄大片高清| 成年女人永久免费观看视频| 在线免费观看不下载黄p国产 | 国产男人的电影天堂91| 免费观看的影片在线观看| 天堂网av新在线| 我的老师免费观看完整版| 深夜精品福利| 成年人黄色毛片网站| 久久久精品大字幕| 亚洲中文字幕一区二区三区有码在线看| 国产精品国产三级国产av玫瑰| 99久久无色码亚洲精品果冻| 久久草成人影院| 日韩,欧美,国产一区二区三区 | 女生性感内裤真人,穿戴方法视频| 亚洲精品久久国产高清桃花| 美女高潮的动态| av在线亚洲专区| 国产高潮美女av| 日韩在线高清观看一区二区三区 | 欧美bdsm另类| 毛片一级片免费看久久久久 | av在线亚洲专区| 久久精品人妻少妇| 丰满人妻一区二区三区视频av| 欧美日韩乱码在线| 欧洲精品卡2卡3卡4卡5卡区| 欧美日韩综合久久久久久 | 在现免费观看毛片| 精品人妻一区二区三区麻豆 | 在线国产一区二区在线| 亚洲 国产 在线| 国产一区二区三区在线臀色熟女| 欧美色欧美亚洲另类二区| 波多野结衣巨乳人妻| 色哟哟哟哟哟哟| 哪里可以看免费的av片| 亚洲成人久久爱视频| 免费av观看视频| 91av网一区二区| 91在线精品国自产拍蜜月| 一卡2卡三卡四卡精品乱码亚洲| 欧美激情国产日韩精品一区| av国产免费在线观看| 一个人免费在线观看电影| 亚洲精品456在线播放app | 一级毛片久久久久久久久女| 国产69精品久久久久777片| av在线亚洲专区| 精华霜和精华液先用哪个| www.www免费av| 日日夜夜操网爽| 此物有八面人人有两片| 国产伦人伦偷精品视频| 狂野欧美白嫩少妇大欣赏| 色综合婷婷激情| av天堂在线播放| 精品久久久久久久久av| 成人二区视频| 尾随美女入室| 国产 一区精品| 亚洲av第一区精品v没综合| 又爽又黄无遮挡网站| 人妻制服诱惑在线中文字幕| 亚洲国产精品sss在线观看| 99九九线精品视频在线观看视频| 精品99又大又爽又粗少妇毛片 | 欧美成人性av电影在线观看| 观看免费一级毛片| 中文字幕av成人在线电影| 亚洲狠狠婷婷综合久久图片| 欧美3d第一页| 波野结衣二区三区在线| 丰满的人妻完整版| 午夜福利视频1000在线观看| 黄色丝袜av网址大全| 在线a可以看的网站| 久久精品国产清高在天天线| 男人和女人高潮做爰伦理| 欧美高清成人免费视频www| 18禁黄网站禁片免费观看直播| 毛片女人毛片| 日日摸夜夜添夜夜添小说| 国产精品无大码| 色精品久久人妻99蜜桃| 99久久精品一区二区三区| 少妇人妻一区二区三区视频| 中国美女看黄片| 成人一区二区视频在线观看| 一a级毛片在线观看| 美女cb高潮喷水在线观看| 少妇的逼水好多| 精品久久久久久久久亚洲 | 亚洲欧美日韩东京热| 热99在线观看视频| 18禁裸乳无遮挡免费网站照片| 国产大屁股一区二区在线视频| 亚洲人成网站在线播放欧美日韩| 男女边吃奶边做爰视频| 蜜桃亚洲精品一区二区三区| 欧美绝顶高潮抽搐喷水| 欧美bdsm另类| 精品一区二区三区视频在线| 看免费成人av毛片| www.色视频.com| 国内精品久久久久久久电影| 国产精品一区二区三区四区免费观看 | 亚洲最大成人中文| 男人舔女人下体高潮全视频| 亚洲人与动物交配视频| 波野结衣二区三区在线| 九色成人免费人妻av| 欧美色欧美亚洲另类二区| 伦理电影大哥的女人| 久久精品影院6| 亚洲不卡免费看| 久久久久久九九精品二区国产| 免费人成视频x8x8入口观看| 亚洲精品乱码久久久v下载方式| 国产精品久久久久久久电影| 精品午夜福利在线看| 免费观看的影片在线观看| 淫妇啪啪啪对白视频| 在线观看av片永久免费下载| 国产精品日韩av在线免费观看| xxxwww97欧美| 在线播放无遮挡| 久久精品夜夜夜夜夜久久蜜豆| 国产淫片久久久久久久久| 伊人久久精品亚洲午夜| 亚洲一级一片aⅴ在线观看| 日本欧美国产在线视频| 18+在线观看网站| 成人国产麻豆网| 狂野欧美白嫩少妇大欣赏| 搞女人的毛片| 国产亚洲91精品色在线| 啦啦啦啦在线视频资源| 日本黄色视频三级网站网址| 日韩强制内射视频| 国产精品伦人一区二区| 国语自产精品视频在线第100页| 免费电影在线观看免费观看| 亚洲人成伊人成综合网2020| 在线a可以看的网站| 国产精品三级大全| 国产精品永久免费网站| 波多野结衣高清无吗| 99久久精品国产国产毛片| 一个人看视频在线观看www免费| 欧美精品国产亚洲| 特大巨黑吊av在线直播| 成人国产一区最新在线观看| 一个人观看的视频www高清免费观看| 午夜日韩欧美国产| 久久国产乱子免费精品| 亚洲五月天丁香| 欧美高清成人免费视频www| 日韩欧美三级三区| 亚洲欧美精品综合久久99| 男女啪啪激烈高潮av片| 色播亚洲综合网| 国产在线男女| 在线免费观看的www视频| 成人亚洲精品av一区二区| 久久久午夜欧美精品| 国内精品宾馆在线| 亚洲av五月六月丁香网| 亚洲狠狠婷婷综合久久图片| 在线播放国产精品三级| 日本色播在线视频| 毛片女人毛片| 人妻制服诱惑在线中文字幕| 国产一区二区在线av高清观看| 亚洲久久久久久中文字幕| 2021天堂中文幕一二区在线观| 日本欧美国产在线视频| 少妇高潮的动态图| 99九九线精品视频在线观看视频| 久久精品国产鲁丝片午夜精品 | 日本一二三区视频观看| 国产白丝娇喘喷水9色精品| 少妇的逼好多水| 欧美高清性xxxxhd video| 婷婷精品国产亚洲av在线| 欧美xxxx黑人xx丫x性爽| 中文资源天堂在线| 国产男人的电影天堂91| 亚洲久久久久久中文字幕| 日韩欧美国产一区二区入口| 久久久久九九精品影院| 免费看光身美女| 国产一区二区亚洲精品在线观看| 麻豆av噜噜一区二区三区| 一区二区三区高清视频在线| 一区二区三区四区激情视频 | 九色成人免费人妻av| 成人亚洲精品av一区二区| 日日摸夜夜添夜夜添小说| 亚洲精品日韩av片在线观看| 亚洲aⅴ乱码一区二区在线播放| 久久久久精品国产欧美久久久| 亚洲专区中文字幕在线| 最近在线观看免费完整版| 亚洲成av人片在线播放无| 免费电影在线观看免费观看| 欧美日韩亚洲国产一区二区在线观看| 中文亚洲av片在线观看爽| av在线天堂中文字幕| 久久久精品大字幕| 男女做爰动态图高潮gif福利片| 亚洲成人久久爱视频| 亚洲一区二区三区色噜噜| 亚洲七黄色美女视频| 看片在线看免费视频| 一进一出好大好爽视频| 99久国产av精品| 在线观看av片永久免费下载| 日韩高清综合在线| 国产精品98久久久久久宅男小说| 欧美性感艳星| 美女被艹到高潮喷水动态| 他把我摸到了高潮在线观看| 美女高潮的动态| 一区二区三区高清视频在线| 午夜福利在线观看吧| 熟妇人妻久久中文字幕3abv| 国国产精品蜜臀av免费| 中文在线观看免费www的网站| av国产免费在线观看| 三级毛片av免费| 夜夜看夜夜爽夜夜摸| 啪啪无遮挡十八禁网站| netflix在线观看网站| 亚洲精品色激情综合| 天堂影院成人在线观看| 男女下面进入的视频免费午夜| 热99re8久久精品国产| 成年女人看的毛片在线观看| 精品免费久久久久久久清纯| 麻豆一二三区av精品| 天堂动漫精品| 别揉我奶头 嗯啊视频| 国产真实伦视频高清在线观看 | 色综合色国产| 我要搜黄色片| 看黄色毛片网站| 国产男人的电影天堂91| 日本在线视频免费播放| 日韩一本色道免费dvd| 亚洲精品久久国产高清桃花| 日韩国内少妇激情av| 床上黄色一级片| 精品久久久久久久久久久久久| 成人三级黄色视频| 亚洲最大成人手机在线| 又黄又爽又免费观看的视频| 亚洲性夜色夜夜综合| 人妻丰满熟妇av一区二区三区| 亚洲国产精品sss在线观看| 日韩亚洲欧美综合| 网址你懂的国产日韩在线| 少妇裸体淫交视频免费看高清| 淫妇啪啪啪对白视频| 99热只有精品国产| 国产精品久久久久久久久免| 神马国产精品三级电影在线观看| 给我免费播放毛片高清在线观看| 内射极品少妇av片p| 麻豆国产97在线/欧美| 久久久久久久亚洲中文字幕| 最新中文字幕久久久久| 国产亚洲欧美98| 12—13女人毛片做爰片一| 久久国内精品自在自线图片| 一个人看视频在线观看www免费| 亚洲av日韩精品久久久久久密| 精品国内亚洲2022精品成人| 亚洲熟妇中文字幕五十中出| 淫妇啪啪啪对白视频| 国产精品久久久久久精品电影| 91麻豆av在线| 少妇被粗大猛烈的视频| 成熟少妇高潮喷水视频| 午夜a级毛片| 久久精品国产亚洲av天美| 久久亚洲精品不卡| 黄色丝袜av网址大全| 99久久中文字幕三级久久日本| 久久人妻av系列| 亚洲熟妇中文字幕五十中出| 欧美最黄视频在线播放免费| 床上黄色一级片| 小蜜桃在线观看免费完整版高清| 亚洲av日韩精品久久久久久密| 日韩欧美在线乱码| 超碰av人人做人人爽久久| 少妇熟女aⅴ在线视频| 女人十人毛片免费观看3o分钟| 国产黄片美女视频| 午夜老司机福利剧场| 免费观看在线日韩| 别揉我奶头~嗯~啊~动态视频| 人妻夜夜爽99麻豆av| 18禁黄网站禁片午夜丰满| 国产男靠女视频免费网站| 免费看日本二区| 欧美日本亚洲视频在线播放| 国产av一区在线观看免费| 国产精品三级大全| 免费无遮挡裸体视频| 男插女下体视频免费在线播放| 亚洲成人免费电影在线观看| 国产精品精品国产色婷婷| 亚洲欧美日韩卡通动漫| 国产aⅴ精品一区二区三区波| 久久久久久久久大av| 国产主播在线观看一区二区| 亚洲久久久久久中文字幕| 97人妻精品一区二区三区麻豆| 成人二区视频| 精华霜和精华液先用哪个| 国内精品久久久久久久电影| 又粗又爽又猛毛片免费看| 真人一进一出gif抽搐免费| 久久热精品热| 国产精品美女特级片免费视频播放器| 两个人的视频大全免费| 久9热在线精品视频| 欧美最新免费一区二区三区| 九九久久精品国产亚洲av麻豆| 女人被狂操c到高潮| 亚洲精品成人久久久久久| 国产美女午夜福利| 国产爱豆传媒在线观看| 精品人妻熟女av久视频| 国产精品一区二区性色av| av女优亚洲男人天堂| 国产高清视频在线播放一区| 亚洲最大成人手机在线| 三级国产精品欧美在线观看| 久99久视频精品免费| 夜夜看夜夜爽夜夜摸| 给我免费播放毛片高清在线观看| 我的老师免费观看完整版| 美女 人体艺术 gogo| 国产精品福利在线免费观看| 欧美成人免费av一区二区三区| 国产免费av片在线观看野外av| 真实男女啪啪啪动态图| 免费高清视频大片| 真人做人爱边吃奶动态| 亚洲无线在线观看| 免费av观看视频| 亚洲性夜色夜夜综合| av在线亚洲专区| 嫩草影院新地址| 国产乱人伦免费视频| 久久国内精品自在自线图片| 99久久久亚洲精品蜜臀av| av女优亚洲男人天堂| 日韩中文字幕欧美一区二区| 在现免费观看毛片| 国产乱人视频| 简卡轻食公司| 日韩欧美 国产精品| 国产人妻一区二区三区在| 亚洲 国产 在线| 蜜桃亚洲精品一区二区三区| av在线观看视频网站免费| 精品久久久久久,| 日本在线视频免费播放|