• <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 ?

    基于路徑增強(qiáng)SSD的遺失物體檢測(cè)模型

    2020-01-05 07:00:06徐好好單志勇徐超
    軟件導(dǎo)刊 2020年11期
    關(guān)鍵詞:目標(biāo)檢測(cè)卷積神經(jīng)網(wǎng)絡(luò)

    徐好好 單志勇 徐超

    摘 要:在日常出行中,乘客經(jīng)常會(huì)將一些重要物品遺落在出租車后座上,而司機(jī)往往因?yàn)楹鲆暿钩丝统霈F(xiàn)損失。為對(duì)車內(nèi)遺失物體進(jìn)行檢測(cè),提出一種改進(jìn)的SSD目標(biāo)檢測(cè)模型。在主干網(wǎng)絡(luò)部分引入路徑增強(qiáng)的特征金字塔網(wǎng)絡(luò)(FPN),稱為PA-SSD。將PA-SSD應(yīng)用于常見遺失物品檢測(cè)實(shí)驗(yàn),結(jié)果表明,該算法檢測(cè)速度為12fps,在驗(yàn)證集上的mAP為98.6%?;赑A-SSD的檢測(cè)模型能高效且準(zhǔn)確地識(shí)別乘客遺失物體,方便通知領(lǐng)取,減少乘客不必要的損失。

    關(guān)鍵詞:目標(biāo)檢測(cè);卷積神經(jīng)網(wǎng)絡(luò);SSD;FPN;路徑增強(qiáng)

    DOI:10. 11907/rjdk. 201379

    中圖分類號(hào):TP306 ??? 文獻(xiàn)標(biāo)識(shí)碼:A?????? 文章編號(hào):1672-7800(2020)011-0017-04

    Lost Object Detector Based on PA-SSD

    XU Hao-hao1,SHAN Zhi-yong2,XU Chao1

    (1. School of Information Science and Technology, Donghua University;

    2. Ministry of Education, Digital Textile Research Center, Shanghai 201620, China)

    Abstract:In daily travel, passengers often leave some important items in the back seat of the taxi, and drivers often fail to notice that the loss of these items, which causes passengers property lose. In order to detect the lost objects in the car,this paper proposes an improved SSD detector which uses path augumented FPN in the backbone and it is called single shot multibox detection with path augumentation(PA-SSD). PA-SSD is applied to the detection of common lost items. The experimental results show that the detection speed of this detector is 12fps, and the mAP on the verification set is 98.6. PA-SSD can efficiently and accurately identify the lost objects, and it is easy to remind the passengers.

    Key Words:object detection; convolutional neural network; SSD; FPN; path augumentation

    0 引言

    隨著深度學(xué)習(xí)的發(fā)展,基于深度學(xué)習(xí)的目標(biāo)檢測(cè)模型研究成為熱點(diǎn)。Firshick[1]為解決R-CNN速度較慢問題提出Fast R-CNN,使特征提取過程可共享,加快了檢測(cè)速度,但提取RoI仍然會(huì)消耗大量時(shí)間;Ren等[2]提出Faster R-CNN并引入RPN,將獲取提議區(qū)域過程放入整個(gè)網(wǎng)絡(luò)一起訓(xùn)練以加快檢測(cè)速度;Dai等[3]提出R-FCN引入位置敏感得分圖使RoI具有較明確的位置信息,減輕Head結(jié)構(gòu)計(jì)算量從而提高檢測(cè)速度;Redmon等[4]提出在YOLO引入網(wǎng)格思想,在網(wǎng)格中做預(yù)測(cè);Liu等[5]在SSD中基于不同尺度特征圖生成錨框進(jìn)行預(yù)測(cè);Lin等[6]提出RetinaNet引入Focal loss作為分類損失函數(shù),避免樣本不平衡的影響;佘顥等[7]引入組歸一化和TReLU激活函數(shù)對(duì)SSD進(jìn)行改進(jìn);沈新烽等[8]使用輕量級(jí)MobileNetV3-Large作為SSD主干網(wǎng)絡(luò),并利用FPN[9]提升對(duì)小物體檢測(cè)效果;韓文軒等[10]采用深度可分離卷積代替卷積層加快SSD檢測(cè)速度。

    以上文獻(xiàn)均沒有考慮主干網(wǎng)絡(luò)輸出的較深層特征圖位置信息不明確這一因素。本文借鑒PANet[11]思想,基于Mask R-CNN[12]框架進(jìn)行改進(jìn),在主干網(wǎng)絡(luò)FPN結(jié)構(gòu)上添加一條自底向上的路徑增強(qiáng)分支,用于加強(qiáng)深層特征圖位置信息,針對(duì)PANet不便于實(shí)時(shí)性檢測(cè)問題提出PA-SSD。在遺失物體圖像數(shù)據(jù)集上進(jìn)行訓(xùn)練和測(cè)試,結(jié)果顯示mAP較SSD檢測(cè)率有顯著提升。

    1 SSD簡(jiǎn)介

    1.1 SSD整體框架

    SSD整體框架由一個(gè)主干網(wǎng)絡(luò)和若干個(gè)下采樣模塊連接而成,如圖1所示。使用VGG16[13]作為主干網(wǎng)絡(luò)只輸出一個(gè)特征圖,然后通過若干下采樣模塊將特征圖尺寸減半生成多尺度特征圖。因此,圖1中越靠近頂部的特征圖尺寸越小,像素感受野越大,越適合檢測(cè)尺寸較大目標(biāo)。針對(duì)不同尺度特征圖分別基于錨框機(jī)制進(jìn)行分類以及邊界框偏移量回歸,使檢測(cè)器適應(yīng)不同尺度物體。

    1.2 損失函數(shù)

    目標(biāo)檢測(cè)任務(wù)分為分類和邊界框偏移量回歸,最終損失函數(shù)定義為兩者各自損失函數(shù)的加權(quán)和。SSD損失函數(shù)如下:

    式(1)為模型最終損失函數(shù),是回歸損失和分類損失兩部分的加權(quán)和。其中[N]代表錨框數(shù)量,[Lconf(x,c)]和[Lloc(x,l,g)]分別代表分類和回歸損失,[x]為錨框,[c]為置信度,[l]為預(yù)測(cè)框,[g]為真實(shí)框,[α]代表權(quán)重系數(shù)。式(2)是回歸損失,使用光滑L1損失,只對(duì)正類錨框計(jì)算損失,[i,j,p]分別代表錨框、真實(shí)框和類別索引,[p=0]代表背景類,[m∈{cx,cy,w,h}]代表4個(gè)邊界框偏移量,[xpij={0,1}],取1時(shí)代表第[i]個(gè)錨框與第[j]個(gè)真實(shí)框交并比大于設(shè)定閾值,即關(guān)于類別[p]匹配,取0時(shí)即不匹配,不計(jì)算損失。式(3)是分類損失,為多元交叉熵?fù)p失,[cpi]代表第[i]個(gè)錨框預(yù)測(cè)為類別[p]的概率。

    2 PA-SSD

    使用如ResNet[14]等全卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)作為主干網(wǎng)絡(luò),輸出特征圖位置信息較少,通過下采樣模塊后生成的深層特征圖包含的位置信息更少,無法準(zhǔn)確預(yù)測(cè)目標(biāo)邊界框,這是SSD存在的主要問題。針對(duì)該問題,本文結(jié)合FPN以及路徑增強(qiáng)方法對(duì)SSD進(jìn)行改進(jìn),提出PA-SSD,使主干網(wǎng)絡(luò)輸出的多尺度特征圖同時(shí)具有較高的位置信息和語(yǔ)義信息,從而提升檢測(cè)精度。

    2.1 FPN簡(jiǎn)介

    深度卷積神經(jīng)網(wǎng)絡(luò)往往輸出具有明確語(yǔ)義信息的特征圖,但其位置信息不明確。FPN在基礎(chǔ)網(wǎng)絡(luò)上引入特征金字塔結(jié)構(gòu)提取多尺度特征圖,采用特征融合方式使得淺層特征圖也具有較明確的語(yǔ)義信息,其結(jié)構(gòu)如圖2所示,包括自底向上分支、自頂向下分支以及橫向連接3個(gè)部分。自底向上分支采用基礎(chǔ)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),以ResNet為例,輸出特征圖分別為[C1,C2,C3,C4,C5],C1由于尺度過大不參與特征融合。橫向連接利用1×1的卷積將這些特征圖通道數(shù)統(tǒng)一到256,得到[C2,C3,C4,C5]。自頂向下分支即特征融合計(jì)算,C5即M5,上采樣后與C4'作逐元素求和得到M4,同理得到M3和M2。為消除混疊效應(yīng)還需要將[M2,M3,M4,M5]通過3×3卷積得到的[P2,P3,P4,P5]作為FPN輸出。FPN結(jié)合錨框機(jī)制適用于檢測(cè)各種尺寸目標(biāo),但FPN輸出的頂層特征圖位置信息并未得到加強(qiáng),所以檢測(cè)器對(duì)大物體位置回歸不夠準(zhǔn)確。

    2.2 基于路徑增強(qiáng)FPN的主干網(wǎng)絡(luò)

    PANet為解決FPN深層特征圖位置信息不明確問題引入基于路徑增強(qiáng)的FPN作為主干網(wǎng)絡(luò),結(jié)構(gòu)如圖3所示。FPN輸出[P2,P3,P4,P5],此時(shí)深層特征圖位置信息仍然很弱,所以在FPN右側(cè)添加一條自底向上的特征融合分支。P2即N2,N2通過步幅為2的3×3卷積將尺寸減半后,與P3作逐元素求和后再經(jīng)過一個(gè)步幅為1的3×3卷積得到N3,同理得到N4和N5。本文為了檢測(cè)更大的目標(biāo)將N5通過一個(gè)最大池化層將尺寸減半得到N6。綜上,基于路徑增強(qiáng)的FPN由于進(jìn)行了兩次特征融合,使得特征圖同時(shí)具備較明確的語(yǔ)義信息與位置信息,能更好地執(zhí)行目標(biāo)檢測(cè)任務(wù)。

    2.3 PA-SSD整體框架

    PA-SSD目標(biāo)檢測(cè)流程如圖4所示。為減少計(jì)算量,主干網(wǎng)絡(luò)輸出的N2不參與預(yù)測(cè)。由于FPN結(jié)構(gòu)直接輸出多尺度特征圖,所以不需要額外的尺寸減半模塊和全局平均池化層,直接基于[N3,N4,N5,N6]生成錨框并基于這些錨框進(jìn)行分類與偏移量回歸。

    PA-SSD的Head結(jié)構(gòu)包含類別預(yù)測(cè)層和邊界框回歸層,損失函數(shù)與SSD保持一致。設(shè)預(yù)測(cè)物體類別數(shù)為C,加上背景類,每個(gè)錨框?qū)㈩A(yù)測(cè)C+1個(gè)類別,則對(duì)于一個(gè)高、寬分別為h、w的特征圖,每個(gè)單元生成a個(gè)錨框,一共生成ahw個(gè)錨框。分類預(yù)測(cè)層利用卷積層通道輸出類別預(yù)測(cè),將[N3,N4,N5,N6]分別進(jìn)行1×1的卷積使通道數(shù)變?yōu)閍(C+1),使輸出和輸入與特征圖上每個(gè)點(diǎn)的空間坐標(biāo)一一對(duì)應(yīng),最后使用Softmax函數(shù)作為激活函數(shù)輸出類別置信度。邊界框回歸層設(shè)計(jì)方法同類別預(yù)測(cè)層設(shè)計(jì)類似,同樣對(duì)[N3,N4,N5,N6]分別做1×1卷積。由于每個(gè)錨框需要預(yù)測(cè)4個(gè)偏移量,所以輸出通道數(shù)設(shè)為4a。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 數(shù)據(jù)集

    本文使用自制數(shù)據(jù)集,包含1 000張圖像,其中訓(xùn)練集800張,驗(yàn)證和測(cè)試集各100張。數(shù)據(jù)集包含6類容易遺漏的物體,分別為筆記本電腦、身份證、水杯、手機(jī)、背包和錢包。加載數(shù)據(jù)集時(shí)需將輸入圖片尺寸轉(zhuǎn)換為1 024×???? 1 024×3,批量大小為4,所以一個(gè)批量輸入形狀為(4,3,?? 1 024,1 024),標(biāo)簽形狀為(批量大小,n,5),n代表單個(gè)圖像最多含有的邊界框個(gè)數(shù),本文設(shè)置n=10,而5代表物體類別及4個(gè)偏移量。

    3.2 實(shí)驗(yàn)流程

    PA-SSD損失函數(shù)與SSD保持一致,主干網(wǎng)絡(luò)使用ResNet50基于ImageNet預(yù)訓(xùn)練,整個(gè)模型使用SGD優(yōu)化器進(jìn)行訓(xùn)練,基礎(chǔ)學(xué)習(xí)率設(shè)置為1e-3,隨迭代次數(shù)逐漸降低,權(quán)重衰減系數(shù)設(shè)置為5e-4,共迭代20 000次。訓(xùn)練流程如圖5所示。

    將SSD、DSSD[15]、YOLO V3[16]以及本文提出的PA-SSD在數(shù)據(jù)集上進(jìn)行訓(xùn)練,并使用均值平均精確率(mean Average Precision, mAP)對(duì)4種檢測(cè)器進(jìn)行評(píng)估對(duì)比,mAP指每一類物體對(duì)應(yīng)P-R曲線下的面積平均值,能夠較好顯示檢測(cè)器質(zhì)量。

    3.3 實(shí)驗(yàn)結(jié)果

    4種檢測(cè)器在遺失物體數(shù)據(jù)集上對(duì)比實(shí)驗(yàn)如表1所示,分別記錄不同檢測(cè)器的主干網(wǎng)絡(luò)結(jié)構(gòu)、mAP以及識(shí)別速度。

    如表1所示,PA-SSD雖然較SSD和YOLOV3犧牲了一些識(shí)別速度,但是精度得到顯著提高,且精度和速度都優(yōu)于DSSD,證明PA-SSD在檢測(cè)遺失物體精度上優(yōu)于主流一階段目標(biāo)檢測(cè)框架。

    為了移除檢測(cè)器生成的多余邊界框,在測(cè)試階段使用非極大值抑制(non-maximum suppression,NMS)對(duì)檢測(cè)器結(jié)果進(jìn)行后處理,選取測(cè)試集中某張測(cè)試圖片,其預(yù)測(cè)結(jié)果如圖6所示,可以看到即使在光線較暗的場(chǎng)景下,PA-SSD也能準(zhǔn)確識(shí)別出遺漏的物體。

    4 結(jié)語(yǔ)

    本文基于SSD提出一種PA-SSD目標(biāo)檢測(cè)模型,主干網(wǎng)絡(luò)部分引入自底向上路徑增強(qiáng)的FPN,摒棄了下采樣模塊和全局平均池化層獲取多尺度特征圖方式,直接基于主干網(wǎng)絡(luò)輸出多尺度特征圖生成錨框,并進(jìn)行分類和邊界框回歸。使用本文模型在遺失物數(shù)據(jù)集上進(jìn)行訓(xùn)練實(shí)驗(yàn),結(jié)果表明,PA-SSD較主流一階段的檢測(cè)模型具有更高的mAP。但本文自制的數(shù)據(jù)集只包含6個(gè)類別,在更多類別上的檢測(cè)結(jié)果未知,泛化能力有待增強(qiáng),需在后續(xù)工作中繼續(xù)優(yōu)化。

    參考文獻(xiàn):

    [1] GIRSHICK R. Fast R-CNN[C].? Proceedings of the IEEE conference on computer vision and pattern recognition, 2015: 1440-1448.

    [2] REN S, HE K, GIRSHICK R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[C].? Advances in Neural Information Processing Systems,2015: 91-99.

    [3] DAI J, LI Y, HE K, et al. R-FCN: object detection via region-based fully convolutional networks[C].? Advances in Neural Information Processing Systems,2016: 379-387.

    [4] REDMON J, DIVVALA S, GIRSHICK R, et al. You only look once: unified, real-time object detection[C].? Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2016:779-788.

    [5] LIU W, ANGUELOV D, ERHAN D, et al. Ssd: single shot multibox detector[C].? European Conference on Computer Vision. Springer, Cham, 2016:21-37.

    [6] LIN T Y, GOYAL P, GIRSHICK R, et al. Focal loss for dense object detection[J].? arXivpreprint:2017,1708(2),2002-2011.

    [7] 佘顥,吳伶,單魯泉. 基于SSD網(wǎng)絡(luò)模型改進(jìn)的水稻害蟲識(shí)別方法[J]. 鄭州大學(xué)學(xué)報(bào)(理學(xué)版): 2019,26(5):1-6.

    [8] 沈新烽,姜平,周根榮. 改進(jìn)SSD算法在零部件檢測(cè)中的應(yīng)用研究[J]. 計(jì)算機(jī)工程與應(yīng)用,2011,25(4):1-10.

    [9] LIN TY, DOLLAR P, GIRSHICK R,et al. Feature pyramid networks for object detection[J].? arXiv preprint, 2016,1612(1):31-44.

    [10] 韓文軒,阿里甫·庫(kù)爾班,黃梓桐. 基于改進(jìn)SSD算法的遙感影像小目標(biāo)快速檢測(cè)[J]. 新疆大學(xué)學(xué)報(bào)(自然科學(xué)版),2019,18(11):1-7.

    [11] LIU S,?QI L,?QIN H, et al.Path aggregation network for instance segmentation[J].? arXiv preprint, 2018,18(3):15-34.

    [12] HE K, GKIOXARI G, DOLLAR P, et al. Mask r-cnn[C].? Computer Vision (ICCV), 2017 IEEE International Conference on,IEEE, 2017:2980-2988.

    [13] SIMONYAN K, ZISSERMAN A. Very deep convolutional networks for large-scale image recognition[J].? arXiv preprint,2014(9):1409-1556.

    [14] HE K, ZHANG X, REN S, etal. Deep residual learningfor image recognition[C].? Proceedings of the IEEE conference on computer vision and pattern recognition, 2016: 770-778.

    [15] FU CY, LIU W, RANGA A, et al. Dssd: deconvolutional single shot detector[J].? arXiv preprint, 2017,1701(12):59-66.

    [16] REDMON J, FARHADI A. Yolov3: an incremental improvement[J]. arXiv preprint, 2018, 1804(9):27-67.

    (責(zé)任編輯:杜能鋼)

    收稿日期:2020-04-17

    基金項(xiàng)目:國(guó)家自然科學(xué)基金項(xiàng)目(61602110)

    作者簡(jiǎn)介:徐好好(1994-),男,東華大學(xué)信息科學(xué)與技術(shù)學(xué)院碩士研究生,研究方向?yàn)橛?jì)算機(jī)視覺;單志勇(1967-),男,博士,東華大學(xué)信息科學(xué)與技術(shù)學(xué)院副教授、碩士生導(dǎo)師,研究方向?yàn)殡姶艌?chǎng)與微波技術(shù)、無線通信、天線、人工智能;徐超(1994-),男,東華大學(xué)信息科學(xué)與技術(shù)學(xué)院碩士研究生,研究方向?yàn)槿褐悄軆?yōu)化算法。本文通訊作者:?jiǎn)沃居隆?/p>

    猜你喜歡
    目標(biāo)檢測(cè)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
    視頻中目標(biāo)檢測(cè)算法研究
    軟件(2016年4期)2017-01-20 09:38:03
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識(shí)別算法
    行為識(shí)別中的人體運(yùn)動(dòng)目標(biāo)檢測(cè)方法
    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(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    移動(dòng)機(jī)器人圖像目標(biāo)識(shí)別
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識(shí)別的算法的研究
    基于背景建模法的運(yùn)動(dòng)目標(biāo)檢測(cè)
    基于P3電位的目標(biāo)檢測(cè)研究
    科技視界(2016年4期)2016-02-22 13:09:19
    久久国产精品大桥未久av| 高清欧美精品videossex| .国产精品久久| 在线观看www视频免费| 一级毛片我不卡| 欧美亚洲日本最大视频资源| 在线播放无遮挡| 91久久精品电影网| 日韩大片免费观看网站| 一级毛片我不卡| 乱人伦中国视频| 九草在线视频观看| 人体艺术视频欧美日本| 久久久久网色| 亚洲av福利一区| 91久久精品电影网| 黄色配什么色好看| 国产不卡av网站在线观看| 欧美一级a爱片免费观看看| 成人二区视频| 亚洲国产欧美日韩在线播放| 国产深夜福利视频在线观看| 97在线人人人人妻| 亚洲欧美色中文字幕在线| 国产精品不卡视频一区二区| 日本欧美视频一区| 国产乱人偷精品视频| 国产深夜福利视频在线观看| 国产精品久久久久久精品古装| 亚洲图色成人| 妹子高潮喷水视频| 欧美丝袜亚洲另类| 97超碰精品成人国产| 日韩一本色道免费dvd| 亚洲综合色网址| 中文字幕精品免费在线观看视频 | 最后的刺客免费高清国语| 亚洲国产色片| 亚洲国产精品成人久久小说| 中文字幕最新亚洲高清| 极品人妻少妇av视频| 大香蕉久久成人网| 大香蕉久久网| 免费黄网站久久成人精品| 王馨瑶露胸无遮挡在线观看| 插阴视频在线观看视频| 国产精品熟女久久久久浪| 99久国产av精品国产电影| 中文字幕亚洲精品专区| 亚洲成人av在线免费| 观看av在线不卡| 制服诱惑二区| 夜夜看夜夜爽夜夜摸| 久久精品人人爽人人爽视色| 人妻一区二区av| 国产不卡av网站在线观看| 国产一区二区三区综合在线观看 | 欧美成人午夜免费资源| 国产av码专区亚洲av| www.色视频.com| 王馨瑶露胸无遮挡在线观看| 成人综合一区亚洲| 亚洲av欧美aⅴ国产| 精品久久久久久久久av| 丰满饥渴人妻一区二区三| 尾随美女入室| 三级国产精品欧美在线观看| 久久热精品热| 亚洲精品日韩在线中文字幕| 一级毛片黄色毛片免费观看视频| 你懂的网址亚洲精品在线观看| 国产精品.久久久| 久久精品国产亚洲av涩爱| 免费大片黄手机在线观看| av播播在线观看一区| 亚洲av电影在线观看一区二区三区| 亚洲欧美日韩另类电影网站| 久久久欧美国产精品| 交换朋友夫妻互换小说| 亚洲欧美成人综合另类久久久| 国产精品秋霞免费鲁丝片| 亚洲精品日韩av片在线观看| 天天躁夜夜躁狠狠久久av| 边亲边吃奶的免费视频| 国产精品 国内视频| av播播在线观看一区| 久久99蜜桃精品久久| 欧美xxⅹ黑人| 伊人亚洲综合成人网| 亚洲精品乱码久久久久久按摩| 午夜av观看不卡| 少妇人妻久久综合中文| 伦理电影免费视频| av国产久精品久网站免费入址| 在现免费观看毛片| 精品人妻熟女av久视频| 熟女人妻精品中文字幕| 一本一本综合久久| 美女国产高潮福利片在线看| 蜜桃久久精品国产亚洲av| 亚洲国产欧美日韩在线播放| 久久久久久久大尺度免费视频| 另类亚洲欧美激情| 日本wwww免费看| 高清欧美精品videossex| 日韩电影二区| 亚洲天堂av无毛| 视频中文字幕在线观看| 丝袜喷水一区| 免费高清在线观看视频在线观看| 99久久综合免费| 蜜桃国产av成人99| 久久狼人影院| 日本黄色日本黄色录像| 国产又色又爽无遮挡免| 亚洲少妇的诱惑av| 美女视频免费永久观看网站| 国产无遮挡羞羞视频在线观看| 亚洲精品中文字幕在线视频| 十八禁高潮呻吟视频| 欧美变态另类bdsm刘玥| 国产黄频视频在线观看| 久久人人爽人人爽人人片va| 黄色怎么调成土黄色| 成人影院久久| 91久久精品国产一区二区三区| 日本爱情动作片www.在线观看| 日日爽夜夜爽网站| 51国产日韩欧美| 九九爱精品视频在线观看| 亚洲丝袜综合中文字幕| 伊人久久精品亚洲午夜| 亚洲av成人精品一二三区| 一本久久精品| 日本欧美视频一区| 国产精品久久久久久久电影| 午夜av观看不卡| 精品一区二区免费观看| 欧美日韩精品成人综合77777| 亚洲av中文av极速乱| 26uuu在线亚洲综合色| 色吧在线观看| 久久99热这里只频精品6学生| a 毛片基地| 国产一区有黄有色的免费视频| 国产精品 国内视频| 日韩成人av中文字幕在线观看| 亚洲av综合色区一区| 亚洲国产精品999| 成年美女黄网站色视频大全免费 | 一级毛片 在线播放| 全区人妻精品视频| 欧美日韩综合久久久久久| 99re6热这里在线精品视频| 亚洲经典国产精华液单| 欧美亚洲 丝袜 人妻 在线| av一本久久久久| 如何舔出高潮| 大话2 男鬼变身卡| 免费观看无遮挡的男女| 久久婷婷青草| 国产欧美日韩综合在线一区二区| 婷婷色综合www| 午夜视频国产福利| 最黄视频免费看| 久久99热这里只频精品6学生| 中文乱码字字幕精品一区二区三区| 一边摸一边做爽爽视频免费| 熟女人妻精品中文字幕| 免费观看的影片在线观看| 日本欧美国产在线视频| 韩国av在线不卡| 久久精品国产a三级三级三级| 永久网站在线| 人人澡人人妻人| 久久精品国产鲁丝片午夜精品| 中文天堂在线官网| 国产亚洲午夜精品一区二区久久| 各种免费的搞黄视频| 亚洲av中文av极速乱| 精品午夜福利在线看| 成年人午夜在线观看视频| 国产精品麻豆人妻色哟哟久久| 狠狠婷婷综合久久久久久88av| 亚洲国产av影院在线观看| 视频中文字幕在线观看| 欧美日韩av久久| 香蕉精品网在线| 日本av手机在线免费观看| 我要看黄色一级片免费的| 超碰97精品在线观看| 欧美精品高潮呻吟av久久| 久久久久久久久久成人| 成人亚洲精品一区在线观看| 亚洲精品亚洲一区二区| 一本—道久久a久久精品蜜桃钙片| 男男h啪啪无遮挡| 国产精品久久久久久久久免| 成年女人在线观看亚洲视频| 午夜福利网站1000一区二区三区| 国产成人精品婷婷| 久久国产亚洲av麻豆专区| 午夜激情av网站| videos熟女内射| 99视频精品全部免费 在线| 亚洲第一区二区三区不卡| 男女啪啪激烈高潮av片| 国产成人精品无人区| 国产熟女午夜一区二区三区 | 午夜福利影视在线免费观看| 久久精品国产亚洲av天美| 一个人免费看片子| 欧美日韩综合久久久久久| 亚洲精品日韩av片在线观看| 狂野欧美白嫩少妇大欣赏| 亚洲成色77777| 亚洲精品国产色婷婷电影| 国产乱人偷精品视频| freevideosex欧美| 亚洲国产色片| 一级毛片黄色毛片免费观看视频| 黄色毛片三级朝国网站| 亚洲精品一二三| av免费在线看不卡| 国内精品宾馆在线| 成年女人在线观看亚洲视频| 永久免费av网站大全| 国产男人的电影天堂91| 欧美少妇被猛烈插入视频| 亚洲,一卡二卡三卡| 午夜激情av网站| 国产免费又黄又爽又色| 国产免费一级a男人的天堂| 精品国产一区二区久久| 啦啦啦视频在线资源免费观看| 亚洲成人一二三区av| 免费观看在线日韩| 黄色怎么调成土黄色| 女人久久www免费人成看片| 一级a做视频免费观看| 免费黄网站久久成人精品| 男女边摸边吃奶| 丰满少妇做爰视频| 国产在线免费精品| 天堂8中文在线网| 大又大粗又爽又黄少妇毛片口| 久久精品国产自在天天线| 欧美精品亚洲一区二区| 男女免费视频国产| 亚洲高清免费不卡视频| 国产日韩欧美亚洲二区| 肉色欧美久久久久久久蜜桃| 久久久久精品久久久久真实原创| 国产av国产精品国产| 午夜91福利影院| 超碰97精品在线观看| 久久婷婷青草| 免费观看在线日韩| 高清av免费在线| 成年人午夜在线观看视频| 日韩视频在线欧美| 狠狠婷婷综合久久久久久88av| 美女xxoo啪啪120秒动态图| 国产色爽女视频免费观看| 日本色播在线视频| 性色av一级| 91久久精品电影网| 在现免费观看毛片| 亚洲中文av在线| 中文精品一卡2卡3卡4更新| 久久久久精品性色| 亚洲精品乱码久久久v下载方式| 80岁老熟妇乱子伦牲交| www.av在线官网国产| 亚洲一区二区三区欧美精品| 精品久久久久久久久av| 下体分泌物呈黄色| 午夜免费观看性视频| 你懂的网址亚洲精品在线观看| 国产欧美另类精品又又久久亚洲欧美| 久久久久久久国产电影| 亚洲色图 男人天堂 中文字幕 | 99久国产av精品国产电影| 女性生殖器流出的白浆| 国产精品免费大片| 秋霞在线观看毛片| 国产精品不卡视频一区二区| 日本av免费视频播放| xxx大片免费视频| 精品国产国语对白av| 飞空精品影院首页| 人人妻人人澡人人爽人人夜夜| 国产欧美日韩综合在线一区二区| 一区二区三区乱码不卡18| 青春草视频在线免费观看| 最黄视频免费看| 久久精品国产亚洲网站| 午夜日本视频在线| 午夜激情福利司机影院| 欧美精品人与动牲交sv欧美| 国产片特级美女逼逼视频| 99视频精品全部免费 在线| 国产成人av激情在线播放 | 国产有黄有色有爽视频| 日本猛色少妇xxxxx猛交久久| 少妇熟女欧美另类| 热99久久久久精品小说推荐| 老司机影院成人| 国产色爽女视频免费观看| 最近中文字幕2019免费版| 日本午夜av视频| 亚洲av免费高清在线观看| 国产一区二区三区综合在线观看 | 欧美日韩综合久久久久久| 男女边吃奶边做爰视频| 久久久久久人妻| 日韩av不卡免费在线播放| 热99国产精品久久久久久7| 精品国产一区二区三区久久久樱花| 亚洲,一卡二卡三卡| 亚洲无线观看免费| 人人澡人人妻人| 国产精品人妻久久久久久| 九色成人免费人妻av| 国产亚洲av片在线观看秒播厂| 国产黄频视频在线观看| 夜夜骑夜夜射夜夜干| 日本欧美视频一区| 一级,二级,三级黄色视频| 国产精品国产三级国产av玫瑰| 国产成人a∨麻豆精品| 丝瓜视频免费看黄片| 狠狠婷婷综合久久久久久88av| 五月玫瑰六月丁香| 老司机影院成人| 日日摸夜夜添夜夜添av毛片| 一本—道久久a久久精品蜜桃钙片| 简卡轻食公司| 精品视频人人做人人爽| freevideosex欧美| 精品久久蜜臀av无| 欧美国产精品一级二级三级| 亚洲av综合色区一区| 18在线观看网站| 2021少妇久久久久久久久久久| 精品人妻熟女毛片av久久网站| 日本vs欧美在线观看视频| 在线观看免费高清a一片| 丰满饥渴人妻一区二区三| 中文字幕久久专区| 久久99一区二区三区| 2018国产大陆天天弄谢| 午夜激情av网站| 久久亚洲国产成人精品v| 国产成人免费观看mmmm| 曰老女人黄片| 高清视频免费观看一区二区| 国产成人免费观看mmmm| 嘟嘟电影网在线观看| 国产精品偷伦视频观看了| 人妻系列 视频| 一级,二级,三级黄色视频| 欧美xxxx性猛交bbbb| 交换朋友夫妻互换小说| 午夜激情福利司机影院| 在线观看免费日韩欧美大片 | 女性生殖器流出的白浆| 一级片'在线观看视频| 三级国产精品片| 久久女婷五月综合色啪小说| 国产精品国产三级国产av玫瑰| 免费观看的影片在线观看| 亚洲图色成人| 欧美日韩综合久久久久久| 久久久精品94久久精品| 飞空精品影院首页| .国产精品久久| 天堂8中文在线网| 久久久久久久亚洲中文字幕| 一本色道久久久久久精品综合| 一个人免费看片子| 大片电影免费在线观看免费| 在线 av 中文字幕| 美女大奶头黄色视频| 狂野欧美白嫩少妇大欣赏| 亚洲精品日韩在线中文字幕| 国产精品一二三区在线看| 亚洲av国产av综合av卡| 国产精品嫩草影院av在线观看| 少妇高潮的动态图| 国产男人的电影天堂91| 水蜜桃什么品种好| 亚洲中文av在线| 亚洲美女视频黄频| 在线 av 中文字幕| 国产精品不卡视频一区二区| 国产国语露脸激情在线看| 亚洲欧美中文字幕日韩二区| 欧美最新免费一区二区三区| 18禁在线播放成人免费| 国产深夜福利视频在线观看| 在线看a的网站| 国产日韩一区二区三区精品不卡 | freevideosex欧美| 免费看av在线观看网站| 亚洲欧美成人综合另类久久久| 亚洲成人一二三区av| 久久久亚洲精品成人影院| 国产亚洲精品久久久com| 一个人看视频在线观看www免费| 2018国产大陆天天弄谢| 伊人久久国产一区二区| 制服诱惑二区| 最近2019中文字幕mv第一页| 99国产综合亚洲精品| 最近中文字幕高清免费大全6| 精品一区二区三卡| 一区二区av电影网| a 毛片基地| 伦精品一区二区三区| 亚洲av.av天堂| 在线 av 中文字幕| 亚洲精品一二三| 亚洲国产av影院在线观看| 久久人人爽人人片av| 亚洲第一区二区三区不卡| 美女福利国产在线| 蜜桃在线观看..| 日本猛色少妇xxxxx猛交久久| 久久毛片免费看一区二区三区| 久久久久人妻精品一区果冻| 九草在线视频观看| 美女cb高潮喷水在线观看| 成人毛片a级毛片在线播放| 熟女人妻精品中文字幕| 日本av免费视频播放| 精品99又大又爽又粗少妇毛片| 国产伦精品一区二区三区视频9| 免费看av在线观看网站| 2022亚洲国产成人精品| 女性被躁到高潮视频| 久久精品国产亚洲av涩爱| av又黄又爽大尺度在线免费看| 五月天丁香电影| 日韩在线高清观看一区二区三区| 日本wwww免费看| 久久99热6这里只有精品| 亚洲人成77777在线视频| 99九九线精品视频在线观看视频| 男女无遮挡免费网站观看| 久久久久精品久久久久真实原创| 建设人人有责人人尽责人人享有的| 三级国产精品欧美在线观看| 婷婷色综合www| 91久久精品电影网| 蜜桃国产av成人99| av免费在线看不卡| 亚洲人成网站在线观看播放| 国产爽快片一区二区三区| 蜜桃在线观看..| 亚洲综合色网址| 极品少妇高潮喷水抽搐| 国产精品成人在线| 热99国产精品久久久久久7| 国产成人精品在线电影| 日本av手机在线免费观看| 亚洲,欧美,日韩| 嫩草影院入口| 亚洲av欧美aⅴ国产| 热re99久久精品国产66热6| 国产精品秋霞免费鲁丝片| 黄色欧美视频在线观看| 人人澡人人妻人| 国产精品一区二区在线观看99| 老司机影院成人| 大香蕉久久成人网| 十八禁高潮呻吟视频| 国产一区二区在线观看av| 99久久人妻综合| 草草在线视频免费看| 久久精品国产亚洲av天美| 视频区图区小说| 18禁观看日本| 亚洲欧美成人综合另类久久久| 久久久久久人妻| 欧美bdsm另类| 中文字幕制服av| 26uuu在线亚洲综合色| 欧美日韩亚洲高清精品| 男人操女人黄网站| av黄色大香蕉| 国产视频首页在线观看| 国产精品一区二区在线观看99| 男人爽女人下面视频在线观看| 街头女战士在线观看网站| 亚洲美女搞黄在线观看| 精品久久国产蜜桃| 免费看不卡的av| 国产精品一区二区在线不卡| 欧美变态另类bdsm刘玥| av天堂久久9| 亚洲性久久影院| 欧美性感艳星| 欧美+日韩+精品| 人人妻人人添人人爽欧美一区卜| 国产在线视频一区二区| 国产高清有码在线观看视频| 国产在线视频一区二区| 亚洲色图综合在线观看| 欧美日本中文国产一区发布| 制服人妻中文乱码| 国产av一区二区精品久久| 男女边吃奶边做爰视频| av专区在线播放| √禁漫天堂资源中文www| 日日啪夜夜爽| 一区二区av电影网| av女优亚洲男人天堂| 亚洲成色77777| 久久青草综合色| 日韩成人伦理影院| 男女国产视频网站| 免费少妇av软件| 久久久国产一区二区| av在线老鸭窝| 精品午夜福利在线看| tube8黄色片| 日韩三级伦理在线观看| 中文字幕人妻熟人妻熟丝袜美| 亚洲欧美成人综合另类久久久| 欧美日韩亚洲高清精品| 成人国产麻豆网| videos熟女内射| 自拍欧美九色日韩亚洲蝌蚪91| 国产色婷婷99| 男女边吃奶边做爰视频| 色5月婷婷丁香| 最近中文字幕高清免费大全6| 黄色一级大片看看| 一区二区三区免费毛片| 免费观看在线日韩| 精品一区二区三区视频在线| 母亲3免费完整高清在线观看 | 国产精品99久久久久久久久| 日日摸夜夜添夜夜爱| 国产熟女欧美一区二区| 亚洲精品日本国产第一区| 这个男人来自地球电影免费观看 | 伦精品一区二区三区| 免费观看性生交大片5| 伊人久久精品亚洲午夜| 国产成人a∨麻豆精品| 大陆偷拍与自拍| 老司机亚洲免费影院| 人妻夜夜爽99麻豆av| 99久久精品一区二区三区| 一级毛片 在线播放| 国产亚洲av片在线观看秒播厂| 五月玫瑰六月丁香| 赤兔流量卡办理| 亚洲精品久久午夜乱码| 亚洲成色77777| 五月天丁香电影| 男女边摸边吃奶| 热re99久久精品国产66热6| 欧美日韩成人在线一区二区| 亚洲国产欧美日韩在线播放| 草草在线视频免费看| 在线观看人妻少妇| 亚洲综合色网址| 赤兔流量卡办理| 久久97久久精品| 欧美精品人与动牲交sv欧美| 国产在线一区二区三区精| 制服人妻中文乱码| 成年美女黄网站色视频大全免费 | 亚洲国产av影院在线观看| 日日摸夜夜添夜夜添av毛片| 2021少妇久久久久久久久久久| 在线观看免费日韩欧美大片 | 国产精品一区二区在线不卡| 亚洲成色77777| 国产精品一二三区在线看| 亚洲国产欧美在线一区| 成人免费观看视频高清| 99热6这里只有精品| 免费不卡的大黄色大毛片视频在线观看| 国产成人freesex在线| 水蜜桃什么品种好| 桃花免费在线播放| 国产探花极品一区二区| 国产成人aa在线观看| 国产一区二区在线观看av| 麻豆成人av视频| 色婷婷久久久亚洲欧美| 久久精品久久久久久噜噜老黄| 午夜免费男女啪啪视频观看| 国产精品久久久久成人av| 少妇丰满av| 亚洲欧美成人精品一区二区| 热99国产精品久久久久久7| 免费播放大片免费观看视频在线观看| 日韩在线高清观看一区二区三区| 亚洲四区av| 免费播放大片免费观看视频在线观看| 91精品一卡2卡3卡4卡| 久久国内精品自在自线图片| 五月伊人婷婷丁香| 国产成人午夜福利电影在线观看| 国内精品宾馆在线| 日韩精品有码人妻一区| 午夜福利,免费看| a 毛片基地| 一本—道久久a久久精品蜜桃钙片| 国产成人精品福利久久|