• <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YOLOv3的紅外行人小目標(biāo)檢測技術(shù)研究

    2020-05-07 09:30:16李慕鍇崔文楠
    紅外技術(shù) 2020年2期
    關(guān)鍵詞:行人紅外準(zhǔn)確率

    李慕鍇,張 濤,崔文楠

    (1.中國科學(xué)院 上海技術(shù)物理研究所 上海 200083;2.中國科學(xué)院大學(xué),北京 100049)

    0 引言

    行人檢測是圖像處理研究中的經(jīng)典課題,其研究成果在視頻監(jiān)控、地區(qū)偵查、人體行為理解、遇難目標(biāo)搜救等領(lǐng)域都有諸多應(yīng)用。隨著近年來計算機視覺、機器學(xué)習(xí)和深度學(xué)習(xí)等新技術(shù)的突破,可見光圖像中的行人檢測技術(shù)已經(jīng)逐漸發(fā)展成熟,出現(xiàn)了許多具有高可用性的方法。然而可見光相機的工作依賴于白天或者其他光照充足的條件,無法滿足很多夜間場景下的監(jiān)控需求,其工作的可持續(xù)性存在問題。紅外相機基于目標(biāo)對紅外光的反射和目標(biāo)自身的熱輻射進行成像,受光照強度條件的影響很小,可以覆蓋大多數(shù)夜間的場景,在白天也有很好的工作能力,因此紅外相機能夠更好滿足持續(xù)工作的需求。并且隨著紅外成像系統(tǒng)價格的逐年降低,紅外相機越來越成為各類監(jiān)控系統(tǒng)中的重要組成部分,而紅外圖像中的行人檢測技術(shù)問題也成為計算機視覺研究中的重點課題。

    與可見光圖像相比,紅外圖像僅有一個顏色通道,提供的信息更少,并且紅外圖像往往有分辨率低、物體邊緣模糊、含有噪聲、對比度較低等問題,使得紅外圖像中能夠提取到的特征信息減少。紅外圖像中目標(biāo)往往具有較高的亮度,特征更加明顯。傳統(tǒng)的行人檢測方法主要是使用人為設(shè)計的特征提取器,如Haar[1]、histogram of oriented gridients(HOG)[2]、aggregate channel features(ACF)[3]等,來提取圖像中行人目標(biāo)的特征,然后再通過滑動窗口的方法對圖像的局部提取特征,最后通過support vector machine(SVM)[4]、adaboost等分類器來判斷區(qū)域是否有目標(biāo)。深度學(xué)習(xí)將圖像領(lǐng)域中各個問題的處理精度都提升到了一個更高的水平,在目標(biāo)檢測領(lǐng)域,主要分為兩類方法,一類通過區(qū)域打分來預(yù)測目標(biāo)區(qū)域,然后通過神經(jīng)網(wǎng)絡(luò)來對區(qū)域進行分類,這類方法以R-CNN[5]系列為代表,包括后續(xù)的fast R-CNN[6]、faster R-CNN[7]以及single shot multibox detector(SSD)[8]等;另一類方法通過回歸得出目標(biāo)區(qū)域再通過神經(jīng)網(wǎng)絡(luò)分類,這類方法以YOLO[9],YOLO9000[10]和YOLOv3[11]為代表,這一系列的算法都在紅外圖像處理中有很多應(yīng)用。

    現(xiàn)有的檢測算法中,以深度學(xué)習(xí)的目標(biāo)檢測算法最為優(yōu)秀,不過SSD、R-CNN系列的網(wǎng)絡(luò)復(fù)雜度過高,即使使用運算速度非常高的GPU也仍然運行緩慢,而YOLO系列的方法解決了網(wǎng)絡(luò)復(fù)雜度過高的問題,在主流的GPU上算法的運行速度達(dá)到60 fps以上,能夠滿足實時性要求。本次研究中就以增強了小目標(biāo)檢測能力的YOLOv3為主要網(wǎng)絡(luò),通過對網(wǎng)絡(luò)進行改進,進一步增強了特征描述能力,使其能夠在實際的紅外小目標(biāo)處理問題中得到應(yīng)用。

    1 原理簡介

    1.1 YOLOv3算法簡介

    YOLO目標(biāo)檢測算法是Redmon等[9]在CVPR2016上提出的一種全新的端到端目標(biāo)檢測算法。與同期的fast R-CNN,faster R-CNN等算法使用區(qū)域建議網(wǎng)絡(luò)預(yù)測目標(biāo)可能的位置不同,YOLO直接一次回歸得出所有目標(biāo)的可能位置,雖然定位精度有所降低,但是大幅度地提升了算法的時間效率,得到了具有高實時性的目標(biāo)檢測方法。經(jīng)過近幾年的改良,Redmon等[10-11]在YOLO的基礎(chǔ)上又提出了YOLO9000、YOLOv3目標(biāo)檢測算法,到Y(jié)OLOv3其檢測精度已經(jīng)超過faster R-CNN,與精度最高的Retina net基本持平,在保持高精度的同時,YOLOv3的速度比其他算法要高3倍以上,是目前目標(biāo)檢測領(lǐng)域的最優(yōu)秀的算法之一。

    YOLOv3在目標(biāo)位置預(yù)測方面引入了faster R-CNN中使用錨點框(anchor box)的思想,在每一個特征圖上預(yù)測3個錨點框。對于一幅輸入圖像,YOLOv3算法將其分成13×13塊,在每一個小塊上預(yù)測3個目標(biāo)的邊界框,并且YOLOv3引入了多尺度融合的方法,對圖像在3個尺度上進行目標(biāo)邊界框的預(yù)測,從而大幅提升了小目標(biāo)檢測的精度。目標(biāo)邊界框參數(shù)的計算如圖1所示[11]。

    圖1 YOLOv3邊界框計算 Fig.1 YOLOv3 bounding box calculation

    YOLOv3在目標(biāo)的分類上使用了比之前深度更大的神經(jīng)網(wǎng)絡(luò),其網(wǎng)絡(luò)中大量3×3和1×1的卷積核保證了良好的特征提取,使用多尺度預(yù)測提升了小目標(biāo)的檢測精度。在深度學(xué)習(xí)領(lǐng)域,更深的網(wǎng)絡(luò)意味著可以提取更為復(fù)雜的特征,然而隨著網(wǎng)絡(luò)深度加大會出現(xiàn)訓(xùn)練難度加大,準(zhǔn)確率下降的問題,Resnet很好地解決了這個難題。YOLOv3借鑒Resnet的思想,引入多個Resnet模塊,設(shè)計了一個新的層數(shù)更多并且分類準(zhǔn)確率更高的網(wǎng)絡(luò),由于其包含53個卷積層,作者將其命名為darknet-53,其結(jié)構(gòu)如圖2[11]。

    圖2 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 YOLOv3 network structure

    1.2 SENet簡介

    Squeeze-and-Excitation Networks[12]由Momenta公司的Jie Hu等人提出,是一種能夠顯著提高網(wǎng)絡(luò)性能的新型網(wǎng)絡(luò)模型。目前在提升網(wǎng)絡(luò)性能方面已經(jīng)有大量的前人工作,有從統(tǒng)計角度出發(fā)的方法,例如dropout通過隨機減少網(wǎng)絡(luò)間的連接來減少過擬合;有從空間維度層面尋找提升的方法,例如Inception結(jié)構(gòu)嵌入多尺度信息,聚合多種不同感受野上的特征來獲得性能提升。而SENet從前人很少考慮到的特征通道間的關(guān)系出發(fā),提出了一種特征重標(biāo)定策略,這種策略通過顯示建模特征通道間的相互依賴關(guān)系實現(xiàn),可以通過學(xué)習(xí)來獲取到每個特征通道的重要程度,然后根據(jù)這個主要程度來提升重要特征的權(quán)重并抑制不重要的特征。

    SENet中包含兩個關(guān)鍵操作,壓縮(Squeeze)和激勵(Excitation),其主要流程如圖3[12],其中Ftr和Fsq為壓縮操作,F(xiàn)ex為激活操作,X為輸入,U為中間變換結(jié)果,H、W、C為網(wǎng)絡(luò)的寬高和層數(shù)。壓縮操作順著空間維度來對提取到的特征進行壓縮,將每個二維的特征通道換算為一個實數(shù),這個實數(shù)在某種程度上會具有全局感受野,并且輸出的維度和輸入的特征通道數(shù)相匹配,它表征著在特征通道上響應(yīng)的全局分布,而且使得靠近輸入的層也可以獲得全局的感受野。激勵操作類似于循環(huán)神經(jīng)網(wǎng)絡(luò)中的門的機制,通過學(xué)習(xí)參數(shù)w來為每個特征通道生成權(quán)重,它可以通過兩個全連接層實現(xiàn),學(xué)習(xí)得到的參數(shù)w即表征了每個特征通道的重要性。最后的操作是權(quán)重重標(biāo)定(Reweight),它將之前學(xué)習(xí)到的每個特征通道的權(quán)重歸一化,然后通過乘法加權(quán)到原來的特種通道上,即完成了每個特征通道的重要性的標(biāo)定。SENet可以很方便地插入在Resnet之后,得到一個SE-Resnet模塊,如圖4[12]所示。經(jīng)過作者的多番驗證,在不同規(guī)模的Resnet上引入SENet后,均能夠大幅提升網(wǎng)絡(luò)的準(zhǔn)確率,并且作者依靠SENet贏得了ImageNet 2017圖像分類任務(wù)的冠軍。

    2 改進YOLOv3網(wǎng)絡(luò)

    YOLOv3在當(dāng)前各類目標(biāo)檢測任務(wù)中已經(jīng)取得了非常優(yōu)越的效果,不過算法仍然有很多改進的空間,尤其對于小目標(biāo)方面。在實際的紅外行人小目標(biāo)數(shù)據(jù)中,直接使用YOLOv3對數(shù)據(jù)進行訓(xùn)練,最后得到的模型具有良好的召回率,但是準(zhǔn)確率不夠。為了得到一個具有實時性,同時目標(biāo)檢測的準(zhǔn)確率和虛警率都良好的算法模型,以YOLOv3為基礎(chǔ)網(wǎng)絡(luò),結(jié)合SENet以提升分類網(wǎng)絡(luò)的準(zhǔn)確率是一個可行的思路。

    根據(jù)SENet的思路,對網(wǎng)絡(luò)進行改進一般有幾種方式,一種是直接在卷積層后面直接加SENet模塊,這種方法對所有網(wǎng)絡(luò)都通用,但是由于現(xiàn)在的網(wǎng)絡(luò)中都含有大量卷積層并且參數(shù)量巨大,這樣添加SENet模塊增加的參數(shù)量大,且需要大量實驗來確定在哪些卷積層后面加入新模塊。一種是用加入了SENet的模塊替換原有網(wǎng)絡(luò)中的inception或者residual層,這類方法替換位置較為明確,需要反復(fù)實驗的可能性較小,并且作者也積累了一定經(jīng)驗。在YOLOv3中含有較多的Residual層,于是對網(wǎng)絡(luò)的改進采取引入SE-Resnet模塊的方法。

    SE-Resnet模塊中,用Global average pooling層做壓縮操作,將每個特征通道變換成一個實數(shù)值,使C個特征圖最后變成一個1×1×C的實數(shù)序列。被處理的多個特征圖可以被解釋為從圖像中提取到的局部特征描述子的集合,每個特征圖無法利用到其他特征圖的上下文信息。使用Global average pooling可以使其擁有全局的感受野,從而讓低層網(wǎng)絡(luò)也能利用全局信息。

    圖3 SENet工作流程Fig.3 SENet workflow

    圖4 SE-Resnet模塊Fig.4 SE-Resnet module

    激活操作是SENet中用于捕獲特征通道重要性和依賴性的關(guān)鍵操作,對于它的實現(xiàn)原作者使用了兩個全連接層(full connected layer)結(jié)合ReLU函數(shù)去建模各個通道之間的相關(guān)性,并且其輸出的權(quán)重數(shù)與輸入的特征數(shù)相同。為了減少參數(shù)并且增強泛化能力,第一個全連接層將參數(shù)降維r倍,這里r取值為16,然后經(jīng)過一個ReLU后再經(jīng)過一個全連接層升維到原來的維數(shù)。第二個全連接層后使用sigmoid激活函數(shù)作為閾值門限,得到了一個1×1×C的序列,即每個特征通道的權(quán)重。最后將權(quán)重直接用乘法疊加到開始的特征通道上,即完成了所有特征通道的權(quán)重重標(biāo)定。

    引入SENet的SE-Resnet模塊可以簡化表示為一個Residual模塊下添加了一個SE模塊,如圖5[12]所示。

    圖5 SE-Resnet模塊簡化示意圖 Fig.5 SE-Resnet module simplified diagram

    SENet模塊的激活操作的實現(xiàn)中包含兩個全連接層,全連接層的參數(shù)量相對其他類型的網(wǎng)絡(luò)層是最大的,因此添加過多的SENet模塊將會導(dǎo)致網(wǎng)絡(luò)參數(shù)規(guī)模增大,影響目標(biāo)檢測算法的時間效率。根據(jù)原作者的經(jīng)驗,添加在網(wǎng)絡(luò)末端的SE模塊對準(zhǔn)確率的影響較小,所以末端的幾個Residual塊不做處理。YOLOv3包含23個Residual塊,從減少模型參數(shù)量優(yōu)化避免增加太多算法運行時間的角度考慮,只對每組卷積和殘差層的最后一個殘差層進行替換,于是改進后的網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。

    圖6 改進后網(wǎng)絡(luò)結(jié)構(gòu) Fig.6 Network structure after improvement

    3 實驗過程與結(jié)果

    3.1 數(shù)據(jù)收集與處理

    實驗使用焦距20 mm,波段8~12 μm的長波紅外熱像儀在50 m的高度拍攝了570張單場景紅外行人圖像。數(shù)據(jù)拍攝地點在城市中,拍攝目標(biāo)主體為從樓頂斜視的城市街道,因此數(shù)據(jù)集中的場景包含城市道路、建筑物、樹木等,背景非常復(fù)雜。數(shù)據(jù)集圖像中行人目標(biāo)很小,在圖像中的矩形框大小約為13×8個像素,形態(tài)特征較少,用傳統(tǒng)特征提取方法將很難提取到有效特征,適合用深度學(xué)習(xí)方法進行目標(biāo)檢測。

    數(shù)據(jù)中只對行人的目標(biāo)進行了標(biāo)注,為了能夠提升目標(biāo)檢測的性能,提高泛化性,對一部分受到遮擋的行人目標(biāo)也進行了標(biāo)注,希望最后得到的模型能夠應(yīng)對一定程度的目標(biāo)遮擋。由于圖像數(shù)量較少,考慮對數(shù)據(jù)集進行數(shù)據(jù)增強,YOLOv3在訓(xùn)練過程中有多尺度訓(xùn)練的部分,因此數(shù)據(jù)增強時不需要做尺度縮放,只使用翻轉(zhuǎn)、加噪、隨機光照改變等方法,數(shù)據(jù)增強后得到2280張圖像,采集的紅外圖示例如圖7。

    圖7 采集的紅外圖像示例Fig.7 Infrared image example collected for experiment

    3.2 模型訓(xùn)練

    實驗平臺使用Linux 16.04 LTS系統(tǒng),CPU i7 8700 k,GPU為NVIDIA GTX1080 8 G,16 G內(nèi)存。模型訓(xùn)練主要思路是使用已經(jīng)在大規(guī)模數(shù)據(jù)集上訓(xùn)練好的模型進行fine-tune,在新數(shù)據(jù)集上繼續(xù)訓(xùn)練模型。以YOLO原作者在COCO和VOC上訓(xùn)練好的darknet53模型為基礎(chǔ)模型,隨機選取自建數(shù)據(jù)集中的1710張圖像作為訓(xùn)練集,其余的570張圖像為測試集,訓(xùn)練時初始學(xué)習(xí)率為0.001,衰減系數(shù)為0.0005,對于YOLOv3原網(wǎng)絡(luò)和改進后的網(wǎng)絡(luò)都進行訓(xùn)練。

    3.3 實驗結(jié)果

    由于本次實驗中的數(shù)據(jù)集只有一類目標(biāo),采用召回率(recall)和準(zhǔn)確率(precision)作為模型的評價標(biāo)準(zhǔn),其中準(zhǔn)確率為網(wǎng)絡(luò)預(yù)測的所有目標(biāo)中真目標(biāo)的比例,表征此網(wǎng)絡(luò)的分類準(zhǔn)確率;召回率為網(wǎng)絡(luò)預(yù)測成功的真目標(biāo)數(shù)與實際存在的真目標(biāo)數(shù)的比值,表征此網(wǎng)絡(luò)的查全率;以目標(biāo)交并比(IOU,intersection over union)大于0.5為真目標(biāo),IOU為預(yù)測目標(biāo)矩形框和目標(biāo)標(biāo)簽矩形重疊區(qū)域面積占二者并集面積的比值。

    式中:tp為網(wǎng)絡(luò)預(yù)測出的真目標(biāo)數(shù);fn為未能成功預(yù)測出的真目標(biāo)數(shù);n為預(yù)測的總數(shù);n′為標(biāo)簽?zāi)繕?biāo)數(shù)。

    在訓(xùn)練好的模型上,用570張圖像的測試集進行驗證。YOLOv3原網(wǎng)絡(luò)和改進后網(wǎng)絡(luò)的準(zhǔn)確率和召回率對比如表1所示。

    表1 主要指標(biāo)對比 Table 1 Comparison of primary specifications

    網(wǎng)絡(luò)在測試圖像中的檢測效果如圖8所示,可以看到紅外圖像中黯淡模糊的行人目標(biāo)能夠被檢測出來,并且部分被遮擋的目標(biāo)也有較好的檢測能力。

    從表1可以看到改進后的網(wǎng)絡(luò)在兩項主要指標(biāo)上都優(yōu)于原網(wǎng)絡(luò),由于SENet的特征權(quán)重重標(biāo)定,增強了重要特征對分類結(jié)果的影響,抑制了非重要特征,使網(wǎng)絡(luò)的特征描述能力進一步增強,最終令網(wǎng)絡(luò)的召回率和準(zhǔn)確率都得到提升。算法運行時間方面,在GTX1080顯卡,CUDA9.0運行環(huán)境下,570張測試圖片YOLOv3計算了10.77 s,SE-YOLOv3計算了11.15 s,都在50 fps以上,網(wǎng)絡(luò)增加的SE block帶來的額外計算時間較少。

    圖8 檢測結(jié)果示例Fig.8 Detect results of samples

    4 結(jié)語

    文章研究了當(dāng)前主流的深度學(xué)習(xí)目標(biāo)檢測方法,以YOLOv3網(wǎng)絡(luò)為基礎(chǔ),學(xué)習(xí)了SENet對特征進行權(quán)重重標(biāo)定的思路,將SE block引入到Y(jié)OLOv3網(wǎng)絡(luò)中,得到了召回率和準(zhǔn)確率都更高的新網(wǎng)絡(luò),并且保持了原有的高實時性。對實際收集的復(fù)雜紅外圖像進行試驗,新網(wǎng)絡(luò)取得了良好的行人小目標(biāo)檢測效果。

    猜你喜歡
    行人紅外準(zhǔn)確率
    網(wǎng)紅外賣
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    閃亮的中國紅外『芯』
    金橋(2021年4期)2021-05-21 08:19:20
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    TS系列紅外傳感器在嵌入式控制系統(tǒng)中的應(yīng)用
    電子制作(2019年7期)2019-04-25 13:17:14
    路不為尋找者而設(shè)
    揚子江(2019年1期)2019-03-08 02:52:34
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗證法
    我是行人
    看免费av毛片| 亚洲美女视频黄频| АⅤ资源中文在线天堂| 一边摸一边抽搐一进一小说| 亚洲人成伊人成综合网2020| 窝窝影院91人妻| av福利片在线观看| 久久亚洲精品不卡| 色播亚洲综合网| 美女 人体艺术 gogo| 亚洲男人的天堂狠狠| 中文字幕高清在线视频| 欧美一区二区精品小视频在线| 丰满人妻一区二区三区视频av| 亚洲黑人精品在线| 日韩欧美在线二视频| 特级一级黄色大片| 草草在线视频免费看| 久久久久久大精品| 午夜精品久久久久久毛片777| 午夜久久久久精精品| 免费无遮挡裸体视频| 亚洲国产精品sss在线观看| 午夜福利免费观看在线| 99热这里只有是精品在线观看 | 美女免费视频网站| 国产精品自产拍在线观看55亚洲| xxxwww97欧美| 国产亚洲精品av在线| 精品人妻偷拍中文字幕| 国产精品爽爽va在线观看网站| 1024手机看黄色片| 成人欧美大片| 91午夜精品亚洲一区二区三区 | 给我免费播放毛片高清在线观看| 黄色丝袜av网址大全| 国内精品一区二区在线观看| 精华霜和精华液先用哪个| 日韩欧美免费精品| 老司机午夜福利在线观看视频| 少妇的逼水好多| 三级国产精品欧美在线观看| 亚洲精品粉嫩美女一区| 国产成人aa在线观看| 精品人妻一区二区三区麻豆 | 毛片女人毛片| 真实男女啪啪啪动态图| 1000部很黄的大片| 欧美性猛交黑人性爽| 简卡轻食公司| av专区在线播放| 国产免费一级a男人的天堂| 久久精品国产清高在天天线| 男插女下体视频免费在线播放| 精品久久久久久久久久久久久| 国产乱人伦免费视频| 最新中文字幕久久久久| 99久久无色码亚洲精品果冻| 欧美高清性xxxxhd video| 日本熟妇午夜| 午夜a级毛片| 亚洲aⅴ乱码一区二区在线播放| 久久精品国产99精品国产亚洲性色| 看片在线看免费视频| 日韩欧美 国产精品| 亚洲自偷自拍三级| 日韩 亚洲 欧美在线| 欧美潮喷喷水| 免费看a级黄色片| 嫩草影院精品99| 三级毛片av免费| a级一级毛片免费在线观看| 欧美一区二区精品小视频在线| 国产国拍精品亚洲av在线观看| 1024手机看黄色片| 色5月婷婷丁香| 最好的美女福利视频网| 成人午夜高清在线视频| 国产大屁股一区二区在线视频| 亚洲av五月六月丁香网| 亚洲自偷自拍三级| 熟女人妻精品中文字幕| 91在线观看av| 美女免费视频网站| 男插女下体视频免费在线播放| 亚洲在线观看片| 三级国产精品欧美在线观看| 深爱激情五月婷婷| 国产久久久一区二区三区| 色综合婷婷激情| 一本综合久久免费| 特大巨黑吊av在线直播| 色尼玛亚洲综合影院| 国产熟女xx| 亚洲电影在线观看av| 亚洲成人久久性| 国产精品一及| 免费搜索国产男女视频| 久久久久国内视频| 色av中文字幕| 少妇高潮的动态图| av国产免费在线观看| 琪琪午夜伦伦电影理论片6080| av女优亚洲男人天堂| 欧美一级a爱片免费观看看| 日韩国内少妇激情av| 小说图片视频综合网站| 国内揄拍国产精品人妻在线| 啪啪无遮挡十八禁网站| 一卡2卡三卡四卡精品乱码亚洲| 免费看光身美女| 精品久久久久久,| 男女之事视频高清在线观看| 色视频www国产| 天堂av国产一区二区熟女人妻| 精品一区二区三区人妻视频| 亚洲18禁久久av| 嫁个100分男人电影在线观看| 99热这里只有精品一区| 天天一区二区日本电影三级| 神马国产精品三级电影在线观看| 久久久久久国产a免费观看| 嫁个100分男人电影在线观看| 日韩欧美国产在线观看| 国内精品一区二区在线观看| 又粗又爽又猛毛片免费看| 亚洲av免费在线观看| 午夜老司机福利剧场| 欧洲精品卡2卡3卡4卡5卡区| 亚洲,欧美,日韩| 神马国产精品三级电影在线观看| 免费高清视频大片| 亚洲精品久久国产高清桃花| 亚洲男人的天堂狠狠| 国产免费男女视频| 婷婷精品国产亚洲av在线| 在线免费观看的www视频| 日日干狠狠操夜夜爽| 国产亚洲欧美98| 国产色婷婷99| 欧美三级亚洲精品| 国产精品av视频在线免费观看| 亚洲黑人精品在线| 成人特级黄色片久久久久久久| 亚洲片人在线观看| а√天堂www在线а√下载| 欧美日韩福利视频一区二区| 亚洲三级黄色毛片| 国产黄片美女视频| 久久精品国产清高在天天线| 嫩草影院入口| 好男人在线观看高清免费视频| 国产 一区 欧美 日韩| 中文字幕高清在线视频| 亚洲电影在线观看av| 五月玫瑰六月丁香| 中亚洲国语对白在线视频| 亚洲不卡免费看| 成人一区二区视频在线观看| 国产视频一区二区在线看| 九九久久精品国产亚洲av麻豆| 一级毛片久久久久久久久女| 非洲黑人性xxxx精品又粗又长| 国产av麻豆久久久久久久| 日本黄色视频三级网站网址| 国产精品,欧美在线| 毛片一级片免费看久久久久 | 日韩欧美国产一区二区入口| 国产不卡一卡二| 精品午夜福利在线看| 一边摸一边抽搐一进一小说| 欧美3d第一页| 99热这里只有是精品50| 亚洲色图av天堂| 亚洲国产精品sss在线观看| 国产精品爽爽va在线观看网站| 老鸭窝网址在线观看| 51国产日韩欧美| 国产av麻豆久久久久久久| 91午夜精品亚洲一区二区三区 | 99国产综合亚洲精品| 成年免费大片在线观看| 欧美精品啪啪一区二区三区| 亚洲自拍偷在线| 我要搜黄色片| 成年女人毛片免费观看观看9| 国产精品99久久久久久久久| 亚洲第一区二区三区不卡| 九九久久精品国产亚洲av麻豆| 两个人视频免费观看高清| 久久久国产成人精品二区| 亚洲中文日韩欧美视频| 欧美一区二区精品小视频在线| 五月玫瑰六月丁香| 禁无遮挡网站| 久久久久精品国产欧美久久久| 亚洲人成网站在线播放欧美日韩| av欧美777| a在线观看视频网站| 内地一区二区视频在线| 特级一级黄色大片| 男人舔奶头视频| 日韩欧美免费精品| 老司机午夜十八禁免费视频| 日本黄色片子视频| 亚洲无线观看免费| 2021天堂中文幕一二区在线观| 国内毛片毛片毛片毛片毛片| 欧美3d第一页| 在线播放无遮挡| 一级a爱片免费观看的视频| 久久久精品欧美日韩精品| 中文字幕精品亚洲无线码一区| 国内精品久久久久精免费| 亚洲人成网站在线播放欧美日韩| 久久久成人免费电影| 国产一区二区三区在线臀色熟女| 成人av在线播放网站| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 高清毛片免费观看视频网站| 一区二区三区免费毛片| 亚洲av第一区精品v没综合| 毛片女人毛片| 蜜桃久久精品国产亚洲av| 欧美+日韩+精品| 999久久久精品免费观看国产| 91麻豆精品激情在线观看国产| 中文字幕熟女人妻在线| 亚洲五月婷婷丁香| 99热这里只有是精品在线观看 | 久久国产乱子免费精品| 精品乱码久久久久久99久播| 长腿黑丝高跟| 欧美一区二区亚洲| 热99re8久久精品国产| 怎么达到女性高潮| 一个人看视频在线观看www免费| 人人妻人人澡欧美一区二区| 色吧在线观看| 久久亚洲真实| 国产人妻一区二区三区在| 日本一本二区三区精品| 老司机深夜福利视频在线观看| 婷婷精品国产亚洲av在线| 91麻豆精品激情在线观看国产| 久久亚洲真实| 尤物成人国产欧美一区二区三区| 午夜免费男女啪啪视频观看 | 日本成人三级电影网站| 精品人妻偷拍中文字幕| 村上凉子中文字幕在线| 国产一区二区三区在线臀色熟女| 可以在线观看的亚洲视频| 久久国产精品人妻蜜桃| 身体一侧抽搐| av欧美777| 亚洲七黄色美女视频| 国产精品嫩草影院av在线观看 | 搡老熟女国产l中国老女人| 女同久久另类99精品国产91| 久久精品91蜜桃| 国产精品,欧美在线| 女人十人毛片免费观看3o分钟| 三级毛片av免费| 日韩欧美在线乱码| 久久热精品热| 免费大片18禁| 精品国内亚洲2022精品成人| 国产精品久久久久久精品电影| 99精品久久久久人妻精品| 欧美不卡视频在线免费观看| 日本a在线网址| 精品久久久久久久久久免费视频| 久久久成人免费电影| 性欧美人与动物交配| 欧美绝顶高潮抽搐喷水| 亚洲av免费在线观看| 亚洲av不卡在线观看| 国产精品99久久久久久久久| 亚洲自偷自拍三级| 中文字幕人妻熟人妻熟丝袜美| av在线观看视频网站免费| 久久午夜亚洲精品久久| 久久香蕉精品热| 在线观看美女被高潮喷水网站 | 午夜影院日韩av| 能在线免费观看的黄片| av在线蜜桃| 97热精品久久久久久| 亚洲欧美日韩东京热| 色综合站精品国产| 真人做人爱边吃奶动态| 亚洲av成人av| 亚洲在线自拍视频| 久久中文看片网| 色综合欧美亚洲国产小说| 动漫黄色视频在线观看| 九九热线精品视视频播放| 夜夜夜夜夜久久久久| 国产精品亚洲美女久久久| 久久国产乱子免费精品| 久久久国产成人免费| .国产精品久久| 欧美日韩乱码在线| 免费av观看视频| 色吧在线观看| 99热6这里只有精品| 国产精品亚洲美女久久久| 久久精品久久久久久噜噜老黄 | 午夜精品一区二区三区免费看| netflix在线观看网站| 成人av一区二区三区在线看| 在线观看一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 色av中文字幕| 国产精品98久久久久久宅男小说| 久久精品国产亚洲av香蕉五月| 免费观看的影片在线观看| 中文字幕久久专区| 日韩欧美国产一区二区入口| 亚洲av一区综合| 日韩欧美在线二视频| 小说图片视频综合网站| 99热只有精品国产| 1024手机看黄色片| 国产熟女xx| 日本 av在线| 男插女下体视频免费在线播放| 日韩大尺度精品在线看网址| 每晚都被弄得嗷嗷叫到高潮| 亚洲欧美清纯卡通| 亚洲电影在线观看av| 成人无遮挡网站| 伊人久久精品亚洲午夜| av视频在线观看入口| 欧美激情国产日韩精品一区| 久久精品综合一区二区三区| 午夜日韩欧美国产| 黄色视频,在线免费观看| 成人欧美大片| 国产三级黄色录像| 午夜日韩欧美国产| 18禁在线播放成人免费| 亚洲一区二区三区不卡视频| 性色av乱码一区二区三区2| 国产伦一二天堂av在线观看| 免费看美女性在线毛片视频| 欧美+日韩+精品| 国产一区二区三区在线臀色熟女| 国产色婷婷99| 有码 亚洲区| 欧美一级a爱片免费观看看| 亚州av有码| 级片在线观看| 亚洲18禁久久av| 天堂网av新在线| 在线免费观看的www视频| 国产综合懂色| 久久精品国产亚洲av香蕉五月| 欧美高清性xxxxhd video| 男女下面进入的视频免费午夜| 精品日产1卡2卡| 日韩成人在线观看一区二区三区| 欧美成人免费av一区二区三区| 精华霜和精华液先用哪个| 中出人妻视频一区二区| 精品国产三级普通话版| 久久伊人香网站| 久久久成人免费电影| 丰满人妻熟妇乱又伦精品不卡| 日本 av在线| 别揉我奶头 嗯啊视频| 久久亚洲精品不卡| 久久久久精品国产欧美久久久| 国产蜜桃级精品一区二区三区| 内地一区二区视频在线| 国产私拍福利视频在线观看| 怎么达到女性高潮| a级毛片免费高清观看在线播放| 日日摸夜夜添夜夜添小说| 亚洲国产欧美人成| 亚洲国产日韩欧美精品在线观看| 搡老妇女老女人老熟妇| 网址你懂的国产日韩在线| 99久久无色码亚洲精品果冻| 在线天堂最新版资源| a在线观看视频网站| 成人特级黄色片久久久久久久| 18禁裸乳无遮挡免费网站照片| 亚洲人成网站在线播放欧美日韩| 好男人在线观看高清免费视频| 12—13女人毛片做爰片一| 可以在线观看的亚洲视频| 亚洲精品亚洲一区二区| 欧美丝袜亚洲另类 | 亚洲av美国av| 亚洲在线自拍视频| 亚洲av日韩精品久久久久久密| 国产激情偷乱视频一区二区| 亚洲狠狠婷婷综合久久图片| 欧美乱色亚洲激情| 欧美zozozo另类| 亚洲精品一卡2卡三卡4卡5卡| 久久久久国内视频| 成人av一区二区三区在线看| 在线看三级毛片| 无遮挡黄片免费观看| 亚洲精品456在线播放app | 丝袜美腿在线中文| 国产精品亚洲一级av第二区| 在现免费观看毛片| 中文字幕av成人在线电影| 在线看三级毛片| 美女大奶头视频| 内地一区二区视频在线| 亚洲av美国av| 中文字幕av在线有码专区| 极品教师在线免费播放| 激情在线观看视频在线高清| 俺也久久电影网| 两个人的视频大全免费| 国产视频内射| eeuss影院久久| 亚洲第一电影网av| 天堂动漫精品| 一级av片app| 亚洲真实伦在线观看| 麻豆国产av国片精品| ponron亚洲| x7x7x7水蜜桃| 婷婷色综合大香蕉| 国产又黄又爽又无遮挡在线| 久久久久久国产a免费观看| 日日摸夜夜添夜夜添av毛片 | 色av中文字幕| 日韩欧美三级三区| 午夜日韩欧美国产| 91久久精品国产一区二区成人| 在线a可以看的网站| 在线观看午夜福利视频| 色哟哟哟哟哟哟| 99热6这里只有精品| 91av网一区二区| 在线播放国产精品三级| 国产成人福利小说| 内射极品少妇av片p| 嫩草影院入口| 成人av一区二区三区在线看| 最新在线观看一区二区三区| 国产蜜桃级精品一区二区三区| 99热这里只有是精品50| 嫩草影院精品99| 久久久久国产精品人妻aⅴ院| 久久天躁狠狠躁夜夜2o2o| 身体一侧抽搐| 国产69精品久久久久777片| av欧美777| 亚洲av成人精品一区久久| 亚洲无线在线观看| 少妇高潮的动态图| 亚洲欧美日韩高清专用| 人人妻,人人澡人人爽秒播| 久久精品国产99精品国产亚洲性色| 搡女人真爽免费视频火全软件 | 日韩亚洲欧美综合| 午夜影院日韩av| 亚洲精品乱码久久久v下载方式| 欧美黄色片欧美黄色片| 在线播放无遮挡| 亚洲国产精品成人综合色| 成年女人看的毛片在线观看| 午夜激情欧美在线| 日本 av在线| 人妻丰满熟妇av一区二区三区| 亚洲狠狠婷婷综合久久图片| 婷婷亚洲欧美| 麻豆国产av国片精品| 国产欧美日韩一区二区三| 亚洲人与动物交配视频| 国产高潮美女av| 国产亚洲av嫩草精品影院| av天堂中文字幕网| 一个人观看的视频www高清免费观看| 在线观看舔阴道视频| 亚洲精品粉嫩美女一区| 别揉我奶头 嗯啊视频| 亚洲片人在线观看| 一卡2卡三卡四卡精品乱码亚洲| 精品久久久久久,| 欧美黄色淫秽网站| 亚洲自拍偷在线| 欧美中文日本在线观看视频| 精品人妻视频免费看| 在线看三级毛片| 亚洲自拍偷在线| 级片在线观看| a级毛片免费高清观看在线播放| 成人高潮视频无遮挡免费网站| 丝袜美腿在线中文| 欧美三级亚洲精品| 欧美色欧美亚洲另类二区| 99久久精品热视频| 亚洲中文日韩欧美视频| 亚洲精品影视一区二区三区av| 两个人的视频大全免费| 极品教师在线视频| www.999成人在线观看| 熟妇人妻久久中文字幕3abv| 国产成人影院久久av| 亚洲精品在线观看二区| 级片在线观看| 听说在线观看完整版免费高清| 免费av不卡在线播放| 成人av在线播放网站| www日本黄色视频网| 国产高清三级在线| 制服丝袜大香蕉在线| 亚洲国产高清在线一区二区三| xxxwww97欧美| 美女黄网站色视频| 国产午夜精品论理片| 久久久久九九精品影院| 久久久久亚洲av毛片大全| 国产成人啪精品午夜网站| 麻豆国产97在线/欧美| 特级一级黄色大片| 男人和女人高潮做爰伦理| 日韩成人在线观看一区二区三区| 国产又黄又爽又无遮挡在线| 免费大片18禁| 999久久久精品免费观看国产| 又爽又黄无遮挡网站| 国产精品,欧美在线| 91狼人影院| 91久久精品国产一区二区成人| 婷婷精品国产亚洲av| 欧美性猛交黑人性爽| 1024手机看黄色片| 黄色配什么色好看| 美女xxoo啪啪120秒动态图 | 欧美在线黄色| 国产aⅴ精品一区二区三区波| 99热只有精品国产| 最近最新中文字幕大全电影3| 91麻豆精品激情在线观看国产| 色av中文字幕| avwww免费| 国产av一区在线观看免费| 宅男免费午夜| 国产高清三级在线| 哪里可以看免费的av片| 波多野结衣巨乳人妻| 欧美一区二区亚洲| 亚洲国产精品合色在线| 色精品久久人妻99蜜桃| 亚洲人成网站在线播放欧美日韩| 精品欧美国产一区二区三| 97碰自拍视频| 欧美中文日本在线观看视频| 18禁黄网站禁片免费观看直播| 亚洲久久久久久中文字幕| 久久久成人免费电影| 成人美女网站在线观看视频| 国产国拍精品亚洲av在线观看| 成人精品一区二区免费| 免费看美女性在线毛片视频| 婷婷亚洲欧美| 男插女下体视频免费在线播放| 一区二区三区高清视频在线| 欧美色欧美亚洲另类二区| av国产免费在线观看| 在线播放国产精品三级| 欧美精品国产亚洲| 亚洲av中文字字幕乱码综合| 我要搜黄色片| 亚洲成人久久性| 亚洲美女搞黄在线观看 | 亚洲精品色激情综合| 亚洲最大成人中文| 国产美女午夜福利| 久久精品国产亚洲av香蕉五月| 中文资源天堂在线| 真人一进一出gif抽搐免费| 男女下面进入的视频免费午夜| 午夜免费男女啪啪视频观看 | 精品久久久久久久末码| 又粗又爽又猛毛片免费看| 观看免费一级毛片| av视频在线观看入口| 日韩欧美国产一区二区入口| 又黄又爽又刺激的免费视频.| 一区二区三区四区激情视频 | 国产精品永久免费网站| 国产精品自产拍在线观看55亚洲| 999久久久精品免费观看国产| 精品久久久久久成人av| 听说在线观看完整版免费高清| 色哟哟哟哟哟哟| 久久精品国产亚洲av天美| 偷拍熟女少妇极品色| 一区二区三区高清视频在线| 精品久久久久久久久久久久久| 午夜亚洲福利在线播放| 日韩人妻高清精品专区| 真实男女啪啪啪动态图| 色播亚洲综合网| 自拍偷自拍亚洲精品老妇| 亚洲在线自拍视频| 亚洲精品影视一区二区三区av| 亚洲自拍偷在线| 国产欧美日韩精品一区二区| 18禁裸乳无遮挡免费网站照片| 中文字幕人成人乱码亚洲影| 小蜜桃在线观看免费完整版高清| 毛片女人毛片|