• <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
    国产一级毛片七仙女欲春2| 性色avwww在线观看| 激情 狠狠 欧美| or卡值多少钱| 国内揄拍国产精品人妻在线| 亚洲精品,欧美精品| 午夜福利高清视频| 看十八女毛片水多多多| 日本熟妇午夜| 国产一区二区三区综合在线观看 | 亚洲欧美精品自产自拍| 亚洲国产高清在线一区二区三| 色网站视频免费| h日本视频在线播放| 网址你懂的国产日韩在线| av.在线天堂| 亚洲精品日韩av片在线观看| 精品一区在线观看国产| 午夜福利视频1000在线观看| 亚洲在线自拍视频| 国产黄片美女视频| 韩国高清视频一区二区三区| 99久久精品一区二区三区| 久久久久久久久中文| 国产精品1区2区在线观看.| 欧美区成人在线视频| 国产黄色免费在线视频| 最近最新中文字幕免费大全7| 日韩不卡一区二区三区视频在线| 特大巨黑吊av在线直播| 成人鲁丝片一二三区免费| 日韩av在线大香蕉| 欧美性猛交╳xxx乱大交人| 综合色丁香网| 欧美成人一区二区免费高清观看| 18禁在线无遮挡免费观看视频| 亚洲高清免费不卡视频| 久久韩国三级中文字幕| 午夜老司机福利剧场| 亚洲av不卡在线观看| 久久久精品免费免费高清| 在线天堂最新版资源| 久久这里只有精品中国| 欧美日韩国产mv在线观看视频 | 久久精品久久精品一区二区三区| 久久人人爽人人片av| 国产免费又黄又爽又色| 免费观看av网站的网址| 爱豆传媒免费全集在线观看| 毛片女人毛片| 成人一区二区视频在线观看| 在线天堂最新版资源| 亚洲综合色惰| 大香蕉97超碰在线| 啦啦啦韩国在线观看视频| 日本免费在线观看一区| 亚洲18禁久久av| 久久国内精品自在自线图片| 亚洲av成人精品一区久久| 夜夜看夜夜爽夜夜摸| 精品久久久久久电影网| 日韩欧美精品免费久久| 亚洲三级黄色毛片| 久久热精品热| 亚洲国产欧美人成| 韩国高清视频一区二区三区| 国产成人精品福利久久| 国产精品久久久久久精品电影| 美女内射精品一级片tv| 伊人久久国产一区二区| 日本免费在线观看一区| 亚洲欧洲日产国产| 三级毛片av免费| 免费人成在线观看视频色| 成年女人看的毛片在线观看| 高清av免费在线| 99久国产av精品国产电影| av黄色大香蕉| 国产有黄有色有爽视频| 国产精品一及| 禁无遮挡网站| 成人欧美大片| 91aial.com中文字幕在线观看| 亚洲av电影在线观看一区二区三区 | 亚洲最大成人av| 免费黄色在线免费观看| 国产又色又爽无遮挡免| 日本午夜av视频| 国产黄色小视频在线观看| 超碰97精品在线观看| 久久久久免费精品人妻一区二区| 亚洲国产精品sss在线观看| 欧美日韩视频高清一区二区三区二| 久久精品国产亚洲网站| 伦精品一区二区三区| 免费高清在线观看视频在线观看| 亚洲第一区二区三区不卡| 国产精品一区二区在线观看99 | 一个人看视频在线观看www免费| 日本免费在线观看一区| 婷婷色麻豆天堂久久| 日韩制服骚丝袜av| 亚洲18禁久久av| 搡老妇女老女人老熟妇| 2021少妇久久久久久久久久久| 免费黄色在线免费观看| av线在线观看网站| 国产成人一区二区在线| 欧美区成人在线视频| 2021天堂中文幕一二区在线观| 亚洲美女视频黄频| 一级二级三级毛片免费看| 国产精品久久久久久精品电影| 国产精品一区二区三区四区免费观看| 久久久久免费精品人妻一区二区| 内射极品少妇av片p| 欧美三级亚洲精品| 国产 一区精品| 少妇丰满av| 国产精品一区二区三区四区久久| 精品一区二区三区视频在线| 欧美高清成人免费视频www| 亚洲乱码一区二区免费版| 美女xxoo啪啪120秒动态图| 啦啦啦啦在线视频资源| 欧美日韩综合久久久久久| 精品午夜福利在线看| 在线免费十八禁| 久久久精品免费免费高清| 亚洲精品视频女| 美女xxoo啪啪120秒动态图| 欧美成人精品欧美一级黄| 精品酒店卫生间| 亚洲怡红院男人天堂| 美女cb高潮喷水在线观看| 成人一区二区视频在线观看| 哪个播放器可以免费观看大片| av在线播放精品| 99九九线精品视频在线观看视频| 99久久人妻综合| 全区人妻精品视频| 噜噜噜噜噜久久久久久91| 亚洲精品456在线播放app| 久久久久国产网址| 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 | 97热精品久久久久久| 99热网站在线观看| 超碰av人人做人人爽久久| 欧美成人精品欧美一级黄| 国产精品1区2区在线观看.| 国产成人免费观看mmmm| 97精品久久久久久久久久精品| 久久久久免费精品人妻一区二区| 日日撸夜夜添| 麻豆av噜噜一区二区三区| 少妇熟女aⅴ在线视频| 欧美bdsm另类| 亚洲国产色片| 色综合色国产| 久久精品综合一区二区三区| 九九爱精品视频在线观看| 人体艺术视频欧美日本| 噜噜噜噜噜久久久久久91| 国产v大片淫在线免费观看| 亚洲成人av在线免费| 黑人高潮一二区| 亚洲成人久久爱视频| 中国美白少妇内射xxxbb| 久久这里只有精品中国| 少妇熟女欧美另类| 精品国产一区二区三区久久久樱花 | 国产久久久一区二区三区| 亚洲电影在线观看av| 一边亲一边摸免费视频| 欧美极品一区二区三区四区| 久久热精品热| 最近中文字幕高清免费大全6| 蜜桃久久精品国产亚洲av| 夜夜看夜夜爽夜夜摸| 精品一区在线观看国产| 国产亚洲av片在线观看秒播厂 | 亚洲国产最新在线播放| 91精品一卡2卡3卡4卡| 少妇被粗大猛烈的视频| 能在线免费观看的黄片| 白带黄色成豆腐渣| 精品久久国产蜜桃| 欧美成人精品欧美一级黄| 欧美三级亚洲精品| av在线播放精品| 国产精品麻豆人妻色哟哟久久 | 亚洲美女搞黄在线观看| 国产乱人视频| 精品久久久久久久末码| 午夜久久久久精精品| 纵有疾风起免费观看全集完整版 | 精品一区二区三卡| 男人舔女人下体高潮全视频| 国产在视频线精品| 欧美人与善性xxx| 亚洲综合色惰| 麻豆av噜噜一区二区三区| 最近中文字幕2019免费版| 久久久久久久午夜电影| 日韩欧美国产在线观看| 91av网一区二区| 亚洲精品国产av成人精品| 少妇的逼水好多| 欧美bdsm另类| 青春草国产在线视频| 成人亚洲欧美一区二区av| 精品一区在线观看国产| 最近最新中文字幕大全电影3| 久久久午夜欧美精品| 男女视频在线观看网站免费| 尾随美女入室| 麻豆国产97在线/欧美| 亚洲精品国产av蜜桃| 我的老师免费观看完整版| 国产黄色小视频在线观看| 精品久久久噜噜| 国产真实伦视频高清在线观看| 在线观看美女被高潮喷水网站| 国产视频内射| 亚洲av免费高清在线观看| 18禁在线播放成人免费| 亚洲四区av| 婷婷色av中文字幕| 精品一区二区三卡| 免费观看在线日韩| 亚州av有码| 日本一二三区视频观看| videos熟女内射| 成人亚洲精品一区在线观看 | 国产精品久久久久久av不卡| 人妻系列 视频| 亚洲人成网站在线观看播放| 精品人妻偷拍中文字幕| 久久精品综合一区二区三区| 在线免费十八禁| 免费看不卡的av| 少妇人妻一区二区三区视频| 嫩草影院精品99| 熟妇人妻不卡中文字幕| 国产av在哪里看| 一区二区三区免费毛片| 少妇熟女aⅴ在线视频| 亚洲熟妇中文字幕五十中出| 狠狠精品人妻久久久久久综合| 欧美激情国产日韩精品一区| 亚洲国产色片| 午夜免费观看性视频| 成人毛片60女人毛片免费| 久久热精品热| 国产成年人精品一区二区| 精品一区二区三区视频在线| 色5月婷婷丁香| 中文字幕av成人在线电影| 国产精品av视频在线免费观看| 国产亚洲午夜精品一区二区久久 | 深爱激情五月婷婷| 欧美xxxx性猛交bbbb| 亚洲美女搞黄在线观看| www.av在线官网国产| 精品久久久久久久久亚洲| 深爱激情五月婷婷| 啦啦啦啦在线视频资源| 国产探花极品一区二区| 亚洲成人中文字幕在线播放| 国产成人aa在线观看| 欧美变态另类bdsm刘玥| 国产精品久久久久久精品电影| 韩国高清视频一区二区三区| 日本黄大片高清| 国产高清有码在线观看视频| 亚洲国产精品专区欧美| 大香蕉久久网| 国产精品无大码| 国产精品.久久久| 亚洲熟女精品中文字幕| 国产成人精品婷婷| 国产亚洲av嫩草精品影院| 狠狠精品人妻久久久久久综合| 亚洲人成网站在线观看播放| 91久久精品电影网| 777米奇影视久久| 婷婷色综合www| 国产日韩欧美在线精品| 国内精品美女久久久久久| 97超视频在线观看视频| 国产精品美女特级片免费视频播放器| 老司机影院毛片| 国产黄色小视频在线观看| av专区在线播放| 国产精品一及| 高清毛片免费看| 在线观看av片永久免费下载| 亚洲精品日本国产第一区| 女人久久www免费人成看片| a级毛片免费高清观看在线播放| 午夜久久久久精精品| 美女主播在线视频| 国产精品伦人一区二区| 亚洲精品久久久久久婷婷小说| 国产精品熟女久久久久浪| 亚洲经典国产精华液单| 69人妻影院| 国产伦精品一区二区三区四那| 国产 亚洲一区二区三区 | 能在线免费看毛片的网站| 少妇熟女aⅴ在线视频| 国产视频首页在线观看| 精品久久久久久久人妻蜜臀av| 99久久中文字幕三级久久日本| 成年av动漫网址| 日本与韩国留学比较| 亚洲va在线va天堂va国产| 白带黄色成豆腐渣| 69av精品久久久久久| 国产亚洲精品av在线| 久久人人爽人人爽人人片va| 又爽又黄a免费视频| ponron亚洲| 日日干狠狠操夜夜爽| 国产探花在线观看一区二区| 国产精品av视频在线免费观看| 免费看日本二区| 国产极品天堂在线| 最近2019中文字幕mv第一页| 你懂的网址亚洲精品在线观看| 亚洲精品影视一区二区三区av| 伊人久久精品亚洲午夜| 嫩草影院新地址| 18+在线观看网站| 亚洲内射少妇av| 亚洲人成网站高清观看| 国产精品人妻久久久影院| 欧美高清性xxxxhd video| 深夜a级毛片| 亚洲人与动物交配视频| 中文字幕av成人在线电影| 老司机影院成人| 成人亚洲精品一区在线观看 | 亚洲乱码一区二区免费版| 一级毛片我不卡| 九草在线视频观看| 成人午夜高清在线视频| 天天一区二区日本电影三级| or卡值多少钱| 中文资源天堂在线| 舔av片在线| 午夜免费观看性视频| 亚洲熟妇中文字幕五十中出| 精品久久久噜噜| 亚洲精品乱久久久久久| 成人美女网站在线观看视频| 五月玫瑰六月丁香| 成人一区二区视频在线观看| 一级毛片电影观看| 中国美白少妇内射xxxbb| 国产高清国产精品国产三级 | av在线老鸭窝| 亚洲自拍偷在线| 毛片一级片免费看久久久久| 欧美性猛交╳xxx乱大交人| 亚洲精品日本国产第一区| 国产淫语在线视频| 身体一侧抽搐| 一级毛片久久久久久久久女| 成年免费大片在线观看| 色5月婷婷丁香| 国产精品久久久久久精品电影| 久久久久九九精品影院| 欧美潮喷喷水| 深夜a级毛片| 天天躁日日操中文字幕| 成人综合一区亚洲| 日韩人妻高清精品专区| 69人妻影院| 日韩视频在线欧美| 日韩精品青青久久久久久| 国精品久久久久久国模美| 极品少妇高潮喷水抽搐| 中文天堂在线官网| 国产免费视频播放在线视频 | 亚洲精品色激情综合| 日韩欧美国产在线观看| 黄片wwwwww| 久99久视频精品免费| 网址你懂的国产日韩在线| 一二三四中文在线观看免费高清| 三级经典国产精品| 日韩欧美精品免费久久| 午夜福利在线观看免费完整高清在| 禁无遮挡网站| 纵有疾风起免费观看全集完整版 | 亚洲经典国产精华液单| av在线播放精品| 黄色配什么色好看| 国精品久久久久久国模美| 少妇熟女aⅴ在线视频| 一区二区三区四区激情视频| 久久久久免费精品人妻一区二区| 69人妻影院| 看免费成人av毛片| 精品久久久久久久末码| 免费观看在线日韩| 欧美激情在线99| 天堂av国产一区二区熟女人妻| 亚洲精品日韩av片在线观看| 欧美激情在线99| 欧美一级a爱片免费观看看| 人人妻人人澡欧美一区二区| 国产成人a∨麻豆精品| 午夜免费观看性视频| 久久久久久久久大av| 能在线免费观看的黄片| 久久久久免费精品人妻一区二区| 国产成人91sexporn| 国产中年淑女户外野战色| 国产黄片美女视频| 男女边吃奶边做爰视频| 97超碰精品成人国产| 亚洲精品乱久久久久久| 精品99又大又爽又粗少妇毛片| 日韩欧美 国产精品| 免费大片18禁| 又爽又黄a免费视频| 97人妻精品一区二区三区麻豆| 亚洲精品成人av观看孕妇| 欧美日韩综合久久久久久| 国产精品日韩av在线免费观看| 韩国高清视频一区二区三区| .国产精品久久| 精品国产三级普通话版| 国产免费视频播放在线视频 | 日韩欧美精品v在线| 亚洲国产精品专区欧美| 久99久视频精品免费| 免费看不卡的av| 亚洲熟妇中文字幕五十中出| 亚洲精品成人av观看孕妇| 亚洲成人av在线免费| 日本av手机在线免费观看| 国产免费福利视频在线观看| 亚洲精品,欧美精品| 久热久热在线精品观看| 亚洲国产精品专区欧美| 成人欧美大片| 嫩草影院新地址| 夫妻性生交免费视频一级片| 在现免费观看毛片| 国产av在哪里看| 午夜精品国产一区二区电影 | 国产精品av视频在线免费观看| 国产高清三级在线| 嫩草影院精品99| 国产成人精品福利久久| 一本一本综合久久| 国产黄频视频在线观看| 国产久久久一区二区三区| 亚洲自偷自拍三级| 国产亚洲精品av在线| 卡戴珊不雅视频在线播放| 精品熟女少妇av免费看| 一级黄片播放器| 精华霜和精华液先用哪个| 直男gayav资源| 国产一区亚洲一区在线观看| 亚洲精华国产精华液的使用体验| 国产成人a∨麻豆精品| av福利片在线观看| 亚洲欧美清纯卡通| 午夜福利在线观看免费完整高清在| 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 | 人妻少妇偷人精品九色| 亚洲成人中文字幕在线播放| 久热久热在线精品观看| 国产精品久久久久久精品电影| 美女被艹到高潮喷水动态| 亚洲一级一片aⅴ在线观看| 久久久精品免费免费高清| 久久精品久久精品一区二区三区| 国产精品.久久久| 久久午夜福利片| 国产永久视频网站| 国产中年淑女户外野战色| 少妇丰满av| 午夜精品一区二区三区免费看| xxx大片免费视频| 91精品一卡2卡3卡4卡| 舔av片在线| 国产精品一区二区在线观看99 | 亚洲丝袜综合中文字幕| 一夜夜www| 国产成人freesex在线| 美女cb高潮喷水在线观看| 色网站视频免费| 2021少妇久久久久久久久久久| 精品久久久久久成人av| 国产 亚洲一区二区三区 | 别揉我奶头 嗯啊视频| 亚洲怡红院男人天堂| 国产淫片久久久久久久久| 美女大奶头视频| 观看免费一级毛片| 国产成人福利小说| 国产成人freesex在线| 国产亚洲精品久久久com| 肉色欧美久久久久久久蜜桃 | 欧美性感艳星| 精品久久久精品久久久| 91精品一卡2卡3卡4卡| 欧美不卡视频在线免费观看| 亚洲av电影在线观看一区二区三区 | 久久精品国产鲁丝片午夜精品| 少妇丰满av| 亚洲国产色片| 亚洲电影在线观看av| 校园人妻丝袜中文字幕| 国产一区有黄有色的免费视频 | 99久久精品热视频| 国产亚洲一区二区精品| 亚洲精品乱码久久久久久按摩| 一区二区三区乱码不卡18| 国产精品一区二区在线观看99 | 精华霜和精华液先用哪个| 观看美女的网站| 国产毛片a区久久久久| 啦啦啦中文免费视频观看日本| 免费看不卡的av| 有码 亚洲区| 男女那种视频在线观看| 久久精品久久久久久噜噜老黄| 久久99热6这里只有精品| 黄片无遮挡物在线观看| 国产视频内射| 欧美日韩在线观看h| 久久久久精品性色| 久久久久久久久久人人人人人人| 精品久久久精品久久久| 国产伦一二天堂av在线观看| 又粗又硬又长又爽又黄的视频| av专区在线播放| 97超视频在线观看视频| 高清在线视频一区二区三区| 国产伦精品一区二区三区视频9| 天堂俺去俺来也www色官网 | 亚洲精品亚洲一区二区| 午夜亚洲福利在线播放| 久久久久久久久中文| 97超视频在线观看视频| 国产片特级美女逼逼视频| 国产成人精品久久久久久| 久久韩国三级中文字幕| 日韩在线高清观看一区二区三区| 麻豆国产97在线/欧美| 尤物成人国产欧美一区二区三区| 国产真实伦视频高清在线观看| 久久久久精品性色| 午夜福利高清视频| 一级毛片我不卡| av在线亚洲专区| 嫩草影院新地址| 国产成人午夜福利电影在线观看| 国产精品一及| 日韩欧美国产在线观看| or卡值多少钱| 美女被艹到高潮喷水动态| 免费播放大片免费观看视频在线观看| 亚洲精品日本国产第一区| 人妻夜夜爽99麻豆av| 国产成人a∨麻豆精品| 欧美变态另类bdsm刘玥| 听说在线观看完整版免费高清| 亚洲丝袜综合中文字幕| 成人国产麻豆网| 日韩电影二区| 18禁在线播放成人免费| 麻豆久久精品国产亚洲av| 色视频www国产| 亚洲精品乱久久久久久| 国产精品99久久久久久久久| 一个人观看的视频www高清免费观看| av福利片在线观看| 亚洲最大成人手机在线| 肉色欧美久久久久久久蜜桃 | 日本猛色少妇xxxxx猛交久久| 精品久久久久久成人av| 久久这里只有精品中国| 麻豆av噜噜一区二区三区| 日韩一本色道免费dvd| 啦啦啦啦在线视频资源| 神马国产精品三级电影在线观看| 男人狂女人下面高潮的视频| 国产三级在线视频| 熟妇人妻不卡中文字幕| 国产不卡一卡二| 国产一区有黄有色的免费视频 | 女人十人毛片免费观看3o分钟| 老司机影院毛片| 午夜福利视频精品| 大话2 男鬼变身卡| 日韩一区二区三区影片| 亚洲av国产av综合av卡| 特大巨黑吊av在线直播| 亚洲乱码一区二区免费版| 亚洲人成网站在线播| 亚洲美女视频黄频| 精品一区二区三卡| 亚洲国产欧美在线一区| 国产伦理片在线播放av一区| 搡老妇女老女人老熟妇| 亚洲av中文av极速乱|