• <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 ?

    基于改進SSD網(wǎng)絡(luò)的目標檢測方法

    2020-06-22 13:15:56周德良
    軟件導(dǎo)刊 2020年5期
    關(guān)鍵詞:損失函數(shù)目標檢測

    周德良

    摘 要:傳統(tǒng)目標檢測方法存在準確率低、可靠性差、效率低等問題,無法滿足對大量圖片準確、高效處理的需求。對SSD網(wǎng)絡(luò)結(jié)構(gòu)進行改進,刪除原網(wǎng)絡(luò)最后兩個預(yù)測層,對保留各預(yù)測層的默認框個數(shù)和寬高比進行優(yōu)化,同時對保留的最后一個預(yù)測層的網(wǎng)絡(luò)參數(shù)進行改進。改進后的SSD網(wǎng)絡(luò)減少了網(wǎng)絡(luò)參數(shù)和計算量,對存在遮擋、目標較小等情況的圖片數(shù)據(jù)具有更好的檢測精度和檢測效果,同時模型檢測的mAP提高了約5.1%。改進后的網(wǎng)絡(luò)模型解決了傳統(tǒng)方法的不足,可以實時、準確、高效地對大量圖片數(shù)據(jù)進行目標檢測處理。

    關(guān)鍵詞:SSD網(wǎng)絡(luò);目標檢測;預(yù)測層;默認候選框;損失函數(shù)

    DOI:10. 11907/rjdk. 192082 開放科學(xué)(資源服務(wù))標識碼(OSID):

    中圖分類號:TP301文獻標識碼:A 文章編號:1672-7800(2020)005-0052-04

    0 引言

    目標檢測[1-4](Object Detection)是利用圖像處理與模式識別等理論和方法,檢測并確定圖像中存在的目標對象及其語義類別,同時在圖像中標定出目標對象位置的檢測技術(shù)。SSD目標檢測[5-8]通過多層表示對數(shù)據(jù)間的復(fù)雜關(guān)系進行建模,并通過組合低級特征以形成更加抽象的高級特征,從而完成對數(shù)據(jù)特征的提取,并基于已提取特征,利用訓(xùn)練好的檢測模型對新樣本進行目標檢測。其具有很強的建模和推理能力,能夠有效、準確地解決許多復(fù)雜的目標檢測問題。目標檢測具有廣闊的應(yīng)用前景和較高的市場價值,其不僅可以應(yīng)用于智能視頻監(jiān)控、無人駕駛、機器人導(dǎo)航、行人檢測[9]等領(lǐng)域,也可以應(yīng)用于人體行為識別、圖像語義分割、事件檢測等更復(fù)雜的領(lǐng)域。

    傳統(tǒng)目標檢測方法[10-11]主要采用特征提取+分類模式,首先將目標從視頻或圖片中分割出來并對其進行特征提取,將提取到的特征與標準設(shè)計特征進行比對,然后利用SVM[12]、Adaboost[13]等分類器進行類別判斷。傳統(tǒng)方法存在準確率低、可靠性差、效率低等問題,無法對傳播媒介迅速發(fā)展所產(chǎn)生的大量圖片進行準確、高效處理。本文基于改進的SSD網(wǎng)絡(luò)對圖片數(shù)據(jù)進行學(xué)習(xí)訓(xùn)練與目標檢測,通過優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)提高模型檢測性能,旨在滿足對大量圖片數(shù)據(jù)進行準確、高效地目標檢測需求。

    1 SSD

    SSD[5-8](Single Shot MultiBox Dector)是2016 在ECCV上提出的一種目標檢測算法,為目前主要的目標檢測框架之一。SSD采用了YOLO[14-15]的回歸思想,將目標檢測轉(zhuǎn)化為簡單的回歸問題進行處理;SSD采用Faster RCNN[16]中的Anchor機制,選取不同尺度和長寬比的默認框;同時,SSD采用基于特征金字塔(Pyramidal Feature Hierachy)的檢測方式,在不同尺度的特征圖上同時進行Softmax分類和位置回歸。相比Faster RCNN,SSD具有顯著速度優(yōu)勢,而相比YOLO,其又具有顯著的mAP優(yōu)勢。

    1.1 SSD網(wǎng)絡(luò)結(jié)構(gòu)

    SSD網(wǎng)絡(luò)架構(gòu)如圖1所示,主要由位于前端的基礎(chǔ)網(wǎng)絡(luò)部分和位于后端的附加特征提取部分組成。其中,基礎(chǔ)網(wǎng)絡(luò)部分采用VGG-16[17]分類模型去除分類層的卷積網(wǎng)絡(luò),主要用于提取目標的初級特征。該部分包含13個卷積層,在對尺寸為300×300 的輸入圖像進行卷積運算后可得到512張19×19的特征圖。附加特征提取部分是一組級聯(lián)的卷積神經(jīng)網(wǎng)絡(luò),主要用于提取目標的高級特征。該部分包含10個卷積層,其中前兩個卷積層Conv6和Conv7分別由VGG-16模型中全連接層Fc6與Fc7通過下采樣和 atrous方法修改而成,同時去除了VGG-16中的dropout層和分類層,并將池化層pool5由原來的2×2-s2?更改為3×3-s1;其余8層為格外創(chuàng)建的卷積層,分為4組,每一組都先使用1×1的卷積核降通道,再使用3×3 的卷積核增通道。

    1.2 SSD檢測機制

    SSD目標檢測機制主要以不同尺度的特征圖和默認候選框修正作為檢測基礎(chǔ),具體內(nèi)容如下:

    SSD網(wǎng)絡(luò)選取conv4_3、fc7、conv8_2、conv9_2、conv10_2、conv11_2等6個卷積層作為目標檢測的預(yù)測層,對這6個預(yù)測層不同尺度的特征圖同時進行Softmax分類和位置回歸。針對每一層特征圖,選取若干不同大小、不同長寬比的默認候選框,其中能與Ground Truth物體框相匹配的默認候選框就是正樣本,負責對待檢目標進行分類與定位,反之為負樣本,與背景相匹配。為了保證正負樣本盡量平衡,采用Hard Negative Mining方法對負樣本進行抽樣,以保證正負樣本比例接近1∶3。默認候選框大小隨預(yù)測層深度增加不斷增大,因此淺層預(yù)測層負責預(yù)測小目標,深層預(yù)測層負責預(yù)測大目標。利用前向傳播在不同尺度特征圖上回歸得到默認候選框的修正值,據(jù)此對默認候選框進行修正可得到待檢目標的預(yù)測框,然后計算目標損失函數(shù)并利用誤差反向傳播更新各層相關(guān)參數(shù)。通過前向傳播與誤差反向傳播的不斷迭代,最終在不同尺度特征圖上可得到待檢目標的最終預(yù)測框和類別信息。

    1.3 SSD目標損失函數(shù)

    SSD網(wǎng)絡(luò)同時對目標位置和類別進行回歸,因此目標損失函數(shù)是置信損失和位置損失之和,如式(1)所示。

    其中,N為與Ground Truth物體框相匹配的默認候選框個數(shù);x為默認候選框與不同類別的Ground Truth物體框匹配結(jié)果;c為類別置信度;l為預(yù)測框位置信息;g為Ground Truth物體框位置信息;a為位置損失權(quán)重參數(shù);[Lconf(x,c)]為類別置信損失;[Lloc(x,l,g)]為位置置信損失。

    1.4 SSD訓(xùn)練流程

    SSD訓(xùn)練流程概括如下:①輸入數(shù)據(jù)經(jīng)過前向傳播得到不同層級的特征圖,選取部分特征層作為預(yù)測層,并在不同尺度特征圖上選取若干不同大小、不同長寬比的默認候選框;②將前端網(wǎng)絡(luò)產(chǎn)生的特征圖作為預(yù)測層的輸入,在預(yù)測層經(jīng)過卷積計算得到每個默認候選框的坐標位置偏移量和類別置信度;③根據(jù)默認候選框的偏移量計算出待檢目標的預(yù)測框,再根據(jù)類別置信度和定位置信度計算每個默認候選框的損失函數(shù),累加求和得到網(wǎng)絡(luò)總體損失函數(shù);④將網(wǎng)絡(luò)誤差通過反向傳播分攤給各層所有單元,根據(jù)各單元誤差信號利用鏈式求導(dǎo)法則計算梯度,調(diào)整各單元權(quán)重和相關(guān)參數(shù);⑤重復(fù)上述過程直到損失函數(shù)滿足一定閾值范圍,或迭代訓(xùn)練達到預(yù)定最大迭代次數(shù)為止。

    2 SSD目標檢測

    2.1 數(shù)據(jù)處理

    實驗數(shù)據(jù)集采用網(wǎng)絡(luò)媒介上下載的圖片,一共包括 ? 9 500張,每一張包含1個或多個目標物體。利用labelImg圖片標注工具對數(shù)據(jù)集圖片中出現(xiàn)的人、貓、狗、綿羊、小汽車、摩托車、船、飛機等20類常見目標物體進行標注,每標注完成一張圖片對應(yīng)生成一個xml文件,里面包含對應(yīng)圖片內(nèi)所有目標物體的標簽信息和位置信息。將9 500張數(shù)據(jù)隨機取出7 600張作為訓(xùn)練集,用于網(wǎng)絡(luò)模型訓(xùn)練,余下的1 900張作為測試集,用于迭代訓(xùn)練過程中的模型測試,并通過腳本程序?qū)⒂?xùn)練集與測試集數(shù)據(jù)分別對應(yīng)轉(zhuǎn)化成LMDB數(shù)據(jù)文件,供神經(jīng)網(wǎng)絡(luò)讀取數(shù)據(jù)并用于訓(xùn)練及測試。訓(xùn)練過程中,通過數(shù)據(jù)增強方法隨機改變圖片亮度、對比度、飽和度,同時對圖片進行隨機剪切、鏡像等,以增加網(wǎng)絡(luò)訓(xùn)練模型的泛化性,提高網(wǎng)絡(luò)模型檢測能力。

    2.2 網(wǎng)絡(luò)改進

    未改進SSD網(wǎng)絡(luò)的各預(yù)測層基本參數(shù)如表1所示,可以發(fā)現(xiàn),越靠前的預(yù)測層其特征圖尺寸越大,但感受野尺寸和默認框尺寸越小;越靠后的預(yù)測層其特征圖尺寸越小,但感受野尺寸和默認框尺寸越大。因此,靠前的預(yù)測層負責預(yù)測圖片中的小目標,而靠后的預(yù)測層負責預(yù)測圖片中的大目標,尤其是conv10_2和conv11_2這兩個預(yù)測層,其寬高比為1的默認框尺寸均在200×200以上,最大的甚至接近SSD網(wǎng)絡(luò)輸入圖像的尺寸300×300,因而主要負責預(yù)測占據(jù)圖片尺寸一半以上甚至幾乎整個圖片畫面的更大目標。

    圖2為所有數(shù)據(jù)集Ground Truth物體框的分布情況,圖中橫軸表示Ground Truth物體框的寬,縱軸表示Ground Truth物體框的高,黑色點表示Ground Truth物體框的寬高分布。從圖2可以發(fā)現(xiàn),在區(qū)域A(橫軸200~300、縱軸200~300)、區(qū)域B(橫軸200~300、縱軸135~200)和區(qū)域C(橫軸135~200、縱軸200~300)內(nèi)黑色點分布非常稀少,但在這3個區(qū)域之外黑色點分布非常濃密,這表明Ground Truth物體框在區(qū)域A、B、C分布非常稀少,幾乎全部Ground Truth物體框都分布在這3個區(qū)域之外。同時參考表1可以發(fā)現(xiàn),conv10_2和conv11_2這兩個預(yù)測層所具有的默認框尺寸與訓(xùn)練數(shù)據(jù)集Ground Truth物體框分布存在較差的匹配度,它們相對訓(xùn)練數(shù)據(jù)集Ground Truth物體框顯然更適合預(yù)測更大的目標,而其它4個預(yù)測層的默認框尺寸與訓(xùn)練數(shù)據(jù)集Ground Truth物體框分布則能夠很好地匹配。因此,為了更好地對待檢目標進行學(xué)習(xí)訓(xùn)練與預(yù)測,同時為了加快SSD網(wǎng)絡(luò)的計算和收斂速度,刪掉原SSD網(wǎng)絡(luò)的預(yù)測層conv10_2和conv11_2,保留其它4個預(yù)測層conv4_3、fc7、conv8_2和conv9_2。觀察圖2還會發(fā)現(xiàn),Ground Truth物體框的寬高分布包含了寬高比1/3、3、1/2、2等所有情況,因此conv4_3、fc7、conv8_2和conv9_2這4個預(yù)測層的默認框個數(shù)和寬高比較原SSD網(wǎng)絡(luò)保持不變。同時為了更好地提取特征圖內(nèi)待檢目標的目標特征,將預(yù)測層conv9_2的填充Pad由1改為0。

    2.3 網(wǎng)絡(luò)訓(xùn)練

    網(wǎng)絡(luò)訓(xùn)練集共包括7 600張圖片,測試集共包括1 900張圖片,待學(xué)習(xí)類別總數(shù)為20。因此,利用SSD網(wǎng)絡(luò)進行數(shù)據(jù)訓(xùn)練時,網(wǎng)絡(luò)參數(shù)設(shè)置主要包括批尺寸(batch_size)、學(xué)習(xí)率(learning_rate)、動量常數(shù)(momentum)、權(quán)值衰減系數(shù)(decay)等,具體參數(shù)取值如表2所示。

    2.4 結(jié)果與分析

    利用原始SSD網(wǎng)絡(luò)和改進后的SSD網(wǎng)絡(luò)分別對相同的數(shù)據(jù)集進行訓(xùn)練,訓(xùn)練過程參數(shù)選取與表1相同,得到的模型檢測結(jié)果如圖3所示。從圖3可以發(fā)現(xiàn),改進后的SSD網(wǎng)絡(luò)在檢測性能、檢測精度上較改進前有一定提高,比如圖3(a)與圖3(b)的第1行1列對應(yīng)圖,改進前受樹和木牌遮擋,網(wǎng)絡(luò)檢測到兩個car,改進后網(wǎng)絡(luò)則準確分類并定位得到一個car;圖3(a)與圖3(b)的第2行4列對應(yīng)圖,改進前彼此密集靠近站立的3個person,側(cè)邊person與中間person兩個人均被誤檢測成一個person,而改進后網(wǎng)絡(luò)則能準確分類并定位每一個緊密排列的person;圖3(a)與圖3(b)的第2行3列對應(yīng)圖,改進前趴地的dog雖能正確分類,但坐標定位存在一定偏差,而改進后網(wǎng)絡(luò)則不僅能正確分類,坐標定位也更加準確;圖3(a)與圖3(b)的其它圖,則對目標較小的car(第2行1列)和sheep(第1行3列)、密集分布的person(第1行2列)等都可以實現(xiàn)準確識別與檢測。不僅如此,改進后的網(wǎng)絡(luò)在同樣50 000次迭代訓(xùn)練后檢測mAP提高了約5.1%,具有更高的平均檢測精度。

    綜上,改進后的網(wǎng)絡(luò)相比于改進前,提高了檢測模型的檢測性能和精度,實現(xiàn)了對絕大部分數(shù)據(jù)的準確分類和定位,包括上述提到的存在遮擋、密集排列等情況的數(shù)據(jù);同時實現(xiàn)了檢測mAP的提升,能夠滿足實用準確性要求。

    3 結(jié)語

    SSD目標檢測是目前目標檢測主流算法之一,其具有檢測速度快、檢測精度高等優(yōu)點。針對傳統(tǒng)目標檢測方法效率低、精度低的問題,本文通過分析數(shù)據(jù)集Ground Truth物體框的分布情況,對SSD網(wǎng)絡(luò)結(jié)構(gòu)中與Ground Truth物體框尺寸不匹配的默認框及對應(yīng)預(yù)測層進行刪減,并對保留的各預(yù)測層默認框個數(shù)和寬高比予以優(yōu)化,同時對保留的最后一個預(yù)測層的網(wǎng)絡(luò)參數(shù)加以改進。改進后的SSD網(wǎng)絡(luò)較改進前不僅具有更少的計算參數(shù)和計算量,能夠加快訓(xùn)練模型收斂速度,同時對待檢目標具有更高的檢測精度和檢測性能,檢測mAP提高了約5.1%,特別是對于存在遮擋、目標較小、密集排列等情況的圖片數(shù)據(jù),改進模型能夠?qū)Υ龣z目標進行更準確的分類和定位,具有更好的檢測效果。未來工作中,將繼續(xù)對SSD網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)進行優(yōu)化,使改進網(wǎng)絡(luò)針對目標較多且彼此嚴重遮擋的圖片數(shù)據(jù)具有更高的魯棒性和檢測精度,實現(xiàn)改進模型在目標檢測上的普適化應(yīng)用。

    參考文獻:

    [1] REZAEI M,KLETTE R. Object detection, classification, and tracking[J]. Computer Vision for Driver Assistance,2017,45:51-94.

    [2] YANG Z L,ZHANG Y J,REHMAN S?U, et al. Image captioning with object detection and localization[J]. Image and Graphics, 2017,10667:109-118.

    [3] SHARMA K U,THAKUR N V. A review and an approach for object detection in images[J]. International Journal of Computational Vision and Robotics, 2017, 7(1-2):196-237.

    [4] ZHANG M J,CIESIELSKI V. Genetic programming for multiple class object detection[J]. Advanced Topics in Artificial Intelligence,1999,1747:180-192.

    [5] LIU W,ANGUELOV D,ERHAN D,et al. SSD:single shot multibox detector[J]. Computer Vision-ECCV 2016,2016,9905:21-37.

    [6] 陳冰曲,鄧濤. 基于改進型SSD算法的目標車輛檢測研究[J]. 重慶理工大學(xué)學(xué)報,2019,33(1):58-63,129.

    [7] 邢浩強,杜志岐,蘇波. 基于改進SSD的行人檢測方法[J]. 計算機工程,2018,44(11):228-233,238.

    [8] CAI Z W,F(xiàn)AN Q F,F(xiàn)ERIS R S,et al. A unified multi-scale deep convolutional neural network for fast object detection[J]. Computer Vision-ECCV 2016,9908 :354-370.

    [9] 高宗,李少波,陳濟楠. 基于YOLO網(wǎng)絡(luò)的行人檢測方法[J]. 計算機工程,2018, 44(5):215-219,226.

    [10] HE N,CAO J,SONG L. Scale space histogram of oriented gradients for human detection[C]. Information Science and Engineering, 2008. ISISE08,2008:167-170.

    [11] BAY H,ESS A,TUYTELAARST T,et al. Speeded-up robust features (SURF)[J]. Computer vision and image understanding, 2008, 110(3):346-359.

    [12] BURGES C J C. A tutorial on support vector machines for pattern recognition[J]. Data mining and knowledge discovery,1998,2(2):121-167.

    [13] HASTIE T, ROSSET S,ZHU J,et al. Multi-class adaboost[J]. Statistics and its Interface,2009,2(3) :349-360.

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

    [15] 劉雪奇,孫勝利. 基于YOLO網(wǎng)絡(luò)模型的異常行為檢測方法研究[J]. 電子設(shè)計工程,2018,26(20) :154-158,164.

    [16] GIRSHICK R. Fast RCNN[C]. Proceedings of IEEE International Conference on Computer Vision,2015:1440-1448.

    [17] SIMONYAN K,ZISSERMAN A. Very deep convolutional networks for large-scale image recognition[J]. Computer Science,2014:1-14.

    (責任編輯:孫 娟)

    猜你喜歡
    損失函數(shù)目標檢測
    基于改進SIFT特征和神經(jīng)網(wǎng)絡(luò)結(jié)合的場景識別
    軟件工程(2019年5期)2019-07-03 02:31:14
    氣候變化對中國主要糧食作物單產(chǎn)影響的文獻計量Meta分析
    考慮應(yīng)急時間和未滿足需求量的應(yīng)急物資多階段分配模型
    基于深度學(xué)習(xí)的人臉屬性聯(lián)合估計
    基于福利損失函數(shù)的人民幣匯率制度選擇
    基于福利損失函數(shù)的人民幣匯率制度選擇
    視頻中目標檢測算法研究
    軟件(2016年4期)2017-01-20 09:38:03
    行為識別中的人體運動目標檢測方法
    移動機器人圖像目標識別
    基于背景建模法的運動目標檢測
    精品久久久久久,| 久久国产亚洲av麻豆专区| av福利片在线| 久久热在线av| 亚洲精品国产区一区二| 亚洲av美国av| 亚洲人成电影观看| √禁漫天堂资源中文www| 午夜免费鲁丝| 欧美日韩亚洲高清精品| 他把我摸到了高潮在线观看| 最近最新免费中文字幕在线| 成人18禁在线播放| 亚洲欧美激情在线| 亚洲av美国av| 制服诱惑二区| 久久国产精品人妻蜜桃| 国产精品亚洲一级av第二区| 宅男免费午夜| 一级片'在线观看视频| 日日爽夜夜爽网站| 欧美日韩亚洲高清精品| 91成年电影在线观看| 久久性视频一级片| 国产精品美女特级片免费视频播放器 | 一边摸一边做爽爽视频免费| 国产精品99久久99久久久不卡| 久久久久亚洲av毛片大全| 一级a爱片免费观看的视频| 999久久久精品免费观看国产| 女人被躁到高潮嗷嗷叫费观| 999久久久国产精品视频| 欧美亚洲日本最大视频资源| 热99re8久久精品国产| 天堂俺去俺来也www色官网| 热99国产精品久久久久久7| 美女国产高潮福利片在线看| 亚洲国产欧美网| 9色porny在线观看| 法律面前人人平等表现在哪些方面| 在线永久观看黄色视频| 天天影视国产精品| 国产不卡一卡二| 岛国视频午夜一区免费看| 日本 av在线| 久久香蕉国产精品| 色精品久久人妻99蜜桃| 18禁黄网站禁片午夜丰满| 中文字幕色久视频| 亚洲欧洲精品一区二区精品久久久| 欧洲精品卡2卡3卡4卡5卡区| 脱女人内裤的视频| 九色亚洲精品在线播放| 欧美日韩亚洲高清精品| 久久人人精品亚洲av| 免费少妇av软件| 精品人妻在线不人妻| 国产一区二区在线av高清观看| 亚洲精品粉嫩美女一区| 在线天堂中文资源库| 88av欧美| 日本a在线网址| 老鸭窝网址在线观看| 嫁个100分男人电影在线观看| 高清毛片免费观看视频网站 | 久久久久久亚洲精品国产蜜桃av| 国产高清videossex| 精品第一国产精品| 国产免费男女视频| 亚洲精品国产区一区二| 国产精品国产av在线观看| 国产av精品麻豆| 成人手机av| 亚洲欧美激情综合另类| 久久精品国产99精品国产亚洲性色 | 一区二区三区激情视频| 亚洲熟女毛片儿| 精品国产亚洲在线| 大型黄色视频在线免费观看| 日韩欧美一区视频在线观看| 性欧美人与动物交配| 免费av中文字幕在线| 啦啦啦在线免费观看视频4| av免费在线观看网站| 亚洲全国av大片| 久久亚洲精品不卡| 亚洲久久久国产精品| 免费高清在线观看日韩| 18禁美女被吸乳视频| 香蕉国产在线看| 自拍欧美九色日韩亚洲蝌蚪91| 级片在线观看| 久久国产精品人妻蜜桃| netflix在线观看网站| 午夜91福利影院| 欧美亚洲日本最大视频资源| 亚洲自拍偷在线| 老汉色av国产亚洲站长工具| 亚洲人成77777在线视频| 波多野结衣一区麻豆| 十分钟在线观看高清视频www| 久久影院123| 国产成+人综合+亚洲专区| 国产高清视频在线播放一区| 国产主播在线观看一区二区| 一本综合久久免费| 国产片内射在线| 成人永久免费在线观看视频| 国产高清视频在线播放一区| 成年人免费黄色播放视频| 久久香蕉激情| 成人三级做爰电影| 人妻丰满熟妇av一区二区三区| 亚洲成人免费电影在线观看| 亚洲国产精品sss在线观看 | 夜夜爽天天搞| 99热国产这里只有精品6| 国产精品亚洲av一区麻豆| 国产精品一区二区在线不卡| 亚洲av五月六月丁香网| 老司机靠b影院| 日本欧美视频一区| 黄色视频不卡| 最近最新中文字幕大全免费视频| 久久久久久亚洲精品国产蜜桃av| 久久青草综合色| 美女国产高潮福利片在线看| 女人被躁到高潮嗷嗷叫费观| 宅男免费午夜| 99精国产麻豆久久婷婷| 亚洲精品中文字幕一二三四区| 日本vs欧美在线观看视频| 日韩欧美在线二视频| 亚洲欧美一区二区三区久久| 日本黄色视频三级网站网址| 涩涩av久久男人的天堂| 91成年电影在线观看| 亚洲人成伊人成综合网2020| 日本三级黄在线观看| 搡老熟女国产l中国老女人| 欧美精品亚洲一区二区| av天堂在线播放| 午夜影院日韩av| 午夜福利免费观看在线| 免费不卡黄色视频| 成人精品一区二区免费| 亚洲成人久久性| 久久香蕉精品热| 亚洲精品国产区一区二| 亚洲自拍偷在线| 亚洲av日韩精品久久久久久密| 18美女黄网站色大片免费观看| 校园春色视频在线观看| 人人妻人人添人人爽欧美一区卜| xxx96com| 好看av亚洲va欧美ⅴa在| 变态另类成人亚洲欧美熟女 | 亚洲精品一卡2卡三卡4卡5卡| 国产av在哪里看| 久久久久久久午夜电影 | 热re99久久精品国产66热6| 欧美av亚洲av综合av国产av| 淫秽高清视频在线观看| 男人的好看免费观看在线视频 | 成人永久免费在线观看视频| 热re99久久精品国产66热6| 在线永久观看黄色视频| 丝袜美腿诱惑在线| 女人精品久久久久毛片| 人人澡人人妻人| 日韩大尺度精品在线看网址 | 国产xxxxx性猛交| 啪啪无遮挡十八禁网站| 国产精品亚洲av一区麻豆| 50天的宝宝边吃奶边哭怎么回事| 女性被躁到高潮视频| 亚洲熟女毛片儿| 国产不卡一卡二| 交换朋友夫妻互换小说| 亚洲成a人片在线一区二区| 91在线观看av| 亚洲专区中文字幕在线| 精品一区二区三卡| 午夜福利在线免费观看网站| 又大又爽又粗| 久久伊人香网站| 757午夜福利合集在线观看| 18禁观看日本| 88av欧美| 大型av网站在线播放| 日本一区二区免费在线视频| 成人18禁在线播放| 成年版毛片免费区| 99精品欧美一区二区三区四区| 国产精品久久视频播放| 日韩一卡2卡3卡4卡2021年| 国产精品野战在线观看 | 嫁个100分男人电影在线观看| 亚洲免费av在线视频| 91精品国产国语对白视频| 97人妻天天添夜夜摸| 午夜免费观看网址| 欧美日韩福利视频一区二区| 色综合欧美亚洲国产小说| 91精品国产国语对白视频| 夜夜看夜夜爽夜夜摸 | 午夜亚洲福利在线播放| 少妇的丰满在线观看| 搡老熟女国产l中国老女人| 国产av在哪里看| 满18在线观看网站| 大码成人一级视频| 欧美国产精品va在线观看不卡| 国产又色又爽无遮挡免费看| 亚洲成av片中文字幕在线观看| 中国美女看黄片| 日本三级黄在线观看| 侵犯人妻中文字幕一二三四区| 国产免费av片在线观看野外av| 十八禁人妻一区二区| av网站在线播放免费| 看黄色毛片网站| 妹子高潮喷水视频| 精品一品国产午夜福利视频| 成在线人永久免费视频| 久久午夜亚洲精品久久| 午夜老司机福利片| 人妻丰满熟妇av一区二区三区| 中文亚洲av片在线观看爽| www.自偷自拍.com| 黄片大片在线免费观看| 女性被躁到高潮视频| 琪琪午夜伦伦电影理论片6080| 日本三级黄在线观看| 婷婷精品国产亚洲av在线| 国产成人影院久久av| 女人爽到高潮嗷嗷叫在线视频| 亚洲第一青青草原| 黑人猛操日本美女一级片| 99久久人妻综合| 在线观看免费日韩欧美大片| 国产精品免费视频内射| 亚洲国产精品一区二区三区在线| 一级毛片高清免费大全| 亚洲av成人av| 成人18禁高潮啪啪吃奶动态图| 乱人伦中国视频| 国产色视频综合| 久久久久国产精品人妻aⅴ院| 国产精品日韩av在线免费观看 | 老熟妇乱子伦视频在线观看| 在线观看免费日韩欧美大片| 9191精品国产免费久久| 国产黄a三级三级三级人| 久久伊人香网站| 国产三级在线视频| x7x7x7水蜜桃| 丝袜在线中文字幕| 十八禁人妻一区二区| 在线十欧美十亚洲十日本专区| 国产三级黄色录像| 脱女人内裤的视频| 亚洲成av片中文字幕在线观看| 熟女少妇亚洲综合色aaa.| 国产av在哪里看| 真人一进一出gif抽搐免费| a级毛片黄视频| 免费高清在线观看日韩| 亚洲情色 制服丝袜| 亚洲精品国产区一区二| 久久天躁狠狠躁夜夜2o2o| 窝窝影院91人妻| 久久久久亚洲av毛片大全| 日韩大码丰满熟妇| 变态另类成人亚洲欧美熟女 | 一边摸一边抽搐一进一出视频| 亚洲人成77777在线视频| 亚洲在线自拍视频| 欧美激情 高清一区二区三区| 精品日产1卡2卡| 神马国产精品三级电影在线观看 | 精品久久久久久,| 操出白浆在线播放| 成人av一区二区三区在线看| 欧美精品一区二区免费开放| 日韩中文字幕欧美一区二区| 又大又爽又粗| 国产精品亚洲一级av第二区| 国产黄色免费在线视频| 亚洲欧美日韩另类电影网站| 中亚洲国语对白在线视频| 成人永久免费在线观看视频| 久久中文字幕人妻熟女| 国产熟女xx| 国产三级黄色录像| 国产成人av激情在线播放| 少妇被粗大的猛进出69影院| 法律面前人人平等表现在哪些方面| 日韩成人在线观看一区二区三区| 久久久国产成人精品二区 | 日本三级黄在线观看| 成人三级黄色视频| 亚洲第一欧美日韩一区二区三区| 美女大奶头视频| 亚洲人成伊人成综合网2020| 乱人伦中国视频| 亚洲人成电影免费在线| 少妇粗大呻吟视频| 亚洲人成电影免费在线| 国产一区二区三区视频了| 18美女黄网站色大片免费观看| 日韩精品中文字幕看吧| 日韩av在线大香蕉| 国产乱人伦免费视频| 性色av乱码一区二区三区2| 午夜日韩欧美国产| 亚洲av电影在线进入| xxxhd国产人妻xxx| 亚洲熟妇熟女久久| 天天躁夜夜躁狠狠躁躁| 18禁黄网站禁片午夜丰满| 国产成人欧美| 成年人黄色毛片网站| 亚洲成人免费电影在线观看| 国产精华一区二区三区| 精品少妇一区二区三区视频日本电影| 免费人成视频x8x8入口观看| 精品福利观看| 久久天躁狠狠躁夜夜2o2o| 色老头精品视频在线观看| 91av网站免费观看| 欧美精品啪啪一区二区三区| 满18在线观看网站| 欧美性长视频在线观看| 久久久久久久精品吃奶| 亚洲色图av天堂| 亚洲aⅴ乱码一区二区在线播放 | 精品熟女少妇八av免费久了| 国产一区二区三区视频了| 一区二区三区精品91| 黄色成人免费大全| 视频在线观看一区二区三区| 亚洲中文字幕日韩| 欧美精品一区二区免费开放| 亚洲成人久久性| 后天国语完整版免费观看| 动漫黄色视频在线观看| 久9热在线精品视频| 亚洲精品中文字幕在线视频| 一级作爱视频免费观看| 伊人久久大香线蕉亚洲五| 日本一区二区免费在线视频| 亚洲伊人色综图| 午夜老司机福利片| 欧美+亚洲+日韩+国产| 视频区图区小说| 久久久久久久精品吃奶| 久久精品国产综合久久久| 国产一区二区三区在线臀色熟女 | 日日干狠狠操夜夜爽| 超碰成人久久| cao死你这个sao货| a级毛片黄视频| 日韩av在线大香蕉| 精品少妇一区二区三区视频日本电影| 国产精华一区二区三区| 成人av一区二区三区在线看| 国产成人一区二区三区免费视频网站| 国产精品影院久久| 性欧美人与动物交配| 美女大奶头视频| 自拍欧美九色日韩亚洲蝌蚪91| 国产又爽黄色视频| 久久伊人香网站| 午夜福利一区二区在线看| 黄色丝袜av网址大全| 久久天堂一区二区三区四区| 精品久久久久久久久久免费视频 | 真人一进一出gif抽搐免费| 久久精品91蜜桃| tocl精华| 黑人巨大精品欧美一区二区蜜桃| 在线av久久热| avwww免费| 亚洲avbb在线观看| 亚洲精品一二三| 制服人妻中文乱码| 久久久水蜜桃国产精品网| 91大片在线观看| 两性夫妻黄色片| 国产成人欧美| 亚洲人成伊人成综合网2020| 搡老岳熟女国产| 成熟少妇高潮喷水视频| 久久天堂一区二区三区四区| 怎么达到女性高潮| 亚洲中文av在线| 9191精品国产免费久久| 狠狠狠狠99中文字幕| 老司机在亚洲福利影院| 嫁个100分男人电影在线观看| 国产无遮挡羞羞视频在线观看| 午夜精品久久久久久毛片777| 国产欧美日韩一区二区三区在线| 性少妇av在线| 精品国产一区二区三区四区第35| 在线播放国产精品三级| 长腿黑丝高跟| 亚洲欧美一区二区三区久久| 国产成人精品无人区| 黄色成人免费大全| 后天国语完整版免费观看| 亚洲全国av大片| aaaaa片日本免费| 波多野结衣av一区二区av| 老司机福利观看| 国产蜜桃级精品一区二区三区| 国产日韩一区二区三区精品不卡| 久久香蕉国产精品| 一本大道久久a久久精品| 69av精品久久久久久| 一级黄色大片毛片| 男人操女人黄网站| 新久久久久国产一级毛片| 99久久综合精品五月天人人| 1024香蕉在线观看| 国产精品野战在线观看 | 黄色成人免费大全| 国产欧美日韩一区二区精品| 最好的美女福利视频网| 成人亚洲精品av一区二区 | 老熟妇仑乱视频hdxx| 99riav亚洲国产免费| 日本黄色视频三级网站网址| 三级毛片av免费| 天天躁狠狠躁夜夜躁狠狠躁| 黄色丝袜av网址大全| 国产精品一区二区三区四区久久 | 免费不卡黄色视频| 午夜a级毛片| 最新美女视频免费是黄的| 老汉色av国产亚洲站长工具| 国产亚洲精品一区二区www| 国产成人精品无人区| 黑人巨大精品欧美一区二区mp4| 中文欧美无线码| 欧美+亚洲+日韩+国产| 国产单亲对白刺激| 久久精品国产清高在天天线| 久久国产亚洲av麻豆专区| 91av网站免费观看| 在线观看免费视频日本深夜| 日韩有码中文字幕| 国产在线观看jvid| 成人18禁高潮啪啪吃奶动态图| 天堂√8在线中文| 国产激情欧美一区二区| 黄频高清免费视频| 久久国产精品影院| 后天国语完整版免费观看| 自线自在国产av| 亚洲成国产人片在线观看| 国产成人精品久久二区二区免费| 免费高清视频大片| 一本综合久久免费| 这个男人来自地球电影免费观看| 亚洲全国av大片| 久久久久国产一级毛片高清牌| 久久天堂一区二区三区四区| 一级毛片高清免费大全| 69av精品久久久久久| 精品国产超薄肉色丝袜足j| 国产麻豆69| 在线观看一区二区三区| 黄片播放在线免费| 国产av精品麻豆| 九色亚洲精品在线播放| 别揉我奶头~嗯~啊~动态视频| 国产野战对白在线观看| svipshipincom国产片| 免费高清视频大片| 欧美 亚洲 国产 日韩一| 在线观看午夜福利视频| 好男人电影高清在线观看| 91麻豆av在线| 亚洲精品美女久久久久99蜜臀| 亚洲国产欧美网| 亚洲av熟女| 一区二区三区激情视频| 亚洲人成伊人成综合网2020| av欧美777| 亚洲精品国产色婷婷电影| 国产精品香港三级国产av潘金莲| 性欧美人与动物交配| 国产深夜福利视频在线观看| 久久午夜亚洲精品久久| 国产视频一区二区在线看| 久久久久国内视频| 黑人巨大精品欧美一区二区mp4| 免费看十八禁软件| 一二三四在线观看免费中文在| 在线观看午夜福利视频| 欧美成人午夜精品| 中文欧美无线码| 身体一侧抽搐| 99香蕉大伊视频| 一边摸一边做爽爽视频免费| 久久精品亚洲av国产电影网| 亚洲一区二区三区色噜噜 | 在线国产一区二区在线| 成在线人永久免费视频| 不卡av一区二区三区| 免费搜索国产男女视频| 亚洲欧美精品综合一区二区三区| 男女下面插进去视频免费观看| 国产精品99久久99久久久不卡| 18禁裸乳无遮挡免费网站照片 | 日本黄色视频三级网站网址| 国产精品av久久久久免费| 亚洲精品久久午夜乱码| 岛国视频午夜一区免费看| 人人妻人人添人人爽欧美一区卜| 久久天堂一区二区三区四区| 国产激情久久老熟女| 久久国产乱子伦精品免费另类| 欧美日韩一级在线毛片| 超碰97精品在线观看| 在线观看免费日韩欧美大片| 久久国产精品影院| 麻豆av在线久日| 国产精品免费视频内射| www.www免费av| 精品国产亚洲在线| 欧美色视频一区免费| 午夜精品国产一区二区电影| 美女 人体艺术 gogo| 亚洲成人精品中文字幕电影 | 在线观看免费视频网站a站| 首页视频小说图片口味搜索| 超碰97精品在线观看| 超色免费av| 精品一区二区三区视频在线观看免费 | 伊人久久大香线蕉亚洲五| 欧美日韩一级在线毛片| 久久欧美精品欧美久久欧美| e午夜精品久久久久久久| 亚洲自拍偷在线| 狂野欧美激情性xxxx| 久久久久久人人人人人| 无人区码免费观看不卡| 国产在线观看jvid| 国产成人啪精品午夜网站| 久久天堂一区二区三区四区| 最新美女视频免费是黄的| 亚洲精品国产区一区二| 国产精品偷伦视频观看了| 不卡一级毛片| av在线天堂中文字幕 | 国产无遮挡羞羞视频在线观看| 香蕉国产在线看| 国产精品影院久久| 久久影院123| 男女之事视频高清在线观看| 每晚都被弄得嗷嗷叫到高潮| 午夜成年电影在线免费观看| 成人亚洲精品一区在线观看| 亚洲人成网站在线播放欧美日韩| 性欧美人与动物交配| 老汉色av国产亚洲站长工具| 亚洲色图av天堂| 免费在线观看亚洲国产| 美女高潮喷水抽搐中文字幕| 超碰成人久久| 女警被强在线播放| 国产真人三级小视频在线观看| 久久国产亚洲av麻豆专区| 国产黄色免费在线视频| 亚洲欧美日韩无卡精品| 国产精品电影一区二区三区| 18美女黄网站色大片免费观看| 村上凉子中文字幕在线| 脱女人内裤的视频| 久久天躁狠狠躁夜夜2o2o| 午夜影院日韩av| 99精品在免费线老司机午夜| 啪啪无遮挡十八禁网站| 免费看a级黄色片| 久久影院123| 满18在线观看网站| 神马国产精品三级电影在线观看 | 天天添夜夜摸| 亚洲精品中文字幕在线视频| 午夜成年电影在线免费观看| 亚洲九九香蕉| 精品国产亚洲在线| 国产精品久久电影中文字幕| 国产精品av久久久久免费| 欧美亚洲日本最大视频资源| 久久伊人香网站| 欧美激情高清一区二区三区| 身体一侧抽搐| 丰满人妻熟妇乱又伦精品不卡| 中文字幕人妻丝袜制服| 欧美日韩亚洲高清精品| 成人影院久久| 欧美日韩乱码在线| 亚洲全国av大片| 黑人欧美特级aaaaaa片| 免费人成视频x8x8入口观看| 最好的美女福利视频网| 99精品在免费线老司机午夜| 丝袜人妻中文字幕| 日韩 欧美 亚洲 中文字幕| 91在线观看av| 中文字幕人妻熟女乱码|