• <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
    www.999成人在线观看| 老司机福利观看| 中文字幕高清在线视频| 日日爽夜夜爽网站| 国产成+人综合+亚洲专区| 精品电影一区二区在线| 久久久久久大精品| 青草久久国产| 两个人看的免费小视频| 亚洲精品国产区一区二| 欧美+亚洲+日韩+国产| 黑人巨大精品欧美一区二区蜜桃| 婷婷精品国产亚洲av在线| 在线天堂中文资源库| av在线天堂中文字幕| 51午夜福利影视在线观看| 亚洲国产精品成人综合色| 夜夜夜夜夜久久久久| 国产1区2区3区精品| 亚洲中文字幕日韩| 在线免费观看的www视频| 国产精品 国内视频| 色综合欧美亚洲国产小说| 我的亚洲天堂| 国产成人免费无遮挡视频| 中文字幕av电影在线播放| 亚洲一卡2卡3卡4卡5卡精品中文| 国产亚洲精品久久久久5区| 日本a在线网址| 女人精品久久久久毛片| 欧美 亚洲 国产 日韩一| 国产av在哪里看| 视频区欧美日本亚洲| 亚洲一卡2卡3卡4卡5卡精品中文| 啦啦啦观看免费观看视频高清 | 老汉色av国产亚洲站长工具| 久99久视频精品免费| 怎么达到女性高潮| 91字幕亚洲| 91精品三级在线观看| 十八禁人妻一区二区| 国产精品野战在线观看| 中文字幕高清在线视频| 91精品国产国语对白视频| 亚洲国产欧美网| 亚洲精品一卡2卡三卡4卡5卡| 又紧又爽又黄一区二区| 成年版毛片免费区| 国产精品亚洲美女久久久| 在线国产一区二区在线| 亚洲av五月六月丁香网| 黄色 视频免费看| 老司机靠b影院| 午夜视频精品福利| 91字幕亚洲| 国产又爽黄色视频| 国产蜜桃级精品一区二区三区| 国产又爽黄色视频| 亚洲av美国av| 丝袜美腿诱惑在线| 久久香蕉国产精品| 亚洲熟妇熟女久久| АⅤ资源中文在线天堂| 美女高潮喷水抽搐中文字幕| 嫩草影院精品99| 久久精品成人免费网站| 亚洲精品国产色婷婷电影| 一级黄色大片毛片| 久久香蕉国产精品| www国产在线视频色| 亚洲va日本ⅴa欧美va伊人久久| 好男人电影高清在线观看| 亚洲熟妇熟女久久| 女人被狂操c到高潮| 无限看片的www在线观看| 久久久国产欧美日韩av| 一级片免费观看大全| 高清在线国产一区| 日本免费一区二区三区高清不卡 | 怎么达到女性高潮| 老熟妇仑乱视频hdxx| 国产精品日韩av在线免费观看 | 免费看a级黄色片| av在线天堂中文字幕| 中文字幕色久视频| 欧美成人午夜精品| 美女高潮到喷水免费观看| 国产精品秋霞免费鲁丝片| 国产亚洲精品av在线| 亚洲欧美日韩无卡精品| 日韩av在线大香蕉| 精品国内亚洲2022精品成人| 国产亚洲精品第一综合不卡| a级毛片在线看网站| 国产人伦9x9x在线观看| 自线自在国产av| 免费高清在线观看日韩| 亚洲avbb在线观看| 亚洲中文字幕一区二区三区有码在线看 | 精品熟女少妇八av免费久了| 美国免费a级毛片| 亚洲成人精品中文字幕电影| 这个男人来自地球电影免费观看| 91大片在线观看| 国产一级毛片七仙女欲春2 | 国产麻豆69| 91在线观看av| 国产蜜桃级精品一区二区三区| 久久天躁狠狠躁夜夜2o2o| 久久影院123| 国产午夜福利久久久久久| 日韩 欧美 亚洲 中文字幕| 免费在线观看完整版高清| 亚洲激情在线av| АⅤ资源中文在线天堂| 欧美日韩中文字幕国产精品一区二区三区 | 精品国产美女av久久久久小说| 在线天堂中文资源库| a级毛片在线看网站| av片东京热男人的天堂| 国产精品一区二区免费欧美| 亚洲一区二区三区不卡视频| 国产一区二区三区视频了| 国产又色又爽无遮挡免费看| 90打野战视频偷拍视频| 十八禁人妻一区二区| 人妻久久中文字幕网| 国产亚洲精品综合一区在线观看 | 18美女黄网站色大片免费观看| 日本免费a在线| 午夜免费激情av| 国产成人av激情在线播放| 少妇粗大呻吟视频| 丝袜美腿诱惑在线| 50天的宝宝边吃奶边哭怎么回事| 国产男靠女视频免费网站| 高清黄色对白视频在线免费看| 久久草成人影院| 国产精品99久久99久久久不卡| 午夜福利一区二区在线看| 给我免费播放毛片高清在线观看| 成人欧美大片| 在线观看一区二区三区| 免费在线观看黄色视频的| 香蕉久久夜色| 99国产精品免费福利视频| 午夜老司机福利片| 又紧又爽又黄一区二区| videosex国产| 自拍欧美九色日韩亚洲蝌蚪91| 色老头精品视频在线观看| 免费av毛片视频| 99在线视频只有这里精品首页| 欧美最黄视频在线播放免费| 午夜a级毛片| 给我免费播放毛片高清在线观看| 高潮久久久久久久久久久不卡| 一边摸一边抽搐一进一出视频| 黄网站色视频无遮挡免费观看| 精品福利观看| 神马国产精品三级电影在线观看 | 日本在线视频免费播放| 午夜福利高清视频| 1024视频免费在线观看| 女人爽到高潮嗷嗷叫在线视频| 亚洲国产精品999在线| 这个男人来自地球电影免费观看| 丁香六月欧美| 国产蜜桃级精品一区二区三区| 国产精华一区二区三区| 国产免费男女视频| 88av欧美| 法律面前人人平等表现在哪些方面| 欧美成人午夜精品| 黄频高清免费视频| 怎么达到女性高潮| 女人被躁到高潮嗷嗷叫费观| 亚洲,欧美精品.| 日日干狠狠操夜夜爽| 免费在线观看亚洲国产| 正在播放国产对白刺激| 不卡一级毛片| 啪啪无遮挡十八禁网站| 国产亚洲精品一区二区www| 婷婷六月久久综合丁香| 美女 人体艺术 gogo| 欧美精品啪啪一区二区三区| 日本欧美视频一区| 国产一区二区三区综合在线观看| 一夜夜www| 99精品久久久久人妻精品| 午夜久久久在线观看| 精品国内亚洲2022精品成人| 亚洲三区欧美一区| 两个人免费观看高清视频| 国产高清有码在线观看视频 | 久久国产精品影院| 国产精品香港三级国产av潘金莲| 亚洲狠狠婷婷综合久久图片| 在线观看免费午夜福利视频| 日韩大尺度精品在线看网址 | av超薄肉色丝袜交足视频| 校园春色视频在线观看| 色婷婷久久久亚洲欧美| 中文字幕人妻丝袜一区二区| 亚洲精品国产一区二区精华液| 亚洲电影在线观看av| 丝袜美腿诱惑在线| 久久 成人 亚洲| 欧美在线黄色| aaaaa片日本免费| 在线观看66精品国产| 成人免费观看视频高清| 国产在线精品亚洲第一网站| 日韩欧美一区视频在线观看| 亚洲人成伊人成综合网2020| 亚洲欧美日韩另类电影网站| 狠狠狠狠99中文字幕| 国产99久久九九免费精品| 国产一区在线观看成人免费| 非洲黑人性xxxx精品又粗又长| 亚洲va日本ⅴa欧美va伊人久久| 国产91精品成人一区二区三区| 可以在线观看的亚洲视频| 欧美日韩瑟瑟在线播放| 亚洲九九香蕉| 看免费av毛片| 91麻豆精品激情在线观看国产| 日韩有码中文字幕| 精品国产亚洲在线| 搡老妇女老女人老熟妇| 91在线观看av| 亚洲视频免费观看视频| 大香蕉久久成人网| 操美女的视频在线观看| 亚洲 欧美一区二区三区| 亚洲国产高清在线一区二区三 | 午夜福利影视在线免费观看| 亚洲国产高清在线一区二区三 | 日本 av在线| 在线观看午夜福利视频| 熟女少妇亚洲综合色aaa.| 一级毛片高清免费大全| 午夜福利高清视频| 亚洲精品美女久久久久99蜜臀| 一夜夜www| 女人精品久久久久毛片| 国产精品野战在线观看| 亚洲中文字幕一区二区三区有码在线看 | 中出人妻视频一区二区| 神马国产精品三级电影在线观看 | 欧美日韩乱码在线| 亚洲欧美日韩高清在线视频| 一进一出好大好爽视频| 自拍欧美九色日韩亚洲蝌蚪91| 久久久久久免费高清国产稀缺| 亚洲九九香蕉| 亚洲午夜理论影院| 19禁男女啪啪无遮挡网站| 久久伊人香网站| 亚洲精品在线观看二区| 可以在线观看的亚洲视频| 国产亚洲av高清不卡| 久久人妻熟女aⅴ| 99精品在免费线老司机午夜| 他把我摸到了高潮在线观看| 亚洲男人的天堂狠狠| 久久久久亚洲av毛片大全| 国产精华一区二区三区| 少妇 在线观看| 男女之事视频高清在线观看| 亚洲午夜理论影院| 琪琪午夜伦伦电影理论片6080| svipshipincom国产片| 色在线成人网| 99久久精品国产亚洲精品| 亚洲中文字幕一区二区三区有码在线看 | 国产成人av激情在线播放| 一a级毛片在线观看| 免费在线观看黄色视频的| 亚洲三区欧美一区| 日韩大码丰满熟妇| 精品少妇一区二区三区视频日本电影| 欧美日韩乱码在线| 亚洲中文日韩欧美视频| 国产一区二区在线av高清观看| 国产亚洲欧美精品永久| 美女大奶头视频| 无人区码免费观看不卡| 国产精品综合久久久久久久免费 | 久久精品亚洲精品国产色婷小说| 免费高清视频大片| 亚洲在线自拍视频| 精品国产一区二区三区四区第35| 色播亚洲综合网| 国产人伦9x9x在线观看| 国产精品98久久久久久宅男小说| 欧美+亚洲+日韩+国产| 成人亚洲精品一区在线观看| 久久这里只有精品19| 男男h啪啪无遮挡| 亚洲av成人不卡在线观看播放网| 亚洲精品美女久久av网站| 99香蕉大伊视频| 精品高清国产在线一区| 亚洲精品一区av在线观看| av视频在线观看入口| 黄色丝袜av网址大全| 12—13女人毛片做爰片一| 久久久久久久午夜电影| 性欧美人与动物交配| 在线观看66精品国产| 国产精品一区二区三区四区久久 | 免费高清在线观看日韩| 国产麻豆69| 成人国产综合亚洲| 欧美老熟妇乱子伦牲交| 亚洲色图 男人天堂 中文字幕| 啦啦啦韩国在线观看视频| 波多野结衣高清无吗| 国产精品av久久久久免费| 首页视频小说图片口味搜索| 久久国产精品影院| 久久久久久久精品吃奶| 女性被躁到高潮视频| 亚洲精品美女久久久久99蜜臀| tocl精华| 久久青草综合色| 午夜影院日韩av| 国产亚洲精品久久久久5区| 欧美黄色淫秽网站| 亚洲精品中文字幕在线视频| 欧美在线一区亚洲| 怎么达到女性高潮| 日韩免费av在线播放| videosex国产| 很黄的视频免费| 757午夜福利合集在线观看| 啦啦啦免费观看视频1| 国产高清有码在线观看视频 | 99久久99久久久精品蜜桃| 日本欧美视频一区| www.www免费av| 91九色精品人成在线观看| 久热这里只有精品99| av视频在线观看入口| 精品久久久久久成人av| 中文亚洲av片在线观看爽| 99国产精品免费福利视频| 久久这里只有精品19| 亚洲国产精品合色在线| 亚洲第一青青草原| 老司机午夜十八禁免费视频| 国产精品影院久久| 日本vs欧美在线观看视频| 99国产极品粉嫩在线观看| 精品一区二区三区四区五区乱码| 夜夜看夜夜爽夜夜摸| av网站免费在线观看视频| 亚洲精品av麻豆狂野| 国产精品影院久久| 国产精品精品国产色婷婷| 亚洲成国产人片在线观看| 777久久人妻少妇嫩草av网站| 搡老岳熟女国产| 精品国产乱码久久久久久男人| 首页视频小说图片口味搜索| 岛国在线观看网站| 国产欧美日韩一区二区三| 久久这里只有精品19| netflix在线观看网站| 精品国产美女av久久久久小说| 美女 人体艺术 gogo| 伊人久久大香线蕉亚洲五| 热99re8久久精品国产| 久久久久亚洲av毛片大全| 性少妇av在线| 村上凉子中文字幕在线| 亚洲av电影不卡..在线观看| 国产精品久久久人人做人人爽| 一卡2卡三卡四卡精品乱码亚洲| 欧美日本亚洲视频在线播放| 99久久精品国产亚洲精品| 亚洲国产高清在线一区二区三 | 欧美日韩黄片免| 俄罗斯特黄特色一大片| 日本在线视频免费播放| 欧美一区二区精品小视频在线| 国产av精品麻豆| 亚洲欧洲精品一区二区精品久久久| av免费在线观看网站| 国产亚洲欧美在线一区二区| 亚洲国产欧美网| 亚洲人成77777在线视频| 韩国av一区二区三区四区| 日韩欧美免费精品| 亚洲午夜精品一区,二区,三区| 黑丝袜美女国产一区| 欧美久久黑人一区二区| 亚洲精品一区av在线观看| 日本 欧美在线| 欧美日本视频| 国产精品久久久久久精品电影 | 极品人妻少妇av视频| 久久人人97超碰香蕉20202| 欧美日韩福利视频一区二区| 黄网站色视频无遮挡免费观看| 日韩视频一区二区在线观看| 亚洲第一欧美日韩一区二区三区| 午夜福利欧美成人| 欧美日韩一级在线毛片| 悠悠久久av| 久久精品成人免费网站| 亚洲精品一卡2卡三卡4卡5卡| 国产精品自产拍在线观看55亚洲| 国产成人av激情在线播放| 在线永久观看黄色视频| 国产精品亚洲av一区麻豆| 午夜福利高清视频| 国产亚洲av嫩草精品影院| 又紧又爽又黄一区二区| 亚洲国产精品成人综合色| 亚洲国产精品合色在线| 国产一区二区在线av高清观看| 丰满人妻熟妇乱又伦精品不卡| 精品久久久久久,| 最新在线观看一区二区三区| 午夜免费成人在线视频| bbb黄色大片| 午夜福利高清视频| 好男人在线观看高清免费视频 | 国产熟女xx| 亚洲中文av在线| 午夜免费鲁丝| 欧美激情 高清一区二区三区| 欧美黄色淫秽网站| 国产精品久久久久久亚洲av鲁大| 91国产中文字幕| 亚洲五月色婷婷综合| 视频在线观看一区二区三区| 亚洲自偷自拍图片 自拍| 欧美激情极品国产一区二区三区| 成人18禁高潮啪啪吃奶动态图| 91成人精品电影| 99久久国产精品久久久| 麻豆久久精品国产亚洲av| 两性夫妻黄色片| 精品日产1卡2卡| 午夜视频精品福利| 欧美人与性动交α欧美精品济南到| 亚洲自偷自拍图片 自拍| 国产成人精品在线电影| 中国美女看黄片| 亚洲国产精品久久男人天堂| 一卡2卡三卡四卡精品乱码亚洲| 色播在线永久视频| 国产精品,欧美在线| 亚洲成国产人片在线观看| 欧美成人午夜精品| 狠狠狠狠99中文字幕| 看免费av毛片| 1024香蕉在线观看| 亚洲成国产人片在线观看| 成人av一区二区三区在线看| 在线观看免费日韩欧美大片| 成人国产一区最新在线观看| 成年女人毛片免费观看观看9| 女人高潮潮喷娇喘18禁视频| 久久伊人香网站| 亚洲av成人av| 亚洲自偷自拍图片 自拍| 1024视频免费在线观看| 纯流量卡能插随身wifi吗| 国产单亲对白刺激| 黄片小视频在线播放| 亚洲中文日韩欧美视频| 亚洲黑人精品在线| 亚洲成人久久性| 久久久精品国产亚洲av高清涩受| 午夜免费成人在线视频| 大码成人一级视频| 成人三级黄色视频| 老司机午夜福利在线观看视频| 日本欧美视频一区| 成人18禁在线播放| 久久天堂一区二区三区四区| 久久午夜综合久久蜜桃| 露出奶头的视频| 9热在线视频观看99| 国产亚洲av嫩草精品影院| 婷婷精品国产亚洲av在线| www.精华液| 国产黄a三级三级三级人| 老司机深夜福利视频在线观看| 母亲3免费完整高清在线观看| 久久香蕉精品热| x7x7x7水蜜桃| 午夜福利一区二区在线看| 成人欧美大片| av视频在线观看入口| 欧美日韩黄片免| 国产97色在线日韩免费| 国产精品,欧美在线| 黑人操中国人逼视频| 色播亚洲综合网| 成人av一区二区三区在线看| 精品日产1卡2卡| 亚洲熟妇中文字幕五十中出| 99国产精品一区二区三区| 禁无遮挡网站| 亚洲欧美日韩无卡精品| 久久人人爽av亚洲精品天堂| 久久中文字幕一级| 亚洲熟女毛片儿| 老司机午夜十八禁免费视频| 一进一出好大好爽视频| 国产成人精品久久二区二区免费| 99国产精品一区二区蜜桃av| 国产精品综合久久久久久久免费 | 国产免费男女视频| 成年人黄色毛片网站| 村上凉子中文字幕在线| 亚洲情色 制服丝袜| 91成年电影在线观看| 777久久人妻少妇嫩草av网站| 国产精华一区二区三区| 精品人妻1区二区| 国产精品久久电影中文字幕| 色综合站精品国产| 少妇 在线观看| 很黄的视频免费| 国产欧美日韩一区二区三| 黑人操中国人逼视频| 99riav亚洲国产免费| 婷婷精品国产亚洲av在线| 亚洲天堂国产精品一区在线| 叶爱在线成人免费视频播放| 亚洲精品在线美女| 欧美中文日本在线观看视频| 中文字幕人妻丝袜一区二区| www日本在线高清视频| 99在线视频只有这里精品首页| 伊人久久大香线蕉亚洲五| 色尼玛亚洲综合影院| 亚洲人成77777在线视频| 精品不卡国产一区二区三区| 亚洲免费av在线视频| 91麻豆精品激情在线观看国产| 中文字幕高清在线视频| 又大又爽又粗| 亚洲成人精品中文字幕电影| 亚洲欧美日韩高清在线视频| 国产成人精品无人区| ponron亚洲| 法律面前人人平等表现在哪些方面| 国产精品二区激情视频| 久久久久国产精品人妻aⅴ院| 给我免费播放毛片高清在线观看| 涩涩av久久男人的天堂| 91老司机精品| cao死你这个sao货| 久久欧美精品欧美久久欧美| 国产片内射在线| 国产精品自产拍在线观看55亚洲| 又紧又爽又黄一区二区| 在线av久久热| 亚洲精品美女久久av网站| 欧美不卡视频在线免费观看 | 麻豆av在线久日| 男女午夜视频在线观看| 国产激情久久老熟女| 午夜免费观看网址| 国产在线精品亚洲第一网站| 长腿黑丝高跟| 日日爽夜夜爽网站| 大陆偷拍与自拍| 一本综合久久免费| 免费观看人在逋| 国产精品一区二区精品视频观看| 大型av网站在线播放| 国语自产精品视频在线第100页| 91av网站免费观看| 国产精品国产高清国产av| 精品欧美国产一区二区三| av欧美777| 看黄色毛片网站| 禁无遮挡网站| 国产精品香港三级国产av潘金莲| 亚洲 欧美一区二区三区| av超薄肉色丝袜交足视频| 男女午夜视频在线观看| 免费在线观看日本一区| 一级,二级,三级黄色视频| 午夜免费成人在线视频| 亚洲欧美日韩高清在线视频| 母亲3免费完整高清在线观看| 老熟妇仑乱视频hdxx| 中文字幕最新亚洲高清| 一夜夜www| 欧美+亚洲+日韩+国产| 国产在线精品亚洲第一网站| 免费人成视频x8x8入口观看| 亚洲精品一区av在线观看| 免费在线观看日本一区| 1024视频免费在线观看| 美女大奶头视频| 精品高清国产在线一区| 亚洲成av人片免费观看| 国产又爽黄色视频| 亚洲国产欧美网| 好男人在线观看高清免费视频 | 国产精品爽爽va在线观看网站 | 婷婷精品国产亚洲av在线| 人妻丰满熟妇av一区二区三区| 国产成人精品久久二区二区91|