• <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 ?

    圖像分區(qū)域多特征融合斜向車輛檢測(cè)算法研究

    2020-08-26 06:45:22李守義張洪昌
    公路交通科技 2020年8期
    關(guān)鍵詞:斜向降維分類器

    曾 娟,李守義,張洪昌

    (1.現(xiàn)代汽車零部件技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430070; 2.交通物聯(lián)網(wǎng)技術(shù)湖北省重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430070)

    0 引言

    人車混流和交通擁堵是中國(guó)道路交通路況的典型特征。在人車混流的環(huán)境下,駕駛員忽視外周視野區(qū)域障礙物是導(dǎo)致事故發(fā)生的重要原因。如果駕駛員能提前1~2 s 時(shí)間得到環(huán)境危險(xiǎn)預(yù)警提示,則能避免90%的事故發(fā)生。目前基于機(jī)器視覺的車輛檢測(cè)技術(shù)作為道路環(huán)境感知的核心技術(shù)[1-2],較為成熟的方法為多特征融合+分類器,包括Haar-like特征、HOG(Histogram of Oriented Gradient)特征、LBP(Local Binary Patterns)特征。分類器算法常用的有Adaboost算法、SVM(Support Vector Machine)算法、貝葉斯算法等?;贖aar-like特征與Adaboost級(jí)聯(lián)分類器[3-6]組合對(duì)前向車輛具有較好的檢測(cè)效果,因?yàn)榍跋蜍囕v具有對(duì)稱性、水平特征及垂直特征。HOG特征與SVM算法組合主要應(yīng)用于行人檢測(cè)[7],很少在車輛檢測(cè)中使用[8-10]。劉東軍等[11]提出使用主成分分析(PCA)對(duì)Haar-like特征降維,提高檢測(cè)的實(shí)時(shí)性,但未在斜向車輛檢測(cè)中使用。

    相對(duì)前向車輛而言,在換道、十字路口、對(duì)向來車等路況下斜向車輛的檢驗(yàn)更具普遍意義,但是針對(duì)斜向車輛的檢測(cè)算法研究很少。Bin-Feng Lin等[12]通過在后視鏡處安裝攝像頭,通過多特征融合算法檢測(cè)相鄰車道車輛。朱彬等[13]通過分區(qū)域檢測(cè),對(duì)斜向車輛采用多塊局部二值模式(MB-LBP)特征,相對(duì)于使用Haar-like特征具有更高的準(zhǔn)確率。晏曉娟[14]通過建立不同角度車輛前臉的訓(xùn)練樣本庫(kù),訓(xùn)練Haar-like+Adaboost分類器實(shí)現(xiàn)側(cè)后方車輛的檢測(cè),但沒有考慮實(shí)時(shí)性的問題。

    基于上述,針對(duì)斜向車輛識(shí)別問題,本研究提出陰影+邊緣特征融合算法;針對(duì)車輛檢測(cè)的實(shí)時(shí)性和準(zhǔn)確率問題,提出 HG&HV算法進(jìn)行二次檢測(cè),即核主成分分析+Haar-like特征+HOG特征+Adaboost級(jí)聯(lián)分類器算法。在Haar-like特征提取過程中采用核主成分分析降維提高實(shí)時(shí)性,Haar-like特征+HOG特征融合提高算法準(zhǔn)確率。

    1 分區(qū)域多特征融合的斜向車輛檢測(cè)算法

    斜向車輛檢測(cè)算法具體流程如圖1所示。

    圖1 斜向車輛檢測(cè)算法流程Fig.1 Flowchart of oblique vehicle detection algorithm

    1.1斜向檢測(cè)區(qū)劃1.1.1斜向車輛檢測(cè)區(qū)域定義

    為了更清楚定義檢測(cè)目標(biāo),本研究列出檢測(cè)范圍3種工況:工況1為相鄰車道車輛變道,如圖2(a)所示;工況2為對(duì)向車道車輛靠近過程,如圖2(b)所示;工況3為十字路口車輛 轉(zhuǎn)彎或直行過程,如圖2(c)所示。車輛B均定義為斜向車輛。

    圖2 斜向車輛定義的3種工況Fig.2 Three conditions defined for oblique vehicles

    1.1.2K-means聚類與Hough直線融合的車道線區(qū)劃

    本研究采用K-means聚類與Hough直線融合的方式,提高車道線檢測(cè)準(zhǔn)確率。

    原始圖像根據(jù)最大類間方差法(OTSU)閾值分割轉(zhuǎn)化為二值圖像,逐行提取二值化圖像的像素點(diǎn)。根據(jù)式(1)、式(2)判斷像素點(diǎn)屬性,利用公式(3)篩選特征點(diǎn),通過K-means聚類將特征點(diǎn)分為兩類。利用Hough直線變換,對(duì)聚類后的像素點(diǎn)進(jìn)行直線擬合。像素點(diǎn)起點(diǎn)、終點(diǎn)判斷式:

    R(i,j)-R(i,j-1)=255∩R(i,j)-

    R(i,j+1)=0,

    (1)

    R(i,j)-R(i,j-1)=0∩R(i,j)-

    R(i,j+1)=255,

    (2)

    式中,R(i,j)為二值化后圖像灰度值,istart,iend分別為起點(diǎn)橫坐標(biāo)及終點(diǎn)橫坐標(biāo)。像素?cái)?shù)與攝像頭有關(guān),本研究采用車道線寬度在5~30個(gè)像素左右[15],距離差公式:

    5≤iend-istart≤30。

    (3)

    根據(jù)像素點(diǎn)的分布特點(diǎn)及篩選條件,確定車輛的特征點(diǎn)及聚類效果如圖3所示。

    圖3 特征點(diǎn)提取Fig.3 Feature point extraction

    提取特征點(diǎn)后,通過K-means聚類聚成兩類后,根據(jù)Hough變換實(shí)現(xiàn)車道線檢測(cè),見圖3(a)。依據(jù)檢測(cè)結(jié)果,定義在自車兩側(cè)車道線以外的區(qū)域?yàn)槟繕?biāo)檢測(cè)區(qū)域,效果見圖4(b)。

    圖4 圖像區(qū)域劃分Fig.4 Image area division

    1.2基于陰影特征與邊緣特征融合的斜向車輛初次檢測(cè)1.2.1自適應(yīng)雙閾值與OTSU閾值融合的斜向車輛陰影提取

    OTSU與自適應(yīng)雙閾值分割算法應(yīng)用于車輛檢測(cè)會(huì)存在分割效果不佳的問題。例如OTSU算法在圖像是單峰、多峰情況下無法準(zhǔn)確分割[11];自適應(yīng)雙閾值法在不良天氣條件下效果不佳[16]。

    鑒于此,結(jié)合自適應(yīng)閾值與OTSU的算法優(yōu)點(diǎn),提出一種融合閾值分割算法。首先利用自適應(yīng)閾值Threshold1排除車輛檢測(cè)區(qū)域的高亮區(qū)域及噪聲,然后將滿足條件的像素點(diǎn)進(jìn)行OTSU閾值分割,從而實(shí)現(xiàn)車輛陰影的提取。

    依據(jù)式(4)、式(5)計(jì)算圖像的均值和方差;

    (4)

    (5)

    依據(jù)式(6)和計(jì)算得到的均值與方差,計(jì)算閾值Thresholdfirst,統(tǒng)計(jì)低于閾值Threshold1的像素點(diǎn);

    (6)

    將高于閾值的像素點(diǎn)排除后,采用OTSU閾值分割得到二次閾值分割的閾值Threshold2?;叶戎敌∮陂撝档臑殛幱安糠?,大于閾值為背景部分。根據(jù)式(7)得到二值化圖像。

    (7)

    改進(jìn)閾值算法與自適應(yīng)雙閾值分割算法、OTSU算法作比較,3種方法得到的閾值分割效果如圖5所示。

    圖5 閾值分割算法對(duì)比Fig.5 Comparison of threshold segmentation algorithms

    1.2.2斜向車輛邊界的愈合處理

    斜向車輛與正向車輛相比,垂直特征存在較大差異。通過提取垂直邊緣[17]作垂直邊緣直方圖,并建立愈合處理規(guī)則,從而確定斜向車輛的左右邊界。

    通過垂直Sobel卷積算子,得圖像區(qū)域的垂直邊緣圖,如圖6(a)所示。根據(jù)垂直邊緣圖計(jì)算對(duì)應(yīng)列垂直邊緣像素點(diǎn)的個(gè)數(shù)。以圖像寬度為橫坐標(biāo)、以垂直邊緣像素點(diǎn)的個(gè)數(shù)為縱坐標(biāo)作垂直邊緣直方圖,如圖6(b)所示。定義自適應(yīng)閾值Thresholdj:

    (8)

    式中,F(xiàn)為斜向檢測(cè)區(qū)域;WidthF為斜向檢測(cè)區(qū)域的寬度;f(i,j)為斜向檢測(cè)區(qū)域垂直邊緣圖的灰度值;δ[]為克羅內(nèi)克函數(shù),當(dāng)[]內(nèi)值相等時(shí),δ[]函數(shù)值為1,反之為0。

    直線j=Thresholdj與垂直邊緣直方圖相交,達(dá)到固定閾值Thresholdj的峰值坐標(biāo)點(diǎn)作為車輛左右邊界的候選點(diǎn),兩個(gè)對(duì)應(yīng)的左右邊界點(diǎn)之間的距離為疑似車輛區(qū)域的寬度。

    圖6 斜向車輛左右邊界提取Fig.6 Extracting left and right borders of oblique vehicle

    通過閾值Thresholdj的邊界候選點(diǎn)篩選匹配規(guī)則如下:

    規(guī)則1:若直線j=Thresholdj與直方圖的兩個(gè)相交點(diǎn)之間所對(duì)應(yīng)的列距離超過0.6limage,則兩個(gè)相交點(diǎn)為左右邊界點(diǎn);

    規(guī)則2:若列距離小于0.3limage,則將兩個(gè)相交點(diǎn)合并為一個(gè)交點(diǎn),合并原則為新的邊界點(diǎn)為縱坐標(biāo)不變,橫坐標(biāo)為兩個(gè)相交點(diǎn)橫坐標(biāo)的均值,即Bnew(i,j)=(iB1+iB2,j)。

    規(guī)則3:若邊界候選點(diǎn)Bk的相鄰列距離處于0.3limage與0.6limage之間,則認(rèn)為邊界點(diǎn)屬于不同的車輛。

    1.3 基于核主成分分析的級(jí)聯(lián)分類器檢測(cè)

    基于HOG特征與Haar-like特征的級(jí)聯(lián)分類器采取串聯(lián)的方式,從而達(dá)到更優(yōu)的效果。核主成分分析降維提高實(shí)時(shí)性。

    1.3.1斜向車輛的HOG特征

    (9)

    (10)

    將得到的梯度方向角θ在[0, 2π]內(nèi)分為9個(gè)bin區(qū)間,每個(gè)bin區(qū)間包含梯度方向角40°。梯度方向角對(duì)應(yīng)bin區(qū)間的梯度幅值函數(shù)為

    (11)

    式中,k=1, 2,…,9,Bk(i,j),為對(duì)應(yīng)bink區(qū)間的梯度幅值。每個(gè)像素點(diǎn)(i,j)都能通過上述式(11)得到一個(gè)k維向量,梯度方向直方圖如圖7所示。

    圖7 梯度方向直方圖Fig.7 Gradient direction histogram

    1.3.2斜向車輛的Haar-like特征

    特征值計(jì)算速度與特征維度大小選取相互制約。選用Haar-like特征對(duì)車輛正臉進(jìn)行特征提取,如圖8所示。由于Haar-like特征為矩形特征,其特征維度隨區(qū)域增大而增長(zhǎng),可使用積分圖(Viola等[19])快速計(jì)算特征值,但特征維度太大將導(dǎo)致計(jì)算實(shí)時(shí)性難以保證。

    圖8 Haar-like特征提取示例Fig.8 Example of extracting Haar-like features

    1.3.3核主成分分析對(duì)Haar-like特征的降維處理

    采用核主成分分析降維的方式可將高維數(shù)據(jù)流降維到低維空間,從而提高計(jì)算速度。思路如下。

    提取m個(gè)圖像特征,每個(gè)樣本特征維度為n,將其構(gòu)成特征矩陣A:

    (12)

    高斯徑向基核函數(shù)(RBF)表達(dá)式為

    (13)

    計(jì)算核矩陣K的特征值λ1,λ2,…,λn及特征向量v1,v2,…,vn,并對(duì)特征值大小排序處理,而且調(diào)整相應(yīng)的特征向量位置。

    根據(jù)主元成分的累積貢獻(xiàn)率Bk,當(dāng)累計(jì)貢獻(xiàn)率Bk達(dá)到最低限度值E=99.5%,提取前k個(gè)主成分向量v′1,v′2,…,v′k。累積貢獻(xiàn)率:

    (14)

    計(jì)算特征集A在低維空間的投影Y,利用主成分向量v′與核矩陣K即可得到Y(jié)=v′K,投影Y即為圖像特征集A的KPCA降維結(jié)果。

    具體降維結(jié)果如表1所列。根據(jù)表1的結(jié)果,降維處理后,當(dāng)車輛Haar-like特征維度達(dá)到86時(shí),累積方差貢獻(xiàn)率達(dá)99.543%,能夠滿足車輛檢測(cè)的需要,所以選擇提取車輛圖片特征的前86維度特征進(jìn)行車輛檢測(cè)。

    表1 車輛Haar-like特征降維Tab.1 Dimension reduction for vehicle Haar-like features

    1.3.4Adaboost級(jí)聯(lián)分類器

    自適應(yīng)增強(qiáng)學(xué)習(xí)算法(Adaboost)對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練產(chǎn)生若干個(gè)弱分類器(迭代n次就會(huì)產(chǎn)生n個(gè)分類器),且每次訓(xùn)練時(shí)訓(xùn)練樣本根據(jù)上一個(gè)弱分類器結(jié)果會(huì)對(duì)訓(xùn)練樣本集進(jìn)行權(quán)值調(diào)整,增大錯(cuò)分樣本權(quán)重,降低正確分類樣本權(quán)重,提高下一次迭代的弱分類器的準(zhǔn)確率。當(dāng)錯(cuò)誤率下降到一定要求或滿足迭代次數(shù)時(shí)分類器訓(xùn)練結(jié)束。檢測(cè)流程如圖9所示。

    圖9 多分類器檢測(cè)Fig.9 Multi-classifier detection

    通過多次強(qiáng)分類器的訓(xùn)練,將其以串行方式級(jí)聯(lián)成二級(jí)強(qiáng)分類器,作為最終分類判斷的依據(jù),提高分類器的分類精度。

    2 虛擬試驗(yàn)結(jié)果及分析

    2.1 虛擬試驗(yàn)設(shè)計(jì)及試驗(yàn)環(huán)境

    試驗(yàn)使用兩個(gè)數(shù)據(jù)集作為測(cè)試數(shù)據(jù)集:百度語義分割比賽所用視頻剪輯圖片,共298張; KITTI數(shù)據(jù)庫(kù)的圖片數(shù)據(jù),共300張。針對(duì)檢測(cè)算法改進(jìn)的幾個(gè)環(huán)節(jié),設(shè)計(jì)試驗(yàn)如下:

    虛擬試驗(yàn)1:陰影特征與邊緣特征融合的初次檢測(cè)與分類器二次檢測(cè)對(duì)比試驗(yàn);

    虛擬試驗(yàn)2:增加HOG特征前后Adaboost分類器效果對(duì)比;

    虛擬試驗(yàn)3:采用KPCA降維+多特征融合(HOG特征+Haar-like特征)+Adaboost級(jí)聯(lián)分類器與HOG+支持向量機(jī)(SVM)算法對(duì)比試驗(yàn);

    虛擬試驗(yàn)4:選擇3種天氣條件(晴天,陰天及雨天)對(duì)比試驗(yàn)。

    虛擬試驗(yàn)環(huán)境為Visual Studio2015+OpenCV3.1,使用C++語言進(jìn)行編程,硬件環(huán)境為戴爾靈越N4110電腦,6G內(nèi)存,i3處理器,Windows7系統(tǒng)。

    2.2 虛擬試驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)

    試驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)分別為準(zhǔn)確率、實(shí)時(shí)性、誤檢率。3個(gè)定量參數(shù)定義:

    (15)

    (16)

    (17)

    式中,N為圖片數(shù)量;ti為第i張圖片處理所需要的時(shí)間;num為矩形框總數(shù);numL為漏檢數(shù);numw為誤檢數(shù);numr為正確數(shù)。

    2.3 結(jié)果及分析

    (1)虛擬試驗(yàn)1結(jié)果及分析

    虛擬試驗(yàn)1為本研究算法中初次檢測(cè)與二次檢測(cè)的效果對(duì)比。結(jié)果如圖10所示。圖10(a)為閾值融合分割算法檢測(cè)結(jié)果,圖10(b)為分類器二次檢測(cè),矩形框表示檢測(cè)結(jié)果。

    圖10 虛擬試驗(yàn)一結(jié)果對(duì)比Fig.10 Comparison of results of virtual experiment 1

    從圖10看出,初次檢測(cè)能識(shí)別斜向車輛準(zhǔn)確率達(dá)90.1%;表2結(jié)果顯示,基于陰影特征和邊緣特征的斜向車輛的識(shí)別準(zhǔn)確率能達(dá)到94.6%。二次檢測(cè)的檢測(cè)準(zhǔn)確率提升4.5%。

    表2 車輛檢測(cè)結(jié)果對(duì)比(虛擬試驗(yàn)1)Tab.2 Comparison of vehicle test results (virtual experiment 1)

    (2)虛擬試驗(yàn)2結(jié)果及分析

    虛擬試驗(yàn)2是3種算法效果對(duì)比。算法1,采用KPCA降維+多特征融合+Adaboost機(jī)器學(xué)習(xí)算法;算法2,多特征融合+Adaboost機(jī)器學(xué)習(xí)算法;算法3,經(jīng)典的支持向量機(jī)SVM+HOG特征算法。試驗(yàn)結(jié)果如圖11所示。矩形框?yàn)樗惴z測(cè)結(jié)果。

    圖11 虛擬試驗(yàn)2結(jié)果對(duì)比Fig.11 Comparison of results of virtual experiment 2

    從圖11看出,算法1在車輛檢測(cè)中框選車輛準(zhǔn)確;算法3存在多個(gè)車輛檢測(cè)為同一輛車的情形。表3結(jié)果顯示:算法2與算法3相比,誤檢率降低5.2%,準(zhǔn)確性提高2.5%,說明多特征融合+Adaboost能明顯提高檢測(cè)準(zhǔn)確率,但是實(shí)時(shí)性指標(biāo)(檢測(cè)時(shí)間)沒有改善;算法1和算法2相比,準(zhǔn)確性和誤檢率相差不大,檢測(cè)時(shí)間減少15 ms,說明采用核主成分分析降維后,實(shí)時(shí)性指標(biāo)改善明顯;算法1與算法3相比,誤檢率降低5.1%,準(zhǔn)確性提高1.1%,但是檢測(cè)時(shí)間減少16 ms,綜合檢測(cè)效果最佳。

    表3 三種算法的車輛檢測(cè)結(jié)果對(duì)比(虛擬試驗(yàn)2)Tab.3 Comparison of vehicle detection results of 3 algorithms (virtual experiment 2)

    (3)虛擬試驗(yàn)3結(jié)果及分析

    虛擬試驗(yàn)3是增加HOG特征前后分類器效果對(duì)比。

    采集Adaboost訓(xùn)練過程中的準(zhǔn)確率與虛警率(被錯(cuò)分的幾率)數(shù)據(jù),繪制出ROC曲線。分類器2:HOG+Haar-like+Adaboost分類器;分類器1:Haar-like+Adaboost分類器。從圖12可以看出,分類器2曲線位于分類器1上方,即分類器2訓(xùn)練效果準(zhǔn)確率優(yōu)于分類器1,虛警率低于分類器2。

    圖12 ROC曲線Fig.12 ROC curves

    圖13 三種天氣條件下車輛檢測(cè)效果Fig.13 Vehicle detection effects under 3 weather conditions

    (4)虛擬試驗(yàn)4結(jié)果及分析

    從圖13看出,陰天、雨天和晴天均可以檢測(cè)出斜向車輛;從表4結(jié)果分析,車輛檢測(cè)準(zhǔn)確率均高于90%。

    表4 三種天氣條件下車輛檢測(cè)結(jié)果對(duì)比Tab.4 Comparison of vehicle test results under 3 weather conditions

    3 結(jié)論

    針對(duì)斜向車輛識(shí)別,提出融合雙自適應(yīng)閾值與OTSU閾值分割算法、以及斜向車輛邊界的愈合處理規(guī)則。試驗(yàn)結(jié)果顯示可有效識(shí)別斜向車輛,準(zhǔn)確率達(dá)90%。針對(duì)檢測(cè)準(zhǔn)確率和實(shí)時(shí)性問題,提出核主成分分析+雙特征融合+Adaboost級(jí)聯(lián)分類器算法。4組試驗(yàn)結(jié)果顯示,雙特征融合+Adaboost級(jí)聯(lián)分類器對(duì)提高檢測(cè)的準(zhǔn)確率有明顯改善;核主成分分析降維對(duì)檢測(cè)的實(shí)時(shí)性效果明顯;二者融合的綜合效果改善明顯。由于試驗(yàn)采取的是靜態(tài)圖片進(jìn)行測(cè)試,在實(shí)車環(huán)境下,攝像頭的安裝、車體運(yùn)動(dòng)、空氣中水分、光線均可對(duì)檢測(cè)結(jié)果產(chǎn)生影響。所以該組圖片的檢測(cè)結(jié)果有局限性。實(shí)車測(cè)試是下一階段的主要工作。實(shí)車環(huán)境下算法的有效性和穩(wěn)定性、精確性是后續(xù)算法改進(jìn)的關(guān)鍵所在。

    猜你喜歡
    斜向降維分類器
    Three-Body’s epic scale and fiercely guarded fanbase present challenges to adaptations
    椰子樹為什么斜向海邊成長(zhǎng)?
    降維打擊
    海峽姐妹(2019年12期)2020-01-14 03:24:40
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    泄水建筑物斜向進(jìn)水消力井井深設(shè)計(jì)研究
    為什么椰子樹斜向海邊生長(zhǎng)
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識(shí)別
    拋物化Navier-Stokes方程的降維仿真模型
    大香蕉久久成人网| 考比视频在线观看| 大话2 男鬼变身卡| 99久久中文字幕三级久久日本| 国产1区2区3区精品| 国产精品一二三区在线看| 精品人妻在线不人妻| 日本-黄色视频高清免费观看| 免费播放大片免费观看视频在线观看| 啦啦啦视频在线资源免费观看| 青春草国产在线视频| 精品视频人人做人人爽| 日韩人妻精品一区2区三区| 啦啦啦在线观看免费高清www| 午夜福利影视在线免费观看| 亚洲第一av免费看| 老鸭窝网址在线观看| 亚洲综合色网址| 2021少妇久久久久久久久久久| 日日啪夜夜爽| 黄频高清免费视频| 熟女少妇亚洲综合色aaa.| av不卡在线播放| 老女人水多毛片| 色网站视频免费| 国产麻豆69| av在线播放精品| 亚洲精品中文字幕在线视频| 精品酒店卫生间| 欧美日韩精品成人综合77777| 久久人人爽av亚洲精品天堂| 亚洲成人一二三区av| 久久精品国产亚洲av高清一级| 99热网站在线观看| 国产精品久久久久成人av| 91成人精品电影| 最近中文字幕2019免费版| 亚洲av成人精品一二三区| 亚洲色图综合在线观看| 亚洲精品一区蜜桃| 久久久久久久久久人人人人人人| 少妇的丰满在线观看| 夜夜骑夜夜射夜夜干| 午夜福利视频在线观看免费| 久久精品国产亚洲av高清一级| 亚洲成国产人片在线观看| av电影中文网址| 久久久a久久爽久久v久久| 色94色欧美一区二区| 免费播放大片免费观看视频在线观看| 天天躁日日躁夜夜躁夜夜| 精品人妻一区二区三区麻豆| 大话2 男鬼变身卡| 日本猛色少妇xxxxx猛交久久| a级毛片黄视频| 日韩电影二区| 只有这里有精品99| 黄色毛片三级朝国网站| 丝瓜视频免费看黄片| 亚洲经典国产精华液单| 日韩中文字幕视频在线看片| 不卡av一区二区三区| 天天影视国产精品| 1024视频免费在线观看| 看免费av毛片| 国产日韩欧美亚洲二区| 中文天堂在线官网| 夫妻午夜视频| 丝袜在线中文字幕| 美女高潮到喷水免费观看| 日韩不卡一区二区三区视频在线| 国产免费一区二区三区四区乱码| 亚洲三级黄色毛片| 这个男人来自地球电影免费观看 | 老司机影院成人| 男人添女人高潮全过程视频| 亚洲av中文av极速乱| 国产片内射在线| 麻豆乱淫一区二区| 五月开心婷婷网| 精品一区二区三区四区五区乱码 | 国产成人91sexporn| 美国免费a级毛片| 欧美精品高潮呻吟av久久| 国产成人精品久久久久久| 久久久国产一区二区| 九色亚洲精品在线播放| 欧美激情 高清一区二区三区| 国产精品成人在线| 王馨瑶露胸无遮挡在线观看| 男女无遮挡免费网站观看| 日韩一本色道免费dvd| 搡老乐熟女国产| 欧美精品一区二区大全| 七月丁香在线播放| 国产成人aa在线观看| kizo精华| 久久精品久久久久久噜噜老黄| 大片免费播放器 马上看| 91成人精品电影| 国产免费福利视频在线观看| 美女xxoo啪啪120秒动态图| 婷婷成人精品国产| 成人亚洲欧美一区二区av| 性高湖久久久久久久久免费观看| 又粗又硬又长又爽又黄的视频| 99久国产av精品国产电影| 久久国产精品男人的天堂亚洲| 欧美xxⅹ黑人| 亚洲情色 制服丝袜| 欧美日韩亚洲高清精品| 永久网站在线| 欧美少妇被猛烈插入视频| 天堂俺去俺来也www色官网| 捣出白浆h1v1| 日韩大片免费观看网站| 久久人人爽人人片av| 中文字幕人妻丝袜一区二区 | 自拍欧美九色日韩亚洲蝌蚪91| 男人爽女人下面视频在线观看| 赤兔流量卡办理| 青草久久国产| videossex国产| 午夜影院在线不卡| 日本av免费视频播放| 午夜福利视频精品| 日韩欧美一区视频在线观看| 欧美日韩精品成人综合77777| 精品国产国语对白av| 亚洲第一av免费看| 亚洲av国产av综合av卡| 91精品国产国语对白视频| 久久久国产欧美日韩av| 国产黄频视频在线观看| videossex国产| 欧美bdsm另类| www日本在线高清视频| 国产午夜精品一二区理论片| 制服诱惑二区| 热99国产精品久久久久久7| 少妇被粗大的猛进出69影院| 日韩精品有码人妻一区| 777久久人妻少妇嫩草av网站| 中文字幕人妻丝袜一区二区 | xxxhd国产人妻xxx| 国产xxxxx性猛交| 最新的欧美精品一区二区| 在线观看美女被高潮喷水网站| 九九爱精品视频在线观看| 日本-黄色视频高清免费观看| 国产精品 欧美亚洲| 亚洲成人一二三区av| 免费高清在线观看日韩| 精品久久蜜臀av无| 精品国产国语对白av| 青春草国产在线视频| 国产欧美日韩一区二区三区在线| 蜜桃在线观看..| 精品人妻偷拍中文字幕| 在线观看三级黄色| 日韩免费高清中文字幕av| 成年av动漫网址| 亚洲国产日韩一区二区| 只有这里有精品99| 国产视频首页在线观看| 国产黄色视频一区二区在线观看| 日韩视频在线欧美| 亚洲第一区二区三区不卡| 久久久久久伊人网av| 午夜日韩欧美国产| 香蕉精品网在线| 18禁国产床啪视频网站| 亚洲国产精品一区二区三区在线| 国产黄频视频在线观看| 一边亲一边摸免费视频| 91精品国产国语对白视频| 日本欧美国产在线视频| 九九爱精品视频在线观看| 成人午夜精彩视频在线观看| 最近中文字幕2019免费版| 只有这里有精品99| 国产精品免费大片| 久久韩国三级中文字幕| 美女视频免费永久观看网站| 国产精品二区激情视频| 在线观看免费日韩欧美大片| 校园人妻丝袜中文字幕| 午夜福利乱码中文字幕| 亚洲av男天堂| www日本在线高清视频| 精品国产一区二区三区四区第35| 国产精品国产av在线观看| 欧美日韩一区二区视频在线观看视频在线| 国产黄色免费在线视频| av卡一久久| 欧美97在线视频| 一区在线观看完整版| 春色校园在线视频观看| 亚洲精品美女久久av网站| 最近最新中文字幕免费大全7| 少妇熟女欧美另类| 永久网站在线| 久久精品久久精品一区二区三区| 久久狼人影院| 69精品国产乱码久久久| 免费黄色在线免费观看| 欧美xxⅹ黑人| 色播在线永久视频| 亚洲视频免费观看视频| 日韩大片免费观看网站| 狠狠精品人妻久久久久久综合| 久久久久久久久久久免费av| 日韩精品有码人妻一区| 在线观看国产h片| a级毛片黄视频| 午夜精品国产一区二区电影| 国产成人午夜福利电影在线观看| 久久国产精品大桥未久av| 波多野结衣一区麻豆| 国产精品欧美亚洲77777| 国产精品嫩草影院av在线观看| 亚洲图色成人| 亚洲精品美女久久久久99蜜臀 | 久久精品国产a三级三级三级| 久久久久精品人妻al黑| 波多野结衣一区麻豆| 日本av手机在线免费观看| 国产精品久久久久久久久免| 亚洲一区二区三区欧美精品| 日本欧美国产在线视频| 亚洲精品美女久久av网站| 欧美日韩亚洲国产一区二区在线观看 | 亚洲色图 男人天堂 中文字幕| 免费在线观看视频国产中文字幕亚洲 | 爱豆传媒免费全集在线观看| 熟妇人妻不卡中文字幕| 18在线观看网站| 美国免费a级毛片| 18+在线观看网站| 日本vs欧美在线观看视频| 2021少妇久久久久久久久久久| 免费黄频网站在线观看国产| 视频区图区小说| 亚洲国产最新在线播放| 国产色婷婷99| 色婷婷av一区二区三区视频| 一区二区三区激情视频| a级毛片在线看网站| 99九九在线精品视频| 黄片小视频在线播放| 色吧在线观看| av线在线观看网站| 看非洲黑人一级黄片| 少妇人妻精品综合一区二区| 成人毛片60女人毛片免费| 美女福利国产在线| 亚洲国产日韩一区二区| 亚洲精品国产色婷婷电影| 丝袜喷水一区| 久久久久久伊人网av| 妹子高潮喷水视频| 亚洲精品久久久久久婷婷小说| 最近手机中文字幕大全| 老汉色av国产亚洲站长工具| 亚洲av电影在线观看一区二区三区| 久久久久久久亚洲中文字幕| 亚洲av.av天堂| 国产一级毛片在线| 久久99蜜桃精品久久| 亚洲国产精品成人久久小说| 中文字幕另类日韩欧美亚洲嫩草| 日本av免费视频播放| 国产精品嫩草影院av在线观看| videosex国产| 黄色怎么调成土黄色| 人妻 亚洲 视频| 中国三级夫妇交换| 高清在线视频一区二区三区| 亚洲av成人精品一二三区| 天堂俺去俺来也www色官网| 永久网站在线| 少妇猛男粗大的猛烈进出视频| 国产精品不卡视频一区二区| 一级毛片电影观看| 在线观看免费视频网站a站| 国产成人免费观看mmmm| 国产在线一区二区三区精| 制服诱惑二区| 亚洲精品在线美女| 国产精品偷伦视频观看了| 老司机亚洲免费影院| 精品酒店卫生间| 精品第一国产精品| 日韩欧美一区视频在线观看| 各种免费的搞黄视频| 精品99又大又爽又粗少妇毛片| 亚洲精品,欧美精品| 丝袜脚勾引网站| 香蕉丝袜av| 啦啦啦在线免费观看视频4| a级片在线免费高清观看视频| 成年女人毛片免费观看观看9 | 亚洲婷婷狠狠爱综合网| 成人免费观看视频高清| 一二三四中文在线观看免费高清| 免费在线观看完整版高清| 国产亚洲午夜精品一区二区久久| 日韩视频在线欧美| 精品国产乱码久久久久久小说| 在线 av 中文字幕| av国产久精品久网站免费入址| 亚洲精品第二区| 精品人妻熟女毛片av久久网站| 搡女人真爽免费视频火全软件| 欧美 亚洲 国产 日韩一| 国产av一区二区精品久久| 国产国语露脸激情在线看| 久久精品久久久久久久性| 国产精品 国内视频| 日本欧美国产在线视频| 永久网站在线| 亚洲精品日本国产第一区| 精品国产乱码久久久久久男人| 久久国产亚洲av麻豆专区| 亚洲,欧美,日韩| 中文字幕最新亚洲高清| a级片在线免费高清观看视频| 又粗又硬又长又爽又黄的视频| 在线观看人妻少妇| 少妇的丰满在线观看| 亚洲少妇的诱惑av| 极品人妻少妇av视频| 三上悠亚av全集在线观看| 如日韩欧美国产精品一区二区三区| 亚洲欧美日韩另类电影网站| 精品人妻偷拍中文字幕| 最近的中文字幕免费完整| 人成视频在线观看免费观看| 黄色视频在线播放观看不卡| 久久久亚洲精品成人影院| 亚洲一区中文字幕在线| 伊人亚洲综合成人网| 中文乱码字字幕精品一区二区三区| 你懂的网址亚洲精品在线观看| 男男h啪啪无遮挡| 国产一区二区激情短视频 | 欧美老熟妇乱子伦牲交| 美女xxoo啪啪120秒动态图| 久久久欧美国产精品| 欧美另类一区| a级片在线免费高清观看视频| av一本久久久久| 两个人免费观看高清视频| 熟女少妇亚洲综合色aaa.| 国产又爽黄色视频| 老汉色av国产亚洲站长工具| 一边亲一边摸免费视频| 国产精品一二三区在线看| 欧美日韩综合久久久久久| 国产精品一区二区在线观看99| 免费观看a级毛片全部| 色播在线永久视频| 久久国产精品男人的天堂亚洲| 婷婷色综合大香蕉| 久久久久久人人人人人| 日本wwww免费看| 黑人巨大精品欧美一区二区蜜桃| 亚洲综合色惰| 97在线人人人人妻| 老司机影院毛片| 在线观看免费高清a一片| 欧美激情极品国产一区二区三区| 少妇猛男粗大的猛烈进出视频| 久久久久国产网址| 国产免费视频播放在线视频| 国产高清不卡午夜福利| 99久久精品国产国产毛片| 免费观看av网站的网址| 男人爽女人下面视频在线观看| 满18在线观看网站| 亚洲欧美精品综合一区二区三区 | 多毛熟女@视频| 精品人妻在线不人妻| 欧美另类一区| 欧美黄色片欧美黄色片| 最近中文字幕高清免费大全6| 亚洲在久久综合| 久久精品久久精品一区二区三区| 国产免费现黄频在线看| 最近手机中文字幕大全| 亚洲精品aⅴ在线观看| 人妻少妇偷人精品九色| 欧美日韩成人在线一区二区| 黄色 视频免费看| 中文字幕人妻熟女乱码| 伊人久久国产一区二区| 精品久久蜜臀av无| 久热这里只有精品99| 夫妻午夜视频| 深夜精品福利| 在线观看免费高清a一片| 人人妻人人澡人人爽人人夜夜| 好男人视频免费观看在线| 99国产综合亚洲精品| 免费在线观看视频国产中文字幕亚洲 | 久久人人爽av亚洲精品天堂| 欧美日本中文国产一区发布| 精品卡一卡二卡四卡免费| 精品国产一区二区三区久久久樱花| 亚洲综合精品二区| 最近最新中文字幕大全免费视频 | 一本久久精品| 欧美精品一区二区大全| 建设人人有责人人尽责人人享有的| 欧美精品一区二区免费开放| 成年av动漫网址| 国产成人91sexporn| 天天躁狠狠躁夜夜躁狠狠躁| www.精华液| kizo精华| 日日摸夜夜添夜夜爱| 夫妻性生交免费视频一级片| 老司机影院成人| 久久久亚洲精品成人影院| 黄网站色视频无遮挡免费观看| 国产 一区精品| 丝袜喷水一区| 国产精品免费大片| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 午夜福利视频在线观看免费| 国产男女内射视频| 人妻一区二区av| 久久97久久精品| 亚洲成人av在线免费| 99久国产av精品国产电影| 伊人亚洲综合成人网| 国产乱来视频区| 69精品国产乱码久久久| 国产亚洲精品第一综合不卡| 亚洲一级一片aⅴ在线观看| 日韩精品免费视频一区二区三区| 9色porny在线观看| 亚洲成色77777| 一本大道久久a久久精品| 天天操日日干夜夜撸| 麻豆乱淫一区二区| 久久久久精品久久久久真实原创| 欧美精品高潮呻吟av久久| 国产精品欧美亚洲77777| 国产毛片在线视频| 精品少妇内射三级| 成人毛片60女人毛片免费| 热99国产精品久久久久久7| 成人毛片60女人毛片免费| 侵犯人妻中文字幕一二三四区| 国产极品天堂在线| 免费黄网站久久成人精品| 一本—道久久a久久精品蜜桃钙片| 精品一品国产午夜福利视频| 我的亚洲天堂| 99精国产麻豆久久婷婷| 亚洲一区中文字幕在线| 中文欧美无线码| 黑人巨大精品欧美一区二区蜜桃| 国产成人精品婷婷| 深夜精品福利| 午夜老司机福利剧场| 交换朋友夫妻互换小说| 国产精品免费视频内射| 成人毛片a级毛片在线播放| 男男h啪啪无遮挡| 国产精品久久久久久精品电影小说| 欧美人与善性xxx| 国产精品欧美亚洲77777| 久久久a久久爽久久v久久| 日本午夜av视频| 建设人人有责人人尽责人人享有的| 交换朋友夫妻互换小说| 国产精品久久久久久精品电影小说| 亚洲欧美精品自产自拍| 丰满少妇做爰视频| 久久精品人人爽人人爽视色| 亚洲 欧美一区二区三区| 捣出白浆h1v1| 校园人妻丝袜中文字幕| 深夜精品福利| 黑人欧美特级aaaaaa片| 1024香蕉在线观看| 国产片内射在线| 国产av一区二区精品久久| 国产激情久久老熟女| 欧美97在线视频| 国产成人精品婷婷| 欧美在线黄色| 亚洲av福利一区| 少妇精品久久久久久久| 一本色道久久久久久精品综合| 亚洲美女搞黄在线观看| 亚洲国产av新网站| 成年女人在线观看亚洲视频| 亚洲av电影在线观看一区二区三区| 久久久国产精品麻豆| 国产精品熟女久久久久浪| 国产精品偷伦视频观看了| 亚洲国产精品国产精品| 91久久精品国产一区二区三区| 亚洲中文av在线| 男人爽女人下面视频在线观看| 如日韩欧美国产精品一区二区三区| 极品少妇高潮喷水抽搐| 国产高清国产精品国产三级| 久久国产精品大桥未久av| 日韩 亚洲 欧美在线| 日韩伦理黄色片| 日韩电影二区| 日日摸夜夜添夜夜爱| 国产福利在线免费观看视频| 999精品在线视频| 国产一区亚洲一区在线观看| 中文字幕人妻丝袜一区二区 | 欧美成人午夜精品| 国产成人91sexporn| av视频免费观看在线观看| 91精品国产国语对白视频| 人成视频在线观看免费观看| 国产精品久久久久久久久免| 又粗又硬又长又爽又黄的视频| 在线精品无人区一区二区三| 亚洲精品国产av成人精品| 只有这里有精品99| 久久久a久久爽久久v久久| 成人18禁高潮啪啪吃奶动态图| 免费高清在线观看日韩| 99热全是精品| 桃花免费在线播放| 国产毛片在线视频| 亚洲四区av| 波多野结衣一区麻豆| 在线观看一区二区三区激情| 国产综合精华液| 制服丝袜香蕉在线| 飞空精品影院首页| 日韩av免费高清视频| 伦精品一区二区三区| 啦啦啦中文免费视频观看日本| 九草在线视频观看| 亚洲精品国产色婷婷电影| 日本av手机在线免费观看| 蜜桃在线观看..| 亚洲av电影在线观看一区二区三区| 少妇的逼水好多| 欧美精品av麻豆av| 亚洲精品一二三| 久久综合国产亚洲精品| 看免费成人av毛片| 91精品伊人久久大香线蕉| 丝袜美腿诱惑在线| 夜夜骑夜夜射夜夜干| 亚洲av日韩在线播放| 久久人人爽人人片av| 香蕉国产在线看| 久久久久久久国产电影| 日韩一卡2卡3卡4卡2021年| 亚洲国产毛片av蜜桃av| 欧美中文综合在线视频| 亚洲第一青青草原| 啦啦啦在线免费观看视频4| 国产男女超爽视频在线观看| 亚洲综合精品二区| 亚洲精品aⅴ在线观看| 日韩一区二区三区影片| 观看av在线不卡| 涩涩av久久男人的天堂| 欧美日韩亚洲国产一区二区在线观看 | 婷婷成人精品国产| 2018国产大陆天天弄谢| 久久女婷五月综合色啪小说| 黄网站色视频无遮挡免费观看| 爱豆传媒免费全集在线观看| 在线天堂中文资源库| 国产 精品1| 美女国产视频在线观看| 99国产精品免费福利视频| av女优亚洲男人天堂| 亚洲国产av新网站| 人人妻人人爽人人添夜夜欢视频| 国产老妇伦熟女老妇高清| 亚洲欧洲国产日韩| 国产不卡av网站在线观看| 婷婷色综合www| 美女主播在线视频| 国产精品国产av在线观看| 春色校园在线视频观看| 少妇被粗大猛烈的视频| 18+在线观看网站| 亚洲四区av| 日韩不卡一区二区三区视频在线| a级片在线免费高清观看视频| av不卡在线播放| 日韩精品有码人妻一区| 欧美激情 高清一区二区三区| 亚洲四区av| 亚洲av成人精品一二三区| 亚洲国产精品999| 亚洲国产色片| 国产成人91sexporn| 国产探花极品一区二区| 狂野欧美激情性bbbbbb| 成人国语在线视频| 精品酒店卫生间| 国产精品国产三级国产专区5o| 啦啦啦在线观看免费高清www| 波野结衣二区三区在线| 成人二区视频| www.熟女人妻精品国产|