• <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 ?

    基于深度學習的青藏高原畜牧業(yè)多目標動物圖像檢索研究

    2020-12-24 08:01:42更藏卓瑪安見才讓
    軟件 2020年7期
    關鍵詞:卷積神經(jīng)網(wǎng)絡深度學習

    更藏卓瑪 安見才讓

    摘? 要: 深度學習作為機器學習的一大重要分支,近年來在圖像處理與自然語言處理領域應用極為廣泛,隨著深度學習被應用于各行各業(yè),越來越多復雜的問題也隨之簡化。本文利用深度學習中的卷積神經(jīng)網(wǎng)絡模型進行研究,采用當下較為流行的YOLO框架,設計并實現(xiàn)了一套實用于青藏高原畜牧業(yè)動物圖像檢索的系統(tǒng),該系統(tǒng)可根據(jù)相應需求檢索單目標和多目標圖像,在多次實驗結果反饋中正確率較高,可在一定范圍內滿足實際應用。

    關鍵詞: 深度學習;卷積神經(jīng)網(wǎng)絡;圖像檢索系統(tǒng)

    中圖分類號: TP391.4 ???文獻標識碼: A??? DOI:10.3969/j.issn.1003-6970.2020.07.025

    本文著錄格式:更藏卓瑪,安見才讓. 基于深度學習的青藏高原畜牧業(yè)多目標動物圖像檢索研究[J]. 軟件,2020,41(07):126-131

    Research on Multi-objective Animal Image Retrieval of Animal Husbandryin Qinghai Tibet Plateau Based on Deep Learning

    GENG ZANG Zhuo-ma, AN JIAN Cai-rang

    (Qinghai Nationalities University, qinghai 810000)

    【Abstract】: As an important branch of machine learning, deep learning has been widely used in the field of image processing and natural language processing in recent years. With the application of deep learning in all walks of life, more and more complex problems are also simplified. In this paper, the convolution neural network model in deep learning is used for research, and a set of practical animal image retrieval system is designed and implemented based on the current popular yo framework. The system can retrieve single target and multi-target images according to the corresponding needs. The accuracy of the system is high in multiple experimental results feedback, and it can meet the practical application in a certain range.

    【Key words】: Deep learning; Convolutional neural network; Image retrieval system

    0? 引言

    目前,在國內有很多動物圖像檢索方面的研究,并取得了突破性的成績。但都是在研究基于養(yǎng)殖場環(huán)境下的動物圖像檢索,而且是單目標的圖像檢索。在養(yǎng)殖場環(huán)境下光線較穩(wěn)定,這有利于圖像特征提取。在國內目前很少有基于青藏高原自然環(huán)境下并且是多目標的圖像檢索的研究,青藏高原畜牧業(yè)動物圖像中動物對象的形式又是各種各樣的,所以需要研究出各種狀態(tài)下的動物圖像檢索方法具有一定的意義。

    在深度學習中,卷積神經(jīng)網(wǎng)絡由于其相對簡單高效地提取特征方法使得其成為了目前最常用的一項技術。深度學習模型,特別是深度卷積神經(jīng)網(wǎng)絡模型,在不同的視覺任務比如圖像分類、注釋、檢索和目標檢測方面由于其強大的表達學習能力取得了巨大的成功。國內一些研究人員開始對基于CNNs的算法在圖像檢索方面進行了探索并取得了一定的成果。

    國內學者高姍[1]等在文獻中提出了一種基于多目標區(qū)域的圖像檢索模型,并實現(xiàn)了一款高效的檢索算法。該方法先使用某些目標檢測算法找出并定位出圖像中的目標,接著使用卷積神經(jīng)網(wǎng)絡(CNN)提取到各個目標的像素特征,同時提出了一種新的多目標區(qū)域相似度測量方法使得多目標檢測。文獻所提出的新算法在PASCAL VOC2007[2]圖像庫中使用后平均查準率達到43.47%。在PASCAL VOC2012圖像庫中使用后平均查準率達到44.85%。相比于傳統(tǒng)算法在檢索的準確性上得到了一個大的提升。隨著發(fā)展,越來越多優(yōu)秀并且成熟的模型不斷的橫空出世,進入到大眾視野,比如模型準確率較高的R-CNN[3]系算法,適合處理實時問題的YOLO[4]算法等等,都可以處理多目標圖像的檢索問題,采用合適的框架進行訓練模型,經(jīng)過合適的調節(jié)參數(shù),模型可以達到很高的正確率,能夠應用到實際生產(chǎn)生活中。

    基于以上所述,本文根據(jù)YOLO算法的計算速度快,誤檢測率低,準確率高等的優(yōu)勢特點,采用YOLO模型作為本文的網(wǎng)絡模型,并結合新提出的方法—G-Method,實現(xiàn)了一款較實用的青藏高原畜牧業(yè)多目標動物圖像檢索系統(tǒng),并檢索結果用藏文進行表示。

    1 ?多目標區(qū)域檢索架構

    為了完成多目標區(qū)域檢索系統(tǒng),需要將目標從目標源中提取并分割。提取目標源將使用YOLO模型,YOLO模型能夠給出目標的特征與相對位置,但是YOLO模型給出的特征與相對位置在一般情況下都是含有噪聲,也就是說目標特征與目標位置信息是存在偏差,為了降低這種偏差使得特征與目標位置更加精準,本文建立G-Method方法:

    (1)在一般情況下,YOLO模型的精準度容易受到訓練樣本數(shù)量與質量的影響,為了降低最終輸出的噪聲,G-Method將從訓練樣本入手。首先將訓練樣本送入預訓練好的VGG模型,獲得樣本集比較好的Embedding 權重參數(shù)向量,即各個CNN層的參數(shù)向量。

    (2)在CNN層訓練完畢之后,將在CNN層后加上一個K維的全連接層,記為G-Layer。G-Layer使用多分類損失函數(shù),并且以Softmax作為激活函數(shù)。當模型訓練完畢之后,將每一個樣本送入G-Layer模型,最終每一個訓練樣本將產(chǎn)生一個K維的Embedding向量,這個Embedding向量包含了訓練樣本的所有有效特征信息。

    (3)將所有K維的Embedding向量存入Faiss數(shù)據(jù)庫中,等待與預測結果向量做內積,這里所有的向量均為單位向量。

    (4)使用YOLO模型的輸出的分類與位置信息將原始輸入特征向量分割,分別送往Faiss中與其做內積,并設定內積結果閾值,如果結果內積值高于閾值,那么認為此結果可信,并且是與現(xiàn)有數(shù)據(jù)樣本非常接近的結果。

    流程圖如下。

    2 ?多目標區(qū)域定位

    YOLO算法中的核心思想是會將輸入的圖像切割成S*S的網(wǎng)格(cell)。每一個網(wǎng)格都需要預測B個邊框值(bounding box),邊框值包括目標的中心坐標(xy),它是相對于每個單元格來計算的,并且經(jīng)過了歸一化的處理,設該單元格的坐標為(xcol,yrow),該圖片的長、寬的坐標設為(xc,yc),則具體的計算公式為:

    其中x為網(wǎng)格的橫坐標,y為網(wǎng)格的縱坐標。w為網(wǎng)格的寬度,h為網(wǎng)格的高度。邊框的長和寬(w,h),同理也是相對于整張圖片計算得到的,設預測的邊界框的寬和高分別表示為,即計算公式為:

    同時每個邊界框需要預測出一個置信度(confidence score),置信度主要分為兩個部分,一是判斷網(wǎng)格中是否有目標值,二是邊框值的準確度,表示為:

    公式中的IOU為非極大抑制輸出結果,若網(wǎng)格中含有目標值,則,此時置信度的值就為IOU的值,文章后續(xù)將會對IOU展開進行解釋說明。若網(wǎng)格中不包含目標值,則,此時置信度的值為0。綜上所述,每個網(wǎng)格都需要預測B*(4+1)個值,假設每個網(wǎng)格需要預測C個類別,則每個網(wǎng)格都對應一個S*S*(B*5+C)維的向量。

    3 ?多目標特征提取

    在計算置信區(qū)間時提出了IOU的概念,它反應的是邊界框與真實的框之間的重合程度,值越大,說明預測的位置更加接近于真實的位置,預測結果更加準確。IOU可以表示為:預測邊界框面積交集比上預測邊框面積的并集,即:

    IOU=預測邊框的交集/預測邊框的并集??? (4)

    IOU用于測量真實和預測之間的相關度,相關度的程度越高,該值越高,也就越能代表預測的目標區(qū)域越準確。

    另外在多目標的預測過程中,YOLO算法中主要通過NMS(non maximum supperssion),非極大限制抑制來進行對結果的預測。它的核心思想是選擇高分輸出,與輸出重疊的目標去掉,并且不斷重復該過程。每個網(wǎng)格中,設ci為第i個邊界框分數(shù)(score)。即score=pci|obfect)?confidence。設置閾值為0.5,過濾掉置信度較低得分的邊界框,從而保證留下來的邊界框是置信度較高的預測區(qū)域。

    詳細算法如下:

    根據(jù)候選框的類別分類概率做一個排序:a1< a2

    (1)首先標記最大概率矩形框a6是要保留下來的;

    (2)從最大概率矩形框a6作為開始,分別判斷a1-a5與a6的IOU是否大于某個預先設定的閾值,假設a2、a4與a6的IOU超過預先設定的閾值,那么就剔除a2、a4;

    (3)從剩下的矩形框a1、a3、a5中,選擇概率最大矩形框,將其標記為需要保留下來的矩形邊框,然后判讀a5與a1、a3的IOU,剔除超過閾值的矩形邊框。

    4? 損失函數(shù)的計算

    YOLO的損失函數(shù)包含三部分:位置誤差、置信度誤差和分類誤差。

    損失函數(shù)的計算就是為了計算坐標的、置信度和分類結果這三個方面達到平衡,其中有寶蓋帽子符號為預測值,無帽子的為訓練標記值。表示物體落入格子i的第j個邊界框內。如果某個網(wǎng)格內沒有目標,就不對分類誤差進行反向傳播。

    5? 檢索性能評價指標

    實驗采用查準率-查全率曲線(Precision—Recall curve)和平均查準率(mean Average Precision, mAP)作為性能評價標準,公式如下:

    其中TP是真正例,FP是假正例,FN是假負例。通過precisionrecall的結果,就可以來計算AP,AP就是表示由precisionrecall組成曲線的下方面積。

    由于在一般情況下曲線下方的面積是無法計算的,所以VOC大賽采取11點[5]的原則:

    AP的計算是以11個點作為基礎進行代替計算,然后將11個點的AP進行一個平均即可得到mAP:

    6 ?實驗與分析

    基于YOLO本文采用了Darknet框架,它是由C語言和CUDA實現(xiàn)的,對GPU的利用率相比與CPU要高一些,并且易移植到其他平臺。其中yolo層和upsample層在YOLO-V1中使用。yolo層主要

    指定邊界框等信息,計算當中的損失函數(shù)等。它自身具有很多優(yōu)點,相比于其他框架,易于安裝,沒有其他的依賴項,可以不用依賴任何庫。即使Darknet框架是有C語言程序編寫的,但也提供了友好的python接口,YOLO采用多尺度預測,每一種尺度預測2個邊界框,并且使用的是多個Logistic分類器代替softmax分類器,這樣準確率不會下降,從而提高模型的擬合程度。最后經(jīng)過YOLO模型訓練所獲得的分類與位置信息將原始輸入特征向量分割分別送往Faiss數(shù)據(jù)庫中。并結合本章新提出的G-Method流程,所產(chǎn)生的k維向量存入到Faiss數(shù)據(jù)庫中,與預測結果向量做內積,并設定內積結果閾值,如果結果內積值高于閾值,那么認為現(xiàn)有的數(shù)據(jù)樣本非常接近預測結果。

    ①在有限的訓練成本和訓練時間的條件下,上圖是對于yak的多目標檢測,可以看到,不同位置的yak已經(jīng)能夠被檢測出來,yak后面的部分表示模型給出該類別下的置信度,由上到下分別為0.6,0.88,0.49。此時模型已經(jīng)不再像單。

    目標搜索只能檢測出單一的物體,而是能夠識別途中所有的目標類別以及其對應的位置。圖中也有一個小yak并沒有被檢測出來,這是因為在給定的置信度與NMS下,這個位置的預測結果在候選區(qū)中被剔除了,因為對于應用方面需要的結果是可? 信的、可靠的,而不是為了求全而獲排列出所有的結果。

    ②對于最下方的yak而言,可以發(fā)現(xiàn)雖然這個對象最大,但是它的姿勢或者說像素點的排列并沒有在訓練樣本中大量的出現(xiàn),從而導致置信度偏低,可以揣測,模型只“看到了”耗牛角(因為在單目標中,耗牛角也是模型學習到的一部分內容),導致模型可以相信這個地方的類別是耗牛,但是不愿意給出較高的置信度,因為耗牛身體并不是訓練集中常常出現(xiàn)的像素排列。圖3為牦牛多目標檢索結果。

    圖4檢測目標為sheep,在sheep的檢測過程中,大部分的sheep已經(jīng)被檢測出來,但是可以發(fā)現(xiàn)檢測結果中出現(xiàn)了一個錯誤的目標,即右側將sheep識別為yak,但錯誤目標對象極度模糊,也就是使用肉眼觀察都需要相對仔細才能觀察到。而模型卻能將位置精確的找到,將類別識別錯誤,并且置信度也比較低。這說明模型在一定程度上是比肉眼初步觀察更加優(yōu)秀。對于檢測目標的前面兩個sheep而言,置信度都相對比較低,這是因為:

    第一,受到了圖片分辨率的影響,由于低分辨率導致像素排列不緊密,模型無法較好的預測像素排列結果。

    第二,依然和yak的檢測結果類似,模型實際上只能夠識別sheep的臉部區(qū)域,無法通過其他卷積層學得的身體相關部分給出更加高的置信度值。

    上圖為horse的檢測結果,在檢測的結果中可以發(fā)現(xiàn),雖然目標是horse但是模型也檢測出了yak。

    實際上在更一般的情況下,多目標檢測更多的用于一張圖片中含有多個不同的類,需要找出各個類別以及相應的位置,那么下面來看看混合型的情況。

    (4)混合型(Mixture)

    上圖顯示的就是在一般情況下的檢索,檢索的目標對象基本正確,其中可以發(fā)現(xiàn)檢測過程中有2個誤差。分別是將sheep識別為yak,以及將sheep識別為horse。但是仔細觀察可以發(fā)現(xiàn),雖然將類別識別錯誤,但是識別的位置卻是正確的。

    (5)檢索性能分析

    本章實驗在圖像數(shù)據(jù)集中隨機選擇了3000幅圖像作為查詢圖像,檢索的平均查準率如表1所示。

    表1可得,閾值為0.5時,yak的Map是最高的,但是不管是哪一個類,隨著閾值的增大查準率就降低了。雖然更高的閾值表示更加精準的輸出,那么有些結果雖然是正確的,但是由于不滿足精度需求也會過濾掉。

    圖9、圖10和圖11分別展示了模型在三個類的圖像數(shù)據(jù)集上的PR曲線圖,從圖中可以看到,模型在yak類數(shù)據(jù)集上的查準率明顯優(yōu)于其他兩種數(shù)據(jù)集上查準率。

    7 ?總結

    本文為畜牧業(yè)動物圖像檢索建立了一個基于深度學習的網(wǎng)頁端系統(tǒng)。利用卷積神經(jīng)網(wǎng)絡,單目標圖像檢索,多目標圖像檢索等基礎理論,構造了一個由網(wǎng)頁端可以實現(xiàn)對畜牧業(yè)動物進行分類預測的圖像檢索系統(tǒng),無論是對簡單的圖像目標還是對于繁瑣目標的圖像,模型都可以以較高的準確率來判斷出圖像中目標的類別,并給出準確度。對于較小目標的圖像,模型依舊存在誤判,但并不影響實際

    應用。采用的YOLO模型框架在實現(xiàn)的過程中表現(xiàn)的效果符合預期想要達到的目標,經(jīng)過相關參數(shù)的調試后,最終確定為本文圖像檢索系統(tǒng)中采用的模型。實驗結果證明,采用YOLO框架的模型擬合程度較高。

    參考文獻

    1. 高珊, 李秀華, 張峰, 宋立明. 基于多目標區(qū)域的圖像檢索[J]. 電視技術, 2018, 42(4): 55-61.

    2. M. Everingham, L. Van Gool, C. K. I. williams, J. Winn, and A. Zis-Serman. The PASCAL Visual Object Classes Challenge[J]. Int J comput vis, 2010, 88: 303-338.

    3. Girshick R, Donahue J, Darrell T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation[J]. Computer Vision and Pattern Recognition, 2013, 1(April): 580-587.

    4. Joseph Redmon, Santosh Divvala, Ross Girshick. You Only Look Once: Unified, Real-Time Object Detection[J]. Computer Vision and Pattern Recognition, 2016.

    5. 葉虎, 趙一凡. 最完整的檢測模型評估指標mAP計算指南[DB/OL]. https://blog.csdn. net/l7H9JA4/article/details/80745028. 2018, 06, 19.

    6. 王曉華. OpenCV+TensorFlow深度學習與計算機視覺實戰(zhàn)[M]. 清華大學出版社, 2019, 2月, 第-版.

    7. 朱嘯天. 基于深度學習的動物圖像檢索算法研究[D]. 學位論文, 沈陽理工大學, 2015.

    8. 猿輔導研究團隊. 深度學習核心技術與實踐[M]. 北京:電子工業(yè)出版社, 2018.

    9. 李釗, 蘆葦, 邢薇薇. CNN視覺特征的圖像檢索[J]. 北京郵電大學學報, 2015, 38(b06): 103-106.

    10. 海林鵬, 文運平. 基于圖像分塊目標區(qū)域的檢索技術研究[J]. 河南理工大學學報(自然科學版), 2013, 32(1): 73-75.

    11. 侯貴洋, 趙桂杰, 王璐瑤. 草莓采摘機器人圖像識別系統(tǒng)研究[J]. 軟件, 2018, 39(6): 184-188.

    12. 張傳棟, 徐漢飛, 陳弘毅, 等. 基于超紅圖像與輪廓曲率的蘋果目標識別與定位方法研究[J]. 軟件, 2015, 36(8): 30-35.

    13. 王聰興, 劉寶亮. 一種基于圖像處理的表面故障裂紋檢測系統(tǒng)[J]. 軟件, 2018, 39(5): 144-150.

    14. 彭云聰, 任心晴, 石浩森. 基于核加權KNN和多目標優(yōu)化的眾包平臺定價系統(tǒng)設計[J]. 軟件, 2018, 39(6): 150-154.

    15. 王浩, 楊德宏, 滿亞洲. 基于 GIS 技術的動物物種管理及保護[J]. 軟件, 2018, 39(12): 111-115.

    猜你喜歡
    卷積神經(jīng)網(wǎng)絡深度學習
    基于卷積神經(jīng)網(wǎng)絡溫室智能大棚監(jiān)控系統(tǒng)的研究
    基于深度卷積神經(jīng)網(wǎng)絡的物體識別算法
    有體驗的學習才是有意義的學習
    電子商務中基于深度學習的虛假交易識別研究
    MOOC與翻轉課堂融合的深度學習場域建構
    大數(shù)據(jù)技術在反恐怖主義中的應用展望
    深度學習算法應用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    基于深度卷積網(wǎng)絡的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡的樹葉識別的算法的研究
    亚洲精品自拍成人| 美女扒开内裤让男人捅视频| 美女福利国产在线| 亚洲熟女毛片儿| 精品视频人人做人人爽| 国产免费福利视频在线观看| av又黄又爽大尺度在线免费看| 国产1区2区3区精品| 国产精品国产三级国产专区5o| 男女无遮挡免费网站观看| 丝袜美腿诱惑在线| 国产97色在线日韩免费| 在线观看免费高清a一片| 国产无遮挡羞羞视频在线观看| 80岁老熟妇乱子伦牲交| 亚洲av欧美aⅴ国产| 一本色道久久久久久精品综合| 少妇猛男粗大的猛烈进出视频| 天堂俺去俺来也www色官网| 国产在线观看jvid| 免费女性裸体啪啪无遮挡网站| 日本wwww免费看| 啦啦啦中文免费视频观看日本| 一边摸一边做爽爽视频免费| 亚洲av美国av| 丝袜人妻中文字幕| 精品一区二区三区av网在线观看 | 亚洲精品久久久久久婷婷小说| 一边亲一边摸免费视频| 亚洲一区中文字幕在线| 赤兔流量卡办理| 精品福利永久在线观看| 亚洲精品国产色婷婷电影| 国产老妇伦熟女老妇高清| 97在线人人人人妻| 中文字幕人妻丝袜制服| 一本—道久久a久久精品蜜桃钙片| 王馨瑶露胸无遮挡在线观看| tube8黄色片| 精品国产乱码久久久久久男人| 日本vs欧美在线观看视频| 91精品国产国语对白视频| 悠悠久久av| 亚洲,欧美精品.| 1024视频免费在线观看| 人人澡人人妻人| 少妇 在线观看| 欧美日韩精品网址| 精品一区二区三区四区五区乱码 | 免费日韩欧美在线观看| 欧美日韩av久久| 丝袜在线中文字幕| 午夜免费观看性视频| 国产亚洲欧美在线一区二区| 波野结衣二区三区在线| 久9热在线精品视频| 免费不卡黄色视频| 亚洲人成电影免费在线| 一级片'在线观看视频| 亚洲,一卡二卡三卡| 热re99久久国产66热| 啦啦啦中文免费视频观看日本| 丰满少妇做爰视频| a级毛片黄视频| 老司机靠b影院| 欧美av亚洲av综合av国产av| 午夜福利乱码中文字幕| 亚洲,欧美,日韩| 美女脱内裤让男人舔精品视频| 一级,二级,三级黄色视频| 亚洲国产av新网站| 丰满人妻熟妇乱又伦精品不卡| 脱女人内裤的视频| 国产野战对白在线观看| 老鸭窝网址在线观看| 丰满人妻熟妇乱又伦精品不卡| 国产亚洲av高清不卡| 欧美老熟妇乱子伦牲交| 中文字幕人妻熟女乱码| 中文字幕精品免费在线观看视频| 两个人免费观看高清视频| 麻豆av在线久日| 在线观看国产h片| 美女福利国产在线| 日本91视频免费播放| 久久人妻熟女aⅴ| 成人三级做爰电影| 亚洲欧美精品综合一区二区三区| 精品少妇黑人巨大在线播放| 十分钟在线观看高清视频www| 日本欧美国产在线视频| 国产成人一区二区在线| 99热国产这里只有精品6| 真人做人爱边吃奶动态| 99久久人妻综合| 国产熟女欧美一区二区| 亚洲精品国产一区二区精华液| 欧美日韩精品网址| 黄色一级大片看看| 91麻豆av在线| 久久久精品区二区三区| 大陆偷拍与自拍| 久久久久视频综合| 亚洲中文字幕日韩| 天天添夜夜摸| 欧美精品av麻豆av| 在线观看www视频免费| 看免费成人av毛片| 久久久国产一区二区| 亚洲欧美精品综合一区二区三区| 岛国毛片在线播放| 色综合欧美亚洲国产小说| 狂野欧美激情性bbbbbb| 亚洲中文av在线| 一区二区av电影网| 下体分泌物呈黄色| 一区二区日韩欧美中文字幕| 国产成人精品在线电影| 成人国语在线视频| 男男h啪啪无遮挡| 晚上一个人看的免费电影| 国产精品.久久久| 色婷婷av一区二区三区视频| 国产片特级美女逼逼视频| 蜜桃在线观看..| 国产熟女午夜一区二区三区| 免费日韩欧美在线观看| 欧美激情 高清一区二区三区| 最黄视频免费看| 丰满少妇做爰视频| 欧美黄色片欧美黄色片| 七月丁香在线播放| 丰满饥渴人妻一区二区三| 大香蕉久久网| √禁漫天堂资源中文www| 另类精品久久| 久久精品人人爽人人爽视色| 日韩中文字幕视频在线看片| 免费在线观看影片大全网站 | 高潮久久久久久久久久久不卡| 亚洲 国产 在线| 狠狠婷婷综合久久久久久88av| 日本猛色少妇xxxxx猛交久久| 在线观看www视频免费| 午夜福利免费观看在线| 午夜激情久久久久久久| 一区二区三区激情视频| 亚洲九九香蕉| 国产视频首页在线观看| 伊人久久大香线蕉亚洲五| 精品免费久久久久久久清纯 | 色94色欧美一区二区| 操美女的视频在线观看| 国产亚洲一区二区精品| 亚洲欧美精品自产自拍| 一区二区三区四区激情视频| av欧美777| 国产成人影院久久av| 亚洲精品av麻豆狂野| 午夜视频精品福利| 午夜视频精品福利| 99热网站在线观看| 老司机午夜十八禁免费视频| av网站在线播放免费| www.熟女人妻精品国产| 精品少妇内射三级| 久久久精品区二区三区| 一区二区日韩欧美中文字幕| 国产免费福利视频在线观看| 爱豆传媒免费全集在线观看| 中文字幕av电影在线播放| 99热全是精品| 免费少妇av软件| 在线天堂中文资源库| 男女免费视频国产| 亚洲欧美成人综合另类久久久| 青春草亚洲视频在线观看| 亚洲欧美一区二区三区国产| 成年动漫av网址| 最近最新中文字幕大全免费视频 | 一级黄色大片毛片| 国产淫语在线视频| 国产成人精品久久久久久| 一级毛片 在线播放| 亚洲av片天天在线观看| 久久久久久久国产电影| 国产欧美日韩精品亚洲av| 免费人妻精品一区二区三区视频| 国产精品三级大全| 水蜜桃什么品种好| 国产av一区二区精品久久| 婷婷色麻豆天堂久久| av一本久久久久| 亚洲精品在线美女| 男女免费视频国产| 精品国产国语对白av| 久久久欧美国产精品| 亚洲av成人精品一二三区| 一边摸一边抽搐一进一出视频| 中文字幕人妻丝袜一区二区| 日韩av免费高清视频| 晚上一个人看的免费电影| 亚洲一码二码三码区别大吗| 国产成人精品久久二区二区免费| 国产成人一区二区在线| 国产精品免费大片| 涩涩av久久男人的天堂| 成人手机av| 婷婷色综合www| 国产91精品成人一区二区三区 | 后天国语完整版免费观看| 亚洲自偷自拍图片 自拍| 亚洲第一青青草原| 欧美中文综合在线视频| 国产精品麻豆人妻色哟哟久久| 久久精品亚洲av国产电影网| 美女国产高潮福利片在线看| 女性生殖器流出的白浆| 黑人欧美特级aaaaaa片| 80岁老熟妇乱子伦牲交| 成人黄色视频免费在线看| 成人国产一区最新在线观看 | 久久精品国产a三级三级三级| 成年人免费黄色播放视频| 国产精品一国产av| 久久99热这里只频精品6学生| 丝袜在线中文字幕| 国产成人一区二区在线| 日本av免费视频播放| 国产av国产精品国产| 每晚都被弄得嗷嗷叫到高潮| 人妻一区二区av| 最新的欧美精品一区二区| 国产片内射在线| 97精品久久久久久久久久精品| 亚洲人成网站在线观看播放| 国产精品国产三级专区第一集| 欧美精品av麻豆av| 久久精品久久久久久久性| www.999成人在线观看| 欧美人与性动交α欧美精品济南到| 啦啦啦在线免费观看视频4| 三上悠亚av全集在线观看| 日韩熟女老妇一区二区性免费视频| 18禁黄网站禁片午夜丰满| 精品久久久精品久久久| 久久精品熟女亚洲av麻豆精品| 丝袜人妻中文字幕| 高潮久久久久久久久久久不卡| 久久精品国产a三级三级三级| 亚洲精品久久久久久婷婷小说| 又黄又粗又硬又大视频| 日韩熟女老妇一区二区性免费视频| 国产高清国产精品国产三级| 久久精品aⅴ一区二区三区四区| 亚洲欧洲国产日韩| 天堂俺去俺来也www色官网| 在线看a的网站| 国产成人免费无遮挡视频| 午夜免费男女啪啪视频观看| av网站在线播放免费| 乱人伦中国视频| 欧美精品一区二区免费开放| 99热全是精品| 亚洲一区二区三区欧美精品| 欧美精品亚洲一区二区| 国产免费福利视频在线观看| 亚洲精品国产av成人精品| 成年人免费黄色播放视频| av一本久久久久| 少妇精品久久久久久久| 桃花免费在线播放| 丝瓜视频免费看黄片| 欧美成狂野欧美在线观看| 777久久人妻少妇嫩草av网站| 欧美日韩亚洲综合一区二区三区_| xxxhd国产人妻xxx| 国产精品久久久人人做人人爽| 日韩大片免费观看网站| 日本五十路高清| 日本午夜av视频| 国产亚洲av高清不卡| 亚洲av日韩在线播放| 久久 成人 亚洲| 熟女av电影| 国产男女内射视频| 精品国产一区二区三区四区第35| 精品欧美一区二区三区在线| 亚洲欧美色中文字幕在线| 久久久精品国产亚洲av高清涩受| 亚洲精品国产区一区二| 香蕉国产在线看| 亚洲欧美精品综合一区二区三区| 美女大奶头黄色视频| 又黄又粗又硬又大视频| 免费观看人在逋| 美女福利国产在线| 亚洲av日韩精品久久久久久密 | 日本欧美视频一区| 爱豆传媒免费全集在线观看| 欧美av亚洲av综合av国产av| 国产成人欧美在线观看 | 久久久精品94久久精品| 午夜免费观看性视频| 可以免费在线观看a视频的电影网站| 国产深夜福利视频在线观看| 18禁黄网站禁片午夜丰满| 欧美日韩黄片免| 国产精品国产三级专区第一集| 黄色视频在线播放观看不卡| 亚洲av欧美aⅴ国产| 免费在线观看视频国产中文字幕亚洲 | 午夜免费男女啪啪视频观看| 国产片内射在线| 成年动漫av网址| 精品欧美一区二区三区在线| 国产xxxxx性猛交| 国产麻豆69| 在线亚洲精品国产二区图片欧美| 欧美日韩福利视频一区二区| 国产爽快片一区二区三区| 如日韩欧美国产精品一区二区三区| 一级a爱视频在线免费观看| cao死你这个sao货| 水蜜桃什么品种好| 免费看十八禁软件| 水蜜桃什么品种好| 久久精品成人免费网站| 国产视频一区二区在线看| 国产精品 国内视频| 在线 av 中文字幕| av网站免费在线观看视频| 久久精品亚洲熟妇少妇任你| 叶爱在线成人免费视频播放| 精品高清国产在线一区| 女性生殖器流出的白浆| 色播在线永久视频| 久久中文字幕一级| 免费在线观看视频国产中文字幕亚洲 | 男女免费视频国产| 曰老女人黄片| 久久天躁狠狠躁夜夜2o2o | 中文字幕人妻熟女乱码| 18禁观看日本| 午夜老司机福利片| 新久久久久国产一级毛片| 国产国语露脸激情在线看| 三上悠亚av全集在线观看| 观看av在线不卡| 国产成人欧美| 亚洲欧洲国产日韩| av天堂在线播放| 国产一区二区在线观看av| 久久精品国产a三级三级三级| 亚洲欧美成人综合另类久久久| 国产欧美日韩一区二区三区在线| 一区二区av电影网| 老熟女久久久| 亚洲免费av在线视频| 91成人精品电影| 亚洲免费av在线视频| videos熟女内射| 七月丁香在线播放| 日韩视频在线欧美| 多毛熟女@视频| 国产精品久久久人人做人人爽| 欧美另类一区| 亚洲,欧美精品.| 亚洲情色 制服丝袜| 国产伦理片在线播放av一区| 50天的宝宝边吃奶边哭怎么回事| av有码第一页| 精品久久久精品久久久| 亚洲av日韩在线播放| 国产片特级美女逼逼视频| 纵有疾风起免费观看全集完整版| 国产精品99久久99久久久不卡| 一级,二级,三级黄色视频| 侵犯人妻中文字幕一二三四区| 日韩一本色道免费dvd| 一级黄色大片毛片| 亚洲色图 男人天堂 中文字幕| 婷婷成人精品国产| 久久久精品国产亚洲av高清涩受| 免费黄频网站在线观看国产| 高清av免费在线| 人妻 亚洲 视频| www.熟女人妻精品国产| 国产精品二区激情视频| 99国产精品99久久久久| 国产有黄有色有爽视频| 久久精品熟女亚洲av麻豆精品| 18在线观看网站| 建设人人有责人人尽责人人享有的| 又大又爽又粗| 少妇粗大呻吟视频| 色婷婷av一区二区三区视频| 韩国精品一区二区三区| 亚洲成国产人片在线观看| 久久国产精品男人的天堂亚洲| 性少妇av在线| 欧美在线黄色| www.熟女人妻精品国产| 精品少妇黑人巨大在线播放| 午夜日韩欧美国产| 亚洲欧美精品自产自拍| 一级黄色大片毛片| 欧美人与性动交α欧美精品济南到| 男人舔女人的私密视频| 国产一区二区在线观看av| 亚洲成人免费av在线播放| 久久久久国产一级毛片高清牌| avwww免费| 欧美另类一区| 久久久久精品人妻al黑| 精品国产国语对白av| 性色av乱码一区二区三区2| 五月天丁香电影| 天天躁夜夜躁狠狠久久av| 亚洲欧美日韩另类电影网站| 18在线观看网站| 黄色视频在线播放观看不卡| 久久人妻熟女aⅴ| 国产精品av久久久久免费| www.熟女人妻精品国产| 美女午夜性视频免费| 老司机午夜十八禁免费视频| 免费在线观看影片大全网站 | 男女边吃奶边做爰视频| 欧美97在线视频| 啦啦啦在线观看免费高清www| 亚洲精品中文字幕在线视频| 汤姆久久久久久久影院中文字幕| 五月天丁香电影| 中文字幕人妻丝袜制服| 国产免费一区二区三区四区乱码| 性高湖久久久久久久久免费观看| 在线观看免费高清a一片| 美女高潮到喷水免费观看| 精品一区二区三区av网在线观看 | 国产免费视频播放在线视频| 久久精品国产亚洲av涩爱| 9色porny在线观看| 久久亚洲国产成人精品v| av一本久久久久| 亚洲欧美色中文字幕在线| 日本wwww免费看| 国产伦人伦偷精品视频| 色婷婷久久久亚洲欧美| 亚洲五月婷婷丁香| 久久精品国产a三级三级三级| 国产一区亚洲一区在线观看| 国产不卡av网站在线观看| 精品少妇久久久久久888优播| 久久女婷五月综合色啪小说| 美女国产高潮福利片在线看| 香蕉国产在线看| 亚洲图色成人| 一边亲一边摸免费视频| www.999成人在线观看| 好男人视频免费观看在线| 国产福利在线免费观看视频| 免费看av在线观看网站| 桃花免费在线播放| 亚洲视频免费观看视频| 国产成人a∨麻豆精品| 成年美女黄网站色视频大全免费| 亚洲熟女毛片儿| 人人妻人人澡人人看| 在线观看一区二区三区激情| 久久午夜综合久久蜜桃| 五月开心婷婷网| 欧美人与性动交α欧美软件| 只有这里有精品99| 亚洲av成人不卡在线观看播放网 | 手机成人av网站| 日本av免费视频播放| 极品少妇高潮喷水抽搐| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品美女久久av网站| 欧美乱码精品一区二区三区| 亚洲一区二区三区欧美精品| 欧美+亚洲+日韩+国产| 国产精品人妻久久久影院| 国产精品国产av在线观看| 国产av国产精品国产| 男女之事视频高清在线观看 | 国产精品久久久久久人妻精品电影 | 久久影院123| 亚洲av电影在线进入| 久久久久网色| 午夜av观看不卡| 国产亚洲精品第一综合不卡| 中文字幕最新亚洲高清| 国产高清不卡午夜福利| 亚洲精品成人av观看孕妇| 亚洲欧美成人综合另类久久久| 美女中出高潮动态图| 黄色怎么调成土黄色| 你懂的网址亚洲精品在线观看| 久久人人爽人人片av| 午夜老司机福利片| 久久久精品免费免费高清| 黄色毛片三级朝国网站| 亚洲av欧美aⅴ国产| 女人被躁到高潮嗷嗷叫费观| 国产一区亚洲一区在线观看| 男女床上黄色一级片免费看| 欧美人与性动交α欧美软件| 中文欧美无线码| 国产亚洲精品第一综合不卡| 国产日韩一区二区三区精品不卡| 叶爱在线成人免费视频播放| 亚洲三区欧美一区| 首页视频小说图片口味搜索 | 91九色精品人成在线观看| 视频在线观看一区二区三区| 韩国精品一区二区三区| www.熟女人妻精品国产| 老司机影院毛片| 亚洲五月色婷婷综合| 国产精品秋霞免费鲁丝片| 精品人妻在线不人妻| 少妇猛男粗大的猛烈进出视频| 国产精品久久久久久人妻精品电影 | 高清不卡的av网站| av网站免费在线观看视频| 三上悠亚av全集在线观看| 亚洲精品国产一区二区精华液| www.av在线官网国产| 国产老妇伦熟女老妇高清| 欧美人与性动交α欧美精品济南到| 国产又爽黄色视频| 一区二区三区四区激情视频| av网站免费在线观看视频| 天天躁夜夜躁狠狠躁躁| 男女高潮啪啪啪动态图| 免费高清在线观看日韩| 亚洲精品第二区| 99热网站在线观看| 一本一本久久a久久精品综合妖精| 咕卡用的链子| 两性夫妻黄色片| 搡老岳熟女国产| 国产99久久九九免费精品| 人成视频在线观看免费观看| 狠狠精品人妻久久久久久综合| 夫妻午夜视频| 黑丝袜美女国产一区| 亚洲熟女毛片儿| 国产成人欧美在线观看 | 老司机影院成人| 欧美人与性动交α欧美精品济南到| 亚洲国产看品久久| 美女福利国产在线| 国产精品国产三级专区第一集| 在线观看人妻少妇| 久久99热这里只频精品6学生| 欧美在线一区亚洲| 乱人伦中国视频| 久久国产精品人妻蜜桃| 国产伦人伦偷精品视频| 久久久久久人人人人人| 激情五月婷婷亚洲| 国产有黄有色有爽视频| 悠悠久久av| 国产精品三级大全| 最近中文字幕2019免费版| 久久精品久久久久久久性| 自拍欧美九色日韩亚洲蝌蚪91| 国产在线免费精品| 亚洲精品成人av观看孕妇| 成人国语在线视频| 国产欧美亚洲国产| 亚洲精品第二区| 亚洲精品乱久久久久久| 在线天堂中文资源库| 久久久久国产精品人妻一区二区| 亚洲免费av在线视频| 老汉色av国产亚洲站长工具| 国产精品99久久99久久久不卡| 国产成人91sexporn| 在线精品无人区一区二区三| 9热在线视频观看99| 国产成人91sexporn| 亚洲成av片中文字幕在线观看| 亚洲午夜精品一区,二区,三区| 亚洲国产av新网站| 人人妻人人爽人人添夜夜欢视频| a级毛片黄视频| 99国产精品免费福利视频| 一边摸一边抽搐一进一出视频| 国产麻豆69| 欧美人与善性xxx| 老司机在亚洲福利影院| 日韩一卡2卡3卡4卡2021年| 亚洲成av片中文字幕在线观看| a 毛片基地| 久久久久久亚洲精品国产蜜桃av| 成年人免费黄色播放视频| 亚洲五月色婷婷综合| av又黄又爽大尺度在线免费看| 亚洲av日韩精品久久久久久密 | a级毛片在线看网站| 亚洲成人免费av在线播放| 亚洲精品av麻豆狂野| 欧美亚洲 丝袜 人妻 在线| 亚洲国产看品久久| 咕卡用的链子| 亚洲人成电影免费在线| a级片在线免费高清观看视频| www日本在线高清视频| 极品人妻少妇av视频| 捣出白浆h1v1| 一级黄片播放器|