• <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 ?

    融合卷積神經(jīng)網(wǎng)絡(luò)的核相關(guān)濾波視覺目標(biāo)跟隨算法研究

    2021-01-07 04:56:12田應(yīng)仲劉伊芳
    計算機(jī)測量與控制 2020年12期
    關(guān)鍵詞:濾波器濾波卷積

    田應(yīng)仲,劉伊芳,李 龍

    (1.上海大學(xué) 機(jī)電工程與自動化學(xué)院,上海 200444; 2.上海市智能制造及機(jī)器人重點(diǎn)實(shí)驗(yàn)室,上海 200444)

    0 引言

    目標(biāo)跟蹤技術(shù)在各行各業(yè)發(fā)揮著越來越重要的作用,具有極大的研究意義。目標(biāo)跟蹤任務(wù)的過程是第一幀標(biāo)定跟蹤目標(biāo)的位置和大小,在接下來的每一幀預(yù)測出跟蹤目標(biāo)的位置、大小。整個跟蹤過程首先,初始化目標(biāo)框,然后,在下一幀中產(chǎn)生眾多候選框,提取候選框的特征,并對候選框打分,最后選出得分最高的候選框即為預(yù)測的目標(biāo)對象,或者對多個預(yù)測值進(jìn)行融合,得到更優(yōu)的預(yù)測目標(biāo)。

    文獻(xiàn)[1]在2014年提出核相關(guān)濾波(KCF,kernel correlation filter)跟蹤算法。KCF跟蹤算法引入循環(huán)矩陣線性可對角化的性質(zhì),并且通過嶺回歸模型計算模板樣本和當(dāng)前樣本的相關(guān)性,來預(yù)測目標(biāo)所在位置。該算法將時域的卷積轉(zhuǎn)換到頻域的點(diǎn)乘,避免了求逆過程的計算量,可顯著提升跟蹤速度,獲得學(xué)者們的廣泛關(guān)注。

    近些年,深度卷積網(wǎng)絡(luò)(CNN)學(xué)習(xí)技術(shù)迅速興起,尤其在視覺檢測和目標(biāo)識別獲得巨大進(jìn)展,將深度學(xué)習(xí)技術(shù)應(yīng)用于目標(biāo)跟蹤成為熱門研究方向之一。深度卷積網(wǎng)絡(luò)在特征提取方面的強(qiáng)大能力,使目標(biāo)跟蹤在許多復(fù)雜場景中的準(zhǔn)確率顯著地提升。通過研究卷積網(wǎng)絡(luò)發(fā)現(xiàn),其底層特征更注重細(xì)節(jié),而其高層特征更能體現(xiàn)語義信息[2]。若將各層卷積特征加權(quán)融合,則目標(biāo)檢測的效果優(yōu)于僅用單層特征。具體來說,首先,將每一層中提取的特征分別送到核相關(guān)濾波器中學(xué)習(xí),其次,再根據(jù)場景不同,調(diào)節(jié)各層權(quán)重,線性融合各層的特征,最后,由相關(guān)濾波器來預(yù)測目標(biāo)為主。綜上,將深度特征應(yīng)用在核相關(guān)濾波算法中,可將深度學(xué)習(xí)的精度與核相關(guān)濾波的速度兩個方面優(yōu)勢互補(bǔ),全方面提升跟蹤效果。

    1 ZFnet算法

    如圖1所示,卷積神經(jīng)網(wǎng)絡(luò)是三維空間模型,主要有三部分組成:輸入層、中間層、全連接層。輸入層是圖像信息的輸入,為保證效果,輸入的圖像會進(jìn)行預(yù)處理。中間層由卷積層和池化層交替組成。如果層數(shù)越多,則計算量越大,結(jié)構(gòu)也越復(fù)雜。卷積層是卷積神經(jīng)網(wǎng)絡(luò)的核心,主要用于圖像處理。池化層能夠通過處理相鄰區(qū)域的特征減少參數(shù)。全連接層在整個模型中起到“分類器”的作用,且不含有空間信息。卷積神經(jīng)網(wǎng)絡(luò)的最終結(jié)果由全連接層輸出。

    圖1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

    眾所周知,卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)跟蹤方法具有強(qiáng)大的優(yōu)勢。首先,深度卷積網(wǎng)絡(luò)因具有極高的目標(biāo)特征提取與表達(dá)能力,在跟蹤精度和魯棒性方面超越了傳統(tǒng)目標(biāo)跟蹤算法。其次,卷積神經(jīng)網(wǎng)絡(luò)采用端到端的學(xué)習(xí)方式,用單個模型替代多模型,這樣不僅可以減少數(shù)據(jù),降低計算復(fù)雜度,也可以降低由多個模型帶來的累積誤差。但是,卷積神經(jīng)網(wǎng)絡(luò)還存在一些問題亟待解決:1)在跟蹤過程中,需要一直在線微調(diào),這會降低跟蹤的速度,并且,多尺度檢測也會降低跟蹤的實(shí)時性;2)卷積網(wǎng)絡(luò)不同層提取到的特征對目標(biāo)的定位作用不同,每一層提取的各層特征算子并未得到充分利用。

    為了解決以上兩點(diǎn)問題,在眾多卷積神經(jīng)網(wǎng)絡(luò)模型中選用ZFnet[3]算法作為基本框架。ZFnet算法基于Alexnet改進(jìn)卷積層數(shù)少,結(jié)構(gòu)簡單,且不需要在線更新網(wǎng)絡(luò)模型,保證算法實(shí)時性的同時兼顧精度,曾獲2013 ILSVRC2013的冠軍,具有非常好的性能。ZFnet網(wǎng)絡(luò)介紹如下:輸入的圖像為三通道固定大小224×224。網(wǎng)絡(luò)的第一層有96 個不同濾波器的卷積,其中每個濾波器的大小均為 7×7,橫縱向的步長均為 2。激活函數(shù)是ReLU,用于處理非線性問題。池化層大小為 3×3。池化層后是局部響應(yīng)歸一化LRN,可以增強(qiáng)模型的泛化能力。以此方法類推,完成卷積層2,3,4,5層的操作。卷積層后是兩個全連接層以 4096 維向量形式輸出結(jié)果。

    2 基于卷積神經(jīng)網(wǎng)絡(luò)的分層特征提取機(jī)制

    為了進(jìn)一步提升ZFnet算法的跟蹤精度,提出分層特征提取機(jī)制。ZFnet算法由5個向量卷積層組成。當(dāng)輸入同一張圖片到卷積神經(jīng)網(wǎng)絡(luò)模型中時,不同卷積層的輸出結(jié)果不同。原始圖片經(jīng)過卷積層采樣之后,層數(shù)越高,得到的語義信息更豐富,更易區(qū)分出來目標(biāo)物體的類別。但是,也造成了特征圖片不清晰和分辨率下降,在目標(biāo)外形顏色等細(xì)節(jié)識別上存在劣勢。之所以出現(xiàn)圖片輪廓不清晰的問題,是因?yàn)椴蓸舆^程中過濾掉了圖片中的細(xì)節(jié)特征。綜上,第一層和第二層表示基本特征,具有較高的空間分辨率。比如邊緣、顏色等特征。第三層具有復(fù)雜環(huán)境的空間不變性,能識別相似的紋理特征。第四層能夠顯示特定類別之間的明顯差異。第五層包含更多抽象語義信息,能表示整個目標(biāo)的全面變化。于是,當(dāng)面對背景劇烈變化時,我們會適當(dāng)加大第四層和第五層的權(quán)重。當(dāng)目標(biāo)靜態(tài)遮擋嚴(yán)重時,可調(diào)高第一、二和三層權(quán)重。

    為將淺層特征與深層特征更好地結(jié)合,提出一種自適化逐層推理化的模型。具體推導(dǎo)如下,每層卷積網(wǎng)絡(luò)的響應(yīng)圖為:

    f=R(z)=F-1(w⊙ψ(z))

    (1)

    其中:F-1是傅里葉逆變換;w核相關(guān)濾波器; (z)是卷積通道的特征。

    每層卷積網(wǎng)絡(luò)根據(jù)響應(yīng)位置得到的預(yù)測結(jié)果為:

    (2)

    其中:l是層數(shù),m、n是響應(yīng)圖的目標(biāo)位置,ul是l層對應(yīng)系數(shù)。

    若從第三、四、五層卷積層提取特征,每層得到三個不同的響應(yīng)結(jié)果f1、f2和f3。則從最高層(第五層)開始推理,得到最大響應(yīng)值的位置后,在下一層(第四層)取半徑為r的區(qū)域,找到第四層和第五層響應(yīng)值線性組合最大的響應(yīng)位置,即為第四層目標(biāo)位置。以此類推,可以得到每層響應(yīng)的最大位置。逐層推理的公式如下:

    (3)

    在得到每層的響應(yīng)位置后,融合多層輸出特征可以更全面表征圖像。將第三層、第四層和第五層中提取的特征進(jìn)行加權(quán)融合。但是由于卷積模型中的池化作用,每層的特征圖尺寸大小不同。所以,在融合之前需要先用雙線性插值的方法將圖像進(jìn)行歸一化采樣。采樣后的每層圖像大小相同,使用公式(4)進(jìn)行加權(quán)融合,計算融合后的響應(yīng)圖位置,則是目標(biāo)的預(yù)測位置。

    f=a1f1+a2f2+a3f3

    (4)

    其中:f1、f2和f3分別是第三、第四和第五層的響應(yīng)圖。a1、a2和a3分別是第三、第四和第五層的響應(yīng)圖對應(yīng)的權(quán)值。

    (5)

    其中:P(xi,yi)是預(yù)測目標(biāo)的位置,也是最終響應(yīng)圖的最大響應(yīng)值。

    3 結(jié)合分層卷積特征的核相關(guān)濾波算法

    孿生網(wǎng)絡(luò)模型可以從圖像中提取更具判別力的卷積特征,而核相關(guān)濾波模型具有快速檢測的能力,能加速跟蹤算法。將兩種算法融合,從而實(shí)現(xiàn)優(yōu)勢互補(bǔ)。圖2是孿生網(wǎng)絡(luò)與核相關(guān)濾波算法融合的算法結(jié)構(gòu)圖。

    圖2 孿生網(wǎng)絡(luò)與核相關(guān)濾波算法融合圖

    融合跟蹤算法的主要流程如下:首先,分別輸入樣例圖像和當(dāng)前搜索圖像到孿生網(wǎng)絡(luò)模型;然后,孿生網(wǎng)絡(luò)模型根據(jù)相似度函數(shù)求出當(dāng)前搜索圖像中與樣例圖像相似性最高的區(qū)域,并將結(jié)果輸出到濾波器中;最后,濾波器通過對兩張圖的相關(guān)操作,生成相似度概率熱圖。概率熱圖中的最大值就是目標(biāo)所在位置。

    核相關(guān)濾波算法將初始圖像通過循環(huán)移位構(gòu)建訓(xùn)練樣本矩陣X,監(jiān)督標(biāo)簽Y,核相關(guān)濾波系數(shù)是W,W是一系列的高斯分布值,則核相關(guān)濾波回歸模型可表達(dá)為:

    (6)

    其中:λ1為正則化系數(shù),*是核相關(guān)濾波卷積運(yùn)算。

    將每層卷積網(wǎng)絡(luò)都加入核相關(guān)濾波器后,可以用深度學(xué)習(xí)框架優(yōu)化求解濾波器回歸模型,構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)能量函數(shù),并優(yōu)化該函數(shù)使之能量最小化。

    (7)

    其中:Lw(X(i))是學(xué)習(xí)損失項,γ(W)是正則化項,i是當(dāng)前樣本數(shù),N是訓(xùn)練樣本總數(shù)。

    在訓(xùn)練過程中,為了進(jìn)一步降低預(yù)測值與真實(shí)值之間的差異,提出損失函數(shù)這一概念:

    L(W)=‖F(xiàn)(x)-Y‖2+λ1‖W‖2

    (8)

    為了進(jìn)一步感知目標(biāo)周圍的背景信息,在卷積網(wǎng)絡(luò)中融入背景感知模型:

    (9)

    其中:x0代表目標(biāo),xi是目標(biāo)附近的背景圖像,它們循環(huán)移位構(gòu)造的矩陣樣本分別是f(x0)和f(xi);L+(x0)為正樣本損失函數(shù),L-(xi)為負(fù)樣本損失函數(shù),都為2范數(shù)損失項;‖w‖是正則化式;λ1和λ2分別為正則化系數(shù)和正負(fù)樣本控制參數(shù);k是負(fù)樣本個數(shù)。

    將核相關(guān)濾波器融入卷積層時,修改能量函數(shù)為:

    (10)

    4 基于遮擋判別的更新策略

    在跟蹤過程中經(jīng)常會遇到目標(biāo)被障礙物部分遮擋或者全部遮擋,其中很多障礙物跟目標(biāo)具有相似外形,這給跟蹤的過程帶來了極大的挑戰(zhàn)。

    目標(biāo)識別過程選用置信度響應(yīng)圖函數(shù),置信度越高代表越接近目標(biāo)。函數(shù)如下:

    (11)

    (12)

    (13)

    最后通過式(12)濾波操作可求解響應(yīng)值,響應(yīng)值最大處即為預(yù)測的跟蹤目標(biāo)位置。

    (14)

    5 實(shí)驗(yàn)結(jié)果與分析

    實(shí)驗(yàn)評估視頻訓(xùn)練數(shù)據(jù)集選用CVPR2013發(fā)表出的OTB-50(object tracking benchmark)[4]。實(shí)驗(yàn)硬件配置是2.6 GHz Intel CoreI5 CPU,8 GB 內(nèi)存。軟件是Window10系統(tǒng)上Matlab2018a以及谷歌云GPU服務(wù)器。在ImageNet上預(yù)訓(xùn)練網(wǎng)絡(luò)模型。

    實(shí)驗(yàn)參數(shù)如下:正則化參數(shù)λ1=10-4,λ2=25。卷積層第五層到第三層的參數(shù)依次為1,0.5,0.25。實(shí)驗(yàn)部分從定性和定量兩個方面評估改進(jìn)后的算法(Ours)。

    5.1 定性評估

    圖3介紹的是Ours在girl視頻訓(xùn)練集上的跟蹤效果對比圖。整個視頻出現(xiàn)了很嚴(yán)重的遮擋現(xiàn)象,并且目標(biāo)在視野內(nèi)旋轉(zhuǎn)形變。這些挑戰(zhàn)給跟蹤過程帶來了困難。從圖3可以看出Ours算法能夠準(zhǔn)確識別目標(biāo)。這是由于算法采用深度特征處理圖像信息。此外,深度特征還可以應(yīng)對尺度變化的挑戰(zhàn),在目標(biāo)發(fā)生尺度變化時,可以自適應(yīng)調(diào)節(jié)跟蹤框,保證良好的目標(biāo)識別效果。因此,將卷積神經(jīng)網(wǎng)絡(luò)模型和核相關(guān)濾波算法相結(jié)合,可以直觀地看到跟蹤性能的明顯提升。

    圖3 girl視頻訓(xùn)練集定性評估

    5.2 定量評估

    Ours算法與將之前發(fā)表流行目標(biāo)跟蹤算法進(jìn)行一次通過評估(OPE,one-pass evaluation)。OPE是指從視頻序列的第一幀開始,按照視頻順序,運(yùn)行到最后一幀。評價指標(biāo)包括精確率和成功率。精確率采用中心位置誤差進(jìn)行評估,具體是指預(yù)測目標(biāo)中心位置與實(shí)際目標(biāo)中心位置之間平均歐式距離。成功率是指跟蹤器預(yù)測的目標(biāo)框與真實(shí)框的重疊面積與兩個目標(biāo)框總面積之比。對比的算法主要分為兩大類。一類是傳統(tǒng)的目標(biāo)跟蹤算法,包括:staple[5]、KCF[1]、fDSST[6]和CSK[7];另一類是基于深度學(xué)習(xí)的跟蹤算法,包括:DCFnet[8]、Raf[9]和CNT[10]。

    通過本章算法與其他優(yōu)秀的7種算法比較,可以看出本章算法性能表現(xiàn)優(yōu)異。由圖4可以看出,Ours在精確率和成功率都排名第一,在OPE評估方式中平均準(zhǔn)確性達(dá)到了90.0%,相比于核相關(guān)濾波算法(KCF)70.2%的精確度,提升28.6%;平均成功率達(dá)到了80.2%,相比于KCF 60.6%的精確度,提高了32.3%。實(shí)驗(yàn)證明Ours魯棒性更好,相較于KCF有較大提升。

    由圖5可以看出,KCF、CSK和staple傳統(tǒng)跟蹤算法在遇到背景復(fù)雜、目標(biāo)發(fā)生形變或被嚴(yán)重遮擋的情況下跟蹤精確率較低。這是由于他們使用的手工特征,提取特征較少,沒有充分利用圖像信息。相反,基于深度特征的視覺跟蹤算法,如Ours、DCFnet具有結(jié)構(gòu)性的特點(diǎn),夠?qū)⒛繕?biāo)和背景進(jìn)行更加精準(zhǔn)的區(qū)分,準(zhǔn)確識別目標(biāo)物體,算法的魯棒性較強(qiáng)。圖5(a)的實(shí)驗(yàn)結(jié)果表示,在目標(biāo)發(fā)生外觀變形的挑戰(zhàn)下,Ours算法精確度87.5%,在各類對比算法中排名最高。相較于KCF算法67.1%的精確度,提升30.4%。這是由于Ours算法用卷積神經(jīng)網(wǎng)絡(luò)模型擁有尺度自適應(yīng)的目標(biāo)檢測處理機(jī)制。目標(biāo)識別框隨著跟蹤目標(biāo)的尺度變化而變化,這樣能避免目標(biāo)圖像信息采集不全或者目標(biāo)框內(nèi)冗余信息過多。但是,KCF算法的跟蹤框由第一幀人為標(biāo)定,后期跟蹤過程中不會隨著目標(biāo)尺度發(fā)生變化。圖5(b)背景模糊評價指標(biāo)中,Ours跟蹤精度排名第一,精確率86.3%,在各類對比算法中排名最高。相較于KCF算法68.8%的精確度,提升25.4%。在跟蹤過程中,當(dāng)遇到目標(biāo)物體與障礙物形狀、顏色相似,背景信息雜亂的情況時,需要充分考慮目標(biāo)的上下文信息。Ours算法在融入深度特征的同時,加入背景感知模型,充分利用目標(biāo)周圍具有參考意義的障礙物協(xié)助判別目標(biāo),從而提升目標(biāo)識別率。然而,KCF算法沒有利用目標(biāo)周圍的背景信息,在應(yīng)對目標(biāo)非剛性形變時,很難對目標(biāo)進(jìn)行精確定位。從圖5(c)可以看出,各類算法在應(yīng)對遮擋類挑戰(zhàn)時,Ours跟蹤精度排名第一,精確率86.5%。相較于KCF算法74.9%的精確度,提升15.4%。遮擋問題是在跟蹤過程經(jīng)常遇到的挑戰(zhàn),Ours算法引入遮擋判別機(jī)制,可以有效提升跟蹤的準(zhǔn)確率。在目標(biāo)遇到障礙物遮擋時,Ours算法仍能夠精準(zhǔn)識別跟蹤目標(biāo)。然而,KCF缺乏跟丟重新識別機(jī)制。當(dāng)跟蹤失敗后,KCF并不能繼續(xù)對目標(biāo)進(jìn)行重新識別。這些劣勢導(dǎo)致KCF算法不能應(yīng)對遮擋嚴(yán)重的場景?;谏疃忍卣鞯腛urs3和DCFnet在以上三類具有代表性的挑戰(zhàn)中分別排在前兩位,也證明出深度特征比手工特征更具有優(yōu)勢。

    圖4 OPE(一次性通過性)定量評估圖

    圖5 OPE(一次性通過性)評估指標(biāo)下不同場景的的精度率跟蹤性能對比曲線

    6 結(jié)束語

    首先介紹了ZFnet結(jié)構(gòu)原理,然后將每層網(wǎng)絡(luò)分別進(jìn)行研究,發(fā)現(xiàn)高層特征有更強(qiáng)的語義信息,低層卷積特征具有更多的空間信息。為了實(shí)現(xiàn)兩類特征優(yōu)勢互補(bǔ),將各層特征進(jìn)行結(jié)合。同時為了利用核相關(guān)濾波算法的高效計算能力,將這兩種算法結(jié)合,既可以提高跟蹤的精度,也能保證算法的實(shí)時性。此外,在應(yīng)對跟蹤過程中的遮擋問題,設(shè)計了基于遮擋判別的更新策略,提升跟蹤精度。最后,在公開視頻序列的OTB-50數(shù)據(jù)集上對各種跟蹤算法進(jìn)行評估,分析跟蹤算法的精確率和成功率。改進(jìn)后的算法在GPU環(huán)境下的運(yùn)行速度可以達(dá)到38 FPS,可以滿足實(shí)時性需求。

    猜你喜歡
    濾波器濾波卷積
    基于無擾濾波器和AED-ADT的無擾切換控制
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實(shí)現(xiàn)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    開關(guān)電源EMI濾波器的應(yīng)用方法探討
    電子制作(2018年16期)2018-09-26 03:26:50
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    基于TMS320C6678的SAR方位向預(yù)濾波器的并行實(shí)現(xiàn)
    RTS平滑濾波在事后姿態(tài)確定中的應(yīng)用
    基于線性正則變換的 LMS 自適應(yīng)濾波
    遙測遙控(2015年2期)2015-04-23 08:15:18
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    基于隨機(jī)加權(quán)估計的Sage自適應(yīng)濾波及其在導(dǎo)航中的應(yīng)用
    免费黄色在线免费观看| h视频一区二区三区| 伦理电影大哥的女人| 国产精品 国内视频| 操出白浆在线播放| 亚洲 欧美一区二区三区| 97精品久久久久久久久久精品| 新久久久久国产一级毛片| 啦啦啦 在线观看视频| 交换朋友夫妻互换小说| 夫妻午夜视频| 免费黄色在线免费观看| 亚洲成人国产一区在线观看 | 精品一区二区三区四区五区乱码 | 王馨瑶露胸无遮挡在线观看| 男人舔女人的私密视频| 日韩熟女老妇一区二区性免费视频| 亚洲一区二区三区欧美精品| 欧美少妇被猛烈插入视频| 欧美国产精品va在线观看不卡| 涩涩av久久男人的天堂| 你懂的网址亚洲精品在线观看| 又大又黄又爽视频免费| 99久久99久久久精品蜜桃| 女的被弄到高潮叫床怎么办| 亚洲av日韩精品久久久久久密 | 中文字幕色久视频| 国产老妇伦熟女老妇高清| 亚洲成人免费av在线播放| 国产高清不卡午夜福利| e午夜精品久久久久久久| 一二三四中文在线观看免费高清| www.自偷自拍.com| 精品国产露脸久久av麻豆| 亚洲国产av影院在线观看| 校园人妻丝袜中文字幕| 午夜福利视频精品| 97人妻天天添夜夜摸| 超碰97精品在线观看| 国产深夜福利视频在线观看| 秋霞伦理黄片| 最近中文字幕2019免费版| 成人黄色视频免费在线看| 国产97色在线日韩免费| 黄色怎么调成土黄色| 黄色视频在线播放观看不卡| 少妇精品久久久久久久| 欧美黄色片欧美黄色片| 纵有疾风起免费观看全集完整版| 最黄视频免费看| 国产亚洲欧美精品永久| 99久久综合免费| 国产精品久久久久久精品电影小说| 妹子高潮喷水视频| 女人高潮潮喷娇喘18禁视频| 久久亚洲国产成人精品v| 亚洲七黄色美女视频| 婷婷色综合大香蕉| 国产男人的电影天堂91| 91老司机精品| 国产亚洲欧美精品永久| netflix在线观看网站| 老司机亚洲免费影院| 亚洲图色成人| 日韩精品免费视频一区二区三区| 国产免费现黄频在线看| 亚洲国产欧美一区二区综合| 中文字幕人妻熟女乱码| 高清av免费在线| 高清黄色对白视频在线免费看| 最新的欧美精品一区二区| 国产精品亚洲av一区麻豆 | 亚洲av在线观看美女高潮| 久热这里只有精品99| 亚洲欧美精品自产自拍| 国产精品一国产av| 狂野欧美激情性xxxx| 丰满迷人的少妇在线观看| 色播在线永久视频| 国产精品99久久99久久久不卡 | 丝袜人妻中文字幕| 成人国产麻豆网| 大片电影免费在线观看免费| www.熟女人妻精品国产| 啦啦啦在线免费观看视频4| 国产精品久久久久成人av| 亚洲精品第二区| 精品亚洲乱码少妇综合久久| 精品一品国产午夜福利视频| 国产免费现黄频在线看| 免费高清在线观看视频在线观看| 精品午夜福利在线看| a级毛片黄视频| 在线观看一区二区三区激情| 亚洲久久久国产精品| 黑丝袜美女国产一区| 高清黄色对白视频在线免费看| 亚洲精品视频女| 操出白浆在线播放| 免费久久久久久久精品成人欧美视频| 日本爱情动作片www.在线观看| 午夜91福利影院| 精品少妇一区二区三区视频日本电影 | netflix在线观看网站| 国产日韩欧美视频二区| 亚洲国产日韩一区二区| 中文字幕人妻丝袜制服| 欧美日韩福利视频一区二区| 国产成人91sexporn| 精品卡一卡二卡四卡免费| 一级a爱视频在线免费观看| 亚洲第一av免费看| 日韩免费高清中文字幕av| e午夜精品久久久久久久| 久久久久精品久久久久真实原创| 欧美少妇被猛烈插入视频| 国产片特级美女逼逼视频| 国产一级毛片在线| 精品视频人人做人人爽| 午夜福利免费观看在线| 亚洲av成人精品一二三区| av天堂久久9| 男人爽女人下面视频在线观看| 韩国高清视频一区二区三区| 国产精品久久久久成人av| 国产片特级美女逼逼视频| 欧美精品高潮呻吟av久久| 国产在线免费精品| 51午夜福利影视在线观看| 免费观看a级毛片全部| 中国三级夫妇交换| av国产精品久久久久影院| 欧美日韩精品网址| 亚洲美女搞黄在线观看| 欧美人与善性xxx| 最新的欧美精品一区二区| 日韩成人av中文字幕在线观看| 伊人久久大香线蕉亚洲五| 成人亚洲精品一区在线观看| 国产精品欧美亚洲77777| 亚洲精品在线美女| 欧美日韩一区二区视频在线观看视频在线| 国产精品一区二区在线不卡| 精品亚洲乱码少妇综合久久| 免费高清在线观看视频在线观看| 国语对白做爰xxxⅹ性视频网站| 男女无遮挡免费网站观看| 在线观看免费日韩欧美大片| netflix在线观看网站| 国产精品久久久av美女十八| 午夜福利在线免费观看网站| 卡戴珊不雅视频在线播放| 久久97久久精品| 日本欧美国产在线视频| 国产亚洲一区二区精品| 国产又爽黄色视频| 波野结衣二区三区在线| 欧美精品一区二区免费开放| 国产日韩一区二区三区精品不卡| 免费黄频网站在线观看国产| 久久性视频一级片| 亚洲国产最新在线播放| 亚洲第一青青草原| 大码成人一级视频| 国产亚洲av高清不卡| 大香蕉久久网| 多毛熟女@视频| 丝袜在线中文字幕| 美女大奶头黄色视频| 色视频在线一区二区三区| 极品少妇高潮喷水抽搐| 午夜av观看不卡| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品久久成人aⅴ小说| 青草久久国产| 中文乱码字字幕精品一区二区三区| 亚洲欧美成人精品一区二区| 大码成人一级视频| 九九爱精品视频在线观看| 亚洲欧美一区二区三区黑人| 91精品国产国语对白视频| 美女午夜性视频免费| 欧美亚洲 丝袜 人妻 在线| 嫩草影院入口| 亚洲国产精品999| 亚洲伊人久久精品综合| 超碰97精品在线观看| 一级毛片黄色毛片免费观看视频| 久久午夜综合久久蜜桃| 男女午夜视频在线观看| 欧美日韩视频精品一区| 老司机在亚洲福利影院| 国产高清不卡午夜福利| 久久青草综合色| 天天影视国产精品| 成人黄色视频免费在线看| 欧美 亚洲 国产 日韩一| 亚洲第一青青草原| 中国三级夫妇交换| 老司机靠b影院| 天堂中文最新版在线下载| 久久久久人妻精品一区果冻| 一级爰片在线观看| 日本wwww免费看| 最近2019中文字幕mv第一页| 大香蕉久久网| 国产精品女同一区二区软件| 日韩精品免费视频一区二区三区| e午夜精品久久久久久久| 国产亚洲av高清不卡| 成人亚洲欧美一区二区av| 国产视频首页在线观看| 男人添女人高潮全过程视频| 菩萨蛮人人尽说江南好唐韦庄| 久热爱精品视频在线9| 国产精品一区二区在线观看99| 国产精品三级大全| 亚洲欧美色中文字幕在线| 国产精品一国产av| 少妇 在线观看| 黑丝袜美女国产一区| 青春草亚洲视频在线观看| 丁香六月天网| 日韩不卡一区二区三区视频在线| 一级黄片播放器| 99精国产麻豆久久婷婷| 黄色毛片三级朝国网站| 免费看不卡的av| 性少妇av在线| 女人被躁到高潮嗷嗷叫费观| 国产精品国产三级专区第一集| 一区二区三区乱码不卡18| 国产毛片在线视频| 大码成人一级视频| 男女午夜视频在线观看| bbb黄色大片| 少妇人妻精品综合一区二区| 国产免费福利视频在线观看| 天堂8中文在线网| 在线亚洲精品国产二区图片欧美| 午夜免费男女啪啪视频观看| 最近最新中文字幕大全免费视频 | 精品国产一区二区久久| 曰老女人黄片| 久久精品国产亚洲av涩爱| 亚洲一级一片aⅴ在线观看| 9热在线视频观看99| 久久久久久久久免费视频了| 亚洲精品日本国产第一区| 欧美变态另类bdsm刘玥| 亚洲一区二区三区欧美精品| 久久午夜综合久久蜜桃| 免费黄网站久久成人精品| 亚洲国产欧美一区二区综合| 在现免费观看毛片| 精品国产乱码久久久久久男人| 人人妻人人添人人爽欧美一区卜| 国产又色又爽无遮挡免| 一级片'在线观看视频| 久久久久久人妻| 汤姆久久久久久久影院中文字幕| 水蜜桃什么品种好| 男女之事视频高清在线观看 | 嫩草影院入口| 亚洲,欧美精品.| 久久久久视频综合| 精品亚洲乱码少妇综合久久| 成人国产麻豆网| 久久久精品区二区三区| 午夜日本视频在线| 九色亚洲精品在线播放| 满18在线观看网站| 最近手机中文字幕大全| 波野结衣二区三区在线| 久久韩国三级中文字幕| 欧美日本中文国产一区发布| 综合色丁香网| 一本一本久久a久久精品综合妖精| 大片电影免费在线观看免费| 国产日韩欧美在线精品| 一本色道久久久久久精品综合| 欧美 日韩 精品 国产| 精品福利永久在线观看| 欧美国产精品va在线观看不卡| 女性生殖器流出的白浆| 国精品久久久久久国模美| 宅男免费午夜| 男女国产视频网站| 国产av一区二区精品久久| 国产精品亚洲av一区麻豆 | 国产亚洲欧美精品永久| 天天影视国产精品| 中文字幕色久视频| 国产精品麻豆人妻色哟哟久久| 久久精品久久久久久噜噜老黄| 天堂俺去俺来也www色官网| 精品福利永久在线观看| 亚洲国产精品成人久久小说| 午夜福利网站1000一区二区三区| 老司机深夜福利视频在线观看 | 日本黄色日本黄色录像| av天堂久久9| 成年动漫av网址| 国产精品亚洲av一区麻豆 | 国产男女内射视频| 巨乳人妻的诱惑在线观看| 精品一区二区免费观看| 亚洲美女搞黄在线观看| 亚洲美女视频黄频| av线在线观看网站| 极品人妻少妇av视频| 女的被弄到高潮叫床怎么办| 欧美人与性动交α欧美精品济南到| 狂野欧美激情性bbbbbb| 欧美精品一区二区大全| 一本大道久久a久久精品| 国产一区二区激情短视频 | 久久久久精品国产欧美久久久 | 亚洲国产精品成人久久小说| 午夜福利网站1000一区二区三区| 中文乱码字字幕精品一区二区三区| 香蕉丝袜av| 久久国产亚洲av麻豆专区| 中文字幕人妻丝袜一区二区 | 成人亚洲精品一区在线观看| av卡一久久| 在线天堂中文资源库| 中国国产av一级| 少妇被粗大的猛进出69影院| 久久久精品94久久精品| 热99久久久久精品小说推荐| 欧美另类一区| 欧美变态另类bdsm刘玥| 久久ye,这里只有精品| 精品人妻在线不人妻| 中文精品一卡2卡3卡4更新| 丁香六月天网| 国产一区亚洲一区在线观看| 亚洲国产毛片av蜜桃av| 精品久久蜜臀av无| 久久狼人影院| 欧美少妇被猛烈插入视频| 久久婷婷青草| 国产成人啪精品午夜网站| 日韩视频在线欧美| 又粗又硬又长又爽又黄的视频| 日本91视频免费播放| 女人精品久久久久毛片| 国产在线一区二区三区精| 亚洲欧美成人综合另类久久久| 中文字幕制服av| 婷婷色综合大香蕉| 九九爱精品视频在线观看| 国产欧美日韩综合在线一区二区| 免费黄网站久久成人精品| 日韩伦理黄色片| 女的被弄到高潮叫床怎么办| 日韩不卡一区二区三区视频在线| 伊人久久国产一区二区| 最新在线观看一区二区三区 | 午夜福利乱码中文字幕| 男女国产视频网站| 午夜福利,免费看| 欧美久久黑人一区二区| 亚洲在久久综合| 天堂8中文在线网| 亚洲,欧美,日韩| 亚洲情色 制服丝袜| 免费在线观看完整版高清| 国产一区二区 视频在线| 国产伦理片在线播放av一区| 精品少妇久久久久久888优播| 亚洲久久久国产精品| 我的亚洲天堂| 成年人免费黄色播放视频| 啦啦啦中文免费视频观看日本| 成年人免费黄色播放视频| 啦啦啦中文免费视频观看日本| 国产一区二区三区综合在线观看| 久久韩国三级中文字幕| 国产av码专区亚洲av| 一区二区三区乱码不卡18| 精品国产乱码久久久久久男人| 高清欧美精品videossex| 国产熟女欧美一区二区| 免费日韩欧美在线观看| 在线看a的网站| 亚洲一区中文字幕在线| 天天躁夜夜躁狠狠久久av| 欧美精品亚洲一区二区| 91国产中文字幕| 国产亚洲一区二区精品| av福利片在线| 亚洲伊人色综图| 亚洲免费av在线视频| 一个人免费看片子| 日本猛色少妇xxxxx猛交久久| 成人午夜精彩视频在线观看| 青青草视频在线视频观看| 国产探花极品一区二区| 中文字幕高清在线视频| 精品国产乱码久久久久久男人| 亚洲四区av| 天天操日日干夜夜撸| 黄色视频在线播放观看不卡| 在线观看免费日韩欧美大片| 久久久久久久国产电影| 成人国语在线视频| 美女中出高潮动态图| 欧美另类一区| 亚洲在久久综合| 国产成人免费无遮挡视频| 老司机影院毛片| 高清欧美精品videossex| 亚洲一码二码三码区别大吗| 国产亚洲av高清不卡| 国产精品成人在线| 久久久久久久国产电影| 亚洲一级一片aⅴ在线观看| 亚洲国产看品久久| 亚洲av电影在线观看一区二区三区| 国产成人一区二区在线| 男男h啪啪无遮挡| 美女脱内裤让男人舔精品视频| 久久精品亚洲熟妇少妇任你| 午夜日本视频在线| 如何舔出高潮| 日韩一卡2卡3卡4卡2021年| 国产一区有黄有色的免费视频| 纵有疾风起免费观看全集完整版| 亚洲欧美一区二区三区国产| 91aial.com中文字幕在线观看| 在线亚洲精品国产二区图片欧美| 亚洲免费av在线视频| 美女午夜性视频免费| av一本久久久久| 亚洲成av片中文字幕在线观看| 中文字幕av电影在线播放| 精品国产一区二区三区久久久樱花| 色婷婷久久久亚洲欧美| 欧美日韩成人在线一区二区| 久久人人97超碰香蕉20202| 亚洲伊人久久精品综合| 久久婷婷青草| 天美传媒精品一区二区| 黑丝袜美女国产一区| 欧美人与性动交α欧美软件| 中文字幕另类日韩欧美亚洲嫩草| av卡一久久| 久久久久久久久久久免费av| 久久免费观看电影| 国产精品无大码| 麻豆乱淫一区二区| 精品福利永久在线观看| 五月天丁香电影| 国产精品一二三区在线看| 亚洲精品国产av成人精品| 亚洲精品一二三| 一级片'在线观看视频| av在线app专区| 免费在线观看黄色视频的| 成年人午夜在线观看视频| 满18在线观看网站| 建设人人有责人人尽责人人享有的| 免费在线观看黄色视频的| 天天躁狠狠躁夜夜躁狠狠躁| 伦理电影免费视频| 美女高潮到喷水免费观看| 日韩免费高清中文字幕av| a级毛片在线看网站| 欧美亚洲日本最大视频资源| 色吧在线观看| 久久国产精品男人的天堂亚洲| 久久久久视频综合| 嫩草影视91久久| 亚洲av成人不卡在线观看播放网 | 丰满乱子伦码专区| 女的被弄到高潮叫床怎么办| 男女边摸边吃奶| 一本久久精品| 成人亚洲欧美一区二区av| 精品少妇久久久久久888优播| 久久毛片免费看一区二区三区| 最近中文字幕高清免费大全6| 精品国产露脸久久av麻豆| 狂野欧美激情性bbbbbb| bbb黄色大片| 美女午夜性视频免费| 久久综合国产亚洲精品| 欧美日韩亚洲综合一区二区三区_| 777久久人妻少妇嫩草av网站| av免费观看日本| 少妇精品久久久久久久| 亚洲情色 制服丝袜| 亚洲成人av在线免费| 97人妻天天添夜夜摸| 一区在线观看完整版| 少妇精品久久久久久久| 黄片播放在线免费| 精品国产一区二区三区久久久樱花| 国产黄色视频一区二区在线观看| 99香蕉大伊视频| 国产一区有黄有色的免费视频| 久久久久人妻精品一区果冻| 夫妻性生交免费视频一级片| 最近的中文字幕免费完整| 99热国产这里只有精品6| 日韩 欧美 亚洲 中文字幕| 综合色丁香网| 制服丝袜香蕉在线| 国产一级毛片在线| 亚洲av福利一区| 亚洲在久久综合| 超碰成人久久| 亚洲天堂av无毛| 一级爰片在线观看| 天美传媒精品一区二区| 亚洲七黄色美女视频| 另类精品久久| xxx大片免费视频| 国产探花极品一区二区| 在现免费观看毛片| 69精品国产乱码久久久| 欧美在线黄色| 一区二区三区四区激情视频| 成人毛片60女人毛片免费| 女人被躁到高潮嗷嗷叫费观| 一边亲一边摸免费视频| 黄色视频不卡| 美女国产高潮福利片在线看| 精品国产乱码久久久久久小说| 久久狼人影院| 久久韩国三级中文字幕| 久久天躁狠狠躁夜夜2o2o | 人人妻人人澡人人爽人人夜夜| 欧美日韩精品网址| 国产国语露脸激情在线看| 精品人妻在线不人妻| av卡一久久| 亚洲精品自拍成人| 精品亚洲乱码少妇综合久久| 成人影院久久| 最近中文字幕2019免费版| 国产乱来视频区| 桃花免费在线播放| 国产成人一区二区在线| 亚洲四区av| 婷婷色综合大香蕉| 欧美黑人精品巨大| 色播在线永久视频| 欧美日韩成人在线一区二区| av在线老鸭窝| av国产精品久久久久影院| 国产女主播在线喷水免费视频网站| 18禁动态无遮挡网站| 亚洲欧洲日产国产| 免费高清在线观看日韩| 丰满饥渴人妻一区二区三| 成人国产av品久久久| 欧美国产精品一级二级三级| 久久女婷五月综合色啪小说| 国产乱来视频区| 国产成人欧美在线观看 | 又大又黄又爽视频免费| 久久毛片免费看一区二区三区| 日韩欧美精品免费久久| 久久99精品国语久久久| 国产又爽黄色视频| 久久 成人 亚洲| 久久久久久久久久久久大奶| av线在线观看网站| 欧美久久黑人一区二区| 亚洲av日韩在线播放| 18禁观看日本| 国产亚洲最大av| 最近中文字幕2019免费版| 免费看av在线观看网站| 亚洲精品国产一区二区精华液| 久久久国产精品麻豆| 日韩一区二区三区影片| 久久久久国产一级毛片高清牌| 在线天堂中文资源库| 亚洲欧美精品综合一区二区三区| 国产成人免费观看mmmm| 精品人妻熟女毛片av久久网站| 亚洲欧美中文字幕日韩二区| 亚洲欧美成人综合另类久久久| 亚洲精品一二三| 久久精品亚洲熟妇少妇任你| 久久久久精品久久久久真实原创| 蜜桃在线观看..| 热99国产精品久久久久久7| 国产极品粉嫩免费观看在线| 国产不卡av网站在线观看| 国产在视频线精品| 欧美人与性动交α欧美精品济南到| 国产av一区二区精品久久| 最近手机中文字幕大全| 操出白浆在线播放| 国产一卡二卡三卡精品 | 90打野战视频偷拍视频| 丰满饥渴人妻一区二区三| 亚洲精品国产一区二区精华液| 天天添夜夜摸| 美女视频免费永久观看网站| 一级毛片电影观看| 亚洲第一区二区三区不卡| 狠狠精品人妻久久久久久综合| 成人影院久久| 国产成人精品久久二区二区91 | 午夜av观看不卡| 久久久精品免费免费高清| 国产在视频线精品| 国产精品国产三级专区第一集| 亚洲av成人不卡在线观看播放网 |