• <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
    精品99又大又爽又粗少妇毛片 | 少妇人妻精品综合一区二区 | 国产高清有码在线观看视频| 精品人妻熟女av久视频| 老女人水多毛片| 成人精品一区二区免费| 精品人妻偷拍中文字幕| 亚洲熟妇熟女久久| 国产黄色小视频在线观看| 人妻夜夜爽99麻豆av| 22中文网久久字幕| 桃红色精品国产亚洲av| 日本免费a在线| 深爱激情五月婷婷| 日本精品一区二区三区蜜桃| 麻豆国产97在线/欧美| 最近最新免费中文字幕在线| 狂野欧美激情性xxxx在线观看| 天堂动漫精品| 久久久久久大精品| 国产亚洲精品久久久com| 亚洲国产精品成人综合色| 免费看美女性在线毛片视频| 99久久精品国产国产毛片| 亚洲精品456在线播放app | 91午夜精品亚洲一区二区三区 | 久久精品国产亚洲网站| av在线老鸭窝| 午夜日韩欧美国产| 黄色一级大片看看| 99视频精品全部免费 在线| 欧美又色又爽又黄视频| 久久人人精品亚洲av| 欧美不卡视频在线免费观看| 亚洲中文字幕日韩| 精品人妻1区二区| 日韩人妻高清精品专区| 国产精品久久久久久久电影| 波野结衣二区三区在线| av天堂中文字幕网| 亚洲精品一卡2卡三卡4卡5卡| av福利片在线观看| av.在线天堂| 午夜免费成人在线视频| 国产真实伦视频高清在线观看 | 日本在线视频免费播放| 美女被艹到高潮喷水动态| 国产伦一二天堂av在线观看| 日韩,欧美,国产一区二区三区 | 搡老岳熟女国产| 一级a爱片免费观看的视频| 久久久久久伊人网av| 国产精品国产三级国产av玫瑰| 欧美激情在线99| 亚洲欧美精品综合久久99| 国产成人a区在线观看| 亚洲男人的天堂狠狠| 精品国产三级普通话版| 男女啪啪激烈高潮av片| 日本黄大片高清| 久久久久久九九精品二区国产| 免费在线观看影片大全网站| 午夜免费成人在线视频| 在线观看一区二区三区| 十八禁网站免费在线| 综合色av麻豆| 欧美激情在线99| 成人性生交大片免费视频hd| 又爽又黄无遮挡网站| 国产久久久一区二区三区| 99热这里只有是精品50| 99精品在免费线老司机午夜| 日韩在线高清观看一区二区三区 | a级毛片a级免费在线| 热99re8久久精品国产| 国产在线男女| 色在线成人网| 色播亚洲综合网| 精品久久久久久成人av| 午夜福利在线观看免费完整高清在 | 内射极品少妇av片p| 日韩欧美精品v在线| 午夜亚洲福利在线播放| 欧美高清性xxxxhd video| 免费av不卡在线播放| 丰满的人妻完整版| 毛片一级片免费看久久久久 | 伦精品一区二区三区| 极品教师在线免费播放| 美女黄网站色视频| 在线免费观看的www视频| 精品久久久久久久久av| 一夜夜www| 天天躁日日操中文字幕| 最近在线观看免费完整版| 亚洲不卡免费看| 午夜视频国产福利| av福利片在线观看| 国产男靠女视频免费网站| 亚洲av.av天堂| 日本a在线网址| 午夜激情欧美在线| 亚洲国产精品久久男人天堂| 亚洲国产日韩欧美精品在线观看| 国产 一区精品| 免费观看人在逋| 91麻豆av在线| h日本视频在线播放| 他把我摸到了高潮在线观看| 亚洲av免费高清在线观看| 可以在线观看毛片的网站| 亚洲 国产 在线| 我要看日韩黄色一级片| 成人亚洲精品av一区二区| 亚洲黑人精品在线| 日韩 亚洲 欧美在线| 18+在线观看网站| 午夜福利18| 久久亚洲真实| 九色国产91popny在线| 亚洲一区二区三区色噜噜| 九色成人免费人妻av| 亚洲人与动物交配视频| 看十八女毛片水多多多| 欧美黑人欧美精品刺激| xxxwww97欧美| 三级男女做爰猛烈吃奶摸视频| 丰满人妻一区二区三区视频av| 一本一本综合久久| 久久久久久久亚洲中文字幕| 人妻制服诱惑在线中文字幕| 最好的美女福利视频网| 婷婷六月久久综合丁香| 久久精品综合一区二区三区| 亚洲最大成人手机在线| 欧美另类亚洲清纯唯美| 午夜日韩欧美国产| 亚洲中文字幕一区二区三区有码在线看| 一区福利在线观看| 搡老妇女老女人老熟妇| 成人二区视频| 亚洲精华国产精华液的使用体验 | 久久中文看片网| 亚洲狠狠婷婷综合久久图片| 简卡轻食公司| 亚洲在线自拍视频| 欧美日韩黄片免| 久久精品影院6| 18禁黄网站禁片午夜丰满| 小蜜桃在线观看免费完整版高清| 自拍偷自拍亚洲精品老妇| 日韩欧美免费精品| 九九爱精品视频在线观看| 亚洲人成网站在线播放欧美日韩| 国产一区二区激情短视频| 精品无人区乱码1区二区| 亚洲性久久影院| 3wmmmm亚洲av在线观看| 99久久精品国产国产毛片| 精品久久久久久久久久免费视频| 国产精品久久久久久亚洲av鲁大| 一级毛片久久久久久久久女| 国产精品永久免费网站| 99久久久亚洲精品蜜臀av| 淫秽高清视频在线观看| 国产av一区在线观看免费| 全区人妻精品视频| 狂野欧美激情性xxxx在线观看| 啦啦啦啦在线视频资源| 日韩中文字幕欧美一区二区| 男女边吃奶边做爰视频| 特大巨黑吊av在线直播| 国产一区二区三区视频了| 色哟哟·www| 成人二区视频| 日本-黄色视频高清免费观看| 琪琪午夜伦伦电影理论片6080| 国内精品久久久久久久电影| 日韩精品中文字幕看吧| 亚洲内射少妇av| 久久精品国产亚洲网站| 欧美日韩综合久久久久久 | 欧美中文日本在线观看视频| 一级黄色大片毛片| 91麻豆精品激情在线观看国产| 国产精品久久久久久精品电影| 亚洲国产日韩欧美精品在线观看| 国产精品综合久久久久久久免费| 国产真实伦视频高清在线观看 | 极品教师在线视频| 久久久久久久久久久丰满 | 国产伦精品一区二区三区四那| 欧美高清成人免费视频www| 亚洲国产精品合色在线| 22中文网久久字幕| 日韩欧美三级三区| 欧美成人一区二区免费高清观看| 如何舔出高潮| 黄色配什么色好看| 精品久久久久久,| 最近视频中文字幕2019在线8| 在现免费观看毛片| 国产精品久久电影中文字幕| 日韩国内少妇激情av| 久久久午夜欧美精品| 日本精品一区二区三区蜜桃| 久久午夜亚洲精品久久| 小蜜桃在线观看免费完整版高清| avwww免费| 亚洲欧美清纯卡通| 中文字幕久久专区| 国产老妇女一区| 国产单亲对白刺激| 成年女人毛片免费观看观看9| 啦啦啦观看免费观看视频高清| 三级男女做爰猛烈吃奶摸视频| 成人国产麻豆网| 亚洲黑人精品在线| 中文字幕免费在线视频6| 少妇高潮的动态图| 精品国产三级普通话版| 性插视频无遮挡在线免费观看| 精品99又大又爽又粗少妇毛片 | 长腿黑丝高跟| 久99久视频精品免费| 欧美潮喷喷水| 国产精品综合久久久久久久免费| 国产黄a三级三级三级人| 狂野欧美白嫩少妇大欣赏| 免费av不卡在线播放| or卡值多少钱| 可以在线观看毛片的网站| 国产高清激情床上av| 51国产日韩欧美| 欧美不卡视频在线免费观看| 91久久精品国产一区二区三区| 亚洲精品乱码久久久v下载方式| 久久久久久九九精品二区国产| 性插视频无遮挡在线免费观看| 日韩欧美在线乱码| 国产成人福利小说| 淫妇啪啪啪对白视频| 欧美精品国产亚洲| 干丝袜人妻中文字幕| 成年女人看的毛片在线观看| av视频在线观看入口| 日日摸夜夜添夜夜添小说| 久久精品国产自在天天线| 国产精品一区www在线观看 | 美女 人体艺术 gogo| 网址你懂的国产日韩在线| 精品久久国产蜜桃| 黄色欧美视频在线观看| 久久久久久久久大av| 男人狂女人下面高潮的视频| 两个人的视频大全免费| 一本久久中文字幕| 麻豆成人av在线观看| 深爱激情五月婷婷| 日韩在线高清观看一区二区三区 | 日韩欧美在线二视频| 国产av在哪里看| 亚洲精华国产精华精| 午夜精品久久久久久毛片777| 午夜福利视频1000在线观看| 精品99又大又爽又粗少妇毛片 | 国产高清激情床上av| 国产美女午夜福利| 人妻夜夜爽99麻豆av| 亚洲精品影视一区二区三区av| 亚洲无线观看免费| 长腿黑丝高跟| 亚洲人成网站高清观看| 香蕉av资源在线| 99久国产av精品| 在线观看av片永久免费下载| 国模一区二区三区四区视频| 日韩,欧美,国产一区二区三区 | 国产精品1区2区在线观看.| 国产精品女同一区二区软件 | 免费观看人在逋| 国产精品野战在线观看| 国产黄a三级三级三级人| 天堂影院成人在线观看| 搡女人真爽免费视频火全软件 | 久久国产精品人妻蜜桃| 久久精品国产清高在天天线| 免费黄网站久久成人精品| 最好的美女福利视频网| 亚洲欧美激情综合另类| 日韩欧美国产一区二区入口| 久99久视频精品免费| 国产精品久久久久久久电影| 欧美成人一区二区免费高清观看| 看十八女毛片水多多多| 一个人观看的视频www高清免费观看| 中国美白少妇内射xxxbb| 天堂√8在线中文| 中文在线观看免费www的网站| 搡老岳熟女国产| 非洲黑人性xxxx精品又粗又长| av.在线天堂| 色精品久久人妻99蜜桃| 黄色日韩在线| 男女视频在线观看网站免费| 黄色一级大片看看| 亚洲aⅴ乱码一区二区在线播放| 午夜日韩欧美国产| or卡值多少钱| 国产精品不卡视频一区二区| 欧美一区二区国产精品久久精品| 日韩大尺度精品在线看网址| 日韩人妻高清精品专区| 亚洲18禁久久av| 一区二区三区免费毛片| 欧美另类亚洲清纯唯美| 亚洲中文字幕一区二区三区有码在线看| 男女边吃奶边做爰视频| 一卡2卡三卡四卡精品乱码亚洲| 小说图片视频综合网站| 欧美精品国产亚洲| 99久国产av精品| 看十八女毛片水多多多| 色综合亚洲欧美另类图片| 久久久国产成人免费| 精品久久久久久久久久久久久| 久久精品国产亚洲av涩爱 | 精品99又大又爽又粗少妇毛片 | 久久亚洲真实| 国产又黄又爽又无遮挡在线| 国产乱人视频| 狂野欧美激情性xxxx在线观看| 91麻豆av在线| 搞女人的毛片| 亚洲自拍偷在线| 69av精品久久久久久| 精品无人区乱码1区二区| 特级一级黄色大片| ponron亚洲| 天堂√8在线中文| 熟女人妻精品中文字幕| 亚洲午夜理论影院| 国产高清激情床上av| 久久99热6这里只有精品| 身体一侧抽搐| 一边摸一边抽搐一进一小说| 日韩欧美在线乱码| 国产精品人妻久久久影院| 欧美极品一区二区三区四区| 日韩精品青青久久久久久| 国模一区二区三区四区视频| 久久久久免费精品人妻一区二区| 哪里可以看免费的av片| 特大巨黑吊av在线直播| 日本-黄色视频高清免费观看| 18禁在线播放成人免费| 日本在线视频免费播放| 久久欧美精品欧美久久欧美| 91久久精品国产一区二区成人| av专区在线播放| 美女大奶头视频| 在线免费十八禁| 色综合色国产| 国产一区二区三区在线臀色熟女| 中文字幕免费在线视频6| 久久热精品热| 欧美成人一区二区免费高清观看| 国产伦精品一区二区三区四那| 国产精品综合久久久久久久免费| 69人妻影院| 窝窝影院91人妻| 久久久久久久久久黄片| 午夜精品一区二区三区免费看| 久久久久久伊人网av| 午夜久久久久精精品| 免费av毛片视频| 国产精品永久免费网站| 99热只有精品国产| 国产色婷婷99| 有码 亚洲区| 日日摸夜夜添夜夜添小说| 男女边吃奶边做爰视频| 国产精品不卡视频一区二区| 嫩草影院新地址| 日韩国内少妇激情av| 嫩草影院新地址| 欧美日韩瑟瑟在线播放| 一区二区三区免费毛片| 精品一区二区三区视频在线观看免费| 午夜精品久久久久久毛片777| 91久久精品电影网| 少妇人妻精品综合一区二区 | 真人做人爱边吃奶动态| 18禁在线播放成人免费| 色av中文字幕| 国产午夜精品久久久久久一区二区三区 | 2021天堂中文幕一二区在线观| 亚洲欧美激情综合另类| av国产免费在线观看| 国产v大片淫在线免费观看| 婷婷色综合大香蕉| 精品人妻一区二区三区麻豆 | 极品教师在线免费播放| 欧美日韩瑟瑟在线播放| 午夜老司机福利剧场| 国产熟女欧美一区二区| 午夜福利在线观看吧| 全区人妻精品视频| 别揉我奶头~嗯~啊~动态视频| 国产乱人视频| 国产单亲对白刺激| 久久这里只有精品中国| 精品一区二区三区av网在线观看| 亚洲av日韩精品久久久久久密| 国产精品不卡视频一区二区| 亚洲av熟女| 波野结衣二区三区在线| 一本一本综合久久| 欧美又色又爽又黄视频| 色av中文字幕| 97超视频在线观看视频| 真人做人爱边吃奶动态| 精品免费久久久久久久清纯| 一级黄色大片毛片| 久9热在线精品视频| 亚洲 国产 在线| 麻豆av噜噜一区二区三区| 日韩欧美精品v在线| 老司机福利观看| 精品一区二区免费观看| 联通29元200g的流量卡| 99九九线精品视频在线观看视频| 伦理电影大哥的女人| 亚洲五月天丁香| 成年女人看的毛片在线观看| 中文字幕精品亚洲无线码一区| 国产一区二区三区av在线 | 免费看av在线观看网站| 男女做爰动态图高潮gif福利片| 观看免费一级毛片| 久久久久久大精品| 亚洲国产精品合色在线| 美女cb高潮喷水在线观看| 三级国产精品欧美在线观看| 中文字幕精品亚洲无线码一区| 最近最新免费中文字幕在线| 国产精品亚洲一级av第二区| 在线免费十八禁| 大型黄色视频在线免费观看| 干丝袜人妻中文字幕| 久久亚洲精品不卡| 精品久久久久久久久久免费视频| 中文字幕熟女人妻在线| 欧美激情久久久久久爽电影| 久久久久久久精品吃奶| 国产极品精品免费视频能看的| 日韩 亚洲 欧美在线| 国产真实伦视频高清在线观看 | 亚洲国产欧美人成| 18+在线观看网站| 一区二区三区四区激情视频 | 成年版毛片免费区| 久久久色成人| av中文乱码字幕在线| 精品久久久久久成人av| 十八禁网站免费在线| 国产亚洲精品av在线| 69人妻影院| 国产精品亚洲一级av第二区| 三级毛片av免费| 国产一区二区在线观看日韩| 精品久久久噜噜| 国产精品精品国产色婷婷| 国产白丝娇喘喷水9色精品| 日本欧美国产在线视频| 久久人人精品亚洲av| 欧美国产日韩亚洲一区| 成年女人永久免费观看视频| 亚洲国产精品合色在线| 男人和女人高潮做爰伦理| 精品人妻1区二区| 欧洲精品卡2卡3卡4卡5卡区| 国产黄a三级三级三级人| 欧美激情国产日韩精品一区| 久久久久九九精品影院| 男人舔奶头视频| 精品99又大又爽又粗少妇毛片 | 欧美+日韩+精品| 欧美xxxx黑人xx丫x性爽| 国产免费一级a男人的天堂| 美女高潮的动态| 亚洲av.av天堂| 成人精品一区二区免费| 毛片一级片免费看久久久久 | 97热精品久久久久久| 国产免费一级a男人的天堂| 欧美丝袜亚洲另类 | 大又大粗又爽又黄少妇毛片口| 美女xxoo啪啪120秒动态图| 在线a可以看的网站| 国产成人aa在线观看| 一级a爱片免费观看的视频| 真实男女啪啪啪动态图| 欧美性感艳星| 全区人妻精品视频| 国产亚洲欧美98| 日日撸夜夜添| 日韩在线高清观看一区二区三区 | 欧美绝顶高潮抽搐喷水| 18禁裸乳无遮挡免费网站照片| ponron亚洲| 成熟少妇高潮喷水视频| 亚洲熟妇熟女久久| 久久久久国产精品人妻aⅴ院| 久久久久九九精品影院| 国产三级在线视频| 九色国产91popny在线| 黄色视频,在线免费观看| 在线a可以看的网站| 热99re8久久精品国产| 热99在线观看视频| 波多野结衣巨乳人妻| 99久久无色码亚洲精品果冻| 日韩人妻高清精品专区| 国产久久久一区二区三区| 欧美黑人欧美精品刺激| 日日夜夜操网爽| 国产黄a三级三级三级人| 男人狂女人下面高潮的视频| 尾随美女入室| 99热网站在线观看| 尤物成人国产欧美一区二区三区| 国产精品国产三级国产av玫瑰| 亚洲在线自拍视频| 国产高清视频在线观看网站| 美女被艹到高潮喷水动态| 露出奶头的视频| 在线国产一区二区在线| 亚洲狠狠婷婷综合久久图片| 国产伦一二天堂av在线观看| 亚洲av一区综合| 不卡视频在线观看欧美| 色播亚洲综合网| 老熟妇乱子伦视频在线观看| 狠狠狠狠99中文字幕| 欧美日韩瑟瑟在线播放| 中国美女看黄片| 久久香蕉精品热| a在线观看视频网站| 免费观看在线日韩| 国产精品嫩草影院av在线观看 | 自拍偷自拍亚洲精品老妇| 一级av片app| 黄片wwwwww| 国产av一区在线观看免费| 88av欧美| 看片在线看免费视频| 黄色视频,在线免费观看| 成人高潮视频无遮挡免费网站| 天天躁日日操中文字幕| 亚洲成人免费电影在线观看| 国产精华一区二区三区| 国产精品无大码| 中文字幕久久专区| 一个人观看的视频www高清免费观看| 国产乱人视频| 中文在线观看免费www的网站| 我要搜黄色片| 国产高潮美女av| 日本三级黄在线观看| 九九热线精品视视频播放| 99视频精品全部免费 在线| 免费看av在线观看网站| 哪里可以看免费的av片| 国产精品98久久久久久宅男小说| xxxwww97欧美| 国产亚洲91精品色在线| 又黄又爽又免费观看的视频| 热99re8久久精品国产| 免费电影在线观看免费观看| 国产伦一二天堂av在线观看| 国产淫片久久久久久久久| 久久亚洲精品不卡| 国产亚洲精品av在线| 一本一本综合久久| 久久亚洲精品不卡| av在线亚洲专区| 国产淫片久久久久久久久| 国产伦精品一区二区三区视频9| 中国美白少妇内射xxxbb| 男人和女人高潮做爰伦理| 久久精品夜夜夜夜夜久久蜜豆| 看黄色毛片网站| 久久国内精品自在自线图片| 少妇丰满av| 人人妻人人看人人澡| 给我免费播放毛片高清在线观看| 男女下面进入的视频免费午夜| 日韩在线高清观看一区二区三区 | 变态另类成人亚洲欧美熟女| 精品久久久久久久久久免费视频| 欧美在线一区亚洲| 两个人的视频大全免费| 久久精品国产鲁丝片午夜精品 | 日本成人三级电影网站| 又爽又黄无遮挡网站| 国国产精品蜜臀av免费| 小说图片视频综合网站| 精品午夜福利视频在线观看一区| 国产私拍福利视频在线观看| 99精品在免费线老司机午夜| 日韩欧美免费精品| 女同久久另类99精品国产91| 可以在线观看的亚洲视频| 最新中文字幕久久久久|