• <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 ?

    智慧城市管理案件圖像自動識別應(yīng)用分析①

    2021-05-21 07:22:50李進強
    計算機系統(tǒng)應(yīng)用 2021年5期
    關(guān)鍵詞:灰度卷積神經(jīng)網(wǎng)絡(luò)

    郭 磊,李進強,黨 磊

    (正元地理信息集團股份有限公司,北京 101300)

    城市監(jiān)控視頻采集和處理技術(shù)是智慧城市建設(shè)的關(guān)鍵技術(shù).目標檢測算法是深度學習算法中重要的一部分,已經(jīng)在人臉識別、機械設(shè)備故障檢測等領(lǐng)域有了較好地應(yīng)用[1].在智慧城市案件圖像識別領(lǐng)域,目標檢測算法能夠根據(jù)事物的不同特征在一定重復(fù)學習的基礎(chǔ)上,精確判斷圖像內(nèi)容的分類,在一般城市案件識別中能夠發(fā)揮重要作用,如車輛違章停放、違規(guī)張貼廣告等.該算法還可以通過群體行為判斷案件的嚴重性,能夠及時向系統(tǒng)反饋異常情況.有效的城市案件圖像識別技術(shù)對提高城市案件發(fā)現(xiàn)和處理效率,節(jié)省城市人力物力資源有極大的影響[2].目標檢測算法在目前城市管理案件圖像自動識別的實際應(yīng)用上還存在一定問題,識別精度不高、檢測速度較慢等.有鑒于此,本次研究以提高檢測城市案件圖像識別的速度和精度為目標,構(gòu)建了基于改進卷積神經(jīng)網(wǎng)絡(luò)的目標檢測算法和圖像評價網(wǎng)絡(luò)模型.

    1 基于卷積神經(jīng)網(wǎng)絡(luò)的目標檢測算法

    1.1 改進的卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型會涉及到大量且復(fù)雜的計算,其實質(zhì)是通過卷積層將初始特征圖像中提取出有效特征,實現(xiàn)圖像濾波[3].假設(shè)每個卷積層的初始特征圖是xi,則卷積運算表達式為:

    式(1)中,Mj是初始特征圖像的集合,f(·)是激活函數(shù),*是卷積運算的數(shù)學符號.將第i和j個初始特征圖像的卷積層卷積核標記為Ki.

    對第l層的神經(jīng)元的權(quán)重及更新值進行求解,首先需要計算節(jié)點處的靈敏度δ.

    式(2)是位于第l層的j神經(jīng)元的靈敏度的計算公式.其中連接層l至連接層l+1之間結(jié)點的靈敏度的和為,其權(quán)重值為W.為一常數(shù),是第l+1下采樣層的初始特征圖像的權(quán)重.f′(ul)是第l層神經(jīng)元在輸入為u的情況下的激活函數(shù)的倒數(shù).

    Bias 基的梯度的計算表達式為[4]:

    卷積核梯度運算公式為:

    此次研究使用卷積神經(jīng)網(wǎng)絡(luò)對智慧城市案件圖像進行自動識別,檢測網(wǎng)絡(luò)的基礎(chǔ)網(wǎng)絡(luò)為VGGNet,并增加了輔助層,共有cnv5_3、conv4_3 等8 個卷積層,其中cnv5_3、conv4_3 卷積層提供小目標特征.cnv5_3、conv4_3 兩個卷積層可將圖像中的某些具體特征進行提取分析,從而提高識別精度.小目標特征提取之后的圖像將通過儀器處理最終輸出尺寸相等的圖像.

    檢測網(wǎng)絡(luò)在進行訓(xùn)練模型時,各網(wǎng)絡(luò)層可能由于相互連接造成輸入數(shù)據(jù)偏移或增大,影響訓(xùn)練效果[5,6].為了加快訓(xùn)練速度,防止偏移情況發(fā)生,本次研究構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)在傳統(tǒng)模型的激活函數(shù)前加入批次規(guī)范化(Batch Normalization,BN)層,將輸入激活函數(shù)的所有數(shù)據(jù)進行均值和標準差歸一化處理.

    式(5)是BN 算法的向前步驟,其中B是單批次圖像特征,γ和β是學習重構(gòu)參數(shù),μB是BN的平均值,σB是BN的方差,代表規(guī)范化.在BN 算法運算時,輸入對象是γ和β,經(jīng)過批次規(guī)范化標準差和方差處理之后,輸出為yi.

    傳統(tǒng)的神經(jīng)卷積層在處理非線性和存在一定抽象化特征的圖像時,精確率和速度都有所下降.針對智慧城市案件處理的特殊性,本次研究構(gòu)建的網(wǎng)絡(luò)使用多層感知層.針對城市案件圖像特征復(fù)雜導(dǎo)致的網(wǎng)絡(luò)參數(shù)過多的情況,此次研究在原來網(wǎng)絡(luò)的基礎(chǔ)上加入一個函數(shù)逼近器.研究構(gòu)建的帶逼近器的多感知層網(wǎng)絡(luò)與傳統(tǒng)線性卷積層對比情況如圖1所示.

    圖1 典型和改進之后的卷積層對比

    圖1(a)是典型的線性卷積層,圖1(b)是加入1×1卷積之后的卷積運算網(wǎng)絡(luò).函數(shù)逼近器的加入可以改變感知野中的網(wǎng)絡(luò)結(jié)構(gòu)進行抽象和非線性特征的提取.相比于典型的卷積層,改進之后的卷積層添加了一個1×1的卷積,并加入了一個經(jīng)過修正的線性激活函數(shù),表達式為:

    式(6)中,x是輸入數(shù)據(jù).當輸入數(shù)據(jù)為正數(shù)時,經(jīng)過線性激活函數(shù)處理之后得到的數(shù)值為原數(shù)值.若輸入數(shù)據(jù)小于零,則核函數(shù)將輸入數(shù)值縮小十倍之后輸出.使用該線性激活函數(shù)可以降低特征圖的維度,擴大網(wǎng)絡(luò)的應(yīng)用規(guī)模,進而增加卷積神經(jīng)網(wǎng)絡(luò)的深度和寬度.

    本次研究構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)算法流程如圖2所示.在圖像信息的前向傳播階段,算法會對初始權(quán)值進行隨機賦值.經(jīng)過多層感知層、函數(shù)逼近器和池化層處理,可以得到待測圖像最為全面的特征.之后全連接層會對多個隱含層的信息進行變換并傳輸至輸出層.輸出層的輸出結(jié)果與預(yù)期結(jié)果比較,若誤差函數(shù)滿足要求;則直接輸出結(jié)果,若不滿足要求,誤差和權(quán)值信息反向傳播,算法對其進行重新賦值.

    圖2 改進的卷積神經(jīng)網(wǎng)絡(luò)算法流程圖

    1.2 評價網(wǎng)絡(luò)結(jié)構(gòu)

    BP 神經(jīng)網(wǎng)絡(luò)的分布式存儲和并行協(xié)同處理機制能夠快速對的大量數(shù)據(jù)進行分析[7].典型的BP 神經(jīng)網(wǎng)絡(luò)的拓撲圖包含三層前饋網(wǎng),并且各層神經(jīng)元只與相鄰神經(jīng)元之間全連接,同層神經(jīng)元之間無連接,各層神經(jīng)元之間無反饋連接.

    智慧城市案件識別模型的評價網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖3所示,共有輸入層、隱含層和輸出層3 部分構(gòu)成.輸入層的輸入數(shù)據(jù)是案件圖像中關(guān)鍵內(nèi)容的中心偏移量x,y和尺寸w,h.通過輸入數(shù)據(jù)的正向傳播和出現(xiàn)誤差后實施的反向傳播,不斷縮小誤差函數(shù)值,從而實現(xiàn)提高輸出數(shù)據(jù)精確度的目的.

    圖3 城市案件圖像的評價網(wǎng)絡(luò)圖

    在對評價網(wǎng)絡(luò)進行訓(xùn)練時,需要將案件圖像進行處理,獲取關(guān)鍵內(nèi)容的主要數(shù)據(jù).這些數(shù)據(jù)輸入訓(xùn)練網(wǎng)絡(luò),通過圖像分類和不同圖像關(guān)鍵內(nèi)容的區(qū)別進行BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,從而對案件類型做出準確地判斷.如果訓(xùn)練樣本集的內(nèi)容較少,很容易出現(xiàn)訓(xùn)練結(jié)果擬合的現(xiàn)象[8,9].針對這一情況,本次研究使用數(shù)據(jù)集擴充的方式增加樣本數(shù)據(jù),對原始圖片設(shè)置0°、90°、180°和270°的旋轉(zhuǎn)角度,從而擴充數(shù)據(jù),提升網(wǎng)絡(luò)學習圖像不變性特征的能力.本次研究的損失網(wǎng)絡(luò)可以分為兩個部分:回歸誤差和類別誤差.

    式(7)是本次研究的網(wǎng)絡(luò)損失函數(shù)表達式,其中c是置信度,l是預(yù)測框,g是真實的框.N表示匹配到的默認框的數(shù)量,α反映定位損失和置信度損失權(quán)重的比例情況.

    本次研究中目標物的位置損失表示如下:

    1.3 圖像處理技術(shù)

    目標檢測算法在對彩色圖像進行處理時所消耗的時間和數(shù)據(jù)容量遠超于處理灰色圖像,而智慧城市的管理系統(tǒng)要求目標檢測算法能夠快速對案件圖像進行識別[10].由此,灰度化圖像的過程必不可少.

    本次研究采用加權(quán)平均的方法對圖像進行處理,公式具體內(nèi)容如下:

    式(2)中,灰度化加權(quán)系數(shù)a,b,c分別取值為0.3、0.59、0.11.

    案件圖像的像素灰度值的公式為:

    式(10)中,R為案件圖像的紅色分量,G為綠色分量,B為藍色分量.

    城市案件圖像灰度化處理結(jié)果如圖4所示.圖4(a)是未經(jīng)處理的城市車輛違章停靠圖像;圖4(b)是經(jīng)過灰度變換之后的圖像.灰度化處理之后圖像的關(guān)鍵信息的清晰度并未有下降,并且明暗、陰影、對比等信息均可以通過對比不同部分的灰度值獲取.

    圖4 城市案件圖像灰度化處理結(jié)果

    從案件圖像中提取關(guān)鍵目標信息還需要克服背景和噪聲因素影響,本次研究采用灰度閾值化的方法提取圖像的關(guān)鍵內(nèi)容,將復(fù)雜的背景設(shè)置為0,前景目標值設(shè)置為255[11,12].由此經(jīng)過處理之后得到的圖像便只有黑色和白色兩種顏色,更加有利于對案件圖像進行分析,提高案件處理的速效率.此次研究采用二值化方法,通過最大類間差法計算得到:

    式(11)中,w0、w1分別是圖像前景、圖像點數(shù)占據(jù)整張圖的比例值,u0、u1分別是前景和背景的平均灰度值,g是類間方差值.

    式(12)是對式(11)的進一步推導(dǎo).當類間方差值取最大值時,圖像的前景和背景的差異度達到最大,此時分割前景和圖像背景的閾值為T處于最佳狀態(tài).

    圖5(a)是經(jīng)過灰度化處理之后得到的案件圖像,圖5(b)是經(jīng)過灰度閾值化之后的圖像.經(jīng)過處理之后,圖像僅有黑白兩種顏色,并且圖像特征更加鮮明,目標檢測算法對圖像的處理效率和精確度也會因圖像特征的鮮明而顯著提高.

    圖5 案件圖像的二值化處理結(jié)果

    2 目標檢測算法模型識別效果檢驗

    2.1 智慧城市案件圖像數(shù)據(jù)集構(gòu)建

    目前在城市案件圖像檢測領(lǐng)域并沒有明確的標準數(shù)據(jù)集,本次研究以實際城市管理系統(tǒng)常見的案件為分類依據(jù),以網(wǎng)絡(luò)上公開來源的案件圖片為數(shù)據(jù)集來源,以城市管理監(jiān)控視頻中提取的關(guān)鍵幀為補充,構(gòu)建了8 個典型城市案件的圖像數(shù)據(jù)庫,8 種分類包括非機動車違章停放、共享單車違規(guī)停放、雨水算子損壞、井蓋損壞、亂涂亂畫張貼廣告、暴露性垃圾、交通護欄破損和機動車違章停放等8 類.將不清晰、內(nèi)容真實性存疑的圖片進行刪除,最終得到的數(shù)據(jù)集中共有9345 張圖片,每類城市案件約有1168 張圖片.每類圖片的60%為訓(xùn)練集,其余圖片為測試集.

    圖6是數(shù)據(jù)集中4 類案件類型的示例圖,每張圖片的案件類型具有鮮明的特征,并無車輛、綠化、建筑等遮蔽物的遮擋.8 類典型城市案件類型的編號分別為event 0551、event 0552、unite 0550、unite 0100、event 0201、event 0102、unite 0211、event 0550.

    2.2 目標檢測算法識別效果分析

    本次研究對構(gòu)建的基于卷積神經(jīng)網(wǎng)絡(luò)的目標檢測算法的測試在Ubuntu18.04 操作系統(tǒng)上進行,采用TensorFlow 深度學習框架.研究提出的算法與Fast RCNN、Faster R-CNN、YOLO、SDD 算法的測試結(jié)果對比情況如圖7所示.

    圖6 智慧城市案件圖像數(shù)據(jù)集示例圖(部分)

    圖7 5 種算法的案件圖像識別結(jié)果

    圖7是幾種算法的對比實驗結(jié)果情況,本次研究構(gòu)建的目標檢測算法在8 類典型城市案件圖像的識別上具有較好的識別效果,對各種類型的案件識別的準確率均在72%以上,識別“亂涂亂畫張貼廣告”類型圖像的準確率達到了83.4%.Faster R-CNN 算法的識別效果略遜于本文算法,但是相較于YOLO 算法等具有較高的識別準確率.這是由于本次研究構(gòu)建的目標檢測算法在卷積神經(jīng)網(wǎng)絡(luò)中增加了提取小目標特征的層數(shù).此次研究構(gòu)建的自動識別技術(shù)的mAP 值為76.8%,高于其他技術(shù).

    圖8是圖像幀數(shù)為10 fps的情況下,不同自動識別技術(shù)對測試集中所有圖像的處理情況.圖像直觀顯示,各類算法檢測速度的情況為:SDD 算法(48 s)>YOLO 算法(47 s)>本文算法(40 s)>Faster R-CNN 算法(32 s)>Fast R-CNN 算法(25 s).本次研究構(gòu)建的算法處理圖像速度處于中等水平,并且與最高水平相差不大.而檢測速度最高的SDD 算法的識別精確度最低,實際應(yīng)用價值不大.本次研究構(gòu)建的算法在圖像識別精度和檢測速度中有一定均衡,在保證識別效率的同時,也確保了識別的準確性.

    圖8 5 種算法識別案件圖像類型耗時對比

    以VOC2007+2012為數(shù)據(jù)集對100 Hz DPM、30 Hz DPM、YOLO、SDD 以及本文算法進行訓(xùn)練和檢測,檢測結(jié)果如圖9所示.從圖中可以看出,雖然100 Hz DPM的檢測速度最高,但是其檢測精度卻很低,并不能滿足城市案件處理中對識別算法精確度和處理速度的要求.而本次研究構(gòu)建的算法雖然在檢測速度上處于中等水平,但是精測精度最高.由此證明該算法具有較優(yōu)的有效性和魯棒性.

    圖9 VOC2007+2012 環(huán)境下的實驗結(jié)果

    3 結(jié)論

    城市案件的發(fā)現(xiàn)和識別速度是體現(xiàn)智慧城市管理水平的重要標準之一,傳統(tǒng)的人工檢測方式處理速度較慢、識別精度較低.將深度學習與智能檢測技術(shù)相結(jié)合是目前學術(shù)界研究的熱點方向.有鑒于此,本次研究構(gòu)造了基于改進卷積神經(jīng)網(wǎng)絡(luò)的目標檢測算法,運用多層網(wǎng)絡(luò)結(jié)構(gòu)提取小目標特征.研究將改進之后的算法與YOLO 算法等典型目標檢測算法進行對比,結(jié)果表明,改進之后的算法相比于其他算法,魯棒性和精確度有了明顯提升,在檢測準確率上可達83.4%.本次研究提出的識別技術(shù)能夠為建筑智慧城市、提升城市安全提供一定的保障.但是目前缺乏標準、權(quán)威且成熟的城市案件數(shù)據(jù)集,因此后續(xù)還需要進行數(shù)據(jù)擴充,進一步檢驗自動識別技術(shù)的性能,改進其中可能存在的問題.

    猜你喜歡
    灰度卷積神經(jīng)網(wǎng)絡(luò)
    采用改進導(dǎo)重法的拓撲結(jié)構(gòu)灰度單元過濾技術(shù)
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    基于灰度拉伸的圖像水位識別方法研究
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標跟蹤算法
    基于最大加權(quán)投影求解的彩色圖像灰度化對比度保留算法
    自動化學報(2017年5期)2017-05-14 06:20:56
    基于灰度線性建模的亞像素圖像抖動量計算
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    日韩一卡2卡3卡4卡2021年| 我要看黄色一级片免费的| 国产精品一区二区精品视频观看| 涩涩av久久男人的天堂| 精品人妻熟女毛片av久久网站| 国产福利在线免费观看视频| 亚洲第一欧美日韩一区二区三区 | 亚洲中文字幕日韩| av在线播放免费不卡| 女性生殖器流出的白浆| 在线观看免费日韩欧美大片| 两个人看的免费小视频| 建设人人有责人人尽责人人享有的| 精品一区二区三卡| 日韩人妻精品一区2区三区| 777米奇影视久久| 欧美日韩国产mv在线观看视频| 999久久久国产精品视频| 日本精品一区二区三区蜜桃| 久9热在线精品视频| 国产高清国产精品国产三级| 亚洲熟女毛片儿| 久久毛片免费看一区二区三区| cao死你这个sao货| 色尼玛亚洲综合影院| 色婷婷久久久亚洲欧美| 在线观看免费视频网站a站| 性色av乱码一区二区三区2| 99热国产这里只有精品6| 黄色a级毛片大全视频| 麻豆乱淫一区二区| 国产91精品成人一区二区三区 | 女人被躁到高潮嗷嗷叫费观| 亚洲中文av在线| 久久香蕉激情| 亚洲午夜理论影院| 精品亚洲成国产av| 欧美激情高清一区二区三区| 午夜激情久久久久久久| 黄色视频在线播放观看不卡| 人妻 亚洲 视频| 大型av网站在线播放| 久久久久视频综合| 9热在线视频观看99| 男女无遮挡免费网站观看| 最近最新中文字幕大全免费视频| 国产区一区二久久| 欧美国产精品va在线观看不卡| 新久久久久国产一级毛片| 90打野战视频偷拍视频| 视频区图区小说| 美女福利国产在线| 男女午夜视频在线观看| 在线看a的网站| 中文字幕色久视频| 老司机在亚洲福利影院| a级片在线免费高清观看视频| 99riav亚洲国产免费| 欧美精品av麻豆av| 亚洲熟女毛片儿| 欧美黄色片欧美黄色片| 18禁黄网站禁片午夜丰满| 日日夜夜操网爽| 成人av一区二区三区在线看| 露出奶头的视频| 黄色片一级片一级黄色片| 亚洲 欧美一区二区三区| 激情视频va一区二区三区| 高清视频免费观看一区二区| 国产极品粉嫩免费观看在线| 一本综合久久免费| 成年动漫av网址| 最近最新中文字幕大全免费视频| 国产日韩一区二区三区精品不卡| 免费在线观看影片大全网站| 极品教师在线免费播放| 一本—道久久a久久精品蜜桃钙片| 老司机深夜福利视频在线观看| 日韩成人在线观看一区二区三区| 夜夜爽天天搞| 黄片播放在线免费| 人人妻,人人澡人人爽秒播| 99国产综合亚洲精品| av片东京热男人的天堂| 五月天丁香电影| 在线观看免费视频网站a站| 午夜福利在线观看吧| 久久人妻av系列| 建设人人有责人人尽责人人享有的| 亚洲成av片中文字幕在线观看| 欧美精品一区二区免费开放| 91精品国产国语对白视频| 自线自在国产av| 亚洲av电影在线进入| 三级毛片av免费| 亚洲av片天天在线观看| 精品亚洲成国产av| a在线观看视频网站| 国产在线精品亚洲第一网站| 精品亚洲乱码少妇综合久久| 老鸭窝网址在线观看| 久久久久精品国产欧美久久久| 黑人巨大精品欧美一区二区mp4| 18禁国产床啪视频网站| 99精品久久久久人妻精品| 国产1区2区3区精品| 亚洲av成人不卡在线观看播放网| 啪啪无遮挡十八禁网站| 一级毛片女人18水好多| 欧美av亚洲av综合av国产av| 欧美亚洲 丝袜 人妻 在线| 一级毛片女人18水好多| 久久国产精品男人的天堂亚洲| 交换朋友夫妻互换小说| 亚洲精品av麻豆狂野| 国产男靠女视频免费网站| 成年人黄色毛片网站| 国产在线精品亚洲第一网站| 久久久国产欧美日韩av| 99riav亚洲国产免费| 一级毛片女人18水好多| 精品人妻1区二区| 日韩欧美免费精品| 国产精品一区二区免费欧美| 丝袜喷水一区| 男女边摸边吃奶| 国产高清国产精品国产三级| 极品少妇高潮喷水抽搐| 久久亚洲真实| 色视频在线一区二区三区| 18禁观看日本| 欧美在线一区亚洲| av国产精品久久久久影院| 好男人电影高清在线观看| 叶爱在线成人免费视频播放| 久久ye,这里只有精品| 国产一区二区三区视频了| 亚洲人成电影观看| 欧美中文综合在线视频| 纯流量卡能插随身wifi吗| 国产有黄有色有爽视频| 最近最新中文字幕大全电影3 | 亚洲伊人久久精品综合| 精品国产国语对白av| 国产精品麻豆人妻色哟哟久久| 日韩人妻精品一区2区三区| 午夜免费鲁丝| 亚洲少妇的诱惑av| 久久天躁狠狠躁夜夜2o2o| 国产精品一区二区免费欧美| 欧美精品高潮呻吟av久久| 黄色视频,在线免费观看| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲精品一卡2卡三卡4卡5卡| 久热这里只有精品99| 国产黄频视频在线观看| 一本久久精品| 国产精品免费一区二区三区在线 | 婷婷丁香在线五月| 欧美亚洲日本最大视频资源| 欧美精品一区二区大全| 精品国产乱子伦一区二区三区| 国产精品影院久久| a在线观看视频网站| 精品高清国产在线一区| 国产不卡一卡二| 国产黄频视频在线观看| 热99国产精品久久久久久7| 国产精品国产av在线观看| 69精品国产乱码久久久| 欧美日韩av久久| 精品少妇黑人巨大在线播放| 成人国产av品久久久| 国产福利在线免费观看视频| 黄色毛片三级朝国网站| 80岁老熟妇乱子伦牲交| 老司机午夜福利在线观看视频 | 在线天堂中文资源库| 精品一区二区三区四区五区乱码| 午夜两性在线视频| 免费观看av网站的网址| 久久午夜综合久久蜜桃| 每晚都被弄得嗷嗷叫到高潮| 纵有疾风起免费观看全集完整版| 丰满迷人的少妇在线观看| av天堂在线播放| 一级,二级,三级黄色视频| 亚洲精品久久午夜乱码| 两个人免费观看高清视频| 亚洲天堂av无毛| 欧美人与性动交α欧美软件| 国产三级黄色录像| 成人影院久久| 久久精品国产a三级三级三级| av网站免费在线观看视频| 50天的宝宝边吃奶边哭怎么回事| 国产又爽黄色视频| 久久这里只有精品19| 97人妻天天添夜夜摸| 黄色视频不卡| 伦理电影免费视频| 亚洲 国产 在线| 久久免费观看电影| 国产成+人综合+亚洲专区| 精品乱码久久久久久99久播| 欧美另类亚洲清纯唯美| 亚洲av成人不卡在线观看播放网| 欧美成狂野欧美在线观看| netflix在线观看网站| 在线永久观看黄色视频| 18禁裸乳无遮挡动漫免费视频| 日韩一区二区三区影片| 狠狠狠狠99中文字幕| 黄片播放在线免费| 欧美变态另类bdsm刘玥| 女警被强在线播放| 亚洲中文字幕日韩| 久久亚洲真实| av不卡在线播放| 久久久水蜜桃国产精品网| 自拍欧美九色日韩亚洲蝌蚪91| 成人永久免费在线观看视频 | 男女高潮啪啪啪动态图| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品偷伦视频观看了| 在线观看舔阴道视频| 亚洲精品一二三| 在线av久久热| 成人国产一区最新在线观看| 超色免费av| 一区二区三区乱码不卡18| 久久中文看片网| 国产成人欧美在线观看 | 久久久久精品人妻al黑| 欧美大码av| 国产精品久久久av美女十八| 菩萨蛮人人尽说江南好唐韦庄| 侵犯人妻中文字幕一二三四区| 91成年电影在线观看| 91大片在线观看| 国产精品久久久av美女十八| 免费不卡黄色视频| 午夜视频精品福利| 日本黄色视频三级网站网址 | 色婷婷av一区二区三区视频| 日韩免费av在线播放| 男女边摸边吃奶| 一本综合久久免费| 成年人免费黄色播放视频| 国产精品 欧美亚洲| 久久毛片免费看一区二区三区| 亚洲天堂av无毛| 精品福利观看| 亚洲精品中文字幕一二三四区 | 亚洲精品中文字幕一二三四区 | 人成视频在线观看免费观看| 久久精品亚洲精品国产色婷小说| 亚洲中文av在线| 成人影院久久| 午夜福利一区二区在线看| bbb黄色大片| 亚洲精品一卡2卡三卡4卡5卡| 极品教师在线免费播放| 丝袜美足系列| 欧美日韩中文字幕国产精品一区二区三区 | av福利片在线| 亚洲欧美精品综合一区二区三区| 亚洲人成77777在线视频| 中文字幕最新亚洲高清| 国产av一区二区精品久久| 一本—道久久a久久精品蜜桃钙片| 老汉色∧v一级毛片| 亚洲精品中文字幕一二三四区 | 欧美在线一区亚洲| 亚洲va日本ⅴa欧美va伊人久久| 女人久久www免费人成看片| 久久午夜综合久久蜜桃| av视频免费观看在线观看| 国产成人欧美在线观看 | 午夜福利在线免费观看网站| 国产99久久九九免费精品| 在线永久观看黄色视频| 夫妻午夜视频| 国产精品久久久av美女十八| 亚洲精品乱久久久久久| 在线观看人妻少妇| 午夜老司机福利片| 老司机靠b影院| 国产成人精品久久二区二区91| 黑人操中国人逼视频| 午夜福利,免费看| 在线av久久热| 午夜福利视频在线观看免费| 亚洲免费av在线视频| 91字幕亚洲| 两性夫妻黄色片| 亚洲专区国产一区二区| 精品免费久久久久久久清纯 | 国产亚洲精品第一综合不卡| 国产欧美日韩一区二区精品| 麻豆乱淫一区二区| 18在线观看网站| 色老头精品视频在线观看| 久久中文字幕人妻熟女| 色播在线永久视频| 欧美日韩中文字幕国产精品一区二区三区 | 精品一区二区三区视频在线观看免费 | 另类精品久久| 成人手机av| 色老头精品视频在线观看| 欧美激情高清一区二区三区| 又黄又粗又硬又大视频| 国产精品av久久久久免费| 日日摸夜夜添夜夜添小说| 黄片小视频在线播放| 夫妻午夜视频| 久久毛片免费看一区二区三区| 一级片'在线观看视频| av天堂在线播放| 国产欧美日韩综合在线一区二区| 免费在线观看影片大全网站| 别揉我奶头~嗯~啊~动态视频| 一区二区三区激情视频| a在线观看视频网站| 国产精品98久久久久久宅男小说| 亚洲精华国产精华精| www日本在线高清视频| 国产精品自产拍在线观看55亚洲 | 成人国产一区最新在线观看| 日本wwww免费看| 999久久久精品免费观看国产| av网站免费在线观看视频| 久久午夜综合久久蜜桃| 麻豆成人av在线观看| 美女午夜性视频免费| 男女下面插进去视频免费观看| 免费久久久久久久精品成人欧美视频| 美女国产高潮福利片在线看| 国产精品免费一区二区三区在线 | 中文字幕人妻丝袜制服| 欧美黄色淫秽网站| 黄色成人免费大全| 中文字幕人妻丝袜一区二区| 18禁黄网站禁片午夜丰满| 精品少妇一区二区三区视频日本电影| 叶爱在线成人免费视频播放| 高清在线国产一区| 老熟妇仑乱视频hdxx| 狠狠狠狠99中文字幕| 日本av手机在线免费观看| 91字幕亚洲| 国产精品 国内视频| 亚洲成人手机| 亚洲精品久久成人aⅴ小说| 一级,二级,三级黄色视频| 日日摸夜夜添夜夜添小说| 国产精品香港三级国产av潘金莲| 欧美亚洲 丝袜 人妻 在线| netflix在线观看网站| 国产精品久久久人人做人人爽| bbb黄色大片| 国产精品 国内视频| 午夜91福利影院| 欧美日韩中文字幕国产精品一区二区三区 | 变态另类成人亚洲欧美熟女 | 12—13女人毛片做爰片一| 一区二区三区精品91| 国产精品免费视频内射| 亚洲人成电影观看| 蜜桃国产av成人99| 免费观看a级毛片全部| 丰满饥渴人妻一区二区三| 丝袜人妻中文字幕| 亚洲精品国产区一区二| 操出白浆在线播放| 97在线人人人人妻| 老司机午夜福利在线观看视频 | 热99re8久久精品国产| 亚洲精品国产区一区二| 免费在线观看黄色视频的| 亚洲专区中文字幕在线| 国产一区二区在线观看av| 午夜免费成人在线视频| 国产区一区二久久| 精品国产一区二区三区四区第35| 国产精品久久电影中文字幕 | 国产精品九九99| 国产在线精品亚洲第一网站| 啦啦啦 在线观看视频| 久久青草综合色| 欧美激情极品国产一区二区三区| 啦啦啦视频在线资源免费观看| 国产精品九九99| 成人精品一区二区免费| 久久人妻福利社区极品人妻图片| 久久久久网色| av超薄肉色丝袜交足视频| 亚洲欧美精品综合一区二区三区| 国产黄频视频在线观看| 日韩免费av在线播放| 国产成人一区二区三区免费视频网站| 亚洲美女黄片视频| 超碰成人久久| 久久久久久久精品吃奶| 手机成人av网站| 麻豆av在线久日| 又紧又爽又黄一区二区| 麻豆国产av国片精品| 亚洲国产欧美日韩在线播放| 亚洲伊人久久精品综合| 精品国产一区二区三区四区第35| 亚洲欧洲精品一区二区精品久久久| 日韩欧美三级三区| 啦啦啦视频在线资源免费观看| 一个人免费在线观看的高清视频| 热99国产精品久久久久久7| 久久亚洲真实| 亚洲精品在线美女| 精品国产一区二区久久| 在线观看一区二区三区激情| 人妻久久中文字幕网| 国产不卡一卡二| 国产精品亚洲av一区麻豆| 国产在线观看jvid| 欧美精品av麻豆av| 人人妻人人爽人人添夜夜欢视频| 法律面前人人平等表现在哪些方面| 欧美av亚洲av综合av国产av| 高清在线国产一区| kizo精华| www.精华液| 国产成人系列免费观看| 久久久精品94久久精品| www.999成人在线观看| 国产精品电影一区二区三区 | 亚洲人成伊人成综合网2020| 99精品久久久久人妻精品| 国产精品久久久久久精品古装| 日本一区二区免费在线视频| 国产日韩欧美亚洲二区| 欧美日韩亚洲国产一区二区在线观看 | 久久人人97超碰香蕉20202| 两人在一起打扑克的视频| 少妇精品久久久久久久| 国产精品久久久久成人av| 黄频高清免费视频| 精品少妇一区二区三区视频日本电影| 别揉我奶头~嗯~啊~动态视频| av天堂在线播放| 色综合欧美亚洲国产小说| 精品视频人人做人人爽| 色视频在线一区二区三区| 久久精品人人爽人人爽视色| 五月天丁香电影| 日韩大码丰满熟妇| 狠狠精品人妻久久久久久综合| 日本vs欧美在线观看视频| 日本欧美视频一区| 自拍欧美九色日韩亚洲蝌蚪91| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲免费av在线视频| 国产成人精品久久二区二区免费| 一级毛片女人18水好多| 亚洲久久久国产精品| 高清在线国产一区| 成年动漫av网址| 狂野欧美激情性xxxx| 久久久国产欧美日韩av| 精品久久久久久电影网| 国产亚洲一区二区精品| 亚洲国产精品一区二区三区在线| 香蕉久久夜色| 成在线人永久免费视频| 久久国产亚洲av麻豆专区| 美女高潮喷水抽搐中文字幕| 多毛熟女@视频| 日韩欧美一区视频在线观看| 欧美成人免费av一区二区三区 | 日日夜夜操网爽| 9191精品国产免费久久| 免费观看人在逋| 搡老乐熟女国产| 一进一出好大好爽视频| 高清av免费在线| 黄网站色视频无遮挡免费观看| 日韩大码丰满熟妇| 亚洲精品成人av观看孕妇| 又大又爽又粗| 久久久久网色| 国产精品久久久人人做人人爽| 国产高清videossex| 久久久精品免费免费高清| 国产精品一区二区精品视频观看| 亚洲va日本ⅴa欧美va伊人久久| 高清在线国产一区| 国产色视频综合| 汤姆久久久久久久影院中文字幕| 亚洲成国产人片在线观看| 亚洲国产中文字幕在线视频| 看免费av毛片| 国产精品亚洲一级av第二区| 国产伦人伦偷精品视频| 免费观看a级毛片全部| 亚洲国产毛片av蜜桃av| 久久天堂一区二区三区四区| 精品久久久久久久毛片微露脸| 国产精品自产拍在线观看55亚洲 | 久热爱精品视频在线9| 午夜福利影视在线免费观看| 亚洲一区中文字幕在线| 久久国产精品男人的天堂亚洲| cao死你这个sao货| 国产激情久久老熟女| 久久久久久免费高清国产稀缺| 美女高潮喷水抽搐中文字幕| 国产黄频视频在线观看| 亚洲 国产 在线| 国产精品亚洲av一区麻豆| 国产免费av片在线观看野外av| 怎么达到女性高潮| 日本黄色日本黄色录像| 丰满少妇做爰视频| 狠狠狠狠99中文字幕| 亚洲三区欧美一区| 18禁黄网站禁片午夜丰满| 乱人伦中国视频| 国产亚洲欧美精品永久| 深夜精品福利| av电影中文网址| 久久精品成人免费网站| 大型黄色视频在线免费观看| 中文字幕色久视频| 人妻一区二区av| 久久精品国产综合久久久| 国产成人精品无人区| 亚洲精品在线美女| 久久久久久亚洲精品国产蜜桃av| h视频一区二区三区| 久久99热这里只频精品6学生| 国产精品av久久久久免费| av免费在线观看网站| 99精品久久久久人妻精品| 丁香欧美五月| 欧美久久黑人一区二区| 国产成人精品在线电影| 女同久久另类99精品国产91| 午夜老司机福利片| 两个人免费观看高清视频| 国精品久久久久久国模美| 天堂中文最新版在线下载| 蜜桃国产av成人99| 成年女人毛片免费观看观看9 | 亚洲av美国av| 午夜福利视频精品| 久久亚洲真实| 亚洲全国av大片| 国产单亲对白刺激| 人妻一区二区av| 亚洲自偷自拍图片 自拍| 亚洲五月婷婷丁香| 亚洲精品中文字幕在线视频| 国产麻豆69| 国产免费av片在线观看野外av| 成人影院久久| 新久久久久国产一级毛片| 中文字幕制服av| 亚洲九九香蕉| www.精华液| 女人高潮潮喷娇喘18禁视频| 免费女性裸体啪啪无遮挡网站| 丰满人妻熟妇乱又伦精品不卡| 国产精品久久久久久精品电影小说| 国产精品久久久人人做人人爽| 精品熟女少妇八av免费久了| 成年版毛片免费区| 国产精品.久久久| 欧美精品av麻豆av| 波多野结衣av一区二区av| 高清毛片免费观看视频网站 | 久久久国产成人免费| www.自偷自拍.com| 美女扒开内裤让男人捅视频| 久久久久精品人妻al黑| 色婷婷久久久亚洲欧美| 亚洲天堂av无毛| 在线亚洲精品国产二区图片欧美| 欧美日韩亚洲国产一区二区在线观看 | 亚洲精品中文字幕一二三四区 | 亚洲免费av在线视频| 亚洲成人国产一区在线观看| 老司机深夜福利视频在线观看| 青草久久国产| 国产精品香港三级国产av潘金莲| 中文字幕av电影在线播放| 一级片免费观看大全| 国产深夜福利视频在线观看| 国产精品 欧美亚洲| 免费高清在线观看日韩| 亚洲精品在线美女| 美女扒开内裤让男人捅视频| 久久国产精品大桥未久av| 亚洲熟女毛片儿| 十分钟在线观看高清视频www| kizo精华| 无限看片的www在线观看| 99精品久久久久人妻精品| 另类亚洲欧美激情| 一区二区三区乱码不卡18| 国产色视频综合| avwww免费| 亚洲av片天天在线观看| 两性夫妻黄色片| 在线观看一区二区三区激情| 99精品在免费线老司机午夜| 视频在线观看一区二区三区|