• <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 ?

    基于深度神經(jīng)網(wǎng)絡(luò)的中國(guó)移動(dòng)營(yíng)業(yè)廳人流量統(tǒng)計(jì)研究

    2021-06-07 04:50:33陳樂丁戈肖忠良
    現(xiàn)代信息科技 2021年24期
    關(guān)鍵詞:深度神經(jīng)網(wǎng)絡(luò)

    陳樂 丁戈 肖忠良

    摘 ?要:文章提出深度神經(jīng)網(wǎng)絡(luò)的方法,將分治策略引入到人流量統(tǒng)計(jì)問題中。這個(gè)方法以VGG16作為特征編碼網(wǎng)絡(luò),UNet作為解碼網(wǎng)絡(luò),將人流量統(tǒng)計(jì)變成一個(gè)可拆解的任務(wù)。在統(tǒng)計(jì)圖片上人數(shù)時(shí),總可以把圖片分解成多個(gè)子區(qū)域,使得每個(gè)區(qū)域的人流量計(jì)數(shù)都是在之前訓(xùn)練集上所見過(guò)的人數(shù)類別。然后再把每個(gè)子區(qū)域上面的人數(shù)加起來(lái),就是統(tǒng)計(jì)結(jié)果。在對(duì)廣州某個(gè)中國(guó)移動(dòng)營(yíng)業(yè)廳的人流量統(tǒng)計(jì)的實(shí)驗(yàn)中,預(yù)測(cè)的速度能達(dá)到實(shí)時(shí)監(jiān)測(cè)的速度和高精確度。

    關(guān)鍵詞:分治策略;人流量統(tǒng)計(jì);深度神經(jīng)網(wǎng)絡(luò);VGG16;UNet

    中圖分類號(hào):TP18 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):2096-4706(2021)24-0084-05

    Abstract: In this paper, the method of deep neural network is proposed, and the divide and conquer strategy is introduced into the problem of people flow statistics. This method takes VGG16 as the feature coding network ?and UNet as decoding network, which turns the people flow statistics into a detachable task. When counting the number of people on the pictures, we can always decompose the picture into multiple sub-regions, so that the people flow count in each area is the number of people seen on the previous training set. Then add up the number of people in each sub-region, which is the result of statistics. In the experiment of people flow statistics in a China mobile business hall in Guangzhou, the predicted speed can reach real-time monitoring speed, and has high accuracy.

    Keywords: divide and conquer strategy; people flow statistics; deep neural network; VGG16; UNet

    0 ?引 ?言

    截止2021年6月底,中國(guó)移動(dòng)客戶達(dá)到9.46億戶,線下營(yíng)業(yè)廳遍布中國(guó)的每個(gè)大大小小的城市。5G套餐客戶達(dá)到2.51億戶,穩(wěn)居三大運(yùn)營(yíng)商之首[1]。面對(duì)如此龐大的客戶群體,營(yíng)業(yè)廳員工在多用戶咨詢和辦理業(yè)務(wù)繁忙的時(shí)候,難免會(huì)出現(xiàn)服務(wù)不周到,工作效率下降的情況。而且在新冠疫情的影響下,每個(gè)營(yíng)業(yè)廳的人數(shù)也要得到相應(yīng)的控制。而且客戶能得到精確的每個(gè)營(yíng)業(yè)廳的人數(shù),能幫助他們選擇人數(shù)相對(duì)較少的營(yíng)業(yè)廳辦理業(yè)務(wù)。在提高中國(guó)移動(dòng)的員工服務(wù)質(zhì)量和精準(zhǔn)控制營(yíng)業(yè)廳人數(shù)來(lái)更好的進(jìn)行防疫工作的壓力之下,本文章提出了一種基于神經(jīng)網(wǎng)絡(luò)和分治策略的精準(zhǔn)和實(shí)時(shí)的人流量統(tǒng)計(jì)的方法。首先,該方法需要先訓(xùn)練一個(gè)可以計(jì)數(shù)0到10個(gè)人的深度神經(jīng)網(wǎng)絡(luò)模型。然后再利用判別器來(lái)判斷該子區(qū)域是否需要繼續(xù)進(jìn)行切割,若子區(qū)域的人數(shù)大于10人的時(shí)候需要繼續(xù)切割。最后合并不同的子區(qū)域的結(jié)果[2]。該預(yù)測(cè)網(wǎng)絡(luò)的整體結(jié)構(gòu)是以VGG16作為特征編碼器的主干網(wǎng)絡(luò),參考UNet作為解碼器,一個(gè)計(jì)數(shù)分類器,一個(gè)劃分判別器。網(wǎng)絡(luò)結(jié)構(gòu)的各個(gè)部分各司其職,相互作用,提高了模型的預(yù)測(cè)速度和準(zhǔn)確率。

    1 ?人流量統(tǒng)計(jì)算法

    1.1 ?人流量統(tǒng)計(jì)算法的結(jié)構(gòu)圖

    算法的整體結(jié)構(gòu)如圖1所示,由一個(gè)VGG16特征編碼器,一個(gè)UNet型的解碼器,一個(gè)計(jì)數(shù)分類器和一個(gè)劃分判別器構(gòu)成的。左邊的Conv3,Conv4和Conv5是參考VGG16的網(wǎng)絡(luò)進(jìn)行的下采樣卷積操作。中間有格子劃分的F2和F1是通過(guò)上采樣得到的。F1是通過(guò)F0上采樣的得到的,F(xiàn)2是通過(guò)F1上采樣得到的,它們的步長(zhǎng)都是2。這個(gè)部分是參考UNet型的解碼器得到的。F1和F2劃分出來(lái)的區(qū)域就是子區(qū)域。這時(shí)劃分判別器就需要判斷是否要繼續(xù)進(jìn)行上采樣,讓子區(qū)域劃分得更加小來(lái)滿足子區(qū)域人數(shù)小于10的要求。W1和W2的值就只有(0,1),來(lái)判斷是否需要繼續(xù)進(jìn)行“錯(cuò)誤!未找到索引項(xiàng)?!鄙喜蓸印W詈笤侔烟卣鲌D中的每個(gè)子區(qū)域讓訓(xùn)練好的計(jì)數(shù)分類器來(lái)判斷里面有多少人,是屬于(0,10)中的哪一個(gè)類別,得到C0,C1和C2[3]。

    1.2 ?VGG16的特征編碼器

    圖2是原先的VGG16的網(wǎng)絡(luò)結(jié)構(gòu)層圖。由圖結(jié)構(gòu)可知,總共有13個(gè)卷積層和3個(gè)全連接層。其中的池化部分都是用了max pooling,激活函數(shù)是用了ReLU函數(shù)。卷積核的大小都是3×3的[4]。文章人流量統(tǒng)計(jì)算法中的結(jié)構(gòu),就是去掉了VGG16中所有全連接層,Conv5就是上圖結(jié)構(gòu)中除了全連接層中的最后的輸出特征圖,也就是原圖中的輸入圖片下采樣32倍得到的輸出特征圖。Conv5的結(jié)果直接通過(guò)計(jì)數(shù)分類器,預(yù)測(cè)出C0。C0就是當(dāng)前整體圖片的預(yù)測(cè)輸出結(jié)果,也相當(dāng)于由普通的VGG16網(wǎng)絡(luò)預(yù)測(cè)得到的結(jié)果。

    1.3 ?UNet的解碼器

    圖3就是UNet網(wǎng)絡(luò)的整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)圖,這個(gè)網(wǎng)絡(luò)的左半部分是由兩個(gè)3×3的卷積層和兩個(gè)最大池化層,步長(zhǎng)為2組成的,激活函數(shù)是ReLU函數(shù)[5]。左邊結(jié)構(gòu)每進(jìn)行一次下采樣,通道數(shù)都會(huì)乘以2。這個(gè)網(wǎng)絡(luò)的右半部分是由一個(gè)2×2的上采樣卷積,激活函數(shù)是ReLU函數(shù)。右邊的網(wǎng)絡(luò)通道,是由左邊對(duì)應(yīng)的特征圖通道和經(jīng)過(guò)上采樣得到的特征圖通道疊加的,最后得到的特征圖,有一半包含了左邊對(duì)應(yīng)特征圖的信息。因?yàn)檫@個(gè)池化的方式是最大池化,所以一定程度上進(jìn)行下采樣,都會(huì)損失了很多圖片中的信息。這里的通道融合的方式,能將淺層低維度的特征圖和在深層高維度的特征圖的信息進(jìn)行融合,讓最終的特征圖中蘊(yùn)含著更加豐富的圖片信息,讓圖像的預(yù)測(cè)更加的全面和準(zhǔn)確。

    1.4 ?劃分判別器和計(jì)數(shù)分類器

    劃分判別器是用來(lái)判斷經(jīng)過(guò)特征通道融合的特征圖是否需要繼續(xù)進(jìn)行上采樣操作。圖中F1的特征圖就是把64×64像素的原圖分為了四個(gè)子區(qū)間,每個(gè)子區(qū)間對(duì)應(yīng)著16×16,但是它的感受野是整張?jiān)瓐D。如果這個(gè)子區(qū)間的人數(shù)大于10的話,則劃分判別器會(huì)讓該特征圖繼續(xù)進(jìn)行步長(zhǎng)為2的上采樣操作,直到子區(qū)間人數(shù)小于10為止[6]。劃分判別器由一個(gè)2×2的平均池化層(步長(zhǎng)為2),一個(gè)512個(gè)通道的1×1卷積和一個(gè)1個(gè)1×1輸出卷積構(gòu)成的,最后通過(guò)一個(gè)sigmoid函數(shù)輸出0或者1。

    計(jì)數(shù)分類器是一個(gè)21個(gè)類別的訓(xùn)練好的分類器,區(qū)間范圍是0到10,間隔是0.5。該分類器是Resnet50,通過(guò)對(duì)21個(gè)類別的2 000張圖片進(jìn)行訓(xùn)練得到的具有權(quán)重的模型。如圖2,F(xiàn)1特征圖所示,里面有4個(gè)區(qū)間,這4個(gè)子區(qū)間分別作為輸入,輸入給計(jì)數(shù)分類器進(jìn)行預(yù)測(cè)。最后將四個(gè)子區(qū)間的預(yù)測(cè)結(jié)果相加,向下取整即為最終的輸出結(jié)果。

    1.5 ?人流量統(tǒng)計(jì)算法的損失函數(shù)

    這是人流量統(tǒng)計(jì)算法的損失函數(shù):,由兩個(gè)部分組合而成。左邊部分是多個(gè)交叉熵?fù)p失函數(shù),是用來(lái)監(jiān)督在對(duì)子區(qū)域人數(shù)統(tǒng)計(jì)的不同級(jí)別的分類問題。右邊部分是用來(lái)監(jiān)督最終劃分輸出的函數(shù)。該網(wǎng)絡(luò)可以支持多任務(wù)網(wǎng)絡(luò)的訓(xùn)練方式,所以才有一個(gè)關(guān)于N次的求和[7]。

    2 ?模型算法實(shí)驗(yàn)

    2.1 ?中國(guó)移動(dòng)營(yíng)業(yè)廳采集數(shù)據(jù)

    歷時(shí)兩個(gè)星期,在廣州天府路中國(guó)移動(dòng)營(yíng)業(yè)廳用手機(jī)采集圖片。采集方式是在營(yíng)業(yè)時(shí)間段,每隔半個(gè)小時(shí)在營(yíng)業(yè)廳的各個(gè)角度采集若干張含有人群信息的圖片。然后總共采集了大概200張左右的有效圖片,人數(shù)范圍在10~70人左右。最后在網(wǎng)上開源的ShanghaiTech的數(shù)據(jù)集中融入了100張左右的圖片,組成了最后400張左右的數(shù)據(jù)集,部分圖片如圖4所示。

    2.2 ?生成人群熱力圖的標(biāo)簽方式

    人群流量的標(biāo)簽方式一般有兩種,一種是對(duì)人頭進(jìn)行檢測(cè)框的標(biāo)記,另外一種是直接對(duì)圖片生成熱力圖,如圖5所示。對(duì)于采集到的數(shù)據(jù)集,需要標(biāo)記它們的真實(shí)標(biāo)簽即圖片中的真實(shí)人數(shù)。標(biāo)簽方式是生成人群熱力圖,然后人群流量統(tǒng)計(jì)就變成了對(duì)熱力圖的積分計(jì)算,甚至可以計(jì)算每平方米的人數(shù)和聚集程度,來(lái)判斷相應(yīng)的需求[8]。原圖上的標(biāo)注方式是,在人頭所在的像素點(diǎn)上標(biāo)記一個(gè)紅點(diǎn),然后再根據(jù)紅點(diǎn)生成相應(yīng)的人群熱力圖[9]。

    2.3 ?訓(xùn)練網(wǎng)絡(luò)

    本文采用深度神經(jīng)網(wǎng)絡(luò)的方法來(lái)預(yù)測(cè)中國(guó)移動(dòng)營(yíng)業(yè)廳的真實(shí)實(shí)時(shí)人數(shù)。采用將原圖區(qū)域進(jìn)行劃分成若干個(gè)子區(qū)域,再在子區(qū)域進(jìn)行預(yù)測(cè)人數(shù)的方式來(lái)預(yù)測(cè)真實(shí)人數(shù)。該方法訓(xùn)練網(wǎng)絡(luò)的步驟如下:步驟一:數(shù)據(jù)預(yù)處理,對(duì)采集好的圖片進(jìn)行降噪和除去黑白噪點(diǎn)的操作。使得圖片更加的平滑,過(guò)濾掉無(wú)效信息的圖片。步驟二:數(shù)據(jù)增強(qiáng),因?yàn)椴杉臄?shù)據(jù)不是特別的充足,所以對(duì)圖片進(jìn)行隨機(jī)裁剪和翻轉(zhuǎn)的操作增強(qiáng)數(shù)據(jù)集的數(shù)量。步驟三:根據(jù)標(biāo)記好的紅點(diǎn),生成每一張圖片的人群密度熱力圖。步驟四:模型訓(xùn)練,把數(shù)據(jù)集按照8:1:1的比例,將數(shù)據(jù)集分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。隨機(jī)初始化網(wǎng)絡(luò)中的所有參數(shù),batch size設(shè)置為64,把每一批的數(shù)據(jù)集喂給模型進(jìn)行正向傳播和反向傳播進(jìn)行參數(shù)的更新。訓(xùn)練次數(shù)設(shè)置為100,最后選取訓(xùn)練了至少50次的損失函數(shù)值最小的模型為最佳的訓(xùn)練模型。

    3 ?模型預(yù)測(cè)結(jié)果分析

    3.1 ?中國(guó)移動(dòng)營(yíng)業(yè)廳數(shù)據(jù)集的標(biāo)簽人數(shù)分布

    從經(jīng)歷半個(gè)月左右的時(shí)間在中國(guó)移動(dòng)營(yíng)業(yè)廳收集到的數(shù)據(jù),圖6可見,營(yíng)業(yè)廳大部分的人流數(shù)量集中在20人到60人。有時(shí)候比較繁忙的時(shí)候能達(dá)到100人左右。由于這種人數(shù),所以訓(xùn)練分類網(wǎng)絡(luò)的時(shí)候,把子區(qū)域的人群計(jì)數(shù)分類定為了0-10人的范圍。

    3.2 ?損失函數(shù)和預(yù)測(cè)效果評(píng)估

    人流量統(tǒng)計(jì)模型的損失函數(shù)由分類的交叉熵?fù)p失和回歸函數(shù)共同組成,所以選用最小二乘法的梯度下降訓(xùn)練方法。損失函數(shù)一般是用來(lái)測(cè)試訓(xùn)練模型的時(shí)候真實(shí)值和預(yù)測(cè)值的差異的,一般來(lái)說(shuō)損失函數(shù)的值越低,模型的預(yù)測(cè)效果越好。但是一般來(lái)說(shuō)會(huì)選擇驗(yàn)證集中,真實(shí)值和預(yù)測(cè)值最小的模型作為最終的模型參數(shù)輸出[10]。圖7就是訓(xùn)練模型時(shí)候的損失函數(shù)和準(zhǔn)確率。

    在測(cè)試集中測(cè)試模型性能的方法是平均絕對(duì)誤差,即真實(shí)值和預(yù)測(cè)值的差值的絕對(duì)值和的平均值。平均絕對(duì)誤差的公式:[11]。在測(cè)試集上的結(jié)果是,平均絕對(duì)誤差:0.27即每次預(yù)測(cè)只差了0.27個(gè)人數(shù)的統(tǒng)計(jì)。結(jié)果的準(zhǔn)確率(誤差少于1)為98.87%。從結(jié)果上來(lái)看,模型預(yù)測(cè)的準(zhǔn)確度還是十分可觀的。而且模型在一秒鐘內(nèi)可以預(yù)測(cè)大概30張到40張的圖片,滿足的實(shí)時(shí)監(jiān)測(cè)的需求。

    4 ?結(jié) ?論

    本文提出一種基于分治策略,將原圖分割成若干個(gè)子區(qū)域進(jìn)行區(qū)域計(jì)數(shù)的人流量統(tǒng)計(jì)的深度神經(jīng)網(wǎng)絡(luò)模型。該網(wǎng)絡(luò)模型參考了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)VGG16作為特征提取的主干網(wǎng)絡(luò)和UNet網(wǎng)絡(luò)作為解碼器。在測(cè)試和預(yù)測(cè)真實(shí)的中國(guó)移動(dòng)營(yíng)業(yè)廳時(shí),模型的人數(shù)準(zhǔn)確率基本保障不會(huì)出現(xiàn)錯(cuò)誤而且能達(dá)到實(shí)時(shí)更新營(yíng)業(yè)廳人數(shù)的效果。這很好的滿足的讓營(yíng)業(yè)廳的營(yíng)業(yè)員精準(zhǔn)定位服務(wù),而且能讓客戶根據(jù)每個(gè)營(yíng)業(yè)廳的實(shí)時(shí)人數(shù)來(lái)選擇人數(shù)更少的營(yíng)業(yè)廳辦理業(yè)務(wù)。在疫情管控營(yíng)業(yè)廳的實(shí)時(shí)人數(shù)時(shí),可以起到監(jiān)督和監(jiān)控的作用。

    參考文獻(xiàn):

    [1] 中國(guó)移動(dòng).營(yíng)運(yùn)數(shù)據(jù) [EB/OL].[2021-09-25].https://www.chinamobileltd.com/sc/ir/operation_q.php.

    [2] SAM D B,SAJJAN N N,BABU R V,et al. Divide and Grow:Capturing Huge Diversity in Crowd Images with Incrementally Growing CNN [C]//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.IEEE:Salt Lake City,2018:3618-3626.

    [3] BADRINARAYANAN V,KENDALL A,CIPOLLA R. SegNet:A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation [J/OL].arXiv:1511.00561 [cs.CV].(2015-11-02).https://arxiv.org/abs/1511.00561.

    [4] HE K M,ZHANG X Y,REN S Q,et al. Delving Deep into Rectifiers:Surpassing Human-Level Performance on ImageNet Classification [J/OL].arXiv:1502.01852 [cs.CV].(2015-02-06).https://arxiv.org/abs/1502.01852.

    [5] SIMONYAN K,ZISSERMAN A. Very Deep Convolutional Networks for Large-Scale Image Recognition [J/OL].arXiv:1409.1556 [cs.CV].(2014-09-04).https://arxiv.org/abs/1409.1556.

    [6] LEMPITSKY C,ZISSERMAN A. Learning To count objects in images [C]//NIPS10:Proceedings of the 23rd International Conference on Neural Information Processing Systems.Red Hook:Curran Associates,2010:1324-1332.

    [7] LI R B,XIAN K,SHEN C H,et al. Deep attention-based classification network for robust depth prediction [J/OL].arXiv:1807.03959 [cs.CV].(2018-07-11).https://arxiv.org/abs/1807.03959.

    [8] NIU Z X,ZHOU M,WANG L,et al. Ordinal Regression with Multiple Output CNN for Age Estimation [C]//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Las Vegas:IEEE,2016:4920-4928.

    [9] GIRSHICK R. Fast R-CNN [C]//2015 IEEE International Conference on Computer Vision (ICCV).Santiago:IEEE,2015:1440-1448.

    [10] IDREES H,TAYYAB M,ATHREY K,et al. Composition Loss for Counting,Density Map Estimation and Localization in Dense Crowds [J/OL].arXiv:1808.01050 [cs.CV].(2018-08-02).https://arxiv.org/abs/1808.01050.

    [11] MASKA M,ULMAN V,SVOBODA D,et al. A benchmark for comparison of cell tracking algorithms [J].Bioinformatics,2014,30(11):1609-1617.

    作者簡(jiǎn)介:陳樂(1982—),男,漢族,重慶人,項(xiàng)目總監(jiān),碩士研究生,研究方向:AIOps、業(yè)務(wù)支撐系統(tǒng)運(yùn)營(yíng)支撐;丁戈(1995—),男,漢族,廣東廣州人,項(xiàng)目經(jīng)理,碩士研究生,研究方向:AIOps算法;肖忠良(1986—),男,漢族,廣東廣州人,項(xiàng)目經(jīng)理,碩士研究生,研究方向:AIOps、業(yè)務(wù)支撐系統(tǒng)運(yùn)營(yíng)支撐。

    猜你喜歡
    深度神經(jīng)網(wǎng)絡(luò)
    基于多注意力多尺度特征融合的圖像描述生成算法
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測(cè)數(shù)學(xué)模型設(shè)計(jì)
    基于改進(jìn)SIFT特征和神經(jīng)網(wǎng)絡(luò)結(jié)合的場(chǎng)景識(shí)別
    軟件工程(2019年5期)2019-07-03 02:31:14
    基于Kaldi的語(yǔ)音識(shí)別算法
    深度神經(jīng)網(wǎng)絡(luò)在船舶自動(dòng)舵中的應(yīng)用
    基于深度神經(jīng)網(wǎng)絡(luò)的低延遲聲源分離方法
    基于大數(shù)據(jù)網(wǎng)絡(luò)的運(yùn)動(dòng)損傷評(píng)估模型研究
    試論基于深度神經(jīng)網(wǎng)絡(luò)的汽車車型識(shí)別問題
    深度神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀
    基于深度神經(jīng)網(wǎng)絡(luò)的身份識(shí)別研究
    黄色片一级片一级黄色片| 中文字幕最新亚洲高清| 好看av亚洲va欧美ⅴa在| 亚洲欧美激情在线| 一区福利在线观看| 狠狠狠狠99中文字幕| 午夜老司机福利片| 日日夜夜操网爽| 亚洲五月色婷婷综合| 91成人精品电影| 国产精品.久久久| 亚洲一区二区三区欧美精品| 久久久国产成人精品二区 | 一级a爱视频在线免费观看| 新久久久久国产一级毛片| 日韩三级视频一区二区三区| 久久九九热精品免费| 亚洲欧洲精品一区二区精品久久久| 久久精品亚洲熟妇少妇任你| 日韩免费av在线播放| 99re6热这里在线精品视频| 这个男人来自地球电影免费观看| 国产精品 欧美亚洲| 欧美精品啪啪一区二区三区| 一级a爱片免费观看的视频| 久久香蕉国产精品| 欧美日韩福利视频一区二区| 黄色怎么调成土黄色| 久久香蕉精品热| 国产主播在线观看一区二区| 国产精品久久久久久人妻精品电影| 免费不卡黄色视频| 天天躁日日躁夜夜躁夜夜| 天天躁夜夜躁狠狠躁躁| 五月开心婷婷网| 波多野结衣一区麻豆| 精品久久久久久久久久免费视频 | 亚洲国产欧美日韩在线播放| www.999成人在线观看| 一区二区三区精品91| 搡老乐熟女国产| 久热爱精品视频在线9| avwww免费| 亚洲av日韩在线播放| 中文字幕色久视频| 女性被躁到高潮视频| 国产精品久久久av美女十八| 51午夜福利影视在线观看| 久久久久久亚洲精品国产蜜桃av| 一本综合久久免费| 亚洲国产精品sss在线观看 | a在线观看视频网站| av一本久久久久| 亚洲专区国产一区二区| av视频免费观看在线观看| 亚洲av欧美aⅴ国产| 婷婷丁香在线五月| 曰老女人黄片| 亚洲精品久久成人aⅴ小说| 亚洲av熟女| 精品欧美一区二区三区在线| 欧美激情久久久久久爽电影 | 91字幕亚洲| 久久香蕉国产精品| 国产成人一区二区三区免费视频网站| 亚洲精品av麻豆狂野| 12—13女人毛片做爰片一| www.999成人在线观看| 欧美色视频一区免费| 人人妻人人添人人爽欧美一区卜| 国产成人欧美| 国产午夜精品久久久久久| av福利片在线| 亚洲av成人一区二区三| 十八禁高潮呻吟视频| 亚洲性夜色夜夜综合| 两人在一起打扑克的视频| 美国免费a级毛片| 午夜福利视频在线观看免费| 久久人妻福利社区极品人妻图片| 99久久综合精品五月天人人| 9热在线视频观看99| 久热这里只有精品99| 国产精品久久视频播放| 丰满迷人的少妇在线观看| 欧美成人午夜精品| 国产欧美日韩精品亚洲av| 欧美色视频一区免费| 丁香六月欧美| 侵犯人妻中文字幕一二三四区| 精品人妻1区二区| 午夜福利一区二区在线看| 黄色视频不卡| 国产男女超爽视频在线观看| 国产精品免费一区二区三区在线 | 十八禁人妻一区二区| 最新的欧美精品一区二区| 精品福利永久在线观看| 亚洲五月天丁香| 欧美日韩成人在线一区二区| 高清黄色对白视频在线免费看| 国产午夜精品久久久久久| 国产精品一区二区在线观看99| 久久久久精品人妻al黑| 91av网站免费观看| 亚洲精品乱久久久久久| 亚洲色图av天堂| 国产免费av片在线观看野外av| 麻豆av在线久日| 成人18禁高潮啪啪吃奶动态图| 亚洲精品国产区一区二| 色94色欧美一区二区| 夜夜夜夜夜久久久久| 久久精品亚洲熟妇少妇任你| 国产91精品成人一区二区三区| 青草久久国产| 色综合欧美亚洲国产小说| 成年版毛片免费区| 人妻一区二区av| 在线观看日韩欧美| 亚洲专区字幕在线| 国产av一区二区精品久久| 又大又爽又粗| 怎么达到女性高潮| 免费看a级黄色片| 18禁美女被吸乳视频| 国产激情久久老熟女| 在线观看免费视频日本深夜| 国产欧美亚洲国产| 久久久久久亚洲精品国产蜜桃av| av免费在线观看网站| 亚洲av美国av| 久久久精品国产亚洲av高清涩受| 欧美精品啪啪一区二区三区| 丰满的人妻完整版| 国产熟女午夜一区二区三区| 中文字幕高清在线视频| 天天躁狠狠躁夜夜躁狠狠躁| 久久久久国内视频| 看免费av毛片| 村上凉子中文字幕在线| 国产精品久久视频播放| 久久国产亚洲av麻豆专区| 精品亚洲成国产av| a在线观看视频网站| 一级毛片精品| 国产一区有黄有色的免费视频| 啪啪无遮挡十八禁网站| 窝窝影院91人妻| 国产日韩欧美亚洲二区| 欧美精品人与动牲交sv欧美| 高潮久久久久久久久久久不卡| 国产深夜福利视频在线观看| 人成视频在线观看免费观看| 精品少妇久久久久久888优播| 国产在线一区二区三区精| 国产伦人伦偷精品视频| 黄色丝袜av网址大全| 一进一出抽搐gif免费好疼 | 成人三级做爰电影| 国产无遮挡羞羞视频在线观看| 女人久久www免费人成看片| 国产单亲对白刺激| 黄网站色视频无遮挡免费观看| 国产精品九九99| 国产97色在线日韩免费| 精品少妇一区二区三区视频日本电影| 日本黄色日本黄色录像| 狂野欧美激情性xxxx| 亚洲欧美日韩另类电影网站| 90打野战视频偷拍视频| 多毛熟女@视频| 12—13女人毛片做爰片一| 免费观看人在逋| av一本久久久久| 18禁观看日本| 交换朋友夫妻互换小说| 国产精品电影一区二区三区 | 中文字幕最新亚洲高清| 乱人伦中国视频| cao死你这个sao货| 窝窝影院91人妻| 亚洲第一av免费看| 别揉我奶头~嗯~啊~动态视频| 欧美乱色亚洲激情| 国产精品免费一区二区三区在线 | 久久婷婷成人综合色麻豆| 亚洲av电影在线进入| 老司机福利观看| 妹子高潮喷水视频| 中文字幕人妻丝袜制服| 国产精品一区二区在线不卡| 国产男靠女视频免费网站| 亚洲精华国产精华精| 国产激情欧美一区二区| 免费少妇av软件| 两性夫妻黄色片| 女人爽到高潮嗷嗷叫在线视频| 国产高清激情床上av| 麻豆国产av国片精品| 中文字幕精品免费在线观看视频| a级片在线免费高清观看视频| 视频区图区小说| 女性被躁到高潮视频| www.999成人在线观看| 久久精品国产99精品国产亚洲性色 | 日本黄色日本黄色录像| 午夜久久久在线观看| 老司机靠b影院| 黄频高清免费视频| 窝窝影院91人妻| avwww免费| 在线观看免费午夜福利视频| 老司机在亚洲福利影院| 亚洲精品美女久久久久99蜜臀| 两性夫妻黄色片| 亚洲一区二区三区欧美精品| 国产一区二区三区综合在线观看| 电影成人av| 正在播放国产对白刺激| 亚洲欧美日韩另类电影网站| 日韩欧美三级三区| 69精品国产乱码久久久| 久久热在线av| 久久久精品区二区三区| 一a级毛片在线观看| 91成年电影在线观看| 久久九九热精品免费| 久久ye,这里只有精品| 欧美日韩精品网址| avwww免费| 狠狠婷婷综合久久久久久88av| 亚洲人成电影免费在线| 欧美久久黑人一区二区| 久久婷婷成人综合色麻豆| 一区二区日韩欧美中文字幕| 中文字幕另类日韩欧美亚洲嫩草| 亚洲人成伊人成综合网2020| 看片在线看免费视频| 三上悠亚av全集在线观看| 90打野战视频偷拍视频| 亚洲免费av在线视频| 亚洲一区二区三区不卡视频| 国产又爽黄色视频| cao死你这个sao货| 免费av中文字幕在线| 精品少妇一区二区三区视频日本电影| 91麻豆精品激情在线观看国产 | 国产成人精品无人区| 久久草成人影院| 欧美日韩av久久| 国产av一区二区精品久久| 亚洲熟女精品中文字幕| 日日摸夜夜添夜夜添小说| 国产野战对白在线观看| 国产成人精品无人区| 黑人操中国人逼视频| 涩涩av久久男人的天堂| av超薄肉色丝袜交足视频| 一级毛片高清免费大全| 国产欧美日韩一区二区三区在线| 国产一区二区三区在线臀色熟女 | 一进一出抽搐动态| 成人18禁高潮啪啪吃奶动态图| 三上悠亚av全集在线观看| 狠狠婷婷综合久久久久久88av| 夫妻午夜视频| 女性被躁到高潮视频| 国产精品久久久人人做人人爽| 超色免费av| 亚洲情色 制服丝袜| 伊人久久大香线蕉亚洲五| 少妇裸体淫交视频免费看高清 | 亚洲男人天堂网一区| 69精品国产乱码久久久| 亚洲专区字幕在线| 久久久国产欧美日韩av| 国产精品久久视频播放| 国产精品一区二区免费欧美| 国产男靠女视频免费网站| 老鸭窝网址在线观看| 国产成人啪精品午夜网站| 亚洲精品国产区一区二| 欧美日韩中文字幕国产精品一区二区三区 | 色婷婷av一区二区三区视频| 成人永久免费在线观看视频| 国产一区在线观看成人免费| 十八禁人妻一区二区| 久久 成人 亚洲| 天天躁狠狠躁夜夜躁狠狠躁| a在线观看视频网站| 精品卡一卡二卡四卡免费| 欧美黑人精品巨大| 久9热在线精品视频| 成人永久免费在线观看视频| 国产在线一区二区三区精| 国内毛片毛片毛片毛片毛片| 欧美国产精品一级二级三级| 三上悠亚av全集在线观看| 久久精品人人爽人人爽视色| 日本vs欧美在线观看视频| 水蜜桃什么品种好| 欧美黑人欧美精品刺激| 香蕉国产在线看| 啦啦啦视频在线资源免费观看| 国产一区在线观看成人免费| 两性夫妻黄色片| 脱女人内裤的视频| 欧美日韩亚洲高清精品| 久久中文字幕人妻熟女| svipshipincom国产片| 纯流量卡能插随身wifi吗| 成在线人永久免费视频| 欧美日韩视频精品一区| 伦理电影免费视频| 亚洲精品在线观看二区| 国产成人精品久久二区二区91| 91大片在线观看| 久久久久久人人人人人| 免费女性裸体啪啪无遮挡网站| 91大片在线观看| 欧美日韩亚洲高清精品| 精品福利永久在线观看| 中文字幕av电影在线播放| 99re在线观看精品视频| 亚洲五月婷婷丁香| 看片在线看免费视频| 精品国产一区二区三区四区第35| 精品熟女少妇八av免费久了| 精品国产乱子伦一区二区三区| 亚洲 国产 在线| 亚洲九九香蕉| 法律面前人人平等表现在哪些方面| 老司机在亚洲福利影院| 男女床上黄色一级片免费看| 日本撒尿小便嘘嘘汇集6| 天天躁日日躁夜夜躁夜夜| 日韩精品免费视频一区二区三区| 嫁个100分男人电影在线观看| 怎么达到女性高潮| av线在线观看网站| 欧美激情高清一区二区三区| 免费久久久久久久精品成人欧美视频| 黄色成人免费大全| 欧美激情 高清一区二区三区| 免费在线观看黄色视频的| 欧美日韩国产mv在线观看视频| 久久精品熟女亚洲av麻豆精品| 久久九九热精品免费| 亚洲自偷自拍图片 自拍| videos熟女内射| 中文字幕另类日韩欧美亚洲嫩草| 法律面前人人平等表现在哪些方面| 欧美日韩黄片免| 91av网站免费观看| 9色porny在线观看| tube8黄色片| 中文欧美无线码| 久久精品亚洲精品国产色婷小说| 他把我摸到了高潮在线观看| 国产精品秋霞免费鲁丝片| 丰满饥渴人妻一区二区三| 露出奶头的视频| 精品欧美一区二区三区在线| 婷婷成人精品国产| 男女免费视频国产| 精品国产乱子伦一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 日韩欧美一区二区三区在线观看 | 日韩欧美在线二视频 | 天天操日日干夜夜撸| 啦啦啦在线免费观看视频4| 日韩 欧美 亚洲 中文字幕| 色精品久久人妻99蜜桃| 久久久久久久精品吃奶| 最新美女视频免费是黄的| 国产精品一区二区免费欧美| 日韩免费高清中文字幕av| 搡老熟女国产l中国老女人| 日韩欧美一区视频在线观看| 日本精品一区二区三区蜜桃| 99国产精品免费福利视频| 亚洲成av片中文字幕在线观看| 久久亚洲精品不卡| 国产精品二区激情视频| 国产免费现黄频在线看| 亚洲熟妇中文字幕五十中出 | 最新美女视频免费是黄的| 99国产极品粉嫩在线观看| 国产成人精品久久二区二区91| 麻豆国产av国片精品| 免费不卡黄色视频| 婷婷丁香在线五月| 色婷婷av一区二区三区视频| 国产高清videossex| 成人18禁在线播放| 热re99久久国产66热| 咕卡用的链子| 黄网站色视频无遮挡免费观看| 国产日韩欧美亚洲二区| 男女午夜视频在线观看| 大型黄色视频在线免费观看| 欧美黄色片欧美黄色片| 老汉色av国产亚洲站长工具| 久久久久精品人妻al黑| 天堂中文最新版在线下载| 中文欧美无线码| 欧美黄色淫秽网站| 日韩有码中文字幕| 国产国语露脸激情在线看| 五月开心婷婷网| 人妻一区二区av| 大陆偷拍与自拍| 久久久国产成人免费| 欧美日韩亚洲国产一区二区在线观看 | 国产日韩一区二区三区精品不卡| 天天躁夜夜躁狠狠躁躁| 亚洲五月天丁香| 亚洲国产中文字幕在线视频| 18禁黄网站禁片午夜丰满| 后天国语完整版免费观看| 国产精品 欧美亚洲| 久久人妻av系列| 热re99久久国产66热| 精品国产国语对白av| 久久久久国产精品人妻aⅴ院 | 精品电影一区二区在线| 欧美av亚洲av综合av国产av| 久久国产乱子伦精品免费另类| 亚洲熟妇中文字幕五十中出 | 色综合欧美亚洲国产小说| 可以免费在线观看a视频的电影网站| 大码成人一级视频| √禁漫天堂资源中文www| 色播在线永久视频| 日韩欧美国产一区二区入口| 国产男女超爽视频在线观看| 大香蕉久久成人网| 91成年电影在线观看| 亚洲av电影在线进入| 中国美女看黄片| 很黄的视频免费| 精品少妇久久久久久888优播| 国产精品98久久久久久宅男小说| 99久久人妻综合| 黄色视频不卡| 最近最新中文字幕大全免费视频| 51午夜福利影视在线观看| 精品熟女少妇八av免费久了| 狂野欧美激情性xxxx| 国产精品国产高清国产av | 18禁美女被吸乳视频| 亚洲人成电影免费在线| 9色porny在线观看| 老熟妇乱子伦视频在线观看| 精品人妻1区二区| 国产精品国产av在线观看| 亚洲av欧美aⅴ国产| 女人精品久久久久毛片| 制服人妻中文乱码| 精品高清国产在线一区| 国产乱人伦免费视频| 久热爱精品视频在线9| 婷婷成人精品国产| 午夜影院日韩av| 国产精品二区激情视频| 天堂动漫精品| 亚洲熟妇熟女久久| 欧美日韩成人在线一区二区| 两个人看的免费小视频| 不卡一级毛片| 男人舔女人的私密视频| videos熟女内射| 亚洲熟妇熟女久久| av网站免费在线观看视频| 欧美中文综合在线视频| 国产精品久久久av美女十八| 热99re8久久精品国产| 一边摸一边做爽爽视频免费| 国产精品av久久久久免费| 精品少妇久久久久久888优播| 丁香欧美五月| 欧美乱妇无乱码| 热99国产精品久久久久久7| 婷婷精品国产亚洲av在线 | 欧美性长视频在线观看| 日本黄色日本黄色录像| 国产aⅴ精品一区二区三区波| 欧美精品高潮呻吟av久久| 一进一出抽搐动态| 飞空精品影院首页| 亚洲五月婷婷丁香| 欧美日韩瑟瑟在线播放| 中文字幕另类日韩欧美亚洲嫩草| netflix在线观看网站| 精品人妻在线不人妻| 大片电影免费在线观看免费| 国产一区有黄有色的免费视频| tocl精华| 黄网站色视频无遮挡免费观看| 亚洲精品自拍成人| 国产成人精品久久二区二区免费| 十八禁网站免费在线| 人人妻人人添人人爽欧美一区卜| 巨乳人妻的诱惑在线观看| 18禁黄网站禁片午夜丰满| 纯流量卡能插随身wifi吗| 久久香蕉激情| 九色亚洲精品在线播放| 麻豆av在线久日| 成人永久免费在线观看视频| 国产一区二区三区综合在线观看| 亚洲精品国产色婷婷电影| 国产蜜桃级精品一区二区三区 | 日韩制服丝袜自拍偷拍| 别揉我奶头~嗯~啊~动态视频| 999久久久精品免费观看国产| 久久99一区二区三区| 少妇猛男粗大的猛烈进出视频| 天天影视国产精品| 国产熟女午夜一区二区三区| 久久国产精品影院| 精品久久久久久久毛片微露脸| av天堂久久9| 久久精品aⅴ一区二区三区四区| 成人三级做爰电影| 欧美精品高潮呻吟av久久| 99久久国产精品久久久| 亚洲精品中文字幕在线视频| 亚洲色图 男人天堂 中文字幕| 国产精品久久久久久精品古装| 69精品国产乱码久久久| 男人舔女人的私密视频| 99久久精品国产亚洲精品| 涩涩av久久男人的天堂| 18禁裸乳无遮挡动漫免费视频| 国产精品久久久av美女十八| 国产男女内射视频| 午夜免费观看网址| 怎么达到女性高潮| 国产一区二区三区在线臀色熟女 | 欧美日韩瑟瑟在线播放| 91av网站免费观看| 不卡av一区二区三区| 亚洲一码二码三码区别大吗| 欧美不卡视频在线免费观看 | 黄网站色视频无遮挡免费观看| 亚洲黑人精品在线| 超碰成人久久| 香蕉丝袜av| 王馨瑶露胸无遮挡在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 久久久国产成人精品二区 | 日韩免费av在线播放| 很黄的视频免费| 午夜福利视频在线观看免费| 最新在线观看一区二区三区| 国产xxxxx性猛交| 国产精品 欧美亚洲| 国产又爽黄色视频| 久久久久精品国产欧美久久久| 亚洲男人天堂网一区| 热re99久久国产66热| 日韩视频一区二区在线观看| 在线十欧美十亚洲十日本专区| 免费人成视频x8x8入口观看| 777久久人妻少妇嫩草av网站| 欧美日韩成人在线一区二区| 国产欧美日韩一区二区三区在线| 国产亚洲欧美98| 精品一区二区三卡| 高清在线国产一区| 男女床上黄色一级片免费看| 在线国产一区二区在线| а√天堂www在线а√下载 | av网站免费在线观看视频| 高清欧美精品videossex| 午夜福利在线观看吧| 亚洲精品国产区一区二| 亚洲欧美激情综合另类| 精品一品国产午夜福利视频| 成人18禁高潮啪啪吃奶动态图| 国产午夜精品久久久久久| 久久精品国产综合久久久| 亚洲aⅴ乱码一区二区在线播放 | 一级毛片精品| 国产亚洲精品久久久久5区| 侵犯人妻中文字幕一二三四区| 操出白浆在线播放| 美女午夜性视频免费| 国产精品永久免费网站| 久久精品国产a三级三级三级| 十分钟在线观看高清视频www| 精品一品国产午夜福利视频| 精品少妇久久久久久888优播| 亚洲性夜色夜夜综合| 黄色成人免费大全| 欧美乱妇无乱码| 男女午夜视频在线观看| 黑人猛操日本美女一级片| 91精品三级在线观看| 午夜福利影视在线免费观看| 久久久久久久久久久久大奶| 黑人巨大精品欧美一区二区mp4| 高清毛片免费观看视频网站 | av天堂久久9| 中文字幕人妻丝袜一区二区| 日日夜夜操网爽| 精品久久久久久久毛片微露脸| 成人永久免费在线观看视频| 亚洲av日韩在线播放| av免费在线观看网站| 99riav亚洲国产免费| 免费在线观看影片大全网站| 免费在线观看黄色视频的|