• <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
    国产aⅴ精品一区二区三区波| 色哟哟哟哟哟哟| 国产野战对白在线观看| 国产黄a三级三级三级人| 欧美zozozo另类| 美女高潮的动态| 日本一本二区三区精品| 亚洲精品一卡2卡三卡4卡5卡| 最好的美女福利视频网| 国产一区二区三区在线臀色熟女| 亚洲七黄色美女视频| 国产欧美日韩一区二区三| 久久精品久久久久久噜噜老黄 | 淫秽高清视频在线观看| 日本精品一区二区三区蜜桃| 少妇人妻一区二区三区视频| 国产精品久久久久久亚洲av鲁大| 波野结衣二区三区在线| 搡老熟女国产l中国老女人| 别揉我奶头 嗯啊视频| 99热这里只有精品一区| 又黄又爽又刺激的免费视频.| 小蜜桃在线观看免费完整版高清| 日韩欧美在线乱码| 乱码一卡2卡4卡精品| 91麻豆av在线| 精品久久久久久久久久免费视频| 窝窝影院91人妻| 看黄色毛片网站| 成人永久免费在线观看视频| 国内久久婷婷六月综合欲色啪| 高清毛片免费观看视频网站| 欧美黑人欧美精品刺激| 日韩免费av在线播放| 国语自产精品视频在线第100页| 在线观看舔阴道视频| 又爽又黄a免费视频| 蜜桃久久精品国产亚洲av| aaaaa片日本免费| 国产美女午夜福利| 国产精华一区二区三区| 国产成人aa在线观看| 1024手机看黄色片| 亚洲成av人片免费观看| 欧美日韩乱码在线| 国产高清有码在线观看视频| 校园春色视频在线观看| 在线观看免费视频日本深夜| 久久精品国产亚洲av香蕉五月| 岛国在线免费视频观看| 尤物成人国产欧美一区二区三区| 欧美三级亚洲精品| 国产黄a三级三级三级人| 精品一区二区三区视频在线| 亚洲中文日韩欧美视频| 亚洲国产精品sss在线观看| 日韩欧美免费精品| 亚洲男人的天堂狠狠| 成人高潮视频无遮挡免费网站| 无遮挡黄片免费观看| 最近视频中文字幕2019在线8| 18禁黄网站禁片午夜丰满| 欧美最黄视频在线播放免费| 精品人妻1区二区| 欧美性感艳星| 久久精品国产99精品国产亚洲性色| 国产伦一二天堂av在线观看| 五月伊人婷婷丁香| 欧美xxxx黑人xx丫x性爽| 色尼玛亚洲综合影院| 一个人看的www免费观看视频| avwww免费| 日本免费a在线| av视频在线观看入口| 嫩草影院新地址| 99国产精品一区二区蜜桃av| 亚洲人成网站在线播放欧美日韩| 久久久国产成人精品二区| 久久久久性生活片| 在线观看舔阴道视频| 亚洲自拍偷在线| 性色av乱码一区二区三区2| 久久草成人影院| 国产午夜精品论理片| 亚洲成人精品中文字幕电影| 男女视频在线观看网站免费| 国产av一区在线观看免费| 亚洲人成网站在线播放欧美日韩| 亚洲精品粉嫩美女一区| 欧美3d第一页| 亚洲av二区三区四区| 香蕉av资源在线| 一本久久中文字幕| 精品一区二区三区av网在线观看| 波多野结衣高清无吗| 欧美黄色片欧美黄色片| 啪啪无遮挡十八禁网站| 国产av一区在线观看免费| 99久久精品一区二区三区| 三级国产精品欧美在线观看| 丰满乱子伦码专区| 亚洲精品456在线播放app | 嫩草影视91久久| a级毛片免费高清观看在线播放| 99热6这里只有精品| 亚洲无线观看免费| 成人三级黄色视频| 国产成人影院久久av| 国产高清三级在线| 好男人电影高清在线观看| 亚洲av电影在线进入| 亚洲一区高清亚洲精品| 在线a可以看的网站| 亚洲18禁久久av| 99精品久久久久人妻精品| 波多野结衣巨乳人妻| av中文乱码字幕在线| 最近中文字幕高清免费大全6 | 又黄又爽又刺激的免费视频.| 每晚都被弄得嗷嗷叫到高潮| 在线观看美女被高潮喷水网站 | av中文乱码字幕在线| 一夜夜www| 精品久久久久久成人av| 两个人的视频大全免费| 乱人视频在线观看| 日本在线视频免费播放| 一进一出抽搐gif免费好疼| 国产一区二区亚洲精品在线观看| 亚洲av不卡在线观看| 麻豆成人av在线观看| 十八禁网站免费在线| 欧美xxxx性猛交bbbb| 午夜视频国产福利| 999久久久精品免费观看国产| 亚洲第一区二区三区不卡| 久久精品人妻少妇| 成人国产一区最新在线观看| 搡老岳熟女国产| 国产精品久久久久久精品电影| 精品一区二区免费观看| 欧美性感艳星| 日日干狠狠操夜夜爽| 久久天躁狠狠躁夜夜2o2o| 亚洲最大成人手机在线| 日本黄色片子视频| 亚洲国产精品久久男人天堂| 国产久久久一区二区三区| 欧美+日韩+精品| 99国产极品粉嫩在线观看| 久久精品影院6| 黄色视频,在线免费观看| 深爱激情五月婷婷| 乱人视频在线观看| 亚洲欧美清纯卡通| 精品人妻一区二区三区麻豆 | 久久久久久久精品吃奶| 99热这里只有是精品在线观看 | 亚洲自偷自拍三级| 99久久无色码亚洲精品果冻| 精品99又大又爽又粗少妇毛片 | 一本综合久久免费| 美女免费视频网站| 亚洲av第一区精品v没综合| 国产真实乱freesex| 久久人妻av系列| 18+在线观看网站| 国产白丝娇喘喷水9色精品| 精品人妻偷拍中文字幕| 天堂√8在线中文| 两人在一起打扑克的视频| 婷婷亚洲欧美| 国产三级黄色录像| www.熟女人妻精品国产| av在线观看视频网站免费| 一个人观看的视频www高清免费观看| 久久久精品大字幕| 日韩欧美精品v在线| 男女视频在线观看网站免费| 看片在线看免费视频| 97人妻精品一区二区三区麻豆| 在线观看午夜福利视频| 久久精品国产亚洲av涩爱 | 丁香六月欧美| 日本 av在线| 国产精品嫩草影院av在线观看 | 免费av观看视频| 最新中文字幕久久久久| 午夜激情福利司机影院| 精品一区二区三区视频在线观看免费| 亚洲av第一区精品v没综合| 精品久久久久久久久久免费视频| 一a级毛片在线观看| 十八禁人妻一区二区| 波多野结衣巨乳人妻| 国产主播在线观看一区二区| 美女 人体艺术 gogo| 757午夜福利合集在线观看| 亚州av有码| 97超级碰碰碰精品色视频在线观看| 欧美乱色亚洲激情| 欧美一级a爱片免费观看看| av在线观看视频网站免费| 成人无遮挡网站| 人妻丰满熟妇av一区二区三区| 欧美日韩黄片免| 亚洲中文字幕一区二区三区有码在线看| 国产真实伦视频高清在线观看 | 黄片小视频在线播放| 国产精品一区二区三区四区久久| 亚洲美女视频黄频| 亚洲自偷自拍三级| 一个人观看的视频www高清免费观看| 欧美成人免费av一区二区三区| 欧美+日韩+精品| 日韩欧美精品v在线| 性色av乱码一区二区三区2| 首页视频小说图片口味搜索| 搡老熟女国产l中国老女人| 人人妻人人澡欧美一区二区| a级毛片a级免费在线| 午夜福利视频1000在线观看| 真实男女啪啪啪动态图| 久久精品91蜜桃| 国产91精品成人一区二区三区| a在线观看视频网站| 国产在线精品亚洲第一网站| 国产精品1区2区在线观看.| 久久精品国产亚洲av香蕉五月| 最近最新免费中文字幕在线| 亚洲不卡免费看| 亚洲经典国产精华液单 | 亚洲欧美日韩高清在线视频| 久久精品国产亚洲av香蕉五月| 亚洲人成伊人成综合网2020| 日韩中文字幕欧美一区二区| 成人午夜高清在线视频| 中文资源天堂在线| 黄片小视频在线播放| 免费看日本二区| .国产精品久久| 露出奶头的视频| 99久久成人亚洲精品观看| 国产男靠女视频免费网站| 禁无遮挡网站| 99久久九九国产精品国产免费| 九九热线精品视视频播放| 精品人妻一区二区三区麻豆 | 内射极品少妇av片p| 18禁黄网站禁片免费观看直播| 国产欧美日韩一区二区精品| 成年版毛片免费区| 国内毛片毛片毛片毛片毛片| 午夜日韩欧美国产| 国产成年人精品一区二区| 色av中文字幕| 亚洲 国产 在线| 午夜免费激情av| 欧美绝顶高潮抽搐喷水| 搡老岳熟女国产| 18禁黄网站禁片午夜丰满| 在线观看免费视频日本深夜| 男女视频在线观看网站免费| 亚洲国产精品合色在线| 欧美日韩乱码在线| 91九色精品人成在线观看| 天堂动漫精品| 国产高清三级在线| 我的女老师完整版在线观看| 欧美黄色淫秽网站| av中文乱码字幕在线| 国产精品嫩草影院av在线观看 | 一区二区三区激情视频| 国内揄拍国产精品人妻在线| 亚洲性夜色夜夜综合| 免费人成视频x8x8入口观看| 久久国产乱子伦精品免费另类| 国内久久婷婷六月综合欲色啪| 亚洲一区二区三区不卡视频| 国产午夜福利久久久久久| 国产不卡一卡二| 极品教师在线免费播放| 18美女黄网站色大片免费观看| 欧美3d第一页| 久久久久久久久中文| 国产高潮美女av| 亚洲,欧美精品.| 久久久国产成人免费| 久久久国产成人精品二区| 欧美黄色淫秽网站| 亚洲av五月六月丁香网| 免费电影在线观看免费观看| 久99久视频精品免费| 亚洲国产日韩欧美精品在线观看| 少妇被粗大猛烈的视频| 一本久久中文字幕| 国产精品亚洲美女久久久| av天堂在线播放| 一级a爱片免费观看的视频| 九九热线精品视视频播放| 日韩亚洲欧美综合| 中文字幕高清在线视频| 成人三级黄色视频| 欧美性猛交╳xxx乱大交人| 18禁黄网站禁片午夜丰满| 精品福利观看| 久久精品国产清高在天天线| 91久久精品国产一区二区成人| 国产中年淑女户外野战色| 亚洲中文日韩欧美视频| 亚洲自拍偷在线| 99在线视频只有这里精品首页| 熟妇人妻久久中文字幕3abv| 久久久久久久久久黄片| 给我免费播放毛片高清在线观看| 国产熟女xx| 午夜福利在线观看免费完整高清在 | 免费看美女性在线毛片视频| 欧洲精品卡2卡3卡4卡5卡区| 欧美一区二区精品小视频在线| 超碰av人人做人人爽久久| 欧美色欧美亚洲另类二区| 亚洲无线观看免费| 日韩欧美一区二区三区在线观看| 简卡轻食公司| 亚洲经典国产精华液单 | 国产亚洲精品av在线| 999久久久精品免费观看国产| 国产精品久久久久久精品电影| 在线看三级毛片| 久久香蕉精品热| 日本a在线网址| 久久国产精品人妻蜜桃| 色视频www国产| 亚洲欧美日韩东京热| 一本综合久久免费| 婷婷六月久久综合丁香| 高清毛片免费观看视频网站| 国产探花极品一区二区| www.999成人在线观看| 日韩有码中文字幕| 波野结衣二区三区在线| 少妇的逼好多水| 国产精华一区二区三区| 男人狂女人下面高潮的视频| 午夜视频国产福利| 少妇人妻一区二区三区视频| 日本 欧美在线| 免费观看精品视频网站| 日韩欧美精品v在线| 男插女下体视频免费在线播放| 国产精品人妻久久久久久| 99久久精品热视频| 成年免费大片在线观看| 小说图片视频综合网站| a级毛片a级免费在线| 国产美女午夜福利| 国产精品人妻久久久久久| av在线观看视频网站免费| 在线观看午夜福利视频| a级一级毛片免费在线观看| 动漫黄色视频在线观看| 国产精品一及| 亚洲精品久久国产高清桃花| 日韩欧美国产在线观看| 全区人妻精品视频| 90打野战视频偷拍视频| 又爽又黄无遮挡网站| 熟妇人妻久久中文字幕3abv| 在线观看一区二区三区| 嫩草影院新地址| 99久久成人亚洲精品观看| 12—13女人毛片做爰片一| 两个人视频免费观看高清| 久久国产精品人妻蜜桃| 国产精品综合久久久久久久免费| 亚洲狠狠婷婷综合久久图片| 天堂影院成人在线观看| 国产三级在线视频| 久久久国产成人免费| 波野结衣二区三区在线| 我要搜黄色片| 亚洲av成人精品一区久久| 国产一区二区在线观看日韩| 欧美成人a在线观看| 亚洲人成网站高清观看| 久久国产乱子免费精品| 精品欧美国产一区二区三| 欧美+日韩+精品| 国产一区二区激情短视频| 最近在线观看免费完整版| 亚洲专区国产一区二区| 偷拍熟女少妇极品色| 国产精品电影一区二区三区| 日韩中字成人| 午夜激情欧美在线| 99视频精品全部免费 在线| 亚洲国产精品成人综合色| 十八禁国产超污无遮挡网站| 亚洲国产精品999在线| 欧美日韩福利视频一区二区| 少妇熟女aⅴ在线视频| 男女做爰动态图高潮gif福利片| 国产成人av教育| 国产毛片a区久久久久| 亚洲内射少妇av| 亚洲久久久久久中文字幕| 精品人妻1区二区| 1024手机看黄色片| 黄色日韩在线| or卡值多少钱| 怎么达到女性高潮| 婷婷六月久久综合丁香| 欧美黄色淫秽网站| 精品人妻偷拍中文字幕| 高清毛片免费观看视频网站| 亚洲最大成人中文| 综合色av麻豆| 看免费av毛片| 我的女老师完整版在线观看| 成人亚洲精品av一区二区| 婷婷精品国产亚洲av在线| 精品欧美国产一区二区三| 国语自产精品视频在线第100页| 欧美黑人巨大hd| 亚洲成人免费电影在线观看| 一级作爱视频免费观看| 国产精品影院久久| 色av中文字幕| 免费电影在线观看免费观看| 免费一级毛片在线播放高清视频| 乱人视频在线观看| 伦理电影大哥的女人| 久久亚洲真实| 日本黄大片高清| 狂野欧美白嫩少妇大欣赏| 99国产极品粉嫩在线观看| 亚洲第一欧美日韩一区二区三区| 久久99热这里只有精品18| 老女人水多毛片| 亚洲内射少妇av| 国产亚洲精品av在线| 狠狠狠狠99中文字幕| 国内精品久久久久久久电影| 午夜影院日韩av| 亚洲avbb在线观看| 亚洲精品色激情综合| 脱女人内裤的视频| 亚洲性夜色夜夜综合| 国产毛片a区久久久久| 99riav亚洲国产免费| 日本黄大片高清| x7x7x7水蜜桃| 久久国产乱子免费精品| 中文在线观看免费www的网站| 男女床上黄色一级片免费看| 中文字幕av在线有码专区| 国产一区二区三区在线臀色熟女| 国产成+人综合+亚洲专区| 老鸭窝网址在线观看| 一级黄色大片毛片| 亚洲国产色片| 久久人人精品亚洲av| 桃色一区二区三区在线观看| 国产精品久久久久久亚洲av鲁大| 99在线视频只有这里精品首页| 少妇熟女aⅴ在线视频| 少妇裸体淫交视频免费看高清| 日日摸夜夜添夜夜添av毛片 | 午夜福利高清视频| 一个人观看的视频www高清免费观看| 国产在线男女| 亚洲片人在线观看| 国内精品久久久久久久电影| 人妻夜夜爽99麻豆av| 日韩高清综合在线| 少妇熟女aⅴ在线视频| 九九热线精品视视频播放| 窝窝影院91人妻| 久久精品影院6| 亚洲av成人精品一区久久| 国产精品,欧美在线| 国产精品永久免费网站| 3wmmmm亚洲av在线观看| 国产精品伦人一区二区| 欧美又色又爽又黄视频| 午夜激情福利司机影院| 91字幕亚洲| 亚洲人与动物交配视频| 一进一出抽搐gif免费好疼| 国产人妻一区二区三区在| 国产高清视频在线播放一区| 99在线视频只有这里精品首页| 国内精品美女久久久久久| 十八禁人妻一区二区| 精品不卡国产一区二区三区| 欧美+日韩+精品| 一级毛片久久久久久久久女| 中文字幕av在线有码专区| 亚洲最大成人av| 久久久久国产精品人妻aⅴ院| 禁无遮挡网站| 村上凉子中文字幕在线| 最近最新中文字幕大全电影3| 综合色av麻豆| 三级男女做爰猛烈吃奶摸视频| 精品人妻熟女av久视频| 男人舔女人下体高潮全视频| 欧美最黄视频在线播放免费| 欧美成人性av电影在线观看| 成年女人看的毛片在线观看| 欧美色欧美亚洲另类二区| 国产蜜桃级精品一区二区三区| 免费一级毛片在线播放高清视频| 久久6这里有精品| 国产精品亚洲一级av第二区| 亚洲欧美激情综合另类| 男女做爰动态图高潮gif福利片| 国产av麻豆久久久久久久| 成人午夜高清在线视频| 成人av一区二区三区在线看| 午夜福利成人在线免费观看| 亚洲内射少妇av| 国内精品一区二区在线观看| 国产淫片久久久久久久久 | 亚洲国产色片| 无遮挡黄片免费观看| 真实男女啪啪啪动态图| 99国产综合亚洲精品| 日本成人三级电影网站| 97超级碰碰碰精品色视频在线观看| 免费av毛片视频| 看片在线看免费视频| 欧美成人a在线观看| 不卡一级毛片| 国产精品伦人一区二区| 色吧在线观看| 色5月婷婷丁香| 亚洲五月婷婷丁香| 日韩欧美国产一区二区入口| 别揉我奶头 嗯啊视频| 丰满乱子伦码专区| 久久国产精品影院| 国产视频内射| 欧美午夜高清在线| 国产精品亚洲美女久久久| 国产亚洲av嫩草精品影院| 国产爱豆传媒在线观看| 久久精品国产亚洲av天美| 精品久久久久久久久av| 欧美激情久久久久久爽电影| 久9热在线精品视频| av福利片在线观看| 亚洲精品久久国产高清桃花| 永久网站在线| 嫁个100分男人电影在线观看| 婷婷精品国产亚洲av| 欧美一区二区亚洲| 91狼人影院| 午夜亚洲福利在线播放| 18+在线观看网站| 国产一区二区亚洲精品在线观看| 可以在线观看毛片的网站| www.999成人在线观看| 国产成人啪精品午夜网站| 一区二区三区高清视频在线| 欧美日韩福利视频一区二区| 婷婷精品国产亚洲av在线| 亚洲成人久久爱视频| 日本黄色视频三级网站网址| 欧美乱妇无乱码| 一区二区三区激情视频| 两个人视频免费观看高清| 免费看光身美女| 日本 av在线| 一级黄片播放器| 国产黄片美女视频| 国产三级黄色录像| 国产亚洲精品综合一区在线观看| 少妇裸体淫交视频免费看高清| 网址你懂的国产日韩在线| 午夜精品在线福利| 91字幕亚洲| 性欧美人与动物交配| 在线观看一区二区三区| 午夜久久久久精精品| 免费电影在线观看免费观看| 国产色婷婷99| 舔av片在线| 国产午夜精品论理片| 国产黄色小视频在线观看| 国产在线男女| a级毛片免费高清观看在线播放| 9191精品国产免费久久| 91在线精品国自产拍蜜月| 免费av不卡在线播放| 久久久色成人| 欧美+亚洲+日韩+国产| 国产69精品久久久久777片| 久久精品久久久久久噜噜老黄 | 深爱激情五月婷婷| 国语自产精品视频在线第100页| 一边摸一边抽搐一进一小说| 99久久久亚洲精品蜜臀av| 日本黄色片子视频| 九九久久精品国产亚洲av麻豆| 国产色婷婷99| 18禁在线播放成人免费| 成年版毛片免费区| 成人无遮挡网站| 三级国产精品欧美在线观看| 日本黄色片子视频| 精品久久久久久,| 中出人妻视频一区二区| 久久久成人免费电影|