• <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 ?

    基于圖神經(jīng)網(wǎng)絡(luò)的行人重識別算法

    2021-06-16 16:42:54蔣若輝楊淇黃煒智
    電子技術(shù)與軟件工程 2021年4期
    關(guān)鍵詞:特征提取行人卷積

    蔣若輝 楊淇 黃煒智

    (河北大學(xué)網(wǎng)絡(luò)空間安全與計(jì)算機(jī)學(xué)院 河北省保定市 071000)

    行人重識別(Person re-identification)是一個(gè)非常實(shí)用的研究方向,可以廣泛應(yīng)用于監(jiān)控、安全、刑事偵查等領(lǐng)域[1]。行人重識別任務(wù)是指給定一個(gè)行人,然后在不同的地點(diǎn)、時(shí)間和攝像機(jī)中檢索出目標(biāo)行人。近年來,行人重識別技術(shù)有了很大的發(fā)展,但還沒有達(dá)到可以實(shí)際應(yīng)用的水平。主要原因是行人重識別需要解決圖像和視頻的分辨率、人體姿態(tài)、人體尺度、人體遮擋、光照等因素帶來的問題,使得我們很難對于不同攝像頭下的多姿態(tài)行人進(jìn)行準(zhǔn)確的識別。

    目前,主流解決的方案是基于圖像的人物識別,包括表征學(xué)習(xí)和距離度量學(xué)習(xí)。對于表征學(xué)習(xí),我們已經(jīng)從傳統(tǒng)的手工設(shè)計(jì)的特征過渡到深層神經(jīng)網(wǎng)絡(luò),它可以學(xué)習(xí)更多的區(qū)分性特征。目前,在行人重識別任務(wù)中,除了提取全局特征外,人們更關(guān)注于圖像的局部特征。例如,早期采用了一些硬部件方法,后來發(fā)展到自適應(yīng)部件方法,然后發(fā)展到部件檢測的方法。提取特征的魯棒性也逐漸增強(qiáng)。距離度量學(xué)習(xí)的目標(biāo)是學(xué)習(xí)一個(gè)合適的特征空間,其中屬于一個(gè)人的特征向量非常接近,而屬于不同人的特征向量相距很遠(yuǎn)。然而,基于圖像的識別方法只能提取空間特征,獲取的特征單一,無法解決遮擋問題。此外,現(xiàn)有的人體識別模型大多是獨(dú)立地從不同的人體部位獲取特征,缺乏人體部位之間存在的聯(lián)系。

    圖神經(jīng)網(wǎng)絡(luò)近些年發(fā)展迅猛,在圖上使用卷積運(yùn)算,將神經(jīng)網(wǎng)絡(luò)應(yīng)用于非歐幾里得數(shù)據(jù)進(jìn)行特征學(xué)習(xí)。圖模型匹配與傳統(tǒng)序列形式的特征匹配相比具有較強(qiáng)的靈活性,對于物體多視角,圖像畸變,物體多態(tài),物體遮擋等以往不好解決的因素,具有一定的特殊優(yōu)勢。

    本文提出了一種新的特征提取方式,使被遮擋的部分特征接近中心特征,從而在一定程度上消除了遮擋等問題帶來的復(fù)雜因素問題。我們在Occluded-DukeMTMC 數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)表明,圖神經(jīng)網(wǎng)絡(luò)在遮擋行人重識別任務(wù)中可以發(fā)揮很大的作用。

    1 方法

    1.1 卷積神經(jīng)網(wǎng)絡(luò)

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)。卷積神經(jīng)網(wǎng)絡(luò)是一種特殊的神經(jīng)網(wǎng)絡(luò),近年來被廣泛認(rèn)為是計(jì)算機(jī)視覺領(lǐng)域的最佳技術(shù)之一[2]。卷積神經(jīng)網(wǎng)絡(luò)通過使用多個(gè)非線性特征提取單元階段性的提取特征進(jìn)行特征提取,卷積神經(jīng)網(wǎng)絡(luò)能夠從數(shù)據(jù)中學(xué)習(xí)不同特征的信息,最后進(jìn)行整合,得到一張圖像的整體特征。卷積神經(jīng)網(wǎng)絡(luò)具有從原始輸入中自動(dòng)學(xué)習(xí)特征的能力,無需使用手工特征,并且卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)量較少,使得深層卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算具有可能性。后來人們發(fā)現(xiàn),多層卷積神經(jīng)網(wǎng)絡(luò)可以更好的對于特征進(jìn)行表述,因此誕生了許多深度卷積神經(jīng)網(wǎng)絡(luò),如經(jīng)典的ResNet,VGG 網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)發(fā)展已經(jīng)十分成熟,并仍在繼續(xù)進(jìn)步。

    1.2 基于圖像的行人重識別

    近年來,人們在基于圖像的行人重識別研究中提出了大量的模型。隨著神經(jīng)卷積網(wǎng)絡(luò)的發(fā)展,特征提取方法已經(jīng)從最早的人工特征發(fā)展到通過深層神經(jīng)網(wǎng)絡(luò)進(jìn)行更穩(wěn)健的特征提取。目前主要分為表征學(xué)習(xí)和距離度量學(xué)習(xí)兩大類。表征學(xué)習(xí)使用各種CNN 結(jié)構(gòu)來提取更健壯的特征,例如基于零件的方法。PCB 方法提出了一種合理的劃分策略,可以學(xué)習(xí)區(qū)分零件的特征。對于距離度量學(xué)習(xí),將CNN 結(jié)構(gòu)嵌入到深度學(xué)習(xí)結(jié)構(gòu)中,并共享網(wǎng)絡(luò)參數(shù)的權(quán)值,從而縮小類內(nèi)差距,增加類間差距。使用三重?fù)p失來訓(xùn)練網(wǎng)絡(luò)將同一個(gè)人的特征拉近,并將不同人的特征分開。然而,上述方法的缺點(diǎn)是無法解決遮擋問題。在我們提出的方法中,我們基于部件特征對于淺層特征進(jìn)行圖卷積,使遮擋部位特征盡量趨近于中心特征,再進(jìn)行深層次的特征提取。

    1.3 基于零件的識別方法

    基于零件的模型學(xué)習(xí)行人不同部位的局部特征,增強(qiáng)了全局行人特征的交叉視圖匹配?;诹慵哪P涂梢院唵蔚貙⑿腥酥啬P椭虚g層的輸出特征映射拆分為幾個(gè)水平條紋,并學(xué)習(xí)每個(gè)條紋的局部特征。另一種基于部位的模型將人體分割成有意義的身體部位,并學(xué)習(xí)每個(gè)身體部位的局部特征。但是這種識別方法對于遮擋行人的識別明顯是無意義的,將行人圖像的某一部分與遮擋物體進(jìn)行匹配,在距離空間中只會(huì)越來越遠(yuǎn),在無遮擋的圖像中尚可,但在遮擋圖像中仍有不足之處。

    1.4 圖神經(jīng)網(wǎng)絡(luò)

    圖神經(jīng)網(wǎng)絡(luò)旨在將神經(jīng)網(wǎng)絡(luò)應(yīng)用于非歐幾里得數(shù)據(jù)進(jìn)行特征學(xué)習(xí),圖模型的基本原理考慮了樣本之間的關(guān)系,可以很好地應(yīng)用于有監(jiān)督訓(xùn)練和半監(jiān)督學(xué)習(xí),近年來逐漸應(yīng)用于一些計(jì)算機(jī)視覺任務(wù)中。Kpif 在 2017年提出了圖卷積神經(jīng)網(wǎng)絡(luò)(Graph Convolutional Neural Network,GCN),它為圖結(jié)構(gòu)數(shù)據(jù)的處理提供了一種嶄新的思路,將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到了圖結(jié)構(gòu)的數(shù)據(jù)中。

    我們得出結(jié)論:在行人重識別與圖神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法中,圖像中的各個(gè)部分被視為圖節(jié)點(diǎn),每個(gè)節(jié)點(diǎn)之間的關(guān)系通過構(gòu)造圖來表示。在我們的方法中,我們設(shè)計(jì)了一個(gè)新的圖神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)最終的行人特征表示。將圖片的每一部分視為一個(gè)圖節(jié)點(diǎn),根據(jù)其關(guān)系構(gòu)造圖結(jié)構(gòu)。

    2 圖卷積行人重識別網(wǎng)絡(luò)

    本文的目的是提出一種基于圖卷積的行人重識別網(wǎng)絡(luò),通過在網(wǎng)絡(luò)中增加圖卷積模塊,有效的對于遮擋部分進(jìn)行處理,使網(wǎng)絡(luò)對于遮擋的部分更加敏感。在一定程度上解決了當(dāng)匹配行人出現(xiàn)遮擋問題時(shí)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)無法準(zhǔn)確學(xué)習(xí)特征的問題。

    2.1 圖卷積神經(jīng)網(wǎng)絡(luò)

    在以往的研究工作中,圖神經(jīng)網(wǎng)絡(luò)利用相鄰節(jié)點(diǎn)的信息來更新自身節(jié)點(diǎn)的狀態(tài)。受這些方法的啟發(fā),我們提出了圖卷積行人重識別網(wǎng)絡(luò),利用人體不同位置的關(guān)系來解決行人中遮擋等不可控因素的問題。

    根據(jù)人體各部位的空間關(guān)系提取人體各部位的特征。利用各部分之間的關(guān)系建立特征圖。其次,將部位特征嵌入到特征圖的節(jié)點(diǎn)中,利用相鄰特征和自身特征的信息更新節(jié)點(diǎn)特征。

    圖1:圖卷積行人重識別網(wǎng)絡(luò)結(jié)構(gòu)

    使用親和矩陣來表示行人映射圖中節(jié)點(diǎn)和節(jié)點(diǎn)之間的相關(guān)性,并使用投影度量來計(jì)算兩個(gè)親和矩陣的距離。最后,利用交叉熵?fù)p失對模型進(jìn)行訓(xùn)練,以減少人內(nèi)距離,增加人與人之間的距離。該模塊可以有效地計(jì)算高維特征之間的距離,減少或消除遮擋等不可控因素的影響。

    2.2 網(wǎng)絡(luò)結(jié)構(gòu)

    如圖1 所示,首先,輸入的行人圖片經(jīng)過淺層次的卷積提取淺層特征,對于這些淺層特征,若圖像中包含遮擋,則這些被遮擋的部分特征為負(fù)特征,對于整體的特征有一定影響,所以將淺層特征經(jīng)過圖神經(jīng)網(wǎng)絡(luò)聚合后,將遮擋部分的特征進(jìn)行綜合,自適應(yīng)地獲得聚合特征節(jié)點(diǎn)之間的內(nèi)在親和結(jié)構(gòu)信息,以達(dá)到遮擋不變性。將綜合后的特征再進(jìn)行深層次的特征提取,最后進(jìn)行融合全局特征后輸出到全連接層進(jìn)行識別。

    3 主要實(shí)驗(yàn)

    3.1 數(shù)據(jù)集

    Occluded-DukeMTMC 數(shù)據(jù)集[3]是一個(gè)從DukeMTMC-ReID數(shù)據(jù)集衍生出來的大規(guī)模遮擋的行人重識別數(shù)據(jù)集。DukeMTMCreID 包含來自702 個(gè)人的 16522 個(gè)訓(xùn)練圖像、2228 個(gè)查詢圖像和17661 個(gè)庫圖像。在原始的DukeMTMC-reID 數(shù)據(jù)集中,訓(xùn)練集、查詢集和庫集分別包含14%、15%、10%的遮擋圖像。原始數(shù)據(jù)集的被遮擋樣本數(shù)較少,不適用于評價(jià)被遮擋的行人識別方法。在Occluded-DukeMTMC 數(shù)據(jù)集中,包含一個(gè)以上的人或一個(gè)被樹或汽車等障礙物遮擋的人的圖像被標(biāo)注為遮擋圖像,查詢集包含100%的遮擋圖像。因此,在計(jì)算查詢圖像和庫圖像之間的成對距離時(shí),總是存在至少一個(gè)遮擋圖像。Occluded-DukeMTMC 是迄今為止最大的遮擋行人重識別數(shù)據(jù)集,它的訓(xùn)練集包含15618 幅圖像,共包括702 個(gè)身份。測試集包含1110 個(gè)身份,包括17661 個(gè)庫圖像和2210 個(gè)查詢圖像。

    我們在Occluded-DukeMTMC數(shù)據(jù)集上評估了我們提出的框架。在對比實(shí)驗(yàn)中,我們提出的框架在Rank-1 評分方面達(dá)到了46.9%,顯示了有效性。

    3.2 評價(jià)指標(biāo)

    Rank-n:

    Rank-n 簡單來說就是在置信度最高的n 個(gè)結(jié)果中有正確結(jié)果的概率,例如Rank-1,就是置信度最高的結(jié)果正確的概率,Rank-5就是置信度最高的五個(gè)預(yù)測結(jié)果中有正確結(jié)果的概率。

    mAP:

    mAP 為平均準(zhǔn)確率,是取所有類別AP 的平均值,衡量的是在所有類別上的平均好壞程度。

    3.3 實(shí)驗(yàn)效果

    表1:實(shí)驗(yàn)數(shù)據(jù)對比

    本文采用Pytorch 框架進(jìn)行實(shí)驗(yàn),分別在本文提出的方法,PCB,和傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)上進(jìn)行了實(shí)驗(yàn)。由表1 可知,在Occluded_Duke 數(shù)據(jù)集上Rank-1 達(dá)到了46.9%,mAP 達(dá)到了34.1%,并驗(yàn)證了增加圖神經(jīng)模塊的優(yōu)越性。相比于PCB 網(wǎng)絡(luò),本文方法仍具有優(yōu)越性。

    4 結(jié)束語

    本文提出了一種基于圖神經(jīng)網(wǎng)絡(luò)的行人重識別算法,利用圖像節(jié)點(diǎn)相鄰特征傳遞的信息來更新特征。該方法可以對行人各部分之間的關(guān)系構(gòu)造鄰接圖。通過鄰接圖傳遞的信息對每個(gè)部分進(jìn)行聚合,自適應(yīng)地獲得聚合特征節(jié)點(diǎn)之間的內(nèi)在親和結(jié)構(gòu)信息,為了減少遮擋等不變因素對性能的影響,提出了遮擋不變性的概念,使每個(gè)部分特征與整體特征更接近。實(shí)驗(yàn)結(jié)果證實(shí)本文方法對于遮擋行人重識別的有效性。

    猜你喜歡
    特征提取行人卷積
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    路不為尋找者而設(shè)
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    我是行人
    Bagging RCSP腦電特征提取算法
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    99香蕉大伊视频| 在线视频色国产色| 日本一区二区免费在线视频| 午夜福利18| 男男h啪啪无遮挡| 禁无遮挡网站| 欧美黄色片欧美黄色片| 成年版毛片免费区| 91麻豆av在线| 这个男人来自地球电影免费观看| 色综合亚洲欧美另类图片| 日韩中文字幕欧美一区二区| 国产人伦9x9x在线观看| 91av网站免费观看| 日韩精品免费视频一区二区三区| 搞女人的毛片| 成人亚洲精品av一区二区| 国产成人影院久久av| 在线免费观看的www视频| 成人av一区二区三区在线看| 国产激情欧美一区二区| 极品人妻少妇av视频| 黑丝袜美女国产一区| 成人国产一区最新在线观看| 久久人人爽av亚洲精品天堂| 禁无遮挡网站| 国产精品九九99| 一区二区三区高清视频在线| 欧美一级毛片孕妇| 一个人观看的视频www高清免费观看 | 男女午夜视频在线观看| 久久久久国产一级毛片高清牌| 亚洲一码二码三码区别大吗| 12—13女人毛片做爰片一| 一级毛片女人18水好多| bbb黄色大片| 久久精品人人爽人人爽视色| 国产男靠女视频免费网站| 久久精品亚洲熟妇少妇任你| 少妇的丰满在线观看| 国产精品 国内视频| 免费av毛片视频| 国产精品一区二区精品视频观看| 两个人看的免费小视频| 国产欧美日韩综合在线一区二区| 亚洲人成77777在线视频| 久久久久久人人人人人| 亚洲午夜理论影院| 欧美日韩亚洲国产一区二区在线观看| 叶爱在线成人免费视频播放| 女人爽到高潮嗷嗷叫在线视频| 欧美中文日本在线观看视频| 99re在线观看精品视频| 国产亚洲精品第一综合不卡| 高潮久久久久久久久久久不卡| av超薄肉色丝袜交足视频| 99riav亚洲国产免费| 亚洲熟妇熟女久久| 国产99久久九九免费精品| 亚洲 国产 在线| 大码成人一级视频| 黑丝袜美女国产一区| 精品第一国产精品| 国产乱人伦免费视频| 法律面前人人平等表现在哪些方面| 桃红色精品国产亚洲av| 亚洲国产精品成人综合色| 巨乳人妻的诱惑在线观看| 老司机在亚洲福利影院| 熟女少妇亚洲综合色aaa.| 青草久久国产| 久久精品人人爽人人爽视色| 国产一区在线观看成人免费| 一边摸一边做爽爽视频免费| 日日摸夜夜添夜夜添小说| 夜夜夜夜夜久久久久| 欧美色欧美亚洲另类二区 | 久久香蕉激情| 老汉色∧v一级毛片| 亚洲中文字幕日韩| 亚洲 国产 在线| 巨乳人妻的诱惑在线观看| 国产三级在线视频| 涩涩av久久男人的天堂| 久久欧美精品欧美久久欧美| 亚洲 国产 在线| 免费少妇av软件| 国内久久婷婷六月综合欲色啪| 在线播放国产精品三级| 久久午夜综合久久蜜桃| 成人18禁高潮啪啪吃奶动态图| 国产人伦9x9x在线观看| 天堂影院成人在线观看| 90打野战视频偷拍视频| 曰老女人黄片| 老熟妇乱子伦视频在线观看| 欧美精品啪啪一区二区三区| 亚洲国产欧美网| 日本撒尿小便嘘嘘汇集6| 免费在线观看影片大全网站| 少妇粗大呻吟视频| 精品国产美女av久久久久小说| 久久天堂一区二区三区四区| 午夜福利,免费看| 午夜福利18| 老熟妇乱子伦视频在线观看| 亚洲 国产 在线| 757午夜福利合集在线观看| 高潮久久久久久久久久久不卡| 婷婷丁香在线五月| 国产欧美日韩一区二区精品| 国产色视频综合| 99久久国产精品久久久| 成熟少妇高潮喷水视频| 国产成人一区二区三区免费视频网站| 欧美成狂野欧美在线观看| 97碰自拍视频| 变态另类成人亚洲欧美熟女 | 精品免费久久久久久久清纯| 韩国精品一区二区三区| 99久久99久久久精品蜜桃| 99九九线精品视频在线观看视频| 真实男女啪啪啪动态图| 校园春色视频在线观看| 成人av在线播放网站| 中亚洲国语对白在线视频| 国产一区二区三区在线臀色熟女| 搡女人真爽免费视频火全软件 | 成人午夜高清在线视频| 久久精品人妻少妇| 麻豆一二三区av精品| 啦啦啦啦在线视频资源| 精品人妻熟女av久视频| 久久亚洲真实| 超碰av人人做人人爽久久| 欧美黑人欧美精品刺激| 草草在线视频免费看| 精品一区二区免费观看| 婷婷精品国产亚洲av在线| 在线观看免费视频日本深夜| 中文字幕高清在线视频| 欧美另类亚洲清纯唯美| 午夜激情福利司机影院| 久久久久精品国产欧美久久久| 亚洲久久久久久中文字幕| 亚洲av一区综合| 日韩高清综合在线| 午夜精品在线福利| 美女 人体艺术 gogo| www.www免费av| 亚洲成人精品中文字幕电影| 村上凉子中文字幕在线| 99久久精品热视频| 99久久无色码亚洲精品果冻| 精品乱码久久久久久99久播| 久久人人精品亚洲av| 日韩人妻高清精品专区| 国语自产精品视频在线第100页| 可以在线观看毛片的网站| 欧洲精品卡2卡3卡4卡5卡区| 麻豆av噜噜一区二区三区| 成年人黄色毛片网站| 午夜福利在线观看吧| 黄色视频,在线免费观看| 国产91精品成人一区二区三区| 久久久午夜欧美精品| 日本成人三级电影网站| 欧美日韩国产亚洲二区| av专区在线播放| 久久久久久久久久久丰满 | 99久久精品国产国产毛片| 禁无遮挡网站| 久久九九热精品免费| 最近中文字幕高清免费大全6 | 嫩草影院新地址| 亚洲精品国产成人久久av| 99在线人妻在线中文字幕| 亚洲av美国av| 香蕉av资源在线| 精品一区二区免费观看| 久久精品夜夜夜夜夜久久蜜豆| 亚洲国产精品sss在线观看| 久久精品人妻少妇| 欧美日本亚洲视频在线播放| 国产三级在线视频| 他把我摸到了高潮在线观看| 国产一区二区亚洲精品在线观看| 少妇的逼好多水| 99久久无色码亚洲精品果冻| x7x7x7水蜜桃| 99久久无色码亚洲精品果冻| 免费人成视频x8x8入口观看| xxxwww97欧美| 日韩大尺度精品在线看网址| 国产乱人伦免费视频| 亚洲成人久久爱视频| 免费搜索国产男女视频| 亚洲五月天丁香| 在现免费观看毛片| 国产淫片久久久久久久久| 午夜精品久久久久久毛片777| 国产淫片久久久久久久久| 狂野欧美白嫩少妇大欣赏| 亚洲成a人片在线一区二区| 老司机午夜福利在线观看视频| 免费黄网站久久成人精品| 中文在线观看免费www的网站| 淫妇啪啪啪对白视频| 窝窝影院91人妻| 午夜视频国产福利| 亚洲性久久影院| 在线a可以看的网站| 国产极品精品免费视频能看的| 一区二区三区激情视频| 夜夜看夜夜爽夜夜摸| 精品一区二区三区视频在线观看免费| 国产极品精品免费视频能看的| 身体一侧抽搐| 国产高清视频在线播放一区| 波多野结衣高清无吗| 91av网一区二区| 久久久成人免费电影| 99热网站在线观看| 人人妻人人看人人澡| 欧美最新免费一区二区三区| 日本色播在线视频| 深爱激情五月婷婷| 性插视频无遮挡在线免费观看| 天天躁日日操中文字幕| 中国美女看黄片| 成年人黄色毛片网站| 热99re8久久精品国产| 成年女人毛片免费观看观看9| 中文字幕免费在线视频6| 99热这里只有是精品50| av专区在线播放| 在线a可以看的网站| 免费看光身美女| 亚洲经典国产精华液单| 欧美最新免费一区二区三区| 欧美日韩综合久久久久久 | 熟女电影av网| 亚洲中文字幕一区二区三区有码在线看| 999久久久精品免费观看国产| 日韩欧美 国产精品| 波多野结衣高清无吗| 精品久久久久久,| 一a级毛片在线观看| 他把我摸到了高潮在线观看| 亚洲自偷自拍三级| 亚洲一级一片aⅴ在线观看| 五月玫瑰六月丁香| 国产精品爽爽va在线观看网站| 日本免费a在线| 啪啪无遮挡十八禁网站| 18禁裸乳无遮挡免费网站照片| 亚洲欧美清纯卡通| av女优亚洲男人天堂| 很黄的视频免费| 久久草成人影院| 久久精品国产亚洲av天美| 欧美国产日韩亚洲一区| 亚洲在线观看片| 在线播放无遮挡| 内射极品少妇av片p| 欧美区成人在线视频| 精品人妻偷拍中文字幕| 2021天堂中文幕一二区在线观| 日韩中字成人| 国产精品国产三级国产av玫瑰| 国产精品一区二区三区四区久久| 一夜夜www| 桃红色精品国产亚洲av| 久久久久性生活片| 亚洲不卡免费看| 啦啦啦观看免费观看视频高清| 午夜免费男女啪啪视频观看 | 亚洲一区高清亚洲精品| 欧美高清性xxxxhd video| 国产在线精品亚洲第一网站| 免费在线观看日本一区| 欧美高清成人免费视频www| 干丝袜人妻中文字幕| bbb黄色大片| 一卡2卡三卡四卡精品乱码亚洲| 国内精品宾馆在线| 国产美女午夜福利| 一进一出抽搐动态| 亚洲精品456在线播放app | 亚洲国产精品合色在线| 欧美+日韩+精品| 亚洲va日本ⅴa欧美va伊人久久| 亚洲国产日韩欧美精品在线观看| 特级一级黄色大片| 亚洲无线观看免费| 少妇高潮的动态图| 国产一区二区三区视频了| 亚洲av中文av极速乱 | 嫩草影院入口| 久久国内精品自在自线图片| 国产人妻一区二区三区在| 欧美xxxx性猛交bbbb| 日本爱情动作片www.在线观看 | 欧美日韩亚洲国产一区二区在线观看| 午夜福利在线在线| 亚洲人成网站在线播| 国产色婷婷99| 精品久久久久久久久久免费视频| 久久久久久久久中文| 变态另类成人亚洲欧美熟女| 成人国产一区最新在线观看| avwww免费| 综合色av麻豆| 国产精品久久久久久av不卡| 欧美xxxx性猛交bbbb| 欧洲精品卡2卡3卡4卡5卡区| 精品人妻一区二区三区麻豆 | 十八禁网站免费在线| 哪里可以看免费的av片| 韩国av一区二区三区四区| 亚洲无线观看免费| 成人特级黄色片久久久久久久| 久久人人精品亚洲av| 国产免费av片在线观看野外av| 国产黄a三级三级三级人| 久久精品国产亚洲av香蕉五月| 美女免费视频网站| 婷婷精品国产亚洲av在线| 国产女主播在线喷水免费视频网站 | 精品久久久噜噜| 成人二区视频| 亚洲久久久久久中文字幕| 亚洲人成网站在线播| 欧美3d第一页| 桃色一区二区三区在线观看| 少妇人妻精品综合一区二区 | 欧美又色又爽又黄视频| 麻豆久久精品国产亚洲av| 久久香蕉精品热| 99久久九九国产精品国产免费| 尾随美女入室| 中文资源天堂在线| 免费av观看视频| 黄色日韩在线| 3wmmmm亚洲av在线观看| 舔av片在线| 国产美女午夜福利| 国产色爽女视频免费观看| 一级黄色大片毛片| 91av网一区二区| 亚洲狠狠婷婷综合久久图片| 国产欧美日韩一区二区精品| 亚洲美女搞黄在线观看 | 亚洲avbb在线观看| 成人永久免费在线观看视频| 大型黄色视频在线免费观看| 国产高清视频在线观看网站| 亚洲精品久久国产高清桃花| 中出人妻视频一区二区| 国产亚洲精品综合一区在线观看| 三级国产精品欧美在线观看| 婷婷六月久久综合丁香| 99国产精品一区二区蜜桃av| 国产亚洲欧美98| 啦啦啦韩国在线观看视频| 夜夜看夜夜爽夜夜摸| 美女大奶头视频| 乱人视频在线观看| 午夜激情欧美在线| 欧美一级a爱片免费观看看| av天堂中文字幕网| 国产高清激情床上av| 男女之事视频高清在线观看| 能在线免费观看的黄片| 亚洲在线观看片| 国产视频一区二区在线看| 午夜a级毛片| 嫩草影院新地址| 欧美丝袜亚洲另类 | 国产男靠女视频免费网站| 成年女人永久免费观看视频| 国产淫片久久久久久久久| 搡老熟女国产l中国老女人| 91av网一区二区| 偷拍熟女少妇极品色| 国产日本99.免费观看| 国产精品电影一区二区三区| 一区二区三区激情视频| 99久久中文字幕三级久久日本| 99久久无色码亚洲精品果冻| 麻豆精品久久久久久蜜桃| 成人欧美大片| ponron亚洲| 久久人人爽人人爽人人片va| 最后的刺客免费高清国语| 久久精品国产亚洲av天美| 国产精品乱码一区二三区的特点| 亚洲真实伦在线观看| 日韩强制内射视频| 一进一出抽搐动态| 成人精品一区二区免费| 一区二区三区高清视频在线| 天堂√8在线中文| 少妇人妻精品综合一区二区 | 在线播放国产精品三级| 国产精品久久电影中文字幕| 日本在线视频免费播放| 又爽又黄a免费视频| 一卡2卡三卡四卡精品乱码亚洲| 女的被弄到高潮叫床怎么办 | 国产亚洲精品综合一区在线观看| 成人欧美大片| 日日摸夜夜添夜夜添av毛片 | av天堂在线播放| 男人舔奶头视频| 人人妻人人澡欧美一区二区| 国产 一区精品| 亚洲成人中文字幕在线播放| 男女做爰动态图高潮gif福利片| 97超视频在线观看视频| 亚洲自偷自拍三级| 在线观看美女被高潮喷水网站| 久久精品国产亚洲网站| 91在线观看av| 国产午夜精品久久久久久一区二区三区 | 午夜福利在线观看吧| 别揉我奶头 嗯啊视频| 黄色日韩在线| 国产精品国产三级国产av玫瑰| 午夜精品久久久久久毛片777| 日韩国内少妇激情av| 久久精品国产自在天天线| 69人妻影院| 中出人妻视频一区二区| 成年版毛片免费区| 久久精品国产亚洲av香蕉五月| 最后的刺客免费高清国语| 中文字幕人妻熟人妻熟丝袜美| 国产午夜福利久久久久久| 99热只有精品国产| 欧美色视频一区免费| 国产伦精品一区二区三区四那| 午夜免费成人在线视频| 嫩草影院新地址| 老司机午夜福利在线观看视频| 1000部很黄的大片| 日本与韩国留学比较| av视频在线观看入口| 亚洲美女搞黄在线观看 | 91狼人影院| 日本色播在线视频| 嫩草影院入口| 成人欧美大片| 人人妻人人澡欧美一区二区| av视频在线观看入口| 99久久成人亚洲精品观看| av.在线天堂| 亚洲内射少妇av| 少妇人妻精品综合一区二区 | 久久精品91蜜桃| 欧美精品国产亚洲| 国产亚洲欧美98| 白带黄色成豆腐渣| 精品一区二区免费观看| 给我免费播放毛片高清在线观看| 午夜精品一区二区三区免费看| 日韩人妻高清精品专区| 我要搜黄色片| 国产久久久一区二区三区| 亚洲人成网站在线播放欧美日韩| 亚洲av.av天堂| 亚洲人与动物交配视频| 日韩国内少妇激情av| 亚洲久久久久久中文字幕| 亚洲三级黄色毛片| 亚洲成人精品中文字幕电影| 日韩国内少妇激情av| 男女边吃奶边做爰视频| 精品日产1卡2卡| 又粗又爽又猛毛片免费看| 桃红色精品国产亚洲av| 在线a可以看的网站| 久久久久久大精品| 成人一区二区视频在线观看| 国产91精品成人一区二区三区| 成人亚洲精品av一区二区| 大型黄色视频在线免费观看| 1024手机看黄色片| 婷婷精品国产亚洲av| 天美传媒精品一区二区| 国产激情偷乱视频一区二区| 在线观看一区二区三区| 久久精品人妻少妇| 午夜免费激情av| 不卡视频在线观看欧美| 日日撸夜夜添| 欧美丝袜亚洲另类 | 久久精品久久久久久噜噜老黄 | 久久精品人妻少妇| 深爱激情五月婷婷| 久久天躁狠狠躁夜夜2o2o| 很黄的视频免费| 国产精品久久久久久亚洲av鲁大| 少妇猛男粗大的猛烈进出视频 | 亚洲电影在线观看av| 色吧在线观看| 精品午夜福利视频在线观看一区| 国产精品综合久久久久久久免费| 嫩草影院精品99| 精品久久久久久久久av| 又黄又爽又刺激的免费视频.| 久久这里只有精品中国| 日本在线视频免费播放| 亚洲综合色惰| 国产大屁股一区二区在线视频| 成人国产麻豆网| 色尼玛亚洲综合影院| 精品久久久久久久久亚洲 | 国产精品乱码一区二三区的特点| 中文字幕熟女人妻在线| a级一级毛片免费在线观看| 亚洲综合色惰| 欧美国产日韩亚洲一区| 少妇丰满av| 中出人妻视频一区二区| 国产精品,欧美在线| 日本a在线网址| 国产精品99久久久久久久久| 欧美一区二区国产精品久久精品| 精品一区二区三区av网在线观看| 热99在线观看视频| 桃色一区二区三区在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 久久精品影院6| 欧美最黄视频在线播放免费| 欧美精品国产亚洲| 国产av麻豆久久久久久久| 国产一区二区亚洲精品在线观看| 午夜免费男女啪啪视频观看 | 一区福利在线观看| 色视频www国产| 国产男靠女视频免费网站| 能在线免费观看的黄片| 免费观看在线日韩| 国产淫片久久久久久久久| 国产免费男女视频| 免费大片18禁| 91在线观看av| 淫秽高清视频在线观看| 91在线观看av| 免费看美女性在线毛片视频| 精品久久久久久久人妻蜜臀av| 国产一区二区激情短视频| 国产欧美日韩精品一区二区| 九色成人免费人妻av| 赤兔流量卡办理| 噜噜噜噜噜久久久久久91| 日日夜夜操网爽| 综合色av麻豆| 国产精品不卡视频一区二区| 国产精品女同一区二区软件 | 日本 av在线| 人妻久久中文字幕网| 成人三级黄色视频| 女的被弄到高潮叫床怎么办 | 婷婷丁香在线五月| 在线观看一区二区三区| 亚洲精品456在线播放app | 国产精品,欧美在线| 亚洲美女搞黄在线观看 | 一a级毛片在线观看| 欧美高清性xxxxhd video| 欧美日韩黄片免| 少妇猛男粗大的猛烈进出视频 | 国产精品99久久久久久久久| av在线天堂中文字幕| 内射极品少妇av片p| 欧美成人a在线观看| 精品不卡国产一区二区三区| 在线观看午夜福利视频| h日本视频在线播放| 最后的刺客免费高清国语| 九九在线视频观看精品| 中国美女看黄片| 国产女主播在线喷水免费视频网站 | 直男gayav资源| 我的女老师完整版在线观看| 免费在线观看日本一区| 乱人视频在线观看| 色综合色国产| 禁无遮挡网站| 精品人妻1区二区| 亚洲avbb在线观看| 88av欧美| 日韩欧美在线乱码| 亚洲av一区综合| 看免费成人av毛片| 少妇猛男粗大的猛烈进出视频 | 男女边吃奶边做爰视频| 特级一级黄色大片| 在线观看午夜福利视频| 国内少妇人妻偷人精品xxx网站| 日本撒尿小便嘘嘘汇集6| 午夜a级毛片| 欧美国产日韩亚洲一区| 99久久中文字幕三级久久日本| 高清在线国产一区| АⅤ资源中文在线天堂| 日日摸夜夜添夜夜添av毛片 | 成人高潮视频无遮挡免费网站| 成人无遮挡网站| 久久久久久九九精品二区国产| 91精品国产九色| 香蕉av资源在线| 麻豆一二三区av精品|