• <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 ?

    結(jié)合注意力機(jī)制的車型檢測(cè)算法

    2022-01-09 06:26:32謝斌紅趙金朋張英俊
    關(guān)鍵詞:池化注意力車型

    謝斌紅,趙金朋,張英俊

    (太原科技大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,山西 太原 030024)

    0 引 言

    隨著社會(huì)的發(fā)展,國(guó)內(nèi)的汽車數(shù)量不斷增加,種類也日益豐富,使用計(jì)算機(jī)技術(shù)對(duì)交通圖像中的車型進(jìn)行識(shí)別檢測(cè)已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域的一項(xiàng)重要應(yīng)用。在不同的場(chǎng)景中檢測(cè)不同的車型具有廣闊的應(yīng)用前景,例如:在無(wú)人駕駛領(lǐng)域,通過識(shí)別圖像中的車輛類型和位置,可以規(guī)避車輛的碰撞;在智能交通管理中,可以用于市區(qū)車輛的限行,也可以進(jìn)行更精準(zhǔn)的車流檢測(cè)等。

    近年來,由于深度卷積神經(jīng)網(wǎng)絡(luò)(DCNNs)的發(fā)展和計(jì)算機(jī)計(jì)算能力的提升,基于深度學(xué)習(xí)的車型檢測(cè)技術(shù)引起了人們的廣泛研究。Sengar[1]等人采用一種基于雙向光流塊的運(yùn)動(dòng)目標(biāo)檢測(cè)算法,該算法實(shí)驗(yàn)效果較好,但是需要對(duì)比前后兩幀圖像,需要輸入視頻,不適用于靜態(tài)檢測(cè)。孫皓澤等人[2]提出使用MobileNet網(wǎng)絡(luò)對(duì)裝甲車進(jìn)行檢測(cè)識(shí)別,該方法適用于計(jì)算資源受限場(chǎng)景,但在檢測(cè)精度上仍有待提高。為了能夠直接檢測(cè)圖像中的車輛類型,提高實(shí)時(shí)檢測(cè)準(zhǔn)確率,該文提出將深度學(xué)習(xí)的目標(biāo)檢測(cè)方法用于實(shí)時(shí)車型檢測(cè)任務(wù)中,解決實(shí)際場(chǎng)景應(yīng)用中車型的檢測(cè)精度和速度問題。

    目前,基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法主要分為兩類:基于候選區(qū)域的雙階段檢測(cè)器和基于回歸框的單階段檢測(cè)器。其中,雙階段檢測(cè)器的檢測(cè)過程分為兩個(gè)步驟,第一步從圖像中生成候選區(qū)域(可能存在目標(biāo)的區(qū)域),然后將候選區(qū)域作為輸入,輸入神經(jīng)網(wǎng)絡(luò)提取特征,進(jìn)行目標(biāo)的類別和回歸框位置的檢測(cè),典型的網(wǎng)絡(luò)有R-CNN[3]、Fast R-CNN[4]、Mask R-CNN[5]、PANet[6]、TridentNet[7]。而單階段檢測(cè)器省去了候選區(qū)域的生成過程,將目標(biāo)檢測(cè)任務(wù)視為回歸任務(wù),直接對(duì)輸入的圖像進(jìn)行回歸預(yù)測(cè)并輸出結(jié)果,典型的網(wǎng)絡(luò)有SSD[8]、YOLO[9-11]、ConerNet[12]、FSAF[13]、FCOS[14]。

    兩種方法相比較,雙階段檢測(cè)方法的精度略高于單階段檢測(cè)方法的精度,但是其在檢測(cè)速度方面表現(xiàn)不如單階段檢測(cè)方法,不足以滿足車型檢測(cè)的實(shí)時(shí)要求;而單階段檢測(cè)方法在檢測(cè)速度方面有著很好的表現(xiàn),故采用單階段的檢測(cè)方法進(jìn)行車型檢測(cè)。

    現(xiàn)在主流的基于單階段的車型檢測(cè)方法在檢測(cè)速度和精度方面都有著較好的表現(xiàn),但大多數(shù)方法是基于Anchor框的,需要人為預(yù)先設(shè)置Anchor的一些大小和比例等超參數(shù)。

    該方法存在以下不足:

    (1)算法對(duì)預(yù)先設(shè)定的圖像的大小、Anchor框的長(zhǎng)寬比和數(shù)量比較敏感;

    (2)由于與Anchor相關(guān)的超參數(shù)是預(yù)先設(shè)定的,使得算法無(wú)法自適應(yīng)檢測(cè)目標(biāo)的大小,且對(duì)變形較大的目標(biāo)檢測(cè)效果不太理想;

    (3)該類方法計(jì)算量和內(nèi)存開銷較大,因?yàn)樾枰驼鎸?shí)結(jié)果多次地計(jì)算IOU(intersection over union);

    (4)該方法會(huì)使得數(shù)據(jù)集的正負(fù)樣本不平衡,為了獲得較高的召回率,需要在特征圖上密集地部署Anchor,而其中大部分是負(fù)樣本,會(huì)加劇正負(fù)樣本的不平衡。

    針對(duì)上述不足,該文提出基于Anchor-Free的車型檢測(cè)方法。該方法減少了車型檢測(cè)模型的設(shè)計(jì)復(fù)雜度和超參數(shù)的設(shè)置難度,從而簡(jiǎn)化訓(xùn)練過程,提升模型檢測(cè)速度;取消了Anchor的設(shè)置,在減少計(jì)算量的同時(shí)可以更好地適應(yīng)不同尺寸的車輛特征。同時(shí),為了解決車型檢測(cè)過程中對(duì)車輛關(guān)鍵特征提取能力不足的問題,在CenterNet[15]的基礎(chǔ)上引入了混合注意力機(jī)制;此外為了更好地提取不同尺寸的車型特征,將不同尺度的特征圖進(jìn)行了融合。在增加了極少參數(shù)量的同時(shí)提升了檢測(cè)精度。

    1 相關(guān)工作

    1.1 注意力機(jī)制

    注意力機(jī)制(attention mechanism)源于人們對(duì)視覺的研究。人類視覺系統(tǒng)的一個(gè)重要特性是人們不會(huì)一次嘗試處理整個(gè)場(chǎng)景的信息,而是有選擇地聚焦于有重要特征信息的區(qū)域。Jaderberg等人[16]在Spatial Transformer Networks中提出了用于分類任務(wù)的空間注意力模塊,該模塊允許對(duì)特征數(shù)據(jù)進(jìn)行空間變換。Wang等[17]使用編碼器式注意模塊的殘差注意網(wǎng)絡(luò),通過細(xì)化特征圖,使得網(wǎng)絡(luò)在提升性能的同時(shí)增加了對(duì)噪聲的魯棒性。注意力機(jī)制已被廣泛地應(yīng)用于序列化標(biāo)注、圖像識(shí)別和目標(biāo)檢測(cè)等場(chǎng)景。使用注意力機(jī)制來提升卷積神經(jīng)網(wǎng)絡(luò)在大規(guī)模圖像分類、檢測(cè)任務(wù)中的效果,故該文使用注意力機(jī)制提升車型檢測(cè)效果。

    1.2 網(wǎng)絡(luò)結(jié)構(gòu)

    該方法是一種基于Anchor-Free的單階段目標(biāo)檢測(cè)算法,在速度和精度方面都有很好的表現(xiàn),并且在摒棄Anchor后,減少了人為設(shè)置超參的影響。本研究采用ResNet-34作為主干網(wǎng),其網(wǎng)絡(luò)結(jié)構(gòu)如表1所示,該網(wǎng)絡(luò)很好地解決了深度神經(jīng)網(wǎng)絡(luò)的退化問題。

    表1 主干網(wǎng)的結(jié)構(gòu)

    模型訓(xùn)練時(shí),首先使用ResNet-34進(jìn)行特征提取,然后對(duì)提取出來的特征經(jīng)過多層可變形卷積(deformable convolutional networks),將特征圖尺寸進(jìn)行四次下采樣,由512×512縮小到128×128,最后形成三個(gè)并行分支,分別預(yù)測(cè)車輛的類別損失Lk、邊框損失Lsize以及車輛中心偏移損失Loff。損失函數(shù)的計(jì)算公式如式(1)所示,其中λsize為0.1,λoff為1。

    Ldet=Lk+λsizeLsize+λoffLoff

    (1)

    Lk=

    (2)

    在分類損失中,α為2,β為4,N為關(guān)鍵點(diǎn)個(gè)數(shù),該超參的選擇依據(jù)Law[18]等人的實(shí)驗(yàn)。

    (3)

    (4)

    2 改進(jìn)網(wǎng)絡(luò)

    2.1 注意力模塊

    目前常見的注意力機(jī)制劃分方式有三種,按照關(guān)注區(qū)域可以分為軟注意力和硬注意力;按照輸入形式可以分為基于項(xiàng)的注意力和基于位置的注意力;如果按照注意力域(attention domain)分類,則包含三種注意力域:空間域(spatial domain)、通道域(channel domain)和混合域(mixed domain)。

    通道注意力的作用是通過對(duì)特征圖的各個(gè)通道之間的依賴性進(jìn)行建模以提高對(duì)于重要特征的表征能力。目前生成通道注意力的方式有以下幾種:平均池化、最大池化、結(jié)合平局池化和最大池化、方差池化。其生成過程類似,首先通過在各層特征圖上的池化獲得各個(gè)通道的全局信息,然后使用全連接層進(jìn)行特征提取,ReLU進(jìn)行非線性激活,最后使用Sigmoid進(jìn)行權(quán)重歸一化,通過該過程自適應(yīng)地對(duì)各通道特征的相關(guān)程度進(jìn)行建模,最后再將原特征通道的信息與自適應(yīng)學(xué)習(xí)建模后的權(quán)重進(jìn)行加權(quán)處理,實(shí)現(xiàn)特征響應(yīng)及特征重校準(zhǔn)的效果。

    使用注意力機(jī)制的網(wǎng)絡(luò)在前向傳播的過程中,重要的特征通道將會(huì)占有更大的比重,在最終所呈現(xiàn)的輸出圖像中也能更加明顯地表征車型檢測(cè)網(wǎng)絡(luò)所重點(diǎn)關(guān)注的部分,更加關(guān)注圖像的內(nèi)容特征,更好地分辨出車輛的類別。

    空間注意力需要為特征圖生成一個(gè)空間注意力圖,用于增強(qiáng)或抑制不同位置的特征。空間注意力的方式有兩種:最大池化和平均池化結(jié)合、標(biāo)準(zhǔn)卷積(1*1,S=1,不同卷積核大小)。通過空間注意力,能夠更好地展示網(wǎng)絡(luò)所要關(guān)注的重點(diǎn)位置,更加關(guān)注圖像的位置特征,更好地對(duì)車輛進(jìn)行定位。

    混合注意力,顧名思義就是將圖像的通道特征和空間特征引入到特征提取的過程。Convolutional Block Attention Module (CBAM)[19]就是使用了混合注意力機(jī)制,同時(shí)關(guān)注通道和空間的特征,以此來提高神經(jīng)網(wǎng)絡(luò)在類別以及位置的表征能力。

    本研究在ResNet[17]的殘差模塊中融入混合注意力機(jī)制,用于提升車型類別以及車輛位置的表征能力。圖1為引入注意力之后的殘差模塊結(jié)構(gòu)圖。從圖1可知,輸入圖像經(jīng)過卷積之后,首先將特征圖輸入到通道注意力模塊,經(jīng)過全局平均池化和全局最大池化操作后依次通過兩次全連接和Sigmoid;將通道注意力模塊輸出的特征圖輸入到空間注意力模塊中,經(jīng)過通道最大池化和通道平均池化后輸入到全連接和Sigmoid;最后再和殘差連接結(jié)合一并輸出。

    圖1 引入注意力的殘差模塊

    通道注意力輸入特征圖F∈Rc×h×w(c為通道數(shù),h、w為圖像的高寬),會(huì)生成一個(gè)一維的通道注意力圖Mc∈Rc×1×1。生成過程如圖2所示(圖中S代表Sigmoid)。具體注意力特征圖計(jì)算公式如式(5)所示。

    圖2 通道注意力結(jié)構(gòu)

    (5)

    其中,全局平均池化輸出為Avgout,全局最大池化輸出為Maxout,F(xiàn)c為全連接,ReLU為激活函數(shù)。

    空間注意力將通道注意力的輸出作為輸入,輸入到網(wǎng)絡(luò),運(yùn)算后生成一個(gè)二維的空間注意力圖Ms∈R1×h×w。具體注意力特征圖計(jì)算公式如式(6)所示,Avg為平均池化操作,Max為最大池化操作,Cat為張量拼接運(yùn)算。生成過程如圖3所示。

    圖3 空間注意力結(jié)構(gòu)

    F''=Ms(F')?F'

    Ms(F')=Sigmoid(conv(Cat(Avg(F')+

    Max(F'))))

    (6)

    2.2 特征融合

    在特征提取過程中,ResNet-34進(jìn)行了四次下采樣,將圖像原始尺寸進(jìn)行了四次縮放,因此,圖像中的一些小目標(biāo)在進(jìn)行特征提取時(shí),其分辨率逐漸下降,在網(wǎng)絡(luò)的末端小目標(biāo)的特征信息可能就會(huì)丟失,從而影響小目標(biāo)的檢測(cè)精度。所以為了提高車輛目標(biāo)檢測(cè)效果,更好地提取圖像中車型的細(xì)粒度特征,通過引入特征融合,將可以更好地保留上層的特征,減少特征信息的損失,從而提升識(shí)別精度,具體過程如下。

    首先,將殘差網(wǎng)絡(luò)中C3層的特征進(jìn)行下采樣操作,并通過1×1卷積改變通道數(shù),與C5層的特征進(jìn)行融合,然后將融合之后的特征一并進(jìn)行后續(xù)運(yùn)算。圖4為引入特征融合的整體網(wǎng)絡(luò)結(jié)構(gòu),加粗連接線為引入的特征融合。

    圖4 網(wǎng)絡(luò)結(jié)構(gòu)

    2.3 圖像增強(qiáng)

    數(shù)據(jù)增強(qiáng)也稱為數(shù)據(jù)增廣,目的是增加數(shù)據(jù)集的規(guī)模,更好地訓(xùn)練模型,讓模型有更好的檢測(cè)能力,防止模型過擬合。為了提升車型檢測(cè)模型的泛化能力,提升檢測(cè)性能,從而更好地進(jìn)行車型檢測(cè),該文首先對(duì)實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行了翻轉(zhuǎn)增強(qiáng),然后再使用增強(qiáng)后數(shù)據(jù)集進(jìn)行訓(xùn)練。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 數(shù)據(jù)集

    文中使用的數(shù)據(jù)集為KITTI車型數(shù)據(jù)集和BIT-Vehicle數(shù)據(jù)集。其中,KITTI數(shù)據(jù)集是由豐田美國(guó)技術(shù)研究院同德國(guó)卡爾斯魯厄理工學(xué)院聯(lián)合創(chuàng)建,該數(shù)據(jù)集是目前國(guó)際上最大的數(shù)據(jù)集,主要用于自動(dòng)駕駛場(chǎng)景下的計(jì)算機(jī)視覺算法評(píng)測(cè)。

    KITTI車型數(shù)據(jù)集一共有7 481張圖像,包含小汽車(Car)、廂式貨車(Van)、卡車(Truck)和電車(Tram)四種車型。實(shí)驗(yàn)中將數(shù)據(jù)集劃分為兩部分,其中5 000張作為訓(xùn)練集,2 481作為測(cè)試集,訓(xùn)練標(biāo)簽總共有17 637個(gè),測(cè)試標(biāo)簽有15 627個(gè),具體每類車型標(biāo)簽數(shù)如圖5所示。

    圖5 KITTI數(shù)據(jù)集

    另一個(gè)數(shù)據(jù)集是BIT-Vehicle車型數(shù)據(jù)集,它包含了公共汽車(Bus)、越野車(SUV)、轎車(Sedan)、小貨車(Minivan)、中巴(Microbus)和卡車(Truck)6種車型,共9 850張圖像。本次實(shí)驗(yàn)將數(shù)據(jù)集劃分為兩部分,6 000張用于訓(xùn)練,3 850張用于測(cè)試,詳細(xì)類別的標(biāo)簽數(shù)如圖6所示,該數(shù)據(jù)集中的圖像均采自于實(shí)際的交通高清攝像頭。

    圖6 BIT-Vehicle數(shù)據(jù)集

    實(shí)驗(yàn)中的數(shù)據(jù)集格式為COCO,所以需要對(duì)原始標(biāo)簽進(jìn)行數(shù)據(jù)格式的轉(zhuǎn)化。具體步驟如下:

    (1)將KITTI轉(zhuǎn)化為txt格式;

    (2)從txt中篩選車輛類別;

    (3)txt格式標(biāo)簽轉(zhuǎn)化為XML格式;

    (4)將XML格式標(biāo)簽轉(zhuǎn)化為Json格式用于訓(xùn)練和測(cè)試。

    3.2 評(píng)價(jià)指標(biāo)

    實(shí)驗(yàn)使用各車型類別AP的平均值(mean average precision,mAP)和每秒檢測(cè)幀數(shù)(frames per second,fps)作為評(píng)價(jià)指標(biāo)。mAP通過計(jì)算IOU=0.5時(shí)的精度precision和召回率recall得到每類車型的PR(precision-recall)曲線,然后計(jì)算PR曲線與其下的面積得到該類別的平均精度AP,最后,計(jì)算所有類別AP的平均值得到mAP。而fps則是首先通過計(jì)算出檢測(cè)一張圖片所消耗的時(shí)間,然后計(jì)算每秒可以檢測(cè)多少?gòu)垐D計(jì)算而來。

    3.3 實(shí)驗(yàn)設(shè)置

    本研究中使用的實(shí)驗(yàn)配置如下:CPU:Inteli7 8700K;RAM:16 G;GPU加速庫(kù):CUDA 10.0,CUDNN 7.5.0;GPU:Nvidia GTX1080Ti;實(shí)驗(yàn)平臺(tái)的操作系統(tǒng)為Ubuntu16.04,實(shí)驗(yàn)程序開發(fā)使用了基于Python機(jī)器學(xué)習(xí)庫(kù)的Pytorch框架。

    網(wǎng)絡(luò)訓(xùn)練過程中,首先在ImageNet數(shù)據(jù)集上進(jìn)行預(yù)訓(xùn)練,然后在車型數(shù)據(jù)集上進(jìn)行微調(diào)。訓(xùn)練參數(shù)設(shè)置如下:batch_size為32,epoch為120,初始學(xué)習(xí)率0.000 125,并在第75個(gè)和100個(gè)epoch時(shí)分別下調(diào)學(xué)習(xí)率,每次下調(diào)為原來的1/10。

    3.4 實(shí)驗(yàn)結(jié)果及分析

    為驗(yàn)證文中方法的有效性,與現(xiàn)有的方法進(jìn)行對(duì)比,在BIT-Vehicle數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果如圖7所示。

    由圖7可知,文中方法與Yolov3相比,在Truck、SUV、Microbus三種車型數(shù)據(jù)集上識(shí)別精度有比較明顯的提升,同時(shí)速度也由35 fps提升至43 fps,能夠更好地應(yīng)用于實(shí)時(shí)車型檢測(cè)。

    圖7 BIT-Vehicle數(shù)據(jù)集實(shí)驗(yàn)結(jié)果

    文中方法與其他方法在KITTI數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果如表2所示。分析表中數(shù)據(jù)可知,文中方法與原CenterNet[15]方法相比mAP提升了2.3%,而檢測(cè)速度基本不受影響。這就說明混合注意力的引入能夠很好地提升車型檢測(cè)的精度;并且與現(xiàn)在主流的方法相比,能夠在速度與精度之間達(dá)到了一個(gè)很好的平衡。和DF-YOLOv3[22]相比,雖然速度慢了2 fps,但精度提升接近1%。

    表2 KITTI數(shù)據(jù)集實(shí)驗(yàn)結(jié)果

    通過對(duì)上述實(shí)驗(yàn)結(jié)果的分析,證明了通過融入注意力模塊,對(duì)車輛的空間信息以及通道信息進(jìn)行權(quán)重劃分,同時(shí)進(jìn)一步融合了不同尺度的車型特征,雖然增加了模型參數(shù),但檢測(cè)速度不受較大影響,同時(shí)提升了車輛檢測(cè)的精度,從而驗(yàn)證了文中方法的有效性。

    此外,為了更好地分析文中方法,對(duì)車型中心點(diǎn)檢測(cè)結(jié)果進(jìn)行可視化展示。圖8為該方法在BIT-Vehicle數(shù)據(jù)集上的檢測(cè)結(jié)果,其中第一行為原始輸入圖像,第二行為預(yù)測(cè)的關(guān)鍵點(diǎn)效果圖,最后一行為檢測(cè)結(jié)果圖。從圖中可以看出該方法能夠很好地預(yù)測(cè)車輛的中心位置。此外,通過觀察檢測(cè)結(jié)果發(fā)現(xiàn),在光照充足的情況下,圖像中會(huì)有車的陰影,這會(huì)一定程度上影響檢測(cè)效果。

    圖8 檢測(cè)結(jié)果

    4 結(jié)束語(yǔ)

    針對(duì)當(dāng)前車型檢測(cè)方法存在精度、速度較低和數(shù)據(jù)集少的問題,首先使用圖像增強(qiáng)對(duì)車型數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng),為車型檢測(cè)模型提供了規(guī)模更大的數(shù)據(jù)集。同時(shí)為了適應(yīng)不同尺寸的車型以及多目標(biāo)檢測(cè)等情況,通過使用混合注意力模塊和特征融合對(duì)Centernet[15]進(jìn)行改進(jìn),最終得到混合注意力卷積神經(jīng)網(wǎng)絡(luò),提高了車型檢測(cè)精度。在KITTI數(shù)據(jù)集和BIT-Vehicle數(shù)據(jù)集上分別進(jìn)行實(shí)驗(yàn),其在測(cè)試集上的平均檢測(cè)精度分別達(dá)到了94.6%、95.5%,與現(xiàn)有的一些車型檢測(cè)算法對(duì)比結(jié)果顯示,該方法更適用于車型檢測(cè)任務(wù),能夠直接對(duì)圖像進(jìn)行車型檢測(cè),并且能夠在速度和精確率上實(shí)現(xiàn)了一個(gè)很好的平衡。

    在未來工作中,將探索更優(yōu)的注意力模塊,同時(shí)使用更好的圖像處理方法,來適應(yīng)復(fù)雜的應(yīng)用環(huán)境,促進(jìn)深度學(xué)習(xí)在車型檢測(cè)、自動(dòng)駕駛等任務(wù)上的應(yīng)用。

    猜你喜歡
    池化注意力車型
    基于緊湊型雙線性網(wǎng)絡(luò)的野生茵識(shí)別方法研究
    基于Sobel算子的池化算法設(shè)計(jì)
    讓注意力“飛”回來
    2022全球期待車型 TOP10
    車迷(2022年1期)2022-03-29 00:50:20
    卷積神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)加權(quán)池化
    一種高速自由流車型識(shí)別系統(tǒng)
    基于卷積神經(jīng)網(wǎng)絡(luò)和池化算法的表情識(shí)別研究
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    A Beautiful Way Of Looking At Things
    車型 (五)
    亚洲av男天堂| 夫妻性生交免费视频一级片| 亚洲精品aⅴ在线观看| 亚洲av成人精品一二三区| 久久人人爽人人爽人人片va| 人妻人人澡人人爽人人| 在线亚洲精品国产二区图片欧美| 五月开心婷婷网| 午夜日本视频在线| 成人影院久久| 国产精品熟女久久久久浪| 新久久久久国产一级毛片| 黄色一级大片看看| 国产一区二区三区av在线| 91久久精品国产一区二区三区| 国语对白做爰xxxⅹ性视频网站| 纯流量卡能插随身wifi吗| 国产成人午夜福利电影在线观看| 日韩熟女老妇一区二区性免费视频| 国产黄色免费在线视频| 两个人看的免费小视频| 天堂俺去俺来也www色官网| 一区二区日韩欧美中文字幕 | 日本午夜av视频| 国产视频首页在线观看| 99热6这里只有精品| 男女午夜视频在线观看 | 欧美国产精品va在线观看不卡| 99久久人妻综合| 久久久久国产网址| 国产麻豆69| 一区二区三区四区激情视频| 自线自在国产av| 亚洲国产日韩一区二区| 人人妻人人澡人人看| 久久青草综合色| 亚洲成人一二三区av| 18禁国产床啪视频网站| 大香蕉久久成人网| 最近中文字幕高清免费大全6| 黄网站色视频无遮挡免费观看| 久热这里只有精品99| 亚洲av日韩在线播放| 18禁裸乳无遮挡动漫免费视频| 亚洲精品国产av成人精品| 久久精品国产鲁丝片午夜精品| 性高湖久久久久久久久免费观看| 极品人妻少妇av视频| 国产免费一区二区三区四区乱码| 国产亚洲精品第一综合不卡 | 精品一区二区三区视频在线| 又黄又爽又刺激的免费视频.| 99精国产麻豆久久婷婷| 各种免费的搞黄视频| 日韩欧美精品免费久久| 亚洲国产毛片av蜜桃av| 中文字幕另类日韩欧美亚洲嫩草| 国产精品人妻久久久影院| 又黄又粗又硬又大视频| 亚洲三级黄色毛片| 香蕉丝袜av| 最新的欧美精品一区二区| 精品久久国产蜜桃| 麻豆乱淫一区二区| a级片在线免费高清观看视频| 欧美xxⅹ黑人| 少妇的逼好多水| 精品国产国语对白av| 黑人巨大精品欧美一区二区蜜桃 | 大香蕉97超碰在线| 精品人妻在线不人妻| 久久久久久久久久久久大奶| 久久人人爽av亚洲精品天堂| 欧美成人精品欧美一级黄| 亚洲精品美女久久久久99蜜臀 | 乱人伦中国视频| 波野结衣二区三区在线| 亚洲av福利一区| 丝袜脚勾引网站| 秋霞伦理黄片| 如日韩欧美国产精品一区二区三区| 看免费av毛片| 97在线人人人人妻| 伊人亚洲综合成人网| 欧美另类一区| 激情视频va一区二区三区| 国产毛片在线视频| 欧美精品一区二区免费开放| 久久韩国三级中文字幕| 久久久久久久亚洲中文字幕| 亚洲一区二区三区欧美精品| 天美传媒精品一区二区| 亚洲少妇的诱惑av| 中文字幕人妻丝袜制服| 少妇的逼好多水| 99热6这里只有精品| 伦精品一区二区三区| 亚洲天堂av无毛| av在线播放精品| 亚洲图色成人| 纵有疾风起免费观看全集完整版| 成人18禁高潮啪啪吃奶动态图| 激情视频va一区二区三区| 欧美日本中文国产一区发布| 一级毛片 在线播放| 高清欧美精品videossex| 免费少妇av软件| 91午夜精品亚洲一区二区三区| 亚洲欧洲精品一区二区精品久久久 | 全区人妻精品视频| 黑人猛操日本美女一级片| 在线观看www视频免费| 十八禁网站网址无遮挡| 18禁裸乳无遮挡动漫免费视频| 曰老女人黄片| 日韩成人伦理影院| 久久这里只有精品19| 性色avwww在线观看| 国产精品久久久av美女十八| 国产永久视频网站| 亚洲 欧美一区二区三区| 内地一区二区视频在线| 满18在线观看网站| 精品第一国产精品| 26uuu在线亚洲综合色| 久久精品久久久久久噜噜老黄| 男女边吃奶边做爰视频| 国产一级毛片在线| 黑丝袜美女国产一区| 国产欧美另类精品又又久久亚洲欧美| 建设人人有责人人尽责人人享有的| 亚洲国产日韩一区二区| 少妇人妻久久综合中文| 亚洲欧美一区二区三区国产| 免费大片黄手机在线观看| 日本wwww免费看| 欧美人与性动交α欧美软件 | 校园人妻丝袜中文字幕| 国产亚洲av片在线观看秒播厂| 亚洲欧美精品自产自拍| 久久综合国产亚洲精品| 涩涩av久久男人的天堂| 丝袜人妻中文字幕| 9191精品国产免费久久| 少妇的逼水好多| 国产一区二区三区av在线| 热re99久久国产66热| 巨乳人妻的诱惑在线观看| 亚洲精品自拍成人| 日韩欧美精品免费久久| 国产伦理片在线播放av一区| 免费不卡的大黄色大毛片视频在线观看| a级毛片黄视频| 97超碰精品成人国产| 制服诱惑二区| 美女内射精品一级片tv| 一区二区日韩欧美中文字幕 | 一级黄片播放器| 久久久久久久久久成人| 国产欧美另类精品又又久久亚洲欧美| 99热全是精品| 国产av精品麻豆| 一边亲一边摸免费视频| 久久精品国产亚洲av天美| 国产免费福利视频在线观看| 最近中文字幕高清免费大全6| 精品亚洲成国产av| 亚洲精品,欧美精品| 在线观看免费高清a一片| 国产精品麻豆人妻色哟哟久久| 一级片免费观看大全| av国产精品久久久久影院| videos熟女内射| 国产永久视频网站| 午夜老司机福利剧场| 久久精品aⅴ一区二区三区四区 | 免费久久久久久久精品成人欧美视频 | 两个人免费观看高清视频| 国产精品一国产av| 成年人午夜在线观看视频| 亚洲,欧美精品.| 亚洲欧美成人综合另类久久久| 2021少妇久久久久久久久久久| 亚洲国产看品久久| 人人妻人人澡人人看| 国产精品久久久久久精品电影小说| 99re6热这里在线精品视频| 日韩制服骚丝袜av| 三级国产精品片| 国产免费现黄频在线看| 国产亚洲午夜精品一区二区久久| 久久久久久久国产电影| 免费高清在线观看视频在线观看| 99九九在线精品视频| 国产免费又黄又爽又色| 国产一区二区三区av在线| 美国免费a级毛片| 久久亚洲国产成人精品v| 草草在线视频免费看| 最近2019中文字幕mv第一页| 免费观看av网站的网址| 亚洲,一卡二卡三卡| 久久久a久久爽久久v久久| 2022亚洲国产成人精品| 久久久久网色| 亚洲在久久综合| 国产精品国产三级国产av玫瑰| 韩国高清视频一区二区三区| 精品福利永久在线观看| 王馨瑶露胸无遮挡在线观看| 97超碰精品成人国产| 亚洲av.av天堂| 国产黄色视频一区二区在线观看| 人体艺术视频欧美日本| 国产视频首页在线观看| 男人添女人高潮全过程视频| 草草在线视频免费看| 97精品久久久久久久久久精品| 亚洲经典国产精华液单| 欧美性感艳星| 一级爰片在线观看| 成人手机av| 春色校园在线视频观看| 国产白丝娇喘喷水9色精品| 国产精品免费大片| 国产日韩欧美亚洲二区| 免费播放大片免费观看视频在线观看| 热re99久久精品国产66热6| 在线天堂最新版资源| 在线观看美女被高潮喷水网站| 免费少妇av软件| 99香蕉大伊视频| 久久久久网色| 日本免费在线观看一区| 卡戴珊不雅视频在线播放| 赤兔流量卡办理| 久久这里只有精品19| 青春草国产在线视频| 美女脱内裤让男人舔精品视频| 国产精品女同一区二区软件| 夜夜爽夜夜爽视频| 亚洲国产av新网站| 亚洲人与动物交配视频| 午夜福利网站1000一区二区三区| 婷婷色综合www| 欧美激情国产日韩精品一区| 免费av中文字幕在线| 亚洲伊人色综图| 国产极品天堂在线| 国产精品久久久久久精品电影小说| 久久精品人人爽人人爽视色| 久久人人爽av亚洲精品天堂| 蜜桃在线观看..| 大码成人一级视频| 高清在线视频一区二区三区| 成人国产麻豆网| 少妇人妻精品综合一区二区| av网站免费在线观看视频| 91精品国产国语对白视频| 亚洲精华国产精华液的使用体验| 精品一区二区三区四区五区乱码 | 日韩人妻精品一区2区三区| 国产1区2区3区精品| 赤兔流量卡办理| 亚洲精品乱久久久久久| 亚洲图色成人| 日韩不卡一区二区三区视频在线| 国产69精品久久久久777片| 亚洲av电影在线进入| av一本久久久久| 纯流量卡能插随身wifi吗| 免费观看av网站的网址| 亚洲综合色惰| 免费观看在线日韩| 免费在线观看黄色视频的| 黄色怎么调成土黄色| 欧美变态另类bdsm刘玥| 在线看a的网站| 国产精品人妻久久久影院| 亚洲五月色婷婷综合| 欧美激情极品国产一区二区三区 | 国产成人aa在线观看| 女性生殖器流出的白浆| 日韩三级伦理在线观看| 亚洲精品国产av成人精品| 一个人免费看片子| 老司机影院毛片| 亚洲av男天堂| av电影中文网址| 精品视频人人做人人爽| 汤姆久久久久久久影院中文字幕| 久久热在线av| 国产欧美日韩一区二区三区在线| 国产有黄有色有爽视频| 精品久久国产蜜桃| 欧美成人精品欧美一级黄| 亚洲人成77777在线视频| 国产国语露脸激情在线看| 国精品久久久久久国模美| 日韩制服丝袜自拍偷拍| 制服丝袜香蕉在线| 黄片播放在线免费| 国产在线一区二区三区精| 国产黄色免费在线视频| av卡一久久| 18+在线观看网站| 极品人妻少妇av视频| 少妇熟女欧美另类| 色网站视频免费| 国产片内射在线| a级毛色黄片| 亚洲国产看品久久| 国产av码专区亚洲av| 两性夫妻黄色片 | 国产爽快片一区二区三区| 黑丝袜美女国产一区| 97在线视频观看| 18禁动态无遮挡网站| 国产精品久久久久久久电影| 国国产精品蜜臀av免费| 日韩 亚洲 欧美在线| 女人久久www免费人成看片| 国产一区亚洲一区在线观看| 国产日韩欧美视频二区| 日韩熟女老妇一区二区性免费视频| 777米奇影视久久| 国产亚洲精品久久久com| 秋霞伦理黄片| 搡女人真爽免费视频火全软件| 国产精品久久久久久av不卡| 免费人成在线观看视频色| 美女主播在线视频| 久久精品国产综合久久久 | av天堂久久9| 老女人水多毛片| 亚洲激情五月婷婷啪啪| 爱豆传媒免费全集在线观看| 在线观看www视频免费| 国产熟女欧美一区二区| 欧美国产精品一级二级三级| 国产爽快片一区二区三区| 蜜桃在线观看..| 伊人亚洲综合成人网| xxxhd国产人妻xxx| 狠狠精品人妻久久久久久综合| 波野结衣二区三区在线| 亚洲精品乱久久久久久| 成年人午夜在线观看视频| 夜夜爽夜夜爽视频| 国产成人精品无人区| 国产精品女同一区二区软件| 国产深夜福利视频在线观看| 女性生殖器流出的白浆| 一级片'在线观看视频| 亚洲五月色婷婷综合| 国产成人精品在线电影| 午夜久久久在线观看| 亚洲人与动物交配视频| 波野结衣二区三区在线| 国产精品欧美亚洲77777| 国产精品久久久久久久久免| 日韩一本色道免费dvd| 美女内射精品一级片tv| 免费看光身美女| 69精品国产乱码久久久| 在线 av 中文字幕| 欧美+日韩+精品| 日韩三级伦理在线观看| 欧美成人精品欧美一级黄| 久久免费观看电影| 国语对白做爰xxxⅹ性视频网站| 亚洲精品一二三| 看非洲黑人一级黄片| 观看美女的网站| 涩涩av久久男人的天堂| 91国产中文字幕| 女性被躁到高潮视频| kizo精华| 一级毛片 在线播放| 成年av动漫网址| 亚洲精品日韩在线中文字幕| 亚洲 欧美一区二区三区| 伊人久久国产一区二区| 成人国产麻豆网| 国产 精品1| 国产欧美亚洲国产| 少妇的逼好多水| 一个人免费看片子| 亚洲美女黄色视频免费看| 久久国产亚洲av麻豆专区| 国产精品国产av在线观看| 日本wwww免费看| 日韩 亚洲 欧美在线| 国产精品人妻久久久久久| 有码 亚洲区| 91成人精品电影| 免费人妻精品一区二区三区视频| 最近手机中文字幕大全| 午夜影院在线不卡| 欧美人与性动交α欧美精品济南到 | 亚洲欧美成人精品一区二区| 久久这里只有精品19| 成人二区视频| 亚洲一区二区三区欧美精品| 欧美日韩国产mv在线观看视频| 欧美+日韩+精品| 欧美国产精品一级二级三级| 乱人伦中国视频| 国产精品成人在线| 王馨瑶露胸无遮挡在线观看| 免费大片黄手机在线观看| 九色成人免费人妻av| 国产无遮挡羞羞视频在线观看| 久久99一区二区三区| 精品卡一卡二卡四卡免费| a级片在线免费高清观看视频| 日韩大片免费观看网站| 纯流量卡能插随身wifi吗| a级毛片在线看网站| 热99国产精品久久久久久7| 久久久久国产网址| 91久久精品国产一区二区三区| 亚洲少妇的诱惑av| 久久精品久久精品一区二区三区| 18禁动态无遮挡网站| 99视频精品全部免费 在线| 成人18禁高潮啪啪吃奶动态图| 亚洲少妇的诱惑av| av播播在线观看一区| 在线 av 中文字幕| 性高湖久久久久久久久免费观看| 搡老乐熟女国产| 丁香六月天网| 日本色播在线视频| 99久久精品国产国产毛片| 亚洲在久久综合| 久久综合国产亚洲精品| 色5月婷婷丁香| 国产视频首页在线观看| 男女午夜视频在线观看 | 欧美精品亚洲一区二区| 成年人免费黄色播放视频| 男女高潮啪啪啪动态图| 一级爰片在线观看| 国产麻豆69| 欧美 日韩 精品 国产| 最近最新中文字幕大全免费视频 | 国产精品一区www在线观看| www.av在线官网国产| 色哟哟·www| 久久久a久久爽久久v久久| 国产成人免费观看mmmm| 激情视频va一区二区三区| 成人毛片60女人毛片免费| 中文字幕av电影在线播放| 国产av一区二区精品久久| 久久久久精品久久久久真实原创| 水蜜桃什么品种好| 免费观看av网站的网址| 看免费av毛片| 久久久欧美国产精品| 我的女老师完整版在线观看| 女的被弄到高潮叫床怎么办| 1024视频免费在线观看| 2021少妇久久久久久久久久久| 精品酒店卫生间| 青春草亚洲视频在线观看| 欧美精品高潮呻吟av久久| 只有这里有精品99| 校园人妻丝袜中文字幕| 好男人视频免费观看在线| 老熟女久久久| 1024视频免费在线观看| 男人爽女人下面视频在线观看| 熟女电影av网| 丰满少妇做爰视频| 久久久久精品人妻al黑| 男女边吃奶边做爰视频| 久久精品国产a三级三级三级| 国产精品偷伦视频观看了| a级毛片黄视频| 亚洲精品aⅴ在线观看| 亚洲精品国产av成人精品| 精品国产一区二区三区久久久樱花| 精品午夜福利在线看| 国产成人aa在线观看| 999精品在线视频| 黄片无遮挡物在线观看| 国产精品久久久久久久久免| 成人国产麻豆网| 日本91视频免费播放| 一级片'在线观看视频| 精品一品国产午夜福利视频| 欧美国产精品一级二级三级| 国产成人午夜福利电影在线观看| 国产亚洲最大av| 免费在线观看完整版高清| 久久热在线av| 亚洲成av片中文字幕在线观看 | 波多野结衣一区麻豆| 999精品在线视频| 久久精品久久久久久噜噜老黄| 久久久久久久国产电影| 搡女人真爽免费视频火全软件| 丁香六月天网| 亚洲内射少妇av| 一区二区日韩欧美中文字幕 | 久久久a久久爽久久v久久| 欧美精品国产亚洲| 18+在线观看网站| 天美传媒精品一区二区| 亚洲国产日韩一区二区| 性色avwww在线观看| 永久免费av网站大全| a 毛片基地| 国产极品天堂在线| 免费看av在线观看网站| 26uuu在线亚洲综合色| 久久精品国产亚洲av天美| 亚洲精品色激情综合| 日韩视频在线欧美| 国产亚洲欧美精品永久| 赤兔流量卡办理| 视频中文字幕在线观看| 岛国毛片在线播放| 最后的刺客免费高清国语| 香蕉丝袜av| 黄色视频在线播放观看不卡| 婷婷色麻豆天堂久久| 欧美3d第一页| 如日韩欧美国产精品一区二区三区| 自线自在国产av| 在线观看三级黄色| 少妇被粗大的猛进出69影院 | 女人被躁到高潮嗷嗷叫费观| 精品国产一区二区久久| 纯流量卡能插随身wifi吗| 精品久久久久久电影网| 国产免费又黄又爽又色| 九色成人免费人妻av| 午夜福利,免费看| 一二三四中文在线观看免费高清| 亚洲经典国产精华液单| 中文字幕精品免费在线观看视频 | 国产精品久久久久久精品电影小说| 2022亚洲国产成人精品| 欧美 日韩 精品 国产| 亚洲综合色惰| 青春草视频在线免费观看| 丰满乱子伦码专区| 深夜精品福利| 中文字幕av电影在线播放| 九九在线视频观看精品| 在现免费观看毛片| 国产极品天堂在线| 欧美 日韩 精品 国产| 精品一区二区免费观看| 国产淫语在线视频| 国产片内射在线| www.av在线官网国产| 国产亚洲精品久久久com| 欧美精品人与动牲交sv欧美| 欧美日韩av久久| 中文欧美无线码| 久久精品国产亚洲av天美| 午夜激情久久久久久久| 久热这里只有精品99| 日本av手机在线免费观看| 亚洲精华国产精华液的使用体验| 久久午夜综合久久蜜桃| 色5月婷婷丁香| 人人妻人人添人人爽欧美一区卜| 人妻一区二区av| 国产1区2区3区精品| 大陆偷拍与自拍| 在线 av 中文字幕| 黄片无遮挡物在线观看| 亚洲av在线观看美女高潮| 久久久久精品久久久久真实原创| 久久久久久人妻| 成人国语在线视频| 成人综合一区亚洲| 国产精品国产三级国产av玫瑰| av黄色大香蕉| 777米奇影视久久| 国产又色又爽无遮挡免| 国产亚洲午夜精品一区二区久久| kizo精华| 国产免费视频播放在线视频| 大香蕉久久网| 欧美变态另类bdsm刘玥| 在线观看国产h片| 99精国产麻豆久久婷婷| 亚洲五月色婷婷综合| 少妇人妻 视频| 亚洲欧美日韩另类电影网站| av线在线观看网站| 亚洲综合色惰| 男人添女人高潮全过程视频| 日韩成人av中文字幕在线观看| 免费看光身美女| 一级毛片我不卡| 交换朋友夫妻互换小说| 国产亚洲一区二区精品| 免费观看a级毛片全部| av在线老鸭窝| 免费久久久久久久精品成人欧美视频 | 一区二区三区四区激情视频| 免费看光身美女| 男男h啪啪无遮挡| 制服丝袜香蕉在线| 亚洲成人一二三区av| 草草在线视频免费看| 人妻 亚洲 视频| 亚洲欧美日韩卡通动漫|