• <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 ?

    基于改進(jìn)YOLO的邊緣設(shè)備實(shí)時目標(biāo)檢測算法研究

    2022-06-16 08:12:18劉洪濤孫杰王成松許健宇孫一博靳方明張璐璐薄志忠王忻
    關(guān)鍵詞:特征提取尺度特征

    劉洪濤,孫杰,王成松,許健宇,孫一博,靳方明,張璐璐,薄志忠,王忻

    基于改進(jìn)YOLO的邊緣設(shè)備實(shí)時目標(biāo)檢測算法研究

    劉洪濤,孫杰,王成松,許健宇,孫一博,靳方明,張璐璐,薄志忠,王忻

    (國網(wǎng)黑龍江省電力有限公司 齊齊哈爾供電公司,黑龍江 齊齊哈爾 161006)

    :針對邊緣設(shè)備上目標(biāo)檢測模型檢測精確度低、檢測識別效率慢的問題,提出了一種改進(jìn)YOLO的邊緣設(shè)備實(shí)時目標(biāo)檢測算法。算法設(shè)計(jì)了多尺度特征融合模塊,此模塊利用現(xiàn)有方法中各種特征尺度之間缺失路徑的組合進(jìn)行連接來提高檢測精確度。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)目標(biāo)檢測部署模型相比,改進(jìn)YOLO算法在邊緣設(shè)備上識別速度更快檢測精確度更高,為目標(biāo)檢測模型向輕量化平臺的移植提供了可能。

    邊緣設(shè)備;多尺度特征融合;YOLO

    目標(biāo)檢測能夠?qū)D像或視頻中的各種目標(biāo)進(jìn)行定位和分類,并在多個領(lǐng)域有著廣泛的應(yīng)用,如無人駕駛汽車、醫(yī)學(xué)成像、運(yùn)動分析等。其中許多應(yīng)用場景需要高度精確地實(shí)時反饋。由于采用了深度學(xué)習(xí)算法,目標(biāo)檢測在精確度和效率方面都取得了重大進(jìn)步。但將目標(biāo)檢測模型移植到邊緣設(shè)備時,由于邊緣設(shè)備的計(jì)算能力弱,故目標(biāo)檢測模型的執(zhí)行速度會急劇下降。

    目前實(shí)現(xiàn)輕量級目標(biāo)檢測模型主要通過減少模型尺寸和計(jì)算量,但這些方法并不能直接轉(zhuǎn)化為更快的模型在邊緣設(shè)備上應(yīng)用。多尺度特征融合是解決目標(biāo)尺度變化問題的核心。隨著特征融合模塊的日益復(fù)雜,效率和準(zhǔn)確度之間的權(quán)衡已經(jīng)飽和,因此需要新的特征融合方法[1]來提高準(zhǔn)確度與效率。但大多數(shù)方法都側(cè)重于自上而下或自下而上的特征提取的隨機(jī)組合,忽略了非相鄰特征尺度之間的特征融合,這些融合可以顯著改善提取的特征細(xì)節(jié)。此外,現(xiàn)有的特征融合方法受到輸出尺度數(shù)量的限制,因此會遺失底層特征。

    為進(jìn)一步提高目標(biāo)檢測模型的精確度,構(gòu)建適合邊緣設(shè)備移植的網(wǎng)絡(luò)模型,本文提出了改進(jìn)YOLO的目標(biāo)檢測算法,設(shè)計(jì)了一個原始特征收集和重新分配模塊,能夠有效地結(jié)合多尺度特征提高模型準(zhǔn)確度,最終將目標(biāo)檢測模型移植到邊緣設(shè)備上時,檢測的準(zhǔn)確度得到有效提升。

    1 YOLO算法

    YOLO是基于深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)識別和檢測算法,能夠在圖像與視頻中同時檢測和分類對象。本文以YOLOv4-Tiny為例,原始的YOLOv4-Tiny主干特征提取網(wǎng)絡(luò)如圖1所示。

    圖1 YOLOv4-Tiny主干特征提取網(wǎng)絡(luò)

    在YOLOv4-Tiny中,使用了CSPdarknet53-Tiny作為主特征提取網(wǎng)絡(luò)[2],和CSPdarknet53相比,為了使檢測速度更快將激活函數(shù)改為Leaky ReLU,其與ReLU的不同之處是其負(fù)半軸乘以了很小的系數(shù),使得輸入信息小于0時,信息并沒有完全丟失,Leaky ReLU的表達(dá)公式如下:

    式(1)中,表示前一層匯總的信號;通常取值為0.001;()激活后信號并傳遞給下一層神經(jīng)元。

    損失函數(shù)是用來評價模型預(yù)測值和真實(shí)值之間的符合程度,在YOLOv4-Tiny網(wǎng)絡(luò)中,使用CIOU損失函數(shù),它將目標(biāo)與錨框之間重疊率、尺度、距離以及懲罰性都考慮了進(jìn)去,使得目標(biāo)框的回歸更加穩(wěn)定。CIOU損失函數(shù)計(jì)算公式如下:

    式(2)~(5)中,2(,b)分別代表了預(yù)測框和真實(shí)框的中心點(diǎn)的歐式距離;代表的是包含預(yù)測框和真實(shí)框的最小閉包區(qū)域的對角線距離;是長寬比的相似性;是權(quán)重參數(shù);是交并比。

    2 基于改進(jìn)YOLO的目標(biāo)檢測算法設(shè)計(jì)

    本文基于CSPdarknet53-Tiny網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ),使用原始特征收集和重新分配模塊來提高部署在邊緣設(shè)備目標(biāo)檢測模型的準(zhǔn)確度。目前多尺度特征融合方法都停留在自上而下和自下而上的方法,此類方法只關(guān)注相鄰的特征尺度,因此非相鄰的特征尺度間的組合會被忽視,導(dǎo)致特征信息在遠(yuǎn)距離的特征尺度之間的傳播效率低。如果將非相鄰的特征尺度間進(jìn)行特征融合,再重新分配回對應(yīng)的特征尺度中,目標(biāo)檢測模型的精確度將會獲得較大提升。其中每個比例的特征尺度都包含其他比例尺度的直接連接,這樣不會增加模型的計(jì)算量就能達(dá)到多不同特征尺度之間建立聯(lián)系,其網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

    圖2 改進(jìn)后的YOLOv4-Tiny主干特征提取網(wǎng)絡(luò)

    因?yàn)樵继卣魇占椭匦路峙淠K輸入與輸出特征尺度沒有制約,所以原來YOLOv4-Tiny雖然只有兩個特征輸出尺度,但是在最后特征尺度加權(quán)和階段可以額外增加兩條特征輸出尺度,從而利用感受野較小的低級特征來提高模型性能,達(dá)到提高模型精確度的目的。原始特征收集和重新分配模塊為了減少不必要的計(jì)算,在傳遞過程中通過1*1的卷積來保證不會產(chǎn)生額外計(jì)算,并在最后通過加權(quán)和將傳遞的特征融合在一起,然后使用5*5內(nèi)核的MBConv模塊繼續(xù)傳遞融合后的特征圖,最后重新分配到不同的YOLO檢測頭。這樣的設(shè)計(jì)允許將網(wǎng)絡(luò)尺寸保持在最小,因?yàn)樵继卣魇占椭匦路峙淠K僅用四層表示,一個1*1卷積、一個加權(quán)和和MBConv塊中的兩層,以及所需的上采樣和下采樣層。還可以輕松優(yōu)化功能的并行收集和重新分配,以加快執(zhí)行速度。

    3 實(shí)驗(yàn)與實(shí)驗(yàn)數(shù)據(jù)分析

    實(shí)驗(yàn)采用COCO數(shù)據(jù)集,包含117264個圖像,包含80個對象類,平均每個圖像有7.4個邊界框[3]。通過在各種邊緣設(shè)備上模型識別的每秒幀數(shù)(FPS)來評估模型。對提出的原始特征收集和重新分配模塊與主干截斷方法進(jìn)行研究,并將改進(jìn)模型與各種實(shí)時目標(biāo)檢測模型的性能進(jìn)行比較。

    3.1 實(shí)驗(yàn)評估設(shè)置

    特征提取主干的執(zhí)行速度和準(zhǔn)確性的平衡對檢測模型的選擇至關(guān)重要。邊緣設(shè)備的計(jì)算能力、理論計(jì)算和模型尺寸都是影響模型執(zhí)行速度的重要因素。本文直接收集表1中Jetson設(shè)備上各種特征提取主干的FPS。根據(jù)該表,將改進(jìn)的YOLOv4-Tiny主干特征提取模型與MobilenetV2(*1.4)和EfficientNet-B3進(jìn)行比較,最終由表1知改進(jìn)的YOLOv4-Tiny主干特征提取模型檢測精度最高。

    表1 特征提取主干模型對比

    使用PANet與YOLOv4-Tiny檢測頭提出的特征聚合路徑。與PANet中的傳統(tǒng)卷積塊不同,實(shí)驗(yàn)選擇單個1*1逐點(diǎn)卷積層,用于各種特征級別之間的所有形式的連接。在每個功能融合路徑之前,所有功能都通過單個MBConvSE塊。實(shí)驗(yàn)期間還在特征融合時進(jìn)行特征細(xì)節(jié)提取,最終使用單個1*1逐點(diǎn)卷積層將特征映射轉(zhuǎn)換為目標(biāo)檢測輸出。

    實(shí)驗(yàn)在訓(xùn)練前準(zhǔn)備工作:

    (1)幾何增強(qiáng),隨機(jī)裁剪、旋轉(zhuǎn)、翻轉(zhuǎn)、調(diào)整大小等;光度增強(qiáng),HSV調(diào)整、亮度調(diào)整等;

    (2)實(shí)驗(yàn)中使用余弦退火學(xué)習(xí)率衰減策略。

    (3)實(shí)驗(yàn)?zāi)P褪褂肅IOU損失函數(shù)。訓(xùn)練時首先凍結(jié)使用遷移學(xué)習(xí)權(quán)重初始化的層,并以0.001的學(xué)習(xí)率訓(xùn)練150輪。然后解凍所有層,并在較小的起始學(xué)習(xí)率0.0001上微調(diào)300個階段的模型。實(shí)驗(yàn)在320*320輸入分辨率上進(jìn)行了所有消融實(shí)驗(yàn),但同時實(shí)驗(yàn)也訓(xùn)練了224*224和416*416的模型進(jìn)行最終比較。

    (4)本文采用準(zhǔn)確率(Accuracy)、精度(AP)、精度均值(mAP)作為模型的評價指標(biāo) Accuracy、AP和mAP值越大,表明目標(biāo)檢測精度越高。各評價指標(biāo)公式定義如下:

    式(6)中,x為每一類預(yù)測正確的數(shù)量,num為每一類的樣本總數(shù),為類別數(shù)。

    對于消融實(shí)驗(yàn),所有模型都在三臺Jetson設(shè)備上實(shí)現(xiàn),使用FPS作為評估指標(biāo)。其中使用基于TensorRT的FP16優(yōu)化來進(jìn)一步加快執(zhí)行速度。所有模型都以批量大小等于1的方式執(zhí)行,因?yàn)閷?shí)驗(yàn)的目標(biāo)是實(shí)時應(yīng)用程序。處理10000張圖像,并計(jì)算FPS的平均執(zhí)行時間[4]。除此之外還為基于TensorRT的INT8優(yōu)化提供FPS值,以便與專門為整數(shù)計(jì)算設(shè)計(jì)的檢測模型進(jìn)行公平比較。應(yīng)該注意的是,Jetson Nano沒有支持基于INT8的優(yōu)化的張量核,因此此類模型與Jetson Nano上的浮點(diǎn)計(jì)數(shù)器部件相比沒有任何優(yōu)勢。

    3.2 實(shí)驗(yàn)內(nèi)容

    原始特征收集和重新分配模塊,以及與輕量級檢測層相適應(yīng)的特征聚合路徑,本文方法在性能上提供了改進(jìn),而不考慮主干或特征聚合路徑。雖然這也是以FPS略有下降為代價的[5],但總體而言,兩者之間的權(quán)衡是有利的,因此,原始特征收集和重新分配模塊是模型中有利可圖的輕量級應(yīng)用。多尺度特征之間沒有關(guān)聯(lián)的時候,除了有特征提取主干提供融合特征外,重新分配的方式也提供了非常必要的特征進(jìn)行融合。通過原始特征收集和重新分配模塊,有無快捷連接進(jìn)行消融實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果如表2所示。通過添加快捷連接可以讓感受野低的特征加入融合達(dá)到提高模型精確度的目的[6]。由表2知通過使用原始特征收集和重新分配模塊,能夠加快模型執(zhí)行速度并提高準(zhǔn)確度。

    YOLOv4-Tiny是基于主干CSPdarknet53-Tiny網(wǎng)絡(luò)的,并在不使用遷移學(xué)習(xí)的情況下從頭開始訓(xùn)練。實(shí)驗(yàn)仍使用4個特征提取輸入到本文的特征集合中[7],并根據(jù)模型2個可分配數(shù)量用于YOLOv4-Tiny輸出進(jìn)行比例重新分配。實(shí)驗(yàn)在Jetson Nano設(shè)備上執(zhí)行這兩個模型,與其他兩個平臺相比,Jetson Nano設(shè)備的資源最少[8]。最終結(jié)果見表3,使用原始特征收集和重新分配模塊的模型在準(zhǔn)確度方面都優(yōu)于原始版本。實(shí)驗(yàn)發(fā)現(xiàn)原始特征收集和重新分配模塊模塊為YOLOv4-Tiny在準(zhǔn)確度上獲得了較大改進(jìn)。因?yàn)閅OLOv4-Tiny只有兩個輸出尺度,加入模塊后可以提高多尺度特征融合故而能提高模型準(zhǔn)確度。

    表3 與YOLOv4-Tiny模型進(jìn)行比較

    4 結(jié)論

    本文提出了一種改進(jìn)YOLO的邊緣設(shè)備實(shí)時目標(biāo)檢測算法,該方法是一種新的原始特征收集和重新分配模塊。將此方法應(yīng)用到邊緣設(shè)備上,提高了輕量級目標(biāo)檢測模型的準(zhǔn)確性和檢測效率。此方法對邊緣設(shè)備機(jī)器學(xué)習(xí)模型設(shè)計(jì)帶來廣泛的應(yīng)用可能。深入了解目標(biāo)檢測模型的各種特征之間的相互融合可以進(jìn)一步增強(qiáng)特征提取交互,這是在保證其效率的同時提高模型精度的一個重要方式。

    [1] 方路平,何杭江,周國民. 目標(biāo)檢測算法研究綜述[J]. 計(jì)算機(jī)工程與應(yīng)用,2018, 54(13): 9-24, 33.

    [2] YU, Y.S. ,LIU, C.Y. Optimization of Multi-Objective Optimal Control Problems and Its Application in Designing of Horizontal Well[J]. Journal of Lanzhou University of Technology, 2007, 33, 4.

    [3] 金守峰,林強(qiáng)強(qiáng),高磊,等. 幀間差分融合灰度投影的運(yùn)動目標(biāo)檢測方法[J]. 現(xiàn)代電子技術(shù),2019, 42(6): 100-127.

    [4] GIRSHICK,R.,DONAHUE,J., DARRELL, T.,et al. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation[C]. 2014 IEEE Conference on Computer Vision and Pattern Recognition, Columbus, 2014, 14632381.

    [5] 肖紅軍,白冰鑫. 基于改進(jìn)ViBe算法的動態(tài)目標(biāo)檢測[J]. 自動化與信息工程,2020, 41(5): 33-37.

    [6] 周登浩,武斌. 基于景深和LK光流法的視頻測速算法[J]. 傳感器與微系統(tǒng),2021, 40(8): 116-120.

    [7] 龍浩,李慶黨,張明月. 基于HSV顏色空間和局部紋理的陰影消除算法研究[J]. 電子測量技術(shù),2020, 43(18): 81-87.

    [8] 王冰洋,孟卿卿. 一種改進(jìn)視覺背景提取算法研究[J]. 電子測量技術(shù),2020, 43(22): 104-108.

    Research on real-time target detection algorithm for edge devices based on improved YOLO

    LIU Hong-tao,SUN Jie,WANG Cheng-song,XU Jian-yu,SUN Yi-bo,JIN Fang-ming,ZHANG Lu-lu,BO Zhi-zhong,WANG Xin

    (Qiqihar Power Supply Company, State Grid Heilongjiang Electric Power Co. Heilongjiang Qiqihar 161006, China)

    This paper proposes an improved YOLO algorithm for real-time target detection on edge devices to address the problems of low detection accuracy and slow detection recognition efficiency of target detection models on edge devices. The algorithm introduces a multi-scale feature fusion module. This module uses the combination of missing paths between various feature scales in existing methods to connect to improve the detection accuracy. Experimental results show that the improved YOLO algorithm identifies faster detection accuracy on edge devices compared to traditional target detection deployment models. This offers the possibility of porting the target detection model to lightweight platforms.

    edge devices;multi-scale feature fusion;YOLO

    2022-04-20

    國網(wǎng)黑龍江省電力有限公司科技項(xiàng)目(5224132000G8)

    劉洪濤(1977-),男,黑龍江佳木斯人,碩士學(xué)位,政工師,主要從事輸配電及發(fā)電廠變電站技術(shù)的應(yīng)用研究。1443345723@qq.com。

    TP391.41

    A

    1007-984X(2022)05-0006-05

    猜你喜歡
    特征提取尺度特征
    財產(chǎn)的五大尺度和五重應(yīng)對
    如何表達(dá)“特征”
    不忠誠的四個特征
    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
    抓住特征巧觀察
    Bagging RCSP腦電特征提取算法
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    9
    線性代數(shù)的應(yīng)用特征
    河南科技(2014年23期)2014-02-27 14:19:15
    亚洲性夜色夜夜综合| 男女边摸边吃奶| 波多野结衣一区麻豆| 国产成人啪精品午夜网站| 女人爽到高潮嗷嗷叫在线视频| 欧美成人午夜精品| 久久毛片免费看一区二区三区| 国产精品九九99| 1024视频免费在线观看| av网站在线播放免费| 亚洲国产欧美网| 纯流量卡能插随身wifi吗| 欧美黄色片欧美黄色片| 亚洲色图 男人天堂 中文字幕| 欧美日韩亚洲国产一区二区在线观看 | 精品国产超薄肉色丝袜足j| 精品视频人人做人人爽| 叶爱在线成人免费视频播放| 极品人妻少妇av视频| 啦啦啦在线免费观看视频4| 国产精品国产三级国产专区5o| 免费黄频网站在线观看国产| 99精国产麻豆久久婷婷| 少妇人妻久久综合中文| 一级毛片女人18水好多| 亚洲中文字幕日韩| a级片在线免费高清观看视频| 狠狠狠狠99中文字幕| 桃花免费在线播放| 国产精品熟女久久久久浪| 老熟女久久久| 国产成人精品在线电影| 亚洲av男天堂| 亚洲欧美清纯卡通| 日本91视频免费播放| 99精国产麻豆久久婷婷| 桃花免费在线播放| 一边摸一边抽搐一进一出视频| 97在线人人人人妻| 国产av精品麻豆| 精品一区二区三区四区五区乱码| 日日摸夜夜添夜夜添小说| 国产成人欧美| 日韩熟女老妇一区二区性免费视频| 亚洲美女黄色视频免费看| 欧美大码av| 国产亚洲av高清不卡| 80岁老熟妇乱子伦牲交| 亚洲人成电影观看| 亚洲 欧美一区二区三区| 国产一级毛片在线| 大香蕉久久网| 十分钟在线观看高清视频www| 大片免费播放器 马上看| 每晚都被弄得嗷嗷叫到高潮| 亚洲中文av在线| 亚洲人成电影免费在线| 人妻人人澡人人爽人人| 久久亚洲精品不卡| 中文欧美无线码| 久久ye,这里只有精品| 黄色视频在线播放观看不卡| 日韩精品免费视频一区二区三区| a级毛片在线看网站| 欧美国产精品一级二级三级| 亚洲精品第二区| 久热这里只有精品99| 亚洲av日韩在线播放| 最新在线观看一区二区三区| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲欧美精品自产自拍| 美女大奶头黄色视频| 欧美精品一区二区免费开放| 777米奇影视久久| 亚洲精品国产av成人精品| 日韩欧美国产一区二区入口| 狠狠狠狠99中文字幕| 熟女少妇亚洲综合色aaa.| 男人爽女人下面视频在线观看| 亚洲第一av免费看| 亚洲精品久久久久久婷婷小说| 欧美另类一区| 黄色视频在线播放观看不卡| 亚洲国产精品999| 这个男人来自地球电影免费观看| 亚洲欧美日韩高清在线视频 | 久久毛片免费看一区二区三区| 一二三四社区在线视频社区8| av有码第一页| 丝袜美足系列| 一边摸一边做爽爽视频免费| 黑人巨大精品欧美一区二区蜜桃| 1024香蕉在线观看| 亚洲七黄色美女视频| 两性夫妻黄色片| 亚洲国产中文字幕在线视频| 啦啦啦视频在线资源免费观看| 国产精品熟女久久久久浪| av线在线观看网站| 香蕉丝袜av| 婷婷丁香在线五月| 精品国产超薄肉色丝袜足j| 一二三四社区在线视频社区8| 男人操女人黄网站| 亚洲欧美清纯卡通| a级片在线免费高清观看视频| a在线观看视频网站| 淫妇啪啪啪对白视频 | 黄频高清免费视频| 午夜成年电影在线免费观看| 国产成人欧美| 亚洲欧美一区二区三区黑人| 9色porny在线观看| 十八禁高潮呻吟视频| 免费女性裸体啪啪无遮挡网站| 十分钟在线观看高清视频www| 亚洲精品国产av成人精品| 国产成人系列免费观看| 大香蕉久久成人网| 91九色精品人成在线观看| 欧美日韩亚洲高清精品| www.av在线官网国产| 国产国语露脸激情在线看| 一区二区三区乱码不卡18| 精品亚洲成国产av| 欧美日韩成人在线一区二区| netflix在线观看网站| 乱人伦中国视频| 国产伦人伦偷精品视频| 熟女少妇亚洲综合色aaa.| 一边摸一边做爽爽视频免费| 国产精品自产拍在线观看55亚洲 | 9热在线视频观看99| 每晚都被弄得嗷嗷叫到高潮| 天天躁狠狠躁夜夜躁狠狠躁| 十八禁网站网址无遮挡| 久久免费观看电影| 成人国语在线视频| 亚洲精品av麻豆狂野| 亚洲成人免费电影在线观看| avwww免费| 99国产综合亚洲精品| 成年人黄色毛片网站| 夫妻午夜视频| 少妇的丰满在线观看| 亚洲精品一二三| 亚洲精华国产精华精| 黄片播放在线免费| 女人高潮潮喷娇喘18禁视频| 欧美亚洲 丝袜 人妻 在线| 淫妇啪啪啪对白视频 | 亚洲黑人精品在线| 国产成人a∨麻豆精品| 一个人免费看片子| 69精品国产乱码久久久| 在线观看舔阴道视频| 成人国产一区最新在线观看| 国产亚洲精品久久久久5区| 丰满人妻熟妇乱又伦精品不卡| 亚洲成人免费电影在线观看| 久久人妻熟女aⅴ| www.熟女人妻精品国产| 久久久久久久大尺度免费视频| 国产精品一区二区在线观看99| 两人在一起打扑克的视频| 手机成人av网站| 亚洲男人天堂网一区| 一区二区av电影网| 亚洲午夜精品一区,二区,三区| 两个人免费观看高清视频| 波多野结衣一区麻豆| 亚洲欧美清纯卡通| 啦啦啦 在线观看视频| 少妇的丰满在线观看| 亚洲熟女毛片儿| 女性生殖器流出的白浆| 制服人妻中文乱码| 在线观看一区二区三区激情| 香蕉国产在线看| 一本综合久久免费| 在线精品无人区一区二区三| 欧美另类亚洲清纯唯美| 中文字幕制服av| 丝袜美腿诱惑在线| 多毛熟女@视频| 久久久久久免费高清国产稀缺| 女人久久www免费人成看片| 成人国产av品久久久| 免费在线观看影片大全网站| 满18在线观看网站| 国产成人a∨麻豆精品| 久久久久久久大尺度免费视频| 日本黄色日本黄色录像| e午夜精品久久久久久久| 99国产精品一区二区三区| 久久毛片免费看一区二区三区| 波多野结衣一区麻豆| av不卡在线播放| 亚洲国产精品999| 午夜老司机福利片| 久久久精品区二区三区| 亚洲一码二码三码区别大吗| 中文字幕高清在线视频| 少妇被粗大的猛进出69影院| 国产成人欧美在线观看 | 91九色精品人成在线观看| 蜜桃在线观看..| 日韩一卡2卡3卡4卡2021年| 国产精品99久久99久久久不卡| 人人妻人人爽人人添夜夜欢视频| 后天国语完整版免费观看| 一本综合久久免费| 国产一区二区激情短视频 | 久久精品aⅴ一区二区三区四区| tocl精华| 女性被躁到高潮视频| 欧美日本中文国产一区发布| 久久久精品94久久精品| av在线老鸭窝| 精品国产乱码久久久久久小说| 99国产精品一区二区三区| 捣出白浆h1v1| 亚洲精品国产色婷婷电影| 国产欧美日韩一区二区三区在线| 一级片免费观看大全| 久久国产亚洲av麻豆专区| 午夜免费观看性视频| 制服诱惑二区| 亚洲欧美日韩另类电影网站| 久久人妻熟女aⅴ| 人人妻人人添人人爽欧美一区卜| 国产精品久久久av美女十八| 热99re8久久精品国产| 侵犯人妻中文字幕一二三四区| 久久久水蜜桃国产精品网| 成人三级做爰电影| 午夜福利视频在线观看免费| 黄色片一级片一级黄色片| 亚洲欧美精品综合一区二区三区| 亚洲性夜色夜夜综合| 两个人看的免费小视频| 久久亚洲精品不卡| av又黄又爽大尺度在线免费看| 国产精品一二三区在线看| 免费观看av网站的网址| 一级毛片精品| 国产精品二区激情视频| 欧美另类一区| 99久久人妻综合| 亚洲精品自拍成人| 国产在视频线精品| 久久久水蜜桃国产精品网| 欧美中文综合在线视频| 国产精品麻豆人妻色哟哟久久| 超色免费av| 热99国产精品久久久久久7| 91精品三级在线观看| av网站在线播放免费| 黑人巨大精品欧美一区二区蜜桃| 成人手机av| 夜夜夜夜夜久久久久| 在线观看www视频免费| 久久人妻熟女aⅴ| 一级毛片精品| 亚洲精品美女久久av网站| svipshipincom国产片| 97在线人人人人妻| 69精品国产乱码久久久| 超碰97精品在线观看| 免费女性裸体啪啪无遮挡网站| 青青草视频在线视频观看| 一个人免费看片子| 操美女的视频在线观看| 自线自在国产av| 亚洲五月婷婷丁香| 少妇 在线观看| 大陆偷拍与自拍| 搡老乐熟女国产| 亚洲精品一区蜜桃| 成人黄色视频免费在线看| 五月天丁香电影| 国产一区二区激情短视频 | 一二三四社区在线视频社区8| 精品久久蜜臀av无| 一个人免费看片子| 夜夜夜夜夜久久久久| 亚洲国产成人一精品久久久| 中亚洲国语对白在线视频| 国产精品久久久久成人av| 国产一区二区激情短视频 | 日韩,欧美,国产一区二区三区| 亚洲avbb在线观看| 国产精品麻豆人妻色哟哟久久| 如日韩欧美国产精品一区二区三区| 国产老妇伦熟女老妇高清| 国产一区二区激情短视频 | 十八禁网站免费在线| 国产亚洲午夜精品一区二区久久| 国产一区有黄有色的免费视频| 69精品国产乱码久久久| 免费在线观看影片大全网站| 国产一区二区三区av在线| 老熟妇乱子伦视频在线观看 | 亚洲精品久久午夜乱码| 亚洲第一青青草原| 中国国产av一级| 成年动漫av网址| 亚洲成国产人片在线观看| 亚洲 国产 在线| 波多野结衣一区麻豆| 麻豆乱淫一区二区| 亚洲人成电影观看| 黄网站色视频无遮挡免费观看| 狠狠狠狠99中文字幕| 丰满少妇做爰视频| videosex国产| 精品高清国产在线一区| 久久精品人人爽人人爽视色| 少妇猛男粗大的猛烈进出视频| 1024香蕉在线观看| 国产精品一区二区在线不卡| 热99久久久久精品小说推荐| 亚洲欧洲精品一区二区精品久久久| 少妇精品久久久久久久| 狂野欧美激情性xxxx| 精品亚洲乱码少妇综合久久| 精品国产乱码久久久久久小说| 亚洲精品成人av观看孕妇| 欧美xxⅹ黑人| 美国免费a级毛片| 国产三级黄色录像| 亚洲中文日韩欧美视频| 日韩熟女老妇一区二区性免费视频| 国产日韩一区二区三区精品不卡| 久久毛片免费看一区二区三区| 亚洲第一欧美日韩一区二区三区 | 亚洲精品国产av成人精品| 97精品久久久久久久久久精品| 老司机在亚洲福利影院| 99国产精品免费福利视频| 99精国产麻豆久久婷婷| 91麻豆av在线| 激情视频va一区二区三区| 国产精品一区二区在线观看99| 精品久久蜜臀av无| 热re99久久精品国产66热6| 美女高潮到喷水免费观看| 麻豆国产av国片精品| 热re99久久国产66热| 国产在线观看jvid| 中亚洲国语对白在线视频| 人人妻人人添人人爽欧美一区卜| 动漫黄色视频在线观看| 精品久久久久久久毛片微露脸 | 大片电影免费在线观看免费| 曰老女人黄片| 国产一卡二卡三卡精品| 女警被强在线播放| 欧美人与性动交α欧美软件| 黄片小视频在线播放| 精品一区二区三区四区五区乱码| 久久国产亚洲av麻豆专区| 自线自在国产av| 女性生殖器流出的白浆| 精品久久久久久电影网| 女性被躁到高潮视频| 99re6热这里在线精品视频| 欧美日韩成人在线一区二区| 精品国内亚洲2022精品成人 | tocl精华| 老司机深夜福利视频在线观看 | av天堂久久9| 国产一区有黄有色的免费视频| 免费人妻精品一区二区三区视频| 女人爽到高潮嗷嗷叫在线视频| 精品乱码久久久久久99久播| 亚洲国产欧美在线一区| 黄色 视频免费看| a级毛片在线看网站| 一本综合久久免费| 老汉色av国产亚洲站长工具| svipshipincom国产片| 国产日韩欧美亚洲二区| 18在线观看网站| 无限看片的www在线观看| 日本黄色日本黄色录像| 国产精品欧美亚洲77777| 精品亚洲乱码少妇综合久久| 1024视频免费在线观看| 亚洲自偷自拍图片 自拍| 日韩熟女老妇一区二区性免费视频| 夫妻午夜视频| 国产在线一区二区三区精| a在线观看视频网站| 久久精品亚洲熟妇少妇任你| 亚洲中文av在线| 久久影院123| 成人国产一区最新在线观看| 丝袜人妻中文字幕| 国产成+人综合+亚洲专区| 国产精品.久久久| 欧美少妇被猛烈插入视频| 韩国精品一区二区三区| 国产精品成人在线| 不卡av一区二区三区| 亚洲精品国产精品久久久不卡| 亚洲avbb在线观看| av天堂在线播放| 久久久国产成人免费| 一级a爱视频在线免费观看| 免费观看人在逋| 啦啦啦视频在线资源免费观看| 一区福利在线观看| 免费不卡黄色视频| 国产一级毛片在线| 国产成人精品无人区| 丝袜美足系列| 亚洲成av片中文字幕在线观看| 视频区欧美日本亚洲| 桃花免费在线播放| 每晚都被弄得嗷嗷叫到高潮| 丝袜人妻中文字幕| 五月天丁香电影| 性高湖久久久久久久久免费观看| 一级毛片电影观看| 极品少妇高潮喷水抽搐| 在线观看免费日韩欧美大片| 高清欧美精品videossex| 亚洲成av片中文字幕在线观看| 91麻豆av在线| 国产精品影院久久| 波多野结衣一区麻豆| 亚洲精品第二区| 国产av精品麻豆| 久久青草综合色| a级片在线免费高清观看视频| 最新在线观看一区二区三区| 中文字幕制服av| 视频在线观看一区二区三区| 亚洲va日本ⅴa欧美va伊人久久 | 99精品久久久久人妻精品| 午夜两性在线视频| 狠狠狠狠99中文字幕| 9191精品国产免费久久| 19禁男女啪啪无遮挡网站| 正在播放国产对白刺激| 精品一品国产午夜福利视频| 日韩大片免费观看网站| 老汉色∧v一级毛片| 十八禁人妻一区二区| 欧美日韩精品网址| 国产亚洲精品久久久久5区| 国产1区2区3区精品| 老司机午夜福利在线观看视频 | 一级毛片女人18水好多| 精品国产一区二区三区四区第35| 久久精品久久久久久噜噜老黄| 黄色视频在线播放观看不卡| 最近中文字幕2019免费版| 9色porny在线观看| 国产欧美日韩一区二区三 | 亚洲自偷自拍图片 自拍| videosex国产| 啦啦啦中文免费视频观看日本| av视频免费观看在线观看| 成年女人毛片免费观看观看9 | 大香蕉久久成人网| 一级a爱视频在线免费观看| 欧美在线一区亚洲| 老司机深夜福利视频在线观看 | 一级毛片精品| 日本精品一区二区三区蜜桃| 丰满迷人的少妇在线观看| 久久精品国产亚洲av香蕉五月 | 日本黄色日本黄色录像| 黄色怎么调成土黄色| 国产av一区二区精品久久| 午夜久久久在线观看| 亚洲国产看品久久| 自拍欧美九色日韩亚洲蝌蚪91| 97在线人人人人妻| bbb黄色大片| 18禁观看日本| 中文字幕人妻熟女乱码| 悠悠久久av| 香蕉国产在线看| 国产精品一区二区精品视频观看| 黄色视频,在线免费观看| 少妇猛男粗大的猛烈进出视频| 精品少妇黑人巨大在线播放| 91大片在线观看| 欧美老熟妇乱子伦牲交| 老司机午夜福利在线观看视频 | 国产精品一二三区在线看| 麻豆av在线久日| 秋霞在线观看毛片| 亚洲精品久久久久久婷婷小说| 少妇 在线观看| cao死你这个sao货| 欧美精品亚洲一区二区| 亚洲精品中文字幕一二三四区 | 搡老熟女国产l中国老女人| 午夜福利,免费看| 久久久久久久久免费视频了| 久久中文看片网| 国产高清videossex| 91麻豆精品激情在线观看国产 | 天堂8中文在线网| 国产91精品成人一区二区三区 | 丰满人妻熟妇乱又伦精品不卡| 啦啦啦免费观看视频1| 午夜激情久久久久久久| 日韩欧美国产一区二区入口| 久久香蕉激情| 纯流量卡能插随身wifi吗| 国产国语露脸激情在线看| 丝瓜视频免费看黄片| 国产欧美日韩一区二区精品| 丝袜在线中文字幕| 99香蕉大伊视频| 久久久久久久大尺度免费视频| 亚洲美女黄色视频免费看| 黄色 视频免费看| 日本一区二区免费在线视频| 日韩欧美国产一区二区入口| 性少妇av在线| 国产亚洲精品第一综合不卡| 国产区一区二久久| 无遮挡黄片免费观看| 最新在线观看一区二区三区| 国产成人系列免费观看| 久久久国产一区二区| 天天影视国产精品| 欧美日韩亚洲国产一区二区在线观看 | 人妻一区二区av| 青青草视频在线视频观看| 精品乱码久久久久久99久播| 精品一区二区三区av网在线观看 | 涩涩av久久男人的天堂| 亚洲国产av新网站| 国产深夜福利视频在线观看| 精品一区二区三区四区五区乱码| 在线亚洲精品国产二区图片欧美| 69精品国产乱码久久久| 999久久久国产精品视频| 两人在一起打扑克的视频| 午夜福利视频在线观看免费| 国产成人欧美在线观看 | 人人妻人人添人人爽欧美一区卜| 人妻一区二区av| 国产成人av激情在线播放| 国产欧美亚洲国产| 亚洲精品av麻豆狂野| 成人亚洲精品一区在线观看| 精品久久久精品久久久| 香蕉丝袜av| 精品福利观看| 91国产中文字幕| 韩国精品一区二区三区| 首页视频小说图片口味搜索| 国产精品香港三级国产av潘金莲| 国产精品一区二区免费欧美 | 国产1区2区3区精品| 久久人妻熟女aⅴ| 日韩 亚洲 欧美在线| 欧美日韩成人在线一区二区| 国产无遮挡羞羞视频在线观看| 亚洲熟女精品中文字幕| 麻豆乱淫一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| 婷婷成人精品国产| 人人妻人人澡人人看| 精品人妻1区二区| 成年女人毛片免费观看观看9 | 国产成人av教育| 久久久国产欧美日韩av| 2018国产大陆天天弄谢| 男女无遮挡免费网站观看| 国产精品 欧美亚洲| 深夜精品福利| 国产成人精品久久二区二区免费| 老司机影院毛片| 日韩免费高清中文字幕av| 亚洲精品中文字幕一二三四区 | 蜜桃国产av成人99| 久久久精品国产亚洲av高清涩受| 99久久人妻综合| 一本—道久久a久久精品蜜桃钙片| 久久久国产欧美日韩av| 国产成人啪精品午夜网站| 美女高潮喷水抽搐中文字幕| 99国产精品99久久久久| 久久人妻福利社区极品人妻图片| www日本在线高清视频| 麻豆av在线久日| 飞空精品影院首页| 日本撒尿小便嘘嘘汇集6| 日韩视频在线欧美| 欧美少妇被猛烈插入视频| 在线观看一区二区三区激情| 国产男女内射视频| 亚洲精品一二三| 黄色怎么调成土黄色| 国产亚洲欧美在线一区二区| 欧美 亚洲 国产 日韩一| 视频在线观看一区二区三区| 欧美日韩亚洲高清精品| 菩萨蛮人人尽说江南好唐韦庄| 亚洲第一av免费看| 久久久久精品国产欧美久久久 | 国产一区二区在线观看av| avwww免费| 久久青草综合色| 香蕉丝袜av| 国产亚洲av高清不卡|