• <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
    国产精品秋霞免费鲁丝片| 成人二区视频| av网站在线播放免费| 亚洲天堂av无毛| 亚洲av国产av综合av卡| 亚洲精品久久久久久婷婷小说| 91国产中文字幕| 国产精品国产三级专区第一集| 亚洲精品自拍成人| 只有这里有精品99| 亚洲激情五月婷婷啪啪| 满18在线观看网站| 欧美日韩一区二区视频在线观看视频在线| 成人毛片60女人毛片免费| 汤姆久久久久久久影院中文字幕| 欧美日韩精品成人综合77777| 久久久精品国产亚洲av高清涩受| 午夜久久久在线观看| 久久久久久久久免费视频了| 我要看黄色一级片免费的| 久久人人97超碰香蕉20202| 亚洲,欧美,日韩| 亚洲av日韩在线播放| 性少妇av在线| 日韩免费高清中文字幕av| 久久人人97超碰香蕉20202| 看免费成人av毛片| 亚洲欧美成人综合另类久久久| 我的亚洲天堂| 丝袜在线中文字幕| www.av在线官网国产| 国产精品偷伦视频观看了| 男女边吃奶边做爰视频| 最近的中文字幕免费完整| 老女人水多毛片| 国产精品一区二区在线观看99| av免费观看日本| 美女xxoo啪啪120秒动态图| 免费黄色在线免费观看| kizo精华| 亚洲天堂av无毛| 久久久久久久精品精品| 久久精品国产a三级三级三级| 欧美激情极品国产一区二区三区| 99热网站在线观看| 国产片特级美女逼逼视频| 午夜福利视频在线观看免费| 国产成人精品久久二区二区91 | 亚洲色图 男人天堂 中文字幕| 久久久久人妻精品一区果冻| 天堂俺去俺来也www色官网| 久热这里只有精品99| 国产成人精品久久二区二区91 | 久久综合国产亚洲精品| 亚洲精品国产av蜜桃| 看免费成人av毛片| 亚洲av.av天堂| 国产成人a∨麻豆精品| 久久久久久久国产电影| 精品国产乱码久久久久久男人| 少妇人妻久久综合中文| 99久久综合免费| 韩国精品一区二区三区| 久久国产精品大桥未久av| 亚洲伊人久久精品综合| 夜夜骑夜夜射夜夜干| 精品人妻一区二区三区麻豆| 国产免费福利视频在线观看| 欧美少妇被猛烈插入视频| 国产 精品1| 精品一品国产午夜福利视频| 欧美日韩成人在线一区二区| 91精品伊人久久大香线蕉| 久久久久久人妻| 久久久国产精品麻豆| 国产极品粉嫩免费观看在线| 午夜日韩欧美国产| 丝袜喷水一区| 边亲边吃奶的免费视频| 国产日韩一区二区三区精品不卡| 狠狠精品人妻久久久久久综合| 女人久久www免费人成看片| 国产欧美日韩综合在线一区二区| 亚洲综合精品二区| 成年动漫av网址| 人成视频在线观看免费观看| 丰满迷人的少妇在线观看| 蜜桃国产av成人99| 久久国产精品大桥未久av| 久久精品人人爽人人爽视色| 搡女人真爽免费视频火全软件| 午夜福利视频精品| 亚洲国产看品久久| 国产极品天堂在线| 美女xxoo啪啪120秒动态图| 999精品在线视频| 日本黄色日本黄色录像| 99热网站在线观看| 亚洲精品第二区| 深夜精品福利| 国产一区二区在线观看av| 日韩成人av中文字幕在线观看| 亚洲国产欧美网| 欧美精品亚洲一区二区| 丝瓜视频免费看黄片| 尾随美女入室| 久久鲁丝午夜福利片| 午夜福利在线观看免费完整高清在| 免费高清在线观看视频在线观看| 一本—道久久a久久精品蜜桃钙片| 黄片播放在线免费| 在现免费观看毛片| 久久久久久久国产电影| 久久久欧美国产精品| 日本免费在线观看一区| 如日韩欧美国产精品一区二区三区| av又黄又爽大尺度在线免费看| 日韩成人av中文字幕在线观看| 亚洲欧美中文字幕日韩二区| 精品亚洲乱码少妇综合久久| 狠狠婷婷综合久久久久久88av| 中文字幕色久视频| 亚洲三区欧美一区| 看十八女毛片水多多多| 欧美精品国产亚洲| 蜜桃国产av成人99| 最近最新中文字幕大全免费视频 | 日韩制服骚丝袜av| 精品少妇一区二区三区视频日本电影 | 香蕉精品网在线| 国产成人精品福利久久| av免费在线看不卡| 少妇人妻精品综合一区二区| 五月开心婷婷网| 国产成人免费观看mmmm| 亚洲精品第二区| 老汉色av国产亚洲站长工具| 亚洲综合色网址| 侵犯人妻中文字幕一二三四区| 久久av网站| 欧美bdsm另类| 人妻少妇偷人精品九色| 91精品三级在线观看| 99热国产这里只有精品6| av国产久精品久网站免费入址| 欧美精品高潮呻吟av久久| 精品福利永久在线观看| 高清不卡的av网站| 国产淫语在线视频| 成人黄色视频免费在线看| 国产精品久久久久久av不卡| 亚洲人成网站在线观看播放| 精品一区二区三区四区五区乱码 | 啦啦啦在线观看免费高清www| 九色亚洲精品在线播放| 久久久久国产网址| 国产精品 欧美亚洲| 妹子高潮喷水视频| 欧美日韩一区二区视频在线观看视频在线| 天美传媒精品一区二区| 日日啪夜夜爽| 国产黄色免费在线视频| 久久韩国三级中文字幕| tube8黄色片| 亚洲av中文av极速乱| 日本爱情动作片www.在线观看| 乱人伦中国视频| 久久精品国产亚洲av高清一级| 久久影院123| 在线亚洲精品国产二区图片欧美| 男女下面插进去视频免费观看| 91久久精品国产一区二区三区| 婷婷色av中文字幕| 香蕉丝袜av| 搡老乐熟女国产| 中文字幕亚洲精品专区| 狠狠婷婷综合久久久久久88av| 国产视频首页在线观看| 亚洲少妇的诱惑av| 只有这里有精品99| 国产在视频线精品| 久久精品国产亚洲av涩爱| 少妇人妻久久综合中文| 超碰97精品在线观看| 国产熟女欧美一区二区| 校园人妻丝袜中文字幕| 青春草视频在线免费观看| 国产 一区精品| 咕卡用的链子| 伦精品一区二区三区| 精品一区二区三区四区五区乱码 | 欧美精品av麻豆av| 丝瓜视频免费看黄片| 美女大奶头黄色视频| 啦啦啦在线免费观看视频4| 日本91视频免费播放| 麻豆av在线久日| 啦啦啦在线免费观看视频4| 欧美97在线视频| 街头女战士在线观看网站| av国产久精品久网站免费入址| 80岁老熟妇乱子伦牲交| 日日撸夜夜添| 999精品在线视频| 午夜福利在线观看免费完整高清在| 黄片播放在线免费| 日韩欧美一区视频在线观看| 一区在线观看完整版| 春色校园在线视频观看| 十八禁网站网址无遮挡| 精品一区在线观看国产| 国产又爽黄色视频| av福利片在线| 久久人人爽人人片av| 国产av精品麻豆| 伦理电影免费视频| av在线app专区| 婷婷色麻豆天堂久久| 午夜日韩欧美国产| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲欧美一区二区三区国产| av.在线天堂| 成人漫画全彩无遮挡| 精品亚洲乱码少妇综合久久| 观看av在线不卡| 女性被躁到高潮视频| 国产在线视频一区二区| 男女高潮啪啪啪动态图| 国产精品久久久av美女十八| 免费播放大片免费观看视频在线观看| 最新中文字幕久久久久| 黄网站色视频无遮挡免费观看| 亚洲成人av在线免费| 在线观看国产h片| 国产日韩欧美亚洲二区| 观看av在线不卡| 777久久人妻少妇嫩草av网站| 国产免费现黄频在线看| 日本爱情动作片www.在线观看| 亚洲三级黄色毛片| 99久久中文字幕三级久久日本| 麻豆精品久久久久久蜜桃| 肉色欧美久久久久久久蜜桃| 日韩成人av中文字幕在线观看| 久久狼人影院| 亚洲精品日韩在线中文字幕| 亚洲精品国产色婷婷电影| 亚洲欧美一区二区三区国产| av视频免费观看在线观看| 欧美激情高清一区二区三区 | 色吧在线观看| 久久午夜福利片| 精品亚洲乱码少妇综合久久| 久久99一区二区三区| 欧美日韩亚洲国产一区二区在线观看 | av国产久精品久网站免费入址| 精品人妻一区二区三区麻豆| 免费观看av网站的网址| 在线观看三级黄色| 99久国产av精品国产电影| 日本欧美视频一区| 精品福利永久在线观看| 国产一区二区 视频在线| 国产无遮挡羞羞视频在线观看| 日本黄色日本黄色录像| 亚洲伊人久久精品综合| 男人爽女人下面视频在线观看| 赤兔流量卡办理| 精品久久久久久电影网| 精品99又大又爽又粗少妇毛片| 亚洲精品视频女| 久久国内精品自在自线图片| 国产精品.久久久| 精品第一国产精品| 午夜福利乱码中文字幕| av网站在线播放免费| 精品亚洲乱码少妇综合久久| 婷婷色综合大香蕉| 国产精品一二三区在线看| 亚洲一码二码三码区别大吗| av不卡在线播放| 国产成人精品福利久久| 亚洲 欧美一区二区三区| 精品人妻在线不人妻| 亚洲国产av影院在线观看| 国产精品一二三区在线看| 欧美精品人与动牲交sv欧美| 久久午夜福利片| 久久精品国产亚洲av涩爱| 97在线视频观看| 国产日韩欧美在线精品| 桃花免费在线播放| 黑人巨大精品欧美一区二区蜜桃| 婷婷色综合大香蕉| 99热全是精品| 最新的欧美精品一区二区| 日本欧美国产在线视频| 国产有黄有色有爽视频| 高清不卡的av网站| 在线天堂中文资源库| 国产亚洲最大av| 精品国产一区二区三区四区第35| 亚洲一级一片aⅴ在线观看| 中文字幕制服av| 成人手机av| 人妻少妇偷人精品九色| 男的添女的下面高潮视频| 亚洲精品国产av成人精品| 岛国毛片在线播放| 色视频在线一区二区三区| 考比视频在线观看| 久久久精品94久久精品| 午夜免费观看性视频| av免费在线看不卡| 黑人巨大精品欧美一区二区蜜桃| 亚洲欧美成人综合另类久久久| 国产精品久久久久久精品古装| 麻豆av在线久日| 亚洲国产色片| 亚洲一码二码三码区别大吗| av女优亚洲男人天堂| 精品国产一区二区三区久久久樱花| 黄色毛片三级朝国网站| 国产在线视频一区二区| 久久人人爽av亚洲精品天堂| 欧美+日韩+精品| 欧美另类一区| 日韩欧美一区视频在线观看| 丰满乱子伦码专区| 国产av一区二区精品久久| 久久久国产一区二区| av在线老鸭窝| 女人精品久久久久毛片| 高清在线视频一区二区三区| av免费在线看不卡| 欧美av亚洲av综合av国产av | 一本久久精品| 精品国产一区二区三区久久久樱花| 在线观看免费高清a一片| 国产在线视频一区二区| 高清不卡的av网站| 成人亚洲精品一区在线观看| 国产成人a∨麻豆精品| 成年人免费黄色播放视频| 9色porny在线观看| 久久亚洲国产成人精品v| 97在线视频观看| 日韩一区二区视频免费看| 又粗又硬又长又爽又黄的视频| 国产亚洲精品第一综合不卡| 免费不卡的大黄色大毛片视频在线观看| 97在线人人人人妻| 爱豆传媒免费全集在线观看| 亚洲三级黄色毛片| 国产精品三级大全| 18+在线观看网站| 夫妻午夜视频| 日韩制服丝袜自拍偷拍| 这个男人来自地球电影免费观看 | 男人舔女人的私密视频| 伦理电影大哥的女人| 菩萨蛮人人尽说江南好唐韦庄| 国产精品久久久久久精品古装| 日韩一本色道免费dvd| 亚洲欧美清纯卡通| www.av在线官网国产| 91久久精品国产一区二区三区| 伊人久久国产一区二区| 亚洲美女黄色视频免费看| 欧美日韩国产mv在线观看视频| 国产精品国产av在线观看| 观看av在线不卡| 啦啦啦在线观看免费高清www| 亚洲伊人色综图| 1024视频免费在线观看| 王馨瑶露胸无遮挡在线观看| 亚洲精品一二三| 久久久久国产一级毛片高清牌| av女优亚洲男人天堂| av有码第一页| av网站在线播放免费| 亚洲伊人色综图| 亚洲综合色惰| 巨乳人妻的诱惑在线观看| 久久久国产一区二区| 久久这里有精品视频免费| 国产亚洲欧美精品永久| 久热这里只有精品99| av一本久久久久| 国产精品不卡视频一区二区| 久久精品久久精品一区二区三区| 老汉色av国产亚洲站长工具| 大片免费播放器 马上看| av女优亚洲男人天堂| 男女免费视频国产| 97精品久久久久久久久久精品| 日韩一本色道免费dvd| 亚洲精品第二区| 超色免费av| 婷婷色av中文字幕| 久久这里只有精品19| 韩国精品一区二区三区| 亚洲av.av天堂| 一级爰片在线观看| www.熟女人妻精品国产| 欧美黄色片欧美黄色片| 91精品国产国语对白视频| 日韩熟女老妇一区二区性免费视频| 99久久综合免费| 熟女电影av网| 亚洲国产色片| 欧美日韩成人在线一区二区| 中文字幕制服av| 国产精品一国产av| 欧美日韩av久久| 热re99久久精品国产66热6| av在线app专区| 国产一区二区三区av在线| 亚洲欧美一区二区三区国产| 美女高潮到喷水免费观看| 亚洲欧洲日产国产| 亚洲美女搞黄在线观看| 超色免费av| 国产精品嫩草影院av在线观看| 亚洲精品美女久久av网站| 丰满乱子伦码专区| 国产一区有黄有色的免费视频| 久久精品国产自在天天线| 在线免费观看不下载黄p国产| 免费女性裸体啪啪无遮挡网站| 日韩成人av中文字幕在线观看| 久久精品aⅴ一区二区三区四区 | 激情五月婷婷亚洲| 免费黄频网站在线观看国产| 久久久久精品久久久久真实原创| 侵犯人妻中文字幕一二三四区| 天堂中文最新版在线下载| 精品少妇内射三级| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 高清欧美精品videossex| 十八禁网站网址无遮挡| 久久久久人妻精品一区果冻| 成年动漫av网址| 亚洲精品乱久久久久久| 免费黄频网站在线观看国产| 色婷婷av一区二区三区视频| 欧美av亚洲av综合av国产av | 国产精品免费视频内射| 国产精品偷伦视频观看了| 久久久久久久大尺度免费视频| 少妇人妻 视频| 国产野战对白在线观看| 欧美少妇被猛烈插入视频| 亚洲久久久国产精品| 日日爽夜夜爽网站| 人体艺术视频欧美日本| 狂野欧美激情性bbbbbb| 波多野结衣一区麻豆| 亚洲伊人色综图| 高清av免费在线| 亚洲国产精品999| 久久97久久精品| 熟女电影av网| 少妇熟女欧美另类| 久久精品国产自在天天线| av在线app专区| 亚洲欧洲日产国产| 在线天堂中文资源库| 亚洲综合精品二区| 婷婷色麻豆天堂久久| 欧美日韩亚洲高清精品| 色吧在线观看| 亚洲精品一二三| 久久韩国三级中文字幕| 国产女主播在线喷水免费视频网站| 久久久久国产精品人妻一区二区| 亚洲天堂av无毛| 精品亚洲成国产av| 久久午夜综合久久蜜桃| 欧美日本中文国产一区发布| 2021少妇久久久久久久久久久| 18在线观看网站| 亚洲国产成人一精品久久久| 亚洲av福利一区| 18+在线观看网站| 卡戴珊不雅视频在线播放| 免费观看av网站的网址| 一区二区三区激情视频| av片东京热男人的天堂| 赤兔流量卡办理| 免费观看无遮挡的男女| 永久免费av网站大全| 青春草国产在线视频| 久久这里只有精品19| 久久婷婷青草| 久久99热这里只频精品6学生| 精品国产乱码久久久久久男人| 在线免费观看不下载黄p国产| 久久久久精品久久久久真实原创| 久久精品熟女亚洲av麻豆精品| 日韩成人av中文字幕在线观看| 一级毛片黄色毛片免费观看视频| 青春草国产在线视频| 国产一区二区在线观看av| 久久精品aⅴ一区二区三区四区 | 黄片小视频在线播放| 精品国产国语对白av| 久久久亚洲精品成人影院| 三上悠亚av全集在线观看| av又黄又爽大尺度在线免费看| 午夜福利,免费看| 午夜日韩欧美国产| 午夜日本视频在线| 久久人人97超碰香蕉20202| 熟女少妇亚洲综合色aaa.| 在线天堂中文资源库| 老司机影院成人| 日本色播在线视频| 午夜影院在线不卡| 精品少妇久久久久久888优播| 欧美日韩一区二区视频在线观看视频在线| 一区二区三区激情视频| 日韩大片免费观看网站| 亚洲男人天堂网一区| 午夜福利影视在线免费观看| 街头女战士在线观看网站| 免费黄频网站在线观看国产| 国产综合精华液| 免费观看av网站的网址| 成人二区视频| 亚洲综合色网址| 看免费成人av毛片| 9热在线视频观看99| 国产熟女午夜一区二区三区| 久久久国产欧美日韩av| 中国国产av一级| 亚洲av电影在线进入| 亚洲精品成人av观看孕妇| 少妇人妻 视频| 亚洲人成网站在线观看播放| 丰满少妇做爰视频| 久久99蜜桃精品久久| 国产乱人偷精品视频| 国产精品一区二区在线不卡| 欧美激情高清一区二区三区 | 久久久久精品人妻al黑| av不卡在线播放| 免费观看a级毛片全部| 亚洲欧美色中文字幕在线| 日韩成人av中文字幕在线观看| 男女免费视频国产| 国产欧美日韩一区二区三区在线| 国产精品三级大全| 夫妻性生交免费视频一级片| 久久久久国产精品人妻一区二区| 久久久久久伊人网av| 免费在线观看完整版高清| 国语对白做爰xxxⅹ性视频网站| 青草久久国产| 欧美97在线视频| 91精品国产国语对白视频| 亚洲激情五月婷婷啪啪| 精品亚洲成a人片在线观看| 天堂8中文在线网| 永久网站在线| 欧美 日韩 精品 国产| 亚洲综合色网址| 女性生殖器流出的白浆| 亚洲欧美日韩另类电影网站| 一级毛片 在线播放| 国产探花极品一区二区| 丝袜脚勾引网站| 视频区图区小说| 日韩在线高清观看一区二区三区| 欧美人与性动交α欧美软件| 午夜av观看不卡| 青春草视频在线免费观看| 美女福利国产在线| 欧美亚洲 丝袜 人妻 在线| 99久久人妻综合| 国产精品女同一区二区软件| 国产成人精品无人区| 亚洲图色成人| 人人澡人人妻人| 人成视频在线观看免费观看| 亚洲精品一区蜜桃| 青春草亚洲视频在线观看| 男女免费视频国产| 九九爱精品视频在线观看| 精品一区在线观看国产| 女人久久www免费人成看片| 2021少妇久久久久久久久久久| 亚洲av中文av极速乱| 亚洲av电影在线观看一区二区三区| 少妇熟女欧美另类| 汤姆久久久久久久影院中文字幕| 欧美 日韩 精品 国产| 少妇被粗大猛烈的视频| 国产精品蜜桃在线观看| 亚洲精品久久久久久婷婷小说| 精品99又大又爽又粗少妇毛片| 日韩大片免费观看网站| 久久久精品免费免费高清| 成人18禁高潮啪啪吃奶动态图| 国产成人精品在线电影| 免费黄色在线免费观看| 精品国产一区二区久久| 精品人妻在线不人妻| 成人免费观看视频高清| 我要看黄色一级片免费的| 伊人亚洲综合成人网| 亚洲精品成人av观看孕妇| 最新中文字幕久久久久| 久久久久久久亚洲中文字幕| 国产精品一区二区在线不卡|