• <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 ?

    基于卷積神經(jīng)網(wǎng)絡(luò)的車輛分類與檢測技術(shù)研究

    2023-04-07 14:47:03解丹陳立潮曹玲玲張艷麗
    軟件工程 2023年4期
    關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)

    解丹 陳立潮 曹玲玲 張艷麗

    關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò);車輛分類;車輛檢測;深度學(xué)習(xí)

    中圖分類號:TP391 文獻(xiàn)標(biāo)識碼:A

    1引言(Introduction)

    隨著以深度學(xué)習(xí)為代表的人工智能技術(shù)的發(fā)展,越來越多的領(lǐng)域開始應(yīng)用深度學(xué)習(xí)技術(shù)?;谏疃葘W(xué)習(xí)的車輛分類與檢測是當(dāng)前智慧交通領(lǐng)域的研究熱點,其在智能交通系統(tǒng)中處于基礎(chǔ)地位,對車輛跟蹤、交通管控、無人駕駛等的發(fā)展具有重要意義。深度學(xué)習(xí)主要涉及卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)、自編碼神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò),其中CNN的發(fā)展最為迅速。隨著CNN的發(fā)展,其在車輛分類的應(yīng)用被不斷優(yōu)化,例如對LeNet[1]、AlexNet[2]、VGG、GoogLeNet等模型的應(yīng)用。在車輛檢測中對CNN的應(yīng)用大致分為兩類:一類是一階段檢測方法,也稱為區(qū)域提議方法;另一類是兩階段檢測方法,也稱為無區(qū)域提議方法。本文以CNN的發(fā)展為主線,介紹并分析基于LeNet、AlexNet等CNN的車輛分類方法、基于R-CNN及YOLO系列的車輛檢測方法及用于評估這些方法的數(shù)據(jù)集,并對未來的研究方向進(jìn)行展望。

    2基于CNN的車輛分類(Vehicle classification basedon CNN)

    車輛分類是對圖像中車輛的種類進(jìn)行劃分。傳統(tǒng)的車輛分類方法是通過方向梯度直方圖、尺度不變特征轉(zhuǎn)換等方法提取車輛特征,并將特征輸入支持向量機(jī)、迭代器等分類器中,實現(xiàn)對車輛進(jìn)行分類。這些機(jī)器學(xué)習(xí)方法在提取車輛特征時大多依賴研究人員的專業(yè)知識和經(jīng)驗,受主觀因素影響較大,并且難以適應(yīng)天氣、光線、角度等的變化,泛化能力較差。隨著車輛數(shù)量增多,車輛類型也逐步增多,依靠機(jī)器學(xué)習(xí)提取車輛特征,無法較好地對車輛進(jìn)行分類。深度學(xué)習(xí)中CNN訓(xùn)練時具有更多的數(shù)據(jù)及參數(shù),因而其模型特征表達(dá)能力更強(qiáng),性能優(yōu)于機(jī)器學(xué)習(xí)。

    常見的CNN如表1所示,其中LeNet為最早發(fā)布的CNN,由兩個卷積層和三個全連接層組成,主要用于手寫數(shù)字的識別。LeNet雖然在小數(shù)據(jù)集上取得了較好的效果,但是在大量真實數(shù)據(jù)中的應(yīng)用效果還有待研究。計算機(jī)硬件的發(fā)展,使得訓(xùn)練大數(shù)據(jù)成為可能。2012年,KRIZHEVSKY等[2]在GPU上運行深度CNN,實現(xiàn)了卷積運算的快速操作,該網(wǎng)絡(luò)被稱為AlexNet。AlexNet和LeNet類似,但AlexNet比LeNet層數(shù)更多,它由五個卷積層和三個全連接層組成。隨著AlexNet在訓(xùn)練大數(shù)據(jù)集上的成功,CNN開始逐漸成為研究熱點。SIMONYAN等[3]提出了VGG網(wǎng)絡(luò),SZEGEDY等[4]提出了GoogLeNet。網(wǎng)絡(luò)越來越深的發(fā)展趨勢,使得人們開始思考如何使新添加的網(wǎng)絡(luò)層更有效地提升網(wǎng)絡(luò)性能。2016 年HE等[5]提出了殘差網(wǎng)絡(luò)(ResNet),之后HUANG等[6]對ResNet進(jìn)行改進(jìn)提出了稠密連接網(wǎng)絡(luò)(DenseNet)。隨著CNN的發(fā)展,其越來越多地被應(yīng)用于車輛分類領(lǐng)域。

    曹林等[7]對LeNet-5進(jìn)行改進(jìn)以學(xué)習(xí)車輛的雷達(dá)視頻信號特征,從而對大小車型進(jìn)行分類,為交通場景下車型識別的研究提供了新思路。馬傳香等[8]對AlexNet進(jìn)行改進(jìn),提出一種maxout加dropout的六層CNN用于區(qū)分空車和重車,模型對34,220 張圖像進(jìn)行測試,結(jié)果顯示分類的準(zhǔn)確度、敏感度都有較大的提高。張超[9]將VGG-16的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn),減少全連接層的個數(shù)及改變池化層的大小和性質(zhì),在保持對車輛特征提取能力的基礎(chǔ)上,提升了網(wǎng)絡(luò)速度。劉澤康等[10]將GoogLeNet應(yīng)用于車輛檢測,發(fā)現(xiàn)GoogLeNet需要較長的訓(xùn)練時間才能達(dá)到較好的分類精度。余燁等[11]對ResNet進(jìn)行改進(jìn),提出基于殘差網(wǎng)絡(luò)特征重用的深度卷積神經(jīng)網(wǎng)絡(luò)模型FR-ResNet用于車輛型號的精細(xì)分類,該模型引入多尺度輸入和特征圖權(quán)重學(xué)習(xí)策略,能防止網(wǎng)絡(luò)過深而陷入局部最優(yōu)。陳立潮等[12]針對細(xì)粒度車輛分類準(zhǔn)確率低及深度學(xué)習(xí)不能較好地關(guān)注車輛鑒別性部件特征的問題,在DenseNet中引入處理層和獨立組件增強(qiáng)部件信息和高位特征的提取,在斯坦福大學(xué)的Stanford Cars數(shù)據(jù)集上獲得95%的準(zhǔn)確率,但此方法重點關(guān)注局部鑒別性部件信息,對車輛全局特征的提取能力仍有待提高。

    可以看出,車輛的分類包括對車輛的車型大小、車輛的類型、車輛的承重等進(jìn)行分類,針對不同的分類目標(biāo)可以采用不同的模型。在改進(jìn)網(wǎng)絡(luò)模型時,可以改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)參數(shù)或引入其他有利于模型學(xué)習(xí)的策略。此外,車輛所在的場景對于車輛的分類也有很大的影響,場景越復(fù)雜,對車輛分類算法的要求越高。

    3基于CNN的車輛檢測(Vehicle detection based on CNN)

    車輛檢測包含車輛識別及定位,是智能交通系統(tǒng)中重要的一部分。在城市交通擁堵路段,車流量大、車輛之間相互遮擋嚴(yán)重,交通環(huán)境復(fù)雜,對車輛檢測提出了更高的要求。CNN未出現(xiàn)之前,對車輛的檢測主要有背景差分法、幀差法、光流法等,這些方法存在可移植性差、魯棒性差及速度慢的問題。隨著GUP并行技術(shù)和CNN的發(fā)展,以CNN為基礎(chǔ)的目標(biāo)檢測算法成為主流。2014 年,GIRSHICK等[13]提出了R-CNN用于目標(biāo)檢測,實現(xiàn)了使用少量標(biāo)注數(shù)據(jù)訓(xùn)練高質(zhì)量模型,但該模型占用的內(nèi)存較大、效率較低。為了提高R-CNN的效率,GIRSHICK等又提出了Fast R-CNN[14]、Faster R-CNN[15],使模型能更好地應(yīng)用于實時檢測。基于R-CNN的目標(biāo)檢測屬于兩階段檢測,其首先生成目標(biāo)候選區(qū),然后對候選區(qū)的目標(biāo)分類和定位。此外,YOLO、SSD、RetinaNet等為一階段檢測,它們將單個神經(jīng)網(wǎng)絡(luò)用于整張圖像,并對目標(biāo)的類別和邊界框進(jìn)行回歸,檢測速度較快。其中,YOLO算法發(fā)展最快,至今已發(fā)展至YOLOv5。2016 年REDMON等提出了YOLOv1[16],將目標(biāo)檢測問題處理為分類回歸問題。為實現(xiàn)更好、更快的檢測,2017 年REDMON等又提出YOLOv2[17]、2018 年進(jìn)一步提出YOLOv3[18]。2020 年BOCHKOVSKIY等融合深度學(xué)習(xí)的多種優(yōu)勢改進(jìn)YOLOv3,提出YOLOv4[19]。為提高網(wǎng)絡(luò)的多尺度檢測能力,曾凱等[20]對YOLOv5進(jìn)行研究。隨著目標(biāo)檢測算法的發(fā)展,各種算法根據(jù)車輛目標(biāo)檢測的特點進(jìn)行改進(jìn)并得到實際應(yīng)用。

    劉杰[21]采用R-CNN對常見的車輛事故場景及車身關(guān)鍵部位進(jìn)行訓(xùn)練,并結(jié)合空間輔助定位檢測事故車輛,本質(zhì)上是對特殊場景的車輛進(jìn)行檢測。張琦等[22]改進(jìn)Fast R-CNN,在原網(wǎng)絡(luò)上引入內(nèi)置的子網(wǎng)絡(luò)和尺度感知加權(quán)層,實現(xiàn)不同空間尺度的車輛檢測。王林等[23]針對遠(yuǎn)近場景中車輛尺寸存在較大差異造成Faster R-CNN誤檢、漏檢的問題,在訓(xùn)練Faster R-CNN時引入多尺度訓(xùn)練策略,針對數(shù)據(jù)集中目標(biāo)區(qū)域遠(yuǎn)小于背景區(qū)域、負(fù)樣本空間大的問題,在訓(xùn)練時引入難負(fù)樣本挖掘的策略,兩個策略的引入,使Faster R-CNN在檢測KITTI數(shù)據(jù)集的精確度提高了約8%,但該模型訓(xùn)練時對硬件的要求較高。LU等[24]對三個公共航空影像數(shù)據(jù)集進(jìn)行處理,集成一個適合YOLO訓(xùn)練的航空影像數(shù)據(jù)集,使訓(xùn)練好的YOLO模型能更好地檢測小目標(biāo)、旋轉(zhuǎn)目標(biāo)及緊湊目標(biāo)車輛;張成標(biāo)等[25]將DenseNet、多尺度層引入YOLOv2,并設(shè)計Kelu激活函數(shù)檢測不同形態(tài)的車輛,提高了車輛檢測的準(zhǔn)確率和精度;張富凱等[26]改進(jìn)YOLOv3,提出單階段深度神經(jīng)網(wǎng)絡(luò)(DF-YOLOv3),將DenseNet的特征圖與多尺度預(yù)測網(wǎng)絡(luò)的特征圖融合,得到更豐富的車輛特征,以較好地檢測不同尺度的車輛目標(biāo)。為解決車輛檢測中的錯檢、漏檢問題,於積榮等[27]將YOLOv4的主干網(wǎng)絡(luò)替換為CBAM-DenseNet-BC,SPPNet替換為ASPPNet,并引入CBAM模塊,張漪等[28]將注意力機(jī)制SE模塊引入YOLOv5,并使用了Focal Loss焦點損失,經(jīng)過改進(jìn)的YOLOv5可以較好地檢測遮擋車輛和小目標(biāo)車輛。

    對車輛檢測的研究致力于解決對不同尺度車輛的檢測以及錯檢、漏檢問題。針對不同尺度車輛的檢測,大多是在原網(wǎng)絡(luò)上增加不同大小的卷積層,從而得到不同大小的特征圖。對錯檢、漏檢問題的解決大多采用引入優(yōu)勢策略或加深網(wǎng)絡(luò)層數(shù)的方法。除此之外,車輛檢測的難點除了車輛尺度、車輛類型的問題,還有車輛所在的場景問題,以及對特殊天氣的車輛檢測,仍然有待深入研究。

    4車輛分類與檢測質(zhì)量評估數(shù)據(jù)集(Qualityassessment dataset of vehicle classification anddetection)

    4.1 KITTI數(shù)據(jù)集

    KITTI數(shù)據(jù)集由德國卡爾斯魯厄理工學(xué)院及豐田美國技術(shù)研究院制作,可通過http://www.cvlibs.net/datasets/kitti網(wǎng)址下載,主要用于車輛的檢測與跟蹤。該數(shù)據(jù)集中有激光雷達(dá)數(shù)據(jù)、標(biāo)注數(shù)據(jù)、圖像數(shù)據(jù)及標(biāo)定校準(zhǔn)數(shù)據(jù)。其中,圖像的分辨率為1392×512,包括市區(qū)、鄉(xiāng)村、校園及高速公路等真實場景,如圖1所示。數(shù)據(jù)集的標(biāo)注采用激光雷達(dá)坐標(biāo)系,共有Car(小汽車)、Van(廂式貨車)、Truck(卡車)、Pedestrian(行人)、Person(sitting)(坐著的人)、Cyclist(騎自行車的人)、Tram(有軌電車)和Misc(其他)八類,有各種程度的遮擋及截斷。

    4.2 BIT-Vehicle數(shù)據(jù)集

    BIT-Vehicle數(shù)據(jù)集由北京理工大學(xué)制作,主要用于車輛的分類與檢測,來源于http://iitlab.bit.edu.cn/mcislab/vehicledb/網(wǎng)站。該數(shù)據(jù)集中有9,850 張車輛圖像,來自兩個不同地方的攝像機(jī),圖像的分辨率分別為1600 ×1200和1920×1080,包含光照條件、尺度、車輛顏色和視角的變化。部分?jǐn)?shù)據(jù)集如圖2所示,車輛被分為Bus(公共汽車)、Microbus(中型客車)、Minivan(小型貨車)、Sedan(轎車)、SUV(越野車)、Truck(卡車)五類,每類車輛的數(shù)量分別為558輛、883輛、476輛、5,922 輛、1,392輛、822輛,共有10,053輛車。

    4.3 Stanford Cars數(shù)據(jù)集

    Stanford Cars數(shù)據(jù)集由斯坦福大學(xué)整理,可通過http://ai.stanford.edu/~jkrause/cars/car_dataset.html下載,主要用于車輛的細(xì)粒度分類。該數(shù)據(jù)集的類別主要根據(jù)汽車的牌子、車型及年份進(jìn)行劃分,共包含16,185張圖像,圖像中的車輛共有196 類,如圖3所示。數(shù)據(jù)集劃分為訓(xùn)練集和測試集,訓(xùn)練集中有8,144 張圖像,測試集中有8,041 張圖像,在訓(xùn)練集和測試集中每個類別的數(shù)量大致相同。

    4.4 UA-DETRAC數(shù)據(jù)集

    UA-DETRAC數(shù)據(jù)集來源于http://detrac-db.rit.albany.edu/,主要拍攝于北京和天津的道路、過街天橋等24 個不同的地點,存在多云、夜間、晴天和雨天四種天氣狀況,視頻每秒25 幀,每幀圖像的分辨率為960×540,如圖4所示。該數(shù)據(jù)集中手動標(biāo)注了8,250 輛車輛,共有121萬標(biāo)記的對象外框。車輛分為轎車、公共汽車、廂式貨車和其他四類。此數(shù)據(jù)集主要用于多目標(biāo)檢測和多目標(biāo)跟蹤的訓(xùn)練和測試。

    5 結(jié)論(Conclusion)

    車輛分類與檢測對于智能交通系統(tǒng)的發(fā)展極為重要。隨著GPU并行技術(shù)的發(fā)展及數(shù)據(jù)量的成倍增長,深度學(xué)習(xí)得到了極好的發(fā)展。在深度學(xué)習(xí)中CNN的表現(xiàn)較好,CNN在車輛分類和檢測中具有許多的應(yīng)用,在車輛分類中有LeNet、AlexNet、VGG、GoogLeNet等模型的應(yīng)用,在檢測中有R-CNN、YOLO等模型的應(yīng)用。這些模型的效果常在KITTI、BIT-Vehicle、Stanford Cars、UA-DETRAC等數(shù)據(jù)集上進(jìn)行測試。如今,車輛分類和檢測模型在這些數(shù)據(jù)集上的測試效果有了極大的提高,但對于特殊天氣、特殊場景的車輛分類和檢測仍有待深入研究。

    作者簡介:

    解丹(1994-),女,碩士,助教.研究領(lǐng)域:軟件開發(fā),圖像處理與模式識別.

    陳立潮(1961-),男,博士,教授.研究領(lǐng)域:圖像處理與模式識別.

    曹玲玲(1983-),女,碩士,講師.研究領(lǐng)域:大數(shù)據(jù)與人工智能.

    張艷麗(1983-),女,碩士,講師.研究領(lǐng)域:人工智能與圖像處理.

    猜你喜歡
    卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)
    基于卷積神經(jīng)網(wǎng)絡(luò)溫室智能大棚監(jiān)控系統(tǒng)的研究
    基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
    有體驗的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于卷積神經(jīng)網(wǎng)絡(luò)的樹葉識別的算法的研究
    freevideosex欧美| 秋霞伦理黄片| 春色校园在线视频观看| 啦啦啦在线观看免费高清www| 成人亚洲欧美一区二区av| 联通29元200g的流量卡| 久久精品夜色国产| 69av精品久久久久久| 麻豆国产97在线/欧美| 1000部很黄的大片| 国产欧美亚洲国产| 日本三级黄在线观看| 在线观看免费高清a一片| 久久久国产一区二区| 免费播放大片免费观看视频在线观看| 两个人的视频大全免费| 欧美高清成人免费视频www| 免费看日本二区| 六月丁香七月| 久久久精品94久久精品| 又大又黄又爽视频免费| 成年女人看的毛片在线观看| 成年女人在线观看亚洲视频 | 观看免费一级毛片| 91久久精品国产一区二区成人| av专区在线播放| 99热全是精品| 亚洲欧美清纯卡通| 久久97久久精品| 久久影院123| 中文精品一卡2卡3卡4更新| 自拍偷自拍亚洲精品老妇| 日韩av在线免费看完整版不卡| a级一级毛片免费在线观看| 99热这里只有精品一区| 国产乱来视频区| 国产免费一区二区三区四区乱码| 超碰av人人做人人爽久久| 亚州av有码| 日韩av在线免费看完整版不卡| 国产毛片在线视频| 秋霞伦理黄片| 日日啪夜夜爽| 亚洲欧美一区二区三区国产| 精品少妇久久久久久888优播| 亚洲精品国产成人久久av| 国产精品秋霞免费鲁丝片| 国产男女超爽视频在线观看| 亚洲欧美成人精品一区二区| 国产欧美日韩一区二区三区在线 | 国产精品久久久久久精品古装| 九九爱精品视频在线观看| videos熟女内射| 欧美xxxx性猛交bbbb| 一区二区三区四区激情视频| 中文精品一卡2卡3卡4更新| 国产精品久久久久久精品电影| 在线观看av片永久免费下载| 免费看光身美女| 日日啪夜夜爽| 女的被弄到高潮叫床怎么办| 人妻系列 视频| 禁无遮挡网站| 97超视频在线观看视频| 国产成人精品福利久久| 国产v大片淫在线免费观看| 禁无遮挡网站| 国产免费一区二区三区四区乱码| 久久久久久久精品精品| 久久久精品94久久精品| 国产精品国产三级国产av玫瑰| 哪个播放器可以免费观看大片| 欧美精品人与动牲交sv欧美| 看十八女毛片水多多多| 久久精品熟女亚洲av麻豆精品| 在线观看人妻少妇| 水蜜桃什么品种好| 2021少妇久久久久久久久久久| 国产黄片视频在线免费观看| 麻豆国产97在线/欧美| 久久99热这里只有精品18| 中文欧美无线码| 亚洲成人中文字幕在线播放| 亚洲精品久久久久久婷婷小说| 国产男女超爽视频在线观看| 欧美老熟妇乱子伦牲交| 人人妻人人看人人澡| 国产在线一区二区三区精| 春色校园在线视频观看| 国产精品久久久久久av不卡| 日韩成人av中文字幕在线观看| 在线观看国产h片| 免费观看性生交大片5| 最近中文字幕高清免费大全6| 日本猛色少妇xxxxx猛交久久| 男女边吃奶边做爰视频| 爱豆传媒免费全集在线观看| 大码成人一级视频| 国产精品秋霞免费鲁丝片| 精品国产乱码久久久久久小说| 日本色播在线视频| 自拍偷自拍亚洲精品老妇| 亚洲精品,欧美精品| 男女边摸边吃奶| 夜夜看夜夜爽夜夜摸| 99精国产麻豆久久婷婷| 欧美+日韩+精品| 国产欧美日韩一区二区三区在线 | 在线观看美女被高潮喷水网站| 搡老乐熟女国产| 丰满乱子伦码专区| 国国产精品蜜臀av免费| 午夜福利在线观看免费完整高清在| 国产成人午夜福利电影在线观看| 国产精品麻豆人妻色哟哟久久| 中文在线观看免费www的网站| 丝瓜视频免费看黄片| 精品亚洲乱码少妇综合久久| 久久久久久久亚洲中文字幕| 伊人久久国产一区二区| 精品久久久噜噜| 中国美白少妇内射xxxbb| 亚洲,欧美,日韩| 内射极品少妇av片p| 久久久久久久久久成人| 国产又色又爽无遮挡免| 成人一区二区视频在线观看| 一级毛片aaaaaa免费看小| 中国美白少妇内射xxxbb| 少妇的逼水好多| 天堂网av新在线| 在线亚洲精品国产二区图片欧美 | 欧美xxxx黑人xx丫x性爽| 插阴视频在线观看视频| 精品久久久精品久久久| 能在线免费看毛片的网站| 欧美xxxx黑人xx丫x性爽| 大片免费播放器 马上看| 好男人视频免费观看在线| 日日摸夜夜添夜夜爱| 91久久精品国产一区二区三区| 搡老乐熟女国产| 男女国产视频网站| 久久精品综合一区二区三区| 天美传媒精品一区二区| 嫩草影院精品99| 2018国产大陆天天弄谢| av又黄又爽大尺度在线免费看| 一本色道久久久久久精品综合| 日韩av免费高清视频| 97在线视频观看| 男女边吃奶边做爰视频| 青春草亚洲视频在线观看| a级毛片免费高清观看在线播放| 欧美性猛交╳xxx乱大交人| 精品一区在线观看国产| 日韩强制内射视频| 观看美女的网站| 午夜福利视频精品| 欧美国产精品一级二级三级 | 久久久精品94久久精品| 我要看日韩黄色一级片| 男女边吃奶边做爰视频| 欧美性感艳星| 精品少妇久久久久久888优播| av国产精品久久久久影院| 69av精品久久久久久| 欧美日韩国产mv在线观看视频 | 99热网站在线观看| 又大又黄又爽视频免费| 日本wwww免费看| 久久久久久久午夜电影| 少妇的逼好多水| 国产精品国产三级国产av玫瑰| 精品久久国产蜜桃| 日韩大片免费观看网站| 在线观看三级黄色| av一本久久久久| 青春草亚洲视频在线观看| 精品少妇久久久久久888优播| 国产高清有码在线观看视频| 18禁裸乳无遮挡免费网站照片| 在线 av 中文字幕| 日韩一区二区三区影片| 嘟嘟电影网在线观看| 丝瓜视频免费看黄片| 精品久久久噜噜| 中文资源天堂在线| 天天一区二区日本电影三级| 99精国产麻豆久久婷婷| 午夜福利高清视频| 免费观看a级毛片全部| 国产一区二区在线观看日韩| 我的女老师完整版在线观看| 国产国拍精品亚洲av在线观看| 综合色丁香网| 一二三四中文在线观看免费高清| 六月丁香七月| 大片免费播放器 马上看| 下体分泌物呈黄色| 中文字幕制服av| 日日摸夜夜添夜夜添av毛片| 三级男女做爰猛烈吃奶摸视频| 日本黄大片高清| 午夜日本视频在线| av又黄又爽大尺度在线免费看| 一级毛片电影观看| 亚洲aⅴ乱码一区二区在线播放| 欧美成人a在线观看| 亚洲aⅴ乱码一区二区在线播放| 简卡轻食公司| 永久网站在线| av播播在线观看一区| 777米奇影视久久| 少妇猛男粗大的猛烈进出视频 | 久久久欧美国产精品| 欧美日韩综合久久久久久| 国产亚洲5aaaaa淫片| 免费av毛片视频| 亚洲最大成人av| 高清欧美精品videossex| av黄色大香蕉| 九草在线视频观看| 亚洲精品日韩av片在线观看| 国产伦精品一区二区三区视频9| 狂野欧美激情性xxxx在线观看| 久久韩国三级中文字幕| 麻豆成人午夜福利视频| 成人亚洲精品av一区二区| 亚洲不卡免费看| 欧美潮喷喷水| 黄色日韩在线| 国产黄色免费在线视频| 少妇人妻久久综合中文| 亚洲av电影在线观看一区二区三区 | 丰满人妻一区二区三区视频av| 国产视频首页在线观看| 18禁在线无遮挡免费观看视频| 少妇人妻精品综合一区二区| 成年av动漫网址| 国产精品人妻久久久久久| 人体艺术视频欧美日本| 亚洲av中文av极速乱| 又大又黄又爽视频免费| 搡老乐熟女国产| 国产在视频线精品| 建设人人有责人人尽责人人享有的 | 亚洲精品,欧美精品| 一区二区三区四区激情视频| 欧美极品一区二区三区四区| 白带黄色成豆腐渣| 亚洲怡红院男人天堂| 插阴视频在线观看视频| 日本三级黄在线观看| 成年女人看的毛片在线观看| 亚洲精品色激情综合| 男人和女人高潮做爰伦理| 中文字幕亚洲精品专区| 免费大片黄手机在线观看| 亚洲欧洲国产日韩| 97热精品久久久久久| 免费黄频网站在线观看国产| 国产高清不卡午夜福利| 亚洲成人精品中文字幕电影| 亚洲国产欧美在线一区| 国产黄片视频在线免费观看| 下体分泌物呈黄色| 别揉我奶头 嗯啊视频| 欧美日本视频| 欧美日韩一区二区视频在线观看视频在线 | 国产伦理片在线播放av一区| 交换朋友夫妻互换小说| 日韩不卡一区二区三区视频在线| 欧美性感艳星| 国产片特级美女逼逼视频| 日韩电影二区| 岛国毛片在线播放| 国产免费一级a男人的天堂| 草草在线视频免费看| av在线天堂中文字幕| 国产精品熟女久久久久浪| 国产爽快片一区二区三区| 波多野结衣巨乳人妻| 99视频精品全部免费 在线| 久久国产乱子免费精品| 国产成人福利小说| 18禁在线无遮挡免费观看视频| 久久精品国产亚洲网站| 新久久久久国产一级毛片| 高清视频免费观看一区二区| 寂寞人妻少妇视频99o| 视频区图区小说| 91久久精品国产一区二区三区| 亚洲va在线va天堂va国产| 蜜桃亚洲精品一区二区三区| 秋霞伦理黄片| 欧美日韩一区二区视频在线观看视频在线 | 十八禁网站网址无遮挡 | 丰满少妇做爰视频| 又爽又黄无遮挡网站| 男人添女人高潮全过程视频| 三级经典国产精品| 深夜a级毛片| 一边亲一边摸免费视频| 18禁在线无遮挡免费观看视频| 久久精品久久久久久久性| 一级毛片aaaaaa免费看小| 国产高清不卡午夜福利| 欧美日韩在线观看h| 日韩av免费高清视频| 男插女下体视频免费在线播放| 欧美成人午夜免费资源| 中文资源天堂在线| 两个人的视频大全免费| 国产精品秋霞免费鲁丝片| 亚洲av一区综合| 国产黄色视频一区二区在线观看| 极品少妇高潮喷水抽搐| 少妇高潮的动态图| 国产真实伦视频高清在线观看| 九色成人免费人妻av| 精品久久久精品久久久| 人妻制服诱惑在线中文字幕| 亚洲伊人久久精品综合| 亚洲国产精品999| 国产精品99久久久久久久久| 丝袜喷水一区| 国产综合懂色| 少妇熟女欧美另类| 又粗又硬又长又爽又黄的视频| 日韩欧美 国产精品| 人妻一区二区av| 亚洲国产最新在线播放| 少妇裸体淫交视频免费看高清| 欧美性感艳星| 国产精品精品国产色婷婷| 国产精品国产三级国产av玫瑰| 美女脱内裤让男人舔精品视频| 人人妻人人看人人澡| 久久久精品免费免费高清| 国产精品一区二区三区四区免费观看| 亚洲激情五月婷婷啪啪| 少妇丰满av| 亚洲,欧美,日韩| 国产伦在线观看视频一区| 亚洲av二区三区四区| 久久精品国产a三级三级三级| 一区二区三区精品91| 国产精品蜜桃在线观看| 婷婷色综合www| 下体分泌物呈黄色| 日韩一区二区三区影片| 精品亚洲乱码少妇综合久久| 免费观看的影片在线观看| 亚洲av男天堂| 97人妻精品一区二区三区麻豆| 99视频精品全部免费 在线| 美女被艹到高潮喷水动态| 五月天丁香电影| 高清av免费在线| 少妇的逼好多水| 亚洲av电影在线观看一区二区三区 | 丰满人妻一区二区三区视频av| 国产熟女欧美一区二区| av在线亚洲专区| 日韩成人伦理影院| 99热这里只有是精品50| 美女视频免费永久观看网站| 欧美xxxx性猛交bbbb| 麻豆乱淫一区二区| 校园人妻丝袜中文字幕| 2021天堂中文幕一二区在线观| 亚洲精品一区蜜桃| 国产精品三级大全| 久久久久久九九精品二区国产| 色5月婷婷丁香| 国产精品麻豆人妻色哟哟久久| 日韩亚洲欧美综合| 日韩三级伦理在线观看| 波野结衣二区三区在线| 热99国产精品久久久久久7| 国产精品国产三级国产av玫瑰| 边亲边吃奶的免费视频| 成年av动漫网址| 亚洲av一区综合| 人妻一区二区av| 国产一区有黄有色的免费视频| 又爽又黄a免费视频| 亚洲在线观看片| 91久久精品电影网| 一个人观看的视频www高清免费观看| 我要看日韩黄色一级片| 少妇熟女欧美另类| 欧美人与善性xxx| 日韩欧美一区视频在线观看 | 国产极品天堂在线| 777米奇影视久久| 国产淫片久久久久久久久| 国产日韩欧美在线精品| 午夜福利高清视频| 久久午夜福利片| 国产探花在线观看一区二区| 国产精品无大码| 亚洲最大成人手机在线| a级一级毛片免费在线观看| 亚洲精品日韩在线中文字幕| 国产高清国产精品国产三级 | 国模一区二区三区四区视频| 国产日韩欧美在线精品| eeuss影院久久| 高清欧美精品videossex| 日韩成人伦理影院| 免费不卡的大黄色大毛片视频在线观看| 天堂俺去俺来也www色官网| 国产老妇伦熟女老妇高清| 国产综合懂色| 91久久精品电影网| 国产黄片视频在线免费观看| 尤物成人国产欧美一区二区三区| 欧美区成人在线视频| 黑人高潮一二区| 少妇 在线观看| 国产精品99久久久久久久久| 欧美亚洲 丝袜 人妻 在线| 国产黄a三级三级三级人| 成人二区视频| 插逼视频在线观看| 日韩av免费高清视频| 久久久久网色| 欧美97在线视频| 欧美精品人与动牲交sv欧美| 综合色av麻豆| 极品教师在线视频| 成人亚洲欧美一区二区av| 日本猛色少妇xxxxx猛交久久| 最近的中文字幕免费完整| 色5月婷婷丁香| eeuss影院久久| 男插女下体视频免费在线播放| 亚洲丝袜综合中文字幕| 日本与韩国留学比较| 色播亚洲综合网| 日韩视频在线欧美| 亚洲美女搞黄在线观看| 欧美精品一区二区大全| 亚洲精品第二区| 久久女婷五月综合色啪小说 | 国产男女内射视频| 一级av片app| 国产熟女欧美一区二区| 99九九线精品视频在线观看视频| 亚洲精品一区蜜桃| 一级毛片黄色毛片免费观看视频| 一级毛片 在线播放| 一级黄片播放器| 美女脱内裤让男人舔精品视频| 男女边吃奶边做爰视频| 国产欧美日韩一区二区三区在线 | 日韩欧美一区视频在线观看 | 久久精品夜色国产| 国产精品.久久久| 免费不卡的大黄色大毛片视频在线观看| 日韩亚洲欧美综合| 18+在线观看网站| 深夜a级毛片| 亚洲精品日本国产第一区| 国产伦在线观看视频一区| 大片电影免费在线观看免费| 亚洲天堂国产精品一区在线| 少妇人妻 视频| 亚洲欧美日韩另类电影网站 | 啦啦啦在线观看免费高清www| 国产一级毛片在线| 天天躁夜夜躁狠狠久久av| 好男人视频免费观看在线| 伦精品一区二区三区| 国产亚洲最大av| 国产日韩欧美在线精品| 久久精品久久久久久噜噜老黄| 久久99热6这里只有精品| 永久网站在线| 天美传媒精品一区二区| 涩涩av久久男人的天堂| 亚洲天堂av无毛| 99热6这里只有精品| 免费观看av网站的网址| 国产成人免费无遮挡视频| 国产成人一区二区在线| 久久ye,这里只有精品| 午夜激情福利司机影院| 看黄色毛片网站| 成人特级av手机在线观看| 成人午夜精彩视频在线观看| 色哟哟·www| a级一级毛片免费在线观看| 亚洲欧洲日产国产| 久久久精品免费免费高清| 久久久精品94久久精品| 国产成人午夜福利电影在线观看| 激情五月婷婷亚洲| 久久久欧美国产精品| 噜噜噜噜噜久久久久久91| 91精品一卡2卡3卡4卡| 欧美性感艳星| 久久精品国产亚洲av涩爱| 少妇的逼好多水| 91久久精品国产一区二区成人| av在线亚洲专区| 亚洲精品国产色婷婷电影| 欧美变态另类bdsm刘玥| 国产成人福利小说| 99久久人妻综合| 赤兔流量卡办理| 国产精品三级大全| 国产一区有黄有色的免费视频| 亚洲av男天堂| 久久精品国产鲁丝片午夜精品| 亚洲精品日韩av片在线观看| 国产美女午夜福利| 91久久精品电影网| 好男人在线观看高清免费视频| 国内精品美女久久久久久| 成年人午夜在线观看视频| 国产女主播在线喷水免费视频网站| 王馨瑶露胸无遮挡在线观看| 人人妻人人爽人人添夜夜欢视频 | 又粗又硬又长又爽又黄的视频| 国产 精品1| 欧美区成人在线视频| 国产精品女同一区二区软件| 免费人成在线观看视频色| 亚洲av.av天堂| 国产v大片淫在线免费观看| 精品人妻偷拍中文字幕| 五月天丁香电影| 国产有黄有色有爽视频| 91精品伊人久久大香线蕉| 一个人看视频在线观看www免费| 精品久久久久久久久av| 又爽又黄a免费视频| 日韩精品有码人妻一区| 久热久热在线精品观看| 亚洲精品日韩在线中文字幕| 日韩亚洲欧美综合| 亚洲电影在线观看av| 婷婷色综合www| 色网站视频免费| 亚洲va在线va天堂va国产| 寂寞人妻少妇视频99o| 丰满人妻一区二区三区视频av| 最近的中文字幕免费完整| 汤姆久久久久久久影院中文字幕| 亚洲成人一二三区av| 久久久久精品久久久久真实原创| 极品少妇高潮喷水抽搐| xxx大片免费视频| 久久久精品免费免费高清| 美女xxoo啪啪120秒动态图| 黄色配什么色好看| 18禁裸乳无遮挡免费网站照片| 制服丝袜香蕉在线| 最近的中文字幕免费完整| 日韩欧美精品v在线| 高清毛片免费看| 一本色道久久久久久精品综合| 一级毛片aaaaaa免费看小| 久久影院123| 成年版毛片免费区| 国产亚洲精品久久久com| 日韩一本色道免费dvd| 啦啦啦啦在线视频资源| 亚洲av成人精品一二三区| 丝袜喷水一区| 欧美少妇被猛烈插入视频| 日韩国内少妇激情av| 中国国产av一级| 色综合色国产| 99久国产av精品国产电影| 91午夜精品亚洲一区二区三区| 国产视频内射| 亚洲欧美精品自产自拍| 99久久精品热视频| 97在线人人人人妻| 自拍欧美九色日韩亚洲蝌蚪91 | 欧美三级亚洲精品| 一区二区三区乱码不卡18| 肉色欧美久久久久久久蜜桃 | 美女脱内裤让男人舔精品视频| 成人无遮挡网站| 三级男女做爰猛烈吃奶摸视频| 一区二区三区乱码不卡18| 肉色欧美久久久久久久蜜桃 | 久久久久久久久久人人人人人人| 一区二区三区乱码不卡18| 免费观看在线日韩| 麻豆成人午夜福利视频| 男女啪啪激烈高潮av片| 久久精品久久久久久久性| 草草在线视频免费看| 成人美女网站在线观看视频| 中文欧美无线码| 国产精品久久久久久av不卡| 亚洲欧美精品自产自拍| 麻豆精品久久久久久蜜桃| 亚洲av成人精品一二三区| 夜夜爽夜夜爽视频| 超碰av人人做人人爽久久| 欧美最新免费一区二区三区| 下体分泌物呈黄色| av免费观看日本| 国产高清三级在线| 中国国产av一级| 波野结衣二区三区在线| 人妻少妇偷人精品九色| av免费观看日本|