• <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 ?

    基于多尺度特征融合的YOLOv3 行人檢測算法?

    2024-04-17 07:28:42黎國斌王等準(zhǔn)扈健瑋林向會謝本亮
    計算機與數(shù)字工程 2024年1期
    關(guān)鍵詞:行人殘差尺度

    黎國斌 王等準(zhǔn) 張 劍 扈健瑋 林向會 謝本亮

    (貴州大學(xué)大數(shù)據(jù)與信息工程學(xué)院半導(dǎo)體功率器件可靠性教育部工程研究中心 貴陽 550025)

    1 引言

    行人檢測技術(shù)以往是人工提取特征,例如SIFT[1]、LBP[2]、SURF[3]、HOG[4]以及Haar[5]等特征描述因子,提取行人特征后輸入分類器中進(jìn)行學(xué)習(xí),傳統(tǒng)的分類器有adboost[6]或者SVM[7],最后輸出分類的結(jié)果。YOLOv3[8]作為一階段檢測算法,略去區(qū)域候選框過程,在保證檢測性能的同時提升檢測速度,該算法摒棄以往僅僅利用最后檢測層進(jìn)行單尺度輸出,而是同時輸出三種尺度的目標(biāo),更適合本文研究的內(nèi)容,所以本文使用YOLOv3 作為基準(zhǔn)算法。

    行人檢測是一種特殊的目標(biāo)檢測算法,只是檢測目標(biāo)限定于行人。圖1 是Caltech[9]行人檢測數(shù)據(jù)集的統(tǒng)計圖。

    圖1 Caltech數(shù)據(jù)集行人尺度統(tǒng)計圖

    由上可知,行人大小尺度分布不均勻,行人尺度主要分布在50 像素以下。在現(xiàn)實生活中,由于道路行人與車載成像設(shè)備之間的距離不同,成像后行人尺度差距十分顯著,因此,本文在YOLOv3 算法基礎(chǔ)上,改進(jìn)特征提取網(wǎng)絡(luò),引入多尺度特征融合模塊至殘差單元中,替換原來僅僅是兩個卷積層堆疊的殘差單元。改進(jìn)后的殘差單元,可以將不同尺度的特征進(jìn)行融合,那么多個殘差單元堆疊就可以進(jìn)一步融合更多不同尺度的行人特征,提高網(wǎng)絡(luò)對不同尺度特征的提取能力。

    2 相關(guān)工作

    特征融合在目標(biāo)檢測算法中是非常常見的,特征 融 合 有 很 多 種 方 式,例 如ResNet[10]的 跳 連 接(skip connection)、FPN[11]的長連接(long connection)、Inception[12]中同層不同分支間特征拼接或者按像素相加進(jìn)行特征融合。

    針對不同尺度不同語義的特征,Yimian Dai等[13]提出多尺度通道注意力模塊(MS-CAM)。多尺度通道注意力模塊結(jié)構(gòu)圖如圖2所示。

    圖2 多尺度通道注意模塊結(jié)構(gòu)圖

    輸入X分別通過全局和局部分支,全局分支依次通過全局平均池化層得到C×1×1 特征,接著輸入到深度可分離卷積得到C/r×1×1 特征,隨后輸入到批量歸一化(BN),非線性激活函數(shù)(Re-LU),再通過深度可分離卷積得到C×1×1 特征。同理,局部分支除去全局平均池化操作外,其他與全局分支相同。最后將全局的語義信息和局部的特征信息進(jìn)行相加,通過激活函數(shù)(Sigmoid)將特征信息權(quán)重限定在[0,1],最后與原特征X相乘得到調(diào)整后的特征X′。MS-CAM 僅僅是單輸入,難以融合不同層的特征,因此將淺層特征X深層特征Y、多尺度通道注意力模塊結(jié)合一起,構(gòu)造成多尺度特征融合模塊(AFF),AFF 網(wǎng)絡(luò)結(jié)構(gòu)圖如圖3所示。

    圖3 多尺度特征融合模塊

    X為淺層特征,Y為深層的特征,特征圖的寬為W,高為H,通道數(shù)為C。X和Y相加得到的特征,繼續(xù)通過MS-CAM,得到兩個分支,左分支是特征融合后的權(quán)重,并且局限在0到1之間,而右分支是通過全1 矩陣減左分支的值得到的,右邊權(quán)重也是限定在[0,1],隨后左右分支分別與原特征進(jìn)行矩陣乘法運算,得到的結(jié)果進(jìn)行相加運算得到最后的輸出Z?RC×H×W,即得到的Z是淺層細(xì)?;卣髋c深層語義信息融合后的特征。

    3 本文算法

    本文算法分三個小節(jié)進(jìn)行闡述,首先簡述本文改進(jìn)算法的結(jié)構(gòu)設(shè)計、其次闡述改進(jìn)算法的訓(xùn)練過程、最后針對改進(jìn)算法的實驗環(huán)境及結(jié)果做進(jìn)一步的分析。

    3.1 本文算法結(jié)構(gòu)設(shè)計

    為了實現(xiàn)不同尺度行人的檢測,本文在YOLOv3 算法的特征提取網(wǎng)絡(luò)中引入多尺度特征融合模塊,改進(jìn)前的殘差單元結(jié)構(gòu)圖如圖4。

    圖4 改進(jìn)前的殘差單元結(jié)構(gòu)圖

    將原輸入x、x經(jīng)過連續(xù)兩個DBL卷積層得到的特征y、x與y相加得到的特征w,x表示淺層特征,y表示深層特征,改進(jìn)后的殘差單元結(jié)構(gòu)如圖5所示。

    圖5 改進(jìn)后的殘差單元結(jié)構(gòu)圖

    淺層特征x與左分支權(quán)重z相乘得到淺層調(diào)整后的特征,深層特征y與右分支相乘得到深層調(diào)整后的特征,然后將調(diào)整后的特征相加得到最后輸出。將改進(jìn)Res_unit 替換YOLOv3 中的Res_unit,其他網(wǎng)絡(luò)結(jié)構(gòu)不變。

    3.2 網(wǎng)絡(luò)模型訓(xùn)練設(shè)計

    由于兩個階段的學(xué)習(xí)率不一樣,模型更新步伐不同,第一階段將學(xué)習(xí)率調(diào)大,可以加快模型訓(xùn)練,第二階段調(diào)小學(xué)習(xí)率,可以更好地找到全局最優(yōu)解,所以模型訓(xùn)練過程分為兩個階段,第一階段實驗超參數(shù)設(shè)計如表1所示。

    表1 第一階段實驗超參數(shù)表

    第二階段學(xué)習(xí)率調(diào)整為0.0001,訓(xùn)練次數(shù)epoch設(shè)置為10,其他參數(shù)與上相同。

    模型訓(xùn)練,訓(xùn)練與驗證集比例為7∶3,并隨機打亂訓(xùn)練集。網(wǎng)絡(luò)訓(xùn)練的最終目的是保存最佳的權(quán)重參數(shù),而權(quán)重更新的方法很多,本文使用學(xué)習(xí)率自適應(yīng)二階優(yōu)化方法Adam(Daptive Moment Estimate)。該優(yōu)化方法可以自適應(yīng)地調(diào)整學(xué)習(xí)率,并且適合處理不平穩(wěn)的目標(biāo)函數(shù),計算效率高且內(nèi)存需求小,正好適用于行人檢測數(shù)據(jù)集。

    3.3 本文實驗結(jié)果與分析

    3.3.1 實驗配置與數(shù)據(jù)集

    本文實驗環(huán)境分為兩部分,其一是本地調(diào)試程序使用的個人計算機運行平臺,其二是實驗室搭建的英偉達(dá)(NVIDIA)GPU 服務(wù)器。個人計算機運行平臺軟硬件環(huán)境配置如表2所示。

    表2 本地調(diào)試程序個人計算機軟硬件環(huán)境

    服務(wù)器軟硬件配置如表3所示。

    表3 服務(wù)器軟硬件環(huán)境配置

    表4 改進(jìn)算法在Caltech、On_merge數(shù)據(jù)集訓(xùn)練的測試結(jié)果

    本文實驗使用的數(shù)據(jù)集共2 個,分別為Caltech和On_merge數(shù)據(jù)集。選擇set00-set05 作為Caltech訓(xùn)練集,共有67020張訓(xùn)練圖片。On_merge數(shù)據(jù)集包含Caltech 訓(xùn)練集、Cityperson[14]訓(xùn)練集、驗證集,共有69663 張訓(xùn)練圖片。由于Caltech 數(shù)據(jù)集中存在部分錯標(biāo)漏標(biāo)的情況,本次實驗的測試集選用set06 中部分?jǐn)?shù)據(jù)集,測試集經(jīng)過調(diào)整后,測試圖片數(shù)量為2059張。

    3.3.2 實驗結(jié)果與分析

    替換Darknet53為引入多尺度特征融合模塊的特征提取網(wǎng)絡(luò),其他網(wǎng)絡(luò)結(jié)構(gòu)與YOLOv3 一樣。經(jīng)過實驗,得到如圖6~7所示PR曲線圖。

    圖6 Caltech數(shù)據(jù)集精準(zhǔn)率-召回率曲線圖

    圖7 On_merge數(shù)據(jù)集精準(zhǔn)率-召回率曲線圖

    從圖6、7 知,改進(jìn)算法(YOLOv3+mscam)的平均精準(zhǔn)率比基準(zhǔn)算法高,并且在On_merge 數(shù)據(jù)集的平均精準(zhǔn)率都比基準(zhǔn)算法高,進(jìn)一步說明改進(jìn)算法的有效性。On_merge 數(shù)據(jù)集包含Caltech 和Cityperson數(shù)據(jù)集,模型泛化能力更強。

    YOLOv3+mscam 表示引入多尺度特征融合模塊的YOLOv3 算法,分別在Caltech、On_merge 數(shù)據(jù)集進(jìn)行訓(xùn)練,測試得到的結(jié)果;R 表示召回率,P 表示精準(zhǔn)率。從表5、6 可知,對于Caltech 數(shù)據(jù)集,YOLOv3+mscam、YOLOv3 在置信度分別等于30.79%,26.4%取得上述F1系數(shù)、召回率、精準(zhǔn)率以及平均精準(zhǔn)率。YOLOv3+mscam 的平均精準(zhǔn)率比基準(zhǔn)算法高出其5.49%,F(xiàn)1調(diào)和系數(shù)比基準(zhǔn)算法高出其3.42%,精準(zhǔn)率比基準(zhǔn)算法高出其14.1%。

    表5 改進(jìn)算法在Caltech、On_merge數(shù)據(jù)集訓(xùn)練的測試結(jié)果

    取得上述性能提升的主要原因是引入了多尺度特征融合模塊,并且是引入到殘差單元(ResNet)內(nèi)部,依然保持殘差連接特性,即增加網(wǎng)絡(luò)深度的同時不會引起梯度消失的問題。增加特征提取網(wǎng)絡(luò)的深度,進(jìn)一步提升特征提取網(wǎng)絡(luò)的非線性表達(dá)能力,增強網(wǎng)絡(luò)對行人特征的提取能力。

    此外,多尺度特征融合模塊內(nèi)部融合通道域注意力機制,融合全局與局部的信息,可以更好判別行人特征信息,降低假陽性率,在通道域注意力機制的引導(dǎo)下,網(wǎng)絡(luò)增加行人特征對應(yīng)通道的響應(yīng)權(quán)重,降低背景等無關(guān)信息對應(yīng)通道的響應(yīng)比例,因此網(wǎng)絡(luò)可以更加傾向行人可見特征信息,降低行人特征信息以外等無關(guān)信息的干擾,更多有用行人特征信息參與網(wǎng)絡(luò)訓(xùn)練,網(wǎng)絡(luò)對行人的識別能力也進(jìn)一步加強。

    由圖3 可知,多尺度特征融合模塊外部改變?yōu)殡p輸入,一輸入為淺層的特征、另外一輸入為殘差學(xué)習(xí)后的特征,兩輸入相加后的特征信息輸入至多尺度通道注意力模塊,得到兩個特征比例權(quán)重,淺層特征、殘差學(xué)習(xí)后特征分別與各自比例權(quán)重相乘得到各自調(diào)整后的特征,最后將調(diào)整后的特征相加輸出,經(jīng)過多級特征融合的殘差單元級聯(lián),可以更好地融合不同尺度行人的特征信息,從而提高行人檢測的性能。

    為了更直觀理解改進(jìn)算法的模型參數(shù),基準(zhǔn)算法與改進(jìn)算法的模型參數(shù)如表6。

    表6 模型參數(shù)對比表

    雖然改進(jìn)算法在特征提取網(wǎng)絡(luò)引入別的網(wǎng)絡(luò)層,但總體的計算量增加不大,改進(jìn)算法在Tesla V100 的FPS 為48,基準(zhǔn)算法的FPS 為52,都能滿足檢測實時性要求。

    為了更直觀地理解改進(jìn)算法的有效性,改進(jìn)算法與基準(zhǔn)算法的檢測效果圖如圖8~9所示。

    圖8 改進(jìn)算法檢測效果全圖

    圖9 改進(jìn)算法檢測局部放大圖

    紅色框代表基準(zhǔn)算法的檢測結(jié)果,綠色框代表改進(jìn)算法的檢測結(jié)果,從圖8、9 知,基準(zhǔn)算法對于距離較遠(yuǎn)的小尺度行人存在漏檢,而改進(jìn)算法可以完全框出圖像中的行人。

    為了驗證改進(jìn)算法的有效性,將改進(jìn)的算法在On_merge 訓(xùn)練集進(jìn)行訓(xùn)練,經(jīng)測試得到表4 與表5結(jié)果。YOLOv3+mscam、YOLOv3 在置信度分別等于33.81%,34.28%取得上述F1 系數(shù)、召回率、精準(zhǔn)率以及平均精準(zhǔn)率。YOLOv3+mscam 的平均精準(zhǔn)率比基準(zhǔn)算法高出其2.26%。進(jìn)一步說明改變原來特征提取方式,替換為帶多尺度特征融合模塊的特征提取網(wǎng)絡(luò),可以提升不同尺度行人的檢測性能。

    紅色框是基準(zhǔn)算法,綠色框是改進(jìn)算法,從圖10、11 得知,改進(jìn)算法的檢測效果更佳。基準(zhǔn)算法對較小尺度行人存在漏檢,改進(jìn)算法可以很好地擬合小尺度行人。

    圖10 改進(jìn)算法檢測效果全圖

    圖11 改進(jìn)算法檢測局部放大圖

    4 結(jié)語

    在行人檢測技術(shù)中,行人大小尺度問題比較常見,一直也是行人檢測的難點。由于行人與成像設(shè)備間的距離不同,導(dǎo)致行人大小尺度不一問題尤為顯著,本文針對行人大小尺度問題,提出基于多尺度特征融合的YOLOv3 行人檢測算法。由于YOLOv3 的特征提取網(wǎng)絡(luò)Darknet53 引入了殘差連接,那么在殘差單元里引入多尺度特征融合模塊,改變特征的提取方式,將淺層特征和經(jīng)過殘差學(xué)習(xí)的深層特征進(jìn)行融合,融合后輸入多尺度通道注意力模塊,可以同時關(guān)注行人的全局信息和局部信息,并更加關(guān)注行人的有用信息,降低無用信息對網(wǎng)絡(luò)的干擾。最后在Caltech 數(shù)據(jù)集和Cityperson 數(shù)據(jù)集上進(jìn)行消融實驗,上文也統(tǒng)計Caltech 數(shù)據(jù)集中的行人尺度,行人尺度分布廣泛,小尺度行人尤為顯著,提高不同尺度行人檢測性能,為后續(xù)行人重識別[15]、行人跟蹤等領(lǐng)域的研究奠定堅實的基礎(chǔ)。

    猜你喜歡
    行人殘差尺度
    基于雙向GRU與殘差擬合的車輛跟馳建模
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    基于殘差學(xué)習(xí)的自適應(yīng)無人機目標(biāo)跟蹤算法
    財產(chǎn)的五大尺度和五重應(yīng)對
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    路不為尋找者而設(shè)
    揚子江(2019年1期)2019-03-08 02:52:34
    我是行人
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    平穩(wěn)自相關(guān)過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    9
    国产男靠女视频免费网站| 精品欧美国产一区二区三| 久久精品国产亚洲网站| 看黄色毛片网站| 亚洲一区二区三区色噜噜| 亚洲成人中文字幕在线播放| 在线观看美女被高潮喷水网站| 少妇人妻精品综合一区二区 | 国产精品国产三级国产av玫瑰| 午夜亚洲福利在线播放| 国产美女午夜福利| 天堂av国产一区二区熟女人妻| 在线观看66精品国产| 无遮挡黄片免费观看| 成年女人永久免费观看视频| 热99re8久久精品国产| 欧美最黄视频在线播放免费| 国产精品综合久久久久久久免费| 欧美日韩中文字幕国产精品一区二区三区| 久久久色成人| 成人一区二区视频在线观看| 嫩草影视91久久| 亚洲熟妇熟女久久| 欧美xxxx性猛交bbbb| 最新在线观看一区二区三区| 内射极品少妇av片p| 欧美人与善性xxx| 三级国产精品欧美在线观看| 国产男靠女视频免费网站| 国产精品免费一区二区三区在线| 深夜精品福利| 一个人免费在线观看电影| 日本欧美国产在线视频| 欧洲精品卡2卡3卡4卡5卡区| 国产午夜精品论理片| 色哟哟哟哟哟哟| avwww免费| 国产精品爽爽va在线观看网站| 高清毛片免费观看视频网站| 欧美色欧美亚洲另类二区| 国产aⅴ精品一区二区三区波| 国产亚洲精品综合一区在线观看| 中文亚洲av片在线观看爽| 亚洲成人精品中文字幕电影| 哪里可以看免费的av片| 日本 欧美在线| 无人区码免费观看不卡| 亚洲图色成人| netflix在线观看网站| 国产精品1区2区在线观看.| 22中文网久久字幕| av在线观看视频网站免费| 91av网一区二区| 成年女人永久免费观看视频| 亚洲人与动物交配视频| 国产午夜精品论理片| 国产三级在线视频| 18禁黄网站禁片午夜丰满| 欧美中文日本在线观看视频| 亚洲,欧美,日韩| 免费看a级黄色片| 少妇的逼好多水| 国产亚洲av嫩草精品影院| 精品人妻一区二区三区麻豆 | 午夜视频国产福利| 国产一区二区三区av在线 | 国产亚洲91精品色在线| 国产精品美女特级片免费视频播放器| 看黄色毛片网站| 亚洲精品亚洲一区二区| 欧美+亚洲+日韩+国产| 琪琪午夜伦伦电影理论片6080| 国产真实乱freesex| 99精品在免费线老司机午夜| 亚洲av中文av极速乱 | 欧美日韩瑟瑟在线播放| 欧美bdsm另类| 亚洲va在线va天堂va国产| 亚洲天堂国产精品一区在线| 动漫黄色视频在线观看| 久久久久久久久久黄片| 真人一进一出gif抽搐免费| 免费观看精品视频网站| 午夜福利18| 午夜亚洲福利在线播放| 老女人水多毛片| 午夜福利在线观看免费完整高清在 | 啦啦啦啦在线视频资源| 久久久久免费精品人妻一区二区| 男人舔女人下体高潮全视频| 久久久色成人| 国产免费男女视频| 在线观看一区二区三区| 亚洲最大成人手机在线| 免费av观看视频| 亚洲av中文av极速乱 | av福利片在线观看| 国产黄a三级三级三级人| 欧美xxxx性猛交bbbb| 韩国av一区二区三区四区| 2021天堂中文幕一二区在线观| 日本免费a在线| 男人狂女人下面高潮的视频| 一级黄色大片毛片| 九色成人免费人妻av| 可以在线观看的亚洲视频| 中文字幕高清在线视频| 2021天堂中文幕一二区在线观| 一个人免费在线观看电影| 精品日产1卡2卡| 成人国产综合亚洲| 国产男人的电影天堂91| 欧美色欧美亚洲另类二区| 伊人久久精品亚洲午夜| 搡女人真爽免费视频火全软件 | 国产麻豆成人av免费视频| 91在线观看av| 草草在线视频免费看| 久久久久九九精品影院| 国产精品人妻久久久久久| 亚洲自拍偷在线| 日韩av在线大香蕉| 日韩欧美国产在线观看| 欧美又色又爽又黄视频| 中亚洲国语对白在线视频| 最近最新中文字幕大全电影3| 两个人的视频大全免费| 天美传媒精品一区二区| 久久精品国产亚洲av天美| 亚洲第一区二区三区不卡| 九色成人免费人妻av| xxxwww97欧美| 亚洲人成网站在线播放欧美日韩| 亚洲无线在线观看| 亚洲精品乱码久久久v下载方式| 一级黄色大片毛片| 最近视频中文字幕2019在线8| 国产单亲对白刺激| 日本黄大片高清| 亚洲av日韩精品久久久久久密| 成人鲁丝片一二三区免费| 免费无遮挡裸体视频| 久久精品国产清高在天天线| 在线看三级毛片| 欧美日韩瑟瑟在线播放| 麻豆国产97在线/欧美| 成年免费大片在线观看| 动漫黄色视频在线观看| 嫩草影院新地址| 级片在线观看| 自拍偷自拍亚洲精品老妇| 狠狠狠狠99中文字幕| 亚洲天堂国产精品一区在线| 精品久久久久久,| 天天躁日日操中文字幕| 人妻丰满熟妇av一区二区三区| av中文乱码字幕在线| 欧美在线一区亚洲| a级一级毛片免费在线观看| 午夜影院日韩av| 性插视频无遮挡在线免费观看| 99热这里只有是精品50| 神马国产精品三级电影在线观看| 亚洲精品久久国产高清桃花| 亚洲精华国产精华液的使用体验 | 亚洲真实伦在线观看| 亚洲国产精品成人综合色| 最近最新中文字幕大全电影3| 日韩人妻高清精品专区| 久久久久国内视频| 91狼人影院| 日日撸夜夜添| 女人被狂操c到高潮| 在线a可以看的网站| 变态另类丝袜制服| 免费黄网站久久成人精品| 国产午夜福利久久久久久| 亚洲狠狠婷婷综合久久图片| 别揉我奶头 嗯啊视频| 成人av一区二区三区在线看| 精品久久久久久久末码| 91在线观看av| 免费高清视频大片| 亚洲男人的天堂狠狠| 两个人的视频大全免费| 一区二区三区免费毛片| 91狼人影院| 日日撸夜夜添| 91麻豆av在线| 国产高潮美女av| 91在线精品国自产拍蜜月| 99热这里只有是精品50| 久久亚洲精品不卡| 免费在线观看成人毛片| 亚洲中文字幕日韩| 一个人免费在线观看电影| 国产大屁股一区二区在线视频| 22中文网久久字幕| 亚洲va在线va天堂va国产| 日日夜夜操网爽| 久久国产乱子免费精品| 麻豆成人午夜福利视频| 乱码一卡2卡4卡精品| 欧美日韩综合久久久久久 | 在线观看舔阴道视频| 永久网站在线| 国产精品av视频在线免费观看| 欧美日韩乱码在线| 性欧美人与动物交配| 色综合婷婷激情| 久久久久久久久久成人| 国产三级中文精品| 国产一区二区三区在线臀色熟女| 51国产日韩欧美| 搞女人的毛片| 午夜福利18| 99久久无色码亚洲精品果冻| 老师上课跳d突然被开到最大视频| 国产一级毛片七仙女欲春2| 久久精品影院6| x7x7x7水蜜桃| 欧美不卡视频在线免费观看| 我的女老师完整版在线观看| 免费观看的影片在线观看| 可以在线观看毛片的网站| 日韩欧美国产一区二区入口| 我要看日韩黄色一级片| 欧美中文日本在线观看视频| 成人高潮视频无遮挡免费网站| eeuss影院久久| 成人无遮挡网站| 免费观看精品视频网站| 在线观看免费视频日本深夜| 在线观看一区二区三区| 亚洲狠狠婷婷综合久久图片| 精品人妻熟女av久视频| 十八禁国产超污无遮挡网站| 在线a可以看的网站| 欧美日韩精品成人综合77777| 极品教师在线免费播放| 久9热在线精品视频| 蜜桃久久精品国产亚洲av| 亚洲国产高清在线一区二区三| 少妇的逼好多水| 久久久色成人| 欧美潮喷喷水| 国产高清视频在线播放一区| 国产私拍福利视频在线观看| 一区二区三区四区激情视频 | 国产不卡一卡二| 一个人免费在线观看电影| 成年免费大片在线观看| 成人高潮视频无遮挡免费网站| 日本 av在线| 中国美女看黄片| 真人做人爱边吃奶动态| 亚州av有码| 特大巨黑吊av在线直播| 国产三级中文精品| 毛片女人毛片| 国产黄片美女视频| 亚洲性夜色夜夜综合| 国产成人a区在线观看| 亚洲精品日韩av片在线观看| 久久精品国产亚洲网站| 国产一级毛片七仙女欲春2| 亚洲aⅴ乱码一区二区在线播放| 免费一级毛片在线播放高清视频| 一进一出好大好爽视频| 日韩欧美在线二视频| 国产男靠女视频免费网站| 日本一二三区视频观看| 免费看光身美女| 国产精品三级大全| 国产久久久一区二区三区| 精品人妻偷拍中文字幕| 亚洲欧美清纯卡通| 欧美精品啪啪一区二区三区| 一级毛片久久久久久久久女| 波多野结衣巨乳人妻| 久久久成人免费电影| 国内精品久久久久久久电影| 国内少妇人妻偷人精品xxx网站| 午夜福利在线观看吧| 欧美人与善性xxx| 亚洲熟妇熟女久久| 精品久久久噜噜| 久久这里只有精品中国| 欧美极品一区二区三区四区| 亚洲自拍偷在线| 亚洲成人久久爱视频| 九九在线视频观看精品| 日本a在线网址| 国产在线精品亚洲第一网站| 国产蜜桃级精品一区二区三区| 99热这里只有是精品在线观看| 国产一级毛片七仙女欲春2| 啪啪无遮挡十八禁网站| 国产伦精品一区二区三区四那| 免费av毛片视频| 极品教师在线视频| 深夜a级毛片| 18禁黄网站禁片午夜丰满| av.在线天堂| 啪啪无遮挡十八禁网站| 国产乱人伦免费视频| 深爱激情五月婷婷| 成人精品一区二区免费| 麻豆国产97在线/欧美| 老女人水多毛片| 最新中文字幕久久久久| 亚洲av电影不卡..在线观看| 无遮挡黄片免费观看| 亚洲人与动物交配视频| 麻豆久久精品国产亚洲av| 成人无遮挡网站| 熟妇人妻久久中文字幕3abv| 99九九线精品视频在线观看视频| 波多野结衣巨乳人妻| 国产成年人精品一区二区| 亚洲图色成人| 久久精品夜夜夜夜夜久久蜜豆| 日本撒尿小便嘘嘘汇集6| 国产高潮美女av| 国产亚洲精品久久久com| 网址你懂的国产日韩在线| 国产精品女同一区二区软件 | 3wmmmm亚洲av在线观看| 最后的刺客免费高清国语| 国产在线精品亚洲第一网站| 日本五十路高清| 男女之事视频高清在线观看| 亚洲久久久久久中文字幕| 亚洲国产高清在线一区二区三| 精品久久国产蜜桃| 99久国产av精品| 欧美三级亚洲精品| 我要搜黄色片| 国产精品一区二区免费欧美| 国产免费一级a男人的天堂| 综合色av麻豆| 精品久久久久久成人av| 国产精品亚洲一级av第二区| 欧美日韩中文字幕国产精品一区二区三区| 国产精品伦人一区二区| 亚洲第一区二区三区不卡| a级毛片免费高清观看在线播放| 亚洲一区高清亚洲精品| av天堂中文字幕网| 在线观看午夜福利视频| 日韩中文字幕欧美一区二区| 午夜福利视频1000在线观看| 国产一级毛片七仙女欲春2| 男插女下体视频免费在线播放| 在线观看66精品国产| 嫩草影院入口| 欧美日韩瑟瑟在线播放| 哪里可以看免费的av片| 国产精品久久久久久久久免| 亚洲中文字幕一区二区三区有码在线看| 国产黄a三级三级三级人| 99热这里只有是精品在线观看| 欧美黑人欧美精品刺激| 久久99热6这里只有精品| 免费无遮挡裸体视频| 亚洲av成人av| 久久99热6这里只有精品| 黄色配什么色好看| 亚洲av成人av| 亚洲欧美精品综合久久99| 亚洲成人免费电影在线观看| a级毛片免费高清观看在线播放| 精品久久久久久成人av| 亚洲 国产 在线| 亚洲精华国产精华精| 啦啦啦韩国在线观看视频| 少妇丰满av| 精品人妻熟女av久视频| 成人高潮视频无遮挡免费网站| 国产精品免费一区二区三区在线| 亚洲欧美激情综合另类| 在线观看66精品国产| 乱人视频在线观看| 久久人妻av系列| 欧美日本亚洲视频在线播放| 国模一区二区三区四区视频| 日韩欧美在线乱码| 一进一出好大好爽视频| 麻豆精品久久久久久蜜桃| 小说图片视频综合网站| 国产精品日韩av在线免费观看| 日韩欧美在线二视频| 日韩欧美国产一区二区入口| 在线观看午夜福利视频| 欧美人与善性xxx| 麻豆国产97在线/欧美| 午夜久久久久精精品| 亚洲成人精品中文字幕电影| 午夜精品在线福利| 色综合色国产| 琪琪午夜伦伦电影理论片6080| 精品人妻一区二区三区麻豆 | 成人永久免费在线观看视频| 国产高清激情床上av| aaaaa片日本免费| 日韩中文字幕欧美一区二区| 亚洲av一区综合| 成人综合一区亚洲| 热99在线观看视频| 欧美色欧美亚洲另类二区| 日本黄色视频三级网站网址| 国产黄色小视频在线观看| 久久久精品大字幕| 欧美bdsm另类| 国产视频内射| 99久久久亚洲精品蜜臀av| 亚洲黑人精品在线| 18+在线观看网站| 十八禁网站免费在线| 老司机福利观看| 国产三级在线视频| 午夜精品久久久久久毛片777| 亚洲人成网站在线播放欧美日韩| av视频在线观看入口| 成人欧美大片| eeuss影院久久| 国产美女午夜福利| 久久香蕉精品热| 最近中文字幕高清免费大全6 | 又粗又爽又猛毛片免费看| 高清毛片免费观看视频网站| 欧美精品啪啪一区二区三区| 国产成人福利小说| 亚洲精品乱码久久久v下载方式| 波多野结衣高清无吗| 一区二区三区免费毛片| 一个人看视频在线观看www免费| 琪琪午夜伦伦电影理论片6080| 午夜精品一区二区三区免费看| 国产av不卡久久| 国产精品人妻久久久久久| 精品免费久久久久久久清纯| 三级男女做爰猛烈吃奶摸视频| 日本欧美国产在线视频| 日日啪夜夜撸| 欧美日韩亚洲国产一区二区在线观看| 日本免费a在线| 国产久久久一区二区三区| 一级a爱片免费观看的视频| 精品久久久久久成人av| 五月玫瑰六月丁香| 中国美白少妇内射xxxbb| 狠狠狠狠99中文字幕| 一级黄色大片毛片| 熟女人妻精品中文字幕| 久久国产乱子免费精品| 国产aⅴ精品一区二区三区波| 亚洲熟妇中文字幕五十中出| av在线亚洲专区| 丝袜美腿在线中文| 亚洲一区二区三区色噜噜| 少妇人妻精品综合一区二区 | 黄色配什么色好看| 99久久精品国产国产毛片| 亚洲 国产 在线| 亚洲精品456在线播放app | 真人做人爱边吃奶动态| 欧美日韩乱码在线| 国产伦一二天堂av在线观看| 亚洲狠狠婷婷综合久久图片| 国产欧美日韩精品一区二区| 亚洲国产欧洲综合997久久,| 久久精品国产鲁丝片午夜精品 | 久久精品国产99精品国产亚洲性色| 午夜免费成人在线视频| 精品人妻熟女av久视频| 日本-黄色视频高清免费观看| 一边摸一边抽搐一进一小说| 99久久九九国产精品国产免费| 久久亚洲真实| 免费av不卡在线播放| 男女视频在线观看网站免费| 内射极品少妇av片p| 欧美一区二区亚洲| 成人欧美大片| АⅤ资源中文在线天堂| 国产色婷婷99| 美女高潮喷水抽搐中文字幕| 精品人妻一区二区三区麻豆 | 欧美+亚洲+日韩+国产| 免费在线观看成人毛片| 最新中文字幕久久久久| 欧美最黄视频在线播放免费| 亚洲七黄色美女视频| 99视频精品全部免费 在线| 国产成人av教育| 在线观看一区二区三区| 免费人成在线观看视频色| 我要搜黄色片| 亚洲电影在线观看av| 久久久久性生活片| 国产伦精品一区二区三区视频9| 国内精品久久久久精免费| 深爱激情五月婷婷| 欧美激情国产日韩精品一区| 精品免费久久久久久久清纯| 黄色配什么色好看| 国产伦人伦偷精品视频| 日日摸夜夜添夜夜添av毛片 | 欧美高清成人免费视频www| 欧美一区二区国产精品久久精品| av专区在线播放| 亚洲国产欧美人成| 成人精品一区二区免费| 听说在线观看完整版免费高清| 色综合婷婷激情| 天天躁日日操中文字幕| 国产乱人视频| 日本在线视频免费播放| 成年女人永久免费观看视频| 精品福利观看| 午夜激情欧美在线| 99久久精品热视频| 免费av观看视频| 精品久久久久久久末码| 波多野结衣高清无吗| 国产精品永久免费网站| 狂野欧美激情性xxxx在线观看| h日本视频在线播放| 国产成人av教育| 久久精品国产亚洲av香蕉五月| 国产欧美日韩精品一区二区| 亚洲黑人精品在线| 久久精品人妻少妇| 亚洲第一电影网av| 噜噜噜噜噜久久久久久91| 在线观看66精品国产| 亚洲人成伊人成综合网2020| 99热网站在线观看| 国产亚洲精品av在线| 97热精品久久久久久| 午夜免费成人在线视频| 观看免费一级毛片| 日韩欧美免费精品| 麻豆久久精品国产亚洲av| 特大巨黑吊av在线直播| 国产一区二区激情短视频| 欧美激情久久久久久爽电影| 国产美女午夜福利| 日韩欧美一区二区三区在线观看| 亚洲国产日韩欧美精品在线观看| 嫁个100分男人电影在线观看| 村上凉子中文字幕在线| 黄色丝袜av网址大全| 日本精品一区二区三区蜜桃| 国产探花在线观看一区二区| 亚洲国产欧美人成| 91狼人影院| 久久6这里有精品| 成年版毛片免费区| 久久天躁狠狠躁夜夜2o2o| 在线天堂最新版资源| 精品一区二区三区视频在线| 亚洲 国产 在线| 成人鲁丝片一二三区免费| 在线观看一区二区三区| 亚洲天堂国产精品一区在线| 亚洲18禁久久av| 精品久久久久久久人妻蜜臀av| 国产黄色小视频在线观看| 亚洲成人久久性| 亚洲精品乱码久久久v下载方式| 亚洲精品国产成人久久av| 精品不卡国产一区二区三区| 桃色一区二区三区在线观看| 欧美精品国产亚洲| 黄色一级大片看看| 在线免费观看不下载黄p国产 | 国产综合懂色| 嫩草影院新地址| 午夜福利高清视频| 精品人妻一区二区三区麻豆 | 亚洲欧美清纯卡通| av国产免费在线观看| 99久久精品一区二区三区| 欧美成人一区二区免费高清观看| 精品人妻1区二区| 亚洲av成人精品一区久久| 亚洲av熟女| 嫩草影视91久久| 久久国产精品人妻蜜桃| av视频在线观看入口| 嫩草影视91久久| 国产色爽女视频免费观看| 亚洲性夜色夜夜综合| 国产毛片a区久久久久| 春色校园在线视频观看| 高清在线国产一区| 国产一区二区三区av在线 | 日韩欧美国产一区二区入口| 久久精品国产99精品国产亚洲性色| 国产午夜精品久久久久久一区二区三区 | 三级国产精品欧美在线观看| 性插视频无遮挡在线免费观看| 成年女人看的毛片在线观看| 国产亚洲精品久久久com| 在线观看免费视频日本深夜| 日本一二三区视频观看| 在线观看一区二区三区| 尾随美女入室| 别揉我奶头~嗯~啊~动态视频| 日韩欧美一区二区三区在线观看| 搞女人的毛片| 美女 人体艺术 gogo| 波多野结衣高清作品|