• <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
    日本a在线网址| 搡老岳熟女国产| 91av网站免费观看| 日本免费a在线| 琪琪午夜伦伦电影理论片6080| 国产精品,欧美在线| 天天躁狠狠躁夜夜躁狠狠躁| 久9热在线精品视频| 叶爱在线成人免费视频播放| 亚洲av日韩精品久久久久久密| 一区福利在线观看| 免费看a级黄色片| 国产不卡一卡二| 99国产极品粉嫩在线观看| 女人高潮潮喷娇喘18禁视频| 伊人久久大香线蕉亚洲五| 国产三级在线视频| 精品福利观看| 成年版毛片免费区| 色哟哟哟哟哟哟| 欧美乱色亚洲激情| 男男h啪啪无遮挡| 免费在线观看视频国产中文字幕亚洲| 波多野结衣巨乳人妻| 亚洲国产欧美网| 欧美大码av| 久久青草综合色| 欧美最黄视频在线播放免费| 两个人看的免费小视频| 国产在线精品亚洲第一网站| 国产亚洲欧美精品永久| 国产熟女午夜一区二区三区| 两人在一起打扑克的视频| 欧美中文日本在线观看视频| 精品欧美国产一区二区三| 欧美在线一区亚洲| 国产又爽黄色视频| ponron亚洲| ponron亚洲| 欧美不卡视频在线免费观看 | 国产久久久一区二区三区| 人妻久久中文字幕网| 久9热在线精品视频| 欧美中文日本在线观看视频| 在线国产一区二区在线| 久久香蕉精品热| 亚洲国产看品久久| 亚洲精品国产精品久久久不卡| 午夜免费激情av| 亚洲av第一区精品v没综合| 亚洲五月天丁香| 久9热在线精品视频| 色综合欧美亚洲国产小说| 久久 成人 亚洲| 搞女人的毛片| 曰老女人黄片| 亚洲成人久久性| 午夜两性在线视频| 超碰成人久久| 国语自产精品视频在线第100页| av电影中文网址| 香蕉久久夜色| 成人精品一区二区免费| xxx96com| 国产激情欧美一区二区| 天天一区二区日本电影三级| 国产精品98久久久久久宅男小说| 一级毛片精品| 免费在线观看视频国产中文字幕亚洲| 亚洲欧美精品综合一区二区三区| 久久久久久人人人人人| 日韩欧美一区视频在线观看| 亚洲精品国产精品久久久不卡| 国产高清有码在线观看视频 | 欧美中文日本在线观看视频| 性色av乱码一区二区三区2| 在线观看免费午夜福利视频| 观看免费一级毛片| 国产精品免费视频内射| 国产又爽黄色视频| 欧美日韩中文字幕国产精品一区二区三区| 啪啪无遮挡十八禁网站| aaaaa片日本免费| 成人欧美大片| 国产亚洲精品久久久久久毛片| 国产又爽黄色视频| 色综合站精品国产| 亚洲七黄色美女视频| 欧美成人一区二区免费高清观看 | 白带黄色成豆腐渣| 在线观看66精品国产| 两性午夜刺激爽爽歪歪视频在线观看 | 最近最新中文字幕大全免费视频| 青草久久国产| 日韩有码中文字幕| 校园春色视频在线观看| 中国美女看黄片| 免费在线观看完整版高清| 国产不卡一卡二| 国产免费av片在线观看野外av| 久热这里只有精品99| 国产精品一区二区三区四区久久 | 亚洲国产毛片av蜜桃av| 在线播放国产精品三级| 欧美日韩福利视频一区二区| 一边摸一边抽搐一进一小说| 久99久视频精品免费| 亚洲成av人片免费观看| 国产成人av教育| 十分钟在线观看高清视频www| 99久久综合精品五月天人人| 女人被狂操c到高潮| 精品第一国产精品| 黄片播放在线免费| 中文字幕高清在线视频| 777久久人妻少妇嫩草av网站| 亚洲全国av大片| 1024香蕉在线观看| 国产伦人伦偷精品视频| 精品无人区乱码1区二区| 美国免费a级毛片| av天堂在线播放| 国产亚洲精品久久久久5区| 精品午夜福利视频在线观看一区| 一二三四在线观看免费中文在| 18禁国产床啪视频网站| 女警被强在线播放| 一级毛片精品| 一区二区三区激情视频| 中文亚洲av片在线观看爽| 麻豆久久精品国产亚洲av| 午夜a级毛片| 嫩草影院精品99| 欧美成狂野欧美在线观看| 最新在线观看一区二区三区| 丰满人妻熟妇乱又伦精品不卡| 色综合婷婷激情| 国产一区二区三区视频了| 色综合亚洲欧美另类图片| 日本a在线网址| 精品一区二区三区四区五区乱码| 欧美日本视频| 草草在线视频免费看| 欧美成人一区二区免费高清观看 | 国产精品久久视频播放| 亚洲精品av麻豆狂野| 婷婷精品国产亚洲av在线| 国产高清有码在线观看视频 | 国产激情欧美一区二区| 精品国产一区二区三区四区第35| 午夜福利视频1000在线观看| 欧美日本视频| 精品乱码久久久久久99久播| 亚洲一区高清亚洲精品| 亚洲色图av天堂| 免费在线观看完整版高清| 国产精品美女特级片免费视频播放器 | 欧美人与性动交α欧美精品济南到| 免费一级毛片在线播放高清视频| 国产不卡一卡二| 青草久久国产| 91九色精品人成在线观看| 日本 av在线| 久久九九热精品免费| 色综合婷婷激情| 美女午夜性视频免费| 丝袜美腿诱惑在线| 激情在线观看视频在线高清| 91麻豆av在线| 一卡2卡三卡四卡精品乱码亚洲| 国产伦一二天堂av在线观看| 亚洲欧美日韩无卡精品| 俄罗斯特黄特色一大片| 欧美色视频一区免费| 久久精品国产99精品国产亚洲性色| 可以免费在线观看a视频的电影网站| 日日摸夜夜添夜夜添小说| 国产亚洲av高清不卡| 国产午夜福利久久久久久| 亚洲 欧美 日韩 在线 免费| 此物有八面人人有两片| 国产一卡二卡三卡精品| 99国产综合亚洲精品| 国产国语露脸激情在线看| 中文字幕久久专区| 亚洲三区欧美一区| 国产av一区二区精品久久| 免费看美女性在线毛片视频| 午夜免费鲁丝| 在线观看一区二区三区| 午夜激情福利司机影院| 亚洲色图av天堂| 长腿黑丝高跟| 午夜成年电影在线免费观看| 18禁观看日本| 高清毛片免费观看视频网站| av电影中文网址| 午夜免费观看网址| 99久久综合精品五月天人人| 亚洲国产精品合色在线| 成人特级黄色片久久久久久久| 一个人免费在线观看的高清视频| 人成视频在线观看免费观看| 久久久久国产一级毛片高清牌| 欧美绝顶高潮抽搐喷水| 人人妻人人澡欧美一区二区| 日韩视频一区二区在线观看| 国产国语露脸激情在线看| 麻豆一二三区av精品| 亚洲全国av大片| 99热只有精品国产| 在线天堂中文资源库| 久久天躁狠狠躁夜夜2o2o| 国产激情久久老熟女| 成年版毛片免费区| av在线播放免费不卡| 日本a在线网址| 欧美日韩亚洲国产一区二区在线观看| 熟妇人妻久久中文字幕3abv| 日韩成人在线观看一区二区三区| 国产主播在线观看一区二区| 琪琪午夜伦伦电影理论片6080| 精品国产一区二区三区四区第35| 夜夜爽天天搞| 久久草成人影院| 国产精品一区二区精品视频观看| 婷婷六月久久综合丁香| 黄频高清免费视频| 精品日产1卡2卡| 欧美激情久久久久久爽电影| 在线观看一区二区三区| 久久久久久久精品吃奶| 国产成人啪精品午夜网站| 精品久久久久久久久久久久久 | 国产aⅴ精品一区二区三区波| 亚洲精品av麻豆狂野| 色在线成人网| 满18在线观看网站| 中出人妻视频一区二区| 成年版毛片免费区| 欧美激情 高清一区二区三区| 午夜精品久久久久久毛片777| 日日爽夜夜爽网站| 色在线成人网| 亚洲av日韩精品久久久久久密| 欧美性猛交╳xxx乱大交人| 国产精品久久久久久人妻精品电影| 亚洲一码二码三码区别大吗| 大香蕉久久成人网| 在线av久久热| 欧美乱码精品一区二区三区| 亚洲一区二区三区色噜噜| 国产精品久久久人人做人人爽| 国产不卡一卡二| 久久人人精品亚洲av| 国产一区二区三区视频了| 一级毛片女人18水好多| 国产国语露脸激情在线看| 啪啪无遮挡十八禁网站| 久热这里只有精品99| 亚洲中文字幕日韩| 老司机福利观看| 国产精品美女特级片免费视频播放器 | 国产一区二区三区在线臀色熟女| 男女做爰动态图高潮gif福利片| 男人舔女人的私密视频| 国产精品免费视频内射| 国产伦在线观看视频一区| 啦啦啦观看免费观看视频高清| 午夜久久久在线观看| 美女 人体艺术 gogo| 十八禁人妻一区二区| 国产高清有码在线观看视频 | 好看av亚洲va欧美ⅴa在| 日本一本二区三区精品| 99热这里只有精品一区 | 免费在线观看亚洲国产| 一本一本综合久久| 国产精品久久视频播放| 日本免费a在线| 午夜福利免费观看在线| 亚洲第一青青草原| 午夜a级毛片| 久久久国产欧美日韩av| 好男人电影高清在线观看| 亚洲中文字幕日韩| 成年版毛片免费区| 老司机深夜福利视频在线观看| www日本在线高清视频| 成人三级做爰电影| 美女 人体艺术 gogo| 1024手机看黄色片| 久久久久九九精品影院| 免费搜索国产男女视频| 性色av乱码一区二区三区2| 一个人免费在线观看的高清视频| 国产欧美日韩精品亚洲av| 久久精品国产清高在天天线| 国产精品香港三级国产av潘金莲| 最好的美女福利视频网| 亚洲全国av大片| 国产高清视频在线播放一区| 成人特级黄色片久久久久久久| 国产精品99久久99久久久不卡| 免费在线观看视频国产中文字幕亚洲| 日韩成人在线观看一区二区三区| 亚洲五月天丁香| 久久中文字幕一级| 听说在线观看完整版免费高清| 琪琪午夜伦伦电影理论片6080| 老汉色av国产亚洲站长工具| 999久久久国产精品视频| 久久久久国产精品人妻aⅴ院| 韩国av一区二区三区四区| 亚洲中文日韩欧美视频| 欧美最黄视频在线播放免费| 黄色a级毛片大全视频| 国产精品一区二区免费欧美| 国产片内射在线| 欧美国产日韩亚洲一区| 亚洲男人的天堂狠狠| 亚洲avbb在线观看| 亚洲成a人片在线一区二区| 亚洲性夜色夜夜综合| 此物有八面人人有两片| 99国产精品99久久久久| 国产麻豆成人av免费视频| 亚洲精品粉嫩美女一区| 久久久久久人人人人人| 丁香六月欧美| 99精品久久久久人妻精品| АⅤ资源中文在线天堂| 午夜福利一区二区在线看| 12—13女人毛片做爰片一| 在线观看舔阴道视频| 国产成+人综合+亚洲专区| 欧美国产精品va在线观看不卡| 亚洲专区字幕在线| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲精品中文字幕在线视频| 免费在线观看影片大全网站| 伊人久久大香线蕉亚洲五| 国产男靠女视频免费网站| 免费看十八禁软件| 欧美中文综合在线视频| 欧美大码av| 可以在线观看毛片的网站| 美国免费a级毛片| 一进一出好大好爽视频| 亚洲成a人片在线一区二区| 色综合婷婷激情| 国产精品综合久久久久久久免费| 国产精品二区激情视频| 久久天躁狠狠躁夜夜2o2o| 欧洲精品卡2卡3卡4卡5卡区| 婷婷亚洲欧美| 一二三四社区在线视频社区8| 欧美日韩亚洲综合一区二区三区_| 欧美zozozo另类| 国产精华一区二区三区| 日本一区二区免费在线视频| 中出人妻视频一区二区| 制服人妻中文乱码| 成人欧美大片| 国产精品亚洲美女久久久| 国产精品1区2区在线观看.| 国产一区二区三区视频了| 午夜免费成人在线视频| 日本 av在线| 亚洲精品美女久久久久99蜜臀| 色综合站精品国产| 亚洲七黄色美女视频| 一级毛片高清免费大全| 国产不卡一卡二| 桃红色精品国产亚洲av| 91大片在线观看| 欧美三级亚洲精品| 美女高潮喷水抽搐中文字幕| 国产亚洲av嫩草精品影院| 亚洲人成网站高清观看| 亚洲电影在线观看av| 欧美午夜高清在线| 欧美日韩福利视频一区二区| 99久久精品国产亚洲精品| 国产aⅴ精品一区二区三区波| 亚洲午夜理论影院| 精品不卡国产一区二区三区| 好男人电影高清在线观看| 男女做爰动态图高潮gif福利片| 亚洲精品粉嫩美女一区| 国产高清有码在线观看视频 | 在线观看www视频免费| 久久久国产欧美日韩av| 88av欧美| 51午夜福利影视在线观看| 男人操女人黄网站| 成熟少妇高潮喷水视频| 窝窝影院91人妻| 老司机在亚洲福利影院| 久久精品人妻少妇| 免费av毛片视频| 免费看美女性在线毛片视频| 给我免费播放毛片高清在线观看| 精品国产美女av久久久久小说| 亚洲全国av大片| 日本a在线网址| 两个人看的免费小视频| 波多野结衣高清无吗| www.www免费av| 欧美日本视频| 一区福利在线观看| 18禁美女被吸乳视频| www国产在线视频色| 亚洲精品在线美女| www日本黄色视频网| 欧美激情极品国产一区二区三区| 男女视频在线观看网站免费 | 亚洲第一青青草原| 男女之事视频高清在线观看| 一级作爱视频免费观看| 色尼玛亚洲综合影院| 国产亚洲精品综合一区在线观看 | 亚洲中文日韩欧美视频| 一区二区三区激情视频| 午夜福利欧美成人| 十八禁网站免费在线| cao死你这个sao货| 18禁黄网站禁片午夜丰满| 国产av又大| 99热这里只有精品一区 | 国产97色在线日韩免费| 欧美不卡视频在线免费观看 | 午夜福利免费观看在线| 99精品在免费线老司机午夜| 亚洲精品色激情综合| 国产精品永久免费网站| 啦啦啦免费观看视频1| 夜夜夜夜夜久久久久| 精品不卡国产一区二区三区| 动漫黄色视频在线观看| av欧美777| 国产亚洲精品久久久久5区| 日本一区二区免费在线视频| 欧美久久黑人一区二区| 精品福利观看| 啦啦啦免费观看视频1| 黄色视频,在线免费观看| 欧美乱妇无乱码| 精品久久久久久久久久久久久 | 亚洲成人免费电影在线观看| 国产熟女xx| 一区二区三区高清视频在线| 在线永久观看黄色视频| 日本免费a在线| aaaaa片日本免费| 中文字幕av电影在线播放| 亚洲精品在线美女| 国产一卡二卡三卡精品| a级毛片在线看网站| 老司机福利观看| 国产免费男女视频| 人人妻人人澡欧美一区二区| 视频区欧美日本亚洲| 精品熟女少妇八av免费久了| 人人澡人人妻人| 夜夜看夜夜爽夜夜摸| 国产欧美日韩一区二区三| 啪啪无遮挡十八禁网站| 成熟少妇高潮喷水视频| 免费在线观看视频国产中文字幕亚洲| 人人妻,人人澡人人爽秒播| 欧美性猛交黑人性爽| 国产麻豆成人av免费视频| 国产精品电影一区二区三区| 国产午夜福利久久久久久| 国产高清激情床上av| 亚洲精品色激情综合| 香蕉国产在线看| 91大片在线观看| 成年版毛片免费区| 日本 av在线| 免费搜索国产男女视频| 精品国产亚洲在线| 大型av网站在线播放| 成人国产综合亚洲| 国产精品自产拍在线观看55亚洲| 国内久久婷婷六月综合欲色啪| 嫩草影视91久久| 麻豆av在线久日| 精品国产国语对白av| 国产精品久久久人人做人人爽| 中文字幕精品亚洲无线码一区 | 亚洲三区欧美一区| 国产欧美日韩精品亚洲av| 国产精品美女特级片免费视频播放器 | 久久伊人香网站| 亚洲五月色婷婷综合| 99精品欧美一区二区三区四区| 中文字幕人妻熟女乱码| 国产1区2区3区精品| 亚洲真实伦在线观看| 性色av乱码一区二区三区2| 国产亚洲欧美精品永久| 成人精品一区二区免费| 精品不卡国产一区二区三区| 在线免费观看的www视频| 日韩高清综合在线| 国产av一区在线观看免费| 国产精品亚洲一级av第二区| 久久中文字幕一级| 亚洲 欧美一区二区三区| 大型黄色视频在线免费观看| 国产一区二区激情短视频| 亚洲国产精品久久男人天堂| 波多野结衣高清无吗| 嫁个100分男人电影在线观看| 成人永久免费在线观看视频| 长腿黑丝高跟| 精品国内亚洲2022精品成人| 哪里可以看免费的av片| 久久久久国内视频| 欧美一级毛片孕妇| 久久欧美精品欧美久久欧美| x7x7x7水蜜桃| 97碰自拍视频| 麻豆国产av国片精品| 亚洲 欧美 日韩 在线 免费| 国产色视频综合| 91老司机精品| 黄网站色视频无遮挡免费观看| 色精品久久人妻99蜜桃| 一二三四在线观看免费中文在| 亚洲精品久久国产高清桃花| 国产乱人伦免费视频| 69av精品久久久久久| 亚洲午夜精品一区,二区,三区| 啦啦啦 在线观看视频| 在线看三级毛片| 老司机深夜福利视频在线观看| 日日干狠狠操夜夜爽| 欧美日韩精品网址| a级毛片在线看网站| 亚洲午夜精品一区,二区,三区| 亚洲精华国产精华精| 国产精品一区二区精品视频观看| 母亲3免费完整高清在线观看| 成人国产综合亚洲| 亚洲aⅴ乱码一区二区在线播放 | svipshipincom国产片| 少妇被粗大的猛进出69影院| 国产精品永久免费网站| 免费av毛片视频| 日韩欧美在线二视频| 日韩精品免费视频一区二区三区| 99久久综合精品五月天人人| 国产一区在线观看成人免费| 熟女少妇亚洲综合色aaa.| 一级a爱片免费观看的视频| 国产成人欧美在线观看| 国产亚洲精品第一综合不卡| 首页视频小说图片口味搜索| 国产成人系列免费观看| 99热这里只有精品一区 | 最近在线观看免费完整版| 久久久久久人人人人人| 欧美色欧美亚洲另类二区| av中文乱码字幕在线| 日韩一卡2卡3卡4卡2021年| 国产精品影院久久| 国产麻豆成人av免费视频| 老熟妇仑乱视频hdxx| 99精品久久久久人妻精品| 999久久久精品免费观看国产| 一边摸一边抽搐一进一小说| 国产精品国产高清国产av| 黄频高清免费视频| 国产精品亚洲美女久久久| 国产精品av久久久久免费| 91在线观看av| 欧美性猛交╳xxx乱大交人| 91在线观看av| 叶爱在线成人免费视频播放| 黑人操中国人逼视频| 视频区欧美日本亚洲| 亚洲国产日韩欧美精品在线观看 | 在线观看免费日韩欧美大片| 国产精品99久久99久久久不卡| 免费搜索国产男女视频| 国产精品免费视频内射| 18美女黄网站色大片免费观看| 日韩中文字幕欧美一区二区| 久9热在线精品视频| 国产精品影院久久| 久久久国产成人精品二区| 精品电影一区二区在线| 成年免费大片在线观看| 国产在线观看jvid| 欧美中文综合在线视频| 精品乱码久久久久久99久播| 亚洲 欧美一区二区三区| av有码第一页| 国产精品亚洲美女久久久| 久久亚洲真实| 久久精品91蜜桃| 久久香蕉激情| 久久精品人妻少妇| 国产日本99.免费观看| 亚洲全国av大片| 国产单亲对白刺激| 国产91精品成人一区二区三区| 亚洲人成网站高清观看| 日本精品一区二区三区蜜桃| 日日摸夜夜添夜夜添小说| 露出奶头的视频| 激情在线观看视频在线高清|