欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

從Keras到OpenCV C++:手寫數(shù)字識別模型部署實戰(zhàn)

從Keras到OpenCV C++:手寫數(shù)字識別模型部署實戰(zhàn) 簡介深度學習模型訓練完成后部署到生產(chǎn)環(huán)境往往比訓練本身更具挑戰(zhàn)。尤其在跨語言場景下模型需要轉(zhuǎn)換為無依賴的靜態(tài)推理格式才能在C等原生環(huán)境中高效運行。TensorFlow的凍結(jié)圖pb格式正好滿足這一需求它將權(quán)重和計算圖固化為單一文件無需TensorFlow運行時即可被OpenCV DNN模塊加載。OpenCV作為主流計算機視覺庫其DNN模塊為輕量級推理提供了便捷接口適合桌面程序、嵌入式視覺等場景。通過一個完整的手寫數(shù)字識別項目從Keras訓練、導出pb模型到OpenCV C代碼中實現(xiàn)圖像預處理、推理與結(jié)果解析重點剖析模型格式轉(zhuǎn)換中的版本兼容、節(jié)點命名、數(shù)據(jù)對齊等工程實踐問題為圖像分類任務的跨平臺部署提供了一套可復用的參考方案。 很多做深度學習的朋友都會遇到同一個“怪圈”模型在訓練集上跑得飛快準確率也刷到99%但一旦要把它塞進一個真正的產(chǎn)品里——比如一個 C 編寫的桌面程序或者一套嵌入式視覺系統(tǒng)——就開始無限卡殼。最近我正好用 TensorFlow 2.0 做了一個手寫數(shù)字識別系統(tǒng)原本想快速收工沒想到大部分時間都花在了“把模型導出成 pb 格式再讓 OpenCV 的 DNN 模塊在 C 里成功加載”這條路上。這篇文章就是那次實踐的完整復盤從訓練、導出 pb 模型到 OpenCV C 調(diào)用每一步都盡量說透尤其把那些文檔里根本沒寫清的坑單獨拎出來講。我相信很多人跟我一樣最初以為部署就是把model.save(mnist.h5)出來的文件復制過去就行。但 OpenCV 的 DNN 模塊只認凍結(jié)的 pb 圖GraphDef或者 TensorFlow 的 saved_model 目錄并不直接支持 Keras 的 h5 格式。所以整個項目真正有價值的并不是那幾行訓練代碼而是“如何穩(wěn)妥地完成模型格式轉(zhuǎn)換”和“如何在 C 里對齊預處理與推理”。下面我把整個過程按實際推進順序拆開講每個階段都會附上我認為最實用的代碼和最容易踩的坑。1. 項目拆解一個“可部署”的手寫數(shù)字識別系統(tǒng)都在做什么1.1 訓練模型只是起點部署才是關(guān)鍵手寫數(shù)字識別本身是個經(jīng)典的入門問題MNIST 數(shù)據(jù)集隨便搭個兩層卷積網(wǎng)就能輕松達到 99.2% 以上的準確率。在這個項目里真正的難點從來不是把模型訓練到多少 acc而是“怎么讓這個模型在一個沒有 Python 環(huán)境、沒有 TensorFlow 運行時的 C 工程里穩(wěn)定地跑起來”。這就必須依賴一個跨語言的推理接口而 OpenCV 的 DNN 模塊剛好是圖像領域最常用的輕量級解決方案。我當時的訴求很明確把訓練好的模型交給公司現(xiàn)有的一套 Qt/C 項目用不能為此再引入龐大的 TensorFlow 依賴。于是選擇了 pb 模型 OpenCV DNN。這個組合的好處是OpenCV 本身就在項目里不需要額外安裝龐大的 CUDA 運行時pb 文件體積小加載速度快適合單機離線推理對于 MNIST 這種小型卷積網(wǎng)絡OpenCV DNN 的推理速度完全夠用。1.2 為什么選擇 TensorFlow 2.0 pb OpenCV DNN 這條鏈路很多人會疑問TensorFlow 2.0 主推的是 SavedModel 格式為什么非要去折騰 pb其實 OpenCV 的readNetFromTensorflow接口從設計上一直沿用的是 TensorFlow 1.x 的凍結(jié)圖 pb 格式也就是把模型結(jié)構(gòu)和權(quán)重全部固化到一個.pb文件中不依賴 checkpoint 和變量。雖然 OpenCV 4.x 開始也支持直接讀 SavedModel 目錄但對于 C 項目來說打包一個獨立的 pb 文件明顯更干凈部署的時候也方便拷貝。所以我決定還是按“訓練 → 導出凍結(jié) pb → OpenCV 調(diào)用”這條路走。2. 環(huán)境準備TensorFlow 2.0 與 OpenCV C 開發(fā)環(huán)境2.1 TensorFlow 2.0 安裝與版本坑我本機的環(huán)境是 Windows 10 Python 3.7使用 pip 安裝 TensorFlow 2.0建議安裝 2.0 或以上但不要超過 2.10因為 2.11 之后 Windows 上的 GPU 支持變得更麻煩而 CPU 版用起來差不多。一句命令搞定pip install tensorflow2.10.0如果你在 Linux 上跑建議先建立conda虛擬環(huán)境再把 tensorflow 裝進去。這里有一個比較隱蔽的坑TensorFlow 2.0 的tf.compat.v1.keras.backend.get_session()在 eager 模式下不可用如果后面要凍結(jié)圖必須在腳本最開頭加上tf.compat.v1.disable_eager_execution()否則Session會直接報錯。這個坑我后面專門講。2.2 OpenCV C 開發(fā)環(huán)境配置Windows/Linux 雙平臺OpenCV 的部分我分別試過兩個方案Windows直接用官方預編譯的 OpenCV 4.5.x 版本解壓后設置環(huán)境變量在 VS2019 的VC 目錄里配置 include 和 lib 路徑。Linux推薦用 apt 安裝libopencv-dev或者從源碼編譯。源碼編譯需要確認打開了OPENCV_DNN_MODULE和OPENCV_DNN_TFLITE等選項默認是開啟的但如果你用cmake -D BUILD_LIST自定義過模塊得手動檢查一下。一個必須注意的點OpenCV DNN 模塊本身不需要opencv_contrib但如果你用的是老版本比如 3.4.x對 TensorFlow 2.0 導出的 pb 支持會比較差。建議直接用 4.x 及以上版本我實測 OpenCV 4.5.5 加載 TF2.0 導出的 pb 沒有任何問題。2.3 工程目錄規(guī)劃與源碼結(jié)構(gòu)這個項目里的文件結(jié)構(gòu)我梳理成了這樣mnist_recognizer/ ├── train.py # 訓練腳本輸出 h5 和 SavedModel ├── export_pb.py # 把 h5 凍結(jié)成 pb ├── mnist_cnn.h5 # Keras 權(quán)重 ├── mnist_model.pb # 導出后的凍結(jié)圖 ├── cpp_demo/ │ ├── CMakeLists.txt │ └── main.cpp # OpenCV C 推理程序 ├── image/ # 測試圖片建議你在項目一開始就按這個結(jié)構(gòu)建好目錄避免后面文件混在一起。3. 訓練一個易部署的手寫數(shù)字識別模型Keras 實現(xiàn)3.1 模型結(jié)構(gòu)設計給輸入輸出起好名字在訓練階段就要為導出做準備。最關(guān)鍵的一點是給模型的輸入輸出張量起一個固定的名字否則導出后 OpenCV 那邊找不到節(jié)點名會很麻煩。我用一個很簡樸的卷積網(wǎng)絡沒有加 BatchNormalization因為當時發(fā)現(xiàn) OpenCV DNN 對 BN 節(jié)點的兼容在某些版本上會報Unknown layer type為了繞開這個坑才去掉了 BN。這個模型足夠在 MNIST 上達到 99.2% 以上。import tensorflow as tf from tensorflow.keras import layers def create_model(): inputs tf.keras.Input(shape(28, 28, 1), nameinput) x layers.Conv2D(32, (3, 3), activationrelu)(inputs) x layers.MaxPooling2D((2, 2))(x) x layers.Conv2D(64, (3, 3), activationrelu)(x) x layers.MaxPooling2D((2, 2))(x) x layers.Flatten()(x) x layers.Dense(128, activationrelu)(x) x layers.Dropout(0.5)(x) outputs layers.Dense(10, activationsoftmax, nameoutput)(x) model tf.keras.Model(inputs, outputs) model.compile(optimizeradam, losssparse_categorical_crossentropy, metrics[accuracy]) return model注意input和output這兩個名字是我故意指定的后面導出凍結(jié)圖時輸入輸出節(jié)點名就會以input和output結(jié)尾這樣在 OpenCV 里可以直接用字符串傳進去。3.2 訓練與保存同時保存 h5 和 SavedModel訓練部分很簡單用自帶 MNIST 數(shù)據(jù)集mnist tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) mnist.load_data() x_train x_train.reshape(-1, 28, 28, 1).astype(float32) / 255.0 x_test x_test.reshape(-1, 28, 28, 1).astype(float32) / 255.0 model create_model() model.fit(x_train, y_train, batch_size128, epochs5, validation_split0.1) model.save(mnist_cnn.h5)這里我故意只訓練 5 個 epoch因為 MNIST 太簡單5 個 epoch 已經(jīng)能穩(wěn)定到 99% 左右沒必要把時間浪費在訓練上。如果你要更高的準確率可以把 epochs 加到 10并加入tf.keras.callbacks.ReduceLROnPlateau。3.3 驗證模型用真實手寫圖片測試訓練完先別急著導出先跑一下模型看看效果。這里我拿了一張自己用畫圖工具寫的數(shù)字“7”作為測試代碼如下import cv2 import numpy as np from tensorflow.keras.models import load_model img cv2.imread(image/test7.png, cv2.IMREAD_GRAYSCALE) img cv2.resize(img, (28, 28)).astype(float32) / 255.0 img img.reshape(1, 28, 28, 1) model load_model(mnist_cnn.h5) pred model.predict(img) print(預測值:, np.argmax(pred))這一步能確保模型本身沒問題后面出異常時就可以把問題縮小在“格式轉(zhuǎn)換”或“OpenCV 調(diào)用”上。4. 核心環(huán)節(jié)將 Keras 模型導出為 OpenCV DNN 可加載的 pb 模型4.1 pb 與 SavedModel 的區(qū)別為什么 OpenCV 需要凍結(jié)圖TensorFlow 里有好幾種“模型”概念Keras 的.h5保存的是權(quán)重和網(wǎng)絡結(jié)構(gòu)但權(quán)重是動態(tài)變量需要 TensorFlow 運行時去初始化。SavedModel包含圖結(jié)構(gòu)、變量文件、簽名通常用于 TensorFlow Serving但它是一個目錄不是單文件。凍結(jié)圖Frozen Graph / GraphDef把變量全部轉(zhuǎn)換成常量整個網(wǎng)絡變成了一個靜態(tài)的、無狀態(tài)的.pb圖文件。OpenCV 的 DNN 模塊需要的正是這種靜態(tài)的GraphDef。因為它沒有一個 TensorFlow 的 variable 存儲管理器只有當一個圖里所有變量都被固化為常量后它才能通過一張圖字節(jié)流完成前向計算。所以這個“導出 pb”的核心動作就是“凍結(jié)”權(quán)重。4.2 方法一用 TensorFlow 2.0 的凍結(jié)圖工具兼容 v1 接口tf.compat.v1.graph_util.convert_variables_to_constants是常見的凍結(jié)工具但它在 eager 模式下無法運行。所以我在export_pb.py腳本開頭強制關(guān)閉 eager。import tensorflow.compat.v1 as tf tf.disable_eager_execution() from tensorflow.keras import models # 加載訓練好的 h5 模型 model models.load_model(mnist_cnn.h5) # 這里需要確保模型已經(jīng)加載并且 session 是全局的 sess tf.keras.backend.get_session() # 打印輸入輸出節(jié)點名方便后面 OpenCV 使用 print(input name:, model.input.name) print(output name:, model.output.name) # 凍結(jié)圖把圖中 Variable 變成常量 frozen_graph tf.graph_util.convert_variables_to_constants( sess, sess.graph.as_graph_def(), [model.output.op.name] # 輸出節(jié)點的 op 名 ) # 保存為 pb 文件 with tf.gfile.GFile(mnist_model.pb, wb) as f: f.write(frozen_graph.SerializeToString()) print(pb saved)運行后屏幕打印的input name會是input:0output name會是output/Softmax:0。這里我們要在 OpenCV 中使用的節(jié)點名并不是帶:0的字符串而是不帶索引的節(jié)點名也就是input和output/Softmax。不過實際上convert_variables_to_constants接收的是 op 名model.output.op.name返回的就是output/Softmax。4.3 方法二通過 SavedModel 轉(zhuǎn)換更貼近生產(chǎn)環(huán)境如果你不想關(guān) eager也可以走saved_model路線。先把模型保存成 SavedModeltf.saved_model.save(model, saved_model)然后用saved_model_cli或者 Python 載入tf.saved_model并導出實現(xiàn)。但注意OpenCV 不能直接加載整個saved_model目錄你仍然需要把里面的具體函數(shù)凍結(jié)成單張 pb。這個方式在純 TF2.0 的工程里更“正統(tǒng)”但步驟繁瑣還要處理tf.function的 signature。我親測下來還是方法一更快而且對于手寫數(shù)字識別這種簡單網(wǎng)絡完全夠用。4.4 驗證導出的 pb 模型用 TensorFlow 腳本測試輸出結(jié)果導出 pb 后先用 TensorFlow 驗證一下這個 pb 還能不能推理避免等會兒在 C 里發(fā)現(xiàn)模型壞了再回來排查。這里我用tf.Graph載入 pb 并跑一次import tensorflow as tf import numpy as np with tf.Graph().as_default(): graph_def tf.GraphDef() with open(mnist_model.pb, rb) as f: graph_def.ParseFromString(f.read()) tf.import_graph_def(graph_def, name) x np.random.rand(1, 28, 28, 1).astype(float32) with tf.Session() as sess: input_tensor sess.graph.get_tensor_by_name(input:0) output_tensor sess.graph.get_tensor_by_name(output/Softmax:0) result sess.run(output_tensor, feed_dict{input_tensor: x}) print(result.shape)這一步通過說明 pb 文件沒有損壞可以放心去 OpenCV 那邊找茬。5. OpenCV C DNN 模塊調(diào)用 pb 模型代碼詳解5.1 readNetFromTensorflow 加載模型寫好 C 示例時我直接用一個最簡的main.cpp來演示。先在項目里配置好 OpenCV然后#include opencv2/opencv.hpp #include opencv2/dnn.hpp #include iostream using namespace cv; using namespace cv::dnn; int main() { // 加載 pb 模型 Net net readNetFromTensorflow(mnist_model.pb); if (net.empty()) { std::cerr 加載模型失敗 std::endl; return -1; } std::cout 模型加載成功 std::endl; return 0; }實測這里有兩個容易錯的地方一是路徑寫錯尤其 Windows 下要使用雙斜杠二是 OpenCV 版本過老readNetFromTensorflow可能加載不了 TF2.0 的圖。建議先用上面的代碼把模型加載流程跑通再進行推理。5.2 圖像預處理從任意圖像到 28x28 單通道OpenCV 推理時最關(guān)鍵的是確保輸入圖片的處理方式和訓練時一致。訓練時我們做的是“灰度圖 resize 到 28x28除以 255”歸一化。在 C 里也一樣而且要注意blobFromImage的用法。// 讀取圖片并轉(zhuǎn)為灰度圖 Mat img imread(test.png, IMREAD_GRAYSCALE); if (img.empty()) { std::cerr 圖片讀取失敗 std::endl; return -1; } // 調(diào)整大小保持 28x28 Mat resized; resize(img, resized, Size(28, 28), 0, 0, INTER_AREA); // 轉(zhuǎn)成 float 并歸一化 resized.convertTo(resized, CV_32F, 1.0 / 255.0); // 創(chuàng)建 blob尺寸為 (1, 1, 28, 28) Mat blob blobFromImage(resized, 1.0, Size(28, 28), Scalar(0), false, false, CV_32F);我特意沒有用blobFromImage的歸一化參數(shù)而是先把 Mat 轉(zhuǎn)成CV_32F再縮放因為這樣可以少踩一次 channel 數(shù)和順序的坑。對于單通道圖像blobFromImage生成的內(nèi)存布局是[1, 1, 28, 28]和 TensorFlow 期望的[1, 28, 28, 1]在內(nèi)存中是一致的通道數(shù)為 1所以維度順序不影響所以這里可以直接喂給網(wǎng)絡。5.3 執(zhí)行推理并解析結(jié)果設置輸入和推理只需要兩行net.setInput(blob, input); Mat prob net.forward(output/Softmax);setInput的第一個參數(shù)是 blob第二個參數(shù)是輸入層節(jié)點名。這里要注意如果你的模型里輸入節(jié)點名是input就寫input如果你在導出時打印的是input:0不需要帶:0。net.forward同理需要的是輸出節(jié)點的 op 名。隨后把prob從矩陣里取出來找最大概率對應的下標// prob 是 1x10 的矩陣 double minVal, maxVal; Point minLoc, maxLoc; minMaxLoc(prob, minVal, maxVal, minLoc, maxLoc); int label maxLoc.x; std::cout 識別結(jié)果: label 置信度: maxVal std::endl;如果net.forward沒有指定輸出節(jié)點名它會默認跑到最后一層但這里我們明確指定了output/Softmax保證 OpenCV 取到的是我們想要的 softmax 結(jié)果。5.4 完整示例批量識別并可視化結(jié)果為了便于測試我寫了一個簡單的批量處理遍歷一個文件夾下的所有圖片逐一識別并用 OpenCV 在圖片上繪制結(jié)果。#include opencv2/opencv.hpp #include opencv2/dnn.hpp #include iostream #include vector #include string using namespace cv; using namespace cv::dnn; int main(int argc, char** argv) { Net net readNetFromTensorflow(mnist_model.pb); if (net.empty()) { std::cerr 模型加載失敗 std::endl; return -1; } std::vectorstd::string files {1.png, 2.png, 3.png}; for (auto file : files) { Mat img imread(file, IMREAD_GRAYSCALE); if (img.empty()) continue; Mat resized; resize(img, resized, Size(28, 28), 0, 0, INTER_AREA); resized.convertTo(resized, CV_32F, 1.0 / 255.0); Mat blob blobFromImage(resized, 1.0, Size(28, 28), Scalar(0), false, false, CV_32F); net.setInput(blob, input); Mat prob net.forward(output/Softmax); double minVal, maxVal; Point minLoc, maxLoc; minMaxLoc(prob, minVal, maxVal, minLoc, maxLoc); int label maxLoc.x; Mat display; resize(img, display, Size(280, 280)); // 放大便于查看 putText(display, std::to_string(label), Point(20, 40), FONT_HERSHEY_SIMPLEX, 1.0, Scalar(0, 255, 0), 2); imshow(result, display); waitKey(0); } return 0; }到這里一個完整的“訓練 → 導出 pb → OpenCV C 調(diào)用”閉環(huán)就通了。6. 從踩坑到記住OpenCV 調(diào)用 pb 模型常見問題6.1 版本兼容TensorFlow 2.4 的模型在 OpenCV 4.2 中加載報錯我一開始項目用的是 OpenCV 4.2加載 TF2.0 出來的 pb 時直接報錯Unspecified error during read of text graph后來查資料發(fā)現(xiàn)原因主要是 OpenCV 4.2 的 TFOpMapper 不認識一些 TensorFlow 2.x 原生操作比如FusedBatchNormV3或者VariableV2凍結(jié)后應該沒有變量但歷史節(jié)點可能殘留。解決辦法是在導出時關(guān)閉 eager 后凍結(jié)并且盡量用標準的Conv2D、ReLU、MaxPool、MatMul這些基礎操作。另外升級到 OpenCV 4.5.5 后問題基本消失。所以我的建議是直接使用 OpenCV 4.5 及以上版本省心很多。6.2 輸入輸出節(jié)點名不對導致 setInput 失敗第一次寫 C 時我直接照著別人的代碼用了input和softmax作為節(jié)點名結(jié)果運行時報錯找不到輸入層。后來我才意識到每個模型導出的 pb 節(jié)點名可能不一樣。排查方法是先打開 pb 文件看節(jié)點名或者在導出前打印出來。如果需要硬編碼節(jié)點名可以在導出腳本里加一個斷言輸出節(jié)點名后在 C 中寫死// 導出腳本中打印 // input name: input:0 // output name: output/Softmax:0所以這里我用的是input和output/Softmax而不是想當然的softmax。6.3 圖像預處理不一致導致識別率低下模型在測試集上 99%但拿到真實手寫圖片上識別率暴跌。這個問題多數(shù)出在預處理差異上訓練時用的是 28x28 像素真實圖片可能很大必須縮放到 28x28。訓練時是灰度圖如果直接讀彩色圖并丟給網(wǎng)絡OpenCV 會默認轉(zhuǎn)成 3 通道導致輸入 shape 不對。歸一化沒做對。很多開源代碼用1.0 / 255.0也有人減均值除以方差。一定要和訓練時的處理完全一致。另外用resize時插值方法也會影響INTER_AREA在縮小時更友好而INTER_NEAREST很容易產(chǎn)生鋸齒影響識別。6.4 單通道與三通道的隱性問題如果你的 OpenCVblobFromImage傳入的是灰度圖生成的是[1,1,28,28]而 TensorFlow 模型期望的是[1,28,28,1]前面我說過因為 C1 所以沒問題。但如果你的模型是訓練時使用了 3 通道輸入比如把 MNIST 灰度圖復制成三通道那你在 C 里就要手動把灰度圖cvtColor(img, img, COLOR_GRAY2BGR)再轉(zhuǎn) blob否則會直接報 shape 不匹配。7. 完整源碼與模型資源說明并附加改進思路7.1 源碼文件結(jié)構(gòu)與使用說明項目打包完成后你拿到的壓縮包里基本包含train.py訓練腳本輸出mnist_cnn.h5export_pb.py導出mnist_model.pbmnist_cnn.h5Keras 模型權(quán)重mnist_model.pb凍結(jié)后的 TensorFlow 圖供 OpenCV 使用cpp_demo/main.cppOpenCV C 推理完整示例使用順序是先跑train.py再跑export_pb.py最后用 C 編譯并運行main.cpp。如果你是拿現(xiàn)成的.pb文件直接用 C 部分即可。7.2 模型精度改進加深網(wǎng)絡 / 數(shù)據(jù)增強 / 真實噪聲測試如果覺得 99% 還不夠可以從這幾個方向改進在網(wǎng)絡中加入BatchNormalization并測試 OpenCV 4.5.5 是否接受新版本已經(jīng)支持了做數(shù)據(jù)增強比如隨機旋轉(zhuǎn) 10 度、平移 ±2 像素、添加椒鹽噪聲用自己的手寫圖片做更充分的測試不要只用 MNIST 的測試集因為真實場景的書寫風格可能完全不同。我后來還嘗試過把模型換成更輕的 MobileNet 結(jié)構(gòu)但發(fā)現(xiàn) OpenCV DNN 對這種大模型的加載速度會慢很多。對于單純的手寫數(shù)字識別還是推薦保持小型 CNN。7.3 部署擴展從 OpenCV DNN 到 TensorRT / ONNX Runtime如果你后續(xù)要部署到帶 NVIDIA 顯卡的設備上可以考慮把 pb 轉(zhuǎn)成 ONNX再用 TensorRT 做加速。OpenCV DNN 目前性能已經(jīng)不錯但和專用推理引擎相比還是差一些。不過對于數(shù)字識別這種任務延遲在毫秒級OpenCV DNN 完全夠用。如果以后要擴展到實時視頻流識別建議用 ONNX Runtime C API因為它對硬件加速的支持更好生態(tài)也更現(xiàn)代。最后再分享一個我后來才意識到的小細節(jié)導出的 pb 模型最好在每次修改模型或訓練超參后都重新導出并同時在 C 端做一個“冒煙測試”——用一張固定圖片驗證輸出值是否和 TensorFlow 完全一致。這個習慣能讓你在項目后期少掉一大半的頭發(fā)。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
色吧五月婷婷| AV片一区在线观看| 色综合色综合网| 色婷婷五月视频| 五月色情婷婷开心五月色情| 91色色色| 亚洲天堂aaa| 逼逼AV| 婷婷激情五月综合| 五月天堂色| 色婷婷情片| 丁香五月天影院| A片试看120分钟做受图片| 俺去也婷婷| 婷婷午夜激情| 色婷婷a| 五月丁香六月婷婷久久| 夜丁香五月婷婷| 亚洲看av的网站| 888精品福利地址| 97碰超级人人看| 午夜丁香六月婷| 在线色婷婷| 欧美69久成人做爰视频| 搡BBBB搡BBB搡五十| 99热这里只有精品9| 日日撸天天干| 97干婷婷五月天| 激情丁香五月婷| www.色99| 久久9视频| www..999热久| 大香蕉婷婷丁香视频在线| 99内射视频| 99碰碰碰| 超碰激情五月| 久久码久久无清| 伊综合蕉| 久久久色情| 成人性生活免费观看。| 丁香花狠狠婷婷亚洲中文字幕| 少妇出轨做爰高潮A片| 国产亚洲精品久久久久久牛牛| 亚洲国产99| 涩五月婷婷| 亚洲另类婷婷综合| 99精品自拍| 九九热啪啪| 人妻视频在线| 97操视频| 亚洲99热| 五月婷婷综合网| 婷婷五月天电影网| 久久99网站| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | 国产热精品| 婷婷五月AA五月在线| 99热99热在线观看| 天天天天天操| 狠狠干五码| 国产精品久久久久久五月天加勒比| 秋霞网在线观看理论91| 激情五月天婷婷视频| 天天色色婷婷| 婷婷五月天六点丁香五月| 五月婷精品| 五月婷婷久| 天天狠狠干| 欧州色色| 婷婷五月天天爽| 丁香五月先锋| 欧美日韩999| 天天干天天日天天操| 久久丁香五月天| 99久久久久| 99热精品在线在线| 操逼五月婷婷| 青青草原爱爱网| 国产伊人大香蕉| 九月av在线| 黄色91在线观看| 五月开心久久| 婷婷丁香久久| 99热这里只有精品国产免费| 99视频精品全部免费观看| 丁香五月天黄色片| 婷婷丁香六月综合激情站| 久久99这里只有精品| 六月色婷婷色| 激情综合网亚洲色图| 色性日本| 夜夜撸夜夜骑| 成人AV在线网站| 婷婷丁香人妻天天爽| 天天爽天天操| 草草女人亚洲| 久久182| 91人碰| Www99热| 天天色天天射天天日| 色色色色欧洲| 亚洲婷婷六月天| Www,五月天| 色色色网站| 五月丁香好婷婷A片网| 亚洲激情AV| 91色色色| 五月天另类小说久久小说网| 婷婷趴趴| 激情美女五月天| 综合激情五月丁香| 五月天婷婷激情小说电影| 91无码高清| 日日杆天天| 国产精品A成V人在线播放| 亚洲av骚货| 99免费视频| av国产精品| 日韩五月婷婷久久| 天天操婷婷| 亚洲艹网| 丁香网五月天激情| 色婷婷www| 色五月 五月婷婷| 日韩少妇内射免费播放| 亚洲无码你懂的| 成人五月丁香社区| 五月天伊人日日噜影片AV| 99re最新地址| 亚洲激情综合网| 欧美日韩91| 人碰人人人玩91| 五月丁香婷婷啪啪综合| 日日日,com| 色丁香五月综合网| 國語久久婷| 91精品久久久久久77777| 丁香五月激情久久麻豆| 另类在线观看视频| henhencao国产在线| 色五婷婷| 99热精品在线播放| 伊人婷婷大香蕉在线| 9999热在线观看| 开心五月激情网| 视频这里只有精品16| jizzdr| 色天天综合| 婷婷五月天视频免费在线观看| 99久久九九| 亚洲成人AV高清字幕| 日本专区久久| 亚洲综合新99视频| 综合图片色色| 天天操夜夜操| 五月天伊人久久久久| 这里有精品99| 日本五月婷婷| 99精品久久| 人妻Av在线| 欧洲毛片基地c区| 5月婷婷激情6月| 成人va视频| 五月天另类激情在线| 狠狠色婷| 久去色色| 色五月AV| 久久精品一区二区三区四区| www99久久| 婷婷久久六月天| 亚洲丁香婷婷丁香五月天激情| 欧美丁香婷婷五月| 五月情涩综合婷婷| tingting五月天亚洲| 天天透天天爱| 亚洲亚洲人成综合网络| 久久WW| 婷婷五六日| 丁香五月婷婷六月丁香| 免费视频在线观看的网站| 婷婷五月天AV在| 国产日韩欧美性生活| 天天摸天天舔| 国产91资源在线| 极品精品一区二区三区在线| 97久久草草超级碰碰碰| 播五月丁香六月| 丁香五月婷婷影院| 七月激情六月婷婷综合在线播放| 天天爽,天天操。| 日韩淑女人妻luan伦激情精品一区二| 激情小说色五月| 玖玖无码中文| 婷婷五月天色| 久久在线视频免费观看| 成人五月天丁香| 激情综合亚洲色婷婷五月| 91一起艹| 五月色激情综合网| 六月丁香婷婷天堂| 久久婷婷精品| 色婷婷啪啪| 激情六月下句是什么| 色色色热热热| 深夜婷婷 丁香| 色婷婷丁香| 五月婷婷网五月在线| 99久久激情视频| 久热99久热| www.99热最新视频8| 五月天激情四射网站| 五月丁香亭亭激情操逼网| 亚洲成人在线播放| 婷婷五月天影视首页| 免费观看全黄做爰的视频| 91成人视频| site:xiongshengzz.com| 美女天天爽| 久久久国产精品黄毛片| 色婷婷五月天中文字幕| 激情五月婷黄版| 丁香五月婷婷激情四射深爱激情| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 九九热最新| 影音先锋91| 思思久久青草热| 日韩成人电影AV| wWW九九在线播放| 99热视精品| 久久五月视频| 色综合久久88色综合天天99| 五月婷婷五月丁香| 丁香五月色情av| 梁铮版蜘蛛女在线观看| 91热久久| 五月婷婷丁香啪啪| 久机视频这只有精品| 中文毛片无遮挡高潮免费| 黄色片区子| 婷五月天在线草| 亚洲综合在线播放| yazhochengrenavwang| 六月婷婷色宗合| 成人片在线播放| 97狠狠色| 91超级碰在线| 97操碰人人| 天天插天天| 丁香五月天啪啪| www久久99| 婷婷另类小说| 91av无码| 五月天久久综合婷婷丁香| 天天干天天爽| 色五月无码| 99热国产这里只有精品| 91热99| 五月天成人在线视频网站| 亚洲永远av在线播放| 亚洲丁香五月美女| 无码日本精品XXXXXXXXX| 久久黄A片| 97久久精品| 激情九九六月激情免费视频| 五月综合无码| 日韩AV在线免费| 五月天激情图| 影音先锋91网站在线观看| 思思久ren热| 婷婷网五月天| 人人草公开操| 久久久人妻| 婷婷激情五月| 99无吗| 在线中文AV| 婷婷爱综合| 色播五月丁香| 色综合激情| 国产午夜精品一区二区| 九色 在线| 天天爽天天摸天天爱| 亚洲欧美综合7777色亭亭| 日韩狠狠色婷婷| 播播网色播播| 亭亭玉立国色天香| 99久久久久| 久久久人妻人伦| 美女网黄| 国产ava| 无码动漫av| 天天操五月天| 色五月丁香婷婷久草| 大大香蕉综合在线| 久久婷婷六月综合| 超级碰碰视频无码| 97色色色| 2015超碰| 大香蕉伊人99| 久久久激情视频| 亚欧州精品视频| 五月天婷婷色色网| 91碰超| 婷婷五月天精品| 天天透天天爱| 超碰99热精品| 久久综合影院| 五月天久久婷婷| 色播婷婷五月天| 狠狠爱成人综合网| 国产精品久久久60086| 激情综合五| 思思99精品视频在线观看| 五月丁香影院| 五月天婷婷网站| 国产亚洲精品AAAAAAA片| 五月婷婷久久开心网| 国产又粗又大又爽又黄| 婷婷五月天亚洲激情戏精品| 五月婷婷很很色| 五月天婷婷激情春色小说| 偷拍丁香九月激情| 26uuu亚洲精品国产| AV亚洲在线| 亚洲色情网站| 亚洲自拍天堂| 大香蕉婷婷五月| 久99久在线| 91日韩在线| 五月婷婷另类| 亚洲乱码精品久久久久..| 日本狠狠爽| 超碰v| 天天开心AV色综合婷婷五月天| 欧美大片免费观看| 96五月丁香熟女| 偷偷操九九| 欧美婷婷综合| 99九九在线| 狠狠色综合网站久久久久| 婷婷五月天激情四射五月天激情| 亚洲精品久久久久久久久久吃药 | 色噜噜狠狠色综无码久久合欧美| 激情 婷婷 丁香五月天| 精品无码片| 天天操婷婷| 色五月婷婷影院| 五月天久久久| 欧美色骚婷婷五月天| 熟妇人妻中文字幕无码老熟妇| 亚洲婷婷丁香五月视频| 俺去婷婷 丁香| 2017狠狠干| 久草五月| 亚洲日本韩国| 丁香五月激情在线| 人伦30P| 99视频在线精品| 丁香五月大片| 丁香五月天堂亚洲社区| 123草逼网| 丁香五月综合婷婷| http:色情日本com| 亚洲狠狠干| 六月激情婷婷综合| 五月婷婷六月天| 99热97| 手机激情网| 99热免费18| 亚洲激情另类| 99色激| 亚洲亚洲人成综合网络| 人人摸人人摸| 欧美日韩91| 久久er99热精品一区二区| 99热中国| 久热超碰91| 激情五月婷婷视频一区二区三区| 五月天婷爱综合| 欧美碰碰| 任你爽视频| 狠狠色婷婷丁香六月| 91n啪啪| 五月丁香AV、伊人业余、性色熟妇| 婷婷五月天成人| 色噜噜在线| 五月天婷婷丁香花| 色99视频| 九九在线这里只有精品视频| 久久婷婷激情| 99热热热99精品婷婷| 狠狠干天天日| 丁香蜜臀黄色婷婷五月天| 天天久综合网永久入口18| 野战毛片三一3| 九九色影院| 91精品国产99久久久久久天美| 天天肏高清在线| 丁香五月伊人| 26uuu另类亚洲欧美日本一| 久久99精品久久久久子伦| 久久五月综合| 五月婷婷真爱激情网| 91综合国免费久入| 婷婷五月天VI| 激情久久久久久| 五月天堂婷婷| 伊人色五月| 激情小说五月天| 婷婷五月天免费视频在线观看| www.com亚洲网站在线免费| 日韩999| 色狠狠综合入口| 色狠狠色综合久久久绯色aⅴ影视| 五月丁香六月婷婷综合网| 婷久久综合| 天天日天天爽| 五月天激情小说欧美激情| 九九99免费视频| 伊人丁香五月天丁香在线婷| 亚洲中文字幕av| 天天舔天天| 五月天天综合| 免费视频WWW在线观看网站| 丁香五月天激情免费在线观看AV777| 婷婷五月日本| 五月天婷综合| 色狠狠综合网| 99在线视频精品| 色色色色色色综合网| 婷婷涩五月| 亚洲热综合网在线观看| 激情床戏| 超碰免费人人肏| 五月丁香啪啪网| 五月播播| 夜夜涩涩涩| 亚洲成片在线观看| 精品一二三区久久AAA片| 五月婷婷丁香啪啪| 91丨九色丨白浆秘| 成人短视频在线观看| 五月天激情国产综合婷婷| 天天 青草 制服丝袜 在线| 五月天婷婷丁香人人操91| 天天干夜夜想| 五月天色丁香| 欧洲亚洲欧洲99久久| 人妻激情综合| 激情综合九| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | 伊人婷婷五月天| 洗浴中心操B视频| 大战熟女丰满人妻AV| 91九色精品| 五月天自拍视频| AV在线免费网站| 碰超亚洲| 亚洲亚洲人成综合网络| 另类激情五月| 亚洲第一精品网站| 五月丁香亭亭成人电影| 五月婷婷色情| 亚洲成Av人片乱码色第1集| 国外亚洲成AV人片在线观看| 五月丁香婷婷综合久久| 婷婷五月激情在线| 久久精品在线| 丝袜人妻| 婷婷综合在线| 五月天综合婷婷| 激情婷婷五月天伊人在线观看| 在线你懂的亚洲欧| 热久91| 五月激情综合网| 91精品无码| 思思国产99| 5月丁香婷婷| 97久久草草超级碰碰碰| 91九色超碰正在播放| www.色五月| 91狠狠色| 综合婷婷五月天| WWW.开心五月天.COM| 久久九九99| 久久加勒比| 日韩欧美一级大黄网站| 天天久久综合| 狠狠五月激情在线| 99ri精品在线| 国产44页| 婷婷五月天综合久久日| 色狠狠色噜噜AV天堂五区| 欧美日朝成人| 色婷婷超碰| 99热这里只有免费精品| 天天射天天射一道本日本社区 | 色碰碰| 五月天激情www| 麻豆123区| 狠狠色噜噜色狠狠狠综合色| 亚洲这里只有精品| 婷婷五月天激情综合| 成年人最刺激的综合网| 久久视频这里99| 第六色在线| 久热只有这里有精品| 五月婷婷五月天| 婷婷色操| AVV黄| 五月婷狠狠| 亚洲国产精品SUV| 婷婷伊人五月天| 99精品视频偷拍| 韩国激情五月天综合网| 99综合免费视频| 伊人影院久久网| 欧美情色一区| 99精品偷自拍| 天天操天天插| 婷婷五月天社区| 五月婷婷五月| 久久久这里有精品| 丁香五月性爱| 婷婷五月天色色| 9热视频在线观看| 婷婷五月天综合网| 精品人妻久久久久久| 99这里只有精品|v| 五月丁香六月婷婷视频| 情色五月天网站| 亚洲AV久久久久久久久久久久久久久久| 无码少妇高潮喷水A片免费| 五月丁香久久| 99热这里只有精品8| 99热这里只有精品青草| 婷婷五月天堂| 99热6这里只有精品| 日韩人妻在线观看| 九九这里是免费的视频5| 色五月激情综合| 五月天天久久香| 开心久久五月天| 一起草av在线观看| 97碰碰在线观看视频| 99热第一页| 丁香六月婷婷开心婷婷网| 97偷拍在线视频| 婷婷五月丁香综合桃花色网| 91操在线| 黄色91在线观看| 九九热在线视频观看免费10| 91久久久久久久久久| 欧美日韩五月婷婷| 97色女人在线| 射久久丁香五月| 97色婷婷在线观看| 婷婷操久久| 亚洲精品国产A久久久久久| 97久久人人操| 色综合久| 丁香五月AV| 伊人久久艹| 337p大胆噜噜噜噜噜91Av| 婷婷五月天色色| 狠狠操狠狠插| 亚洲字幕AV一区二区三区四区| 日本精品人妻无码77777| 成人做爰高潮A片免费视频| 少妇人妻人伦A片| 人妻无码视频网| 色狠狠色噜噜AV天堂五区 | 99热国产免费| 五月婷婷六月丁香玖玖玫瑰91| 色五月大| 婷婷精品在线| 九九成人| 无码激情AAAAA片-区区| 久久久久久久久月丁| 久久婷婷艹| 婷婷五月激情视频网| 激情婷| 97色操| 婷婷久久五月天丁香| 日韩成人AV在线| 99色激| 激情深爱婷婷网| 激情五月综亚网| 久久99热精品a片在线观看| 思思精品热在线| 婷五月天| 婷婷六月啪啪| 五月丁香六月| 精品国产AV色一区二区深夜久久 | 五月天社区婷婷丁香社区| 日本女人久久| 99色免费观看全部| 最近中文字幕大全免费版在线| 亚洲综合五月天婷婷| 4399精品一区二区| 亚洲碰碰碰| 成人丁香五月| 99热这里只有精品10| 夜夜操少妇| 天天日天天做天天操| 丁香五月激情啪啪| 亚洲精品在线视频| 天天插天天插天天插天天插 | 啪啪激情综合| 天干夜夜操| 极品人妻XXXXOOOO| 丁香啪啪中文字幕| 99热这里有精品首页10| 婷婷色综合| 狠狠va| 狠色色狠网| 日韩黄色电影| 色吧五月| Www.久久| 一区视频网站| 色五月aV| 五月丁香六月综合激情无码软件亮点| 99亚洲视频| 国内外色色色色色成人视频| 成人无码精品1区2区3区免费看| 日噜噜色| 婷婷射丁香| 丁香色六月婷婷| 色丁香久久久| 99ri视频在线播放| 色噜噜综合网| 九色视频九色九色91jiuseshipin| 久久一品区| 日本三级黄色大片| 婷婷色五月噜噜| 丁香五月激情图片| 99在线精品视频| 激情综合色| 9久热在线视频| 天天综合色丁香| 精品在线| 五月天婷婷成人资源站| 极品另类| 婷婷在线播放| 99ri视频在线观看| a网站免费观看| 美女激情婷婷| 久久综合婷婷五月| 色婷婷五月天| 青青日韩| 婷婷五月蜜桃成人桃色丁香| 99热久久这里只有精品2010| 亚洲高清在线| 欧美A级成人婬片免费看理论| 天天肏天天肏| 99re思思| 激情综合色播| 五月激情影视| 97人人操人人拍| 九九AV在线| 另类小说婷婷色| 色99色| 无码激情AAAAA片-区区| 日韩综合久| 五月丁香综合网色欲| 色色色色av色色色色| 伊人干综合| 激情涩播| 久久九九网| 天天日婷婷| 玖玖综合网| ZpRSw| 久久三级视频| 热99精品视频| 高清无码入口| 99ri视频在线观看| 爱之国产色情综合| 亚洲欧洲中文日韩久久AV乱码| 久久人妻精品| www.com在线操视频免费观看| 天天插天天插天天操| 视频色色色色色色| 99热都是精品| 99ri视频在线观看| 激情综合综合综合| 婷婷五月天激情电影小说| 色播播五月天| 99精品女人天堂| 人人爱天天摸摸天天爱| 国产精品色婷婷99久久精品| 国产毛片操B| 激情综合网五月婷婷| 色六月视频| 五月丁香啪啪网| 国产97在线日韩亚洲女人被黑人巨大| 久久激情网| 久久小片| 国产69久久久欧美黑人A片| 激情99| 婷婷五月天激情亚洲小说| 婷婷午夜精品久久久| 五月婷婷伊| 久久99热这里只有精品首| 裸体美女丁香五月天。| 中文字幕丰满孑伦无码专区| 婷久久| 狠狠操天天日| 久久激情五月婷婷| 97久操视频| 亚洲 激情 中文| 九九99精品视频| 超碰99热精品在线| 99热免费网站| 成人av在线网址| 玖久久网站| 六月婷婷网| 91碰在线| 偷偷操九九| 深爱激情四射| 综合网色| 婷婷国产欧美97| 九九热这里只有国产精品| 亚洲综合激情五月久久| 超碰人人99| 亚洲精品五月| 国产99久久久国产精品免费看| 日韩在线视频网站| 婷婷香五月天| 变态 另类 在线| 丁香5月激情网| 国产精品美女| 久热A片| 同性gv国产精品一区二区| 色三级色三级| www,久久久人人| 精品99爱免费视频在线观看| 亚洲五月天婷婷| 人妻在线网站| 五月开心激情网| 久碰视频| 欧美性爱五月天| 丁香五月欧美色综合| 无语停婷丁香网| 国产阿姨日皮艹逼内射视频| 色99视频| 婷婷久久性爱| 日日操天天| 无码少妇高潮喷水A片免费| 性韩日色婷婷五月天激情啪啪XXX| 五月丁香六月玩女人| 国产精品成av人在线视午夜片| 丁香久久AV| 日本一级一级一级一级| 超碰在线观看9| 九九视频在线观看| 狠狠色综合五月人人| 99这里的视频都是精品| 中文字幕成人| 国产综合婷婷| 几激情五月婷婷色五月色天堂| 99视频热99| 思思w99| 曰韩少妇内射免费播放| 激情五月深爱五月| 日日夜夜婷婷| 激情久久五月天| 欧美乱码国产一级A片| 久久五月婷婷视频| 婷婷久久综合久色| 精品热九九| 青青福利网| 中文字幕丰满孑伦无码专区| bbwcuckold精品熟妇| 五月丁香黄色视频| 99久在线精品| 欧美日本国产欧美日本韩国99| 五月丁香在线观看99| 亚洲va在线∨a天堂va欧美va| 麻豆观看夏晴子| 6月丁香婷婷激情| 五月丁香激情啪啪| aaa丁香五月天| 狠狠色成人影片| 五月激情啪啪| xxxx久| 在线资源av-超碰中文在线-成人AV| 色色性爱视频| 色五月婷婷1| 天天狠狠六月婷丁香影院| 亚洲韩国日产综合AV| 丁香五月天的网址。| 九九久久9 9在线观看| 99成人无码| 久cao香蕉影院| 五月婷六月天| 婷婷五月天桃花网| 五月天婷婷永久免费视频| 狠狠精品干练久久久无码中文字幕| 色婷婷婷婷成人网| 久久五月婷6 9| 精品人妻伦一二三区久| 91精品久久久久久久久久久久| 五月综合在线| 性色av大香综合| 久久久久久97| 91操在线视频| www.99在线| 狠狠爱综合| 五月激情偷拍| 91碰碰碰| 五月婷婷色| 日韩人妻无码一区二区| 日产精品久久久久久久蜜臀| 五月婷丁香在线视频在线| 国产69久久久欧美黑人A片| 日日操夜夜爽天天天| av中文在线| 无码中文一区二区三区| 亚洲网站观看视频| 天天操天天草天天草天天| 西西4r午夜剧场| 日本五月天婷婷丁香| 丁香五月久久社区| 激情深爱五月天| 日本免费91| 色色色婷婷五月| 婷婷丁香激情综合色情| 任你爽视频| 五月婷婷新网站| 五月丁香六月激情| 丁香婷婷综合五月天| 免费看成人AA片无码视频吃奶| 五月丁香伊人网| 另类婷婷五月天啪帕帕| 深爱婷婷色| 久久婷婷原创视频| 欧美日韩一区二区三区四区| 久99久视频免费观看| 色一情一乱一乱一区91| 99小视频在线| 激情综合五月婷婷| 六月丁香婷婷开心综合基地| 99爱在线| 九九色色| 五月婷婷影院| 亚洲操逼网| 六月婷婷日| AV片在线观看| 欧美成人网99网| 性爱五月丁香| 人人摸人人干| 色播五月婷婷| 国产美女无遮挡裸体毛片A片 | 午夜婷婷五月天| 99婷婷色| 五月天综合影院| 99久久久久久久| 色综合色五月| 丁香六月婷婷开心| 九九色情网站| 亚洲五月天激情| 91操片| 超碰免费在线| 激情五月,深深爱五月| 9久热在线精品| 日韩AV片| av网址在线| 亚洲黄色影视| 五月丁香激情深爱婷婷| 欧美日韩日韩成人| 99操逼| 久鲁鲁色网| 丁香婷婷老熟女综合网| 久久色亭亭五月天| 色九月| 狠狠干最新地址| 亚洲色网络| 亚洲精品无码久久| 99在线精品免费视频| 午夜丁香五月天综合| 操97免费超级视频| 久久人妻视频| 成人色色视频| 五月丁香啪啪综合| 五月丁香综合| 思思热精品在线视频| 99精品热视频| 青柠影视免费高清电视剧| 激情丁香六月| 婷婷色在线| 苗黎美女四级成人版一级二级毛片| 九九视频在线| 99五月丁香丁| 五月婷婷综合激情小说| 激情五月天偷拍综合网| 99色在线观看免费| 91fuliwang| 五月天久久婷婷| 色婷婷丁香特级性爱视频| 九九超碰人人| 久久这里只有精品热在99| 久久婷婷丁香六月天| 97久人人| 国产精品久久久久久久久久免费| 性爱视频99| 婷婷她六月天| 91婷婷丁香五月亚洲| 另类图片色五月| 色五月六月婷婷| 九九热99视频在线| 六月婷婷五月丁香| 色婷婷久久综合中文久久一本| 五月婷婷无码| 91人人人人人人人| 久操热| 精品草原久久视频| 久99久在线| 99riav 亚洲| 午夜丁香综合婷婷| AV美美午夜| 啪啪黄页网| 噼里啪啦在线观看免费完整版视频 | 色五月丁香五| 人人操97| 天天拍久久| 操逼视频一区| 99re8在这里只有精品| 人人人va亚洲视频在线| 玖玖综合网| 色99综合色88| 婷婷综合色色| 99视频热| 色婷婷丁香五月天| 99re资源在线视频导航| 婷婷综合久久| 久久婷婷五月天亚洲欧美| 91久久久久久| 丁香五月婷婷香| 婷婷久久综合| 97色色色色色| 亚洲第一成人无码A片| 激情操逼婷婷| 99久久网站| 五月天综合激情网| 99,色| 五月婷婷丁香网| 五月丁香影院| 97碰碰视频| 热的国产99热| 99伊人婷婷在线| 天堂无码人妻精品AV一区| 99热日| 五月丁香六月婷婷久久久综合| 丁香五月天.com| 色婷婷中文| 91操操| 久久婷婷综合五月趴| 婷婷色色综合激情| 九色无码| 玖玖九九超碰| 五月天色五月| enecarbon-materials.comWu染请涟系Bao护@wip1688 | 婷婷九月久久| 亚洲成人综合在线| 激情五月丁香六月| 99热欧| 色婷婷丁香综合中文字幕| www.久99| 婷婷久久五月天| 影音先锋天天日| 久久99这里只有精品视频| www婷婷| 91人人爽人人操| 色情综合网| 丁香婷婷五月色成人网站| 天天精品视频在线观看视频| 综合亚洲色色| 丁乡久久| 丁香性爱在线视频| 色五月激情| 天天操天天曰| 五月婷婷综合色啪首页| 色色免费网站| 婷婷五月激情综合啪啪| 亚洲妇女熟BBW| 激情五月天 婷婷| 亚洲天堂色色| 伊人婷婷色激情丁香| www。五月天激情| WWW·色色色·COM| 一本婷婷丁香久久| 天天爽天天操| 色婷婷久久综合| 亚洲人人操BD| 五月色情婷婷开心五月色情| 五月天婷婷av| 国产99久9在线| 婷婷激情久久| 人妻体体内射精一区二区| 丁香五月天堂网| 九九色色| 六月婷婷久久大全| 91大屁股| se色99| 九九99在线免费在线观看视频| se99热久久一本| 99国产97在线,| 成熟妇人A片免费看网站| 怡红院视频| 91九色在线视频| 五月婷婷丁香在线| 色五月综合网| 亚洲五月天天| 久久亚洲婷婷综合色五月| 97操在线视频| av在线激情| 色色色色色色色色色色色色色色,网站| www.色五月| 久久婷婷亚洲| 婷婷天堂站| 久久在线大香蕉| 五月婷婷第四色| 国产成人va在线| 伊人天天色| 天天做天天爱天天日| 久久99久久99久久99人受| 久9无码视频| 无码橾| 丁香五月婷婷久久久| 色婷婷丁香花五月天| 高清一区二区三区日本久| 97干在线| 中文字幕在线播放视频| 天天综合五月天| 啪啪亚洲综合| 久久这里99| 日操五月婷| 99视频精品视频| ww亚洲ww在线观看| VA色婷婷| 国产亚洲网站在线| 人妖色AV色综合| 月色色综合婷婷网| 丁香婷婷久| 亞洲自怕| 2050人人操免费工开爱| 无码激情AAAAA片-区区| 亚洲激情在线| 99色在线| 婷婷操逼| 婷婷五月天基地| 天天综合网站| 激情色色色| 激情综合啪啪| 欧美99视频| 五月婷婷成人| 久久婷婷内射| 婷婷五月丁香超碰| 猫咪伊人久久| 一婬一伦一区二区三区| 怡红院AV亚洲一区二区三区H | 五月丁香亭亭A片| 9视频在线成人网站| 色婷婷中文| 五月丁小婷婷激情四射| 婷婷综合婷婷| 午夜伊人大香蕉| 99ER热精品视频| 亚洲成av人影院| 男人操女人高潮91视频| 丰满少妇猛烈A片免费看观看| 高潮毛片又色又爽免费| 成人综合网站| 农村熟妇高潮精品A片| 丰满少妇猛烈A片免费看观看| 欧美日韩中文国产一区发布| 色婷婷成人做爰A片免费看网站| 98国产精品综合一区二区三区| 俺去也五月| 狠狠插.com| 久久综合五月天激情小说网站| 婷婷在线中文字幕| 日韩精品一区二区三区,四区,五区视频 | 伊人九九68| 色五月综合网站| 99久久婷婷国产综合亚洲| 婷婷久久天堂网| 99免费青青蜜臀| 色娸娸综合网| 色久影院| 日韩999| 激情五月天婷婷直播| 丁香五月香蕉在线| 蜘蛛女免费观看完整版高清电影 | 99热精品免费| 欧美色五月| 国产AV一区二区三区日韩| 丁香五月天操B| 天天日日| 婷婷五月丁香人妻无码高清| 日本欧美999久久久三级片| 久久 无毛。| 色婷婷69| 欧美激情丁香五月| 99热最新地址在线| 色五月婷婷婷婷婷婷婷婷婷婷| 碰97久久| 亚洲啪视频| 激情久久四色| 五月综合激情图片| 天天日日爽| 丁香五月婷婷在线观看| 99亚洲视频| 五月天婷婷免费| 色色综合网站| 99视频内射三四| 五月婷在线| 综合aV在线| 99视频日韩| 97欧美在线| 五月丁香激情综合| 久久激情综合| 久久久人人人妻丝丝丝| 婷婷久久综合久色| 五月丁香亭亭| 色香欲综合| 色五月激情五月| 婷婷五月综合社区在线| 中文字幕成人影视| 99久久久免费| 色婷婷激情小说网| 国产精品激情五月天色婷婷| 九热视频| 婷婷五月综激情| 激情五月天综合网| 中文字幕丰满孑伦无码专区| 丁J香六月首页| 99久久99视频| 婷婷激情丁香五月婷婷激情丁香五月婷婷 | 热日韩欧美| 啪精品| 思思热久久艹| 蜜臀A∨在线水帘洞| 五月丁香花伦理电影| 在线A色| 亚洲熟妇无码乱子AV电影| www.色五月| 9久久狠狠的| 超碰丁香五月| 久久网日本| 九九这里只这里只有精品| 播五月丁香六月| 久久538| 亚州操人在线视频| 综合欧美五月婷婷| αV电影| 丁香六月啪啪啪| 久久五月人人摸| 激情网五月婷婷| 伊人五月天| 五月婷婷开心网| 国产精品日本一区二区在线播放| 国产探花一片区| 五月激情综合网| 伊人日日干| www.99热这里只有精品| 大香蕉久艹| 国产精品久久久久久喷浆| 美女91一起草| 人人人操Av| 激情五月天激情综合网| 超碰色综合| 大地资源色婷婷视频在线| 国产探花一片区| 色婷婷AAA| 婷婷玉月丁香五月在线视频| 人人摸人人干| 欧美久热| 婷婷五月丁香成人网| 91ncom.色| 狠狠狠激情网| 色色色色色网| 久久人妻精品| 色噜噜狠狠狠狠色综合久欧美| 99色色| 国产五月天激情小说| 久久久天天啊| 色婷五月天| 色停停影院五月天| 女性自慰系列第五页| 国产资源91在线| 99视频内射三四| 久久ri精品| 婷婷五月天午夜激情影院| 亚洲第一色网站| 婷婷五月伦理网站| 五月丁香成人网| 99久久超级| 婷婷五月激情综合| 五月婷婷视频28| 亚洲精品无码久久| 婷婷亚洲在线| 久久色婷婷| 5月丁香六月情| 91人人操.COM| 成人做爰黄A片免费看直播室男男| 99资源在线视频| www,欧美干干干干干干| 色久影院| 欧美人与性动交CCOO| 伊人婷婷91| 五月色欧洲| 色婷婷超碰| 国产一区二区三区影院| enecarbon-materials.com污K127封锁请涟系@wip1688 | 激情五月色在线播放| 日韩成人综合网| 久婷狼色诱惑在线| 综合色图区| 99成人免费热视频| 激情五月天婷婷丁香| 97干在线免费| 亚洲人人96@| 久久综合五月天| 精品夜夜澡人妻无码AV| 五月天婷婷香蕉狠狠超碰综合| 久久有码| 天天射综合网站| 国产成人AV不卡| 91丨九色丨43老版熟女| 婷婷五月天黄色小说| 99激情视频| 99爱爱网| 人妻尝试久久久久久久久久久久| 五月婷婷三级| 碰人人97| 99丁香五月婷| 97色天堂| 丁香婷婷AV| 狠狠色色| 色五月婷婷五月| 国产毛片精品一区二区色欲黄A片| 狠狠综合区| 怡红院院久久| 欧美精品999| 91九九热| 婷婷五月天亚洲色| 热久久91| 丁香五月天婷婷大香蕉| 99热这里有精品6| 成人免费高清在线播放| 99只有精品9| 天天做天天爱天天搞| 日本五月天激情| 婷婷五月欧美综合| 婷婷五月综合激情| 亚洲天堂aaaa| 久久婷婷老| 久久天天天| 国产精品国产| 丁香六月成人| 激情综合女人网五月播播| 伊人网碰碰| 热久91| 婷婷五六日| AV操操操|