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(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

人體骨骼關(guān)鍵點(diǎn)數(shù)據(jù)集深度解析:從數(shù)據(jù)探查到模型訓(xùn)練全流程

人體骨骼關(guān)鍵點(diǎn)數(shù)據(jù)集深度解析:從數(shù)據(jù)探查到模型訓(xùn)練全流程 簡(jiǎn)介人體姿態(tài)估計(jì)是計(jì)算機(jī)視覺領(lǐng)域的核心任務(wù)其目標(biāo)是從圖像或視頻中精準(zhǔn)定位人體關(guān)節(jié)位置。其技術(shù)原理通常基于深度學(xué)習(xí)模型通過(guò)回歸關(guān)鍵點(diǎn)坐標(biāo)或預(yù)測(cè)熱力圖來(lái)實(shí)現(xiàn)。這項(xiàng)技術(shù)的核心價(jià)值在于將抽象的坐標(biāo)點(diǎn)轉(zhuǎn)化為對(duì)人體姿態(tài)、行為乃至意圖的數(shù)字化理解是構(gòu)建智能感知系統(tǒng)的重要基石。在工程實(shí)踐中一個(gè)高質(zhì)量、標(biāo)注規(guī)范的骨骼關(guān)鍵點(diǎn)數(shù)據(jù)集是算法成功的決定性因素。此類數(shù)據(jù)集廣泛應(yīng)用于健身與運(yùn)動(dòng)分析、人機(jī)交互與虛擬現(xiàn)實(shí)、安防監(jiān)控以及動(dòng)畫制作等多個(gè)高價(jià)值場(chǎng)景。本文將以一個(gè)典型的人體骨骼關(guān)鍵點(diǎn)檢測(cè)數(shù)據(jù)集為例系統(tǒng)闡述從數(shù)據(jù)解壓、結(jié)構(gòu)解析、質(zhì)量評(píng)估到數(shù)據(jù)預(yù)處理、增強(qiáng)策略定制以及模型訓(xùn)練準(zhǔn)備的完整工程化流程為相關(guān)領(lǐng)域的開發(fā)者和研究者提供一套可復(fù)用的實(shí)戰(zhàn)方法論。1. 項(xiàng)目概述一份骨骼關(guān)鍵點(diǎn)數(shù)據(jù)集的深度解構(gòu)最近在整理硬盤里的陳年資料翻到了一個(gè)名為“人體骨骼關(guān)鍵點(diǎn)檢測(cè)數(shù)據(jù)集_20251123_004453.zip”的文件包。這名字一看就是典型的“項(xiàng)目產(chǎn)物”帶著時(shí)間戳透著一種“做完實(shí)驗(yàn)隨手一存準(zhǔn)備日后復(fù)盤”的意味。對(duì)于從事計(jì)算機(jī)視覺特別是人體姿態(tài)估計(jì)、動(dòng)作識(shí)別或者人機(jī)交互方向的朋友來(lái)說(shuō)這類數(shù)據(jù)集就是我們的“彈藥庫(kù)”。今天我就以這個(gè)數(shù)據(jù)集為引子和大家深入聊聊當(dāng)我們拿到一個(gè)這樣的“裸數(shù)據(jù)包”時(shí)應(yīng)該如何去理解它、評(píng)估它并最終讓它為我們的模型訓(xùn)練服務(wù)。這不僅僅是解壓文件那么簡(jiǎn)單而是一個(gè)從數(shù)據(jù)認(rèn)知到工程實(shí)踐的全流程。一個(gè)優(yōu)秀的數(shù)據(jù)集是算法成功的基石。但“優(yōu)秀”二字往往隱藏在文件的命名規(guī)則、標(biāo)注格式、數(shù)據(jù)分布這些細(xì)節(jié)里。這個(gè)數(shù)據(jù)集標(biāo)題已經(jīng)透露了幾個(gè)關(guān)鍵信息核心任務(wù)是“人體骨骼關(guān)鍵點(diǎn)檢測(cè)”文件格式是“.zip”壓縮包并且有一個(gè)精確到秒的生成時(shí)間“20251123_004453”。我們將圍繞這些線索一步步拆解看看如何像偵探一樣從零散的圖片和標(biāo)注文件中還原出數(shù)據(jù)集的完整面貌和應(yīng)用潛力。2. 數(shù)據(jù)集核心價(jià)值與典型應(yīng)用場(chǎng)景解析2.1 骨骼關(guān)鍵點(diǎn)檢測(cè)的任務(wù)本質(zhì)人體骨骼關(guān)鍵點(diǎn)檢測(cè)通俗講就是從一張圖片或一段視頻中精準(zhǔn)地定位出人體關(guān)節(jié)的位置比如頭頂、鼻子、左右肩、左右肘、左右腕、左右髖、左右膝、左右踝等。這些點(diǎn)連起來(lái)就構(gòu)成了人體的骨骼框架。這項(xiàng)技術(shù)是許多高級(jí)應(yīng)用的“前哨站”。它的價(jià)值不在于畫出幾個(gè)點(diǎn)而在于將這些抽象的坐標(biāo)點(diǎn)轉(zhuǎn)化為對(duì)人體姿態(tài)、行為乃至意圖的理解。2.2 核心應(yīng)用場(chǎng)景深度剖析基于骨骼關(guān)鍵點(diǎn)數(shù)據(jù)我們可以解鎖非常豐富的應(yīng)用場(chǎng)景這也是此類數(shù)據(jù)集備受追捧的原因。2.2.1 健身與運(yùn)動(dòng)分析這是目前非?;馃岬穆涞胤较?。通過(guò)攝像頭捕捉用戶的運(yùn)動(dòng)姿態(tài)實(shí)時(shí)計(jì)算出關(guān)節(jié)角度、動(dòng)作幅度和運(yùn)動(dòng)軌跡。例如在智能健身鏡或健身APP中系統(tǒng)可以判斷深蹲時(shí)膝蓋是否超過(guò)腳尖、瑜伽動(dòng)作是否標(biāo)準(zhǔn)、高爾夫揮桿的姿勢(shì)是否合理。數(shù)據(jù)集的質(zhì)量直接決定了分析的準(zhǔn)確性。一個(gè)包含各種體型、穿著和光照條件下健身動(dòng)作的數(shù)據(jù)集其價(jià)值遠(yuǎn)超一個(gè)只在實(shí)驗(yàn)室白背景下采集的簡(jiǎn)單數(shù)據(jù)集。2.2.2 人機(jī)交互與虛擬現(xiàn)實(shí)讓機(jī)器理解人的動(dòng)作是實(shí)現(xiàn)自然交互的關(guān)鍵。比如通過(guò)手勢(shì)控制智能電視、隔空操作PPT或者在VR游戲中玩家的每一個(gè)彎腰、跳躍都能被精準(zhǔn)映射到虛擬角色上。這類應(yīng)用對(duì)檢測(cè)的實(shí)時(shí)性和魯棒性要求極高數(shù)據(jù)集需要包含大量快速運(yùn)動(dòng)、肢體遮擋如手在身體前方以及復(fù)雜背景下的樣本。2.2.3 安防與異常行為識(shí)別在公共場(chǎng)所通過(guò)分析行人的行走姿態(tài)、奔跑、摔倒、打架等骨骼關(guān)鍵點(diǎn)序列可以及時(shí)發(fā)現(xiàn)異常情況并預(yù)警。例如識(shí)別老人摔倒的“突然倒地”姿態(tài)模式。這要求數(shù)據(jù)集不僅有關(guān)鍵點(diǎn)還要有連續(xù)的時(shí)間序列視頻幀并且標(biāo)注了各類異常行為標(biāo)簽。2.2.4 動(dòng)畫與游戲制作傳統(tǒng)動(dòng)畫制作中動(dòng)作捕捉需要演員穿著專業(yè)設(shè)備在特定場(chǎng)地完成。而基于視覺的動(dòng)捕技術(shù)僅用普通攝像頭就能驅(qū)動(dòng)數(shù)字角色大大降低了成本。相關(guān)數(shù)據(jù)集需要非常高精度的關(guān)鍵點(diǎn)標(biāo)注通常包含更多細(xì)節(jié)關(guān)節(jié)點(diǎn)如手指關(guān)節(jié)并且動(dòng)作范圍要覆蓋常見的行走、奔跑、跳躍、舞蹈等。拿到“人體骨骼關(guān)鍵點(diǎn)檢測(cè)數(shù)據(jù)集_20251123_004453.zip”時(shí)我們首先要思考它可能服務(wù)于以上哪個(gè)或哪些場(chǎng)景這決定了我們后續(xù)評(píng)估數(shù)據(jù)集的側(cè)重點(diǎn)。3. 數(shù)據(jù)集的初步探查與結(jié)構(gòu)解析3.1 文件解壓與目錄結(jié)構(gòu)觀察第一步永遠(yuǎn)是解壓。解壓后一個(gè)清晰、規(guī)范的目錄結(jié)構(gòu)是好數(shù)據(jù)集的第一個(gè)標(biāo)志。通常我們會(huì)看到類似以下的布局HumanSkeletonDataset_20251123/ ├── images/ │ ├── train/ │ │ ├── 000001.jpg │ │ ├── 000002.jpg │ │ └── ... │ └── val/ │ ├── 000501.jpg │ └── ... ├── annotations/ │ ├── train.json │ ├── val.json │ └── keypoint_definitions.txt └── README.mdimages/: 存放所有圖像文件通常按訓(xùn)練集train、驗(yàn)證集val甚至測(cè)試集test分開放置。這體現(xiàn)了數(shù)據(jù)劃分的規(guī)范性。annotations/: 存放標(biāo)注文件。這是核心中的核心。標(biāo)注可能以JSON、XML如PASCAL VOC格式或TXT格式存在。README.md: 一個(gè)優(yōu)秀的數(shù)據(jù)集必備的“說(shuō)明書”。它會(huì)說(shuō)明數(shù)據(jù)來(lái)源、標(biāo)注規(guī)范、關(guān)鍵點(diǎn)定義、許可證等信息。如果這個(gè)文件缺失或過(guò)于簡(jiǎn)陋我們就要花更多功夫去“猜”。實(shí)操心得解壓后第一件事不是急著寫代碼而是用眼睛看。數(shù)一圖片大概有多少?gòu)埧纯磮D片的尺寸是否統(tǒng)一打開幾張圖片看看內(nèi)容人物場(chǎng)景、清晰度、光照。然后立刻尋找README文件。如果找不到就去annotations文件夾里用文本編輯器打開一個(gè)標(biāo)注文件嘗試?yán)斫馄浣Y(jié)構(gòu)。3.2 標(biāo)注格式深度解讀骨骼關(guān)鍵點(diǎn)的標(biāo)注格式有多種主流標(biāo)準(zhǔn)識(shí)別格式是正確使用數(shù)據(jù)的前提。3.2.1 COCO Keypoints 格式這是目前最流行的格式之一源自MS COCO數(shù)據(jù)集。其標(biāo)注JSON文件結(jié)構(gòu)復(fù)雜但信息完整。{ info: {...}, licenses: [...], images: [ {id: 1, file_name: 000001.jpg, height: 480, width: 640, ...}, ... ], annotations: [ { id: 1, image_id: 1, category_id: 1, keypoints: [x1, y1, v1, x2, y2, v2, ...], num_keypoints: 17, area: 3672.56, bbox: [x, y, width, height], iscrowd: 0 }, ... ], categories: [ { id: 1, name: person, supercategory: person, keypoints: [nose, left_eye, ..., right_ankle], skeleton: [[16, 14], [14, 12], ...] // 關(guān)節(jié)點(diǎn)連接關(guān)系 } ] }keypoints列表按順序存儲(chǔ)每個(gè)關(guān)鍵點(diǎn)的[x坐標(biāo), y坐標(biāo), 可見性v]。可見性v通常為2已標(biāo)注且可見1已標(biāo)注但被遮擋0未標(biāo)注。bbox人物的檢測(cè)框?qū)τ趦呻A段姿態(tài)估計(jì)模型非常重要。num_keypoints該人物實(shí)例中已標(biāo)注的關(guān)鍵點(diǎn)數(shù)量。skeleton定義了哪些關(guān)鍵點(diǎn)之間可以連線用于可視化。3.2.2 MPII Human Pose 格式另一個(gè)經(jīng)典數(shù)據(jù)集MPII的格式常見于學(xué)術(shù)研究。它通常為每個(gè)圖像提供一個(gè)獨(dú)立的MAT文件或整合在一個(gè)MAT文件中包含豐富的元信息如活動(dòng)標(biāo)簽、軀干尺寸、縮放因子等更適合進(jìn)行2.5D或3D姿態(tài)分析的研究。3.2.3 自定義簡(jiǎn)單格式有些項(xiàng)目自用的數(shù)據(jù)集可能采用更簡(jiǎn)單的格式比如每張圖片對(duì)應(yīng)一個(gè)同名的TXT文件里面每一行記錄一個(gè)關(guān)鍵點(diǎn)的(x, y)坐標(biāo)和類別ID。排查技巧實(shí)錄如果標(biāo)注文件是JSON先用json.load()讀入Python打印它的頂層鍵keys()。如果是COCO格式你一定會(huì)看到images,annotations,categories這幾個(gè)鍵。然后打印第一個(gè)annotation條目查看keypoints數(shù)組的長(zhǎng)度。如果是17*351那很可能就是標(biāo)準(zhǔn)的COCO 17關(guān)鍵點(diǎn)格式。這一步的快速判斷能節(jié)省大量時(shí)間。4. 數(shù)據(jù)集質(zhì)量評(píng)估與清洗實(shí)戰(zhàn)4.1 關(guān)鍵質(zhì)量維度分析確定了格式接下來(lái)就要評(píng)估數(shù)據(jù)集的“成色”。主要從以下幾個(gè)維度入手?jǐn)?shù)據(jù)量級(jí)與劃分訓(xùn)練集、驗(yàn)證集分別有多少?gòu)垐D片、多少個(gè)標(biāo)注的人體實(shí)例通常一個(gè)能訓(xùn)練穩(wěn)健模型的數(shù)據(jù)集訓(xùn)練實(shí)例數(shù)應(yīng)在萬(wàn)級(jí)以上。劃分比例是否合理常見如8:2或9:1標(biāo)注完整性是否存在大量v0未標(biāo)注的關(guān)鍵點(diǎn)計(jì)算所有實(shí)例的平均num_keypoints。如果這個(gè)數(shù)字遠(yuǎn)小于總關(guān)鍵點(diǎn)數(shù)如17說(shuō)明標(biāo)注缺失嚴(yán)重可能需要清洗或采用能處理部分標(biāo)注的損失函數(shù)。標(biāo)注準(zhǔn)確性需要人工抽樣檢查。隨機(jī)選取幾十張圖片將標(biāo)注的關(guān)鍵點(diǎn)可視化在原圖上觀察點(diǎn)是否準(zhǔn)確落在關(guān)節(jié)處。常見的標(biāo)注錯(cuò)誤包括點(diǎn)標(biāo)偏、左右混淆左肩標(biāo)成右肩、嚴(yán)重遮擋時(shí)胡亂猜測(cè)。數(shù)據(jù)多樣性場(chǎng)景多樣性室內(nèi)、室外、街道、健身房、辦公室等。人物多樣性不同年齡、體型、身高、穿著緊身衣、寬松衣、裙子。姿態(tài)多樣性常見站、坐、走、跑以及各種運(yùn)動(dòng)、舞蹈等復(fù)雜姿態(tài)。挑戰(zhàn)性因素遮擋人物被物體或其他人物遮擋、光照變化逆光、暗光、運(yùn)動(dòng)模糊、多人密集場(chǎng)景。定義一致性關(guān)鍵點(diǎn)的解剖學(xué)定義是否清晰且一致例如“左髖”是指大腿骨與骨盆連接處的中心點(diǎn)這個(gè)定義在所有標(biāo)注員中是否統(tǒng)一keypoint_definitions.txt文件或categories中的keypoints列表就是標(biāo)準(zhǔn)。4.2 自動(dòng)化評(píng)估腳本編寫我們可以編寫Python腳本進(jìn)行快速量化評(píng)估。以下是一個(gè)基于COCO格式的評(píng)估示例import json from collections import Counter import matplotlib.pyplot as plt # 加載標(biāo)注文件 with open(‘a(chǎn)nnotations/train.json‘, ‘r‘) as f: coco_data json.load(f) # 1. 統(tǒng)計(jì)基礎(chǔ)信息 num_images len(coco_data[‘images‘]) num_annotations len(coco_data[‘a(chǎn)nnotations‘]) print(f“圖像數(shù)量 {num_images}“) print(f“人體實(shí)例數(shù)量 {num_annotations}“) # 2. 分析關(guān)鍵點(diǎn)可見性 all_keypoints [] missing_keypoints_per_person [] for ann in coco_data[‘a(chǎn)nnotations‘]: kps ann[‘keypoints‘] # kps是[x1,y1,v1, x2,y2,v2, ...]的扁平列表 visibility [kps[i2] for i in range(0, len(kps), 3)] # 取出所有v值 all_keypoints.extend(visibility) missing_count visibility.count(0) # 統(tǒng)計(jì)未標(biāo)注點(diǎn) missing_keypoints_per_person.append(missing_count) # 統(tǒng)計(jì)可見性分布 vis_counter Counter(all_keypoints) print(f“關(guān)鍵點(diǎn)可見性分布 {vis_counter}“) # v2:可見 v1:遮擋 v0:缺失 # 3. 統(tǒng)計(jì)每人的標(biāo)注關(guān)鍵點(diǎn)數(shù)量 avg_keypoints sum([ann[‘num_keypoints‘] for ann in coco_data[‘a(chǎn)nnotations‘]]) / num_annotations print(f“平均每人標(biāo)注關(guān)鍵點(diǎn)數(shù) {avg_keypoints:.2f}“) # 4. 可視化缺失情況分布 plt.figure(figsize(10, 4)) plt.subplot(1, 2, 1) plt.hist(missing_keypoints_per_person, binsrange(0, 18, 1), edgecolor‘black‘) plt.xlabel(‘每人缺失關(guān)鍵點(diǎn)數(shù)量‘) plt.ylabel(‘頻數(shù)‘) plt.title(‘缺失關(guān)鍵點(diǎn)分布‘) plt.subplot(1, 2, 2) plt.boxplot([ann[‘a(chǎn)rea‘] for ann in coco_data[‘a(chǎn)nnotations‘]]) plt.ylabel(‘人體框面積 (像素)‘) plt.title(‘人體尺寸分布‘) plt.tight_layout() plt.show()這個(gè)腳本能快速給出數(shù)據(jù)集的宏觀健康狀況。注意事項(xiàng)評(píng)估時(shí)一定要區(qū)分“驗(yàn)證集”和“測(cè)試集”。驗(yàn)證集用于訓(xùn)練時(shí)調(diào)參和監(jiān)控過(guò)擬合我們可以隨意查看和分析。但真正的“測(cè)試集”在學(xué)術(shù)上應(yīng)該只用于最終評(píng)估其標(biāo)注通常是不可見的只有圖片或者即使有標(biāo)注在模型開發(fā)過(guò)程中也應(yīng)“盲用”以避免無(wú)意中在測(cè)試集上過(guò)擬合。檢查你的數(shù)據(jù)集劃分是否包含了獨(dú)立的測(cè)試集。5. 數(shù)據(jù)預(yù)處理與增強(qiáng)策略定制5.1 數(shù)據(jù)讀取與解析管道搭建在模型訓(xùn)練前需要構(gòu)建一個(gè)高效的數(shù)據(jù)加載管道DataLoader。以PyTorch為例我們需要自定義一個(gè)Dataset類。import torch from torch.utils.data import Dataset, DataLoader from PIL import Image import json import cv2 import numpy as np class CocoKeypointsDataset(Dataset): def __init__(self, annotation_path, img_dir, transformNone): with open(annotation_path, ‘r‘) as f: self.coco json.load(f) self.img_dir img_dir self.transform transform # 創(chuàng)建圖像ID到標(biāo)注列表的映射加速查找 self.img_id_to_anns {} for ann in self.coco[‘a(chǎn)nnotations‘]: img_id ann[‘image_id‘] if img_id not in self.img_id_to_anns: self.img_id_to_anns[img_id] [] self.img_id_to_anns[img_id].append(ann) # 創(chuàng)建圖像ID到圖像信息的映射 self.img_id_to_info {img[‘id‘]: img for img in self.coco[‘images‘]} def __len__(self): return len(self.coco[‘images‘]) def __getitem__(self, idx): img_info self.coco[‘images‘][idx] img_id img_info[‘id‘] img_path os.path.join(self.img_dir, img_info[‘file_name‘]) # 讀取圖像 image Image.open(img_path).convert(‘RGB‘) original_size image.size # (width, height) # 獲取該圖像對(duì)應(yīng)的所有人體標(biāo)注 anns self.img_id_to_anns.get(img_id, []) # 準(zhǔn)備目標(biāo)這里以單個(gè)主要人物為例實(shí)際可能需要處理多人 # 我們?nèi)∶娣e最大的人體實(shí)例假設(shè)每圖一人或關(guān)注主要人物 if anns: main_ann max(anns, keylambda x: x[‘a(chǎn)rea‘]) keypoints np.array(main_ann[‘keypoints‘]).reshape(-1, 3) # (17, 3) bbox main_ann[‘bbox‘] # [x, y, width, height] # 將bbox轉(zhuǎn)換為 [x1, y1, x2, y2] 格式 bbox [bbox[0], bbox[1], bbox[0]bbox[2], bbox[1]bbox[3]] else: # 如果沒有標(biāo)注可以返回空或進(jìn)行特殊處理 keypoints np.zeros((17, 3)) bbox [0, 0, original_size[0], original_size[1]] sample { ‘image‘: image, ‘keypoints‘: keypoints, # (17, 3) ‘bbox‘: bbox, ‘image_id‘: img_id } if self.transform: sample self.transform(sample) return sample這個(gè)Dataset類完成了最基礎(chǔ)的讀取工作返回圖像、關(guān)鍵點(diǎn)坐標(biāo)和邊界框。5.2 針對(duì)姿態(tài)估計(jì)的數(shù)據(jù)增強(qiáng)策略數(shù)據(jù)增強(qiáng)是提升模型泛化能力的關(guān)鍵但對(duì)于關(guān)鍵點(diǎn)檢測(cè)增強(qiáng)必須考慮空間幾何一致性。隨機(jī)水平翻轉(zhuǎn)這是最常用且有效的增強(qiáng)。翻轉(zhuǎn)圖像時(shí)關(guān)鍵點(diǎn)坐標(biāo)和邊界框也要相應(yīng)翻轉(zhuǎn)并且必須交換左右成對(duì)的關(guān)鍵點(diǎn)索引如左肩和右肩。如果關(guān)鍵點(diǎn)順序是固定的如COCO順序需要在代碼中預(yù)定義一個(gè)左右對(duì)稱映射關(guān)系進(jìn)行交換。隨機(jī)旋轉(zhuǎn)與縮放在合理范圍內(nèi)如旋轉(zhuǎn)±30度縮放0.75~1.25進(jìn)行仿射變換。變換后關(guān)鍵點(diǎn)坐標(biāo)需要通過(guò)相同的變換矩陣進(jìn)行計(jì)算。顏色抖動(dòng)調(diào)整亮度、對(duì)比度、飽和度和色調(diào)這對(duì)關(guān)鍵點(diǎn)位置無(wú)影響可以增強(qiáng)模型對(duì)光照變化的魯棒性。CutOut/RandomErasing隨機(jī)遮擋圖像的一小塊矩形區(qū)域可以模擬部分遮擋迫使模型不過(guò)度依賴局部上下文。MixUp 或 Mosaic更高級(jí)的增強(qiáng)將多張圖像混合能極大地增加數(shù)據(jù)的復(fù)雜性和多樣性但對(duì)數(shù)據(jù)加載管道的要求更高。實(shí)操心得在實(shí)現(xiàn)增強(qiáng)時(shí)我強(qiáng)烈建議使用albumentations庫(kù)。它專門為計(jì)算機(jī)視覺任務(wù)設(shè)計(jì)對(duì)關(guān)鍵點(diǎn)、邊界框的支持非常友好而且速度快。下面是一個(gè)增強(qiáng)管道的示例import albumentations as A from albumentations.pytorch import ToTensorV2 def get_train_transform(): return A.Compose([ A.HorizontalFlip(p0.5), A.Rotate(limit30, p0.5, border_modecv2.BORDER_CONSTANT, value0), A.RandomScale(scale_limit0.25, p0.5), # 縮放 A.PadIfNeeded(min_height512, min_width512, border_modecv2.BORDER_CONSTANT, value0), A.RandomCrop(height512, width512), A.ColorJitter(brightness0.2, contrast0.2, saturation0.2, hue0.1, p0.5), A.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), ToTensorV2(), ], keypoint_paramsA.KeypointParams(format‘xyv‘, remove_invisibleFalse)) # 注意格式匹配 # 在Dataset的__getitem__中應(yīng)用 if self.transform: # 將關(guān)鍵點(diǎn)從 (17, 3) 轉(zhuǎn)換為albumentations需要的列表格式 [(x1,y1,v1), ...] kps_list [tuple(kp) for kp in keypoints] transformed self.transform(imagenp.array(image), keypointskps_list, bboxes[bbox]) image transformed[‘image‘] keypoints np.array(transformed[‘keypoints‘]).reshape(-1, 3) # bbox 可能也需要處理...使用albumentations可以確保圖像和標(biāo)注的變換是同步且正確的避免了自己實(shí)現(xiàn)變換矩陣時(shí)容易出現(xiàn)的錯(cuò)誤。6. 模型訓(xùn)練準(zhǔn)備與標(biāo)簽生成6.1 從坐標(biāo)到熱圖標(biāo)簽的生成邏輯大多數(shù)現(xiàn)代姿態(tài)估計(jì)模型如HRNet HigherHRNet SimpleBaseline并不直接回歸關(guān)鍵點(diǎn)的 (x, y) 坐標(biāo)而是預(yù)測(cè)一個(gè)“熱圖”Heatmap。對(duì)于每個(gè)關(guān)鍵點(diǎn)類型生成一個(gè)和輸入圖像尺寸成比例如下采樣4倍或8倍的二維矩陣。在關(guān)鍵點(diǎn)坐標(biāo)對(duì)應(yīng)的位置放置一個(gè)以該點(diǎn)為中心的高斯核熱圖該處的值最高如1.0并向四周衰減。模型的任務(wù)就是學(xué)習(xí)預(yù)測(cè)出這些高斯熱圖。為什么用熱圖而不是直接回歸坐標(biāo)學(xué)習(xí)更簡(jiǎn)單回歸精確的坐標(biāo)值是一個(gè)困難的回歸問(wèn)題而熱圖將問(wèn)題轉(zhuǎn)化為在特征圖上尋找峰值更符合卷積網(wǎng)絡(luò)提取空間特征的優(yōu)勢(shì)。提供空間不確定性高斯核的方差sigma可以調(diào)節(jié)。對(duì)于難以標(biāo)注的模糊點(diǎn)或遮擋點(diǎn)可以使用更大的sigma讓標(biāo)簽更“軟”傳遞一種不確定性信息。處理多人更自然通過(guò)熱圖不同人的同一類關(guān)鍵點(diǎn)會(huì)在圖上形成多個(gè)峰值便于區(qū)分。生成熱圖標(biāo)簽的代碼示例def generate_heatmap(keypoints, output_size, sigma2): “”“ keypoints: (num_kps, 3) [x, y, visibility] output_size: (H, W) 輸出熱圖尺寸 sigma: 高斯核標(biāo)準(zhǔn)差 ”“” num_kps keypoints.shape[0] heatmaps np.zeros((num_kps, output_size[0], output_size[1]), dtypenp.float32) for i in range(num_kps): x, y, v keypoints[i] if v 2: # 如果關(guān)鍵點(diǎn)不可見或未標(biāo)注熱圖全為0 continue # 將原圖坐標(biāo)映射到輸出特征圖坐標(biāo) x int(x * output_size[1] / original_img_width) y int(y * output_size[0] / original_img_height) # 生成二維高斯分布 # 這里使用一個(gè)更高效的方法先創(chuàng)建坐標(biāo)網(wǎng)格 # 實(shí)際實(shí)現(xiàn)中為了效率常使用更優(yōu)化的方式例如利用廣播機(jī)制 # 以下為示意代碼 xx, yy np.meshgrid(np.arange(output_size[1]), np.arange(output_size[0])) d2 (xx - x)**2 (yy - y)**2 exponent d2 / (2 * sigma * sigma) heatmap np.exp(-exponent) heatmap[heatmap 0.01] 0 # 閾值化減少計(jì)算量 heatmaps[i] heatmap return heatmaps # (17, H, W)在實(shí)際訓(xùn)練中這個(gè)生成過(guò)程會(huì)集成到數(shù)據(jù)加載管道里。sigma是一個(gè)重要超參數(shù)通常設(shè)置為output_stride / 6左右output_stride是網(wǎng)絡(luò)下采樣倍數(shù)需要根據(jù)任務(wù)調(diào)整。6.2 損失函數(shù)的選擇與權(quán)衡對(duì)于熱圖預(yù)測(cè)最常用的損失函數(shù)是均方誤差MSE Loss或帶權(quán)重的MSE。因?yàn)闊釄D上大部分區(qū)域都是0背景只有關(guān)鍵點(diǎn)附近有小區(qū)域是非零值這會(huì)導(dǎo)致正負(fù)樣本極度不平衡。常見的改進(jìn)是使用MSELoss結(jié)合焦點(diǎn)損失Focal Loss的思想或者直接使用自適應(yīng)加權(quán)MSE給正樣本區(qū)域高斯核區(qū)域更高的權(quán)重。以帶權(quán)重的MSE為例import torch.nn as nn import torch.nn.functional as F class KeypointMSELoss(nn.Module): def __init__(self, use_target_weightFalse): super().__init__() self.criterion nn.MSELoss(reduction‘mean‘) self.use_target_weight use_target_weight # 是否對(duì)每個(gè)關(guān)鍵點(diǎn)使用不同的權(quán)重 def forward(self, output, target, target_weightNone): “”“ output: (B, K, H, W) 網(wǎng)絡(luò)預(yù)測(cè)的熱圖 target: (B, K, H, W) 真實(shí)熱圖 target_weight: (B, K, 1) 每個(gè)關(guān)鍵點(diǎn)的權(quán)重根據(jù)可見性等計(jì)算 ”“” batch_size output.shape[0] num_keypoints output.shape[1] # 計(jì)算每個(gè)關(guān)鍵點(diǎn)、每個(gè)樣本的損失 losses [] for i in range(num_keypoints): pred_i output[:, i].reshape(batch_size, -1) # (B, H*W) gt_i target[:, i].reshape(batch_size, -1) if self.use_target_weight and target_weight is not None: # 例如對(duì)v0缺失的關(guān)鍵點(diǎn)權(quán)重設(shè)為0不參與損失計(jì)算 weight target_weight[:, i].unsqueeze(-1) # (B, 1) loss_i self.criterion(pred_i * weight, gt_i * weight) else: loss_i self.criterion(pred_i, gt_i) losses.append(loss_i) # 對(duì)所有關(guān)鍵點(diǎn)的損失取平均 total_loss sum(losses) / num_keypoints return total_loss對(duì)于存在大量遮擋或標(biāo)注不全的數(shù)據(jù)集合理利用target_weight至關(guān)重要。我們可以將可見性v為0的關(guān)鍵點(diǎn)權(quán)重設(shè)為0v為1遮擋的權(quán)重設(shè)為0.5v為2可見的權(quán)重設(shè)為1.0這樣模型就不會(huì)強(qiáng)行去學(xué)習(xí)那些根本沒有標(biāo)注信息的位置。7. 訓(xùn)練流程中的關(guān)鍵技巧與問(wèn)題排查7.1 學(xué)習(xí)率策略與優(yōu)化器選擇姿態(tài)估計(jì)模型通常較大如HRNet-W48訓(xùn)練需要謹(jǐn)慎。AdamW 優(yōu)化器目前是很多工作的首選它結(jié)合了Adam的自適應(yīng)學(xué)習(xí)率和權(quán)重衰減。初始學(xué)習(xí)率可以設(shè)得小一些例如3e-4或1e-3。學(xué)習(xí)率調(diào)度策略推薦使用余弦退火Cosine Annealing或帶熱重啟的余弦退火Cosine Annealing with Warm Restarts。這能讓學(xué)習(xí)率平滑下降并在后期進(jìn)行小幅“重啟”有助于模型跳出局部最優(yōu)。PyTorch中調(diào)用torch.optim.lr_scheduler.CosineAnnealingLR或CosineAnnealingWarmRestarts非常方便。注意事項(xiàng)在訓(xùn)練初期前幾個(gè)epoch可以使用線性熱身Linear Warmup策略將學(xué)習(xí)率從0逐漸增加到初始值。這能穩(wěn)定訓(xùn)練防止初期梯度爆炸。許多開源代碼庫(kù)如MMPose都內(nèi)置了這個(gè)功能。7.2 多尺度訓(xùn)練與測(cè)試為了提升模型對(duì)不同分辨率人物的檢測(cè)能力多尺度訓(xùn)練是標(biāo)準(zhǔn)操作。在數(shù)據(jù)加載時(shí)隨機(jī)將輸入圖像縮放到一個(gè)尺寸范圍內(nèi)如[256, 288, 320, 352, 384, 416, 448, 480, 512]中的某個(gè)尺寸。同時(shí)保持輸入圖像的長(zhǎng)寬比通過(guò)填充Padding到正方形。在測(cè)試推理時(shí)通常采用多尺度測(cè)試和翻轉(zhuǎn)測(cè)試。即將同一張圖像縮放到多個(gè)尺度如[256, 384, 512]并分別進(jìn)行水平翻轉(zhuǎn)將所有預(yù)測(cè)結(jié)果進(jìn)行平均或取最大值能顯著提升最終精度AP但會(huì)成倍增加計(jì)算時(shí)間。在工程部署時(shí)需要權(quán)衡精度和速度。7.3 常見訓(xùn)練問(wèn)題與排查表在訓(xùn)練你自己的模型時(shí)很可能會(huì)遇到以下問(wèn)題。這里提供一個(gè)快速排查指南問(wèn)題現(xiàn)象可能原因排查與解決思路Loss不下降或震蕩劇烈學(xué)習(xí)率過(guò)高。數(shù)據(jù)標(biāo)注噪聲太大。數(shù)據(jù)增強(qiáng)過(guò)于激進(jìn)導(dǎo)致標(biāo)簽“失真”。1. 大幅降低學(xué)習(xí)率如降到1e-4嘗試。2. 可視化一批訓(xùn)練數(shù)據(jù)檢查增強(qiáng)后的圖像和關(guān)鍵點(diǎn)是否還合理。3. 關(guān)閉所有數(shù)據(jù)增強(qiáng)用原始數(shù)據(jù)訓(xùn)練幾輪看Loss是否正常下降。模型預(yù)測(cè)所有關(guān)鍵點(diǎn)都在圖像中心標(biāo)簽處理錯(cuò)誤導(dǎo)致熱圖全為0或中心有固定模式。損失函數(shù)權(quán)重失衡背景主導(dǎo)。1. 檢查熱圖生成函數(shù)確保高斯核中心坐標(biāo)計(jì)算正確。2. 可視化生成的熱圖標(biāo)簽看高斯斑點(diǎn)是否出現(xiàn)在正確位置。3. 在損失函數(shù)中增加正樣本區(qū)域的權(quán)重。驗(yàn)證集精度遠(yuǎn)低于訓(xùn)練集嚴(yán)重過(guò)擬合。訓(xùn)練集和驗(yàn)證集數(shù)據(jù)分布差異大。1. 增加數(shù)據(jù)增強(qiáng)特別是CutOut, MixUp。2. 使用更強(qiáng)的正則化如Dropout, Weight Decay。3. 檢查驗(yàn)證集標(biāo)注質(zhì)量是否比訓(xùn)練集難很多某些關(guān)鍵點(diǎn)如手腕、腳踝精度始終很低這些關(guān)鍵點(diǎn)在數(shù)據(jù)集中本身被遮擋多、標(biāo)注少或模糊。模型容量不足或感受野不夠大。1. 統(tǒng)計(jì)數(shù)據(jù)集中各關(guān)鍵點(diǎn)的可見性比例對(duì)低可見性關(guān)鍵點(diǎn)使用更高的損失權(quán)重。2. 考慮使用注意力機(jī)制或非局部網(wǎng)絡(luò)模塊增強(qiáng)模型對(duì)長(zhǎng)距離依賴的建模能力。3. 嘗試更大的backbone或更高分辨率的特征圖。訓(xùn)練速度非常慢輸入圖像尺寸過(guò)大。數(shù)據(jù)加載管道是瓶頸未使用多進(jìn)程。模型太大。1. 適當(dāng)減小輸入尺寸如從512x512降到384x384。2. 在DataLoader中設(shè)置num_workers為CPU核心數(shù)如8并啟用pin_memoryTrue。3. 使用混合精度訓(xùn)練AMP可以大幅加速并減少顯存占用。實(shí)操心得訓(xùn)練初期我習(xí)慣先在一個(gè)非常小的子集比如100張圖上過(guò)擬合。如果模型能在這個(gè)小數(shù)據(jù)集上快速達(dá)到接近0的訓(xùn)練損失說(shuō)明整個(gè)數(shù)據(jù)管道、模型前向傳播、損失計(jì)算、反向傳播的流程基本是正確的。然后再放到全量數(shù)據(jù)上訓(xùn)練這樣能盡早排除代碼層面的低級(jí)錯(cuò)誤。8. 模型評(píng)估與指標(biāo)解讀模型訓(xùn)練完成后我們需要用驗(yàn)證集或測(cè)試集進(jìn)行定量評(píng)估。骨骼關(guān)鍵點(diǎn)檢測(cè)最核心的評(píng)估指標(biāo)是OKSObject Keypoint Similarity基礎(chǔ)上的APAverage Precision和ARAverage Recall。8.1 OKS關(guān)鍵點(diǎn)相似度OKS類似于目標(biāo)檢測(cè)中的IoU它衡量預(yù)測(cè)關(guān)鍵點(diǎn)與真實(shí)關(guān)鍵點(diǎn)的相似程度。計(jì)算公式為OKS Σ_i [exp(-d_i^2 / (2 * s^2 * κ_i^2)) * δ(v_i 0)] / Σ_i [δ(v_i 0)]d_i第i個(gè)關(guān)鍵點(diǎn)預(yù)測(cè)坐標(biāo)與真實(shí)坐標(biāo)的歐氏距離。s人物尺度的平方根sqrt(area)面積越大允許的誤差范圍也越大。κ_i第i個(gè)關(guān)鍵點(diǎn)的歸一化常數(shù)反映該關(guān)鍵點(diǎn)標(biāo)注的難易程度如眼睛比髖部更容易標(biāo)。這個(gè)值通常由數(shù)據(jù)集提供方根據(jù)標(biāo)注者的一致性計(jì)算得出。δ(v_i 0)指示函數(shù)當(dāng)真實(shí)關(guān)鍵點(diǎn)可見v0時(shí)為1否則為0。OKS值在0到1之間越接近1表示預(yù)測(cè)越準(zhǔn)確。8.2 AP與AR基于OKS我們可以設(shè)定一個(gè)閾值如0.5, 0.75。對(duì)于一個(gè)預(yù)測(cè)的人體實(shí)例如果其與某個(gè)真實(shí)實(shí)例的OKS大于閾值則認(rèn)為該預(yù)測(cè)是正確匹配True Positive。然后像目標(biāo)檢測(cè)一樣計(jì)算不同置信度下的 Precision-Recall 曲線。AP (Average Precision)通常指OKS閾值設(shè)為0.5時(shí)的平均精度AP0.5或者更常用的在多個(gè)OKS閾值如0.5, 0.55, 0.6, ..., 0.9, 0.95上取平均記為AP有時(shí)叫AP^0.5:0.95 COCO的主要指標(biāo)。AR (Average Recall)在每張圖片中限定最多檢測(cè)K個(gè)人如K20的情況下計(jì)算的平均召回率。在COCO數(shù)據(jù)集的評(píng)估中你會(huì)看到諸如AP,AP0.5,AP0.75,AP (medium),AP (large),AR等指標(biāo)。對(duì)于你自己的數(shù)據(jù)集如果標(biāo)注格式與COCO兼容可以直接使用官方的pycocotools庫(kù)進(jìn)行評(píng)估這是最權(quán)威的方式。排查技巧實(shí)錄如果評(píng)估時(shí)AP異常低比如低于0.1首先不要懷疑模型而是檢查評(píng)估代碼和預(yù)測(cè)結(jié)果的格式。確保你生成的預(yù)測(cè)結(jié)果JSON文件完全符合COCO評(píng)估API要求的格式。一個(gè)常見的錯(cuò)誤是坐標(biāo)未歸一化或歸一化錯(cuò)了尺度應(yīng)該是相對(duì)于原圖而不是輸入網(wǎng)絡(luò)的縮放后圖像。另一個(gè)錯(cuò)誤是關(guān)鍵點(diǎn)順序與數(shù)據(jù)集的定義不匹配。務(wù)必仔細(xì)對(duì)照categories中的keypoints列表順序。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
婷婷丁香18| 久久这里面只有精品视频| 99热精品观看| 久婷婷五月激情| 日日夜夜噜噜爽爽| 99热精品在线在线| 丁香六月婷婷色XXXXX| 99热.com| 综合网精品99| 99色综合| 我淫我色婷婷五月天激情四射| 双性美人被调教到喷水A片| 婷婷五月激情四射手| 亚洲狠9| 碰碰碰97免费精彩视频| 色五月婷婷激情综合网| 玖久精品视频9| 五月婷婷黄色| 免费AV黄在线播放| 久久色五月| 色吊操色妞| 九九日本视频| 婷婷四色成人综合色视| 狠狠爱综合| 天天爱天天操| 4399伦理午夜| 天天人人综合| 激情综合色播| 噼里啪啦在线观看免费完整版视频 | 超碰av在线| 婷婷字幕在线| 五月综合色| 天天爽综合| 蜘蛛女侠2003满天星免费观看| 五月天 婷 欧美亚洲| 久久天堂网| 激情五月婷婷| 9精品视频在线| 99色6爱9热| 亚洲色a| 人人综合久| 丁香五月天综合| 五月天小说激情| 美欧日韩国产成人在战| 青青草原精品久久| 无码G高清天| 久久思思精品| 99热在线观看| 成人 AV播放| 任你爽免费视频| 开心五月激情五月丁香五月婷婷| 六月丁香色色| 性爱五月婷| 久操人妻| 婷婷五月天综合在线| 成人 在线 日韩| 亚洲国产99| 欧美三级韩国三级日本三斤| 精品九九在线观看| 干一干xxxx| 乱精品一区字幕二区| av在线观看网站| 夜夜爽日日躁| 丁香五月综合| 国产av基地| 婷婷四色成人综合色视| 日本色色网| 奇米影视777在线_在线观看午夜_h小视频在线观看_岛国大片 | 五月综合激情网| 秋霞少妇毛片| 这里只有精彩亚洲视频推荐| 亚洲乱码日产精品BD| 伊人五月婷婷国产视频| 五月天色婷婷网| 九月丁香| 久99久视频| 五月激情综合美女久久| 婷婷在线五月综合| 五月婷婷中文网| caop在线视频| 亚洲区视频| 丁香五月激情啪啪| www.婷婷久久五月天| 全亚洲最大的婷婷五月天网站COM| 夜夜干 夜夜操| 久久久天堂国产精品女人| 五月婷婷色| 丁香伊人综合| 强辱丰满人妻HD中文字幕| 精品在线网站| 色婷婷久久久| 成人短视频在线| 六月婷婷开心| 五月丁香婷婷啪啪网| 99热99re6国产在线播放| 91九色首页| 婷婷丁香婷婷97| 无码激情精品色婷婷久久久久 | 99色在线| 99热这里只有精品22| 久久婷婷五月综合啪| 色欲色香伊人| 久久婷婷五月综合一| 思思久久青草热| 日本不卡一区二区三区| 在线国产精品色| 亚洲欧洲另类| 天天日日人| 99这里只有精| 国产99精品免费视频| 综合网激情| 丁香九月激情| 91九色首页| 亚洲小视频免费播放| 99精品久久| 激情綜合網址| 99久久久久| 五月色色网| 伊人久久大香蕉网| 激情五月丁香五月| 美女丁香五月天| 超碰91在线| 夜夜爽天天| 天天插天天爽| 五月天自拍网| 久久丁香网| 情趣视频66| 亚洲啪啪精品| 成人在线综合| www。五月天激情| 97碰在线视频| 中文久久久人妻| 亚洲成av人影院| 无码毛片992367| 成人中文网| www.久久久久| 五月天婷婷AV| 色狠狠综合入口| 免费观看2018www黄色操逼网站| 色婷婷精品| 色综合婷婷99| 欧美成人va| 婷婷五月丁香欧洲| 天天操夜夜玩!| 九九热在视频| 婷婷综合性爱网| 色天天久婷婷| 狠狠ri| 九九AV| 激情五月天网| 五月婷婷伦理| 色综合99色| 99热在线播放| 久久机热这里只有精品免费视频| 超碰在线99| 久久99热 这里有精品| 亚洲三A| 色婷婷五月婷婷五月婷婷五月| 五月激情四射网站| 日韩av在线免费观看| 久九色| 99热这里只有精品9| 丁香婷婷激情五月| 九 九九九AV| 丁香五月婷婷亚洲色图| 秋霞三级影视资源| 成人网站高清无码| 五月婷婷影院| 久久久久久性爱视频| 亚洲婷婷婷| 日本三级大片| 婷婷成人小说综合| 97干在线| 丁香花五月天婷婷成人社区| 中文无码婷婷| 亚州AV超碰人人操| 久久XX| 国产乱子轮XXX农村| 五月激情网站| 欧美成性色| 六月五月天婷婷涩播在线| 五月天亚洲色| 日本va欧美va精品发布视频 | 天天干在线播放| 亚洲激情综合| 操日本人妻视频| 久久精品99久久久久久久久| 激情丁香五月| 丁香五月手机在线| 久久黄色网扯| 欧美性爱一区| 伊人热在线大香蕉| 99色综合| 九九激情| 亚洲中文乱字字幕线在永久| 日本超碰在线| 欧美婷婷综合| 国产亚洲成AV人片在线观黄桃| 人人摸人人搞| 丁香婷婷免费| 激情五月婷婷| 综合色色综合| 欧美日韩婷婷五月天| 丁香激情网| 天天成人综合视频| 九九蜜臀精品| 婷婷丁香综合| 五月激情丁香啪啪| 六月丁丁香| 99精品色| 婷婷伊人五月| 色色99色色| 色婷久| 激情五月天网| 超碰在线9| 无码免费人妻A片AAA毛片西瓜| 五月激情在线| 色五月丁香伊人五月| 热99精品视频在线观看| 色噜噜狠狠色综合成人网| 桃色五月婷婷| 欧亚成人A片一区二区| 噜噜噜久久| 天天拍久久| 久久婷婷啪啪视频| 激情五月份婷婷| 成人免费黄色短视频| 婷婷五月天成人网| 五月丁香亭亭操逼| 国产精品视频久久99| 开心六月丁香五月婷婷| 五月婷婷啪啪网| 开心久久网婷婷| 操骚货在线| 中文AV网站| 丁香五月骚喷水视频| 亚洲激情视频在线观看| 国产avapp 网| 天天干天天曰天天射| 久久97久久99久久综合欧美| 嫩草AV久久伊人妇女超级A| 99干视频| 国产精品国产| 五月天婷婷丁香导航| 日本成人小说婷婷六月| 99热这里只有精品热| 99re热精品在线视频| 97干在线免费| WWW色色色COM| 色色热日| 亚洲成人综合网在线免费观看| 一本道在线电影| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 婷婷五月激情图片| 婷婷成人视频| 丁香五月六月激情| 人妻精品久久久久久久| 五月丁香六月花| 色国产五月| 欧美欧盟性爱网| 丁香婷婷六月天| 婷婷丁香五月91| 去色色五月天| 国产第99页| 玖玖@三月天天丁香婷婷| 日本啪啪视频HD| 亚洲精品99| 五月天激情国产综合婷婷婷| 91久久| 97操碰碰无码视频| www.婷婷| 色五月丁香在线| 亚洲狠狠婷婷综合久久久| 色九月| 丁香九月婷| 超碰人人射| 激情爱爱网站| 色人久久| 激情 五月 婷婷 丁香| 人妻性操逼中文字幕 国产| 色婷婷av在线| 丁香五月六月久久综合 | 亚洲婷婷乱乱丁香| 婷婷噜噜| 91视频五月丁香| 神马欧美精| 伊人玖玖婷婷| 五月天大香蕉| 92久久精品一区二区| 五月天欧美激情| 夜夜人妻五月天| 婷婷色五月激情| 婷婷综合另类| 日本不卡中文字幕| 狠狠狠婷婷五月综合| 这里只有视频精品| 色性日本| 亚洲激情另类| 狠狠干综合| 伊人在线视频| 日本黄色三级片内射| 97碰碰草| 26UUU欧美激情一区二区| 国产九月婷婷| 日本123区日韩欧美不卡在线看| 9色免费网| 色哟哟www| 九九九色综合| 六月香五月婷| 九九热99热| 日本九九视频| 另类少妇人与禽zOZZ0性伦| 亚洲亚洲人成综合网络| 色色五月激情| 婷婷丁香五月av| WWW夜夜| 日日操日日干| 亚洲综合色色色| 色热久| 丁香五月综合| 婷婷丁香五月社区亚洲| 人妻综合网| 国产成人AV人人爽人人澡Va| se99视频| 欧日韩AV| www.sd-xiangsu.cpm| 五月天婷婷视频30| 97碰啪啪| 99热在线观看| 91互操| 亚洲夜五月| 婷婷五月天亚洲综合网| 亚洲五月天婷婷| 天天综合网站| 国产免费av在线| 五月天激情综合首页| www.av骚货| 99热网址| 久久婷婷影院| 五月丁香 狠狠爱| 91色五月| 色婷婷五月天小说| 五月天色丁香| 国产女生爱爱AA| 五月婷亚洲精品AV天堂| 天天xxxxxx天天日| 九九热精品视频| 99啪99| 六月丁香激情| 五月婷婷激情| 91人妻人人操| 色婷婷五月天激情| 99热精品无码| 99热最新国内| 综合网网欲色| 99er6| 久久婷婷五月综合激情国产| 丁香花五月天婷婷成人社区| 777精品久无码人妻蜜桃| 色色色丁香| 激情视频婷婷五月花| 四月婷婷丁香| 久久五月丁香| 丁香狠狠操| 九九激情网| 亚洲VA口| 91色五月在线观看| 色五月天天在线观看资源站| 91九色视频在线观看| 先锋男人99资源| xx人人xx| 51精品国自产在线| 91色碰| 五月色婷婷亚洲 | 六月丁香综合999| 伊人色综合久久久| 五月婷婷性爱网| 人人草成人视频| 99热这里只有精品3| 色玖玖| 亚洲色色五月天| 深爱五月天 开心网| 五月色网| 伊人丁香五月婷婷潮吹| 蜜桃五月天色| 99这里| 9精品视频在线观看| 视频免费精品免费精品免费精品免费精品免费精品免费精品免费99 | 婷婷天天综合| 五月婷婷六月激情| 九九国产精视频| 色老久久| 99久久五月丁香野外| 香蕉国产2013| 五月丁香六月天| 欧美成人网99网| 四色 爱 婷婷 精品 亚洲 五月天| 涩五月婷婷| 91九色丨国产丨爆乳| 婷婷五月色图| 久久九九婷婷| 欧美色五月天| 99在线视频网址在线观看| 人人操Av| 五月丁香久久| 26uuu四色| 欧日韩AV| 天天激情5月天亚洲| 日本超碰在线| 激情五月天黄色小说| 91狠狠综合久久久久久| 激情丁香婷婷| 亚洲中文无码成人| 中文字幕日韩无码制服诱或| 婷婷丁香五月天亚洲| 欧洲亚洲免费视频区| 五月天婷基地| 色五月婷婷五月久久| 99热6这里之有精品| 99这里只有精品视频在线| 丁香五月天欧美成人| 这里只有精彩小视频视频网站| 99久久亚洲精品视频| 精品五月视频婷婷在线观看| 99无码免费视频| 激情六| 日日干日日s| 色婷婷97| 99在线精品视频观看免费下载| 秋霞AV淫| 婷婷久久免费| 婷婷成年人免费视频| 97成人视频| 国产三级在线播放| 99热最新国内| 色婷婷丁香网| 激情网五月天| 久久aaa| www.激情| 亚洲天堂AV免费片| 激情小说色五月| 玖玖九九99| 婷婷五月丁香亚洲| 婷婷五月天视频亚洲| 久久九九激情五月天| 天天肏天天爽夜夜爽| 夜夜夜夜夜操| 五月婷婷激情四季| 98国产精品综合一区二区三区 | 日日做夜夜爱| 欧美日本黄色| 五月香婷婷| 东京热五月婷婷| 26uuu淫色| 色婷婷基地 | 狠狠色性| 五月婷婷成人网首页| 激情久久久久久| 区区久久妻| 五月婷婷啪啪| 在线观看免费观看在线9久| 春色激情第四色| 97色五月婷婷在线| 狠狠插狠狠操| 91丨九色丨熟女|新版| 99热精品中文字幕| 色香五月天| 丁香九色不卡aaa| 91九色中文| 色婷婷亚洲| 九九激情网| 五月花成人网| 国产内射婷婷| 丁香六月婷婷色播| 精品久久婷婷五月天| 欧美黄色一级录像| 色播五月综合网| 无码se| 成人国产欧美大片一区| 五月婷婷说| 91丨九色丨熟女|老版| 99热这里只有精品22| 激情五月天之六月婷婷| 婷婷综合在线视频| 第五色婷婷| 天天操天天日天天爽| 欧美日韩中国| 色综合综合色| 精品九九视频| 热99精品视频| 久久精品国产AV一区二区三区 | 岛国资源站| 成人片在线播放| 色九月激情综合网| 97碰碰电影| 热久久这里只有精品| 人妻久久久久久久久妻久久久久| 久热亚洲| 少妇被躁爽到高潮无码文| 婷婷色正月| 99热久| 噢美99| 狠狠狠狠狠狠色| 五月综合婷婷开心网| 九九re视频在线视频| 婷婷激情图片| 五月天四色房丁香亭亭| 九九热视频网站| 婷婷五月综合社区在线| 伊人婷婷五月天| 丁香五月激情啪啪| www。88热在线视频免费观看| 激情婷婷22月间| 国产在这里只有精品| 日本久久爱| 九九色色| 4438国产免费看| 婷婷色婷婷| 五月综合无码| 色六月丁香婷婷啪啪啪| 百度4399有码精品V在线观看| 大香蕉九九| 少妇综合网| 色丁香在线视频| 久久图色4| 精品人妻伦九区久久AAA片| 99色| 丁香六月婷婷姐网| 天天肏天天插| 久久大香蕉| 国产a视频| 熟女人妻一区二区三区免费看| 成人色图情色成人网 www.5b5b5bcom 五月天| 五月天激情网图片 - 百度| 久久色五月天| 丁香六月欧美| 日本三级大片| 97人妻碰碰中文无码久热丝袜| 99热这里只有免费精品| 丁香色播五月天| 91热爆在线| 五月天怕怕| 天天日天天久久青青| 91狠狠色丁香婷婷综合久久精品| 五月婷久久在线| 啪啪干伊人婷婷| 草AV9999| 91丨九色丨熟女丰满| 五月丁香综合啪啪| 大香蕉伊人99| 色五月激情婷婷| 五月丁香六月综合激情| 五月天淫乱视频| www.五月丁香| 久久久99免费视频| 黄色片久久| 国产精品第一国产精品| 婷婷爱爱蜜臀天天操| 婷婷丁香五月亚洲17cao| 五月丁香在线国产| 五月婷婷天天色| 伊人久久99| 五月丁香成年黄色| 精品九九婷婷| 色婷婷影视99| 成人做爰高潮A片免费视频| 91凹凸在线| 99热这里只有精品4| 天天五月情| 色狠狠综合网| 另类图片 五月激情| 99视频精品视频| 99热9999| 婷婷射丁香| 91凹凸在线| 色综合香蕉视频| 大香人妻| 久久九九一區| 超碰精品国产首页| 亚州色综合| 日本久久极品| 人妖色AV色综合| 99资源人人| 超碰99成人在线| Www.se.久久| 色激情网| 五月天堂六月丁香亚州中文字幕久久| 九九久久久综合| 淫五月停停| 伊人热在线大香蕉| 亚洲黄色操逼| 99色在线视频观看| 一本九九色| 丁香五月婷婷婷桃花影院| 激情五月天色色色| 2022人人操人人看| 91丨九色丨熟女|老版| 久热黄色| 九九国产视频| 思思久久网| 久久久er热| 久久996re热这里只有精品无码| 五月天色婷婷小说| 五月天婷婷五月| 五月深爱激情网| 五月开行婷婷色五月| 综合色激情| 天天摸色吧天天摸色吧| 99在线免费观看| 成人在线不卡| 大香蕉综合在线| 国产偷人爽久久久久久老妇APP| 国产精品天天狠天天看| www狠狠爱com| 在线你懂的亚洲欧| 欧美色色色| 精品一区二区三区四区五区六区介绍| 五月激情综合五月| 色五月综合激情| 九九在线精点品| 9|无码久久久久久| 日韩婷婷| 中文不卡av| 色玖玖玖| 婷婷欧美偷拍综合| 五月天激情美女久久| 噜噜色噜噜网| 亚洲网视屏| 五月婷婷六月天| 无码字幕中文| 1024手机在线观看看片_日韩精品| 99久久免费性爱视频`| 婷婷丁香色五月天久久88| 亚洲另类久久| 日熟女| 激情综合一| 丁香五月婷婷图片综合| 97色啪| www.xtbsty.cn.com蜜乳AV| 亚洲麻豆乱码国产2028| 婷婷 月 丁香| 香蕉综合网| 伊人婷婷大香蕉在线| 影音先锋男人资源站一区二区| 久久久婷| 婷婷色丁香六月| 人妻AV在线观看| 成人无码髙潮喷水A片| 亚洲无码免费看| 午夜丁香| 99热亚洲精品66| 午夜成人网站在线观看| 黄色热99| 色哟哟精品| 五月丁香五月天现场视频| 久草a片| 丰满老熟妇BBBBB搡BBB| 99热免费18| 婷婷丁香人妻天久久| 这里只有精彩视| 色九网| 7777国产盗摄农村女人| 九九综合九九| 五月婷婷久久网| 狠狠色成人影片| 超碰99在线观看| 最新久久99视频网站| 欧美欧盟性爱网| 青青草激情网| www.五月天婷婷| 国产精品天天狠天天看| 9久精品视频| 五月天激情视频五月天| 色婷婷六月| 九月停停| 香蕉婷婷色五月| 亚洲丁香婷婷丁香五月天激情| 五月天激情小说网| 玖玖爱导航| 色噜噜伊人| 婷婷免费无视频| 亚洲成人免费在线| 99久久終合| 欧美激情Va| 国产精品成人AV在线| 久久99大| 都市激情五月婷婷综合| 婷婷涩五月| 91碰碰碰久久久久| 色婷婷丁香五月在线| 翔田千里 50岁 无码| 日韩av在线播放综合网| 久久久久亚洲A∨成人乱码电影| 色噜噜狠狠色综无码久久合欧美 | 激情网五月天| 美女激情综合| 婷婷五月综合亚洲| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 亚洲艹网| 8区视频在线| 婷婷丁香五月视频| 中文aV网| 91色婷婷综合久久中文字幕二区| 色原狠狠综合| 国产精品A片| 色色婷| 97操操操| 亚洲无码11| 一本狠婷婷综合| 五月天性色| 日本片日本片祼观看网站在线看中文版网页在线看 | 五月天社区| 超碰亚洲天堂| 五月丁香啪啪综合| 一起肏在线视频| 五月婷婷激情综合视频| 丁香五月花| 五月婷婷六月丁香玖玖玫瑰91| 伊人深爱综合| 天天日天天久久青青| 99热久只有| 国产无套精品一区二区| 中文字幕av在线| 色久丁香五| 国产AV网页| 五月丁香婷庭在线| 免费无码毛片一区二区A片| 5月激情天| 五月天啪啪视频| 久热黄色| 激情99热| 色色色婷婷五月天| 久久激情网| 五月色婷丁香| 亚洲狠狠干| 婷婷五月天最新网址| 国产另类综合| 五月婷婷碰碰| 婷婷六月五月天综合| 激情五月天。| 婷婷五月天亚洲丁香| 影音 五月 婷婷 久久| 五月天婷婷伊人| 国产精品色色| 99成人网站| 色婷婷亚洲婷婷| 丁香亭亭久久| 色婷婷在线视频| 五月丁香色婷婷伊人| 97久久超碰| 十月丁香婷婷| 国产毛片精品一区二区色欲黄A片| 五月青青草综合| 中文字幕日产A片在线看| 天天拍夜夜爽日日| 色综合色香蕉网| 日韩在线五月天婷婷| 久久久香港| 超碰高清在线| 婷婷久久久久| 天天噜日日噜综合无码| 91精品久久久久久77777| 四色五月婷婷| 99热色无码| 亚洲视频在线观看| 思思热热久久| 亚洲欧洲美女在线观| 丁香五月激情在线| 久久99综合网| 丁香久久综合| 99思思在线视频| 欧美顶级少妇做爰HD| 五月丁香婷中文| 强奸幻女毛片| 色色色婷婷五月| 天天色天天搡| 亚洲精品白浆高清久久久久久| 玖玖资源天天无码| 色蜜婷婷| 亚洲色五月天| 欧美综合在线五月天色婷婷| 日韩操啪| 丁香婷婷性爱| 99爱免费在线观看| 七月丁香五月婷婷在线| 天天日天天摸| 91九色中文字幕女在线观看| 精品人妻一区二区三区四区不卡在| 丁香六月 婷婷六月| 亚洲第一成人无码A片| 综合激情网激情五月。| 吾爱AV导航| 香蕉综合在线| www天天干| 中文字幕婷婷在线| 激情丁香六月| 五月婷婷天天色| YW无码| 国产激情视频在线观看| 久热这里这里有精品| 国产av网| 亚洲综合视频网| 亚洲日韩国产黑丝黑丝AVAV一区二区三区| 香蕉人妻AV久久久久天天| www.com五月天| 日韩无码专区| 超碰av在| 色色激情网| 天天综合插插| 潘金莲AAAAAAAAAA| 五月丁香成人| 九九九九九九九热| 97干在线观看| 天天插天天插| 国产毛片精品一区二区色欲黄A片| 99re这里只有精品99| 深爱激情久久| 丁香视频| 亚洲妇女熟BBW| 五月天婷婷基地| 亚洲网站在线鸭子av| 一起草日本| 久操热线| 丁香六月天堂| 综合色五月天| 九色综合五月天婷五月| 久久99精品久久只有精品| 丁香五月23111| 无码人妻电影| 久久九九激情五月天 | 婷婷成人综合| 精品无码片| 丁香六月婷婷久久综合| 色色色色色色网| aaaaaa片| 婷婷久久爱| 婷婷激情图片| 日日噜噜夜夜狠狠久久丁香六月| 91丨九色丨白浆秘| 五月丁香亭亭激情操逼网| 亚洲精品视频在线| 天天色域综合网| 婷婷色婷婷亚洲成人| 久热9热| 精品一二三区久久AAA片| 综合一本道| 亚洲天堂亚洲色色色| 91打屁股视频网站| 97搞在线| 激情五月婷婷| 婷婷丁香九月| http://www.sd-xiangsu.com/| 九月丁香婷婷综合激情| 欧美日韩国产伦精品日韩人妻一| 玖玖爱伊人网| 99无码| 99九九玖玖| 99热在线免费| 伊人日日干| 99热欧美| 91人人操| 丁香深五月婷婷| 蜜桃人妻无码AV天堂三区| 五月婷婷综合久久| 五月天婷婷丁香蜜桃91| 激情网第九色| 91婷婷搞| 丁香亚洲色综合| 天天色视频| 91日视频| 思思热精品在线视频| 美女主播野战视步页| 九九热精品| 久久五月天色婷婷| 综合超碰熟| 欧美天堂婷婷日韩| 国产AV一区二区三区最新精品| 青青草激情网| 婷婷五月综激情| 九九热这里只有精品6| 伊人婷婷五月天av| 丁香六月色情| 99在线热| 狠狠久久婷五月| 丁香婷婷综合激情五月色| 色五月色情| 97碰碰叉| 色婷婷伊人激情在线观看| 欧美激情综合| 大香蕉久久| 综合大香蕉| 国产avapp 网| 五月婷婷激情中文字幕| 五月色影院| 欧美精品熟女一区二区| 久色网五月| 婷婷激情综合网| 亚洲无码成人性爰网| 热这里只有精| 思思网站| 婷婷五月丁香综合激情小说| 狠狠色婷婷7| 26uuu青青| 久久久这里都是精品| 色婷婷五月影视| 九九国产视频| 久久婷婷青草五月天| 久久HD| 综合色五月| 婷婷天堂综合| 色综合久久888| 91色色色| 五月激情丁香五月| 综合五月草| 人妻AV在线| bbwcuckold精品熟妇| 久久亚洲A| 99热在线播放| 天天做综合| 久久综合久色欧美综合狠狠| 婷婷丁香六月天| 99无码| 亚洲宗合激情| 亚洲综合激情五月久久| 五月丁香婷婷色| 99热 精品在线| 成年人看Va免费视频| 伊人久久大香线蕉亚洲五月天,| 99九九视频| 久久东京热婷婷五月| 天天干天天爽| 天天爽天天爽视频| 免费黄色视频网址| 91丁香综合| 九热视频| 亚洲综合网区| 午夜69成人做爰视频| 婷婷激情五月色综合| 99热 这里只有精品 国产 日韩| 国产精品成人在线| 99 re视频一区| 五月丁香六月婷婷激情网| 丁香五月婷婷色情综合| 五月婷婷亚洲色视频| 五月婷婷新网站| 七七色综合| 五月婷婷免费在线| 熟女强人妻一区二区三区四区无| 色婷婷狠狠久久综合五月| 伊人久热91网| 香蕉国产2013| 人人操Av| 能直接看的AV网站| 丁香婷婷91在线观看视频| 五月天丁香网站| 婷婷伊人五月天| 五月婷婷片| 亚洲综合婷婷六月丁香五月| 激情五月婷婷综合| 婷婷天堂综合网| 9999热在线免费观看| 成人午夜天| www。久久久久一b。Cc| 亚洲综合欧美色丁香婷婷888月图片 | 超碰三级片| 欧洲激情网站| 天天爽夜夜爽天天爽夜夜爽| 69色婷婷| 91啪啪视频| 国产成人精品一区二区三区视频 | 久久大香蕉伊人| 国产精典视频在线观看| 99色最新在线视频| 亚洲另类噜噜| 狠狠色噜噜狠狠狠狠综合| 97人人操人人干| 丰满少妇猛烈A片免费看观看 | 狠狠干在线视频| 天天爱天天吃狠天天透| 欧美丁香婷婷五月| 国产精品99久久久久久久女警| 在线一起草av| www.色婷婷| 五月丁香另类网| 亚洲精品视频在线播放| 国外亚洲成AV人片在线观看| 九9九9无码| 亚洲婷婷五月草久| 激情五月天伊人影院| 色色操| 五月婷婷综合在线视频| www狠狠| 中文字幕久久一区二区三区| 超碰99在线观看| 热久久999| 97干97色| 丁香五月激情鲁| 99热啪啪| 色婷婷av综合网| 色五月成人| 五月婷婷啪啪网| 五月色丁香| 国产婷伊人| 爆乳熟妇一区二区三区爆乳| 激情www.98com| 五月天色五月| 最近中文字幕2019视频1| 香蕉伊人综合| 丁香五月狠狠综合欧美| 2017狠狠干| 五月天福利影院导航| 99啪| cc精品国产性传播| 欧美日韩99| 99视频在线播放大全| 99热国产这里只有| 九九热re99re6在线精品| 日本久久久97| 五月天国产成人| 综合XX网| 狠狠操狠狠操| 影音先锋偷偷色男人站| 婷婷成人五月天一区| 97人人干人人操| 99ri6在线视频| 丁香五月综合色婷婷| 色色婷婷丁香五月天| 婷婷色色网站| 婷色人人狠| 91黄操| 亚洲天堂AV综合网| 色情丁香五月天| 99热99在线| 色色影院黄大片| www,色中色| 五月丁香亭亭| 色域五月婷婷丁香| 这里只有精品免费视频在线观看| 激情五月婷婷| 九九色影院| 操日挥操日日| 99色综合| 综合色五月天| 亚洲综合五月天| 乱精品一区字幕二区| 99热 这里只有精品 国产 日韩| 99这里有精品| 亚洲天堂制| 五月婷婷久久网| 操碰97| 日韩成人电影AV| 99久精品视频| 丁香五夜激情四射夜夜夜| 九九爱看亚洲| 天天操综合网| 爱操人妻| 99久在线观看| 国产精品久久久爽爽爽麻豆色哟哟| 婷婷中文字暮| 激情综合五月色在线| 丁香五月激情五月| 激情色色色| 97丁香视频| 五月天激情网址| 中文av网| 久久久天堂国产精品女人| 色呦呦美女| 99成人小视频| 婷婷五月激情网| 国内久久亭亭| 色色色色av色色色色| 操久久网| 六月丁香婷婷综合影院| 亚洲综合婷婷| 91精品久久久久久77777| 色婷婷成人做爰A片免费看网站| 一本色道久久综合狠狠躁一二三| 五月天婷婷情色| www.91色| 色婷婷激情| 婷婷五月欧美综合| 爆乳熟妇一区二区三区爆乳照片| 成人看片网站| 99热都是精品| 九九精品re免费视频| 五月丁香六月婷婷视频| 熟妇高潮一区av| 人人人操97| 伊人喵咪a V| 激情综合网激情五月丁香| 色哟呦av| WWW,五月| 婷婷五月天欧美| 六月婷婷毛片| 国产五月天激情小说| av人人干| 97超喷视频在线观看| 久久无码激情视频| 97视频久久| 久久久久久99精品无码| www.婷婷.com| 婷婷五月丁香五月| 婷婷色色狠狠| 国产精品色色| 丁香五月日本| 婷婷五月激情黄色| 国产精品成人av在线观看春天| 超pen个人视频97| 影音先锋人妻出差| 五月婷婷久久爱| 五月丁香中文字幕| 99热在线播放精品| 狠狠高潮精品亚洲1| 亚洲无码你懂的| 五月天婷婷色色网| 爆乳熟妇一区二区三区爆乳照片| 丁香五月性爱| 亚洲综合视频天天精品| 成人精品视频99在线观看免费| 欧美噜噜噜草| 久久九九热视频| 九九亚洲视频| 五月天婷婷在线视频| 五月天合网| 日本色色影片| 99热亚洲精品| 99人妻碰碰碰久久久久视| A在线观看| 天天综合情| 久久黄色片| 免费不卡狠操美女视频网| 操97免费超级视频| 五月丁香啪啪啪| 最新激情五月天| 婷婷综合国产| 激情五月色婷婷| 黄色片区子| 天天拍天天操| 丁香五月婷婷综合网| 大香蕉七区| 五月激情小说网| 亚洲行行色色| 色综合狠狠色| 狠狠搞狠狠操| 久久AV电影| 婷婷99狠狠躁天天躁中文| 五月天丁香| 天天精品视频在线观看视频| 九久热| www.天天干| 黄色99视频| 人操综合| www.久久爱.com| 日本黄色在线观看| 中文字幕 中文字幕明步| 久热91| 婷婷五月av| 综合色在线| 另类图片色五月| 99热大片| 91精品久久久久| 色五月美女| 97操碰碰无码视频| 99久热| 国产熟妇乱子伦hd| 亚洲人妻电影| 99热欧美在线观看| 国产三级在线播放| 综合色影院| 人人爱天天摸摸天天爱| 我想看国产大学生口爆吞精的视频| 五月婷婷六月丁香| 欧美成人猛片AAAAAAA| 狠狠爱五月婷婷综合六月| 丁香五月第四色88| 日韩在线成人电影| 99热精品在线观看| 99热这里是精品| 色宗合,宗合网| 婷婷色偷拍| 大香蕉综合| 99精品视频免费| 大香网伊人久久综合| 色五月婷婷综合| 日日操天天| 99re久热只有精品6在线直播| 啪啪黄页网| 99久久欧美| 九九碰九九爱97超碰| 99在线资源| 99久久精品国产色欲| 婷婷的久久网站| 丁香五月婷婷99| 嫩草视频。| 久久婷婷网| 超碰com| 综合欧美五月婷婷| 中文成人在线| 狠狠色综合网| 99ri视频在线播放| 日日夜夜噜噜爽爽| 六月婷婷激情| www.1024久久| 五月婷婷中文字幕| 九九热国产| 日本熟女三区| 全高清无码视頻| 久久久91精品| 黄网在线播放| 99碰网站| 俺去啦综合网| 天天操夜夜啊| WWW.久久99| 国自产拍偷拍精品啪啪一区二区| 大香蕉99热| 激情婷婷色五月| 国产婷婷综合| 天天噜日日噜综合无码| AV网址大全在| 99热在线观看| 激情综合婷婷| 五月之婷婷| 99视频久久免费视频| 99干视频| 五月天丁香欧美激情| 欧美日韩二区在线| 激情综合五月天| 欧美精品啪啪| rr天天操| 天堂婷婷五月在线| 天堂A∨在线| 婷婷玖玖五月天| 天天干天天av天天射| 噼里啪啦在线观看免费完整版视频 | 婷婷六月色| 九九机热| 五月色婷婷综合丁香精品无遮挡| 在线播放中文字幕| 99热热这里只精品996小说| 九九综合影音先锋| 亚洲乱码日产精品BD| 五月亭亭六月天| 色婷婷AAA| 免费看成人747474九号视频在线观看| 天天婷婷| 婷婷六月视频| 亚洲国产精品成人免费一区久久久在线观看AAAA | 久九九热| 爱久久小说下载网| www.久久| 久久久久婷婷| 色欲婷婷五月天| 国产无人区大片| 婷婷狠狠97| 婷婷五月天久久| 欧美国产一区二区三区| 亚洲婷婷乱乱丁香| 久久这里只有国产视频| 亚洲五月丁| 久色中文| 九九在线免费观看| 九九热区一区二区三区| 婷婷五月天激情在线观看 | 2017狠狠干| 99热大香蕉| 欧美综合123区|