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
国产精品国产| 免费观看全黄做爰的视频| 免费成人网在线观看| 五月丁香色婷婷基地| 久久婷婷色丁香| 久爱综合| 激情网五月天| 99爱视频| 丁香桃色网| 在线不卡中文字幕| 婷婷丁香五月天综合激情| 狠狠色噜噜狠狠狠888| 性色欲情 网站| 国产av第一专区| 久久人操| 婷婷色在线视频| 六月色色综合| 久热9| http://www.com久久久精品一区| 五月综合视频| 日韩999| 五月天婷婷色播| 日韩在线看AV| 丁香五月花| 激情亚洲婷婷| 激情都市丁香婷婷| 久久婷婷视频| ss99热| 丁香久久久| 五月丁香婷婷五月色| 性爱电影科技贸易有限公司| 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 | 香蕉伊人综合| 色色激情| 99久视频| 色五月在线| 日本色色色色色色色色一色二色| 久人操| 亚洲无码色| 国产欧洲欧洲精品久久| www、色色色| 激情影院丁香五月| 久久婷出差欧美色两性综合网| 国产麻豆视频| 激情五月婷婷| 东京热伊人| 天天檫天天爽| 亚洲综合色棒| 啪啪亚洲综合| 激情五月五月婷婷| 婷婷成人AV| 直接看的AV| 久久久久久综合五月婷婷| 激情五月深爱五月| 六月婷婷天天操夜夜爽视频| 亚洲综合网在线| 激情网婷婷五月天| 五月丁香九九九综合| 丁香五月婷婷五月| 色综合久| 成人视屏在线观看| 99热最新精品| 五月天激情站| 91干网| AV在线观看网站| 密着浓厚中出乚交尾GvG935| 婷婷综合精品| 日韩色色视频www| 国产成人高清| 天天视频精品9| 天天干,天天日| sisi热国产| sewuyuetingtingiii| 九九99热| 91凹凸在线| 99riAv1国产在线观看| 女人天堂av| 丁香五月天AV在线 | se色99| 香蕉中文在线| 荷兰av一级| 色99亚洲| 狠色色狠网| 欧美国产一区二区三区| www婷婷| 五月丁香六月婷婷成人电影| 婷婷五月丁香六月| 激情小说色五月| 91人妻人人操| 97干欧美| 欧美亚洲婷婷五月| 日韩狠狠色| 99热91| 亚洲日日操| 丁香五月天电影| 99色综合| 久久九精品| 午夜爱插插| 精品久久人妻热| www.丁香黄色五月天人与| 中文字幕在线日亚州9| 天天插综合| 五月婷婷综合色啪| 狠狠88综合久久久久噜噜噜| 中文字幕AV在线播放| 任我肏视频精品| 一本大道嫩草AV无码专区| 婷婷91| 九月性爱网| 五月激情站| 991精品在线视频| 久久这里有精品视频| www.激情五月天.com| 狠狠操狠狠插| 丁香五月婷婷av影院| 狠狠色九月| 五月天久久久| 开心激情网五月| 五月天综合久久| 色婷婷亚洲在线观看| 美日韩成人| 成人电影一区| 天天日天天舔| 国产亚洲99久久精品| www.色婷婷.com| 韩国天天婷婷| 色五月婷婷在线| 日本操逼九九九九58日本操逼 | 欧美色婷婷| 在线播放中文字幕| 激情五月综合网| 99综合久久| 99碰碰碰| 99色婷婷| 五月丁香色综合| 亚洲V国产V欧美V久久久久久| 色色色婷婷五月天| 色五月激情网| 亚洲色无码A片一区二区麻豆| 我爱va亚洲va52| av在线超清中文| 综合亚洲六月婷婷在线| 五月天天综合| 91亚洲天堂| AV九九| 婷婷色激情五月天| 久9综合| 国产激情综合五月久久| 久9久9热久热| 大香蕉久久久久久久久| 99热这里只有精品 搜| 最近中文字幕2019视频1| 久久久区区一久久久久久| 婷婷.com| 亚洲中文AV| 激情五月激情综合网一级丸片| 激情五月天电影| 激情五月天小说网| 欧美激情综合色综合啪啪五月| 欧美电影在线播放| av一区免费看| 日韩啪啪视频| 操逼视频网址| 伊人五月人妻精品| 熟女少妇内射日韩亚洲| www.久久66| 亚洲色婷婷| 97人人搞| 91九色国产| 久久人操-久草婷婷-成人AV| 这里只有精品视频免费在线观看| 狠狠色丁香乆乆| 日本熟妇人妻在线| 激情五月第四色| 婷婷五月色播| 四色AVwww| 九九热99热| 在线观看av网站| 丁香五月婷婷在线观看| 四色五月婷婷| 九九精品视频在线6| 亚洲精品又粗又大又爽A片| 丁香六月婷婷综合激情欧美| 777色色色| 久久丁香五月综合六月激情红杏视频| 久久天堂网| 色情一区二区播放| 久久99jiu9| 丁香五月婷婷影院| 激情五月天99色| 色色色色热| 婷婷久久精品| 久久久久久久综合狠狠综合| 这里只有精品2| 饮料下药迷倒漂亮女同事强干| 97福利视频| 男人操女人高潮91视频| 色五婷婷在线视频| 五月天激情网址| 丁香五月婷婷AV| 天天干天天干天天操| 2050人人操免费工开爱| 人人干人人干骚美女| 五月天婷a| 免费观看亚洲AV片| 嫩草视频。| 碰碰女| 五月丁香九九九综合| 日本在线视频www色| 色五月涩涩婷婷蜜桃| 五月婷婷丁香狠狠撸久久| 久久9RE热视频精品98| 婷丁五月| site:pnnrt.com| 久婷| 日本爆乳片手机在线播放| 激情婷婷九月| ji'qing'luan'ren'lun| 67194国产| 色亭亭九月| 婷婷激情中文综合| 丁香婷婷色色| 日本99久久| 丁香五月激情欧欧美| 99超超碰| 99自拍视频| ww久久| 狠狠爱五月婷婷| 开心婷婷五月激情网小说| 精品久久人妻| 超碰人人摸AV| 欧美性爱特黄一级aaaassss| 婷婷色影院| 91人人操| 狠狠的日| 久久九九99.www| 秋霞三级影视资源| 五月综合视频| 五月丁香亚洲校园欧美| 色婷婷中文在线| 色婷小说| 天天日天天爱天天噪| 亚洲色五月| 在线中文字幕av| 国产欧美va| 欧美婷| 狠狠综合久久| 色欲色天天香综合| 91婷婷丁香| 9 1在线视频| 亚洲五月综合色播| 欧美性猛交99久久久久99按摩| 99啪啪| 色色无码| 超碰不卡在线| 99在线视频播放| 久久狠婷婷| 亚洲综合色棒| 成人无码中文| 激情五月天婷婷丁香 | 久综合九| 激情综合色图| 欧洲亚洲免费视频9 | 婷婷五月天播| 中文成人在线| 婷婷成人丁香色情基地30| 97人人看| 婷婷激情小说网| 夜夜 操无码| 操人视频91| 久色国产| 九九美女视频| 色色色色色色色色色色色色色97| 蜜臀av粉嫩av懂色av| 色婷婷亚洲六月婷婷中文字幕| 中文字幕成人版| 99热色在线精品| 天天综合网~91| www.夜夜騎夜夜狠| 九热视频免费观看| WWW免费视频碰碰碰碰| 亚洲午夜一区二区| 在线色色| 第二色AⅤ| 六月丁香五月激情网| 99国产精品久久久久久久久久久| 人妻操在线看| 久99精品视频| 啪啪啪大香蕉| 五月天色导航| 五月花激情网| 久久ww| 丁香六月婷婷综合激情欧美| 激情六月天| 色综合五月婷婷狠狠干| 狠狠色综合无线观看| 天天高潮夜夜爽| 欧美日韩成人在线免费| 五月久久婷婷| 色9色| 精品久久穴| 五月婷婷网五月在线| 丁香五月婷婷激情中文| 亚洲综合色色| 六月香五月婷| 成人国产网站| 99久久九九| 五月婷婷免费在线| 婷婷丁香红五月91C| 五月婷婷网站| 综合色网站| 91精品久久久久久久| 热99精品视频在线观看| 思思干精品| 国产密乳av一区二区三区四区| 久久婷婷五月丁香网| 六月婷婷激情| 五月花在线观看视频| 影音先锋色婷婷| 密黄站| 色综合色色| 色区域网站视频| 99视频在线观看网址| 天天激情站| 婷婷涩涩网| 五月色丁香婷婷综合| 91丨九色丨熟女| 丁香九月激情| 五月天另类小说久久小说网| 五月婷婷综合在线| 丁香五月天欧洲在线| 综合色七七| 大香蕉伊人99| 这里只有精品视频在线看| 色婷婷AⅤ| 97人人操人人爽| 色国产五月| 综合久久综合五月天婷婷| 激情综合色五月丁香六月亚洲| 人人操人人添人人摸97| 婷婷五月天色色| 天天爽,夜夜爽| eeuss人妻| 日韩青青| 色9999日韩国产| 色五月综合在线| 五月丁香另类图片| 99年操人人爽| 五月天色综合| 欧美成人性爱网| 精品九九在线观看视频| 久久 无毛。| 亚洲视频在线观看| 色婷婷综合视频| 天天夜夜爽| 亚洲欧美日韩VIP| 久久婷婷五月综合色丁香| 国产亚洲99| 五月婷婷色色网址| 婷婷丁香五月综合网| 婷婷伊人久久| 激情婷婷丁香| 无码 色| 五月天激情综合网俺也去| 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 | 婷婷天天舔| 1024成人在线观看| 大香蕉福利导航| 丁香九月激情| 91久久久久久久| 人妻VideOssS人妻| 涩涩涩,com| 综合色影| 99久久亚洲国产| www.97视频| 综合色99| 五月婷婷综合激情网| 六月婷婷视频| 九九色热视频| peg 2区三区四区的| 五月伊人婷婷| 提提热五月天婷婷| 天天草天天爱| 丁香六月狠狠| 99热这里在线精品| 丁香色五月婷婷17C| 色欲婷婷五月天丁香| 婷婷五月天激情丁香| 婷婷四月 成人 狠狠干| 色婷婷丁香| 玖玖婷婷色五月| 丁香五月玖玖| av网址在线播放| 超碰99在线观看| 五月丁香六月激情| 亚洲视频伍月婷婷| 综合九九| 婷婷五月色網站| 日本精品。999| 9久热| 色综合大香蕉| 91九色熟女| 久久影视婷婷五月| 激情图片久久| 99WWW免费视频| 狠狠色狠狠爱| 免费97碰碰| 无码一级片| 97操碰在线97| 91亚洲免费片| 超碰网站在线观看| 五月丁香花视频| 久久婷婷激情四射五月天| 久草婷婷网 | 婷婷五月婷婷五月天| 少妇激情五月婷婷| 97色婷婷五月天| 激情九九综合网| 99热欧美在线观看| 天天色天天色天天色天天色天天色天天色| 青草性爱视频| 美女激情婷婷| 99愛国产| 91九色 婷婷| 久久大香蕉视频| 亚洲色色五月天| 激情啪啪五月| www.天天色综合| 安息电影在线观看完整版| 99爱视频精品| 爱草视频在线观看| 天天视频亚洲| 久久婷婷亚洲| 九九操操| 成人片黄网站色大片免费毛片| 五月天婷婷基地| 深爱综合网| 丁香婷婷六月| 五月天丁香久久综合| 99久久网站| 婷婷五月丁香久久| 五月天色婷婷av| 天天色天天色天天色天天色天天色| 久久五月婷天天干| 操骚货在线| 五月丁香综合啪啪| 久碰婷婷视频| 婷婷激情六月| 九色在线五月婷婷网址| 日韩无码91| 97视频91| 亚洲激情高潮| 亚洲视色| 99热| av网站免费在线| 亚洲啪啪自拍| 色情五月婷| 99免费视频久久| 五月色丁香国产在线视频| 丁香六月婷婷综合啪啪| a在线观看| 99视频| 婷婷伊人75| caop在线| 丁香婷婷色五月天| 91狠狠综合网| av高清无码| 99啊精典免费视频| 五月婷婷开心爱| 成人丁香五月天| 97色在线| 色综合99色| av色婷婷| 91久久婷婷人人澡草| AV在线观看网站| 操一操干一干| 九九热99精品| 国产Va视频| 五月丁香另类图片| 日本99视频| 激情久久综合网| 青青操绿aaa一区日v| 五月婷婷二月丁香| 婷婷色播婷婷| 五月婷婷性爱视频| 天天情天天狠天天透| 噜噜噜噜噜色| A久久| 伊人五月综合网| 欧美99热| 999婷婷综合| 五月天婷婷色播综合在线| 97操碰在线视频| 五月婷婷深深爱爱| 怡红院视频| 亚洲AV日韩无码| 五月丁香色停停啪啪啪| 色久影院| 久久人妻www| 超碰91人人操| 91色欲综合| 欧美天天综合网站上去吧| 五月天婷婷乱论小说| 五月天综合久久| 丁香五月天激情四射网络不好| 五月丁香色色综合| aa久久| 激情婷婷五月在线合集| 熟女五月天久久综合| 九九九九综合| 2022人人操人人看| 日本色色视频| 91妻人人爽人人看片| 色婷婷XXXXX| 五月天激情久久| 日本操天堂| 亚洲综合婷婷| 影音先锋91| 人人综合色| 我要色综合五月婷婷| 色五月色五天色情网| 9l视频自拍九色9l黑人| 婷婷激情五月天综合| 99热这里只有精品搜| 亚洲男女激情| 99在线观看精品| 情久久综合五月天| 美女被操一区二区| 这里只有免费的精品| 狠狠综合网| 色婷婷综合网站| 久久久久激情网| 久久五月天激情婷婷| 五月情四婷婷| 97人人草| 91精品综合久久久久久五月丁香| AV在线免费播放| 国产综合81p| 五月天婷婷在线AN| 黄色aa观看aaguochan| 91小黄书网址在线观看| 九九婷婷五月天| 久久国产精品乱子伦_靑青草…| 久久五月婷婷丁香| 丁香婷婷九月| 久热综合| 色狠狠色综合久久久绯色AⅤ影视| 欧美综合激情丁香五月六月婷| 日韩精品在线观看9| 色五月婷婷视频| 国产日韩精品SUV| 色婷婷成人在线| 国产又爽又猛又粗的视频A片| 五月激情婷婷开心五月| 中文字幕丰满孑伦无码专区| 激情五月天小说视频| 五月丁香六月激情| 日日干日日s| 国产美女无遮挡裸体毛片A片| 99热国产国产| 午夜伊人大香蕉| 丁香六月视频免费观看| 九九中文色色| 色综合色色色| 久久99久久99精品免观看粉嫩| 激情五月丁香六月综合AVXXXX| 婷婷丁香91| 狠狠色大香蕉| 五月丁香色色网| 91性高潮久久久久久久久| 思思久久精品视频| 97色精品视频 | 婷婷色五月天第7色| EEUSS鲁片一区二区三区| 婷婷瑟五月天久久综合| 激情综合五月| 激情狠狠丁香月| 超碰妻人人| 色狠狠色噜噜噜a天堂一区| 丁香六月婷婷激情| 激情五月婷黄版| 成人AV免费观看| 99自拍视频在线观看| 热99这里只是精品| 香蕉AV777XXX色综合一区| 色色色综合视频| 桃色成人网| 99热免| 久9热视频在线观看| 五月丁香六月婷婷网| 激情网战码亚洲A| 青草视频在线观看视频| 激情小说五月天中文字幕| 91狼友视频在线观看| 99热官网| 色七色九九| 97婷婷五月丁香| 超碰色综合| 婷婷五月花免费视频在线| 丁香五月婷婷综合啪啪| 激情图片婷婷| 婷婷激情综合色五月久久,色婷婷丁香花,丁香婷婷五月情天,久久婷婷五月综合色 | 最近免费中文字幕大全高清大全1| 激情网五月婷婷| 激情综合视频| 久久久久久综合88| 六月婷婷狠狠做| 五月丁香趴趴| 大香蕉人妻| 99热在线精品播放| 丁香婷婷深情五月亚洲| 色婷婷国色天香综合| 大香蕉手机视频| 婷婷开心六月| 人妻内射一区二区在线视频| 色很很96| 99精品热视频| 人妻性爱av网站| 婷婷色片| 中文字幕永久免费| 五月丁香六月婷婷网| 丁香婷婷六月激情文学 | 99玖玖人人| 亚洲综合五月天| 伊人网啪啪| 美女网黄| 婷婷色日本| 久久久.COM| 激情综合5| 五月天福利影院导航| 操逼福利视频| 五月丁香亭亭| 天天色情站| 无遮羞AV| 操逼六区| 亚洲狠狠狠色婷婷综合激情久久久| 91 欧美| 婷婷五月丁香网| 超碰免费99| 97久久精品| 五月婷婷色丁香| 9久热在线视频| 六月丁香婷婷五月| 5月激情天| 香蕉久久五月| 79精品视频在线观看,| 五月丁香欧美| 涩综合网| 5月丁香综合图区| 99久热这里只有精品| 99啪啪| 国产亚洲99久久精品熟| 激情网五月| 狠狠操狠狠狠| 色综合久久88色综合天天99| 久久九九思思| 激情综合网,婷婷五月天| 国产va在线视频| 性色做爰片在线观看WW| 婷婷五月综合社区| 99re思思| 伊人三级激情| 日韩在线看AV| 99视频精品在线| 天天综合网网欲色| 夜夜天天久久婷婷| 色停停影院五月天| 欧美性猛交AAAA片黑人 | 色婷婷中文在线| av性爱在线| 亚洲综合视频天天精品| 91九色PORNY大屁股| 成人看片网站| 五月丁香六月婷婷手机无线| 亚洲在线操| 国内久久婷婷| 久久久久久久久18久久| 青青久在线视频免费观看| 婷婷久久大香蕉| 91婷婷五月天嫩女| 五月丁了香蕉综合| 日韩久久色| 99久久婷婷综合| 在线观看免费观看在线9久| 婷婷九月综合| www.99热. com这里只有精品| site:wpjngj.com| 欧美久热| 婷婷色色丁香五月天| 国产99久9在线+|+传媒| 大伊香蕉精品视频在线 | 色婷婷小说| 久久99热这里只有| 伊人狠狠丁香婷婷综合尤物| 色婷婷狠狠久久综合五月| 亚洲人人操| 先锋男人91资源| 五月停性愛| 一起草AV入口| 久久99视频| 丁香色六月婷婷| 狠狠爱婷婷丁香| 天天在线XXX| 色狠狠色噜噜AV天堂五区| 91在线日| 99热精品无码| 五月丁香啪| 久青操| 九九热re99re6在线精品| 美女丁香五婷婷| 丁香五月天亚洲视频| 人人爽人人爽人人爽人人爽| 色婷婷亚洲在线| 五月深爱网| 香蕉AV777XXX色综合一区| 丁香五月激情婷婷| 可以看的AV网站| 天天婷婷天天| 婷婷五月天日本无码| 日日夜夜小色哥| 天天日日综合| 伊人五月婷婷| 大香蕉av在线| 丁香五月停停av| 五月天基地| 婷婷五月花| 99热免费网站| ay2区| 色五月丁香婷婷综合| 9久热这里只有精品| 丁香午夜天| 久久人妻系列| 99久久综合精品五月天| 天天日天天日天天搞| 五月丁香六月婷婷在线| 99热在线观看免费| 99热精品在线播放观看| 婷婷五月婷婷五月| 99操免费视频| 熟妇无码乱子成人精品| 丁香五月婷婷高清| 天天爽爽日日做做| 五月天婷婷无码视频| 琪琪色五月天| 中文字幕1区2区。| 91操片| 丁香婷婷久久| 国产成人精品一区二区三区视频| 人人草碰| 人妻综合网| 五月婷婷在线网站| 婷婷五月免费视频| 99色在线观看视频| 丁香婷婷综合激情五月色| 九色综合五月天婷五月| 色婷婷丁香五月| 就要去操亚洲成人精品五月天丁香婷婷| 色射婷婷五月天| 日本久久天堂| 97操女视频| 日韩影院三级| 五月丁香婷婷久久| 九九九九综合| 色99最新网址| 99re熱| 久久综合激情五月天| 天天日天天干天天天| 色色色色综合网| 久色88| 色婷婷丁香五月色综合网| 欧美va在线| 丁香色影院| 91碰| WwW天天干| 精品九九在线观看| 淫荡综合网| 99热这里只有精品9| 91se在线观看| 99干日本| 日韩无码专区| 色婷婷婷婷| 1024亚洲| 亚洲欧美一区二区三区四区爱爱动图| 深爱激情综合网| 成人无码精品1区2区3区免费看| 久久久WWW| 七七色综合| 六月婷五月丁香| 夜夜爽天天爽| 九九色色| 婷婷五月激情综合| 综合激情视频| 亚洲婷婷丁香| 精品人妻在线| 123草逼网| 久久这里有精品| 国产九月婷婷| 99精品大片| 五月综合久久| 91无码高清| 狠狠草狠狠草| 久久综合影院| 六月婷婷av| 亚洲综合1024| 超碰电影在线播放| 99久久婷婷五月综合| 这里只有精品96| 婷婷亚洲五月丁香综合在线| 大香蕉久久| 综合99久久| 99免费视频在线观看爱| 天堂呦 呦百度搜索-百度搜索| 99热在线中文字幕| 国产精产国品一二三在观看 | 可以免费看av网站| 日日干日日| 99久久婷婷| 激情开心五月天婷婷基地丁香社区| 噼里啪啦完整版中文在线观看 | 熟女人妻一区二区三区免费看| 噜综合| 激情丁香五月婷婷| 日韩人妻无码专区| 日本五月婷| 激情五月天福利| 婷婷深爱五月| 92国产福利| 天天爽天天爽视频| 五月久久婷婷天堂视频| a久久| 97超级碰人人| 99国产精品白浆在线观看免费| 《久久综合九色综合97婷婷| 人妻久久婷婷| 性五月激情| 日本少妇裸体做爰高潮片| 色情五月天视频网| 无遮挡国产高潮视频免费观看| 伊人9999| www激情网站| 激情五月六月婷婷| 青青五月天婷婷| 狠狠插.com| 九九在线精点品| 99久精品视频| 五月婷婷五月天| 婷婷香五月| 日本V在线观看不卡视频网站| 五月婷婷激情视频| 怡红院成人AV| 日本色婷婷| 婷婷激情综合色五月久久,色婷婷丁香花,丁香婷婷五月情天,久久婷婷五月综合色 | 热久久视频99| 婷婷五月天99综合网站| 激情综合网五月激情网| XX久久| 丁香六月婷婷综合| 欧美狠狠地| 日韩成人无码| 色天天综合| 激情综合网址| 91色色五月天| 国产97色在线| 日韩久久这里只有精品| 超碰99资源站| 国产精品a无线| 狠狠草狠狠草| 色婷婷五月天激情| 这里只有精品视频国产| 另类视频五月天| 超碰熟女拍拍| 97碰碰电影| 亚洲国产精品二二三三区| 婷婷俺去也| 五月天婷婷三级黄| 激情综合五月天| 丁香五月天综合| 五月天激情小说电影| 五月婷婷啪啪啪啪| 九九热这里| 手机看片日日做夜夜| 九九热青草| www九九| 色久五月天| 国产成人VA| 激情五月综合久久| 少妇大叫太大太粗太爽了A片| 91免费看片| 丁香色综合| 亚洲色域网| 91久久综合亚洲噜噜成人在线| 亚洲无AV在线中文字幕| 色婷婷欧美| 久久九九免费视频| 97婷婷丁香五月| 五月丁香久久精品在线观看| 青青草99热久久精品国| 五月丁香六月激情| 五月丁香在线| 久久久久久久人妻| 九九99免费理论| 久久久免费精彩视频| WWW99热| www.91在线看| 亚洲五月丁香六月婷婷| 婷婷激情五月天激情| 欧美综合在线五月天色婷婷| 五月婷婷丁香成人网| 中文资源在线a| AA片在线观看视频在线播放 | 丁香五月天在线观看视频| 六月丁香中文字幕| 久久婷婷资源| 嫩草AV久久伊人妇女超级A| 一级性爱视频| 欧美日本国产| 久久小说网| 图片区 小说区 区 亚洲五月| www婷婷亚洲| 五月噜噜噜色综合| 成人日韩欧美| 五月婷婷在线丁香| 综合久| www.婷婷五月.com| 亚洲黄色操逼| 丁香五月天AV在线 | 射琪琪| 99热69| 婷婷五月天色色| 成人超碰网| 热久国产| 婷婷五月六月激情| 天堂在线9| 国产婷伊人| 日韩久久视频| 色五月丁香伊人五月| 久久女人天堂| 99热人人操人人操| 国产精品涩涩涩视频网站| 五月色丁香激情| 天天爽夜夜爽夜夜爽精品| 久久图色4| 国产免费性爱| 成片免费观看视频大全| 色综合九九色综合88| 99热99思午夜精品| 91精品婷婷国产综合 | 99久久精品国产色欲| 欧美综合婷婷欧美综| 亚洲婷婷五月天| 日产精品一线二线三线芒果| 99caobi| 中美日韩成人在线| 97五月天婷婷| 99热在线观看免费精品| 性爱人人网| 天堂草在线观| 九九热在线视频| 久久看婷婷| 婷婷伊人网| 亚洲乱码日产精品BD| 狠狠色丁香| 97碰| 思思热精品在线视频| 婷婷综合婷婷| 色欲五月婷婷| 激情六月婷婷啪啪| 一区二区免费看| 亚洲色情久久| 色爆五月| 久久99网| 丁香五月天天日| 影音先锋综合网| 激情五月婷婷| 日逼免费视频 | 好好日激情五月天| www.玖玖九| 四月丁香五月婷婷久久| 丁香,开心成人,久久| 激情五月婷婷老师| 另类专区在线观看| 日韩啪啪视频| 五月婷婷色激情| 成人婷99最新| 99热成人| 五月丁香五月婷婷| 色噜久| 91色婷婷综合久久中文字幕二区| 五月天啪啪啪| 激情九月天天天天婷婷| 99操碰| www,五月丁,com| 中文字幕丰满孑伦无码专区| 思思视频这里是精品| 色情成人五月天| 热热久久久久久久久| 亚洲精品第一国产综合亚AV| 五月天色综合服务平台| 亚洲国产精品二二三三区| 丁香五月综合激情久久潮喷| 日本精品人妻无码77777| 亚洲综合婷婷六月丁香五月| 婷婷狠狠狠爱| 婷婷伊人綜合中文字幕小说| 都市激情五月婷婷综合| 亚洲不卡123| 开心婷婷五月| 丁香婷婷综合激情五月色,开心五月丁香花综合网,激情综合五月亚洲婷婷,五月天 | 午夜不卡成人一区二区| 日韩av高清| 日日操夜夜爽| 五月天激情站| 欧洲区自拍| 久色资源| 日韩九九| 婷婷激情五月天激情在线| 色婷狠狠| 久久女婷| 99久精品| 久久综合影院| 99在线小视频| 9久热视频| 久久久日韩特色特黄AAAA| 国产真实乱对白精彩| 性爱视频久久| 熟女人妻一区二区三区免费看| 久久人妻视频| 婷婷五月影院| 久久er99热精品一区二区| 久久免费精彩视频| 97操碰| 99人人干| 婷婷久久综合久| 狼人婷婷综合| 人人摸人人澡人人| 在线只有精品| 色丁香五月婷婷婷| 极品色丁香| 五月天激情播播网| 六月亚洲婷婷6月中文字幕| 99九九综合久久九九| 影视av久久久噜噜噜噜噜三级| 色99无码| 97成人在线视频精品| 日本九九九九九九| 婷婷激情五月天激情小说| 极骚大香蕉伊人| 久久婷鲁| 天天插天天插天天操| 97人妻碰碰碰碰碰久久久久久| 日韩精品AV一区二区三区| 97激情五月天| 婷婷狠狠爱| 狠狠操狠狠操AV| 99超级碰碰| 六月婷婷色色色| 久热这里| 九九婷婷网五月天| 色五月综合激情| 婷婷五月综合激情免费视频| 狠狠久综合| 激情综合网亚洲色图| 91精品电影18T| 激情精品久久| 99er6| 色婷婷五月天天天做| 天天草天天舔| 精品人妻久久久久久久| 亚洲综合狠狠艹| 色噜噜婷婷| 97色色色| 99无码黄色视频| 99网| 超碰人人操人人干| 激情五月天婷婷五月天| 91超级碰| 婷婷影视久久| 99偷拍视频在线日本| 激情综合五月天| 激情六月丁香综合| 五月丁香婷婷国产精品综合| 五月丁香婷中文字幕| 久久激情五月网| 操日视频| 可以免费观看的AV| 伊综合蕉| 九九久久99精品免费观看www| 99er日韩| 日韩成人精品一区久久久久| 九九热在线精品视频| 色综合视频在线| 最新热中文字幕| 亚洲六月婷婷| 色yeye色综合| 久久久久婷婷五月热综合| 色欲影香| 九月丁香很很色| 亚洲色图81p| 婷激情五月| 大香蕉手机视频| 亚洲激情五月| 天天操,夜夜骑| 九九视频在线观看| 日本在线wwww| 婷婷激情九月| 婷婷五月情天| www色色com| 日本在线99| 丁香五月天色综合| 天天操综合网| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 欧美黑人巨大猛烈cuckold| 婷婷丁香五月天婷婷| 五月天婷婷色播| 天堂网啪啪| 婷色五月| 丁香九月激情久久| 婷婷色5月天在线。| 丁香九九九九| 99热在线播放精品| 国产 A片 自拍| 婷婷久久久| 踪合专区啪啪| 五月丁香六月婷婷综合网缴情| 色香欲综合| 91精产品自偷自偷综合| 色五月视频,小说| 五月综合久久| 色综合网上班开心婷婷久久| 九九综合| 伊人久久大香线蕉AV最新午夜| 五月丁香婷婷激情在线| 超碰在线人妻| 97福利视频| 色综合丁香| 激情久久婷婷| 五月丁香婷婷激情澎湃四射| 最近韩国日本免费高清观看| 亚洲综合激情五月久久| 99综合久久| 婷婷六月色情| 思思热在线视频精品| 狠狠色网| 久9视频免费播放| 久久看婷婷| www.夜夜操.com| 欧美五月婷婷综合| 伍月婷婷六月丁香| 婷婷久综合| 日本熟女内射| 激情五月婷婷丁香综合网| 五月天深爱激情网| WWW.五月com| 六月婷婷在线| 亚洲成人网站在线播放| 伊人九热| 伊人玖玖网| 九九家庭影院| 五月色综合| 婷婷五月天亚洲| 丁香色综合| 搡BBBB搡BBB搡18| 激情六月天婷婷| 内射综合网| 五月综合人妻| 久久久无码精品成人A片小说| 丝雨一区二区| 开心激情婷婷| 99精品在线下载| 最新AV在线观看| 久99视频| 五月婷婷激情综合网| 99超级碰碰| 色色射| 亚洲欧州色情在线观看| 丁香五月九九| 99热天堂| 五月丁香婷婷激情| 色色色色色色色色色色色色色色,网站| 色五月婷婷五月天| 综合欧美五月婷婷| 欧美性丁香色色五月天干干| 亚洲激情免费视频| 99亚色色色| 欧美成人猛片AAAAAAA| 99综合一区| 亚洲久艹| 久久婷婷精品| 亚洲美女婷婷五月天| 四川BBB搡BBB爽爽视频| 婷婷五月天男人影院色色网| WWW、日本色丁香、co m| 五月天六月色| 天天情天天狠天天透| 五月天婷婷基地| 人妻videos人妻高清| 碰碰碰碰碰99| 色欲天天综合| 丁香五月乱中文字幕| 婷婷综合欧美| 丁香五月玖玖| 91操人视频| 天天爱天天吃狠天天透| se99在线| 六月丁香婷| 国产精品国产| 亚洲国产黄色电影| 国产XXXX搡XXXXX搡麻豆| 97香蕉碰碰人妻国产欧美| 六月久久狠狠| 亚洲婷婷丁香五月天激情小说 | 欧美丁香五月97色| 思思精品视频| 婷婷情色激情| 婷婷在线午夜| 亚洲婷婷五月草久| 九九热10| 九九热这里有精品视频| 色婷婷操逼| 99婷婷国产最新视频| 丁香六月婷婷开心婷婷网| 国产在线网址1| 五月停视频天堂| 北京熟妇搡BBBB搡BBBB| 欧美性爱五月天| 99精品在线观看视频| 久久久精品色| 超碰AV在线| 亚洲综合色色色| 99热啪啪| 人妻久久久久久久 | 成人五月天丁香| 91人操人人人操人| 色综合久久综合| 99在线精品免费视频| 性无码专区无码| 综合五月天| 婷婷五月天基地| 丁香五月天堂网| 色婷婷香蕉在线| 特黄三级又爽又粗又大| 国产女生爱爱AA| 九六五月天婷婷| 久久在这里有精品| 六月丁香影院| 激情五月天激情五月天| 综合另类视频| 日韩啪啪视频| 黄桃AV无码免费一区二区三区| 新激情婷婷| 亚洲AV日韩无码| 再次出发二| 色五婷婷开心缴| 色色色色综合| 99综合97| 五月婷婷性爱| 爱草视频在线| 激情五月天偷拍综合网| www.色婷婷.com| 色99视频| 超碰精品国产首页| 亚洲色综合| 丁香五月亚洲婷婷| 五月婷婷亚洲| 激情五月天婷婷播播久久综合91| www.com任你艹|