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
亚洲最大在线| 99色综合久久| 激情五月婷婷伊人| 成人做爰A片免费看视频| 啪啪综合网| WWW.婷婷| 久久久.www| 六月婷婷亚洲| 亚洲乱码日产精品BD| 91久久久久久| AV性爱网| 亚洲图色五月天| 婷婷色欧美激情| 无码一区精品一区视频| 99视频精品8 | 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 亚洲国产精品二二三三区 | 亚洲中文无码成人| 香蕉人妻AV久久久久天天| 久久这里只精品66| 97色色视频| 激情综合五月天| 婷婷六月亚洲综合| 激情久久网| 五月天俺去也| 97五月婷| www.91久久| 五月婷婷久久大香蕉| 久热综合| 日本综合色图| 99热在线观看这里只有精品| 久久九九99视频| 天天摸色吧天天摸色吧| 国产婷婷综合| Av九九| 超碰在线视屏| 色五月六月| 婷婷丁香色五月亚洲| 另类综合激情| 色婷婷在线综合色播网| 夜色.cnm| 99热久草| 婷婷五月色丁香在线看| 五月婷婷激情性爱| 不卡的AV网站| 婷婷五月18永久免费视频| 天天天天色天天天天天干| 欧美碰碰碰| 激情人妻综合| 五月激情综合婷婷| 狠狠爱丁香婷| 日本色天堂| 任你艹| 夜夜爱网站| 久久五月天婷婷视频| 色五月综合| 五月丁香在线国产| 亚洲成人精品三区| 黄网在线播放| www,天天干| 99自拍视频| 99精品久久久| 日韩免费乱轮网站| 色五月激情综合网站| 激情五月婷| 九九综合九九| 中文字幕在线aⅴ免费观看| 婷婷色五月综合| 4399欧美另类视频| 99天堂网| 色五月激情综合| 深爱激情四射| 激情黄色小说色五月| 国产精产国品一二三在观看 | 五月天欧美激情| 99热线观看9| 五月丁香综合网| 色婷婷五月天久久| 久久奄也去色色网站| 亚洲成人无码免费| 人妻体体内射精一区二区| 久色五月| 噜噜色天天开心| 91avse| 国产精品社区| 超碰啪啪网| 欧美精品18| 99精品视频免费观看| 激情五月天开心网丁香无码| 91九色欧美| AAA久久| 九九热免费视频| 日日天天天| 日本wwww在线| 婷婷综合网站| 色五月天成人| 亚洲色综合| 亚洲成人电影在线免费观看| 亚洲妇女熟BBW| 婷婷综合一二三| 五月婷婷久久开心网| 94干大香蕉| 五月开心深爱激情网| 97碰碰视频在线观看| 野战J办公桌椅H| 五月天啪啪视频| 丁香六月欧美| 午夜无码精品色综合久久| 狠狠久久婷五月| 色五月综合激情网| 色播综合| 婷婷五月天成人| www.lingjunshare.com| 色,激情五月天| 中文字幕人妻AV| 欧类av怡春院| 丰满老熟妇BBBBB搡BBB| 激情五月天视频| 青青草激情网| 5月丁香六月婷婷| 日韩色色色色色| 五月天久久激情| 在线观看av网站| 亚洲九九九九| 婷婷丁香六月五月天| 国产.亚洲.欧洲视频在线| 五月婷婷激情在线| 婷婷视频在线碰| 久久久无码精品成人A片小说 | 婷婷五月天激情电影| 日日夜夜天天爽| 蜜臀av无码久久久久久久久| 亚洲超碰在线| 狠狠色大香蕉| 91凹凸在线| 亚洲在线播放| 97超碰色| 极品嫩草| 激情丁香五月| 牛牛澡牛牛爽| 精品二区| 国产精品99久久久久久久女警| 五月天综合久久| 秋霞AV淫| 九月婷婷丁香| 久久这里99| 99热这里只有精品13| 99色最新在线视频| 深爱 五月天| 丁香九月久久| 成人AV免费观看| 丁香五月情| 91岛国片| 91精品又长又大又粗又爽又猛| 一起草av在线观看| 99在线热| 思思99热热热99| 日韩欧美五月丁综合| 激情五月天在线观看婷婷| 99热这里都是精品| 成人av免费观看| 玖玖色综合色| 99福利视频| 国产亚洲av片| 日逼影音先锋AV男人资源站| 婷婷中文字幕网| 日韩色色一区| 色欲婷婷五月天丁香| 五月花激情网| 久久婷五月综合| 97色婷婷五月天| 91久久综合亚洲鲁鲁五月天| 超碰在线94| 超碰97人人操| 久久五月网| 爱婷婷五月| 性色99| 精品无码99| 色综合激情| 91视频五月丁香| 4399在线日本A片| 五月天婷婷色| 艳妇野外情欲放荡HD| 91精品刘玥| 秋霞AV美国| 亚洲视频二区| 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 | 天天热夜夜操| 91视频综合网| 色综合五月天| 一区二区成人电影免费播放| 人妻在线网站| 五月大香蕉| 久久这里面只有精品视频| 婷婷五月天影视| 五月播播| 99亚洲天堂| 激情性爱五月天网页| 九九中文字幕九| 九九碰九九爱97| 婷婷日| 很很干五月天| 九九热视频精品| 99网| 色色99| 婷婷色色宗合网| 九九99热| 热99视频精品| 97色色综合| 色综合婷婷| 五月婷婷大香蕉| 国产乱轮一区二区三区| 亚洲中文字幕av| 成人电影丁香六月天| 在线另类视频| 琪琪色网址| 国产综合色婷婷精品久久| 婷婷5月天av| 色色色色色色色色网站| 91成人性爱视频| 玖玖色综合色| 九九这里只有精品在线视频| 亚洲另类噜噜| 欧美日综合| 色情网综合| 婷婷天堂综合| 夜夜综合色| 66色在线日韩| 夜夜撸夜夜骑| 丁香婷婷色色| 婷婷色五月天在线观看| 亚洲精品字幕| 91爱啪啪| 婷婷六月激情综合| 激情开心五月天| 大香AV| 色天天综合天天综合频道。| 久久婷婷五月综合啪| 久久se 综合网| 国产人妻操逼| 天天插天天插| www.com任你艹| 五月天婷婷激情小说| 超碰激情网| 91国产精品视频播放| 狠狠狠婷婷五月综合| 五月天成人在线播放| 精品香蕉99久久久久网站| 日本WWW九九九| 亚洲尤物在线| 精品人妻一区二区| 九九综合伊人| 色五月涩涩婷婷| 超碰av在| 色9色| 色婷婷丁香| 嫩草视频。| 天综合日日夜综合7799| 九九热这里只有精品31| 99热这里是精品| 久久99久久久| 欧美成人精品一区二区| 超碰婷婷五月| 99综合激情久久精品久久| 婷婷久久五月天| 激情综合色| 99视频激情四射| 男女激情久久| 97精品在线| 999热在线视频| 狠狠爱婷婷五月天| 国产高清精品色| 五月婷婷六月丁香| 日韩一区二区在线播放| 久婷婷| 久久性刺激| 日本熟女二区| 狠狠色丁香婷婷久久综合| 九九青草热| 午夜成人在线免费视频| 色综合色色色| 日日夜夜亚洲一区| 热99热9| 色婷婷综合久久| 国产 A片 自拍| 国产暴力强伦轩1区二区小说| 激情丁香久久| 欧美性生交XXXXX无码小说| 日本老女人黄页在线播放| 激情丁香社区| 这里只有精品视频222| 色婷婷亚洲婷婷在线观看| 97婷婷在线| 婷婷五月丁香超碰| av网址在线| 九九视频在线观看| 国产色色在线| 色99色| 久久久这里都是精品| 五月天啪啪| 99热九九这里只有精品| 国产一区二区三区影院| 丁香五月宝贝激情网| 99热这里只有精品9| 五月丁香亚洲校园欧美| 婷婷午夜| 激情丁香网| 婷婷色色综合| 五月天婷婷丁香| 97男人天堂| 99热8| 国产精品汇聚精彩第二页 - 高清完整版在线 - 青蛙AV | 色久综合| 天天狠狠色| 色婷婷精品视频在线播放| 五月天久久www| 91综合色噜噜| 97久久精品| 99久久9| 亚洲精品视频在线播放| 99亚洲欧洲| 韩国不卡AC视频| 99热成人在线| 亚州欧美国产久精国产99综合视频| 五月丁香六月激情综合| 丁香狠狠| 91seAV| 91男同| 色婷婷狠狠干| 91麻豆国产三级精品福利在线观看| 久久丁香久久| 色色爽爽天天| 桃色五月天| 六月丁香激情综合| 亚洲精品成人| 99久久婷婷精品视频| 色婷婷国产精品综合在线观看| 久热综合| www.91av.com| 久婷婷色| 色婷婷五月丁香在线观看| 五月婷婷丁香综合,亚洲天堂| 婷婷丁香花五月天| 亚洲五月天综合| 婷婷伊人五月丁香天堂网| 婷婷大乡焦噜噜| 婷婷色播色五月五色五月天色妇| 日韩不卡123| 97色碰| 午夜色丁香| 7超碰自拍| 国产AV一区二区三区最新精品 | 天天插天天| 六月久久婷婷| 熟女色色一区二区| 啪啪啪大香蕉| 色丁香影院| 99热性色| 国产精产国品一二三在观看| 超碰免费成人| 玖玖资源站中文| 精品99这里有| 亚洲成人av在线观看| 婷婷五月天堂| 玖玖热视频| 色五月xxx| 综合99在线| 国产成人综合网| 噜噜色噜噜网| 欧美激情五月综合| 色婷婷中文在线| 天天综合天综合久久网| 九九热99热| nvrentiantang av| 人人草人人爱手机视频看看| 四月婷婷五月色综合| 久9热插入| 久久综合五月| 26uuu欧美| 99亚色色色| 熟女啪啪视频| 午夜]香婷婷深深爱| 九月丁香亭亭| 激情丁香图片| 99 频99热国里只有精品| 99热官网精品在线| 国产精品久久久久久喷浆| 五月香婷婷| 天堂草在线看www| 爱爱色五月天| 久久9精品视频| 成人做爰A片免费看视频| 九九久久99精品免费观看www| 中文字幕婷婷五月天在线观看| 久99久视频| 色综啪啪啪啪啪啪| 色九月| 99久久网站| 色色国产| 欧美色色色色色| 久色网五月| 国产日批视频免费播放| 五月丁香无码| 久久九九囯产| 伊人丁香五月婷婷潮吹| 天天干天天av天天射| 亚洲精品国产熟女久久久| 色亭亭影园| 婷婷五月天社区| 午夜激情综合| 亚洲秘 无码一区二区三区妃光/1| 天天爽综合网| 丁香久久五月天视频在线观看| 久久精品99久久| 色婷成人狠干| 97亚洲婷婷| 九色七七| 日韩成人AV在线播放| 五月婷婷日| 色情五月天导航| 午夜]香婷婷深深爱| 97在线观视频免费观看| 2025神马午夜福利| 激情五月婷婷视频| 91无码色色| 婷婷五月综合激情| 婷婷亚洲综合| 一起草av| 日操熟女| 久久99免费视频网站| 五月四色激情| 91av视频| 婷婷色色欧美综合网| 亚洲成人av中文| 亚洲综合色成丁香五月色| 风流少妇A片一区二区蜜桃| 久久久天堂国产精品女人| 色情综合网| AV在线大香蕉| 思思热这里只有精品| 五月天丁香| 91一起操| 91九九| 99re6在线视频精品免费| 婷婷五月天av| 国产毛片操B| 婷婷五月丁香色播| 欧美激情五月综合| 5月色亭亭视频| 婷婷色五月亚洲| www。88热在线视频免费观看| 五月丁香六月日逼| 亚洲va欧美va国产综合久久久| 这里只有精品视频一区| 开心激情播播五月天| 色播五月婷婷五月| 99久.| 五月丁香啪啪网| 色人久久| 激情影院69| 国产操逼网站| 在线观看亚洲AV| 色琪琪一综合久久激情五月视频| www.九九婷婷| 五月久久婷婷| 五月婷婷色播网| www.色擼擼.com| 色播播五月| 丁香大香蕉| 婷婷五月成人| 日本人妻久久| 日韩啪啪视频| 五月婷婷伦理| 婷婷五月天堂| 日本天天操| 亚洲V国产V欧美V久久久久久| AV色色天堂中文| 九热电影av| AV在线资源| 亚洲热综合网在线观看| 婷婷丁香五月色| www.99热| 午夜]香婷婷深深爱| 婷婷色色丁香五月天| 六月婷婷影院| 五月丁香色婷婷久久| 97福利视频| 玖玖婷婷色欲| 69久久99精品久久久久| 色五月激情五月丁香五月婷婷啪啪综合| 亚洲精品激情| 天天干电影| 欧亚成人A片一区二区| 99热亚洲综合| 色五月天中文字幕| 天天肏天天肏天天肏| 婷婷综合五月| 在线综合91| 5月激情天| 狠狠摸狠狠摸| 国产特级毛片AAAAAAA高清| 日本全黄一级999| 日韩成人精品中文字幕| 激情五月,深深爱五月| 色色五月婷婷| 天色色综合网| 免费99情趣网视频| 九九热视频精品| 精品人妻伦一二三区久久| 日本一级一级一级一级| 五月天激情图片网| 伊人婷婷激情| 五月天婷婷丁香导航| 婷婷五月天色播| ..真实国产乱子伦对白在线_欧| 色99无码| wwccc久久久| 丁香六月久久| 日韩五月婷婷久久| www色婷婷久久综合久色| 亚亚州久久高潮| 五月婷婷丁香| 中文字幕综合| 欧美毛片www| 色丁香婷婷| 日日天天干| 丁香六月婷婷综合| 亚洲愉拍99热成人精品| 婷婷综合网| 666555。COm毛片| 丁香激情网| 开心婷婷五月| 色停停影院五月天| 逼逼AV| 狠狠色丁香| 国产激情在线观看| 区区欧美你爱| 丁香,开心成人,久久| 97自拍视频在线| 激情噜噜噜| 日本91在线播放| 天天日夜夜B久久| 天天射美女| 任你搞在线观看视频| 日本噜噜色网| 亚洲精品久久久久久久久久飞鱼 | 视频1区2区| 五月激情婷婷开心| 国产婷婷色综合AV蜜臀AV | 五月丁香婷色| 亚洲 五月 婷婷 成人| 香蕉久日夜| 婷婷五月天 偷拍| www.日日夜夜.com| 人伦30P| 日韩高清成人| 99精品在线观看视频| 99re鈥哸鈥唙| 91a片爽| 五月婷婷六月丁香综合视频在线| 婷婷久久久| 亚洲va欧美| 五月丁香婷中文| 国产一区18| 婷婷五月天视频| 欧美月久久| 婷婷五月激情天| 久久国产AV| 婷婷五月综合激情免费| 色婷大香蕉| 99热这里全是精品| 97五月天婷婷综合激情网| 一本道综合网| 伊人综合网站| 色亭亭五月天网扯| 国产精品久久久久久久久久免费| 久久99热这里| 亚洲乱码日产精品BD| 综合狠狠五月婷婷| 丁香五月天社区| 玖操97| 操操操91| 日本五月婷婷| 人人操插| 久99热| 天天日日夜夜爽| 色播五月婷婷| 婷婷五月天a| 色五月,婷婷大香蕉| 99视频在线精品| 色天堂97| 亚洲激情网| 五月六月激情| 一起草av在线观看| 丁香婷婷五月色成人网站| 九九综合九九| 99热 精品在线| 婷婷五月六月丁香综合| 婷婷丁香综合| 狠狠爱综合| 久1色色| 婷婷五月色激情欧美激情| 日韩免费99| 人人干人人看| 密桃激情五月天综合网| 啪精品| 亚洲综合网 665566| 888精品福利地址| 日本欧美成人片AAAA| 欧美综合在线五月天色婷婷| 色色五月综合| 亚洲色五月天| 丁香婷婷色五月天| www.91在线观看| 九九视频在线观看| 26uuu91| 丁香五月婷婷亚洲另类| 欧美大片免费播放器| 激情五月丁香在线观看直播| 丁香婷婷久久综合在线| 丁香婷婷五月| 五月婷婷六月少妇激情| 99热碰碰热| 少妇搡BBBB搡BBB搡毛茸茸| 草综合14| 99精品这里只有免费视频| 久久综合最新网址| 五月婷婷啪啪网| 另类激情五| 色综合九九| WWW.桔色成人.COM入口| 久热黄色| 婷婷视频在线碰| 日韩人妻无码精品| 久久五月天黄色五月天色网址| 99热99草97| 超碰国产在线| 丁香五月天堂网| 丁香五月婷婷成人综合| 久热久操久热久草国产91| www.操.com| 丁香五月另类小说| j久久性爱视频| 91亚洲视频| 99精品视频在线观看| 91精品综合久久久久久五月丁香| 婷婷五月色| 亚洲色综合色网| 五月丁香六月婷综合成人综合 | 日本婷婷| 天天色,天天操,天天射| 99热插| 久久久中文| 99er6| 十区AV| 五月丁香成人网| 亚洲综合九九| 色噜噜狠狠一区二区三区| 开心亚洲久久开心| 伊人五月天久久| 婷婷色导航| 婷婷五月婷婷| 成人网丁香五月| 99久久婷婷| 国内久久久精品99| 色婷婷综合久久| 超碰99在线观看| 激情AV在线| 秋霞影音91人妻久久| 69堂午夜视频最新地址| 色综合区| 人碰91| www.色五月| 久婷| 日韩啊啊啊| 九九爱看亚洲| 五月色情婷婷| 五月丁香婷草| 97超级操操| 五月日韩中文字幕| a在线观看| www.99热视频在线观看| 久久伊人9| 五月天停婷基地| 99A片| 99这里有精品视频| 精品久久人妻| 九九亚洲视频| 婷婷激情综合网| 色婷婷狠狠| 一区二区免费看| 九九视频这里只有精品| 激情五月天小说| 五月婷婷婷自由综合| 激情婷婷五月天伊人在线观看| 久久综合丁香五月| 99亚洲天堂| 六月99天天婷婷激情综合| 超碰人人超碰| 五月婷婷99热| 激情综合网五月在线播放| 丁香色综合| 9久久婷婷国产综合精品性色| 久久精品婷婷五月丁香| 婷婷狠狠操| 爽极品色| 日本啪啪天堂| 中文字幕五月久久婷| 欧美在线看| 1024手机在线观看看片_日韩精品| 国外亚洲成AV人片在线观看| 亚洲五月婷婷| 五月丁香成人网| 九九热青草| 无码 av电影| 99这里都是精品| 色情五月天se| 色婷婷五月亚洲| 玖玖资源天天无码| 思思热在线播放| 成人在线综合| 久久久97| 亚洲色网络| 婷婷香蕉| 成人日韩欧美| 久久se 综合网| 狠狠爱婷婷色| 97人人干人人操| 日本色色网| 亚洲成人电影aaaa| 黄网在线播放| 五月婷婷伦理| 色五月丁香伊人五月| 久久多色| 大香蕉AV在线| 一本色综合色| 丁香五月大香蕉AV| 久久99久久99精品免视看婷婷| 色婷婷婷综合五月天| 开心五月婷婷激情网| 色五月婷婷天天操夜夜操| 欧美色图45678| 超碰免费人人| 婷婷色情小说| 人人草人人爱| 婷婷啪啪| 日本操天堂| 日本三级色| 久/久精品99看9| 日日射天天射| 67194中文字幕| 1024日韩| 亚州色综合| 五月色婷婷亚洲 | 性按摩玩人妻HD中文字幕| 激情五月天.色网| 综合久久五月天| 这里只有精9| 深爱五月网| 丁香六月五月天| 久久精品一区二区三区四区| 色婷婷激情五月天| site:pzdcoin.com| 99热免| 日韩AV大全| 中文字幕乱码亚洲精品一区| 99啪在线视频| 久久综合九九| 婷婷五月综合激情免费视频| 婷婷啪啪| 国产探花一片区| 97av在线视频| 激情欧美婷婷| 国产婷婷五月色情综合| 精品人妻一区二区三区四区不卡在| 黄急一级视频| 丁香五月天.com| 婷婷在线午夜| 影音先锋噜一噜| 激情婷婷五月社区| 五月开心婷婷网| 欧美xx激情视频在线观看| 九九热在线99| se婷97| 91狠狠色丁香婷婷综合久久| 伊人深爱综合| 色色色9| 任你干aa| 亚洲综合网区| 久久久久婷 | 五月天婷婷色小说| 久久久激情| 久久综合网桃花| 五月婷婷在线网站| 日韩AAAAA| 欧美三级视频下载| 五月丁香六月婷婷综合网| 狠狠色五月| 91女人18毛片水多国产| 深爱激情四射| 99精品热视频| 天堂五月婷婷| 丁香婷婷十月| 亚洲妇女熟BBW| 伊人婷婷五月天| 五月天激情啪啪| 日本超碰在线| 五月天基地| 涩五月丁香| 丁香五月天啪啪| 午夜丁香 婷婷| 五月丁香六月花| 无码免费人妻A片AAA毛片西瓜| 97久久人人操| 色播五月| 日逼影音先锋男人资源站| 欧美va精品va老师va| 97福利视频| 97精品自拍视频| 五月激情偷拍| 国产精品扒开腿做爽爽爽A片唱戏 亚洲爆乳无码精品AAA片蜜桃 | 干婷婷五月天| 丁香六月综合激情| 一起草av| 综合在线色婷婷| 色色草97| 五月六月丁香激情| 色约约视频一区二区三区四区五区| 另类国产综合| 欧美成人一区二区三区在线视频 | 99热免费网站| 婷婷五月天成人| 亚洲欧美婷婷五月色综合| 91爱操| 国产永久一黄| 26uuu在线观看| 91女人18毛片水多国产| 热99热9| 99久久综合狠狠综合久久| 婷婷成人五月天一区| 免费看欧美成人A片无码| 亚洲综合婷婷| 79精品视频在线观看,| 色综合综合色| 99热6精品| 少妇丁香婷婷| www.天天干| 翔田千里aV中文字幕| 亚洲情综合五月天| 激情久久五月网| 青草五月天| 超碰av在线| 大香蕉婷婷丁香视频在线| 婷婷综合激情| 六月婷婷色综合| 日日夜夜狠狠婷婷色| 综合久| XXXX岛国| 久草婷婷在线| 五月婷婷视频28| 五月丁香亭亭AV女优| 日韩成人电影在线播放| 久草婷婷| 99精品热| www.狠狠色.com| 久久五月丁香综合| 亚洲色优| 另类专区在线观看| 99久热| 亚洲成人乱码av网站| 日本色99网站| 色99在线| 99热自拍| 综合AV网| 狠狠五月天| 日韩另类| 五月天综合网| 五月香六月婷| 成人网在线视频| 久久这里只有精品16| 国产第99页| 亚洲av成人在线| 婷婷六月爽| 丁香五月天婷婷大香蕉| 色婷婷综合亚洲| 五六月婷婷| Aaa久久| www.射伊蕉婷婷| 热99视频精品| 丁香六月婷婷色XXXXX| 色色色婷| 色五月婷婷五月久久| 色综啪啪啪啪啪啪| 婷香五月| 丁香六月爱综合| 99热欧美偷拍| 极品少妇高潮啪啪AV无码| 色色欧美色色| www.狠狠| 国产又爽又猛又粗的视频A片| 中文字幕乱轮| 99re免费精品视频| 《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 | 国产Va视频| 99re青青草| 中文字幕 码精品视频网站| 亚洲欧美999| 开心婷婷中文字慕| 色婷婷影视99| 五月婷婷,六月丁香| 婷婷激情五月色综合| 色碰97| 色综合com| www.com操| 玖玖五月| 一本色道久久综合狠狠躁一二三 | 五月婷俺去也| 九九热在线视频观看免费10| 色色色999| www.狠狠| 99热只有| 五月丁香六月欧美综合| 丁香八月综合激情| 五月丁香激情婷婷| 婷婷综合五月激情| 五月婷啪啪| 91 影音先锋| 综合色久| 美女五月狠狠| 99热在这里只有免费精品| 久久jiuwww| 99热久| 五月天婷婷无码| 狠狠夜夜五月丁香| 人妻在线观看视频| 婷婷五月天开心网| 99这里有精品| 丁香开心深爱| 欧美图片丁香五月天| 亚洲欧洲中文日韩久久AV乱码| 五月天播播中文字幕 | 婷婷五月天亚洲综合| 激情小说婷婷小说| 五月婷婷精品| 大地资源色婷婷视频在线 | 五月天天天综合| 婷婷五月天天激情| 无码91中文字幕| 色噜噜狠狠色综合日日| 五月天成人在线视频网站| 啪啪五月天啪啪| 久久免费操| 九月丁香欧美综合| 亚洲午夜国产成人电影VA国产欧…| 久久婷婷伊人| 五月婷婷婷| 九九在线免费观看| 超碰在线国产| 色婷婷色九月| 色综合香蕉视频| 九九一区| 丁香五月综合| 久久婷婷五月综合伊人| 婷婷五月花西瓜| 亚洲艹网| 丁香五月91| 99久久新视频| 欧美,日韩成人在线| 综合色播| aaa久久| 亚洲天码视频www蛋播视频| 免費亭亭成人| 天天日天天干天天爱| 草综合网| 99久在线精品| 熟女激情网| 五月亭亭欧美女人| 久久久亚洲成人无码A片| 五月香婷婷| 97操操| 操碰91| 最新va在线播放| 第四色首页| 激情综合色| 丁香五月色情| 99精品在线下载| 人人爱天天摸摸天天爱| 婷婷久久五月天亚洲欧美国产日韩在线观看 | 玖玖色综合| 色婷婷视频| 极品色丁香| 婷婷天堂视频| 奇米网大香蕉| 另类图片激情五月| 热99久| Caop在线| 光棍影院日韩精品| 99热欧美精品| 秋霞网在线免费基地五月婷婷丁香| 六月色 亚洲| 婷婷丁香视频| 夜夜大香蕉婷婷丁香| 99精品久久久| 性色欲情 网站| 思思热思在线精品视频| 婷婷伊在线| 天天人人天天爽| 色天天久婷婷| 丁香五月激情站| 插插插色综合网| 五月精品免费XXX| 开心婷婷五月中文字幕组| 五月天亭亭俺也| 五月丁香精品| 亚洲成人网站在线观看| 99免费| 狠狠穞A片一區二區三區| 八戒青柠影视剧在线观看| 日韩精品视频中文字幕| 精品AV无码超碰| 婷婷五月综合网激情| 91精品丝袜久久久久久久久粉嫩| 蜜臀综合久草| 中文字幕性爱视频| 99精品热| 九九热在这里只有精品| 五月天色婷婷伊人网| 99久热这里只有精品| 婷婷五月色激情欧美激情| 色色婷| 日韩AV在线影片| 超碰AV成人| 97碰免费视频在线| www.com操| 综合久久99| 99精品综合视频| 久久婷婷原创视频| WWW色色色COm| 欧美日本综合网| 色婷婷综合网站| 少妇综合网| 99在线小视频| av操B网站| 玖玖99精品视频| 色婷婷基地| 五月婷婷婷自由综合| 99re6久热只有精品6在线直播| 91九色首页| 国产乱子轮XXX农村| 2005天天干天天1| 久久人妻久久久久| 九九色视频| 啪啪一区| 国产性av| 玖玖婷婷综合| 色网站99| 夜丁香五月婷婷| 久久99久久99精品免观看粉嫩| 国产看真人毛片爱做A片| 五月天天综合网色婷婷| 久久婷婷五月天| 色婷婷久综合久久一本国产AV| 九九精品亚洲| 99热精品在线播放| 亚洲无码免费看| 丁香六月婷婷综合激情欧美 | 久久caop| 婷婷丁香五月天影院| 婷婷国产日本欧美| 大香蕉久久婷婷精品综合| 人人艹艹艹| 91碰九色| 天天插天天日天天爽| 99热综合| 色婷青青| 极品色丁香| 五月丁香六月婷婷亚洲综合| 五月天啪啪视频| 97干资源在线观看| 激情q青青草在线婷婷| 五月丁香综合中文| 婷婷五月天VI| 久久九九玖玖| 蜜桃五月天| 开心激情婷婷| www.久久综合| 亚洲性色XXXXX| www.97碰碰com| 久婷婷久草| 婷婷色五月婷婷姐妹| 欧美日韩成人在线网站| 中文字幕91,综合| 五月婷婷六月爱| 啪啪啪综合网| 五月婷婷色啪| 亚洲激情区| 日本狠狠色| 丁香,开心成人,久久| 久久九九99| 91se在线视频| 亚洲AV在线免费看| 激情5月舔| 五月丁香婷婷色| 色婷婷综合综合网| 色综合综合网| 被强行糟蹋的女人A片| ss五月天激情| 99在线精品视频| 久久五月婷| 人妻人人操| 99久在线精品| 中文字幕在线不卡| 色婷婷久久天天性爱| 99九九在线视频| av无码电影| 色综合九九| 五月天玖玖狠狠色色| 精品欧美一区二区三区久久久| 99热精在线九九久久保| 精品香蕉99久久久久网站| 99色看这里只有精品| www.zbzhongsen.com| 91色婷婷综合久久中文字幕二区| 国产婷婷综合| hd五月婷婷在线| 婷婷亚洲色| 久久婷婷五月综合色欧美| 五月丁香啪啪| 99热九九热| 久久五月综合| 丁香五月婷久久| BT综合在线视频观看| 色丁香五月天婷婷| 百度一下国产精品A| 丁香激激情网| 久久大大香| 婷婷欧美激情| 日日夜夜狠狠| 五月婷婷国产| 天天综合精品| 久久99精品久久久久久青青AR| 深爱开心激情| 久久大香免费| 国产色网站| Av九九| 丁香六月婷婷久久综合| 狠狠色综合777| 极品少妇XXXX精品少妇偷拍| 日日干综合| 少妇水多A片太爽了| 天天免费成年人视频| 亚洲成人网站在线观看| 99视频超级精品| 久久伊人大香蕉| 精品婷婷五| 亚洲激情综合| 青草性爱视频| 丁香五月激情综合| 丁香婷婷五月天色综合| 国产精品美女久久久久AV超清| 婷婷五月天av网| 一二线视频 另类| 丁香五月六月婷婷综合激情| 久久99激情五月天| 热99这就是精品视频| 婷婷刺激综合| 91人人网| 天天日夜夜B久久| 日本人妻伦在线中文字幕| 五六月丁香激情视频| 色停停影院五月天| 五月丁香婷婷色色色| 色五月婷婷狠狠撸| 99热综合色图| 色5月婷婷色| 九九这里只有精品| 婷婷五月天激情综合深爱| yiqicaoav| 色狠狠综合网| 日韩免费乱轮网站| 屁股翘好撅高迎合跪趴| 丁香婷在线| 色色色在线观看| 99综合网| 色五月开心五月激情五月| 五月激情婷婷四射| 免费观看大片视频 丁香婷婷 六月欧美| 九九久久99| 草草色情综合网| 九九在线精品| 久久五月天激情婷婷| 天天揷综合网| 超碰a女人的天堂| 日韩AV在线电影| 婷婷六月丁香欧美视频在线| 国产精品社区| 五月婷丁香| 99热这里只有精品3| 激情四射婷婷色色色| 色色色色色色网| 久久这里有精品在线观看| 4399亚洲视频| 另类少妇人与禽zOZZ0性伦| 五月天社区狠狠| 久热伊人| 日本人人超碰| 超碰免费人妻| 爱婷婷久久视频| 玖玖婷婷五月| 天天色粽合合合合合合合| 国产成人99久久亚洲综合精品| 99干日本| 狠狠精品干练久久久无码中文字幕 | 色五月婷婷在线| www.久久五月天.com| 激情视频91| seuuu婷婷| 99综合| 26uuuuuuuu国产| 99思思在线视频| 99热99在线精品| 九九热精品在线| 天天狠狠六月婷丁香影院| 综合久久婷婷| 碰碰碰碰碰99| 欧洲亚洲精品| 天天爽天天| 思思热在线视频观看精品| 九九人人看| 久久久婷婷五月天| 丁香五月天啪啪| 五月婷婷中文字幕| 五月天另类综合网| 久久婷网| 激情五月天。| 色啪网| 亚洲成人av在线播放| 操国产人妻| 人妻熟妇国产精品| 99热99日天天干| 国产亚洲成AV人片在线观黄桃| 人人操AV| 开心色五月天久久久久久久| 婷婷五月天天| 丁香六月啪| 久久激情婷婷| 丁香婷婷狠狠97| 9+1视频网址| 亚洲va成人va成人va在线观看| 亚洲国产精品综合色区| 高潮毛片遮挡费高一百度| 五月丁香欧美综合| 久久五月天 91| www.91五月| A片试看50分钟做受视频| 91碰碰| 另类综合激情| 日日爽夜夜爽| 午夜五月天| 欧美综合五月丁香六月婷| 99热 在线观看| 欧美欧盟性爱网| 日本一道久久| 久久狠狠干| 99碰视频| 久久久婷婷色五月资源网|