• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進(jìn)YOLOv3的工業(yè)安監(jiān)目標(biāo)檢測(cè)算法

    2021-05-07 09:55:22趙春暉
    關(guān)鍵詞:安全帽口罩尺度

    趙春暉, 李 瑞, 宿 南

    (哈爾濱工程大學(xué) 信息與通信工程學(xué)院, 黑龍江 哈爾濱 150001)

    近年來(lái),隨著監(jiān)控?cái)z像頭的普及,公共安全越來(lái)越被重視[1].此外,計(jì)算機(jī)視覺(jué)蓬勃發(fā)展,智能監(jiān)控應(yīng)運(yùn)而生,智能監(jiān)控是利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)視頻信號(hào)進(jìn)行處理、分析和理解.而在智能監(jiān)控中,一個(gè)重要的研究方向是目標(biāo)檢測(cè),目標(biāo)檢測(cè)是在圖像中定位并分類(lèi)出感興趣的目標(biāo).而基于工業(yè)安監(jiān)領(lǐng)域的目標(biāo)檢測(cè),由于相機(jī)的俯仰角,會(huì)使成像存在近大遠(yuǎn)小的特點(diǎn),產(chǎn)生小目標(biāo).而在通用目標(biāo)檢測(cè)模型中,特征提取網(wǎng)絡(luò)都存在下采樣的過(guò)程,小目標(biāo)在下采樣之后,特征圖非常小,導(dǎo)致檢測(cè)器檢測(cè)效果不好.另外,在很多情況下,數(shù)據(jù)集中的小目標(biāo)樣本少,導(dǎo)致神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)的過(guò)程中被大目標(biāo)主導(dǎo),使得目標(biāo)檢測(cè)算法檢測(cè)小目標(biāo)的能力較差.上述原因?qū)е卢F(xiàn)有的算法很難滿(mǎn)足實(shí)際需要,因此設(shè)計(jì)一個(gè)有較高魯棒性的目標(biāo)檢測(cè)算法很有必要.

    目標(biāo)檢測(cè)可以分為傳統(tǒng)算法和深度學(xué)習(xí)算法[2].隨著R-CNN等深度學(xué)習(xí)方法的出現(xiàn),深度學(xué)習(xí)方法在特征提取層面優(yōu)于傳統(tǒng)方法的手動(dòng)特征,開(kāi)啟了基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法的熱潮.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法大致分為2類(lèi).

    1) 雙階段方法.主要思路是先通過(guò)啟發(fā)式方法或者CNN網(wǎng)絡(luò)產(chǎn)生一系列稀疏的候選框,然后對(duì)這些候選框進(jìn)行分類(lèi)和回歸.這類(lèi)方法的優(yōu)點(diǎn)是準(zhǔn)確度高,但往往速度較慢.

    2) 單階段方法.主要思路是均勻地在圖片的不同位置上密集抽樣,然后利用CNN提取特征后直接分類(lèi)和回歸,整個(gè)過(guò)程只需一步,因此速度較快.

    在雙階段算法中,Girshick等[3]于2014年提出R-CNN(region conventional neural network),Ren等[4]在2017年提出Faster R-CNN,分別利用卷積神經(jīng)網(wǎng)絡(luò)和RPN提高了目標(biāo)檢測(cè)的性能.2014年He等[5]提出了SPP-Net,解決了神經(jīng)網(wǎng)絡(luò)要求固定輸入尺寸的問(wèn)題.2016年Dai等[6]提出了R-FCN,利用position sensitive score map把目標(biāo)的定位信息融合進(jìn)ROI pooling,保證了分類(lèi)所需要的平移不變性.Cai等[7]提出了Cascade R-CNN,該方法通過(guò)級(jí)聯(lián)不同IOU閾值(界定正負(fù)樣本)的輸出,使不同IOU值檢測(cè)與其相對(duì)應(yīng)的IOU值的目標(biāo).在單階段算法中,Redmon等[8]在2016年提出了YOLOv1(you only look once:unified,real-time object detection),創(chuàng)造性地提出了單階段目標(biāo)檢測(cè)算法,將分類(lèi)和回歸在一個(gè)步驟中完成,極大地提高了目標(biāo)檢測(cè)速度.Liu等[9]在2016年提出了SSD算法(singleshot multibox detector),相對(duì)于YOLOv1,其通過(guò)多尺度特征圖,利用卷積進(jìn)行檢測(cè)和設(shè)置先驗(yàn)框提高了準(zhǔn)確度.Redmon等[10]在2018年提出了YOLOv3,其借鑒了殘差網(wǎng)絡(luò)的結(jié)構(gòu),形成了更深的網(wǎng)絡(luò)層次及多尺度預(yù)測(cè),提升了檢測(cè)多類(lèi)平均精度和小目標(biāo)檢測(cè)效果;Tan等[11]在2019提出了一種加權(quán)的雙向特征金字塔結(jié)構(gòu)BiFPN,用于快速特征融合,之后提出了新的聯(lián)合放縮方式,將檢測(cè)網(wǎng)絡(luò)的4部分進(jìn)行了統(tǒng)一處理,以EfficientNet作為backbone,生成了高效快速,適用于不同計(jì)算條件的檢測(cè)網(wǎng)絡(luò),但該方法較難訓(xùn)練.

    由于智能監(jiān)控的目標(biāo)檢測(cè)算法需要處理實(shí)時(shí)視頻數(shù)據(jù),需要較高的推理速度,而雙階段算法在速度上明顯差于單階段算法,因此選用單階段算法.而在經(jīng)典的單階段算法中,SSD和RetinaNet[12]在總體性能上已經(jīng)落后于YOLOv3,YOLOv4和YOLOv5相較于YOLOv3并沒(méi)有實(shí)質(zhì)的改進(jìn),而是各種tricks的組合,并且各種組合對(duì)不同的數(shù)據(jù)集的表現(xiàn)不一致,而對(duì)YOLOv3的改進(jìn)可以很好的兼容到后續(xù)YOLOv4、YOLOv5.EfficientNet由于參數(shù)多、訓(xùn)練難度大,對(duì)GPU的要求非常高,因此本實(shí)驗(yàn)選取YOLOv3作為基礎(chǔ)算法,對(duì)其進(jìn)行研究和改進(jìn).

    為了提高YOLOv3對(duì)小目標(biāo)的檢測(cè)精度及多尺度目標(biāo)的魯棒性,首先利用數(shù)據(jù)增強(qiáng)對(duì)部分?jǐn)?shù)據(jù)進(jìn)行填充并放縮,形成小目標(biāo)樣本;接著將backbone提取的特征接多尺度池化層,捕捉到多個(gè)尺度的目標(biāo)信息.在整個(gè)網(wǎng)絡(luò)中,采用更加平滑的Mish[13]激活函數(shù),而對(duì)于某些對(duì)算法處理速度要求不高的場(chǎng)景,采用多尺度測(cè)試進(jìn)一步提高檢測(cè)算法的檢測(cè)精度.

    1 YOLOv3改進(jìn)算法

    1.1 YOLOv3原理簡(jiǎn)介

    YOLO系列算法的輸入是整張圖像,利用整張圖像的上下文信息直接從像素獲得可能的類(lèi)別以及回歸邊界框,是一種端到端的算法,沒(méi)有生成候選區(qū)域的中間步驟,因此能夠快速的將目標(biāo)與背景區(qū)域區(qū)分.YOLOv2[14]的骨干網(wǎng)絡(luò)是Darknet-19,YOLOv3則參考了殘差網(wǎng)絡(luò)的結(jié)構(gòu),在骨干網(wǎng)絡(luò)中引入了殘差塊,因此能夠降低訓(xùn)練深層網(wǎng)絡(luò)的難度,并且其骨干網(wǎng)絡(luò)的深度也擴(kuò)展到Darknet-53.Darknet-53含有53個(gè)卷積層,每個(gè)卷積層包含卷積運(yùn)算、批歸一化處理和Leaky ReLU[15]激活函數(shù),Darknet-53輸出3個(gè)尺度的特征圖,大小分別是input-size/32、input-size/16、input-size/8,3個(gè)尺度的特征輸入到檢測(cè)網(wǎng)絡(luò)的感受野依次減小,最小的輸出特征圖的大小為輸入的1/32,感受野較大適合檢測(cè)大目標(biāo).同理,其他尺度2個(gè)適合檢測(cè)中目標(biāo)和小目標(biāo).

    1.2 改進(jìn)的YOLOv3系列目標(biāo)檢測(cè)算法

    針對(duì)實(shí)際監(jiān)控?cái)?shù)據(jù)的多尺度和小目標(biāo)問(wèn)題,從檢測(cè)網(wǎng)絡(luò)的4部分著手,對(duì)YOLOv3的輸入、骨干網(wǎng)絡(luò)和detection neck進(jìn)行了研究及優(yōu)化.如圖1所示,改進(jìn)分為2個(gè)方向:①利用目標(biāo)可變占比的數(shù)據(jù)增強(qiáng)算法數(shù),從數(shù)據(jù)層面改善算法精度;②改變了YOLOv3的算法結(jié)構(gòu):在neck部分采用了多尺度池化層,從特征融合層面提高YOLOv3算法的檢測(cè)精度.

    圖1 改進(jìn)的算法結(jié)構(gòu)Fig.1 Improved algorithm structure

    1.2.1 目標(biāo)可變占比的數(shù)據(jù)增強(qiáng)算法

    選取的YOLO算法包含水平翻轉(zhuǎn)、隨機(jī)裁剪、隨機(jī)平移數(shù)據(jù)增強(qiáng)算法.這些數(shù)據(jù)增強(qiáng)的方法都沒(méi)有涉及到對(duì)數(shù)據(jù)尺度方面的增強(qiáng),而研究的2個(gè)數(shù)據(jù)集小目標(biāo)都比較多,針對(duì)這2個(gè)數(shù)據(jù)集中小目標(biāo)比較多的特點(diǎn)及原始存在的數(shù)據(jù)增強(qiáng)對(duì)小目標(biāo)并沒(méi)有較好的改善作用,在訓(xùn)練階段應(yīng)用目標(biāo)可變占比數(shù)據(jù)增強(qiáng)算法(variable target percentage algorithm,VTP)改善算法對(duì)小目標(biāo)的精度.其算法的表達(dá)式如式(1)、(2)所示.

    式中:Fimgin(x,y)|w=t′

    (a) 原圖(b) VTP后圖像

    圖3 多尺度池化層Fig.3 Multi-scale pooling layer

    1.2.2 多尺度特征池化層

    池化操作在神經(jīng)網(wǎng)絡(luò)不可或缺,它能夠在盡可能保留圖片主要信息的情況下降低圖片或是特征的尺寸,能減少計(jì)算量及特征的數(shù)量,使得網(wǎng)絡(luò)更加專(zhuān)注于主要特征,增大卷積核的感受野,增強(qiáng)神經(jīng)網(wǎng)絡(luò)的擬合能力.

    多尺度池化層(multi-scale pooling layer,MSP)將特征通過(guò)不同的最大池化(輸出與輸入尺寸相同)后進(jìn)行拼接,能夠捕捉不同尺度下的特征,提高了算法對(duì)不同尺度目標(biāo)的敏感度,進(jìn)而提高算法的魯棒性.此外,該模塊能夠擴(kuò)大神經(jīng)網(wǎng)絡(luò)的感受野,使網(wǎng)絡(luò)學(xué)習(xí)到更好的特征.本文的多尺度特征池化模塊中,有如圖3所示的4個(gè)不同大小的池化結(jié)構(gòu),能捕捉不同尺度的有效特征,使提取的特征的魯棒性更好.該模塊函數(shù)表達(dá)式如式(3)所示.

    式中:FMSP_in為多尺度池化層的輸入特征;max_pool_1、max_pool_5、max_pool_9、max_pool_13分別為1×1、5×5、9×9、13×13最大池化:concat表示對(duì)特征張量進(jìn)行拼接,FMSP_out為多尺度池化層輸出的融合特征.

    2 實(shí)驗(yàn)、結(jié)果及分析

    2.1 實(shí)驗(yàn)

    實(shí)驗(yàn)在安全帽佩戴和口罩佩戴2個(gè)數(shù)據(jù)集上進(jìn)行,包括工地、工廠、培訓(xùn)教室等工業(yè)安監(jiān)場(chǎng)景.在安全帽佩戴數(shù)據(jù)集中包含訓(xùn)練集5 677張、測(cè)試集1 894張,部分?jǐn)?shù)據(jù)如圖4所示.在口罩佩戴數(shù)據(jù)集中包含訓(xùn)練集6 468張、測(cè)試集2 772張,部分?jǐn)?shù)據(jù)如圖5所示.

    圖4 安全帽佩戴數(shù)據(jù)集樣圖Fig.4 Sample images of helmet wearing data-set

    圖5 口罩佩戴數(shù)據(jù)集樣圖Fig.5 Sample images of mask wearing data-set

    從圖4、圖5可以看出,這2個(gè)數(shù)據(jù)集尺度多樣化,目標(biāo)大小差異較大,算法需要提高對(duì)不同大小目標(biāo)檢測(cè)的魯棒性.

    2.1.1 操作平臺(tái)配置

    操作系統(tǒng)為Ubuntu16.04,處理器為Inter(R)Core(TM) i5-6500,主頻3.2GHz,內(nèi)存32GB,GPU為1080Ti.

    2.1.2 實(shí)驗(yàn)參數(shù)

    激活函數(shù)將Leaky ReLu 替換為Mish激活函數(shù).

    訓(xùn)練參數(shù):batch=2;input_size=[320, 416, 512, 608, 704, 800,896,992];Lr_st=e-4;Lr_end=e-6;warm_ep=2;total_ep=80.測(cè)試參數(shù):bacth=2;input_size=544;置信度閾值0.3;IOU閾值0.45.

    當(dāng)?shù)螖?shù)x小于設(shè)置回暖次數(shù)(warmup_ep)時(shí),學(xué)習(xí)率Lr與迭代次數(shù)x成正比,當(dāng)兩者相等時(shí),學(xué)習(xí)率達(dá)到最大值Lr_st,之后學(xué)習(xí)率隨著迭代次數(shù)的增加不斷減小,且變化較快.

    2.2 結(jié)果

    表1和表2是基礎(chǔ)算法和改進(jìn)算法在安全帽數(shù)據(jù)集和口罩?jǐn)?shù)據(jù)集上的結(jié)果,表中:單類(lèi)平均精度是目標(biāo)檢測(cè)單類(lèi)的綜合評(píng)價(jià)指標(biāo),是準(zhǔn)確率和召回率與坐標(biāo)軸圍成的面積;多類(lèi)平均精度是不同類(lèi)別平均精度的平均值.

    表1 安全帽佩戴檢測(cè)最佳實(shí)驗(yàn)結(jié)果Table 1 Optimal experimental results of helmet detection

    表2 口罩佩戴檢測(cè)最佳實(shí)驗(yàn)結(jié)果Table 2 Optimal experimental results of mask detection

    表1為安全帽佩戴檢測(cè)的基礎(chǔ)實(shí)驗(yàn)結(jié)果和最佳實(shí)驗(yàn)結(jié)果,改進(jìn)算法在多類(lèi)目標(biāo)上的檢測(cè)平均精度都有提高,在佩戴安全帽人員上,平均精度提高2.60%,在未佩戴安全帽人員上,平均精度提高0.48%,多類(lèi)平均精度提高1.54%,且改進(jìn)算法與原算法在測(cè)試時(shí)間上相當(dāng).

    表2為口罩佩戴檢測(cè)基礎(chǔ)實(shí)驗(yàn)結(jié)果和最佳實(shí)驗(yàn)結(jié)果,改進(jìn)算法在佩戴口罩人員上平均精度提高0.34%,在未佩戴口罩人員上平均精度提高4.22%,多類(lèi)平均精度提高2.28%,改進(jìn)算法和基礎(chǔ)算法耗時(shí)相當(dāng).

    圖6 、圖7分別為佩戴安全帽和口罩部分檢測(cè)結(jié)果示意圖(見(jiàn)封3),在佩戴安全帽數(shù)據(jù)中,藍(lán)色方框代表佩戴安全帽,黃色方框代表未佩戴安全帽;在口罩?jǐn)?shù)據(jù)集中,藍(lán)色方框代表未佩戴口罩,黃色方框代表佩戴口罩.

    本文實(shí)驗(yàn)是在單尺度測(cè)試下進(jìn)行,從圖6和圖7都能看出,對(duì)于原始算法中一些漏檢的小目標(biāo),改進(jìn)算法能夠準(zhǔn)確的回歸并分類(lèi),提高了對(duì)小目標(biāo)的檢測(cè)能力.

    (a) YOLOv3基礎(chǔ)算法結(jié)果(b) YOLOv3+MSP+VTP算法結(jié)果

    (a) YOLOv3基礎(chǔ)算法結(jié)果(b) YOLOv3+MSP+VTP算法結(jié)果

    表3、表4分別為安全帽佩戴檢測(cè)消融實(shí)驗(yàn)結(jié)果和口罩佩戴檢測(cè)消融實(shí)驗(yàn)結(jié)果,包括基礎(chǔ)實(shí)驗(yàn)結(jié)果、單一改進(jìn)方法實(shí)驗(yàn)結(jié)果、組合改進(jìn)方法實(shí)驗(yàn)結(jié)果,其中MST是多尺度測(cè)試,采用單類(lèi)平均精度、多類(lèi)平均精度和時(shí)間消耗評(píng)價(jià)指標(biāo).

    表3 安全帽佩戴檢測(cè)消融實(shí)驗(yàn)Table 3 Ablation experiment of helmet detection

    表4 口罩佩戴檢測(cè)消融實(shí)驗(yàn)Table 4 Ablation experiment of mask detection

    2.3 分析

    2.3.1 安全帽數(shù)據(jù)集

    從表3可以看出,單個(gè)改進(jìn)方法均能夠在一定程度上提高多類(lèi)平均精度(MST方法提高4.72%, MSP方法提高1.53%, VTP方法提高1.90%).在組合改進(jìn)方法中,VTP+MSP方法提高1.54%,檢測(cè)速度基本不變;VTP+MST方法提高4.83%,但檢測(cè)速度大幅度降低,可見(jiàn)多尺度測(cè)試在犧牲速度的前提下極大地提高了檢測(cè)的精度.

    2.3.2 口罩佩戴數(shù)據(jù)集

    從表4可以看出,單個(gè)改進(jìn)方法均能夠在一定程度上提高多類(lèi)平均精度(MST方法提高3.94%, MSP方法提高2.43%, VTP方法提高1.96%).在組合改進(jìn)方法中,VTP+MST方法多類(lèi)平均精度提高2.28%,檢測(cè)速度基本不變;VTP+MST方法多類(lèi)平均精度提高4.62%,但檢測(cè)速度大幅度降低,可見(jiàn),采用多尺度測(cè)試在犧牲速度的前提下極大地提高了檢測(cè)的精度.

    從表3、表4結(jié)果和圖6圖7可以看出,改進(jìn)方法在2個(gè)數(shù)據(jù)集中多類(lèi)平均精度均有所提高.VTP方法能夠從數(shù)據(jù)層面解決訓(xùn)練樣本小目標(biāo)較少的問(wèn)題,使得神經(jīng)網(wǎng)絡(luò)不被數(shù)據(jù)量較大的大目標(biāo)主導(dǎo).MSP在特征層面能夠保留更具表征目標(biāo)信息的特征.而多尺度測(cè)試則通過(guò)不同尺寸的輸入以犧牲速度的代價(jià)下提高精度.從VTP+MSP方法的實(shí)驗(yàn)的結(jié)果可以發(fā)現(xiàn),對(duì)于安全帽數(shù)據(jù)集,VTP+MSP方法優(yōu)于MSP方法而劣于VTP方法,在口罩?jǐn)?shù)據(jù)集上,該結(jié)果相反,該結(jié)果是數(shù)據(jù)集本身的特點(diǎn)決定的,安全帽數(shù)據(jù)集相對(duì)于口罩?jǐn)?shù)據(jù)集,所含有的小目標(biāo)樣本較少,因此,通過(guò)VTP數(shù)據(jù)增強(qiáng)能夠獲得更好的效果,而口罩?jǐn)?shù)據(jù)集本身小目標(biāo)樣本較多,對(duì)于特征的操作則更有效.從該實(shí)驗(yàn)可以看出VTP+MSP方法更具魯棒性.

    3 結(jié) 論

    本文針對(duì)在工業(yè)安監(jiān)中出現(xiàn)的小目標(biāo)問(wèn)題,在YOLOv3上進(jìn)行了改進(jìn),并通過(guò)實(shí)驗(yàn)驗(yàn)證了改進(jìn)方法的有效性.在單尺度測(cè)試下,MSP+VTP方法能夠提高算法對(duì)小目標(biāo)的檢測(cè)精度,并在不同數(shù)據(jù)集下具有較好的魯棒性.在多尺度測(cè)試下,VTP+MST方法能夠在較大程度上提高檢測(cè)精度,但從表3、表4可以看出,采用MST的時(shí)間消耗為原來(lái)的2倍以上.而如何提高工業(yè)安監(jiān)中遮擋目標(biāo)檢測(cè)的精度是下一個(gè)要研究的問(wèn)題.

    猜你喜歡
    安全帽口罩尺度
    礦工有無(wú)數(shù)頂安全帽
    小小安全帽,生命保護(hù)傘
    財(cái)產(chǎn)的五大尺度和五重應(yīng)對(duì)
    戴口罩的苦與樂(lè)
    意林(2020年9期)2020-06-01 07:26:22
    因?yàn)橐粋€(gè)口罩,我決定離婚了
    海峽姐妹(2020年4期)2020-05-30 13:00:08
    霧霾口罩
    要戴口罩的霧霾天
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    9
    膚色檢測(cè)和Hu矩在安全帽識(shí)別中的應(yīng)用
    99在线人妻在线中文字幕| 日本a在线网址| 在线观看免费午夜福利视频| 又爽又黄无遮挡网站| 亚洲中文字幕一区二区三区有码在线看| 午夜精品一区二区三区免费看| 99热6这里只有精品| 夜夜爽天天搞| 给我免费播放毛片高清在线观看| 夜夜躁狠狠躁天天躁| 一级黄色大片毛片| 美女高潮喷水抽搐中文字幕| 久久久久国内视频| 久久久国产成人精品二区| 成人18禁在线播放| 一进一出好大好爽视频| 中文字幕av成人在线电影| 久久久久久九九精品二区国产| 美女黄网站色视频| 国产亚洲av嫩草精品影院| 国产av一区在线观看免费| 婷婷亚洲欧美| 黄色女人牲交| 俺也久久电影网| 欧美中文综合在线视频| 日本成人三级电影网站| 国产精品久久久久久精品电影| 亚洲黑人精品在线| 午夜久久久久精精品| 日本熟妇午夜| 久久这里只有精品中国| 一区二区三区免费毛片| 亚洲人成网站高清观看| 一区二区三区激情视频| 99精品欧美一区二区三区四区| 免费搜索国产男女视频| 亚洲人成网站在线播| 日韩国内少妇激情av| 亚洲国产精品sss在线观看| av在线天堂中文字幕| 中文字幕精品亚洲无线码一区| 国产伦精品一区二区三区四那| av在线蜜桃| 十八禁网站免费在线| 好男人在线观看高清免费视频| 最近最新中文字幕大全电影3| 国产老妇女一区| 国产免费av片在线观看野外av| 母亲3免费完整高清在线观看| 国产精品久久电影中文字幕| 欧美不卡视频在线免费观看| 久久精品夜夜夜夜夜久久蜜豆| 亚洲aⅴ乱码一区二区在线播放| 亚洲欧美精品综合久久99| 亚洲欧美日韩东京热| av国产免费在线观看| 两个人视频免费观看高清| 亚洲精品456在线播放app | 性色avwww在线观看| 黄色丝袜av网址大全| 欧美日韩精品网址| 男女床上黄色一级片免费看| 午夜激情福利司机影院| 在线十欧美十亚洲十日本专区| 欧美在线黄色| 一边摸一边抽搐一进一小说| 夜夜躁狠狠躁天天躁| 悠悠久久av| 床上黄色一级片| 日韩高清综合在线| 色精品久久人妻99蜜桃| 精品一区二区三区视频在线观看免费| 亚洲中文日韩欧美视频| 免费人成在线观看视频色| 啦啦啦观看免费观看视频高清| 国产精品1区2区在线观看.| 男女做爰动态图高潮gif福利片| 亚洲精华国产精华精| 黄色丝袜av网址大全| 亚洲国产高清在线一区二区三| 岛国视频午夜一区免费看| 久久性视频一级片| 国产亚洲精品av在线| 2021天堂中文幕一二区在线观| 免费大片18禁| 国内久久婷婷六月综合欲色啪| 国产亚洲精品久久久久久毛片| 在线免费观看的www视频| 成年人黄色毛片网站| 免费观看精品视频网站| 午夜影院日韩av| 一夜夜www| 成人亚洲精品av一区二区| 网址你懂的国产日韩在线| 精品国产美女av久久久久小说| 最近最新中文字幕大全免费视频| 成人性生交大片免费视频hd| 亚洲第一电影网av| 99久久精品一区二区三区| 老司机在亚洲福利影院| 桃色一区二区三区在线观看| 精品久久久久久久久久久久久| 在线观看舔阴道视频| 国产精品1区2区在线观看.| 色哟哟哟哟哟哟| 久久久久国产精品人妻aⅴ院| 搞女人的毛片| 欧美黄色片欧美黄色片| 午夜激情欧美在线| 白带黄色成豆腐渣| 久久久久久久久久黄片| 久99久视频精品免费| 国产亚洲精品av在线| 日本与韩国留学比较| 九九热线精品视视频播放| www.色视频.com| 搡老熟女国产l中国老女人| 中文亚洲av片在线观看爽| 亚洲成人精品中文字幕电影| 美女黄网站色视频| 亚洲av一区综合| 国产高清有码在线观看视频| 久久九九热精品免费| 欧美一级毛片孕妇| 怎么达到女性高潮| 久久精品亚洲精品国产色婷小说| 两性午夜刺激爽爽歪歪视频在线观看| 又黄又爽又免费观看的视频| 不卡一级毛片| 美女免费视频网站| 欧美午夜高清在线| 偷拍熟女少妇极品色| 性色avwww在线观看| 成人鲁丝片一二三区免费| 亚洲第一电影网av| 亚洲av二区三区四区| 人人妻,人人澡人人爽秒播| 床上黄色一级片| 成人av一区二区三区在线看| 欧美三级亚洲精品| 亚洲国产精品sss在线观看| 亚洲国产欧美人成| 亚洲欧美精品综合久久99| 99视频精品全部免费 在线| 国产三级黄色录像| 日韩欧美在线二视频| 精品国产超薄肉色丝袜足j| 亚洲精品粉嫩美女一区| 欧美日韩亚洲国产一区二区在线观看| 久久久久久九九精品二区国产| 欧美日韩乱码在线| 高潮久久久久久久久久久不卡| 国产三级中文精品| 最近最新免费中文字幕在线| 成人欧美大片| 日韩欧美一区二区三区在线观看| 三级毛片av免费| www日本在线高清视频| 久久久久久久久大av| 在线观看日韩欧美| 久久国产精品影院| 香蕉丝袜av| 日韩欧美在线二视频| 每晚都被弄得嗷嗷叫到高潮| 日本 欧美在线| 国产激情欧美一区二区| 色综合亚洲欧美另类图片| 亚洲国产色片| 变态另类成人亚洲欧美熟女| 我要搜黄色片| 中文在线观看免费www的网站| 欧美+亚洲+日韩+国产| 最近最新中文字幕大全免费视频| 午夜视频国产福利| 午夜a级毛片| 免费观看的影片在线观看| 18+在线观看网站| avwww免费| 久久午夜亚洲精品久久| 成人国产综合亚洲| 国产一区二区在线av高清观看| 欧美一级毛片孕妇| 亚洲av成人不卡在线观看播放网| 99riav亚洲国产免费| 人人妻人人看人人澡| av欧美777| 精品熟女少妇八av免费久了| 一级黄色大片毛片| 51午夜福利影视在线观看| 黑人欧美特级aaaaaa片| 国产精品香港三级国产av潘金莲| 热99re8久久精品国产| 精品福利观看| 免费观看人在逋| 国产 一区 欧美 日韩| 欧美又色又爽又黄视频| 午夜精品在线福利| 国产精品99久久99久久久不卡| 哪里可以看免费的av片| 99久久成人亚洲精品观看| 在线观看av片永久免费下载| a在线观看视频网站| 午夜免费男女啪啪视频观看 | 操出白浆在线播放| 亚洲专区国产一区二区| 国产黄色小视频在线观看| 国产成人av激情在线播放| 91av网一区二区| 日韩亚洲欧美综合| 黄色成人免费大全| 极品教师在线免费播放| 成人欧美大片| 精品乱码久久久久久99久播| 亚洲男人的天堂狠狠| 国产精品综合久久久久久久免费| 嫩草影院入口| 成人精品一区二区免费| 香蕉av资源在线| 97超级碰碰碰精品色视频在线观看| 中文亚洲av片在线观看爽| 国内毛片毛片毛片毛片毛片| 免费一级毛片在线播放高清视频| 久久久久国产精品人妻aⅴ院| 天堂√8在线中文| 成人亚洲精品av一区二区| 国产爱豆传媒在线观看| 国产精华一区二区三区| 在线十欧美十亚洲十日本专区| 十八禁网站免费在线| 精品日产1卡2卡| 一区二区三区高清视频在线| 男人的好看免费观看在线视频| 欧美+日韩+精品| 国产欧美日韩精品亚洲av| 两人在一起打扑克的视频| 亚洲无线观看免费| 一级a爱片免费观看的视频| 日日干狠狠操夜夜爽| 国内久久婷婷六月综合欲色啪| 亚洲成人久久性| 欧美zozozo另类| 看片在线看免费视频| 日韩欧美一区二区三区在线观看| 很黄的视频免费| 亚洲电影在线观看av| а√天堂www在线а√下载| 欧美最黄视频在线播放免费| 国产91精品成人一区二区三区| 老司机午夜十八禁免费视频| 久久久久久人人人人人| 国产亚洲av嫩草精品影院| 757午夜福利合集在线观看| 色综合站精品国产| 精品久久久久久久久久免费视频| 他把我摸到了高潮在线观看| 欧洲精品卡2卡3卡4卡5卡区| eeuss影院久久| 51国产日韩欧美| 九九在线视频观看精品| 天天躁日日操中文字幕| 亚洲最大成人中文| 观看美女的网站| 窝窝影院91人妻| 丰满的人妻完整版| 亚洲国产中文字幕在线视频| 国产一区在线观看成人免费| 美女 人体艺术 gogo| 又黄又爽又免费观看的视频| 日韩 欧美 亚洲 中文字幕| 亚洲七黄色美女视频| 亚洲人成伊人成综合网2020| 亚洲欧美日韩高清在线视频| 国产极品精品免费视频能看的| 黄色女人牲交| 俺也久久电影网| 免费观看精品视频网站| 日韩精品青青久久久久久| 欧美一区二区亚洲| 很黄的视频免费| 亚洲天堂国产精品一区在线| 999久久久精品免费观看国产| 国产欧美日韩一区二区三| 美女cb高潮喷水在线观看| 国产探花在线观看一区二区| 日本五十路高清| 51午夜福利影视在线观看| 久久久久精品国产欧美久久久| 1000部很黄的大片| 国产三级黄色录像| 国产精品久久电影中文字幕| 国产一区二区在线观看日韩 | 九九在线视频观看精品| 久久精品91无色码中文字幕| 一本综合久久免费| 久久精品国产清高在天天线| 久9热在线精品视频| 国产色婷婷99| 国内少妇人妻偷人精品xxx网站| 制服丝袜大香蕉在线| 国产高清videossex| 国产成人系列免费观看| 久久精品国产99精品国产亚洲性色| 久久久久久人人人人人| av女优亚洲男人天堂| 精品不卡国产一区二区三区| 嫩草影院入口| 欧美最新免费一区二区三区 | 嫁个100分男人电影在线观看| 老熟妇乱子伦视频在线观看| 免费人成视频x8x8入口观看| 少妇高潮的动态图| 啪啪无遮挡十八禁网站| 激情在线观看视频在线高清| 天美传媒精品一区二区| 精品久久久久久久人妻蜜臀av| 欧美日本亚洲视频在线播放| 亚洲国产精品成人综合色| 精品国内亚洲2022精品成人| 日韩人妻高清精品专区| 久久久久久久精品吃奶| 国产aⅴ精品一区二区三区波| 久久久久久人人人人人| 日韩欧美免费精品| 国产在视频线在精品| 99国产极品粉嫩在线观看| 国产精品女同一区二区软件 | 国产高清videossex| av欧美777| 色综合欧美亚洲国产小说| 午夜福利在线在线| 免费看十八禁软件| 99视频精品全部免费 在线| 欧美成人a在线观看| 少妇熟女aⅴ在线视频| 在线观看美女被高潮喷水网站 | 亚洲色图av天堂| 欧美成人性av电影在线观看| 激情在线观看视频在线高清| 免费观看人在逋| 天堂网av新在线| 99国产极品粉嫩在线观看| 亚洲aⅴ乱码一区二区在线播放| 最新美女视频免费是黄的| 国产高清激情床上av| 亚洲欧美精品综合久久99| 村上凉子中文字幕在线| www国产在线视频色| 色在线成人网| 欧美成人免费av一区二区三区| 欧美av亚洲av综合av国产av| 精品日产1卡2卡| 五月伊人婷婷丁香| 欧美中文综合在线视频| 一进一出好大好爽视频| 久久久久久久亚洲中文字幕 | 嫁个100分男人电影在线观看| 国产老妇女一区| 一边摸一边抽搐一进一小说| 欧美三级亚洲精品| 精品一区二区三区视频在线 | 欧美丝袜亚洲另类 | 亚洲 欧美 日韩 在线 免费| 亚洲av免费高清在线观看| 精品一区二区三区视频在线观看免费| 99在线视频只有这里精品首页| 色哟哟哟哟哟哟| 国产欧美日韩一区二区精品| 伊人久久大香线蕉亚洲五| 亚洲人与动物交配视频| 人人妻人人澡欧美一区二区| www国产在线视频色| 亚洲精品日韩av片在线观看 | 97碰自拍视频| xxxwww97欧美| 少妇人妻一区二区三区视频| 老司机福利观看| 午夜a级毛片| 欧洲精品卡2卡3卡4卡5卡区| 免费电影在线观看免费观看| 亚洲av成人精品一区久久| 99精品欧美一区二区三区四区| 欧美一级a爱片免费观看看| 日韩欧美三级三区| 窝窝影院91人妻| 悠悠久久av| 国产精华一区二区三区| 一区二区三区高清视频在线| 亚洲人成伊人成综合网2020| 91av网一区二区| 亚洲av不卡在线观看| 一a级毛片在线观看| 内地一区二区视频在线| 美女黄网站色视频| 日日夜夜操网爽| 久久久国产精品麻豆| 91在线观看av| 日本免费a在线| 亚洲国产精品合色在线| 欧美成人一区二区免费高清观看| 国产99白浆流出| 亚洲国产色片| 亚洲精品一区av在线观看| 欧美中文日本在线观看视频| 搡女人真爽免费视频火全软件 | 男人舔女人下体高潮全视频| 午夜久久久久精精品| 深夜精品福利| 看片在线看免费视频| 最近视频中文字幕2019在线8| 香蕉久久夜色| 亚洲黑人精品在线| 夜夜看夜夜爽夜夜摸| 国产欧美日韩一区二区精品| 人人妻,人人澡人人爽秒播| 首页视频小说图片口味搜索| 搡女人真爽免费视频火全软件 | 在线视频色国产色| 日本三级黄在线观看| 国产91精品成人一区二区三区| 国产成人a区在线观看| 变态另类丝袜制服| 欧美日本视频| 欧美成人性av电影在线观看| 久久香蕉精品热| 男人和女人高潮做爰伦理| 国产高潮美女av| 中文字幕精品亚洲无线码一区| 亚洲美女黄片视频| 日本在线视频免费播放| 五月玫瑰六月丁香| 在线国产一区二区在线| 女人十人毛片免费观看3o分钟| 国产精品99久久99久久久不卡| 国产成人影院久久av| 亚洲成人久久性| 老司机午夜十八禁免费视频| 男人舔女人下体高潮全视频| 国产在线精品亚洲第一网站| 19禁男女啪啪无遮挡网站| 在线观看舔阴道视频| 欧美成人性av电影在线观看| 亚洲成人免费电影在线观看| 在线观看免费午夜福利视频| 成人三级黄色视频| 一本精品99久久精品77| 国产一区二区激情短视频| 欧美高清成人免费视频www| 国产伦人伦偷精品视频| 麻豆成人av在线观看| 国产精品嫩草影院av在线观看 | 国产亚洲精品一区二区www| 久久久久久久精品吃奶| 国产午夜福利久久久久久| 三级毛片av免费| 91av网一区二区| av黄色大香蕉| 美女黄网站色视频| 中文字幕人妻熟人妻熟丝袜美 | 内地一区二区视频在线| 欧美日韩黄片免| 精品欧美国产一区二区三| 成人国产一区最新在线观看| 亚洲欧美精品综合久久99| 精品国产美女av久久久久小说| 国产探花在线观看一区二区| 制服丝袜大香蕉在线| 亚洲精品一卡2卡三卡4卡5卡| 给我免费播放毛片高清在线观看| av天堂在线播放| 精品久久久久久成人av| 亚洲av成人av| 搞女人的毛片| 男插女下体视频免费在线播放| 大型黄色视频在线免费观看| 亚洲av不卡在线观看| 丰满人妻一区二区三区视频av | 美女高潮喷水抽搐中文字幕| 91在线观看av| 国产精品久久视频播放| 日韩人妻高清精品专区| 欧美极品一区二区三区四区| 日本精品一区二区三区蜜桃| 91九色精品人成在线观看| 一个人观看的视频www高清免费观看| 精品一区二区三区视频在线观看免费| xxxwww97欧美| 欧美午夜高清在线| 亚洲中文日韩欧美视频| 啪啪无遮挡十八禁网站| 久久久久久人人人人人| 午夜福利成人在线免费观看| 老汉色av国产亚洲站长工具| 国产探花极品一区二区| 给我免费播放毛片高清在线观看| 国产三级在线视频| 中文字幕人妻熟人妻熟丝袜美 | 亚洲av五月六月丁香网| 国产欧美日韩一区二区精品| 97人妻精品一区二区三区麻豆| 国产综合懂色| 欧美性猛交╳xxx乱大交人| 精品福利观看| 女警被强在线播放| 精华霜和精华液先用哪个| 久久人妻av系列| 天天添夜夜摸| 亚洲人成网站在线播放欧美日韩| 非洲黑人性xxxx精品又粗又长| 亚洲片人在线观看| 国产激情欧美一区二区| 99国产精品一区二区蜜桃av| 一区二区三区高清视频在线| 成人亚洲精品av一区二区| 国产精品一区二区三区四区久久| 久久精品亚洲精品国产色婷小说| 美女cb高潮喷水在线观看| 国产男靠女视频免费网站| 丰满人妻熟妇乱又伦精品不卡| 久久精品综合一区二区三区| 精品福利观看| 国产成人av教育| 国产高清激情床上av| 国产欧美日韩精品一区二区| 色播亚洲综合网| 99久久久亚洲精品蜜臀av| 亚洲欧美精品综合久久99| 亚洲国产欧洲综合997久久,| 亚洲最大成人中文| 99在线视频只有这里精品首页| av国产免费在线观看| 高潮久久久久久久久久久不卡| 天美传媒精品一区二区| 日本黄大片高清| 狂野欧美激情性xxxx| 亚洲18禁久久av| 老司机深夜福利视频在线观看| 免费观看的影片在线观看| 亚洲 国产 在线| aaaaa片日本免费| 日韩成人在线观看一区二区三区| 老司机午夜福利在线观看视频| av国产免费在线观看| 亚洲欧美日韩高清在线视频| 岛国在线免费视频观看| 三级国产精品欧美在线观看| 亚洲精品456在线播放app | 国产蜜桃级精品一区二区三区| 少妇的逼水好多| 国产精品久久视频播放| av中文乱码字幕在线| 99久久成人亚洲精品观看| 嫩草影院精品99| 全区人妻精品视频| 国产69精品久久久久777片| 深夜精品福利| 欧美精品啪啪一区二区三区| 日韩有码中文字幕| 国产蜜桃级精品一区二区三区| 9191精品国产免费久久| 美女cb高潮喷水在线观看| 在线视频色国产色| 99热精品在线国产| 91久久精品国产一区二区成人 | 国产亚洲精品久久久com| 欧美av亚洲av综合av国产av| 精品国内亚洲2022精品成人| 男女视频在线观看网站免费| 亚洲av成人不卡在线观看播放网| 制服人妻中文乱码| 日本免费a在线| 亚洲成人久久性| 欧洲精品卡2卡3卡4卡5卡区| 乱人视频在线观看| 国产99白浆流出| 亚洲av电影不卡..在线观看| 久久精品综合一区二区三区| 国产视频一区二区在线看| 欧美中文日本在线观看视频| 床上黄色一级片| 在线观看66精品国产| 夜夜夜夜夜久久久久| 国产成年人精品一区二区| 国产精品乱码一区二三区的特点| 国产精品美女特级片免费视频播放器| 国产精品久久久人人做人人爽| 国产伦一二天堂av在线观看| 欧美乱妇无乱码| avwww免费| 国产亚洲精品av在线| tocl精华| 搡女人真爽免费视频火全软件 | 国产精品日韩av在线免费观看| 欧美日韩综合久久久久久 | 国产高清三级在线| 欧美黑人欧美精品刺激| 成人欧美大片| 51午夜福利影视在线观看| 在线天堂最新版资源| 青草久久国产| 日韩 欧美 亚洲 中文字幕| 久久久久久久久中文| 国产精品 国内视频| 久久人人精品亚洲av| 国产激情欧美一区二区| 最后的刺客免费高清国语| 在线视频色国产色| 亚洲av中文字字幕乱码综合| 一本久久中文字幕| 日韩 欧美 亚洲 中文字幕| 9191精品国产免费久久| 国产精品嫩草影院av在线观看 | 成人鲁丝片一二三区免费| 免费av毛片视频| 免费一级毛片在线播放高清视频| 午夜亚洲福利在线播放|