• <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 ?

    基于注意力機(jī)制的礦工危險(xiǎn)行為檢測算法研究

    2021-05-10 09:51:34李春賀
    煤礦安全 2021年4期
    關(guān)鍵詞:輕量化特征提取注意力

    李春賀

    (中國礦業(yè)大學(xué)(北京)管理學(xué)院,北京100083)

    研究表明,煤炭行業(yè)的重大事故大多是由于工作人員的不當(dāng)操作所導(dǎo)致,因此在生產(chǎn)過程中,對礦工危險(xiǎn)行為的監(jiān)控和預(yù)警是防止發(fā)生事故的重要方法[1-3]。近年來,隨著深度學(xué)習(xí)、人工智能技術(shù)的不斷發(fā)展和應(yīng)用,基于計(jì)算機(jī)視覺的深度學(xué)習(xí)算法逐漸開始應(yīng)用到實(shí)際項(xiàng)目中[4-5]。為了遏制煤炭安全事故,礦井中安裝有大量的監(jiān)控?cái)z像頭,但是工作人員無法同時(shí)關(guān)注多個監(jiān)控?cái)z像頭返回的畫面,因此導(dǎo)致了一定的生產(chǎn)安全隱患產(chǎn)生[2]。使用基于深度學(xué)習(xí)的計(jì)算機(jī)視覺算法完成對煤礦井下礦工危險(xiǎn)行為的檢測和識別,不但可以有效的抑制煤礦安全事故的發(fā)生,更能提高企業(yè)經(jīng)濟(jì)效益。針對煤礦井下背景復(fù)雜、目標(biāo)尺度變化大、小目標(biāo)較多等問題,提出了一種礦工危險(xiǎn)動作檢測算法。該算法在YOLOv3 檢測模型的基礎(chǔ)之上,設(shè)計(jì)了一種輕量化的輕量化的特征提取網(wǎng)絡(luò),在保持模型特征提取能力不變的情況下,極大壓縮了模型體積和計(jì)算量,有效地提升了模型的測試速度。為了解決YOLOv3 算法對于小目標(biāo)的漏檢和誤檢這一問題,設(shè)計(jì)了一種基于注意力機(jī)制的特征融合模塊,該模塊通過空間注意力機(jī)制來融合局部細(xì)節(jié)信息來增強(qiáng)小目標(biāo)的檢測性能,通過通道注意力機(jī)制來融合全局特征來優(yōu)化目標(biāo)檢測的精度。經(jīng)過大量對比試驗(yàn),結(jié)果證明所提出的方法在礦工危險(xiǎn)動作檢測方面具有很好的性能和檢測精度。

    1 研究方法

    1.1 礦工危險(xiǎn)行為定義

    煤炭井下環(huán)境復(fù)雜多變,一旦礦工出現(xiàn)不安全的行為有可能導(dǎo)致重大安全事故產(chǎn)生[6]。為了使用計(jì)算機(jī)視覺技術(shù)高效的監(jiān)控礦工的危險(xiǎn)行為,預(yù)防發(fā)生安全事故,首先需要對礦工的危險(xiǎn)行為進(jìn)行定義[7-9]。根據(jù)實(shí)際需求在項(xiàng)目中,將所需檢測的礦工危險(xiǎn)行為分為“常規(guī)型危險(xiǎn)動作”和“入侵型危險(xiǎn)動作”。其中,常規(guī)型危險(xiǎn)動作主要包括:未佩戴安全帽、未佩戴探照燈、未佩戴防塵罩、使用手機(jī)以及吸煙;入侵型危險(xiǎn)動作包括:進(jìn)入警戒區(qū)域、進(jìn)入軌道。

    1.2 目標(biāo)檢測算法概述

    目前基于深度學(xué)習(xí)的目標(biāo)檢測方法在精度和效率等方面己經(jīng)遠(yuǎn)優(yōu)于傳統(tǒng)方法,成為工業(yè)界和學(xué)術(shù)界一個熱點(diǎn)的研究課題。一般來說,目標(biāo)檢測算法主要分為2 階段目標(biāo)檢測算法和單階段目標(biāo)檢測算法。2 階段目標(biāo)檢測算法[6]精度高,但是實(shí)時(shí)性較差、模型體積大,很難在實(shí)際的項(xiàng)目中直接使用。單階段目標(biāo)檢測算法為了提升檢測速度,直接使用檢測模型來輸出檢測框的位置和分類信息。這種算法主要以SSD[5],YOLO9000 以及YOLOv3[10]為代表,和2階段算法相比,單階段目標(biāo)檢測模型體積小、檢測速度快、召回率高,具有較強(qiáng)的使用價(jià)值,但是檢測精度略差。

    在礦工危險(xiǎn)動作檢測應(yīng)用場景中,需要使用算法實(shí)時(shí)的處理幾十個監(jiān)控?cái)z像頭返回的畫面,所以對算法的運(yùn)行速度以及檢測精度具有很高的要求[11],因此只能選擇單階段目標(biāo)檢測算法。YOLOv3 是一種常用的端到端的單階段目標(biāo)檢測模型,算法使用DarkNet-19 作為特征提取網(wǎng)絡(luò),借助特征金字塔來融合高層的語意信息和低層的細(xì)節(jié)信息,實(shí)現(xiàn)快速目標(biāo)檢測。選擇YOLOv3 作為基本框架,通過設(shè)計(jì)輕量化特征提取網(wǎng)絡(luò)和基于注意力機(jī)制的特征融合模塊來提高算法的實(shí)時(shí)性和檢測精度。

    2 基于注意力機(jī)制的目標(biāo)檢測算法

    2.1 算法總體流程

    算法的總體結(jié)構(gòu)如圖1。輸入圖像經(jīng)過輕量化神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取后,將最后3 層所輸出的特征圖進(jìn)行多尺度特征融合,然后使用空間注意力機(jī)制(Space Attention Module, PAM)和信道注意力機(jī)制(Channel Attention Module, CAM)來分別完成對局部特征進(jìn)行空間關(guān)聯(lián)性建模和信道關(guān)聯(lián)性建模,最后進(jìn)行邊框回歸,輸出定位坐標(biāo)和分類結(jié)果。

    圖1 算法總體流程圖Fig.1 Flow chart of proposed algorithm

    2.2 輕量化特征提取網(wǎng)絡(luò)

    在原本的YOLOv3 結(jié)構(gòu)中,為了提升目標(biāo)檢測精度,使用了具有很強(qiáng)特征提取能力的DarkNet-19作為骨干網(wǎng)絡(luò)。經(jīng)過測試,DarkNet-19 的在精度上都取得了較好的結(jié)果,但是DarkNet-19 模型中包含有19 個卷積操作,參數(shù)量較大,在實(shí)際運(yùn)行中需要消耗大量的內(nèi)存;此外該模型的計(jì)算量較大,無法做到對多路監(jiān)控?cái)z像頭進(jìn)行實(shí)時(shí)處理,因此無法直接應(yīng)用到我們的項(xiàng)目中。

    針對上述問題,同時(shí)結(jié)合實(shí)際項(xiàng)目需求,提出了一種輕量化的特征提取網(wǎng)絡(luò),該網(wǎng)絡(luò)在保證精度不變的情況下,可以極大的壓縮模型參數(shù)量和計(jì)算量。我們采用深度可分離卷積來取代模型中的部分標(biāo)準(zhǔn)卷積,并對模型的Block 結(jié)構(gòu)進(jìn)行重新設(shè)計(jì),將原本用于降采樣操作的Max Pooling 結(jié)構(gòu)使用Stride=2的3×3 的卷積層代替,加速模型前向傳播速度。為了解決ReLU 在模型訓(xùn)練時(shí)導(dǎo)致的神經(jīng)元退化現(xiàn)象,使用Leaky ReLU 作為輕量化模型的激活函數(shù)。網(wǎng)絡(luò)的具體結(jié)構(gòu)見表1。其中ConvDW 為可分離卷積模塊,ConvDW*為使用卷積層完成特征圖降采樣。

    所提出的輕量化模型的參數(shù)量為0.39 M,與DarkNet-19(參數(shù)量為20 M)相比,僅占后者的1.7%。輕量化模型的極小的參數(shù)量和計(jì)算量為目標(biāo)檢測算法的實(shí)時(shí)性提供了有力的保證。

    表1 輕量化模型的具體結(jié)構(gòu)Table 1 Structure of lightweight model

    2.3 基于注意力機(jī)制的特征融合模塊

    YOLOv3 目標(biāo)檢測框架,雖然具有檢測精度高、實(shí)時(shí)性好等一系列優(yōu)點(diǎn);但是該算法對小目標(biāo)不敏感,容易造成小目標(biāo)的誤檢和漏檢影響算法的總體性能;此外算法生成的檢測框貼合度不夠,在這一場景中容易導(dǎo)致系統(tǒng)誤報(bào)產(chǎn)生。為了解決上述的這些問題,提出了一種基于注意力機(jī)制的特征融合模塊,該模塊包含空間注意力機(jī)制(PAM)和通道注意力機(jī)制(CAM)2 個部分。

    2.3.1 空間注意力機(jī)制(PAM)

    目標(biāo)檢測算法在小目標(biāo)問題上表現(xiàn)不佳,因?yàn)樯疃壬窠?jīng)網(wǎng)絡(luò)在特征提取階段將部分細(xì)節(jié)信息丟失。為了解決這一問題,設(shè)計(jì)了一種空間注意力機(jī)制來對局部細(xì)節(jié)信息進(jìn)行特征建模。PAM 可以在局部特征上構(gòu)建豐富的上下文語義關(guān)系,從而增強(qiáng)特征的細(xì)節(jié)表示能力,空間注意力機(jī)制結(jié)構(gòu)如圖2。

    圖2 空間注意力機(jī)制結(jié)構(gòu)圖Fig.2 Structure of spatial attention mechanism

    對于給定的一個特征F∈RC×H×W,需要使用卷積層來生成2 組與原始輸入特征維度相同的新的特征U 和V;然后對新的特征進(jìn)行Reshape(重塑),將維度調(diào)整為RC×N,其中N=H×W,表示單個同道中特征點(diǎn)的總數(shù);最后使用Softmax 函數(shù)對U 和V 矩陣相乘的結(jié)果進(jìn)行處理,得到PAM 的特征矩陣S∈RN×N。

    在PAM 中,為了獲得特征之間的語義信息,還需要將Reshape(重塑)之后的特征D,與注意力關(guān)系矩陣相乘,然后與原有的特征圖在每一個元素上執(zhí)行相加操作,得到最終的輸出特征中包含局部細(xì)節(jié)信息和全局的語義信息,有助于提升目標(biāo)檢測模型對小目標(biāo)的敏感程度,提升檢測性能。

    式中:η 為一個常數(shù),用來平衡局部細(xì)節(jié)特征與原始輸入特征之間的比例關(guān)系;sij為i-th 位置的特征對j-th 特征產(chǎn)生的影響,特征之間的相似度越高sij的值越大;Di為特D 中的i-th 個向量;Fi為特征圖中的i-th 層。

    2.3.2 通道注意力機(jī)制(CAM)

    深度神經(jīng)網(wǎng)絡(luò)所輸出的特征圖中的每一個信道都可以當(dāng)成是對圖像中某一具體類別的響應(yīng),并且不同的信道相應(yīng)之間具有一定的關(guān)聯(lián)性。因此,提出了一種通道注意力機(jī)制來探索不同信道之間的相依賴關(guān)系,增強(qiáng)模型的特征提取和建模能力,從而提高目標(biāo)檢測的精度,信道注意力機(jī)制結(jié)構(gòu)如圖3。

    圖3 信道注意力機(jī)制結(jié)構(gòu)圖Fig.3 Structure of channel attention mechanism

    與PAM 不同,CAM 直接使用深度神經(jīng)網(wǎng)絡(luò)輸出的特征F∈RC×H×W來計(jì)算出注意力矩陣X∈RC×C;接下來,將特征圖F 縮放到RC×N這一維度,并計(jì)算F的特征轉(zhuǎn)置矩陣;然后使用Softmax 函數(shù)對獲得的矩陣進(jìn)行處理,獲得最終的注意力矩陣X∈RC×C。

    在CAM 中,將注意里矩陣X 與原始的輸入特征X 相乘,獲得信道之間的關(guān)系矩陣,最后將關(guān)系矩陣與原始的輸入特征F 在相加,獲得最后的輸出∈RC×H×W。

    式中:γ 為固定參數(shù);xij為第i-th 個通道對j-th個通道的影響;Fi為特征圖中的第i-th 層。

    最終輸出的特征圖中的每一個通道都通過全局信息加權(quán)得到的,因此具有更強(qiáng)的特征表達(dá)能力。

    3 試驗(yàn)分析

    項(xiàng)目中需要完成“一般型危險(xiǎn)動作”和“入侵型危險(xiǎn)動作”2 個任務(wù)。因此,根據(jù)實(shí)際的需要,訓(xùn)練2個模型來應(yīng)對不同的需求。

    3.1 構(gòu)建數(shù)據(jù)庫

    根據(jù)需求,在項(xiàng)目實(shí)際部署和使用的煤礦采集了10 000 張RGB 圖片進(jìn)行標(biāo)注。數(shù)據(jù)集一共含有6類標(biāo)注目標(biāo),分別是人、安全帽、安全燈、防塵罩、手機(jī)、吸煙,其中8 000 張圖片用于模型訓(xùn)練,2 000 張圖片用于實(shí)驗(yàn)測試。

    3.2 實(shí)現(xiàn)細(xì)節(jié)

    模型訓(xùn)練時(shí)使用Adam 進(jìn)行優(yōu)化,初始學(xué)習(xí)率為0.001,批次處理(Batch size)是64,共訓(xùn)練100 epoch,每隔30 epoch 學(xué)習(xí)率減小為原來的1/10。算法使用mAP、準(zhǔn)確率、召回率以及錯誤率作為評價(jià)指標(biāo)。

    3.3 試驗(yàn)驗(yàn)證

    為了證明所提出算法的可靠性和穩(wěn)定性,與常用的目標(biāo)檢測算法進(jìn)行了對比。根據(jù)實(shí)際的需要,我們需要針對“一般型危險(xiǎn)動作”和“入侵型危險(xiǎn)動作”分別進(jìn)行對照試驗(yàn)。動作檢測結(jié)果(AP)見表2。表2 中A 任務(wù)是“一般型危險(xiǎn)動作”的試驗(yàn)對照結(jié)果,因?yàn)闄z測類別較多,所以使用mAP 作為檢測指標(biāo);B 任務(wù)是“入侵型危險(xiǎn)動作”檢測對比結(jié)果,檢測中只需要檢測一類,AP 作為判斷指標(biāo)。

    表2 動作檢測結(jié)果Table 2 The detection results of dangerous action %

    從表2 的結(jié)果中可以看出,提出的基于注意力機(jī)制的目標(biāo)檢測算法在性能上明顯優(yōu)于常用的目標(biāo)檢測算法。

    3.4 模型的計(jì)算量和參數(shù)量對比

    一般來說,模型的參數(shù)量和計(jì)算量會直接影響到模型的推理時(shí)間。為了證明提出算法在實(shí)時(shí)性和參數(shù)量上的優(yōu)勢,將提出的輕量化特征提取網(wǎng)絡(luò)與MobileNet V2 等結(jié)構(gòu)進(jìn)行對比。網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)對比結(jié)果見表3。

    表3 網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)對比Table 3 Comparison of network structure parameters

    從表3 對比結(jié)果可以發(fā)現(xiàn),提出的輕量化特征提取網(wǎng)絡(luò)參數(shù)量和計(jì)算量明顯小于其他對比網(wǎng)絡(luò)。并且運(yùn)行速度遠(yuǎn)高于其他結(jié)構(gòu);其中輕量化模型的測試速度是6.6 倍。

    3.5 圖片分辨率大小

    對于深度學(xué)習(xí)模型來說,輸入圖片的尺寸越大,模型可以提取的細(xì)節(jié)信息越多,最終的檢測精度也就越高,但是模型運(yùn)行速度會受到一定的影響。為了平衡模型的運(yùn)算速度和準(zhǔn)確率,基于“一般型危險(xiǎn)動作檢測”任務(wù)設(shè)計(jì)了1 組對比實(shí)驗(yàn)來尋找最佳的圖像輸入尺寸。試驗(yàn)中使用了多種圖像分辨率進(jìn)行分析,當(dāng)輸入圖片的尺寸為512×512 時(shí),模型的速度和準(zhǔn)確率都較好,因此在算法中選擇512×512 進(jìn)行訓(xùn)練和測試。

    3.6 注意力模塊的作用

    為了探索提出的PAM 和CAM 2 種注意力模塊在算法中的作用,進(jìn)行1 組試驗(yàn),來探索注意力模塊對檢測算法所產(chǎn)生的影響。結(jié)果顯示,同時(shí)使用了PAM 和CAM 2 種注意力模塊的算法比基準(zhǔn)模型在mAP 上提升了5.7%,并且注意力模塊只增加了極少的運(yùn)算量。

    4 結(jié) 語

    為了有效的對礦工在井下出現(xiàn)的危險(xiǎn)動作進(jìn)行實(shí)時(shí)監(jiān)控,提出了一種基于注意力機(jī)制的危險(xiǎn)動作檢測算法。為了解決目標(biāo)檢測算法對小目標(biāo)容易產(chǎn)生漏檢和誤檢等問題,提出了PAM 和CAM 2 種基于注意力機(jī)制的特征融合算法,優(yōu)化了算法的檢測性能。同時(shí)為了適應(yīng)監(jiān)控場景下對算法實(shí)時(shí)性的要求,設(shè)計(jì)了一種輕量化的特征提取網(wǎng)絡(luò),在不損害性能的情況下,極大地提升了算法的測試速度。此外,對于煤礦井下目標(biāo)檢測仍然有很多需要解決的問題,例如解決井下光照條件對檢測算法性能的影響等。

    猜你喜歡
    輕量化特征提取注意力
    讓注意力“飛”回來
    汽車輕量化集成制造專題主編
    一種輕量化自卸半掛車結(jié)構(gòu)設(shè)計(jì)
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    Bagging RCSP腦電特征提取算法
    A Beautiful Way Of Looking At Things
    瞄準(zhǔn)掛車輕量化 鑼響掛車正式掛牌成立
    專用汽車(2016年1期)2016-03-01 04:13:19
    用戶:輕量化掛車的使用體驗(yàn)
    專用汽車(2015年4期)2015-03-01 04:09:07
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    波野结衣二区三区在线| 亚洲成人中文字幕在线播放| 黄片wwwwww| 精品久久国产蜜桃| 国产精品熟女久久久久浪| 欧美 日韩 精品 国产| 青春草视频在线免费观看| 黄色一级大片看看| 欧美亚洲 丝袜 人妻 在线| 色婷婷av一区二区三区视频| 女人十人毛片免费观看3o分钟| 日本一二三区视频观看| 高清毛片免费看| 伊人久久国产一区二区| 精品久久久噜噜| 国产高清不卡午夜福利| 99热国产这里只有精品6| 欧美少妇被猛烈插入视频| 国产在视频线精品| 少妇精品久久久久久久| 黄色日韩在线| 少妇丰满av| av一本久久久久| 国产淫片久久久久久久久| 又爽又黄a免费视频| 久久鲁丝午夜福利片| 亚洲av国产av综合av卡| 狂野欧美激情性xxxx在线观看| 亚洲国产最新在线播放| 涩涩av久久男人的天堂| 五月开心婷婷网| 国产精品无大码| 伦理电影免费视频| 亚洲欧美日韩另类电影网站 | 蜜桃在线观看..| 我的老师免费观看完整版| 欧美性感艳星| 最近的中文字幕免费完整| 亚洲国产毛片av蜜桃av| 国产免费福利视频在线观看| 中文精品一卡2卡3卡4更新| 男男h啪啪无遮挡| 亚洲精品中文字幕在线视频 | 久热这里只有精品99| 亚洲电影在线观看av| 一区二区av电影网| 丰满少妇做爰视频| 国产成人a区在线观看| 大香蕉久久网| 日韩精品有码人妻一区| 王馨瑶露胸无遮挡在线观看| 乱码一卡2卡4卡精品| 国产黄片美女视频| 亚洲美女视频黄频| 国产成人a∨麻豆精品| 如何舔出高潮| 国产成人精品福利久久| 精品久久久久久电影网| 午夜老司机福利剧场| 免费看日本二区| 国产午夜精品一二区理论片| 国产极品天堂在线| 超碰av人人做人人爽久久| 免费黄色在线免费观看| 亚洲精品一二三| 国产成人精品福利久久| 交换朋友夫妻互换小说| 一区在线观看完整版| 日韩精品有码人妻一区| 免费久久久久久久精品成人欧美视频 | 丝瓜视频免费看黄片| 丝瓜视频免费看黄片| av在线app专区| 涩涩av久久男人的天堂| 国产伦理片在线播放av一区| 精品国产一区二区三区久久久樱花 | 黄色一级大片看看| 我的老师免费观看完整版| 寂寞人妻少妇视频99o| 国产爱豆传媒在线观看| 欧美精品一区二区免费开放| 丰满人妻一区二区三区视频av| 亚洲国产精品专区欧美| 狂野欧美激情性xxxx在线观看| a级毛片免费高清观看在线播放| 一级a做视频免费观看| a级毛片免费高清观看在线播放| 国国产精品蜜臀av免费| 久久久久国产精品人妻一区二区| 国产欧美日韩精品一区二区| 91久久精品电影网| 国产亚洲91精品色在线| 精品人妻熟女av久视频| 日韩电影二区| 久久久午夜欧美精品| 亚洲欧洲日产国产| 最近2019中文字幕mv第一页| 亚洲人成网站在线观看播放| 亚洲激情五月婷婷啪啪| 激情五月婷婷亚洲| 青春草国产在线视频| kizo精华| 精品人妻视频免费看| 国产精品爽爽va在线观看网站| av国产久精品久网站免费入址| 亚洲成人一二三区av| 欧美人与善性xxx| 国产午夜精品久久久久久一区二区三区| 国产成人精品婷婷| 韩国av在线不卡| 欧美三级亚洲精品| 高清黄色对白视频在线免费看 | 日韩欧美 国产精品| 欧美日韩精品成人综合77777| 高清日韩中文字幕在线| 噜噜噜噜噜久久久久久91| 一级毛片我不卡| 天堂俺去俺来也www色官网| 少妇精品久久久久久久| 亚洲无线观看免费| 黄色日韩在线| 亚洲精品久久久久久婷婷小说| 亚洲天堂av无毛| 国产午夜精品久久久久久一区二区三区| 亚洲欧美精品自产自拍| 欧美精品一区二区免费开放| av免费在线看不卡| 国产欧美另类精品又又久久亚洲欧美| 男女下面进入的视频免费午夜| 七月丁香在线播放| 在线观看国产h片| 亚洲高清免费不卡视频| 亚洲国产精品成人久久小说| 中文字幕亚洲精品专区| 久热这里只有精品99| 夫妻性生交免费视频一级片| 亚洲精品,欧美精品| 一本—道久久a久久精品蜜桃钙片| 国产精品爽爽va在线观看网站| 久久 成人 亚洲| 51国产日韩欧美| 成年av动漫网址| 日日摸夜夜添夜夜添av毛片| 纵有疾风起免费观看全集完整版| 久久久午夜欧美精品| 在线观看av片永久免费下载| 91久久精品电影网| freevideosex欧美| 亚洲欧洲日产国产| 大片免费播放器 马上看| 好男人视频免费观看在线| 美女视频免费永久观看网站| 午夜免费男女啪啪视频观看| 亚洲欧美一区二区三区黑人 | av在线观看视频网站免费| 精品国产一区二区三区久久久樱花 | av在线app专区| 另类亚洲欧美激情| 大话2 男鬼变身卡| 国产精品一及| 综合色丁香网| 欧美xxxx性猛交bbbb| 熟妇人妻不卡中文字幕| 亚洲在久久综合| 亚洲精品aⅴ在线观看| 免费播放大片免费观看视频在线观看| 搡老乐熟女国产| 国语对白做爰xxxⅹ性视频网站| 欧美xxxx性猛交bbbb| 尤物成人国产欧美一区二区三区| 免费看光身美女| 国产免费一级a男人的天堂| 少妇的逼好多水| 免费黄色在线免费观看| 欧美区成人在线视频| 久久久久视频综合| 久久久久性生活片| 免费久久久久久久精品成人欧美视频 | 亚洲人与动物交配视频| 十八禁网站网址无遮挡 | 色视频在线一区二区三区| 老熟女久久久| 只有这里有精品99| 亚洲欧美清纯卡通| 久久久久久久久久成人| 一区二区av电影网| 国产老妇伦熟女老妇高清| 日韩一区二区视频免费看| 午夜福利在线在线| 日日摸夜夜添夜夜爱| 观看免费一级毛片| 亚洲精品日韩在线中文字幕| 欧美zozozo另类| av线在线观看网站| 91久久精品电影网| 最近中文字幕高清免费大全6| 亚洲图色成人| 中文天堂在线官网| 免费观看无遮挡的男女| 午夜免费男女啪啪视频观看| 日韩大片免费观看网站| 亚洲成人一二三区av| 在线天堂最新版资源| 97超视频在线观看视频| 99热6这里只有精品| 日韩成人伦理影院| 亚洲一级一片aⅴ在线观看| 在现免费观看毛片| 男人添女人高潮全过程视频| 精品国产三级普通话版| 国内精品宾馆在线| 高清视频免费观看一区二区| av免费在线看不卡| 极品教师在线视频| 久久热精品热| 国模一区二区三区四区视频| 欧美一级a爱片免费观看看| 亚洲精品亚洲一区二区| 久久精品久久精品一区二区三区| 成人综合一区亚洲| 美女主播在线视频| 99热6这里只有精品| 成人高潮视频无遮挡免费网站| 99久久精品热视频| 亚洲精品国产av成人精品| 日韩成人伦理影院| 国产精品一及| 亚洲av综合色区一区| av.在线天堂| 成人18禁高潮啪啪吃奶动态图 | 成人影院久久| 日韩视频在线欧美| 菩萨蛮人人尽说江南好唐韦庄| 下体分泌物呈黄色| 亚洲成人av在线免费| 欧美少妇被猛烈插入视频| 高清毛片免费看| 日韩av在线免费看完整版不卡| 最近中文字幕高清免费大全6| 精品亚洲成国产av| 蜜臀久久99精品久久宅男| 欧美成人一区二区免费高清观看| 国产欧美日韩精品一区二区| 日韩制服骚丝袜av| 免费看日本二区| 国产av码专区亚洲av| 国产精品一区二区在线不卡| 国产一区有黄有色的免费视频| 亚洲av欧美aⅴ国产| 久久6这里有精品| 国产成人精品一,二区| 国产一区二区三区av在线| 国产精品熟女久久久久浪| 精品少妇黑人巨大在线播放| 久久久久视频综合| 久久精品国产鲁丝片午夜精品| 永久免费av网站大全| 久久国产亚洲av麻豆专区| av专区在线播放| 免费观看a级毛片全部| 色婷婷久久久亚洲欧美| 精品国产露脸久久av麻豆| 久久人人爽av亚洲精品天堂 | 国产亚洲午夜精品一区二区久久| 亚洲国产精品国产精品| 婷婷色综合大香蕉| 国产乱来视频区| 国产有黄有色有爽视频| 国产成人免费无遮挡视频| 人人妻人人看人人澡| 一区二区av电影网| 久久久久久久大尺度免费视频| 欧美xxⅹ黑人| 欧美日韩国产mv在线观看视频 | 最近2019中文字幕mv第一页| 大陆偷拍与自拍| 少妇裸体淫交视频免费看高清| 精品亚洲成a人片在线观看 | 99久久人妻综合| 亚洲精品自拍成人| 我要看日韩黄色一级片| 超碰97精品在线观看| 免费大片黄手机在线观看| 一本—道久久a久久精品蜜桃钙片| 午夜福利影视在线免费观看| 欧美变态另类bdsm刘玥| 国产精品国产三级专区第一集| 亚洲内射少妇av| a 毛片基地| 午夜免费男女啪啪视频观看| 自拍偷自拍亚洲精品老妇| 日日摸夜夜添夜夜爱| 国产精品国产三级国产专区5o| 尤物成人国产欧美一区二区三区| 80岁老熟妇乱子伦牲交| 91午夜精品亚洲一区二区三区| 国产亚洲91精品色在线| 春色校园在线视频观看| 国产成人精品一,二区| 成人毛片60女人毛片免费| 一级a做视频免费观看| 欧美精品亚洲一区二区| 欧美老熟妇乱子伦牲交| 国产一区二区三区av在线| 国产高清有码在线观看视频| 蜜桃亚洲精品一区二区三区| 欧美激情国产日韩精品一区| 黄片wwwwww| 王馨瑶露胸无遮挡在线观看| 黄色欧美视频在线观看| 亚洲av中文av极速乱| 一级二级三级毛片免费看| 午夜精品国产一区二区电影| 色网站视频免费| 最近中文字幕高清免费大全6| 黄色欧美视频在线观看| 免费不卡的大黄色大毛片视频在线观看| a级毛色黄片| 欧美xxⅹ黑人| 欧美bdsm另类| 日本一二三区视频观看| 不卡视频在线观看欧美| 18禁在线播放成人免费| 美女中出高潮动态图| 久久99热这里只有精品18| 欧美xxxx性猛交bbbb| 成年美女黄网站色视频大全免费 | 精品久久久久久电影网| 中文字幕亚洲精品专区| 最黄视频免费看| 午夜激情福利司机影院| 人体艺术视频欧美日本| 国模一区二区三区四区视频| 精品少妇黑人巨大在线播放| 一级二级三级毛片免费看| 80岁老熟妇乱子伦牲交| 有码 亚洲区| 老熟女久久久| 免费播放大片免费观看视频在线观看| 热re99久久精品国产66热6| 日韩人妻高清精品专区| 午夜福利影视在线免费观看| 你懂的网址亚洲精品在线观看| 国产精品一区二区在线不卡| 久久久欧美国产精品| xxx大片免费视频| av在线app专区| 精品国产三级普通话版| 成人二区视频| 精华霜和精华液先用哪个| 国产精品一区www在线观看| 九九在线视频观看精品| 久久97久久精品| 色5月婷婷丁香| 男女边吃奶边做爰视频| 80岁老熟妇乱子伦牲交| 国产视频首页在线观看| av视频免费观看在线观看| 高清av免费在线| 观看免费一级毛片| 日本午夜av视频| 干丝袜人妻中文字幕| 久久久亚洲精品成人影院| 在线免费十八禁| 永久网站在线| 久久久色成人| 免费av不卡在线播放| 久久ye,这里只有精品| 男人添女人高潮全过程视频| 亚洲精品色激情综合| 熟妇人妻不卡中文字幕| 精品国产三级普通话版| 男人狂女人下面高潮的视频| 国产一区二区三区av在线| 日本黄色片子视频| 亚洲精品亚洲一区二区| 老司机影院成人| 九九在线视频观看精品| 久久青草综合色| 99国产精品免费福利视频| 偷拍熟女少妇极品色| 亚洲三级黄色毛片| 国产男女内射视频| 免费人成在线观看视频色| 成人国产av品久久久| 丰满乱子伦码专区| 一个人免费看片子| 国产一区亚洲一区在线观看| tube8黄色片| 国内揄拍国产精品人妻在线| 免费看日本二区| 亚洲精品久久久久久婷婷小说| 午夜福利影视在线免费观看| 男女免费视频国产| 国产老妇伦熟女老妇高清| 国产精品一区二区在线观看99| 天堂8中文在线网| 熟女av电影| 国产精品精品国产色婷婷| kizo精华| 精品少妇久久久久久888优播| 久久毛片免费看一区二区三区| 爱豆传媒免费全集在线观看| 国产淫语在线视频| 日本猛色少妇xxxxx猛交久久| 国产 一区 欧美 日韩| 99热国产这里只有精品6| 欧美高清性xxxxhd video| 最新中文字幕久久久久| 如何舔出高潮| 久久99热这里只有精品18| 热re99久久精品国产66热6| 只有这里有精品99| 18禁动态无遮挡网站| 日韩伦理黄色片| 亚洲成人一二三区av| 久久国产乱子免费精品| 狠狠精品人妻久久久久久综合| 汤姆久久久久久久影院中文字幕| 国产精品99久久99久久久不卡 | 国产欧美日韩精品一区二区| 国产亚洲欧美精品永久| 精品一品国产午夜福利视频| 国产亚洲最大av| 人妻一区二区av| 午夜免费鲁丝| 亚洲最大成人中文| 99久久综合免费| 国产男女超爽视频在线观看| 一级毛片我不卡| 久久人妻熟女aⅴ| 日韩亚洲欧美综合| 亚洲综合色惰| 亚洲人成网站高清观看| 欧美精品国产亚洲| 国产欧美日韩精品一区二区| 国产男女内射视频| 人人妻人人看人人澡| 国产精品免费大片| 日韩在线高清观看一区二区三区| 欧美一区二区亚洲| 人人妻人人爽人人添夜夜欢视频 | 青青草视频在线视频观看| 中文资源天堂在线| 精品久久国产蜜桃| 欧美日本视频| 啦啦啦视频在线资源免费观看| 国产成人一区二区在线| 黄色怎么调成土黄色| 黄色配什么色好看| 天天躁日日操中文字幕| 一个人看的www免费观看视频| 嫩草影院入口| 黄色日韩在线| 王馨瑶露胸无遮挡在线观看| 亚洲国产高清在线一区二区三| 欧美日韩国产mv在线观看视频 | 五月天丁香电影| av网站免费在线观看视频| 国产美女午夜福利| 亚洲av国产av综合av卡| 亚洲成人一二三区av| 少妇丰满av| 在线观看人妻少妇| 免费播放大片免费观看视频在线观看| 亚洲图色成人| 在线观看三级黄色| 国产一区有黄有色的免费视频| 欧美精品一区二区免费开放| 热re99久久精品国产66热6| 26uuu在线亚洲综合色| 少妇 在线观看| 成年美女黄网站色视频大全免费 | 18禁在线播放成人免费| 亚洲欧美成人精品一区二区| 亚洲欧美日韩卡通动漫| 女人久久www免费人成看片| 精品久久久精品久久久| 亚洲精品aⅴ在线观看| 免费在线观看成人毛片| 国产黄频视频在线观看| 久久久久久久国产电影| 最近最新中文字幕免费大全7| 日本欧美视频一区| 久久影院123| 色综合色国产| 毛片女人毛片| 91久久精品电影网| 少妇人妻精品综合一区二区| 欧美日韩精品成人综合77777| 欧美 日韩 精品 国产| 高清日韩中文字幕在线| 一级爰片在线观看| 国产精品爽爽va在线观看网站| 亚洲精品一二三| 久久久久久久精品精品| 日本免费在线观看一区| 少妇人妻精品综合一区二区| 99热国产这里只有精品6| 免费黄频网站在线观看国产| 精品一区在线观看国产| 国产精品一区二区三区四区免费观看| av卡一久久| 欧美日韩一区二区视频在线观看视频在线| 国产精品熟女久久久久浪| 日韩av不卡免费在线播放| 男人狂女人下面高潮的视频| 七月丁香在线播放| 亚洲人成网站在线观看播放| 亚洲,一卡二卡三卡| 亚洲国产高清在线一区二区三| 热99国产精品久久久久久7| 男女边摸边吃奶| 亚洲av综合色区一区| 99热网站在线观看| 免费看不卡的av| 日本av手机在线免费观看| 国产熟女欧美一区二区| 亚洲欧美日韩另类电影网站 | 国产在视频线精品| 亚洲一区二区三区欧美精品| 国产爽快片一区二区三区| 五月玫瑰六月丁香| 国产精品国产av在线观看| 免费观看无遮挡的男女| av在线蜜桃| 亚洲人与动物交配视频| 欧美日韩在线观看h| 国产深夜福利视频在线观看| 日本猛色少妇xxxxx猛交久久| 欧美变态另类bdsm刘玥| 久久国产亚洲av麻豆专区| 午夜福利网站1000一区二区三区| 精品人妻熟女av久视频| 观看av在线不卡| 国产日韩欧美在线精品| 欧美少妇被猛烈插入视频| 五月开心婷婷网| 老司机影院成人| 免费高清在线观看视频在线观看| 最近2019中文字幕mv第一页| 免费播放大片免费观看视频在线观看| av在线app专区| 国产高清国产精品国产三级 | 插阴视频在线观看视频| 日韩一本色道免费dvd| 欧美高清性xxxxhd video| 国产亚洲午夜精品一区二区久久| 欧美高清成人免费视频www| 综合色丁香网| 日本-黄色视频高清免费观看| 人妻少妇偷人精品九色| 26uuu在线亚洲综合色| 青春草视频在线免费观看| 久久精品久久精品一区二区三区| 精品国产露脸久久av麻豆| 韩国av在线不卡| 久久久久久伊人网av| 国产精品人妻久久久久久| av卡一久久| 日韩一本色道免费dvd| 国产爽快片一区二区三区| 一级a做视频免费观看| 性高湖久久久久久久久免费观看| 日本一二三区视频观看| 精品人妻偷拍中文字幕| 韩国高清视频一区二区三区| 菩萨蛮人人尽说江南好唐韦庄| 免费少妇av软件| 18禁在线播放成人免费| 免费av不卡在线播放| 男人和女人高潮做爰伦理| 亚洲欧美精品专区久久| 国产亚洲av片在线观看秒播厂| 欧美国产精品一级二级三级 | 亚洲一区二区三区欧美精品| 久久精品国产亚洲av天美| 亚洲精品国产成人久久av| 老司机影院毛片| 日韩一区二区三区影片| 亚洲精品乱久久久久久| 91精品一卡2卡3卡4卡| 日韩免费高清中文字幕av| 街头女战士在线观看网站| 国产成人a区在线观看| 九色成人免费人妻av| 日韩,欧美,国产一区二区三区| 久久国产亚洲av麻豆专区| 交换朋友夫妻互换小说| 国产深夜福利视频在线观看| 91久久精品国产一区二区三区| 在线精品无人区一区二区三 | 永久免费av网站大全| 亚洲精品国产av蜜桃| 激情五月婷婷亚洲| 高清午夜精品一区二区三区| 秋霞在线观看毛片| 亚洲精品乱久久久久久| 免费大片黄手机在线观看| 水蜜桃什么品种好| 久久久久久久久大av| a级一级毛片免费在线观看| 国精品久久久久久国模美| 夜夜看夜夜爽夜夜摸| 黄色视频在线播放观看不卡| 亚洲真实伦在线观看| 99热这里只有是精品在线观看| 欧美高清成人免费视频www| 亚洲中文av在线| av卡一久久| 三级经典国产精品| 99久久综合免费| 欧美最新免费一区二区三区| 国语对白做爰xxxⅹ性视频网站| 亚洲久久久国产精品|