• <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 ?

    基于無人機(jī)視覺的河道漂浮垃圾分類檢測技術(shù)研究

    2021-10-20 09:55:32李德鑫閆志剛孫久運
    金屬礦山 2021年9期
    關(guān)鍵詞:錨框置信度類別

    李德鑫 閆志剛 孫久運

    (中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院,江蘇徐州221116)

    傳統(tǒng)河道漂浮垃圾分布情況調(diào)查主要通過人工巡河開展,不僅耗時耗力,且無法做到實時監(jiān)測。隨著信息技術(shù)和攝影技術(shù)的發(fā)展,利用無人機(jī)、無人船航拍河道的方式逐漸代替了人工巡檢,開展了基于航拍影像和目標(biāo)檢測技術(shù)的河道漂浮垃圾識別的相關(guān)研究。

    目前,較為有效的方法主要包括基于傳統(tǒng)機(jī)器學(xué)習(xí)的目標(biāo)檢測技術(shù)和基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)。傳統(tǒng)目標(biāo)檢測技術(shù)的實現(xiàn)流程為:圖像分割,按目標(biāo)的顏色、面積、紋理等在分割區(qū)域進(jìn)行特征提取,利用分類器進(jìn)行分類識別。如ALI等[1]利用采集影像時間與河道影像亮度之間的概率分布圖設(shè)置閾值,來分割水面漂浮的木屑。左建軍等[2]首先通過背景差法分割漂浮物區(qū)域,利用BP算法訓(xùn)練樣本特征,然后將特征化數(shù)據(jù)輸入分類器進(jìn)行分類?;趥鹘y(tǒng)機(jī)器學(xué)習(xí)的圖像目標(biāo)檢測雖然取得了一定進(jìn)展,但模型魯棒性較差,且中間過程需要人為干預(yù),端到端的深度學(xué)習(xí)目標(biāo)檢測算法應(yīng)運而生?;谏疃葘W(xué)習(xí)的目標(biāo)檢測算法可大致分為雙階段目標(biāo)檢測算法和單階段目標(biāo)檢測算法兩類。雙階段目標(biāo)檢測算法最具代表性的有 Fast R-CNN[3]、Faster R-CNN[4]、RFCN[5]和 Mask R-CNN[6],該系列算法檢測精度雖高,但檢測速度過慢,達(dá)不到實時性的效果,因此不適用于河道巡檢這種大型工程。單階段目標(biāo)檢測算法最具代表性的是YOLO系列[7-9]和SSD系列[10-11],因其省去了區(qū)域提取這一步驟,極大提高了檢測速度,學(xué)者們開始將單階段目標(biāo)檢測算法應(yīng)用于河道漂浮物檢測領(lǐng)域。雷李義等[12]基于SSD深度學(xué)習(xí)模型,在自制數(shù)據(jù)集上對比分析了各種特征提取網(wǎng)絡(luò),最終選擇了性能較好的Resnet-50,實現(xiàn)了水面漂浮物的分類檢測。魏莉莉[13]基于TensorFlow框架采用VGG網(wǎng)絡(luò)提取特征,對河道漂浮物進(jìn)行了分類識別。唐小敏等[14]基于SSD與Faster R-CNN深度學(xué)習(xí)模型,通過對比各特征提取網(wǎng)絡(luò),選擇了基于ResNet-101特征提取網(wǎng)絡(luò)的SSD深度學(xué)習(xí)模型,實現(xiàn)了河道漂浮物的分類檢測。單階段目標(biāo)檢測算法速度雖快,但在小目標(biāo)檢測精度以及多類別檢測精度方面還有待提高。

    本研究將YOLOv5s深度學(xué)習(xí)模型應(yīng)用到河道漂浮垃圾分類檢測領(lǐng)域,為河道治理提供決策依據(jù)。顧及到漂浮垃圾在無人機(jī)影像中占比較小以及類別不均衡等問題,對YOLOv5s算法的檢測機(jī)理進(jìn)行了深入剖析,通過對模型各模塊進(jìn)行針對性改進(jìn),降低了各類別目標(biāo)檢測精度之間的差異,提高了對小目標(biāo)的檢測精度。

    1 檢測算法原理

    1.1 YOLO檢測算法

    YOLO(You Only Look Once)算法的提出,開創(chuàng)了目標(biāo)檢測算法的新紀(jì)元。其中,YOLOv1算法省去了窮舉候選框這一步驟,檢測速度相比雙階段目標(biāo)檢測算法有了很大的提升,能夠達(dá)到實時性的效果,但是該算法對于小目標(biāo)的檢測精度并不理想。針對YOLOv1算法的不足,REDMON等[9]在兼顧實時性檢測效果的同時,提升了多尺度目標(biāo)檢測精度。在一些公開數(shù)據(jù)集的測試上,YOLO系列的v4版本在檢測精度和檢測速度方面已經(jīng)略優(yōu)于其它單階段目標(biāo)檢測算法[15]。YOLOv5在v4版本的基礎(chǔ)上采用Pytorch框架,簡化了代碼,提升了在GPU中的運行速度。因此本研究基于YOLOv5s算法開展河道漂浮垃圾檢測,該算法的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    YOLOv5s將經(jīng)過自適應(yīng)縮放至608×608大小的圖片劃分為S×S個網(wǎng)格,然后通過以上模塊中一系列的卷積、歸一化、激活等操作,將特征提取到19×19、38×38、76×76 3個不同尺寸的特征圖上來預(yù)測3種不同大小的目標(biāo)。特征圖共有3×( )1+4+B個通道,負(fù)責(zé)預(yù)測3種不同形狀的目標(biāo)。其中3代表錨框(Anchor box)個數(shù),1代表錨框置信度(Confidence)(式1),4為先驗錨框坐標(biāo)相對于預(yù)測框坐標(biāo)的偏移量(tx,ty,th,tw),B為目標(biāo)類別總數(shù)。錨框置信度C公式為

    式中,P(O)為目標(biāo)中心點落在該網(wǎng)格中的概率,落在該網(wǎng)格中取1,否則,取0;I為真實框(GroundTruth Box)與預(yù)測框(Predict Box)之間的交并比(Intersec-tion Over Union,IOU),即兩個框的交集面積與并集面積之比。

    若目標(biāo)中心點落在某個網(wǎng)格內(nèi),該網(wǎng)格則需要負(fù)責(zé)預(yù)測目標(biāo)屬于第i類的概率P(Ci|O)。將P(Ci|O)與置信度相乘便可得到該錨框的類別置信度,本研究用S表示。該乘積既預(yù)測了錨框?qū)儆谀骋活惖念悇e,也包含了錨框的準(zhǔn)確度。錨框的類別置信度計算公式為

    對于錨框,若不加以抑制該模型最后將會在一幅圖上產(chǎn)生( )76×76+38×38+19×19 ×3=22 743個預(yù)測框。通過計算每個錨框與該類別置信度最高錨框的交并比,若大于預(yù)先設(shè)定的閾值則舍棄該錨框,然后在剩下的框中選取一個最大的框,再刪除其周圍IOU大于閾值的框,如此反復(fù)迭代得到該目標(biāo)的最終錨框,該過程稱為非極大值抑制(Non-Maximum Suppression,NMS)。

    最后通過梯度下降反復(fù)迭代計算錨框與真實框(Ground Truth)的LOSS函數(shù),得到在LOSS取得最小值情況下每個錨框的類別得分和坐標(biāo)偏移量,在此基礎(chǔ)上用錨框的坐標(biāo)偏移量去微調(diào)先驗框得到預(yù)測框(Bounding Box),使得預(yù)測框不斷接近真實框。損失計算包括邊界框損失、置信度損失以及類別損失。置信度損失和類別損失采用的是二進(jìn)制交叉熵?fù)p失函數(shù)(BCELoss)(式(3)),邊界框損失采用的是GIoU損失函數(shù)(式(4))。

    式中,LB為二進(jìn)制交叉熵?fù)p失函數(shù);P'為樣本的預(yù)測值;y為樣本真實類別,y=1表示是該類目標(biāo),y=0則表示不是該類目標(biāo)。

    式中,LG為GIoU損失函數(shù);D為包圍真實框與預(yù)測框的最小矩形面積;B為預(yù)測框;Bg為真實框。

    1.2 YOLOv5s算法網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)

    相較于單階段目標(biāo)檢測算法,YOLOv5s算法對在無人機(jī)影像中占比較小且存在類別不均衡的河道漂浮垃圾的檢測精度還有待提高。針對YOLOv5s算法在檢測小目標(biāo)和類別不均衡目標(biāo)方面的不足,本研究對數(shù)據(jù)增強(qiáng)預(yù)處理模塊進(jìn)行了優(yōu)化,對SPP模塊[16]以及損失函數(shù)模塊做了改進(jìn),改進(jìn)后的算法稱為YOLOv5s-enhanced。

    YOLOv5s算法中數(shù)據(jù)增強(qiáng)分為Mosaic增強(qiáng)[17]和圖像增強(qiáng)[18-19]。Mosaic增強(qiáng)通過隨機(jī)縮放、裁剪、排列等方式,最多將4幅影像拼接成1幅影像,來豐富圖像的背景,進(jìn)而提高算法的檢測性能。圖像增強(qiáng)主要包括圖像的仿射、透視等,使算法能夠感受同一目標(biāo)的不同形態(tài),來減弱算法的過擬合[20]。本研究將Mosaic增強(qiáng)模塊改為最多可將9幅影像隨機(jī)拼接成1幅影像,來提高模型對小目標(biāo)的檢測性能;另外,為了消除河道上陽光反射對河流漂浮物的影響,在圖像增強(qiáng)模塊對圖像進(jìn)行了直方圖均衡化處理。圖2顯示了YOLOv5s算法與YOLOv5s-enhanced算法在訓(xùn)練過程中的數(shù)據(jù)增強(qiáng)效果(其中,“0”表示嚴(yán)重污染物,“1”表示中度污染物,“2”表示輕度污染物)。從圖2中可以看出,由9幅隨機(jī)影像拼接的圖片能夠進(jìn)一步豐富圖像背景,并相應(yīng)地提高了單批次訓(xùn)練數(shù)據(jù)的數(shù)量(batch_size);另外,經(jīng)直方圖均衡化處理后的圖像減弱了光照的影響,亮度變化單一,有利于提高模型的魯棒性。

    在SPP模塊中,增加一個3×3大小的最大值池化濾波器,來提升模型的感受野,進(jìn)而提高小目標(biāo)的檢測精度。為保證SPP模塊輸出通道數(shù)與CSP2_1模塊輸入通道數(shù)保持一致,現(xiàn)將SPP模塊中第2卷積核的權(quán)重矩陣增加1/4個通道數(shù)的參數(shù)。改進(jìn)前后的SPP模塊結(jié)構(gòu)對比如圖3所示。

    在YOLOv5s損失函數(shù)中,置信度和分類損失函數(shù)采用的是BCELoss,它給予每一類目標(biāo)相同的權(quán)重值,不利于正負(fù)樣本不均衡的河流漂浮物檢測。本研究采用Focal損失函數(shù)來計算置信度和類別的損失,F(xiàn)ocal損失函數(shù)式為

    式中,F(xiàn)ocal_Loss代表Focal損失函數(shù);α和γ用來解決正負(fù)樣本不均衡問題的兩個協(xié)調(diào)參數(shù)。

    2 實驗設(shè)備與數(shù)據(jù)集

    2.1 試驗數(shù)據(jù)集制作

    試驗所用數(shù)據(jù)均來源于精靈四RTK大疆無人機(jī)對徐州奎河、廢黃河的傾斜攝影。通過在不同時間段下,讓無人機(jī)以不同姿態(tài)對河道進(jìn)行攝影作業(yè),來增加影像的時空多樣性,從而保證算法訓(xùn)練結(jié)果的周密性。其中,無人機(jī)攝影作業(yè)時間為7∶00~19∶00,飛行高度為15~70 m,相機(jī)與水平方向夾角(相機(jī)姿態(tài))有45°、60°和90°。圖4展示了多樣性數(shù)據(jù)集中的部分原始影像與局部放大圖,各影像獲取參數(shù)如表1所示。

    對徐州市多條河道進(jìn)行實地調(diào)查發(fā)現(xiàn),河道中漂浮垃圾以農(nóng)藥袋和生活垃圾為主。依據(jù)《徐州市城市河道保潔質(zhì)量標(biāo)準(zhǔn)》并結(jié)合徐州市水務(wù)局相關(guān)水質(zhì)專家意見,本研究按照漂浮垃圾對水質(zhì)的污染程度將其分為3類:嚴(yán)重污染物(農(nóng)藥袋)、中度污染物(生活垃圾袋)、輕度污染物(玻璃瓶、硬紙箱等其它垃圾)。

    本研究共采集了河道無人機(jī)影像3 011幅,去除圖像中沒有河流區(qū)域以及質(zhì)量較差的影像。最終利用標(biāo)注工具Labelme對673幅影像進(jìn)行了標(biāo)注,共標(biāo)注邊界框2 952個,并將標(biāo)注信息保存為Json格式文件。將標(biāo)注后的影像按照8∶2劃分訓(xùn)練集和測試集。表2展示了訓(xùn)練集和測試集中3類污染物的個數(shù)。圖5展示了多樣性數(shù)據(jù)集中的部分標(biāo)注影像(影像獲取參數(shù)見表1),其中嚴(yán)重污染物,中度污染物(生活垃圾袋)以及輕度污染物(玻璃瓶、硬紙箱等其它垃圾)分別由不同線框標(biāo)注。

    2.2 實驗設(shè)備及參數(shù)設(shè)置

    本研究在搭建的Pytorch深度學(xué)習(xí)框架上對自制的河道漂浮垃圾數(shù)據(jù)集進(jìn)行訓(xùn)練和測試。用到的硬件設(shè)備主要有Intel(R)Core(TM)i7-8750H CPU@2.20 GHz型號的電腦CPU,NVIDIA GeForce GTX 1060型號的電腦GPU,三星DDR4 2667MHz 16GB的內(nèi)存條,大疆Phantom4 RTK無人機(jī)。軟件環(huán)境為Windows10操作系統(tǒng),Python3.6編程語言,Pytorch1.7.1深度學(xué)習(xí)框架,Labelme圖片標(biāo)注工具。

    訓(xùn)練階段的超參數(shù)設(shè)置:梯度下降采用批量梯度下降法,一個批次(batch)為4,初始學(xué)習(xí)率設(shè)置為0.001,衰減系數(shù)設(shè)置為0.000 5,動量設(shè)置為0.937,F(xiàn)ocal_Loss函數(shù)中的α設(shè)置為0.25,γ設(shè)置為2。

    3 試驗結(jié)果與分析

    3.1 模型精度分析

    在多分類任務(wù)中,一般采用類別均衡準(zhǔn)確率(mean average precision,mAP)來反映模型檢測精度(式(6))。考慮到數(shù)據(jù)集中各類別樣本數(shù)量差異較大,傳統(tǒng)的類別均衡準(zhǔn)確率只能反映模型的總體檢測精度,不能較好地反映各類樣本檢測精度之間的差別,本研究引入各類別均衡準(zhǔn)確率的方差(smAP)來衡量模型性能,如式(7)所示。

    式中,mAP為多個樣本查準(zhǔn)率和查全率曲線下面積的均值;mapi為數(shù)據(jù)集中各種類目標(biāo)的類別均衡準(zhǔn)確率;P為查準(zhǔn)率;R為查全率;map為數(shù)據(jù)集總的類別均衡準(zhǔn)確率。

    本研究在測試集上對YOLOv5s和YOLOv5s-enhanced算法的性能進(jìn)行了對比分析,結(jié)果如表3所示。

    由表3可知,在本研究自制的河道漂浮垃圾數(shù)據(jù)集上,YOLOv5s-enhanced算法的mAP比YOLOv5s算法提高了3.47%;另外,YOLOv5s-enhanced算法的smAP為4.46%,YOLOv5s算法的smAP為10.4%,可見,YOLOv5s-enhanced算法對各類垃圾檢測精度的差異有所下降,這是由于Focal_Loss函數(shù)中α、γ參數(shù)所起到的調(diào)和作用所致。

    3.2 模型識別結(jié)果對比

    分別使用YOLOv5s-enhanced算法和YOLOv5s算法對訓(xùn)練數(shù)據(jù)集開展訓(xùn)練,對兩個訓(xùn)練好的深度網(wǎng)絡(luò)模型,使用測試數(shù)據(jù)集進(jìn)行了測試。圖6展示了20 m無人機(jī)視角下河道漂浮垃圾的檢測結(jié)果,低空飛行下漂浮垃圾占據(jù)了影像的較大部分,兩種算法都能較好地識別垃圾。

    圖7展示了60 m無人機(jī)視角下河道漂浮垃圾的檢測結(jié)果,高空飛行下漂浮垃圾在影像中占比較小,YOLOv5s-enhanced算法相較于YOLOv5s算法出現(xiàn)漏檢的概率要低。

    兩種算法對無人機(jī)不同飛行高度、不同飛行角度、不同時間段下所采集河道影像的檢測效果如圖8所示。由圖8可知,YOLOv5s-enhanced算法對高空無人機(jī)視角下的小目標(biāo)檢測精度總體上優(yōu)于YOLOv5s算法。

    4 結(jié) 語

    基于YOLOv5s深度學(xué)習(xí)網(wǎng)絡(luò)對河道無人機(jī)影像進(jìn)行了漂浮垃圾的分類檢測。首先通過RTK-無人機(jī)采集徐州市內(nèi)廢黃河、奎河等河流的影像,依據(jù)需求利用Labelme標(biāo)注工具對影像中的河道漂浮垃圾按污染程度進(jìn)行分類標(biāo)注,建立了一個小型的河道漂浮垃圾數(shù)據(jù)集;針對單階段目標(biāo)檢測算法在檢測小目標(biāo)、類別不均衡目標(biāo)方面的不足,對YOLOv5s模型的數(shù)據(jù)增強(qiáng)、SPP以及損失函數(shù)等模塊進(jìn)行了針對性改進(jìn),其中,在SPP模塊中增加了一個3×3的卷積核來進(jìn)一步提升模型的感受野,從而提高小目標(biāo)的檢測精度;在損失函數(shù)模塊中,取代二進(jìn)制交叉熵函數(shù),使用Focal_Loss函數(shù)計算置信度和類別損失,來解決正負(fù)樣本不均衡問題;最后在測試集上對兩種算法進(jìn)行了性能測試,結(jié)果發(fā)現(xiàn)YOLOv5-enhanced模型提高了小目標(biāo)的檢測精度,另外模型的mAP比原始模型提高了3.47%。目前,該算法已經(jīng)應(yīng)用于RTK-無人機(jī)實時巡檢系統(tǒng),該系統(tǒng)通過讀取RTK-無人機(jī)的實時位置,來分析河道漂浮物污染程度的位置分布。

    猜你喜歡
    錨框置信度類別
    基于YOLOv3錨框優(yōu)化的側(cè)掃聲吶圖像目標(biāo)檢測
    信號處理(2022年11期)2022-12-26 13:22:06
    錨框策略匹配的SSD飛機(jī)遙感圖像目標(biāo)檢測
    基于SSD算法的輕量化儀器表盤檢測算法*
    基于GA-RoI Transformer的遙感圖像任意方向目標(biāo)檢測
    硼鋁復(fù)合材料硼含量置信度臨界安全分析研究
    正負(fù)關(guān)聯(lián)規(guī)則兩級置信度閾值設(shè)置方法
    服務(wù)類別
    新校長(2016年8期)2016-01-10 06:43:59
    置信度條件下軸承壽命的可靠度分析
    軸承(2015年2期)2015-07-25 03:51:04
    論類別股東會
    商事法論集(2014年1期)2014-06-27 01:20:42
    中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
    欧美日韩国产亚洲二区| 男女之事视频高清在线观看| 此物有八面人人有两片| 寂寞人妻少妇视频99o| 亚洲一区二区三区色噜噜| 国产午夜福利久久久久久| 国产精品一区二区性色av| 亚洲真实伦在线观看| 色哟哟哟哟哟哟| 欧美在线一区亚洲| 国产成人91sexporn| 婷婷六月久久综合丁香| 久久人人精品亚洲av| 18禁黄网站禁片免费观看直播| 欧美一区二区精品小视频在线| 少妇的逼好多水| 欧美日韩精品成人综合77777| 亚洲美女黄片视频| 国产成人精品久久久久久| 亚洲,欧美,日韩| 亚洲中文日韩欧美视频| 别揉我奶头 嗯啊视频| 成年免费大片在线观看| 国产精品久久久久久av不卡| 99久久无色码亚洲精品果冻| 美女cb高潮喷水在线观看| 性插视频无遮挡在线免费观看| 熟妇人妻久久中文字幕3abv| 亚洲欧美日韩高清在线视频| 国产精品野战在线观看| 国产亚洲精品综合一区在线观看| 国产精品不卡视频一区二区| 真人做人爱边吃奶动态| 老女人水多毛片| 亚洲国产精品国产精品| 日韩一区二区视频免费看| 亚洲电影在线观看av| 亚洲av.av天堂| 嫩草影院入口| 最近最新中文字幕大全电影3| 亚洲色图av天堂| 精华霜和精华液先用哪个| 久久久精品欧美日韩精品| 欧美xxxx性猛交bbbb| 成人欧美大片| av中文乱码字幕在线| 亚洲精品国产成人久久av| 国产人妻一区二区三区在| 国产在视频线在精品| 一个人看的www免费观看视频| 久久精品久久久久久噜噜老黄 | 欧美最新免费一区二区三区| 99热只有精品国产| 成人av在线播放网站| 亚洲三级黄色毛片| 欧美+亚洲+日韩+国产| 亚洲av成人av| aaaaa片日本免费| 人妻丰满熟妇av一区二区三区| 国产久久久一区二区三区| 深夜a级毛片| 国产高潮美女av| 成人无遮挡网站| 国产蜜桃级精品一区二区三区| 变态另类成人亚洲欧美熟女| 99视频精品全部免费 在线| 国产免费男女视频| 亚洲精华国产精华液的使用体验 | 欧美高清性xxxxhd video| 可以在线观看毛片的网站| 熟女电影av网| 国产一区二区亚洲精品在线观看| 精品无人区乱码1区二区| 小蜜桃在线观看免费完整版高清| 男人舔奶头视频| 九九热线精品视视频播放| 欧美xxxx性猛交bbbb| 18+在线观看网站| 97碰自拍视频| 免费高清视频大片| 欧美色视频一区免费| 精品久久久噜噜| 亚洲第一区二区三区不卡| 色吧在线观看| 最近的中文字幕免费完整| 午夜免费男女啪啪视频观看 | 1024手机看黄色片| 亚洲人成网站在线观看播放| 亚洲精品一区av在线观看| 国产精品女同一区二区软件| 中出人妻视频一区二区| 在线a可以看的网站| 日韩制服骚丝袜av| 国产精华一区二区三区| 亚洲av中文字字幕乱码综合| 深夜a级毛片| 一区二区三区四区激情视频 | 成人高潮视频无遮挡免费网站| 美女免费视频网站| 欧美xxxx黑人xx丫x性爽| 久久久久精品国产欧美久久久| 国产视频一区二区在线看| 国产精品国产三级国产av玫瑰| 午夜免费激情av| 午夜精品一区二区三区免费看| 国产精品一区二区性色av| 色哟哟·www| 最近2019中文字幕mv第一页| 97超碰精品成人国产| 亚洲乱码一区二区免费版| 综合色丁香网| 老女人水多毛片| av在线蜜桃| 久久久久久国产a免费观看| 人妻少妇偷人精品九色| 特大巨黑吊av在线直播| 亚洲av电影不卡..在线观看| 久久精品国产99精品国产亚洲性色| 免费黄网站久久成人精品| 精品日产1卡2卡| 国产69精品久久久久777片| 欧美色欧美亚洲另类二区| 中文字幕精品亚洲无线码一区| 精品一区二区三区视频在线| 亚洲国产精品国产精品| 全区人妻精品视频| 久久久久久大精品| 亚洲图色成人| 在线观看av片永久免费下载| 俄罗斯特黄特色一大片| 国产精品一二三区在线看| 亚洲久久久久久中文字幕| 菩萨蛮人人尽说江南好唐韦庄 | 欧美在线一区亚洲| 六月丁香七月| 精品久久久久久成人av| 搡老熟女国产l中国老女人| 国语自产精品视频在线第100页| 你懂的网址亚洲精品在线观看 | 免费人成在线观看视频色| 国产精品永久免费网站| 级片在线观看| 久久亚洲国产成人精品v| 成人特级黄色片久久久久久久| 亚洲精品成人久久久久久| 99国产精品一区二区蜜桃av| 久久人妻av系列| 日韩欧美 国产精品| 精品久久久久久久久av| 九九爱精品视频在线观看| 亚洲第一区二区三区不卡| 久久久久久大精品| 欧美另类亚洲清纯唯美| 在线观看免费视频日本深夜| 舔av片在线| 精品99又大又爽又粗少妇毛片| 亚洲色图av天堂| 国产私拍福利视频在线观看| 久久久久性生活片| 亚洲人成网站在线播放欧美日韩| 日韩强制内射视频| 国产在视频线在精品| 久久久久久九九精品二区国产| 18禁在线播放成人免费| 国产成人a区在线观看| 大型黄色视频在线免费观看| 日本爱情动作片www.在线观看 | 变态另类丝袜制服| 最新在线观看一区二区三区| 成人美女网站在线观看视频| 亚洲色图av天堂| 免费观看在线日韩| 国产精品福利在线免费观看| 亚洲精品亚洲一区二区| 12—13女人毛片做爰片一| 精品99又大又爽又粗少妇毛片| 一卡2卡三卡四卡精品乱码亚洲| av黄色大香蕉| 女同久久另类99精品国产91| 在线观看66精品国产| 一区二区三区高清视频在线| 男女下面进入的视频免费午夜| 国产精品一及| 99九九线精品视频在线观看视频| 精品一区二区三区视频在线| 别揉我奶头 嗯啊视频| 黄色一级大片看看| 麻豆国产97在线/欧美| 国产精品伦人一区二区| 两个人的视频大全免费| 日本免费a在线| 老女人水多毛片| 国产午夜福利久久久久久| av免费在线看不卡| 欧美zozozo另类| 如何舔出高潮| 在线播放无遮挡| 国产精品久久久久久亚洲av鲁大| 五月玫瑰六月丁香| 性插视频无遮挡在线免费观看| 久久久久性生活片| 国产大屁股一区二区在线视频| 欧美高清成人免费视频www| 日韩一本色道免费dvd| 激情 狠狠 欧美| 欧洲精品卡2卡3卡4卡5卡区| 亚洲真实伦在线观看| 欧美成人一区二区免费高清观看| 欧美日本视频| 国产私拍福利视频在线观看| aaaaa片日本免费| 成人永久免费在线观看视频| 亚洲成人中文字幕在线播放| 免费看美女性在线毛片视频| 午夜福利视频1000在线观看| 亚洲欧美精品综合久久99| 一级av片app| av在线亚洲专区| av天堂在线播放| 丝袜美腿在线中文| 亚洲成av人片在线播放无| 日韩制服骚丝袜av| 精品无人区乱码1区二区| 免费av不卡在线播放| 亚洲内射少妇av| av女优亚洲男人天堂| 又爽又黄无遮挡网站| 国产精品一区二区三区四区久久| 综合色丁香网| 能在线免费观看的黄片| 又爽又黄a免费视频| 成人av一区二区三区在线看| 亚洲最大成人av| 亚洲av不卡在线观看| 一个人看的www免费观看视频| 亚洲av免费在线观看| 国产黄色视频一区二区在线观看 | АⅤ资源中文在线天堂| 午夜爱爱视频在线播放| 成人精品一区二区免费| 亚洲欧美精品自产自拍| 狂野欧美激情性xxxx在线观看| 色视频www国产| 国产精品一区二区三区四区免费观看 | 日韩精品有码人妻一区| 午夜福利视频1000在线观看| 波多野结衣巨乳人妻| 最好的美女福利视频网| 九九热线精品视视频播放| 欧美中文日本在线观看视频| 欧美日韩一区二区视频在线观看视频在线 | 99久国产av精品国产电影| 啦啦啦观看免费观看视频高清| 日韩人妻高清精品专区| 嫩草影院新地址| 老师上课跳d突然被开到最大视频| 精品熟女少妇av免费看| 精品午夜福利在线看| 非洲黑人性xxxx精品又粗又长| 成人鲁丝片一二三区免费| 国语自产精品视频在线第100页| 18禁黄网站禁片免费观看直播| 99久久无色码亚洲精品果冻| 99热这里只有是精品50| 日韩一本色道免费dvd| 国产亚洲91精品色在线| 精品无人区乱码1区二区| 又黄又爽又刺激的免费视频.| 日韩成人伦理影院| 少妇丰满av| 亚洲四区av| 亚洲国产日韩欧美精品在线观看| 在线观看一区二区三区| 嫩草影院入口| 久久久久久久亚洲中文字幕| 日韩成人伦理影院| 国产精品久久久久久亚洲av鲁大| 精品午夜福利在线看| 亚洲四区av| 国产av麻豆久久久久久久| 男人舔奶头视频| 免费搜索国产男女视频| 最近最新中文字幕大全电影3| 国产精品久久久久久久电影| 国产一区二区在线观看日韩| 亚洲性夜色夜夜综合| 亚洲久久久久久中文字幕| 我的老师免费观看完整版| 欧美日韩乱码在线| 国产成人a区在线观看| 亚洲精品在线观看二区| 国模一区二区三区四区视频| 97超碰精品成人国产| 日本 av在线| 在线观看午夜福利视频| 国产av一区在线观看免费| 两个人的视频大全免费| 我要看日韩黄色一级片| 午夜老司机福利剧场| 色尼玛亚洲综合影院| 国产熟女欧美一区二区| 亚洲av美国av| 熟女人妻精品中文字幕| 欧美zozozo另类| 色视频www国产| 99久久九九国产精品国产免费| 国产精品一及| 好男人在线观看高清免费视频| 国产伦精品一区二区三区四那| 国产精品无大码| 精品人妻熟女av久视频| 日韩欧美 国产精品| 午夜免费激情av| h日本视频在线播放| 搡老妇女老女人老熟妇| 熟妇人妻久久中文字幕3abv| 免费观看人在逋| 亚洲成av人片在线播放无| 波多野结衣高清作品| 国产久久久一区二区三区| 午夜影院日韩av| 51国产日韩欧美| 成人特级黄色片久久久久久久| av卡一久久| 黄色配什么色好看| 99国产精品一区二区蜜桃av| 国产精品一区二区三区四区免费观看 | 日韩 亚洲 欧美在线| 黄色日韩在线| 97在线视频观看| 久久久国产成人免费| 国产精品日韩av在线免费观看| 桃色一区二区三区在线观看| 免费无遮挡裸体视频| 亚洲av成人av| 性欧美人与动物交配| 全区人妻精品视频| 偷拍熟女少妇极品色| 中文字幕久久专区| 亚洲精品日韩av片在线观看| 日本欧美国产在线视频| 欧美绝顶高潮抽搐喷水| 日韩欧美一区二区三区在线观看| 成年免费大片在线观看| 三级国产精品欧美在线观看| 综合色丁香网| 亚洲三级黄色毛片| 最好的美女福利视频网| 美女内射精品一级片tv| av专区在线播放| 日日啪夜夜撸| 日韩欧美免费精品| 国产aⅴ精品一区二区三区波| 久久欧美精品欧美久久欧美| 嫩草影院新地址| 又黄又爽又刺激的免费视频.| 日韩中字成人| 亚洲国产色片| 黄色配什么色好看| 97在线视频观看| 久久久久精品国产欧美久久久| 人人妻,人人澡人人爽秒播| 国产精品久久久久久av不卡| 中文在线观看免费www的网站| 在线观看66精品国产| 丰满乱子伦码专区| 亚洲av不卡在线观看| 在线a可以看的网站| 99热只有精品国产| 国产69精品久久久久777片| 国产亚洲精品久久久久久毛片| 一级毛片电影观看 | 国产探花极品一区二区| 五月玫瑰六月丁香| 美女 人体艺术 gogo| 久久亚洲国产成人精品v| 婷婷六月久久综合丁香| 亚洲欧美中文字幕日韩二区| 欧美激情久久久久久爽电影| 国产av不卡久久| 国产v大片淫在线免费观看| 亚洲欧美日韩无卡精品| 欧美中文日本在线观看视频| 成人三级黄色视频| 女人被狂操c到高潮| 欧美又色又爽又黄视频| 桃色一区二区三区在线观看| 国产免费一级a男人的天堂| 观看美女的网站| 欧美激情国产日韩精品一区| 国产黄色小视频在线观看| 搡老熟女国产l中国老女人| av在线天堂中文字幕| 亚洲精华国产精华液的使用体验 | 少妇熟女欧美另类| 此物有八面人人有两片| 麻豆av噜噜一区二区三区| 亚洲欧美日韩无卡精品| 亚洲av电影不卡..在线观看| 久久久久久久久大av| 亚洲天堂国产精品一区在线| 国产成年人精品一区二区| 欧美一级a爱片免费观看看| 深夜精品福利| 波多野结衣巨乳人妻| 亚洲精品国产成人久久av| 成人精品一区二区免费| 18禁在线播放成人免费| 色综合色国产| 精品久久久久久久末码| 色哟哟哟哟哟哟| 亚洲国产色片| 国产三级在线视频| 欧美成人免费av一区二区三区| 精品国产三级普通话版| 老师上课跳d突然被开到最大视频| 美女黄网站色视频| 啦啦啦韩国在线观看视频| 久久久久久大精品| 欧美+日韩+精品| 国产精品女同一区二区软件| 久久久久国产网址| 中国美女看黄片| 全区人妻精品视频| 日韩 亚洲 欧美在线| 神马国产精品三级电影在线观看| 久久精品国产99精品国产亚洲性色| 美女大奶头视频| 欧美极品一区二区三区四区| 丰满的人妻完整版| 午夜精品一区二区三区免费看| 国产一区二区激情短视频| 亚洲人成网站在线观看播放| 亚洲七黄色美女视频| 欧美不卡视频在线免费观看| 禁无遮挡网站| 中文字幕av成人在线电影| 国产精品美女特级片免费视频播放器| 久久久午夜欧美精品| 一级黄片播放器| 国产男靠女视频免费网站| 色视频www国产| 色在线成人网| 国产精品永久免费网站| 在线免费观看的www视频| 99精品在免费线老司机午夜| 男女边吃奶边做爰视频| 亚洲国产日韩欧美精品在线观看| 欧美激情在线99| 国语自产精品视频在线第100页| 一级毛片我不卡| 在线天堂最新版资源| 99久国产av精品国产电影| 91午夜精品亚洲一区二区三区| 免费在线观看成人毛片| 亚洲第一电影网av| 国内揄拍国产精品人妻在线| 五月伊人婷婷丁香| 天堂影院成人在线观看| 一进一出好大好爽视频| 精品久久久久久成人av| 热99在线观看视频| 日本一本二区三区精品| 亚洲国产欧洲综合997久久,| 中国美白少妇内射xxxbb| 日韩成人av中文字幕在线观看 | or卡值多少钱| 赤兔流量卡办理| 一个人免费在线观看电影| 天天一区二区日本电影三级| 日韩成人av中文字幕在线观看 | 免费搜索国产男女视频| 欧美三级亚洲精品| 国产麻豆成人av免费视频| 国产一区二区三区av在线 | 精品福利观看| 在现免费观看毛片| 日产精品乱码卡一卡2卡三| 久久草成人影院| 香蕉av资源在线| 国产探花在线观看一区二区| 亚洲自偷自拍三级| 国产成人a区在线观看| 97超视频在线观看视频| 淫秽高清视频在线观看| 精品无人区乱码1区二区| 国产视频一区二区在线看| 成年女人永久免费观看视频| 国产乱人偷精品视频| 亚洲成人精品中文字幕电影| 少妇人妻精品综合一区二区 | 女的被弄到高潮叫床怎么办| 免费在线观看影片大全网站| 精品久久久久久久末码| 欧美激情国产日韩精品一区| 亚洲性夜色夜夜综合| 免费人成在线观看视频色| 亚洲乱码一区二区免费版| 日本欧美国产在线视频| 成人亚洲欧美一区二区av| 亚洲精品国产av成人精品 | 久久6这里有精品| 午夜视频国产福利| 久久人人爽人人爽人人片va| 亚洲第一电影网av| 深夜a级毛片| 日本撒尿小便嘘嘘汇集6| 亚洲成人久久性| 一级毛片我不卡| 少妇熟女aⅴ在线视频| 成年女人永久免费观看视频| 最近最新中文字幕大全电影3| 天堂√8在线中文| 国产伦一二天堂av在线观看| 久久午夜福利片| 国产高潮美女av| 女人被狂操c到高潮| 久久婷婷人人爽人人干人人爱| 美女被艹到高潮喷水动态| 两个人视频免费观看高清| 女同久久另类99精品国产91| 国产黄色视频一区二区在线观看 | 自拍偷自拍亚洲精品老妇| 久久草成人影院| 美女黄网站色视频| 亚洲国产日韩欧美精品在线观看| av在线天堂中文字幕| 精品少妇黑人巨大在线播放 | 欧美激情久久久久久爽电影| 免费看美女性在线毛片视频| 中文字幕av在线有码专区| 国产高清视频在线观看网站| 久久久精品大字幕| 精品午夜福利在线看| 淫妇啪啪啪对白视频| 免费不卡的大黄色大毛片视频在线观看 | 菩萨蛮人人尽说江南好唐韦庄 | 国产真实伦视频高清在线观看| 桃色一区二区三区在线观看| 在线观看av片永久免费下载| 能在线免费观看的黄片| 欧美区成人在线视频| 免费搜索国产男女视频| 人妻制服诱惑在线中文字幕| 国产精品三级大全| 丝袜喷水一区| 最新中文字幕久久久久| 日本黄色片子视频| 免费观看在线日韩| 久久天躁狠狠躁夜夜2o2o| 国产成人freesex在线 | 亚洲欧美精品自产自拍| 国产亚洲欧美98| 国产成人91sexporn| 久久亚洲国产成人精品v| 欧美成人一区二区免费高清观看| 欧美+亚洲+日韩+国产| 欧美国产日韩亚洲一区| 久久久精品欧美日韩精品| 一级黄色大片毛片| 国产精品一二三区在线看| 国产精品,欧美在线| 久久久久免费精品人妻一区二区| 午夜福利在线观看吧| 又粗又爽又猛毛片免费看| 亚洲国产精品国产精品| 国产黄a三级三级三级人| 国产成人freesex在线 | 村上凉子中文字幕在线| 日韩欧美国产在线观看| 俄罗斯特黄特色一大片| 国产成人精品久久久久久| 免费看日本二区| 九色成人免费人妻av| 大香蕉久久网| 久久精品夜色国产| 香蕉av资源在线| 尾随美女入室| 久久午夜亚洲精品久久| 亚洲成人中文字幕在线播放| 99久久精品一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 久久热精品热| 中文在线观看免费www的网站| 偷拍熟女少妇极品色| 少妇高潮的动态图| 日本一二三区视频观看| 色哟哟哟哟哟哟| 人妻少妇偷人精品九色| 国内少妇人妻偷人精品xxx网站| 99热6这里只有精品| 欧美日韩在线观看h| 99热这里只有是精品在线观看| 亚洲精品一区av在线观看| 女的被弄到高潮叫床怎么办| 看非洲黑人一级黄片| 国产精品久久电影中文字幕| 日韩欧美一区二区三区在线观看| 在线播放无遮挡| 男人和女人高潮做爰伦理| 中文字幕av成人在线电影| 久久久久性生活片| 少妇人妻一区二区三区视频| 又爽又黄无遮挡网站| 色噜噜av男人的天堂激情| 色av中文字幕| 日本 av在线| 中出人妻视频一区二区| 最新中文字幕久久久久| 级片在线观看| 国产成年人精品一区二区| 欧美一级a爱片免费观看看| 久久久久久国产a免费观看| 亚洲无线观看免费| 最近中文字幕高清免费大全6|