• <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
    看免费av毛片| 亚洲专区国产一区二区| 啦啦啦视频在线资源免费观看| 2021少妇久久久久久久久久久| 一级毛片电影观看| 色播在线永久视频| www日本在线高清视频| 亚洲精品日本国产第一区| 丝袜在线中文字幕| 久久人人97超碰香蕉20202| 亚洲伊人色综图| 91麻豆精品激情在线观看国产 | 亚洲情色 制服丝袜| 国产成人啪精品午夜网站| 国产精品亚洲av一区麻豆| e午夜精品久久久久久久| 99热网站在线观看| 男女国产视频网站| 国产一区二区 视频在线| 黑人欧美特级aaaaaa片| 精品卡一卡二卡四卡免费| 男人爽女人下面视频在线观看| 黄网站色视频无遮挡免费观看| 免费在线观看影片大全网站 | 国产高清不卡午夜福利| 香蕉丝袜av| 一级毛片黄色毛片免费观看视频| 男女边摸边吃奶| 久久性视频一级片| 男人操女人黄网站| 亚洲欧美精品自产自拍| 免费高清在线观看视频在线观看| 免费观看a级毛片全部| 你懂的网址亚洲精品在线观看| 精品人妻在线不人妻| 欧美成人精品欧美一级黄| 一级黄色大片毛片| 国产精品免费视频内射| 欧美精品亚洲一区二区| 日韩中文字幕欧美一区二区 | a级毛片在线看网站| 亚洲国产欧美一区二区综合| 这个男人来自地球电影免费观看| 亚洲五月婷婷丁香| 亚洲天堂av无毛| 国产成人欧美在线观看 | 9热在线视频观看99| 久久精品久久久久久久性| 亚洲国产精品国产精品| 亚洲,欧美,日韩| 人妻一区二区av| 欧美老熟妇乱子伦牲交| 日韩精品免费视频一区二区三区| 欧美老熟妇乱子伦牲交| 亚洲久久久国产精品| 1024香蕉在线观看| 美女脱内裤让男人舔精品视频| 精品久久久久久久毛片微露脸 | 亚洲少妇的诱惑av| 久久人人97超碰香蕉20202| 丝袜喷水一区| 精品视频人人做人人爽| 久久毛片免费看一区二区三区| 国产在线视频一区二区| 满18在线观看网站| 国产精品成人在线| 国产极品粉嫩免费观看在线| 国产精品秋霞免费鲁丝片| 成人国语在线视频| 亚洲综合色网址| 男女国产视频网站| 欧美日韩av久久| 日韩视频在线欧美| 精品久久久久久久毛片微露脸 | 中文字幕色久视频| 国产一区二区 视频在线| 2018国产大陆天天弄谢| 乱人伦中国视频| 十八禁高潮呻吟视频| 免费看av在线观看网站| 国产欧美日韩一区二区三区在线| 国产野战对白在线观看| 99热国产这里只有精品6| 又大又爽又粗| 久久99一区二区三区| 欧美日本中文国产一区发布| 成人亚洲精品一区在线观看| 国产福利在线免费观看视频| 亚洲国产精品一区二区三区在线| 男女边摸边吃奶| 一区在线观看完整版| 久久久久久亚洲精品国产蜜桃av| 啦啦啦在线观看免费高清www| 久久人人爽av亚洲精品天堂| 亚洲av电影在线观看一区二区三区| 久久 成人 亚洲| 老司机深夜福利视频在线观看 | 女性被躁到高潮视频| 天堂俺去俺来也www色官网| 黄片小视频在线播放| 波多野结衣一区麻豆| 高清不卡的av网站| 亚洲精品一区蜜桃| 日韩人妻精品一区2区三区| 伦理电影免费视频| 韩国精品一区二区三区| 国产熟女欧美一区二区| 一级片'在线观看视频| 老司机在亚洲福利影院| 捣出白浆h1v1| 亚洲av成人精品一二三区| av电影中文网址| 日韩电影二区| 欧美人与性动交α欧美精品济南到| 啦啦啦视频在线资源免费观看| 亚洲精品一区蜜桃| 亚洲国产精品一区二区三区在线| 亚洲国产精品一区三区| 亚洲精品一区蜜桃| 亚洲av国产av综合av卡| 热re99久久国产66热| 在线观看人妻少妇| 麻豆av在线久日| 两个人看的免费小视频| 新久久久久国产一级毛片| 成年美女黄网站色视频大全免费| 精品第一国产精品| 女人高潮潮喷娇喘18禁视频| 日韩av不卡免费在线播放| 人人妻人人添人人爽欧美一区卜| 国产亚洲av片在线观看秒播厂| 男女床上黄色一级片免费看| 国产97色在线日韩免费| 亚洲熟女毛片儿| 午夜福利,免费看| 欧美日韩福利视频一区二区| 亚洲国产精品成人久久小说| 久久天堂一区二区三区四区| 国产熟女午夜一区二区三区| 中文精品一卡2卡3卡4更新| 性少妇av在线| 国产成人欧美在线观看 | 一边亲一边摸免费视频| 国产成人免费无遮挡视频| 久久久久网色| 嫩草影视91久久| 亚洲第一av免费看| 国产成人一区二区在线| 一级毛片黄色毛片免费观看视频| 在线观看免费日韩欧美大片| 少妇人妻 视频| 亚洲精品国产色婷婷电影| netflix在线观看网站| 久久久久网色| 国产在线一区二区三区精| 日韩,欧美,国产一区二区三区| 免费人妻精品一区二区三区视频| 美女福利国产在线| av欧美777| 久久天躁狠狠躁夜夜2o2o | 免费高清在线观看日韩| 久久久久精品国产欧美久久久 | 欧美久久黑人一区二区| 日本五十路高清| 男女下面插进去视频免费观看| 国产日韩一区二区三区精品不卡| 女人高潮潮喷娇喘18禁视频| 欧美成狂野欧美在线观看| 丰满迷人的少妇在线观看| 99国产精品99久久久久| 国产精品偷伦视频观看了| 交换朋友夫妻互换小说| 最近最新中文字幕大全免费视频 | 国语对白做爰xxxⅹ性视频网站| svipshipincom国产片| 国产欧美日韩一区二区三区在线| 曰老女人黄片| 中文字幕制服av| 亚洲国产日韩一区二区| 夫妻午夜视频| 女人高潮潮喷娇喘18禁视频| 欧美精品一区二区免费开放| 国产老妇伦熟女老妇高清| 欧美黄色片欧美黄色片| 99久久精品国产亚洲精品| 国产精品久久久久久精品电影小说| www.999成人在线观看| 99久久精品国产亚洲精品| 一二三四在线观看免费中文在| 男女床上黄色一级片免费看| 亚洲欧洲日产国产| 欧美成人精品欧美一级黄| 亚洲七黄色美女视频| 黄色怎么调成土黄色| 亚洲成人免费av在线播放| 久久天躁狠狠躁夜夜2o2o | 国产有黄有色有爽视频| 制服人妻中文乱码| 日韩 欧美 亚洲 中文字幕| 免费观看a级毛片全部| 热99国产精品久久久久久7| 久久亚洲国产成人精品v| 国产精品秋霞免费鲁丝片| 九色亚洲精品在线播放| 丝袜美腿诱惑在线| 久久精品久久精品一区二区三区| 少妇被粗大的猛进出69影院| 爱豆传媒免费全集在线观看| 亚洲 国产 在线| 国产精品 国内视频| 久久 成人 亚洲| 午夜福利乱码中文字幕| 99热网站在线观看| 中文字幕制服av| av网站免费在线观看视频| 美女福利国产在线| 欧美黑人欧美精品刺激| 国产男女内射视频| 涩涩av久久男人的天堂| 久久精品久久久久久噜噜老黄| a级毛片黄视频| 大香蕉久久网| 青青草视频在线视频观看| 在线观看一区二区三区激情| 菩萨蛮人人尽说江南好唐韦庄| 一级a爱视频在线免费观看| 亚洲成色77777| 成人影院久久| 天天影视国产精品| 欧美日韩福利视频一区二区| 激情视频va一区二区三区| 欧美激情高清一区二区三区| 中文字幕av电影在线播放| avwww免费| 国产精品秋霞免费鲁丝片| 精品少妇一区二区三区视频日本电影| 亚洲国产精品一区二区三区在线| 91精品伊人久久大香线蕉| 成人午夜精彩视频在线观看| 色综合欧美亚洲国产小说| 丝袜在线中文字幕| 免费看十八禁软件| 五月天丁香电影| 亚洲中文av在线| svipshipincom国产片| 老熟女久久久| 欧美日韩一级在线毛片| 日韩中文字幕欧美一区二区 | 亚洲精品一卡2卡三卡4卡5卡 | 国产成人精品久久二区二区91| 成人影院久久| 久久亚洲精品不卡| 欧美黄色淫秽网站| av天堂在线播放| 欧美日韩成人在线一区二区| 一二三四在线观看免费中文在| 国产精品av久久久久免费| 精品一区二区三区av网在线观看 | 免费在线观看日本一区| 2021少妇久久久久久久久久久| 18禁裸乳无遮挡动漫免费视频| 黑人欧美特级aaaaaa片| 老司机深夜福利视频在线观看 | 亚洲国产欧美网| 黄网站色视频无遮挡免费观看| 午夜福利,免费看| 国产精品偷伦视频观看了| 国产精品 欧美亚洲| 国产老妇伦熟女老妇高清| 午夜福利一区二区在线看| 满18在线观看网站| 美女扒开内裤让男人捅视频| 老司机深夜福利视频在线观看 | av视频免费观看在线观看| 1024视频免费在线观看| 亚洲欧洲日产国产| 亚洲中文字幕日韩| 一二三四社区在线视频社区8| 别揉我奶头~嗯~啊~动态视频 | av欧美777| 亚洲国产av新网站| 免费在线观看影片大全网站 | 热99国产精品久久久久久7| www.av在线官网国产| √禁漫天堂资源中文www| 99久久人妻综合| 汤姆久久久久久久影院中文字幕| 精品福利观看| 永久免费av网站大全| 高清不卡的av网站| 捣出白浆h1v1| xxxhd国产人妻xxx| 亚洲成av片中文字幕在线观看| 69精品国产乱码久久久| 国产高清videossex| 国产老妇伦熟女老妇高清| 波多野结衣av一区二区av| 久久中文字幕一级| 国产亚洲欧美精品永久| 久久久久网色| 国产日韩欧美视频二区| 国产成人一区二区在线| 爱豆传媒免费全集在线观看| 建设人人有责人人尽责人人享有的| 女性生殖器流出的白浆| 搡老乐熟女国产| 日本91视频免费播放| 丝袜美腿诱惑在线| 两人在一起打扑克的视频| 国产成人精品久久二区二区免费| 午夜精品国产一区二区电影| 一本一本久久a久久精品综合妖精| 日韩av在线免费看完整版不卡| 2018国产大陆天天弄谢| 黄色视频在线播放观看不卡| 久热这里只有精品99| 国产精品成人在线| 亚洲av电影在线观看一区二区三区| 丰满饥渴人妻一区二区三| 中文字幕人妻丝袜一区二区| 久久精品久久久久久噜噜老黄| 亚洲自偷自拍图片 自拍| 赤兔流量卡办理| 最新的欧美精品一区二区| 国产视频首页在线观看| 亚洲五月色婷婷综合| 日韩电影二区| 你懂的网址亚洲精品在线观看| 各种免费的搞黄视频| 国产免费视频播放在线视频| 国产成人欧美| 国产深夜福利视频在线观看| 午夜福利,免费看| 交换朋友夫妻互换小说| 狂野欧美激情性xxxx| 一本大道久久a久久精品| 新久久久久国产一级毛片| 肉色欧美久久久久久久蜜桃| 一区二区av电影网| 国产免费视频播放在线视频| 国产成人欧美| 亚洲第一青青草原| 天天操日日干夜夜撸| 亚洲精品国产一区二区精华液| 免费在线观看影片大全网站 | 日本猛色少妇xxxxx猛交久久| 婷婷色av中文字幕| 久久国产精品大桥未久av| 丰满人妻熟妇乱又伦精品不卡| 性色av一级| 成年人免费黄色播放视频| 日韩中文字幕视频在线看片| 亚洲欧美一区二区三区国产| 国产午夜精品一二区理论片| 别揉我奶头~嗯~啊~动态视频 | 国产日韩一区二区三区精品不卡| 麻豆乱淫一区二区| 男人添女人高潮全过程视频| 亚洲九九香蕉| 在线av久久热| 午夜福利视频精品| tube8黄色片| 亚洲欧美一区二区三区黑人| 色综合欧美亚洲国产小说| 欧美国产精品va在线观看不卡| 国产xxxxx性猛交| 最近最新中文字幕大全免费视频 | av天堂在线播放| 一本一本久久a久久精品综合妖精| 成人手机av| 精品第一国产精品| 亚洲精品国产区一区二| 五月开心婷婷网| 国产男人的电影天堂91| 一边摸一边做爽爽视频免费| 国产主播在线观看一区二区 | 日韩免费高清中文字幕av| 欧美亚洲日本最大视频资源| 80岁老熟妇乱子伦牲交| 国产福利在线免费观看视频| 男女边吃奶边做爰视频| 9热在线视频观看99| 考比视频在线观看| 国产极品粉嫩免费观看在线| 国产免费视频播放在线视频| 亚洲欧美色中文字幕在线| 亚洲九九香蕉| 亚洲国产欧美在线一区| 国产精品99久久99久久久不卡| 国产精品.久久久| 国产视频首页在线观看| 亚洲国产毛片av蜜桃av| 国产精品成人在线| 不卡av一区二区三区| 性高湖久久久久久久久免费观看| 中文字幕色久视频| 丝袜在线中文字幕| 人成视频在线观看免费观看| 99国产精品99久久久久| 精品人妻在线不人妻| 一区二区av电影网| 亚洲精品成人av观看孕妇| 国产伦人伦偷精品视频| 欧美日韩视频高清一区二区三区二| 国产成人系列免费观看| 最黄视频免费看| 日韩 亚洲 欧美在线| 国产男女超爽视频在线观看| 国产一区二区 视频在线| 99久久人妻综合| 日韩大码丰满熟妇| 久久精品国产综合久久久| 久久亚洲国产成人精品v| 自拍欧美九色日韩亚洲蝌蚪91| 999久久久国产精品视频| 视频在线观看一区二区三区| 又黄又粗又硬又大视频| 国产一区二区激情短视频 | 人人澡人人妻人| 午夜影院在线不卡| 操出白浆在线播放| 少妇 在线观看| 你懂的网址亚洲精品在线观看| 高清不卡的av网站| 两个人免费观看高清视频| 国产成人免费观看mmmm| 晚上一个人看的免费电影| 欧美精品人与动牲交sv欧美| 一级毛片我不卡| 国产一区二区三区综合在线观看| 欧美中文综合在线视频| 悠悠久久av| 免费看十八禁软件| 午夜福利视频精品| 99久久99久久久精品蜜桃| 亚洲专区中文字幕在线| 国产精品国产三级专区第一集| 亚洲国产欧美网| 最黄视频免费看| 在现免费观看毛片| 老汉色av国产亚洲站长工具| 狂野欧美激情性xxxx| 亚洲av成人不卡在线观看播放网 | 免费高清在线观看日韩| 9色porny在线观看| 日韩电影二区| 亚洲伊人久久精品综合| 婷婷成人精品国产| 欧美亚洲 丝袜 人妻 在线| 国产在视频线精品| 电影成人av| 丰满饥渴人妻一区二区三| 别揉我奶头~嗯~啊~动态视频 | 老司机影院毛片| 欧美人与性动交α欧美软件| 母亲3免费完整高清在线观看| 午夜两性在线视频| 日本一区二区免费在线视频| 天天躁狠狠躁夜夜躁狠狠躁| av一本久久久久| 日韩,欧美,国产一区二区三区| 午夜日韩欧美国产| 国产精品久久久久久人妻精品电影 | 欧美在线一区亚洲| 丰满饥渴人妻一区二区三| 视频区图区小说| 涩涩av久久男人的天堂| 夫妻午夜视频| 国产欧美亚洲国产| 夜夜骑夜夜射夜夜干| 老鸭窝网址在线观看| 久久精品久久久久久久性| 精品国产一区二区久久| 美女午夜性视频免费| 国产一区二区 视频在线| 国产一区二区激情短视频 | 亚洲国产看品久久| 成人18禁高潮啪啪吃奶动态图| 女人久久www免费人成看片| 亚洲国产最新在线播放| 天天躁夜夜躁狠狠久久av| 老汉色∧v一级毛片| 老司机午夜十八禁免费视频| 久久久精品免费免费高清| 国产成人av激情在线播放| 成在线人永久免费视频| 777久久人妻少妇嫩草av网站| 国产黄频视频在线观看| av在线app专区| 久久久国产一区二区| 高清视频免费观看一区二区| 色播在线永久视频| 亚洲黑人精品在线| 黄色 视频免费看| 国产成人免费观看mmmm| 两个人免费观看高清视频| 色视频在线一区二区三区| 久久中文字幕一级| 亚洲专区国产一区二区| 日本一区二区免费在线视频| 国产真人三级小视频在线观看| 久久午夜综合久久蜜桃| 波野结衣二区三区在线| 美女国产高潮福利片在线看| 亚洲一卡2卡3卡4卡5卡精品中文| 少妇精品久久久久久久| 天堂8中文在线网| 大陆偷拍与自拍| 国产精品99久久99久久久不卡| 麻豆国产av国片精品| 国产亚洲av片在线观看秒播厂| 一级毛片电影观看| 国产欧美亚洲国产| 男人爽女人下面视频在线观看| 只有这里有精品99| 老熟女久久久| 国产高清videossex| 女人久久www免费人成看片| 老司机亚洲免费影院| 成年人黄色毛片网站| 国产在线一区二区三区精| 欧美中文综合在线视频| 成年人免费黄色播放视频| 欧美国产精品va在线观看不卡| 国产精品偷伦视频观看了| 亚洲少妇的诱惑av| 成人18禁高潮啪啪吃奶动态图| 在线天堂中文资源库| 免费在线观看日本一区| videosex国产| 在现免费观看毛片| 国产精品一国产av| 成人国产一区最新在线观看 | 国产野战对白在线观看| 国产片内射在线| 久久国产精品大桥未久av| 国产黄色视频一区二区在线观看| 99香蕉大伊视频| 久久精品熟女亚洲av麻豆精品| 黄色怎么调成土黄色| 国产有黄有色有爽视频| 欧美日韩黄片免| 一本—道久久a久久精品蜜桃钙片| 另类亚洲欧美激情| 国产成人a∨麻豆精品| 日韩av在线免费看完整版不卡| 天天躁夜夜躁狠狠躁躁| 国产成人啪精品午夜网站| 女人久久www免费人成看片| 亚洲一区中文字幕在线| 欧美人与性动交α欧美精品济南到| 日韩 欧美 亚洲 中文字幕| 久久久久久久精品精品| 亚洲欧美一区二区三区黑人| 免费日韩欧美在线观看| 大话2 男鬼变身卡| 手机成人av网站| 天天操日日干夜夜撸| 国产精品一区二区精品视频观看| 大话2 男鬼变身卡| 欧美 亚洲 国产 日韩一| 免费观看av网站的网址| 黄色毛片三级朝国网站| 亚洲精品美女久久av网站| 久久青草综合色| 美女高潮到喷水免费观看| 精品高清国产在线一区| 女人久久www免费人成看片| 王馨瑶露胸无遮挡在线观看| 国产成人精品久久久久久| 欧美日韩av久久| 汤姆久久久久久久影院中文字幕| 亚洲国产欧美日韩在线播放| 国产极品粉嫩免费观看在线| 精品亚洲成国产av| 成人三级做爰电影| 热99久久久久精品小说推荐| 人人妻人人添人人爽欧美一区卜| www.av在线官网国产| 丰满少妇做爰视频| 国产成人精品久久二区二区91| 欧美日韩av久久| 青草久久国产| 欧美日韩亚洲高清精品| 精品久久久久久电影网| 国产免费又黄又爽又色| 国产成人啪精品午夜网站| 国产不卡av网站在线观看| 校园人妻丝袜中文字幕| 亚洲成色77777| 又黄又粗又硬又大视频| 日韩一本色道免费dvd| 精品国产超薄肉色丝袜足j| 亚洲人成电影免费在线| 极品少妇高潮喷水抽搐| 日本猛色少妇xxxxx猛交久久| 免费看不卡的av| 亚洲色图综合在线观看| 国产av精品麻豆| 一边摸一边抽搐一进一出视频| 汤姆久久久久久久影院中文字幕| 欧美 日韩 精品 国产| 日韩制服骚丝袜av| 国产真人三级小视频在线观看| 中国国产av一级| 亚洲中文av在线| 2021少妇久久久久久久久久久| 18在线观看网站| 每晚都被弄得嗷嗷叫到高潮| 首页视频小说图片口味搜索 | 777米奇影视久久| 80岁老熟妇乱子伦牲交| 亚洲,一卡二卡三卡| 男女之事视频高清在线观看 | 午夜免费男女啪啪视频观看|