• <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4層R-CNN的輸電線路多目標(biāo)檢測

    2022-08-25 12:22:54單亞鋒趙天宇王珂珂
    關(guān)鍵詞:航拍絕緣子特征提取

    單亞鋒,趙天宇,付 昱,付 華,王珂珂

    (遼寧工程技術(shù)大學(xué) 電氣與控制工程學(xué)院,遼寧 葫蘆島 125105)

    0 引言

    輸電線路部件發(fā)生故障必然會威脅電力系統(tǒng)的穩(wěn)定,對用戶的用電可靠性造成影響,而且?guī)斫?jīng)濟損失.所以對輸電線路的定期巡檢與維護是智能電網(wǎng)建設(shè)過程中極其重要的內(nèi)容[1].對于輸電線路的巡檢,目前越來越多的國家逐漸從傳統(tǒng)巡檢方式向無人機巡檢方式轉(zhuǎn)變,而無人機巡檢需要對大量的巡線航拍圖片進行準(zhǔn)確地識別與分析,因此,在輸電線路目標(biāo)識別領(lǐng)域基于深度學(xué)習(xí)的圖片識別方法發(fā)揮了至關(guān)重要的作用[2-5].在圖像識別領(lǐng)域,單階段(One-stage)檢測器以單激發(fā)多盒探測器SSD[6]、單次檢測(YOLO)[7]等為代表;雙階段(Two-stage)檢測器主要包括實例分割卷積神經(jīng)網(wǎng)絡(luò)(Mask R-CNN)[8]、區(qū)域推薦卷積神經(jīng)網(wǎng)絡(luò)(Faster R-CNN)等.單階段檢測算法雖然用時短,但在小尺度目標(biāo)檢測識別領(lǐng)域,由于雙階段檢測算法檢測精度更高,所以有著更廣闊的應(yīng)用前景.文獻[9]提出了一種基于樣本擴充以及Faster R-CNN的電網(wǎng)異物監(jiān)測的方法,但在所生成樣本的輸出質(zhì)量方面還有一定的提升空間.文獻[10]、文獻[11]都將Faster R-CNN算法應(yīng)用到了電力領(lǐng)域,驗證了在識別百量級圖像時該算法的適用性和穩(wěn)定性.其中文獻[11]驗證了Faster R-CNN模型能夠在復(fù)雜背景下以較高的精度和較低的時間成本檢測絕緣子.文獻[12]利用Faster R-CNN模型實現(xiàn)了航拍圖像中均壓環(huán)、間隔棒、防振錘等電力小部件的識別定位,并獲得93.5%準(zhǔn)確率,但因為樣本量較小,在絕緣子之間存在互相遮擋時,識別效果還需要進一步改善,因此應(yīng)使航拍圖像的樣本多樣性繼續(xù)提高.相比于Faster R-CNN兩階段目標(biāo)識別算法,文獻[13]提出一種多階段級聯(lián)檢測框架即級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)(Cascade R-CNN),在具有挑戰(zhàn)性的常見對象(COCO)數(shù)據(jù)集上,級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)檢測效果超過了所有的單階段目標(biāo)檢測器.文獻[14]驗證了Cascade R-CNN模型在交通標(biāo)志檢測領(lǐng)域應(yīng)用的可行性,識別準(zhǔn)確率達到98%以上.

    在圖片處理過程中,特征提取是影響目標(biāo)識別準(zhǔn)確率的關(guān)鍵步驟之一.相比于亞里克斯神經(jīng)網(wǎng)絡(luò)(AlexNet)[15]、視覺幾何神經(jīng)網(wǎng)絡(luò)(VGGNet)[16]等,深度殘差神經(jīng)網(wǎng)絡(luò)(ResNet)作為深度學(xué)習(xí)的前端具有更大的優(yōu)勢[17].ResNet101網(wǎng)絡(luò)可以有效地解決訓(xùn)練過程中產(chǎn)生的梯度彌散問題[18-19],但卷積計算可能存在低層信息丟失的現(xiàn)象.FPN[20]可在不同層特征融合的基礎(chǔ)上進行獨立預(yù)測,獲得較好的特征提取結(jié)果.

    針對上述圖片識別存在的問題,利用基于圖像預(yù)處理的方式實現(xiàn)對航拍圖像中絕緣子及其缺陷、鳥巢、防振錘等9類目標(biāo)數(shù)據(jù)集的擴充,設(shè)計和搭建ResNet-101網(wǎng)絡(luò)以及6層FPN網(wǎng)絡(luò)相結(jié)合的模型來提取輸入目標(biāo)特征,在多階段級聯(lián)神經(jīng)網(wǎng)絡(luò)Four R-CNN模型訓(xùn)練中,通過區(qū)域推薦網(wǎng)絡(luò)(RPN)生成錨點框輸入級聯(lián)的分類器與邊框回歸器進行訓(xùn)練,根據(jù)分類器得分和邊框回歸結(jié)果確定絕緣子、防振錘、鳥窩等目標(biāo)的分類與絕緣子缺陷定位.

    1 圖像預(yù)處理

    由于實驗使用的原始圖片為代碼托管(Github)平臺上公開的無人機航拍巡檢樣本,數(shù)量有限.對于小樣本問題,深度學(xué)習(xí)無法發(fā)揮出最大優(yōu)勢.因此,利用樣本生成技術(shù)擴充數(shù)據(jù)集,這對于所構(gòu)建的深度學(xué)習(xí)模型起著至關(guān)重要的作用.

    在擴充數(shù)據(jù)集的過程中,為更好提升多目標(biāo)識別情況下的準(zhǔn)確率,各類別圖像樣本不僅要達到一定數(shù)量級來滿足深度學(xué)習(xí)的訓(xùn)練要求,而且要避免出現(xiàn)過擬合現(xiàn)象.針對無人機航拍的特點,在圖像預(yù)處理時通過亮度變換、尺度放縮等操作進行模擬.由于無人機在拍攝電網(wǎng)相關(guān)目標(biāo)時不可避免的會抖動,故采用運動模糊算法進行模擬,在一定程度上對數(shù)據(jù)集的泛化性起到了提升作用.表1為圖像預(yù)處理參數(shù)設(shè)置.

    表1 圖像預(yù)處理參數(shù)設(shè)置Tab.1 parameters of image preprocessing

    2 基于Four R-CNN的多目標(biāo)識別

    2.1 特征提取網(wǎng)絡(luò)

    以ResNet101網(wǎng)絡(luò)為特征提取網(wǎng)絡(luò)的主干,包括conv1、conv2_x、conv3_x、conv4_x、conv5_x等5層殘差模塊,每一層包含若干殘差學(xué)習(xí)結(jié)構(gòu).經(jīng)降采樣處理后,訓(xùn)練圖片的像素為1 024×1 024,輸出像素分別為512×512×64、256×256×256、128×128×512、64×64×1 024、32×32×1 048.顯然,基于ResNet101網(wǎng)絡(luò)的特征提取過程,圖片尺寸不斷減小而通道數(shù)量不斷增加.隨著特征圖底層的丟失,圖片分辨率會逐級下降,導(dǎo)致檢測模型無法對輸電線路小目標(biāo)進行有效識別與定位.常用的深度學(xué)習(xí)網(wǎng)絡(luò)能夠?qū)Υ蠖鄶?shù)目標(biāo)實現(xiàn)成功識別,但是由于遠(yuǎn)景的圖像過于模糊,依然存在大量漏檢、錯檢的情況,所以常用的特征提取網(wǎng)絡(luò)對遠(yuǎn)景小目標(biāo)圖像的識別效果并不理想.

    由于無人機拍攝的是輸電線路易損件的局部缺陷,為了提升小目標(biāo)的識別效果,采用ResNet101和FPN網(wǎng)絡(luò)作為特征提取網(wǎng)絡(luò),在殘差網(wǎng)絡(luò)的基礎(chǔ)上設(shè)計了2種FPN網(wǎng)絡(luò),分別是5層FPN結(jié)構(gòu)(P2層、P3層、P4層、P5層、P6層)和6層FPN結(jié)構(gòu)(P2層、P3層、P4層、P5層、P6層、P7層),見表2.為驗證特征提取網(wǎng)絡(luò)的效果,采用Cascade R-CNN驗證表2的4種網(wǎng)絡(luò)模型.6層FPN網(wǎng)絡(luò)識別小目標(biāo)的平均準(zhǔn)確率值最高,達到89.3%,因此最終選擇6層FPN網(wǎng)絡(luò).

    表2 小目標(biāo)檢測結(jié)果對比Tab.2 comparison of small target detection results

    將ResNet101網(wǎng)絡(luò)和6層FPN網(wǎng)絡(luò)融合,P2層、P3層、P4層、P5層增加了自下而上帶有反向側(cè)邊連接的支路結(jié)構(gòu),與conv2_x、conv3_x、conv4_x、conv5_x相連.內(nèi)容方面,P2層、P3層、P4層、P5層與conv2_x、conv3_x、conv4_x、conv5_x的圖片尺寸呈現(xiàn)一一對應(yīng)的關(guān)系,但通道數(shù)量存在差異.P2層由conv2_x層1x1卷積內(nèi)核和P3層以步幅為2像素的上采樣組成,像素為256×256×256,同理P3層為128×128×256,P4層為64×64×256,P5層為32× 32×256.P6層由P5層以步幅為2的下采樣得到,像素為16×16×256,同理P7層為8×8×256.因為低層具備高分辨率的特征,故P2層、P3層、P4層、P5層與低層融合后,能夠有效識別出航拍圖像中的電力小部件.由于神經(jīng)網(wǎng)絡(luò)的不斷加深,卷積運算和輪詢會使小目標(biāo)的信息逐漸消失,應(yīng)用深特征圖層的高語義信息,設(shè)計P6層和P7層有助于更加精確地檢測大目標(biāo).

    2.2 基于Four R-CNN的輸電線路多目標(biāo)識別模型

    提出4層R-CNN(Four R-CNN)級聯(lián)網(wǎng)絡(luò),ResNet101+FPN用于特征提取,生成特征幀.將不同的重疊度(IOU)設(shè)置為級聯(lián)R-CNN,并對預(yù)處理后的圖像進行訓(xùn)練,以實現(xiàn)高質(zhì)量的目標(biāo)檢測.在每個檢測階段,包括一個分類器hi和一個回歸器fi,根據(jù)分類器與回歸器產(chǎn)生的損失來綜合判斷目標(biāo)類別以及確定目標(biāo)位置.Four R-CNN網(wǎng)絡(luò)總體損失函數(shù)為

    式中,Lcls為分類損失;Lloc為定位損失;g為輸入圖片真實值;λ為權(quán)衡系數(shù);xi為不同IOU閾值下的關(guān)鍵幀;yi為不同IOU閾值下各種輸入圖片的標(biāo)簽類別;[·]為邊界框回歸IOU閾值,與分類用閾值相同.

    Four R-CNN模型的分類損失使用Softmax損失函數(shù)代替,為

    式中,aj為Softmax輸出向量第j個值,j=1,2,…,m.m為類別數(shù),取9,則ak為輸出向量9個值.定位損失為

    式中,bi為錨框,bi=(bx,by,bw,bh);為標(biāo)記框,為分類損失函數(shù),使用 1LS函數(shù)代替R,

    式中,x=.

    基于4層R-CNN級聯(lián)算法的網(wǎng)絡(luò)框架模型見圖1.

    圖1 4層 R-CNN級聯(lián)算法網(wǎng)絡(luò)框架模型Fig.1 network framework model of Four-layer R-CNN cascade algorithm

    算法步驟如下.

    (1)將COCO形式的數(shù)據(jù)集輸入到基于ResNet101和6層FPN的特征提取網(wǎng)絡(luò),特征圖用于后續(xù)的RPN網(wǎng)絡(luò),其中conv4_x作為邊界框回歸,conv5_x作為RPN網(wǎng)絡(luò)的輸入.

    (2)未經(jīng)損失函數(shù)調(diào)整的原始邊框回歸(bbox_pred_0)輸入到Four R-CNN的網(wǎng)絡(luò)進行訓(xùn)練,通過下采樣后送到RoI Pooling得到輸電線路目標(biāo)分類得分Lcls_1以及邊框回歸Lbox_1,同理得到第2次調(diào)整的Lcls_2和Lbox_2,第3次調(diào)整的Lcls_3和Lbox_3,前3級檢測網(wǎng)絡(luò)IOU閾值分別設(shè)0.4、0.5、0.6.

    (3)按照第3階段的過程將邊框回歸Lbox_3再次輸入,設(shè)定第4層R-CNN的IOU為0.7,最后得到分類得分Lcls_4和邊框回歸Lbox_4.期間網(wǎng)絡(luò)的訓(xùn)練都是收斂的,得到檢測模型,最后得到電網(wǎng)檢測各類別的概率.

    2.3 輸電線路多目標(biāo)識別

    輸線路多目標(biāo)識別由圖像處理和圖像識別兩部分構(gòu)成,基于樣本生成的Four R-CNN輸電線路多目標(biāo)識別流程,見圖2.

    圖2 輸電線路多目標(biāo)識別流程Fig.2 flowchart of transmission lines multi-objective identification

    輸電線路多目標(biāo)識別主要流程如下.

    (1)提取絕緣子、相間棒、防振錘、鳥窩和絕緣子缺陷樣本,利用旋轉(zhuǎn)、放縮等操作對原始圖像進行增強.

    (2)利用圖像標(biāo)注(Labellmg)進行目標(biāo)標(biāo)注,生成對應(yīng)的可擴展標(biāo)記語言(XML)文件.

    (3)利用開源機器學(xué)習(xí)庫(PyTorch)搭建深度學(xué)習(xí)模型,把XML文件轉(zhuǎn)化COCO格式來滿足Four R-CNN模型的訓(xùn)練要求.

    (4)以模塊化封裝包mmdetection所包含的神經(jīng)網(wǎng)絡(luò)代碼為基礎(chǔ),構(gòu)建基于ResNet101和6層FPN的Four R-CNN訓(xùn)練網(wǎng)絡(luò).

    (5)通過建立的數(shù)據(jù)集對模型進行訓(xùn)練,優(yōu)化相關(guān)參數(shù),使模型的識別效果達到最佳,最后以COCO檢測評價矩陣對模型性能進行評價.

    3 實驗及結(jié)果分析

    3.1 樣本準(zhǔn)備

    采用COCO格式制作數(shù)據(jù)集,共包含18 620張電網(wǎng)巡檢航拍圖像,其中16 320張是通過亮度的改變、尺寸的調(diào)整等方式進行數(shù)據(jù)擴充,再選出的圖像.為了更好地說明實驗的泛化性和檢測精度,采用不同季節(jié)、不同天氣、不同角度、不同時間段的航拍數(shù)據(jù).選擇2 000張航拍圖像作為測試集,在剩余的14 320張航拍圖像中,選取12 888張作為訓(xùn)練集,1 432張作為驗證集.

    3.2 Four R-CNN模型訓(xùn)練

    開發(fā)環(huán)境設(shè)備型號見表3,硬盤存儲空間為4 TB.

    表3 開發(fā)環(huán)境Tab.3 development environment

    實驗采用PyTorch實現(xiàn)雙路GPU分布式訓(xùn)練.通過測試將imgs_per_gpu設(shè)為8,即每次加載8張樣本圖片,workers_per_gpu為2,即每個gpu分配線程數(shù)為2.num_classes設(shè)為10,即分為3種絕緣子、防震錘、相間棒、2類絕緣子缺陷、防震錘缺陷和鳥窩.采用SDG作基礎(chǔ)迭代器,初始學(xué)習(xí)率設(shè)為0.08,迭代1 000次后學(xué)習(xí)率設(shè)為0.001,動量因子設(shè)為0.9,權(quán)重衰減因子設(shè)為0.002.設(shè)P2層、P3層、P4層、P5層、P6層、P7層的錨步分別是10、15、22、33、50、77,框的大小通過K均值進行聚類,使用Four R-CNN以獲得較好的權(quán)重.

    實驗以損失函數(shù)(Loss)作為評判算法收斂效果的依據(jù),Loss值與算法的收斂效果高低成反比.經(jīng)過多次實驗,迭代3 500,損失函數(shù)見圖3.

    圖3 損失函數(shù) Fig.3 loss function

    由圖3可知,本文Loss值為0.023 1,略高于Four R-CNN(ResNet101)網(wǎng)絡(luò)的0.017 2,但均明顯低于其余網(wǎng)絡(luò)模型,表明ResNet101+FPN網(wǎng)絡(luò)模型的收斂效果較好,所采取的網(wǎng)絡(luò)模型在Four R-CNN(ResNet101)網(wǎng)絡(luò)模型的基礎(chǔ)上融合了特征金字塔FPN網(wǎng)絡(luò),雖然犧牲了收斂效果,但更有利于提高輸電線路小目標(biāo)或重疊目標(biāo)識別的準(zhǔn)確度.

    3.3 小目標(biāo)識別結(jié)果

    由于深度學(xué)習(xí)對小目標(biāo)檢測效果不理想,為了驗證小目標(biāo)的檢測效果,采用Four R-CNN在不同的網(wǎng)絡(luò)模型下測試平均準(zhǔn)確率,評價指標(biāo)如下.

    準(zhǔn)確率(查準(zhǔn)率)為

    平均準(zhǔn)確率為

    式(5)~式(6)中,T為被檢正例的正確個數(shù);F為被檢正例的錯誤個數(shù);n為測試樣本總數(shù).

    3.4 多目標(biāo)識別結(jié)果

    為了測試基于數(shù)據(jù)擴充的Four R-CNN輸電線路多目標(biāo)識別技術(shù)在輸電線路目標(biāo)識別和異物定位中的有效性,采用基于ResNet101和6層FPN網(wǎng)絡(luò)的Four R-CNN網(wǎng)絡(luò),對2 000 張測試圖像,進行了多目標(biāo)識別測試,隨機選擇了4 張圖像用于展示檢測結(jié)果,見圖4.其中綠色方框代表著候選區(qū)域的類別以及候選區(qū)域的準(zhǔn)確位置,故障類別主要包括絕緣子缺陷、防振錘和鳥巢等.類別后面的百分?jǐn)?shù)表示置信度,置信度越高,則識別率越高.輸電線路的目標(biāo)識別結(jié)果見表4.

    圖4 多目標(biāo)識別結(jié)果Fig.4 detection results of multi-target

    表4 9類數(shù)據(jù)驗證結(jié)果Tab.4 results of nine types of data validation

    表4中平均準(zhǔn)確率P越大說明模型越好,若P為1表明識別準(zhǔn)確率100%.從驗證結(jié)果知,各類別準(zhǔn)確率的平均值為95.8%.表明本算法可以精確識別出輸電線路各個目標(biāo)情況,解決輸電線路多目標(biāo)檢測任務(wù).表5為算法對比表,采用ResNet101+FPN作為backbone的Four R-CNN在檢測精度上優(yōu)于其他算法,但是檢測速度不高.

    表5 算法對比Tab.5 algorithm comparison

    本網(wǎng)絡(luò)在訓(xùn)練時間和測試速度方面略低于其它算法.Four R-CNN采用多尺度特征融合之后的特征來做預(yù)測,可以在不同層獨立的特征進行預(yù)測,并且上一級的輸出是下一級的輸入,輸入的精度提高,輸出結(jié)果的精度就會隨之提高.

    4 結(jié)論

    針對輸電線路上絕緣子、防振錘等易損件,以及鳥巢等異物的識別,提出了一種基于4層R-CNN的輸電線路多目標(biāo)檢測方法,能對輸電線路巡檢圖像進行多目標(biāo)分類與定位,并利用數(shù)據(jù)擴充技術(shù)構(gòu)建的圖像數(shù)據(jù)集對所提方法進行實驗驗證.

    (1)利用Four R-CNN網(wǎng)絡(luò)較強的深度學(xué)習(xí)能力,同時結(jié)合ResNet101網(wǎng)絡(luò)、6層FPN網(wǎng)絡(luò)的優(yōu)勢,提高輸電線路小目標(biāo)識別準(zhǔn)確度.所提出的訓(xùn)練模型使遠(yuǎn)景目標(biāo)模糊、小目標(biāo)漏檢以及目標(biāo)重疊等問題得到有效解決.

    (2)本文所提方法對3種絕緣子、相間棒、防振錘、鳥巢和2種絕緣子缺陷能夠?qū)崿F(xiàn)端到端的識別,平均準(zhǔn)確度達到95.8%.

    猜你喜歡
    航拍絕緣子特征提取
    航拍下的苗圃與農(nóng)場
    中外文摘(2021年10期)2021-05-31 12:10:40
    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
    難忘的航拍
    《航拍中國》美得讓人想哭
    Bagging RCSP腦電特征提取算法
    陜西畫報航拍
    陜西畫報(2017年1期)2017-02-11 05:49:48
    1000kV耐張絕緣子串單片絕緣子的帶電更換技術(shù)
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    500kV絕緣子串含零值絕緣子時的電暈放電分析
    電測與儀表(2014年6期)2014-04-04 11:59:46
    絕緣子的常見故障及排除方法
    自拍偷自拍亚洲精品老妇| 欧美潮喷喷水| 九色成人免费人妻av| 91午夜精品亚洲一区二区三区| 久久这里有精品视频免费| 性色av一级| 国产成人a∨麻豆精品| 久久人人爽人人爽人人片va| 日韩一本色道免费dvd| av天堂中文字幕网| 男女无遮挡免费网站观看| 丝袜脚勾引网站| 亚洲av成人精品一二三区| 色网站视频免费| av黄色大香蕉| 性色av一级| 99久久精品国产国产毛片| 成人特级av手机在线观看| 欧美bdsm另类| 亚洲欧美精品自产自拍| 欧美激情久久久久久爽电影| 久久久a久久爽久久v久久| 欧美 日韩 精品 国产| 日韩欧美精品v在线| 美女脱内裤让男人舔精品视频| 成人美女网站在线观看视频| 久热久热在线精品观看| 大片免费播放器 马上看| 噜噜噜噜噜久久久久久91| 又大又黄又爽视频免费| 国产色爽女视频免费观看| 久久久久精品性色| 免费观看性生交大片5| 免费不卡的大黄色大毛片视频在线观看| 久久国产乱子免费精品| 欧美精品一区二区大全| www.av在线官网国产| 直男gayav资源| 99热全是精品| 国国产精品蜜臀av免费| 99热网站在线观看| 国产精品国产三级专区第一集| 免费av观看视频| 婷婷色av中文字幕| 久久国内精品自在自线图片| 99久久中文字幕三级久久日本| 日韩av在线免费看完整版不卡| 色网站视频免费| 91精品一卡2卡3卡4卡| 亚洲美女搞黄在线观看| 熟女人妻精品中文字幕| 69av精品久久久久久| 爱豆传媒免费全集在线观看| av又黄又爽大尺度在线免费看| 久久久国产一区二区| 男女国产视频网站| 97超视频在线观看视频| 26uuu在线亚洲综合色| 亚洲一区二区三区欧美精品 | av播播在线观看一区| 2022亚洲国产成人精品| 欧美精品人与动牲交sv欧美| 三级男女做爰猛烈吃奶摸视频| 日本免费在线观看一区| 五月开心婷婷网| 特级一级黄色大片| 尾随美女入室| 小蜜桃在线观看免费完整版高清| 美女视频免费永久观看网站| 男人和女人高潮做爰伦理| 午夜福利视频精品| 国产精品爽爽va在线观看网站| 国产精品秋霞免费鲁丝片| 日韩欧美 国产精品| 国产欧美亚洲国产| 99热这里只有是精品50| a级毛色黄片| 日韩免费高清中文字幕av| 亚洲av一区综合| 亚州av有码| eeuss影院久久| 中文天堂在线官网| 看十八女毛片水多多多| 成人亚洲欧美一区二区av| 插逼视频在线观看| 国产探花极品一区二区| 成年女人在线观看亚洲视频 | 亚洲经典国产精华液单| 日韩,欧美,国产一区二区三区| 熟妇人妻不卡中文字幕| 国产中年淑女户外野战色| 2021天堂中文幕一二区在线观| av在线亚洲专区| 日韩在线高清观看一区二区三区| 国产色婷婷99| 男女那种视频在线观看| 国产色爽女视频免费观看| 中文字幕人妻熟人妻熟丝袜美| 国产爽快片一区二区三区| 一级av片app| 久久精品国产亚洲av天美| av在线老鸭窝| 蜜桃久久精品国产亚洲av| 亚洲av成人精品一区久久| 好男人在线观看高清免费视频| 91精品伊人久久大香线蕉| 亚洲色图综合在线观看| 一本色道久久久久久精品综合| 免费av毛片视频| 免费看a级黄色片| 日日啪夜夜撸| 国产一区二区三区av在线| 一区二区av电影网| 各种免费的搞黄视频| 欧美精品国产亚洲| 一级毛片久久久久久久久女| 能在线免费看毛片的网站| 国产片特级美女逼逼视频| 久久久久国产精品人妻一区二区| 久久久久性生活片| 特大巨黑吊av在线直播| 高清毛片免费看| 美女被艹到高潮喷水动态| 国产成人freesex在线| 搞女人的毛片| 免费人成在线观看视频色| 久久久久久久国产电影| 中文乱码字字幕精品一区二区三区| 亚洲欧美日韩卡通动漫| 舔av片在线| 精品午夜福利在线看| 国产高潮美女av| 亚洲,欧美,日韩| 黄色欧美视频在线观看| 久热久热在线精品观看| 亚洲国产色片| 丰满少妇做爰视频| 色视频在线一区二区三区| 国产成人精品婷婷| 亚洲国产av新网站| 神马国产精品三级电影在线观看| 99精国产麻豆久久婷婷| 欧美日本视频| 又黄又爽又刺激的免费视频.| 国产精品久久久久久精品古装| 亚洲国产成人一精品久久久| 伊人久久国产一区二区| 一级毛片aaaaaa免费看小| 亚洲,欧美,日韩| 欧美精品人与动牲交sv欧美| 欧美三级亚洲精品| 特级一级黄色大片| 黄色欧美视频在线观看| 中文字幕制服av| 麻豆精品久久久久久蜜桃| 亚洲欧美日韩另类电影网站 | 最近最新中文字幕大全电影3| 性色av一级| 少妇熟女欧美另类| 老司机影院成人| 国产高清有码在线观看视频| 国国产精品蜜臀av免费| 久久久成人免费电影| 精华霜和精华液先用哪个| 永久网站在线| 大香蕉久久网| 伦精品一区二区三区| 涩涩av久久男人的天堂| 狠狠精品人妻久久久久久综合| 免费看av在线观看网站| 国产亚洲av片在线观看秒播厂| 国产中年淑女户外野战色| 热re99久久精品国产66热6| 波多野结衣巨乳人妻| 大陆偷拍与自拍| 22中文网久久字幕| 亚洲欧美精品自产自拍| 日韩一本色道免费dvd| 婷婷色综合大香蕉| 久久ye,这里只有精品| 日日摸夜夜添夜夜爱| 少妇熟女欧美另类| 亚洲三级黄色毛片| av天堂中文字幕网| 亚洲精品日韩av片在线观看| 亚洲最大成人av| 成年人午夜在线观看视频| 极品少妇高潮喷水抽搐| 99re6热这里在线精品视频| 国内少妇人妻偷人精品xxx网站| 免费看a级黄色片| 亚洲伊人久久精品综合| 色视频在线一区二区三区| 亚洲成人一二三区av| 国产成人午夜福利电影在线观看| 日本免费在线观看一区| av在线观看视频网站免费| 一级片'在线观看视频| 乱系列少妇在线播放| 日韩电影二区| 国产高潮美女av| 久久久久久久午夜电影| 麻豆成人午夜福利视频| 国产成人a区在线观看| 国产熟女欧美一区二区| 久久久久精品久久久久真实原创| 91久久精品国产一区二区三区| 欧美另类一区| 国产片特级美女逼逼视频| 亚洲精品日本国产第一区| 麻豆乱淫一区二区| 久久综合国产亚洲精品| 男人和女人高潮做爰伦理| 老女人水多毛片| 亚洲av日韩在线播放| 久久久成人免费电影| 国语对白做爰xxxⅹ性视频网站| 国产久久久一区二区三区| 国产黄片美女视频| 成人国产av品久久久| 久久这里有精品视频免费| 日韩人妻高清精品专区| 97在线视频观看| 亚洲欧美一区二区三区国产| 可以在线观看毛片的网站| 永久免费av网站大全| av一本久久久久| 超碰97精品在线观看| 国产成人一区二区在线| 久久久久精品久久久久真实原创| 亚洲四区av| 男女无遮挡免费网站观看| 日韩av在线免费看完整版不卡| 嫩草影院精品99| 狠狠精品人妻久久久久久综合| 最近中文字幕2019免费版| 午夜激情久久久久久久| 99热全是精品| kizo精华| 美女主播在线视频| 一本久久精品| 男人添女人高潮全过程视频| 亚洲一区二区三区欧美精品 | kizo精华| 精华霜和精华液先用哪个| 男男h啪啪无遮挡| 新久久久久国产一级毛片| 国产欧美亚洲国产| 免费av毛片视频| 熟女人妻精品中文字幕| 十八禁网站网址无遮挡 | 成人美女网站在线观看视频| 全区人妻精品视频| 国产国拍精品亚洲av在线观看| 久久精品国产亚洲网站| 大香蕉久久网| 欧美精品国产亚洲| 免费在线观看成人毛片| 亚洲在久久综合| freevideosex欧美| 日日摸夜夜添夜夜爱| 蜜桃久久精品国产亚洲av| 欧美区成人在线视频| 中国三级夫妇交换| 亚洲欧美一区二区三区国产| 日韩,欧美,国产一区二区三区| 日韩制服骚丝袜av| 亚洲av免费高清在线观看| 天堂网av新在线| 91久久精品电影网| 欧美另类一区| 又爽又黄无遮挡网站| 久久女婷五月综合色啪小说 | 狂野欧美白嫩少妇大欣赏| 成人一区二区视频在线观看| 高清午夜精品一区二区三区| 免费不卡的大黄色大毛片视频在线观看| 丰满少妇做爰视频| 日韩电影二区| 欧美日韩在线观看h| 嫩草影院入口| 日韩一区二区视频免费看| 永久网站在线| 国产成人91sexporn| 乱系列少妇在线播放| 欧美+日韩+精品| 婷婷色综合大香蕉| 国模一区二区三区四区视频| 尤物成人国产欧美一区二区三区| 亚洲欧美一区二区三区黑人 | 国产亚洲精品久久久com| 丝袜喷水一区| 欧美亚洲 丝袜 人妻 在线| 国产免费一区二区三区四区乱码| 成人午夜精彩视频在线观看| 国产真实伦视频高清在线观看| 国产在视频线精品| 美女被艹到高潮喷水动态| 日韩av不卡免费在线播放| 久久久久久久久大av| 男女国产视频网站| 九九久久精品国产亚洲av麻豆| 观看美女的网站| 精品人妻一区二区三区麻豆| av福利片在线观看| 99热网站在线观看| 国产免费一区二区三区四区乱码| av在线老鸭窝| 22中文网久久字幕| 久久久精品94久久精品| 人妻系列 视频| 免费高清在线观看视频在线观看| 边亲边吃奶的免费视频| 91aial.com中文字幕在线观看| 亚洲色图综合在线观看| 欧美成人午夜免费资源| 午夜福利网站1000一区二区三区| 国产视频首页在线观看| 免费黄网站久久成人精品| 国产又色又爽无遮挡免| 人体艺术视频欧美日本| 自拍欧美九色日韩亚洲蝌蚪91 | 国产v大片淫在线免费观看| 日日摸夜夜添夜夜添av毛片| 日韩欧美 国产精品| 久久人人爽人人爽人人片va| av女优亚洲男人天堂| 中文字幕久久专区| 自拍偷自拍亚洲精品老妇| 国产高清国产精品国产三级 | 午夜福利视频精品| 如何舔出高潮| 18+在线观看网站| 国产精品.久久久| 婷婷色综合大香蕉| 亚洲高清免费不卡视频| 免费黄网站久久成人精品| 精品国产一区二区三区久久久樱花 | 亚洲自偷自拍三级| 成人无遮挡网站| 一级爰片在线观看| 日韩一本色道免费dvd| 丝袜美腿在线中文| 青春草视频在线免费观看| 蜜臀久久99精品久久宅男| 91久久精品国产一区二区成人| 国产一区有黄有色的免费视频| 国产成人精品久久久久久| a级毛片免费高清观看在线播放| 日韩 亚洲 欧美在线| 亚洲性久久影院| 亚洲国产欧美在线一区| 欧美丝袜亚洲另类| 精品国产一区二区三区久久久樱花 | 国产日韩欧美在线精品| 国产精品无大码| 国产在视频线精品| 色5月婷婷丁香| 一本色道久久久久久精品综合| 少妇 在线观看| 熟女电影av网| 深爱激情五月婷婷| 亚洲图色成人| 午夜日本视频在线| 丰满少妇做爰视频| 亚洲人成网站在线观看播放| 26uuu在线亚洲综合色| 97热精品久久久久久| 看黄色毛片网站| 亚洲天堂av无毛| 性色avwww在线观看| 91狼人影院| 高清日韩中文字幕在线| a级毛色黄片| 熟女电影av网| 亚洲av一区综合| 国产色爽女视频免费观看| 男女啪啪激烈高潮av片| 黑人高潮一二区| 老司机影院成人| 国产日韩欧美在线精品| 亚洲av日韩在线播放| 中文精品一卡2卡3卡4更新| 国精品久久久久久国模美| 观看免费一级毛片| 汤姆久久久久久久影院中文字幕| 精品一区在线观看国产| 丝瓜视频免费看黄片| 亚洲成色77777| 亚洲国产欧美人成| 精品亚洲乱码少妇综合久久| 国产成人精品福利久久| 亚洲在久久综合| 亚洲国产欧美在线一区| 18禁动态无遮挡网站| 边亲边吃奶的免费视频| 男男h啪啪无遮挡| 国产成人午夜福利电影在线观看| 亚洲av.av天堂| 女人被狂操c到高潮| 国产免费一级a男人的天堂| 91久久精品国产一区二区成人| 亚洲av中文字字幕乱码综合| 最新中文字幕久久久久| 亚洲精品第二区| 欧美区成人在线视频| 天美传媒精品一区二区| 日韩一区二区视频免费看| www.色视频.com| 国产精品久久久久久精品古装| av.在线天堂| 丝袜美腿在线中文| 91精品一卡2卡3卡4卡| 大码成人一级视频| 伊人久久国产一区二区| 免费观看a级毛片全部| 97精品久久久久久久久久精品| 看黄色毛片网站| 精品视频人人做人人爽| 免费高清在线观看视频在线观看| 亚洲色图综合在线观看| 成年av动漫网址| 日韩av在线免费看完整版不卡| 青青草视频在线视频观看| 丝袜喷水一区| 日韩av不卡免费在线播放| 大片免费播放器 马上看| 国产在线男女| 久久久久久伊人网av| 一级黄片播放器| 国产又色又爽无遮挡免| 日韩成人伦理影院| 久久国产乱子免费精品| 精品一区二区三区视频在线| 午夜视频国产福利| 亚洲伊人久久精品综合| 一本一本综合久久| 午夜精品一区二区三区免费看| 久久精品人妻少妇| av国产精品久久久久影院| 乱码一卡2卡4卡精品| 神马国产精品三级电影在线观看| 亚洲高清免费不卡视频| 午夜视频国产福利| 免费播放大片免费观看视频在线观看| 国产精品久久久久久精品电影小说 | 男的添女的下面高潮视频| av在线天堂中文字幕| 精品99又大又爽又粗少妇毛片| 国产成年人精品一区二区| 久久久a久久爽久久v久久| 美女内射精品一级片tv| 99久久精品国产国产毛片| 美女高潮的动态| 国产精品人妻久久久久久| 久久亚洲国产成人精品v| 日韩成人伦理影院| 伦精品一区二区三区| 亚洲成色77777| 秋霞伦理黄片| 国产一区二区三区综合在线观看 | av又黄又爽大尺度在线免费看| 菩萨蛮人人尽说江南好唐韦庄| 七月丁香在线播放| 国产 一区精品| 精品国产露脸久久av麻豆| 国产男女超爽视频在线观看| 亚洲av男天堂| 大香蕉97超碰在线| 九九爱精品视频在线观看| 国产毛片a区久久久久| 亚洲国产精品专区欧美| 国产在视频线精品| 国产欧美日韩精品一区二区| 免费高清在线观看视频在线观看| 一区二区三区四区激情视频| 亚洲精品一区蜜桃| 亚洲第一区二区三区不卡| 国国产精品蜜臀av免费| 国产精品伦人一区二区| 网址你懂的国产日韩在线| 亚洲国产欧美在线一区| 狂野欧美白嫩少妇大欣赏| 久久精品国产亚洲av涩爱| 国产午夜精品久久久久久一区二区三区| 亚洲av一区综合| 久久久久久久久久久丰满| 亚洲成人av在线免费| 97在线视频观看| 国产亚洲一区二区精品| 九九在线视频观看精品| 国产一区亚洲一区在线观看| av女优亚洲男人天堂| 搞女人的毛片| 亚洲伊人久久精品综合| 欧美xxxx黑人xx丫x性爽| 老女人水多毛片| 日日啪夜夜撸| 久久97久久精品| 精品视频人人做人人爽| 日韩欧美精品v在线| 美女cb高潮喷水在线观看| 精品一区二区三卡| 国产亚洲5aaaaa淫片| 婷婷色av中文字幕| 亚洲av成人精品一区久久| 亚洲精品视频女| 男男h啪啪无遮挡| 一级爰片在线观看| 2018国产大陆天天弄谢| 天美传媒精品一区二区| 欧美日韩国产mv在线观看视频 | 精品少妇黑人巨大在线播放| 精品人妻偷拍中文字幕| 99久久精品热视频| av在线播放精品| 国产黄色视频一区二区在线观看| 熟妇人妻不卡中文字幕| 人妻制服诱惑在线中文字幕| 午夜福利高清视频| 亚洲av免费在线观看| 搡老乐熟女国产| 99久国产av精品国产电影| 国产乱人偷精品视频| 国产毛片a区久久久久| 国产爱豆传媒在线观看| 一二三四中文在线观看免费高清| 成人综合一区亚洲| 欧美日韩精品成人综合77777| 午夜爱爱视频在线播放| 国产高清不卡午夜福利| 男女国产视频网站| av在线app专区| 2022亚洲国产成人精品| 高清欧美精品videossex| 国产欧美亚洲国产| 综合色av麻豆| 男人添女人高潮全过程视频| 99热网站在线观看| 又爽又黄无遮挡网站| 中文字幕av成人在线电影| 国语对白做爰xxxⅹ性视频网站| 80岁老熟妇乱子伦牲交| 少妇人妻 视频| 国产中年淑女户外野战色| h日本视频在线播放| 噜噜噜噜噜久久久久久91| 国产乱人偷精品视频| 精品人妻视频免费看| 美女cb高潮喷水在线观看| 天天一区二区日本电影三级| 九色成人免费人妻av| 日日啪夜夜爽| 国产精品福利在线免费观看| 精品一区二区三区视频在线| 亚洲成色77777| 日韩成人av中文字幕在线观看| 亚洲av中文字字幕乱码综合| 99久久中文字幕三级久久日本| 国产视频内射| 国产高潮美女av| 大片免费播放器 马上看| 亚洲国产精品999| 少妇的逼好多水| 国产爽快片一区二区三区| 亚洲真实伦在线观看| 国精品久久久久久国模美| 精品一区二区三卡| 久久久久久久久大av| 免费看日本二区| 午夜福利网站1000一区二区三区| 久久久久久久精品精品| 久久久精品免费免费高清| 国产精品久久久久久精品电影| 蜜桃亚洲精品一区二区三区| 国产成人精品久久久久久| 国产免费一区二区三区四区乱码| 亚洲欧美成人精品一区二区| xxx大片免费视频| 国产乱人偷精品视频| 黄片无遮挡物在线观看| 下体分泌物呈黄色| 制服丝袜香蕉在线| av国产久精品久网站免费入址| 搞女人的毛片| av一本久久久久| 秋霞伦理黄片| xxx大片免费视频| 男女那种视频在线观看| 亚洲熟女精品中文字幕| 最近的中文字幕免费完整| 日韩人妻高清精品专区| 国产精品久久久久久精品电影小说 | 亚洲欧美精品自产自拍| 欧美xxxx黑人xx丫x性爽| 内射极品少妇av片p| 少妇的逼好多水| 国产色婷婷99| 精品午夜福利在线看| 日本三级黄在线观看| 久久精品国产自在天天线| 99热全是精品| av在线观看视频网站免费| 国产精品嫩草影院av在线观看| 国产男女超爽视频在线观看| 少妇猛男粗大的猛烈进出视频 | 五月玫瑰六月丁香| 国产爽快片一区二区三区| 国产午夜精品久久久久久一区二区三区| 免费黄色在线免费观看| 高清午夜精品一区二区三区| 久久午夜福利片| .国产精品久久| 日日摸夜夜添夜夜爱| 日日摸夜夜添夜夜添av毛片|