• <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)CNN的增強(qiáng)現(xiàn)實(shí)變壓器圖像識(shí)別技術(shù)

    2018-04-04 09:10:16李軍鋒何雙伯馮偉夏熊山薛江周青云
    現(xiàn)代電子技術(shù) 2018年7期
    關(guān)鍵詞:增強(qiáng)現(xiàn)實(shí)圖像識(shí)別變壓器

    李軍鋒 何雙伯 馮偉夏 熊山 薛江 周青云

    摘 要: 研究了增強(qiáng)現(xiàn)實(shí)變壓器圖像識(shí)別技術(shù),為解決增強(qiáng)現(xiàn)實(shí)中變壓器圖像識(shí)別問題,首先在介紹深度學(xué)習(xí)的經(jīng)典模型之一,即卷積神經(jīng)網(wǎng)絡(luò)CNN的基礎(chǔ)上,提出基于兩個(gè)并行結(jié)構(gòu)的改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)模型(改進(jìn)CNN),利用改進(jìn)CNN模型對(duì)增強(qiáng)現(xiàn)實(shí)攝像頭掃描得到的圖像進(jìn)行分類,實(shí)現(xiàn)變壓器圖形化識(shí)別。與普通卷積神經(jīng)網(wǎng)絡(luò)、SIFT圖像識(shí)別算法等對(duì)比,改進(jìn)CNN具有更低的錯(cuò)誤率,并對(duì)變壓器圖像識(shí)別的準(zhǔn)確率更高,通過仿真實(shí)驗(yàn)驗(yàn)證了此方法的準(zhǔn)確性。

    關(guān)鍵詞: 增強(qiáng)現(xiàn)實(shí); 改進(jìn)CNN; 變壓器; 圖像識(shí)別; 識(shí)別準(zhǔn)確度; 卷積運(yùn)算

    中圖分類號(hào): TN911.73?34 文獻(xiàn)標(biāo)識(shí)碼: A 文章編號(hào): 1004?373X(2018)07?0029?04

    Improved CNN based transformer image recognition technology

    in augmented reality environment

    LI Junfeng1, 2, HE Shuangbai2, FENG Weixia2, XIONG Shan2, XUE Jiang2, ZHOU Qingyun2

    (1. College of Automation, Guangdong University of Technology, Guangzhou 510006, China;

    2. Education and Training Evaluation Center, Guangdong Power Grid Limited Liability Company, Guangzhou 510520, China)

    Abstract: The image recognition technology of transformer in augmented reality environment is studied. In order to solve the problem of transformer image recognition in augmented reality environment, an improved convolutional neural network (CNN) model based on two parallel structures is proposed on the basis of introduction of CNN as one of the typical deep learning models. The images obtained by scanning of an augmented reality camera are classified by means of the improved CNN to realize the transformer graphical recognition. In comparison with ordinary CNN and SIFT image recognition algorithm, the improved CNN has lower error rate, and higher accuracy for transformer image recognition. The accuracy of this method was verified with simulation experiments.

    Keywords: augmented reality; improved CNN; transformer; image recognition; recognition accuracy; convolution operation

    0 引 言

    增強(qiáng)現(xiàn)實(shí)(Augmented Reality,AR)作為虛擬現(xiàn)實(shí)技術(shù)的拓展,在近年來取得了很大的進(jìn)展,通過將虛擬對(duì)象疊加到現(xiàn)實(shí)環(huán)境中增強(qiáng)對(duì)事物的認(rèn)知,將現(xiàn)實(shí)中沒有的物體具體化[1]。在電氣工業(yè)中,增強(qiáng)現(xiàn)實(shí)技術(shù)的應(yīng)用也日漸開展,利用增強(qiáng)現(xiàn)實(shí)技術(shù)實(shí)現(xiàn)事故模擬等現(xiàn)實(shí)中不宜直接試驗(yàn)的運(yùn)行狀況。增強(qiáng)現(xiàn)實(shí)中重要的一步是圖像識(shí)別,在增強(qiáng)現(xiàn)實(shí)變壓器事故模擬中,通過增強(qiáng)現(xiàn)實(shí)攝像頭的掃描功能獲取現(xiàn)實(shí)物體的圖片,之后通過圖像識(shí)別技術(shù)識(shí)別出目標(biāo)對(duì)象變壓器,然后才能在目標(biāo)對(duì)象上建立變壓器著火的虛擬景象,增加對(duì)變壓器事故的認(rèn)知。文獻(xiàn)[2?3]研究了增強(qiáng)現(xiàn)實(shí)在教育、移動(dòng)學(xué)習(xí)中的應(yīng)用,其相應(yīng)技術(shù)可以延伸到電氣領(lǐng)域的作業(yè)工作輔助中,具有一定借鑒意義。

    本文在研究卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,將其應(yīng)用于增強(qiáng)現(xiàn)實(shí)變壓器圖像識(shí)別,提出基于兩個(gè)拓?fù)浣Y(jié)構(gòu)的改進(jìn)CNN模型,通過增強(qiáng)現(xiàn)實(shí)攝像頭掃描得到變壓器的圖像,將其進(jìn)行分類,解決變壓器圖形化識(shí)別問題。

    1 卷積神經(jīng)網(wǎng)絡(luò)及改進(jìn)CNN模型

    1.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    卷積神經(jīng)網(wǎng)絡(luò)是神經(jīng)科學(xué)與計(jì)算機(jī)科學(xué)相結(jié)合的成果,其設(shè)計(jì)靈感主要來源于視覺認(rèn)知機(jī)制[4?5]。受視覺神經(jīng)感受野的啟發(fā),卷積神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間通過稀疏連接的方式進(jìn)行連接,具有較多的隱含層,每一個(gè)隱含層有多個(gè)數(shù)據(jù)矩陣平面,每個(gè)數(shù)據(jù)矩陣平面的神經(jīng)元共享權(quán)值參數(shù)矩陣。相比于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò),卷積神經(jīng)網(wǎng)絡(luò)的隱含層增加了卷積層與降采樣層,保證在提取特征的同時(shí)保持時(shí)間和空間上的位移不變性,文獻(xiàn)[6]設(shè)計(jì)的LeNet網(wǎng)絡(luò)模型在手寫字識(shí)別上取得了十分優(yōu)秀的效果。

    卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)一般包括輸入層、隱含層、輸出層,隱含層一般包括卷積層(C層)、降采樣層(S層)與全連接層(F層),其典型結(jié)構(gòu)如圖1所示,卷積神經(jīng)網(wǎng)絡(luò)的輸入層與隱含層連接,隱含層由卷積層和降采樣層交替連接組成,卷積層從輸入層獲取歸一化后的矩陣之后進(jìn)行卷積運(yùn)算處理,然后通過稀疏連接與降采樣層相連,上一層的輸出作為本層的輸入,最后通過全連接層連接到輸出層。卷積神經(jīng)網(wǎng)絡(luò)通過卷積層進(jìn)行特征提取,通過降采樣降低運(yùn)算量,從而使網(wǎng)絡(luò)結(jié)構(gòu)對(duì)樣本矩陣具有比較高的畸變?nèi)萑棠芰?,更?zhǔn)確地實(shí)現(xiàn)對(duì)數(shù)據(jù)的分級(jí)表達(dá),進(jìn)而得到更加理想的輸出。

    輸入樣本數(shù)據(jù)一般為矩陣形式,即每個(gè)樣本為一個(gè)二維矩陣,對(duì)二維矩陣進(jìn)行歸一化處理,歸一化采用常用的線性函數(shù)歸一化(Max?Min scaling)方法,其處理公式為:

    式中:[Xij]為歸一化后矩陣的第[i]行第[j]列的元素;[xij]為歸一化前矩陣的第[i]行第[j]列的元素;[xmax]為矩陣中最大的元素;[xmin]為矩陣中最小的元素。

    卷積神經(jīng)網(wǎng)絡(luò)中卷積層的主要作用是在提取數(shù)據(jù)局部特征的同時(shí)降低矩陣維度,一個(gè)隱含層一般由幾個(gè)平面構(gòu)成,每個(gè)平面的表達(dá)形式為二維特征矩陣,代表一種提取特征,通過一個(gè)共享卷積核實(shí)現(xiàn)特征提取。通過卷積核的共享使得網(wǎng)絡(luò)具有權(quán)值共享和位移不變性,在并行地提取矩陣特征的同時(shí)減少了權(quán)值偏置參數(shù)的數(shù)量,從而對(duì)數(shù)據(jù)矩陣起到降低維度和提取特征的作用。不同特征矩陣對(duì)應(yīng)的卷積核不同,多個(gè)特征矩陣用于提取輸入數(shù)據(jù)矩陣中的多個(gè)非顯性特征。離散卷積運(yùn)算的計(jì)算公式為:

    卷積運(yùn)算的原理如圖2所示,輸入的特征矩陣維度為[n×n,]將其與維度為[k×k]的可學(xué)習(xí)卷積核進(jìn)行卷積計(jì)算,得到維度為[m×m]的輸出特征矩陣,輸入矩陣、卷積核與輸出矩陣三者之間的維度關(guān)系滿足[m=n-k+1,]式(3)為卷積過程的計(jì)算公式:

    式中:[l]表示卷積神經(jīng)網(wǎng)絡(luò)的層數(shù);[K]表示[l]層的卷積核;[B]表示[l]層的偏置矩陣;[Xlo]表示[l]層輸出;[Xl-1i]表示[l]層輸入。

    卷積神經(jīng)網(wǎng)絡(luò)的另一個(gè)重要的隱含層便是降采樣層,降采樣層可以對(duì)來自上一層的數(shù)據(jù)進(jìn)行池化處理以達(dá)到數(shù)據(jù)降維的目的,通過縮放映射過程來降低輸入矩陣的維度,從而在保持特征的同時(shí)減少計(jì)算量。

    降采樣的過程如圖3所示,矩陣的維度值關(guān)系可以表示為[m=nk。]降采樣層通常采取平均池化的降采樣方法[7],在防止過擬合的同時(shí)可以縮放不變地提取輸入數(shù)據(jù)矩陣的特征,在卷積神經(jīng)網(wǎng)絡(luò)中起到二次特征提取和降低數(shù)據(jù)維度的作用,降采樣過程的計(jì)算公式如下:

    1.2 改進(jìn)CNN模型

    與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)等方法相比,卷積神經(jīng)網(wǎng)絡(luò)在增強(qiáng)現(xiàn)實(shí)變壓器圖像識(shí)別上已經(jīng)具有很好的優(yōu)勢(shì),但是在訓(xùn)練次數(shù)剛達(dá)到對(duì)應(yīng)錯(cuò)誤率最低值時(shí),測(cè)試結(jié)果存在一定的波動(dòng)。本文在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出包含兩個(gè)拓?fù)浣Y(jié)構(gòu)的改進(jìn)CNN模型,通過將兩種不同的拓?fù)浣Y(jié)構(gòu)組合,提高了測(cè)試結(jié)果的穩(wěn)定性,從而使模型在較少的訓(xùn)練次數(shù)下滿足錯(cuò)誤率要求。改進(jìn)CNN模型如圖4所示,圖中改進(jìn)模型由2個(gè)卷積層CNN拓?fù)錁?gòu)成,其中一個(gè)拓?fù)涞慕Y(jié)構(gòu)為5C?4S?4C?2S;另一個(gè)拓?fù)涞慕Y(jié)構(gòu)為5C?2S?5C?3S。其中5C表示卷積層的卷積核為5×5,4S表示降采樣層的池化矩陣維度為4×4,將兩個(gè)拓?fù)浞謩e經(jīng)過兩個(gè)不同的卷積和池化過程之后,最后連接到分類器,通過不同的拓?fù)淇梢栽黾幼儔浩鲌D片特征信息的提取,這樣可以將兩個(gè)拓?fù)涮崛〉奶卣鬟M(jìn)行優(yōu)勢(shì)互補(bǔ),兼顧更加復(fù)雜的樣本數(shù)據(jù),從而使訓(xùn)練的網(wǎng)絡(luò)更加穩(wěn)定,增強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)泛化能力。

    通過訓(xùn)練樣本對(duì)改進(jìn)CNN進(jìn)行訓(xùn)練之后,得到并保存訓(xùn)練好的改進(jìn)CNN網(wǎng)絡(luò)參數(shù),將圖像樣本輸入后,通過調(diào)用訓(xùn)練好的網(wǎng)絡(luò)參數(shù)即可得到對(duì)應(yīng)的變壓器分類結(jié)果,無需再次訓(xùn)練,極大地節(jié)省了運(yùn)算時(shí)間。

    2 仿真實(shí)驗(yàn)與分析

    在得到變壓器圖像識(shí)別樣本庫之后,便可以對(duì)卷積神經(jīng)網(wǎng)絡(luò)、改進(jìn)CNN模型進(jìn)行實(shí)驗(yàn)測(cè)試,實(shí)驗(yàn)所采用的平臺(tái)參數(shù)如表1所示。

    第一種方法采用本文所提出的改進(jìn)CNN模型,第二種方法采用網(wǎng)絡(luò)結(jié)構(gòu)為5C?4S?4C?2S的卷積神經(jīng)網(wǎng)絡(luò)(CNN1),第三種方法采用網(wǎng)絡(luò)結(jié)構(gòu)為5C?2S?5C?3S的卷積神經(jīng)網(wǎng)絡(luò)(CNN2),第四種方法采用文獻(xiàn)[9]所提傳統(tǒng)的SIFT(Scale Invariant Feature Transform)圖像識(shí)別方法。用上述四種方法對(duì)變壓器圖像樣本庫進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果如表2所示。其中,識(shí)別錯(cuò)誤率是針對(duì)測(cè)試樣本中30張變壓器圖像,識(shí)別錯(cuò)誤的圖像數(shù)占總圖像數(shù)的百分比;平均耗時(shí)是識(shí)別測(cè)試樣本庫中30張變壓器圖像平均每張圖像所消耗的時(shí)間。

    由表2可知,本文所提的改進(jìn)CNN模型對(duì)變壓器圖像識(shí)別錯(cuò)誤率明顯低于普通卷積神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的SITF圖像識(shí)別算法,具有更高的圖像識(shí)別率;雖然改進(jìn)CNN平均耗時(shí)略微高于普通卷積神經(jīng)網(wǎng)絡(luò),但是差距微小,在電力工程中可以忽略,每張圖像的平均耗時(shí)明顯少于傳統(tǒng)SITF算法,相比之下改進(jìn)CNN具有很大的優(yōu)勢(shì)。

    對(duì)前三種方法進(jìn)行50次訓(xùn)練,訓(xùn)練次數(shù)與變壓器圖像識(shí)別錯(cuò)誤率的關(guān)系如圖5所示,由圖5可知,改進(jìn)CNN模型的圖像識(shí)別錯(cuò)誤率明顯低于CNN1和CNN2模型的錯(cuò)誤率。當(dāng)訓(xùn)練次數(shù)為18次時(shí),改進(jìn)CNN的錯(cuò)誤率降為0,CNN1在訓(xùn)練24次時(shí)錯(cuò)誤率降為0,CNN2在訓(xùn)練21次時(shí)錯(cuò)誤率降為0,但是CNN1和CNN2模型在錯(cuò)誤率初次降為0后隨著訓(xùn)練次數(shù)的增加還存在一定的波動(dòng),而改進(jìn)CNN則不存在這樣的問題,在錯(cuò)誤率降為0后便穩(wěn)定的維持在0左右,由此可見,本文的改進(jìn)CNN在更少的訓(xùn)練次數(shù)下即可達(dá)到圖像識(shí)別錯(cuò)誤率的最小值,而且識(shí)別穩(wěn)定,具有圖像識(shí)別率高、更穩(wěn)定的優(yōu)點(diǎn)。

    4 結(jié) 論

    本文提出了基于兩個(gè)CNN拓?fù)浣Y(jié)構(gòu)的改進(jìn)CNN模型,研究了基于改進(jìn)CNN的增強(qiáng)現(xiàn)實(shí)變壓器圖像識(shí)別技術(shù),通過實(shí)驗(yàn)研究得出以下結(jié)論:

    1) 本文所提改進(jìn)CNN模型可以準(zhǔn)確地對(duì)增強(qiáng)現(xiàn)實(shí)變壓器圖像進(jìn)行識(shí)別,針對(duì)文中樣本庫,訓(xùn)練次數(shù)達(dá)到18次時(shí)識(shí)別率可達(dá)100%,具有很好的識(shí)別效果;

    2) 本文所提改進(jìn)CNN模型在相同的訓(xùn)練次數(shù)下圖像識(shí)別錯(cuò)誤率低于卷積神經(jīng)網(wǎng)絡(luò)算法,圖像識(shí)別率更高、更穩(wěn)定,比傳統(tǒng)的SIFT算法具有更高的圖像識(shí)別準(zhǔn)確率,消耗時(shí)間更短,性能更優(yōu)越。

    參考文獻(xiàn)

    [1] 陸平.移動(dòng)增強(qiáng)現(xiàn)實(shí)中的圖像處理關(guān)鍵技術(shù)研究及應(yīng)用[D].南京:東南大學(xué),2015.

    LU Ping. Research on key technology of image processing in mobile augmented reality and its application [D]. Nanjing: Southeast University, 2015.

    [2] 蔡蘇,王沛文,楊陽,等.增強(qiáng)現(xiàn)實(shí)(AR)技術(shù)的教育應(yīng)用綜述[J].遠(yuǎn)程教育雜志,2016(5):27?40.

    CAI Su, WANG Peiwen, YANG Yang, et al. Review on augmented reality in education [J]. China remote education magazine, 2016(5): 27?40.

    [3] 李青,張遼東.基于增強(qiáng)現(xiàn)實(shí)的移動(dòng)學(xué)習(xí)實(shí)證研究[J].中國電化教育,2013(1):116?120.

    LI Qing, ZHANG Liaodong. Empirical study of mobile lear?ning based on augmented reality [J]. China electrochemical education, 2013(1): 116?120.

    [4] RASCHMAN E, DURACKOVA D. New digital architecture of CNN for pattern recognition [C]// International Conference Mixed Design of Integrated Circuits and Systems. [S.l.]: IEEE, 2009: 662?666.

    [5] MU Nan, XU Xin, ZHANG Xiaolong, et al. Salient object detection using a covariance?based CNN model in low?contrast images [J]. Neural computing and applications, 2017(2): 1?12.

    [6] LECUN Y, BOTTOU L, BENGIO Y, et al. Gradient?based learning applied to document recognition [J]. Proceedings of the IEEE, 1998, 86(11): 2278?2324.

    [7] 徐姍姍.卷積神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用[D].南京:南京林業(yè)大學(xué),2013.

    XU Shanshan. Research and application of the convolution neural network [D]. Nanjing: Nanjing Agricultural University, 2013.

    [8] 陳先昌.基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用研究[D].杭州:浙江工商大學(xué),2014.

    CHEN Xianchang. Research on algorithm and application of deep learning based on convolutional neural network [D]. Hangzhou: Zhejiang Gongshang University, 2014.

    [9] 白廷柱,侯喜報(bào).基于SIFT算子的圖像匹配算法研究[J].北京理工大學(xué)學(xué)報(bào),2013(6):622?627.

    BAI Tingzhu, HOU Xibao. Research on image matching algorithm based on SIFT operator [J]. Journal of Beijing Institute of Technology, 2013(6): 622?627.

    [10] SIMONYAN K, ZISSERMAN A. Very deep convolutional networks for large?scale image recognition [C]// Proceedings of ICCV. [S.l.]: IEEE, 2015: 1?14.

    猜你喜歡
    增強(qiáng)現(xiàn)實(shí)圖像識(shí)別變壓器
    理想變壓器的“三個(gè)不變”與“三個(gè)變”
    基于Resnet-50的貓狗圖像識(shí)別
    電子制作(2019年16期)2019-09-27 09:34:50
    高速公路圖像識(shí)別技術(shù)應(yīng)用探討
    圖像識(shí)別在物聯(lián)網(wǎng)上的應(yīng)用
    電子制作(2018年19期)2018-11-14 02:37:04
    圖像識(shí)別在水質(zhì)檢測(cè)中的應(yīng)用
    電子制作(2018年14期)2018-08-21 01:38:16
    開關(guān)電源中高頻變壓器的設(shè)計(jì)
    照片建模與增強(qiáng)現(xiàn)實(shí)實(shí)驗(yàn)在三維軟件基礎(chǔ)課程中的應(yīng)用
    增強(qiáng)現(xiàn)實(shí)技術(shù)在職業(yè)教育中的應(yīng)用
    虛擬現(xiàn)實(shí)技術(shù)和增強(qiáng)現(xiàn)實(shí)技術(shù)在建筑業(yè)的應(yīng)用初探
    一種不停電更換變壓器的帶電作業(yè)法
    婷婷精品国产亚洲av在线| 久久久久久国产a免费观看| а√天堂www在线а√下载| 久久这里只有精品19| 精品第一国产精品| 久热爱精品视频在线9| 91成人精品电影| 国产亚洲欧美在线一区二区| 欧美日韩福利视频一区二区| 一级毛片高清免费大全| 国产一区二区三区视频了| 他把我摸到了高潮在线观看| 51午夜福利影视在线观看| 国产麻豆成人av免费视频| 精品第一国产精品| 一进一出抽搐gif免费好疼| 亚洲成人国产一区在线观看| 一个人观看的视频www高清免费观看 | 精品高清国产在线一区| 亚洲精品国产区一区二| 亚洲精品粉嫩美女一区| 国产精华一区二区三区| 色尼玛亚洲综合影院| 成人国产综合亚洲| 国产av在哪里看| 欧美黑人欧美精品刺激| 久9热在线精品视频| 中文字幕最新亚洲高清| 一区二区三区激情视频| 亚洲激情在线av| 人成视频在线观看免费观看| 日本在线视频免费播放| 亚洲三区欧美一区| 中文字幕人妻丝袜一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| 一级毛片女人18水好多| 好男人电影高清在线观看| 天堂√8在线中文| 在线观看免费日韩欧美大片| 亚洲欧洲精品一区二区精品久久久| 老熟妇乱子伦视频在线观看| 国产高清激情床上av| 日本a在线网址| 国产成人欧美在线观看| 手机成人av网站| 啦啦啦免费观看视频1| 日本免费a在线| 女警被强在线播放| 韩国av一区二区三区四区| 嫩草影视91久久| 国产精品九九99| 麻豆国产av国片精品| 淫妇啪啪啪对白视频| 黄网站色视频无遮挡免费观看| 少妇被粗大的猛进出69影院| 欧美成人一区二区免费高清观看 | 国产精品免费一区二区三区在线| 制服诱惑二区| 可以在线观看毛片的网站| 黄色 视频免费看| 亚洲成av片中文字幕在线观看| 桃红色精品国产亚洲av| 欧美最黄视频在线播放免费| 此物有八面人人有两片| 免费看美女性在线毛片视频| 久久久国产成人精品二区| 亚洲专区字幕在线| 久热这里只有精品99| 日韩av在线大香蕉| 国产aⅴ精品一区二区三区波| 亚洲五月色婷婷综合| 一进一出好大好爽视频| 桃红色精品国产亚洲av| 脱女人内裤的视频| 最好的美女福利视频网| 99国产精品一区二区蜜桃av| 成年女人毛片免费观看观看9| 又黄又粗又硬又大视频| 少妇被粗大的猛进出69影院| 成在线人永久免费视频| x7x7x7水蜜桃| 国产精品一区二区免费欧美| 手机成人av网站| av视频免费观看在线观看| 一级片免费观看大全| 法律面前人人平等表现在哪些方面| 亚洲午夜精品一区,二区,三区| 亚洲精品久久成人aⅴ小说| 人成视频在线观看免费观看| 自拍欧美九色日韩亚洲蝌蚪91| 又黄又粗又硬又大视频| 国产91精品成人一区二区三区| 夜夜爽天天搞| 欧美中文综合在线视频| 不卡一级毛片| 叶爱在线成人免费视频播放| 日本三级黄在线观看| 国产精品亚洲一级av第二区| 亚洲精品粉嫩美女一区| 国产精品久久久久久人妻精品电影| 国产精品亚洲av一区麻豆| 亚洲va日本ⅴa欧美va伊人久久| 免费少妇av软件| 久久亚洲真实| 最新美女视频免费是黄的| 亚洲中文字幕日韩| 久久精品人人爽人人爽视色| 成人三级做爰电影| 一级a爱视频在线免费观看| 久久天堂一区二区三区四区| 欧美日韩福利视频一区二区| 女性被躁到高潮视频| 在线观看一区二区三区| 国产成人影院久久av| 国产人伦9x9x在线观看| 天天躁夜夜躁狠狠躁躁| 亚洲欧美一区二区三区黑人| 精品第一国产精品| 免费看a级黄色片| 亚洲一码二码三码区别大吗| 国产在线精品亚洲第一网站| 久久久久亚洲av毛片大全| 免费女性裸体啪啪无遮挡网站| 婷婷丁香在线五月| 亚洲精品在线美女| 99国产综合亚洲精品| 狂野欧美激情性xxxx| 亚洲午夜精品一区,二区,三区| 1024香蕉在线观看| 在线观看日韩欧美| 又黄又爽又免费观看的视频| 美女高潮喷水抽搐中文字幕| 精品国产一区二区久久| 亚洲av五月六月丁香网| 亚洲精品国产精品久久久不卡| av片东京热男人的天堂| 精品少妇一区二区三区视频日本电影| 露出奶头的视频| 十分钟在线观看高清视频www| 亚洲最大成人中文| АⅤ资源中文在线天堂| 免费不卡黄色视频| 亚洲一区中文字幕在线| 天堂√8在线中文| 精品一区二区三区四区五区乱码| 成年版毛片免费区| 国产欧美日韩精品亚洲av| 黄色片一级片一级黄色片| av电影中文网址| 日韩精品免费视频一区二区三区| av福利片在线| 一二三四在线观看免费中文在| 88av欧美| 亚洲成国产人片在线观看| 亚洲五月色婷婷综合| 变态另类丝袜制服| 国产单亲对白刺激| 久久久久久免费高清国产稀缺| 成人免费观看视频高清| √禁漫天堂资源中文www| 亚洲精品在线美女| 国产成人精品久久二区二区91| 国产人伦9x9x在线观看| 波多野结衣av一区二区av| 一个人观看的视频www高清免费观看 | 欧美日韩黄片免| 国产一区二区三区在线臀色熟女| 亚洲av电影不卡..在线观看| 嫩草影视91久久| 亚洲一码二码三码区别大吗| 91精品国产国语对白视频| 丁香欧美五月| 大香蕉久久成人网| 丝袜美足系列| 午夜免费观看网址| aaaaa片日本免费| 欧美激情久久久久久爽电影 | 99精品在免费线老司机午夜| 婷婷精品国产亚洲av在线| 久久久久久久久久久久大奶| 国产99久久九九免费精品| 久久久国产欧美日韩av| 精品熟女少妇八av免费久了| 激情在线观看视频在线高清| 久久久久久国产a免费观看| 精品午夜福利视频在线观看一区| 91字幕亚洲| 免费观看人在逋| svipshipincom国产片| 亚洲成人久久性| 丝袜美腿诱惑在线| 国产aⅴ精品一区二区三区波| 人人妻,人人澡人人爽秒播| 亚洲黑人精品在线| 国产亚洲精品综合一区在线观看 | 午夜福利18| 麻豆av在线久日| 在线国产一区二区在线| 他把我摸到了高潮在线观看| 日韩一卡2卡3卡4卡2021年| 欧美激情久久久久久爽电影 | 无限看片的www在线观看| 久久亚洲精品不卡| 99久久精品国产亚洲精品| 欧美日韩精品网址| 成人亚洲精品一区在线观看| 高清在线国产一区| 一级a爱片免费观看的视频| 久久久久九九精品影院| 真人做人爱边吃奶动态| 日韩欧美三级三区| 国产激情久久老熟女| 亚洲 欧美 日韩 在线 免费| 中文字幕另类日韩欧美亚洲嫩草| 亚洲欧洲精品一区二区精品久久久| 自线自在国产av| 视频在线观看一区二区三区| 欧美乱色亚洲激情| 99热只有精品国产| www.精华液| ponron亚洲| 免费人成视频x8x8入口观看| 午夜免费鲁丝| 91麻豆精品激情在线观看国产| 无人区码免费观看不卡| 亚洲三区欧美一区| av网站免费在线观看视频| 啦啦啦韩国在线观看视频| 国产一区在线观看成人免费| 老司机午夜十八禁免费视频| 亚洲精品国产区一区二| 欧美成人一区二区免费高清观看 | 麻豆av在线久日| 丝袜美足系列| 亚洲精品美女久久久久99蜜臀| 成人国语在线视频| 自线自在国产av| 久久久久国内视频| 精品久久久精品久久久| 欧美日韩中文字幕国产精品一区二区三区 | 搞女人的毛片| 琪琪午夜伦伦电影理论片6080| 国内久久婷婷六月综合欲色啪| av天堂在线播放| 18禁裸乳无遮挡免费网站照片 | 欧美成人午夜精品| 99久久精品国产亚洲精品| 日本黄色视频三级网站网址| 国产精品久久久久久人妻精品电影| 免费一级毛片在线播放高清视频 | 国产激情欧美一区二区| 久久天堂一区二区三区四区| 亚洲avbb在线观看| 无遮挡黄片免费观看| 午夜精品在线福利| 国产精品免费视频内射| 人成视频在线观看免费观看| 欧美性长视频在线观看| 嫩草影院精品99| 国产日韩一区二区三区精品不卡| 国产免费av片在线观看野外av| 国产精品美女特级片免费视频播放器 | 国产精品二区激情视频| 精品久久久久久成人av| 亚洲自拍偷在线| 久久香蕉激情| 日韩中文字幕欧美一区二区| 夜夜爽天天搞| 久久精品亚洲精品国产色婷小说| 国产一区二区三区在线臀色熟女| 麻豆一二三区av精品| 美女午夜性视频免费| 很黄的视频免费| 国产成人欧美| 高清毛片免费观看视频网站| 757午夜福利合集在线观看| 国产三级黄色录像| 亚洲欧美日韩高清在线视频| 久久天堂一区二区三区四区| √禁漫天堂资源中文www| 久久久国产欧美日韩av| aaaaa片日本免费| 一区二区三区激情视频| 国产精品 国内视频| 欧美最黄视频在线播放免费| 亚洲精品美女久久久久99蜜臀| 色尼玛亚洲综合影院| 免费看a级黄色片| 麻豆国产av国片精品| 黑人巨大精品欧美一区二区mp4| 18禁美女被吸乳视频| 真人做人爱边吃奶动态| 国产亚洲欧美在线一区二区| 精品久久久久久久久久免费视频| 精品国产一区二区三区四区第35| 欧美丝袜亚洲另类 | 国产麻豆69| 亚洲 欧美 日韩 在线 免费| 一区二区三区精品91| 曰老女人黄片| 国产高清有码在线观看视频 | а√天堂www在线а√下载| 热re99久久国产66热| 午夜福利,免费看| 国产精品久久电影中文字幕| 国产又爽黄色视频| 首页视频小说图片口味搜索| 国产野战对白在线观看| 热99re8久久精品国产| 动漫黄色视频在线观看| 久久精品成人免费网站| 欧美乱码精品一区二区三区| 欧美日韩中文字幕国产精品一区二区三区 | av免费在线观看网站| 亚洲无线在线观看| 久久国产亚洲av麻豆专区| 一进一出好大好爽视频| 亚洲天堂国产精品一区在线| 黄色女人牲交| 欧美中文综合在线视频| 久久精品国产亚洲av香蕉五月| 自拍欧美九色日韩亚洲蝌蚪91| 人人妻人人澡欧美一区二区 | 婷婷精品国产亚洲av在线| 亚洲人成电影免费在线| 大型黄色视频在线免费观看| 两性夫妻黄色片| 国产亚洲精品久久久久久毛片| 两个人视频免费观看高清| 精品久久久精品久久久| 精品国产乱码久久久久久男人| 看黄色毛片网站| 亚洲av美国av| 亚洲欧洲精品一区二区精品久久久| av欧美777| 久久精品国产99精品国产亚洲性色 | 日本精品一区二区三区蜜桃| 国产av一区在线观看免费| 日本 av在线| 欧美日韩一级在线毛片| 亚洲五月天丁香| 国产熟女xx| videosex国产| 亚洲av成人一区二区三| 丝袜美腿诱惑在线| 日韩国内少妇激情av| 中文字幕另类日韩欧美亚洲嫩草| 老司机深夜福利视频在线观看| 国产亚洲欧美在线一区二区| 亚洲国产欧美网| 久久久久久大精品| 国产精品永久免费网站| 丰满的人妻完整版| 国产av一区在线观看免费| 精品人妻在线不人妻| 国产激情久久老熟女| 国产不卡一卡二| 久久草成人影院| 色在线成人网| 久久久久久亚洲精品国产蜜桃av| 人人妻,人人澡人人爽秒播| 国产精品秋霞免费鲁丝片| 一进一出抽搐gif免费好疼| 别揉我奶头~嗯~啊~动态视频| 变态另类成人亚洲欧美熟女 | 在线观看免费视频日本深夜| 日本 欧美在线| 亚洲精品一卡2卡三卡4卡5卡| 麻豆久久精品国产亚洲av| 亚洲欧美激情在线| a在线观看视频网站| 女同久久另类99精品国产91| 桃红色精品国产亚洲av| 亚洲成人久久性| 欧美日韩福利视频一区二区| 成人国产一区最新在线观看| 日本撒尿小便嘘嘘汇集6| 每晚都被弄得嗷嗷叫到高潮| 久9热在线精品视频| 国产精品综合久久久久久久免费 | 欧美乱色亚洲激情| 搡老妇女老女人老熟妇| 亚洲av五月六月丁香网| 99riav亚洲国产免费| 亚洲中文字幕日韩| 午夜精品久久久久久毛片777| 一区二区三区高清视频在线| 欧美色视频一区免费| 欧美亚洲日本最大视频资源| 成人手机av| av免费在线观看网站| 久久精品成人免费网站| 亚洲一区二区三区色噜噜| 制服诱惑二区| 欧美+亚洲+日韩+国产| 免费在线观看亚洲国产| 丁香欧美五月| 国内久久婷婷六月综合欲色啪| 他把我摸到了高潮在线观看| 亚洲欧美日韩高清在线视频| 亚洲无线在线观看| 欧美 亚洲 国产 日韩一| 俄罗斯特黄特色一大片| 国产精品国产高清国产av| 国产精品 国内视频| 久久香蕉精品热| 如日韩欧美国产精品一区二区三区| 日本黄色视频三级网站网址| 日韩有码中文字幕| 男女午夜视频在线观看| 美女扒开内裤让男人捅视频| 日韩欧美一区二区三区在线观看| 国产精品一区二区在线不卡| 美女高潮喷水抽搐中文字幕| 99国产精品99久久久久| 久久久久久久午夜电影| 欧美 亚洲 国产 日韩一| 亚洲aⅴ乱码一区二区在线播放 | 久久精品亚洲熟妇少妇任你| 啪啪无遮挡十八禁网站| 欧美成人午夜精品| 国产欧美日韩综合在线一区二区| 波多野结衣av一区二区av| 校园春色视频在线观看| 丰满的人妻完整版| 欧美最黄视频在线播放免费| 久久中文字幕人妻熟女| 国产伦一二天堂av在线观看| 91av网站免费观看| 欧美性长视频在线观看| 日韩大码丰满熟妇| 国产高清视频在线播放一区| 欧美丝袜亚洲另类 | 国产成人免费无遮挡视频| 搞女人的毛片| 69av精品久久久久久| 久久国产精品影院| 最近最新免费中文字幕在线| 国产亚洲av高清不卡| 国产熟女午夜一区二区三区| 精品人妻1区二区| 免费不卡黄色视频| 国产高清激情床上av| 久久人妻av系列| 韩国精品一区二区三区| 这个男人来自地球电影免费观看| 欧美一级a爱片免费观看看 | av欧美777| 久久影院123| 长腿黑丝高跟| 99久久99久久久精品蜜桃| 一个人免费在线观看的高清视频| 国产精品野战在线观看| 亚洲精品中文字幕一二三四区| 一二三四在线观看免费中文在| 午夜免费激情av| 午夜福利高清视频| 亚洲第一欧美日韩一区二区三区| 国产91精品成人一区二区三区| 日日夜夜操网爽| 成在线人永久免费视频| av免费在线观看网站| 国产av又大| 好男人电影高清在线观看| 可以免费在线观看a视频的电影网站| 国产一区在线观看成人免费| 国产在线精品亚洲第一网站| 天天添夜夜摸| 欧美不卡视频在线免费观看 | 99国产综合亚洲精品| 免费无遮挡裸体视频| 欧美成狂野欧美在线观看| 国产高清视频在线播放一区| 可以免费在线观看a视频的电影网站| 国产蜜桃级精品一区二区三区| 高潮久久久久久久久久久不卡| 久久香蕉国产精品| 岛国在线观看网站| 国产av又大| 欧美日本亚洲视频在线播放| 国产高清videossex| 国产午夜精品久久久久久| 久久精品国产综合久久久| 亚洲黑人精品在线| 亚洲国产欧美日韩在线播放| 亚洲免费av在线视频| 午夜a级毛片| 欧美一级a爱片免费观看看 | 国产精品爽爽va在线观看网站 | 亚洲国产欧美日韩在线播放| 国产成人欧美在线观看| 日韩欧美三级三区| 国产熟女xx| 久久精品91无色码中文字幕| 男人舔女人的私密视频| 精品久久蜜臀av无| 天堂动漫精品| 好看av亚洲va欧美ⅴa在| 视频在线观看一区二区三区| 日韩精品青青久久久久久| 大码成人一级视频| 亚洲熟妇中文字幕五十中出| 欧美 亚洲 国产 日韩一| 桃红色精品国产亚洲av| 亚洲精品一区av在线观看| 成熟少妇高潮喷水视频| 亚洲精品美女久久av网站| av电影中文网址| 久久精品成人免费网站| 日本免费一区二区三区高清不卡 | 岛国视频午夜一区免费看| 韩国av一区二区三区四区| 中国美女看黄片| 欧美+亚洲+日韩+国产| 女人被狂操c到高潮| 亚洲视频免费观看视频| 色播在线永久视频| 一边摸一边抽搐一进一小说| 日韩欧美国产一区二区入口| 在线播放国产精品三级| 国产一区二区三区在线臀色熟女| 一级黄色大片毛片| 免费不卡黄色视频| 欧美激情 高清一区二区三区| 99久久99久久久精品蜜桃| 18美女黄网站色大片免费观看| 久久人人97超碰香蕉20202| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品一区二区三区四区久久 | 黑人巨大精品欧美一区二区mp4| 三级毛片av免费| 两个人免费观看高清视频| 精品久久久久久久人妻蜜臀av | 老司机深夜福利视频在线观看| 国产精华一区二区三区| 日韩成人在线观看一区二区三区| 国产日韩一区二区三区精品不卡| 国产精品av久久久久免费| 黄网站色视频无遮挡免费观看| 国产区一区二久久| 深夜精品福利| www日本在线高清视频| 久久九九热精品免费| 亚洲欧美日韩无卡精品| 高潮久久久久久久久久久不卡| 亚洲欧美一区二区三区黑人| 国产一区二区三区视频了| 可以免费在线观看a视频的电影网站| 国产成年人精品一区二区| 超碰成人久久| 别揉我奶头~嗯~啊~动态视频| 精品久久久久久,| 一卡2卡三卡四卡精品乱码亚洲| 亚洲狠狠婷婷综合久久图片| 岛国在线观看网站| 一进一出抽搐动态| 一进一出好大好爽视频| av电影中文网址| 欧美乱妇无乱码| 精品久久久久久,| 国内精品久久久久精免费| 午夜亚洲福利在线播放| 12—13女人毛片做爰片一| 国产精品久久电影中文字幕| 国产成人精品在线电影| 黄网站色视频无遮挡免费观看| 久久久国产成人精品二区| 亚洲精品美女久久久久99蜜臀| 国产精品国产高清国产av| 亚洲成av人片免费观看| 精品国产一区二区三区四区第35| 免费一级毛片在线播放高清视频 | 自线自在国产av| 天堂影院成人在线观看| 俄罗斯特黄特色一大片| 色哟哟哟哟哟哟| 老司机福利观看| 久久久久久大精品| 亚洲国产高清在线一区二区三 | 9色porny在线观看| 日本免费a在线| 身体一侧抽搐| 国产精品亚洲av一区麻豆| 欧美日本中文国产一区发布| 777久久人妻少妇嫩草av网站| 极品人妻少妇av视频| 亚洲男人天堂网一区| 欧美乱码精品一区二区三区| 好男人在线观看高清免费视频 | 18禁裸乳无遮挡免费网站照片 | 久热这里只有精品99| 欧美乱码精品一区二区三区| 男人操女人黄网站| av在线播放免费不卡| 国产亚洲精品综合一区在线观看 | 18美女黄网站色大片免费观看| 亚洲美女黄片视频| 99精品在免费线老司机午夜| 中国美女看黄片| 美女大奶头视频| 亚洲精品av麻豆狂野| www.www免费av| 啦啦啦免费观看视频1| 丝袜美足系列| 一本久久中文字幕| 美女免费视频网站| 九色国产91popny在线| 亚洲七黄色美女视频| 自线自在国产av| 我的亚洲天堂| 最近最新免费中文字幕在线| 天天躁狠狠躁夜夜躁狠狠躁| 麻豆一二三区av精品| 国产亚洲av嫩草精品影院| 国产主播在线观看一区二区|