• <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
    久久久久九九精品影院| 丝瓜视频免费看黄片| 成人二区视频| 嘟嘟电影网在线观看| 欧美日韩亚洲高清精品| 成年av动漫网址| 在线观看人妻少妇| 成年女人在线观看亚洲视频 | 亚洲精品一二三| 女人久久www免费人成看片| 五月开心婷婷网| 成人手机av| 国产成人精品婷婷| 免费在线观看视频国产中文字幕亚洲 | 丝袜美腿诱惑在线| 极品人妻少妇av视频| av国产精品久久久久影院| 麻豆乱淫一区二区| 亚洲国产精品999| 日韩av不卡免费在线播放| 亚洲av男天堂| 最近手机中文字幕大全| 日韩视频在线欧美| av网站免费在线观看视频| 日本午夜av视频| 亚洲精品自拍成人| 黄网站色视频无遮挡免费观看| 亚洲欧美一区二区三区国产| 亚洲国产精品成人久久小说| 亚洲欧美精品综合一区二区三区 | 亚洲欧美色中文字幕在线| 热99久久久久精品小说推荐| av有码第一页| 天天操日日干夜夜撸| 国产黄频视频在线观看| 观看av在线不卡| 大码成人一级视频| 黑人欧美特级aaaaaa片| 99久久综合免费| 在线免费观看不下载黄p国产| 国产欧美日韩一区二区三区在线| 美女午夜性视频免费| 十八禁网站网址无遮挡| 69精品国产乱码久久久| 色播在线永久视频| 极品少妇高潮喷水抽搐| 寂寞人妻少妇视频99o| 18禁裸乳无遮挡动漫免费视频| 午夜福利视频精品| 999久久久国产精品视频| 久久精品国产亚洲av涩爱| 欧美日韩视频精品一区| 91精品伊人久久大香线蕉| 国产精品蜜桃在线观看| 国产男女超爽视频在线观看| 色吧在线观看| a 毛片基地| 国产一区有黄有色的免费视频| 亚洲精品美女久久久久99蜜臀 | 一个人免费看片子| 在线天堂中文资源库| 欧美日韩精品成人综合77777| xxxhd国产人妻xxx| 亚洲国产欧美日韩在线播放| 国产一区二区激情短视频 | 久久这里有精品视频免费| 天天操日日干夜夜撸| 有码 亚洲区| 久久女婷五月综合色啪小说| 桃花免费在线播放| 欧美人与性动交α欧美软件| 亚洲国产毛片av蜜桃av| 麻豆av在线久日| www.熟女人妻精品国产| 亚洲五月色婷婷综合| 久热这里只有精品99| 麻豆av在线久日| 成人18禁高潮啪啪吃奶动态图| 国产黄色视频一区二区在线观看| 99re6热这里在线精品视频| 日本色播在线视频| 国语对白做爰xxxⅹ性视频网站| 十八禁高潮呻吟视频| 人体艺术视频欧美日本| 免费av中文字幕在线| 一级a爱视频在线免费观看| 欧美变态另类bdsm刘玥| 五月伊人婷婷丁香| 久久精品国产综合久久久| 91成人精品电影| 免费观看av网站的网址| 夫妻午夜视频| 18禁观看日本| 寂寞人妻少妇视频99o| 国产亚洲午夜精品一区二区久久| 欧美日韩亚洲高清精品| 久久精品国产亚洲av高清一级| 啦啦啦在线观看免费高清www| 在现免费观看毛片| 黄片小视频在线播放| 免费人妻精品一区二区三区视频| 国产av国产精品国产| 韩国精品一区二区三区| 国产女主播在线喷水免费视频网站| 男女边吃奶边做爰视频| 飞空精品影院首页| 国产成人精品在线电影| 日韩三级伦理在线观看| 亚洲av免费高清在线观看| 久久精品aⅴ一区二区三区四区 | 水蜜桃什么品种好| 久久久久国产网址| 亚洲国产欧美在线一区| 日韩一区二区三区影片| 亚洲中文av在线| 精品久久久久久电影网| 亚洲欧美精品综合一区二区三区 | 黑人猛操日本美女一级片| 一级黄片播放器| 亚洲成av片中文字幕在线观看 | 一边摸一边做爽爽视频免费| 热99久久久久精品小说推荐| 亚洲欧美成人综合另类久久久| videossex国产| 欧美精品高潮呻吟av久久| 永久免费av网站大全| 国产视频首页在线观看| 精品亚洲乱码少妇综合久久| 美女大奶头黄色视频| 在线观看国产h片| 老汉色∧v一级毛片| 成人免费观看视频高清| 免费不卡的大黄色大毛片视频在线观看| 国产老妇伦熟女老妇高清| 少妇的逼水好多| 久久99蜜桃精品久久| 久久 成人 亚洲| 午夜福利视频在线观看免费| 亚洲精品,欧美精品| 91精品国产国语对白视频| 日日啪夜夜爽| 2022亚洲国产成人精品| 免费观看性生交大片5| 亚洲图色成人| 汤姆久久久久久久影院中文字幕| 99久久综合免费| 国产xxxxx性猛交| 国产黄色免费在线视频| 日日摸夜夜添夜夜爱| 丝袜喷水一区| 国产一区二区三区av在线| 亚洲婷婷狠狠爱综合网| 欧美成人午夜免费资源| 国产欧美亚洲国产| 亚洲精品,欧美精品| 亚洲av中文av极速乱| 国产片内射在线| 一二三四在线观看免费中文在| 国产一级毛片在线| 国产乱人偷精品视频| 伦精品一区二区三区| 在线精品无人区一区二区三| 亚洲精品视频女| 自拍欧美九色日韩亚洲蝌蚪91| 欧美中文综合在线视频| 高清欧美精品videossex| 久久精品久久久久久久性| 国产成人精品一,二区| 肉色欧美久久久久久久蜜桃| 欧美日韩视频精品一区| 久久久久久伊人网av| 亚洲欧美一区二区三区久久| 免费黄频网站在线观看国产| 免费观看av网站的网址| 精品一区二区免费观看| 国产精品久久久久久av不卡| a 毛片基地| 久久精品国产a三级三级三级| 久久久久精品人妻al黑| 国产黄频视频在线观看| 精品一区在线观看国产| 中文乱码字字幕精品一区二区三区| 女人高潮潮喷娇喘18禁视频| 国产成人精品在线电影| 人人妻人人澡人人看| 国产精品久久久久久av不卡| 三上悠亚av全集在线观看| 欧美激情 高清一区二区三区| 交换朋友夫妻互换小说| 亚洲欧洲日产国产| 最近2019中文字幕mv第一页| 亚洲国产看品久久| 黄频高清免费视频| 日本vs欧美在线观看视频| 亚洲精品av麻豆狂野| 亚洲图色成人| 中文欧美无线码| 亚洲国产最新在线播放| 精品视频人人做人人爽| 七月丁香在线播放| 韩国高清视频一区二区三区| 天天操日日干夜夜撸| 国产av国产精品国产| 青春草视频在线免费观看| 免费看不卡的av| 婷婷色综合大香蕉| 99热全是精品| 免费女性裸体啪啪无遮挡网站| 午夜久久久在线观看| 如何舔出高潮| 天天躁夜夜躁狠狠久久av| 国产免费视频播放在线视频| 在线观看免费视频网站a站| 五月伊人婷婷丁香| 三级国产精品片| 人体艺术视频欧美日本| 久久 成人 亚洲| 久热这里只有精品99| 精品国产一区二区久久| 国产亚洲一区二区精品| 满18在线观看网站| 性色avwww在线观看| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | av不卡在线播放| 日韩视频在线欧美| 国产成人91sexporn| 欧美成人午夜精品| 伊人亚洲综合成人网| 国产精品久久久久久av不卡| 十八禁网站网址无遮挡| 在线观看国产h片| 亚洲国产毛片av蜜桃av| 亚洲伊人久久精品综合| 亚洲国产成人一精品久久久| 久久久亚洲精品成人影院| 热re99久久国产66热| 国产免费又黄又爽又色| 桃花免费在线播放| 久久人人97超碰香蕉20202| 美女大奶头黄色视频| 王馨瑶露胸无遮挡在线观看| 亚洲精品美女久久久久99蜜臀 | 女人精品久久久久毛片| 美女视频免费永久观看网站| 国产黄色免费在线视频| 下体分泌物呈黄色| 99国产综合亚洲精品| 欧美日韩视频高清一区二区三区二| 一个人免费看片子| 精品国产乱码久久久久久小说| a级毛片黄视频| 亚洲经典国产精华液单| 久久精品久久精品一区二区三区| 免费黄频网站在线观看国产| 在线精品无人区一区二区三| 久久久久久免费高清国产稀缺| 国产在线一区二区三区精| 熟女av电影| 看非洲黑人一级黄片| 午夜福利视频精品| 国产日韩欧美亚洲二区| 最近最新中文字幕大全免费视频 | 久久精品国产a三级三级三级| 久久精品久久久久久久性| 国产色婷婷99| 香蕉丝袜av| av片东京热男人的天堂| 欧美 亚洲 国产 日韩一| 日韩一区二区视频免费看| 汤姆久久久久久久影院中文字幕| 最近中文字幕高清免费大全6| 亚洲国产成人一精品久久久| 久久国产精品大桥未久av| 亚洲一级一片aⅴ在线观看| 亚洲国产精品成人久久小说| 日韩在线高清观看一区二区三区| 黄片无遮挡物在线观看| 91在线精品国自产拍蜜月| 免费黄网站久久成人精品| 午夜福利在线观看免费完整高清在| 又粗又硬又长又爽又黄的视频| 国产成人aa在线观看| 一区福利在线观看| 国产成人精品婷婷| 巨乳人妻的诱惑在线观看| 国产一区二区在线观看av| 999精品在线视频| 久久久亚洲精品成人影院| 欧美 亚洲 国产 日韩一| videosex国产| 色哟哟·www| 国产成人aa在线观看| 日本猛色少妇xxxxx猛交久久| 黄色毛片三级朝国网站| 日韩一区二区三区影片| 久热这里只有精品99| 午夜福利在线观看免费完整高清在| 一级片'在线观看视频| 少妇熟女欧美另类| www.av在线官网国产| av片东京热男人的天堂| 九色亚洲精品在线播放| 精品人妻熟女毛片av久久网站| 日本vs欧美在线观看视频| 9热在线视频观看99| 亚洲在久久综合| 最近最新中文字幕免费大全7| 一级a爱视频在线免费观看| 久久久久精品人妻al黑| 一本色道久久久久久精品综合| 97人妻天天添夜夜摸| 亚洲成av片中文字幕在线观看 | 9色porny在线观看| 巨乳人妻的诱惑在线观看| 亚洲av男天堂| 91成人精品电影| 日本wwww免费看| 婷婷成人精品国产| 成人黄色视频免费在线看| 韩国av在线不卡| 亚洲av欧美aⅴ国产| 久久国内精品自在自线图片| 亚洲成人av在线免费| 久久久久久久精品精品| 久久久久国产网址| 91精品国产国语对白视频| 亚洲国产日韩一区二区| 久久精品久久精品一区二区三区| 看免费成人av毛片| av国产精品久久久久影院| 亚洲男人天堂网一区| 一级毛片电影观看| av视频免费观看在线观看| 亚洲内射少妇av| 一级爰片在线观看| 在线观看三级黄色| 久久婷婷青草| 91久久精品国产一区二区三区| 久久精品熟女亚洲av麻豆精品| 免费不卡的大黄色大毛片视频在线观看| 伊人久久国产一区二区| 日本vs欧美在线观看视频| www.自偷自拍.com| 99热网站在线观看| av在线app专区| 一区二区av电影网| av线在线观看网站| 色吧在线观看| 欧美在线黄色| 国产精品免费大片| 18+在线观看网站| 亚洲精品国产色婷婷电影| 赤兔流量卡办理| 免费久久久久久久精品成人欧美视频| 精品人妻在线不人妻| 又粗又硬又长又爽又黄的视频| 国产成人精品一,二区| 可以免费在线观看a视频的电影网站 | 丝袜美足系列| 亚洲成人av在线免费| 精品国产国语对白av| 日韩,欧美,国产一区二区三区| 美女xxoo啪啪120秒动态图| 国产精品不卡视频一区二区| 午夜免费鲁丝| 国产一区二区激情短视频 | 欧美精品一区二区大全| a 毛片基地| 精品人妻偷拍中文字幕| 少妇人妻精品综合一区二区| 欧美日韩成人在线一区二区| 亚洲av综合色区一区| 国产 一区精品| 啦啦啦啦在线视频资源| 日韩伦理黄色片| 中文字幕制服av| 久久精品国产自在天天线| 999久久久国产精品视频| 成人国产麻豆网| 熟妇人妻不卡中文字幕| 国产97色在线日韩免费| 免费少妇av软件| 国产亚洲欧美精品永久| 欧美在线黄色| 国产精品 欧美亚洲| 久久精品aⅴ一区二区三区四区 | 精品视频人人做人人爽| 欧美精品av麻豆av| 黄片小视频在线播放| 在线观看美女被高潮喷水网站| 久久精品国产亚洲av涩爱| 啦啦啦中文免费视频观看日本| 国产伦理片在线播放av一区| 啦啦啦在线免费观看视频4| 欧美激情极品国产一区二区三区| videossex国产| 在线天堂最新版资源| 国产精品久久久久成人av| 满18在线观看网站| 韩国av在线不卡| 青草久久国产| 国产精品蜜桃在线观看| 久久久久久伊人网av| 少妇精品久久久久久久| 亚洲内射少妇av| 另类亚洲欧美激情| 9色porny在线观看| 国产白丝娇喘喷水9色精品| 午夜91福利影院| 叶爱在线成人免费视频播放| 亚洲一区中文字幕在线| 亚洲精品自拍成人| 久热久热在线精品观看| 国产麻豆69| 亚洲少妇的诱惑av| 99久久中文字幕三级久久日本| 日本欧美视频一区| 一级毛片电影观看| av在线老鸭窝| 视频区图区小说| 性色av一级| av不卡在线播放| 热99久久久久精品小说推荐| 久久久久视频综合| 国产精品蜜桃在线观看| 成人毛片a级毛片在线播放| 日日爽夜夜爽网站| 熟女av电影| 中文字幕色久视频| 十八禁高潮呻吟视频| 美女主播在线视频| 黄网站色视频无遮挡免费观看| 国产福利在线免费观看视频| 精品卡一卡二卡四卡免费| 国产成人午夜福利电影在线观看| 午夜激情久久久久久久| 极品少妇高潮喷水抽搐| 亚洲欧洲国产日韩| 欧美 日韩 精品 国产| 在线观看免费日韩欧美大片| 人妻系列 视频| 国产精品一国产av| 国产日韩欧美亚洲二区| 国产精品欧美亚洲77777| a级片在线免费高清观看视频| xxxhd国产人妻xxx| 在线天堂最新版资源| 欧美日韩精品网址| 哪个播放器可以免费观看大片| 国产在线一区二区三区精| xxx大片免费视频| 欧美变态另类bdsm刘玥| 亚洲精品av麻豆狂野| 你懂的网址亚洲精品在线观看| 国产精品久久久久久精品电影小说| 日产精品乱码卡一卡2卡三| 黄色 视频免费看| 亚洲av男天堂| 考比视频在线观看| 黄色毛片三级朝国网站| 满18在线观看网站| 国产无遮挡羞羞视频在线观看| 26uuu在线亚洲综合色| 国产精品99久久99久久久不卡 | 少妇人妻久久综合中文| 午夜福利乱码中文字幕| av国产精品久久久久影院| 美女脱内裤让男人舔精品视频| 9热在线视频观看99| 香蕉国产在线看| 国产乱人偷精品视频| 国产男女内射视频| 十八禁网站网址无遮挡| 中文字幕精品免费在线观看视频| 亚洲av国产av综合av卡| 晚上一个人看的免费电影| 亚洲国产av新网站| 在线观看免费视频网站a站| 观看美女的网站| 国产av精品麻豆| 九色亚洲精品在线播放| 国产欧美日韩综合在线一区二区| 日韩视频在线欧美| 久久久久久久精品精品| 免费女性裸体啪啪无遮挡网站| 精品少妇一区二区三区视频日本电影 | 亚洲一码二码三码区别大吗| 国产日韩欧美视频二区| 日韩精品有码人妻一区| 成年女人在线观看亚洲视频| 亚洲 欧美一区二区三区| 免费女性裸体啪啪无遮挡网站| 麻豆乱淫一区二区| 美女国产视频在线观看| 欧美变态另类bdsm刘玥| 热re99久久国产66热| 精品福利永久在线观看| 国产一级毛片在线| 大码成人一级视频| 久久精品国产亚洲av涩爱| 亚洲欧美清纯卡通| 日产精品乱码卡一卡2卡三| 久久精品国产亚洲av天美| 国产激情久久老熟女| 国产一区二区三区综合在线观看| 亚洲av免费高清在线观看| 中文欧美无线码| 精品亚洲成国产av| 9色porny在线观看| 欧美激情高清一区二区三区 | 尾随美女入室| 久久午夜福利片| 麻豆av在线久日| 丝瓜视频免费看黄片| 男女边吃奶边做爰视频| 日韩熟女老妇一区二区性免费视频| 亚洲国产色片| av福利片在线| 国产又爽黄色视频| 久久精品久久精品一区二区三区| 久久99一区二区三区| 久热久热在线精品观看| av网站在线播放免费| 成年人免费黄色播放视频| 99久久精品国产国产毛片| av在线观看视频网站免费| 涩涩av久久男人的天堂| 国产精品女同一区二区软件| 丝袜美腿诱惑在线| 精品国产超薄肉色丝袜足j| 成人国语在线视频| 国产精品不卡视频一区二区| 美国免费a级毛片| 亚洲精品,欧美精品| 国产日韩欧美亚洲二区| 黑人欧美特级aaaaaa片| 亚洲第一区二区三区不卡| 亚洲成人一二三区av| 久久久久国产一级毛片高清牌| 99re6热这里在线精品视频| 热99国产精品久久久久久7| 香蕉国产在线看| 免费少妇av软件| 欧美少妇被猛烈插入视频| kizo精华| 搡老乐熟女国产| 天天躁日日躁夜夜躁夜夜| 亚洲精品美女久久av网站| 久久99热这里只频精品6学生| 中文字幕人妻丝袜一区二区 | 欧美另类一区| 伦精品一区二区三区| 校园人妻丝袜中文字幕| 美女高潮到喷水免费观看| 亚洲精品av麻豆狂野| 精品国产一区二区三区久久久樱花| 美国免费a级毛片| 久久鲁丝午夜福利片| 午夜免费鲁丝| 国产探花极品一区二区| 两个人看的免费小视频| 亚洲精华国产精华液的使用体验| 国产亚洲最大av| 宅男免费午夜| 丰满迷人的少妇在线观看| 黄片小视频在线播放| 两个人看的免费小视频| 高清视频免费观看一区二区| 我的亚洲天堂| 久久鲁丝午夜福利片| 久久 成人 亚洲| 色94色欧美一区二区| 精品卡一卡二卡四卡免费| 精品国产露脸久久av麻豆| 免费日韩欧美在线观看| 国产女主播在线喷水免费视频网站| 成年人午夜在线观看视频| 久久99一区二区三区| 一级a爱视频在线免费观看| 日产精品乱码卡一卡2卡三| 丝袜在线中文字幕| 亚洲综合色惰| 亚洲三级黄色毛片| 丰满迷人的少妇在线观看| 国产精品.久久久| 性色avwww在线观看| 成人毛片a级毛片在线播放| 国产亚洲一区二区精品| 人人妻人人澡人人看| 国产精品久久久av美女十八| 精品一区在线观看国产| 久久鲁丝午夜福利片| 我要看黄色一级片免费的| 精品人妻偷拍中文字幕| 蜜桃国产av成人99| 亚洲av.av天堂| 久久狼人影院| 在线观看美女被高潮喷水网站| 久久女婷五月综合色啪小说| 成年人午夜在线观看视频| 大香蕉久久成人网| 欧美成人午夜免费资源| 又粗又硬又长又爽又黄的视频| 欧美老熟妇乱子伦牲交| 少妇猛男粗大的猛烈进出视频| 欧美xxⅹ黑人| 国产精品一二三区在线看| 亚洲美女视频黄频| 日韩视频在线欧美| 午夜日韩欧美国产| 国产 一区精品| 国产午夜精品一二区理论片| 国语对白做爰xxxⅹ性视频网站| 美女主播在线视频| 亚洲欧美成人精品一区二区|