• <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 ?

    豬只飲水行為機(jī)器視覺自動(dòng)識(shí)別

    2018-07-05 11:38:24楊秋妹肖德琴張根興
    關(guān)鍵詞:豬欄飲水器像素點(diǎn)

    楊秋妹 肖德琴 張根興

    (華南農(nóng)業(yè)大學(xué)數(shù)學(xué)與信息學(xué)院, 廣州 510642)

    0 引言

    正常情況下,豬的飲水行為呈穩(wěn)定持續(xù)的模式,當(dāng)疾病出現(xiàn)、喂食質(zhì)量或環(huán)境發(fā)生變化時(shí)則會(huì)導(dǎo)致其飲水行為改變。人工對(duì)豬的飲水行為進(jìn)行監(jiān)控需要投入大量的人力并且難以實(shí)現(xiàn)長期持續(xù)的觀察。因此,需要自動(dòng)化實(shí)時(shí)地監(jiān)控豬只的飲水行為,提取其飲水行為節(jié)律,這對(duì)豬只的健康異常預(yù)警,改善其生長福利有很重要的作用[1-3]。

    目前,自動(dòng)監(jiān)控豬飲水行為已有相關(guān)的研究成果,主要采用兩種方式:無線射頻技術(shù)RFID和機(jī)器視覺技術(shù)。采用RFID技術(shù)識(shí)別豬只飲水主要是通過給豬只佩戴電子耳標(biāo),另外在飲水器旁邊安裝RFID接收器,當(dāng)豬只靠近飲水器時(shí)接收器則讀取相應(yīng)的信息,從而記錄飲水行為的發(fā)生,有學(xué)者對(duì)高頻RFID的有效使用范圍作了相應(yīng)的研究,開展了基于RFID的豬只個(gè)體飲水行為和豬場產(chǎn)量與健康問題的相關(guān)分析[4-7];陸明洲等[8]則用此方法來檢測母豬個(gè)體的飲水頻率。但是,基于RFID的監(jiān)控方式需要給豬只打入耳標(biāo),為入侵式的實(shí)驗(yàn)方式,并且耳標(biāo)容易丟失,給管理帶來不便。機(jī)器視覺作為一種無入侵的方式可以實(shí)時(shí)地監(jiān)控動(dòng)物的日常行為,由于其價(jià)格低廉、容易安裝,已經(jīng)在豬場生產(chǎn)管理中得到廣泛的應(yīng)用,很多豬場都已經(jīng)獲得了大量的監(jiān)控錄像數(shù)據(jù),但是利用動(dòng)物視頻監(jiān)控?cái)?shù)據(jù)進(jìn)行信息提取,獲得對(duì)生產(chǎn)管理有用信息的研究還不多,在豬只上的應(yīng)用主要有關(guān)于移動(dòng)、爬跨、攻擊及飲食等行為的探討[9-11]。在飲水識(shí)別上,KASHIHA等[12-13]提出二值化圖像后,借助豬只輪廓關(guān)鍵點(diǎn)與質(zhì)心的距離來識(shí)別豬只頭部,從而確定飲水行為的發(fā)生,得到飲水次數(shù)與持續(xù)時(shí)間,建立豬只飲水量與其飲水時(shí)間的關(guān)聯(lián)模型,但該方法對(duì)豬只頭部的識(shí)別過度依賴于圖像分割結(jié)果,如分割出來的圖像不能較好地還原豬只輪廓?jiǎng)t無法準(zhǔn)確識(shí)別豬只頭部。精準(zhǔn)檢測豬只頭部與飲水器發(fā)生接觸是采用機(jī)器視覺自動(dòng)識(shí)別豬只飲水行為的關(guān)鍵,本文擬在已有的飲水識(shí)別方法基礎(chǔ)上,加入圖像占領(lǐng)指數(shù)、深度學(xué)習(xí)等機(jī)器視覺算法,提出一種新的基于機(jī)器視覺的豬只飲水行為識(shí)別方法(Pig drink recognition,PDR)。

    1 材料與方法

    1.1 試驗(yàn)數(shù)據(jù)來源

    試驗(yàn)數(shù)據(jù)來源于廣州力智農(nóng)業(yè)有限公司位于廣州市蘿崗區(qū)的現(xiàn)代化生豬生產(chǎn)基地。選取種豬欄作為監(jiān)控場景,監(jiān)控豬欄面積為4 m×5 m,攝像機(jī)布置于豬欄正中高約5 m的橫柱上,以俯視的角度進(jìn)行拍攝,為了將整個(gè)豬欄完全覆蓋在攝像機(jī)成像范圍內(nèi),采用鏡頭焦距為2.8 mm的??礑S-2CD3345-I型紅外網(wǎng)絡(luò)攝像機(jī),視頻利用海康DS-7804N-K1/C型網(wǎng)絡(luò)硬盤錄像機(jī)存儲(chǔ)。

    試驗(yàn)期間監(jiān)控豬欄共飼養(yǎng)4頭種豬,試驗(yàn)周期為2016年7月8日至2016年8月8日共32 d,每天24 h對(duì)豬欄進(jìn)行監(jiān)控,但是由于晚間時(shí)段豬只多處于睡眠狀態(tài),因此每日只選取白天豬只比較活躍時(shí)段的視頻作為研究素材,具體為每日的08:00至18:00。為了便于區(qū)分豬欄里的各頭豬,在豬只背部采用油性筆標(biāo)上A、B、C、D作為豬只編號(hào),試驗(yàn)豬欄有一高一低2個(gè)直式飲水器供欄中的所有豬只飲水。豬只在欄中活動(dòng)畫面如圖1所示,飲水器安裝在圖1中的黃色框內(nèi)。

    圖1 豬欄監(jiān)控畫面Fig.1 Scene of piggery monitoring

    1.2 豬只飲水行為識(shí)別體系結(jié)構(gòu)

    本文旨在通過豬欄的監(jiān)控視頻,自動(dòng)提取出豬欄中各頭豬只的飲水情況,具體的體系結(jié)構(gòu)如圖2所示。

    圖2 豬只飲水行為體系識(shí)別結(jié)構(gòu)Fig.2 Framework for pig drinking behavior recognition

    從圖2可以看到,豬只飲水行為自動(dòng)化識(shí)別主要有3部分。第1部分為基于閾值分割的豬只檢測,本文通過大津法對(duì)圖像進(jìn)行二值化,將豬只作為前景與背景區(qū)分開來,得到每頭豬只的輪廓,并用其輪廓的外接矩形將其提取出來。第2部分為基于圖像占領(lǐng)指數(shù)的飲水行為預(yù)判,本文將通過識(shí)別豬欄的飲水區(qū)域是否有監(jiān)控對(duì)象進(jìn)入,如果有,并且監(jiān)控對(duì)象在此區(qū)域停留一定的時(shí)間長度,則認(rèn)為有可能發(fā)生飲水行為,沒有則無飲水行為發(fā)生。第3部分為基于深度學(xué)習(xí)的飲水行為精準(zhǔn)識(shí)別,為了進(jìn)一步確認(rèn)飲水行為是否發(fā)生,本文將提取豬只頭部、身體的圖像進(jìn)行訓(xùn)練,構(gòu)建豬只頭部身體區(qū)分的分類器模型,截取飲水區(qū)域的圖像判別是否有豬只頭部進(jìn)入,如果是則可確認(rèn)飲水行為發(fā)生。

    1.3 豬只飲水行為識(shí)別算法設(shè)計(jì)原理

    1.3.1基于閾值分割的豬只檢測算法

    在監(jiān)控視頻中,豬只作為研究對(duì)象,在每幀圖像中,要將前景與背景區(qū)分開來,現(xiàn)有的研究主要是采用圖像分割方法來完成[14-16]。在豬場監(jiān)控場景下,攝像頭的位置固定,拍攝成像的豬場區(qū)域固定,豬只在限定的豬欄范圍內(nèi)活動(dòng),不會(huì)出現(xiàn)越出豬欄的情景,因此,豬欄以外的圖像區(qū)域不屬于有效的豬只活動(dòng)區(qū)域,可以在圖像處理前,設(shè)定一個(gè)有效監(jiān)控區(qū)域?qū)⑵渑懦谕?,得到矩形框?nèi)的有效監(jiān)控區(qū)域。如圖3所示,紅色矩形框?yàn)橛行жi只活動(dòng)范圍。豬只飲水自動(dòng)化識(shí)別的整個(gè)流程都在該有效監(jiān)控區(qū)域內(nèi)進(jìn)行。

    圖3 設(shè)定的豬只有效活動(dòng)區(qū)域Fig.3 Setting up valid region for pigs

    從圖3可以看到,豬欄地板為偏黑色的水泥地,圍欄顏色也偏黑,而豬身體為白色,與背景有明顯的顏色差異,所以本文采用基于顏色的圖像分割方法來檢測豬只。將原始的RGB圖像轉(zhuǎn)換為灰度圖像后,利用大津法確定圖像分割閾值[17-18],將圖像中的像素點(diǎn)分成前景和背景。具體做法是假設(shè)任意值T為前景與背景的分割閾值,小于閾值T的像素點(diǎn)為背景,大于等于該閾值的則為前景,背景、前景像素點(diǎn)個(gè)數(shù)占圖像總像素點(diǎn)個(gè)數(shù)的比例分別為w0、w1,背景、前景所有像素點(diǎn)的灰度平均值分別為u0、u1,則有

    u=w0u0+w1u1

    (1)

    g=w0(u0-u)2+w1(u1-u)2

    (2)

    式中u——整幀圖像的平均灰度

    g——背景和前景圖像的類間方差

    計(jì)算T取不同值時(shí)g的值,直到g取得最大值,此時(shí)T為最終分割閾值。

    灰度圖像經(jīng)過閾值分割得到二值圖像后,該二值圖像因?yàn)楣饩€等原因存在一些噪聲,采用Canny邊緣檢測獲取豬只輪廓,對(duì)其利用形態(tài)學(xué)腐蝕、膨脹等方法進(jìn)行噪聲去除,并根據(jù)實(shí)際的豬只大小情況將一些較小的不可能為豬的連通區(qū)域去除,最終得到只含豬只輪廓的二值圖像。經(jīng)過處理得到豬只輪廓二值圖像后,對(duì)于圖中每頭豬的輪廓用其最小外接矩形將其框出,得到每頭豬的感興趣區(qū)域,第i頭豬的感興趣區(qū)域記為PROI(i)。每頭豬保存其質(zhì)心、角度等信息作為飲水行為的判斷依據(jù),第i頭豬的質(zhì)心記為P(i),第i頭豬的角度記為θ(i)。針對(duì)豬只監(jiān)控視頻數(shù)據(jù),本文以8 f/s的采樣方式抽取視頻幀,定義豬只檢測算法A,每一幀圖像I采用該算法進(jìn)行豬只檢測,(x,y)為圖像中像素點(diǎn)坐標(biāo),A算法過程如下:

    while (x,y) inI

    if (x,y)沒有超出有效監(jiān)控區(qū)域保留像素點(diǎn)(x,y);

    else舍棄像素點(diǎn)(x,y);

    rgb2gray(I)轉(zhuǎn)為灰度圖像;

    im2bw(I, graythresh(I))轉(zhuǎn)為灰度圖像;

    imerode(I,se)腐蝕膨脹解決粘連;

    imdilate(I,se)膨脹填充孔洞;

    bwareaopen(I,P,conn)刪除小面積連通區(qū)域;

    for each連通區(qū)域生成其外接矩形和橢圓擬合;

    output:每塊連通區(qū)域?yàn)橐活^豬,第i頭豬輸出其感興趣區(qū)域PROI(i),質(zhì)心P(i),角度θ(i)。

    1.3.2基于圖像占領(lǐng)指數(shù)的飲水行為預(yù)判

    在實(shí)際的豬欄中,豬只通過飲水器飲水,每次飲水必須進(jìn)入飲水器的鄰近區(qū)域,并且通過觀察發(fā)現(xiàn)豬只飲水時(shí)處于接近靜止?fàn)顟B(tài),本文通過監(jiān)控豬只飲水區(qū)域,當(dāng)豬只處于靜止?fàn)顟B(tài)并且此飲水區(qū)域有足夠多的面積被豬只身體占領(lǐng)時(shí)則有可能發(fā)生飲水行為。

    豬只是否靜止可以通過豬的質(zhì)心及角度的變化來判斷,當(dāng)相鄰兩幀中同一頭豬的質(zhì)心變化不超過給定范圍,并且其角度變化不超出給定值,則認(rèn)為其處于靜止?fàn)顟B(tài),超出此范圍則認(rèn)為是處于運(yùn)動(dòng)狀態(tài)。

    記第i頭豬在第t幀的質(zhì)心為P(i,t),靜止時(shí)豬的質(zhì)心變化滿足

    P(i,t+1)-P(i,t)<α

    (3)

    式中α——質(zhì)心變化閾值

    記第i頭豬在第t幀的角度為θ(i,t),靜止時(shí)豬的角度變化滿足

    θ(i,t+1)-θ(i,t)<β

    (4)

    式中β——角度變化閾值

    當(dāng)豬處于靜止?fàn)顟B(tài)時(shí),則判斷其是否處于飲水區(qū)域。圖像占領(lǐng)指數(shù)可用于識(shí)別在某個(gè)區(qū)域范圍有無出現(xiàn)特定的監(jiān)控對(duì)象[19],本文引入飲水區(qū)域的圖像占領(lǐng)指數(shù)這一概念來判斷豬只是否發(fā)生了飲水行為。

    在任意時(shí)刻,飲水區(qū)域的占領(lǐng)指數(shù)通過二值圖像來描述,一幀圖像中飲水區(qū)域記為W,(x,y)表示W(wǎng)中的像素點(diǎn)坐標(biāo),像素點(diǎn)取值記為BI(x,y),BI(x,y)=0表示此像素點(diǎn)未被豬只覆蓋,BI(x,y)=1表示此像素點(diǎn)已被豬只覆蓋。其中,w表示區(qū)域W的像素點(diǎn)總數(shù),飲水區(qū)域W被豬只占領(lǐng)的指數(shù)定義為

    (5)

    經(jīng)過豬只檢測算法A處理后得到的二值圖像如圖4所示。豬只作為前景對(duì)象每個(gè)像素點(diǎn)的值記為1,背景對(duì)象每個(gè)像素點(diǎn)值記為零,圖4a中黃色矩形無豬只進(jìn)入,該區(qū)域中所有像素點(diǎn)取值均為零,此時(shí)飲水區(qū)域的占領(lǐng)指數(shù)為零;圖4b中有豬只進(jìn)入黃色矩形區(qū)域,此時(shí)該區(qū)域占領(lǐng)指數(shù)值為豬只進(jìn)入飲水區(qū)域的像素點(diǎn)數(shù)與飲水區(qū)域總像素點(diǎn)數(shù)的比值。

    圖4 豬只占領(lǐng)區(qū)域示意圖Fig.4 Schematics of pig occupation area

    定義豬只飲水預(yù)判定算法B,對(duì)于上一步得到的二值化圖像做出是否可能發(fā)生豬只飲水行為的判別,B算法步驟如下:

    (1)計(jì)算相鄰兩幀圖像中每頭豬的質(zhì)心和角度變化。

    (2)如果變化小于給定閾值,則對(duì)于豬斑點(diǎn)區(qū)域的每個(gè)點(diǎn)判斷其是否位于飲水區(qū)域,累計(jì)飲水區(qū)域內(nèi)的像素點(diǎn)數(shù)。

    (3)判斷飲水區(qū)域內(nèi)的像素點(diǎn)數(shù)是否大于給定閾值,若大于給定閾值則可初步判定飲水行為發(fā)生。

    1.3.3基于深度學(xué)習(xí)的飲水行為精準(zhǔn)識(shí)別

    僅是通過飲水區(qū)域是否有豬只存在來判斷飲水行為是否發(fā)生并不夠準(zhǔn)確,實(shí)際的豬場中,經(jīng)常會(huì)設(shè)置一高一低2個(gè)飲水器,高位飲水器需要豬只抬起頭才夠得著,低位飲水器則需要低頭飲水。低位飲水器往往會(huì)出現(xiàn)由于豬只身體占領(lǐng)了飲水區(qū)域,但實(shí)際并沒有飲水行為發(fā)生的情況,如圖5所示,豬只尾部占領(lǐng)了圖像中低飲水器的位置,但是實(shí)際沒有發(fā)生飲水行為。

    圖5 豬只進(jìn)入飲水區(qū)域但無飲水圖Fig.5 Picture of pig in drinking zone but no drinking

    為了避免將此種情況誤判為飲水行為的發(fā)生,本文加入了豬只頭部、背部、尾部的識(shí)別判斷。當(dāng)出現(xiàn)飲水區(qū)域被占領(lǐng)的情況后,則在飲水器周圍截取部分圖像,截取出來的圖像有可能是頭部,也有可能是尾部或地板,或者不屬于上面的幾種情況(如豬身中部等)。因此,本文采用物體分類的方法來區(qū)分這幾個(gè)類別。在物體分類上,深度學(xué)習(xí)模型GoogLenet在2014年刷新了圖像分類的性能記錄[20],本文引入該方法構(gòu)建豬只頭部識(shí)別模型C。

    GoogLenet增加了網(wǎng)絡(luò)的寬度和深度,共22層,利用如圖6所示的Inception結(jié)構(gòu),實(shí)現(xiàn)有效降維。

    圖6 Inception模型Fig.6 Inception model

    為了解決訓(xùn)練樣本不足的問題,本文采用遷移學(xué)習(xí)的思想,利用預(yù)訓(xùn)練好的模型,結(jié)合有標(biāo)簽數(shù)據(jù)進(jìn)行fine-tuning,得到豬只頭部識(shí)別模型。豬只頭部識(shí)別模型C的訓(xùn)練步驟如下:

    (2)計(jì)算數(shù)據(jù)集的圖像均值。

    (3)選定預(yù)訓(xùn)練好的模型,修改分類層的參數(shù)。

    (4)調(diào)整訓(xùn)練過程的配置參數(shù)。

    (5)啟動(dòng)訓(xùn)練,對(duì)預(yù)訓(xùn)練模型進(jìn)行參數(shù)微調(diào)。

    訓(xùn)練結(jié)束后得到的豬只頭部識(shí)別模型C具有識(shí)別輸入圖像是否為豬只頭部、豬只尾部以及地板的功能。采用1.3.2節(jié)的方法初步檢測到豬只飲水行為的發(fā)生后,在飲水器周圍截取部分圖像,用上述訓(xùn)練得到的模型C判斷該圖像是否為豬只頭部,如果是則可記錄為飲水行為的發(fā)生,并且計(jì)算其飲水時(shí)長。

    當(dāng)豬只的飲水行為得到確認(rèn)后,從精準(zhǔn)養(yǎng)殖的角度出發(fā),需更進(jìn)一步確認(rèn)發(fā)生飲水行為的豬只身份,本文再次利用深度學(xué)習(xí)模型GoogLenet,構(gòu)建豬只個(gè)體身份分類器,當(dāng)豬只飲水行為發(fā)生后,能準(zhǔn)確識(shí)別出飲水個(gè)體。采集每頭豬的個(gè)體圖像作為訓(xùn)練樣本,由于豬背已經(jīng)人為標(biāo)記藍(lán)色的A、B、C、D作為區(qū)分,以此人工添加標(biāo)簽,再次利用預(yù)訓(xùn)練好的GoogLenet進(jìn)行fine-tuning得到豬只個(gè)體身份分類器,訓(xùn)練過程與豬只頭部識(shí)別模型C相同。

    2 試驗(yàn)與結(jié)果分析

    2.1 豬只檢測算法試驗(yàn)

    利用本文提出的豬只檢測算法A對(duì)豬只圖像進(jìn)行處理,得到圖7所示的識(shí)別結(jié)果。

    圖7 檢測算法A識(shí)別結(jié)果Fig.7 Recognition result of A

    對(duì)于每一幀圖像,從原始圖像截取邊界后得到有效監(jiān)控區(qū)域,在此基礎(chǔ)上對(duì)圖像采用大津法閾值分割后得到二值圖像,接著采用形態(tài)學(xué)去噪進(jìn)行膨脹腐蝕,之后刪除小面積連通區(qū)域,最終每塊有效的連通區(qū)域則分別代表一頭豬,每頭豬用其外接矩形框圈出。

    在我國現(xiàn)行的司法體制中,憲法、民法、刑法、相關(guān)司法解釋和法規(guī)條例都對(duì)公民隱私權(quán)有一定的規(guī)定,但仍不完善[4]。

    為了驗(yàn)證豬只檢測算法A的有效性,在豬場監(jiān)控視頻中采樣100幀監(jiān)控圖像,每幀圖像有4頭豬,共400頭豬,考慮到該算法運(yùn)行結(jié)果可能會(huì)受光照、豬只粘連等情況影響,在采樣時(shí)特別考慮了不同時(shí)間段光照不一樣的圖像,也對(duì)豬只出現(xiàn)粘連的情況進(jìn)行了采樣。采用A算法進(jìn)行豬只檢測,在這100幀圖像中共檢測出370頭豬,其中完全正確檢測的豬只有356頭,將粘連在一起的2頭豬檢測為1頭的有11次共涉及22頭豬,錯(cuò)誤將光斑檢測為豬只的有3次,有22頭豬漏檢。

    定義豬只檢測正確率為:算法正確識(shí)別出的豬只數(shù)目與所有被算法認(rèn)為是豬只的連通區(qū)域數(shù)目之比。豬只檢測召回率為:算法正確識(shí)別出的豬只數(shù)目與圖像中實(shí)際存在的豬只數(shù)目之比,由此計(jì)算得到豬只檢測正確率為96.22%,召回率為89%。召回率偏低的原因是將粘連豬只作為一頭豬只識(shí)別,此種情況不屬于正確識(shí)別出豬只,但并不影響本文的飲水行為識(shí)別。

    2.2 豬只頭部識(shí)別算法試驗(yàn)

    在本次豬只頭部識(shí)別試驗(yàn)中,采用caffe深度學(xué)習(xí)平臺(tái),GPU模式(Nvidia GTX 1060),在預(yù)訓(xùn)練好的BVLC GoogLeNet模型上進(jìn)行fine-tuning。

    用于豬只頭部識(shí)別模型C訓(xùn)練的圖像總數(shù)為1 204幅,用于測試的圖像總數(shù)為1 396幅,其中地板的訓(xùn)練圖像為200幅,測試圖像為401幅,地板樣例圖像如圖8所示。

    圖8 地板樣例圖像Fig.8 Sample pictures of floor

    豬只頭部的訓(xùn)練圖像為475幅,測試圖像為422幅,樣例圖像如圖9所示。

    圖9 豬只頭部樣例圖像Fig.9 Sample pictures of pig head

    豬只尾部的訓(xùn)練圖像為529幅,測試圖像為573幅,樣例圖像如圖10所示。

    圖10 豬只尾部樣例圖像Fig.10 Sample pictures of pig tail

    訓(xùn)練前,利用caffe中的convert_imageset將圖像轉(zhuǎn)換為特定的數(shù)據(jù)庫,使用compute_image_mean生成圖像數(shù)據(jù)的均值文件,數(shù)據(jù)庫文件和均值文件是caffe進(jìn)行訓(xùn)練的必要文件,本次訓(xùn)練有3個(gè)類別,分別為地板、頭部、尾部。在train_val.prototxt、solver.prototxt以及deploy.prototxt中設(shè)置相關(guān)的訓(xùn)練參數(shù),具體設(shè)置如表1所示。

    表1 訓(xùn)練參數(shù)設(shè)置Tab.1 Parameter setting for training procedure

    訓(xùn)練的迭代次數(shù)為10 000次,此時(shí)訓(xùn)練結(jié)果已收斂,正確率為97.64%。在錯(cuò)誤識(shí)別的圖像中,有一部分是由于圖像光線不足而導(dǎo)致識(shí)別出錯(cuò),有一部分是由于外界干擾(如澆水沖洗豬舍)及豬只運(yùn)動(dòng)導(dǎo)致的圖像模糊。由此可見,本次試驗(yàn)的結(jié)果可用于實(shí)際的豬只頭部判別。

    2.3 豬只個(gè)體分類器試驗(yàn)

    豬只個(gè)體分類器訓(xùn)練參數(shù)test_iter設(shè)為12,訓(xùn)練有4個(gè)類別,分別為A、B、C、D,其他的參數(shù)與豬只頭部識(shí)別試驗(yàn)相同。從監(jiān)控視頻中,采樣A、B、C、D 4頭豬的圖像用于訓(xùn)練學(xué)習(xí),為了減少由于截取范圍過大而造成的識(shí)別誤差,利用本文提出的豬只檢測算法A定位得到每頭豬只的外接矩形,在原圖中將該區(qū)域圖像截取出來作為訓(xùn)練樣本,用于訓(xùn)練的圖像共949幅,其中豬A 227幅,豬B 217幅,豬C 270幅,豬D 235幅;另外每頭豬分別利用100幅圖像進(jìn)行測試,構(gòu)建了一個(gè)大小為400幅圖像的測試樣本集。A、B、C、D 4頭豬的樣例圖像如圖11所示。

    圖11 豬只個(gè)體訓(xùn)練樣本示例圖Fig.11 Sample pictures of individual pig

    訓(xùn)練迭代次數(shù)為10 000次,此時(shí)訓(xùn)練結(jié)果已收斂,正確率為95%。在測試中發(fā)現(xiàn),得到的分類器對(duì)處于側(cè)臥狀態(tài)看不到背部標(biāo)記的豬只無法正確識(shí)

    別其身份,但由于豬只飲水時(shí)多為站立且背部朝上字母沒遮擋,所以該分類器可以用于飲水豬只的身份識(shí)別。

    由于豬背上所打標(biāo)記會(huì)隨著時(shí)間褪色,也會(huì)因?yàn)樨i只長大會(huì)出現(xiàn)變形,在試驗(yàn)期間,當(dāng)所打標(biāo)簽顯示模糊時(shí),則在原來的痕跡上重新上色。用原模型對(duì)32 d后采集的數(shù)據(jù)進(jìn)行測試,共測試146幅圖像,正確識(shí)別135幅,錯(cuò)誤11幅,識(shí)別正確率為92.47%,仍保持較高的識(shí)別正確率。

    2.4 豬只個(gè)體飲水行為識(shí)別試驗(yàn)

    為了驗(yàn)證本文提出的基于機(jī)器視覺的豬只飲水行為識(shí)別算法的可行性,本文構(gòu)建了一個(gè)豬只飲水視頻數(shù)據(jù)集。在32 d試驗(yàn)周期內(nèi),抽取30個(gè)長度不等的視頻序列,選取的視頻序列中包含僅高位飲水器有豬只飲水、僅低位飲水器有豬只飲水、高低位飲水器均有豬只飲水、無豬只飲水4種情況。

    由于豬只飲水為時(shí)間持續(xù)行為,有一定的時(shí)長規(guī)律,本文加入了額外的判斷條件,對(duì)于在飲水區(qū)域逗留時(shí)間小于2 s或者大于3 min的都認(rèn)為不屬于飲水行為,小于2 s的有可能是豬只從飲水器經(jīng)過,大于3 min的很有可能是豬躺臥在飲水器旁邊休息,低的飲水器往往會(huì)出現(xiàn)此種情形。

    在抽取的30個(gè)視頻中,人工觀看視頻并記錄飲水行為的發(fā)生次數(shù)及時(shí)長,與本文算法檢測結(jié)果做對(duì)照。試驗(yàn)結(jié)果如表2所示。

    表2 豬只飲水次數(shù)試驗(yàn)結(jié)果Tab.2 Result of experiment for pig’s drinking frequency

    據(jù)統(tǒng)計(jì),人工觀察視頻記錄得到的實(shí)際飲水次數(shù)為41次,而采用本文算法共檢測出38次飲水,通過人工驗(yàn)證,正確識(shí)別飲水的次數(shù)為35次,將非飲水行為識(shí)別為飲水行為的次數(shù)為3次,實(shí)際發(fā)生了飲水卻沒檢測到的次數(shù)為6次。出現(xiàn)誤判的情況主要是由于豬只有時(shí)會(huì)在飲水區(qū)域玩耍,頭部靠近了飲水器,但是卻沒有實(shí)際飲水;漏判的出現(xiàn)則主要因?yàn)楣饩€問題導(dǎo)致豬只輪廓獲取不完整,沒有識(shí)別出豬只到達(dá)飲水區(qū)域。

    定義豬只飲水識(shí)別正確率為本文算法正確識(shí)別出的豬只飲水次數(shù)與所有被算法認(rèn)為是飲水的視頻片段數(shù)目之比,飲水識(shí)別召回率為算法正確識(shí)別出的豬只飲水次數(shù)與視頻中實(shí)際出現(xiàn)的豬只飲水次數(shù)之比,由此計(jì)算得到豬只飲水識(shí)別正確率為92.11%,召回率為85.37%。從試驗(yàn)結(jié)果可以看到,本文提出的算法能識(shí)別大部分的豬只飲水行為。

    在正確識(shí)別的35次飲水中,利用本文提出的豬只身份分類器統(tǒng)計(jì)可得各頭豬只的飲水情況,其中豬A實(shí)際飲水9次,正確識(shí)別6次,豬B實(shí)際飲水9次,正確識(shí)別9次,豬C實(shí)際飲水13次,正確識(shí)別11次,豬D實(shí)際飲水4次,正確識(shí)別3次,正確識(shí)別飲水的豬只共29次,能較好地在飲水行為中確定豬只身份。

    3 結(jié)束語

    提出了基于圖像處理技術(shù)的豬只飲水行為識(shí)別算法,該算法可以應(yīng)用在背景相對(duì)固定的圈養(yǎng)豬欄中。本文算法采用圖像分割的方式實(shí)現(xiàn)了豬只檢測,該方法對(duì)背景相對(duì)固定的養(yǎng)豬場有很高的正確率,能有效幫助在自動(dòng)化豬只視頻監(jiān)控過程中對(duì)豬只進(jìn)行檢測,本文提出的算法A正確率達(dá)96.22%。通過計(jì)算圖像占領(lǐng)指數(shù)來確定豬只是否位于飲水區(qū)域,該方法可以用于識(shí)別豬只的其他與區(qū)域相關(guān)的行為,如飲水、排泄等。結(jié)合深度學(xué)習(xí)模型GoogLenet來確認(rèn)是否為豬只頭部接觸飲水器,該方法可以精準(zhǔn)識(shí)別豬身體的各個(gè)部位,為其他與豬身體部位相關(guān)的行為判斷提供輔助。在本文構(gòu)建的視頻數(shù)據(jù)集上測試得到文中提出的豬只飲水行為識(shí)別算法PDR的正確率為92.11%,并能識(shí)別出飲水的豬只個(gè)體身份,因此PDR方法能準(zhǔn)確識(shí)別豬只飲水行為,且整個(gè)算法實(shí)現(xiàn)過程只依賴于豬場監(jiān)控視頻,對(duì)豬舍改造投入少,對(duì)豬身無損傷,不影響豬只的正常生活秩序,更容易被養(yǎng)殖場所接受,可方便在我國傳統(tǒng)養(yǎng)豬場中進(jìn)行部署實(shí)施,從大量的監(jiān)控視頻數(shù)據(jù)中獲取有用信息輔助養(yǎng)豬管理決策。

    1 KRISTENSEN A R, DAN B J. The intelligent pig barn[C]∥International Conference on Pig Welfare: Improving Pig Welfare-What are the Ways Forward, 2015: 34-37.

    2 SCALERA A, BRIZZI P, TOMASI R, et al. The PigWise project: a novel approach in livestock farming through synergistic performances monitoring at individual level[C]∥Proceedings of the EFITA 2013 Conference, 2013: 1-8.

    3 沈明霞, 劉龍申,閆麗,等. 畜禽養(yǎng)殖個(gè)體信息監(jiān)測技術(shù)研究進(jìn)展[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014, 45(10):245-251. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20141038&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2014.10.038.

    SHEN Mingxia,LIU Longshen,YAN Li, et al.Review of monitoring technology for animal individual in animal husbandry[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2014,45(10):245-251.(in Chinese)

    4 MASELYNE J, SAEYS W, NUFFEL A V, et al. A health monitoring system for growing-finishing pigs based on the individual feeding pattern using radio frequency identification and synergistic control[C]∥Proceedings of the 6th European Conference on Precision Livestock Farming, 2013: 825-833.

    5 MASELYNE J, SAEYS W, KETELAERE B D, et al. Validation of a high frequency radio frequency identification (HF RFID) system for registering feeding patterns of growing-finishing pigs[J]. Computers and Electronics in Agriculture, 2014, 102(1): 10-18.

    6 MASELYNE J, NUFFEL A V, KETELAERE B D, et al. Range measurements of a high frequency radio frequency identification (HF RFID) system for registering feeding patterns of growing-finishing pigs[J]. Computers and Electronics in Agriculture, 2014, 108(10): 209-220.

    7 MASELYNE J, ADRIAENS I, HUYBRECHTS T, et al. Measuring the drinking behaviour of individual pigs housed in group using radio frequency identification (RFID)[J]. Animal, 2016, 10(9):1557-1566.

    8 陸明洲, 沈明霞, 丁永前, 等. 群養(yǎng)母豬飲水行為自動(dòng)監(jiān)測系統(tǒng)設(shè)計(jì)[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào), 2013, 36(5):133-138.

    LU Mingzhou, SHEN Mingxia, DING Yongqian, et al. Design of automatic system for drinking behavior monitoring in group housed sows[J]. Journal of Nanjing Agricultural University, 2013, 36(5):133-138. (in Chinese)

    9 KASHIHA M A, BAHR C, OTT S, et al. Automatic monitoring of pig locomotion using image analysis[J]. Livestock Science, 2014, 159(1):141-148.

    10 NASIRAHMADI A, HENSEL O, EDWARDS S A, et al. Automatic detection of mounting behaviours among pigs using image analysis[J]. Computers and Electronics in Agriculture, 2016, 124:295-302.

    11 VIAZZI S, ISMAYILOVA G, OCZAK M, et al. Image feature extraction for classification of aggressive interactions among pigs[J]. Computers and Electronics in Agriculture, 2014, 104(2):57-62.

    12 KASHIHA M, BAHR C, OTT S, et al. Automatic identification of marked pigs in a pen using image pattern recognition[J]. Computers and Electronics in Agriculture, 2013, 93(2): 111-120.

    13 KASHIHA M, BAHR C, HAREDASHT S A, et al. The automatic monitoring of pigs water use by cameras[J]. Computers and Electronics in Agriculture, 2013, 90(1): 164-169.

    14 馮愛晶, 肖德琴. 自然條件下豬只運(yùn)動(dòng)參量提取算法[J]. 計(jì)算機(jī)應(yīng)用, 2016, 36(10):2900-2906.

    FENG Aijing, XIAO Deqin. Motion parameter extraction algorithm for pigs under natural conditions[J]. Journal of Computer Applications, 2016, 36(10):2900-2906. (in Chinese)

    15 肖德琴, 馮愛晶, 楊秋妹,等. 基于視頻追蹤的豬只運(yùn)動(dòng)快速檢測方法[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2016, 47(10):351-357.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20161045&journal_id=jcsam. DOI:10.6041/j.issn.1000-1298.2016.10.045.

    XIAO Deqin, FENG Aijing, YANG Qiumei, et al. Fast motion detection for pigs based on video tracking[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(10):351-357. (in Chinese)

    16 GUO Y, ZHU W, JIAO P, et al. Multi-object extraction from topview group-housed pig images based on adaptive partitioning and multilevel thresholding segmentation[J]. Biosystems Engineering, 2015, 135(7): 54-60.

    17 卜文斌, 游福成, 李泉,等. 一種基于大津法改進(jìn)的圖像分割方法[J]. 北京印刷學(xué)院學(xué)報(bào), 2015,23(4):76-78.

    BU Wenbin, YOU Fucheng, LI Quan, et al. An improved image segmentation method based on Otsu[J]. Journal of Beijing Institute of Graphic Communication, 2015,23(4):76-78. (in Chinese)

    18 OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems Man & Cybernetics, 1979, 9(1):62-66.

    19 COSTA A, ISMAYILOVA G, BORGONOVO F, et al. The use of image analysis as a new approach to assess behaviour classification in a pig barn[J]. Acta Veterinaria Brno, 2013, 82(1):25-30.

    20 SZEGEDY C, LIU W, JIA Y, et al. Going deeper with convolutions[C]∥2015 IEEE Conference on Computer Vision and Pattern Recognition, 2015:1-9.

    猜你喜歡
    豬欄飲水器像素點(diǎn)
    豬欄舊事
    生長理想的豬欄
    牡丹(2019年15期)2019-07-01 06:30:57
    基于canvas的前端數(shù)據(jù)加密
    Water consumption and wastage of nursery pig with different drinkers at different water pressures in summer
    基于逐像素點(diǎn)深度卷積網(wǎng)絡(luò)分割模型的上皮和間質(zhì)組織分割
    不同飲水器保育豬用水總量及浪費(fèi)水量對(duì)比試驗(yàn)
    哺乳母豬單位時(shí)間內(nèi)飲水器出水量需要研究
    廣東飼料(2016年6期)2016-12-01 03:43:28
    舊時(shí)農(nóng)家養(yǎng)豬禁忌
    司機(jī)飲水器
    基于Node-Cell結(jié)構(gòu)的HEVC幀內(nèi)編碼
    亚洲欧美日韩高清在线视频 | 久久这里只有精品19| 男人舔女人的私密视频| 午夜免费鲁丝| 国产麻豆69| 男女免费视频国产| tube8黄色片| 成年版毛片免费区| 制服人妻中文乱码| 久久这里只有精品19| 日韩人妻精品一区2区三区| 亚洲性夜色夜夜综合| 性高湖久久久久久久久免费观看| 精品人妻熟女毛片av久久网站| 午夜福利一区二区在线看| 在线观看一区二区三区激情| 女人高潮潮喷娇喘18禁视频| 丰满饥渴人妻一区二区三| 亚洲自偷自拍图片 自拍| 丁香六月欧美| 久久99热这里只频精品6学生| 久久影院123| 成人三级做爰电影| 最黄视频免费看| 99精品久久久久人妻精品| 肉色欧美久久久久久久蜜桃| 性高湖久久久久久久久免费观看| av有码第一页| 午夜福利免费观看在线| 国产免费现黄频在线看| tube8黄色片| 无遮挡黄片免费观看| 99久久人妻综合| 午夜免费成人在线视频| 免费久久久久久久精品成人欧美视频| 777米奇影视久久| 久久免费观看电影| www.999成人在线观看| 免费少妇av软件| av线在线观看网站| 中文亚洲av片在线观看爽 | 亚洲精品乱久久久久久| 99久久精品国产亚洲精品| 亚洲精品乱久久久久久| 亚洲欧洲日产国产| 亚洲 欧美一区二区三区| 精品少妇内射三级| 亚洲av成人一区二区三| 一本综合久久免费| 免费日韩欧美在线观看| 国产免费视频播放在线视频| 最新美女视频免费是黄的| 桃花免费在线播放| 亚洲人成伊人成综合网2020| 大香蕉久久成人网| 嫁个100分男人电影在线观看| 亚洲国产欧美一区二区综合| 少妇裸体淫交视频免费看高清 | 激情在线观看视频在线高清 | 久久青草综合色| 国产激情久久老熟女| 国产精品久久电影中文字幕 | 蜜桃在线观看..| 国产亚洲av高清不卡| 久久人妻av系列| 两个人看的免费小视频| 亚洲精品自拍成人| 99re6热这里在线精品视频| 欧美激情 高清一区二区三区| 亚洲欧美日韩另类电影网站| 国精品久久久久久国模美| 精品国产乱子伦一区二区三区| 超色免费av| 成年人免费黄色播放视频| 欧美日本中文国产一区发布| 999精品在线视频| a级毛片黄视频| 色播在线永久视频| 亚洲国产av新网站| 亚洲人成电影免费在线| 免费女性裸体啪啪无遮挡网站| 欧美精品高潮呻吟av久久| 色婷婷久久久亚洲欧美| 怎么达到女性高潮| 18禁裸乳无遮挡动漫免费视频| 99国产综合亚洲精品| 无遮挡黄片免费观看| 大型黄色视频在线免费观看| 在线十欧美十亚洲十日本专区| av又黄又爽大尺度在线免费看| 狠狠狠狠99中文字幕| 亚洲成av片中文字幕在线观看| av天堂在线播放| 精品卡一卡二卡四卡免费| 99香蕉大伊视频| 99精国产麻豆久久婷婷| 一进一出好大好爽视频| 日韩中文字幕欧美一区二区| 黄色a级毛片大全视频| 国产麻豆69| 汤姆久久久久久久影院中文字幕| 精品乱码久久久久久99久播| 婷婷成人精品国产| 在线观看舔阴道视频| 久久国产精品人妻蜜桃| 老司机午夜福利在线观看视频 | 人人妻人人添人人爽欧美一区卜| 制服诱惑二区| 69av精品久久久久久 | 国产单亲对白刺激| 后天国语完整版免费观看| 午夜福利免费观看在线| 国产日韩欧美在线精品| 在线观看66精品国产| 色婷婷久久久亚洲欧美| 看免费av毛片| 久久精品亚洲av国产电影网| 极品人妻少妇av视频| 我的亚洲天堂| 国产日韩一区二区三区精品不卡| 精品熟女少妇八av免费久了| 国产男女超爽视频在线观看| 日韩视频在线欧美| 亚洲av成人不卡在线观看播放网| 天天躁日日躁夜夜躁夜夜| 老司机午夜福利在线观看视频 | 精品久久蜜臀av无| 亚洲精品自拍成人| 大陆偷拍与自拍| av有码第一页| 日韩视频在线欧美| 12—13女人毛片做爰片一| 亚洲欧美精品综合一区二区三区| 欧美久久黑人一区二区| 三级毛片av免费| 纵有疾风起免费观看全集完整版| 极品教师在线免费播放| 热99久久久久精品小说推荐| 亚洲国产欧美日韩在线播放| 老熟妇仑乱视频hdxx| 免费在线观看视频国产中文字幕亚洲| 午夜成年电影在线免费观看| 国产一区二区在线观看av| 麻豆国产av国片精品| 久久中文字幕一级| 亚洲av美国av| 国产一卡二卡三卡精品| 极品少妇高潮喷水抽搐| 亚洲成人免费电影在线观看| 在线观看免费视频日本深夜| 国产精品电影一区二区三区 | 国产欧美日韩综合在线一区二区| 国产区一区二久久| 国产片内射在线| 日日夜夜操网爽| 不卡av一区二区三区| 亚洲av国产av综合av卡| 一区二区三区精品91| 99久久国产精品久久久| 国产亚洲欧美精品永久| 丁香六月欧美| 丰满少妇做爰视频| 激情在线观看视频在线高清 | 久久国产精品影院| 十八禁高潮呻吟视频| avwww免费| 日韩视频在线欧美| 深夜精品福利| 啦啦啦 在线观看视频| 美女高潮喷水抽搐中文字幕| 高清视频免费观看一区二区| 久久av网站| 精品国产乱码久久久久久男人| 国产精品 国内视频| 老司机午夜福利在线观看视频 | 午夜两性在线视频| 黄网站色视频无遮挡免费观看| 黑人巨大精品欧美一区二区mp4| 黑人巨大精品欧美一区二区mp4| 精品少妇一区二区三区视频日本电影| 亚洲精品一卡2卡三卡4卡5卡| 国产精品99久久99久久久不卡| 国产精品98久久久久久宅男小说| 777久久人妻少妇嫩草av网站| 亚洲欧美精品综合一区二区三区| 亚洲欧美激情在线| 亚洲少妇的诱惑av| 久久亚洲精品不卡| 1024香蕉在线观看| 两个人免费观看高清视频| 1024香蕉在线观看| 日本精品一区二区三区蜜桃| 久久av网站| 国产亚洲精品久久久久5区| 久久免费观看电影| 国产色视频综合| 国产区一区二久久| 国产免费视频播放在线视频| 亚洲精品在线美女| 国产又色又爽无遮挡免费看| 精品久久久久久久毛片微露脸| 这个男人来自地球电影免费观看| 久久久久久亚洲精品国产蜜桃av| 淫妇啪啪啪对白视频| 欧美国产精品va在线观看不卡| 色在线成人网| 亚洲性夜色夜夜综合| 18禁黄网站禁片午夜丰满| www.熟女人妻精品国产| www日本在线高清视频| 黄网站色视频无遮挡免费观看| 欧美精品高潮呻吟av久久| 国产免费av片在线观看野外av| 99精品欧美一区二区三区四区| 大型av网站在线播放| 久久久精品国产亚洲av高清涩受| 多毛熟女@视频| 99九九在线精品视频| 亚洲熟女毛片儿| 99re在线观看精品视频| 久久精品人人爽人人爽视色| 大香蕉久久成人网| 国产精品免费大片| 久久精品国产综合久久久| 丝袜在线中文字幕| 久久毛片免费看一区二区三区| 免费观看人在逋| 69精品国产乱码久久久| 国产片内射在线| 在线 av 中文字幕| 国产成人系列免费观看| 日韩欧美国产一区二区入口| 国产精品久久久av美女十八| 亚洲精品在线观看二区| 亚洲专区中文字幕在线| 丁香欧美五月| videos熟女内射| 国产xxxxx性猛交| 美女午夜性视频免费| 国产xxxxx性猛交| 国产精品二区激情视频| 欧美黑人欧美精品刺激| www.999成人在线观看| 免费高清在线观看日韩| 亚洲精品国产精品久久久不卡| 亚洲精品粉嫩美女一区| 啦啦啦 在线观看视频| 亚洲精品美女久久av网站| 国产av精品麻豆| 日韩欧美免费精品| 亚洲七黄色美女视频| 国产精品偷伦视频观看了| 18在线观看网站| 别揉我奶头~嗯~啊~动态视频| 久久午夜亚洲精品久久| 国产欧美日韩一区二区精品| 成年女人毛片免费观看观看9 | 成年动漫av网址| 亚洲av美国av| 欧美日本中文国产一区发布| 亚洲中文av在线| 69av精品久久久久久 | 激情在线观看视频在线高清 | 丰满少妇做爰视频| 欧美国产精品va在线观看不卡| 久久久久网色| 午夜视频精品福利| 嫩草影视91久久| 日本欧美视频一区| 久久毛片免费看一区二区三区| a级片在线免费高清观看视频| 国产男女超爽视频在线观看| 日韩欧美免费精品| 中国美女看黄片| 国产av又大| 久9热在线精品视频| 亚洲精品国产一区二区精华液| 国产精品 欧美亚洲| 黑人欧美特级aaaaaa片| 免费在线观看日本一区| 99精品在免费线老司机午夜| 一级黄色大片毛片| 老汉色∧v一级毛片| 色在线成人网| 欧美黑人精品巨大| 日本精品一区二区三区蜜桃| 天堂中文最新版在线下载| 母亲3免费完整高清在线观看| 午夜老司机福利片| 桃花免费在线播放| 多毛熟女@视频| 国产av国产精品国产| 99久久99久久久精品蜜桃| 天堂俺去俺来也www色官网| 黄色 视频免费看| 女人高潮潮喷娇喘18禁视频| 国产不卡一卡二| kizo精华| 国产精品久久久久久人妻精品电影 | 女人久久www免费人成看片| 亚洲欧美一区二区三区黑人| 日韩大码丰满熟妇| 亚洲成a人片在线一区二区| 夜夜骑夜夜射夜夜干| av天堂在线播放| 免费高清在线观看日韩| 夜夜爽天天搞| 日韩一卡2卡3卡4卡2021年| 午夜激情久久久久久久| 午夜免费鲁丝| 美国免费a级毛片| 一级黄色大片毛片| 美女午夜性视频免费| 高清视频免费观看一区二区| 又大又爽又粗| 三级毛片av免费| 怎么达到女性高潮| 中文字幕精品免费在线观看视频| 欧美在线一区亚洲| 免费不卡黄色视频| 亚洲国产中文字幕在线视频| 亚洲中文日韩欧美视频| 手机成人av网站| 亚洲全国av大片| 国产在线观看jvid| 91精品三级在线观看| 中亚洲国语对白在线视频| 69精品国产乱码久久久| xxxhd国产人妻xxx| av不卡在线播放| 国产亚洲精品第一综合不卡| 18禁国产床啪视频网站| 老鸭窝网址在线观看| 美女主播在线视频| 色尼玛亚洲综合影院| 啦啦啦中文免费视频观看日本| 亚洲一区中文字幕在线| 12—13女人毛片做爰片一| 欧美黑人欧美精品刺激| 亚洲一卡2卡3卡4卡5卡精品中文| 精品国产乱子伦一区二区三区| 欧美亚洲日本最大视频资源| 成年人免费黄色播放视频| 亚洲国产av影院在线观看| 夜夜骑夜夜射夜夜干| 男女无遮挡免费网站观看| 久久精品成人免费网站| 亚洲精品久久午夜乱码| 欧美+亚洲+日韩+国产| 国产精品自产拍在线观看55亚洲 | 亚洲色图 男人天堂 中文字幕| 国产精品电影一区二区三区 | 少妇 在线观看| 久热这里只有精品99| 99国产精品一区二区蜜桃av | av又黄又爽大尺度在线免费看| 欧美日韩精品网址| 久久国产精品男人的天堂亚洲| 日韩视频一区二区在线观看| 免费在线观看黄色视频的| 亚洲国产欧美网| 午夜免费成人在线视频| 满18在线观看网站| av一本久久久久| 亚洲精品在线美女| 国产欧美日韩精品亚洲av| 黄色片一级片一级黄色片| 久久国产亚洲av麻豆专区| 亚洲国产欧美日韩在线播放| 99国产精品免费福利视频| 欧美日韩视频精品一区| 亚洲精品久久午夜乱码| 成人av一区二区三区在线看| 欧美老熟妇乱子伦牲交| 成年人黄色毛片网站| 免费在线观看日本一区| 黑人巨大精品欧美一区二区蜜桃| 51午夜福利影视在线观看| 久久性视频一级片| 久久99热这里只频精品6学生| 欧美+亚洲+日韩+国产| 亚洲一码二码三码区别大吗| av天堂久久9| 亚洲av成人不卡在线观看播放网| 亚洲av欧美aⅴ国产| 久久青草综合色| videos熟女内射| 香蕉丝袜av| 亚洲avbb在线观看| 午夜视频精品福利| 欧美在线一区亚洲| 精品国产乱子伦一区二区三区| 新久久久久国产一级毛片| 这个男人来自地球电影免费观看| 91精品国产国语对白视频| 国产精品香港三级国产av潘金莲| 母亲3免费完整高清在线观看| 人人澡人人妻人| 男女午夜视频在线观看| 亚洲精品自拍成人| 午夜91福利影院| 国产欧美日韩一区二区三| 国产极品粉嫩免费观看在线| 美女国产高潮福利片在线看| 韩国精品一区二区三区| 肉色欧美久久久久久久蜜桃| 制服人妻中文乱码| 999久久久精品免费观看国产| 国产一区二区激情短视频| 狂野欧美激情性xxxx| 国产亚洲av高清不卡| 人妻一区二区av| 亚洲色图 男人天堂 中文字幕| 真人做人爱边吃奶动态| 在线观看人妻少妇| 交换朋友夫妻互换小说| 久久热在线av| 在线观看www视频免费| 欧美日本中文国产一区发布| 亚洲人成伊人成综合网2020| 国产精品1区2区在线观看. | 午夜日韩欧美国产| 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 | 国产成人精品久久二区二区免费| 老汉色∧v一级毛片| 精品免费久久久久久久清纯 | 18禁裸乳无遮挡动漫免费视频| 亚洲成人免费电影在线观看| 99精国产麻豆久久婷婷| 久久热在线av| 女人高潮潮喷娇喘18禁视频| 99riav亚洲国产免费| 国产成+人综合+亚洲专区| 日本精品一区二区三区蜜桃| 老司机福利观看| 天堂俺去俺来也www色官网| 日韩熟女老妇一区二区性免费视频| 亚洲国产欧美在线一区| 悠悠久久av| 狠狠狠狠99中文字幕| 久久99热这里只频精品6学生| 国产精品影院久久| 亚洲国产欧美一区二区综合| 日日摸夜夜添夜夜添小说| 12—13女人毛片做爰片一| 日韩三级视频一区二区三区| 可以免费在线观看a视频的电影网站| 高清欧美精品videossex| 国产xxxxx性猛交| 满18在线观看网站| 免费av中文字幕在线| 日韩一区二区三区影片| 国产91精品成人一区二区三区 | 麻豆成人av在线观看| 国产在线视频一区二区| 女警被强在线播放| 欧美日韩国产mv在线观看视频| 亚洲久久久国产精品| 国产极品粉嫩免费观看在线| 午夜福利影视在线免费观看| 久久精品aⅴ一区二区三区四区| 一边摸一边抽搐一进一小说 | 两个人看的免费小视频| 男女无遮挡免费网站观看| 久久天躁狠狠躁夜夜2o2o| 国产精品一区二区免费欧美| 18禁观看日本| 肉色欧美久久久久久久蜜桃| 丰满人妻熟妇乱又伦精品不卡| 久久久精品区二区三区| 高清黄色对白视频在线免费看| 黑人猛操日本美女一级片| 午夜两性在线视频| 免费在线观看完整版高清| 69精品国产乱码久久久| 欧美国产精品va在线观看不卡| 考比视频在线观看| 夜夜夜夜夜久久久久| a级毛片黄视频| 宅男免费午夜| av福利片在线| 国产精品久久久久成人av| 欧美老熟妇乱子伦牲交| 欧美日韩福利视频一区二区| 成年版毛片免费区| 男女床上黄色一级片免费看| 国产麻豆69| 精品少妇一区二区三区视频日本电影| 国产欧美日韩精品亚洲av| 亚洲精品国产一区二区精华液| 午夜两性在线视频| 色94色欧美一区二区| 午夜激情久久久久久久| 在线观看www视频免费| 精品国产一区二区三区久久久樱花| 久久久久国产一级毛片高清牌| 91字幕亚洲| 国产成人精品久久二区二区91| 久久人人爽av亚洲精品天堂| 国产亚洲精品第一综合不卡| 色精品久久人妻99蜜桃| 高清欧美精品videossex| kizo精华| 色婷婷av一区二区三区视频| 精品少妇一区二区三区视频日本电影| 岛国毛片在线播放| 国产精品欧美亚洲77777| 每晚都被弄得嗷嗷叫到高潮| 天堂中文最新版在线下载| 国产成人av激情在线播放| 无遮挡黄片免费观看| 三级毛片av免费| 777久久人妻少妇嫩草av网站| 欧美激情极品国产一区二区三区| 婷婷丁香在线五月| 丝袜在线中文字幕| a在线观看视频网站| 搡老熟女国产l中国老女人| 国产不卡av网站在线观看| 久久这里只有精品19| 变态另类成人亚洲欧美熟女 | 深夜精品福利| 国产单亲对白刺激| 极品少妇高潮喷水抽搐| 最新的欧美精品一区二区| 女人爽到高潮嗷嗷叫在线视频| 人人妻人人爽人人添夜夜欢视频| 首页视频小说图片口味搜索| 亚洲专区中文字幕在线| 电影成人av| 天天躁日日躁夜夜躁夜夜| 久久久水蜜桃国产精品网| 一级片'在线观看视频| 精品一区二区三区视频在线观看免费 | 另类亚洲欧美激情| 大码成人一级视频| 午夜精品国产一区二区电影| 国产精品 国内视频| 天天躁日日躁夜夜躁夜夜| 欧美黑人欧美精品刺激| 久久久国产一区二区| 嫩草影视91久久| 黄片大片在线免费观看| 一级a爱视频在线免费观看| 精品国产一区二区三区久久久樱花| 精品卡一卡二卡四卡免费| 精品国产一区二区三区久久久樱花| 国产1区2区3区精品| 午夜福利视频在线观看免费| 精品久久蜜臀av无| 亚洲国产毛片av蜜桃av| 欧美黄色淫秽网站| 91字幕亚洲| 久久午夜亚洲精品久久| 黑人巨大精品欧美一区二区mp4| 男女免费视频国产| 久久精品国产综合久久久| 一二三四社区在线视频社区8| 免费av中文字幕在线| 亚洲国产毛片av蜜桃av| 极品人妻少妇av视频| 欧美日韩黄片免| 久久天躁狠狠躁夜夜2o2o| 国产精品99久久99久久久不卡| 丝袜美腿诱惑在线| 窝窝影院91人妻| 亚洲久久久国产精品| 黄色丝袜av网址大全| 亚洲国产看品久久| 电影成人av| 国产在视频线精品| videosex国产| 一区二区三区国产精品乱码| 欧美黑人欧美精品刺激| 高清在线国产一区| a级片在线免费高清观看视频| 国产成人欧美在线观看 | 国产亚洲av高清不卡| 大型av网站在线播放| 757午夜福利合集在线观看| 国产av精品麻豆| 中文字幕高清在线视频| 十八禁网站免费在线| 脱女人内裤的视频| 国产一区二区三区在线臀色熟女 | 黑丝袜美女国产一区| 精品卡一卡二卡四卡免费| 黑丝袜美女国产一区| 国产在视频线精品| 久久精品国产亚洲av高清一级| 757午夜福利合集在线观看| 亚洲欧美一区二区三区黑人| 亚洲一区中文字幕在线| 亚洲av欧美aⅴ国产| 一级黄色大片毛片| 日韩大码丰满熟妇| 超碰97精品在线观看| 亚洲人成电影观看| 国产亚洲av高清不卡| 91国产中文字幕| 在线亚洲精品国产二区图片欧美| 一区二区av电影网| 涩涩av久久男人的天堂| 人妻久久中文字幕网| 另类亚洲欧美激情| 天堂8中文在线网| 美女高潮到喷水免费观看| 在线观看舔阴道视频| 中文字幕人妻丝袜制服| 手机成人av网站| 中国美女看黄片| 久久婷婷成人综合色麻豆| 国产麻豆69| 国产一区有黄有色的免费视频|