• <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YOLOv3的火災(zāi)檢測與識別①

    2019-12-20 02:32:04任嘉鋒熊衛(wèi)華吳之昊
    計算機系統(tǒng)應(yīng)用 2019年12期
    關(guān)鍵詞:錨點聚類火災(zāi)

    任嘉鋒,熊衛(wèi)華,吳之昊,姜 明

    1(浙江理工大學(xué) 機械與自動控制學(xué)院,杭州 310018)

    2(杭州電子科技大學(xué) 計算機學(xué)院,杭州 310018)

    1 引言

    在各類災(zāi)害中,火災(zāi)是對公共安全和社會發(fā)展最常見和最普遍的威脅之一.隨著社會的不斷發(fā)展,在社會財富不斷增加的同時,火災(zāi)的危險性也在增加[1].

    傳統(tǒng)的火災(zāi)檢測算法通過溫度、煙霧傳感器采集相關(guān)數(shù)據(jù)進行火災(zāi)概率預(yù)測,但是檢測實時性得不到保證.而圖像識別由于其具有直觀,響應(yīng)速度快等特點,越來越多地被應(yīng)用于火災(zāi)監(jiān)控和報警.

    近年來,深度學(xué)習(xí)成為圖像識別的主要手段.現(xiàn)有的基于深度學(xué)習(xí)的火災(zāi)檢測,主要通過卷積神經(jīng)網(wǎng)絡(luò)對火災(zāi)圖片進行特征提取,然后使用分類器進行分類.文獻[2]提出了一種通過AlexNet實現(xiàn)早期火災(zāi)識別的方法,通過AlexNet進行圖像特征提取,并通過全連接層和Softmax進行分類,但AlexNet參數(shù)量較大,在樣本數(shù)據(jù)不足的情況下泛化性能較差.文獻[3]提出了一種基于MPCANet的火災(zāi)圖像識別模型,提高了火災(zāi)圖像識別的泛化能力,但本質(zhì)上還是通過特征提取跟分類器分類來解決靜態(tài)火災(zāi)圖像的分類問題.文獻[4]提出了一種雙流序列回歸深度網(wǎng)絡(luò)的視頻火災(zāi)檢測方法,通過融合靜態(tài)特征和動態(tài)特征提升了火災(zāi)識別精度,但其工作重點依舊是火災(zāi)圖像的識別分類,而未給出火災(zāi)目標(biāo)檢測的解決方案.

    基于深度學(xué)習(xí)的火災(zāi)檢測,在靜態(tài)火災(zāi)圖像識別領(lǐng)域表現(xiàn)出了強大的鑒別力,而在動態(tài)火災(zāi)目標(biāo)檢測方面的工作相對較少.現(xiàn)有火災(zāi)檢測方法將火災(zāi)檢測看成一個二分類問題,實現(xiàn)火災(zāi)和非火災(zāi)的分類.而本文根據(jù)不同的火災(zāi)特征,如火焰和煙霧,將火災(zāi)檢測形式化為多分類和坐標(biāo)回歸問題.

    本文構(gòu)建了一個多場景大規(guī)?;馂?zāi)目標(biāo)檢測數(shù)據(jù)庫,并對火焰和煙霧區(qū)域進行類別和位置信息的標(biāo)注.另外,本文提出了一種基于改進YOLOv3的火災(zāi)檢測與識別方法,針對YOLOv3小目標(biāo)檢測能力不足的問題進行了改進,并在本文構(gòu)建的火災(zāi)目標(biāo)檢測數(shù)據(jù)庫上進行離線訓(xùn)練,從而獲得相應(yīng)的火災(zāi)檢測模型.本文主要對火災(zāi)的火焰和煙霧特征進行識別和檢測,驗證了深度學(xué)習(xí)在火災(zāi)檢測上的可行性.

    2 算法理論

    2.1 YOLOv3

    目標(biāo)檢測是計算機視覺的實際應(yīng)用中一個重要的領(lǐng)域,目標(biāo)檢測算法不僅需要對目標(biāo)進行分類,還需要返回目標(biāo)的坐標(biāo)以實現(xiàn)定位[5-7].YOLOv3算法是目標(biāo)檢測領(lǐng)域的SOTA算法.與Faster R-CNN相比,YOLOv3可以實現(xiàn)端到端的訓(xùn)練,減少了模型訓(xùn)練的復(fù)雜度,并且圖像的處理速度大幅度提高[8].而與SSD[9]算法相比,YOLOv3擁有更高的檢測精度以及更快的處理速度.在Pascal Titan X的硬件條件下,YOLOv3每秒可以處理30幀COCO數(shù)據(jù)集的圖像,能滿足火災(zāi)檢測實時處理的需求[10].

    YOLOv3算法的整體結(jié)構(gòu)如圖1所示,可將其分為3個部分,包括主干網(wǎng)絡(luò)、多尺度特征提取器和輸出層.

    圖1 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)

    2.2 算法優(yōu)化

    2.2.1 改進的YOLOv3檢測模型

    雖然YOLOv3引入了特征金字塔(FPN)的思想,并配以不同大小的錨點來改善小目標(biāo)檢測效果,但在實際測試過程中發(fā)現(xiàn),YOLOv3對于部分小目標(biāo)的檢測效果并不好,存在誤檢與漏檢的情況.

    YOLOv3網(wǎng)絡(luò)分別利用8倍、16倍以及32倍降采樣輸出3種不同尺寸的特征圖,并且主要在8倍降采樣的輸出特征圖上進行小目標(biāo)檢測.這意味著YOLOv3在對小于8×8的特征圖進行檢測時會出現(xiàn)困難[11].雖然YOLOv3對16倍以及32倍降采樣的輸出特征圖進行上采樣,并與8倍降采樣特征圖進行融合以增強8倍降采樣特征圖,但這一操作并不能提供更多小目標(biāo)的特征信息.

    如圖2,本文對主干網(wǎng)絡(luò)中輸出8倍下采樣特征圖進行2倍上采樣,使尺寸與主干網(wǎng)絡(luò)的4倍下采樣特征圖匹配.然后,將經(jīng)2倍上采樣處理后的8倍降采樣特征圖與4倍降采樣特征圖進行Concat融合,在得到104×104大小的特征圖上進行分類和坐標(biāo)回歸.通過使用更大特征圖,可獲得更豐富的上下文信息,從而改善模型的小目標(biāo)檢測性能.同時,本文將最終得到的8倍和16倍下采樣特征圖分別Maxpool至與32倍下采樣特征圖同尺寸后進行Concat融合,實現(xiàn)特征復(fù)用,以增加32倍降采樣特征圖中的細(xì)節(jié)特征.

    圖2 改進后的YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)

    2.2.2K-means聚類

    YOLOv3引入了Faster R-CNN中所使用的錨點(anchor boxes)的思想.在YOLOv3輸出的3個尺度的特征圖中,每組特征圖都對應(yīng)了通過K-means聚類計算得到的3個不同尺度的錨點.YOLOv3的輸出層通過預(yù)測不同錨點對應(yīng)的偏移量來實現(xiàn)目標(biāo)邊界框的回歸.

    K-means聚類是最常用的無監(jiān)督學(xué)習(xí)算法之一,其中的K代表類簇個數(shù),means代表類簇內(nèi)數(shù)據(jù)對象的均值[12].K-means聚類算法是一種以距離作為數(shù)據(jù)對象間相似性度量的標(biāo)準(zhǔn),從而實現(xiàn)數(shù)據(jù)劃分的聚類算法.當(dāng)數(shù)據(jù)對象之間的距離越小,則代表數(shù)據(jù)之間的具有越高的相似度,越有可能被劃分在同一類簇中.

    數(shù)據(jù)間距離的計算方式有很多種,典型的K-means聚類通常采用歐氏距離來計算數(shù)據(jù)對象間的距離.算法的詳細(xì)流程如下:

    算法1.K-means聚類算法1.從數(shù)據(jù)中隨機選取K個樣本作為初始的K個質(zhì)心;2.計算剩余所有樣本與各個質(zhì)心之間的歐式距離,將各個樣本劃分至距離其最近的質(zhì)心所在的類簇;3.重新計算每一個類簇的質(zhì)心;4.如果所有的K個質(zhì)心都沒有發(fā)生變化則輸出簇劃分結(jié)果,否則返回至第2步.

    而從數(shù)據(jù)集的標(biāo)注框聚類出先驗的錨點,YOLOv3并不使用常用的歐式距離來獲得錨點,而是采用使用IOU來計算標(biāo)注框之間的距離,如式(1)所示:

    即IOU越大,代表標(biāo)注框之間的距離越小.

    通過K-means算法在本文構(gòu)建的火災(zāi)目標(biāo)檢測數(shù)據(jù)集中聚類得到9個錨點,其中尺度1對應(yīng)的錨點是(171,133),(143,228),(329,264),尺度2對應(yīng)的錨點是(42,80),(106,73),(75,126),尺度3對應(yīng)的錨點是(19,22),(30,42),(59,48).

    YOLOv3在K-means算法得到的錨點的基礎(chǔ)上進行偏移量的回歸,從而得到目標(biāo)的實際檢測框.針對YOLOv3小目標(biāo)檢測效果不佳的情況,本文對不同的大小的質(zhì)心計算距離時,分別增加了對應(yīng)的權(quán)重.從而在K-means迭代的過程中,約束其偏向于較小的錨點.通過使用更小的錨點來改善YOLOv3的小目標(biāo)檢測能力.具體如式(2)、式(3)所示.

    最終,本文通過改進后的K-means聚類算法在構(gòu)建的火災(zāi)目標(biāo)檢測數(shù)據(jù)庫上得到9個錨點.通過對比測試最終選定一組錨(5,6),(25,10),(20,34),(35,79),(52,43),(59,115),(115,90),(156,197),(372,326)并分別分配給3種尺度的特征圖.最終聚類得到的Boundingbox類簇分布如圖3所示.

    圖3 Bounding-box類簇分布

    2.3 遷移學(xué)習(xí)

    遷移學(xué)習(xí)(transfer learning)是一種機器學(xué)習(xí)方法,遷移學(xué)習(xí)可以把源域的知識遷移到目標(biāo)域,使得算法在目標(biāo)域能夠取得更好的學(xué)習(xí)效果[13].

    由于目前公開的火災(zāi)檢測數(shù)據(jù)集較少,而人工標(biāo)注則需要耗費大量的人力物力,因此通過使用遷移學(xué)習(xí)在有限的數(shù)據(jù)集上進一步提高模型的泛化能力十分必要.本文將YOLOv3在COCO數(shù)據(jù)集上的預(yù)訓(xùn)練權(quán)重作為源域,將構(gòu)建的火災(zāi)檢測數(shù)據(jù)庫作為目標(biāo)域.使用預(yù)訓(xùn)練權(quán)重可以使本文的改進YOLOv3模型學(xué)習(xí)到其他數(shù)據(jù)集中的“知識”,從而增強算法的泛化性能.其中,使用遷移學(xué)習(xí)的步驟如下:首先,將預(yù)訓(xùn)練權(quán)重載入改進YOLOv3模型,并凍結(jié)模型除了最后三層外的所有參數(shù),并以較低的學(xué)習(xí)率(lr<= 0.001)在本文的火災(zāi)目標(biāo)檢測數(shù)據(jù)庫上進行訓(xùn)練.較低的學(xué)習(xí)率可以最小化地調(diào)整先前學(xué)習(xí)的參數(shù),以防止遷移學(xué)習(xí)失效.在訓(xùn)練過程中逐漸開放改進的YOLOv3其他層的參數(shù),以便對整個網(wǎng)絡(luò)的參數(shù)實現(xiàn)微調(diào).

    3 實驗

    3.1 數(shù)據(jù)集制作

    圖4 訓(xùn)練樣本

    通過獲取網(wǎng)絡(luò)上的火災(zāi)圖像和截取公開的火災(zāi)視頻數(shù)據(jù)集實現(xiàn)訓(xùn)練樣本的采集,一共采集1萬多張圖片,最后挑選出其中的3835張圖片作為實際訓(xùn)練測試數(shù)據(jù)集,如圖4所示.利用公開的labelimg標(biāo)注系統(tǒng)對整個數(shù)據(jù)集中每張圖像的火焰和煙霧區(qū)域進行人工標(biāo)注,標(biāo)注系統(tǒng)界面如圖5所示,可以對火焰和煙霧區(qū)域進行類別選擇和定位.并將所有的樣本圖像集按照PASAL VOC2007

    樣本集的格式處理并存儲,然后利用隨機函數(shù)將數(shù)據(jù)集隨機的分成訓(xùn)練集和測試集,其中訓(xùn)練集和測試集的圖片數(shù)量比例為4:1.

    圖5 數(shù)據(jù)集標(biāo)注

    3.2 訓(xùn)練

    本文實驗過程均在以下的工作條件下完成訓(xùn)練與測試:IntelCore i5 8500 CPU,配備8 GB RAM與Win10操作系統(tǒng),NVIDIA GTX1070配備8 GB顯存,以及Keras深度學(xué)習(xí)框架.并配置YOLOv3的運行環(huán)境,然后將標(biāo)定完成后的樣本數(shù)據(jù)集使用YOLOv3進行訓(xùn)練.訓(xùn)練Loss曲線如圖6所示,可以看出,網(wǎng)絡(luò)迭代到Epoch30之后,損失值趨于平緩.

    圖6 訓(xùn)練Loss曲線

    3.3 評價指標(biāo)

    在本文的實驗中,均使用mAP(mean Average Precision)來評判模型識別的效果.mAP是目標(biāo)檢測中衡量檢測精度的常用指標(biāo),指的是多個類別的平均準(zhǔn)確率的平均值.AP指的是單個類別的平均準(zhǔn)確率,衡量的是模型在某一類別上識別效果的好壞.本文使用的AP默認(rèn)為AP50,即預(yù)測框與ground truth的IOU在大于50%前提下的單類別的平均準(zhǔn)確率.而mAP即為所有AP的平均值.mAP的值越大表示該模型的總體識別準(zhǔn)確率越高[14].

    3.4 測試結(jié)果

    本文提出的改進YOLOv3與YOLOv3的對比測試結(jié)果如表1所示.

    表1 對比測試結(jié)果(%)

    可以看出本文的改進YOLOv3在火焰和煙霧檢測的平均精度上均有所提升,尤其在火焰的檢測精度上有大幅提升.在各種場景的火災(zāi)圖像中,小尺寸的火焰目標(biāo)較多,而煙霧對象由于其自身的擴散特性,在圖像中一般占據(jù)較大的尺寸.本文選用了更大尺寸的特征圖進行小目標(biāo)檢測,并使用偏好小尺寸的anchor聚類生成策略來改善模型的小目標(biāo)檢測性能,因此在火焰目標(biāo)的檢測性能上有較好的提升,而對于本身尺寸較大的煙霧對象則提升有限,總體上有效提高了模型的火災(zāi)檢測精度.

    最終訓(xùn)練得到的火災(zāi)檢測模型在測試樣本上的檢測結(jié)果如圖7所示,可以看出檢測模型在圖像中存在小目標(biāo)的情況下也能實現(xiàn)準(zhǔn)確檢測與識別,整體檢測效果較為理想.

    圖7 測試結(jié)果

    4 結(jié)論與展望

    針對目前火災(zāi)頻發(fā),火災(zāi)檢測實時性難以保證的情況,本文提出了一種基于改進YOLOv3的火災(zāi)檢測與識別方法.實驗結(jié)果表明,本文使用的方法在火災(zāi)檢測和識別上能夠取得較好的檢測效果,尤其在小目標(biāo)檢測上有顯著提升.但是,由于火焰和煙霧本身具有形狀不固定的特點,通過固定錨點實現(xiàn)坐標(biāo)回歸的方法難以獲得較高精度的目標(biāo)檢測框.因此,在以后的研究中,將重點解決火災(zāi)目標(biāo)檢測中錨點方法的改進,以獲得更高的檢測精度.

    猜你喜歡
    錨點聚類火災(zāi)
    基于NR覆蓋的NSA錨點優(yōu)選策略研究
    5G手機無法在室分NSA站點駐留案例分析
    5G NSA錨點的選擇策略
    5G NSA組網(wǎng)下錨點站的選擇策略優(yōu)化
    移動通信(2020年5期)2020-06-08 15:39:51
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    遇火災(zāi)怎么辦?
    掌握火災(zāi)逃生知識
    基于改進的遺傳算法的模糊聚類算法
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    自適應(yīng)確定K-means算法的聚類數(shù):以遙感圖像聚類為例
    婷婷丁香在线五月| 亚洲一区二区三区色噜噜| 伦理电影免费视频| 香蕉国产在线看| 欧洲精品卡2卡3卡4卡5卡区| 一区二区三区精品91| 嫩草影院精品99| 丰满的人妻完整版| 中文亚洲av片在线观看爽| 国产激情久久老熟女| 真人一进一出gif抽搐免费| 两个人视频免费观看高清| 亚洲性夜色夜夜综合| 人人妻,人人澡人人爽秒播| 国内精品久久久久久久电影| 日韩av在线大香蕉| 视频在线观看一区二区三区| 久久久久久国产a免费观看| 国产一区二区激情短视频| 国产一区二区在线av高清观看| 午夜激情av网站| 成人av一区二区三区在线看| 亚洲精品美女久久av网站| 这个男人来自地球电影免费观看| 一进一出抽搐动态| 丁香六月欧美| 91字幕亚洲| 99精品欧美一区二区三区四区| 中文字幕另类日韩欧美亚洲嫩草| 99精品久久久久人妻精品| 最新美女视频免费是黄的| 欧美日韩瑟瑟在线播放| 亚洲 欧美 日韩 在线 免费| 女同久久另类99精品国产91| 久久香蕉精品热| 亚洲中文字幕日韩| 少妇粗大呻吟视频| 99国产极品粉嫩在线观看| 欧美丝袜亚洲另类 | 性少妇av在线| 别揉我奶头~嗯~啊~动态视频| 亚洲人成电影观看| 欧美人与性动交α欧美精品济南到| 人成视频在线观看免费观看| 男女下面插进去视频免费观看| 国产欧美日韩精品亚洲av| 国产三级黄色录像| 在线天堂中文资源库| 亚洲性夜色夜夜综合| 久久国产精品男人的天堂亚洲| 99久久久亚洲精品蜜臀av| 一级a爱片免费观看的视频| 日韩欧美三级三区| 两个人免费观看高清视频| 午夜福利一区二区在线看| 亚洲精品久久成人aⅴ小说| 国产精品香港三级国产av潘金莲| 久久欧美精品欧美久久欧美| 亚洲国产看品久久| 免费无遮挡裸体视频| 999精品在线视频| 亚洲熟妇中文字幕五十中出| 亚洲人成电影免费在线| 成熟少妇高潮喷水视频| 老司机在亚洲福利影院| 日韩欧美三级三区| 后天国语完整版免费观看| 精品第一国产精品| 精品国产超薄肉色丝袜足j| 国产精品,欧美在线| 国产精品久久视频播放| 正在播放国产对白刺激| 亚洲欧美日韩另类电影网站| 老汉色av国产亚洲站长工具| 99精品久久久久人妻精品| 丁香六月欧美| 亚洲欧美日韩无卡精品| 亚洲av熟女| 成人三级做爰电影| 97人妻天天添夜夜摸| 婷婷六月久久综合丁香| 69av精品久久久久久| 国产亚洲欧美精品永久| 国产精品免费视频内射| 色综合亚洲欧美另类图片| 亚洲精华国产精华精| 亚洲国产精品久久男人天堂| 国产视频一区二区在线看| 88av欧美| 99精品久久久久人妻精品| 看片在线看免费视频| 精品电影一区二区在线| 久久中文字幕一级| 精品久久久久久成人av| 亚洲人成网站在线播放欧美日韩| 国产又爽黄色视频| 免费搜索国产男女视频| 多毛熟女@视频| 亚洲自偷自拍图片 自拍| 欧美 亚洲 国产 日韩一| 国产精品亚洲一级av第二区| 老汉色∧v一级毛片| 男人舔女人的私密视频| 女人高潮潮喷娇喘18禁视频| 黄片小视频在线播放| 国产成人影院久久av| 久久午夜综合久久蜜桃| 亚洲一区二区三区色噜噜| 久久香蕉国产精品| 欧美丝袜亚洲另类 | 久久香蕉国产精品| 夜夜夜夜夜久久久久| 午夜福利影视在线免费观看| 男女下面进入的视频免费午夜 | 最近最新中文字幕大全免费视频| 欧美丝袜亚洲另类 | 国产精品久久视频播放| 精品第一国产精品| 国产精品一区二区精品视频观看| 曰老女人黄片| 黑人巨大精品欧美一区二区蜜桃| 国产av在哪里看| 无遮挡黄片免费观看| 欧美午夜高清在线| 欧美激情高清一区二区三区| 香蕉国产在线看| 免费不卡黄色视频| bbb黄色大片| 国产在线精品亚洲第一网站| 亚洲色图av天堂| 国产又爽黄色视频| 日韩欧美免费精品| www国产在线视频色| 一级毛片精品| 777久久人妻少妇嫩草av网站| 悠悠久久av| 国产xxxxx性猛交| 嫩草影院精品99| 欧美日韩一级在线毛片| 级片在线观看| 欧美日本视频| 久久香蕉精品热| 欧美日本亚洲视频在线播放| 亚洲成人国产一区在线观看| 丝袜美腿诱惑在线| 精品一区二区三区四区五区乱码| 国产亚洲精品av在线| 一级片免费观看大全| 欧美另类亚洲清纯唯美| 12—13女人毛片做爰片一| 国产av精品麻豆| 国产区一区二久久| 中文字幕av电影在线播放| 亚洲精品一卡2卡三卡4卡5卡| 老司机深夜福利视频在线观看| 97人妻天天添夜夜摸| 99国产极品粉嫩在线观看| 他把我摸到了高潮在线观看| 久久中文字幕人妻熟女| 香蕉国产在线看| 色尼玛亚洲综合影院| 欧美激情久久久久久爽电影 | 美女 人体艺术 gogo| 搞女人的毛片| 亚洲男人天堂网一区| 18禁黄网站禁片午夜丰满| 一本大道久久a久久精品| 在线观看免费视频网站a站| 嫁个100分男人电影在线观看| 免费在线观看日本一区| 一级a爱片免费观看的视频| 国产成人影院久久av| 日韩欧美国产在线观看| ponron亚洲| av在线天堂中文字幕| 精品久久久久久成人av| www.自偷自拍.com| 亚洲精华国产精华精| 欧美最黄视频在线播放免费| 99re在线观看精品视频| 久久久国产成人免费| 久久精品亚洲精品国产色婷小说| 日韩 欧美 亚洲 中文字幕| 这个男人来自地球电影免费观看| 99国产精品99久久久久| 亚洲视频免费观看视频| bbb黄色大片| 欧美激情久久久久久爽电影 | 淫妇啪啪啪对白视频| 国产三级在线视频| www.www免费av| 国产亚洲精品综合一区在线观看 | 999久久久国产精品视频| 久久人妻福利社区极品人妻图片| 国产精品 欧美亚洲| 亚洲成人久久性| 中文字幕另类日韩欧美亚洲嫩草| 精品日产1卡2卡| 久久精品91蜜桃| 欧美日韩亚洲综合一区二区三区_| 亚洲成国产人片在线观看| 久久国产精品影院| 成人免费观看视频高清| 成人18禁高潮啪啪吃奶动态图| 精品国产亚洲在线| 国产精品精品国产色婷婷| www.熟女人妻精品国产| 天天躁狠狠躁夜夜躁狠狠躁| 99riav亚洲国产免费| 黑人操中国人逼视频| 久久天堂一区二区三区四区| 在线av久久热| 亚洲欧美激情在线| 亚洲一码二码三码区别大吗| 色综合婷婷激情| 久久亚洲精品不卡| 在线av久久热| 少妇粗大呻吟视频| 欧美在线一区亚洲| 91精品国产国语对白视频| 午夜福利欧美成人| x7x7x7水蜜桃| 久久婷婷成人综合色麻豆| 大陆偷拍与自拍| 国产高清videossex| 男人舔女人的私密视频| 国产亚洲av嫩草精品影院| 国产亚洲精品一区二区www| 在线永久观看黄色视频| av片东京热男人的天堂| 老汉色∧v一级毛片| 亚洲av熟女| 日日摸夜夜添夜夜添小说| 国产不卡一卡二| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲专区字幕在线| 在线天堂中文资源库| 国产激情久久老熟女| 欧美+亚洲+日韩+国产| 久久精品成人免费网站| 99国产精品一区二区三区| 亚洲熟妇熟女久久| 欧美中文综合在线视频| 亚洲少妇的诱惑av| 别揉我奶头~嗯~啊~动态视频| 久久精品亚洲精品国产色婷小说| 国产欧美日韩精品亚洲av| 亚洲男人的天堂狠狠| 国产精品影院久久| 好男人在线观看高清免费视频 | 亚洲少妇的诱惑av| 别揉我奶头~嗯~啊~动态视频| 熟妇人妻久久中文字幕3abv| 欧美日韩中文字幕国产精品一区二区三区 | 女警被强在线播放| 国产视频一区二区在线看| 久久中文字幕人妻熟女| 看黄色毛片网站| 亚洲视频免费观看视频| 法律面前人人平等表现在哪些方面| 亚洲精品在线美女| 亚洲国产欧美一区二区综合| 欧美激情久久久久久爽电影 | 欧美绝顶高潮抽搐喷水| 90打野战视频偷拍视频| 成人欧美大片| 亚洲av成人av| av天堂久久9| 亚洲国产毛片av蜜桃av| 精品无人区乱码1区二区| 一边摸一边做爽爽视频免费| 色播亚洲综合网| 搡老熟女国产l中国老女人| 天堂√8在线中文| 国产av一区在线观看免费| 男女午夜视频在线观看| 69精品国产乱码久久久| 黄网站色视频无遮挡免费观看| 99国产综合亚洲精品| 精品久久久久久久久久免费视频| 欧美黑人精品巨大| 久久久国产成人精品二区| 免费在线观看影片大全网站| 黄片大片在线免费观看| 一级a爱视频在线免费观看| av在线天堂中文字幕| 窝窝影院91人妻| 久久中文看片网| 精品午夜福利视频在线观看一区| www.自偷自拍.com| 可以在线观看的亚洲视频| 成人特级黄色片久久久久久久| 国产三级黄色录像| 成人欧美大片| 欧美激情极品国产一区二区三区| 久久热在线av| 国产又色又爽无遮挡免费看| 欧美一级毛片孕妇| 久久国产乱子伦精品免费另类| 麻豆av在线久日| 国产免费男女视频| 欧美激情高清一区二区三区| 午夜福利影视在线免费观看| av在线天堂中文字幕| 国产精品野战在线观看| 美女高潮到喷水免费观看| 人人澡人人妻人| 欧美黑人精品巨大| 多毛熟女@视频| 免费少妇av软件| 精品一区二区三区四区五区乱码| 夜夜看夜夜爽夜夜摸| 久久久久久久久久久久大奶| 757午夜福利合集在线观看| 露出奶头的视频| 我的亚洲天堂| 久久精品影院6| 亚洲天堂国产精品一区在线| 国产免费av片在线观看野外av| 欧美丝袜亚洲另类 | 女人被狂操c到高潮| ponron亚洲| 亚洲成av人片免费观看| 亚洲三区欧美一区| 国产亚洲av嫩草精品影院| 又紧又爽又黄一区二区| 亚洲七黄色美女视频| 国产熟女xx| 国产精品九九99| 日韩大尺度精品在线看网址 | 国产一区二区三区视频了| 久久久久久久精品吃奶| 成年版毛片免费区| 日韩av在线大香蕉| 欧美精品啪啪一区二区三区| 51午夜福利影视在线观看| 国产亚洲精品综合一区在线观看 | 两个人免费观看高清视频| 大码成人一级视频| 乱人伦中国视频| 国产熟女午夜一区二区三区| 黄色 视频免费看| 一本久久中文字幕| 中文亚洲av片在线观看爽| 亚洲精品久久国产高清桃花| 亚洲欧美日韩另类电影网站| 一区二区三区精品91| 一边摸一边做爽爽视频免费| 青草久久国产| 欧美日韩黄片免| 亚洲精品久久国产高清桃花| 亚洲国产高清在线一区二区三 | 午夜福利视频1000在线观看 | 两性夫妻黄色片| 少妇 在线观看| 最近最新免费中文字幕在线| 久久香蕉精品热| 一个人观看的视频www高清免费观看 | 国产一区二区三区视频了| 又大又爽又粗| 亚洲成人免费电影在线观看| 午夜福利在线观看吧| 久热爱精品视频在线9| 18美女黄网站色大片免费观看| 熟妇人妻久久中文字幕3abv| 大型av网站在线播放| 日韩精品中文字幕看吧| 久久天躁狠狠躁夜夜2o2o| 激情在线观看视频在线高清| 亚洲国产精品成人综合色| 欧美性长视频在线观看| 老鸭窝网址在线观看| 曰老女人黄片| 久久精品成人免费网站| 妹子高潮喷水视频| 91国产中文字幕| 亚洲熟女毛片儿| 一边摸一边抽搐一进一小说| 亚洲欧美激情在线| 久久香蕉激情| 亚洲精品在线观看二区| 99久久精品国产亚洲精品| 日韩欧美国产一区二区入口| 一进一出抽搐动态| 国产野战对白在线观看| 午夜福利成人在线免费观看| 国产欧美日韩一区二区三| 成人18禁高潮啪啪吃奶动态图| 亚洲片人在线观看| 久久久久精品国产欧美久久久| 久久人人精品亚洲av| 国产单亲对白刺激| 美女免费视频网站| 免费久久久久久久精品成人欧美视频| 国产男靠女视频免费网站| 日本vs欧美在线观看视频| www.自偷自拍.com| 两人在一起打扑克的视频| www.自偷自拍.com| 狂野欧美激情性xxxx| 一a级毛片在线观看| 成人18禁在线播放| 成年女人毛片免费观看观看9| 露出奶头的视频| 成人欧美大片| 久久中文字幕一级| 超碰成人久久| 一级片免费观看大全| 麻豆成人av在线观看| 丝袜人妻中文字幕| 久久久久久人人人人人| 久久久久久亚洲精品国产蜜桃av| 好男人电影高清在线观看| 国产麻豆成人av免费视频| 日韩精品青青久久久久久| 国产麻豆69| 波多野结衣高清无吗| 国内精品久久久久久久电影| 国产真人三级小视频在线观看| 黄色片一级片一级黄色片| 人人妻人人澡欧美一区二区 | 悠悠久久av| 波多野结衣一区麻豆| 999久久久国产精品视频| 人人妻人人澡人人看| 999久久久国产精品视频| 操美女的视频在线观看| 在线观看免费视频网站a站| 日韩欧美国产在线观看| 国产精品九九99| 色综合婷婷激情| 国产伦人伦偷精品视频| 午夜激情av网站| 在线观看午夜福利视频| 午夜福利高清视频| 久久精品国产99精品国产亚洲性色 | 99热只有精品国产| 一区二区三区国产精品乱码| 亚洲七黄色美女视频| 变态另类成人亚洲欧美熟女 | 老汉色∧v一级毛片| 美女 人体艺术 gogo| 国产成人系列免费观看| 日本在线视频免费播放| 亚洲熟妇熟女久久| 熟妇人妻久久中文字幕3abv| 视频在线观看一区二区三区| 欧美日韩黄片免| 国产精品秋霞免费鲁丝片| 国产成人系列免费观看| 久久午夜综合久久蜜桃| 视频区欧美日本亚洲| 好看av亚洲va欧美ⅴa在| cao死你这个sao货| 不卡一级毛片| x7x7x7水蜜桃| 日韩欧美一区视频在线观看| 天堂动漫精品| e午夜精品久久久久久久| 久久久久久免费高清国产稀缺| 女性生殖器流出的白浆| 久久午夜综合久久蜜桃| 国产av一区二区精品久久| 欧美一级毛片孕妇| 午夜福利18| 桃色一区二区三区在线观看| 男人舔女人的私密视频| 一区在线观看完整版| 黑人巨大精品欧美一区二区mp4| 午夜亚洲福利在线播放| 丝袜美足系列| 十八禁网站免费在线| 天堂影院成人在线观看| 男女下面进入的视频免费午夜 | 电影成人av| 亚洲国产精品合色在线| 亚洲欧美一区二区三区黑人| 熟妇人妻久久中文字幕3abv| 国内毛片毛片毛片毛片毛片| 91精品国产国语对白视频| 国产精品二区激情视频| 日本在线视频免费播放| 长腿黑丝高跟| 久久精品亚洲熟妇少妇任你| 久久性视频一级片| 91成人精品电影| 亚洲男人的天堂狠狠| 99国产精品免费福利视频| 99久久99久久久精品蜜桃| 久久久久久大精品| 真人做人爱边吃奶动态| 精品国产乱码久久久久久男人| www日本在线高清视频| 免费观看人在逋| 熟妇人妻久久中文字幕3abv| 18美女黄网站色大片免费观看| 午夜两性在线视频| 日韩一卡2卡3卡4卡2021年| 亚洲精品久久成人aⅴ小说| 国内精品久久久久精免费| 美女高潮到喷水免费观看| 看片在线看免费视频| 亚洲熟妇熟女久久| 国产在线精品亚洲第一网站| 国产精品,欧美在线| 欧美久久黑人一区二区| 午夜a级毛片| 99久久综合精品五月天人人| 欧美日本亚洲视频在线播放| 十分钟在线观看高清视频www| 侵犯人妻中文字幕一二三四区| 亚洲性夜色夜夜综合| 精品久久久精品久久久| 久久中文字幕一级| 老司机深夜福利视频在线观看| 一个人免费在线观看的高清视频| 国内精品久久久久精免费| 久久精品影院6| 国产成人免费无遮挡视频| 久久久久久久午夜电影| 中文字幕av电影在线播放| av有码第一页| 热re99久久国产66热| 成在线人永久免费视频| 国产亚洲精品一区二区www| 少妇裸体淫交视频免费看高清 | 99精品欧美一区二区三区四区| 伦理电影免费视频| 国产精品免费一区二区三区在线| 99久久综合精品五月天人人| 久久狼人影院| 精品久久久久久成人av| 久久久国产欧美日韩av| 亚洲av成人av| 亚洲精华国产精华精| 丝袜在线中文字幕| 国产精品秋霞免费鲁丝片| 久久久久亚洲av毛片大全| 国产成人一区二区三区免费视频网站| 女性被躁到高潮视频| 国产精品自产拍在线观看55亚洲| 看黄色毛片网站| 免费观看人在逋| 亚洲色图av天堂| 日韩大码丰满熟妇| 欧美成人午夜精品| 亚洲国产精品成人综合色| 国产精品国产高清国产av| 免费搜索国产男女视频| 欧美精品亚洲一区二区| 人成视频在线观看免费观看| 女性被躁到高潮视频| 久久久久久久精品吃奶| 亚洲自偷自拍图片 自拍| 日日干狠狠操夜夜爽| 成年版毛片免费区| 久久精品成人免费网站| 亚洲精品在线美女| 69精品国产乱码久久久| 日韩精品青青久久久久久| 夜夜夜夜夜久久久久| 男女午夜视频在线观看| 欧美中文日本在线观看视频| 亚洲片人在线观看| 国产人伦9x9x在线观看| 深夜精品福利| 欧美最黄视频在线播放免费| 精品久久久久久久毛片微露脸| 久久青草综合色| 91成年电影在线观看| 又黄又粗又硬又大视频| 夜夜爽天天搞| 在线观看www视频免费| 欧美日韩一级在线毛片| 国产野战对白在线观看| 亚洲精品国产一区二区精华液| 无遮挡黄片免费观看| 久久人妻av系列| 51午夜福利影视在线观看| 欧美一区二区精品小视频在线| 中文字幕色久视频| 久久香蕉国产精品| 在线观看免费视频日本深夜| 亚洲成国产人片在线观看| 国产欧美日韩精品亚洲av| 欧美精品亚洲一区二区| e午夜精品久久久久久久| 99国产精品免费福利视频| 欧美不卡视频在线免费观看 | 久久精品人人爽人人爽视色| 变态另类丝袜制服| 日韩精品中文字幕看吧| x7x7x7水蜜桃| 中文字幕人妻丝袜一区二区| 老熟妇乱子伦视频在线观看| 日本撒尿小便嘘嘘汇集6| 日韩欧美三级三区| 一边摸一边抽搐一进一出视频| 91国产中文字幕| 中文字幕人成人乱码亚洲影| 亚洲av片天天在线观看| 午夜免费激情av| 久久狼人影院| 亚洲国产日韩欧美精品在线观看 | 中文字幕最新亚洲高清| 久久人妻熟女aⅴ| 天天躁夜夜躁狠狠躁躁| 丰满人妻熟妇乱又伦精品不卡| 国产黄a三级三级三级人| 亚洲五月色婷婷综合| 成年女人毛片免费观看观看9| 亚洲视频免费观看视频| 超碰成人久久| 国产麻豆69| www.999成人在线观看|