• <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Cascade R?CNN的鐵路路基翻漿冒泥病害智能識別方法

    2020-01-02 05:53:10徐昕軍黃啟迪
    鐵道建筑 2019年12期
    關(guān)鍵詞:候選框級聯(lián)閾值

    徐昕軍,江 波,黃啟迪

    (中國鐵道科學(xué)研究院集團(tuán)有限公司基礎(chǔ)設(shè)施檢測研究所,北京 100081)

    翻漿冒泥病害是鐵路路基常見病害,如果不能及時發(fā)現(xiàn)并處理,會嚴(yán)重影響行車安全。目前,對鐵路路基病害檢測主要采用車載地質(zhì)雷達(dá)法,檢測數(shù)據(jù)量巨大。對路基病害的識別仍然以人工解譯為主,對解譯人員相關(guān)專業(yè)知識要求較高,數(shù)據(jù)分析的速度極低且無法避免人為誤差。因此,如何提高鐵路路基檢測數(shù)據(jù)的病害識別效率以及時指導(dǎo)鐵路路基的養(yǎng)護(hù)維修,是亟需解決的難題。

    由于鐵路路基地質(zhì)雷達(dá)檢測數(shù)據(jù)的解譯主要采用經(jīng)過處理的地質(zhì)雷達(dá)剖面圖,因此,鐵路路基病害識別可以看作計算機(jī)視覺研究中的目標(biāo)檢測任務(wù)。目標(biāo)檢測包括2個子任務(wù):①目標(biāo)類別檢測任務(wù),需要區(qū)分目標(biāo)和背景,并確定目標(biāo)所屬類別;②目標(biāo)定位任務(wù),需要用檢測框框定出目標(biāo)的所屬范圍。本文以目標(biāo)檢測方法中的Cascade R-CNN 模型為基礎(chǔ),提出一種針對鐵路路基翻漿冒泥病害的智能識別方法,該方法以PyTorch[1]作為深度學(xué)習(xí)框架,通過在自制病害數(shù)據(jù)集上進(jìn)行試驗(yàn)來驗(yàn)證本文方法的有效性。

    1 國內(nèi)外研究現(xiàn)狀

    1.1 鐵路路基病害識別方法

    針對鐵路路基病害識別的相關(guān)研究主要集中在病害特征的設(shè)計與提取,以及支持向量機(jī)、淺層神經(jīng)網(wǎng)絡(luò)等傳統(tǒng)機(jī)器學(xué)習(xí)方法在訓(xùn)練病害分類器上的應(yīng)用。趙勐[2]設(shè)計了基于二維小波分析的探地雷達(dá)圖像特征提取算法,并基于神經(jīng)網(wǎng)絡(luò)設(shè)計了路基病害自動識別算法,但識別算法中各參數(shù)需要人為設(shè)定,識別參數(shù)的選取直接決定了識別效果的好壞。廖立堅等[3]通過分析雷達(dá)圖像的層面圖,提取了翻漿冒泥的特征值,并采用神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)了對翻漿冒泥病害的識別。鄒華勝[4]提出了以瞬時頻率和瞬時振幅為特征值,采用支持向量機(jī)技術(shù)對路基病害進(jìn)行識別,但識別范圍局限于訓(xùn)練樣本的范圍,超出范圍則識別效果變差。侯哲哲[5]采用稀疏表示的方法對路基病害進(jìn)行特征表示,并利用超球面支持向量機(jī)對病害進(jìn)行識別。

    1.2 目標(biāo)檢測的發(fā)展現(xiàn)狀

    由于深度學(xué)習(xí)方法避免了傳統(tǒng)方法手工設(shè)計特征的弊端,在目標(biāo)檢測、語義分割等多個領(lǐng)域取得成功,其中目標(biāo)檢測發(fā)展迅速。目標(biāo)檢測框架主要包括2 類:①單階段檢測器,代表性架構(gòu)是SSD(Single Shot Multibox Detector)[6],YOLO(You Only Look Once)[7],F(xiàn)ocal Loss[8];②兩階段檢測器,代表性架構(gòu)是 Faster R-CNN[9],R-FCN(Region-Based Fully Convolutional Networks)[10],Mask R-CNN[11]和Libra R-CNN[12]。

    近些年來,多階段檢測框架逐漸成為目標(biāo)檢測領(lǐng)域的一種風(fēng)向標(biāo)。Gidaris 等[13]提出了將檢測框評分和定位精修交替進(jìn)行的迭代定位機(jī)制。Gidaris 等[14]介紹了一種ARN(Attend Refine Network)網(wǎng)絡(luò)結(jié)構(gòu),通過一個多階段程序生成精確的候選框,并將其輸入FastR-CNN 進(jìn)行前向傳播。Yang 等[15]將一個級聯(lián)結(jié)構(gòu)合并到RPN 和Fast R-CNN,以提高候選區(qū)域和檢測結(jié)果的質(zhì)量。Jiang 等[16]提出了優(yōu)化的定位置信度方法,提高了檢測框精修定位精度。級聯(lián)結(jié)構(gòu)大量被用于排除簡單負(fù)樣本。例如,Ouyang 等[17]在淺層排除掉簡單的候選區(qū)域(Region of Interest,RoI)。Li 等[18]提出在多個分辨率上排除簡單樣本。Ouyang 等[19]在目標(biāo)檢測網(wǎng)絡(luò)中嵌入了典型的級聯(lián)架構(gòu)。Dai 等[20]將一個檢測和一個分割任務(wù)交替迭代用于實(shí)例分割。

    在使用級聯(lián)結(jié)構(gòu)的模型中,Cascade R-CNN[21]效果顯著。Cascade R-CNN 包含多個階段,每一階段的輸出作為下一階段的輸入,以取得更高的精修質(zhì)量,而且每一個階段的訓(xùn)練數(shù)據(jù)是采用逐漸增加的交并比(Intersection over Union,IoU)閾值進(jìn)行采樣的,這種方式可以很好地應(yīng)對不同的訓(xùn)練分布。

    2 Cascade R?CNN簡介

    2.1 Cascade R?CNN

    Cascade R-CNN 是一種多階段目標(biāo)檢測模型,解決了在目標(biāo)檢測任務(wù)中訓(xùn)練出包含少量假陽性樣本的高性能檢測模型的問題。

    傳統(tǒng)兩階段目標(biāo)檢測架構(gòu)[9,22-24]將目標(biāo)檢測歸結(jié)為包含分類和檢測框回歸2個子任務(wù)的多任務(wù)學(xué)習(xí)問題,通過設(shè)定一個IoU 閾值來定義正樣本和負(fù)樣本,該閾值一般為0.5。但這是一個不夠嚴(yán)格的判定標(biāo)準(zhǔn),檢測模型很難排除接近閾值的假陽性樣本。提高IoU閾值可減少通過的假陽性樣本數(shù)量,但會造成正樣本數(shù)量呈指數(shù)級減少,導(dǎo)致檢測器因?yàn)橛?xùn)練過擬合而性能下降。反之,降低IoU 閾值會導(dǎo)致訓(xùn)練的檢測模型產(chǎn)生誤檢。

    研究發(fā)現(xiàn),以單一IoU 閾值訓(xùn)練的檢測器對與該閾值接近的輸入樣本的定位和檢測性能最好,所以單一IoU 閾值檢測器通常對某類樣本最優(yōu)。因此,Cascade R-CNN 被設(shè)計成多階段檢測架構(gòu),每個階段對應(yīng)不同質(zhì)量的輸入樣本。另外,回歸器輸出的IoU值總是優(yōu)于輸入的IoU值。因此,Cascade R-CNN 模型訓(xùn)練采用級聯(lián)檢測進(jìn)行迭代式訓(xùn)練,將低IoU 閾值檢測器的訓(xùn)練結(jié)果作為下一高IoU閾值檢測器的輸入。

    2.2 級聯(lián)檢測

    Cascade R-CNN 級聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)從初始樣本分布開始,可通過重采樣自動生成下一階段需要的高IoU 閾值輸入樣本。這種結(jié)構(gòu)有2 個優(yōu)點(diǎn):①不易發(fā)生過擬合,因?yàn)槊總€階段都有足夠的輸入樣本;②較深階段的檢測器被優(yōu)化為適應(yīng)更高的IoU 閾值。此外,由于每一檢測階段均可剔除離散值,在檢測階段采用級聯(lián)結(jié)構(gòu),候選框質(zhì)量隨著檢測階段深入逐漸提高,進(jìn)而增強(qiáng)了檢測模型性能。

    2.3 級聯(lián)回歸函數(shù)

    由于單一回歸函數(shù)很難適應(yīng)不同IoU 閾值下的候選框,因此Cascade R-CNN 將回歸任務(wù)分解為一系列更簡單的步驟,此級聯(lián)網(wǎng)絡(luò)的回歸函數(shù)如下:

    式中:T是Cascade 網(wǎng)絡(luò)檢測階段的總數(shù);fi(i=1,2,…,T)是Cascade 網(wǎng)絡(luò)對應(yīng)階段的回歸器;x是輸入回歸器的圖片;b是輸入圖片對應(yīng)的檢測框。

    級聯(lián)回歸函數(shù)中的每一個回歸函數(shù)不是采用同樣的初始分布,而是在相應(yīng)階段的樣本分布下達(dá)到的最優(yōu)化。因此該網(wǎng)絡(luò)可以逐漸優(yōu)化候選框。

    2.4 實(shí)現(xiàn)細(xì)節(jié)

    圖1 Cascade R-CNN 級聯(lián)模型結(jié)構(gòu)

    Cascade R-CNN(圖1)擴(kuò)展了Faster RCNN 的兩階段檢測架構(gòu),構(gòu)建了1 個由多階段子網(wǎng)絡(luò)構(gòu)成的級聯(lián)回歸模型。Cascade R-CNN 由4 個階段組成:1 個用于生成候選區(qū)的RPN(Region Proposal Network)階段和3 個檢測階段,IoU 閾值分別設(shè)為 0.5,0.6 和 0.7。首先,由產(chǎn)生候選區(qū)域的子網(wǎng)絡(luò)“H0”輸入整張圖片并產(chǎn)生初步的目標(biāo)檢測區(qū)域;然后,利用RoI候選區(qū)域檢測子網(wǎng)絡(luò)“H1”對第1階段的初步候選區(qū)進(jìn)行處理;最后,將每個候選區(qū)送到分類評分模塊“C”和檢測框模塊“B”。

    3 基于Cascade R?CNN的路基病害識別方法

    3.1 病害識別流程

    因?yàn)槁坊『Φ刭|(zhì)雷達(dá)檢測數(shù)據(jù)內(nèi)部結(jié)構(gòu)復(fù)雜,目標(biāo)與背景結(jié)構(gòu)差異小,且彼此交融,導(dǎo)致邊界模糊不清。因此,本文針對翻漿冒泥目標(biāo)檢測任務(wù)的特點(diǎn),對原始Faster R-CNN 進(jìn)行了改進(jìn),基于Cascade R-CNN的病害識別流程如圖2所示。

    在傳統(tǒng)非球面光學(xué)元件拋光過程中,主要通過技術(shù)人員手工修磨,因此存在加工效率低,精度穩(wěn)定性差的缺點(diǎn),且產(chǎn)品加工質(zhì)量十分依賴技術(shù)人員的經(jīng)驗(yàn)和技巧,很難達(dá)到技術(shù)要求。計算機(jī)控制小磨頭拋光技術(shù)的提出有效解決了這些難題。計算機(jī)控制小磨頭拋光技術(shù)也被稱為計算機(jī)控制光學(xué)表面成形技術(shù)(computer controlled optical saurface, CCOS),是發(fā)展于20世紀(jì)70年代的光學(xué)加工技術(shù),該技術(shù)在大口徑光學(xué)非球面元件加工領(lǐng)域扮演著重要角色。近年來發(fā)展的磁流變拋光、氣囊拋光、離子束拋光和大氣等離子體拋光等技術(shù),全是基于這一原理的拋光技術(shù)[2-5]。

    圖2 基于Cascade R-CNN 的病害識別流程

    首先,基于PyTorch 搭建深度學(xué)習(xí)開發(fā)環(huán)境,整理病害圖片進(jìn)行病害標(biāo)注,并轉(zhuǎn)換成COCO(Common Objects in Context)[25]格式數(shù)據(jù)集;然后,以深度學(xué)習(xí)工具箱mmdetection 提供的Cascade R-CNN 代碼為基礎(chǔ),并使用Soft-NMS 和數(shù)據(jù)增強(qiáng)方法對Cascade R-CNN 進(jìn)行改進(jìn);最后,采用預(yù)訓(xùn)練模型進(jìn)行模式參數(shù)初始化,訓(xùn)練和測試模型,使用自制數(shù)據(jù)集對模型調(diào)優(yōu),采用COCO檢測評價矩陣評價模型性能。

    3.2 Soft?NMS

    非極大值抑制(NMS)用于剔除重疊度高的候選框,但傳統(tǒng)NMS 會將部分正確的目標(biāo)檢測框剔除掉。翻漿冒泥病害在總體趨勢上是連續(xù)的,但也會由于涵洞、橋梁等結(jié)構(gòu)物而出現(xiàn)間斷的情況。因此,如果在翻漿冒泥病害識別任務(wù)中仍采用傳統(tǒng)NMS,會導(dǎo)致距離較近的正確病害候選框被抑制掉,降低識別準(zhǔn)確率。因此,本文采用了一種改進(jìn)的NMS方法——Soft-NMS[26]。

    Soft-NMS 對重疊度大于閾值的候選框不是采用直接抑制的方式,而是降低該候選框的檢測評分。與最高分候選框重疊度大的候選框評分下降較大,而重疊度小的候選框評分受影響較小,可以減少假陽性結(jié)果,增強(qiáng)模型性能。其中,Soft-NMS 利用衰減函數(shù)對評分進(jìn)行控制,包括線性加權(quán)和高斯加權(quán)2種形式,分別見式(2)和式(3)。試驗(yàn)表明,在翻漿冒泥識別任務(wù)上高斯加權(quán)效果更好,因此本文采用高斯加權(quán)Soft-NMS。

    式中:M是具有最高檢測評分的候選框;bi是候選檢測框;iou(M,bi)是M和bi的重疊度;si是bi對應(yīng)的檢測評分;D是預(yù)留的候選框集合;σ為高斯函數(shù)的方差;Nt為NMS的閾值。

    3.3 數(shù)據(jù)增強(qiáng)

    在深度學(xué)習(xí)中,有時會出現(xiàn)訓(xùn)練集樣本不夠或某一類樣本較少的情況。為了防止過擬合,加強(qiáng)模型魯棒性,可以采用數(shù)據(jù)增強(qiáng)的改進(jìn)方法。數(shù)據(jù)增強(qiáng)通過幾何變換的方式改變像素所在位置,而不改變像素值,讓模型學(xué)到更多圖像不變特性。

    在翻漿冒泥病害識別任務(wù)中,由于能收集到的樣本數(shù)量比一般的目標(biāo)檢測任務(wù)要少,因此本文綜合使用多種數(shù)據(jù)增強(qiáng)方法擴(kuò)充病害樣本集,提高模型性能。具體改進(jìn)方法為:①翻轉(zhuǎn)與反射變換,沿著水平或垂直方向翻轉(zhuǎn)圖像;②對比度和亮度變換,對圖像HSV(Hue,Saturation,Value)顏色空間中每個像素的飽和度和亮度分量進(jìn)行指數(shù)運(yùn)算,以增加光照變化;③縮放變換,按照一定的比例縮小圖像;④隨機(jī)裁剪,采用隨機(jī)圖像差值裁剪圖像。

    4 試驗(yàn)與結(jié)果分析

    4.1 數(shù)據(jù)集準(zhǔn)備

    利用中國鐵道科學(xué)研究院集團(tuán)有限公司基礎(chǔ)設(shè)施檢測研究所橋隧部多年鐵路路基檢測工作積累的數(shù)據(jù)自制路基病害數(shù)據(jù)集。數(shù)據(jù)集中的圖片為地質(zhì)雷達(dá)后處理軟件生成的病害雷達(dá)剖面圖,且部分病害已經(jīng)過現(xiàn)場開挖驗(yàn)證。

    目前制作目標(biāo)檢測數(shù)據(jù)集常用的數(shù)據(jù)格式包括VOC 和COCO 2 種格式,本文采用COCO 數(shù)據(jù)集格式制作數(shù)據(jù)集。COCO 是微軟團(tuán)隊提供的一個進(jìn)行圖像識別的數(shù)據(jù)集。數(shù)據(jù)集包括1 030 張標(biāo)注好的翻漿冒泥病害圖片,并按照8∶1∶1 比例劃分為訓(xùn)練集、測試集和驗(yàn)證集。圖片首先由路基檢測專家使用LabelImg[27]圖片標(biāo)注工具進(jìn)行標(biāo)注,再使用數(shù)據(jù)格式轉(zhuǎn)換工具[28]將得到的 xml 標(biāo)注文件轉(zhuǎn)化為 COCO 的json format格式。

    4.2 環(huán)境配置

    本次試驗(yàn)以PyTorch 為深度學(xué)習(xí)框架搭建開發(fā)環(huán)境,版本為 Stable(1.2),使用 Linux(Ubuntu14.04)系統(tǒng)、Python3.6版本和CUDA 版本10.0,Cascade R-CNN的實(shí)現(xiàn)代碼采用商湯科技和香港中文大學(xué)開源的深度學(xué)習(xí)目標(biāo)檢測工具箱mmdetection,開發(fā)環(huán)境配置如表1所示。模型訓(xùn)練和測試以PyTorch 版本的Cascade R-CNN為基礎(chǔ)。

    表1 開發(fā)環(huán)境配置

    4.3 模型訓(xùn)練與關(guān)鍵參數(shù)設(shè)置

    mmdetection 將目標(biāo)檢測架構(gòu)拆解為不同的模塊進(jìn)行封裝,通過這些通用模塊可構(gòu)建出自己的檢測模型。本文模型的網(wǎng)絡(luò)模塊配置如表2所示,網(wǎng)絡(luò)模型選用Resnet101。

    表2 網(wǎng)絡(luò)模塊配置

    經(jīng)過大量試驗(yàn)與模型調(diào)試,對翻漿冒泥病害識別模型訓(xùn)練過程中的關(guān)鍵參數(shù)設(shè)置總結(jié)如下:參數(shù)imgs_per_gpu 設(shè)為 1,即每個 gpu 計算 1 張圖片;參數(shù)workers_per_gpu 設(shè)為 1,即每個 gpu 分配 1 個線程;參數(shù)num_classes設(shè)為2,即分為翻漿冒泥和背景類;求解器優(yōu)化方法采用隨機(jī)梯度下降法,全局學(xué)習(xí)率lr 設(shè)為0.002 5,初始學(xué)習(xí)率設(shè)為1/3,初始學(xué)習(xí)率增加策略設(shè)為線性增加,動量因子momentum 設(shè)為0.9,權(quán)重衰減因子weight_decay設(shè)置為0.001。

    模型訓(xùn)練采用GPU 加速模式,訓(xùn)練周期epochs 設(shè)為12,即數(shù)據(jù)集共訓(xùn)練12 次。在前500 次迭代過程中學(xué)習(xí)率逐漸增加,并在第8 個和第11 個epoch 降低學(xué)習(xí)率。訓(xùn)練時采用Resnet 預(yù)訓(xùn)練模型初始化參數(shù),并在此基礎(chǔ)上使用自制數(shù)據(jù)集進(jìn)行調(diào)優(yōu),用少量訓(xùn)練樣本取得較高的模型識別精度。

    4.4 試驗(yàn)結(jié)果與評估

    本文采用COCO 檢測評價矩陣評估模型性能。COCO評價矩陣包括12個評價指標(biāo),用來評價COCO數(shù)據(jù)集上的目標(biāo)檢測器的性能。檢測指標(biāo)包括4大類:

    第1 類為平均精度(Average Precision,AP),表示所有類別目標(biāo)的平均精度,包括AP,AP50和AP753 個指標(biāo)。AP 是COCO 格式數(shù)據(jù)集上評價模型性能最重要的指標(biāo),是多個IoU 值的平均值,以0.05 位間隔,對0.50~0.95 的 10 個 IoU 閾值進(jìn)行計算,以提高檢測器的精度;AP50對應(yīng)傳統(tǒng)的IoU閾值為0.50的計算方法,與PASCAL VOC 矩陣的評價方法相同;AP75對應(yīng)更加嚴(yán)格的IoU閾值為0.75的計算方法。

    第2 類為跨尺度平均精度(AP Across Scales),用于衡量不同尺度目標(biāo)的平均精度,包括APS,APM和APL3 個指標(biāo)。APS表示小目標(biāo)的平均檢測精度,目標(biāo)區(qū)域像素點(diǎn)個數(shù)小于322;APM表示中等目標(biāo)的平均檢測精度,目標(biāo)區(qū)域像素點(diǎn)個數(shù)大于322,小于962;APL表示大目標(biāo)的平均檢測精度,即目標(biāo)區(qū)域像素點(diǎn)個數(shù)大于962。

    第3 類為平均召回率(Average Recall,AR),是在每張圖片固定檢測目標(biāo)數(shù)量的情況下計算出的最大召回率,且該指標(biāo)是在不同類別和IoU 閾值上取平均之后的結(jié)果,包括 ARMAX=1,ARMAX=10和 ARMAX=1003 個指標(biāo),MAX為固定的檢測數(shù)量。

    第4 類為跨尺度平均召回率(AR Across Scales),與 AP Across Scales 類似,包括 ARS,ARM和 ARL3 個指標(biāo),表示在不同大小檢測區(qū)域下的平均召回率。

    本文基于Cascade R-CNN 的翻漿冒泥檢測模型的COCO評價指標(biāo)見表3。

    表3 基于Cascade R?CNN病害檢測評價指標(biāo)

    翻漿冒泥病害識別結(jié)果見圖3??芍?,模型檢測出的翻漿冒泥病害具有較高的置信度,框選區(qū)域與病害所在區(qū)域基本一致,并且多目標(biāo)區(qū)域可準(zhǔn)確進(jìn)行分割。

    圖3 翻漿冒泥病害識別結(jié)果

    4.5 對比試驗(yàn)與分析

    為進(jìn)一步檢驗(yàn)本文模型性能,進(jìn)行了多組對比試驗(yàn),見表4。

    表4 模型性能對比試驗(yàn)

    由表4可知,Cascade R-CNN 在病害數(shù)據(jù)集上比Faster R-CNN 取得了更高的識別精度。經(jīng)過改進(jìn)后的Cascade R-CNN 模型在檢測精度上均有不同程度的提升,其中數(shù)據(jù)增強(qiáng)改進(jìn)方法的提升效果最顯著,性能提升率為1.7%,綜合2 種改進(jìn)方法的模型,性能提升率為3.5%。

    5 結(jié)論

    本文提出了一種基于新型目標(biāo)檢測架構(gòu)Cascade R-CNN 的鐵路翻漿冒泥病害識別方法,并根據(jù)目標(biāo)的特點(diǎn)采用Soft-NMS 和數(shù)據(jù)增強(qiáng)方法對Cascade R-CNN進(jìn)行改進(jìn)。試驗(yàn)結(jié)果表明,改進(jìn)后的Cascade R-CNN檢測架構(gòu)在自制病害數(shù)據(jù)集上取得了43.7%的平均精度,可有效識別翻漿冒泥病害。

    猜你喜歡
    候選框級聯(lián)閾值
    重定位非極大值抑制算法
    面向自然場景文本檢測的改進(jìn)NMS算法
    基于Soft-NMS的候選框去冗余加速器設(shè)計*
    小波閾值去噪在深小孔鉆削聲發(fā)射信號處理中的應(yīng)用
    基于自適應(yīng)閾值和連通域的隧道裂縫提取
    一種針對特定目標(biāo)的提議算法
    比值遙感蝕變信息提取及閾值確定(插圖)
    河北遙感(2017年2期)2017-08-07 14:49:00
    級聯(lián)LDPC碼的STBC-OFDM系統(tǒng)
    電子制作(2016年15期)2017-01-15 13:39:09
    室內(nèi)表面平均氡析出率閾值探討
    基于級聯(lián)MUSIC的面陣中的二維DOA估計算法
    中文字幕av成人在线电影| 少妇的逼好多水| 亚洲成人中文字幕在线播放| 亚洲一区二区三区色噜噜| 久久久久免费精品人妻一区二区| 久久久久精品国产欧美久久久| 欧美中文日本在线观看视频| 操出白浆在线播放| 国产亚洲av嫩草精品影院| 69av精品久久久久久| 亚洲性夜色夜夜综合| 国产精品日韩av在线免费观看| 99热只有精品国产| 色综合亚洲欧美另类图片| 亚洲乱码一区二区免费版| 99久久久亚洲精品蜜臀av| 亚洲一区二区三区色噜噜| 国产精品久久久久久久电影 | 中文字幕人成人乱码亚洲影| 欧美+亚洲+日韩+国产| 精品国产超薄肉色丝袜足j| 少妇熟女aⅴ在线视频| 国产激情偷乱视频一区二区| 日本黄色片子视频| 国产麻豆成人av免费视频| 国产精品嫩草影院av在线观看 | 女人被狂操c到高潮| 在线看三级毛片| 18禁黄网站禁片午夜丰满| 成人性生交大片免费视频hd| 亚洲av免费高清在线观看| 嫩草影院入口| 中亚洲国语对白在线视频| 女人十人毛片免费观看3o分钟| 日本免费a在线| 久久久久久国产a免费观看| 嫩草影视91久久| 亚洲中文字幕一区二区三区有码在线看| 国产精品亚洲一级av第二区| 三级男女做爰猛烈吃奶摸视频| 国产精品1区2区在线观看.| 亚洲国产精品合色在线| 国产亚洲精品一区二区www| 欧美激情久久久久久爽电影| 欧美绝顶高潮抽搐喷水| 亚洲国产精品合色在线| 小说图片视频综合网站| 国产视频一区二区在线看| 国产老妇女一区| 午夜两性在线视频| 中文亚洲av片在线观看爽| 日本黄大片高清| 精品人妻偷拍中文字幕| 欧美区成人在线视频| 国产一区二区三区视频了| 久久香蕉精品热| 午夜福利18| 国产不卡一卡二| 欧美+亚洲+日韩+国产| 亚洲精品在线观看二区| 久久亚洲精品不卡| 高清日韩中文字幕在线| 亚洲国产欧洲综合997久久,| 国产成人福利小说| 亚洲av日韩精品久久久久久密| 在线观看美女被高潮喷水网站 | 亚洲乱码一区二区免费版| 草草在线视频免费看| 国产精品一区二区三区四区久久| 成人特级av手机在线观看| 国产伦人伦偷精品视频| 久久久久久久精品吃奶| 欧美激情在线99| 啪啪无遮挡十八禁网站| xxxwww97欧美| 国产亚洲欧美在线一区二区| 俄罗斯特黄特色一大片| 美女cb高潮喷水在线观看| 午夜激情欧美在线| 内地一区二区视频在线| 国产探花在线观看一区二区| 欧美日本视频| 亚洲国产精品合色在线| 免费在线观看影片大全网站| 2021天堂中文幕一二区在线观| 亚洲美女黄片视频| 在线观看一区二区三区| 草草在线视频免费看| www.999成人在线观看| 亚洲国产欧美人成| 亚洲性夜色夜夜综合| 99国产精品一区二区蜜桃av| 久久性视频一级片| 别揉我奶头~嗯~啊~动态视频| 成年免费大片在线观看| 精品久久久久久久久久久久久| 精品久久久久久久久久免费视频| 天堂av国产一区二区熟女人妻| 久久久久免费精品人妻一区二区| 日本熟妇午夜| 国产毛片a区久久久久| 国产老妇女一区| 国产爱豆传媒在线观看| 丁香欧美五月| 宅男免费午夜| 中文字幕熟女人妻在线| 精品久久久久久久末码| 国产美女午夜福利| 91麻豆av在线| 国产伦精品一区二区三区四那| 国产乱人伦免费视频| 国产高潮美女av| www日本黄色视频网| 亚洲av免费在线观看| 国产一区二区三区在线臀色熟女| 久久天躁狠狠躁夜夜2o2o| 香蕉久久夜色| 免费一级毛片在线播放高清视频| 无限看片的www在线观看| 黄色日韩在线| 国内少妇人妻偷人精品xxx网站| 在线视频色国产色| 免费av毛片视频| 国产伦人伦偷精品视频| 午夜精品久久久久久毛片777| 无人区码免费观看不卡| 午夜福利成人在线免费观看| 免费在线观看日本一区| 亚洲欧美日韩东京热| 激情在线观看视频在线高清| 色哟哟哟哟哟哟| 精华霜和精华液先用哪个| 哪里可以看免费的av片| 免费看美女性在线毛片视频| 亚洲aⅴ乱码一区二区在线播放| 一本久久中文字幕| 午夜精品久久久久久毛片777| 一卡2卡三卡四卡精品乱码亚洲| 美女被艹到高潮喷水动态| 少妇熟女aⅴ在线视频| 久久精品91蜜桃| 搡老岳熟女国产| 亚洲国产欧洲综合997久久,| a级毛片a级免费在线| 日本 欧美在线| x7x7x7水蜜桃| 亚洲av成人精品一区久久| 国产熟女xx| av天堂中文字幕网| 日本免费一区二区三区高清不卡| avwww免费| 欧美日韩中文字幕国产精品一区二区三区| 亚洲av熟女| 亚洲成av人片免费观看| 国产中年淑女户外野战色| 日韩欧美在线二视频| 9191精品国产免费久久| 亚洲中文字幕日韩| 色在线成人网| 精品乱码久久久久久99久播| 国产一区二区亚洲精品在线观看| 噜噜噜噜噜久久久久久91| 97超视频在线观看视频| 国产精品自产拍在线观看55亚洲| 日韩高清综合在线| 色视频www国产| 欧美一级a爱片免费观看看| 少妇熟女aⅴ在线视频| 在线观看av片永久免费下载| 在线十欧美十亚洲十日本专区| 亚洲精品影视一区二区三区av| 无限看片的www在线观看| 丁香欧美五月| 亚洲狠狠婷婷综合久久图片| 国产精品影院久久| 美女大奶头视频| 亚洲精品色激情综合| 18禁美女被吸乳视频| 免费人成视频x8x8入口观看| 桃红色精品国产亚洲av| 非洲黑人性xxxx精品又粗又长| 色尼玛亚洲综合影院| 最近最新中文字幕大全电影3| 久久久久久久亚洲中文字幕 | 美女被艹到高潮喷水动态| 成人高潮视频无遮挡免费网站| 国产免费一级a男人的天堂| 久久精品国产自在天天线| 琪琪午夜伦伦电影理论片6080| 搡老妇女老女人老熟妇| 精品欧美国产一区二区三| 性欧美人与动物交配| 怎么达到女性高潮| 日韩精品中文字幕看吧| 亚洲一区二区三区色噜噜| 亚洲真实伦在线观看| www.色视频.com| 亚洲内射少妇av| 欧美成人a在线观看| 亚洲人成电影免费在线| 真实男女啪啪啪动态图| 国产精品99久久久久久久久| 国产视频一区二区在线看| 国产真实伦视频高清在线观看 | 亚洲国产中文字幕在线视频| 99久久九九国产精品国产免费| 国产真人三级小视频在线观看| 久久久久久久精品吃奶| 精品日产1卡2卡| netflix在线观看网站| 在线观看免费视频日本深夜| 在线观看一区二区三区| 在线观看美女被高潮喷水网站 | 亚洲av熟女| 男人和女人高潮做爰伦理| 国产精品永久免费网站| 久久久久免费精品人妻一区二区| 九九在线视频观看精品| 日韩欧美精品v在线| 九九热线精品视视频播放| 国产淫片久久久久久久久 | 九色成人免费人妻av| 99国产精品一区二区蜜桃av| 非洲黑人性xxxx精品又粗又长| 国产综合懂色| 18+在线观看网站| 不卡一级毛片| 黄色女人牲交| 精品免费久久久久久久清纯| 99在线视频只有这里精品首页| 法律面前人人平等表现在哪些方面| 国产免费男女视频| 国产高潮美女av| 男女下面进入的视频免费午夜| 极品教师在线免费播放| 真人一进一出gif抽搐免费| 成人18禁在线播放| 免费av不卡在线播放| 宅男免费午夜| 日本 欧美在线| 在线播放国产精品三级| 色老头精品视频在线观看| 精华霜和精华液先用哪个| 欧美日韩乱码在线| 狂野欧美激情性xxxx| 香蕉久久夜色| 亚洲精品亚洲一区二区| 久久久久久国产a免费观看| 久99久视频精品免费| 欧美最黄视频在线播放免费| 亚洲精品一卡2卡三卡4卡5卡| 在线观看一区二区三区| 亚洲欧美日韩卡通动漫| 亚洲av不卡在线观看| 久久精品国产亚洲av涩爱 | 亚洲av成人精品一区久久| 国产视频一区二区在线看| 九九久久精品国产亚洲av麻豆| а√天堂www在线а√下载| 久久久国产成人精品二区| 国产伦一二天堂av在线观看| 国产高清视频在线播放一区| 国产国拍精品亚洲av在线观看 | 夜夜躁狠狠躁天天躁| 欧美区成人在线视频| 亚洲av美国av| 亚洲aⅴ乱码一区二区在线播放| 国产在视频线在精品| 99久久九九国产精品国产免费| 亚洲欧美日韩无卡精品| 亚洲欧美一区二区三区黑人| 亚洲欧美激情综合另类| 国产激情偷乱视频一区二区| 精品人妻偷拍中文字幕| 国产一区二区亚洲精品在线观看| 在线免费观看不下载黄p国产 | 男女床上黄色一级片免费看| 午夜福利在线观看吧| 日韩欧美国产在线观看| 国产精品国产高清国产av| 久久这里只有精品中国| 男女视频在线观看网站免费| 法律面前人人平等表现在哪些方面| 亚洲一区二区三区不卡视频| 大型黄色视频在线免费观看| 一二三四社区在线视频社区8| 国产欧美日韩一区二区精品| 最新美女视频免费是黄的| 精品不卡国产一区二区三区| 婷婷六月久久综合丁香| 一个人观看的视频www高清免费观看| 国产久久久一区二区三区| 欧美激情久久久久久爽电影| 久久亚洲精品不卡| 国产精品久久久久久人妻精品电影| 亚洲不卡免费看| 婷婷亚洲欧美| 久久久久久久久大av| 真人一进一出gif抽搐免费| 欧美最黄视频在线播放免费| 亚洲一区二区三区色噜噜| 成人特级av手机在线观看| aaaaa片日本免费| 熟妇人妻久久中文字幕3abv| av国产免费在线观看| 一夜夜www| 欧美丝袜亚洲另类 | 九色成人免费人妻av| 亚洲成av人片免费观看| 国产色婷婷99| 久久久久久九九精品二区国产| 露出奶头的视频| 日本黄色片子视频| 好看av亚洲va欧美ⅴa在| 人人妻人人澡欧美一区二区| 亚洲七黄色美女视频| 欧美国产日韩亚洲一区| 欧美三级亚洲精品| 亚洲av日韩精品久久久久久密| 成年免费大片在线观看| 欧美精品啪啪一区二区三区| 91麻豆精品激情在线观看国产| 亚洲欧美日韩高清专用| 少妇的逼水好多| 亚洲欧美日韩无卡精品| 日韩av在线大香蕉| xxx96com| 精品人妻偷拍中文字幕| 久久久久久久精品吃奶| 亚洲国产精品久久男人天堂| 亚洲欧美日韩东京热| 久久99热这里只有精品18| 欧美乱妇无乱码| 国产探花在线观看一区二区| 亚洲真实伦在线观看| 欧美在线一区亚洲| 色尼玛亚洲综合影院| 在线观看免费视频日本深夜| 国产一区二区在线av高清观看| 美女高潮的动态| 婷婷亚洲欧美| 婷婷精品国产亚洲av在线| 变态另类丝袜制服| 在线观看日韩欧美| 99热这里只有精品一区| 一级黄片播放器| 亚洲午夜理论影院| avwww免费| 毛片女人毛片| 国产午夜精品论理片| 黄色女人牲交| 熟女人妻精品中文字幕| 好看av亚洲va欧美ⅴa在| 亚洲美女视频黄频| 欧美成狂野欧美在线观看| 少妇的逼水好多| 一a级毛片在线观看| 国模一区二区三区四区视频| 精品午夜福利视频在线观看一区| 国产老妇女一区| 国产精品日韩av在线免费观看| 国产v大片淫在线免费观看| 手机成人av网站| 亚洲av免费在线观看| 中文字幕精品亚洲无线码一区| 成人高潮视频无遮挡免费网站| 男女下面进入的视频免费午夜| 欧美成狂野欧美在线观看| 9191精品国产免费久久| av欧美777| 别揉我奶头~嗯~啊~动态视频| 亚洲国产日韩欧美精品在线观看 | 在线看三级毛片| 在线十欧美十亚洲十日本专区| 18禁国产床啪视频网站| 在线免费观看不下载黄p国产 | 精品免费久久久久久久清纯| 国产精品永久免费网站| 国产精品综合久久久久久久免费| 天美传媒精品一区二区| 国产高清三级在线| 色在线成人网| 亚洲最大成人手机在线| 免费看光身美女| 国产91精品成人一区二区三区| 99久久精品国产亚洲精品| 亚洲欧美日韩东京热| 18禁国产床啪视频网站| 熟女人妻精品中文字幕| 婷婷精品国产亚洲av| 欧美日韩中文字幕国产精品一区二区三区| 熟女少妇亚洲综合色aaa.| 悠悠久久av| 日本a在线网址| 免费在线观看日本一区| 亚洲自拍偷在线| 一本久久中文字幕| 又黄又粗又硬又大视频| 99久久精品热视频| 午夜激情欧美在线| av天堂中文字幕网| 深爱激情五月婷婷| 日韩大尺度精品在线看网址| 亚洲精品在线观看二区| 国内毛片毛片毛片毛片毛片| 欧美国产日韩亚洲一区| 色哟哟哟哟哟哟| 啪啪无遮挡十八禁网站| 中文字幕av在线有码专区| 丰满的人妻完整版| 国产97色在线日韩免费| 国产亚洲精品久久久久久毛片| 99国产综合亚洲精品| 精品久久久久久久久久免费视频| 精品电影一区二区在线| 欧美zozozo另类| 可以在线观看毛片的网站| 国产不卡一卡二| 午夜精品久久久久久毛片777| 少妇熟女aⅴ在线视频| 亚洲av成人av| 成人18禁在线播放| 最好的美女福利视频网| a在线观看视频网站| 搞女人的毛片| 深夜精品福利| 精品日产1卡2卡| 1000部很黄的大片| 亚洲欧美日韩卡通动漫| 天堂网av新在线| 国产精品香港三级国产av潘金莲| bbb黄色大片| 国产视频一区二区在线看| 欧美性猛交黑人性爽| 制服人妻中文乱码| 欧美在线黄色| 精品熟女少妇八av免费久了| 国语自产精品视频在线第100页| 国产一区二区在线av高清观看| 欧美极品一区二区三区四区| 国内少妇人妻偷人精品xxx网站| 欧美xxxx黑人xx丫x性爽| 欧美日本视频| 中文字幕人妻丝袜一区二区| 成人18禁在线播放| 别揉我奶头~嗯~啊~动态视频| 三级男女做爰猛烈吃奶摸视频| 国产精品自产拍在线观看55亚洲| 欧美一级a爱片免费观看看| 婷婷六月久久综合丁香| 国产69精品久久久久777片| 日韩欧美 国产精品| 高清毛片免费观看视频网站| 欧美日韩瑟瑟在线播放| 久久久久久大精品| 国产色爽女视频免费观看| 亚洲精品成人久久久久久| 三级毛片av免费| 999久久久精品免费观看国产| 最近最新中文字幕大全免费视频| 日日摸夜夜添夜夜添小说| 久久久久久久久久黄片| 蜜桃亚洲精品一区二区三区| 伊人久久大香线蕉亚洲五| 18禁裸乳无遮挡免费网站照片| 国产毛片a区久久久久| 乱人视频在线观看| 天堂网av新在线| 亚洲激情在线av| 色av中文字幕| 亚洲成人精品中文字幕电影| 一进一出抽搐动态| 亚洲一区二区三区色噜噜| 精品久久久久久久末码| 在线十欧美十亚洲十日本专区| 国产精品爽爽va在线观看网站| xxx96com| 国产高清激情床上av| 日本黄色片子视频| 此物有八面人人有两片| 日韩亚洲欧美综合| 免费av不卡在线播放| 69人妻影院| 又黄又粗又硬又大视频| 国产日本99.免费观看| 91字幕亚洲| 男人和女人高潮做爰伦理| 日韩中文字幕欧美一区二区| 欧美黑人巨大hd| 欧美+日韩+精品| 亚洲性夜色夜夜综合| 午夜精品一区二区三区免费看| 亚洲av美国av| 国产aⅴ精品一区二区三区波| 精品国产三级普通话版| 久久草成人影院| 国产av在哪里看| 国产成人aa在线观看| 久久香蕉精品热| 中亚洲国语对白在线视频| 岛国在线观看网站| 天美传媒精品一区二区| 18+在线观看网站| 久久久久久大精品| 看黄色毛片网站| 成年女人永久免费观看视频| 啦啦啦观看免费观看视频高清| 亚洲国产欧洲综合997久久,| 天堂影院成人在线观看| 婷婷六月久久综合丁香| 亚洲不卡免费看| 3wmmmm亚洲av在线观看| 亚洲精品456在线播放app | www国产在线视频色| 国产三级在线视频| 最新在线观看一区二区三区| 最好的美女福利视频网| 国内精品久久久久久久电影| 成人国产一区最新在线观看| 欧美日韩一级在线毛片| 国产高潮美女av| 18禁黄网站禁片午夜丰满| 伊人久久大香线蕉亚洲五| 99热6这里只有精品| 久久久久久人人人人人| 日韩有码中文字幕| 国产乱人伦免费视频| 亚洲国产精品成人综合色| 757午夜福利合集在线观看| 日本a在线网址| 内射极品少妇av片p| 18禁在线播放成人免费| 好看av亚洲va欧美ⅴa在| 免费大片18禁| 老司机深夜福利视频在线观看| 一夜夜www| 日韩精品中文字幕看吧| 99国产精品一区二区蜜桃av| 国产乱人伦免费视频| 最近最新免费中文字幕在线| 亚洲色图av天堂| 天天躁日日操中文字幕| 国产精品1区2区在线观看.| 岛国在线免费视频观看| 亚洲国产精品合色在线| 欧美zozozo另类| 亚洲av五月六月丁香网| 免费人成视频x8x8入口观看| 国产乱人伦免费视频| 色精品久久人妻99蜜桃| 午夜两性在线视频| 欧美成狂野欧美在线观看| 每晚都被弄得嗷嗷叫到高潮| 亚洲成人久久爱视频| 亚洲精品亚洲一区二区| 亚洲成a人片在线一区二区| 国产午夜精品久久久久久一区二区三区 | 欧美日韩瑟瑟在线播放| а√天堂www在线а√下载| 亚洲国产精品合色在线| 久久亚洲真实| 在线天堂最新版资源| 亚洲成av人片免费观看| 麻豆久久精品国产亚洲av| 青草久久国产| 一进一出抽搐gif免费好疼| 久99久视频精品免费| 波多野结衣高清无吗| 两人在一起打扑克的视频| 91av网一区二区| 精品99又大又爽又粗少妇毛片 | 啦啦啦观看免费观看视频高清| 有码 亚洲区| 亚洲成av人片在线播放无| 偷拍熟女少妇极品色| 一个人看视频在线观看www免费 | 亚洲欧美日韩东京热| 天天躁日日操中文字幕| 中文亚洲av片在线观看爽| 久久久久九九精品影院| 黄色成人免费大全| 禁无遮挡网站| 12—13女人毛片做爰片一| 51国产日韩欧美| 无遮挡黄片免费观看| 欧美日韩亚洲国产一区二区在线观看| 精品国产三级普通话版| 亚洲天堂国产精品一区在线| 日本精品一区二区三区蜜桃| a级一级毛片免费在线观看| 国产精品自产拍在线观看55亚洲| 国产探花极品一区二区| 成人午夜高清在线视频| 在线观看66精品国产| 日韩亚洲欧美综合| 日韩欧美国产一区二区入口| 性欧美人与动物交配| av欧美777| 亚洲人成网站高清观看| 久久香蕉国产精品| 欧美高清成人免费视频www| 日日干狠狠操夜夜爽| 网址你懂的国产日韩在线| 俺也久久电影网| 12—13女人毛片做爰片一| 免费在线观看亚洲国产| 亚洲精品成人久久久久久| 日本在线视频免费播放| 十八禁网站免费在线| 在线播放无遮挡| 亚洲av第一区精品v没综合| 一级黄色大片毛片| av女优亚洲男人天堂| 久久人人精品亚洲av| 婷婷丁香在线五月|