• <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 ?

    高壓桿塔異物檢測(cè)及系統(tǒng)設(shè)計(jì)

    2020-08-01 01:28:08
    關(guān)鍵詞:訓(xùn)練樣本鳥(niǎo)巢桿塔

    師 飄

    (亳州學(xué)院電子與信息工程系, 安徽亳州 236800)

    0 引言

    近年來(lái), 隨著我國(guó)生態(tài)環(huán)境的改善以及高壓桿塔輸電線路的逐漸增多, 鳥(niǎo)類(lèi)對(duì)電力設(shè)備的損壞也越來(lái)越嚴(yán)重. 鳥(niǎo)類(lèi)的排泄物會(huì)腐蝕部分輸電設(shè)備, 進(jìn)而影響其絕緣性能. 未孵化的卵也會(huì)招致大型動(dòng)物的攀爬, 進(jìn)而對(duì)電力系統(tǒng)帶來(lái)?yè)p害[1]. 為保障電力系統(tǒng)的正常運(yùn)行, 電力工作人員經(jīng)常需要進(jìn)行線路巡檢, 特別是對(duì)于山區(qū)等地形復(fù)雜的地方, 巡檢任務(wù)非常困難, 因此這項(xiàng)工作逐漸發(fā)展為用無(wú)人機(jī)去采集桿塔附近圖像, 再由工作人員進(jìn)行異物的排查[2]. 但由人眼去判斷是否有鳥(niǎo)巢異物的存在, 不僅工作量大, 而且存在判斷錯(cuò)誤等情況[3].

    隨著人工智能技術(shù)的發(fā)展, 讓機(jī)器代替人去做一些簡(jiǎn)單枯燥且重復(fù)性強(qiáng)的工作有助于工作效率的提高. 對(duì)于高壓桿塔的異物巡檢, 設(shè)計(jì)智能算法即可判斷圖像中是否有鳥(niǎo)巢等異物的存在. 后期可以將算法嵌入到無(wú)人機(jī)中, 在無(wú)人機(jī)巡檢過(guò)程中即可進(jìn)行異物的檢測(cè), 從而可以極大提高巡檢人員的工作效率, 進(jìn)而保障電力系統(tǒng)的安全運(yùn)行. 參考文獻(xiàn)[4]通過(guò)檢測(cè)鳥(niǎo)巢圖像的枝干懸垂點(diǎn), 進(jìn)而提取鳥(niǎo)巢枝條特征, 最后使用SVM分類(lèi)器進(jìn)行訓(xùn)練, 可以取得90%的正確率[5]. 針對(duì)鐵軌桿塔鳥(niǎo)巢檢測(cè), 蔣欣蘭等人使用深度學(xué)習(xí)YOLO模型對(duì)其進(jìn)行訓(xùn)練, 取得89%的檢測(cè)精度[6-7]. 楊佩使用Faster R-CNN結(jié)合生成式對(duì)抗網(wǎng)絡(luò)對(duì)鳥(niǎo)巢進(jìn)行定位檢測(cè)[8-10]. 而在高壓桿塔輸電線路環(huán)境中, 圖像均由無(wú)人機(jī)拍攝獲得, 由于角度多變, 背景較為復(fù)雜, 包括草叢、 樹(shù)木、 房屋、 桿塔等, 這些均會(huì)對(duì)檢測(cè)帶來(lái)一定的干擾. 關(guān)于高壓桿塔異物檢測(cè)方向的研究文獻(xiàn)較少, 且由于深度學(xué)習(xí)網(wǎng)絡(luò)模型對(duì)于機(jī)器設(shè)備的要求較高, 依賴(lài)較多的訓(xùn)練樣本, 訓(xùn)練過(guò)程漫長(zhǎng), 因此其具有一定的局限性. 本文研究基于經(jīng)典AdaBoost算法, 提取鳥(niǎo)巢圖像的LBP特征和Haar特征, 尋找適合鳥(niǎo)巢的特征描述算子. 最后基于QT設(shè)計(jì)圖像異物檢測(cè)平臺(tái), 使用圖形化界面, 可以提高人機(jī)交互能力.

    1 算法結(jié)構(gòu)

    本文算法結(jié)構(gòu)如圖1所示, 主要包括訓(xùn)練過(guò)程和識(shí)別過(guò)程. 其中訓(xùn)練過(guò)程使用不同特征描述子, 對(duì)訓(xùn)練樣本進(jìn)行特征處理, 在訓(xùn)練過(guò)程中會(huì)產(chǎn)生一系列的弱分類(lèi)器, 通過(guò)級(jí)聯(lián)最終形成強(qiáng)分類(lèi)器. 分類(lèi)器形成之后, 將算法和QT平臺(tái)進(jìn)行融合, 最終在圖形化界面完成測(cè)試樣本的識(shí)別和檢測(cè)結(jié)果的輸出.

    圖1 算法結(jié)構(gòu)圖

    2 鳥(niǎo)巢檢測(cè)算法的優(yōu)化與實(shí)現(xiàn)

    2.1 樣本數(shù)據(jù)的采集與預(yù)處理

    本項(xiàng)目基于VS2012、 OpenCV-2.4.9和QT5.5.0設(shè)計(jì)與實(shí)現(xiàn). 訓(xùn)練樣本的質(zhì)量極大影響訓(xùn)練模型的優(yōu)劣, 而樣本不足也會(huì)出現(xiàn)嚴(yán)重的過(guò)擬合現(xiàn)象. 項(xiàng)目組所獲取的圖像, 均來(lái)源于無(wú)人機(jī)的拍攝, 大小為3936*2624像素. 本項(xiàng)目共收集651G的數(shù)據(jù), 但含有鳥(niǎo)巢的只有750張, 如表1所示.

    表1 線路圖像資料匯總

    部分含鳥(niǎo)巢的樣本由于拍攝角度問(wèn)題, 人眼很難識(shí)別, 因此選取適合作為正樣本的含鳥(niǎo)巢圖像600張. 負(fù)樣本最終選取1 800張, 內(nèi)容為圖像區(qū)域中不含鳥(niǎo)巢的草叢、 樹(shù)木、 房屋、 天空、 桿塔、 防震錘等位置.

    訓(xùn)練樣本的截取中使用了半自動(dòng)化的標(biāo)注程序, 由Matlab編寫(xiě)完成. 標(biāo)注過(guò)程需人工參與位置的選擇和大小的框定, 因此區(qū)域大小很難保持一致, 后期統(tǒng)一設(shè)置為100*80像素. 正、 負(fù)樣本示例如圖2所示. 第一行為正樣本, 均含有鳥(niǎo)巢區(qū)域. 第二行為負(fù)樣本, 包含除鳥(niǎo)巢區(qū)域的其他位置. 程序中使用resize函數(shù)設(shè)定截取后保存的圖像大小以及rgb2gray函數(shù)將彩色圖像轉(zhuǎn)換成灰度圖, 并對(duì)訓(xùn)練樣本進(jìn)行重命名操作.

    圖2 正負(fù)樣本示例

    2.2 LBP特征提取

    LBP (Local Binary Pattern)稱(chēng)為局部二值模式[11], 因此待處理的圖像一定是灰度圖. 基本LBP算子如圖3所示.

    圖3 基本LBP算子

    2.3 Haar特征提取

    Haar特征算子由Papageorgiou提出[13], 后經(jīng)P. Viola和M. Jones將Haar特征的模板進(jìn)一步拓展, Haar特征模板圖4所示, 特征模板內(nèi)包含黑白兩種矩形, 而不同顏色面積之差即為該特征的計(jì)算公式, 例如, 在a)組中, 邊緣特征值為A=sum(白)-sum(黑), 而線性特征中A=sum(白)-2*sum(黑), 因?yàn)镠aar特征可以很好地表述圖像灰度變化情況, 所以被廣泛應(yīng)用于目標(biāo)檢測(cè)中[14].

    圖4 Haar特征模板

    在進(jìn)行圖像特征的計(jì)算時(shí), 使用上述模板在圖像上進(jìn)行滑動(dòng)或平移, 最終得到圖像的矩形特征. 而大量特征的計(jì)算, 必定產(chǎn)生描述圖像的高維Haar特征, 同時(shí)模板平移過(guò)程中, 勢(shì)必帶來(lái)重復(fù)計(jì)算的問(wèn)題, 因此有了積分圖的出現(xiàn). 積分圖如圖5所示, 對(duì)于圖中A點(diǎn)的積分圖定義如下:其中(i,j)是原圖像中點(diǎn)的像素值,A(x,y)表示A點(diǎn)積分值. 由圖示可知, 積分圖是將圖像上(x,y)點(diǎn)左上角所有像素值進(jìn)行求和, 作為當(dāng)前點(diǎn)在積分圖中的像素值, 公式表示如下:

    圖5 積分圖

    實(shí)際應(yīng)用中利用迭代的方式減少積分圖的計(jì)算量. 如下式, 表示(x,y)點(diǎn)以及y方向上所有原始像素之和.

    A(x,y)=A(x-1,y)+S(x,y)

    S(x,y)=S(x,y-1)+I(x,y)

    若將特征應(yīng)用于本項(xiàng)目中的含鳥(niǎo)巢圖像, 由圖6可以看出, 其在人臉監(jiān)測(cè)中比較適用, 但在本項(xiàng)目因?qū)嶒?yàn)中所用圖像中含有大量高壓桿塔, 而桿塔圖像區(qū)域的黑白特性和鳥(niǎo)巢枝干區(qū)域相似, 會(huì)給算法帶來(lái)干擾.

    圖6 人臉與鳥(niǎo)巢的對(duì)比

    2.4 分類(lèi)器的訓(xùn)練

    AdaBoost分類(lèi)器起源于Boosting算法, 后由Freund和Schapire完善成可以自適應(yīng)地調(diào)整弱學(xué)習(xí)算法錯(cuò)誤率, 最終由Viola在其基礎(chǔ)之上提出級(jí)聯(lián)結(jié)構(gòu)的AdaBoost分類(lèi)器.

    級(jí)聯(lián)分類(lèi)器的結(jié)構(gòu)如圖7所示, 圖中表示只有被判斷為正的樣本才會(huì)送入到下一級(jí)分類(lèi)器, 判為負(fù)的樣本直接輸出, 因此最后輸出的正樣本是每一級(jí)分類(lèi)器都認(rèn)可的. 通過(guò)降低正確劃分樣本的權(quán)重, 增加錯(cuò)誤樣本權(quán)重, 從而實(shí)現(xiàn)自動(dòng)調(diào)整樣本權(quán)重空間. 其中1,2,3……均是由多個(gè)分類(lèi)器集成的強(qiáng)分類(lèi)器. 算法的優(yōu)點(diǎn)在于使用加權(quán)的樣本代替隨機(jī)選取的訓(xùn)練樣本, 層層級(jí)聯(lián), 并且使用加權(quán)的投票機(jī)制代替平均投票機(jī)制. 結(jié)合本實(shí)驗(yàn), 算法具體實(shí)現(xiàn)過(guò)程如下:

    1)給定訓(xùn)練樣本

    圖7 級(jí)聯(lián)分類(lèi)器示意圖

    S={(x1,y1), (x2,y2), …, (xi,yi), …, (xn,yn)}

    其中,xi是鳥(niǎo)巢樣本,y2是類(lèi)別標(biāo)簽yi∈{-1, +1},n表示當(dāng)前的訓(xùn)練樣本數(shù)量;

    2)初始化訓(xùn)練樣本, 并均勻賦予相同的權(quán)重:Dt(xi)=1/n;

    3)循環(huán)t=1,2,3,……T, 表示弱分類(lèi)器的個(gè)數(shù).

    ①在當(dāng)前的樣本權(quán)重Dt下, 得到弱分類(lèi)器Ht=H(x,y,Dt);

    ②計(jì)算弱分類(lèi)器在當(dāng)前權(quán)重下的錯(cuò)誤率:

    ③計(jì)算弱分類(lèi)器在最終分類(lèi)器中的加權(quán)系數(shù), 即弱分類(lèi)器的權(quán)重:

    at=ln(1-εt)/εt;

    ④為下一次迭代更新訓(xùn)練樣本權(quán)重:

    4)最終輸出的強(qiáng)分類(lèi)器

    實(shí)驗(yàn)中, 分別使用訓(xùn)練至15級(jí)、 18級(jí)、 20級(jí)的級(jí)聯(lián)強(qiáng)分類(lèi)器進(jìn)行測(cè)試樣本的檢測(cè), 同時(shí)使用不同的特征描述子進(jìn)行圖像特征的表述, 從而進(jìn)一步對(duì)比分析得到最優(yōu)的特征算子以及訓(xùn)練級(jí)數(shù).

    3 QT系統(tǒng)設(shè)計(jì)

    為使算法具有更強(qiáng)的可操作性以及友好的人機(jī)交互界面, 本文使用QT 5.5.0設(shè)計(jì)檢測(cè)界面. QT是一種跨平臺(tái)的應(yīng)用程序開(kāi)發(fā)框架, 支持C++等主流計(jì)算機(jī)語(yǔ)言, 其主要用于GUI(Graphical User Interface, 圖形用戶(hù)界面)設(shè)計(jì). 設(shè)計(jì)完成之后普通用戶(hù)可以進(jìn)行相關(guān)操作, 包括相關(guān)命令的執(zhí)行、 編輯、 調(diào)用、 啟動(dòng)等. 正樣本檢測(cè)效果如圖8、 圖9所示, 表示檢測(cè)正樣本的結(jié)果展示. 可以看出, 不同拍攝角度、 目標(biāo)的不同遮掩程度、 不同光線強(qiáng)度下均可以得到準(zhǔn)確的檢測(cè)結(jié)果, 算法具有較強(qiáng)的伺服性能. 而圖10展示了負(fù)樣本的檢測(cè)結(jié)果, 可以看到檢測(cè)鳥(niǎo)巢數(shù)量為0, 因此檢測(cè)結(jié)果正確.

    圖8 正樣本檢測(cè)效果

    圖9 正樣本檢測(cè)效果

    圖10 負(fù)樣本檢測(cè)效果

    4 檢測(cè)結(jié)果分析

    本實(shí)驗(yàn)采用Haar和LBP兩種特征對(duì)AdaBoost分類(lèi)器進(jìn)行訓(xùn)練, 不同訓(xùn)練級(jí)數(shù)對(duì)分類(lèi)器的整體判斷能力即準(zhǔn)確率(ACC)的影響如表2所示.

    表2 訓(xùn)練級(jí)數(shù)對(duì)檢測(cè)結(jié)果的影響

    通過(guò)表2可以看出, 增加訓(xùn)練級(jí)數(shù)在一定程度上可以提高檢測(cè)的準(zhǔn)確率, 但并不是訓(xùn)練級(jí)數(shù)越高越好. 實(shí)驗(yàn)表明, 訓(xùn)練級(jí)數(shù)為15級(jí)時(shí)候, 達(dá)到最優(yōu)檢測(cè)效果. 用此分類(lèi)器對(duì)待檢測(cè)圖像進(jìn)行結(jié)果分析如表3所示. 假設(shè)含鳥(niǎo)巢的正樣本有P個(gè),N個(gè)不含鳥(niǎo)巢的負(fù)樣本, 則實(shí)際含鳥(niǎo)巢檢測(cè)正確的樣本稱(chēng)之為T(mén)P(ture positive), 而實(shí)際不含鳥(niǎo)巢檢測(cè)結(jié)果錯(cuò)誤的樣本稱(chēng)之為FP(false positive), 實(shí)際含有鳥(niǎo)巢檢測(cè)結(jié)果錯(cuò)誤的稱(chēng)之為FN(false negative), 實(shí)際不含鳥(niǎo)巢檢測(cè)結(jié)果正確的稱(chēng)之為T(mén)N(ture negative). 由于P=TP+FN,N=TN+FP, 因此數(shù)據(jù)計(jì)算結(jié)果如表3所示.

    表3 AdaBoost檢測(cè)結(jié)果

    表中數(shù)值的計(jì)算公式如下:

    FPR(虛警率, Fall-out or False Positive Rate)=FP/(FP+TN)=FP/N;

    FNR(漏警率, Miss Rate or False Negative Rate)=FN/(FN+TP)=FN/P;

    TPR(召回率, True Positive Rate)=TP/(TP+FN)=TP/P;

    PPV(精確度, Precision or Positive Predictive Value)=TP/(TP+FP);

    ACC(準(zhǔn)確率, Accuracy)=(TP+TN)/(P+N).

    測(cè)試實(shí)驗(yàn)中使用正樣本90張, 負(fù)樣本60張, 并使用LBP特征描述子進(jìn)行分類(lèi)器的訓(xùn)練. 正樣本中有7張圖像出現(xiàn)兩個(gè)檢測(cè)框, 一個(gè)正確一個(gè)錯(cuò)誤, 79張正樣本正確檢測(cè)出目標(biāo)位置, 因此TP=86,F(xiàn)N=4. 60張負(fù)樣本中, 出現(xiàn)4個(gè)錯(cuò)誤檢測(cè)目標(biāo), 因此FP=4+7=11,TN=56, 則P=90,N=67, 最終計(jì)算結(jié)果如表3所示. 使用Haar特征進(jìn)行分類(lèi)器的訓(xùn)練, 對(duì)于90張正樣本有10張出現(xiàn)兩個(gè)檢測(cè)窗口, 72張檢測(cè)正確, 其余8張漏檢. 60檢測(cè)負(fù)樣本中, 7張錯(cuò)檢, 53張檢測(cè)正確. 因此TP=82,F(xiàn)P=17,F(xiàn)N=8,TN=53,P=90,N=70. 實(shí)際算法使用中, 虛警率和漏警率越小越好, 從表3中可以看出, LBP算子相比Haar算法更加適合表述鳥(niǎo)巢紋理特征.

    5 結(jié)語(yǔ)

    高壓輸電線路頻頻出現(xiàn)的鳥(niǎo)害現(xiàn)象, 一直是電力部門(mén)關(guān)注的問(wèn)題. 本文通過(guò)分別使用Haar和LBP特征對(duì)鳥(niǎo)巢圖像進(jìn)行紋理提取, 并通過(guò)算法分析、 實(shí)驗(yàn)驗(yàn)證、 對(duì)比分析等得出結(jié)論, 提出的基于旋轉(zhuǎn)不變的LBP特征訓(xùn)練AdaBoost分類(lèi)器的高壓桿塔鳥(niǎo)巢檢測(cè)算法, 可以精確定位鳥(niǎo)巢所處位置. 同時(shí), 課題將算法和QT平臺(tái)進(jìn)行融合, 設(shè)計(jì)了基于QT的鳥(niǎo)巢檢測(cè)用戶(hù)界面, 并在圖形化界面完成測(cè)試樣本的識(shí)別和檢測(cè)結(jié)果的輸出. 結(jié)果表明, 該方法有助于提高人機(jī)交互能力, 可以減輕電力工作人員的工作負(fù)擔(dān), 具有一定的應(yīng)用價(jià)值. 隨著課題研究的深入, 后期可以進(jìn)一步拓展數(shù)據(jù)集, 以探索更高效的算法模型, 對(duì)本項(xiàng)目做進(jìn)一步的優(yōu)化.

    猜你喜歡
    訓(xùn)練樣本鳥(niǎo)巢桿塔
    基于北斗的高壓輸電桿塔智能實(shí)時(shí)監(jiān)測(cè)技術(shù)與應(yīng)用
    鳥(niǎo)巢
    人工智能
    基于ZigBee與GPRS的輸電桿塔傾斜監(jiān)測(cè)預(yù)警系統(tǒng)
    電子制作(2019年11期)2019-07-04 00:34:36
    重回鳥(niǎo)巢
    鳥(niǎo)巢大作戰(zhàn)
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識(shí)別算法
    基于稀疏重構(gòu)的機(jī)載雷達(dá)訓(xùn)練樣本挑選方法
    基于粗糙模糊集的輸電桿塔塔材實(shí)際強(qiáng)度精確計(jì)算
    久久精品国产99精品国产亚洲性色| 最近手机中文字幕大全| 成人无遮挡网站| 亚洲人与动物交配视频| 高清在线视频一区二区三区 | 卡戴珊不雅视频在线播放| 亚洲欧美清纯卡通| 欧美xxxx性猛交bbbb| 亚洲第一电影网av| 国产成人午夜福利电影在线观看| 亚洲色图av天堂| 日韩欧美 国产精品| 26uuu在线亚洲综合色| 欧美一区二区国产精品久久精品| 性插视频无遮挡在线免费观看| 亚洲av免费高清在线观看| 国产69精品久久久久777片| 久久久久久久亚洲中文字幕| 黄色一级大片看看| 两个人的视频大全免费| 日本色播在线视频| 久久人人爽人人爽人人片va| 一区二区三区四区激情视频 | 悠悠久久av| eeuss影院久久| 久久久久久久午夜电影| 六月丁香七月| 日本黄色片子视频| 又黄又爽又刺激的免费视频.| 熟妇人妻久久中文字幕3abv| 成人毛片60女人毛片免费| 国产高清激情床上av| 国产精品三级大全| 91在线精品国自产拍蜜月| 国产精品美女特级片免费视频播放器| 亚洲美女搞黄在线观看| 在线国产一区二区在线| 夜夜看夜夜爽夜夜摸| 国产一区二区三区av在线 | 亚洲丝袜综合中文字幕| 久久久久久久久久久免费av| 男人舔奶头视频| 美女黄网站色视频| 91久久精品国产一区二区三区| 亚洲欧美成人精品一区二区| 三级男女做爰猛烈吃奶摸视频| 国产爱豆传媒在线观看| 菩萨蛮人人尽说江南好唐韦庄 | 九九久久精品国产亚洲av麻豆| a级毛片免费高清观看在线播放| 搡老妇女老女人老熟妇| 午夜爱爱视频在线播放| av在线老鸭窝| 国产精品.久久久| 欧美+亚洲+日韩+国产| 精品一区二区免费观看| 综合色丁香网| av女优亚洲男人天堂| 精品人妻一区二区三区麻豆| 亚洲性久久影院| 国产蜜桃级精品一区二区三区| 亚州av有码| 卡戴珊不雅视频在线播放| 午夜激情福利司机影院| 国产又黄又爽又无遮挡在线| 一个人看视频在线观看www免费| 国产爱豆传媒在线观看| 我的女老师完整版在线观看| 两个人视频免费观看高清| 午夜激情福利司机影院| 国产日韩欧美在线精品| 婷婷亚洲欧美| 日本五十路高清| 精品午夜福利在线看| 欧美在线一区亚洲| 一级黄片播放器| av在线老鸭窝| 在线a可以看的网站| 日韩欧美精品v在线| 99在线人妻在线中文字幕| 六月丁香七月| 99久国产av精品| 亚洲成av人片在线播放无| 日本黄大片高清| 久久婷婷人人爽人人干人人爱| 99九九线精品视频在线观看视频| 成人性生交大片免费视频hd| 午夜久久久久精精品| 亚洲人成网站在线观看播放| 在线天堂最新版资源| 日本色播在线视频| 久久久久久大精品| 日本一二三区视频观看| 中文字幕免费在线视频6| 97超碰精品成人国产| 日本黄大片高清| 国产成人91sexporn| 狠狠狠狠99中文字幕| 在线免费观看不下载黄p国产| 亚洲图色成人| 伊人久久精品亚洲午夜| 国产精品久久久久久亚洲av鲁大| 亚洲国产欧洲综合997久久,| 欧美xxxx黑人xx丫x性爽| 晚上一个人看的免费电影| 在线播放无遮挡| 日韩人妻高清精品专区| 亚洲国产欧洲综合997久久,| 99久国产av精品国产电影| 99热这里只有精品一区| 不卡视频在线观看欧美| 久久欧美精品欧美久久欧美| 久久人人爽人人爽人人片va| 日本一二三区视频观看| 国产精品永久免费网站| 精品少妇黑人巨大在线播放 | 国产精品久久久久久精品电影| 嫩草影院新地址| 日本撒尿小便嘘嘘汇集6| 欧美变态另类bdsm刘玥| 身体一侧抽搐| 亚洲av免费在线观看| videossex国产| 久久精品国产鲁丝片午夜精品| 岛国毛片在线播放| 亚洲欧美精品专区久久| a级毛片免费高清观看在线播放| 亚洲欧美清纯卡通| 色尼玛亚洲综合影院| 99热精品在线国产| 国产伦精品一区二区三区四那| 欧美不卡视频在线免费观看| 村上凉子中文字幕在线| 最近视频中文字幕2019在线8| 麻豆成人午夜福利视频| 国产大屁股一区二区在线视频| 婷婷亚洲欧美| 国产 一区精品| 我要看日韩黄色一级片| 国产亚洲欧美98| 人人妻人人看人人澡| 男的添女的下面高潮视频| 国产国拍精品亚洲av在线观看| 一本久久中文字幕| 欧美高清性xxxxhd video| www.av在线官网国产| 成人三级黄色视频| 中国国产av一级| 51国产日韩欧美| 精品久久久久久久人妻蜜臀av| 中文字幕av成人在线电影| 久久久久久国产a免费观看| 精品人妻熟女av久视频| 久久这里有精品视频免费| 精品熟女少妇av免费看| 亚州av有码| 禁无遮挡网站| 欧美一级a爱片免费观看看| 精品熟女少妇av免费看| 日韩欧美三级三区| 国产亚洲精品久久久com| 男女那种视频在线观看| 熟女电影av网| 久久久久久伊人网av| 国内精品宾馆在线| 大又大粗又爽又黄少妇毛片口| 国产一级毛片七仙女欲春2| 亚州av有码| 久久午夜亚洲精品久久| 午夜精品一区二区三区免费看| 欧美三级亚洲精品| 麻豆国产97在线/欧美| 日韩高清综合在线| 亚洲人成网站高清观看| av.在线天堂| 日韩欧美三级三区| 精品一区二区三区视频在线| 免费观看精品视频网站| 欧美一区二区精品小视频在线| 99热只有精品国产| 午夜精品在线福利| 免费人成在线观看视频色| 人妻夜夜爽99麻豆av| 国产成年人精品一区二区| 免费观看的影片在线观看| 真实男女啪啪啪动态图| 日本-黄色视频高清免费观看| 免费不卡的大黄色大毛片视频在线观看 | a级毛色黄片| 国产亚洲精品av在线| 日本与韩国留学比较| 偷拍熟女少妇极品色| 极品教师在线视频| 午夜免费男女啪啪视频观看| 国产极品天堂在线| 久久久久久国产a免费观看| 一本一本综合久久| 国产精品野战在线观看| 熟女电影av网| 日韩欧美三级三区| 美女cb高潮喷水在线观看| 亚洲人成网站高清观看| 91久久精品电影网| 一级毛片电影观看 | 男人和女人高潮做爰伦理| 啦啦啦观看免费观看视频高清| 日韩一本色道免费dvd| 成人漫画全彩无遮挡| 人妻系列 视频| 特级一级黄色大片| 精品久久久久久久久亚洲| 免费搜索国产男女视频| 午夜久久久久精精品| 亚洲一区二区三区色噜噜| 国产一区二区激情短视频| 国产日本99.免费观看| 欧美激情国产日韩精品一区| 少妇丰满av| 春色校园在线视频观看| 国产av麻豆久久久久久久| 亚洲精品日韩在线中文字幕 | 两性午夜刺激爽爽歪歪视频在线观看| 精华霜和精华液先用哪个| 69av精品久久久久久| 精品人妻一区二区三区麻豆| 国产极品精品免费视频能看的| av又黄又爽大尺度在线免费看 | 午夜精品在线福利| 欧美变态另类bdsm刘玥| 亚洲国产精品sss在线观看| 国产高清有码在线观看视频| 99久久成人亚洲精品观看| 国产午夜福利久久久久久| 亚洲熟妇中文字幕五十中出| 日韩一区二区三区影片| 亚洲在久久综合| 久久亚洲精品不卡| 亚洲四区av| 成人午夜精彩视频在线观看| 亚洲欧美精品专区久久| 毛片一级片免费看久久久久| 国产成人精品一,二区 | 国产日本99.免费观看| 亚洲欧美日韩东京热| 亚洲av男天堂| 日韩亚洲欧美综合| 少妇的逼水好多| 看非洲黑人一级黄片| 最后的刺客免费高清国语| 99精品在免费线老司机午夜| 国产亚洲5aaaaa淫片| 亚洲aⅴ乱码一区二区在线播放| 亚洲天堂国产精品一区在线| 日本免费一区二区三区高清不卡| 青春草亚洲视频在线观看| 女的被弄到高潮叫床怎么办| 人体艺术视频欧美日本| 97在线视频观看| 麻豆av噜噜一区二区三区| 成人午夜精彩视频在线观看| 国产精品综合久久久久久久免费| 99久久中文字幕三级久久日本| а√天堂www在线а√下载| 日本三级黄在线观看| 亚洲国产高清在线一区二区三| 国产av不卡久久| 免费看av在线观看网站| 波野结衣二区三区在线| 波多野结衣高清作品| 麻豆成人午夜福利视频| 伦精品一区二区三区| 色综合亚洲欧美另类图片| 在线免费十八禁| 国产伦在线观看视频一区| 高清日韩中文字幕在线| 久久精品夜色国产| 黄色配什么色好看| 国产成人精品婷婷| 婷婷色av中文字幕| 精品熟女少妇av免费看| or卡值多少钱| 成年av动漫网址| 寂寞人妻少妇视频99o| 亚洲最大成人av| 蜜桃久久精品国产亚洲av| 寂寞人妻少妇视频99o| 我要搜黄色片| 国产久久久一区二区三区| 国产高潮美女av| 亚洲av一区综合| 尤物成人国产欧美一区二区三区| 天天躁夜夜躁狠狠久久av| 成人午夜高清在线视频| 亚洲在线观看片| av天堂在线播放| 丝袜美腿在线中文| 国产91av在线免费观看| 久久精品国产亚洲av涩爱 | 麻豆精品久久久久久蜜桃| 少妇的逼水好多| 中文字幕久久专区| 久久人人精品亚洲av| 99riav亚洲国产免费| 午夜免费男女啪啪视频观看| 国产高清激情床上av| 国产成人aa在线观看| 岛国毛片在线播放| 国产一区二区亚洲精品在线观看| 免费看av在线观看网站| 成年女人看的毛片在线观看| 日本免费a在线| 高清在线视频一区二区三区 | 精品一区二区三区人妻视频| 国产黄色小视频在线观看| 丝袜喷水一区| 免费看a级黄色片| 一本久久中文字幕| 麻豆成人av视频| 国产私拍福利视频在线观看| 日本黄色片子视频| 欧美三级亚洲精品| 天美传媒精品一区二区| 精品久久久噜噜| 亚洲国产精品sss在线观看| 亚洲四区av| 日韩国内少妇激情av| 长腿黑丝高跟| 校园春色视频在线观看| 午夜福利高清视频| 日韩欧美精品免费久久| 免费av观看视频| 免费电影在线观看免费观看| 日本黄色片子视频| 成年女人看的毛片在线观看| 日韩成人av中文字幕在线观看| 国内精品久久久久精免费| 亚洲精品成人久久久久久| 亚洲欧美中文字幕日韩二区| 三级经典国产精品| 国产一区二区三区在线臀色熟女| 日本在线视频免费播放| 日产精品乱码卡一卡2卡三| 在线观看午夜福利视频| 国产伦在线观看视频一区| 黑人高潮一二区| 欧美成人精品欧美一级黄| 日韩欧美 国产精品| 欧美成人a在线观看| 午夜视频国产福利| 99久久中文字幕三级久久日本| 韩国av在线不卡| 久久久久久久久久久免费av| 国产一区二区三区在线臀色熟女| 又黄又爽又刺激的免费视频.| 亚洲成人中文字幕在线播放| 成人性生交大片免费视频hd| 变态另类成人亚洲欧美熟女| 亚洲无线在线观看| 亚洲av电影不卡..在线观看| 亚洲一区二区三区色噜噜| 国产黄色小视频在线观看| 国产精品电影一区二区三区| 少妇被粗大猛烈的视频| 一级黄片播放器| 欧美三级亚洲精品| 69av精品久久久久久| 天堂av国产一区二区熟女人妻| 丰满的人妻完整版| 桃色一区二区三区在线观看| 日本黄大片高清| 少妇猛男粗大的猛烈进出视频 | 亚洲自拍偷在线| 亚洲欧美日韩高清专用| 老熟妇乱子伦视频在线观看| 久久久精品欧美日韩精品| 国产又黄又爽又无遮挡在线| 日韩中字成人| 青春草国产在线视频 | 18禁在线播放成人免费| 免费一级毛片在线播放高清视频| 菩萨蛮人人尽说江南好唐韦庄 | 中文字幕精品亚洲无线码一区| 你懂的网址亚洲精品在线观看 | 51国产日韩欧美| 国产熟女欧美一区二区| 欧美zozozo另类| 久久久欧美国产精品| 精品午夜福利在线看| 九九爱精品视频在线观看| 亚洲精品亚洲一区二区| 国内精品宾馆在线| 亚洲av二区三区四区| 超碰av人人做人人爽久久| 国产探花在线观看一区二区| 国产精品免费一区二区三区在线| 91精品国产九色| 亚洲av中文av极速乱| 午夜精品在线福利| 国产高清不卡午夜福利| 免费看美女性在线毛片视频| 久久这里有精品视频免费| 国产精品,欧美在线| 欧美成人免费av一区二区三区| 日韩一本色道免费dvd| 禁无遮挡网站| av福利片在线观看| 99国产精品一区二区蜜桃av| 91精品一卡2卡3卡4卡| 国产男人的电影天堂91| 亚洲天堂国产精品一区在线| 久久精品久久久久久噜噜老黄 | 十八禁国产超污无遮挡网站| 国产精品久久久久久精品电影| 老司机福利观看| 自拍偷自拍亚洲精品老妇| 国产精品美女特级片免费视频播放器| 日本-黄色视频高清免费观看| 午夜老司机福利剧场| 亚洲最大成人中文| 听说在线观看完整版免费高清| 免费人成在线观看视频色| 久久中文看片网| 99久久人妻综合| 亚洲精品成人久久久久久| 麻豆精品久久久久久蜜桃| 男人舔奶头视频| 亚洲欧美中文字幕日韩二区| 寂寞人妻少妇视频99o| 18禁裸乳无遮挡免费网站照片| 黄色一级大片看看| 国产一区二区三区在线臀色熟女| 少妇的逼水好多| 国产av不卡久久| 亚洲精品乱码久久久v下载方式| 免费观看a级毛片全部| 桃色一区二区三区在线观看| 亚洲精品日韩在线中文字幕 | 亚洲精品久久久久久婷婷小说 | 一本久久中文字幕| 欧美最新免费一区二区三区| 国产精品久久久久久av不卡| 大香蕉久久网| av在线播放精品| 亚洲在久久综合| 天美传媒精品一区二区| 久久久久免费精品人妻一区二区| 哪里可以看免费的av片| 久久久精品大字幕| 在线免费观看的www视频| 99久久人妻综合| 国产蜜桃级精品一区二区三区| 国产精品久久电影中文字幕| 看非洲黑人一级黄片| 嘟嘟电影网在线观看| 亚洲成人精品中文字幕电影| 夜夜夜夜夜久久久久| 午夜福利在线在线| 非洲黑人性xxxx精品又粗又长| 国产午夜福利久久久久久| 一级毛片久久久久久久久女| 一夜夜www| 欧美+日韩+精品| 嫩草影院精品99| 啦啦啦韩国在线观看视频| 久久这里只有精品中国| 99热这里只有精品一区| 国产一区二区在线观看日韩| 一卡2卡三卡四卡精品乱码亚洲| 国产一区二区三区av在线 | av在线观看视频网站免费| 在线免费观看不下载黄p国产| 精品人妻偷拍中文字幕| 亚洲四区av| 亚洲中文字幕一区二区三区有码在线看| 美女cb高潮喷水在线观看| 你懂的网址亚洲精品在线观看 | 久久久国产成人精品二区| 国产极品天堂在线| 秋霞在线观看毛片| 99国产极品粉嫩在线观看| 人妻系列 视频| 久久欧美精品欧美久久欧美| 色视频www国产| 国产午夜精品久久久久久一区二区三区| 国产精品美女特级片免费视频播放器| 国产精品综合久久久久久久免费| 在线免费十八禁| 成人毛片a级毛片在线播放| 亚洲人与动物交配视频| 久久精品人妻少妇| 能在线免费观看的黄片| 国产高潮美女av| 久99久视频精品免费| 久久热精品热| 成人性生交大片免费视频hd| 日韩精品青青久久久久久| 在线免费观看不下载黄p国产| 神马国产精品三级电影在线观看| 久久久久性生活片| av天堂在线播放| 免费在线观看成人毛片| 自拍偷自拍亚洲精品老妇| 国产一级毛片在线| 欧美日韩精品成人综合77777| 亚洲av电影不卡..在线观看| 午夜a级毛片| 国产久久久一区二区三区| 色综合亚洲欧美另类图片| 国产精品久久电影中文字幕| 久久婷婷人人爽人人干人人爱| 又爽又黄a免费视频| av免费在线看不卡| 亚洲在线自拍视频| 精品久久久久久久久av| 亚洲精华国产精华液的使用体验 | 欧美+日韩+精品| 日日干狠狠操夜夜爽| 99久久九九国产精品国产免费| 卡戴珊不雅视频在线播放| 精品不卡国产一区二区三区| 午夜福利视频1000在线观看| av在线蜜桃| 亚洲欧美日韩高清专用| 国内少妇人妻偷人精品xxx网站| 狂野欧美白嫩少妇大欣赏| 自拍偷自拍亚洲精品老妇| 国产精品伦人一区二区| 欧美bdsm另类| 亚洲第一电影网av| 黑人高潮一二区| 一级毛片aaaaaa免费看小| 色综合站精品国产| 欧美高清成人免费视频www| 听说在线观看完整版免费高清| 欧美激情国产日韩精品一区| 99国产精品一区二区蜜桃av| 一级黄色大片毛片| 日韩高清综合在线| 九九在线视频观看精品| 一区二区三区免费毛片| 九九在线视频观看精品| 免费观看的影片在线观看| 成年女人看的毛片在线观看| 1024手机看黄色片| 日本免费一区二区三区高清不卡| 99在线视频只有这里精品首页| 精品人妻偷拍中文字幕| 非洲黑人性xxxx精品又粗又长| 最好的美女福利视频网| 婷婷色av中文字幕| 草草在线视频免费看| 高清毛片免费看| av免费在线看不卡| 国产成人精品一,二区 | 免费观看精品视频网站| 久久精品影院6| 麻豆一二三区av精品| 乱人视频在线观看| 伊人久久精品亚洲午夜| 久久韩国三级中文字幕| 美女脱内裤让男人舔精品视频 | 成人欧美大片| 丰满乱子伦码专区| 国产精品人妻久久久久久| 舔av片在线| 日本熟妇午夜| 亚洲五月天丁香| 精品熟女少妇av免费看| 1024手机看黄色片| 亚洲精品亚洲一区二区| 亚洲一区高清亚洲精品| 26uuu在线亚洲综合色| 亚洲天堂国产精品一区在线| 波多野结衣高清作品| 亚洲在线观看片| 一级毛片电影观看 | 中文字幕久久专区| 成人漫画全彩无遮挡| 国内精品一区二区在线观看| 一个人观看的视频www高清免费观看| 欧美激情国产日韩精品一区| 一级二级三级毛片免费看| 天堂网av新在线| 久久精品影院6| 亚洲丝袜综合中文字幕| 久久久久久久午夜电影| 十八禁国产超污无遮挡网站| 精品一区二区免费观看| 国产精品麻豆人妻色哟哟久久 | 三级经典国产精品| 日本一二三区视频观看| 亚洲av中文av极速乱| 国产91av在线免费观看| 日韩欧美三级三区| 亚洲av中文字字幕乱码综合| 一级毛片久久久久久久久女| 免费无遮挡裸体视频| 国产精华一区二区三区| 大型黄色视频在线免费观看| 亚洲精品456在线播放app| 少妇被粗大猛烈的视频| 精品人妻一区二区三区麻豆| 国产国拍精品亚洲av在线观看| 免费一级毛片在线播放高清视频| 免费大片18禁| 国产精品一区二区在线观看99 | 不卡一级毛片| 久久精品国产亚洲网站| 欧美bdsm另类| 午夜久久久久精精品| 国产亚洲91精品色在线| 麻豆成人av视频| 一区二区三区免费毛片| 亚洲一区二区三区色噜噜| 国产日本99.免费观看|