• <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FS-YOLOv3及多尺度特征融合的棉布瑕疵檢測(cè)

    2021-02-02 06:49:40劉露露李波何征姚為
    關(guān)鍵詞:棉布邊框瑕疵

    劉露露,李波 *,何征,姚為

    (1 中南民族大學(xué) 計(jì)算機(jī)科學(xué)學(xué)院,武漢 430074;2 武漢捷普瑞科技有限公司,武漢 430074)

    在當(dāng)前的紡織企業(yè)中,織物的檢驗(yàn)仍以傳統(tǒng)的人工視覺(jué)檢驗(yàn)方式為主,檢測(cè)速度一般在 15-20 m/min[1],無(wú)法滿(mǎn)足在線檢測(cè)的要求.紡織廠中的織物若出現(xiàn)瑕疵,將嚴(yán)重影響其經(jīng)濟(jì)收益.因此,以機(jī)器視覺(jué)和深度學(xué)習(xí)為依托的檢測(cè)方法成為近幾年研究的熱點(diǎn).

    一般基于傳統(tǒng)的機(jī)器視覺(jué)處理方法大致可分為統(tǒng)計(jì)法(數(shù)學(xué)形態(tài)學(xué)法[2]、直方圖統(tǒng)計(jì)法[3]、遺傳算法[4]、貝葉斯統(tǒng)計(jì)法[5]),模型法(總變差模型[6]),光譜法(快速傅里葉變換[7]、小波變換[8]、Gabor變換[9]),且由于一種算法很難取得理想的瑕疵輪廓,于是很多學(xué)者將多種算法融合應(yīng)用.但這些傳統(tǒng)算法過(guò)于依賴(lài)圖像本身的淺層特征,圖像的低對(duì)比度、光照不均等因素都會(huì)干擾檢測(cè)結(jié)果,使得檢測(cè)精度較低.

    近些年深度學(xué)習(xí)在目標(biāo)檢測(cè)方面發(fā)展迅猛,采用經(jīng)過(guò)驗(yàn)證的兩級(jí)管道,例如Fast R-CNN[10]、Faster R-CNN[11]、Mask R-CNN[12]等框架已成為一種流行范式.首先需生成一些候選框(Proposal),然后對(duì)它們進(jìn)行分類(lèi),能實(shí)現(xiàn)較好的檢測(cè)效果,但由于步驟繁瑣,檢測(cè)速度較慢.另一些框架如SSD[13]、YOLO[14]省去候選框的生成過(guò)程,輸入整張圖像后直接在輸出層回歸出目標(biāo)位置和類(lèi)別,從而得到較快的檢測(cè)速度.吳桐等人[15]基于YOLO網(wǎng)絡(luò)研究了一種數(shù)據(jù)集預(yù)處理的方法進(jìn)行焊縫瑕疵的檢測(cè),以流水線作業(yè)的方式提升網(wǎng)絡(luò)檢測(cè)速度.由于錨框選取的好壞直接影響檢測(cè)精度的高低,故本文在YOLOv3網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行改進(jìn),提出一種棉布瑕疵目標(biāo)檢測(cè)算法FS-YOLOv3(Four Scales YOLOv3),在保證速度的同時(shí),從先驗(yàn)框的選取、尺度的選擇、目標(biāo)框?yàn)V除三個(gè)角度進(jìn)行優(yōu)化,進(jìn)一步提高檢測(cè)精度.

    1 YOLOv3基本原理

    YOLOv3在輸入圖像后,用Darknet-53網(wǎng)絡(luò)[16]提取圖像特征,并將網(wǎng)絡(luò)分為5個(gè)階段,每個(gè)階段通過(guò)設(shè)定步長(zhǎng)為2的卷積完成.在預(yù)測(cè)目標(biāo)類(lèi)別時(shí),用多個(gè)獨(dú)立的邏輯輸出預(yù)測(cè),使其可以支持多標(biāo)簽對(duì)象.經(jīng)典的YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示.

    圖1 經(jīng)典YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 The classic YOLOv3 network structure

    運(yùn)用K-Means[17]對(duì)n個(gè)已標(biāo)注的數(shù)據(jù)根據(jù)距離劃分為k個(gè)簇,當(dāng)兩個(gè)對(duì)象的距離越接近時(shí),就認(rèn)為其相似度越大,從而得到盡可能匹配瑕疵對(duì)象的邊框尺寸.若數(shù)據(jù)集中有n個(gè)樣本點(diǎn)xi,k個(gè)簇中心uj,定義指標(biāo)變量rij,聚類(lèi)優(yōu)化目標(biāo)可由式(1)表示.但樣本在某個(gè)維度的數(shù)值特別大時(shí),聚簇中心會(huì)偏向異常點(diǎn),導(dǎo)致聚類(lèi)效果不佳.

    (1)

    采用非極大值抑制(NMS)[18]算法找到最佳的目標(biāo)檢測(cè)位置,檢測(cè)框分?jǐn)?shù)計(jì)算如下:

    (2)

    其中,Si表示檢測(cè)框i的得分,M表示當(dāng)前得分最高的檢測(cè)框,IOU(M,bi)為檢測(cè)框bi與M的交并比,Nt表示NMS設(shè)定的閾值.當(dāng)交并比大于設(shè)定的閾值時(shí),檢測(cè)框的得分將設(shè)為0,即相當(dāng)于刪除.但樣本中目標(biāo)出現(xiàn)較為密集時(shí),本身屬于兩個(gè)目標(biāo)的邊框,得分較低的會(huì)被抑制,從而降低模型的召回率.一般的目標(biāo)檢測(cè)流程如圖2所示.

    2 FS-YOLOv3模型設(shè)計(jì)

    圖3是基于YOLOv3網(wǎng)絡(luò)提出的FS-YOLOv3網(wǎng)絡(luò)流程.輸入圖像后,將樣本進(jìn)行隨機(jī)剪裁、旋轉(zhuǎn)等預(yù)處理工作,以增強(qiáng)模型的魯棒性.假設(shè)輸出特征圖的高度、寬度分別為H、W,相當(dāng)于將圖像劃分為H×W個(gè)網(wǎng)格,圖像的每個(gè)網(wǎng)格對(duì)應(yīng)輸出特征圖平面上的一個(gè)表征點(diǎn).在每個(gè)網(wǎng)格上都放上這些錨框,每個(gè)網(wǎng)格上每個(gè)錨框都對(duì)應(yīng)一個(gè)預(yù)測(cè)框.在過(guò)濾預(yù)測(cè)框階段,設(shè)置分類(lèi)置信度閾值為threshold1,定位置信度閾值為threshold2.用紅色框凸顯先驗(yàn)框的選取、尺度的選擇以及目標(biāo)框的濾除部分.

    圖3 FS-YOLOv3瑕疵檢測(cè)方法流程圖Fig.3 Flowchart of FS-YOLOv3 defect detection method

    在先驗(yàn)框的選取上,利用錨點(diǎn)機(jī)制預(yù)測(cè)瑕疵邊界框,降低模型訓(xùn)練的復(fù)雜度.隨著對(duì)樣本特征的不斷學(xué)習(xí),根據(jù)真實(shí)框?qū)Τ跏己蜻x框逐步修正,得到逐漸接近真實(shí)框的參數(shù).為減少隨機(jī)初始化對(duì)結(jié)果的影響、得到更好的IOU得分,用K-Means++算法取代K-Means算法,將候選框和真實(shí)框的交并比(IOU)作為位置相似性度量,計(jì)算公式如下:

    d(box,centre)=1-IOU(box,centre),

    (3)

    其中,box為目標(biāo)的真實(shí)框,centre為樣本聚類(lèi)中心,IOU(box,centre)表示目標(biāo)真實(shí)框和聚類(lèi)得到的錨框的交并比,隨著IOU的增大,函數(shù)值d(box,centre)越小,聚類(lèi)得到的錨框與真實(shí)框越接近,效果也越好.

    在預(yù)測(cè)階段,對(duì)于輸入的瑕疵圖像,預(yù)測(cè)一個(gè)三維張量,包括對(duì)棉布瑕疵每個(gè)預(yù)測(cè)框的坐標(biāo)信息x、y、w、h,可以根據(jù)式(4)、(5)將錨框的中心點(diǎn)偏移到與真實(shí)框一致,根據(jù)式(6)、(7)對(duì)預(yù)測(cè)框的寬度和高度做拉伸處理,使得預(yù)測(cè)框與真實(shí)框保持一致.

    bx=σ(x)+cx,

    (4)

    by=σ(y)+cy,

    (5)

    bw=pwew,

    (6)

    bh=pheh,

    (7)

    其中,cx、cy表示在特征圖上每個(gè)預(yù)測(cè)單元格的左上角坐標(biāo),σ(x)、σ(y)表示對(duì)網(wǎng)絡(luò)輸出的坐標(biāo)通過(guò)Sigmoid函數(shù)處理后的結(jié)果.通過(guò)聚類(lèi)得到錨框的尺寸pw、ph,對(duì)標(biāo)注信息w、h取ew、eh,使得預(yù)測(cè)框?qū)挾群透叨群銥檎?最終得到的邊界框相對(duì)于特征圖的坐標(biāo)即bx、by、bw、bh.

    對(duì)棉布中的瑕疵目標(biāo),神經(jīng)網(wǎng)絡(luò)分別為每種尺寸各預(yù)測(cè)了3個(gè)邊界框,并用二元交叉熵?fù)p失來(lái)進(jìn)行瑕疵類(lèi)別的預(yù)測(cè),二元交叉熵?fù)p失(LMSE)的定義如下:

    (8)

    用深度殘差網(wǎng)絡(luò)提取圖像特征,隨著網(wǎng)絡(luò)層數(shù)的加深,提取到的特征也越豐富.初始卷積層用32個(gè)3×3的卷積核過(guò)濾416×416大小的棉布瑕疵圖像;隨后將之前卷積層的輸出作為下一層的輸入,并使用64個(gè)3×3的卷積核,用兩個(gè)像素的步長(zhǎng)對(duì)它們?yōu)V波實(shí)現(xiàn)下采樣操作,此時(shí)得到的特征圖尺寸為208×208;執(zhí)行包含1×,2×,8×,8×,4×殘差塊的5組網(wǎng)絡(luò),分別獲得208×208,104×104,52×52,26×26,13×13分辨率的特征圖.FS-YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示.

    在主干網(wǎng)絡(luò)后新增加1個(gè)卷積層,對(duì)13×13的特征圖進(jìn)行下采樣獲取淺層的圖像信息,對(duì)26×26,52×52,104×104的特征圖以2倍大小執(zhí)行上采樣獲取復(fù)雜圖像信息.為了獲得更有意義的語(yǔ)義信息,增強(qiáng)特征金字塔的表征能力,將深度殘差網(wǎng)絡(luò)中相對(duì)應(yīng)尺寸的特征圖和預(yù)測(cè)網(wǎng)絡(luò)中的特征圖進(jìn)行級(jí)聯(lián),利用上下文語(yǔ)義信息進(jìn)行棉布瑕疵檢測(cè).4個(gè)檢測(cè)分支共享從殘差網(wǎng)絡(luò)中提取特征.同時(shí),在所有卷積層上均添加批量標(biāo)準(zhǔn)化層以幫助規(guī)范網(wǎng)絡(luò).使用Leaky Relu激活函數(shù)讓梯度更為有效地傳播,既不會(huì)引起過(guò)多的額外計(jì)算成本,也能提高對(duì)神經(jīng)網(wǎng)絡(luò)的自歸一化.

    在低對(duì)比度的樣本圖像中,噪聲往往會(huì)被當(dāng)成目標(biāo),得分低的邊框又被強(qiáng)制去除,造成檢測(cè)精度下降.對(duì)此引入Softer NMS算法,使得高分類(lèi)置信度的邊框變得更加準(zhǔn)確.Softer NMS提出了一種基于KL散度的邊框回歸損失函數(shù)KL loss,是最小化預(yù)測(cè)邊框的高斯分布與真實(shí)目標(biāo)的迪克拉分布之間的KL散度,也就是說(shuō)預(yù)測(cè)邊框分布越接近真實(shí)目標(biāo)分布,損失越小.Softer NMS分別對(duì)IOU大于重疊度閾值的預(yù)測(cè)作加權(quán)平均計(jì)算,得到新的4個(gè)坐標(biāo)點(diǎn),第i個(gè)邊框的x1計(jì)算公式如下:

    (9)

    其中,j表示所求IOU大于重疊閾值的邊框,對(duì)IOU大于設(shè)定閾值的邊框坐標(biāo)進(jìn)行了加權(quán)平均,希望分類(lèi)得分高的邊框能夠利用到周?chē)吙蛐畔?,從而提升?zhǔn)確度.

    圖4 FS-YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 FS-YOLOv3 network structure

    3 實(shí)驗(yàn)結(jié)果分析與比較

    3.1 實(shí)驗(yàn)環(huán)境

    以下驗(yàn)證FS-YOLOv3網(wǎng)絡(luò)的有效性.實(shí)驗(yàn)硬件環(huán)境主要包括:CPU為Intel(R) Core(TM) i5-4210U,內(nèi)存為12GB,軟件環(huán)境主要包括64位的Windows操作系統(tǒng)以及TensorFlow深度學(xué)習(xí)編程平臺(tái).

    數(shù)據(jù)集質(zhì)量的高低直接影響最終檢測(cè)效果的好壞,為了充分學(xué)習(xí)待檢測(cè)目標(biāo)的特征,從企業(yè)現(xiàn)場(chǎng)采集了4360張實(shí)際樣本,對(duì)樣本統(tǒng)一裁剪成416×416大小的圖片.根據(jù)企業(yè)提供的瑕疵坐標(biāo),本文對(duì)80%的圖片使用Labeling工具手工標(biāo)注瑕疵位置后作為訓(xùn)練集,20%作為測(cè)試集,將有瑕疵的圖片作為正樣本,無(wú)瑕疵的圖片作為負(fù)樣本.棉布瑕疵樣可大致分為點(diǎn)狀瑕疵、復(fù)雜背景下瑕疵、弱目標(biāo)瑕疵、低對(duì)比度帶狀瑕疵和大尺度瑕疵5類(lèi),部分棉布瑕疵樣本如圖5所示.

    圖5 棉布瑕疵圖像Fig.5 Cotton defect image

    3.2 檢測(cè)結(jié)果比較與分析

    圖6分別展示了圖像處理法、Faster R-CNN、YOLOv3、FS-YOLOv3對(duì)棉布樣本瑕疵的檢測(cè)結(jié)果,其中深色的線條即為棉布瑕疵區(qū)域.

    (a)點(diǎn)狀瑕疵 (b)復(fù)雜背景下瑕疵 (c)弱目標(biāo)瑕疵 (d)低對(duì)比度帶狀瑕疵(e)大尺度瑕疵 圖6 棉布瑕疵檢測(cè)結(jié)果Fig.6 Cotton fabric defect detection results

    用圖像處理法進(jìn)行瑕疵檢測(cè),設(shè)置放大倍數(shù)為1.2,偏置為10,根據(jù)線性變換調(diào)節(jié)圖像的亮度和拉伸度,用限制對(duì)比度自適應(yīng)直方圖均衡化來(lái)抑制噪聲區(qū)域,自適應(yīng)閾值分割后運(yùn)用形態(tài)學(xué)處理方法去噪,利用Sobel算子對(duì)圖像做卷積,獲取圖像橫向和縱向的亮度差分近似值,計(jì)算梯度的估計(jì)值,通過(guò)確定邊界值提取圖像特征,填充輪廓顏色,找到所有瑕疵區(qū)域并標(biāo)記.

    用Faster R-CNN網(wǎng)絡(luò)進(jìn)行瑕疵檢測(cè),以ResNet50為骨干網(wǎng)絡(luò)提取特征獲得共享特征層,利用共享特征層獲取anchors,可以得到anchors的左上角和右下角坐標(biāo)為[[-8 -40 99 55][-176 -88 191 90][-330 180 374 190][-56 -56 60 60][-98 -98 110 110][-240 -240 230 230][-33 -80 50 91][-79 -110 90 169][-155 -312 130 320]],對(duì)anchor解碼以獲取需要截取的位置,對(duì)共享特征層進(jìn)行截取并resize后進(jìn)行下一步卷積,獲取最終預(yù)測(cè)結(jié)果并解碼.

    用YOLOv3網(wǎng)絡(luò)進(jìn)行瑕疵檢測(cè),基于K-Means算法聚類(lèi)9個(gè)錨框,得到的anchors為[[10 19][26 30][33 23][36 67][68 43][58 138][126 90][144 142][334 311]],在(13×13),(26×26),(52×52)三個(gè)尺度上進(jìn)行預(yù)測(cè).

    用FS-YOLOv3網(wǎng)絡(luò)進(jìn)行瑕疵檢測(cè),基于K-Means++算法聚類(lèi)12個(gè)錨框,得到的anchors為[[19 27][22 22][28 29][30 57][215 411][219 310][244 183][298 320][317 414][322 409][350 412][387 412]].候選框數(shù)量對(duì)應(yīng)平均交并比如圖7所示,最終在(13×13),(26×26),(52×52),(104×104)四個(gè)尺度上進(jìn)行預(yù)測(cè).

    對(duì)輸入圖片的角度、曝光度、飽和度、色調(diào)、尺寸進(jìn)行調(diào)整以增強(qiáng)模型的魯棒性.設(shè)置網(wǎng)絡(luò)參數(shù):學(xué)習(xí)率為0.001,動(dòng)量為0.9,權(quán)重衰減正則化為0.0005,IOU閾值為0.5,分類(lèi)置信度閾值threshold1為0.5,定位置信度閾值threshold2為0.4,迭代500次.

    從圖6可見(jiàn)對(duì)于對(duì)比度較高的點(diǎn)狀瑕疵用圖像法檢測(cè)效果較為明顯,對(duì)于復(fù)雜背景或弱目標(biāo)瑕疵,深度學(xué)習(xí)的方法更為適用.但對(duì)于低對(duì)比度的帶狀瑕疵,F(xiàn)aster R-CNN網(wǎng)絡(luò)未能檢測(cè)出來(lái),且YOLOv3網(wǎng)絡(luò)將噪聲區(qū)域檢測(cè)為目標(biāo)區(qū)域,改進(jìn)后的FS-YOLOv3網(wǎng)絡(luò)可有效檢測(cè)出瑕疵區(qū)域,接近標(biāo)準(zhǔn).

    圖7 候選框數(shù)量對(duì)應(yīng)平均交并比Fig.7 The number of candidate boxes corresponds to the average intersection ratio

    本文采用召回率(recall)、準(zhǔn)確率(accuracy)、精確度(precision)、時(shí)間四種評(píng)估方法來(lái)衡量檢測(cè)結(jié)果.召回率計(jì)算如式(10)所示,反映了被正確判定的正例占總的正例的比重;準(zhǔn)確率計(jì)算如式(11)所示,其值越大表示分類(lèi)效果越好;精確度計(jì)算如式(12)所示,反映了被分類(lèi)器判定為正例中真正的正例樣本的比重.

    (10)

    (11)

    (12)

    其中TP表示預(yù)測(cè)樣本有瑕疵,實(shí)際樣本有瑕疵;TN表示預(yù)測(cè)樣本無(wú)瑕疵,實(shí)際樣本無(wú)瑕疵;FP表示預(yù)測(cè)樣本有瑕疵,實(shí)際樣本無(wú)瑕疵;FN表示預(yù)測(cè)樣本無(wú)瑕疵,實(shí)際樣本有瑕疵.

    結(jié)合表1的結(jié)果可見(jiàn),在相同的實(shí)現(xiàn)環(huán)境中,傳統(tǒng)圖像分析法因?qū)崿F(xiàn)較為簡(jiǎn)單,檢測(cè)較快,但計(jì)算機(jī)往往將噪聲當(dāng)做瑕疵進(jìn)行檢測(cè),對(duì)低對(duì)比度的圖像誤檢、漏檢較多,只有76.85%的準(zhǔn)確率,精準(zhǔn)度很低.而Faster R-CNN網(wǎng)絡(luò)、YOLOv3網(wǎng)絡(luò)因?yàn)閷W(xué)習(xí)了圖像深層特征,對(duì)大多數(shù)對(duì)比度較強(qiáng)的樣本效果較好,但對(duì)于條紋狀瑕疵檢測(cè)不敏感,漏檢較多,且Faster R-CNN網(wǎng)絡(luò)時(shí)間開(kāi)銷(xiāo)過(guò)大.改進(jìn)后的FS-YOLOv3網(wǎng)絡(luò),對(duì)規(guī)范整齊的棉布瑕疵檢測(cè)效果較好,但對(duì)于帶狀瑕疵標(biāo)注大小較為敏感,隨著標(biāo)注的精準(zhǔn),準(zhǔn)確率可達(dá)89.66%,精確度明顯優(yōu)于其他方法.

    4 結(jié)論

    由于棉布瑕疵種類(lèi)繁多,加上機(jī)器振動(dòng)、光照等原因造成的噪聲過(guò)大,圖像的低對(duì)比度使得識(shí)別難度增大,為解決此問(wèn)題,本文提出一種基于FS-YOLOv3的棉布瑕疵檢測(cè)方法.通過(guò)基于IOU的K-Means++聚類(lèi)算法獲得初始錨框,提升錨框分布的準(zhǔn)確率.通過(guò)增加卷積層,多尺度訓(xùn)練樣本,使得小目標(biāo)瑕疵檢測(cè)更為精準(zhǔn).通過(guò)Softer-NMS過(guò)濾重疊檢測(cè)框,將分類(lèi)置信度和定位置信度作為衡量標(biāo)準(zhǔn),降低誤檢率.實(shí)驗(yàn)結(jié)果表明:本文提出的算法檢測(cè)結(jié)果較好(準(zhǔn)確率較YOLOv3網(wǎng)絡(luò)提升了6%,召回率提高8%,精確率提高17%,檢測(cè)速度比Faster R-CNN網(wǎng)絡(luò)快一倍),大大減少人力、物力的同時(shí),還可以通過(guò)自動(dòng)識(shí)別技術(shù)反饋瑕疵情況,可有效提高棉布生產(chǎn)中瑕疵檢測(cè)的精度和速度.

    猜你喜歡
    棉布邊框瑕疵
    一模六產(chǎn)品篩板模具的設(shè)計(jì)與應(yīng)用
    智能制造(2022年4期)2022-08-18 16:21:14
    登記行為瑕疵與善意取得排除的解釋論
    法律方法(2021年4期)2021-03-16 05:35:28
    哦,瑕疵
    哦,瑕疵
    2019年2月我國(guó)棉布出口量同比下降34.18%
    用Lightroom添加寶麗來(lái)邊框
    棉布情懷
    給照片制作專(zhuān)業(yè)級(jí)的邊框
    米染染的碎花棉布裙
    擺脫邊框的束縛優(yōu)派
    国产欧美日韩一区二区精品| 精品福利观看| 精品人妻1区二区| 国产欧美日韩一区二区三| 亚洲av熟女| 日本撒尿小便嘘嘘汇集6| 美女被艹到高潮喷水动态| 99视频精品全部免费 在线| 18禁黄网站禁片免费观看直播| 亚洲av成人av| 麻豆成人午夜福利视频| 99精品在免费线老司机午夜| 悠悠久久av| 一进一出好大好爽视频| 高清毛片免费观看视频网站| 亚洲第一电影网av| 免费无遮挡裸体视频| 久久国产乱子伦精品免费另类| 99在线人妻在线中文字幕| 嫁个100分男人电影在线观看| 亚洲男人的天堂狠狠| 少妇熟女aⅴ在线视频| 亚洲精品一区av在线观看| 国产精品三级大全| 无人区码免费观看不卡| 91在线观看av| 欧美日本亚洲视频在线播放| 观看美女的网站| 亚洲欧美激情综合另类| 伊人久久精品亚洲午夜| avwww免费| 天美传媒精品一区二区| 少妇的丰满在线观看| 在线观看舔阴道视频| 国产精品久久久久久亚洲av鲁大| 乱人视频在线观看| 免费看日本二区| 欧美乱码精品一区二区三区| av国产免费在线观看| 亚洲欧美一区二区三区黑人| 内地一区二区视频在线| 欧美区成人在线视频| 久久这里只有精品中国| 高清毛片免费观看视频网站| 国产欧美日韩精品一区二区| 日韩精品青青久久久久久| 天堂√8在线中文| 亚洲最大成人手机在线| 天堂av国产一区二区熟女人妻| 12—13女人毛片做爰片一| 国产成年人精品一区二区| 女人十人毛片免费观看3o分钟| 成年人黄色毛片网站| 狂野欧美激情性xxxx| 久久久精品大字幕| 少妇高潮的动态图| 久久人人精品亚洲av| 19禁男女啪啪无遮挡网站| 色播亚洲综合网| 成人性生交大片免费视频hd| 男女那种视频在线观看| 欧美日韩瑟瑟在线播放| 国内少妇人妻偷人精品xxx网站| 亚洲美女视频黄频| 色综合亚洲欧美另类图片| 九九热线精品视视频播放| 欧美日韩乱码在线| 欧美国产日韩亚洲一区| 国产一级毛片七仙女欲春2| 亚洲精品色激情综合| 亚洲五月婷婷丁香| 麻豆一二三区av精品| 日韩免费av在线播放| 久久精品综合一区二区三区| 亚洲一区高清亚洲精品| 婷婷精品国产亚洲av| 搡女人真爽免费视频火全软件 | 99精品在免费线老司机午夜| 手机成人av网站| 色尼玛亚洲综合影院| 亚洲av不卡在线观看| 欧美高清成人免费视频www| 日本黄大片高清| 国内揄拍国产精品人妻在线| 国产精品一区二区三区四区久久| 亚洲欧美一区二区三区黑人| 老司机午夜十八禁免费视频| 免费观看精品视频网站| 久久国产精品影院| 亚洲精品日韩av片在线观看 | 90打野战视频偷拍视频| 偷拍熟女少妇极品色| 51午夜福利影视在线观看| 欧美成人一区二区免费高清观看| 精品无人区乱码1区二区| www.熟女人妻精品国产| 在线观看舔阴道视频| h日本视频在线播放| 国产三级中文精品| 热99在线观看视频| 成年女人永久免费观看视频| 天天躁日日操中文字幕| 亚洲欧美激情综合另类| 国产在线精品亚洲第一网站| 两性午夜刺激爽爽歪歪视频在线观看| 三级国产精品欧美在线观看| 2021天堂中文幕一二区在线观| av天堂在线播放| 18禁黄网站禁片午夜丰满| 精品免费久久久久久久清纯| 18美女黄网站色大片免费观看| 黄色片一级片一级黄色片| 久久久久精品国产欧美久久久| 麻豆一二三区av精品| 亚洲精品一卡2卡三卡4卡5卡| 此物有八面人人有两片| 草草在线视频免费看| or卡值多少钱| 美女cb高潮喷水在线观看| 亚洲一区高清亚洲精品| 脱女人内裤的视频| 小说图片视频综合网站| 美女免费视频网站| avwww免费| 国产亚洲欧美在线一区二区| 18禁在线播放成人免费| 一区二区三区免费毛片| 亚洲av不卡在线观看| 日本成人三级电影网站| 99精品欧美一区二区三区四区| 别揉我奶头~嗯~啊~动态视频| 亚洲av中文字字幕乱码综合| 色在线成人网| 午夜精品在线福利| 又黄又粗又硬又大视频| 欧美黄色片欧美黄色片| 国产精品亚洲av一区麻豆| 婷婷精品国产亚洲av| 男女床上黄色一级片免费看| 女人被狂操c到高潮| 久久精品国产综合久久久| 国产精品99久久久久久久久| 亚洲成人久久爱视频| 午夜福利成人在线免费观看| 免费一级毛片在线播放高清视频| 小说图片视频综合网站| 久久久久亚洲av毛片大全| 国产精品免费一区二区三区在线| 欧美成人性av电影在线观看| 别揉我奶头~嗯~啊~动态视频| 日韩欧美在线二视频| 日本三级黄在线观看| 成人欧美大片| 亚洲国产高清在线一区二区三| 久久精品影院6| 欧美色欧美亚洲另类二区| 又黄又爽又免费观看的视频| 国产国拍精品亚洲av在线观看 | 国产精品99久久久久久久久| 亚洲熟妇中文字幕五十中出| 美女高潮的动态| 亚洲精品一卡2卡三卡4卡5卡| 亚洲国产欧洲综合997久久,| 国产v大片淫在线免费观看| 黄色成人免费大全| 中文字幕熟女人妻在线| 精品人妻一区二区三区麻豆 | 18禁裸乳无遮挡免费网站照片| 精品国内亚洲2022精品成人| 最新中文字幕久久久久| 三级毛片av免费| 特级一级黄色大片| 国产私拍福利视频在线观看| 桃色一区二区三区在线观看| 全区人妻精品视频| 俄罗斯特黄特色一大片| 欧美大码av| 久久欧美精品欧美久久欧美| 一本久久中文字幕| 国产伦精品一区二区三区四那| 亚洲欧美日韩无卡精品| 国产亚洲av嫩草精品影院| 免费av观看视频| 男人舔女人下体高潮全视频| bbb黄色大片| 少妇高潮的动态图| 国产一区二区在线av高清观看| 欧美色欧美亚洲另类二区| 亚洲av二区三区四区| 亚洲18禁久久av| 欧美3d第一页| 久久精品91蜜桃| 深爱激情五月婷婷| 亚洲在线观看片| 久久人人精品亚洲av| 十八禁人妻一区二区| 亚洲成av人片在线播放无| 丰满的人妻完整版| 欧美3d第一页| 久久久久久九九精品二区国产| 69人妻影院| 淫妇啪啪啪对白视频| 国产三级在线视频| 国产成人影院久久av| 久久久久久久久中文| 搡女人真爽免费视频火全软件 | 亚洲中文字幕一区二区三区有码在线看| 极品教师在线免费播放| 一级毛片女人18水好多| 日韩 欧美 亚洲 中文字幕| 麻豆国产av国片精品| 欧美绝顶高潮抽搐喷水| 成人特级av手机在线观看| 日本在线视频免费播放| 一级a爱片免费观看的视频| tocl精华| 国产老妇女一区| 最近视频中文字幕2019在线8| 在线播放国产精品三级| 91av网一区二区| 一本一本综合久久| 欧美最新免费一区二区三区 | 母亲3免费完整高清在线观看| 啦啦啦韩国在线观看视频| 丁香欧美五月| 99久久精品国产亚洲精品| 国产老妇女一区| 欧美一区二区亚洲| 亚洲在线观看片| 啦啦啦免费观看视频1| 在线观看日韩欧美| 动漫黄色视频在线观看| 最近最新免费中文字幕在线| 国产免费男女视频| 国产一区二区三区在线臀色熟女| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 啦啦啦免费观看视频1| 国产真实乱freesex| 精品福利观看| 中文字幕熟女人妻在线| 成人欧美大片| 五月玫瑰六月丁香| 欧美另类亚洲清纯唯美| 国产精品久久久久久亚洲av鲁大| 青草久久国产| 小说图片视频综合网站| 免费人成视频x8x8入口观看| 欧美中文综合在线视频| 日本黄大片高清| 日韩av在线大香蕉| 日韩欧美在线乱码| 99在线人妻在线中文字幕| 欧洲精品卡2卡3卡4卡5卡区| 亚洲自拍偷在线| 亚洲欧美日韩高清专用| 亚洲中文字幕日韩| 国产精品久久久久久人妻精品电影| 中文字幕av在线有码专区| 国产精品一及| 亚洲久久久久久中文字幕| 国产精品久久久久久亚洲av鲁大| 麻豆成人午夜福利视频| 精品不卡国产一区二区三区| 色播亚洲综合网| 在线观看舔阴道视频| 亚洲熟妇中文字幕五十中出| 九色国产91popny在线| 亚洲精品成人久久久久久| 亚洲人与动物交配视频| 欧美区成人在线视频| 一夜夜www| 国产伦精品一区二区三区四那| 亚洲激情在线av| 中出人妻视频一区二区| 精品久久久久久,| 99在线视频只有这里精品首页| 亚洲精品一卡2卡三卡4卡5卡| 免费大片18禁| 久久精品国产综合久久久| 免费高清视频大片| 淫妇啪啪啪对白视频| 国内揄拍国产精品人妻在线| 国产亚洲欧美98| 人妻夜夜爽99麻豆av| 免费看十八禁软件| 免费无遮挡裸体视频| 偷拍熟女少妇极品色| 日日摸夜夜添夜夜添小说| 色综合亚洲欧美另类图片| 99久国产av精品| 久久久久亚洲av毛片大全| 国产欧美日韩一区二区精品| 欧美日韩黄片免| 男女视频在线观看网站免费| 国产精品99久久久久久久久| 日韩欧美免费精品| 亚洲一区二区三区不卡视频| 欧美性感艳星| 在线观看舔阴道视频| 19禁男女啪啪无遮挡网站| 观看免费一级毛片| 久久中文看片网| 国产精品久久电影中文字幕| 国产一区二区在线观看日韩 | 国产高潮美女av| 黄片大片在线免费观看| 日韩中文字幕欧美一区二区| 69人妻影院| 亚洲无线观看免费| 18禁在线播放成人免费| 国产亚洲精品一区二区www| 哪里可以看免费的av片| 免费在线观看日本一区| 亚洲熟妇熟女久久| 99精品在免费线老司机午夜| 国产黄a三级三级三级人| 观看免费一级毛片| 欧美黄色片欧美黄色片| 淫妇啪啪啪对白视频| 香蕉av资源在线| 欧美日韩亚洲国产一区二区在线观看| 国产成人系列免费观看| 精品午夜福利视频在线观看一区| 亚洲成人中文字幕在线播放| 老司机福利观看| 国产午夜精品久久久久久一区二区三区 | 高清在线国产一区| 草草在线视频免费看| 色av中文字幕| 日韩 欧美 亚洲 中文字幕| 欧美3d第一页| 97人妻精品一区二区三区麻豆| 在线观看免费午夜福利视频| 精品电影一区二区在线| 黄色片一级片一级黄色片| 12—13女人毛片做爰片一| 毛片女人毛片| 身体一侧抽搐| 最近在线观看免费完整版| 精品国产超薄肉色丝袜足j| 欧美xxxx黑人xx丫x性爽| 免费无遮挡裸体视频| 成人午夜高清在线视频| 精品福利观看| 成人无遮挡网站| 老司机在亚洲福利影院| 最近最新免费中文字幕在线| 女同久久另类99精品国产91| 美女cb高潮喷水在线观看| 在线天堂最新版资源| 日韩欧美精品免费久久 | 国产私拍福利视频在线观看| 男女那种视频在线观看| 老汉色av国产亚洲站长工具| 国产伦精品一区二区三区四那| 哪里可以看免费的av片| 小蜜桃在线观看免费完整版高清| 嫩草影院精品99| 9191精品国产免费久久| 一个人免费在线观看电影| 在线观看舔阴道视频| 国产精品自产拍在线观看55亚洲| 好看av亚洲va欧美ⅴa在| 噜噜噜噜噜久久久久久91| 精品久久久久久久人妻蜜臀av| 国产成人福利小说| 日韩欧美在线乱码| 国产精品女同一区二区软件 | 亚洲av中文字字幕乱码综合| 久久久精品欧美日韩精品| 一区二区三区国产精品乱码| 最近视频中文字幕2019在线8| 9191精品国产免费久久| 天美传媒精品一区二区| 白带黄色成豆腐渣| 久久久久九九精品影院| 亚洲中文字幕一区二区三区有码在线看| 给我免费播放毛片高清在线观看| 国产免费一级a男人的天堂| 麻豆国产av国片精品| 12—13女人毛片做爰片一| 在线观看免费午夜福利视频| 精品人妻1区二区| 桃色一区二区三区在线观看| 3wmmmm亚洲av在线观看| 国内久久婷婷六月综合欲色啪| 黄色女人牲交| 九色国产91popny在线| 五月玫瑰六月丁香| 亚洲av中文字字幕乱码综合| av在线天堂中文字幕| 国产熟女xx| 我要搜黄色片| 激情在线观看视频在线高清| 最后的刺客免费高清国语| 成人特级黄色片久久久久久久| 青草久久国产| 久久精品人妻少妇| 亚洲成a人片在线一区二区| 欧美日本亚洲视频在线播放| 亚洲av电影不卡..在线观看| 一进一出好大好爽视频| 国内精品久久久久精免费| 亚洲精品粉嫩美女一区| 欧美乱码精品一区二区三区| 亚洲欧美日韩卡通动漫| 九九在线视频观看精品| 麻豆国产av国片精品| 亚洲 国产 在线| e午夜精品久久久久久久| 婷婷精品国产亚洲av在线| 成人鲁丝片一二三区免费| 美女免费视频网站| 久久久久精品国产欧美久久久| 精品乱码久久久久久99久播| 国产欧美日韩精品一区二区| 欧美一区二区亚洲| 精品福利观看| 一本一本综合久久| 亚洲精品在线观看二区| 成人亚洲精品av一区二区| 国产免费av片在线观看野外av| 中文在线观看免费www的网站| 国产精品,欧美在线| 亚洲在线自拍视频| 亚洲av电影在线进入| 亚洲无线观看免费| 母亲3免费完整高清在线观看| 国产精品亚洲一级av第二区| 成人性生交大片免费视频hd| 色在线成人网| 高清在线国产一区| 变态另类丝袜制服| 国产亚洲精品一区二区www| 哪里可以看免费的av片| 国产亚洲精品一区二区www| av视频在线观看入口| 老司机在亚洲福利影院| tocl精华| 神马国产精品三级电影在线观看| 老司机福利观看| 一进一出好大好爽视频| 国产av麻豆久久久久久久| 噜噜噜噜噜久久久久久91| 亚洲va日本ⅴa欧美va伊人久久| 国产精品 国内视频| 日本黄色视频三级网站网址| 在线免费观看不下载黄p国产 | 国产精品久久久久久亚洲av鲁大| 色综合欧美亚洲国产小说| 久久久成人免费电影| 国产高清三级在线| 国产一区二区激情短视频| 国产伦在线观看视频一区| 亚洲黑人精品在线| 欧美日韩黄片免| 非洲黑人性xxxx精品又粗又长| 欧美av亚洲av综合av国产av| av黄色大香蕉| 有码 亚洲区| 国产成+人综合+亚洲专区| 丝袜美腿在线中文| 身体一侧抽搐| 欧美黄色淫秽网站| 国产欧美日韩一区二区三| 日日夜夜操网爽| 听说在线观看完整版免费高清| 国产精品一区二区三区四区免费观看 | 国产免费男女视频| 日韩欧美精品免费久久 | 午夜福利免费观看在线| 国产精品国产高清国产av| 久久性视频一级片| 亚洲真实伦在线观看| 欧美丝袜亚洲另类 | 日韩成人在线观看一区二区三区| www.熟女人妻精品国产| 久久久久久国产a免费观看| 国产探花极品一区二区| 性色avwww在线观看| 精品电影一区二区在线| 午夜福利成人在线免费观看| 亚洲熟妇中文字幕五十中出| 欧美+日韩+精品| 亚洲精华国产精华精| 国产免费一级a男人的天堂| 最新在线观看一区二区三区| 久久久久久久久大av| 免费一级毛片在线播放高清视频| av视频在线观看入口| 国产午夜福利久久久久久| 欧美色欧美亚洲另类二区| 搡女人真爽免费视频火全软件 | 宅男免费午夜| 亚洲成av人片在线播放无| 国产精品 国内视频| 一区二区三区高清视频在线| 国产精品久久久久久久久免 | 噜噜噜噜噜久久久久久91| 老熟妇乱子伦视频在线观看| 99在线视频只有这里精品首页| 久久国产乱子伦精品免费另类| 天堂影院成人在线观看| 中文字幕熟女人妻在线| 久久国产精品影院| 美女 人体艺术 gogo| 一a级毛片在线观看| 久久久精品大字幕| 国产伦人伦偷精品视频| 亚洲成人免费电影在线观看| 老司机午夜十八禁免费视频| 免费av毛片视频| 中文字幕高清在线视频| 亚洲精品影视一区二区三区av| 12—13女人毛片做爰片一| 欧美一级毛片孕妇| 国产欧美日韩精品亚洲av| 国产成+人综合+亚洲专区| 久久久久九九精品影院| 国产野战对白在线观看| 久久人妻av系列| av在线天堂中文字幕| 欧美区成人在线视频| aaaaa片日本免费| 国产免费av片在线观看野外av| 午夜视频国产福利| 久久天躁狠狠躁夜夜2o2o| 欧美+亚洲+日韩+国产| 亚洲avbb在线观看| 国产三级黄色录像| 黄色日韩在线| bbb黄色大片| 国产精品av视频在线免费观看| 可以在线观看毛片的网站| 久久久久久久精品吃奶| 精品人妻偷拍中文字幕| 欧洲精品卡2卡3卡4卡5卡区| 欧美日韩中文字幕国产精品一区二区三区| 亚洲av二区三区四区| 少妇人妻精品综合一区二区 | 亚洲狠狠婷婷综合久久图片| 免费av不卡在线播放| 中文字幕精品亚洲无线码一区| 久久99热这里只有精品18| 波多野结衣巨乳人妻| 久久精品91无色码中文字幕| 伊人久久大香线蕉亚洲五| 高清在线国产一区| 国产精品精品国产色婷婷| 午夜两性在线视频| 欧美丝袜亚洲另类 | 久久精品国产亚洲av香蕉五月| 麻豆一二三区av精品| 精品久久久久久久末码| 国产av在哪里看| 真实男女啪啪啪动态图| 一夜夜www| 日韩欧美 国产精品| 内地一区二区视频在线| or卡值多少钱| 久久精品91蜜桃| 中出人妻视频一区二区| 亚洲精品粉嫩美女一区| 国产精品1区2区在线观看.| 日韩有码中文字幕| 日韩欧美一区二区三区在线观看| 欧美乱码精品一区二区三区| 亚洲成av人片免费观看| 欧美在线黄色| 一区二区三区国产精品乱码| 18禁裸乳无遮挡免费网站照片| 亚洲自拍偷在线| 免费在线观看日本一区| 老鸭窝网址在线观看| 99国产极品粉嫩在线观看| 国产精品一区二区免费欧美| 日本a在线网址| 精品人妻偷拍中文字幕| 尤物成人国产欧美一区二区三区| 听说在线观看完整版免费高清| 成年女人看的毛片在线观看| 成人亚洲精品av一区二区| 欧美一区二区国产精品久久精品| 国产视频一区二区在线看| www国产在线视频色| 国产成人福利小说| 久久国产精品影院| 久久精品国产99精品国产亚洲性色| 国产高清视频在线观看网站| 成年版毛片免费区| 日本撒尿小便嘘嘘汇集6| 日本精品一区二区三区蜜桃| 免费无遮挡裸体视频| 日本撒尿小便嘘嘘汇集6| 五月玫瑰六月丁香| 亚洲色图av天堂| 久久久久性生活片| 亚洲熟妇中文字幕五十中出| 一个人看的www免费观看视频| 99热6这里只有精品| 99精品欧美一区二区三区四区| 国产毛片a区久久久久| 国产成人av教育| 宅男免费午夜| 又黄又爽又免费观看的视频| 很黄的视频免费| 十八禁网站免费在线| 亚洲av二区三区四区| 女人被狂操c到高潮| 国产亚洲欧美在线一区二区| 亚洲成人免费电影在线观看| 欧美极品一区二区三区四区| 亚洲av电影在线进入| 老汉色∧v一级毛片| 特大巨黑吊av在线直播|