• <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
    51国产日韩欧美| 欧美激情国产日韩精品一区| 自线自在国产av| 人妻少妇偷人精品九色| 两个人看的免费小视频| 久久ye,这里只有精品| 一区二区三区四区激情视频| 建设人人有责人人尽责人人享有的| 久久国产精品男人的天堂亚洲 | 久久99热这里只频精品6学生| 色婷婷久久久亚洲欧美| 亚洲欧洲精品一区二区精品久久久 | 国产一区二区在线观看日韩| 一区在线观看完整版| 成人黄色视频免费在线看| 在线天堂最新版资源| 天堂中文最新版在线下载| 欧美xxⅹ黑人| 中文天堂在线官网| 日韩人妻精品一区2区三区| 免费女性裸体啪啪无遮挡网站| 亚洲欧美精品自产自拍| 高清黄色对白视频在线免费看| av播播在线观看一区| 精品一区二区三区四区五区乱码 | 午夜福利影视在线免费观看| av不卡在线播放| 下体分泌物呈黄色| 免费黄网站久久成人精品| 午夜福利,免费看| 亚洲欧美一区二区三区黑人 | 日本午夜av视频| 97在线视频观看| 高清欧美精品videossex| 99热这里只有是精品在线观看| 91成人精品电影| a级片在线免费高清观看视频| 免费av不卡在线播放| 美女大奶头黄色视频| 亚洲美女视频黄频| 欧美国产精品一级二级三级| 观看美女的网站| 欧美人与性动交α欧美软件 | 亚洲一区二区三区欧美精品| 两性夫妻黄色片 | 最近2019中文字幕mv第一页| 亚洲精品一区蜜桃| tube8黄色片| 久久久久精品人妻al黑| 欧美亚洲 丝袜 人妻 在线| 精品一区二区免费观看| 2018国产大陆天天弄谢| 精品国产国语对白av| 一级黄片播放器| 又黄又爽又刺激的免费视频.| 人妻一区二区av| 国产av一区二区精品久久| 国产成人免费无遮挡视频| 一级毛片电影观看| 亚洲,一卡二卡三卡| 国产精品一区www在线观看| 内地一区二区视频在线| 国产精品国产av在线观看| 久久久精品免费免费高清| 久热这里只有精品99| 精品少妇黑人巨大在线播放| 赤兔流量卡办理| 国产福利在线免费观看视频| 各种免费的搞黄视频| 热re99久久国产66热| 人妻少妇偷人精品九色| 夜夜爽夜夜爽视频| 91精品三级在线观看| 久久久久久久久久久久大奶| 日本wwww免费看| 国产国拍精品亚洲av在线观看| 国产高清国产精品国产三级| 一本大道久久a久久精品| 九九爱精品视频在线观看| 久久av网站| 免费观看在线日韩| 午夜福利网站1000一区二区三区| 国产精品一国产av| 亚洲美女黄色视频免费看| 伊人久久国产一区二区| 黄色视频在线播放观看不卡| 欧美丝袜亚洲另类| 97在线人人人人妻| 女人久久www免费人成看片| 五月伊人婷婷丁香| 欧美日韩视频高清一区二区三区二| 熟女人妻精品中文字幕| 精品视频人人做人人爽| 国产精品久久久久久久电影| 免费观看a级毛片全部| 欧美少妇被猛烈插入视频| 18禁在线无遮挡免费观看视频| 亚洲五月色婷婷综合| 国产又爽黄色视频| 欧美日韩综合久久久久久| 欧美人与性动交α欧美精品济南到 | 久久久久久久亚洲中文字幕| a级片在线免费高清观看视频| 男女啪啪激烈高潮av片| 99久久中文字幕三级久久日本| 欧美性感艳星| 国产成人免费无遮挡视频| 久久久久久久久久久久大奶| 巨乳人妻的诱惑在线观看| 如何舔出高潮| 久久国产精品大桥未久av| 久久久久久久久久人人人人人人| 五月伊人婷婷丁香| 日韩不卡一区二区三区视频在线| 精品午夜福利在线看| av电影中文网址| 乱人伦中国视频| 亚洲久久久国产精品| 国产福利在线免费观看视频| 少妇人妻 视频| 狂野欧美激情性xxxx在线观看| 国产综合精华液| 2021少妇久久久久久久久久久| 女的被弄到高潮叫床怎么办| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 在线免费观看不下载黄p国产| 91成人精品电影| 国产深夜福利视频在线观看| √禁漫天堂资源中文www| 亚洲国产精品一区三区| 国产片特级美女逼逼视频| 亚洲国产成人一精品久久久| 蜜桃在线观看..| 国产成人精品无人区| 成人手机av| 精品午夜福利在线看| 天美传媒精品一区二区| 建设人人有责人人尽责人人享有的| 久久久久久人妻| 亚洲精品久久午夜乱码| 少妇猛男粗大的猛烈进出视频| 欧美xxxx性猛交bbbb| 内地一区二区视频在线| 黑人巨大精品欧美一区二区蜜桃 | 国产激情久久老熟女| 亚洲av免费高清在线观看| 国产又爽黄色视频| 边亲边吃奶的免费视频| 精品久久国产蜜桃| 亚洲精品第二区| 亚洲国产看品久久| 欧美xxⅹ黑人| 亚洲美女视频黄频| 一本久久精品| 亚洲av在线观看美女高潮| 久久久久久久久久久免费av| 少妇被粗大猛烈的视频| 国产成人av激情在线播放| 熟女人妻精品中文字幕| 欧美成人午夜免费资源| 中国美白少妇内射xxxbb| 精品国产露脸久久av麻豆| 欧美人与性动交α欧美精品济南到 | 精品熟女少妇av免费看| av片东京热男人的天堂| videossex国产| 国产乱人偷精品视频| 你懂的网址亚洲精品在线观看| 一区二区av电影网| 欧美性感艳星| 美女视频免费永久观看网站| av有码第一页| 亚洲av.av天堂| 精品国产国语对白av| 精品亚洲乱码少妇综合久久| 国产成人一区二区在线| 国产一区二区三区av在线| 黑人欧美特级aaaaaa片| 韩国av在线不卡| 日韩精品免费视频一区二区三区 | 99热国产这里只有精品6| 久久午夜综合久久蜜桃| 999精品在线视频| 在线天堂中文资源库| 女人精品久久久久毛片| 免费少妇av软件| 成人亚洲精品一区在线观看| 看非洲黑人一级黄片| 美女xxoo啪啪120秒动态图| 两性夫妻黄色片 | 极品人妻少妇av视频| av国产精品久久久久影院| 欧美亚洲日本最大视频资源| 国产午夜精品一二区理论片| 成人亚洲精品一区在线观看| 最黄视频免费看| 丰满迷人的少妇在线观看| 麻豆精品久久久久久蜜桃| 少妇被粗大的猛进出69影院 | 美女国产视频在线观看| 日韩欧美精品免费久久| 国产一区有黄有色的免费视频| 亚洲精品aⅴ在线观看| 国国产精品蜜臀av免费| 老司机影院毛片| 日韩中字成人| 国产综合精华液| 18禁动态无遮挡网站| 欧美日韩综合久久久久久| 精品午夜福利在线看| 91精品伊人久久大香线蕉| 97在线人人人人妻| 成人毛片a级毛片在线播放| 欧美精品av麻豆av| 国产精品久久久久久精品古装| 亚洲精品美女久久av网站| 婷婷色综合大香蕉| 成人漫画全彩无遮挡| 丰满饥渴人妻一区二区三| 日韩电影二区| 国产免费福利视频在线观看| av在线观看视频网站免费| 亚洲欧美成人综合另类久久久| 男女国产视频网站| 久久 成人 亚洲| 人妻系列 视频| 国产淫语在线视频| 久久女婷五月综合色啪小说| 成年美女黄网站色视频大全免费| 国产麻豆69| 精品久久久精品久久久| 三上悠亚av全集在线观看| 精品人妻一区二区三区麻豆| 香蕉丝袜av| 亚洲国产精品专区欧美| 国产精品人妻久久久影院| 成人无遮挡网站| 建设人人有责人人尽责人人享有的| 久久久精品免费免费高清| 免费女性裸体啪啪无遮挡网站| 国产 一区精品| av免费在线看不卡| 国产综合精华液| 国产乱来视频区| 午夜福利乱码中文字幕| 22中文网久久字幕| 观看av在线不卡| 欧美另类一区| 亚洲色图综合在线观看| 热re99久久精品国产66热6| 久久精品国产亚洲av天美| 99re6热这里在线精品视频| 成年人免费黄色播放视频| 国产精品一国产av| 午夜91福利影院| 久久精品熟女亚洲av麻豆精品| 精品国产露脸久久av麻豆| 婷婷色综合大香蕉| 尾随美女入室| 在线看a的网站| 精品久久国产蜜桃| 自线自在国产av| 色网站视频免费| 爱豆传媒免费全集在线观看| 久久久久精品性色| 少妇高潮的动态图| 亚洲综合色网址| 性色av一级| 久久鲁丝午夜福利片| 99香蕉大伊视频| 亚洲欧美清纯卡通| 久久这里有精品视频免费| av福利片在线| 99久国产av精品国产电影| 久久亚洲国产成人精品v| 日本与韩国留学比较| 亚洲欧美成人综合另类久久久| 久久人妻熟女aⅴ| 十分钟在线观看高清视频www| 成年人午夜在线观看视频| 精品少妇黑人巨大在线播放| 色婷婷av一区二区三区视频| 人妻人人澡人人爽人人| 午夜免费观看性视频| 欧美人与性动交α欧美精品济南到 | 美女中出高潮动态图| 午夜日本视频在线| av卡一久久| 亚洲国产看品久久| 亚洲精品日韩在线中文字幕| 天堂8中文在线网| 高清在线视频一区二区三区| 国产免费福利视频在线观看| 久久久精品94久久精品| a级毛色黄片| 黑丝袜美女国产一区| 丰满乱子伦码专区| 国产成人免费无遮挡视频| 国产黄色视频一区二区在线观看| 亚洲国产日韩一区二区| 一本—道久久a久久精品蜜桃钙片| 侵犯人妻中文字幕一二三四区| 成人亚洲精品一区在线观看| 91久久精品国产一区二区三区| 久久精品国产鲁丝片午夜精品| 男女边摸边吃奶| 卡戴珊不雅视频在线播放| 激情视频va一区二区三区| 久久国内精品自在自线图片| 亚洲丝袜综合中文字幕| 丝袜人妻中文字幕| av在线播放精品| 免费黄频网站在线观看国产| 母亲3免费完整高清在线观看 | 少妇被粗大的猛进出69影院 | 七月丁香在线播放| 亚洲av免费高清在线观看| 久久久久精品人妻al黑| 亚洲av男天堂| 少妇熟女欧美另类| 成人亚洲精品一区在线观看| 国产精品国产三级国产av玫瑰| 久久人人爽人人片av| 成人免费观看视频高清| 国产精品.久久久| 亚洲天堂av无毛| 成人无遮挡网站| 国产亚洲一区二区精品| 国产亚洲一区二区精品| 美女脱内裤让男人舔精品视频| 亚洲欧美日韩卡通动漫| 欧美日韩av久久| 久久狼人影院| 九草在线视频观看| 亚洲色图 男人天堂 中文字幕 | 精品一区二区三卡| 国产探花极品一区二区| 最黄视频免费看| 亚洲欧美中文字幕日韩二区| 性高湖久久久久久久久免费观看| 久久ye,这里只有精品| av线在线观看网站| 亚洲精品自拍成人| 午夜免费鲁丝| 亚洲三级黄色毛片| 精品一区二区免费观看| 999精品在线视频| 永久免费av网站大全| 久久精品国产综合久久久 | 七月丁香在线播放| 飞空精品影院首页| 交换朋友夫妻互换小说| 天美传媒精品一区二区| 久久狼人影院| 搡女人真爽免费视频火全软件| 亚洲国产色片| 亚洲,欧美精品.| 99热网站在线观看| 久久久久国产精品人妻一区二区| 色94色欧美一区二区| 久久久久视频综合| 欧美xxxx性猛交bbbb| 18禁国产床啪视频网站| 亚洲欧美成人精品一区二区| 99热国产这里只有精品6| 水蜜桃什么品种好| 在线天堂最新版资源| 看免费av毛片| 久久精品熟女亚洲av麻豆精品| 亚洲av男天堂| 欧美丝袜亚洲另类| 精品熟女少妇av免费看| 91在线精品国自产拍蜜月| a级片在线免费高清观看视频| 在线观看三级黄色| 中文字幕免费在线视频6| 最近中文字幕2019免费版| 一区二区日韩欧美中文字幕 | 免费黄频网站在线观看国产| 国产欧美亚洲国产| 国产一区二区在线观看av| 国产精品一区www在线观看| 女性生殖器流出的白浆| 欧美日韩视频高清一区二区三区二| 久久久久久久亚洲中文字幕| 精品国产乱码久久久久久小说| 亚洲人与动物交配视频| 在线精品无人区一区二区三| 自拍欧美九色日韩亚洲蝌蚪91| 成年人午夜在线观看视频| 国产日韩一区二区三区精品不卡| 热re99久久精品国产66热6| 亚洲人成77777在线视频| xxxhd国产人妻xxx| 国产成人午夜福利电影在线观看| 日韩三级伦理在线观看| 中文字幕亚洲精品专区| 亚洲av中文av极速乱| videossex国产| 久久精品国产亚洲av涩爱| 国产国拍精品亚洲av在线观看| 亚洲精品国产av蜜桃| 国产成人精品无人区| 视频区图区小说| av免费观看日本| 亚洲精品国产av成人精品| 久久久久国产网址| 久久人人爽av亚洲精品天堂| 国产不卡av网站在线观看| 精品久久国产蜜桃| 欧美97在线视频| 亚洲精品乱久久久久久| 日韩制服丝袜自拍偷拍| 亚洲一区二区三区欧美精品| 国产精品一区www在线观看| 亚洲在久久综合| 自拍欧美九色日韩亚洲蝌蚪91| 久久精品国产a三级三级三级| 91国产中文字幕| 成年人午夜在线观看视频| 国产一区有黄有色的免费视频| 欧美日本中文国产一区发布| 高清av免费在线| 久久久国产欧美日韩av| 久久精品人人爽人人爽视色| 精品国产一区二区三区久久久樱花| 国产精品欧美亚洲77777| av在线app专区| 如日韩欧美国产精品一区二区三区| 亚洲欧美清纯卡通| 久久久久国产网址| 制服人妻中文乱码| 国产xxxxx性猛交| 亚洲国产av影院在线观看| 久久人人爽人人爽人人片va| 婷婷成人精品国产| 亚洲精品,欧美精品| 成年人午夜在线观看视频| 久久人妻熟女aⅴ| 亚洲精品国产av成人精品| www.av在线官网国产| 综合色丁香网| 欧美老熟妇乱子伦牲交| 国产精品三级大全| 免费黄频网站在线观看国产| 欧美日本中文国产一区发布| 制服丝袜香蕉在线| 久久国产亚洲av麻豆专区| 在线观看免费视频网站a站| 国产福利在线免费观看视频| 纯流量卡能插随身wifi吗| 看免费成人av毛片| 91久久精品国产一区二区三区| 午夜影院在线不卡| 少妇被粗大猛烈的视频| 热re99久久精品国产66热6| 亚洲一区二区三区欧美精品| 亚洲精品国产av成人精品| 日韩,欧美,国产一区二区三区| 26uuu在线亚洲综合色| 免费日韩欧美在线观看| 欧美人与善性xxx| 最后的刺客免费高清国语| 亚洲精品久久成人aⅴ小说| 大香蕉久久成人网| 天堂8中文在线网| 亚洲第一av免费看| 搡女人真爽免费视频火全软件| 丝袜在线中文字幕| 男的添女的下面高潮视频| 欧美少妇被猛烈插入视频| 自线自在国产av| 制服诱惑二区| 精品少妇内射三级| 久久久精品免费免费高清| 亚洲综合色网址| 成人综合一区亚洲| 国产国拍精品亚洲av在线观看| 国产成人精品一,二区| 亚洲美女视频黄频| 国产一级毛片在线| 亚洲av国产av综合av卡| 成年人午夜在线观看视频| 亚洲人成77777在线视频| 一级片'在线观看视频| 在线观看国产h片| 精品视频人人做人人爽| 久久99蜜桃精品久久| 国产成人精品在线电影| 男女边摸边吃奶| 亚洲精品日本国产第一区| 精品熟女少妇av免费看| 久久午夜福利片| 国产白丝娇喘喷水9色精品| 青青草视频在线视频观看| 人妻 亚洲 视频| 高清av免费在线| 韩国精品一区二区三区 | 咕卡用的链子| 99精国产麻豆久久婷婷| 咕卡用的链子| 黑丝袜美女国产一区| 久久97久久精品| 亚洲国产日韩一区二区| 美女福利国产在线| 国产高清不卡午夜福利| 欧美日韩国产mv在线观看视频| 色94色欧美一区二区| 美女内射精品一级片tv| 亚洲,欧美精品.| 国产精品欧美亚洲77777| 一边摸一边做爽爽视频免费| 人妻系列 视频| 国产福利在线免费观看视频| 欧美 亚洲 国产 日韩一| 久久精品人人爽人人爽视色| 日日摸夜夜添夜夜爱| 国产成人精品福利久久| 一区二区三区四区激情视频| 日本黄色日本黄色录像| 综合色丁香网| 欧美老熟妇乱子伦牲交| 久久影院123| 亚洲国产看品久久| 久久人人爽人人爽人人片va| 国产又爽黄色视频| 亚洲综合色网址| 成年动漫av网址| 免费不卡的大黄色大毛片视频在线观看| 亚洲伊人色综图| 亚洲av男天堂| av黄色大香蕉| 欧美日韩成人在线一区二区| av.在线天堂| 少妇猛男粗大的猛烈进出视频| 九草在线视频观看| 久久97久久精品| 精品人妻熟女毛片av久久网站| 天堂8中文在线网| 免费看光身美女| 国产av国产精品国产| 不卡视频在线观看欧美| 日本爱情动作片www.在线观看| 欧美激情极品国产一区二区三区 | 精品99又大又爽又粗少妇毛片| 国产一区二区三区av在线| 婷婷成人精品国产| 精品国产乱码久久久久久小说| 欧美成人午夜免费资源| 最近最新中文字幕免费大全7| 夜夜爽夜夜爽视频| 一级a做视频免费观看| 尾随美女入室| 毛片一级片免费看久久久久| 老司机影院毛片| 丰满少妇做爰视频| 日本免费在线观看一区| 老司机亚洲免费影院| 一级片免费观看大全| 久久久精品区二区三区| av福利片在线| 男女午夜视频在线观看 | 免费少妇av软件| 欧美少妇被猛烈插入视频| 人妻一区二区av| 卡戴珊不雅视频在线播放| 在线天堂最新版资源| 美女国产高潮福利片在线看| 亚洲av国产av综合av卡| 欧美亚洲日本最大视频资源| 日韩不卡一区二区三区视频在线| 精品亚洲成国产av| 亚洲av福利一区| 国产精品女同一区二区软件| a 毛片基地| 18在线观看网站| 一边摸一边做爽爽视频免费| 日韩精品有码人妻一区| 久久久久久久亚洲中文字幕| √禁漫天堂资源中文www| 欧美老熟妇乱子伦牲交| 久久99热这里只频精品6学生| 看十八女毛片水多多多| 亚洲精品国产色婷婷电影| 亚洲欧美色中文字幕在线| 精品第一国产精品| 黑丝袜美女国产一区| 国产精品99久久99久久久不卡 | 丁香六月天网| 中文字幕最新亚洲高清| 亚洲经典国产精华液单| a 毛片基地| 看非洲黑人一级黄片| 国产精品麻豆人妻色哟哟久久| 亚洲综合色网址| 精品人妻熟女毛片av久久网站| av国产久精品久网站免费入址| 一级片免费观看大全| 中文字幕制服av| 大码成人一级视频| 国产成人午夜福利电影在线观看| 美女福利国产在线| 午夜福利网站1000一区二区三区| 日韩 亚洲 欧美在线| 国产国语露脸激情在线看| 国产一区有黄有色的免费视频| 国产视频首页在线观看| 国产白丝娇喘喷水9色精品| a级毛片黄视频| 亚洲色图 男人天堂 中文字幕 | 亚洲精品日韩在线中文字幕| 亚洲国产欧美日韩在线播放| 国产国语露脸激情在线看| 精品视频人人做人人爽| 校园人妻丝袜中文字幕|