• <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 ?

    基于代價(jià)敏感卷積神經(jīng)網(wǎng)絡(luò)的扣件缺陷檢測算法

    2021-02-04 02:37:22李柏林
    中國鐵道科學(xué) 2021年1期
    關(guān)鍵詞:扣件分類器卷積

    侯 云,范 宏,熊 鷹,李 立,李柏林

    (西南交通大學(xué) 機(jī)械工程學(xué)院, 四川 成都 610031)

    扣件作為連接鋼軌與軌枕的重要部件,起著固定鋼軌的作用。列車在運(yùn)行過程中產(chǎn)生的異常振動(dòng)可能導(dǎo)致扣件發(fā)生斷裂或者脫落。這些情況如不能及時(shí)地處理,可能影響扣件功能和列車運(yùn)行安全。傳統(tǒng)的扣件檢測方法主要依靠人工進(jìn)行檢測,該方法效率低,很難滿足現(xiàn)代高速鐵路的需求。

    國內(nèi)外許多學(xué)者將圖像處理技術(shù)引入到扣件檢測領(lǐng)域,并提出了諸多自動(dòng)檢測算法。文獻(xiàn)[1]依據(jù)鐵路各部件先驗(yàn)位置關(guān)系定位出扣件子區(qū)域后,利用小波變換、結(jié)合PCA 降維對扣件子區(qū)域進(jìn)行特征提取,并將所提特征輸入到RBF 神經(jīng)網(wǎng)絡(luò)和BP 神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類。文獻(xiàn)[2]依據(jù)先驗(yàn)位置關(guān)系確定出扣件子區(qū)域后,利用Daubechies小波和Haar 小波對扣件子區(qū)域提取特征,并將所提特征輸入到多層感知器神經(jīng)分類器中進(jìn)行分類。文獻(xiàn)[3]將扣件子區(qū)域的方向場作為特征,并在此基礎(chǔ)上利用模板匹配的方法對扣件狀態(tài)進(jìn)行識別。文獻(xiàn)[4]利用墊板位置定位扣件子區(qū)域,然后分別對扣件關(guān)鍵部位提取PHOG 和MSLBP特征并將其進(jìn)行融合,最后使用支持向量機(jī)對融合特征進(jìn)行分類。文獻(xiàn)[5]根據(jù)軌枕與鋼軌的相對位置定位扣件子區(qū)域,繼而分別對4個(gè)扣件關(guān)鍵部位提取Haar-like 特征,并將所提特征輸入到AdaBoost分類器進(jìn)行分類。文獻(xiàn)[6]利用鋼軌和軌枕的邊緣直線特征定位扣件子區(qū)域,并將子區(qū)域的Haarlike 特征與概率主題模型結(jié)合檢測扣件狀態(tài)。文獻(xiàn)[7]利用墊板位置定位扣件子區(qū)域,并基于扣件子區(qū)域的邊緣特征實(shí)現(xiàn)扣件的缺失檢測。文獻(xiàn)[8]通過構(gòu)建扣件鄰域紋理圖和引導(dǎo)圖與被定位圖之間置信圖的極大值點(diǎn)快速定位扣件子區(qū)域,并基于半監(jiān)督深度學(xué)習(xí)方法建立扣件缺陷識別模型,實(shí)現(xiàn)無砟軌道扣件缺陷樣本識別。文獻(xiàn)[9]根據(jù)軌道圖像的先驗(yàn)知識和模板匹配方法定位扣件區(qū)域,并利用深度卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)扣件缺陷識別。文獻(xiàn)[10]利用模板匹配以及扣件先驗(yàn)位置關(guān)系定位扣件子區(qū)域,并以2 個(gè)相鄰扣件子區(qū)域的特征差值作為依據(jù)檢測扣件缺失狀態(tài)。上述扣件檢測方法均是在人為選定的小批量、各類樣本均衡的扣件數(shù)據(jù)集上進(jìn)行的試驗(yàn)。由于小批量的均衡數(shù)據(jù)集不能很好地體現(xiàn)實(shí)際扣件數(shù)據(jù)集的數(shù)據(jù)分布,這些傳統(tǒng)的扣件檢測方法的適應(yīng)性往往較差。在實(shí)際情況中,扣件斷裂或者丟失的情況很少發(fā)生,這導(dǎo)致所收集的扣件數(shù)據(jù)集中斷裂或丟失的缺陷扣件樣本數(shù)遠(yuǎn)小于正常扣件樣本數(shù)。這種現(xiàn)象稱之為類不平衡,其中缺陷扣件稱之為小類,正??奂Q之為大類。在扣件檢測算法中,研究者往往更關(guān)注扣件斷裂或丟失的小類情況。

    近年來,深度卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)作為一種非常流行的方法,在很多領(lǐng)域都有應(yīng)用[11-13],并取得了較傳統(tǒng)分類器更好的識別效果。卷積神經(jīng)網(wǎng)絡(luò)避免了復(fù)雜的圖像特征提取過程,可以直接輸入原始圖像進(jìn)行處理。深度卷積神經(jīng)網(wǎng)絡(luò)是在大批量且分布相對均衡的圖像訓(xùn)練集上,以最小化訓(xùn)練集的整體誤差為目標(biāo)構(gòu)建最優(yōu)分類模型。對于不平衡數(shù)據(jù)集而言,這往往會(huì)導(dǎo)致分類器傾向于將斷裂或者丟失的扣件誤認(rèn)為是正??奂?。因此,直接將深度學(xué)習(xí)算法應(yīng)用到不平衡的扣件數(shù)據(jù)集是不合適的。目前,一些學(xué)者將代價(jià)敏感策略引入到深度神經(jīng)網(wǎng)絡(luò)中,通過給小類分配較大的代價(jià)因子的方式提高小類樣本的識別率[14-16]。但是,這些方法都沒有考慮同一類別中不同樣本個(gè)體之間存在的差異。在實(shí)際分類中,扣件的斷裂程度不同,其識別的難度也會(huì)不同。如果分類器不考慮類別內(nèi)樣本間客觀存在的這種差異,往往會(huì)降低最終模型的識別率。

    本文針對扣件數(shù)據(jù)集不平衡問題,借鑒Ada?Boost 算法的思想,對深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),提出一種同時(shí)關(guān)注類別間差異和類別內(nèi)差異的基于代價(jià)敏感卷積神經(jīng)網(wǎng)絡(luò)的扣件缺陷檢測算法。

    1 代價(jià)敏感策略

    卷積神經(jīng)網(wǎng)絡(luò)的核心是利用反向傳播算法最小化訓(xùn)練集整體誤差,以訓(xùn)練得到最優(yōu)的網(wǎng)絡(luò)模型。假設(shè)訓(xùn)練集X中有N個(gè)樣本,這些樣本可分為K個(gè)類別,即

    式中:Xcj為第j類的樣本集合;Nj為第j類的樣本個(gè)數(shù)。

    訓(xùn)練集整體誤差E為

    式中:Xi為訓(xùn)練集中第i個(gè)樣本;E(Xi)為訓(xùn)練集中樣本Xi的誤差。

    由式(3)可見,CNN 的整體誤差是所有訓(xùn)練樣本誤差的平均值。對于扣件這種不平衡數(shù)據(jù)集而言,由于斷裂或丟失的扣件樣本較少,這類樣本在整體誤差函數(shù)中只占很小的比重,這很容易導(dǎo)致最終得到的神經(jīng)網(wǎng)絡(luò)模型偏向于正常樣本。為了克服傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的這一缺陷,代價(jià)敏感策略[14-16]將代價(jià)矩陣引入到神經(jīng)網(wǎng)絡(luò)中,對不同類別分配不同的懲罰因子,使算法偏向于小類樣本。目前,這些已提出的代價(jià)敏感策略只考慮不同類別樣本之間的差異,并沒有考慮同一類別中不同個(gè)體之間的差異。以扣件圖像為例,圖1 為2 個(gè)斷裂程度不同的扣件樣本,斷裂程度相對較小的扣件所提特征往往處于分類邊界附近,處于分類邊界處的樣本要比遠(yuǎn)離邊界的樣本更難學(xué)習(xí),卻對確定分類邊界起著更為重要的作用。

    圖1 2種不同斷裂程度的扣件

    AdaBoost 算法[17]是一種增強(qiáng)困難樣本學(xué)習(xí)的有效方法,其思想是通過給錯(cuò)誤學(xué)習(xí)的樣本分配更大權(quán)重的方式,使后續(xù)學(xué)習(xí)過程關(guān)注那些更難學(xué)習(xí)的樣本。受AdaBoost 算法啟發(fā),本文提出一種代價(jià)敏感卷積神經(jīng)網(wǎng)絡(luò)算法,使訓(xùn)練網(wǎng)絡(luò)在考慮類別間差異的同時(shí)增強(qiáng)類內(nèi)難樣本的學(xué)習(xí)。與傳統(tǒng)代價(jià)敏感策略不同,本文算法在訓(xùn)練過程中給每個(gè)樣本分配不同的權(quán)重,并在后續(xù)學(xué)習(xí)中依據(jù)先前網(wǎng)絡(luò)的錯(cuò)誤率不斷地調(diào)節(jié)這些權(quán)重。其目的是使每個(gè)類別中分類錯(cuò)誤的樣本比分類正確的樣本具有相對更大的權(quán)重,從而使后續(xù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)關(guān)注各個(gè)類別中的難學(xué)習(xí)樣本。與此同時(shí),本文算法對更新后的各類樣本權(quán)重進(jìn)行了特殊的歸一化處理,以便提高缺陷樣本的關(guān)注度。為實(shí)現(xiàn)上述步驟,本文將訓(xùn)練集整體誤差函數(shù)式(3)修改為

    式中:Wl(Xi)為樣本Xi在第l次迭代時(shí)的權(quán)重;當(dāng)l=0時(shí),W0(Xi)為初始權(quán)重。

    在AdaBoost 算法中,每個(gè)樣本的初始權(quán)重都設(shè)置為1/N。而本文算法按照1 種非對稱的方式將每類樣本的初始權(quán)重W0對應(yīng)地設(shè)置為

    在計(jì)算完成1 次迭代之后,算法利用當(dāng)前訓(xùn)練好的網(wǎng)絡(luò)對訓(xùn)練集進(jìn)行測試,并計(jì)算錯(cuò)誤率ε為

    式中:Nerror為識別錯(cuò)誤的樣本數(shù)。

    當(dāng)錯(cuò)誤率ε小于0.5時(shí),計(jì)算權(quán)重更新參數(shù)α為

    每個(gè)樣本在第l次迭代時(shí)的權(quán)重Wl按照下式更新。

    其中,

    式中:yi為樣本Xi的預(yù)測類別;di為樣本Xi的真實(shí)類別。

    由式(8)可見,當(dāng)樣本判斷正確時(shí),其權(quán)重縮小為原來的e-α;當(dāng)樣本判斷錯(cuò)誤時(shí),其權(quán)重不變。

    由式(4)可見,訓(xùn)練集整體誤差是所有樣本誤差的加權(quán)和,由于正??奂颖緮?shù)量眾多,這類樣本勢必要在整體誤差函數(shù)中占主導(dǎo)作用,這往往會(huì)使得缺陷扣件樣本在訓(xùn)練過程中被忽略,從而導(dǎo)致缺陷樣本識別率低。為了增大缺陷樣本在整體誤差函數(shù)中的比重,提高對這類樣本的關(guān)注度,本文算法對更新后的樣本權(quán)重進(jìn)行一個(gè)特殊的歸一化處理,使每類樣本的權(quán)重和為1/K。

    不同于AdaBoost 算法,本文算法只選擇最優(yōu)訓(xùn)練模型作為最終的輸出模型,而不是對所有弱分類器進(jìn)行集成。

    2 扣件缺陷檢測的代價(jià)敏感卷積神經(jīng)網(wǎng)絡(luò)

    以VGG19 網(wǎng)絡(luò)作為基礎(chǔ)網(wǎng)絡(luò),針對扣件數(shù)據(jù)集不平衡的特點(diǎn),引入代價(jià)敏感策略設(shè)計(jì)扣件缺陷檢測的網(wǎng)絡(luò)結(jié)構(gòu),如圖2 所示。由于扣件子區(qū)域?yàn)榛叶葓D像,需要將網(wǎng)絡(luò)第1層卷積核的顏色通道設(shè)置為1。由于扣件數(shù)據(jù)集只包括3 個(gè)類別,最后1個(gè)全連接層的神經(jīng)節(jié)點(diǎn)數(shù)相應(yīng)地設(shè)置為3,分別對應(yīng)扣件正常、斷裂和丟失3種狀態(tài)。除此之外,其他與原始VGG19 網(wǎng)絡(luò)保持一致。該網(wǎng)絡(luò)由16 個(gè)卷積層和3個(gè)全連接層組成,每個(gè)卷積層的卷積核尺寸為(3×3)像素,步長為1 像素;池化操作的方式取最大值池化(Maximum pooling),窗口尺寸為(2×2)像素,步長為2 像素;激活函數(shù)采用修正線性單元(Rectified linear unit,ReLU);每個(gè)卷積操作后采用批歸一化處理(Batch normaliza?tion);前2 個(gè)全連接層后使用隨機(jī)失活(Dropout)策略。輸入圖像的大小為(180×180)像素,而扣件圖像實(shí)際大小為(180×120)像素,需要將扣件圖像進(jìn)行插值運(yùn)算以便適應(yīng)該網(wǎng)絡(luò)。

    圖2 基于代價(jià)敏感策略訓(xùn)練網(wǎng)絡(luò)

    為了增強(qiáng)網(wǎng)絡(luò)對缺陷扣件的學(xué)習(xí),將代價(jià)敏感卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于扣件檢測中,以減小樣本數(shù)量失衡對識別性能的影響。修改后模型的訓(xùn)練過程主要分為3個(gè)步驟,具體如下。

    步驟1:按照式(5)設(shè)置訓(xùn)練集中每個(gè)樣本的初始權(quán)重;

    步驟2:開始訓(xùn)練,迭代每完成1 次后,對訓(xùn)練集進(jìn)行測試,統(tǒng)計(jì)錯(cuò)誤率,調(diào)整每個(gè)樣本權(quán)重并對其進(jìn)行歸一化處理;

    步驟3:重復(fù)執(zhí)行步驟2,直至所有迭代次數(shù)完成為止;

    步驟4:結(jié)束訓(xùn)練,保存模型參數(shù)。

    該網(wǎng)絡(luò)采用隨機(jī)梯度下降算法進(jìn)行訓(xùn)練,樣本批量大小為100個(gè),迭代訓(xùn)練次數(shù)(Epochs)為80次,隨機(jī)失活比例為0.5,動(dòng)量(Momentum)為0.9,權(quán)重衰減因子為0.000 3。初始學(xué)習(xí)率為0.1,每迭代10次后學(xué)習(xí)率下降至原來的0.1。

    需要說明的是,在本文算法中,訓(xùn)練集整體誤差是由單個(gè)樣本誤差的加權(quán)和組成,因此其反向傳播過程與原始VGG19網(wǎng)絡(luò)算法一致。

    3 試驗(yàn)驗(yàn)證

    試驗(yàn)利用Python 軟件開發(fā),使用CUDA9.0,Tensorflow 等工具庫。計(jì)算服務(wù)器采用1 塊Intel Xeon Silver 4110 型CPU 和1 塊NVIDIA GeForce GTX 1080 Ti型GPU計(jì)算卡。

    3.1 試驗(yàn)數(shù)據(jù)集

    利用文獻(xiàn)[10]提出的扣件定位方法,分別截取高速鐵路無砟和普速鐵路有砟軌道的扣件子區(qū)域圖像作為研究對象,驗(yàn)證算法的有效性。其中,高速鐵路無砟軌道的扣件數(shù)據(jù)集由20 000 張扣件子區(qū)域圖像組成,包括正常圖像19 836張、斷裂圖像93張以及丟失圖像71張。圖像大小為(180×120)像素,如圖3所示。

    圖3 高速鐵路扣件典型樣本

    普速鐵路有砟軌道的扣件數(shù)據(jù)集由20 000 張扣件子區(qū)域圖像組成,其中包括正常圖像19 334張、斷裂遮擋圖像503 張以及丟失圖像163 張。圖像大小為(180×120)像素,如圖4所示。

    本試驗(yàn)分別將2 個(gè)扣件數(shù)據(jù)集都平均分成5份,其中4份作為訓(xùn)練集,剩余1份作為測試集。

    圖4 普速鐵路扣件典型樣本

    3.2 試驗(yàn)評價(jià)指標(biāo)

    平均準(zhǔn)確率是傳統(tǒng)分類中常用的評價(jià)指標(biāo)。由于它可能會(huì)導(dǎo)致分類器忽略小類樣本,這個(gè)評價(jià)指標(biāo)已被證明不適用于不平衡分類[18]。例如,現(xiàn)有1個(gè)數(shù)據(jù)集包括999 個(gè)正樣本以及1 個(gè)負(fù)樣本,以準(zhǔn)確率為導(dǎo)向的分類器會(huì)將所有的樣本都認(rèn)為是正樣本,這樣其準(zhǔn)確率依然會(huì)達(dá)到99.9%,但是對于負(fù)樣本而言其準(zhǔn)確率卻為0%。在實(shí)際應(yīng)用中,往往扣件斷裂或丟失的負(fù)樣本才是更被關(guān)注的。為了克服平均準(zhǔn)確率的缺陷,本文引入一種新的評價(jià)指標(biāo)G-mean[16]來衡量分類器的分類性能。G-mean平衡了不同類別的召回率,當(dāng)其中任意1個(gè)小類的召回率值為0時(shí),最終的G-mean值為0。

    其中,

    式中:Gmean為G-mean 值;Rj為第j類樣本的召回率;Nrj為第j類中識別正確的樣本個(gè)數(shù)。

    3.3 試驗(yàn)結(jié)果

    應(yīng)用本文方法、原始VGG19 網(wǎng)絡(luò)算法以及國內(nèi)外其他3 種識別率較高的扣件檢測算法對3.1 選取的高速鐵路無砟和普速鐵路有砟軌道扣件數(shù)據(jù)集進(jìn)行識別,其結(jié)果見表1。

    表1 扣件數(shù)據(jù)集試驗(yàn)結(jié)果

    由表1 可知:在高速鐵路無砟軌道扣件數(shù)據(jù)集上,本文算法與傳統(tǒng)扣件檢測方法相比,盡管準(zhǔn)確率提高得并不明顯(>0.3%),但是卻取得了更高的G-mean 值(>13%);在普速鐵路有砟軌道扣件數(shù)據(jù)集上,本文算法取得比傳統(tǒng)扣件檢測方法更高的準(zhǔn)確率(>2%)以及G-mean 值(>39%)。所有的算法在高速鐵路無砟軌道扣件數(shù)據(jù)集上的分類性能均比在普速鐵路有砟軌道扣件數(shù)據(jù)集上高,這是因?yàn)楦咚勹F路無砟軌道扣件數(shù)據(jù)集不受道砟影響,背景情況單一;而普速鐵路有砟軌道扣件數(shù)據(jù)集受道砟影響較大,背景較復(fù)雜。相比于原始VGG19 網(wǎng)絡(luò)算法,本文算法在高速鐵路無砟和普速鐵路有砟軌道扣件數(shù)據(jù)集上分別提高了至少10%和25%的G-mean值。分析其原因?yàn)椋?/p>

    (1)扣件數(shù)據(jù)集中絕大多數(shù)的扣件是正常的,而斷裂和丟失的扣件樣本較少。傳統(tǒng)的分類器往往人為構(gòu)建一個(gè)小批量的均衡數(shù)據(jù)集來訓(xùn)練模型,而此類算法往往適應(yīng)性較差。本文算法引入代價(jià)敏感策略來修改卷積神經(jīng)網(wǎng)絡(luò)模型中的訓(xùn)練集整體誤差,并利用特殊的歸一化方法增大斷裂和丟失這類缺陷樣本在整體誤差中的比重,能夠使算法偏向于這些小類樣本。

    (2)正??奂蛠G失扣件這2 類樣本間的特征差異較大,容易被正確區(qū)分;而對于斷裂扣件圖像樣本而言,其斷裂程度越小,樣本越難識別。本文算法在訓(xùn)練過程中給不同的樣本分配不同的權(quán)重,并依據(jù)先前分類器的錯(cuò)誤率不斷地增加各個(gè)類別中難學(xué)習(xí)樣本的權(quán)重,從而使算法更關(guān)注斷裂程度小的扣件樣本。

    4 結(jié) 語

    引入代價(jià)敏感策略對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行修改,提出一種基于代價(jià)敏感卷積神經(jīng)網(wǎng)絡(luò)的檢測圖像識別計(jì)算方法,實(shí)現(xiàn)扣件缺陷檢測。該方法增強(qiáng)了扣件數(shù)據(jù)集中難學(xué)習(xí)樣本以及缺陷扣件類別的學(xué)習(xí)。通過對某高速鐵路無砟及普速鐵路有砟軌道的扣件數(shù)據(jù)集進(jìn)行試驗(yàn),發(fā)現(xiàn)修改后的算法在處理不平衡數(shù)據(jù)集方面取得了一定程度的提升,在高速鐵路無砟和普速鐵路有砟軌道扣件數(shù)據(jù)集上G-mean 值分別提高了10%和25%以上,這可為實(shí)際相關(guān)應(yīng)用領(lǐng)域提供一定的技術(shù)支撐。

    猜你喜歡
    扣件分類器卷積
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    科隆蛋扣件力學(xué)特性分析
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    一種改進(jìn)的LBP特征實(shí)現(xiàn)鐵路扣件識別
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    非均布荷載下扣件式腳手架的隨機(jī)缺陷穩(wěn)定分析
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    諧振式浮軌扣件的安裝工藝
    美女中出高潮动态图| 久久久精品免费免费高清| 日本免费在线观看一区| 人人妻人人澡人人看| 国产不卡av网站在线观看| 水蜜桃什么品种好| 大片免费播放器 马上看| 日本wwww免费看| 电影成人av| 国产精品久久久av美女十八| 亚洲av综合色区一区| 性色av一级| 一区二区三区乱码不卡18| 国产片内射在线| 2018国产大陆天天弄谢| av免费观看日本| 男人操女人黄网站| 亚洲av成人精品一二三区| 最新中文字幕久久久久| 亚洲美女视频黄频| 五月伊人婷婷丁香| 精品久久久久久电影网| 少妇人妻 视频| 亚洲成国产人片在线观看| 有码 亚洲区| 丰满迷人的少妇在线观看| 啦啦啦在线观看免费高清www| 日韩精品有码人妻一区| 美女国产视频在线观看| 男女边吃奶边做爰视频| 欧美日韩精品成人综合77777| 久久久久久久久久人人人人人人| av在线老鸭窝| 精品一区二区三卡| kizo精华| 亚洲国产精品一区二区三区在线| 国产一区二区三区av在线| 精品久久蜜臀av无| 激情五月婷婷亚洲| 一级毛片我不卡| 777久久人妻少妇嫩草av网站| 人妻系列 视频| 久久精品国产鲁丝片午夜精品| 一级黄片播放器| 亚洲四区av| 我的亚洲天堂| 黄色怎么调成土黄色| 国产免费视频播放在线视频| 校园人妻丝袜中文字幕| av国产精品久久久久影院| 久久97久久精品| 2021少妇久久久久久久久久久| 不卡av一区二区三区| 下体分泌物呈黄色| 毛片一级片免费看久久久久| 国产精品熟女久久久久浪| 国产精品99久久99久久久不卡 | 日韩熟女老妇一区二区性免费视频| 国产午夜精品一二区理论片| 秋霞伦理黄片| 国产精品久久久av美女十八| 久热久热在线精品观看| 亚洲,欧美精品.| 宅男免费午夜| 中文字幕人妻丝袜制服| 90打野战视频偷拍视频| 中文字幕人妻丝袜制服| 老鸭窝网址在线观看| 午夜免费男女啪啪视频观看| 国产一区二区三区综合在线观看| 肉色欧美久久久久久久蜜桃| 免费高清在线观看视频在线观看| 少妇人妻久久综合中文| 国产亚洲午夜精品一区二区久久| 精品少妇内射三级| 欧美成人午夜精品| 精品亚洲成a人片在线观看| 日韩在线高清观看一区二区三区| 女人久久www免费人成看片| 人妻一区二区av| 伦精品一区二区三区| 熟女电影av网| 满18在线观看网站| 最近最新中文字幕大全免费视频 | 欧美国产精品一级二级三级| 亚洲,一卡二卡三卡| 国产亚洲最大av| 午夜日本视频在线| 又大又黄又爽视频免费| 欧美精品av麻豆av| 欧美日韩av久久| av线在线观看网站| 国产成人精品一,二区| 巨乳人妻的诱惑在线观看| videos熟女内射| 国产成人一区二区在线| 精品国产一区二区三区久久久樱花| 少妇被粗大的猛进出69影院| 国产日韩一区二区三区精品不卡| 午夜日韩欧美国产| 美女国产高潮福利片在线看| 我要看黄色一级片免费的| 超碰97精品在线观看| 一个人免费看片子| 99re6热这里在线精品视频| 在线看a的网站| 中文欧美无线码| 又大又黄又爽视频免费| 成人漫画全彩无遮挡| 99久久精品国产国产毛片| 欧美精品亚洲一区二区| 晚上一个人看的免费电影| 日韩精品免费视频一区二区三区| 热99久久久久精品小说推荐| 国产av码专区亚洲av| 国产精品国产三级专区第一集| 菩萨蛮人人尽说江南好唐韦庄| 伦理电影免费视频| av国产久精品久网站免费入址| 久久久久国产精品人妻一区二区| 新久久久久国产一级毛片| 欧美黄色片欧美黄色片| 精品国产乱码久久久久久男人| 亚洲美女黄色视频免费看| 国产亚洲欧美精品永久| 丝袜美足系列| 一边摸一边做爽爽视频免费| 免费黄频网站在线观看国产| 最近最新中文字幕大全免费视频 | 亚洲一区二区三区欧美精品| 日日爽夜夜爽网站| 日韩电影二区| 少妇被粗大猛烈的视频| 99久国产av精品国产电影| 久久这里有精品视频免费| 免费高清在线观看视频在线观看| videossex国产| 欧美97在线视频| freevideosex欧美| 一级毛片我不卡| 一区福利在线观看| 国产国语露脸激情在线看| 我要看黄色一级片免费的| 男女无遮挡免费网站观看| 汤姆久久久久久久影院中文字幕| 一二三四中文在线观看免费高清| 国产淫语在线视频| 欧美亚洲 丝袜 人妻 在线| 日日摸夜夜添夜夜爱| 国产野战对白在线观看| 只有这里有精品99| 高清欧美精品videossex| 一区二区日韩欧美中文字幕| 日韩中字成人| 国产精品久久久久成人av| 精品一区二区三卡| 26uuu在线亚洲综合色| 欧美 亚洲 国产 日韩一| 久久久欧美国产精品| 最黄视频免费看| 最近手机中文字幕大全| 亚洲久久久国产精品| 亚洲国产av影院在线观看| av女优亚洲男人天堂| 亚洲,欧美,日韩| 国产成人91sexporn| 人妻少妇偷人精品九色| 欧美最新免费一区二区三区| 成人漫画全彩无遮挡| 99久久人妻综合| 亚洲av欧美aⅴ国产| 我的亚洲天堂| 久久婷婷青草| 国产欧美日韩综合在线一区二区| 最近的中文字幕免费完整| 日韩,欧美,国产一区二区三区| 十分钟在线观看高清视频www| 狂野欧美激情性bbbbbb| 成人亚洲欧美一区二区av| 国产精品 欧美亚洲| 飞空精品影院首页| 黄频高清免费视频| 久久午夜福利片| 久热这里只有精品99| 观看av在线不卡| 欧美 亚洲 国产 日韩一| 18禁国产床啪视频网站| 少妇人妻久久综合中文| 超碰97精品在线观看| 精品国产一区二区三区久久久樱花| 黑人猛操日本美女一级片| 亚洲国产成人一精品久久久| 国产成人精品久久久久久| 久久久久久久久免费视频了| 久久婷婷青草| 国产97色在线日韩免费| 热re99久久精品国产66热6| 国产精品不卡视频一区二区| 麻豆av在线久日| 日韩大片免费观看网站| 色播在线永久视频| av线在线观看网站| 人妻一区二区av| 国产黄色免费在线视频| 自拍欧美九色日韩亚洲蝌蚪91| 午夜福利影视在线免费观看| www.自偷自拍.com| 亚洲精品美女久久av网站| 日本av免费视频播放| 人人妻人人添人人爽欧美一区卜| 狂野欧美激情性bbbbbb| 一区二区日韩欧美中文字幕| 人体艺术视频欧美日本| 国产熟女午夜一区二区三区| 天堂8中文在线网| 少妇人妻精品综合一区二区| 欧美精品高潮呻吟av久久| 一级毛片黄色毛片免费观看视频| 性少妇av在线| av国产久精品久网站免费入址| 男女午夜视频在线观看| 最近中文字幕2019免费版| 十分钟在线观看高清视频www| 国语对白做爰xxxⅹ性视频网站| 亚洲伊人色综图| 永久网站在线| 亚洲欧洲精品一区二区精品久久久 | 久久免费观看电影| 亚洲四区av| 在线天堂中文资源库| 日韩av免费高清视频| 国产精品免费视频内射| 亚洲欧美精品自产自拍| 综合色丁香网| 1024香蕉在线观看| www.精华液| 国产在线一区二区三区精| 日产精品乱码卡一卡2卡三| 精品久久久精品久久久| 五月开心婷婷网| 激情五月婷婷亚洲| 激情视频va一区二区三区| 国产熟女欧美一区二区| 在线观看美女被高潮喷水网站| 国产日韩欧美在线精品| 亚洲综合色惰| 免费黄网站久久成人精品| 亚洲精品自拍成人| 日韩免费高清中文字幕av| 亚洲精品美女久久久久99蜜臀 | 日韩一卡2卡3卡4卡2021年| 国产乱来视频区| 亚洲欧美精品自产自拍| 性色avwww在线观看| 亚洲久久久国产精品| 久久久国产一区二区| 久久精品国产亚洲av天美| 日产精品乱码卡一卡2卡三| 2021少妇久久久久久久久久久| 国产欧美亚洲国产| 天堂8中文在线网| 成年女人在线观看亚洲视频| 色吧在线观看| 乱人伦中国视频| 中文欧美无线码| 9热在线视频观看99| 国产高清不卡午夜福利| 亚洲,一卡二卡三卡| 国产午夜精品一二区理论片| 日韩中文字幕视频在线看片| av在线app专区| 哪个播放器可以免费观看大片| 午夜91福利影院| 精品少妇黑人巨大在线播放| 成人漫画全彩无遮挡| 亚洲国产看品久久| 性少妇av在线| 免费黄网站久久成人精品| 大香蕉久久成人网| 九色亚洲精品在线播放| 中文天堂在线官网| 老司机影院成人| 免费高清在线观看日韩| 久久国产亚洲av麻豆专区| 国产伦理片在线播放av一区| 成人影院久久| 国产又色又爽无遮挡免| 亚洲综合色网址| 精品亚洲乱码少妇综合久久| 亚洲av成人精品一二三区| 一区二区三区激情视频| 免费高清在线观看视频在线观看| 下体分泌物呈黄色| 边亲边吃奶的免费视频| 一本久久精品| 国产av码专区亚洲av| 久久 成人 亚洲| 免费在线观看完整版高清| 欧美中文综合在线视频| 一区福利在线观看| 日韩av免费高清视频| 午夜福利视频在线观看免费| 一级毛片 在线播放| 国产欧美日韩一区二区三区在线| 只有这里有精品99| 麻豆精品久久久久久蜜桃| 欧美精品人与动牲交sv欧美| 亚洲欧美中文字幕日韩二区| 人成视频在线观看免费观看| 亚洲国产色片| 亚洲欧美精品自产自拍| 欧美国产精品va在线观看不卡| 欧美最新免费一区二区三区| 亚洲婷婷狠狠爱综合网| 午夜福利在线免费观看网站| 在线观看免费高清a一片| 精品少妇黑人巨大在线播放| 黄色怎么调成土黄色| 18禁国产床啪视频网站| 中国国产av一级| 日韩欧美一区视频在线观看| 欧美国产精品一级二级三级| 美女午夜性视频免费| 亚洲综合色惰| 黄色视频在线播放观看不卡| 国产成人精品在线电影| 亚洲国产欧美网| 日韩欧美一区视频在线观看| 少妇人妻 视频| 国产一级毛片在线| 婷婷色综合大香蕉| 亚洲精品国产av蜜桃| 国产精品一国产av| 欧美 日韩 精品 国产| 成人手机av| 亚洲欧美一区二区三区国产| 男女边摸边吃奶| 97人妻天天添夜夜摸| 午夜福利网站1000一区二区三区| 五月天丁香电影| 欧美xxⅹ黑人| 中文乱码字字幕精品一区二区三区| 你懂的网址亚洲精品在线观看| 一二三四中文在线观看免费高清| 日本黄色日本黄色录像| 中文字幕av电影在线播放| 久久精品国产亚洲av涩爱| 两个人看的免费小视频| 精品少妇黑人巨大在线播放| 亚洲 欧美一区二区三区| 欧美+日韩+精品| 美女xxoo啪啪120秒动态图| 午夜免费男女啪啪视频观看| 欧美日韩亚洲国产一区二区在线观看 | 国产男女内射视频| 亚洲国产毛片av蜜桃av| 可以免费在线观看a视频的电影网站 | 少妇的逼水好多| 欧美中文综合在线视频| 国产精品国产av在线观看| 久久久精品94久久精品| 亚洲,欧美精品.| 制服人妻中文乱码| 在线精品无人区一区二区三| 啦啦啦在线免费观看视频4| 精品人妻熟女毛片av久久网站| 国产成人av激情在线播放| 亚洲,欧美,日韩| 青青草视频在线视频观看| 亚洲男人天堂网一区| 久久久久久久久免费视频了| 成年人免费黄色播放视频| 在线观看美女被高潮喷水网站| 欧美+日韩+精品| 天美传媒精品一区二区| 美女高潮到喷水免费观看| 国产1区2区3区精品| 五月开心婷婷网| 毛片一级片免费看久久久久| 熟女电影av网| 国产片特级美女逼逼视频| 国产成人精品无人区| 曰老女人黄片| 久久久亚洲精品成人影院| 一级a爱视频在线免费观看| 亚洲精品自拍成人| 亚洲成人一二三区av| 亚洲色图 男人天堂 中文字幕| 999精品在线视频| 婷婷色综合大香蕉| 久久精品国产a三级三级三级| 菩萨蛮人人尽说江南好唐韦庄| 国产乱人偷精品视频| av免费在线看不卡| 男人添女人高潮全过程视频| 国产片内射在线| 熟女av电影| 久久久久久久久免费视频了| av有码第一页| 亚洲精品国产av成人精品| 午夜福利在线观看免费完整高清在| 99久久精品国产国产毛片| 成年美女黄网站色视频大全免费| 777久久人妻少妇嫩草av网站| 亚洲一区二区三区欧美精品| 亚洲精品中文字幕在线视频| 亚洲美女视频黄频| 亚洲欧美色中文字幕在线| 亚洲一级一片aⅴ在线观看| 老熟女久久久| 99热国产这里只有精品6| 国产精品国产三级国产专区5o| 纵有疾风起免费观看全集完整版| 免费观看无遮挡的男女| 亚洲第一青青草原| 中国三级夫妇交换| 三上悠亚av全集在线观看| 交换朋友夫妻互换小说| 啦啦啦在线免费观看视频4| 亚洲三级黄色毛片| 国产 一区精品| av电影中文网址| 国产又色又爽无遮挡免| 亚洲精品乱久久久久久| 久热久热在线精品观看| 中文天堂在线官网| 色视频在线一区二区三区| 久久狼人影院| 亚洲综合色惰| 性色av一级| 男女啪啪激烈高潮av片| 亚洲国产最新在线播放| 99国产精品免费福利视频| av网站在线播放免费| 日日啪夜夜爽| 五月伊人婷婷丁香| 日韩 亚洲 欧美在线| 最近中文字幕2019免费版| 中国国产av一级| 一级爰片在线观看| 成人手机av| 国产精品一二三区在线看| 成人毛片60女人毛片免费| 啦啦啦在线免费观看视频4| 老女人水多毛片| 日本午夜av视频| 性色av一级| 亚洲欧美一区二区三区黑人 | 欧美最新免费一区二区三区| 色视频在线一区二区三区| 午夜免费男女啪啪视频观看| 国产亚洲午夜精品一区二区久久| 国产成人精品久久二区二区91 | 国产免费现黄频在线看| 日韩一卡2卡3卡4卡2021年| 一级a爱视频在线免费观看| 国产男女超爽视频在线观看| 国产精品欧美亚洲77777| 欧美日韩亚洲高清精品| 交换朋友夫妻互换小说| 99久久综合免费| 亚洲欧美成人精品一区二区| 日韩一卡2卡3卡4卡2021年| 国产亚洲一区二区精品| 国产有黄有色有爽视频| 久久 成人 亚洲| 久久久久精品人妻al黑| 搡老乐熟女国产| videos熟女内射| 91国产中文字幕| 在现免费观看毛片| 在线天堂最新版资源| 一二三四中文在线观看免费高清| 亚洲欧美色中文字幕在线| 精品一区二区免费观看| 丰满饥渴人妻一区二区三| 在线看a的网站| 一级毛片我不卡| 欧美激情 高清一区二区三区| 一本—道久久a久久精品蜜桃钙片| 三级国产精品片| 免费观看av网站的网址| 日本av手机在线免费观看| 成年女人在线观看亚洲视频| 视频区图区小说| 丝袜在线中文字幕| 亚洲av欧美aⅴ国产| 毛片一级片免费看久久久久| 热99久久久久精品小说推荐| 国产97色在线日韩免费| 自线自在国产av| 日本色播在线视频| 国产成人欧美| 婷婷色麻豆天堂久久| 少妇人妻精品综合一区二区| 这个男人来自地球电影免费观看 | 老司机亚洲免费影院| 中文字幕人妻丝袜制服| 国语对白做爰xxxⅹ性视频网站| 国产成人精品在线电影| 久久国产亚洲av麻豆专区| 久久精品国产亚洲av涩爱| 99热网站在线观看| 如何舔出高潮| 亚洲熟女精品中文字幕| 免费黄色在线免费观看| 国产福利在线免费观看视频| 国产精品熟女久久久久浪| 亚洲第一区二区三区不卡| av电影中文网址| 久久久久久久久久人人人人人人| 日日摸夜夜添夜夜爱| 亚洲国产日韩一区二区| 在线观看美女被高潮喷水网站| 日韩在线高清观看一区二区三区| 亚洲精品国产一区二区精华液| 欧美av亚洲av综合av国产av | 亚洲av.av天堂| 欧美成人精品欧美一级黄| 最黄视频免费看| 久久久久久人妻| 日韩中字成人| 成人二区视频| 哪个播放器可以免费观看大片| 香蕉精品网在线| 国产麻豆69| 精品亚洲乱码少妇综合久久| 桃花免费在线播放| tube8黄色片| 啦啦啦在线观看免费高清www| 午夜福利视频在线观看免费| 亚洲成国产人片在线观看| 国产精品久久久av美女十八| 爱豆传媒免费全集在线观看| 在线观看一区二区三区激情| 中国三级夫妇交换| 欧美精品高潮呻吟av久久| 日韩中文字幕视频在线看片| 精品国产一区二区三区四区第35| 亚洲国产欧美在线一区| 午夜免费观看性视频| 午夜久久久在线观看| 人妻 亚洲 视频| 国产日韩一区二区三区精品不卡| 深夜精品福利| av国产精品久久久久影院| 九草在线视频观看| 色播在线永久视频| 在线天堂最新版资源| 女性被躁到高潮视频| 亚洲一码二码三码区别大吗| 国产精品99久久99久久久不卡 | 成人手机av| 三上悠亚av全集在线观看| 国产成人91sexporn| 少妇精品久久久久久久| 高清av免费在线| 亚洲精华国产精华液的使用体验| 国产综合精华液| 国产精品.久久久| 美国免费a级毛片| 日本免费在线观看一区| 成年人午夜在线观看视频| 日韩一本色道免费dvd| 热99国产精品久久久久久7| 老司机影院毛片| 亚洲四区av| 亚洲激情五月婷婷啪啪| 妹子高潮喷水视频| 日韩不卡一区二区三区视频在线| 在线观看人妻少妇| 欧美国产精品一级二级三级| 久久av网站| 美女福利国产在线| 午夜福利在线观看免费完整高清在| 欧美日韩精品网址| 国产一区二区三区av在线| 丝瓜视频免费看黄片| 日本vs欧美在线观看视频| 巨乳人妻的诱惑在线观看| 伦理电影免费视频| 你懂的网址亚洲精品在线观看| 丝袜在线中文字幕| 欧美少妇被猛烈插入视频| 最近中文字幕2019免费版| 国产精品久久久久久精品古装| 亚洲精品国产一区二区精华液| 国产精品一区二区在线观看99| 天堂俺去俺来也www色官网| 亚洲综合色惰| 十八禁网站网址无遮挡| 亚洲欧美精品综合一区二区三区 | 三上悠亚av全集在线观看| 激情五月婷婷亚洲| 免费观看av网站的网址| 久久久久久久国产电影| 成人影院久久| 在线看a的网站| 久久精品国产a三级三级三级| 国产一区二区 视频在线| 国产成人精品久久二区二区91 | 欧美变态另类bdsm刘玥| 国产在视频线精品| 少妇被粗大猛烈的视频| 亚洲欧美成人精品一区二区| 在现免费观看毛片| 亚洲国产av新网站| 精品少妇黑人巨大在线播放| 狂野欧美激情性bbbbbb| 可以免费在线观看a视频的电影网站 | 人人妻人人澡人人爽人人夜夜| 少妇 在线观看| 久久久久国产一级毛片高清牌| 久久精品人人爽人人爽视色| 啦啦啦啦在线视频资源|