• <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 ?

    基于深度學(xué)習(xí)的目標(biāo)橘子識(shí)別方法研究

    2021-06-08 11:58任會(huì)朱洪前
    計(jì)算機(jī)時(shí)代 2021年1期
    關(guān)鍵詞:目標(biāo)識(shí)別深度學(xué)習(xí)

    任會(huì) 朱洪前

    摘? 要: 為了更好地解決自然條件下目標(biāo)橘子的遮擋、重果問(wèn)題,采用深度學(xué)習(xí)的方法對(duì)目標(biāo)橘子進(jìn)行識(shí)別,并用傳統(tǒng)的目標(biāo)識(shí)別算法與Faster-RCNN兩種方法進(jìn)行對(duì)比實(shí)驗(yàn)。根據(jù)大量的數(shù)據(jù)對(duì)比可知,傳統(tǒng)的目標(biāo)識(shí)別方法對(duì)自然光照敏感,對(duì)遮擋、重果的識(shí)別效果不佳,泛化能力及魯棒性較差。而Faster-RCNN算法對(duì)光照及枝葉遮擋的識(shí)別更友好,更符合采橘機(jī)器人實(shí)際采摘的需要。深度學(xué)習(xí)方法有望在采橘機(jī)器人目標(biāo)識(shí)別中得到更廣泛的應(yīng)用。

    關(guān)鍵詞: 目標(biāo)識(shí)別; 傳統(tǒng)算法; 深度學(xué)習(xí); 采橘機(jī)器人

    中圖分類(lèi)號(hào):520.2040 ?????????文獻(xiàn)標(biāo)識(shí)碼:A???? 文章編號(hào):1006-8228(2021)01-57-04

    Research on the method of identifying target orange with deep learning

    Ren Hui, Zhu Hongqian

    (Central South University of Forestry and Technology, Changsha, Hunan 410004, China)

    Abstract: In order to better solve the problem that the target orange is covered by something or overlapped in natural condition, this paper uses the deep learning method to recognize the target orange, and makes the comparative experiment between the traditional target recognition algorithms and the Faster-RCNN method. According to a large number of data comparison, the traditional target recognition methods are sensitive to natural light, the recognition effect on covered or overlapped fruit is not so good, and have poor generalization ability and robustness. The Faster-RCNN algorithm is more suitable to recognize the light and branch covered fruit, which is more in line with the actual needs of orange picking robot. Deep learning methods are expected to be more widely used in the target identification of orange picking robot.

    Key words: target identification; traditional algorithm; deep learning; orange picking robot

    0 引言

    橘子的采摘作業(yè)環(huán)境較為復(fù)雜,自動(dòng)化程度低,其采摘作業(yè)往往都是人工的,勞動(dòng)強(qiáng)度大,且耗費(fèi)大量的人工成本。而我國(guó)農(nóng)業(yè)勞動(dòng)力逐漸向社會(huì)其他產(chǎn)業(yè)轉(zhuǎn)移,同時(shí)人口老齡化問(wèn)題日趨嚴(yán)重,勞動(dòng)力缺乏[1-2]。由于柑橘產(chǎn)量大,成熟期集中,季節(jié)性強(qiáng),如果能在柑橘的生產(chǎn)過(guò)程中使用機(jī)器人進(jìn)行采摘作業(yè)并對(duì)果實(shí)進(jìn)行分揀,不僅可以降低勞動(dòng)強(qiáng)度,節(jié)省有限的勞動(dòng)力資源,同時(shí)也能節(jié)約人工成本,提高勞動(dòng)生產(chǎn)率[3]。

    在自然條件下的目標(biāo)橘子的識(shí)別,易受光照、角度、遮擋、設(shè)備等影響。傳統(tǒng)的目標(biāo)識(shí)別算法基于手工特征配合機(jī)器學(xué)習(xí)的方法。深度學(xué)習(xí)利用其強(qiáng)大的特征學(xué)習(xí)能力,GPU的高速計(jì)算以及計(jì)算機(jī)硬件成本的降低等優(yōu)勢(shì),在目標(biāo)檢測(cè)任務(wù)中得到大量應(yīng)用[4]。2012年以前,目標(biāo)檢測(cè)主要利用Haar、HOG(方向梯度直方圖)、LBP(局部二值模式)等手工特征和AdaBoost、SVM(Support Vector Machine)、DPM(Deformable Part Model)等機(jī)器學(xué)習(xí)方法。從2012年奪得ImageNet大型圖像分類(lèi)冠軍的AlexNet[5]開(kāi)始[6],卷積神經(jīng)網(wǎng)絡(luò)在圖像分類(lèi)展現(xiàn)出了無(wú)與倫比的潛力。CNN成為視覺(jué)處理最重要的工具[7],隨后基于CNN的目標(biāo)檢測(cè)與識(shí)別也逐漸取代了之前方法的目標(biāo)檢測(cè)與識(shí)別,相比與傳統(tǒng)圖像處理的目標(biāo)檢測(cè)與識(shí)別,基于CNN的目標(biāo)檢測(cè)與識(shí)別無(wú)論在準(zhǔn)確性和實(shí)時(shí)性上都取得了全面領(lǐng)先。目前基于深層卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)與辨識(shí)總體可分為如下幾大類(lèi)[8]:①基于區(qū)域選擇的目標(biāo)檢測(cè)與識(shí)別算法。其中代表性的有R-CNN,F(xiàn)ast R-CNN,F(xiàn)aster R-CNN。②基于回歸的目標(biāo)檢測(cè)與識(shí)別算法。具有代表性的是YOLO,SSD。③基于搜索的目標(biāo)檢測(cè)與識(shí)別算法。具有代表性的有基于增強(qiáng)學(xué)習(xí)的目標(biāo)檢測(cè)與識(shí)別,基于視覺(jué)注意的AttentionNet。本文針對(duì)自然場(chǎng)景下的目標(biāo)橘子運(yùn)用兩種識(shí)別模式,基于傳統(tǒng)的目標(biāo)識(shí)別方法在實(shí)驗(yàn)基礎(chǔ)上選擇最佳效果方案,深度學(xué)習(xí)算法的應(yīng)用,本文使用Faster-RCNN這一經(jīng)典算法對(duì)目標(biāo)橘子進(jìn)行識(shí)別。對(duì)于光照遮擋等效果較好,在一定程度上彌補(bǔ)了傳統(tǒng)的目標(biāo)識(shí)別算法的局限性。

    1 傳統(tǒng)目標(biāo)檢測(cè)

    對(duì)于傳統(tǒng)的目標(biāo)檢測(cè)算法,一般是對(duì)圖像進(jìn)行預(yù)處理,接著利用邊緣檢測(cè)等相關(guān)算子對(duì)目標(biāo)圖像的特征進(jìn)行提取和識(shí)別。圖像預(yù)處理可增強(qiáng)圖像識(shí)別的對(duì)比度,突出目標(biāo)特征,便于后面特征的提取。常用的預(yù)處理算法有:雙邊濾波、直方圖濾波、中值濾波等方法,圖像分割需要對(duì)目標(biāo)特征進(jìn)行提取,典型的是對(duì)顏色、形狀、紋理等特征提取,常用的特征提取算子有:形態(tài)學(xué)運(yùn)算、K-Means聚類(lèi)、Canny邊緣檢測(cè)算子、Hough變換等。

    以橘子識(shí)別為例,常用的算法用法設(shè)計(jì)流程如圖1所示。

    1.1 顏色空間轉(zhuǎn)換

    圖像在不同的顏色空間下的色彩感知度不同,為了突出目標(biāo)的顏色特征,通常會(huì)將圖像轉(zhuǎn)換到特定的顏色空間下。常用的顏色通道有RGB、HSV、Lab、YCrCb[9]。由大量實(shí)驗(yàn)效果可知,在大多數(shù)情況下,特定通道下的視覺(jué)表達(dá)效果比直接灰度化處理后的效果明顯。圖2為r、g、b通道效果圖??梢灾庇^(guān)得得出目標(biāo)在r通道下效果最佳。

    1.2 圖像增強(qiáng)

    常用的果實(shí)圖像預(yù)處理算法主要有直方圖均衡化、均值濾波、中值濾波等,這些算法在一定程度上能夠去除背景噪音,弱化自然光線(xiàn)對(duì)圖像的影響,改善圖像細(xì)節(jié)與質(zhì)量[10]。本文對(duì)比了同態(tài)濾波、中值濾波處理效果,圖3為原圖,圖4為同態(tài)濾波處理效果圖,圖5為中值濾波處理效果圖。觀(guān)察圖片,可知這兩種濾波的特點(diǎn):同態(tài)濾波提高了圖像的對(duì)比度和亮度,中值濾波對(duì)邊緣信息的保護(hù)效果較好。在實(shí)際圖像處理中,根據(jù)每幅圖像的特點(diǎn)選擇對(duì)應(yīng)的處理方法能達(dá)到更好的表達(dá)效果。

    1.3 圖像分割與特征提取

    分割圖像,可根據(jù)目標(biāo)的顏色、形狀、紋理等特征,簡(jiǎn)單地說(shuō),也是一個(gè)標(biāo)記的過(guò)程。特征提取常用的算子有canny等邊緣檢測(cè)算子和K-Means聚類(lèi)、分水嶺算法等基于顏色的特征提取方法,提取特征后一般用SUSAN、SUFT等算子對(duì)其進(jìn)行特征匹配與特征提取。圖6為用Hough變換識(shí)別到的實(shí)驗(yàn)效果圖,對(duì)于單個(gè)果實(shí)的識(shí)別效果較好。

    對(duì)于單個(gè)果實(shí)且無(wú)遮擋的目標(biāo)圖像[11],傳統(tǒng)的算法能勝任圖像識(shí)別的要求,但要在特定的實(shí)驗(yàn)環(huán)境中,光照影響較大,且需要手動(dòng)實(shí)時(shí)調(diào)參,泛化能力及魯棒性較差。傳統(tǒng)識(shí)別算法中的識(shí)別效果基本取決于人工設(shè)計(jì)的特征提取算法是否合理。但在實(shí)際應(yīng)用中,橘子背景較為復(fù)雜,存在枝葉遮擋、重果、光照等問(wèn)題,這些傳統(tǒng)的目標(biāo)識(shí)別算法提取的特征不足以作為各種分類(lèi)器分類(lèi)的最佳依據(jù),存在漏判及錯(cuò)判。圖7所示為因枝葉遮擋引起的漏判,圖8所示為因光照導(dǎo)致錯(cuò)判。

    2 深度學(xué)習(xí)

    深度學(xué)習(xí)利用多層非線(xiàn)性信息處理來(lái)實(shí)現(xiàn)有監(jiān)督或者無(wú)監(jiān)督的特征提取和轉(zhuǎn)換、模式分析和分類(lèi),用來(lái)解釋如圖像、聲音、文本的數(shù)據(jù)[12]。其中很多算法都是以無(wú)監(jiān)督學(xué)習(xí)的形式出現(xiàn),能被應(yīng)用于其他算法無(wú)法企及的無(wú)標(biāo)簽數(shù)據(jù),這一類(lèi)數(shù)據(jù)比有標(biāo)簽的數(shù)據(jù)更為豐富,也更容易獲得。近年來(lái),深度學(xué)習(xí)憑借較強(qiáng)的特征學(xué)習(xí)能力廣泛應(yīng)用于圖像目標(biāo)檢測(cè)中。處理流程主要分為以下步驟:圖片收集、標(biāo)注清洗、訓(xùn)練模型、模型的評(píng)估與優(yōu)化。

    本文選用了較為典型的Faster-RCNN模型來(lái)識(shí)別橘子,并在Tensorflow框架下完成。Faster-RCNN中的核心RPN(Region Proposal Network)區(qū)域生成網(wǎng)絡(luò)在feature maps基礎(chǔ)上生成proposals,并采用softmax得到anchor屬于物體或背景的概率,相比CNN系列其他的網(wǎng)絡(luò)模型,減少了參數(shù)量和預(yù)測(cè)時(shí)間,大幅加快了訓(xùn)練速度。其各網(wǎng)絡(luò)主要結(jié)構(gòu)都由卷積層、激勵(lì)層、池化層、RPN 層、ROI Align 層及全連接層構(gòu)成。實(shí)驗(yàn)中模型的學(xué)習(xí)率為0.0002,在Win10系統(tǒng)下進(jìn)行。

    2.1 圖像收集

    深度學(xué)習(xí)需要對(duì)模型進(jìn)行多次訓(xùn)練,需要收集大量的數(shù)據(jù),并對(duì)目標(biāo)打標(biāo)。橘子較為常見(jiàn),圖像收集工作較為簡(jiǎn)單,本文的圖像來(lái)源于兩處:一為相機(jī)拍攝的圖像,二是在網(wǎng)頁(yè)上爬取的橘子圖像,同時(shí)通過(guò)旋轉(zhuǎn)、噪聲處理等方法擴(kuò)充了數(shù)據(jù)。圖像中一小部分的背景較為簡(jiǎn)單,無(wú)明顯枝葉或重果遮擋等問(wèn)題。大部分的圖像背景則較為復(fù)雜,有光照、遮擋問(wèn)題。Faster RCNN在RNN的基礎(chǔ)上改進(jìn),支持輸入任意大小的圖像,實(shí)驗(yàn)中共收集到503幅圖像,并將所有圖像統(tǒng)一像素為1280*960。

    2.2 清洗標(biāo)注

    部分爬取的圖像可能會(huì)不符合要求,因此在訓(xùn)練前,需要篩選一下數(shù)據(jù)集,并在標(biāo)注前需對(duì)數(shù)據(jù)進(jìn)行清洗。在逐一篩選中,去除不相關(guān)圖像后,對(duì)圖像按數(shù)字序號(hào)命名。為了檢驗(yàn)實(shí)驗(yàn)效果,本文按照8:2將數(shù)據(jù)集分為訓(xùn)練集與測(cè)試集。清洗后,利用LabelImg標(biāo)注軟件對(duì)目標(biāo)橘子打標(biāo)簽,實(shí)驗(yàn)共計(jì)標(biāo)記有3381個(gè)對(duì)象,本文使用POSCAL VOC2007的數(shù)據(jù)集格式。

    2.3 模型訓(xùn)練

    Faster R-CNN的主要步驟為[13]。

    ⑴ 提取特征:利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取。

    ⑵ 生成候選區(qū):利用RPN 生成k個(gè)不同大小和比例的候選區(qū)域,即anchor框。

    ⑶ pooling:ROI Pooling 利用 RPN 生成的候選區(qū)域和卷積神經(jīng)網(wǎng)絡(luò)提取到的共享特征圖得到固定大小的候選區(qū)域特征圖(proposal feature map)。

    ⑷ 獲取要分類(lèi)的目標(biāo):利用softmax對(duì)proposals 進(jìn)行具體類(lèi)別的分類(lèi),利用邊框回歸獲得物體的精確位置。

    Faster-RCNN的RPN框架利用神經(jīng)網(wǎng)絡(luò)自主學(xué)習(xí),充分利用了feather maps的價(jià)值,與selective search的滑動(dòng)窗口選擇的方法相比,效率更高。通過(guò)xml_to_csv.py文件和generate_tfrecord.py文件將標(biāo)注格式xml文件修改成TensorFlow的標(biāo)準(zhǔn)格式.tfrecord。并標(biāo)記訓(xùn)練的目標(biāo)標(biāo)記名,搭建好網(wǎng)絡(luò)環(huán)境后開(kāi)始進(jìn)行訓(xùn)練。本次實(shí)驗(yàn)訓(xùn)練迭代80k步,在數(shù)據(jù)訓(xùn)練中采用了斷點(diǎn)訓(xùn)練。圖9顯示訓(xùn)練30k過(guò)程中的loss值變化,波動(dòng)較大且訓(xùn)練效果不佳,圖10顯示訓(xùn)練80k的過(guò)程變化,呈趨于平穩(wěn)的趨勢(shì)。

    2.4 模型評(píng)估

    訓(xùn)練結(jié)束后,在測(cè)試集里選取圖像進(jìn)行實(shí)驗(yàn)檢測(cè)。本文針對(duì)兩種研究方法進(jìn)行了大量的數(shù)據(jù)對(duì)比,表1為選取的8張圖像的對(duì)比數(shù)據(jù)。相同的圖像用兩種方法得出的效果數(shù)據(jù)。其中有6幅圖像有不同程度的遮擋、重果現(xiàn)象,其余兩幅圖上的橘子沒(méi)有遮擋及重果現(xiàn)象。這些數(shù)據(jù)表明,傳統(tǒng)方法在增強(qiáng)預(yù)處理且無(wú)遮擋的情況下,對(duì)于模糊的目標(biāo)識(shí)別包括小目標(biāo)的識(shí)別效果比深度學(xué)習(xí)處理效果更好,但深度學(xué)習(xí)對(duì)遮擋、重果問(wèn)題更友好,這是自然條件下摘取果實(shí)面臨的挑戰(zhàn)之一。在處理中,我們可適當(dāng)?shù)丶哟髮?duì)圖像的預(yù)處理強(qiáng)度,與傳統(tǒng)算法融合運(yùn)用。

    表1中:numbers為圖像中的果實(shí)數(shù)量,numbers1為利用傳統(tǒng)算法識(shí)別的數(shù)量;numbers2為利用Faster-RCNN算法識(shí)別的數(shù)量;covered為圖像中是否有遮擋、重果現(xiàn)象。T表示有遮擋及重果,F(xiàn)則表示圖像中目標(biāo)無(wú)遮擋、重果現(xiàn)象。

    3 結(jié)束語(yǔ)

    傳統(tǒng)的圖像識(shí)別算法已研究多年,但依賴(lài)于特定的應(yīng)用場(chǎng)景,需要手動(dòng)調(diào)參,泛化能力及魯棒性較差,對(duì)于采橘機(jī)器人,無(wú)法滿(mǎn)足自然條件下的采摘作業(yè)任務(wù),不能滿(mǎn)足實(shí)際需求。隨著深度學(xué)習(xí)的發(fā)展,深度學(xué)習(xí)作為人工智能重要的研究方向 通過(guò)對(duì)圖像數(shù)據(jù)的學(xué)習(xí),自主的發(fā)現(xiàn)圖像的特征,成為廣泛研究的對(duì)象。文中利用Faster-RCNN訓(xùn)練,對(duì)于枝葉遮擋、重果處理較好。相較于傳統(tǒng)的識(shí)別效果,識(shí)別率提升了26%。但對(duì)于小目標(biāo)的識(shí)別效果不佳,需加強(qiáng)學(xué)習(xí)。本文的實(shí)驗(yàn)數(shù)據(jù)與迭代次數(shù)太少,需進(jìn)行完善。根據(jù)大量的實(shí)驗(yàn)數(shù)據(jù)對(duì)比,對(duì)于自然場(chǎng)景下的采摘機(jī)器人目標(biāo)識(shí)別應(yīng)用深度學(xué)習(xí)的算法效果更好。

    參考文獻(xiàn)(References):

    [1] 王偉斌.采摘機(jī)器人目標(biāo)識(shí)別及定位研究[D].西安理工大學(xué)碩士學(xué)位論文,2017.

    [2] 張鐵中,楊麗,陳兵旗,張賓.農(nóng)業(yè)機(jī)器人技術(shù)研究進(jìn)展[J].中國(guó)科學(xué):信息科學(xué),2010.40(S1):71-87

    [3] 李揚(yáng).基于雙目視覺(jué)的柑橘采摘機(jī)器人目標(biāo)識(shí)別及定位技術(shù)研究[D].重慶理工大學(xué)碩士學(xué)位論文,2017.

    [4] 王立豪.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)研究與實(shí)現(xiàn)[D].西安電子科技大學(xué)碩士學(xué)位論文,2019.

    [5] Krizhevsky A,Sutskever I,Hinton G E.ImageNet Classification with Deep Convolutional Neural Networks[C].International Conference on Neural Information Processing Systems.Curran Associates Inc.2012.

    [6] 饒倩,文紅,喻文等.基于超像素的人工神經(jīng)網(wǎng)絡(luò)圖像分類(lèi)[J].計(jì)算機(jī)與現(xiàn)代化,2013.12:98-101,105

    [7] 唐亞陽(yáng),劉宇.中國(guó)網(wǎng)絡(luò)文化20年研究綜述[J].湖南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2014.28(5):131-135

    [8] 楊家啟.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)與識(shí)別[D].哈爾濱工程大學(xué)碩士學(xué)位論文,2019.

    [9] 呂繼東.蘋(píng)果采摘機(jī)器人視覺(jué)測(cè)量與避障控制研究[D].江蘇大學(xué)碩士學(xué)位論文,2012.

    [10] 夏雪,丘耘,王健等.果園環(huán)境下蘋(píng)果偵測(cè)與定位方法研究現(xiàn)狀與展望[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào),2017.19(2):65-74

    [11] 賈偉寬.基于智能優(yōu)化的蘋(píng)果采摘機(jī)器人目標(biāo)識(shí)別研究[D].江蘇大學(xué)碩士學(xué)位論文,2016.

    [12] Bengio Y, Courville A, Vincent P. Representation learning:A review and new perspectives[J].Pattern Analysis and Machine Intelligence, IEEE Transactions on,2013.35(8):1798-1828

    [13] 曹燕,李歡,王天寶.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法研究綜述[J].計(jì)算機(jī)與現(xiàn)代化,2020.5:63-69

    收稿日期:2020-08-10

    作者簡(jiǎn)介:任會(huì)(1994-),女,江蘇連云港市人,中南林業(yè)科技大學(xué)2018級(jí)碩士研究生,主要研究方向:圖像處理,目標(biāo)識(shí)別。

    猜你喜歡
    目標(biāo)識(shí)別深度學(xué)習(xí)
    渡口水域安全監(jiān)管技術(shù)研究
    全自動(dòng)模擬目標(biāo)搜救系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    動(dòng)態(tài)場(chǎng)景中的視覺(jué)目標(biāo)識(shí)別方法分析
    基于PC的視覺(jué)解決方案在 Delta機(jī)器人抓放中的應(yīng)用
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識(shí)別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    日韩人妻精品一区2区三区| 人妻 亚洲 视频| 国产极品天堂在线| 黄色视频不卡| 亚洲成色77777| 国产高清不卡午夜福利| videosex国产| 亚洲中文av在线| 久热这里只有精品99| 国产精品国产av在线观看| 国产一级毛片在线| 国产精品一区二区精品视频观看| 曰老女人黄片| 国产精品99久久99久久久不卡 | 午夜免费观看性视频| 久久精品国产a三级三级三级| 亚洲成人一二三区av| 在线亚洲精品国产二区图片欧美| 国产日韩欧美视频二区| 亚洲国产精品成人久久小说| 老司机影院成人| www日本在线高清视频| 大片免费播放器 马上看| 91精品国产国语对白视频| 国产成人a∨麻豆精品| av在线播放精品| 国产成人免费无遮挡视频| 黑人欧美特级aaaaaa片| www.精华液| 国产极品粉嫩免费观看在线| 制服丝袜香蕉在线| 纵有疾风起免费观看全集完整版| 国产精品av久久久久免费| 捣出白浆h1v1| 国产伦理片在线播放av一区| 日本欧美视频一区| 欧美在线黄色| 精品一品国产午夜福利视频| 亚洲成人免费av在线播放| 欧美av亚洲av综合av国产av | 电影成人av| 免费观看av网站的网址| 满18在线观看网站| 亚洲精品aⅴ在线观看| 老鸭窝网址在线观看| 老司机深夜福利视频在线观看 | 女的被弄到高潮叫床怎么办| 亚洲精品国产av蜜桃| 蜜桃国产av成人99| 另类精品久久| 久久精品久久久久久久性| 国产亚洲一区二区精品| 亚洲欧美激情在线| 咕卡用的链子| 久久 成人 亚洲| 一二三四中文在线观看免费高清| 各种免费的搞黄视频| 成人国语在线视频| 人人澡人人妻人| 欧美日韩国产mv在线观看视频| av女优亚洲男人天堂| 最近的中文字幕免费完整| 热99国产精品久久久久久7| 777久久人妻少妇嫩草av网站| 老司机在亚洲福利影院| 精品国产超薄肉色丝袜足j| 女人被躁到高潮嗷嗷叫费观| 女人爽到高潮嗷嗷叫在线视频| 99九九在线精品视频| 超碰成人久久| 在线观看www视频免费| 如何舔出高潮| 亚洲精品一区蜜桃| 午夜影院在线不卡| 精品视频人人做人人爽| 亚洲久久久国产精品| 美女脱内裤让男人舔精品视频| 欧美日韩综合久久久久久| 永久免费av网站大全| 亚洲精品视频女| 国产精品国产三级专区第一集| 波多野结衣一区麻豆| 精品久久蜜臀av无| 十分钟在线观看高清视频www| 欧美另类一区| 欧美日韩亚洲国产一区二区在线观看 | 日日啪夜夜爽| 亚洲第一av免费看| 丁香六月天网| 久久久欧美国产精品| 欧美日本中文国产一区发布| 国产伦人伦偷精品视频| 超色免费av| 日韩伦理黄色片| 日日撸夜夜添| 久久久精品94久久精品| 校园人妻丝袜中文字幕| 毛片一级片免费看久久久久| 精品卡一卡二卡四卡免费| 高清不卡的av网站| 91精品国产国语对白视频| 欧美国产精品va在线观看不卡| 久久人人爽人人片av| 久久精品国产a三级三级三级| avwww免费| 亚洲,欧美精品.| 女人久久www免费人成看片| 精品国产乱码久久久久久男人| 国产精品国产三级专区第一集| 亚洲熟女精品中文字幕| 亚洲免费av在线视频| av一本久久久久| 亚洲,一卡二卡三卡| 欧美日韩国产mv在线观看视频| 少妇人妻精品综合一区二区| 狠狠精品人妻久久久久久综合| 精品亚洲成a人片在线观看| 久久婷婷青草| 国产一区二区三区综合在线观看| 国产熟女欧美一区二区| 高清黄色对白视频在线免费看| 亚洲色图 男人天堂 中文字幕| 99热国产这里只有精品6| 成年女人毛片免费观看观看9 | 久久久久久人人人人人| 国产成人系列免费观看| 欧美老熟妇乱子伦牲交| 男女下面插进去视频免费观看| 在线观看免费午夜福利视频| 国产精品欧美亚洲77777| 9191精品国产免费久久| 亚洲五月色婷婷综合| 少妇精品久久久久久久| 天天躁狠狠躁夜夜躁狠狠躁| 国产亚洲av片在线观看秒播厂| av视频免费观看在线观看| 日本黄色日本黄色录像| 成人毛片60女人毛片免费| 一区在线观看完整版| 亚洲精品乱久久久久久| 国产亚洲午夜精品一区二区久久| 精品少妇久久久久久888优播| av不卡在线播放| 成人国语在线视频| 最新在线观看一区二区三区 | 中文天堂在线官网| 精品国产乱码久久久久久小说| 午夜激情久久久久久久| 黑人欧美特级aaaaaa片| 亚洲自偷自拍图片 自拍| 欧美日韩亚洲高清精品| 天天影视国产精品| 欧美人与善性xxx| 亚洲成人av在线免费| 色精品久久人妻99蜜桃| 日本色播在线视频| 啦啦啦在线观看免费高清www| 久久青草综合色| 九色亚洲精品在线播放| 亚洲av综合色区一区| 巨乳人妻的诱惑在线观看| 如何舔出高潮| 精品亚洲成a人片在线观看| 日本爱情动作片www.在线观看| 男女边吃奶边做爰视频| 久久天躁狠狠躁夜夜2o2o | 女性被躁到高潮视频| 亚洲av成人精品一二三区| 成人三级做爰电影| 高清不卡的av网站| 午夜福利影视在线免费观看| 久久久久国产精品人妻一区二区| 无遮挡黄片免费观看| 国产精品二区激情视频| 成人亚洲欧美一区二区av| 欧美精品一区二区大全| 国产麻豆69| 日本av手机在线免费观看| 久久女婷五月综合色啪小说| 97在线人人人人妻| 深夜精品福利| a级毛片在线看网站| 七月丁香在线播放| 王馨瑶露胸无遮挡在线观看| 亚洲精品中文字幕在线视频| 男女午夜视频在线观看| 欧美黑人欧美精品刺激| 九草在线视频观看| 男女边摸边吃奶| 日本vs欧美在线观看视频| 久久热在线av| 免费日韩欧美在线观看| www.自偷自拍.com| 午夜免费男女啪啪视频观看| 国产av码专区亚洲av| 亚洲精品日韩在线中文字幕| 久久这里只有精品19| 亚洲色图综合在线观看| a 毛片基地| av在线app专区| 国产精品.久久久| 一区二区三区精品91| 十分钟在线观看高清视频www| 午夜免费鲁丝| 国产精品久久久久久精品电影小说| 乱人伦中国视频| 欧美黑人欧美精品刺激| 亚洲人成电影观看| 色综合欧美亚洲国产小说| 国产在视频线精品| 欧美日韩亚洲高清精品| 成人午夜精彩视频在线观看| 欧美日韩亚洲综合一区二区三区_| 别揉我奶头~嗯~啊~动态视频 | 丝袜喷水一区| 国产在线视频一区二区| 欧美精品人与动牲交sv欧美| 最近最新中文字幕免费大全7| 啦啦啦中文免费视频观看日本| 免费黄色在线免费观看| 久久久国产欧美日韩av| 成人亚洲精品一区在线观看| 如日韩欧美国产精品一区二区三区| 国产一区亚洲一区在线观看| 精品少妇内射三级| 午夜激情av网站| av视频免费观看在线观看| 亚洲国产精品一区二区三区在线| 少妇被粗大猛烈的视频| 91精品国产国语对白视频| 成年av动漫网址| 九草在线视频观看| 日本午夜av视频| 欧美久久黑人一区二区| 丰满饥渴人妻一区二区三| 一区二区日韩欧美中文字幕| 精品国产乱码久久久久久男人| 日日撸夜夜添| 好男人视频免费观看在线| 国产野战对白在线观看| 国产av码专区亚洲av| 极品人妻少妇av视频| 成人影院久久| 九色亚洲精品在线播放| 秋霞伦理黄片| 精品国产露脸久久av麻豆| 日韩制服骚丝袜av| 国产av国产精品国产| 国产精品久久久久久精品古装| 亚洲精品一二三| 9热在线视频观看99| 日韩视频在线欧美| 亚洲视频免费观看视频| 久久精品人人爽人人爽视色| 久久久久精品久久久久真实原创| 国产成人免费无遮挡视频| 国产成人欧美| 人人妻人人爽人人添夜夜欢视频| 最新的欧美精品一区二区| 亚洲欧洲日产国产| 精品亚洲乱码少妇综合久久| 国产亚洲av片在线观看秒播厂| 欧美日韩综合久久久久久| av片东京热男人的天堂| 大片免费播放器 马上看| 自线自在国产av| 美女高潮到喷水免费观看| 国产欧美日韩综合在线一区二区| 人人妻人人添人人爽欧美一区卜| 国产精品国产三级国产专区5o| 在线观看一区二区三区激情| 99国产综合亚洲精品| 国产成人91sexporn| 大片免费播放器 马上看| www.自偷自拍.com| 国产男女超爽视频在线观看| 中文字幕人妻熟女乱码| 国产男女内射视频| av女优亚洲男人天堂| 搡老岳熟女国产| 国产成人精品久久二区二区91 | 在线观看免费高清a一片| 亚洲精品国产av蜜桃| videosex国产| 成人国产麻豆网| 丁香六月欧美| 国产在线一区二区三区精| 性高湖久久久久久久久免费观看| 性少妇av在线| 一本大道久久a久久精品| 欧美av亚洲av综合av国产av | 9191精品国产免费久久| 国产野战对白在线观看| 人体艺术视频欧美日本| 成人国语在线视频| 人妻人人澡人人爽人人| 亚洲少妇的诱惑av| 夫妻性生交免费视频一级片| 成人国产麻豆网| 色播在线永久视频| 亚洲国产精品国产精品| 90打野战视频偷拍视频| 国产97色在线日韩免费| 我要看黄色一级片免费的| 日韩精品免费视频一区二区三区| a级毛片在线看网站| 91老司机精品| 免费黄网站久久成人精品| 国产高清不卡午夜福利| 亚洲一级一片aⅴ在线观看| 又黄又粗又硬又大视频| 成年动漫av网址| 18在线观看网站| 亚洲 欧美一区二区三区| 亚洲少妇的诱惑av| 最近最新中文字幕大全免费视频 | 国产高清国产精品国产三级| 亚洲熟女毛片儿| 欧美激情极品国产一区二区三区| 亚洲欧洲国产日韩| 最近手机中文字幕大全| 久久毛片免费看一区二区三区| 亚洲美女黄色视频免费看| 亚洲精品久久午夜乱码| 人人妻,人人澡人人爽秒播 | 亚洲图色成人| 亚洲成色77777| 成年女人毛片免费观看观看9 | 人人妻人人爽人人添夜夜欢视频| 免费人妻精品一区二区三区视频| 成人漫画全彩无遮挡| 精品国产超薄肉色丝袜足j| 老汉色av国产亚洲站长工具| 免费观看a级毛片全部| 精品卡一卡二卡四卡免费| 美女午夜性视频免费| 免费高清在线观看视频在线观看| 精品一区二区三区av网在线观看 | 日日摸夜夜添夜夜爱| 亚洲av综合色区一区| 国产一区二区三区综合在线观看| 色婷婷av一区二区三区视频| 不卡av一区二区三区| 亚洲第一av免费看| 大陆偷拍与自拍| 欧美另类一区| 蜜桃国产av成人99| 精品国产露脸久久av麻豆| 777米奇影视久久| 不卡av一区二区三区| 高清在线视频一区二区三区| 国产精品一区二区在线观看99| 午夜激情久久久久久久| 久久久久国产精品人妻一区二区| 91精品三级在线观看| 色婷婷av一区二区三区视频| 久久久久精品性色| 老汉色av国产亚洲站长工具| 一级毛片 在线播放| 国产精品99久久99久久久不卡 | 国产男女内射视频| 999精品在线视频| 人体艺术视频欧美日本| 亚洲综合色网址| 国产日韩欧美视频二区| 欧美日本中文国产一区发布| 成年女人毛片免费观看观看9 | 久久韩国三级中文字幕| 黄色 视频免费看| 国产有黄有色有爽视频| 高清av免费在线| 热re99久久精品国产66热6| 久久国产精品大桥未久av| 免费久久久久久久精品成人欧美视频| 热re99久久精品国产66热6| 香蕉丝袜av| 制服人妻中文乱码| 女人被躁到高潮嗷嗷叫费观| 人体艺术视频欧美日本| 国产成人啪精品午夜网站| 欧美亚洲日本最大视频资源| 大陆偷拍与自拍| 多毛熟女@视频| 纯流量卡能插随身wifi吗| 久久精品国产亚洲av高清一级| 久久ye,这里只有精品| 国产精品蜜桃在线观看| 大陆偷拍与自拍| 精品第一国产精品| 成年av动漫网址| 欧美精品人与动牲交sv欧美| 国产99久久九九免费精品| 国产xxxxx性猛交| 久久99精品国语久久久| 在线观看免费高清a一片| 欧美97在线视频| 亚洲美女黄色视频免费看| 最近中文字幕高清免费大全6| 日日啪夜夜爽| 人成视频在线观看免费观看| 精品一区二区三区av网在线观看 | 一级a爱视频在线免费观看| 女人久久www免费人成看片| 国产视频首页在线观看| 亚洲少妇的诱惑av| 十八禁人妻一区二区| 中文字幕高清在线视频| 国产av一区二区精品久久| 久久这里只有精品19| 在线免费观看不下载黄p国产| videosex国产| 久久久久人妻精品一区果冻| 91成人精品电影| 99香蕉大伊视频| 色婷婷久久久亚洲欧美| 日本黄色日本黄色录像| 大片电影免费在线观看免费| 欧美 日韩 精品 国产| 国产成人精品无人区| 91精品国产国语对白视频| 午夜免费男女啪啪视频观看| 桃花免费在线播放| 国产精品久久久久久精品古装| 在线看a的网站| 高清不卡的av网站| 考比视频在线观看| 精品久久久久久电影网| 国产精品国产三级国产专区5o| 香蕉丝袜av| 国产av国产精品国产| 赤兔流量卡办理| 成人国产av品久久久| 日韩成人av中文字幕在线观看| 日韩一区二区三区影片| 午夜福利免费观看在线| 少妇人妻久久综合中文| 亚洲 欧美一区二区三区| 一区福利在线观看| 中文字幕人妻熟女乱码| av女优亚洲男人天堂| 九草在线视频观看| 亚洲欧洲日产国产| 精品亚洲乱码少妇综合久久| 久久精品亚洲av国产电影网| 国产精品一区二区在线不卡| 一边摸一边抽搐一进一出视频| 19禁男女啪啪无遮挡网站| 欧美中文综合在线视频| 天天躁夜夜躁狠狠躁躁| 久久免费观看电影| 中文字幕高清在线视频| 亚洲国产精品999| 大码成人一级视频| 成年av动漫网址| 欧美亚洲 丝袜 人妻 在线| 免费在线观看视频国产中文字幕亚洲 | 精品国产一区二区三区久久久樱花| svipshipincom国产片| 极品少妇高潮喷水抽搐| 免费高清在线观看视频在线观看| 无限看片的www在线观看| 在线天堂中文资源库| 搡老乐熟女国产| 国产免费又黄又爽又色| 视频区图区小说| 免费黄色在线免费观看| 你懂的网址亚洲精品在线观看| 日本av手机在线免费观看| 两个人免费观看高清视频| 中国三级夫妇交换| 婷婷成人精品国产| 亚洲av欧美aⅴ国产| 亚洲欧美一区二区三区久久| 亚洲,欧美精品.| 日本猛色少妇xxxxx猛交久久| 自线自在国产av| 成人手机av| 久久久久国产精品人妻一区二区| 叶爱在线成人免费视频播放| 日本爱情动作片www.在线观看| 日韩一区二区视频免费看| 亚洲成国产人片在线观看| 久久久久久久国产电影| av网站免费在线观看视频| 一级毛片我不卡| videosex国产| 黄片播放在线免费| 无遮挡黄片免费观看| 又大又黄又爽视频免费| 久久久精品区二区三区| 一级片免费观看大全| 高清欧美精品videossex| 成人免费观看视频高清| 久久热在线av| 少妇被粗大的猛进出69影院| 最新在线观看一区二区三区 | 丁香六月欧美| 深夜精品福利| 日日摸夜夜添夜夜爱| 精品一品国产午夜福利视频| 亚洲美女视频黄频| 婷婷成人精品国产| 男女边摸边吃奶| 男人爽女人下面视频在线观看| 国产成人精品在线电影| 天美传媒精品一区二区| 欧美老熟妇乱子伦牲交| 欧美另类一区| 青春草视频在线免费观看| e午夜精品久久久久久久| 999久久久国产精品视频| 十八禁人妻一区二区| a 毛片基地| 你懂的网址亚洲精品在线观看| 热re99久久国产66热| www.av在线官网国产| 9色porny在线观看| 久久久欧美国产精品| √禁漫天堂资源中文www| 日本欧美视频一区| 久久这里只有精品19| 欧美 日韩 精品 国产| 香蕉国产在线看| 黄网站色视频无遮挡免费观看| 交换朋友夫妻互换小说| 一级毛片我不卡| 亚洲中文av在线| 人人澡人人妻人| 18禁国产床啪视频网站| 丰满乱子伦码专区| avwww免费| 午夜久久久在线观看| 日本欧美视频一区| 一本色道久久久久久精品综合| 精品人妻一区二区三区麻豆| 亚洲国产av影院在线观看| 久久久久久人人人人人| 美女主播在线视频| 亚洲成人一二三区av| 欧美精品一区二区免费开放| 99热全是精品| 亚洲av国产av综合av卡| 久热爱精品视频在线9| 欧美精品人与动牲交sv欧美| 老司机亚洲免费影院| 中文字幕人妻丝袜制服| 午夜91福利影院| 精品国产一区二区三区久久久樱花| 大片免费播放器 马上看| 国产男女超爽视频在线观看| 大片免费播放器 马上看| 国产在线免费精品| 天堂8中文在线网| 亚洲,欧美,日韩| 成人18禁高潮啪啪吃奶动态图| 国产午夜精品一二区理论片| 亚洲综合色网址| 国产又爽黄色视频| 在线观看三级黄色| 国产又爽黄色视频| 可以免费在线观看a视频的电影网站 | 国产一卡二卡三卡精品 | 国产精品99久久99久久久不卡 | 国语对白做爰xxxⅹ性视频网站| 成人亚洲欧美一区二区av| 嫩草影院入口| 人人妻人人澡人人爽人人夜夜| 亚洲色图综合在线观看| 黄片小视频在线播放| 在线观看国产h片| 熟女av电影| 成人漫画全彩无遮挡| 亚洲在久久综合| 色视频在线一区二区三区| 国产精品二区激情视频| 看免费av毛片| 19禁男女啪啪无遮挡网站| 日日爽夜夜爽网站| 成人亚洲精品一区在线观看| 欧美日韩国产mv在线观看视频| 午夜福利在线免费观看网站| 亚洲国产最新在线播放| 精品国产露脸久久av麻豆| 不卡av一区二区三区| 亚洲人成77777在线视频| 王馨瑶露胸无遮挡在线观看| 最近中文字幕2019免费版| av国产久精品久网站免费入址| 亚洲人成77777在线视频| 午夜91福利影院| 在线天堂最新版资源| 热99国产精品久久久久久7| 欧美精品一区二区大全| a 毛片基地| 男女边摸边吃奶| 国产精品国产三级国产专区5o| 街头女战士在线观看网站| 欧美 日韩 精品 国产| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美成人精品欧美一级黄| 99香蕉大伊视频| 亚洲精品一区蜜桃| 久久久久国产一级毛片高清牌| 青春草视频在线免费观看| 国产精品 欧美亚洲| 久久天堂一区二区三区四区| 两个人看的免费小视频| 久久精品国产亚洲av涩爱| 一区二区三区四区激情视频| 亚洲国产日韩一区二区| 丁香六月欧美| 欧美最新免费一区二区三区| 一本久久精品| 亚洲精品aⅴ在线观看| 日韩中文字幕欧美一区二区 |