• <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)
    国产精品精品国产色婷婷| 久久97久久精品| 深爱激情五月婷婷| 狂野欧美激情性bbbbbb| 又爽又黄a免费视频| 欧美人与善性xxx| 男女边摸边吃奶| 日韩中文字幕视频在线看片 | 国产黄片美女视频| 国产午夜精品久久久久久一区二区三区| 五月玫瑰六月丁香| 亚洲av免费高清在线观看| 老熟女久久久| 少妇高潮的动态图| av国产免费在线观看| 搡老乐熟女国产| 亚洲婷婷狠狠爱综合网| 特大巨黑吊av在线直播| 不卡视频在线观看欧美| 纵有疾风起免费观看全集完整版| 日韩中文字幕视频在线看片 | 天天躁夜夜躁狠狠久久av| 丰满人妻一区二区三区视频av| 久久青草综合色| 最近的中文字幕免费完整| 中文在线观看免费www的网站| 国产欧美亚洲国产| 在线观看一区二区三区| 免费观看性生交大片5| 亚洲精品久久午夜乱码| 亚洲av福利一区| 久久久久久久久大av| 精品一区二区免费观看| 一本色道久久久久久精品综合| 国产精品秋霞免费鲁丝片| 在线观看一区二区三区| 欧美bdsm另类| 欧美精品一区二区免费开放| 又大又黄又爽视频免费| 日韩制服骚丝袜av| 国产成人91sexporn| 亚洲aⅴ乱码一区二区在线播放| 免费看日本二区| 久久亚洲国产成人精品v| 久久热精品热| 国产高清国产精品国产三级 | 亚洲精品日韩av片在线观看| 女人十人毛片免费观看3o分钟| 亚洲精品中文字幕在线视频 | 国产男女超爽视频在线观看| 久久久久精品久久久久真实原创| 午夜福利视频精品| 在线亚洲精品国产二区图片欧美 | 国产精品国产av在线观看| 永久网站在线| 精品久久国产蜜桃| 啦啦啦啦在线视频资源| 久久久久国产网址| 日本wwww免费看| 91久久精品国产一区二区成人| 欧美 日韩 精品 国产| 久久久久久久久久成人| 亚洲美女视频黄频| 婷婷色综合www| 精品亚洲成a人片在线观看 | 国产精品国产三级国产专区5o| 少妇的逼水好多| 日韩一本色道免费dvd| 精品久久久久久久久av| 久久精品久久久久久久性| 欧美老熟妇乱子伦牲交| 国产精品无大码| 青青草视频在线视频观看| 99热这里只有是精品在线观看| 色5月婷婷丁香| av在线观看视频网站免费| 免费大片18禁| 欧美 日韩 精品 国产| 精品酒店卫生间| 少妇丰满av| 一二三四中文在线观看免费高清| 又爽又黄a免费视频| 全区人妻精品视频| 日本猛色少妇xxxxx猛交久久| 久久久久精品性色| 久久亚洲国产成人精品v| 黄片无遮挡物在线观看| 国产免费视频播放在线视频| 欧美成人午夜免费资源| 久久久久久久久久人人人人人人| 在线观看三级黄色| av女优亚洲男人天堂| 男女无遮挡免费网站观看| 国产高潮美女av| 多毛熟女@视频| 51国产日韩欧美| 国产又色又爽无遮挡免| 五月伊人婷婷丁香| 日本一二三区视频观看| 午夜视频国产福利| 日本色播在线视频| 一级毛片我不卡| 又黄又爽又刺激的免费视频.| 永久网站在线| 国产精品女同一区二区软件| 丝瓜视频免费看黄片| 国产精品一区二区在线观看99| 少妇人妻久久综合中文| 在现免费观看毛片| 亚洲精品一二三| 国产精品成人在线| 美女内射精品一级片tv| 青春草视频在线免费观看| 久久久亚洲精品成人影院| 伦理电影免费视频| 男人狂女人下面高潮的视频| 色网站视频免费| 亚洲精品乱久久久久久| 狂野欧美白嫩少妇大欣赏| 国产精品不卡视频一区二区| 精品国产三级普通话版| 乱系列少妇在线播放| 另类亚洲欧美激情| 国产一区二区三区av在线| 久久97久久精品| 极品少妇高潮喷水抽搐| 久久久亚洲精品成人影院| 超碰av人人做人人爽久久| 中文字幕免费在线视频6| 国产高清不卡午夜福利| 一级a做视频免费观看| 99热6这里只有精品| 国产毛片在线视频| 久久久久久伊人网av| 99久久精品国产国产毛片| 成人午夜精彩视频在线观看| 观看av在线不卡| 99久久综合免费| 国产色爽女视频免费观看| 国产女主播在线喷水免费视频网站| 亚洲国产欧美人成| 久久久久久久大尺度免费视频| 久久女婷五月综合色啪小说| 一级毛片电影观看| 成年av动漫网址| 成年美女黄网站色视频大全免费 | 亚洲精品乱久久久久久| 国产69精品久久久久777片| 青春草视频在线免费观看| 国产极品天堂在线| videossex国产| 精品一区二区三卡| 黄片无遮挡物在线观看| 美女cb高潮喷水在线观看| 国产欧美日韩精品一区二区| 搡女人真爽免费视频火全软件| 亚洲精品国产av成人精品| 国产av一区二区精品久久 | 国产老妇伦熟女老妇高清| 亚洲精品一二三| 少妇人妻 视频| 毛片女人毛片| 国产成人精品一,二区| 日韩一本色道免费dvd| 免费观看性生交大片5| 中文字幕人妻熟人妻熟丝袜美| 我的老师免费观看完整版| 国产精品女同一区二区软件| 国产成人精品一,二区| 国产亚洲5aaaaa淫片| 卡戴珊不雅视频在线播放| 中文字幕人妻熟人妻熟丝袜美| 九九在线视频观看精品| 午夜福利高清视频| 22中文网久久字幕| 久久精品久久久久久噜噜老黄| 又粗又硬又长又爽又黄的视频| 美女内射精品一级片tv| 特大巨黑吊av在线直播| 国产欧美日韩精品一区二区| 国产男女超爽视频在线观看| 在线观看免费日韩欧美大片 | 人妻制服诱惑在线中文字幕| 亚洲欧美成人精品一区二区| 亚洲欧美一区二区三区黑人 | 免费不卡的大黄色大毛片视频在线观看| 嫩草影院入口| 最近的中文字幕免费完整| 老女人水多毛片| 精品国产一区二区三区久久久樱花 | 夜夜爽夜夜爽视频| 少妇高潮的动态图| 一边亲一边摸免费视频| 99热这里只有精品一区| 亚洲一区二区三区欧美精品| 国产在视频线精品| 人妻制服诱惑在线中文字幕| 大码成人一级视频| 亚洲精品国产av蜜桃| 两个人的视频大全免费| 在线观看免费高清a一片| 免费少妇av软件| 亚洲精品,欧美精品| 欧美日韩国产mv在线观看视频 | 亚洲精品久久午夜乱码| 一级毛片aaaaaa免费看小| av国产免费在线观看| 老司机影院成人| 国产成人一区二区在线| 高清日韩中文字幕在线| 男人狂女人下面高潮的视频| 国产永久视频网站| 好男人视频免费观看在线| 免费少妇av软件| 哪个播放器可以免费观看大片| 国产在视频线精品| 少妇高潮的动态图| 国产精品一区二区在线不卡| 欧美97在线视频| 亚洲天堂av无毛| 99久久精品国产国产毛片| 久久久久久伊人网av| 国产精品99久久99久久久不卡 | 女的被弄到高潮叫床怎么办| 国产黄片美女视频| 国产一区亚洲一区在线观看| 中文乱码字字幕精品一区二区三区| 久久婷婷青草| 男女啪啪激烈高潮av片| 黑人高潮一二区| 六月丁香七月| 久久久久精品性色| 国产在线一区二区三区精| 人人妻人人爽人人添夜夜欢视频 | 久久精品久久精品一区二区三区| 一本久久精品| av女优亚洲男人天堂| 在线播放无遮挡| 哪个播放器可以免费观看大片| 一级毛片久久久久久久久女| 美女cb高潮喷水在线观看| 日日啪夜夜爽| 成人高潮视频无遮挡免费网站| 精品久久久久久久久亚洲| 久久97久久精品| 精品亚洲成a人片在线观看 | 我要看黄色一级片免费的| 国产精品久久久久久精品古装| 尾随美女入室| 汤姆久久久久久久影院中文字幕| 一本色道久久久久久精品综合| 国产精品一区www在线观看| 中文在线观看免费www的网站| av天堂中文字幕网| 国产伦精品一区二区三区视频9| 成人漫画全彩无遮挡| 三级国产精品片| 成人一区二区视频在线观看| 看免费成人av毛片| 日韩中字成人| av卡一久久| 熟女人妻精品中文字幕| 人妻 亚洲 视频| 只有这里有精品99| 在线观看国产h片| 成人二区视频| 十八禁网站网址无遮挡 | 亚洲自偷自拍三级| 一级毛片我不卡| 日韩一区二区视频免费看| 日产精品乱码卡一卡2卡三| 久久精品久久精品一区二区三区| 国产片特级美女逼逼视频| av线在线观看网站| 国产在线男女| 黄片无遮挡物在线观看| 精品久久久久久久末码| 精品亚洲乱码少妇综合久久| 亚洲国产日韩一区二区| 高清午夜精品一区二区三区| 久久久久视频综合| 老司机影院成人| 亚洲av在线观看美女高潮| 极品少妇高潮喷水抽搐| 久久久久国产网址| 在线观看免费日韩欧美大片 | 亚洲美女搞黄在线观看| 国产精品不卡视频一区二区| 欧美精品人与动牲交sv欧美| 亚洲怡红院男人天堂| 国产高清有码在线观看视频| 狂野欧美白嫩少妇大欣赏| 国产一区有黄有色的免费视频| 99国产精品免费福利视频| 欧美精品一区二区大全| 亚州av有码| 六月丁香七月| 婷婷色av中文字幕| 在线观看一区二区三区激情| 久久久久国产网址| 十分钟在线观看高清视频www | 亚洲精品,欧美精品| 精品一区在线观看国产| 秋霞在线观看毛片| 亚洲在久久综合| av.在线天堂| www.色视频.com| 日韩成人av中文字幕在线观看| 久久国内精品自在自线图片| 内地一区二区视频在线| 少妇高潮的动态图| 日本wwww免费看| 一二三四中文在线观看免费高清| 免费看av在线观看网站| 日韩在线高清观看一区二区三区| 欧美日韩一区二区视频在线观看视频在线| 26uuu在线亚洲综合色| 最近中文字幕高清免费大全6| 啦啦啦啦在线视频资源| 亚洲色图av天堂| 国产精品偷伦视频观看了| 搡老乐熟女国产| 午夜精品国产一区二区电影| 黄色配什么色好看| 精品国产三级普通话版| 欧美成人a在线观看| 久久99热这里只频精品6学生| 简卡轻食公司| 久久国产精品男人的天堂亚洲 | av国产免费在线观看| 午夜福利视频精品| 欧美 日韩 精品 国产| 亚洲经典国产精华液单| 日韩不卡一区二区三区视频在线| 美女cb高潮喷水在线观看| 亚洲精品乱码久久久v下载方式| 日日摸夜夜添夜夜添av毛片| 黄片无遮挡物在线观看| 国产精品精品国产色婷婷| 在线免费观看不下载黄p国产| 国产成人一区二区在线| 精品久久久久久久久亚洲| 国产成人免费无遮挡视频| 国产精品久久久久久精品古装| 熟女av电影| 九九久久精品国产亚洲av麻豆| 99九九线精品视频在线观看视频| 国产精品嫩草影院av在线观看| 国产伦理片在线播放av一区| 亚洲成人中文字幕在线播放| 校园人妻丝袜中文字幕| 成年av动漫网址| 欧美xxⅹ黑人| 观看美女的网站| 97在线人人人人妻| 亚洲第一区二区三区不卡| 久久久精品94久久精品| 国产乱人偷精品视频| 欧美精品一区二区免费开放| 免费观看无遮挡的男女| 新久久久久国产一级毛片| 欧美日韩在线观看h| 热re99久久精品国产66热6| 久久久午夜欧美精品| 99热全是精品| 在线观看免费日韩欧美大片 | 最新中文字幕久久久久| 性色avwww在线观看| 亚洲av综合色区一区| 大话2 男鬼变身卡| 国产精品欧美亚洲77777| 直男gayav资源| 亚洲欧美精品自产自拍| 一二三四中文在线观看免费高清| 伦精品一区二区三区| 国产亚洲最大av| 老女人水多毛片| 午夜福利在线在线| 色视频在线一区二区三区| 亚洲图色成人| 2022亚洲国产成人精品| 国精品久久久久久国模美| 日韩一区二区三区影片| 美女中出高潮动态图| 边亲边吃奶的免费视频| 伦理电影免费视频| 婷婷色av中文字幕| 久久久久久久久久久免费av| 久久久久视频综合| a级毛色黄片| 欧美区成人在线视频| 亚洲内射少妇av| 99热这里只有精品一区| 在线看a的网站| 啦啦啦中文免费视频观看日本| 观看免费一级毛片| 国产高潮美女av| 在线观看美女被高潮喷水网站| 亚洲精品国产av蜜桃| 肉色欧美久久久久久久蜜桃| 高清av免费在线| 婷婷色av中文字幕| 精品熟女少妇av免费看| 青青草视频在线视频观看| 99热这里只有精品一区| 纵有疾风起免费观看全集完整版| 激情 狠狠 欧美| 精品人妻一区二区三区麻豆| 人体艺术视频欧美日本| 精品一区在线观看国产| 直男gayav资源| 22中文网久久字幕| 视频中文字幕在线观看| 国产精品麻豆人妻色哟哟久久| 亚洲一区二区三区欧美精品| 最近中文字幕高清免费大全6| 精品一区二区三卡| 26uuu在线亚洲综合色| 麻豆成人午夜福利视频| 一个人看视频在线观看www免费| 免费久久久久久久精品成人欧美视频 | 午夜福利高清视频| 一二三四中文在线观看免费高清| 99re6热这里在线精品视频| 免费av中文字幕在线| 国产成人精品一,二区| 日韩制服骚丝袜av| 91精品国产九色| 久久久午夜欧美精品| 乱系列少妇在线播放| www.av在线官网国产| 亚洲精品国产色婷婷电影| 免费人成在线观看视频色| 久久久久视频综合| 成人二区视频| 1000部很黄的大片| 一二三四中文在线观看免费高清| 欧美老熟妇乱子伦牲交| 一边亲一边摸免费视频| 特大巨黑吊av在线直播| 自拍偷自拍亚洲精品老妇| 精品久久久精品久久久| av视频免费观看在线观看| 亚洲伊人久久精品综合| 黄色视频在线播放观看不卡| 国产精品一区二区三区四区免费观看| 九色成人免费人妻av| 老女人水多毛片| 观看av在线不卡| 99热这里只有是精品在线观看| 久久精品人妻少妇| 在现免费观看毛片| 夫妻性生交免费视频一级片| 国产精品人妻久久久久久| 中国美白少妇内射xxxbb| 亚洲av男天堂| 亚洲国产精品国产精品| 日本午夜av视频| 久久人人爽人人片av| 欧美精品人与动牲交sv欧美| 国产免费一区二区三区四区乱码| 国产精品国产av在线观看| 一本色道久久久久久精品综合| 超碰97精品在线观看| 男女边摸边吃奶| 免费观看的影片在线观看| 网址你懂的国产日韩在线| 黄色怎么调成土黄色| 欧美高清成人免费视频www| 美女国产视频在线观看| 国产爽快片一区二区三区| 国产一区二区三区av在线| 狂野欧美激情性bbbbbb| 亚洲av日韩在线播放| 王馨瑶露胸无遮挡在线观看| av天堂中文字幕网| 亚洲高清免费不卡视频| 精品酒店卫生间| 一二三四中文在线观看免费高清| 免费看光身美女| 国产综合精华液| 久久亚洲国产成人精品v| 一级二级三级毛片免费看| 国产91av在线免费观看| 国产亚洲5aaaaa淫片| 亚洲人与动物交配视频| 男的添女的下面高潮视频| 国模一区二区三区四区视频| 女人久久www免费人成看片| 国产亚洲最大av| 亚洲人成网站在线观看播放| 精品久久国产蜜桃| 丝袜喷水一区| 欧美日韩精品成人综合77777| 亚洲精品成人av观看孕妇| 91久久精品电影网| av不卡在线播放| 美女脱内裤让男人舔精品视频| 美女福利国产在线 | 成人毛片a级毛片在线播放| 一区二区三区乱码不卡18| 美女脱内裤让男人舔精品视频| 少妇猛男粗大的猛烈进出视频| 中文资源天堂在线| 黑人猛操日本美女一级片| 国产色婷婷99| 免费不卡的大黄色大毛片视频在线观看| 国产在线一区二区三区精| 最黄视频免费看| 国产爽快片一区二区三区| 亚洲美女黄色视频免费看| 久久久久性生活片| 国产极品天堂在线| 久久久久性生活片| 男女免费视频国产| 国产在视频线精品| 亚洲电影在线观看av| 天堂8中文在线网| 久久av网站| 久久综合国产亚洲精品| 国产一区二区三区综合在线观看 | 亚洲色图综合在线观看| 国产一区二区三区综合在线观看 | 中文字幕制服av| 亚洲成人中文字幕在线播放| 老师上课跳d突然被开到最大视频| 久久ye,这里只有精品| .国产精品久久| 少妇人妻精品综合一区二区| 精品一区二区免费观看| 欧美高清成人免费视频www| 在线观看免费高清a一片| 我的老师免费观看完整版| 超碰97精品在线观看| 日韩中文字幕视频在线看片 | 国产精品久久久久久av不卡| 天天躁夜夜躁狠狠久久av| 熟妇人妻不卡中文字幕| 国产精品免费大片| 女性生殖器流出的白浆| 狂野欧美激情性bbbbbb| 91久久精品电影网| 韩国高清视频一区二区三区| 日本色播在线视频| 亚洲美女搞黄在线观看| 伦理电影免费视频| 老司机影院毛片| 国产乱来视频区| 日韩大片免费观看网站| 国产毛片在线视频| 亚洲av免费高清在线观看| 91aial.com中文字幕在线观看| 国产 一区 欧美 日韩| 一级毛片久久久久久久久女| 在线天堂最新版资源| 青春草国产在线视频| 亚洲av.av天堂| 在线播放无遮挡| 婷婷色综合www| 国产极品天堂在线| 少妇精品久久久久久久| 久久综合国产亚洲精品| 欧美三级亚洲精品| 久久精品夜色国产| 久久久成人免费电影| 国产精品人妻久久久久久| 亚洲va在线va天堂va国产| 欧美日韩在线观看h| 在线观看一区二区三区激情| 一区二区三区四区激情视频| 边亲边吃奶的免费视频| 久久精品国产亚洲av天美| 成人特级av手机在线观看| 欧美日韩综合久久久久久| a级毛色黄片| 大码成人一级视频| 日本黄色日本黄色录像| 国产淫片久久久久久久久| 一区二区av电影网| 免费看不卡的av| 丰满少妇做爰视频| 在线观看免费日韩欧美大片 | 久久精品国产a三级三级三级| a级毛片免费高清观看在线播放| 国产av精品麻豆| 成年免费大片在线观看| 啦啦啦在线观看免费高清www| 亚洲国产日韩一区二区| 久久精品夜色国产| 97超视频在线观看视频| 岛国毛片在线播放| 国产 精品1| 亚洲av.av天堂| 国产成人freesex在线| 亚洲国产精品成人久久小说| 久久精品久久久久久噜噜老黄| 18+在线观看网站| 午夜福利影视在线免费观看| 免费大片黄手机在线观看| 国产老妇伦熟女老妇高清| 九九久久精品国产亚洲av麻豆| 国产伦在线观看视频一区| av女优亚洲男人天堂| 色婷婷av一区二区三区视频| 91精品一卡2卡3卡4卡| 国产亚洲精品久久久com| 婷婷色综合大香蕉| kizo精华| 成年人午夜在线观看视频| 亚洲国产精品专区欧美| 十八禁网站网址无遮挡 | 97超碰精品成人国产| 热99国产精品久久久久久7| 久久精品国产自在天天线| 欧美日本视频|