• <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)的熱軋鋼坯表面不同字體的字符識別研究

    2021-10-09 23:26劉康錢煒楊康
    軟件工程 2021年10期
    關(guān)鍵詞:字符識別深度學(xué)習(xí)

    劉康 錢煒 楊康

    摘? 要:同一熱軋鋼坯生產(chǎn)線上會存在鋼坯表面字符的字體不一致的問題,而利用深度學(xué)習(xí)YOLOv3算法訓(xùn)練不同字體的字符數(shù)據(jù)集,嚴(yán)重影響了整體字符的識別率,雖然原始的YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)適用性較好,但對噴印字符識別區(qū)域沒有針對性。為解決以上問題,根據(jù)噴印字符相對較小且沒有大小形態(tài)變化的特性,改進(jìn)了YOLOv3模型結(jié)構(gòu),僅保留預(yù)測小、中目標(biāo)的網(wǎng)絡(luò)結(jié)構(gòu),在保證較高檢測精度的同時(shí),縮小模型容量;采用對不同字體字符分開訓(xùn)練的識別方式,得出針對性分開訓(xùn)練比混合字體整體訓(xùn)練的識別準(zhǔn)確率高的結(jié)論。結(jié)果表明,本方法比不同字體整體訓(xùn)練的識別準(zhǔn)確率提高了7%以上,可在工程上進(jìn)行應(yīng)用。

    關(guān)鍵詞:深度學(xué)習(xí);字符識別;熱軋鋼坯;YOLOv3

    中圖分類號:TP301.6? ? ?文獻(xiàn)標(biāo)識碼:A

    Research on Character Recognition of Different Fonts on the Surface of

    Hot Rolled Steel Billet based on Deep Learning

    LIU Kang1, QIAN Wei1, YANG Kang2

    (1.School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China;

    2.Shanghai Baosight Software Co.,Ltd., Shanghai 201999, China)

    1010898612@qq.com; 1458515538@qq.com; yangkang@baosight.com

    Abstract: Aiming at character fonts inconsistency on the billet surface in the same hot-rolled billet production line, deep learning YOLOv3 algorithm is used to train character data sets of different fonts, which seriously affects the overall character recognition rate. Although the original YOLOv3 network structure is quite applicable, it is not targeted at the recognition area of printed characters. In order to solve the above problem, this paper proposes to improve YOLOv3 model structure according to the characteristics of relatively small print characters and no changes in size and shape. Only the network structure for predicting small and medium targets is retained, and the model capacity was reduced while ensuring high detection accuracy. It is concluded that the recognition accuracy of the targeted separate training is higher than that of the whole training of mixed fonts. The results show that the recognition accuracy of this method is more than 7% higher than that of the whole training of different fonts, and it can be applied in engineering.

    Keywords: deep learning; character recognition; hot-rolled steel billet; YOLOv3

    1? ?引言(Introduction)

    計(jì)算機(jī)視覺技術(shù)的迅速發(fā)展,使其得以在工業(yè)自動化生產(chǎn)過程中發(fā)揮著極大的推動作用,大大提高了生產(chǎn)效率和產(chǎn)品質(zhì)量[1]。在鋼材工件等金屬工業(yè)產(chǎn)品生產(chǎn)中,每個(gè)生產(chǎn)工件上會采用不同的字符組成來標(biāo)注其專屬的生產(chǎn)標(biāo)號,從而便于對其生產(chǎn)的監(jiān)控、配套的管理和質(zhì)量的追蹤。目前,采用傳統(tǒng)OCR技術(shù)識別字符的準(zhǔn)確率還不理想,仍需人工讀取工件上的生產(chǎn)標(biāo)號再次確認(rèn)并記錄的解決方案耗費(fèi)人工和時(shí)間。為實(shí)現(xiàn)熱軋鋼坯生產(chǎn)線達(dá)到較高的自動化水平,通過物料跟蹤系統(tǒng)對送板、軋輥、裝鋼、出鋼等工序進(jìn)行全線數(shù)據(jù)跟蹤,其中數(shù)據(jù)跟蹤發(fā)揮著至關(guān)重要的作用,而字符識別的準(zhǔn)確率直接影響到數(shù)據(jù)跟蹤[2]。車間物料跟蹤的范圍是從鋼坯入爐,經(jīng)加熱爐、軋線軋制、上冷床至打捆稱重為止。物料跟蹤信息包括批號、軋件號、爐號、鋼種、產(chǎn)品規(guī)格、過程數(shù)據(jù)、生產(chǎn)時(shí)間等,每個(gè)軋件的跟蹤信息自動傳輸?shù)胶蟛抗ば?。系統(tǒng)將整條軋線劃分成若干個(gè)跟蹤區(qū)域,對物料按照先進(jìn)先出的原則實(shí)現(xiàn)連續(xù)實(shí)時(shí)跟蹤,使實(shí)際物料在每個(gè)區(qū)域都能及時(shí)準(zhǔn)確地顯示出來[3]。因此,在復(fù)雜的生產(chǎn)現(xiàn)場環(huán)境下提高鋼卷號識別率十分迫切。在現(xiàn)階段研究與應(yīng)用中,對于單一字體的噴印字符識別準(zhǔn)確率比較理想,可對于混合字體的識別準(zhǔn)確率還達(dá)不到技術(shù)要求。

    如今YOLO系列的算法已有五個(gè)版本,依次為YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5,但本文用到Y(jié)OLOv3算法,因?yàn)閅OLO系列算法中是從YOLOv3開始被廣泛應(yīng)用的,后面出的YOLOv4、YOLOv5是在YOLOv3基礎(chǔ)上的進(jìn)一步改進(jìn),是在細(xì)枝末節(jié)上進(jìn)行的優(yōu)化,沒有YOLOv3在工業(yè)界的普遍適用性好[4]。該網(wǎng)絡(luò)采用Darknet53作為骨干網(wǎng)絡(luò)[5],由C語言實(shí)現(xiàn),容易安裝,沒有任何依賴項(xiàng),移植性非常好;支持CPU與GPU兩種計(jì)算方式,也適用于生產(chǎn)線現(xiàn)場無顯卡的硬件設(shè)備;具有輕量型、靈活性的特性,適合用于來研究底層,可以更為方便地從底層對其進(jìn)行改進(jìn)與擴(kuò)展。

    因此,本文依據(jù)不同字符字體圖像特征和識別任務(wù)的需求,采用基于YOLOv3的改進(jìn)神經(jīng)網(wǎng)絡(luò)分開訓(xùn)練數(shù)據(jù)集進(jìn)行對應(yīng)字符識別和檢測分析,旨在保證識別速度的同時(shí),準(zhǔn)確地實(shí)現(xiàn)鋼坯表面噴印字符識別以便進(jìn)行物料跟蹤。

    2? ?YOLOv3網(wǎng)絡(luò)模型(YOLOv3 network model)

    2.1? ?網(wǎng)絡(luò)結(jié)構(gòu)

    我們選用Darknet53作為目標(biāo)檢測網(wǎng)絡(luò)YOLOv3的骨干網(wǎng)絡(luò),因?yàn)槠淇杀A粼瓐D的大部分信息,能提取待訓(xùn)練圖像的目標(biāo)特征,其中:(1)CBL由卷積層(Conv)、批量歸一化(Bn)與Leaky_relu激活函數(shù)三者組成,是該網(wǎng)絡(luò)結(jié)構(gòu)中的最小組件。(2)Res unit:借鑒Resnet網(wǎng)絡(luò)中的殘差結(jié)構(gòu),將殘差模塊集成到網(wǎng)絡(luò)中,得到更深的網(wǎng)絡(luò)構(gòu)建,有利于檢測小目標(biāo)。(3)ResX:由一個(gè)CBL和X 個(gè)殘差組件構(gòu)成,表示這個(gè)殘差塊(res_block)里含有多少個(gè)Res unit,是YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)中的大組件。YOLOv3的骨干網(wǎng)絡(luò)Darknet53具有殘差結(jié)構(gòu),該設(shè)計(jì)有效緩解了深層網(wǎng)絡(luò)的梯度彌散后梯度爆炸問題,提升了檢測性能,每個(gè)殘差模塊由2 個(gè)卷積層和1 個(gè)shortcut連接。(4)concat:張量拼接,將Darknet中間層和后面的某一層的上采樣進(jìn)行拼接,對應(yīng)分支的特征圖融合。拼接的操作和殘差層add的操作是不一樣的,拼接會擴(kuò)充張量的維度,而add只是直接相加不會導(dǎo)致張量維度的改變[6],如圖1所示。

    2.2? ?網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)

    原始YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)采用三個(gè)不同尺度的特征圖進(jìn)行目標(biāo)檢測任務(wù)的原因是考慮原始圖像中可能包含的目標(biāo)物體大小不確定,對于這一問題,YOLOv3算法的解決方法是在YOLOv2曾采用passthrough層結(jié)構(gòu)[7]來檢測細(xì)粒度特征的基礎(chǔ)上,對原始圖像使用不同的粒度進(jìn)行劃分網(wǎng)格,更進(jìn)一步采用了三個(gè)不同尺度的特征圖來進(jìn)行對象檢測。例如,劃分為13×13、26×26、52×52的網(wǎng)格,其中13×13的大網(wǎng)格用于檢測相對大的目標(biāo)物體,26×26的網(wǎng)格用于檢測中等的目標(biāo)物體,52×52的網(wǎng)格用于檢測相對小的目標(biāo)物體,這是與主干網(wǎng)絡(luò)輸出的三種特征圖的大小是一一對應(yīng)的[4]。

    結(jié)合實(shí)際應(yīng)用情況,鋼坯表面噴印字符相對較小,字符檢測任務(wù)針對的是小目標(biāo)訓(xùn)練。YOLOv3采用多尺度來對不同尺寸的目標(biāo)進(jìn)行檢測計(jì)算復(fù)雜度較高,對該噴印字符識別應(yīng)用上有些浪費(fèi)計(jì)算機(jī)算力,因此針對大小幾乎無變化的噴印字符不需要過多的尺度進(jìn)行訓(xùn)練,我們在保證較高識別準(zhǔn)確率的同時(shí),改進(jìn)YOLOv3網(wǎng)絡(luò)結(jié)構(gòu),僅采用兩個(gè)不同尺度的特征圖來進(jìn)行對象檢測,如圖2所示。

    2.3? ?回歸函數(shù)

    我們知道,要實(shí)現(xiàn)多類別的分類,有兩種改進(jìn)普通的logistic回歸的方式:

    (1)直接根據(jù)每個(gè)類別,分別建立一個(gè)二分類器,帶有這個(gè)類別的樣本標(biāo)記為1,帶有其他類別的樣本標(biāo)記為0。如果有k 個(gè)類別,那么就可以得到k 個(gè)針對不同標(biāo)記的普通的logistic分類器。

    (2)修改logistic回歸的損失函數(shù),使其適應(yīng)多分類問題。這個(gè)損失函數(shù)不再只考慮二分類的損失,而是具體考慮每個(gè)樣本標(biāo)記的損失,這種方法就叫作Softmax回歸,即logistic回歸的多分類版本,可將多分類的結(jié)果以概率的形式呈現(xiàn)[8]。

    原YOLOv3網(wǎng)絡(luò)會產(chǎn)生三種不同的特征圖,將被分別傳入logistic層中,進(jìn)而運(yùn)算產(chǎn)生模型的輸出。而logistic回歸是針對二分類問題的,鋼坯表面噴印字符檢測識別是互斥的多分類問題,在該目標(biāo)檢測任務(wù)中,為了能去除無效預(yù)測框,保留最準(zhǔn)確的預(yù)測框,同時(shí)根據(jù)噴印字符實(shí)際情況,即不存在多個(gè)目標(biāo)物體重合的情況,因此普通logistic回歸就不適用了,我們采用的是Softmax回歸,介紹如下。

    對于輸入數(shù)據(jù)有k 個(gè)類別的分類問題,先定義邏輯回歸假設(shè)函數(shù)[9],可以理解為Softmax回歸估算每一類的概率,詳見式(1)。

    (1)

    其中,是模型的參數(shù),p是類別概率值。

    Softmax回歸算法的代價(jià)函數(shù)[10](其中),詳見式(2)。

    (2)

    其中,是回歸的模型參數(shù)矩陣,c是類別,m是已標(biāo)記的樣本數(shù),是一個(gè)指示性函數(shù),值為真即等于1,值為假即等于0。

    通過式(2),可將logistic回歸的損失函數(shù)改為如式(3)所示。但對于,Softmax回歸與logistic回歸的計(jì)算方式不同,Softmax回歸是logistic回歸的一般形式[9]。

    (3)

    其中,是回歸的模型參數(shù)矩陣,c是類別,m是已標(biāo)記的樣本數(shù),p是類別概率值;是一個(gè)指示性函數(shù),值為真即等于1,值為假即等于0。

    3? ?實(shí)驗(yàn)及結(jié)果分析(Experiment and result analysis)

    3.1? ?實(shí)驗(yàn)環(huán)境

    本文實(shí)驗(yàn)平臺環(huán)境配置情況如表1所示。

    3.2? ?數(shù)據(jù)集構(gòu)建

    圖像數(shù)據(jù)集使用熱軋現(xiàn)場拍攝作為訓(xùn)練識別噴印字符的數(shù)據(jù)樣本,根據(jù)字體不同分開統(tǒng)計(jì)出兩個(gè)數(shù)據(jù)集,每個(gè)數(shù)據(jù)集都包含10 種數(shù)字符號,采集圖像存儲格式為bmp,分辨率為2592×2048。采集的兩種字體的字符圖像分開整理成各自的訓(xùn)練數(shù)據(jù)集,兩種原始字符圖像如圖3所示。數(shù)據(jù)集的標(biāo)注采用labelimg軟件,具體對圖片目標(biāo)區(qū)域內(nèi)的單個(gè)字符依次進(jìn)行標(biāo)注。labelimg對字符圖像標(biāo)注完成后,會生成與之對應(yīng)的XML文件,隨后將XML文件里面的標(biāo)注框名稱和目標(biāo)邊框位置信息轉(zhuǎn)換為txt文件。

    3.3? ?訓(xùn)練結(jié)果

    先利用本文網(wǎng)絡(luò)模型對一種數(shù)據(jù)集進(jìn)行訓(xùn)練,訓(xùn)練過程中的損失變化情況如圖4所示。由圖4顯示的訓(xùn)練過程迭代次數(shù)的平均損失曲線發(fā)現(xiàn),訓(xùn)練迭代1.5萬次后平均損失函數(shù)值降低至0.35;隨著迭代次數(shù)的增加,平均損失函數(shù)值基本保持不變,趨于穩(wěn)定。

    分別用本文網(wǎng)絡(luò)、原始YOLOv3網(wǎng)絡(luò)與YOLOv3-tiny網(wǎng)絡(luò)對相同數(shù)據(jù)集進(jìn)行訓(xùn)練,訓(xùn)練好的模型測試相同測試集,結(jié)果如表2所示。

    實(shí)驗(yàn)結(jié)果表明,采用本文改進(jìn)的YOLOv3網(wǎng)絡(luò)表現(xiàn)相對較好,在原始YOLOv3網(wǎng)絡(luò)借鑒殘差網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上,形成了更深的網(wǎng)絡(luò)層次,去除多余多尺度檢測,提升了mAP(各類別AP的平均值)及小目標(biāo)檢測效果。在速度相當(dāng)?shù)那闆r下,本文網(wǎng)絡(luò)的識別準(zhǔn)確率比原始YOLOv3網(wǎng)絡(luò)與YOLOv3-tiny網(wǎng)絡(luò)要高,得到了提升。網(wǎng)絡(luò)的Bn層與批量大小密切相關(guān),批量越小訓(xùn)練時(shí)受到的干擾越多,不同的訓(xùn)練批量數(shù)下?lián)p失函數(shù)收斂速度略有不同,且識別準(zhǔn)確率也有影響,批量統(tǒng)計(jì)估算不準(zhǔn)確時(shí),在識別任務(wù)中采用小的批量數(shù)時(shí),誤差會迅速增加。用在訓(xùn)練大型網(wǎng)絡(luò)和將特征轉(zhuǎn)移到計(jì)算機(jī)視覺任務(wù)中時(shí)受內(nèi)存消耗限制,只能使用小的訓(xùn)練批量數(shù)。改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)可以減小此方面的影響,提升訓(xùn)練批量數(shù),減小誤差。

    使用本文改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)將統(tǒng)計(jì)的兩種數(shù)據(jù)集放置一起混合訓(xùn)練,對混合訓(xùn)練與分開訓(xùn)練得到的模型測試相同測試集,統(tǒng)計(jì)結(jié)果如表3所示。顯然,分開訓(xùn)練效果最好。

    4? ?結(jié)論(Conclusion)

    本研究在Darknet53作為骨干網(wǎng)絡(luò)的基礎(chǔ)上,確保YOLOv3對不同尺度預(yù)測模塊正常工作,結(jié)合鋼坯表面噴印字符大小特征去除多尺度預(yù)測對大目標(biāo)的作用,只保證對無大小變化的小目標(biāo)檢測無影響,減小因網(wǎng)絡(luò)結(jié)構(gòu)大而占用的計(jì)算內(nèi)存,來提高批量訓(xùn)練的數(shù)量,在訓(xùn)練過程中具有很好的收斂性,訓(xùn)練速度也有一些提升,提升了識別準(zhǔn)確率。網(wǎng)絡(luò)中采用10 類別的Softmax回歸層,適用多分類問題,有針對性地降低類別損失函數(shù),提升本文網(wǎng)絡(luò)的訓(xùn)練速度和識別準(zhǔn)確率。最后證實(shí)不同字體的字符分開訓(xùn)練比混合訓(xùn)練的識別準(zhǔn)確率更高,實(shí)際熱軋現(xiàn)場應(yīng)用分開訓(xùn)練模型。但本文改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)仍存在一些問題:對噴印模糊字符的圖像進(jìn)行特征提取效果不佳,還需提高模型的泛化能力及小樣本特征提取能力。下一步準(zhǔn)備引入圖像馬賽克等數(shù)據(jù)增強(qiáng)方法,增加樣本的復(fù)雜程度,提升網(wǎng)絡(luò)對復(fù)雜鋼板表面字符圖像的識別精度。

    參考文獻(xiàn)(References)

    [1] 武宗茜,丁紹榮,溫志強(qiáng),等.巨能特鋼棒材智能化生產(chǎn)管理系統(tǒng)[J].冶金自動化,2021,45(02):30-36.

    [2] 王排書.熱軋鋼坯編號識別與表面質(zhì)量檢測系統(tǒng)研究與設(shè)計(jì)[D].錦州:遼寧工業(yè)大學(xué),2020.

    [3] 賀笛.深度學(xué)習(xí)在鋼板表面缺陷與字符識別中的應(yīng)用[D].北京:北京科技大學(xué),2021.

    [4] 蔡哲棟,應(yīng)娜,郭春生,等.YOLOv3剪枝模型的多人姿態(tài)估計(jì)[J].中國圖象圖形學(xué)報(bào),2021,26(04):837-846.

    [5] 何帥.卷積神經(jīng)網(wǎng)絡(luò)在手寫數(shù)字識別中的應(yīng)用[J].電腦知識與技術(shù),2020,16(21):13-15.

    [6] 王輝,張帆,劉曉鳳,等.基于DarkNet-53和YOLOv3的水果圖像識別[J].東北師大學(xué)報(bào)(自然科學(xué)版),2020,52(4):60-65.

    [7] SHEN Z J, ZANG S F, WU Q T. Weighted balanced distribution adaptation based on a softmax regression model for transfer learning[J]. Scientific Journal of Intelligent Systems Research, 2021, 3(5):27-36.

    [8] 王玉,王夢佳,張偉紅.基于CNN和Group Normalization的校園垃圾圖像分類[J].吉林大學(xué)學(xué)報(bào)(信息科學(xué)版),

    2020,38(06):744-750.

    [9] 徐德榮,陳秀宏,田進(jìn).稀疏自編碼和Softmax回歸的快速高效特征學(xué)習(xí)[J].傳感器與微系統(tǒng),2017,36(05):55-58.

    [10] 孟佩,曹菡,師軍.基于Softmax回歸模型的協(xié)同過濾算法研究與應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016,26(12):153-155,159.

    作者簡介:

    劉? ?康(1996-),男,碩士生.研究領(lǐng)域:機(jī)器視覺.

    錢? ?煒(1964-),男,碩士,副教授.研究領(lǐng)域:機(jī)器人機(jī)構(gòu)學(xué),機(jī)械設(shè)計(jì)及理論,CAD技術(shù).

    楊? ?康(1985-),男,碩士,工程師.研究領(lǐng)域:智能裝備,金屬表面缺陷檢測、分類.

    猜你喜歡
    字符識別深度學(xué)習(xí)
    一種改進(jìn)深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的英文字符識別
    基于自動智能分類器的圖書館亂架圖書檢測
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    儀表字符識別中的圖像處理算法研究
    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)
    基于CUDA和深度置信網(wǎng)絡(luò)的手寫字符識別
    亚洲欧美成人综合另类久久久| 边亲边吃奶的免费视频| 亚洲精品成人久久久久久| 亚洲精品成人久久久久久| 九九久久精品国产亚洲av麻豆| 欧美成人精品欧美一级黄| 一二三四中文在线观看免费高清| 久久久久久久午夜电影| 精品国产露脸久久av麻豆| 国产毛片在线视频| 成年av动漫网址| 久久人人爽人人片av| 久久99热6这里只有精品| 一区二区三区乱码不卡18| 69人妻影院| 能在线免费看毛片的网站| 国产精品熟女久久久久浪| 亚洲精品第二区| 午夜亚洲福利在线播放| av播播在线观看一区| 亚洲av中文av极速乱| 亚洲经典国产精华液单| 人体艺术视频欧美日本| 日本-黄色视频高清免费观看| 91午夜精品亚洲一区二区三区| 久久99精品国语久久久| 在线a可以看的网站| 亚洲av日韩在线播放| 国产乱人视频| 成人黄色视频免费在线看| 日韩制服骚丝袜av| 日韩av免费高清视频| 搡老乐熟女国产| 欧美激情在线99| 欧美丝袜亚洲另类| 久久久久久久久久成人| 日韩中字成人| 久久午夜福利片| 日本黄色片子视频| 国产一区二区三区综合在线观看 | 亚洲性久久影院| 亚洲精品乱码久久久久久按摩| 777米奇影视久久| 日韩免费高清中文字幕av| 久久精品国产a三级三级三级| 欧美激情久久久久久爽电影| 少妇人妻 视频| 欧美激情在线99| 香蕉精品网在线| 精品久久久久久久人妻蜜臀av| 精品少妇黑人巨大在线播放| 欧美激情久久久久久爽电影| 伊人久久精品亚洲午夜| 成人亚洲欧美一区二区av| 久久久久久九九精品二区国产| 欧美日韩视频精品一区| www.色视频.com| 日韩av免费高清视频| 观看美女的网站| 国模一区二区三区四区视频| 蜜臀久久99精品久久宅男| 久久精品人妻少妇| 国产免费福利视频在线观看| 熟女电影av网| 制服丝袜香蕉在线| 两个人的视频大全免费| 亚洲怡红院男人天堂| 一级毛片电影观看| 国产视频首页在线观看| 精品一区在线观看国产| 国产精品女同一区二区软件| 国产精品精品国产色婷婷| 国产亚洲最大av| 免费观看性生交大片5| 大香蕉97超碰在线| 久久人人爽人人片av| 亚洲图色成人| 中文字幕免费在线视频6| 欧美日韩一区二区视频在线观看视频在线 | 3wmmmm亚洲av在线观看| 夫妻午夜视频| 精品一区二区三区视频在线| 老师上课跳d突然被开到最大视频| 欧美日本视频| 国产女主播在线喷水免费视频网站| 成人国产麻豆网| 日韩强制内射视频| 国模一区二区三区四区视频| 国产精品伦人一区二区| 丝瓜视频免费看黄片| 久热这里只有精品99| 成人亚洲欧美一区二区av| 国产真实伦视频高清在线观看| 大片电影免费在线观看免费| 97热精品久久久久久| a级毛色黄片| 男女那种视频在线观看| 91狼人影院| 国产乱人视频| 一边亲一边摸免费视频| 丝袜美腿在线中文| 三级国产精品片| av在线老鸭窝| 欧美日本视频| 国产高清不卡午夜福利| 纵有疾风起免费观看全集完整版| av在线蜜桃| 全区人妻精品视频| 国产精品秋霞免费鲁丝片| 搡老乐熟女国产| 国产精品久久久久久av不卡| 三级男女做爰猛烈吃奶摸视频| 日韩,欧美,国产一区二区三区| 亚洲成人av在线免费| 亚洲精品,欧美精品| 国产伦精品一区二区三区视频9| 日本猛色少妇xxxxx猛交久久| 国产高清有码在线观看视频| av卡一久久| 亚洲综合精品二区| 亚洲精品久久午夜乱码| 王馨瑶露胸无遮挡在线观看| 一本久久精品| 国产乱来视频区| 少妇熟女欧美另类| 久久久久久久国产电影| 国产成人a区在线观看| a级一级毛片免费在线观看| 国产免费福利视频在线观看| 久久久久久伊人网av| 搡女人真爽免费视频火全软件| 精品国产乱码久久久久久小说| av在线观看视频网站免费| 国产精品国产三级专区第一集| 国产爱豆传媒在线观看| 少妇丰满av| 自拍欧美九色日韩亚洲蝌蚪91 | 免费少妇av软件| 国产综合懂色| 国产欧美日韩精品一区二区| 色网站视频免费| 亚洲精品久久久久久婷婷小说| 国产成年人精品一区二区| 97在线视频观看| 最近手机中文字幕大全| 亚洲人成网站在线播| 欧美高清成人免费视频www| 精品国产露脸久久av麻豆| 大话2 男鬼变身卡| 免费观看a级毛片全部| 男女边吃奶边做爰视频| 啦啦啦中文免费视频观看日本| 国内精品宾馆在线| av黄色大香蕉| 色5月婷婷丁香| 国产免费福利视频在线观看| av播播在线观看一区| 777米奇影视久久| 在线观看国产h片| 国产亚洲av嫩草精品影院| 欧美丝袜亚洲另类| 国产69精品久久久久777片| 成年av动漫网址| 日韩视频在线欧美| 日韩在线高清观看一区二区三区| 国产精品一区二区三区四区免费观看| 九九在线视频观看精品| 日本与韩国留学比较| 少妇人妻 视频| 国产精品三级大全| 97在线视频观看| 一本久久精品| 国语对白做爰xxxⅹ性视频网站| 99久久精品国产国产毛片| 亚洲欧美一区二区三区国产| 亚洲欧美日韩另类电影网站 | 国产一区二区亚洲精品在线观看| 校园人妻丝袜中文字幕| 一二三四中文在线观看免费高清| 最后的刺客免费高清国语| 日本爱情动作片www.在线观看| 久久久成人免费电影| av在线观看视频网站免费| 全区人妻精品视频| 久久久久久久亚洲中文字幕| 久久人人爽人人片av| videossex国产| 亚洲精品国产成人久久av| 搡女人真爽免费视频火全软件| 国产爱豆传媒在线观看| 欧美激情久久久久久爽电影| 亚洲av成人精品一区久久| 如何舔出高潮| 中文乱码字字幕精品一区二区三区| 午夜免费鲁丝| 久久97久久精品| 偷拍熟女少妇极品色| av在线天堂中文字幕| 在线观看三级黄色| 亚洲av.av天堂| 亚洲综合色惰| 日韩av免费高清视频| 最近手机中文字幕大全| 亚洲人成网站在线播| 一个人看视频在线观看www免费| av国产免费在线观看| av在线天堂中文字幕| 狂野欧美激情性bbbbbb| 国产免费又黄又爽又色| 国产探花极品一区二区| 国产午夜精品久久久久久一区二区三区| 观看美女的网站| 午夜爱爱视频在线播放| av在线app专区| 搞女人的毛片| av一本久久久久| 久久精品久久精品一区二区三区| 一区二区三区乱码不卡18| 女人被狂操c到高潮| 又黄又爽又刺激的免费视频.| 国产成人精品福利久久| 亚洲成人av在线免费| 黄片无遮挡物在线观看| 久久久国产一区二区| 日韩免费高清中文字幕av| 久久久久网色| 老师上课跳d突然被开到最大视频| 欧美人与善性xxx| 国产精品福利在线免费观看| 一级毛片 在线播放| 日韩国内少妇激情av| 国内少妇人妻偷人精品xxx网站| 亚洲国产av新网站| 青春草亚洲视频在线观看| 欧美性感艳星| freevideosex欧美| 97人妻精品一区二区三区麻豆| 高清av免费在线| 亚洲国产精品成人综合色| 秋霞在线观看毛片| 免费黄频网站在线观看国产| 久久亚洲国产成人精品v| 人妻夜夜爽99麻豆av| 亚洲熟女精品中文字幕| 亚洲av免费在线观看| 精品少妇久久久久久888优播| 一区二区三区乱码不卡18| 国产精品久久久久久久久免| 97超碰精品成人国产| 亚洲国产高清在线一区二区三| 国产 一区精品| 国产男女内射视频| 欧美xxxx黑人xx丫x性爽| 亚洲成人一二三区av| 国产精品不卡视频一区二区| 国产熟女欧美一区二区| 五月伊人婷婷丁香| 国产一区二区亚洲精品在线观看| 亚洲欧美清纯卡通| 热re99久久精品国产66热6| 观看免费一级毛片| 高清视频免费观看一区二区| 男女啪啪激烈高潮av片| 亚州av有码| 最后的刺客免费高清国语| 久热久热在线精品观看| 18+在线观看网站| 成人亚洲精品一区在线观看 | 18禁动态无遮挡网站| 亚洲欧美成人精品一区二区| 亚洲欧美精品专区久久| 综合色丁香网| 中文字幕制服av| 伦精品一区二区三区| 婷婷色综合大香蕉| av在线天堂中文字幕| 日韩一区二区三区影片| 波多野结衣巨乳人妻| 国产有黄有色有爽视频| 亚洲熟女精品中文字幕| 在线观看一区二区三区| 在线观看三级黄色| 99九九线精品视频在线观看视频| 久久久色成人| 熟妇人妻不卡中文字幕| 国产精品国产av在线观看| 日本免费在线观看一区| 深夜a级毛片| 九色成人免费人妻av| 午夜福利视频精品| 在线亚洲精品国产二区图片欧美 | 亚洲美女搞黄在线观看| 少妇的逼水好多| 免费观看在线日韩| 少妇丰满av| 嫩草影院精品99| 成人无遮挡网站| 干丝袜人妻中文字幕| 国产免费又黄又爽又色| 大陆偷拍与自拍| av免费观看日本| 免费观看无遮挡的男女| 亚洲国产成人一精品久久久| 国产伦理片在线播放av一区| 午夜福利网站1000一区二区三区| www.色视频.com| 亚洲精品影视一区二区三区av| 99热这里只有精品一区| 欧美日本视频| 日韩av在线免费看完整版不卡| 午夜激情久久久久久久| 一级毛片电影观看| 亚洲欧美一区二区三区国产| 免费av观看视频| 寂寞人妻少妇视频99o| 日本与韩国留学比较| 美女国产视频在线观看| 一级二级三级毛片免费看| 色视频在线一区二区三区| 亚洲精品第二区| 大又大粗又爽又黄少妇毛片口| 波野结衣二区三区在线| 在线观看一区二区三区| 我要看日韩黄色一级片| 成年人午夜在线观看视频| 老师上课跳d突然被开到最大视频| 老司机影院毛片| 日本色播在线视频| 久久影院123| 97精品久久久久久久久久精品| 久久久久久久久久久免费av| 只有这里有精品99| 夫妻午夜视频| 老司机影院成人| 99热这里只有是精品50| 边亲边吃奶的免费视频| 欧美一区二区亚洲| 超碰97精品在线观看| 国产色婷婷99| av在线蜜桃| 色吧在线观看| 日韩av免费高清视频| 嫩草影院新地址| 一本久久精品| 国产精品一区www在线观看| 男人狂女人下面高潮的视频| 高清在线视频一区二区三区| 欧美潮喷喷水| 国产成人freesex在线| 网址你懂的国产日韩在线| 插逼视频在线观看| 交换朋友夫妻互换小说| 亚洲自拍偷在线| 亚洲国产精品专区欧美| 国产黄a三级三级三级人| 青春草亚洲视频在线观看| 毛片女人毛片| 建设人人有责人人尽责人人享有的 | 人妻系列 视频| 精品人妻一区二区三区麻豆| 一级毛片aaaaaa免费看小| 亚洲国产精品999| 亚洲精品亚洲一区二区| av在线播放精品| 美女午夜性视频免费| 欧美亚洲 丝袜 人妻 在线| 综合色丁香网| 国产亚洲av片在线观看秒播厂| 只有这里有精品99| 国产精品女同一区二区软件| a 毛片基地| h视频一区二区三区| 女性生殖器流出的白浆| 青草久久国产| 青青草视频在线视频观看| 亚洲欧美激情在线| 欧美黄色片欧美黄色片| 国产精品一国产av| 91精品国产国语对白视频| 18禁动态无遮挡网站| 欧美激情极品国产一区二区三区| 久久久精品国产亚洲av高清涩受| 亚洲一区中文字幕在线| 男女无遮挡免费网站观看| 男女边摸边吃奶| 观看美女的网站| 久久人人97超碰香蕉20202| 国产成人精品在线电影| 亚洲精品乱久久久久久| 国产精品嫩草影院av在线观看| 国产精品香港三级国产av潘金莲 | 久久久久久久久久久免费av| 国产熟女午夜一区二区三区| 亚洲,一卡二卡三卡| 国产精品蜜桃在线观看| 性高湖久久久久久久久免费观看| 久久久久视频综合| 欧美日韩精品网址| 人人妻人人爽人人添夜夜欢视频| 汤姆久久久久久久影院中文字幕| 欧美另类一区| 亚洲精品国产区一区二| 久久精品国产亚洲av涩爱| 别揉我奶头~嗯~啊~动态视频 | 女人高潮潮喷娇喘18禁视频| 天堂中文最新版在线下载| 中文精品一卡2卡3卡4更新| 久热爱精品视频在线9| 国产精品二区激情视频| 少妇的丰满在线观看| 丝袜脚勾引网站| 亚洲精华国产精华液的使用体验| 波多野结衣一区麻豆| av卡一久久| 日本91视频免费播放| 亚洲国产欧美一区二区综合| 国产精品女同一区二区软件| 亚洲伊人色综图| 国产一区二区激情短视频 | netflix在线观看网站| 熟妇人妻不卡中文字幕| 欧美黄色片欧美黄色片| 青草久久国产| 人人澡人人妻人| 免费在线观看视频国产中文字幕亚洲 | 亚洲国产毛片av蜜桃av| 久久久久久久久久久久大奶| 青春草亚洲视频在线观看| 伊人久久大香线蕉亚洲五| 国产av精品麻豆| 一级毛片 在线播放| 欧美日韩av久久| 在线精品无人区一区二区三| 国产麻豆69| 97人妻天天添夜夜摸| 黄色一级大片看看| 十分钟在线观看高清视频www| 侵犯人妻中文字幕一二三四区| 久久精品国产亚洲av涩爱| 少妇人妻久久综合中文| 欧美国产精品va在线观看不卡| 精品人妻在线不人妻| 欧美日韩福利视频一区二区| 99久国产av精品国产电影| 欧美老熟妇乱子伦牲交| 操美女的视频在线观看| 下体分泌物呈黄色| 啦啦啦 在线观看视频| 欧美精品av麻豆av| 91成人精品电影| 久久性视频一级片| 亚洲欧美一区二区三区久久| 嫩草影视91久久| 国产成人精品福利久久| 亚洲国产av新网站| 国产片特级美女逼逼视频| 欧美激情极品国产一区二区三区| 爱豆传媒免费全集在线观看| 18禁动态无遮挡网站| 亚洲精品自拍成人| 无限看片的www在线观看| 亚洲成av片中文字幕在线观看| xxx大片免费视频| 国产精品久久久久久精品古装| 国产熟女欧美一区二区| 观看美女的网站| 午夜福利视频在线观看免费| 国产一区二区三区av在线| 韩国高清视频一区二区三区| 五月天丁香电影| 蜜桃在线观看..| 少妇人妻 视频| 久久人人爽人人片av| 国产av精品麻豆| 成人漫画全彩无遮挡| tube8黄色片| 美女主播在线视频| 黄色视频在线播放观看不卡| 亚洲av电影在线进入| 亚洲欧洲日产国产| 999久久久国产精品视频| 51午夜福利影视在线观看| 看免费av毛片| 蜜桃在线观看..| 色综合欧美亚洲国产小说| 韩国精品一区二区三区| 亚洲av国产av综合av卡| 咕卡用的链子| 一本一本久久a久久精品综合妖精| 一本色道久久久久久精品综合| 亚洲av综合色区一区| 天天躁夜夜躁狠狠久久av| 大片免费播放器 马上看| 国产午夜精品一二区理论片| 性少妇av在线| 久久久久久免费高清国产稀缺| 人体艺术视频欧美日本| 精品第一国产精品| 欧美精品高潮呻吟av久久| 亚洲一卡2卡3卡4卡5卡精品中文| 老司机亚洲免费影院| 色94色欧美一区二区| 在线观看国产h片| 一区二区日韩欧美中文字幕| 国产精品人妻久久久影院| 另类精品久久| 免费观看av网站的网址| 中文字幕高清在线视频| 欧美人与善性xxx| 大片电影免费在线观看免费| 日日啪夜夜爽| 色婷婷av一区二区三区视频| 老熟女久久久| 午夜老司机福利片| 日韩制服丝袜自拍偷拍| av福利片在线| 男人舔女人的私密视频| 日本色播在线视频| 久久久久久免费高清国产稀缺| 国产精品国产三级专区第一集| av不卡在线播放| 亚洲欧美精品自产自拍| 嫩草影院入口| 免费看不卡的av| 成人三级做爰电影| 国产免费又黄又爽又色| 亚洲成国产人片在线观看| www.自偷自拍.com| 大香蕉久久成人网| 国产精品久久久久成人av| 国产免费现黄频在线看| 人人妻人人添人人爽欧美一区卜| 日韩 欧美 亚洲 中文字幕| 一本色道久久久久久精品综合| 中文字幕制服av| 91国产中文字幕| 久久久久精品性色| 成人亚洲欧美一区二区av| 免费观看性生交大片5| 国产午夜精品一二区理论片| 日韩中文字幕视频在线看片| 久久精品国产a三级三级三级| 久久精品亚洲av国产电影网| 成年人午夜在线观看视频| 免费高清在线观看日韩| 人人妻人人添人人爽欧美一区卜| 深夜精品福利| 午夜福利视频精品| 最近中文字幕2019免费版| 2021少妇久久久久久久久久久| 国产女主播在线喷水免费视频网站| 最近2019中文字幕mv第一页| 亚洲人成电影观看| 亚洲国产欧美日韩在线播放| 日本一区二区免费在线视频| 天天躁夜夜躁狠狠躁躁| 国产 一区精品| 久久久久久免费高清国产稀缺| 最新的欧美精品一区二区| 少妇 在线观看| 亚洲激情五月婷婷啪啪| av女优亚洲男人天堂| 高清黄色对白视频在线免费看| 欧美国产精品va在线观看不卡| 国产伦人伦偷精品视频| 欧美国产精品va在线观看不卡| 亚洲精品aⅴ在线观看| 亚洲五月色婷婷综合| 波多野结衣一区麻豆| 亚洲伊人色综图| 亚洲综合色网址| 蜜桃在线观看..| 在线观看国产h片| 欧美老熟妇乱子伦牲交| 国产一区二区 视频在线| 亚洲,欧美精品.| 国产日韩一区二区三区精品不卡| kizo精华| 青春草亚洲视频在线观看| 国产不卡av网站在线观看| 国产精品 欧美亚洲| h视频一区二区三区| 夫妻午夜视频| 考比视频在线观看| 丰满乱子伦码专区| 久久久欧美国产精品| 欧美精品av麻豆av| 亚洲精华国产精华液的使用体验| av一本久久久久| 蜜桃在线观看..| 欧美精品av麻豆av| 黄片小视频在线播放| 人人澡人人妻人| 久久精品国产亚洲av涩爱| 人人妻人人添人人爽欧美一区卜| 亚洲,欧美,日韩| 人人妻人人添人人爽欧美一区卜| 人人妻人人爽人人添夜夜欢视频| 亚洲情色 制服丝袜| 人人妻人人爽人人添夜夜欢视频| 两个人看的免费小视频| 久久av网站| 色视频在线一区二区三区| 亚洲久久久国产精品| 亚洲精品久久午夜乱码| 高清视频免费观看一区二区| 日韩成人av中文字幕在线观看| 黄色视频不卡| 好男人视频免费观看在线| 国产高清不卡午夜福利| 亚洲欧美一区二区三区久久| 国产高清不卡午夜福利| 亚洲精品国产av成人精品| 国产成人精品久久久久久| 国产 精品1|