• <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 ?

    嵌入通道注意力的YOLOv4火災煙霧檢測模型

    2021-10-15 07:18:10謝書翰張文柱楊子軒
    液晶與顯示 2021年10期
    關(guān)鍵詞:煙霧主干特征提取

    謝書翰, 張文柱, 程 鵬, 楊子軒

    (西安建筑科技大學 信息與控制工程學院,陜西 西安710048)

    1 引 言

    隨著經(jīng)濟的發(fā)展,大型場景的火災檢測任務越發(fā)重要,而傳統(tǒng)火災檢測環(huán)節(jié)中傳感器的檢測能力較差,檢測環(huán)節(jié)易受各種干擾因素的影響,從而使檢測的準確率較低[1]。隨著圖像、視頻處理技術(shù)的迅猛發(fā)展,各種基于圖像、視頻處理技術(shù)的煙霧檢測算法被提出,在各種大型空間火災檢測任務中效果顯著。煙霧先于火焰的發(fā)生而發(fā)生,且煙霧具有比火焰更強的擴散性,攝像頭更加容易捕捉到煙霧圖像,所以煙霧檢測在火災檢測任務中顯得格外重要。

    目前,傳統(tǒng)基于圖像、視頻的火災煙霧檢測算法主要是根據(jù)煙霧的形狀、色彩、紋理、湍流、飄動等特征進行火災煙霧識別,研究者通過研究煙霧的一種或多種特征,使用各種不同的分類算法進行火災煙霧識別。Genovese等人[2]研究煙霧在YUV空間的顏色特性,得到煙霧檢測算法,但是對于擴散緩慢的煙霧以及復雜背景的煙霧視頻效果不佳。Sedlák V等人[3]研究了煙霧的運動特性、煙霧的顏色、面積增長率和運動方向,通過多特征進行分類識別,但是該方法小區(qū)域煙霧以及擴散不明顯的煙霧區(qū)域檢測效果較差。Gubbi等人[4]提出一種結(jié)合小波變換的檢測煙霧方法,利用小波分解得到子帶圖像,提取出幾十種煙霧特征。李紅娣等人[5]通過圖像金字塔和池化操作,提取LOBP和EOH直方圖,得到煙霧特征矢量,最后放入支持向量機進行訓練得到火災煙霧識別模型。

    這些算法從煙霧的本質(zhì)特征進行研究,通過提取煙霧的一種或者多種特征進行煙霧識別。對于煙霧區(qū)域較大、背景單一的煙霧視頻圖像,傳統(tǒng)的視頻煙霧檢測效果較好,但是火災初期以及遠距離火災煙霧視頻圖像,煙霧區(qū)域往往較小,此時檢測效果較差,出現(xiàn)漏檢情況嚴重,而且不能在多場景任務中應用。

    隨著卷積神經(jīng)網(wǎng)絡CNN的發(fā)展,針對上述問題,Zhang等人[6]和張倩等人[7]利用Faster R-CNN對煙霧圖像進行煙霧的識別。Frizz等人[8]和李鵬等人[9]使用卷積神經(jīng)網(wǎng)絡作為特征提取器,得到煙霧檢測模型,較傳統(tǒng)特征提取手段有著更佳的性能。富雅捷等人[10]通過選擇性搜索法獲取候選區(qū)域,將候選區(qū)域經(jīng)過CNN網(wǎng)絡得到高層特征,最后放入支持向量機訓練,得到煙霧檢測模型。馮路佳等人[11]提出了MD_CNN 煙霧檢測模型,通過背景差分法得到運動目標區(qū)域,將運動目標區(qū)域放入CNN網(wǎng)絡進行分類,最后得到煙霧區(qū)域。劉麗娟等人[12]利用SSD對煙霧圖像進行識別。

    在火災煙霧檢測這一特定的領(lǐng)域,使用深度學習方法的研究和數(shù)據(jù)集相對較少。本文提出一種改進的YOLOv4[13]的火災煙霧檢測算法,在YOLOv4的基礎(chǔ)上嵌入通道注意力,以提高網(wǎng)絡預測頭的特征提取能力;使用K-means聚類獲取更符合火災煙霧檢測的候選框尺寸;根據(jù)火災煙霧檢測這一二分類場景,精簡了損失函數(shù);訓練階段引入隨機擦除和標簽平滑,以降低過擬合風險。實驗結(jié)果表明,該算法能夠在多場景精準實現(xiàn)火災煙霧檢測。

    2 本文算法

    2.1 YOLOv4實時目標檢測框架

    YOLOv4是一種端到端的實時目標檢測框架,由YOLOv3[14]改進而來,YOLOv4模型見圖1。YOLOv4主要包含 CSPDarkNet53 特征提取主干網(wǎng)絡、SPPNet(Spatial Pyramid Pooling Network)、PANet(Path Aggregation Network)多尺度預測網(wǎng)絡以及網(wǎng)絡預測頭(YOLO Head)。其中CSPDarknet53由5個大殘差塊組成,這5個大殘差塊包含的小殘差單元個數(shù)分別為1,2,8,8,4,也即是兩個CBM卷積模塊和一個CSPX卷積模塊共同構(gòu)成一個大殘差塊。在CSPDarknet53的最后一個特征層輸出之后加入SPPNet,分別利用4個不同尺度的最大池化進行處理,最大池化的池化核大小分別為13×13,9×9,5×5,1×1(1×1表示無處理),這種池化操作能夠在幾乎不增加模型的推理時間的情況下提高模型的推理能力。PANet由上采樣和下采樣兩部分構(gòu)成,充分利用了特征融合。

    YOLOv4有3個網(wǎng)絡預測頭,3個網(wǎng)絡預測頭輸出的形狀分別為(13,13,18),(26,26,18),(52,52,18)。最后一個維度為18,是因為該檢測算法基于火災煙霧數(shù)據(jù)集,僅識別火災煙霧一個類別,而YOLOv4針對每一個網(wǎng)絡預測頭存在3個先驗框,每個先驗框占據(jù)6維信息。

    圖1 YOLOV4 網(wǎng)絡結(jié)構(gòu)圖Fig.1 YOLOV4 network structure diagram

    2.2 候選框改進

    網(wǎng)絡預測頭中候選框尺寸的設(shè)置是十分重要的,選擇符合煙霧大小特征的候選框尺寸可以有助于煙霧預測框位置的回歸,故在火災煙霧檢測任務中對候選框尺寸進行改進。

    本文使用K均值聚類(K-means)為火災煙霧數(shù)據(jù)集生成新的候選框尺寸,本文算法的輸入火災煙霧圖像尺寸為416×416,使用K-means對416×416的火災煙霧圖像生成的9個新的候選框尺寸分別為12×16,19×36,40×28,36×75,76×55,72×146,142×110,192×243,362×322。

    2.3 網(wǎng)絡預測頭改進

    2.3.1 通道注意力

    在每個卷積過程中,一些復雜的干擾信息不可避免地會分布在某些通道上,導致網(wǎng)絡性能降低。注意力機制在神經(jīng)網(wǎng)絡中得到了廣泛的使用[15-16],隨著對通道注意力機制的深入研究,調(diào)整各通道信息的通道權(quán)重,對各通道信息賦予不同的權(quán)值,根據(jù)權(quán)值大小對通道信息進行篩選,這樣能有效緩解干擾信息的影響。通道注意力的典型代表是SENet(Squeeze-and-Excitation Networks)[17]。 如圖2所示。

    圖2 通道注意力Fig.2 Channel attention

    圖2中,輸入特征圖X,X有C個通道,每個通道空間大小為H×W,對每個通道進行全局平均池化,則通道權(quán)重Z的計算公式如式(1)所示:

    (1)

    其中輸出Z是長度為C的一維數(shù)組,表示壓縮通道得到的權(quán)重;(i,j)表示在大小為H×W的特征圖上橫縱坐標分別為i和j的點。

    然后使用激活函數(shù)對各通道權(quán)重進行相關(guān)程度建模。公式如下:

    SC=Fex(Z,W)=Sigmoid(W2×ReLU(W1,Z)),

    (2)

    其中:SC的維度是1×1×C,SC對應生成的通道注意力權(quán)重。通道注意力權(quán)值是需要經(jīng)過前面這些全連階層和非線性學習得到的;W1的維度是C/r×C,W2的維度是C×C/r,r為放縮系數(shù),這是由兩個全連接層組成。

    最后對輸入通道進行加權(quán)調(diào)整,通道注意力加權(quán)公式為:

    (3)

    SENet可以嵌入任意卷積層中,假若每個卷積層都嵌入SENet會帶來巨大的參數(shù)量,SENet的參數(shù)數(shù)目公式如下:

    (4)

    其中:N為參數(shù)數(shù)目,n為嵌入SENet的次數(shù),參數(shù)數(shù)目主要來自于放置的兩個全連接層,所以C和r以及n決定了給網(wǎng)絡帶來的參數(shù)大小。

    SENet帶來的參數(shù)量決定了SENet只能在某些卷積層使用。在特征提取主干網(wǎng)絡上加入SENet,可以提升特征提取主干網(wǎng)絡對圖像特征的提取,如文獻[18-19]取得了不錯的結(jié)果。本文算法的特征提取主干網(wǎng)絡為CSPDarkNet53,CSPDarkNet53結(jié)構(gòu)比較龐大,特征提取能力就火災煙霧圖像而言已經(jīng)足夠,不適宜嵌入SENet。

    2.3.2 嵌入通道注意力

    本文在網(wǎng)絡預測頭嵌入SENet,這樣做主要有兩個優(yōu)點:第一,減輕干擾信息的干擾,提升了網(wǎng)絡預測頭對特征信息的提取能力,從而提升了整個網(wǎng)絡的性能;第二,帶來了極小的參數(shù)量,僅為網(wǎng)絡增加了3MB的參數(shù)量。

    圖3 算法改進前后對比。(a)改進前;(b)改進后;(c)SENet。Fig.3 Comparison of algorithm before and after improvement. (a) Before improvement; (b)After improvement; (c) SEnet.

    本文在網(wǎng)絡預測頭嵌入SENet,如圖3所示。在3個CONV卷積操作后面加入SENet,圖3(c)為SENet的結(jié)構(gòu)。由上文知,第一個FC層的神經(jīng)元個數(shù)為C/r,第二個FC層神經(jīng)元個數(shù)為C,縮放系數(shù)r一般取2,4,8,16,SENet的效果會隨著縮放系數(shù)r的增大而變?nèi)酰s放系數(shù)r的增大會降低參數(shù)量,由于本文在網(wǎng)絡預測頭嵌入SENet,參數(shù)量是非常小的,所以縮放系數(shù)r取2是比較合理的。

    2.4 損失函數(shù)改進

    YOLOv4的損失函數(shù)如下:

    L=Lcoord+Liou+Lclass,

    (5)

    其中:L為總損失函數(shù);Lcoord為置信度損失函數(shù),回歸是否存在物體信息;Liou為框損失函數(shù),回歸位置信息;Lclass為分類損失函數(shù),回歸類別信息。

    火災煙霧數(shù)據(jù)集,僅存在火災煙霧一類,是二分類問題,所以Lcoord和Lclass是存在計算冗余的,本文采用式(6)作為損失函數(shù)。

    L=Lcoord+Liou,

    (6)

    改進后的損失函數(shù)去掉了分類損失函數(shù),精簡了損失函數(shù)的構(gòu)成以提升網(wǎng)絡的收斂速度和抗干擾性。

    故3個網(wǎng)絡預測頭輸出的形狀分別從(13,13,18),(26,26,18),(26,26,18)變?yōu)?13,13,15),(26,26,15),(26,26,15),如圖3所示。

    3 實驗設(shè)計

    3.1 火災煙霧數(shù)據(jù)集

    本文除了主動在網(wǎng)上爬取火災煙霧圖像,還采用了目前煙霧檢測方向較為認可的中國科學院大學火災重點實驗室、韓國啟明大學和土耳其比爾肯大學的煙霧視頻數(shù)據(jù),這些數(shù)據(jù)大多為avi格式的視頻數(shù)據(jù),本文將視頻數(shù)據(jù)一幀一幀地制作成圖片數(shù)據(jù)加以使用。這些火災煙霧圖像包含遠景、近景、夜晚以及背景干擾因素較多的煙霧圖像,以此火災煙霧數(shù)據(jù)集作為證明本文算法有效性的證據(jù)。部分火災煙霧如圖4所示。

    圖4 部分真實火災煙霧圖像Fig.4 Part of the real fire smoke images

    3.2 實驗環(huán)境

    本文實驗環(huán)境為:NVIDIA GeForce RTX 1660,64 位Win10操作系統(tǒng)。編程語言為Python,深度學習框架為Keras。

    本文對于主干網(wǎng)絡CSPDarkNet53使用ImageNet大型數(shù)據(jù)集下分類任務的預訓模型,可以加快網(wǎng)絡收斂速度。根據(jù)文獻[13]實驗結(jié)論指出訓練階段分兩階段進行會有更好效果,第一階段凍結(jié)主干網(wǎng)絡CSPDarkNet53網(wǎng)絡參數(shù),調(diào)整非主干網(wǎng)絡參數(shù),優(yōu)化器使用Adam,此階段是粗調(diào)階段,最大學習率應設(shè)置得比第二階段要大,設(shè)置為0.001,Batch size根據(jù)顯卡的性能,由于只調(diào)整非主干網(wǎng)絡參數(shù),故可以設(shè)置為8,訓練20個epoch;第二階段釋放主干網(wǎng)絡CSPDarkNet53網(wǎng)絡參數(shù),優(yōu)化器使用Adam,此階段是微調(diào)階段,最大學習率設(shè)置得比第一階段要小,設(shè)置為0.000 1,Batch size根據(jù)顯卡的性能,由于調(diào)整整個網(wǎng)絡參數(shù),故設(shè)置為2。

    3.3 數(shù)據(jù)增強

    在目標檢測中,為了防止檢測模型過擬合現(xiàn)象的出現(xiàn),提升算法性能,需要輸入足夠的訓練數(shù)據(jù)?,F(xiàn)實中無法滿足足夠的訓練數(shù)據(jù),此時就要對數(shù)據(jù)集進行數(shù)據(jù)增強操作,以彌補數(shù)據(jù)量小帶來的缺點。

    本文采用了圖像翻轉(zhuǎn)、放縮、隨機擦除等數(shù)據(jù)增強方法以彌補數(shù)據(jù)量小帶來的缺點,從而降低過擬合風險。

    放縮:圖像有75%的概率進行隨機比例的寬高放縮。

    翻轉(zhuǎn):圖像有75%的概率進行左右、上下翻轉(zhuǎn)。

    隨機擦除:隨機擦除在目標檢測中得到大量應用,均取得不錯的效果[20-21]。訓練時,隨機擦除方法會在原圖隨機選擇一個矩形區(qū)域,將該區(qū)域的像素替換為隨機值。這個過程中,參與訓練的圖片會做不同程度的遮擋,這樣可以降低過擬合的風險并提高模型的魯棒性。

    圖5 實驗檢測效果。(a)大區(qū)域煙霧;(b)中區(qū)域煙霧;(c)白天煙霧;(d)小區(qū)域煙霧且與背景相似;(e)小區(qū)域煙霧且煙霧不明顯;(f)夜晚煙霧。Fig.5 Experimental detection effect. (a) Smoke in a large area; (b) Smoke in a medium area; (c) Daytime smoke; (d) Smoke in a small area and similar to the background; (e) Smoke in a small area and smoke is not obvious;(f) Night smoke.

    4 實驗結(jié)果及分析

    4.1 評價指標

    本 文 通 過 訓 練 后 模 型 檢 測 的 準 確 率(Precision)、召回率 (Recall)、調(diào)和平均值(Harmonic mean)、每秒檢測幀數(shù)FPS(Frames Per Second)以及模型大小(Size)作為參考進行對比,準 確 率、召回率和調(diào)和平均值由式(7)~(9)計算所得。

    (7)

    (8)

    (9)

    式(7)~式(9)中:P為準確率;R為召回率;H為調(diào)和平均值,調(diào)和平均值綜合了準確率和召回率,調(diào)和平均值越大,算法性能越好;TP為真正例;FP為假正例;FN為假負例。

    4.2 實驗結(jié)果

    YOLOv4與SE-YOLOv4的檢測結(jié)果對比如表1所示,實驗結(jié)果表明,SE-YOLOv4網(wǎng)絡模型僅犧牲了0.1幀/s的代價,準確率和召回率分別提高了0.9%,1.5%。

    為了進一步驗證本文模型在火災煙霧檢測上的有效性,本文對比了文獻[6-7]提出的Faster R-CNN的煙霧檢測模型以及文獻[12]提出的SSD煙霧檢測模型,檢測結(jié)果對比見表1。

    由表1可以看出,本文的火災檢測模型在準確率和召回率中有大幅度的提高,較文獻[6-7]無論從精度和速度都有較大提升;較于文獻[12]在準確率和召回率領(lǐng)先了1.9%,2.1%,在FPS落后了8.4幀/s的速度。

    FPS的高低往往由模型的參數(shù)量所決定,一般情況下參數(shù)量越小,計算量則越小,檢測速度就越快。文獻[12]的FPS如此之高,是因為文獻[12]是基于SSD煙霧檢測模型,SSD網(wǎng)絡結(jié)構(gòu)精簡、參數(shù)量少,其網(wǎng)絡結(jié)構(gòu)擁有多尺度分類器,能較好地兼顧提取大、小目標。文獻[12]又將SSD的主干特征提取網(wǎng)絡VGG16改進為MobileNetV2,整個模型的計算量和參數(shù)量有明顯的下降,并且MobileNetV2作為主干特征提取網(wǎng)絡優(yōu)于VGG16。本文煙霧檢測模型的參數(shù)量是文獻[12]煙霧檢測模型參數(shù)量的近4倍,但是文獻[12]煙霧檢測模型結(jié)構(gòu)精簡、參數(shù)量少,不可避免地性能達不到最優(yōu)。

    表1 其他煙霧檢測模型與本文模型對比Tab.1 Comparison of results between other fire smoke detection models and this model

    實驗結(jié)果表明,本文模型具有一定的優(yōu)越性。本文基于YOLOv4的煙霧檢測具備良好的泛化能力,擁有高的準確率和召回率,適于多場景火災煙霧檢測,特別是在小區(qū)域火災煙霧圖像上也有良好表現(xiàn)。

    4.3 YOLOv4-tiny

    YOLOv4-tiny是YOLOv4輕量化的網(wǎng)絡架構(gòu),本文對YOLOv4-tiny進行了實驗對比,如表2所示。

    YOLOv4-tiny是在YOLOv4的基礎(chǔ)上所輕量化的算法,主干特征提取網(wǎng)絡進行了精簡;多尺度預測由3個降為2個,候選框則從9個降為4個;不使用PANet作為特征融合,改為使用傳統(tǒng)的FPN進行特征融合等。極大地精簡了網(wǎng)絡結(jié)構(gòu)和減少了參數(shù)量以及計算量。在精度上雖然有所降低,但在速度上遠超本文算法以及文獻[12]中的檢測算法,這給優(yōu)化本文模型帶來了思路,為之后如何平衡檢測精度和檢測速度帶來方向。

    表2 YOLOv4-tiny與本文模型對比Tab.2 Comparison of detection results between YOLOv4-tiny and this model

    5 結(jié) 論

    本文在 YOLOv4的基礎(chǔ)上嵌入SENet,明顯提高了算法在多場景火災煙霧檢測上的性能;使用K-means聚類算法得到更加貼近火災煙霧數(shù)據(jù)集的候選框尺寸;引入翻轉(zhuǎn)和隨機擦除等數(shù)據(jù)增強手段降低過擬合風險;在二分類的基礎(chǔ)上,精簡了損失函數(shù),提高了網(wǎng)絡的抗干擾能力。

    實驗結(jié)果表明,本文改進后的方法與同類火災檢測算法相比,在準確度和速度上都具有良好的表現(xiàn),在數(shù)據(jù)集上達到了 92.5%的準確率,87.7%的召回率,平均檢測速度達 5.1幀/s;但在平均檢測速度上還有很大的進步空間,在之后的工作中可以在不犧牲性能的情況下,減小模型大小,以提高平均檢測速度。火災煙霧數(shù)據(jù)可以繼續(xù)得到擴展,增加更多的火災煙霧場景,提高火災煙霧數(shù)據(jù)質(zhì)量。

    猜你喜歡
    煙霧主干特征提取
    全球首條1.2T超高速下一代互聯(lián)網(wǎng)主干通路
    軍事文摘(2024年2期)2024-01-10 01:58:34
    抓主干,簡化簡單句
    薄如蟬翼輕若煙霧
    二代支架時代數(shù)據(jù)中糖尿病對無保護左主干患者不同血運重建術(shù)預后的影響
    影視劇“煙霧繚繞”就該取消評優(yōu)
    華人時刊(2019年13期)2019-11-26 00:54:38
    高齡無保護左主干病變患者血運重建術(shù)的長期預后
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    咸陽鎖緊煙霧與塵土
    當代陜西(2017年12期)2018-01-19 01:42:05
    Bagging RCSP腦電特征提取算法
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    亚洲国产欧洲综合997久久,| 国产v大片淫在线免费观看| 免费看美女性在线毛片视频| a级毛片免费高清观看在线播放| 男女做爰动态图高潮gif福利片| 午夜福利高清视频| 在线观看舔阴道视频| 国产在视频线在精品| 国产高清三级在线| 特级一级黄色大片| 亚洲欧美日韩东京热| 色综合婷婷激情| 亚洲中文日韩欧美视频| 91狼人影院| 人妻制服诱惑在线中文字幕| 波野结衣二区三区在线| 小说图片视频综合网站| 国产老妇女一区| 九九在线视频观看精品| 久久国产精品影院| 少妇熟女aⅴ在线视频| 亚洲专区国产一区二区| 国产精品久久久久久久电影| 永久网站在线| 嫩草影视91久久| 日韩精品青青久久久久久| 亚洲国产高清在线一区二区三| 国产精品综合久久久久久久免费| av在线观看视频网站免费| 亚洲精品日韩av片在线观看| www.色视频.com| 深夜精品福利| 变态另类丝袜制服| 欧美一区二区国产精品久久精品| 偷拍熟女少妇极品色| 亚洲激情在线av| 欧美在线黄色| 免费看a级黄色片| 免费高清视频大片| 久久精品影院6| 欧美精品国产亚洲| av国产免费在线观看| 国产不卡一卡二| 91麻豆精品激情在线观看国产| 一二三四社区在线视频社区8| 成年女人永久免费观看视频| 超碰av人人做人人爽久久| 一个人观看的视频www高清免费观看| 免费观看的影片在线观看| 午夜激情欧美在线| 欧美另类亚洲清纯唯美| 久久人妻av系列| 欧美乱色亚洲激情| 亚洲欧美日韩东京热| 久久国产乱子免费精品| 亚洲精华国产精华精| 亚洲精品乱码久久久v下载方式| 久久久久国产精品人妻aⅴ院| 18禁黄网站禁片免费观看直播| 免费大片18禁| 日韩欧美在线二视频| 国产乱人伦免费视频| 成年版毛片免费区| 91字幕亚洲| 久久久久久国产a免费观看| 精品一区二区三区视频在线| 99久久精品一区二区三区| 我的老师免费观看完整版| 亚州av有码| 日本一二三区视频观看| 免费在线观看日本一区| 国产精品影院久久| 欧美一区二区亚洲| 亚洲精品456在线播放app | 国产亚洲精品综合一区在线观看| 欧美又色又爽又黄视频| 综合色av麻豆| 如何舔出高潮| 亚洲人成网站在线播放欧美日韩| 国产精品久久久久久精品电影| 在线观看午夜福利视频| 亚洲在线自拍视频| 国产免费一级a男人的天堂| 亚洲18禁久久av| 亚洲成av人片免费观看| 少妇的逼水好多| 免费看a级黄色片| 欧美日韩乱码在线| 亚洲一区高清亚洲精品| 少妇的逼水好多| 中文字幕av在线有码专区| 久久精品影院6| 97超视频在线观看视频| 亚洲av日韩精品久久久久久密| 99久久精品热视频| 亚州av有码| 国产主播在线观看一区二区| 午夜福利在线在线| 757午夜福利合集在线观看| 久久久久久久久久成人| 国产精品人妻久久久久久| 在线国产一区二区在线| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 校园春色视频在线观看| 中文字幕av在线有码专区| 悠悠久久av| 丰满的人妻完整版| 精品免费久久久久久久清纯| 久久午夜福利片| 久久午夜福利片| 青草久久国产| 亚洲男人的天堂狠狠| 欧美潮喷喷水| 在线观看免费视频日本深夜| 国产高清激情床上av| 成年女人永久免费观看视频| 精品免费久久久久久久清纯| 国产精品久久久久久久久免 | 成人永久免费在线观看视频| 久久午夜福利片| 国产69精品久久久久777片| 啦啦啦观看免费观看视频高清| 一个人看的www免费观看视频| 婷婷精品国产亚洲av在线| 噜噜噜噜噜久久久久久91| 精品一区二区三区视频在线| 亚洲第一电影网av| 欧美日韩综合久久久久久 | ponron亚洲| 免费高清视频大片| 90打野战视频偷拍视频| 亚洲成人久久爱视频| 一本精品99久久精品77| 久久久国产成人精品二区| 一卡2卡三卡四卡精品乱码亚洲| 国产色爽女视频免费观看| 亚洲av中文字字幕乱码综合| 中文资源天堂在线| 99视频精品全部免费 在线| 2021天堂中文幕一二区在线观| 日韩欧美三级三区| 亚洲av熟女| 国产麻豆成人av免费视频| 日韩欧美国产在线观看| 亚洲va日本ⅴa欧美va伊人久久| 国产免费一级a男人的天堂| www日本黄色视频网| 久久精品影院6| 一边摸一边抽搐一进一小说| 久久久国产成人精品二区| 国产熟女xx| 日韩欧美国产一区二区入口| www.999成人在线观看| 热99re8久久精品国产| 国产成+人综合+亚洲专区| 每晚都被弄得嗷嗷叫到高潮| 亚洲内射少妇av| 无人区码免费观看不卡| 精品久久久久久久人妻蜜臀av| 欧美+亚洲+日韩+国产| 精品免费久久久久久久清纯| 人妻丰满熟妇av一区二区三区| 91久久精品电影网| av欧美777| 欧美黄色片欧美黄色片| 51午夜福利影视在线观看| av女优亚洲男人天堂| 免费在线观看成人毛片| 蜜桃亚洲精品一区二区三区| 亚洲国产色片| 亚洲精品456在线播放app | 国产精品久久电影中文字幕| 中文资源天堂在线| 99久久久亚洲精品蜜臀av| 草草在线视频免费看| 在线观看美女被高潮喷水网站 | 国产av麻豆久久久久久久| 麻豆久久精品国产亚洲av| 久久亚洲精品不卡| av在线天堂中文字幕| 三级毛片av免费| 中文字幕高清在线视频| 欧美一区二区精品小视频在线| 男女床上黄色一级片免费看| 亚洲av免费高清在线观看| 尤物成人国产欧美一区二区三区| 国产 一区 欧美 日韩| 草草在线视频免费看| 欧美xxxx黑人xx丫x性爽| 色综合欧美亚洲国产小说| 黄色配什么色好看| 九九久久精品国产亚洲av麻豆| 亚洲精品影视一区二区三区av| 蜜桃久久精品国产亚洲av| 国产黄片美女视频| 午夜a级毛片| 性色av乱码一区二区三区2| 中出人妻视频一区二区| 国产精品99久久久久久久久| 久久精品夜夜夜夜夜久久蜜豆| 夜夜爽天天搞| 一卡2卡三卡四卡精品乱码亚洲| 国产亚洲精品综合一区在线观看| 动漫黄色视频在线观看| 国内揄拍国产精品人妻在线| 偷拍熟女少妇极品色| 色视频www国产| 中文字幕av在线有码专区| 老熟妇仑乱视频hdxx| 亚洲av成人av| av女优亚洲男人天堂| 看免费av毛片| 亚洲第一区二区三区不卡| 丰满人妻一区二区三区视频av| 日本 欧美在线| 欧美高清性xxxxhd video| 亚洲色图av天堂| 男女做爰动态图高潮gif福利片| a在线观看视频网站| 91在线观看av| 国产黄a三级三级三级人| 一卡2卡三卡四卡精品乱码亚洲| 成人毛片a级毛片在线播放| 国产高清有码在线观看视频| 亚洲午夜理论影院| 久久精品国产清高在天天线| 亚洲第一欧美日韩一区二区三区| 亚洲精品在线观看二区| 久久久久国内视频| 久久久久国产精品人妻aⅴ院| 少妇的逼好多水| 亚洲av不卡在线观看| 国内少妇人妻偷人精品xxx网站| 亚洲黑人精品在线| 91九色精品人成在线观看| 88av欧美| 99热这里只有精品一区| 亚洲成人精品中文字幕电影| 国产精品美女特级片免费视频播放器| 日韩中文字幕欧美一区二区| 国产高清有码在线观看视频| 亚洲av中文字字幕乱码综合| 十八禁网站免费在线| 如何舔出高潮| 村上凉子中文字幕在线| 国产中年淑女户外野战色| 国产精品亚洲一级av第二区| 欧美zozozo另类| 亚洲中文日韩欧美视频| 九色成人免费人妻av| 久久伊人香网站| 日本与韩国留学比较| 午夜福利视频1000在线观看| 国语自产精品视频在线第100页| 露出奶头的视频| 亚洲第一电影网av| 久久精品久久久久久噜噜老黄 | 黄色丝袜av网址大全| 精品人妻1区二区| 嫁个100分男人电影在线观看| 亚洲va日本ⅴa欧美va伊人久久| 成年女人永久免费观看视频| 欧美国产日韩亚洲一区| 在线观看一区二区三区| 成年女人毛片免费观看观看9| 久久久久久九九精品二区国产| 性插视频无遮挡在线免费观看| 国产熟女xx| 国产国拍精品亚洲av在线观看| 精品久久久久久成人av| 日本五十路高清| 成年人黄色毛片网站| 亚洲午夜理论影院| 亚洲内射少妇av| 亚洲天堂国产精品一区在线| 久久婷婷人人爽人人干人人爱| 97超级碰碰碰精品色视频在线观看| 国产极品精品免费视频能看的| 欧美zozozo另类| 看片在线看免费视频| 久久精品夜夜夜夜夜久久蜜豆| 国产日本99.免费观看| av在线蜜桃| 成人无遮挡网站| 两性午夜刺激爽爽歪歪视频在线观看| 欧美性感艳星| 欧美高清成人免费视频www| 波多野结衣高清作品| 精品99又大又爽又粗少妇毛片 | 性色av乱码一区二区三区2| 真人做人爱边吃奶动态| 国产精品三级大全| 日韩大尺度精品在线看网址| 97超视频在线观看视频| 国产 一区 欧美 日韩| 久久精品久久久久久噜噜老黄 | 国产精品乱码一区二三区的特点| 美女xxoo啪啪120秒动态图 | 嫩草影院入口| 两性午夜刺激爽爽歪歪视频在线观看| 免费观看人在逋| 国产伦精品一区二区三区四那| 国产私拍福利视频在线观看| 亚洲久久久久久中文字幕| 亚洲成人精品中文字幕电影| 日本黄色片子视频| 婷婷精品国产亚洲av在线| 成人av在线播放网站| 99视频精品全部免费 在线| 91久久精品国产一区二区成人| 好看av亚洲va欧美ⅴa在| 国产三级黄色录像| 99精品在免费线老司机午夜| 99在线人妻在线中文字幕| 国产色爽女视频免费观看| 国产精品av视频在线免费观看| 国产精品亚洲av一区麻豆| 欧美+亚洲+日韩+国产| 久9热在线精品视频| 亚洲 欧美 日韩 在线 免费| 中国美女看黄片| 亚洲欧美日韩东京热| 美女xxoo啪啪120秒动态图 | 毛片一级片免费看久久久久 | 欧洲精品卡2卡3卡4卡5卡区| 少妇人妻一区二区三区视频| 成年免费大片在线观看| 老熟妇仑乱视频hdxx| 国产亚洲av嫩草精品影院| 一级黄色大片毛片| 国模一区二区三区四区视频| 国产精品亚洲一级av第二区| 男人的好看免费观看在线视频| 欧美激情久久久久久爽电影| 亚洲av第一区精品v没综合| 91九色精品人成在线观看| 久久久久久大精品| 日韩欧美在线乱码| av在线天堂中文字幕| 国产亚洲精品综合一区在线观看| 亚洲性夜色夜夜综合| 中文字幕av在线有码专区| 国产精品三级大全| 午夜视频国产福利| 欧美日韩中文字幕国产精品一区二区三区| 国产精品野战在线观看| 久久人人爽人人爽人人片va | 亚洲成人中文字幕在线播放| 免费在线观看成人毛片| 日韩中文字幕欧美一区二区| 亚洲精品色激情综合| 国产精品久久久久久精品电影| 亚洲欧美清纯卡通| 久久久久久久久中文| 国产伦精品一区二区三区视频9| 精品欧美国产一区二区三| 搡老熟女国产l中国老女人| 精品一区二区免费观看| 麻豆成人午夜福利视频| 久久精品国产亚洲av涩爱 | 国产三级黄色录像| 午夜福利成人在线免费观看| 三级国产精品欧美在线观看| 亚洲av一区综合| 成人美女网站在线观看视频| 国产真实伦视频高清在线观看 | 久久久久性生活片| 精品国产亚洲在线| 亚洲av熟女| 天堂av国产一区二区熟女人妻| 香蕉av资源在线| 尤物成人国产欧美一区二区三区| 国产精品,欧美在线| 国产av一区在线观看免费| 国产免费av片在线观看野外av| 亚洲久久久久久中文字幕| 国产主播在线观看一区二区| 日本在线视频免费播放| 亚洲av.av天堂| 天天一区二区日本电影三级| 欧美性猛交╳xxx乱大交人| 老女人水多毛片| 日韩成人在线观看一区二区三区| 国产不卡一卡二| 嫩草影院精品99| 蜜桃久久精品国产亚洲av| 久久久久久九九精品二区国产| 国产精品爽爽va在线观看网站| 中文资源天堂在线| 搡女人真爽免费视频火全软件 | 欧美成人一区二区免费高清观看| 极品教师在线视频| 久久久久久久久中文| 国产白丝娇喘喷水9色精品| av在线蜜桃| 长腿黑丝高跟| 成年人黄色毛片网站| 亚洲第一电影网av| 国产精品98久久久久久宅男小说| 少妇被粗大猛烈的视频| 亚洲aⅴ乱码一区二区在线播放| 蜜桃亚洲精品一区二区三区| 赤兔流量卡办理| 日韩人妻高清精品专区| 国内毛片毛片毛片毛片毛片| 老司机午夜福利在线观看视频| 在线十欧美十亚洲十日本专区| 亚洲成人中文字幕在线播放| 制服丝袜大香蕉在线| 一级av片app| 激情在线观看视频在线高清| 精华霜和精华液先用哪个| 欧美成人性av电影在线观看| 亚洲在线观看片| 丁香欧美五月| 最近在线观看免费完整版| 欧美激情久久久久久爽电影| 国产伦精品一区二区三区视频9| 亚洲五月天丁香| 久久久久久久亚洲中文字幕 | 乱人视频在线观看| 一卡2卡三卡四卡精品乱码亚洲| 国产毛片a区久久久久| 午夜a级毛片| 最近在线观看免费完整版| 激情在线观看视频在线高清| 少妇的逼好多水| 色视频www国产| 一个人看的www免费观看视频| 国产精品一区二区三区四区久久| 午夜激情福利司机影院| 国产精品99久久久久久久久| 久久精品国产亚洲av香蕉五月| 日韩高清综合在线| 日日摸夜夜添夜夜添小说| 成人三级黄色视频| 99久久精品国产亚洲精品| 午夜视频国产福利| 国产蜜桃级精品一区二区三区| 亚洲欧美激情综合另类| 中文亚洲av片在线观看爽| 亚洲av成人av| 在线免费观看不下载黄p国产 | 黄色丝袜av网址大全| 国产免费一级a男人的天堂| 露出奶头的视频| 成年女人毛片免费观看观看9| 成人av一区二区三区在线看| 搡老妇女老女人老熟妇| 精品久久久久久久久久久久久| 日韩免费av在线播放| 免费观看人在逋| av在线老鸭窝| 波多野结衣高清无吗| 免费人成视频x8x8入口观看| 国内精品久久久久精免费| 国产三级在线视频| 亚洲成av人片免费观看| 欧美激情国产日韩精品一区| 亚洲熟妇中文字幕五十中出| 男女那种视频在线观看| 91麻豆精品激情在线观看国产| 老司机福利观看| 日韩精品青青久久久久久| 嫩草影院入口| 18+在线观看网站| 两性午夜刺激爽爽歪歪视频在线观看| 久久久久久久久久黄片| 亚洲久久久久久中文字幕| 亚洲精品在线观看二区| 国模一区二区三区四区视频| 欧美最黄视频在线播放免费| 少妇被粗大猛烈的视频| 国产亚洲av嫩草精品影院| 亚洲成av人片在线播放无| av欧美777| 日韩 亚洲 欧美在线| 亚洲精品一卡2卡三卡4卡5卡| 麻豆国产97在线/欧美| 中文字幕免费在线视频6| 国产一区二区三区视频了| 制服丝袜大香蕉在线| 午夜精品一区二区三区免费看| 最好的美女福利视频网| 俺也久久电影网| 一本综合久久免费| 国产成年人精品一区二区| 成年女人毛片免费观看观看9| 永久网站在线| 一区二区三区四区激情视频 | 精品久久久久久成人av| 日韩中文字幕欧美一区二区| 搡老妇女老女人老熟妇| 精品国内亚洲2022精品成人| 中文字幕人成人乱码亚洲影| 亚洲成av人片免费观看| 天天一区二区日本电影三级| 久久精品影院6| 精品99又大又爽又粗少妇毛片 | 全区人妻精品视频| 我要看日韩黄色一级片| 久久精品国产亚洲av天美| 久久精品人妻少妇| 午夜老司机福利剧场| 中文资源天堂在线| 天堂动漫精品| 内地一区二区视频在线| 久久精品人妻少妇| 十八禁人妻一区二区| 又黄又爽又免费观看的视频| 免费观看人在逋| 国产精品亚洲美女久久久| 免费看美女性在线毛片视频| 国产探花在线观看一区二区| 亚洲片人在线观看| 亚洲欧美激情综合另类| 永久网站在线| 嫩草影院入口| 搞女人的毛片| 哪里可以看免费的av片| 亚洲精品乱码久久久v下载方式| 亚洲精品亚洲一区二区| www.www免费av| 欧美精品啪啪一区二区三区| 色综合站精品国产| 国产 一区 欧美 日韩| 深夜a级毛片| 美女 人体艺术 gogo| 久久香蕉精品热| 狠狠狠狠99中文字幕| 赤兔流量卡办理| 亚洲自偷自拍三级| 又爽又黄a免费视频| 少妇被粗大猛烈的视频| 99久久精品国产亚洲精品| 久久热精品热| 久久久久九九精品影院| 少妇高潮的动态图| 嫩草影院精品99| 日韩大尺度精品在线看网址| 国产精品av视频在线免费观看| 欧美3d第一页| 1000部很黄的大片| 十八禁人妻一区二区| 网址你懂的国产日韩在线| 偷拍熟女少妇极品色| 美女被艹到高潮喷水动态| 97超视频在线观看视频| 99热这里只有精品一区| 午夜a级毛片| 一本精品99久久精品77| 男人舔女人下体高潮全视频| 国产精品伦人一区二区| 亚洲 国产 在线| 欧美色视频一区免费| 欧美区成人在线视频| 91久久精品国产一区二区成人| 91狼人影院| 九九热线精品视视频播放| 夜夜躁狠狠躁天天躁| 久久中文看片网| 又爽又黄a免费视频| 国产精品av视频在线免费观看| 特大巨黑吊av在线直播| 亚洲成人精品中文字幕电影| 欧美色视频一区免费| 一区二区三区激情视频| 性插视频无遮挡在线免费观看| 亚洲va日本ⅴa欧美va伊人久久| 嫩草影院精品99| 91在线观看av| 丰满乱子伦码专区| a级一级毛片免费在线观看| 国产国拍精品亚洲av在线观看| 午夜久久久久精精品| 黄色女人牲交| 婷婷丁香在线五月| 97人妻精品一区二区三区麻豆| 久久久久性生活片| 国产高清视频在线播放一区| 真人一进一出gif抽搐免费| 亚洲中文字幕一区二区三区有码在线看| 最后的刺客免费高清国语| 黄色配什么色好看| 久久久久久久精品吃奶| 黄色一级大片看看| 亚洲成av人片免费观看| 午夜福利在线在线| 欧美另类亚洲清纯唯美| 国内揄拍国产精品人妻在线| 色av中文字幕| 久久亚洲精品不卡| 国产精品久久电影中文字幕| 国内揄拍国产精品人妻在线| 日本三级黄在线观看| 久久这里只有精品中国| 中文字幕免费在线视频6| 草草在线视频免费看| 久久久久精品国产欧美久久久| 久久精品久久久久久噜噜老黄 | 日韩欧美一区二区三区在线观看| 人妻丰满熟妇av一区二区三区| or卡值多少钱| 人妻制服诱惑在线中文字幕| 国模一区二区三区四区视频| 悠悠久久av| 成人鲁丝片一二三区免费| 午夜影院日韩av| 国产69精品久久久久777片| 国产野战对白在线观看| 91麻豆av在线| av欧美777| 老女人水多毛片| 麻豆国产97在线/欧美| 中文字幕av在线有码专区|