• <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
    自拍欧美九色日韩亚洲蝌蚪91| videossex国产| 久久精品夜色国产| 免费人成在线观看视频色| 岛国毛片在线播放| 高清黄色对白视频在线免费看| 日本黄色日本黄色录像| a级毛片黄视频| av不卡在线播放| 在线 av 中文字幕| 巨乳人妻的诱惑在线观看| 最近中文字幕2019免费版| 国产一区二区在线观看日韩| 最近中文字幕高清免费大全6| 精品一区二区三区视频在线| 人妻 亚洲 视频| 永久网站在线| 2018国产大陆天天弄谢| 亚洲av免费高清在线观看| 精品人妻一区二区三区麻豆| 亚洲人成77777在线视频| 69精品国产乱码久久久| 国产精品一区二区在线不卡| √禁漫天堂资源中文www| 亚洲成色77777| 欧美变态另类bdsm刘玥| 亚洲图色成人| 韩国高清视频一区二区三区| 一本大道久久a久久精品| 午夜激情av网站| 另类精品久久| 十八禁高潮呻吟视频| 精品人妻在线不人妻| 91精品三级在线观看| 亚洲成色77777| 美女大奶头黄色视频| av播播在线观看一区| 久久久久视频综合| 男女边吃奶边做爰视频| 久久国内精品自在自线图片| 久久久精品免费免费高清| 国产女主播在线喷水免费视频网站| 国产成人精品婷婷| 最近的中文字幕免费完整| 成年女人在线观看亚洲视频| 亚洲精品aⅴ在线观看| 美女主播在线视频| 草草在线视频免费看| 丰满迷人的少妇在线观看| 亚洲精品第二区| 一区二区日韩欧美中文字幕 | 日韩制服骚丝袜av| 国内精品宾馆在线| 国产精品国产av在线观看| 中文天堂在线官网| 成人18禁高潮啪啪吃奶动态图| 久久精品夜色国产| 97超碰精品成人国产| 婷婷色麻豆天堂久久| 激情五月婷婷亚洲| 999精品在线视频| 熟女av电影| 亚洲精品自拍成人| 久久青草综合色| 美女视频免费永久观看网站| 免费av不卡在线播放| 亚洲国产av新网站| 亚洲精品日本国产第一区| 成人综合一区亚洲| 国产极品天堂在线| 日日爽夜夜爽网站| 男女午夜视频在线观看 | a 毛片基地| 美女中出高潮动态图| 午夜福利网站1000一区二区三区| 亚洲情色 制服丝袜| 99热这里只有是精品在线观看| 日韩成人伦理影院| 久久精品久久久久久噜噜老黄| 国产精品久久久久久av不卡| 亚洲国产毛片av蜜桃av| 人成视频在线观看免费观看| 黄色怎么调成土黄色| 国产精品蜜桃在线观看| 夫妻性生交免费视频一级片| 国产男人的电影天堂91| 青春草国产在线视频| 高清视频免费观看一区二区| 如日韩欧美国产精品一区二区三区| www.色视频.com| 啦啦啦在线观看免费高清www| 色婷婷久久久亚洲欧美| 国产精品不卡视频一区二区| 免费播放大片免费观看视频在线观看| 亚洲精品国产av成人精品| 日本欧美视频一区| 久久免费观看电影| 在线观看国产h片| 在线观看www视频免费| 免费看光身美女| 国产极品粉嫩免费观看在线| 在现免费观看毛片| 国产毛片在线视频| 色婷婷av一区二区三区视频| 97人妻天天添夜夜摸| 少妇的逼水好多| 国产极品天堂在线| 精品少妇内射三级| 一个人免费看片子| 22中文网久久字幕| 看免费av毛片| 久久精品国产鲁丝片午夜精品| 美女脱内裤让男人舔精品视频| 久久久久视频综合| 在线观看www视频免费| 黄色一级大片看看| 久久久国产一区二区| 侵犯人妻中文字幕一二三四区| 久久亚洲国产成人精品v| 日本与韩国留学比较| 亚洲精品久久午夜乱码| 乱码一卡2卡4卡精品| 欧美xxⅹ黑人| 精品第一国产精品| 高清毛片免费看| 国产av码专区亚洲av| 国产欧美另类精品又又久久亚洲欧美| 国产精品国产三级国产专区5o| 十八禁网站网址无遮挡| 国产男人的电影天堂91| 亚洲精品456在线播放app| 90打野战视频偷拍视频| 多毛熟女@视频| 激情视频va一区二区三区| a级片在线免费高清观看视频| 午夜福利网站1000一区二区三区| 久久精品久久久久久久性| 欧美亚洲日本最大视频资源| 伊人久久国产一区二区| 另类亚洲欧美激情| 免费观看av网站的网址| av福利片在线| 亚洲av电影在线观看一区二区三区| 又黄又粗又硬又大视频| 天天躁夜夜躁狠狠躁躁| a级片在线免费高清观看视频| 午夜福利网站1000一区二区三区| 日日撸夜夜添| 91精品国产国语对白视频| 韩国高清视频一区二区三区| h视频一区二区三区| 国产极品天堂在线| 夜夜骑夜夜射夜夜干| 免费黄频网站在线观看国产| 国产精品国产av在线观看| 亚洲人与动物交配视频| 免费黄网站久久成人精品| 国产有黄有色有爽视频| 欧美性感艳星| 国产一区有黄有色的免费视频| 久久久久久久久久久久大奶| 天堂8中文在线网| 韩国精品一区二区三区 | 日韩免费高清中文字幕av| 在线观看免费视频网站a站| 大香蕉久久成人网| 咕卡用的链子| 尾随美女入室| 日韩三级伦理在线观看| 青春草国产在线视频| 欧美最新免费一区二区三区| 制服人妻中文乱码| 精品人妻一区二区三区麻豆| 久久久久精品人妻al黑| 国产一区亚洲一区在线观看| 一边摸一边做爽爽视频免费| 九九在线视频观看精品| 青青草视频在线视频观看| 精品亚洲乱码少妇综合久久| 91aial.com中文字幕在线观看| 久久午夜福利片| 成年动漫av网址| 亚洲天堂av无毛| 大香蕉97超碰在线| 亚洲欧美成人精品一区二区| 色吧在线观看| 亚洲精品国产av蜜桃| 日本-黄色视频高清免费观看| 丰满迷人的少妇在线观看| 日日啪夜夜爽| 波多野结衣一区麻豆| 国产亚洲精品久久久com| 国产不卡av网站在线观看| 免费播放大片免费观看视频在线观看| 男人爽女人下面视频在线观看| 在线精品无人区一区二区三| 亚洲内射少妇av| 18禁动态无遮挡网站| 成年美女黄网站色视频大全免费| 久久午夜综合久久蜜桃| 午夜影院在线不卡| 成人手机av| 中文字幕精品免费在线观看视频 | 午夜福利视频精品| 色5月婷婷丁香| 国产成人免费观看mmmm| 欧美成人精品欧美一级黄| 免费观看在线日韩| 男男h啪啪无遮挡| 久久狼人影院| 亚洲国产av影院在线观看| 一二三四在线观看免费中文在 | 欧美日韩视频高清一区二区三区二| 新久久久久国产一级毛片| 超色免费av| 国语对白做爰xxxⅹ性视频网站| 熟女av电影| 十分钟在线观看高清视频www| 日韩一区二区三区影片| 边亲边吃奶的免费视频| 日韩欧美精品免费久久| 国产在线视频一区二区| av一本久久久久| 男女午夜视频在线观看 | av在线app专区| 午夜日本视频在线| 午夜老司机福利剧场| 免费看不卡的av| 七月丁香在线播放| 97精品久久久久久久久久精品| 日韩成人伦理影院| 中文欧美无线码| 午夜视频国产福利| 精品国产一区二区三区久久久樱花| 欧美日韩视频精品一区| 精品久久蜜臀av无| av不卡在线播放| 亚洲国产看品久久| 成人毛片60女人毛片免费| 日韩中文字幕视频在线看片| 五月天丁香电影| 成年女人在线观看亚洲视频| 男女啪啪激烈高潮av片| 男女国产视频网站| 超碰97精品在线观看| 捣出白浆h1v1| 看非洲黑人一级黄片| 久久99热这里只频精品6学生| 丝袜喷水一区| 亚洲伊人久久精品综合| 晚上一个人看的免费电影| 插逼视频在线观看| 美女xxoo啪啪120秒动态图| tube8黄色片| 欧美bdsm另类| 另类精品久久| 久久99精品国语久久久| 久久久久精品性色| 99视频精品全部免费 在线| 综合色丁香网| 国产精品不卡视频一区二区| 黑人猛操日本美女一级片| 乱码一卡2卡4卡精品| 69精品国产乱码久久久| 国产69精品久久久久777片| 亚洲av日韩在线播放| 在线观看免费高清a一片| 国产又色又爽无遮挡免| 有码 亚洲区| av在线app专区| 一区在线观看完整版| 水蜜桃什么品种好| 亚洲av日韩在线播放| 国产免费一区二区三区四区乱码| 欧美日本中文国产一区发布| 中国国产av一级| 精品一区二区三卡| 日韩中文字幕视频在线看片| 久久久国产欧美日韩av| 国产成人免费观看mmmm| 日日啪夜夜爽| 亚洲国产av影院在线观看| 中文乱码字字幕精品一区二区三区| tube8黄色片| 最近的中文字幕免费完整| 黑人巨大精品欧美一区二区蜜桃 | 精品国产一区二区久久| 啦啦啦视频在线资源免费观看| 午夜精品国产一区二区电影| 成人免费观看视频高清| 99久久中文字幕三级久久日本| 在线 av 中文字幕| 宅男免费午夜| 久久精品久久久久久噜噜老黄| 亚洲综合精品二区| 成人午夜精彩视频在线观看| 大香蕉久久成人网| 卡戴珊不雅视频在线播放| 又黄又爽又刺激的免费视频.| 日韩人妻精品一区2区三区| 久久影院123| 免费黄网站久久成人精品| 高清黄色对白视频在线免费看| 国产日韩一区二区三区精品不卡| 最黄视频免费看| 亚洲 欧美一区二区三区| 欧美成人精品欧美一级黄| 成人亚洲欧美一区二区av| 国产男女内射视频| 亚洲精品中文字幕在线视频| 欧美最新免费一区二区三区| 一级片'在线观看视频| 日韩一区二区三区影片| 五月开心婷婷网| 精品午夜福利在线看| 建设人人有责人人尽责人人享有的| 性高湖久久久久久久久免费观看| 日韩三级伦理在线观看| a级毛色黄片| 成人亚洲欧美一区二区av| 欧美少妇被猛烈插入视频| 久久精品国产鲁丝片午夜精品| 最黄视频免费看| 亚洲av综合色区一区| 国产精品久久久久久av不卡| 女人久久www免费人成看片| 日本av手机在线免费观看| 18+在线观看网站| 亚洲av福利一区| 丝袜喷水一区| 在线观看三级黄色| 精品视频人人做人人爽| 色哟哟·www| 巨乳人妻的诱惑在线观看| 桃花免费在线播放| 午夜福利视频在线观看免费| 一本色道久久久久久精品综合| 久久精品国产亚洲av天美| av福利片在线| 韩国精品一区二区三区 | 国产无遮挡羞羞视频在线观看| 亚洲精品久久久久久婷婷小说| 精品熟女少妇av免费看| 日本欧美国产在线视频| 国产福利在线免费观看视频| 五月天丁香电影| 制服丝袜香蕉在线| 9热在线视频观看99| 男女下面插进去视频免费观看 | 街头女战士在线观看网站| 侵犯人妻中文字幕一二三四区| 91午夜精品亚洲一区二区三区| 久久久久精品性色| 亚洲精品自拍成人| 在线观看www视频免费| 超色免费av| 国产乱来视频区| 日韩av在线免费看完整版不卡| 熟女人妻精品中文字幕| 丝袜人妻中文字幕| 亚洲成人一二三区av| 亚洲美女黄色视频免费看| 久久久精品区二区三区| 哪个播放器可以免费观看大片| 成人二区视频| 五月伊人婷婷丁香| 亚洲美女搞黄在线观看| 菩萨蛮人人尽说江南好唐韦庄| 亚洲美女搞黄在线观看| 色吧在线观看| 亚洲国产看品久久| 国产亚洲最大av| 精品人妻在线不人妻| √禁漫天堂资源中文www| 久久久精品免费免费高清| 激情五月婷婷亚洲| 伦精品一区二区三区| 色视频在线一区二区三区| 欧美+日韩+精品| 久久ye,这里只有精品| 欧美老熟妇乱子伦牲交| 黄色怎么调成土黄色| 日本黄色日本黄色录像| www.熟女人妻精品国产 | 视频在线观看一区二区三区| 老司机影院毛片| 午夜激情久久久久久久| 在现免费观看毛片| 不卡视频在线观看欧美| 2018国产大陆天天弄谢| 超碰97精品在线观看| av网站免费在线观看视频| 美女福利国产在线| 高清av免费在线| 性色av一级| 亚洲av电影在线进入| 日日撸夜夜添| 下体分泌物呈黄色| 99re6热这里在线精品视频| 国产欧美另类精品又又久久亚洲欧美| 狂野欧美激情性bbbbbb| 国产男女超爽视频在线观看| 天堂8中文在线网| 免费人成在线观看视频色| 哪个播放器可以免费观看大片| 草草在线视频免费看| 性色avwww在线观看| 国产成人精品在线电影| 中文字幕av电影在线播放| 久久国产精品男人的天堂亚洲 | 亚洲精品国产av成人精品| 国产成人精品在线电影| 久久99热这里只频精品6学生| 国产精品国产av在线观看| 制服诱惑二区| 少妇人妻精品综合一区二区| 99视频精品全部免费 在线| 久久午夜福利片| 久久久久久久久久久免费av| 视频中文字幕在线观看| 国产精品不卡视频一区二区| 成人影院久久| 亚洲欧美色中文字幕在线| 国产麻豆69| 亚洲av综合色区一区| 国产黄频视频在线观看| 亚洲欧美一区二区三区国产| 男的添女的下面高潮视频| 久久久久精品性色| 亚洲一码二码三码区别大吗| 又黄又粗又硬又大视频| 欧美日韩一区二区视频在线观看视频在线| 91精品国产国语对白视频| 国产毛片在线视频| 国产精品欧美亚洲77777| 日韩欧美一区视频在线观看| 成人国产av品久久久| 一级爰片在线观看| 成人国语在线视频| 91成人精品电影| 国产精品秋霞免费鲁丝片| 晚上一个人看的免费电影| 婷婷色麻豆天堂久久| 久久久久国产精品人妻一区二区| av网站免费在线观看视频| a 毛片基地| 日韩av不卡免费在线播放| 人妻少妇偷人精品九色| 一级,二级,三级黄色视频| 侵犯人妻中文字幕一二三四区| 亚洲av中文av极速乱| 日韩一区二区三区影片| 一区二区三区精品91| 秋霞在线观看毛片| 在线观看免费日韩欧美大片| 国内精品宾馆在线| 国产高清不卡午夜福利| 日韩欧美精品免费久久| 在线天堂最新版资源| 2021少妇久久久久久久久久久| 久久人妻熟女aⅴ| 欧美人与性动交α欧美软件 | 亚洲精品日本国产第一区| 日本-黄色视频高清免费观看| 最后的刺客免费高清国语| 高清视频免费观看一区二区| 一边亲一边摸免费视频| 99久久人妻综合| 26uuu在线亚洲综合色| 国产日韩欧美视频二区| 寂寞人妻少妇视频99o| 在线观看免费高清a一片| 亚洲久久久国产精品| 夫妻午夜视频| 久久久久久久亚洲中文字幕| 美女主播在线视频| 建设人人有责人人尽责人人享有的| 美女大奶头黄色视频| 成年人午夜在线观看视频| 国产av码专区亚洲av| 毛片一级片免费看久久久久| 在线精品无人区一区二区三| 狂野欧美激情性xxxx在线观看| 久久狼人影院| 亚洲国产欧美在线一区| 高清在线视频一区二区三区| 又大又黄又爽视频免费| 国产成人欧美| 中文欧美无线码| 赤兔流量卡办理| 亚洲,一卡二卡三卡| 精品国产露脸久久av麻豆| 最近的中文字幕免费完整| 最黄视频免费看| 国产成人精品一,二区| 亚洲av电影在线观看一区二区三区| 国产白丝娇喘喷水9色精品| 中文乱码字字幕精品一区二区三区| 只有这里有精品99| 99久久人妻综合| 色哟哟·www| 在线天堂中文资源库| 婷婷色综合www| 2022亚洲国产成人精品| 亚洲美女搞黄在线观看| 男女边吃奶边做爰视频| av有码第一页| 人妻少妇偷人精品九色| 26uuu在线亚洲综合色| 成人综合一区亚洲| 久久精品久久精品一区二区三区| 天堂中文最新版在线下载| 欧美成人午夜精品| av片东京热男人的天堂| 97超碰精品成人国产| 好男人视频免费观看在线| a级毛片在线看网站| 久久久久久久大尺度免费视频| xxx大片免费视频| 欧美激情国产日韩精品一区| av不卡在线播放| 亚洲美女黄色视频免费看| 国产亚洲av片在线观看秒播厂| av天堂久久9| 老司机影院毛片| 侵犯人妻中文字幕一二三四区| 亚洲av成人精品一二三区| 日韩一区二区视频免费看| 久久青草综合色| 最近最新中文字幕大全免费视频 | 亚洲av男天堂| 欧美老熟妇乱子伦牲交| 亚洲精品国产av成人精品| 国产精品偷伦视频观看了| 91成人精品电影| 欧美性感艳星| 日本-黄色视频高清免费观看| 热re99久久精品国产66热6| 亚洲成国产人片在线观看| 人人妻人人爽人人添夜夜欢视频| 一本久久精品| 街头女战士在线观看网站| 国产高清三级在线| 久久久久久久精品精品| 午夜福利网站1000一区二区三区| 纯流量卡能插随身wifi吗| 一级片'在线观看视频| 欧美激情极品国产一区二区三区 | 69精品国产乱码久久久| 午夜影院在线不卡| 亚洲色图综合在线观看| 精品福利永久在线观看| 亚洲美女搞黄在线观看| 欧美精品av麻豆av| 色网站视频免费| 秋霞在线观看毛片| 99久久中文字幕三级久久日本| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 一本久久精品| 制服诱惑二区| 国产淫语在线视频| 国产成人a∨麻豆精品| 亚洲av中文av极速乱| 男女午夜视频在线观看 | 九九在线视频观看精品| 免费看av在线观看网站| 久久人人爽人人爽人人片va| 五月开心婷婷网| 在线免费观看不下载黄p国产| av片东京热男人的天堂| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 久久久久精品性色| 日本wwww免费看| 18+在线观看网站| 最近手机中文字幕大全| 亚洲美女黄色视频免费看| 国产免费又黄又爽又色| 亚洲色图综合在线观看| 日韩av不卡免费在线播放| 新久久久久国产一级毛片| 国产综合精华液| 永久免费av网站大全| 高清毛片免费看| 一级毛片电影观看| 成人亚洲欧美一区二区av| 欧美3d第一页| 亚洲av福利一区| 看十八女毛片水多多多| 建设人人有责人人尽责人人享有的| 国产欧美另类精品又又久久亚洲欧美| 在线天堂中文资源库| 97精品久久久久久久久久精品| 99久久中文字幕三级久久日本| 人妻一区二区av| 美女国产高潮福利片在线看| 日韩制服骚丝袜av| 亚洲成av片中文字幕在线观看 | 水蜜桃什么品种好| 国产极品粉嫩免费观看在线| 免费人成在线观看视频色| videossex国产| 男人操女人黄网站| 久久精品熟女亚洲av麻豆精品| 王馨瑶露胸无遮挡在线观看| 国产极品天堂在线| 国产xxxxx性猛交| 亚洲高清免费不卡视频| 2022亚洲国产成人精品| 国产免费又黄又爽又色| 大片免费播放器 马上看| 欧美精品一区二区免费开放| h视频一区二区三区| 亚洲情色 制服丝袜| 寂寞人妻少妇视频99o| 18禁观看日本|