• <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 ?

    輕量化煤矸目標檢測方法研究

    2021-11-30 03:22:18杜京義史志芒郝樂陳瑞
    工礦自動化 2021年11期
    關鍵詞:煤矸錨框矸石

    杜京義, 史志芒, 郝樂, 陳瑞

    (1.西安科技大學 電氣與控制工程學院,陜西 西安 710054;2.西安科技大學 安全科學與工程學院,陜西 西安 710054)

    0 引言

    煤炭開采中不可避免地會摻雜矸石,不僅影響煤炭充分燃燒,還會造成環(huán)境污染[1]。因此在煤礦生產中需進行煤矸檢測及分選。目前較為成熟的煤矸檢測方法主要是基于射線法[2-4],如X射線、γ射線等,但該方法存在輻射危害,且設備昂貴、不易管理,難以推廣應用。隨著計算機視覺技術的發(fā)展,基于圖像處理的煤矸檢測方法因設備簡單、效率高等優(yōu)點,得到越來越多學者的關注。該方法通過人工分析煤和矸石的灰度、紋理等空間域信息,將其直接作為特征或建立聯(lián)合特征,結合支持向量機、人工神經網絡等機器學習算法進行分類[5-8],可有效實現(xiàn)煤矸識別,但存在特征不易提取或特征區(qū)分不明顯等問題,檢測模型在不同煤矸分選場景下的泛化性能較差。

    與經典機器學習算法相比,卷積神經網絡(Convolutional Neural Network,CNN)可自動提取圖像的魯棒和高級特征表示[9],被廣泛應用于計算機視覺任務中。文獻[10]分析了不同CNN模型對煤和矸石的分類效果,結果表明SqueezeNet識別精度和速度最優(yōu)。文獻[11]利用VGG16結合遷移學習進行煤矸檢測,檢測精度達82.5%??紤]到實際煤矸分選場景中,煤和矸石出現(xiàn)在輸送帶上的位置是隨機的,因此利用抓取裝置進行煤矸分選時不僅需要區(qū)分煤和矸石的類別信息,還要準確獲取矸石在輸送帶上的位置信息。為此,文獻[12]提出了一種基于深度學習模型的分層煤矸檢測框架,并在3種不同的數(shù)據(jù)集上進行實驗。文獻[13]針對大粒度矸石分選目標,結合區(qū)域生成網絡(Region Proposal Network,RPN)建立了煤矸目標檢測模型。文獻[14]提出了一種由檢測器和鑒別器組成的級聯(lián)煤矸檢測網絡,檢測精度達91.3%,但檢測速度取決于每張圖像中的煤矸樣本數(shù)量。

    在實際煤矸分選場景中,復雜惡劣的環(huán)境導致基于深度學習的煤矸檢測方法精度較低,特別是針對圖像中像素點較少的煤矸小目標,很容易發(fā)生漏檢現(xiàn)象,且難以兼顧檢測精度和實時性,同時難以部署在存儲和計算資源有限的嵌入式平臺上。為了及時準確地獲取煤矸類別和位置信息,本文對基于多尺度特征圖進行目標檢測的SSD(Single Shot MultiBox Detector)模型[15]進行改進,結合GhostNet輕量化特征提取網絡、自注意力機制、錨框優(yōu)化方法,構建了Ghost-SSD模型,由此提出一種輕量化煤矸目標檢測方法,并采用以輸送帶為背景采集的煤矸數(shù)據(jù)集進行實驗,驗證了該方法的有效性。

    1 相關網絡模型

    1.1 SSD模型

    SSD是一種基于多尺度特征圖的一階段目標檢測模型。其主干特征提取網絡以VGG16為基礎,并將VGG16的FC6層和FC7層轉換為卷積層,同時增加了4層擴展層。與Faster-RCNN[16]、YOLO[17]等只提取頂層特征圖進行檢測的模型不同,SSD模型分別采用38×38,19×19,10×10,5×5,3×3,1×1這6個尺度的特征進行預測。在SSD模型中,隨著特征提取網絡層數(shù)和下采樣操作次數(shù)的增多,特征圖對應原始圖像的感受野[18]逐漸增大,因此淺層特征圖有利于檢測小目標,深層特征圖有利于檢測大目標。SSD模型利用不同尺度的特征圖進行目標檢測,提高了模型泛化能力。

    SSD模型借鑒Faster-RCNN模型的候選框生成思想,根據(jù)每個特征圖的尺寸對原始圖像劃分網格,在每個網格的中心點生成不同長寬比的錨框,6個尺度的特征圖中每個網格點生成錨框的數(shù)量分別為4, 6, 6, 6, 4, 4,利用卷積操作預測每個先驗框的位置偏移量和類別概率,通過設置閾值篩選預測結果,并利用非極大值抑制得出最終檢測結果。SSD模型的訓練損失包括類別置信度損失和定位損失,前者采用多分類交叉熵損失函數(shù),后者采用Smooth L1損失函數(shù)。

    1.2 GhostNet

    GhostNet的核心思想在于采用線性變換代替部分常規(guī)卷積進行特征提取[19],減少了推理計算量,與以往的輕量化網絡相比,可更好地利用特征之間的相關性和冗余性。Ghost模塊是GhostNet的基本結構。該模塊首先采用常規(guī)卷積對輸入特征圖進行特征提取,生成基礎特征圖;然后對基礎特征圖的每一個通道做線性變換(深度卷積),生成Ghost特征圖;最后堆疊基礎特征圖和Ghost特征圖作為輸出。

    GhostNet有步幅為1和步幅為2這2種瓶頸結構,如圖1所示。2種結構中分別在不同位置加入批量歸一化(Batch Normalization,BN)層和Relu激活函數(shù)。步幅為1的結構中,第1個Ghost模塊用于增加通道數(shù),第2個Ghost模塊用于減少通道數(shù),從而保證與輸入特征圖的尺寸一致。步幅為2的結構則使用下采樣和步幅為2的深度卷積進行shortcut路徑匹配。

    (a)步幅為1

    2 煤矸目標檢測方法

    2.1 Ghost-SSD模型

    Ghost-SSD模型結構如圖2所示。該模型采用GhostNet代替VGG16作為主體網絡層。為了保持擴展層包含特征圖的尺寸不變,主體網絡層保留GhostNet的前5個特征提取塊,去掉其余特征提取塊和全連接層。Ghost模塊中每個通道基礎特征圖對應的冗余特征圖數(shù)量設置為2。輸入圖像的分辨率調整至300×300后,分別經過主體網絡層、擴展層提取煤矸特征,最終選用6個尺度的特征圖預測煤矸類別和位置信息。

    圖2 Ghost-SSD模型結構

    SSD模型采用多尺度特征圖檢測目標,提高了對不同大小煤矸的檢測能力,但淺層特征圖中語義信息不足,同時夾雜較多的背景噪聲,影響了小目標檢測效果。針對該問題,在尺度為38×38,19×19的特征圖進行檢測之前,引入2條分支重新標定特征圖,每條分支分別以2種尺度的特征圖為輸入,經過自注意力模塊(Self-Attention Module,SAM)增強有效特征,抑制背景噪聲,同時利用擴張卷積增大淺層特征圖的感受野,從而提高淺層特征圖對煤矸目標的特征提取能力。受ResNet[20]啟發(fā),將輸入特征圖與SAM的輸出進行shortcut連接,保證網絡更容易被優(yōu)化。分支最后加入1×1卷積層,實現(xiàn)特征跨通道交互和信息整合。

    2.2 SAM

    SAM在機器翻譯模型Transformer[21]中得到成功應用,可捕獲全局上下文信息的長期依賴關系。本文針對38×38,19×19尺度的特征圖引入SAM(圖3),得到淺層特征圖中任意2個位置的全局依賴關系,從而抑制淺層特征圖中包含的背景噪聲,突出前景區(qū)域特征,并在SAM中引入擴張卷積,通過設置不同的擴張率,豐富淺層特征圖的語義信息。

    圖3 SAM結構

    設SAM輸入特征圖為x,x∈Rh×w×c,h,w分別為輸入特征圖的高度和寬度。x分別經過3個分支q,p,v。分支q,p均使用3×3擴張卷積對x進行尺度縮放,同時擴大x的感受野,擴張率r分別設置為1,3,得到輸出Q(x)∈Rh×w×c/t,P(x)∈Rh×w×c/t,其中t為輸出通道數(shù)相比輸入縮放的倍數(shù),本文設置為8。對Q(x),P(x)進行維度變換,得Q(x)∈RN×c/t,P(x)∈RN×c/t,其中N=hw。對P(x)的轉置與Q(x)的乘積進行softmax運算,得到注意力圖θ(x)∈RN×N。分支v使用3×3擴張卷積,擴張率r設置為5,輸出V(x)∈Rh×w×c,將其維度變換為RN×c。將θ(x)與V(x)相乘,得到自注意力特征圖y∈RN×c,并將其維度變換為Rh×w×c。

    2.3 錨框優(yōu)化方法

    Ghost-SSD模型訓練前,采用K-means算法對錨框進行聚類,根據(jù)聚類結果重新設計錨框尺寸,以滿足特定任務需求,提高煤矸識別精度。K-means算法首先隨機給定K個中心點,然后計算每個中心點到聚類中心點的距離,按照最鄰近原則將待分類樣本點分到各個簇,最后計算每個簇中所有點的坐標平均值,并將該值作為新的聚類中心,經過反復迭代獲得最終聚類結果。

    傳統(tǒng)的聚類方法一般選用歐氏距離作為度量標準,但針對目標檢測問題,更適合使用每個錨框與聚類中心框的交并比作為度量標準。本文使用的度量參數(shù)為

    D=1-R(b,m)

    (1)

    式中:b為所有真實標注框的集合;m為聚類中心框的集合;R(b,m)為真實標注框與聚類中心框之間的交并比。

    通過改變K進行多次聚類實驗,求出每次聚類的平均交并比,結果如圖4所示。可看出K<6時平均交并比增長較快,K>6時趨于平緩。結合SSD模型錨框參數(shù)設置,選擇K=6對煤矸數(shù)據(jù)集進行聚類,可視化結果如圖5所示。根據(jù)圖5對Ghost-SSD模型的錨框尺寸進行優(yōu)化,得錨框的長寬比參數(shù)為0.65, 0.90, 1.23, 1.39, 1.55, 1.80,每個尺度網格點生成錨框個數(shù)均為6。

    圖4 不同K值下錨框聚類平均交并比

    圖5 K=6時錨框聚類結果

    3 實驗與結果分析

    3.1 數(shù)據(jù)采集與處理

    以輸送帶為背景,共采集2 886張煤矸圖像,采用LabelImg軟件對每張圖像中的煤矸類別和區(qū)域進行標注,檢測類別包括煤和矸石2類。隨機選取2 500張圖像作為訓練集,386張圖像作為測試集,訓練集和驗證集的比例設置為9∶1。為了更好地反映模型的多目標檢測效果,對測試集中煤和矸石樣本數(shù)進行統(tǒng)計,結果見表1。根據(jù)表1得平均每張煤矸圖像包含3.9個真實樣本。

    表1 煤矸測試集真實樣本統(tǒng)計

    3.2 模型訓練

    實驗在TensorFlow2.0框架下進行,操作系統(tǒng)為Ubuntu18.04,處理器為Intel@Xeon E5-2630 v4,內存為16 GB,顯卡為Quadro P2200,安裝CUDA10.1和cudnn7.6.5支持圖形處理器(Graphics Processing Unit,GPU)使用,編程語言采用python3.7。模型訓練時,超參數(shù)batch size設置為8,epoch設置為500;初始學習率設置為0.001,并采用自動衰減策略調節(jié)學習率,當驗證集損失值連續(xù)10次未下降10-4或上升時,學習率更新為原來的0.9倍;優(yōu)化器采用Adam。

    3.3 實驗結果分析

    采用平均精度(Average Precision, AP)、平均精度均值(mean Average Precision, mAP)和幀率3個指標對目標檢測模型進行評估。設計消融實驗測試本文改進策略的效果。首先,將未經改動的SSD模型作為基準模型,然后分別測試加入錨框優(yōu)化方法、GhostNet和SAM的檢測效果,最后將 3種改進策略同時加入SSD模型。所有實驗均在同一煤矸數(shù)據(jù)集上進行,且實驗環(huán)境和訓練方式保持一致。實驗結果見表2。

    表2 消融實驗結果

    從表2可看出,基準模型分別加入錨框優(yōu)化方法和SAM后,mAP均有所提升;采用GhostNet構建輕量化模型可在mAP損失很小的情況下,大幅提升模型檢測速度;融合錨框優(yōu)化方法、GhostNet、SAM的Ghost-SSD模型的mAP為88.7%,較基準模型提高3.6%,檢測速度為108 幀/s,較基準模型提高75幀/s,實現(xiàn)了檢測精度和速度的提升。

    SSD模型與Ghost-SSD模型針對煤矸測試集中每一類的檢測結果見表3??煽闯鯣host-SSD模型較SSD模型對煤和矸石檢測的AP分別提高3.4%,3.7%,進一步驗證了Ghost-SSD模型可提高煤矸檢測精度。

    表3 SSD,Ghost-SSD模型檢測結果對比

    為了進一步探究SAM的效果,對SSD模型與引入SAM的模型進行對比實驗,利用Grad-cam算法[22]生成顯著圖,對目標檢測區(qū)域進行可視化分析,結果如圖6所示。顯著圖上可顯示與決策特征相關區(qū)域的顯著度,顏色越深則顯著度越高。從圖6可看出,SSD模型引入SAM可提高前景區(qū)域的顯著度,且可抑制背景噪聲,有利于增強淺層特征的表征能力。

    圖6 煤矸顯著圖

    SSD模型與Ghost-SSD模型的訓練損失函數(shù)曲線如圖7所示??煽闯鯣host-SSD模型的訓練損失初始值低于SSD模型,訓練過程中Ghost-SSD模型的訓練損失在迭代100次后降至1以下并逐漸穩(wěn)定,且收斂值低于SSD模型。

    圖7 SSD,Ghost-SSD模型訓練損失函數(shù)曲線

    為了直觀驗證Ghost-SSD模型的有效性,從測試集中選取有代表性的圖像進行實驗。分別采用SSD模型和Ghost-SSD模型進行煤矸檢測,結果如圖8所示??煽闯鯯SD模型對于第1張圖像出現(xiàn)誤檢情況,對第2張、第4張圖像出現(xiàn)漏檢情況(第2張圖像中漏檢對象為表面與背景非常相似的矸石,第4張圖像中漏檢對象為小塊矸石),對第3張圖像出現(xiàn)定位誤差較大情況,而Ghost-SSD模型均能準確檢測出每張圖像中的煤矸目標。

    (a)原圖

    3.4 不同模型實驗對比

    在實驗環(huán)境和數(shù)據(jù)集均一致的條件下,分別采用SSD300,SSD512,F(xiàn)aster-RCNN,Yolov3,Ghost-SSD模型進行煤矸檢測實驗,結果見表4??煽闯鯯SD512模型的mAP高于SSD300,但輸入分辨率的增大導致檢測速度降低;Faster-RCNN模型的mAP最高,但檢測速度在當前實驗環(huán)境下只有10幀/s;Yolov3模型的檢測速度較上述3種模型快,但精度較低;Ghost-SSD模型具有較高的檢測精度和速度,優(yōu)于其他模型。

    表4 不同模型的煤矸檢測結果

    4 結論

    (1)為了提高煤矸目標檢測精度和速度,對SSD模型進行改進,設計了Ghost-SSD模型。該模型以GhostNet網絡作為SSD模型主體網絡層,提高了煤矸目標檢測速度;在淺層特征圖中引入SAM和擴張卷積,增強了淺層特征圖對煤矸目標的表征能力,提高了對煤矸小目標的檢測效果;針對煤矸特定檢測目標進行K-means聚類錨框優(yōu)化,提高了煤矸檢測精度。

    (2)基于Ghost-SSD模型提出了輕量化煤矸目標檢測方法,通過實驗得出采用Ghost-SSD模型進行煤矸檢測的精度和速度均優(yōu)于SSD,F(xiàn)aster-RCNN,Yolov3模型,且能夠有效檢測出煤矸小目標。

    (3)下一階段將重點研究在煤矸檢測環(huán)節(jié)之后加入目標跟蹤技術,提高煤矸識別定位穩(wěn)定性。

    猜你喜歡
    煤矸錨框矸石
    基于多通道數(shù)據(jù)耦合技術的智能機器人系統(tǒng)在煤矸分選中的研究與應用
    選煤技術(2023年4期)2024-01-02 03:11:16
    基于YOLOv3錨框優(yōu)化的側掃聲吶圖像目標檢測
    信號處理(2022年11期)2022-12-26 13:22:06
    X 射線透射煤矸智能識別方法
    錨框策略匹配的SSD飛機遙感圖像目標檢測
    基于SSD算法的輕量化儀器表盤檢測算法*
    礦井矸石山環(huán)境危害與防治措施分析
    山西冶金(2022年3期)2022-08-03 08:40:28
    基于GA-RoI Transformer的遙感圖像任意方向目標檢測
    礦山矸石綠色充填系統(tǒng)設計及參數(shù)研究*
    陜西煤炭(2021年6期)2021-11-22 09:12:26
    邢東礦ZC5160/30/50型復合型充填液壓支架的研究與應用
    煤炭與化工(2021年5期)2021-07-04 02:52:12
    選煤廠封閉式自動煤矸分選機設計應用
    午夜两性在线视频| 国产精品一区二区三区四区久久 | 午夜亚洲福利在线播放| 大香蕉久久成人网| 黄色a级毛片大全视频| 好看av亚洲va欧美ⅴa在| 色哟哟哟哟哟哟| 日韩 欧美 亚洲 中文字幕| 91成年电影在线观看| 久9热在线精品视频| 级片在线观看| 亚洲午夜理论影院| ponron亚洲| 午夜福利一区二区在线看| 18禁美女被吸乳视频| 亚洲成a人片在线一区二区| 看片在线看免费视频| 成人特级黄色片久久久久久久| 午夜a级毛片| 黄频高清免费视频| 色综合欧美亚洲国产小说| 在线观看舔阴道视频| 韩国精品一区二区三区| 日韩视频一区二区在线观看| 欧美黄色淫秽网站| 欧美国产精品va在线观看不卡| 午夜免费成人在线视频| 欧美性猛交╳xxx乱大交人| 在线观看日韩欧美| 亚洲国产欧美网| 久久久久久人人人人人| 久久久久久国产a免费观看| 国产av又大| 欧美大码av| 一级a爱视频在线免费观看| 一区福利在线观看| 18禁裸乳无遮挡免费网站照片 | 国产男靠女视频免费网站| 成人免费观看视频高清| 成年免费大片在线观看| 亚洲av片天天在线观看| 国产精品久久久久久亚洲av鲁大| 精品国产乱码久久久久久男人| aaaaa片日本免费| 男男h啪啪无遮挡| 午夜视频精品福利| 黑丝袜美女国产一区| 国产国语露脸激情在线看| 99精品在免费线老司机午夜| 999久久久精品免费观看国产| 欧美激情 高清一区二区三区| 亚洲精品久久国产高清桃花| 午夜免费鲁丝| 自线自在国产av| 国产三级黄色录像| 久99久视频精品免费| 午夜激情福利司机影院| 中文资源天堂在线| 亚洲成人精品中文字幕电影| 色播亚洲综合网| 法律面前人人平等表现在哪些方面| 国产乱人伦免费视频| 久久精品aⅴ一区二区三区四区| 欧美zozozo另类| 久久久久国产一级毛片高清牌| 亚洲最大成人中文| 日韩欧美一区二区三区在线观看| 成年人黄色毛片网站| 久久热在线av| 老司机在亚洲福利影院| 女人高潮潮喷娇喘18禁视频| 19禁男女啪啪无遮挡网站| 亚洲精华国产精华精| 国产亚洲av嫩草精品影院| 中文字幕精品亚洲无线码一区 | 欧美乱码精品一区二区三区| 黄色成人免费大全| 亚洲三区欧美一区| 国产高清视频在线播放一区| 亚洲自拍偷在线| 久热这里只有精品99| 亚洲男人天堂网一区| 日本精品一区二区三区蜜桃| 天堂√8在线中文| av在线天堂中文字幕| 人成视频在线观看免费观看| 亚洲色图 男人天堂 中文字幕| av片东京热男人的天堂| 手机成人av网站| av欧美777| 日本 欧美在线| 午夜成年电影在线免费观看| 色哟哟哟哟哟哟| 欧美激情极品国产一区二区三区| 在线av久久热| 欧美成人午夜精品| 女性生殖器流出的白浆| 老司机福利观看| 亚洲色图av天堂| 1024香蕉在线观看| 久久亚洲真实| 国产亚洲欧美98| 99精品在免费线老司机午夜| 97人妻精品一区二区三区麻豆 | 国产亚洲精品综合一区在线观看 | 国产亚洲精品久久久久5区| 国产单亲对白刺激| 成人特级黄色片久久久久久久| www.999成人在线观看| 欧美人与性动交α欧美精品济南到| 国产精品野战在线观看| 欧美在线黄色| 国产亚洲av嫩草精品影院| 成人一区二区视频在线观看| 亚洲精品在线观看二区| 日本 欧美在线| 国产在线精品亚洲第一网站| 好男人电影高清在线观看| av在线天堂中文字幕| 精品午夜福利视频在线观看一区| 亚洲 欧美 日韩 在线 免费| 欧美日韩亚洲综合一区二区三区_| 免费看日本二区| 欧美日韩精品网址| 国产一区二区激情短视频| 亚洲人成伊人成综合网2020| 久热爱精品视频在线9| 岛国视频午夜一区免费看| 一级作爱视频免费观看| 久久久久免费精品人妻一区二区 | 两人在一起打扑克的视频| 欧美 亚洲 国产 日韩一| 婷婷六月久久综合丁香| 热99re8久久精品国产| 又黄又粗又硬又大视频| 久久婷婷人人爽人人干人人爱| 一本久久中文字幕| 精品高清国产在线一区| 久热这里只有精品99| 制服诱惑二区| 欧美激情久久久久久爽电影| 日本精品一区二区三区蜜桃| 国产亚洲欧美98| 手机成人av网站| 欧美黑人欧美精品刺激| 中出人妻视频一区二区| 亚洲成人久久性| 亚洲性夜色夜夜综合| 欧美一级毛片孕妇| 国产亚洲精品久久久久久毛片| www.999成人在线观看| 日韩一卡2卡3卡4卡2021年| 在线十欧美十亚洲十日本专区| 久久婷婷人人爽人人干人人爱| 午夜精品在线福利| 欧美绝顶高潮抽搐喷水| 亚洲精品美女久久av网站| aaaaa片日本免费| 免费无遮挡裸体视频| 国产精品二区激情视频| 日韩一卡2卡3卡4卡2021年| 老熟妇乱子伦视频在线观看| 天堂动漫精品| 91麻豆av在线| 一区二区三区高清视频在线| 男女视频在线观看网站免费 | 国产成人欧美| 久久精品国产清高在天天线| 一本久久中文字幕| 亚洲av成人一区二区三| 午夜免费观看网址| 国产熟女午夜一区二区三区| 黄色a级毛片大全视频| 成人av一区二区三区在线看| 一个人免费在线观看的高清视频| 午夜激情福利司机影院| 在线观看免费视频日本深夜| 日韩欧美免费精品| 免费在线观看日本一区| 男人舔女人下体高潮全视频| 18禁黄网站禁片午夜丰满| 天天一区二区日本电影三级| 国产三级黄色录像| 色尼玛亚洲综合影院| 亚洲成人久久性| 男女之事视频高清在线观看| 国产aⅴ精品一区二区三区波| 18禁观看日本| 成人午夜高清在线视频 | av在线天堂中文字幕| 丰满人妻熟妇乱又伦精品不卡| 国产精品综合久久久久久久免费| 久9热在线精品视频| 在线观看舔阴道视频| 国产蜜桃级精品一区二区三区| 真人一进一出gif抽搐免费| 中文资源天堂在线| 老汉色av国产亚洲站长工具| 国产久久久一区二区三区| 麻豆久久精品国产亚洲av| 欧美激情高清一区二区三区| 精品国内亚洲2022精品成人| 久久婷婷人人爽人人干人人爱| 亚洲成人久久爱视频| www日本在线高清视频| 精品乱码久久久久久99久播| 欧美一级毛片孕妇| 神马国产精品三级电影在线观看 | 亚洲欧洲精品一区二区精品久久久| 18禁观看日本| 国产亚洲av嫩草精品影院| 成人永久免费在线观看视频| 变态另类丝袜制服| 一本精品99久久精品77| 国产一区在线观看成人免费| 午夜老司机福利片| 妹子高潮喷水视频| 精品久久久久久久末码| 国产伦一二天堂av在线观看| 欧美激情 高清一区二区三区| 亚洲成a人片在线一区二区| 熟女电影av网| 狠狠狠狠99中文字幕| 亚洲欧美日韩高清在线视频| 国产精品久久久av美女十八| 无人区码免费观看不卡| 亚洲电影在线观看av| 一夜夜www| 高潮久久久久久久久久久不卡| 18禁黄网站禁片免费观看直播| 欧美成狂野欧美在线观看| 国产成+人综合+亚洲专区| 深夜精品福利| 丰满人妻熟妇乱又伦精品不卡| 国产精品久久久久久亚洲av鲁大| 欧美人与性动交α欧美精品济南到| 色老头精品视频在线观看| 久久久久久国产a免费观看| 国产久久久一区二区三区| 日韩欧美国产一区二区入口| 麻豆国产av国片精品| 亚洲最大成人中文| 黄色视频,在线免费观看| 国产亚洲欧美精品永久| 91字幕亚洲| 1024视频免费在线观看| 亚洲va日本ⅴa欧美va伊人久久| www.999成人在线观看| 国产视频内射| 日韩免费av在线播放| 男女视频在线观看网站免费 | 日韩欧美 国产精品| 欧美黑人巨大hd| 国产成人精品久久二区二区免费| 十八禁网站免费在线| 国产v大片淫在线免费观看| 老汉色∧v一级毛片| 亚洲国产精品成人综合色| 精品国产国语对白av| 国产成年人精品一区二区| 国产亚洲欧美精品永久| 色在线成人网| 18禁黄网站禁片午夜丰满| 久久香蕉精品热| 亚洲欧美一区二区三区黑人| 搡老熟女国产l中国老女人| 99精品欧美一区二区三区四区| 欧美一级毛片孕妇| 国产野战对白在线观看| 午夜激情福利司机影院| 久久香蕉精品热| 国产高清有码在线观看视频 | 国产亚洲精品一区二区www| 色综合亚洲欧美另类图片| 国产单亲对白刺激| 午夜影院日韩av| 欧美人与性动交α欧美精品济南到| 黄色成人免费大全| 夜夜爽天天搞| 曰老女人黄片| 91av网站免费观看| 搡老熟女国产l中国老女人| 久久精品影院6| 正在播放国产对白刺激| 久久精品国产亚洲av香蕉五月| 日本撒尿小便嘘嘘汇集6| 色哟哟哟哟哟哟| 欧美成人一区二区免费高清观看 | 国产1区2区3区精品| 亚洲,欧美精品.| 亚洲avbb在线观看| 亚洲国产看品久久| 99久久综合精品五月天人人| 亚洲自拍偷在线| 无人区码免费观看不卡| 亚洲全国av大片| 黄片大片在线免费观看| 国产亚洲精品久久久久久毛片| 大型av网站在线播放| 欧美乱码精品一区二区三区| 日韩视频一区二区在线观看| 精品卡一卡二卡四卡免费| 久久精品影院6| 观看免费一级毛片| 国产精品免费一区二区三区在线| 欧美大码av| 久久精品夜夜夜夜夜久久蜜豆 | 日韩欧美国产在线观看| 久久99热这里只有精品18| 欧美中文日本在线观看视频| 每晚都被弄得嗷嗷叫到高潮| 1024手机看黄色片| 身体一侧抽搐| 后天国语完整版免费观看| 欧美成人午夜精品| 一本久久中文字幕| 日韩中文字幕欧美一区二区| 午夜福利视频1000在线观看| 亚洲熟女毛片儿| 免费搜索国产男女视频| 老司机在亚洲福利影院| 老鸭窝网址在线观看| 熟妇人妻久久中文字幕3abv| 国产黄色小视频在线观看| 看黄色毛片网站| 国产午夜精品久久久久久| 久久人妻av系列| 日韩欧美一区二区三区在线观看| 国产久久久一区二区三区| 精品国产一区二区三区四区第35| 精品午夜福利视频在线观看一区| 午夜福利欧美成人| 校园春色视频在线观看| 亚洲国产看品久久| 国产成人啪精品午夜网站| 欧美av亚洲av综合av国产av| 欧美一级毛片孕妇| 男女下面进入的视频免费午夜 | 日韩欧美国产一区二区入口| 国内精品久久久久久久电影| 此物有八面人人有两片| 午夜激情福利司机影院| 亚洲精品一区av在线观看| 热99re8久久精品国产| 久久久久久九九精品二区国产 | 窝窝影院91人妻| 十八禁网站免费在线| 日本一本二区三区精品| 88av欧美| 啦啦啦韩国在线观看视频| 日本精品一区二区三区蜜桃| 精品国产乱子伦一区二区三区| 久久精品国产清高在天天线| 两个人看的免费小视频| 亚洲男人天堂网一区| 久久人妻av系列| 国产精品,欧美在线| 国产精品永久免费网站| 久久天堂一区二区三区四区| 精品第一国产精品| 欧美黑人欧美精品刺激| 99精品在免费线老司机午夜| 看免费av毛片| 国产精品久久久av美女十八| 成年人黄色毛片网站| www日本在线高清视频| АⅤ资源中文在线天堂| 久久草成人影院| 国产精品综合久久久久久久免费| 男女视频在线观看网站免费 | 岛国在线观看网站| 久久久久久国产a免费观看| 国产精品 欧美亚洲| 精品电影一区二区在线| 免费人成视频x8x8入口观看| 丁香六月欧美| 在线永久观看黄色视频| av片东京热男人的天堂| 亚洲国产高清在线一区二区三 | 日韩欧美在线二视频| 男人舔奶头视频| 午夜免费激情av| 99国产精品一区二区三区| 亚洲精品粉嫩美女一区| 日本三级黄在线观看| 国产野战对白在线观看| bbb黄色大片| 久久精品人妻少妇| 十分钟在线观看高清视频www| 国产男靠女视频免费网站| 国产97色在线日韩免费| 18禁黄网站禁片免费观看直播| 精品欧美一区二区三区在线| 久久精品夜夜夜夜夜久久蜜豆 | 久久 成人 亚洲| 十八禁网站免费在线| 成人一区二区视频在线观看| 国产一区二区三区在线臀色熟女| 国产又色又爽无遮挡免费看| 午夜成年电影在线免费观看| 日韩欧美一区视频在线观看| 一本精品99久久精品77| АⅤ资源中文在线天堂| 亚洲在线自拍视频| 琪琪午夜伦伦电影理论片6080| 精品久久久久久久人妻蜜臀av| 色综合站精品国产| 无限看片的www在线观看| 狠狠狠狠99中文字幕| 白带黄色成豆腐渣| 亚洲五月婷婷丁香| 日韩免费av在线播放| 很黄的视频免费| 亚洲精品一区av在线观看| 久久精品国产99精品国产亚洲性色| 一级a爱片免费观看的视频| 久久久久国产一级毛片高清牌| 日韩精品免费视频一区二区三区| 午夜久久久久精精品| 国产成年人精品一区二区| 看免费av毛片| 极品教师在线免费播放| 欧美乱码精品一区二区三区| 日韩av在线大香蕉| 国产亚洲精品久久久久久毛片| 制服诱惑二区| 午夜福利在线在线| 婷婷丁香在线五月| 他把我摸到了高潮在线观看| 国产成人av激情在线播放| 老汉色av国产亚洲站长工具| 亚洲国产日韩欧美精品在线观看 | 亚洲人成网站高清观看| 国产亚洲欧美在线一区二区| 国产免费男女视频| 精品久久久久久久末码| 每晚都被弄得嗷嗷叫到高潮| 国产亚洲欧美98| 午夜福利欧美成人| 日本一本二区三区精品| 国产一区二区三区在线臀色熟女| 久久久久国产精品人妻aⅴ院| 国产亚洲精品综合一区在线观看 | 亚洲人成伊人成综合网2020| 国产一区在线观看成人免费| 成人18禁高潮啪啪吃奶动态图| 亚洲熟妇中文字幕五十中出| 亚洲中文日韩欧美视频| 成人午夜高清在线视频 | 国产精品美女特级片免费视频播放器 | 成年人黄色毛片网站| 999久久久国产精品视频| 国产精品亚洲av一区麻豆| 欧美黑人精品巨大| 日韩大尺度精品在线看网址| 叶爱在线成人免费视频播放| 国产精品免费视频内射| 免费在线观看黄色视频的| 最好的美女福利视频网| 丰满人妻熟妇乱又伦精品不卡| 亚洲成av片中文字幕在线观看| 看黄色毛片网站| 亚洲七黄色美女视频| 欧美成人午夜精品| 午夜激情福利司机影院| 在线观看一区二区三区| 午夜免费鲁丝| av在线天堂中文字幕| 欧美日韩精品网址| 中文字幕人妻熟女乱码| 亚洲欧美日韩无卡精品| 国产aⅴ精品一区二区三区波| 国产午夜精品久久久久久| 久久精品亚洲精品国产色婷小说| 免费看十八禁软件| 成人国产一区最新在线观看| 99久久综合精品五月天人人| 亚洲男人天堂网一区| 亚洲av成人一区二区三| 欧美黑人巨大hd| 黄色 视频免费看| 97超级碰碰碰精品色视频在线观看| 日韩精品免费视频一区二区三区| 人妻丰满熟妇av一区二区三区| 欧美性猛交╳xxx乱大交人| 亚洲自偷自拍图片 自拍| 国产亚洲精品久久久久5区| 免费在线观看视频国产中文字幕亚洲| 天堂√8在线中文| 国产成人精品无人区| 不卡av一区二区三区| а√天堂www在线а√下载| 欧美不卡视频在线免费观看 | 久久久久国内视频| 夜夜看夜夜爽夜夜摸| 真人一进一出gif抽搐免费| 欧美日韩精品网址| 一本久久中文字幕| 亚洲成人久久性| 无人区码免费观看不卡| 精品久久久久久,| 婷婷丁香在线五月| av在线播放免费不卡| 精品久久久久久成人av| 日本 av在线| 级片在线观看| 精品乱码久久久久久99久播| 精品国内亚洲2022精品成人| 91成年电影在线观看| 熟妇人妻久久中文字幕3abv| а√天堂www在线а√下载| 一级黄色大片毛片| 青草久久国产| 国产一区二区三区视频了| 99久久国产精品久久久| 亚洲国产毛片av蜜桃av| 法律面前人人平等表现在哪些方面| 女人高潮潮喷娇喘18禁视频| 欧美成人一区二区免费高清观看 | 久久香蕉激情| 亚洲一区中文字幕在线| 亚洲精品粉嫩美女一区| 日本一本二区三区精品| 美女高潮喷水抽搐中文字幕| 最新在线观看一区二区三区| 成人特级黄色片久久久久久久| 青草久久国产| 成人av一区二区三区在线看| 三级毛片av免费| 亚洲真实伦在线观看| 亚洲一区高清亚洲精品| 美女午夜性视频免费| 亚洲男人的天堂狠狠| or卡值多少钱| 亚洲国产日韩欧美精品在线观看 | 亚洲免费av在线视频| 免费看a级黄色片| 国产区一区二久久| 91成人精品电影| 久久热在线av| 18禁美女被吸乳视频| 身体一侧抽搐| 亚洲av电影不卡..在线观看| 天堂√8在线中文| 日韩精品中文字幕看吧| 后天国语完整版免费观看| 18禁黄网站禁片免费观看直播| 日韩大尺度精品在线看网址| 99国产精品一区二区蜜桃av| 亚洲全国av大片| 亚洲第一电影网av| 极品教师在线免费播放| 久久精品91蜜桃| 在线av久久热| 天堂√8在线中文| 亚洲av五月六月丁香网| 午夜激情福利司机影院| 亚洲成人国产一区在线观看| 好看av亚洲va欧美ⅴa在| 亚洲五月婷婷丁香| 97人妻精品一区二区三区麻豆 | 宅男免费午夜| 一本大道久久a久久精品| 香蕉国产在线看| 日韩 欧美 亚洲 中文字幕| 黄色毛片三级朝国网站| 1024视频免费在线观看| 91成人精品电影| 黄色a级毛片大全视频| 大型av网站在线播放| 欧美+亚洲+日韩+国产| 中文字幕最新亚洲高清| 制服丝袜大香蕉在线| 国产成人欧美| 久久伊人香网站| 欧美性猛交╳xxx乱大交人| 妹子高潮喷水视频| 校园春色视频在线观看| 国产一区二区三区在线臀色熟女| 一区二区三区激情视频| 久久久国产成人精品二区| 国产欧美日韩精品亚洲av| 亚洲色图av天堂| 99久久精品国产亚洲精品| 岛国视频午夜一区免费看| 岛国在线观看网站| 美女 人体艺术 gogo| 国产精品,欧美在线| 又黄又粗又硬又大视频| 欧美人与性动交α欧美精品济南到| 欧美黑人精品巨大| 好看av亚洲va欧美ⅴa在| 1024手机看黄色片| 国产av一区二区精品久久| 国产伦在线观看视频一区| 午夜精品久久久久久毛片777| 午夜福利一区二区在线看| 久久精品亚洲精品国产色婷小说| 久久香蕉激情| 欧美午夜高清在线| 国产精品乱码一区二三区的特点| 在线观看日韩欧美| 国产一卡二卡三卡精品| 搞女人的毛片| 操出白浆在线播放| 国产91精品成人一区二区三区| 欧美性长视频在线观看| 人人妻人人澡人人看| 88av欧美| 国产精品一区二区精品视频观看| 国产视频内射| 哪里可以看免费的av片| 女同久久另类99精品国产91| 国产成人欧美在线观看| 美女高潮到喷水免费观看|