• <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 ?

    基于深度級(jí)聯(lián)模型工業(yè)安全帽檢測(cè)算法

    2022-02-12 02:49:04朱強(qiáng)強(qiáng)彭小寶殷志堅(jiān)溫海橋黃春華
    關(guān)鍵詞:安全帽級(jí)聯(lián)施工人員

    楊 貞,朱強(qiáng)強(qiáng),彭小寶,殷志堅(jiān),溫海橋,黃春華

    (1.江西科技師范大學(xué)通信與電子學(xué)院,江西 南昌 330013; 2.防城港市氣象局,廣西 防城港 538001)

    0 引 言

    隨著工業(yè)化進(jìn)程的日益加劇,在日常生產(chǎn)中,如工廠車間、建筑工地等復(fù)雜環(huán)境,存在著威脅人身安全隱患因素,而安全帽作為一種重要防護(hù)工具,在施工場(chǎng)景中必須正確佩戴。統(tǒng)計(jì)表明,在作業(yè)現(xiàn)場(chǎng)發(fā)生的傷亡事故中(尤其是物體打擊和高處墜落)正確佩戴安全帽,可以有效減輕事故造成的后果,因此,檢測(cè)施工現(xiàn)場(chǎng)工人是否正確佩戴安全帽具有重大意義[1]。然而,由于施工現(xiàn)場(chǎng)場(chǎng)景復(fù)雜,工人姿態(tài)變化性大,安全檢查人員難以觀察且易疲憊等因素,無(wú)法實(shí)時(shí)監(jiān)測(cè)施工人員是否正確佩戴安全帽??紤]如今工地現(xiàn)場(chǎng)大多已安裝監(jiān)控?cái)z像頭,因此,利用計(jì)算機(jī)視覺(jué)方法,尤其是目標(biāo)檢測(cè)技術(shù),實(shí)時(shí)分析施工場(chǎng)景視頻,可以有效發(fā)現(xiàn)未戴安全帽工人。

    目標(biāo)檢測(cè)技術(shù)是計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)重要研究方向,廣泛應(yīng)用于智能化交通系統(tǒng)[2]、智能視頻監(jiān)控[3]、工業(yè)檢測(cè)[4]、航空航天[5]等諸多領(lǐng)域,能有效減少對(duì)人力資本的消耗,具有重要的現(xiàn)實(shí)意義。因此,目標(biāo)檢測(cè)成為了近年來(lái)計(jì)算機(jī)視覺(jué)理論和應(yīng)用的研究熱點(diǎn),也是智能監(jiān)控系統(tǒng)的核心技術(shù)。而安全帽檢測(cè)又是目標(biāo)檢測(cè)技術(shù)應(yīng)用的一個(gè)具體方向,因此,利用計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)方法檢測(cè)工業(yè)場(chǎng)景施工人員是否佩戴安全帽具有重要應(yīng)用價(jià)值。

    當(dāng)今安全帽檢測(cè)技術(shù)劃分為2類:1)基于傳統(tǒng)圖像特征的安全帽檢測(cè);2)基于深度特征的安全帽檢測(cè)。在傳統(tǒng)特征方法中,馮國(guó)臣等[6]首先采用混合高斯模型進(jìn)行前景檢測(cè),其次利用像素聯(lián)通區(qū)域?qū)傩詸z測(cè)出人體輪廓,最后對(duì)檢測(cè)矩形框進(jìn)行像素級(jí)的統(tǒng)計(jì)分析以實(shí)現(xiàn)安全帽的自動(dòng)識(shí)別功能。但是上述方法容易受到光線變化和背景混雜等因素的干擾,基于此,劉曉慧等[7]采取膚色檢測(cè)的方法定位人臉位置,再利用支持向量機(jī)(Support Vector Machines, SVM)模型實(shí)現(xiàn)安全帽的識(shí)別,此方法一定程度上提高了安全帽檢測(cè)精度,然而仍沒(méi)有解決光線變化對(duì)模型的影響。為此,周艷青等[8]利用局部二值模式(Local Binary Patterns, LBP)直方圖統(tǒng)計(jì)的方法來(lái)提取圖像的特征,然后使用反向傳播(Back Propagation, BP)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行分類以判別是否佩戴安全帽。由于LBP是紋理特征,可以一定程度降低光線的干擾,但是該特征僅是獲取了像素的鄰域信息,無(wú)法有效描述安全帽的結(jié)構(gòu)特征,因此,安全帽檢測(cè)的準(zhǔn)確率偏低??傊ㄟ^(guò)傳統(tǒng)特征提取方法很難獲取安全帽目標(biāo)的高層次特征,因此也很難高效地檢測(cè)工業(yè)場(chǎng)景中施工人員是否佩戴安全帽。

    在深度特征提取方法中,林俊等[9]通過(guò)修改深度網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)一步優(yōu)化YOLO(You Only Look Once)模型[10]以實(shí)現(xiàn)安全帽檢測(cè),然而,此方法在場(chǎng)景復(fù)雜和目標(biāo)密集的情況下準(zhǔn)確率較低?;诖?,施輝等[11]利用圖像金字塔的多尺度特征和K-means聚類算法以改進(jìn)YOLOv3網(wǎng)絡(luò)[12]實(shí)現(xiàn)安全帽識(shí)別。然而,利用YOLOv3模型直接對(duì)安全帽目標(biāo)進(jìn)行劃分會(huì)導(dǎo)致定位信息粗糙、模型難以訓(xùn)練和收斂、泛化能力差等問(wèn)題。與YOLO模型系列算法不同,吳冬梅等[13]在Faster RCNN基礎(chǔ)上,采取特征融合與多尺度檢測(cè)策略,一定程度上可以取得較好的安全帽檢測(cè)效果,但Faster RCNN計(jì)算量大,實(shí)時(shí)性不佳,且遮擋和光線變化會(huì)導(dǎo)致模型性能較差。

    以上基于深度特征的方法雖然可以提取圖像高層次特征,但是由于安全帽在大場(chǎng)景圖片中所占比例較小,其漏檢率和誤檢率依舊較高。因此,上述方法均無(wú)法有效應(yīng)用于實(shí)際任務(wù)中。

    依據(jù)工業(yè)現(xiàn)場(chǎng)調(diào)查研究表明[14],現(xiàn)如今工業(yè)現(xiàn)場(chǎng)的監(jiān)控圖像分辨率為1920×1080甚至更高。由于監(jiān)控設(shè)備的位置和角度等因素,安全帽這一目標(biāo)在視頻中所占比例比較小。因此,對(duì)于小目標(biāo)檢測(cè),傳統(tǒng)特征和深度特征的提取方法都有較高的局限性?;诖?,本文提出一種基于級(jí)聯(lián)網(wǎng)絡(luò)模型的安全帽檢測(cè)方法以解決復(fù)雜工業(yè)場(chǎng)景安全帽精準(zhǔn)檢測(cè)識(shí)別的問(wèn)題。在本文提出的方法中,首先采用YOLOv4[15]檢測(cè)網(wǎng)絡(luò)對(duì)疑似佩戴安全帽的工作人員進(jìn)行檢測(cè);然后對(duì)上階段檢測(cè)網(wǎng)絡(luò)的輸出目標(biāo)圖像進(jìn)一步通過(guò)顯著性特征進(jìn)行區(qū)分;最后利用分類器判斷工作人員是否佩戴安全帽。實(shí)驗(yàn)結(jié)果表明,與基于深度特征的安全帽檢測(cè)方法相比,本文提出的級(jí)聯(lián)網(wǎng)絡(luò)模型,進(jìn)一步提高了安全帽的檢測(cè)效果。

    1 相關(guān)工作

    目標(biāo)檢測(cè)核心任務(wù)是查找圖像中是否包含需要檢測(cè)的物體,并確定物體的位置和類別。但是,通過(guò)傳統(tǒng)檢測(cè)算法獲取的目標(biāo)特征對(duì)于目標(biāo)形態(tài)變化、光照變化以及背景多樣化等因素缺乏魯棒性,易導(dǎo)致目標(biāo)檢測(cè)準(zhǔn)確率低和模型泛化能力差,因而難以應(yīng)用在真實(shí)的復(fù)雜工業(yè)場(chǎng)景中。

    基于深度學(xué)習(xí)One-Stage的目標(biāo)檢測(cè)算法主要思想為直接計(jì)算物體的類別概率和位置坐標(biāo)值,不需要獲得目標(biāo)候選框區(qū)域,通過(guò)網(wǎng)絡(luò)端到端訓(xùn)練模型就可以得到最終的目標(biāo)檢測(cè)結(jié)果且速度更快?,F(xiàn)如今,One-Stage典型的算法有SSD(Single Shot MultiBox Detector)[16]、YOLO系列和Retina-Net[17]系列等;SSD在特征圖上采用卷積核來(lái)預(yù)測(cè)一系列目標(biāo)框的類型和坐標(biāo)信息,并使用多尺度特征進(jìn)行回歸以提高目標(biāo)檢測(cè)準(zhǔn)確率。YOLO系列目標(biāo)檢測(cè)算法是基于卷積神經(jīng)網(wǎng)絡(luò)的回歸方法,目前公認(rèn)有4個(gè)版本:YOLO、YOLOv2[18]、YOLOv3和YOLOv4。

    對(duì)比了YOLO系列的網(wǎng)絡(luò)模型,其中YOLOv1檢測(cè)網(wǎng)絡(luò)模型包含24個(gè)卷積層(用來(lái)提取特征)和2個(gè)全連接層(用來(lái)預(yù)測(cè)圖像位置和類別置信度);同時(shí)將輸入圖像分成網(wǎng)格,每個(gè)網(wǎng)格塊輸出不同的bounding box(包含物體的矩形區(qū)域)、每個(gè)box的置信度以及物體屬于某個(gè)類別的概率信息。YOLOv1網(wǎng)絡(luò)模型有著以下缺陷:1)YOLOv1采用多個(gè)下采樣層結(jié)構(gòu),網(wǎng)絡(luò)模型學(xué)習(xí)到的目標(biāo)特征不精細(xì),因此導(dǎo)致目標(biāo)檢測(cè)準(zhǔn)確率低;2)YOLOv1網(wǎng)絡(luò)模型訓(xùn)練依賴物體標(biāo)注數(shù)據(jù),因此,對(duì)于非常規(guī)的物體和比例,YOLOv1檢測(cè)效果并不理想;3)當(dāng)物體所占畫(huà)面比例較小,每個(gè)網(wǎng)格將包含多個(gè)物體的bounding box輸出,而YOLOv1只選擇IoU(Intersection over Union)[19]分?jǐn)?shù)最高的bounding box作為物體檢測(cè)輸出,因此YOLOv1很難檢測(cè)出圖像中的小目標(biāo)。為了解決此問(wèn)題,YOLOv2檢測(cè)網(wǎng)絡(luò)模型使用了批處理、變化圖像分辨率和簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)策略解決YOLOv1網(wǎng)絡(luò)的局限性:1)通過(guò)在卷積層后添加batch normalization,以提高網(wǎng)絡(luò)模型收斂性,同時(shí)消除對(duì)正則化的依賴;2)改變特征網(wǎng)絡(luò)的輸入分辨率,使得網(wǎng)絡(luò)適應(yīng)高分辨率的輸入,來(lái)緩解YOLOv1特征提取網(wǎng)絡(luò)的局限性;3)通過(guò)卷積層降采樣、刪除最后池化層以簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu),并在卷積特征圖上進(jìn)行滑窗操作,使得每一個(gè)中心可以預(yù)測(cè)9種不同大小的建議框,以此彌補(bǔ)YOLOv1丟失較多的空間信息。盡管YOLOv2改進(jìn)了很多YOLOv1結(jié)構(gòu),使得目標(biāo)檢測(cè)速度和準(zhǔn)確率也得到了提高,但是其對(duì)于部分遮擋的目標(biāo)依舊存在很高的漏檢率。為了解決上述問(wèn)題,YOLOv3使用邏輯回歸(Logistic Regression)的方法給每個(gè)bounding box預(yù)測(cè)一個(gè)類別得分,并使用獨(dú)立的Logistics分類器與二值交叉熵?fù)p失函數(shù)進(jìn)行計(jì)算,同時(shí)YOLOv3還運(yùn)用多尺度策略將深層特征上采樣后與淺層特征融合,得到多個(gè)尺度的目標(biāo)特征。每個(gè)尺度對(duì)應(yīng)3種不同大小的anchor,負(fù)責(zé)預(yù)測(cè)不同大小的目標(biāo):1)尺度1在基礎(chǔ)特征網(wǎng)絡(luò)結(jié)構(gòu)中添加多個(gè)卷積層,輸出box信息以預(yù)測(cè)較大目標(biāo);2)尺度2在尺度1網(wǎng)絡(luò)基礎(chǔ)上與特征圖相加,并通過(guò)幾層卷積層后輸出box信息,負(fù)責(zé)預(yù)測(cè)中等大小的目標(biāo);3)尺度3與尺度2類似,使用32×32大小的feature map作為輸出,負(fù)責(zé)預(yù)測(cè)較小目標(biāo)??傊琘OLOv3在很多檢測(cè)場(chǎng)景上比YOLOv1和YOLOv2具有優(yōu)越性,但在施工人員密集場(chǎng)景中,準(zhǔn)確檢測(cè)安全帽還有很大的局限性。總之,基于One-Stage的目標(biāo)檢測(cè)算法相比于傳統(tǒng)特征能取得更好的目標(biāo)檢測(cè)效果,但是對(duì)于大場(chǎng)景視頻圖像中占幅比較低的小目標(biāo)(如安全帽)檢測(cè)依舊存在局限性。

    大場(chǎng)景視頻監(jiān)控由于場(chǎng)景復(fù)雜、圖像分辨率高和安全帽目標(biāo)較小等特點(diǎn),僅僅將YOLO或RCNN系列網(wǎng)絡(luò)模型直接訓(xùn)練安全帽目標(biāo)檢測(cè)模型,很難獲得理想的效果。因此,為了解決上述問(wèn)題,本文考慮工業(yè)場(chǎng)景的復(fù)雜性,提出一種深度級(jí)聯(lián)安全帽檢測(cè)識(shí)別網(wǎng)絡(luò)模型,主要是將目標(biāo)檢測(cè)模塊和分類模塊相結(jié)合,以期獲得更好的安全帽目標(biāo)定位效果。

    2 級(jí)聯(lián)網(wǎng)絡(luò)

    安全帽檢測(cè)的主要任務(wù)是確定圖像中是否有安全帽并定位其位置。目前,由于施工場(chǎng)景復(fù)雜、視頻圖像分辨率較高、安全帽目標(biāo)尺寸較小等特點(diǎn),基于深度特征的安全帽檢測(cè)算法也易導(dǎo)致較高的誤檢率和漏檢率。針對(duì)上述問(wèn)題,本文提出基于深度級(jí)聯(lián)網(wǎng)絡(luò)模型的安全帽檢測(cè)算法,此網(wǎng)絡(luò)模型由2個(gè)模塊組成:檢測(cè)網(wǎng)絡(luò)模塊和分類網(wǎng)絡(luò)模塊,在檢測(cè)網(wǎng)絡(luò)模塊階段主要實(shí)現(xiàn)施工人員的精確定位,有助于下一步安全帽的識(shí)別;在分類網(wǎng)絡(luò)模塊階段主要進(jìn)行安全帽目標(biāo)的精細(xì)定位,并進(jìn)一步提取圖像中的安全帽輪廓信息,最終判斷施工人員是否佩戴安全帽。

    2.1 檢測(cè)網(wǎng)絡(luò)

    工業(yè)場(chǎng)景中安全帽檢測(cè)技術(shù)主要預(yù)測(cè)施工人員是否正確佩戴安全帽,從而進(jìn)行預(yù)警和提醒。施工人員相比于安全帽的圖像占比較大,因此更容易提取整幅圖像的行人信息特征。依據(jù)上下文信息,本文把安全帽檢測(cè)問(wèn)題轉(zhuǎn)換為施工人員檢測(cè)問(wèn)題。

    在進(jìn)行疑似佩戴安全帽人員的檢測(cè)中,本方法對(duì)比了YOLO系列的網(wǎng)絡(luò)模型,其中YOLOv4在YOLOv3目標(biāo)檢測(cè)網(wǎng)絡(luò)框架基礎(chǔ)上,采用了不同的優(yōu)化策略,如:主干網(wǎng)絡(luò)、數(shù)據(jù)處理、網(wǎng)絡(luò)訓(xùn)練策略、損失函數(shù)等方面,使其更具有較快的檢測(cè)精度。與YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)相比,YOLOv4具有以下特點(diǎn):1)YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)使用CSPDarknet53[20]作為主干網(wǎng)絡(luò),保留了YOLOv3的前端網(wǎng)絡(luò)部分,同時(shí)利用空間金字塔池化(Spatial Pyramid Pooling, SPP)作為Neck的附加模塊來(lái)擴(kuò)大網(wǎng)絡(luò)感受野,因此,能有效分離出重要的目標(biāo)上下文特征;同時(shí)YOLOv4還借鑒了PANet(Path Aggregation Network)[21]中的路徑聚合模塊,將其由加法改為乘法作為特征提取模塊的計(jì)算策略,從而提高了模型目標(biāo)檢測(cè)準(zhǔn)確性;其中YOLOv4主干網(wǎng)絡(luò)在每一個(gè)大殘差塊上均添加了CSP模塊(Cross Stage Partial),從而將底層的特征映射成2個(gè)部分:一部分經(jīng)過(guò)密集塊和過(guò)渡層,另一部分與傳統(tǒng)特征映射結(jié)合到下一個(gè)階段;除此之外,CSP能夠在減少計(jì)算量的同時(shí)增強(qiáng)網(wǎng)絡(luò)模型的學(xué)習(xí)能力,尤其對(duì)于小目標(biāo)物體,YOLOv4網(wǎng)絡(luò)使用PANet代替FPN(Feature Pyramid Networks)進(jìn)行參數(shù)聚合可以更好地從圖像中檢測(cè)出目標(biāo):2)YOLOv4通過(guò)引入Mosaic數(shù)據(jù)增強(qiáng)算法將讀取的4張圖片隨機(jī)翻轉(zhuǎn)、縮放和排布等操作拼接成一幅圖片,從而可以豐富圖像的上下文信息,增強(qiáng)模型的魯棒性;3)YOLOv4使用Adversarial Training自對(duì)抗訓(xùn)練方法,對(duì)輸入圖像進(jìn)行操作以擴(kuò)充訓(xùn)練數(shù)據(jù)集;4)YOLOv4使用Mish函數(shù)作為模型的激活函數(shù),并采用DropBlock[22]抑制網(wǎng)絡(luò)過(guò)擬合。

    2.2 級(jí)聯(lián)網(wǎng)絡(luò)SE-ResNet分類網(wǎng)絡(luò)

    級(jí)聯(lián)網(wǎng)絡(luò)中檢測(cè)網(wǎng)絡(luò)模塊的輸出是施工人員的ROI(Region of Interest)區(qū)域,經(jīng)過(guò)尺度變換操作后,將此區(qū)域送入分類網(wǎng)絡(luò)判斷工人是否佩戴安全帽。

    第二階段的分類網(wǎng)絡(luò)模塊采用基于SE-ResNet的主干架構(gòu)以解決深度網(wǎng)絡(luò)會(huì)出現(xiàn)梯度消失和梯度爆炸等問(wèn)題。本文的殘差學(xué)習(xí)單元示意圖如圖1所示:ResNet通過(guò)恒等連接和殘差連接將上下2層連接以加深淺層網(wǎng)絡(luò),同時(shí)采用跳躍結(jié)構(gòu)以增強(qiáng)淺層網(wǎng)絡(luò)的影響力從而避免精度衰減。

    圖1 殘差學(xué)習(xí)單元

    此外,為了快速準(zhǔn)確地判斷識(shí)別安全帽,本文在深度殘差網(wǎng)絡(luò)中添加了SE(Squeeze-and-Excitation)[23]注意力機(jī)制模塊。SE模塊包括壓縮(Squeeze)和激發(fā)(Excitation)2個(gè)步驟:1)壓縮步驟通過(guò)在Feature Map層上執(zhí)行全局平均池化(Global Average Pooling)得到當(dāng)前全局壓縮特征向量;2)激發(fā)步驟通過(guò)2層全連接的bottleneck結(jié)構(gòu)得到Feature Map中每個(gè)通道的權(quán)值,并將加權(quán)后的Feature Map作為下一層網(wǎng)絡(luò)的輸入。安全帽識(shí)別模型中SE注意力機(jī)制模塊主要學(xué)習(xí)通道之間的相關(guān)性,自動(dòng)學(xué)習(xí)不同通道特征的重要程度,并篩選出針對(duì)目標(biāo)通道的注意力特征以提高安全帽分類的準(zhǔn)確率。本文分類網(wǎng)絡(luò)模型如圖2所示。

    圖2 SE-ResNet分類網(wǎng)絡(luò)

    2.3 深度級(jí)聯(lián)網(wǎng)絡(luò)安全帽檢測(cè)算法

    本文提出的級(jí)聯(lián)網(wǎng)絡(luò)模型由2部分組成:YOLOv4檢測(cè)網(wǎng)絡(luò)模塊和SE-ResNet分類網(wǎng)絡(luò)模塊,檢測(cè)網(wǎng)絡(luò)模型的輸出作為分類網(wǎng)絡(luò)模型的輸入。1)檢測(cè)網(wǎng)絡(luò)和分類網(wǎng)絡(luò)模塊分別實(shí)現(xiàn)施工人員檢測(cè)和安全帽目標(biāo)識(shí)別,安全帽檢測(cè)網(wǎng)絡(luò)對(duì)輸入圖像進(jìn)行特征提取以剔除大量背景信息,對(duì)提取到的施工人員特征進(jìn)行降維,輸出施工人員ROI區(qū)域;2)將施工人員ROI區(qū)域作為SE-ResNet分類網(wǎng)絡(luò)模型的輸入提取安全帽特征,判斷其是否佩戴安全帽;3)進(jìn)一步使用迭代訓(xùn)練策略以優(yōu)化深度級(jí)聯(lián)網(wǎng)絡(luò)模型,通過(guò)分類網(wǎng)絡(luò)輸出安全帽類別和坐標(biāo)信息以得到原始圖像安全帽的精確信息。

    本文提出的安全帽深度級(jí)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。檢測(cè)網(wǎng)絡(luò)模塊:1)使用分層結(jié)構(gòu),使檢測(cè)模型可探測(cè)不同通道分辨率的特征向量;2)采用SPP模塊,能夠增加感受野,獲取顯著的上下文信息;3)挑選不同層的PANet做參數(shù)聚合以保證檢測(cè)模型準(zhǔn)確率。分類網(wǎng)絡(luò)模塊采用殘差注意力網(wǎng)絡(luò):1)使用跳躍式連接傳遞以保證上下文信息的完整性并簡(jiǎn)化模型參數(shù);2)添加SE注意力模塊以關(guān)注圖像中頭部輪廓信息,通過(guò)提取頭部信息的特征來(lái)優(yōu)化安全帽分類的精度。通過(guò)實(shí)驗(yàn)對(duì)比,基于深度級(jí)聯(lián)網(wǎng)絡(luò)模型的安全帽檢測(cè)方法能夠在人員密集和光線陰暗等復(fù)雜環(huán)境下有著較高的檢測(cè)率,同時(shí)具有較好的魯棒性和泛化能力。

    圖3 基于安全帽深度級(jí)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)圖

    2.4 深度級(jí)聯(lián)網(wǎng)絡(luò)損失函數(shù)

    本文提出的級(jí)聯(lián)網(wǎng)絡(luò)模型的損失函數(shù)由檢測(cè)損失函數(shù)和分類損失函數(shù)2部分組成。由于CIoU在IoU的基礎(chǔ)上解決邊界框不重合時(shí)的問(wèn)題,同時(shí)添加了邊界框中心點(diǎn)距離和寬高比的尺度信息,因此,在構(gòu)造檢測(cè)網(wǎng)絡(luò)模型時(shí)選取CIoU_Loss[24]作為檢測(cè)損失函數(shù),其公式如下:

    (1)

    (2)

    (3)

    公式(1)中,A和B分別代表預(yù)測(cè)框和真實(shí)框,Actr和Bctr則分別表示預(yù)測(cè)框和真實(shí)框的中心點(diǎn)坐標(biāo),p(·)是計(jì)算歐氏距離,c為A、B最小包圍框的對(duì)角線長(zhǎng)度,a·v表示長(zhǎng)度比的懲罰項(xiàng),a為一個(gè)正數(shù),v則是用來(lái)測(cè)量長(zhǎng)寬比的一致性的參數(shù);公式(2)中,wgt和hgt分別表示真實(shí)框的寬和高,w和h則分別代表預(yù)測(cè)框的寬和高。若真實(shí)框和預(yù)測(cè)框的寬高相似,那么懲罰項(xiàng)v為0,由此可見(jiàn),懲罰項(xiàng)的目的就是控制預(yù)測(cè)框的寬高盡可能地與真實(shí)框接近。

    分類損失函數(shù)采取中心損失函數(shù)Center-Loss與交叉熵?fù)p失函數(shù)相結(jié)合的方法。中心損失函數(shù)可以解決類內(nèi)間距問(wèn)題,其公式定義如下:

    (4)

    公式(4)中:cyi表示第yi個(gè)類別的特征中心,xi表示輸入全連接層的特征,m表示最小批量的大小。交叉熵?fù)p失函數(shù)可以表示實(shí)際輸出與期望輸出概率的相近程度,交叉熵?fù)p失函數(shù)表達(dá)式為:

    (5)

    Lf=Lj+λLc

    (6)

    L=LCIoU+Lf+φ

    (7)

    3 實(shí)驗(yàn)分析

    實(shí)驗(yàn)采用Pytorch深度學(xué)習(xí)框架,在Ubuntu18.04操作系統(tǒng),CUDA Tookit10.1版本,32 GB內(nèi)存、顯卡為1080Ti、NVIDIA GeForce驅(qū)動(dòng)程序440.100版本的設(shè)備環(huán)境下訓(xùn)練安全帽級(jí)聯(lián)網(wǎng)絡(luò)模型。

    3.1 數(shù)據(jù)集

    3.1.1 施工人員數(shù)據(jù)集制作

    實(shí)驗(yàn)數(shù)據(jù)集是來(lái)自工廠不同位置4個(gè)視頻監(jiān)控?cái)z像頭拍攝的視頻數(shù)據(jù)。通過(guò)采集不同方位、不同角度現(xiàn)場(chǎng)施工人員的圖像以豐富數(shù)據(jù)的多樣性,提高模型的泛化能力,從而更好地檢測(cè)復(fù)雜施工現(xiàn)場(chǎng)施工人員目標(biāo)。制作施工人員數(shù)據(jù)集由以下3個(gè)步驟組成:1)采取每秒一幀的思路對(duì)視頻數(shù)據(jù)進(jìn)行截圖保存;2)人工篩選過(guò)濾一些沒(méi)有目標(biāo)的圖片,共收集8400張圖片;3)依據(jù)Pascal VOC數(shù)據(jù)集的圖像標(biāo)注標(biāo)準(zhǔn),將8400張圖片使用LabelImg工具進(jìn)行標(biāo)注,產(chǎn)生訓(xùn)練所需的xml文件,其中80%為訓(xùn)練集,20%作為測(cè)試集。

    3.1.2 安全帽數(shù)據(jù)集制作

    安全帽檢測(cè)數(shù)據(jù)集通過(guò)網(wǎng)絡(luò)爬蟲(chóng)技術(shù)爬取滿足工業(yè)現(xiàn)場(chǎng)的安全帽圖片。為了更好地精準(zhǔn)識(shí)別安全帽目標(biāo),本文通過(guò)以下操作制作安全帽數(shù)據(jù)集:1)人工過(guò)濾篩選出不符合分類要求的圖片,共收集4000張圖像;2)依據(jù)Kaggle cat_dog分類數(shù)據(jù)集格式,將4000張圖像進(jìn)一步細(xì)分為yes和no;3)按照8∶2的比例將圖片劃分為訓(xùn)練和測(cè)試數(shù)據(jù)集;4)通過(guò)旋轉(zhuǎn)訓(xùn)練數(shù)據(jù)集的方法以增強(qiáng)數(shù)據(jù),從而更好地識(shí)別安全帽目標(biāo),提高模型的泛化能力。

    3.2 實(shí)驗(yàn)結(jié)果與分析

    為了對(duì)比本文提出的深度級(jí)聯(lián)網(wǎng)絡(luò)方法,本實(shí)驗(yàn)分別利用YOLOv3、YOLOv4、SSD檢測(cè)網(wǎng)絡(luò)架構(gòu)實(shí)現(xiàn)了安全帽目標(biāo)檢測(cè)功能,實(shí)驗(yàn)結(jié)果表明,本文提出的深度級(jí)聯(lián)網(wǎng)絡(luò)模型能取得較高的安全帽檢測(cè)準(zhǔn)確度。

    3.2.1 安全帽級(jí)聯(lián)網(wǎng)絡(luò)模型訓(xùn)練策略

    訓(xùn)練本文提出的級(jí)聯(lián)網(wǎng)絡(luò)模型需要2個(gè)階段:1)檢測(cè)施工人員網(wǎng)絡(luò)模型;2)安全帽分類模型。在訓(xùn)練施工人員檢測(cè)網(wǎng)絡(luò)模型時(shí),動(dòng)量(momentum)設(shè)置為0.9,batch_size為32,初始學(xué)習(xí)率設(shè)置為0.001,而經(jīng)過(guò)10000次迭代后將學(xué)習(xí)率設(shè)置為0.0001,最大迭代次數(shù)為15000;除此之外,訓(xùn)練過(guò)程中不斷對(duì)圖像進(jìn)行隨機(jī)旋轉(zhuǎn)、翻轉(zhuǎn)和尺度變換以擴(kuò)充數(shù)據(jù)集。在訓(xùn)練安全帽目標(biāo)分類網(wǎng)絡(luò)模型時(shí),batch_size為8,學(xué)習(xí)率初始化為0.001,本文采取指數(shù)衰減的方式對(duì)學(xué)習(xí)率進(jìn)行迭代遞減,衰減系數(shù)(decay)設(shè)置為0.95,經(jīng)過(guò)500個(gè)epoch,訓(xùn)練次數(shù)為30000次,最終訓(xùn)練得到安全帽分類網(wǎng)絡(luò)模型。

    為了更公平地對(duì)比實(shí)驗(yàn)結(jié)果,在同樣的實(shí)驗(yàn)環(huán)境配置下,本文通過(guò)YOLOv3、YOLOv4、SSD檢測(cè)網(wǎng)絡(luò)架構(gòu)實(shí)現(xiàn)了安全帽檢測(cè)任務(wù),從而定性與定量地與本文提出的級(jí)聯(lián)網(wǎng)絡(luò)模型進(jìn)行對(duì)比。

    3.2.2 實(shí)驗(yàn)結(jié)果定性和定量分析

    實(shí)驗(yàn)選取不同場(chǎng)景如:正常、背光、遠(yuǎn)景和人員密集,分別使用SSD、YOLOv3、YOLOv4網(wǎng)絡(luò)架構(gòu)和本文提出的級(jí)聯(lián)網(wǎng)絡(luò)模型進(jìn)行安全帽檢測(cè)實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果如圖4所示。

    如圖4所示,SSD在正常場(chǎng)景中可以檢測(cè)到安全帽,但在背光、遠(yuǎn)景和人員密集條件下誤檢率極高。而YOLOv3在正常和背光場(chǎng)景中可以正確檢測(cè)安全帽目標(biāo),但是遠(yuǎn)景和人員密集條件下漏檢率依舊很高。相比于YOLOv3,YOLOv4準(zhǔn)確率稍高些,但在圖4的第一幅圖片中,將旁邊的工業(yè)零件誤檢為安全帽。與上述安全帽檢測(cè)網(wǎng)絡(luò)架構(gòu)相比,本文提出的安全帽深度級(jí)聯(lián)網(wǎng)絡(luò)模型有著較高的準(zhǔn)確率,尤其在人員密集復(fù)雜場(chǎng)景中。因此,深度級(jí)聯(lián)網(wǎng)絡(luò)模型具備較好的魯棒性,并能實(shí)現(xiàn)在工業(yè)復(fù)雜場(chǎng)景下安全帽佩戴實(shí)時(shí)檢測(cè)。

    圖4 不同模型在不同環(huán)境下的測(cè)試結(jié)果

    本文通過(guò)計(jì)算安全帽檢測(cè)識(shí)別的準(zhǔn)確率來(lái)評(píng)價(jià)不同網(wǎng)絡(luò)模型的效果,在安全帽數(shù)據(jù)集分別進(jìn)行實(shí)驗(yàn)評(píng)價(jià),定量分析結(jié)果如表1所示。其中,級(jí)聯(lián)網(wǎng)絡(luò)的準(zhǔn)確率為86.9%,比YOLOv4提高了2個(gè)百分點(diǎn)。

    表1 安全帽檢測(cè)結(jié)果

    3.2.3 檢測(cè)網(wǎng)絡(luò)模塊選擇實(shí)驗(yàn)

    本文還進(jìn)行了另一組對(duì)比實(shí)驗(yàn):深度級(jí)聯(lián)網(wǎng)絡(luò)模型中不同檢測(cè)模塊對(duì)安全帽檢測(cè)效果的影響。其中,實(shí)驗(yàn)通過(guò)定性分析YOLOv3與YOLOv4檢測(cè)模塊以選取合適的檢測(cè)網(wǎng)絡(luò)模塊,實(shí)驗(yàn)結(jié)果如圖5所示。

    如圖5所示,在正常、遠(yuǎn)景和背光場(chǎng)景下,深度級(jí)聯(lián)網(wǎng)絡(luò)采用YOLOv3和YOLOv4檢測(cè)模塊都能準(zhǔn)確檢測(cè)到安全帽目標(biāo),但是在人員密集復(fù)雜場(chǎng)景下,使用YOLOv3檢測(cè)模塊比YOLOv4檢測(cè)模塊的漏檢率高。因此,本文提出的安全帽深度級(jí)聯(lián)網(wǎng)絡(luò)模型采用YOLOv4主干模型作為檢測(cè)網(wǎng)絡(luò)模塊。

    圖5 深度級(jí)聯(lián)網(wǎng)絡(luò)模型中不同檢測(cè)模塊的實(shí)驗(yàn)結(jié)果

    4 結(jié)束語(yǔ)

    本文針對(duì)工業(yè)場(chǎng)景下的安全帽難以檢測(cè)的問(wèn)題,提出了基于深度級(jí)聯(lián)網(wǎng)絡(luò)模型的安全帽檢測(cè)識(shí)別方法,克服了單一網(wǎng)絡(luò)模型在高分辨率監(jiān)控圖像的局限性。具體來(lái)說(shuō),本文首先采用檢測(cè)網(wǎng)絡(luò)模塊對(duì)施工人員ROI區(qū)域進(jìn)行提取,進(jìn)一步將上一模塊的輸出ROI區(qū)域經(jīng)尺度變換后輸入分類網(wǎng)絡(luò)進(jìn)行判斷以識(shí)別其是否佩戴安全帽,最后映射原始圖像。實(shí)驗(yàn)結(jié)果表明,基于深度級(jí)聯(lián)網(wǎng)絡(luò)安全帽檢測(cè)模型準(zhǔn)確率比YOLOv4網(wǎng)絡(luò)模型提高了2個(gè)百分點(diǎn),同時(shí)也能夠解決工業(yè)復(fù)雜場(chǎng)景下安全帽實(shí)時(shí)檢測(cè)的問(wèn)題,但在人員密集情況下也會(huì)出現(xiàn)漏檢的情況,如何更加有效解決這一問(wèn)題,也是本文下一步研究的重點(diǎn)。

    猜你喜歡
    安全帽級(jí)聯(lián)施工人員
    礦工有無(wú)數(shù)頂安全帽
    建筑現(xiàn)場(chǎng)施工人員的工匠精神培育
    小小安全帽,生命保護(hù)傘
    級(jí)聯(lián)LDPC碼的STBC-OFDM系統(tǒng)
    電子制作(2016年15期)2017-01-15 13:39:09
    基于級(jí)聯(lián)MUSIC的面陣中的二維DOA估計(jì)算法
    基于GPS技術(shù)的施工人員區(qū)域調(diào)車機(jī)管理系統(tǒng)的研究
    寧波港公安局對(duì)鎮(zhèn)?;^(qū)施工人員進(jìn)行消防安全培訓(xùn)
    水上消防(2014年2期)2014-12-17 05:20:22
    LCL濾波器在6kV級(jí)聯(lián)STATCOM中的應(yīng)用
    H橋級(jí)聯(lián)型STATCOM的控制策略研究
    膚色檢測(cè)和Hu矩在安全帽識(shí)別中的應(yīng)用
    亚洲精品国产av成人精品| 久久精品久久久久久久性| 巨乳人妻的诱惑在线观看| 亚洲精品美女久久av网站| 一级片免费观看大全| 女人精品久久久久毛片| 最后的刺客免费高清国语| 另类精品久久| 成人午夜精彩视频在线观看| 国产免费一级a男人的天堂| 美女国产视频在线观看| 高清不卡的av网站| 亚洲图色成人| 国产精品一区二区在线观看99| 一区在线观看完整版| 精品一区在线观看国产| av女优亚洲男人天堂| 亚洲国产毛片av蜜桃av| 男女下面插进去视频免费观看 | 中文字幕精品免费在线观看视频 | 2018国产大陆天天弄谢| 曰老女人黄片| 久久婷婷青草| 视频在线观看一区二区三区| av又黄又爽大尺度在线免费看| 精品国产国语对白av| 天天躁夜夜躁狠狠躁躁| 国产男女超爽视频在线观看| 各种免费的搞黄视频| 国产成人a∨麻豆精品| 一边摸一边做爽爽视频免费| 亚洲久久久国产精品| 亚洲精品,欧美精品| 久久ye,这里只有精品| 亚洲欧美一区二区三区国产| 欧美老熟妇乱子伦牲交| 免费观看a级毛片全部| 制服人妻中文乱码| 国产日韩欧美视频二区| 欧美+日韩+精品| 大香蕉久久成人网| 青青草视频在线视频观看| 国产日韩欧美视频二区| 久久久久精品人妻al黑| 人人妻人人澡人人看| 啦啦啦中文免费视频观看日本| 久久精品久久久久久久性| 尾随美女入室| 久久精品久久久久久噜噜老黄| 亚洲精品久久午夜乱码| 久久精品久久久久久久性| 熟妇人妻不卡中文字幕| 蜜桃在线观看..| 久久国产精品男人的天堂亚洲 | 秋霞在线观看毛片| 赤兔流量卡办理| 亚洲精品自拍成人| xxxhd国产人妻xxx| 国产深夜福利视频在线观看| 在线天堂最新版资源| av片东京热男人的天堂| 久久久久网色| 日本欧美视频一区| 男女免费视频国产| 亚洲精品国产色婷婷电影| 一二三四在线观看免费中文在 | 爱豆传媒免费全集在线观看| 午夜福利影视在线免费观看| 亚洲国产看品久久| 亚洲av欧美aⅴ国产| 国产精品免费大片| 亚洲av综合色区一区| 欧美人与善性xxx| 男人操女人黄网站| 最后的刺客免费高清国语| 在线观看人妻少妇| 美女大奶头黄色视频| 色哟哟·www| a 毛片基地| 免费少妇av软件| 成人毛片60女人毛片免费| 午夜激情久久久久久久| 麻豆乱淫一区二区| 在线天堂中文资源库| 久久精品久久久久久噜噜老黄| 91精品伊人久久大香线蕉| 18禁观看日本| 午夜福利在线观看免费完整高清在| 黑人高潮一二区| 热99国产精品久久久久久7| 日本欧美视频一区| 超色免费av| 成人18禁高潮啪啪吃奶动态图| 韩国高清视频一区二区三区| 国产免费现黄频在线看| 国产一区亚洲一区在线观看| 麻豆乱淫一区二区| 久久精品人人爽人人爽视色| 国产精品人妻久久久影院| 9热在线视频观看99| 考比视频在线观看| 色94色欧美一区二区| av免费在线看不卡| 免费黄色在线免费观看| 少妇高潮的动态图| 日本vs欧美在线观看视频| 国产精品久久久久成人av| 国产色婷婷99| 亚洲美女黄色视频免费看| 在线观看美女被高潮喷水网站| 欧美亚洲日本最大视频资源| 精品国产一区二区三区久久久樱花| 99久久中文字幕三级久久日本| 国产精品嫩草影院av在线观看| 一区二区日韩欧美中文字幕 | 国产精品嫩草影院av在线观看| 午夜福利乱码中文字幕| 国产一区二区三区av在线| 久久97久久精品| 自线自在国产av| 插逼视频在线观看| 久久ye,这里只有精品| 成人二区视频| 国产有黄有色有爽视频| 夫妻午夜视频| 超碰97精品在线观看| 国产在线免费精品| 大码成人一级视频| 另类精品久久| av有码第一页| 男女边吃奶边做爰视频| 三上悠亚av全集在线观看| 久久国产精品大桥未久av| 日韩中文字幕视频在线看片| 韩国高清视频一区二区三区| 一级毛片黄色毛片免费观看视频| 久久久久人妻精品一区果冻| 国产乱人偷精品视频| 亚洲欧美一区二区三区黑人 | 少妇熟女欧美另类| 成人亚洲精品一区在线观看| 日本猛色少妇xxxxx猛交久久| 国产精品国产三级国产专区5o| 国产欧美亚洲国产| 高清av免费在线| 黄网站色视频无遮挡免费观看| 九草在线视频观看| 色哟哟·www| 超碰97精品在线观看| 免费高清在线观看日韩| 中文字幕最新亚洲高清| 纯流量卡能插随身wifi吗| 亚洲成人av在线免费| 国产国拍精品亚洲av在线观看| 久久99热6这里只有精品| 亚洲国产日韩一区二区| 国产激情久久老熟女| 在线观看www视频免费| 色94色欧美一区二区| 欧美精品国产亚洲| 99热这里只有是精品在线观看| 五月开心婷婷网| 爱豆传媒免费全集在线观看| 国产精品久久久久久久久免| 男的添女的下面高潮视频| 美女xxoo啪啪120秒动态图| 丝瓜视频免费看黄片| 满18在线观看网站| 国产成人av激情在线播放| 高清毛片免费看| 男女下面插进去视频免费观看 | 精品国产露脸久久av麻豆| 国产精品三级大全| 欧美成人午夜免费资源| 亚洲精品乱码久久久久久按摩| 啦啦啦中文免费视频观看日本| 久久久a久久爽久久v久久| 一级片免费观看大全| 亚洲,一卡二卡三卡| 一级爰片在线观看| 国产欧美日韩综合在线一区二区| 黄色视频在线播放观看不卡| 久久女婷五月综合色啪小说| 亚洲欧洲精品一区二区精品久久久 | 国产成人精品在线电影| 亚洲精品国产色婷婷电影| 国产爽快片一区二区三区| 久久99一区二区三区| 久久综合国产亚洲精品| 日韩电影二区| 亚洲av成人精品一二三区| 亚洲国产精品成人久久小说| 久久国产精品大桥未久av| 丰满乱子伦码专区| 97在线人人人人妻| 男女边摸边吃奶| 亚洲欧美日韩卡通动漫| 国产又色又爽无遮挡免| 黑人高潮一二区| 啦啦啦啦在线视频资源| 亚洲精品aⅴ在线观看| 精品少妇久久久久久888优播| 国产精品麻豆人妻色哟哟久久| 欧美亚洲 丝袜 人妻 在线| 午夜91福利影院| 日韩在线高清观看一区二区三区| 中文精品一卡2卡3卡4更新| 欧美丝袜亚洲另类| 欧美日韩一区二区视频在线观看视频在线| 亚洲,一卡二卡三卡| 亚洲三级黄色毛片| 精品国产乱码久久久久久小说| 美女国产高潮福利片在线看| 人人妻人人澡人人爽人人夜夜| 男女高潮啪啪啪动态图| 日本91视频免费播放| 大香蕉久久成人网| 熟女人妻精品中文字幕| 免费女性裸体啪啪无遮挡网站| 黑人欧美特级aaaaaa片| 国产一区有黄有色的免费视频| 街头女战士在线观看网站| 婷婷色综合www| 精品少妇黑人巨大在线播放| 男女高潮啪啪啪动态图| av黄色大香蕉| 国产极品粉嫩免费观看在线| 一二三四在线观看免费中文在 | 色视频在线一区二区三区| 老女人水多毛片| 中文欧美无线码| 99久久精品国产国产毛片| 欧美激情国产日韩精品一区| 欧美少妇被猛烈插入视频| 亚洲图色成人| 91国产中文字幕| 国产亚洲精品久久久com| 精品少妇黑人巨大在线播放| 狂野欧美激情性xxxx在线观看| 乱码一卡2卡4卡精品| 制服诱惑二区| 亚洲五月色婷婷综合| 99国产综合亚洲精品| www.熟女人妻精品国产 | 亚洲av福利一区| 亚洲精品中文字幕在线视频| 丝袜人妻中文字幕| 国产老妇伦熟女老妇高清| 久久毛片免费看一区二区三区| 亚洲av男天堂| 男人舔女人的私密视频| 香蕉国产在线看| 五月天丁香电影| 一级片免费观看大全| 成人无遮挡网站| 久久久欧美国产精品| 一级毛片 在线播放| 亚洲av综合色区一区| 中文天堂在线官网| 国产精品嫩草影院av在线观看| 日韩熟女老妇一区二区性免费视频| av一本久久久久| av在线app专区| 一区在线观看完整版| 亚洲人与动物交配视频| 国产免费一级a男人的天堂| 毛片一级片免费看久久久久| 欧美日本中文国产一区发布| 久久人人爽av亚洲精品天堂| 国产又色又爽无遮挡免| 国产精品欧美亚洲77777| 精品亚洲成a人片在线观看| 男人操女人黄网站| 水蜜桃什么品种好| 男女下面插进去视频免费观看 | 一级,二级,三级黄色视频| 最后的刺客免费高清国语| 不卡视频在线观看欧美| 丰满迷人的少妇在线观看| 久久国产精品男人的天堂亚洲 | 亚洲丝袜综合中文字幕| 欧美精品国产亚洲| 伊人久久国产一区二区| 亚洲国产av新网站| 中文字幕制服av| 国产黄色免费在线视频| 黄色视频在线播放观看不卡| 午夜福利网站1000一区二区三区| 久久国内精品自在自线图片| 在线天堂最新版资源| 黄色毛片三级朝国网站| 高清视频免费观看一区二区| 9色porny在线观看| 国产精品国产av在线观看| 黑人高潮一二区| 亚洲图色成人| 亚洲美女视频黄频| 美女视频免费永久观看网站| 午夜av观看不卡| 97精品久久久久久久久久精品| 制服丝袜香蕉在线| 又黄又粗又硬又大视频| 99国产综合亚洲精品| 黄色毛片三级朝国网站| 秋霞伦理黄片| 亚洲熟女精品中文字幕| 日本色播在线视频| 22中文网久久字幕| 亚洲情色 制服丝袜| 高清毛片免费看| 亚洲精品视频女| 在线观看免费高清a一片| 免费黄频网站在线观看国产| 亚洲精品,欧美精品| 免费日韩欧美在线观看| 久久亚洲国产成人精品v| 国产熟女午夜一区二区三区| 又黄又粗又硬又大视频| 国产av一区二区精品久久| 如日韩欧美国产精品一区二区三区| 99久久精品国产国产毛片| 亚洲久久久国产精品| 精品久久国产蜜桃| 香蕉精品网在线| 久久久亚洲精品成人影院| 精品久久久精品久久久| 国产av一区二区精品久久| 国产成人精品无人区| 91精品国产国语对白视频| 女人被躁到高潮嗷嗷叫费观| 国产永久视频网站| 夜夜骑夜夜射夜夜干| 成年人免费黄色播放视频| 丰满乱子伦码专区| 天天躁夜夜躁狠狠躁躁| 久久99一区二区三区| 丝袜美足系列| 欧美人与善性xxx| 少妇的逼好多水| 亚洲精品一区蜜桃| 亚洲激情五月婷婷啪啪| 精品一区在线观看国产| 亚洲精品成人av观看孕妇| 青春草视频在线免费观看| 国产精品 国内视频| 美女xxoo啪啪120秒动态图| 三级国产精品片| a级片在线免费高清观看视频| 女性生殖器流出的白浆| 熟女电影av网| 2018国产大陆天天弄谢| 性色av一级| 成年人免费黄色播放视频| 久久久久视频综合| 国产 精品1| 欧美激情极品国产一区二区三区 | 久久精品国产综合久久久 | 免费av中文字幕在线| 男人添女人高潮全过程视频| 国产成人精品婷婷| 成年女人在线观看亚洲视频| 精品久久国产蜜桃| kizo精华| 人人妻人人添人人爽欧美一区卜| 久久鲁丝午夜福利片| 啦啦啦中文免费视频观看日本| 国产探花极品一区二区| 久久97久久精品| 成年人免费黄色播放视频| 久久精品久久精品一区二区三区| 久久久久国产网址| 亚洲成人手机| 欧美日韩一区二区视频在线观看视频在线| 免费日韩欧美在线观看| 天天躁夜夜躁狠狠久久av| 熟女人妻精品中文字幕| 超色免费av| 在线观看www视频免费| 欧美精品一区二区免费开放| 久久久久久人人人人人| 亚洲美女视频黄频| 在线观看人妻少妇| 国产亚洲欧美精品永久| 久热这里只有精品99| √禁漫天堂资源中文www| 精品人妻在线不人妻| 精品久久国产蜜桃| 熟女av电影| 亚洲av电影在线观看一区二区三区| 日韩在线高清观看一区二区三区| 午夜免费鲁丝| 国产免费现黄频在线看| 高清欧美精品videossex| 日本免费在线观看一区| www日本在线高清视频| 亚洲一码二码三码区别大吗| 最近的中文字幕免费完整| 最新的欧美精品一区二区| 少妇熟女欧美另类| 免费观看a级毛片全部| 纯流量卡能插随身wifi吗| 国产国语露脸激情在线看| 国产在线一区二区三区精| 桃花免费在线播放| 精品一区二区三卡| 欧美国产精品一级二级三级| 高清视频免费观看一区二区| 美女福利国产在线| 熟女电影av网| a 毛片基地| 婷婷色麻豆天堂久久| 日韩一区二区三区影片| 欧美日韩精品成人综合77777| 中文字幕免费在线视频6| 精品久久久久久电影网| 少妇精品久久久久久久| 亚洲欧洲日产国产| 亚洲,欧美,日韩| 久久青草综合色| 黄色一级大片看看| 午夜老司机福利剧场| 肉色欧美久久久久久久蜜桃| 国产精品一区www在线观看| 日韩av不卡免费在线播放| a级毛色黄片| 波多野结衣一区麻豆| 久久久久久人妻| 日日撸夜夜添| 日韩精品免费视频一区二区三区 | 国产色婷婷99| 制服人妻中文乱码| 国产在线免费精品| 我要看黄色一级片免费的| 国产免费一级a男人的天堂| 97精品久久久久久久久久精品| 成人手机av| 久久久久久人人人人人| 亚洲一级一片aⅴ在线观看| 久久精品熟女亚洲av麻豆精品| 一级毛片电影观看| 国产在线视频一区二区| 一级毛片我不卡| 午夜福利网站1000一区二区三区| 韩国高清视频一区二区三区| 成人国产麻豆网| 精品亚洲成国产av| 国产激情久久老熟女| 亚洲国产精品999| av国产精品久久久久影院| 老司机影院毛片| 欧美国产精品va在线观看不卡| 91午夜精品亚洲一区二区三区| 国产亚洲一区二区精品| 搡女人真爽免费视频火全软件| 久久久国产欧美日韩av| 激情五月婷婷亚洲| 久久久久久久久久成人| 久久午夜福利片| 久久99蜜桃精品久久| 麻豆乱淫一区二区| 超色免费av| 欧美xxxx性猛交bbbb| 91午夜精品亚洲一区二区三区| 成人二区视频| 七月丁香在线播放| 久久毛片免费看一区二区三区| 看免费av毛片| 肉色欧美久久久久久久蜜桃| 秋霞在线观看毛片| 亚洲av成人精品一二三区| 天天影视国产精品| 亚洲av电影在线观看一区二区三区| 少妇高潮的动态图| 国产精品嫩草影院av在线观看| 亚洲精品久久久久久婷婷小说| 香蕉精品网在线| 我的女老师完整版在线观看| 另类亚洲欧美激情| 美女福利国产在线| 成人毛片a级毛片在线播放| 热re99久久精品国产66热6| 日韩精品有码人妻一区| 夜夜爽夜夜爽视频| 黑人欧美特级aaaaaa片| 精品国产一区二区三区久久久樱花| 熟女人妻精品中文字幕| 精品国产乱码久久久久久小说| 国产高清三级在线| 久久热在线av| 99视频精品全部免费 在线| av不卡在线播放| 国产极品天堂在线| 18禁观看日本| 国产激情久久老熟女| 不卡视频在线观看欧美| 大香蕉97超碰在线| 街头女战士在线观看网站| 亚洲少妇的诱惑av| www.熟女人妻精品国产 | 久久久久网色| 成人黄色视频免费在线看| videos熟女内射| 欧美另类一区| 少妇高潮的动态图| 丝袜脚勾引网站| 亚洲色图 男人天堂 中文字幕 | 精品国产乱码久久久久久小说| 亚洲欧美色中文字幕在线| 在线观看国产h片| 亚洲成色77777| 九色亚洲精品在线播放| 免费播放大片免费观看视频在线观看| 男女无遮挡免费网站观看| 校园人妻丝袜中文字幕| 亚洲欧美精品自产自拍| 丰满饥渴人妻一区二区三| 日本vs欧美在线观看视频| 少妇被粗大的猛进出69影院 | 国产成人一区二区在线| 亚洲国产最新在线播放| 91午夜精品亚洲一区二区三区| 久久久久久人妻| 一级a做视频免费观看| 岛国毛片在线播放| 9热在线视频观看99| av福利片在线| h视频一区二区三区| 一区二区三区四区激情视频| 永久免费av网站大全| 丝袜在线中文字幕| 一级片'在线观看视频| 在线天堂中文资源库| 亚洲精品日本国产第一区| 哪个播放器可以免费观看大片| 午夜影院在线不卡| 亚洲精品久久午夜乱码| 高清黄色对白视频在线免费看| 黄色 视频免费看| 亚洲综合色网址| 捣出白浆h1v1| 曰老女人黄片| 少妇人妻 视频| 少妇的逼水好多| 99九九在线精品视频| 国产极品天堂在线| 午夜福利视频在线观看免费| 久久热在线av| 永久网站在线| 女的被弄到高潮叫床怎么办| 高清av免费在线| 久久午夜综合久久蜜桃| 女人久久www免费人成看片| a级毛片黄视频| 日韩伦理黄色片| 日韩精品免费视频一区二区三区 | 国产毛片在线视频| 国内精品宾馆在线| 久久精品国产自在天天线| 午夜免费观看性视频| 嫩草影院入口| 免费人妻精品一区二区三区视频| 又黄又爽又刺激的免费视频.| 日韩成人av中文字幕在线观看| 日本黄大片高清| 纯流量卡能插随身wifi吗| 国产精品欧美亚洲77777| 亚洲av电影在线进入| 秋霞在线观看毛片| 最近最新中文字幕免费大全7| 高清视频免费观看一区二区| 五月天丁香电影| 国产欧美日韩综合在线一区二区| 考比视频在线观看| 性色avwww在线观看| 日本av免费视频播放| 青春草视频在线免费观看| 少妇猛男粗大的猛烈进出视频| 亚洲精品乱码久久久久久按摩| 涩涩av久久男人的天堂| 日韩成人av中文字幕在线观看| 边亲边吃奶的免费视频| 日韩制服丝袜自拍偷拍| 中文字幕最新亚洲高清| 免费观看av网站的网址| 中文字幕亚洲精品专区| 伦理电影免费视频| 肉色欧美久久久久久久蜜桃| 女的被弄到高潮叫床怎么办| 丰满乱子伦码专区| 中文字幕另类日韩欧美亚洲嫩草| 美女视频免费永久观看网站| 国产亚洲午夜精品一区二区久久| 精品国产一区二区三区久久久樱花| 亚洲av综合色区一区| 国产男女内射视频| 成人亚洲欧美一区二区av| 激情视频va一区二区三区| 国产成人精品婷婷| 国产成人精品在线电影| 妹子高潮喷水视频| 高清av免费在线| 久久久久久久久久人人人人人人| 亚洲成人一二三区av| 国产国拍精品亚洲av在线观看| 老司机影院毛片| 国产一级毛片在线| 黑人猛操日本美女一级片| 成人亚洲欧美一区二区av| 国产成人欧美| 免费av中文字幕在线| 欧美日韩一区二区视频在线观看视频在线| 欧美日韩亚洲高清精品| av一本久久久久| 永久网站在线| 老熟女久久久|