• <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
    九九爱精品视频在线观看| 亚洲国产精品一区三区| 欧美av亚洲av综合av国产av | 午夜福利网站1000一区二区三区| 国产淫语在线视频| 美女视频免费永久观看网站| 国产片特级美女逼逼视频| av卡一久久| 一本久久精品| 麻豆av在线久日| 制服丝袜香蕉在线| 韩国高清视频一区二区三区| 在线观看国产h片| 人人妻人人澡人人看| 午夜精品国产一区二区电影| 一级,二级,三级黄色视频| 成人手机av| 亚洲精品久久成人aⅴ小说| 在线观看免费视频网站a站| 亚洲三级黄色毛片| 黄色毛片三级朝国网站| 亚洲第一区二区三区不卡| 交换朋友夫妻互换小说| 中文字幕亚洲精品专区| 三级国产精品片| 日韩中文字幕视频在线看片| 亚洲国产精品国产精品| 在线亚洲精品国产二区图片欧美| 久久久亚洲精品成人影院| 蜜桃国产av成人99| 精品久久久精品久久久| 成人黄色视频免费在线看| 久久久久国产网址| 美女午夜性视频免费| 精品卡一卡二卡四卡免费| 国产熟女午夜一区二区三区| 午夜福利在线免费观看网站| 久久这里有精品视频免费| 亚洲第一av免费看| 久久精品国产a三级三级三级| 如何舔出高潮| 成人二区视频| 欧美亚洲日本最大视频资源| 黄网站色视频无遮挡免费观看| 日韩 亚洲 欧美在线| 在线 av 中文字幕| 亚洲欧美清纯卡通| 一本久久精品| 亚洲四区av| 2021少妇久久久久久久久久久| 国产成人a∨麻豆精品| 春色校园在线视频观看| 嫩草影院入口| 在线 av 中文字幕| 丰满饥渴人妻一区二区三| 精品国产超薄肉色丝袜足j| 日韩中文字幕欧美一区二区 | 亚洲激情五月婷婷啪啪| 日韩av在线免费看完整版不卡| 亚洲精品视频女| 国产精品无大码| 国产精品无大码| 亚洲国产av新网站| 各种免费的搞黄视频| 一边亲一边摸免费视频| 亚洲情色 制服丝袜| 亚洲精品av麻豆狂野| 高清欧美精品videossex| 亚洲国产欧美网| 国产精品久久久久成人av| 97人妻天天添夜夜摸| 精品国产超薄肉色丝袜足j| 欧美成人精品欧美一级黄| 久久精品国产a三级三级三级| 国产淫语在线视频| a级片在线免费高清观看视频| 成年动漫av网址| 少妇被粗大的猛进出69影院| 亚洲精品久久成人aⅴ小说| 熟女av电影| 亚洲人成77777在线视频| 建设人人有责人人尽责人人享有的| 极品人妻少妇av视频| 99热国产这里只有精品6| 久久精品国产亚洲av高清一级| 丝袜美腿诱惑在线| 国产白丝娇喘喷水9色精品| 人妻 亚洲 视频| 男人舔女人的私密视频| 女的被弄到高潮叫床怎么办| a级毛片黄视频| 亚洲欧美清纯卡通| 午夜福利影视在线免费观看| 一二三四中文在线观看免费高清| 午夜老司机福利剧场| 一二三四在线观看免费中文在| 国产乱来视频区| 蜜桃国产av成人99| 老汉色∧v一级毛片| 国产亚洲精品第一综合不卡| 丝袜喷水一区| 少妇熟女欧美另类| 97精品久久久久久久久久精品| 国产免费一区二区三区四区乱码| 人人澡人人妻人| 丰满乱子伦码专区| 免费在线观看黄色视频的| av片东京热男人的天堂| 日韩制服丝袜自拍偷拍| 日韩三级伦理在线观看| 亚洲精品国产色婷婷电影| 国产av国产精品国产| 中文字幕av电影在线播放| 一本久久精品| 日韩欧美精品免费久久| 欧美日韩国产mv在线观看视频| 大片免费播放器 马上看| 综合色丁香网| 亚洲欧洲精品一区二区精品久久久 | 国产日韩欧美在线精品| 亚洲国产毛片av蜜桃av| 亚洲精品一二三| 你懂的网址亚洲精品在线观看| 久久精品亚洲av国产电影网| 可以免费在线观看a视频的电影网站 | 啦啦啦中文免费视频观看日本| 国产成人a∨麻豆精品| 三级国产精品片| 久热这里只有精品99| 久久久久久人人人人人| 国产精品嫩草影院av在线观看| 久久精品久久久久久久性| 成人二区视频| 免费看不卡的av| 蜜桃在线观看..| 人人妻人人澡人人爽人人夜夜| 婷婷色麻豆天堂久久| 一区二区av电影网| 亚洲熟女精品中文字幕| 日韩av免费高清视频| 天天躁日日躁夜夜躁夜夜| 热99国产精品久久久久久7| 日本欧美国产在线视频| 一级,二级,三级黄色视频| 91aial.com中文字幕在线观看| 亚洲av.av天堂| 欧美日韩精品成人综合77777| www.精华液| 久久久久视频综合| 国产老妇伦熟女老妇高清| 亚洲少妇的诱惑av| 久久亚洲国产成人精品v| 18禁国产床啪视频网站| 久久免费观看电影| 男女国产视频网站| 午夜久久久在线观看| 丝袜脚勾引网站| 国产日韩欧美视频二区| 黑人猛操日本美女一级片| 日本色播在线视频| 午夜福利一区二区在线看| 国产成人精品在线电影| 男的添女的下面高潮视频| 国产精品国产三级专区第一集| av.在线天堂| 69精品国产乱码久久久| 少妇的丰满在线观看| 亚洲一区二区三区欧美精品| 国产精品熟女久久久久浪| 久久久久久久精品精品| 综合色丁香网| 国产免费一区二区三区四区乱码| 下体分泌物呈黄色| 91成人精品电影| 亚洲国产毛片av蜜桃av| 久久久久久久久久人人人人人人| 亚洲精品,欧美精品| 男女无遮挡免费网站观看| 国产精品久久久久成人av| 亚洲精品中文字幕在线视频| 欧美成人午夜免费资源| 可以免费在线观看a视频的电影网站 | 国产欧美亚洲国产| 亚洲精品视频女| 久久99一区二区三区| 热99国产精品久久久久久7| 啦啦啦啦在线视频资源| 18禁动态无遮挡网站| 日韩电影二区| 久久国内精品自在自线图片| 丰满乱子伦码专区| 国产精品三级大全| 女人精品久久久久毛片| 1024香蕉在线观看| 久久久精品免费免费高清| 又粗又硬又长又爽又黄的视频| 久久精品久久久久久噜噜老黄| 国产精品三级大全| 国产片内射在线| 欧美国产精品一级二级三级| av国产久精品久网站免费入址| 妹子高潮喷水视频| 777久久人妻少妇嫩草av网站| av在线观看视频网站免费| 伦理电影大哥的女人| 免费观看在线日韩| 国产黄频视频在线观看| 最近最新中文字幕免费大全7| 看免费av毛片| 日韩中文字幕欧美一区二区 | 日韩av在线免费看完整版不卡| 91久久精品国产一区二区三区| 在线免费观看不下载黄p国产| 性色av一级| 97在线人人人人妻| 国产精品国产av在线观看| 久久女婷五月综合色啪小说| 天天操日日干夜夜撸| 汤姆久久久久久久影院中文字幕| 国产成人精品婷婷| 一本久久精品| av线在线观看网站| 国产亚洲av片在线观看秒播厂| 国产在线一区二区三区精| 久久鲁丝午夜福利片| 91国产中文字幕| 日韩大片免费观看网站| 黑人猛操日本美女一级片| 亚洲 欧美一区二区三区| 9热在线视频观看99| 精品一区二区三卡| 狠狠婷婷综合久久久久久88av| 91aial.com中文字幕在线观看| 国产成人免费观看mmmm| 精品少妇内射三级| 自线自在国产av| 肉色欧美久久久久久久蜜桃| www.精华液| 热99国产精品久久久久久7| 欧美 日韩 精品 国产| 国产亚洲av片在线观看秒播厂| 亚洲视频免费观看视频| 汤姆久久久久久久影院中文字幕| 国产97色在线日韩免费| 亚洲精品国产av成人精品| 999精品在线视频| 男女无遮挡免费网站观看| 免费大片黄手机在线观看| 如日韩欧美国产精品一区二区三区| 久久这里只有精品19| 丰满迷人的少妇在线观看| 免费黄色在线免费观看| 国产精品久久久av美女十八| 黄色一级大片看看| 成人黄色视频免费在线看| 久久久久视频综合| 午夜91福利影院| 丝瓜视频免费看黄片| av视频免费观看在线观看| 五月开心婷婷网| 色婷婷av一区二区三区视频| 国产av国产精品国产| 亚洲av免费高清在线观看| 国产无遮挡羞羞视频在线观看| 在线观看免费视频网站a站| 国产免费福利视频在线观看| 最新中文字幕久久久久| 国产av国产精品国产| 久热久热在线精品观看| 欧美+日韩+精品| 婷婷色麻豆天堂久久| 亚洲国产av新网站| av女优亚洲男人天堂| 中文字幕最新亚洲高清| 九色亚洲精品在线播放| 国产精品国产av在线观看| 国产黄色免费在线视频| 七月丁香在线播放| 国产免费一区二区三区四区乱码| 国产亚洲一区二区精品| 90打野战视频偷拍视频| 女人精品久久久久毛片| www日本在线高清视频| 午夜免费观看性视频| 日韩av在线免费看完整版不卡| 亚洲欧洲日产国产| 一本久久精品| 久久久久久久国产电影| 大香蕉久久网| 五月伊人婷婷丁香| 久久精品国产鲁丝片午夜精品| 爱豆传媒免费全集在线观看| 丝袜美足系列| 精品国产超薄肉色丝袜足j| 日韩精品免费视频一区二区三区| 十八禁网站网址无遮挡| 丝袜脚勾引网站| 飞空精品影院首页| 亚洲精品一二三| 成人午夜精彩视频在线观看| 香蕉丝袜av| 有码 亚洲区| 人妻少妇偷人精品九色| 久久久精品免费免费高清| 久久久国产精品麻豆| 精品国产一区二区三区四区第35| 十八禁网站网址无遮挡| 人人妻人人爽人人添夜夜欢视频| 国产成人精品在线电影| 这个男人来自地球电影免费观看 | 不卡视频在线观看欧美| 寂寞人妻少妇视频99o| 男的添女的下面高潮视频| 欧美日韩亚洲国产一区二区在线观看 | 亚洲精品视频女| 国产一区亚洲一区在线观看| 免费观看无遮挡的男女| 18禁动态无遮挡网站| 久久鲁丝午夜福利片| 一级,二级,三级黄色视频| 七月丁香在线播放| 亚洲欧美一区二区三区久久| 成年动漫av网址| 亚洲色图 男人天堂 中文字幕| 狠狠婷婷综合久久久久久88av| 日韩在线高清观看一区二区三区| 日本色播在线视频| 美女xxoo啪啪120秒动态图| 亚洲图色成人| 色网站视频免费| 国产精品免费大片| 黄色 视频免费看| 国产免费现黄频在线看| 久久热在线av| 巨乳人妻的诱惑在线观看| 精品福利永久在线观看| 久久久精品94久久精品| 性色av一级| 精品少妇黑人巨大在线播放| 爱豆传媒免费全集在线观看| 色婷婷久久久亚洲欧美| 久久这里有精品视频免费| 国产成人91sexporn| 精品国产超薄肉色丝袜足j| 香蕉丝袜av| 久久人人爽av亚洲精品天堂| videos熟女内射| 亚洲精品视频女| 一区二区三区乱码不卡18| 男人添女人高潮全过程视频| 波多野结衣一区麻豆| 亚洲色图综合在线观看| 久热这里只有精品99| 少妇人妻久久综合中文| 欧美成人午夜精品| 国产av精品麻豆| 国产精品女同一区二区软件| 久久久久久久国产电影| 国产成人精品无人区| 国产精品久久久久久av不卡| 日韩电影二区| 女人精品久久久久毛片| 亚洲av综合色区一区| 久久99一区二区三区| 亚洲成人手机| 久久国产精品男人的天堂亚洲| 日韩人妻精品一区2区三区| 国产免费视频播放在线视频| 精品99又大又爽又粗少妇毛片| 精品国产国语对白av| 国产一区有黄有色的免费视频| 2022亚洲国产成人精品| 伦理电影免费视频| 热re99久久精品国产66热6| 岛国毛片在线播放| 国产成人91sexporn| 亚洲欧美日韩另类电影网站| 中文字幕另类日韩欧美亚洲嫩草| 久久精品久久精品一区二区三区| 亚洲三级黄色毛片| a级毛片在线看网站| 中文字幕av电影在线播放| 国产乱人偷精品视频| 黄频高清免费视频| 一边亲一边摸免费视频| 熟妇人妻不卡中文字幕| 中文天堂在线官网| 9色porny在线观看| 亚洲伊人色综图| 人成视频在线观看免费观看| 天美传媒精品一区二区| 999久久久国产精品视频| 香蕉丝袜av| 激情五月婷婷亚洲| 黄色 视频免费看| 国产福利在线免费观看视频| 99久久综合免费| 国产爽快片一区二区三区| 国产免费福利视频在线观看| 国产亚洲最大av| 天天躁夜夜躁狠狠久久av| 亚洲成色77777| 亚洲国产精品一区三区| 免费黄频网站在线观看国产| 成人黄色视频免费在线看| 性色avwww在线观看| 亚洲,欧美,日韩| 一本色道久久久久久精品综合| 国产 精品1| 不卡视频在线观看欧美| 亚洲欧美日韩另类电影网站| 在线精品无人区一区二区三| 日韩一卡2卡3卡4卡2021年| 热re99久久国产66热| 久久久久久久亚洲中文字幕| 丝袜人妻中文字幕| 高清不卡的av网站| 老女人水多毛片| 电影成人av| 日韩免费高清中文字幕av| 人人妻人人爽人人添夜夜欢视频| 亚洲精品乱久久久久久| 欧美精品亚洲一区二区| 日本黄色日本黄色录像| 亚洲国产av新网站| 最近2019中文字幕mv第一页| 99re6热这里在线精品视频| 欧美日韩一级在线毛片| 亚洲四区av| 99国产精品免费福利视频| 美女国产视频在线观看| 国产黄色视频一区二区在线观看| 高清视频免费观看一区二区| 精品久久久久久电影网| 亚洲欧美中文字幕日韩二区| 老汉色av国产亚洲站长工具| 亚洲综合色惰| 日韩一区二区三区影片| 国产高清不卡午夜福利| 亚洲欧洲日产国产| 人妻系列 视频| videosex国产| 免费av中文字幕在线| 女人被躁到高潮嗷嗷叫费观| 国产福利在线免费观看视频| 国产一区二区 视频在线| 九九爱精品视频在线观看| 亚洲人成电影观看| 国产免费一区二区三区四区乱码| 亚洲三级黄色毛片| 亚洲人成77777在线视频| 2018国产大陆天天弄谢| 纯流量卡能插随身wifi吗| 永久免费av网站大全| 我的亚洲天堂| 精品亚洲成a人片在线观看| 日韩一本色道免费dvd| 一二三四中文在线观看免费高清| 日本欧美视频一区| 两性夫妻黄色片| 精品卡一卡二卡四卡免费| 亚洲精华国产精华液的使用体验| 精品一区二区三区四区五区乱码 | 日日摸夜夜添夜夜爱| 日韩一区二区视频免费看| 日日撸夜夜添| 人妻系列 视频| 你懂的网址亚洲精品在线观看| 黑人欧美特级aaaaaa片| 亚洲图色成人| 婷婷色麻豆天堂久久| 天天躁日日躁夜夜躁夜夜| 国产伦理片在线播放av一区| 99久久中文字幕三级久久日本| www日本在线高清视频| 在线天堂中文资源库| 777米奇影视久久| 国产精品久久久久久精品古装| 国产在线免费精品| 爱豆传媒免费全集在线观看| 国产精品久久久久久久久免| 久久99一区二区三区| 国产成人a∨麻豆精品| 国产日韩欧美在线精品| av在线观看视频网站免费| 99久久综合免费| 国产日韩欧美在线精品| 观看av在线不卡| 日本欧美国产在线视频| 久久久久久久久久久免费av| 国产精品一区二区在线不卡| 国产亚洲av片在线观看秒播厂| 最新中文字幕久久久久| 97精品久久久久久久久久精品| 精品国产一区二区三区久久久樱花| 97在线视频观看| 国产亚洲精品第一综合不卡| 成人手机av| 热99国产精品久久久久久7| 午夜福利在线免费观看网站| 成人18禁高潮啪啪吃奶动态图| 免费黄频网站在线观看国产| 人成视频在线观看免费观看| av卡一久久| 免费看不卡的av| av免费在线看不卡| 久热久热在线精品观看| 成人毛片a级毛片在线播放| 9191精品国产免费久久| 久久鲁丝午夜福利片| 人人妻人人添人人爽欧美一区卜| 青春草视频在线免费观看| 日韩制服骚丝袜av| 国产一级毛片在线| 狠狠婷婷综合久久久久久88av| 人人妻人人添人人爽欧美一区卜| 美女午夜性视频免费| 26uuu在线亚洲综合色| 久久精品久久久久久久性| 边亲边吃奶的免费视频| 丝袜美足系列| 捣出白浆h1v1| 成人18禁高潮啪啪吃奶动态图| 精品亚洲成a人片在线观看| 国产熟女午夜一区二区三区| 久久精品久久久久久久性| 伊人亚洲综合成人网| 亚洲精品国产av成人精品| 日韩熟女老妇一区二区性免费视频| 国产综合精华液| 国产淫语在线视频| 免费在线观看黄色视频的| 在线免费观看不下载黄p国产| 肉色欧美久久久久久久蜜桃| 精品一区在线观看国产| 欧美97在线视频| 国产97色在线日韩免费| av线在线观看网站| 亚洲天堂av无毛| 精品少妇一区二区三区视频日本电影 | 免费高清在线观看视频在线观看| 午夜老司机福利剧场| 国产一区二区激情短视频 | 男人爽女人下面视频在线观看| 国产av码专区亚洲av| 精品少妇内射三级| 久久鲁丝午夜福利片| 国产综合精华液| 黄片小视频在线播放| 色哟哟·www| 日本91视频免费播放| av片东京热男人的天堂| 成人二区视频| 人体艺术视频欧美日本| 有码 亚洲区| 久久久久久人人人人人| 狠狠婷婷综合久久久久久88av| www.熟女人妻精品国产| 中文字幕亚洲精品专区| 大话2 男鬼变身卡| 亚洲av电影在线观看一区二区三区| 亚洲美女搞黄在线观看| 大话2 男鬼变身卡| 午夜免费鲁丝| 亚洲第一av免费看| 中文欧美无线码| 精品午夜福利在线看| 国产亚洲一区二区精品| 午夜福利在线免费观看网站| 黑人猛操日本美女一级片| 久久精品国产亚洲av天美| 交换朋友夫妻互换小说| 人人澡人人妻人| www.自偷自拍.com| 你懂的网址亚洲精品在线观看| 国产人伦9x9x在线观看 | www.av在线官网国产| xxx大片免费视频| 啦啦啦啦在线视频资源| 精品国产乱码久久久久久男人| 一级毛片电影观看| 狠狠精品人妻久久久久久综合| 天天操日日干夜夜撸| 深夜精品福利| 国产一区亚洲一区在线观看| 香蕉精品网在线| 国产成人精品久久二区二区91 | 久久久久久人人人人人| av免费观看日本| 不卡av一区二区三区| 最近最新中文字幕大全免费视频 | 国产高清不卡午夜福利| 最近手机中文字幕大全| 在线天堂最新版资源| 99久久精品国产国产毛片| av.在线天堂| www日本在线高清视频| 边亲边吃奶的免费视频| 久久久久精品性色| 精品人妻偷拍中文字幕| 一级a爱视频在线免费观看| 久久久亚洲精品成人影院| 国产精品久久久久久精品电影小说| 久久99一区二区三区| 国产精品免费视频内射| 亚洲精品,欧美精品| 在线观看www视频免费| 中文欧美无线码| 欧美日韩亚洲高清精品| 成人黄色视频免费在线看| 欧美成人精品欧美一级黄| 中文字幕人妻熟女乱码| 亚洲国产精品国产精品| 色吧在线观看| 少妇精品久久久久久久|