• <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 ?

    面向嵌入式平臺的安全帽實(shí)時檢測方法

    2022-05-15 06:35:20農(nóng)元君王俊杰徐曉東趙雪冰
    關(guān)鍵詞:錨框池化安全帽

    農(nóng)元君,王俊杰,徐曉東,趙雪冰

    中國海洋大學(xué) 工程學(xué)院,山東 青島266100

    建筑業(yè)因勞動密集及施工作業(yè)環(huán)境復(fù)雜導(dǎo)致安全事故多發(fā)。據(jù)住房和城鄉(xiāng)建設(shè)部統(tǒng)計(jì),2019年全國共發(fā)生房屋市政工程生產(chǎn)安全事故773起、死亡904人,給社會和家庭帶來了巨大的損失[1]。安全帽作為保障現(xiàn)場作業(yè)人員生命安全的基本裝置,很大程度上能減輕安全事故對作業(yè)人員的傷害。但由于施工現(xiàn)場安全管理疏忽、佩戴安全帽引起不適以及施工作業(yè)人員安全防護(hù)意識薄弱等原因,一些因未佩戴安全帽而引發(fā)的工程安全事故頻發(fā)。因此,實(shí)現(xiàn)建筑施工現(xiàn)場工人的安全帽佩戴識別和檢測具有重要的現(xiàn)實(shí)意義。

    傳統(tǒng)的安全帽檢測方法主要包括施工管理人員現(xiàn)場巡檢以及查看監(jiān)控視頻等,存在耗時費(fèi)力、人工成本高、容易出現(xiàn)漏檢等缺陷。隨著計(jì)算機(jī)視覺技術(shù)的快速發(fā)展,目標(biāo)檢測技術(shù)掀起新的研究熱潮,為安全帽的智能化檢測提供了新的研究視角。目前,應(yīng)用廣泛的目標(biāo)檢測方法主要分為兩類:一類是以Fast R-CNN[2]和Faster R-CNN[3]等為代表的基于區(qū)域建議的目標(biāo)檢測算法;另一類是以SSD[4]和YOLO[5-7]等為代表的基于回歸的目標(biāo)檢測算法。前者檢測精度高但速度慢,難以實(shí)現(xiàn)實(shí)時檢測,后者檢測速度快但精度較低。目前已有學(xué)者將目標(biāo)檢測技術(shù)應(yīng)用到安全帽的佩戴檢測中。方明[8]、林俊[9]、施輝[10]、王兵[11]采用基于YOLO的方法對安全帽進(jìn)行自動識別和檢測;Wu[12]采用基于SSD 的方法對施工現(xiàn)場工人的安全帽佩戴進(jìn)行檢測;張明媛[13]、徐守坤[14]采用基于Faster R-CNN的方法自動識別和檢測安全帽。

    盡管采用目標(biāo)檢測方法可實(shí)現(xiàn)對安全帽的自動檢測,且準(zhǔn)確率較高,但已有研究均采用GPU工作站作為實(shí)驗(yàn)平臺,缺乏在嵌入端對安全帽進(jìn)行檢測的考慮。相比而言,基于嵌入端的安全帽檢測方法將原有在服務(wù)器端的檢測任務(wù)遷移到數(shù)據(jù)源附近,具有實(shí)時數(shù)據(jù)處理、低延遲、部署成本低、可擴(kuò)展性強(qiáng)等優(yōu)勢,可實(shí)現(xiàn)對工人安全帽佩戴的快速檢測。

    基于此,本文提出一種適用于嵌入式平臺的輕量化安全帽實(shí)時檢測方法MT-YOLO。該方法通過優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)、引入空間金字塔池化模塊、改進(jìn)初始化錨框?qū)iny-YOLOv3[7]進(jìn)行改進(jìn)優(yōu)化。實(shí)驗(yàn)結(jié)果表明,所提方法具有較高的檢測精度,同時在嵌入式平臺NVIDIA Jetson Nano 上可達(dá)到實(shí)時的檢測速度,滿足了在嵌入端對安全帽佩戴進(jìn)行實(shí)時高精度檢測的需求。

    1 Tiny-YOLOv3算法

    Tiny-YOLOv3 作為YOLOv3[7]的輕量化版本,是一種端到端的基于回歸的目標(biāo)檢測方法。如圖1 所示,Tiny-YOLOv3 將目標(biāo)識別作為回歸問題進(jìn)行求解,直接在整幅圖上回歸得到目標(biāo)邊框的位置和類別,提高了識別的速度。Tiny-YOLOv3 網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。以416×416 尺寸的輸入圖像為例,Tiny-YOLOv3 采用由7層卷積層和6 層池化層組成的特征提取網(wǎng)絡(luò)對輸入圖像進(jìn)行特征提取,特征提取完成后借鑒特征金字塔網(wǎng)絡(luò)[15]的思想,在13×13和26×26兩個尺度上進(jìn)行檢測。

    圖1 Tiny-YOLOv3檢測原理Fig.1 Detection principle of Tiny-YOLOv3

    圖2 Tiny-YOLOv3的網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Tiny-YOLOv3 network structure

    2 改進(jìn)Tiny-YOLOv3

    Tiny-YOLOv3因結(jié)構(gòu)輕巧及計(jì)算量小等特點(diǎn),可在嵌入式設(shè)備上實(shí)現(xiàn)實(shí)時檢測,但對安全帽的檢測精度較低,無法滿足實(shí)際需求。基于上述考慮,對Tiny-YOLOv3進(jìn)行如下優(yōu)化:(1)通過改進(jìn)特征提取網(wǎng)絡(luò)和多尺度預(yù)測優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu);(2)引入空間金字塔池化模塊;(3)采用K-means聚類算法改進(jìn)初始化錨框;(4)引入CIoU邊界框回歸損失函數(shù)。

    2.1 優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)

    Tiny-YOLOv3 的特征提取網(wǎng)絡(luò)采用最大池化操作對特征圖進(jìn)行下采樣以降低特征圖的大小。最大池化操作在一定程度上可提高網(wǎng)絡(luò)的泛化能力,但只保留池化窗口中安全帽特征信息的最大值,會造成部分語義特征信息的丟失,進(jìn)而影響模型檢測性能。施工現(xiàn)場背景環(huán)境復(fù)雜,會對安全帽檢測產(chǎn)生干擾,因此安全帽的特征信息對網(wǎng)絡(luò)模型的訓(xùn)練學(xué)習(xí)至關(guān)重要。相較于最大池化操作,卷積操作對卷積窗口中的安全帽信息進(jìn)行相乘求和,考慮了卷積窗口中所有的安全帽信息,可降低安全帽特征信息的丟失。因此,將步長為2的最大池化層替換為步長為2的卷積層對特征圖進(jìn)行下采樣,提高網(wǎng)絡(luò)的特征提取能力。

    Tiny-YOLOv3特征提取網(wǎng)絡(luò)中卷積核數(shù)量為1 024的第13層卷積層在416×416的輸入尺寸下消耗15.95億次浮點(diǎn)運(yùn)算,對計(jì)算資源有限的嵌入式平臺來說過于冗余,不利于網(wǎng)絡(luò)對安全帽的實(shí)時檢測。因此,移除特征提取網(wǎng)絡(luò)中第13 層卷積層以及第12 層最大池化層,降低Tiny-YOLOv3 的冗余度,提高其在嵌入式設(shè)備上的檢測速度。同時將第11 層的卷積核數(shù)量從512 減少到256以進(jìn)一步精簡網(wǎng)絡(luò)。

    Tiny-YOLOv3對輸入圖像進(jìn)行特征提取后,在13×13、26×26 兩個尺度的特征圖上進(jìn)行預(yù)測,未能充分利用淺層的特征信息。如圖3 所示,與26×26 尺度的深層特征相比,52×52尺度的淺層特征包含豐富的安全帽細(xì)節(jié)信息和位置信息,對目標(biāo)定位較準(zhǔn)確,同時淺層特征感受野包含的背景噪聲小,對安全帽小目標(biāo)有更好的表征能力。在建筑施工現(xiàn)場安全帽檢測任務(wù)中,因檢測距離的遠(yuǎn)近會產(chǎn)生大小不同的安全帽目標(biāo),存在小目標(biāo)。為了提高Tiny-YOLOv3 對安全帽小目標(biāo)的檢測效果,優(yōu)化多尺度預(yù)測結(jié)構(gòu),增加一個52×52 的預(yù)測尺度,在13×13、26×26、52×52三個尺度的特征圖上進(jìn)行預(yù)測。

    圖3 淺層特征與深層特征Fig.3 Shallow features and deep features

    2.2 引入空間金字塔池化模塊

    在施工現(xiàn)場的安全帽檢測中,因檢測距離的不同存在大中小不同尺度的安全帽目標(biāo),導(dǎo)致輸入網(wǎng)絡(luò)的安全帽特征信息尺度不一致。為了解決該問題,引入空間金字塔池化[16](spatial pyramid pooling,SPP)模塊。該模塊借鑒了空間金字塔的思想,通過池化操作將局部特征映射到不同維度空間并將其進(jìn)行融合,豐富特征圖的多尺度信息。如圖4 所示,13×13×256 的安全帽特征圖輸入SPP模塊后,在5×5、9×9、13×13三個大中小不同尺度的池化層上進(jìn)行池化操作,生成三個13×13×256的局部特征圖,最后將生成的三個局部特征圖與原始輸入的特征圖利用通道融合在一起,得到13×13×1 024的特征圖,豐富了安全帽特征圖的多尺度信息。引入SPP 模塊可將大中小不同尺度的安全帽特征進(jìn)行融合,有助于消除因不同大小目標(biāo)造成特征信息尺度不一致的影響,提高檢測準(zhǔn)確率。

    圖4 空間金字塔池化模塊Fig.4 Spatial pyramid pooling module

    將改進(jìn)后的模型命名為MT-YOLO,其結(jié)構(gòu)如圖5 所示。與Tiny-YOLOv3 相較,MT-YOLO 優(yōu)化了網(wǎng)絡(luò)結(jié)構(gòu),并引入了空間金字塔池化模塊。

    圖5 MT-YOLO的網(wǎng)絡(luò)結(jié)構(gòu)Fig.5 MT-YOLO network structure

    2.3 改進(jìn)初始化錨框

    Tiny-YOLOv3 的初始化錨框由K-means 聚類算法在公共數(shù)據(jù)集上聚類生成,用于預(yù)測邊界框的坐標(biāo)。由于公共數(shù)據(jù)集基于自然場景采集,目標(biāo)類別豐富,所生成的錨框具有普遍性,不適合本文的安全帽檢測場景,使用原始錨框?qū)㈦y以得到準(zhǔn)確的目標(biāo)框信息。因此,需要采用K-means聚類算法在安全帽數(shù)據(jù)集上重新聚類,確定適合安全帽檢測場景的錨框。Tiny-YOLOv3 采用6 個錨框并按面積從小到大均分到2 個尺度的特征圖上,由于提出的MT-YOLO 增加了一個預(yù)測尺度,在三個尺度上進(jìn)行預(yù)測,因此將框數(shù)量增加至9 個,采用K-means聚類算法在安全帽數(shù)據(jù)集上進(jìn)行維度重聚類,目標(biāo)框聚類及錨框分布如圖6 所示,得到的9 個錨框分別為(5,9)、(11,19)、(17,30)、(24,44)、(34,60)、(46,85)、(70,111)、(90,167)、(149,245),將其面積按從小到大排列均分到52×52、26×26、13×13 三個不同尺度的特征圖上。

    圖6 目標(biāo)框聚類及錨框分布圖Fig.6 Target clustering and anchor distribution

    2.4 引入CIoU邊界框回歸損失函數(shù)

    IoU(intersection over union)是目標(biāo)檢測中重要的一個指標(biāo),其通過計(jì)算真實(shí)框和預(yù)測框之間的交并比來衡量邊界框的優(yōu)劣。IoU的計(jì)算式如式(1)所示:

    式中,A為目標(biāo)的預(yù)測框,B為目標(biāo)的真實(shí)框。

    Tiny-YOLOv3 采用IoU 作為損失函數(shù),如式(2)所示。該損失函數(shù)具有尺度不變性的優(yōu)點(diǎn),但存在一個缺陷:當(dāng)檢測框與真實(shí)框沒有重合部分時,梯度不存在,無法進(jìn)行梯度下降優(yōu)化。

    為了彌補(bǔ)IoU損失函數(shù)存在的不足,本文采用CIoU邊界框回歸損失函數(shù)[17],如式(3)所示。該損失函數(shù)考慮了檢測框的重疊面積以及檢測框中心點(diǎn)的距離,有效解決了當(dāng)檢測框與真實(shí)框沒有重合部分時所導(dǎo)致的IoU損失函數(shù)為零的問題,同時還增加檢測框和真實(shí)框的長寬比相似性的衡量參數(shù),使模型更傾向于往重疊區(qū)域密集的方向優(yōu)化。

    式中,b、bgt分別表示預(yù)測框和真實(shí)框的中心點(diǎn),ρ表示預(yù)測框和真實(shí)框兩個中心點(diǎn)之間的歐式距離,c表示能夠同時包含預(yù)測框和真實(shí)框的最小閉包區(qū)域的對角線距離,υ為衡量檢測框和真實(shí)框的長寬比相似性的參數(shù),α為權(quán)重參數(shù)。

    3 實(shí)驗(yàn)

    3.1 實(shí)驗(yàn)數(shù)據(jù)集

    在公開的安全帽數(shù)據(jù)集GDUT-HWD[12]上對提出的方法進(jìn)行驗(yàn)證。該數(shù)據(jù)集涵蓋了不同背景條件、不同光照條件以及存在遮擋的圖像數(shù)據(jù),共有3 174張圖像和5個類別目標(biāo),其中1 587張圖像用作訓(xùn)練集,剩余的1 587張圖像用作測試集。5類目標(biāo)分別是佩戴紅色、黃色、白色、藍(lán)色安全帽的目標(biāo),以及未佩戴安全帽的目標(biāo),對應(yīng)的類別標(biāo)簽為red、yellow、white、blue和none。

    3.2 實(shí)驗(yàn)平臺及配置

    目標(biāo)檢測方法的訓(xùn)練和驗(yàn)證對硬件環(huán)境要求較高,因此選擇在GPU 型號為GeForce RTX 2060 并采用CUDA10.1、CUDNN7.6 加速的工作站上對提出的模型進(jìn)行訓(xùn)練和驗(yàn)證,再將訓(xùn)練完的模型移植到GPU型號為ARMv8 Processor rev1 并采用CUDA10.2、CUDNN8.0加速的嵌入式平臺NVIDIA Jetson Nano 上進(jìn)行部署。實(shí)驗(yàn)基于Darknet 深度學(xué)習(xí)框架進(jìn)行,訓(xùn)練時批處理大小設(shè)置為64,分組設(shè)置16,動量設(shè)置0.9,權(quán)重衰減設(shè)置0.000 5,初始學(xué)習(xí)率設(shè)置10-3,同時引入Mixup[18]數(shù)據(jù)增強(qiáng)方法以提高模型的泛化性能。

    3.3 評價(jià)指標(biāo)

    為了定量評價(jià)實(shí)驗(yàn)結(jié)果,采用平均準(zhǔn)確率均值(mean average precision,mAP)、召回率(recall)、F1 值作為衡量模型精度的指標(biāo),計(jì)算公式如式(5)、式(6)、式(8)所示。同時還采用模型體積(volume)、浮點(diǎn)運(yùn)算量(billion float operations,BFLOPs)和每秒幀率(frame per second,F(xiàn)PS)作為衡量模型大小、計(jì)算量、及運(yùn)行速度的指標(biāo)。模型性能檢測及評價(jià)在416×416、512×512、608×608三個不同的輸入尺寸下進(jìn)行。

    式中,TP表示真正例,F(xiàn)N表示偽負(fù)例,F(xiàn)P表示偽正例,n表示類別總數(shù)。

    3.4 訓(xùn)練過程可視化

    采用安全帽訓(xùn)練集對提出的模型進(jìn)行訓(xùn)練,訓(xùn)練過程的損失變化如圖7所示。網(wǎng)絡(luò)前5 000次迭代期間的損失值較大,隨著迭代次數(shù)的增加損失值不斷減小,當(dāng)?shù)?5 000 次后損失值基本穩(wěn)定在0.5 左右,表示模型收斂。

    圖7 訓(xùn)練過程損失曲線Fig.7 Loss curve in training process

    4 實(shí)驗(yàn)結(jié)果

    4.1 測試結(jié)果

    表1對比了所提出的MT-YOLO與其他方法的檢測性能。由表1 可知,MT-YOLO 在精度、計(jì)算量、模型體積上具有較大優(yōu)勢。在檢測精度方面,MT-YOLO 在608×608的輸入尺寸下實(shí)現(xiàn)了87.50%的mAP、84%的召回率、83%的F1值,較Tiny-YOLOv3相關(guān)指標(biāo)分別高出11.27、11和7個百分點(diǎn),與高精度版本YOLOv3相接近。尤為重要的是相較于Tiny-YOLOv3,提出的MT-YOLO方法在較低的輸入尺寸416×416 下仍能保持較高的檢測精度,表明其具有較強(qiáng)的魯棒性。在計(jì)算量和模型體積方面,MT-YOLO 方法的計(jì)算量和體積均小于Tiny-YOLOv3和YOLOv3方法,有利于緩解嵌入式設(shè)備的計(jì)算壓力,釋放存儲空間。實(shí)驗(yàn)結(jié)果表明,相較于Tiny-YOLOv3,所提方法在減少計(jì)算量和模型體積的同時,有效提高了安全帽檢測精度。

    表1 不同模型的檢測性能Table 1 Detection results of different models

    圖8為不同模型在五個類別目標(biāo)上的PR(precisonrecall)曲線,曲線下的面積即為相應(yīng)模型在該類目標(biāo)下實(shí)現(xiàn)的平均準(zhǔn)確率(average precision,AP)。從圖8可看出,所提出的MT-YOLO在五個類別目標(biāo)上的平均準(zhǔn)確率均高于Tiny-YOLOv3,與高精度版本YOLOv3相接近。

    圖8 不同模型在五個類別目標(biāo)上的PR曲線Fig.8 PR curves of different models on five categories of targets

    4.2 檢測結(jié)果可視化

    圖9展示了所提出的MT-YOLO在安全帽測試集中不同環(huán)境場景下的檢測結(jié)果。由圖9可知,在檢測角度不佳、目標(biāo)存在遮擋、目標(biāo)密集、小目標(biāo)等復(fù)雜環(huán)境場景下,MT-YOLO具有良好的檢測性能,均精準(zhǔn)地檢測出工人是否佩戴安全帽。

    圖9 MT-YOLO在不同環(huán)境場景下的檢測結(jié)果可視化Fig.9 Detection results visualization of MT-YOLO under different environments

    4.3 泛化性檢驗(yàn)實(shí)驗(yàn)

    為了進(jìn)一步檢驗(yàn)所提出模型的泛化性,除了在公開的安全帽測試集上檢驗(yàn)MT-YOLO的效果之外,還運(yùn)用從施工現(xiàn)場收集的圖像數(shù)據(jù)直接檢驗(yàn)?zāi)P偷臋z測效果。圖10展示了不同模型在光線不佳、小目標(biāo)、目標(biāo)密集等實(shí)際施工現(xiàn)場環(huán)境下的檢測效果。由圖10 可見,Tiny-YOLOv3 存在較多的漏檢(圖中相應(yīng)實(shí)線橢圓處)和誤檢現(xiàn)象(圖中相應(yīng)虛線橢圓處),YOLOv3在密集目標(biāo)場景中也存在漏檢現(xiàn)象,但MT-YOLO依然保持了良好的檢測性能,均精準(zhǔn)地檢測出了安全帽目標(biāo),表明該方法具有良好的泛化性。

    圖10 MT-YOLO與其他模型的泛化性檢測結(jié)果Fig.10 Generalization test results of MT-YOLO and other models

    4.4 嵌入式平臺實(shí)驗(yàn)

    如圖11所示,為檢驗(yàn)提出的模型在嵌入式平臺上的檢測速度,將訓(xùn)練好的模型加載到TensorRT加速引擎中進(jìn)行加速推理后,部署到嵌入式平臺NVIDIA Jetson Nano上,并與其他模型的檢測速度相比較,結(jié)果如表2所示。

    圖11 在嵌入式平臺Jetson Nano上進(jìn)行實(shí)驗(yàn)Fig.11 Experiment on embedded platform of Jetson Nano

    表2 不同方法在Jetson Nano上的檢測速度Table 2 Detection speed of different models on Jetson Nano

    由表2 可知,受嵌入式平臺計(jì)算能力的限制,檢測精度較高的YOLOv3 在Jetson Nano 上只達(dá)到了最高3.85 frame/s的檢測速度,無法實(shí)現(xiàn)實(shí)時檢測。而提出的MT-YOLO在三種輸入尺寸下分別實(shí)現(xiàn)了20.58、28.63、39.12 frame/s 的實(shí)時檢測速度,可滿足在嵌入端對安全帽進(jìn)行實(shí)時檢測的需求。為了提高檢測精度,本文對原始的Tiny-YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了優(yōu)化并引入空間金字塔池化模塊,增加了模型的復(fù)雜度,使得MT-YOLO的檢測速度稍遜色于Tiny-YOLOv3,但依然滿足安全帽實(shí)時檢測的需求。實(shí)驗(yàn)結(jié)果表明,本文提出的MT-YOLO在嵌入端滿足實(shí)時檢測的情況下,檢測精度較Tiny-YOLOv3有較大幅度的提升,更適合在嵌入端進(jìn)行安全帽檢測。

    5 結(jié)論

    為了實(shí)現(xiàn)在嵌入端對工人佩戴安全帽進(jìn)行檢測,以Tiny-YOLOv3 檢測方法為基礎(chǔ),通過優(yōu)化原始網(wǎng)絡(luò)結(jié)構(gòu)、引入空間金字塔池化、維度重聚類確定適合安全帽檢測的錨框、引入CIoU邊界框回歸損失函數(shù),提出一種適用于嵌入式平臺的輕量化安全帽檢測方法。實(shí)驗(yàn)結(jié)果表明,所提方法檢測精度高、計(jì)算量少、模型體積小、實(shí)時性好、泛化性和魯棒性強(qiáng),在608×608 的輸入尺寸下,平均準(zhǔn)確率均值和召回率分別達(dá)到了87.50%和84%,較Tiny-YOLOv3 提升了11.27 和11 個百分點(diǎn),計(jì)算量和模型體積較Tiny-YOLOv3 方法減少了22.06和63.40個百分點(diǎn),且在嵌入式平臺NVIDIA Jetson Nano上可達(dá)到20.58 frame/s的實(shí)時檢測速度,隨著輸入尺寸的減小,其在嵌入式平臺上的檢測速度可以進(jìn)一步提升。本文提出的方法在精度上稍遜色于Tiny-YOLOv3方法的高精度版本YOLOv3,下一步將引入注意力等機(jī)制,在保持實(shí)時檢測速度的情況下進(jìn)一步提升模型的檢測精度。

    猜你喜歡
    錨框池化安全帽
    刺猬戴上安全帽
    基于緊湊型雙線性網(wǎng)絡(luò)的野生茵識別方法研究
    無線電工程(2024年8期)2024-09-16 00:00:00
    礦工有無數(shù)頂安全帽
    基于Sobel算子的池化算法設(shè)計(jì)
    基于YOLOv3錨框優(yōu)化的側(cè)掃聲吶圖像目標(biāo)檢測
    信號處理(2022年11期)2022-12-26 13:22:06
    錨框策略匹配的SSD飛機(jī)遙感圖像目標(biāo)檢測
    小小安全帽,生命保護(hù)傘
    基于SSD算法的輕量化儀器表盤檢測算法*
    基于GA-RoI Transformer的遙感圖像任意方向目標(biāo)檢測
    卷積神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)加權(quán)池化
    丝瓜视频免费看黄片| 国产亚洲一区二区精品| 亚洲黑人精品在线| 怎么达到女性高潮| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲欧美激情综合另类| 亚洲av片天天在线观看| 国产99白浆流出| 国产av一区二区精品久久| 国产一区二区三区在线臀色熟女 | 亚洲欧美激情综合另类| 日韩免费高清中文字幕av| 天天躁夜夜躁狠狠躁躁| 老司机影院毛片| 操出白浆在线播放| 成人精品一区二区免费| 女人高潮潮喷娇喘18禁视频| 香蕉丝袜av| x7x7x7水蜜桃| 一本综合久久免费| 国产日韩欧美亚洲二区| 亚洲七黄色美女视频| 最新在线观看一区二区三区| 又黄又粗又硬又大视频| 99re在线观看精品视频| 免费女性裸体啪啪无遮挡网站| 很黄的视频免费| 脱女人内裤的视频| 好男人电影高清在线观看| 一二三四社区在线视频社区8| 男人的好看免费观看在线视频 | 国产精品亚洲一级av第二区| 一区二区日韩欧美中文字幕| 一区二区三区精品91| 正在播放国产对白刺激| 超碰97精品在线观看| 国产91精品成人一区二区三区| 老鸭窝网址在线观看| 成人三级做爰电影| 又黄又爽又免费观看的视频| 日韩欧美一区视频在线观看| 超色免费av| 国产高清videossex| 欧美日韩精品网址| 国产主播在线观看一区二区| 欧美日韩成人在线一区二区| 精品国内亚洲2022精品成人 | 视频在线观看一区二区三区| 伦理电影免费视频| 国产无遮挡羞羞视频在线观看| 国产精品免费一区二区三区在线 | 老司机亚洲免费影院| 国产一区有黄有色的免费视频| 丝袜美腿诱惑在线| 美女扒开内裤让男人捅视频| 亚洲欧美激情在线| 久久久久精品人妻al黑| 精品国产一区二区久久| 超碰成人久久| 久久天堂一区二区三区四区| 中文欧美无线码| 9色porny在线观看| 嫩草影视91久久| 欧美日韩中文字幕国产精品一区二区三区 | 97人妻天天添夜夜摸| 久久精品熟女亚洲av麻豆精品| 亚洲精品中文字幕一二三四区| 女人被狂操c到高潮| 美国免费a级毛片| 亚洲少妇的诱惑av| 国产成人精品无人区| 亚洲avbb在线观看| 精品国产亚洲在线| 大香蕉久久网| 首页视频小说图片口味搜索| 欧美精品亚洲一区二区| 深夜精品福利| 波多野结衣一区麻豆| 欧美最黄视频在线播放免费 | 日韩 欧美 亚洲 中文字幕| 国产成人精品无人区| √禁漫天堂资源中文www| 9热在线视频观看99| 两个人免费观看高清视频| 亚洲一区二区三区欧美精品| 亚洲精品久久午夜乱码| 新久久久久国产一级毛片| 狠狠婷婷综合久久久久久88av| 国产单亲对白刺激| 亚洲熟女毛片儿| 人人妻人人爽人人添夜夜欢视频| 极品人妻少妇av视频| 美国免费a级毛片| 巨乳人妻的诱惑在线观看| 久久精品国产亚洲av高清一级| 自拍欧美九色日韩亚洲蝌蚪91| 水蜜桃什么品种好| 国产欧美亚洲国产| 99热网站在线观看| 国产精品99久久99久久久不卡| 国产av一区二区精品久久| 亚洲五月婷婷丁香| 精品国产国语对白av| 男女午夜视频在线观看| 男女下面插进去视频免费观看| 国产精品免费大片| 建设人人有责人人尽责人人享有的| 免费在线观看完整版高清| 国产av又大| 一级毛片精品| 国产真人三级小视频在线观看| 人成视频在线观看免费观看| 国产日韩一区二区三区精品不卡| 99久久人妻综合| 中文字幕另类日韩欧美亚洲嫩草| 国产高清videossex| 999久久久精品免费观看国产| 国产一区二区三区综合在线观看| 首页视频小说图片口味搜索| 建设人人有责人人尽责人人享有的| 亚洲熟妇熟女久久| 99久久精品国产亚洲精品| 亚洲精品一二三| 成人免费观看视频高清| e午夜精品久久久久久久| 成人永久免费在线观看视频| 欧美激情 高清一区二区三区| 麻豆国产av国片精品| 亚洲欧美日韩高清在线视频| 欧美日韩精品网址| 日韩欧美国产一区二区入口| 午夜福利视频在线观看免费| 国产午夜精品久久久久久| 亚洲一卡2卡3卡4卡5卡精品中文| 久久精品亚洲熟妇少妇任你| 天堂动漫精品| 亚洲第一欧美日韩一区二区三区| 国产精品久久久久久精品古装| 91成年电影在线观看| 久久久国产成人精品二区 | 亚洲国产看品久久| 国产熟女午夜一区二区三区| 欧美国产精品va在线观看不卡| 国产精品久久久人人做人人爽| 国产精华一区二区三区| 国产成+人综合+亚洲专区| 国产精品香港三级国产av潘金莲| 青草久久国产| 免费在线观看视频国产中文字幕亚洲| 男女床上黄色一级片免费看| 色综合欧美亚洲国产小说| 国产亚洲av高清不卡| 亚洲精品国产精品久久久不卡| 99热网站在线观看| 久久久久久免费高清国产稀缺| 欧美日韩中文字幕国产精品一区二区三区 | 午夜福利乱码中文字幕| 在线观看日韩欧美| 亚洲欧美精品综合一区二区三区| 99国产精品免费福利视频| 免费不卡黄色视频| 精品国产亚洲在线| 满18在线观看网站| 一区二区三区国产精品乱码| 国产免费av片在线观看野外av| 99香蕉大伊视频| 国产亚洲精品一区二区www | 无限看片的www在线观看| 国产精品久久久人人做人人爽| 久久天躁狠狠躁夜夜2o2o| 51午夜福利影视在线观看| 波多野结衣av一区二区av| 亚洲成av片中文字幕在线观看| 国产欧美日韩综合在线一区二区| 老熟妇乱子伦视频在线观看| 亚洲av成人av| 午夜成年电影在线免费观看| 人人妻,人人澡人人爽秒播| 久久99一区二区三区| 黑人欧美特级aaaaaa片| 国产一区在线观看成人免费| 日本一区二区免费在线视频| 欧美日韩瑟瑟在线播放| 视频区欧美日本亚洲| 99久久综合精品五月天人人| 天天躁夜夜躁狠狠躁躁| 久久久久久久精品吃奶| 国产精品电影一区二区三区 | 国产麻豆69| 欧美日韩av久久| 19禁男女啪啪无遮挡网站| 久久久久视频综合| 动漫黄色视频在线观看| 午夜亚洲福利在线播放| 国产激情欧美一区二区| 亚洲片人在线观看| 夜夜夜夜夜久久久久| 亚洲专区国产一区二区| 狠狠婷婷综合久久久久久88av| 国产精品免费大片| 大型黄色视频在线免费观看| 国产精品 国内视频| 久久 成人 亚洲| av欧美777| 亚洲人成电影免费在线| 一二三四在线观看免费中文在| 国产午夜精品久久久久久| 欧美另类亚洲清纯唯美| 久久精品国产a三级三级三级| 老鸭窝网址在线观看| 91精品国产国语对白视频| 欧美黑人精品巨大| 黄色片一级片一级黄色片| 亚洲色图av天堂| 国产精品九九99| 久久久国产一区二区| 美女视频免费永久观看网站| av网站免费在线观看视频| 黄色毛片三级朝国网站| 他把我摸到了高潮在线观看| 日本撒尿小便嘘嘘汇集6| 激情在线观看视频在线高清 | 成年人午夜在线观看视频| 国产欧美日韩精品亚洲av| 自拍欧美九色日韩亚洲蝌蚪91| 每晚都被弄得嗷嗷叫到高潮| 人成视频在线观看免费观看| 无限看片的www在线观看| 人妻一区二区av| e午夜精品久久久久久久| 成人特级黄色片久久久久久久| 99精国产麻豆久久婷婷| 久久国产亚洲av麻豆专区| 欧美黑人精品巨大| 精品欧美一区二区三区在线| 人人妻,人人澡人人爽秒播| 高清毛片免费观看视频网站 | 黄网站色视频无遮挡免费观看| 极品教师在线免费播放| 日日摸夜夜添夜夜添小说| 80岁老熟妇乱子伦牲交| 日本撒尿小便嘘嘘汇集6| 动漫黄色视频在线观看| 在线观看午夜福利视频| 成年人午夜在线观看视频| 美女高潮到喷水免费观看| √禁漫天堂资源中文www| av天堂在线播放| 中文欧美无线码| 成年人午夜在线观看视频| 视频区欧美日本亚洲| 国产aⅴ精品一区二区三区波| 无遮挡黄片免费观看| 男人操女人黄网站| 亚洲专区国产一区二区| 高清黄色对白视频在线免费看| 啦啦啦在线免费观看视频4| 少妇被粗大的猛进出69影院| 可以免费在线观看a视频的电影网站| 每晚都被弄得嗷嗷叫到高潮| 亚洲五月婷婷丁香| 精品少妇一区二区三区视频日本电影| 久久精品人人爽人人爽视色| 久久人人爽av亚洲精品天堂| av在线播放免费不卡| bbb黄色大片| 亚洲欧美激情在线| 亚洲一区二区三区欧美精品| 下体分泌物呈黄色| 亚洲av日韩在线播放| 免费一级毛片在线播放高清视频 | 成年动漫av网址| 怎么达到女性高潮| 国产免费av片在线观看野外av| 操美女的视频在线观看| 欧美+亚洲+日韩+国产| 午夜福利在线观看吧| 好看av亚洲va欧美ⅴa在| 久久久水蜜桃国产精品网| 大片电影免费在线观看免费| 久久久久国产精品人妻aⅴ院 | 一边摸一边做爽爽视频免费| 大型黄色视频在线免费观看| 美女高潮到喷水免费观看| 99久久国产精品久久久| 一本综合久久免费| 日韩精品免费视频一区二区三区| 国产精品久久视频播放| 最近最新中文字幕大全电影3 | 亚洲国产欧美日韩在线播放| 亚洲av成人av| aaaaa片日本免费| 亚洲色图av天堂| 一本一本久久a久久精品综合妖精| 欧美日韩福利视频一区二区| 老司机亚洲免费影院| 美女高潮喷水抽搐中文字幕| 久久香蕉激情| 精品国产超薄肉色丝袜足j| 国产成人精品久久二区二区91| 欧美日韩国产mv在线观看视频| 亚洲熟妇熟女久久| 99精品在免费线老司机午夜| 欧美日本中文国产一区发布| 最新美女视频免费是黄的| 欧美黑人精品巨大| 国产精品 欧美亚洲| 无遮挡黄片免费观看| bbb黄色大片| 亚洲欧美激情在线| 桃红色精品国产亚洲av| 亚洲三区欧美一区| 一区二区三区精品91| 国产精品免费视频内射| 亚洲av日韩在线播放| 亚洲国产欧美网| 亚洲av成人av| 亚洲情色 制服丝袜| 国产av一区二区精品久久| 777米奇影视久久| 亚洲美女黄片视频| 亚洲精品乱久久久久久| 亚洲美女黄片视频| 十分钟在线观看高清视频www| 自线自在国产av| 在线观看日韩欧美| 亚洲专区中文字幕在线| 欧美人与性动交α欧美精品济南到| 亚洲欧美精品综合一区二区三区| 中亚洲国语对白在线视频| 757午夜福利合集在线观看| 久久人妻福利社区极品人妻图片| 91在线观看av| 亚洲人成77777在线视频| 欧美最黄视频在线播放免费 | 国产精品九九99| 午夜免费鲁丝| 日韩三级视频一区二区三区| 窝窝影院91人妻| 高清视频免费观看一区二区| 9色porny在线观看| 十八禁网站免费在线| 制服人妻中文乱码| 99热只有精品国产| 黄片播放在线免费| 亚洲男人天堂网一区| 国产片内射在线| 一区福利在线观看| 国产高清videossex| av视频免费观看在线观看| 中出人妻视频一区二区| 丁香欧美五月| 校园春色视频在线观看| 久热这里只有精品99| 午夜久久久在线观看| 国产一区在线观看成人免费| 亚洲国产中文字幕在线视频| 他把我摸到了高潮在线观看| 欧美久久黑人一区二区| 十八禁网站免费在线| 午夜免费鲁丝| 女人久久www免费人成看片| 国产激情欧美一区二区| 人人妻人人澡人人爽人人夜夜| 窝窝影院91人妻| 亚洲精品粉嫩美女一区| 男男h啪啪无遮挡| 捣出白浆h1v1| 99精品在免费线老司机午夜| 人人妻人人澡人人爽人人夜夜| 国产成人精品久久二区二区免费| 久久中文字幕一级| 无限看片的www在线观看| 少妇裸体淫交视频免费看高清 | 美女国产高潮福利片在线看| 午夜亚洲福利在线播放| 欧美不卡视频在线免费观看 | 亚洲avbb在线观看| 丰满的人妻完整版| 国产在线精品亚洲第一网站| 一本一本久久a久久精品综合妖精| 国产精品一区二区免费欧美| 国产欧美日韩精品亚洲av| 国产99久久九九免费精品| 黄色视频不卡| 在线观看舔阴道视频| 亚洲九九香蕉| www日本在线高清视频| 国产伦人伦偷精品视频| 亚洲色图av天堂| 午夜福利在线观看吧| 国产亚洲av高清不卡| 一区二区三区精品91| 超碰97精品在线观看| 欧美色视频一区免费| ponron亚洲| 黄色片一级片一级黄色片| 老熟女久久久| 少妇的丰满在线观看| 国产成人系列免费观看| 国产精品 欧美亚洲| 国产欧美日韩一区二区三| 欧美大码av| 亚洲成av片中文字幕在线观看| 看免费av毛片| 日韩视频一区二区在线观看| 欧美性长视频在线观看| 夜夜爽天天搞| 天堂俺去俺来也www色官网| 国产精华一区二区三区| 亚洲全国av大片| 精品一区二区三区四区五区乱码| 国产精品久久久av美女十八| 黑人猛操日本美女一级片| 精品国产美女av久久久久小说| 久久影院123| 天堂动漫精品| 精品国产国语对白av| 欧美日韩乱码在线| 欧美日韩av久久| 国产黄色免费在线视频| 丝袜在线中文字幕| 极品人妻少妇av视频| 国产成人系列免费观看| 久久久久精品国产欧美久久久| 亚洲男人天堂网一区| 国产精品电影一区二区三区 | 亚洲精品一卡2卡三卡4卡5卡| a在线观看视频网站| 久久婷婷成人综合色麻豆| 国产国语露脸激情在线看| 涩涩av久久男人的天堂| 国产精品久久电影中文字幕 | 757午夜福利合集在线观看| 男女下面插进去视频免费观看| 一二三四在线观看免费中文在| 亚洲五月婷婷丁香| www.自偷自拍.com| 可以免费在线观看a视频的电影网站| 精品一品国产午夜福利视频| 亚洲情色 制服丝袜| 亚洲精品自拍成人| 国产一区二区三区视频了| 国产国语露脸激情在线看| 无遮挡黄片免费观看| 国产成人啪精品午夜网站| 久久精品国产清高在天天线| 久久青草综合色| 精品久久久久久久毛片微露脸| 不卡av一区二区三区| 午夜亚洲福利在线播放| 精品卡一卡二卡四卡免费| 99国产精品免费福利视频| 国产aⅴ精品一区二区三区波| 色在线成人网| 在线观看日韩欧美| 精品一区二区三区视频在线观看免费 | 亚洲国产看品久久| 黑人欧美特级aaaaaa片| 亚洲人成77777在线视频| 757午夜福利合集在线观看| 这个男人来自地球电影免费观看| 亚洲专区中文字幕在线| 操出白浆在线播放| 免费黄频网站在线观看国产| 国内久久婷婷六月综合欲色啪| 亚洲av美国av| 色播在线永久视频| 久久亚洲真实| 欧美日韩亚洲高清精品| 狂野欧美激情性xxxx| 两个人免费观看高清视频| 黄色怎么调成土黄色| 亚洲性夜色夜夜综合| 国产精品国产高清国产av | 国产野战对白在线观看| 丰满人妻熟妇乱又伦精品不卡| 国产一区二区三区综合在线观看| 国产免费男女视频| 十八禁人妻一区二区| 纯流量卡能插随身wifi吗| 国产成人欧美在线观看 | 黄色a级毛片大全视频| 欧美日韩中文字幕国产精品一区二区三区 | av网站免费在线观看视频| 妹子高潮喷水视频| 国产成人免费观看mmmm| 亚洲视频免费观看视频| 在线国产一区二区在线| 老鸭窝网址在线观看| 飞空精品影院首页| 99久久综合精品五月天人人| 日本精品一区二区三区蜜桃| 好看av亚洲va欧美ⅴa在| 国产精品久久视频播放| www.自偷自拍.com| 午夜成年电影在线免费观看| 欧美激情极品国产一区二区三区| 欧美精品啪啪一区二区三区| 中文欧美无线码| 涩涩av久久男人的天堂| 国产精品一区二区在线不卡| 亚洲av电影在线进入| 欧美精品亚洲一区二区| 99久久国产精品久久久| 精品人妻在线不人妻| 亚洲精品av麻豆狂野| 狠狠狠狠99中文字幕| 在线观看www视频免费| 久久这里只有精品19| 精品人妻在线不人妻| 丁香六月欧美| 亚洲aⅴ乱码一区二区在线播放 | 久久久久久久午夜电影 | 日韩欧美一区视频在线观看| 免费一级毛片在线播放高清视频 | 欧美日韩亚洲综合一区二区三区_| 变态另类成人亚洲欧美熟女 | 亚洲色图 男人天堂 中文字幕| 国产野战对白在线观看| 最近最新中文字幕大全电影3 | 免费一级毛片在线播放高清视频 | 香蕉丝袜av| 黄网站色视频无遮挡免费观看| 99久久精品国产亚洲精品| 他把我摸到了高潮在线观看| 国产成人av激情在线播放| 啦啦啦 在线观看视频| 99国产精品99久久久久| 欧美日韩中文字幕国产精品一区二区三区 | 99国产精品99久久久久| 成在线人永久免费视频| 国产精品乱码一区二三区的特点 | tube8黄色片| 久久精品国产99精品国产亚洲性色 | 宅男免费午夜| 久久人妻av系列| 国产精品二区激情视频| 一级毛片女人18水好多| 大香蕉久久网| 精品卡一卡二卡四卡免费| 国产精品av久久久久免费| 国产成+人综合+亚洲专区| 高清黄色对白视频在线免费看| 欧美日韩精品网址| 18在线观看网站| 丰满饥渴人妻一区二区三| 两性夫妻黄色片| 12—13女人毛片做爰片一| 视频区图区小说| 精品亚洲成国产av| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲片人在线观看| 中文字幕最新亚洲高清| 91精品三级在线观看| 99国产精品99久久久久| 俄罗斯特黄特色一大片| 成年人午夜在线观看视频| 在线观看午夜福利视频| 国产欧美日韩一区二区三区在线| 欧洲精品卡2卡3卡4卡5卡区| 午夜福利在线免费观看网站| 国产视频一区二区在线看| 十分钟在线观看高清视频www| 人妻一区二区av| 亚洲va日本ⅴa欧美va伊人久久| 午夜精品久久久久久毛片777| 国产精品香港三级国产av潘金莲| 成人精品一区二区免费| 丝袜人妻中文字幕| 日韩成人在线观看一区二区三区| 一级毛片女人18水好多| 久久久久久久久久久久大奶| 99国产极品粉嫩在线观看| 国产高清国产精品国产三级| 国产亚洲精品久久久久5区| 悠悠久久av| 亚洲国产中文字幕在线视频| 免费高清在线观看日韩| 建设人人有责人人尽责人人享有的| 可以免费在线观看a视频的电影网站| 亚洲精品美女久久av网站| 激情在线观看视频在线高清 | 成年动漫av网址| 色综合婷婷激情| 在线观看免费日韩欧美大片| 国产一区在线观看成人免费| 亚洲中文日韩欧美视频| 亚洲人成电影观看| 欧美av亚洲av综合av国产av| 中文字幕av电影在线播放| 久久精品成人免费网站| 国产亚洲精品第一综合不卡| xxxhd国产人妻xxx| 老鸭窝网址在线观看| 极品少妇高潮喷水抽搐| 50天的宝宝边吃奶边哭怎么回事| 国产精品久久久久久人妻精品电影| 亚洲精品在线观看二区| 淫妇啪啪啪对白视频| 最近最新中文字幕大全免费视频| 日韩制服丝袜自拍偷拍| 国产在线精品亚洲第一网站| 交换朋友夫妻互换小说| 免费看a级黄色片| 久久青草综合色| 亚洲一区二区三区欧美精品| 国产成人系列免费观看| 在线观看免费高清a一片| 亚洲五月婷婷丁香| 国产精品香港三级国产av潘金莲| 亚洲欧美一区二区三区久久| 一区在线观看完整版| 日韩欧美一区视频在线观看| 国产在视频线精品|