• <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 ?

    基于改進(jìn)YOLOv4 算法的動(dòng)車庫(kù)接地桿狀態(tài)檢測(cè)

    2022-06-02 13:05:18劉強(qiáng)李鵬鄒一鳴熊歆斌陳金源鄭衡
    關(guān)鍵詞:池化注意力聚類

    劉強(qiáng),李鵬,鄒一鳴,熊歆斌,陳金源,鄭衡

    (1.五邑大學(xué) 軌道交通學(xué)院,廣東 江門 529020;2.北京鐵道工程機(jī)電技術(shù)研究所股份有限公司,北京 100071)

    目前,動(dòng)車組檢修作業(yè)多采用人工登頂列車作業(yè)的方式. 在動(dòng)車檢修作業(yè)前,需對(duì)檢修庫(kù)內(nèi)對(duì)應(yīng)作業(yè)股道接觸網(wǎng)斷電,并且在檢修庫(kù)兩端手動(dòng)掛接接地桿、在重連端(股道中部)電動(dòng)掛接接地桿[1];作業(yè)完成后,需摘除已掛接的接地桿為接觸網(wǎng)供電. 在工人申請(qǐng)登頂作業(yè)前以及檢修作業(yè)完成后,均需要調(diào)度人員在調(diào)度室通過(guò)攝像頭一一確認(rèn)各接地桿的掛摘狀態(tài)并記錄,不僅耗時(shí)費(fèi)力,而且存在人為不確定因素. 據(jù)合作動(dòng)車段統(tǒng)計(jì),自動(dòng)車所運(yùn)營(yíng)以來(lái),已多次發(fā)生因人員確認(rèn)重連端接地桿掛接狀態(tài)錯(cuò)誤而導(dǎo)致接觸網(wǎng)通過(guò)接地桿大電流對(duì)地放電或帶負(fù)載斷電而損壞供電設(shè)施的事故,造成了巨大的損失.

    目標(biāo)檢測(cè)技術(shù)通過(guò)圖像處理算法對(duì)目標(biāo)進(jìn)行特征提取,再根據(jù)提取的特征區(qū)分出目標(biāo). 傳統(tǒng)的圖像處理技術(shù)識(shí)別速度很快,但是,該類算法受環(huán)境干擾大,對(duì)于背景復(fù)雜目標(biāo)的特征提取非常困難,而且目標(biāo)發(fā)生形態(tài)變換、光照變化等情況時(shí),其識(shí)別精度就會(huì)大大降低甚至需要重新設(shè)計(jì)檢測(cè)算法. 與傳統(tǒng)方法相比,深度學(xué)習(xí)算法不需要人工提取目標(biāo)特征,神經(jīng)網(wǎng)絡(luò)會(huì)獨(dú)立地學(xué)習(xí)相關(guān)屬性,對(duì)于以不同形式出現(xiàn)的目標(biāo)或特征,以及目標(biāo)背景、環(huán)境的變換都有很強(qiáng)的適應(yīng)能力,不需要針對(duì)每個(gè)可能的特性進(jìn)行專門的訓(xùn)練,提高了檢測(cè)算法的魯棒性. 現(xiàn)階段提出的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法主要分為兩類,一類為 Two-stage 方法,該方法將目標(biāo)檢測(cè)分為定位和分類兩個(gè)步驟,代表算法有R-CNN、Fast R-CNN、Faster R-CNN 等. 另一類為One-stage 方法,該方法直接將定位和分類融合在一起,實(shí)現(xiàn)端到端計(jì)算,代表算法有YOLO、SSD、Retina-Net 等[2]. Two-stage 方法會(huì)對(duì)每一個(gè)可能包含目標(biāo)的區(qū)域進(jìn)行檢測(cè),其識(shí)別準(zhǔn)確度較高,但大量的計(jì)算會(huì)影響網(wǎng)絡(luò)的檢測(cè)速度,在實(shí)際工程運(yùn)用中達(dá)不到實(shí)時(shí)檢測(cè)的要求. One-stage 方法犧牲了少量的檢測(cè)準(zhǔn)確度,但大大提高了檢測(cè)速度,檢測(cè)效率良好[3]. 鑒于檢修庫(kù)內(nèi)接地桿所處背景環(huán)境比較復(fù)雜,接地桿狀態(tài)也會(huì)發(fā)生改變,傳統(tǒng)的圖像處理方法不能很好地對(duì)接地桿進(jìn)行檢測(cè),本文采用改進(jìn)的深度學(xué)習(xí)YOLOv4 算法作為重連端接地桿的狀態(tài)檢測(cè)算法,以期對(duì)檢修庫(kù)內(nèi)重連端接地桿接地狀態(tài)進(jìn)行準(zhǔn)確檢測(cè),從而保證工人施工以及動(dòng)車段內(nèi)設(shè)備的安全.

    1 YOLOv4 算法原理

    YOLOv4 算法是對(duì)YOLOv3 算法改進(jìn)優(yōu)化而來(lái)的,其網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1 所示. YOLOv4 算法的主干特征提取網(wǎng)絡(luò)(Backbone)部分將CSPNet 網(wǎng)絡(luò)結(jié)構(gòu)與Darknet53 中的殘差模塊結(jié)合在一起,以增強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)效率、減少計(jì)算參數(shù)量,故檢測(cè)精度比YOLOv3 網(wǎng)絡(luò)有很大的提升[4]. Neck 部分采用空間金字塔池化(Spatial Pyramid Pooling,SPP)[5]、特征金字塔(Feature Pyramid Net-works,F(xiàn)PN)[6]和路徑聚合網(wǎng)絡(luò)(Path Aggregation Network,PAN)方式[7]. SPP 模塊的加入提高了圖像的尺度不變性,降低了過(guò)擬合,使得主干特征的接收范圍增大,顯著分離了重要的上下文信息.FPN+PAN 結(jié)構(gòu),是通過(guò)FPN 將高層的強(qiáng)語(yǔ)義特征傳遞下來(lái),以增強(qiáng)了整個(gè)特征金字塔;在后面添加一個(gè)自底向上的金字塔,將低層次的強(qiáng)定位特征傳遞上去,彌補(bǔ)了金字塔僅增強(qiáng)語(yǔ)義信息、缺失定位信息的短板. YOLO-head 部分采用CIOU_Loss 和DIOU_nms 算法,提升了檢測(cè)框的檢測(cè)精度與速度.

    圖1 YOLOv4 網(wǎng)絡(luò)結(jié)構(gòu)模型圖

    YOLOv4 的主干特征提取網(wǎng)絡(luò)采用Mish 激活函數(shù),其公式如下:

    如圖2 所示,Mish 函數(shù)有效避免了邊界值過(guò)高封頂而導(dǎo)致飽和,能獲得可靠的準(zhǔn)確性和泛化性[8].

    圖2 Mish 激活函數(shù)

    YOLOv4 網(wǎng)絡(luò)的損失函數(shù)采用CIOU-Loss 損失函數(shù),公式如下:

    2 YOLOv4 算法改進(jìn)

    2.1 K-means 算法

    原YOLOv4 算法的錨框值是基于VOC 數(shù)據(jù)集生成的,與本文的接地桿沒(méi)有良好的匹配度,并且 K-means 算法本身存在一定的局限性,其聚類結(jié)果受初始值選取的影響. 因此,本文采用K-means++算法對(duì)初始值進(jìn)行重新聚類[10],步驟如下:

    1)在接地桿數(shù)據(jù)集中隨機(jī)初始化一個(gè)聚類中心;

    2)計(jì)算數(shù)據(jù)集中的每個(gè)點(diǎn)和與之相近的聚類中心的距離;

    3)選擇一個(gè)新的數(shù)據(jù)點(diǎn)作為新的聚類中心,距離越大,被選中的概率就越高;

    4)重復(fù)上述2)、3)步,直到選出K 個(gè)聚類中心;

    5)得出的K 個(gè)聚類中心再運(yùn)用K-means 算法進(jìn)行計(jì)算,獲得想要的結(jié)果.

    2.2 CBAM 注意力模塊

    注意力模塊模仿了人在學(xué)習(xí)時(shí)專注自己感興趣的事物而忽視無(wú)關(guān)事物的特性. 如圖 3 所示,它由通道注意力與空間注意力串聯(lián)組合而成,其中,通道注意力關(guān)注輸入特征,空間注意力關(guān)注最具信息量的特征部分[11]. 輸入特征先與通道優(yōu)化權(quán)重進(jìn)行乘積,獲得的特征再與空間優(yōu)化權(quán)重進(jìn)行乘積,最終獲得新特征,極大地節(jié)約了參數(shù)和計(jì)算量,提高了特征提取效率.

    圖3 CBAM 注意力模塊

    如圖4 所示,通道注意力模塊將輸入的特征F 分別進(jìn)行平均池化和最大池化,將兩種池化后的特征送入多層感知機(jī)(MutiLayer Perception,MLP)[12]網(wǎng)絡(luò)進(jìn)行計(jì)算,分別獲得平均池化特征最大池化特征相加并使用sigmoid 函數(shù)處理,獲得通道優(yōu)化權(quán)重

    圖4 通道注意力模塊

    如圖5 所示,空間注意力模塊對(duì)輸入特征進(jìn)行最大池化和平均池化,將得到的特征在空間方向上堆疊(Concat)并進(jìn)行卷積操作,輸出特征再用sigmoid 函數(shù)處理,最后獲得空間優(yōu)化權(quán)重

    圖5 空間注意力模塊

    2.3 改進(jìn) SPP 結(jié)構(gòu)

    在 YOLOv4 網(wǎng)絡(luò)中,Neck 部分采用空間池化金字塔結(jié)構(gòu)(SPP),分別使用 1×1、5×5、9×9、13×13等4 個(gè)尺度的卷積核對(duì)輸入的特征圖進(jìn)行最大池化操作,然后把已池化的特征圖與未池化前的特征圖堆疊在一起,最終獲取特征圖局部與全局的感受野信息[13]. 根據(jù)本文實(shí)驗(yàn)背景,檢修庫(kù)內(nèi)背景比較復(fù)雜且被檢測(cè)目標(biāo)與背景的相似程度較高,采用最大池化會(huì)損失接地桿部分信息,進(jìn)而影響識(shí)別精度. 針對(duì)該問(wèn)題,本文對(duì)SPP 結(jié)構(gòu)進(jìn)行修改,改進(jìn)的SPP 結(jié)構(gòu)在池化部分采用平均池化的方法,能夠有效保留接地桿信息,同時(shí)適度減小卷積核的大小以減少計(jì)算量.

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 圖像數(shù)據(jù)與網(wǎng)絡(luò)訓(xùn)練

    本實(shí)驗(yàn)所需數(shù)據(jù)集通過(guò)現(xiàn)場(chǎng)安裝的邊緣計(jì)算模塊進(jìn)行自動(dòng)采集,在合作動(dòng)車運(yùn)用所內(nèi)獲取接地桿視頻文件. 逐幀提取獲取的視頻形成大量包含接地桿的圖片,對(duì)這些圖片進(jìn)行篩選,去掉模糊、缺失信息重復(fù)率高的,最后生成1 000 張接地桿圖片集. 對(duì)比正負(fù)樣本數(shù)量,對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充,分別對(duì)圖片采用鏡像對(duì)稱、添加噪聲、色彩變換等操作,最終形成5 000 張可用圖片集. 采用LabelImg對(duì)圖片集進(jìn)行標(biāo)注,生成YOLOv4 算法所需的txt 文件格式數(shù)據(jù):其中4 000 張圖片作為訓(xùn)練集,1 000張圖片作為測(cè)試集.

    實(shí)驗(yàn)采用的硬件配置為Intel(R) Xeon(R) CPU、NVIDIA Geforce RTX 2080 Ti 顯卡、Linux 操作系統(tǒng);軟件環(huán)境為CUDA 11.0、Cudnn 8.0、Tensorflow 深度學(xué)習(xí)框架. 選取Adam 優(yōu)化器,采用Mosaic數(shù)據(jù)增強(qiáng)方式,余弦退火學(xué)習(xí)率,Batchsize 設(shè)置為8.

    3.2 評(píng)價(jià)指標(biāo)

    在模型評(píng)估中,需要選取評(píng)價(jià)指標(biāo)對(duì)模型性能進(jìn)行評(píng)估,通常需要計(jì)算精確度(Precision)、召回率(Recall)、平均精度 AP(Average Precision)以及均值平均精度(Mean Average Precision,mAP).在實(shí)際開(kāi)發(fā)中,對(duì)網(wǎng)絡(luò)的檢測(cè)速度也有一定的要求,檢測(cè)速度由每秒傳輸幀數(shù)(Frames Per Second,F(xiàn)PS)決定[14],F(xiàn)PS 值越大網(wǎng)絡(luò)檢測(cè)速度越快.

    3.3 實(shí)驗(yàn)結(jié)果與分析

    采用改進(jìn)的 K-means 算法篩選出適用于本數(shù)據(jù)集的錨框,共生成 9 個(gè)框,分別是(15,121),(32,347),(37,347),(44,124),(94,325),(108,55),(111,59),(192,264),(269,152). 由于新的錨框值根據(jù)既有數(shù)據(jù)集生成,可以與數(shù)據(jù)集中目標(biāo)大小快速匹配,故能提高模型的訓(xùn)練速度. 算法改進(jìn)前后的實(shí)驗(yàn)結(jié)果如表1 所示.

    表1 算法改進(jìn)前后對(duì)比

    由表1 可知,本文改進(jìn)算法在精度上比原YOLOv4 算法分別提高了3.36%(close 檢測(cè))和1.67%(open 檢測(cè)),mAP 值提高了2.51%,說(shuō)明本文改進(jìn)算法在提高檢測(cè)精度上是有效的;在速度上,與原YOLOv4 算法相比提高了大約5 f/s,檢測(cè)速度有一定提升. 本文改進(jìn)算法不論是在精度上還是檢測(cè)速度上都要優(yōu)于原YOLOv4 算法,證實(shí)了本文算法有一定的魯棒性.

    為了進(jìn)一步驗(yàn)證本文算法的檢測(cè)性能,我們用相同的數(shù)據(jù)集對(duì)Faster R-CNN 算法、SSD 算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練,其訓(xùn)練結(jié)果與本文方法的對(duì)比如表2 所示. 由表2 可知,在檢測(cè)精度上,本文算法比Faster R-CNN 算法、SSD 算法分別高出了7.23%和11.13%;在檢測(cè)速度上,比Faster R-CNN、SSD算法分別提高了12.9 f/s 和4.4 f/s. 證明了本文改進(jìn)算法的有效性和優(yōu)勢(shì).

    表2 不同算法對(duì)比結(jié)果

    用測(cè)試集對(duì)改進(jìn)后網(wǎng)絡(luò)模型進(jìn)行測(cè)試的結(jié)果如圖6 所示:圖中接地桿均能被正確檢測(cè)識(shí)別;對(duì)于和背景相似的接地桿,如較遠(yuǎn)處的接地桿,用肉眼很難分辨,但本文算法也能很好地識(shí)別出來(lái). 證明了本文提出的改進(jìn)的YOLOv4 算法對(duì)接地桿識(shí)別方法是可靠的.

    圖6 測(cè)試集圖片測(cè)試結(jié)果

    將改進(jìn)算法部署在合作動(dòng)車段內(nèi)邊緣計(jì)算模塊中進(jìn)行實(shí)際測(cè)試,部分測(cè)試結(jié)果如圖7 所示.

    圖7 實(shí)際檢測(cè)結(jié)果

    從圖7 可以看出,本文算法在實(shí)際檢測(cè)中能夠正確識(shí)別接地桿目標(biāo),且識(shí)別置信度也比較高. 對(duì)比測(cè)試集測(cè)試結(jié)果,實(shí)際檢測(cè)結(jié)果會(huì)損失部分目標(biāo)置信度,一方面是由于在實(shí)際部署中對(duì)模型進(jìn)行了剪枝操作;另一方面檢測(cè)圖像與訓(xùn)練圖像有差異也會(huì)產(chǎn)生一定的干擾,但總體上對(duì)檢測(cè)結(jié)果準(zhǔn)確度影響不大. 統(tǒng)計(jì)兩周檢測(cè)結(jié)果,總共發(fā)起檢測(cè) 200 余次,每次均能正確檢測(cè)接地桿狀態(tài),檢測(cè)效果良好.

    4 總結(jié)

    本文提出了一種基于改進(jìn)YOLOv4 算法的動(dòng)車庫(kù)接地桿狀態(tài)檢測(cè)方法,運(yùn)用該算法對(duì)動(dòng)車庫(kù)內(nèi)接地桿的掛摘狀態(tài)進(jìn)行檢測(cè)驗(yàn)證實(shí)驗(yàn),結(jié)果表明該改進(jìn)方法對(duì)接地桿有不錯(cuò)的識(shí)別效果,檢測(cè)準(zhǔn)確度達(dá)到100%. 對(duì)于庫(kù)內(nèi)與背景相似的接地桿能夠準(zhǔn)確識(shí)別,且識(shí)別速度也快. 不足之處是該算法暫時(shí)無(wú)法識(shí)別電動(dòng)接地桿是否損壞,以及判斷電動(dòng)接地桿是處于由閉到開(kāi)還是由開(kāi)到閉的狀態(tài),后續(xù)會(huì)針對(duì)這些不足繼續(xù)完善算法模型.

    猜你喜歡
    池化注意力聚類
    基于緊湊型雙線性網(wǎng)絡(luò)的野生茵識(shí)別方法研究
    基于Sobel算子的池化算法設(shè)計(jì)
    讓注意力“飛”回來(lái)
    卷積神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)加權(quán)池化
    基于卷積神經(jīng)網(wǎng)絡(luò)和池化算法的表情識(shí)別研究
    基于DBSACN聚類算法的XML文檔聚類
    “揚(yáng)眼”APP:讓注意力“變現(xiàn)”
    A Beautiful Way Of Looking At Things
    基于改進(jìn)的遺傳算法的模糊聚類算法
    一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
    99在线视频只有这里精品首页| 高清在线视频一区二区三区 | 中文欧美无线码| 黄片wwwwww| 久久中文看片网| 国产精品精品国产色婷婷| 毛片一级片免费看久久久久| 51国产日韩欧美| 国产单亲对白刺激| 日韩大尺度精品在线看网址| 免费无遮挡裸体视频| 成人毛片a级毛片在线播放| 亚洲欧美精品专区久久| 国产一区二区亚洲精品在线观看| 夜夜爽天天搞| 成人二区视频| 在线国产一区二区在线| 婷婷亚洲欧美| 2022亚洲国产成人精品| 久久人人爽人人爽人人片va| videossex国产| 国产69精品久久久久777片| 国产成人a区在线观看| 日韩,欧美,国产一区二区三区 | 99国产极品粉嫩在线观看| 亚洲av.av天堂| 欧美一区二区亚洲| 久久国内精品自在自线图片| 精品日产1卡2卡| 99久久精品一区二区三区| 一个人看的www免费观看视频| 精品人妻熟女av久视频| 内地一区二区视频在线| 免费av不卡在线播放| 欧美bdsm另类| 免费人成视频x8x8入口观看| 精品99又大又爽又粗少妇毛片| 精品少妇黑人巨大在线播放 | 91久久精品国产一区二区三区| 麻豆国产av国片精品| 又黄又爽又刺激的免费视频.| .国产精品久久| 亚洲欧洲国产日韩| 欧美xxxx黑人xx丫x性爽| 99热这里只有精品一区| 美女脱内裤让男人舔精品视频 | 久久草成人影院| 亚洲成av人片在线播放无| 神马国产精品三级电影在线观看| 少妇丰满av| 亚洲无线在线观看| 精品久久久久久久末码| 性欧美人与动物交配| 国产午夜精品论理片| 欧美又色又爽又黄视频| 午夜亚洲福利在线播放| 亚洲国产精品久久男人天堂| av天堂中文字幕网| 国产精品一区二区三区四区久久| 国产片特级美女逼逼视频| 国产成人a区在线观看| 寂寞人妻少妇视频99o| 日韩三级伦理在线观看| 亚洲人与动物交配视频| 精品少妇黑人巨大在线播放 | 欧美在线一区亚洲| 99久久人妻综合| 免费av不卡在线播放| 国产成人91sexporn| 精品久久久久久久末码| 青春草视频在线免费观看| av在线蜜桃| 哪里可以看免费的av片| 简卡轻食公司| 在线播放无遮挡| 国产三级在线视频| 99久久无色码亚洲精品果冻| 中文字幕人妻熟人妻熟丝袜美| 国产高清不卡午夜福利| 高清日韩中文字幕在线| 国产精品一区www在线观看| a级一级毛片免费在线观看| 男的添女的下面高潮视频| 亚洲国产欧美人成| 久久精品国产99精品国产亚洲性色| 熟妇人妻久久中文字幕3abv| 午夜a级毛片| av卡一久久| 日本在线视频免费播放| 亚洲成人久久性| 国产一区二区在线av高清观看| 午夜激情福利司机影院| 内射极品少妇av片p| 97人妻精品一区二区三区麻豆| 欧美日韩乱码在线| 天堂影院成人在线观看| 精品一区二区三区人妻视频| 淫秽高清视频在线观看| 国产精品久久电影中文字幕| 成年女人看的毛片在线观看| 国国产精品蜜臀av免费| 人妻久久中文字幕网| 看十八女毛片水多多多| 精品午夜福利在线看| 能在线免费观看的黄片| 国产精品一区二区三区四区免费观看| 亚洲自偷自拍三级| 热99re8久久精品国产| 午夜免费男女啪啪视频观看| 婷婷色综合大香蕉| 午夜免费激情av| 亚洲欧美日韩高清在线视频| 91午夜精品亚洲一区二区三区| av在线天堂中文字幕| 蜜桃亚洲精品一区二区三区| 精品不卡国产一区二区三区| 国产男人的电影天堂91| 欧美丝袜亚洲另类| 人人妻人人澡人人爽人人夜夜 | 天堂中文最新版在线下载 | av在线老鸭窝| 欧美日本亚洲视频在线播放| av在线播放精品| 亚洲国产精品久久男人天堂| 国产高潮美女av| 乱人视频在线观看| 人妻久久中文字幕网| 欧美日韩综合久久久久久| 国产高清视频在线观看网站| 99热全是精品| 欧美+日韩+精品| 日韩一本色道免费dvd| 日韩欧美精品v在线| 美女高潮的动态| 中文字幕制服av| 精品少妇黑人巨大在线播放 | 人人妻人人澡欧美一区二区| 国产黄a三级三级三级人| 一级毛片我不卡| 亚洲天堂国产精品一区在线| 亚洲第一区二区三区不卡| 亚洲熟妇中文字幕五十中出| 精品一区二区三区视频在线| 男女那种视频在线观看| 欧美区成人在线视频| 久久久久久久久大av| 亚洲七黄色美女视频| 成人av在线播放网站| 日本三级黄在线观看| 欧美激情国产日韩精品一区| 国产熟女欧美一区二区| 欧美日韩在线观看h| 亚州av有码| 国产精品爽爽va在线观看网站| 欧美xxxx黑人xx丫x性爽| 麻豆乱淫一区二区| 十八禁国产超污无遮挡网站| 91狼人影院| 亚洲在久久综合| 欧美精品一区二区大全| 草草在线视频免费看| 亚洲av熟女| 亚洲图色成人| 久久久久久九九精品二区国产| 午夜亚洲福利在线播放| 精品国内亚洲2022精品成人| 91av网一区二区| 最后的刺客免费高清国语| 免费一级毛片在线播放高清视频| 少妇被粗大猛烈的视频| 亚洲国产精品成人久久小说 | 99国产精品一区二区蜜桃av| 成人欧美大片| 色综合亚洲欧美另类图片| 久久久久网色| 特级一级黄色大片| 一边亲一边摸免费视频| 91精品国产九色| 天堂中文最新版在线下载 | 久久这里有精品视频免费| 国产精品无大码| 99riav亚洲国产免费| 小蜜桃在线观看免费完整版高清| 热99在线观看视频| 夜夜夜夜夜久久久久| 国产精品一区二区在线观看99 | 蜜臀久久99精品久久宅男| 免费搜索国产男女视频| 亚洲欧美成人精品一区二区| 国产精品国产三级国产av玫瑰| 中文字幕精品亚洲无线码一区| 免费无遮挡裸体视频| 亚洲精品粉嫩美女一区| 中文在线观看免费www的网站| 中文字幕av成人在线电影| 女人十人毛片免费观看3o分钟| 又黄又爽又刺激的免费视频.| ponron亚洲| 99久久中文字幕三级久久日本| 欧美人与善性xxx| av在线亚洲专区| 日韩人妻高清精品专区| 中文精品一卡2卡3卡4更新| 欧美在线一区亚洲| 久久精品国产亚洲网站| 色尼玛亚洲综合影院| 看免费成人av毛片| 亚洲精品日韩av片在线观看| 99九九线精品视频在线观看视频| 亚洲精品456在线播放app| 久久这里有精品视频免费| 亚洲成人久久性| 色噜噜av男人的天堂激情| 国产一区二区激情短视频| 久久韩国三级中文字幕| 成人亚洲精品av一区二区| 尾随美女入室| 日韩av不卡免费在线播放| 麻豆国产97在线/欧美| 一本一本综合久久| 最近最新中文字幕大全电影3| 全区人妻精品视频| 日韩制服骚丝袜av| 欧美日韩乱码在线| 国产精品伦人一区二区| 亚洲欧美日韩东京热| 26uuu在线亚洲综合色| 亚洲精品久久国产高清桃花| 国内久久婷婷六月综合欲色啪| 精品免费久久久久久久清纯| 国产日韩欧美在线精品| 成人三级黄色视频| 精品无人区乱码1区二区| 美女脱内裤让男人舔精品视频 | 一级黄片播放器| 精品久久久久久久人妻蜜臀av| 久久99热这里只有精品18| 一级黄片播放器| 亚洲人成网站在线播放欧美日韩| 久久6这里有精品| 欧美变态另类bdsm刘玥| 长腿黑丝高跟| 最近最新中文字幕大全电影3| 久久国产乱子免费精品| 能在线免费观看的黄片| 国产伦理片在线播放av一区 | 欧美日韩乱码在线| 成人亚洲精品av一区二区| 少妇高潮的动态图| www.色视频.com| 精品欧美国产一区二区三| 亚洲丝袜综合中文字幕| 日本黄大片高清| 精品久久国产蜜桃| 99久国产av精品国产电影| 日韩大尺度精品在线看网址| 在线观看av片永久免费下载| a级毛片免费高清观看在线播放| 麻豆乱淫一区二区| 91狼人影院| av免费观看日本| 欧美zozozo另类| 日本三级黄在线观看| 久久精品91蜜桃| 欧美一区二区国产精品久久精品| 青春草国产在线视频 | 午夜a级毛片| 一级毛片我不卡| 啦啦啦韩国在线观看视频| 日本五十路高清| 亚洲最大成人手机在线| 熟女电影av网| 一边摸一边抽搐一进一小说| 老熟妇乱子伦视频在线观看| 欧美性猛交╳xxx乱大交人| 天堂网av新在线| 人人妻人人澡欧美一区二区| 91久久精品国产一区二区成人| 观看免费一级毛片| 欧美又色又爽又黄视频| 亚洲aⅴ乱码一区二区在线播放| 看黄色毛片网站| 爱豆传媒免费全集在线观看| 亚洲不卡免费看| 亚洲欧美精品专区久久| 99热全是精品| 大型黄色视频在线免费观看| 国产淫片久久久久久久久| 人人妻人人澡人人爽人人夜夜 | 国产爱豆传媒在线观看| 国产老妇伦熟女老妇高清| av天堂中文字幕网| 午夜福利在线观看吧| 搞女人的毛片| 中文字幕熟女人妻在线| kizo精华| 成人特级av手机在线观看| 十八禁国产超污无遮挡网站| 美女黄网站色视频| 人妻久久中文字幕网| 久久人人精品亚洲av| 狂野欧美白嫩少妇大欣赏| 亚洲第一区二区三区不卡| 性插视频无遮挡在线免费观看| 国产伦在线观看视频一区| 精品久久国产蜜桃| 国产精品野战在线观看| 国产一区二区在线av高清观看| 国产高清三级在线| 高清日韩中文字幕在线| 国产综合懂色| 日韩欧美三级三区| av在线老鸭窝| 亚州av有码| 国产精品久久电影中文字幕| 欧美日韩精品成人综合77777| 日韩一区二区三区影片| 寂寞人妻少妇视频99o| 一个人观看的视频www高清免费观看| 99热精品在线国产| 精品一区二区三区人妻视频| 18+在线观看网站| 五月伊人婷婷丁香| 一级毛片我不卡| 国产久久久一区二区三区| 国产精品一区二区三区四区免费观看| 亚洲欧洲国产日韩| 亚洲欧美中文字幕日韩二区| 日日摸夜夜添夜夜添av毛片| 久久精品夜夜夜夜夜久久蜜豆| 一本久久精品| 亚洲精华国产精华液的使用体验 | 亚洲欧美日韩高清专用| 久久亚洲国产成人精品v| 久久婷婷人人爽人人干人人爱| 成人av在线播放网站| 一个人看视频在线观看www免费| 日韩欧美一区二区三区在线观看| 三级毛片av免费| 亚洲av二区三区四区| 综合色av麻豆| 99久久成人亚洲精品观看| 久久精品国产自在天天线| 中出人妻视频一区二区| 3wmmmm亚洲av在线观看| 欧洲精品卡2卡3卡4卡5卡区| www日本黄色视频网| 国产单亲对白刺激| 看非洲黑人一级黄片| 晚上一个人看的免费电影| 亚洲国产精品sss在线观看| 成人鲁丝片一二三区免费| 午夜福利在线在线| 桃色一区二区三区在线观看| 国产精品福利在线免费观看| 亚洲一区高清亚洲精品| 精品久久久久久久久亚洲| 一级av片app| 国产 一区精品| 成年免费大片在线观看| 深夜a级毛片| 国产单亲对白刺激| 男人舔女人下体高潮全视频| 九九爱精品视频在线观看| 国产一区二区在线观看日韩| 高清毛片免费看| 搡女人真爽免费视频火全软件| 内地一区二区视频在线| 久久久久久久久大av| 亚洲天堂国产精品一区在线| 国产高清视频在线观看网站| 国产av麻豆久久久久久久| 国产国拍精品亚洲av在线观看| 国产 一区 欧美 日韩| 精品一区二区免费观看| 国产高清三级在线| 亚洲精品粉嫩美女一区| 国产成人午夜福利电影在线观看| 一级二级三级毛片免费看| 中国美白少妇内射xxxbb| 久久精品综合一区二区三区| 国产成人午夜福利电影在线观看| 少妇裸体淫交视频免费看高清| av在线亚洲专区| 午夜亚洲福利在线播放| 少妇高潮的动态图| 国产成人影院久久av| 精品熟女少妇av免费看| 国产真实乱freesex| 国产乱人视频| 青春草国产在线视频 | 国产黄色视频一区二区在线观看 | 中国国产av一级| 亚洲性久久影院| 亚洲七黄色美女视频| 色综合色国产| 插阴视频在线观看视频| 身体一侧抽搐| 亚洲国产精品成人久久小说 | 亚洲久久久久久中文字幕| 婷婷六月久久综合丁香| 亚洲av成人精品一区久久| АⅤ资源中文在线天堂| 国产精品野战在线观看| 一级毛片久久久久久久久女| 国产成人一区二区在线| 毛片一级片免费看久久久久| 久久精品91蜜桃| 国产淫片久久久久久久久| 在线观看av片永久免费下载| 成人鲁丝片一二三区免费| www日本黄色视频网| 蜜桃久久精品国产亚洲av| 亚洲综合色惰| 啦啦啦观看免费观看视频高清| 成年女人永久免费观看视频| 伦精品一区二区三区| 亚洲七黄色美女视频| 一个人看的www免费观看视频| 一级毛片我不卡| 精品一区二区三区人妻视频| 麻豆乱淫一区二区| 国产不卡一卡二| 国产av一区在线观看免费| 97超视频在线观看视频| 国产在线男女| 亚洲七黄色美女视频| 免费av不卡在线播放| 国产亚洲精品久久久com| 欧美一区二区精品小视频在线| 99热全是精品| 少妇丰满av| 国产大屁股一区二区在线视频| 免费电影在线观看免费观看| 国产精品野战在线观看| 日韩成人av中文字幕在线观看| 老熟妇乱子伦视频在线观看| 亚洲精品久久国产高清桃花| 午夜福利高清视频| 麻豆av噜噜一区二区三区| 色噜噜av男人的天堂激情| 精品人妻一区二区三区麻豆| 亚洲内射少妇av| 亚洲国产日韩欧美精品在线观看| 欧美在线一区亚洲| 不卡一级毛片| 麻豆精品久久久久久蜜桃| 亚洲欧美日韩无卡精品| 九九爱精品视频在线观看| 亚洲av免费在线观看| 麻豆一二三区av精品| 日本免费a在线| 亚洲经典国产精华液单| 精品欧美国产一区二区三| 日日啪夜夜撸| 亚洲不卡免费看| 精品午夜福利在线看| 在线国产一区二区在线| 亚洲国产精品成人综合色| 在线观看免费视频日本深夜| 欧美xxxx性猛交bbbb| 美女大奶头视频| 久久精品国产鲁丝片午夜精品| 观看美女的网站| 麻豆精品久久久久久蜜桃| 久久热精品热| 好男人在线观看高清免费视频| 欧美日韩综合久久久久久| 欧美在线一区亚洲| 少妇熟女aⅴ在线视频| 最近视频中文字幕2019在线8| 亚洲av中文字字幕乱码综合| 又粗又硬又长又爽又黄的视频 | 欧美精品一区二区大全| 春色校园在线视频观看| av福利片在线观看| 一个人观看的视频www高清免费观看| 成人高潮视频无遮挡免费网站| 免费观看人在逋| 伦精品一区二区三区| 欧美一区二区亚洲| 成人高潮视频无遮挡免费网站| 国产成人影院久久av| 男女啪啪激烈高潮av片| 免费看日本二区| 久久久久久伊人网av| 国产欧美日韩精品一区二区| 日本爱情动作片www.在线观看| 插逼视频在线观看| 午夜激情欧美在线| 久久亚洲精品不卡| av专区在线播放| 一夜夜www| av.在线天堂| 人妻系列 视频| 男女做爰动态图高潮gif福利片| 亚洲在线观看片| a级毛片a级免费在线| 大香蕉久久网| 成人av在线播放网站| 日本色播在线视频| 欧美一级a爱片免费观看看| 99九九线精品视频在线观看视频| 欧美区成人在线视频| 少妇人妻精品综合一区二区 | 欧美3d第一页| 在线免费观看的www视频| 亚洲欧美成人精品一区二区| 欧美xxxx黑人xx丫x性爽| 男女啪啪激烈高潮av片| 亚洲精品乱码久久久v下载方式| 九色成人免费人妻av| 两性午夜刺激爽爽歪歪视频在线观看| 久久久久九九精品影院| 日本五十路高清| 尤物成人国产欧美一区二区三区| 国产精品爽爽va在线观看网站| 亚洲经典国产精华液单| 欧美xxxx性猛交bbbb| 亚洲欧美成人综合另类久久久 | 久久欧美精品欧美久久欧美| 久久精品国产鲁丝片午夜精品| 国产精品日韩av在线免费观看| 99久久九九国产精品国产免费| 亚洲国产色片| 久久精品国产自在天天线| 国产探花在线观看一区二区| 亚洲欧美日韩卡通动漫| 一进一出抽搐gif免费好疼| 亚洲精品456在线播放app| 亚洲自偷自拍三级| 国产精品乱码一区二三区的特点| 亚洲av免费高清在线观看| 成人三级黄色视频| 中文字幕久久专区| 最近中文字幕高清免费大全6| 亚洲一区二区三区色噜噜| 中出人妻视频一区二区| 少妇的逼好多水| 伊人久久精品亚洲午夜| 亚洲国产色片| 亚洲欧美成人综合另类久久久 | 亚洲真实伦在线观看| 天堂影院成人在线观看| 欧美一区二区亚洲| 亚洲中文字幕一区二区三区有码在线看| 婷婷色av中文字幕| 长腿黑丝高跟| 老熟妇乱子伦视频在线观看| 热99re8久久精品国产| www.色视频.com| 中文资源天堂在线| 欧美成人一区二区免费高清观看| 免费看a级黄色片| 国产亚洲av片在线观看秒播厂 | eeuss影院久久| 国产欧美日韩精品一区二区| 国产精品久久久久久av不卡| 午夜福利在线在线| 国产色爽女视频免费观看| 国产黄色小视频在线观看| 精品一区二区三区人妻视频| 校园春色视频在线观看| 国产一区二区亚洲精品在线观看| av天堂中文字幕网| 日本黄色片子视频| 国产高清视频在线观看网站| 婷婷亚洲欧美| 秋霞在线观看毛片| 国产私拍福利视频在线观看| 麻豆成人av视频| 午夜精品在线福利| 久久精品夜夜夜夜夜久久蜜豆| 久久久久久久久中文| 高清毛片免费观看视频网站| 亚洲成人精品中文字幕电影| 日韩大尺度精品在线看网址| 国产精品久久久久久av不卡| 最好的美女福利视频网| 国产色爽女视频免费观看| 69人妻影院| 22中文网久久字幕| 一本精品99久久精品77| 最近中文字幕高清免费大全6| 国内少妇人妻偷人精品xxx网站| 亚洲第一电影网av| 国产黄色小视频在线观看| 欧美一区二区精品小视频在线| 国内久久婷婷六月综合欲色啪| 欧美一区二区亚洲| 欧美精品一区二区大全| 高清在线视频一区二区三区 | 午夜免费激情av| 婷婷色综合大香蕉| 看黄色毛片网站| 毛片女人毛片| 久久亚洲精品不卡| 欧美日韩国产亚洲二区| 成人av在线播放网站| 久久久久久伊人网av| 两性午夜刺激爽爽歪歪视频在线观看| 可以在线观看的亚洲视频| 亚洲av男天堂| 内射极品少妇av片p| 国产精品美女特级片免费视频播放器| 色综合亚洲欧美另类图片| 亚洲在久久综合| 久久精品夜色国产| 国产成年人精品一区二区| 一个人看的www免费观看视频| 啦啦啦啦在线视频资源| 亚洲欧洲日产国产| 成人特级黄色片久久久久久久| 晚上一个人看的免费电影| 舔av片在线|