• <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 ?

    面向火焰快速檢測的輕量化深度網(wǎng)絡(luò)研究

    2022-09-06 11:09:26斌,李靖,趙康,周
    計算機工程與應(yīng)用 2022年17期
    關(guān)鍵詞:火焰注意力卷積

    王 斌,李 靖,趙 康,周 溫

    1.中北大學(xué) 大數(shù)據(jù)學(xué)院,太原 030051

    2.山西新思備科技股份有限公司,山西 晉中 030600

    火災(zāi)一直在危害人類生命及財產(chǎn)安全?;趥鞲衅鞯膫鹘y(tǒng)火焰探測技術(shù),例如感溫、感煙和感光傳感器等都需要通過敏感原件檢測火焰燃燒過程中溫度、煙霧顆粒和光照強度等物理參量。然而無論是哪種參量都需要一定時間積累,所以傳統(tǒng)傳感器火焰檢測在火藥制品等快速爆發(fā)、蔓延極快的應(yīng)用環(huán)境受到較大挑戰(zhàn)?;谝曈X的火焰檢測受距離限制較小、覆蓋范圍廣、響應(yīng)速度快,因此對視覺火焰極速探測的研究迫切且意義深遠[1-2]。

    傳統(tǒng)基于計算機視覺的火焰檢測技術(shù)依賴于手工特征,例如對火焰顏色[3-4]、紋理[5]等特征進行提取。Wang 等[6]提出一種RGB-HIS 顏色模型,用于室內(nèi)環(huán)境提取圖像的火焰區(qū)域。另外,火焰在時間上的質(zhì)心運動也可以作為加強判斷依據(jù)。Xie等[7]提出一種視頻火焰探測方法,融合了火焰隨時間變化的閃爍特征與單張圖像深層靜態(tài)特征。Huang 等[8]對分幀圖像序列進行去噪、濾波,提取可疑火焰區(qū)域的靜態(tài)特征和動態(tài)特征,隨后基于改進支持向量機利用融合特征進行分類。然而現(xiàn)實中火災(zāi)類型和場景復(fù)雜,不確定因素眾多,依賴于人工算法提取特征泛化性不強。

    近年來,基于深度神經(jīng)網(wǎng)絡(luò)強大的非線性表示能力及自動特征提取性質(zhì),深度學(xué)習(xí)在多個行業(yè)、領(lǐng)域的應(yīng)用取得突破性進展[9-11]。基于深度學(xué)習(xí)的火焰檢測可分為基于圖像分類網(wǎng)絡(luò)的識別方法和基于目標檢測網(wǎng)絡(luò)的定位方法。在分類任務(wù)中只需辨別場景中是否有火焰存在,故火焰檢測常被判別為二分類問題。多位研究者用MobileNet[12]、DenseNet[13]、Inception[14]、VGG16和Resnet50[15]等作為基礎(chǔ)網(wǎng)絡(luò)來訓(xùn)練火焰數(shù)據(jù)集。這些方法在速度和準確率方面都達到了一個較好水平,但其無法定位火焰的確切位置,通過目標檢測方法可以很好地解決這一問題。

    目前,目標檢測方法可大致被分為兩階段和單階段目標檢測方法。其中兩階段目標檢測代表性方法是Faster-RCNN,盡管其在火焰檢測準確率上取得不錯效果,但是時間消耗較大[16]。Li 等[17]對Faster-RCNN、RFCN、SSD和YOLOv3上進行火焰檢測性能對比,并得出結(jié)論YOLOv3是當時火焰檢測性能最佳選擇。Sun等[18]提出雙網(wǎng)絡(luò)來解決燈光等類火目標對火焰檢測的干擾,待檢測圖像先經(jīng)過YOLOv3中對類火目標進行檢測,將類火目標掩膜后送入Inceptionv4網(wǎng)絡(luò)中進行分類預(yù)測。Muhammad等[19]提出一種特征圖選擇算法,可以從訓(xùn)練過程中智能地選擇對火敏感的特征圖。為了進一步提升檢測速度,更加輕量化YOLO系列目標檢測網(wǎng)絡(luò)[20]受到研究者們的青睞。Shen 等[21]提出一種輕量化網(wǎng)絡(luò)模型LFnet用來進行煙火檢測,該模型不僅對多尺度特征進行融合,還加入通道注意力機制以增強模型抗干擾能力。

    為了提高火焰檢測及定位精度,目前現(xiàn)有基于深度學(xué)習(xí)的火焰檢測算法通常依賴于大型卷積神經(jīng)網(wǎng)絡(luò),這往往導(dǎo)致參數(shù)量過多及檢測時間慢等問題[22-24],難以滿足火焰極速檢測實時性需求。另外,火焰檢測過程往往會遇到光照(陽光、燈光直射及反射等)、太陽、晚霞等類火目標造成的干擾。

    針對這些問題,本文提出一種輕量級卷積神經(jīng)網(wǎng)絡(luò)的魯棒火焰檢測網(wǎng)絡(luò)。首先,通過Mosaic 數(shù)據(jù)增強方式建立火焰極速檢測多樣化場景數(shù)據(jù)集,其中包括了常見干擾因素,如多種條件下反射光、太陽、路燈等場景;然后,為進一步輕量化YOLOv4-tiny 目標檢測網(wǎng)絡(luò),本文選用深度可分離卷積替換YOLOv4-tiny 主干網(wǎng)絡(luò)的普通卷積,大大降低模型參數(shù)量;其次,融合了特征提取網(wǎng)絡(luò)多尺度特征形成四檢測頭網(wǎng)絡(luò),適應(yīng)多種尺度火焰目標檢測可有效避免火苗蔓延造成的誤檢、漏檢;最后,在特征融合網(wǎng)絡(luò)FPN中引入ECA通道注意力機制有效提升火焰檢測精度。

    1 YOLOv4-tiny檢測模型簡介

    YOLOv4-tiny是近年來輕量化目標檢測網(wǎng)絡(luò)典型代表,其參數(shù)量大約只有600 萬,相當于YOLOv4 的1/10。YOLOv4-tiny主干特征提取網(wǎng)絡(luò)采用CSPDarknet53-tiny,它包含15個卷積層。為緩解網(wǎng)絡(luò)模型退化問題,YOLOv4-tiny加入了3個殘差單元[25],激活函數(shù)采用LeakyReLU。為了得到更多語義信息,YOLOv4-tiny使用特征金字塔網(wǎng)絡(luò)FPN提取并融合不同尺度特征。另外,YOLOv4-tiny輸出兩個檢測頭可分別用于預(yù)測不同尺度下目標。

    2 改進檢測模型YOLOv4-tiny-L3/4

    YOLOv4-tiny 在檢測精度和反應(yīng)速度上均取得了不錯效果,本文將結(jié)合火焰極速檢測中存在問題提出魯棒性輕量化檢測網(wǎng)絡(luò),網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 YOLOv4-tiny-L3/L4網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 YOLOv4-tiny-L3/L4 network structure diagram

    首先為進一步減少模型參數(shù)及計算量,提出的模型通過深度可分離卷積(ConvDW)代替普通卷積進一步實現(xiàn)模型輕量化。

    然后通過ConDW+BN+LeakyRelu模塊實現(xiàn)特征提取,其中BN 層可加速網(wǎng)絡(luò)收斂,有效控制梯度爆炸和梯度消失。同時改進的網(wǎng)絡(luò)結(jié)構(gòu)中包含3個殘差模塊,每個殘差模塊由ConDW+BN+LeakyRelu 模塊和1 個MaxPooling塊構(gòu)成。

    YOLOv4-tiny 在合并有效特征層時使用了特征金字塔(FPN)網(wǎng)絡(luò),然而其結(jié)構(gòu)過于簡單;而且不同尺度特征融合策略也比較單一,僅有一次上采樣后特征層堆疊。為擴大YOLOv4-tiny 的網(wǎng)絡(luò)感受野并實現(xiàn)特征增強,本文融合4個特征層信息并且在多尺度融合過程中插入ECA通道注意力模塊實現(xiàn)精度提升。

    考慮到火焰尺度往往會隨時間發(fā)生變化,尤其是某些火焰極易爆發(fā)的場景(如黑火藥火焰),本文提取4個檢測頭用于實現(xiàn)不同尺度下火焰檢測任務(wù)。

    2.1 深度可分離卷積

    深度可分離卷積是將一個完整普通卷積分解為逐通道卷積(depthwise convolution)和逐點卷積(pointwise convolution)兩部分用于完成特征提取,極大降低了參數(shù)量和運算成本[26],如圖2所示。

    圖2 普通卷積和深度可分離卷積的網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2 Network structure diagram of ordinary convolution and deep separable convolution

    DW 卷積首先將多通道特征圖拆分為單通道特征圖,并分別對其進行單通道卷積操作,然后重新堆疊到一起。DW 卷積完成后特征圖數(shù)量與輸入層通道數(shù)相同,只是對特征圖尺寸方面可能有所調(diào)整。DW卷積中輸入層各通道獨立進行卷積運算,沒有有效利用不同通道在相同空間位置上的特征信息。PW卷積的主要任務(wù)便是融合通道信息并實現(xiàn)特征圖擴展。PW卷積與常規(guī)卷積運算非常相似,只是它采取的卷積核均為1×1 大小,濾波器包含了與上一層通道數(shù)一樣數(shù)量的卷積核。一個濾波器輸出一張?zhí)卣鲌D,因此多個通道,則需要多個濾波器。

    2.2 注意力機制

    為加強特征提取質(zhì)量,YOLOv4-tiny-L3/L4 網(wǎng)絡(luò)引入ECA 通道注意力模塊[27]。它針對SE(squeeze-andexcitation)模塊做出改進[28],提出了一種不降維局部跨信道交互策略和自適應(yīng)選擇一維卷積核大小的方法,并且一維卷積核大小可以通過學(xué)習(xí)得到,以極少參數(shù)量顯著提升特征提取質(zhì)量。其模塊圖如圖3所示。

    圖3 中X為輸入特征圖,X~ 為加權(quán)之后輸出特征圖。H、W、C為特征圖高,寬和通道維數(shù)。GAP(global average pooling)為全局平均池化操作,K為一維卷積核大小,為避免手動調(diào)優(yōu)的不確定性,K采用公式(1)自適應(yīng)調(diào)整。σ為sigmoid激活函數(shù)。

    圖3 ECA通道注意力模塊Fig.3 ECA channel attention module

    其中|x|odd為最接近x的奇數(shù)。

    2.3 多尺度檢測頭

    另外,火焰爆發(fā)前期均為火苗、火星等小目標,然后逐步發(fā)展為大面積火焰,這要求檢測網(wǎng)絡(luò)對不同尺度火焰目標有較強敏感度。由于卷積過程中淺層特征包含更多位置信息,為增強原YOLOv4-tiny(輸入為416×416×3)對于小目標敏感程度,在原有兩層特征金字塔(13×13、26×26)基礎(chǔ)上又增加兩層淺層特征(52×52、104×104)用于檢測頭預(yù)測。多尺度特征融合及檢測頭預(yù)測一方面可提升目標檢測精度;另一方面能有效降低不同尺度下火焰誤檢、漏檢。

    3 實驗設(shè)置與結(jié)果分析

    3.1 數(shù)據(jù)集

    本文將數(shù)據(jù)集圖像分為訓(xùn)練集、測試集和驗證集,共11 037張。其中8 939張圖像用于作訓(xùn)練集,994張圖像用于作驗證集,1 104 張圖像作測試集。本文數(shù)據(jù)集主要從三方渠道獲取,一部分為網(wǎng)絡(luò)資源獲取,一部分為自行采集的火藥燃燒數(shù)據(jù)集,其余為文獻[9]和文獻[13]提供的火焰圖片。在制作數(shù)據(jù)集方面首先將自行采集的視頻數(shù)據(jù)集分幀操作,形成視頻幀圖像和火焰圖像混合數(shù)據(jù)集,然后將圖像進行數(shù)據(jù)增強,包含旋轉(zhuǎn)、翻轉(zhuǎn)、顏色增強、隨機顏色、對比度增強、亮度增強和Mosaic數(shù)據(jù)增強,增強后數(shù)據(jù)集共11 037張圖像。其中Mosaic數(shù)據(jù)增強方法是將4張圖像先進行簡單矩陣變換,例如旋轉(zhuǎn)、色域變化、縮放等,然后再進行裁剪拼接形成四宮格圖像。通過這種方式極大豐富了檢測物體背景,并且在batch normalization 計算時會同時考慮4 張圖片數(shù)據(jù),提高了訓(xùn)練效率。數(shù)據(jù)增強示例如圖4所示。

    圖4 數(shù)據(jù)增強示例效果Fig.4 Data enhancement example

    為進一步驗證算法魯棒性,本文利用類火目標通過Mosaic 數(shù)據(jù)增強方式制作干擾數(shù)據(jù)集用于訓(xùn)練和測試模型。其中部分類火目標圖片來自于文獻[9],真實火焰目標圖像則來主要自于本文采集火焰視頻數(shù)據(jù)集分幀后的圖像,由此形成1 000 張干擾圖像。干擾集圖像制作過程如圖5所示。

    圖5 基于Mosaic數(shù)據(jù)增強的魯棒數(shù)據(jù)集Fig.5 Robust data set based on Mosaic data enhancement

    3.2 參數(shù)設(shè)置

    對于有錨框(anchor)的目標檢測算法來說,需要預(yù)先設(shè)定錨框大小比例。本文采用基于改進YOLOv4-tiny 輕量化目標檢測算法,將圖片分別劃分為13×13、26×26、52×52、104×104 大小的網(wǎng)格。對于自建數(shù)據(jù)集以及經(jīng)過數(shù)據(jù)標注后的真實目標框,本文通過K-means算法對標注后真實目標框進行長寬比聚類計算[29],得出12 個尺寸的先驗框大小。實踐表明經(jīng)過K-means 聚類后得出的先驗框更加符合火焰真實大小,能夠加快模型收斂速度,同時可有效提升檢測精度。

    在訓(xùn)練過程中,隨機梯度下降法很可能陷入局部最優(yōu)解,從而使得訓(xùn)練效果不理想。本文采用余弦退火(cosine annealing)算法通過衰減學(xué)習(xí)率可有效解決這一問題。余弦退火算法主要通過熱重啟(warm restart)突然增加學(xué)習(xí)率,以此來跳出局部最優(yōu)解[30]。采用余弦退火算法學(xué)習(xí)率更新方式如下所示:

    其中,lrnew表示新學(xué)習(xí)率,etamin為最小學(xué)習(xí)率,lrinitial為初始學(xué)習(xí)率,Tmax表示余弦周期的1/2。

    本文訓(xùn)練參數(shù)Tmax=5,etamin=0.000 05,權(quán)重衰減正則項為0.000 5,學(xué)習(xí)率為0.001,迭代次數(shù)epoch=500,選取loss最低權(quán)重作為最后預(yù)測權(quán)重。

    3.3 評價指標

    本文所使用評價指標包括準確率(precision,P)、平均準確率(average precision,AP)、多類別AP 平均值(mean AP,mAP)、召回率(recall,R)、基于準確率與召回率綜合評價指標(F1-score,F(xiàn)1)、模型復(fù)雜度評價標準為參數(shù)量大?。∕Byte,MB)和每秒浮點運算次數(shù)(floating-point operations per second,F(xiàn)LOPs)。計算公式如下:其中,TP代表正確預(yù)測正樣本數(shù)量,F(xiàn)P表示錯誤預(yù)測正樣本數(shù)量,F(xiàn)N表示錯誤預(yù)測負樣本的數(shù)量,Spr表示不同置信度下precision-recall 曲線下面積,表示多類別AP平均值。

    3.4 實驗結(jié)果

    實驗對比方法包括YOLOv4-tiny、Efficientnet 作為主干網(wǎng)絡(luò)目標檢測方法EfficientDet[31]、Mobilenet 替換SSD 原先主干網(wǎng)絡(luò)而形成的Mobilenet-SSD,以及本文改進YOLOv4-tiny 之后形成三層探測頭方法YOLOv4-tiny-L3(13×13,26×26,52×52)和四層探測頭方法YOLOv4-tiny-L4(13×13,26×26,52×52,104×104)。

    3.4.1 模型復(fù)雜度對比實驗

    各種方法參數(shù)量和計算量如表1 所示,改進后YOLOv4-tiny 由于在骨干網(wǎng)絡(luò)使用深度可分離卷積代替普通3×3卷積,其參數(shù)量和計算量大幅降低。雖然計算量略多于MobileNet-SSD,但是在參數(shù)量方面本文改進后方法優(yōu)于其余輕量化目標檢測算法。

    表1 各種方法參數(shù)量和計算量對比Table 1 Comparison of parameters and calculation amount of each method

    3.4.2 消融和對比實驗

    為驗證提出算法有效性,本文對輕量化火焰檢測模型做了消融實驗,并在包含1 104 張圖像測試集上進行性能測試。各種方法關(guān)于測試集性能如表2所示,其中YOLOv4-tiny-L3(no-ECA)是在原YOLOv4-tiny基礎(chǔ)上使用深度可分離卷積并且在FPN 網(wǎng)絡(luò)增加了52×52 有效特征層。同理,YOLOv4-tiny-L4(no-ECA)是在YOLOv4-tiny-L3(no-ECA)基礎(chǔ)上在特征融合層FPN增加104×104 特征層。而YOLOv4-tiny-L3(ECA)和YOLOv4-tiny-L4(ECA)是將上述兩種方法分別加入ECA 通道注意力模塊。YOLOv4-tiny(ECA)是直接將原YOLOv4-tiny加入ECA通道注意力模塊。

    表2 各方法指標性能對比Table 2 Index performance comparison of each method

    通過表2 分析可得,增加有效特征層后,三層有效特征層方法YOLOv4-tiny-L3(no-ECA)在mAP和Precision上有提升,但在F1和Recall上有小幅下降。而加入第四層有效特征層YOLOv4-tiny-L4(no-ECA)后,各項數(shù)據(jù)均有提升。該實驗可說明FPN增加特征層(13×13和104×104)的有效性,多尺度檢測頭有利于模型實現(xiàn)不同尺度目標檢測,進而促進模型準確率、召回率等性能指標提升。

    對于ECA 通道注意力模塊來說,YOLOv4-tiny-L4(no-ECA)增加ECA通道注意力模塊后指標上有少量提升,YOLOv4-tiny-L3(no-ECA)則有升有降。此外,表格前兩行對EfficientDet和Mobilenet-SSD同樣在測試集做了對比測試。通過上述分析可證明ECA通道注意力模塊的有效性。注意力機制可助模型通過特征權(quán)重重分配實現(xiàn)有效特征提取,進而有效提升模型主要性能指標。

    不僅如此,通過深度可分離卷積的改進可使得模型更加輕量化。這意味著提出模型參數(shù)量僅為原YOLOv4-tiny的18%,但在火焰目標檢測方面卻實現(xiàn)了更優(yōu)性能。

    為進一步驗證mosaic數(shù)據(jù)增強有效性,本文采用不同數(shù)據(jù)集對模型進行訓(xùn)練和測試。具體地,分別通過增強前/后數(shù)據(jù)集對三種關(guān)鍵模型進行訓(xùn)練,然后統(tǒng)一根據(jù)增強后數(shù)據(jù)集進行測試,結(jié)果如表3所示。

    表3 各方法關(guān)于不同數(shù)據(jù)集指標性能對比Table 3 Index performance comparison of each method on different data sets

    通過實驗數(shù)據(jù)不難發(fā)現(xiàn)通過Mosaic 數(shù)據(jù)增強的YOLOv4-tiny、YOLOv4-tiny-L3 以及YOLOv4-tiny-L4等目標檢測模型在準確率、召回率、mAP、F1 等指標方面整體上均有所提升。

    實驗結(jié)果表明在訓(xùn)練和推理代價保持不變情況下,Mosaic數(shù)據(jù)增強可通過豐富圖片背景增加數(shù)據(jù)多樣性,進而實現(xiàn)增強模型精確率及魯棒性等目的。

    為進一步驗證ECA 注意力機制有效性,本文驗證了不同注意力機制對模型YOLOv4-tiny-L4 效果的影響,具體如表4所示。

    表4 不同注意力機制對模型YOLOv4-tiny-L4的性能影響Table 4 Effects of different attention mechanisms on YOLOv4-tiny-L4

    通過實驗數(shù)據(jù)分析可知ECA注意力機制在性能方面要優(yōu)于SE、CBAM[32]、SAM 和scSE[33]等空間、通道及空間通道混合注意力模塊,它們在注意力權(quán)重分配過程中大都使用數(shù)據(jù)降維手段以減少模型訓(xùn)練過程中計算量。ECA則實現(xiàn)了通道不降維情況下通道權(quán)重的調(diào)節(jié),并通過自適應(yīng)交叉通道學(xué)習(xí)提升性能收益。實驗結(jié)果表明ECA 有效避免了通道降維對模型性能的影響,局部交叉通道學(xué)習(xí)機制也對模型性能提升產(chǎn)生了一定促進作用。

    3.4.3 檢測時間對比實驗

    為了驗證火焰檢測網(wǎng)絡(luò)模型實時性,本文分別對五種方法進行了檢測時間對比。算法所采取運行環(huán)境為筆記本電腦(CPU-i5-8250U),記為M1;谷歌云服務(wù)器colab(GPU-Tesla K80),記為M2。算法均以干擾集圖像做檢測并求取檢測時間平均值,實驗數(shù)據(jù)如表5 所示。不難得出,在CPU 環(huán)境下MobileNet-SSD 檢測速度最快,但與本文提出算法相差并不是很大,尤其是YOLOv4-tiny-L3(ECA);在GPU環(huán)境下本文提出YOLOv4-tiny-L3(ECA)和YOLOv4-tiny-L4(ECA)網(wǎng)絡(luò)均優(yōu)于其他方法。

    表5 各方法檢測時間性能對比Table 5 Comparison of detection time of each method

    4 結(jié)語

    本文首先建立火焰檢測魯棒性數(shù)據(jù)集,然后使用深度可分離卷積改進YOLOv4-tiny主干網(wǎng)絡(luò)結(jié)構(gòu),增加有效特征層并引入ECA 注意力機制,最后實現(xiàn)多尺度火焰檢測頭用于完成不同尺度下火焰目標檢測。改進后YOLOv4-tiny 參數(shù)量僅為原模型的18%,然而檢測性能卻得到較大幅度提升,其中YOLOv4-tiny-L3 和YOLOv4-tiny-L4 在魯棒火焰檢測數(shù)據(jù)集上mAP 和F1分別達到87.73%、90.69%和81%、85%。接下來將致力于在輕量化、準確性和實時性等方面進一步提升火焰檢測性能。

    猜你喜歡
    火焰注意力卷積
    《火焰》
    最亮的火焰
    讓注意力“飛”回來
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    漂在水上的火焰
    基于傅里葉域卷積表示的目標跟蹤算法
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    吹不滅的火焰
    學(xué)與玩(2017年6期)2017-02-16 07:07:22
    A Beautiful Way Of Looking At Things
    操出白浆在线播放| 色婷婷av一区二区三区视频| 亚洲伊人色综图| 久久国产精品影院| 50天的宝宝边吃奶边哭怎么回事| 色综合欧美亚洲国产小说| 国产av精品麻豆| 纯流量卡能插随身wifi吗| 黄色视频在线播放观看不卡| 国产成+人综合+亚洲专区| 日韩制服骚丝袜av| 女人久久www免费人成看片| 老熟女久久久| 国产高清视频在线播放一区 | 久久精品国产综合久久久| 热99re8久久精品国产| 国产福利在线免费观看视频| 国产欧美日韩一区二区三区在线| 美女福利国产在线| 各种免费的搞黄视频| 欧美xxⅹ黑人| 在线观看免费视频网站a站| 亚洲中文字幕日韩| 真人做人爱边吃奶动态| √禁漫天堂资源中文www| 又大又爽又粗| 亚洲国产日韩一区二区| 亚洲成人国产一区在线观看| 人妻一区二区av| 亚洲精品久久成人aⅴ小说| 国产精品香港三级国产av潘金莲| 欧美97在线视频| 亚洲熟女毛片儿| 久久综合国产亚洲精品| 两人在一起打扑克的视频| 三级毛片av免费| 18禁黄网站禁片午夜丰满| 国产一区二区三区综合在线观看| 99热全是精品| 亚洲自偷自拍图片 自拍| 久久青草综合色| 亚洲天堂av无毛| 18禁国产床啪视频网站| 黄色 视频免费看| 9热在线视频观看99| 99九九在线精品视频| 老司机福利观看| 国产精品偷伦视频观看了| 纵有疾风起免费观看全集完整版| 国产欧美亚洲国产| 国产成人系列免费观看| 国产精品国产三级国产专区5o| 一本久久精品| 欧美精品av麻豆av| 夫妻午夜视频| 精品人妻1区二区| 国产精品一区二区免费欧美 | 秋霞在线观看毛片| 久久热在线av| 操美女的视频在线观看| 欧美精品一区二区大全| 日韩三级视频一区二区三区| 久久国产精品男人的天堂亚洲| 老司机靠b影院| 女性被躁到高潮视频| 高潮久久久久久久久久久不卡| 777米奇影视久久| 别揉我奶头~嗯~啊~动态视频 | 91精品国产国语对白视频| 高清av免费在线| 人人妻人人澡人人看| 男女边摸边吃奶| 五月开心婷婷网| 久久久精品免费免费高清| 日韩制服丝袜自拍偷拍| 水蜜桃什么品种好| 日日摸夜夜添夜夜添小说| 午夜成年电影在线免费观看| 国产一区二区在线观看av| 汤姆久久久久久久影院中文字幕| 日本a在线网址| 久久中文看片网| 国产深夜福利视频在线观看| 韩国高清视频一区二区三区| 久久久久久久大尺度免费视频| av国产精品久久久久影院| 久久久久视频综合| 久久这里只有精品19| 如日韩欧美国产精品一区二区三区| 国产精品成人在线| 性色av乱码一区二区三区2| 成年人免费黄色播放视频| 日本精品一区二区三区蜜桃| 国产一区二区三区综合在线观看| 国产在线免费精品| 国产真人三级小视频在线观看| 韩国高清视频一区二区三区| 亚洲午夜精品一区,二区,三区| 色老头精品视频在线观看| 欧美久久黑人一区二区| 久久久久久亚洲精品国产蜜桃av| 69精品国产乱码久久久| 午夜福利在线观看吧| 亚洲av国产av综合av卡| 99国产精品免费福利视频| 成年动漫av网址| 新久久久久国产一级毛片| 国产一级毛片在线| 777久久人妻少妇嫩草av网站| 黑人操中国人逼视频| 高潮久久久久久久久久久不卡| 各种免费的搞黄视频| 国产区一区二久久| 久久久国产一区二区| 青青草视频在线视频观看| 我要看黄色一级片免费的| 精品福利观看| 欧美日韩黄片免| 亚洲精品一卡2卡三卡4卡5卡 | 啦啦啦在线免费观看视频4| 亚洲精品久久午夜乱码| 丝袜美足系列| 老司机亚洲免费影院| 中文字幕高清在线视频| 久久久精品94久久精品| 久久久久久亚洲精品国产蜜桃av| 波多野结衣一区麻豆| 免费观看a级毛片全部| 人人妻人人澡人人爽人人夜夜| 国产不卡av网站在线观看| 欧美av亚洲av综合av国产av| 青春草视频在线免费观看| 99精品欧美一区二区三区四区| 十八禁高潮呻吟视频| 丰满饥渴人妻一区二区三| 悠悠久久av| 亚洲专区国产一区二区| 欧美成人午夜精品| 国产高清视频在线播放一区 | 亚洲av日韩精品久久久久久密| 中文字幕人妻丝袜一区二区| 国产精品国产av在线观看| 宅男免费午夜| 成人亚洲精品一区在线观看| 欧美在线一区亚洲| 操出白浆在线播放| 亚洲欧美色中文字幕在线| 午夜91福利影院| 久久久久精品国产欧美久久久 | 人人澡人人妻人| 91大片在线观看| svipshipincom国产片| 狂野欧美激情性xxxx| 国产成人欧美在线观看 | 999久久久国产精品视频| 欧美亚洲日本最大视频资源| 建设人人有责人人尽责人人享有的| 午夜两性在线视频| 色老头精品视频在线观看| 国产日韩欧美视频二区| 老熟妇仑乱视频hdxx| a 毛片基地| 美女福利国产在线| 亚洲精品乱久久久久久| 亚洲国产中文字幕在线视频| av天堂久久9| 91九色精品人成在线观看| 亚洲专区国产一区二区| 午夜精品国产一区二区电影| 日韩中文字幕欧美一区二区| 婷婷色av中文字幕| 涩涩av久久男人的天堂| 宅男免费午夜| 人妻一区二区av| 深夜精品福利| 国产不卡av网站在线观看| 黄片小视频在线播放| 国产亚洲欧美在线一区二区| 人人妻人人澡人人爽人人夜夜| 亚洲男人天堂网一区| 男女床上黄色一级片免费看| 国产精品二区激情视频| 中文字幕另类日韩欧美亚洲嫩草| 国产男女超爽视频在线观看| 女人久久www免费人成看片| 久久久水蜜桃国产精品网| 欧美激情极品国产一区二区三区| 成年人免费黄色播放视频| 国产在线免费精品| 精品久久久久久久毛片微露脸 | 亚洲欧美精品自产自拍| 久久99一区二区三区| 最近最新中文字幕大全免费视频| cao死你这个sao货| 色精品久久人妻99蜜桃| 在线观看免费日韩欧美大片| 亚洲天堂av无毛| 国产精品秋霞免费鲁丝片| 久久久久久亚洲精品国产蜜桃av| 免费不卡黄色视频| 色综合欧美亚洲国产小说| 欧美国产精品一级二级三级| 久久久精品94久久精品| 欧美大码av| av国产精品久久久久影院| 亚洲av片天天在线观看| av电影中文网址| 欧美日韩av久久| 狠狠精品人妻久久久久久综合| 侵犯人妻中文字幕一二三四区| 午夜两性在线视频| 99国产极品粉嫩在线观看| 日韩,欧美,国产一区二区三区| 久久人妻熟女aⅴ| 69精品国产乱码久久久| 免费av中文字幕在线| 我要看黄色一级片免费的| 99国产精品一区二区三区| 亚洲国产精品成人久久小说| 天堂俺去俺来也www色官网| 久久国产精品男人的天堂亚洲| 久久久水蜜桃国产精品网| 日韩人妻精品一区2区三区| 桃红色精品国产亚洲av| 18禁黄网站禁片午夜丰满| av片东京热男人的天堂| 国产精品 欧美亚洲| 天天躁日日躁夜夜躁夜夜| 在线观看舔阴道视频| 两性午夜刺激爽爽歪歪视频在线观看 | av天堂久久9| 久久国产亚洲av麻豆专区| 水蜜桃什么品种好| 蜜桃国产av成人99| 巨乳人妻的诱惑在线观看| 亚洲精品美女久久久久99蜜臀| 五月开心婷婷网| 一级片免费观看大全| 极品人妻少妇av视频| 可以免费在线观看a视频的电影网站| 大片电影免费在线观看免费| av国产精品久久久久影院| 美女福利国产在线| 精品少妇久久久久久888优播| 亚洲av片天天在线观看| 老司机靠b影院| 欧美+亚洲+日韩+国产| 黑人巨大精品欧美一区二区蜜桃| 美女中出高潮动态图| 精品人妻熟女毛片av久久网站| 黄色毛片三级朝国网站| 日韩欧美国产一区二区入口| av天堂久久9| 精品少妇内射三级| 热99国产精品久久久久久7| 久久久久视频综合| 大码成人一级视频| 免费在线观看日本一区| 国产日韩一区二区三区精品不卡| 9色porny在线观看| 一本久久精品| 99热全是精品| 99国产极品粉嫩在线观看| 国产精品久久久av美女十八| 考比视频在线观看| 久久国产精品大桥未久av| 成人手机av| 国产精品亚洲av一区麻豆| 亚洲欧美日韩高清在线视频 | 亚洲午夜精品一区,二区,三区| 不卡一级毛片| 国产亚洲精品第一综合不卡| 国产欧美日韩一区二区三 | 欧美日韩成人在线一区二区| 男人操女人黄网站| 国产精品亚洲av一区麻豆| 男女高潮啪啪啪动态图| 无限看片的www在线观看| 不卡一级毛片| 国产又爽黄色视频| 他把我摸到了高潮在线观看 | 他把我摸到了高潮在线观看 | 亚洲国产av影院在线观看| 国产激情久久老熟女| 欧美日韩国产mv在线观看视频| 久久久久国产精品人妻一区二区| 日韩制服丝袜自拍偷拍| 亚洲国产日韩一区二区| 老鸭窝网址在线观看| 热99re8久久精品国产| 高潮久久久久久久久久久不卡| 一级黄色大片毛片| 80岁老熟妇乱子伦牲交| 这个男人来自地球电影免费观看| 亚洲avbb在线观看| 男人爽女人下面视频在线观看| 自线自在国产av| 国产欧美亚洲国产| 精品一区二区三区四区五区乱码| 啦啦啦中文免费视频观看日本| 韩国高清视频一区二区三区| 欧美黄色片欧美黄色片| 麻豆av在线久日| 精品一区在线观看国产| 丰满饥渴人妻一区二区三| 久久中文看片网| 亚洲人成电影免费在线| 国产成人av激情在线播放| 动漫黄色视频在线观看| 人妻一区二区av| 成年人黄色毛片网站| 成人18禁高潮啪啪吃奶动态图| 免费在线观看影片大全网站| 国产欧美亚洲国产| 夜夜夜夜夜久久久久| 欧美精品啪啪一区二区三区 | 最近中文字幕2019免费版| 成人国语在线视频| 国产老妇伦熟女老妇高清| 国产在线观看jvid| 成年美女黄网站色视频大全免费| 国产区一区二久久| 一区二区三区乱码不卡18| 老熟妇仑乱视频hdxx| 久久久久精品人妻al黑| 国产欧美日韩一区二区精品| 久久国产精品人妻蜜桃| 欧美激情久久久久久爽电影 | 女人被躁到高潮嗷嗷叫费观| 天天躁狠狠躁夜夜躁狠狠躁| 日韩,欧美,国产一区二区三区| 香蕉丝袜av| 在线观看免费午夜福利视频| 美女扒开内裤让男人捅视频| 脱女人内裤的视频| 自线自在国产av| 精品乱码久久久久久99久播| 日本av免费视频播放| 亚洲情色 制服丝袜| 纯流量卡能插随身wifi吗| 女人久久www免费人成看片| 亚洲国产av影院在线观看| 国产精品熟女久久久久浪| 精品一品国产午夜福利视频| 超色免费av| 一级毛片精品| 无遮挡黄片免费观看| 国产精品 国内视频| 国产一区二区 视频在线| 国产高清视频在线播放一区 | 黄色毛片三级朝国网站| 亚洲精品一区蜜桃| 亚洲av欧美aⅴ国产| 黑人欧美特级aaaaaa片| 亚洲全国av大片| 国产亚洲精品久久久久5区| 午夜成年电影在线免费观看| 欧美亚洲日本最大视频资源| 五月开心婷婷网| 大码成人一级视频| 99热全是精品| 精品国产乱码久久久久久男人| svipshipincom国产片| 不卡av一区二区三区| 国产av一区二区精品久久| 日韩大码丰满熟妇| 黄色毛片三级朝国网站| 国产真人三级小视频在线观看| 久久久久久久久久久久大奶| 黄色毛片三级朝国网站| 国产亚洲av片在线观看秒播厂| 美女大奶头黄色视频| 久久久精品94久久精品| 日韩 亚洲 欧美在线| 欧美黄色片欧美黄色片| 这个男人来自地球电影免费观看| 黑人欧美特级aaaaaa片| www.自偷自拍.com| 91av网站免费观看| 一级毛片电影观看| 国产亚洲av高清不卡| 欧美老熟妇乱子伦牲交| 久久九九热精品免费| 一级毛片女人18水好多| 老汉色av国产亚洲站长工具| 亚洲精品久久午夜乱码| 19禁男女啪啪无遮挡网站| 啦啦啦视频在线资源免费观看| 老汉色av国产亚洲站长工具| 真人做人爱边吃奶动态| 丝袜美腿诱惑在线| av不卡在线播放| 久久人妻熟女aⅴ| 色婷婷久久久亚洲欧美| 亚洲激情五月婷婷啪啪| 精品国产超薄肉色丝袜足j| 桃红色精品国产亚洲av| 亚洲精品中文字幕在线视频| 最黄视频免费看| 亚洲国产成人一精品久久久| 少妇人妻久久综合中文| 亚洲第一av免费看| www.精华液| 欧美黑人精品巨大| 国产高清国产精品国产三级| 人人妻人人爽人人添夜夜欢视频| 日本av手机在线免费观看| 19禁男女啪啪无遮挡网站| 91精品伊人久久大香线蕉| 国产男女超爽视频在线观看| 不卡av一区二区三区| 欧美在线一区亚洲| 亚洲欧美日韩另类电影网站| 一区在线观看完整版| 飞空精品影院首页| 99热网站在线观看| 日韩精品免费视频一区二区三区| 亚洲av电影在线观看一区二区三区| 亚洲成人国产一区在线观看| 窝窝影院91人妻| 五月开心婷婷网| 精品一区在线观看国产| 18禁观看日本| 亚洲黑人精品在线| 国产成人啪精品午夜网站| 天堂俺去俺来也www色官网| 五月开心婷婷网| 亚洲第一欧美日韩一区二区三区 | 爱豆传媒免费全集在线观看| 999精品在线视频| 香蕉丝袜av| 免费在线观看日本一区| avwww免费| 亚洲人成电影免费在线| 日韩 亚洲 欧美在线| 大陆偷拍与自拍| 青春草亚洲视频在线观看| 国产精品麻豆人妻色哟哟久久| 精品熟女少妇八av免费久了| 久久国产精品影院| 成年美女黄网站色视频大全免费| 9191精品国产免费久久| 国产精品九九99| 国产亚洲av高清不卡| 这个男人来自地球电影免费观看| 国产高清视频在线播放一区 | 欧美变态另类bdsm刘玥| 黄色a级毛片大全视频| 色94色欧美一区二区| 亚洲自偷自拍图片 自拍| 国产成人精品无人区| av免费在线观看网站| 十八禁人妻一区二区| 女人被躁到高潮嗷嗷叫费观| 18禁裸乳无遮挡动漫免费视频| 午夜免费观看性视频| 青青草视频在线视频观看| videosex国产| 曰老女人黄片| 国产精品成人在线| 日韩制服丝袜自拍偷拍| 大片电影免费在线观看免费| 亚洲第一青青草原| 真人做人爱边吃奶动态| 满18在线观看网站| 亚洲中文字幕日韩| 日韩一卡2卡3卡4卡2021年| 欧美av亚洲av综合av国产av| 欧美大码av| 五月开心婷婷网| 欧美 亚洲 国产 日韩一| 亚洲精品日韩在线中文字幕| 亚洲 国产 在线| 在线av久久热| 欧美变态另类bdsm刘玥| 久久 成人 亚洲| 精品免费久久久久久久清纯 | a级毛片黄视频| 亚洲美女黄色视频免费看| 亚洲伊人色综图| 精品欧美一区二区三区在线| 亚洲精品一二三| 十八禁网站免费在线| 丝袜美足系列| 日本a在线网址| 亚洲精品第二区| 一进一出抽搐动态| 欧美在线黄色| 久久久久久久精品精品| 性色av乱码一区二区三区2| 色婷婷久久久亚洲欧美| 欧美成狂野欧美在线观看| 韩国精品一区二区三区| av网站在线播放免费| 亚洲成人国产一区在线观看| 99久久99久久久精品蜜桃| 欧美精品人与动牲交sv欧美| 999精品在线视频| 成人国产av品久久久| 飞空精品影院首页| a级毛片黄视频| 黑丝袜美女国产一区| 亚洲专区字幕在线| 亚洲九九香蕉| 国产精品欧美亚洲77777| 18禁国产床啪视频网站| 国产精品欧美亚洲77777| 久久毛片免费看一区二区三区| 黑人猛操日本美女一级片| 国产一卡二卡三卡精品| 中国国产av一级| av视频免费观看在线观看| 法律面前人人平等表现在哪些方面 | 国产欧美日韩综合在线一区二区| av网站在线播放免费| 在线永久观看黄色视频| 777米奇影视久久| 午夜福利乱码中文字幕| 搡老乐熟女国产| 精品乱码久久久久久99久播| 丁香六月欧美| 午夜福利一区二区在线看| 国产成人av激情在线播放| 视频区欧美日本亚洲| 精品高清国产在线一区| 成人亚洲精品一区在线观看| 在线观看舔阴道视频| 中文字幕另类日韩欧美亚洲嫩草| 国产亚洲精品一区二区www | 老汉色∧v一级毛片| 亚洲人成电影免费在线| 亚洲精品一区蜜桃| 爱豆传媒免费全集在线观看| 精品人妻1区二区| 成人三级做爰电影| 日韩 欧美 亚洲 中文字幕| 欧美日韩亚洲国产一区二区在线观看 | 人妻一区二区av| 91老司机精品| 亚洲,欧美精品.| 久久ye,这里只有精品| 久久久精品免费免费高清| 丰满人妻熟妇乱又伦精品不卡| 国产免费av片在线观看野外av| √禁漫天堂资源中文www| 日本欧美视频一区| 老司机福利观看| 美女午夜性视频免费| 日本撒尿小便嘘嘘汇集6| 亚洲精品国产区一区二| 欧美日韩视频精品一区| 少妇粗大呻吟视频| 最近最新免费中文字幕在线| 久久国产精品影院| 免费高清在线观看视频在线观看| 久久人人爽人人片av| 国产福利在线免费观看视频| xxxhd国产人妻xxx| 五月开心婷婷网| 国产精品熟女久久久久浪| 男女边摸边吃奶| 一区二区三区激情视频| 成人黄色视频免费在线看| 免费在线观看影片大全网站| 18禁黄网站禁片午夜丰满| 国产亚洲精品第一综合不卡| 一本色道久久久久久精品综合| 国产又色又爽无遮挡免| 久久精品国产综合久久久| 91国产中文字幕| 免费少妇av软件| 久久 成人 亚洲| 亚洲精品自拍成人| 97在线人人人人妻| 亚洲欧美日韩高清在线视频 | 夫妻午夜视频| 人人妻人人澡人人爽人人夜夜| 麻豆乱淫一区二区| 国产精品亚洲av一区麻豆| 国产在线视频一区二区| 水蜜桃什么品种好| 亚洲免费av在线视频| 人妻一区二区av| 一边摸一边抽搐一进一出视频| 欧美日韩福利视频一区二区| avwww免费| 亚洲欧美一区二区三区久久| 男女边摸边吃奶| tube8黄色片| av网站在线播放免费| 国产不卡av网站在线观看| 黄色怎么调成土黄色| 国产成人精品在线电影| 欧美性长视频在线观看| 国产精品久久久久久人妻精品电影 | 十八禁人妻一区二区| 一区二区三区乱码不卡18| 欧美午夜高清在线| 中文字幕高清在线视频| 纵有疾风起免费观看全集完整版| 亚洲精品中文字幕在线视频| 久久久久久亚洲精品国产蜜桃av| 日韩视频在线欧美| 精品第一国产精品| 日本黄色日本黄色录像| 亚洲成人手机| 男女之事视频高清在线观看| 97人妻天天添夜夜摸| 超色免费av| 亚洲av成人不卡在线观看播放网 | 一区二区三区激情视频| 国产国语露脸激情在线看| 欧美av亚洲av综合av国产av| 中文字幕最新亚洲高清| 国产精品九九99|