• <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 ?

    基于改進的RFBNet電力火災(zāi)識別技術(shù)研究

    2022-10-02 08:29:04詹振宇董曼玲葉富根
    科技創(chuàng)新與應(yīng)用 2022年27期
    關(guān)鍵詞:特征提取卷積火災(zāi)

    詹振宇,董曼玲,葉富根,曾 晗

    (1.國網(wǎng)河南省電力有限公司電力科學研究院,鄭州 450052;2.華東交通大學 電氣與自動化工程學院,南昌 330013)

    隨著智能電網(wǎng)在我國的迅速發(fā)展,電力系統(tǒng)的安全運行面臨著越來越多的挑戰(zhàn),特別是電力系統(tǒng)的火災(zāi)防護關(guān)系著電力系統(tǒng)設(shè)備穩(wěn)定運行及社會經(jīng)濟的健康發(fā)展,已經(jīng)越來越受到重視,在電力系統(tǒng)中,大量的電力設(shè)備和設(shè)施,比如:主控通信室、變電站、蓄電池室、可燃介質(zhì)電容器室、配電裝置室和機房,這些場所存在大量的可燃物,并且設(shè)備的運行時間長、設(shè)備利用率高,一旦在運行中出現(xiàn)短路、過載等故障極易引發(fā)火災(zāi),威脅到電力系統(tǒng)的安全,容易造成巨大的經(jīng)濟損失,給社會的生產(chǎn)生活造成嚴重影響。

    傳統(tǒng)的火災(zāi)探測器是基于傳感器進行火災(zāi)現(xiàn)場采集的數(shù)據(jù)參數(shù)實現(xiàn)檢測的[1],常用傳感器主要有感煙型、感溫型、感光型和氣體火災(zāi)探測器,參數(shù)指標分別為火災(zāi)環(huán)境下空氣中的顆粒物濃度、溫度變化、光的強弱和空氣中特定氣體濃度的變化,傳統(tǒng)探測方式在火災(zāi)探測中有一定的局限性[2]:火災(zāi)區(qū)域可能受自然風的影響,使得基于探測氣體濃度的傳感器失效,受探測器與火災(zāi)區(qū)域距離的影響,在距離遠的情況下,無法及時感知溫度,這些都影響了傳統(tǒng)探測方法在電力系統(tǒng)中的實際應(yīng)用效果。智能圖像處理技術(shù)給電力系統(tǒng)火災(zāi)檢測提供了新途徑,基于圖像處理的火災(zāi)檢測系統(tǒng)可以部署在現(xiàn)有的電力監(jiān)控系統(tǒng)上,通過監(jiān)控攝像頭及時探測火情,實現(xiàn)全方位的火災(zāi)自動檢測,并且具有響應(yīng)快、不易受環(huán)境因素影響、適用面廣及成本低等優(yōu)勢,也逐漸成為火災(zāi)檢測方法中較為重要的交叉學科研究領(lǐng)域。

    傳統(tǒng)圖像處理算法的效果受限于人工提取特征的好壞[3],難以形成通用的判別標準,無法實時檢測不同場景下的火災(zāi)情況,而深度學習的方法可以解決這個問題,通過不同場景的樣本訓練,可以自動提取火焰特征,在復(fù)雜的火災(zāi)場景下完成火焰識別[4]。

    典型的用于圖像檢測的深度學習算法有onestage檢測網(wǎng)絡(luò):YOLO(You Only Look One)系列、單次檢測器SSD(Single Shot Multibox Detector)、感受野塊網(wǎng)絡(luò)RFBNet等;two-stage檢測網(wǎng)絡(luò):區(qū)域卷積網(wǎng)絡(luò)R-CNN、快速區(qū)域總面積網(wǎng)絡(luò)Fast R-CNN、更快區(qū)域卷積網(wǎng)絡(luò)Faster R-CNN等。考慮到檢測的實時性要求,一般選用one-stage檢測網(wǎng)絡(luò),雖然其檢測精度略低,但是速度較快,滿足實時性要求。但是實際場景中的火災(zāi)可能范圍比較小,常規(guī)的YOLO、SSD對于小目標的檢測困難。鑒于此,有學者將YOLOv3中的密集連接結(jié)構(gòu)和多分支結(jié)構(gòu)結(jié)合起來提高小目標的預(yù)測能力[5],或者采用將原有SSD中的語義信息和定位信息模塊級聯(lián)和加入融合分裂增強模塊等措施,加強SSD網(wǎng)絡(luò)中各層特征的關(guān)聯(lián),提高了原始FPN網(wǎng)絡(luò)特征融合充分程度[6]。相對SSD網(wǎng)絡(luò),RFBNet網(wǎng)絡(luò)是以SSD網(wǎng)絡(luò)為框架,增加了感受野RFB模塊,增大了感受野,在保持較快速度的前提下,提高了檢測精度,對于火災(zāi)檢測有一定的優(yōu)勢;但是各提取層間的聯(lián)系不密切,對此有學者設(shè)計了池化特征融合模塊和反卷積特征融合模塊加強特征融合,增強層間聯(lián)系,提高小目標的檢測效果[7]。

    本文鑒于RFBNet網(wǎng)絡(luò)在速度和精度的優(yōu)勢,選用其進行火災(zāi)識別,并根據(jù)火災(zāi)場景的特點,在其基礎(chǔ)上進行改進,提高對于火災(zāi)復(fù)雜場景下的識別檢測能力。

    1 RFBNet神經(jīng)網(wǎng)絡(luò)及其改進

    RFBNet算法作為對SSD算法的延續(xù),繼承了其在速度和精度上的優(yōu)勢,并通過結(jié)合RFB模塊,使網(wǎng)絡(luò)擁有更為強悍的表征能力,提高了其檢測速度和精度。

    但也存在一些不足,比如其特征提取時感受野隨著層級加深增長緩慢,對于小目標特征的提取效果不佳,由于繼承了SSD的模型結(jié)構(gòu),忽視了層級聯(lián)系,導致用于后續(xù)預(yù)測分類階段的輸出特征圖之間相對獨立,不能充分利用提取的特征信息,檢測精度不高。

    根據(jù)原有RFBNet模型的缺點,對其進行改進,改進后的RFBNet模型網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。通過加入自適應(yīng)特征提取和加強池化和反卷積融合操作來提高模型的檢測速度和檢測精度。

    圖1 改進RFBNet網(wǎng)絡(luò)結(jié)構(gòu)

    1.1 自適應(yīng)特征提取

    小目標由于其本身攜帶的信息就比較少,可以被提取用來分析的特征自然比較少,通過卷積操作提取的有用信息也少,因此分類預(yù)測較困難。在電氣火災(zāi)的初期階段,火勢或者煙霧特征本身比較小,再加上火災(zāi)和攝像頭的距離等考量因素,所以需要提高網(wǎng)絡(luò)的特征提取能力。RFBNet算法繼承了SSD的VGG16特征提取網(wǎng)絡(luò),并使用卷積層代替了最后的兩個全連接層。雖然使用卷積層的好處可以提高運算效率,但是會使得特征提取的感受野降低,并且隨著網(wǎng)絡(luò)不斷的加深層次,感受野與目標特征的匹配也會出現(xiàn)問題,降低了網(wǎng)絡(luò)的特征提取能力,這對小目標的檢測是很不利的。因此,可以通過引入自校準卷積SCConv(Self-Calibrated Convolutions)替換一般卷積,通過采用校正操作允許每個空間位置不僅將其周圍的信息環(huán)境自適應(yīng)地視為來自低分辨率潛在空間的嵌入,以作為來自原始比例空間的響應(yīng)中的輸入,擴大卷積層的感受野。自校正的卷積結(jié)構(gòu)如圖2所示。

    圖2 自校準卷積結(jié)構(gòu)

    1.2 特征融合

    為了加強網(wǎng)絡(luò)的層級聯(lián)系,充分利用深層特征圖和淺層特征圖的特點,將最深的特征圖直接用作分類和回歸,接著,經(jīng)過1個反卷積模塊,以及更淺一層的特征元素逐次相乘,將輸出的特征用于分類和回歸,類似的將該特征和淺層特征進行反卷積與融合。

    1.3 Softer-NMS

    傳統(tǒng)的非最大抑制(NMS)主要用于基于深度學習的目標檢測模型輸出的后處理,從而去除冗余的檢測框,獲得正確的檢測結(jié)果。但是在復(fù)雜稠密的場景下漏檢率較高,尤其是在2個目標距離存在重疊時,置信度較小目標漏檢的概率大。對于這個問題,Soft-NMS會在冗余的檢測框中和物體重疊的檢測框的置信度降低,而不是刪除,并使用高斯懲罰函數(shù)保留相近的其他目標和刪除重復(fù)檢測的目標。但是由于分類和回歸任務(wù)沒有直接相關(guān)性,置信度分數(shù)高不一定會使得結(jié)果更可靠。對于這個問題,Softer-NMS算法對檢測框的位置概率分布進行建模。對于重疊的檢測框,根據(jù)重疊程度和位置不確定性進行投票,重疊程度高,位置分布方差小的檢測框權(quán)重大,從而獲得更精確的檢測框。所以本文選擇Softer-NMS算法進行目標檢測模型輸出的后處理。

    2 實驗結(jié)果與分析

    2.1 實驗環(huán)境和實驗數(shù)據(jù)

    本實驗是基于64位的Windows 10操作系統(tǒng),Inter(R)Core(TM)i9-10900KF CPU@3.70 GHz處理器,32 GB內(nèi)存,NVIDIA GeForce GTX3060 12 GB顯卡,深度學習框架為PyTorch。

    本次實驗所使用的數(shù)據(jù)集包括多場景火災(zāi)圖片和正常場景圖片共計11 940張。其中火災(zāi)圖片為通過網(wǎng)絡(luò)爬蟲收集的火災(zāi)圖片和實驗室收集的電網(wǎng)火災(zāi)圖片數(shù)據(jù)集作為正樣本,其中包括不同場景的火焰、煙霧等火災(zāi)常見特征的圖片和正常的無火災(zāi)圖片包括鮮艷的衣物,閃亮的燈關(guān),落日等與火災(zāi)場景相似的圖片。整個數(shù)據(jù)集共有火災(zāi)圖片6 940張,非火焰圖片5 000張,其中部分樣本圖片如圖3和圖4所示。隨機抽取80%的為訓練集,20%的為測試集。

    圖3 部分火災(zāi)圖片

    圖4 部分正常圖片

    2.2 評價指標

    因為火災(zāi)的分類只有“有”“無”2種情況,屬于二分類問題,可以將樣例和模型判斷出來的組合分為4類:真正例(True Positive,TP),假負例(False Negative,F(xiàn)N),假正例(False Positive,F(xiàn)P)和真負(True Ngative,TN)。TP指被模型分類正確的正樣本;FN指被模型分類錯誤的正樣本;FP指被模型分類錯誤的負樣本;TN指被模型分類正確的負樣本。

    進一步可以推出如下指標。

    真正率(True Positive Rate,TPR)。分類正確的正樣本個數(shù)占整個正樣本個數(shù)的比例,即

    假負率(False Negative Rate,F(xiàn)NR)。分類錯誤的正樣本個數(shù)占正樣本個數(shù)的比例,即

    假正率(False Positive Rate,F(xiàn)PR)。分類錯誤的負樣本個數(shù)占整個負樣本個數(shù)的比例,即

    真負率(True Negative Rate,TNR)。分類正確的負樣本個數(shù)占負樣本個數(shù)的比例,即

    進一步,由混淆矩陣可以計算以下評價指標。

    準確率(Accuracy)。分類正確的樣本個數(shù)占所有樣本個數(shù)的比例,即

    在時間上使用FPS進行描述。

    2.3 實驗結(jié)果

    實驗中使用300×300分辨率的圖片數(shù)據(jù)集作為輸入,訓練的BatchSize統(tǒng)一的設(shè)置為16,總的訓練次數(shù)設(shè)置為1 000次,優(yōu)化器選用Adam,初始學習率為0.001,優(yōu)化器動量設(shè)置為0.9,學習率衰減率設(shè)置為0.1。在訓練130個epoch后,得到的訓練集變化誤差和訓練集準確率變化趨于平穩(wěn)。在相同數(shù)據(jù)集測試的情況下的實驗結(jié)果見表1。

    表1 不同算法的性能對比

    由表1可以看出,本文改進的RFBNet模型的準確度為93.5%,F(xiàn)PS為39,相對SSD和RFBNet的準確度都有一定的提升,原因在于其通過多自適應(yīng)特征提取和特征融合操作,更好地對圖像的特征進行提取,獲取有用的信息,但也是因為這額外的步驟造成其在速度上略有不足,但是速度滿足了實時性的要求,在犧牲一定速度的情況下,提升了檢測精度。

    3 結(jié)論

    針對傳統(tǒng)的火災(zāi)探測器在火災(zāi)探測過程中的檢測范圍小、價格昂貴和部署較難等局限性,本文采用基于神經(jīng)網(wǎng)絡(luò)的目標檢測方法。并針對傳統(tǒng)圖像識別的識別難度大的問題,提出改進的RFBNet神經(jīng)網(wǎng)絡(luò)模型。該模型在原來的基礎(chǔ)加入自適應(yīng)特征提取操作,改進了特征提取效率,加入反卷積模塊加強層間聯(lián)系,增強特征融合效果,采用Softer NMS降低漏檢率,提高網(wǎng)絡(luò)模型的精確度,總體上提高對于小目標檢測的精度。仿真結(jié)果也表明本文的改進模型可以有效提高識別的準確率,相比原來的模型,提高了2.3%。

    猜你喜歡
    特征提取卷積火災(zāi)
    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
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    基于傅里葉域卷積表示的目標跟蹤算法
    Bagging RCSP腦電特征提取算法
    遇火災(zāi)怎么辦?
    掌握火災(zāi)逃生知識
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    Walsh變換在滾動軸承早期故障特征提取中的應(yīng)用
    軸承(2010年2期)2010-07-28 02:26:12
    12—13女人毛片做爰片一| 中国美白少妇内射xxxbb| 在线免费观看不下载黄p国产| 中国国产av一级| av在线天堂中文字幕| 国国产精品蜜臀av免费| 91av网一区二区| 三级经典国产精品| 欧美成人免费av一区二区三区| av在线播放精品| 91久久精品国产一区二区成人| 男插女下体视频免费在线播放| 国产亚洲精品久久久com| 可以在线观看的亚洲视频| 久久精品夜色国产| 欧美3d第一页| av黄色大香蕉| 国产午夜精品一二区理论片| 久久久久免费精品人妻一区二区| 免费无遮挡裸体视频| 免费观看在线日韩| 村上凉子中文字幕在线| 久久精品国产亚洲av涩爱 | 成年女人永久免费观看视频| 波多野结衣高清作品| 国产一区二区亚洲精品在线观看| 99久久精品热视频| 日韩欧美三级三区| 欧美精品国产亚洲| 亚洲av男天堂| 国产高清视频在线观看网站| 亚洲av免费在线观看| 偷拍熟女少妇极品色| 国产黄a三级三级三级人| 中国美白少妇内射xxxbb| kizo精华| 国产白丝娇喘喷水9色精品| 91精品一卡2卡3卡4卡| 少妇高潮的动态图| 国产高清不卡午夜福利| 边亲边吃奶的免费视频| 国产成人精品久久久久久| 男人舔奶头视频| 亚洲精品日韩在线中文字幕 | 熟女人妻精品中文字幕| 麻豆乱淫一区二区| 久99久视频精品免费| 欧美丝袜亚洲另类| 久久99热6这里只有精品| 久久久久久久久久久丰满| 99久久人妻综合| 又黄又爽又刺激的免费视频.| 在线播放国产精品三级| 99热这里只有是精品50| 欧美一级a爱片免费观看看| 亚洲精华国产精华液的使用体验 | 一个人免费在线观看电影| 国产精品久久视频播放| 国产精品久久久久久av不卡| 亚洲国产精品成人综合色| 高清毛片免费观看视频网站| 亚洲人与动物交配视频| 国产精品蜜桃在线观看 | 中文亚洲av片在线观看爽| 又粗又爽又猛毛片免费看| 亚洲精品日韩av片在线观看| 久久精品国产亚洲av香蕉五月| 久久这里只有精品中国| 国产高清激情床上av| 2022亚洲国产成人精品| 22中文网久久字幕| 亚洲成人久久性| 国产 一区精品| 美女黄网站色视频| 综合色丁香网| 国产黄色小视频在线观看| 久久午夜亚洲精品久久| 91精品国产九色| 亚洲在线观看片| 国产成人freesex在线| 欧美一区二区精品小视频在线| 亚洲精品日韩av片在线观看| 国产一区二区激情短视频| 亚洲精品影视一区二区三区av| 中文字幕精品亚洲无线码一区| av黄色大香蕉| 国产精品不卡视频一区二区| h日本视频在线播放| 午夜福利在线在线| 日韩制服骚丝袜av| 亚洲第一电影网av| 久久精品国产鲁丝片午夜精品| 国产色婷婷99| 又爽又黄a免费视频| 欧美潮喷喷水| 内射极品少妇av片p| 九九在线视频观看精品| 日产精品乱码卡一卡2卡三| 日日撸夜夜添| 国产视频首页在线观看| 国产精品久久久久久av不卡| 热99re8久久精品国产| 精品日产1卡2卡| 久久99热6这里只有精品| 最近最新中文字幕大全电影3| 久久久久免费精品人妻一区二区| 你懂的网址亚洲精品在线观看 | 国产蜜桃级精品一区二区三区| 亚洲精品乱码久久久v下载方式| 久久久精品欧美日韩精品| 性插视频无遮挡在线免费观看| 午夜免费激情av| 秋霞在线观看毛片| 晚上一个人看的免费电影| 精品久久久久久久久久免费视频| 亚洲无线观看免费| 我的老师免费观看完整版| 精品久久久久久久久亚洲| 精品午夜福利在线看| 舔av片在线| 高清毛片免费观看视频网站| 人妻系列 视频| 真实男女啪啪啪动态图| 伦精品一区二区三区| 国产成人精品久久久久久| 精品国产三级普通话版| 亚洲av免费在线观看| 舔av片在线| 简卡轻食公司| 久久精品国产鲁丝片午夜精品| kizo精华| 亚洲欧美精品自产自拍| 日韩人妻高清精品专区| 久久精品国产亚洲av香蕉五月| 久久久久久久久久成人| 成人欧美大片| 国产黄片美女视频| 免费看a级黄色片| 久久精品国产清高在天天线| 校园人妻丝袜中文字幕| 在线免费十八禁| 人妻久久中文字幕网| 亚洲欧美成人精品一区二区| 12—13女人毛片做爰片一| av免费观看日本| 欧美性猛交╳xxx乱大交人| 色播亚洲综合网| 99在线视频只有这里精品首页| www.色视频.com| 久久久精品大字幕| 国产精品国产高清国产av| 可以在线观看的亚洲视频| 特大巨黑吊av在线直播| 日本熟妇午夜| 久久久午夜欧美精品| 色噜噜av男人的天堂激情| 高清日韩中文字幕在线| 亚洲天堂国产精品一区在线| 成人一区二区视频在线观看| 天天一区二区日本电影三级| 中文字幕av成人在线电影| 97超视频在线观看视频| 国产成人a∨麻豆精品| 欧美3d第一页| 成人一区二区视频在线观看| 夫妻性生交免费视频一级片| 日本五十路高清| 亚洲18禁久久av| av免费在线看不卡| 日本爱情动作片www.在线观看| 亚洲最大成人av| 久久九九热精品免费| 午夜久久久久精精品| 在线天堂最新版资源| 午夜福利高清视频| 亚洲综合色惰| 偷拍熟女少妇极品色| 亚洲国产精品成人久久小说 | 欧美激情久久久久久爽电影| 两个人的视频大全免费| 久久婷婷人人爽人人干人人爱| 欧美性猛交╳xxx乱大交人| 久久午夜亚洲精品久久| 99久久人妻综合| 九草在线视频观看| 国产亚洲5aaaaa淫片| 亚洲18禁久久av| 亚洲精品国产av成人精品| 啦啦啦啦在线视频资源| 国产探花在线观看一区二区| 国产伦理片在线播放av一区 | 丰满的人妻完整版| 噜噜噜噜噜久久久久久91| 亚洲va在线va天堂va国产| 午夜福利成人在线免费观看| 国产亚洲精品av在线| 看十八女毛片水多多多| 亚洲自拍偷在线| 久久久久久大精品| 亚洲国产色片| 久久人妻av系列| 亚洲成人av在线免费| 亚洲成人中文字幕在线播放| 丰满乱子伦码专区| 麻豆国产av国片精品| 99久国产av精品| 免费av观看视频| 人体艺术视频欧美日本| 3wmmmm亚洲av在线观看| 九色成人免费人妻av| 性色avwww在线观看| 亚洲精品乱码久久久v下载方式| 亚洲成av人片在线播放无| 中文亚洲av片在线观看爽| 日韩中字成人| 成人特级av手机在线观看| 一级毛片我不卡| 免费看a级黄色片| 免费不卡的大黄色大毛片视频在线观看 | 国产精品精品国产色婷婷| 熟女人妻精品中文字幕| 日本一本二区三区精品| 网址你懂的国产日韩在线| 日本与韩国留学比较| 国产一区二区激情短视频| av女优亚洲男人天堂| av在线老鸭窝| 国产极品精品免费视频能看的| 一区福利在线观看| 深爱激情五月婷婷| 美女 人体艺术 gogo| 亚洲欧美日韩高清在线视频| 精品不卡国产一区二区三区| 一区福利在线观看| 色播亚洲综合网| 久久草成人影院| kizo精华| 色哟哟哟哟哟哟| 18禁黄网站禁片免费观看直播| 国产精品女同一区二区软件| 在线免费观看不下载黄p国产| 高清毛片免费看| 变态另类成人亚洲欧美熟女| 国产一区二区在线观看日韩| a级毛片a级免费在线| 午夜爱爱视频在线播放| av在线老鸭窝| 一级黄色大片毛片| 91麻豆精品激情在线观看国产| 欧美成人a在线观看| 午夜福利成人在线免费观看| 一个人看视频在线观看www免费| www日本黄色视频网| 免费搜索国产男女视频| 91精品国产九色| 欧美高清成人免费视频www| 在线观看av片永久免费下载| 变态另类丝袜制服| 日韩亚洲欧美综合| 在线播放国产精品三级| 亚洲国产精品合色在线| 日韩精品有码人妻一区| 97热精品久久久久久| 欧美成人免费av一区二区三区| 久久久久国产网址| 免费观看a级毛片全部| 日日干狠狠操夜夜爽| 午夜精品国产一区二区电影 | 91精品一卡2卡3卡4卡| 国产真实伦视频高清在线观看| 久久6这里有精品| 秋霞在线观看毛片| 午夜免费男女啪啪视频观看| 精品一区二区三区人妻视频| 亚洲自偷自拍三级| 男人的好看免费观看在线视频| 国产成人精品一,二区 | 国产亚洲精品久久久com| 亚洲在线自拍视频| 国产女主播在线喷水免费视频网站 | 国产精品久久久久久精品电影小说 | 久久国产乱子免费精品| 日韩成人av中文字幕在线观看| 国产单亲对白刺激| 久久精品国产亚洲av涩爱 | 欧美成人精品欧美一级黄| 特级一级黄色大片| 五月伊人婷婷丁香| 性色avwww在线观看| 乱码一卡2卡4卡精品| 亚洲经典国产精华液单| 久久亚洲精品不卡| 能在线免费看毛片的网站| 高清毛片免费看| 三级经典国产精品| 亚洲欧洲国产日韩| 亚洲aⅴ乱码一区二区在线播放| 精品久久久久久成人av| 亚洲人成网站在线播放欧美日韩| 国产精品,欧美在线| 日本欧美国产在线视频| 天堂网av新在线| 人体艺术视频欧美日本| 久久99热这里只有精品18| 最后的刺客免费高清国语| 亚洲av中文字字幕乱码综合| 国产女主播在线喷水免费视频网站 | 国产视频内射| 亚洲,欧美,日韩| 久久精品国产亚洲av香蕉五月| 国产亚洲av嫩草精品影院| 一本精品99久久精品77| 国产成人精品久久久久久| 又粗又硬又长又爽又黄的视频 | 伦精品一区二区三区| 丰满的人妻完整版| av女优亚洲男人天堂| 伦理电影大哥的女人| 精品午夜福利在线看| 亚洲一区高清亚洲精品| 美女脱内裤让男人舔精品视频 | 国产高清有码在线观看视频| 秋霞在线观看毛片| 在线观看66精品国产| 亚洲美女视频黄频| 午夜福利视频1000在线观看| 一级毛片aaaaaa免费看小| 久久99精品国语久久久| 搡老妇女老女人老熟妇| 国产久久久一区二区三区| 悠悠久久av| 亚洲无线在线观看| 成年免费大片在线观看| 亚洲最大成人中文| 神马国产精品三级电影在线观看| 久久精品综合一区二区三区| 欧美3d第一页| 99久久九九国产精品国产免费| 久久亚洲精品不卡| 在现免费观看毛片| 波多野结衣巨乳人妻| 精品人妻视频免费看| 色播亚洲综合网| 亚洲在线自拍视频| 男的添女的下面高潮视频| 精品免费久久久久久久清纯| 日本在线视频免费播放| 国产熟女欧美一区二区| 国产亚洲91精品色在线| 国产视频内射| 在线a可以看的网站| 亚洲av成人av| 少妇熟女欧美另类| 一个人看视频在线观看www免费| 亚洲综合色惰| 午夜爱爱视频在线播放| 国产亚洲精品av在线| 3wmmmm亚洲av在线观看| 99久国产av精品国产电影| 欧美高清成人免费视频www| 五月伊人婷婷丁香| 春色校园在线视频观看| 看片在线看免费视频| av免费观看日本| 高清毛片免费观看视频网站| 91狼人影院| 黑人高潮一二区| 精品久久久久久久末码| 大又大粗又爽又黄少妇毛片口| av.在线天堂| 91麻豆精品激情在线观看国产| 非洲黑人性xxxx精品又粗又长| 少妇高潮的动态图| 国产成人精品婷婷| 成人鲁丝片一二三区免费| 婷婷精品国产亚洲av| 国产成人精品婷婷| 成人亚洲精品av一区二区| 欧美区成人在线视频| 久久精品久久久久久噜噜老黄 | 熟女人妻精品中文字幕| 婷婷亚洲欧美| 嫩草影院精品99| 中文字幕久久专区| 草草在线视频免费看| 国产单亲对白刺激| 久久热精品热| 性插视频无遮挡在线免费观看| 久久这里有精品视频免费| 久久婷婷人人爽人人干人人爱| 免费看av在线观看网站| 不卡视频在线观看欧美| 亚洲国产欧美人成| 中文在线观看免费www的网站| 久久99蜜桃精品久久| 老司机影院成人| 久久久久国产网址| 国产成人精品婷婷| 国产乱人偷精品视频| 91aial.com中文字幕在线观看| 国内精品宾馆在线| h日本视频在线播放| 欧美日韩乱码在线| 99久久精品一区二区三区| 日韩制服骚丝袜av| 国产精品久久久久久久久免| 日韩人妻高清精品专区| 97热精品久久久久久| 国产精品乱码一区二三区的特点| 国国产精品蜜臀av免费| 老师上课跳d突然被开到最大视频| 91av网一区二区| 亚洲成人久久爱视频| 高清午夜精品一区二区三区 | 内射极品少妇av片p| 亚洲内射少妇av| 国产大屁股一区二区在线视频| 日韩中字成人| 久久精品夜色国产| 一进一出抽搐gif免费好疼| 18禁在线无遮挡免费观看视频| 国产精品99久久久久久久久| 成年女人永久免费观看视频| 国产日韩欧美在线精品| 日韩制服骚丝袜av| 国产单亲对白刺激| 人妻夜夜爽99麻豆av| 日日摸夜夜添夜夜爱| 伦精品一区二区三区| 久久久久久国产a免费观看| 国产在线精品亚洲第一网站| 女的被弄到高潮叫床怎么办| 人体艺术视频欧美日本| 欧美在线一区亚洲| 91精品一卡2卡3卡4卡| 一级毛片电影观看 | 人妻久久中文字幕网| 自拍偷自拍亚洲精品老妇| 亚洲国产精品成人久久小说 | 好男人在线观看高清免费视频| 99视频精品全部免费 在线| 一区二区三区免费毛片| 欧美+日韩+精品| 我要搜黄色片| 欧美最黄视频在线播放免费| 国产成人精品婷婷| 日韩欧美国产在线观看| 天天躁夜夜躁狠狠久久av| 国产精品美女特级片免费视频播放器| 日本免费一区二区三区高清不卡| 国产精品久久久久久精品电影小说 | 能在线免费观看的黄片| 美女脱内裤让男人舔精品视频 | 免费黄网站久久成人精品| 日韩一本色道免费dvd| 毛片女人毛片| 亚洲成人av在线免费| 精品久久久久久久末码| 少妇熟女aⅴ在线视频| 97在线视频观看| 99热这里只有精品一区| 久久国产乱子免费精品| 久久精品久久久久久久性| 午夜福利高清视频| 久久久国产成人免费| 国产精品麻豆人妻色哟哟久久 | 亚洲丝袜综合中文字幕| 国产蜜桃级精品一区二区三区| 国产精品蜜桃在线观看 | 久久人人爽人人爽人人片va| 色尼玛亚洲综合影院| 久久人人精品亚洲av| 非洲黑人性xxxx精品又粗又长| 12—13女人毛片做爰片一| 国产精品嫩草影院av在线观看| .国产精品久久| 久久韩国三级中文字幕| 日韩国内少妇激情av| 观看美女的网站| kizo精华| 国产伦精品一区二区三区视频9| 欧美成人免费av一区二区三区| 美女大奶头视频| 国产精品久久久久久久久免| 国产精品无大码| 成人二区视频| 免费看a级黄色片| 亚洲成a人片在线一区二区| 日本五十路高清| 国产真实乱freesex| 国产一级毛片七仙女欲春2| 午夜精品在线福利| 欧美日韩综合久久久久久| 夜夜爽天天搞| www.av在线官网国产| 日本爱情动作片www.在线观看| 亚洲精华国产精华液的使用体验 | 午夜久久久久精精品| 亚洲成人精品中文字幕电影| a级毛色黄片| 久久久午夜欧美精品| 国产日本99.免费观看| 久久精品人妻少妇| 午夜激情欧美在线| 中文字幕av成人在线电影| 国产人妻一区二区三区在| 12—13女人毛片做爰片一| 好男人在线观看高清免费视频| 国产精品一区二区性色av| 日韩亚洲欧美综合| 两个人的视频大全免费| 久久久久网色| 日韩人妻高清精品专区| 秋霞在线观看毛片| 国产极品天堂在线| 成年免费大片在线观看| 亚洲欧美精品专区久久| 精品无人区乱码1区二区| 国产av在哪里看| 色视频www国产| 亚洲欧美日韩无卡精品| 热99re8久久精品国产| av天堂在线播放| 99热全是精品| 少妇人妻一区二区三区视频| 如何舔出高潮| 精品国产三级普通话版| 尤物成人国产欧美一区二区三区| 亚洲av.av天堂| 午夜久久久久精精品| 国产精品免费一区二区三区在线| 久久久a久久爽久久v久久| 美女黄网站色视频| 久久久久久久亚洲中文字幕| 中文精品一卡2卡3卡4更新| 午夜精品一区二区三区免费看| 国产黄a三级三级三级人| 亚洲精华国产精华液的使用体验 | av在线亚洲专区| 欧美一区二区亚洲| 两性午夜刺激爽爽歪歪视频在线观看| 一区二区三区四区激情视频 | 国产成人a∨麻豆精品| 99久久九九国产精品国产免费| 午夜老司机福利剧场| 亚洲欧美精品自产自拍| 麻豆成人午夜福利视频| 蜜臀久久99精品久久宅男| 国产亚洲欧美98| 久久精品久久久久久噜噜老黄 | 亚洲无线观看免费| 91在线精品国自产拍蜜月| 国语自产精品视频在线第100页| 久久久久九九精品影院| 国产免费一级a男人的天堂| 非洲黑人性xxxx精品又粗又长| 欧美又色又爽又黄视频| 亚洲欧美精品综合久久99| 九九久久精品国产亚洲av麻豆| 国产综合懂色| 亚洲国产欧洲综合997久久,| 免费一级毛片在线播放高清视频| 99在线人妻在线中文字幕| 免费av观看视频| 亚洲欧美日韩卡通动漫| 99视频精品全部免费 在线| 麻豆成人午夜福利视频| 午夜福利高清视频| 国产精品伦人一区二区| 久久婷婷人人爽人人干人人爱| 亚洲欧美日韩高清在线视频| 欧美一区二区国产精品久久精品| 亚洲,欧美,日韩| 国产成人a∨麻豆精品| 亚洲国产高清在线一区二区三| 国产真实乱freesex| 波多野结衣高清无吗| 干丝袜人妻中文字幕| 精品国产三级普通话版| 国产高清三级在线| 久久久久久大精品| 看免费成人av毛片| 免费观看的影片在线观看| 大型黄色视频在线免费观看| 青春草国产在线视频 | 丝袜美腿在线中文| 日本黄色视频三级网站网址| 国产人妻一区二区三区在| av在线观看视频网站免费| 成人亚洲精品av一区二区| 色吧在线观看| 成人欧美大片| 日本免费a在线| 黄色日韩在线| 99在线视频只有这里精品首页| av天堂在线播放| 高清毛片免费看| 少妇的逼好多水| 日韩成人伦理影院| 日日摸夜夜添夜夜爱| 日本黄大片高清| 成年免费大片在线观看| 男女做爰动态图高潮gif福利片| 日韩视频在线欧美| 青青草视频在线视频观看| 黄色日韩在线| 成人av在线播放网站| 成人三级黄色视频| 又爽又黄a免费视频| 久久久久久国产a免费观看| 天天一区二区日本电影三级| 春色校园在线视频观看| 日日啪夜夜撸| 欧美成人免费av一区二区三区| 久久久久久久久久黄片|