• <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
    精品少妇黑人巨大在线播放| 久久人妻福利社区极品人妻图片| www.熟女人妻精品国产| 两个人免费观看高清视频| 亚洲国产看品久久| 国产在线一区二区三区精| 黄色 视频免费看| 在线观看免费视频日本深夜| 色视频在线一区二区三区| 成人国产av品久久久| 五月开心婷婷网| 亚洲第一av免费看| 99久久人妻综合| 男人舔女人的私密视频| 国产高清国产精品国产三级| 久久久久久久国产电影| 成人18禁高潮啪啪吃奶动态图| 日本一区二区免费在线视频| 18在线观看网站| 久久久久国内视频| 精品福利永久在线观看| 少妇裸体淫交视频免费看高清 | 丰满迷人的少妇在线观看| 亚洲第一欧美日韩一区二区三区 | 欧美国产精品一级二级三级| 亚洲天堂av无毛| 丝袜人妻中文字幕| 母亲3免费完整高清在线观看| 亚洲中文av在线| 他把我摸到了高潮在线观看 | 99热国产这里只有精品6| 久久性视频一级片| 国产福利在线免费观看视频| 极品教师在线免费播放| 精品人妻熟女毛片av久久网站| 国产精品免费一区二区三区在线 | 国产成人av激情在线播放| 日韩大片免费观看网站| 99久久精品国产亚洲精品| 日韩人妻精品一区2区三区| 国产在线免费精品| 日本一区二区免费在线视频| 日本a在线网址| 91av网站免费观看| 老司机午夜十八禁免费视频| 亚洲av国产av综合av卡| 视频区欧美日本亚洲| 一本一本久久a久久精品综合妖精| 精品亚洲成a人片在线观看| 国产欧美日韩一区二区三区在线| 一边摸一边做爽爽视频免费| 精品国产亚洲在线| 一区二区三区激情视频| 水蜜桃什么品种好| 美女国产高潮福利片在线看| 久热爱精品视频在线9| 国产精品自产拍在线观看55亚洲 | 亚洲欧美激情在线| 侵犯人妻中文字幕一二三四区| 亚洲专区国产一区二区| 国产亚洲av高清不卡| 国产精品1区2区在线观看. | 视频区图区小说| 国产黄频视频在线观看| 久久九九热精品免费| 99riav亚洲国产免费| 嫁个100分男人电影在线观看| 亚洲av欧美aⅴ国产| 18禁美女被吸乳视频| 91成年电影在线观看| 久久中文字幕一级| 捣出白浆h1v1| 国产亚洲欧美在线一区二区| 亚洲久久久国产精品| 日本黄色日本黄色录像| 亚洲男人天堂网一区| 99精品欧美一区二区三区四区| 亚洲国产毛片av蜜桃av| 日韩成人在线观看一区二区三区| 99久久人妻综合| 一个人免费看片子| 免费黄频网站在线观看国产| 亚洲成人免费av在线播放| 搡老岳熟女国产| 精品人妻在线不人妻| 欧美黑人欧美精品刺激| 国产在线视频一区二区| 亚洲九九香蕉| 欧美日韩亚洲综合一区二区三区_| 国产成人精品无人区| av超薄肉色丝袜交足视频| 电影成人av| 久久性视频一级片| 中文欧美无线码| 亚洲熟女精品中文字幕| 两人在一起打扑克的视频| 女人精品久久久久毛片| 国产成人欧美在线观看 | 国产亚洲精品久久久久5区| 久久99一区二区三区| 1024视频免费在线观看| 久久久久国内视频| 久久午夜亚洲精品久久| 久久久精品国产亚洲av高清涩受| 精品久久蜜臀av无| 国产精品一区二区免费欧美| 99精品在免费线老司机午夜| 女人爽到高潮嗷嗷叫在线视频| 99国产精品一区二区三区| 少妇 在线观看| 久久婷婷成人综合色麻豆| 天天躁狠狠躁夜夜躁狠狠躁| 在线观看免费视频网站a站| 在线永久观看黄色视频| 老汉色av国产亚洲站长工具| 成在线人永久免费视频| 久久精品国产亚洲av高清一级| 18禁国产床啪视频网站| 搡老岳熟女国产| 老汉色av国产亚洲站长工具| 国产伦人伦偷精品视频| 大陆偷拍与自拍| 电影成人av| 一级,二级,三级黄色视频| 在线观看免费午夜福利视频| 可以免费在线观看a视频的电影网站| 国产亚洲午夜精品一区二区久久| 国产一区二区 视频在线| 精品一区二区三区av网在线观看 | 九色亚洲精品在线播放| 老熟妇仑乱视频hdxx| 免费少妇av软件| 人妻一区二区av| 久久中文字幕一级| 两性夫妻黄色片| 亚洲国产av新网站| 国产精品久久电影中文字幕 | 亚洲精华国产精华精| 国产色视频综合| 亚洲成国产人片在线观看| 久久久久精品国产欧美久久久| 精品国产一区二区久久| 18禁裸乳无遮挡动漫免费视频| 色94色欧美一区二区| 亚洲av国产av综合av卡| 国产成人av教育| 欧美久久黑人一区二区| 亚洲专区字幕在线| 亚洲欧美激情在线| 国产精品麻豆人妻色哟哟久久| a级片在线免费高清观看视频| 亚洲中文av在线| 久久99一区二区三区| 国产欧美日韩一区二区精品| 精品久久久久久电影网| av天堂久久9| 美女福利国产在线| 国产精品免费视频内射| 18禁观看日本| 午夜福利欧美成人| 亚洲,欧美精品.| 日韩欧美免费精品| 在线观看免费日韩欧美大片| 国产精品亚洲av一区麻豆| 色综合婷婷激情| 亚洲中文字幕日韩| 极品少妇高潮喷水抽搐| 欧美黑人欧美精品刺激| 满18在线观看网站| 99久久国产精品久久久| 91大片在线观看| 色婷婷久久久亚洲欧美| 免费看a级黄色片| 精品少妇黑人巨大在线播放| 国产福利在线免费观看视频| 99久久国产精品久久久| 正在播放国产对白刺激| 一本久久精品| 精品人妻1区二区| 亚洲久久久国产精品| 精品福利永久在线观看| 99精品久久久久人妻精品| 成人三级做爰电影| 一本大道久久a久久精品| 久久久久久人人人人人| 成年动漫av网址| 啦啦啦 在线观看视频| 最近最新中文字幕大全免费视频| 亚洲天堂av无毛| 一本色道久久久久久精品综合| 国产高清videossex| 欧美性长视频在线观看| 精品国产超薄肉色丝袜足j| 999久久久国产精品视频| av欧美777| 俄罗斯特黄特色一大片| 男人操女人黄网站| 777米奇影视久久| 淫妇啪啪啪对白视频| 美女国产高潮福利片在线看| 国产欧美日韩一区二区三区在线| 成年动漫av网址| 黄色视频,在线免费观看| 国产黄频视频在线观看| 国产片内射在线| 手机成人av网站| 国产在线一区二区三区精| 老汉色av国产亚洲站长工具| 午夜福利在线观看吧| 可以免费在线观看a视频的电影网站| 啦啦啦在线免费观看视频4| 精品少妇一区二区三区视频日本电影| 国产男靠女视频免费网站| 天堂动漫精品| a级毛片在线看网站| 精品欧美一区二区三区在线| 咕卡用的链子| 国产欧美日韩一区二区三区在线| 一进一出好大好爽视频| 天堂中文最新版在线下载| 一区二区av电影网| 色视频在线一区二区三区| 激情在线观看视频在线高清 | 亚洲专区字幕在线| 亚洲国产成人一精品久久久| 日韩欧美三级三区| 交换朋友夫妻互换小说| 免费不卡黄色视频| 精品国产乱子伦一区二区三区| 天堂俺去俺来也www色官网| 人妻 亚洲 视频| 午夜福利在线免费观看网站| 一区二区av电影网| 91大片在线观看| 夜夜骑夜夜射夜夜干| 日韩制服丝袜自拍偷拍| 欧美黄色片欧美黄色片| 夜夜爽天天搞| 国产亚洲午夜精品一区二区久久| 亚洲国产欧美网| 亚洲国产成人一精品久久久| 黄片小视频在线播放| a级毛片在线看网站| 法律面前人人平等表现在哪些方面| 亚洲国产欧美网| www.自偷自拍.com| 久久精品人人爽人人爽视色| tocl精华| 亚洲欧美日韩高清在线视频 | 亚洲av欧美aⅴ国产| 中文字幕色久视频| 黑人操中国人逼视频| 亚洲专区中文字幕在线| 国产在线视频一区二区| 欧美精品一区二区免费开放| 9色porny在线观看| 国产亚洲一区二区精品| 80岁老熟妇乱子伦牲交| 精品福利永久在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 黑人巨大精品欧美一区二区蜜桃| 国产精品久久久人人做人人爽| 午夜福利在线观看吧| 一级毛片电影观看| 麻豆乱淫一区二区| 国产精品免费一区二区三区在线 | 久久精品国产亚洲av香蕉五月 | 久久国产精品大桥未久av| 色婷婷av一区二区三区视频| 成人永久免费在线观看视频 | 国产精品美女特级片免费视频播放器 | 三上悠亚av全集在线观看| 男女无遮挡免费网站观看| 中文字幕另类日韩欧美亚洲嫩草| 欧美日韩视频精品一区| 黄片播放在线免费| 欧美日韩黄片免| 一区二区日韩欧美中文字幕| 69av精品久久久久久 | 日韩一区二区三区影片| 国产主播在线观看一区二区| 久久天躁狠狠躁夜夜2o2o| 午夜激情久久久久久久| 在线 av 中文字幕| 久久狼人影院| 国产免费福利视频在线观看| aaaaa片日本免费| 国产1区2区3区精品| 999久久久国产精品视频| 美女高潮喷水抽搐中文字幕| 国产成人精品久久二区二区91| 女人精品久久久久毛片| 色婷婷久久久亚洲欧美| 国产主播在线观看一区二区| 亚洲av国产av综合av卡| 夫妻午夜视频| 亚洲三区欧美一区| 老汉色av国产亚洲站长工具| 亚洲国产av影院在线观看| 女人爽到高潮嗷嗷叫在线视频| 欧美精品高潮呻吟av久久| 久久99一区二区三区| www.精华液| 国产精品1区2区在线观看. | 精品久久久精品久久久| 国产男靠女视频免费网站| 国产av精品麻豆| 日韩大片免费观看网站| 欧美激情久久久久久爽电影 | 亚洲精品美女久久久久99蜜臀| 如日韩欧美国产精品一区二区三区| 色视频在线一区二区三区| 女人被躁到高潮嗷嗷叫费观| 亚洲av日韩精品久久久久久密| 亚洲免费av在线视频| 亚洲欧美一区二区三区久久| 亚洲av成人不卡在线观看播放网| 黄色视频不卡| 性少妇av在线| 女性被躁到高潮视频| 亚洲国产看品久久| 精品福利永久在线观看| 欧美成人免费av一区二区三区 | 国产精品久久电影中文字幕 | 久久青草综合色| 日韩欧美国产一区二区入口| 亚洲一码二码三码区别大吗| 久久ye,这里只有精品| 欧美亚洲日本最大视频资源| 亚洲熟妇熟女久久| 亚洲国产av新网站| 国产在视频线精品| 在线观看免费视频网站a站| 一级片免费观看大全| 国产aⅴ精品一区二区三区波| 黄色视频在线播放观看不卡| av视频免费观看在线观看| 久久性视频一级片| 丰满迷人的少妇在线观看| 成人av一区二区三区在线看| 女性生殖器流出的白浆| 亚洲第一欧美日韩一区二区三区 | 久久久国产欧美日韩av| av网站免费在线观看视频| 啦啦啦中文免费视频观看日本| 日韩制服丝袜自拍偷拍| 国产精品一区二区在线观看99| 国产国语露脸激情在线看| 午夜福利影视在线免费观看| 考比视频在线观看| 亚洲av日韩在线播放| 欧美精品av麻豆av| 999久久久国产精品视频| 18禁美女被吸乳视频| 中文字幕最新亚洲高清| 久久婷婷成人综合色麻豆| 国产免费现黄频在线看| 亚洲国产欧美在线一区| 97人妻天天添夜夜摸| 捣出白浆h1v1| 国产成人av教育| 欧美国产精品va在线观看不卡| 日韩视频在线欧美| 汤姆久久久久久久影院中文字幕| 久久 成人 亚洲| 国产精品久久久av美女十八| 久久精品成人免费网站| 国产精品电影一区二区三区 | 亚洲专区中文字幕在线| 叶爱在线成人免费视频播放| 法律面前人人平等表现在哪些方面| 建设人人有责人人尽责人人享有的| 深夜精品福利| 精品一区二区三区四区五区乱码| 亚洲自偷自拍图片 自拍| 啦啦啦免费观看视频1| 亚洲色图av天堂| 亚洲av美国av| 女人精品久久久久毛片| a级毛片黄视频| 久久精品国产亚洲av香蕉五月 | 成年人免费黄色播放视频| 欧美成人免费av一区二区三区 | 国产99久久九九免费精品| 免费黄频网站在线观看国产| 18在线观看网站| 国产亚洲精品一区二区www | 精品一品国产午夜福利视频| 免费在线观看黄色视频的| 国产精品一区二区精品视频观看| 日韩三级视频一区二区三区| 成人三级做爰电影| 婷婷成人精品国产| 国产亚洲精品久久久久5区| 久久久精品94久久精品| 嫩草影视91久久| 久久精品国产亚洲av高清一级| 91大片在线观看| 极品少妇高潮喷水抽搐| 黄片大片在线免费观看| 午夜日韩欧美国产| 国产精品国产av在线观看| 精品国产一区二区久久| 欧美成人午夜精品| 国产一区二区三区在线臀色熟女 | 高清黄色对白视频在线免费看| 曰老女人黄片| 亚洲男人天堂网一区| 啦啦啦视频在线资源免费观看| 咕卡用的链子| 精品国产一区二区三区四区第35| 欧美日韩成人在线一区二区| 午夜福利影视在线免费观看| 欧美黄色片欧美黄色片| 在线观看免费日韩欧美大片| 亚洲自偷自拍图片 自拍| 国产一区二区激情短视频| 亚洲avbb在线观看| 男女午夜视频在线观看| 超色免费av| 在线十欧美十亚洲十日本专区| 男女床上黄色一级片免费看| 高清av免费在线| 大型黄色视频在线免费观看| 亚洲精品自拍成人| 一级毛片女人18水好多| 搡老岳熟女国产| 午夜老司机福利片| 不卡一级毛片| 这个男人来自地球电影免费观看| 国产亚洲精品一区二区www | 视频区欧美日本亚洲| 欧美精品av麻豆av| 一个人免费看片子| 精品熟女少妇八av免费久了| 侵犯人妻中文字幕一二三四区| 一个人免费在线观看的高清视频| 欧美大码av| 国产又色又爽无遮挡免费看| 极品人妻少妇av视频| 另类精品久久| 啪啪无遮挡十八禁网站| 一本久久精品| 国产午夜精品久久久久久| 一级毛片电影观看| www.自偷自拍.com| 后天国语完整版免费观看| 男女午夜视频在线观看| 日本黄色视频三级网站网址 | 中文字幕人妻丝袜制服| 欧美久久黑人一区二区| 在线观看人妻少妇| 后天国语完整版免费观看| 少妇 在线观看| 男女之事视频高清在线观看| 丝袜美足系列| 深夜精品福利| www.精华液| 免费黄频网站在线观看国产| 久久久国产成人免费| 老熟妇乱子伦视频在线观看| 久久中文字幕人妻熟女| 欧美日韩亚洲国产一区二区在线观看 | 亚洲国产欧美网| 国产91精品成人一区二区三区 | 国产男靠女视频免费网站| 久久香蕉激情| 黑人巨大精品欧美一区二区mp4| 黄频高清免费视频| 亚洲午夜理论影院| 99在线人妻在线中文字幕 | 久久影院123| 99国产极品粉嫩在线观看| 免费在线观看黄色视频的| 国产亚洲一区二区精品| 亚洲精品自拍成人| 在线 av 中文字幕| 黑丝袜美女国产一区| 91精品国产国语对白视频| 久久av网站| 一级毛片电影观看| 巨乳人妻的诱惑在线观看| av片东京热男人的天堂| 老司机靠b影院| 1024视频免费在线观看| 超碰成人久久| 黄色视频,在线免费观看| 国产免费视频播放在线视频| 人妻一区二区av| www.熟女人妻精品国产| 精品国产一区二区三区四区第35| 精品久久久久久电影网| 久久婷婷成人综合色麻豆| 日韩大码丰满熟妇| 一个人免费在线观看的高清视频| 美女扒开内裤让男人捅视频| 国产又爽黄色视频| 国产区一区二久久| 丝瓜视频免费看黄片| 久久香蕉激情| 999精品在线视频| 91国产中文字幕| 侵犯人妻中文字幕一二三四区| 俄罗斯特黄特色一大片| 精品国内亚洲2022精品成人 | 欧美乱码精品一区二区三区| 18禁观看日本| 肉色欧美久久久久久久蜜桃| 精品少妇久久久久久888优播| 久久毛片免费看一区二区三区| 亚洲国产欧美在线一区| 无遮挡黄片免费观看| 无人区码免费观看不卡 | 视频在线观看一区二区三区| 超碰成人久久| 久久精品国产亚洲av高清一级| 亚洲自偷自拍图片 自拍| 日韩欧美免费精品| 中文字幕高清在线视频| 亚洲精品国产精品久久久不卡| 久久热在线av| 国产伦理片在线播放av一区| 久久国产精品人妻蜜桃| 免费少妇av软件| 成人国产av品久久久| 国产精品自产拍在线观看55亚洲 | 欧美乱码精品一区二区三区| 亚洲av电影在线进入| 国产1区2区3区精品| 国产免费现黄频在线看| 色播在线永久视频| 19禁男女啪啪无遮挡网站| 窝窝影院91人妻| 国产一区二区激情短视频| 中文字幕av电影在线播放| 日本精品一区二区三区蜜桃| 一本久久精品| 女人久久www免费人成看片| 国产成人av激情在线播放| 在线永久观看黄色视频| 丰满人妻熟妇乱又伦精品不卡| 久久亚洲精品不卡| 国产男女内射视频| 国产淫语在线视频| 国产亚洲午夜精品一区二区久久| 精品国产一区二区三区四区第35| 欧美一级毛片孕妇| 啦啦啦免费观看视频1| 美女扒开内裤让男人捅视频| av欧美777| 午夜久久久在线观看| 国产又色又爽无遮挡免费看| 免费久久久久久久精品成人欧美视频| 新久久久久国产一级毛片| 久久久久视频综合| 巨乳人妻的诱惑在线观看| 久久久国产一区二区| 国产在线观看jvid| 午夜激情久久久久久久| 国产精品香港三级国产av潘金莲| 可以免费在线观看a视频的电影网站| 午夜免费成人在线视频| 18禁黄网站禁片午夜丰满| 伊人久久大香线蕉亚洲五| 国产一区二区在线观看av| 一个人免费看片子| av网站在线播放免费| 精品视频人人做人人爽| 久久久精品94久久精品| 国产91精品成人一区二区三区 | 国产淫语在线视频| 男女高潮啪啪啪动态图| 人妻一区二区av| 亚洲精品av麻豆狂野| 国产亚洲欧美在线一区二区| 一区二区三区乱码不卡18| 男女免费视频国产| 亚洲一区中文字幕在线| av网站免费在线观看视频| 少妇 在线观看| tocl精华| 国产欧美日韩一区二区三区在线| 操出白浆在线播放| 91字幕亚洲| 视频区图区小说| 无遮挡黄片免费观看| 国产成人啪精品午夜网站| 他把我摸到了高潮在线观看 | 天天影视国产精品| 亚洲综合色网址| 国产91精品成人一区二区三区 | 国产一卡二卡三卡精品| 搡老乐熟女国产| 捣出白浆h1v1| 王馨瑶露胸无遮挡在线观看| 国产精品自产拍在线观看55亚洲 | 热re99久久国产66热| 色94色欧美一区二区| 欧美人与性动交α欧美软件| 露出奶头的视频| 国产亚洲精品一区二区www | 夜夜爽天天搞| 老汉色∧v一级毛片| 69精品国产乱码久久久| 热re99久久精品国产66热6| 最近最新免费中文字幕在线| 成人特级黄色片久久久久久久 | 一区在线观看完整版| 亚洲国产成人一精品久久久| e午夜精品久久久久久久| 精品一区二区三卡| 久久ye,这里只有精品| 国产午夜精品久久久久久| 亚洲av成人一区二区三| 少妇裸体淫交视频免费看高清 |