• <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DenseNet和注意力機(jī)制的靜爆場破片識別方法研究

    2023-03-02 02:17:24何子清王亞林
    兵器裝備工程學(xué)報 2023年2期
    關(guān)鍵詞:破片靶板注意力

    魏 琦,何子清,王亞林,王 軍

    (1.蘇州科技大學(xué),江蘇 蘇州 215009;2.近地面探測技術(shù)重點實驗室,江蘇 無錫 214035;3.中國白城兵器試驗中心,吉林 白城 137001)

    1 引言

    破片殺傷效應(yīng)[1]是指戰(zhàn)斗部毀傷試驗爆炸后破片對目標(biāo)的破壞作用,它與破片的數(shù)量、破片的空間分布、彈目交匯條件等參數(shù)有關(guān)。對于破片殺傷效應(yīng)的評估[2]是爆炸性武器研發(fā)、改進(jìn)、定型及作戰(zhàn)威力評估的重要內(nèi)容。戰(zhàn)斗部威力試驗中常利用靶板測量飛散特性,需要在爆炸區(qū)域設(shè)立多個鋼板靶或木板靶,試驗后人得到有限數(shù)量的破片且防護(hù)困難。靶板法價格便宜、安裝簡單,能夠可靠地獲得破片分布信息及侵蝕能力,是靶板沿用至今的破片參數(shù)測試方法。

    傳統(tǒng)的靶板法在數(shù)據(jù)處理時使用人工圈定[3]的方式對破片位置進(jìn)行測量,存在以下方面不足:一是采集效率低,需要耗費較多的人力和時間;二是采集數(shù)據(jù)信息較少,僅獲取某個靶板有效區(qū)域內(nèi)的破片數(shù)量;三是誤檢漏檢率大。

    隨著激光掃描技術(shù)的發(fā)展,以及深度學(xué)習(xí)的研究方法逐漸滲透到各個領(lǐng)域,針對靜爆場破片的目標(biāo)檢測已經(jīng)不再滿足于單純的人工檢測?;诩す鈷呙杓夹g(shù),何性順等[4]提出了基于TLS的靶板穿孔特征識別提取方法,采用三維激光掃描技術(shù)通過點云間內(nèi)部關(guān)系,識別破片穿孔特征,但實驗的樣本數(shù)量少,識別速度慢。目前主流的深度學(xué)習(xí)目標(biāo)檢測方法包括Fast R-CNN[5]、Faster R-CNN[6]等基于候選區(qū)域的算法以及 YOLO[7]、單激發(fā)探測器(single shot detector,SSD)[8]等基于回歸的算法。雷江波等[9]提出了基于Faster R-CNN的破片群圖像目標(biāo)檢測研究,首次將Faster R-CNN網(wǎng)絡(luò)應(yīng)用于破片檢測,但檢測速度較慢,且對于小目標(biāo)的檢測精度較低。為解決這個問題,F(xiàn)u 等[10]提出 DSSD(deconvolutional single shot detector)檢測器。該模型將 SSD 中的骨干網(wǎng)絡(luò)修改為 ResNet101,同時增加 Deconvoluational 模塊和 Prediction 模塊,提升了模型對小目標(biāo)物體的識別和分類能力,但是計算量較大,無法進(jìn)行實時性目標(biāo)檢測。張侶等[11]在骨干網(wǎng)絡(luò)中引入注意力機(jī)制和 ResNet 的思想,并在殘差模塊外層增加skip connection 構(gòu)成嵌套殘差結(jié)構(gòu),大幅提升了網(wǎng)絡(luò)的特征提取能力。趙鵬飛等[12]采用分組殘差的方式重新構(gòu)建 Darknet-53,引入特征增強(qiáng)模塊與通道注意力機(jī)制獲得淺層增強(qiáng)特征,改善淺層語義特征信息不足的問題。

    本文提出改進(jìn)的SSD目標(biāo)檢測算法,將SSD網(wǎng)絡(luò)模型中的骨干網(wǎng)絡(luò)修改為DenseNet[13],并改進(jìn)DenseNet網(wǎng)絡(luò)模型結(jié)構(gòu),減少網(wǎng)絡(luò)參數(shù),降低輸入圖像特征信息的消耗,最大程度地保留目標(biāo)物體的細(xì)節(jié)信息,另外引入注意力機(jī)制模型,提升網(wǎng)絡(luò)前向傳播時的特征表達(dá)能力,充分提取小目標(biāo)的特征信息。

    2 基于SSD目標(biāo)檢測的破片識別模型

    靜爆試驗過程中由于爆炸范圍較大,會設(shè)置多個鋼板靶進(jìn)行破片參數(shù)測量,因此破片打擊到靶板上進(jìn)行檢靶主要存在以下難題:(1)如何在復(fù)雜明暗程度不同的破片圖像中準(zhǔn)確定位到破片區(qū)域,并進(jìn)行分類;(2)如何提高破片區(qū)域的定位識別精度。針對這些技術(shù)難點,提出基于深度學(xué)習(xí)目標(biāo)檢測方法,根據(jù)破片圖像特點,引入深度學(xué)習(xí)網(wǎng)絡(luò),首先對物體和背景進(jìn)行簡單的二分類與粗略定位,根據(jù)第一部分的二分類結(jié)果過濾大部分簡單負(fù)樣本,然后進(jìn)行目標(biāo)類別的判斷與位置回歸,最后輸出破片數(shù)量及類別。提出的算法流程如圖1所示。

    圖1 基于SSD的破片圖像識別流程Fig.1 Fragment image recognition process based on SSD

    3 改進(jìn)SSD算法

    3.1 傳統(tǒng)的SSD網(wǎng)絡(luò)結(jié)構(gòu)

    SSD網(wǎng)絡(luò)是基于回歸的目標(biāo)檢測算法的典型網(wǎng)絡(luò),它利用單個深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)合6個不同尺度的特征圖進(jìn)行預(yù)測獲取目標(biāo)的類別和位置信息。SSD網(wǎng)絡(luò)由基礎(chǔ)網(wǎng)絡(luò)和額外增加網(wǎng)絡(luò)組成,其結(jié)構(gòu)如圖2所示。

    圖2 SSD網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 SSD network structure

    其中,VGG-16網(wǎng)絡(luò)為SSD的基礎(chǔ)網(wǎng)絡(luò)。SSD的額外增加網(wǎng)絡(luò)由 Conv4-3 特征圖以及經(jīng)過不斷下采樣操作形成尺度逐漸變小的特征圖組成。

    SSD網(wǎng)絡(luò)對于小尺度目標(biāo)的檢測主要利用分辨率較高的Conv4_3淺層特征圖,而Conv4_3位置比較靠前,容易導(dǎo)致特征提取不充分,丟失一些重要的細(xì)節(jié)特征,因此,這里考慮更換SSD中的主干網(wǎng)絡(luò)。由于DenseNet網(wǎng)絡(luò)是密集型網(wǎng)絡(luò),它的特點是重復(fù)利用前幾層的特征信息,利用拼接操作,最大化重用每一層的特征,而且可以很好的緩解梯度消失現(xiàn)象,所以本文將采用DenseNet網(wǎng)絡(luò)模型替代VGG-16原始網(wǎng)絡(luò)模型進(jìn)行檢測。

    3.2 DenseNet網(wǎng)絡(luò)模型

    DenseNet網(wǎng)絡(luò)由多個Dense Block模塊和多個Transition Layer層組成,其網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

    圖3 DenseNet網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 DenseNet network structure

    由圖3可以看出,Dense Block模塊作為DenseNet網(wǎng)絡(luò)結(jié)構(gòu)中的重要組成部分,除去第1層只有1個輸入,其他層的輸入都包括該層前面每一層的特征圖,同時該層的特征圖也會傳遞給之后的所有層,這樣的連接更加稠密,比傳統(tǒng)卷積網(wǎng)絡(luò)需要更少的參數(shù)。在DenseNet網(wǎng)絡(luò)結(jié)構(gòu)中每個Dense Block模塊之間還包含一個Transition Layer層,它起到防止過擬合和降采樣的作用,由于Dense Block 重用特征圖的特性導(dǎo)致其中各層特征圖的大小必須相等,因此需要在2個Dense Block之間通過1×1的卷積對特征圖進(jìn)行壓縮,再用一個步長為2的池化層來對圖像進(jìn)行降采樣。

    3.3 注意力機(jī)制

    注意力機(jī)制模型主要分為通道注意力機(jī)制(channel attention module)和空間注意力機(jī)制(spatial attention module),SENet[14]是通道注意力機(jī)制的典型實現(xiàn),它的主要目的是獲得輸入進(jìn)來的特征層的每一個通道的權(quán)值。圖4是SENet的結(jié)構(gòu)模型。

    圖4 SENet結(jié)構(gòu)Fig.4 SENet structure

    如圖4所示,SENet網(wǎng)絡(luò)首先對輸入進(jìn)來的特征層進(jìn)行全局平均池化,將一個多維度的特征通道映射成一個全局的實數(shù),接著進(jìn)行兩次全連接,第一次全連接神經(jīng)元個數(shù)較少,第二次全連接神經(jīng)元個數(shù)和輸入通道數(shù)一致,完成之后再經(jīng)過Sigmoid激活函數(shù)將值固定在0~1,此時我們獲得了輸入特征層每一個通道的權(quán)值(0~1),最后將這個權(quán)值乘上原輸入特征層對其進(jìn)行重新加權(quán),從而實現(xiàn)通道上的特征重寫。

    空間注意力機(jī)制[15]則是獲得輸入進(jìn)來的特征層上每一個特征點的權(quán)值,其模型結(jié)構(gòu)如圖5所示。

    圖5 空間注意力機(jī)制結(jié)構(gòu)Fig.5 Structure of spatial attention mechanism

    對輸入進(jìn)來的特征層,在每一個特征點的通道上取最大值和平均值。之后將這兩個結(jié)果進(jìn)行一個堆疊,利用一次通道數(shù)為1的卷積調(diào)整通道數(shù),然后取一個sigmoid,此時我們獲得了輸入特征層每一個特征點的權(quán)值(0~1)。在獲得這個權(quán)值后,我們將這個權(quán)值乘上原輸入特征層即可。

    CBAMNet[16]將通道注意力機(jī)制和空間注意力機(jī)制進(jìn)行了結(jié)合,它會對輸入進(jìn)來的特征層,分別進(jìn)行通道注意力機(jī)制的處理和空間注意力機(jī)制的處理。圖6是CBAMNet的結(jié)構(gòu)模型。

    圖6 CBAMNet結(jié)構(gòu)Fig.6 CBAMNet structure

    在每個Dense Block結(jié)構(gòu)中引入CBAMNet注意力機(jī)制模型,可以將淺層網(wǎng)絡(luò)重新加強(qiáng)全局特征,將深層次的網(wǎng)絡(luò)中各個特征的重要通道進(jìn)行重新加權(quán),有效提高模型精度。

    3.4 改進(jìn)DenseNet網(wǎng)絡(luò)層

    原始的DenseNet卷積網(wǎng)絡(luò)中第1個卷積核的大小為 7×7,步長為2,輸入圖像在經(jīng)過第一層卷積和池化下采樣后,其特征信息還未被充分提取就已部分丟失,從而影響到后續(xù)特征提取。因此,本文對DenseNet進(jìn)行改進(jìn),采用 3 個 3×3 的卷積核代替7×7卷積核,其中第一個3×3的卷積核步長為2,其余步長為1。此外,對DenseNet網(wǎng)絡(luò)中的Dense Block模塊進(jìn)行改進(jìn),在3×3卷積前加上一個1×1的卷積,用來降低上一層輸入的通道數(shù),減少后面的計算量,再結(jié)合前面提到的CBAMNet注意力機(jī)制模塊,加到Dense Block模塊的3×3卷積后面,用來增強(qiáng)有用信息的特征提取。改進(jìn)后的 DenseNet網(wǎng)絡(luò)層參數(shù)如表1所示。

    表1 DenseNet與改進(jìn)后DenseNet網(wǎng)絡(luò)層參數(shù)對比表Table 1 DenseNet and the improved DenseNet network layer parameters comparison

    3.5 改進(jìn)損失函數(shù)

    為解決正負(fù)樣本不均衡的問題,本文引入焦點損失函數(shù)[17]替代原有的交叉熵?fù)p失函數(shù),其原理是降低損失函數(shù)中易分類樣本的權(quán)重,增加難分類樣本的權(quán)重。

    交叉熵?fù)p失函數(shù)的公式如式(1)所示。

    (1)

    式中:y表示目標(biāo)的真實類別情況;p表示檢測模型輸出是目標(biāo)的概率,取值范圍(0,1]。

    平衡交叉熵?fù)p失函數(shù)在交叉熵公式前面增加了一個a權(quán)重,a值越小,負(fù)樣本的權(quán)重相對降低,同時正樣本的權(quán)重相對增加,其公式如式(2)所示。

    (2)

    在平衡交叉熵?fù)p失函數(shù)中加入調(diào)制因子,構(gòu)成焦點損失函數(shù),公式如式(3)所示。當(dāng)樣本屬于易分類時,調(diào)制因子趨近于0,對損失值造成的影響較小,當(dāng)樣本屬于難分類時,調(diào)制因子趨近于1,對損失值造成的影響較大,從而控制難易分類樣本在損失函數(shù)中所占的比重。

    (3)

    3.6 改進(jìn)后的SSD網(wǎng)絡(luò)結(jié)構(gòu)模型

    將上述改進(jìn)后的DenseNet基礎(chǔ)網(wǎng)絡(luò)替換到SSD的基礎(chǔ)網(wǎng)絡(luò)中,將尺寸為38×38、19×19的特征圖取出添加到額外增加網(wǎng)絡(luò)中,另外替換原有的交叉熵?fù)p失函數(shù),改為焦點損失函數(shù)。改進(jìn)后的SSD網(wǎng)絡(luò)結(jié)構(gòu)如圖7所示。

    圖7 改進(jìn)后的SSD網(wǎng)絡(luò)結(jié)構(gòu)Fig.7 Improved SSD network structure

    4 實驗與結(jié)果分析

    4.1 實驗條件

    本文采用佳能EOS 6D Mark相機(jī)和24~105 mm變焦鏡頭進(jìn)行圖像采集,其最大分辨率為6 240×4 160,傳感器尺寸為35.9 mm×24 mm,在鋼靶板尺寸為2 m×3.5 m情況下,像素分辨率最高為0.38 mm/pix,為采集破片圖像提供了保障。此次試驗共采取到1 683個破片圖像,通過對各類型破片進(jìn)行訓(xùn)練,將其中的90%用作訓(xùn)練集和驗證集(訓(xùn)練集和驗證集比例為9∶1),10%用作測試集。實驗在Python 3.7以及Pytorch 1.2 的深度學(xué)習(xí)框架上進(jìn)行,使用CUDA9.0加速GPU運算,GPU由4塊英偉達(dá)GTX1080Ti(11 GB 顯存)組成。

    4.2 目標(biāo)檢測結(jié)果分析

    本文算法與同樣基于SSD網(wǎng)絡(luò)模型的VGG基礎(chǔ)網(wǎng)絡(luò)模型、改進(jìn)前的DenseNet基礎(chǔ)網(wǎng)絡(luò)模型進(jìn)行對比分析。采用檢測平均精度(average precision,AP)和平均精度均值(mean average precision,mAP)作為算法檢測性能的評價指標(biāo)。上述算法在數(shù)據(jù)集上的檢測結(jié)果如圖8所示。

    根據(jù)圖8,針對本次實驗的破片數(shù)據(jù)集驗證結(jié)果來看,以VGG-16為基礎(chǔ)網(wǎng)絡(luò)的目標(biāo)檢測算法對于一些邊緣目標(biāo)、小目標(biāo),或者一些形狀奇特的破片的漏檢率比較大,而通過改進(jìn)的DenseNet基礎(chǔ)網(wǎng)絡(luò)的檢測效果明顯較好,不僅檢測精度增加,漏檢率也大大降低。

    圖8 本文算法與其他算法檢測結(jié)果對比Fig.8 Results compared with other algorithms

    圖9、圖10是本文算法下21號靶板靜爆場破片圖像的識別結(jié)果,共提取出242個目標(biāo)結(jié)果,可以看出,本文算法對于破片識別的準(zhǔn)確度以及精度都要高。對于小破片也有更好的識別效果,漏檢率較低。人工檢靶和本文算法識別的破片結(jié)果如表2所示。

    圖9 21號靶板破片著靶前后對比Fig.9 Target plate fragment No.21 before and after target comparison

    圖10 21號靶板破片識別分割結(jié)果Fig.10 Identification and segmentation results of target plate fragment No.21

    表2 各類型破片目標(biāo)檢測結(jié)果對比Table 2 Comparison of fragment target detection results

    其中,自然破片是指破片著靶前靶板上預(yù)先采集到的目標(biāo)參數(shù)信息,用來防止破片著靶前后一些靶板破損或之前試驗遺留信息的干擾。大破片和小破片的劃分是根據(jù)如圖8所示得到的檢測目標(biāo)的預(yù)測框的上邊界、左邊界、下邊界、右邊界的坐標(biāo)值,計算預(yù)測框的長寬,從而計算檢測目標(biāo)的預(yù)測框的面積,設(shè)置閾值為1 000,小于1 000記為小破片,大于1 000則記為大破片。

    表3統(tǒng)計了18~22號靶板破片檢測結(jié)果中未檢測出的破片數(shù)量,即為漏檢破片數(shù)。另外,一些地面因素的干擾或者圖片邊緣檢測到其他靶板上會導(dǎo)致一定數(shù)量的錯檢,這里也對錯檢破片數(shù)進(jìn)行了統(tǒng)計,錯檢破片數(shù)和總破片數(shù)的比值即為誤檢率,漏檢破片數(shù)和總破片數(shù)的比值即為漏檢率,分別用百分比表示。

    表3 著靶破片檢出結(jié)果Table 3 Detection of various types of fragments

    將500張測試集進(jìn)行測試,檢出效果如表4所示。其中mAP表示算法的平均檢測精度,根據(jù)檢測過程中預(yù)測框和先驗框的比較計算求得的預(yù)測值計算得出,用百分比表示,檢測精度越高,表示檢測的結(jié)果越準(zhǔn)確。漏檢率是未檢測出的結(jié)果總數(shù)和實際總數(shù)的比值,用百分比表示,漏檢率越低,檢測出的結(jié)果越多,檢測效果越好。誤檢率則是用來檢驗檢測結(jié)果的正確率,是錯檢破片總數(shù)和實際破片總數(shù)的比值,用百分比表示,誤檢率越低,檢測結(jié)果正確率越高,檢測結(jié)果越精確。誤檢率和漏檢率共同決定平均檢測精度的大小。

    表4 各靶板破片檢出率Table 4 Detection rate of fragments of each target plate

    從表2可以看出,改進(jìn)的算法對自然破片和大破片的識別效果較好,對小破片的識別效果隨著破片數(shù)量增加逐漸降低。通過對錯檢破片分析,靜爆試驗在野外試驗過程中,部分破片打擊到地面濺起泥巴以及鋼靶板本身的缺陷問題,都會對破片檢測造成影響。表4中DenseNet+SENet算法和本文的DenseNet+CBAMNet算法在檢測時間、檢測精度和誤檢率上都是比較接近的,甚至前者的誤檢率優(yōu)于本文算法,但是其漏檢率結(jié)果要比本文算法低1.3個百分點,考慮到本次實驗的目的是盡可能多且精確地檢測出小破片目標(biāo),所以采用平均精度較高的DenseNet+CBAMNet作為實驗的最優(yōu)算法。

    5 結(jié)論

    本文提出基于深度學(xué)習(xí)目標(biāo)檢測的方法代替?zhèn)鹘y(tǒng)方法自動識別靜爆場破片,獲取破片的數(shù)量和類別。由于部分破片目標(biāo)較小,且受復(fù)雜環(huán)境影響,不易檢測,提出將 SSD 網(wǎng)絡(luò)模型中的骨干網(wǎng)絡(luò)修改為DenseNet,并對DenseNet網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn),最大程度地保留小目標(biāo)的細(xì)節(jié)特征。引入通道注意力機(jī)制和空間注意力機(jī)制,獲取通道和特征點的權(quán)值,提升小目標(biāo)的特征信息提取能力。實驗結(jié)果表明,該算法的檢測平均精度均值較改進(jìn)前SSD 算法提升4.03個百分點,誤檢率和漏檢率均得到了很好的提升,分別增加了3.6和6個百分點。后續(xù)將繼續(xù)優(yōu)化模型結(jié)構(gòu),進(jìn)一步提高計算效率。

    猜你喜歡
    破片靶板注意力
    爆轟驅(qū)動下軸向預(yù)制破片飛散特性研究
    讓注意力“飛”回來
    疊合雙層靶抗球形破片的侵徹能耗
    具有攻角的鎢合金彈侵徹運動靶板的數(shù)值模擬研究
    彈丸斜撞擊間隔靶板的數(shù)值模擬
    彈藥動態(tài)加載下破片測試方法
    中國測試(2018年10期)2018-11-17 01:58:40
    半預(yù)制破片戰(zhàn)斗部破片威力分析
    “揚眼”APP:讓注意力“變現(xiàn)”
    傳媒評論(2017年3期)2017-06-13 09:18:10
    A Beautiful Way Of Looking At Things
    前向戰(zhàn)斗部破片散布均勻性研究*
    av在线老鸭窝| 久久亚洲精品不卡| 最近最新中文字幕大全电影3| 欧美日韩中文字幕国产精品一区二区三区| 嫩草影视91久久| 三级国产精品欧美在线观看| 国产一级毛片七仙女欲春2| 在线天堂最新版资源| 免费看美女性在线毛片视频| 丁香欧美五月| 国产爱豆传媒在线观看| 国内精品一区二区在线观看| 成人一区二区视频在线观看| 麻豆av噜噜一区二区三区| 国产成人影院久久av| 免费电影在线观看免费观看| 亚洲av成人不卡在线观看播放网| 国产精品99久久久久久久久| av专区在线播放| 久久久久国产精品人妻aⅴ院| .国产精品久久| 永久网站在线| h日本视频在线播放| 两性午夜刺激爽爽歪歪视频在线观看| 久久久久久久久久成人| 人妻丰满熟妇av一区二区三区| 国产日本99.免费观看| 成年人黄色毛片网站| 男插女下体视频免费在线播放| av视频在线观看入口| 中亚洲国语对白在线视频| 国产人妻一区二区三区在| 真人一进一出gif抽搐免费| 在线免费观看不下载黄p国产 | 热99在线观看视频| 3wmmmm亚洲av在线观看| 18禁黄网站禁片免费观看直播| 国产不卡一卡二| 久久精品国产亚洲av香蕉五月| 国产精品av视频在线免费观看| 亚洲成人中文字幕在线播放| ponron亚洲| 免费无遮挡裸体视频| 久久久精品大字幕| 99热这里只有是精品在线观看 | 国产精品永久免费网站| x7x7x7水蜜桃| 好男人在线观看高清免费视频| 国产欧美日韩精品亚洲av| 日韩成人在线观看一区二区三区| av天堂中文字幕网| 特级一级黄色大片| 亚洲无线观看免费| 亚洲一区二区三区不卡视频| 精品一区二区三区av网在线观看| 又爽又黄无遮挡网站| 国产日本99.免费观看| 精品一区二区三区视频在线| 国模一区二区三区四区视频| 一个人观看的视频www高清免费观看| 亚洲av免费在线观看| 一a级毛片在线观看| 97碰自拍视频| 少妇被粗大猛烈的视频| 男人舔女人下体高潮全视频| 三级国产精品欧美在线观看| 欧美激情久久久久久爽电影| 国产伦精品一区二区三区四那| 三级毛片av免费| 久久6这里有精品| 国产欧美日韩精品亚洲av| 午夜福利在线在线| 国产一区二区在线观看日韩| 少妇丰满av| 香蕉av资源在线| 精华霜和精华液先用哪个| 亚洲精品在线美女| 黄色配什么色好看| 国产精品乱码一区二三区的特点| 少妇的逼水好多| 亚洲天堂国产精品一区在线| 国产精品久久电影中文字幕| 久久精品国产99精品国产亚洲性色| 久久亚洲真实| 国产一区二区在线av高清观看| 久久久久亚洲av毛片大全| 深夜a级毛片| 日韩中字成人| 国内揄拍国产精品人妻在线| 久久久成人免费电影| 国产高清激情床上av| 亚洲一区二区三区色噜噜| 看十八女毛片水多多多| 国内精品一区二区在线观看| 91九色精品人成在线观看| 成年女人毛片免费观看观看9| 日本精品一区二区三区蜜桃| 午夜福利欧美成人| 久久久久久久久久成人| 日韩欧美一区二区三区在线观看| 一个人看的www免费观看视频| 国产成人a区在线观看| 美女被艹到高潮喷水动态| 国产伦精品一区二区三区四那| 欧美3d第一页| 欧美丝袜亚洲另类 | 国产成年人精品一区二区| 88av欧美| 国产高清视频在线观看网站| 精品久久久久久久久av| АⅤ资源中文在线天堂| 亚洲av美国av| 午夜福利18| 一个人看的www免费观看视频| 欧美绝顶高潮抽搐喷水| 久久精品国产亚洲av涩爱 | av黄色大香蕉| 日韩欧美国产在线观看| 别揉我奶头 嗯啊视频| 男女那种视频在线观看| 日本在线视频免费播放| 欧美国产日韩亚洲一区| 人人妻人人看人人澡| 在线国产一区二区在线| 天堂av国产一区二区熟女人妻| 欧美极品一区二区三区四区| 久久久久久久亚洲中文字幕 | 12—13女人毛片做爰片一| 亚洲色图av天堂| 国产黄片美女视频| 午夜两性在线视频| 色哟哟哟哟哟哟| 乱码一卡2卡4卡精品| 又爽又黄无遮挡网站| 国内精品久久久久久久电影| 男人和女人高潮做爰伦理| a在线观看视频网站| 国产精品免费一区二区三区在线| 日韩人妻高清精品专区| 精品国产亚洲在线| 99久久99久久久精品蜜桃| 久久久久久久亚洲中文字幕 | 欧美又色又爽又黄视频| 欧美一区二区精品小视频在线| 国产精品98久久久久久宅男小说| 亚洲,欧美,日韩| 欧美激情国产日韩精品一区| 一本综合久久免费| 久久久久久久久中文| 天堂av国产一区二区熟女人妻| 99久久成人亚洲精品观看| 亚洲不卡免费看| 亚洲美女搞黄在线观看 | 国产精品一区二区性色av| 成人特级黄色片久久久久久久| 99久久九九国产精品国产免费| 99国产精品一区二区三区| 91九色精品人成在线观看| 小蜜桃在线观看免费完整版高清| 看免费av毛片| 18+在线观看网站| 国产伦在线观看视频一区| 韩国av一区二区三区四区| 国产免费男女视频| 日韩国内少妇激情av| 伊人久久精品亚洲午夜| 伊人久久精品亚洲午夜| 黄色一级大片看看| 99久久九九国产精品国产免费| 午夜免费男女啪啪视频观看 | 国产精品久久久久久精品电影| 国产精品av视频在线免费观看| 国产一区二区在线观看日韩| 久久99热这里只有精品18| 黄色女人牲交| 色吧在线观看| 国产欧美日韩精品亚洲av| 免费av毛片视频| 国产精品,欧美在线| 亚洲国产欧洲综合997久久,| 亚洲国产欧美人成| 51午夜福利影视在线观看| 一夜夜www| 国产精品久久视频播放| 日韩有码中文字幕| 国产精品久久久久久久久免 | 伦理电影大哥的女人| 亚洲av二区三区四区| 全区人妻精品视频| 人妻夜夜爽99麻豆av| 此物有八面人人有两片| 久久国产乱子免费精品| 国产蜜桃级精品一区二区三区| 国产免费av片在线观看野外av| 日韩欧美一区二区三区在线观看| 色综合亚洲欧美另类图片| 欧美性感艳星| a在线观看视频网站| 成年人黄色毛片网站| 性色avwww在线观看| 美女cb高潮喷水在线观看| 18禁黄网站禁片午夜丰满| 久久久久久久亚洲中文字幕 | 淫秽高清视频在线观看| 国产日本99.免费观看| 国产成+人综合+亚洲专区| 午夜福利高清视频| 久久精品影院6| av视频在线观看入口| 午夜精品在线福利| 午夜福利成人在线免费观看| 精品久久久久久久人妻蜜臀av| 婷婷亚洲欧美| 1000部很黄的大片| 丁香欧美五月| 国产精品一及| 十八禁人妻一区二区| 99久国产av精品| 99久久精品一区二区三区| 亚洲人成网站在线播放欧美日韩| 国产一级毛片七仙女欲春2| 亚洲成人中文字幕在线播放| 琪琪午夜伦伦电影理论片6080| 国产精品爽爽va在线观看网站| 国产黄色小视频在线观看| 国产精品嫩草影院av在线观看 | 国产一区二区在线观看日韩| 精品乱码久久久久久99久播| 女生性感内裤真人,穿戴方法视频| 亚洲,欧美精品.| 国产黄色小视频在线观看| 美女cb高潮喷水在线观看| 亚洲成a人片在线一区二区| 国产单亲对白刺激| 天堂影院成人在线观看| 国产激情偷乱视频一区二区| 在线观看免费视频日本深夜| 全区人妻精品视频| 亚洲av成人不卡在线观看播放网| av在线观看视频网站免费| 国内揄拍国产精品人妻在线| 国产高清视频在线观看网站| 免费大片18禁| 欧美黑人巨大hd| 麻豆国产av国片精品| 免费在线观看成人毛片| 99热这里只有精品一区| 国产欧美日韩精品一区二区| 人妻制服诱惑在线中文字幕| 不卡一级毛片| 97碰自拍视频| 亚州av有码| 岛国在线免费视频观看| 精品欧美国产一区二区三| 女人被狂操c到高潮| 国产成人a区在线观看| 网址你懂的国产日韩在线| 精品一区二区三区人妻视频| 久久国产乱子免费精品| 国产高清视频在线观看网站| 亚洲av一区综合| 久久九九热精品免费| 欧美3d第一页| 亚洲欧美日韩高清在线视频| 搞女人的毛片| ponron亚洲| 婷婷六月久久综合丁香| 国产精品自产拍在线观看55亚洲| 日本 欧美在线| 首页视频小说图片口味搜索| 精品日产1卡2卡| 日韩欧美在线乱码| 三级国产精品欧美在线观看| 黄色女人牲交| а√天堂www在线а√下载| x7x7x7水蜜桃| 99久久精品一区二区三区| 久久国产精品影院| 久久精品夜夜夜夜夜久久蜜豆| 国产一区二区激情短视频| 国产黄色小视频在线观看| 桃色一区二区三区在线观看| 国产色婷婷99| 精品不卡国产一区二区三区| 午夜福利欧美成人| 色哟哟·www| 午夜老司机福利剧场| 国产久久久一区二区三区| 白带黄色成豆腐渣| 亚洲国产精品999在线| 欧美日韩乱码在线| 免费在线观看成人毛片| 天堂网av新在线| 亚洲av二区三区四区| 亚洲激情在线av| 真人一进一出gif抽搐免费| 午夜精品一区二区三区免费看| 露出奶头的视频| 18禁在线播放成人免费| a在线观看视频网站| 国产色爽女视频免费观看| 国产乱人伦免费视频| 久久精品国产自在天天线| 狠狠狠狠99中文字幕| 亚洲人与动物交配视频| 午夜视频国产福利| 亚洲国产高清在线一区二区三| 人人妻,人人澡人人爽秒播| 欧美黑人欧美精品刺激| 日韩av在线大香蕉| 中文字幕免费在线视频6| 亚洲va日本ⅴa欧美va伊人久久| 亚洲国产精品sss在线观看| 美女xxoo啪啪120秒动态图 | 人妻丰满熟妇av一区二区三区| 又紧又爽又黄一区二区| 久久精品国产自在天天线| 国产精品久久视频播放| 97超级碰碰碰精品色视频在线观看| 精品一区二区三区av网在线观看| 国产视频一区二区在线看| 国产蜜桃级精品一区二区三区| 床上黄色一级片| 1024手机看黄色片| 国产高清三级在线| 久久精品91蜜桃| 国产免费av片在线观看野外av| 女人十人毛片免费观看3o分钟| 很黄的视频免费| 国产伦精品一区二区三区四那| 一个人看的www免费观看视频| 亚洲精品一区av在线观看| 欧美性猛交黑人性爽| 欧美xxxx性猛交bbbb| 亚洲欧美日韩高清在线视频| 国内精品美女久久久久久| 日韩欧美一区二区三区在线观看| 一个人免费在线观看电影| 久久久久性生活片| 看片在线看免费视频| 色哟哟哟哟哟哟| 一二三四社区在线视频社区8| 性色av乱码一区二区三区2| 简卡轻食公司| 成人精品一区二区免费| 在线天堂最新版资源| eeuss影院久久| 女人十人毛片免费观看3o分钟| xxxwww97欧美| 在线观看舔阴道视频| 老熟妇仑乱视频hdxx| 久久中文看片网| 国产精品久久久久久人妻精品电影| 亚洲成a人片在线一区二区| 欧美最黄视频在线播放免费| 不卡一级毛片| 免费高清视频大片| 欧美黄色淫秽网站| 成年版毛片免费区| 香蕉av资源在线| 亚洲五月婷婷丁香| 久久人妻av系列| 波野结衣二区三区在线| 欧美bdsm另类| 日本一二三区视频观看| 真实男女啪啪啪动态图| 91久久精品电影网| 久久久久久国产a免费观看| 99热6这里只有精品| 国产在线男女| 亚洲成人精品中文字幕电影| 天美传媒精品一区二区| 精品午夜福利视频在线观看一区| 小蜜桃在线观看免费完整版高清| 国产免费一级a男人的天堂| 免费av毛片视频| 日韩高清综合在线| 国产 一区 欧美 日韩| 两个人的视频大全免费| 一个人免费在线观看的高清视频| 很黄的视频免费| 日韩欧美在线乱码| av中文乱码字幕在线| 少妇裸体淫交视频免费看高清| 首页视频小说图片口味搜索| netflix在线观看网站| av天堂在线播放| 噜噜噜噜噜久久久久久91| 欧美成人免费av一区二区三区| 亚洲成av人片在线播放无| 国产主播在线观看一区二区| 18美女黄网站色大片免费观看| 精品一区二区三区av网在线观看| 精品人妻1区二区| 欧美成人一区二区免费高清观看| av在线老鸭窝| 美女免费视频网站| 午夜福利视频1000在线观看| 91狼人影院| 国产三级黄色录像| 亚洲国产精品久久男人天堂| 村上凉子中文字幕在线| 亚洲人成电影免费在线| 在线观看舔阴道视频| 国产伦精品一区二区三区视频9| 国产精品嫩草影院av在线观看 | 成人无遮挡网站| 国产在线男女| 国产高清激情床上av| 真人一进一出gif抽搐免费| 国产熟女xx| 久久久久久久久大av| 一级黄片播放器| 9191精品国产免费久久| 男人舔奶头视频| a级毛片a级免费在线| 1024手机看黄色片| 成人美女网站在线观看视频| 亚洲精品一区av在线观看| 性色avwww在线观看| 窝窝影院91人妻| 又粗又爽又猛毛片免费看| 一区二区三区四区激情视频 | 亚洲人成网站在线播| 国产极品精品免费视频能看的| 欧美午夜高清在线| av在线蜜桃| a级毛片a级免费在线| 免费看日本二区| 国产精品久久久久久久电影| 女生性感内裤真人,穿戴方法视频| 日韩 亚洲 欧美在线| 老熟妇乱子伦视频在线观看| 国产欧美日韩一区二区三| 在现免费观看毛片| 国产精品人妻久久久久久| 男人舔女人下体高潮全视频| 亚洲欧美日韩高清专用| 亚洲无线观看免费| 久久久成人免费电影| 18禁裸乳无遮挡免费网站照片| 国产麻豆成人av免费视频| 伊人久久精品亚洲午夜| 亚洲精品亚洲一区二区| 90打野战视频偷拍视频| 校园春色视频在线观看| 国产精品久久久久久久电影| a级毛片a级免费在线| 亚洲av电影不卡..在线观看| 国产午夜福利久久久久久| 嫩草影院精品99| 中文字幕人妻熟人妻熟丝袜美| 一a级毛片在线观看| 国产精品久久久久久亚洲av鲁大| 欧美日韩中文字幕国产精品一区二区三区| 精品无人区乱码1区二区| 免费av不卡在线播放| 女生性感内裤真人,穿戴方法视频| 午夜激情福利司机影院| 网址你懂的国产日韩在线| 99在线人妻在线中文字幕| 中出人妻视频一区二区| 国产一级毛片七仙女欲春2| 美女xxoo啪啪120秒动态图 | 亚洲中文字幕日韩| 九九热线精品视视频播放| 色综合欧美亚洲国产小说| 欧美区成人在线视频| 国产精品爽爽va在线观看网站| 亚洲欧美精品综合久久99| 日韩免费av在线播放| 日本免费a在线| 在线播放国产精品三级| 91字幕亚洲| 欧美在线一区亚洲| 免费人成在线观看视频色| 久久精品国产亚洲av香蕉五月| av女优亚洲男人天堂| 国产精品1区2区在线观看.| 国产一区二区三区在线臀色熟女| 蜜桃亚洲精品一区二区三区| 人妻夜夜爽99麻豆av| 午夜福利在线观看吧| 色综合婷婷激情| 久久这里只有精品中国| 夜夜夜夜夜久久久久| 国产老妇女一区| 搡老妇女老女人老熟妇| 午夜日韩欧美国产| 在线免费观看的www视频| 日韩精品中文字幕看吧| 婷婷精品国产亚洲av在线| 国产亚洲av嫩草精品影院| 婷婷亚洲欧美| 亚洲狠狠婷婷综合久久图片| 国产色爽女视频免费观看| 美女免费视频网站| 国产真实乱freesex| 成人特级黄色片久久久久久久| av在线天堂中文字幕| 午夜精品一区二区三区免费看| 国产野战对白在线观看| 亚洲最大成人手机在线| 在线十欧美十亚洲十日本专区| 长腿黑丝高跟| 乱码一卡2卡4卡精品| 97人妻精品一区二区三区麻豆| 给我免费播放毛片高清在线观看| 91九色精品人成在线观看| 色吧在线观看| 色av中文字幕| 深夜a级毛片| 久久久久性生活片| 久久热精品热| 男人的好看免费观看在线视频| 亚洲成av人片在线播放无| 天堂√8在线中文| 久久伊人香网站| 97人妻精品一区二区三区麻豆| 国产欧美日韩一区二区精品| h日本视频在线播放| 舔av片在线| 看黄色毛片网站| АⅤ资源中文在线天堂| 久久久久久久亚洲中文字幕 | 男人的好看免费观看在线视频| 国产伦一二天堂av在线观看| 麻豆国产97在线/欧美| 最近最新中文字幕大全电影3| 亚洲乱码一区二区免费版| 中文字幕精品亚洲无线码一区| 激情在线观看视频在线高清| 亚洲最大成人av| 欧美潮喷喷水| 变态另类丝袜制服| 国产色爽女视频免费观看| 久久精品国产亚洲av香蕉五月| 性欧美人与动物交配| 午夜影院日韩av| 最新在线观看一区二区三区| 日韩中文字幕欧美一区二区| 欧美成人性av电影在线观看| 日日摸夜夜添夜夜添av毛片 | 久久婷婷人人爽人人干人人爱| 国产视频内射| 日韩精品青青久久久久久| 久久久国产成人免费| av天堂中文字幕网| 天天躁日日操中文字幕| 精品不卡国产一区二区三区| 久久性视频一级片| 久久久久国产精品人妻aⅴ院| 免费观看人在逋| 真人做人爱边吃奶动态| 成年女人看的毛片在线观看| 精品久久久久久久末码| 亚洲av五月六月丁香网| а√天堂www在线а√下载| 亚洲成av人片在线播放无| 欧美日韩中文字幕国产精品一区二区三区| 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| 97碰自拍视频| 国产亚洲欧美98| 午夜影院日韩av| 桃色一区二区三区在线观看| 欧美又色又爽又黄视频| xxxwww97欧美| 村上凉子中文字幕在线| 首页视频小说图片口味搜索| 国产高潮美女av| 成人性生交大片免费视频hd| 一进一出抽搐gif免费好疼| 能在线免费观看的黄片| 日本免费一区二区三区高清不卡| 一本久久中文字幕| 欧美三级亚洲精品| 免费观看的影片在线观看| 全区人妻精品视频| 亚洲最大成人手机在线| 国产一区二区三区视频了| 色精品久久人妻99蜜桃| 99久久九九国产精品国产免费| 嫩草影院新地址| 少妇高潮的动态图| 夜夜爽天天搞| 黄色一级大片看看| 97热精品久久久久久| 国产老妇女一区| 麻豆国产av国片精品| 成人毛片a级毛片在线播放| 久久久久性生活片| 人人妻人人澡欧美一区二区| 久久精品国产99精品国产亚洲性色| 免费看a级黄色片| 老司机午夜十八禁免费视频| 国产三级中文精品| 很黄的视频免费| 搡老岳熟女国产| 亚洲av不卡在线观看| 久久久成人免费电影| 日本一本二区三区精品| 哪里可以看免费的av片| 天堂av国产一区二区熟女人妻| 女生性感内裤真人,穿戴方法视频| 脱女人内裤的视频| 九色成人免费人妻av| 天堂av国产一区二区熟女人妻| 有码 亚洲区| 91九色精品人成在线观看| 极品教师在线免费播放| 9191精品国产免费久久| 亚洲av第一区精品v没综合| 搞女人的毛片|