• <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*
    五月伊人婷婷丁香| av国产久精品久网站免费入址| 少妇人妻精品综合一区二区| 欧美3d第一页| 午夜福利视频精品| 在线观看人妻少妇| 特大巨黑吊av在线直播| 久热久热在线精品观看| 欧美日韩av久久| 最近的中文字幕免费完整| 免费看av在线观看网站| 三上悠亚av全集在线观看| 久久久国产欧美日韩av| 午夜影院在线不卡| 91成人精品电影| 国产av一区二区精品久久| 91精品三级在线观看| 久久女婷五月综合色啪小说| 老司机影院毛片| 久久久亚洲精品成人影院| 亚洲天堂av无毛| 黑人猛操日本美女一级片| 日本欧美国产在线视频| 亚洲国产毛片av蜜桃av| 人妻夜夜爽99麻豆av| 成人国产麻豆网| 人人澡人人妻人| 最近2019中文字幕mv第一页| 国产成人精品一,二区| 九草在线视频观看| 欧美日韩视频精品一区| 丰满迷人的少妇在线观看| 99久国产av精品国产电影| 亚洲精品乱码久久久v下载方式| 亚洲久久久国产精品| 亚洲一区二区三区欧美精品| 国产精品一区二区在线不卡| 国产精品一区www在线观看| 久久久久久久久久久丰满| 国产一区二区三区综合在线观看 | 哪个播放器可以免费观看大片| 色哟哟·www| 高清欧美精品videossex| 久久精品国产亚洲av天美| 中文字幕人妻熟人妻熟丝袜美| av又黄又爽大尺度在线免费看| 男女边摸边吃奶| 日韩av不卡免费在线播放| 国产免费福利视频在线观看| 制服诱惑二区| 亚洲av成人精品一二三区| 久久久久久伊人网av| 精品久久蜜臀av无| 9色porny在线观看| 能在线免费看毛片的网站| 97精品久久久久久久久久精品| 免费黄网站久久成人精品| 青春草视频在线免费观看| 色5月婷婷丁香| 老司机影院毛片| 一级,二级,三级黄色视频| 久久久久精品久久久久真实原创| 成人国语在线视频| 伦理电影免费视频| 少妇猛男粗大的猛烈进出视频| 亚洲av免费高清在线观看| 久久精品久久久久久久性| 99久久人妻综合| 在线免费观看不下载黄p国产| 中文字幕亚洲精品专区| 精品亚洲成a人片在线观看| 99热这里只有是精品在线观看| 亚洲精品456在线播放app| 只有这里有精品99| 如日韩欧美国产精品一区二区三区 | 久久久久久人妻| 啦啦啦在线观看免费高清www| 多毛熟女@视频| av一本久久久久| 精品久久久精品久久久| 国产精品99久久99久久久不卡 | 只有这里有精品99| 哪个播放器可以免费观看大片| 国产精品 国内视频| 亚洲av国产av综合av卡| 日日撸夜夜添| 国产精品国产三级国产av玫瑰| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品秋霞免费鲁丝片| 国产精品99久久久久久久久| 久久精品人人爽人人爽视色| 欧美另类一区| 日韩大片免费观看网站| 男女国产视频网站| av又黄又爽大尺度在线免费看| 欧美日韩视频高清一区二区三区二| 国产日韩一区二区三区精品不卡 | 国产日韩欧美视频二区| 飞空精品影院首页| 久久久久久久国产电影| 欧美日韩亚洲高清精品| 久久97久久精品| 日韩三级伦理在线观看| 男女国产视频网站| 精品卡一卡二卡四卡免费| 国产免费视频播放在线视频| 男人爽女人下面视频在线观看| 婷婷成人精品国产| 午夜福利视频在线观看免费| 日韩精品免费视频一区二区三区 | 少妇的逼好多水| 亚洲在久久综合| 人人妻人人澡人人爽人人夜夜| 成年美女黄网站色视频大全免费 | 国产精品久久久久成人av| 欧美成人精品欧美一级黄| 久久精品熟女亚洲av麻豆精品| 国产在线免费精品| 一级,二级,三级黄色视频| 中国三级夫妇交换| 日本av手机在线免费观看| 国产老妇伦熟女老妇高清| 久久精品国产鲁丝片午夜精品| 午夜福利,免费看| 满18在线观看网站| 亚洲精品乱久久久久久| 国产成人a∨麻豆精品| 在线观看www视频免费| 十八禁网站网址无遮挡| 久久久久久伊人网av| 国内精品宾馆在线| 精品一区二区三卡| 男人操女人黄网站| 99久久精品国产国产毛片| 中文字幕久久专区| 欧美日韩在线观看h| 日本爱情动作片www.在线观看| 中文字幕免费在线视频6| 亚洲国产日韩一区二区| 日韩中文字幕视频在线看片| 一区二区三区免费毛片| 日韩一区二区视频免费看| 这个男人来自地球电影免费观看 | 伦理电影大哥的女人| 最新中文字幕久久久久| 狂野欧美激情性xxxx在线观看| 欧美日韩国产mv在线观看视频| 五月天丁香电影| 久久久久国产精品人妻一区二区| 欧美亚洲日本最大视频资源| 一个人免费看片子| 国产毛片在线视频| 久久久久久久久久久久大奶| 久久久久视频综合| 久久午夜福利片| 免费看av在线观看网站| 少妇被粗大的猛进出69影院 | 成人午夜精彩视频在线观看| 成人亚洲欧美一区二区av| 欧美人与性动交α欧美精品济南到 | 亚洲情色 制服丝袜| 美女cb高潮喷水在线观看| 乱人伦中国视频| 黄色一级大片看看| 欧美日韩成人在线一区二区| 青春草亚洲视频在线观看| 飞空精品影院首页| 边亲边吃奶的免费视频| 欧美性感艳星| 91成人精品电影| 母亲3免费完整高清在线观看 | 成人手机av| 22中文网久久字幕| 18禁在线播放成人免费| 精品亚洲成a人片在线观看| 亚洲精品aⅴ在线观看| 亚洲精品国产色婷婷电影| 久久久久国产精品人妻一区二区| 国产高清不卡午夜福利| 18禁在线播放成人免费| 美女中出高潮动态图| 亚洲精品,欧美精品| 国产成人a∨麻豆精品| 老女人水多毛片| 国产精品 国内视频| 日韩成人av中文字幕在线观看| 嘟嘟电影网在线观看| 亚洲成人av在线免费| 亚洲内射少妇av| 国产亚洲一区二区精品| 色网站视频免费| 91久久精品国产一区二区三区| 欧美 日韩 精品 国产| 亚洲欧美精品自产自拍| 亚洲情色 制服丝袜| 亚洲五月色婷婷综合| 另类精品久久| 精品久久国产蜜桃| 色视频在线一区二区三区| 亚洲四区av| 九九爱精品视频在线观看| 成年人免费黄色播放视频| 中文欧美无线码| 中国国产av一级| 少妇熟女欧美另类| 午夜免费男女啪啪视频观看| 成人毛片a级毛片在线播放| 国产国拍精品亚洲av在线观看| 五月天丁香电影| 久久狼人影院| 国产成人精品无人区| 久久人人爽人人爽人人片va| 亚洲av免费高清在线观看| 亚洲精品一区蜜桃| 欧美三级亚洲精品| 少妇人妻 视频| av卡一久久| av在线老鸭窝| 国产欧美日韩综合在线一区二区| 熟女人妻精品中文字幕| 插逼视频在线观看| 一二三四中文在线观看免费高清| 考比视频在线观看| 亚洲精品乱久久久久久| 蜜桃国产av成人99| 91久久精品电影网| 精品少妇内射三级| av视频免费观看在线观看| 国产一区二区在线观看日韩| 国产 精品1| 国产探花极品一区二区| 色哟哟·www| 飞空精品影院首页| 国产精品 国内视频| 91久久精品国产一区二区成人| 亚洲三级黄色毛片| 亚洲怡红院男人天堂| 少妇 在线观看| 少妇高潮的动态图| 中国国产av一级| 丁香六月天网| 日本午夜av视频| 日本欧美国产在线视频| 久久女婷五月综合色啪小说| 午夜免费鲁丝| 日本欧美视频一区| 亚洲伊人久久精品综合| 蜜桃国产av成人99| 午夜日本视频在线| 国产精品熟女久久久久浪| 日韩,欧美,国产一区二区三区| 777米奇影视久久| 婷婷色av中文字幕| 亚洲一区二区三区欧美精品| 亚洲欧美清纯卡通| 成人免费观看视频高清| 人人澡人人妻人| 男人添女人高潮全过程视频| 搡女人真爽免费视频火全软件| 久久久久网色| 国产高清不卡午夜福利| av一本久久久久| av线在线观看网站| 亚洲精品日韩av片在线观看| 女性被躁到高潮视频| 久久av网站| 国产男人的电影天堂91| 十八禁高潮呻吟视频| 亚洲精品久久久久久婷婷小说| 一区二区三区免费毛片| 亚洲国产日韩一区二区| 成人影院久久| 日韩视频在线欧美| 国产欧美另类精品又又久久亚洲欧美| 乱人伦中国视频| 亚洲美女黄色视频免费看| 美女cb高潮喷水在线观看| av在线老鸭窝| 午夜福利影视在线免费观看| 欧美日韩av久久| av黄色大香蕉| 插逼视频在线观看| 一级片'在线观看视频| 麻豆精品久久久久久蜜桃| 欧美人与善性xxx| 日韩中字成人| 欧美日韩国产mv在线观看视频| 精品视频人人做人人爽| 街头女战士在线观看网站| 男男h啪啪无遮挡| 黄色欧美视频在线观看| 这个男人来自地球电影免费观看 | 久久午夜福利片| 国产精品人妻久久久久久| 桃花免费在线播放| 国产一级毛片在线| 欧美精品一区二区大全| 免费观看的影片在线观看| 国产成人freesex在线| 国国产精品蜜臀av免费| 男人添女人高潮全过程视频| www.色视频.com| 丝袜在线中文字幕| 大香蕉久久成人网| 国产精品99久久99久久久不卡 | 日韩 亚洲 欧美在线| 国产精品一区二区三区四区免费观看| 在线观看美女被高潮喷水网站| 男人添女人高潮全过程视频| 国产欧美另类精品又又久久亚洲欧美| 自线自在国产av| 日韩,欧美,国产一区二区三区| 日韩大片免费观看网站| 欧美成人午夜免费资源| 黄片无遮挡物在线观看| 超碰97精品在线观看| 亚洲av欧美aⅴ国产| 精品国产国语对白av| 亚洲在久久综合| 激情五月婷婷亚洲| 亚洲丝袜综合中文字幕| 2018国产大陆天天弄谢| 国产淫语在线视频| 日韩三级伦理在线观看| 国产高清三级在线| 成人国产av品久久久| 日产精品乱码卡一卡2卡三| 人妻人人澡人人爽人人| 亚洲中文av在线| 美女xxoo啪啪120秒动态图| 精品一区二区三卡| 亚洲综合色网址| 老熟女久久久| 亚洲美女视频黄频| 亚洲精品乱码久久久v下载方式| 制服诱惑二区| 久久精品夜色国产| 我的老师免费观看完整版| 插阴视频在线观看视频| 欧美三级亚洲精品| 亚洲精品日本国产第一区| 最近中文字幕2019免费版| 国产综合精华液| 精品视频人人做人人爽| 看非洲黑人一级黄片| 亚洲四区av| 国产亚洲午夜精品一区二区久久| 国产精品一区二区在线不卡| 人妻系列 视频| 精品少妇黑人巨大在线播放| 成人国产麻豆网| 丝袜美足系列| 国产成人精品一,二区| 街头女战士在线观看网站| 能在线免费看毛片的网站| 少妇的逼水好多| 菩萨蛮人人尽说江南好唐韦庄| 人妻少妇偷人精品九色| 不卡视频在线观看欧美| 各种免费的搞黄视频| 性色av一级| 天堂中文最新版在线下载| 丰满迷人的少妇在线观看| 久久久国产欧美日韩av| 中文欧美无线码| 亚洲四区av| 亚洲国产日韩一区二区| 色哟哟·www| 极品少妇高潮喷水抽搐| 91国产中文字幕| 国产精品嫩草影院av在线观看| 久久久久久久久久成人| 亚州av有码| 老女人水多毛片| 18禁裸乳无遮挡动漫免费视频| 午夜福利视频在线观看免费| 中文精品一卡2卡3卡4更新| 精品久久久噜噜| 亚洲av福利一区| 一级爰片在线观看| 色哟哟·www| av视频免费观看在线观看| 一级毛片电影观看| 亚洲欧美成人精品一区二区| 黄片播放在线免费| 不卡视频在线观看欧美| 男男h啪啪无遮挡| 波野结衣二区三区在线| 99久久精品国产国产毛片| 成年美女黄网站色视频大全免费 | 高清午夜精品一区二区三区| 在线 av 中文字幕| 日本-黄色视频高清免费观看| av不卡在线播放| 亚洲av日韩在线播放| 曰老女人黄片| 这个男人来自地球电影免费观看 | 草草在线视频免费看| 熟妇人妻不卡中文字幕| 亚洲一级一片aⅴ在线观看| 国产成人精品一,二区| 久久久国产一区二区| av在线老鸭窝| √禁漫天堂资源中文www| 久久久欧美国产精品| 日韩强制内射视频| 久久av网站| 免费观看性生交大片5| 女人久久www免费人成看片| 精品卡一卡二卡四卡免费| 插逼视频在线观看| 丝袜脚勾引网站| 男女啪啪激烈高潮av片| 成人二区视频| 亚洲欧洲国产日韩| 国产亚洲av片在线观看秒播厂| 国产精品人妻久久久影院| 国产免费又黄又爽又色| 91久久精品国产一区二区三区| a级片在线免费高清观看视频| 黄片播放在线免费| 国产免费现黄频在线看| 国内精品宾馆在线| 久久久午夜欧美精品| 久久久精品区二区三区| 国产极品粉嫩免费观看在线 | 亚洲色图 男人天堂 中文字幕 | 夜夜爽夜夜爽视频| 亚洲精品国产色婷婷电影| 欧美+日韩+精品| 久久青草综合色| 女人久久www免费人成看片| 欧美日韩国产mv在线观看视频| 亚洲第一区二区三区不卡| a级毛片黄视频| 最新的欧美精品一区二区| 国产精品久久久久久精品古装| 五月伊人婷婷丁香| 老女人水多毛片| 女人精品久久久久毛片| 欧美亚洲日本最大视频资源| videosex国产| 欧美xxⅹ黑人| 校园人妻丝袜中文字幕| 久久久精品免费免费高清| 一本色道久久久久久精品综合| 乱人伦中国视频| 日韩中文字幕视频在线看片| 国产精品人妻久久久久久| 久久久久久久精品精品| 美女脱内裤让男人舔精品视频| 中文乱码字字幕精品一区二区三区| 亚洲精品日韩在线中文字幕| 在线亚洲精品国产二区图片欧美 | 久久久久久久大尺度免费视频| www.色视频.com| 亚洲三级黄色毛片| 人人澡人人妻人| videosex国产| 美女国产高潮福利片在线看| 欧美精品一区二区免费开放| 97在线人人人人妻| 黑人猛操日本美女一级片| 精品少妇黑人巨大在线播放| 一区二区三区乱码不卡18| 91久久精品电影网| 亚洲五月色婷婷综合| 交换朋友夫妻互换小说| 丝袜脚勾引网站| 黄片无遮挡物在线观看| 18禁动态无遮挡网站| 草草在线视频免费看| 亚洲精品456在线播放app| 日韩制服骚丝袜av| 亚洲三级黄色毛片| 新久久久久国产一级毛片| 久久人人爽人人爽人人片va| 欧美+日韩+精品| 午夜91福利影院| 边亲边吃奶的免费视频| 亚洲精品456在线播放app| 99热网站在线观看| 一区二区日韩欧美中文字幕 | 国语对白做爰xxxⅹ性视频网站| 寂寞人妻少妇视频99o| 少妇 在线观看| av福利片在线| 国产色婷婷99| 欧美日韩视频高清一区二区三区二| 免费高清在线观看日韩| 九色亚洲精品在线播放| 国产欧美日韩综合在线一区二区| av黄色大香蕉| 中文字幕最新亚洲高清| 欧美最新免费一区二区三区| 下体分泌物呈黄色| av福利片在线| 久久狼人影院| 啦啦啦中文免费视频观看日本| 高清午夜精品一区二区三区| 韩国av在线不卡| 亚洲欧美成人综合另类久久久| 男人添女人高潮全过程视频| 亚洲精品久久午夜乱码| 午夜福利在线观看免费完整高清在| 日韩一区二区三区影片| 亚洲伊人久久精品综合| 热99久久久久精品小说推荐| 亚洲成人手机| 久久免费观看电影| 三上悠亚av全集在线观看| 亚洲国产欧美在线一区| 一个人看视频在线观看www免费| 一本久久精品| 大香蕉久久成人网| 丁香六月天网| 18禁在线播放成人免费| 国产熟女欧美一区二区| 青春草国产在线视频| 久久久久久伊人网av| 国产成人午夜福利电影在线观看| 美女内射精品一级片tv| 国产精品 国内视频| 精品99又大又爽又粗少妇毛片| 少妇人妻久久综合中文| 涩涩av久久男人的天堂| 18禁裸乳无遮挡动漫免费视频| 伦理电影免费视频| 一个人免费看片子| 一本色道久久久久久精品综合| 国产高清三级在线| 18禁裸乳无遮挡动漫免费视频| 国产亚洲av片在线观看秒播厂| 亚洲一级一片aⅴ在线观看| 乱码一卡2卡4卡精品| 我的女老师完整版在线观看| 一个人免费看片子| 亚洲国产欧美在线一区| 成年女人在线观看亚洲视频| 国产国拍精品亚洲av在线观看| 精品人妻在线不人妻| 久久ye,这里只有精品| 高清视频免费观看一区二区| 人人妻人人添人人爽欧美一区卜| 久久鲁丝午夜福利片| 午夜福利视频精品| 精品国产一区二区三区久久久樱花| 亚洲欧美清纯卡通| 交换朋友夫妻互换小说| 久久人人爽人人片av| 日本av免费视频播放| 国产精品久久久久久久久免| 欧美bdsm另类| 乱码一卡2卡4卡精品| 久久久国产一区二区| 热99久久久久精品小说推荐| 色视频在线一区二区三区| 久久久国产精品麻豆| 国产在视频线精品| 高清黄色对白视频在线免费看| 狂野欧美激情性bbbbbb| 中文欧美无线码| 成年av动漫网址| 七月丁香在线播放| 欧美97在线视频| 久久ye,这里只有精品| 亚洲久久久国产精品| 久久国产亚洲av麻豆专区| 插逼视频在线观看| 亚洲欧美中文字幕日韩二区| 日日啪夜夜爽| 亚洲精品日韩在线中文字幕| 涩涩av久久男人的天堂| 久久综合国产亚洲精品| 欧美xxⅹ黑人| 中文字幕免费在线视频6| 丰满乱子伦码专区| 熟女电影av网| 亚洲国产欧美日韩在线播放| 成人国语在线视频| 看免费成人av毛片| 97精品久久久久久久久久精品| 亚洲av.av天堂| 亚洲人成网站在线观看播放| 日韩免费高清中文字幕av| 欧美日韩在线观看h| 日韩精品免费视频一区二区三区 | 国产高清有码在线观看视频| 日韩人妻高清精品专区| 新久久久久国产一级毛片| 国产成人av激情在线播放 | 美女内射精品一级片tv| 在线观看免费日韩欧美大片 | 天美传媒精品一区二区| 亚洲精品aⅴ在线观看| 久久精品国产a三级三级三级| 丰满迷人的少妇在线观看| 三级国产精品欧美在线观看| 午夜精品国产一区二区电影| 中文字幕最新亚洲高清| 亚洲欧美一区二区三区黑人 | 国产无遮挡羞羞视频在线观看| av又黄又爽大尺度在线免费看| 国产精品一区二区三区四区免费观看| 亚洲欧美日韩另类电影网站| 18禁裸乳无遮挡动漫免费视频| 黄色配什么色好看| 韩国av在线不卡| 国产男人的电影天堂91| 亚洲成色77777| 亚洲av综合色区一区| 国产精品欧美亚洲77777| 九九在线视频观看精品| 飞空精品影院首页| 日韩强制内射视频|