• <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 ?

    面向低照度復雜空間的目標物識別方法

    2023-06-29 08:36:32裴澤霖劉行健劉海波
    黑龍江科技大學學報 2023年3期
    關鍵詞:圖像增強照度損失

    李 特, 裴澤霖, 劉行健, 劉海波

    (大連理工大學 高性能精密制造全國重點實驗室, 遼寧 大連 116000)

    0 引 言

    在航空、航天等高端裝備的制造及服役過程中,安全檢測、故障檢修是十分重要的工序,關系到服役可靠性。例如:長期服役裝備油箱中進入的多余物,松動掉落的螺栓等,早期發(fā)現(xiàn)這些故障是保障裝備可靠服役的安全屏障。然而,隨著高端裝備性能要求越來越高,高度集成化的裝備結構不斷趨于整體化、復雜化,檢測維護作業(yè)往往在光線十分昏暗、狹小的空間內(nèi)進行,檢測人員操作難度大、勞動負荷大。為此,研究低照度復雜空間目標物智能識別技術十分必要。

    近年來,低照度圖像增強和目標檢測等計算機視覺問題成為了研究熱點。在低照度圖像增強方法方面,分為監(jiān)督學習、無監(jiān)督學習和零次學習等方式,主要有基于Retinex理論和無參考損失理論兩類方法。在目標檢測模型方面,主要分為兩類:第一類是兩階段的目標檢測方法,如Faster-RCNN[1],第一步先從圖像中生成候選區(qū)域框,再從候選區(qū)域框中生成最終的物體邊框。雖然準確率高,但是其冗余計算量很大,因此網(wǎng)絡的檢測速度很慢;第二類是單階段目標檢測方法,如SSD[2]和YOLO[3],一般速度較快、具有實時檢測能力。王超等[4]通過Retinex方法對井下黑暗圖像進行增強,基于RetinaNet改進基礎網(wǎng)絡,提高細節(jié)特征提取效果,對煤礦輸送帶的異物進行檢測。王秋茹[5]提出了基于YOLOv4改進的機場小目標異物檢測方法。史凌凱等[6]基于Laplace算子對井下低照度、高粉塵環(huán)境下采集的圖像進行預處理,然后改進Mask R-CNN對刮板輸送機鐵質(zhì)異物進行檢測。俞軍燕等[7]提出了一種基于MobileNet CNN改進的單幀圖像軌道異物檢測方法。何自芬等[8]針對飛機在夜間起降時機場跑道上侵入的異物嚴重威脅航空運輸安全的問題,提出了一種融合自注意力的CSPTNet夜間機場跑道異物檢測方法。郝帥等[9]通過分析輸送帶中異物目標圖像受煤塵干擾、輸送帶高速運動以及光照不均的影響,其造成傳統(tǒng)圖像檢測算法難以準確檢測,提出了一種融合卷積塊注意力模型的YOLOv5目標檢測算法。

    筆者針對高端裝備制造過程中,在管道、箱體等低照度復雜空間中發(fā)現(xiàn)的斷屑、螺母、墊片等目標物智能識別方法開展研究,考慮到復雜空間的極端環(huán)境導致圖像信息的提取和感知十分困難,采用基于VGG自然特征保持損失進行不同尺度大小特征的保留,解決圖像語義信息少的問題;一般方法增強極端黑暗圖像由于缺少通道維度的限制,色偏和噪聲問題嚴重,采用通道平滑損失分別在RGB三通道限制極端像素值的出現(xiàn),從而平滑整張圖像的顏色,消除噪聲;由于大量獲取高質(zhì)量增強圖像進行目標物檢測數(shù)據(jù)集的訓練和標注費時費力,采用基于小樣本遷移學習的方法快速進行目標物檢測模型的開發(fā)。

    1 低照度目標物智能識別算法

    1.1 算法總體框架

    為解決箱體、管道空間中的目標物識別問題,文中結合改進的低照度圖像增強算法和基于小樣本遷移學習理論訓練自定義目標物檢測數(shù)據(jù)集,提出了一種面向復雜黑暗空間的自動化目標物檢測方法,算法的流程如圖1所示。

    圖1 自動化目標物檢測算法總體框架Fig. 1 Overall framework of automatic target detection algorithm

    由圖1可見,檢測算法包括低照度圖像增強和目標物檢測兩個部分:一是視覺傳感器采集的輸入圖像通過改進的低照度圖像增強網(wǎng)絡獲得增強圖像;二是改進的目標檢測網(wǎng)絡推理計算增強圖像的目標物類別和目標框位置,實現(xiàn)目標物的自動化檢測。

    1.2 改進ZeroDCE圖像增強方法

    基于監(jiān)督學習的低照度圖像增強方法往往需要獲取成對的圖像進行訓練,有時由于空間環(huán)境特征限制,成對數(shù)據(jù)集獲取較為困難。ZeroDCE[10]基于深度曲線估計的零次學習低照度圖像增強方法,不需要費力地獲取成對圖像,僅僅需要一個大動態(tài)范圍的數(shù)據(jù)集,通過全卷積神經(jīng)網(wǎng)絡估計每個像素點的亮度增強S曲線來恢復一張低照度圖像。由于不存在配對的圖像進行監(jiān)督學習,因此需要通過無參考損失函數(shù)(空間一致性損失、曝光控制損失、顏色一致性損失和照度平滑損失)進行圖像噪聲、色偏和高低層級語義特征的約束。但是這些無參考損失函數(shù),在增強復雜空間低照度圖像時,無法完全恢復圖像的細節(jié)和照度,會出現(xiàn)人工偽影與色偏,這是由復雜空間環(huán)境的特征較少,噪聲較大和光照不均所致。

    改進的低照度圖像增強網(wǎng)絡結構,如圖2所示。網(wǎng)絡主干采用6個連續(xù)的3×3×32的卷積核提取特征,網(wǎng)絡的非線性能力通過ReLU和Tanh激活函數(shù)得到增強,拼接操作融合通道維度特征,防止特征退化。

    圖2 改進的低照度圖像增強網(wǎng)絡Fig. 2 Improved low-light image enhancement network

    文中對ZeroDCE[10]進行改進,將基于VGG的特征保持損失函數(shù)和顏色通道平滑噪聲損失函數(shù)添加到低照度圖像增強網(wǎng)絡中,恢復圖像的照度和細節(jié)特征,對色偏、噪聲和光照不均進行控制,防止出現(xiàn)人工偽影。計算公式分別為

    (1)

    式中:Lfea——自然特征保持損失函數(shù);

    αi——VGG16特征提取網(wǎng)絡;

    y——ImageNet數(shù)據(jù)集的圖像;

    Ci——第i個像素的通道維度;

    Hi——第i個像素的高維度;

    Wi——第i個像素的寬維度。

    (2)

    式中:Lcha——顏色通道平滑損失函數(shù);

    R——紅色顏色通道;

    G——綠色顏色通道;

    B——藍色顏色通道;

    Om——增強圖像在m通道的像素特征圖;

    In——Om的像素均值。

    通過(Om-In)2約束輸出特征圖與每個特征圖像素均值的距離,在通道維度控制色偏和噪聲。

    1.3 小樣本的快速識別方法

    使用檢測算法進行目標物檢測模型的開發(fā),若從頭開始訓練,需要收集大量的圖像,對其標注工作耗費時間較大,有時由于光照原因,收集大量令人滿意的增強圖像甚至是不現(xiàn)實的,因此,文中基于小樣本遷移學習理論快速地訓練自定義YOLOv5目標物檢測數(shù)據(jù)集。

    YOLOv5是在前幾代YOLO版本基礎上迭代的實時性非常好的目標檢測算法,其結構可以分為三個部分,分別是主干特征提取網(wǎng)絡CSPDdarknet,進行加強特征提取的拼接操作和CSPLayer,以及YOLOHead用來推理分類預測結果和回歸預測結果。

    遷移學習是一種節(jié)省時間資源和計算資源的訓練方法,可以廣泛用于工業(yè)缺陷檢測和零件識別的訓練中。數(shù)學定義如下所示:源域為DS={XS,fS(X)},學習任務為TS。目標域為DT={XT,fT(X)},學習任務為TT。遷移學習的目標是,通過使用DS和TS中的知識,來提升DT中目標預測函數(shù)fT(X)的學習能力,其中,DS≠DT或者TS≠TT。由于目標物的邊緣、輪廓等這些泛化特征在ImageNet數(shù)據(jù)集中也存在,因此,文中改進的目標物檢測方法將在ImageNet數(shù)據(jù)集中訓練的YOLOv5x模型作為目標物檢測模型開發(fā)的初始點,如圖 3所示。

    在圖3中,源域的ImageNet數(shù)據(jù)量非常大,目標域的目標物數(shù)據(jù)量比較小,通過遷移學習,可以保證源域的大部分自然泛化特征已經(jīng)被融合到訓練的模型中。具體步驟為,先凍結backbone全部的十層特征層,然后在目標物數(shù)據(jù)集的輸入-輸出對上微調(diào)YOLOv5 head的14層權重,以適應目標物檢測任務。基于小樣本遷移學習理論的YOLOv5網(wǎng)絡結構,如圖4所示。

    圖3 遷移學習訓練目標物檢測數(shù)據(jù)集Fig. 3 Transfer learning training object detection datasets

    圖4 改進的目標檢測網(wǎng)絡Fig. 4 Improved object detection network

    2 實驗結果與分析

    2.1 實驗環(huán)境

    文中采用蛇形臂機器人視覺檢測平臺,如圖 5所示。

    由圖5可見,其主要包括5個部分:驅動模塊、移動滑臺、蛇形臂本體、視覺傳感器和模擬的管道黑暗空間。驅動模塊通過電機驅動蛇形臂本體產(chǎn)生俯仰、偏航動作,移動滑臺提供橫向進給運動的自由度,使蛇形臂末端能夠探入管道空間,視覺傳感器部分通過調(diào)整環(huán)形光源的亮度使其捕捉圖像不含有過曝部分,然后通過調(diào)整相機的工作距離來拍攝對焦良好的低照度圖像。

    圖5 蛇形臂機器人視覺檢測平臺Fig. 5 Vision detection platform of a snake-arm robot

    訓練低照度圖像增強網(wǎng)絡時采用的是PyTorch框架,工作站配置的CPU型號是Xeon(R),GPU是4塊12G的TITAN Xp。訓練目標物檢測數(shù)據(jù)集時采用的也是PyTorch框架,工作站配置是Xeon(R)Gold 6226R型號的CPU和4塊24G的3090GPU。視覺模塊采用的設備為 GEV廠商的MV-CA013-20GC型號的視覺傳感器,型號是JS-24V50W-1T的單通道光源控制器。

    2.2 數(shù)據(jù)集的建立

    目標物圖像增強數(shù)據(jù)集4 590張劃分為訓練集4 055張和測試集535張,來源為ZeroDCE[10]高動態(tài)范圍數(shù)據(jù)集、EnlightenGAN[11]明暗配對數(shù)據(jù)集以及用來擴充上述數(shù)據(jù)集動態(tài)范圍在模擬管道黑暗空間場景拍攝的低照度圖像。

    對目標物圖像增強數(shù)據(jù)集中測試集的535張圖像進行增強測試,將其作為目標物檢測的數(shù)據(jù)集,其中,344張為訓練集,86張為驗證集,105張為測試集。使用roboflow標注軟件對430張含有螺栓(bolt)、斷屑(chip_breaking)、鉆頭(drill)、墊片(gasket)、釘子(nail)、螺母(nut)、螺釘(screw)的圖像進行標注,生成訓練集和驗證集所對應的圖像和標簽文件。

    2.3 評價標準

    盲/無參考圖像空間質(zhì)量評估器(BRISQUE)、自然圖像質(zhì)量評估器(NIQE)和基于感知的圖像質(zhì)量評估器(PIQE)通常被用于評估基于零次學習增強圖像的質(zhì)量,低分數(shù)表示感知質(zhì)量高,高分數(shù)表示感知質(zhì)量低。

    目標檢測實驗中運用mAP 0.5作為評價指標,0.5為預測框與真實框交并比αmAP的閾值,mAP為多類檢測模型中所有類別平均準確率的平均值,αmAP的值越大、越接近1,表示模型識別定位的準確率越高,其計算公式為

    (3)

    式中:αmAP——目標檢測任務中所有類別平均準確率的平均值;

    C——目標檢測中目標類別的數(shù)量;

    Pek——各類檢測目標的平均準確率。

    Pek的值由P-R曲線圍成的面積計算而得,P-R曲線是指精確率P和召回率R的代數(shù)關系曲線。精確率P為檢測模型預測正確的部分占所有預測結果為正樣本的比例。召回率R是檢測模型預測正確的部分占所有正樣本中的比例。精確率和召回率的計算公式為

    (4)

    (5)

    式中:TP——網(wǎng)絡模型正確檢測的樣本數(shù)量;

    FP——網(wǎng)絡模型誤檢的樣本數(shù)量;

    FN——網(wǎng)絡模型漏檢的樣本數(shù)量。

    2.4 實驗結果與分析

    2.4.1 圖像視覺質(zhì)量比較

    為驗證改進的低照度增強模型性能,將其與輸入、LightenNet[12]方法、RetinexNet方法、ZeroDCE[10]方法、無特征保持損失、無通道平滑損失和無兩種損失進行對比,圖像的視覺質(zhì)量如圖6所示。

    低照度公開數(shù)據(jù)集DICM數(shù)據(jù)集的圖像質(zhì)量對比,如圖7所示。

    圖7 DICM數(shù)據(jù)集圖像視覺質(zhì)量對比Fig. 7 Comparison of visual quality of images in DICM Dataset

    由圖6可見,管道黑暗空間中經(jīng)過略微補光后的輸入圖像是極其黑暗的,僅能看到圖像中有目標物,但不能看清細節(jié)。LightenNet[12]無法有效地增強圖像,RetinexNet產(chǎn)生了嚴重的綠色色偏、ZeroDCE[10]增強的圖像存在人工偽影,且照度不足。無特征保持損失的增強圖像存在輕微的噪聲及人工偽影,無通道平滑損失的增強圖像存在嚴重的噪聲及紫色色偏,無兩種損失的圖像同樣存在噪聲、色偏和人工偽影,不能恢復圖像的細節(jié)特征,改進的方法取得了最好的圖像視覺質(zhì)量。由圖7可見,將上述增強方法應用于低照度公開圖像數(shù)據(jù)集,產(chǎn)生的增強結果與圖6相似,同樣是改進的方法,提升了圖像的整體質(zhì)量。

    2.4.2 無參考質(zhì)量分數(shù)

    各增強方法無參考圖像質(zhì)量分數(shù)和各損失函數(shù)無參考圖像質(zhì)量分數(shù)對比,如表1和2所示。

    表1 各增強方法無參考圖像質(zhì)量分數(shù)對比Table 1 Comparison of non-reference image quality scores for each enhancement method

    由表1可見,改進的方法取得了最好的分數(shù)6.606,且遠遠超過其他分數(shù),但是在BRISQUE和NIQE中,RetinexNet和ZeroDCE[10]分別取得了最好的分數(shù),略微超過改進的方法。

    由表2可見,雖然改進的方法沒有取得最好的分數(shù),但是與其他的分數(shù)很接近。原因是目前的無參考評價質(zhì)量分數(shù)并不能在每個領域的圖像中廣泛適用,這些評價指標是基于一個公開的圖像數(shù)據(jù)集質(zhì)量的好壞來作為判斷標準的。在RetinexNet和無通道平滑損失增強的圖像中,很明顯存在嚴重的噪聲和色偏,卻在NIQE和BRISQUE中取得了較好的分數(shù),因此需要尋找更好的圖像質(zhì)量評價標準,如綜合評價噪聲和色偏的指標。

    表2 各損失函數(shù)無參考圖像質(zhì)量分數(shù)對比Table 2 Comparison of non-reference image quality scores for each loss function

    2.4.3 目標物檢測

    在圖像預處理階段,先將圖像調(diào)整到640×640的尺寸,然后設置訓練參數(shù),學習率設置為cos曲線形式,共迭代300個epoch。訓練過程如圖8所示。用時0.423 h,訓練模型總共86 258 188個參數(shù),86 258 188個梯度,204.8 GFLOPs。

    圖8 目標物檢測網(wǎng)絡訓練過程中損失函數(shù)的迭代曲線Fig. 8 Iteration curve of loss function during object detection network training

    在圖8中,改進的基于小樣本遷移學習理論的目標物檢測算法在訓練接近50次迭代時基本收斂。表明改進的方法在較少的迭代次數(shù)和較短的時間內(nèi)就能快速收斂,得到令人滿意的結果。在驗證集上進行的指標測試結果,如表3所示。

    表3 驗證集指標Table 3 Indicators of validation datasets

    由表3可知,改進的方法全部圖像和每類目標物圖像的 0.5均接近于1,表明模型的識別準確率很高。在進行測試集檢測時,預處理時間0.3 ms,推理時間8.5 ms,非極大值抑制1.6 ms,滿足實時性檢測的需求,可以用于高端裝備復雜空間低照度場景的部署。管道中目標物的實際檢測結果,如圖9所示。

    圖9 異物檢測結果Fig. 9 Results of foreign object detection

    3 結 論

    (1)針對高端裝備的箱體、管道等低照度復雜空間中存在的目標物,提出了一種先增強后識別的自動化檢測方法,為安全檢測、故障檢修提供了有效手段。

    (2)文中使用了基于VGG特征保持損失函數(shù)和顏色通道平滑噪聲損失函數(shù),解決了低照度復雜空間因光照不均而導致的圖像在增強過程中產(chǎn)生的高低層級語義信息退化、色偏和噪聲問題。

    (3)由于低照度復雜空間個性化較強,樣本獲取困難,提出了基于小樣本理論的遷移學習方法。采用344張圖像作為目標物檢測訓練數(shù)據(jù)集,在驗證集上達到了97.4%,節(jié)省了大量收集和標注圖像的時間,提高了效率。

    猜你喜歡
    圖像增強照度損失
    少問一句,損失千金
    圖像增強技術在超跨聲葉柵紋影試驗中的應用
    胖胖損失了多少元
    水下視覺SLAM圖像增強研究
    虛擬內(nèi)窺鏡圖像增強膝關節(jié)鏡手術導航系統(tǒng)
    恒照度智慧教室光環(huán)境
    光源與照明(2019年4期)2019-05-20 09:18:24
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    電子投影機照度測量結果的不確定度評定
    電子測試(2018年9期)2018-06-26 06:45:40
    基于圖像增強的無人機偵察圖像去霧方法
    一般自由碰撞的最大動能損失
    www.av在线官网国产| 黑人欧美特级aaaaaa片| 亚洲美女黄色视频免费看| 久久久久久久久久久久大奶| 成人免费观看视频高清| 午夜免费成人在线视频| 一本大道久久a久久精品| 人人妻人人添人人爽欧美一区卜| 少妇的丰满在线观看| 亚洲伊人久久精品综合| 视频在线观看一区二区三区| 亚洲av电影在线进入| 午夜免费男女啪啪视频观看| tube8黄色片| 国产精品久久久久久精品古装| 国产精品国产三级专区第一集| 视频在线观看一区二区三区| 亚洲av日韩精品久久久久久密 | av在线老鸭窝| 欧美精品啪啪一区二区三区 | 中文字幕最新亚洲高清| 69精品国产乱码久久久| 一级,二级,三级黄色视频| 久久天躁狠狠躁夜夜2o2o | 婷婷丁香在线五月| 精品久久久久久电影网| 日韩伦理黄色片| 国产熟女午夜一区二区三区| 麻豆av在线久日| 日韩人妻精品一区2区三区| 亚洲av日韩在线播放| 肉色欧美久久久久久久蜜桃| 大话2 男鬼变身卡| 亚洲国产精品一区二区三区在线| 欧美日韩亚洲综合一区二区三区_| 亚洲国产日韩一区二区| www.999成人在线观看| 欧美黄色片欧美黄色片| 午夜福利,免费看| 激情五月婷婷亚洲| 免费看十八禁软件| 久久精品国产亚洲av高清一级| 女人久久www免费人成看片| 亚洲久久久国产精品| 人妻一区二区av| 免费在线观看完整版高清| 午夜免费观看性视频| 亚洲成人免费av在线播放| 国产爽快片一区二区三区| 丰满饥渴人妻一区二区三| 精品国产超薄肉色丝袜足j| 久久久久国产精品人妻一区二区| 欧美精品亚洲一区二区| 丰满饥渴人妻一区二区三| 妹子高潮喷水视频| 9热在线视频观看99| 国产老妇伦熟女老妇高清| 手机成人av网站| 在现免费观看毛片| 亚洲欧美清纯卡通| 日本av手机在线免费观看| 色视频在线一区二区三区| 欧美国产精品一级二级三级| 久久人人爽av亚洲精品天堂| 国产片内射在线| 欧美精品av麻豆av| 成人影院久久| 9色porny在线观看| 亚洲精品国产一区二区精华液| av片东京热男人的天堂| 日韩一卡2卡3卡4卡2021年| 日本vs欧美在线观看视频| av福利片在线| 麻豆国产av国片精品| 男人操女人黄网站| 亚洲色图 男人天堂 中文字幕| 日本av免费视频播放| 美女主播在线视频| 波多野结衣一区麻豆| 婷婷色综合大香蕉| 成年人黄色毛片网站| 日韩伦理黄色片| 69精品国产乱码久久久| 日本午夜av视频| 老司机在亚洲福利影院| 色播在线永久视频| 午夜免费鲁丝| av在线播放精品| 脱女人内裤的视频| 啦啦啦中文免费视频观看日本| 欧美日韩视频高清一区二区三区二| 激情五月婷婷亚洲| 亚洲欧洲日产国产| 伦理电影免费视频| 久久ye,这里只有精品| www.熟女人妻精品国产| 亚洲欧洲精品一区二区精品久久久| 男女国产视频网站| 亚洲精品国产色婷婷电影| 国产精品三级大全| 自拍欧美九色日韩亚洲蝌蚪91| 桃花免费在线播放| 久久这里只有精品19| 日本一区二区免费在线视频| 一级毛片 在线播放| 七月丁香在线播放| 少妇的丰满在线观看| 欧美日韩亚洲国产一区二区在线观看 | 超色免费av| 18在线观看网站| 欧美精品一区二区免费开放| 99精品久久久久人妻精品| 国产黄色免费在线视频| 国产一区二区三区av在线| 最黄视频免费看| 国产片内射在线| www.精华液| 国产视频首页在线观看| 亚洲国产精品一区三区| 啦啦啦视频在线资源免费观看| 欧美乱码精品一区二区三区| 国产老妇伦熟女老妇高清| 欧美日韩黄片免| 男女午夜视频在线观看| 久久狼人影院| 亚洲成人国产一区在线观看 | 国产片内射在线| 高清不卡的av网站| 王馨瑶露胸无遮挡在线观看| 欧美精品啪啪一区二区三区 | 亚洲欧洲日产国产| 日日摸夜夜添夜夜爱| 一区二区三区乱码不卡18| 成年人午夜在线观看视频| 亚洲欧美激情在线| 自线自在国产av| 国产真人三级小视频在线观看| avwww免费| 一本一本久久a久久精品综合妖精| 欧美日本中文国产一区发布| 亚洲九九香蕉| 亚洲,欧美,日韩| avwww免费| 国产精品二区激情视频| 精品国产乱码久久久久久男人| 日韩av不卡免费在线播放| 免费人妻精品一区二区三区视频| 免费观看a级毛片全部| 日本vs欧美在线观看视频| 国产精品 欧美亚洲| 男女高潮啪啪啪动态图| 欧美大码av| 亚洲成人手机| 欧美日韩av久久| 老司机靠b影院| 亚洲av在线观看美女高潮| 在线观看免费视频网站a站| 国产欧美亚洲国产| 性色av乱码一区二区三区2| 麻豆av在线久日| 国产成人av教育| 久久久精品94久久精品| 啦啦啦视频在线资源免费观看| 99国产精品一区二区三区| 久久久精品区二区三区| 久久久国产欧美日韩av| 久久av网站| 黄频高清免费视频| 天天躁夜夜躁狠狠久久av| 99精品久久久久人妻精品| 多毛熟女@视频| 日日爽夜夜爽网站| a 毛片基地| 99久久人妻综合| kizo精华| 国产精品av久久久久免费| 国产黄频视频在线观看| 在线av久久热| 国产一区二区 视频在线| 午夜福利影视在线免费观看| 国产视频一区二区在线看| av线在线观看网站| 欧美黑人精品巨大| 人人妻人人澡人人爽人人夜夜| 欧美日韩综合久久久久久| 亚洲成av片中文字幕在线观看| 叶爱在线成人免费视频播放| 久久精品亚洲av国产电影网| 视频区图区小说| 大片电影免费在线观看免费| 久久 成人 亚洲| 国产老妇伦熟女老妇高清| 婷婷色av中文字幕| 成人国产一区最新在线观看 | 一区二区av电影网| 中文字幕色久视频| 亚洲情色 制服丝袜| 中文字幕精品免费在线观看视频| 国产精品免费视频内射| 欧美成人精品欧美一级黄| 国产主播在线观看一区二区 | 久久国产精品人妻蜜桃| 人妻人人澡人人爽人人| 妹子高潮喷水视频| 男女无遮挡免费网站观看| 啦啦啦 在线观看视频| 天天操日日干夜夜撸| 在线观看免费午夜福利视频| 一级片'在线观看视频| 国产1区2区3区精品| 亚洲专区国产一区二区| 天天躁狠狠躁夜夜躁狠狠躁| 18禁国产床啪视频网站| 中文字幕人妻丝袜制服| 亚洲色图 男人天堂 中文字幕| 精品一区二区三区四区五区乱码 | 亚洲精品在线美女| 午夜福利视频在线观看免费| 国产在线一区二区三区精| 亚洲人成网站在线观看播放| 国产亚洲精品第一综合不卡| 男女床上黄色一级片免费看| 久久人妻福利社区极品人妻图片 | 亚洲国产精品成人久久小说| 国产野战对白在线观看| 国产三级黄色录像| 成人手机av| 欧美日韩亚洲国产一区二区在线观看 | 国产日韩欧美在线精品| 99国产精品免费福利视频| 交换朋友夫妻互换小说| 在线观看免费午夜福利视频| 国产亚洲午夜精品一区二区久久| 国语对白做爰xxxⅹ性视频网站| 热re99久久精品国产66热6| 亚洲人成网站在线观看播放| 成年美女黄网站色视频大全免费| 婷婷色综合大香蕉| 男女高潮啪啪啪动态图| 2021少妇久久久久久久久久久| 天天躁夜夜躁狠狠躁躁| 国产伦理片在线播放av一区| 天天躁夜夜躁狠狠久久av| 欧美黄色淫秽网站| 黄片播放在线免费| 色婷婷久久久亚洲欧美| 精品亚洲乱码少妇综合久久| 国产免费现黄频在线看| 美女主播在线视频| 欧美大码av| 日韩免费高清中文字幕av| 亚洲精品中文字幕在线视频| 久热这里只有精品99| 亚洲国产精品一区二区三区在线| 国产精品秋霞免费鲁丝片| 精品一区二区三区av网在线观看 | 久久天堂一区二区三区四区| 人成视频在线观看免费观看| 91麻豆av在线| 久久精品亚洲熟妇少妇任你| 亚洲成人免费av在线播放| 亚洲av电影在线进入| 国产成人av教育| 精品一区二区三区av网在线观看 | 亚洲,欧美,日韩| 只有这里有精品99| 欧美另类一区| 国产黄色视频一区二区在线观看| 搡老岳熟女国产| 免费观看人在逋| 国产成人91sexporn| 王馨瑶露胸无遮挡在线观看| 国产深夜福利视频在线观看| 国产一区二区三区综合在线观看| 欧美日韩视频精品一区| 国产成人av激情在线播放| 建设人人有责人人尽责人人享有的| 人人妻人人爽人人添夜夜欢视频| 最新的欧美精品一区二区| 多毛熟女@视频| 国产黄色视频一区二区在线观看| 亚洲国产看品久久| 欧美精品人与动牲交sv欧美| 亚洲精品国产一区二区精华液| 女性被躁到高潮视频| 日本欧美视频一区| 在线看a的网站| 亚洲综合色网址| 亚洲自偷自拍图片 自拍| 丝瓜视频免费看黄片| 欧美日韩综合久久久久久| 国产成人91sexporn| 午夜91福利影院| 老熟女久久久| 色网站视频免费| 两人在一起打扑克的视频| 久久久久久久精品精品| 亚洲欧美日韩另类电影网站| 1024香蕉在线观看| 国产精品国产三级专区第一集| 国产精品 欧美亚洲| 国产精品国产三级国产专区5o| 亚洲精品一二三| 成人手机av| xxxhd国产人妻xxx| 久久久久久人人人人人| 精品少妇黑人巨大在线播放| 波多野结衣一区麻豆| 免费在线观看日本一区| 国产一级毛片在线| 男女床上黄色一级片免费看| 亚洲一卡2卡3卡4卡5卡精品中文| 人人澡人人妻人| 国产爽快片一区二区三区| 亚洲成色77777| 七月丁香在线播放| av国产久精品久网站免费入址| 新久久久久国产一级毛片| 成在线人永久免费视频| 国产成人一区二区三区免费视频网站 | 七月丁香在线播放| av电影中文网址| 精品国产一区二区三区四区第35| 久久免费观看电影| 男女高潮啪啪啪动态图| 日韩一区二区三区影片| 亚洲av美国av| 中文字幕人妻熟女乱码| 久久国产亚洲av麻豆专区| 涩涩av久久男人的天堂| 性色av乱码一区二区三区2| 国产又黄又爽又无遮挡在线| 亚洲熟女毛片儿| 天堂√8在线中文| 99久久国产精品久久久| 成人精品一区二区免费| 在线视频色国产色| 午夜免费观看网址| 嫁个100分男人电影在线观看| 亚洲avbb在线观看| 人妻丰满熟妇av一区二区三区| 中文亚洲av片在线观看爽| 国产精品久久久久久精品电影 | 一边摸一边做爽爽视频免费| 中文字幕人妻丝袜一区二区| 无人区码免费观看不卡| 免费在线观看视频国产中文字幕亚洲| 18禁黄网站禁片免费观看直播| 99国产精品一区二区蜜桃av| 中出人妻视频一区二区| 老熟妇乱子伦视频在线观看| 久久精品国产亚洲av香蕉五月| 国产伦人伦偷精品视频| 亚洲avbb在线观看| 久久香蕉精品热| 欧美激情极品国产一区二区三区| 热99re8久久精品国产| 成人永久免费在线观看视频| 久久国产乱子伦精品免费另类| 亚洲七黄色美女视频| 黄色丝袜av网址大全| 丝袜在线中文字幕| 亚洲人成77777在线视频| 色综合欧美亚洲国产小说| 国语自产精品视频在线第100页| 国产精品,欧美在线| 俺也久久电影网| 脱女人内裤的视频| 国产99白浆流出| 午夜a级毛片| 久久精品夜夜夜夜夜久久蜜豆 | 国产欧美日韩一区二区精品| 岛国视频午夜一区免费看| 欧美日韩黄片免| 草草在线视频免费看| 久久久久国内视频| 脱女人内裤的视频| 2021天堂中文幕一二区在线观 | 搞女人的毛片| 18禁国产床啪视频网站| 国产色视频综合| 精品卡一卡二卡四卡免费| 少妇被粗大的猛进出69影院| 国产av又大| 久久久久免费精品人妻一区二区 | 亚洲国产欧美一区二区综合| 免费观看精品视频网站| 97人妻精品一区二区三区麻豆 | 一卡2卡三卡四卡精品乱码亚洲| 亚洲三区欧美一区| 国产三级黄色录像| 人妻久久中文字幕网| 黄网站色视频无遮挡免费观看| 女性生殖器流出的白浆| 99热这里只有精品一区 | 国产精品爽爽va在线观看网站 | 搡老熟女国产l中国老女人| 日韩精品免费视频一区二区三区| 最近在线观看免费完整版| 成人永久免费在线观看视频| 午夜福利一区二区在线看| 国产国语露脸激情在线看| av免费在线观看网站| 在线天堂中文资源库| 欧美一级毛片孕妇| 亚洲一区二区三区色噜噜| 国产精品精品国产色婷婷| 日韩欧美在线二视频| 久久精品人妻少妇| 老鸭窝网址在线观看| 成人欧美大片| 久热这里只有精品99| 非洲黑人性xxxx精品又粗又长| 特大巨黑吊av在线直播 | 成人手机av| 日韩精品中文字幕看吧| 国产精品九九99| 老司机福利观看| 精品电影一区二区在线| 欧美zozozo另类| 亚洲欧美日韩高清在线视频| 久久久国产欧美日韩av| 这个男人来自地球电影免费观看| 国产激情偷乱视频一区二区| 成人三级黄色视频| 十八禁人妻一区二区| 国产亚洲精品综合一区在线观看 | 久久国产乱子伦精品免费另类| 黄片大片在线免费观看| 熟妇人妻久久中文字幕3abv| 国产欧美日韩精品亚洲av| 久久久国产成人精品二区| 一区二区三区激情视频| 51午夜福利影视在线观看| 91大片在线观看| 亚洲自拍偷在线| 一本一本综合久久| 无限看片的www在线观看| 黄片小视频在线播放| 久久精品国产99精品国产亚洲性色| 欧美日韩黄片免| 成人午夜高清在线视频 | 91麻豆精品激情在线观看国产| 成人国语在线视频| 成人av一区二区三区在线看| 最近最新中文字幕大全免费视频| 精品国产乱子伦一区二区三区| 男女午夜视频在线观看| 成年人黄色毛片网站| 超碰成人久久| 99在线人妻在线中文字幕| 久久久久国产一级毛片高清牌| 国产高清视频在线播放一区| 亚洲aⅴ乱码一区二区在线播放 | 亚洲天堂国产精品一区在线| 亚洲人成网站高清观看| 欧美大码av| 最好的美女福利视频网| 在线观看免费日韩欧美大片| 757午夜福利合集在线观看| 色综合站精品国产| 91大片在线观看| 亚洲国产精品sss在线观看| 久久久国产成人免费| 黄色成人免费大全| 久久人妻福利社区极品人妻图片| 日日夜夜操网爽| 久热这里只有精品99| 亚洲成a人片在线一区二区| 999久久久精品免费观看国产| 国产成人精品无人区| 色播在线永久视频| 十八禁网站免费在线| svipshipincom国产片| 天天躁狠狠躁夜夜躁狠狠躁| 国产av又大| 欧美日韩精品网址| 俄罗斯特黄特色一大片| 精品国产乱子伦一区二区三区| 欧美黑人精品巨大| 桃色一区二区三区在线观看| 亚洲中文字幕日韩| 国产伦人伦偷精品视频| 国产1区2区3区精品| 久久精品国产亚洲av香蕉五月| 亚洲成国产人片在线观看| 波多野结衣高清无吗| 国产亚洲av嫩草精品影院| 9191精品国产免费久久| 国产欧美日韩精品亚洲av| 亚洲欧洲精品一区二区精品久久久| 亚洲欧美日韩无卡精品| 国内精品久久久久久久电影| 身体一侧抽搐| 中国美女看黄片| 不卡av一区二区三区| 淫秽高清视频在线观看| 久久热在线av| 草草在线视频免费看| 成年女人毛片免费观看观看9| 亚洲av成人不卡在线观看播放网| 午夜免费激情av| 欧美日韩精品网址| 午夜亚洲福利在线播放| 真人做人爱边吃奶动态| 久久久久久久久久黄片| 成人18禁在线播放| 日韩 欧美 亚洲 中文字幕| aaaaa片日本免费| 午夜视频精品福利| 成人手机av| 熟女电影av网| 欧美黑人巨大hd| 成人永久免费在线观看视频| or卡值多少钱| 真人做人爱边吃奶动态| 长腿黑丝高跟| 欧美一级a爱片免费观看看 | 香蕉av资源在线| 精品久久久久久成人av| 人人妻人人澡欧美一区二区| 99热6这里只有精品| 天天躁夜夜躁狠狠躁躁| 欧美成狂野欧美在线观看| 国产视频一区二区在线看| 午夜福利在线观看吧| 免费无遮挡裸体视频| 搡老妇女老女人老熟妇| 又黄又粗又硬又大视频| 极品教师在线免费播放| 韩国av一区二区三区四区| videosex国产| 中文字幕久久专区| 深夜精品福利| 亚洲天堂国产精品一区在线| 日韩 欧美 亚洲 中文字幕| 老司机午夜福利在线观看视频| 村上凉子中文字幕在线| 99热6这里只有精品| 久久精品人妻少妇| 女警被强在线播放| 日韩免费av在线播放| 国产极品粉嫩免费观看在线| 一进一出抽搐gif免费好疼| 欧美人与性动交α欧美精品济南到| 国产一级毛片七仙女欲春2 | 一级黄色大片毛片| 中国美女看黄片| 精品福利观看| 搡老妇女老女人老熟妇| 无限看片的www在线观看| 国产亚洲精品久久久久5区| 国产精品亚洲美女久久久| 欧美日韩亚洲综合一区二区三区_| av电影中文网址| 免费观看人在逋| 亚洲自偷自拍图片 自拍| 少妇裸体淫交视频免费看高清 | 成年免费大片在线观看| 嫩草影视91久久| 国内精品久久久久久久电影| 波多野结衣高清无吗| x7x7x7水蜜桃| 欧美又色又爽又黄视频| x7x7x7水蜜桃| 国产精品久久久久久亚洲av鲁大| aaaaa片日本免费| 午夜福利在线在线| 亚洲人成伊人成综合网2020| 久久久久亚洲av毛片大全| 热99re8久久精品国产| 亚洲 国产 在线| 国产精品 国内视频| www日本在线高清视频| 亚洲七黄色美女视频| 日韩精品中文字幕看吧| av视频在线观看入口| 国产精品国产高清国产av| 免费看美女性在线毛片视频| 亚洲一区二区三区不卡视频| 精品久久久久久久毛片微露脸| 色播在线永久视频| 露出奶头的视频| av电影中文网址| 成在线人永久免费视频| av电影中文网址| 亚洲一码二码三码区别大吗| 老熟妇乱子伦视频在线观看| 色精品久久人妻99蜜桃| 亚洲国产高清在线一区二区三 | xxx96com| 老汉色av国产亚洲站长工具| 男男h啪啪无遮挡| 亚洲人成77777在线视频| 亚洲av片天天在线观看| 男女之事视频高清在线观看| 岛国在线观看网站| 欧美在线一区亚洲| 亚洲精品一卡2卡三卡4卡5卡| 这个男人来自地球电影免费观看| 精品一区二区三区视频在线观看免费| 别揉我奶头~嗯~啊~动态视频| 欧美+亚洲+日韩+国产| 在线看三级毛片| 亚洲第一av免费看| 校园春色视频在线观看| 午夜福利一区二区在线看| 黑人欧美特级aaaaaa片| 哪里可以看免费的av片| 精品久久久久久久人妻蜜臀av| 嫩草影院精品99| 757午夜福利合集在线观看| 在线观看午夜福利视频| 老司机靠b影院| 夜夜夜夜夜久久久久|