• <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U-Net網絡的混凝土橋梁裂縫自檢測方法

    2023-11-28 11:14:54周志達吳怡寧文旭光蒲黔輝
    四川水泥 2023年11期

    周 童 周志達 吳怡寧,3 文旭光 蒲黔輝*

    (1.西南交通大學 土木工程學院,四川 成都 610031;2.廣西中國-東盟綜合交通國際聯合重點實驗室南寧學院,廣西 南寧 530000;3.浙江大學建筑設計研究院有限公司,浙江 杭州 310028)

    0 引言

    在各種橋梁病害中,裂縫是橋梁多病害的早期表現形式之一,危害程度極大。采用傳統人工裂縫檢測存在橋下空間小、耗時長、主觀性強、效率低等缺點,難以滿足量大面廣的橋梁養(yǎng)護和維修需求。而無損檢測路面裂縫的方法,例如激光全息技術[1],具有靈敏度高且響應速度快的特點,但該技術適用于平整路面,對于橋梁這類較為復雜的結構可用性不佳,且系統結構復雜,成本高,在現階段難以推廣應用。因此,傳統的橋梁裂縫檢測方法已不能滿足需求越來越大的橋梁維保檢測任務。

    近些年來,機器學習技術發(fā)展迅速,其中深度學習技術在大數據[2]的加持下更是在醫(yī)療[3]、網絡安全[4]等領域取得了顯著進展,為橋梁裂縫檢測研究提供了新方法。在2016 年,Zhang 等人[5]首次將卷積神經網絡應用于道路裂縫檢測,相比于傳統的人工特征提取方法,CNN提取特征的效率更高,并且排除了主觀性等不利因素,使得檢測的準確性和可靠性顯著提升,從而帶來顯著的經濟收益。隨后,研究人員[6-7]構建了多個基于CNN的病害識別和特征提取模型,實現了對路面病害的高效、精準識別和測量。此外,全卷積神經網絡(FCN)的使用實現了對圖像中裂縫等多種病害的像素級分割[8]。目前基于深度學習的裂縫檢測方法可以大致分為圖像分類、圖像檢測和圖像分割三類[9]。

    本文基于圖像語義分割對橋梁的裂縫進行識別。圖像語義分割技術可分為兩大類:基于區(qū)域的圖像語義分割技術和基于像素的圖像語義分割技術,后者的分割精度和分割速度更好。本研究使用基于編碼器-解碼器框架的U-net模型,并對其做出改進,以解決當前針對較細微裂縫圖像檢測結果精度不高的問題,實現了自動、準確的裂縫圖像像素級分割。

    1 模型描述

    1.1 原始U-Net網絡

    U-net 模型結構如圖1 所示,包含編碼器、解碼器、跳躍連接等主要組成部分。編碼器部分由連續(xù)的卷積和池化層組成,用于逐步降低特征圖的空間分辨率,同時增加特征圖的通道數,可以捕獲圖像的全局特征,提取語義信息。解碼器部分由連續(xù)的卷積和上采樣層組成,用于逐步恢復特征圖的空間分辨率,同時減少特征圖的通道數,通過跳躍連接將編碼器中的低級特征與高級特征融合,從而保留圖像細節(jié)和局部信息。

    圖1 原始U-net模型示意圖

    在編碼部分,主要對輸入圖像進行卷積和池化操作,得到五個大小不同的特征圖,且每次卷積、池化操作后獲得的特征圖尺寸減少為原來的一半;在解碼部分,首先對第五次卷積之后所得到的特征圖進行上采樣,將其結果與第四次池化所得到的特征圖進行特征融合和卷積操作,之后依次對其余特征圖進行同樣的操作,直到得到最終的分割結果。

    該網絡的輸入圖像將原始圖像邊緣像素進行對稱復制,增大了圖片尺寸。對于本文選取的Crack 500數據集,其像素大小為640×360,若將其作為網絡的輸出反推各階段特征圖大小,會在第二次下采樣中出現奇數。為避免這個問題,將輸出圖像周圍進行填充使其變?yōu)?44×372的大小,同時將原始圖像的邊緣像素進行復制擴充使輸入特征圖變?yōu)?28×556的大小。

    1.2 改進U-Net網絡

    1.2.1 全零填充

    在圖像處理中,卷積是一種對圖像進行特征提取的操作,通過在輸入圖像上滑動卷積核來提取不同位置的特征。為了保持輸出特征圖的大小與輸入圖像相同,可以在輸入圖像的周圍加上合適數量的零像素,從而進行卷積操作而不改變特征圖的尺寸。全零填充操作有助于對各階段特征圖信息進行充分利用并傳遞。

    1.2.2 空洞卷積

    與傳統的卷積操作不同,空洞卷積在卷積核內部引入了固定間隔(膨脹率)的空洞,使得卷積核在輸入數據上的感受野增大,從而能夠捕捉更大范圍的特征。相比于增大卷積核的尺寸來捕獲更大感受野,空洞卷積能夠在保持卷積核尺寸不變的情況下增加感受野,從而減少了模型所需學習的參數量[10]。

    如圖2 所示,在卷積核大小不變的情況下,感受野會隨著間隔的增加而提高。本文將膨脹率設置為2。

    圖2 空洞卷積示意圖

    改進U-net模型結構如圖3 所示,該網絡最后一個池化層的輸入行數是45,在進行2×2最大池化時會導致最后一行像素點被拋棄,因此在后續(xù)的反卷積過程中將其添加到對應位置。輸出端采用一個卷積核大小為1×1的卷積組,將圖像變?yōu)?×640×360的大小,并且采用Sigmoid激活函數將每個像素是否為裂縫的概率映射到0-1之間,若該點的值大于0.5,則認定其為裂縫,反之為背景。同時,本文對網絡層進行了增添,在各池化層之后增加一次上采樣作為特征圖,將每個階段的特征圖進行通道融合,提升了網絡的全局表達能力。

    圖3 改進U-net模型示意圖

    由于網絡輸入特征圖沒有經過擴充操作,因此在經過卷積操作時大大減少了訓練參數,有效提高了網絡計算效率。

    2 試驗方法

    2.1 圖像數據集與預處理

    本文以Crack 500公共數據集作為實驗數據進行實驗,其中包含3368張路面裂縫圖片,隨機選取3000張作為訓練集,剩余的作為測試集進行驗證。對于圖像標簽,在GitHub上找到了其他學者標記的標簽文件并用于本文模型的訓練,并利用訓練好的模型參數對橋梁混凝土裂縫進行再訓練,最終得到分割檢測的結果。對于Crack 500數據集,其圖像大小為640×360,而用于遷移訓練的橋梁混凝土裂縫圖像大小為1024×1024,為使得模型輸入尺寸一致,將橋梁裂縫進行剪裁使其變?yōu)?40×640的大小。

    由于裂縫圖像主要以灰度值的變化為主,因此只需要通過單通道圖像,對灰度信息進行圖像處理,判斷該像素點是否為裂縫像素。并且相較于彩色圖像,灰度圖像占的內存更小,處理速度更快,同時將原裂縫圖像轉換為灰度圖像后,在神經網絡中訓練所需的時間復雜度也更小。

    常用的獲取圖像灰度圖像算法包括:均值法;最大值法;加權平均法。本文采用的灰度處理方法是計算各個像素點三通道像素值的平均值,使其作為該點的灰度值,如公式(1)所示。

    式中:Gray(x,y)——灰度值;

    R(x,y)——紅色像素值;

    G(x,y)——綠色像素值;

    B(x,y)——藍色像素值。

    2.2 試驗環(huán)境配置

    本文實驗運行環(huán)境是基于Keras 框架進行的,Keras的主要優(yōu)點是模塊化程度高,支持當前提出以卷積神經網絡為框架的模型,使用Keras框架編輯的代碼可以使程序可讀性強、通俗易懂、更加簡練、靈活性更強。Keras框架與其他Python基礎框架相比是相對較為高級別的基礎框架,它以構造塊形式去封裝常用的深度學習訓練模塊及計算操作,使用者不需考慮其內部模塊結構的復雜性。其中,本研究的代碼是基于GitHub 已有程序“Road Crack Segmentation Keras”結合其他部分網絡代碼改進而來。該代碼的適配環(huán)境為Python 3.7,Tensorflow-gpu 2.2.0,Keras 2.3.1等一系列適配版本的相關插件。

    2.3 參數選取

    2.3.1 學習率(Learning Rate)

    學習率是深度學習中幾個最為重要的參數之一,它決定著模型能否快速收斂以及精確度等問題[16]。在一個神經網絡模型中,學習率過大或過小都會對網絡產生較大影響。在訓練網絡模型的時候,在開始訓練的前期,網絡需要一個較大的學習率以此快速地收斂到最優(yōu)點附近,但隨著訓練的深入,學習率則需要不斷變小,以此來靠近最優(yōu)點,此時過大的學習率會讓模型在最優(yōu)點附近來回震蕩且幅度較大。因此隨著模型訓練次數的增加,學習率應該先大后小,才可以保證網絡模型在訓練結束時達到或最大限度地靠近最優(yōu)點。本次試驗中采用余弦退火的方法自動調整學習率,如式(2)所示。

    式中:lr——灰度值;

    base_lr——初始學習率,本文設置為10-3;

    epoch——當前的訓練輪次;

    T_max——學習率退火的最大epoch 數,設置為300。

    2.3.2 迭代周期(epoch)

    迭代周期決定了訓練過程中數據集在神經網絡上迭代的次數,直接影響到模型的訓練效果和性能。在訓練過少的epoch后,模型可能沒有充分學習數據集,導致欠擬合;而訓練過多的epoch,模型可能會過度擬合訓練數據,而泛化能力較差。本文選取迭代次數為300輪。

    2.3.3 批大小(Batch-Size)

    在訓練神經網絡時,通常將數據集分成若干個小批次,每個小批次包含一定數量的樣本。Batch-Size 決定了每個小批次中包含的樣本數量。較大的Batch-Size通??梢约涌煊柧毸俣?,因為每個小批次中的樣本數增加,從而減少了參數更新的次數,這樣可以利用矩陣運算和并行計算的優(yōu)勢,提高訓練的效率;并且可以使訓練過程更加穩(wěn)定,有助于避免訓練過程中的震蕩或發(fā)散問題。

    然而,較大的Batch-Size需要更多的內存來存儲參數和梯度,特別是在GPU 上進行訓練時。如果內存不足,可能需要減小Batch-Size 或使用更大的顯存設備。根據電腦的顯存,本文將批大小設置為6。

    3 評價指標

    3.1 精確率(Precision)&召回率(Recall)

    精確率從預測結果角度出發(fā),描述了二分類器預測出來的正例結果中有多少是真實正例,即該二分類器預測的正例有多少是準確的;召回率從真實結果角度出發(fā),描述了測試集中的真實正例有多少被二分類器挑選了出來,即真實的正例有多少被該二分類器召回。Precision和Recall僅適用于二分類問題,如式(3)、(4)所示。

    式中:TP——預測為正類別且真實為正類別的樣本數量;

    FP——預測為正類別但實際為負類別的樣本數量;

    FN——預測為負類別但實際為正類別的樣本數量。

    3.2 F1-Score

    F1-Score 是精確率和召回率的調和平均值。由于精確率和召回率通常是相互牽制的,優(yōu)化其中一個指標可能會導致另一個指標下降,F1-Score可以幫助綜合考慮這兩者,從而更全面地評估分類器的性能。計算公式如式(5)所示。

    式中:P——精確率;

    R——召回率。

    3.3 交并比(Intersection-over-Union)

    交并比可以用于評估模型預測的邊界框或分割結果與真實標注之間的重疊程度,取值范圍在0到1之間。當IOU等于1時,表示預測結果完全和真實標注一致;當IOU等于0時,表示預測結果和真實標注沒有任何重疊。計算公式如式(6)所示。

    式中:Area of Intersection——預測區(qū)域和真實標注區(qū)域的交集面積;

    Area of Union——預測區(qū)域和真實標注區(qū)域的并集面積。

    4 試驗結果分析

    4.1 Crack 500數據集

    本文首先利用Crack 500[10]公共數據集作為算例。該數據集經過處理后包含3368張裂縫圖像,其中訓練數據集3000張圖像,驗證數據集368張圖像。所有圖像均配備有像素級人工標注的裂縫真值圖像。如圖4所示,為部分Crack 500圖像的分割效果對比,將原始圖像和標記以及改進前后模型的分割二值化圖像直觀展示了出來。從圖4 中可以觀察到,采用原始U-net 網絡對測試集識別的結果會使得原本連續(xù)的裂縫出現斷裂;而本文算法對于較淺裂縫的識別較原U-net網絡更加精確,同時對裂縫形態(tài)的提取更加完整。

    圖4 Crack 500效果對比圖

    4.2 橋梁混凝土裂縫自檢查數據集

    由于路面裂縫與橋梁混凝土裂縫的特征表現形式相同,因此使用遷移學習對較少的橋梁裂縫圖像進行快速訓練,本文設置迭代輪數為30輪。將原始圖像進行剪裁,每張圖像劃分為6個640×360大小的圖片。自數據集總共拍攝了30張圖片,經過預處理之后將180張圖片隨機抽取150張用于訓練,其余30張用于驗證,并對其手動添加標簽文件。

    圖5中選取了三張剪裁后的裂縫圖像,對其原始標記和輸入模型得到的標記進行對比。從圖5中可以觀察到,由于橋梁混凝土裂縫相對與路面裂縫所含噪聲較小,最終模型預測出的裂縫形態(tài)與自制標簽裂縫形態(tài)吻合情況出色。

    圖5 橋梁裂縫效果對比圖

    4.3 指標分析

    針對不同模型在不同數據集上的精確率、召回率、F1分數以及交并比進行計算,如表1所示。

    表1 模型評價

    改進的U-Net在Crack 500數據集上取得了良好的分割效果,精確率為96.53%,召回率為97.29%,F1分數為96.91%,IOU 為93.42%。與原U-Net 相比,改進UNet的Precision 提升了4.42%,Recall 提升了3.75%,F1-Score 提升了4.09%,Intersection-over-Union 提升了4.85%,并在橋梁裂縫自數據集上展現出優(yōu)于Crack 500數據集的各項指標,充分體現了本文所提出的改進U-Net模型在橋梁混凝土裂縫自檢測中的實用性。

    5 結束語

    本文基于U-Net 提出了性能更優(yōu)的橋梁裂縫檢測模型,實驗結果證明其能較好地檢測混凝土橋梁裂縫。主要結論如下:

    (1)通過在原始U-Net的結構中增加一次上采樣過程,使得模型能夠獲得更多的裂縫細節(jié)信息。上采樣過程則能夠恢復圖像的細節(jié)信息,這樣可以使得模型更加準確地檢測到混凝土橋梁裂縫。

    (2)在卷積過程中,通過使用全零填充的方式,保護圖像邊緣不受卷積操作的影響,同時使圖像每次卷積后的規(guī)格不變,保證輸入輸出尺寸一致,這樣可以避免在卷積過程中損失圖像的邊緣信息,從而提高了模型的檢測性能。

    (3)與原U-Net 相比,改進U-Net 在Crack 500 數據集中Precision提升了4.42%,Recall提升了3.75%,F1-Score 提升了4.09%,Intersection-over-Union 提升了4.85%,并在橋梁裂縫自數據上表現更佳,取得了良好的分割效果。

    岛国在线免费视频观看| 亚洲,欧美,日韩| 色哟哟哟哟哟哟| 91麻豆精品激情在线观看国产| 搡老妇女老女人老熟妇| 热99re8久久精品国产| 国产精品一区二区免费欧美| 亚洲专区国产一区二区| 丰满的人妻完整版| 久久久久九九精品影院| 国产成人a区在线观看| 人妻制服诱惑在线中文字幕| 精华霜和精华液先用哪个| 中文字幕熟女人妻在线| 麻豆精品久久久久久蜜桃| 欧美潮喷喷水| 1000部很黄的大片| 97在线视频观看| 好男人在线观看高清免费视频| 日韩欧美国产在线观看| 全区人妻精品视频| 精品午夜福利在线看| 在线观看午夜福利视频| 亚洲精品乱码久久久v下载方式| 91狼人影院| 神马国产精品三级电影在线观看| 偷拍熟女少妇极品色| 最近的中文字幕免费完整| 成人欧美大片| 久久久午夜欧美精品| 天堂动漫精品| 人妻少妇偷人精品九色| 日日摸夜夜添夜夜添av毛片| 精华霜和精华液先用哪个| 午夜亚洲福利在线播放| 99热这里只有精品一区| 国产精品亚洲一级av第二区| 91麻豆精品激情在线观看国产| 嫩草影院入口| 国产乱人偷精品视频| 国语自产精品视频在线第100页| 五月伊人婷婷丁香| 免费人成视频x8x8入口观看| 国产69精品久久久久777片| 在线播放无遮挡| 又粗又爽又猛毛片免费看| 国产亚洲91精品色在线| 欧美xxxx性猛交bbbb| 国产激情偷乱视频一区二区| 嫩草影视91久久| 国产黄a三级三级三级人| av女优亚洲男人天堂| 又黄又爽又刺激的免费视频.| 在线观看免费视频日本深夜| 丝袜喷水一区| av.在线天堂| 99久久中文字幕三级久久日本| 天天躁日日操中文字幕| 午夜久久久久精精品| 亚洲精品一卡2卡三卡4卡5卡| 一区福利在线观看| 久久国内精品自在自线图片| 青春草视频在线免费观看| 身体一侧抽搐| 国产一区二区在线av高清观看| 亚洲av免费高清在线观看| 观看免费一级毛片| 12—13女人毛片做爰片一| 十八禁网站免费在线| 禁无遮挡网站| 天堂网av新在线| 悠悠久久av| 亚洲精品色激情综合| 最近手机中文字幕大全| 国产精品野战在线观看| 国产午夜精品久久久久久一区二区三区 | 淫秽高清视频在线观看| 又爽又黄无遮挡网站| 国产精品99久久久久久久久| 成人国产麻豆网| av卡一久久| 日本在线视频免费播放| 中文亚洲av片在线观看爽| 我的女老师完整版在线观看| 亚洲高清免费不卡视频| 在线播放国产精品三级| 寂寞人妻少妇视频99o| 国产精品一区二区三区四区久久| 好男人在线观看高清免费视频| 青春草视频在线免费观看| 精品人妻偷拍中文字幕| 岛国在线免费视频观看| 淫妇啪啪啪对白视频| 日本黄大片高清| 哪里可以看免费的av片| aaaaa片日本免费| 国产午夜精品论理片| 91av网一区二区| 日日摸夜夜添夜夜爱| 内地一区二区视频在线| 精品不卡国产一区二区三区| 亚洲18禁久久av| 好男人在线观看高清免费视频| 99久久精品一区二区三区| 又粗又爽又猛毛片免费看| av在线天堂中文字幕| 国产精品久久久久久久久免| 变态另类成人亚洲欧美熟女| 亚洲av美国av| a级毛色黄片| 不卡视频在线观看欧美| 久久精品国产亚洲av香蕉五月| 一本久久中文字幕| 亚洲精华国产精华液的使用体验 | 欧美性猛交╳xxx乱大交人| 日本撒尿小便嘘嘘汇集6| 亚洲,欧美,日韩| 黄片wwwwww| 嫩草影院入口| 最近最新中文字幕大全电影3| 久久精品91蜜桃| 国产私拍福利视频在线观看| 国产精品美女特级片免费视频播放器| 国产精品99久久久久久久久| 丰满的人妻完整版| 禁无遮挡网站| 亚洲人成网站在线观看播放| 亚洲精品成人久久久久久| 国产高清有码在线观看视频| 99热这里只有精品一区| 不卡一级毛片| 超碰av人人做人人爽久久| 免费看av在线观看网站| 亚洲成人av在线免费| 热99在线观看视频| 国产精华一区二区三区| 亚洲国产日韩欧美精品在线观看| 午夜a级毛片| 插阴视频在线观看视频| 日日摸夜夜添夜夜添av毛片| 丰满人妻一区二区三区视频av| 久久九九热精品免费| 中文字幕久久专区| 日产精品乱码卡一卡2卡三| 偷拍熟女少妇极品色| 男人狂女人下面高潮的视频| 久久久久国产精品人妻aⅴ院| 午夜a级毛片| 最后的刺客免费高清国语| 久久人妻av系列| 亚洲国产高清在线一区二区三| 国产精品人妻久久久影院| 国产欧美日韩一区二区精品| 免费看光身美女| 国产伦精品一区二区三区视频9| 在线观看午夜福利视频| 亚洲国产日韩欧美精品在线观看| 亚洲美女视频黄频| 老司机影院成人| 国产精品不卡视频一区二区| 久久精品国产清高在天天线| 成人性生交大片免费视频hd| 特级一级黄色大片| 五月玫瑰六月丁香| 夜夜夜夜夜久久久久| 婷婷亚洲欧美| 丰满乱子伦码专区| 久久久久久久久久久丰满| 国产精品一区二区性色av| av在线天堂中文字幕| 日本三级黄在线观看| 国产精品一区二区性色av| 深爱激情五月婷婷| 亚洲人成网站高清观看| 亚洲精品成人久久久久久| 日本一二三区视频观看| 久久久久久久久久成人| АⅤ资源中文在线天堂| 一级av片app| 九九在线视频观看精品| 免费看美女性在线毛片视频| 成人综合一区亚洲| 国产午夜精品久久久久久一区二区三区 | 亚洲av电影不卡..在线观看| 国产乱人视频| 最后的刺客免费高清国语| 成人精品一区二区免费| av免费在线看不卡| 美女 人体艺术 gogo| 欧美激情久久久久久爽电影| 国产一区二区亚洲精品在线观看| 又爽又黄a免费视频| 在线观看av片永久免费下载| videossex国产| 国产激情偷乱视频一区二区| 99热网站在线观看| 一级av片app| 一级av片app| av.在线天堂| 成人漫画全彩无遮挡| 欧美国产日韩亚洲一区| 久久人人精品亚洲av| 日韩欧美精品免费久久| 日韩国内少妇激情av| 精品乱码久久久久久99久播| 晚上一个人看的免费电影| 你懂的网址亚洲精品在线观看 | 天堂√8在线中文| 久久精品国产99精品国产亚洲性色| 在线天堂最新版资源| 乱人视频在线观看| 亚洲在线观看片| 亚洲国产精品sss在线观看| 久久九九热精品免费| 内射极品少妇av片p| 国产精品国产三级国产av玫瑰| 夜夜夜夜夜久久久久| 亚洲国产高清在线一区二区三| 久久综合国产亚洲精品| 国产伦精品一区二区三区四那| 欧美日韩在线观看h| 国产亚洲精品久久久com| 亚洲无线观看免费| 免费高清视频大片| 女的被弄到高潮叫床怎么办| 欧美一区二区精品小视频在线| 欧美性猛交╳xxx乱大交人| 最近最新中文字幕大全电影3| 色在线成人网| 亚洲国产色片| 成人特级黄色片久久久久久久| 美女xxoo啪啪120秒动态图| 国产又黄又爽又无遮挡在线| 国产不卡一卡二| 亚洲国产色片| 国产黄片美女视频| 久久综合国产亚洲精品| 国产激情偷乱视频一区二区| 深夜精品福利| 在线播放国产精品三级| 成人av一区二区三区在线看| 男女边吃奶边做爰视频| 在线看三级毛片| 久久亚洲国产成人精品v| 久久人人精品亚洲av| АⅤ资源中文在线天堂| 日韩中字成人| 国产国拍精品亚洲av在线观看| 欧美性感艳星| 欧美成人精品欧美一级黄| 免费av不卡在线播放| 男女下面进入的视频免费午夜| 禁无遮挡网站| 亚洲欧美成人精品一区二区| 欧美日韩在线观看h| 日韩成人av中文字幕在线观看 | 国产精品1区2区在线观看.| 久久精品夜夜夜夜夜久久蜜豆| 六月丁香七月| 国产久久久一区二区三区| av天堂中文字幕网| 国产成人91sexporn| 男人和女人高潮做爰伦理| 午夜精品一区二区三区免费看| 亚洲欧美精品自产自拍| 国产亚洲91精品色在线| 在线观看午夜福利视频| 亚洲美女搞黄在线观看 | 亚洲五月天丁香| 久久精品国产鲁丝片午夜精品| 亚洲专区国产一区二区| 我的女老师完整版在线观看| 国产精品嫩草影院av在线观看| 成人综合一区亚洲| 成人毛片a级毛片在线播放| 波多野结衣高清作品| 亚洲人与动物交配视频| 搡老熟女国产l中国老女人| 成人三级黄色视频| а√天堂www在线а√下载| 国产精品久久电影中文字幕| 欧美不卡视频在线免费观看| 搡老岳熟女国产| 成人午夜高清在线视频| 如何舔出高潮| 大香蕉久久网| 菩萨蛮人人尽说江南好唐韦庄 | 熟妇人妻久久中文字幕3abv| 欧美日韩精品成人综合77777| 精品免费久久久久久久清纯| 精品日产1卡2卡| 亚洲专区国产一区二区| 久久久久久久久久黄片| 国产黄色视频一区二区在线观看 | 1024手机看黄色片| 国产精品久久久久久久电影| 午夜老司机福利剧场| 白带黄色成豆腐渣| 日日摸夜夜添夜夜爱| 国产午夜精品论理片| 97在线视频观看| 精品一区二区三区av网在线观看| 久久久久久久久久黄片| 亚洲人成网站高清观看| 免费不卡的大黄色大毛片视频在线观看 | 免费观看在线日韩| 春色校园在线视频观看| 高清午夜精品一区二区三区 | 直男gayav资源| 精华霜和精华液先用哪个| 国产日本99.免费观看| 国产精品综合久久久久久久免费| 最近在线观看免费完整版| 在线a可以看的网站| а√天堂www在线а√下载| 中国美白少妇内射xxxbb| 久久精品综合一区二区三区| 黄色欧美视频在线观看| 99在线人妻在线中文字幕| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品成人久久久久久| 麻豆av噜噜一区二区三区| 嫩草影视91久久| 简卡轻食公司| 中文字幕av成人在线电影| 亚洲欧美日韩高清专用| av在线蜜桃| 午夜福利视频1000在线观看| 亚洲精品一卡2卡三卡4卡5卡| 国产高清有码在线观看视频| 国产精品国产高清国产av| 深爱激情五月婷婷| 国产免费男女视频| 亚洲av第一区精品v没综合| 国产午夜精品论理片| 中文字幕熟女人妻在线| 色5月婷婷丁香| 亚洲最大成人av| 看片在线看免费视频| 波多野结衣高清作品| 国产在线精品亚洲第一网站| 国产亚洲91精品色在线| 国产欧美日韩精品一区二区| 国产一区二区亚洲精品在线观看| 看黄色毛片网站| 男女边吃奶边做爰视频| 老熟妇乱子伦视频在线观看| 欧美zozozo另类| 欧美激情国产日韩精品一区| 国产高清有码在线观看视频| 亚洲色图av天堂| 日韩av在线大香蕉| 免费无遮挡裸体视频| 一区二区三区四区激情视频 | 国产一区二区在线观看日韩| 精品久久久久久成人av| 国产伦精品一区二区三区视频9| 精品99又大又爽又粗少妇毛片| 黄片wwwwww| 色av中文字幕| 少妇丰满av| 色视频www国产| 亚洲乱码一区二区免费版| 久久人人爽人人片av| 神马国产精品三级电影在线观看| 日本黄色片子视频| 婷婷色综合大香蕉| 99热这里只有精品一区| 99热网站在线观看| 淫妇啪啪啪对白视频| 国产成年人精品一区二区| 日本一本二区三区精品| 99久久中文字幕三级久久日本| 国产综合懂色| 久久人人爽人人爽人人片va| 小蜜桃在线观看免费完整版高清| 亚洲最大成人av| 亚洲国产日韩欧美精品在线观看| 一个人免费在线观看电影| 亚洲中文日韩欧美视频| 亚洲av一区综合| 熟妇人妻久久中文字幕3abv| 91久久精品国产一区二区成人| 亚洲国产精品合色在线| 久久天躁狠狠躁夜夜2o2o| 亚洲av二区三区四区| 亚洲五月天丁香| 精品不卡国产一区二区三区| 国产精品嫩草影院av在线观看| 我的老师免费观看完整版| 午夜精品在线福利| 中文字幕av成人在线电影| 秋霞在线观看毛片| 日本与韩国留学比较| 麻豆av噜噜一区二区三区| 少妇人妻一区二区三区视频| 欧美高清性xxxxhd video| 国产高清激情床上av| 久久久久精品国产欧美久久久| 日日撸夜夜添| av在线老鸭窝| 久久久久久国产a免费观看| 人人妻人人看人人澡| 欧美性猛交╳xxx乱大交人| 国产伦一二天堂av在线观看| 少妇猛男粗大的猛烈进出视频 | 黑人高潮一二区| 黄色欧美视频在线观看| 综合色av麻豆| 久久久久免费精品人妻一区二区| 校园人妻丝袜中文字幕| 黄色日韩在线| 亚洲最大成人手机在线| 嫩草影视91久久| 久久99热6这里只有精品| 亚洲成人精品中文字幕电影| 国产精品久久电影中文字幕| 亚洲av美国av| 中文字幕av在线有码专区| 国产精品女同一区二区软件| 亚洲色图av天堂| 99riav亚洲国产免费| 欧美三级亚洲精品| 午夜激情欧美在线| 日韩欧美精品v在线| 校园春色视频在线观看| 精品乱码久久久久久99久播| 日韩一区二区视频免费看| 亚洲无线在线观看| 国产精品乱码一区二三区的特点| 久久午夜福利片| 日本黄色视频三级网站网址| 午夜爱爱视频在线播放| 亚洲自拍偷在线| 国产91av在线免费观看| 国产一区亚洲一区在线观看| 赤兔流量卡办理| 欧美日韩乱码在线| 在线a可以看的网站| 久久久色成人| 国产精品久久久久久亚洲av鲁大| 晚上一个人看的免费电影| 亚洲综合色惰| 欧美潮喷喷水| 国产黄色小视频在线观看| 久久久久国产精品人妻aⅴ院| 超碰av人人做人人爽久久| 午夜久久久久精精品| 国产午夜福利久久久久久| 禁无遮挡网站| 色5月婷婷丁香| 综合色av麻豆| 成人精品一区二区免费| 波多野结衣高清作品| 男女那种视频在线观看| 成人国产麻豆网| 色av中文字幕| 男女之事视频高清在线观看| 欧美高清成人免费视频www| 男女边吃奶边做爰视频| 99热精品在线国产| 亚洲精品色激情综合| 老师上课跳d突然被开到最大视频| 精品久久久久久久久亚洲| 色尼玛亚洲综合影院| 久久精品影院6| 亚洲国产日韩欧美精品在线观看| 夜夜爽天天搞| 亚洲成人久久性| 国产亚洲欧美98| 草草在线视频免费看| 日本一本二区三区精品| 听说在线观看完整版免费高清| 看免费成人av毛片| 99久久精品国产国产毛片| 男人舔奶头视频| 色av中文字幕| 亚洲av成人av| 精品少妇黑人巨大在线播放 | 日韩欧美免费精品| 一级黄色大片毛片| 简卡轻食公司| av国产免费在线观看| 久久久久久久久久久丰满| 九色成人免费人妻av| 欧美激情国产日韩精品一区| 一本久久中文字幕| 日本五十路高清| 免费黄网站久久成人精品| 黑人高潮一二区| 日韩成人伦理影院| 午夜老司机福利剧场| 又粗又爽又猛毛片免费看| 午夜福利成人在线免费观看| 亚洲国产欧洲综合997久久,| 久久久久久久久久成人| 一本久久中文字幕| 亚洲精品一区av在线观看| 久久精品国产亚洲av天美| 国产精品人妻久久久影院| 久久久久免费精品人妻一区二区| 成人无遮挡网站| 天天躁夜夜躁狠狠久久av| 成熟少妇高潮喷水视频| 国产欧美日韩精品亚洲av| 欧美激情国产日韩精品一区| 免费观看的影片在线观看| 亚洲av中文av极速乱| 亚洲不卡免费看| 国产一区二区激情短视频| 亚洲国产精品合色在线| 麻豆国产av国片精品| 美女大奶头视频| 国产成人a区在线观看| 欧美一区二区亚洲| 精品不卡国产一区二区三区| aaaaa片日本免费| www.色视频.com| 天堂av国产一区二区熟女人妻| 日日干狠狠操夜夜爽| 国产极品精品免费视频能看的| 啦啦啦啦在线视频资源| 亚洲av免费在线观看| av在线亚洲专区| 最近手机中文字幕大全| 村上凉子中文字幕在线| 乱码一卡2卡4卡精品| 亚洲精品国产成人久久av| 国产白丝娇喘喷水9色精品| 国产片特级美女逼逼视频| 国产真实伦视频高清在线观看| 国产高清三级在线| 一个人免费在线观看电影| 国产极品精品免费视频能看的| 久久久国产成人精品二区| 黑人高潮一二区| 精品少妇黑人巨大在线播放 | 国模一区二区三区四区视频| 人人妻,人人澡人人爽秒播| 国产乱人偷精品视频| 久久久精品欧美日韩精品| 国产老妇女一区| a级毛色黄片| 亚洲一级一片aⅴ在线观看| 我要搜黄色片| 精品一区二区三区视频在线观看免费| 男人狂女人下面高潮的视频| 国产欧美日韩精品亚洲av| 国内精品一区二区在线观看| 乱系列少妇在线播放| 男女下面进入的视频免费午夜| 99久久精品一区二区三区| 性插视频无遮挡在线免费观看| 午夜福利高清视频| 蜜桃久久精品国产亚洲av| 色哟哟·www| 免费无遮挡裸体视频| 少妇人妻精品综合一区二区 | 成年女人永久免费观看视频| h日本视频在线播放| 少妇熟女欧美另类| 国产精品,欧美在线| 亚洲,欧美,日韩| 久久久色成人| avwww免费| 波多野结衣巨乳人妻| 18禁在线无遮挡免费观看视频 | 欧美另类亚洲清纯唯美| 男女边吃奶边做爰视频| 一级黄色大片毛片| 成人鲁丝片一二三区免费| 免费高清视频大片| 看十八女毛片水多多多| 久久人人爽人人片av| 日韩欧美三级三区| 看免费成人av毛片| 最近的中文字幕免费完整| 久久精品国产清高在天天线| 搞女人的毛片| 午夜爱爱视频在线播放| 国产成人91sexporn| 欧美人与善性xxx| 99在线视频只有这里精品首页| 黄片wwwwww| 人人妻人人看人人澡| 午夜免费激情av| 五月伊人婷婷丁香| 小蜜桃在线观看免费完整版高清| 男女视频在线观看网站免费| av在线观看视频网站免费| 亚洲欧美日韩高清在线视频| 99久久无色码亚洲精品果冻| 99国产极品粉嫩在线观看| 精品久久久久久久久久免费视频| 日日摸夜夜添夜夜爱| 久久欧美精品欧美久久欧美| 99热这里只有是精品50| 少妇猛男粗大的猛烈进出视频 | 嫩草影院新地址| 日韩av不卡免费在线播放| 老女人水多毛片| 精品免费久久久久久久清纯| 大型黄色视频在线免费观看| 一本精品99久久精品77| av在线播放精品| 亚洲精品在线观看二区| 国产色爽女视频免费观看| 91久久精品国产一区二区成人| av中文乱码字幕在线| 人妻丰满熟妇av一区二区三区| 亚洲婷婷狠狠爱综合网| 亚洲国产精品sss在线观看| 午夜视频国产福利| 禁无遮挡网站| 热99在线观看视频|