• <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YOLOv5的電廠人員絕緣手套佩戴檢測

    2023-12-01 03:07:52王彥生朱佳佳王紫儀湯博宇
    計算機測量與控制 2023年11期
    關鍵詞:特征檢測

    王彥生,朱佳佳,王紫儀,湯博宇 ,高 陽,2

    (1. 南京工程學院 人工智能產(chǎn)業(yè)技術研究院,南京 211167;2. 江蘇省智能感知技術與裝備工程研究中心,南京 211167)

    0 引言

    當今社會,電能成為居民日常生活和工業(yè)生產(chǎn)的基礎保障,一旦輸電過程中突發(fā)事故,將無法保證居民的日常生活用電,給居民生活帶來了極大的不便,也會給工業(yè)生產(chǎn)造成巨大的經(jīng)濟損失,為此,必須按時對輸電線路進行檢修和維修,這就對電網(wǎng)的作業(yè)人員提出了更高的工作要求。據(jù)有關部門統(tǒng)計,我國電力建設事故數(shù)量和死亡人數(shù)逐年增加,糾其原因,很大一部分都是未按安全規(guī)范來進行維修檢修工作導致的,進而給電網(wǎng)的安全運行造成巨大威脅。因此,必須規(guī)范作業(yè)過程,嚴格監(jiān)管作業(yè)人員是否按規(guī)定穿戴工作裝備,避免發(fā)生電擊事故,才能保障居民企業(yè)的正常用電。其中不按規(guī)定佩戴絕緣手套是影響電力生產(chǎn)的不安全行為之一。目前電網(wǎng)企業(yè)中一般是通過人工現(xiàn)場監(jiān)管或者視頻監(jiān)控的方式來加強現(xiàn)場作業(yè)安全管理,人工現(xiàn)場監(jiān)管需要單獨調派人手,且人眼監(jiān)管的范圍有限,浪費人力且監(jiān)管效果較差。而采用視頻監(jiān)控進行管理時,隨著監(jiān)控場景的擴大以及監(jiān)控攝像頭的大量部署,監(jiān)控人員的工作量大大增加[1]。此外,監(jiān)控人員無法保證全天24小時監(jiān)看視頻監(jiān)控,并且人工監(jiān)控的方法存在監(jiān)管效率低、時效性差、智能化程度低等問題。因此,結合現(xiàn)有的網(wǎng)絡攝像頭等視頻采集設備,利用計算機視覺領域的圖像算法可以進行不安全行為的自動檢測,實現(xiàn)降低人工成本的目的,能更加及時并準確的發(fā)現(xiàn)不安全行為。

    伴隨人工智能和計算機技術的發(fā)展,深度學習在目標檢測領域得到了廣泛應用[2]。目前有關目標檢測的深度學習算法主要有兩個分支,一個分支是以R-CNN系列為典型代表的雙階段目標檢測算法,另一個分支則是以SSD、YOLO系列為典型代表的單階段目標檢測算法。這兩種算法最大的區(qū)別在于是否需要提前生成預選框。具體來說,雙階段目標檢測算法需要提前生成預選框,然后經(jīng)過卷積神經(jīng)網(wǎng)絡進行檢測,而單階段目標檢測算法則不需要提前生成預選框,而是直接用神經(jīng)網(wǎng)絡進行檢測。目前對于電力行業(yè)不安全行為檢測的目標檢測方法主要以YOLO系列為主,文獻[3]通過修改YOLOv5網(wǎng)絡結構和研究相關算法提升遮擋場景下對電廠環(huán)境下作業(yè)人員是否佩戴安全帽進行檢測,文獻[4]通過在YOLOv5網(wǎng)絡中加入注意力機制和修改特征融合網(wǎng)絡以提高對煙頭等小目標的檢測精度,文獻[5]以Faster R-CNN算法為基礎,通過修改回歸損失函數(shù)以達到對作業(yè)人員著裝規(guī)范性檢測的目的。文獻[6]采用PSA極化自注意力機制、引入ASFF模塊以及修改回歸損失函數(shù)為EIoU Loss,提高對于口罩這類小目標的檢測精度。由此可見,現(xiàn)有的檢測方法大多是針對變電站施工現(xiàn)場對安全帽及施工人員等目標的檢測,而對于作業(yè)人員是否佩戴絕緣手套的檢測研究甚少,除此之外,絕緣手套屬于小目標檢測,其本身檢測難度較高,且存在檢測精度低的問題。

    圖1 YOLOv5結構圖

    為了解決上述難題,本文從小目標檢測方向入手,以YOLOv5s網(wǎng)絡為基礎,通過將主干網(wǎng)絡中的卷積替換為自校準卷積,添加注意力模塊,修改損失函數(shù),達到對電廠人員絕緣手套佩戴的檢測并進一步提高其檢測精度的目的。

    1 YOLOv5網(wǎng)絡

    到目前為止,YOLOv5總共發(fā)行了兩個版本,5.0版本和6.0版本,6.0版本將5.0版本中的有關結構進行了微調,圖1是6.0版本的具體結構,其可分為第一部分輸入端,第二部分Backbone,第三部分Neck以及第四部分預測網(wǎng)絡。

    1.1 輸入端

    首先,YOLOv5的輸入端沿用了YOLOv4的Mosaic數(shù)據(jù)增強操作,通過選定一張圖片,然后通過與另外三張隨機圖片進行縮放裁剪操作,最終隨機排布拼成一張圖,將最終獲得的圖片作為訓練數(shù)據(jù),由此豐富圖片的背景,以提升模型的訓練速度和網(wǎng)絡的精度,除此之外,在網(wǎng)絡進行標準化BN計算時,計算一張圖片的數(shù)據(jù)就相當于計算四張圖片的數(shù)據(jù),以此減少GPU計算。

    其次,提出了一種自適應錨框計算方法,之前的YOLO系列,諸如YOLOv3、YOLOv4對于錨框的處理都使用單獨的腳本進行初始錨框的計算,而YOLOv5拋棄了這一做法,將此功能直接嵌入到整個訓練代碼中。所以在每次訓練開始之前,YOLOv5網(wǎng)絡都會根據(jù)不同的數(shù)據(jù)集來自適應計算錨框。

    最后,圖片縮放改為自適應。數(shù)據(jù)集中不同的圖片長寬不一定相同,YOLO算法在訓練時需要將圖片統(tǒng)一縮放到同一尺寸,而手動對圖片進行縮放填充,我們不能保證兩端填充的黑邊大小相同,一旦填充較多,就會存在信息冗余,影響推理速度。因此YOLOv5統(tǒng)一對原始圖像自適應的添加最少的黑邊,將圖片統(tǒng)一為同一尺寸,以此來避免過多信息冗余,加快網(wǎng)絡推理速度[7]。

    1.2 Backbone

    1.2.1 Focus結構

    在YOLOv5未出現(xiàn)之前,YOLO系列的所有網(wǎng)絡都沒有使用Focus結構,F(xiàn)ocus結構可以說是對圖片在進入主干網(wǎng)絡之前的特殊處理,其具體的操作是對圖像進行隔像素取值,即切片操作,從而將一張圖劃分為不同的值,經(jīng)過切片操作后,會獲得4個圖像,這4張圖像并不是相互獨立,毫無關系的,恰恰相反,它們相互間互補,因此,不存在信息缺失,且原本圖像的RGB三通道擴大成了4×3=12通道。Focus結構的優(yōu)勢是在減少了計算復雜度和參數(shù)的情況下,不會丟失任何信息,從而在保證準確率的前提下,提高了對小目標的檢測率。

    1.2.2 CSP結構

    CSP即C3模塊,YOLOv5中的CSP有兩種設計,分別為Backbone部分的CSP1_X結構和Neck部分的CSP2_X結構。

    1)CSP1_X結構

    CSP1_X結構的網(wǎng)絡結構圖如圖2所示。

    圖2 CSP1_X網(wǎng)絡結構圖

    其中CBS為Conv+BN+SiLu,Resunit是x個殘差組件。從結構可以看出,CSP1_X是通過將兩個不同支路進行Concat和CBS構成。CSP1_X應用于backbone主干網(wǎng)絡部分,主要是因為在較深的網(wǎng)絡中殘差結構可以增加層與層之間反向傳播的梯度值,以此來避免因為網(wǎng)絡加深而帶來的梯度消失,確保網(wǎng)絡可以提取到更加細微的特征[8]。

    2)CSP2_X結構

    CSP2_X的網(wǎng)絡結構圖如圖3所示。

    圖3 CSP2_X網(wǎng)絡結構圖

    CSP2_X相對于CSP1_X來說,不一樣的地方只有CSP2_X將Resunit換成了2*X個CBS,主要應用在Neck網(wǎng)絡。

    3)SPPF結構

    SPPF的具體結構如圖4所示。SPPF模塊將經(jīng)過CBS的x、一次池化后的y1、兩次池化后的y2和3次池化后的m(y2)先進行拼接,然后再CBS提取特征。通過結構圖不難發(fā)現(xiàn),雖然SSPF對特征圖進行了多次池化,但是特征圖尺寸并未發(fā)生變化,通道數(shù)更不會變化,所以后續(xù)的4個輸出能夠在channel維度進行融合。該模塊不僅要提取高層特征,還要利用多次最大池化進行特征的融合,以便能夠更多的提取信息。

    圖4 SPPF網(wǎng)絡結構圖

    1.3 Neck

    Neck部分由兩個網(wǎng)絡組成,一個是特征金字塔網(wǎng)絡(FPN,feature pyramid networks),F(xiàn)PN網(wǎng)絡通過對主干網(wǎng)絡提取到的高低層特征進行融合,以此來提高對于較小目標的檢測效果。另一個網(wǎng)絡則是路徑聚合網(wǎng)絡(PAN,path aggregation network),PAN是一種自下而上的增強,這樣,深層的特征圖就能得到淺層的豐富細節(jié),因此,對于大型物體的檢測,就能得到更好的檢測效果[9]。

    1.4 Prediction

    YOLOv5的輸出端主要是對預測框和真實框的處理,其先提高Bounding box損失函數(shù)計算預測框和真實框的交并比過濾掉一些檢測框,對于剩下的檢測框,通過nms非極大值抑制進一步篩選掉多余的檢測框,得到最終的檢測框。

    2 改進策略

    原始的YOLOv5網(wǎng)絡采用傳統(tǒng)卷積對輸入圖像進行處理,傳統(tǒng)卷積存在諸多缺陷,為此本文將其進行改進,替換為自校準卷積。另外,為了使網(wǎng)絡更加關注待檢測的目標,其通常會在網(wǎng)絡中加入有關注意力機制,以此來達到讓網(wǎng)絡關注待檢測目標的目的。最后對于損失函數(shù)做了替換,原始YOLOv5網(wǎng)絡的損失函數(shù)為CIoU,其在網(wǎng)絡回歸時存在不足,為此本文將其改為EIoU。

    2.1 自校準卷積

    2020年南開大學程明明團隊[10]提出了一種自校準的模塊(多個卷積注意力組合的模塊),替換基本的卷積結構,相較于傳統(tǒng)卷積,該卷積模塊在保證參數(shù)計算量不增加的前提下,擴大網(wǎng)絡對目標的感受野,增強特征圖的區(qū)分度[11]。其具體結構如圖5所示。

    首先將輸入X沿著通道方向進行分裂(Split),形成X1和X2,然后X1和X2會分別通過兩個路徑進行信息的處理。首先,分裂后的X1會通過一個濾波器{K2,K3,K4},其目的就是對X1進行自校準,最終得到一個輸出Y1;對于分裂后的X2則只進行一個簡單的卷積操作得到另一個輸出Y2,通過卷積操作來保存輸入中原始的信息。最后,將得到的兩個輸出進行Concat操作,得到最終的輸出Y,這就是自校準的整個過程。

    圖5 自校準卷積模塊整體結構圖

    通過上述過程可以發(fā)現(xiàn),通過將原始的輸入信息進行兩條不同路徑的處理,一方面通過自校準操作讓網(wǎng)絡在處理圖像信息時將輸入的每個空間位置及其周圍的信息自適應進行信息嵌入,對信息進行編碼,使網(wǎng)絡在處理圖像信息時只關注待檢測物體周圍的信息,這樣一來就可以避免來自全局其他無用信息的干擾[12];另一方面,通過簡單卷積保留原始信息,最終將其與自校準處理的信息進行融合,最終獲得待檢測物體的精準信息。

    在YOLOv5網(wǎng)絡中,其主干網(wǎng)絡、Neck以及預測網(wǎng)絡部分都存在卷積操作,為了更好的提取到待檢測目標的信息,本文將YOLOv5主干網(wǎng)絡的卷積替換為自校準卷積,從而使特征提取網(wǎng)絡在提取物體特征時更加專注于待檢測物體周圍的信息,擴展感受野豐富輸出,進而強化對弱特征的提取能力,以此來提高對于待檢測目標的檢測精度,尤其是對于像絕緣手套這種類似的小目標物體,使用自校準卷積來提取物體信息優(yōu)勢顯著。

    2.2 SKNet注意力模塊

    圖6 SK結構示意圖

    南京理工大學李翔等人[13]在2019年國際計算機視覺與模式識別會議(CVPR)上提出一種選擇性內核網(wǎng)絡(SKNets,selective kernel networks),SKNet是基于SE[14](Squeeze and Excitation Networks)注意力機制的改進,其主要創(chuàng)新點是設置了一組動態(tài)選擇的卷積(SK),分為3個部分操作:Split、Fuse、Select,即分裂、融合和選擇,其具體結構如圖6所示。

    從圖中可以看出,分裂操作將輸入的特征圖分別使用3×3和5×5的卷積核進行卷積操作,提取目標特征;融合操作則將得到的相同尺寸特征圖中的對應元素相加,然后對融合后的特征圖進行空間維度的全局平均池化操作,得到特征圖S,緊接著通過FC全連接提取通道注意力信息,得到特征圖Z,然后分別使用不同的卷積核a和b與通道注意力信息Z進行卷積,再經(jīng)過Softmax處理,得到每個卷積核對應的通道注意力信息;選擇操作通過將得到通道注意力信息的a和b分別與前面經(jīng)過卷積核處理的特征圖進行相乘,輸出具有卷積核的通道注意力的特征圖,最后,將具有卷積核的通道注意力的特征圖進行融合,得到最終的通道注意力特征圖[15]。從上述操作不難看出,SK結構通過對大小不同的卷積核的相加相乘,最終可以獲得不同的感受野。

    在標準卷積神經(jīng)網(wǎng)絡中,設置了大小相同的人工神經(jīng)元的感受野[16],這就導致網(wǎng)絡訓練時不能根據(jù)待檢測目標的大小及時改變感受野。為此,本文將SK模塊添加到YOLOv5網(wǎng)絡的Neck部分,使網(wǎng)絡在訓練時可以根據(jù)輸入信息的多個尺度自適應調整其感受野大小,以此來加強網(wǎng)絡對于小目標物體的關注度,提高對絕緣手套的檢測精度。

    2.3 損失函數(shù)EIoU

    在目標檢測網(wǎng)絡中為了衡量預測框與真實框的關系,提出了交并比(IOU,intersection over union)的概念,隨著目標檢測算法的不斷發(fā)展,IOU也誕生了不同的損失函數(shù),例如GIOU(generalized intersection over union)、DIOU(complete intersection over Union)和CIOU(Complete IoU)等。2021年中國科學院大學張易凡等人[17]在損失函數(shù)CIOU基礎上進一步提出了一個更加完善的損失函數(shù)EIOU,與CIOU有所不同的是EIOU損失函數(shù)在CIOU損失函數(shù)的基礎上將原始的寬高比例,改為寬高值回歸,EIOU損失函數(shù)由重疊、中心距離和寬高這三部分損失構成,其中重疊和中心距離損失與CIOU中的一樣[18],但是寬高損失卻不一樣。在EIOU中寬高損失是讓目標檢測框和錨框對應的寬高之差最小,以使網(wǎng)絡的收斂速度更快。具體如公式(1)所示。

    LEIoU=LIoU+Ldis+Lasp

    (1)

    其中:Cω和Ck是覆蓋真實框和預測框的最小外接框的寬度和高度。

    CIOU是原YOLOv5網(wǎng)絡所使用的損失函數(shù),盡管CIOU在原網(wǎng)絡中表現(xiàn)良好,但是其在進行交并比計算時只考慮寬高比例,一旦出現(xiàn)檢測框和預測框的中心點與原圖一樣,寬度和高度的比值相同,但兩者的寬度和高度值不同的情況,如果仍按CIOU損失計算,則會導致目標不相符[19]?;诖吮疚膶IOU損失函數(shù)替換為EIOU,使網(wǎng)絡在處理預測框與真實框時更加完善,提高檢測目標檢測框的準確度。

    圖7 LabelImg操作界面

    圖8 訓練過程曲線圖

    3 實驗與分析

    3.1 數(shù)據(jù)集處理

    本文數(shù)據(jù)集來自某市供電公司提供的電廠維修及檢修人員的圖片共1075張,獲得圖片后,使用LabelImg標注軟件進行標注,軟件操作界面如圖7所示,標注時,將檢修人員戴的絕緣手套用矩形框框選,然后輸入標簽glove,完成以后保存文件,此時標注好的文件為xml格式,需將其用對應的Python代碼轉換成txt格式。最后需要將數(shù)據(jù)集進行劃分,本文按照6:2:2的比例將數(shù)據(jù)集劃分為訓練集(train)、驗證集(val)和測試集(test),至此,數(shù)據(jù)集準備完畢。

    3.2 實驗環(huán)境

    實驗所用操作系統(tǒng)為Ubuntu18.04,顯卡為GeForce RTX2080Ti,顯存24 GB,CPU為Intel(R)Xeon(R)Glod5118CPU@2.3 GHz,內存128 GB,顯卡為GeForce RTX2080Ti,顯存24 GB,實驗框架為Pytorch,實驗語言均使用Python,根據(jù)系統(tǒng)CUDA版本11.3安裝相應的torch1.10.0、torchvision0.11.0、及torchaudio0.10.0,然后根據(jù)環(huán)境要求安裝相關的庫即可完成本文實驗環(huán)境的構建。

    3.3 模型訓練

    安裝完實驗環(huán)境后,需要設置實驗參數(shù),本文統(tǒng)一將圖片輸入尺寸設置為640×640,設置迭代輪數(shù)為300,學習率為0.001,批次batch-size設置為16,由于實驗服務器有3個獨立顯卡,實驗時調用3個顯卡,故最終batch-size為16×3=48,iou-thres 設置為0.5,其余參數(shù)均為默認。參數(shù)設置完后,修改訓練所需的數(shù)據(jù)配置文件以及模型配置文件,其中,數(shù)據(jù)配置文件中需修改訓練集、驗證集及測試集的文件路徑,還有類別名及類別數(shù),模型配置文件只需修改類別數(shù),修改完配置文件后開始訓練,圖8為訓練過程中的相關曲線??梢悦黠@看出,用于監(jiān)督檢測框回歸的box_loss和用于監(jiān)督圖像中是否存在物體的obj_loss曲線隨著訓練輪數(shù)的增加逐漸趨于平穩(wěn),而查準率曲線、查全率曲線以及mAP曲線逐漸趨于0.9,表明訓練效果較好,訓練精度較高。

    3.4 評價指標

    本文采用查準率(Precision,P)、查全率(Recall,R)、平均精度均值(mAP)以及權重文件大小這4個指標作為評價模型的指標,其中 P、R和mAP的計算如下公式所示[20]。

    (2)

    (3)

    (4)

    其中:TP(True Positives)表示被正確檢測出的目標數(shù),F(xiàn)P(False Positives)表示檢測錯誤的目標數(shù),F(xiàn)N(False Negatives)表示未被檢測出來的目標數(shù),AP表示以Recall為橫軸,Precision為縱軸所繪PR曲線下的面積,N代表類別數(shù)。當P、R和mAP的值越接近于1,說明模型的性能越好。

    3.5 實驗評估與分析

    3.5.1 對比實驗

    為了更加直觀的體現(xiàn)YOLOv5s相較于其他目標檢測算法的高效性,將YOLOv5s與SSD、YOLOv3、YOLOv3-tiny、YOLOv5l、YOLOv5m、YOLOv5x以及 YOLOv5n 進行對比,對比結果如表1所示。

    表1 對比實驗結果

    通過實驗所得數(shù)據(jù)可以看出,YOLOv5s算法的檢測精度最高,為92.8%,相較于檢測精度較為接近的YOLOv5l和YOLOv5x,盡管其檢測精度十分接近,但是其權重文件較大,比YOLOv5s權重分別大78.4 MB、158.6 MB,YOLOv3-tiny算法的權重文件大小雖和YOLOv5s相近,但是YOLOv3-tiny算法的檢測精確比YOLOv5s低2.7%,SSD以及YOLOv5m算法無論是檢測精度還是權重文件大小都不及YOLOv5s,YOLOv5n算法的權重文件最小,僅有3.8 MB,檢測精度也十分接近YOLOv5s,但是其查準率和查全率卻不及YOLOv5s。綜合4個評價指標數(shù)據(jù),對于絕緣手套的檢測YOLOv5s算法性能最優(yōu),故本文將YOLOv5s作為改進的基礎網(wǎng)絡。

    3.5.2 消融實驗

    為了進一步證明本文改進算法的優(yōu)越性,在對比實驗的基礎上,將改進策略一一加入、兩兩加入進行消融實驗,消融實驗結果如表2所示。其中方案A、B、C、D、E、F分別指YOLOv5s+改進點1、YOLOv5s+改進點2、YOLOv5s+改進點3、YOLOv5s+改進點1和2、YOLOv5s+改進點1和3、YOLOv5s+改進點2和3。

    消融實驗結果表明,將本文改進策略一一加入網(wǎng)絡后,每個改進策略的檢測精度都有所提升,其中,將損失函數(shù)修改為EIOU的檢測精度提升最高,提升了1.5%,然后兩兩加入后精度均有提高,最后,將所有改進點一同加入網(wǎng)絡后,其檢測精度提高了2.4%,且權重文件較小,僅比原始YOLOv5s算法大44.2MB,此外,查準率和查全率分別提高了1%、2.4%。通過消融實驗,再次證明了本文算法有效的提高了絕緣手套的檢測精度。

    為了更加直觀體現(xiàn)本文算法的高效,本文用改進前后的網(wǎng)絡對于電廠現(xiàn)場的檢修人員是否佩戴絕緣手套進行了檢測,檢測結果對比如表3所示。從檢測結果可以看出,原YOLOv5s算法在檢測絕緣手套時存在誤檢測以及漏檢情況,此外,對于離視頻監(jiān)控較遠的檢修人員,由于其距離較遠,其佩戴的絕緣手套在監(jiān)控中很小,使用原始的YOLOv5s網(wǎng)絡其檢測精度僅為27%,而使用改進后的算法檢測時,檢測精度為59%,可見本文算法有效的提升了對絕緣手套的檢測精度。

    表2 消融實驗結果

    表3 檢測結果

    4 結束語

    本文在YOLOv5的基礎上提出了一種檢測未佩戴絕緣手套不安全行為的方法。首先將特征提取網(wǎng)絡中的卷積替換為自校準卷積,使網(wǎng)絡在提取目標特征時更關注待檢測目標周圍的信息。接著在特征融合網(wǎng)絡的最后加入SK注意力機制,使網(wǎng)絡更加關注待檢測的小目標。最后,修改原始YOLOv5網(wǎng)絡中的損失函數(shù),來進一步精確檢測框位置,最終提高對于絕緣手套的檢測精度。實驗結果證明,改進后的算法對于是否佩戴絕緣手套的檢測精度提高了2.4%,識別檢測效果明顯,有效保障了電力作業(yè)的安全生產(chǎn),具有較高的應用價值。但是,對于人員重疊以及手部遮擋的情況,本文改進的算法會存在一些漏檢,影響檢測效果,因此本文算法還有很大的改進空間,后續(xù)工作可以針對遮擋問題,研究采用二次識別或者圖像處理的方法來進一步提高對佩戴絕緣手套的檢測效果。

    猜你喜歡
    特征檢測
    抓住特征巧觀察
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    “幾何圖形”檢測題
    “角”檢測題
    新型冠狀病毒及其流行病學特征認識
    如何表達“特征”
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    抓住特征巧觀察
    亚洲怡红院男人天堂| 99久久精品一区二区三区| 久99久视频精品免费| 亚洲国产精品成人综合色| 亚洲美女视频黄频| 黄色一级大片看看| 成人性生交大片免费视频hd| 久久久久久久久大av| 日韩av在线免费看完整版不卡| 欧美区成人在线视频| 日韩成人伦理影院| 18禁在线无遮挡免费观看视频| 久久久久久久亚洲中文字幕| 蜜桃亚洲精品一区二区三区| 国产一区亚洲一区在线观看| 亚洲欧美日韩无卡精品| 婷婷色av中文字幕| 亚洲av一区综合| 国产一区二区三区av在线| 亚洲国产精品合色在线| 精品一区二区三区视频在线| 在现免费观看毛片| 亚洲国产精品专区欧美| 国产精品av视频在线免费观看| 国产午夜精品一二区理论片| 欧美色视频一区免费| 六月丁香七月| 欧美xxxx黑人xx丫x性爽| 亚洲va在线va天堂va国产| 97超视频在线观看视频| 久久久成人免费电影| 国产高潮美女av| 久久久久免费精品人妻一区二区| 少妇人妻精品综合一区二区| 校园人妻丝袜中文字幕| 美女国产视频在线观看| 熟女电影av网| 国产一区亚洲一区在线观看| av黄色大香蕉| 在现免费观看毛片| 91久久精品国产一区二区三区| 日韩制服骚丝袜av| 亚洲色图av天堂| 国产黄色小视频在线观看| 免费播放大片免费观看视频在线观看 | 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 久久久国产成人免费| 亚洲美女视频黄频| 国产爱豆传媒在线观看| 在线天堂最新版资源| 两性午夜刺激爽爽歪歪视频在线观看| 国产色婷婷99| 在线a可以看的网站| 日韩,欧美,国产一区二区三区 | 九九久久精品国产亚洲av麻豆| 日本猛色少妇xxxxx猛交久久| 两个人视频免费观看高清| 久久久色成人| 嘟嘟电影网在线观看| 亚洲天堂国产精品一区在线| 亚洲欧美日韩东京热| 大话2 男鬼变身卡| 亚洲自拍偷在线| 大又大粗又爽又黄少妇毛片口| 国产成人freesex在线| 国产老妇女一区| 日产精品乱码卡一卡2卡三| 国产乱人视频| 亚州av有码| 精品久久久久久久久亚洲| 三级男女做爰猛烈吃奶摸视频| 亚洲在线自拍视频| 啦啦啦啦在线视频资源| 免费搜索国产男女视频| av视频在线观看入口| 舔av片在线| 久久久久精品久久久久真实原创| 别揉我奶头 嗯啊视频| 国产色爽女视频免费观看| 乱码一卡2卡4卡精品| 国产免费男女视频| 搡女人真爽免费视频火全软件| 少妇被粗大猛烈的视频| 少妇丰满av| 国产成人91sexporn| 婷婷六月久久综合丁香| 免费观看精品视频网站| 美女被艹到高潮喷水动态| 如何舔出高潮| av视频在线观看入口| 18禁在线播放成人免费| 亚洲自偷自拍三级| 汤姆久久久久久久影院中文字幕 | 欧美zozozo另类| 亚洲内射少妇av| 国产成人91sexporn| or卡值多少钱| 久久久久网色| 尾随美女入室| 天天躁夜夜躁狠狠久久av| 国产一区有黄有色的免费视频 | 国产精品久久久久久久久免| av视频在线观看入口| 国产精品无大码| 汤姆久久久久久久影院中文字幕 | 乱码一卡2卡4卡精品| 成人午夜高清在线视频| 色吧在线观看| 哪个播放器可以免费观看大片| 久久久久久久亚洲中文字幕| 99在线视频只有这里精品首页| 日日干狠狠操夜夜爽| 亚洲av电影在线观看一区二区三区 | 国产亚洲精品久久久com| .国产精品久久| 中国美白少妇内射xxxbb| 极品教师在线视频| 久久精品国产鲁丝片午夜精品| 久久久久久大精品| 精品久久国产蜜桃| 亚洲av福利一区| 床上黄色一级片| 久久久久久久久久黄片| 高清日韩中文字幕在线| 国产一区亚洲一区在线观看| 国产成人福利小说| 欧美性感艳星| 一区二区三区免费毛片| 久久久久九九精品影院| 精品欧美国产一区二区三| 看非洲黑人一级黄片| 色播亚洲综合网| 嫩草影院入口| 简卡轻食公司| a级毛色黄片| 桃色一区二区三区在线观看| 女人被狂操c到高潮| 女人被狂操c到高潮| 超碰97精品在线观看| 精品久久久久久成人av| 国产69精品久久久久777片| 久久人人爽人人片av| 欧美成人午夜免费资源| 国产91av在线免费观看| 晚上一个人看的免费电影| 又粗又硬又长又爽又黄的视频| 99热这里只有是精品在线观看| 色播亚洲综合网| 国产一区二区亚洲精品在线观看| 九九久久精品国产亚洲av麻豆| 亚洲成人中文字幕在线播放| 亚洲精品日韩在线中文字幕| 日韩av在线免费看完整版不卡| av在线蜜桃| 亚洲欧美精品自产自拍| 九草在线视频观看| 99久久九九国产精品国产免费| 国产精品人妻久久久久久| 波多野结衣巨乳人妻| 国产在线男女| 成人高潮视频无遮挡免费网站| 久久鲁丝午夜福利片| 尾随美女入室| 天天一区二区日本电影三级| 中文资源天堂在线| 99久久精品一区二区三区| 一级毛片aaaaaa免费看小| 免费观看的影片在线观看| 亚洲婷婷狠狠爱综合网| 毛片女人毛片| 91久久精品国产一区二区成人| 国产亚洲午夜精品一区二区久久 | 午夜精品国产一区二区电影 | av又黄又爽大尺度在线免费看 | 午夜免费激情av| 欧美性猛交╳xxx乱大交人| 26uuu在线亚洲综合色| 亚洲成av人片在线播放无| 亚洲人与动物交配视频| 午夜亚洲福利在线播放| 日本色播在线视频| 又粗又爽又猛毛片免费看| 亚洲精品aⅴ在线观看| 黄色配什么色好看| 国产精品久久久久久久久免| 99热这里只有是精品在线观看| 免费搜索国产男女视频| 成年女人永久免费观看视频| 九九热线精品视视频播放| 国产成人福利小说| 精品一区二区免费观看| 成人毛片a级毛片在线播放| 亚洲激情五月婷婷啪啪| 天堂中文最新版在线下载 | 非洲黑人性xxxx精品又粗又长| 91久久精品国产一区二区成人| 观看美女的网站| 久久6这里有精品| 嫩草影院入口| 99久久精品国产国产毛片| 日韩在线高清观看一区二区三区| 欧美一级a爱片免费观看看| 99久久精品一区二区三区| 日日摸夜夜添夜夜添av毛片| 国产白丝娇喘喷水9色精品| 国产av码专区亚洲av| 成人高潮视频无遮挡免费网站| 免费无遮挡裸体视频| 日本免费在线观看一区| 国产午夜福利久久久久久| 日本黄大片高清| 欧美区成人在线视频| 一个人看视频在线观看www免费| 最近中文字幕2019免费版| 国产精品一区二区性色av| 又粗又爽又猛毛片免费看| 人体艺术视频欧美日本| 两个人的视频大全免费| 日本-黄色视频高清免费观看| 日本免费一区二区三区高清不卡| 在线观看66精品国产| 欧美人与善性xxx| 人妻系列 视频| 麻豆乱淫一区二区| 日本黄色片子视频| 别揉我奶头 嗯啊视频| 色尼玛亚洲综合影院| 少妇人妻精品综合一区二区| 国产片特级美女逼逼视频| 少妇被粗大猛烈的视频| 精品人妻偷拍中文字幕| 22中文网久久字幕| 中文字幕av成人在线电影| 免费观看在线日韩| 免费无遮挡裸体视频| 三级国产精品欧美在线观看| 99视频精品全部免费 在线| 国产高清不卡午夜福利| av福利片在线观看| 在线a可以看的网站| 亚洲精华国产精华液的使用体验| 99热精品在线国产| 国产乱人偷精品视频| 国产高清三级在线| 午夜爱爱视频在线播放| 欧美一区二区国产精品久久精品| 国产av不卡久久| 精品久久国产蜜桃| 免费看美女性在线毛片视频| 亚洲av一区综合| 91久久精品国产一区二区成人| 插阴视频在线观看视频| 能在线免费观看的黄片| 男插女下体视频免费在线播放| 国产老妇伦熟女老妇高清| 免费黄色在线免费观看| 亚洲av电影不卡..在线观看| 性插视频无遮挡在线免费观看| 精品久久国产蜜桃| 国产一区二区在线av高清观看| 久久国产乱子免费精品| 成年av动漫网址| 午夜福利在线观看吧| 亚洲精品国产成人久久av| 婷婷色综合大香蕉| 日本-黄色视频高清免费观看| 在线播放无遮挡| 老师上课跳d突然被开到最大视频| 最新中文字幕久久久久| 边亲边吃奶的免费视频| 伊人久久精品亚洲午夜| 国产乱人偷精品视频| 国产人妻一区二区三区在| 搡老妇女老女人老熟妇| 最近中文字幕2019免费版| 秋霞伦理黄片| 日韩 亚洲 欧美在线| 亚洲av男天堂| 国产女主播在线喷水免费视频网站 | 少妇被粗大猛烈的视频| av天堂中文字幕网| 国产av码专区亚洲av| 精品熟女少妇av免费看| 两个人的视频大全免费| 亚洲av中文av极速乱| 成人国产麻豆网| 国产成人精品婷婷| 久久久精品欧美日韩精品| 永久免费av网站大全| 汤姆久久久久久久影院中文字幕 | 免费观看a级毛片全部| 黄片wwwwww| 七月丁香在线播放| 亚洲欧美日韩无卡精品| 亚洲av福利一区| 亚洲自偷自拍三级| 男女边吃奶边做爰视频| 一区二区三区免费毛片| 97热精品久久久久久| 老司机影院成人| 国产精品美女特级片免费视频播放器| 非洲黑人性xxxx精品又粗又长| 免费看日本二区| 久久久精品大字幕| 伦精品一区二区三区| 午夜福利在线观看免费完整高清在| 神马国产精品三级电影在线观看| 成人毛片60女人毛片免费| 午夜激情福利司机影院| 蜜臀久久99精品久久宅男| 看免费成人av毛片| 亚洲国产日韩欧美精品在线观看| 中文亚洲av片在线观看爽| 又粗又爽又猛毛片免费看| 黄片wwwwww| 一级毛片电影观看 | 国产亚洲一区二区精品| 亚洲最大成人手机在线| 国产亚洲精品久久久com| 欧美性感艳星| 国产成人福利小说| 日韩欧美精品v在线| 久久精品夜夜夜夜夜久久蜜豆| 亚洲av成人av| 久久99热这里只频精品6学生 | 人妻系列 视频| av线在线观看网站| 亚洲aⅴ乱码一区二区在线播放| 天天躁日日操中文字幕| 国产麻豆成人av免费视频| 免费看av在线观看网站| 男人狂女人下面高潮的视频| 国产伦精品一区二区三区四那| 岛国毛片在线播放| 两个人的视频大全免费| 欧美又色又爽又黄视频| 黄片wwwwww| 日本猛色少妇xxxxx猛交久久| 久久韩国三级中文字幕| 免费黄色在线免费观看| 好男人在线观看高清免费视频| 欧美bdsm另类| 少妇的逼水好多| 又爽又黄a免费视频| 亚洲丝袜综合中文字幕| 国语自产精品视频在线第100页| 看黄色毛片网站| 在线播放无遮挡| 永久免费av网站大全| 亚洲国产精品sss在线观看| 成人国产麻豆网| 搡女人真爽免费视频火全软件| 热99在线观看视频| 深爱激情五月婷婷| 99在线人妻在线中文字幕| 卡戴珊不雅视频在线播放| 三级毛片av免费| 91精品国产九色| 99在线人妻在线中文字幕| 嫩草影院精品99| 男女视频在线观看网站免费| 日韩欧美三级三区| 美女黄网站色视频| 国产成人免费观看mmmm| 精品久久国产蜜桃| 一区二区三区免费毛片| 尤物成人国产欧美一区二区三区| 欧美人与善性xxx| 99久久成人亚洲精品观看| 成人性生交大片免费视频hd| 性色avwww在线观看| 男人和女人高潮做爰伦理| 又爽又黄无遮挡网站| 一级毛片aaaaaa免费看小| 久久久久久久久中文| 日韩精品青青久久久久久| 日本免费a在线| 成人av在线播放网站| 成人美女网站在线观看视频| 女人久久www免费人成看片 | 国产精品乱码一区二三区的特点| 老司机影院毛片| 天天躁夜夜躁狠狠久久av| 日日撸夜夜添| 丰满乱子伦码专区| 精品久久久久久久久av| 日日撸夜夜添| av在线播放精品| 特大巨黑吊av在线直播| 免费一级毛片在线播放高清视频| 国产午夜精品论理片| 婷婷色麻豆天堂久久 | 国产亚洲一区二区精品| 高清视频免费观看一区二区 | 偷拍熟女少妇极品色| 狂野欧美白嫩少妇大欣赏| 国产av一区在线观看免费| 老师上课跳d突然被开到最大视频| 免费在线观看成人毛片| 在线播放国产精品三级| 日韩高清综合在线| 亚洲四区av| 亚洲美女视频黄频| 欧美激情久久久久久爽电影| 精品国产一区二区三区久久久樱花 | 婷婷六月久久综合丁香| 久久久成人免费电影| 国产精品无大码| 亚洲色图av天堂| 男人舔奶头视频| 久热久热在线精品观看| 精品欧美国产一区二区三| 女的被弄到高潮叫床怎么办| 国产精品不卡视频一区二区| 日韩欧美在线乱码| 看黄色毛片网站| 男女啪啪激烈高潮av片| 国产一区二区亚洲精品在线观看| 亚洲人与动物交配视频| 啦啦啦韩国在线观看视频| 91狼人影院| 国产白丝娇喘喷水9色精品| 黄片wwwwww| 久久综合国产亚洲精品| 日本黄色片子视频| 欧美日韩国产亚洲二区| 在线a可以看的网站| 亚洲自拍偷在线| 超碰av人人做人人爽久久| 久久99热6这里只有精品| 国产探花在线观看一区二区| 伦理电影大哥的女人| 青春草视频在线免费观看| 色综合色国产| 免费播放大片免费观看视频在线观看 | 国产视频首页在线观看| 性色avwww在线观看| 欧美激情在线99| 听说在线观看完整版免费高清| 国产黄a三级三级三级人| 精品一区二区免费观看| 深爱激情五月婷婷| 精品一区二区三区视频在线| 中文字幕亚洲精品专区| 国产精品人妻久久久久久| 成人亚洲欧美一区二区av| 看非洲黑人一级黄片| 能在线免费看毛片的网站| 亚洲欧美日韩东京热| 国产精品,欧美在线| 国产美女午夜福利| 内射极品少妇av片p| 国产亚洲91精品色在线| 久久久精品欧美日韩精品| 别揉我奶头 嗯啊视频| 日韩欧美精品v在线| 精品无人区乱码1区二区| 成人亚洲欧美一区二区av| 国产精品爽爽va在线观看网站| 国产高清三级在线| 中文字幕av成人在线电影| 成人无遮挡网站| 国产精品嫩草影院av在线观看| 成年版毛片免费区| 免费观看人在逋| a级一级毛片免费在线观看| 精华霜和精华液先用哪个| 久久国内精品自在自线图片| 国产又色又爽无遮挡免| 亚洲熟妇中文字幕五十中出| 亚洲一级一片aⅴ在线观看| 亚洲不卡免费看| 成年版毛片免费区| 国产亚洲精品久久久com| 国产毛片a区久久久久| av免费观看日本| 一级黄片播放器| 1000部很黄的大片| 天天躁日日操中文字幕| 欧美激情久久久久久爽电影| 免费电影在线观看免费观看| 午夜福利成人在线免费观看| 日韩成人伦理影院| 久久久精品94久久精品| 久久精品夜色国产| www日本黄色视频网| 啦啦啦啦在线视频资源| 国产精品久久久久久精品电影| 成人亚洲精品av一区二区| 亚洲伊人久久精品综合 | 国产探花在线观看一区二区| 22中文网久久字幕| 亚洲最大成人av| 免费人成在线观看视频色| 亚洲国产精品sss在线观看| 麻豆乱淫一区二区| 久久精品国产鲁丝片午夜精品| 免费观看a级毛片全部| 两个人视频免费观看高清| 夜夜爽夜夜爽视频| 男女下面进入的视频免费午夜| 免费在线观看成人毛片| 国产女主播在线喷水免费视频网站 | 又黄又爽又刺激的免费视频.| 亚洲国产精品专区欧美| 欧美性猛交╳xxx乱大交人| 大又大粗又爽又黄少妇毛片口| 深夜a级毛片| 啦啦啦啦在线视频资源| 亚洲精品,欧美精品| 男女下面进入的视频免费午夜| 亚洲精品国产成人久久av| 99久国产av精品| 欧美不卡视频在线免费观看| 亚洲精品日韩av片在线观看| 好男人视频免费观看在线| 日日干狠狠操夜夜爽| 久久99热这里只频精品6学生 | 亚洲国产最新在线播放| 久久久久国产网址| 免费无遮挡裸体视频| 国产精品一区二区三区四区久久| 中文在线观看免费www的网站| 精品人妻偷拍中文字幕| 国产精品一区www在线观看| 久久精品91蜜桃| 一级黄片播放器| 欧美又色又爽又黄视频| 国产在视频线精品| 国产极品天堂在线| 亚洲欧美日韩卡通动漫| 久久精品国产亚洲av涩爱| 男女边吃奶边做爰视频| 秋霞在线观看毛片| 边亲边吃奶的免费视频| 91久久精品国产一区二区三区| 黄色配什么色好看| 91久久精品国产一区二区成人| 日韩在线高清观看一区二区三区| 国产视频首页在线观看| 精品久久久久久久人妻蜜臀av| 国产成人福利小说| 久久这里有精品视频免费| 久久婷婷人人爽人人干人人爱| 国内精品宾馆在线| 夜夜看夜夜爽夜夜摸| 天堂√8在线中文| 两性午夜刺激爽爽歪歪视频在线观看| 26uuu在线亚洲综合色| 国产单亲对白刺激| 日本午夜av视频| 国产视频首页在线观看| 波多野结衣巨乳人妻| 免费av不卡在线播放| 久久久久久大精品| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品乱久久久久久| 久99久视频精品免费| 中文字幕av成人在线电影| av在线播放精品| 精品国内亚洲2022精品成人| 国产av不卡久久| 秋霞伦理黄片| 精品久久久久久电影网 | av在线老鸭窝| 国产精品三级大全| 色综合色国产| 亚洲人与动物交配视频| 99久久精品热视频| 亚洲精华国产精华液的使用体验| 亚洲五月天丁香| 婷婷色麻豆天堂久久 | 婷婷六月久久综合丁香| 国产成人a区在线观看| 淫秽高清视频在线观看| 三级男女做爰猛烈吃奶摸视频| 在线免费观看不下载黄p国产| eeuss影院久久| 国产在线一区二区三区精 | 精品久久久久久久末码| 岛国毛片在线播放| 亚洲aⅴ乱码一区二区在线播放| 久久久久免费精品人妻一区二区| 18禁在线播放成人免费| 欧美日韩国产亚洲二区| 精品免费久久久久久久清纯| www.av在线官网国产| 亚洲伊人久久精品综合 | 日韩中字成人| av在线播放精品| 大香蕉久久网| 成人国产麻豆网| 五月玫瑰六月丁香| 免费人成在线观看视频色| 毛片一级片免费看久久久久| 日韩av在线免费看完整版不卡| 色尼玛亚洲综合影院| 国产精品爽爽va在线观看网站| 高清视频免费观看一区二区 | 特级一级黄色大片| 国产私拍福利视频在线观看| 久久精品熟女亚洲av麻豆精品 | 亚洲成色77777| 69av精品久久久久久| h日本视频在线播放| 亚洲综合精品二区| 一级黄色大片毛片| 国模一区二区三区四区视频| 精品酒店卫生间| 久久久久性生活片| 深夜a级毛片| 亚洲久久久久久中文字幕| 免费电影在线观看免费观看| 中文字幕久久专区| 国产精品三级大全|