• <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 ?

    露天煤礦采場無人機(jī)遙感圖像小目標(biāo)檢測

    2023-12-05 05:43:50劉洺睿董洪波朱若籬
    煤田地質(zhì)與勘探 2023年11期
    關(guān)鍵詞:特征檢測模型

    劉洺睿,車 奔,董洪波,朱若籬

    (1.長安大學(xué) 地質(zhì)工程與測繪學(xué)院,陜西 西安 710061;2.西安電子科技大學(xué) 廣州研究院,廣東 廣州 510555;3.中煤科工西安研究院(集團(tuán))有限公司,陜西 西安 710077;4.Department of Economics,Queen’s University,Ontario Kingston K7L3N6)

    露天煤礦是我國煤炭生產(chǎn)體系的重要組成部分,目前我國露天煤礦總計450 余座,總產(chǎn)能約為9.5 億t/a,占我國煤炭總產(chǎn)量的25%以上[1]??梢哉f,露天煤礦為國家能源安全與經(jīng)濟(jì)發(fā)展提供了重要支撐。露天煤礦采場中車輛眾多,交通情況復(fù)雜,重型車輛、設(shè)備的視野盲區(qū)面積較大,碰撞、側(cè)翻事故時有發(fā)生,給礦山安全生產(chǎn)帶來了極大隱患,嚴(yán)重影響著煤礦的生產(chǎn)和安全。因此,加強(qiáng)露天煤礦車輛的位置監(jiān)測,及時確定車輛的位置信息對于降低安全事故隱患,提高生產(chǎn)效率至關(guān)重要。

    隨著新一代信息技術(shù)與智能化技術(shù)加速融合,露天煤礦的智能化建設(shè)也明顯提速,無人機(jī)搭載光學(xué)傳感器進(jìn)行智能化監(jiān)測就是其中之一。無人機(jī)遙感影像技術(shù)在近年來快速發(fā)展,因其能夠快速高效獲得高分辨率的低空遙感圖像,有效降低人力成本,而被廣泛應(yīng)用[2]。其中程健等[3]應(yīng)用無人機(jī)采集采空區(qū)圖像,并且提出一種混合域注意力網(wǎng)絡(luò)對地裂縫進(jìn)行分析。秦曉輝等[4]針對礦山場景下目標(biāo)尺度跨度大的特殊性,提出了CDDPP (Convolution Downsampling with Different Padding Positions)下采樣方法,改進(jìn)預(yù)測Head,顯著提高了實(shí)際應(yīng)用中模型的檢測精度。利用無人機(jī)遙感圖像實(shí)時獲取露天礦區(qū)的畫面,精確識別煤礦采場中車輛位置,合理利用無人機(jī)技術(shù)能切實(shí)有效的保障運(yùn)輸過程中車輛和人員的安全性,減少事故的發(fā)生。基于礦區(qū)采場地域范圍大,地面監(jiān)控監(jiān)測困難,消耗人力物力多等問題,研究無人機(jī)遙感圖像的智能識別對于預(yù)防礦區(qū)采場車輛事故很有必要。

    無人機(jī)遙感圖像中目標(biāo)物體的像素通常只有幾十個像素,在高分辨圖像中占比極少,應(yīng)用一般的檢測方法難以精確的檢測[5]。近年來,學(xué)者們針對遙感圖像中目標(biāo)尺度差異大、小目標(biāo)密集分布的問題對一些主流檢測器做出了改進(jìn)。其中Wei Zhiwei 等[6]提出了尺度自適應(yīng)模塊,通過動態(tài)調(diào)整圖像塊的尺寸來平衡目標(biāo)尺度,使目標(biāo)信息更加明確。Yin Ruihong 等[7]設(shè)計了AF-SSD,通過多層特征融合結(jié)構(gòu)融合較淺層和較深層的特征信息,以此來增加檢測目標(biāo)的有效信息。M.Zand[8]、M.Kim[9]、J.Redmon[10]等均以YOLOv3模型為基礎(chǔ),融合深層淺層特征的結(jié)構(gòu)以完成遙感圖像小目標(biāo)檢測任務(wù),同時保證了較高的推理速度??紤]到對整張圖像或者特征圖進(jìn)行超分辨非常耗時,Wu Jingqian 等[11]通過關(guān)鍵點(diǎn)預(yù)測獲得可能存在目標(biāo)的潛在位置,然后在這些位置對應(yīng)的圖像區(qū)域進(jìn)行超分辨和檢測,避免了無目標(biāo)區(qū)域的無效運(yùn)算。此外,Ran Qiong 等[12]設(shè)計了一個輕量級的檢測模型MSCCA,通過融合多尺度的背景信息和增強(qiáng)的通道注意力來增強(qiáng)光學(xué)遙感圖像中的小目標(biāo)檢測。

    綜上所述,研究者們常見的做法是改進(jìn)特征提取方式、改進(jìn)損失函數(shù)、增加小目標(biāo)檢測頭以及應(yīng)用各類注意力機(jī)制,以此來與主流檢測器結(jié)合,增強(qiáng)算法對遙感圖像的檢測能力。而在露天煤礦采場遙感影像中背景信息更復(fù)雜、車輛尺寸占比更小,應(yīng)用之前的深度學(xué)習(xí)算法仍無法有效提取出車輛的特征信息。此外,露天煤礦采場的地形復(fù)雜,應(yīng)用傳統(tǒng)的影像采集設(shè)備成本較高、效率低下,而且無法完整地收集到全局場景信息。針對以上問題,本文提出一種改進(jìn)的YOLOv7[13]模型,將深度學(xué)習(xí)的目標(biāo)檢測方法進(jìn)行優(yōu)化提升,并創(chuàng)新應(yīng)用于煤礦采場無人機(jī)遙感圖像的小目標(biāo)檢測,高精度識別采場中礦用卡車的位置,為礦區(qū)卡車行駛安全提供理論支撐。

    1 基本原理和方法

    基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測已經(jīng)在海洋、氣象、天文、軍事等領(lǐng)域得到了廣泛的應(yīng)用,但是應(yīng)用在煤礦露天采場監(jiān)測領(lǐng)域的研究還較少[2]。隨著目標(biāo)檢測方法的不斷發(fā)展,檢測精度高且速度快的目標(biāo)檢測算法層出不窮。目前,較為流行的目標(biāo)檢測算法大致可分為兩種:一種是兩階段方法,其中具有代表性的是R-CNN[14]、Fast R-CNN[15]、Faster R-CNN[16]等,這類算法檢測精度高,但是計算量大,結(jié)構(gòu)復(fù)雜,檢測推理速度慢;另一種是單階段方法,采用單一回歸分類思想,其中具有代表性的是YOLO[17]、SSD[18]等算法,直接在原始圖像上完成輸入和輸出,具有端到端檢測的特點(diǎn),相較于兩階段檢測方法,其在精度差距不大的情況下大大提高了檢測速度。本文選取目前最具代表性的單階段目標(biāo)檢測算法YOLOv7,在保持高速的同時不失精確度,并在此基礎(chǔ)上進(jìn)一步優(yōu)化。首先,由于通用目標(biāo)檢測算法對于小目標(biāo)檢測缺乏關(guān)注,檢測不敏感,往往檢測出較多無用的信息,本文將著重關(guān)注包含小目標(biāo)信息的特征層,加強(qiáng)對感興趣區(qū)域的關(guān)注程度,引入強(qiáng)化圖像局部和顯著性特征的通道注意力機(jī)制[19]。其次,為了更好滿足目標(biāo)檢測輸出的實(shí)時性,加快神經(jīng)網(wǎng)絡(luò)的推理速度,引入部分卷積神經(jīng)網(wǎng)絡(luò)(Partial Convolution)[20],以此來進(jìn)一步增強(qiáng)網(wǎng)絡(luò)的性能;最后,基于交并比(IoU)[21]的度量(例如IoU 本身及其擴(kuò)展)對微小物體的位置偏差非常敏感,并且在用于基于錨的檢測器時會大大降低檢測性能,為此使用一種稱為歸一化Wasserstein 距離NWD(Normalized Wasserstein Distance)的新度量[22],通過它們對應(yīng)的高斯分布計算他們之間的相似性,從而進(jìn)一步提高對小目標(biāo)檢測的準(zhǔn)確性。

    1.1 YOLOv7 基礎(chǔ)網(wǎng)絡(luò)模型

    YOLOv7 是目前比較先進(jìn)的單階段實(shí)時目標(biāo)檢測器,它主要由兩部分構(gòu)成:主干網(wǎng)絡(luò)Backbone 負(fù)責(zé)初步提取圖片的信息;Head 部分對提取到的特征做進(jìn)一步的加工及合理利用,最終檢測頭解析前面提取的特征,從而做出分類檢測。YOLOv7 網(wǎng)絡(luò)模型的主干網(wǎng)絡(luò)部分主要由卷積模塊CBS、ELAN 模塊、MP 模塊和SPPCSPC 模塊構(gòu)成。YOLOv7 的原始網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。

    圖1 YOLOv7 原始網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Original network structure of YOLOv7

    1.2 Partial Conv 網(wǎng)絡(luò)模型

    為了同時減少計算冗余和內(nèi)存訪問,設(shè)出更快速的神經(jīng)網(wǎng)絡(luò),Chen Jierun 等[20]提出了Partial Convolution 模塊(之后稱為PConv 模塊)用以更有效地提取空間特征。它只需在輸入通道的一部分上應(yīng)用常規(guī)卷積進(jìn)行空間特征提取,保持其余通道不變。對于連續(xù)或規(guī)則的內(nèi)存訪問,將第一個或最后一個連續(xù)的Cp通道視為整個特征圖的代表進(jìn)行計算,其計算量CFLOPs為:

    式中:h為輸入通道的高度;w為輸入通道的寬度;Cp為輸入通道的深度;k為卷積核的長度。其計算量僅為常規(guī)卷積的計算量CFLOPs的。PConv 模塊的內(nèi)存訪問較小,約為h×w×2Cp,僅為常規(guī)卷積的。

    PConv 模塊基本工作原理如圖2 所示。

    圖2 PConv 模塊基本工作原理Fig.2 Basic principle of the PConv module

    1.3 改進(jìn)的ELAN-P 模塊

    ELAN 模塊是一個高效的網(wǎng)絡(luò)結(jié)構(gòu),它通過控制最短和最長的梯度路徑,使網(wǎng)絡(luò)能夠?qū)W習(xí)到更多的特征,并且具有更強(qiáng)的魯棒性。由于PConv 模塊相對于普通卷積Conv 模塊可以更快速地提取輸入分支的特征,更好地訪問內(nèi)存,所以本文使用PConv 模塊來代替普通卷積Conv 模塊,在不失去通道特征數(shù)的同時,來保持高效的計算速度。改進(jìn)后的ELAN-P 模塊如圖3 所示。

    圖3 ELAN 與ELAN-P 對比Fig.3 Comparison between the ELAN and ELAN-P modules

    1.4 Partial Conv-eSE 網(wǎng)絡(luò)模型

    eSE(Effective Squeeze and Extraction Block)是基于SE(Squeeze and Extraction)注意力模塊而來[23]。SE注意力模塊,是一種通道注意力模塊;常常被應(yīng)用于視覺模型中,通過它能對輸入特征圖進(jìn)行通道特征加強(qiáng),而且最終SE 模塊輸出,不改變輸入特征圖的大小。SE 模塊基本工作原理如圖4 所示。

    圖4 SE 模塊工作原理Fig.4 Principle of the SE module

    SE 模塊中,為避免模型過于復(fù)雜,2 個FC 層(全連接層)需要減小通道數(shù)量。第一FC 層使用縮小率r將輸入特征通道C減少到C/r,第二FC 層將縮小的通道擴(kuò)展為C,這會導(dǎo)致通道信息丟失。而eSE 僅使用一個具有C通道的FC 層,而不使用降低通道尺寸的兩個FC,從而維護(hù)了通道信息,從而提高了性能。eSE 模塊針對SE 模塊升級部分如圖5 所示。

    圖5 SE 模塊與eSE 模塊Fig.5 Comprison between the SE and eSE modules

    針對遙感圖像背景信息復(fù)雜,待檢測目標(biāo)在圖像中像素占比較小,提取小目標(biāo)特征困難,通過結(jié)合通道注意力機(jī)制進(jìn)一步提取小目標(biāo)特征,加強(qiáng)對特征區(qū)域的關(guān)注程度。針對普通卷積輸出特征速度慢的問題,本文在eSE 注意力模塊的輸入通道上結(jié)合PConv 模塊提出一種新的注意力模塊PC-eSE 模塊,并將PCeSE 模塊嵌入到Y(jié)OLOv7 原始網(wǎng)絡(luò)Backbone 的3 個輸出通道中,進(jìn)一步快速且有效地提取特征。改進(jìn)后的YOLOv7 模型如圖6 所示。

    圖6 PC-eSE 模塊工作流程Fig.6 Flow chart of the PC-eSE module

    1.5 改進(jìn)的損失函數(shù) NWD-Loss

    無人機(jī)遙感圖像小目標(biāo)檢測是一個非常具有挑戰(zhàn)性的問題,由于小目標(biāo)在原始圖片中所占像素小和檢測器原始損失函數(shù)的固有缺陷,使用YOLOv7 原本的損失函數(shù)始終不能得到令人滿意的結(jié)果?;贗oU 度量的損失函數(shù)本身對小目標(biāo)的位置偏差非常敏感,在基于Anchor 的檢測器中使用時,嚴(yán)重降低了性能?;诖藛栴},本文采用基于Wasserstein 距離的小目標(biāo)檢測評估方法NWD 度量(可以很容易地嵌入到任何基于Anchor 的檢測器的損失函數(shù)中),將檢測邊框Bounding Boxs 建模為二維高斯分布,通過它們對應(yīng)的高斯分布計算它們之間的相似性。經(jīng)過對比這種方法可以有效提高YOLOv7 檢測器的檢測精度,使之更好地識別出遙感圖像中的小目標(biāo)。

    connecting rod→conrod連桿;variable resistor→varistor可變電阻。

    對于水平邊框D=,其中 (cx,cy),w和h分別為中心坐標(biāo)。水平邊界框可以建模為二維高斯分布N(μ,Σ),其中:

    邊界框A和B之間的相似性可以轉(zhuǎn)化為2 個高斯分布之間的分布距離,此處使用Wasserstein distance(w2)來計算分布距離。對于邊界框A=(cxa,cya,wa,ha)和B=(cxb,cyb,wb,hb) 建模的Na和Nb,可進(jìn)一步得出:

    通過得到的距離,使用指數(shù)形式歸一化,得到新的度量NWD,即:

    式中:S為與數(shù)據(jù)集相關(guān)的一個超參數(shù),可通過模型訓(xùn)練得到。與IoU 相比,NWD 對位置偏差更平滑,在相同的閾值下,可以更好地區(qū)分出目標(biāo)位置?;谝陨戏治?,Loss 函數(shù)可設(shè)為:

    式中:Np為 預(yù)測框p的高斯分布模型;Ng為GT boxes g的高斯分布模型。經(jīng)過對比分析,NWD 方法可以顯著降低假陰性。

    2 實(shí)驗設(shè)備及數(shù)據(jù)

    2.1 實(shí)驗設(shè)備

    本文實(shí)驗環(huán)境為Ubuntu20.04、Python3.8、PyTorch1.13.0,相關(guān)硬件配置和模型參數(shù)見表1,其中訓(xùn)練次數(shù)epoch 為100。

    表1 硬件配置和模型參數(shù)Table 1 Hardware configuration and model parameters

    2.2 實(shí)驗數(shù)據(jù)集

    本文采用的數(shù)據(jù)集為露天煤礦采場礦用卡車數(shù)據(jù)集。露天煤礦采場礦用卡車數(shù)據(jù)集來源為無人機(jī)低空遙感影像,均為無人機(jī)搭載光學(xué)數(shù)碼相機(jī)拍攝的露天煤礦采場工作時的視頻影像,包含不同煤礦和不同天氣情況的采場工作場景。本文將遙感影像逐幀截取,由于所獲得的遙感圖像重復(fù)率較高,可能會增加訓(xùn)練成本和計算負(fù)擔(dān),所以每隔兩幀就移除一幀圖像,最終共獲得露天煤礦采場遙感圖像3 789 張。按照7∶2∶1 的比例劃分,其中2 653 張用于訓(xùn)練集,758 張用于驗證集,378 張用于測試集。部分?jǐn)?shù)據(jù)集示例如圖7 所示。接著通過LabelImg 工具進(jìn)行標(biāo)注,采用的是水平框,標(biāo)簽格式為YOLO 格式,其中只包含車(car)一個類型,卡車統(tǒng)一標(biāo)記為car。標(biāo)注后的數(shù)據(jù)集包含復(fù)雜場景和簡單場景,共有36 320 個目標(biāo)框,能充分體現(xiàn)露天煤礦采場中的現(xiàn)實(shí)情景,為本次實(shí)驗的主要研究對象。

    圖7 煤礦卡車數(shù)據(jù)集示例Fig.7 Examples of the dataset of mining trucks

    2.3 評價指標(biāo)

    本文針對模型性能優(yōu)劣采用的評價指標(biāo)為精確度P(precision),即模型預(yù)測目標(biāo)中,預(yù)測正確的比例,計算公式為:

    式中:TP為將正類預(yù)測為正類數(shù),即正確預(yù)測;FP為將負(fù)類預(yù)測為正類數(shù),即錯誤預(yù)測。

    召回率R(recall)是所有真實(shí)目標(biāo)中,模型預(yù)測正確的比例,計算公式為:

    式中:FN為將正類預(yù)測為負(fù)類數(shù),即錯誤預(yù)測。

    平均精度Pmav(mean average precision,mAP)是所有類別預(yù)測精準(zhǔn)的平均值,計算公式為:

    式中:Pav為每一類別P值的平均值,本次采用的Pmav僅是閾值為0.5 時計算出來的值;N為類別總數(shù);t為時間。

    檢測速度采用的指標(biāo)是每秒檢測圖片數(shù)量,即幀率,單位為帖/s,模型大小采用的指標(biāo)是參數(shù)量,即模型參數(shù)的數(shù)量總和,單位為Mb。

    3 實(shí)驗結(jié)果分析與評價

    3.1 檢測結(jié)果

    為了驗證所提出模型性能,使用上文所提到的訓(xùn)練參數(shù)及數(shù)據(jù)集。在YOLOv7 改進(jìn)網(wǎng)絡(luò)中訓(xùn)練使用的官方數(shù)據(jù)增強(qiáng)方法,圖幅大小在輸入網(wǎng)絡(luò)結(jié)構(gòu)時會被有效調(diào)整為640×640 和1 280×1 280,在這2 種圖幅大小下都進(jìn)行了驗證,最終640×640 大小的效果較優(yōu),也是本文選取的圖幅大小,隨后對改進(jìn)的YOLOv7 模型進(jìn)行多次實(shí)驗,最終模型均收斂,并且獲得了較好的精確度與召回率。對比原始的YOLOv7 模型,Pmav(IoU為0.5)由87.3%上升到94.5%,對比增加了7.2%,改進(jìn)前后的P-R曲線如圖8 所示。

    圖8 YOLOv7 改進(jìn)前后P-R 曲線對比Fig.8 Comparison between the precision-recall curves of the original and improved YOLOv7 models

    改進(jìn)前后的YOLOv7 網(wǎng)絡(luò)效果如圖9 所示,在圖9a 中有卡車未被成功檢測,性能較差,而圖9b 為改進(jìn)后的網(wǎng)絡(luò)模型檢測效果,可以有效改善卡車目標(biāo)的漏檢。

    圖9 YOLOv7 改進(jìn)前后效果對比Fig.9 Comparison between the extraction effects of the original and improved YOLOv7 models

    對每張圖片的平均推理速度由76 帖/s 上升到95 帖/s,對比增加了19 帖/s。有效證明改進(jìn)模型可以快速檢測出露天煤礦采場的礦用卡車小目標(biāo)。

    3.2 消融實(shí)驗

    為了進(jìn)一步驗證模型的改進(jìn)效果,采用消融實(shí)驗對各個改進(jìn)方面進(jìn)行驗證。消融實(shí)驗驗證的標(biāo)準(zhǔn)包括模型的精確度Pmav和參數(shù)量(Mb)。其中,模型參數(shù)量越小代表模型越輕量化。結(jié)果見表2。

    表2 消融實(shí)驗Table 2 Results of ablation experiments

    通過表2 可以看出,改進(jìn)后的YOLOv7 網(wǎng)絡(luò)模型在輸入相同尺寸圖片的情況下,Pmav值超過了其他的組合,有效提升了檢測精度。

    3.3 對比實(shí)驗

    將改進(jìn)后的YOLOv7 網(wǎng)絡(luò)模型與其他深度學(xué)習(xí)目標(biāo)檢測網(wǎng)絡(luò)模型進(jìn)行對比和分析。實(shí)驗將YOLOv5、YOLOv6、YOLOv8、Faster-RCNN 和YOLOv7 原始網(wǎng)絡(luò)進(jìn)行比較。實(shí)驗選用Pmav(閾值為0.5)作為檢測指標(biāo)。最終結(jié)果見表3。

    表3 對比實(shí)驗(IoU=0.5)Table 3 Results of comparison experiments (IoU=0.5)

    其中,F(xiàn)aster-RCNN 原始網(wǎng)絡(luò)較其他原始網(wǎng)絡(luò)表現(xiàn)好,但是其屬于雙階段目標(biāo)檢測算法,相比于其他算法計算推理速度慢,需要的算力資源更多。YOLOv5、YOLOv6 和YOLOv8 都屬于YOLO 系列,它們的優(yōu)點(diǎn)是檢測速度快但是對于小物體的檢測不夠精確,對比YOLOv7 原始網(wǎng)絡(luò)它們檢測精度低,容易造成漏檢現(xiàn)象。改進(jìn)后的YOLOv7 網(wǎng)絡(luò)相較于其他的深度學(xué)習(xí)檢測方法精度有明顯的提高,彌補(bǔ)了原始網(wǎng)絡(luò)在小目標(biāo)檢測方面的不足,進(jìn)一步提高了網(wǎng)絡(luò)的魯棒性。

    4 結(jié)論

    a.針對露天煤礦采場環(huán)境復(fù)雜、礦用卡車位置檢測困難的問題,提出一種基于露天煤礦場景深度學(xué)習(xí)的無人機(jī)遙感影像目標(biāo)檢測算法。通過構(gòu)建2 種不同模塊和一種新的損失函數(shù)引入到Y(jié)OLOv7 原始網(wǎng)絡(luò)中,提高了對無人機(jī)遙感圖像中小目標(biāo)的識別精度。

    b.在煤礦采場卡車數(shù)據(jù)集上對所提出改進(jìn)YOLOv7方法進(jìn)行評估,其檢測精度Pmav比原始YOLOv7 網(wǎng)絡(luò)模型提高7.2%,相比于其他主流遙感目標(biāo)檢測方法在精度上有明顯提升。實(shí)驗結(jié)果表明,該算法具有較高的識別精度,能夠?qū)ΦV區(qū)卡車的位置進(jìn)行準(zhǔn)確定位。

    c.將進(jìn)一步改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)及模型,降低模型的參數(shù)量,使模塊可以快速部署于邊緣設(shè)備。

    猜你喜歡
    特征檢測模型
    一半模型
    “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
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
    如何表達(dá)“特征”
    不忠誠的四個特征
    抓住特征巧觀察
    3D打印中的模型分割與打包
    天天躁夜夜躁狠狠久久av| 一个人免费看片子| 成人午夜精彩视频在线观看| 老鸭窝网址在线观看| 色婷婷av一区二区三区视频| 91九色精品人成在线观看| 视频区图区小说| 老司机影院毛片| 女警被强在线播放| 久久这里只有精品19| 中国国产av一级| 美国免费a级毛片| 777久久人妻少妇嫩草av网站| 777米奇影视久久| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲成国产人片在线观看| 国产精品一区二区在线不卡| 亚洲 欧美一区二区三区| 婷婷色综合www| 亚洲精品成人av观看孕妇| 亚洲国产最新在线播放| 午夜免费鲁丝| 下体分泌物呈黄色| 午夜免费男女啪啪视频观看| 亚洲欧美精品自产自拍| 久久久国产一区二区| 日韩免费高清中文字幕av| 欧美+亚洲+日韩+国产| 亚洲男人天堂网一区| 免费看十八禁软件| 国产一区二区 视频在线| 亚洲精品一卡2卡三卡4卡5卡 | 91九色精品人成在线观看| 久久国产精品人妻蜜桃| 久久精品亚洲熟妇少妇任你| 我的亚洲天堂| 欧美精品一区二区免费开放| 免费观看a级毛片全部| 欧美成狂野欧美在线观看| 亚洲av男天堂| 亚洲国产欧美在线一区| 亚洲情色 制服丝袜| 男女高潮啪啪啪动态图| 脱女人内裤的视频| 热99国产精品久久久久久7| 蜜桃国产av成人99| 亚洲精品中文字幕在线视频| 女人高潮潮喷娇喘18禁视频| 亚洲精品久久成人aⅴ小说| 深夜精品福利| 国产高清不卡午夜福利| a级毛片在线看网站| 少妇人妻久久综合中文| 日韩制服骚丝袜av| 国产精品 欧美亚洲| 国产一区二区 视频在线| 久久精品国产综合久久久| 99国产精品99久久久久| 丁香六月欧美| 国产激情久久老熟女| 在线观看免费午夜福利视频| 国产成人精品无人区| 1024香蕉在线观看| 18禁观看日本| 亚洲精品一卡2卡三卡4卡5卡 | 精品久久久久久久毛片微露脸 | 亚洲 国产 在线| 一区二区三区四区激情视频| 后天国语完整版免费观看| 欧美日韩亚洲综合一区二区三区_| 飞空精品影院首页| 另类亚洲欧美激情| 日本午夜av视频| 亚洲情色 制服丝袜| 亚洲欧美精品综合一区二区三区| 777久久人妻少妇嫩草av网站| 欧美成人精品欧美一级黄| 80岁老熟妇乱子伦牲交| 成年美女黄网站色视频大全免费| 美女主播在线视频| 色视频在线一区二区三区| 9热在线视频观看99| 91成人精品电影| 免费高清在线观看日韩| 久久久久视频综合| 亚洲欧美日韩另类电影网站| 国产欧美日韩精品亚洲av| 日本色播在线视频| 欧美乱码精品一区二区三区| 久久精品熟女亚洲av麻豆精品| 99国产精品免费福利视频| 中文字幕人妻熟女乱码| 欧美 亚洲 国产 日韩一| 亚洲欧美色中文字幕在线| 男女免费视频国产| 亚洲精品国产一区二区精华液| 亚洲自偷自拍图片 自拍| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品自拍成人| 91老司机精品| 日本91视频免费播放| 狠狠婷婷综合久久久久久88av| 亚洲精品久久久久久婷婷小说| 观看av在线不卡| 久久精品久久精品一区二区三区| 一边摸一边抽搐一进一出视频| 纯流量卡能插随身wifi吗| 亚洲国产日韩一区二区| 亚洲av男天堂| 水蜜桃什么品种好| 少妇被粗大的猛进出69影院| 欧美日韩一级在线毛片| 丰满少妇做爰视频| 在现免费观看毛片| 欧美精品亚洲一区二区| 欧美激情 高清一区二区三区| 亚洲伊人色综图| 亚洲午夜精品一区,二区,三区| 婷婷色综合www| 最近手机中文字幕大全| 亚洲欧美中文字幕日韩二区| 精品人妻一区二区三区麻豆| 久久精品熟女亚洲av麻豆精品| 精品国产一区二区三区四区第35| 国产亚洲av片在线观看秒播厂| 一区福利在线观看| 捣出白浆h1v1| 又大又黄又爽视频免费| 久久久久视频综合| 亚洲国产最新在线播放| 久久久久久久国产电影| 免费在线观看完整版高清| 久久中文字幕一级| 18禁裸乳无遮挡动漫免费视频| 男女高潮啪啪啪动态图| 脱女人内裤的视频| 少妇 在线观看| 国产深夜福利视频在线观看| 蜜桃在线观看..| 夫妻性生交免费视频一级片| 九草在线视频观看| 午夜福利在线免费观看网站| 成人黄色视频免费在线看| av网站在线播放免费| 久久精品国产综合久久久| 亚洲专区中文字幕在线| 国产在线视频一区二区| 日韩人妻精品一区2区三区| 91国产中文字幕| www.999成人在线观看| 一区福利在线观看| 久久人妻福利社区极品人妻图片 | 精品国产乱码久久久久久男人| av网站免费在线观看视频| 18禁黄网站禁片午夜丰满| 在线观看免费午夜福利视频| 黄色毛片三级朝国网站| 九色亚洲精品在线播放| 国产野战对白在线观看| 亚洲成人国产一区在线观看 | 精品久久久精品久久久| 啦啦啦啦在线视频资源| 欧美激情 高清一区二区三区| 一二三四社区在线视频社区8| 国产精品久久久久久人妻精品电影 | 99re6热这里在线精品视频| 捣出白浆h1v1| 欧美日韩成人在线一区二区| 欧美黄色淫秽网站| 丰满迷人的少妇在线观看| 精品福利观看| 纯流量卡能插随身wifi吗| 亚洲,欧美精品.| 亚洲精品自拍成人| 黑人猛操日本美女一级片| 少妇猛男粗大的猛烈进出视频| 欧美大码av| 亚洲欧美激情在线| 国产精品麻豆人妻色哟哟久久| 日韩欧美一区视频在线观看| 人人妻人人澡人人爽人人夜夜| 久久女婷五月综合色啪小说| 亚洲黑人精品在线| 最黄视频免费看| 欧美中文综合在线视频| 日本av手机在线免费观看| 亚洲欧美清纯卡通| 国产日韩欧美视频二区| 久久精品国产a三级三级三级| 午夜福利视频在线观看免费| 岛国毛片在线播放| 一级,二级,三级黄色视频| 国产精品秋霞免费鲁丝片| 久久久久久久久免费视频了| 欧美人与性动交α欧美软件| 中文字幕制服av| 高清视频免费观看一区二区| 人成视频在线观看免费观看| 亚洲综合色网址| 亚洲一区中文字幕在线| 国产爽快片一区二区三区| 纯流量卡能插随身wifi吗| 各种免费的搞黄视频| 国产精品一区二区在线不卡| 99国产精品一区二区三区| 精品亚洲成国产av| www.av在线官网国产| 亚洲av国产av综合av卡| 亚洲国产欧美在线一区| 一本大道久久a久久精品| 亚洲图色成人| 久久精品国产亚洲av涩爱| 久久免费观看电影| 成年女人毛片免费观看观看9 | 少妇的丰满在线观看| 亚洲中文日韩欧美视频| 中文字幕高清在线视频| 亚洲av在线观看美女高潮| 国产三级黄色录像| 国产男人的电影天堂91| 亚洲少妇的诱惑av| 精品熟女少妇八av免费久了| 水蜜桃什么品种好| 国产高清不卡午夜福利| 啦啦啦在线免费观看视频4| 日韩 欧美 亚洲 中文字幕| 波多野结衣一区麻豆| 亚洲自偷自拍图片 自拍| 午夜福利,免费看| av又黄又爽大尺度在线免费看| 人妻人人澡人人爽人人| 午夜福利,免费看| 精品久久蜜臀av无| 亚洲图色成人| 最黄视频免费看| 国产精品一区二区精品视频观看| 久久精品人人爽人人爽视色| 人人澡人人妻人| 人人妻,人人澡人人爽秒播 | 国产在视频线精品| 另类亚洲欧美激情| 少妇的丰满在线观看| 亚洲av综合色区一区| 高清黄色对白视频在线免费看| 国产成人av激情在线播放| 国产成人系列免费观看| 女警被强在线播放| 飞空精品影院首页| 欧美精品一区二区免费开放| 少妇 在线观看| 狠狠婷婷综合久久久久久88av| 丰满人妻熟妇乱又伦精品不卡| 国产无遮挡羞羞视频在线观看| 国产成人精品在线电影| 黄色a级毛片大全视频| tube8黄色片| 超色免费av| 欧美乱码精品一区二区三区| 十八禁网站网址无遮挡| 夫妻午夜视频| 午夜福利视频在线观看免费| 中文字幕人妻熟女乱码| 亚洲三区欧美一区| 亚洲精品日韩在线中文字幕| 黄色视频在线播放观看不卡| 国产成人精品久久二区二区91| 色视频在线一区二区三区| 国产真人三级小视频在线观看| 婷婷色麻豆天堂久久| 咕卡用的链子| 女人久久www免费人成看片| 精品一区在线观看国产| 美女午夜性视频免费| 亚洲美女黄色视频免费看| 欧美人与性动交α欧美软件| 叶爱在线成人免费视频播放| 国产免费视频播放在线视频| 国产欧美亚洲国产| 免费在线观看日本一区| 精品少妇黑人巨大在线播放| 精品一区在线观看国产| 人妻 亚洲 视频| 亚洲精品乱久久久久久| 国产在线一区二区三区精| 久久性视频一级片| 日韩中文字幕欧美一区二区 | 丝袜脚勾引网站| 老司机影院毛片| 亚洲精品久久午夜乱码| 赤兔流量卡办理| 在线av久久热| 精品人妻1区二区| 日本色播在线视频| 老汉色∧v一级毛片| 久久久久久久久久久久大奶| 欧美国产精品va在线观看不卡| 亚洲精品美女久久久久99蜜臀 | 十八禁网站网址无遮挡| 免费av中文字幕在线| 在线观看一区二区三区激情| e午夜精品久久久久久久| 老司机靠b影院| 国产精品国产三级专区第一集| 最近手机中文字幕大全| 美女脱内裤让男人舔精品视频| 91老司机精品| 中文字幕人妻丝袜一区二区| 久久国产精品人妻蜜桃| 热99久久久久精品小说推荐| 国产精品欧美亚洲77777| 在线观看一区二区三区激情| 国产成人91sexporn| 丝袜在线中文字幕| 欧美人与性动交α欧美精品济南到| 亚洲午夜精品一区,二区,三区| 成人亚洲精品一区在线观看| 日日摸夜夜添夜夜爱| 宅男免费午夜| 搡老乐熟女国产| 男女无遮挡免费网站观看| 亚洲成国产人片在线观看| 人人妻,人人澡人人爽秒播 | 啦啦啦啦在线视频资源| 久久九九热精品免费| 亚洲精品一卡2卡三卡4卡5卡 | 汤姆久久久久久久影院中文字幕| 老司机亚洲免费影院| 久久国产精品大桥未久av| 真人做人爱边吃奶动态| 色94色欧美一区二区| 国精品久久久久久国模美| 亚洲av美国av| 精品少妇久久久久久888优播| av视频免费观看在线观看| 狂野欧美激情性xxxx| 亚洲av在线观看美女高潮| 日韩伦理黄色片| 久久久精品区二区三区| 在线观看免费日韩欧美大片| 亚洲熟女毛片儿| 老鸭窝网址在线观看| a级毛片黄视频| 大话2 男鬼变身卡| 老司机影院成人| 国产有黄有色有爽视频| 一本综合久久免费| 一级毛片黄色毛片免费观看视频| 亚洲国产最新在线播放| 国产精品.久久久| 精品少妇久久久久久888优播| 国产欧美日韩一区二区三 | 人人妻人人添人人爽欧美一区卜| 国产av一区二区精品久久| 啦啦啦在线观看免费高清www| 欧美+亚洲+日韩+国产| 18禁黄网站禁片午夜丰满| 纯流量卡能插随身wifi吗| 婷婷色综合大香蕉| 纯流量卡能插随身wifi吗| 精品熟女少妇八av免费久了| 日韩制服丝袜自拍偷拍| 十分钟在线观看高清视频www| 好男人电影高清在线观看| 久9热在线精品视频| 韩国高清视频一区二区三区| 午夜av观看不卡| 建设人人有责人人尽责人人享有的| 亚洲一码二码三码区别大吗| 九色亚洲精品在线播放| 国产精品国产三级专区第一集| 手机成人av网站| 国产福利在线免费观看视频| 久久久久国产精品人妻一区二区| 欧美精品一区二区大全| 久久国产精品影院| 久久九九热精品免费| 久久久久久免费高清国产稀缺| 又大又爽又粗| 欧美亚洲日本最大视频资源| 中文字幕人妻熟女乱码| 精品亚洲乱码少妇综合久久| 亚洲av男天堂| 男人添女人高潮全过程视频| 国产精品三级大全| 欧美激情 高清一区二区三区| 伦理电影免费视频| 亚洲人成网站在线观看播放| 两个人看的免费小视频| 在线精品无人区一区二区三| 真人做人爱边吃奶动态| 香蕉丝袜av| 欧美黑人欧美精品刺激| 啦啦啦中文免费视频观看日本| 亚洲第一青青草原| 久久人人爽av亚洲精品天堂| 欧美黑人欧美精品刺激| 91精品国产国语对白视频| 美女高潮到喷水免费观看| 国产1区2区3区精品| 五月开心婷婷网| 日日摸夜夜添夜夜爱| 看十八女毛片水多多多| 一级毛片我不卡| 精品国产乱码久久久久久男人| 欧美乱码精品一区二区三区| 高清黄色对白视频在线免费看| 日本欧美国产在线视频| 亚洲一区二区三区欧美精品| 九色亚洲精品在线播放| 欧美成狂野欧美在线观看| 女人被躁到高潮嗷嗷叫费观| av片东京热男人的天堂| 国产淫语在线视频| 国产高清国产精品国产三级| 国产欧美亚洲国产| 好男人视频免费观看在线| 中文字幕人妻丝袜制服| 不卡av一区二区三区| 满18在线观看网站| 狂野欧美激情性bbbbbb| 亚洲熟女精品中文字幕| 亚洲国产精品国产精品| 国产亚洲欧美精品永久| 久久天堂一区二区三区四区| av在线播放精品| 免费高清在线观看日韩| 国产老妇伦熟女老妇高清| 麻豆av在线久日| 亚洲精品在线美女| 日韩制服骚丝袜av| 午夜影院在线不卡| 在线观看国产h片| 亚洲精品美女久久av网站| 丝袜美足系列| 精品免费久久久久久久清纯 | 中国美女看黄片| 久久人人爽人人片av| 丝袜人妻中文字幕| 国产一级毛片在线| e午夜精品久久久久久久| 欧美在线黄色| 国产人伦9x9x在线观看| 大香蕉久久网| 日本欧美国产在线视频| 十八禁人妻一区二区| 国产精品久久久久久精品古装| 欧美人与性动交α欧美精品济南到| 大陆偷拍与自拍| 亚洲,一卡二卡三卡| 午夜福利在线免费观看网站| 美女国产高潮福利片在线看| 免费高清在线观看视频在线观看| 美女视频免费永久观看网站| 老司机午夜十八禁免费视频| 国产xxxxx性猛交| 亚洲欧洲精品一区二区精品久久久| 国产精品国产av在线观看| 久久人人爽av亚洲精品天堂| 国产高清不卡午夜福利| 成年人午夜在线观看视频| 国产精品国产三级专区第一集| 性色av一级| 在线观看免费午夜福利视频| 午夜影院在线不卡| 国产精品一区二区免费欧美 | 日本一区二区免费在线视频| 女人高潮潮喷娇喘18禁视频| 男女边吃奶边做爰视频| 黄色视频不卡| 高清欧美精品videossex| 人成视频在线观看免费观看| 美女视频免费永久观看网站| 一本色道久久久久久精品综合| 精品视频人人做人人爽| 91老司机精品| 久久人妻福利社区极品人妻图片 | 香蕉国产在线看| 精品亚洲乱码少妇综合久久| √禁漫天堂资源中文www| 十八禁网站网址无遮挡| 欧美人与性动交α欧美软件| 免费高清在线观看视频在线观看| 纯流量卡能插随身wifi吗| 一级毛片 在线播放| 青春草视频在线免费观看| 国产一区二区 视频在线| 亚洲av电影在线进入| 精品福利观看| 久久精品久久久久久噜噜老黄| 久久精品国产a三级三级三级| 亚洲成国产人片在线观看| 免费看不卡的av| 91精品国产国语对白视频| 满18在线观看网站| 亚洲国产欧美日韩在线播放| 精品久久蜜臀av无| 人人妻人人爽人人添夜夜欢视频| 99久久综合免费| 欧美精品人与动牲交sv欧美| 丝袜在线中文字幕| 777米奇影视久久| 亚洲国产精品999| 久久精品国产综合久久久| 一级,二级,三级黄色视频| 18禁观看日本| 一级片'在线观看视频| 欧美黄色片欧美黄色片| 精品国产国语对白av| av网站免费在线观看视频| 女人被躁到高潮嗷嗷叫费观| 啦啦啦在线观看免费高清www| 亚洲视频免费观看视频| 亚洲欧美一区二区三区久久| 日韩一本色道免费dvd| 成年av动漫网址| 大码成人一级视频| 久久久久精品人妻al黑| 欧美精品啪啪一区二区三区 | bbb黄色大片| 精品亚洲成a人片在线观看| 一级毛片电影观看| 午夜福利免费观看在线| 97人妻天天添夜夜摸| 欧美人与性动交α欧美精品济南到| 精品人妻一区二区三区麻豆| www.熟女人妻精品国产| 国产高清不卡午夜福利| 亚洲成人免费电影在线观看 | 日韩欧美一区视频在线观看| 国产1区2区3区精品| 美女大奶头黄色视频| 每晚都被弄得嗷嗷叫到高潮| 自拍欧美九色日韩亚洲蝌蚪91| 熟女av电影| av电影中文网址| 久久精品亚洲av国产电影网| 精品亚洲成a人片在线观看| 成人18禁高潮啪啪吃奶动态图| 日韩熟女老妇一区二区性免费视频| 一本综合久久免费| 久久九九热精品免费| 欧美av亚洲av综合av国产av| 高潮久久久久久久久久久不卡| 美女高潮到喷水免费观看| 午夜激情av网站| 国产成人一区二区三区免费视频网站 | 国产成人精品在线电影| 精品少妇一区二区三区视频日本电影| 国产极品粉嫩免费观看在线| h视频一区二区三区| 日日爽夜夜爽网站| 日韩一本色道免费dvd| 亚洲av在线观看美女高潮| 亚洲欧洲精品一区二区精品久久久| 日韩熟女老妇一区二区性免费视频| 色婷婷久久久亚洲欧美| 久9热在线精品视频| 久久精品熟女亚洲av麻豆精品| 精品第一国产精品| 你懂的网址亚洲精品在线观看| 秋霞在线观看毛片| 老司机午夜十八禁免费视频| 亚洲第一青青草原| 日韩免费高清中文字幕av| 午夜av观看不卡| 国产淫语在线视频| 午夜日韩欧美国产| 免费人妻精品一区二区三区视频| 男女午夜视频在线观看| 午夜免费鲁丝| 国产福利在线免费观看视频| www.自偷自拍.com| 亚洲欧洲精品一区二区精品久久久| 看十八女毛片水多多多| 欧美成人午夜精品| av又黄又爽大尺度在线免费看| 一本一本久久a久久精品综合妖精| 亚洲国产欧美网| 日韩大码丰满熟妇| 国产在线观看jvid| 久久国产亚洲av麻豆专区| 亚洲国产欧美一区二区综合| 丝瓜视频免费看黄片| 中国国产av一级| 大话2 男鬼变身卡| 成人国产一区最新在线观看 | 久久鲁丝午夜福利片| 水蜜桃什么品种好| 亚洲免费av在线视频| 人人妻人人爽人人添夜夜欢视频| 一本大道久久a久久精品| 99精品久久久久人妻精品| 亚洲人成网站在线观看播放| 中国国产av一级| 欧美激情极品国产一区二区三区| 一区二区三区四区激情视频| 色网站视频免费| 丁香六月欧美| 亚洲五月色婷婷综合| 日本午夜av视频| 新久久久久国产一级毛片| 超色免费av| 嫩草影视91久久| 一边亲一边摸免费视频| 18禁国产床啪视频网站| 高潮久久久久久久久久久不卡| 国产精品久久久人人做人人爽| 熟女少妇亚洲综合色aaa.| 久久毛片免费看一区二区三区| 亚洲精品国产色婷婷电影| 啦啦啦 在线观看视频| 精品高清国产在线一区| 亚洲黑人精品在线| 国产野战对白在线观看| 久久 成人 亚洲|