• <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(jìn)YOLOv5s網(wǎng)絡(luò)模型的火災(zāi)圖像識別方法*

    2024-01-12 07:28:10梁金幸趙鑒福周亞同史寶軍
    傳感器與微系統(tǒng) 2024年1期
    關(guān)鍵詞:圖像識別先驗(yàn)特征提取

    梁金幸,趙鑒福,周亞同,史寶軍

    (1.河北工業(yè)大學(xué) 省部共建電工裝備可靠性與智能化國家重點(diǎn)實(shí)驗(yàn)室,天津 300401;2.河北工業(yè)大學(xué) 機(jī)械工程學(xué)院 河北省機(jī)器人感知與人機(jī)融合重點(diǎn)實(shí)驗(yàn)室,天津 300401;3.河北工業(yè)大學(xué) 電子信息工程學(xué)院,天津 300401)

    0 引 言

    隨著社會發(fā)展水平的不斷提升,產(chǎn)生較大損失火災(zāi)的可能性也逐漸增大。早期的火災(zāi)識別方法主要是通過探測器對特定區(qū)域的溫度、光譜和煙霧等進(jìn)行采樣分析,但由于探測器檢測范圍與靈敏度的限制,在開闊空間以及環(huán)境惡劣的情況下,難以實(shí)現(xiàn)較為及時的檢測[1]。此外,探測器難以確定火災(zāi)位置、火焰大小和火災(zāi)發(fā)展趨勢,不利于后續(xù)火災(zāi)的處置。

    近年來,使用圖像處理技術(shù)進(jìn)行火災(zāi)識別,引起了許多研究人員的關(guān)注。傳統(tǒng)的火災(zāi)圖像識別方法主要通過圖像分割[2]、運(yùn)動目標(biāo)檢測[3]來確定疑似火焰區(qū)域,然后設(shè)計(jì)并提取火焰的多種特征,使用支持向量機(jī)(support vector machine,SVM)[4]等機(jī)器學(xué)習(xí)分類器進(jìn)行特征融合,從而實(shí)現(xiàn)火災(zāi)識別。此外,火焰的顏色和運(yùn)動特征受到了廣泛關(guān)注。Khalil A等人[5]使用顏色特征分割出火焰區(qū)域,然后利用動態(tài)特征來確定該區(qū)域是否包含火焰,該方法可在一定程度上降低火災(zāi)檢測系統(tǒng)的誤報(bào)率。得益于計(jì)算機(jī)性能的提升,深度學(xué)習(xí)網(wǎng)絡(luò)模型在圖像識別領(lǐng)域得以發(fā)展和應(yīng)用。常用的深度學(xué)習(xí)網(wǎng)絡(luò)模型主要有YOLO(you only look once)模型[6]、單次多框檢測(single shot multibox detector,SSD)模型[7]以及快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(faster regionbased convolutional neural network,F(xiàn)aster R-CNN)模型[8]。在對火災(zāi)圖像識別的研究中,Li P和Zhao W[9]對比分析了基于Faster R-CNN,R-FCN,SSD 和YOLOv3 等深度神經(jīng)網(wǎng)絡(luò)的火災(zāi)識別方法,實(shí)驗(yàn)結(jié)果表明YOLOv3 網(wǎng)絡(luò)模型的性能優(yōu)于其他網(wǎng)絡(luò)模型;張海波等人[10]提出了一種三通道擬合的卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)火災(zāi)探測算法,該算法可有效提高火災(zāi)識別率。

    上述研究工作豐富和發(fā)展了火災(zāi)圖像識別方法,但仍然存在一些問題:顏色和運(yùn)動特征識別方法難以排除顏色類似于火焰的動態(tài)干擾物;傳統(tǒng)的火災(zāi)圖像識別方法依賴于人工設(shè)計(jì)特征,導(dǎo)致算法泛化能力不足;深度學(xué)習(xí)方法通過神經(jīng)網(wǎng)絡(luò)模型自動學(xué)習(xí)特征,但模型對有效信息的提取能力和對小目標(biāo)的檢測能力有待進(jìn)一步提升。

    針對當(dāng)前火災(zāi)圖像識別方法存在的問題,本文提出一種基于改進(jìn)的YOLOv5s 網(wǎng)絡(luò)模型的火災(zāi)圖像識別方法。首先,通過在特征提取網(wǎng)絡(luò)中添加注意力機(jī)制模塊,增強(qiáng)模型對圖像特征的學(xué)習(xí)能力;然后,在YOLOv5s 多尺度檢測的基礎(chǔ)上添加大尺度檢測層,提升模型對小目標(biāo)的識別能力,并且使用K-Means算法對火災(zāi)數(shù)據(jù)集的標(biāo)注框進(jìn)行聚類,獲得先驗(yàn)框的尺寸;最后,在實(shí)驗(yàn)數(shù)據(jù)集上驗(yàn)證了本文火災(zāi)圖像識別方法的有效性。

    1 YOLOv5s網(wǎng)絡(luò)模型

    YOLO網(wǎng)絡(luò)模型由Redmon J 等人[6]于2016 年提出,利用回歸的思想來解決目標(biāo)檢測問題,能夠同時輸出物體的邊界和類別概率。2020 年,Ultralytics 公司公布了YOLOv5s網(wǎng)絡(luò)模型。圖1為YOLOv5s網(wǎng)絡(luò)模型的結(jié)構(gòu)。

    圖1 YOLOv5s網(wǎng)絡(luò)模型結(jié)構(gòu)

    如圖1 所示,YOLOv5s 網(wǎng)絡(luò)模型包括輸入(input)層、主干(backbone)部分、頸(neck)部和輸出(output)層4個部分。輸入圖片經(jīng)過特征提取后,得到3 種不同尺寸的特征圖(feature map),這些不同尺寸的特征圖用于檢測不同大小的目標(biāo)。Backbone 和Neck 由Focus,CBL(convolutional,batch normalization,leaky)ReLU,CSP(cross stage partial)以及SPP(space pyramid pooling)模塊組成。Focus 模塊包含切片層(slice layer)、卷積層(convolutional layer)和激活函數(shù)(activation function),用于對特征圖進(jìn)行切片操作。CBL模塊包含卷積層,批量標(biāo)準(zhǔn)化(batch normalization,BN)層和激活函數(shù)。CSP模塊有CSP1_X和CSP2_X兩種類型,使用跨層連接的方式來融合不同層間的特征信息。CSP1_X包含CBL模塊、X個殘差單元(ResUnit)、卷積層、批量標(biāo)準(zhǔn)化層和激活函數(shù)。與CSP1_X不同,CSP2_X用CBL模塊代替了殘差單元。SPP模塊包含CBL 模塊和池化層(pooling layer),采用最大池化操作對不同尺度的特征圖進(jìn)行張量拼接,實(shí)現(xiàn)多重感受野的融合。此外,YOLOv5s網(wǎng)絡(luò)模型采用GIOU_Loss損失函數(shù)[11]來估算邊界框的位置損失。

    由于火災(zāi)識別任務(wù)具有實(shí)時性的需求,YOLO 系列模型以檢測速度快的優(yōu)點(diǎn)引起了研究人員的關(guān)注。相比于之前的YOLO系列模型,YOLOv5s網(wǎng)絡(luò)模型體積輕便且檢測速度快,適合部署到嵌入式設(shè)備。因此,本文使用YOLOv5s網(wǎng)絡(luò)模型進(jìn)行火災(zāi)圖像識別并對模型進(jìn)行改進(jìn),進(jìn)一步提升模型的性能。

    2 模型改進(jìn)方法

    2.1 特征提取網(wǎng)絡(luò)改進(jìn)

    Backbone,即為特征提取網(wǎng)絡(luò),采用Focus,CBL,CSP以及SPP等模塊來提取圖像的特征。這些模塊的使用可以在一定程度上改善特征提取過程中的特征信息損失問題,但不同通道(channel)間特征的重要程度并沒有得到關(guān)注。為了解決這個問題,研究人員通過使用注意力機(jī)制(attention mechanism)對輸入圖像的特征加以選擇,使模型更加關(guān)注不同特征的重要性[12]。

    為了提升模型對特征的學(xué)習(xí)能力,本文將擠壓-激勵(squeeze and excitation,SE)模塊加入到Y(jié)OLOv5s網(wǎng)絡(luò)模型的特征提取網(wǎng)絡(luò)中,為模型添加注意力機(jī)制。SE模塊源自SE網(wǎng)絡(luò)(SE network,SENet)[13]。具體來說,SE 模塊通過調(diào)整各通道的權(quán)重,使模型關(guān)注信息量大的特征,抑制無效或效果作用小的特征,從而實(shí)現(xiàn)注意力的集中,提高網(wǎng)絡(luò)模型的學(xué)習(xí)能力。圖2為SE模塊的計(jì)算流程,W×H×C代表特征圖的尺寸,輸入特征圖經(jīng)過Squeeze操作得到1 ×1 ×C的向量;然后,通過Excitation操作學(xué)習(xí)到各通道的權(quán)重;最后,將各通道的權(quán)重賦予輸入特征圖。

    圖2 SE模塊計(jì)算流程

    YOLOv5s網(wǎng)絡(luò)模型借鑒特征金字塔網(wǎng)絡(luò)(feature pyramid network,F(xiàn)PN)的多尺度檢測思想,使用80 ×80,40 ×40和20 ×20這3種尺寸的特征圖來實(shí)現(xiàn)目標(biāo)識別。圖3 為引入SE模塊后的特征提取網(wǎng)絡(luò)及參數(shù),相比于原始模型的特征提取網(wǎng)絡(luò),改進(jìn)后的特征提取網(wǎng)絡(luò)在第2個CSP1模塊、第3 個CSP1 模塊以及SPP 模塊后分別添加了SE 模塊,用于獲得80 ×80,40 ×40 和20 ×20 這3 種帶有注意力機(jī)制的特征圖。

    圖3 改進(jìn)后的特征提取網(wǎng)絡(luò)和參數(shù)

    2.2 多尺度檢測改進(jìn)

    火災(zāi)發(fā)生初期是火災(zāi)識別的關(guān)鍵時期,此時的火焰形態(tài)多為小型火焰,所以,火災(zāi)識別網(wǎng)絡(luò)模型應(yīng)當(dāng)對小目標(biāo)具備較好的識別能力。在YOLOv5s 網(wǎng)絡(luò)模型特征提取過程中,圖像經(jīng)過多次卷積、池化等操作后會丟失部分信息,導(dǎo)致模型對小目標(biāo)的檢測效果不佳。因此,本文在YOLOv5s多尺度檢測的基礎(chǔ)上添加大尺度檢測層,提高模型對小目標(biāo)的識別能力。

    值得注意的是,檢測層層數(shù)的增多會增加網(wǎng)絡(luò)模型的參數(shù)量,導(dǎo)致檢測速度降低。為了滿足火災(zāi)識別網(wǎng)絡(luò)模型的精度和實(shí)時性要求,本文在YOLOv5s網(wǎng)絡(luò)模型的輸出部分添加1個160 ×160的檢測層,利用4種不同尺寸的特征圖對圖片中的大、中、小和較小目標(biāo)進(jìn)行識別。改進(jìn)后的多尺度檢測層如圖4 所示,新增加的檢測層4 會對檢測層3中80 ×80 的特征圖進(jìn)行一次上采樣,獲得160 ×160 的特征圖,然后再與主干網(wǎng)絡(luò)中160 ×160的特征圖相連接。

    圖4 改進(jìn)后的多尺度檢測層

    2.3 先驗(yàn)框改進(jìn)

    先驗(yàn)框是從訓(xùn)練集中真實(shí)標(biāo)注框中統(tǒng)計(jì)或聚類得到的一組固定尺寸和寬高比的初始區(qū)域,在網(wǎng)絡(luò)模型訓(xùn)練中,初始先驗(yàn)框參數(shù)越接近真實(shí)邊界框,模型將會越容易收斂,其預(yù)測邊界框也會更加符合真實(shí)邊界框。

    K-Means是一種常用的聚類算法,主要思想是根據(jù)歐氏距離將樣本點(diǎn)聚集到指定的K 個類別中。YOLOv5s 網(wǎng)絡(luò)模型設(shè)定的初始先驗(yàn)框如表1 所示,每個尺度的特征圖匹配3個先驗(yàn)框。由于檢測層層數(shù)的增加,先驗(yàn)框的個數(shù)也要相應(yīng)增加。此外,數(shù)據(jù)集中火災(zāi)圖像的火焰區(qū)域大小各異。為了使先驗(yàn)框能夠與檢測層相匹配,并且符合數(shù)據(jù)集的真實(shí)情況,使用K-Means算法對火災(zāi)數(shù)據(jù)集中的標(biāo)注框進(jìn)行聚類,將聚類得到的一組先驗(yàn)框代替YOLOv5s設(shè)定的初始先驗(yàn)框。

    表1 YOLOv5s網(wǎng)絡(luò)模型先驗(yàn)框

    依據(jù)每個尺度的特征圖匹配3 個先驗(yàn)框的原則,改進(jìn)后的檢測層所匹配的先驗(yàn)框總數(shù)為12,即聚類個數(shù)K =12。添加大尺度檢測層后,網(wǎng)絡(luò)模型能夠輸出4 種不同尺寸的特征圖。尺寸較大的特征圖包含圖像的低層信息,具有較小的感受野,故匹配較小的先驗(yàn)框;相反,尺寸較小的特征圖匹配較大的先驗(yàn)框。改進(jìn)后的先驗(yàn)框與特征圖的匹配情況如表2所示。

    表2 改進(jìn)后的先驗(yàn)框

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 實(shí)驗(yàn)環(huán)境

    實(shí)驗(yàn)環(huán)境為:Intel?CoreTMi9-10900KF @ 3.70 GHz,32 GB內(nèi)存,Nvidia GeForce RTX 2080 Ti,Windows10 64位操作系統(tǒng)。使用Python開發(fā)語言,CUDA10.0 GPU 加速庫以及Pytorch1.8.1深度學(xué)習(xí)框架。

    3.2 模型訓(xùn)練

    由于目前火災(zāi)防治領(lǐng)域沒有公開的標(biāo)準(zhǔn)數(shù)據(jù)庫,本文主要使用互聯(lián)網(wǎng)上搜集的火災(zāi)圖片,以及文獻(xiàn)[14 ~16]中提出的一系列典型火災(zāi)數(shù)據(jù)庫來構(gòu)建火災(zāi)數(shù)據(jù)集。所構(gòu)建的火災(zāi)數(shù)據(jù)集共計(jì)2 730 張圖片,主要包括室內(nèi)、公路和森林等場景中不同大小和形狀的火焰,部分火災(zāi)數(shù)據(jù)集圖片如圖5所示。使用Labelimg軟件完成火災(zāi)數(shù)據(jù)集的標(biāo)注,標(biāo)注好的數(shù)據(jù)集將用于模型的訓(xùn)練和測試。訓(xùn)練集和測試集分別按照70%和30%的典型比例進(jìn)行劃分,即訓(xùn)練集包含1 911張圖片,測試集包含819張圖片。

    圖5 火災(zāi)數(shù)據(jù)集部分圖片

    依據(jù)YOLOv5s網(wǎng)絡(luò)模型設(shè)定的訓(xùn)練參數(shù),在網(wǎng)絡(luò)模型訓(xùn)練階段,初始學(xué)習(xí)率設(shè)置為0.01,迭代批量尺寸(batch size)設(shè)置為16,動量(momentum)因子設(shè)置為0.937,權(quán)值衰減(weight decay)系數(shù)設(shè)置為0.000 5,輪次(epoch)設(shè)置為300,使用隨機(jī)梯度下降(stochastic gradient descent,SGD)法進(jìn)行優(yōu)化。此外,為了增加火災(zāi)數(shù)據(jù)集中樣本的多樣性,本文對輸入網(wǎng)絡(luò)模型的圖片進(jìn)行數(shù)據(jù)增強(qiáng)處理。增強(qiáng)方法包括圖像平移(translate),尺度(scale)變化、左右翻轉(zhuǎn)(flip left-right)、馬賽克(mosaic)數(shù)據(jù)增強(qiáng)以及HSV顏色空間中色調(diào)(hue)、飽和度(saturation)及明度(value)的變化。

    3.3 結(jié)果分析

    本文以YOLOv5s網(wǎng)絡(luò)模型為基礎(chǔ),對特征提取網(wǎng)絡(luò),多尺度檢測層以及先驗(yàn)框尺寸進(jìn)行了改進(jìn)。采用精確率(precision,P)、召回率(recall,R)、置信度0.5 下的平均精度均值(mean average precision,mAP)和幀率(frames per second,F(xiàn)PS)來評價模型的性能[17,18]。mAP 為Precision 和Recall曲線下的面積,用來表示模型的整體性能,P =TP/(TP +FP),R =TP/(TP +FN)。其中,TP 為正樣本被正確分類的數(shù)量,F(xiàn)P為負(fù)樣本被錯誤分類的數(shù)量,F(xiàn)N為正樣本被錯誤分類的數(shù)量。

    改進(jìn)YOLOv5s 網(wǎng)絡(luò)模型的訓(xùn)練情況如圖6 所示。圖6(a)為損失函數(shù)隨訓(xùn)練輪次的變化曲線,模型訓(xùn)練300輪次,損失函數(shù)數(shù)值收斂在0.05 ~0.1。圖6(b)為mAP隨訓(xùn)練輪次的變化曲線,模型訓(xùn)練150輪次左右,mAP波動較小,然后趨于穩(wěn)定。

    圖6 改進(jìn)YOLOv5s網(wǎng)絡(luò)模型的訓(xùn)練表現(xiàn)

    為探究所使用的改進(jìn)方法對模型性能的影響,將改進(jìn)特征提取網(wǎng)絡(luò)的模型記為YOLOv5s-A,由于先驗(yàn)框個數(shù)需要與檢測層層數(shù)相匹配,故將同時改進(jìn)特征提取網(wǎng)絡(luò),多尺度檢測層以及先驗(yàn)框的模型記為YOLOv5s-AB,并將改進(jìn)的2種網(wǎng)絡(luò)模型與YOLOv3 和YOLOv5s 進(jìn)行對比。各網(wǎng)絡(luò)模型的性能評價結(jié)果如表3所示。

    表3 各網(wǎng)絡(luò)模型性能評價結(jié)果

    由表3 可知,YOLOv5s-A、YOLOv5s-AB 相比YOLOv3和YOLOv5s,P、R和mAP指標(biāo)均有提升;YOLOv5s-AB相比YOLOv3,P、R 和mAP 指標(biāo)分別提高了3.55%、3.14%和3.68%,幀率提高了10.40 fps;YOLOv5s-AB相比YOLOv5s,P、R和mAP指標(biāo)分別提高了2.05%、1.72%和2.09%,幀率可達(dá)54.66 fps。由于在YOLOv5s 中添加了SE 模塊和160 ×160的檢測層,導(dǎo)致YOLOv5s-A、YOLOv5s-AB的檢測速度略低于YOLOv5s。

    為了進(jìn)一步測試YOLOv5s-AB 網(wǎng)絡(luò)模型的性能,使用文獻(xiàn)[19]中構(gòu)建的火災(zāi)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),圖7 為YOLOv5s與YOLOv5s-AB網(wǎng)絡(luò)模型對火災(zāi)圖像和干擾圖像的識別效果。

    圖7 火災(zāi)識別實(shí)驗(yàn)結(jié)果

    本文在原始YOLOv5s 網(wǎng)絡(luò)模型中,同時添加了SE 模塊和大尺度檢測層,并使用K-Means聚類算法得到先驗(yàn)框的尺寸。由圖7所示的火災(zāi)識別實(shí)驗(yàn)結(jié)果可以看出,改進(jìn)的YOLOv5s-AB網(wǎng)絡(luò)模型相比于原始模型,在置信度上有了明顯提升,對多目標(biāo)和小目標(biāo)的識別效果更好,并且可以在一定程度上排除夕陽、燈光等干擾物。

    4 結(jié) 論

    本文通過研究YOLOv5s網(wǎng)絡(luò)模型的特征提取網(wǎng)絡(luò),多尺度檢測層以及先驗(yàn)框機(jī)制,提出一種改進(jìn)YOLOv5s網(wǎng)絡(luò)模型的火災(zāi)圖像識別方法。在原始YOLOv5s 網(wǎng)絡(luò)模型中同時添加SE注意力機(jī)制和大尺度檢測層,并使用K-Means聚類算法得到先驗(yàn)框尺寸。實(shí)驗(yàn)結(jié)果表明:改進(jìn)的YOLOv5s網(wǎng)絡(luò)模型(YOLOv5s-AB)在實(shí)驗(yàn)數(shù)據(jù)集上的P為82.27 %,R 為85.11 %,mAP 為85.72 %,檢測幀率達(dá)54.66 fps,以較低的時間代價提升了模型性能;尤其在置信度上有明顯提升,對多目標(biāo)和小目標(biāo)的識別效果更好;并可較好地排除夕陽、燈光等干擾物,提高了對火災(zāi)圖像的識別效果。下一步將考慮對現(xiàn)有火災(zāi)數(shù)據(jù)集進(jìn)行擴(kuò)充,使網(wǎng)絡(luò)模型學(xué)習(xí)到的圖像信息更加全面。

    猜你喜歡
    圖像識別先驗(yàn)特征提取
    基于Resnet-50的貓狗圖像識別
    電子制作(2019年16期)2019-09-27 09:34:50
    基于無噪圖像塊先驗(yàn)的MRI低秩分解去噪算法研究
    高速公路圖像識別技術(shù)應(yīng)用探討
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    圖像識別在物聯(lián)網(wǎng)上的應(yīng)用
    電子制作(2018年19期)2018-11-14 02:37:04
    圖像識別在水質(zhì)檢測中的應(yīng)用
    電子制作(2018年14期)2018-08-21 01:38:16
    基于自適應(yīng)塊組割先驗(yàn)的噪聲圖像超分辨率重建
    Bagging RCSP腦電特征提取算法
    基于平滑先驗(yàn)法的被動聲信號趨勢項(xiàng)消除
    先驗(yàn)的廢話與功能的進(jìn)路
    videossex国产| 色哟哟·www| 日本色播在线视频| 亚洲国产高清在线一区二区三| 国产精品不卡视频一区二区| 男女那种视频在线观看| 中文字幕免费在线视频6| 老司机影院成人| 插阴视频在线观看视频| 欧美激情在线99| 麻豆国产97在线/欧美| 日韩中字成人| 亚洲av中文av极速乱| 国产成人精品久久久久久| 中文字幕免费在线视频6| 日本欧美国产在线视频| 午夜亚洲福利在线播放| 美女大奶头视频| 成人毛片a级毛片在线播放| 色综合色国产| 免费av观看视频| 淫妇啪啪啪对白视频| 校园春色视频在线观看| 少妇熟女欧美另类| 久久九九热精品免费| 六月丁香七月| 哪里可以看免费的av片| 亚洲欧美成人综合另类久久久 | 精品福利观看| 一级av片app| 天天躁日日操中文字幕| 综合色av麻豆| 人人妻,人人澡人人爽秒播| 亚洲国产高清在线一区二区三| 老熟妇乱子伦视频在线观看| a级一级毛片免费在线观看| 日本三级黄在线观看| aaaaa片日本免费| 1024手机看黄色片| 欧美xxxx黑人xx丫x性爽| 亚洲一级一片aⅴ在线观看| 美女免费视频网站| 日本-黄色视频高清免费观看| 国产成人a区在线观看| 老司机午夜福利在线观看视频| 国产真实乱freesex| 99久久精品国产国产毛片| 嫩草影院入口| 少妇猛男粗大的猛烈进出视频 | 晚上一个人看的免费电影| 午夜激情欧美在线| 久99久视频精品免费| 高清毛片免费观看视频网站| 国产精品三级大全| 国产精品一及| www日本黄色视频网| 一进一出抽搐gif免费好疼| 国产毛片a区久久久久| 真人做人爱边吃奶动态| 国产乱人偷精品视频| 干丝袜人妻中文字幕| 国产美女午夜福利| 欧美中文日本在线观看视频| 97超级碰碰碰精品色视频在线观看| 亚洲国产色片| 99在线视频只有这里精品首页| 国产黄色视频一区二区在线观看 | 国产精品人妻久久久久久| 丝袜喷水一区| av在线老鸭窝| 亚洲丝袜综合中文字幕| 久久久久久久亚洲中文字幕| 久久人妻av系列| 亚洲久久久久久中文字幕| 久久久久性生活片| av卡一久久| 国产高潮美女av| 身体一侧抽搐| avwww免费| 欧美日韩乱码在线| 乱系列少妇在线播放| 国产高清三级在线| 大香蕉久久网| 2021天堂中文幕一二区在线观| 国产亚洲91精品色在线| 毛片一级片免费看久久久久| 欧美色欧美亚洲另类二区| 别揉我奶头 嗯啊视频| 亚洲av中文字字幕乱码综合| 久久久久久久久久成人| 在线天堂最新版资源| 又粗又爽又猛毛片免费看| 老熟妇仑乱视频hdxx| 女同久久另类99精品国产91| 精品不卡国产一区二区三区| 看免费成人av毛片| 少妇熟女aⅴ在线视频| 久久久久久久久久成人| 内射极品少妇av片p| 人妻制服诱惑在线中文字幕| 欧美最新免费一区二区三区| 国产精品一区二区三区四区免费观看 | 18禁裸乳无遮挡免费网站照片| 性插视频无遮挡在线免费观看| 嫩草影院新地址| 成人午夜高清在线视频| 亚洲欧美日韩卡通动漫| 最近视频中文字幕2019在线8| 成人特级av手机在线观看| 免费不卡的大黄色大毛片视频在线观看 | 天堂影院成人在线观看| 久久人妻av系列| 天堂网av新在线| 日韩大尺度精品在线看网址| 成人欧美大片| 97超碰精品成人国产| 看黄色毛片网站| 真人做人爱边吃奶动态| 看片在线看免费视频| 精品国内亚洲2022精品成人| 国产aⅴ精品一区二区三区波| 国产av一区在线观看免费| 亚洲人成网站在线播| 午夜福利成人在线免费观看| 中文在线观看免费www的网站| 久久人妻av系列| 联通29元200g的流量卡| 国产亚洲精品综合一区在线观看| 不卡视频在线观看欧美| 久久精品国产亚洲av涩爱 | 在线播放国产精品三级| 欧美国产日韩亚洲一区| 国产av一区在线观看免费| 内地一区二区视频在线| 亚洲人成网站高清观看| 直男gayav资源| 99热这里只有精品一区| a级毛色黄片| 女的被弄到高潮叫床怎么办| 精品久久久久久成人av| 老师上课跳d突然被开到最大视频| 丝袜喷水一区| 免费一级毛片在线播放高清视频| 麻豆一二三区av精品| 91狼人影院| 欧美激情久久久久久爽电影| 国产精品久久久久久久电影| 免费观看在线日韩| 三级国产精品欧美在线观看| 12—13女人毛片做爰片一| 最近在线观看免费完整版| 黄色视频,在线免费观看| 偷拍熟女少妇极品色| 露出奶头的视频| 久久久久久伊人网av| 深夜a级毛片| 国产老妇女一区| 精品熟女少妇av免费看| 91午夜精品亚洲一区二区三区| av天堂在线播放| 精华霜和精华液先用哪个| 国产成人91sexporn| 精品久久国产蜜桃| 日韩欧美免费精品| 99riav亚洲国产免费| 韩国av在线不卡| 女的被弄到高潮叫床怎么办| 免费人成在线观看视频色| 久久久久国产精品人妻aⅴ院| 亚洲精品一区av在线观看| 男女边吃奶边做爰视频| 国产精品一区www在线观看| 精品久久久久久久久久久久久| 中文资源天堂在线| 亚洲美女视频黄频| 99在线人妻在线中文字幕| 欧美激情在线99| 日韩亚洲欧美综合| 麻豆精品久久久久久蜜桃| 高清毛片免费看| 日韩欧美在线乱码| 白带黄色成豆腐渣| 国内少妇人妻偷人精品xxx网站| 日本色播在线视频| 深夜精品福利| 久久综合国产亚洲精品| 欧美一区二区亚洲| 午夜老司机福利剧场| 亚洲一区高清亚洲精品| 国产色婷婷99| 亚洲欧美日韩东京热| 国产免费一级a男人的天堂| 蜜臀久久99精品久久宅男| 最新中文字幕久久久久| 久久精品影院6| 亚洲国产精品成人综合色| 国产片特级美女逼逼视频| 极品教师在线视频| 啦啦啦观看免费观看视频高清| 波多野结衣巨乳人妻| 三级经典国产精品| 免费看a级黄色片| 日本 av在线| 国产精品三级大全| 亚洲aⅴ乱码一区二区在线播放| 久久午夜亚洲精品久久| 免费在线观看成人毛片| 一卡2卡三卡四卡精品乱码亚洲| 国产成人a区在线观看| 欧美最黄视频在线播放免费| 日本熟妇午夜| 日本黄色视频三级网站网址| 午夜影院日韩av| 久久久久久久久久黄片| 偷拍熟女少妇极品色| 99riav亚洲国产免费| 成人亚洲精品av一区二区| av专区在线播放| 亚洲国产精品合色在线| 身体一侧抽搐| av国产免费在线观看| 日韩三级伦理在线观看| 免费看美女性在线毛片视频| 欧美xxxx黑人xx丫x性爽| 可以在线观看的亚洲视频| 一卡2卡三卡四卡精品乱码亚洲| 欧美最黄视频在线播放免费| 国产成人一区二区在线| av福利片在线观看| 男女啪啪激烈高潮av片| 草草在线视频免费看| 变态另类丝袜制服| 亚洲aⅴ乱码一区二区在线播放| 禁无遮挡网站| 午夜福利成人在线免费观看| 淫妇啪啪啪对白视频| 久久久久免费精品人妻一区二区| 亚洲av二区三区四区| 日韩一本色道免费dvd| 国产精品av视频在线免费观看| 男女边吃奶边做爰视频| 性插视频无遮挡在线免费观看| 国产美女午夜福利| 级片在线观看| 欧美绝顶高潮抽搐喷水| ponron亚洲| 免费电影在线观看免费观看| 91久久精品国产一区二区成人| 少妇人妻精品综合一区二区 | 免费av毛片视频| 欧美一区二区亚洲| 亚洲欧美中文字幕日韩二区| 国产综合懂色| 色综合色国产| 97碰自拍视频| 深夜精品福利| 一区二区三区免费毛片| 国产69精品久久久久777片| 淫妇啪啪啪对白视频| 黄色日韩在线| 亚洲精品成人久久久久久| 久久久久久久午夜电影| 最近手机中文字幕大全| 特大巨黑吊av在线直播| 看片在线看免费视频| 亚洲人成网站在线播放欧美日韩| 亚洲精品一区av在线观看| 亚洲18禁久久av| 毛片一级片免费看久久久久| 国产视频内射| 亚洲三级黄色毛片| 国产精品1区2区在线观看.| 18禁黄网站禁片免费观看直播| 露出奶头的视频| 国产欧美日韩一区二区精品| 亚洲第一电影网av| 久久久久久久久久成人| 日日啪夜夜撸| 国产高清视频在线观看网站| 中国美女看黄片| 成熟少妇高潮喷水视频| 尾随美女入室| 91久久精品电影网| 国产精品免费一区二区三区在线| 日本a在线网址| 久久精品夜色国产| 国产大屁股一区二区在线视频| 日日摸夜夜添夜夜添av毛片| av.在线天堂| 2021天堂中文幕一二区在线观| 一a级毛片在线观看| 俄罗斯特黄特色一大片| 日韩 亚洲 欧美在线| 国产在线男女| 99久久久亚洲精品蜜臀av| 亚洲精品色激情综合| 欧美成人一区二区免费高清观看| 成年av动漫网址| 国产探花极品一区二区| 久久欧美精品欧美久久欧美| 五月玫瑰六月丁香| 亚洲婷婷狠狠爱综合网| 欧美另类亚洲清纯唯美| 国产精品一区二区三区四区免费观看 | 神马国产精品三级电影在线观看| 床上黄色一级片| 久久精品夜色国产| 搡老熟女国产l中国老女人| 一进一出抽搐gif免费好疼| 十八禁网站免费在线| 日韩欧美精品免费久久| av黄色大香蕉| 波野结衣二区三区在线| av国产免费在线观看| 日韩强制内射视频| 亚洲欧美中文字幕日韩二区| 99精品在免费线老司机午夜| 国内精品美女久久久久久| 国产精品免费一区二区三区在线| 久久韩国三级中文字幕| 晚上一个人看的免费电影| 久久亚洲国产成人精品v| 国产精品无大码| 18禁在线播放成人免费| 亚洲成人久久爱视频| 日韩一区二区视频免费看| 亚洲激情五月婷婷啪啪| 综合色丁香网| 91精品国产九色| 天堂av国产一区二区熟女人妻| ponron亚洲| 国产一区二区在线av高清观看| 日本一二三区视频观看| 久久精品国产鲁丝片午夜精品| 日本熟妇午夜| www日本黄色视频网| 综合色丁香网| 一级av片app| 国产午夜精品论理片| 少妇人妻一区二区三区视频| 超碰av人人做人人爽久久| 久久人人爽人人片av| 亚洲成av人片在线播放无| 蜜臀久久99精品久久宅男| 嫩草影院精品99| 少妇熟女欧美另类| 精品少妇黑人巨大在线播放 | 国产成人a∨麻豆精品| 亚洲av电影不卡..在线观看| 伦理电影大哥的女人| avwww免费| 欧美成人a在线观看| 亚洲人成网站在线播| 国产黄片美女视频| 久久久成人免费电影| 亚洲精品影视一区二区三区av| 欧美极品一区二区三区四区| 久久精品国产亚洲av涩爱 | 神马国产精品三级电影在线观看| 亚洲无线在线观看| 99热全是精品| 精品少妇黑人巨大在线播放 | 亚洲av电影不卡..在线观看| 精品福利观看| 日韩欧美三级三区| 国产人妻一区二区三区在| 欧美潮喷喷水| 欧美又色又爽又黄视频| 免费看美女性在线毛片视频| 91精品国产九色| 国产白丝娇喘喷水9色精品| www日本黄色视频网| 最近在线观看免费完整版| 免费观看精品视频网站| 欧美又色又爽又黄视频| 乱人视频在线观看| 精品午夜福利视频在线观看一区| 看免费成人av毛片| 日本三级黄在线观看| 人人妻人人看人人澡| 久久人人精品亚洲av| 91久久精品国产一区二区成人| 久久久久久久久久久丰满| 不卡一级毛片| 国国产精品蜜臀av免费| 性欧美人与动物交配| 日韩国内少妇激情av| 亚洲国产精品sss在线观看| 99久久无色码亚洲精品果冻| 别揉我奶头 嗯啊视频| 成人av一区二区三区在线看| 一夜夜www| av黄色大香蕉| 午夜福利高清视频| 免费观看人在逋| 久久人妻av系列| 91久久精品电影网| 亚洲国产欧洲综合997久久,| 国产片特级美女逼逼视频| 成人欧美大片| 精品人妻视频免费看| av卡一久久| 青春草视频在线免费观看| 波多野结衣高清无吗| 最近中文字幕高清免费大全6| 欧美极品一区二区三区四区| 插逼视频在线观看| 久久精品综合一区二区三区| 干丝袜人妻中文字幕| 亚洲色图av天堂| 亚洲18禁久久av| 麻豆乱淫一区二区| 亚洲色图av天堂| 五月玫瑰六月丁香| 麻豆av噜噜一区二区三区| 精品少妇黑人巨大在线播放 | 亚洲人成网站在线观看播放| 波多野结衣高清无吗| a级毛片免费高清观看在线播放| 亚洲av免费高清在线观看| 国产在线男女| www日本黄色视频网| 俺也久久电影网| av专区在线播放| 亚洲国产精品sss在线观看| 国产精品久久视频播放| 久久久精品大字幕| 国产男靠女视频免费网站| 岛国在线免费视频观看| 国产高清三级在线| 五月伊人婷婷丁香| 99热全是精品| 免费av不卡在线播放| 国产国拍精品亚洲av在线观看| aaaaa片日本免费| 黄色日韩在线| 国产精品日韩av在线免费观看| 欧美成人精品欧美一级黄| 国产成人精品久久久久久| a级毛片a级免费在线| 亚洲国产精品国产精品| 天天躁夜夜躁狠狠久久av| 日日摸夜夜添夜夜爱| 精品国内亚洲2022精品成人| 久久精品国产亚洲av香蕉五月| 成人鲁丝片一二三区免费| 国内精品美女久久久久久| 女人十人毛片免费观看3o分钟| 99热精品在线国产| 深夜a级毛片| 午夜免费激情av| 波多野结衣巨乳人妻| 97碰自拍视频| 女人十人毛片免费观看3o分钟| 一级毛片aaaaaa免费看小| 婷婷色综合大香蕉| 国产欧美日韩一区二区精品| 日韩精品中文字幕看吧| 床上黄色一级片| 中文字幕免费在线视频6| 日韩一本色道免费dvd| 国产精品久久久久久av不卡| 亚洲av中文字字幕乱码综合| 久久亚洲精品不卡| 三级毛片av免费| 久久久久久久久中文| 少妇高潮的动态图| 欧美一区二区国产精品久久精品| 成年av动漫网址| 99国产极品粉嫩在线观看| 老司机影院成人| 搞女人的毛片| 国产精品日韩av在线免费观看| av黄色大香蕉| 婷婷精品国产亚洲av在线| 插阴视频在线观看视频| 97超碰精品成人国产| 免费不卡的大黄色大毛片视频在线观看 | 日本五十路高清| 午夜福利在线观看吧| 亚洲av中文字字幕乱码综合| 日韩欧美一区二区三区在线观看| 色视频www国产| 久久久久久九九精品二区国产| av在线播放精品| 日韩成人伦理影院| 久久久久久久久久黄片| 欧美中文日本在线观看视频| 在线天堂最新版资源| 精品免费久久久久久久清纯| 看片在线看免费视频| 黄片wwwwww| 午夜激情欧美在线| 高清午夜精品一区二区三区 | 国产男人的电影天堂91| 中文字幕免费在线视频6| 此物有八面人人有两片| 国产亚洲精品久久久com| 一个人看视频在线观看www免费| 国产男人的电影天堂91| 国产91av在线免费观看| 日本五十路高清| 国产片特级美女逼逼视频| 国语自产精品视频在线第100页| 丰满乱子伦码专区| 欧美最黄视频在线播放免费| 国产精品,欧美在线| 晚上一个人看的免费电影| 久久久午夜欧美精品| 精品一区二区三区视频在线| 插逼视频在线观看| 观看美女的网站| 午夜视频国产福利| 久久99热这里只有精品18| 国产精品美女特级片免费视频播放器| 国产黄片美女视频| 搡老妇女老女人老熟妇| 国产激情偷乱视频一区二区| 免费av毛片视频| 成人二区视频| 网址你懂的国产日韩在线| 五月玫瑰六月丁香| 晚上一个人看的免费电影| 亚洲经典国产精华液单| 成年女人永久免费观看视频| 国产综合懂色| 久久精品久久久久久噜噜老黄 | 熟女电影av网| av视频在线观看入口| 午夜日韩欧美国产| 国产精品日韩av在线免费观看| 久久久久久久亚洲中文字幕| 亚洲美女视频黄频| 久久精品国产99精品国产亚洲性色| 国产乱人视频| 欧美色视频一区免费| 亚洲第一区二区三区不卡| 99国产精品一区二区蜜桃av| 日韩欧美在线乱码| 欧美一区二区国产精品久久精品| 国产成人a区在线观看| 成人国产麻豆网| 欧美色欧美亚洲另类二区| 22中文网久久字幕| 男人的好看免费观看在线视频| 白带黄色成豆腐渣| 狠狠狠狠99中文字幕| 国产精品亚洲美女久久久| 两个人视频免费观看高清| 亚洲无线观看免费| 俄罗斯特黄特色一大片| 午夜免费男女啪啪视频观看 | 极品教师在线视频| 蜜臀久久99精品久久宅男| 国产黄色视频一区二区在线观看 | 久久久久九九精品影院| 伦理电影大哥的女人| 日本爱情动作片www.在线观看 | 亚洲国产欧美人成| 美女被艹到高潮喷水动态| 精品午夜福利在线看| 老女人水多毛片| 精华霜和精华液先用哪个| 欧美极品一区二区三区四区| 免费av毛片视频| 亚洲精品乱码久久久v下载方式| 一进一出好大好爽视频| 欧洲精品卡2卡3卡4卡5卡区| 国产一区二区在线观看日韩| 久久精品国产99精品国产亚洲性色| av中文乱码字幕在线| 一级黄片播放器| 国产三级中文精品| 熟女人妻精品中文字幕| 精品一区二区三区人妻视频| 亚洲va在线va天堂va国产| 国产午夜福利久久久久久| 午夜精品在线福利| 老熟妇仑乱视频hdxx| 国产人妻一区二区三区在| 我的老师免费观看完整版| 成人av在线播放网站| 国产精品综合久久久久久久免费| 18禁在线无遮挡免费观看视频 | 久久综合国产亚洲精品| 亚洲精华国产精华液的使用体验 | 亚洲无线在线观看| 在线国产一区二区在线| av在线天堂中文字幕| 久久鲁丝午夜福利片| 久久6这里有精品| 一个人看的www免费观看视频| 99国产精品一区二区蜜桃av| 天天一区二区日本电影三级| 一夜夜www| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲七黄色美女视频| h日本视频在线播放| 一区二区三区免费毛片| 一级黄色大片毛片| 美女cb高潮喷水在线观看| 成年女人看的毛片在线观看| 毛片女人毛片| 人妻夜夜爽99麻豆av| 别揉我奶头~嗯~啊~动态视频| 国产精品综合久久久久久久免费| 精品欧美国产一区二区三| 我的老师免费观看完整版| 成人av在线播放网站| 在线观看av片永久免费下载| 51国产日韩欧美| av中文乱码字幕在线| 亚洲一区高清亚洲精品| www日本黄色视频网| 内地一区二区视频在线|