• <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 ?

    一種基于火災(zāi)圖像和人工智能的熱釋放速率計算方法

    2024-02-05 02:07:34王自龍張?zhí)旌?/span>黃鑫炎
    燃燒科學與技術(shù) 2024年1期
    關(guān)鍵詞:火焰火災(zāi)速率

    王自龍,張?zhí)旌?,黃鑫炎

    一種基于火災(zāi)圖像和人工智能的熱釋放速率計算方法

    王自龍,張?zhí)旌剑S鑫炎

    (香港理工大學建筑環(huán)境與能源工程學系,香港 900777)

    火焰的熱釋放速率是描述火災(zāi)行為和危險性的重要參數(shù)之一,然而由于火災(zāi)場景的復(fù)雜性,傳統(tǒng)的火災(zāi)熱釋放速率測量方法無法適用.本文旨在探索一種基于人工智能和圖像的火災(zāi)熱釋放速率預(yù)測方法,用于火災(zāi)場景下火災(zāi)強度的識別,進而為消防應(yīng)急救援提供依據(jù).用于火災(zāi)熱釋放速率識別的深度學習模型(Swin Transformer)由美國國家標準技術(shù)研究所公開的火災(zāi)圖像量熱數(shù)據(jù)庫訓(xùn)練而成,其中包含火災(zāi)測試89例,不同時刻的5萬多張火災(zāi)圖像.所得模型可根據(jù)火災(zāi)場景下拍攝的火災(zāi)圖像實時識別火災(zāi)的大?。漕A(yù)測結(jié)果表明,即使在不同火源的場景下,深度學習模型可以通過當前的火災(zāi)圖像對火災(zāi)熱釋放速率進行有效識別,這將為未來的智慧消防系統(tǒng)開發(fā)提供有效的支持.

    火災(zāi)圖像;人工智能;火災(zāi)量熱;Swin Transformer

    火災(zāi)是生活中最常見的事故之一(見圖1).根據(jù)應(yīng)急管理部消防救援局統(tǒng)計,2020年全國消防部門共接報火災(zāi)25.2萬起,造成1183人死亡,775人受傷,直接財產(chǎn)損失40.09億元.在實際火災(zāi)場景中,火災(zāi)的熱釋放速率(HRR)是衡量火災(zāi)發(fā)展和火災(zāi)規(guī)模的有效指標[1],已被廣泛用于消防行動中[2].然而,由于大多數(shù)火災(zāi)場景中缺乏設(shè)備的支持,消防人員只能根據(jù)自己的經(jīng)驗判斷或猜測火災(zāi)的發(fā)展.由于缺乏準確的火災(zāi)信息,會導(dǎo)致消防人員對火災(zāi)場景和關(guān)鍵事件的誤判,延誤滅火和救援的時機,并造成不必要的傷亡.為了確保消防員的安全和有效的消防決策,需要對火災(zāi)場景進行實時的識別,以便更好地了解火災(zāi)的發(fā)展.

    (a)建筑火災(zāi) (b)車輛火災(zāi)

    圖1 建筑火災(zāi)與車輛火災(zāi)

    Fig.1 Building fire and vehicle fire

    在大多數(shù)火災(zāi)實驗或?qū)嶋H火災(zāi)場景中,通常采用相機或手機攝像頭對火焰和煙氣進行拍攝,以確定相關(guān)的火災(zāi)參數(shù)[3-5].對火焰圖像的深入分析可以提供有關(guān)火災(zāi)發(fā)展的各種信息.然而,這些信息的獲得需要經(jīng)過復(fù)雜的圖像處理過程,其準確性和可靠性對相機設(shè)置、背景光和實驗干擾很敏感,因此無法用于真實火災(zāi)場景下的火災(zāi)實時熱釋放速率識別.

    隨著人工智能(AI)技術(shù)的發(fā)展,特別是深度學習方法的發(fā)展,人工智能方法已被廣泛應(yīng)用于識別隱藏的火災(zāi)信息和預(yù)測火災(zāi)煙氣的發(fā)展.Wu等[6-7]使用深度學習算法準確預(yù)測了隧道內(nèi)的火源位置和溫度分布.Su等[8]將人工智能方法用于中庭的性能化消防設(shè)計,可以快速確定消防設(shè)計的極限,極大地縮短了設(shè)計周期.Zhang等[9]將人工智能用于腔室火災(zāi)發(fā)展的識別,最終實現(xiàn)了腔室內(nèi)溫度和轟燃現(xiàn)象的預(yù)測.蔣亞強等[10]通過對不同外立面形態(tài)的火災(zāi)場景的訓(xùn)練,實現(xiàn)了不同外立面構(gòu)造形式下開口溢流火焰溫度的實時預(yù)測,為外立面的設(shè)計和火災(zāi)防控提供支撐.然而,這些工作大多是基于模擬數(shù)據(jù)庫或傳感器數(shù)據(jù)來識別和預(yù)測火災(zāi)發(fā)展.然而火災(zāi)場景中很難提前安裝傳感器,即使預(yù)先安裝了傳感器,它也會很快被燒毀.為了實現(xiàn)安全可靠的火災(zāi)信息獲取,人們把研究目光轉(zhuǎn)向了圖像信息.陳培豪等[11]通過采用輕量級神經(jīng)網(wǎng)絡(luò) MobileNetv3 自動提取疑似火災(zāi)區(qū)域特征,實現(xiàn)了實時的視頻火災(zāi)識別.蔣珍存等[12]基于深度遷移學習實現(xiàn)了火災(zāi)場景圖片的準確分類.筆者前期對基于煙霧和火焰圖像來識別火災(zāi)熱釋放速率的可能性進行了初步的探索[13-14],但是沒有探索不同深度學習算法的有效性.

    為了實現(xiàn)更便捷有效的火災(zāi)熱釋放速率識別,本文從美國國家標準技術(shù)研究所(NIST)公開的火災(zāi)量熱數(shù)據(jù)庫中選取了火災(zāi)測試89例,據(jù)此構(gòu)建了火災(zāi)圖像量熱數(shù)據(jù)庫,并將其用于火災(zāi)熱釋放速率識別模型(Swin Transformer)的訓(xùn)練,最終實現(xiàn)了基于圖像的火災(zāi)熱釋放速率識別.

    1 預(yù)測方法

    1.1 火災(zāi)圖像數(shù)據(jù)庫

    為了獲取有效的火災(zāi)熱釋放速率識別模型,筆者使用NIST火災(zāi)圖像量熱數(shù)據(jù)庫[15]對深度學習模型進行訓(xùn)練.NIST火災(zāi)圖像量熱數(shù)據(jù)庫為NIST國家火災(zāi)研究實驗室(NFRL)進行火災(zāi)實驗的匯總,其中包含每個火災(zāi)實驗的實驗記錄,測試樣本包含組分單一的可燃物、設(shè)備齊全的房間、受控的燃燒器和未知組分的復(fù)合燃料等.所有的火災(zāi)實驗在使用攝像機對燃料的燃燒過程進行記錄的同時,還使用了100kW、1MW、3MW和20MW的耗氧量熱儀對燃燒過程的熱釋放速率進行測量,測量結(jié)果的不確定性為11%[16].

    由于所訓(xùn)練的深度學習模型主要通過火焰的行為對火災(zāi)熱釋放速率進行識別,因此在構(gòu)建火災(zāi)圖像數(shù)據(jù)庫的過程中主要選取了火焰形態(tài)較為明顯的的火災(zāi)測試共89例,包含不同時刻的5萬多張火災(zāi)圖像用于深度學習模型的訓(xùn)練,訓(xùn)練樣本可以充分反映不同熱釋放速率下的火焰形態(tài),足以實現(xiàn)有效的模型訓(xùn)練.燃燒測試的樣本包含紙箱、木垛、垃圾桶、塑料椅、吸塵器、木質(zhì)托盤等常見可燃物,其最大熱釋放速率為3240kW,如圖2所示.

    1.2 數(shù)據(jù)庫的生成

    獲取到火災(zāi)圖像數(shù)據(jù)庫后,需要將視頻中的火災(zāi)圖像與耗氧量熱儀測量的實時熱釋放速率匹配,以形成用于深度學習模型訓(xùn)練的數(shù)據(jù)庫,其生成過程如圖3所示.數(shù)據(jù)匹配后得到有效圖像51013張,所有圖像對應(yīng)的熱釋放速率分布如圖4所示.從圖中可以看出,訓(xùn)練樣本中不同熱釋放速率圖像的分布并不平衡,較小熱釋放速率對應(yīng)的火焰圖像在數(shù)據(jù)庫中的分布較多.

    (a)紙箱 (b)木垛

    (c)垃圾桶 (d)塑料椅

    圖2 NIST火災(zāi)圖像量熱數(shù)據(jù)庫中的典型燃料

    Fig.2 Typical fuel in NIST fire calorimetry database

    圖3 數(shù)據(jù)庫的生成和劃分

    圖4 數(shù)據(jù)庫熱釋放速率分布

    同時,為了提高模型訓(xùn)練的效率,需要對原始火焰圖像進行縮放.本文將分辨率為1920×1080像素的火焰圖像縮放到224×224像素,縮放后的圖像仍保留火焰的主體特征.數(shù)據(jù)庫中的火災(zāi)圖像將被劃分為測試集(80%)和驗證集(20%)兩部分,分別用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和訓(xùn)練過程中模型的驗證.

    1.3 Swin Transformer

    盡管人眼可以直觀地對火焰的大小進行判斷,卻無法識別火焰圖像的微小變化,無法準確地判斷火焰的熱釋放速率,因此筆者通過深度學習的方式建立火焰圖像與火災(zāi)熱釋放速率的關(guān)系.Swin Transformer作為當前最先進的深度學習算法之一[17],同時具有卷積神經(jīng)網(wǎng)絡(luò)(CNN)層次化的構(gòu)建方式以及在無重合窗口區(qū)域的自注意力機制等特點,已被廣泛應(yīng)用于醫(yī)療診斷[18]、缺陷檢測[19]和面部識別[20]等任務(wù)中.筆者將其用于基于火災(zāi)圖像的熱釋放速率識別,所采用的結(jié)構(gòu)如圖5所示.

    Swin Transformer采用類似于卷積神經(jīng)網(wǎng)絡(luò)的層次化設(shè)計,共包含4個階段,通過圖像拼接不斷降低圖像的尺度以提取火焰圖像的特征.在將火焰圖像輸入該模型后,首先將圖像切分成為7×7的圖塊,再經(jīng)過線性嵌入圖像維度變?yōu)?6×56×48,其結(jié)果將被輸入Swin Transformer模塊中進行窗口注意力和移動窗口注意力的計算.移動窗口注意力機制的引入可以更好地和其他窗口進行信息交換并極大地降低了計算的復(fù)雜度.最終通過多層感知機輸出火災(zāi)熱釋放速率的數(shù)值.

    (a)Swin Transformer (b)移動窗口

    (c)Swin Transformer模塊

    (d)Swin Transformer結(jié)構(gòu)

    圖5 Swin Transformer模型的4個階段

    Fig.5 The 4 stages of the Swin Transformer model

    整個網(wǎng)絡(luò)結(jié)構(gòu)共包含2800萬個參數(shù),以充分反映火焰圖像與熱釋放速率之間的關(guān)系.模型的訓(xùn)練在一臺包含有32個CPU核心和一塊Tesla P100 GPU卡的服務(wù)器上進行,50步的訓(xùn)練步長共需要6h.模型訓(xùn)練完成后,深度學習模型可以根據(jù)輸入的火災(zāi)場景圖像實現(xiàn)對火災(zāi)熱釋放速率的實時預(yù)測.

    2 預(yù)測結(jié)果

    2.1 模型訓(xùn)練

    模型訓(xùn)練過程中的表現(xiàn)如圖6所示.經(jīng)過50步的訓(xùn)練,深度學習模型達到收斂,驗證集中最小均方誤差損失為0.01,最大決定性系數(shù)2為0.98,這表明深度學習模型在訓(xùn)練集和驗證集中已實現(xiàn)準確的火災(zāi)熱釋放速率識別.

    圖6 模型訓(xùn)練過程中的均方誤差損失與決定性系數(shù)

    2.2 模型驗證

    基于圖像的火災(zāi)熱釋放速率模型訓(xùn)練完成后,需要對模型的性能進行測試.本節(jié)選取了3個火災(zāi)測試場景對模型性能進行測試,分別為浸庚烷的棉布火災(zāi),塑料吸塵器火災(zāi)以及木質(zhì)托盤火災(zāi),對應(yīng)著大中小3種熱釋放速率的火災(zāi)類型.這3種火災(zāi)測試場景完全沒有參與深度學習模型的訓(xùn)練,這意味著深度學習模型將通過從訓(xùn)練集中所學的知識對位置場景進行識別,最終的識別結(jié)果如圖7所示.

    總的來說,深度學習模型可以有效地對大中小不同熱釋放速率的火災(zāi)進行識別.其中該模型對中熱釋放速率的火災(zāi)(即塑料吸塵器火災(zāi))的識別效果最好,其識別結(jié)果與實際測試值的決定性系數(shù)達0.98,識別結(jié)果的平均絕對誤差為12.32kW.在對小熱釋放速率火災(zāi)(即浸庚烷)的棉布火災(zāi)場景進行識別時,由于其火焰的尺寸較小,在使用圖像對其熱釋放速率進行識別時容易受到噪聲的影響,識別結(jié)果與實際值的決定性系數(shù)僅達到0.66,然而該模型仍舊能準確識別火災(zāi)的發(fā)展,其預(yù)測結(jié)果的平均絕對誤差為4.49kW.

    對于極大熱釋放速率的火災(zāi)場景,以木質(zhì)托盤火災(zāi)為例,深度學習模型在小中熱釋放速率的火災(zāi)階段預(yù)測效果較好,當火災(zāi)充分發(fā)展達到較大的熱釋放速率時,模型將極大地低估實際的火災(zāi)熱釋放率.其原因可能是由于訓(xùn)練數(shù)據(jù)集熱釋放速率分布不平衡導(dǎo)致,小中熱釋放速率的火災(zāi)場景圖像較多,大熱釋放速率的火災(zāi)場景較少甚至沒有,模型傾向于低估較大火災(zāi)的熱釋放速率.這種低估可以通過擴充圖像數(shù)據(jù)庫進行緩解.盡管如此,深度學習模型識別結(jié)果與實際熱釋放速率的決定性系數(shù)仍達到0.72,可以反映實際火災(zāi)場景的發(fā)展.

    2.3 模型在隨機火災(zāi)場景的應(yīng)用

    基于火災(zāi)實驗的測試,筆者完成了深度學習模型識別性能的驗證.本節(jié)中筆者將該模型應(yīng)用于真實的火災(zāi)場景中.筆者在實驗室環(huán)境下進行了一個沙發(fā)火災(zāi)的實驗,整個測試持續(xù)6min.實驗開始階段使用少量的乙醇將其從中間點燃,當火勢在沙發(fā)表面充分發(fā)展時出于安全考慮對其進行了撲滅.

    深度學習模型對沙發(fā)火災(zāi)發(fā)展過程的識別結(jié)果如圖8所示,在測試開始的前2min,主要燃料為用于點燃沙發(fā)的乙醇,隨著乙醇的逐漸燃盡,火災(zāi)的熱釋放速率出現(xiàn)下降趨勢.2min后,沙發(fā)的表面開始劇烈燃燒,熱釋放速率直線上升,直到6min后火災(zāi)測試被終止,在這個過程中,深度學習模型可以很好地識別沙發(fā)火災(zāi)的發(fā)展過程.模型識別的火災(zāi)峰值熱釋放速率為600kW,為前人火災(zāi)測試[21]測得峰值熱釋放速率992kW的3/5.此時,僅沙發(fā)的表面在發(fā)生燃燒,因此人工智能的預(yù)測結(jié)果整體上具有合理性.

    圖7 深度學習模型預(yù)測與實際實驗結(jié)果對比

    圖8 基于圖像的沙發(fā)火災(zāi)熱釋放速率預(yù)測

    3 結(jié) 論

    筆者對基于Swin Transformer深度學習和圖像火災(zāi)熱釋放速率識別進行了探索,通過NIST的火災(zāi)量熱數(shù)據(jù)庫對深度學習模型進行訓(xùn)練,實現(xiàn)了不同火災(zāi)場景下火災(zāi)熱釋放速率的實時識別.測試結(jié)果表明,即使在不同火源的場景下,深度學習模型仍可以通過當前的火災(zāi)圖像對火災(zāi)熱釋放速率進行有效識別,對于中等尺度火災(zāi),其熱釋放速率識別與實際測量值的決定性系數(shù)可達0.98.該方法的提出為復(fù)雜火災(zāi)場景中火災(zāi)熱釋放速率的識別提供了依據(jù),通過擴大火災(zāi)圖像數(shù)據(jù)庫,該模型的測量范圍和測量精度可以得到進一步改善.這種簡單方便的火災(zāi)熱釋放速率識別方法將為智慧消防系統(tǒng)的構(gòu)建和開發(fā)提供有效的支持.

    [1] Tewarson A. Heat release rate in fires[J].,1980,4(4):185-191.

    [2] Johansson N,Svensson S. Review of the use of fire dynamics theory in fire service activities[J].,2019,55(1):81-103.

    [3] Sun P,Wu C,Zhu F,et al. Microgravity combus-tion of polyethylene droplet in drop tower[J].,2020,222:18-26.

    [4] Xiong C,F(xiàn)an H,Huang X,et al. Evaluation of burning rate in microgravity based on the fuel regres-sion,flame area,and spread rate[J].,2022,237:111846.

    [5] Sun X,Hu L,Zhang X,et al. Experimental study on flame pulsation behavior of external venting facade fire ejected from opening of a compartment[J].,2021,38(3):4485-4493.

    [6] Wu X,Park Y,Li A,et al. Smart detection of fire source in tunnel based on the numerical database and artificial intelligence[J].,2020,57:657-682.

    [7] Wu X,Zhang X,Huang X,et al. A real-time forecast of tunnel fire based on numerical database and artificial intelligence[J].,2022,15(4):511-524.

    [8] Su L,Wu X,Zhang X,et al. Smart performance-based design for building fire safety:Prediction of smoke motion via AI[J].,2021,43:102529.

    [9] Zhang T,Wang Z,Wong H Y,et al. Real-time forecast of compartment fire and flashover based on deep learning[J].,2021:100310.

    [10] 蔣亞強,王自龍,黃鑫炎. 基于人工智能的外立面開口火溢流溫度場預(yù)測[J]. 消防科學與技術(shù),2021,40:827-830.

    Jiang Yaqiang,Wang Zilong,Huang Xinyan. Artificial intelligence based facade spilled flame temperature field prediction[J].,2021,40:827-830(in Chinese).

    [11] 陳培豪,肖 鐸,劉 泓. 基于深度學習的視頻火災(zāi)識別算法[J]. 燃燒科學與技術(shù),2021,27(6):695-700.

    Chen Peihao,Xiao Duo,Liu Hong. Video fire detec-tion algorithm based on deep learning[J].,2021,27(6):695-700(in Chinese).

    [12] 蔣珍存,溫曉靜,董正心,等. 基于深度學習的VGG16 圖像型火災(zāi)探測方法研究[J]. 消防科學與技術(shù),2021,40:375-377.

    Jiang Zhencun,Wen Xiaojing,Dong Zhengxin,et al. Research on fire detection of improved VGG16 image recognition based on deep learning[J].,2021,40:375-377(in Chinese).

    [13] Wang Z,Zhang T,Wu X,et al. Predicting transient building fire based on external smoke images and deep learning[J].,2022,47:103823.

    [14] Wang Z,Zhang T,Huang X. Predicting real-time fire heat release rate based on flame images and deep learning[J].,2023,39(3):4115-4123.

    [15] Bundy M. User’s Guide for Fire Calorimetry Database (FCD)[R]. Gaithersburg:National Institute of Stan-dards and Technology,2020.

    [16] Bryant R A,Ohlemiller T J,Johnsson E L,et al. The NIST 3 Megawatt Quantitative Heat Release Rate Facility[R]. Gaithersburg:National Institute of Standards and Technology,2003.

    [17] Liu Z,Lin Y,Cao Y,et al. Swin transformer:Hierarchical vision transformer using shifted windows[C]//. 2021,10012-10022.

    [18] Zhang L,Wen Y. A transformer-based framework for automatic COVID19 diagnosis in chest CTs[C]//. 2021:513-518.

    [19] Gao L,Zhang J,Yang C,et al. Cas-VSwin transformer:A variant swin transformer for surface-defect detection[J].,2022,140:103689.

    [20] Kim J H,Kim N,Won C S. Facial Expression Rec-ognition with Swin Transformer[EB/OL]. https://doi. org/10.48550/arXiv.2203.13472.2022.

    [21] Zou G W,Huo Y,Chow W K,et al. Modelling of heat release rate in upholstered furniture fire[J].,2018,42(4):374-385.

    A Method for Calculating Heat Release Rates Based on Fire Images and Artificial Intelligence

    Wang Zilong,Zhang Tianhang,Huang Xinyan

    (Department of Building Environment and Energy Engineering,The Hong Kong Polytechnic University,Hong Kong 900777,China)

    The heat release rate(HRR)of a fire is one of the critical parameters in describing the fire behavior and hazard. However,due to the complexity of fire scenarios,traditional methods of measuring HRR cannot be applied. This study aims to explore a HRR prediction method based on artificial intelligence in fire scenarios,which will facilitate the identification of fire intensity and provide support for fire emergency rescue. The deep learning model(Swin Transformer)for HRR calculation is trained on the publicly available fire calorimetric database from the National Institute of Standards and Technology,which contains 89 fire tests and over 50000 fire images taken at different times. The obtained model can identify the size of the fire in real time based on the fire images taken in the fire scenario.The results show that even in different fire scenarios,the deep learning model can effectively identify HRR based on the fire images,which will provide effective support for the development of future intelligent fire systems.

    fire images;artificial intelligence;fire calorimetry;Swin Transformer

    TK16

    A

    1006-8740(2024)01-0069-06

    2023-02-28.

    香港研究資助局資助項目(T22-505/19-N).

    王自龍(1996— ),男,博士后,zilong.wang@connect.polyu.hk.

    黃鑫炎,男,博士,副教授,博士生導(dǎo)師,xy.huang@polyu.edu.hk.

    (責任編輯:梁 霞)

    猜你喜歡
    火焰火災(zāi)速率
    《火焰》
    最亮的火焰
    “化學反應(yīng)的速率與限度”知識與能力提升
    漂在水上的火焰
    速度和速率有什么不同
    遇火災(zāi)怎么辦?
    吹不滅的火焰
    學與玩(2017年6期)2017-02-16 07:07:22
    掌握火災(zāi)逃生知識
    不同冷卻速率下低壓轉(zhuǎn)子鋼30Cr2Ni4MoV的凝固組織
    上海金屬(2014年5期)2014-12-20 07:58:39
    蓮心超微粉碎提高有效成分的溶出速率
    熟妇人妻久久中文字幕3abv| 日韩亚洲欧美综合| 哪里可以看免费的av片| 波多野结衣高清作品| 精品久久国产蜜桃| 99国产精品一区二区蜜桃av| 国产成人影院久久av| 亚洲人成电影免费在线| 麻豆av噜噜一区二区三区| 午夜福利视频1000在线观看| 一级作爱视频免费观看| 久久99热6这里只有精品| 美女cb高潮喷水在线观看| 欧美黑人巨大hd| 亚洲av电影在线进入| 丰满乱子伦码专区| 欧美性猛交╳xxx乱大交人| 一夜夜www| 欧美成人a在线观看| 欧美成狂野欧美在线观看| 欧美另类亚洲清纯唯美| 白带黄色成豆腐渣| www.色视频.com| 嫩草影院新地址| 午夜免费激情av| 国产亚洲欧美98| 日日夜夜操网爽| 亚洲国产高清在线一区二区三| 少妇丰满av| 嫩草影院新地址| 又爽又黄无遮挡网站| 欧美日本视频| 成人三级黄色视频| 我要搜黄色片| 亚洲av不卡在线观看| 国产在线男女| 自拍偷自拍亚洲精品老妇| 丰满乱子伦码专区| 国产成人欧美在线观看| 老熟妇乱子伦视频在线观看| 国产精品久久久久久精品电影| 丝袜美腿在线中文| 别揉我奶头 嗯啊视频| 757午夜福利合集在线观看| 日韩欧美精品v在线| 亚洲性夜色夜夜综合| 国产精品美女特级片免费视频播放器| 9191精品国产免费久久| 丁香欧美五月| 岛国在线免费视频观看| 直男gayav资源| 少妇高潮的动态图| 亚洲综合色惰| 最近在线观看免费完整版| 成人美女网站在线观看视频| 两个人的视频大全免费| 床上黄色一级片| 国产淫片久久久久久久久 | 两个人的视频大全免费| 国产精品三级大全| 美女高潮的动态| 91九色精品人成在线观看| 亚洲av成人不卡在线观看播放网| 国产高清激情床上av| 噜噜噜噜噜久久久久久91| 亚洲五月天丁香| 很黄的视频免费| 欧美中文日本在线观看视频| 性欧美人与动物交配| 丰满人妻熟妇乱又伦精品不卡| 欧美最黄视频在线播放免费| 一本综合久久免费| 1000部很黄的大片| 国产真实伦视频高清在线观看 | 久久精品国产自在天天线| 亚洲一区二区三区不卡视频| 日本黄色片子视频| 老司机午夜福利在线观看视频| 看免费av毛片| 免费看a级黄色片| 一本综合久久免费| 一个人看的www免费观看视频| 久久香蕉精品热| 国产精品影院久久| 黄片小视频在线播放| 一级毛片久久久久久久久女| 午夜精品在线福利| 亚洲久久久久久中文字幕| 尤物成人国产欧美一区二区三区| 国产亚洲精品久久久com| 热99re8久久精品国产| 婷婷丁香在线五月| 亚洲人成网站高清观看| 久久精品国产亚洲av涩爱 | 色av中文字幕| 91麻豆av在线| 免费观看精品视频网站| 免费av不卡在线播放| 亚洲av成人不卡在线观看播放网| 88av欧美| 十八禁国产超污无遮挡网站| a级一级毛片免费在线观看| 免费无遮挡裸体视频| 日韩欧美国产一区二区入口| 搡女人真爽免费视频火全软件 | 成年版毛片免费区| 国产精品,欧美在线| 最近在线观看免费完整版| 99久久精品一区二区三区| 欧美又色又爽又黄视频| 免费人成视频x8x8入口观看| 怎么达到女性高潮| 亚洲精品日韩av片在线观看| 俺也久久电影网| 欧美最黄视频在线播放免费| 婷婷色综合大香蕉| 日韩av在线大香蕉| 高潮久久久久久久久久久不卡| 国产高潮美女av| 国产精品自产拍在线观看55亚洲| 国产精品久久电影中文字幕| 亚洲成人久久性| 一个人免费在线观看的高清视频| 国产成人欧美在线观看| 成年女人看的毛片在线观看| 我要看日韩黄色一级片| 精品日产1卡2卡| 欧美最新免费一区二区三区 | 欧美日韩亚洲国产一区二区在线观看| 三级国产精品欧美在线观看| 少妇裸体淫交视频免费看高清| 成熟少妇高潮喷水视频| 国内精品美女久久久久久| 国产亚洲欧美在线一区二区| 成熟少妇高潮喷水视频| 日韩欧美 国产精品| 嫩草影院精品99| 如何舔出高潮| 99久久久亚洲精品蜜臀av| 听说在线观看完整版免费高清| 一级av片app| 婷婷精品国产亚洲av| 久久中文看片网| 亚洲人成电影免费在线| 成年版毛片免费区| a级毛片免费高清观看在线播放| 欧美中文日本在线观看视频| 亚洲一区二区三区色噜噜| 久久久久久大精品| 在线播放国产精品三级| 欧美又色又爽又黄视频| 午夜免费激情av| 啦啦啦观看免费观看视频高清| 亚洲专区国产一区二区| xxxwww97欧美| 观看免费一级毛片| 国产午夜精品论理片| 99久久九九国产精品国产免费| 悠悠久久av| 日韩中字成人| 欧美性猛交╳xxx乱大交人| 最近在线观看免费完整版| 中文字幕人妻熟人妻熟丝袜美| 一个人看的www免费观看视频| 3wmmmm亚洲av在线观看| 国产美女午夜福利| 看十八女毛片水多多多| 一个人免费在线观看的高清视频| 国产 一区 欧美 日韩| 午夜福利在线观看免费完整高清在 | 国产91精品成人一区二区三区| 可以在线观看的亚洲视频| 久久精品国产亚洲av涩爱 | 色综合婷婷激情| 一a级毛片在线观看| 中亚洲国语对白在线视频| 脱女人内裤的视频| 精品一区二区免费观看| 成人鲁丝片一二三区免费| 免费av不卡在线播放| 国产黄a三级三级三级人| 久久草成人影院| 成人特级黄色片久久久久久久| a级毛片a级免费在线| 人妻久久中文字幕网| 精品国产亚洲在线| 国产高清有码在线观看视频| 国产激情偷乱视频一区二区| 国产伦精品一区二区三区视频9| 日韩亚洲欧美综合| 黄色日韩在线| 欧美一区二区国产精品久久精品| 亚洲天堂国产精品一区在线| 无遮挡黄片免费观看| 性色avwww在线观看| 少妇的逼水好多| 男女做爰动态图高潮gif福利片| 可以在线观看的亚洲视频| 黄色一级大片看看| 乱人视频在线观看| 天堂网av新在线| 国产真实伦视频高清在线观看 | 国产色婷婷99| 久久99热这里只有精品18| 亚洲人与动物交配视频| 精品国产亚洲在线| 日本 欧美在线| 国产av麻豆久久久久久久| 一级a爱片免费观看的视频| 久久九九热精品免费| 中文资源天堂在线| 波多野结衣高清作品| 99久国产av精品| 麻豆久久精品国产亚洲av| 午夜亚洲福利在线播放| 美女被艹到高潮喷水动态| 国产一区二区在线观看日韩| xxxwww97欧美| 日本免费一区二区三区高清不卡| 久久亚洲真实| 熟妇人妻久久中文字幕3abv| 淫秽高清视频在线观看| 久久久久精品国产欧美久久久| 亚洲av成人不卡在线观看播放网| 最近在线观看免费完整版| 又黄又爽又免费观看的视频| 亚洲国产欧美人成| 精品一区二区三区av网在线观看| 国产主播在线观看一区二区| 欧美丝袜亚洲另类 | 精品乱码久久久久久99久播| 中文字幕免费在线视频6| 人妻夜夜爽99麻豆av| 99国产精品一区二区蜜桃av| 国产精品亚洲美女久久久| 亚洲精品色激情综合| 亚洲欧美精品综合久久99| 1000部很黄的大片| 嫩草影院入口| 搡老熟女国产l中国老女人| 88av欧美| 中文字幕熟女人妻在线| 亚洲在线自拍视频| 一进一出好大好爽视频| 精品久久久久久成人av| 国产三级在线视频| 在线免费观看不下载黄p国产 | 国产精品免费一区二区三区在线| 国产亚洲欧美98| 国内精品美女久久久久久| 国产黄色小视频在线观看| 91麻豆av在线| 婷婷精品国产亚洲av| 最新中文字幕久久久久| 国产精品久久久久久人妻精品电影| 免费看日本二区| 一本综合久久免费| 亚洲成人中文字幕在线播放| 乱人视频在线观看| 久久99热6这里只有精品| 国产精品乱码一区二三区的特点| 男人舔女人下体高潮全视频| 18美女黄网站色大片免费观看| 日本一本二区三区精品| 亚洲精品在线观看二区| 狠狠狠狠99中文字幕| 高清在线国产一区| 国产一级毛片七仙女欲春2| 国产精品三级大全| 97超级碰碰碰精品色视频在线观看| 国产午夜精品论理片| 久久精品国产自在天天线| 一边摸一边抽搐一进一小说| 国产综合懂色| 久久精品人妻少妇| 真人一进一出gif抽搐免费| 网址你懂的国产日韩在线| 偷拍熟女少妇极品色| 久久久精品大字幕| 九九久久精品国产亚洲av麻豆| 97超级碰碰碰精品色视频在线观看| 国产极品精品免费视频能看的| 99久久无色码亚洲精品果冻| 在线十欧美十亚洲十日本专区| a级毛片免费高清观看在线播放| 日本一本二区三区精品| 宅男免费午夜| av黄色大香蕉| 搡女人真爽免费视频火全软件 | 男女之事视频高清在线观看| 国产伦一二天堂av在线观看| 欧美性感艳星| 中文资源天堂在线| 听说在线观看完整版免费高清| 免费观看精品视频网站| 亚洲av成人av| 亚洲人成网站高清观看| 亚洲av美国av| 亚洲人成网站高清观看| 久久久久久久久久黄片| 国产色爽女视频免费观看| 国内揄拍国产精品人妻在线| 久久草成人影院| 精品人妻1区二区| 日韩有码中文字幕| 久久热精品热| 午夜精品在线福利| 日本黄大片高清| 久久天躁狠狠躁夜夜2o2o| 久久精品国产亚洲av涩爱 | 亚洲专区国产一区二区| 最近最新免费中文字幕在线| h日本视频在线播放| 欧美日韩乱码在线| 日韩国内少妇激情av| 国产精品精品国产色婷婷| 国产欧美日韩精品一区二区| 长腿黑丝高跟| 窝窝影院91人妻| 日韩欧美三级三区| 国产色爽女视频免费观看| 婷婷六月久久综合丁香| 蜜桃久久精品国产亚洲av| 18禁黄网站禁片免费观看直播| 老司机午夜十八禁免费视频| 人人妻人人澡欧美一区二区| 亚洲欧美激情综合另类| 又粗又爽又猛毛片免费看| 亚洲欧美日韩高清专用| 日韩中文字幕欧美一区二区| 日本一二三区视频观看| 国产精品久久久久久久电影| 欧美xxxx黑人xx丫x性爽| 在线十欧美十亚洲十日本专区| 一级毛片久久久久久久久女| 欧美绝顶高潮抽搐喷水| 91在线精品国自产拍蜜月| 国产成+人综合+亚洲专区| 丰满乱子伦码专区| 午夜日韩欧美国产| 中文字幕熟女人妻在线| 色5月婷婷丁香| 亚洲最大成人av| 国产av麻豆久久久久久久| 欧美精品国产亚洲| 精品国内亚洲2022精品成人| 成年女人永久免费观看视频| 99热精品在线国产| 欧美日韩中文字幕国产精品一区二区三区| 麻豆一二三区av精品| 哪里可以看免费的av片| 天堂网av新在线| 亚洲自偷自拍三级| 国产精品电影一区二区三区| 国产一区二区激情短视频| 午夜精品一区二区三区免费看| 国产私拍福利视频在线观看| 久久人妻av系列| 亚洲av.av天堂| 精品人妻一区二区三区麻豆 | 熟女电影av网| 日本一二三区视频观看| 欧美日韩黄片免| 成年人黄色毛片网站| 精品一区二区三区视频在线观看免费| 毛片女人毛片| 国产爱豆传媒在线观看| 免费在线观看亚洲国产| 村上凉子中文字幕在线| 午夜福利成人在线免费观看| 国产精品av视频在线免费观看| 亚洲美女搞黄在线观看 | 亚洲美女黄片视频| 精品日产1卡2卡| 男人舔女人下体高潮全视频| 在线播放国产精品三级| 美女高潮喷水抽搐中文字幕| 免费在线观看日本一区| 色综合站精品国产| 成人永久免费在线观看视频| 久久久久久久精品吃奶| 精品不卡国产一区二区三区| 亚洲成av人片免费观看| 亚洲专区中文字幕在线| 成年免费大片在线观看| 18禁黄网站禁片免费观看直播| 特大巨黑吊av在线直播| 久久久成人免费电影| 精品人妻一区二区三区麻豆 | 国产精品一区二区性色av| 99在线视频只有这里精品首页| 人妻夜夜爽99麻豆av| 成人性生交大片免费视频hd| 精品人妻1区二区| 欧美丝袜亚洲另类 | 岛国在线免费视频观看| 黄色日韩在线| 欧美成狂野欧美在线观看| 亚洲成人久久性| 狂野欧美白嫩少妇大欣赏| 欧美又色又爽又黄视频| 极品教师在线视频| 一进一出好大好爽视频| 免费观看精品视频网站| 88av欧美| 丰满人妻熟妇乱又伦精品不卡| 欧美日本亚洲视频在线播放| 久久久国产成人免费| 老熟妇乱子伦视频在线观看| 欧美日韩中文字幕国产精品一区二区三区| 色尼玛亚洲综合影院| 亚洲欧美日韩无卡精品| 亚洲av成人不卡在线观看播放网| 俺也久久电影网| 国产精品一区二区三区四区免费观看 | 色视频www国产| 成人av一区二区三区在线看| 久久午夜福利片| 国产精品99久久久久久久久| 嫩草影院精品99| 国产探花极品一区二区| 啪啪无遮挡十八禁网站| 欧美区成人在线视频| 欧美乱妇无乱码| 精品人妻偷拍中文字幕| 一级av片app| 午夜免费成人在线视频| 久久九九热精品免费| 免费搜索国产男女视频| 高潮久久久久久久久久久不卡| 日韩欧美三级三区| 如何舔出高潮| 日韩中文字幕欧美一区二区| 老鸭窝网址在线观看| 18禁裸乳无遮挡免费网站照片| 欧美激情久久久久久爽电影| 九色成人免费人妻av| 久久久久九九精品影院| 欧美日韩瑟瑟在线播放| 欧美性感艳星| 中文字幕高清在线视频| 国产精品免费一区二区三区在线| 色av中文字幕| 亚洲国产精品sss在线观看| 国产成人av教育| 精品国产亚洲在线| 狂野欧美白嫩少妇大欣赏| 国产免费男女视频| 欧美午夜高清在线| 精品日产1卡2卡| 欧美又色又爽又黄视频| 精品久久久久久久末码| 午夜日韩欧美国产| 亚洲精品粉嫩美女一区| 国产精品电影一区二区三区| 久久精品国产亚洲av香蕉五月| 久久久久性生活片| 91久久精品电影网| 一进一出抽搐动态| 男人舔奶头视频| 亚洲欧美日韩高清专用| 中文亚洲av片在线观看爽| 欧美在线一区亚洲| 看黄色毛片网站| 97超视频在线观看视频| 内地一区二区视频在线| www日本黄色视频网| 欧美3d第一页| 国产三级中文精品| 好男人在线观看高清免费视频| 九九在线视频观看精品| 色播亚洲综合网| 成人高潮视频无遮挡免费网站| 嫩草影院精品99| 色综合婷婷激情| 国产亚洲欧美在线一区二区| 国产色婷婷99| 男女床上黄色一级片免费看| 久久久久精品国产欧美久久久| 99久久精品热视频| 国产成人啪精品午夜网站| 搡老岳熟女国产| 一级av片app| 亚洲自拍偷在线| 欧美3d第一页| 精品人妻视频免费看| 亚洲国产色片| 欧美最新免费一区二区三区 | 国模一区二区三区四区视频| 国产精品亚洲美女久久久| 国产三级黄色录像| 人妻丰满熟妇av一区二区三区| 在线免费观看的www视频| 天堂影院成人在线观看| 国产精品av视频在线免费观看| 中文字幕免费在线视频6| 少妇被粗大猛烈的视频| 欧美中文日本在线观看视频| 亚洲真实伦在线观看| 亚洲成a人片在线一区二区| 日韩欧美国产一区二区入口| 午夜激情福利司机影院| 亚洲 国产 在线| 热99re8久久精品国产| 又粗又爽又猛毛片免费看| 熟女人妻精品中文字幕| 日韩欧美 国产精品| 精品熟女少妇八av免费久了| 一进一出抽搐gif免费好疼| 久久久色成人| 悠悠久久av| 欧美日韩福利视频一区二区| 三级国产精品欧美在线观看| 最近在线观看免费完整版| 亚洲中文字幕一区二区三区有码在线看| 亚洲黑人精品在线| 日韩国内少妇激情av| 国产高清有码在线观看视频| 国产精品亚洲美女久久久| 欧美性猛交╳xxx乱大交人| 国产av麻豆久久久久久久| 国产高清视频在线观看网站| 国产成人a区在线观看| 波多野结衣高清作品| 中文字幕久久专区| 国产成人福利小说| 免费一级毛片在线播放高清视频| 国产一区二区激情短视频| 成人精品一区二区免费| 九九热线精品视视频播放| 欧美不卡视频在线免费观看| 午夜精品久久久久久毛片777| www日本黄色视频网| 国产探花在线观看一区二区| 99国产精品一区二区蜜桃av| 日韩免费av在线播放| 亚洲人成网站在线播| 床上黄色一级片| 免费无遮挡裸体视频| 国产美女午夜福利| 久久婷婷人人爽人人干人人爱| 赤兔流量卡办理| 精品久久久久久久末码| 人人妻,人人澡人人爽秒播| 国产在视频线在精品| 舔av片在线| 国产精品久久久久久久电影| 国产成人欧美在线观看| 久久精品影院6| 激情在线观看视频在线高清| 狂野欧美白嫩少妇大欣赏| 久久久成人免费电影| 国产亚洲精品av在线| 男人的好看免费观看在线视频| 无遮挡黄片免费观看| 午夜精品一区二区三区免费看| 两个人视频免费观看高清| 老熟妇仑乱视频hdxx| 日韩欧美在线二视频| 露出奶头的视频| 久久国产精品影院| 亚洲一区高清亚洲精品| 99热只有精品国产| 欧美日韩瑟瑟在线播放| 国产麻豆成人av免费视频| 丰满的人妻完整版| 91狼人影院| 日韩亚洲欧美综合| 日本 av在线| 亚洲成av人片在线播放无| 男人的好看免费观看在线视频| 亚洲国产精品sss在线观看| 啦啦啦韩国在线观看视频| 夜夜爽天天搞| 国产av在哪里看| 欧美一级a爱片免费观看看| 亚洲七黄色美女视频| 久久热精品热| 午夜久久久久精精品| 性色av乱码一区二区三区2| 日韩欧美 国产精品| 日本三级黄在线观看| 亚洲最大成人av| 国产午夜福利久久久久久| 欧美日韩亚洲国产一区二区在线观看| 欧美性猛交黑人性爽| 成人特级黄色片久久久久久久| 亚洲欧美精品综合久久99| www.999成人在线观看| 欧美不卡视频在线免费观看| 很黄的视频免费| 亚洲自偷自拍三级| 国产白丝娇喘喷水9色精品| 久久久久性生活片| www.999成人在线观看| 一个人看的www免费观看视频| 亚洲成a人片在线一区二区| 免费高清视频大片| 欧美最新免费一区二区三区 | 国产精品一区二区性色av| 日本三级黄在线观看| 欧美一区二区亚洲| 91久久精品电影网| 中文字幕人妻熟人妻熟丝袜美| 亚洲av第一区精品v没综合| 久久精品人妻少妇| 国产在线精品亚洲第一网站| 国产高清有码在线观看视频| 久久欧美精品欧美久久欧美| 成人美女网站在线观看视频| 日本 欧美在线| 深夜a级毛片| 少妇的逼水好多| 久久午夜亚洲精品久久| 久久精品国产亚洲av香蕉五月|