亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于截線法的鐵路扣件骨架提取算法

        2019-03-20 13:07:00王志暉李柏林
        關(guān)鍵詞:截線生長點(diǎn)端部

        張 雨,王志暉,李柏林

        (西南交通大學(xué)機(jī)械工程學(xué)院,成都 610031)

        鐵路扣件作為連接鋼軌和軌枕的重要部件,其丟失、斷裂等缺陷會加快鋼軌磨損,增加列車脫軌等事故發(fā)生的可能性,嚴(yán)重影響軌道交通安全,因此扣件檢查是高速鐵路巡檢的重點(diǎn)項(xiàng)目[1]。隨著我國鐵路網(wǎng)建設(shè)的高速發(fā)展,迫切需要提高扣件缺陷的自動化檢測水平[2]。近年來,一些學(xué)者針對鐵路扣件的自動化檢測方法進(jìn)行了積極的探索,提出了一系列的鐵路扣件檢測算法[3-8]。Yang等[6]運(yùn)用方向場理論提取方向字段作為識別特征,在精確定位扣件位置的情況下檢測效果較好,但實(shí)際線路中由于光照不均勻等原因,圖像質(zhì)量存在較大的差異,降低了檢測效果。王珍珍等[7]將邊緣特征作為鐵路扣件缺陷分類的重要依據(jù)。由于現(xiàn)有檢測算法所提取的底層特征受光照和噪聲的影響較大,且難以準(zhǔn)確刻畫扣件狀態(tài),所以算法識別率不高。而基于骨架特征[8-11]的方法是一種將物體形狀細(xì)化的方法,不僅能夠集成物體的幾何和拓?fù)涮匦?,而且可以降低形狀特征維度和算法復(fù)雜度,故而在復(fù)雜圖像的識別方面具有明顯的優(yōu)勢。

        傳統(tǒng)的骨架提取方法所提取的是圖像中目標(biāo)的中軸[12],可以很清晰、簡潔地表述物體形狀,對于輪廓規(guī)則且噪聲較少的目標(biāo)具有較好的識別效果。但是,對于背景區(qū)域復(fù)雜且噪聲較多的圖像來說,直接使用傳統(tǒng)算法生成的骨架會產(chǎn)生很多細(xì)小的分支,從而導(dǎo)致后續(xù)的扣件識別部分難以進(jìn)行,所以必須通過剪枝處理[13-14],去除多余骨架分支。然而,經(jīng)過剪枝處理后的骨架雖然較為精確,但算法的復(fù)雜度和運(yùn)行時間明顯提高,不能滿足算法實(shí)時性的要求。針對這一問題,高立青等[15]提出一種基于截線法的快速骨架提取方法,首先對目標(biāo)圖像進(jìn)行輪廓多邊形離散曲線演化,并由所得顯著凸頂點(diǎn)的類型將輪廓多邊形進(jìn)行分塊;然后分別利用水平線族和豎直線族掃描輪廓塊,將所得割線的中點(diǎn)作為目標(biāo)骨架點(diǎn),進(jìn)而提取出完整的骨架。雖然該方法所得骨架位置不是很精確,但對于復(fù)雜圖像的識別具有較好的效果,與傳統(tǒng)算法相比,時間復(fù)雜度明顯降低,并且可以達(dá)到算法實(shí)時性的要求。

        綜上所述,本文通過引入截線法的概念,提出一種基于截線法的鐵路扣件骨架提取算法,以滿足提高識別準(zhǔn)確度及算法實(shí)時性的要求。

        1 圖像預(yù)處理

        初步采集到的軌道圖像包括鋼軌、軌枕和扣件等多個部件,因此不能直接用于扣件骨架特征提取。本文根據(jù)文獻(xiàn)[16]的算法獲得鋼軌和軌枕的位置信息,并應(yīng)用交叉定位分割出扣件子圖像。由于子圖像中包含有大量的外部噪聲且其中的背景區(qū)域會對骨架提取產(chǎn)生嚴(yán)重干擾,所以需要進(jìn)行預(yù)處理,即先通過單通道的局部二值模式方法進(jìn)行二值化,然后提取包含扣件端部的感興趣區(qū)域。

        水平方向的局部二值模式(Local Binary Pattern, LBP)方法[17],是通過編碼中心像素點(diǎn)與單方向上的鄰域像素點(diǎn)的灰度值大小關(guān)系來編碼局部區(qū)域的紋理信息。本文通過求解水平方向的紋理圖像得到扣件二值圖像。

        中心像素點(diǎn)的單通道LBP編碼值可以表示為

        (1)

        (2)

        Ip(x,y)=I(x,y+R),p=0°

        (3)

        首先對已經(jīng)分割好的圖像如圖1(a)所示使用均值濾波[18]。然后設(shè)定單通道的局部二值模式的鄰域半徑的值為3,并使用公式(1)和(3)計(jì)算水平方向的紋理圖像如圖1(b)所示。最后對所得圖像進(jìn)行極值中值濾波,并使用形態(tài)學(xué)的閉運(yùn)算去除端部孔洞,以得到二值圖像,如圖1(c)所示。

        圖1 扣件二值圖像獲取示意

        2 基于方位距離變換的感興趣區(qū)域提取

        2.1 方位距離變換

        經(jīng)典的歐氏距離變換是先計(jì)算二值圖像中目標(biāo)點(diǎn)像素與距其最近的背景點(diǎn)像素間的歐式距離[19],并把該距離值作為目標(biāo)點(diǎn)像素值,然后采用串行掃描的方法遍歷圖像,最后得到距離場。方位距離變換與歐氏距離變換的不同之處在于只計(jì)算目標(biāo)像素點(diǎn)特定方向上的歐氏距離,從而得到單方向的距離場。

        對于二值圖像上的目標(biāo)像素點(diǎn)I(x1,y1)與在特定方向上距其最近的背景像素點(diǎn)I(x2,y2),其距離值定義為

        D(x1,y1)=

        (4)

        2.2 感興趣區(qū)域提取

        本算法所要尋找的感興趣區(qū)域是扣件的4個端部,扣件的丟失和斷裂也是根據(jù)端部信息進(jìn)行判斷。由于扣件端部與擋板和墊板底部間的空間位置關(guān)系是扣件本身的固有屬性,分別位于扣件上下方,所以可以利用圖像特征,通過方位距離變換求解擋板以及墊板底部區(qū)域的近似骨架特征,進(jìn)而提取感興趣區(qū)域。

        首先對扣件圖像進(jìn)行0°方向的方位距離變換,得到距離場D1。然后對圖像進(jìn)行近似骨架提取。由于擋板以及墊板底部區(qū)域在扣件二值圖像中均為白色長條狀,故可以通過計(jì)算D1中行極大值的方法求解其近似骨架特征。

        yn=ym+D1(xm,ym)

        (5)

        由(xm,ym)和(xm,yn)即可提取出擋板以及墊板底部區(qū)域的近似骨架。如圖2(a)所示。

        最后提取感興趣區(qū)域。提取出骨架特征后,根據(jù)枕肩和墊板底部和扣件間的空間位置關(guān)系分割提取扣件的目標(biāo)區(qū)域,然后將其劃分為Lu、LD、Ru、Rd(左上、左下、右上、右下)四個感興趣區(qū)域,如圖2(b)所示。

        圖2 扣件圖像預(yù)處理示意

        3 基于截線法的扣件骨架提取算法

        本文采用截線法來近似獲取鐵路扣件端部的骨架特征。利用不同方向的方位距離變換計(jì)算扣件各端部區(qū)域的骨架生長點(diǎn),并以該點(diǎn)為中心點(diǎn),沿扣件的彎曲方向利用水平線族和豎直線族掃描扣件端部輪廓,得到截線段后,計(jì)算其中心點(diǎn),依次連接骨架生長點(diǎn)和所有截線中心點(diǎn)即可得到完整的扣件圖像骨架。

        3.1 提取骨架生長點(diǎn)

        分析扣件形狀可知,其端部部分具有較大的彎曲弧度且各部分的彎曲方向互不相同,所以在使用截線法提取扣件端部骨架特征前,需要將每個部分分割為兩個區(qū)域,以便于使用水平線族或豎直線族掃描端部輪廓。但是,通??奂亩瞬枯喞及幸恍└蓴_區(qū)域,而且輪廓曲線不規(guī)則,故難以通過離散曲線演化[20]的方法獲取輪廓顯著凸頂點(diǎn),因此無法利用該方法分割扣件端部部分。方位距離變換是基于圖像目標(biāo)形狀內(nèi)部像素點(diǎn)的圖像處理方法,在對于識別目標(biāo)輪廓不規(guī)則且具有較多干擾區(qū)域的圖像時仍具有顯著的效果,所以通過不同方向的方位距離變換方法來計(jì)算骨架生長點(diǎn),從而實(shí)現(xiàn)對端部部分的分割。

        根據(jù)扣件端部的形狀,所提取的骨架生長點(diǎn)應(yīng)滿足位于扣件端部輪廓的中心位置,即中軸,且端部彎曲弧度較大的位置。

        綜合分析并結(jié)合扣件端部形狀,扣件Lu、Rd、Ld區(qū)域的骨架生長點(diǎn)應(yīng)位于扣件端部彎曲弧度較大位置處135°方向與45°方向截線段中點(diǎn)的交點(diǎn)位置;Ru區(qū)域的骨架生長點(diǎn)應(yīng)位于扣件端部彎曲弧度較大位置處90°方向截線的中點(diǎn)。

        以Lu區(qū)域?yàn)槔瑸檎业綕M足條件的骨架生長點(diǎn),需要計(jì)算扣件端部區(qū)域135°方向與45°方向截線的交點(diǎn)位置,而該交點(diǎn)同時也須是兩段截線段的中點(diǎn)。Lu區(qū)域骨架生長點(diǎn)的計(jì)算步驟如下所示。

        步驟1:對Lu區(qū)域進(jìn)行45°,135°,225°和315°方向的方位距離變換,得到距離場D2、D4、D6和D8。

        步驟2:如圖3所示,以D2、D6相同位置區(qū)域的8×8矩陣為例,由于D2、D6是在相反方向上進(jìn)行的方向歐氏距離變換,故兩矩陣在45°方向的元素值的排列是相反的,同理,D4、D8在135°方向元素值的排列是相反的。若將D2、D6點(diǎn)乘,所得矩陣在45°方向上每一行的最大值點(diǎn)即為該行的中點(diǎn);將D4、D8點(diǎn)乘,所得矩陣在135°方向上每一行的最大值點(diǎn)即為該行的中點(diǎn)。

        圖3 距離場示意

        骨架生長點(diǎn)的計(jì)算方法為:首先對所求距離場進(jìn)行約束,以保證骨架點(diǎn)的位置;然后,分別將D2、D6和D4、D8點(diǎn)乘,以保證實(shí)現(xiàn)約束的同時得到所需的特征矩陣,計(jì)算如式(6)所示

        (6)

        其中,p1、q1、p2、q2和p3、q3、p4、q4分別為D2、D6與D4、D8的約束參數(shù)。由于骨架生長點(diǎn)應(yīng)在矩陣C1與C2在45°、135°方向上的極大值點(diǎn)上,所以對C1與C2進(jìn)行融合,所得矩陣C即為所需特征矩陣。

        C=C1+C2

        (7)

        步驟3:計(jì)算特征矩陣C的極大值點(diǎn)(x1,y1),其中x1為行數(shù),y1為列數(shù)。

        (x1,y1)=max(C)

        (8)

        該極大值點(diǎn)即為所求Lu區(qū)域骨架生長點(diǎn),如圖4(a)所示。其他區(qū)域骨架生長點(diǎn)的提取方法與Lu區(qū)域類似。通過Lu、Ld、Ru、Rd區(qū)域的端部骨架生長點(diǎn)分別沿135°,90°,45°和135°方向做截線,即可將各個扣件端部部分分割為兩個子區(qū)域,然后使用截線法分別掃描所得兩區(qū)域的輪廓以提取骨架節(jié)點(diǎn)。

        圖4 扣件骨架生長點(diǎn)示意

        3.2 提取近似骨架特征

        本文所提取扣件端部骨架節(jié)點(diǎn)的方法與基于歐氏距離變換[21]的骨架化方法不同,主要通過截線法來計(jì)算骨架節(jié)點(diǎn),以替代圖像距離場的局部最大值點(diǎn)。與文獻(xiàn)[13]通過輪廓多邊形的頂點(diǎn)來提取行人骨架的方法存在較大差異的是,本文經(jīng)過預(yù)處理后的扣件輪廓不存在多邊形頂點(diǎn),且處理過的扣件端部輪廓為規(guī)則不明顯的曲線,故本文的截線法采用相同間距的平行線族掃描的方法提取骨架節(jié)點(diǎn),使最終生成的骨架在最大程度上接近端部形狀。本文算法根據(jù)每個扣件感興趣區(qū)域的彎曲情況,分別采用水平截線和豎直截線提取端部骨架,其中,由骨架生長點(diǎn)分割的兩個子區(qū)域的骨架節(jié)點(diǎn)數(shù)應(yīng)相同,從而可以保證扣件圖像骨架特征向量的維度不變,以便于后續(xù)分類算法中的分析計(jì)算。另外,由于水平截線法和豎直截線法在算法上是完全類似的,故下面主要討論水平截線法。

        已知由8個端部子區(qū)域所組成的扣件圖像、骨架生長點(diǎn)的坐標(biāo)(xn,yn)以及扣件端部輪廓C,其中,1≤n≤4;設(shè)扣件端部子區(qū)域的骨架節(jié)點(diǎn)數(shù)為k,水平截線段間的距離為m,故水平截線為x=lm+xn,其中l(wèi)為扣件端部單個子區(qū)域內(nèi)截線的個數(shù),且滿足1≤l≤k;設(shè)任意水平截線與端部輪廓C的交點(diǎn)為(aij,bij)、(aij,bi(j+1)),其中1≤i≤l,1≤j≤2l;計(jì)算兩交點(diǎn)的中點(diǎn)坐標(biāo)rij;對于bij,應(yīng)滿足

        bi(j+1)-bij

        (9)

        式中,pi為兩交點(diǎn)間距離的約束參數(shù)。

        (10)

        對于滿足上述條件的bij、bi(j+1)、rij,則稱點(diǎn)rij為扣件端部輪廓的骨架節(jié)點(diǎn),稱bij、bi(j+1)為骨架點(diǎn)rij的生成點(diǎn),稱點(diǎn)bij到點(diǎn)bi(j+1)距離的一半為rij的截線半徑。

        以Lu區(qū)域?yàn)槔齺斫榻B截線法算法步驟。

        步驟1:由上節(jié)方法已經(jīng)計(jì)算出Lu區(qū)域的骨架生長點(diǎn)(x1,y1),并以此點(diǎn)為中心,由端部向下彎曲的方向等間距的作水平截線,使水平截線的個數(shù)為4,生長點(diǎn)與截線、截線與截線間的間距相同,如圖5(a)所示。經(jīng)過大量實(shí)驗(yàn),將該間距m設(shè)定為5,故水平截線

        x=x1+5l

        (11)

        式中,參數(shù)l滿足1≤l≤4。

        步驟2:所需的截線只需求與扣件端部輪廓相交的部分,故可以通過不同方向的方位距離變換的方法,求解截線與輪廓線的交點(diǎn)。以骨架生長點(diǎn)下的第一個截線段的求解為例,過程如下:

        首先,已知計(jì)算出的距離場D1與所求交點(diǎn)的行數(shù)a11,求解D1在Lu區(qū)域a11行的極大值點(diǎn),并對所求解的區(qū)域設(shè)定約束。

        (12)

        式中,c1為像素點(diǎn)(a11,b11)處的像素值,同時也是該行的極大值。

        然后,根據(jù)計(jì)算得到的極大值點(diǎn)求解a11行的另外一個交點(diǎn)

        b12=b11+c1

        (13)

        由于扣件二值圖像端部的彎曲形狀不規(guī)則,很容易導(dǎo)致所得截線不符合所需截線的要求。如圖5(a)所示,由骨架生長點(diǎn)向下方的第三、四條截線因?yàn)榇嗽蜻^長,導(dǎo)致生成的骨架不能準(zhǔn)確表示端部形狀。針對該情況,由公式(11)設(shè)定相對應(yīng)的約束參數(shù),進(jìn)而使第三條截線的第一個交點(diǎn)與第二條截線第一個交點(diǎn)滿足一定的約束關(guān)系,然后使第四條截線的第一個交點(diǎn)與第三條截線的第一個交點(diǎn)滿足一定的約束關(guān)系,最終效果如圖5(b)所示。最后,依次計(jì)算所有水平截線段的交點(diǎn)坐標(biāo),求解方法與上述計(jì)算過程相同。

        圖5 水平截線法約束示意

        步驟3:計(jì)算出所有水平截線段后,再求解截線段的中點(diǎn)即所求骨架節(jié)點(diǎn)rij。以Lu區(qū)域的第一條水平截線為例,其骨架節(jié)點(diǎn)坐標(biāo)(x11,y11)的計(jì)算方法為

        (14)

        通過上述方法計(jì)算出所有的骨架節(jié)點(diǎn)坐標(biāo),將其依次連接,之后再連接骨架生長點(diǎn),即可得到Lu區(qū)域第一個子區(qū)域的骨架,如圖6(a)所示。Lu區(qū)域骨架生長點(diǎn)的右上方為另一子區(qū)域,該區(qū)域采用豎直截線法來求解骨架節(jié)點(diǎn),方法同上述用水平截線法求骨架節(jié)點(diǎn)。通過計(jì)算得到該子區(qū)域所有的骨架點(diǎn)并依次連接,之后再與骨架生長點(diǎn)相連,實(shí)驗(yàn)結(jié)果如圖6(b)所示。最后去除所有的截線段,即可得到完整的Lu區(qū)域骨架,如圖6(c)所示。

        按照上述Lu區(qū)域的骨架提取算法即可依次求解扣件所有感興趣區(qū)域的骨架節(jié)點(diǎn)位置,然后連接各個區(qū)域的骨架節(jié)點(diǎn),得到最終的扣件骨架圖像,如圖6(d)所示。

        圖6 扣件圖像骨架生成示意

        3.3 算法流程

        本文算法的基本流程共分為兩個階段,如圖7所示。第一階段為預(yù)處理階段,首先對原始的扣件圖像進(jìn)行濾波,然后通過水平方向的局部二值模式方法實(shí)現(xiàn)圖像的二值化,通過提取圖像中枕肩以及墊板底部區(qū)域的近似骨架特征得到扣件感興趣區(qū)域;第二階段為扣件端部骨架提取階段,先根據(jù)扣件的骨架生長點(diǎn)的要求對扣件圖像進(jìn)行不同方向的方位距離變換,然后計(jì)算骨架生長點(diǎn)坐標(biāo),并通過截線法來提取扣件端部骨架點(diǎn),最后連接各點(diǎn)得到完整的扣件端部骨架。

        圖7 扣件檢測算法流程

        4 實(shí)驗(yàn)結(jié)果與分析

        4.1 數(shù)據(jù)集設(shè)置

        為了進(jìn)一步測試本文算法的實(shí)用性以及綜合性能,首先需要選用合適的扣件樣本圖像庫。本文采用的圖像庫充分考慮了各種工況條件,從采集的圖像中選擇2 400張組成圖片庫,其中包括各種工況圖像;正常圖像1 200張、缺陷扣件圖像如斷裂、丟失和道砟遮擋等狀況的圖像各400張,其中扣件圖像均為120×180像素灰度圖。本文在Matlab2014a的實(shí)驗(yàn)環(huán)境下進(jìn)行檢測。每次實(shí)驗(yàn)隨機(jī)抽取正常狀態(tài)的圖像300張,斷裂、丟失和道砟遮擋等狀況的圖像各100張。重復(fù)抽取4次,得到4組實(shí)驗(yàn)數(shù)據(jù)。實(shí)驗(yàn)結(jié)果取4組數(shù)據(jù)結(jié)果的平均值。

        4.2 實(shí)驗(yàn)及結(jié)果分析

        為了驗(yàn)證本文算法對于各種缺陷狀況的分類能力與魯棒性,本實(shí)驗(yàn)針對正常、丟失、斷裂以及大量道砟遮擋等多種扣件圖像進(jìn)行骨架特征的提取,如圖8所示;然后統(tǒng)計(jì)各種狀況下對扣件缺陷狀況的識別率。

        圖8 不同缺陷狀況下的扣件端部骨架提取

        設(shè)定判斷扣件是否正常的準(zhǔn)則為:若各感興趣區(qū)域的骨架特征均存在,則判定該扣件為正??奂?;反之,若骨架特征在任何一個感興趣區(qū)域不存在,則判定該扣件為缺陷扣件。具體實(shí)驗(yàn)步驟如下。

        (1)從原始圖片庫中抽取正常圖像1 200張,斷裂、丟失、大量道砟遮擋等狀況的扣件圖像各400張組成實(shí)驗(yàn)樣本庫。

        (2)在實(shí)驗(yàn)樣本庫中隨機(jī)抽取正常狀態(tài)的圖像300張,斷裂、丟失和道砟遮擋等狀況的圖像各100張。重復(fù)抽取4次,得到4組實(shí)驗(yàn)數(shù)據(jù)。

        (3)對于每種狀況分別進(jìn)行實(shí)驗(yàn),提取出每類扣件圖像的骨架特征。其中,如圖8(a)所示,若扣件左側(cè)發(fā)生斷裂,其骨架特征在左側(cè)部分均不存在;如圖8(b)所示,對于扣件丟失的情況,所提骨架特征在各區(qū)域均不存在。如圖8(c)所示,扣件左側(cè)下方出現(xiàn)遮擋的情況,故所提骨架特征只在左側(cè)下方部分不存在。

        (4)統(tǒng)計(jì)截線法在不同狀況下的識別率,并對統(tǒng)計(jì)結(jié)果進(jìn)行分析,實(shí)驗(yàn)結(jié)果取4組數(shù)據(jù)結(jié)果的平均值。最終結(jié)果如表1所示。

        表1 本文算法不同狀況下的識別率

        由表1可知:截線法在扣件不同缺陷狀況下均有較高的識別率,對于斷裂的情況識別率為99.25%,道砟遮擋的情況識別率為98%,丟失的情況識別率為100%。說明本文算法在識別缺陷扣件時具有較強(qiáng)的應(yīng)用優(yōu)勢,并且實(shí)驗(yàn)所需時間較短,滿足算法實(shí)時性要求。

        5 結(jié)論

        為了能夠精確描述鐵路扣件端部形狀,提出了一種基于截線法的鐵路扣件骨架提取算法。首先,利用多種預(yù)處理方法提取感興趣區(qū)域;其次,計(jì)算扣件端部的骨架生長點(diǎn),實(shí)現(xiàn)對各端部區(qū)域的有效分割;然后,使用截線法對分割區(qū)域進(jìn)行骨架點(diǎn)提??;最后,連接各區(qū)域骨架點(diǎn),形成完整的骨架特征。實(shí)驗(yàn)表明,通過截線法所提取的骨架特征,能夠?qū)崿F(xiàn)對扣件端部形狀的準(zhǔn)確描述,而且對于扣件的整體結(jié)構(gòu)的表達(dá)更加準(zhǔn)確。對于復(fù)雜圖像的識別具有較好的效果,在識別缺陷扣件時具有較強(qiáng)的應(yīng)用優(yōu)勢,算法時間較短,可以達(dá)到實(shí)時性的要求。

        猜你喜歡
        截線生長點(diǎn)端部
        大型水輪發(fā)電機(jī)繞組端部電暈問題探討
        彈簧扁鋼51CrV4端部開裂原因分析
        新疆鋼鐵(2021年1期)2021-10-14 08:45:38
        圓錐截線與玫瑰線
        大型汽輪發(fā)電機(jī)定子繞組端部振動抑制措施的探索
        能源工程(2020年6期)2021-01-26 00:55:18
        混合:教學(xué)模式的生長點(diǎn)
        教書育人(2020年11期)2020-11-26 06:00:22
        基于激光雷達(dá)及視頻分析的站臺端部防入侵告警系統(tǒng)
        觀三線 抓特點(diǎn) 辨八角
        不斷蓬勃發(fā)展 不斷涌現(xiàn)新生長點(diǎn)的無機(jī)材料
        --先進(jìn)無機(jī)材料論壇例記(Ⅱ)
        不斷蓬勃發(fā)展 不斷涌現(xiàn)新生長點(diǎn)的無機(jī)材料
        --先進(jìn)無機(jī)材料論壇例記(Ⅰ)
        平行線中的“截線”
        中文字幕乱码一区在线观看 | 久久不见久久见免费视频7| 成人不卡国产福利电影在线看| 国产精品日韩中文字幕| 国产av一区二区日夜精品剧情| 亚洲一区二区日韩专区| 欧美三级不卡在线观看| 国产农村乱子伦精品视频| 国产成人乱色伦区小说| 伊人不卡中文字幕在线一区二区| 久久精品人妻一区二三区| 久久精品国产亚洲av超清| 亚洲av日韩aⅴ无码色老头| 精品亚洲国产成人av| 国产精品一区二区三区精品| 久久这黄色精品免费久| 成人影院视频在线免费观看| 亚洲av无码久久| 欧美丰满大屁股ass| 久久午夜无码鲁丝片直播午夜精品| 91亚洲精品久久久中文字幕| 青青草在线免费视频播放| 少妇人妻在线无码天堂视频网 | 浓毛老太交欧美老妇热爱乱| 一本一道av无码中文字幕﹣百度| 亚洲性无码av在线| 中文字幕乱码中文乱码毛片| 激情五月六月婷婷俺来也| 在线麻豆精东9制片厂av影现网| 日韩欧美亚洲综合久久影院ds| 欧洲熟妇乱xxxxx大屁股7| 午夜天堂精品一区二区| 一区二区在线观看日本视频| 午夜成人理论福利片| 熟女人妻在线视频| 无码国产精品一区二区AV| 97人妻中文字幕总站| 亚洲精品一区久久久久一品av| 99re热视频这里只精品| 国产av专区一区二区三区| 亚洲无人区一码二码国产内射|