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

        ?

        一種新的礦井監(jiān)控視頻增強(qiáng)目標(biāo)檢測(cè)算法

        2019-09-10 07:22:44王樹奇劉貝鄒斐
        關(guān)鍵詞:小波變換圖像處理

        王樹奇 劉貝 鄒斐

        摘要:由于礦井下光線不足,照度低且粉塵大,造成監(jiān)控視頻圖像存在昏暗和模糊問題,利用小波變換獲取視頻畫面中的不同頻率分量信息,首先對(duì)低頻分量采用暗原色先驗(yàn)進(jìn)行去霧處理,然后用閾值濾波對(duì)高頻分量進(jìn)行消噪,將處理以后的低頻分量和高頻分量進(jìn)行融合,重構(gòu)小波函數(shù),實(shí)現(xiàn)圖像的增強(qiáng)。仿真實(shí)驗(yàn)結(jié)果表明所提算法能提高圖像對(duì)比度,增強(qiáng)圖像細(xì)節(jié)信息,淡化濃霧、抑制噪聲等方面有較好的效果。在礦井運(yùn)動(dòng)目標(biāo)檢測(cè)中,為了改善傳統(tǒng)混合高斯模型像素點(diǎn)不能精確匹配及參數(shù)迭代速度慢的問題,采用三幀差分法融合混合高斯背景模型,融合后的算法有效消除了背景更新不及時(shí)而導(dǎo)致的畫面鬼影現(xiàn)象,而且運(yùn)算速度得到明顯提升,實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)實(shí)時(shí)追蹤的需求。仿真實(shí)驗(yàn)結(jié)果表明所提算法相對(duì)傳統(tǒng)混合高斯模型算法不僅能夠快速的檢測(cè)出運(yùn)動(dòng)目標(biāo),而且檢測(cè)圖像邊緣細(xì)節(jié)信息更加清晰,并且能夠解決物體遮擋等問題,為礦井視頻信息處理和人員安全監(jiān)測(cè)奠定了良好的基礎(chǔ)。

        關(guān)鍵詞:圖像處理;小波變換;混合高斯模型;三幀差分法;運(yùn)動(dòng)目標(biāo)檢測(cè)

        中圖分類號(hào):TP 391.4文獻(xiàn)標(biāo)志碼:A

        DOI:10.13800/j.cnki.xakjdxxb.2019.0223文章編號(hào):1672-9315(2019)02-0347-07

        0引言

        為了對(duì)煤礦井下安全生產(chǎn)人員進(jìn)行有效檢測(cè)與追蹤,必須克服礦井下光線不足,照度低且粉塵大對(duì)監(jiān)控圖像的影響問題,因此低照度圖像的增強(qiáng)至關(guān)重要。本文研究的圖像增強(qiáng)算法和目標(biāo)檢測(cè)算法是在煤礦井下的環(huán)境中實(shí)現(xiàn)的。傳統(tǒng)的圖像增強(qiáng)方法[1]有頻域和空域增強(qiáng)兩種,主要方法有小波變換、Contourlet[2]變換等。高銀等提出了基于四階偏微分方程(PDE)模型的暗原色理論霧天圖像增強(qiáng)算法研究,這種模型在圖像增強(qiáng)的整體和細(xì)節(jié)方面效果較好[3]。LiYing等提出了一個(gè)參數(shù)化的新閾值函數(shù),,新閾值函數(shù)提高了去噪信號(hào)的信噪比,減小了均方誤差,能夠?qū)崿F(xiàn)對(duì)噪聲的邊緣抑制并且增加邊緣信息[4]。趙鴻圖等提出一種基于三次樣條插值的改進(jìn)去噪算法,解決了交替投影法存在的計(jì)算量大和收斂速度慢問題[5]。夏欣雨等對(duì)模糊熵理論和小波分解進(jìn)行了研究,把原始圖像通過小波分解為高、低頻分量,對(duì)高低頻分量采用不同的算法處理進(jìn)行圖像增強(qiáng)[6],但是此類算法在特定礦井環(huán)境中增強(qiáng)圖像效果不明顯。因此提出一種基于小波變換和暗原色先驗(yàn)去霧相融合的算法,不僅能解決光照不均,提高圖像對(duì)比度,而且有效抑制圖像噪聲,增強(qiáng)了圖像細(xì)節(jié),突出運(yùn)動(dòng)目標(biāo)的邊緣信息保持能力。

        運(yùn)動(dòng)目標(biāo)檢測(cè)是將運(yùn)動(dòng)目標(biāo)從靜態(tài)背景中分離出來的技術(shù),是進(jìn)行視頻分析最關(guān)鍵的一步。目前運(yùn)動(dòng)目標(biāo)檢測(cè)算法主要有光流場(chǎng)法[7-8]、背景減除法[9-10]和幀間差分法[11-13]等,田小平等人在通過幀間差分法視頻圖像中檢測(cè)得到運(yùn)動(dòng)目標(biāo),并對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行了分類[14];李曉瑜和馬大中針對(duì)光照突變產(chǎn)生的鬼影現(xiàn)象,采用三幀差分法融合高斯模型進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)[15];施龍超等人針對(duì)基于卡爾曼濾波的背景差分算法存在背景更新不自適應(yīng),對(duì)光照變化、物體移入移出敏感等問題,提出了一種改進(jìn)的以分類分塊為核心的背景差分算法[16]。Ridder與Munkelt、Kirchner根據(jù)不同場(chǎng)景下光照強(qiáng)度的變化,提出了基于卡爾曼濾波的背景模型,提高了運(yùn)動(dòng)目標(biāo)的檢測(cè)效果[17];黃大衛(wèi)提出一種基于分塊模型更新的單高斯背景建模方法[18];張燕平等人引入了分塊建模的思想,提高了目標(biāo)檢測(cè)的速率[19];汪成亮等人通過減少了偵測(cè)掃描區(qū)域,并提出一種PCAHOG描述子,從而提升了人體檢測(cè)速度[20];習(xí)通針對(duì)計(jì)算圖像中特定像素點(diǎn)的光流矢量,提出一種基于稀疏光流的目標(biāo)檢測(cè)算法[21]。實(shí)際場(chǎng)景中光流場(chǎng)檢測(cè)效果會(huì)受遮擋、多光源、透明性和噪聲等干擾因素影響,并且該方法計(jì)算量大;背景減除法會(huì)因背景的更新導(dǎo)致算法的復(fù)雜性增加,實(shí)時(shí)性變差;幀間差分法原理簡(jiǎn)單,魯棒性好,但是容易產(chǎn)生“空洞”。由于煤礦生產(chǎn)環(huán)境特殊,不僅井下燈光昏暗,而且具有粉塵,導(dǎo)致圖像中的運(yùn)動(dòng)目標(biāo)模糊和邊界不明顯等問題,漏檢和誤檢率較高,為了避免產(chǎn)生"空洞"現(xiàn)象并且提取清晰的運(yùn)動(dòng)目標(biāo)輪廓,提出了一種基于混合高斯模型和三幀差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,不僅可以消除因?yàn)楸尘案虏患皶r(shí)造成的圖像鬼影和空洞,而且能夠較好的保留被檢測(cè)目標(biāo)的邊緣輪廓。

        1基于小波變換的礦井圖像增強(qiáng)算法

        一幅圖像經(jīng)過小波分解后,低頻分量代表對(duì)人體視覺成像影響較大的細(xì)節(jié)信息,高頻分量則包含著圖像邊緣信息和噪聲,通過暗原色先驗(yàn)知識(shí)對(duì)經(jīng)過小波分解后的低頻分量進(jìn)行去霧處理,并對(duì)高頻分量用半軟閾值濾波法進(jìn)行消噪,對(duì)兩個(gè)處理以后的分量進(jìn)行融合,實(shí)現(xiàn)增強(qiáng)后的圖像重構(gòu)。

        1.1圖像增強(qiáng)的算法步驟

        圖像增強(qiáng)的算法步驟如下

        1)輸入煤礦井下低照度圖像f(x,y);

        2)對(duì)f(x,y)進(jìn)行小波分解,獲得低頻分量c1;

        3)使用暗原色先驗(yàn)去霧算法對(duì)c1進(jìn)行去霧處理,得處理后的分量c3;

        4)對(duì)低照度圖像f(x,y)小波分解得到的高頻分量c2采用半軟閥值法進(jìn)行消噪,得到處理后的分量c4;

        5)融合分量c4和分量c3重構(gòu)圖像。

        1.2圖像增強(qiáng)的算法流程圖

        基于小波變換的礦井圖像增強(qiáng)算法流程如圖1所示。

        傳統(tǒng)的高斯背景模型的更新速率是統(tǒng)一的,因此背景模型不能得到及時(shí)的更新,從而造成實(shí)際場(chǎng)景未能實(shí)時(shí)變化,也就是說真實(shí)的場(chǎng)景不能被表示,導(dǎo)致無法達(dá)到安全生產(chǎn)視頻監(jiān)控的要求。所以實(shí)際操作時(shí)需要根據(jù)圖像不同的塊特點(diǎn)選擇相應(yīng)的速率值。通常在初始化時(shí)取一個(gè)較大的T值來確定B值,對(duì)于單模態(tài)區(qū)域,使B=1更新速率θ賦值一個(gè)較小的值;對(duì)于多模態(tài)區(qū)域,通常B滿足1

        對(duì)于監(jiān)控視頻場(chǎng)景中存在長(zhǎng)期靜止的物體,如果發(fā)生突然運(yùn)動(dòng),采用混合高斯模型對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)則容易出現(xiàn)檢測(cè)錯(cuò)誤,此外運(yùn)動(dòng)物體的陰影區(qū)域也很難建模,存在檢測(cè)精度達(dá)不到要求的問題。三幀差分法則克服了該缺點(diǎn),對(duì)運(yùn)動(dòng)物體進(jìn)行建模時(shí)具有較好的效果,整個(gè)運(yùn)動(dòng)目標(biāo)的檢測(cè)精度和效率獲得極大提高。

        改進(jìn)的混合高斯背景模型融入了三幀差分法的原理,首先對(duì)視頻序列進(jìn)行三幀差分,兩兩計(jì)算差分得到差分圖像,然后對(duì)得到的圖像采用改進(jìn)的混合高斯背景建模法分別進(jìn)行處理,將獲得的含有目標(biāo)的2個(gè)差分圖像進(jìn)行邏輯與運(yùn)算,最后經(jīng)過形態(tài)學(xué)處理,對(duì)其進(jìn)行去除噪聲和填充“空洞”,從而提取出礦井下的人員目標(biāo)。

        4仿真結(jié)果與分析

        通過VS2013與OpenCv2.4.9從主觀和客觀2個(gè)方面對(duì)改進(jìn)算法進(jìn)行仿真實(shí)驗(yàn),計(jì)算機(jī)主頻和內(nèi)存分別為3 GHz和3 GB,礦井視頻圖像增強(qiáng)仿真結(jié)果如圖4,圖5(a)~(b)所示,礦井視頻運(yùn)動(dòng)目標(biāo)檢測(cè)仿真結(jié)果如圖6(a)~(c)所示。

        圖4(b)和圖5(b)中圖像的亮度明顯提升,圖像的紋理和邊緣更加清晰,行人的輪廓和支護(hù)的形狀更易分辨,不僅實(shí)現(xiàn)了圖像的消噪處理,而且增強(qiáng)了圖像的細(xì)節(jié)信息,而融合的暗原色先驗(yàn)算法也獲得除塵去霧的預(yù)期,為目標(biāo)檢測(cè)奠定了堅(jiān)實(shí)的基礎(chǔ)。

        圖6(a)中的檢測(cè)結(jié)果邊界不完整而且存在嚴(yán)重的鬼影,圖6(b)中改進(jìn)的高斯背景建模方法性能有所改善,可是依然存在鬼影的現(xiàn)象,通過對(duì)視頻幀圖像進(jìn)行分塊處理來進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè),并改進(jìn)了更新速率,運(yùn)算量大幅度降低。文中改進(jìn)的高斯背景建模融合三幀差分法檢測(cè)結(jié)果如圖6(c)所示,運(yùn)動(dòng)目標(biāo)輪廓清晰,完整性好,有效地消除了高斯背景模型更新不及時(shí)所產(chǎn)生的鬼影現(xiàn)象,完整的保留了其檢測(cè)的目標(biāo)輪廓。

        表1為高斯混合模型和改進(jìn)的高斯混合模型的誤檢率和漏檢率,可見文中算法對(duì)礦井環(huán)境下運(yùn)動(dòng)目標(biāo)檢測(cè)精確度顯著提升,對(duì)于誤檢和漏檢視頻信息進(jìn)行分析,原因是在視頻監(jiān)控中長(zhǎng)期靜止不動(dòng)的目標(biāo),突然發(fā)生運(yùn)動(dòng),則會(huì)導(dǎo)致混合高斯背景模型無法及時(shí)對(duì)背景進(jìn)行更新而造成的。

        5結(jié)論

        1)小波分解與暗原色先驗(yàn)去霧相融合的算法能夠有效去除圖像噪聲,淡化濃霧、提高圖像對(duì)比度以及解決光照不均等問題。改進(jìn)的高斯背景模型融入三幀差分法,消除了高斯背景模型由于背景更新不及時(shí)而產(chǎn)生的鬼影現(xiàn)象,算法的運(yùn)算量降低,運(yùn)算速度有效提升,達(dá)到煤礦安全生產(chǎn)監(jiān)控目標(biāo)識(shí)別的實(shí)時(shí)性要求;

        2)三幀差分法能準(zhǔn)確迅速的定位運(yùn)動(dòng)目標(biāo),將混合高斯背景模型與三幀差分法相融合能克服漏檢和誤檢等問題,利用混合高斯背景模型獲得背景模板,處理中將當(dāng)前幀圖像中的背景進(jìn)行消除,然后選取合適的閾值,獲得了能夠抑制運(yùn)動(dòng)目標(biāo)陰影的前景圖像,算法檢測(cè)的運(yùn)動(dòng)目標(biāo)輪廓比較完整,能夠?qū)⒈尘昂湍繕?biāo)完整的區(qū)分出來,為煤礦安全生產(chǎn)奠定良好的基礎(chǔ)。

        參考文獻(xiàn)(References):

        [1]李利華,欒曉峰.基于空域、頻域和時(shí)間域的復(fù)合圖像增強(qiáng)方法[J].醫(yī)療裝備,2018,31(1):45-46.

        LI Lihua,LUAN Xiaofeng.Composite image enhancement method based on airspace,frequency domain and time domain[J].Medical Equipment,2018,31(1):45-46.

        [2]趙翱東,奚茂龍,葉茜.基于奇異值分解和非下采樣Contourlet變換的紅外圖像增強(qiáng)新算法[J].山東農(nóng)業(yè)大學(xué)學(xué)報(bào),2018,49(5):852-855.

        ZHAO Aodong,XI Maolong,YE Qian.A new infrared image enhancement algorithm based on singular value decomposition and? nonsubsampled contourlet transform[J].Journal of Shandong Agricultural University,2018,49(5):852-855.

        [3]高銀,云利軍,石俊生.基于四階PDE模型的暗原色理論霧天圖像增強(qiáng)算法[J].南京理工大學(xué)學(xué)報(bào),2015,39(5):544-549.

        GAO Yin,YUN Lijun,SHI Junsheng.A fogday image enhancement algorithm based on fourthorder PDE model for dark primary color theory[J].Journal of Nanjing University of Science and Technology,2015,39(5):544-549.

        [4]盧光森,李瑩,馬敏.基于新閾值函數(shù)的小波閾值去噪算法[J].傳感器與微系統(tǒng),2017,36(12):141-144.

        LU Guangsen,LI Ying,MA Min.Wavelet threshold denoising algorithm based on new threshold function[J].Transducer and Microsystem,2017,36(12):141-144.

        [5]趙洪圖,劉云.基于三次樣條插值的小波模極大值去噪算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2014,35(8):2965-2968.

        ZHAO Hongtu,LIU Yun.A wavelet modulus maximum denoising algorithm based on cubic spline interpolation[J].Computer Engineering and Design,2014,35(8):2965-2968.

        [6]夏欣雨,朱春梅,吳國新.融合小波變換和模糊集的東巴古籍圖像增強(qiáng)算法[J].北京信息科技大學(xué)學(xué)報(bào),2018,33(3):47-51,56.

        XIA Xinyu,ZHU Chunmei,WU Guoxin.Image enhancement algorithm of Dongba ancient books based on wavelet transform and fuzzy set[J].Journal of Beijing Information Science and Technology University,2018,33(3):47-51,56.

        [7]于雯越,安博文,趙明.基于光流法與RPCA的紅外運(yùn)動(dòng)目標(biāo)檢測(cè)[J].現(xiàn)代計(jì)算機(jī),2018(23):66-71.

        YU Wenyue,AN Bowen,ZHAO Ming.Infrared moving target detection based on optical flow method and RPCA[J].Modern Computer,2018(23):66-71.

        [8]范長(zhǎng)軍,文凌艷,毛泉涌,等.結(jié)合單高斯與光流法的無人機(jī)運(yùn)行目標(biāo)檢測(cè)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2019,28(2):184-189.

        FAN Changjun,WEN Lingyan,MAO Quanyong,et al.UAV moving target detection based on single Gauss and optical flow method[J].Computer System Application,2019,28(2):184-189.

        [9]伍健榮,杜向龍,劉海濤.一種改進(jìn)的基于卡爾曼濾波的自適應(yīng)背景建模算法[J].傳感器與微系統(tǒng)技術(shù),2012,31(1):52-54,58.

        WU Jianrong,DU Xianglong,LIU Haitao.An improved adaptive background modeling algorithm based on Kalman filter[J].Transducer & Micro System Technologies,2012,31(1):52-54,58.

        [10]Thierry Bouwmans,Caroline Silva,Cristina Marghes,et al.On the role and the importance of features for background modeling and foreground detection[J].Computer Science Review,2018,28:26-91.

        [11]嚴(yán)麗羅,韓林萬,李夏雪.基于混合背景減法和幀差的自適應(yīng)運(yùn)動(dòng)車輛檢測(cè)算法[J].應(yīng)用力學(xué)與材料,2014,3468(644-650):930-933.

        YAN Liluo,HAN Linwan,LI Xiaxue.Adaptive moving vehicle detection algorithm based on hybrid background subtraction and frame difference[J].Applied Mechanics and Materials,2014,3468(644-650): 930-933.

        [12]Ramya P,Rajeswari R.A modified frame difference method using correlation coefficient for background subtraction[J].Procedia Computer Science,2016,93:478-485.

        [13]LU Guiliang,ZHOU Yu,YU Yaodeng.A novel approach for foreign substances detection in injection using clustering and frame difference[J].Sensors,2011,11(10):9121-9135.

        [14]田小平,喬森,吳成茂.一種改進(jìn)的圖像模糊對(duì)比度增強(qiáng)算法[J].西安郵電學(xué)院學(xué)報(bào),2017,22(3):50-54.

        TIAN Xiaoping,QIAO Sen,WU Chengmao.An improved algorithm for image fuzzy contrast enhancement[J].Journal of Xi’an University of Posts & Telecommunications,2017,22(3):50-54.

        [15]李曉瑜,馬大中,付英杰.基于三幀差分混合高斯背景模型運(yùn)動(dòng)目標(biāo)檢測(cè)[J].吉林大學(xué)學(xué)報(bào),2018,36(4):414-422.

        LI Xiaoyu,MA Dazhong,F(xiàn)U Yingjie.Moving target detection based on threeframe differential mixed Gaussian background model[J].Journal of Jilin University,2018,36(4):414-422.

        [16]施龍超,安玉磊,蘇秉華,等.一種改進(jìn)的基于卡爾曼濾波的背景差分算法[J].激光與光電子學(xué)進(jìn)展,2018,55(8):216-222.

        SHI Longchao,AN Yulei,SU Binghua,et al.An improved background difference algorithm based on Kalman filter[J].Laser & Optoelectronics Progress,2018,55(8):216-222.

        [17]Christ of Ridder,Olaf Munkelt,Harald Kirchner.基于卡爾曼濾波的自適應(yīng)背景估計(jì)與前景檢測(cè)[C]//最近關(guān)于機(jī)電一體化進(jìn)展的國際會(huì)議記錄,2015:193-199.

        Christ of Ridder,Olaf Munkelt,Harald Kirchner.Adaptive background estimation and foreground detection using KalmanFiltering[C]//Proceedings of International Conference on recent Advances in Mechatronics,2015:193-199.

        [18]黃大衛(wèi),胡文翔,吳小培,等.改進(jìn)單高斯模型的視頻前景提取與破碎目標(biāo)合并算法[J].信號(hào)處理,2015,31(3):299-307.

        HUANG Dawei,HU Wenxiang,WU Xiaopei,et al.Video foreground extraction and fragmentation target merging algorithm for improved single Gaussian model[J].Signal Processing,2015,31(3):299-307.

        [19]張燕平,白云球,趙勇,等.應(yīng)用改進(jìn)混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(34):155-157,223.

        ZHANG Yanping,BAI Yunqiu,ZHAO Yong,et al.Moving object detection using improved Gaussian model[J].Computer Engineering and Applications,2010,46(34):155-157,223.

        [20]汪成亮,周佳,黃晟.基于高斯混合模型與PCAHOG的快速運(yùn)動(dòng)人體檢測(cè)[J].計(jì)算機(jī)應(yīng)用研究,2012,29(6):2156-2160.

        WANG Chengliang,ZHOU Jia,HUANG Sheng.Fast moving human detection based on Gaussian mixture model and PCAHOG[J].Application Research of Computers,2012,29(6):2156-2160.

        [21]習(xí)通.基于稀疏光流檢測(cè)的目標(biāo)跟蹤方法研究[J].科技風(fēng),2018(6):207.

        XI Tong.Research on target tracking method based on sparse optical flow detection[J].Science and Technology,2018(6):207.

        [22]周莉鴻.改進(jìn)的混合高斯模型運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J].電子科技,2017,30(7):21-24.

        ZHOU Lihong.Improved hybrid Gaussian model moving target detection algorithm[J].Electronic Technology,2017,30(7):21-24.

        猜你喜歡
        小波變換圖像處理
        基于圖像處理的機(jī)器人精確抓取的設(shè)計(jì)與實(shí)現(xiàn)
        機(jī)器學(xué)習(xí)在圖像處理中的應(yīng)用
        電子制作(2018年18期)2018-11-14 01:48:20
        模糊圖像處理,刑事偵查利器
        圖像處理技術(shù)的實(shí)戰(zhàn)應(yīng)用
        基于雙樹四元數(shù)小波變換的圖像降噪增強(qiáng)
        MATLAB在《數(shù)字圖像處理》課程中的輔助教學(xué)
        基于互信息和小波變換的圖像配準(zhǔn)的研究
        保持細(xì)節(jié)的Retinex紅外圖像增強(qiáng)算法
        基于圖像處理的定位器坡度計(jì)算
        電氣化鐵道(2016年4期)2016-04-16 05:59:46
        基于小波包絡(luò)分析的滾動(dòng)軸承典型故障診斷技術(shù)研究
        商情(2016年11期)2016-04-15 07:39:54
        国産精品久久久久久久| 国产我不卡在线观看免费| 久久一区二区国产精品| 欧美成人国产精品高潮| 丰满的少妇xxxxx青青青| 人妖精品视频在线观看| 久久精品国产亚洲av沈先生| 欧美大片va欧美在线播放| 久久久久女人精品毛片| 欧美日韩国产在线观看免费| 国内偷拍第一视频第一视频区| 精品一区二区三区芒果| 麻豆国产原创视频在线播放| 亚洲aⅴ无码日韩av无码网站| 中文字幕一区二区三区精品在线| 不卡日韩av在线播放| 少妇无码太爽了不卡视频在线看 | 少妇一区二区三区精选| 国产精品久久久久久人妻无| 亚洲精品无播放器在线播放| 日韩亚洲国产av自拍| 大陆少妇一区二区三区| 门卫又粗又大又长好爽| 欧洲熟妇乱xxxxx大屁股7| 中文字幕人妻少妇美臀| 亚洲中文字幕久久精品一区| 免费人成网ww555kkk在线| 2021年国产精品每日更新| 五十路在线中文字幕在线中文字幕| 欧洲美女熟乱av| 特级毛片a级毛片免费播放| 成人国产乱对白在线观看| 亚洲中文av中文字幕艳妇| 国产一极内射視颍一| 日韩国产成人精品视频| 亚洲国产av高清一区二区三区| 日本大乳高潮视频在线观看| 久久福利青草精品免费| 性一交一乱一乱一视频亚洲熟妇| 国产av无码专区亚洲av男同| 少妇人妻偷人精品视蜜桃|