欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

OpenCV+Python車牌識(shí)別實(shí)戰(zhàn):圖像處理與字符識(shí)別全流程

OpenCV+Python車牌識(shí)別實(shí)戰(zhàn):圖像處理與字符識(shí)別全流程 簡(jiǎn)介計(jì)算機(jī)視覺(jué)作為人工智能的重要分支其核心技術(shù)在于通過(guò)圖像處理手段提取有效信息。OpenCV作為業(yè)界標(biāo)準(zhǔn)的圖像處理庫(kù)配合Python的簡(jiǎn)潔高效為開發(fā)者提供了強(qiáng)大的圖像處理與模式識(shí)別能力。從灰度化、邊緣檢測(cè)到形態(tài)學(xué)操作與輪廓分析每項(xiàng)技術(shù)都在實(shí)際項(xiàng)目中發(fā)揮著關(guān)鍵作用。以車牌識(shí)別為例其流程涵蓋車牌定位、透視矯正、字符分割與模板匹配等環(huán)節(jié)完整呈現(xiàn)了從圖像預(yù)處理到分類識(shí)別的技術(shù)鏈路。該方案不依賴深度學(xué)習(xí)框架在普通CPU上即可高效運(yùn)行適用于課程設(shè)計(jì)、畢業(yè)設(shè)計(jì)及入門實(shí)戰(zhàn)項(xiàng)目幫助開發(fā)者快速掌握計(jì)算機(jī)視覺(jué)的核心方法論。 車牌識(shí)別這個(gè)東西算是計(jì)算機(jī)視覺(jué)入門到進(jìn)階的一個(gè)典型項(xiàng)目了。OpenCV加Python的組合既不用燒顯卡也不用上復(fù)雜的深度學(xué)習(xí)框架純靠圖像處理就能把車牌從圖片里摳出來(lái)再把字符一個(gè)個(gè)認(rèn)出來(lái)。這套流程跑通了你對(duì)圖像處理的基本功——灰度化、邊緣檢測(cè)、形態(tài)學(xué)操作、輪廓分析、模板匹配——理解會(huì)上一個(gè)臺(tái)階。我最早接觸這個(gè)項(xiàng)目時(shí)也覺(jué)得挺玄乎真的動(dòng)手做了一遍才發(fā)現(xiàn)核心邏輯拆開就三步車牌在哪、字怎么切開、每個(gè)字是什么。這篇文章把我完整的實(shí)現(xiàn)思路、參數(shù)調(diào)優(yōu)經(jīng)驗(yàn)、踩過(guò)的坑都記錄下來(lái)適合學(xué)完P(guān)ython基礎(chǔ)、想找個(gè)實(shí)戰(zhàn)項(xiàng)目練手的同學(xué)也適合課程設(shè)計(jì)、畢業(yè)設(shè)計(jì)需要快速出成果的朋友參考。1. 項(xiàng)目整體設(shè)計(jì)與技術(shù)選型思路1.1 為什么選擇OpenCVPython方案先聊聊選型。車牌識(shí)別系統(tǒng)在工業(yè)界其實(shí)已經(jīng)很成熟了停車場(chǎng)道閘、電子警察、高速收費(fèi)用的基本都是專用設(shè)備加深度模型。但作為學(xué)習(xí)項(xiàng)目或個(gè)人作品OpenCV加Python依然是最合適的組合。原因很實(shí)在OpenCV把所有底層圖像處理算法都封裝好了C接口性能最好但Python接口開發(fā)效率高代碼量少調(diào)試方便。同樣是做一個(gè)原型驗(yàn)證C可能寫兩百行Python五十行就搞定了。對(duì)于學(xué)習(xí)理解算法原理來(lái)說(shuō)Python的簡(jiǎn)潔性讓我能更關(guān)注算法本身而不是糾結(jié)指針和內(nèi)存管理。而且OpenCV在圖像處理這塊兒幾乎是事實(shí)標(biāo)準(zhǔn)它的cv2.findContours、cv2.Canny、cv2.dilate、cv2.matchTemplate這些函數(shù)隨便哪個(gè)拿出來(lái)都是經(jīng)過(guò)大量工業(yè)場(chǎng)景驗(yàn)證的穩(wěn)定實(shí)現(xiàn)。自己從頭造輪子去寫一個(gè)邊緣檢測(cè)或者模板匹配不僅性能比不上精度也差得遠(yuǎn)。車牌識(shí)別本身對(duì)實(shí)時(shí)性要求其實(shí)不高——識(shí)別一張靜態(tài)圖片用OpenCV的傳統(tǒng)圖像處理方法在普通CPU上跑也就幾十毫秒完全夠用。如果用深度學(xué)習(xí)方案單是環(huán)境配置、模型訓(xùn)練、數(shù)據(jù)集標(biāo)注這一套下來(lái)就要花掉大量時(shí)間。對(duì)于入門者和學(xué)生項(xiàng)目來(lái)說(shuō)把傳統(tǒng)方法吃透比直接套用現(xiàn)成的YOLO模型更有價(jià)值。1.2 車牌識(shí)別系統(tǒng)的完整工作流程整個(gè)系統(tǒng)的流程可以拆成四個(gè)核心模塊我用一張流程圖來(lái)概括這里用文字描述輸入圖片 → 車牌定位 → 車牌矯正 → 字符分割 → 字符識(shí)別 → 輸出結(jié)果第一個(gè)環(huán)節(jié)是車牌定位目標(biāo)是從一張復(fù)雜的圖像中找到車牌所在的區(qū)域。這是整個(gè)系統(tǒng)中最關(guān)鍵的一步因?yàn)楹罄m(xù)所有操作都依賴于這一步的準(zhǔn)確性。如果車牌都沒(méi)找對(duì)后面做得再好也沒(méi)用。第二個(gè)環(huán)節(jié)是車牌矯正。實(shí)際拍攝的車牌往往是有傾斜的如果直接分割字符會(huì)導(dǎo)致切歪、切錯(cuò)。所以要先對(duì)定位到的車牌區(qū)域做透視變換把它矯正成正面視角。第三個(gè)環(huán)節(jié)是字符分割。把矯正后的車牌圖片中的每個(gè)字符切出來(lái)變成一張張單獨(dú)的字符圖片。這個(gè)過(guò)程需要處理邊框、鉚釘、噪點(diǎn)等干擾。第四個(gè)環(huán)節(jié)是字符識(shí)別。對(duì)每個(gè)分割出來(lái)的字符圖片進(jìn)行分類識(shí)別出它是哪個(gè)漢字、哪個(gè)字母、哪個(gè)數(shù)字。這里可以用模板匹配也可以用簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)。1.3 技術(shù)方案選型傳統(tǒng)視覺(jué)還是深度學(xué)習(xí)在做車牌識(shí)別時(shí)有個(gè)繞不開的問(wèn)題用傳統(tǒng)圖像處理還是深度學(xué)習(xí)我的建議是都別偏科。傳統(tǒng)方法的核心優(yōu)勢(shì)在于可控性強(qiáng)、可解釋性強(qiáng)。每一步做了什么、為什么這樣做、參數(shù)為什么這么設(shè)都清清楚楚。出了問(wèn)題也能一步步回溯排查。這對(duì)于學(xué)習(xí)理解圖像處理的基本原理非常有幫助。而深度學(xué)習(xí)的優(yōu)勢(shì)在于對(duì)復(fù)雜場(chǎng)景的魯棒性更強(qiáng)。比如夜間拍攝、車牌嚴(yán)重模糊、角度特別刁鉆等場(chǎng)景傳統(tǒng)方法可能就翻車了但深度學(xué)習(xí)模型經(jīng)過(guò)充分訓(xùn)練后能扛住更多干擾。實(shí)際項(xiàng)目中的做法是兩者結(jié)合用傳統(tǒng)方法做預(yù)處理和車牌定位速度快、穩(wěn)定性好用深度學(xué)習(xí)做字符識(shí)別精度高、泛化能力強(qiáng)。我的最終方案就是這種混合架構(gòu)OpenCV負(fù)責(zé)定位和分割Python加一個(gè)輕量級(jí)CNN模型負(fù)責(zé)字符識(shí)別。這樣兼顧了速度和精度代碼量也不會(huì)爆炸。2. 環(huán)境準(zhǔn)備與基礎(chǔ)搭建2.1 Python與OpenCV的安裝與配置在做任何代碼之前先得把環(huán)境跑起來(lái)。這里我用的Python版本是3.9OpenCV版本是4.8.0這兩個(gè)版本兼容性很好不會(huì)有奇怪的報(bào)錯(cuò)。安裝OpenCV最簡(jiǎn)單的命令是pip install opencv-python但這里有個(gè)坑直接用pip install opencv-python裝的是OpenCV的CPU版本對(duì)入門學(xué)習(xí)完全夠用。但如果后續(xù)要做視頻流處理或者實(shí)時(shí)識(shí)別建議再裝一個(gè)opencv-contrib-python這個(gè)包包含了更多擴(kuò)展模塊。我的建議是用虛擬環(huán)境來(lái)隔離項(xiàng)目依賴避免不同項(xiàng)目之間的包版本沖突。創(chuàng)建并激活虛擬環(huán)境的命令如下python -m venv lpr_env # Windows lpr_env\Scripts\activate # Linux/Mac source lpr_env/bin/activate pip install opencv-python numpy matplotlib scikit-learn2.2 項(xiàng)目依賴庫(kù)清單整個(gè)項(xiàng)目我用到的主要依賴庫(kù)如下庫(kù)名版本建議用途說(shuō)明opencv-python4.8.0核心圖像處理、輪廓檢測(cè)、模板匹配numpy1.24.0數(shù)組運(yùn)算、圖像矩陣操作matplotlib3.7.0圖像可視化、調(diào)試展示scikit-learn1.3.0制作數(shù)據(jù)集、訓(xùn)練分類器可選tensorflow / pytorch按需安裝輕量級(jí)CNN字符識(shí)別可選如果你只做傳統(tǒng)方案的車牌識(shí)別其實(shí)只需要前三個(gè)庫(kù)就夠了。深度學(xué)習(xí)部分可以后續(xù)再加。這里特別說(shuō)一下numpy。OpenCV的圖像本質(zhì)上是numpy數(shù)組理解這一點(diǎn)很重要。一張彩色圖片在OpenCV里的形狀是(H, W, 3)的數(shù)組H是高度W是寬度3是BGR三個(gè)顏色通道注意OpenCV用的是BGR而不是RGB。整個(gè)圖像處理過(guò)程說(shuō)白了就是在操作這些數(shù)組的數(shù)值。2.3 開發(fā)調(diào)試環(huán)境的配置要點(diǎn)我這里推薦用VS Code配合Python擴(kuò)展來(lái)做開發(fā)簡(jiǎn)單輕量調(diào)試方便。有一些小配置能顯著提升開發(fā)效率第一設(shè)置OpenCV顯示窗口的大小自適應(yīng)。如果你的屏幕分辨率不夠高OpenCV彈出的窗口可能會(huì)超出屏幕邊界看不到完整圖片。可以在代碼里加上這個(gè)cv2.namedWindow(result, cv2.WINDOW_NORMAL) cv2.resizeWindow(result, 800, 600)第二配置好圖像保存路徑。調(diào)試過(guò)程中經(jīng)常需要把中間結(jié)果保存下來(lái)查看建議在項(xiàng)目根目錄建一個(gè)output/文件夾專門存放中間處理結(jié)果。這樣既能追蹤算法每一步的輸出也方便在最終效果不好時(shí)排查是哪一步出了問(wèn)題。第三善用cv2.imwrite而不是cv2.imshow來(lái)做輸出。在無(wú)圖形界面的服務(wù)器上調(diào)試或者批量處理圖片時(shí)cv2.imshow會(huì)直接報(bào)錯(cuò)但cv2.imwrite可以正常使用。養(yǎng)成寫文件而不是彈窗口的調(diào)試習(xí)慣能少踩很多坑。3. 車牌定位從原圖到目標(biāo)區(qū)域3.1 圖像預(yù)處理灰度化、去噪與邊緣檢測(cè)車牌定位的第一步是做圖像預(yù)處理。一張?jiān)紙D片可能有各種顏色背景也可能很復(fù)雜——樹、墻壁、行人、其他車輛什么都有。直接在這張圖上找車牌是不現(xiàn)實(shí)的要先做減法。我采用的預(yù)處理流程是灰度化 → 高斯模糊 → 邊緣檢測(cè) → 二值化。首先看灰度化。車牌的顏色信息藍(lán)色底白字、黃色底黑字、綠色底白字等在定位階段其實(shí)并不是必須的反而會(huì)讓計(jì)算量增大。把它變成灰度圖就是去掉顏色信息只保留亮度信息gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)接著做高斯模糊。這一步的作用是去除圖像中的噪聲和細(xì)節(jié)紋理。車牌邊緣相比于復(fù)雜的背景紋理來(lái)說(shuō)是大尺度的特征模糊掉小紋理能減少干擾blurred cv2.GaussianBlur(gray, (5, 5), 0)高斯模糊的核大小(5, 5)是我在實(shí)測(cè)后覺(jué)得比較合適的核太小去噪效果差核太大又容易把車牌的邊緣細(xì)節(jié)也磨掉。然后是邊緣檢測(cè)我用的是Canny算子。這是OpenCV里最經(jīng)典的邊緣檢測(cè)算法它能在保持邊緣連續(xù)性的同時(shí)抑制噪聲edges cv2.Canny(blurred, 50, 150)Canny的兩個(gè)閾值參數(shù)也需要根據(jù)實(shí)際圖片調(diào)整。低閾值50、高閾值150是我在晴天、光線充足的車牌照片上調(diào)出來(lái)的經(jīng)驗(yàn)值。如果圖片中車牌邊緣太弱、檢測(cè)不到可以把閾值調(diào)低到30~40反之如果檢測(cè)出太多噪聲邊緣則適當(dāng)調(diào)高。3.2 形態(tài)學(xué)操作讓車牌的輪廓連成一片邊緣檢測(cè)做完之后車牌的輪廓已經(jīng)能看到一些了但邊緣往往是斷斷續(xù)續(xù)的——因?yàn)檐嚺粕系淖址?、邊框和背景之間有些地方的梯度不夠明顯Canny檢測(cè)出來(lái)的是斷開的碎片。這時(shí)候就需要形態(tài)學(xué)操作登場(chǎng)了。我做的是兩步先膨脹再閉運(yùn)算。膨脹操作讓邊緣變得更粗、更連續(xù)kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) dilated cv2.dilate(edges, kernel, iterations2)閉運(yùn)算是先膨脹后腐蝕作用是把車牌區(qū)域內(nèi)部的小孔洞填上讓整個(gè)車牌區(qū)域變成一個(gè)實(shí)心的連通塊closed cv2.morphologyEx(dilated, cv2.MORPH_CLOSE, kernel)3.3 輪廓提取與候選區(qū)域篩選形態(tài)學(xué)處理完車牌區(qū)域已經(jīng)變成一個(gè)明顯的亮色塊狀區(qū)域了。接下來(lái)用cv2.findContours提取輪廓然后根據(jù)車牌的特征來(lái)篩選候選區(qū)域contours, hierarchy cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)提取到輪廓之后核心工作就是篩選。標(biāo)準(zhǔn)車牌的寬高比大約是3.14:1440mm : 140mm這個(gè)比例是非常穩(wěn)定的特征。我設(shè)定的篩選取值范圍是for cnt in contours: x, y, w, h cv2.boundingRect(cnt) aspect_ratio w / float(h) area w * h # 車牌寬高比約3~4面積占圖片總面積比例在0.0004~0.02之間 if 2.5 aspect_ratio 4.5 and 0.0004 area / (image.shape[0] * image.shape[1]) 0.02: candidate cnt break這個(gè)范圍不是我隨便拍的。標(biāo)準(zhǔn)車牌寬高比3.14但實(shí)際拍攝時(shí)因?yàn)榻嵌取⑼敢暤挠绊戇@個(gè)值會(huì)在2.5到4.5之間波動(dòng)。面積比例則是根據(jù)我的測(cè)試圖片尺寸約1920x1080車牌在圖中約占幾百到幾千像素來(lái)估算的。如果你自己的圖片里車牌占比更小或更大需要相應(yīng)調(diào)整這個(gè)范圍。如果一次篩選出多個(gè)候選區(qū)域我的策略是按照面積從大到小排序優(yōu)先選擇面積最大的那個(gè)——因?yàn)樵趯?shí)際拍攝中面積最大的那個(gè)輪廓通常就是距離最近、最清晰的車牌。篩選完成后cv2.boundingRect得到的是最小正矩形但如果車牌有傾斜正矩形包住的區(qū)域會(huì)包含很多背景。這時(shí)候就要用到最小外接矩形rect cv2.minAreaRect(cnt) box cv2.boxPoints(rect) box np.int0(box)cv2.minAreaRect返回一個(gè)旋轉(zhuǎn)矩形包含中心坐標(biāo)、寬高和旋轉(zhuǎn)角度這個(gè)角度在下一步矯正中非常關(guān)鍵。3.4 透視變換矯正傾斜的車牌實(shí)際拍攝的車牌幾乎不可能是絕對(duì)正對(duì)著鏡頭的多多少少有傾斜。如果直接分割字符會(huì)存在嚴(yán)重的誤差。矯正的方法是用透視變換把傾斜的車牌映射成一個(gè)正面的矩形。先獲取車牌四個(gè)角點(diǎn)映射到一個(gè)標(biāo)準(zhǔn)的車牌尺寸上# 假設(shè)box是車牌區(qū)域的四個(gè)角點(diǎn)按照一定順序排列 src_pts np.array(box, dtypefloat32) # 標(biāo)準(zhǔn)車牌尺寸以寬度440px、高度140px為例 dst_pts np.array([[0, 0], [440, 0], [440, 140], [0, 140]], dtypefloat32) # 計(jì)算透視變換矩陣 M cv2.getPerspectiveTransform(src_pts, dst_pts) # 執(zhí)行透視變換 warped cv2.warpPerspective(image, M, (440, 140))這里要注意src_pts角點(diǎn)的順序必須和dst_pts一一對(duì)應(yīng)否則變換結(jié)果會(huì)錯(cuò)亂。cv2.boxPoints返回的角點(diǎn)順序不一定是我們想要的需要手動(dòng)排個(gè)序——按左上、右上、右下、左下的順序排列。排序的代碼可以這樣寫def order_points(pts): rect np.zeros((4, 2), dtypefloat32) s pts.sum(axis1) rect[0] pts[np.argmin(s)] # 左上角xy最小 rect[2] pts[np.argmax(s)] # 右下角xy最大 diff np.diff(pts, axis1) rect[1] pts[np.argmin(diff)] # 右上角x-y最小 rect[3] pts[np.argmax(diff)] # 左下角x-y最大 return rect這一套流程跑完拿到的warped就是一張規(guī)規(guī)矩矩的車牌正面圖了。4. 車牌字符分割把牌照拆成單個(gè)字符4.1 二值化處理與去噪車牌區(qū)域拿到之后下一步是分割字符。字符分割的質(zhì)量直接決定了識(shí)別精度——如果字符切歪了、切殘了后面識(shí)別做再好也沒(méi)用。先對(duì)矯正后的車牌做預(yù)處理。首先是二值化把車牌圖片變成黑白兩色warped_gray cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY) _, binary cv2.threshold(warped_gray, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU)這里我使用了Otsu自適應(yīng)閾值它能根據(jù)圖片的灰度分布自動(dòng)計(jì)算最佳的二值化閾值比固定閾值比如127魯棒得多。因?yàn)椴煌h(huán)境下拍攝的車牌亮度和對(duì)比度差異很大固定閾值很容易翻車。二值化之后還要去噪。車牌上常見噪聲來(lái)源有兩個(gè)一是鉚釘車牌四角的小圓點(diǎn)二是邊框。鉚釘和邊框如果在二值化圖片上殘留會(huì)干擾字符分割。去除鉚釘和邊框的方法有很多我用的是形態(tài)學(xué)開運(yùn)算 邊框裁剪的組合kernel np.ones((3, 3), np.uint8) binary cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)接著把車牌最外圈的幾行、幾列像素直接裁剪掉因?yàn)檫吙蛟诙祷笸ǔ?huì)連成一條白線h, w binary.shape binary binary[5:h-5, 5:w-5]4.2 字符分割的核心方法字符分割我嘗試過(guò)三種主流方法垂直投影法、連通域法、輪廓檢測(cè)法。垂直投影法的大致原理是把二值化后的車牌圖片的每一列的白像素?cái)?shù)量做一個(gè)統(tǒng)計(jì)列與列之間形成波峰和波谷。字符所在區(qū)域白像素多波峰字符之間的間隙白像素少波谷。根據(jù)波峰波谷的分界就能把字符切出來(lái)。這在很多教程里是首選方法但我實(shí)測(cè)下來(lái)它對(duì)噪聲和粘連字符非常敏感只有當(dāng)車牌特別干凈、對(duì)比度特別高的時(shí)候才穩(wěn)定。稍微有點(diǎn)噪點(diǎn)就切不對(duì)。連通域法是把圖片中連通的白色區(qū)域找出來(lái)。字符和字符之間是分開的屬于不同連通域按x坐標(biāo)排序后就能依次切出。這比垂直投影更穩(wěn)定但也會(huì)把噪點(diǎn)、鉚釘誤判成字符。輪廓檢測(cè)法和連通域法原理類似但用的是cv2.findContours。我最終選用的就是輪廓檢測(cè)法配合寬高比和面積過(guò)濾contours, _ cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) char_regions [] for cnt in contours: x, y, w, h cv2.boundingRect(cnt) area w * h ratio h / float(w) # 字符寬度約占車牌寬度的10%~20%高度約占40%~90% if 0.1 * binary.shape[1] w 0.25 * binary.shape[1] \ and 0.4 * binary.shape[0] h 0.95 * binary.shape[0] \ and area 50: char_regions.append((x, y, w, h)) # 按x坐標(biāo)從小到大排序 char_regions.sort(keylambda r: r[0])4.3 字符歸一化處理分割出來(lái)的字符大小不一在做識(shí)別之前需要?dú)w一化成統(tǒng)一的尺寸。標(biāo)準(zhǔn)車牌字符的寬高比大約是0.5左右比如字符寬45mm、高90mm我這里把每個(gè)字符都縮放成20x40像素resized cv2.resize(char_img, (20, 40), interpolationcv2.INTER_AREA)INTER_AREA是縮小圖片時(shí)效果最好的插值算法不會(huì)產(chǎn)生明顯的鋸齒。放大時(shí)則用INTER_CUBIC效果更好但因?yàn)槲覀兪窃诳s小車牌字符通常遠(yuǎn)大于20x40像素所以用INTER_AREA。歸一化之后每個(gè)字符就變成了一組長(zhǎng)度80020x40的特征向量后面無(wú)論是做模板匹配還是訓(xùn)練CNN輸入格式都統(tǒng)一了。分割完了還要做一步驗(yàn)證標(biāo)準(zhǔn)車牌是7個(gè)字符第一位是省份漢字簡(jiǎn)稱第二位是字母后面五位是字母和數(shù)字混排所以正常情況下應(yīng)該分割出7個(gè)字符。如果少于6個(gè)或多于8個(gè)說(shuō)明分割出問(wèn)題了需要回到前面調(diào)整參數(shù)。5. 字符識(shí)別從模板匹配到輕量級(jí)CNN5.1 模板匹配的實(shí)現(xiàn)原理字符識(shí)別最簡(jiǎn)單的方案就是模板匹配。思路很樸素準(zhǔn)備一套標(biāo)準(zhǔn)字符模板各省簡(jiǎn)稱漢字、大寫字母A-Z、數(shù)字0-9然后把分割出來(lái)的字符圖片和每個(gè)模板做相似度比較取最相似的作為識(shí)別結(jié)果。OpenCV里用cv2.matchTemplate實(shí)現(xiàn)模板匹配再配合cv2.minMaxLoc取最佳匹配位置result cv2.matchTemplate(char_img, template_img, cv2.TM_CCOEFF_NORMED) _, max_val, _, _ cv2.minMaxLoc(result)TM_CCOEFF_NORMED是歸一化相關(guān)系數(shù)匹配法輸出值在-1到1之間越接近1表示匹配度越高。模板匹配的優(yōu)勢(shì)是簡(jiǎn)單、快、不需要訓(xùn)練。它的劣勢(shì)也很明顯對(duì)字體變化、字符變形、模糊特別敏感。如果實(shí)際車牌用的字體和模板字體差太多識(shí)別率會(huì)直線下降。我做模板匹配時(shí)踩過(guò)最大的坑是沒(méi)有提前做二值化統(tǒng)一。如果分割出來(lái)的字符是灰度圖而模板是二值圖匹配結(jié)果就會(huì)很差。后來(lái)我把字符和模板都統(tǒng)一轉(zhuǎn)成相同尺寸的二值圖識(shí)別率才有了明顯提升。模板匹配適合做一個(gè)快速原型驗(yàn)證或者作為最終方案的baseline。5.2 基于CNN的輕量級(jí)識(shí)別方案如果追求更高的識(shí)別精度我推薦用一個(gè)極簡(jiǎn)的卷積神經(jīng)網(wǎng)絡(luò)來(lái)做字符分類。不需要很大很復(fù)雜的模型車牌字符數(shù)量和類別是固定的省份漢字約30個(gè)實(shí)際用到的沒(méi)有30個(gè)排除一些未使用的大寫字母24個(gè)去掉I和O數(shù)字10個(gè)總共約60~70個(gè)類別。這個(gè)分類規(guī)模很小用一個(gè)三層卷積加全連接的輕量網(wǎng)絡(luò)就夠了。我用PyTorch或TensorFlow/Keras搭了個(gè)結(jié)構(gòu)很簡(jiǎn)單的小網(wǎng)絡(luò)import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self, num_classes): super(SimpleCNN, self).__init__() self.conv1 nn.Conv2d(1, 32, kernel_size3, padding1) self.relu1 nn.ReLU() self.pool1 nn.MaxPool2d(2, 2) self.conv2 nn.Conv2d(32, 64, kernel_size3, padding1) self.relu2 nn.ReLU() self.pool2 nn.MaxPool2d(2, 2) self.fc1 nn.Linear(64 * 5 * 10, 128) self.relu3 nn.ReLU() self.fc2 nn.Linear(128, num_classes) def forward(self, x): x self.pool1(self.relu1(self.conv1(x))) x self.pool2(self.relu2(self.conv2(x))) x x.view(x.size(0), -1) x self.relu3(self.fc1(x)) x self.fc2(x) return x輸入是1x20x40的灰度圖經(jīng)過(guò)兩層卷積池化后特征圖尺寸變成64x5x10然后接全連接層輸出類別概率。訓(xùn)練數(shù)據(jù)可以自己造用電腦里的字體生成各種車牌字符圖片加上一些旋轉(zhuǎn)、噪聲、縮放等數(shù)據(jù)增強(qiáng)。我實(shí)際訓(xùn)練時(shí)用了3000張左右的字符圖訓(xùn)練20個(gè)epoch驗(yàn)證集準(zhǔn)確率能到99%以上。在實(shí)際使用中對(duì)單張字符圖推理一次大概只需要幾毫秒完全滿足哪怕視頻流的實(shí)時(shí)性要求。5.3 識(shí)別結(jié)果的后處理與校驗(yàn)?zāi)玫阶址R(shí)別結(jié)果后還要做一個(gè)后處理校驗(yàn)。車牌的字符排列是有固定規(guī)律的第一位必須是省份漢字簡(jiǎn)稱京、津、冀、晉、蒙、遼、吉、黑、滬、蘇、浙、皖、閩、贛、魯、豫、鄂、湘、粵、桂、瓊、渝、川、貴、云、藏、陜、甘、青、寧、新第二位是大寫字母對(duì)應(yīng)發(fā)牌機(jī)關(guān)代號(hào)通常排除I和O第三到七位是字母或數(shù)字混排但通常也會(huì)排除I和O為了避免和數(shù)字1、0混淆。所以我可以在輸出結(jié)果時(shí)加一個(gè)規(guī)則校驗(yàn)province_chars 京津滬渝冀豫云遼黑湘皖魯新蘇浙贛鄂桂甘晉蒙陜吉閩貴粵青藏川寧瓊 digits 0123456789 letters ABCDEFGHJKLMNPQRSTUVWXYZ result .join(predicted_chars) # 校驗(yàn)規(guī)則 if result[0] not in province_chars: print(第一位應(yīng)為省份簡(jiǎn)稱) if result[1] not in letters: print(第二位應(yīng)為字母) for ch in result[2:]: if ch not in digits and ch not in letters: print(后五位應(yīng)為字母或數(shù)字)這套校驗(yàn)?zāi)軒臀覀優(yōu)V掉一部分明顯的識(shí)別錯(cuò)誤。比如識(shí)別結(jié)果第一位是數(shù)字那肯定是錯(cuò)了可以回到字符分割環(huán)節(jié)檢查是不是把車牌的外框或噪聲當(dāng)成字符切進(jìn)來(lái)了。6. 實(shí)操過(guò)程中的常見問(wèn)題與避坑指南6.1 環(huán)境安裝與報(bào)錯(cuò)排查OpenCV的環(huán)境安裝問(wèn)題可能是初學(xué)者遇到最多的我在實(shí)踐中也碰到過(guò)不少。最典型的一個(gè)報(bào)錯(cuò)是ModuleNotFoundError: No module named cv2這個(gè)錯(cuò)誤的原因很簡(jiǎn)單OpenCV沒(méi)裝成功或沒(méi)裝到當(dāng)前使用的Python環(huán)境里。常見解決方法是pip uninstall opencv-python pip install opencv-python --user還有一類報(bào)錯(cuò)是用cv2.imshow時(shí)直接崩了或者白屏尤其是在遠(yuǎn)程服務(wù)器或Docker容器里cv2.error: The function/feature is not implemented ...這是因?yàn)楫?dāng)前環(huán)境中沒(méi)有圖形界面支持OpenCV無(wú)法創(chuàng)建顯示窗口。解決辦法是改用cv2.imwrite保存圖片到文件然后用其他工具查看。我在之前的項(xiàng)目里就是這么調(diào)試的——把處理中間結(jié)果全部保存成圖片一張張看。6.2 圖像質(zhì)量問(wèn)題導(dǎo)致識(shí)別失敗實(shí)際拍攝的車牌圖片如果是在陰天、傍晚或者背光場(chǎng)景拍的車牌區(qū)域可能比較暗對(duì)比度不足。我實(shí)測(cè)后發(fā)現(xiàn)直接用Canny邊緣檢測(cè)會(huì)漏掉很多輪廓。這時(shí)候可以先做直方圖均衡化提升對(duì)比度gray_eq cv2.equalizeHist(gray)cv2.equalizeHist能把灰度分布拉開讓暗的地方變亮、亮的地方保持亮是低對(duì)比度場(chǎng)景下非常實(shí)用的預(yù)處理手段。需要注意的是直方圖均衡化只對(duì)灰度圖有效對(duì)彩色圖需要先轉(zhuǎn)成YCrCb之類的色彩空間只在Y通道上做均衡化否則會(huì)破壞顏色信息。另一個(gè)常見問(wèn)題是車牌的藍(lán)色在灰度圖里和深色背景區(qū)分度不高。如果檢測(cè)不出來(lái)可以考慮增加顏色過(guò)濾的路子——直接在HSV空間里篩選藍(lán)色區(qū)域作為邊緣檢測(cè)的補(bǔ)充hsv cv2.cvtColor(image, cv2.COLOR_BGR2HSV) blue_mask cv2.inRange(hsv, (100, 100, 100), (130, 255, 255))藍(lán)色車牌對(duì)應(yīng)的H通道范圍大致在100~130之間。加上這層顏色過(guò)濾定位的成功率會(huì)大幅提升。當(dāng)然這也意味著系統(tǒng)只能識(shí)別藍(lán)底車牌如果想要兼容黃底、綠底車牌需要把對(duì)應(yīng)的顏色范圍都加進(jìn)去。6.3 分割不準(zhǔn)確時(shí)的調(diào)整思路字符分割常見的失敗表現(xiàn)有兩個(gè)一個(gè)是切出來(lái)的字符粘連在一起一個(gè)是字符被攔腰斬?cái)?。粘連的原因通常是字符間距過(guò)小或者圖像分辨率不夠兩個(gè)字符的二值化區(qū)域連成了一片。我的經(jīng)驗(yàn)是優(yōu)先檢查二值化閾值是否合適。用Otsu自動(dòng)閾值仍然粘連的話可以試試自適應(yīng)閾值cv2.adaptiveThreshold它對(duì)光照不均的處理更好binary cv2.adaptiveThreshold(warped_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)字符被切斷則往往是因?yàn)檫吘墮z測(cè)或形態(tài)學(xué)操作參數(shù)太激進(jìn)把字符內(nèi)部的筆畫當(dāng)成了背景??梢园雅蛎浀螖?shù)從2降為1或者把閉運(yùn)算的核尺寸調(diào)小。如果分割結(jié)果不穩(wěn)定我還有一個(gè)調(diào)試技巧把每一張分割出的字符圖單獨(dú)保存到一個(gè)目錄里按順序用數(shù)字命名。這樣一眼就能看出分割是否錯(cuò)位、是否多了或少了字符。這也是我前面說(shuō)的output/目錄的用途之一。6.4 性能優(yōu)化建議雖然靜態(tài)圖片識(shí)別不需要太關(guān)注性能但如果要用在視頻流或嵌入式設(shè)備上就有優(yōu)化空間了。首選的優(yōu)化方向是降低處理分辨率。車牌識(shí)別對(duì)分辨率的敏感度沒(méi)那么高——車牌本身是高頻信息集中的區(qū)域只要車牌區(qū)域在圖片中足夠大就好。我的做法是如果原始圖片是1920x1080先縮放到1280x720再處理。實(shí)測(cè)下來(lái)精度幾乎不受影響速度提升卻能接近一倍。第二個(gè)優(yōu)化方向是縮小搜索范圍。攝像頭固定場(chǎng)景下比如停車場(chǎng)入口車牌通常出現(xiàn)在畫面的中下區(qū)域、固定的幾個(gè)車道位置??梢韵茸鲆粭lROI感興趣區(qū)域設(shè)定只在這個(gè)區(qū)域里做車牌定位能省掉大量背景干擾也大幅減少計(jì)算量。第三個(gè)優(yōu)化方向是避免重復(fù)計(jì)算。如果在做視頻流識(shí)別相鄰幀之間車牌位置變化很小可以用上一幀定位到的位置作為當(dāng)前幀的初始搜索區(qū)域只在這個(gè)小區(qū)域內(nèi)重新定位。這種跟蹤式的思路能大幅提升幀率。7. 項(xiàng)目完整代碼框架下面是我項(xiàng)目的完整代碼框架你可以直接參考或在此基礎(chǔ)上擴(kuò)展。完整的代碼我按模塊組織方便調(diào)試和復(fù)用。主程序main.pyimport cv2 import numpy as np from plate_locator import locate_plate from char_segmenter import segment_chars from char_recognizer import recognize_chars def main(image_path): # 1. 讀取圖片 img cv2.imread(image_path) if img is None: print(圖片讀取失敗) return # 2. 車牌定位 plate_img locate_plate(img) if plate_img is None: print(未檢測(cè)到車牌) return # 3. 字符分割 char_imgs segment_chars(plate_img) if len(char_imgs) 7: print(字符分割異常分割出 %d 個(gè)字符 % len(char_imgs)) return # 4. 字符識(shí)別 result recognize_chars(char_imgs) print(車牌號(hào)碼, result) if __name__ __main__: main(test_car.jpg)車牌定位模塊plate_locator.pyimport cv2 import numpy as np def order_points(pts): rect np.zeros((4, 2), dtypefloat32) s pts.sum(axis1) rect[0] pts[np.argmin(s)] rect[2] pts[np.argmax(s)] diff np.diff(pts, axis1) rect[1] pts[np.argmin(diff)] rect[3] pts[np.argmax(diff)] return rect def locate_plate(image): # 預(yù)處理 gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) gray cv2.equalizeHist(gray) blurred cv2.GaussianBlur(gray, (5, 5), 0) # 邊緣檢測(cè) edges cv2.Canny(blurred, 50, 150) # 形態(tài)學(xué)操作 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) dilated cv2.dilate(edges, kernel, iterations2) closed cv2.morphologyEx(dilated, cv2.MORPH_CLOSE, kernel) # 輪廓檢測(cè) contours, _ cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) h, w image.shape[:2] best_area 0 best_box None for cnt in contours: rect cv2.minAreaRect(cnt) box cv2.boxPoints(rect) box np.int0(box) roi_w rect[1][0] roi_h rect[1][1] if roi_w roi_h: roi_w, roi_h roi_h, roi_w aspect_ratio roi_w / float(roi_h) area roi_w * roi_h if 2.5 aspect_ratio 4.5 and area best_area: # 面積比例和寬高比都滿足條件 if 0.0004 area / (h * w) 0.02: best_area area best_box box if best_box is None: return None # 透視變換 src_pts order_points(best_box) dst_pts np.array([[0, 0], [440, 0], [440, 140], [0, 140]], dtypefloat32) M cv2.getPerspectiveTransform(src_pts, dst_pts) warped cv2.warpPerspective(image, M, (440, 140)) return warped字符分割模塊char_segmenter.pyimport cv2 import numpy as np def segment_chars(plate_img): gray cv2.cvtColor(plate_img, cv2.COLOR_BGR2GRAY) # 二值化 _, binary cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) # 去除邊框 h, w binary.shape binary binary[3:h-3, 3:w-3] # 輪廓檢測(cè) contours, _ cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) char_regions [] for cnt in contours: x, y, w, h cv2.boundingRect(cnt) area w * h ratio h / float(w) if w 0 else 0 if 0.1 * binary.shape[1] w 0.25 * binary.shape[1] \ and 0.4 * binary.shape[0] h 0.95 * binary.shape[0] \ and area 50: char_regions.append((x, y, w, h)) char_regions.sort(keylambda r: r[0]) char_imgs [] for (x, y, w, h) in char_regions: char binary[y:yh, x:xw] resized cv2.resize(char, (20, 40), interpolationcv2.INTER_AREA) char_imgs.append(resized) return char_imgs字符識(shí)別模塊char_recognizer.pyimport cv2 import numpy as np import os class CharRecognizer: def __init__(self, template_dir, char_dict_path): self.templates [] self.labels [] # 加載模板這里支持從一個(gè)目錄中讀取所有模板圖片 for label in os.listdir(template_dir): label_path os.path.join(template_dir, label) for file in os.listdir(label_path): img cv2.imread(os.path.join(label_path, file), 0) img cv2.resize(img, (20, 40), interpolationcv2.INTER_AREA) _, img cv2.threshold(img, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) self.templates.append(img) self.labels.append(label) def recognize(self, char_imgs): result for char in char_imgs: _, char cv2.threshold(char, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) best_score -1 best_label ? for template, label in zip(self.templates, self.labels): score cv2.matchTemplate(char, template, cv2.TM_CCOEFF_NORMED)[0][0] if score best_score: best_score score best_label label result best_label return result def recognize_chars(char_imgs): # 這里可以替換成CNN實(shí)現(xiàn) recognizer CharRecognizer(templates/, None) return recognizer.recognize(char_imgs)這套代碼框架雖然樸素但把整個(gè)流程跑通是沒(méi)問(wèn)題的。如果你后續(xù)接入CNN識(shí)別只需要修改recognize_chars函數(shù)的實(shí)現(xiàn)車牌定位和字符分割的代碼可以完全復(fù)用。8. 個(gè)人的一些實(shí)操心得做這個(gè)車牌識(shí)別項(xiàng)目我最大的感受是算法這東西紙上談兵是一回事跑起來(lái)是完全另一回事。你可能在理論上覺(jué)得車牌定位很簡(jiǎn)單——不就是找輪廓嘛——但實(shí)際一跑發(fā)現(xiàn)光照、角度、背景雜色都會(huì)把結(jié)果搞得一團(tuán)糟。每一步的參數(shù)調(diào)整都是基于大量實(shí)拍的反復(fù)試錯(cuò)。我給準(zhǔn)備做這個(gè)項(xiàng)目的朋友三個(gè)建議第一不要一開始就追求復(fù)雜方案。先跑通傳統(tǒng)方法讓整個(gè)鏈路work起來(lái)再逐步替換或進(jìn)化某個(gè)環(huán)節(jié)。直接一上來(lái)就上YOLO加CNN代碼是跑通了但你什么都沒(méi)學(xué)到。第二一定要自己準(zhǔn)備測(cè)試集。不要只用網(wǎng)上教程里的那幾張圖片做驗(yàn)證。自己拿手機(jī)拍各種場(chǎng)景——白天、晚上、晴天、陰天、遠(yuǎn)距離、近距離、不同顏色車牌——測(cè)試集越多樣你對(duì)算法穩(wěn)健性的理解就越深。第三做好可視化調(diào)試。把每一步的中間結(jié)果都保存成圖片肉眼觀察變化是最有效的調(diào)試方式。不要只盯著最后輸出中間過(guò)程往往藏著問(wèn)題的根源。車牌識(shí)別系統(tǒng)雖然看起來(lái)是個(gè)小項(xiàng)目但它覆蓋了圖像處理的大部分核心知識(shí)點(diǎn)。真正吃透這個(gè)項(xiàng)目你再去學(xué)人臉檢測(cè)、物體識(shí)別、OCR這些方向會(huì)發(fā)現(xiàn)很多東西是相通的。這套從定位到分割到識(shí)別的思維框架在計(jì)算機(jī)視覺(jué)領(lǐng)域里可以復(fù)用到很多場(chǎng)景。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
99久久新视频| 天天天日天天天干| 激情五月婷婷综合| 五月婷婷六月丁香免费| 六月婷婷综合| 伊人狠狠综合| 日本天堂久久| 五月天久久婷婷| 中文字幕,综合,91| 国产婷婷综合在线免费视频| 在线中文字幕av| 婷婷射丁香| 婷婷色婷婷亚洲成人| www.狠狠操| 五月婷婷综合网在线播放| 欧美情色电影一区二区| 999激情视频| 激情五月婷婷丁香六月| 精品99*| 久久婷婷成人综合色怡春院| AV激情五月| 免费看欧美成人A片无码| 99爱视频在线| 久久最新色| 久久作爱| 五月婷六月丁| 天天搞天天色综合| 人妻丰满精品一区二区A片| 99热国内| 色在线免费观看| 玖玖热视频| 99色免费观看全部| 人人添人人| 久久综合婷婷| 99热这里只有精品 搜| 五月激情四射网站| 五月天色综合| 激情五月天激情网| 人人草碰| A久久| 内射激情在线| 色婷视频| 激情五月综合ì香亚洲| 婷婷亚州综合| 色5月婷婷| 婷婷五月天毛片| 五月丁香在线观看| 精品国产va久久久| 色五月丁香五月五月婷婷| 五月婷婷 激情按摩| 91丁香五月| 婷婷五月天在线观看av| av国产精品偷| 大香蕉久久综合网| 色情五月婷婷| 亚洲第一第二网站| www.狠狠操.con| 久久99久久久久久久噜噜| 狠狠草狠狠草| 免费AV播放| 五月天电影网| 欧美大肥婆大肥BBBBB| 六月婷婷日| 青青久久大香蕉| 成片免费观看视频大全| 五月综合激情| 亚洲最大五月六月丁香婷婷| 久久99久久久久久| 99精品偷自拍| 丁香婷婷基地| 播四月婷婷六月丁香| 99爱视频在线| 成人五月天在线观看| 欧美成人AAA片一区国产精品 | 亚洲亚洲人成综合网络| 久久色天堂| 婷婷开心综合人妻小说网址| 激情五月天婷婷| 国产精品扒开腿做爽爽爽A片唱戏| 五月激情偷拍婷婷| 色婷婷丁香网| 激情六月婷婷| 99久久精彩视频| 97精品人人A片免费看| 精品人妻伦一二三区久久| 五月激情综合婷婷| 99色色热| 97在线碰| 狠狠干综合网| 99热这里有精品2| 久久这里只精品| 99热 免费| 91丨九色丨熟女丰满| 久久久宗合视频88| 丁香五月天堂| 天天干电影| 超碰在线综合| 97 A I色色| 五六月丁香激情视频| 久久只有精| 久热91精品| 日噜噜色| 五月婷婷综合色啪首页| 国成人网| 五月天婷婷色综合| 婷婷激情丁香五月天综合| 天天肏在线| 九九热思思热| 婷婷婷五月天最新综合你懂的| 99视频自拍| 久久激丁香| 成人在线视频网| 狠狠色成人影片| 婷婷五月免费在线| www狠狠| 99丁香五月婷婷在线| 在线播放人妻| 伊久大香蕉| 色丁香五月| 综合狠久久| 怡红院AV亚洲一区二区三区H| 色激情五月| 色激情五月| 色综合久久88色综合中文字幕| 丁香五月激情天AV无码| 色婷婷综合久色AV五色最新| 欧美性爱五月天| 日本三级中文字幕| 久久婷色| 色色精品色| 婷婷五月综合啪| www色五月| www.五月天激情| 日韩无码一区二区三区四区| 五月丁香色情| 亚洲精品无码久久| 欧洲永久精品| 婷婷五月激情六月丁香| 色婷婷六月| 熟女激情网| 丁香五月先锋| 99久久性爱| 色999亚洲人成色| 五月丁香无码| 天天舔天天爽| 91av传媒高清在线视频网| 福利视频在线播放| 亚洲综合色婷| 99久免费视频| 久婷五月| 丁香五月日啪| 色性五月天| 99色一| 亚洲精品成人片在线播| 亚洲热久| 全亚洲最大的婷婷五月天网站COM| 日本婷婷在线| 久久婷婷激情五月天一区二区| 色色热99| 99ri精品| 婷婷综合五月天激情| 色播五月天天| 99视频精品8 | 极品人妻VideOssS人妻| 激情丁香五月婷婷| 亚洲成av人影院| 激情五月丁香六月| 99爱视频在线观看这里只有精品| 久久多色| 99热这里| 丁香五月婷婷综合激情啪啪啪| 7777国产盗摄农村女人| 激情五月婷婷色综合| 婷婷日| 日日夜夜噜噜爽爽| 天天天天天久久久久久| 丁香五月天亚洲视频| 中文字幕综合| 江苏少妇性BBB搡BBB爽爽爽| 色婷婷色综合| 日本va欧美va欧美va精品| 久久色五月| www.久久66| 欧美婷婷五月天| 色色丁香婷婷综合| 五月激情开心婷婷| 欧洲色色| 国产AV一区二区三区日韩| 日操熟女| 影音先锋四区| 99久久er| 九九色大香蕉| 亚洲天码视频www蛋播视频| 五月天婷婷中文字幕在线播放| 九九99精品视频在线观看| 激情五月天色色色| 超碰在线观看99| 丁香五色月婷婷网| 青青草色在线视频观看| 182无码| 99久久婷婷五月综合| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 成人中文网| 亚洲丁香五月天视频| www.91久久| 国产一级视频a| 色色色婷| 玖玖资源在线视频| 艹| 99A级片| 五月丁香综合色婷婷| 色5在线| 99精品偷拍视频| 国产成人片| 殴美日韩成人| 99视频网| 天天色色婷婷| 精品婷婷五| 国产精品岛国片在线观看免费| 91丨九色丨东北熟女| 天天插天天日| 丁香五月婷综合网| 色婷婷AV五月天| 99啪啪视频| 91综合在线观看| 三男玩一女三A片| 超级碰碰91| 激情婷婷综合| 五月天激情黄色小说在线观看| 激情碰碰碰| 无码日本精品XXXXXXXXX| 婷婷99狠狠躁天天躁中| 丁香五月婷婷在线| 亚艹艹| 九九视频这里是精品五月| 日韩日比视频| 狠狠色九月| 亚洲亚洲人成综合网络| 婷婷六月色| 欧美超级视频97| 五月天婷婷中文字幕在线播放| 五月丁香婷婷在线综合蜜桃| 99啪啪视频| 99干在线| 亚洲欧洲一二| 久久中国毛毛片爱久久| 日本97人人| 国产毛片精品一区二区色欲黄A片| 在线另类视频| 五月丁香啪综合| 亚洲欧美国产高清vA在线播放| 午夜青草资源| 久久综合伊人综合在线| 久久久久久天天日天天爱| 狠狠色丁香久久| 一区操| 99爱操| 国产全是老熟女太爽了| 99色天堂| 99免费在线视频| 激情另类综合| 久激情网| 婷婷五月天堂| 久久综合九九| 欧美色五月| 色婷婷小说| 91在线日| 99久在线精品99re8热| 五月天精品| 久久婷婷五月天激情唯美| 久久这里这里有精品免费视频| 丁香五月婷婷亚洲另类| 日本偷拍九九九| 91聚色综合网| 91丨九色丨国产打屁股网站| 五月婷婷激情| 看全色黄大色大片| 91狠狠色| 思思热在线| 日日夜夜天天| 被强行糟蹋的女人A片| 99∨VTV| 91超级碰碰碰| 农村熟妇高潮精品A片| 在线理论片| 久热一区| 婷婷丁香综合色AV| 在线观看996精品| 亚洲色综久久五月| 久久综合性| 亚洲综合激情五月久久| 五月天婷婷在线观看精品男人| 婷婷爱综合| 在线网黄| 成人av在线网站| 99久久久免费| 欧美成人热| 天天干天天 亚洲| 五月丁六月婷| 激情五月天小说| 99热免费在线| 第四色大香蕉| 99精品综合| 免费看欧美成人A片无码| 51精品国自产在线| 丁香视频| 天天爱天天做天天日| 激情综合青草| 婷婷五月天综合色| 久久3p| 色五月婷婷在线视频| 婷婷六月丁香1| 欧洲综合色| 99这里只有精品|v| 色爱亚洲| 久久九久久| 男人天堂 久久| 婷婷色啪| 丁香五月天天日| 99热这里只有精品无码| 天天噜日日噜综合无码| 伊人无码高清| 9 1在线视频| 九九久久五月天综合伊人| 五月色视频| 99视频在线观看欧| 五月婷婷五月丁香| AV电影在线播放| 国产肥白大熟妇BBBB视频| 国产真人做爰视频免费| 久久综合综合综合| 99这里是99在线视频| 中文字幕日韩无码制服诱或| 婷婷刺激综合| 亚洲乱码日产精品BD| 曰本aaaaaa丈片| 婷婷九月丁香| www色综合| 五月丁香色| 公的粗大挺进了我的密道| 婷婷激情97| 婷婷激情九月| 青青草原99热| 五月婷六月| 欧美天堂婷婷日韩| 五月天综合网| 五月的色婷婷高潮| 五月天婷婷色小说| 91热久久| 九九爱精品网站| 日本天堂免费99| WWW色综合| 婷婷五月丁香伊人| av大香蕉| 九热久| 蜜桃婷婷丁香五月天狠狠久久综合| 99成人小视频| 亚洲色五月天| 色五月婷婷自拍| 欧美va视频不用播放器的va视频网| 99视频这里只有精品10| 香蕉婷婷| 97性视频| 五月婷婷激情中心| 思思久久精品| 丁香六月婷婷综合啪啪| 。久久久久久久久久久久久久人妻| 久久婷婷色色| 人人操人人添人人摸97| 五月婷深深爱激情网| 97干97色| 色色色色色五月| 日批在线看| 久久性视频| 开心色色五月天综合| 久久xxxx| 天天综合五月天| 综合色五月亭亭| 久久久com| 五月激情婷婷丁香天堂| 610018岁成人视频| 激情深爱综合| 国产成人网址| 热99在线| 草草影院爱爱| se99视频| 91打屁股免费看| 亚洲超碰在线| 婷婷五月综合社区| 99伊人婷婷在线| 国产精品蜜臀99| 激情网五月天| 亚洲av免费在线| 综合在线色婷婷| 色婷婷伊人激情在线观看| 丁香五月天无码AV| 日本99久久| 97超碰9久热婷婷热| 热99精品视频观看| 婷婷色影院| 一月婷婷色色| 五月天桃色深爱网| 超碰京东热av男人的天堂| 五月婷婷免费视频| 国产精品18久久久| 99热这里只有精品国产免费| 人人爱国产| 日韩精品超碰在线观看| 久久婷婷五月综合| 99久久久久久久| 激情小说五月天中文字幕| 日本三级韩三级99久久| jiujiu热在线视频| 色综合色色| 久久久久8888| 久综合| 激情综合网站| 99这里只有精品视频| 99久久99综合| 热的无码综合视频| 精品热九九| 98热精品| 婷婷深爱网| 久久久99精品免费观看| 天天干天天日天天插| 九九aV| 老妇操B| 国产激情婷婷| 色婷婷影| 久久婷婷五月天激情四射| 九九精品亚洲| 91AV婷婷| 超碰99在线观看| 色综合久久中文| 日本一级大片| 中文字幕AV网址| 成人在线免费网址| 天天日 天天草| 人人综合91网| 日日干天天| 99久久新视频| 99激情在线| 成人短视频在线| 久久精品婷婷| 五月婷婷啪啪| 97色碰| 久久综合热17c| 丁香五月AV| aaaaaa片| 色综色网| 天天狠狠夜夜狠狠2023| 91凹凸在线| www激情| 99re熱| h在线看免费版在线看| 99热久久最新地址| 国产黄色大片| 亚洲 视频 导航 一区| 99热这里| 99热精品在线观看| 中文字幕欧美久久| 中美日韩成人在线| 综合久久99| 97人妻碰碰中文无码久热丝袜| 丁香综合伊人| 国产午夜精品AV一区二区麻豆| 很操日本7| 97操碰日本女人| 99视频在线观看网址| 99热精品99| 99热精品在线| 夜夜夜叫天天天做| 六月激情丁香一道本7777| 午夜爱爱网站| 国产精品在线视频| 在线视频婷婷| 国产精品视频| 日本va网站| 99天天操夜夜操| 日日夜夜狠狠| anquye伊人| 日韩av手机在线观看| www.五月丁香av| 九九九九成人| 97碰在线| 丁香六月毛片| www热久久yy9| 五月丁香啪啪网| www婷婷亚洲| 亚洲精品另类| 亚洲黄色影视| 久久成人天| 久久中国毛毛片爱久久| 亭亭玉月丁香| 九九激情视频| 五月婷视频久久| 黃色三级三级三级三级 qixing300.shrkbk.com www.jinbozs.com tianmiaosw.com | 91碰九色| 五月婷婷激情综合av| 色五月成人| 久久五月婷婷综合网| 99这里热| 五月永久激情| 欧美日韩成人免费在线| 亚洲深喉aV| 影音先锋偷偷色男人站| 五月婷成人网| 开心五月婷婷婷美女| 亚洲精品一区中文字幕乱码| 99热在线观看免费精品| 翔田千里aV中文字幕| 成人人操| 搡BBBB搡BBB搡五十| 婷婷激情五月综合| 人妻内射麻豆视频| 91九色熟女| 99婷婷精品推荐在线视频| 丁婷婷五月天在线播放| 色播五月丁香婷婷| 热久国产| 丁香五月之久操视频| 久久作爱| 婷婷久久综合久色| 丁香综合伊人| 99热精品99| 综合久久激情久久| www.久热| 丁香五月天成人网站| 国产阿姨日皮艹逼内射视频 | 一级性感毛片| 高清无码入口| 五月婷婷激情日本| 日本乱论99| 被强行糟蹋的女人A片| 婷婷的色色五月天| 97五月天婷婷| 激情深爱综合| WWW色色色COM| 国产又色又爽又黄又免费| 婷婷丁香花五月天| 婷婷基地五月色| 久久这里只有精彩| 99精品视频偷拍| 日韩少妇内射免费播放| 婷婷丁香五月激情| 亚洲成人在线综合| 丁香成人色情五月天| 天堂爱爱| 亚洲天堂久久| 五月天婷婷激情四射综合| 噼里啪啦完整版中文在线观看| 综合网色| 五月激情在线| 99这里只有精品|v| 99热精地址| 一根材五月婷成人| 天天草人人摸| 91色综合| 99热在线观看精品| 亚洲一区二区无遮挡A片| 99久久婷婷精品视频| 极品少妇XXXX精品少妇偷拍| 丁香色五月天| 亚洲不卡| 久久精典| 国产精品成人AV在线| 玖玖资源站中文| 九九婷婷五月天影视| 深情六月婷婷综合久久| 色欲天天综合| 91综合色| 亚欧州精品视频| 五月天婷婷狠狠| 久青草大香蕉| 六月丁香成人| 五月婷婷婷色| 99ri网站在线观看| 国产精品日本一区二区在线播放| 99网| 欧美在线| 99久久99综合| 婷婷.com| 亞洲自怕| 热99.com婷婷| 狠狠 久久| 婷色综合| 五月天激情综合网| 2015超碰| 操逼国产91| 久久大香蕉伊人| 色99超碰| 五月丁香成年黄色| 激情综合99| 色欲色香综合网站| 亚洲精品九九| 日本黄色精品| 狠狠色婷婷7777久综合| 丁香婷婷性久久| 99人人操人人操人人精| 97碰久久| 亚洲av成人在线| 色综合区| 色99在线视频| 五月天激情综合首页| 深爱激情网五月| 色婷婷成人影片| 五月婷婷m| 亚洲第一色网站| VA日本视频| 五月天播播综合| 午夜 外网 精品 在线| 极品人妻videosss人妻| 精品久久婷婷| 日本成人综合| 色五月色五天色情网| 五月五婷婷网| 婷婷五月天影视| 综合五月激情| 天天日天天爽| 丁香五月成人| 欧类av怡春院| 婷婷五月天丁香久久| 色婷婷先锋| 91九九| 婷婷色香六月综合激情| 丁香五月婷婷综合视频| 色青五月天| 2025年最新亚洲在线欧美| 99综合| 五月婷婷欧美| 丁香婷婷综合激情五月色| 激情五月婷婷综合网| 狠狠色丁香婷婷| WWW99热| site:wpjngj.com| 国产精品久久久60086| 五月婷婷丁香社区| 大香蕉婷婷丁香天堂AV| 大地9中文在线观看免费高清| 国产熟妇乱子伦hd| 婷婷五月丁香香蕉| 蜜乳9188| 我要射综合| 激情五月天婷婷在线网址发给我| 思思久久精品| 另类少妇人与禽zOZZ0性伦| 99婷婷综合| 人妻久久婷婷| 99热精品网| 午夜激情五月天| 人妻av在线| 中文字幕中文有码在线| 色天堂A| 婷婷五月天va| 五月婷婷六月丁香| 99在线精品免费视频| 99玖玖视频| 亚洲无码另类| 亚洲婷婷五月草久| 色婷婷综合影院| 亚洲婷婷乱乱丁香| 97影院一级片| 丁香六月婷婷色XXXX| 色激情五月| 亚洲色婷婷99一9|| 婷婷色正月| 色色色色色综合| 亚洲第一成人AV| 午夜色婷婷| 日本五月视频| 另类激情综合| 秋霞网在线免费基地五月婷婷丁香| 久激情网| 婷婷五月天亚洲图片| caop在线视频| 99热黄| 五月婷婷新网站| 婷婷深爱五月| 国产精产国品一二三在观看| 九九综合网色全集| 婷婷激情五月天亚洲综合| 伊人久久大香线蕉av一区| 91色久| 操操精品| 色五月婷婷五月丁香五月激情五月视频 | 丁香五月天AV在线| 99热这里只有在线| 色婷婷久久| 五月天另类图片区99| 精品99爱免费视频在线观看 | 色综合天天网| 丁香激情网| 丝雨一区二区| 一个色的综合| 97碰久久| 人操91在线| 91精品电影18T| 极品另类| 国产女人十八水真多1| 怡红院99| 欧美日韩99| 五月亭亭色| 6080av| 成年人丁香五月| 色五月婷婷自拍| 五月婷婷开心亚州在线| 成人做爰A片免费看视频| 狠狠干综合| 综合色婷婷| 天天舔天天摸天天透| 狠狠狠狠狠干| 亚洲熟女色| 婷婷五月另类网站| 激情六月婷婷啪啪| 激情网第四色| 九热视频| 99九九热视频免费| 密乳视频| 99热这里只有精| 色播五月婷婷| 婷婷伊人网| 五月天婷婷情色| 亚洲综合热| 操日本99| 久久视频九九视频| 国产成人AV| 99热这里只有精品亚洲| 激情综合五月天| 大香蕉九九| 婷婷五月天激情小说| 婷婷九色| 日日干夜夜干| 操逼亚洲天堂| 欧美久久婷婷| 最新国产AV| 91精品国产综合久久密臀| 天天干一干| 激情网五夜婷婷| 五月丁香婷婷深深爱| 91天堂网综合| 99热8| Y11111111111少妇电影院| 婷婷五月天色综合| 99在线精品免费视频| 亚洲激情99| 欧美日韩成人在线| 丁香六月AV| 九色婷婷| 九九av| 久久这里只有精品8| 婷婷中文在线| 五月天激情图片| 最新日本A片| 六月激情网| 天天干,天天舔| 91精品久久久久久| WWW,色五月| 色色婷| 五月激激网w'w'w| 丁香五月天堂网| 婷婷丁香五月激情图片| 这里只有精品69| 在线免费观看激情视频| 99这里只有精品视频| 色99婷婷五月天| 99久久婷婷五月综合| 婷婷五月天久久综合88| 婷婷涩五月| 99色综合| 日韩999| 五月丁香综合久久| 91九色PORNY大屁股| 亚洲日韩欧美综合VA| 日韩啪啪自拍| WWW,五月| 狠狠色丁香五月婷巨| 五月天色五月| 欧美毛片www| www.婷婷久久五月天| 天天干天天操天天爱| 色婷婷香蕉在线| 日日天天干| 97香蕉久久超级碰碰高清版| 日韩色色视频| 99视频精品8| 国产91在线视频| 色色五月天婷婷丁香| 亚洲成人在线播放| 97色婷婷| www.com操| 激情碰碰碰| 97人人干人人操| 久热这里只有精品在线观看| 在线超碰免费| 69久久99精品久久久久婷婷| 婷婷六月丁香在线| 潘金莲AAAAAAAAAA| 激情综合网五月天| 99碰超| 午夜不卡久久精品无码免费| 丁香五月综合在线观看| 91干视频| 精品人妻久久久久久| 伊人婷婷五月| 久热精彩视频98| 91seav| 五月婷婷丁香深深爱| 91碰免费视频| 丁香六月激情| 婷婷丁香五月亚洲欧美| 国产婷伊人| 思思99热| 五月婷婷久久综合| 久久99免费视屏| www狠狠| AV在线免费网站| 色五月丁香五月| 97干视频在线| 97色碰| 亚洲色婷婷五月| 91超碰在线播放| 国产肥白大熟妇BBBB视频| 插少妇综合网| 久久婷网| 91无码一区人妻A片蜜| 丁香婷婷情色五月天| 欧洲99视频在线| 91.www综合| 五月婷婷亚洲| 新激情五月开心五月婷婷五月丁香五月| 色婷婷瘦婷婷日韩| 日韩中文字幕| 91青娱乐青青草| 白天AV月月| 色噜噜狠狠色综合网| 超碰9799| 丁香五月激情啪| 26uuu亚洲色| 99欧州偷拍视频| 五月婷婷久久大片| 九九热AV| 色色综合网络| 五月婷婷在线丁香| 免费日本aⅴ中文字幕| 五月天久久婷婷| 五月婷婷激情中心| 欧美天天草人人草| 99热99| 国产午夜精品一区二区三区嫩草| A在线观看| 色区域网站视频| 在线国产精品色| 色五月婷婷伊人| 青柠影视免费高清电视剧| 五月开心网| 丁香五月成人在线| 日韩婷婷五月| 久久色五月天| 天堂二区| 欧美S码亚洲码精品M码| 欧美日本国产欧美日本韩国99| 狠狠狠狠狠狠狠狠狠狠狠色宗合图片| 色噜噜五月丁香婷婷| 丁香五月花影院| 五月婷婷片| 天天操天爱综合| 亚洲中文无码成人| 91婷婷在线| 国产免费一区二区三州老师F1F1……| 日本操天堂| 久久婷婷五月综合| 色五月婷婷av| 色五月五月婷婷| 天天干天天色天天干| 99热99色| 51avj视频大全| 美妞av| 蜜臀av无码久久久久久久久| 欧美丰满熟妇BBB久久久| 色色亚洲视频| 五月天激情网站| 五月天激情视频| 五月综合缴情网| 深爱丁香网| 91人人爽狠狠狠| 99久久精彩视频| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 免费AAAAA网| 成人五月天丁香婷| 午夜日日| 九一娱乐在线观看视频| 国产精品天天狠天天看| 亚洲激情AV| 99热这里全都是精品| 婷婷亚洲综合| 狠狠色噜噜狠狠色噜噜噜999| 在线中文亚洲| 人人妻人人澡人人爽| 五月丁香婷婷五月色| 99re热视频这里只精品| 99热超碰| 欧洲色| 丁香五月成人社区| 亭亭社区五月天| 色婷五月天网站| 五月婷婷六月爱| 久久ww| 亚洲一区国产传媒| 99热官网精品在线| 狠狠爱深色婷婷综合| 激情五月婷婷| 精品一二三区久久AAA片| av在线资源| AV在线免费播放| 久9久9热久热| 久操人妻| 欧美日韩成人在线| 激情 婷婷 丁香五月天| 开心婷婷五月花| 丁香成人综合| 狠狠狠激情网| 热99只有精品| 欧美综合激情五月天| 亚洲丁香五月在线观看| 99小视频网站| 99视频超级精品| 日韩欧美一区二区三区四区| 成人网址在线观看| 日本久久高清| 国产精品人成A片一区二区| 秋霞性爱AV| 五月丁香在线观看| 开心五月综合| 97色天堂| 99热亚洲| 久久丝丝热| 五月丁香啪啪啪免费看| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 婷婷成人视频| 亚洲精品亚洲人成人网| 天天天天操| 久久这里只精品| 色五月婷婷久久| 亚洲乱码日产精品BD| 婷婷操无码| 六月色 亚洲| 狠狠se| 综合另类视频| 女人露出p毛视频www网站| 天天爽成人综合网站| 五月婷婷丁香大陆免费| www夜夜操wwwcon| 五月婷婷亚洲| 五月丁香91| 99热97| 婷婷情色开心五月天99| 久久久噜噜噜操操操| 亚洲AVwwwwwww| 欧美色碰| 日韩在线视频中文字幕| 九九热黄色| 色色婷五月天| 深情五月天| 在线观看亚洲AV| 五月天婷婷激情小说电影| 99国产精品久久久久久久久久久 | 色欲色香综合网| 色色亚洲| 一片AV片免费播放| 五月丁香激情四射综合| 六月丁香婷婷综合影院| 丁香六月色婷婷| 天天综合插插| 色天天综合成人网| 日本va欧美va国产激情| 亚洲旡码| 丁香五月Av| 狠狠干在线| 日日夜夜天天综合| 色激情五月| 日本eVa一区=区视频| 超碰婷婷色| 天堂综合久| 色七色九九| 色热久| 综合色五月天| 激情五月丁香亭亭| www.日本91| 超级碰碰碰97免费| 国产午夜精品AV一区二区麻豆| 久草婷婷网 | 九月婷婷激情| 国产精品国产成人国产三级| 色 噜噜 九月 婷婷| 六月丁香婷婷综合狠狠爱夜夜爱| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 操碰99在线视频观看| 欧洲综合视频| 丁香五月天网站| 丁香婷婷啪啪啪| 无码区婷婷五月花开| 四色99久久| 91人妻人人操| 婷婷色网| 视色综合| 亚洲另类在线观看| 日韩不卡123| 思思99久久| www.久操| 九九热在线观看6| 日本熟女内射| 久久性爱视频| 日本天堂网站99| WWW,色五月| 99久久久国产大片| 婷婷激情人妻| 99色热综合| 亚洲啪啪网| xfplayav在线| 无码操B| 五月婷婷,六月婷婷| 有码人妻久久| 久热黄色| 亚洲精品一二三| 光棍影院日韩精品| 婷婷五月蜜桃成人桃色丁香| 婷婷五月天综合在线| 婷婷五月情| 婷婷玖玖丁香| 丁香五月婷婷动漫视频| 新激情五月天天在线网| 欧美A级成人婬片免费看理论| 变态另类9| 五月情涩综合婷婷| 久久色情| 91网站黄| 天天肏屄夜夜爽| 熟女网站久久| 奇米色大香蕉| 激情婷婷亚洲五月| 五月婷婷三级| 99久高清视频| 我爱va亚洲va52| 26uuu| 亚洲天堂爱爱| 五月丁香婷婷AV| 色噜噜狠狠色综无码久久合欧美| 婷婷五月天成人在线视频| www.yw色| 九九人人操| 国产激情AV| 99超级碰碰| 丁香社92视频| 色色亚洲无码| 色色色婷| 免费人人操| 丁香五月激情视频在线| 开心婷婷五月| 色VA| 激情综合网五月激情网| 成人视频免费观看高清完整版在线观看| 久鲁鲁色网| 99精品网站| 91人人网| 人人操人人爽成人AV| 婷婷丁香五月天亚洲| 五月天丁香| 精a品a视a频| www色色com| 99久久.www| 夜夜夜夜夜操| 欧美日本不卡黄色片| 五月天婷婷色播在线网| 色情五月综合婷婷| 成人网在线视频| 丁香五月色欲| 丁香五月婷婷免费视频| anquye伊人| 五月丁香综合激情| 色色色干| 丁香五月91| 另类激情四射| 日韩欧美颜射| 亚洲操逼片| 六月色播| 97人人干人人操| 在线中文亚洲| 狠狠色噜噜狠狠| 日韩在线观看亚洲| 激情综合色播| 波多野结衣AV无码Porn| 婷婷亚洲久久| 日日干天天| 在线91日韩| www.久热| 五月婷婷六月丁香首页| 精品女人九九九| www久久久久| 99色综合| 激情综合99| 韩国情人在线电视剧免费观看高清版全集 | 亚洲成人综合在线| 超碰成人免费| 伊人久久婷婷| 五月婷婷丁香五月| 99综合色色色| 色色五月天婷婷| 日韩激情婷婷五月天| 久久精品9| 欧洲亚洲免费视频9| 九九亚洲| 停停色综合伊人| 中文人妻AV久久人妻18| 伊人五月人妻精品| 婷婷五月丁香青青草在线| 日本va欧美va欧美va| 日韩一级| 狠狠人人婷婷| 久久狠狠干| 97AV在线视频| 欧美群妇大交乱婬网| 99国产精品白浆在线观看免费| 大伊久久| 不卡成人免费| 色噜噜五月天| www.maotanji.com| 日本三级日本三级99| 五月丁香六月婷综合成人综合 | 狠狠插日日干撸| 色吊丝99| 日韩在线观看亚洲| 99热91| 26uuu丁香婷婷五月| 婷婷九月| 婷婷综合仓库中文| 激情五月婷黄版| 亚洲五月天婷婷| 99这里只有精品|v| 婷婷丁香一月| 一起草aV| 那里有AV网址| 日本女色人人| 99热这里只有精品5| 五月丁香福利| 黄网在线播放| 玖玖资源天天无码| 九九色院| 99在线精品观看99| 激情丰满熟妇五月| AV六月丁香| 五月丁香综合在线| 色婷| 丁香婷婷色五月| 色婷婷在线视频综合| 亚洲XX网| 91人操| 99热精品少| 久婷婷久草| 99热主页日本| 18av天堂| 婷婷狠狠狠爱| AV操操操| 日本激情五月天‘| 五月天婷婷激情在线色图| 色噜噜狠狠色综合日日| 日韩乱玛久久| 大香蕉中文| 婷婷导航| 五月天激情图片| 日韩欧美一区二区三区四区| 蒲京久久无码视频| aaa久久| 综合在线丁香五月| 9久久久| 极品少妇XXXX精品少妇偷拍| 久久网思思| 99在线资源| 操97在线观看| 久婷五月| 99这里只有精品在线| 久久久全国免费视频| 五月天婷婷av| 午夜丁香五月天综合| 色婷丁香| 91免费看片| 狠狠五月丁香色婷| 九九99在线| 囯产精品久久欠久久久久久九大| 婷婷五月天精品| 色色五月天激情| av婷婷丁香| 婷婷色五月色| 久热这里只有精品性色AV| www.久久婷婷| 丁香五月久久| 色情五月天婷婷| 亚洲精品乱码久久久久久按摩观| 亚洲最大视频网站| 久热大香蕉| 五月婷婷丁香狠狠撸久久| 91碰碰碰| 亚洲第一影院高清无码网站| av九九| www.婷婷五月天| 色婷婷在线视频久| 色婷婷88| 九九精品少妇| 噼里啪啦在线观看免费完整版视频| 五月婷婷综合潮喷| 国内婷婷丁香社区在线播放| 91久久五月天| 91碰免费视频| 五月色色激情网| 99热这里只有精品1025| 色情婷婷久久五月天| 人人摸人人摸| 五月婷婷之美女图片| 91色吧网| aaa久久久| 欧美日韩99| 色天堂在线| 亚洲在线成人| 四川女人毛多水多A片| 婷婷伊人网| av在线免费网站| 五月天综合影院| 九九热视频精品2| 人人干女人| 亚洲免费成人电影AV| 99热在线观看| 久婷视频| 五月丁香久久综合| 天天xxxxxx天天日| 久久五月天精品视频| 久久9情免费| 双性美人被调教到喷水A片| 亚洲最大视频| wwwC0maV五月花| 九九精品片一| 国产成人av在线播放| 久久综合久色欧美综合狠狠| 伊人久久艹| 九九在线精点品| 91操片| 丁香五月婷婷大香蕉| 丁香五月中文字幕久色| 色婷婷丁香五月在线| 成人色站,在线视频,看片-SS1AV| 情色五月天网站| 超碰熟女农村在线69| 五月天婷婷色播综合在线| 欧美成人一区二区三区在线视频| 夜夜操天天干| 99九九热在线观看| 久久精品视频在这里有| 另类国产综合| 亚洲另类婷婷五月综合| 99热只有国产在线精品| 热久91| 69天堂99| 激情婷婷丁香| 欧美性猛交99久久久久99按摩| 六月久久婷婷| 欧美婷婷综合| 日日操夜夜骑| 思思re99视频在线观看|