• <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 ?

    基于模糊支持向量機的旁車道車輛并線意圖識別方法*

    2014-02-27 04:34:46馬國成劉昭度裴曉飛王寶鋒齊志權
    汽車工程 2014年3期
    關鍵詞:訓練樣本正確率意圖

    馬國成,劉昭度,裴曉飛,王寶鋒,齊志權

    (北京理工大學機械與車輛學院,北京 100081)

    前言

    旁車道車輛并線意圖識別是駕駛員輔助系統(tǒng)的重要組成部分,它可對自適應巡航控制(adaptive cruise control, ACC)等駕駛員輔助系統(tǒng)提供決策參考信息,以改善在旁車道車輛并線工況下的控制效果。ACC可由車載雷達獲取交通信息并通過電子節(jié)氣門和主動制動系統(tǒng)完成主車道車輛縱向動力自動控制,以實現(xiàn)定速巡航(安全車距內(nèi)無前車)或以安全車距跟隨前車行駛(前車車速小于巡航車速),由此可減輕駕駛員的負擔并減小追尾事故發(fā)生的概率[1-2]。但目前的ACC系統(tǒng)大都只利用主車道內(nèi)的目標車輛行駛信息進行控制決策,在并線工況下,只有旁車道車輛完全進入主車道內(nèi)時才會引起ACC目標車輛的改變,因此主車道車輛不能提前利用旁車道車輛的并線行駛信息進行控制。特別是在旁車道車輛強行并線工況下,目標車輛更新滯后會造成安全隱患,當ACC系統(tǒng)在主車道內(nèi)檢測到并線車輛時往往會對主車道車輛施加大強度制動以避免碰撞,這會影響到主車道車輛乘員的舒適性和后續(xù)車輛的正常行駛。如果在并線車輛尚在旁車道時即可確定其并線意圖,使主車道車輛提前按并線車輛更新期望車速與期望車距,則可避免上述問題。因此,旁車道車輛并線意圖識別對上述工況的ACC控制尤為重要。

    針對傳統(tǒng)ACC的旁車道車輛并線工況,文獻[3]中利用仿真證實了約有一半的駕駛員為確保安全會主動采取制動操作以中斷ACC的自動控制。為了描述車輛并線行為,文獻[4]中建立了多車交互的并線模型,但它只能說明有并線需求的駕駛員會在何種行駛條件下采取并線操作,并不能檢測駕駛員的并線意圖與動作;文獻[5]中則采用主車道車輛與旁車道車輛的側向相對距離與相對速度利用模糊決策來確定旁車道車輛的并線意圖,認為有較小側向相對距離與較大側向相對速度的旁車道車輛為并線車輛,但這種方法主觀因素較大,有時不能客觀反映并線車輛的行駛規(guī)律。針對以上問題,本文中采用機器學習的方法,利用模糊支持向量機對實際行駛工況下的旁車道車輛并線數(shù)據(jù)樣本進行學習,得到基于實測數(shù)據(jù)的并線意圖識別器,以用于實車ACC控制器對旁車道車輛并線意圖的實時在線識別。

    1 并線樣本

    本文中利用模糊支持向量機進行并線意圖識別器的訓練,因此并線樣本包括訓練樣本與待分類樣本,它們均可在實際的交通環(huán)境中獲得,且其結構組成一致。其中訓練樣本在經(jīng)過離線人工分類獲得分類標簽后用于并線意圖識別器的訓練,而待分類樣本在ACC控制中實時通過并線意圖識別器判斷旁車道車輛的并線意圖,如圖1所示。

    為了充分描述主車道車輛與旁車道車輛的運動關系,訓練樣本與待分類樣本由7個結構屬性組成,包括主車道車輛速度vh、主車道車輛與旁車道車輛的縱向相對車距dx、縱向相對車速vx、縱向相對加速度ax、橫向相對車距dy、橫向相對車速vy和橫向相對加速度ay。車載雷達的目標更新周期為50ms,因此并線樣本的更新與雷達保持一致。同時,在先前的研究中已經(jīng)完成了雷達對主車道和旁車道目標的跟蹤[6],因此dx、vx、dy和vy可由雷達返回目標車輛的相對距離dd、相對車速vd(徑向速度)與方位角θd按下式計算:

    (1)

    (2)

    相對加速度信息無法直接獲得,可設計以dx(dy)、vx(vy)、ax(ay)為狀態(tài)變量,以dx(dy)、vx(vy)為觀測量的3維Kalman濾波器,但考慮到在并線意圖的實時識別過程中3階矩陣的求逆會過多占用嵌入式控制器的資源,所以設計了以vx(vy)、ax(ay)為狀態(tài)變量,以vx(vy)為觀測量的2維Kalman濾波器,進行狀態(tài)估算:

    Kk=APkCT(CPkCT+Sz)-1

    (3)

    (4)

    (5)

    由圖2可知,相比直接利用vx差分計算ax,Kalman濾波估計得到的ax可有效抑制噪聲,避免了并線樣本信息的不準確。同時對ay的估計也有相同的結論。

    訓練樣本由主車道車輛在實際交通環(huán)境中采集獲得,經(jīng)過離線分析后,把并線車輛從開始向主車道移動至完全進入主車道后的樣本標記為1,認為檢測到駕駛員有并線意圖(正樣本);而把其余的旁車道車輛樣本標記為-1,認為駕駛員沒有并線意圖(負樣本)。由此共獲得正樣本52組(左右車道并線各26組),共計7 683個樣本點,負樣本87組(左車道43組,右車道44組),共計15 426個樣本點。這些帶有分類標記的樣本點將用于并線意圖識別器訓練。在獲得并線意圖識別器后,由ACC控制器實時采集計算得到的待分類樣本即可根據(jù)其對識別器輸出的結果來判斷旁車道車輛的并線意圖。

    2 支持向量機與模糊支持向量機

    支持向量機是基于統(tǒng)計學習理論的一種機器學習算法,它可在模型的復雜度和學習能力之間獲得較佳折衷,并可轉化為凸二次優(yōu)化問題進行求解,因此支持向量機算法簡單,且學習后得到的模型有較強的推廣能力[7],適合本文中小樣本學習的情況。支持向量機解決二分類問題的過程如下。

    設序號為i的訓練樣本點為(xi,yi),其中xi為樣本的屬性,在本文中xi由vh、dx、vx、ax、dy、vy和ay7個屬性構成;yi為該樣本的分類標簽,以1表示有并線意圖的樣本,以-1表示沒有并線意圖的樣本。一般情況下,設樣本有m個屬性,則在訓練過程中支持向量機希望獲得m維分類超平面ω·x+b=0,使所有訓練樣本(xi,yi)滿足:

    yi(ω·xi+b)≥1

    (6)

    (7)

    為了求解由式(6)和式(7)組成的優(yōu)化問題,構造如下的Lagrange函數(shù):

    (8)

    式中n為訓練樣本的個數(shù)。

    為求解式(8)的最小值,分別對ω、b、αi求偏導數(shù)并令其等于0,則式(8)的優(yōu)化問題可轉化為關于αi的凸二次規(guī)劃尋優(yōu)的對偶問題:

    (9)

    f(x)= sgn((ω*·x)+b*)=

    (10)

    式中x為待識別的樣本。

    但在m維空間中,往往存在訓練樣本線性不可分的情況,即并不是所有樣本都滿足式(6),此時主要通過以下方法提高分類準確度。首先通過映射zi=φ(xi)使學習樣本向更高維空間轉換,以提高分類準確率。式(9)的計算中只包括向量的點積,因此通過引入核函數(shù)K(xi,xj)來計算變換后高維空間中向量的點積zi·zj,以提高計算效率。其次通過引入松弛變量ξi來容許部分訓練樣本錯分,并在式(7)中引入懲罰項Cξi來權衡錯分點對最優(yōu)分類面的影響。

    但是在上述支持向量機中,對所有訓練樣本點都作等權重考慮,而在實際中各訓練樣本點的重要程度和準確性各不相同,如在駕駛員開始并線操作的初始時刻,并線樣本點與非并線樣本點的差異并不大,不能明確反映駕駛員的并線操作特性,因此需要考慮訓練樣本的權重問題。模糊支持向量機可以根據(jù)訓練樣本點(xi,yi)屬于某類的權重不同引入模糊隸屬系數(shù)si,使不同權重的樣本點對分類面的影響程度不同[8]。此時最優(yōu)分類面的求解轉化為

    (11)

    其對偶的凸二次規(guī)劃問題為

    (12)

    由所有訓練樣本點對式(2)求解后可得關于αi的最優(yōu)解,此時便可得到分類識別器,其判別函數(shù)為

    (13)

    3 并線意圖識別器訓練

    RBF核函數(shù)形式簡單且能更有效地將樣本向高維空間中映射,因此本文中選它作為求解式(12)的核函數(shù)。RBF核函數(shù)的基本形式為

    (14)

    此時,式(12)的優(yōu)化問題中存在2個參數(shù)C與σ,它們的值可通過網(wǎng)格優(yōu)化進行選取。即確定C與σ的取值范圍后,按一定的步長選取其所有可能的取值點,并在這些點上計算交叉檢驗正確率。在不同的C與σ下,得到最大交叉檢驗正確率的點即為C與σ的最優(yōu)取值。交叉檢驗正確率是指將所有訓練樣本隨機分成t組,用t-1組的樣本訓練識別器,利用剩余的1組樣本對訓練后的識別器進行檢驗,得到1個識別正確率,之后再將訓練樣本和檢驗樣本進行輪換,直至得到t個正確率,正確率的平均值即為交叉檢驗正確率。考慮到運算效率,將交叉檢驗的分組數(shù)設為5,同時在網(wǎng)格初始尋優(yōu)時采用較大的步長,在獲得可能存在最大值的區(qū)域后再在其領域附近利用小步長進行尋優(yōu),直至找出C與σ的最優(yōu)值。本文中σ的取值范圍為[2-8,28],同時為避免過大的C造成分類器的過學習,限制其范圍為[2-8,2]。網(wǎng)格優(yōu)化的結果如圖3所示。

    優(yōu)化后C與σ的值分別為0.94、1.87,此時交叉檢驗正確率為92.98%。利用此參數(shù)進行分類器的訓練,得到如式(13)的并線意圖識別器,其中共有支持向量487個(正樣本221個,負樣本266個)。

    4 試驗結果與結論

    將第3節(jié)中得到的并線意圖識別器編寫入車載嵌入式控制器中,在實際道路交通環(huán)境下對其性能進行試驗。試驗共捕捉到12組旁車道車輛并線過程與17組旁車道車輛正常行駛過程,其中的一次并線識別結果如圖4所示。

    在圖4的試驗中,旁車道車輛約在17s時從右側車道向主車道并線行駛。由圖4(c)與圖4(d)可知,普通支持向量機與模糊支持向量機都能對并線過程做出及時的識別,但后者識別的準確率要高于前者。同時為了濾除在模糊支持向量機中仍存在的樣本誤識別的情況,對圖4(d)的結果做如下處理:當并線狀態(tài)為-1(沒有檢測到并線)時,如果最近4個檢測周期中有3個檢測到并線發(fā)生,則并線狀態(tài)置1(檢測到并線);而當并線狀態(tài)為1時,最近4個檢測周期中有3個檢測到?jīng)]有并線發(fā)生,則并線狀態(tài)置為-1,其它情況下并線狀態(tài)保持不變。經(jīng)過處理后的結果如圖4(e)所示,可知利用此方法可使識別結果的準確率得到進一步提高。雖然圖4(e)的識別過程比圖4(d)約滯后了150ms,但與整體并線過程用時4~6s相比,滯后所占的時間可以忽略,并不影響在識別到并線意圖后對主車道車輛的控制。采用上述方法,12組并線試驗的平均誤報率(沒有檢測到并線)為5.7%,其中大部分誤報數(shù)據(jù)集中在駕駛員采取并線操作的初始時刻;而17組正常行駛試驗的平均誤報率(檢測到并線)為2.1%。

    以上分析表明,本文中基于模糊支持向量機進行機器學習得到的并線意圖識別器可在車輛尚在旁車道行駛時即可有效檢測其并線意圖,可為ACC和其它駕駛員輔助系統(tǒng)提供決策依據(jù),使控制過程更加準確合理。

    [1] Xiao Lingyun, Gao Feng. A Comprehensive Review of the Development of Adaptive Cruise Control Systems [J]. Vehicle System Dynamics, 2010, 48(10):1167-1192.

    [2] Moon Seungwuk, Cho Wanki, Yi Kyongsu. Intelligent Vehicle Safety Control Strategy in Various Driving Situations[J]. Vehicle System Dynamics, 2010, 48(1):537-554.

    [3] Bako Rajaonah, Francoise Anceaux, Fabrice Vienne. Trust and the Use of Adaptive Cruise Control: a Study of a Cut-in Situation [J]. Cognition Technology and Work, 2006, 8(2):146-155.

    [4] Peter Hidas. Modelling Vehicle Interactions in Microscopic Simulation of Merging and Weaving [J]. Transportation Research Part C: Emerging Technologies, 2005, 13(1):37-62.

    [5] Moon Seungwuk, Kang Hyoungjin, Yi Kyongsu. Multi Vehicle Target Selection for Adaptive Cruise Control [J]. Vehicle System Dynamics, 2010, 48(11):1325-1343.

    [6] 李徑亮. 車輛ABS/ASR/ACC集成技術研究[D]. 北京:北京理工大學, 2011.

    [7] Hsu Chihwei, Chang Chihchung, Lin Chihjen. A Practical Guide to Support Vector Classification [R]. Taiwan: National Taiwan University, 2010.

    [8] Lin Chunfu,Wang Shengde. Fuzzy Support Vector Machines [J]. IEEE Transactions on Meural Networks, 2002, 13(2):464-471.

    [9] Platt John C. Sequential Minimal Optimization: A Fast Algorithm for Training Support Vector Machines[R]. Microsoft Research, 1998.

    猜你喜歡
    訓練樣本正確率意圖
    原始意圖、對抗主義和非解釋主義
    法律方法(2022年2期)2022-10-20 06:42:20
    陸游詩寫意圖(國畫)
    制定法解釋與立法意圖的反事實檢驗
    法律方法(2021年3期)2021-03-16 05:56:58
    門診分診服務態(tài)度與正確率對護患關系的影響
    人工智能
    生意
    品管圈活動在提高介入手術安全核查正確率中的應用
    天津護理(2016年3期)2016-12-01 05:40:01
    寬帶光譜成像系統(tǒng)最優(yōu)訓練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識別算法
    電視技術(2016年9期)2016-10-17 09:13:41
    生意
    故事會(2016年15期)2016-08-23 13:48:41
    国产精品三级大全| 日本欧美视频一区| 丁香六月欧美| 91aial.com中文字幕在线观看| 国产伦理片在线播放av一区| 18禁动态无遮挡网站| 国产免费视频播放在线视频| 一本—道久久a久久精品蜜桃钙片| 久久天躁狠狠躁夜夜2o2o | 18禁裸乳无遮挡动漫免费视频| 天天操日日干夜夜撸| 久久狼人影院| 久久久精品区二区三区| 天堂8中文在线网| 成人黄色视频免费在线看| 欧美激情高清一区二区三区 | 亚洲av男天堂| 成人国产麻豆网| 精品免费久久久久久久清纯 | 在线观看三级黄色| 操美女的视频在线观看| 操美女的视频在线观看| 亚洲天堂av无毛| 亚洲一区二区三区欧美精品| 看十八女毛片水多多多| av视频免费观看在线观看| 久久人人97超碰香蕉20202| 国产精品一区二区精品视频观看| xxxhd国产人妻xxx| www.熟女人妻精品国产| 久久久久国产一级毛片高清牌| 欧美精品人与动牲交sv欧美| 久久久国产精品麻豆| 亚洲在久久综合| 国产av一区二区精品久久| 悠悠久久av| 一边摸一边抽搐一进一出视频| 日韩成人av中文字幕在线观看| 欧美精品av麻豆av| 国产一区亚洲一区在线观看| 99精品久久久久人妻精品| 男女边摸边吃奶| 欧美在线一区亚洲| 永久免费av网站大全| 国产熟女欧美一区二区| 欧美黄色片欧美黄色片| 青春草视频在线免费观看| 亚洲成人国产一区在线观看 | 精品久久久精品久久久| 亚洲,一卡二卡三卡| 丰满少妇做爰视频| 9191精品国产免费久久| 精品卡一卡二卡四卡免费| 丁香六月欧美| 久久影院123| 国产精品免费大片| 国产精品亚洲av一区麻豆 | 国产成人免费无遮挡视频| 日韩中文字幕视频在线看片| 男人操女人黄网站| 成人毛片60女人毛片免费| 久久久久久久久久久免费av| 免费在线观看完整版高清| 搡老岳熟女国产| 老司机靠b影院| 99久国产av精品国产电影| 国产高清国产精品国产三级| 久久精品久久久久久噜噜老黄| 中文天堂在线官网| 男女床上黄色一级片免费看| 国产精品久久久av美女十八| 国产精品久久久久久久久免| 婷婷成人精品国产| 日韩一区二区三区影片| 免费日韩欧美在线观看| 曰老女人黄片| 欧美日韩精品网址| 97在线人人人人妻| 国产片特级美女逼逼视频| 好男人视频免费观看在线| 久久热在线av| 夫妻午夜视频| 又粗又硬又长又爽又黄的视频| xxx大片免费视频| 久久久久精品久久久久真实原创| 亚洲欧洲国产日韩| 日本午夜av视频| 黄片无遮挡物在线观看| 日韩av在线免费看完整版不卡| 免费观看av网站的网址| 一级毛片黄色毛片免费观看视频| 满18在线观看网站| 亚洲av欧美aⅴ国产| 欧美精品一区二区免费开放| 成人国语在线视频| 青青草视频在线视频观看| 天堂8中文在线网| 久久99热这里只频精品6学生| 精品少妇久久久久久888优播| 91精品伊人久久大香线蕉| 精品国产国语对白av| 色视频在线一区二区三区| 一级毛片电影观看| 亚洲精品国产一区二区精华液| e午夜精品久久久久久久| 日韩精品有码人妻一区| 国产黄频视频在线观看| 麻豆av在线久日| 欧美精品一区二区大全| 国产精品久久久久久人妻精品电影 | videosex国产| 肉色欧美久久久久久久蜜桃| 色94色欧美一区二区| 人体艺术视频欧美日本| 欧美日韩综合久久久久久| 黑丝袜美女国产一区| 性高湖久久久久久久久免费观看| 久久人人97超碰香蕉20202| 久久精品aⅴ一区二区三区四区| 一二三四在线观看免费中文在| 极品少妇高潮喷水抽搐| 在线天堂中文资源库| 母亲3免费完整高清在线观看| 日韩制服骚丝袜av| 国产一区二区 视频在线| 亚洲欧美精品综合一区二区三区| 亚洲第一av免费看| 亚洲国产精品999| 欧美最新免费一区二区三区| 国产在线免费精品| 久久久久久久久久久免费av| 肉色欧美久久久久久久蜜桃| 亚洲av日韩在线播放| 中文天堂在线官网| 伊人亚洲综合成人网| 国产精品成人在线| 成人黄色视频免费在线看| 精品一区二区三区四区五区乱码 | 国产精品蜜桃在线观看| 老司机靠b影院| 欧美日韩亚洲高清精品| 亚洲精品国产区一区二| 久久精品久久久久久久性| 一边摸一边做爽爽视频免费| 免费黄色在线免费观看| 97人妻天天添夜夜摸| a 毛片基地| 国产黄色视频一区二区在线观看| 久久久久国产精品人妻一区二区| 丝袜脚勾引网站| 亚洲欧美一区二区三区国产| 九色亚洲精品在线播放| 一区二区三区激情视频| 嫩草影视91久久| 国产免费又黄又爽又色| 成年动漫av网址| 国产精品国产av在线观看| 欧美黑人精品巨大| 国产精品国产av在线观看| kizo精华| 亚洲男人天堂网一区| 九草在线视频观看| 老司机影院毛片| 国产极品天堂在线| 欧美日韩一级在线毛片| 最新在线观看一区二区三区 | 久久久久网色| 精品少妇一区二区三区视频日本电影 | 久久精品国产综合久久久| 免费在线观看视频国产中文字幕亚洲 | 久久久欧美国产精品| 91精品三级在线观看| 肉色欧美久久久久久久蜜桃| 老鸭窝网址在线观看| 国产精品偷伦视频观看了| 亚洲国产av影院在线观看| 国产亚洲欧美精品永久| 精品少妇久久久久久888优播| 欧美日韩国产mv在线观看视频| 亚洲精品第二区| 乱人伦中国视频| 热99久久久久精品小说推荐| 久久女婷五月综合色啪小说| 精品福利永久在线观看| 男人操女人黄网站| 亚洲综合色网址| 久久影院123| 亚洲四区av| 亚洲熟女毛片儿| 男人舔女人的私密视频| 无遮挡黄片免费观看| avwww免费| 99国产精品免费福利视频| 欧美日本中文国产一区发布| 天天添夜夜摸| 操出白浆在线播放| 中国国产av一级| 老司机亚洲免费影院| 如何舔出高潮| 免费少妇av软件| 成人免费观看视频高清| 亚洲激情五月婷婷啪啪| 亚洲国产av影院在线观看| 久久久精品94久久精品| 啦啦啦中文免费视频观看日本| av不卡在线播放| 亚洲精品国产区一区二| 国产精品久久久人人做人人爽| 国产av码专区亚洲av| 欧美亚洲 丝袜 人妻 在线| 中文字幕人妻熟女乱码| 久久精品久久久久久噜噜老黄| 精品久久蜜臀av无| 激情五月婷婷亚洲| 国产av国产精品国产| 在线 av 中文字幕| 嫩草影视91久久| 热99久久久久精品小说推荐| 国产伦人伦偷精品视频| 精品国产乱码久久久久久小说| 伦理电影免费视频| 超碰成人久久| 国产爽快片一区二区三区| 亚洲精华国产精华液的使用体验| 老司机影院毛片| 成人手机av| 欧美另类一区| 天天躁日日躁夜夜躁夜夜| 一级黄片播放器| 精品亚洲乱码少妇综合久久| 亚洲在久久综合| 叶爱在线成人免费视频播放| 女人精品久久久久毛片| 咕卡用的链子| av在线老鸭窝| 午夜福利网站1000一区二区三区| av网站在线播放免费| 日韩 亚洲 欧美在线| 97在线人人人人妻| 大香蕉久久网| 99久久精品国产亚洲精品| 啦啦啦中文免费视频观看日本| 欧美 日韩 精品 国产| av有码第一页| 男人操女人黄网站| 丰满迷人的少妇在线观看| 国产精品嫩草影院av在线观看| 黑人巨大精品欧美一区二区蜜桃| 久久亚洲国产成人精品v| 国产精品成人在线| 黄片播放在线免费| 女的被弄到高潮叫床怎么办| 久久久国产精品麻豆| 性少妇av在线| 卡戴珊不雅视频在线播放| 丁香六月天网| 成年美女黄网站色视频大全免费| 亚洲成国产人片在线观看| netflix在线观看网站| 极品少妇高潮喷水抽搐| 亚洲av电影在线进入| 成人国产麻豆网| 亚洲国产最新在线播放| 国产又爽黄色视频| 男女下面插进去视频免费观看| 男女国产视频网站| 欧美亚洲日本最大视频资源| 在线天堂中文资源库| a级毛片在线看网站| 亚洲精品国产一区二区精华液| 国产精品嫩草影院av在线观看| 免费少妇av软件| 国产成人精品久久久久久| 一边亲一边摸免费视频| 久久精品亚洲熟妇少妇任你| 波多野结衣av一区二区av| 一级毛片黄色毛片免费观看视频| 日韩制服骚丝袜av| 嫩草影院入口| 亚洲伊人色综图| 欧美日韩综合久久久久久| 亚洲一级一片aⅴ在线观看| 一区二区三区乱码不卡18| 国产亚洲av片在线观看秒播厂| 丝袜美腿诱惑在线| 亚洲av男天堂| 9191精品国产免费久久| 在线观看免费视频网站a站| 青草久久国产| 亚洲激情五月婷婷啪啪| 日本猛色少妇xxxxx猛交久久| 老汉色∧v一级毛片| 国产伦人伦偷精品视频| 男女国产视频网站| 一区二区三区激情视频| 国产成人精品福利久久| 亚洲免费av在线视频| 国产亚洲av高清不卡| 亚洲,欧美精品.| 精品久久久久久电影网| 国产老妇伦熟女老妇高清| kizo精华| 日本wwww免费看| 婷婷色av中文字幕| 日本av免费视频播放| 水蜜桃什么品种好| 欧美在线一区亚洲| 老司机亚洲免费影院| 夫妻性生交免费视频一级片| 亚洲精品av麻豆狂野| 1024香蕉在线观看| 久久久久人妻精品一区果冻| 亚洲精品一二三| 国产成人啪精品午夜网站| 国产精品久久久av美女十八| 国产精品人妻久久久影院| 韩国精品一区二区三区| 精品国产乱码久久久久久小说| 国产亚洲一区二区精品| 超色免费av| 免费日韩欧美在线观看| 熟女av电影| 一区二区av电影网| 精品国产国语对白av| 久久精品熟女亚洲av麻豆精品| 成人手机av| 精品少妇内射三级| 国产淫语在线视频| 国产精品免费大片| 一区二区日韩欧美中文字幕| 欧美日韩亚洲国产一区二区在线观看 | 精品国产乱码久久久久久小说| 激情视频va一区二区三区| 电影成人av| 超碰成人久久| 亚洲国产精品一区二区三区在线| 老司机深夜福利视频在线观看 | 亚洲精品一二三| 多毛熟女@视频| 国产淫语在线视频| 夫妻午夜视频| 国产成人午夜福利电影在线观看| 欧美精品av麻豆av| 免费在线观看完整版高清| 国产片内射在线| 日韩一区二区视频免费看| 中文字幕色久视频| 国产色婷婷99| 一级片'在线观看视频| 在线观看一区二区三区激情| 国产男人的电影天堂91| 日韩精品免费视频一区二区三区| 欧美中文综合在线视频| 久热这里只有精品99| 午夜久久久在线观看| 男女无遮挡免费网站观看| av又黄又爽大尺度在线免费看| 午夜福利视频在线观看免费| 亚洲国产av新网站| 自线自在国产av| 99精品久久久久人妻精品| 另类精品久久| 观看av在线不卡| 妹子高潮喷水视频| 色精品久久人妻99蜜桃| 精品卡一卡二卡四卡免费| kizo精华| 久久ye,这里只有精品| 飞空精品影院首页| 亚洲精品自拍成人| 亚洲欧美精品综合一区二区三区| 美女大奶头黄色视频| 国产精品熟女久久久久浪| 国产精品av久久久久免费| 好男人视频免费观看在线| 欧美激情极品国产一区二区三区| 日日摸夜夜添夜夜爱| 亚洲精品美女久久久久99蜜臀 | 中文乱码字字幕精品一区二区三区| 最近中文字幕2019免费版| 大片免费播放器 马上看| 啦啦啦 在线观看视频| 国产成人av激情在线播放| 亚洲精品一二三| 欧美少妇被猛烈插入视频| h视频一区二区三区| 久久久国产一区二区| 久久国产精品男人的天堂亚洲| 一级毛片 在线播放| 国产乱人偷精品视频| 精品国产一区二区久久| 久久久久久人人人人人| 亚洲av成人精品一二三区| 纯流量卡能插随身wifi吗| 国产 一区精品| 蜜桃国产av成人99| 在线观看免费午夜福利视频| 悠悠久久av| 男女边摸边吃奶| 精品国产国语对白av| 色网站视频免费| 精品少妇黑人巨大在线播放| 国产精品 国内视频| 在线观看国产h片| 一个人免费看片子| 香蕉国产在线看| 不卡av一区二区三区| 欧美老熟妇乱子伦牲交| 观看av在线不卡| 黄色毛片三级朝国网站| 巨乳人妻的诱惑在线观看| 婷婷色综合大香蕉| 高清欧美精品videossex| 久久狼人影院| 这个男人来自地球电影免费观看 | 精品国产超薄肉色丝袜足j| 九草在线视频观看| 亚洲国产av影院在线观看| 亚洲自偷自拍图片 自拍| 国产又色又爽无遮挡免| 99香蕉大伊视频| netflix在线观看网站| 在线观看免费视频网站a站| 国产熟女午夜一区二区三区| av女优亚洲男人天堂| 五月开心婷婷网| 大码成人一级视频| 亚洲欧美一区二区三区国产| 久久精品国产亚洲av涩爱| 一本—道久久a久久精品蜜桃钙片| 欧美日韩精品网址| 久久久欧美国产精品| av福利片在线| 亚洲精品日本国产第一区| 欧美老熟妇乱子伦牲交| 久久精品久久久久久噜噜老黄| 午夜福利影视在线免费观看| 国产又色又爽无遮挡免| 在线观看免费午夜福利视频| 不卡av一区二区三区| 18禁国产床啪视频网站| 亚洲欧洲国产日韩| 丝袜脚勾引网站| 在线精品无人区一区二区三| 汤姆久久久久久久影院中文字幕| 久久99热这里只频精品6学生| 久久久精品免费免费高清| 人成视频在线观看免费观看| 天美传媒精品一区二区| 成年av动漫网址| 在线看a的网站| 国产成人av激情在线播放| 乱人伦中国视频| 美女大奶头黄色视频| 亚洲国产欧美网| 日韩一区二区视频免费看| 国产熟女午夜一区二区三区| 欧美人与性动交α欧美软件| 亚洲成人国产一区在线观看 | 国产成人精品久久二区二区91 | 又黄又粗又硬又大视频| 亚洲精品国产一区二区精华液| 一级a爱视频在线免费观看| 伦理电影大哥的女人| 2018国产大陆天天弄谢| 精品少妇一区二区三区视频日本电影 | 少妇人妻精品综合一区二区| 老司机影院毛片| 亚洲av电影在线观看一区二区三区| 精品人妻一区二区三区麻豆| 国产精品成人在线| 无限看片的www在线观看| 国产毛片在线视频| 大码成人一级视频| 亚洲三区欧美一区| 欧美激情高清一区二区三区 | 性色av一级| 男女边摸边吃奶| 超碰成人久久| 中文字幕另类日韩欧美亚洲嫩草| 两个人看的免费小视频| 十八禁高潮呻吟视频| 这个男人来自地球电影免费观看 | 国产一区二区激情短视频 | 国产又爽黄色视频| 欧美人与性动交α欧美精品济南到| 免费在线观看视频国产中文字幕亚洲 | 久久精品人人爽人人爽视色| 9色porny在线观看| 国产一级毛片在线| 久久久亚洲精品成人影院| av电影中文网址| 十八禁网站网址无遮挡| 国产亚洲最大av| 亚洲欧美色中文字幕在线| 99热国产这里只有精品6| 一边摸一边做爽爽视频免费| 午夜福利免费观看在线| 久久热在线av| 精品视频人人做人人爽| bbb黄色大片| 建设人人有责人人尽责人人享有的| 男女下面插进去视频免费观看| 毛片一级片免费看久久久久| kizo精华| 亚洲国产中文字幕在线视频| 精品亚洲成a人片在线观看| 别揉我奶头~嗯~啊~动态视频 | 久久女婷五月综合色啪小说| 久久久久人妻精品一区果冻| 男女无遮挡免费网站观看| 日韩制服骚丝袜av| 国产精品久久久久久精品古装| 亚洲av中文av极速乱| 欧美国产精品va在线观看不卡| 国产欧美亚洲国产| 久久影院123| 午夜福利一区二区在线看| 女人精品久久久久毛片| 欧美亚洲日本最大视频资源| 1024视频免费在线观看| 9191精品国产免费久久| 亚洲,欧美精品.| 欧美少妇被猛烈插入视频| 欧美黑人精品巨大| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品久久久av美女十八| 七月丁香在线播放| 丁香六月天网| 日韩不卡一区二区三区视频在线| 晚上一个人看的免费电影| 亚洲国产欧美一区二区综合| 99久久99久久久精品蜜桃| 黄片小视频在线播放| 免费久久久久久久精品成人欧美视频| 97在线人人人人妻| 欧美日韩一级在线毛片| 在线亚洲精品国产二区图片欧美| 亚洲欧洲精品一区二区精品久久久 | 日韩 亚洲 欧美在线| 欧美精品一区二区大全| 男人爽女人下面视频在线观看| 免费女性裸体啪啪无遮挡网站| 夜夜骑夜夜射夜夜干| 女人久久www免费人成看片| 日本爱情动作片www.在线观看| 黄片小视频在线播放| 亚洲欧洲日产国产| 搡老岳熟女国产| 在线观看三级黄色| tube8黄色片| 18禁裸乳无遮挡动漫免费视频| 十八禁高潮呻吟视频| 日本vs欧美在线观看视频| 97在线人人人人妻| 亚洲av男天堂| 涩涩av久久男人的天堂| 十分钟在线观看高清视频www| 新久久久久国产一级毛片| 女人精品久久久久毛片| 无遮挡黄片免费观看| e午夜精品久久久久久久| 亚洲成人免费av在线播放| 操美女的视频在线观看| 97在线人人人人妻| 18禁裸乳无遮挡动漫免费视频| 美女午夜性视频免费| 免费久久久久久久精品成人欧美视频| 美女中出高潮动态图| 男女国产视频网站| 男人添女人高潮全过程视频| av又黄又爽大尺度在线免费看| 新久久久久国产一级毛片| 日韩制服骚丝袜av| 亚洲av成人不卡在线观看播放网 | 久久久久国产一级毛片高清牌| 久久久国产欧美日韩av| 精品一区二区免费观看| 97在线人人人人妻| 日日撸夜夜添| 国产乱人偷精品视频| 日韩精品有码人妻一区| 国产精品久久久久久久久免| 制服诱惑二区| 国产精品久久久久久精品古装| 久久精品亚洲av国产电影网| 精品少妇一区二区三区视频日本电影 | 深夜精品福利| 国产精品女同一区二区软件| 80岁老熟妇乱子伦牲交| 亚洲国产中文字幕在线视频| 一区福利在线观看| 国产亚洲午夜精品一区二区久久| 亚洲第一青青草原| 成人18禁高潮啪啪吃奶动态图| 人妻 亚洲 视频| 韩国精品一区二区三区| av免费观看日本| 国产精品蜜桃在线观看| 69精品国产乱码久久久| 久久久久久久大尺度免费视频| 婷婷色综合大香蕉| 久久久久久人人人人人| 看非洲黑人一级黄片| 国产欧美日韩一区二区三区在线| 午夜老司机福利片| 天天躁狠狠躁夜夜躁狠狠躁| 国产亚洲午夜精品一区二区久久| 国产午夜精品一二区理论片| 久久久久精品国产欧美久久久 | 亚洲av日韩精品久久久久久密 | 99久久精品国产亚洲精品| 天天躁狠狠躁夜夜躁狠狠躁| 丰满乱子伦码专区| 欧美黑人欧美精品刺激|