• <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 ?

    基于加速度傳感器與小波變換的手機(jī)端手勢(shì)特征身份認(rèn)證方法

    2014-04-01 01:04:44高煥芝劉志丹郭云鏑鄒北驥陳再良
    關(guān)鍵詞:訓(xùn)練樣本手勢(shì)特征向量

    高煥芝,劉志丹,郭云鏑,2,鄒北驥,2,陳再良,2

    (1. 中南大學(xué) 信息科學(xué)與工程學(xué)院,湖南 長沙,410083;2.“移動(dòng)醫(yī)療”教育部-中國移動(dòng)聯(lián)合實(shí)驗(yàn)室,湖南 長沙,410083)

    身份認(rèn)證是保障信息安全和合理分配資源的關(guān)鍵。隨著社會(huì)信息化的不斷發(fā)展及智能手機(jī)的普遍使用,手機(jī)端的網(wǎng)絡(luò)購物支付、電子商務(wù)及網(wǎng)上銀行等業(yè)務(wù)越來越多,很多信息資源的存儲(chǔ)訪問及保護(hù)都通過手機(jī)端進(jìn)行,因此,利用手機(jī)端的傳感器[1]認(rèn)證身份日趨重要。傳統(tǒng)的身份認(rèn)證主要分為2 種類型:一種是用已知的信息對(duì)用戶進(jìn)行身份驗(yàn)證,常用的有用戶名和密碼、PIN 等;另外一種是用所擁有的實(shí)物對(duì)用戶進(jìn)行身份驗(yàn)證[2],常用的有鑰匙、身份證、護(hù)照、銀行信用卡等。但這2 種認(rèn)證類型中,用來認(rèn)證的信息容易被竊取、偽造或遺忘,而擁有的實(shí)物也容易丟失、盜用或損壞,因此,它們往往達(dá)不到很好的安全性能。生物特征認(rèn)證技術(shù)的出現(xiàn)對(duì)傳統(tǒng)的身份認(rèn)證起到了很好的補(bǔ)充和完善作用。每個(gè)人都擁有人臉[3]、指紋[4]、虹膜[5]和人體內(nèi)的DNA 等先天獨(dú)特的身體特征,以及筆跡簽名、語音和行為姿勢(shì)等后天形成的行為特征。這些生物特征是區(qū)分不同人的有效手段,將這些生物特征用作身份認(rèn)證可以有效地克服記憶麻煩和密碼丟失等缺點(diǎn);另一方面,生物體的特征都是自身攜帶且這種生物特征模板難以模仿,因此,保證了信息的隱私和安全,不易被竊取和仿用。筆跡鑒定[6]在身份認(rèn)證中具有重要的實(shí)用價(jià)值。常用的筆跡特征主要有字體的大小、形狀、筆跡壓力、熟練程度、各個(gè)字符的搭配比例和筆跡軌跡的平均曲率等。目前,進(jìn)行筆跡鑒定認(rèn)證比較流行的算法有K 最近鄰算法[7]、隱馬爾可夫模型[8]、神經(jīng)網(wǎng)絡(luò)[9]、模版匹配[10]和支持向量機(jī)(support vector machines,SVM)等算法。Weiss 等[11]提出記錄設(shè)備橫向移動(dòng)和縱向移動(dòng)的筆畫構(gòu)成密碼的認(rèn)證方法。Chong 等[12]提出設(shè)計(jì)10 種手機(jī)運(yùn)動(dòng)軌跡,剛好對(duì)應(yīng)數(shù)字0~9,進(jìn)行密碼輸入的認(rèn)證方法。Farella 等[13]受到步態(tài)識(shí)別的啟發(fā),從生物特征的角度進(jìn)行了可行性分析,利用加速度傳感器采集手勢(shì)數(shù)據(jù),并采用監(jiān)督和非監(jiān)督降維進(jìn)行分類,通過數(shù)據(jù)分析,提出手勢(shì)運(yùn)動(dòng)可作為人體行為特征并可應(yīng)用于小群體的身份認(rèn)證的結(jié)論。文獻(xiàn)[14]結(jié)合[15]中基于手勢(shì)識(shí)別的認(rèn)證方法取得了良好實(shí)驗(yàn)效果,認(rèn)為基于加速度傳感器采集手勢(shì)特征的身份認(rèn)證方法前景廣闊。在一般情況下,不同的人在揮動(dòng)手機(jī)書寫特定的軌跡時(shí),其軌跡的大小、形狀和力度會(huì)不同,而同一個(gè)人在書寫同一個(gè)手勢(shì)軌跡時(shí),其軌跡的大小、形狀和力度在一段時(shí)間內(nèi)是相對(duì)穩(wěn)定的,這一點(diǎn)跟每個(gè)人的簽名類似,因此,手勢(shì)軌跡可以看作是筆跡在手機(jī)上的另外一種體現(xiàn)形式。手機(jī)加速傳感器是目前市場(chǎng)上智能手機(jī)普遍配備的能夠測(cè)量加速力的電子元件,加速力就是物體在加速過程中作用在物體上的力。手機(jī)加速度傳感器采集的數(shù)據(jù)為x,y 和z 3 條軸方向上承受加速度/重力加速度的浮點(diǎn)數(shù)時(shí)間序列,通常為-3~3。本文作者對(duì)基于手機(jī)加速度傳感器的身份認(rèn)證方法進(jìn)行研究,針對(duì)手機(jī)端設(shè)備本身的特點(diǎn),利用手機(jī)自帶加速度傳感器采集用戶書寫的手勢(shì)軌跡數(shù)據(jù)[16],視為筆跡簽名在手機(jī)中的另外一種體現(xiàn)形式,對(duì)該原始數(shù)據(jù)進(jìn)行預(yù)處理和特征提取,以此作為生物的行為特征;并結(jié)合支持向量機(jī),進(jìn)而達(dá)到實(shí)現(xiàn)用戶身份認(rèn)證的目的。

    1 算法流程

    圖1 身份認(rèn)證流程圖Fig.1 Flowchart of identity authentication

    圖1 所示為本文所提算法的流程圖:1) 用戶使用手機(jī)根據(jù)自己的習(xí)慣多次書寫得到相應(yīng)的軌跡數(shù)據(jù);2) 手機(jī)加速度傳感器采集手勢(shì)軌跡的加速度;3)對(duì)采集到的原始加速度進(jìn)行預(yù)處理;4) 基于小波分解進(jìn)行特征提?。?) 使用特征向量集訓(xùn)練SVM 模型;6) 在認(rèn)證階段,同樣用戶使用手機(jī)書寫軌跡,進(jìn)行上面步驟2)~4)的處理之后得到該軌跡的特征向量;7) 將特征向量放入到步驟5)得到的SVM 模型中進(jìn)行鑒定認(rèn)證,從而得到身份認(rèn)證結(jié)果。

    2 身份認(rèn)證數(shù)據(jù)的采集與預(yù)處理

    2.1 身份認(rèn)證數(shù)據(jù)的采集

    用戶手勢(shì)軌跡的大小、形狀和力度可以通過手機(jī)的加速度來體現(xiàn)。用戶在利用手機(jī)書寫手勢(shì)軌跡時(shí),手機(jī)在空間中的加速度也會(huì)發(fā)生相應(yīng)變化,利用手機(jī)自帶的加速度傳感器來采集手機(jī)在空間中每個(gè)時(shí)刻上x,y 和z 3 個(gè)方向的加速度作為最原始的手勢(shì)軌跡數(shù)據(jù)。

    每一次采集數(shù)據(jù)時(shí),用戶使用手機(jī)根據(jù)自己的習(xí)慣書寫手勢(shì)軌跡,此時(shí),通過手機(jī)的加速度傳感器采集到該手勢(shì)軌跡從開始到結(jié)束過程中每個(gè)時(shí)刻(即每一幀)手機(jī)在三維空間中x,y 和z 3 個(gè)方向的加速度,將這些數(shù)據(jù)保存為1 個(gè)n 行3 列的矩陣形式。其中時(shí)間為t1,t2, …,tn;n 表示該時(shí)段內(nèi)采集到的手勢(shì)軌跡幀數(shù);每一列均表示1 個(gè)方向上的加速度隨時(shí)間的變化,因此,每個(gè)矩陣可以表示1 個(gè)手勢(shì)軌跡。該加速度的矩陣形式A 為

    式(1)中3 列分別表示x,y 和z 3 個(gè)方向的加速度。

    2.2 數(shù)據(jù)預(yù)處理

    為便于特征提取和SVM 模型訓(xùn)練,需對(duì)采集到的原始加速度曲線進(jìn)行預(yù)處理,包括平滑去噪、邊界檢測(cè)和長度歸一化,以消除采集時(shí)手抖動(dòng)和傳感器本身帶來的噪聲,提取出有用的手勢(shì)軌跡并將每個(gè)手勢(shì)軌跡長度變?yōu)橐恢隆?/p>

    首先使用簡單移動(dòng)平均線(simple moving average,SMA)方法進(jìn)行處理,從而使得曲線更加光滑,其表達(dá)式為

    其中:m 表示數(shù)據(jù)段的窗口大小,本文中設(shè)置的m 為7。使用當(dāng)前幀i 及它之前m-1 幀的加速度之和的平均值aSMAnow來替代表示當(dāng)前幀的加速度ai。同時(shí),為了處理方便,將曲線進(jìn)行平移變換,通過取第1 幀和最后1 幀位置的和求均值作為平移量,把曲線的開始點(diǎn)平移到坐標(biāo)軸原點(diǎn)附近,從而得到新的矩陣ASMA。

    當(dāng)手機(jī)處于平穩(wěn)狀態(tài)時(shí),采集到的加速度在一段時(shí)間內(nèi)變化也是比較平穩(wěn)的,故可采用改進(jìn)的加窗口的門限值方法對(duì)手勢(shì)軌跡的邊界進(jìn)行判定。設(shè)置窗口大小為7,門限值為0.5 m/s2。從加速度矩陣ASMA的第1 幀開始逐幀向后檢測(cè),在窗口段內(nèi)的平均加速度變化不超過門限值,則對(duì)下一個(gè)窗口段內(nèi)的數(shù)據(jù)進(jìn)行檢測(cè)。若某一個(gè)窗口段內(nèi)的平均加速度變化超過門限值,則判定該窗口段對(duì)應(yīng)時(shí)刻為手勢(shì)軌跡的開始時(shí)刻,此窗口段的第1 幀作為手勢(shì)軌跡開始的首幀,記為t1。同時(shí),從加速度矩陣ASMA的最后1 幀開始逐幀向前檢測(cè),在窗口段內(nèi)的平均加速度變化不超過門限值,則對(duì)前1 個(gè)窗口段內(nèi)的數(shù)據(jù)進(jìn)行檢測(cè)。若某一個(gè)窗口段內(nèi)的平均加速度變化超過門限值,則判定此時(shí)手勢(shì)軌跡結(jié)束,此窗口段的最后1 幀作為手勢(shì)軌跡結(jié)束的尾幀,記為ts。最后,將t1幀和ts幀及它們之間的幀提取出來,即獲得一個(gè)完整的手勢(shì)軌跡加速度AS,長度記為S(S≤n)。該加速度數(shù)據(jù)矩陣形式記為AS。

    每一次采集手勢(shì)軌跡時(shí)所用的時(shí)間不同,導(dǎo)致加速度曲線長度也不相等。為便于特征提取,需對(duì)AS長度歸一化。設(shè)置長度歸一化閾值為L=200 幀,得到歸一化之后的加速度矩陣為AL。具體處理如下:

    1) 當(dāng)其長度S 等于閾值L 時(shí),AS不需要進(jìn)行處理,即AL=AS;

    2) 當(dāng)其長度S 小于閾值L 時(shí),需要對(duì)數(shù)據(jù)AS進(jìn)行插值處理。按如下方法處理:首先計(jì)算j=[(L ×i)/ S ],i=1,2, …,S(其中,[ ]表示對(duì)結(jié)果取整運(yùn)算)。把對(duì)應(yīng)i 下的xi依次賦值給對(duì)應(yīng)j 的yj,將所有的 yj按下標(biāo) j 遞增規(guī)則依次排列為yj1,yj2, …,yjh,顯然有jh=L;然后,令j=1,依次遞增至L,若j 滿足j<j1,則yj=yj1;若j 滿足jk<j<jk+1(k=1,2, …,h-1),則采用線性插值法來計(jì)算AL中的第j 個(gè)分量yj,計(jì)算式為

    3) 當(dāng)長度S 大于閾值L 時(shí),需對(duì)數(shù)據(jù)AS降采樣,若滿足計(jì)算式j(luò)=[(L ×i)/ S](i=1,2, … ,S)的i 只有1個(gè),則令yj=xi;若滿足式子j=[(L ×i)/ S]的i 有多個(gè),則計(jì)算這些i 對(duì)應(yīng)的分量均值作為第j 幀的結(jié)果。

    3 手勢(shì)軌跡特征提取和SVM 分類器

    3.1 基于小波變換的手勢(shì)軌跡特征提取

    本文針對(duì)手機(jī)端采集到的數(shù)據(jù),結(jié)合小波多分辨率理論和Mallat 算法,提出基于小波變換的手勢(shì)軌跡特征提取算法對(duì)AL特征提取,最后得到1 次手勢(shì)軌跡的特征向量FFFF。

    輸入:預(yù)處理后的手勢(shì)軌跡加速度矩陣AL,包括x,y 和z 3 個(gè)方向數(shù)據(jù)。

    第3 步:求取所選擇的各層信號(hào)的能量。小波變換中信號(hào)的能量求解公式為

    圖2 小波多層分解結(jié)構(gòu)圖Fig.2 Structure diagram of multiwavelet decomposition

    第4 步:提取特征向量。根據(jù)式(4)可知從x,y和z 這3 個(gè)方向的加速度信號(hào)都可以提取到1 個(gè)低頻逼近信號(hào)和N 個(gè)高頻細(xì)節(jié)信號(hào)的能量,進(jìn)行組合并分別記為Ex,Ey和Ez。

    將式(5)中Ex,Ey和Ez再進(jìn)行組合,構(gòu)成手勢(shì)軌跡的特征向量FFFF:

    根據(jù)上述基于小波變換多層分解的特征提取,1次手勢(shì)軌跡最終可以使用特征向量FFFF 表示。

    3.2 2 類SVM 分類器

    2 類問題中,1 個(gè)訓(xùn)練集Dk表示成

    式中:yi為樣本xi的標(biāo)簽;d 為樣本維數(shù);N 為樣本個(gè)數(shù)。xi若為正樣本,則yi標(biāo)記為+1;若特征向量xi為負(fù)樣本,則yi標(biāo)記為-1。因此,支持向量機(jī)分類器fk定義為

    其中: wTx +b 為邊界函數(shù),它可以通過式(9)求得。

    K(xi,x)為核函數(shù);DSV為支持向量集合,即 αi為非零所對(duì)應(yīng)的訓(xùn)練樣本。

    4 實(shí)驗(yàn)結(jié)果及分析

    本文中采集數(shù)據(jù)所用的手機(jī)為2011-05 上市的三星I9001,CPU 為比較常見的高通驍龍Snapdragon MSM8255,最低頻率為122 MHz,最高頻率可達(dá)1.4 GHz;RAM 容量為512 M,實(shí)際運(yùn)行內(nèi)存為357 M;ROM 為8 G。手機(jī)的操作系統(tǒng)為Android OS 2.3.6,電池容量為1 650 mA·h,自帶有方向傳感器、加速度傳感器和距離傳感器等。采集的數(shù)據(jù)規(guī)格為60 幀/s,即采樣頻率為60 Hz,這與人的一般手勢(shì)運(yùn)動(dòng)頻率高6倍左右[17]。在實(shí)驗(yàn)過程中,采集了18 個(gè)人的手勢(shì)軌跡,其中13 名男性,5 名女性。預(yù)設(shè)2 個(gè)特定的手勢(shì),分別為小寫字母“a”和漢字“中”,這2 個(gè)類型的手勢(shì)軌跡不是很復(fù)雜,且人們普遍比較熟悉,易于執(zhí)行。

    4.1 訓(xùn)練樣本集實(shí)驗(yàn)結(jié)果及分析

    每天分別對(duì)每個(gè)人2 個(gè)類型的手勢(shì)軌跡采集15次以上數(shù)據(jù),共采集10 d。最后,手勢(shì)軌跡的數(shù)據(jù)均有3 000 多個(gè)樣本,組成2 個(gè)實(shí)驗(yàn)數(shù)據(jù)集,記為“數(shù)據(jù)集一”和“數(shù)據(jù)集二”。采用拒真率和識(shí)假率這2個(gè)鑒定認(rèn)證的性能指標(biāo)來進(jìn)行評(píng)價(jià)。拒真率(false rejection rate,用符號(hào)FFRR表示)指的是將原本正確合法的用戶錯(cuò)誤識(shí)別為非法用戶而拒絕接受的情況所占的百分比,識(shí)假率(false acceptance rate,用符號(hào)FFAR表示)即把原本非法的用戶錯(cuò)誤識(shí)別為合法用戶而接受的情況所占的百分比。在認(rèn)證中,應(yīng)該盡量降低識(shí)假率以達(dá)到較好的安全性能。在實(shí)驗(yàn)分析中,為了定性分析幾個(gè)方面的因素對(duì)最終結(jié)果的影響,在采用不同的小波基函數(shù)、訓(xùn)練樣本數(shù)量、數(shù)據(jù)曲線的單調(diào)性和支持向量機(jī)中的參數(shù)這4 個(gè)方面分析其對(duì)識(shí)假率FFAR和拒真率FFRR的影響。

    1) 對(duì)“數(shù)據(jù)集一”進(jìn)行比較分析結(jié)果如表1 所示。比較分析時(shí),分別選擇正、負(fù)樣本數(shù)10 個(gè)來構(gòu)建訓(xùn)練樣本集,剩下的樣本隨機(jī)選擇一部分作為測(cè)試集,選擇不同小波基函數(shù)在不同層數(shù)分解下對(duì)身份認(rèn)證性能的影響,其中得到的結(jié)果FFAR和FFRR是依次使用18個(gè)采集者用作合法用戶進(jìn)行18 次實(shí)驗(yàn)求得結(jié)果的平均值。同樣,對(duì)“數(shù)據(jù)集二”進(jìn)行實(shí)驗(yàn)分析得到的實(shí)驗(yàn)結(jié)果如表2 所示。

    表1 由“數(shù)據(jù)集一”在不同小波基函數(shù)和不同分解層數(shù)時(shí)得到的FFRR 和FFARTable 1 FFRR and FFAR from Dataset 1 with different wavelet functions and different levels of decomposition

    表2 由“數(shù)據(jù)集二”在不同小波基函數(shù)和不同分解層數(shù)時(shí)得到的FFRR 和FFARTable 2 FFRR and FFAR from Dataset 2 with different wavelet functions and different levels of decomposition

    由表1 和表2 可知:使用dmey 小波基函數(shù)進(jìn)行小波5 層分解提取特征時(shí),得到的FFAR和FFRR要比其他小波基函數(shù)的效果好,尤其是其中FFAR相對(duì)較低,這在身份認(rèn)證中是比較重要的1 個(gè)因素??芍纸鈱訑?shù)對(duì)認(rèn)證的影響是:分解層數(shù)較低可能包含冗余點(diǎn)而影響認(rèn)證;分解層數(shù)太高,就會(huì)丟失一些關(guān)鍵點(diǎn)。

    2) 針對(duì)手機(jī)端數(shù)據(jù)采集的有限性,應(yīng)用中若采集過多的訓(xùn)練數(shù)據(jù),則會(huì)加重?cái)?shù)據(jù)計(jì)算處理負(fù)擔(dān),為此進(jìn)行了訓(xùn)練樣本集規(guī)模對(duì)身份認(rèn)證結(jié)果影響的研究。分析“數(shù)據(jù)集一”的結(jié)果如表3 所示。分析時(shí),對(duì)預(yù)處理后的數(shù)據(jù)使用dmey 小波基函數(shù)在小波5 層分解下提取特征向量組成不同規(guī)模的訓(xùn)練樣本集,然后用于支持向量機(jī)模型訓(xùn)練;進(jìn)行身份認(rèn)證得到的FFAR和FFRR也是依次使用18 個(gè)采集者作為合法用戶時(shí)求得結(jié)果的平均值。表3 中訓(xùn)練樣本個(gè)數(shù)中正、負(fù)樣本數(shù)量各占訓(xùn)練集總數(shù)的1/2。同樣,對(duì)“數(shù)據(jù)集二”進(jìn)行實(shí)驗(yàn)分析,最后得到的實(shí)驗(yàn)結(jié)果如表4 所示。

    表3 由“數(shù)據(jù)集一”在不同規(guī)模訓(xùn)練樣本集下得到的FFRR和FFARTable 3 FFRR and FFAR from Dataset 1 with different sizes of training samples

    表4 由“數(shù)據(jù)集二”在不同規(guī)模訓(xùn)練樣本集下得到的FFRR和FFARTable 4 FFRR and FFAR from Dataset 2 with different sizes of training samples

    從表3 和表4 可知:訓(xùn)練樣本集規(guī)模對(duì)身份認(rèn)證的性能有一定影響,本文選擇正負(fù)訓(xùn)練樣本的模板數(shù)分別為12 個(gè)時(shí)得到的FFAR和FFRR要比其他規(guī)模的訓(xùn)練樣本集效果好,其中FFAR也相對(duì)較低。

    3) 支持向量機(jī)中參數(shù)C 和γ對(duì)核函數(shù)有一定影響,從而影響身份認(rèn)證的結(jié)果。在支持向量機(jī)模型訓(xùn)練前,選用的是4 折交叉驗(yàn)證,通過實(shí)驗(yàn)對(duì)其得到的C 和γ是否為最優(yōu)的參數(shù)進(jìn)行論證分析。當(dāng)C 和γ均在區(qū)間(2-10,210)范圍內(nèi)變化時(shí),每對(duì)C 和γ均可以求得1個(gè)準(zhǔn)確率。當(dāng)采集者為合法用戶時(shí),訓(xùn)練樣本集為24個(gè)(其中正、負(fù)樣本各12 個(gè)),采用dmey 小波基函數(shù)進(jìn)行5 層分解提取特征向量,使用并行格點(diǎn)搜索的4折交叉驗(yàn)證得到不同C 和γ下的準(zhǔn)確率,如圖3 所示。

    圖3 不同C 和γ下交叉驗(yàn)證得到的準(zhǔn)確率Fig.3 Accuracy of cross-validation with different C and γ

    根據(jù)圖3 中最高的準(zhǔn)確率可以得到最優(yōu)的C 和γ,分別為1.0 和0.5。然后,將這2 個(gè)參數(shù)用在整個(gè)訓(xùn)練集上,訓(xùn)練支持向量機(jī)模型使用測(cè)試集進(jìn)行驗(yàn)證,得到的認(rèn)證率為97.55%。進(jìn)一步選擇其他C 和γ進(jìn)行實(shí)驗(yàn),在測(cè)試集上求認(rèn)證率,結(jié)果如圖4 所示。圖4 中橫坐標(biāo)為C,縱坐標(biāo)為測(cè)試集的認(rèn)證率,不同的曲線表示不同的γ對(duì)應(yīng)的認(rèn)證率。

    從圖4 可以看出:當(dāng)C=1,γ=0.5 時(shí),測(cè)試樣本集能得到的認(rèn)證率最高。因此,本文根據(jù)交叉驗(yàn)證得到的C 和γ對(duì)使用整個(gè)訓(xùn)練樣本集訓(xùn)練的支持向量機(jī)模型具有較好效果,得到的分類器模型具有很高的認(rèn)證率。

    圖4 不同C 和γ下訓(xùn)練的SVM 對(duì)測(cè)試樣本求得的認(rèn)證率Fig.4 Authentication rate of SVM to test samples with different C and γ

    4.2 曲線單調(diào)性和小波特征對(duì)比實(shí)驗(yàn)

    預(yù)處理后的數(shù)據(jù)曲線在波峰、波谷和曲線的單調(diào)性上表現(xiàn)出一定的原始特征,對(duì)其性能進(jìn)行分析,并與基于小波多層分解提取的特征進(jìn)行的認(rèn)證結(jié)果進(jìn)行比較。其中,小波多層分解采用dmey 小波基函數(shù)進(jìn)行5 層分解,訓(xùn)練樣本集中正、負(fù)樣本分別為12 個(gè),依次使用18 個(gè)采集者用作合法用戶求得FFAR和FFRR,統(tǒng)計(jì)兩者的均值作為最終結(jié)果,對(duì)“數(shù)據(jù)集一”進(jìn)行實(shí)驗(yàn),得到的FFAR和FFRR對(duì)比結(jié)果如表5 所示。同樣,對(duì)“數(shù)據(jù)集二”進(jìn)行實(shí)驗(yàn)分析,得到的實(shí)驗(yàn)結(jié)果如表6 所示。

    從表5 和表6 可知:基于小波多層分解提取到的手勢(shì)軌跡特征向量能更好地表現(xiàn)同類手勢(shì)軌跡之間的相似性,也能很好地表現(xiàn)不同類手勢(shì)軌跡之間的差異性。同時(shí),該特征向量的維數(shù)比原始數(shù)據(jù)的維數(shù)要低,從而能有效地提高支持向量機(jī)的訓(xùn)練和測(cè)試樣本的匹配效率。

    表5 “數(shù)據(jù)集一”下2 種不同特征的FFRR 和FFARTable 5 FFRR and FFAR of two different characteristics from Dataset 1

    表6 “數(shù)據(jù)集二”下2 種不同特征的FFRR 和FFARTable 6 FFRR and FFAR of two different characteristics from Dataset 2

    5 結(jié)論

    1) 提出了基于小波變換的特征提取,利用SVM思想,對(duì)用戶手勢(shì)軌跡的加速度數(shù)據(jù)進(jìn)行鑒定認(rèn)證,判定該用戶是否為合法用戶,進(jìn)而控制用戶能否訪問手機(jī)上的資源,從而達(dá)到一個(gè)更自由方便、安全性高和體驗(yàn)性好的手機(jī)用戶身份認(rèn)證的目的。

    2) 所提出的基于手機(jī)加速度傳感器的身份認(rèn)證方法準(zhǔn)確率達(dá)96%以上,這表明基于小波變換提取的特征結(jié)合支持向量機(jī)分類器實(shí)現(xiàn)的手機(jī)端的身份認(rèn)證算法具有很好的效果和推廣價(jià)值。

    [1] Khan W, Xiang Y, Aalsalem M, et al. Mobile phone sensing systems: A survey[J]. IEEE Communications Surveys &Tutorials,2013,15(1):402-427.

    [2] Selimis G, Fournaris A, Kostopoulos G, et al. Software and hardware issues in smart card technology[J]. Communications Surveys and Tutorials,2009,11(3):143-152.

    [3] Chakraborty G, Chakraborty B, Patra J, et al. An MLP-based face authentication technique robust to orientation[C]// IEEE International Conference on Neural Networks. Atlanta: IEEE Computer Society,2009:481-488.

    [4] Zhang J, Liu X, Chen B. The design and implementation of ID authentication system based on fingerprint identification[C]//IEEE International Conference on Intelligent Computation Technology and Automation.Shenzhen: IEEE Computer Society,2011:1217-1220.

    [5] Kang B, Park K. A new multi-unit iris authentication based on quality assessment and score level fusion for mobile phones[J].Machine Vision and Applications,2010,21(4):541-553.

    [6] Chapran J. Biometric writer identification: feature analysis and classification[J]. International Journal of Pattern Recognition and Artificial Intelligence,2006,20(4):483-503.

    [7] Tan S. Neighbor-weighted k-nearest neighbor for unbalanced text corpus[J]. Expert Systems with Applications, 2005, 28(4):667-671.

    [8] Sim K. Training HMM structure and parameters with genetic algorithm and harmony search algorithm[J]. Journal of Electrical Engineering and Technology,2012,7(1):109-114.

    [9] Neaupane K, Achet S. Some applications of a backpropagation neural network in geo-engineering[J]. Environmental Geology,2004,45(4):567-575.

    [10] Stefano L, Mattoccia S, Tombari F. ZNCC-based template matching using bounded partial correlation[J]. Pattern Recognition Letters,2005,26(14):2129-2134.

    [11] Weiss R, De Luca A. PassShapes: Utilizing stroke based authentication to increase password memorability[C]//Proceedings of the 5th Nordic Conference on Human-computer Interaction: Building Bridges. New York: ACM Press, 2008:383-392.

    [12] Chong M K, Marsden G. Exploring the use of discrete gestures for authentication[C]// Human-Computer Interaction-INTERACT 2009.Heidelberg,Berlin:Springer,2009:205-213.

    [13] Farella E, O’Modhrain S, Benini L, et al. Gesture signature for ambient intelligence applications: A feasibility study[C]//Pervasive Computing. Heidelberg, Berlin: Springer, 2006:288-304.

    [14] Liu J, Zhong L, Wickramasuriya J, et al. User evaluation of lightweight user authentication with a single tri-axis accelerometer[C]// Proceedings of the 11th International Conference on Human-computer Interaction with Mobile Devices and Services.New York:ACM,2009:15.

    [15] Liu J,Zhong L,Wickramasuriya J, et al. uWave:Accelerometerbased personalized gesture recognition and its applications[J].Pervasive and Mobile Computing,2009,5(6):657-675.

    [16] Ruiz J, Li Y, Lank E. User-defined motion gestures for mobile interaction[C]// CHI'11 of the SIGCHI Conference on Human Factors in Computing Systems. New York: ACM, 2011:197-206.

    [17] 陳文. 基于加速度傳感器的智能終端手勢(shì)識(shí)別關(guān)鍵技術(shù)研究[D]. 長沙: 國防科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系,2011:1-30.CHEN Wen. Gesture recognition based on the accelerometer of the intelligent terminals[D]. Changsha: School of National University of Defence Technology. Department of Computer Science and Technology,2011:1-30.

    猜你喜歡
    訓(xùn)練樣本手勢(shì)特征向量
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計(jì)——以特征值和特征向量為例
    克羅內(nèi)克積的特征向量
    人工智能
    挑戰(zhàn)!神秘手勢(shì)
    V字手勢(shì)的由來
    一類特殊矩陣特征向量的求法
    勝利的手勢(shì)
    EXCEL表格計(jì)算判斷矩陣近似特征向量在AHP法檢驗(yàn)上的應(yīng)用
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識(shí)別算法
    大片电影免费在线观看免费| 亚洲avbb在线观看| 国产成人精品久久二区二区91| 亚洲专区国产一区二区| 国产精品一区二区免费欧美| 国产成人av教育| 亚洲av国产av综合av卡| 久久久水蜜桃国产精品网| 国产又爽黄色视频| 国产一区二区激情短视频| 国产亚洲精品一区二区www | videos熟女内射| 精品福利观看| 91九色精品人成在线观看| 欧美国产精品一级二级三级| 热99re8久久精品国产| 在线看a的网站| 女人久久www免费人成看片| 精品人妻在线不人妻| 精品福利观看| 国产亚洲精品一区二区www | 亚洲五月色婷婷综合| 又黄又粗又硬又大视频| 日本av手机在线免费观看| 欧美日韩亚洲国产一区二区在线观看 | 涩涩av久久男人的天堂| 日韩欧美国产一区二区入口| 蜜桃国产av成人99| 黑人巨大精品欧美一区二区mp4| 国产精品国产高清国产av | 国产又色又爽无遮挡免费看| 国产视频一区二区在线看| 国产成人影院久久av| 人妻一区二区av| 在线亚洲精品国产二区图片欧美| 91精品国产国语对白视频| 大片免费播放器 马上看| 欧美日韩福利视频一区二区| 在线看a的网站| 国产不卡av网站在线观看| 另类精品久久| 亚洲欧美一区二区三区久久| 欧美精品av麻豆av| 精品国产一区二区久久| 亚洲熟女精品中文字幕| 亚洲国产欧美一区二区综合| 一个人免费在线观看的高清视频| 人妻一区二区av| 欧美精品高潮呻吟av久久| 亚洲精品成人av观看孕妇| netflix在线观看网站| 久久久国产一区二区| 久久热在线av| 亚洲va日本ⅴa欧美va伊人久久| 国产亚洲一区二区精品| 妹子高潮喷水视频| 搡老岳熟女国产| 国产成人系列免费观看| 国产一区二区激情短视频| 男女之事视频高清在线观看| 中文字幕人妻熟女乱码| 黑人猛操日本美女一级片| 国产av国产精品国产| 欧美人与性动交α欧美软件| 欧美日韩亚洲高清精品| 考比视频在线观看| 国产精品免费一区二区三区在线 | 精品少妇久久久久久888优播| 91九色精品人成在线观看| 国产日韩欧美视频二区| 12—13女人毛片做爰片一| 精品亚洲成a人片在线观看| 激情视频va一区二区三区| 精品人妻1区二区| 国产不卡一卡二| 亚洲,欧美精品.| 国产精品自产拍在线观看55亚洲 | 国产真人三级小视频在线观看| 久久中文看片网| av视频免费观看在线观看| 国产在线观看jvid| 日本黄色日本黄色录像| 亚洲七黄色美女视频| 这个男人来自地球电影免费观看| 狂野欧美激情性xxxx| 精品国产乱子伦一区二区三区| 国产99久久九九免费精品| 又黄又粗又硬又大视频| 久久久久久久国产电影| 18禁国产床啪视频网站| 高清黄色对白视频在线免费看| 如日韩欧美国产精品一区二区三区| 亚洲人成电影免费在线| 色尼玛亚洲综合影院| 亚洲国产欧美网| 久久精品亚洲av国产电影网| 国产区一区二久久| 久久午夜综合久久蜜桃| av不卡在线播放| 动漫黄色视频在线观看| 国产又色又爽无遮挡免费看| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲色图 男人天堂 中文字幕| 亚洲成国产人片在线观看| 视频区图区小说| 午夜久久久在线观看| 美女福利国产在线| 亚洲欧美精品综合一区二区三区| 涩涩av久久男人的天堂| 亚洲精品国产精品久久久不卡| 日韩欧美免费精品| 热99re8久久精品国产| av福利片在线| 脱女人内裤的视频| 亚洲熟女毛片儿| 日韩欧美国产一区二区入口| 亚洲国产精品一区二区三区在线| 国产片内射在线| 成人特级黄色片久久久久久久 | 成人国产av品久久久| 极品教师在线免费播放| 法律面前人人平等表现在哪些方面| 久热爱精品视频在线9| 久久中文看片网| 美女主播在线视频| 天天躁日日躁夜夜躁夜夜| 国产xxxxx性猛交| 母亲3免费完整高清在线观看| 男女高潮啪啪啪动态图| 国产亚洲精品一区二区www | 亚洲国产欧美在线一区| 啦啦啦视频在线资源免费观看| 欧美日韩av久久| 涩涩av久久男人的天堂| 久久久久精品人妻al黑| 18禁美女被吸乳视频| 国产成人精品在线电影| 日韩人妻精品一区2区三区| 亚洲伊人久久精品综合| 老司机午夜福利在线观看视频 | 老司机福利观看| 搡老乐熟女国产| 超碰成人久久| 韩国精品一区二区三区| 日韩欧美一区二区三区在线观看 | 亚洲欧美一区二区三区久久| 久久久久久免费高清国产稀缺| 久久久国产欧美日韩av| 啦啦啦 在线观看视频| 亚洲精华国产精华精| 亚洲成a人片在线一区二区| 欧美久久黑人一区二区| 久久久精品区二区三区| 飞空精品影院首页| 人妻 亚洲 视频| 美女高潮到喷水免费观看| 久久狼人影院| 伦理电影免费视频| 国产成人免费观看mmmm| 成人国语在线视频| 亚洲伊人久久精品综合| 成人三级做爰电影| 久久久久精品国产欧美久久久| 久久久久久久久免费视频了| 高清在线国产一区| 国产激情久久老熟女| 亚洲欧美一区二区三区黑人| 男女边摸边吃奶| 国产精品成人在线| 欧美亚洲日本最大视频资源| 999久久久精品免费观看国产| 麻豆成人av在线观看| 777久久人妻少妇嫩草av网站| 欧美日韩精品网址| 黄色 视频免费看| 婷婷成人精品国产| 亚洲av成人不卡在线观看播放网| 国产成人系列免费观看| 男女床上黄色一级片免费看| 肉色欧美久久久久久久蜜桃| 国产欧美日韩精品亚洲av| 欧美精品高潮呻吟av久久| 亚洲少妇的诱惑av| 日韩精品免费视频一区二区三区| 免费黄频网站在线观看国产| 国产精品香港三级国产av潘金莲| 亚洲精品一二三| 巨乳人妻的诱惑在线观看| 在线观看人妻少妇| 韩国精品一区二区三区| 日韩欧美国产一区二区入口| 免费黄频网站在线观看国产| 欧美精品高潮呻吟av久久| 一区二区三区乱码不卡18| 黄色a级毛片大全视频| 久久人人爽av亚洲精品天堂| 美女福利国产在线| 999久久久国产精品视频| 十八禁高潮呻吟视频| 久久精品熟女亚洲av麻豆精品| 国产一区二区三区综合在线观看| 国产三级黄色录像| 黑丝袜美女国产一区| 一边摸一边抽搐一进一小说 | 黄片小视频在线播放| 人妻 亚洲 视频| 1024香蕉在线观看| 国产一区有黄有色的免费视频| 国产亚洲av高清不卡| 我要看黄色一级片免费的| 亚洲av日韩精品久久久久久密| 丝袜在线中文字幕| 亚洲欧美激情在线| 欧美激情 高清一区二区三区| 午夜福利在线观看吧| 国产精品免费大片| 两性午夜刺激爽爽歪歪视频在线观看 | 另类精品久久| 欧美老熟妇乱子伦牲交| 午夜福利在线观看吧| 制服人妻中文乱码| 国产亚洲av高清不卡| 国产精品免费一区二区三区在线 | 亚洲九九香蕉| av片东京热男人的天堂| 在线观看免费高清a一片| 老熟妇仑乱视频hdxx| 亚洲熟妇熟女久久| 国产国语露脸激情在线看| 久久青草综合色| 久久久久久久大尺度免费视频| 久久久水蜜桃国产精品网| 别揉我奶头~嗯~啊~动态视频| 国产精品一区二区在线不卡| 久久国产精品影院| 国产免费av片在线观看野外av| 久久天躁狠狠躁夜夜2o2o| 中文字幕最新亚洲高清| 亚洲精品在线美女| 日韩熟女老妇一区二区性免费视频| 国产极品粉嫩免费观看在线| 50天的宝宝边吃奶边哭怎么回事| 午夜两性在线视频| 久久天堂一区二区三区四区| 中国美女看黄片| 国产精品欧美亚洲77777| 国产精品99久久99久久久不卡| 精品国产一区二区三区四区第35| 亚洲av第一区精品v没综合| 久久精品国产99精品国产亚洲性色 | 高清毛片免费观看视频网站 | 波多野结衣av一区二区av| 亚洲欧美一区二区三区黑人| 成人国语在线视频| 欧美日韩精品网址| 久热这里只有精品99| 免费看十八禁软件| 伦理电影免费视频| 国产无遮挡羞羞视频在线观看| 国产在线视频一区二区| 人人妻人人澡人人看| 国产av国产精品国产| 飞空精品影院首页| 高清视频免费观看一区二区| 免费看十八禁软件| 亚洲国产中文字幕在线视频| 亚洲一区中文字幕在线| 久久久精品免费免费高清| 久久久久久久精品吃奶| 91麻豆av在线| 一区二区三区乱码不卡18| 色在线成人网| 啪啪无遮挡十八禁网站| 伦理电影免费视频| 九色亚洲精品在线播放| 国产91精品成人一区二区三区 | 天堂俺去俺来也www色官网| 蜜桃在线观看..| 国产成人影院久久av| 制服人妻中文乱码| 每晚都被弄得嗷嗷叫到高潮| 国产在线免费精品| aaaaa片日本免费| 超碰成人久久| 宅男免费午夜| 亚洲国产精品一区二区三区在线| 一级毛片电影观看| 亚洲专区中文字幕在线| 国产成人精品在线电影| 桃花免费在线播放| 精品国内亚洲2022精品成人 | 成人影院久久| 久久久久网色| 久久精品国产亚洲av香蕉五月 | av免费在线观看网站| 九色亚洲精品在线播放| 19禁男女啪啪无遮挡网站| aaaaa片日本免费| 欧美人与性动交α欧美软件| 另类亚洲欧美激情| 欧美人与性动交α欧美精品济南到| 午夜福利视频精品| 丝袜喷水一区| 嫁个100分男人电影在线观看| 男男h啪啪无遮挡| 丝瓜视频免费看黄片| 满18在线观看网站| 正在播放国产对白刺激| 一区二区三区激情视频| 女性生殖器流出的白浆| 99热国产这里只有精品6| 窝窝影院91人妻| 国产精品熟女久久久久浪| 成年动漫av网址| 51午夜福利影视在线观看| 国产97色在线日韩免费| 国产精品98久久久久久宅男小说| 黄色视频不卡| 91麻豆av在线| 亚洲精品在线美女| 人人妻人人澡人人爽人人夜夜| 亚洲第一欧美日韩一区二区三区 | 国产高清激情床上av| 制服诱惑二区| 国产成+人综合+亚洲专区| 精品一品国产午夜福利视频| 国产欧美日韩一区二区精品| 美国免费a级毛片| 亚洲精品一二三| 亚洲伊人久久精品综合| 亚洲专区国产一区二区| 国产在线免费精品| 一级片'在线观看视频| 不卡一级毛片| 久久久国产精品麻豆| 狂野欧美激情性xxxx| 动漫黄色视频在线观看| 叶爱在线成人免费视频播放| 丁香六月欧美| 欧美黑人欧美精品刺激| 久久99热这里只频精品6学生| 午夜福利欧美成人| 国产成人啪精品午夜网站| 亚洲国产毛片av蜜桃av| 精品午夜福利视频在线观看一区 | 免费在线观看黄色视频的| 黄色 视频免费看| 欧美精品一区二区免费开放| 亚洲精品在线美女| 免费人妻精品一区二区三区视频| 另类精品久久| 99精品久久久久人妻精品| 又紧又爽又黄一区二区| 国产黄频视频在线观看| 丝袜在线中文字幕| 一进一出抽搐动态| 国产日韩欧美视频二区| 亚洲av日韩在线播放| 热re99久久国产66热| 国产淫语在线视频| 久久性视频一级片| 亚洲欧美一区二区三区久久| 欧美午夜高清在线| 欧美精品一区二区免费开放| 大片免费播放器 马上看| 久久精品熟女亚洲av麻豆精品| 黄片大片在线免费观看| 日韩大片免费观看网站| 国产亚洲av高清不卡| 精品国产一区二区三区久久久樱花| 国产aⅴ精品一区二区三区波| 91字幕亚洲| 夜夜爽天天搞| 国产成人精品久久二区二区免费| 久热这里只有精品99| 人人妻人人澡人人看| 日韩一区二区三区影片| 欧美在线一区亚洲| 亚洲av成人一区二区三| 80岁老熟妇乱子伦牲交| 日本vs欧美在线观看视频| 动漫黄色视频在线观看| 免费观看av网站的网址| 久久久久国产一级毛片高清牌| 亚洲三区欧美一区| 成人亚洲精品一区在线观看| 黑人猛操日本美女一级片| 亚洲精品中文字幕在线视频| 亚洲九九香蕉| 日本av手机在线免费观看| 国产成人系列免费观看| 久久久国产成人免费| 中文亚洲av片在线观看爽 | 亚洲精品美女久久av网站| 久久久国产一区二区| 另类精品久久| 丝袜美腿诱惑在线| 欧美中文综合在线视频| 国产无遮挡羞羞视频在线观看| 国内毛片毛片毛片毛片毛片| 国产高清videossex| 亚洲精品在线观看二区| 欧美日韩成人在线一区二区| 久久精品亚洲精品国产色婷小说| 欧美黄色片欧美黄色片| 在线av久久热| 一级a爱视频在线免费观看| 亚洲精品国产精品久久久不卡| 老司机福利观看| 午夜精品国产一区二区电影| 纵有疾风起免费观看全集完整版| xxxhd国产人妻xxx| 国产不卡一卡二| 视频区图区小说| 久热爱精品视频在线9| 天天添夜夜摸| 国产高清videossex| 亚洲精品在线观看二区| 高清毛片免费观看视频网站 | 国产xxxxx性猛交| 中文字幕人妻熟女乱码| 在线十欧美十亚洲十日本专区| 十八禁网站网址无遮挡| 777米奇影视久久| 天天躁夜夜躁狠狠躁躁| 日韩大码丰满熟妇| 看免费av毛片| 亚洲第一青青草原| 成人三级做爰电影| 午夜免费成人在线视频| 国产黄频视频在线观看| 水蜜桃什么品种好| 黄频高清免费视频| 色播在线永久视频| 亚洲第一青青草原| 国产成人欧美在线观看 | 国产精品国产高清国产av | 久久国产精品大桥未久av| 青青草视频在线视频观看| 国产精品久久久人人做人人爽| 精品国产乱码久久久久久小说| 女性被躁到高潮视频| 国产免费现黄频在线看| 国产人伦9x9x在线观看| 超碰97精品在线观看| 色播在线永久视频| 伊人久久大香线蕉亚洲五| 免费看十八禁软件| 夜夜骑夜夜射夜夜干| 宅男免费午夜| 首页视频小说图片口味搜索| 亚洲国产欧美日韩在线播放| 美女高潮到喷水免费观看| www.熟女人妻精品国产| 女人高潮潮喷娇喘18禁视频| 欧美日韩视频精品一区| 我要看黄色一级片免费的| 18禁国产床啪视频网站| 亚洲avbb在线观看| 大型黄色视频在线免费观看| 欧美亚洲 丝袜 人妻 在线| 五月天丁香电影| 成人免费观看视频高清| 国产aⅴ精品一区二区三区波| 国产精品香港三级国产av潘金莲| 精品国产一区二区久久| 亚洲中文字幕日韩| 人成视频在线观看免费观看| 色综合婷婷激情| 国产精品二区激情视频| 一级毛片电影观看| 亚洲欧美色中文字幕在线| 亚洲人成伊人成综合网2020| 欧美亚洲日本最大视频资源| av超薄肉色丝袜交足视频| av不卡在线播放| 免费高清在线观看日韩| 久久青草综合色| 宅男免费午夜| 欧美国产精品一级二级三级| av在线播放免费不卡| 中文字幕色久视频| videos熟女内射| 99久久精品国产亚洲精品| 欧美亚洲日本最大视频资源| 日韩大码丰满熟妇| 高清欧美精品videossex| 国产精品九九99| 我的亚洲天堂| 久久天堂一区二区三区四区| 丰满人妻熟妇乱又伦精品不卡| 男女无遮挡免费网站观看| 欧美成人免费av一区二区三区 | 黄色怎么调成土黄色| 考比视频在线观看| 三级毛片av免费| 久久久久久久大尺度免费视频| 一区二区三区精品91| 日韩中文字幕欧美一区二区| 欧美精品人与动牲交sv欧美| netflix在线观看网站| 亚洲第一青青草原| 国产区一区二久久| 亚洲全国av大片| 日本av免费视频播放| 国产精品98久久久久久宅男小说| 久久99一区二区三区| 在线十欧美十亚洲十日本专区| 久久精品国产亚洲av高清一级| 成人永久免费在线观看视频 | 正在播放国产对白刺激| 啦啦啦免费观看视频1| 日本wwww免费看| 天天躁夜夜躁狠狠躁躁| 久久精品亚洲av国产电影网| 在线观看免费视频日本深夜| av网站免费在线观看视频| av电影中文网址| 国产免费现黄频在线看| 啦啦啦在线免费观看视频4| 欧美老熟妇乱子伦牲交| www.熟女人妻精品国产| h视频一区二区三区| 日韩大片免费观看网站| 女人高潮潮喷娇喘18禁视频| bbb黄色大片| 少妇粗大呻吟视频| 青草久久国产| 国产亚洲一区二区精品| 久久精品亚洲av国产电影网| 亚洲精品中文字幕在线视频| 美女主播在线视频| 在线亚洲精品国产二区图片欧美| 在线观看免费午夜福利视频| 悠悠久久av| 99香蕉大伊视频| 欧美+亚洲+日韩+国产| 国产一区二区在线观看av| 在线观看人妻少妇| 精品午夜福利视频在线观看一区 | 国产成人精品无人区| 国产精品99久久99久久久不卡| 丝袜人妻中文字幕| 妹子高潮喷水视频| 免费在线观看黄色视频的| 精品亚洲乱码少妇综合久久| 国产区一区二久久| 欧美在线黄色| 黄色丝袜av网址大全| 国产伦理片在线播放av一区| 日本av手机在线免费观看| 国产一区二区激情短视频| 在线十欧美十亚洲十日本专区| 麻豆国产av国片精品| 搡老岳熟女国产| 亚洲 欧美一区二区三区| 人成视频在线观看免费观看| 嫩草影视91久久| 欧美国产精品一级二级三级| 国产精品自产拍在线观看55亚洲 | 亚洲成av片中文字幕在线观看| 午夜福利影视在线免费观看| 久久午夜亚洲精品久久| 午夜福利欧美成人| 成人精品一区二区免费| 1024视频免费在线观看| 精品亚洲成a人片在线观看| 黑人欧美特级aaaaaa片| 久久中文字幕一级| 蜜桃国产av成人99| 国产男女内射视频| 一个人免费在线观看的高清视频| 午夜两性在线视频| 老司机午夜福利在线观看视频 | 最新美女视频免费是黄的| 中文字幕人妻丝袜制服| 成人av一区二区三区在线看| 熟女少妇亚洲综合色aaa.| 视频区欧美日本亚洲| 麻豆乱淫一区二区| 大码成人一级视频| 性高湖久久久久久久久免费观看| 国产亚洲av高清不卡| 国产成人欧美在线观看 | 国产极品粉嫩免费观看在线| 国产精品国产av在线观看| 国产成+人综合+亚洲专区| 久久久国产成人免费| 两个人免费观看高清视频| 国产亚洲精品一区二区www | 久久国产亚洲av麻豆专区| 这个男人来自地球电影免费观看| 少妇精品久久久久久久| 日日摸夜夜添夜夜添小说| 又大又爽又粗| 在线观看一区二区三区激情| 日日夜夜操网爽| 一边摸一边抽搐一进一小说 | 最近最新中文字幕大全免费视频| 亚洲专区中文字幕在线| 国产aⅴ精品一区二区三区波| 亚洲七黄色美女视频| 黑人巨大精品欧美一区二区蜜桃| 成人影院久久| 亚洲国产精品一区二区三区在线| 日韩制服丝袜自拍偷拍| 人人澡人人妻人| 纵有疾风起免费观看全集完整版| 精品亚洲乱码少妇综合久久| 午夜免费鲁丝| 亚洲精华国产精华精| 天天躁狠狠躁夜夜躁狠狠躁| 真人做人爱边吃奶动态| 青草久久国产| 久久亚洲精品不卡|