• <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 ?

    基于腦電信號(hào)分類的高速公路上駕駛疲勞識(shí)別*

    2015-04-13 02:52:09王福旺
    汽車工程 2015年2期
    關(guān)鍵詞:電信號(hào)權(quán)值駕駛員

    羅 旭,王 宏, 王福旺

    (1.東北大學(xué),沈陽 110004;2.沈陽師范大學(xué),沈陽 110034)

    ?

    2015041

    基于腦電信號(hào)分類的高速公路上駕駛疲勞識(shí)別*

    羅 旭1,2,王 宏1, 王福旺1

    (1.東北大學(xué),沈陽 110004;2.沈陽師范大學(xué),沈陽 110034)

    為駕駛疲勞的識(shí)別提出一種基于小波變換與BP人工神經(jīng)網(wǎng)絡(luò)的自發(fā)腦電信號(hào)分類方法。利用離散小波變換對(duì)駕駛員的腦電信號(hào)濾波,得到頻率低于30Hz的4個(gè)子帶小波系數(shù),由統(tǒng)計(jì)方法從小波系數(shù)中提取特征值。以這些特征值作為訓(xùn)練數(shù)據(jù),對(duì)所建的BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。結(jié)果表明,用所建的神經(jīng)網(wǎng)絡(luò)對(duì)高速公路客車駕駛員分別在疲勞和非疲勞時(shí)記錄的腦電信號(hào)進(jìn)行分類可達(dá)93.2%的準(zhǔn)確率。

    駕駛疲勞;腦電信號(hào);小波;BP人工神經(jīng)網(wǎng)絡(luò)

    前言

    疲勞駕駛是引發(fā)交通事故的主要原因之一。經(jīng)統(tǒng)計(jì),有20%~30% 的交通事故直接由疲勞駕駛引起[1]。因此須研究量化與識(shí)別疲勞駕駛的有效方法,為研制疲勞駕駛預(yù)警系統(tǒng)提供理論與技術(shù)支持。

    疲勞駕駛的量化與識(shí)別,主要是通過分析人體電信號(hào),如腦電(EEG)、眼電(EOG)和肌電(EMG)等來實(shí)現(xiàn)。其中,腦電信號(hào)是最為可信和準(zhǔn)確的疲勞判斷依據(jù)[2]。文獻(xiàn)[3]中試圖使用腦電信號(hào)功率記錄模擬駕駛過程中駕駛員的表現(xiàn),結(jié)果表明腦電信號(hào)的變化與駕駛員注意力的變化有關(guān)。文獻(xiàn)[4]中提出,疲勞狀態(tài)下的腦電波中,低頻波(θ波與α波)比例增大,而高頻波(β波)比例降低。文獻(xiàn)[5]中通過支持向量機(jī)分類器對(duì)經(jīng)小波濾波的腦電信號(hào)進(jìn)行分類識(shí)別,分類正確率達(dá)90.04%。

    本文中結(jié)合離散小波變換濾波技術(shù)與BP人工神經(jīng)網(wǎng)絡(luò)分類方法,對(duì)兩類腦電數(shù)據(jù)(疲勞駕駛和非疲勞駕駛狀態(tài)下的腦電信號(hào))進(jìn)行分類識(shí)別,平均正確率為93.2%。

    1 小波濾波與特征提取

    腦電信號(hào)在采集過程中參雜大量噪聲,在分類識(shí)別之前必須先濾波。針對(duì)腦電信號(hào)的非線性與非平穩(wěn)性[6],小波變換是較有效的時(shí)頻分析方法[7],因此采用快速的離散小波變換設(shè)計(jì)濾波器。

    1.1 離散小波濾波

    信號(hào)經(jīng)小波變換后,可產(chǎn)生壓縮式的小波系數(shù),分別為代表原信號(hào)低頻部分的逼近小波系數(shù)與代表高頻部分的細(xì)節(jié)小波系數(shù)。本文中使用離散小波變換[8](DWT)對(duì)腦電信號(hào)進(jìn)行濾波,離散小波變換定義如下:

    (1)

    式中:ψ(t)為小波基函數(shù),j、k∈Z并代表頻率分辨率,fj(t)為信號(hào)f(t)在尺度2j的分類。

    腦電信號(hào)經(jīng)離散小波變換分解,得到頻率低于32Hz(腦電信號(hào)頻率主要分布在0~30Hz)的4個(gè)子帶內(nèi)的小波系數(shù),從而過濾掉頻率較高的干擾信號(hào)。離散小波分解過程如下:先對(duì)腦電信號(hào)f(t)進(jìn)行首次分解,得到第1層低通逼近分量A1和高通細(xì)節(jié)分量D1。再對(duì)A1分解得到第2層的逼近和細(xì)節(jié)分量AA2和DA2。以此類推,一直分解到第4層。在第4層中,除了分解逼近分量AAA3,得到AAAA4和DAAA4之外,還分解細(xì)節(jié)分量DAA3,得到ADAA4和DDAA4。為表述方便,將這4個(gè)分量分別標(biāo)記為P1、P2、P3和P4。小波分解過程如圖1所示。

    每次分解產(chǎn)生的兩個(gè)分量的頻率范圍都為原分量頻率范圍的一半,且逼近分量覆蓋低頻范圍,細(xì)節(jié)分量覆蓋高頻范圍。例如,假設(shè)原始信號(hào)頻率為128Hz,經(jīng)分解后得到的逼近分量A1的頻率范圍為0~64Hz,D1為64~128Hz。經(jīng)5次分解之后,在第4層產(chǎn)生的4個(gè)分量的頻率范圍分別是0~8Hz、8~16Hz、16~24Hz和24~32Hz。

    1.2 提取小波系數(shù)特征

    前面得到的每個(gè)小波分量Pi都含有大量的小波系數(shù),不適合直接作為特征數(shù)據(jù)。為減少計(jì)算量,需要從每個(gè)分量?jī)?nèi)提取統(tǒng)計(jì)值。對(duì)每個(gè)分量Pi(i∈{1,2,3,4}),取其最大值、最小值、均值和標(biāo)準(zhǔn)差。根據(jù)4個(gè)分量一共生成16個(gè)特征值。

    當(dāng)采用該特征提取方法分析腦電時(shí),須預(yù)先定義分析窗口的大小。例如,針對(duì)腦電帽的某通道,可以每當(dāng)采集128組腦電數(shù)據(jù)時(shí),便提取與之對(duì)應(yīng)的16個(gè)特征值。這些特征值將作為神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù),用于之后的神經(jīng)網(wǎng)絡(luò)訓(xùn)練與創(chuàng)建。

    2 BP人工神經(jīng)網(wǎng)絡(luò)分類器

    2.1 BP人工神經(jīng)網(wǎng)絡(luò)

    BP神經(jīng)網(wǎng)絡(luò)[9]的學(xué)習(xí)過程由信號(hào)的正向傳輸與誤差的反向傳播兩個(gè)過程組成。正向傳輸時(shí),樣本從輸入層傳入,經(jīng)隱含層逐層處理后傳向輸出層。若輸出層的實(shí)際輸出與期望輸出不符,則進(jìn)入誤差的反向傳播階段。誤差的反向傳播將輸出誤差以某種形式通過隱含層向輸入層逐層反傳,并將誤差分?jǐn)偨o各層的所有單元,從而獲得各層單元的誤差信號(hào),該誤差信號(hào)作為修正各神經(jīng)元權(quán)值的依據(jù)。

    2.2 設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    駕駛狀態(tài)下,額頭AF3和AF4部位的腦電電位變化較為明顯,如圖2所示。

    因而提取AF3和AF4兩通道腦電信號(hào)的特征值作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。兩通道的窗口信號(hào)經(jīng)小波過濾和特征提取后,共產(chǎn)生32個(gè)特征值,所以設(shè)置神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為32。輸出層節(jié)點(diǎn)數(shù)為1,輸出值為0(非疲勞狀態(tài))或1(疲勞狀態(tài))。隱含層最佳節(jié)點(diǎn)數(shù)的計(jì)算公式[10]為

    l=log2n

    (2)

    式中:n為輸入層節(jié)點(diǎn)數(shù);l為隱含層節(jié)點(diǎn)數(shù)。根據(jù)式(2)與輸入層節(jié)點(diǎn)數(shù)32,設(shè)置隱含層節(jié)點(diǎn)數(shù)為5。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

    該神經(jīng)網(wǎng)絡(luò)屬于兩類分類器。理想狀態(tài)下,經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能執(zhí)行準(zhǔn)確率較高的分類操作,即向神經(jīng)網(wǎng)絡(luò)輸入屬于某一類(如疲勞)的特征值后,神經(jīng)網(wǎng)絡(luò)以可接受的準(zhǔn)確率輸出與期望值相同的實(shí)際輸出值。

    2.3 選擇神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)

    神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用Levenberg-Marquardt函數(shù)[11],該函數(shù)由基于最大鄰域思想的最小二乘估計(jì)算法得出。設(shè)E(w)由數(shù)量為m的個(gè)體誤差項(xiàng)組成,E(w)定義如下:

    (3)

    式中:w為權(quán)值向量,ei(w)為第i個(gè)神經(jīng)元的實(shí)際輸出值oi(w)與期望輸出值yi的差值。

    算法的目標(biāo)是計(jì)算出使E(w)最小的權(quán)值向量w。新權(quán)值向量wk+1可表示為

    wk+1=wk+δwk

    (4)

    式中:wk為原權(quán)值向量,δwk的定義為

    (5)

    式中:e(wk)=[e1(wk),e2(wk),…,em(wk)]T;Jk為e(wk)在wk處的雅可比矩陣,Jk第i行第j列的元素表達(dá)式為

    (6)

    式中wj為權(quán)值向量w的第j個(gè)元素。

    Levenberg-Marquardt算法計(jì)算過程如下:

    ①計(jì)算E(wk);

    ②將λ初始化為小正數(shù)(如λ=0.01);

    ③計(jì)算式(4)得到δwk,并計(jì)算E(wk+δwk);

    ④ 如果E(wk+δwk)≥E(wk),則將λ放大10倍,并跳轉(zhuǎn)到步驟③;

    ⑤如果E(wk+δwk)

    3 疲勞駕駛信號(hào)分類實(shí)驗(yàn)

    3.1 采集腦電信號(hào)

    3.1.1 信號(hào)采集環(huán)境設(shè)置

    實(shí)驗(yàn)使用Emotiv電極帽采集腦電源信號(hào)。該電極帽最高采樣頻率為128Hz,包含國(guó)際10-20系統(tǒng)中的14個(gè)參考電極,如圖4中黑色電極所示。

    實(shí)驗(yàn)環(huán)境為沈陽至丹東高速公路客車內(nèi)。參與實(shí)驗(yàn)的人員包括被試者(駕駛員)、觀察員與操作員。觀察員處于客車的副駕駛位,負(fù)責(zé)觀察駕駛員的精神狀態(tài)(如打哈欠頻率、眨眼頻率等),以及判斷駕駛員是否進(jìn)入疲勞狀態(tài)。操作員位于駕駛員后座,負(fù)責(zé)操控計(jì)算機(jī)和腦電信號(hào)采集設(shè)備。出于安全考慮,客車內(nèi)沒有乘客。

    3.1.2 信號(hào)采集過程

    信號(hào)采集操作在13∶00~18∶00之間的真實(shí)駕駛狀態(tài)下進(jìn)行。為保證采集的非疲勞腦電信號(hào)盡量接近理想狀態(tài),駕駛員在參與實(shí)驗(yàn)之前的24h內(nèi),保證正常睡眠時(shí)間并且沒有從事嚴(yán)重耗費(fèi)體力與精力的活動(dòng)。當(dāng)駕駛員從13∶00開始駕車5min后,操作員采集3min的駕駛員腦電數(shù)據(jù),該數(shù)據(jù)作為非疲勞數(shù)據(jù),采集量為23 040組。

    根據(jù)《中華人民共和國(guó)道路交通安全法實(shí)施條例》的規(guī)定,連續(xù)駕車4h且休息不足20min的情況認(rèn)定為疲勞駕駛。因此,為獲取較理想的疲勞駕駛腦電信號(hào),實(shí)驗(yàn)中的駕駛員連續(xù)駕駛客車5h左右后(中途休息5min),并且當(dāng)有較明顯的眼神呆滯或打哈欠頻率增加的情況時(shí),由觀察員手勢(shì)通知操作員開始記錄疲勞腦電,采集量同為23 040組。為保證數(shù)據(jù)的穩(wěn)定性,采集過程中駕駛員沒有說話和明顯的肢體動(dòng)作,如轉(zhuǎn)頭、擺臂和抬腿等。

    通過上述方式,一共采集了4個(gè)駕駛員的腦電數(shù)據(jù),得到4個(gè)數(shù)據(jù)集。每個(gè)數(shù)據(jù)集包含代表非疲勞和疲勞兩狀態(tài)的兩個(gè)信號(hào)矩陣,每個(gè)信號(hào)矩陣維度為2×23040(兩行分別對(duì)應(yīng)AF3與AF4通道)。

    3.2 生成神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)

    以MATLAB為編程工具,將屬于某駕駛員的非疲勞信號(hào)矩陣,按128列為1塊進(jìn)行分塊,得到180個(gè)數(shù)據(jù)塊。對(duì)每個(gè)數(shù)據(jù)塊濾波和統(tǒng)計(jì)后,產(chǎn)生與該數(shù)據(jù)塊對(duì)應(yīng)的32個(gè)特征值。那么,由信號(hào)矩陣得到180×32的非疲勞特征矩陣。同樣方法,產(chǎn)生該駕駛員的180×32的疲勞特征矩陣。將兩矩陣組合為360×32的特征矩陣(前180行對(duì)應(yīng)非疲勞狀態(tài),后180行對(duì)應(yīng)疲勞狀態(tài))作為神經(jīng)網(wǎng)絡(luò)的輸入層訓(xùn)練數(shù)據(jù)。與該矩陣對(duì)應(yīng)的輸出層訓(xùn)練數(shù)據(jù)為長(zhǎng)度為360的向量(前180行為0,對(duì)應(yīng)非疲勞輸出;后180行為1,對(duì)應(yīng)疲勞輸出)。

    3.3 訓(xùn)練神經(jīng)網(wǎng)絡(luò)與結(jié)果分析

    根據(jù)第2節(jié)中給出的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方案,利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱創(chuàng)建BP神經(jīng)網(wǎng)絡(luò),向網(wǎng)絡(luò)輸入已生成的屬于某駕駛員的訓(xùn)練矩陣,執(zhí)行訓(xùn)練網(wǎng)絡(luò)操作。神經(jīng)網(wǎng)絡(luò)經(jīng)訓(xùn)練后,隱含層內(nèi)5個(gè)隱節(jié)點(diǎn)的輸入與輸出權(quán)值向量得到確定,如表1和表2所示。

    表1 隱含層節(jié)點(diǎn)的輸入權(quán)值向量

    表2 隱含層節(jié)點(diǎn)的輸出權(quán)值向量

    執(zhí)行網(wǎng)絡(luò)訓(xùn)練時(shí),MATLAB隨機(jī)地從所有輸入數(shù)據(jù)中提取70%用于訓(xùn)練操作,15%用于驗(yàn)證操作,15%用于測(cè)試操作。由于此隨機(jī)性的存在,有必要多次執(zhí)行網(wǎng)絡(luò)訓(xùn)練以獲取神經(jīng)網(wǎng)絡(luò)的平均分類準(zhǔn)確率。對(duì)每個(gè)駕駛員的特征數(shù)據(jù),分別執(zhí)行了4次訓(xùn)練操作,記錄并統(tǒng)計(jì)神經(jīng)網(wǎng)絡(luò)分類準(zhǔn)確率,如表3所示。

    表3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

    從實(shí)驗(yàn)結(jié)果可以看到,BP神經(jīng)網(wǎng)絡(luò)對(duì)4個(gè)駕駛員的兩類特征數(shù)據(jù)(非疲勞與疲勞數(shù)據(jù))的分類識(shí)別效果明顯。每個(gè)駕駛員的4次分類準(zhǔn)確性都穩(wěn)定在89%以上,總平均準(zhǔn)確率為93.2%。

    4 結(jié)論

    駕駛狀態(tài)下的自發(fā)腦電信號(hào),經(jīng)離散小波變換濾波并進(jìn)行統(tǒng)計(jì)特征提取后,可保留用于區(qū)別是否疲勞的特征內(nèi)容。根據(jù)這些特征內(nèi)容訓(xùn)練并創(chuàng)建BP人工神經(jīng)網(wǎng)絡(luò),神經(jīng)網(wǎng)絡(luò)能夠以較高準(zhǔn)確率對(duì)非疲勞與疲勞腦電信號(hào)進(jìn)行分類。

    另外,因?yàn)獒槍?duì)每個(gè)窗口下的腦電數(shù)據(jù),其離散小波濾波與統(tǒng)計(jì)特征提取的計(jì)算時(shí)間,以及BP人工神經(jīng)網(wǎng)絡(luò)根據(jù)輸入值計(jì)算輸出值的時(shí)間,都遠(yuǎn)小于信號(hào)的采集時(shí)間。因此,為下一階段研究實(shí)時(shí)監(jiān)測(cè)駕駛疲勞奠定了基礎(chǔ)。

    [1] Lal Saroj K L, Craig A.Electroencephalography Activity Associated with Driver Fatigue: Implications for a Fatigue Countermeasure Device[J/CD].Journal of Psychophysiology, 2001, 15: 125-130.

    [2] Lal S K L, Craig A.A Critical Review of the Psychophysiology of Driver Fatigue[J].Biological Psychology, 2001, 55(3): 173-194.

    [3] Sehier M A.Changes in EEG Alpha Power During Simulated Driving: A Demonstration International[J].Journal of Psychophysiology, 2000, 37(2) : 155-162

    [4] Eoh H J, Chung M K, Kim S H.Electroencephalographic Study of Drowsiness in Simulated Driving with Sleep Deprivation[J].International Journal of Industrial Ergonomics,2005,35(4):307-320.

    [5] Zhang C,Zheng C X, Yu X L.Automatic Recognition of Cognitive Fatigue from Physiological Indices by Using Wavelet Packet Transform and Kernel Learning Algorithms[J].Expert Systems with Applications, 2009, 36(3): 4664-4671.

    [6] Galka A.Topics in Nonlinear Time Series Analysis: with Implications for EEG Analysis[M].World Scientific Publishing Company Incorporated, 2000.

    [7] 馮象初,甘小冰,宋國(guó)鄉(xiāng).?dāng)?shù)值泛函于小波理論[M]:西安:西安電子科技大學(xué)出版杜,2003.

    [8] 楊幫華,顏國(guó)正, 鄢波.基于離散小波變換提取腦機(jī)接口中腦電特征[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào), 2006, 25(5): 518-522.

    [9] Hecht-Nielsen R.Theory of the Back Propagation Neural Network[C].Proceeding of the International Joint Conference on Neural Networks(IJCNN), New York, 1989,1:593-605.

    [10] 史峰,王小川,郁磊,等.MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析[M]:北京:北京航空航天大學(xué)出版社,2010:9-10.

    [11] Hagan M T,Menhaj M B.Training Feedforward Networks with the Marquardt Algorithm[J].IEEE Transactions on Neural Networks, 1994, 5(6): 989-993.

    Driver Fatigue Recognition in Highway Driving Based on EEG Signal Classification

    Luo Xu1,2, Wang Hong1& Wang Fuwang1

    1.NortheasternUniversity,Shenyang110004; 2.ShenyangNormalUniversity,Shenyang110034

    A method of electroencephalogram (EEG) signal classification for driver fatigue recognition is presented based on wavelet transform and BP neural network.The EEG signals of drivers are filtered using discrete wavelet transform to obtain the wavelet coefficients in four subbands with frequencies lower than 30Hz, from which eigenvalues are extracted by statistical method.With these eigenvalues as training data, the BP artificial neural network created is trained.The results show that the classification with the neural network created on the EEG signals recorded from coach drivers in both fatigue and non-fatigue states in highway driving has reached an accuracy rate up to 93.2 %.

    driver fatigue; EEG; wavelet transform; BP artificial neural network

    *無線體域網(wǎng)下疲勞駕駛狀態(tài)腦肌眼電信號(hào)特性研究基金(61071057)資助。

    原稿收到日期為2013年4月6日,修改稿收到日期為2013年8月12日。

    猜你喜歡
    電信號(hào)權(quán)值駕駛員
    基于高速公路的駕駛員換道意圖識(shí)別
    一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
    駕駛員安全帶識(shí)別方法綜述
    基于聯(lián)合聚類分析的單通道腹部心電信號(hào)的胎心率提取
    CONTENTS
    基于Code Composer Studio3.3完成對(duì)心電信號(hào)的去噪
    科技傳播(2019年24期)2019-06-15 09:29:28
    基于隨機(jī)森林的航天器電信號(hào)多分類識(shí)別方法
    基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
    起步前環(huán)顧四周是車輛駕駛員的義務(wù)
    公民與法治(2016年4期)2016-05-17 04:09:26
    基于生物電信號(hào)的駕駛疲勞檢測(cè)方法
    汽車電器(2014年8期)2014-02-28 12:14:29
    精品日产1卡2卡| 国内揄拍国产精品人妻在线 | 免费在线观看黄色视频的| av片东京热男人的天堂| 黑人欧美特级aaaaaa片| 少妇熟女aⅴ在线视频| 国产99白浆流出| 一级a爱片免费观看的视频| 1024香蕉在线观看| 麻豆av在线久日| 亚洲欧美精品综合久久99| 久久热在线av| 一二三四在线观看免费中文在| 999久久久国产精品视频| www日本黄色视频网| 88av欧美| 亚洲精品中文字幕一二三四区| 欧美成狂野欧美在线观看| 亚洲欧美激情综合另类| 久久久久久久久免费视频了| 国产伦一二天堂av在线观看| 国产高清视频在线播放一区| av欧美777| 俄罗斯特黄特色一大片| 欧美日韩福利视频一区二区| 亚洲avbb在线观看| 亚洲国产精品合色在线| 成人av一区二区三区在线看| 少妇被粗大的猛进出69影院| 黄频高清免费视频| 精品日产1卡2卡| 两性午夜刺激爽爽歪歪视频在线观看 | 黄色a级毛片大全视频| www日本在线高清视频| 不卡一级毛片| 国产精品二区激情视频| 俺也久久电影网| 午夜成年电影在线免费观看| 午夜免费鲁丝| 一级黄色大片毛片| 美女免费视频网站| 狠狠狠狠99中文字幕| 一进一出抽搐动态| 麻豆一二三区av精品| 侵犯人妻中文字幕一二三四区| 久久精品人妻少妇| or卡值多少钱| 最新在线观看一区二区三区| 99久久99久久久精品蜜桃| 亚洲电影在线观看av| 97人妻精品一区二区三区麻豆 | 国产激情久久老熟女| 搡老熟女国产l中国老女人| 久久精品91蜜桃| 黄色女人牲交| 一区二区三区精品91| 99久久综合精品五月天人人| 国产亚洲精品一区二区www| 少妇粗大呻吟视频| 天堂√8在线中文| 在线观看免费日韩欧美大片| 观看免费一级毛片| 亚洲精品国产区一区二| 丰满的人妻完整版| 99国产精品一区二区蜜桃av| 国产精品亚洲av一区麻豆| 窝窝影院91人妻| 欧美日韩黄片免| 亚洲,欧美精品.| 中亚洲国语对白在线视频| 亚洲免费av在线视频| 国产99久久九九免费精品| 中文亚洲av片在线观看爽| 美女午夜性视频免费| 亚洲人成77777在线视频| 国产亚洲av嫩草精品影院| 成年女人毛片免费观看观看9| 久久伊人香网站| 看免费av毛片| 真人做人爱边吃奶动态| 欧美激情久久久久久爽电影| 欧美激情久久久久久爽电影| aaaaa片日本免费| 欧美大码av| 亚洲国产欧美网| 国产精品99久久99久久久不卡| 日韩欧美 国产精品| 色在线成人网| 免费看a级黄色片| av欧美777| 天天添夜夜摸| 大香蕉久久成人网| 97超级碰碰碰精品色视频在线观看| 97超级碰碰碰精品色视频在线观看| 午夜精品久久久久久毛片777| 中文字幕精品亚洲无线码一区 | 熟女少妇亚洲综合色aaa.| 91大片在线观看| 国产成人精品久久二区二区免费| 亚洲自偷自拍图片 自拍| 亚洲五月色婷婷综合| 亚洲 欧美 日韩 在线 免费| 好男人电影高清在线观看| 国产真人三级小视频在线观看| 久热这里只有精品99| 国产精品二区激情视频| 少妇裸体淫交视频免费看高清 | 亚洲熟妇中文字幕五十中出| 亚洲精品粉嫩美女一区| 免费搜索国产男女视频| 国产久久久一区二区三区| 女性被躁到高潮视频| 亚洲av成人不卡在线观看播放网| 国产在线观看jvid| 男人的好看免费观看在线视频 | 精品国产国语对白av| 亚洲成人免费电影在线观看| 99在线人妻在线中文字幕| 后天国语完整版免费观看| 我的亚洲天堂| 亚洲精品在线观看二区| 日韩欧美免费精品| 麻豆成人午夜福利视频| 丝袜人妻中文字幕| 色综合站精品国产| 黄片小视频在线播放| 午夜免费成人在线视频| 一级a爱视频在线免费观看| 久久久久久久久中文| 国产精品一区二区免费欧美| 成人三级做爰电影| 久久精品国产99精品国产亚洲性色| 十八禁人妻一区二区| 国产伦人伦偷精品视频| 欧美黑人欧美精品刺激| 伊人久久大香线蕉亚洲五| 亚洲国产精品合色在线| 首页视频小说图片口味搜索| 好男人在线观看高清免费视频 | 国产97色在线日韩免费| 1024手机看黄色片| 免费女性裸体啪啪无遮挡网站| 亚洲男人天堂网一区| 国产在线观看jvid| 精品人妻1区二区| 午夜福利在线在线| 波多野结衣高清无吗| 免费看a级黄色片| 长腿黑丝高跟| 一边摸一边抽搐一进一小说| tocl精华| 欧美成人免费av一区二区三区| 欧美乱码精品一区二区三区| 中文字幕人成人乱码亚洲影| 久久精品91无色码中文字幕| 久久青草综合色| 日韩欧美 国产精品| 国产私拍福利视频在线观看| 69av精品久久久久久| 三级毛片av免费| xxxwww97欧美| 国产aⅴ精品一区二区三区波| 国产片内射在线| 岛国在线观看网站| 女人高潮潮喷娇喘18禁视频| 日韩精品免费视频一区二区三区| 深夜精品福利| 国产精品久久视频播放| 亚洲人成伊人成综合网2020| 亚洲国产精品久久男人天堂| 国产精品一区二区免费欧美| 久久精品亚洲精品国产色婷小说| 黄网站色视频无遮挡免费观看| 99久久久亚洲精品蜜臀av| 亚洲中文字幕一区二区三区有码在线看 | av福利片在线| 99国产精品一区二区三区| 欧美av亚洲av综合av国产av| 极品教师在线免费播放| 亚洲成a人片在线一区二区| 在线观看舔阴道视频| 免费无遮挡裸体视频| 91字幕亚洲| 18禁美女被吸乳视频| 欧美成人免费av一区二区三区| 女性被躁到高潮视频| 国内揄拍国产精品人妻在线 | 日日爽夜夜爽网站| 亚洲真实伦在线观看| 欧美性猛交╳xxx乱大交人| 国产区一区二久久| 亚洲中文字幕一区二区三区有码在线看 | 亚洲va日本ⅴa欧美va伊人久久| 18禁黄网站禁片免费观看直播| 欧美成人性av电影在线观看| 亚洲欧洲精品一区二区精品久久久| 亚洲三区欧美一区| 亚洲性夜色夜夜综合| 国产单亲对白刺激| 亚洲精品一卡2卡三卡4卡5卡| 久热这里只有精品99| 久久亚洲真实| 看黄色毛片网站| 一a级毛片在线观看| 69av精品久久久久久| 国产人伦9x9x在线观看| 日韩免费av在线播放| 极品教师在线免费播放| 久久午夜综合久久蜜桃| 天天躁夜夜躁狠狠躁躁| 欧美日韩亚洲综合一区二区三区_| 色综合欧美亚洲国产小说| 欧美绝顶高潮抽搐喷水| 1024香蕉在线观看| 婷婷丁香在线五月| 91字幕亚洲| 国产成人精品无人区| www.熟女人妻精品国产| 老熟妇仑乱视频hdxx| 亚洲无线在线观看| 最近最新中文字幕大全电影3 | 极品教师在线免费播放| 级片在线观看| 麻豆久久精品国产亚洲av| av在线播放免费不卡| 视频区欧美日本亚洲| 18禁裸乳无遮挡免费网站照片 | 黑人操中国人逼视频| 成人特级黄色片久久久久久久| 午夜福利在线在线| 一夜夜www| 亚洲人成伊人成综合网2020| 久久 成人 亚洲| 亚洲电影在线观看av| 中文字幕人成人乱码亚洲影| 色综合站精品国产| 国产精品亚洲av一区麻豆| 亚洲精品av麻豆狂野| 精品福利观看| 欧美黑人精品巨大| 国产精华一区二区三区| 人妻丰满熟妇av一区二区三区| www.自偷自拍.com| 禁无遮挡网站| 午夜激情av网站| 成人免费观看视频高清| 法律面前人人平等表现在哪些方面| 国产一区二区三区视频了| 国产三级黄色录像| 中文在线观看免费www的网站 | 亚洲久久久国产精品| 国产国语露脸激情在线看| 超碰成人久久| 久久久国产精品麻豆| 美女扒开内裤让男人捅视频| 国产爱豆传媒在线观看 | 首页视频小说图片口味搜索| 黑人巨大精品欧美一区二区mp4| 变态另类丝袜制服| 久久国产精品人妻蜜桃| 波多野结衣av一区二区av| cao死你这个sao货| 无限看片的www在线观看| 宅男免费午夜| 国产精品 欧美亚洲| 丝袜在线中文字幕| 午夜免费激情av| 757午夜福利合集在线观看| 黄片小视频在线播放| x7x7x7水蜜桃| 丝袜在线中文字幕| 久久精品91无色码中文字幕| 搡老熟女国产l中国老女人| 国产精品久久久久久精品电影 | 一级a爱片免费观看的视频| 日韩大码丰满熟妇| 美女国产高潮福利片在线看| 欧美性猛交黑人性爽| 成人国语在线视频| 亚洲全国av大片| 这个男人来自地球电影免费观看| 搞女人的毛片| 国产精品爽爽va在线观看网站 | 亚洲精品在线观看二区| 高清毛片免费观看视频网站| 日本熟妇午夜| 极品教师在线免费播放| 亚洲欧洲精品一区二区精品久久久| 精品国产超薄肉色丝袜足j| 午夜福利一区二区在线看| 成人亚洲精品一区在线观看| 成人手机av| 中文字幕久久专区| 午夜福利高清视频| 精品久久久久久久毛片微露脸| 国产熟女午夜一区二区三区| 久久人妻av系列| 不卡一级毛片| 90打野战视频偷拍视频| 女警被强在线播放| 国产亚洲精品av在线| 亚洲专区中文字幕在线| 琪琪午夜伦伦电影理论片6080| 午夜精品久久久久久毛片777| 最近最新中文字幕大全电影3 | 精品国产美女av久久久久小说| 俺也久久电影网| 日本熟妇午夜| 国产伦人伦偷精品视频| 啦啦啦观看免费观看视频高清| 丁香欧美五月| 欧美丝袜亚洲另类 | 国产在线精品亚洲第一网站| 精华霜和精华液先用哪个| 麻豆国产av国片精品| 日本熟妇午夜| 精品久久久久久久毛片微露脸| 两个人看的免费小视频| 在线观看一区二区三区| 黄色片一级片一级黄色片| 亚洲人成网站在线播放欧美日韩| or卡值多少钱| netflix在线观看网站| 88av欧美| 黑人欧美特级aaaaaa片| avwww免费| 久久久国产成人精品二区| 999久久久精品免费观看国产| 国产精品日韩av在线免费观看| 亚洲欧美精品综合久久99| 好男人电影高清在线观看| 18禁裸乳无遮挡免费网站照片 | 99精品欧美一区二区三区四区| 国产成人欧美在线观看| 国产av在哪里看| 精品熟女少妇八av免费久了| 国产视频一区二区在线看| 精品国产乱码久久久久久男人| 99精品在免费线老司机午夜| 香蕉av资源在线| √禁漫天堂资源中文www| 日韩欧美国产一区二区入口| 最近在线观看免费完整版| 黄色成人免费大全| 久久天躁狠狠躁夜夜2o2o| 美国免费a级毛片| 国产精品日韩av在线免费观看| 亚洲第一电影网av| 18禁国产床啪视频网站| √禁漫天堂资源中文www| 亚洲国产毛片av蜜桃av| 十分钟在线观看高清视频www| 午夜视频精品福利| 亚洲一卡2卡3卡4卡5卡精品中文| 妹子高潮喷水视频| 最近在线观看免费完整版| 久久香蕉精品热| 午夜福利在线观看吧| 少妇熟女aⅴ在线视频| 精品久久久久久久毛片微露脸| 啦啦啦观看免费观看视频高清| 久久天堂一区二区三区四区| 在线播放国产精品三级| 97人妻精品一区二区三区麻豆 | 动漫黄色视频在线观看| 一边摸一边抽搐一进一小说| 亚洲欧美精品综合一区二区三区| 一级片免费观看大全| 欧美 亚洲 国产 日韩一| 成人亚洲精品一区在线观看| 亚洲av中文字字幕乱码综合 | 久久久久久久久中文| АⅤ资源中文在线天堂| 午夜免费鲁丝| 国产一区二区在线av高清观看| 91老司机精品| 亚洲精品国产精品久久久不卡| 久久久久久久久免费视频了| 岛国视频午夜一区免费看| 亚洲第一电影网av| 亚洲精品色激情综合| 伦理电影免费视频| 深夜精品福利| 真人做人爱边吃奶动态| 90打野战视频偷拍视频| 精品国产国语对白av| 国产精品日韩av在线免费观看| 免费观看精品视频网站| www.999成人在线观看| xxx96com| 亚洲精品美女久久av网站| 日本一本二区三区精品| 88av欧美| 日日夜夜操网爽| 亚洲精品国产精品久久久不卡| 看免费av毛片| videosex国产| 熟妇人妻久久中文字幕3abv| 亚洲av第一区精品v没综合| 又黄又粗又硬又大视频| 少妇裸体淫交视频免费看高清 | 757午夜福利合集在线观看| 日本免费a在线| 欧美绝顶高潮抽搐喷水| 亚洲av熟女| 亚洲色图av天堂| 久久精品成人免费网站| 日本成人三级电影网站| 一边摸一边抽搐一进一小说| 久久香蕉精品热| 精品欧美国产一区二区三| 国产一区二区三区视频了| 香蕉国产在线看| 国产精品综合久久久久久久免费| 黄色片一级片一级黄色片| 91字幕亚洲| 国产区一区二久久| 97人妻精品一区二区三区麻豆 | 日韩免费av在线播放| 久99久视频精品免费| 欧美一区二区精品小视频在线| 最近在线观看免费完整版| 麻豆久久精品国产亚洲av| 男人操女人黄网站| 亚洲精品一区av在线观看| 精品一区二区三区四区五区乱码| 人人妻,人人澡人人爽秒播| 黄色片一级片一级黄色片| 成人国产一区最新在线观看| 免费在线观看成人毛片| 国产亚洲精品第一综合不卡| 亚洲第一欧美日韩一区二区三区| 99re在线观看精品视频| 一卡2卡三卡四卡精品乱码亚洲| 国产精品香港三级国产av潘金莲| 欧美国产日韩亚洲一区| 美女大奶头视频| 一卡2卡三卡四卡精品乱码亚洲| 亚洲自拍偷在线| 国产亚洲欧美精品永久| 国产精品久久久人人做人人爽| 成人18禁在线播放| 国产精品二区激情视频| 看免费av毛片| 国内毛片毛片毛片毛片毛片| www日本在线高清视频| 久久久久久久精品吃奶| 变态另类成人亚洲欧美熟女| 久久性视频一级片| 久久久久亚洲av毛片大全| 在线观看免费午夜福利视频| 午夜免费成人在线视频| 精品欧美一区二区三区在线| 国产高清激情床上av| 高清在线国产一区| 欧美激情极品国产一区二区三区| 亚洲五月天丁香| 国产99久久九九免费精品| 99re在线观看精品视频| 久久久国产成人免费| 黄色毛片三级朝国网站| 美女午夜性视频免费| 99热6这里只有精品| 精品国产超薄肉色丝袜足j| 国产成人精品无人区| 黄色毛片三级朝国网站| 精品国产一区二区三区四区第35| 亚洲色图 男人天堂 中文字幕| 在线十欧美十亚洲十日本专区| 亚洲成av片中文字幕在线观看| 精品午夜福利视频在线观看一区| 激情在线观看视频在线高清| 国产精品久久久人人做人人爽| 老司机午夜福利在线观看视频| 久久精品人妻少妇| 久99久视频精品免费| 一区二区三区激情视频| 日本a在线网址| 国内久久婷婷六月综合欲色啪| 欧美不卡视频在线免费观看 | 成人欧美大片| 久久久国产精品麻豆| 中文资源天堂在线| 久久亚洲真实| 国产高清视频在线播放一区| 99久久精品国产亚洲精品| 美女免费视频网站| 人人澡人人妻人| 久久国产乱子伦精品免费另类| 十八禁网站免费在线| 啦啦啦韩国在线观看视频| 免费高清视频大片| 免费在线观看视频国产中文字幕亚洲| 中国美女看黄片| 999久久久国产精品视频| 99久久精品国产亚洲精品| 久久国产乱子伦精品免费另类| 麻豆成人午夜福利视频| 人人妻人人澡欧美一区二区| 国产v大片淫在线免费观看| 午夜视频精品福利| 可以免费在线观看a视频的电影网站| 午夜a级毛片| www国产在线视频色| 在线观看一区二区三区| 久久午夜综合久久蜜桃| 免费av毛片视频| 久久青草综合色| 制服丝袜大香蕉在线| 亚洲av中文字字幕乱码综合 | 免费高清在线观看日韩| 午夜激情福利司机影院| 此物有八面人人有两片| 欧美一级毛片孕妇| 国产欧美日韩精品亚洲av| e午夜精品久久久久久久| 99re在线观看精品视频| 两个人看的免费小视频| 一级a爱片免费观看的视频| 欧美日韩亚洲国产一区二区在线观看| 国产欧美日韩精品亚洲av| 国产aⅴ精品一区二区三区波| 午夜免费观看网址| 欧美乱码精品一区二区三区| 一进一出好大好爽视频| 免费观看精品视频网站| 亚洲狠狠婷婷综合久久图片| 欧美乱色亚洲激情| 久久精品国产亚洲av高清一级| 欧美性长视频在线观看| 黑丝袜美女国产一区| 手机成人av网站| 91国产中文字幕| 人人妻人人看人人澡| 国产成人精品无人区| 在线观看www视频免费| 欧美日韩乱码在线| 亚洲欧美精品综合一区二区三区| 中文字幕人妻熟女乱码| 国产在线观看jvid| 久久久久国产一级毛片高清牌| 男女下面进入的视频免费午夜 | 国产精品亚洲美女久久久| 亚洲黑人精品在线| 成人国产综合亚洲| 99久久国产精品久久久| 精品久久久久久,| 中亚洲国语对白在线视频| 久久国产亚洲av麻豆专区| 精品福利观看| 制服诱惑二区| av在线播放免费不卡| 国产av一区在线观看免费| 亚洲片人在线观看| 亚洲av成人一区二区三| 欧美黑人巨大hd| 女同久久另类99精品国产91| 在线观看免费午夜福利视频| 亚洲第一av免费看| 国产精品永久免费网站| 美女高潮喷水抽搐中文字幕| 精品日产1卡2卡| 在线永久观看黄色视频| 国产成人av激情在线播放| 精品久久久久久久毛片微露脸| 国产亚洲精品一区二区www| 亚洲国产欧美一区二区综合| 亚洲 欧美 日韩 在线 免费| 亚洲五月婷婷丁香| 啦啦啦免费观看视频1| 中文字幕最新亚洲高清| 神马国产精品三级电影在线观看 | 免费看a级黄色片| 最近最新中文字幕大全电影3 | 搡老妇女老女人老熟妇| 中文亚洲av片在线观看爽| 在线观看日韩欧美| 国产精品久久久久久亚洲av鲁大| 日本三级黄在线观看| 亚洲中文av在线| 亚洲国产欧美网| 一区二区三区精品91| av天堂在线播放| 国产精品 欧美亚洲| 一区二区日韩欧美中文字幕| 欧美最黄视频在线播放免费| 女性生殖器流出的白浆| 日韩大尺度精品在线看网址| 亚洲av第一区精品v没综合| 手机成人av网站| 久久久久国内视频| 国产亚洲精品av在线| 久久人妻福利社区极品人妻图片| 搡老熟女国产l中国老女人| 色精品久久人妻99蜜桃| 此物有八面人人有两片| 久久香蕉激情| 久久久久亚洲av毛片大全| 级片在线观看| 一夜夜www| 欧美成人午夜精品| 欧美中文日本在线观看视频| 国产免费av片在线观看野外av| 真人做人爱边吃奶动态| 精品久久久久久久毛片微露脸| 麻豆成人av在线观看| 青草久久国产| 国内少妇人妻偷人精品xxx网站 | 搡老岳熟女国产| 窝窝影院91人妻| 19禁男女啪啪无遮挡网站| 老司机在亚洲福利影院| 欧美日韩福利视频一区二区| 熟女电影av网| 久久久久国产一级毛片高清牌|