• <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
    国产真人三级小视频在线观看| 新久久久久国产一级毛片| 久久久久久免费高清国产稀缺| 免费少妇av软件| 亚洲精品国产精品久久久不卡| 最新的欧美精品一区二区| av又黄又爽大尺度在线免费看| 亚洲av片天天在线观看| 999久久久国产精品视频| 亚洲国产看品久久| 母亲3免费完整高清在线观看| 一本—道久久a久久精品蜜桃钙片| 午夜福利视频精品| 男人舔女人的私密视频| 欧美激情极品国产一区二区三区| 久久久精品国产亚洲av高清涩受| 国产99久久九九免费精品| 一边摸一边做爽爽视频免费| 久久精品国产亚洲av香蕉五月 | 菩萨蛮人人尽说江南好唐韦庄| 亚洲色图综合在线观看| 国产无遮挡羞羞视频在线观看| 91麻豆精品激情在线观看国产 | 俄罗斯特黄特色一大片| 中文字幕色久视频| 一边摸一边抽搐一进一出视频| 一个人免费看片子| 精品福利永久在线观看| 免费av中文字幕在线| 一本久久精品| 精品一区二区三卡| 久久精品91无色码中文字幕| 久久人妻av系列| 激情在线观看视频在线高清 | 男女下面插进去视频免费观看| 老司机午夜十八禁免费视频| av电影中文网址| 精品亚洲乱码少妇综合久久| 亚洲av第一区精品v没综合| 夜夜夜夜夜久久久久| 精品卡一卡二卡四卡免费| 欧美日韩黄片免| 十八禁高潮呻吟视频| 成人国产一区最新在线观看| 精品久久久精品久久久| 中文字幕精品免费在线观看视频| 中文字幕av电影在线播放| 怎么达到女性高潮| 国产精品电影一区二区三区 | 欧美激情久久久久久爽电影 | 老熟女久久久| 中文字幕制服av| 两个人免费观看高清视频| 国产男女超爽视频在线观看| 国产成人欧美在线观看 | 欧美精品高潮呻吟av久久| 国产av精品麻豆| 国产成人免费观看mmmm| 亚洲三区欧美一区| 欧美大码av| 美女午夜性视频免费| 日韩 欧美 亚洲 中文字幕| 日本欧美视频一区| 天天躁狠狠躁夜夜躁狠狠躁| 日本五十路高清| 欧美黄色片欧美黄色片| 精品国产一区二区三区久久久樱花| 久久天躁狠狠躁夜夜2o2o| 中文欧美无线码| 在线观看免费日韩欧美大片| 欧美久久黑人一区二区| 国产深夜福利视频在线观看| 国产成人精品久久二区二区91| 亚洲综合色网址| 757午夜福利合集在线观看| 999精品在线视频| 最新美女视频免费是黄的| 欧美精品一区二区大全| 满18在线观看网站| a级毛片在线看网站| 黑丝袜美女国产一区| 成人免费观看视频高清| 成人免费观看视频高清| 免费观看人在逋| 午夜福利在线观看吧| 一区在线观看完整版| 久久久久久亚洲精品国产蜜桃av| √禁漫天堂资源中文www| 天堂8中文在线网| 午夜福利影视在线免费观看| 建设人人有责人人尽责人人享有的| 免费在线观看完整版高清| 如日韩欧美国产精品一区二区三区| 国产成人av激情在线播放| 亚洲国产欧美日韩在线播放| 久久人妻熟女aⅴ| 精品午夜福利视频在线观看一区 | 色老头精品视频在线观看| 黄网站色视频无遮挡免费观看| 国产视频一区二区在线看| 国产日韩欧美视频二区| 精品一区二区三区视频在线观看免费 | 久久午夜综合久久蜜桃| 午夜老司机福利片| 在线av久久热| 夫妻午夜视频| 中文字幕高清在线视频| 99国产精品一区二区三区| 国产精品久久久久久精品电影小说| a级毛片黄视频| 动漫黄色视频在线观看| 97在线人人人人妻| 亚洲av电影在线进入| 女人精品久久久久毛片| 一边摸一边做爽爽视频免费| 国产欧美日韩精品亚洲av| 99久久国产精品久久久| 下体分泌物呈黄色| 亚洲精品美女久久av网站| 99久久国产精品久久久| 一二三四在线观看免费中文在| 欧美老熟妇乱子伦牲交| 人人妻人人澡人人看| 丰满少妇做爰视频| 国产伦理片在线播放av一区| 两人在一起打扑克的视频| 757午夜福利合集在线观看| 国产精品国产av在线观看| 免费人妻精品一区二区三区视频| 亚洲午夜理论影院| 欧美午夜高清在线| 亚洲人成伊人成综合网2020| 老熟妇乱子伦视频在线观看| 亚洲视频免费观看视频| aaaaa片日本免费| 99国产精品一区二区三区| 另类亚洲欧美激情| 99热国产这里只有精品6| 香蕉久久夜色| 日本精品一区二区三区蜜桃| 日本wwww免费看| 一本大道久久a久久精品| 在线观看免费视频网站a站| 欧美亚洲 丝袜 人妻 在线| 啦啦啦视频在线资源免费观看| 精品亚洲乱码少妇综合久久| 桃红色精品国产亚洲av| 美国免费a级毛片| 亚洲精品久久成人aⅴ小说| 日本av免费视频播放| 亚洲av片天天在线观看| 久久中文看片网| 国产精品美女特级片免费视频播放器 | 国产欧美日韩精品亚洲av| 国产麻豆69| 99国产精品一区二区三区| 91麻豆精品激情在线观看国产 | 久久午夜亚洲精品久久| 热99国产精品久久久久久7| 18禁国产床啪视频网站| 日韩大片免费观看网站| 超碰97精品在线观看| 免费高清在线观看日韩| 最近最新免费中文字幕在线| 国产成人av激情在线播放| 乱人伦中国视频| 国产成人精品久久二区二区91| 久久人人爽av亚洲精品天堂| 新久久久久国产一级毛片| 母亲3免费完整高清在线观看| 高潮久久久久久久久久久不卡| 极品少妇高潮喷水抽搐| 国产黄频视频在线观看| 热99国产精品久久久久久7| 黄片小视频在线播放| 午夜老司机福利片| 激情视频va一区二区三区| 久久国产精品大桥未久av| √禁漫天堂资源中文www| 午夜视频精品福利| 天天操日日干夜夜撸| 久久人人爽av亚洲精品天堂| 日韩 欧美 亚洲 中文字幕| 成年人黄色毛片网站| 欧美日韩国产mv在线观看视频| 每晚都被弄得嗷嗷叫到高潮| 午夜福利在线免费观看网站| 国产精品 欧美亚洲| 又黄又粗又硬又大视频| 亚洲第一青青草原| 自拍欧美九色日韩亚洲蝌蚪91| 国产日韩欧美视频二区| 黑丝袜美女国产一区| 久久久久精品国产欧美久久久| 男人舔女人的私密视频| 嫁个100分男人电影在线观看| 美女福利国产在线| 久久中文看片网| 日本vs欧美在线观看视频| 午夜激情av网站| 在线天堂中文资源库| 欧美黄色淫秽网站| 久久久久久人人人人人| a级毛片在线看网站| 一区二区三区国产精品乱码| 久久中文看片网| e午夜精品久久久久久久| 精品少妇一区二区三区视频日本电影| 中文字幕人妻丝袜制服| 国产日韩一区二区三区精品不卡| 美女视频免费永久观看网站| 在线观看人妻少妇| 久久中文看片网| 黄频高清免费视频| 国产单亲对白刺激| 亚洲精品av麻豆狂野| 又紧又爽又黄一区二区| 女人高潮潮喷娇喘18禁视频| 黄片小视频在线播放| 久久人妻熟女aⅴ| 国产成人一区二区三区免费视频网站| 国产99久久九九免费精品| 黄网站色视频无遮挡免费观看| 一进一出好大好爽视频| 男女下面插进去视频免费观看| 亚洲精品乱久久久久久| 无限看片的www在线观看| av天堂在线播放| 日韩视频一区二区在线观看| 亚洲精品久久午夜乱码| a级片在线免费高清观看视频| 国产成人免费观看mmmm| 91字幕亚洲| 免费看十八禁软件| 女性被躁到高潮视频| 亚洲精品美女久久av网站| 高清av免费在线| 成人国产一区最新在线观看| 一区在线观看完整版| 下体分泌物呈黄色| 天堂中文最新版在线下载| 国产精品电影一区二区三区 | 欧美精品人与动牲交sv欧美| 精品久久久精品久久久| 成人免费观看视频高清| 脱女人内裤的视频| 国产伦理片在线播放av一区| 国产男女内射视频| tube8黄色片| 欧美日韩一级在线毛片| 超碰97精品在线观看| 天天操日日干夜夜撸| 精品卡一卡二卡四卡免费| 欧美激情 高清一区二区三区| 国产成人欧美在线观看 | 亚洲中文av在线| 欧美精品av麻豆av| 久热这里只有精品99| 国产一区二区在线观看av| 一区二区三区激情视频| 亚洲精华国产精华精| 丰满少妇做爰视频| 国产成人精品在线电影| 亚洲色图综合在线观看| 99re6热这里在线精品视频| 国产男女内射视频| 国产xxxxx性猛交| 国产一区二区在线观看av| 热re99久久精品国产66热6| 男女免费视频国产| 一本大道久久a久久精品| 国产欧美亚洲国产| 日本av手机在线免费观看| 久久亚洲精品不卡| 精品久久蜜臀av无| 极品少妇高潮喷水抽搐| 菩萨蛮人人尽说江南好唐韦庄| 妹子高潮喷水视频| 久久性视频一级片| 亚洲欧美日韩另类电影网站| 精品免费久久久久久久清纯 | 新久久久久国产一级毛片| 麻豆国产av国片精品| 亚洲精品一卡2卡三卡4卡5卡| 成在线人永久免费视频| 日日摸夜夜添夜夜添小说| 另类亚洲欧美激情| 男女高潮啪啪啪动态图| 久久精品aⅴ一区二区三区四区| 国产区一区二久久| 99国产极品粉嫩在线观看| 久9热在线精品视频| 亚洲精品成人av观看孕妇| 国产免费福利视频在线观看| 超碰成人久久| 精品免费久久久久久久清纯 | 97在线人人人人妻| 在线观看免费午夜福利视频| 久久久久久久大尺度免费视频| 亚洲精品自拍成人| 国产精品免费视频内射| 中亚洲国语对白在线视频| 免费在线观看视频国产中文字幕亚洲| 国产精品一区二区在线观看99| 黄片播放在线免费| 黄片小视频在线播放| 国产精品欧美亚洲77777| 欧美av亚洲av综合av国产av| 操美女的视频在线观看| 大型黄色视频在线免费观看| 国产欧美日韩综合在线一区二区| 欧美 日韩 精品 国产| 大香蕉久久成人网| 动漫黄色视频在线观看| 久久性视频一级片| 热re99久久精品国产66热6| 视频在线观看一区二区三区| 侵犯人妻中文字幕一二三四区| 久久久久久久精品吃奶| www日本在线高清视频| 亚洲人成77777在线视频| xxxhd国产人妻xxx| 黄色视频不卡| xxxhd国产人妻xxx| 在线天堂中文资源库| 国产精品一区二区免费欧美| 一边摸一边做爽爽视频免费| 亚洲人成电影观看| 侵犯人妻中文字幕一二三四区| 欧美在线一区亚洲| a级毛片黄视频| 18禁美女被吸乳视频| 搡老熟女国产l中国老女人| 视频区欧美日本亚洲| 国精品久久久久久国模美| 午夜福利,免费看| 正在播放国产对白刺激| 国产精品免费一区二区三区在线 | 久久国产亚洲av麻豆专区| 国产一卡二卡三卡精品| 黑人欧美特级aaaaaa片| 十八禁网站免费在线| 人人澡人人妻人| 国产不卡av网站在线观看| 婷婷丁香在线五月| 亚洲欧美激情在线| netflix在线观看网站| 又紧又爽又黄一区二区| 高清视频免费观看一区二区| 国产极品粉嫩免费观看在线| 超碰成人久久| 亚洲成人国产一区在线观看| 日本wwww免费看| 日韩免费av在线播放| 久久香蕉激情| 999精品在线视频| 欧美乱妇无乱码| 一区二区三区激情视频| 亚洲色图 男人天堂 中文字幕| 午夜两性在线视频| 亚洲熟女精品中文字幕| 三上悠亚av全集在线观看| 欧美日韩视频精品一区| 亚洲精品美女久久久久99蜜臀| 搡老乐熟女国产| 国产av一区二区精品久久| 亚洲国产中文字幕在线视频| 少妇被粗大的猛进出69影院| 搡老乐熟女国产| 宅男免费午夜| 人人妻人人添人人爽欧美一区卜| 国产欧美亚洲国产| 亚洲午夜理论影院| 久久人妻熟女aⅴ| 热99国产精品久久久久久7| 满18在线观看网站| 在线观看66精品国产| 亚洲一区二区三区欧美精品| 亚洲三区欧美一区| 麻豆国产av国片精品| 女人被躁到高潮嗷嗷叫费观| 精品一区二区三区四区五区乱码| 午夜福利视频在线观看免费| 2018国产大陆天天弄谢| 两个人免费观看高清视频| 久久久久精品国产欧美久久久| 国产欧美日韩一区二区三| 国产精品欧美亚洲77777| 少妇被粗大的猛进出69影院| 黄片播放在线免费| 女人久久www免费人成看片| 免费一级毛片在线播放高清视频 | 国产99久久九九免费精品| 黄色视频不卡| 在线观看舔阴道视频| 日韩欧美免费精品| 成年人午夜在线观看视频| 香蕉丝袜av| 超碰成人久久| 1024视频免费在线观看| 热re99久久精品国产66热6| 麻豆国产av国片精品| 亚洲国产成人一精品久久久| 老司机午夜十八禁免费视频| 欧美av亚洲av综合av国产av| 多毛熟女@视频| 国产一卡二卡三卡精品| av国产精品久久久久影院| 国产精品.久久久| 亚洲中文日韩欧美视频| 精品国产乱码久久久久久男人| 老司机亚洲免费影院| 久久久久久久精品吃奶| 亚洲成人免费电影在线观看| 精品熟女少妇八av免费久了| 亚洲伊人色综图| 久久久久视频综合| 亚洲第一av免费看| av一本久久久久| 99精品欧美一区二区三区四区| 精品国产乱子伦一区二区三区| 日韩三级视频一区二区三区| 欧美日韩国产mv在线观看视频| 叶爱在线成人免费视频播放| 亚洲色图av天堂| 久久精品91无色码中文字幕| 免费在线观看影片大全网站| 国产一区二区在线观看av| 波多野结衣av一区二区av| 欧美另类亚洲清纯唯美| 人人妻人人爽人人添夜夜欢视频| 在线观看免费高清a一片| 久久中文字幕人妻熟女| 欧美日韩精品网址| 成年人黄色毛片网站| 999久久久国产精品视频| 亚洲成a人片在线一区二区| 国产真人三级小视频在线观看| 一级毛片电影观看| 精品人妻熟女毛片av久久网站| 美女福利国产在线| 亚洲七黄色美女视频| 亚洲精品一卡2卡三卡4卡5卡| 久久人人爽av亚洲精品天堂| 久久久水蜜桃国产精品网| 男男h啪啪无遮挡| 免费观看av网站的网址| 在线观看免费视频日本深夜| 国产精品美女特级片免费视频播放器 | 超色免费av| 飞空精品影院首页| 首页视频小说图片口味搜索| 他把我摸到了高潮在线观看 | 中文字幕人妻丝袜制服| 久热爱精品视频在线9| 亚洲熟女精品中文字幕| 涩涩av久久男人的天堂| 久久久精品94久久精品| 日韩三级视频一区二区三区| 国产精品久久久久成人av| 精品福利永久在线观看| 欧美亚洲日本最大视频资源| 十分钟在线观看高清视频www| 国产高清激情床上av| 淫妇啪啪啪对白视频| 色94色欧美一区二区| 不卡av一区二区三区| 久久精品成人免费网站| 在线亚洲精品国产二区图片欧美| 日韩中文字幕视频在线看片| 欧美激情 高清一区二区三区| 国产1区2区3区精品| 51午夜福利影视在线观看| av免费在线观看网站| 一区在线观看完整版| videos熟女内射| 成人18禁在线播放| 女性生殖器流出的白浆| a级毛片黄视频| 成年人黄色毛片网站| 精品人妻1区二区| 国产亚洲午夜精品一区二区久久| 国产欧美日韩精品亚洲av| 搡老熟女国产l中国老女人| 电影成人av| 国产高清视频在线播放一区| 亚洲国产欧美在线一区| 中文字幕人妻丝袜一区二区| 在线观看舔阴道视频| 最近最新免费中文字幕在线| 天天躁夜夜躁狠狠躁躁| 亚洲精品国产一区二区精华液| 日本精品一区二区三区蜜桃| 成人永久免费在线观看视频 | 丝瓜视频免费看黄片| 一级片'在线观看视频| 欧美黄色片欧美黄色片| 咕卡用的链子| 99riav亚洲国产免费| 丝瓜视频免费看黄片| 国产精品久久电影中文字幕 | 久久精品国产亚洲av高清一级| 又紧又爽又黄一区二区| 桃红色精品国产亚洲av| 日韩中文字幕欧美一区二区| 黄色视频不卡| av福利片在线| 国精品久久久久久国模美| 岛国毛片在线播放| 亚洲 欧美一区二区三区| 亚洲男人天堂网一区| 中文字幕av电影在线播放| 午夜福利免费观看在线| 香蕉久久夜色| 满18在线观看网站| 五月天丁香电影| 日韩大码丰满熟妇| 亚洲av成人一区二区三| 天天添夜夜摸| av电影中文网址| av网站免费在线观看视频| 国产精品一区二区精品视频观看| 丝袜人妻中文字幕| 免费在线观看影片大全网站| 女警被强在线播放| 老熟女久久久| 成人国语在线视频| 无遮挡黄片免费观看| 精品欧美一区二区三区在线| 久久精品国产亚洲av香蕉五月 | av一本久久久久| 一本一本久久a久久精品综合妖精| 久久99热这里只频精品6学生| 欧美日韩中文字幕国产精品一区二区三区 | 777米奇影视久久| 久久精品国产亚洲av香蕉五月 | 精品卡一卡二卡四卡免费| 国产精品自产拍在线观看55亚洲 | 手机成人av网站| 电影成人av| 亚洲欧美精品综合一区二区三区| 色精品久久人妻99蜜桃| 亚洲欧美日韩另类电影网站| 亚洲人成电影观看| 亚洲精品国产区一区二| 亚洲人成电影免费在线| 国产精品影院久久| 18禁裸乳无遮挡动漫免费视频| 精品一区二区三卡| 丰满人妻熟妇乱又伦精品不卡| a级片在线免费高清观看视频| 天堂8中文在线网| 亚洲精品国产精品久久久不卡| 亚洲成人手机| 免费观看av网站的网址| 国产精品国产高清国产av | 亚洲一卡2卡3卡4卡5卡精品中文| av线在线观看网站| 少妇的丰满在线观看| 国产又色又爽无遮挡免费看| 欧美成人免费av一区二区三区 | 精品人妻1区二区| 高清av免费在线| 亚洲久久久国产精品| 在线观看舔阴道视频| 18禁美女被吸乳视频| av免费在线观看网站| 成年人黄色毛片网站| 日韩免费av在线播放| 成人国语在线视频| 久久国产精品男人的天堂亚洲| 久久久久视频综合| 在线观看免费视频网站a站| 中文字幕最新亚洲高清| 亚洲精品美女久久久久99蜜臀| 成人永久免费在线观看视频 | 91成人精品电影| 亚洲欧美日韩高清在线视频 | 成人av一区二区三区在线看| 国产亚洲午夜精品一区二区久久| 免费高清在线观看日韩| 久久久精品区二区三区| 老司机福利观看| 久久久国产精品麻豆| 亚洲中文字幕日韩| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲中文av在线| 一边摸一边做爽爽视频免费| 日韩中文字幕视频在线看片| 大香蕉久久网| 精品少妇一区二区三区视频日本电影| 18禁裸乳无遮挡动漫免费视频| 欧美日本中文国产一区发布| 亚洲精品一卡2卡三卡4卡5卡| 两人在一起打扑克的视频| www.999成人在线观看| 黄色视频在线播放观看不卡| aaaaa片日本免费| 亚洲精品美女久久久久99蜜臀| 97人妻天天添夜夜摸| 色婷婷av一区二区三区视频| 天堂动漫精品| 亚洲欧美精品综合一区二区三区| 十分钟在线观看高清视频www| 成年人免费黄色播放视频| 国产精品98久久久久久宅男小说| 国产97色在线日韩免费| 啦啦啦 在线观看视频| 亚洲五月色婷婷综合| 欧美黄色淫秽网站| 国产一区二区三区综合在线观看| 水蜜桃什么品种好| 国产精品亚洲av一区麻豆| 19禁男女啪啪无遮挡网站| 亚洲精品成人av观看孕妇|