• <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
    又黄又粗又硬又大视频| 大陆偷拍与自拍| 国产有黄有色有爽视频| 国产熟女午夜一区二区三区| 久久影院123| 欧美人与性动交α欧美软件| 乱人伦中国视频| videos熟女内射| 国产真人三级小视频在线观看| 亚洲精品在线观看二区| 国产欧美日韩一区二区三区在线| 久久香蕉精品热| 一级黄色大片毛片| 日韩中文字幕欧美一区二区| 天堂俺去俺来也www色官网| 久久久精品区二区三区| 国产一区二区三区视频了| 亚洲国产欧美日韩在线播放| 午夜精品国产一区二区电影| 黑人巨大精品欧美一区二区蜜桃| 日韩欧美国产一区二区入口| 女人高潮潮喷娇喘18禁视频| 国产一区在线观看成人免费| 日韩视频一区二区在线观看| 亚洲人成伊人成综合网2020| 精品高清国产在线一区| 男人舔女人的私密视频| 亚洲精品粉嫩美女一区| 国产av又大| √禁漫天堂资源中文www| 91九色精品人成在线观看| 不卡一级毛片| 亚洲精品美女久久久久99蜜臀| 亚洲一码二码三码区别大吗| 老司机福利观看| 色综合婷婷激情| 丰满饥渴人妻一区二区三| 欧美性长视频在线观看| 新久久久久国产一级毛片| 老汉色av国产亚洲站长工具| 久9热在线精品视频| 男女高潮啪啪啪动态图| 在线观看免费视频日本深夜| a级片在线免费高清观看视频| 满18在线观看网站| 亚洲第一欧美日韩一区二区三区| 丁香六月欧美| 色老头精品视频在线观看| 侵犯人妻中文字幕一二三四区| 国产亚洲一区二区精品| 亚洲成人免费av在线播放| 在线天堂中文资源库| 麻豆av在线久日| 777米奇影视久久| 国产色视频综合| 成年人黄色毛片网站| 在线播放国产精品三级| 亚洲欧美激情在线| 99热只有精品国产| 嫁个100分男人电影在线观看| 精品午夜福利视频在线观看一区| 亚洲国产精品合色在线| 精品视频人人做人人爽| 男女下面插进去视频免费观看| av片东京热男人的天堂| 欧美人与性动交α欧美软件| 成人特级黄色片久久久久久久| 波多野结衣av一区二区av| 露出奶头的视频| 欧美日韩福利视频一区二区| 午夜日韩欧美国产| 精品亚洲成国产av| 大陆偷拍与自拍| 久久这里只有精品19| 精品国内亚洲2022精品成人 | 国产欧美日韩精品亚洲av| 亚洲人成电影观看| 看免费av毛片| 久久人人97超碰香蕉20202| 精品人妻熟女毛片av久久网站| 18禁裸乳无遮挡免费网站照片 | 在线观看66精品国产| 国产成人精品久久二区二区免费| 免费一级毛片在线播放高清视频 | 亚洲欧美色中文字幕在线| av欧美777| 亚洲精品美女久久av网站| 国产av精品麻豆| 日本a在线网址| 桃红色精品国产亚洲av| 久久久精品国产亚洲av高清涩受| 欧美丝袜亚洲另类 | 国产区一区二久久| 色婷婷久久久亚洲欧美| 精品一品国产午夜福利视频| 国产精华一区二区三区| 真人做人爱边吃奶动态| 村上凉子中文字幕在线| 黄片小视频在线播放| 51午夜福利影视在线观看| 电影成人av| 欧美亚洲 丝袜 人妻 在线| 大香蕉久久成人网| 美女 人体艺术 gogo| 欧美国产精品一级二级三级| 久久国产亚洲av麻豆专区| 老熟妇乱子伦视频在线观看| 丝袜在线中文字幕| 老司机在亚洲福利影院| 人妻久久中文字幕网| 精品久久久久久久久久免费视频 | av片东京热男人的天堂| 久久人人爽av亚洲精品天堂| 国产在视频线精品| 亚洲国产欧美日韩在线播放| 新久久久久国产一级毛片| 国产在线观看jvid| 精品人妻在线不人妻| 另类亚洲欧美激情| 亚洲中文av在线| 男女下面插进去视频免费观看| 午夜精品久久久久久毛片777| 国产97色在线日韩免费| 国产精品一区二区免费欧美| 无限看片的www在线观看| 欧美日韩黄片免| 欧美精品高潮呻吟av久久| 高清视频免费观看一区二区| 亚洲精品中文字幕一二三四区| 国产熟女午夜一区二区三区| 777米奇影视久久| 亚洲精品av麻豆狂野| 纯流量卡能插随身wifi吗| 女性生殖器流出的白浆| 很黄的视频免费| 日韩免费高清中文字幕av| av天堂在线播放| 欧美激情高清一区二区三区| 制服人妻中文乱码| www.自偷自拍.com| 欧美在线一区亚洲| 看免费av毛片| 欧美av亚洲av综合av国产av| 中亚洲国语对白在线视频| 亚洲欧洲精品一区二区精品久久久| 久久香蕉精品热| www.999成人在线观看| 精品熟女少妇八av免费久了| 欧美人与性动交α欧美软件| 在线免费观看的www视频| 后天国语完整版免费观看| 99国产精品99久久久久| 日韩成人在线观看一区二区三区| 一夜夜www| 久久久国产一区二区| 久久国产精品影院| 露出奶头的视频| 国产单亲对白刺激| 精品福利观看| 19禁男女啪啪无遮挡网站| 老司机午夜十八禁免费视频| 国产精品1区2区在线观看. | www.熟女人妻精品国产| 自线自在国产av| 久久国产精品大桥未久av| 中文字幕色久视频| 精品一区二区三区视频在线观看免费 | 国产成+人综合+亚洲专区| 999久久久国产精品视频| 精品电影一区二区在线| 亚洲欧洲精品一区二区精品久久久| 亚洲中文日韩欧美视频| 国产精品乱码一区二三区的特点 | 欧美激情极品国产一区二区三区| 久久99一区二区三区| 男人的好看免费观看在线视频 | 亚洲成人免费av在线播放| 99在线人妻在线中文字幕 | 久久久久国产精品人妻aⅴ院 | 极品人妻少妇av视频| 两个人看的免费小视频| 国产精品国产高清国产av | 日韩一卡2卡3卡4卡2021年| 久久青草综合色| 又紧又爽又黄一区二区| 精品亚洲成国产av| 亚洲av欧美aⅴ国产| 久久国产精品人妻蜜桃| 亚洲 国产 在线| 亚洲av第一区精品v没综合| 国产精品 欧美亚洲| 在线观看www视频免费| 久久香蕉国产精品| 夫妻午夜视频| 黑人巨大精品欧美一区二区蜜桃| 天天操日日干夜夜撸| 国产aⅴ精品一区二区三区波| 每晚都被弄得嗷嗷叫到高潮| 亚洲aⅴ乱码一区二区在线播放 | 久久久精品区二区三区| 午夜亚洲福利在线播放| 亚洲欧美日韩高清在线视频| 国产又色又爽无遮挡免费看| 国产极品粉嫩免费观看在线| 香蕉久久夜色| 亚洲av成人av| 午夜久久久在线观看| 黄色 视频免费看| 欧美激情高清一区二区三区| 50天的宝宝边吃奶边哭怎么回事| 欧美在线黄色| av福利片在线| 欧美日韩精品网址| 国产免费现黄频在线看| 中文字幕最新亚洲高清| 亚洲欧美色中文字幕在线| 日韩大码丰满熟妇| 两性午夜刺激爽爽歪歪视频在线观看 | 午夜福利欧美成人| 18禁黄网站禁片午夜丰满| 欧美日韩瑟瑟在线播放| 国产一区二区激情短视频| 久久久国产成人精品二区 | 人妻 亚洲 视频| 最新的欧美精品一区二区| 国产精品久久电影中文字幕 | 一级,二级,三级黄色视频| 如日韩欧美国产精品一区二区三区| 波多野结衣一区麻豆| 夫妻午夜视频| 欧美乱色亚洲激情| 99久久人妻综合| 老汉色av国产亚洲站长工具| 成人手机av| 国产精品一区二区在线不卡| 成年版毛片免费区| av欧美777| 国产成人精品久久二区二区91| 精品久久蜜臀av无| 国产精品乱码一区二三区的特点 | www.熟女人妻精品国产| 欧美精品亚洲一区二区| 精品一品国产午夜福利视频| 在线看a的网站| 亚洲国产中文字幕在线视频| 国产精品乱码一区二三区的特点 | 亚洲精品av麻豆狂野| www.自偷自拍.com| 大香蕉久久网| av福利片在线| 欧美久久黑人一区二区| 亚洲精品在线美女| 一本一本久久a久久精品综合妖精| 嫁个100分男人电影在线观看| 日韩欧美在线二视频 | 中文字幕人妻丝袜制服| 久久久国产一区二区| 国产亚洲av高清不卡| 天堂√8在线中文| 国产黄色免费在线视频| 十分钟在线观看高清视频www| 黄色毛片三级朝国网站| 免费在线观看影片大全网站| av视频免费观看在线观看| 亚洲av熟女| 亚洲avbb在线观看| 97人妻天天添夜夜摸| 国产不卡一卡二| 欧美亚洲 丝袜 人妻 在线| 91老司机精品| 午夜精品国产一区二区电影| 女性生殖器流出的白浆| 精品一区二区三区四区五区乱码| 一级毛片高清免费大全| www.自偷自拍.com| 国产av精品麻豆| 女人被狂操c到高潮| 免费日韩欧美在线观看| 亚洲国产看品久久| 亚洲av欧美aⅴ国产| 日韩有码中文字幕| 如日韩欧美国产精品一区二区三区| 国产激情欧美一区二区| 丝瓜视频免费看黄片| 黄频高清免费视频| 黑人猛操日本美女一级片| 丝袜在线中文字幕| 视频区欧美日本亚洲| 久9热在线精品视频| 久久 成人 亚洲| 国产野战对白在线观看| 天堂中文最新版在线下载| 精品欧美一区二区三区在线| 欧美日韩瑟瑟在线播放| 国产av一区二区精品久久| 嫁个100分男人电影在线观看| 黄片播放在线免费| 欧美 日韩 精品 国产| 成人亚洲精品一区在线观看| 免费在线观看亚洲国产| 国产精品久久久久成人av| 国产不卡一卡二| 日韩大码丰满熟妇| 99精品在免费线老司机午夜| 午夜福利乱码中文字幕| 99久久综合精品五月天人人| 无遮挡黄片免费观看| 亚洲人成电影免费在线| 美女视频免费永久观看网站| 亚洲国产欧美一区二区综合| xxx96com| 国产深夜福利视频在线观看| videosex国产| 99香蕉大伊视频| 丁香六月欧美| 色在线成人网| 99国产精品一区二区蜜桃av | 每晚都被弄得嗷嗷叫到高潮| 欧美日韩中文字幕国产精品一区二区三区 | 国产97色在线日韩免费| 欧美激情久久久久久爽电影 | 中文字幕高清在线视频| 国产一区有黄有色的免费视频| 亚洲人成电影免费在线| 悠悠久久av| 高清毛片免费观看视频网站 | 在线观看免费视频日本深夜| 最近最新免费中文字幕在线| 欧美日韩精品网址| 国产成人精品无人区| netflix在线观看网站| 亚洲久久久国产精品| 777米奇影视久久| av中文乱码字幕在线| 别揉我奶头~嗯~啊~动态视频| 精品少妇一区二区三区视频日本电影| 亚洲精品中文字幕一二三四区| 亚洲av片天天在线观看| 久久精品人人爽人人爽视色| 国产成人av激情在线播放| 国产蜜桃级精品一区二区三区 | 国产一卡二卡三卡精品| 成熟少妇高潮喷水视频| 在线观看一区二区三区激情| 免费在线观看黄色视频的| 欧美激情久久久久久爽电影 | 久久久久精品国产欧美久久久| 一进一出抽搐gif免费好疼 | 亚洲九九香蕉| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品一区二区精品视频观看| 国产主播在线观看一区二区| 超色免费av| 国产成人av激情在线播放| av天堂在线播放| 久久亚洲真实| 亚洲精品av麻豆狂野| 天天影视国产精品| 欧美亚洲 丝袜 人妻 在线| netflix在线观看网站| 久久精品aⅴ一区二区三区四区| 成人黄色视频免费在线看| 美国免费a级毛片| 午夜福利欧美成人| 亚洲九九香蕉| 国产精品美女特级片免费视频播放器 | 新久久久久国产一级毛片| 亚洲aⅴ乱码一区二区在线播放 | 国产成人av教育| 岛国在线观看网站| 五月开心婷婷网| 91麻豆av在线| 超碰97精品在线观看| 国产男女超爽视频在线观看| 精品第一国产精品| 啦啦啦免费观看视频1| 91国产中文字幕| 精品第一国产精品| 日日夜夜操网爽| 中文字幕人妻丝袜制服| 1024视频免费在线观看| 久99久视频精品免费| 色婷婷久久久亚洲欧美| 中文字幕制服av| 91麻豆精品激情在线观看国产 | 久久久国产精品麻豆| 老司机午夜福利在线观看视频| 午夜激情av网站| 国产一区二区三区综合在线观看| 很黄的视频免费| 国产精品免费视频内射| 岛国毛片在线播放| 99久久精品国产亚洲精品| av免费在线观看网站| 五月开心婷婷网| 亚洲精品国产一区二区精华液| 久久久久久人人人人人| 男女免费视频国产| av国产精品久久久久影院| 欧美在线黄色| 黄片大片在线免费观看| 久久 成人 亚洲| 成年动漫av网址| 99热国产这里只有精品6| 不卡av一区二区三区| 国产精品免费一区二区三区在线 | 91九色精品人成在线观看| 国产91精品成人一区二区三区| e午夜精品久久久久久久| 成人特级黄色片久久久久久久| 少妇裸体淫交视频免费看高清 | 精品人妻熟女毛片av久久网站| 自拍欧美九色日韩亚洲蝌蚪91| 一进一出抽搐gif免费好疼 | 一级,二级,三级黄色视频| 水蜜桃什么品种好| 一区二区三区精品91| 国产99白浆流出| 午夜精品在线福利| 好男人电影高清在线观看| 精品一区二区三区四区五区乱码| 亚洲成人免费av在线播放| 少妇的丰满在线观看| 日本欧美视频一区| √禁漫天堂资源中文www| 另类亚洲欧美激情| 人人妻人人添人人爽欧美一区卜| 女人久久www免费人成看片| 色播在线永久视频| 精品免费久久久久久久清纯 | 欧美成狂野欧美在线观看| 国产精品久久久久久精品古装| 午夜精品久久久久久毛片777| 男人舔女人的私密视频| 日本一区二区免费在线视频| 欧美日韩亚洲高清精品| 99riav亚洲国产免费| 热99国产精品久久久久久7| 亚洲中文av在线| 制服人妻中文乱码| 精品人妻在线不人妻| 国产亚洲欧美98| 黄色 视频免费看| 中国美女看黄片| 久久精品亚洲熟妇少妇任你| 国产av一区二区精品久久| 久久久久久久久久久久大奶| 欧美中文综合在线视频| 亚洲av日韩精品久久久久久密| 一本一本久久a久久精品综合妖精| 黄片大片在线免费观看| 免费在线观看日本一区| 久久婷婷成人综合色麻豆| 亚洲熟妇熟女久久| 国产极品粉嫩免费观看在线| 日日摸夜夜添夜夜添小说| 久久久久久久国产电影| 视频区欧美日本亚洲| 操美女的视频在线观看| 91在线观看av| 人人妻人人爽人人添夜夜欢视频| 老司机福利观看| 亚洲少妇的诱惑av| 一级作爱视频免费观看| 亚洲五月色婷婷综合| 18禁美女被吸乳视频| 91精品国产国语对白视频| 高清视频免费观看一区二区| 男女高潮啪啪啪动态图| 国产一区在线观看成人免费| 日本撒尿小便嘘嘘汇集6| 午夜精品国产一区二区电影| 两性夫妻黄色片| 久久国产精品影院| 亚洲一码二码三码区别大吗| svipshipincom国产片| 在线国产一区二区在线| 两个人免费观看高清视频| 国产成人欧美在线观看 | 999久久久国产精品视频| 国产av又大| 建设人人有责人人尽责人人享有的| а√天堂www在线а√下载 | 天天添夜夜摸| 咕卡用的链子| 国产欧美亚洲国产| 欧美最黄视频在线播放免费 | 老司机靠b影院| 夜夜爽天天搞| 下体分泌物呈黄色| 午夜福利免费观看在线| 国精品久久久久久国模美| 久久久久精品人妻al黑| 久久午夜综合久久蜜桃| 亚洲精品久久成人aⅴ小说| 久久草成人影院| 亚洲美女黄片视频| 国产麻豆69| 亚洲国产欧美日韩在线播放| 在线观看午夜福利视频| 欧美国产精品va在线观看不卡| 国产男女超爽视频在线观看| 真人做人爱边吃奶动态| 老汉色av国产亚洲站长工具| 欧美久久黑人一区二区| 国产不卡av网站在线观看| 欧美中文综合在线视频| 国产在线观看jvid| 精品无人区乱码1区二区| 少妇粗大呻吟视频| 国产av又大| 国产精品久久久久久精品古装| 欧美亚洲 丝袜 人妻 在线| 变态另类成人亚洲欧美熟女 | 国产精品1区2区在线观看. | 99精品在免费线老司机午夜| 免费女性裸体啪啪无遮挡网站| 水蜜桃什么品种好| 日韩有码中文字幕| 精品国产一区二区三区四区第35| 两个人看的免费小视频| 国产精品自产拍在线观看55亚洲 | 久9热在线精品视频| 午夜影院日韩av| 久久久久久人人人人人| 大码成人一级视频| 亚洲成av片中文字幕在线观看| 精品久久久精品久久久| 日韩大码丰满熟妇| 精品人妻1区二区| 欧美国产精品一级二级三级| 国产一区二区激情短视频| 热99国产精品久久久久久7| 男人的好看免费观看在线视频 | 另类亚洲欧美激情| 久久久久精品国产欧美久久久| 热99久久久久精品小说推荐| 亚洲精品国产一区二区精华液| 国产精品香港三级国产av潘金莲| av网站在线播放免费| 在线视频色国产色| 极品人妻少妇av视频| 久久精品国产a三级三级三级| 精品熟女少妇八av免费久了| 欧美日韩亚洲高清精品| 欧美人与性动交α欧美精品济南到| 欧美日韩黄片免| 两性夫妻黄色片| 12—13女人毛片做爰片一| 亚洲色图 男人天堂 中文字幕| 麻豆乱淫一区二区| 中国美女看黄片| 亚洲欧美日韩另类电影网站| 国产成人影院久久av| 亚洲熟女毛片儿| 国产成人影院久久av| 在线观看66精品国产| 大陆偷拍与自拍| 黑人欧美特级aaaaaa片| 亚洲第一av免费看| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美激情久久久久久爽电影 | 国产色视频综合| 老司机亚洲免费影院| 亚洲中文av在线| 欧美大码av| av欧美777| 在线播放国产精品三级| 亚洲男人天堂网一区| 亚洲 欧美一区二区三区| 视频区欧美日本亚洲| 欧美乱码精品一区二区三区| 中文字幕人妻丝袜制服| 成年人午夜在线观看视频| 一级片免费观看大全| 中文亚洲av片在线观看爽 | 美女视频免费永久观看网站| 人人妻人人澡人人看| 精品亚洲成a人片在线观看| 人妻久久中文字幕网| 国产欧美日韩一区二区三| 久久人人爽av亚洲精品天堂| 久久久久久久午夜电影 | 国产精品一区二区精品视频观看| 男人的好看免费观看在线视频 | 手机成人av网站| 精品熟女少妇八av免费久了| 午夜福利一区二区在线看| 亚洲国产欧美网| 国产精华一区二区三区| 巨乳人妻的诱惑在线观看| 啦啦啦视频在线资源免费观看| 久久天躁狠狠躁夜夜2o2o| 婷婷精品国产亚洲av在线 | 成在线人永久免费视频| 精品国产超薄肉色丝袜足j| 中文字幕色久视频| 国产一区二区激情短视频| 又紧又爽又黄一区二区| 久久久国产成人精品二区 | 99热国产这里只有精品6| 在线永久观看黄色视频| 亚洲一区二区三区不卡视频| 一区在线观看完整版| 亚洲片人在线观看| 咕卡用的链子| 最近最新免费中文字幕在线| 美女视频免费永久观看网站| 两人在一起打扑克的视频| 久久狼人影院| 9色porny在线观看| 黄色视频不卡| 亚洲欧美一区二区三区久久| 免费人成视频x8x8入口观看| 亚洲熟女毛片儿|