• <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 ?

    基于多維航跡特征的異常行為檢測方法

    2017-11-17 10:23:20潘新龍王海鵬何友熊偉周偉
    航空學(xué)報 2017年4期
    關(guān)鍵詞:航向航跡距離

    潘新龍, 王海鵬, 何友, 熊偉, 周偉

    海軍航空工程學(xué)院 信息融合研究所, 煙臺 264001

    基于多維航跡特征的異常行為檢測方法

    潘新龍*, 王海鵬*, 何友, 熊偉, 周偉

    海軍航空工程學(xué)院 信息融合研究所, 煙臺 264001

    在信息融合領(lǐng)域,利用數(shù)據(jù)挖掘中的異常檢測技術(shù),可以基于目標(biāo)的多維航跡特征來挖掘目標(biāo)的異常行為?,F(xiàn)有軌跡異常檢測方法主要檢測目標(biāo)的位置異常,沒有充分利用目標(biāo)的屬性、類型、位置、速度和航向等多維特征,在挖掘目標(biāo)的異常行為時具有局限性。通過定義多因素定向Hausdorff距離和構(gòu)造多維度局部異常因子,提出了一種基于多維航跡特征的異常行為檢測方法,通過對多維航跡數(shù)據(jù)的異常檢測,實現(xiàn)對目標(biāo)異常行為的挖掘。在仿真軍事場景和真實的民用場景上進(jìn)行了實驗分析,所提方法都能有效的檢測出目標(biāo)的異常行為。

    異常行為; 航跡; 多維特征; 局部異常因子; Hausdorff距離

    隨著目標(biāo)探測手段的不斷豐富和多傳感器信息融合技術(shù)[1]的不斷完善,各種各樣的目標(biāo)被檢測、跟蹤和識別,乃至形成連續(xù)穩(wěn)定的目標(biāo)航跡。海量的目標(biāo)航跡數(shù)據(jù)在各種目標(biāo)情報處理系統(tǒng)、預(yù)警監(jiān)視系統(tǒng)、航行管制系統(tǒng)和視頻監(jiān)控系統(tǒng)中存儲和積累,這些航跡數(shù)據(jù)中蘊(yùn)含著大量的信息和知識。作為數(shù)據(jù)庫知識發(fā)現(xiàn)中重要步驟的數(shù)據(jù)挖掘技術(shù)[2-3]依靠跨學(xué)科的特點(diǎn)已經(jīng)在各個領(lǐng)域得到了廣泛應(yīng)用,軌跡數(shù)據(jù)挖掘技術(shù)[4]也成為數(shù)據(jù)挖掘領(lǐng)域的一個熱點(diǎn)。在信息融合領(lǐng)域,利用數(shù)據(jù)挖掘中的異常檢測技術(shù),可以基于目標(biāo)的多維航跡特征來挖掘目標(biāo)的異常行為,實現(xiàn)對異常情報的智能處理,這對于態(tài)勢評估、威脅估計和指揮決策都具有非常重要的意義。

    目標(biāo)航跡數(shù)據(jù)通常是由多維數(shù)據(jù)點(diǎn)組成的多維序列,通過對多維航跡的異常檢測,可以挖掘目標(biāo)的異常行為。很多學(xué)者在異常檢測和軌跡異常檢測方面進(jìn)行了大量的研究。Chandola等對異常檢測技術(shù)、分類、應(yīng)用范圍和優(yōu)缺點(diǎn)進(jìn)行了全面的概述[5-6]?,F(xiàn)有異常檢測方法可以分為基于統(tǒng)計的異常檢測[7]、基于距離的異常檢測[8]、基于密度的異常檢測[9]、基于深度的異常檢測[10]和基于偏離的異常檢測[11]等。軌跡異常檢測就是找出偏離其周圍軌跡運(yùn)動規(guī)律達(dá)到一定程度的軌跡?,F(xiàn)有軌跡異常檢測方法可以分為基于抽取軌跡全局特征的方法[12]、基于分類器的方法[13-14]和基于點(diǎn)集(軌跡片段)相似度檢測的方法[15-16]等。這些方法主要檢測目標(biāo)航跡的位置異常,沒有充分利用目標(biāo)的屬性、類型、位置、速度和航向等多維特征,在挖掘目標(biāo)的異常行為時具有局限性。

    本文針對現(xiàn)有軌跡異常檢測方法的局限性,提出了一種基于多維航跡特征的異常行為檢測方法。利用目標(biāo)的屬性、類型、位置、速度和航向特征,通過對多維航跡數(shù)據(jù)的異常檢測,實現(xiàn)對目標(biāo)異常行為的挖掘。

    1 多維航跡數(shù)據(jù)

    航跡數(shù)據(jù)是由目標(biāo)數(shù)據(jù)點(diǎn)組成的序列,根據(jù)應(yīng)用場景,可將航跡數(shù)據(jù)分為預(yù)警監(jiān)視航跡數(shù)據(jù),航行管制航跡數(shù)據(jù)和視頻監(jiān)控航跡數(shù)據(jù)等,根據(jù)目標(biāo)的類型,可將航跡數(shù)據(jù)分為飛機(jī)航跡數(shù)據(jù)、船舶航跡數(shù)據(jù)、車輛航跡數(shù)據(jù)、行人航跡數(shù)據(jù)、動物航跡數(shù)據(jù)和龍卷風(fēng)航跡數(shù)據(jù)等。目標(biāo)航跡數(shù)據(jù)通常是由多維數(shù)據(jù)點(diǎn)組成的多維序列,例如,在廣播式自動相關(guān)監(jiān)視系統(tǒng)(Automatic Dependent Surveillance Broadcast, ADS-B)[17-18]中,航跡數(shù)據(jù)通常包括飛機(jī)編號、時間、經(jīng)度、緯度、高度、速度及航向等多維特征。在預(yù)警監(jiān)視情報處理系統(tǒng)中,航跡數(shù)據(jù)通常包括目標(biāo)的批號、屬性、類別、數(shù)量、型號、機(jī)/舷號、時間、經(jīng)度、維度、高度、速度及航向等多維特征。

    航跡可以表示成如下集合的形式:

    TD={TR1,TR2…,TRi,…,TRn}

    (1)

    式中:TD為航跡集合,i∈[1,n]為航跡編號,n為航跡總條數(shù);航跡TRi為由若干個多維航跡點(diǎn)按照時間順序組成的一個多維航跡點(diǎn)序列:

    TRi={Pi1,Pi2,…,Pij,…,Pim}

    (2)

    式中:Pij為第i條航跡中的第j個多維航跡點(diǎn),j∈[1,m]為航跡點(diǎn)編號,m為航跡點(diǎn)總條數(shù),對于不同的航跡TRi,航跡點(diǎn)總數(shù)m不一定相同。航跡點(diǎn)Pij為一個具有多維特征的向量,其表達(dá)式為

    Pij=[label attribute category … time

    longitude latiude altitude velocity course]

    (3)

    包含表示第i條航跡中的第j個多維航跡點(diǎn)的目標(biāo)編號、屬性、類型、時間、經(jīng)度、維度、高度、速度和航向等特征。對于不同的航跡數(shù)據(jù),航跡點(diǎn)Pij包含的多維特征也不一定相同。

    2 多因素定向Hausdorff距離

    在D維特征向量空間Y={y1,y2,…,yD}中,特征選擇是指從原有的D維特征空間中刪去一些特征描述量,從而得到精簡后的特征空間。在這個特征空間中,樣本由n維的特征向量描述:X={x1,x2,…,xn},n

    Hausdorff距離是描述兩組集合之間相似程度的一種度量。在幾何計算和圖像處理領(lǐng)域非常著名,廣泛應(yīng)用于形狀匹配和圖形識別方面[19-20]。給定兩條航跡TRA、TRB,設(shè)TRA到TRB的定向Hausdorff距離為δH,則

    (4)

    式中:dist(Pa,Pb)為兩點(diǎn)之間只考慮位置特征的歐氏距離;δH(TRA,TRB)為TRA中的點(diǎn)到TRB中點(diǎn)的最近距離中的最大距離,表示航跡TRA和TRB的相似程度。δH(TRA,TRB)并不要求TRB的每一部分都與TRA的某一部分相匹配,當(dāng)TRA和TRB不完整時,δH(TRA,TRB)也能很好地度量它們之間的相似程度。航跡TRA和TRB如圖1所示。

    但是兩點(diǎn)之間的歐氏距離只考慮了固定的位置特征,沒有考慮速度、航向向等動態(tài)特征。本文通過構(gòu)造兩點(diǎn)之間的多因素距離mfdist(Pa,Pb),來定義航跡TRA到TRB的多因素定向Hausdorff距離δM??紤]兩個矢量點(diǎn)之間的位置特征、速度特征和航向特征,定義兩點(diǎn)之間的多因素距離為

    mfdist(Pa,Pb)=wd·dist(Pa,Pb)+

    wv·dist(vPa,vPb)+wθ·dist(θPa,θPb)

    (5)

    式中:vPa與vPb為點(diǎn)Pa與點(diǎn)Pb的速度;θPa與θPb為點(diǎn)Pa與點(diǎn)Pb的航向;dist(vPa,vPb)為點(diǎn)Pa與點(diǎn)Pb之間速度特征的歐氏距離; dist(θPa,θPb)為點(diǎn)

    圖1 航跡間的定向Hausdorff距離示意圖
    Fig.1 Illustration of directed Hausdorff distance between trajectories

    Pa與點(diǎn)Pb之間航向特征的歐氏距離;wd為位置特征的權(quán)重因子;wv為速度特征的權(quán)重因子;wθ為航向特征的權(quán)重因子,權(quán)重因子的取值取決于多因素距離的應(yīng)用場景,滿足wd≥0,wv≥0,wθ≥0和wd+wv+wθ=1。

    在一個應(yīng)用場景中,如果只需考慮位置異常的情況,那么wd=1,wv=0,wθ=0即可。如果位置異常、速度異常和航向異常都需要考慮,就需要合理的選取這3個權(quán)重因子的取值,使構(gòu)造的多因素距離能夠均衡的體現(xiàn)出位置、速度和航向特征的影響。由于不同特征的量綱不同,所以不能平均分配3個權(quán)重,可以根據(jù)不同特征取值的大小差別程度按比例確定特征權(quán)重。在某一個具體的應(yīng)用場景,一旦特征權(quán)重確定,在以后的異常檢測中,就可以采用這組權(quán)重取值。

    基于定義的多因素距離mfdist(Pa,Pb),可以將定向Hausdorff距離的維度進(jìn)行擴(kuò)展,定義多維航跡TRA和多維航跡TRB之間的多因素定向Hausdorff距離為

    (6)

    式中:δM(TRA,TRB)可以表示多維航跡TRA和多維航跡TRB的相似程度,δM(TRA,TRB)不要求TRB的每一部分都與TRA的某一部分相匹配,當(dāng)TRA和TRB不完整時,δM(TRA,TRB)也能很好地度量它們之間的相似程度。

    3 多維度局部異常因子

    局部異常因子[21](Local Outlier Factor,LOF)是一個基于密度的異常度量,在異常檢測領(lǐng)域具有非常廣泛的應(yīng)用。LOF可以很好地解決局部密度不一致的異常檢測問題[22],比基于距離的異常檢測算法更適用于航跡的異常檢測。LOF雖然克服了基于距離的方法的部分缺陷,但是LOF是基于k近鄰距離提出來的,距離計算采用傳統(tǒng)的歐氏距離,因此,LOF只能度量歐氏距離體現(xiàn)的位置異常情況。對于多維的目標(biāo)航跡數(shù)據(jù),需要度量目標(biāo)的位置異常、速度異常和航向異常,此時LOF是不能夠勝任的。因此,基于多因素定向Hausdorff距離,構(gòu)造一個多維度局部異常因子(Multi Dimensional Local Outlier Factor,MDLOF)作為多維航跡的異常度量,MDLOF可以不僅可以度量目標(biāo)的位置異常,還可以同時度量目標(biāo)的速度異常和航向異常。

    對于每條多維航跡TRi∈TD,分3步來構(gòu)造MDLOF。

    步驟1確定每條航跡的近鄰航跡。為了確定TRi的近鄰航跡,先定義它的多因素近鄰邊界距離為

    δM border(TRi,k)=δM(TRi,NN(TRi,k))

    (7)

    式中:NN(TRi,k)為多維航跡數(shù)據(jù)集中與TRi的多因素定向Hausdorff距離第k近的航跡。那么,TRi的近鄰航跡為

    N(TRi,k)={TRj∈TDTRi|δM(TRi,TRj)≤

    δM border(TRi,k)}

    (8)

    步驟2估計每條航跡的近鄰密度。為了估計TRi的近鄰密度,先定義航跡TRi到TRj的多因素可達(dá)距離為

    δM reach(TRi,TRj,k)=

    max{δM border(TRj,k),δM(TRj,TRi)}

    (9)

    那么,TRi的近鄰密度可以定義為

    (10)

    式中:使用δM reach代替δM可以對近鄰密度進(jìn)行平滑,k的取值越大,平滑的效果越明顯。

    步驟3計算每條航跡的多維度局部異常因子。通過比較TRi與TRi近鄰航跡的近鄰密度來計算TRi的多維度局部異常因子:

    (11)

    當(dāng)航跡TRi的異常程度越大,多維度局部異常因子的取值越大。

    4 異常行為檢測方法

    本文基于定義的多因素定向Hausdorff距離和構(gòu)造的多維度局部異常因子,設(shè)計了一種基于多維航跡特征的異常行為檢測(MTC-ABD)方法。MTC-ABD流程為

    步驟1輸入近鄰數(shù)k,異常閾值ε和多維航跡數(shù)據(jù)集TD={TR1,TR2,…,TRn}。

    步驟2利用多維航跡數(shù)據(jù)中的位置、速度和航向特征,計算目標(biāo)航跡間的多因素定向Hausdorff距離δM(TRi,TRj)。

    步驟3利用近鄰數(shù)和目標(biāo)航跡間的多因素定向Hausdorff距離,計算每條航跡TRi的多因素近鄰邊界距離δM border(TRi,k)。

    步驟4利用目標(biāo)航跡間的多因素定向Hausdorff距離和每條航跡TRi的多因素近鄰邊界距離δM border(TRi,k),確定每條航跡TRi的近鄰航跡N(TRi,k)。

    步驟5利用目標(biāo)航跡間的多因素定向Hausdorff距離和每條航跡TRi的多因素近鄰邊界距離δM border(TRi,k),計算每條航跡到它的近鄰航跡的多因素可達(dá)距離δM reach(TRi,TRj,k)。

    步驟6利用每條航跡到它的近鄰航跡的多因素可達(dá)距離δM reach(TRi,TRj,k),計算每條航跡的近鄰密度ρ(TRi,k)。

    步驟7利用每條航跡和它的近鄰航跡的近鄰密度,計算每條航跡的多維度局部異常因子MDLOF(TRi,k)。

    步驟8利用輸入的異常閾值對每條航跡進(jìn)行異常檢測判決。

    由于本文所提的方法是對靜態(tài)數(shù)據(jù)的離線異常檢測,所以可以通過實驗驗證確定近鄰數(shù)k和異常閾值ε,在某一個具體的應(yīng)用場景,一旦k和ε的取值確定,在以后的異常檢測中,就可以采用這組取值。MTC-ABD方法的偽代碼如算法1所示。

    算法1:MTC-ABD

    輸入: 1.多維航跡數(shù)據(jù)集TD={TR1,TR2,…,TRn}。

    2.近鄰數(shù)k和異常閾值ε。

    for eachTRi,TRj∈TD∧i≠jdo

    δM border(TRi,k)=δM(TRi,NN(TRi,k))

    N(TRi,k)=TRj∈TDTRi|

    δM(TRi,TRj)≤δM border(TRi,k)

    end for

    for eachTRido

    forTRj∈N(TRi,k) do

    δM reach(TRi,TRj,k)=

    max{δM border(TRj,k),δM(TRj,TRi)}

    end for

    end for

    for eachTRido

    end for

    for eachTRido

    forTRNj∈N(TRi,k) do

    MDLOF(TRi,k)=

    if MDLOF(TRi,k)>εthen

    else

    end if

    end for

    end for

    5 實驗分析

    為了驗證本文提出的基于多維特征的異常行為檢測算法的異常檢測性能,5.1節(jié)在一個模擬軍用場景的仿真數(shù)據(jù)集上進(jìn)行異常行為檢測實驗,5.2節(jié)在一個民用場景的ADS-B數(shù)據(jù)集上進(jìn)行異常行為檢測實驗,并對結(jié)果進(jìn)行分析。

    5.1 軍用場景仿真實驗分析

    在這個實驗中,生成一個航跡數(shù)據(jù)集來模擬敵方軍用飛機(jī)在一個空域的飛行行為,然后用MTC-ABD算法對其中的異常行為進(jìn)行檢測,并對實驗結(jié)果進(jìn)行分析。

    5.1.1 數(shù)據(jù)集

    本實驗利用Piciarelli公開的目標(biāo)航跡生成程序[23],產(chǎn)生包含二維位置特征的目標(biāo)航跡數(shù)據(jù),然后人為添加目標(biāo)的屬性特征、類型特征、速度特征和航向特征,并對其中的部分目標(biāo)航跡進(jìn)行修改,構(gòu)造一個新的目標(biāo)多維航跡數(shù)據(jù)集。設(shè)定目標(biāo)的運(yùn)動方向為從點(diǎn)(xi,yi)到點(diǎn)(xi+1,yi+1),兩點(diǎn)之間的時間間隔相等。如圖2所示,目標(biāo)的速度特征和航向特征可以由式(12)和式(13)計算得出。

    (12)

    (13)

    這個數(shù)據(jù)集包括2 000條代表目標(biāo)行為的多維航跡數(shù)據(jù),每條航跡數(shù)據(jù)包括32個數(shù)據(jù)點(diǎn)。具體構(gòu)造過程如下:首先,利用目標(biāo)航跡生成程序產(chǎn)生10個簇的2 000條對應(yīng)目標(biāo)正常行為的航跡數(shù)據(jù)和1 000條對應(yīng)目標(biāo)位置異常的異常航跡數(shù)據(jù),目標(biāo)航跡生成程序中的隨機(jī)參數(shù)設(shè)為0.6。將這3 000條航跡的屬性標(biāo)簽設(shè)置為2,類型標(biāo)簽設(shè)置為1,速度信息和航向信息由式(12)和式(13)計算得出,這樣就得到了3 000條目標(biāo)多維航跡數(shù)據(jù)。然后,從每個對應(yīng)目標(biāo)正常行為的航跡數(shù)據(jù)簇中隨機(jī)取出1條目標(biāo)航跡,修改這10條航跡數(shù)據(jù),使這10條航跡對應(yīng)的目標(biāo)速度為正常目標(biāo)速度的2倍;再從每個對應(yīng)目標(biāo)正常行為的航跡數(shù)據(jù)簇中隨機(jī)取出1條目標(biāo)航跡,修改這10條航跡數(shù)據(jù),使這10條航跡對應(yīng)的目標(biāo)航向與正常目標(biāo)的航向相反;再從每個對應(yīng)目標(biāo)正常行為的航跡數(shù)據(jù)簇中隨機(jī)取出1條目標(biāo)航跡,刪除這10條航跡數(shù)據(jù);從1 000條對應(yīng)目標(biāo)位置異常的異常航跡數(shù)據(jù)中隨機(jī)取出10條。最后,將10個簇中剩余的1 970條對應(yīng)目標(biāo)正常行為的航跡數(shù)據(jù)、10條對應(yīng)目標(biāo)位置異常的航跡數(shù)據(jù)、10條對應(yīng)目標(biāo)速度異常的航跡數(shù)據(jù)和10條對應(yīng)目標(biāo)航向異常的航跡數(shù)據(jù),共2 000條航跡數(shù)據(jù)隨機(jī)排列順序,形成這個實驗用的數(shù)據(jù)集,這個數(shù)據(jù)集中包括1 970條對應(yīng)目標(biāo)正常行為的航跡數(shù)據(jù)和30條對應(yīng)目標(biāo)異常行為的航跡數(shù)據(jù)。圖3為這個數(shù)據(jù)集中的2 000條航跡。1 970條細(xì)航跡對應(yīng)目標(biāo)的正常行為模式,30條粗航跡對應(yīng)目標(biāo)的異常行為模式,其中10條粗連線畫出航跡對應(yīng)位置異常,10條粗點(diǎn)劃線畫出的航跡對應(yīng)速度異常,10條粗點(diǎn)線畫出的航跡代表航向異常。這30條異常航跡對應(yīng)的異常行為可以依次表示為2101,2102,2103,…,2129,2130。

    圖2 目標(biāo)的速度和航向示意圖
    Fig.2 Illustration of target velocity and course

    圖3 實驗數(shù)據(jù)集中的2 000條航跡示意圖
    Fig.3 Plot of 2000 trajectories in experiment dataset

    5.1.2 結(jié)果分析

    利用MTC-ABD算法對圖3所示的航跡數(shù)據(jù)集中的多維數(shù)據(jù)對應(yīng)的目標(biāo)行為進(jìn)行異常檢測。

    本實驗通過計算異常檢測的敏感度(Sensitivity)、準(zhǔn)確度(Precision)、虛警率(False alarm rate)和異常檢測得分(F1-score)來評價MTC-ABD算法的異常檢測性能[24]。敏感度為對應(yīng)目標(biāo)異常行為的航跡被檢測為異常的比率,準(zhǔn)確度為被檢測為異常的航跡中真正對應(yīng)目標(biāo)異常行為的航跡所占的比率,虛警率為對應(yīng)目標(biāo)正常行為的航跡被檢測為異常的比率。F1-score由Sensitivity和Precision共同決定:

    (14)

    F1-score可以很好地評估異常檢測器的分類性能。

    本實驗場景根據(jù)位置、速度和航向特征的取值大小差別程度,按比例確定權(quán)重因子wd、wv和wθ的取值,使構(gòu)造的多因素距離能夠均衡地體現(xiàn)出位置、速度和航向特征的影響。

    下面通過實驗的方法討論近鄰數(shù)k和異常閾值ε的取值情況。k取計算k近鄰距離時常用的2、3、4和5。因為MDLOF(TRi,k)∈[0,1],所以ε∈[0,1],ε從0到1范圍內(nèi)均勻地取101個點(diǎn)進(jìn)行實驗。在k取值固定的情況下,計算F1-score 隨ε取值的變化情況,并繪制曲線圖。

    圖4為異常檢測得分F1-score隨異常閾值ε取值的變化曲線,從圖中可以看出,近鄰數(shù)k取2、3、4、5時,異常檢測得分都可以達(dá)到較高的水平,而異常閾值ε的取值對異常檢測得分的影響較大。因此,在一個具體的應(yīng)用場景中,需要在固定k值的情況下,選取合適的ε取值,使異常檢測得分達(dá)到預(yù)期的水平。在本實驗中,取k=4,ε=0.58分析MTC-ABD算法的性能以及隨著數(shù)據(jù)規(guī)模的變化情況。

    圖4 異常檢測得分F-score隨ε的變化情況
    Fig.4 Plot of F-score dependent on the value of ε

    在逐漸增大數(shù)據(jù)規(guī)模的情況下對該多維航跡數(shù)據(jù)集進(jìn)行異常檢測,并利用多項式擬合的方法繪制了敏感度、準(zhǔn)確度、虛警率和異常檢測得分隨著數(shù)據(jù)規(guī)模變化的曲線圖。

    圖5(a)為目標(biāo)異常行為檢測的敏感度隨數(shù)據(jù)集規(guī)模變化的曲線,從圖中可以看出,在數(shù)據(jù)集規(guī)模較小時,隨著數(shù)據(jù)集規(guī)模的不斷增大,目標(biāo)異常行為檢測的敏感度逐漸增加,當(dāng)數(shù)據(jù)集達(dá)到一定規(guī)模后,敏感度始終保持在很高的水平。這說明在這個仿真的軍用場景中,MTC-ABD算法可以很好地將目標(biāo)的異常行為檢測為異常。

    圖5(b)為目標(biāo)異常行為檢測的準(zhǔn)確度隨數(shù)據(jù)集規(guī)模變化的曲線,從圖中可以看出,隨著數(shù)據(jù)集規(guī)模的不斷增大,目標(biāo)異常行為檢測的準(zhǔn)確度逐漸增加和稍微回落振蕩,始終保持在較高的水平。這說明在這個仿真的軍用場景中,被MTC-ABD算法檢測為異常的行為絕大部分是真正的目標(biāo)異常行為。

    圖5(c)為目標(biāo)異常行為檢測的虛警率隨數(shù)據(jù)集規(guī)模變化的曲線,從圖中可以看出,在數(shù)據(jù)集規(guī)模較小時,隨著數(shù)據(jù)集規(guī)模的不斷增大,目標(biāo)異常行為檢測的虛警率逐漸減小,當(dāng)數(shù)據(jù)集達(dá)到一定規(guī)模后,虛警率始終保持在非常低的水平。這說明在這個仿真的軍用場景中,MTC-ABD算法將目標(biāo)的正常行為檢測為異常行為的概率非常低,這對于很多應(yīng)用尤其是軍事應(yīng)用來說是非常重要的。

    圖5(d)為目標(biāo)異常行為檢測得分隨數(shù)據(jù)集規(guī)模變化的曲線,從圖中可以看出,在數(shù)據(jù)集規(guī)模較小時,隨著數(shù)據(jù)集規(guī)模的不斷增大,目標(biāo)異常行為檢測得分逐漸增加,當(dāng)數(shù)據(jù)集達(dá)到一定規(guī)模后,異常檢測得分始終保持在很高的水平。這說明在這個仿真的軍用場景中,MTC-ABD算法具有很好的目標(biāo)異常行為檢測性能,可以非常有效地檢測出敵方軍用飛機(jī)飛行訓(xùn)練的異常行為,這對于掌握敵機(jī)的行為改變規(guī)律,進(jìn)行提前預(yù)警和防范,具有非常重要的意義。

    圖5 敏感度、準(zhǔn)確度、虛警率和異常檢測得分隨數(shù)據(jù)集規(guī)模的變化情況
    Fig.5 Plot of sensitivity, precision, falase alarm rate and F-score dependent on the size of dataset

    5.2 民用場景真實數(shù)據(jù)驗證

    在這個實驗中,對一個廣播式自動相關(guān)監(jiān)視系統(tǒng)接收到的部分民用航班飛行的航跡數(shù)據(jù)進(jìn)行處理,得到一個實驗用的多維航跡數(shù)據(jù)集,然后用MTC-ABD算法對其中的異常行為進(jìn)行檢測。由于該數(shù)據(jù)集是真實的民用航班飛行航跡數(shù)據(jù),事先并不知道其中哪些為異常航跡,所以無法進(jìn)行如5.1節(jié)所示的仿真分析,但是可以將檢測出的異常行為表示出來,用于查找民航飛機(jī)出現(xiàn)飛行異常的規(guī)律,進(jìn)而查找出現(xiàn)飛行異常的原因,修正飛行程序等。

    5.2.1 數(shù)據(jù)集

    該ADS-B數(shù)據(jù)集包括2015年5月接收到的237條民航飛行航跡,每條航跡包括若干個多維數(shù)據(jù)點(diǎn)。可以直接讀取目標(biāo)的維度、經(jīng)度、高度組成的位置特征,速度特征和航向特征,目標(biāo)屬性為友方,用標(biāo)簽3表示,類型為民用飛機(jī),用標(biāo)簽2表示。

    為了計算目標(biāo)航跡之間的多因素Hausdorff距離,將目標(biāo)航跡數(shù)據(jù)點(diǎn)的位置特征由地理坐標(biāo)中的維度、經(jīng)度和高度坐標(biāo)轉(zhuǎn)換到局部直角坐標(biāo)系中。在轉(zhuǎn)換時,選擇北京首都國際機(jī)場的地理坐標(biāo)作為局部直角坐標(biāo)系的原點(diǎn),然后將這237條目標(biāo)航跡的所有數(shù)據(jù)點(diǎn)都轉(zhuǎn)換到這個局部直角坐標(biāo)系中。圖6為這些民用航班在三維和二維空間中的航跡。

    5.2.2 實驗結(jié)果

    利用MTC-ABD算法對這個ADS-B航跡數(shù)據(jù)集對應(yīng)的民用航班的飛行行為進(jìn)行異常檢測。采用5.1節(jié)所述的方法確定權(quán)重因子wd、wv和wθ的取值,在固定k=4的情況下,取ε=0.4進(jìn)行異常檢測實驗。

    實驗結(jié)果得到了6條異常航跡,分別對應(yīng)2015年5月份該區(qū)域內(nèi)民用航班飛行的6種異常行為。因為民用航班的目標(biāo)屬性為友方,用標(biāo)簽3表示,類型為民用飛機(jī),用標(biāo)簽2表示,所以這6種異常行為可以表示為3201、3202、3203、3204、3205和3206。圖7為異常行為示意圖,箭頭表示民用航班的飛行方向。

    圖6 民用航班在三維和二維空間中的航跡
    Fig.6 Plot of civilian flight trajectories in three and two dimensional plane

    圖7 民用航班異常行為示意圖
    Fig.7 Plot of anomalous behaviors for civilian flights

    由圖7可以看出,異常行為3205可能是ADS-B在發(fā)射接收過程中造成的目標(biāo)航跡接收不全。異常行為3201、3202、3203、3204和3206都是該區(qū)域內(nèi)民用航班偏離固定飛行程序的異常行為,發(fā)現(xiàn)這些異常行為對于查找民航飛機(jī)出現(xiàn)飛行異常的規(guī)律,進(jìn)而查找出現(xiàn)飛行異常的原因,修正飛行程序等具有非常重要的參考意義。

    6 結(jié) 論

    本文利用目標(biāo)的多維航跡特征,提出了一種基于多維航跡特征的異常行為檢測方法,并進(jìn)行了實驗分析驗證。

    1) 利用目標(biāo)的位置特征、速度特征和航向特征,定義了多因素距離,并將定向Hausdorff距離進(jìn)行擴(kuò)展,定義了多因素定向Hausdorff距離,從而度量目標(biāo)行為之間的相似程度。

    2) 針對局部異常因子不能很好的度量目標(biāo)行為之間差異程度的問題,本文利用定義的多因素定向Hausdorff距離,構(gòu)建了多維度異常因子,可以有效的度量目標(biāo)行為之間的差異程度。

    3) 基于定義的多因素定向Hausdorff距離和構(gòu)造的多維度局部異常因子,設(shè)計了一種基于多維特征的異常行為檢測(MTC-ABD)算法,并給出了偽代碼,用于目標(biāo)異常行為的檢測。

    4) 在一個模擬軍用場景的仿真數(shù)據(jù)集上對MTC-ABD算法進(jìn)行了仿真實驗,使用多個指標(biāo)分析了該算法的異常檢測性能。在一個真實的ADS-B民用航班數(shù)據(jù)集上利用MTC-ABD算法進(jìn)行了異常行為檢測實驗,并利用目標(biāo)的屬性特征、類型特征和異常航跡序號設(shè)置異常行為標(biāo)簽,對目標(biāo)的異常行為進(jìn)行了可視化,得到了非常有意義的結(jié)果。

    [1] 何友, 王國宏, 關(guān)欣, 等. 信息融合理論及應(yīng)用[M]. 北京: 電子工業(yè)出版社, 2010: 1-15.

    HE Y, WANG G H, GUAN X, et al. Information fusion theory with applications[M]. Beijing: Publishing House of Electronics Industry, 2010: 1-15 (in Chinese).

    [2] CHEN M S, HAN J, YU P S. Data mining: An overview from a database perspective[J]. IEEE Transactions on Knowledge and Data Engineering, 1997, 8(6): 866-883.

    [3] HAN J, KAMBER M. Data mining: Concepts and techniques[M]. San Francisco: Morgan Kaufmann, 2001: 1-18.

    [4] ZHENG Y. Trajectory data mining: An overview[J]. ACM Transactions on Intelligent Systems and Technology, 2015, 6(3): 1-41.

    [5] CHANDOLA V, BANERJEE A, KUMAR V. Anomaly detection: A survey[J]. ACM Computing Surveys, 2009, 41(3): 1-58.

    [6] CHANDOLA V, BANERJEE A, KUMAR V. Anomaly detection for discrete sequences: A survey[J]. IEEE Transactions on Knowledge and Data Engineering, 2012, 24(99): 1-16.

    [7] BARNETT V, LEWIS T. Outliers in statistical data[M]. New York: Wiley, 1994: 24-26.

    [8] KNORR E M, NG R T, TUCAKOV V. Distance-based outliers: Algorithms and applications[J]. International Journal on Very Large Data Bases, 2000, 8(3): 237-253.

    [9] JIN W, TUNG A K H, HAN J, et al. Ranking outliers using symmetric neighborhood relationship[J]. Lecture Notes in Computer Science, 2006, 3918: 577-593.

    [10] STRUYF A, ROUSSEEUW P J. High-dimensional computation of the deepest location[J]. Computational Statistics and Data Analysis, 2000, 34: 415-426.

    [11] SARAWAGI S, AGRAWAL R, MEGIDDO N. Discovery driven exploration of OLAP data cubes[M]. Berlin: Springer, 1998: 67-69.

    [12] KNORR E M, NG R T. Algorithms for mining distanced-based outliers in large datasets[C]//Proceedings of 24th International Conference on Very Large Data Bases. New York: Morgan Kaufmann, 1998: 392-403.

    [13] LI X, HAN J, KIM S. Motion-Alert: Automatic anomaly detection in massive moving objects[C]//IEEE International Conference on Intelligence and Security Informatics. Piscataway, NJ: IEEE Press, 2006: 166-177.

    [14] LI X, HAN J, KIM S, et al. ROAM: Rule-based and motif-based anomaly detection in massive moving object data sets[C]//Proceedings of 7th SIAM International Conference on Data Mining. Philadelphia: SIAM Press, 2007: 273-284.

    [15] LEE J G, HAN J, LI X. Trajectory outlier detection: A partition-and-detect framework[C]//Proceedings of 24th International Conference on Data Engineering. Washington, D.C.: IEEE Computer Society, 2008: 140-149.

    [16] 劉良旭, 喬少杰, 劉賓, 等. 基于R-Tree的高效異常軌跡檢測算法[J]. 軟件學(xué)報, 2009, 20(9): 2426-2435.

    LIU L X, QIAO S J, LIU B, et al. Efficient trajectory outlier detection algorithm based on R-Tree[J]. Journal of Software, 2009, 20(9): 2426-2435 (in Chinese).

    [17] YANG A, TAN X, BAEK J, et al. A new ADS-B authentication framework based on efficient hierarchical identity-based signature with batch verification[J]. IEEE Transactions on Services Computing, 1939, PP(99): 1.

    [18] 沈笑云, 唐鵬, 張思遠(yuǎn), 等. ADS-B統(tǒng)計數(shù)據(jù)的位置導(dǎo)航不確定類別質(zhì)量分析[J]. 航空學(xué)報, 2015, 36(9): 3128-3136.

    SHEN X Y, TANG P, ZHANG S Y, et al. Quality analysis of navigation uncertain category for position based on ADS-B statistical data[J]. Acta Aeronautica et Astronautica Sinica, 2015, 36(9): 3128-3136 (in Chinese).

    [19] HUTTENLOCHER D P, KLANDERMAN G A, RUCKLIDGE W A. Comparing images using the Hausdorff distance[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1993, 15(9):850-863.

    [20] GAO Y, LEUNG M K H. Line segment Hausdorff distance on face matching[J]. Pattern Recognition, 2002, 35(2): 361-371.

    [21] BREUNIG M M, KRIEGEL H P , NG R T, et al. LOF: Identifying density-based local outliers[C]//Proceedings of ACM SIGMOD International Conference on Management of Data, 2000, 29(2): 93-104.

    [22] JANSSENS J, POSTMA E. One-class classification with LOF and LOCI: An empirical comparison[C]//Proceedings of the 18th Belgian-Dutch Conference on Machine Learning, 2009: 1021-1040.

    [23] PICIARELLI C, MICHELONI C, FORESTI G. Trajectory-based anomalous event detection[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2008, 18(11): 1544-1554.

    [24] LAXHAMMAR R, FALKMAN G. Online learning and sequential anomaly detection in trajectories[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2014, 36(6): 1158-1173.

    Anomalousbehaviordetectionmethodbasedonmultidimensionaltrajectorycharacteristics

    PANXinlong*,WANGHaipeng*,HEYou,XIONGWei,ZHOUWei

    InstituteofInformationFusion,NavalAeronauticalandAstronauticalUniversity,Yantai264001,China

    Intheinformationfusiondomain,anomalousbehaviorscouldbeminedbasedonmultidimensionaltrajectorycharacteristicsbyusingtheanomalousdetectiontechniqueindatamining.Previoustrajectoryanomalydetectionalgorithmsmainlydetectthepositionanomalies,withoutmakingfulluseoftheattribute,category,position,velocity,andcoursecharacteristics.Inordertoovercomethislimitation,wedefinethemulti-factorHausdorffdistance,constructthemultidimensionallocaloutlierfactor,andproposeamethodfordetectinganomalousbehaviorsbasedonmultidimensionaltrajectorycharacteristics.Themethodcanmineanomalousbehaviorsbasedondetectingmultidimensionaltrajectories.Weconductedexperimentsonsimulatedmilitaryscenarioandrealcivilianscenario,theproposedmethodcaneffectivelydetecttheanomalousbehaviorofthetarget.

    anomalousbehavior;trajectory;multidimensionalcharacteristics;localoutlierfactor;Hausdorffdistance

    2016-05-17;Revised2016-06-22;Accepted2016-07-18;Publishedonline2016-07-191706

    URL:www.cnki.net/kcms/detail/11.1929.V.20160719.1706.004.html

    s:NationalNaturalScienceFoundationofChina(61531020,61471383,91538201);MajorScienceandTechnologyProjectsinShandongProvince(2015ZDZX01001)

    2016-05-17;退修日期2016-06-22;錄用日期2016-07-18; < class="emphasis_bold">網(wǎng)絡(luò)出版時間

    時間:2016-07-191706

    www.cnki.net/kcms/detail/11.1929.V.20160719.1706.004.html

    國家自然科學(xué)基金 (61531020,61471383,91538201); 山東省科技重大專項基金 (2015ZDZX01001)

    .E-mailairadar@126.com;whp5691@163.com

    潘新龍, 王海鵬, 何友, 等. 基于多維航跡特征的異常行為檢測方法J. 航空學(xué)報,2017,38(4):320442.PANXL,WANGHP,HEY,etal.AnomalousbehaviordetectionmethodbasedonmultidimensionaltrajectorycharacteristicsJ.ActaAeronauticaetAstronauticaSinica,2017,38(4):320442.

    http://hkxb.buaa.edu.cnhkxb@buaa.edu.cn

    10.7527/S1000-6893.2016.0217

    V355.1; TP274.2

    A

    1000-6893(2017)04-320442-10

    (責(zé)任編輯: 蘇磊)

    *Correspondingauthor.E-mailairadar@126.com;whp5691@163.com

    猜你喜歡
    航向航跡距離
    知坐標(biāo),明航向
    夢的航跡
    青年歌聲(2019年12期)2019-12-17 06:32:32
    考慮幾何限制的航向道模式設(shè)計
    算距離
    自適應(yīng)引導(dǎo)長度的無人機(jī)航跡跟蹤方法
    基于干擾觀測器的船舶系統(tǒng)航向Backstepping 控制
    電子制作(2017年24期)2017-02-02 07:14:16
    視覺導(dǎo)航下基于H2/H∞的航跡跟蹤
    每次失敗都會距離成功更近一步
    山東青年(2016年3期)2016-02-28 14:25:55
    愛的距離
    母子健康(2015年1期)2015-02-28 11:21:33
    基于航跡差和航向差的航跡自動控制算法
    国产 一区精品| 日本爱情动作片www.在线观看| 日韩欧美精品免费久久| 99久久成人亚洲精品观看| 日韩在线高清观看一区二区三区| 精品熟女少妇av免费看| 高清日韩中文字幕在线| 亚洲精品国产av成人精品| 女人被狂操c到高潮| 中文在线观看免费www的网站| 欧美成人一区二区免费高清观看| 午夜福利在线观看免费完整高清在| 日本黄色视频三级网站网址| 亚洲av二区三区四区| 国产伦在线观看视频一区| 99在线视频只有这里精品首页| 国产亚洲一区二区精品| 美女高潮的动态| 青春草国产在线视频| 免费观看的影片在线观看| 18禁在线无遮挡免费观看视频| 麻豆乱淫一区二区| 亚洲av不卡在线观看| 亚洲在线自拍视频| 免费看光身美女| 永久网站在线| 久久精品久久久久久噜噜老黄 | 毛片一级片免费看久久久久| 最后的刺客免费高清国语| 日韩av在线大香蕉| 18禁裸乳无遮挡免费网站照片| 亚洲精品456在线播放app| 观看免费一级毛片| 不卡视频在线观看欧美| 亚洲在久久综合| 成人午夜精彩视频在线观看| 国产激情偷乱视频一区二区| 中文资源天堂在线| 欧美日韩综合久久久久久| 亚洲精品自拍成人| 亚洲国产精品专区欧美| 亚洲av一区综合| 国产精品熟女久久久久浪| 老司机影院成人| 水蜜桃什么品种好| 久久久色成人| 国产乱来视频区| 国产精品国产三级国产专区5o | 久久精品夜夜夜夜夜久久蜜豆| 午夜亚洲福利在线播放| 成年av动漫网址| 九草在线视频观看| 日韩制服骚丝袜av| 毛片女人毛片| 精品久久久久久久人妻蜜臀av| 日本免费一区二区三区高清不卡| 成人漫画全彩无遮挡| 国产中年淑女户外野战色| 美女被艹到高潮喷水动态| 三级国产精品欧美在线观看| 长腿黑丝高跟| 成人性生交大片免费视频hd| 91精品一卡2卡3卡4卡| 亚洲av中文av极速乱| 九九热线精品视视频播放| 乱系列少妇在线播放| 亚洲三级黄色毛片| 免费一级毛片在线播放高清视频| 成人漫画全彩无遮挡| 免费不卡的大黄色大毛片视频在线观看 | 午夜亚洲福利在线播放| 亚洲av熟女| 观看美女的网站| 一边摸一边抽搐一进一小说| 能在线免费观看的黄片| 久久精品国产亚洲av天美| 国内精品一区二区在线观看| www.色视频.com| 91精品伊人久久大香线蕉| 九九爱精品视频在线观看| .国产精品久久| 国产成人91sexporn| 亚洲欧美清纯卡通| 成人午夜精彩视频在线观看| av国产免费在线观看| 日日干狠狠操夜夜爽| 特大巨黑吊av在线直播| 美女脱内裤让男人舔精品视频| 亚洲av.av天堂| 亚洲综合精品二区| 久久这里有精品视频免费| 久久热精品热| 91在线精品国自产拍蜜月| 欧美极品一区二区三区四区| 成年女人看的毛片在线观看| 狂野欧美激情性xxxx在线观看| 久久精品国产亚洲网站| 麻豆成人av视频| 91av网一区二区| 亚洲av熟女| 国产精品永久免费网站| 高清午夜精品一区二区三区| 久久久久久久午夜电影| 亚洲欧美精品综合久久99| 99久久九九国产精品国产免费| 热99在线观看视频| 中文乱码字字幕精品一区二区三区 | 青春草视频在线免费观看| 久久久久久九九精品二区国产| or卡值多少钱| 国产精品久久电影中文字幕| 日本黄大片高清| 久久久精品94久久精品| 免费黄网站久久成人精品| 欧美最新免费一区二区三区| 久久人人爽人人爽人人片va| 国产69精品久久久久777片| 亚洲最大成人中文| 五月玫瑰六月丁香| 三级国产精品片| 国产探花极品一区二区| 国产精品,欧美在线| 亚洲欧美日韩高清专用| 不卡视频在线观看欧美| 国产精品,欧美在线| 亚洲欧美中文字幕日韩二区| 91精品一卡2卡3卡4卡| av国产免费在线观看| 国模一区二区三区四区视频| 午夜视频国产福利| 2021天堂中文幕一二区在线观| 搡老妇女老女人老熟妇| 男女那种视频在线观看| 日本与韩国留学比较| 女人十人毛片免费观看3o分钟| 亚洲图色成人| 日韩一本色道免费dvd| 欧美一区二区国产精品久久精品| 欧美成人a在线观看| 国产成人福利小说| 亚洲真实伦在线观看| 国产精品福利在线免费观看| 少妇的逼好多水| 日韩高清综合在线| 欧美极品一区二区三区四区| 你懂的网址亚洲精品在线观看 | 国产 一区 欧美 日韩| 亚洲欧美日韩东京热| 18+在线观看网站| 亚洲国产精品成人久久小说| 亚洲不卡免费看| 国语自产精品视频在线第100页| 久久这里只有精品中国| 亚洲aⅴ乱码一区二区在线播放| 久久精品国产亚洲网站| 女的被弄到高潮叫床怎么办| 美女被艹到高潮喷水动态| 欧美最新免费一区二区三区| 2022亚洲国产成人精品| 婷婷六月久久综合丁香| 综合色丁香网| 少妇人妻精品综合一区二区| 国产色婷婷99| 国产精品乱码一区二三区的特点| 汤姆久久久久久久影院中文字幕 | 欧美成人午夜免费资源| 尤物成人国产欧美一区二区三区| 夜夜爽夜夜爽视频| 你懂的网址亚洲精品在线观看 | 中文字幕精品亚洲无线码一区| 亚洲国产成人一精品久久久| 联通29元200g的流量卡| 国产熟女欧美一区二区| 男女下面进入的视频免费午夜| 免费看美女性在线毛片视频| 久久精品夜色国产| 亚洲av成人精品一区久久| 熟妇人妻久久中文字幕3abv| 欧美日本亚洲视频在线播放| 成人漫画全彩无遮挡| 少妇熟女欧美另类| 在线播放无遮挡| 久久99精品国语久久久| 狂野欧美激情性xxxx在线观看| 能在线免费观看的黄片| 亚洲丝袜综合中文字幕| 99视频精品全部免费 在线| 草草在线视频免费看| 综合色丁香网| 嘟嘟电影网在线观看| 99久久精品一区二区三区| 夜夜看夜夜爽夜夜摸| 久久国产乱子免费精品| 99久久中文字幕三级久久日本| 精品免费久久久久久久清纯| 毛片一级片免费看久久久久| 亚洲欧美精品综合久久99| av在线亚洲专区| 永久网站在线| 免费不卡的大黄色大毛片视频在线观看 | 国产欧美另类精品又又久久亚洲欧美| 国模一区二区三区四区视频| 国产视频内射| 日日摸夜夜添夜夜添av毛片| 精品不卡国产一区二区三区| 中文欧美无线码| 综合色av麻豆| 国产美女午夜福利| 国产精品不卡视频一区二区| 免费观看在线日韩| 国产精品久久久久久精品电影| 观看美女的网站| 日本欧美国产在线视频| 欧美高清性xxxxhd video| 啦啦啦观看免费观看视频高清| 91久久精品电影网| 天天躁日日操中文字幕| 舔av片在线| 麻豆成人午夜福利视频| 赤兔流量卡办理| 午夜福利在线在线| 亚洲国产欧洲综合997久久,| 国产高清有码在线观看视频| 蜜桃亚洲精品一区二区三区| 熟妇人妻久久中文字幕3abv| 日本五十路高清| 欧美性猛交黑人性爽| 亚洲精品国产av成人精品| 欧美高清性xxxxhd video| 国产伦在线观看视频一区| 日韩精品青青久久久久久| 亚洲精品色激情综合| 亚洲国产最新在线播放| 久久久久久久亚洲中文字幕| 国产女主播在线喷水免费视频网站 | 成人一区二区视频在线观看| 边亲边吃奶的免费视频| 中文字幕熟女人妻在线| 建设人人有责人人尽责人人享有的 | 麻豆国产97在线/欧美| 亚洲综合精品二区| 尤物成人国产欧美一区二区三区| 精品不卡国产一区二区三区| 国产精品av视频在线免费观看| 日韩亚洲欧美综合| 国产探花在线观看一区二区| 天天躁夜夜躁狠狠久久av| 亚洲精品成人久久久久久| 一边亲一边摸免费视频| 成人性生交大片免费视频hd| 国产成人精品一,二区| 国产精品国产三级专区第一集| 国产一区二区亚洲精品在线观看| 亚洲国产色片| 色综合站精品国产| 午夜福利在线观看吧| 免费看av在线观看网站| 麻豆成人av视频| 最新中文字幕久久久久| 国产免费视频播放在线视频 | 亚洲美女搞黄在线观看| 免费无遮挡裸体视频| 99久久精品热视频| 国语对白做爰xxxⅹ性视频网站| 国产免费又黄又爽又色| 天堂中文最新版在线下载 | 中文字幕亚洲精品专区| 久久久久久久久中文| 国产一区二区三区av在线| 国产高清国产精品国产三级 | 免费av观看视频| 国内精品美女久久久久久| 国产亚洲91精品色在线| 18禁裸乳无遮挡免费网站照片| 亚洲av成人精品一区久久| 日日啪夜夜撸| 免费观看人在逋| 女人被狂操c到高潮| av在线亚洲专区| 国产精品国产三级专区第一集| 亚洲aⅴ乱码一区二区在线播放| 别揉我奶头 嗯啊视频| 亚洲国产高清在线一区二区三| 国产一区亚洲一区在线观看| 亚洲欧美中文字幕日韩二区| 麻豆一二三区av精品| 久久久久久九九精品二区国产| 丰满乱子伦码专区| 久久精品国产亚洲av天美| 一个人看的www免费观看视频| 久久婷婷人人爽人人干人人爱| 18禁在线无遮挡免费观看视频| 欧美成人午夜免费资源| 精品国产一区二区三区久久久樱花 | 国产伦一二天堂av在线观看| 亚洲乱码一区二区免费版| 亚洲五月天丁香| 秋霞伦理黄片| 国产午夜精品久久久久久一区二区三区| 超碰av人人做人人爽久久| 国产精品永久免费网站| 国产免费福利视频在线观看| 亚洲av成人av| 免费黄色在线免费观看| 久久这里有精品视频免费| 日韩一本色道免费dvd| av在线播放精品| 欧美日本视频| 国产精品爽爽va在线观看网站| 大又大粗又爽又黄少妇毛片口| 高清日韩中文字幕在线| 国产综合懂色| 精品久久久久久电影网 | 搡女人真爽免费视频火全软件| 色视频www国产| 午夜日本视频在线| 韩国av在线不卡| 国内少妇人妻偷人精品xxx网站| 午夜免费激情av| av福利片在线观看| 国产黄片视频在线免费观看| 一个人看视频在线观看www免费| 嫩草影院精品99| 欧美一级a爱片免费观看看| 国产私拍福利视频在线观看| 日本三级黄在线观看| 看非洲黑人一级黄片| 男人狂女人下面高潮的视频| 日本与韩国留学比较| 少妇熟女欧美另类| 2021天堂中文幕一二区在线观| 热99re8久久精品国产| 一区二区三区高清视频在线| 1024手机看黄色片| 国产免费一级a男人的天堂| 午夜福利视频1000在线观看| 日本免费在线观看一区| 能在线免费看毛片的网站| 搞女人的毛片| 女人十人毛片免费观看3o分钟| 成人综合一区亚洲| 汤姆久久久久久久影院中文字幕 | 床上黄色一级片| 老司机福利观看| 日本免费一区二区三区高清不卡| av国产久精品久网站免费入址| 亚洲精华国产精华液的使用体验| 色吧在线观看| 99热这里只有精品一区| 日韩精品青青久久久久久| 99久久无色码亚洲精品果冻| 男女那种视频在线观看| 久久国产乱子免费精品| 狂野欧美白嫩少妇大欣赏| 美女脱内裤让男人舔精品视频| 搡老妇女老女人老熟妇| 久久久久久久久中文| 黑人高潮一二区| 亚洲人成网站在线播| 1000部很黄的大片| 18禁在线无遮挡免费观看视频| 内射极品少妇av片p| 成人特级av手机在线观看| 高清毛片免费看| 亚洲乱码一区二区免费版| 最近2019中文字幕mv第一页| 中文亚洲av片在线观看爽| 欧美激情在线99| 赤兔流量卡办理| 长腿黑丝高跟| 国产久久久一区二区三区| 2021天堂中文幕一二区在线观| 日韩欧美精品免费久久| 欧美日韩国产亚洲二区| 最近最新中文字幕免费大全7| 国产精品久久久久久久久免| 成人毛片60女人毛片免费| 男女视频在线观看网站免费| kizo精华| 国产成人免费观看mmmm| 国产乱来视频区| h日本视频在线播放| 欧美一区二区国产精品久久精品| 成年av动漫网址| 亚洲精品成人久久久久久| 亚洲欧美精品综合久久99| 日韩中字成人| 精品人妻一区二区三区麻豆| 爱豆传媒免费全集在线观看| 夜夜爽夜夜爽视频| 91久久精品国产一区二区三区| 亚洲精华国产精华液的使用体验| 日本av手机在线免费观看| 欧美人与善性xxx| 91在线精品国自产拍蜜月| 国产精品一区二区三区四区免费观看| 97热精品久久久久久| 日本免费在线观看一区| 国产真实乱freesex| 日韩av不卡免费在线播放| 日本黄色片子视频| 日产精品乱码卡一卡2卡三| 韩国av在线不卡| 人人妻人人澡欧美一区二区| 99久国产av精品| av免费观看日本| 亚洲av电影不卡..在线观看| 亚洲av成人精品一二三区| 亚洲精品一区蜜桃| 五月玫瑰六月丁香| 成人午夜精彩视频在线观看| 一级二级三级毛片免费看| 中国美白少妇内射xxxbb| 青青草视频在线视频观看| 久久久久久久久久成人| 性插视频无遮挡在线免费观看| 美女脱内裤让男人舔精品视频| 大香蕉97超碰在线| 波多野结衣高清无吗| 美女高潮的动态| eeuss影院久久| 免费黄网站久久成人精品| 国产精品一及| 欧美97在线视频| 色哟哟·www| 日韩成人伦理影院| 久久韩国三级中文字幕| 久久久久久久久久久免费av| 国产亚洲av嫩草精品影院| 成人毛片a级毛片在线播放| 久久人人爽人人片av| 久久国产乱子免费精品| av黄色大香蕉| 久久精品影院6| 麻豆一二三区av精品| 久久综合国产亚洲精品| 黄色日韩在线| 久久久国产成人免费| 天堂中文最新版在线下载 | 七月丁香在线播放| 可以在线观看毛片的网站| 欧美一区二区国产精品久久精品| 欧美激情国产日韩精品一区| 欧美成人a在线观看| 午夜福利在线观看免费完整高清在| 国产片特级美女逼逼视频| 神马国产精品三级电影在线观看| 欧美极品一区二区三区四区| 亚洲精品色激情综合| 午夜视频国产福利| 两个人视频免费观看高清| 欧美区成人在线视频| 日本欧美国产在线视频| av在线观看视频网站免费| 亚洲av不卡在线观看| 七月丁香在线播放| 精品久久久久久久人妻蜜臀av| 日本免费a在线| 白带黄色成豆腐渣| 亚洲四区av| 日韩人妻高清精品专区| 国产精品蜜桃在线观看| 亚州av有码| 国产成人午夜福利电影在线观看| 69av精品久久久久久| 免费观看在线日韩| 麻豆乱淫一区二区| 久久亚洲精品不卡| 国产精品电影一区二区三区| 国产黄色小视频在线观看| 国产老妇女一区| 日韩亚洲欧美综合| 村上凉子中文字幕在线| 99久久人妻综合| 高清av免费在线| 麻豆成人av视频| 久久午夜福利片| 国产精品综合久久久久久久免费| 晚上一个人看的免费电影| 国产精品,欧美在线| 赤兔流量卡办理| av视频在线观看入口| 欧美区成人在线视频| 亚洲人与动物交配视频| 精华霜和精华液先用哪个| 久久人妻av系列| 国国产精品蜜臀av免费| 少妇高潮的动态图| 久久久色成人| 91av网一区二区| 午夜久久久久精精品| 欧美一区二区国产精品久久精品| 欧美不卡视频在线免费观看| 国产精品久久久久久精品电影小说 | 国产亚洲精品久久久com| 男女啪啪激烈高潮av片| 蜜桃久久精品国产亚洲av| 国产av不卡久久| 亚洲在久久综合| 男插女下体视频免费在线播放| 亚洲av中文av极速乱| 免费黄网站久久成人精品| 一边亲一边摸免费视频| 成人高潮视频无遮挡免费网站| 午夜福利视频1000在线观看| 欧美日本亚洲视频在线播放| 国产亚洲av片在线观看秒播厂 | 欧美zozozo另类| 免费观看在线日韩| 久久久国产成人精品二区| av免费在线看不卡| 日日摸夜夜添夜夜添av毛片| 日韩高清综合在线| 国产精品国产三级专区第一集| 别揉我奶头 嗯啊视频| 久久久久久国产a免费观看| 少妇高潮的动态图| 亚洲高清免费不卡视频| 在线观看66精品国产| 天堂√8在线中文| 国语对白做爰xxxⅹ性视频网站| 天天一区二区日本电影三级| 亚洲最大成人av| 亚洲av中文字字幕乱码综合| 国产男人的电影天堂91| 一级毛片aaaaaa免费看小| 一级毛片电影观看 | 欧美一区二区精品小视频在线| 人妻少妇偷人精品九色| 国产爱豆传媒在线观看| 国产乱来视频区| 日韩中字成人| 中文在线观看免费www的网站| 国产私拍福利视频在线观看| 蜜桃久久精品国产亚洲av| 我的女老师完整版在线观看| 国产淫语在线视频| 亚洲精品国产成人久久av| 欧美激情国产日韩精品一区| 狠狠狠狠99中文字幕| .国产精品久久| 欧美色视频一区免费| 国产精品国产三级专区第一集| 一级av片app| 精品久久久久久电影网 | 最近最新中文字幕免费大全7| 午夜精品一区二区三区免费看| 免费不卡的大黄色大毛片视频在线观看 | 国产成人a∨麻豆精品| av天堂中文字幕网| 最后的刺客免费高清国语| 国产亚洲5aaaaa淫片| 久久人妻av系列| 天美传媒精品一区二区| 寂寞人妻少妇视频99o| 韩国高清视频一区二区三区| av国产免费在线观看| 亚洲不卡免费看| 久久99热这里只有精品18| 成年av动漫网址| 黄片wwwwww| 国产亚洲av片在线观看秒播厂 | 1000部很黄的大片| 午夜爱爱视频在线播放| 神马国产精品三级电影在线观看| 麻豆av噜噜一区二区三区| 日韩中字成人| 精品久久久久久久久久久久久| 国产欧美另类精品又又久久亚洲欧美| 美女被艹到高潮喷水动态| 中文字幕熟女人妻在线| 欧美人与善性xxx| 春色校园在线视频观看| 美女大奶头视频| 欧美97在线视频| 99久久无色码亚洲精品果冻| 日日啪夜夜撸| 亚洲av成人精品一区久久| 成人午夜高清在线视频| 日韩av在线免费看完整版不卡| 精品人妻一区二区三区麻豆| 视频中文字幕在线观看| 亚洲av日韩在线播放| 蜜桃久久精品国产亚洲av| 舔av片在线| 国产免费福利视频在线观看| 亚洲人成网站在线播| 噜噜噜噜噜久久久久久91| 国产熟女欧美一区二区| 国产精品蜜桃在线观看| 久久久久久大精品| 久久精品91蜜桃| 一卡2卡三卡四卡精品乱码亚洲| 久久精品综合一区二区三区| 国产熟女欧美一区二区| 老司机福利观看| 亚洲精品国产成人久久av| 夜夜看夜夜爽夜夜摸| 老司机福利观看| 亚洲最大成人av| 日本黄大片高清| 99久久人妻综合| 天堂√8在线中文| 国产白丝娇喘喷水9色精品| a级毛色黄片| 精品午夜福利在线看| h日本视频在线播放| 美女高潮的动态| 亚洲欧洲日产国产| 全区人妻精品视频| 亚洲av电影不卡..在线观看| 日韩强制内射视频| 夜夜看夜夜爽夜夜摸| 精品99又大又爽又粗少妇毛片| 日韩强制内射视频|