• <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CSI的日常行為識別方法

    2022-02-15 07:14:04祥,常俊,武
    計算機工程與設(shè)計 2022年1期
    關(guān)鍵詞:互信息三階子集

    周 祥,常 俊,武 浩

    (云南大學(xué) 信息學(xué)院,云南 昆明 650091)

    0 引 言

    傳統(tǒng)的基于傳感器[1-5]的行為識別方法,需使用者佩戴各種傳感器設(shè)備,使得使用者感到不便,而基于如視頻圖像[6]、雷達[7]等無設(shè)備的方式,前者由于不利于保護隱私同時對環(huán)境光照的要求較高,后者成本較高不利于廣泛使用。而現(xiàn)如今基于WiFi信號的行為識別方法則有著成本低、識別精度高等特點。其中基于WiFi信號的接收信號強度(RSSI)[8]的行為感知,因其不能表征細粒度的信息,所以對人體行為的識別效果并不理想。而CSI信號[9]相比RSSI信號,其是細粒度的信號特征信息,每個CSI值代表正交頻分復(fù)用(OFDM)系統(tǒng)[10]中子載波的幅度和相位,所以其含有更高的數(shù)據(jù)分辨率。如Thomas等[11]對CSI信號提取基于語音信號的梅爾頻率倒譜系數(shù)(MFCC)特征[12],再結(jié)合采用CNN[13]用于CSI時間序列分類,實現(xiàn)了95%的平均識別率,Akhtar等[14]從經(jīng)過處理后的CSI信號無線電圖像的判別分量中提取特征用于識別駕駛員行為,實現(xiàn)了94.1%的平均識別精度。還有Yao等[15]采用小波變換[16]提取CSI信號時頻域特征用于行為識別,得到了93.1%的平均識別精度,可見對于CSI用作行為識別具有很好的應(yīng)用價值。

    現(xiàn)如今基于信道狀態(tài)信息的行為識別工作中,由于硬件限制,所以很少關(guān)注CSI信號測量中普遍存在的線性相位誤差,從而忽略了信息有用的非線性特性,以及對信號進行預(yù)處理難免會濾除一些有用信息,從而影響識別的精度。針對這一問題,提出一種基于WiFi信道狀態(tài)信息的行為識別方法,通過從原始CSI信號中提取代表信號非線性特性的三階累積量[17]作為特征,并采用一種基于互信息的特征選擇技術(shù)(MIFS)[18]對原始特征進行篩選提取考慮到非高斯信號分布的高魯棒性特征子集,最后將提取到的特征子集輸入到經(jīng)過了粒子群優(yōu)化算法(PSO)[19]優(yōu)化過參數(shù)的SVM分類模型[20]中。該方法有著較低的系統(tǒng)復(fù)雜度,能實現(xiàn)較高的識別精度和魯棒性。

    1 系統(tǒng)原理

    1.1 CSI模型原理

    無線信號在傳輸過程中由于其信道狀況并不穩(wěn)定,會根據(jù)環(huán)境因素而發(fā)生衍射、反射、散射等變化,這些變化會反映到接收端接收的子載波的波動中,無線信號在空氣中的傳播如圖1所示。而現(xiàn)如今引入正交頻分復(fù)用(OFDM)的無線技術(shù)的最新發(fā)展實現(xiàn)了具有最小誤碼率(BER)的更高數(shù)據(jù)包傳輸速率。符合IEEE 802.11n OFDM標準的商用Wi-Fi設(shè)備還實現(xiàn)了多輸入多輸出(MIMO)概念。在Linux 802.11n CSI工具中,符合OFDM的設(shè)備可以將信道頻率響應(yīng)(CFR)讀取為CSI信號,其主要反映了子載波的信號幅度和相位的變化。Wi-Fi的信道模型可以表示為

    (1)

    H=(hijk)NT×NR×30

    (2)

    其中,i∈[1,NT],j∈[1,NR],k∈[1,30]。 而hijk表示第i根發(fā)射天線到第j根接收天線之間的數(shù)據(jù)流中的第k個子載波的值。其具體還可以表示如下

    hijk=|hijk|ej∠hijk

    (3)

    其中, |hijk| 表示幅度響應(yīng), ∠hijk表示相位響應(yīng)。

    圖1 無線信號傳播

    1.2 三階累計量

    首先高階累積量對高斯噪聲不敏感,所以在處理帶有高斯有色加性噪聲的非高斯信號時,可對其求高階累計量,使得輸出噪聲部分的高階累積量為零,只留下非高斯信號部分,從側(cè)面增強了有用信號的信噪比,可見采用高階累積量的特征可以免除信號預(yù)處理階段,降低系統(tǒng)復(fù)雜度。而優(yōu)選使用三階累積量來從原始CSI信號中提取特征,是因為其相比一、二階累積量其能揭示更豐富信號特征信息,四階的累積量及其以上,因其建立了高度復(fù)雜的矩陣,需要大量的計算成本,所以在當前工作中不考慮它。而三階累積量的具體推算過程如下:對于一個變量X存在一個距生成函數(shù)mkx(t), 且當統(tǒng)計期望E{etX} 存在,t∈R。 此時可以得到函數(shù)高階距表達式

    mkx(τ1,…,τk-1)=E{X(t)X(t+τ1)…X(t+τk-1)}

    (4)

    其中,τ1…τk-1為時滯參數(shù),由式(4)可推出三階距的表示為

    m3x(τ1,τ2)=E{X(t)X(t+τ1)X(t+τ2)}

    (5)

    而相對應(yīng)的非零累積量Ckx, 可以計算為相應(yīng)矩的非線性組合

    Ckx(τ1,…,τk-1)=mkx(τ1,…,τk-1)-mkxG(τ1,…,τk-1)

    (6)

    其中,mkx(τ1,…,τk-1) 為k階距,mkxG(τ1,…,τk-1) 為相應(yīng)高斯過程的k階矩,而特別的,若X(t) 具有零均值,三階累積量可以表示為

    C3x(τ1,τ2)=m3x(τ1,τ2)

    (7)

    1.3 MIFS算法原理

    MIFS是一種基于互信息的特征選擇算法,其使用互信息度量候選特征與類別之間的相關(guān)性,以及與已選特征集合的冗余性,再以貪心策略選擇與類別相關(guān)性強且已選特征冗余度低的特征集合。從而可以減少計算時間,提高計算精度。而互信息定義如下

    (8)

    式(8)表示變量X和Y之間的互信息,其中p(x)、p(y)、p(x,y) 分別表示X的概率分布,Y的概率分布以及X和Y的聯(lián)合概率分布。兩變量之間互信息越大,之間相關(guān)性越強。依據(jù)互信息的定義,MIFS算法對應(yīng)的算法流程如圖2所示,具體步驟如下:

    (1)初始化:將原始輸入特征空間FR賦值給F,S置空;

    (2)對F中每個輸入特征fi, 根據(jù)式(8)計算互信息I(Fi;C);

    (3)選擇使I(Fi;C); 最大的那個fi, 將fi加入到S中,記為{fi}→S, 同時從F去掉fi記為F(〗fi};

    (4)重復(fù)以下過程,直到選夠K個特征:

    (5)輸出包含選定特征的特征子集S。

    圖2 MIFS算法流程

    1.4 粒子群優(yōu)化算法原理

    當分類模型的參數(shù)屬于最優(yōu)時,相應(yīng)的模型的分類精度最高,而粒子群優(yōu)化算法(PSO)屬于基于群體的智能優(yōu)化搜索算法,可以用其優(yōu)化支持向量機的分類模型(SVM)參數(shù)使其獲得最高的識別準確率。首先生成初始化例子群,計算其適應(yīng)值,并尋找個體極值pid和全局最優(yōu)解pgd, 最終來更新粒子的速度和位置。而每個粒子根據(jù)下面的式(9)、式(10)來進行更新其速度和位置

    (9)

    (10)

    其中,vid和xid分別代表速度和位置,r1和r2是0到1之間的隨機數(shù),c1為學(xué)習(xí)因子,c2為社會因子,而當社會因子大于學(xué)習(xí)因子時,有助于粒子向著全局最搜索,因此,取c1=1.6,c2=2。 而ω是權(quán)重,其取值范圍為 [ωmin,ωmax], 其中最大迭代次數(shù)為itermax, 由上可得到以下公式

    (11)

    由于本文選擇的核函數(shù)是高斯核函數(shù),所以將粒子群算法應(yīng)用于支持向量機分類模型的參數(shù)尋優(yōu)時,粒子就是懲罰因子C和核參數(shù)γ, 采用PSO調(diào)參就是尋找使SVM分類精度最大的參數(shù),具體通過粒子群優(yōu)化算法優(yōu)化SVM分類模型的參數(shù)的流程如圖3所示。

    圖3 PSO優(yōu)化SVM參數(shù)流程

    2 整體系統(tǒng)設(shè)計

    系統(tǒng)整體設(shè)計包含4個模塊:由數(shù)據(jù)采集模塊、特征提取模塊、特征選擇模塊、分類模型4部分組成,具體系統(tǒng)結(jié)構(gòu)如圖4所示,實驗最初采集到不同環(huán)境下的不同動作的CSI原始數(shù)據(jù),然后對數(shù)據(jù)提取其三階累計量特征,再采用MIFS算法對原始特征進行篩選魯棒性強的特征子集,將其輸入到已經(jīng)別粒子群優(yōu)化算法優(yōu)化過參數(shù)的支持向量機分類模型中采用10倍交叉驗證,得出識別準確率。

    圖4 系統(tǒng)結(jié)構(gòu)

    2.1 原始數(shù)據(jù)采集

    本次數(shù)據(jù)采集分別在長4 m,寬5 m的實驗室和長4 m,寬6 m的會議室兩種不同環(huán)境下采集,具體實驗場景如圖5所示,可見辦公室場景環(huán)境相對復(fù)雜,而實驗室場景的環(huán)境較為空曠。實驗通過兩臺外置了Intell 5300網(wǎng)卡的臺式機作為CSI信號的收發(fā)端,其中Tx表示信號發(fā)射端,Rx表示信號接收端,而發(fā)送端采用1根發(fā)送天線用以發(fā)送信號,而接收端采用3根接收天線用以接收信號,且設(shè)置了工作頻率為2.4 GHz,帶寬設(shè)置為20 MHz。而收發(fā)端距離地面高度為75 cm同時之間相距2 m。

    圖5 實驗場景

    2.2 特征提取

    本文采用了Matlab自帶的高階光譜分析工具箱(HOS)從信道中每個子載波中提取9個三階累積量特征。為了降低計算工作量,只采用一根接收天線所接收到的數(shù)據(jù),由于信道有30個子載波。因此提取出270個累積特征的特征向量。而圖6中的等高線顯示了不同動作的第一延遲量和第二延遲量之間估計的三階累積量的二維等高線圖。通過“坐下”、“刷牙”的圖可發(fā)現(xiàn)其具有基本對稱性。

    圖6 三階累積量的2D等高線

    2.3 特征篩選

    本文中采用了基于互信息的特征篩選方法(MIFS)對原始特征進行篩選,并且設(shè)置β=0.75, 通過實驗選擇不同實驗環(huán)境下篩選后的特征指數(shù)K(10、20、25、30、40維累積量特征)用于分類模型測試系統(tǒng)效果。

    2.4 分 類

    最終將得到的篩選后的特征子集輸入到采用高斯核的經(jīng)過粒子群算法優(yōu)化過參數(shù)的支持向量機分類模型中進行分類,并且為了保證實驗結(jié)果的精準性,采用10倍交叉驗證來得出實驗結(jié)果。

    3 實驗結(jié)果分析

    實驗所選的實驗對象總共有10人。該10人含4名女6名男的本科生與研究生,年齡在19歲到25歲之間,身高在155 cm到183 cm之間,最終采集到實驗室環(huán)境下2000個數(shù)據(jù),會議室環(huán)境下3000個數(shù)據(jù)。并將其用于驗證本方法的識別精度,最終得出表1與表2分別表示在不同場景下關(guān)于不同動作識別率的混淆矩陣,由表1看出實驗室由于較為空曠受到的多徑影響較小所以平均識別率達到97.4%,而會議室環(huán)境復(fù)雜,信號受到的多徑影響較大但其平均識別率也達到了94.8%,而以上兩種環(huán)境下本方法的平均識別率達到了96.1%。

    表1 實驗室場景識別率/%

    表2 會議室場景識別率/%

    3.1 發(fā)包速率對識別率影響

    為驗證不同發(fā)包率對動作識別精度的影響,嘗試了在不同的發(fā)包速率(50,100,200,500,1000) Hz下采集了不同人體日常行為的CSI原始數(shù)據(jù),并采用10倍交叉驗證,得出在不同速率下兩種場景中的平均識別精度,由圖7發(fā)包速率對識別率的影響圖可以發(fā)現(xiàn)發(fā)包速率與實驗的平均識別率成正比關(guān)系,但是當發(fā)包率到達500 Hz時,實驗已經(jīng)能取得較好的結(jié)果,而當發(fā)包率超過500 Hz時,準確率的提升并不明顯,且越高的發(fā)包速率也帶來了更高的丟包風(fēng)險和計算時間。

    圖7 發(fā)包速率影響

    3.2 不同維度特征子集對識別率影響

    為了驗證不同維度的特征子集對識別率的影響,通過將提取到的原始特征向量,并通過MIFS降維算法將其降維成10、20、25、30、40維的特征子集,然后輸入到優(yōu)化好參數(shù)的SVM分類模型中,通過圖8子集維度對識別率影響圖可以發(fā)現(xiàn),當K=30時,能獲得較好的平均識別率,驗證了當K=30時的特征子集已經(jīng)能表達原信號絕大部分的信息,而當K超過30時對識別率的提升并不明顯,而且更高的子集維度還會帶來更大的冗余量和更高的過擬合風(fēng)險。

    圖8 子集維度影響

    3.3 不同方法平均識別率對比

    本文之前提及了3種現(xiàn)有的人體行為識別的方法,與其它方法相比,本方法省略了復(fù)雜的信號預(yù)處理階段,但從表3可以看出本方法雖然降低了系統(tǒng)復(fù)雜度,但各動作的平均識別精度依然高于別的方法,可見本方法所提取的CSI信號的三階累計量特征,保存了大部分原始信號的有用信息。對魯棒性和識別精度的提升非常明顯。

    表3 各方法平均識別率對比

    4 結(jié)束語

    本文提出了一種基于信道狀態(tài)信息的無設(shè)備的日常行為識別方法,首先通過兩臺連接上Intel 5300網(wǎng)卡的臺式機做信號收發(fā)端采集原始CSI信號,隨后在未進行去噪預(yù)處理的情況下提取信號的三階累積量特征,再用基于互信息的特征選擇方法構(gòu)造出具有高魯棒性的特征子集,最后將特征子集輸入到經(jīng)過了粒子群優(yōu)化算法優(yōu)化過參數(shù)的SVM分類器中進行分類。最終實現(xiàn)了不同場景下不同動作96.1%的平均識別率,驗證該方法提取的三階累積量作為特征在擁有較強魯棒性的同時對提高識別精度有著顯著作用。不過該方法目前僅實現(xiàn)了對單人單個動作的識別,且更換場景后還需要進行大量的訓(xùn)練,但鑒于現(xiàn)實生活需要,以后單人連續(xù)動作、多人多動作的識別以及跨場景動作識別將會是未來重要的研究方向。

    猜你喜歡
    互信息三階子集
    由一道有關(guān)集合的子集個數(shù)題引發(fā)的思考
    三階非線性微分方程周期解的非退化和存在唯一性
    拓撲空間中緊致子集的性質(zhì)研究
    關(guān)于奇數(shù)階二元子集的分離序列
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    三類可降階的三階非線性微分方程
    聯(lián)合互信息水下目標特征選擇算法
    改進的互信息最小化非線性盲源分離算法
    電測與儀表(2015年9期)2015-04-09 11:59:22
    每一次愛情都只是愛情的子集
    都市麗人(2015年4期)2015-03-20 13:33:22
    基于增量式互信息的圖像快速匹配方法
    久久天躁狠狠躁夜夜2o2o| 午夜免费鲁丝| 亚洲色图av天堂| 12—13女人毛片做爰片一| 亚洲欧美日韩无卡精品| 国产欧美日韩一区二区三| 女生性感内裤真人,穿戴方法视频| 国产成人精品无人区| 麻豆成人午夜福利视频| 两个人看的免费小视频| 变态另类成人亚洲欧美熟女| 欧美在线黄色| 欧美成人性av电影在线观看| 99久久国产精品久久久| 国产成人av激情在线播放| www日本在线高清视频| 少妇粗大呻吟视频| 两个人免费观看高清视频| 亚洲人成77777在线视频| 亚洲五月婷婷丁香| 日韩欧美在线二视频| 人人妻人人看人人澡| 日本成人三级电影网站| 亚洲真实伦在线观看| 日韩欧美一区视频在线观看| 成人亚洲精品一区在线观看| 女警被强在线播放| 50天的宝宝边吃奶边哭怎么回事| 欧美乱码精品一区二区三区| 美女国产高潮福利片在线看| 男女午夜视频在线观看| 久久久久久大精品| 日本一区二区免费在线视频| 午夜福利成人在线免费观看| 日日摸夜夜添夜夜添小说| 国产精品一区二区精品视频观看| 成人三级黄色视频| 欧美激情极品国产一区二区三区| 一本久久中文字幕| 国产久久久一区二区三区| 色综合婷婷激情| 午夜两性在线视频| 国产精品久久久人人做人人爽| 亚洲九九香蕉| 久久久久久亚洲精品国产蜜桃av| 国产熟女xx| 亚洲专区中文字幕在线| 久久香蕉国产精品| 免费人成视频x8x8入口观看| 亚洲av第一区精品v没综合| 成人特级黄色片久久久久久久| 成人精品一区二区免费| 午夜久久久在线观看| 天堂影院成人在线观看| 日本三级黄在线观看| 国产v大片淫在线免费观看| 99热这里只有精品一区 | 欧美成人免费av一区二区三区| 精品日产1卡2卡| 日日干狠狠操夜夜爽| 99在线视频只有这里精品首页| 国产精品 欧美亚洲| 欧美日韩瑟瑟在线播放| 午夜a级毛片| 国产黄色小视频在线观看| 欧美色欧美亚洲另类二区| 成人精品一区二区免费| www.www免费av| 99在线视频只有这里精品首页| 一本精品99久久精品77| 久久香蕉精品热| 一a级毛片在线观看| 免费看美女性在线毛片视频| 十分钟在线观看高清视频www| 看片在线看免费视频| 亚洲三区欧美一区| 亚洲国产看品久久| 亚洲国产精品成人综合色| e午夜精品久久久久久久| 日日夜夜操网爽| 在线国产一区二区在线| 嫩草影视91久久| 免费av毛片视频| 99国产精品一区二区蜜桃av| 日韩大尺度精品在线看网址| 国产精品乱码一区二三区的特点| 成人三级黄色视频| 大型av网站在线播放| 国产精品亚洲av一区麻豆| 久久久久免费精品人妻一区二区 | 两个人视频免费观看高清| xxxwww97欧美| 日本熟妇午夜| 国产精品久久久av美女十八| 久久中文字幕人妻熟女| 夜夜夜夜夜久久久久| 真人做人爱边吃奶动态| 人人妻人人澡欧美一区二区| 久久人妻福利社区极品人妻图片| 国产亚洲欧美精品永久| 国产亚洲av高清不卡| 国产蜜桃级精品一区二区三区| a级毛片在线看网站| 欧美中文综合在线视频| 国产精品国产高清国产av| 搡老岳熟女国产| 两个人视频免费观看高清| 成熟少妇高潮喷水视频| 搞女人的毛片| 男女做爰动态图高潮gif福利片| 69av精品久久久久久| www国产在线视频色| 久久久久免费精品人妻一区二区 | 久久香蕉激情| 亚洲国产日韩欧美精品在线观看 | 亚洲成国产人片在线观看| 精品卡一卡二卡四卡免费| 人人妻人人澡欧美一区二区| 欧美性猛交╳xxx乱大交人| 黄色片一级片一级黄色片| 精品国内亚洲2022精品成人| 日韩欧美国产一区二区入口| 狠狠狠狠99中文字幕| 人妻久久中文字幕网| 少妇熟女aⅴ在线视频| 97人妻精品一区二区三区麻豆 | 日韩大尺度精品在线看网址| 久久精品人妻少妇| 日本免费a在线| av片东京热男人的天堂| 国产黄片美女视频| 老汉色av国产亚洲站长工具| 热99re8久久精品国产| 男男h啪啪无遮挡| 嫩草影视91久久| 欧美性猛交╳xxx乱大交人| 国产亚洲欧美98| 亚洲一区二区三区不卡视频| 成人三级黄色视频| 久久九九热精品免费| 午夜免费鲁丝| 久久婷婷成人综合色麻豆| 国产精品二区激情视频| 国产亚洲av嫩草精品影院| 精品一区二区三区av网在线观看| 免费看a级黄色片| 黑丝袜美女国产一区| 国产精品美女特级片免费视频播放器 | 一级片免费观看大全| 欧美中文综合在线视频| 亚洲精品国产区一区二| 久久久水蜜桃国产精品网| 国产熟女午夜一区二区三区| 好看av亚洲va欧美ⅴa在| 亚洲成人精品中文字幕电影| 丝袜美腿诱惑在线| 国产精品久久电影中文字幕| 欧美日韩精品网址| 1024香蕉在线观看| 日韩有码中文字幕| 欧美日本视频| 一区二区日韩欧美中文字幕| 啪啪无遮挡十八禁网站| 啦啦啦观看免费观看视频高清| 国产一级毛片七仙女欲春2 | 国产精品99久久99久久久不卡| av天堂在线播放| 免费在线观看完整版高清| 亚洲av五月六月丁香网| 久久香蕉精品热| www.自偷自拍.com| 18禁黄网站禁片免费观看直播| 一a级毛片在线观看| 国产一区二区在线av高清观看| 国产黄色小视频在线观看| 美女 人体艺术 gogo| 级片在线观看| 成人欧美大片| 777久久人妻少妇嫩草av网站| 日韩欧美 国产精品| av在线播放免费不卡| 视频区欧美日本亚洲| 免费看十八禁软件| 精品一区二区三区四区五区乱码| 男女那种视频在线观看| 久久久久国产精品人妻aⅴ院| 欧美黑人精品巨大| 国产极品粉嫩免费观看在线| 亚洲av五月六月丁香网| 十八禁网站免费在线| 操出白浆在线播放| 国产伦在线观看视频一区| 久久国产精品男人的天堂亚洲| 夜夜爽天天搞| 人妻丰满熟妇av一区二区三区| 日本免费一区二区三区高清不卡| 两个人视频免费观看高清| 日韩欧美国产在线观看| 成人国产一区最新在线观看| 一个人观看的视频www高清免费观看 | 日韩欧美 国产精品| 免费看美女性在线毛片视频| 亚洲精品国产一区二区精华液| 中文亚洲av片在线观看爽| www日本黄色视频网| 免费观看人在逋| 午夜成年电影在线免费观看| 丝袜在线中文字幕| av有码第一页| 欧美日韩福利视频一区二区| 美女午夜性视频免费| 麻豆av在线久日| 欧美最黄视频在线播放免费| 国产又色又爽无遮挡免费看| 欧美日韩福利视频一区二区| 又黄又粗又硬又大视频| 男女床上黄色一级片免费看| 夜夜夜夜夜久久久久| 亚洲一区中文字幕在线| 88av欧美| 国产亚洲欧美98| 亚洲国产精品合色在线| 在线天堂中文资源库| 国产精品亚洲av一区麻豆| 亚洲精品一卡2卡三卡4卡5卡| 黄片小视频在线播放| 可以在线观看的亚洲视频| 欧美 亚洲 国产 日韩一| av在线播放免费不卡| 青草久久国产| 岛国在线观看网站| 国产三级黄色录像| 成人18禁在线播放| 日本五十路高清| 成人午夜高清在线视频 | 久久狼人影院| 国产精品美女特级片免费视频播放器 | 国产成人av教育| 欧美绝顶高潮抽搐喷水| 男女床上黄色一级片免费看| 精品日产1卡2卡| 亚洲成人久久性| 免费观看人在逋| 国内久久婷婷六月综合欲色啪| 黄色 视频免费看| 亚洲人成77777在线视频| 国产精品 欧美亚洲| 亚洲国产高清在线一区二区三 | 欧美久久黑人一区二区| 男人舔女人的私密视频| 这个男人来自地球电影免费观看| 国产伦一二天堂av在线观看| 天堂动漫精品| 91麻豆av在线| 国产爱豆传媒在线观看 | 很黄的视频免费| 久久久久国产精品人妻aⅴ院| 99精品欧美一区二区三区四区| 久久这里只有精品19| 少妇熟女aⅴ在线视频| 国产av不卡久久| 女人被狂操c到高潮| 国产亚洲av高清不卡| 91成年电影在线观看| 欧美中文综合在线视频| 最好的美女福利视频网| 久久久国产成人免费| 欧美 亚洲 国产 日韩一| 精品乱码久久久久久99久播| 色综合欧美亚洲国产小说| 在线观看www视频免费| 久久人妻福利社区极品人妻图片| 免费在线观看日本一区| 国产免费av片在线观看野外av| 无人区码免费观看不卡| 中文亚洲av片在线观看爽| 成在线人永久免费视频| xxx96com| 国产真人三级小视频在线观看| 久久香蕉激情| 一级a爱视频在线免费观看| 美女高潮到喷水免费观看| 人妻久久中文字幕网| 悠悠久久av| 叶爱在线成人免费视频播放| 怎么达到女性高潮| 两个人免费观看高清视频| 午夜老司机福利片| 少妇 在线观看| 国产精品爽爽va在线观看网站 | 天天躁狠狠躁夜夜躁狠狠躁| 日韩有码中文字幕| 午夜两性在线视频| 国产成人精品久久二区二区91| 久久 成人 亚洲| 亚洲片人在线观看| 十分钟在线观看高清视频www| 色哟哟哟哟哟哟| 国产男靠女视频免费网站| 欧美日韩中文字幕国产精品一区二区三区| 俺也久久电影网| 中文字幕最新亚洲高清| 一本综合久久免费| 久久欧美精品欧美久久欧美| 久久久久久久午夜电影| 午夜老司机福利片| 久久国产亚洲av麻豆专区| 亚洲成人免费电影在线观看| 精品国产美女av久久久久小说| 一边摸一边抽搐一进一小说| 级片在线观看| 变态另类成人亚洲欧美熟女| 男女做爰动态图高潮gif福利片| 亚洲黑人精品在线| svipshipincom国产片| 少妇熟女aⅴ在线视频| www日本黄色视频网| 丝袜美腿诱惑在线| 国产欧美日韩一区二区精品| 91九色精品人成在线观看| 岛国视频午夜一区免费看| 欧美丝袜亚洲另类 | 国产精品亚洲美女久久久| 少妇被粗大的猛进出69影院| 可以免费在线观看a视频的电影网站| 色哟哟哟哟哟哟| 日韩av在线大香蕉| 国产亚洲精品综合一区在线观看 | 久久九九热精品免费| 天天一区二区日本电影三级| 日韩视频一区二区在线观看| 免费一级毛片在线播放高清视频| 长腿黑丝高跟| 午夜久久久久精精品| 亚洲成人精品中文字幕电影| 非洲黑人性xxxx精品又粗又长| 日本黄色视频三级网站网址| 一个人观看的视频www高清免费观看 | 亚洲性夜色夜夜综合| 黄片播放在线免费| 久久天堂一区二区三区四区| 欧美中文综合在线视频| 国产不卡一卡二| 久久久精品国产亚洲av高清涩受| www.精华液| 国产野战对白在线观看| 99久久国产精品久久久| 少妇粗大呻吟视频| 国产成人影院久久av| 国产免费男女视频| 日韩视频一区二区在线观看| 在线国产一区二区在线| 女生性感内裤真人,穿戴方法视频| 可以免费在线观看a视频的电影网站| 日韩免费av在线播放| 午夜福利在线观看吧| 亚洲国产精品合色在线| 黄频高清免费视频| 在线观看舔阴道视频| 国产av不卡久久| 天堂影院成人在线观看| avwww免费| 亚洲第一欧美日韩一区二区三区| 国产亚洲精品第一综合不卡| 久久这里只有精品19| 国产一级毛片七仙女欲春2 | 97碰自拍视频| 日本一区二区免费在线视频| 999久久久国产精品视频| 日韩大码丰满熟妇| 亚洲成人免费电影在线观看| 桃红色精品国产亚洲av| 国产精品国产高清国产av| 嫩草影院精品99| 成人欧美大片| 女性生殖器流出的白浆| 国产1区2区3区精品| 亚洲成人国产一区在线观看| 最新美女视频免费是黄的| 在线永久观看黄色视频| 欧美日韩亚洲国产一区二区在线观看| 巨乳人妻的诱惑在线观看| 亚洲成a人片在线一区二区| 丝袜在线中文字幕| 国产亚洲av嫩草精品影院| 免费无遮挡裸体视频| 久久精品国产亚洲av高清一级| 色综合婷婷激情| 亚洲熟妇熟女久久| 高潮久久久久久久久久久不卡| 精品乱码久久久久久99久播| 淫妇啪啪啪对白视频| 国产又色又爽无遮挡免费看| www国产在线视频色| 亚洲真实伦在线观看| 在线观看免费午夜福利视频| 午夜福利高清视频| 三级毛片av免费| 老熟妇乱子伦视频在线观看| 丝袜美腿诱惑在线| 久久久久免费精品人妻一区二区 | 国产激情久久老熟女| 欧美在线黄色| 一卡2卡三卡四卡精品乱码亚洲| 久久国产乱子伦精品免费另类| 一进一出抽搐动态| 国产精品影院久久| 一进一出抽搐动态| 女人高潮潮喷娇喘18禁视频| 三级毛片av免费| 999久久久国产精品视频| 亚洲一卡2卡3卡4卡5卡精品中文| 99久久久亚洲精品蜜臀av| tocl精华| 免费在线观看影片大全网站| 别揉我奶头~嗯~啊~动态视频| 亚洲精品在线美女| 男人操女人黄网站| 老熟妇仑乱视频hdxx| av福利片在线| 999久久久国产精品视频| 麻豆成人午夜福利视频| 午夜视频精品福利| 中文字幕人妻熟女乱码| 此物有八面人人有两片| 成人国语在线视频| 久久国产精品男人的天堂亚洲| 免费看日本二区| 18禁黄网站禁片免费观看直播| 色综合欧美亚洲国产小说| 日韩 欧美 亚洲 中文字幕| 成人三级做爰电影| 午夜a级毛片| 午夜久久久久精精品| 亚洲男人天堂网一区| 精品国产乱子伦一区二区三区| 国产欧美日韩精品亚洲av| 国产精品电影一区二区三区| 亚洲人成77777在线视频| 好看av亚洲va欧美ⅴa在| 黄频高清免费视频| 午夜激情av网站| 俺也久久电影网| 久久欧美精品欧美久久欧美| 免费在线观看亚洲国产| 免费看a级黄色片| 精品欧美一区二区三区在线| 两个人免费观看高清视频| 午夜久久久久精精品| 日韩欧美一区视频在线观看| 久久久国产成人精品二区| 亚洲精品中文字幕在线视频| www.www免费av| 亚洲自偷自拍图片 自拍| 老汉色av国产亚洲站长工具| 国产色视频综合| 一卡2卡三卡四卡精品乱码亚洲| 天天一区二区日本电影三级| 99在线人妻在线中文字幕| 国产成人啪精品午夜网站| 亚洲专区中文字幕在线| 又大又爽又粗| 美国免费a级毛片| 免费高清视频大片| 亚洲国产精品久久男人天堂| 久久欧美精品欧美久久欧美| 久久九九热精品免费| 白带黄色成豆腐渣| 欧美日韩亚洲综合一区二区三区_| 午夜免费鲁丝| 久久99热这里只有精品18| 久久精品国产99精品国产亚洲性色| 久久久久久人人人人人| 禁无遮挡网站| 亚洲精品一卡2卡三卡4卡5卡| 精品国产乱码久久久久久男人| 可以在线观看毛片的网站| 丰满的人妻完整版| 久久草成人影院| 午夜福利高清视频| 91国产中文字幕| 变态另类成人亚洲欧美熟女| 欧美成人性av电影在线观看| 国产伦一二天堂av在线观看| 亚洲国产欧美一区二区综合| 亚洲精品在线美女| 免费在线观看亚洲国产| 国产又色又爽无遮挡免费看| 日本一本二区三区精品| 久久久久久大精品| 757午夜福利合集在线观看| 中亚洲国语对白在线视频| 亚洲中文字幕一区二区三区有码在线看 | 老汉色∧v一级毛片| 久久久精品国产亚洲av高清涩受| 啦啦啦免费观看视频1| 制服人妻中文乱码| 啦啦啦 在线观看视频| 香蕉久久夜色| 亚洲五月天丁香| 999精品在线视频| 亚洲欧美激情综合另类| 亚洲国产看品久久| 国产在线精品亚洲第一网站| 久久久国产精品麻豆| 国产精品国产高清国产av| 桃红色精品国产亚洲av| 日韩欧美国产一区二区入口| 亚洲avbb在线观看| 亚洲男人天堂网一区| 午夜日韩欧美国产| 人成视频在线观看免费观看| 不卡一级毛片| 狂野欧美激情性xxxx| 在线永久观看黄色视频| 亚洲精品av麻豆狂野| 国产伦人伦偷精品视频| 在线观看免费视频日本深夜| 在线观看日韩欧美| 97人妻精品一区二区三区麻豆 | 国产真人三级小视频在线观看| 一本精品99久久精品77| 午夜福利免费观看在线| 757午夜福利合集在线观看| 一本久久中文字幕| 久久久久亚洲av毛片大全| 国产成人欧美| 天堂√8在线中文| 欧美中文综合在线视频| 97人妻精品一区二区三区麻豆 | 国产又黄又爽又无遮挡在线| 午夜a级毛片| 亚洲成国产人片在线观看| 村上凉子中文字幕在线| e午夜精品久久久久久久| 成人av一区二区三区在线看| 久久香蕉激情| 男人舔女人的私密视频| 亚洲人成伊人成综合网2020| 日本五十路高清| 成人国语在线视频| 国产成人系列免费观看| 国产亚洲欧美精品永久| 午夜a级毛片| 午夜久久久久精精品| 88av欧美| 国产精品电影一区二区三区| 变态另类丝袜制服| 免费一级毛片在线播放高清视频| 欧美日韩中文字幕国产精品一区二区三区| 99国产精品99久久久久| 嫩草影院精品99| 日韩国内少妇激情av| 欧美在线一区亚洲| 麻豆成人av在线观看| 久久性视频一级片| 悠悠久久av| 久久这里只有精品19| 村上凉子中文字幕在线| 特大巨黑吊av在线直播 | 中出人妻视频一区二区| 国产精品,欧美在线| 女人爽到高潮嗷嗷叫在线视频| 桃红色精品国产亚洲av| 天天躁狠狠躁夜夜躁狠狠躁| 啦啦啦观看免费观看视频高清| 亚洲一码二码三码区别大吗| 亚洲专区中文字幕在线| 在线播放国产精品三级| 久久中文字幕人妻熟女| 欧美日韩黄片免| 精品欧美一区二区三区在线| 国产午夜精品久久久久久| 老司机深夜福利视频在线观看| 国产色视频综合| 亚洲国产毛片av蜜桃av| 国产成人av激情在线播放| 两个人视频免费观看高清| 国内少妇人妻偷人精品xxx网站 | 国产精品美女特级片免费视频播放器 | 亚洲国产中文字幕在线视频| 欧美激情 高清一区二区三区| 又黄又粗又硬又大视频| 午夜精品久久久久久毛片777| 国产精品香港三级国产av潘金莲| 一区二区三区国产精品乱码| 18禁裸乳无遮挡免费网站照片 | 99riav亚洲国产免费| 18禁观看日本| 99热这里只有精品一区 | 亚洲成人久久性| 日本三级黄在线观看| 99国产综合亚洲精品| 亚洲国产精品合色在线| 1024手机看黄色片| 国产精品久久久久久精品电影 | 日本在线视频免费播放| 俄罗斯特黄特色一大片| 日韩大尺度精品在线看网址| 午夜亚洲福利在线播放| 久久久久久人人人人人| 日本一区二区免费在线视频| 一a级毛片在线观看| 99久久99久久久精品蜜桃| 久久中文字幕一级| 日本黄色视频三级网站网址| 亚洲欧美激情综合另类| 老熟妇仑乱视频hdxx| 十分钟在线观看高清视频www| av天堂在线播放| 午夜福利成人在线免费观看| 国产精品影院久久| 婷婷丁香在线五月| 午夜福利在线在线| 99久久综合精品五月天人人|