• <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ISVM-DS的紅外多傳感器融合識別方法

    2024-11-22 00:00:00吳釔達王彩云王佳寧李曉飛
    關(guān)鍵詞:輻射強度彈道波段

    摘 要:

    彈道中段目標為一個目標群,包括彈頭、誘餌、碎片等,并且由于距離傳感器較遠,紅外成像為點目標,可用信息較少,因此單一的紅外傳感器往往難以滿足識別要求,需要融合多個傳感器進行識別。針對紅外多傳感器的融合識別問題,本文提出了基于增量支持向量機和D-S (increment support vector machine-Dempster-Shafer, ISVM-DS)證據(jù)理論的融合識別方法。首先,訓(xùn)練多個波段傳感器紅外特征的支持向量數(shù)據(jù)描述(support vector data description, SVDD)模型,生成殼向量并訓(xùn)練其ISVM模型;接著,采用ISVM模型的后驗概率生成基本概率賦值(basic probability assignment, BPA);最后,利用D-S證據(jù)理論對多個證據(jù)的BPA進行融合,輸出分類結(jié)果。實驗結(jié)果表明,該方法能有效提高目標識別的準確性。

    關(guān)鍵詞:

    彈道目標識別; 多傳感器融合; Dempster-Shafer證據(jù)理論; 支持向量機

    中圖分類號:

    TP 391.41

    文獻標志碼: A""" DOI:10.12305/j.issn.1001-506X.2024.05.10

    Infrared multi-sensor fusion recognition method based on ISVM-DS

    WU Yida1, WANG Caiyun1,*, WANG Jianing2, LI Xiaofei2

    (1. College of Astronautics, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China;

    2. Beijing Institute of Electronic System Engineering, Beijing 100854, China)

    Abstract:

    In the middle part of the ballistic trajectory, the target is a group of targets, including warheads, decoys, and fragments. Moreover, due to the long distance from the sensor, the infrared imaging of the target is a point target with less available information. Therefore, a single infrared sensor is often difficult to meet the recognition requirements, which means that multiple sensors need to be fused to complete the recognition task. In response to the fusion recognition problem of infrared multiple sensors, a fusion recognition method based on increment support vector machine-Dempster-Shafer (ISVM-DS) evidence theory is proposed. Firstly, the support vector data description (SVDD) model of infrared features of multiple band sensors is trained, and the shell vector is generated and the ISVM model is trained. Then the posterior probability of the ISVM model is used to generate basic probability assignment (BPA). Finally, the D-S evidence theory is used to fuse the BPA of multiple evidences and output classification results. Experimental results show that the proposed method can effectively improve the accuracy of target recognition.

    Keywords:

    ballistic target recognition; multi-sensor fusion; Dempster-Shafer (D-S) evidence theory; support vector machine (SVM)

    0 引 言

    彈道導(dǎo)彈具有射程遠、威力大、精度高等特點,是現(xiàn)代軍事中最常見的武器之一。彈道導(dǎo)彈包括助推段、中段、再入段3個飛行階段,在彈道中段,目標為一個目標群,包括真彈頭、輕誘餌、重誘餌、碎片等,如何從中準確識別出真彈頭是實現(xiàn)彈道導(dǎo)彈防御攔截的關(guān)鍵。

    紅外傳感器具有探測范圍廣、抗干擾能力強等優(yōu)點,被廣泛用于彈道導(dǎo)彈目標識別。彈道目標的紅外輻射特性與傳感器特性、目標幾何姿態(tài)、目標表面材料有關(guān)[1],對不同的紅外傳感器來說,由于探測波段、探測視線角等的不同,每個傳感器所能提取的特征存在差異,將多個傳感器獲取的特征融合能夠更好地描述目標,實現(xiàn)更準確的目標識別。

    針對復(fù)雜場景下的目標多傳感融合識別問題,許多學(xué)者進行了大量研究。但多是紅外圖像與其他傳感器進行融合,包括紅外和可見光融合[2-4]、紅外和雷達融合[5-7]等,僅利用點目標的輻射強度序列進行融合識別的較少。Yang[8]等基于不同波段的熱能分布差異,融合雙波段探測器對目標和誘餌進行識別。張國亮[9]等提出一種基于粒子群優(yōu)化概率神經(jīng)網(wǎng)絡(luò)(probabilistic neural network, PNN)的識別方法,融合了多光譜信息并提取出了多個動態(tài)特征。鄒子強[10]利用D-S證據(jù)理論對激光/紅外復(fù)合探測信息進行融合,對裝甲目標進行了識別,取得了較好的識別效果。戴樺宇[11]等采用Adaboost算法通過紅外輻射強度特征與溫度特征分別對目標進行粗識別,在粗識別結(jié)果的基礎(chǔ)上,調(diào)整分類器權(quán)值對目標進行精細識別。Wu[12]等提出了一種基于形態(tài)特征、紅外輻射和運動特征的新型多模態(tài)特征融合網(wǎng)絡(luò)(multimodal feature fusion network, MFFN),彌補了小目標單模態(tài)特征描述的不足,提高了識別精度。

    本文將增量學(xué)習(xí)與多傳感融合識別模型進行結(jié)合,提出一種基于增量支持向量機(increment support vector machine, ISVM)和D-S(Dempster-Shafer)證據(jù)理論的融合識別算法,利用支持向量數(shù)據(jù)描述(support vector data description, SVDD)方法構(gòu)造ISVM,結(jié)合分類器置信度構(gòu)造基本概率賦值(basic probability assignment, BPA),最后利用D-S證據(jù)理論實現(xiàn)融合識別,在提高識別準確性的基礎(chǔ)上,提升了模型的學(xué)習(xí)效率。

    1 基于SVDD的ISVM方法

    1.1 支持向量機

    支持向量機(support vector machine, SVM)[13]的思想在于找到不同樣本間的一個最優(yōu)超平面f(x)=wx+b,通過y=sgnf(x)來判斷樣本的所屬類別。當(dāng)樣本線性可分時,直接尋找最優(yōu)超平面,即線性SVM;當(dāng)樣本線性不可分時,采用核函數(shù)將其映射到高維空間中使其線性可分,即非線性SVM。SVM的決策函數(shù)輸出形式為

    3 實驗結(jié)果與分析

    3.1 識別場景設(shè)置

    建立了5種目標的幾何和軌道模型并計算其紅外輻射強度序列作為識別特征,5種目標的幾何模型如圖3所示。

    彈道目標的運動包括平動和微動,其中,彈頭和其他目標的微動形式不同。由于彈頭存在姿態(tài)穩(wěn)定控制,因此其微動形式為進動,而誘餌和碎片等目標表現(xiàn)為翻滾。兩種微動形式分別如圖4所示。

    本文的5類目標中,除真彈頭為進動(進動頻率3.5 Hz,進動角8°,自旋頻率5 Hz),其余目標皆為翻滾(翻滾頻率5 Hz)。

    目標的表面材料均為鋁箔(吸收率:0.192;發(fā)射率:0.036)。在彈道終點附近隨機生成不同的坐標,作為紅外傳感器的部署位置,生成結(jié)果如圖5所示。

    設(shè)置每個傳感器的探測波段不同,包括5~7 μm、8~12 μm、12~14 μm。設(shè)信噪比為10 dB,最終通過計算得到各個目標的紅外輻射強度[19-21],傳感器1獲取的彈頭和誘餌輻射強度如圖6所示。

    計算得到各個目標在不同傳感器下的輻射強度如圖7所示。

    隨機生成150組目標的微動參數(shù)和傳感器位置,計算5類目標的輻射強度序列,其中,150個傳感器劃分為 3組,每組對應(yīng)一種探測波段。最終將其中的70%作為訓(xùn)練集,剩余30%作為測試集。

    3.2 識別方法與結(jié)果分析

    實驗 1

    單/多波段傳感器識別

    用單個波段傳感器進行目標識別,將每個傳感器訓(xùn)練模型分別在自身及另外兩個波段傳感器的測試數(shù)據(jù)上進行識別,最終識別結(jié)果如表1所示。

    由上表可知,單波段傳感器下目標識別結(jié)果最高為0.920 0,最低為0.902 2,平均識別率為0.909 6,基本能夠?qū)崿F(xiàn)目標識別,效果好于其他算法,證明了本文算法的有效性。

    分別融合不同波段傳感器的數(shù)據(jù)進行識別,測試集數(shù)據(jù)設(shè)置一致,采用KNN-DS(K-nearest neighbors-DS)、SVM-DS和本文算法對比測試識別結(jié)果如表2所示。

    可以看出,融合多個波段傳感器的識別結(jié)果均高于單波段傳感器的識別,融合識別的平均識別率為0.956 7,效果好于傳統(tǒng)的KNN-DS和SVM-DS,證明了融合算法的有效性。

    實驗 2

    算法魯棒性檢驗

    改變數(shù)據(jù)的信噪比,測試融合算法在不同噪聲環(huán)境下的性能,算法設(shè)置為融合5~7 μm、8~12 μm、12~14 μm共3個波段的數(shù)據(jù),信噪比(signal to noise ratio, SNR)范圍為-20~20 dB,在不同SNR下的識別結(jié)果如圖8所示。

    可以看出,當(dāng)SNRgt;4 dB時,分類準確率超過了0.90,當(dāng)SNRgt;10 dB時,分類準確率超過了0.97,證明了算法的魯棒性。

    4 結(jié) 語

    針對彈道目標紅外多傳感器融合識別問題,本文提出了一種基于ISVM-DS的融合識別方法,通過仿真生成了典型場景的數(shù)據(jù),并進行了實驗驗證,實驗結(jié)果表明該算法的識別效果較好,且具備良好的魯棒性。

    該算法的優(yōu)勢在于能夠在線增量更新模型,一定意義上能夠解決小樣本問題。其局限性在于所處理的多傳感器數(shù)據(jù)必須是嚴格配準的,針對傳感器數(shù)據(jù)缺失等難以解決問題,未來可針對性進行改進。

    參考文獻

    [1] 李享, 李勁東, 孫鶴枝, 等. 空間目標溫度與紅外特性影響因素研究[J]. 激光與紅外, 2019, 49(12): 1436-1441.

    LI X, LI J D, SUN H Z, et al. Influencing factors of temperature and infrared characteristics of space target[J]. Laser amp; Infrared, 2019, 49(12): 1436-1441.

    [2] 李全軍, 張貴倉, 韓根亮, 等. 基于雙分解的雙通道PCNN紅外與可見光圖像融合[J]. 激光與紅外, 2023, 53(5): 784-791.

    LI Q J, ZHANG G C, HAN G L, et al. Dual channel PCNN infrared and visible image fusion based on dual decomposition[J]. Laser amp; Infrared, 2023, 53(5): 784-791.

    [3] WANG S Y, YANG Y B, LIU Z G, et al. Target recognition with fusion of visible and infrared images based on mutual learning[J]. Soft Computing, 2023, 27: 7879-7894.

    [4] YING J C, TONG C, SHENG Z H, et al. Region-aware RGB and near-infrared image fusion[J]. Pattern Recognition, 2023, 142: 109717.

    [5] HE Z Y, ZHUGE X D, WANG J X, et al. Half space object classification via incident angle based fusion of radar and infrared sensors[J]. Journal of Systems Engineering and Electronics, 2022, 33(5): 1025-1031.

    [6] KONG S, GAN L, WANG R, et al. Target tracking algorithm of radar and infrared sensor based on multi-source information fusion[C]∥Proc.of the International Conference on Artificial Intelligence, Information Processing and Cloud Computing, 2022: 389-392.

    [7] ZHANG Y, YUAN H X, TAN Q M, et al. Research on spatial target recognition method based on multi-source sensor fusion[C]∥Proc.of the 6th Asia-Pacific Conference on Synthetic Aperture Radar, 2019.

    [8] YANG S Q, WANG B J, YI X, et al. Infrared decoys recognition method based on dual-band information fusion[J]. Infrared Physics amp; Technology, 2014, 67: 542-546.

    [9] 張國亮, 楊春玲, 王暕來. 基于優(yōu)化概率神經(jīng)網(wǎng)絡(luò)和紅外多光譜融合的大氣層外空間彈道目標識別[J]. 電子與信息學(xué)報, 2014, 36(4): 896-902.

    ZHANG G L, YANG C L, WANG J L. Discrimination of exo-atmospheric targets based on optimization of probabilistic neural network and IR multispectral fusion[J]. Journal of Electronics amp; Information Technology, 2014, 36(4): 896-902.

    [10] 鄒子強. 多波段復(fù)合探測信息融合方法研究[D]. 西安: 西安工業(yè)大學(xué), 2019.

    ZOU Z Q. Research on information fusion method of multispectral compounding detection[D]. Xi’an: Xi’an Technological University, 2019.

    [11] 戴樺宇, 周玉明, 黃山, 等. 基于紅外多特征的彈道中段目標識別研究[J]. 指揮與控制學(xué)報, 2019, 5(4): 302-307.

    DAI H Y, ZHOU Y M, HUANG S, et al. Target recognition of ballistic middle segment based on infrared multiple features[J]. Journal of Command and Control, 2019, 5(4): 302-307.

    [12] WU D, CAO L, ZHOU P, et al. Infrared small-target detection based on radiation characteristics with a multimodal feature fusion network[J]. Remote Sensing, 2022, 14: 3570.

    [13] 王彩云, 黃盼盼, 李曉飛, 等. 基于AEPSO-SVM算法的雷達HRRP目標識別[J]. 系統(tǒng)工程與電子技術(shù), 2019, 41(9): 1984-1989.

    WANG C Y, HUANG P P, LI X F, et al. Radar HRRP target recognition based on AEPSO-SVM algorithm[J]. Systems Engineering and Electronics, 2019, 41(9): 1984-1989.

    [14] SUN Z W, GUO Z W, WANG X P, et al. Fast extended one-versus-rest multi-label SVM classification algorithm based on approximate extreme points[C]∥Proc.of the 22th International Conference on Database Systems for Advanced Applications, 2017: 265-278.

    [15] LIU Y, BI J W, FAN Z P. A method for multi-class sentiment classification based on an improved one-vs-one (OVO) strategy and the support vector machine (SVM) algorithm[J]. Information Sciences, 2017, 394/395: 38-52.

    [16] 茅嫣蕾, 魏赟, 賈佳. 一種基于KKT條件和殼向量的SVM增量學(xué)習(xí)算法[J]. 電子科技, 2016, 29(2): 38-40, 44.

    MAO Y L, WEI Y, JIA J. A new incremental SVM learning algorithm based on KKT conditions and hull vectors[J]. Electronic Science and Technology, 2016, 29(2): 38-40, 44.

    [17] WANG Z G, ZHAO Z S, WENG S F, et al. Solving one-class problem with outlier examples by SVM[J]. Neurocomputing, 2014, 149(A): 100-105.

    [18] 周志杰, 唐帥文, 胡昌華, 等. 證據(jù)推理理論及其應(yīng)用[J]. 自動化學(xué)報, 2021, 47(5): 970-984.

    ZHOU Z J, TANG S W, HU C H, et al. Evidential reasoning theory and its applications[J]. Acta Automatica Sinica, 2021, 47(5): 970-984.

    [19] ZHAO B D, XIAO S Z, LU H Z, et al. Modeling and simulation of infrared signature of remote aerial targets[C]∥Proc.of the 10th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics, 2017.

    [20] ZHANG H, RAO P, XIA H, et al. Modeling and analysis of infrared radiation dynamic characteristics for space micromotion target recognition[J]. Infrared Physics amp; Technology, 2021, 116: 103795.

    [21] 李享, 李勁東, 王玉瑩, 等. 中段飛行彈道導(dǎo)彈表面溫度與輻射特性計算[J]. 紅外技術(shù), 2022, 44(2): 134-139.

    LI X, LI J D, WANG Y Y, et al. Calculation of temperature and radiation characteristics of midcourse ballistic missiles[J]. Infrared Technology, 2022, 44(2): 134-139.

    作者簡介

    吳釔達(1998—),男,博士研究生,主要研究方向為目標檢測與識別。

    王彩云(1975—),女,副教授,博士,主要研究方向為雷達信號處理、雷達目標檢測與識別。

    王佳寧(1988—),女,副研究員,博士,主要研究方向為目標識別總體設(shè)計。

    李曉飛(1984—),女,研究員,博士,主要研究方向為目標識別、彈道導(dǎo)彈識別。

    猜你喜歡
    輻射強度彈道波段
    春日暖陽
    彈道——打勝仗的奧秘
    氧氣A(O,O)波段氣輝體發(fā)射率和臨邊輻射強度模擬與分析
    一維彈道修正彈無線通信系統(tǒng)研制
    電子制作(2019年7期)2019-04-25 13:17:48
    M87的多波段輻射過程及其能譜擬合
    基于PID控制的二維彈道修正彈仿真
    基于模擬太陽輻射強度對自然循環(huán)式PV/T系統(tǒng)的實驗研究
    日常維護對L 波段雷達的重要性
    西藏科技(2015年4期)2015-09-26 12:12:58
    消除彈道跟蹤數(shù)據(jù)中伺服系統(tǒng)的振顫干擾
    紅外地球敏感器輻射強度在軌數(shù)據(jù)分析*
    久久国产精品大桥未久av| 国产精品人妻久久久久久| 亚洲色图综合在线观看| av免费观看日本| 观看av在线不卡| 2022亚洲国产成人精品| 国产精品 国内视频| 永久免费av网站大全| 午夜福利网站1000一区二区三区| av网站免费在线观看视频| 国产永久视频网站| 男女边摸边吃奶| 91aial.com中文字幕在线观看| av福利片在线| 久久久欧美国产精品| 五月伊人婷婷丁香| 永久网站在线| 90打野战视频偷拍视频| 在线观看免费视频网站a站| 国产 精品1| 熟妇人妻不卡中文字幕| 日本91视频免费播放| av线在线观看网站| 91成人精品电影| 高清在线视频一区二区三区| 丝袜在线中文字幕| 免费黄网站久久成人精品| 亚洲av综合色区一区| 久久久久久人妻| 两个人免费观看高清视频| 91成人精品电影| 18禁观看日本| 久久久精品94久久精品| 日本wwww免费看| 成人国产麻豆网| 国产精品国产三级国产av玫瑰| 国产亚洲最大av| 毛片一级片免费看久久久久| 欧美日韩国产mv在线观看视频| 九色亚洲精品在线播放| 狠狠精品人妻久久久久久综合| 国产精品麻豆人妻色哟哟久久| 成年女人在线观看亚洲视频| 80岁老熟妇乱子伦牲交| 亚洲美女搞黄在线观看| 一二三四在线观看免费中文在 | 久久人人爽av亚洲精品天堂| 看免费av毛片| 国产免费视频播放在线视频| 欧美日韩视频高清一区二区三区二| 一级毛片电影观看| 亚洲精品国产色婷婷电影| 七月丁香在线播放| 久久免费观看电影| 亚洲精品美女久久av网站| 国产亚洲av片在线观看秒播厂| 亚洲伊人色综图| 欧美丝袜亚洲另类| 国产精品嫩草影院av在线观看| 人妻人人澡人人爽人人| 下体分泌物呈黄色| 建设人人有责人人尽责人人享有的| 男人舔女人的私密视频| 欧美少妇被猛烈插入视频| 久久97久久精品| 国产在视频线精品| 97人妻天天添夜夜摸| 欧美成人精品欧美一级黄| 国产深夜福利视频在线观看| 高清在线视频一区二区三区| 精品国产一区二区三区久久久樱花| 男人操女人黄网站| 黄片播放在线免费| 99热这里只有是精品在线观看| 极品少妇高潮喷水抽搐| 久久久a久久爽久久v久久| 亚洲三级黄色毛片| 日韩精品免费视频一区二区三区 | 色婷婷av一区二区三区视频| 亚洲一区二区三区欧美精品| 欧美亚洲 丝袜 人妻 在线| 日韩人妻精品一区2区三区| 中文字幕人妻熟女乱码| 中文字幕人妻熟女乱码| 国产男女内射视频| 亚洲精品久久午夜乱码| 国产1区2区3区精品| 欧美人与性动交α欧美软件 | 国产探花极品一区二区| 看免费成人av毛片| 亚洲激情五月婷婷啪啪| 国产精品国产三级专区第一集| 日韩中字成人| 18禁裸乳无遮挡动漫免费视频| 91精品伊人久久大香线蕉| 亚洲精品456在线播放app| 午夜福利视频在线观看免费| 久久精品aⅴ一区二区三区四区 | 2022亚洲国产成人精品| 国产综合精华液| 狂野欧美激情性bbbbbb| 日本91视频免费播放| 国产精品.久久久| 如日韩欧美国产精品一区二区三区| 一区二区av电影网| 一区二区三区四区激情视频| 欧美3d第一页| 日本黄色日本黄色录像| 亚洲美女视频黄频| 毛片一级片免费看久久久久| 久久精品国产鲁丝片午夜精品| 国产又色又爽无遮挡免| 婷婷色综合大香蕉| 日日摸夜夜添夜夜爱| 国产成人欧美| 色94色欧美一区二区| 日韩伦理黄色片| 亚洲,一卡二卡三卡| 亚洲美女搞黄在线观看| 99国产综合亚洲精品| 色婷婷av一区二区三区视频| 精品一区二区三区视频在线| 午夜免费男女啪啪视频观看| 成人国产麻豆网| 99九九在线精品视频| 精品亚洲成a人片在线观看| 亚洲欧美一区二区三区黑人 | 色婷婷久久久亚洲欧美| 久久久欧美国产精品| freevideosex欧美| 欧美日韩国产mv在线观看视频| 久久国产精品男人的天堂亚洲 | 纯流量卡能插随身wifi吗| 久久国产精品大桥未久av| 十分钟在线观看高清视频www| 咕卡用的链子| 人妻 亚洲 视频| 亚洲精品久久久久久婷婷小说| 久久精品久久精品一区二区三区| 国产成人精品一,二区| 亚洲av欧美aⅴ国产| 夫妻午夜视频| 狠狠精品人妻久久久久久综合| 一级毛片黄色毛片免费观看视频| 制服人妻中文乱码| 高清毛片免费看| 免费高清在线观看日韩| xxx大片免费视频| 国产成人aa在线观看| 亚洲精品美女久久久久99蜜臀 | 男人添女人高潮全过程视频| 一区在线观看完整版| 王馨瑶露胸无遮挡在线观看| 久久久精品免费免费高清| 国产精品成人在线| 我要看黄色一级片免费的| 午夜影院在线不卡| 久久99蜜桃精品久久| 亚洲精品久久午夜乱码| 国产一区有黄有色的免费视频| 日韩人妻精品一区2区三区| 精品少妇久久久久久888优播| 日日啪夜夜爽| 免费女性裸体啪啪无遮挡网站| 日韩av免费高清视频| 建设人人有责人人尽责人人享有的| 性高湖久久久久久久久免费观看| 日韩av免费高清视频| 蜜桃国产av成人99| 国产av码专区亚洲av| 一级毛片电影观看| 老女人水多毛片| 日韩av不卡免费在线播放| 黄色怎么调成土黄色| 精品亚洲乱码少妇综合久久| 国产免费又黄又爽又色| freevideosex欧美| 我要看黄色一级片免费的| 久久亚洲国产成人精品v| 日韩不卡一区二区三区视频在线| av不卡在线播放| 97超碰精品成人国产| 亚洲欧美成人综合另类久久久| 在线 av 中文字幕| 亚洲精品美女久久久久99蜜臀 | 精品一品国产午夜福利视频| 视频区图区小说| 9热在线视频观看99| 在线天堂中文资源库| 亚洲国产精品专区欧美| 久久久久国产精品人妻一区二区| 久久女婷五月综合色啪小说| 在线观看国产h片| 自线自在国产av| 美女大奶头黄色视频| av在线播放精品| 国产成人精品一,二区| 香蕉国产在线看| 国产在视频线精品| 欧美人与善性xxx| 色吧在线观看| 欧美日韩亚洲高清精品| 成人毛片60女人毛片免费| 视频中文字幕在线观看| 国产免费又黄又爽又色| 亚洲国产精品专区欧美| 国产乱来视频区| 久久国产精品大桥未久av| 中文字幕最新亚洲高清| 麻豆精品久久久久久蜜桃| 亚洲成av片中文字幕在线观看 | 亚洲欧美一区二区三区黑人 | 亚洲国产精品999| 国产一区二区三区综合在线观看 | 中文字幕人妻熟女乱码| 日本猛色少妇xxxxx猛交久久| 亚洲精品久久午夜乱码| 国产精品一二三区在线看| 国产精品不卡视频一区二区| 大香蕉久久成人网| 国产精品人妻久久久影院| 国产av国产精品国产| 老熟女久久久| 免费高清在线观看日韩| 免费久久久久久久精品成人欧美视频 | 免费av不卡在线播放| 欧美精品一区二区免费开放| 久久综合国产亚洲精品| av线在线观看网站| 香蕉丝袜av| 观看av在线不卡| 91精品国产国语对白视频| 久久久国产欧美日韩av| 久久人妻熟女aⅴ| 精品一区二区免费观看| 国产成人av激情在线播放| 国产精品熟女久久久久浪| 在线观看www视频免费| 免费人成在线观看视频色| 久久久久久久久久人人人人人人| 精品国产一区二区久久| 黄色毛片三级朝国网站| 国产亚洲精品第一综合不卡 | 欧美另类一区| 侵犯人妻中文字幕一二三四区| 日韩欧美一区视频在线观看| a级毛片在线看网站| 制服人妻中文乱码| 久久精品夜色国产| videos熟女内射| 亚洲成色77777| 美女主播在线视频| 91午夜精品亚洲一区二区三区| 亚洲第一av免费看| 欧美激情极品国产一区二区三区 | 成人国语在线视频| 午夜老司机福利剧场| 国产乱人偷精品视频| 99视频精品全部免费 在线| 99久久中文字幕三级久久日本| 亚洲欧美日韩卡通动漫| 欧美日韩亚洲高清精品| 女人久久www免费人成看片| 成人国产麻豆网| 99九九在线精品视频| 久久精品国产鲁丝片午夜精品| 久久这里有精品视频免费| 深夜精品福利| 国产成人精品在线电影| 伊人亚洲综合成人网| 日本wwww免费看| 色婷婷久久久亚洲欧美| 日韩一区二区视频免费看| 亚洲av国产av综合av卡| √禁漫天堂资源中文www| 人妻少妇偷人精品九色| 少妇被粗大的猛进出69影院 | 亚洲天堂av无毛| 精品久久国产蜜桃| av不卡在线播放| 超碰97精品在线观看| 在线观看人妻少妇| 国产精品不卡视频一区二区| 99视频精品全部免费 在线| av播播在线观看一区| 午夜老司机福利剧场| 两个人看的免费小视频| 最近最新中文字幕免费大全7| 久久精品久久久久久噜噜老黄| 亚洲熟女精品中文字幕| 18在线观看网站| 午夜日本视频在线| 在线看a的网站| 亚洲精品美女久久av网站| 免费看av在线观看网站| 最近的中文字幕免费完整| 2021少妇久久久久久久久久久| 午夜福利视频精品| 亚洲av电影在线观看一区二区三区| 久久久国产一区二区| 久久久久视频综合| 亚洲国产精品专区欧美| 人人妻人人澡人人看| 国产欧美日韩综合在线一区二区| av播播在线观看一区| 在线观看免费日韩欧美大片| 亚洲激情五月婷婷啪啪| 天天躁夜夜躁狠狠久久av| 成年美女黄网站色视频大全免费| 九九在线视频观看精品| 波野结衣二区三区在线| 大香蕉久久网| 黄色配什么色好看| 捣出白浆h1v1| 久久鲁丝午夜福利片| 久久久久久久久久成人| a级片在线免费高清观看视频| 久久这里有精品视频免费| 精品视频人人做人人爽| 国产淫语在线视频| 永久网站在线| av天堂久久9| 国内精品宾馆在线| 国产亚洲精品久久久com| 人人妻人人爽人人添夜夜欢视频| 成人国产av品久久久| 国内精品宾馆在线| 91精品三级在线观看| 日韩不卡一区二区三区视频在线| 成人无遮挡网站| 亚洲国产精品成人久久小说| 国产不卡av网站在线观看| 波野结衣二区三区在线| 男女边吃奶边做爰视频| 国产亚洲欧美精品永久| 午夜激情久久久久久久| 大码成人一级视频| 2018国产大陆天天弄谢| 日本猛色少妇xxxxx猛交久久| 国国产精品蜜臀av免费| 黑人猛操日本美女一级片| 中文字幕最新亚洲高清| 黄片播放在线免费| 国精品久久久久久国模美| 国产成人a∨麻豆精品| 精品国产国语对白av| 国产精品久久久久成人av| 亚洲精品国产av成人精品| 又黄又粗又硬又大视频| 欧美最新免费一区二区三区| 精品酒店卫生间| 99精国产麻豆久久婷婷| 制服丝袜香蕉在线| 91午夜精品亚洲一区二区三区| 亚洲精品,欧美精品| 中文字幕人妻熟女乱码| 99热网站在线观看| 国产欧美另类精品又又久久亚洲欧美| 久久久国产一区二区| 狂野欧美激情性xxxx在线观看| 精品第一国产精品| 午夜福利视频精品| 国产精品久久久久成人av| 欧美精品亚洲一区二区| 免费看av在线观看网站| 丝瓜视频免费看黄片| 国产色婷婷99| 97超碰精品成人国产| 九草在线视频观看| 免费观看av网站的网址| 亚洲av国产av综合av卡| 久久久久精品久久久久真实原创| 最近最新中文字幕免费大全7| 亚洲欧洲日产国产| 黄片播放在线免费| 精品卡一卡二卡四卡免费| 亚洲精品日本国产第一区| 青春草国产在线视频| 内地一区二区视频在线| av又黄又爽大尺度在线免费看| 在线观看国产h片| 久久国产亚洲av麻豆专区| 国产熟女午夜一区二区三区| 色婷婷av一区二区三区视频| 色哟哟·www| av在线播放精品| 日韩免费高清中文字幕av| 免费黄色在线免费观看| 国产爽快片一区二区三区| 青春草视频在线免费观看| 午夜福利,免费看| 99视频精品全部免费 在线| 亚洲精品视频女| 欧美bdsm另类| 免费久久久久久久精品成人欧美视频 | 午夜福利视频在线观看免费| 国产成人午夜福利电影在线观看| 日韩熟女老妇一区二区性免费视频| 欧美日韩一区二区视频在线观看视频在线| 国产精品人妻久久久久久| 久久精品国产亚洲av涩爱| 欧美xxⅹ黑人| 国产 一区精品| 亚洲精品色激情综合| 欧美成人午夜精品| 久久人妻熟女aⅴ| av在线播放精品| 极品少妇高潮喷水抽搐| 国产有黄有色有爽视频| 色吧在线观看| 男人爽女人下面视频在线观看| h视频一区二区三区| 一区二区三区精品91| 日日摸夜夜添夜夜爱| 国产精品不卡视频一区二区| 人成视频在线观看免费观看| 搡女人真爽免费视频火全软件| 久久影院123| 国产片特级美女逼逼视频| 黑人巨大精品欧美一区二区蜜桃 | 亚洲欧洲国产日韩| 亚洲欧洲日产国产| 一级毛片我不卡| 欧美日韩亚洲高清精品| 欧美变态另类bdsm刘玥| 美女脱内裤让男人舔精品视频| 国产一区二区三区av在线| 九色成人免费人妻av| 嫩草影院入口| 蜜桃国产av成人99| 国产不卡av网站在线观看| 国产精品国产三级国产av玫瑰| 欧美亚洲日本最大视频资源| 肉色欧美久久久久久久蜜桃| 夫妻午夜视频| 美女视频免费永久观看网站| 人人妻人人澡人人爽人人夜夜| 中国三级夫妇交换| 熟女人妻精品中文字幕| 亚洲性久久影院| www.色视频.com| 亚洲精品成人av观看孕妇| 人妻 亚洲 视频| 成人毛片a级毛片在线播放| 黑人高潮一二区| 一级毛片我不卡| 亚洲美女搞黄在线观看| 国产一区二区三区综合在线观看 | 在线观看免费高清a一片| 欧美3d第一页| 国产不卡av网站在线观看| 美女大奶头黄色视频| 自拍欧美九色日韩亚洲蝌蚪91| 一区二区三区乱码不卡18| 精品第一国产精品| 国产xxxxx性猛交| 亚洲av.av天堂| 伊人久久国产一区二区| 五月伊人婷婷丁香| 水蜜桃什么品种好| 在线看a的网站| 午夜老司机福利剧场| 免费黄网站久久成人精品| 不卡视频在线观看欧美| 国产黄频视频在线观看| 国产亚洲最大av| 久久久久国产精品人妻一区二区| 免费人成在线观看视频色| 九九在线视频观看精品| 国产成人91sexporn| 久久国产亚洲av麻豆专区| 纯流量卡能插随身wifi吗| 亚洲精品美女久久av网站| 一区在线观看完整版| 两个人看的免费小视频| 亚洲欧美一区二区三区国产| 青春草国产在线视频| 国产午夜精品一二区理论片| 男女啪啪激烈高潮av片| 91久久精品国产一区二区三区| 国产成人aa在线观看| 80岁老熟妇乱子伦牲交| 亚洲精品视频女| 成人影院久久| 免费看av在线观看网站| 精品人妻熟女毛片av久久网站| 捣出白浆h1v1| 男女下面插进去视频免费观看 | 一区二区三区乱码不卡18| 91成人精品电影| 一级毛片黄色毛片免费观看视频| 99久久中文字幕三级久久日本| 一本大道久久a久久精品| 亚洲第一av免费看| av网站免费在线观看视频| 国产亚洲最大av| 激情视频va一区二区三区| 国产探花极品一区二区| 69精品国产乱码久久久| 啦啦啦视频在线资源免费观看| 欧美成人午夜免费资源| 熟女电影av网| 中文精品一卡2卡3卡4更新| 国产成人aa在线观看| 亚洲性久久影院| 国产极品粉嫩免费观看在线| 久久精品国产综合久久久 | 91aial.com中文字幕在线观看| 啦啦啦中文免费视频观看日本| 丝瓜视频免费看黄片| 日本-黄色视频高清免费观看| 少妇的逼好多水| 激情视频va一区二区三区| 国产成人精品福利久久| 我的女老师完整版在线观看| 老司机亚洲免费影院| 欧美变态另类bdsm刘玥| 男人操女人黄网站| 咕卡用的链子| 成年女人在线观看亚洲视频| 国产精品偷伦视频观看了| 男男h啪啪无遮挡| 国产色婷婷99| 免费人妻精品一区二区三区视频| 看免费av毛片| 国产一区有黄有色的免费视频| 日韩av在线免费看完整版不卡| 最近中文字幕高清免费大全6| 极品少妇高潮喷水抽搐| 22中文网久久字幕| 日韩成人av中文字幕在线观看| 日日啪夜夜爽| 国产成人精品福利久久| 男人操女人黄网站| 好男人视频免费观看在线| 国产淫语在线视频| 91午夜精品亚洲一区二区三区| 一级毛片 在线播放| 男人爽女人下面视频在线观看| 极品少妇高潮喷水抽搐| 大陆偷拍与自拍| 色哟哟·www| 在线亚洲精品国产二区图片欧美| 国产av一区二区精品久久| 亚洲精品美女久久av网站| 国产一区亚洲一区在线观看| 少妇熟女欧美另类| 90打野战视频偷拍视频| 色哟哟·www| 久久久久久人人人人人| 久久99一区二区三区| 在线观看美女被高潮喷水网站| 国产亚洲精品第一综合不卡 | 国精品久久久久久国模美| 国产xxxxx性猛交| av免费观看日本| 亚洲精品日本国产第一区| 亚洲精品美女久久av网站| 亚洲av福利一区| 亚洲国产欧美日韩在线播放| 亚洲国产精品一区二区三区在线| 亚洲情色 制服丝袜| 亚洲伊人色综图| 菩萨蛮人人尽说江南好唐韦庄| 极品少妇高潮喷水抽搐| 99热网站在线观看| 巨乳人妻的诱惑在线观看| 亚洲国产av新网站| 18禁观看日本| 国产极品粉嫩免费观看在线| 亚洲国产欧美日韩在线播放| 成人手机av| 丰满饥渴人妻一区二区三| 这个男人来自地球电影免费观看 | 亚洲经典国产精华液单| 久久久久人妻精品一区果冻| 一个人免费看片子| 精品国产乱码久久久久久小说| 97人妻天天添夜夜摸| 国产av精品麻豆| 亚洲精品久久午夜乱码| 精品人妻在线不人妻| 日韩大片免费观看网站| 如何舔出高潮| 亚洲一区二区三区欧美精品| 亚洲精品国产av成人精品| 黄色配什么色好看| 在线观看国产h片| 免费少妇av软件| 精品国产一区二区久久| a级毛色黄片| 高清黄色对白视频在线免费看| 嫩草影院入口| 久久久久精品人妻al黑| 狂野欧美激情性xxxx在线观看| 在线观看一区二区三区激情| 日韩不卡一区二区三区视频在线| 久久精品国产a三级三级三级| 精品久久蜜臀av无| 国产av一区二区精品久久| 欧美性感艳星| 伦精品一区二区三区| 啦啦啦中文免费视频观看日本| www.av在线官网国产| 午夜福利视频精品| 欧美最新免费一区二区三区| 成人无遮挡网站| 国产熟女欧美一区二区| 亚洲av免费高清在线观看| 纵有疾风起免费观看全集完整版| 欧美精品亚洲一区二区| 91国产中文字幕| 青春草国产在线视频| freevideosex欧美| 在线免费观看不下载黄p国产|