• <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 ?

    基于自回歸模型和神經(jīng)網(wǎng)絡(luò)的跌倒檢測(cè)算法

    2018-03-16 06:35:23谷志瑜劉建明李建鐸
    關(guān)鍵詞:特征向量加速度人體

    谷志瑜,劉建明,李建鐸

    (桂林電子科技大學(xué) 計(jì)算機(jī)與信息安全學(xué)院,廣西 桂林 541004)

    0 引 言

    跌倒是指使人不慎跌倒在地面、地板或其它較低平面地方的事故[1,2]。跌倒檢測(cè)算法是能夠?qū)⒌箘?dòng)作與日常生活中的正常動(dòng)作區(qū)分開來(lái)的技術(shù)。準(zhǔn)確地檢測(cè)到跌倒動(dòng)作的發(fā)生,是為后續(xù)提供更好的預(yù)防跌傷措施和在發(fā)生跌倒后采取及時(shí)救治行動(dòng)的關(guān)鍵,因此,跌倒檢測(cè)算法的研究是該領(lǐng)域的重點(diǎn),也是難點(diǎn)。

    本文擬提出一種基于自回歸模型系數(shù)作為特征向量的跌倒檢測(cè)算法。該算法對(duì)采集到的數(shù)據(jù)截取成2.02 s的數(shù)據(jù)片段,計(jì)算其對(duì)應(yīng)的自回歸系數(shù)、信號(hào)幅度和傾角構(gòu)造成最終的組合特征向量,并采用基于反向傳播算法(back propagation)的前饋神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)跌倒和日常動(dòng)作的判別,最后通過(guò)實(shí)驗(yàn)驗(yàn)證了該算法的可行性和準(zhǔn)確性。

    1 研究近況

    近年,有許多的機(jī)構(gòu)和科研人員在從事基于可穿戴式加速度傳感器,或陀螺儀的跌倒檢測(cè)算法研究。這些算法(系統(tǒng))的目的是通過(guò)快速而準(zhǔn)確地識(shí)別出跌倒事件的發(fā)生,便于及時(shí)通知家人和醫(yī)護(hù)人員,減少老人跌倒后因長(zhǎng)時(shí)間癱躺在地面帶來(lái)的傷害。這些算法(系統(tǒng))主要分為兩類:基于閾值(threshold-based)的算法[3]和基于機(jī)器學(xué)習(xí)(machine learning)的算法[4,5]。

    閾值法的理論基礎(chǔ)是Becker等提出的5階段跌倒模型[6],該模型將跌倒劃分為:跌倒前階段(pre-fall phase)、跌倒階段(falling phase)、撞擊階段(impact phase)、靜止階段(resting phase)和恢復(fù)階段(recovery phase)。該類算法主要通過(guò)判斷識(shí)別跌倒過(guò)程中的一個(gè)或多個(gè)階段的數(shù)據(jù)是否達(dá)到預(yù)設(shè)閾值,來(lái)實(shí)現(xiàn)對(duì)跌倒的檢測(cè)。如Bourke等利用佩戴在軀干和大腿的三軸加速度傳感器記錄的數(shù)據(jù),提出了基于加速度和向量的LFT(lower fall threshold)算法和UFT(upper fall threshold)算法,兩個(gè)算法分別通過(guò)檢測(cè)跌倒階段和撞擊階段來(lái)實(shí)現(xiàn)跌倒檢測(cè),取得了較好的效果,達(dá)到了100%的靈敏度和91%和100%的特異性[3]。Kangas等則考慮了跌倒、撞擊和靜止3個(gè)階段,提出了IMPACT+POSTURE和START OF FALL+IMPACT+POSTURE等算法,其中將傳感器佩戴在腰部時(shí)效果最好,可達(dá)到100%的特異性和95%的靈敏度[3]。該類算法由于傳感器異構(gòu)、目標(biāo)差異及跌倒行為的差異,其難點(diǎn)在于閾值的確定,也因此導(dǎo)致閾值法性能波動(dòng)大,缺乏魯棒性。

    機(jī)器學(xué)習(xí)的方法,使用提前采集的已標(biāo)定跌倒及非跌倒加速度、角速度等數(shù)據(jù),利用模式識(shí)別算法挖掘出能區(qū)分跌倒和非跌倒行為特征參數(shù),用于實(shí)現(xiàn)的跌倒和非跌倒行為匹配。如?zdemir等[4]的算法以一個(gè)4 s的時(shí)間窗的原始數(shù)據(jù)為基礎(chǔ),構(gòu)建了一個(gè)包含和加速度最小值、最大值、均值、方差、峰度(kurtosis)、自相關(guān)序列(autocorrelation)和離散傅里葉變換(DFT)等值的組合特征向量,采用6種不同的分類器均達(dá)到了99%以上的靈敏度和特異性,其中效果最好的是k近鄰法(k-nearest neighbor,k-NN)和最小二乘法。Aziz等[5]則以均值和X、Y、Z三軸加速度的方差作為組合特征向量,并在實(shí)驗(yàn)設(shè)計(jì)中加入了滑(slips)、絆(trips)等5類近似跌倒(near-fall)動(dòng)作,采用了邏輯回歸、決策樹、樸素貝葉斯、k-NN和支持向量機(jī)(SVM)等5種常用的機(jī)器學(xué)習(xí)方法作為分類器,實(shí)現(xiàn)了較好的分類效果,其中SVM的效果最好,靈敏度和特異性均達(dá)到了96%以上。使用該類算法時(shí)各論文對(duì)特征向量的選擇的不同,往往也導(dǎo)致效果的差異。

    2 方 法

    2.1 傳感器設(shè)備

    傳感器采用的是MPU6050,其是InvenSense公司生產(chǎn)的一款9軸運(yùn)動(dòng)處理傳感器芯片,它集成有三軸微機(jī)電系統(tǒng)(MEMS)陀螺儀和三軸加速度計(jì),以及一個(gè)可供擴(kuò)展的數(shù)據(jù)運(yùn)動(dòng)處理器DMP(digital motion processor)[7]。MPU6050供電電源電壓為3 V-5 V,標(biāo)準(zhǔn)IIC通信接口,芯片內(nèi)置16位AD轉(zhuǎn)換器,16位數(shù)據(jù)輸出,加速度范圍:±2 g、±4 g、±8 g、±16 g,陀螺儀范圍:±250°/s、±500°/s、±1000°/s與±2000°/s。

    2.2 數(shù)據(jù)獲取

    日常生活中人體基本動(dòng)作和姿態(tài)大概可分為3類:靜態(tài)活動(dòng)日常生活中人體基本動(dòng)作和姿勢(shì)大概可分為3類:靜態(tài)活動(dòng)(static),如站、坐、躺等;動(dòng)態(tài)活動(dòng)(dynamic),如走、跑、上下樓梯等和轉(zhuǎn)換活動(dòng)(transitions),如坐-站、躺-坐等[8]。根據(jù)跌倒的定義,本文中將跌倒歸入第三類活動(dòng),即轉(zhuǎn)換活動(dòng)。

    本文的目的是從各種轉(zhuǎn)換活動(dòng)中區(qū)分出跌倒,因此,實(shí)驗(yàn)活動(dòng)設(shè)計(jì)包括9種日常轉(zhuǎn)換活動(dòng)和4種跌倒。由于讓老年人志愿者來(lái)進(jìn)行模擬跌倒具有不可預(yù)期的風(fēng)險(xiǎn),所以實(shí)驗(yàn)的日常動(dòng)作和模擬跌倒均由年輕志愿者在室內(nèi)可控環(huán)境下完成。其中,模擬跌倒時(shí),在地面鋪有一層5 cm的體操墊,以減少跌倒對(duì)實(shí)驗(yàn)者的傷害。實(shí)驗(yàn)記錄日常動(dòng)作數(shù)據(jù)共270條,模擬跌倒數(shù)據(jù)共120條。各日常動(dòng)作和跌倒的實(shí)驗(yàn)記錄數(shù)據(jù)見表1。

    表1 日常動(dòng)作和跌倒實(shí)驗(yàn)數(shù)據(jù)

    注:stand to kneel是指從站立到雙膝跪地,而軀體保持直立的日常生活動(dòng)作;stand turn left/right是指站立時(shí)分別向左、向右轉(zhuǎn)體90°的日常生活動(dòng)作。

    根據(jù)Kangas等的研究結(jié)果,定位在頭部或腰部的傳感器系統(tǒng)測(cè)得的加速度信號(hào),能更加準(zhǔn)確地反映整個(gè)人體軀干的運(yùn)動(dòng)狀態(tài)和姿態(tài)的變化,而手腕等部位因?yàn)槠溥\(yùn)動(dòng)狀態(tài)變化較軀干要復(fù)雜,且往往不能完全反映人體軀干的運(yùn)動(dòng)狀態(tài)和姿態(tài),所以,腰部和頭部是記錄人體姿態(tài)動(dòng)作時(shí)傳感器的佩戴的最佳位置[3]。因此,本文在實(shí)驗(yàn)時(shí),選擇腰部作為加速度傳感器的佩戴位置,并將傳感器佩戴在實(shí)驗(yàn)者腰部的正前方。系統(tǒng)X、Y、Z三軸對(duì)應(yīng)的正方向分別是:向左、向下和向后。

    由于人體運(yùn)動(dòng)的低頻率特點(diǎn),事實(shí)上人體活動(dòng)的頻率基本都低于20 Hz,又根據(jù)采樣定理,本文將加速度信號(hào)的采樣頻率設(shè)為50 Hz,既完全足以表征人體運(yùn)動(dòng)的細(xì)節(jié)信息,又不會(huì)占用過(guò)多的空間。同時(shí),實(shí)驗(yàn)時(shí),加速度量程設(shè)置為±4 g,角速度量程設(shè)置為±1000°/s。

    2.3 數(shù)據(jù)處理

    數(shù)據(jù)處理的流程如圖1所示,各模塊的具體說(shuō)明如下。

    圖1 數(shù)據(jù)處理流程

    降噪(noise reduction):由于原始信號(hào)中摻雜了大量的脈沖噪聲,在實(shí)際應(yīng)用中必須加以剔除。采用均值濾波的方法對(duì)信號(hào)進(jìn)行預(yù)處理,在保留足夠表現(xiàn)人體動(dòng)作信息的基礎(chǔ)上,提高信噪比。本文中使用的是三項(xiàng)均值濾波器(three-term average filter),其可表示為如式(1)所示

    (1)

    特征提取(feature extraction):特征向量的提取,主要包括3項(xiàng)內(nèi)容:自回歸模型系數(shù)(AR-model coefficients)的計(jì)算、信號(hào)幅度(signal magnitude)的計(jì)算、傾斜角度(tilt angle)的計(jì)算。

    (1)自回歸模型(auto regressive model)。自回歸模型是時(shí)間序列中的一種常見形式,是用自身做回歸變量的過(guò)程,也是一種線性回歸模型,可用來(lái)做預(yù)測(cè)。即當(dāng)前某時(shí)刻的隨機(jī)變量可利用其前期若干時(shí)刻的隨機(jī)變量的一個(gè)線性組合來(lái)描述,自回歸模型的具體定義請(qǐng)參考文獻(xiàn)[9]。本文想通過(guò)該模型的系數(shù)來(lái)表示各信號(hào)量的變化趨勢(shì)。

    其數(shù)學(xué)表達(dá)式如式(2)所示

    (2)

    其中,α(i)是AR模型系數(shù),p是模型的階,ε(t)是白噪聲項(xiàng)。

    (2)SMA,即Signal Magnitude Area。是跌倒檢測(cè)和人體姿態(tài)識(shí)別中常用的特征值,能很好的區(qū)分人體的靜態(tài)活動(dòng)和動(dòng)態(tài)活動(dòng),其定義如式(3)所示[10]

    (3)

    為了能更好表征人體在三軸方向上的動(dòng)靜態(tài)特征和動(dòng)作幅度,本文以三軸方向上的SMA代替以往的加速度和的SMA。

    新的計(jì)算公式如式(4)所示

    (4)

    其中,axis分別取X,Y和Z軸的加速度值。

    (3)傾斜角度。傾角體現(xiàn)了人體在空間中的傾斜情況,而人體在運(yùn)動(dòng)過(guò)程中在各軸上轉(zhuǎn)過(guò)的角度,也能很好表征人體姿勢(shì)的變化。陀螺儀可測(cè)得在X,Y和Z軸3個(gè)方向上的角速度值,因而對(duì)角速度在時(shí)間窗內(nèi)求積分即可得人體在三軸的旋轉(zhuǎn)角度,具體計(jì)算公式如式(5)所示

    (5)

    通過(guò)將自回歸模型系數(shù)與SMA和傾斜角度組合得到最終的組合特征向量,如圖2所示。

    圖2 組合特征向量

    為了便于特征向量各項(xiàng)的計(jì)算,本文將包含跌倒和日常動(dòng)作的信號(hào)數(shù)據(jù)截成2.02s(101個(gè)數(shù)據(jù)點(diǎn))的時(shí)間片段。該時(shí)間長(zhǎng)度既包含了足夠的人體動(dòng)作信息用于特征向量的計(jì)算,也不會(huì)產(chǎn)生過(guò)大的響應(yīng)時(shí)延。本文各特征向量分項(xiàng)的計(jì)算均是基于該時(shí)間窗內(nèi)的信號(hào)數(shù)據(jù)信息。

    分類器(classiffer):基于跌倒檢測(cè)算法自適應(yīng)性和實(shí)時(shí)性的要求,特別是要求算法能正確理解這些復(fù)雜的特征,即便這些特征與之前已經(jīng)看到過(guò)的特征有相當(dāng)?shù)牟町?,也能正確地識(shí)別出跌倒和日常動(dòng)作。為此,我們決定使用基于反向傳播(backpropagation)算法的前饋神經(jīng)網(wǎng)絡(luò)作為算法中的分類器。

    多層前向BP神經(jīng)網(wǎng)絡(luò)特別適合于求解內(nèi)部機(jī)制復(fù)雜的問題,其可實(shí)現(xiàn)任何復(fù)雜非線性從一個(gè)輸入到輸出的映射,且具有極強(qiáng)的自學(xué)習(xí)能力。本文構(gòu)建的神經(jīng)網(wǎng)絡(luò)有一個(gè)輸入層包含15個(gè)神經(jīng)元,兩個(gè)隱含層分別包含30個(gè)神經(jīng)元和13個(gè)神經(jīng)元,一個(gè)輸出層與2個(gè)神經(jīng)元對(duì)應(yīng)的兩個(gè)分類輸出。

    3 結(jié) 果

    跌倒檢測(cè)算法通常以靈敏度(sensitivity)和特異性(specificity)作為其有效性的評(píng)價(jià)參考。靈敏度表征的是所有跌倒被正確檢測(cè)出來(lái)的比例,即所有跌倒動(dòng)作的檢出率;特異性表征的是所有非跌倒事件被正確檢測(cè)出來(lái)的比例,即所有日常動(dòng)作的檢出率。

    數(shù)學(xué)計(jì)算式分別如下

    Sensitivity=Truepositive/(Truepositive+Falsenegative)

    Specificity=Truenegative/(Truenegative+Falsepositive)

    本文進(jìn)行了3次實(shí)驗(yàn)驗(yàn)證,以評(píng)價(jià)組合特征向量各部分的分類效果。每次實(shí)驗(yàn)采用不同的組合特征向量訓(xùn)練神經(jīng)網(wǎng)絡(luò)和對(duì)測(cè)試集進(jìn)行分類。

    (1)實(shí)驗(yàn)一

    實(shí)驗(yàn)一的目的在于評(píng)估自回歸模型系數(shù)對(duì)測(cè)試集分類的效果。由于自回歸模型的階p=3,所以組成的是一個(gè)9維的特征向量,表示如下

    {a(1),…,a(9)}

    每個(gè)活動(dòng)有15個(gè)降噪后的實(shí)例數(shù)據(jù)通過(guò)建模得到的系數(shù)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò),同樣有15個(gè)經(jīng)過(guò)相同方法得到的系數(shù)用于跌倒和非跌倒的分類檢測(cè)?;谠撎卣飨蛄康姆诸愖R(shí)別結(jié)果如圖3所示。根據(jù)圖中數(shù)據(jù)顯示,僅以自回歸模型系數(shù)作為特征向量雖然特異性可達(dá)到98.71%,但是靈敏度只有86.69%??梢娮曰貧w模型系數(shù)對(duì)于日常動(dòng)作的識(shí)別效果不錯(cuò),但是對(duì)于跌倒動(dòng)作的識(shí)別效果卻一般。

    圖3 實(shí)驗(yàn)一結(jié)果

    (2)實(shí)驗(yàn)二

    實(shí)驗(yàn)二的目的在于評(píng)估自回歸模型系數(shù)和信號(hào)幅度的組合后對(duì)測(cè)試集分類的效果。新組成的是一個(gè)12維的特征向量,表示如下

    {a(1),…,a(9),SMA(x),SMA(y),SMA(z)}

    每個(gè)活動(dòng)有15個(gè)降噪后的實(shí)例數(shù)據(jù)通過(guò)建模得到的系數(shù)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò),同樣有15個(gè)經(jīng)過(guò)相同方法得到的系數(shù)用于跌倒和非跌倒的分類檢測(cè)?;谠撎卣飨蛄康姆诸愖R(shí)別結(jié)果如圖4所示。實(shí)驗(yàn)結(jié)果顯示,靈敏度有較大提升,達(dá)到了95.51%,可見該組合特征向量較于實(shí)驗(yàn)一的特征向量對(duì)跌倒動(dòng)作有更好的識(shí)別效果,且特異性、準(zhǔn)確性和F值均有不同程度的提升。

    圖4 實(shí)驗(yàn)二結(jié)果

    (3)實(shí)驗(yàn)三

    實(shí)驗(yàn)三在上一個(gè)實(shí)驗(yàn)的基礎(chǔ)上,將傾斜角度與自回歸模型系數(shù)(AR-coefficients)和信號(hào)幅度(SMA)的組合成一個(gè)15維的組合特征向量,表示如下

    {a(1),…,a(9),SMA(x),SMA(y),SMA(z),
    TA(x),TA(y),TA(z)}

    每個(gè)活動(dòng)有15個(gè)降噪后的實(shí)例數(shù)據(jù)通過(guò)建模得到的系數(shù)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò),同樣有15個(gè)經(jīng)過(guò)相同方法得到的系數(shù)用于跌倒和非跌倒的分類檢測(cè)?;谠撎卣飨蛄康姆诸愖R(shí)別結(jié)果如圖5所示。實(shí)驗(yàn)結(jié)果顯示,靈敏度由實(shí)驗(yàn)二的95.51%提升到了97.2%,特異性基本保持,但98.28%的F值說(shuō)明實(shí)驗(yàn)三的組合特征向量在調(diào)和靈敏度和特異性方面有著更好的表現(xiàn)。98.97%的準(zhǔn)確性同樣優(yōu)于實(shí)驗(yàn)二和實(shí)驗(yàn)一的準(zhǔn)確性。

    圖5 實(shí)驗(yàn)三結(jié)果

    4 結(jié)束語(yǔ)

    本文針對(duì)老年人易跌倒和跌倒過(guò)后可能產(chǎn)生嚴(yán)重后果這一現(xiàn)實(shí)問題,提出了一種基于自回歸模型系數(shù)和神經(jīng)網(wǎng)絡(luò)的跌倒檢測(cè)算法。該算法以自回歸系數(shù)、信號(hào)幅度和傾角作為組合特征向量,以基于反向傳播算法的前饋神經(jīng)網(wǎng)絡(luò)作為分類器,通過(guò)對(duì)9類人體日常動(dòng)作和4類跌倒,共390例樣本實(shí)例數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)驗(yàn)證,達(dá)到了97.2%的靈敏度和99.74%的特異性,驗(yàn)證了本算法的可行性和準(zhǔn)確性。

    [1]LIUYuanbiao,LIJian’an.Fallsinelderlyandbalanceandgaitdisorder[J].ChineseJournalofRehabilitationTheoryandPractice,2012,18(1):5-8(inChinese).[劉元標(biāo),勵(lì)建安.老年人跌倒與平衡及步態(tài)異常[J].中國(guó)康復(fù)理論與實(shí)踐,2012,18(1):5-8.]

    [2]WHO.Falls[EB/OL].http://www.who.int,2017.

    [3]FabioB,ClemensB,AngeloC,etal.Evaluationofaccele-rometer-basedfalldetectionalgorithmsonreal-worldfalls[J].PlosOne,2012,7(5):e37062.

    [4]?zdemirAT,BarshanB.Detectingfallswithwearablesensorsusingmachinelearningtechniques[J].Sensors,2014,14(6):10691-10708.

    [5]AzizO,MusngiM,ParkEJ,etal.Acomparisonofaccuracyoffalldetectionalgorithms(threshold-basedvs.machinelear-ning)usingwaist-mountedtri-axialaccelerometersignalsfromacomprehensivesetoffallsandnon-falltrials[J].Medical&BiologicalEngineering&Computing,2017,55(1):45-55.

    [6]BeckerC,SchwickertL,MelloneS,etal.Proposalforamultiphasefallmodelbasedonreal-worldfallrecordingswithbody-fixedsensors[J].ZeitschriftFürGerontologieUndGeriatrie,2012,45(8):707-715.

    [7]InvenSenseInc.MPU-6000andMPU-6050productspecificationrevision3.4[EB/OL].https://www.invensense.com,2017.

    [8]LaraOD,LabradorMA.Asurveyonhumanactivityrecognitionusingwearablesensors[J].CommunicationsSurveys&TutorialsIEEE,2013,15(3):1192-1209.

    [9]DurbinJ,KoopmanSJ.Timeseriesanalysisbystatespacemethods[M].2nded.OxfordUniversityPress,2012.

    [10]ChenGC,HuangCN,ChiangCY,etal.Areliablefalldetectionsystembasedonwearablesensorandsignalmagnitudeareaforelderlyresidents[C]//InternationalConferenceonSmartHomesandHealthTelematics,2010:267-270.

    猜你喜歡
    特征向量加速度人體
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計(jì)——以特征值和特征向量為例
    “鱉”不住了!從26元/斤飆至38元/斤,2022年甲魚能否再跑出“加速度”?
    人體“修補(bǔ)匠”
    克羅內(nèi)克積的特征向量
    人體冷知識(shí)(一)
    排便順暢,人體無(wú)毒一身輕
    天際加速度
    汽車觀察(2018年12期)2018-12-26 01:05:42
    創(chuàng)新,動(dòng)能轉(zhuǎn)換的“加速度”
    金橋(2018年4期)2018-09-26 02:24:46
    死亡加速度
    奇妙的人體止咳點(diǎn)
    特別健康(2018年3期)2018-07-04 00:40:10
    天美传媒精品一区二区| 天堂网av新在线| 禁无遮挡网站| 精华霜和精华液先用哪个| 久久鲁丝午夜福利片| 久久人人爽人人片av| 亚洲av美国av| 三级男女做爰猛烈吃奶摸视频| 欧美日韩国产亚洲二区| 久久人人爽人人片av| 在线观看美女被高潮喷水网站| 久久久久久九九精品二区国产| 国产美女午夜福利| 变态另类丝袜制服| 国产一级毛片七仙女欲春2| 亚洲不卡免费看| 成人无遮挡网站| 国产一区二区在线观看日韩| 在线国产一区二区在线| 精品久久久久久久末码| 天天躁夜夜躁狠狠久久av| 国产aⅴ精品一区二区三区波| 狂野欧美激情性xxxx在线观看| 久久热精品热| 欧美一级a爱片免费观看看| 美女内射精品一级片tv| 热99在线观看视频| 免费无遮挡裸体视频| 搡老熟女国产l中国老女人| 国产91av在线免费观看| 乱人视频在线观看| 国产精品无大码| 国产精品亚洲美女久久久| 欧美中文日本在线观看视频| 丝袜美腿在线中文| 久久亚洲精品不卡| 搞女人的毛片| 国产单亲对白刺激| 18禁在线无遮挡免费观看视频 | 乱人视频在线观看| av天堂在线播放| 成人永久免费在线观看视频| 欧美3d第一页| 97在线视频观看| 欧美一区二区精品小视频在线| 中国美白少妇内射xxxbb| 免费看av在线观看网站| 精品一区二区三区视频在线| 天堂√8在线中文| 亚洲av五月六月丁香网| 成人美女网站在线观看视频| 亚洲av免费高清在线观看| 日本精品一区二区三区蜜桃| 我的老师免费观看完整版| 日韩欧美在线乱码| 国产久久久一区二区三区| 97热精品久久久久久| 露出奶头的视频| 精华霜和精华液先用哪个| 成人av一区二区三区在线看| 亚洲成av人片在线播放无| 亚洲美女搞黄在线观看 | 国产一级毛片七仙女欲春2| 成人毛片a级毛片在线播放| 免费看光身美女| 欧美高清性xxxxhd video| 麻豆国产av国片精品| 女人十人毛片免费观看3o分钟| 亚洲国产欧洲综合997久久,| 国产三级中文精品| 久久亚洲国产成人精品v| 日本在线视频免费播放| 久久精品夜色国产| 18禁在线无遮挡免费观看视频 | 亚洲四区av| 美女黄网站色视频| 国产精品福利在线免费观看| 搞女人的毛片| 人人妻人人看人人澡| 久久人妻av系列| 国产单亲对白刺激| 国产精品美女特级片免费视频播放器| 亚洲五月天丁香| 麻豆国产av国片精品| 天天躁日日操中文字幕| 深爱激情五月婷婷| 波多野结衣高清作品| 亚洲成人中文字幕在线播放| 欧美+亚洲+日韩+国产| 九九在线视频观看精品| 久久精品国产亚洲av涩爱 | 国产精品一二三区在线看| 国产成人a∨麻豆精品| 免费高清视频大片| 国产精品无大码| 两个人的视频大全免费| 三级男女做爰猛烈吃奶摸视频| 欧美人与善性xxx| 国产色婷婷99| 免费看日本二区| 一边摸一边抽搐一进一小说| 男人舔女人下体高潮全视频| 国产免费一级a男人的天堂| 亚洲av中文字字幕乱码综合| 成年av动漫网址| 国产日本99.免费观看| 国产成人a∨麻豆精品| 97在线视频观看| 高清日韩中文字幕在线| 中文字幕av成人在线电影| 中文字幕av成人在线电影| 国产探花极品一区二区| 欧美一级a爱片免费观看看| a级毛色黄片| 成人午夜高清在线视频| 国产精品,欧美在线| 日本五十路高清| 看十八女毛片水多多多| 老女人水多毛片| 在线看三级毛片| 亚洲欧美中文字幕日韩二区| 国产一区二区三区在线臀色熟女| 日本五十路高清| 少妇熟女aⅴ在线视频| 啦啦啦观看免费观看视频高清| 老司机午夜福利在线观看视频| 国模一区二区三区四区视频| 色吧在线观看| 亚洲av中文av极速乱| av女优亚洲男人天堂| 午夜精品在线福利| 一级毛片电影观看 | 人妻夜夜爽99麻豆av| 在线播放无遮挡| 亚洲精品456在线播放app| 国产亚洲精品久久久com| 国产精品三级大全| 亚洲综合色惰| 五月伊人婷婷丁香| 久久久午夜欧美精品| 麻豆久久精品国产亚洲av| 两性午夜刺激爽爽歪歪视频在线观看| 一级毛片aaaaaa免费看小| 久久久久性生活片| 国产片特级美女逼逼视频| 超碰av人人做人人爽久久| 国产高清视频在线观看网站| 精品国产三级普通话版| 久久国产乱子免费精品| 国产男靠女视频免费网站| 熟女电影av网| 久久精品国产亚洲av涩爱 | 非洲黑人性xxxx精品又粗又长| 18禁裸乳无遮挡免费网站照片| 国产午夜精品久久久久久一区二区三区 | 久久精品国产亚洲av香蕉五月| 亚洲精品一卡2卡三卡4卡5卡| 一级av片app| 国产视频内射| 简卡轻食公司| 性色avwww在线观看| 俄罗斯特黄特色一大片| 亚洲精品粉嫩美女一区| 色吧在线观看| 日本色播在线视频| 2021天堂中文幕一二区在线观| 成年女人看的毛片在线观看| 国产黄片美女视频| 国产精品乱码一区二三区的特点| 97超碰精品成人国产| 国产乱人偷精品视频| 老师上课跳d突然被开到最大视频| 极品教师在线视频| 精品久久久久久成人av| 欧美成人精品欧美一级黄| 男人狂女人下面高潮的视频| 久久精品夜色国产| 韩国av在线不卡| 成人亚洲精品av一区二区| 又爽又黄a免费视频| 男人狂女人下面高潮的视频| 夜夜夜夜夜久久久久| 午夜爱爱视频在线播放| 国产人妻一区二区三区在| 国内精品宾馆在线| 99久久精品国产国产毛片| 露出奶头的视频| 成人漫画全彩无遮挡| 欧美在线一区亚洲| 校园人妻丝袜中文字幕| 嫩草影院精品99| 18禁在线播放成人免费| 国产精品日韩av在线免费观看| 亚洲av成人av| 美女黄网站色视频| 国产欧美日韩精品亚洲av| 少妇的逼好多水| 波多野结衣高清作品| 天堂动漫精品| 波多野结衣高清作品| 国产一区二区激情短视频| 91久久精品国产一区二区三区| 欧美在线一区亚洲| 超碰av人人做人人爽久久| 欧美一区二区国产精品久久精品| 十八禁网站免费在线| 国产一区亚洲一区在线观看| 99久久中文字幕三级久久日本| 99热只有精品国产| 天堂动漫精品| 97在线视频观看| 偷拍熟女少妇极品色| 日本免费a在线| 亚洲av第一区精品v没综合| 午夜亚洲福利在线播放| 夜夜爽天天搞| 一边摸一边抽搐一进一小说| 成人鲁丝片一二三区免费| av在线老鸭窝| 国产一区二区在线观看日韩| 精品人妻视频免费看| 亚洲国产欧美人成| 亚洲欧美清纯卡通| 亚洲人成网站高清观看| 国语自产精品视频在线第100页| 欧美+亚洲+日韩+国产| 日本 av在线| 乱码一卡2卡4卡精品| 国产av不卡久久| 亚洲精品456在线播放app| 成人性生交大片免费视频hd| 亚洲最大成人手机在线| 麻豆国产av国片精品| 精品人妻熟女av久视频| 好男人在线观看高清免费视频| 99久久精品国产国产毛片| 在现免费观看毛片| 好男人在线观看高清免费视频| 麻豆精品久久久久久蜜桃| 国产单亲对白刺激| 蜜桃亚洲精品一区二区三区| 亚洲av电影不卡..在线观看| 亚洲图色成人| 欧美一区二区亚洲| 色综合站精品国产| 偷拍熟女少妇极品色| 夜夜爽天天搞| 观看美女的网站| 麻豆国产97在线/欧美| 国产成人福利小说| 欧美精品国产亚洲| 国产男靠女视频免费网站| 人人妻人人澡人人爽人人夜夜 | 黄片wwwwww| 久久婷婷人人爽人人干人人爱| 99热只有精品国产| 激情 狠狠 欧美| 岛国在线免费视频观看| 亚洲最大成人手机在线| 乱系列少妇在线播放| 欧美3d第一页| 国产在视频线在精品| 成人欧美大片| 在线播放无遮挡| 老熟妇乱子伦视频在线观看| 亚洲国产高清在线一区二区三| 国产极品精品免费视频能看的| 神马国产精品三级电影在线观看| 日本色播在线视频| 天堂动漫精品| 国产精品日韩av在线免费观看| 99国产精品一区二区蜜桃av| 给我免费播放毛片高清在线观看| 久久久久性生活片| 精品久久久久久成人av| 午夜精品一区二区三区免费看| 亚洲欧美成人精品一区二区| 久久鲁丝午夜福利片| 你懂的网址亚洲精品在线观看 | 激情 狠狠 欧美| 亚洲成人久久爱视频| 免费黄网站久久成人精品| 国产aⅴ精品一区二区三区波| 国产在线男女| 又黄又爽又免费观看的视频| av在线蜜桃| 一级a爱片免费观看的视频| 日日撸夜夜添| 成人漫画全彩无遮挡| 国产精品嫩草影院av在线观看| 国产精品久久久久久久久免| 可以在线观看毛片的网站| 日韩成人伦理影院| 免费观看在线日韩| 日产精品乱码卡一卡2卡三| 久久精品国产清高在天天线| 综合色av麻豆| 国产成人影院久久av| 蜜桃久久精品国产亚洲av| 黄色日韩在线| 国产免费一级a男人的天堂| 村上凉子中文字幕在线| 国产精品久久久久久精品电影| 日本a在线网址| av女优亚洲男人天堂| 亚洲图色成人| 国产精品不卡视频一区二区| av.在线天堂| 男女下面进入的视频免费午夜| 日韩强制内射视频| 亚洲国产精品成人久久小说 | 在线免费观看不下载黄p国产| 精品人妻一区二区三区麻豆 | 一进一出抽搐gif免费好疼| 国产蜜桃级精品一区二区三区| 国国产精品蜜臀av免费| 午夜免费激情av| 国内精品久久久久精免费| 午夜福利在线在线| 亚洲七黄色美女视频| 成年女人毛片免费观看观看9| 大又大粗又爽又黄少妇毛片口| 三级经典国产精品| 亚洲精品成人久久久久久| 亚洲aⅴ乱码一区二区在线播放| 日本在线视频免费播放| 伊人久久精品亚洲午夜| 男女啪啪激烈高潮av片| 菩萨蛮人人尽说江南好唐韦庄 | 日韩欧美精品免费久久| 国产精品伦人一区二区| 久久亚洲国产成人精品v| 欧美日韩一区二区视频在线观看视频在线 | 免费av不卡在线播放| 亚洲自拍偷在线| 久久久久久久午夜电影| 亚洲精品国产av成人精品 | 国产午夜福利久久久久久| 久久99热这里只有精品18| 欧美zozozo另类| 国产中年淑女户外野战色| 国产av麻豆久久久久久久| 国产精华一区二区三区| 国产精华一区二区三区| 亚洲精品乱码久久久v下载方式| 在线国产一区二区在线| 女同久久另类99精品国产91| 少妇被粗大猛烈的视频| 国产成人福利小说| 最后的刺客免费高清国语| 亚洲一区高清亚洲精品| 啦啦啦观看免费观看视频高清| 在线a可以看的网站| 村上凉子中文字幕在线| 97在线视频观看| 一级毛片我不卡| 高清毛片免费看| 欧美+日韩+精品| 成人av一区二区三区在线看| 天天躁夜夜躁狠狠久久av| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲国产精品成人综合色| 国产真实乱freesex| 国产在线精品亚洲第一网站| 在线观看66精品国产| 久久久午夜欧美精品| 日韩精品青青久久久久久| 国产亚洲精品av在线| 国产亚洲av嫩草精品影院| 欧美bdsm另类| 欧美成人免费av一区二区三区| 18禁在线播放成人免费| 天美传媒精品一区二区| 国产成人aa在线观看| 午夜久久久久精精品| 国语自产精品视频在线第100页| 精品人妻偷拍中文字幕| 美女黄网站色视频| 久久天躁狠狠躁夜夜2o2o| 午夜激情福利司机影院| 国产成人a区在线观看| 国产熟女欧美一区二区| 精华霜和精华液先用哪个| 综合色丁香网| 免费在线观看成人毛片| 中文资源天堂在线| 一区福利在线观看| 国产人妻一区二区三区在| 国产精品国产高清国产av| 国产探花在线观看一区二区| 国产69精品久久久久777片| 日本成人三级电影网站| or卡值多少钱| 别揉我奶头 嗯啊视频| 国产三级在线视频| 一区二区三区免费毛片| 国产精品亚洲美女久久久| 1000部很黄的大片| 在线国产一区二区在线| 久久鲁丝午夜福利片| 久久精品国产清高在天天线| 免费大片18禁| 在线免费观看不下载黄p国产| 看片在线看免费视频| 在线观看av片永久免费下载| 国产一区二区在线av高清观看| 老司机影院成人| 老师上课跳d突然被开到最大视频| 亚洲色图av天堂| 一a级毛片在线观看| 色播亚洲综合网| 九九爱精品视频在线观看| 亚洲av五月六月丁香网| 久久精品久久久久久噜噜老黄 | 麻豆乱淫一区二区| 人人妻人人看人人澡| 国产三级在线视频| 国产国拍精品亚洲av在线观看| 在线免费十八禁| 午夜免费男女啪啪视频观看 | 久久韩国三级中文字幕| 国产91av在线免费观看| h日本视频在线播放| 久久99热这里只有精品18| videossex国产| 免费黄网站久久成人精品| 91久久精品电影网| 亚洲五月天丁香| 日韩高清综合在线| 国产视频内射| 天天一区二区日本电影三级| 18禁黄网站禁片免费观看直播| 一级毛片我不卡| 成人精品一区二区免费| 五月伊人婷婷丁香| 国产麻豆成人av免费视频| 看片在线看免费视频| 日韩大尺度精品在线看网址| 两个人的视频大全免费| 99久久无色码亚洲精品果冻| 日韩一区二区视频免费看| 91麻豆精品激情在线观看国产| 99热全是精品| 不卡一级毛片| 欧美zozozo另类| 人人妻人人看人人澡| 亚洲内射少妇av| 麻豆av噜噜一区二区三区| 成人特级黄色片久久久久久久| 日韩高清综合在线| 日韩在线高清观看一区二区三区| 国产国拍精品亚洲av在线观看| 又爽又黄a免费视频| 99热网站在线观看| 性欧美人与动物交配| 麻豆久久精品国产亚洲av| 免费人成视频x8x8入口观看| 小蜜桃在线观看免费完整版高清| av免费在线看不卡| 亚洲欧美精品综合久久99| 中文资源天堂在线| 人妻少妇偷人精品九色| 99热精品在线国产| 国产 一区精品| 一区二区三区免费毛片| 成人欧美大片| 日本与韩国留学比较| 舔av片在线| 亚洲久久久久久中文字幕| 大香蕉久久网| 亚洲av美国av| 欧美丝袜亚洲另类| 国产精品一区二区三区四区免费观看 | 又粗又爽又猛毛片免费看| 国产黄色小视频在线观看| 别揉我奶头 嗯啊视频| 悠悠久久av| 男女之事视频高清在线观看| 国产 一区 欧美 日韩| 一进一出抽搐gif免费好疼| 综合色av麻豆| 国产在视频线在精品| 亚洲第一区二区三区不卡| 男女边吃奶边做爰视频| 91精品国产九色| 精品一区二区三区人妻视频| 日本a在线网址| 国产色婷婷99| 日本色播在线视频| 简卡轻食公司| 黄色配什么色好看| 99热网站在线观看| 国产精品一二三区在线看| 在线观看66精品国产| 国产男靠女视频免费网站| 久久韩国三级中文字幕| av在线老鸭窝| 搡老岳熟女国产| 99久久精品国产国产毛片| 日韩成人伦理影院| 久久这里只有精品中国| 国产淫片久久久久久久久| 日本成人三级电影网站| 久久久久久久午夜电影| 精品日产1卡2卡| 久久精品人妻少妇| 欧美成人一区二区免费高清观看| 人人妻人人看人人澡| www.色视频.com| 狂野欧美白嫩少妇大欣赏| 亚洲成人av在线免费| 天美传媒精品一区二区| 久久久久久久久久久丰满| 男女啪啪激烈高潮av片| 午夜免费激情av| 国产亚洲精品综合一区在线观看| 亚洲精品色激情综合| 又爽又黄无遮挡网站| 国产成人精品久久久久久| 日日摸夜夜添夜夜爱| 看黄色毛片网站| 色吧在线观看| 国产v大片淫在线免费观看| 国产一级毛片七仙女欲春2| 女人十人毛片免费观看3o分钟| 小蜜桃在线观看免费完整版高清| 亚洲综合色惰| 国产v大片淫在线免费观看| 国产精品国产三级国产av玫瑰| 国产视频内射| 免费av不卡在线播放| av在线天堂中文字幕| 国产在线精品亚洲第一网站| 午夜a级毛片| 97超级碰碰碰精品色视频在线观看| 亚洲第一区二区三区不卡| 亚洲高清免费不卡视频| 欧美高清成人免费视频www| 久久久久久伊人网av| 特大巨黑吊av在线直播| 大型黄色视频在线免费观看| 一本久久中文字幕| 亚洲经典国产精华液单| 一个人免费在线观看电影| 午夜视频国产福利| 色综合亚洲欧美另类图片| 免费看av在线观看网站| 欧美一区二区精品小视频在线| 免费搜索国产男女视频| 成人永久免费在线观看视频| 变态另类丝袜制服| 级片在线观看| www日本黄色视频网| 亚洲一区高清亚洲精品| 国产熟女欧美一区二区| 亚洲av第一区精品v没综合| 少妇的逼水好多| 亚洲自偷自拍三级| 蜜桃久久精品国产亚洲av| 无遮挡黄片免费观看| 国产精品美女特级片免费视频播放器| 免费av不卡在线播放| 男女之事视频高清在线观看| 成人精品一区二区免费| 麻豆国产97在线/欧美| 观看免费一级毛片| 国产一区二区在线观看日韩| 最新在线观看一区二区三区| 男人舔奶头视频| 国内精品宾馆在线| 欧美日韩一区二区视频在线观看视频在线 | 精品一区二区免费观看| 一级av片app| 国产三级在线视频| 午夜激情欧美在线| 男女啪啪激烈高潮av片| 给我免费播放毛片高清在线观看| 欧美日韩综合久久久久久| 亚洲七黄色美女视频| 中国美白少妇内射xxxbb| 中国国产av一级| 一级毛片aaaaaa免费看小| 久久精品影院6| 久久久a久久爽久久v久久| 精品一区二区免费观看| 国产91av在线免费观看| 91av网一区二区| 晚上一个人看的免费电影| 亚洲精品成人久久久久久| 美女高潮的动态| 久久久午夜欧美精品| 97超级碰碰碰精品色视频在线观看| 此物有八面人人有两片| 亚洲人与动物交配视频| 亚洲真实伦在线观看| 在线国产一区二区在线| 亚洲自偷自拍三级| 精品久久久噜噜| 国产精品一区二区三区四区久久| 精品久久久久久久久久免费视频| 色吧在线观看| 99久久成人亚洲精品观看| 搡女人真爽免费视频火全软件 | 国产激情偷乱视频一区二区| 亚洲18禁久久av| 久久久精品大字幕| 亚洲熟妇熟女久久| 精品久久久噜噜| 床上黄色一级片| 国产av麻豆久久久久久久| 国产精品爽爽va在线观看网站| 午夜免费男女啪啪视频观看 | 人妻丰满熟妇av一区二区三区| 黑人高潮一二区| 国产探花在线观看一区二区|