• <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 ?

    一種基于深度強(qiáng)化學(xué)習(xí)的室內(nèi)聲學(xué)行為識(shí)別方法

    2020-04-09 06:21:18黃繼風(fēng)
    關(guān)鍵詞:分類樣本傳感器

    劉 明,黃繼風(fēng),高 海

    (上海師范大學(xué)信息與機(jī)電工程學(xué)院,上海201418)

    0 引 言

    實(shí)踐證明,人類行為識(shí)別技術(shù)在智能家居領(lǐng)域起著至關(guān)重要的作用.例如,更準(zhǔn)確地識(shí)別用戶的行為及其變化,使智能家居系統(tǒng)更好地為用戶提供相關(guān)幫助[1].傳統(tǒng)的行為識(shí)別方法側(cè)重于使用可穿戴式運(yùn)動(dòng)傳感器,如加速度計(jì)和陀螺儀來(lái)獲取用戶數(shù)據(jù).大量的已有研究[2-4]證明,加速度計(jì)與陀螺儀等運(yùn)動(dòng)傳感器能夠很好地識(shí)別單獨(dú)個(gè)體的動(dòng)作,但無(wú)法獲取個(gè)體之外的其他信息,難以識(shí)別個(gè)體與整體環(huán)境之間的復(fù)雜交互行為.因此,研究人員開(kāi)始嘗試使用圖像傳感器或聲音傳感器[5-10]來(lái)獲取用戶數(shù)據(jù),并對(duì)其行為進(jìn)行識(shí)別.

    雖然基于圖像或聲音傳感器的方法均可以獲取個(gè)體與整體環(huán)境間交互的信息,能夠識(shí)別更復(fù)雜的交互行為,但是價(jià)格較高,且容易受到安裝位置、燈光、死角、像素等諸多限制.基于聲音傳感器的行為識(shí)別方法價(jià)格低廉,容易部署,不會(huì)受到燈光及死角等問(wèn)題的影響,更適合于家庭環(huán)境應(yīng)用.研究人員提出了多種基于聲學(xué)的行為識(shí)別方法,從單一的可穿戴設(shè)備[6]到整體傳感器系統(tǒng)[7-8].然而,這些方法都需要對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行逐幀標(biāo)注,標(biāo)注過(guò)程繁瑣,且容易受主觀因素影響,訓(xùn)練數(shù)據(jù)較少.此外,由于每個(gè)人的行為聲音存在一定差異,導(dǎo)致這些方法的準(zhǔn)確率依然較差.為了使模型能夠更準(zhǔn)確地識(shí)別特定用戶的行為,研究人員嘗試將特定用戶的行為作為訓(xùn)練數(shù)據(jù)來(lái)調(diào)整模型[9-10],這些方法需要用戶多次重復(fù)相同的行為,嚴(yán)重依賴于特定用戶的數(shù)據(jù),且只能保證對(duì)特定用戶的行為進(jìn)行準(zhǔn)確識(shí)別,泛化能力較差.

    本文作者提出一種基于整體環(huán)境的聲音識(shí)別方法,能夠識(shí)別11 種常見(jiàn)的室內(nèi)行為,不需要人工收集訓(xùn)練數(shù)據(jù)或逐幀標(biāo)注,也不需要通過(guò)獲取特定用戶提供數(shù)據(jù)來(lái)調(diào)整模型.用數(shù)據(jù)集以及Google AudioSet數(shù)據(jù)集[11]中的YouTube 視頻聲音片段,提取embedding 特征及原始數(shù)據(jù)的梅爾頻譜圖特征作為訓(xùn)練集.由于數(shù)據(jù)集的量級(jí)較大,分類間嚴(yán)重不平衡.采用了深度強(qiáng)化學(xué)習(xí)方法來(lái)動(dòng)態(tài)地控制每一批次數(shù)據(jù)的分布,用以解決數(shù)據(jù)不平衡問(wèn)題.將數(shù)據(jù)批次作為強(qiáng)化學(xué)習(xí)中的環(huán)境的狀態(tài),將識(shí)別結(jié)果作為智能體的動(dòng)作,把對(duì)各個(gè)行為的識(shí)別錯(cuò)誤率函數(shù)作為執(zhí)行動(dòng)作后獲取的獎(jiǎng)勵(lì)信號(hào),最終實(shí)現(xiàn)用戶的行為識(shí)別.

    1 相關(guān)研究

    1.1 傳統(tǒng)行為識(shí)別方法

    傳統(tǒng)的行為識(shí)別方法使用可穿戴運(yùn)動(dòng)傳感器,此類設(shè)備可以在智能手機(jī)[3-4]、智能手表[12-14]及可穿戴傳感器板[2]上靈活實(shí)施.KWAPISZ 等[3]的方法僅要求對(duì)象攜帶智能手機(jī),可識(shí)別用戶步行、慢跑、上下樓、坐姿和站姿.THOMAZ 等[12]提出使用智能手表中的3 軸加速度計(jì)來(lái)檢測(cè)對(duì)象是否正在進(jìn)餐.RAVI等[2]將傳感器板安裝在人體內(nèi),實(shí)現(xiàn)簡(jiǎn)單的運(yùn)動(dòng)行為識(shí)別.這些工作的重點(diǎn)均對(duì)非常簡(jiǎn)單的行為動(dòng)作進(jìn)行識(shí)別,可以通過(guò)增加傳感器的數(shù)量,識(shí)別更復(fù)雜的行為.然而,基于多傳感器的訓(xùn)練數(shù)據(jù)集數(shù)量較少,且識(shí)別過(guò)程需要占用大量計(jì)算資源,基于復(fù)雜傳感器陣列的識(shí)別方法難以實(shí)現(xiàn).

    1.2 聲學(xué)行為識(shí)別方法

    由于傳統(tǒng)方法的局限性,研究人員提出聲學(xué)行為識(shí)別方法.YATANI 等[15]提出使用藍(lán)牙麥克風(fēng),從人類咽喉中收集聲學(xué)數(shù)據(jù),識(shí)別進(jìn)食、說(shuō)話和咳嗽等與咽喉運(yùn)動(dòng)相關(guān)的行為.THOMAZ 等[6]通過(guò)使用腕式聲學(xué)傳感器識(shí)別人類的進(jìn)食行為.隨著智能手機(jī)的發(fā)展,智能手機(jī)的聲學(xué)傳感器也越來(lái)越多地被用于行為識(shí)別任務(wù).一款名為AmbientSense 的Android 應(yīng)用[7],可對(duì)23 種簡(jiǎn)單的生活環(huán)境的進(jìn)行分類.CHEN等[8]提供一種基于聲學(xué)傳感器的行為識(shí)別方法,從原始聲音數(shù)據(jù)中提取出梅爾頻率倒譜系數(shù)(MFCC)特征,并對(duì)6 種浴室中的常見(jiàn)行為進(jìn)行識(shí)別.這些工作都需要收集用于訓(xùn)練的數(shù)據(jù),并對(duì)原始聲音數(shù)據(jù)進(jìn)行逐幀標(biāo)注,部分模型需要特定用戶多次重復(fù)相同的行為后,才能獲取足夠的數(shù)據(jù)進(jìn)行準(zhǔn)確識(shí)別.

    HWANG 等[16]開(kāi)發(fā)了一個(gè)平臺(tái)用于收集用戶的聲音數(shù)據(jù),使用基于MFCC 特征的高斯直方圖生成全局K近鄰分類器,以識(shí)別基本的聲音場(chǎng)景.但是,該方案仍然需要收集用戶數(shù)據(jù),且識(shí)別性能很大程度上取決于已有訓(xùn)練集的大小和質(zhì)量.NGUYEN 等[9]利用半監(jiān)督學(xué)習(xí)方法將在線FreeSound 數(shù)據(jù)與用戶自己的錄音結(jié)合起來(lái),在手動(dòng)過(guò)濾離群值之后,從123 個(gè)FreeSound 聲音片段提取MFCC 特征,并進(jìn)行半監(jiān)督高斯混合模型(GMM)訓(xùn)練.

    1.3 FreeSound數(shù)據(jù)庫(kù)

    FreeSound 是一個(gè)聲音數(shù)據(jù)樣本存儲(chǔ)庫(kù),有超過(guò)4.0×105聲音片段.SALAMON 等[17]從FreeSound 數(shù)據(jù)庫(kù)中選擇的18.5 h的城市聲音片段,建立了UrbanSound數(shù)據(jù)庫(kù).S?GER等[18]在聲音的標(biāo)簽中添加形容詞和動(dòng)詞,改進(jìn)了FreeSound 數(shù)據(jù)庫(kù),并建立了AudioPairBank 數(shù)據(jù)集.ROSSI 等[10]基于高斯混合模型從FreeSound 數(shù)據(jù)庫(kù)提取MFCC 特征,并進(jìn)行環(huán)境識(shí)別,然而,由于訓(xùn)練集的大小有限(23 個(gè)行為分類僅有4 678 個(gè)聲音樣本),分類準(zhǔn)確率僅為38%,在手動(dòng)過(guò)濾38%的樣本作為異常值后,分類準(zhǔn)確率達(dá)到了57%.

    1.4 Google AudioSet數(shù)據(jù)庫(kù)

    Google發(fā)布的聲音數(shù)據(jù)集AudioSet[11]共分為527類,所有聲音片段長(zhǎng)度均為10 s,其標(biāo)簽為10 s內(nèi)該聲音片段中發(fā)生的所有事件,而非逐幀標(biāo)注.AudioSet數(shù)據(jù)集還提供VGGish 模型[19]提取的embedding 特征.VGGish模型將原始聲音數(shù)據(jù)按秒轉(zhuǎn)換為特征,并使用主成分分析(PCA),僅保留前128個(gè)PCA 系數(shù).一個(gè)128 維的embedding 特征向量代表1 s 的聲音片段,因此數(shù)據(jù)集內(nèi)的每個(gè)聲音片段為10 個(gè)128 維的embedding特征向量.

    1.5 強(qiáng)化學(xué)習(xí)

    強(qiáng)化學(xué)習(xí)是近年來(lái)機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)之一,是一種用自主學(xué)習(xí)的數(shù)學(xué)模型,在很多算法中起著重要的作用[20].它無(wú)需標(biāo)簽,僅僅需要執(zhí)行動(dòng)作后的獎(jiǎng)勵(lì)信號(hào)決定如何與一個(gè)動(dòng)態(tài)且未知的環(huán)境進(jìn)行交互,以期將累計(jì)獎(jiǎng)勵(lì)最大化[21].深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)結(jié)合,構(gòu)成了深度強(qiáng)化學(xué)習(xí),比如:基于深度強(qiáng)化學(xué)習(xí)方法的Atari2600 游戲[22]、戰(zhàn)勝了人類世界冠軍的圍棋程序AlphaGo[23]等.

    2 設(shè)計(jì)與實(shí)現(xiàn)

    2.1 標(biāo)簽關(guān)聯(lián)

    在對(duì)模型進(jìn)行訓(xùn)練之前,需要先考慮如何從AudioSet數(shù)據(jù)集中選擇可以用于行為識(shí)別的標(biāo)簽,并將其與預(yù)測(cè)的行為進(jìn)行關(guān)聯(lián).FreeSound 數(shù)據(jù)庫(kù)以及AudioSet數(shù)據(jù)集中并不能同時(shí)找到所有典型的室內(nèi)行為.此外,將識(shí)別目標(biāo)限制在常見(jiàn)行為,且聲音容易獲取并識(shí)別的范圍內(nèi),某些標(biāo)簽未被選中,比如“睡覺(jué)”、“坐臥”、“站立”及“房間里沒(méi)有人”等.鑒于并非所有家庭都飼養(yǎng)寵物,沒(méi)有選擇任何寵物相關(guān)的類別.由于兩大數(shù)據(jù)庫(kù)對(duì)標(biāo)簽的分類設(shè)計(jì)無(wú)法與我們要識(shí)別的目標(biāo)行為絕對(duì)匹配,則采用間接匹配方法,確定與目標(biāo)行為密切相關(guān)的對(duì)象及其整體環(huán)境,并選擇這些對(duì)象和環(huán)境代表需要識(shí)別的目標(biāo)行為.例如,使用“water tap(水龍頭聲)”和“sink(水槽流水聲)”分別代表“洗手”和“洗臉”,因?yàn)檫@2個(gè)特征都與使用洗手池有關(guān),且非常相似.

    基于上述考慮,確定了11 項(xiàng)常見(jiàn)室內(nèi)行為,將它們與13 個(gè)標(biāo)簽相關(guān)聯(lián).表1 展示了目標(biāo)行為與AudioSet標(biāo)簽之間的關(guān)聯(lián).

    2.2 深度強(qiáng)化學(xué)習(xí)方法設(shè)計(jì)

    類別不平衡是機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)常見(jiàn)的問(wèn)題,具體表現(xiàn)為:數(shù)據(jù)集中某一個(gè)或幾個(gè)分類樣本的數(shù)量遠(yuǎn)低于其他分類,AudioSet類別間的分布嚴(yán)重不平衡.圖1 展示了數(shù)據(jù)集中每個(gè)類別樣本的原始數(shù)量之比例.由圖1 可以看出,演奏音樂(lè)的樣本占了近50%,這將導(dǎo)致預(yù)測(cè)結(jié)果嚴(yán)重傾向于量級(jí)高的分類,嚴(yán)重影響模型的識(shí)別性能,因此針對(duì)該問(wèn)題,使用深度強(qiáng)化學(xué)習(xí)方法控制每一數(shù)據(jù)批次的分布,避免模型的訓(xùn)練受到數(shù)據(jù)分布不平衡的影響.

    表1 AudioSet標(biāo)簽與行為的對(duì)照表

    圖1 AudioSet中各分類樣本的大致分布

    在強(qiáng)化學(xué)習(xí)中,對(duì)于當(dāng)前輸入狀態(tài)s,機(jī)器在某種策略π的指引下選擇動(dòng)作a=π(s),采用狀態(tài)-動(dòng)作值函數(shù)(Q值函數(shù))評(píng)估策略,其數(shù)學(xué)模型為:

    其中,r為獎(jiǎng)勵(lì)值;t為當(dāng)前行動(dòng)的步數(shù);γ為衰減系數(shù),取值范圍為[0,1],是用來(lái)保證長(zhǎng)期累積獎(jiǎng)勵(lì)能夠趨于收斂.對(duì)式(1)進(jìn)一步推導(dǎo)可得Bellman方程:

    其中,s'為狀態(tài)s下執(zhí)行動(dòng)作a后轉(zhuǎn)移到的新?tīng)顟B(tài);r為狀態(tài)s執(zhí)行動(dòng)作a后轉(zhuǎn)移至s'時(shí)獲取的獎(jiǎng)勵(lì);a'為根據(jù)新的狀態(tài)所作出的新動(dòng)作強(qiáng)化,學(xué)習(xí)任務(wù)中策略的改進(jìn)與值函數(shù)的改進(jìn)是一致的.根據(jù)式(2)求得Q(s,a)后,以策略替換π,Bellman方程變換為:

    其中'Q'(s''a')為使用最優(yōu)策略π'時(shí),所產(chǎn)生的期望累積獎(jiǎng)勵(lì).

    每一輪中迭代的損失函數(shù)為:

    其中,目標(biāo)值為:

    由于在實(shí)際應(yīng)用中,對(duì)于值函數(shù)的估計(jì)太過(guò)樂(lè)觀,將yi其中的目標(biāo)改為:

    本研究的深度強(qiáng)化學(xué)習(xí)方法總體框架如圖2 所示.該方法主要由2 個(gè)部分構(gòu)成:環(huán)境和智能體.其中,環(huán)境每次提供一定批次的數(shù)據(jù)作為狀態(tài),智能體根據(jù)狀態(tài),識(shí)別其中包括的行為,并執(zhí)行動(dòng)作;環(huán)境結(jié)合樣本真實(shí)分類及智能體發(fā)出的動(dòng)作進(jìn)行評(píng)價(jià),將評(píng)價(jià)信號(hào)作為智能體獎(jiǎng)勵(lì)信號(hào),更新參數(shù).同時(shí),環(huán)境如繼續(xù)提供下一批次數(shù)據(jù),則根據(jù)智能體對(duì)當(dāng)前批次樣本的識(shí)別錯(cuò)誤率的比例,決定下一批次提供數(shù)據(jù)的比例.

    圖2 深度強(qiáng)化學(xué)習(xí)流程圖

    具體流程如下:

    1)訓(xùn)練開(kāi)始時(shí),環(huán)境將包含多個(gè)數(shù)據(jù)樣本的批次作為狀態(tài)提供給智能體,其中各個(gè)行為的分類比例相同.

    2)智能體接收到狀態(tài)后,對(duì)其中的每個(gè)數(shù)據(jù)樣本進(jìn)行識(shí)別,得出其包含的行為類別,作為動(dòng)作提交給環(huán)境.

    3)當(dāng)環(huán)境接收到智能體提交的動(dòng)作后,計(jì)算各行為類別的識(shí)別錯(cuò)誤率,并將其作為獎(jiǎng)勵(lì)值.假設(shè)行為共分K 個(gè)類,智能體對(duì)各行為的識(shí)別錯(cuò)誤率分別為C1'C2'…'CK.獎(jiǎng)勵(lì)函數(shù)共分為兩個(gè)部分,第一個(gè)部分為對(duì)各個(gè)分類的錯(cuò)誤率平方和的負(fù)值;第二部分為最低與最高分類錯(cuò)誤率的差值,差值越大,說(shuō)明模型的分類不平衡情況越嚴(yán)重.由此,

    如果智能體連續(xù)對(duì)多個(gè)批次的預(yù)測(cè)識(shí)別錯(cuò)誤率均低于預(yù)先設(shè)定的閾值,則停止訓(xùn)練;否則,決定下一批次提供的數(shù)據(jù)樣本的分類比例.假設(shè)每批次提供N 個(gè)樣本,則下一批次提供的第k個(gè)分類的樣本數(shù)

    2.3 網(wǎng)絡(luò)結(jié)構(gòu)

    深度學(xué)習(xí)網(wǎng)絡(luò)是卷積神經(jīng)網(wǎng)絡(luò)(CNN)與長(zhǎng)短期記憶(LSTM)網(wǎng)絡(luò)的結(jié)合,其輸入共分為兩個(gè)部分:1)原始數(shù)據(jù)的梅爾頻譜圖,統(tǒng)一截取為1 024×512 的格式;2)embedding 特征,格式為10×128,第一個(gè)維度代表時(shí)間,第二個(gè)維度代表特征.為了方便使用2維卷積神經(jīng)網(wǎng)絡(luò),將數(shù)據(jù)樣本的格式轉(zhuǎn)換為3維,并使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)一步提取與時(shí)間及特征均相關(guān)的更抽象的關(guān)系.為了防止梯度爆炸的同時(shí),保留更加精細(xì)的特征,網(wǎng)絡(luò)結(jié)構(gòu)中未使用池化層,僅在卷積層后進(jìn)行批量歸一化,使用LSTM 網(wǎng)絡(luò)提取時(shí)序相關(guān)的信息,網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示,輸出層參考KONG 等[24]提出的attention model 層,以實(shí)現(xiàn)網(wǎng)絡(luò)的多分類預(yù)測(cè)功能.

    圖3 智能體內(nèi)部神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

    3 實(shí)驗(yàn)與分析

    該深度強(qiáng)化學(xué)習(xí)模型在Ubuntu 16.04 系統(tǒng)平臺(tái)上訓(xùn)練和測(cè)試,基于Google 的TensorFlow 框架,使用Keras深度學(xué)習(xí)程序包與Python 3.6開(kāi)發(fā)軟件,使用NVDIA GTX 1070加速實(shí)驗(yàn).

    選取樣本51 360 條,其中訓(xùn)練集樣本數(shù)量為45 310 條,測(cè)試集樣本數(shù)量為6 050 條.數(shù)據(jù)的原始形式為以10 s 為單位的聲音片段,訓(xùn)練數(shù)據(jù)集為音頻的梅爾頻譜圖,以及使用VGGish 模型從原始數(shù)據(jù)集中提取的embedding 特征,embedding 特征數(shù)據(jù)的信號(hào)采樣統(tǒng)一為128 Hz.模型訓(xùn)練參數(shù)如下:學(xué)習(xí)率為0.000 1,mini-batch 大小為64,迭代次數(shù)為1 000,衰減系數(shù)γ 為0.9,采用Adam 算法訓(xùn)練網(wǎng)絡(luò),損失函數(shù)為分類交叉熵.

    在訓(xùn)練集上進(jìn)行10 次交叉驗(yàn)證,將其取平均值作為最終測(cè)試結(jié)果,驗(yàn)證模型的泛化能力.本方法與傳統(tǒng)的合成少數(shù)類過(guò)采樣技術(shù)(SMOTE)方法在相同網(wǎng)絡(luò)結(jié)構(gòu)下,總體分類準(zhǔn)確率如表2所示.

    從表2 可以看出,在解決分類不均衡問(wèn)題上,本方法比SMOTE 方法效果更好.采用不同結(jié)構(gòu)及過(guò)采樣解決方法在分類準(zhǔn)確率上相差較大,說(shuō)明神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過(guò)程中,學(xué)習(xí)到了一些特征,有助于降低數(shù)據(jù)不平衡對(duì)模型帶來(lái)的影響.

    實(shí)驗(yàn)結(jié)果如圖4 所示,本方法的總體識(shí)別準(zhǔn)確率達(dá)到了87.5%,對(duì)每個(gè)行為的識(shí)別準(zhǔn)確率均超過(guò)了83%.

    表2 本方法與過(guò)采樣方法的分類準(zhǔn)確率結(jié)果對(duì)比

    4 結(jié) 論

    由于AudioSet 數(shù)據(jù)集本身存在的分類嚴(yán)重不平衡問(wèn)題,本文作者設(shè)計(jì)了基于深度強(qiáng)化學(xué)習(xí)思想的訓(xùn)練方法,對(duì)于每一批次的預(yù)測(cè)結(jié)果,動(dòng)態(tài)地調(diào)整下一批次的數(shù)據(jù)分類占比,避免了由數(shù)據(jù)集的分類不平衡問(wèn)題對(duì)模型分類效果造成的影響.通過(guò)大量交叉實(shí)驗(yàn)證明,本方法的總體分類準(zhǔn)確度達(dá)到87.5%,對(duì)所有分類的準(zhǔn)確度都在83%以上.相較于SMOTE 方法,本方法準(zhǔn)確率達(dá)到預(yù)期效果,且不需要采集用戶數(shù)據(jù),能夠達(dá)到對(duì)聲學(xué)行為進(jìn)行分類的目的.

    圖4 在測(cè)試集上的識(shí)別結(jié)果

    猜你喜歡
    分類樣本傳感器
    康奈爾大學(xué)制造出可拉伸傳感器
    分類算一算
    用樣本估計(jì)總體復(fù)習(xí)點(diǎn)撥
    簡(jiǎn)述傳感器在物聯(lián)網(wǎng)中的應(yīng)用
    電子制作(2019年22期)2020-01-14 03:16:52
    “傳感器新聞”會(huì)帶來(lái)什么
    分類討論求坐標(biāo)
    跟蹤導(dǎo)練(三)2
    推動(dòng)醫(yī)改的“直銷樣本”
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    亚洲精品在线美女| 午夜免费男女啪啪视频观看 | 国产精品乱码一区二三区的特点| 天堂影院成人在线观看| 老司机福利观看| 亚洲五月婷婷丁香| 欧美黑人巨大hd| 日本免费a在线| 国产av不卡久久| 欧美一区二区国产精品久久精品| 香蕉丝袜av| 亚洲人成电影免费在线| 久久国产精品人妻蜜桃| 色哟哟哟哟哟哟| 国产一区二区在线观看日韩 | 欧美一级a爱片免费观看看| a级一级毛片免费在线观看| 变态另类丝袜制服| 无遮挡黄片免费观看| 丁香欧美五月| 亚洲精品在线观看二区| 日韩成人在线观看一区二区三区| 国产伦精品一区二区三区视频9 | 69人妻影院| 老汉色av国产亚洲站长工具| 午夜福利在线在线| av中文乱码字幕在线| 神马国产精品三级电影在线观看| 精品一区二区三区人妻视频| 亚洲国产高清在线一区二区三| 大型黄色视频在线免费观看| 久久久久久九九精品二区国产| 一个人看的www免费观看视频| 亚洲人成网站在线播放欧美日韩| 国产毛片a区久久久久| 在线观看66精品国产| 特级一级黄色大片| 日韩欧美在线乱码| 国产激情偷乱视频一区二区| 久久国产乱子伦精品免费另类| 国产高清视频在线观看网站| 美女 人体艺术 gogo| 国产色婷婷99| 久久精品人妻少妇| 我要搜黄色片| 国产成人啪精品午夜网站| 岛国在线观看网站| 色综合亚洲欧美另类图片| 欧美zozozo另类| 欧美一级毛片孕妇| 国产精品98久久久久久宅男小说| 午夜免费观看网址| 好男人在线观看高清免费视频| xxx96com| 欧美日韩黄片免| 亚洲av免费在线观看| 嫁个100分男人电影在线观看| 精品人妻一区二区三区麻豆 | 99国产综合亚洲精品| 99热6这里只有精品| 中文字幕久久专区| 国产男靠女视频免费网站| 亚洲av电影在线进入| 国产麻豆成人av免费视频| 国产av麻豆久久久久久久| 日韩人妻高清精品专区| 叶爱在线成人免费视频播放| 熟女少妇亚洲综合色aaa.| 亚洲最大成人中文| 久久99热这里只有精品18| 午夜福利在线观看吧| 高清在线国产一区| 欧美区成人在线视频| 国产精品免费一区二区三区在线| 免费无遮挡裸体视频| 色在线成人网| 女人十人毛片免费观看3o分钟| 91麻豆av在线| 内射极品少妇av片p| 亚洲欧美日韩无卡精品| 久久久久久久精品吃奶| www.熟女人妻精品国产| 不卡一级毛片| 噜噜噜噜噜久久久久久91| 免费在线观看成人毛片| 免费看光身美女| 国产精品香港三级国产av潘金莲| 男插女下体视频免费在线播放| 国产又黄又爽又无遮挡在线| ponron亚洲| 欧美性猛交黑人性爽| 精品无人区乱码1区二区| 中文资源天堂在线| 啦啦啦免费观看视频1| 欧美激情在线99| 国产精品久久电影中文字幕| 国产午夜福利久久久久久| 亚洲精品美女久久久久99蜜臀| 麻豆国产av国片精品| 可以在线观看毛片的网站| 中文字幕av成人在线电影| 午夜福利免费观看在线| 久久草成人影院| 国内精品一区二区在线观看| www.色视频.com| 国产精华一区二区三区| 亚洲中文日韩欧美视频| avwww免费| 18美女黄网站色大片免费观看| 国产精品 欧美亚洲| 国产精品亚洲一级av第二区| 亚洲av日韩精品久久久久久密| 欧美色欧美亚洲另类二区| 成人永久免费在线观看视频| 黄片小视频在线播放| 成人无遮挡网站| 国产高清三级在线| 色在线成人网| 久久性视频一级片| 国产熟女xx| 亚洲成人中文字幕在线播放| 青草久久国产| 韩国av一区二区三区四区| 无遮挡黄片免费观看| 色播亚洲综合网| 中文在线观看免费www的网站| 国产极品精品免费视频能看的| 国产一区二区亚洲精品在线观看| 老司机福利观看| 国产亚洲精品久久久久久毛片| 99精品欧美一区二区三区四区| 99精品久久久久人妻精品| 一区二区三区国产精品乱码| 91av网一区二区| 亚洲精华国产精华精| 久久久精品大字幕| 97人妻精品一区二区三区麻豆| 欧美黑人巨大hd| 亚洲在线观看片| 亚洲av成人不卡在线观看播放网| 亚洲精品久久国产高清桃花| 中文字幕久久专区| 在线观看一区二区三区| tocl精华| 99国产精品一区二区三区| 国产免费av片在线观看野外av| 一本一本综合久久| 久久久久国产精品人妻aⅴ院| 宅男免费午夜| 日韩高清综合在线| 国产精品嫩草影院av在线观看 | 丁香六月欧美| 免费看光身美女| 免费在线观看影片大全网站| 美女大奶头视频| 久久久久久国产a免费观看| 观看美女的网站| 嫁个100分男人电影在线观看| 国产69精品久久久久777片| 久久人妻av系列| 国产伦在线观看视频一区| 欧美日韩黄片免| 精华霜和精华液先用哪个| 99在线人妻在线中文字幕| 欧美黑人巨大hd| 色av中文字幕| 在线天堂最新版资源| 国产一区二区在线av高清观看| 首页视频小说图片口味搜索| 日本黄大片高清| 亚洲狠狠婷婷综合久久图片| 一本精品99久久精品77| 国产真实伦视频高清在线观看 | 欧美zozozo另类| 亚洲在线自拍视频| 一a级毛片在线观看| 给我免费播放毛片高清在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 一二三四社区在线视频社区8| x7x7x7水蜜桃| 999久久久精品免费观看国产| 国产亚洲欧美在线一区二区| 日本在线视频免费播放| 精品人妻1区二区| 母亲3免费完整高清在线观看| 欧美一级a爱片免费观看看| 午夜影院日韩av| 日韩高清综合在线| 欧美日韩瑟瑟在线播放| 久久久久久国产a免费观看| 欧美日韩亚洲国产一区二区在线观看| 中文字幕av成人在线电影| 欧美在线一区亚洲| 色综合婷婷激情| 久久精品夜夜夜夜夜久久蜜豆| 亚洲国产色片| 亚洲国产精品合色在线| 国产精品爽爽va在线观看网站| 亚洲国产精品久久男人天堂| 91字幕亚洲| 69av精品久久久久久| 亚洲欧美日韩高清在线视频| 少妇人妻一区二区三区视频| 无人区码免费观看不卡| 国产一级毛片七仙女欲春2| 欧美性感艳星| 成人欧美大片| 热99在线观看视频| av片东京热男人的天堂| 91久久精品电影网| 在线观看午夜福利视频| 亚洲午夜理论影院| 床上黄色一级片| 男插女下体视频免费在线播放| 中文字幕av在线有码专区| 久久精品夜夜夜夜夜久久蜜豆| 操出白浆在线播放| 国语自产精品视频在线第100页| 99在线人妻在线中文字幕| 精品日产1卡2卡| 一区二区三区高清视频在线| 亚洲av熟女| 免费观看精品视频网站| 日韩 欧美 亚洲 中文字幕| 午夜福利视频1000在线观看| 国产乱人伦免费视频| 亚洲国产欧美人成| 欧美日韩亚洲国产一区二区在线观看| 精品人妻1区二区| 午夜福利视频1000在线观看| 亚洲欧美日韩东京热| 国产高清视频在线观看网站| 99久久成人亚洲精品观看| 国产男靠女视频免费网站| 国产亚洲精品久久久com| 亚洲国产日韩欧美精品在线观看 | 看黄色毛片网站| 精品国产三级普通话版| 国产精品亚洲av一区麻豆| 精品国产超薄肉色丝袜足j| 亚洲七黄色美女视频| 免费在线观看日本一区| 久久久久久久久久黄片| 亚洲不卡免费看| 神马国产精品三级电影在线观看| 国产真实乱freesex| 手机成人av网站| 天天添夜夜摸| 可以在线观看毛片的网站| 九九久久精品国产亚洲av麻豆| 亚洲欧美激情综合另类| 在线观看av片永久免费下载| 国产精华一区二区三区| 国产老妇女一区| 日本免费a在线| 可以在线观看毛片的网站| 久久久成人免费电影| 老司机午夜十八禁免费视频| 日韩人妻高清精品专区| 亚洲国产色片| 色哟哟哟哟哟哟| 嫩草影院入口| 老熟妇乱子伦视频在线观看| 日本a在线网址| 国产精品电影一区二区三区| 天堂动漫精品| 中文在线观看免费www的网站| 亚洲国产精品999在线| 日韩有码中文字幕| 不卡一级毛片| 青草久久国产| 一区二区三区激情视频| 国模一区二区三区四区视频| 国产精品一区二区三区四区免费观看 | 成年人黄色毛片网站| 岛国在线观看网站| 精品免费久久久久久久清纯| 韩国av一区二区三区四区| 老汉色av国产亚洲站长工具| 亚洲av成人精品一区久久| 中文字幕人成人乱码亚洲影| 美女高潮的动态| 国产高潮美女av| 欧美成人a在线观看| 特级一级黄色大片| 日韩欧美免费精品| 欧美高清成人免费视频www| 欧美黑人欧美精品刺激| 欧美另类亚洲清纯唯美| 18禁黄网站禁片免费观看直播| 三级毛片av免费| 老汉色∧v一级毛片| 日本a在线网址| 亚洲在线观看片| 国产精品98久久久久久宅男小说| 中文字幕高清在线视频| 日韩欧美 国产精品| 99精品欧美一区二区三区四区| 亚洲,欧美精品.| 操出白浆在线播放| 亚洲色图av天堂| 老汉色av国产亚洲站长工具| 国产视频内射| 757午夜福利合集在线观看| 成人三级黄色视频| 欧美激情在线99| 国产精品一区二区免费欧美| 久久精品91蜜桃| 国产亚洲欧美在线一区二区| 亚洲第一欧美日韩一区二区三区| 国产精品1区2区在线观看.| 亚洲内射少妇av| 久久草成人影院| 精品国产亚洲在线| 国产精品精品国产色婷婷| 法律面前人人平等表现在哪些方面| 欧美日韩黄片免| 免费观看人在逋| 欧美大码av| 亚洲av成人不卡在线观看播放网| 久久天躁狠狠躁夜夜2o2o| 真人做人爱边吃奶动态| av国产免费在线观看| 在线观看日韩欧美| 亚洲一区二区三区不卡视频| 日韩欧美一区二区三区在线观看| 身体一侧抽搐| 国产黄a三级三级三级人| 色播亚洲综合网| 日韩欧美国产在线观看| 精品国产超薄肉色丝袜足j| 久久久久久久午夜电影| 亚洲av不卡在线观看| 日韩精品青青久久久久久| 1024手机看黄色片| 91久久精品电影网| 国产麻豆成人av免费视频| 成人av一区二区三区在线看| 一级作爱视频免费观看| 亚洲专区中文字幕在线| 精品无人区乱码1区二区| 中文字幕av成人在线电影| 别揉我奶头~嗯~啊~动态视频| 黄色日韩在线| 18美女黄网站色大片免费观看| 欧美日韩精品网址| 天天躁日日操中文字幕| av福利片在线观看| 欧美成人一区二区免费高清观看| 白带黄色成豆腐渣| 亚洲五月天丁香| 婷婷亚洲欧美| 中国美女看黄片| 国产黄片美女视频| 性色avwww在线观看| 欧美日韩综合久久久久久 | 国内少妇人妻偷人精品xxx网站| 久9热在线精品视频| 国产一级毛片七仙女欲春2| 午夜福利视频1000在线观看| 老汉色∧v一级毛片| 真人一进一出gif抽搐免费| 日本黄大片高清| 精品欧美国产一区二区三| 国产99白浆流出| 亚洲最大成人手机在线| 欧美日韩黄片免| 国产精品嫩草影院av在线观看 | 亚洲av中文字字幕乱码综合| 中文字幕熟女人妻在线| 老司机深夜福利视频在线观看| 俄罗斯特黄特色一大片| 成人高潮视频无遮挡免费网站| 两个人视频免费观看高清| 亚洲国产精品合色在线| 男女下面进入的视频免费午夜| 欧美中文日本在线观看视频| av国产免费在线观看| 成熟少妇高潮喷水视频| 国产精品久久久久久精品电影| 欧洲精品卡2卡3卡4卡5卡区| 国产精品免费一区二区三区在线| 免费观看精品视频网站| 亚洲av电影在线进入| 91在线观看av| 狠狠狠狠99中文字幕| 757午夜福利合集在线观看| 亚洲aⅴ乱码一区二区在线播放| 亚洲最大成人中文| 午夜福利在线观看吧| 亚洲人成网站在线播放欧美日韩| 日韩亚洲欧美综合| 此物有八面人人有两片| 国产69精品久久久久777片| 少妇人妻一区二区三区视频| 欧洲精品卡2卡3卡4卡5卡区| 久久久久久久久久黄片| 看片在线看免费视频| 琪琪午夜伦伦电影理论片6080| 国产激情偷乱视频一区二区| 18禁在线播放成人免费| 成人高潮视频无遮挡免费网站| 色播亚洲综合网| 在线a可以看的网站| 国产精品久久视频播放| 国产一级毛片七仙女欲春2| 99精品久久久久人妻精品| 好男人电影高清在线观看| 一级黄片播放器| 亚洲美女黄片视频| 国产精品久久电影中文字幕| 99热只有精品国产| 窝窝影院91人妻| 国产一区二区三区在线臀色熟女| 亚洲欧美日韩东京热| 一个人观看的视频www高清免费观看| av天堂中文字幕网| 精品一区二区三区视频在线 | 法律面前人人平等表现在哪些方面| 国产蜜桃级精品一区二区三区| 国产 一区 欧美 日韩| 亚洲av免费在线观看| 国产激情欧美一区二区| 免费看美女性在线毛片视频| h日本视频在线播放| 日韩欧美精品免费久久 | 少妇的逼好多水| 亚洲国产欧美网| 午夜亚洲福利在线播放| 又紧又爽又黄一区二区| 日韩亚洲欧美综合| 男女午夜视频在线观看| 成人亚洲精品av一区二区| 欧美午夜高清在线| 国产精品野战在线观看| 国产黄色小视频在线观看| 网址你懂的国产日韩在线| 国产精华一区二区三区| 嫩草影视91久久| www国产在线视频色| 国产精品av视频在线免费观看| 久久国产精品人妻蜜桃| 90打野战视频偷拍视频| 日本熟妇午夜| 日韩欧美免费精品| 中文资源天堂在线| 美女大奶头视频| 国产主播在线观看一区二区| 女人被狂操c到高潮| 精品久久久久久,| 狂野欧美激情性xxxx| 91av网一区二区| 国产中年淑女户外野战色| 欧美+日韩+精品| 淫秽高清视频在线观看| 日本三级黄在线观看| 亚洲中文字幕一区二区三区有码在线看| 啪啪无遮挡十八禁网站| 韩国av一区二区三区四区| 国产黄a三级三级三级人| 久9热在线精品视频| 亚洲av二区三区四区| 欧美日韩乱码在线| 午夜日韩欧美国产| 久久久久久国产a免费观看| 脱女人内裤的视频| 黄片小视频在线播放| 天堂影院成人在线观看| 搡女人真爽免费视频火全软件 | 色哟哟哟哟哟哟| aaaaa片日本免费| 在线观看一区二区三区| 啦啦啦观看免费观看视频高清| 天天添夜夜摸| 国产精品1区2区在线观看.| 最近在线观看免费完整版| 男女午夜视频在线观看| 尤物成人国产欧美一区二区三区| 床上黄色一级片| 欧美绝顶高潮抽搐喷水| 成人无遮挡网站| 精品人妻偷拍中文字幕| 一卡2卡三卡四卡精品乱码亚洲| 97超视频在线观看视频| 欧美乱码精品一区二区三区| 欧美成人a在线观看| 免费在线观看影片大全网站| 免费看日本二区| 国产欧美日韩一区二区三| 精品人妻一区二区三区麻豆 | 黄色片一级片一级黄色片| 少妇高潮的动态图| а√天堂www在线а√下载| 天天一区二区日本电影三级| 偷拍熟女少妇极品色| 精品国内亚洲2022精品成人| 国产精品一区二区三区四区久久| 制服人妻中文乱码| 久久久久久久久大av| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 黑人欧美特级aaaaaa片| 国产精品av视频在线免费观看| 女人被狂操c到高潮| 亚洲精品一区av在线观看| 一进一出抽搐动态| 国产不卡一卡二| 国产成人a区在线观看| 99国产综合亚洲精品| 又紧又爽又黄一区二区| 午夜激情福利司机影院| 日韩欧美一区二区三区在线观看| 人人妻人人看人人澡| 国产精品久久久久久人妻精品电影| 三级国产精品欧美在线观看| 中出人妻视频一区二区| 岛国视频午夜一区免费看| 亚洲午夜理论影院| 日韩欧美精品免费久久 | 国产精品精品国产色婷婷| 亚洲专区国产一区二区| x7x7x7水蜜桃| 久久精品国产清高在天天线| netflix在线观看网站| 母亲3免费完整高清在线观看| 日韩免费av在线播放| 亚洲男人的天堂狠狠| 国产精品三级大全| 一个人看的www免费观看视频| 女警被强在线播放| 国产伦精品一区二区三区视频9 | 久久精品影院6| 成人高潮视频无遮挡免费网站| 欧美色视频一区免费| 五月伊人婷婷丁香| 日韩大尺度精品在线看网址| 51午夜福利影视在线观看| 欧美三级亚洲精品| 亚洲成a人片在线一区二区| 午夜免费观看网址| 国产亚洲精品一区二区www| 亚洲精品久久国产高清桃花| 男女午夜视频在线观看| 日本一本二区三区精品| 51午夜福利影视在线观看| 人妻夜夜爽99麻豆av| 亚洲av不卡在线观看| 有码 亚洲区| 国产精品99久久99久久久不卡| 无人区码免费观看不卡| 午夜免费观看网址| 欧美+日韩+精品| tocl精华| 成人三级黄色视频| 亚洲不卡免费看| 88av欧美| 最新美女视频免费是黄的| 国产一区二区激情短视频| 亚洲av中文字字幕乱码综合| 波多野结衣高清作品| 可以在线观看毛片的网站| 九九热线精品视视频播放| 国产成+人综合+亚洲专区| 欧美激情在线99| 亚洲一区二区三区色噜噜| 亚洲第一欧美日韩一区二区三区| 三级男女做爰猛烈吃奶摸视频| 亚洲人与动物交配视频| 99久久精品热视频| 欧美日韩国产亚洲二区| 给我免费播放毛片高清在线观看| 亚洲成人中文字幕在线播放| 免费一级毛片在线播放高清视频| 欧美黑人巨大hd| 午夜免费成人在线视频| 国产在线精品亚洲第一网站| av视频在线观看入口| 欧美+亚洲+日韩+国产| 校园春色视频在线观看| 淫秽高清视频在线观看| 亚洲 欧美 日韩 在线 免费| 特大巨黑吊av在线直播| 90打野战视频偷拍视频| 久久精品91蜜桃| 亚洲av电影不卡..在线观看| a级毛片a级免费在线| 九九在线视频观看精品| 国产精品久久久久久久久免 | 亚洲欧美一区二区三区黑人| 在线观看av片永久免费下载| 一本精品99久久精品77| 亚洲av第一区精品v没综合| 精品电影一区二区在线| 制服人妻中文乱码| 最近最新中文字幕大全免费视频| 欧美+亚洲+日韩+国产| 国产高清三级在线| 色播亚洲综合网| 免费看a级黄色片| 免费观看精品视频网站| 国产精品久久视频播放| 亚洲国产精品sss在线观看| 国产伦精品一区二区三区四那| a在线观看视频网站| 日韩成人在线观看一区二区三区| av专区在线播放| 国产精品久久视频播放| 亚洲国产精品999在线| 精品久久久久久久人妻蜜臀av| 国产成人影院久久av| 国产一区二区在线观看日韩 | 19禁男女啪啪无遮挡网站| 日本成人三级电影网站| 女人被狂操c到高潮| 琪琪午夜伦伦电影理论片6080| 亚洲 欧美 日韩 在线 免费|