• <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RFID的輕量化的動作識別方法

    2024-09-22 00:00:00閆豪強梁坤張亞軍許桓源王興強
    現(xiàn)代電子技術 2024年17期

    摘" 要: 針對基于射頻識別(RFID)的相位(Phase)信號的動作識別技術識別精度不高或不夠輕量化等問題,提出基于RFID的輕量化的動作識別方法。該方法通過格拉姆矩陣將一維數(shù)據(jù)轉(zhuǎn)化為二維圖像,將Phase轉(zhuǎn)換為格拉姆角場作為改進的MobileNet網(wǎng)絡輸入,通過格拉姆角場圖像所擁有的高階信號描述能力表現(xiàn)更多的幾何性質(zhì)和內(nèi)在數(shù)據(jù)結(jié)構(gòu),在減小異常數(shù)據(jù)對識別效果影響的同時提高識別性能并充分利用網(wǎng)絡。同時,將坐標注意力機制融合壓縮激勵機制,獲取相位信號中更豐富的上下文信息使模型更好地定位和識別目標,同時在保證不影響識別精度的情況下重新構(gòu)建網(wǎng)絡,減少模型參數(shù)以及所需計算量。該方法與傳統(tǒng)MobileNet相比,模型參數(shù)量僅為原模型的12.9%,同時識別率提高2.34%,每秒浮點運算次數(shù)也優(yōu)于原模型。實驗結(jié)果表明,該模型各個指標都表現(xiàn)出更優(yōu)的實驗結(jié)果,能夠完成動作識別的相關要求。

    關鍵詞: 動作識別; 格拉姆角場; 多維注意力; MobileNet; 相位信號; 輕量化網(wǎng)絡

    中圖分類號: TN911.7?34; TP391.4" " " " " " " " " "文獻標識碼: A" " " " " " " " " 文章編號: 1004?373X(2024)17?0181?06

    RFID?based lightweight action recognition method

    YAN Haoqiang1, LIANG Kun2, ZHANG Yajun1, XU Huanyuan1, WANG Xingqiang1

    (1. School of Software, Xinjiang University, Urumqi 830046, China;

    2. Armed Police Crops, Urumqi 830000, China)

    Abstract: In view of the low accuracy and the lack of lightweight of action recognition technology based on radio frequency identification (RFID) phase signals, a lightweight RFID?based action recognition method is proposed. The one?dimensional data is transformed into two?dimensional images by the Gram matrix. The phase signals are converted into the Gram angular field, which is taken as the input of the improved MobileNet. More geometric properties and intrinsic data structures of the image is exhibited by the Gramian angular field (GAF) images′ higher?order signal description capabilities, so as to improve the recognition performance of the method and utilize the network fully while reducing the influence of abnormal data on the recognition effect. The coordinate attention (CA) mechanism is integrated with the squeeze?and?excitation mechanism, so that the model can capture more abundant contextual information from the phase signals and obtain better object localization and recognition. The network is reconstructed to reduce the model parameters and the required computational load, without affecting its recognition accuracy. In comparison with the traditional MobileNet, the quantity of the parameter of the proposed model are only 12.9% of the original model, its recognition rate is improved by 2.34%, and its floating?point operations per second (FLOPs) is also superior to that of the original model. The experimental results show that the proposed model exhibits superior performance for all indexes and can fulfill the requirements for action recognition tasks.

    Keywords: action recognition; GAF; multi?dimensional attention; MobileNet; phase signal; lightweight network

    0" 引" 言

    近年來,隨著物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)和工業(yè)4.0等智能化概念的提出,新型的計算模式和感知技術廣泛應用于生產(chǎn)和生活。隨著智能設備的廣泛使用,基于廣泛的智能設備的非接觸式無源動作識別逐漸受到關注,成為學術界的研究熱點之一[1]。

    目前動作識別技術可以分為兩類:可穿戴式設備與非可穿戴設備。基于可穿戴式設備的動作識別大多是基于傳感器的識別系統(tǒng), 利用傳感器采集人體的動作數(shù)據(jù),對建立的人體運動模型進行分析,從而可對人體動作進行近似識別[2]。例如,文獻[3]讓用戶攜帶包含三軸線性加速度計和陀螺儀等設備的智能手機,通過分層提取特征的策略融合信息,采用神經(jīng)網(wǎng)絡對用戶動作進行識別。文獻[4]將三個電極片附著于人體腳踝與胸口,通過人體姿勢導致的信道衰減對人體姿勢進行識別。但基于可穿戴式設備的動作識別仍有一些問題,如設備的大小、重量和設計可能會影響用戶的舒適度。長時間佩戴設備可能會影響用戶的接受度,并且可穿戴式設備通常價格昂貴,還需定時對設備進行充電、檢修等維護步驟,這無疑極大影響了上述方法的普及與傳播。

    非可穿戴設備的動作識別,如基于計算機視覺的動作識別使用相機或攝像機采集圖片,文獻[5]提出一種輕量型的雙流融合深度神經(jīng)網(wǎng)絡模型,并在開源數(shù)據(jù)集UCF101和HMDB51上進行實驗,結(jié)果表明該方法能夠?qū)崿F(xiàn)準確的活動識別。文獻[6]提出了一種正樣本不受數(shù)據(jù)增強限制的雙重最近鄰檢索動作識別算法DNNCLR,基于對比損失的自監(jiān)督學習方法識別人體骨架,從而進行人體動作識別。但基于計算機視覺的方法只能工作在沒有障礙物阻擋和充足的光照環(huán)境下[7]并且圖片或視頻可能暴露用戶隱私[8],使用戶受到安全威脅。而基于無線傳感的動作識別易部署且價格低廉,同時避免了用戶在使用時個人隱私泄露的風險。文獻[9]將標簽貼在桌子右側(cè),通過識別舉起左手、舉起右手、打盹和拿書四個動作來判斷學生的學習狀態(tài)。但上述方法均將原始的相位信號作為模型輸入,對信號中的離群點與異常點過于敏感,且目前基于深度學習的模型結(jié)構(gòu)比較復雜[10],神經(jīng)網(wǎng)絡層數(shù)過多,模型參數(shù)量大,增加了計算和存儲開銷,使模型不具有快速部署與響應的能力,無法在計算資源有限的設備上高效運行。基于以上問題,本文在MobileNetV3的基礎上構(gòu)建一個輕量化模型結(jié)構(gòu),實現(xiàn)高效的動作識別方案。本文主要貢獻如下。

    1) 與傳統(tǒng)MobileNetV3相比,在保證識別率的同時精減了網(wǎng)絡結(jié)構(gòu),減少了網(wǎng)絡中模塊的數(shù)量和訓練所需的計算資源,加快了訓練速度。

    2) 將相位信號通過格拉姆矩陣轉(zhuǎn)化為圖像數(shù)據(jù),減弱相位信號因為某些干擾產(chǎn)生的異常點影響獲取相位信號中更豐富的上下文信息,使模型更好地定位和識別目標,同時圖像數(shù)據(jù)能充分利用深度學習模型的性能,提高識別精度。

    3) 引入坐標注意力機制,使模型不僅考慮通道維度上的注意力,還能捕獲特征遠程依賴關系,在另一個空間方向上保留精確的特征位置信息。獲取相位信號中更豐富的上下文信息使模型更好地定位和識別目標。

    1" 格拉姆角場

    格拉姆角場(Gramian Angular Field)是將時間序列數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)的編碼方法,保留信號完整信息的同時,保持著信號對于時間的依賴性。相位信號具有非平穩(wěn)和變相位等特點,圖像具有更強的高階信號描述能力,與一維信號相比,圖像數(shù)據(jù)具有更多的幾何性質(zhì)和內(nèi)在數(shù)據(jù)結(jié)構(gòu)。格拉姆角場的思想主要來源于線性代數(shù)中Gram矩陣的概念,由[k]維空間中任意[n]個向量的內(nèi)積組成的矩陣稱為Gram矩陣,它可以表示為:

    [Gv1,v2,…,vn=lt;v1,v1gt;…lt;v1,vngt;lt;v2,v1gt;…lt;v2,vngt;???lt;vn,v1gt;…lt;vn,vngt;] (1)

    式中[v1]~[vn]都是[k]維向量,每個向量的內(nèi)積可以表示為:

    [lt;vx,vygt;=i=1nvxi?vyi] (2)

    相位信號的Gram矩陣可以表示如下:

    [Gx1,x2,…,xn=x1?x1…x1?xnx2?x1…x2?xn???xn?x1…xn?xn] (3)

    式中[xi]為信號中第[i]個單位時間的相位值。再將相位數(shù)據(jù)從笛卡爾坐標系轉(zhuǎn)化為極坐標系,表達式為:

    [θ=arccos(xi)," " x∈Xr=tiR," " i∈R] (4)

    式中[R]為極坐標系張成空間的常數(shù)因子。通過GAF轉(zhuǎn)換算法可以生成一個保持時間依賴性的Gramian矩陣?;谟嘞液瘮?shù)的格拉姆角和場、基于正弦函數(shù)的格拉姆角差場分別定義如下:

    [GASF=cos(θi+θj)n×nGADF=cos(θi-θj)n×n] (5)

    采用GAF算法,通過縮放、轉(zhuǎn)換極坐標和三角函數(shù)計算三步,將相位信號轉(zhuǎn)換為二維圖像,從而將圖像深度學習網(wǎng)絡應用于序列分類的研究。轉(zhuǎn)換過程如圖1所示。

    2" MobileNetV3改進

    2.1" 注意力模塊改進

    MobileNetV3[10]是一種輕量型的卷積神經(jīng)網(wǎng)絡,注意力機制為擠壓和激勵機制(Squeeze and Excitation Network),其結(jié)構(gòu)主要由全局平均池化層(Global Average Pooling)、全連接層(Fully Connected)、激活函數(shù)組成。由于卷積只在局部空間內(nèi)進行,很難獲得足夠的信息來提取信道(channel)之間的關系特征。為提取channel之間的關系,首先將每個channel上的空間特征編碼壓縮為一個全局特征,加入一個全連接層SE的結(jié)構(gòu),如圖2所示。

    SE機制對通道關系進行建模重構(gòu)通道的權(quán)重,但SE只考慮通道維度上的注意力,無法捕捉空間維度上的注意力,而位置信息對于生成具有空間選擇性的注意力映射非常重要。

    故本文引入坐標注意力(Coordinate Attention, CA)[11]。CA注意力與通道注意力不同的是通過使用二維全局池化,將特征張量轉(zhuǎn)換為一個單一的特征向量。CA注意力的關鍵在于將通道注意力分解為兩個一維特征編碼過程,它們分別在兩個空間方向上聚合特征[12]。這種方法的優(yōu)點是:它允許模型在一個空間方向上捕獲遠程依賴關系,同時在另一個空間方向上保留精確的位置信息[13]。CA注意力流程圖如圖3所示。

    CA注意力的第一步是特征圖嵌入,將大小為[W×H×C]的輸入特征圖使用全局平均池化操作劃分為水平方向[X]特征圖和豎直方向[Y]特征圖。[X]、[Y]特征圖的大小均為[W×1×C]。計算公式如下:

    [zhc(h)=1w0≤i≤Wxc(h,i)zwc(w)=1H0≤j≤Hxc(j,w)] (6)

    式中:[zhc(h)]與[zwc(w)]為全局歸一化后的水平特征圖與豎直特征圖。將兩個特征圖拼接并通過1×1的共享卷積核運算降維為原來的[Cr]維,經(jīng)過批量歸一化處理后送入激活函數(shù),得到形如[(W+H)×1×Cr]的特征圖。計算公式如下:

    [ft=σ(F1([Zh,Zw]))] (7)

    式中[ft]是對水平方向和豎直方向進行編碼的中間特征圖,將中間特征圖通過兩個1×1卷積,得到一個與原始特征圖同樣大小的特征圖。將特征圖通過激活函數(shù)得到水平方向與豎直方向的注意力權(quán)重[gh]、[gw],如下所示:

    [gh=σFh(fh)gw=σFw(fw)] (8)

    式中:[gh]與[gw]為輸入同維度的變換函數(shù)。CA注意力的第三步是特征圖與權(quán)重修正操作,將[gh]和[gw]與原本的特征輸入圖通過殘差的方式連接,即對應位置元素相乘,得到CA的注意力特征圖。

    [yc=xc×gh×gw] (9)

    式中:[xc]為[W×H×C]的特征輸入圖;[yc]為[W×H×C]的特征輸出圖。本文模塊結(jié)構(gòu)如圖4所示。

    2.2" 網(wǎng)絡結(jié)構(gòu)改進

    MobileNetV3是一種輕量級卷積神經(jīng)網(wǎng)絡架構(gòu),專門用于在移動設備和嵌入式系統(tǒng)上進行高效的計算。

    為使MobileNetV3能更好地完成本文任務,對MobileNetV3模型結(jié)構(gòu)與部分參數(shù)進行修改,相較于原始模型,本文模型參數(shù)量僅為0.7 MB。本文使用的網(wǎng)絡結(jié)構(gòu)參數(shù)如表1所示。

    3" 實驗驗證

    3.1" 實驗環(huán)境

    硬件環(huán)境為:1個工作頻率為920.875 MHz的Impinj R420 RFID讀取器、1個RFID UHF圓極化天線、4個4 cm×4 cm標簽和1臺聯(lián)想R7000p計算機,該計算機配備2.5 GHz AMDR7處理器和16 GB內(nèi)存,RFID讀卡器使用低級讀卡器協(xié)議通信。軟件環(huán)境為Python 3.6、NVIDIA CUDA 9.2、CUDNN。

    3.2" 數(shù)據(jù)集描述

    本文實驗設置在面積約為7 m×10 m的教室,在教室中選取一個2.2 m×1.8 m的開闊區(qū)域作為實驗區(qū)域,周圍環(huán)境包括木質(zhì)課桌椅、玻璃以及混凝土墻等,如圖5所示。

    本文數(shù)據(jù)集有5種動作(開合跳、深蹲、高抬腿、弓箭步、旋轉(zhuǎn)上身,下文用動作1~動作5代替)的實驗數(shù)據(jù),共有6位志愿者參與實驗,每位志愿者執(zhí)行指定動作約50次,數(shù)據(jù)集示例如圖6所示。

    數(shù)據(jù)集中70%作為訓練集,30%作為測試集,具體動作樣本數(shù)量如表2所示。

    3.3" 實驗結(jié)果

    本文模型在訓練集上準確率、損失值變化曲線如圖7所示。

    模型在訓練過程中,前30輪的準確率的上升與損失值下降速度較快,在接近50輪時模型的損失值接近平緩,準確率也達到最高值。

    為展示所提模型在動作識別任務中的表現(xiàn),本文提供模型在測試集上得到的混淆矩陣,如圖8所示。

    其中動作2與動作4為相似動作,都需要用戶蹲下并站起,而本文模型仍然保持平均92.8%以上的識別率,說明本文方法能區(qū)分動作之間較為細小的差距并加以識別。

    模型性能對比結(jié)果如表3所示。從表3可知,本文模型平均準確率為96.56%。與原模型對比,本文模型參數(shù)量僅為原模型的12.9%,每秒浮點數(shù)運算(Floating?point Operations Per Second, FLOPs)相較于原模型提高了11%。在保證相近的模型處理速度下,本文模型相比MobileNetV3在數(shù)據(jù)集上識別準確率提高2.34%,由此可見改進模型具有較優(yōu)的輕量性和較高的識別率等優(yōu)勢。

    為了驗證模型注意力模塊和格拉姆角場對模型效果提升的有效性,本文對這兩個部分做消融實驗。其中未加入格拉姆角場網(wǎng)絡模型中輸入的是原始信號波形圖,如圖6所示。每個模塊消融實驗結(jié)果如表4所示?;趯嶒灠l(fā)現(xiàn),格拉姆角場對于識別準確率有較大的提升,使原本模型準確率提升6.56%,CA機制使模型準確率又提升了1.83%。

    為了進一步說明本文模型的有效性,本文與現(xiàn)有的主流輕量化模型MobileNet、MoCoViT、GhostNet[14]、ShuffleNet[15]等模型進行比較,在本文數(shù)據(jù)集上進行實驗,主要從模型參數(shù)量、FLOPs、準確率三個方面進行計算和記錄,實驗所得結(jié)果如表5所示。

    從表5可以看出,與原始MobileNetV3模型相比,本文模型識別率有所提升,相較于DTW、MoCoViT、ShuffleNetV1、ShuffleNetV2等模型,本文模型從準確率上分別提高了16.24%、2.71%、3.22%、1.69%,與上述主流算法或模型相比,本文模型具有低參數(shù)量、低FLOPs和高準確率的特點,綜合性能較好。

    4" 結(jié)" 語

    本文借助格拉姆矩陣實現(xiàn)一維數(shù)據(jù)的圖像化處理,減少異常數(shù)據(jù)對識別效果的影響,提高識別精度。提出輕量化的人體動作識別模型,引入坐標注意力機制,增強方向相關的位置信息學習。本文模型通過減少模塊數(shù)與通道數(shù),減少網(wǎng)絡參數(shù)和計算量,相較于原始的MobileNetV3的參數(shù)量,本文模型參數(shù)量僅為原模型的12.9%,準確率相較于MobileNetV3提高了2.34%,在降低模型復雜度的同時提高了識別準確率。將本文網(wǎng)絡與其他主流輕量型識別網(wǎng)絡進行實驗對比,實驗結(jié)果表明本文模型具有最優(yōu)輕量性和良好準確率。接下來主要針對多人動作識別模型的識別效果展開研究。

    注:本文通訊作者為張亞軍。

    參考文獻

    [1] 王楚豫,謝磊,趙彥超,等.基于RFID的無源感知機制研究綜述[J].軟件學報,2022,33(1):297?323.

    [2] 張鋆豪,何百岳,楊旭升,等.基于可穿戴式慣性傳感器的人體運動跟蹤方法綜述[J].自動化學報,2019,45(8):1439?1454.

    [3] 王歡,金立左.基于智能手機和神經(jīng)網(wǎng)絡的人體動作識別方法[J].工業(yè)控制計算機,2021,34(5):87?88.

    [4] 吳秋雯,廖薇.基于可穿戴設備的姿勢識別方法研究[J].中國醫(yī)學物理學雜志,2023,40(8):1002?1008.

    [5] 何冰倩,魏維,張斌.基于深度學習的輕量型人體動作識別模型[J].計算機應用研究,2020,37(8):2547?2551.

    [6] 吳雨珊,徐增敏,張雪蓮,等.骨架數(shù)據(jù)增強和雙重最近鄰檢索自監(jiān)督動作識別[J].計算機科學,2023,50(11):97?106.

    [7] KOU Z Y, ZHUANG Z Y, CHENG X Y. Real?time improper driving action recognition using TSM model with facial key points and temporal variations in pixels [C]// Proceedings of the 8th International Conference on Intelligent Computing and Signal Processing. [S.l.: s.n.], 2023: 1750?1754.

    [8] QIU Q, WANG T C, CHEN F L. LD?Recognition: Classroom action recognition based on passive RFID [J]. IEEE transactions on computational social systems, 2024, 11(1): 1182?1191.

    [9] BU Y L, XIE L, GONG Y Y, et al. RF?Dial: Rigid motion tracking and touch gesture detection for interaction via RFID tags [J]. IEEE transactions on mobile computing, 2022, 21(3): 1061?1080.

    [10] PRASAD S B R, CHANDANA B S. Mobilenetv3: A deep learning technique for human face expressions identification [J]. International journal of information technology, 2023, 15(6): 3229?3243.

    [11] 韓巖江,王偉,王峰萍.融合坐標注意力和BiFPN的YOLOv5s交通標志檢測方法[J].國外電子測量技術,2022,41(11):170?179.

    [12] 王劍哲,吳秦.坐標注意力特征金字塔的顯著性目標檢測算法[J].計算機科學與探索,2023,17(1):154?165.

    [13] 李正欣,張鳳鳴,李克武.基于DTW的多元時間序列模式匹配方法[J].模式識別與人工智能,2011,24(3):425?430.

    [14] ZHENG Y, HE Q E. Research and comparison of lightweight U?Net based on GhostNets for medical and remote sensing images [C]// Proceedings of the 8th International Conference on Intelligent Computing and Signal Processing. New York: IEEE, 2023: 2082?2086.

    [15] REZAEE K, MOUSAVIRAD S J, KHOSRAVI M R, et al. An autonomous UAV?assisted distance?aware crowd sensing platform using deep ShuffleNet transfer learning [J]. IEEE transactions on intelligent transportation systems, 2022, 23(7): 9404?9413.

    [16] GUO Y X, QIU L K, ZHOU J P, et al. Single?camera gaze estimation based on ShuffleNetV2 [C]// Proceedings of the 5th International Conference on Power, Intelligent Computing and Systems. New York: IEEE, 2023: 677?682.

    [17] DIB W, GHANEM K, ABABOU A, et al. Human activity recognition based on the fading characteristics of the on?body channel [J]. IEEE sensors journal, 2022, 22(8): 8049?8103.

    [18] JI Y L, YANG Y, SHEN F M, et al. Arbitrary?view human action recognition: A varying?view RGB?D action dataset [J]. IEEE transactions on circuits and systems for video technology, 2020, 31(1): 289?300.

    [19] LIU Q, ZHANG X Y, LIU Y X. GAF?MN: A new HRRP target recognition method based on Gramian angular field and matching networks in few?shot condition [C]// Proceedings of the International Conference on Radar. [S.l.: s.n.], 2021: 1288?1292.

    [20] 朱相華,智敏.基于改進深度學習方法的人體動作識別綜述[J].計算機應用研究,2022,39(2):342?348.

    [21] HOU Q B, ZHOU D Q, FENG J S. Coordinate attention for efficient mobile network design [C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2021: 13713?13722.

    成人高潮视频无遮挡免费网站| netflix在线观看网站| av国产免费在线观看| 国产免费男女视频| 我的女老师完整版在线观看| 一个人看视频在线观看www免费| 午夜老司机福利剧场| 悠悠久久av| 网址你懂的国产日韩在线| aaaaa片日本免费| 亚洲欧美清纯卡通| 99热网站在线观看| 人人妻人人看人人澡| 又爽又黄无遮挡网站| 久久久国产成人免费| 久久精品人妻少妇| 欧美高清成人免费视频www| 国产单亲对白刺激| 亚洲国产欧洲综合997久久,| 久久热精品热| 国产精品99久久久久久久久| 国产av一区在线观看免费| 能在线免费观看的黄片| avwww免费| 此物有八面人人有两片| 成人国产综合亚洲| 搞女人的毛片| 国产伦人伦偷精品视频| 日本与韩国留学比较| 久久99热6这里只有精品| 男女之事视频高清在线观看| 色吧在线观看| 欧美人与善性xxx| 亚洲三级黄色毛片| 欧美性猛交黑人性爽| 国产欧美日韩精品一区二区| 99精品久久久久人妻精品| 床上黄色一级片| 国产午夜精品久久久久久一区二区三区 | 悠悠久久av| 女的被弄到高潮叫床怎么办 | 国产av在哪里看| 国产精品人妻久久久久久| 免费看美女性在线毛片视频| 村上凉子中文字幕在线| 熟妇人妻久久中文字幕3abv| 成人鲁丝片一二三区免费| 男女啪啪激烈高潮av片| 精品不卡国产一区二区三区| 免费观看精品视频网站| 亚洲男人的天堂狠狠| 日本黄色片子视频| 99久久无色码亚洲精品果冻| 亚洲熟妇中文字幕五十中出| 精华霜和精华液先用哪个| 神马国产精品三级电影在线观看| 一级黄色大片毛片| 国产精品人妻久久久久久| 国产高清三级在线| 亚洲avbb在线观看| 午夜激情福利司机影院| 国产亚洲av嫩草精品影院| 观看美女的网站| 中文字幕熟女人妻在线| 国产蜜桃级精品一区二区三区| 成人国产一区最新在线观看| 三级男女做爰猛烈吃奶摸视频| 免费一级毛片在线播放高清视频| 久久精品国产鲁丝片午夜精品 | 精品人妻熟女av久视频| 很黄的视频免费| 午夜精品在线福利| 丝袜美腿在线中文| 成人特级av手机在线观看| 国产91精品成人一区二区三区| 男女啪啪激烈高潮av片| 在线a可以看的网站| av在线亚洲专区| 老司机深夜福利视频在线观看| 三级男女做爰猛烈吃奶摸视频| 不卡视频在线观看欧美| 少妇的逼水好多| 午夜精品一区二区三区免费看| 一级av片app| 在线免费十八禁| 最近最新免费中文字幕在线| 超碰av人人做人人爽久久| 成年女人永久免费观看视频| 男女做爰动态图高潮gif福利片| 男人舔奶头视频| 91久久精品电影网| 99久久九九国产精品国产免费| 国产伦一二天堂av在线观看| 国产在线精品亚洲第一网站| 校园春色视频在线观看| 干丝袜人妻中文字幕| 无人区码免费观看不卡| 桃红色精品国产亚洲av| 色精品久久人妻99蜜桃| 日本爱情动作片www.在线观看 | 不卡一级毛片| 亚洲av二区三区四区| 中国美白少妇内射xxxbb| 中文字幕高清在线视频| 欧美一级a爱片免费观看看| 成熟少妇高潮喷水视频| 日本撒尿小便嘘嘘汇集6| av女优亚洲男人天堂| 夜夜爽天天搞| 制服丝袜大香蕉在线| 天堂影院成人在线观看| 国内精品久久久久久久电影| 精品人妻熟女av久视频| 嫁个100分男人电影在线观看| 嫩草影院新地址| 麻豆国产97在线/欧美| 久久精品夜夜夜夜夜久久蜜豆| 婷婷色综合大香蕉| 91午夜精品亚洲一区二区三区 | 丰满人妻一区二区三区视频av| 国产一区二区在线观看日韩| 在线观看av片永久免费下载| 亚洲电影在线观看av| 伦理电影大哥的女人| 亚洲va日本ⅴa欧美va伊人久久| 成人精品一区二区免费| 真实男女啪啪啪动态图| 欧美一级a爱片免费观看看| 少妇的逼水好多| 国产亚洲精品综合一区在线观看| 中文字幕久久专区| 午夜福利视频1000在线观看| 美女黄网站色视频| 又黄又爽又免费观看的视频| 精品99又大又爽又粗少妇毛片 | 91精品国产九色| 极品教师在线免费播放| 自拍偷自拍亚洲精品老妇| 一个人看视频在线观看www免费| 国产视频内射| 日本 欧美在线| 亚洲无线在线观看| www.色视频.com| 长腿黑丝高跟| 亚洲熟妇中文字幕五十中出| 成人国产麻豆网| 嫩草影视91久久| 免费av不卡在线播放| 欧美高清成人免费视频www| 亚洲第一电影网av| 少妇人妻精品综合一区二区 | 色在线成人网| 黄色配什么色好看| 99久久精品一区二区三区| 亚洲男人的天堂狠狠| 18禁黄网站禁片午夜丰满| 亚洲性夜色夜夜综合| 我的女老师完整版在线观看| 日韩一本色道免费dvd| 成人国产综合亚洲| 国产探花在线观看一区二区| 最新在线观看一区二区三区| 国产精品久久视频播放| 欧美一区二区亚洲| 亚洲国产欧洲综合997久久,| 成人毛片a级毛片在线播放| 亚洲精品一卡2卡三卡4卡5卡| 在线国产一区二区在线| 久久精品国产亚洲网站| 嫁个100分男人电影在线观看| 天美传媒精品一区二区| 久久精品综合一区二区三区| 男女做爰动态图高潮gif福利片| 免费无遮挡裸体视频| 日日摸夜夜添夜夜添av毛片 | 亚洲在线自拍视频| 成熟少妇高潮喷水视频| 三级毛片av免费| 嫁个100分男人电影在线观看| 亚洲av第一区精品v没综合| 欧美黑人欧美精品刺激| 五月伊人婷婷丁香| 久久热精品热| av天堂中文字幕网| 欧美日韩瑟瑟在线播放| 日韩在线高清观看一区二区三区 | 夜夜爽天天搞| 在线观看一区二区三区| 亚洲专区中文字幕在线| 免费av不卡在线播放| 国内久久婷婷六月综合欲色啪| 97超级碰碰碰精品色视频在线观看| 男人舔奶头视频| 国产精品亚洲美女久久久| 国产精品电影一区二区三区| 国内精品宾馆在线| 日日干狠狠操夜夜爽| 淫秽高清视频在线观看| 久久精品国产清高在天天线| 国产 一区精品| 97碰自拍视频| 老熟妇仑乱视频hdxx| 久久香蕉精品热| 国产精品亚洲美女久久久| 联通29元200g的流量卡| 日本三级黄在线观看| 欧美3d第一页| 老师上课跳d突然被开到最大视频| 免费一级毛片在线播放高清视频| 久久久久久久久久成人| 天堂网av新在线| 国产久久久一区二区三区| x7x7x7水蜜桃| 久久国内精品自在自线图片| 91在线精品国自产拍蜜月| 精品久久久久久久久av| 亚洲一级一片aⅴ在线观看| 午夜a级毛片| 日本与韩国留学比较| 一进一出抽搐gif免费好疼| 亚洲经典国产精华液单| 久久久精品大字幕| 精品久久久久久久久久久久久| 日本黄色片子视频| 午夜激情欧美在线| 国产单亲对白刺激| 51国产日韩欧美| 欧美成人一区二区免费高清观看| 国产精品久久视频播放| 精品人妻熟女av久视频| 欧美中文日本在线观看视频| 69人妻影院| 国产一区二区三区视频了| 成人国产综合亚洲| 午夜日韩欧美国产| 国产大屁股一区二区在线视频| 国产亚洲欧美98| 69人妻影院| 国产精品嫩草影院av在线观看 | 我的老师免费观看完整版| 国产精品一区二区性色av| 日本色播在线视频| 日本精品一区二区三区蜜桃| 欧美高清成人免费视频www| 99久国产av精品| 99九九线精品视频在线观看视频| 国产av不卡久久| 婷婷六月久久综合丁香| 日本与韩国留学比较| 国产女主播在线喷水免费视频网站 | 在线播放无遮挡| 亚洲av成人精品一区久久| 老司机福利观看| 亚洲成a人片在线一区二区| 亚洲最大成人手机在线| 日韩av在线大香蕉| 国产伦人伦偷精品视频| 最近中文字幕高清免费大全6 | 色吧在线观看| 久久精品国产亚洲av香蕉五月| 草草在线视频免费看| 国内揄拍国产精品人妻在线| 一区福利在线观看| 男女做爰动态图高潮gif福利片| 草草在线视频免费看| 国产精品久久久久久精品电影| 日韩欧美一区二区三区在线观看| 亚洲av.av天堂| 99久久中文字幕三级久久日本| 国产精品国产三级国产av玫瑰| 亚州av有码| 精品久久久久久久久av| 国产av不卡久久| 欧美日韩中文字幕国产精品一区二区三区| 天堂√8在线中文| 美女高潮喷水抽搐中文字幕| 免费高清视频大片| 亚洲国产欧美人成| 国产一区二区在线av高清观看| 长腿黑丝高跟| 国产黄a三级三级三级人| 国产伦人伦偷精品视频| 男女做爰动态图高潮gif福利片| 99久久中文字幕三级久久日本| 亚洲熟妇中文字幕五十中出| 亚洲精品粉嫩美女一区| 久久久久久大精品| 我要搜黄色片| 两个人视频免费观看高清| 欧美在线一区亚洲| 18禁裸乳无遮挡免费网站照片| 一本久久中文字幕| 精品一区二区三区视频在线| 中文字幕精品亚洲无线码一区| 精品日产1卡2卡| 久久国产精品人妻蜜桃| 免费av观看视频| 久久久午夜欧美精品| 男人舔女人下体高潮全视频| 99九九线精品视频在线观看视频| bbb黄色大片| 亚洲在线自拍视频| 欧美+日韩+精品| 中文资源天堂在线| 欧美激情久久久久久爽电影| 国产乱人伦免费视频| 日韩欧美 国产精品| av天堂在线播放| 97碰自拍视频| 久久精品久久久久久噜噜老黄 | 少妇裸体淫交视频免费看高清| 亚洲欧美日韩卡通动漫| 男人和女人高潮做爰伦理| 少妇人妻精品综合一区二区 | 色吧在线观看| 床上黄色一级片| 欧美zozozo另类| 国产人妻一区二区三区在| 韩国av在线不卡| 亚洲av电影不卡..在线观看| 成人综合一区亚洲| 真人做人爱边吃奶动态| 免费观看精品视频网站| 欧美精品啪啪一区二区三区| 亚洲人成网站在线播放欧美日韩| 1000部很黄的大片| 五月伊人婷婷丁香| 麻豆国产97在线/欧美| 男女视频在线观看网站免费| 99在线视频只有这里精品首页| 久久99热6这里只有精品| 久久久久久久久久久丰满 | 啦啦啦啦在线视频资源| 午夜福利视频1000在线观看| 麻豆精品久久久久久蜜桃| 内地一区二区视频在线| 真人做人爱边吃奶动态| av福利片在线观看| 国产男靠女视频免费网站| 国产精品一及| 我要看日韩黄色一级片| 亚洲精华国产精华精| 亚洲av不卡在线观看| 淫妇啪啪啪对白视频| 免费av观看视频| 全区人妻精品视频| 少妇被粗大猛烈的视频| 十八禁网站免费在线| 最近中文字幕高清免费大全6 | 女生性感内裤真人,穿戴方法视频| 国产伦人伦偷精品视频| 午夜免费激情av| 亚洲avbb在线观看| 国产av麻豆久久久久久久| 亚洲经典国产精华液单| 国产精品久久久久久亚洲av鲁大| 久久精品国产亚洲av香蕉五月| 欧美成人a在线观看| 午夜久久久久精精品| 在线观看66精品国产| 我的女老师完整版在线观看| 亚洲va在线va天堂va国产| 久久久久久久久久久丰满 | 国产真实伦视频高清在线观看 | 天堂av国产一区二区熟女人妻| 国产乱人视频| 最新中文字幕久久久久| 亚洲内射少妇av| 欧美xxxx黑人xx丫x性爽| 热99re8久久精品国产| 观看免费一级毛片| 日韩,欧美,国产一区二区三区 | 美女cb高潮喷水在线观看| 一级黄片播放器| 国产成人a区在线观看| 国产欧美日韩精品一区二区| 又紧又爽又黄一区二区| 国产一区二区三区av在线 | 成人毛片a级毛片在线播放| 三级国产精品欧美在线观看| 国产不卡一卡二| 听说在线观看完整版免费高清| 免费观看的影片在线观看| 色视频www国产| 精品一区二区三区av网在线观看| 亚洲欧美日韩东京热| 此物有八面人人有两片| 自拍偷自拍亚洲精品老妇| 久久中文看片网| 免费人成视频x8x8入口观看| 18禁裸乳无遮挡免费网站照片| 99久久精品国产国产毛片| 欧美丝袜亚洲另类 | 看十八女毛片水多多多| 白带黄色成豆腐渣| 人人妻,人人澡人人爽秒播| 久久久久久久久久黄片| 舔av片在线| 久久久国产成人免费| 老师上课跳d突然被开到最大视频| 赤兔流量卡办理| 精品一区二区三区视频在线观看免费| av国产免费在线观看| a级毛片a级免费在线| 午夜老司机福利剧场| 在线看三级毛片| 天堂av国产一区二区熟女人妻| 亚洲无线观看免费| 色噜噜av男人的天堂激情| 中国美女看黄片| 久久久精品大字幕| 自拍偷自拍亚洲精品老妇| 亚洲av成人av| 久久久久国内视频| 免费看日本二区| 亚洲精华国产精华液的使用体验 | 午夜视频国产福利| 又紧又爽又黄一区二区| av国产免费在线观看| 18禁在线播放成人免费| 久久久色成人| 国产精品电影一区二区三区| 永久网站在线| 美女黄网站色视频| 欧美xxxx黑人xx丫x性爽| 一级黄片播放器| 真人做人爱边吃奶动态| 看十八女毛片水多多多| 少妇被粗大猛烈的视频| 99九九线精品视频在线观看视频| 久99久视频精品免费| 天堂网av新在线| 精品一区二区三区视频在线观看免费| 九九久久精品国产亚洲av麻豆| 一个人免费在线观看电影| 在线看三级毛片| 亚洲av中文字字幕乱码综合| ponron亚洲| 亚洲av成人av| 国产精品嫩草影院av在线观看 | 男女之事视频高清在线观看| 一进一出抽搐动态| 美女被艹到高潮喷水动态| 日本黄大片高清| 亚洲一级一片aⅴ在线观看| 禁无遮挡网站| 九色国产91popny在线| 亚洲专区国产一区二区| 国产伦精品一区二区三区视频9| 97热精品久久久久久| 在线播放国产精品三级| 在线a可以看的网站| 精品国产三级普通话版| 亚洲欧美日韩卡通动漫| 欧美日韩亚洲国产一区二区在线观看| 日韩国内少妇激情av| 深夜a级毛片| 69人妻影院| 亚洲人成网站在线播| 老熟妇乱子伦视频在线观看| 国产精品无大码| 18禁在线播放成人免费| 一区福利在线观看| av黄色大香蕉| 免费在线观看日本一区| 18+在线观看网站| 免费观看在线日韩| 99久久中文字幕三级久久日本| 欧美性感艳星| 韩国av在线不卡| 中文资源天堂在线| 国产激情偷乱视频一区二区| 国产精品人妻久久久久久| 国产精品综合久久久久久久免费| 国产欧美日韩精品亚洲av| 国产麻豆成人av免费视频| 亚洲欧美日韩高清在线视频| 中文字幕av成人在线电影| 日韩强制内射视频| 男插女下体视频免费在线播放| 男女那种视频在线观看| 成人永久免费在线观看视频| 在线观看一区二区三区| 一个人免费在线观看电影| 麻豆av噜噜一区二区三区| 国产精品亚洲一级av第二区| 一个人免费在线观看电影| 中文字幕av在线有码专区| 一级a爱片免费观看的视频| 最近最新免费中文字幕在线| 九色国产91popny在线| 人妻夜夜爽99麻豆av| 九九热线精品视视频播放| 久久久久性生活片| 久久久久免费精品人妻一区二区| eeuss影院久久| 亚洲欧美清纯卡通| 亚洲三级黄色毛片| 欧美又色又爽又黄视频| 一个人免费在线观看电影| 国产 一区 欧美 日韩| 两个人的视频大全免费| 久久久久久久久久黄片| 久久精品国产亚洲网站| 看免费成人av毛片| www.色视频.com| 午夜激情福利司机影院| 国产精品99久久久久久久久| 午夜a级毛片| 精品一区二区三区视频在线| 亚洲精华国产精华液的使用体验 | 国产一区二区在线av高清观看| 少妇人妻精品综合一区二区 | 国产精品国产高清国产av| 日韩精品有码人妻一区| 1024手机看黄色片| 亚洲无线观看免费| 久久精品久久久久久噜噜老黄 | 最新中文字幕久久久久| 久久九九热精品免费| 国产亚洲精品综合一区在线观看| 久久精品夜夜夜夜夜久久蜜豆| 午夜精品久久久久久毛片777| 久久久久久久久中文| eeuss影院久久| www.www免费av| 日日夜夜操网爽| 九九在线视频观看精品| 久久婷婷人人爽人人干人人爱| 欧美激情在线99| 亚洲男人的天堂狠狠| 波野结衣二区三区在线| 久久99热这里只有精品18| 男女视频在线观看网站免费| 中文字幕久久专区| 亚洲真实伦在线观看| 少妇猛男粗大的猛烈进出视频 | 亚洲第一区二区三区不卡| 五月玫瑰六月丁香| 啦啦啦啦在线视频资源| 欧美人与善性xxx| 精品乱码久久久久久99久播| 成人av在线播放网站| 国产精品乱码一区二三区的特点| 国产高清激情床上av| 亚洲av免费高清在线观看| 亚洲国产日韩欧美精品在线观看| 九九久久精品国产亚洲av麻豆| 1024手机看黄色片| 天天一区二区日本电影三级| 国产精品国产三级国产av玫瑰| 别揉我奶头~嗯~啊~动态视频| 久久精品国产亚洲av涩爱 | 女生性感内裤真人,穿戴方法视频| 国产中年淑女户外野战色| 伦理电影大哥的女人| or卡值多少钱| 中文字幕免费在线视频6| ponron亚洲| 亚洲aⅴ乱码一区二区在线播放| 欧美最黄视频在线播放免费| 国产主播在线观看一区二区| bbb黄色大片| 亚洲色图av天堂| 久久久久久国产a免费观看| 又爽又黄a免费视频| 自拍偷自拍亚洲精品老妇| 亚洲av免费高清在线观看| 少妇熟女aⅴ在线视频| 精品久久国产蜜桃| 亚洲天堂国产精品一区在线| 村上凉子中文字幕在线| 亚洲一级一片aⅴ在线观看| 一级av片app| 久久欧美精品欧美久久欧美| 久久午夜亚洲精品久久| 国产精品乱码一区二三区的特点| 淫秽高清视频在线观看| 天堂av国产一区二区熟女人妻| 91av网一区二区| aaaaa片日本免费| 久久精品人妻少妇| 最后的刺客免费高清国语| 天天一区二区日本电影三级| 琪琪午夜伦伦电影理论片6080| 国产高清三级在线| 精品一区二区免费观看| 女的被弄到高潮叫床怎么办 | 男女之事视频高清在线观看| 国产精品电影一区二区三区| 我的女老师完整版在线观看| 又爽又黄无遮挡网站| 国产爱豆传媒在线观看| 午夜精品在线福利| 日本成人三级电影网站| 69人妻影院| 在线观看舔阴道视频| 99在线人妻在线中文字幕| 午夜久久久久精精品| 永久网站在线| 日韩欧美免费精品| 可以在线观看毛片的网站| 亚洲av美国av| 日韩欧美在线二视频| 老熟妇仑乱视频hdxx| 国内毛片毛片毛片毛片毛片| 天堂网av新在线| 亚洲国产精品sss在线观看| 久久久久久久精品吃奶| 在线国产一区二区在线| 国产一区二区亚洲精品在线观看| 观看免费一级毛片| 日本 av在线| 成人二区视频| 国产午夜精品久久久久久一区二区三区 |