• <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.

    亚洲五月天丁香| 欧美成人精品欧美一级黄| 精品久久久久久成人av| 校园春色视频在线观看| 精品日产1卡2卡| 91精品国产九色| 成人综合一区亚洲| 国产精品久久久久久久电影| 色噜噜av男人的天堂激情| a级毛片免费高清观看在线播放| 综合色丁香网| 一边摸一边抽搐一进一小说| 麻豆精品久久久久久蜜桃| 高清毛片免费看| 成熟少妇高潮喷水视频| 老女人水多毛片| 国产伦精品一区二区三区四那| 色综合色国产| 日本黄大片高清| www日本黄色视频网| 日韩欧美一区二区三区在线观看| 激情 狠狠 欧美| 好男人视频免费观看在线| 麻豆国产av国片精品| 人妻少妇偷人精品九色| 亚洲va在线va天堂va国产| 一区二区三区四区激情视频 | 51国产日韩欧美| 麻豆国产av国片精品| 成人av在线播放网站| 久久人人爽人人片av| 亚洲aⅴ乱码一区二区在线播放| 嫩草影院入口| 午夜免费激情av| 韩国av在线不卡| 欧美一级a爱片免费观看看| 熟女电影av网| 哪里可以看免费的av片| 欧美色视频一区免费| 久久久a久久爽久久v久久| 免费av不卡在线播放| 国产不卡一卡二| 国产精品精品国产色婷婷| 欧美zozozo另类| 亚洲国产色片| 又爽又黄无遮挡网站| 99久久成人亚洲精品观看| 亚洲av免费高清在线观看| 亚洲欧美中文字幕日韩二区| 国产91av在线免费观看| 国产毛片a区久久久久| 亚洲成人中文字幕在线播放| 在线观看美女被高潮喷水网站| 夜夜夜夜夜久久久久| 亚洲欧美成人精品一区二区| 人妻夜夜爽99麻豆av| 亚洲成人中文字幕在线播放| 丰满的人妻完整版| 国产成人91sexporn| 国产蜜桃级精品一区二区三区| 99热网站在线观看| 少妇人妻一区二区三区视频| 亚洲精品日韩av片在线观看| 国产精品av视频在线免费观看| 久久久成人免费电影| 日日撸夜夜添| 久久精品国产亚洲av香蕉五月| 五月玫瑰六月丁香| 深爱激情五月婷婷| 欧美性感艳星| 国模一区二区三区四区视频| 三级毛片av免费| a级一级毛片免费在线观看| 日韩一本色道免费dvd| 成年女人永久免费观看视频| 一本一本综合久久| 午夜福利成人在线免费观看| 欧美3d第一页| 麻豆乱淫一区二区| 在线播放国产精品三级| 午夜精品一区二区三区免费看| 久久久久免费精品人妻一区二区| 看免费成人av毛片| 久久热精品热| 2022亚洲国产成人精品| 日日啪夜夜撸| 又粗又爽又猛毛片免费看| 1000部很黄的大片| 你懂的网址亚洲精品在线观看 | 午夜精品一区二区三区免费看| 99久久成人亚洲精品观看| 高清在线视频一区二区三区 | 天堂√8在线中文| 日韩欧美三级三区| 日韩av在线大香蕉| 久久精品国产亚洲网站| 在线播放国产精品三级| 国产午夜精品论理片| 日本成人三级电影网站| 日日啪夜夜撸| 国产精品久久久久久精品电影| 一边亲一边摸免费视频| 乱人视频在线观看| а√天堂www在线а√下载| 一区二区三区四区激情视频 | 久久久久久久久久成人| 网址你懂的国产日韩在线| 日本-黄色视频高清免费观看| 精品一区二区三区人妻视频| 亚洲自拍偷在线| 欧美日韩精品成人综合77777| 丰满的人妻完整版| 日韩强制内射视频| 卡戴珊不雅视频在线播放| 乱系列少妇在线播放| 人妻久久中文字幕网| 成人一区二区视频在线观看| 三级经典国产精品| 国产一区二区在线av高清观看| 久久精品国产亚洲网站| 在线观看66精品国产| 亚洲一级一片aⅴ在线观看| 麻豆成人午夜福利视频| av专区在线播放| 日本-黄色视频高清免费观看| 久久精品人妻少妇| 日本色播在线视频| 久久这里只有精品中国| 成人特级av手机在线观看| 国产精品嫩草影院av在线观看| 极品教师在线视频| 天堂网av新在线| 亚洲欧美精品综合久久99| 亚洲国产精品久久男人天堂| 乱码一卡2卡4卡精品| 国产探花在线观看一区二区| 国产日韩欧美在线精品| 国产在视频线在精品| 精品人妻一区二区三区麻豆| 久久精品国产99精品国产亚洲性色| 男人和女人高潮做爰伦理| 国产中年淑女户外野战色| 精品久久久噜噜| 国产白丝娇喘喷水9色精品| 美女大奶头视频| 99在线人妻在线中文字幕| 亚洲av一区综合| 久久国内精品自在自线图片| 国产片特级美女逼逼视频| 成人二区视频| 亚洲一区二区三区色噜噜| a级毛片a级免费在线| 国产视频内射| 国产综合懂色| а√天堂www在线а√下载| 国产精品嫩草影院av在线观看| 国产精品一二三区在线看| 国产伦精品一区二区三区四那| 国产高潮美女av| 免费电影在线观看免费观看| 欧美一区二区亚洲| 1024手机看黄色片| 日韩大尺度精品在线看网址| 身体一侧抽搐| 少妇丰满av| 最后的刺客免费高清国语| 真实男女啪啪啪动态图| 内射极品少妇av片p| 久久精品国产自在天天线| 欧美激情在线99| 亚洲国产精品成人久久小说 | 国产精品久久久久久亚洲av鲁大| 激情 狠狠 欧美| 国产精品久久久久久久久免| 国产精品99久久久久久久久| 亚洲真实伦在线观看| 久久精品夜夜夜夜夜久久蜜豆| 一边摸一边抽搐一进一小说| 国产精品一二三区在线看| 国内精品一区二区在线观看| 国产一区二区在线观看日韩| 夜夜爽天天搞| 99久久成人亚洲精品观看| 波野结衣二区三区在线| 国产午夜福利久久久久久| 日韩三级伦理在线观看| 插阴视频在线观看视频| 成人一区二区视频在线观看| av在线蜜桃| 国产亚洲91精品色在线| 久久久久性生活片| 精品少妇黑人巨大在线播放 | 欧美性猛交黑人性爽| 国产日韩欧美视频二区| 久热这里只有精品99| 亚洲精品乱码久久久久久按摩| 在线观看国产h片| 18禁观看日本| 美女脱内裤让男人舔精品视频| 国产亚洲欧美精品永久| 日韩免费高清中文字幕av| 午夜影院在线不卡| 亚洲精品乱码久久久久久按摩| 中文精品一卡2卡3卡4更新| 高清欧美精品videossex| 久久这里有精品视频免费| 日韩av在线免费看完整版不卡| 精品久久久久久久久亚洲| 男女高潮啪啪啪动态图| 春色校园在线视频观看| 午夜福利视频在线观看免费| 夫妻性生交免费视频一级片| 久久精品久久久久久噜噜老黄| 午夜福利视频精品| 国产亚洲av片在线观看秒播厂| 三级国产精品欧美在线观看| 色吧在线观看| 啦啦啦在线观看免费高清www| 成年人午夜在线观看视频| 成年女人在线观看亚洲视频| 日韩一本色道免费dvd| 亚洲综合色网址| 婷婷色综合www| 国产精品蜜桃在线观看| 少妇高潮的动态图| freevideosex欧美| 亚洲国产欧美在线一区| 国产精品久久久久久av不卡| 久久久久久久大尺度免费视频| 男人添女人高潮全过程视频| 99久久中文字幕三级久久日本| 久久 成人 亚洲| 自线自在国产av| 久久久国产精品麻豆| 亚洲天堂av无毛| 国产黄片视频在线免费观看| 三上悠亚av全集在线观看| 亚洲国产精品999| 久久久久精品久久久久真实原创| 超碰97精品在线观看| 日本欧美视频一区| 五月伊人婷婷丁香| 狂野欧美激情性bbbbbb| 欧美日韩综合久久久久久| 亚洲国产精品一区三区| 国产亚洲精品第一综合不卡 | √禁漫天堂资源中文www| 亚洲图色成人| 国产黄频视频在线观看| 老司机影院成人| 国产免费现黄频在线看| 久久影院123| 天天影视国产精品| 精品国产乱码久久久久久小说| 免费黄色在线免费观看| 国产熟女欧美一区二区| 欧美日韩视频高清一区二区三区二| 亚洲三级黄色毛片| 日韩不卡一区二区三区视频在线| 日韩一区二区三区影片| 欧美xxⅹ黑人| av国产精品久久久久影院| 久久狼人影院| 日本wwww免费看| 国产精品一二三区在线看| 三级国产精品欧美在线观看| 免费观看性生交大片5| 精品人妻在线不人妻| 99热网站在线观看| 美女视频免费永久观看网站| 国产成人精品无人区| 日本av手机在线免费观看| 两个人免费观看高清视频| 我的女老师完整版在线观看| 欧美 日韩 精品 国产| 亚洲精品日韩在线中文字幕| av不卡在线播放| 五月开心婷婷网| 中文字幕最新亚洲高清| 日韩视频在线欧美| www.色视频.com| 91精品国产九色| 久久久亚洲精品成人影院| 亚洲精品国产av成人精品| 伊人久久精品亚洲午夜| 夫妻午夜视频| 国产色爽女视频免费观看| 五月伊人婷婷丁香| 国产乱来视频区| 满18在线观看网站| 国模一区二区三区四区视频| 人妻制服诱惑在线中文字幕| 成人18禁高潮啪啪吃奶动态图 | 国产成人91sexporn| 久热久热在线精品观看| 2022亚洲国产成人精品| 久久久久网色| 最近中文字幕2019免费版| 黄色怎么调成土黄色| 日韩欧美一区视频在线观看| 十分钟在线观看高清视频www| 18禁观看日本| 如日韩欧美国产精品一区二区三区 | 国产精品久久久久久精品电影小说| 久久久久久久久久成人| 免费不卡的大黄色大毛片视频在线观看| 91精品国产九色| 欧美日韩成人在线一区二区| 国产精品99久久99久久久不卡 | 啦啦啦啦在线视频资源| 一级,二级,三级黄色视频| 国产精品熟女久久久久浪| 黑丝袜美女国产一区| 啦啦啦视频在线资源免费观看| 国产不卡av网站在线观看| 亚洲内射少妇av| 天天影视国产精品| 我的女老师完整版在线观看| 亚洲图色成人| 国产极品粉嫩免费观看在线 | 最新的欧美精品一区二区| 国产精品嫩草影院av在线观看| 99国产综合亚洲精品| 高清不卡的av网站| 国产在线视频一区二区| 久久人人爽av亚洲精品天堂| 蜜桃在线观看..| 色哟哟·www| 国产日韩欧美在线精品| 99久久中文字幕三级久久日本| 国产深夜福利视频在线观看| 男人操女人黄网站| 韩国av在线不卡| 久久免费观看电影| 国产精品久久久久久精品电影小说| 亚洲欧美一区二区三区黑人 | 亚洲精品av麻豆狂野| 久久av网站| 精品少妇久久久久久888优播| 午夜福利,免费看| 国产视频首页在线观看| 成年女人在线观看亚洲视频| 亚洲国产欧美在线一区| 国产高清三级在线| 中国三级夫妇交换| 中文字幕人妻熟人妻熟丝袜美| 亚洲国产av影院在线观看| 在线亚洲精品国产二区图片欧美 | av在线老鸭窝| 中国三级夫妇交换| 91成人精品电影| 日本vs欧美在线观看视频| 老熟女久久久| 又大又黄又爽视频免费| 亚洲精品国产av蜜桃| 国产一区二区在线观看日韩| 999精品在线视频| 91aial.com中文字幕在线观看| 亚洲欧美日韩另类电影网站| 日韩av在线免费看完整版不卡| 日韩 亚洲 欧美在线| 亚洲av欧美aⅴ国产| 日韩亚洲欧美综合| 午夜福利网站1000一区二区三区| 国产精品嫩草影院av在线观看| 中文字幕人妻丝袜制服| 美女xxoo啪啪120秒动态图| 日本欧美视频一区| 日韩伦理黄色片| 在线免费观看不下载黄p国产| 高清午夜精品一区二区三区| 国产亚洲最大av| av在线app专区| a级毛片在线看网站| 卡戴珊不雅视频在线播放| 精品人妻在线不人妻| 成人黄色视频免费在线看| 亚洲欧美中文字幕日韩二区| 免费看光身美女| 亚洲综合色惰| 妹子高潮喷水视频| 99国产综合亚洲精品| 男女高潮啪啪啪动态图| 国产乱人偷精品视频| 亚洲av中文av极速乱| 久久精品久久精品一区二区三区| 午夜影院在线不卡| 69精品国产乱码久久久| 成年人午夜在线观看视频| www.av在线官网国产| 一级a做视频免费观看| 在线亚洲精品国产二区图片欧美 | 国产精品99久久99久久久不卡 | 男女边摸边吃奶| 91在线精品国自产拍蜜月| 国产免费又黄又爽又色| 亚洲精品,欧美精品| 热re99久久国产66热| 考比视频在线观看| 精品久久久久久电影网| 狂野欧美白嫩少妇大欣赏| 最近中文字幕2019免费版| 国产精品一区二区在线不卡| 乱人伦中国视频| 只有这里有精品99| 2021少妇久久久久久久久久久| 亚洲久久久国产精品| a级毛片免费高清观看在线播放| 久久久国产欧美日韩av| 26uuu在线亚洲综合色| 亚洲国产色片| 国产熟女欧美一区二区| 久久韩国三级中文字幕| 国产精品99久久久久久久久| 国产视频首页在线观看| 欧美97在线视频| 精品久久久久久久久av| 热99久久久久精品小说推荐| 国产精品一区二区在线不卡| 一个人看视频在线观看www免费| 亚洲欧美日韩卡通动漫| 色网站视频免费| 一本一本综合久久| 亚洲激情五月婷婷啪啪| 99热这里只有是精品在线观看| 亚洲精品日韩av片在线观看| 欧美成人午夜免费资源| 一本色道久久久久久精品综合| 黄色欧美视频在线观看| 男女高潮啪啪啪动态图| 欧美人与善性xxx| 啦啦啦中文免费视频观看日本| 性高湖久久久久久久久免费观看| 成人无遮挡网站| 久久人妻熟女aⅴ| 熟女人妻精品中文字幕| av播播在线观看一区| 中文字幕免费在线视频6| 日韩制服骚丝袜av| av在线app专区| 高清av免费在线| 亚洲欧美成人精品一区二区| 亚洲,一卡二卡三卡| 欧美最新免费一区二区三区| 夜夜骑夜夜射夜夜干| 午夜福利网站1000一区二区三区| 99热全是精品| 26uuu在线亚洲综合色| 国产亚洲av片在线观看秒播厂| 九色成人免费人妻av| 尾随美女入室| 黄色毛片三级朝国网站| 日本免费在线观看一区| 一级毛片我不卡| 99国产综合亚洲精品| 国模一区二区三区四区视频| 性高湖久久久久久久久免费观看| 亚洲情色 制服丝袜| 亚洲三级黄色毛片| 日韩大片免费观看网站| 亚洲第一av免费看| 色婷婷av一区二区三区视频| 纯流量卡能插随身wifi吗| 成人黄色视频免费在线看| 日本黄色片子视频| 日韩av在线免费看完整版不卡| 最近手机中文字幕大全| 女性生殖器流出的白浆| 色视频在线一区二区三区| 尾随美女入室| 中文字幕最新亚洲高清| 久久这里有精品视频免费| 国产男人的电影天堂91| 免费黄频网站在线观看国产| 亚洲国产av新网站| 欧美日韩亚洲高清精品| 中文欧美无线码| 久久精品久久久久久久性| 久久99精品国语久久久| 亚洲欧美日韩另类电影网站| 久久久亚洲精品成人影院| 丝袜脚勾引网站| 欧美精品一区二区大全| 国产精品熟女久久久久浪| 成年美女黄网站色视频大全免费 | 天天躁夜夜躁狠狠久久av| 999精品在线视频| 色吧在线观看| 午夜免费男女啪啪视频观看| 嫩草影院入口| 男女啪啪激烈高潮av片| 国产欧美日韩一区二区三区在线 | a级片在线免费高清观看视频| 青春草亚洲视频在线观看| 亚洲成色77777| a 毛片基地| 免费观看a级毛片全部| av在线老鸭窝| 99九九线精品视频在线观看视频| 99精国产麻豆久久婷婷| 一边摸一边做爽爽视频免费| 亚洲av成人精品一二三区| 夜夜爽夜夜爽视频| 国产黄片视频在线免费观看| 寂寞人妻少妇视频99o| 在线观看www视频免费| 亚洲av.av天堂| 国产不卡av网站在线观看| 热re99久久国产66热| 亚洲av欧美aⅴ国产| 国产精品蜜桃在线观看| 久久久国产一区二区| 免费看光身美女| 99久国产av精品国产电影| 成人手机av| 丁香六月天网| 久久人人爽av亚洲精品天堂| 狠狠婷婷综合久久久久久88av| 青春草国产在线视频| 99热网站在线观看| 尾随美女入室| 亚洲综合精品二区| 黄片无遮挡物在线观看| 国产一区有黄有色的免费视频| 国产精品女同一区二区软件| 99国产综合亚洲精品| 国产日韩欧美视频二区| 99久久中文字幕三级久久日本| 欧美老熟妇乱子伦牲交| 日韩免费高清中文字幕av| 超色免费av| 黑人巨大精品欧美一区二区蜜桃 | 狂野欧美激情性bbbbbb| 九九久久精品国产亚洲av麻豆| 国产av一区二区精品久久| 嫩草影院入口| 2022亚洲国产成人精品| av在线app专区| 日韩三级伦理在线观看| 免费少妇av软件| 国产精品国产三级国产av玫瑰| 十八禁高潮呻吟视频| 一本—道久久a久久精品蜜桃钙片| tube8黄色片| 日韩中文字幕视频在线看片| 国产免费又黄又爽又色| 男女边吃奶边做爰视频| 亚洲精华国产精华液的使用体验| 在线观看国产h片| 十八禁网站网址无遮挡| 亚洲国产精品成人久久小说| 日韩av不卡免费在线播放| 少妇人妻精品综合一区二区| 久久久午夜欧美精品| 亚洲精品中文字幕在线视频| 日韩精品有码人妻一区| av线在线观看网站| 最近最新中文字幕免费大全7| 成人综合一区亚洲| 97在线视频观看| 大香蕉久久网| 在线免费观看不下载黄p国产| 少妇人妻 视频| 亚洲精品一二三| 人妻人人澡人人爽人人| 制服诱惑二区| 久久婷婷青草| 精品国产国语对白av| 亚洲精品久久久久久婷婷小说| 新久久久久国产一级毛片| 中国国产av一级| 永久网站在线| 纯流量卡能插随身wifi吗| 久久久精品94久久精品| 99视频精品全部免费 在线| 亚洲av综合色区一区| 大片电影免费在线观看免费| 色94色欧美一区二区| 99热这里只有是精品在线观看| 大码成人一级视频| 女性生殖器流出的白浆| 国产精品国产三级国产专区5o| 日韩三级伦理在线观看| 精品酒店卫生间| 韩国av在线不卡| 五月玫瑰六月丁香| 看十八女毛片水多多多| 少妇熟女欧美另类| 精品久久蜜臀av无| 伦理电影大哥的女人| 免费黄色在线免费观看| 爱豆传媒免费全集在线观看| 国产精品一区二区三区四区免费观看| 亚洲五月色婷婷综合| 日韩中文字幕视频在线看片| 精品酒店卫生间| 国产视频内射| 高清av免费在线| 大陆偷拍与自拍| 亚洲国产欧美日韩在线播放| 激情五月婷婷亚洲| 久久人妻熟女aⅴ| 韩国av在线不卡| 免费播放大片免费观看视频在线观看| 乱码一卡2卡4卡精品| 一边亲一边摸免费视频| 91精品三级在线观看| 欧美日韩国产mv在线观看视频| 我的老师免费观看完整版| 青春草国产在线视频| 少妇被粗大猛烈的视频| 免费少妇av软件| 久久人人爽av亚洲精品天堂| 美女脱内裤让男人舔精品视频| 狂野欧美白嫩少妇大欣赏|