亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        利用改進(jìn)DBSCAN算法的管制雷達(dá)目標(biāo)標(biāo)定方法

        2021-06-21 09:19:52靳慧斌劉海波胡占堯霍百明
        重慶大學(xué)學(xué)報(bào) 2021年5期
        關(guān)鍵詞:眼動(dòng)

        靳慧斌,劉海波,胡占堯,霍百明

        (1.中國(guó)民航大學(xué) 通用航空學(xué)院,天津 300300;2.中國(guó)民航大學(xué) 飛行技術(shù)學(xué)院,天津 300300;3.中國(guó)民航大學(xué) 中歐航空工程學(xué)院,天津 300300)

        民航歷年發(fā)生的空中交通管理不安全事件中,管制員人因差錯(cuò)導(dǎo)致的不安全事件數(shù)至少占總數(shù)的80%[1]。可見(jiàn),對(duì)管制過(guò)程開(kāi)展人因研究對(duì)于提升民航運(yùn)行安全水平具有重要意義。

        人機(jī)交互分析是人因研究的重要方法。人的感覺(jué)器官(如眼睛和耳朵)接受信息,傳到大腦進(jìn)行處理、判斷和決策,然后大腦發(fā)出的指令傳遞到口、手、腳等部分并執(zhí)行[2],管制指揮的關(guān)鍵在于準(zhǔn)確及時(shí)地獲取空域內(nèi)運(yùn)行航空器的信息。而管制員主要通過(guò)眼睛獲取航空器的信息[3],因此注視時(shí)間和掃視路徑等眼動(dòng)指標(biāo)能在一定程度上反映被試選擇信息的傾向性,目前眼動(dòng)追蹤技術(shù)已經(jīng)能準(zhǔn)確記錄眼球運(yùn)動(dòng)數(shù)據(jù)。在航空領(lǐng)域,視覺(jué)搜索策略[4-6]、工作負(fù)荷[7-10]與管制人因差錯(cuò)[11-14]3個(gè)方面是國(guó)外國(guó)內(nèi)相關(guān)研究的主要方面。此外,眼動(dòng)追蹤技術(shù)正成為新興管制技術(shù)的重要安全評(píng)估手段,如遠(yuǎn)程塔臺(tái)界面評(píng)估[15]等。綜上可知,利用眼動(dòng)追蹤技術(shù)捕捉眼球運(yùn)動(dòng)信息已經(jīng)成為國(guó)內(nèi)外研究人員分析管制人機(jī)交互的重要手段,通過(guò)處理眼動(dòng)數(shù)據(jù),可以提取有意義的眼球運(yùn)動(dòng)指標(biāo),這些量化指標(biāo)往往能準(zhǔn)確反映管制員的信息搜索和信息獲取過(guò)程。

        雷達(dá)界面中航空器目標(biāo)往往是管制員重點(diǎn)關(guān)注對(duì)象,這些注視點(diǎn)集中的區(qū)域也經(jīng)常被劃分為興趣區(qū)來(lái)研究,因此興趣區(qū)提取可以作為一種雷達(dá)目標(biāo)標(biāo)定的方法。目前興趣區(qū)劃分方法主要利用熱圖法手動(dòng)劃分,該方法雖然快捷簡(jiǎn)單,但是手動(dòng)劃分一方面缺乏切割興趣區(qū)的理論依據(jù)與數(shù)據(jù)支撐,二是這種粗略的劃分方法缺乏一定的精確性。而聚類(lèi)算法因具有理論數(shù)據(jù)支撐和一定的準(zhǔn)確度而進(jìn)入人們的視野。但在使用傳統(tǒng)的具有噪聲的基于密度的聚類(lèi)算法(DBSCAN,density-based spatial clustering of applications with noise)處理眼動(dòng)數(shù)據(jù)時(shí),輸入?yún)?shù)不合理會(huì)導(dǎo)致聚類(lèi)效果不理想[16]。因此有必要改進(jìn)傳統(tǒng)DBSCAN算法以避免在處理眼動(dòng)數(shù)據(jù)時(shí)的問(wèn)題。

        為了提高管制人機(jī)交互的效率與安全水平,有必要提出一種能客觀準(zhǔn)確提取管制雷達(dá)界面航空器的目標(biāo)方法,本研究從眼動(dòng)數(shù)據(jù)處理入手進(jìn)行雷達(dá)界面航空器目標(biāo)標(biāo)定。利用雷達(dá)管制模擬機(jī)、眼動(dòng)儀等搭建模擬管制實(shí)驗(yàn)平臺(tái),招募8名民航管制學(xué)員為實(shí)驗(yàn)被試,記錄被試在實(shí)驗(yàn)過(guò)程中的眼動(dòng)數(shù)據(jù),從原始眼動(dòng)數(shù)據(jù)中提取注視點(diǎn)信息,對(duì)傳統(tǒng)DBSCAN算法進(jìn)行自適應(yīng)獲取參數(shù)改進(jìn),最后對(duì)相關(guān)改進(jìn)進(jìn)行驗(yàn)證。

        1 模擬管制實(shí)驗(yàn)

        1.1 實(shí)驗(yàn)被試

        總計(jì)8名航空管制學(xué)員參加本實(shí)驗(yàn),年齡范圍為20~25歲。所有被試在實(shí)驗(yàn)前均參與過(guò)相關(guān)管制培訓(xùn)課程,具備獨(dú)立完成實(shí)驗(yàn)任務(wù)的能力。所有管制學(xué)員視力正常2.0±0.3。

        1.2 實(shí)驗(yàn)平臺(tái)

        實(shí)驗(yàn)平臺(tái)硬件部分包括:

        1)Tobii X2-60眼動(dòng)儀:采樣率60 Hz,精度0.34°;

        2)雷達(dá)管制模擬機(jī);

        3)14英寸筆記本電腦:分辨率為1 366×768。

        1.3 實(shí)驗(yàn)程序

        具體實(shí)驗(yàn)程序如下:

        1)連接好所有設(shè)備的電源,并將眼動(dòng)儀與外界設(shè)備相連,待連接完成后開(kāi)啟眼動(dòng)儀,讓被試處于設(shè)備屏幕前方約0.6 m位置;

        2)待眼動(dòng)儀開(kāi)啟后,先校準(zhǔn)眼動(dòng)儀,保證儀器能準(zhǔn)確記錄眼睛觀察的位置;

        3)啟動(dòng)雷達(dá)管制模擬機(jī),設(shè)定初始航空器數(shù)目為7;

        4)截取模擬實(shí)驗(yàn)過(guò)程中某一時(shí)刻的管制界面,讓被試觀察此時(shí)的雷達(dá)界面,并讀取界面中的航空器信息,然后口頭報(bào)告給主試,直到讀取完所有航空器目標(biāo)的數(shù)據(jù),要求被試不能改變標(biāo)牌的位置或形狀,記錄每名被試實(shí)驗(yàn)過(guò)程中的眼動(dòng)數(shù)據(jù),最后換下一被試看同樣的雷達(dá)界面;

        5)關(guān)閉并整理所有實(shí)驗(yàn)器材。

        1.4 實(shí)驗(yàn)數(shù)據(jù)預(yù)處理

        眼動(dòng)儀無(wú)法記錄被試眨眼或看向?qū)嶒?yàn)屏幕外時(shí)眼睛運(yùn)動(dòng)的數(shù)據(jù),此時(shí)收集到的原始數(shù)據(jù)是空白數(shù)據(jù),數(shù)據(jù)預(yù)處理時(shí)需將其刪除。

        一般認(rèn)為當(dāng)人的眼睛停留在某一位置的時(shí)間超過(guò)100 ms時(shí)會(huì)形成一次注視[17]。實(shí)驗(yàn)使用眼動(dòng)儀的采樣率為60 Hz,即1 s內(nèi)記錄60次數(shù)據(jù)。因此當(dāng)眼動(dòng)儀記錄的數(shù)據(jù)點(diǎn)連續(xù)6次未改變位置時(shí),表明眼睛至少在這一位置停留了100 ms,可以認(rèn)為發(fā)生了一次注視過(guò)程,此過(guò)程眼睛對(duì)準(zhǔn)的位置稱(chēng)為注視點(diǎn)。這是一種從眼動(dòng)數(shù)據(jù)中提取注視點(diǎn)的方法。

        2 基于DBSCAN算法的雷達(dá)目標(biāo)標(biāo)定

        2.1 DBSCAN算法簡(jiǎn)介

        管制員在進(jìn)行空中交通指揮時(shí)通過(guò)閱讀飛機(jī)的標(biāo)牌來(lái)獲得相關(guān)的飛行參數(shù),所以管制員的注視行為能直觀反映出其關(guān)注的目標(biāo)。雷達(dá)中的航空器目標(biāo)往往受到相對(duì)頻繁地關(guān)注,因此眼動(dòng)數(shù)據(jù)能被用來(lái)對(duì)雷達(dá)界面中航空器目標(biāo)進(jìn)行標(biāo)定。

        圖1左圖顯示,雷達(dá)界面中有航班號(hào)分別為CCA1610、CCA1402和CCA937的3個(gè)航空器目標(biāo)。圖1右圖為所有被試在雷達(dá)界面上的眼動(dòng)數(shù)據(jù)熱點(diǎn)圖,對(duì)照2圖可以發(fā)現(xiàn)航空器附近的顏色較亮,說(shuō)明注視點(diǎn)在航空器目標(biāo)附近集中,根據(jù)熱點(diǎn)圖手動(dòng)畫(huà)出3個(gè)矩形框,得到3個(gè)航空器在雷達(dá)界面上的大概位置,顯然這種劃分的精確性較低,因此需要一種具有較高精確性的方法來(lái)標(biāo)定航空器目標(biāo)。

        圖1 模擬雷達(dá)界面與注視點(diǎn)熱圖

        熱點(diǎn)圖表明在航空器周?chē)植嫉淖⒁朁c(diǎn)密度大,而其他區(qū)域注視點(diǎn)密度小,因此可用基于密度的聚類(lèi)算法進(jìn)行處理,眼動(dòng)數(shù)據(jù)中不可避免地會(huì)有一些由于頭部運(yùn)動(dòng)等行為導(dǎo)致的噪聲數(shù)據(jù),因此在選擇數(shù)據(jù)處理方法時(shí)需要考慮密度和噪聲干擾,而DBSCAN算法能根據(jù)密度把數(shù)據(jù)劃分為不同的簇,同時(shí)能在具有噪聲的數(shù)據(jù)集中進(jìn)行聚類(lèi)[18],因此引入DBSCAN算法處理眼動(dòng)數(shù)據(jù)。

        DBSCAN算法有2個(gè)重要的參數(shù),ε鄰域值和密度閾值(Minpts)。對(duì)于給定的數(shù)據(jù)點(diǎn)Q,到Q的距離不大于ε值的區(qū)域稱(chēng)為該點(diǎn)的ε鄰域,單位是像素。密度閾值一般是一個(gè)固定值。DBSCAN算法中,首先統(tǒng)計(jì)所有數(shù)據(jù)點(diǎn)在給定ε值范圍內(nèi)其他數(shù)據(jù)點(diǎn)的個(gè)數(shù),如果其他數(shù)據(jù)點(diǎn)個(gè)數(shù)大于給定的密度閾值,即滿足建立數(shù)據(jù)簇的條件,然后遍歷所有的數(shù)據(jù)簇,將密度可達(dá)數(shù)據(jù)簇合并,當(dāng)搜索不到新的可達(dá)數(shù)據(jù)簇時(shí),結(jié)束迭代并建立類(lèi)別[19]。

        DBSCAN算法取不同參數(shù)的計(jì)算結(jié)果對(duì)比如圖2,圖中以不同形狀區(qū)分不同類(lèi)別的數(shù)據(jù)點(diǎn),其中的黑空心圓點(diǎn)為噪聲點(diǎn)。圖2表明,設(shè)定的ε鄰域數(shù)值或者密度閾值都不能合理劃分航空器目標(biāo)和飛機(jī)標(biāo)牌。原因可能是上述2個(gè)參數(shù)對(duì)DBSCAN算法的聚類(lèi)結(jié)果影響較大,如果輸入過(guò)大的ε鄰域值,無(wú)法有效過(guò)濾噪聲點(diǎn),更容易建立數(shù)據(jù)簇,從而降低算法的精確性;輸入過(guò)小的ε鄰域值,很多有效數(shù)據(jù)點(diǎn)被錯(cuò)誤地分類(lèi)為噪聲點(diǎn),降低算法準(zhǔn)確性,導(dǎo)致目標(biāo)區(qū)域標(biāo)定過(guò)??;而密度閾值的選取也為全局參數(shù),但不同注視點(diǎn)數(shù)據(jù)簇的分布密度差異較大,設(shè)定單一的密度閾值處理眼動(dòng)數(shù)據(jù)并沒(méi)有取得理想的效果。

        圖2 用取不同參數(shù)的DBSCAN算法處理CCA1610目標(biāo)附近眼動(dòng)數(shù)據(jù)的結(jié)果

        因此,為了避免不合理設(shè)定參數(shù)導(dǎo)致錯(cuò)誤的結(jié)果,提高DBSCAN算法的準(zhǔn)確性與精確性,將從自適應(yīng)獲取ε鄰域值和變密度閾值設(shè)定等方面對(duì)傳統(tǒng)DBSCAN算法進(jìn)行改進(jìn)。

        2.2 DBSCAN算法改進(jìn)

        2.2.1 自適應(yīng)獲取ε鄰域值

        傳統(tǒng)DBSCAN算法需要用戶合理設(shè)定參數(shù),圖2聚類(lèi)效果對(duì)比圖表明參數(shù)值的變化對(duì)聚類(lèi)效果的影響很大,如果用戶隨機(jī)輸入?yún)?shù)很可能使不符合預(yù)期結(jié)果。因此,研究將K-最臨近距離分布圖與統(tǒng)計(jì)分析相結(jié)合來(lái)自適應(yīng)獲取ε鄰域值。

        在選取DBSCAN算法推薦的鄰域值時(shí),Ester M[20]曲線拐點(diǎn)通過(guò)設(shè)定密度閾值為4來(lái)對(duì)比選取ε值。因此為了得到推薦鄰域值,設(shè)定K-最臨近距離分布法中的K=4,即對(duì)眼動(dòng)數(shù)據(jù)集的一個(gè)數(shù)據(jù)點(diǎn)Q,找出距離Q第4近的數(shù)據(jù)點(diǎn)P,計(jì)算Q點(diǎn)與P點(diǎn)之間的距離,訪問(wèn)所有數(shù)據(jù)點(diǎn)計(jì)算出距離,將距離值放入集合DistMinpts中,然后按距離值大小將數(shù)據(jù)點(diǎn)升序排序。最后畫(huà)出DistMinpts排序圖,如圖3,數(shù)據(jù)點(diǎn)序號(hào)作為橫軸,序號(hào)對(duì)應(yīng)的距離值為縱軸。一般將排序圖中曲線拐點(diǎn)的縱坐標(biāo)設(shè)定為推薦的ε值[21]。圖3箭頭對(duì)準(zhǔn)的位置是曲線的拐點(diǎn),其縱坐標(biāo)值約為12.5 px,所以推薦ε值為12.5 px。

        圖3 DistMinpts排序圖

        DistMinpts排序圖推薦值是為達(dá)到給定密度閾值,大多數(shù)的數(shù)據(jù)點(diǎn)需要滿足的最小ε值。應(yīng)用概率論中分布概率密度函數(shù)的特點(diǎn),如果能擬合出DistMinpts距離分布的概率密度函數(shù),計(jì)算出概率密度函數(shù)的極值點(diǎn),并令ε等于極值點(diǎn)能夠達(dá)到同樣的效果[22]。

        利用不同隨機(jī)分布的概率密度函數(shù)對(duì)DistMinpts分布進(jìn)行擬合,結(jié)果如圖4。圖中虛線曲線、實(shí)線曲線分別為正態(tài)分布的概率密度曲線以及含有尺度參數(shù)和位置參數(shù)的t分布(下文簡(jiǎn)稱(chēng)為含參t分布)概率密度曲線。圖4表明,含參t分布的曲線與DistMinpts的分布情況最接近。同時(shí)含參t分布的概率密度函數(shù)存在唯一的極值點(diǎn),結(jié)合眼動(dòng)數(shù)據(jù),采用最大似然法對(duì)參數(shù)求解,算得極值點(diǎn)為7.8,因此對(duì)DistMinpts分布進(jìn)行擬合確定的鄰域值為7.8。

        圖4 DistMinpts分布的概率密度函數(shù)與擬合曲線

        此數(shù)值小于DistMinpts排序圖法的推薦值,如果直接利用擬合法獲得的鄰域值會(huì)導(dǎo)致大量的數(shù)據(jù)點(diǎn)被誤刪,為保證后續(xù)聚類(lèi)過(guò)程的效果,需要將擬合法求出的極值進(jìn)行放大,放大系數(shù)m應(yīng)取1.6,為作圖法推薦值與擬合函數(shù)極值點(diǎn)的比值。

        2.2.2 設(shè)定變密度閾值

        人在觀察圖片時(shí)對(duì)不同對(duì)象的觀察深度是不同的,其根源是不同對(duì)象所擁有的信息量和信息重要度迥異,因此不同對(duì)象周?chē)淖⒁朁c(diǎn)密度可能相差很大。由于DBSCAN算法使用了固定的全局參數(shù)[16],此算法對(duì)密度差別較大的數(shù)據(jù)集(如眼動(dòng)數(shù)據(jù)集)聚類(lèi)效果較差,圖2聚類(lèi)結(jié)果表明,設(shè)定全局的密度閾值來(lái)處理眼動(dòng)數(shù)據(jù)可能會(huì)產(chǎn)生不理想的分類(lèi)效果。因此為了提高該算法處理眼動(dòng)數(shù)據(jù)的可靠性與精確性,改進(jìn)算法還應(yīng)能自適應(yīng)地改變密度閾值。

        首先,根據(jù)前文描述的方法獲取鄰域值后,統(tǒng)計(jì)眼動(dòng)數(shù)據(jù)集D中所有數(shù)據(jù)點(diǎn)的ε鄰域內(nèi)存在的其他數(shù)據(jù)點(diǎn)個(gè)數(shù)N。將數(shù)據(jù)點(diǎn)按照對(duì)應(yīng)的N值大小進(jìn)行降序排序。顯然,這時(shí)該數(shù)據(jù)集中序號(hào)越靠前的數(shù)據(jù)點(diǎn)所在數(shù)據(jù)簇中注視點(diǎn)密度越大。

        2.2.3 改進(jìn)算法整體流程

        為了提高DBSCAN算法處理眼動(dòng)數(shù)據(jù)的可靠性和準(zhǔn)確性,對(duì)DBSCAN算法進(jìn)行了改進(jìn),即根據(jù)數(shù)據(jù)集自適應(yīng)獲取ε鄰域值和變密度閾值設(shè)計(jì)。對(duì)于眼動(dòng)數(shù)據(jù)集D,使用改進(jìn)算法進(jìn)行處理,最終輸出是帶有類(lèi)別標(biāo)簽的聚類(lèi)分析結(jié)果,改進(jìn)算法整體流程如圖5。

        圖5 改進(jìn)DBSCAN算法流程圖

        2.3 改進(jìn)算法適用性驗(yàn)證

        首先是對(duì)自適應(yīng)獲取ε鄰域方法的適用性驗(yàn)證。在改進(jìn)的DBSCAN算法中,由于擬合分布概率函數(shù)極值ε0與作圖法推薦的ε鄰域值存在較大的差異,于是設(shè)定了一個(gè)放大系數(shù),當(dāng)對(duì)其他航空器目標(biāo)采用一樣的放大處理時(shí),需要對(duì)這種放大處理和放大系數(shù)的適用性進(jìn)行檢驗(yàn)。

        利用8名被試的全部眼動(dòng)數(shù)據(jù)做出熱點(diǎn)圖,在熱圖中注視點(diǎn)密度較大區(qū)域?qū)ξ礃?biāo)定的另外2架航空器進(jìn)行粗標(biāo)。截取出粗標(biāo)后的眼動(dòng)數(shù)據(jù),處理得到注視點(diǎn),先利用作圖法求出推薦鄰域值,再進(jìn)行分布擬合求出分布函數(shù)極值,計(jì)算結(jié)果對(duì)比圖如圖6。

        圖6 改進(jìn)方法的ε鄰域估計(jì)值

        圖6中的修正鄰域值是將分布函數(shù)極值放大1.6倍后的結(jié)果,即是另外2個(gè)航空器目標(biāo)采用自適應(yīng)法得到的ε鄰域值,與作圖法推薦值相差分別為8.6%和10%,差異較小,表明對(duì)于其他位置的航空器目標(biāo),放大系數(shù)值是合理的。

        最后是對(duì)改進(jìn)聚類(lèi)算法的標(biāo)定結(jié)果進(jìn)行檢驗(yàn),改進(jìn)算法應(yīng)能夠準(zhǔn)確劃分航空器目標(biāo)和航空器標(biāo)牌。在上面檢驗(yàn)中確定的ε值的基礎(chǔ)上,基于MATLAB工具使用改進(jìn)算法對(duì)目標(biāo)區(qū)域的眼動(dòng)數(shù)據(jù)進(jìn)行聚類(lèi),聚類(lèi)結(jié)果如圖7(a)所示。

        圖7 眼動(dòng)數(shù)據(jù)聚類(lèi)結(jié)果和目標(biāo)區(qū)域提取結(jié)果

        圖7(a)表明改進(jìn)后的算法能準(zhǔn)確劃分航空器目標(biāo)和航空器標(biāo)牌,并且對(duì)雷達(dá)界面上其他區(qū)域的航空器目標(biāo)依然能很好地完成聚類(lèi)。

        在3架航空器目標(biāo)聚類(lèi)結(jié)果的基礎(chǔ)上,刪除掉噪聲點(diǎn),并使用最小包絡(luò)矩形法提取出航空器的目標(biāo)區(qū)域,實(shí)現(xiàn)對(duì)不同航空器目標(biāo)的標(biāo)定。提取效果如圖7(b),圖中左邊方框中是航空器區(qū)域,右邊方框是標(biāo)牌區(qū)域。顯然,提出的目標(biāo)區(qū)域標(biāo)定方法較熱圖法更為精確,且對(duì)于雷達(dá)界面中不同的航空器目標(biāo)都具有良好的適用性。

        3 結(jié) 論

        眼動(dòng)數(shù)據(jù)的熱點(diǎn)圖直觀反映出航空器目標(biāo)附近的注視點(diǎn)密度較大,表明航空器目標(biāo)是雷達(dá)界面中管制員重點(diǎn)關(guān)注的目標(biāo),在熱點(diǎn)圖上能粗略標(biāo)定航空器目標(biāo),但仍需進(jìn)一步處理眼動(dòng)數(shù)據(jù)以提高目標(biāo)提取精度。

        研究引入DBSCAN算法并進(jìn)行改進(jìn),提出了一種基于眼動(dòng)數(shù)據(jù)的雷達(dá)目標(biāo)標(biāo)定方法。改進(jìn)算法能自動(dòng)處理眼動(dòng)數(shù)據(jù)。通過(guò)對(duì)模擬雷達(dá)管制界面中其他目標(biāo)使用改進(jìn)算法處理,發(fā)現(xiàn)對(duì)于不同的航空器,自適應(yīng)算法獲取的ε值與推薦的ε值相差僅為8.6%和10%,證明采用擬合分布函數(shù)極值點(diǎn)結(jié)合放大系數(shù)確定ε值的改進(jìn)措施是合理的。聚類(lèi)和提取結(jié)果表明,研究提出的雷達(dá)目標(biāo)標(biāo)定方法,對(duì)雷達(dá)管制界面中不同航空器目標(biāo)具有一定的準(zhǔn)確性和普適性。

        猜你喜歡
        眼動(dòng)
        基于眼動(dòng)追蹤與聯(lián)合分析的高端意象感知研究
        包裝工程(2023年18期)2023-09-27 09:17:36
        內(nèi)隱和外顯道德評(píng)價(jià)的比較研究——來(lái)自眼動(dòng)的證據(jù)
        基于眼動(dòng)的駕駛員危險(xiǎn)認(rèn)知
        基于ssVEP與眼動(dòng)追蹤的混合型并行腦機(jī)接口研究
        載人航天(2021年5期)2021-11-20 06:04:32
        海豹的睡眠:只有一半大腦在睡覺(jué)
        大自然探索(2019年7期)2019-12-13 07:24:27
        基于眼動(dòng)信號(hào)的便攜式無(wú)線智能交互系統(tǒng)設(shè)計(jì)
        靜止眼動(dòng)和動(dòng)作表現(xiàn)關(guān)系的心理學(xué)機(jī)制
        “鬼壓床”究竟是怎么回事
        基于眼動(dòng)追蹤的老年人信息服務(wù)終端圖標(biāo)設(shè)計(jì)研究
        國(guó)外翻譯過(guò)程實(shí)證研究中的眼動(dòng)跟蹤方法述評(píng)
        中文乱码字幕人妻熟女人妻| 亚洲另类自拍丝袜第五页| 免费无码a片一区二三区| 亚洲gv白嫩小受在线观看| 日本韩国三级aⅴ在线观看| 美女被黑人巨大入侵的的视频| 国产日产亚洲系列最新| 久久久精品人妻一区二区三区| 亚洲国产精品午夜电影| 视频一区中文字幕亚洲| 看国产亚洲美女黄色一级片 | 国产一区二区三区在线观看第八页| 熟女少妇内射日韩亚洲| 3d动漫精品一区二区三区| 国产精品调教| 亚洲精品一区二区在线播放| 国产精品国三级国产a| 99国产精品久久久蜜芽| 精品欧美乱子伦一区二区三区| 中文字幕亚洲精品第一页| 极品av一区二区三区| 亚洲av成人无码精品电影在线| 99热精品国产三级在线观看| 蜜桃成人永久免费av大| 美女扒开内裤让我捅的视频| 国产色在线 | 亚洲| 78成人精品电影在线播放| 国产精品人成在线765| 友田真希中文字幕亚洲| 国产真实夫妇交换视频| 欧美日韩激情在线一区二区| 日韩精品免费av一区二区三区| 国内熟女啪啪自拍| 亚洲AV电影天堂男人的天堂| 最近中文字幕一区二区三区| 亚洲精品一区二区高清| 精品国偷自产在线视频九色| 欧美成人精品第一区二区三区| 亚洲av无码成人网站www| 日本中文字幕一区二区在线观看| 国产中文字幕免费视频一区|