欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

Python實現(xiàn)眼動數(shù)據(jù)可視化:從注視點軌跡到熱力圖的完整實戰(zhàn)指南

Python實現(xiàn)眼動數(shù)據(jù)可視化:從注視點軌跡到熱力圖的完整實戰(zhàn)指南 簡介本資源是一套面向認知科學(xué)、人機交互與用戶體驗研究者的Python眼動數(shù)據(jù)分析工具包聚焦注視點軌跡繪制與熱圖生成兩大核心任務(wù)解決眼動原始數(shù)據(jù)難以直觀呈現(xiàn)、視覺行為模式難量化的問題。壓縮包共5個文件3個核心Python模塊、1份依賴說明、1份項目文檔總大小僅17KB輕量高效gaze_visualizer.py負責(zé)軌跡動畫與多維熱圖渲染eyetracking_analyzer.py實現(xiàn)注視檢測、AOI劃分與掃視識別main.py提供開箱即用的分析流程。已有126人下載學(xué)習(xí)適合具備基礎(chǔ)Python能力的研究者或工程師快速開展眼動數(shù)據(jù)可視化實踐——無需從零編碼可直接加載CSV/TSV格式眼動數(shù)據(jù)一鍵生成帶時間軸的注視路徑動畫、自適應(yīng)平滑熱圖及注視時長分布統(tǒng)計圖表并支持多被試對比與興趣區(qū)域定量分析。1. 項目概述從數(shù)據(jù)到洞察眼動追蹤可視化的核心價值眼動追蹤技術(shù)聽起來像是實驗室里的高端玩意兒但如今它正快速滲透到用戶體驗研究、廣告效果評估、心理學(xué)實驗?zāi)酥劣螒蚪换ピO(shè)計等眾多領(lǐng)域。簡單來說它記錄的是人眼在觀察一個界面、一張圖片或一段視頻時視線焦點的移動軌跡。然而原始的眼動數(shù)據(jù)只是一系列帶有時間戳的坐標(biāo)點X Y對于非專業(yè)人士而言這無異于天書。這就是數(shù)據(jù)可視化登場的時候——它的使命是將這些冰冷的坐標(biāo)轉(zhuǎn)化為直觀、易懂的視覺故事讓“眼睛在看哪里”這個核心問題一目了然。這個項目的核心就是使用Python這一強大的數(shù)據(jù)科學(xué)工具鏈實現(xiàn)眼動數(shù)據(jù)的兩種經(jīng)典可視化注視點軌跡圖和熱力圖。軌跡圖如同給視線畫出了一條“行走路徑”清晰展示視覺搜索的順序和路徑熱力圖則像給界面做了一次“熱度掃描”用顏色深淺直觀呈現(xiàn)哪些區(qū)域吸引了最多的注意力。對于產(chǎn)品經(jīng)理、交互設(shè)計師、市場研究員或者心理學(xué)學(xué)生來說掌握這套從原始數(shù)據(jù)到可視化洞察的完整流程意味著你能夠獨立完成一次專業(yè)的眼動數(shù)據(jù)分析而無需依賴昂貴或封閉的商業(yè)軟件。我之所以選擇Python來實現(xiàn)是因為它的生態(tài)足夠強大且靈活。從數(shù)據(jù)處理Pandas NumPy到科學(xué)計算SciPy再到可視化Matplotlib Seaborn乃至交互PlotlyPython提供了一站式的解決方案。更重要的是整個過程是透明、可定制、可復(fù)現(xiàn)的。你可以完全控制從數(shù)據(jù)清洗、濾波到最終圖表渲染的每一個環(huán)節(jié)并根據(jù)你的具體研究問題調(diào)整可視化參數(shù)這是很多“黑箱”商業(yè)軟件無法比擬的優(yōu)勢。接下來我將拆解整個流程從數(shù)據(jù)準(zhǔn)備到兩種核心圖表的生成并分享我在實際項目中積累的實操技巧和避坑指南。2. 核心思路與工具選型構(gòu)建高效可復(fù)現(xiàn)的分析流水線面對眼動數(shù)據(jù)可視化一個清晰的頂層設(shè)計能讓你事半功倍。我的核心思路是構(gòu)建一條標(biāo)準(zhǔn)化的數(shù)據(jù)處理與可視化流水線其流程可以概括為原始數(shù)據(jù)接入 - 數(shù)據(jù)清洗與預(yù)處理 - 空間與時間維度分析 - 可視化渲染 - 結(jié)果解讀。這條流水線的每個環(huán)節(jié)都依賴特定的Python工具選型的理由在于它們的成熟度、性能以及彼此間無縫協(xié)作的能力。2.1 數(shù)據(jù)處理基石Pandas與NumPy原始眼動數(shù)據(jù)可能來自Tobii、EyeLink、SMI等不同品牌的設(shè)備導(dǎo)出格式多為CSV或TXT。Pandas的DataFrame是處理這類表格數(shù)據(jù)的絕佳容器。它不僅能輕松完成數(shù)據(jù)讀取、列篩選、缺失值處理其強大的分組、聚合和時間序列操作功能對于按試次、被試或時間段分析數(shù)據(jù)至關(guān)重要。而NumPy則為底層數(shù)值計算提供支持例如計算注視點之間的距離、持續(xù)時間統(tǒng)計等其數(shù)組操作效率遠高于純Python循環(huán)。注意不同設(shè)備導(dǎo)出的數(shù)據(jù)列名可能不同。常見的必要列包括timestamp時間戳、gaze_point_x、gaze_point_y注視點坐標(biāo)通常以像素或標(biāo)準(zhǔn)化坐標(biāo)表示、fixation_index注視點索引如果設(shè)備已在線識別、pupil_diameter瞳孔直徑可選。在數(shù)據(jù)讀取后第一步永遠是統(tǒng)一列名并理解其物理含義。2.2 可視化核心Matplotlib與SeabornMatplotlib是Python繪圖的基石功能強大但API較為底層。Seaborn基于Matplotlib提供了更高級的統(tǒng)計圖形接口和美觀的默認樣式特別適合繪制熱力圖。對于注視點軌跡我們需要精細控制每個點、每條線的樣式Matplotlib的靈活性是首選。對于熱力圖Seaborn的heatmap函數(shù)可以一鍵生成并輕松集成相關(guān)性矩陣或聚合統(tǒng)計量。此外為了在靜態(tài)圖中展示時間序列Matplotlib的動畫模塊FuncAnimation或簡單的顏色漸變映射也是常用技巧。2.3 交互與進階Plotly與自定義算法如果你的分析報告需要交互式探索例如鼠標(biāo)懸停查看具體數(shù)據(jù)點、縮放局部熱點區(qū)域那么Plotly的express或graph_objects模塊是理想選擇。它可以生成HTML格式的交互圖表直接嵌入網(wǎng)頁或Jupyter Notebook中。在算法層面對于原始注視點數(shù)據(jù)的清洗可能需要用到基于速度或散度的算法如I-VT I-DT來識別真正的“注視點”這可以借助SciPy的信號處理功能或自行實現(xiàn)。2.4 環(huán)境搭建與項目結(jié)構(gòu)一個清晰的項目結(jié)構(gòu)有助于維護和復(fù)現(xiàn)。我通常這樣組織eyetracking_visualization/ ├── data/ │ ├── raw/ # 存放原始數(shù)據(jù)文件 │ └── processed/ # 存放清洗后的數(shù)據(jù) ├── notebooks/ # Jupyter Notebook用于探索性分析 ├── src/ # 源代碼模塊 │ ├── data_loader.py # 數(shù)據(jù)加載與清洗函數(shù) │ ├── visualization.py # 軌跡圖、熱圖繪制函數(shù) │ └── analysis.py # 統(tǒng)計分析函數(shù) ├── config.yaml # 配置文件如屏幕分辨率、閾值參數(shù) └── requirements.txt # 項目依賴包列表使用requirements.txt管理依賴是專業(yè)做法內(nèi)容大致如下pandas1.4.0 numpy1.21.0 matplotlib3.5.0 seaborn0.11.0 plotly5.10.0 scipy1.8.0 jupyter通過pip install -r requirements.txt即可一鍵搭建環(huán)境。這種結(jié)構(gòu)化的方式尤其適合團隊協(xié)作或需要多次運行的分析項目。3. 數(shù)據(jù)預(yù)處理實戰(zhàn)清洗、映射與注視點識別拿到原始數(shù)據(jù)后直接繪圖往往得到的是雜亂無章的噪音。高質(zhì)量的可視化始于干凈的數(shù)據(jù)。預(yù)處理主要包括三個步驟數(shù)據(jù)清洗、坐標(biāo)映射以及關(guān)鍵的注視點事件識別。3.1 數(shù)據(jù)清洗處理缺失值與異常點眼動儀可能因眨眼、頭部移動或跟蹤丟失而產(chǎn)生無效數(shù)據(jù)。這些點通常表現(xiàn)為坐標(biāo)值為NaN、0或超出屏幕物理范圍。import pandas as pd import numpy as np def load_and_clean_data(filepath, screen_width1920, screen_height1080): 加載并清洗眼動數(shù)據(jù)。 假設(shè)數(shù)據(jù)包含列timestamp, gaze_x, gaze_y df pd.read_csv(filepath) # 1. 處理缺失值直接刪除或插值謹慎使用 df_clean df.dropna(subset[gaze_x, gaze_y]) # 2. 剔除明顯異常點坐標(biāo)超出屏幕范圍或為0 valid_x (df_clean[gaze_x] 0) (df_clean[gaze_x] screen_width) valid_y (df_clean[gaze_y] 0) (df_clean[gaze_y] screen_height) df_clean df_clean[valid_x valid_y] # 3. 基于速度的簡單濾波可選移除瞬時跳躍點 # 計算逐點速度像素/毫秒 df_clean[delta_x] df_clean[gaze_x].diff() df_clean[delta_y] df_clean[gaze_y].diff() df_clean[delta_t] df_clean[timestamp].diff() df_clean[velocity] np.sqrt(df_clean[delta_x]**2 df_clean[delta_y]**2) / df_clean[delta_t] df_clean df_clean[df_clean[velocity] 100] # 設(shè)置一個經(jīng)驗速度閾值 return df_clean.reset_index(dropTrue)實操心得速度閾值如100像素/毫秒需要根據(jù)你的數(shù)據(jù)采樣率和屏幕尺寸進行校準(zhǔn)。一個經(jīng)驗法則是超過這個速度的眼動更可能是掃視saccade過程中的數(shù)據(jù)或噪音而非有效的注視??梢韵壤L制速度分布直方圖來觀察并確定閾值。3.2 坐標(biāo)映射從數(shù)據(jù)空間到圖像空間你的刺激材料如圖片、網(wǎng)頁截圖和眼動數(shù)據(jù)可能存在于不同的坐標(biāo)空間。例如眼動數(shù)據(jù)可能是屏幕分辨率坐標(biāo)0-1920 0-1080而你的背景圖可能是另一尺寸。必須將注視點坐標(biāo)精確映射到背景圖上。def map_coordinates(df, stim_width, stim_height, screen_width, screen_height): 將注視點坐標(biāo)從屏幕空間線性映射到刺激材料空間。 假設(shè)刺激材料已等比例適配屏幕常見情況。 # 線性映射 df[mapped_x] df[gaze_x] * (stim_width / screen_width) df[mapped_y] df[gaze_y] * (stim_height / screen_height) return df如果刺激材料在屏幕上的位置有偏移例如居中顯示但四周有黑邊則需要更復(fù)雜的映射考慮偏移量offset。關(guān)鍵在于記錄實驗呈現(xiàn)時的準(zhǔn)確布局參數(shù)。3.3 注視點識別從連續(xù)采樣點到有意義事件原始數(shù)據(jù)是高速采樣的凝視點我們需要將其聚類成具有心理學(xué)意義的“注視點”——即視線在空間上相對穩(wěn)定停留的一段時間。這里介紹一種最常用的速度閾值算法I-VT。from scipy import signal import matplotlib.pyplot as plt def identify_fixations_ivt(df, velocity_threshold30, min_duration100): 使用I-VT算法識別注視點。 :param velocity_threshold: 速度閾值單位像素/毫秒 :param min_duration: 最小注視持續(xù)時間單位毫秒 :return: 添加了fixation_id列的DataFrame # 計算速度沿用清洗時的速度或重新計算 if velocity not in df.columns: # ... 計算速度代碼 ... pass # 二值化低于閾值為潛在注視點1高于為掃視0 df[is_fixation_candidate] df[velocity] velocity_threshold # 找到連續(xù)為True的片段 df[fixation_group] (df[is_fixation_candidate] ! df[is_fixation_candidate].shift()).cumsum() df.loc[~df[is_fixation_candidate], fixation_group] -1 # 將非候選點標(biāo)記為-1 # 計算每個候選片段的持續(xù)時間 fixation_groups df[df[fixation_group] ! -1].groupby(fixation_group) group_durations fixation_groups[timestamp].apply(lambda x: x.max() - x.min()) # 篩選出持續(xù)時間大于最小閾值的片段并分配注視點ID valid_groups group_durations[group_durations min_duration].index fixation_id_map {old_id: new_id for new_id, old_id in enumerate(valid_groups, start1)} df[fixation_id] df[fixation_group].map(fixation_id_map) # 計算每個注視點的平均坐標(biāo)和開始、結(jié)束時間 fixations_summary df[df[fixation_id].notna()].groupby(fixation_id).agg({ mapped_x: mean, mapped_y: mean, timestamp: [min, max] }).round(2) fixations_summary.columns [fixation_x, fixation_y, start_time, end_time] fixations_summary[duration] fixations_summary[end_time] - fixations_summary[start_time] return df, fixations_summary這個函數(shù)最終輸出兩個結(jié)果1標(biāo)記了每個采樣點所屬注視點ID的原始數(shù)據(jù)框2一個注視點摘要表包含每個注視點的中心坐標(biāo)、起止時間和持續(xù)時間。這個摘要表是后續(xù)可視化的直接輸入。4. 注視點軌跡圖實現(xiàn)繪制視覺的“足跡”注視點軌跡圖通過按時間順序連接注視點中心直觀展示視覺掃描路徑。它揭示了觀察者的注意轉(zhuǎn)移順序、回視行為等模式。4.1 基礎(chǔ)靜態(tài)軌跡圖繪制我們使用Matplotlib以刺激材料為背景繪制注視點序列。import matplotlib.pyplot as plt from matplotlib.patches import Circle import matplotlib.cm as cm def plot_fixation_trajectory(fixations_df, background_image_pathNone, image_sizeNone): 繪制注視點軌跡圖。 :param fixations_df: 注視點摘要DataFrame需包含fixation_x, fixation_y, duration, 且按時間排序 :param background_image_path: 背景圖片路徑 :param image_size: 背景圖片尺寸寬高用于設(shè)置坐標(biāo)軸范圍 fig, ax plt.subplots(figsize(12, 8)) # 1. 設(shè)置背景 if background_image_path: img plt.imread(background_image_path) if image_size: ax.imshow(img, extent[0, image_size[0], image_size[1], 0]) # 注意y軸方向 else: ax.imshow(img) ax.set_xlim(0, image_size[0] if image_size else img.shape[1]) ax.set_ylim(image_size[1] if image_size else img.shape[0], 0) # 原點在左上角 else: # 如果沒有背景圖根據(jù)數(shù)據(jù)范圍設(shè)置坐標(biāo)軸 ax.set_xlim(fixations_df[fixation_x].min() - 50, fixations_df[fixation_x].max() 50) ax.set_ylim(fixations_df[fixation_y].max() 50, fixations_df[fixation_y].min() - 50) # Y軸反向 ax.set_aspect(equal) # 2. 繪制注視點及連線 # 按時間順序繪制連線 x_coords fixations_df[fixation_x].values y_coords fixations_df[fixation_y].values ax.plot(x_coords, y_coords, o-, colorred, linewidth1.5, markersize4, alpha0.7, labelGaze Path) # 3. 用散點大小表示注視持續(xù)時間 # 將持續(xù)時間映射到點的大小范圍例如50-400平方像素 dur_min, dur_max fixations_df[duration].min(), fixations_df[duration].max() if dur_max dur_min: sizes 50 350 * (fixations_df[duration] - dur_min) / (dur_max - dur_min) else: sizes 200 # 如果所有持續(xù)時間相同使用默認大小 scatter ax.scatter(x_coords, y_coords, ssizes, crange(len(fixations_df)), cmapviridis, alpha0.6, edgecolorsblack, linewidth0.5, zorder5) # 4. 添加起始點標(biāo)記 ax.scatter(x_coords[0], y_coords[0], s200, marker^, colorgreen, edgecolorsdarkgreen, linewidth2, zorder10, labelStart) ax.scatter(x_coords[-1], y_coords[-1], s200, markers, colorblue, edgecolorsdarkblue, linewidth2, zorder10, labelEnd) # 5. 添加注視點序號 for i, row in fixations_df.iterrows(): ax.annotate(str(i1), (row[fixation_x], row[fixation_y]), xytext(5, 5), textcoordsoffset points, fontsize9, colordarkred) # 6. 美化圖表 ax.set_xlabel(X Coordinate (pixels)) ax.set_ylabel(Y Coordinate (pixels)) ax.set_title(Fixation Trajectory with Duration Encoding, fontsize14, pad20) ax.legend(locupper right) # 添加顏色條表示時間順序 cbar plt.colorbar(scatter, axax, shrink0.8) cbar.set_label(Fixation Sequence) plt.tight_layout() return fig, ax這段代碼生成了一張信息豐富的軌跡圖連線表示視線移動順序點的大小編碼了注視持續(xù)時間點越大看的時間越長顏色從紫到黃的變化表示時間先后順序綠色三角和藍色方塊分別標(biāo)記了起點和終點旁邊的數(shù)字是注視點的序號。4.2 進階動態(tài)軌跡圖與交互式探索靜態(tài)圖有時難以表現(xiàn)時間流。我們可以用Matplotlib的動畫功能制作動態(tài)軌跡圖讓注視點按時間順序依次出現(xiàn)。from matplotlib.animation import FuncAnimation def create_animated_trajectory(fixations_df, background_image_path, image_size, interval500): 創(chuàng)建動態(tài)注視點軌跡動畫。 :param interval: 每幀間隔毫秒可關(guān)聯(lián)注視點實際持續(xù)時間。 fig, ax plt.subplots(figsize(10, 7)) img plt.imread(background_image_path) ax.imshow(img, extent[0, image_size[0], image_size[1], 0]) ax.set_xlim(0, image_size[0]) ax.set_ylim(image_size[1], 0) line, ax.plot([], [], ro-, linewidth1.5, markersize6, alpha0.7) scatter ax.scatter([], [], s[], c[], cmapviridis, alpha0.6, edgecolorsk, zorder5) start_marker ax.scatter([], [], s200, marker^, colorgreen, zorder10) text_annotations [] def init(): line.set_data([], []) scatter.set_offsets(np.empty((0, 2))) scatter.set_sizes([]) start_marker.set_offsets(np.empty((0, 2))) for ann in text_annotations: ann.remove() text_annotations.clear() return line, scatter, start_marker def update(frame): # frame代表當(dāng)前繪制的注視點索引0到n current_data fixations_df.iloc[:frame1] x current_data[fixation_x].values y current_data[fixation_y].values # 更新連線 line.set_data(x, y) # 更新散點所有已出現(xiàn)的點 offsets np.column_stack((x, y)) scatter.set_offsets(offsets) # 更新散點大小基于持續(xù)時間 sizes 50 350 * (current_data[duration] - dur_min) / (dur_max - dur_min) scatter.set_sizes(sizes) # 更新散點顏色序列 scatter.set_array(np.arange(len(current_data))) # 更新起點標(biāo)記 if frame 0: start_marker.set_offsets([[x[0], y[0]]]) # 更新序號標(biāo)注 for ann in text_annotations: ann.remove() text_annotations.clear() for i, row in current_data.iterrows(): ann ax.annotate(str(i1), (row[fixation_x], row[fixation_y]), xytext(5,5), textcoordsoffset points, fontsize8) text_annotations.append(ann) ax.set_title(fFixation Trajectory (Frame {frame1}/{len(fixations_df)}), fontsize12) return line, scatter, start_marker, *text_annotations dur_min, dur_max fixations_df[duration].min(), fixations_df[duration].max() ani FuncAnimation(fig, update, frameslen(fixations_df), init_funcinit, intervalinterval, blitFalse, repeat_delay2000) plt.tight_layout() # 保存動畫 # ani.save(fixation_trajectory.gif, writerpillow, fps2) plt.show() return ani這個動畫能更生動地再現(xiàn)視覺搜索過程。參數(shù)interval控制每個注視點顯示的時長可以設(shè)置為固定值也可以與注視點的實際持續(xù)時間相關(guān)聯(lián)實現(xiàn)更真實的重放。5. 熱力圖生成可視化注意力的“密度場”如果說軌跡圖描繪的是視覺路徑那么熱力圖呈現(xiàn)的就是注意力的分布密度。它通過高斯核密度估計將離散的注視點通常加權(quán)了持續(xù)時間轉(zhuǎn)化為一個連續(xù)的密度表面并用顏色梯度表示關(guān)注度高低。5.1 基于高斯核密度估計的熱力圖我們使用scipy.stats.gaussian_kde來計算二維核密度。注視點的持續(xù)時間可以作為權(quán)重表示某些點貢獻了更多的“熱度”。from scipy import stats import seaborn as sns def generate_heatmap(fixations_df, background_image_path, image_size, downscale_factor0.2, sigma20): 生成基于核密度估計的熱力圖。 :param downscale_factor: 熱力圖網(wǎng)格下采樣因子用于平衡精度與計算速度。0.2表示使用原圖20%的分辨率。 :param sigma: 高斯核的標(biāo)準(zhǔn)差帶寬控制平滑程度。值越大熱圖越平滑、分散。 # 1. 準(zhǔn)備數(shù)據(jù) x fixations_df[fixation_x].values y fixations_df[fixation_y].values # 使用持續(xù)時間作為權(quán)重 weights fixations_df[duration].values if duration in fixations_df.columns else None # 2. 創(chuàng)建評估網(wǎng)格 h, w image_size[1], image_size[0] # 下采樣網(wǎng)格以減少計算量 grid_h, grid_w int(h * downscale_factor), int(w * downscale_factor) X, Y np.mgrid[0:h:complex(0, grid_h), 0:w:complex(0, grid_w)] # complex步長創(chuàng)建網(wǎng)格點 positions np.vstack([Y.ravel(), X.ravel()]) # 注意np.mgrid返回的維度順序是(Y, X)需要轉(zhuǎn)置 # 3. 計算核密度估計 # 將數(shù)據(jù)堆疊(2, N) 數(shù)組 values np.vstack([x, y]) # 調(diào)整帶寬矩陣。這里使用一個標(biāo)量sigma意味著各向同性高斯核。 # 對于眼動數(shù)據(jù)通常x和y方向使用相同的帶寬。 bandwidth_matrix np.eye(2) * (sigma ** 2) # 使用自定義協(xié)方差矩陣創(chuàng)建KDE對象 kde stats.gaussian_kde(values, bw_methodscott) # 先使用自動帶寬 # 手動設(shè)置協(xié)方差矩陣影響平滑度 kde.covariance bandwidth_matrix kde.inv_cov np.linalg.inv(kde.covariance) if weights is not None: # 如果提供權(quán)重需要手動計算加權(quán)密度gaussian_kde本身不支持權(quán)重參數(shù) # 這里采用一種簡化方法將每個點按其權(quán)重重復(fù)近似 # 注意對于大數(shù)據(jù)集這可能效率低下。更嚴(yán)謹?shù)淖龇ㄊ菍崿F(xiàn)加權(quán)KDE。 weights_normalized weights / weights.sum() repeated_indices np.repeat(np.arange(len(x)), (weights_normalized * 100).astype(int)) # 放大權(quán)重并取整 if len(repeated_indices) 0: values_weighted np.vstack([x[repeated_indices], y[repeated_indices]]) kde stats.gaussian_kde(values_weighted, bw_methodscott) kde.covariance bandwidth_matrix kde.inv_cov np.linalg.inv(kde.covariance) # 4. 在網(wǎng)格位置上評估KDE Z np.reshape(kde(positions).T, X.shape) # 5. 繪制熱力圖 fig, ax plt.subplots(figsize(14, 10)) # 顯示背景圖 img plt.imread(background_image_path) ax.imshow(img, extent[0, w, h, 0], alpha0.7) # 背景半透明 # 使用Seaborn的heatmap疊加密度設(shè)置透明度 # 需要將Z的坐標(biāo)軸與圖像對齊imshow的extent是左下右上 heatmap sns.heatmap(Z, cmapjet, # 或 hot, coolwarm, viridis alpha0.6, # 熱圖透明度 cbarTrue, cbar_kws{label: Attention Density}, squareFalse, # 根據(jù)網(wǎng)格比例調(diào)整 axax, zorder5) # 調(diào)整熱力圖位置和范圍以匹配背景圖 heatmap.set_xlim(0, w) heatmap.set_ylim(h, 0) heatmap.set_xticks([]) heatmap.set_yticks([]) # 6. 可選疊加注視點位置 ax.scatter(x, y, s10, colorwhite, edgecolorsblack, linewidth0.5, alpha0.7, zorder10, labelFixation Centers) ax.set_title(Gaze Heatmap (Gaussian KDE), fontsize16, pad20) ax.legend(locupper right) plt.tight_layout() return fig, ax, Z這個函數(shù)生成了疊加在背景圖上的半透明熱力圖。顏色越暖如紅色、黃色表示該區(qū)域受到的注視密度越高。參數(shù)sigma是關(guān)鍵它控制高斯核的寬度。sigma值太小熱圖會呈現(xiàn)為分散的斑點值太大則會過度平滑丟失細節(jié)。通常需要根據(jù)屏幕分辨率和研究目的進行調(diào)試。5.2 優(yōu)化與變體自適應(yīng)帶寬與AOI分析有時固定的sigma可能不適用于所有場景。我們可以使用更先進的自適應(yīng)帶寬方法或者在計算熱圖前先定義興趣區(qū)AOI進行分區(qū)分析。def adaptive_heatmap(fixations_df, background_img_path, img_size, k50): 使用k近鄰距離自適應(yīng)確定局部帶寬。 :param k: 用于計算局部密度的近鄰數(shù)。 from sklearn.neighbors import NearestNeighbors x fixations_df[fixation_x].values.reshape(-1, 1) y fixations_df[fixation_y].values.reshape(-1, 1) coords np.hstack([x, y]) # 計算每個點到其第k個近鄰的距離作為局部帶寬的估計 nbrs NearestNeighbors(n_neighborsk1).fit(coords) # 1 因為包含自身 distances, _ nbrs.kneighbors(coords) local_bandwidth distances[:, -1] # 第k個近鄰的距離 # 創(chuàng)建一個網(wǎng)格簡化版實際計算需對每個點用不同帶寬的核計算量較大 # 此處為示意更高效的實現(xiàn)可能需要使用其他庫如KDEpy或近似算法 print(自適應(yīng)帶寬計算完成局部帶寬范圍, local_bandwidth.min(), local_bandwidth.max()) # ... 后續(xù)可使用每個點的local_bandwidth進行加權(quán)或分區(qū)域KDE ... # 作為簡化我們可以取中位數(shù)作為全局帶寬 global_sigma np.median(local_bandwidth) print(f建議的全局sigma值{global_sigma:.2f}) return generate_heatmap(fixations_df, background_img_path, img_size, sigmaglobal_sigma) def aoi_based_analysis(fixations_df, aoi_list): 興趣區(qū)分析。 :param aoi_list: 每個AOI是一個字典如{name: Logo, x: 100, y: 150, width: 200, height: 80} results [] for aoi in aoi_list: name aoi[name] x_min, y_min aoi[x], aoi[y] x_max, y_max x_min aoi[width], y_min aoi[height] # 判斷注視點是否落在AOI內(nèi) inside ((fixations_df[fixation_x] x_min) (fixations_df[fixation_x] x_max) (fixations_df[fixation_y] y_min) (fixations_df[fixation_y] y_max)) aoi_fixations fixations_df[inside] total_fixations len(fixations_df) aoi_count len(aoi_fixations) aoi_total_duration aoi_fixations[duration].sum() if duration in aoi_fixations.columns else np.nan results.append({ AOI: name, Fixation_Count: aoi_count, Fixation_Count_Percent: (aoi_count / total_fixations * 100) if total_fixations 0 else 0, Total_Duration: aoi_total_duration, Average_Duration: aoi_total_duration / aoi_count if aoi_count 0 else np.nan }) return pd.DataFrame(results)AOI分析能夠提供更精確的量化指標(biāo)例如“Logo區(qū)域獲得了多少比例的注視次數(shù)”、“按鈕區(qū)域的總注視時長是多少”這對于A/B測試或設(shè)計元素的效果評估非常有用。6. 實戰(zhàn)整合與結(jié)果輸出從單被試到多被試聚合在實際研究中我們往往需要分析多個被試的數(shù)據(jù)并生成聚合熱力圖或?qū)Ρ溶壽E圖。6.1 多被試數(shù)據(jù)聚合熱圖將多個被試的注視點數(shù)據(jù)合并可以生成反映群體注意力模式的“總覽圖”。關(guān)鍵在于數(shù)據(jù)的對齊確保所有數(shù)據(jù)映射到同一坐標(biāo)空間和標(biāo)準(zhǔn)化。def aggregate_heatmap(data_list, background_img_path, img_size, sigma25, normalizeTrue): 生成多被試聚合熱力圖。 :param data_list: 包含多個被試注視點DataFrame的列表。 :param normalize: 是否對每個被試的貢獻進行歸一化避免個別被試數(shù)據(jù)量過大主導(dǎo)熱圖。 all_x, all_y, all_weights [], [], [] for i, df in enumerate(data_list): x df[fixation_x].values y df[fixation_y].values weights df[duration].values if duration in df.columns else np.ones_like(x) if normalize: weights weights / weights.sum() # 歸一化使每個被試總權(quán)重為1 all_x.append(x) all_y.append(y) all_weights.append(weights) # 合并所有數(shù)據(jù) combined_x np.concatenate(all_x) combined_y np.concatenate(all_y) combined_weights np.concatenate(all_weights) # 使用加權(quán)KDE通過重復(fù)樣本近似 # 為提升效率這里采用采樣策略 combined_df pd.DataFrame({fixation_x: combined_x, fixation_y: combined_y, weight: combined_weights}) # 按權(quán)重進行重采樣近似 sampled_df combined_df.sample(nmin(5000, len(combined_df)), weightsweight, replaceTrue, random_state42) # 調(diào)用之前的generate_heatmap函數(shù)傳入采樣后的數(shù)據(jù) fig, ax, Z generate_heatmap(sampled_df, background_img_path, img_size, sigmasigma) ax.set_title(fAggregated Gaze Heatmap (N{len(data_list)} Participants), fontsize16) return fig, ax, Z6.2 生成專業(yè)報告與圖表導(dǎo)出分析完成后需要將結(jié)果整合成可發(fā)布的圖表。Matplotlib支持多種格式和高DPI導(dǎo)出。def export_visualizations(fixations_df, heatmap_matrix, output_dir./output): 導(dǎo)出所有可視化結(jié)果。 import os os.makedirs(output_dir, exist_okTrue) # 1. 保存注視點軌跡圖 fig_traj, _ plot_fixation_trajectory(fixations_df, background_image_path, image_size) traj_path os.path.join(output_dir, fixation_trajectory.png) fig_traj.savefig(traj_path, dpi300, bbox_inchestight) plt.close(fig_traj) print(f軌跡圖已保存至{traj_path}) # 2. 保存熱力圖 fig_heat, ax_heat, Z generate_heatmap(fixations_df, background_image_path, image_size) heat_path os.path.join(output_dir, gaze_heatmap.png) fig_heat.savefig(heat_path, dpi300, bbox_inchestight, transparentFalse) # 背景不透明 plt.close(fig_heat) # 3. 保存熱力圖數(shù)據(jù)矩陣可用于其他軟件進一步分析 np.savetxt(os.path.join(output_dir, heatmap_matrix.csv), Z, delimiter,) # 4. 保存注視點統(tǒng)計數(shù)據(jù) stats fixations_df.describe().T stats_path os.path.join(output_dir, fixation_statistics.csv) stats.to_csv(stats_path) print(f統(tǒng)計數(shù)據(jù)已保存至{stats_path}) # 5. 生成簡易文本報告 report_path os.path.join(output_dir, analysis_report.txt) with open(report_path, w) as f: f.write(f眼動數(shù)據(jù)分析報告\n) f.write(f*40 \n) f.write(f總注視點數(shù)量{len(fixations_df)}\n) f.write(f總注視時長{fixations_df[duration].sum():.0f} ms\n) f.write(f平均注視時長{fixations_df[duration].mean():.0f} ms\n) f.write(f注視點空間標(biāo)準(zhǔn)差 (X){fixations_df[fixation_x].std():.1f} px\n) f.write(f注視點空間標(biāo)準(zhǔn)差 (Y){fixations_df[fixation_y].std():.1f} px\n) f.write(f熱力圖峰值坐標(biāo)近似{np.unravel_index(Z.argmax(), Z.shape)}\n) print(f報告已保存至{report_path})通過這樣一套流程你就擁有了從原始數(shù)據(jù)到出版級圖表和統(tǒng)計報告的完整能力。導(dǎo)出的高分辨率PNG圖片可以直接用于論文或演示文稿CSV格式的中間數(shù)據(jù)也方便與其他工具如R SPSS進行交互。7. 常見問題與排查技巧實錄在實際操作中你一定會遇到各種預(yù)料之外的情況。下面是我在多個項目中總結(jié)的典型問題及其解決方案。7.1 數(shù)據(jù)與圖像對不齊問題繪制的注視點全部偏移到圖像角落或完全錯位。排查檢查坐標(biāo)映射確認屏幕分辨率screen_width,screen_height和刺激材料尺寸stim_width,stim_height是否輸入正確。確保映射函數(shù)中的乘除順序無誤。檢查坐標(biāo)原點計算機圖形學(xué)中圖像坐標(biāo)原點通常在左上角(0,0)而某些繪圖庫或數(shù)據(jù)可能使用左下角。Matplotlib的imshow的extent參數(shù)[left, right, bottom, top]決定了圖像在坐標(biāo)軸中的位置注意bottom和top的設(shè)置通常bottom是heighttop是0以實現(xiàn)原點在左上角。驗證原始數(shù)據(jù)用簡單的散點圖不帶背景繪制原始gaze_x和gaze_y看其范圍是否與宣稱的屏幕分辨率匹配。有時數(shù)據(jù)可能是歸一化的0-1需要反歸一化。7.2 熱力圖過于稀疏或過度平滑問題熱力圖要么是幾個孤立的亮點要么是一片模糊沒有清晰的焦點。解決調(diào)整sigma帶寬這是最關(guān)鍵的參數(shù)??梢韵葒L試一個經(jīng)驗值如屏幕寬度的1/50到1/20。然后根據(jù)效果微調(diào)。技巧繪制不同sigma值如10 25 50 100的熱力圖進行對比選擇能清晰顯示熱點又不失細節(jié)的那個。檢查數(shù)據(jù)量如果單個被試的注視點很少如少于20個熱力圖必然稀疏。考慮聚合多個試次或多個被試的數(shù)據(jù)。使用自適應(yīng)帶寬如上面提到的adaptive_heatmap函數(shù)對于數(shù)據(jù)分布不均勻的情況效果更好。下采樣網(wǎng)格downscale_factor太小如0.05會導(dǎo)致網(wǎng)格太粗糙丟失細節(jié)太大如0.8則計算緩慢。0.1到0.3是一個合理的范圍。7.3 注視點識別算法效果不佳問題I-VT算法將很多掃視點誤判為注視點或者把長注視拆成了多個短注視。調(diào)參與優(yōu)化速度閾值velocity_threshold這是區(qū)分注視和掃視的關(guān)鍵??梢酝ㄟ^繪制所有采樣點的速度分布直方圖來觀察。通常速度分布會呈現(xiàn)雙峰一個低峰注視一個高峰掃視。閾值應(yīng)設(shè)在兩峰之間的谷底附近。最小注視持續(xù)時間min_duration通常設(shè)置在50-200毫秒。低于此值可能是噪音或微眼跳??梢越Y(jié)合領(lǐng)域知識調(diào)整??紤]使用更復(fù)雜的算法對于高速或噪音大的數(shù)據(jù)可以嘗試I-DT散度閾值算法或者使用開源庫如pymovements、eyekit它們實現(xiàn)了更魯棒的算法。7.4 性能問題處理大數(shù)據(jù)集時速度慢問題當(dāng)處理高頻采樣如500Hz的長時程數(shù)據(jù)或多個被試數(shù)據(jù)時核密度估計計算非常耗時。優(yōu)化策略下采樣在計算熱力圖前對注視點坐標(biāo)進行網(wǎng)格下采樣或者使用downscale_factor大幅降低評估網(wǎng)格的分辨率。近似計算使用更快的近似KDE方法例如通過scipy.ndimage.gaussian_filter對二值化的注視點矩陣進行高斯濾波這在很多情況下是足夠的近似且速度快得多。并行處理如果分析多個獨立被試使用multiprocessing或joblib庫進行并行計算。使用專用庫探索如KDEpy這樣的庫它提供了更高效的算法實現(xiàn)。7.5 可視化圖表不夠美觀或信息過載問題生成的圖看起來不專業(yè)或者元素太多難以閱讀。設(shè)計建議顏色映射熱力圖慎用彩虹色jet雖然對比強但可能扭曲數(shù)據(jù)感知。推薦使用感知均勻的色圖如viridis、plasma、magma適用于黑白打印時仍有區(qū)分度。在Seaborn中cmaprocket或cmapmako也是很好的選擇。簡化軌跡圖如果注視點過多軌跡圖會變成一團亂麻??梢試L試1只繪制前N個或后N個注視點2用透明度alpha表示時間遠近3完全移除連線只用帶序號的散點。分面繪制對于多試次或多被試對比使用plt.subplots創(chuàng)建多個子圖保持坐標(biāo)軸范圍一致便于比較。添加比例尺和指北針如果背景是真實場景圖添加比例尺如“200像素”和方向指示會提升專業(yè)性。掌握這些排查技巧你就能從容應(yīng)對大部分分析過程中遇到的挑戰(zhàn)確保最終的可視化結(jié)果既準(zhǔn)確又具有洞察力。整個Python實現(xiàn)流程雖然涉及多個步驟但一旦構(gòu)建成模塊化的腳本就可以成為你分析眼動數(shù)據(jù)的強大、靈活且可復(fù)用的武器庫。本文還有配套的精品資源點擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
91精品久久久久| 中文无码婷婷| 国产精品美女| 婷婷五月天激情网站| 婷综合六月| 97人妻碰碰碰久久香蕉| 五月色情网| 69人人操人人爽| 五月综合久久| 日韩久久这里只有精品| 97人人超| 高清国产AV| 婷婷九月丁香| 九九亚洲视频| 热这里只有精| 亚洲色婷婷| 97爱艹婷婷开心丁香激情综合| 99热在线只有精品| 日日操日日射| 2025最新亚洲激情在线| 婷婷久久五月天| 亚洲av综合在线| 99热国产这里只有精品| 草一草avb| 婷婷在线操| 婷婷自拍| 天天干天天拍| 色九月| 青青草激情网| 亚洲第一第二网站| 一区二区三区四日本| 欧美激情综合五月色丁香| 亚洲激情淫网| 六月婷婷视频| 另类图片五月天婷婷| 97干在线播放| 五月天婷婷基地综合网| 99热免费18| 91丨九色丨43老版熟女| 91热爆在线| 大香蕉99热| 天天肏天天爽夜夜爽| 亚洲色色色色色| 超色欲天天| 亚洲无码影音| 99九九这里有免费视频| 亚洲色区17| 公的粗大挺进了我的密道| 久久99久久99精品免观看粉嫩| 婷婷色基地| 五月婷婷激情久久| 久久激情五月天| 欧美啄木乌丝袜人妻系列| 那里有AV网址| 99rewww| 97资源欧美日韩大香蕉超碰一区| 天天操无码| 国产亚洲av片| 色久九| 激情五月天色婷婷| 日本五月视频| 婷婷免费视频| 免费黄色视频网址| 五月天婷婷久久| 婷婷丁香六月| 丁香六月婷婷| 久热伊人91| 日本一级淫| 五月丁香成人网| 五月天婷婷无码| 五月丁香色| 五月色网| 疯狂做受XXXX高潮A片| 91欧美| 色色日本| 久九男女天堂| 99久久.www| 九九人人看| 丁香五月大香蕉AV| 婷婷 久综合| 夜夜躁狠狠 | 99ri国产在线| 97色碰| 丁香五月天视频| 亚洲爆乳无码精品AAA片蜜桃| 极品人妻VIDEOSSS人妻| 国产亚洲99久久| 9热视频在线观看| 天天日夜夜欢| 天天爱天天做天天爽| 天天干com| 噜噜色噜噜网| 婷婷伊人| 超碰在线免费9| 九九视频网| 久久精彩免费视频精彩免费视频| 日日射天天射| 97干综合网| 五月天激情啪啪| 91一起操| 99热这里只有精品免费| 国产毛片精品一区二区色欲黄A片 欧美交换配乱吟粗大25P | 三区激情四射av| 色五月丁香五月婷婷五月成人网| 亚洲中文字幕AV| 99热久久这里只有精品| 91欧美日韩综合| 六月丁香五月激情亚洲AV| 欧洲永久精品| 五月丁香啪啪啪| 丁香色色网| 99色综合久久| 六月欧美综合色情| 99热人人| 欧美性爱日韩性爱| 婷婷综合六| 色婷婷超碰| 婷婷激情四射| 99热啪啪| 婷婷久久综合久色| 午夜天堂一区人妻| 大功率国产在线| 色播激情五月天| 综合色图区| 91无码一起草| 69婷婷丁香午夜| www99精品| 操精品9| 成人五月丁香社区| 五月丁香婷婷综合网| 九九九九国产| 五月婷婷真爱激情网| 久久狠狠干| 久久丁香九| 久久激情综合| 三级三久久线久久99久目本WW| 亚洲电影中文字幕| 激情综合色婷婷啪啪六月天| 国产精产国品一二三在观看| 欧美又粗又大一区二区在线观看| 五月天婷婷久久| 日本nghangse中文字幕| 日屌日日操日日色| 大香伊人婷婷影院| 亚洲狠狠干| 欧美在线| 99这里只有精品在线| 啪啪激情网| 性爱五月婷婷| 天天综合网站| 久9久成人精品视频| 中文国产五月天| 九九RE视频在线精品| 999婷婷综合| 狠狠做深爱婷婷久久综合一区| 懂色av粉嫩av蜜臀av| 亚洲夜五月| 99热最新| 夜夜骑日日操| 婷婷丁香红五月91C| 97色色网| 日本va欧美va精品发布视频| 婷婷伊人欧美| 天天激情| 91久久九久久九久久九久久九久久| 老司机伊人| 日本丰满久久| 在线视频99| 天堂网色婷婷| 亚洲无码成人| 日韩成人五月天| 久热大香蕉| 丁香五月天激情网址| 激情五月丁香五月| 激情综合六月| 激情久久 婷婷| 久操福利| 午夜青草资源| 亚洲色基地| www.五月天婷婷| 五月天丁香综合在线| 五月天婷婷综合免费| 美欧成人视频| 99热这里只有精品在线观看| 99综合99| 六月丁香六月婷婷欧美| 任你爽视频| 人人人人人人人人人草| 96精品国产综合久久久久久| 欧美色色色| 粉嫩av懂色av蜜臀av熟妇| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | 狠狠狠狠狠狠色| 丁香五月首页| 色婷婷香蕉丁丁网| 91视频精品99| 男女啪啪做爰高潮无遮挡| 色五月激情综合| 丁香婷婷婷婷十二月在线观看视频| 五月久久婷婷天堂视频| 天天爽人人爽| 综合久久97| 大香蕉啪啪啪| 婷婷欧美激情综合| 亚洲视频丁香网va| 久久综合影院| 国产亚洲精品久久久久苍井松| 96五月丁香熟女| 9久久AV| 久久九九热视频| 狠狠干天天内射| 在线五月婷| 人人操av| 色天天综合| WWW99热| 91干婷婷| 婷婷五月综合激情| 丁香色六月婷婷| 激情五月天丁香| 天天日日| 成人无码髙潮喷水A片| 五月天婷婷影院影院观看| 久久新地此| 9久热精品在线视频| 婷婷五月天丁香社区| 五月婷人妻| www.婷婷,com| 六月色国内综合| 久热AA| 欧美大片免费播放器| 亚洲激情综合| 五月色色激情网| 五月天婷婷基地丁香| 婷婷性爱综合| 色情婷婷久久五月天| 激情五月天色色| 天天色激情| 久久这里在精品视频| 2015超碰| 狠狠爱婷婷丁香| 影音先锋美国A| 直接看的av| 欧美激情五月天| 中文字幕簧片| 丁香五月婷婷动漫| 色色色99韩| 婷婷久久五月丁香| 热99在线精品| 九九综舍久久| 欧美色色色色色色| www一起操在线观看| 第九色区av天堂| 狠狠综合| 97人妻碰碰中文无码久热丝袜| 色综合大香蕉| 婷婷综合精品| 亚洲综合九九| 五月天综合视频| 久久婷婷五月丁香网| 国产激情综合五月久久| 欧美久久网| 婷婷五月色情天| 天天色天天舔天天爱天天爽| 五月婷婷欧美激情| 色丁香影院| 欧美综合丁香网| ss五月天激情| 五月婷婷黄色视频| 日日日日操| 66精品成人免费网站在线观看| 五月丁香六月激情狠狠| 丁香五月网在线观看| 色亭亭五月天网扯| 思思久久青草热| 亚洲、热| 开心五月网 | 成人小说色图婷婷五月| 人人97操| 综合色播| xxx日本东京热| 亚色网站小视频| 国产成人VA| 天天日日天天| 色婷婷激情五月天| 日韩精品999| 玖玖无码中文| 欧美交换配乱吟粗大25P| 女人高潮内射99精品| 欧美大片| 99久久五月天| 亚洲人妻AV| 婷婷成人网五月天| 亚洲人妻五月丁香婷婷| 久久92| 丁香色婷婷| 丁香网站| 久色88| 色婷| 精久久色| 婷婷色婷婷| 被男人添B超爽视频| 无码少妇高潮喷水A片免费| 丁香五月婷中字在线| 丁香五月天堂网AV| 欧美色六月婷婷| 国产精品久久7777777精品无码| 色色色色色色色色网站| 欧美99热| 国产小网站| 亚洲色情久久| 久久六月综合| 国产小精品| 人人综合91网| 激情综合网激情五月网| 丁香五月欧美激情| 久久久噜噜噜www成人| 久久久中文| 欧美激情2025| 天天操天天插| 大香蕉网站,大香蕉综合| www.夜夜操.con| 激情五月婷婷老师| 日日做A爰片久久毛片A片英语| 五六月婷婷久久| 久久丁香| 色五月天丁香| 亚洲成Av人片乱码色第1集| 五月天婷婷一起草| 99在线视频播放| 国产精品久久久久久久久久免费| 五月伊人网| A网在线欧洲| 天天激情站| 婷婷五月丁香青青草在线| 五月久久婷婷| 五月天激情综合| 亚洲狠狠终合停停终合| 丁香五月婷婷性爱| 色啪影院| 9精品在线| 五月丁香啪啪啪啪| 亚洲色啪| 丁香色婷婷| 99在线亚洲| 亚洲精品又粗又大又爽A片| 免费黄色AV| 狠狠操狠狠干综合| 五月婷婷香蕉| 天天操夜夜爽歪歪| 97久久婷婷色| 射久久丁香五月| 亚洲另类电影| 激情五月深爱五月| www.色婷婷| 99A级片| 五月婷婷成人| 我去色色网五雨天| 思思精品视频| 超碰人人操| 久狠日av| 婷婷中文综合网| 婷婷在线午夜| 五月婷视频| 色六月天天激情综合网| 思思热在线视频精品| 99在线免费视频| 日韩精品一品二区三区的使用体验| 超级碰 久久9| 婷婷五月激情图片| 激情丁香久久久久久| 玖玖资源站中文| 婷婷五月,综合伊人| 激情五月六月丁香| 人妻视频一区而且二区| 五月丁香六月成人| 青青草色在线视频观看| 五月天婷婷视频| 超碰免费人妻| 激情久久久| 久久99婷婷| 伊人久久大香线蕉av最新| 久久综合播放| 79精品视频在线观看,| 香蕉久久国产AV一区二区| 日韩视频99| 2015好吊操| 婷婷色色五月| 婷婷色五月综合| 亚洲婷婷综合视频| 97人人搞| anquye伊人| 欧亚成人A片一区二区| 久热精品视频在线观| 亚洲精品视频在线播放| 国产又黄又爽又激情不遮挡视频在线观看| 亚洲网站观看视频| 六月婷婷视频| 日日天天天| 少妇搡BBBB搡BBB搡毛茸茸| 五月天五月色| 久草五月天| 激情五月婷婷五月| 九九无码视屏| 久久草大香蕉| 五月婷婷综合激情小说| 色婷婷国产精品综合在线观看| 97干视频| 中文字幕亚洲-区久久99婷婷| 刘玥精品一区| 伊人久久艹| 99在线观看免费精品视频| 久草热8精品视频在线观看| 五月天狠狠| 99在线观看视频精品| 国产做爰视频免费播放| 99亚洲日韩| 久久久久久9| 久久xxxx| 色五月偷偷| 色色综合日韩| 人人97碰| 婷婷狠狠久久| 午夜成人在线免费视频| 成人无码髙潮喷水A片| 中文字幕婷婷五月天在线观看| h亚洲| 人妻少妇色综合| 婷婷五月天六月| 五月天天堂久久| 色婷婷网| 久久久99免费视频| 婷婷丁香五月天在线| 婷婷五月天堂| 久久全色| 亚洲综合色婷| 丁香在线视频| 丁香婷婷91在线观看视频| 久热精品视频在线观| 五月婷婷丁香综合,亚洲天堂| 婷婷五月色| 99国产小视频| 亚洲精品久久久久AV无码| 色婷婷精品| 精品无码av丁香五月激情| 26uuu偷拍亚洲欧洲综合| 亚洲日本韩国| 99色精品| 久久五月网| 激情婷婷啪啪| 99热这里只有精品50| 丁香五月六月久久综合 | 色99热| 秋霞少妇AV网站| 99久久婷婷国产综合精品草原| 久热这里只有精品视频6| Av大香蕉| AAA久久| 99热很操老逼| 超级碰碰碰久久网站视频| www.99热| 天天综合在线网| 亚洲九九视频| 五月成人网站| 第五色色色婷婷| 色综合综合色| 丁香六月爱综合| 亚州激情网| 97久久人人操| 五月丁香啪| 日本久久性| 伊人热婷婷| 婷婷五月综合色小姐小说| 国产精品日本一区二区在线播放| 噼里啪啦完整版中文在线观看| 久久99综合| 久色网址| 欧美日韩一区二区三区四区| 久久这里只精品| 丁香五月天激情| 日韩久久视频| 色综合色综合网| 伊人超碰| 天天干,夜夜爽| 久久99热这里只有精品| 另类天堂| 婷婷视频在线| 亚洲成人av在线观看| 有码一区二区三区| 九九偷拍网| …亚洲黄色在线播放日韩、av中文a…| 婷婷五月丁香综合桃花色网| 亚洲色婷婷五月天| 97超碰人人操| 亚洲五月天天| 亚洲人成人五月天| 免费视频无码| 9久热| 五月丁香777| 久久九九网| 久操欧美在线观看97| 丁香五月狠狠在线观看| 操逼视频网址| 欧美图片丁香五月天| 亚洲精品亚洲人成人网| 婷婷丁香五月天综合网| 美女五月天| 欧美综合五月丁香六月婷| 黄网在线免费观看| 成人做爰黄A片免费看直播室男男| 666555。COm毛片| 一区=区操屄高清大全av| 九月婷婷综合在线| 亚洲精品国产成人AV在线| 日本a片网址| 狠狠色情婷婷| 丁香五月六月综合欧美| AV性爱网| 人妻在线网站| 色七色九九| 五月丁香在线看| 超碰二区| 亚洲精品无码99热| 五月丁香琪琪| 久8色色| 婷婷涩涩五月天| 午夜婷婷| 色五月婷婷操逼| 九九热视频网站| 婷婷久久草| 中文字幕在线日亚州9| 人人摸人人干| 色综合丁香| www.日本久久videos| 丁香五月婷婷乱| 国产97色在线| www.色欲丁香婷婷| 久久久久久草黄色片AV在线观看| 人人摸人人| 天天操夜夜操| 丁香六月啪啪啪| 99热久草| 日本一级一级一级一级| 色色色色色五月丁香| 日韩激情婷婷五月天| 五月婷婷色播| 色婷婷社区| 亚洲乱码日产精品BD| 大香蕉天堂| 色欲久久久久| 97色射| 一夜福利不卡| 激情五月激情综合网| 中文字幕1区2区。| 亚洲色色在线| 色欲天天综合网| 婷婷五月天黄色网址| 日韩色情亚洲五月天婷婷| 亚洲激情在线| 啪啪91| 丁香激情五月| 亚洲精品中文字幕成人片| 性爱电影科技贸易有限公司| 久久曰曰| 天天色情站| 亚洲超碰在线| 超碰免费99| 亚洲综合五月天婷婷| 青青草青青草五月天| 天天骑日日爽| www.超碰在线| 五月丁香六月婷婷,婷| 五月色婷| 久久这里只有精品久久| 色色五月婷| 久久大香蕉同僚| 中文av网| 狼人婷婷综合| 超碰97免费在线| 欧美日韩成人在线网站| 色五月色图| 2016日日夜夜操| 成年人丁香五月| 色青五月天| 婷婷五月天播播| 99热黄| 亚洲五月天婷婷在线| 性爱激情五月| 五月婷在线播放| 精品五月花| 久热网站| 超碰中文字幕在线| 爽极品色| 婷婷色五月婷婷姐妹| 9+1视频网址| 色五月开心五月激情五月| 久热超碰| 一区二区三区四区无码| 激情九九九九| 久久婷婷五月丁香网| 日本色婷婷| 久久久97| 色噜综| 色婷婷色五月综合| 色狠狠综合| 天天狠天天狠| 碰碰碰97国产| 五月丁香啪啪啪| 丁香五月日韩| av国产精品| 这里只有精品在线播放| 久久婷婷五月综合一| 天天操天天干天天日| 婷婷午夜综合| 久99| 少妇达人正片在线播放_ikun_福利吧| 999激情视频| 国产成人网站在线观看| 色色色色色色色色色色色色色色,网站| 色五月婷婷7777| 狠狠做婷婷| 激情五月天色色| 国产美女无遮挡裸体毛片A片| 五月天激情av| 婷婷综合在线| 人人操婷婷| 亚州色婷婷| 丁香五月激情六月| 婷婷综合精品| 黄色高清无码| 中文av网| 99小视频网站| 99精品热视频只有精品10| 欧洲MV日韩MV国产| 91九色国产| 噜噜噜色噜噜| 欧美性二区| 九九久久久综合| 99精品网| 午夜成人综合| 久久欧洲综合网| 午夜免费试看| 97碰碰人人视频| 97av在线视频| 99热最新精品| 五月婷婷久草在线视频综合| 在线不卡视频| 激情婷婷视频在线| 亚洲激情四射| 丁香激情久久| 激情丁香五月婷婷| 五月婷婷婷自由综合| 日韩欧美五月丁综合| 99热销国产这里有精品| 黄色av网站在线免费播放| 久久久久9999| 思思热视频在线| 五月婷婷五月天天| 人人玩人人橾| 色色色婷婷五月天| 日韩精品超碰在线观看| 久热99久热| 黄色网址五月婷婷| 99热只有| WWW.婷婷| 婷婷伊人綜合中文字幕小说| 综合色色婷婷| 狠狠色噜噜狠狠狠狠综合| 天天射影视综合网| 亚洲AAA| 啪啪啪大香蕉| 99热偷拍| 91九色欧美| 淫视馆av三区| 日本色啪| 丁香五月天天久久综合小说| 六月综合婷婷开心伊人| 色玖玖| 天天操B| 另类激情五月在线视频欧美| 丁香五月婷中字幕| 五月天天爱| 色婷婷色婷婷五月| 九九热这里只有精品在线观看| 深爱婷婷色| 色之综合网| 思思99热这里只有精品| 夜夜操夜夜操| 99热这里只| 大香蕉久操| 五月婷婷综合网| 91精品久久久久久77777| 外国碰视频网站97| 久久ww| 五月丁香香蕉| 欧美激情综合| 亚洲操操操| 青草视频在线播放| 99九九这里有免费视频| 激情婷婷。| 丁香综合久久| 中文字幕,综合,91| 久婷| 99re这里只有精品国产99| 五月天婷亚洲天综合网综合| 最新五月天婷婷影| 内射丰满人妻| 99操逼| 亚洲另类日本| 99热主页日本| 九九色热| 精品一二三区久久AAA片| av在线婷婷| 婷婷狠狠狠爱| 色区久久| 婷婷五月天熟妇| 久狠日av| 九九青青草成人| 亚洲成av人影院| 综合在线观看99| 99五月婷| 婷婷色五月激情| 精品无码99| 丁香花五月天激情| 久久er99热精品一区二区| 亚洲最大成人综合网720P| 白人荫道BBWBBB大荫道| 久久日韩婷婷五月| 婷婷四月 成人 狠狠干| 五月精品免费XXX| 日韩五月丁香| 激情丁香五月婷婷| 91VIP在线观看| 手机在线日韩视频中文字幕| 日韩免费99| 婷婷五月天无码视频| 色婷婷小说| 另类小说五月天| 九色在线五月婷婷网址| 日本久久精品| 婷婷五月综合在线视频| 天天色丁香| 一起草AV入口| 五月丁香无码| 夜夜骑天天玩天天日| 久久久久久综合88| 精品热九九| 99自拍视频在线| 色婷婷丁香五月高清在线| 五月婷婷丁香五月| 超PEN精品在线| 久久影视婷婷五月| 天色综合网站| 久操热| 91N 一起草| 五月婷婷亚洲综合网| 91婷婷色 | 天天插天天爽| 荡乳尤物3HP1V5| 26UUU欧美激情一区二区| 丁香六月无码| 国产全是老熟女太爽了| 婷婷色基地在线看| 五月天婷婷导航| 97资源碰碰| ady狠狠入| 丁香五月综合在线播放| 激情九月婷婷| 五月丁香婷婷成人版| 婷婷五月天综合中文| 玖玖在线视频| 婷婷五月丁香综合亚洲 | 丁香六月青青草| 综合热无码| 思思热久久艹| 182TV大香蕉| 色在线视频网2025| 西西4r午夜剧场| 人人色性网| 思思99久久| 久久久精品99| 亚洲欧美国产高清vA在线播放| 国产FREESEXVIDEOS性中国| 99re99在线看| 成人在线日韩欧美| www,26uuu,c0m,色情| 天天射影院| 99丁香五月婷| 五月天开心网| 成人五月天在线观看| 天天日,天天干,天天操| 五月婷婷综合激情网| 久久92| 亚洲美女高潮久久久久久69| 激情五月天啪啪| 伊人五月天97| 99色五月| 91色色色| 97色色视频| 91久久久久久| 五月天婷婷影院| 婷婷五月中文在线| 99色在线视频观看| 色婷婷狠狠爱| 欧美三级欧美一级| 久久激情网| 99免费热在线精品| 国色天香成人网| wwwxxx五月婷婷小说| 激情欧美五月丁香| 九九综合久久丁香婷婷,开心激情综合网| 久久只有18视频| 五月总合激情网| 极品人妻VIDEOSSS人妻| 99久久er| 色五月大香蕉婷婷| 久色五月丁香视频| 日本色婷婷| 99热官网| 这里只有精彩视| 欧美婷婷精品激| 久久婷婷视频| 五月丁香六月婷综合成人综合| 五月婷婷色| 婷婷免费无视频| 大香婷婷| 天天操人人干| 这里只有精品在线播放| 在线观看日韩12345区| 色婷婷电影网| 99综合色色色| 中文字幕在线视频播放| 婷婷五月天国产在线播放| 九九九九毛片| 色爆五月| 99久在线精品99re5热视频| 久热9| BBWCUCKOLD精品熟妇| 五月丁六月香| 97自拍视频在线| 婷婷色色亚洲| 成人丁香色| sisi热国产| 五月婷婷色色网址| 日韩aaaaa| 婷婷射丁香| 天天久久人人| 日韩精品视频中文字幕| 六月丁香婷婷综合在线| 一起草无码视频| 色婷婷色综合| 五月丁香亭亭操逼| 99热这里只有精品13| 吾爱AV导航| 五月丁香啪| 色五月丁香五月婷婷五月成人网| 香蕉操亚洲| 丁香六月天| av色色国产| 五月婷婷在线丁香| 91综合在线观看| 国产精品久久久久久久久久免费| 精品人妻伦一二三区久| 天天干天天色天天干| 亚洲色啪| 92国产福利| 91碰碰视频在线观看| 天天干天天做| 久久九色| 这里只有精品视频在线| 色播五月天天| 久久综合激情| 五月丁香婷婷99| 碰97 久| 丁香六月婷婷| 内射综合网| 欧美丁香婷婷五月| 亚洲综合视频一下| 精品九九在线观看视频| 久婷久婷| 久艹久| 风流少妇A片一区二区蜜桃| 久久网日本| 深爱五月激情五月| 狠狠五月天婷婷激情网。| 亚洲性受XXXX五月丁香| 久久总和99| 五月天婷婷丁香花| 人人草碰| 97caop| 狠狠干综合| 久热 91| 六月婷婷色| 丁香五月区| 婷婷亚洲在线| 色香五月天| 深爱激情四射| 国产精品在线视频| 天天插综合在线| 色八月婷婷| 非洲一级AV| www.久久99热地址发布| 九月激情综合婷婷| 日韩无码亚欧无码| 丁香五月激情综合久久| 五月天大香蕉av| 五月婷婷综合在线亚洲视频| 中字幕视频在线永久在线观看免费| 色婷婷丁香五月| 99色精品| www.久久久久| 国产精自产拍久久久久久蜜| 这里只有精品2| 天天天干夜夜夜操| 亚洲天堂久久| 色5月婷婷| 久色资源| 少妇大叫太大太粗太爽了A片| 91久热| 精品人妻伦九区久久AAA片| 99在线精品免费视频| 在线看的免费网站| 97碰碰草| 淫视馆av三区| 99免费青青蜜臀| 99精品久久久久久久| 婷婷爱爱蜜臀天天操| 色色丁香五月天| 天天爽天天爽天天爽天天爽天天爽天天爽天天| 金桔一区二区ab地址| 丁香五月 综合| 五月丁香久久久日婷婷久久婷婷日| 亚洲色五月天在线| 五月天色裸体视频| 日本久久人| 日本色五月| 久久久网站| 日本一级黄色片。| 激情九月丁香婷婷| 久久婷婷五月综合一| 九九综合伊人| 深爱开心激情网| 99这里是精品| 97性视频| 国产精品美女久久久久AV超清| 成人国产欧美大片一区| 99久久婷婷国产综合精品| 久热精品在看| 玖玖在线视频福利| 97色五月天| 六月综合在线| 99九九久久| 狠狠操狠狠插| 思思久热6| 五月婷婷开心网| 色偷偷色婷婷| 人与禽A片啪啪| 四射综合网| 婷婷五月综合免费在线| 五月婷婷在线综合| 婷婷欧美激情综合| 五月婷婷丁香六月| 婷婷四色成人综合色视| 久色88| 天天影院色| 欧美综合丁香网| 亚洲精品网址| 亚洲综合婷婷五月| 色婷婷影视| www婷婷色情网| 日日噜噜久久婷婷五月天| 色婷婷av在线观看| 色综合性视频| 丁香五月综合激情性爱| 综合色色网| 99热99热在线| 九九视频免费| 国内9l视频自拍老熟女九色| 色色免费网站| 色。 日日日| 五月丁香婷婷啪啪综合| 成人做爰A片免费看视频| 色噜噜狠狠插综合| 婷婷五月天成人导航| 伊人婷婷福利网| 91九色国产| 婷婷激情5月| 操逼毛片国语对白| 五月天婷婷综合色| 成人国产综合| 99热在线观看免费| 日韩无码专区| 婷久久高清| 五月天激情综合网| 丁香五月天色婷婷| 五月综合激情图片 | 99精品偷自拍| 丁香六月久久| 亚洲色vA| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 欧美色宗和激情| 天天拍久久| 另类图片天天影视在线观看| 91日本在线免费| 天天干天天操天天爽| 五月婷婷丁香婷婷| 另类婷婷丁香| 日韩欧美五月丁综合| 综合九九久久| 伊人在线视频| 开心婷婷五月| 色五月激情网| 99日这里只有精品| 久久6这里只有精品| 国产肏屄大片| 亚洲影院婷婷色| 极品少妇高潮啪啪AV无码| 日本九九网| 五月伊人婷婷| 综合激情网| 国产xxxxx在线观看| 超碰在线观看9| 玖玖伊人网| 九九视频在线观看视频6| 欧美日韩999| 1024操逼视频| 79精品视频在线观看,| 婷婷亚洲丁香五月| 九九家庭影院| 五月丁香婷婷啪啪综合| AV中文字幕夜夜操b天天摸bb| 国产乱妇乱子在线播视频播放网站| 九九色99| 99九九精品视频| 玖玖五月丁香| 亚洲综合热| 狠狠色婷婷六月激情网| 五月综合激情图片| 激情五月图| 色激情综合狠狠婷婷| 亚洲熟女色| 六月婷欧美| 丁香五月激情网| 久久99日本精品视频免费观看| 伊人网色婷婷五月天| 丁香五月婷婷基地| 九九性视频| 久久亚洲婷婷| 天天天干夜夜夜操| 婷婷五月天电影网| 色情五月丁香| 午夜丁香| 色爱亚洲| 96丁香六月婷婷蜜桃综合久久| 97在线碰| 欧洲亚洲精品| 超碰碰碰碰| 天天婷婷综合亚洲亚洲| 夜夜操天天干| 97色色色色色| 996er热| 99熟女| 香蕉久久国产AV一区二区| 久99热| 99久久九九视频| 日本啪啪视频HD| 97色精品视频 | 五月激情综合婷婷| 色情终和网| 亚洲视频码| 五月婷婷草| 黑人熟妇一区二区三区| 五月婷啪| 99视频超级精品| 五月天婷基地| 五月婷在线色视频| 亚洲欧美国产高清vA在线播放| 精品人妻久久久久| 久色大| 婷婷激情社区| 婷婷五月天影院| 51精品国自产在线| 五月丁香激情综合网官网| 5Www色5夜| 五月丁香六月婷婷久久肏| 久久狼人天堂| wwwss在线观看| 婷婷丁香一月| 天堂AV在线看| 婷丁香五月天| 久久丁香五月天| 青草青草视频2免费观看| 六月丁香AV| 久久五月天视频| 成人噜噜网| 久久丁香五月婷婷| 天天草天天爽| 超碰在线观看9| 色五月在线观看| 国产欧美精品AAAAAA片| 九月性爱网| 五月天丁香网站| 人人干天天操五月丁香| 天天成人丁香美女AV| 激情婷婷五月天| 色色色综合| 国内精品免费一区二区2009| 97干欧美| 狠狠操在线视频| 六月份天丁香婷婷| 99久久婷婷国产综合精品草原| 久久曰9| 14色综合婷婷| 狠狠狠狠狠狠草| 六月激情综合| www.操.com| 91 久热| 九九成人精品免费视频| 亚洲国产精品成人va在线观看| 中文成人在线| 中文幕无线码中文字蜜桃| 丁香五月婷婷激情中文| 色丁香五月天射婷婷爱婷婷| 亚洲色婷婷视频| 在线观看的av| 九九九九九九九九九九九九九九九九九九九在线视频 | 五月婷婷高清| 俺去也五月| 六月激情网| 五月婷婷9| 婷婷丁香五月天综合网| 久久久久久人妻| 精品久久99| 婷婷欧美激情| 丁香五月天av| www.色五月| 在线观看国产高清视频免费网站 | 丁香网站| 成人在线网站| 色婷婷激情视频| 久久综合丁香激情五月| 亚洲日本三级片| 丁香五月综合久久八| 五月婷婷激情综合| 日韩成人无码| 五月天综合久久| 婷婷五月另类网站| 极品人妻VIDEOSSS人妻| 久久综合播放| 狠狠狠五月婷婷六月丁香| 人人干av| 91性人人| 五月天电影网| 国产av天堂| 激情五月婷| 青草五月天| 色青青电影色五月| 激情五月天丁香| 婷婷五月色惰| 久久久日韩特色特黄AAAA| 激情五月丁香色婷婷| 婷婷五月电影院| 五月婷婷色啪| 天天做天天爱天天做| 开心五月深爱五月| 97人人操人人爽| 色情五月天丁香社区| 丁香婷婷五月激情四射网| 欧美色色色色色色色色色色影视| 久99久在线| 国产女生爱爱AA| 精品人妻久久久久久久| 97在线视频观看| 色碰碰视频| 亚洲婷婷五月天| 久久九九re热| 五月激情久久| 国产真实乱对白精彩| 天天爽成人综合网站| 中文字幕视频在线播放| 热婷婷在线视频| 亚洲色情网站| www。五月,com| 五月丁香六月欧美| 黄桃AV无码免费一区二区三区| 色噜噜婷婷| 久草五月天| 任你爽精品免费视频6| 久久婷婷丁香| 久草狼人| 日本人人xxx| 91av成人| 久久激情五月天| 欧美精品狠狠色丁香婷婷| 五月丁香婷婷激情在线| 国产成人精品一区二区三区视频| 六月丁香啪| 成人精品视频99在线观看免费 | 99热这里有精力| 婷婷射丁香| 9999久久久久| 日本99久久| 色五月成人| 久久综合激情| 狠狠草狠狠草| WWW.激情| 丁香六月啪啪| www天天干| 五月丁香本色在线观看| 色五月婷婷丁香国产在线| 人妻丰满精品一区二区A片| 久久精品熟女亚洲AV麻豆| 久久久噜噜噜操操操| 天天高潮夜夜爽| 一区操| 久久五月综合| 99视频91| 日本超碰在线| 91婷婷| 亚洲乱码精品久久久久..| 色久五月| 91日本在线免费| 五月天激情婷婷久久| 九艹在线| 伊人激情影院| 久久婷婷欧美| 婷婷激情五月天桃花网| 久久精彩视频| 久久色天堂| 97色色色| 天天操,天天插| 性爱网六月丁香| av在线资源| 人人玩人人橾| 狠狠色 综合色区| 五月丁香在线观看| 亚洲在线操| 色偷偷综合| 五月天婷婷黄色| 激情五月综合久久| 夜夜骑夜夜撸| 亚洲色婷婷网站| 影音先锋91视频| 伊人干综合| 五月情综合| 五月天天综合网色婷婷| 久久精品夜色噜噜亚洲a∨| 99在线精品观看99| 久久xxxx| 六月 丁香 视频| 成人在线网| 伊人婷婷大香蕉在线| 激情网婷婷婷| 九色 在线| 五月开心久久| 国产精品色一哟哟| 国产综合久久久777777| 婷婷丁香人妻天天爽| 精品怡红九九九| 国産精品| 国外亚洲成AV人片在线观看| 天天综合中文| 六月亚洲婷婷6月中文字幕| 色亭亭丁香五月天| 香蕉综合在线| 色人妻五月| 天天日天天添|