遗留物检测方法、相关设备和存储介质与流程

1.本发明涉及图像处理技术领域，特别是涉及一种遗留物检测方法、相关设备和存储介质。


背景技术：

2.遗留物检测是智能视频监控中的一项基本功能，遗留物检测主要是利用计算机视觉技术检测出监控视频中的静态遗留物，并将遗留物所处区域转换为可以标识遗留物的边界框。
3.目前，遗留物检测的方式为，建立背景图像帧，使用当前图像帧与背景图像帧做差分运算，得到背景图像帧中的遗留物所处区域。然而，在上述遗留物检测的过程中，可能将短暂停留在当前图像帧中的运动目标误认为是遗留物，生成错误的检测结果，这降低了遗留物检测的准确性。


技术实现要素：

4.本发明实施例的目的在于提供一种遗留物检测方法、相关设备和存储介质，解决现有的遗留物检测方法无法过滤运动目标，进而降低遗留物检测准确性的技术问题。具体技术方案如下：
5.在本发明实施例的第一方面，首先提供了一种遗留物检测方法，包括：
6.获取目标视频，从所述目标视频中逐帧读取图像帧；
7.在读取所述图像帧的过程中，基于最近读取到的n个图像帧，更新所述目标视频对应的第一图像；所述第一图像用于表征所述目标视频的当前场景，n为第一预设数值；
8.基于所述目标视频最近更新的m个第一图像，确定第二图像；所述第二图像用于表征所述目标视频的背景，m为第二预设数值；
9.将所述目标视频对应的当前第一图像与所述第二图像做差分运算，得到目标图像；
10.对所述目标图像进行差异化处理，确定所述目标图像中的遗留物区域。
11.在本发明实施例的第二方面，还提供了一种遗留物检测装置，所述装置包括：
12.获取模块，用于获取目标视频，从所述目标视频中逐帧读取图像帧；
13.更新模块，用于在读取所述图像帧的过程中，基于最近读取到的n个图像帧，更新所述目标视频对应的第一图像；所述第一图像用于表征所述目标视频的当前场景，n为第一预设数值；
14.第一确定模块，用于基于所述目标视频最近更新的m个第一图像，确定第二图像；所述第二图像用于表征所述目标视频的背景，m为第二预设数值；
15.运算模块，用于将所述目标视频对应的当前第一图像与所述第二图像做差分运算，得到目标图像；
16.第二确定模块，用于对所述目标图像进行差异化处理，确定所述目标图像中的遗
留物区域。
17.在本发明实施例的第三方面，还提供了一种智能垃圾桶，智能垃圾桶包括摄像头和处理模块；
18.所述摄像头，用于获取目标视频；
19.所述处理模块，用于从所述目标视频中逐帧读取图像帧；
20.在读取所述图像帧的过程中，基于最近读取到的n个图像帧，更新所述目标视频对应的第一图像；所述第一图像用于表征所述目标视频的当前场景，n为第一预设数值；
21.基于所述目标视频最近更新的m个第一图像，确定第二图像；所述第二图像用于表征所述目标视频的背景，m为第二预设数值；
22.将所述目标视频对应的当前第一图像与所述第二图像做差分运算，得到目标图像；
23.对所述目标图像进行差异化处理，确定所述目标图像中的遗留物区域。
24.在本发明实施例的第四方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述任一实施例所述的遗留物检测方法。
25.在本发明实施的第五方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一实施例所述的遗留物检测方法。
26.本发明实施例中，获取目标视频，从目标视频中逐帧读取图像帧；在读取图像帧的过程中，基于最近读取到的n个图像帧，更新目标视频对应的第一图像；基于目标视频最近更新的m个第一图像，确定第二图像；将目标视频对应的当前第一图像与第二图像做差分运算，得到目标图像；对目标图像进行差异化处理，确定目标图像中的遗留物区域。本发明实施例中，第一图像是基于最近读取到的n个图像帧确定的，第二图像是基于目标视频最近更新的m个第一图像确定的。也就是说，使用多个图像帧确定第一图像，并且使用多个第一图像确定第二图像，以此过滤短暂停留在当前图像帧中的运动目标，从而提高遗留物检测的准确性。
附图说明
27.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
28.图1为本发明实施例中遗留物检测方法的流程示意图；
29.图2为本发明实施例中遗留物检测装置的结构示意图；
30.图3为本发明实施例中一种电子设备的结构示意图；
31.图4为本发明实施例中智能垃圾桶的结构示意图。
具体实施方式
32.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
33.请参阅图1，图1为本发明实施例中遗留物检测方法的流程图。本发明实施例提供的遗留物检测方法包括：
34.s101，获取目标视频，从所述目标视频中逐帧读取图像帧。
35.上述目标视频可以是监控视频，或者其他类型的视频，在此不做具体限定。本步骤中，在获取到目标视频后，从目标视频中逐帧读取图像帧，也就是说，根据目标视频中各个图像帧的排序，依次读取目标视频中的图像帧。
36.s102，在读取所述图像帧的过程中，基于最近读取到的n个图像帧，更新所述目标视频对应的第一图像。
37.上述n的数值为第一预设数值，上述第一图像用于表征目标视频的当前场景。
38.本步骤中，当首次读取到n个图像帧时，基于上述n个图像帧，生成目标视频对应的第一图像；其后，在后续逐帧读取图像帧的过程中，当再次读取到连续的n个图像帧时，更新上述第一图像。
39.例如，上述第一预设数值为20，即n的数值为20。在读取到目标视频的第20帧时，基于读取到的第1帧至第20帧，生成目标视频对应的第一图像。当读取到目标视频的第40帧时，基于读取到的第21帧至第40帧，更新目标视频对应的第一图像。
40.其中，如何基于n个图像帧，更新第一图像的具体方案，请参阅后续实施例。
41.s103，基于所述目标视频最近更新的m个第一图像，确定第二图像。
42.上述m为第二预设数值，上述第二图像用于表征目标视频的背景。
43.本步骤中，在更新m个第一图像后，基于上述m个图像，生成第二图像。
44.例如，上述n的数值为20，m的数值为10。由于每读取20个图像帧，即更新目标视频对应的第一图像，因此当读取到目标视频的第200帧时，确定目标视频更新的第一图像的数量为10，这样，可以基于第1个第一图像至第10个第一图像，确定第二图像。
45.当读取到目标视频的第400帧时，确定目标视频更新的第一图像的数量为20，这样，可以基于目标视频最近更新的10个第一图像，即第11个第一图像至第20个第一图像，确定第二图像。
46.其中，如何基于目标视频最近更新的m个第一图像，确定第二图像的具体方案，请参阅后续实施例。
47.s104，将所述目标视频对应的当前第一图像与所述第二图像做差分运算，得到目标图像。
48.本步骤中，在得到第二图像后，将目标视频对应的当前第一图像与第二图像做差分运算，得到目标图像。当前第一图像可以理解为是目标视频最近更新的第一图像，上述目标图像又称为差分图像。
49.其中，2个图像之间的差分运算可以理解为将2个图像对应像素点的像素值相减，以削弱图像的相似部分。
50.例如，上述n的数值为20，m的数值为10，即每读取20个图像帧，更新一次第一图像，每更新10个第一图像，基于最近更新的10个第一图像生成第二图像。这种情况下，当读取到第210帧时，确定目标视频更新的第一图像的数量为10，基于第1个第一图像至第10个第一图像，确定第二图像；确定当前第一图像为目标视频最近更新的第一图像，即第10个第一图像。将第10个第一图像与第二图像做差分运算，得到目标图像。
51.s105，对所述目标图像进行差异化处理，确定所述目标图像中的遗留物区域。
52.本步骤中，在得到目标图像后，对目标图像进行差异化处理，在目标图像中生成至少一个目标区域，进一步的，确定目标区域是否是遗留物区域。
53.上述差异化处理用于突出显示目标图像中出现的物体，该物体可能是遗留物或目标图像中存在的噪声。上述遗留物区域即遗留物在目标图像中的区域。
54.具体的对目标图像进行差异化处理的方式，以及确定目标图像中的遗留物区域的方式，请参阅后续实施例。
55.本发明实施例中，获取目标视频，从目标视频中逐帧读取图像帧；在读取图像帧的过程中，基于最近读取到的n个图像帧，更新目标视频对应的第一图像；基于目标视频最近更新的m个第一图像，确定第二图像；将目标视频对应的当前第一图像与第二图像做差分运算，得到目标图像；对目标图像进行差异化处理，确定目标图像中的遗留物区域。本发明实施例中，第一图像是基于最近读取到的n个图像帧确定的，第二图像是基于目标视频最近更新的m个第一图像确定的。也就是说，使用多个图像帧确定第一图像，并且使用多个第一图像确定第二图像，以此过滤短暂停留在当前图像帧中的运动目标，从而提高遗留物检测的准确性。同时，在图像帧之间的像素差异较大的情况下，也可以更快速的依据当前第一图像和第二图像检测出目标视频中的遗留物。
56.以下，具体阐述如何基于n个图像帧，更新第一图像的技术方案：
57.可选地，所述基于最近读取到的n个图像帧，更新所述目标视频对应的第一图像包括：
58.对所述n个图像帧一一对应的n个像素值进行累加计算，得到第一累加结果；
59.将所述第一累加结果与n做除法运算，得到所述n个图像帧对应的第一像素平均值；
60.构建第一图像，所述第一图像的像素值为所述第一像素平均值。
61.本实施例中，计算n个图像帧对应的第一像素平均值，其中，可以通过下述方式计算得到第一像素平均值。
62.读取每个图像帧对应的像素值，得到n个像素值；图像帧对应的像素值可以理解为该图像帧所表征的图像对应的像素值。对上述n个像素值进行累加计算，得到第一累加结果。将第一累加结果与n做除法运算，将除法结果作为第一像素平均值。
63.进一步的，构建一个图像，将该图像的像素值设定为上述第一像素平均值，得到用于表征目标视频当前场景的第一图像。
64.本实施例中，使用最近读取到的n个图像帧，确定表征目标视频当前场景的第一图像，由于第一图像是基于n个图像帧的第一像素平均值得到的，因此可以过滤掉短暂停留在图像帧中的运动目标，提高遗留物检测的准确性。
65.可选地，所述基于所述目标视频最近更新的m个第一图像，确定第二图像包括：
66.每间隔预设时长，将所述目标视频对应的第一图像存储至预设的图像集合；所述图像集合中的第一图像按照存储时间的先后顺序排列；
67.在所述图像集合存储的第一图像数量为第三预设数值的正整数倍的情况下，基于所述图像集合中排序最后的m个第一图像，确定第二图像。
68.本实施例中，预先设置有图像集合，该图像集合用于存储第一图像，且图像集合中的第一图像按照存储时间的先后顺序排列。
69.本实施例中，每间隔预设时长，将目标视频对应的第一图像存储至预设的图像集合。示例性的，上述预设时长为1分钟，那么，在逐帧读取目标视频图像帧的过程中，每间隔1
分钟，将目标视频对应的当前第一图像存储至图像集合中。
70.当图像集合存储的第一图像数量为第三预设数值的正整数倍的情况下，基于图像集合中排序最后的m个第一图像，确定第二图像。关于如何基于图像集合中排序最后的m个第一图像，确定第二图像的具体技术方案，请参阅后续实施例。
71.一种可选的实施例为，上述第三预设数值与m的数值相同。也就是说，在图像集合存储的第一图像数量为m的正整数倍的情况下，基于图像集合中排序最后的m个第一图像，确定第二图像。
72.例如，上述m为10，若图像集合中存储有10个第一图像，则基于这10个第一图像，确定第二图像。若图像集合中存储有20个第一图像，则基于图像集合中的第11个第一图像至第20个第一图像，确定第二图像。
73.另一种可选的实施方式为，上述第三预设数值为m的数值不同。
74.例如，上述m为10，上述第三预设数值为15，若图像集合中存储有15个第一图像，则基于图像集合中的第6个第一图像至第15个第一图像，确定第二图像。
75.可选地，所述基于所述图像集合中排序最后的m个第一图像，确定第二图像包括：
76.对所述m个第一图像一一对应的m个像素值进行累加计算，得到第二累加结果；
77.将所述第二累加结果与m做除法运算，得到所述m个第一图像对应的第二像素平均值；
78.构建第二图像，所述第二图像的像素值为所述第二像素平均值。
79.本实施例中，计算m个第一图像对应的第二像素平均值，其中，可以通过下述方式计算得到第二像素平均值。
80.读取每个第一图像对应的像素值，得到m个像素值。对上述m个像素值进行累加计算，得到第二累加结果。将第二累加结果与m做除法运算，将除法结果作为第二像素平均值。
81.进一步的，构建一个图像，将该图像的像素值设定为上述第二像素平均值，得到用于表征目标视频背景的第二图像，该第二图像又称为目标视频的背景图像。
82.本实施例中，使用目标视频最近更新的m个第一图像，确定目标视频的背景图像，由于第二图像是基于m个第一图像的第二像素平均值得到的，因此可以过滤掉短暂停留在目标图像背景中的运动目标，提高遗留物检测的准确性。
83.以下，具体阐述对目标图像进行差异化处理的方式，以及确定目标图像中的遗留物区域的方式：可选地，所述对所述目标图像进行差异化处理，确定所述目标图像中的遗留物区域包括：
84.对所述目标图像进行二值化处理和膨胀处理，以使得所述目标图像中生成至少一个目标区域；
85.将区域面积大于预设阈值的目标区域，确定为所述遗留物区域。
86.本实施例中，对目标图像进行二值化处理，应理解，图像的二值化处理就是将图像的像素点对应的灰度值设置为0或255，整个图像呈现出明显的黑白效果，得到可以反映图像整体和局部特征的二值化图像。对二值化后的目标图像进行膨胀处理，应理解，图像的膨胀处理就是在图像的边缘添加像素值，使得整体的像素值扩张，进而达到图像的膨胀效果。这样，整个图像由白色和黑色两种颜色构成，可选地实施方式为，可以将图像中黑色像素所处的区域确定为目标区域。
87.本实施例中还设置有预设阈值。检测每个目标区域的区域面积，若目标区域的区域面积大于预设阈值，表面该目标区域存在遗留物，则将该目标区域确定为遗留物区域；若目标区域的区域面积小于或等于预设阈值，表面该目标区域是目标图像中的噪声区域。
88.本实施例中，通过对目标图像进行二值化处理和膨胀处理，在目标图像中突出显示遗留物区域，进而可以基于各个目标区域对应的区域面积，快速的确定遗留物区域，以此提高遗留物检测的效率。
89.可选地，所述获取目标视频之后，所述方法包括：
90.降低所述目标视频中每个图像帧对应的分辨率；
91.对降低分辨率后的图像帧进行灰度处理和高斯滤波处理。
92.本实施例中，在获取到目标视频之后，降低目标视频中每个图像帧对应的分辨率，一种可选的实施方式为，将每个图像帧的分辨率降低为原分辨率的十分之一。
93.对降低分辨率后的图像帧进行灰度处理和高斯滤波处理，其中，灰度处理是指将图像帧中每个像素点对应的r值、g值和b值设置相同。可选地实施方式为，可以使用高斯平滑滤波器对图像帧机芯高斯滤波处理。
94.本实施例中，通过降低每个图像帧的分辨率，并且对图像帧进行灰度处理和高斯滤波处理，以抑制图像帧中的噪声，进而排除图像帧中的噪声对遗留物检测结果的干扰，提高遗留物检测的准确性。
95.如图2所示，本发明实施例还提供了一种遗留物检测装置200，包括：
96.获取模块201，用于获取目标视频，从所述目标视频中逐帧读取图像帧；
97.更新模块202，用于在读取所述图像帧的过程中，基于最近读取到的n个图像帧，更新所述目标视频对应的第一图像；
98.第一确定模块203，用于基于所述目标视频最近更新的m个第一图像，确定第二图像；
99.运算模块204，用于将所述目标视频对应的当前第一图像与所述第二图像做差分运算，得到目标图像；
100.第二确定模块205，用于对所述目标图像进行差异化处理，确定所述目标图像中的遗留物区域。
101.可选地，所述更新模块202具体用于：
102.对所述n个图像帧一一对应的n个像素值进行累加计算，得到第一累加结果；
103.将所述第一累加结果与n做除法运算，得到所述n个图像帧对应的第一像素平均值；
104.构建第一图像，所述第一图像的像素值为所述第一像素平均值。
105.可选地，所述第一确定模块203具体用于：
106.每间隔预设时长，将所述目标视频对应的第一图像存储至预设的图像集合；
107.在所述图像集合存储的第一图像数量为第三预设数值的正整数倍的情况下，基于所述图像集合中排序最后的m个第一图像，确定第二图像。
108.可选地，所述第一确定模块203具体用于：
109.对所述m个第一图像一一对应的m个像素值进行累加计算，得到第二累加结果；
110.将所述第二累加结果与m做除法运算，得到所述m个第一图像对应的第二像素平均
值；
111.构建第二图像，所述第二图像的像素值为所述第二像素平均值。
112.可选地，所述第二确定模块205具体用于：
113.对所述目标图像进行二值化处理和膨胀处理，以使得所述目标图像中生成至少一个目标区域；
114.将区域面积大于预设阈值的目标区域，确定为所述遗留物区域。
115.可选地，所述遗留物检测装置200还包括：
116.第一处理模块，用于降低所述目标视频中每个图像帧对应的分辨率；
117.第二处理模块，用于对降低分辨率后的图像帧进行灰度处理和高斯滤波处理。
118.本发明实施例还提供了一种电子设备，如图3所示，包括处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。
119.存储器303，用于存放计算机程序；
120.处理器301，用于执行存储器303上所存放的程序时，所述计算机程序被所述处理器301执行时，用于获取目标视频，从所述目标视频中逐帧读取图像帧；
121.在读取所述图像帧的过程中，基于最近读取到的n个图像帧，更新所述目标视频对应的第一图像；
122.基于所述目标视频最近更新的m个第一图像，确定第二图像；
123.将所述目标视频对应的当前第一图像与所述第二图像做差分运算，得到目标图像；
124.对所述目标图像进行差异化处理，确定所述目标图像中的遗留物区域。
125.可选地，所述计算机程序被所述处理器301执行时，还用于对所述n个图像帧一一对应的n个像素值进行累加计算，得到第一累加结果；
126.将所述第一累加结果与n做除法运算，得到所述n个图像帧对应的第一像素平均值；
127.构建第一图像，所述第一图像的像素值为所述第一像素平均值。
128.可选地，所述计算机程序被所述处理器301执行时，还用于每间隔预设时长，将所述目标视频对应的第一图像存储至预设的图像集合；
129.在所述图像集合存储的第一图像数量为第三预设数值的正整数倍的情况下，基于所述图像集合中排序最后的m个第一图像，确定第二图像。
130.可选地，所述计算机程序被所述处理器301执行时，还用于对所述m个第一图像一一对应的m个像素值进行累加计算，得到第二累加结果；
131.将所述第二累加结果与m做除法运算，得到所述m个第一图像对应的第二像素平均值；
132.构建第二图像，所述第二图像的像素值为所述第二像素平均值。
133.可选地，所述计算机程序被所述处理器301执行时，还用于对所述目标图像进行二值化处理和膨胀处理，以使得所述目标图像中生成至少一个目标区域；
134.将区域面积大于预设阈值的目标区域，确定为所述遗留物区域。
135.可选地，所述计算机程序被所述处理器301执行时，还用于降低所述目标视频中每
个图像帧对应的分辨率；
136.对降低分辨率后的图像帧进行灰度处理和高斯滤波处理。
137.上述电子设备提到的通信总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
138.通信接口用于上述终端与其他设备之间的通信。
139.存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non
‑
volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
140.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
141.在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一实施例所述的遗留物检测方法。
142.如图4所示，本发明实施例还提供了一种智能垃圾桶400，该智能垃圾桶400包括摄像头401和处理模块402；
143.所述摄像头401，用于获取目标视频；
144.所述处理模块402，用于从所述目标视频中逐帧读取图像帧；
145.在读取所述图像帧的过程中，基于最近读取到的n个图像帧，更新所述目标视频对应的第一图像；
146.基于所述目标视频最近更新的m个第一图像，确定第二图像；
147.将所述目标视频对应的当前第一图像与所述第二图像做差分运算，得到目标图像；
148.对所述目标图像进行差异化处理，确定所述目标图像中的遗留物区域。
149.本实施例中，可以在智能垃圾桶400上安装摄像头401，可选地，可以将该摄像头401按照在智能垃圾桶400本体的桶盖处，该摄像头401用于获取目标视频。在智能垃圾桶400的处理模块402运行上述实施例中任一实施例所述的遗留物检测方法，这样，对摄像头401捕获的监控视频进行遗留物检测，进一步的，可以将监控视频中出现的垃圾视为遗留物，实现对乱丢垃圾这种行为的监测。
150.本技术实施例提供的智能垃圾桶400能够实现图1方法实施例实现的各个过程，为避免重复，这里不再赘述。
151.在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一实施例所述的遗留物检测方法。
152.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序
产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
153.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
154.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
155.以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。