体温测量方法、装置、电子设备以及可读存储介质与流程

1.本公开涉及视频技术领域，具体涉及一种体温测量方法、装置、电子设备以及可读存储介质。


背景技术：

2.受到疫情的影响，非配合式测温技术受到广泛关注。非配合式测温通常是基于热成像原理，例如图像处理技术检测人体温度。一些热成像测温技术为了避免受到其他热源的干扰，会先进行人脸检测，然后输出人脸区域的温度，本发明人发现，这种方式在人脸检测上消耗大量的算力，导致算法耗时较大，系统资源占用较高。


技术实现要素：

3.为了解决相关技术中的问题，本公开实施例提供一种体温测量方法、装置、电子设备以及可读存储介质。
4.第一方面，本公开实施例中提供了一种体温测量方法。
5.具体地，所述体温测量方法，包括：
6.获取视频数据；
7.识别所述视频数据中的待测温视频帧的测温区域；
8.确定所述测温区域内的最高温度；
9.在所述测温区域的最高温度超出正常体温范围的情况下，检测所述待测温视频帧中的人脸区域；
10.输出所述人脸区域的温度。
11.可选地，所述视频数据为热成像视频数据。
12.结合第一方面，本公开在第一方面的第一种实现方式中，所述识别所述视频数据中的待测温视频帧的测温区域包括：
13.获取视野区域的背景温度；
14.从所述待测温视频帧中确定处于有效体温范围的目标区域；
15.从所述目标区域中确定与所述背景温度的温差大于温度阈值的区域为测温区域。
16.结合第一方面，本公开在第一方面的第二种实现方式中，所述识别所述视频数据中的待测温视频帧的测温区域包括：
17.获取视野区域内的背景温度和背景分数；
18.选择所述待测温视频帧中的一个像素点作为当前像素点；
19.在所述当前像素点的温度处于有效体温范围的情况下，根据所述当前像素点的温度与该像素点的背景温度的差值是否大于温度阈值，确定所述当前像素点是否属于测温区域；
20.通过预定变化量调整所述当前像素点的背景分数，如果所述背景分数满足分数阈值条件则更新所述当前像素点的背景温度并重置背景分数；
21.选择下一个像素点直至所有像素点遍历完成，确定测温区域。
22.可选地，还包括：在所述通过预定变化量调整所述当前像素点的背景分数之前，初始化背景温度。
23.结合第一方面的第二种实现方式，本公开在第一方面的第三种实现方式中，所述识别所述视频数据中的待测温视频帧的测温区域还包括：
24.在所述当前像素点的温度超出有效体温范围的情况下，确定所述当前像素点不属于测温区域，更新所述当前像素点的背景温度并重置背景分数。
25.结合第一方面的第一种至第三种实现方式中的任一项，本公开在第一方面的第四种实现方式中，所述识别所述视频数据中的待测温视频帧的测温区域还包括通过图像腐蚀算法优化所述测温区域。
26.结合第一方面、第一方面的第一种至第四种实现方式中的任一项，本公开在第一方面的第五种实现方式中，所述检测所述待测温视频帧中的人脸区域，包括：
27.通过人脸检测模型检测所述待测温视频帧以获取人脸区域。可选地，通过热成像人脸检测模型检测所述待测温视频帧以获取人脸区域。
28.结合第一方面、第一方面的第一种至第五种实现方式中的任一项，本公开在第一方面的第六种实现方式中，还包括：
29.在所述测温区域的最高温度处于正常体温范围的情况下，将所述测温区域的最高温度作为体温输出。
30.第二方面，本公开实施例中提供了一种体温测量装置。
31.具体地，所述体温测量装置，包括：
32.获取模块，被配置为获取视频数据；
33.识别模块，被配置为识别所述视频数据中的待测温视频帧的测温区域；
34.确定模块，被配置为确定所述测温区域内的最高温度；
35.检测模块，被配置为在所述测温区域的最高温度超出正常体温范围的情况下，检测所述待测温视频帧中的人脸区域；
36.输出模块，被配置为输出所述人脸区域的温度。
37.第三方面，本公开实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现前述的方法。
38.第四方面，本公开实施例中提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现前述的方法。
39.根据本公开实施例提供的技术方案，通过获取视频数据(可选地，视频数据为热成像视频数据)；识别所述视频数据中的待测温视频帧的测温区域；确定所述测温区域内的最高温度；在所述测温区域的最高温度超出正常体温范围的情况下，检测所述待测温视频帧中的人脸区域；输出所述人脸区域的温度。本公开实施例的方法首先识别测温区域，在测温区域超出正常体温范围才启用人脸检测算法，极大地降低了对系统资源的占用。
40.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
41.结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。在附图中：
42.图1示出根据本公开实施例的体温测量方法的流程图；
43.图2示出根据本公开另一实施例的体温测量方法的流程图；
44.图3示出根据本公开实施例的识别测温区域的流程图；
45.图4示出根据本公开实施例的待测温视频帧的示意图；
46.图5示出根据本公开另一实施例的识别测温区域的流程图；
47.图6示出根据本公开又一实施例的识别测温区域的流程图；
48.图7示出根据本公开实施例的体温测量装置的框图；
49.图8示出根据本公开实施例的电子设备的框图；
50.图9示出根据本公开实施例的适于实现体温测量方法的计算机系统的结构示意图。
具体实施方式
51.下文中，将参考附图详细描述本公开的示例性实施例，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施例无关的部分。
52.在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
53.另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
54.图1示出根据本公开实施例的体温测量方法的流程图。
55.如图1所示，该方法包括操作s110～s150。
56.在操作s110，获取视频数据。
57.在操作s120，识别所述视频数据中的待测温视频帧的测温区域。
58.在操作s130，确定所述测温区域内的最高温度。
59.在操作s140，在所述测温区域的最高温度超出正常体温范围的情况下，检测所述待测温视频帧中的人脸区域。
60.在操作s150，输出所述人脸区域的温度。
61.根据本公开实施例提供的技术方案，通过获取视频数据；识别所述视频数据中的待测温视频帧的测温区域；确定所述测温区域内的最高温度；在所述测温区域的最高温度超出正常体温范围的情况下，检测所述待测温视频帧中的人脸区域；输出所述人脸区域的温度。本公开实施例的方法首先识别测温区域，在测温区域超出正常体温范围才启用人脸检测算法，极大地降低了对系统资源的占用。
62.本公开实施例的体温测量方法可以应用于人脸门禁的场景中，也可以应用于各种公共场所，例如地铁站、图书馆等。
63.本公开实施例的视频数据可以为热成像视频数据。热成像传感器(例如红外传感器)通过非接触的方式将探测到的物体的辐射能量转换为电信号，经系统处理转变为灰度
或伪彩色的图像，即为热成像。通过连续地探测，多个时刻的热成像组成热成像视频数据。
64.根据本公开实施例，可以通过设置在固定位置的热成像传感器采集热成像视频数据。由于热成像传感器设置于固定位置，绝大部分背景物品并不会发生移动，本公开实施例的方法可以通过背景建模简化人体测温过程。
65.根据本公开实施例，可以基于视频帧序列之间的相关性，识别所述视频数据中的待测温视频帧的测温区域。这样，在视野中长时间保持不动的物体可被识别为背景，从而无需对该物体测温。应当注意的是，在操作120中，并不使用人脸或其他特定目标的识别算法，避免了复杂的识别运算，减少对系统资源的占用。
66.根据本公开实施例，在确定测温区域后，可以确定测温区域内的最高温度。在热成像的图像中，每个像素点的值表示该位置的温度，因此，可以遍历测温区域以找到最高温度值。
67.根据本公开实施例，若测温区域的最高温度超出正常体温范围，则检测待测温视频帧中的人脸区域。正常体温范围是指身体健康的正常人的体温范围，例如可以设置为小于37℃或37.5℃。当超出这一范围时，例如达到39℃，则进一步检测待测温视频帧中的人脸区域，在人脸区域内重新获得测温结果并输出，以减少误判。
68.例如，某人体温36℃，手持39℃的水杯走入检测视野，通过操作s120，可能将人体和水杯的区域都识别为测温区域，这样，在操作s130可将人体的温度识别为39℃，产生误判。通过操作s140和操作s150，可以进一步确定人脸区域，以排除这种误判。
69.根据本公开实施例，可通过热成像人脸检测模型检测所述待测温视频帧以获取人脸区域。其中，热成像人脸检测模型可以是各种人工智能模型，例如可以是卷积神经网络模型，当然也可以选择其他适合的非深度学习模型。其中，卷积神经网络模型可以基于热成像的训练数据专门训练而成，或者由基于标准视觉图像的人脸检测模型经过迁移学习而得到的。
70.根据本公开实施例，也可以不使用热成像人脸检测模型，例如可以使用其他传感器获得人脸位置辅助信息，用于确定人脸区域，本公开对此不做限定。
71.根据本公开实施例，在所述测温区域的最高温度处于正常体温范围的情况下，将所述测温区域的最高温度作为体温输出。可选地，还可以设置最低人体温度，例如33℃或35℃。如果测温区域的温度在上述正常体温范围内，甚至低于最低人体温度或没有检测到测温区域，均可以直接输出体温测量结果，不存在将正常人识别为发热患者的可能性。
72.图2示出根据本公开另一实施例的体温测量方法的流程图。
73.如图2所示，该方法包括操作s210～s250。
74.在操作s210，通过背景建模逻辑测温方法，识别所述视频数据中的待测温视频帧的测温区域，并确定所述测温区域内的最高温度。
75.在操作s220，判断该最高温度是否处于正常体温范围，如果超出正常体温范围，执行操作s230，否则执行操作s250。
76.在操作s230，进行人脸检测(如热成像人脸检测)，获取人脸区域。
77.在操作s240，对人脸区域进行测温。
78.在操作s250，输出体温。
79.本公开实施例的方法首先识别测温区域的温度，当测温符合人体温度范围时直接
输出体温，反之则通过人脸检测找出人脸区域进行测温，极大地降低了对系统资源的占用。
80.返回参考图1，根据本公开实施例，操作s120可以通过多种方式实现。下面结合图3～图6所示意的各个实施例进行说明，该些实施例描述了基于温度背景建模的测温区域确定方法，但本公开并不以此为限，本领域技术人员也可以使用其他的温度背景建立方法，或者使用其他的全局测温方法代替基于温度背景建模的方法。
81.图3示出根据本公开实施例的识别测温区域的流程图。
82.如图3所示，该方法包括操作s310～s330。
83.在操作s310，获取视野区域的背景温度。
84.在操作s320，从所述待测温视频帧中确定处于有效体温范围的目标区域。
85.在操作s330，从所述目标区域中确定与所述背景温度的温差大于温度阈值的区域为测温区域。
86.根据本公开实施例，热成像传感器设置在固定位置，具有固定的视野，视野内的每个位置上包括一个表示该位置的背景温度的属性参数。该位置可以是指每个像素点为一个位置，也可以是由多个像素点组成的一个区域为一个位置。
87.根据本公开实施例，有效体温范围是指人体可能的温度范围，超出该有效体温范围的温度不认为是人体的体温。例如，该有效体温范围的下限可以设置为33℃或35℃，上限可以设置为40℃或42℃。
88.根据本公开实施例，可以先确定待测温视频帧中处于有效体温范围的区域为目标区域，再将目标区域的温度与背景温度比较，以选择出测温区域。例如，视野中有一个固定放置的温度为37℃的物体，在本公开实施例的技术方案中，由于该物体的存在，其所在位置的背景温度设定为37℃，在后续的温度检测中，由于不存在较大的温差，不会将该区域识别为测温区域，避免了该物体对体温测量的干扰。
89.反之，如果某一位置的背景温度为20℃，当有人进入该区域时，其体温与背景温度20℃之间具有一个较大的温差，可以通过阈值判断该区域为测温区域。其中，阈值可以根据实际情况进行设定，例如可以设置为10℃。该阈值用于衡量当前温度与背景温度之间的差异，可以直接取温差的绝对值与之进行比较即可。
90.图4示出根据本公开实施例的待测温视频帧的示意图。
91.如图4所示，在该视野内，区域a的背景温度约为36℃，其他区域的背景温度介于15℃
‑
20℃之间。在某一时刻的待测温视频帧中，检测到a区域和b区域的温度均为36℃，其他区域c的温度介于15℃
‑
20℃之间。在确定测温区域时，首先确定处于有效体温区间的区域a和区域b，然后通过将区域a和区域b与背景温度进行比较。其中，区域a与背景温度之间的温差很小，不满足阈值条件，确定为非测温区域。而区域b与背景温度之间的温差较大，满足阈值条件，确定为测温区域。最终确定该待测温视频帧中的区域b为测温区域。
92.下面结合图5和图6介绍本公开的背景建模的可选实现方式。背景建模，即确定视野内的背景温度并实时更新的过程。
93.图5示出根据本公开另一实施例的识别测温区域的流程图。
94.如图5所示，该方法包括操作s510～s550。
95.在操作s510，获取视野区域内的背景温度和背景分数。
96.在操作s520，选择所述待测温视频帧中的一个像素点作为当前像素点。
97.在操作s530，在所述当前像素点的温度处于有效体温范围的情况下，根据所述当前像素点的温度与该像素点的背景温度的差值是否大于温度阈值，确定所述当前像素点是否属于测温区域。
98.在操作s540，通过预定变化量调整所述当前像素点的背景分数，如果所述背景分数满足分数阈值条件则更新所述当前像素点的背景温度并重置背景分数。
99.在操作s550，选择下一个像素点直至所有像素点遍历完成，确定测温区域。
100.根据本公开实施例，背景分数用于识别处于有效体温范围内的静止物品，以决定如何更新背景温度。背景温度和背景分数可以通过初始化赋予初值，之后在检测过程中不断迭代。
101.根据本公开实施例，可以以像素点为单位进行遍历，类似于上文s320和s330，通过有效体温范围和温度差值确定测温区域。
102.根据本公开实施例，在遍历过程中，如果像素点的温度处于有效体温范围内，则在确定是否为测温区域后，通过预定变化量调整当前像素点的背景分数。在连续的检测过程中，预定变化量的调整对背景分数产生时间上的累积效果。
103.例如，背景分数可以初始化为满值，例如255，然后通过每轮减小一个预定变化量，使温度未发生显著变化的区域的背景分数的值得到衰减。当衰减达到一定阈值时，即温度保持一段时间未发生变化，则可以认为该像素点的位置并非测温关注的位置，确定为背景区域，可使用该位置的温度更新背景温度。在之后的测温过程中，如果仍未发生温度变化，则由于不再满足温差的条件，不会将其识别为测温区域，避免了该区域对测温结果的干扰。可选地，在使用该位置的温度更新背景温度后，还可以重置背景分数。
104.显然，作为等同的实现方式，也可以将背景分数初始化为一个较小值，每轮增加一个预定变化量，当背景分数超过一定阈值后更新该位置的背景温度。
105.根据本公开实施例，所述识别所述视频数据中的待测温视频帧的测温区域还包括：
106.在所述当前像素点的温度超出有效体温范围的情况下，确定所述当前像素点不属于测温区域，更新所述当前像素点的背景温度并重置背景分数。
107.例如，某像素点的温度为25℃，则不会进入后续温差的判断，直接确定该像素点不属于目标区域，更不属于测温区域，可以使用该像素点的温度更新该位置的背景温度，并将背景分数重置。
108.下面结合图6所示的具体实施例对上述方法进行描述。
109.图6示出根据本公开又一实施例的识别测温区域的流程图。
110.如图6所示，该方法包括操作s601～s611。
111.在操作s601，从待测温视频帧中选择一个像素点，判断该像素点是否在有效体温范围内，如果在有效体温范围内，则继续执行操作s602，否则执行操作s611。
112.在操作s602，计算当前像素点的温度与该像素点的背景温度的差值的绝对值。
113.在操作s603，判断该差值的绝对值是否大于预设的温度阈值，如果大于该温度阈值，则执行操作s604，否则执行操作s608。
114.在操作s604，将该像素点标记为测温区域。
115.在操作s605，判断背景是否尚未初始化，如尚未初始化，则执行操作s606，否则执
行操作s607。
116.在操作s606，初始化背景温度。
117.此处s605和s606的初始化过程也可以设置在整个流程之前，本公开实施例对此不做限定。
118.在操作s607，背景分数自减，如果分数过低则更新背景。
119.在操作s608，将该像素点标记为非测温区域，并跳转至操作s607。
120.在操作s609，判断是否所有像素点背景处理完成，如果已完成，则执行操作s610，否则返回操作s601，选择下一个像素点。
121.在操作s610，遍历测温区域获得最高温度。
122.在操作s611，将该像素点标记为非测温区域，并跳转至操作s609。
123.本公开实施例的方法使用逻辑测温方法对测温区域进行识别，计算量较小，占用系统资源较少，可以快速对多数场景下的体温进行正确识别。对于疑似发热患者的体温结果，辅以上文所述的操作s140和150(或s230
‑
s250)，最大程度地减少误判的概率。
124.根据本公开实施例，所述识别所述视频数据中的待测温视频帧的测温区域还包括通过图像腐蚀算法优化所述测温区域。该操作可设置在上述操作s609和s610之间。
125.腐蚀算法是一种消除边界点，使边界向内部收缩的算法，可以用来消除小且无意义的物体。例如，可以使用3x3的卷积核，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1，否则为0。通过上述操作，可以起到缩小边界的作用。本公开实施例通过图像腐蚀算法优化所述测温区域，可以避免边缘温度造成的影响。
126.综上所述，本公开实施例的技术方案将经验逻辑与深度学习算法相结合，在保证测温准确率的同时，显著降低了计算量，减少对系统资源的占用，提高测温效率。
127.图7示出根据本公开实施例的体温测量装置700的框图。其中，该装置700可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。
128.如图7所示，所述体温测量装置700包括获取模块710、识别模块720、确定模块730、检测模块740以及输出模块750。
129.获取模块710，被配置为获取视频数据；
130.识别模块720，被配置为识别所述视频数据中的待测温视频帧的测温区域；
131.确定模块730，被配置为确定所述测温区域内的最高温度；
132.检测模块740，被配置为在所述测温区域的最高温度超出正常体温范围的情况下，检测所述待测温视频帧中的人脸区域；
133.输出模块750，被配置为输出所述人脸区域的温度。
134.前述视频数据可以为热成像视频数据。
135.根据本公开实施例提供的技术方案，通过首先识别测温区域，在测温区域超出正常体温范围才启用人脸检测算法，极大地降低了对系统资源的占用
136.根据本公开实施例，所述识别模块720被配置为：
137.获取视野区域的背景温度；
138.从所述待测温视频帧中确定处于有效体温范围的目标区域；
139.从所述目标区域中确定与所述背景温度的温差大于温度阈值的区域为测温区域。
140.根据本公开实施例，所述识别模块720被配置为：
141.获取视野区域内的背景温度和背景分数；
142.选择所述待测温视频帧中的一个像素点作为当前像素点；
143.在所述当前像素点的温度处于有效体温范围的情况下，根据所述当前像素点的温度与该像素点的背景温度的差值是否大于温度阈值，确定所述当前像素点是否属于测温区域；
144.通过预定变化量调整所述当前像素点的背景分数，如果所述背景分数满足分数阈值条件则更新所述当前像素点的背景温度并重置背景分数；
145.选择下一个像素点直至所有像素点遍历完成，确定测温区域。
146.根据本公开实施例，所述识别模块720还被配置为：
147.在所述当前像素点的温度超出有效体温范围的情况下，确定所述当前像素点不属于测温区域，更新所述当前像素点的背景温度并重置背景分数。
148.根据本公开实施例，所述识别模块720还被配置为通过图像腐蚀算法优化所述测温区域。
149.根据本公开实施例，所述检测所述待测温视频帧中的人脸区域，包括：
150.通过人脸检测模型检测所述待测温视频帧以获取人脸区域。
151.根据本公开实施例，所述输出模块750还被配置为在所述测温区域的最高温度处于正常体温范围的情况下，将所述测温区域的最高温度作为体温输出。
152.本公开还公开了一种电子设备，图8示出根据本公开的实施例的电子设备的结构框图。
153.如图8所示，所述电子设备800包括存储器801和处理器802，其中，所述存储器801用于存储支持电子设备执行上述任一实施例中的体温测量方法或代码生成方法的程序，所述处理器802被配置为用于执行所述存储器801中存储的程序。
154.根据本公开实施例，所述存储器801用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器802执行以实现如上文任一实施例所描述的体温测量方法。
155.图9示出根据本公开实施例的适于实现体温测量方法的计算机系统的结构示意图。
156.如图9所示，计算机系统900包括处理单元901，其可以根据存储在只读存储器(rom)902中的程序或者从存储部分908加载到随机访问存储器(ram)903中的程序而执行上述实施例中的各种处理。在ram 903中，还存储有系统900操作所需的各种程序和数据。处理单元901、rom902以及ram 903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
157.以下部件连接至i/o接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至i/o接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。其中，所述处理单元901可实现为cpu、gpu、
tpu、fpga、npu等处理单元。
158.特别地，根据本公开的实施例，上文描述的方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行上述方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。
159.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
160.描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过可编程硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
161.作为另一方面，本公开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可以是上述实施例中电子设备或计算机系统中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
162.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。