本發(fā)明屬于電子商務(wù)技術(shù)領(lǐng)域，更為具體地講，涉及一種基于手持終端的搜索購物方法。

背景技術(shù)：
電子商務(wù)中，傳統(tǒng)搜索購物方法是基于商品分類檢索或關(guān)鍵詞搜索進(jìn)行的，然而，由于商品種類繁多，同一種商品也具有多種不同型號，檢索或搜索的準(zhǔn)確度不高，需要逐個查看檢索或搜索到的商品，這樣用戶對于商品的搜索購物還存在一定的繁瑣。隨著電子商務(wù)的迅速發(fā)展，傳統(tǒng)的基于文字的搜索購物方法已經(jīng)不能滿足用戶的需求，商品對用戶的吸引多是基于視覺特征的吸引，用戶更加希望可以通過商品圖片就能得到商品信息和購買信息，可以在看到心動商品時即時通過手持終端搜索商品信息和購買信息進(jìn)行購物。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于手持終端的搜索購物方法，以進(jìn)一步提高搜索購物的便捷性和準(zhǔn)確度。為實(shí)現(xiàn)以上目的，本發(fā)明基于手持終端的搜索購物方法，包括以下步驟：（1）、索引文件的建立1.1）、通過網(wǎng)絡(luò)爬取技術(shù)，從各大購物網(wǎng)站獲得商品圖片和商品信息，存入服務(wù)器視覺特征數(shù)據(jù)庫中；1.2）、獲取視覺特征數(shù)據(jù)庫中商品圖片的圖像特征屬性值；1.3）、圖像特征屬性值按照爬取得到的商品在購物網(wǎng)站中商品分類的類別，分類別在視覺特征數(shù)據(jù)庫中建立商品圖片的索引文件，并存儲在服務(wù)器上；（2）、相似商品的搜索用戶從手持終端上傳需要搜索的商品圖片至服務(wù)器，在服務(wù)器端對上傳的商品圖片進(jìn)行圖像特征屬性值提取，使用得到的圖像特征值在步驟1.3）獲得的商品圖片索引文件進(jìn)行搜索：2.1）、如果用戶上傳商品圖片的同時，也上傳有文字信息，服務(wù)器首先用文字信息確認(rèn)用戶所要搜索的商品在視覺特征數(shù)據(jù)庫中的類別，再使用用戶上傳商品圖片的圖像特征屬性值在已經(jīng)確定的商品類別商品圖片索引文件中進(jìn)行相似商品搜索；2.2）、如果用戶只上傳了商品圖片，則在用戶上傳商品圖片以后，由服務(wù)器提供商品類別的選擇供用戶手動選擇，然后使用用戶上傳的商品圖片在用戶選擇商品類別商品圖片索引文件中進(jìn)行相似商品的搜索；（3）、商品推薦根據(jù)相似商品的搜索結(jié)果，將搜索到的商品圖片以及商品信息推薦給用戶。本發(fā)明的目的是這樣實(shí)現(xiàn)的：本發(fā)明基于手持終端的搜索購物方法，首先通過對各大購物網(wǎng)站的商品圖片以及商品信息的爬取，并以商品圖片的圖像特征屬性值分類別在視覺特征數(shù)據(jù)庫中建立商品圖片的索引文件，存儲在服務(wù)器上；然后，服務(wù)器根據(jù)上傳的商品圖片傳的圖像特征屬性值在確定或選擇商品類別商品圖片索引文件中進(jìn)行相似商品的搜索；最后根據(jù)相似商品的搜索結(jié)果，將搜索到的商品圖片以及商品信息推薦給用戶。這樣，用戶可以使用手持終端通過拍照獲取或終端存儲的商品圖片，然后上傳至服務(wù)器，在服務(wù)器中，提取商品圖片的圖像特征屬性值，利用獲取的圖像特征屬性值在服務(wù)器商品圖片的索引文件中進(jìn)行相應(yīng)商品的搜索，得到所要的商品圖片以及商品信息。由于結(jié)合商品圖片的圖像特征屬性值，這樣檢索時，更為準(zhǔn)確地搜索到所需的商品，同時避免了進(jìn)一步人工基于視覺特征進(jìn)行檢索或搜索，提高了在知道所需商品外觀的情況下搜索購物的便捷性和準(zhǔn)確度。并且現(xiàn)有的手持終端如智能手機(jī)、平板電腦都具有照相功能，用戶在商場或其他等場所看到關(guān)注的商品可以拍照發(fā)到服務(wù)器上準(zhǔn)確便捷地搜索到商品圖片以及商品信息進(jìn)行購物。附圖說明圖1是本發(fā)明基于手持終端的搜索購物方法一種具體實(shí)施方式原理圖；圖2是相似商品的搜索和商品推薦一種具體實(shí)施方式流程圖；圖3是圖2所示圖像特征屬性值提取的一種具體實(shí)施方式流程圖；圖4是圖3所示顏色類型統(tǒng)計步驟一種具體實(shí)施方式流程圖；圖5是圖3所示擴(kuò)散階段步驟一種具體實(shí)施方式流程圖；圖6是圖3所示二次凈化步驟一種具體實(shí)施方式流程圖。具體實(shí)施方式下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當(dāng)已知功能和設(shè)計的詳細(xì)描述也許會淡化本發(fā)明的主要內(nèi)容時，這些描述在這里將被忽略。圖1是本發(fā)明基于手持終端的搜索購物方法一種具體實(shí)施方式原理圖。在本實(shí)施例中，如圖1所示，本發(fā)明通過服務(wù)器向用戶提供搜索購物服務(wù)，一方面在服務(wù)器中建立查詢器，用戶可以通過上傳商品圖片、文字信息到服務(wù)器，然后通過查詢器進(jìn)行圖像特征屬性值的提取，并依據(jù)特性特征屬性值在商品圖片索引文件中進(jìn)行商品搜索、依據(jù)文字信息在文本索引文件中進(jìn)行商品搜索，最后根據(jù)商品搜索結(jié)果即搜索到的商品圖片以及商品信息推薦給用戶；另一方面服務(wù)器首先通過網(wǎng)絡(luò)爬取技術(shù)從各大購物網(wǎng)站上獲得商品圖片和商品信息，然后提取商品圖片的圖像特征屬性值，商品信息中語義特征數(shù)據(jù)庫沒有的未知實(shí)體詞，并分別保存到視覺特征數(shù)據(jù)庫、語義特征數(shù)據(jù)庫中，最后，通過圖像索引器使用視覺特征數(shù)據(jù)庫中的圖像特征屬性值在服務(wù)器中建立商品圖片索引文件，通過文本索引器使用語義特征數(shù)據(jù)庫中的實(shí)體詞在服務(wù)器中建立文本索引文件。用戶搜索時所用到的索引文件即上述所建立的索引文件。圖2是相似商品的搜索和商品推薦一種具體實(shí)施方式流程圖。在本實(shí)施例中，如圖2所示，本發(fā)明基于手持終端的搜索購物方法中相似商品的搜索和商品推薦包括以下步驟：S01.用戶從手持終端輸入待搜索商品的圖片、文字信息，并上傳到服務(wù)器；在本實(shí)施例中，針對手持終端如手機(jī)或平板電腦等拍攝的原始商品圖片過大，而手機(jī)上網(wǎng)流量較小的矛盾，在具體實(shí)施過程中，將依據(jù)當(dāng)前手持終端逐漸增強(qiáng)的本地性能，在手機(jī)終端上構(gòu)建有圖片壓縮功能，如果輸入有商品圖片，則利用現(xiàn)有的圖像壓縮技術(shù)，對商品圖片進(jìn)行壓縮，然后再上傳到服務(wù)器，這樣充分利用手持終端功能，極大節(jié)省網(wǎng)絡(luò)流量；S02.服務(wù)器對上傳內(nèi)容進(jìn)行判斷，在步驟S01中，如果用戶輸入商品圖片和商品的文字信息，則到步驟S03，如果僅輸入了商品圖片，則到步驟S04，如果僅輸入了商品的文字信息，則執(zhí)行步驟S07；S03.利用用戶輸入的文字信息確定用戶所要搜索的商品所在的最小類別（例如：T恤，襯衣，登山鞋等），然后執(zhí)行步驟S05；S04.在用戶上傳商品圖片以后，服務(wù)器提供商品分類即類別中的大類（例如：上衣，褲子，鞋子等）讓用戶進(jìn)行手動選擇；之所以選擇大類，是因?yàn)槿绻悇e過小，用戶選擇過于繁瑣，另外，用戶也可能無法對需要搜索的商品進(jìn)行最小類別的歸類，然后執(zhí)行步驟S05；S05.在服務(wù)器中，查詢器利用圖片特征提取模塊對上傳的商品圖片的圖像特征屬性值進(jìn)行提取，圖像特征為顏色特征、紋理特征、形狀特征或其結(jié)合特征，在本實(shí)施例中，選擇使用顏色和紋理相結(jié)合的CEDD（ColorandEdgeDirectivityDescriptor）特征；S06.在服務(wù)器中，使用獲得的商品圖片的CEDD特征屬性值在確定或用戶選擇商品類別商品圖片索引文件中進(jìn)行相似商品的搜索，得到相似商品的搜索結(jié)果即具有相似商品圖片的商品集合R，轉(zhuǎn)到步驟S08；S07.利用用戶輸入的文字信息在文本索引文件中進(jìn)行搜索，得到商品集合R，轉(zhuǎn)到步驟S08；S08.服務(wù)器記錄每個用戶的商品搜索記錄，通過分析用戶的搜索日志，得到每個用戶的搜索特征記錄；根據(jù)用戶的搜索行為特征，服務(wù)器分析不同用戶之間的搜索行為特征相似性以及用戶喜愛商品的相似性，以用戶之間的是具有相似的搜索行為特征或者喜愛商品的特征相似為依據(jù)，在商品集合R中，對用戶進(jìn)行個性化商品推薦，得到的商品列表R1，然后將商品列表R1對應(yīng)的壓縮商品圖片以及商品信息返回到手持終端，手持終端進(jìn)行解壓展示；S09.如果用戶對步驟S08返回的商品列表中的商品圖片以及商品信息不完全滿意時，可以對返回的結(jié)果列表中的信息進(jìn)行評價反饋或者進(jìn)行搜索條件的二次輸入，將用戶重新輸入的信息再次上傳到服務(wù)器中，進(jìn)行二次搜索，搜索的步驟和第一次搜索的步驟一樣，在二次搜索之后得到一個新的搜索結(jié)果列表，并將其返回給客戶端進(jìn)行展示；在本實(shí)施例中，所述的圖像特征屬性值提取如圖3所示，本發(fā)明所使用的圖像特征提取流程中還涉及一種基于圖像背景噪聲過濾的圖像特征提取方法，圖像背景噪聲過濾又包括前景圖像提取(S051,S052)和圖像二次凈化(S053)兩部分，圖像特征屬性值提取步驟如下：S051.根據(jù)商品圖片中商品對象一般集中在圖片中間部分的特點(diǎn)，通過圖片四個角上的顏色特征的統(tǒng)計，得到圖片背景部分的顏色類型統(tǒng)計結(jié)果；S052.圖像前景提取的擴(kuò)散階段：擴(kuò)散階段是根據(jù)統(tǒng)計階段統(tǒng)計的圖片背景顏色類型在商品圖片中去掉圖片中的背景顏色，即提取出圖像前景；S053.在圖像前景提取之后需要商品圖片進(jìn)行二次凈化，以去除商品LOGO和商品廣告語的小聯(lián)通區(qū)域，留下最大的連通區(qū)域，以得到只包含商品圖像主體部分的商品圖片；S054.獲取商品圖片的RGB顏色屬性值；S055.在本實(shí)施例中，所使用的商品圖片的特征是在HSV顏色模型下進(jìn)行計算的，所以在計算商品圖片的圖像特征屬性值之前需先將步驟S054得到的商品圖片的RGB顏色屬性轉(zhuǎn)換成相應(yīng)HSV模型下的屬性值；用r、g、b分別表示RGB顏色模型中的R，G，B顏色屬性值，max表示r、g、b中的最大值，min表示r、g、b中的最小值，則HSV模型中H，S，V三個維度的顏色屬性值h、s、v分別為：其中，h的范圍為[0，360]，s和v的范圍為[0，1]；S056.使用顏色模型轉(zhuǎn)換后的商品圖片的HSV顏色屬性值提取商品圖片特征屬性值，在本實(shí)施例中，使用顏色特征和邊緣特征相結(jié)合的圖片特征，提取可以按照CEDD算法進(jìn)行。在計算商品圖片特征屬性值時，首先計算商品圖片的顏色特征向量C=(c1,c2,…,ci)，然后計算圖片的邊緣特征向量F=(f1,f2,…,fj)，商品圖片的特征屬性值則用向量表示為X=(c1,c2,…,ci,f1,f2,…,fj)，其中，i表示顏色特征的數(shù)量，j表示邊緣特征數(shù)量。商品圖片特征屬性值的提取是為了建立圖片索引文件以及相似商品圖片的搜索提供圖片內(nèi)容特征信息的，用戶在進(jìn)行相似圖片搜索時，用如下方法計算商品圖片的相似度：Tmn=t(Xm,Xn)=(XmTXn)/(XmTXn+XmTXn-XmTXn)其中Xm、Xn分別表示待比較的兩幅商品圖片的圖像特征值即內(nèi)容特征的特征向量，Tmn表示內(nèi)容特征的特征向量為Xm、Xn的兩幅商品圖片的相似度。在本實(shí)施例中，商品搜索所使用的商品圖片索引文件是通過服務(wù)器的商品視覺特征數(shù)據(jù)庫中的商品圖片進(jìn)行建立的，其步驟如下：S061.通過網(wǎng)絡(luò)爬取技術(shù)從各大電子商務(wù)網(wǎng)站，如京東商城、當(dāng)當(dāng)網(wǎng)等上爬取商品圖片和商品信息，放到視覺特征數(shù)據(jù)庫中；S062.對視覺特征數(shù)據(jù)庫中的商品圖片使用圖3中的方法進(jìn)行商品圖片特征屬性值提取；S063.使用商品圖片特征屬性值，利用Lucene工具，按照爬取得到的商品在購物網(wǎng)站中商品分類的類別，分類別在視覺特征數(shù)據(jù)庫中建立商品圖片的索引文件，每獲得一張商品圖片的特征屬性值，就在商品圖片索引文件中添加對應(yīng)商品圖片的索引項(xiàng)；圖像索引文件的建立解決了在大量商品中搜索相似商品圖片速度太慢的問題，在本實(shí)施例中，本發(fā)明是一種以圖片搜索為主，文字搜索為輔的搜索方法，因此，還需要建立商品文本索引文件，建立文本索引文件的步驟如下：S091.從各大購物網(wǎng)站如京東商城、當(dāng)當(dāng)網(wǎng)上爬取它們的網(wǎng)頁源文件；S092.對各大購物網(wǎng)站的網(wǎng)頁源文件進(jìn)行未知實(shí)體的識別，這樣可以將實(shí)體詞庫中沒有的相關(guān)商品的名字、商品型號參數(shù)等詞從源文件中提取出來；S093.將識別出的實(shí)體詞加入到語義特征數(shù)據(jù)庫中，形成新的語義特征數(shù)據(jù)庫；S094.根據(jù)得到的新的語義特征數(shù)據(jù)庫，利用Lucene工具對得到的網(wǎng)頁源文件建立商品文本索引文件；建立商品文本索引文件在對購物網(wǎng)站的源文件進(jìn)行爬取時完成，每爬取到一個商品的商品信息，就把它加入到商品文本索引文件中；文本索引文件的建立解決了用戶在大量文本信息中檢索相關(guān)目標(biāo)商品的檢索速度太慢的問題，在進(jìn)行了商品圖片和文本檢索之后得到一個相似商品的檢索結(jié)果集合R；如果用戶在接收到系統(tǒng)返回的R中的結(jié)果以后，對檢索結(jié)果并不完全滿意時，可以對R中的結(jié)果做出評價反饋或者進(jìn)行搜索條件的二次輸入，將用戶再次上傳的商品圖片和商品信息傳入服務(wù)器，進(jìn)行二次搜索，得到新的檢索結(jié)果R1，再將R1中的商品信息打包返回給用戶端，在客戶端進(jìn)行解壓展示。在將檢索結(jié)果R和R1返回給用戶之前，系統(tǒng)還提供了個性化商品推薦的功能，其步驟如下：S081.從服務(wù)器中得到用戶的搜索日志記錄；S082.對S081得到的用戶搜索記錄進(jìn)行分析，得到用戶的搜索特征和用戶感興趣的商品屬性；S083.根據(jù)由S082得到的用戶的搜索特征和用戶感興趣的商品屬性，在R和R1中對用戶進(jìn)行個性化商品推薦。例如：通過對用戶的搜索日志記錄的分析得到用戶所感興趣的商品類型為紅色高跟鞋，并且用戶瀏覽的此類商品時價格區(qū)間一般在200元到300元之間，那么服務(wù)器就在商品集合R和商品列表R1中過濾出符合用戶搜索習(xí)慣的商品推薦給用戶；步驟S083可以得到檢索結(jié)果中用戶可能更加喜歡更加興趣的商品，將這些結(jié)果根按照用戶可能感興趣的程度進(jìn)行排序。與此同時，也從數(shù)據(jù)庫中得到檢索結(jié)果中商品的同類商品，對其進(jìn)行比價排序后將結(jié)果一起返回給用戶。圖3中所提到的圖像特征屬性值提取中，涉及到基于圖像背景的噪聲過濾，這一過程由商品圖片的前景圖像提取和圖像的二次過濾來完成，經(jīng)過背景噪聲過濾以后的商品圖片進(jìn)行搜索時，可以降低背景和廣告語對基于圖片的商品搜索準(zhǔn)確率的影響。在本實(shí)施例中，商品圖片的前景圖像提取是基于圖割理論進(jìn)行的，而圖像的分割問題實(shí)際上是圖像中每個像素的二值化標(biāo)號問題。二值化向量A=（A1,A2,A3...A|P|）中每一維代表的是該像素的取值，P是所有像素點(diǎn)的集合，“bkg”代表的是背景標(biāo)號，“obj”代表的是前景標(biāo)號。計算一個能量泛函E(A)：E(A)=λR(A)+B(A)其中N表示的是P中相鄰像素點(diǎn)對的集合。R(A)表示的是圖像分割的區(qū)域信息(regionalterm)，它的含義是每個像素點(diǎn)賦予標(biāo)號“bkg”或者“obj”的代價。而B(A)表示的是分割的邊界信息(boundaryterm)，B{p,q}代表相鄰點(diǎn)對{p,q}不連續(xù)所付出的代價。當(dāng)像素點(diǎn)p,q相似的時候，B{p,q}很大，反之B{p,q}趨近于0。如此，圖像分割轉(zhuǎn)換成為對能量泛函E(A)用組合優(yōu)化的方法最小化的問題。通過構(gòu)造一個帶權(quán)值的圖，采用圖論中的最大流/最小割理論可以得到E(A)最小化的最優(yōu)解。因?yàn)樯唐穲D片中前景即商品一般集中在商品圖片的中間部分，因此使用一種無交互的前景自動提取算法進(jìn)行前景提取，這種前景提取算法又分為統(tǒng)計階段(S051)和擴(kuò)散階段(S052)。在本實(shí)施例中，如圖4所示，統(tǒng)計階段的步驟如下：S0511.從商品圖片的四個角分別取出一個區(qū)間，區(qū)間大小為(lx/20)*(ly/20)，其中l(wèi)x為商品圖片的橫向像素點(diǎn)數(shù)，ly為商品圖片的縱向像素點(diǎn)數(shù)；S0512.將一個角取的區(qū)間第一個像素點(diǎn)作為第一類，記作C1類，并把這個像素的RGB顏色分量即屬性值作為C1類的特征值；S0513.將C1類放入類別集合C中；S0514.依次遍歷此區(qū)間的下一個像素點(diǎn)，計算下一個像素點(diǎn)與C中每個類的RGB特征值的差值，如果它和類別集合C有一Ck類的差值小于設(shè)定的閾值，步驟S0516，否則即與所有類的RGB特征值的差值都不小于設(shè)定的閾值，就到步驟S0515；S0515.建立新的類別Cn+1類，并加入到類別集合C中，轉(zhuǎn)步驟S0517；S0516.把該像素點(diǎn)歸為Ck類，并把Ck類的計數(shù)加1，轉(zhuǎn)步驟S0517；S0517.判斷是否遍歷完整的一個區(qū)域，若未遍歷完，則到S0514，S0518.若已經(jīng)遍歷完，則對下一個角進(jìn)行步驟S0512～S0518，直到4個角的背景顏色統(tǒng)計完成，然后對每個角取背景顏色統(tǒng)計數(shù)最多的5類作為該角背景區(qū)間的顏色統(tǒng)計結(jié)果。在本實(shí)施例中，如圖5所示，擴(kuò)散階段的步驟如下：S0521.將一個角的第一個像素點(diǎn)作為背景像素點(diǎn)對整張商品圖片進(jìn)行擴(kuò)散，依次計算商品圖片中背景像素點(diǎn)在擴(kuò)散方向上的相鄰像素點(diǎn)的RGB屬性值和它本身的RGB屬性值以及此角區(qū)間統(tǒng)計的5個類的RGB屬性值的差值；S0522.判斷是否有差值在閾值范圍內(nèi)，如果有，則將該相鄰像素點(diǎn)標(biāo)記為背景“bkg”，否則，標(biāo)記前景“obj”；S0523.然后對這些標(biāo)記為背景“bkg”的相鄰像素點(diǎn)在擴(kuò)展方向上的相鄰像素點(diǎn)進(jìn)行相同的判斷和標(biāo)記，直到遍歷完整張商品圖片；S0524.選擇下一個角的第一個像素，則重復(fù)步驟S0521～S0523，直到四個角都完成擴(kuò)散；S0525.在商品圖片中，將四個角擴(kuò)散過程中標(biāo)記為背景“bkg”的像素點(diǎn)設(shè)定為背景顏色，在本實(shí)施例中，設(shè)定為黑色，這樣可以得到去掉背景顏色后的商品圖片。商品圖片去掉背景顏色后需要進(jìn)行二次凈化，以降低商品LOGO和廣告語對商品圖片檢索結(jié)果的影響，記去掉背景顏色后的商品圖片P1，如圖6所示，二次凈化的步驟如下：S0531.對商品圖片P1進(jìn)行二值化處理，用單通道存儲圖像副本信息，將商品圖片P1中所有的背景像素點(diǎn)設(shè)置為0，即純黑色，前景像素點(diǎn)設(shè)置為255，即純白色，得到二值化后的商品圖片P2；S0532.遍歷商品圖片P2中的像素點(diǎn)，如果像素點(diǎn)為255即前景像素點(diǎn)，就轉(zhuǎn)動步驟S0533，否則，執(zhí)行步驟S0534；S0533.就從該像素點(diǎn)開始用廣度優(yōu)先搜索算法遍歷所有的鄰接的具有255像素值的像素點(diǎn)，并用整數(shù)i進(jìn)行標(biāo)記，用線性表list(i)記錄此聯(lián)通區(qū)域的像素點(diǎn)個數(shù)，然后，執(zhí)行步驟S0534；S0534.判斷是否遍歷完商品圖片P2，遍歷完轉(zhuǎn)到步驟S0535，沒有遍歷完，則對下一個像素點(diǎn)執(zhí)行S0532步驟；S0535.選取線性表list(i)記錄像素點(diǎn)最多的那個標(biāo)記，如果商品圖片P2中具有該標(biāo)號，就把商品圖片中對應(yīng)的像素點(diǎn)保留，其它像素則都設(shè)置為背景。經(jīng)過以上步驟，可以得到二值化以后的圖像中所對應(yīng)的連通區(qū)域的信息，在去掉背景顏色后的商品圖片中保留最大連通區(qū)域所對應(yīng)的像素點(diǎn)，而將小連通區(qū)域?qū)?yīng)像素點(diǎn)設(shè)置為背景顏色，就可以得到經(jīng)過背景噪聲過濾之后的商品圖片。盡管上面對本發(fā)明說明性的具體實(shí)施方式進(jìn)行了描述，以便于本技術(shù)領(lǐng)域的技術(shù)人員理解本發(fā)明，但應(yīng)該清楚，本發(fā)明不限于具體實(shí)施方式的范圍，對本技術(shù)領(lǐng)域的普通技術(shù)人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，這些變化是顯而易見的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護(hù)之列。