本發(fā)明涉及檢測技術(shù)領(lǐng)域,具體涉及一種用戶接打手機(jī)行為檢測方法和裝置。
背景技術(shù):
智能交通系統(tǒng)是未來交通系統(tǒng)的發(fā)展方向,也是目前世界交通運(yùn)輸領(lǐng)域的前沿研究課題。隨著計(jì)算機(jī)視覺技術(shù)、嵌入式技術(shù)、網(wǎng)絡(luò)通信技術(shù)的發(fā)展,研究車輛違章行為自動(dòng)檢測系統(tǒng)已經(jīng)成為當(dāng)前智能交通中的一個(gè)研究熱點(diǎn)。作為保障司機(jī)安全駕駛和降低交通事故中死傷率的一項(xiàng)重要措施,而隨著現(xiàn)代通信技術(shù)的發(fā)展,駕駛員在行駛過程中接打手機(jī)的行為越來越成為交通事故的重大誘因,每年因駕駛員打手機(jī)造成的交通死亡率的升高令人痛惜,因此交管部門嚴(yán)格要求汽車司機(jī)在行駛過程中禁用手機(jī)。但是智能交通系統(tǒng)還無法自動(dòng)檢測到駕駛員在行車過程中是否具有打手機(jī)的行為,這使得智能交通系統(tǒng)隱藏著巨大的安全隱患。
因此,如何自動(dòng)檢測駕駛員在行車過程中是否有接打手機(jī)行為,成為一個(gè)亟待解決的技術(shù)問題。
技術(shù)實(shí)現(xiàn)要素:
因此,本發(fā)明要解決的技術(shù)問題在于現(xiàn)有技術(shù)中無法自動(dòng)檢測駕駛員在行車過程中是否有打手機(jī)行為,使得交通系統(tǒng)存在安全隱患。
從而提供一種用戶接打手機(jī)行為檢測方法和裝置。
有鑒于此,本發(fā)明實(shí)施例的第一方面提供了一種用戶接打手機(jī)行為檢測方法,包括:根據(jù)歷史圖像建立人臉和手部檢測模型;將目標(biāo)圖像輸入所述人臉和手部檢測模型進(jìn)行檢測;在檢測出所述目標(biāo)圖像中同時(shí)存在人臉區(qū)域與手部區(qū)域時(shí),判斷所述人臉區(qū)域與所述手部區(qū)域是否存在交集區(qū)域;在所述人臉區(qū)域與所述手部區(qū)域存在交集區(qū)域時(shí),判斷所述交集區(qū)域是否達(dá)到預(yù)設(shè)交集閾值;在判定所述交集區(qū)域達(dá)到所述預(yù)設(shè)交集閾值時(shí),確定所述目標(biāo)圖像中的用戶存在接打手機(jī)行為。
優(yōu)選地,所述根據(jù)歷史圖像建立人臉和手部檢測模型包括:對(duì)所述歷史圖像中的用戶未接打電話的第一歷史人臉信息、第一手部信息和用戶接打手機(jī)時(shí)的第二歷史人臉信息和第二手部信息進(jìn)行標(biāo)注,生成標(biāo)注后的訓(xùn)練樣本,所述第一、二歷史人臉信息包括人臉特征和人臉位置信息,所述第一、二歷史手部信息包括手部特征和手部位置信息;提取所述訓(xùn)練樣本的特征圖;將所述特征圖輸入深度學(xué)習(xí)模型進(jìn)行訓(xùn)練,得到所述人臉和手部檢測模型。
優(yōu)選地,所述深度學(xué)習(xí)模型為卷積神經(jīng)網(wǎng)絡(luò)模型,所述提取所述訓(xùn)練樣本的特征圖包括:采用五層卷積分別提取所述訓(xùn)練樣本的特征圖,其中,將第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖全連接。
優(yōu)選地,所述將第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖全連接包括:將所述第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖進(jìn)行歸一化處理;將經(jīng)過行歸一化處理的所述第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖進(jìn)行全連接。
優(yōu)選地,獲取所述預(yù)設(shè)交集閾值的步驟包括:統(tǒng)計(jì)所述歷史圖像中的用戶在接打手機(jī)時(shí)的歷史人臉和手部的交集區(qū)域樣本;分析所述交集區(qū)域樣本中交集區(qū)域的最小值;將所述最小值作為所述預(yù)設(shè)交集閾值。
本發(fā)明實(shí)施例的第二方面提供了一種用戶接打手機(jī)行為檢測裝置,包括:建立模塊,用于根據(jù)歷史圖像建立人臉和手部檢測模型;檢測模塊,用于將目標(biāo)圖像輸入所述人臉和手部檢測模型進(jìn)行檢測;第一判斷模塊,用于在檢測出所述目標(biāo)圖像中同時(shí)存在人臉區(qū)域與手部區(qū)域時(shí),判斷所述人臉區(qū)域與所述手部區(qū)域是否存在交集區(qū)域;第二判斷模塊,用于在所述人臉區(qū)域與所述手部區(qū)域存在交集區(qū)域時(shí),判斷所述交集區(qū)域是否達(dá)到預(yù)設(shè)交集閾值;確定模塊,用于在判定所述交集區(qū)域達(dá)到所述預(yù)設(shè)交集閾值時(shí),確定所述目標(biāo)圖像中的用戶存在接打手機(jī)行為。
優(yōu)選地,所述建立模塊包括:標(biāo)注單元,用于對(duì)所述歷史圖像中的用戶未接打電話的第一歷史人臉信息、第一手部信息和用戶接打手機(jī)時(shí)的第二歷史人臉信息和第二手部信息進(jìn)行標(biāo)注,生成標(biāo)注后的訓(xùn)練樣本,所述第一、二歷史人臉信息包括人臉特征和人臉位置信息,所述第一、二歷史手部信息包括手部特征和手部位置信息;提取單元,用于提取所述訓(xùn)練樣本的特征圖;訓(xùn)練單元,用于將所述特征圖輸入深度學(xué)習(xí)模型進(jìn)行訓(xùn)練,得到所述人臉和手部檢測模型。
優(yōu)選地,所述深度學(xué)習(xí)模型為卷積神經(jīng)網(wǎng)絡(luò)模型,所述提取單元包括:提取子單元,用于采用五層卷積分別提取所述訓(xùn)練樣本的特征圖,其中,將第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖全連接。
優(yōu)選地,所述將第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖全連接包括:將所述第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖進(jìn)行歸一化處理;將經(jīng)過行歸一化處理的所述第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖進(jìn)行全連接。
優(yōu)選地,獲取所述預(yù)設(shè)交集閾值的步驟包括:統(tǒng)計(jì)所述歷史圖像中的用戶在接打手機(jī)時(shí)的歷史人臉和手部的交集區(qū)域樣本;分析所述交集區(qū)域樣本中交集區(qū)域的最小值;將所述最小值作為所述預(yù)設(shè)交集閾值。
本發(fā)明的技術(shù)方案具有以下優(yōu)點(diǎn):
本發(fā)明實(shí)施例提供的用戶接打手機(jī)行為檢測方法和裝置,通過將實(shí)時(shí)獲取到的目標(biāo)圖像輸入預(yù)先建立的人臉和手部檢測模型進(jìn)行檢測,以確定目標(biāo)圖像中用戶的人臉區(qū)域與手部區(qū)域是否同時(shí)存在,在人臉區(qū)域與手部區(qū)域同時(shí)存在時(shí),判斷人臉區(qū)域與手部區(qū)域是否有交集區(qū)域,并判斷該交集區(qū)域是否達(dá)到了預(yù)設(shè)交集區(qū)域來確定該用戶是否存在接打手機(jī)的行為,不僅考慮了人臉與手部的位置關(guān)系,而且更進(jìn)一步的考慮了兩者具有交集區(qū)域的大小,只有滿足預(yù)設(shè)交集區(qū)域的人臉和手部,才能確定該用戶在接打手機(jī),提高了接打手機(jī)行為檢測的準(zhǔn)確度,為交通系統(tǒng)檢測駕駛員是否在行車過程中接打手機(jī)提供了更加精確的參考方案。
附圖說明
為了更清楚地說明本發(fā)明具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對(duì)具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖是本發(fā)明的一些實(shí)施方式,對(duì)于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)這些附圖獲得其他的附圖。
圖1為本發(fā)明實(shí)施例1的用戶接打手機(jī)行為檢測方法的一個(gè)流程圖;
圖2為本發(fā)明實(shí)施例2的用戶接打手機(jī)行為檢測裝置的一個(gè)框圖。
具體實(shí)施方式
下面將結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。
在本發(fā)明的描述中,需要說明的是,術(shù)語“第一”、“第二”僅用于描述目的,而不能理解為指示或暗示相對(duì)重要性。
此外,下面所描述的本發(fā)明不同實(shí)施方式中所涉及的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互結(jié)合。
實(shí)施例1
本實(shí)施例提供一種用戶接打手機(jī)行為檢測方法,可用于識(shí)別駕駛員是否在行車過程中有接打手機(jī)行為,如圖1所示,包括如下步驟:
S11:根據(jù)歷史圖像建立人臉和手部檢測模型。此處歷史圖像可以根據(jù)實(shí)際應(yīng)用場景進(jìn)行素材篩選,比如對(duì)于用戶為駕駛員時(shí),歷史圖像可以采集駕駛艙內(nèi)的歷史視頻流獲得,一般地,車內(nèi)裝有攝像頭,由于將攝像頭安裝在車內(nèi)的前擋風(fēng)玻璃上,通過車內(nèi)安裝的攝像頭對(duì)駕駛員座椅區(qū)域進(jìn)行圖像采集,可以很清晰的拍攝到司機(jī)的行為,且不需其他電子器件輔助,不會(huì)影響到司機(jī)的正常行車。
作為一種優(yōu)選方案,步驟S11可以包括:對(duì)所述歷史圖像中的用戶未接打電話的第一歷史人臉信息、第一手部信息和用戶接打手機(jī)時(shí)的第二歷史人臉信息和第二手部信息進(jìn)行標(biāo)注,生成標(biāo)注后的訓(xùn)練樣本,所述第一、二歷史人臉信息包括人臉特征和人臉位置信息,所述第一、二歷史手部信息包括手部特征和手部位置信息;提取所述訓(xùn)練樣本的特征圖;將所述特征圖輸入深度學(xué)習(xí)模型進(jìn)行訓(xùn)練,得到所述人臉和手部檢測模型。深度學(xué)習(xí)模型為卷積神經(jīng)網(wǎng)絡(luò)模型,提取訓(xùn)練樣本的特征圖包括采用五層卷積分別提取訓(xùn)練樣本的特征圖,其中,將第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖全連接。將第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖全連接包括:將第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖進(jìn)行歸一化處理;將經(jīng)過行歸一化處理的第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖進(jìn)行全連接。
作為一種具體的實(shí)施方式,比如可以將歷史圖像中駕駛員的人臉的大致位置從復(fù)雜的背景標(biāo)注出來,即從圖像中找到駕駛員人臉的具體位置,對(duì)車窗區(qū)域內(nèi)的駕駛員臉部區(qū)域位置信息和手部區(qū)域位置信息進(jìn)行標(biāo)注,具體地,將人臉特征和人臉位置信息作為第一歷史人臉信息、將手部特征和手部位置信息作為第一歷史手部信息分別進(jìn)行標(biāo)注;同時(shí),挑選正在打電話的圖像,并對(duì)其中駕駛員的手部區(qū)域和人臉區(qū)域進(jìn)行標(biāo)注,將手部特征和手部位置信息作為第二歷史手部信息進(jìn)行標(biāo)注,將此情況下的人臉特征和人臉位置信息作為第二歷史人臉信息進(jìn)行標(biāo)注,根據(jù)上述標(biāo)注后的歷史圖像制作訓(xùn)練樣本。然后可以采用卷積神經(jīng)網(wǎng)絡(luò)算法分別提取訓(xùn)練樣本的特征圖,具體地,采用五層卷積層對(duì)訓(xùn)練樣本進(jìn)行特征圖提取。由于當(dāng)完成第五層的特征圖提取之后,特征圖的尺寸偏小,以至于一些訓(xùn)練樣本中的手部區(qū)域不完整,比如手部區(qū)域較小,那么手部區(qū)域信息在所有的特征圖中就會(huì)被弱化,致使檢測模型不能學(xué)習(xí)到該區(qū)域的有效信息,進(jìn)而影響最終檢測結(jié)果的精確度。為了更好地提取圖像的全局特征和局部特征,本實(shí)施例將第三層、第四層、第五層卷積層的ROI(region of interest)池化特征圖進(jìn)行全連接,以保證特征圖的全局特性和局部特性,使特征圖更加全面準(zhǔn)確的表征訓(xùn)練樣本的特征,從而提高人臉和手部交集檢測模型的準(zhǔn)確率。鑒于各個(gè)ROI池化層輸出特征圖的大小不一致,為了計(jì)算結(jié)果的準(zhǔn)確性,可以使用L2歸一化算法對(duì)各個(gè)層的池化特征圖進(jìn)行尺寸歸一化,然后將經(jīng)過行歸一化處理的各個(gè)層對(duì)應(yīng)的池化特征圖進(jìn)行全連接,既保證了特征圖的全局特性,也保證了特征圖的局部特性,使特征圖更加全面準(zhǔn)確的表征訓(xùn)練樣本的特征,提高了人臉和手部檢測模型的準(zhǔn)確率。
S12:將目標(biāo)圖像輸入人臉和手部檢測模型進(jìn)行檢測。比如對(duì)于車窗區(qū)域的目標(biāo)圖像,將目標(biāo)圖像輸入步驟S11建立的人臉和手部檢測模型進(jìn)行檢測,以確定該目標(biāo)圖像中的駕駛員的人臉與手部是否同時(shí)存在,本實(shí)施例通過檢測人臉的位置信息與手部的位置信息是否同時(shí)存在來確定目標(biāo)人臉與目標(biāo)手部是否同時(shí)存在,檢測結(jié)果更加準(zhǔn)確,數(shù)據(jù)計(jì)算簡單。
S13:在檢測出目標(biāo)圖像中同時(shí)存在人臉區(qū)域與手部區(qū)域時(shí),判斷人臉區(qū)域與手部區(qū)域是否存在交集區(qū)域。在步驟S12的輸出結(jié)果為人臉區(qū)域與手部區(qū)域同時(shí)存在時(shí),說明該駕駛員可能在接打電話,也可能在做別的事情,為了更進(jìn)一步的確定駕駛員是否在接打手機(jī),進(jìn)一步判斷該駕駛員的人臉區(qū)域和手部區(qū)域是否有交集區(qū)域,如果有,說明駕駛員在接打電話的可能性更大一點(diǎn),則進(jìn)入步驟S14,否則說明該駕駛員沒有接打電話的行為。則獲取交集區(qū)域進(jìn)行下一步的判斷。如此,不僅考慮了人臉與手部的位置關(guān)系,而且更進(jìn)一步的考慮了兩者具有交集區(qū)域的大小,提高了接打手機(jī)行為檢測的準(zhǔn)確度。
S14:在人臉區(qū)域與所述手部區(qū)域存在交集區(qū)域時(shí),判斷交集區(qū)域是否達(dá)到預(yù)設(shè)交集閾值,具體地,如果人臉區(qū)域與所述手部區(qū)域存在交集區(qū)域,則獲取交集區(qū)域與預(yù)設(shè)交集閾值進(jìn)行比較來確定最終檢測結(jié)果,如果判斷結(jié)果為是,進(jìn)入步驟S15,否則說明即使該駕駛員的臉部與手部有交集區(qū)域,他也不存在接打手機(jī)的行為,避免誤判。如此,不僅考慮了人臉與手部的位置關(guān)系,而且更進(jìn)一步的考慮了兩者具有交集區(qū)域的大小,提高了接打手機(jī)行為檢測的準(zhǔn)確度。
作為一種優(yōu)選方案,步驟S14中的預(yù)設(shè)交集閾值可以格局實(shí)際應(yīng)用場景來確定,比如可以統(tǒng)計(jì)歷史圖像中的用戶在接打手機(jī)時(shí)的歷史人臉和手部的交集區(qū)域樣本;分析交集區(qū)域樣本中交集區(qū)域的最小值;將最小值作為預(yù)設(shè)交集閾值。如此,預(yù)設(shè)交集閾值可以更加準(zhǔn)確地確定存在交集區(qū)域的目標(biāo)人臉與目標(biāo)手部是否是在接打手機(jī)。
S15:在判定交集區(qū)域達(dá)到預(yù)設(shè)交集閾值時(shí),確定目標(biāo)圖像中用戶存在接打手機(jī)行為。如果判定交集區(qū)域達(dá)到預(yù)設(shè)交集閾值,說明檢測圖像中存在打手機(jī)行為,即用戶在接打手機(jī),如果該用戶是駕駛員,那么就存在交通安全隱患,則可以根據(jù)實(shí)際情況對(duì)駕駛員發(fā)出提醒或警告,可以有效預(yù)防交通事故的發(fā)生,降低交通事故中的死亡率。
本實(shí)施例提供的用戶接打手機(jī)行為檢測方法,通過將實(shí)時(shí)獲取到的目標(biāo)圖像輸入預(yù)先建立的人臉和手部檢測模型進(jìn)行檢測,以確定目標(biāo)圖像中用戶的人臉區(qū)域與手部區(qū)域是否同時(shí)存在,在人臉區(qū)域與手部區(qū)域同時(shí)存在時(shí),判斷人臉區(qū)域與手部區(qū)域是否有交集區(qū)域,并判斷該交集區(qū)域是否達(dá)到了預(yù)設(shè)交集區(qū)域來確定該用戶是否存在接打手機(jī)的行為,不僅考慮了人臉與手部的位置關(guān)系,而且更進(jìn)一步的考慮了兩者具有交集區(qū)域的大小,只有滿足預(yù)設(shè)交集區(qū)域的人臉和手部,才能確定該用戶在接打手機(jī),提高了接打手機(jī)行為檢測的準(zhǔn)確度,為交通系統(tǒng)檢測駕駛員是否在行車過程中接打手機(jī)提供了更加精確的參考方案。
實(shí)施例2
本實(shí)施例供了一種用戶接打手機(jī)行為檢測裝置,可用于識(shí)別駕駛員是否在行車過程中有接打手機(jī)行為,如圖2所示,包括:建立模塊21、檢測模塊22、獲取模塊23、判斷模塊24和確定模塊25,各模塊功能如下:
建立模塊21,用于根據(jù)歷史圖像建立人臉和手部檢測模型,具體參見實(shí)施例1中對(duì)步驟S11的詳細(xì)描述。
檢測模塊22,用于將目標(biāo)圖像輸入人臉和手部檢測模型進(jìn)行檢測,具體參見實(shí)施例1中對(duì)步驟S12的詳細(xì)描述。
第一判斷模塊23,用于在檢測出目標(biāo)圖像中同時(shí)存在人臉區(qū)域與手部區(qū)域時(shí),判斷人臉區(qū)域與手部區(qū)域是否存在交集區(qū)域,具體參見實(shí)施例1中對(duì)步驟S13的詳細(xì)描述。
第二判斷模塊24,用于在人臉區(qū)域與手部區(qū)域存在交集區(qū)域時(shí),判斷交集區(qū)域是否達(dá)到預(yù)設(shè)交集閾值,具體參見實(shí)施例1中對(duì)步驟S14的詳細(xì)描述。
確定模塊25,用于在判定交集區(qū)域達(dá)到預(yù)設(shè)交集閾值時(shí),確定目標(biāo)圖像中的用戶存在接打手機(jī)行為。具體參見實(shí)施例1中對(duì)步驟S15的詳細(xì)描述。
作為一種優(yōu)選方案,建立模塊21包括:標(biāo)注單元,用于對(duì)所述歷史圖像中的用戶未接打電話的第一歷史人臉信息、第一手部信息和用戶接打手機(jī)時(shí)的第二歷史人臉信息和第二手部信息進(jìn)行標(biāo)注,生成標(biāo)注后的訓(xùn)練樣本,所述第一、二歷史人臉信息包括人臉特征和人臉位置信息,所述第一、二歷史手部信息包括手部特征和手部位置信息;提取單元,用于提取所述訓(xùn)練樣本的特征圖;訓(xùn)練單元,用于將所述特征圖輸入深度學(xué)習(xí)模型進(jìn)行訓(xùn)練,得到所述人臉和手部檢測模型。具體參見實(shí)施例1中對(duì)步驟S11的優(yōu)選方案的詳細(xì)描述。
作為一種優(yōu)選方案,深度學(xué)習(xí)模型為卷積神經(jīng)網(wǎng)絡(luò)模型,提取單元包括:提取子單元,用于采用五層卷積分別提取訓(xùn)練樣本的特征圖,其中,將第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖全連接。具體參見實(shí)施例1中的相關(guān)詳細(xì)描述。
作為一種優(yōu)選方案,將第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖全連接包括:將第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖進(jìn)行歸一化處理;將經(jīng)過行歸一化處理的第三層卷積、第四層卷積和第五層卷積對(duì)應(yīng)的池化特征圖進(jìn)行全連接。具體參見實(shí)施例1中的相關(guān)詳細(xì)描述。
作為一種優(yōu)選方案,獲取預(yù)設(shè)交集閾值的步驟包括:統(tǒng)計(jì)歷史圖像中的用戶在接打手機(jī)時(shí)的歷史人臉和手部的交集區(qū)域樣本;分析交集區(qū)域樣本中交集區(qū)域的最小值;將最小值作為預(yù)設(shè)交集閾值。具體參見實(shí)施例1中的相關(guān)詳細(xì)描述。
本實(shí)施例提供的用戶接打手機(jī)行為檢測裝置,通過將實(shí)時(shí)獲取到的目標(biāo)圖像輸入預(yù)先建立的人臉和手部檢測模型進(jìn)行檢測,以確定目標(biāo)圖像中用戶的人臉區(qū)域與手部區(qū)域是否同時(shí)存在,在人臉區(qū)域與手部區(qū)域同時(shí)存在時(shí),判斷人臉區(qū)域與手部區(qū)域是否有交集區(qū)域,并判斷該交集區(qū)域是否達(dá)到了預(yù)設(shè)交集區(qū)域來確定該用戶是否存在接打手機(jī)的行為,不僅考慮了人臉與手部的位置關(guān)系,而且更進(jìn)一步的考慮了兩者具有交集區(qū)域的大小,只有滿足預(yù)設(shè)交集區(qū)域的人臉和手部,才能確定該用戶在接打手機(jī),提高了接打手機(jī)行為檢測的準(zhǔn)確度,為交通系統(tǒng)檢測駕駛員是否在行車過程中接打手機(jī)提供了更加精確的參考方案。
顯然,上述實(shí)施例僅僅是為清楚地說明所作的舉例,而并非對(duì)實(shí)施方式的限定。對(duì)于所屬領(lǐng)域的普通技術(shù)人員來說,在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動(dòng)。這里無需也無法對(duì)所有的實(shí)施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動(dòng)仍處于本發(fā)明創(chuàng)造的保護(hù)范圍之中。