本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，特別涉及一種單樣本人臉識(shí)別方法及系統(tǒng)。

背景技術(shù)：

目前，隨著人工智能和計(jì)算機(jī)技術(shù)的快速發(fā)展，以及人們需求的日益增長(zhǎng)和持續(xù)變化，人臉識(shí)別技術(shù)得到了越來越廣泛的關(guān)注。傳統(tǒng)的人臉識(shí)別方法通常認(rèn)為在訓(xùn)練過程中可使用多個(gè)人臉圖像樣本來進(jìn)行特征值的提取，但是，對(duì)每個(gè)個(gè)人而言，實(shí)際生活里的人臉系統(tǒng)中通常僅存儲(chǔ)一張人臉圖像，如法律實(shí)施、電子護(hù)照和身份證驗(yàn)證等。因而在這些情況下，需要多樣本的傳統(tǒng)人臉識(shí)別算法的性能往往不盡如人意。

為此，人們提出了單樣本人臉識(shí)別技術(shù)，所謂的單樣本人臉識(shí)別技術(shù)是指根據(jù)每人僅存儲(chǔ)一幅已知身份的人臉圖像數(shù)據(jù)庫(kù)來識(shí)別出新人臉圖像所對(duì)應(yīng)的身份。然而，現(xiàn)有的單樣本人臉識(shí)別技術(shù)依然存在識(shí)別率較差的問題，如何提升單樣本人臉識(shí)別技術(shù)的識(shí)別率是目前還有待進(jìn)一步解決的問題。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種單樣本人臉識(shí)別方法及系統(tǒng)，能夠有效地提升單樣本人臉識(shí)別技術(shù)的識(shí)別率。其具體方案如下：

一種單樣本人臉識(shí)別方法，包括：

將待識(shí)別人臉圖像劃分成t個(gè)子圖；其中，t為正整數(shù)；

提取與所述待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征；

將所述待識(shí)別人臉圖像的t個(gè)特征輸入預(yù)先基于訓(xùn)練集并結(jié)合子圖權(quán)重集合得到的單樣本人臉識(shí)別模型，得到所述待識(shí)別人臉圖像對(duì)應(yīng)的類別；

其中，所述子圖權(quán)重集合為在對(duì)所述訓(xùn)練集中所有人臉圖像樣本的類間距離進(jìn)行最大化處理后得到的集合；所述子圖權(quán)重集合中的第r個(gè)權(quán)重為所述訓(xùn)練集中任一人臉圖像樣本的第r個(gè)子圖對(duì)應(yīng)的權(quán)重，r＝1,2,...,t。

可選的，所述單樣本人臉識(shí)別模型的創(chuàng)建過程，包括：

將所述訓(xùn)練集中的每個(gè)人臉圖像樣本均劃分成t個(gè)子圖；

分別提取與所述訓(xùn)練集中每個(gè)人臉圖像樣本的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征；

利用預(yù)設(shè)的距離計(jì)算公式，分別計(jì)算所述訓(xùn)練集中所有人臉圖像樣本的第r個(gè)子圖的平均類間距離，r＝1,2,...,t；其中，所述距離計(jì)算公式為：r＝1,2,...,t，式中，d_r表示所述訓(xùn)練集中所有人臉圖像樣本的第r個(gè)子圖的平均類間距離，c表示所述訓(xùn)練集中人臉圖像樣本的總數(shù)，h_ir表示所述訓(xùn)練集中的第i個(gè)人臉圖像樣本的第r個(gè)子圖的特征，表示h_ir和之間的曼哈頓距離；

利用目標(biāo)函數(shù)，確定所述子圖權(quán)重集合；其中，所述目標(biāo)函數(shù)為：并且，s.t.0≤ω_r≤1,r＝1,2,...,t，式中，ω表示所述子圖權(quán)重集合，ω_r表示ω中的第r個(gè)權(quán)重，d＝[d₁,d₂,...,d_t]^T；

基于所述訓(xùn)練集中每個(gè)人臉圖像樣本的子圖所對(duì)應(yīng)的特征以及所述子圖權(quán)重集合，構(gòu)造所述單樣本人臉識(shí)別模型；其中，所述單樣本人臉識(shí)別模型具體為：

式中，y表示所述待識(shí)別人臉圖像對(duì)應(yīng)的類別，d(h_ir,h_r)表示h_ir和h_r之間的曼哈頓距離。

可選的，所述分別提取與所述訓(xùn)練集中每個(gè)人臉圖像樣本的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征的過程，包括：

分別提取與所述訓(xùn)練集中每個(gè)人臉圖像樣本的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)LBP特征。

可選的，所述提取與所述待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征的過程，包括：

提取與所述待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)LBP特征。

本發(fā)明還相應(yīng)公開了一種單樣本人臉識(shí)別系統(tǒng)，包括：

模型創(chuàng)建模塊，用于預(yù)先基于訓(xùn)練集并結(jié)合子圖權(quán)重集合，得到單樣本人臉識(shí)別模型；

圖像劃分模塊，用于將待識(shí)別人臉圖像劃分成t個(gè)子圖；其中，t為正整數(shù)；

特征提取模塊，用于提取與所述待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征；

類別確定模塊，用于將所述待識(shí)別人臉圖像的t個(gè)特征輸入所述單樣本人臉識(shí)別模型，得到所述待識(shí)別人臉圖像對(duì)應(yīng)的類別；

其中，所述子圖權(quán)重集合為在對(duì)所述訓(xùn)練集中所有人臉圖像樣本的類間距離進(jìn)行最大化處理后得到的集合；所述子圖權(quán)重集合中的第r個(gè)權(quán)重為所述訓(xùn)練集中任一人臉圖像樣本的第r個(gè)子圖對(duì)應(yīng)的權(quán)重，r＝1,2,...,t。

可選的，所述模型創(chuàng)建模塊，包括：

圖像劃分單元，用于將所述訓(xùn)練集中的每個(gè)人臉圖像樣本均劃分成t個(gè)子圖；

特征提取單元，用于分別提取與所述訓(xùn)練集中每個(gè)人臉圖像樣本的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征；

距離計(jì)算單元，用于利用預(yù)設(shè)的距離計(jì)算公式，分別計(jì)算所述訓(xùn)練集中所有人臉圖像樣本的第r個(gè)子圖的平均類間距離，r＝1,2,...,t；其中，所述距離計(jì)算公式為：r＝1,2,...,t，式中，d_r表示所述訓(xùn)練集中所有人臉圖像樣本的第r個(gè)子圖的平均類間距離，c表示所述訓(xùn)練集中人臉圖像樣本的總數(shù)，h_ir表示所述訓(xùn)練集中的第i個(gè)人臉圖像樣本的第r個(gè)子圖的特征，表示h_ir和之間的曼哈頓距離；

權(quán)重計(jì)算單元，用于利用目標(biāo)函數(shù)，確定所述子圖權(quán)重集合；其中，所述目標(biāo)函數(shù)為：并且，s.t.0≤ω_r≤1,r＝1,2,...,t，式中，ω表示所述子圖權(quán)重集合，ω_r表示ω中的第r個(gè)權(quán)重，d＝[d₁,d₂,...,d_t]^T；

模型構(gòu)造單元，用于基于所述訓(xùn)練集中每個(gè)人臉圖像樣本的子圖所對(duì)應(yīng)的特征以及所述子圖權(quán)重集合，構(gòu)造所述單樣本人臉識(shí)別模型；其中，所述單樣本人臉識(shí)別模型具體為：

式中，y表示所述待識(shí)別人臉圖像對(duì)應(yīng)的類別，d(h_ir,h_r)表示h_ir和h_r之間的曼哈頓距離。

可選的，所述特征提取單元為：

LBP特征提取單元，用于分別提取與所述訓(xùn)練集中每個(gè)人臉圖像樣本的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)LBP特征。

可選的，所述特征提取模塊為：

LBP特征提取模塊，用于提取與所述待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)LBP特征。

本發(fā)明中，單樣本人臉識(shí)別方法，包括：將待識(shí)別人臉圖像劃分成t個(gè)子圖；其中，t為正整數(shù)；提取與待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征；將待識(shí)別人臉圖像的t個(gè)特征輸入預(yù)先基于訓(xùn)練集并結(jié)合子圖權(quán)重集合得到的單樣本人臉識(shí)別模型，得到待識(shí)別人臉圖像對(duì)應(yīng)的類別；其中，子圖權(quán)重集合為在對(duì)訓(xùn)練集中所有人臉圖像樣本的類間距離進(jìn)行最大化處理后得到的集合；子圖權(quán)重集合中的第r個(gè)權(quán)重為訓(xùn)練集中任一人臉圖像樣本的第r個(gè)子圖對(duì)應(yīng)的權(quán)重，r＝1,2,...,t。

可見，本發(fā)明是利用預(yù)先基于訓(xùn)練集并結(jié)合子圖權(quán)重集合得到的單樣本人臉識(shí)別模型來對(duì)待識(shí)別人臉圖像進(jìn)行識(shí)別的，并且，上述單樣本人臉識(shí)別模型中涉及的子圖權(quán)重集合是在對(duì)訓(xùn)練集中所有人臉圖像樣本的類間距離進(jìn)行最大化處理之后得到的，這樣能夠有效地增大訓(xùn)練集中不同類之間的區(qū)別度，從而使得基于該子圖權(quán)重集合所得到的單樣本人臉識(shí)別模型能夠?qū)ΥR(shí)別人臉圖像進(jìn)行更加準(zhǔn)確地識(shí)別，也即有效地提升了本發(fā)明中單樣本人臉識(shí)別技術(shù)的識(shí)別率。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，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)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例公開的一種單樣本人臉識(shí)別方法流程圖；

圖2為本發(fā)明實(shí)施例公開的一種單樣本人臉識(shí)別模型的創(chuàng)建流程圖；

圖3為本發(fā)明實(shí)施例公開的一種單樣本人臉識(shí)別系統(tǒng)結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(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。

本發(fā)明實(shí)施例公開了一種單樣本人臉識(shí)別方法，參見圖1所示，該方法包括：

步驟S11：將待識(shí)別人臉圖像劃分成t個(gè)子圖；其中，t為正整數(shù)；

步驟S12：提取與待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征；

步驟S13：將待識(shí)別人臉圖像的t個(gè)特征輸入預(yù)先基于訓(xùn)練集并結(jié)合子圖權(quán)重集合得到的單樣本人臉識(shí)別模型，得到待識(shí)別人臉圖像對(duì)應(yīng)的類別；

其中，子圖權(quán)重集合為在對(duì)訓(xùn)練集中所有人臉圖像樣本的類間距離進(jìn)行最大化處理后得到的集合；子圖權(quán)重集合中的第r個(gè)權(quán)重為訓(xùn)練集中任一人臉圖像樣本的第r個(gè)子圖對(duì)應(yīng)的權(quán)重，r＝1,2,...,t。

具體的，參見圖2所示，上述步驟S13中的單樣本人臉識(shí)別模型的創(chuàng)建過程，可以包括下面步驟S131至S135：

步驟S131：將訓(xùn)練集中的每個(gè)人臉圖像樣本均劃分成t個(gè)子圖；

步驟S132：分別提取與訓(xùn)練集中每個(gè)人臉圖像樣本的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征；

步驟S133：利用預(yù)設(shè)的距離計(jì)算公式，分別計(jì)算訓(xùn)練集中所有人臉圖像樣本的第r個(gè)子圖的平均類間距離，r＝1,2,...,t；其中，距離計(jì)算公式為：r＝1,2,...,t，式中，d_r表示訓(xùn)練集中所有人臉圖像樣本的第r個(gè)子圖的平均類間距離，c表示訓(xùn)練集中人臉圖像樣本的總數(shù)，h_ir表示訓(xùn)練集中的第i個(gè)人臉圖像樣本的第r個(gè)子圖的特征，表示h_ir和之間的曼哈頓距離；

步驟S134：利用目標(biāo)函數(shù)，確定子圖權(quán)重集合；其中，目標(biāo)函數(shù)為：并且，s.t.0≤ω_r≤1,r＝1,2,...,t，式中，ω表示子圖權(quán)重集合，ω_r表示ω中的第r個(gè)權(quán)重，d＝[d₁,d₂,...,d_t]^T；

步驟S135：基于訓(xùn)練集中每個(gè)人臉圖像樣本的子圖所對(duì)應(yīng)的特征以及子圖權(quán)重集合，構(gòu)造單樣本人臉識(shí)別模型；其中，單樣本人臉識(shí)別模型具體為：

式中，y表示待識(shí)別人臉圖像對(duì)應(yīng)的類別，d(h_ir,h_r)表示h_ir和h_r之間的曼哈頓距離。

本實(shí)施例中，每一子圖的特征優(yōu)先采用LBP特征(LBP，即Local Binary Pattern，局部二值模式)。也即，上述步驟S132中，分別提取與訓(xùn)練集中每個(gè)人臉圖像樣本的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征的過程，具體包括：分別提取與訓(xùn)練集中每個(gè)人臉圖像樣本的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)LBP特征。

相應(yīng)的，上述步驟S12中，提取與待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征的過程，具體包括：提取與待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)LBP特征。

可見，本發(fā)明實(shí)施例是利用預(yù)先基于訓(xùn)練集并結(jié)合子圖權(quán)重集合得到的單樣本人臉識(shí)別模型來對(duì)待識(shí)別人臉圖像進(jìn)行識(shí)別的，并且，上述單樣本人臉識(shí)別模型中涉及的子圖權(quán)重集合是在對(duì)訓(xùn)練集中所有人臉圖像樣本的類間距離進(jìn)行最大化處理之后得到的，這樣能夠有效地增大訓(xùn)練集中不同類之間的區(qū)別度，從而使得基于該子圖權(quán)重集合所得到的單樣本人臉識(shí)別模型能夠?qū)ΥR(shí)別人臉圖像進(jìn)行更加準(zhǔn)確地識(shí)別，也即有效地提升了本發(fā)明中單樣本人臉識(shí)別技術(shù)的識(shí)別率。

本發(fā)明實(shí)施例通過具體舉例的方式來詳細(xì)說明上一實(shí)施例中單樣本人臉識(shí)別模型創(chuàng)建的過程以及相應(yīng)的人臉識(shí)別過程。

假設(shè)訓(xùn)練集中包括100個(gè)人的人臉圖像樣本，也即包括100個(gè)人臉圖像樣本，則本實(shí)施例中單樣本人臉識(shí)別模型的構(gòu)建過程具體如下：

將上述訓(xùn)練集中的每個(gè)人臉圖像樣本均劃分成36個(gè)子圖，然后分別提取與每個(gè)人臉圖像樣本的36個(gè)子圖一一對(duì)應(yīng)的36個(gè)LBP特征，這樣，第i個(gè)人臉圖像樣本的LBP特征矩陣可以表示為：

H_i＝[h_i1,h_i2,...,h_i36]；

也即，本實(shí)施例中，h_ir∈R²⁵⁶表示上述訓(xùn)練集中的第i個(gè)人臉圖像樣本的第r個(gè)子圖的LBP特征，r＝1,2,...,36。

利用下面的距離計(jì)算公式：分別計(jì)算上述訓(xùn)練集中所有人臉圖像樣本的第r個(gè)子圖的平均類間距離，r＝1,2,...,36；其中，表示所有人臉圖像樣本的第r個(gè)子圖的LBP特征的均值，也即表示h_ir和之間的曼哈頓距離。

接著，對(duì)訓(xùn)練集中所有人臉圖像樣本的類間距離進(jìn)行最大化處理，以得到子圖權(quán)重集合，也即求解下面目標(biāo)函數(shù)：

并且，s.t.0≤ω_r≤1,r＝1,2,...,36；

式中，ω表示子圖權(quán)重集合，ω_r表示ω中的第r個(gè)權(quán)重，d＝[d₁,d₂,...,d₃₆]^T；

基于上述訓(xùn)練集中每個(gè)人臉圖像樣本的子圖所對(duì)應(yīng)的特征以及子圖權(quán)重集合，可構(gòu)造出如下的單樣本人臉識(shí)別模型：

式中，y表示待識(shí)別人臉圖像對(duì)應(yīng)的類別，d(h_ir,h_r)表示h_ir和h_r之間的曼哈頓距離。

由此，當(dāng)獲取到待識(shí)別人臉圖像之后，便可將該待識(shí)別人臉圖像劃分成36個(gè)子圖，然后提取與該36個(gè)子圖一一對(duì)應(yīng)的36個(gè)LBP特征，接著便可將該36個(gè)LBP特征輸入上述已經(jīng)創(chuàng)建完畢的單樣本人臉識(shí)別模型，從而得到相應(yīng)的識(shí)別結(jié)果。

相應(yīng)的，本發(fā)明實(shí)施例還公開了一種單樣本人臉識(shí)別系統(tǒng)，參見圖3所示，包括：

模型創(chuàng)建模塊11，用于預(yù)先基于訓(xùn)練集并結(jié)合子圖權(quán)重集合，得到單樣本人臉識(shí)別模型；

圖像劃分模塊12，用于將待識(shí)別人臉圖像劃分成t個(gè)子圖；其中，t為正整數(shù)；

特征提取模塊13，用于提取與待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征；

類別確定模塊14，用于將待識(shí)別人臉圖像的t個(gè)特征輸入單樣本人臉識(shí)別模型，得到待識(shí)別人臉圖像對(duì)應(yīng)的類別；

其中，上述子圖權(quán)重集合為在對(duì)訓(xùn)練集中所有人臉圖像樣本的類間距離進(jìn)行最大化處理后得到的集合；上述子圖權(quán)重集合中的第r個(gè)權(quán)重為訓(xùn)練集中任一人臉圖像樣本的第r個(gè)子圖對(duì)應(yīng)的權(quán)重，r＝1,2,...,t。

具體的，上述模型創(chuàng)建模塊11可以包括圖像劃分單元、特征提取單元、距離計(jì)算單元、權(quán)重計(jì)算單元和模型構(gòu)造單元；其中，

圖像劃分單元，用于將訓(xùn)練集中的每個(gè)人臉圖像樣本均劃分成t個(gè)子圖；

特征提取單元，用于分別提取與訓(xùn)練集中每個(gè)人臉圖像樣本的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)特征；

距離計(jì)算單元，用于利用預(yù)設(shè)的距離計(jì)算公式，分別計(jì)算訓(xùn)練集中所有人臉圖像樣本的第r個(gè)子圖的平均類間距離，r＝1,2,...,t；其中，距離計(jì)算公式為：r＝1,2,...,t，式中，d_r表示訓(xùn)練集中所有人臉圖像樣本的第r個(gè)子圖的平均類間距離，c表示訓(xùn)練集中人臉圖像樣本的總數(shù)，h_ir表示訓(xùn)練集中的第i個(gè)人臉圖像樣本的第r個(gè)子圖的特征，表示h_ir和之間的曼哈頓距離；

權(quán)重計(jì)算單元，用于利用目標(biāo)函數(shù)，確定子圖權(quán)重集合；其中，目標(biāo)函數(shù)為：并且，s.t.0≤ω_r≤1,r＝1,2,...,t，式中，ω表示子圖權(quán)重集合，ω_r表示ω中的第r個(gè)權(quán)重，d＝[d₁,d₂,...,d_t]^T；

模型構(gòu)造單元，用于基于訓(xùn)練集中每個(gè)人臉圖像樣本的子圖所對(duì)應(yīng)的特征以及子圖權(quán)重集合，構(gòu)造單樣本人臉識(shí)別模型；其中，單樣本人臉識(shí)別模型具體為：

式中，y表示待識(shí)別人臉圖像對(duì)應(yīng)的類別，d(h_ir,h_r)表示h_ir和h_r之間的曼哈頓距離。

其中，上述特征提取單元具體可以為：

LBP特征提取單元，用于分別提取與訓(xùn)練集中每個(gè)人臉圖像樣本的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)LBP特征。

相應(yīng)的，上述特征提取模塊13具體可以為：

LBP特征提取模塊，用于提取與待識(shí)別人臉圖像的t個(gè)子圖一一對(duì)應(yīng)的t個(gè)LBP特征。

可見，本發(fā)明實(shí)施例是利用預(yù)先基于訓(xùn)練集并結(jié)合子圖權(quán)重集合得到的單樣本人臉識(shí)別模型來對(duì)待識(shí)別人臉圖像進(jìn)行識(shí)別的，并且，上述單樣本人臉識(shí)別模型中涉及的子圖權(quán)重集合是在對(duì)訓(xùn)練集中所有人臉圖像樣本的類間距離進(jìn)行最大化處理之后得到的，這樣能夠有效地增大訓(xùn)練集中不同類之間的區(qū)別度，從而使得基于該子圖權(quán)重集合所得到的單樣本人臉識(shí)別模型能夠?qū)ΥR(shí)別人臉圖像進(jìn)行更加準(zhǔn)確地識(shí)別，也即有效地提升了本發(fā)明中單樣本人臉識(shí)別技術(shù)的識(shí)別率。

最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上對(duì)本發(fā)明所提供的一種單樣本人臉識(shí)別方法及系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。