本發(fā)明涉及跟蹤算法技術(shù)領(lǐng)域，特別是涉及一種基于壓縮跟蹤算法的特征提取方法及其裝置。

背景技術(shù)：

壓縮跟蹤算法是二元分類(lèi)方法中比較主流的一種跟蹤算法，它對(duì)目標(biāo)外觀變化和遮擋均具有一定的魯棒性，且實(shí)時(shí)性好，壓縮跟蹤算法中，需要首先確定圖像中的目標(biāo)區(qū)域，這里的目標(biāo)區(qū)域?yàn)槟軌驅(qū)D像框起來(lái)的一個(gè)長(zhǎng)方形窗口，之后從目標(biāo)區(qū)域內(nèi)選取若干個(gè)小區(qū)域作為特征區(qū)域，并提取特征區(qū)域內(nèi)的特征信息。

可以理解的是，由于跟蹤目標(biāo)距離相機(jī)的遠(yuǎn)近使得目標(biāo)大小變化，此時(shí)目標(biāo)區(qū)域會(huì)相應(yīng)的變化，但是目前的壓縮跟蹤算法中，特征區(qū)域的大小尺寸固定，不能根據(jù)目標(biāo)大小的變化進(jìn)行調(diào)整，這樣導(dǎo)致目標(biāo)變大時(shí)，使得背景和目標(biāo)的可區(qū)分度降低；當(dāng)目標(biāo)變小時(shí)，更是有部分背景信息被引入到參數(shù)模型中，從而導(dǎo)致跟蹤漂移，甚至是跟蹤失敗，特征提取的準(zhǔn)確性差，跟蹤的準(zhǔn)確度低。

因此，如何提供一種跟蹤準(zhǔn)確度高的基于壓縮跟蹤算法的特征提取方法及其裝置是本領(lǐng)域技術(shù)人員目前需要解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于壓縮跟蹤算法的特征提取方法及其裝置，能夠根據(jù)目標(biāo)區(qū)域的大小變化相應(yīng)的調(diào)整特征區(qū)域的大小，提高跟蹤的準(zhǔn)確性。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種基于壓縮跟蹤算法的特征提取方法，包括：

步驟s101：獲取當(dāng)前幀的圖像，依據(jù)上一幀的預(yù)設(shè)分類(lèi)器搜索當(dāng)前幀的目標(biāo)搜索區(qū)域，確定當(dāng)前幀的目標(biāo)區(qū)域；

步驟s102：依據(jù)所述當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的特征區(qū)域的坐標(biāo)以及預(yù)設(shè)的、所述當(dāng)前幀的目標(biāo)區(qū)域與所述上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整計(jì)算得到當(dāng)前幀的特征區(qū)域；

步驟s103：依據(jù)所述當(dāng)前幀的特征區(qū)域計(jì)算特征數(shù)據(jù)并進(jìn)行處理，依據(jù)處理結(jié)果更新當(dāng)前幀的預(yù)設(shè)分類(lèi)器，并依據(jù)所述當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)設(shè)置下一幀的目標(biāo)搜索區(qū)域；將下一幀圖像作為當(dāng)前幀，返回步驟s101。

優(yōu)選地，步驟s101中還包括：

若所述當(dāng)前幀為第一幀時(shí)，獲取當(dāng)前幀的圖像后，初始化第一幀的目標(biāo)區(qū)域以及特征區(qū)域，直接進(jìn)入步驟s103。

優(yōu)選地，所述步驟s103的過(guò)程具體為：

依據(jù)預(yù)設(shè)調(diào)整關(guān)系式、所述當(dāng)前幀的目標(biāo)區(qū)域的左上角坐標(biāo)、上一幀的目標(biāo)區(qū)域的左上角坐標(biāo)、上一幀的特征區(qū)域的坐標(biāo)farea0＝(xf,yf,wf,hf)以及預(yù)設(shè)的、所述當(dāng)前幀的目標(biāo)區(qū)域與所述上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整計(jì)算得到當(dāng)前幀的特征區(qū)域farea0'＝(x'f,y'f,w'f,h'f)；

其中，所述預(yù)設(shè)調(diào)整關(guān)系式具體為：

x'f＝x′i+(xf-x0)*wscalej

y'f＝y(tǒng)′i+(yf-y0)*hscalej

w'f＝wf*wscalej

h'f＝hf*hscalej

其中，(xi',yi')為所述當(dāng)前幀的目標(biāo)區(qū)域的左上角坐標(biāo)；wscalej為預(yù)設(shè)的、所述當(dāng)前幀的目標(biāo)區(qū)域與所述上一幀的目標(biāo)區(qū)域的寬度變化倍數(shù)，hscalej為預(yù)設(shè)的、所述當(dāng)前幀的目標(biāo)區(qū)域與所述上一幀的目標(biāo)區(qū)域的高度變化倍數(shù)；(x0,y0)為所述上一幀的目標(biāo)區(qū)域的左上角坐標(biāo)；(xf,yf)為所述上一幀的特征區(qū)域的左上角坐標(biāo)，wf為所述上一幀的特征區(qū)域的寬，hf為所述上一幀的特征區(qū)域的高。

優(yōu)選地，所述特征區(qū)域包括兩個(gè)或以上特征子區(qū)域；步驟s103中，具體為：

依據(jù)所述當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的第i個(gè)特征子區(qū)域的坐標(biāo)以及預(yù)設(shè)的、所述當(dāng)前幀的目標(biāo)區(qū)域與所述上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整計(jì)算得到當(dāng)前幀的第i個(gè)特征子區(qū)域；1≤i≤n，n為所述特征子區(qū)域的總個(gè)數(shù)。

優(yōu)選地，步驟s104中，所述依據(jù)所述當(dāng)前幀的特征區(qū)域計(jì)算特征數(shù)據(jù)并進(jìn)行處理，依據(jù)處理結(jié)果更新當(dāng)前幀的預(yù)設(shè)分類(lèi)器的過(guò)程具體為：

分別計(jì)算當(dāng)前幀的各個(gè)所述特征子區(qū)域內(nèi)的圖像灰度并求和，得到圖像灰度和；

令所述圖像灰度和除以各個(gè)所述特征子區(qū)域的面積和，得到歸一化特征數(shù)據(jù)；

依據(jù)稀疏矩陣對(duì)所述歸一化特征數(shù)據(jù)進(jìn)行降維處理；

計(jì)算降維后的特征數(shù)據(jù)的期望和標(biāo)準(zhǔn)差，并依據(jù)所述期望和標(biāo)準(zhǔn)差更新所述當(dāng)前幀的預(yù)設(shè)分類(lèi)器。

優(yōu)選地，步驟s104中，所述依據(jù)所述當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)設(shè)置下一幀的目標(biāo)搜索區(qū)域的過(guò)程具體為：

依據(jù)所述當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)rij'＝{xi',yi',wj',hj'}以及目標(biāo)搜索范圍關(guān)系式得到所述下一幀的目標(biāo)搜索區(qū)域area0；所述目標(biāo)搜索范圍關(guān)系式為：

area0＝{xi'-wj'/2,yi'-hj'/2,wj'*2,hj'*2}。

為解決上述技術(shù)問(wèn)題，本發(fā)明還提供了一種基于壓縮跟蹤算法的特征提取裝置，包括：

目標(biāo)區(qū)域確定模塊，用于獲取當(dāng)前幀的圖像，依據(jù)上一幀的預(yù)設(shè)分類(lèi)器搜索當(dāng)前幀的目標(biāo)搜索區(qū)域，確定當(dāng)前幀的目標(biāo)區(qū)域；觸發(fā)特征區(qū)域調(diào)整模塊；

所述特征區(qū)域調(diào)整模塊，用于依據(jù)所述當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的特征區(qū)域的坐標(biāo)以及預(yù)設(shè)的、所述當(dāng)前幀的目標(biāo)區(qū)域與所述上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整計(jì)算得到當(dāng)前幀的特征區(qū)域；觸發(fā)所述特征處理模塊；

所述特征處理模塊，用于依據(jù)所述當(dāng)前幀的特征區(qū)域計(jì)算特征數(shù)據(jù)并進(jìn)行處理，依據(jù)處理結(jié)果更新當(dāng)前幀的預(yù)設(shè)分類(lèi)器，并依據(jù)所述當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)設(shè)置下一幀的目標(biāo)搜索區(qū)域；將下一幀圖像作為當(dāng)前幀，觸發(fā)所述目標(biāo)區(qū)域確定模塊。

本發(fā)明提供了一種基于壓縮跟蹤算法的特征提取方法及其裝置，確定當(dāng)前幀的目標(biāo)區(qū)域后，能夠依據(jù)當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的特征區(qū)域的坐標(biāo)以及預(yù)設(shè)的、當(dāng)前幀的目標(biāo)區(qū)域與上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整當(dāng)前幀的特征區(qū)域，然后再根據(jù)調(diào)整后的特征區(qū)域提取特征數(shù)據(jù)。可見(jiàn)，本發(fā)明中的特征區(qū)域的尺寸并不固定，而是能夠根據(jù)目標(biāo)區(qū)域的大小變化進(jìn)行相應(yīng)的調(diào)整，盡可能避免了由于目標(biāo)大小變化引起的跟蹤漂移或跟蹤失敗的情況出現(xiàn)，提高了跟蹤的準(zhǔn)確性。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)現(xiàn)有技術(shù)和實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)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)明提供的一種基于壓縮跟蹤算法的特征提取方法的過(guò)程的流程圖；

圖2為本發(fā)明提供的一種基于壓縮跟蹤算法的特征提取裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

本發(fā)明的核心是提供一種基于壓縮跟蹤算法的特征提取方法及其裝置，能夠根據(jù)目標(biāo)區(qū)域的大小變化相應(yīng)的調(diào)整特征區(qū)域的大小，提高跟蹤的準(zhǔn)確性。

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，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(méi)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)明提供了一種基于壓縮跟蹤算法的特征提取方法，參見(jiàn)圖1所示，圖1為本發(fā)明提供的一種基于壓縮跟蹤算法的特征提取方法的過(guò)程的流程圖；該方法包括：

步驟s101：獲取當(dāng)前幀的圖像，依據(jù)上一幀的預(yù)設(shè)分類(lèi)器搜索當(dāng)前幀的目標(biāo)搜索區(qū)域，確定當(dāng)前幀的目標(biāo)區(qū)域；

作為優(yōu)選的，這里的預(yù)設(shè)分類(lèi)器可以為貝葉斯分類(lèi)器，當(dāng)然，也可采用其他類(lèi)型的分類(lèi)器，本發(fā)明不限定預(yù)設(shè)分類(lèi)器的類(lèi)型。

步驟s102：依據(jù)當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的特征區(qū)域的坐標(biāo)以及預(yù)設(shè)的、當(dāng)前幀的目標(biāo)區(qū)域與上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整計(jì)算得到當(dāng)前幀的特征區(qū)域；

即假設(shè)當(dāng)前幀與上一幀相比，目標(biāo)區(qū)域變?yōu)橹暗膬杀?，則相應(yīng)的，當(dāng)前幀的特征區(qū)域的尺寸大小也變?yōu)樯弦粠膬杀丁?/p>

步驟s103：依據(jù)當(dāng)前幀的特征區(qū)域計(jì)算特征數(shù)據(jù)并進(jìn)行處理，依據(jù)處理結(jié)果更新當(dāng)前幀的預(yù)設(shè)分類(lèi)器，并依據(jù)當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)設(shè)置下一幀的目標(biāo)搜索區(qū)域；將下一幀圖像作為當(dāng)前幀，并返回步驟s101。

進(jìn)一步可知，步驟s101中還包括：

若當(dāng)前幀為第一幀時(shí)，獲取當(dāng)前幀的圖像后，初始化第一幀的目標(biāo)區(qū)域以及特征區(qū)域，直接進(jìn)入步驟s103。

其中，第一幀的目標(biāo)區(qū)域可人為進(jìn)行設(shè)定，第一幀的特征區(qū)域直接采用目前現(xiàn)有技術(shù)中的標(biāo)準(zhǔn)大小的特征區(qū)域即可。

另外，步驟s103的過(guò)程具體為：

依據(jù)預(yù)設(shè)調(diào)整關(guān)系式、當(dāng)前幀的目標(biāo)區(qū)域的左上角坐標(biāo)、上一幀的目標(biāo)區(qū)域的左上角坐標(biāo)、上一幀的特征區(qū)域的坐標(biāo)farea0＝(xf,yf,wf,hf)以及預(yù)設(shè)的、當(dāng)前幀的目標(biāo)區(qū)域與上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整計(jì)算得到當(dāng)前幀的特征區(qū)域farea0'＝(x'f,y'f,w'f,h'f)；

其中，預(yù)設(shè)調(diào)整關(guān)系式具體為：

x'f＝x′i+(xf-x0)*wscalej

y'f＝y(tǒng)′i+(yf-y0)*hscalej

w'f＝wf*wscalej

h'f＝hf*hscalej

其中，(xi',yi')為當(dāng)前幀的目標(biāo)區(qū)域的左上角坐標(biāo)；wscalej為預(yù)設(shè)的、當(dāng)前幀的目標(biāo)區(qū)域與上一幀的目標(biāo)區(qū)域的寬度變化倍數(shù)，hscalej為預(yù)設(shè)的、當(dāng)前幀的目標(biāo)區(qū)域與上一幀的目標(biāo)區(qū)域的高度變化倍數(shù)；(x0,y0)為上一幀的目標(biāo)區(qū)域的左上角坐標(biāo)；(xf,yf)為上一幀的特征區(qū)域的左上角坐標(biāo)，wf為上一幀的特征區(qū)域的寬，hf為上一幀的特征區(qū)域的高。

作為優(yōu)選地，特征區(qū)域包括兩個(gè)或以上特征子區(qū)域；步驟s103中，具體為：

依據(jù)當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的第i個(gè)特征子區(qū)域的坐標(biāo)以及預(yù)設(shè)的、當(dāng)前幀的目標(biāo)區(qū)域與上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整計(jì)算得到當(dāng)前幀的第i個(gè)特征子區(qū)域；1≤i≤n，n為特征子區(qū)域的總個(gè)數(shù)。

可以理解的是，特征區(qū)域小于目標(biāo)區(qū)域，為了保證特征提取的準(zhǔn)確性，需要在目標(biāo)區(qū)域中的多個(gè)部分進(jìn)行特征提取，因此，特征區(qū)域需要包含兩個(gè)或以上特征子區(qū)域。

其中，步驟s104中，依據(jù)當(dāng)前幀的特征區(qū)域計(jì)算特征數(shù)據(jù)并進(jìn)行處理，依據(jù)處理結(jié)果更新當(dāng)前幀的預(yù)設(shè)分類(lèi)器的過(guò)程具體為：

分別計(jì)算當(dāng)前幀的各個(gè)特征子區(qū)域內(nèi)的圖像灰度并求和，得到圖像灰度和；

令圖像灰度和除以各個(gè)特征子區(qū)域的面積和，得到歸一化特征數(shù)據(jù)；

依據(jù)稀疏矩陣對(duì)歸一化特征數(shù)據(jù)進(jìn)行降維處理；

計(jì)算降維后的特征數(shù)據(jù)的期望和標(biāo)準(zhǔn)差，并依據(jù)期望和標(biāo)準(zhǔn)差更新當(dāng)前幀的預(yù)設(shè)分類(lèi)器。

另外，步驟s102中的過(guò)程具體為：

獲取目標(biāo)搜索區(qū)域內(nèi)各個(gè)位置處的特征數(shù)據(jù)，并依據(jù)上述操作得到特征數(shù)據(jù)的期望和標(biāo)準(zhǔn)差；

將各個(gè)位置處的期望和標(biāo)準(zhǔn)差輸入上一幀得到的預(yù)設(shè)分類(lèi)器內(nèi)，比較預(yù)設(shè)分類(lèi)器的輸出值的大小，其中最大值對(duì)應(yīng)的區(qū)域即為當(dāng)前幀的目標(biāo)區(qū)域。

具體的，步驟s104中，依據(jù)當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)設(shè)置下一幀的目標(biāo)搜索區(qū)域的過(guò)程具體為：

依據(jù)當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)rij'＝{xi',yi',wj',hj'}以及目標(biāo)搜索范圍關(guān)系式得到下一幀的目標(biāo)搜索區(qū)域area0；目標(biāo)搜索范圍關(guān)系式為：

area0＝{xi'-wj'/2,yi'-hj'/2,wj'*2,hj'*2}。

可以理解的是，依據(jù)當(dāng)前幀的目標(biāo)區(qū)域設(shè)置下一幀的目標(biāo)搜索范圍的目的，是為了在獲取下一幀的圖像后，能夠盡快確定下一幀的目標(biāo)區(qū)域，減小預(yù)設(shè)分類(lèi)器的遍歷搜索范圍，縮短搜索時(shí)間以及減少計(jì)算量。

本發(fā)明提供了一種基于壓縮跟蹤算法的特征提取方法，確定當(dāng)前幀的目標(biāo)區(qū)域后，能夠依據(jù)當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的特征區(qū)域的坐標(biāo)以及預(yù)設(shè)的、當(dāng)前幀的目標(biāo)區(qū)域與上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整當(dāng)前幀的特征區(qū)域，然后再根據(jù)調(diào)整后的特征區(qū)域提取特征數(shù)據(jù)。可見(jiàn)，本發(fā)明中的特征區(qū)域的尺寸并不固定，而是能夠根據(jù)目標(biāo)區(qū)域的大小變化進(jìn)行相應(yīng)的調(diào)整，盡可能避免了由于目標(biāo)大小變化引起的跟蹤漂移或跟蹤失敗的情況出現(xiàn)，提高了跟蹤的準(zhǔn)確性。

本發(fā)明還提供了一種基于壓縮跟蹤算法的特征提取裝置，參見(jiàn)圖2所示，圖2為本發(fā)明提供的一種基于壓縮跟蹤算法的特征提取裝置的結(jié)構(gòu)示意圖。該裝置包括：

目標(biāo)區(qū)域確定模塊1，用于獲取當(dāng)前幀的圖像，依據(jù)上一幀的預(yù)設(shè)分類(lèi)器搜索當(dāng)前幀的目標(biāo)搜索區(qū)域，確定當(dāng)前幀的目標(biāo)區(qū)域；觸發(fā)特征區(qū)域調(diào)整模塊2；

特征區(qū)域調(diào)整模塊2，用于依據(jù)當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的特征區(qū)域的坐標(biāo)以及預(yù)設(shè)的、當(dāng)前幀的目標(biāo)區(qū)域與上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整計(jì)算得到當(dāng)前幀的特征區(qū)域；觸發(fā)特征處理模塊3；

特征處理模塊3，用于依據(jù)當(dāng)前幀的特征區(qū)域計(jì)算特征數(shù)據(jù)并進(jìn)行處理，依據(jù)處理結(jié)果更新當(dāng)前幀的預(yù)設(shè)分類(lèi)器，并依據(jù)當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)設(shè)置下一幀的目標(biāo)搜索區(qū)域；將下一幀圖像作為當(dāng)前幀，觸發(fā)目標(biāo)區(qū)域確定模塊1。

具體的，目標(biāo)區(qū)域確定模塊1還用于：

若當(dāng)前幀為第一幀時(shí)，獲取當(dāng)前幀的圖像后，初始化第一幀的目標(biāo)區(qū)域以及特征區(qū)域，然后直接觸發(fā)特征區(qū)域調(diào)整模塊2。

本發(fā)明提供了一種基于壓縮跟蹤算法的特征提取裝置，確定當(dāng)前幀的目標(biāo)區(qū)域后，能夠依據(jù)當(dāng)前幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的目標(biāo)區(qū)域的坐標(biāo)、上一幀的特征區(qū)域的坐標(biāo)以及預(yù)設(shè)的、當(dāng)前幀的目標(biāo)區(qū)域與上一幀的目標(biāo)區(qū)域的尺度變化倍數(shù)調(diào)整當(dāng)前幀的特征區(qū)域，然后再根據(jù)調(diào)整后的特征區(qū)域提取特征數(shù)據(jù)?？梢?jiàn)，本發(fā)明中的特征區(qū)域的尺寸并不固定，而是能夠根據(jù)目標(biāo)區(qū)域的大小變化進(jìn)行相應(yīng)的調(diào)整，盡可能避免了由于目標(biāo)大小變化引起的跟蹤漂移或跟蹤失敗的情況出現(xiàn)，提高了跟蹤的準(zhǔn)確性。

本說(shuō)明書(shū)中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見(jiàn)即可。對(duì)于實(shí)施例公開(kāi)的裝置而言，由于其與實(shí)施例公開(kāi)的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法部分說(shuō)明即可。

還需要說(shuō)明的是，在本說(shuō)明書(shū)中，諸如第一和第二等之類(lèi)的關(guān)系術(shù)語(yǔ)僅僅用來(lái)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(kāi)來(lái)，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(yǔ)“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(guò)程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒(méi)有明確列出的其他要素，或者是還包括為這種過(guò)程、方法、物品或者設(shè)備所固有的要素。在沒(méi)有更多限制的情況下，由語(yǔ)句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過(guò)程、方法、物品或者設(shè)備中還存在另外的相同要素。

對(duì)所公開(kāi)的實(shí)施例的上述說(shuō)明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專(zhuān)業(yè)技術(shù)人員來(lái)說(shuō)將是顯而易見(jiàn)的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其他實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開(kāi)的原理和新穎特點(diǎn)相一致的最寬的范圍。