本發(fā)明涉及視頻檢測技術(shù)領(lǐng)域，尤其涉及一種自對向圖像中識別人體目標(biāo)的方法。

背景技術(shù)：

隨著電子科學(xué)技術(shù)的發(fā)展，基于圖像或視頻的人體檢測技術(shù)已逐漸取代了傳統(tǒng)的紅外、雷達(dá)等人體檢測方式。并且，基于圖像或視頻的人體檢測技術(shù)具備更高的可靠性。另外賴于其低成本特性，使得其越來越受到廣泛關(guān)注。

傅里葉變換是對二維灰度圖像的一種紋理分析方法。傅里葉變換在圖像處理中通常用于對圖像紋理進(jìn)行分析。圖像被分割為正方形的網(wǎng)格化區(qū)域，并基于相位對正方形的網(wǎng)格化區(qū)域?qū)ΧS灰度圖像進(jìn)行晶格及缺陷等方面的檢測與分析。

由于傅里葉變換通常在正方形的網(wǎng)格化區(qū)域中進(jìn)行，故需要計算對象圖像的輪廓部分的法線方向。由于，輸入圖像被分割成若干正方形的網(wǎng)格化區(qū)域，因此可能無法精確的獲得對象圖像的法線矢量，從而導(dǎo)致無法對輸入圖像中所包含的行人進(jìn)行有效檢測與提??；同時，傳統(tǒng)的傅里葉變換也存在計算開銷較大的缺陷。

在現(xiàn)有技術(shù)中，輸入圖像往往通過位于監(jiān)控區(qū)域上方的圖像輸入設(shè)備(攝像機(jī)或者照相機(jī))垂直拍攝得到。在圖像處理時，識別不同大小的移動物體的圖像，可利用差分圖像與當(dāng)前圖像之間相位差，通過對差分圖像中的一組水平密度差值來對輸入圖像中所包含的行人區(qū)域進(jìn)行預(yù)估與檢測。這種檢測方法不可避免的存在由于輸入圖像中的所包含的行人區(qū)域的大小存在差別，而導(dǎo)致無法區(qū)分一個較大的區(qū)域中包含了一個成年人還是包含了兩個小孩，因此對監(jiān)控區(qū)域中的行人進(jìn)行檢測和/或計數(shù)時存在非常大的計算誤差。

同時，如果圖像輸入設(shè)備安裝時并非垂直對著監(jiān)控區(qū)域或者由于鏡頭的原因，導(dǎo)致輸入圖像中的局部圖像的位置、數(shù)量、像素差等外界干擾時，進(jìn)一步導(dǎo)致對監(jiān)控區(qū)域中的行人進(jìn)行檢測和/或計數(shù)時存在計算誤差。

有鑒于此，有必要對現(xiàn)有技術(shù)中的輸入圖像中包含行人的區(qū)域的進(jìn)行行人檢測的檢測方法予以改進(jìn)，以解決上述問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于公開一種自對向圖像中識別人體目標(biāo)的方法，用以實(shí)現(xiàn)人體目標(biāo)輪廓的各種特征在背景圖像中的密度差，從而高效的從背景圖像中提取行人目標(biāo)，克服圖像輸入裝置由于外界干擾或者鏡頭本身的缺陷所導(dǎo)致的對復(fù)雜環(huán)境中無法有效識別行人目標(biāo)的缺陷，提高行人目標(biāo)的識別率。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供了一種自對向圖像中識別人體目標(biāo)的方法，包括以下步驟：

步驟1、獲取監(jiān)控區(qū)域的視頻流圖像作為輸入圖像；

步驟2、將監(jiān)控區(qū)域規(guī)劃出多個面積相等的子區(qū)域；

步驟3、采用視頻采集設(shè)備對標(biāo)準(zhǔn)人體模型在子區(qū)域中以設(shè)定間距進(jìn)行采樣，以獲得若干標(biāo)準(zhǔn)人體模型圖像；

步驟4、對標(biāo)準(zhǔn)人體模型圖像與背景進(jìn)行密度差分運(yùn)算，獲取并存儲表征標(biāo)準(zhǔn)人體模型輪廓的法向量組，作為標(biāo)準(zhǔn)參考數(shù)據(jù)；

步驟5、對步驟1獲取的輸入圖像與背景進(jìn)行密度差分運(yùn)算，獲取表征輸入圖像中的目標(biāo)輪廓的法向量組，結(jié)合標(biāo)準(zhǔn)參考數(shù)據(jù)確定輸入圖像中的目標(biāo)輪廓的法向量組中的響應(yīng)點(diǎn)；

步驟6、將由多個響應(yīng)點(diǎn)構(gòu)成的聚集區(qū)中落入目標(biāo)輪廓中的響應(yīng)點(diǎn)比例判斷輸入圖像中的目標(biāo)輪廓是否為行人輪廓，以識別人體目標(biāo)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟2具體為：將監(jiān)控區(qū)域網(wǎng)格化形成若干規(guī)格為4×6的矩形區(qū)域作為子區(qū)域，單位為像素點(diǎn)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟3具體為：在監(jiān)控區(qū)域內(nèi)，等間隔設(shè)定位置坐標(biāo)，采用視頻采集設(shè)備對分別放置在不同子區(qū)域中的標(biāo)準(zhǔn)人體模型進(jìn)行采樣，以獲得與子區(qū)域數(shù)量相匹配的若干標(biāo)準(zhǔn)人體模型圖像；其中，視頻采集設(shè)備垂直設(shè)置于監(jiān)控區(qū)域中心的上方。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟4中的密度差分運(yùn)算具體為：將單個像素點(diǎn)與相鄰像素點(diǎn)進(jìn)行差分運(yùn)算，所述差分運(yùn)算的計算公式為：

其中，Ω_p為像素p周圍選取像素集，為像素p_i與像素p間所構(gòu)建的向量，為對所有向量進(jìn)行求和運(yùn)算得到的和向量。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟4還包括：去除模值小于10的法向量，所述模值為像素間灰度絕對差值，從而保留模值大于10的若干法向量作為標(biāo)準(zhǔn)人體模型的法向量組，并記錄符合條件的法向量的方向角信息以及與符合條件的法向量所對應(yīng)的像素點(diǎn)的位置信息作為標(biāo)準(zhǔn)參考數(shù)據(jù)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟6具體為：將由多個響應(yīng)點(diǎn)構(gòu)成的聚集區(qū)中落入目標(biāo)輪廓中的響應(yīng)點(diǎn)比例大于或者等于40％判定輸入圖像中的目標(biāo)輪廓為行人輪廓，以識別人體目標(biāo)。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明所示出的方法實(shí)現(xiàn)了高效的從背景圖像中提取行人目標(biāo)，克服了照相機(jī)或者攝像機(jī)由于外界干擾或者鏡頭本身的缺陷所導(dǎo)致的對復(fù)雜環(huán)境中無法有效識別行人目標(biāo)的缺陷，提高了對行人目標(biāo)的識別率。

附圖說明

圖1為本發(fā)明一種自對向圖像中識別人體目標(biāo)的方法的流程圖；

圖2為圖1所示出的獲取監(jiān)控區(qū)域的視頻流圖像的工作原理示意圖；

圖3為將監(jiān)控區(qū)域網(wǎng)格化為4×6個矩形區(qū)域的示意圖；

圖4為標(biāo)準(zhǔn)人體模型放在監(jiān)控區(qū)域不同位置時的采樣圖像具有不同的輪廓；

圖5為在前景圖像輪廓處易形成垂直于輪廓邊界的法向量；

圖6為計算像素p處的法向量的示意圖；

圖7為放置在監(jiān)控區(qū)域g2位置處的標(biāo)準(zhǔn)人體模型輪廓S2的法向量組；

圖8為將2π弧度的圓周分為12個對稱扇形區(qū)域，并設(shè)定各對稱扇形區(qū)域相應(yīng)的方向角分別為0、π/12、2π/12、...、11π/12的示意圖；

圖9為本發(fā)明在監(jiān)控區(qū)域中的目標(biāo)圖像的法向量組所形成的響應(yīng)點(diǎn)聚集區(qū)域。

具體實(shí)施方式

下面結(jié)合附圖所示的各實(shí)施方式對本發(fā)明進(jìn)行詳細(xì)說明，但應(yīng)當(dāng)說明的是，這些實(shí)施方式并非對本發(fā)明的限制，本領(lǐng)域普通技術(shù)人員根據(jù)這些實(shí)施方式所作的功能、方法、或者結(jié)構(gòu)上的等效變換或替代，均屬于本發(fā)明的保護(hù)范圍之內(nèi)。

請參圖1至圖9所示出的本發(fā)明一種自對向圖像中識別人體目標(biāo)的方法的實(shí)施方式。參圖1所示，圖1為本發(fā)明一種基于密度差分的人體檢測方法的流程示意圖。在本實(shí)施方式中，該基于密度差分的人體檢測方法包括以下步驟1至步驟6所示。

步驟1、獲取監(jiān)控區(qū)域的視頻流圖像作為輸入圖像；

參圖2所示，該基于密度差分的人體檢測方法是基于攝像機(jī)垂直拍攝并適用于室外情況和室內(nèi)情況。在本實(shí)施方式中，該步驟S1具體為：通過攝像機(jī)10獲取監(jiān)控區(qū)域30的視頻流圖像作為輸入圖像，所述監(jiān)控區(qū)域30位于攝像機(jī)10的正下方，并進(jìn)一步優(yōu)選為監(jiān)控區(qū)域30的中心的垂直正上方。

具體的，攝像機(jī)10設(shè)置在出入口20附近的正上方，行人可沿著箭頭201的方向上在出入口20中來回走動。攝像機(jī)10所獲取的監(jiān)控區(qū)域30可完全覆蓋出入口20的全部區(qū)域。

在本實(shí)施方式中，該監(jiān)控區(qū)域30為矩形，當(dāng)然也可以為正方形或圓形或者其他形狀。攝像機(jī)10位于監(jiān)控區(qū)域30的中心點(diǎn)301的正上方，由此我們可以推導(dǎo)出，該監(jiān)控區(qū)域30位于攝像機(jī)10的正下方。

步驟2、將監(jiān)控區(qū)域規(guī)劃出多個面積相等的子區(qū)域。

在步驟2中，可將監(jiān)控區(qū)域30網(wǎng)格化，以形成一系列等大的小的矩形區(qū)域，這些矩形區(qū)域面積相等。當(dāng)然，也可將監(jiān)控區(qū)域30網(wǎng)格化并形成若干呈矩陣形式布置的若干正方形或者圓形。

參圖3所示，本發(fā)明給出一個將監(jiān)控區(qū)域30網(wǎng)格化為4×6等大的小矩形區(qū)域?qū)嵗?單位：像素點(diǎn))。其中，各網(wǎng)格話的矩形區(qū)域根據(jù)其各自所處行列位置分別用A₁₁、A₁₂、...A₄₆進(jìn)行標(biāo)識。在具體實(shí)施時，可根據(jù)監(jiān)控區(qū)域30大小，調(diào)整網(wǎng)格化生成矩形區(qū)域的數(shù)量。

步驟3、采用視頻采集設(shè)備對標(biāo)準(zhǔn)人體模型在子區(qū)域中以設(shè)定間距進(jìn)行采樣，以獲得若干標(biāo)準(zhǔn)人體模型圖像。該視頻采集設(shè)備可配置為攝像機(jī)、照相機(jī)或者其他具有拍攝連續(xù)幀圖像的設(shè)備，在本實(shí)施方式中，該視頻采集設(shè)備選用攝像機(jī)。

具體的，在步驟3中，可在監(jiān)控區(qū)域30內(nèi)，等間隔設(shè)定位置坐標(biāo)，放置同一個標(biāo)準(zhǔn)人體模型并采樣相應(yīng)輸入圖像。參圖4所示，當(dāng)人體目標(biāo)處在監(jiān)控區(qū)域30的不同位置時，通過攝像機(jī)10采樣的人體圖像存在差異，相應(yīng)標(biāo)準(zhǔn)人體模型的輪廓也就不相同。本發(fā)明在監(jiān)控區(qū)域30內(nèi)，等間隔設(shè)定位置坐標(biāo)，放置同一個標(biāo)準(zhǔn)人體模型并通過攝像機(jī)10采樣相應(yīng)輸入圖像，進(jìn)而獲取同一標(biāo)準(zhǔn)人體模型在不同位置處的圖像。

具體的，參圖4所示，本發(fā)明將標(biāo)準(zhǔn)人體模型首先放置在監(jiān)控區(qū)域30的網(wǎng)格矩形區(qū)域A₁₁處，位置g1取為標(biāo)準(zhǔn)人體模型在此處成像輪廓S1的重心，然后在水平方向上以網(wǎng)格矩形區(qū)域橫向?qū)挾鹊?/2為間距，在垂直方向上以網(wǎng)格矩形區(qū)域縱向?qū)挾鹊?/2為間距，采用由左至右，由上至下方式間隔設(shè)置位置坐標(biāo)放置同一標(biāo)準(zhǔn)人體模型，并通過攝像機(jī)10采樣相應(yīng)輸入圖像。在圖4中，g2位置位于攝像機(jī)10正下方，標(biāo)準(zhǔn)人體模型在此處形成的相應(yīng)輪廓為S2。由圖4可以看出g1及g2位置處形成的標(biāo)準(zhǔn)人體模型的輪廓S1與標(biāo)準(zhǔn)人體模型的輪廓S2差異明顯。

步驟4、對標(biāo)準(zhǔn)人體模型圖像與背景進(jìn)行密度差分運(yùn)算，獲取并存儲表征標(biāo)準(zhǔn)人體模型輪廓的法向量組，作為標(biāo)準(zhǔn)參考數(shù)據(jù)。該標(biāo)準(zhǔn)參考數(shù)據(jù)中包括表征法向量組的角度信息及空間位置信息等信息。

通過步驟S3所獲取的輸入圖像，除了在相應(yīng)位置處含有標(biāo)準(zhǔn)人體模型圖像外，其余均為背景。標(biāo)準(zhǔn)人體模型圖像所在區(qū)域內(nèi)像素灰度值的空間分布密度與背景間存在差異，本發(fā)明基于標(biāo)準(zhǔn)人體模型圖像與背景間的密度差分運(yùn)算，獲取表征標(biāo)準(zhǔn)人體模型輪廓的法向量組，并存儲法向量組中所有法向量的方向角度及空間位置等數(shù)據(jù)信息，作為標(biāo)準(zhǔn)參考數(shù)據(jù)。

具體的，在本實(shí)施方式中，該密度差分運(yùn)算通過單個像素與周圍像素的差分運(yùn)算來實(shí)現(xiàn)。其中，在像素p周圍選取像素集Ω_p，在像素p_i(p_i∈Ω_p)及p間構(gòu)建向量模值取為像素間灰度絕對差值。然后對所有向量進(jìn)行求和運(yùn)算得到和向量上述計算公式如下所示：

由此，明顯可以判定和向量總指向密集高亮度像素區(qū)域，且在該方向上有較大的亮度變化。參圖5所示，在反映前景圖像輪廓的邊界處，和向量表現(xiàn)為垂直邊界的法向量形式，為方便敘述，本發(fā)明定義和向量為像素p的法向量。參圖6所示，具體的像素p處的法向量的運(yùn)算采具體為：

以像素p為圓心，兩像素寬度為半徑確定一個圓周，并在圓周周圍找尋離圓周最近的12個像素點(diǎn)p_i即：p₁、p₂、...、p₁₂。

構(gòu)建向量設(shè)定所指水平向右方向?yàn)?度方向，逆時針方向?yàn)檎较?，取其向量方向角?π(i-1)/12。

取則法向量的方向角θ_p＝arctan(SV/CV)，法向量的模值為方便描述，本發(fā)明將θ_p取值設(shè)定在區(qū)間[0，π)內(nèi)。

為提高計算效率，本發(fā)明先在監(jiān)控區(qū)域30內(nèi)獲取不含標(biāo)準(zhǔn)人體模型的背景圖像，然后采用背景差分法將步驟S3所獲取的輸入圖像中的背景部分減除，即盡量使輸入圖像中的背景區(qū)域像素灰度值為0，凸顯輸入圖像中標(biāo)準(zhǔn)人體模型所在區(qū)域亮度。最后，對通過背景差分處理的輸入圖像中的所有像素計算其法向量。

本發(fā)明設(shè)定閾值10，即將模值小于10的法向量去除，只保留模值大于10的一組法向量，然后用該法向量組來表征標(biāo)準(zhǔn)人體模型輪廓。參圖7所示，其顯示了放置在監(jiān)控區(qū)域30在g2位置處的標(biāo)準(zhǔn)人體模型輪廓S2的一組法向量。在獲取標(biāo)準(zhǔn)人體模型的法向量組后，需要記錄法向量組的方向角度信息以及產(chǎn)生相應(yīng)法向量的像素所在位置信息，以便于將這些數(shù)據(jù)信息作為標(biāo)準(zhǔn)參考數(shù)據(jù)。

具體的，參圖7取像素點(diǎn)A、B、C、D為例，該四個像素點(diǎn)處的法向量分別為V1、V2、V3、V4。像素點(diǎn)A、B、C、D空間位置坐標(biāo)是相對位置點(diǎn)g2而定的，具體的，以位置點(diǎn)g2為坐標(biāo)原點(diǎn)，水平向右為X軸方向，垂直向上為Y軸方向設(shè)定坐標(biāo)系，如此可以設(shè)定像素點(diǎn)A、B、C、D的空間相對位置坐標(biāo)分別為(-11，0)、(-4，0)、(4，0)、(11，0)。V1、V2的方向角在π處，本發(fā)明將其歸為0，V3、V4的方向角為0。

對于圖7中，法向量的方向角具體取值設(shè)置參圖8所示。

在本實(shí)施方式中，將2π弧度的圓周分為12個對稱扇形區(qū)域，并設(shè)定各對稱扇形區(qū)域相應(yīng)的方向角分別為0、π/12、2π/12、...、11π/12。對于圖7中方向指向恰好處在圖8中相應(yīng)對稱扇形區(qū)域內(nèi)的所有法向量。將其方向角統(tǒng)一設(shè)定為相應(yīng)扇形區(qū)域設(shè)定值。例如，對于方向角在區(qū)域(-π/24π/24)及(23π/24，25π/24)內(nèi)的法向量，設(shè)定其方向角為0。通過上述方式，將圖7中的方向角的法向量歸為12組，同一組中的法向量具有相同的方向角。例如上述V1、V2、V3、V4即為一具有相同的方向角的法向量組，組中各法向量的方向角度為0。

存儲12組法向量組的空間位置及方向角信息，作為標(biāo)準(zhǔn)參考數(shù)據(jù)。例如，對于法向量組V1、V2、V3、V4，本發(fā)明存儲其相對位置信息(-11，0)、(-4，0)、(4，0)、(11，0)以及方向角值0。具體存儲時，標(biāo)準(zhǔn)參考數(shù)據(jù)按矩形區(qū)域存儲，即在相應(yīng)矩形區(qū)域僅僅存儲位于其中的法向量的位置及角度信息。參圖4，標(biāo)準(zhǔn)人體模型的輪廓S2分布于四個矩形區(qū)域中，則描述輪廓S2的標(biāo)準(zhǔn)參考數(shù)據(jù)分別對應(yīng)存儲在四個矩形區(qū)域中。

通過上述方式獲取標(biāo)準(zhǔn)人體模型在監(jiān)控區(qū)域不同位置處輪廓的標(biāo)準(zhǔn)參考數(shù)據(jù)。

步驟5、對步驟1獲取的輸入圖像與背景進(jìn)行密度差分運(yùn)算，獲取表征輸入圖像中的目標(biāo)輪廓的法向量組，結(jié)合標(biāo)準(zhǔn)參考數(shù)據(jù)確定輸入圖像中的目標(biāo)輪廓的法向量組中的響應(yīng)點(diǎn)。

通過攝像機(jī)10在監(jiān)控區(qū)域30內(nèi)采樣含有實(shí)際人體目標(biāo)圖像的輸入圖像，然后基于輸入圖像與背景間的密度差分運(yùn)算，采用步驟S4中同樣方式獲取表征目標(biāo)輪廓的法向量組，同時記錄法向量組中各法向量的位置及方向角信息，再結(jié)合步驟S4所存儲的標(biāo)準(zhǔn)參考數(shù)據(jù)，確定法向量組中各法向量的響應(yīng)點(diǎn)位置。

假定，目標(biāo)圖像的一法向量位于矩形區(qū)域A₁₁中，產(chǎn)生該法向量的像素點(diǎn)位于輸入圖像的(x，y)處(該位置相對于輸入圖像中心)，且該法向量方向角為θ。為確定該法向量的響應(yīng)點(diǎn)(實(shí)際類似于標(biāo)準(zhǔn)人體模型的位置點(diǎn))，需查找該區(qū)域內(nèi)存儲的標(biāo)準(zhǔn)參考數(shù)據(jù)中方向角為θ的法向量所對應(yīng)的位置信息(x₀，y₀)(該位置為相對于標(biāo)準(zhǔn)人體模型位置點(diǎn)，在矩形區(qū)域A₁₁處時為位置點(diǎn)g1)，然后確定響應(yīng)點(diǎn)位置為(x-x₀，y-y₀)(該坐標(biāo)位置相對于輸入圖像中心)。通過這種方式可以確定目標(biāo)圖像所有法向量所對應(yīng)的響應(yīng)點(diǎn)。

步驟6、將由多個響應(yīng)點(diǎn)構(gòu)成的聚集區(qū)中落入目標(biāo)輪廓中的響應(yīng)點(diǎn)比例判斷輸入圖像中的目標(biāo)輪廓是否為行人輪廓，以識別人體目標(biāo)。

參圖9所示，監(jiān)控區(qū)域30中含有兩個目標(biāo)圖像，進(jìn)而法向量組形成了兩個響應(yīng)點(diǎn)聚集區(qū)域。

在圖9中，目標(biāo)圖像的輪廓分別為O1及O2。具體的，在本實(shí)施方式中，定義如果各響應(yīng)點(diǎn)聚集區(qū)域內(nèi)有40％以上的響應(yīng)點(diǎn)位于目標(biāo)輪廓內(nèi)，就認(rèn)為該目標(biāo)圖像為人體目標(biāo)。

由圖9可以明顯看出，圖9中兩個響應(yīng)點(diǎn)聚集區(qū)域滿足條件，即可認(rèn)為兩目標(biāo)圖像為人體目標(biāo)，從而實(shí)現(xiàn)本發(fā)明由輸入圖像檢測人體目標(biāo)的目的。另外，兩個響應(yīng)點(diǎn)聚集區(qū)域中心分別離位置點(diǎn)g1及g2較近，進(jìn)而可以說明檢測到的目標(biāo)圖像的輪廓與標(biāo)準(zhǔn)人體目標(biāo)輪廓S1及S2具有較高匹配度。并且，通過計算響應(yīng)點(diǎn)聚集區(qū)域中心的數(shù)量還可以實(shí)現(xiàn)對監(jiān)控區(qū)域30內(nèi)的人體目標(biāo)進(jìn)行數(shù)量統(tǒng)計。

上文所列出的一系列的詳細(xì)說明僅僅是針對本發(fā)明的可行性實(shí)施方式的具體說明，它們并非用以限制本發(fā)明的保護(hù)范圍，凡未脫離本發(fā)明技藝精神所作的等效實(shí)施方式或變更均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。

對于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實(shí)施例的細(xì)節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實(shí)現(xiàn)本發(fā)明。因此，無論從哪一點(diǎn)來看，均應(yīng)將實(shí)施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化囊括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標(biāo)記視為限制所涉及的權(quán)利要求。

此外，應(yīng)當(dāng)理解，雖然本說明書按照實(shí)施方式加以描述，但并非每個實(shí)施方式僅包含一個獨(dú)立的技術(shù)方案，說明書的這種敘述方式僅僅是為清楚起見，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)將說明書作為一個整體，各實(shí)施例中的技術(shù)方案也可以經(jīng)適當(dāng)組合，形成本領(lǐng)域技術(shù)人員可以理解的其他實(shí)施方式。