本發(fā)明涉及工業(yè)自動化信息及人機(jī)交互領(lǐng)域，特別是指一種基于體域網(wǎng)的多源情感識別機(jī)器人。

背景技術(shù)：

近年來，隨著我國國情的變化，未來數(shù)年，井噴式的老齡社會即將到來，老人陪護(hù)是愈加重要的服務(wù)領(lǐng)域，除醫(yī)療陪護(hù)外，老年的心理健康也是提高老年生活質(zhì)量不可或缺的部分，因此服務(wù)于老年的情感監(jiān)護(hù)的智能移動機(jī)器人將成為老人陪護(hù)領(lǐng)域中重要的設(shè)備之一。現(xiàn)如今，大多的老人情感陪護(hù)機(jī)器人僅是僅依靠面部表情進(jìn)行情感識別，識別準(zhǔn)確率不足，無法同時檢測老人的生理信息、用戶體驗(yàn)度差。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種基于體域網(wǎng)的多源情感識別機(jī)器人，以解決現(xiàn)有技術(shù)所存在的情感識別準(zhǔn)確率低的問題。

為解決上述技術(shù)問題，本發(fā)明實(shí)施例提供一種基于體域網(wǎng)的多源情感識別機(jī)器人，包括：體域網(wǎng)可穿戴設(shè)備和智能移動機(jī)器人；

所述體域網(wǎng)可穿戴設(shè)備，用于獲取用戶的生理信息，并將獲取的生理信息傳輸至所述智能移動機(jī)器人；

所述智能移動機(jī)器人，用于獲取用戶的面部信息，對獲取的面部信息和接收到的生理信息進(jìn)行情感特征提取，根據(jù)情感特征提取結(jié)果進(jìn)行情感融合分析得到基于生理-面部的用戶情感狀態(tài)。

進(jìn)一步地，所述情感狀態(tài)包括：驚奇、恐懼、厭惡、憤怒、高興和悲傷。

進(jìn)一步地，所述體域網(wǎng)可穿戴設(shè)備包括：體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn)和匯聚節(jié)點(diǎn)；

所述體感溫度傳感器子節(jié)點(diǎn)包括：用于實(shí)時采集用戶體感溫度的體感溫度傳感器，及將采集到的用戶體感溫度發(fā)送至匯聚節(jié)點(diǎn)的第一藍(lán)牙通信模塊；

所述電導(dǎo)率傳感器子節(jié)點(diǎn)包括：用于實(shí)時采集用戶皮膚汗液中電導(dǎo)率的電導(dǎo)率傳感器，及將采集到的用戶皮膚汗液中電導(dǎo)率發(fā)送至匯聚節(jié)點(diǎn)的第二藍(lán)牙通信模塊；

所述心率傳感器子節(jié)點(diǎn)包括：用于實(shí)時采集用戶心率的心率傳感器，及將采集到的用戶心率發(fā)送至匯聚節(jié)點(diǎn)的第三藍(lán)牙通信模塊；

所述匯聚節(jié)點(diǎn)包括：用于將接收到的用戶體感溫度、用戶皮膚汗液中電導(dǎo)率、用戶心率傳輸至智能移動機(jī)器人的第四藍(lán)牙通信模塊。

進(jìn)一步地，所述心率傳感器子節(jié)點(diǎn)還包括：

用于在將心率傳感器采集的心率信號發(fā)送出去之前，對心率傳感器采集的心率信號進(jìn)行預(yù)處理的數(shù)模電路，所述預(yù)處理包括：放大、整形和濾波操作。

進(jìn)一步地，所述心率傳感器為貼片式心率傳感器，所述貼片式心率傳感器穿戴在手腕動脈血管處；

所述電導(dǎo)率傳感器為手環(huán)，穿戴在手腕上；

所述體感溫度傳感器穿戴在大臂內(nèi)側(cè)。

進(jìn)一步地，所述智能移動機(jī)器人，用于當(dāng)用戶處于靜止?fàn)顟B(tài)且用戶面部處于智能移動機(jī)器人攝像范圍內(nèi)時，利用人臉識別算法獲取用戶面部信息；

所述智能移動機(jī)器人，還用于當(dāng)用戶處于移動狀態(tài)時，利用平均位移算法，根據(jù)用戶頭部運(yùn)動軌跡控制所述智能移動機(jī)器人進(jìn)行移動，并根據(jù)用戶頭部運(yùn)動軌跡進(jìn)行人臉追蹤，獲取用戶面部信息。

進(jìn)一步地，所述智能移動機(jī)器人，用于根據(jù)獲取的用戶面部信息，基于人臉的表情識別算法提取面部區(qū)域表情特征，并基于本地數(shù)據(jù)庫中預(yù)先存儲的表情特征-情感映射數(shù)據(jù)庫的先驗(yàn)知識，利用貝葉斯分類算法，得到面部情感概率矢量，其中，所述面部區(qū)域表情特征是標(biāo)注后的特征點(diǎn)位置。

進(jìn)一步地，所述智能移動機(jī)器人，用于根據(jù)接收到的生理信息，得到相應(yīng)的統(tǒng)計特征值，基于本地數(shù)據(jù)庫中預(yù)先存儲的生理特征-情感映射數(shù)據(jù)庫的先驗(yàn)知識，利用貝葉斯分類算法，得到生理特征情感概率矢量，其中，所述生理特征情感概率矢量是指由生理特征得到的對應(yīng)驚奇、恐懼、厭惡、憤怒、高興和悲傷這6種情感狀態(tài)的概率所構(gòu)成的矢量。

進(jìn)一步地，所述智能移動機(jī)器人，用于根據(jù)得到的面部情感概率矢量和生理特征情感概率矢量進(jìn)行回歸分析，得到面部特征與生理特征的相關(guān)性及其兩者與目標(biāo)變量之間的概率條件；

所述智能移動機(jī)器人，還用于根據(jù)得到的面部特征與生理特征的相關(guān)性及其兩者與目標(biāo)變量之間的概率條件，利用基于gordon-shortliff算法的證據(jù)推理理論進(jìn)行決策層的融合分析得出用戶情感狀態(tài)。

進(jìn)一步地，所述智能移動機(jī)器人，還用于根據(jù)得到的基于生理-面部的用戶情感狀態(tài)生成相應(yīng)的行為指令，實(shí)現(xiàn)所述智能移動機(jī)器人與用戶的情感交互。

本發(fā)明的上述技術(shù)方案的有益效果如下：

上述方案中，通過體域網(wǎng)可穿戴設(shè)備獲取用戶的生理信息，并將獲取的生理信息傳輸至智能移動機(jī)器人；通過智能移動機(jī)器人獲取用戶的面部信息，對獲取的面部信息和接收到的生理信息進(jìn)行情感特征提取，根據(jù)情感特征提取結(jié)果進(jìn)行情感融合分析得到基于生理-面部的用戶情感狀態(tài)，得到的基于生理-面部的用戶情感狀態(tài)具有更高的情感識別準(zhǔn)確率。

附圖說明

圖1為本發(fā)明實(shí)施例提供的基于體域網(wǎng)的多源情感識別機(jī)器人的結(jié)構(gòu)示意圖；

圖2為本發(fā)明實(shí)施例提供的基于體域網(wǎng)的多源情感識別機(jī)器人的詳細(xì)結(jié)構(gòu)示意圖；

圖3為本發(fā)明實(shí)施例提供的基于體域網(wǎng)的多源情感識別機(jī)器人的工作流程圖。

具體實(shí)施方式

為使本發(fā)明要解決的技術(shù)問題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例進(jìn)行詳細(xì)描述。

本發(fā)明針對現(xiàn)有的情感識別準(zhǔn)確率低的問題，提供一種基于體域網(wǎng)的多源情感識別機(jī)器人。

如圖1所示，本發(fā)明實(shí)施例提供的基于體域網(wǎng)的多源情感識別機(jī)器人，包括：體域網(wǎng)可穿戴設(shè)備11和智能移動機(jī)器人12；

所述體域網(wǎng)可穿戴設(shè)備11，用于獲取用戶的生理信息，并將獲取的生理信息傳輸至所述智能移動機(jī)器人；

所述智能移動機(jī)器人12，用于獲取用戶的面部信息，對獲取的面部信息和接收到的生理信息進(jìn)行情感特征提取，根據(jù)情感特征提取結(jié)果進(jìn)行情感融合分析得到基于生理-面部的用戶情感狀態(tài)。

本發(fā)明實(shí)施例所述的基于體域網(wǎng)的多源情感識別機(jī)器人，通過體域網(wǎng)可穿戴設(shè)備獲取用戶的生理信息，并將獲取的生理信息傳輸至智能移動機(jī)器人；通過智能移動機(jī)器人獲取用戶的面部信息，對獲取的面部信息和接收到的生理信息進(jìn)行情感特征提取，根據(jù)情感特征提取結(jié)果進(jìn)行情感融合分析得到基于生理-面部的用戶情感狀態(tài)，得到的基于生理-面部的用戶情感狀態(tài)具有更高的情感識別準(zhǔn)確率。

在前述基于體域網(wǎng)的多源情感識別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述情感狀態(tài)包括：驚奇、恐懼、厭惡、憤怒、高興和悲傷。

本實(shí)施例中，所述體域網(wǎng)可穿戴設(shè)備不僅包括：3類傳感器子節(jié)點(diǎn)(體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn))和匯聚節(jié)點(diǎn)，還包括為所述體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn)。

本實(shí)施例中，如圖2所示，作為一可選實(shí)施例，所述體感溫度傳感器子節(jié)點(diǎn)包括：用于實(shí)時采集用戶體感溫度的體感溫度傳感器，及將采集到的用戶體感溫度發(fā)送至匯聚節(jié)點(diǎn)的第一藍(lán)牙通信模塊；

所述電導(dǎo)率傳感器子節(jié)點(diǎn)包括：用于實(shí)時采集用戶皮膚汗液中電導(dǎo)率的電導(dǎo)率傳感器，及將采集到的用戶皮膚汗液中電導(dǎo)率發(fā)送至匯聚節(jié)點(diǎn)的第二藍(lán)牙通信模塊；

所述心率傳感器子節(jié)點(diǎn)包括：用于實(shí)時采集用戶心率的心率傳感器，及將采集到的用戶心率發(fā)送至匯聚節(jié)點(diǎn)的第三藍(lán)牙通信模塊；

所述匯聚節(jié)點(diǎn)包括：用于將接收到的用戶體感溫度、用戶皮膚汗液中電導(dǎo)率、用戶心率傳輸至智能移動機(jī)器人的第四藍(lán)牙通信模塊。

本實(shí)施例中，所述匯聚節(jié)點(diǎn)通過第四藍(lán)牙通信模塊與智能移動機(jī)器人進(jìn)行通訊，也就是說，所述體域網(wǎng)可穿戴設(shè)備通過第四藍(lán)牙通信模塊與智能移動機(jī)器人進(jìn)行通訊。

本發(fā)明實(shí)施例中，所述匯聚節(jié)點(diǎn)不僅包括：第四藍(lán)牙通信模塊，還包括：微處理器、為所述第四藍(lán)牙通信模塊、微處理器供電的電源模塊，其中，所述第二電源可以是型號為cr2032的紐扣電池，所述紐扣電池具有體積小且放點(diǎn)持久的優(yōu)點(diǎn)。所述第四藍(lán)牙通信模塊可以為低功耗藍(lán)牙4.0，所述微處理器可選用stc89c51芯片，所述微處理器通過低功耗藍(lán)牙4.0接收3類傳感器子節(jié)點(diǎn)各自實(shí)時采集的用戶體感溫度、用戶皮膚汗液中電導(dǎo)率、用戶心率并通過各自節(jié)點(diǎn)包含的藍(lán)牙通信模塊發(fā)送的用戶體感溫度、用戶皮膚汗液中電導(dǎo)率、用戶心率等生理信息，所述微處理器還將接收到的生理信息通過匯聚節(jié)點(diǎn)的低功耗藍(lán)牙4.0實(shí)時傳輸至智能移動機(jī)器人；所述匯聚節(jié)點(diǎn)具有實(shí)時獲取生理數(shù)據(jù)和傳輸生理數(shù)據(jù)的作用。

本實(shí)施例中，所述匯聚節(jié)點(diǎn)與體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn)并無實(shí)線相連，將體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn)配置為藍(lán)牙從機(jī)(slave)端，匯聚節(jié)點(diǎn)配置為藍(lán)牙主機(jī)(master)端，master端開機(jī)后處于監(jiān)聽狀態(tài)，slave端處于廣播狀態(tài)，當(dāng)master端接收到slave端廣播報文時建立連接，slave端將生理信息傳輸至master端，傳輸數(shù)據(jù)間隔設(shè)置為1s。

在前述基于體域網(wǎng)的多源情感識別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述心率傳感器子節(jié)點(diǎn)還包括：

用于在將心率傳感器采集的心率信號發(fā)送出去之前，對心率傳感器采集的心率信號進(jìn)行預(yù)處理的數(shù)模電路，所述預(yù)處理包括：放大、整形和濾波操作。

本實(shí)施例中，心率傳感器子節(jié)點(diǎn)不僅包括：心率傳感器，還包括對心率傳感器采集的心率信號進(jìn)行預(yù)處理的數(shù)模電路，所述數(shù)模電路包括：與所述心率傳感器相連的放大器、與所述放大器相連的濾波器及與所述濾波器相連的比較器；其中，所述放大器用來對微弱的原始心率信號進(jìn)行放大整形，濾波器用于對放大后的心率信號進(jìn)行去噪，比較器用于對去噪后的心率信號進(jìn)行模數(shù)轉(zhuǎn)化，最終輸出波形穩(wěn)定的心率信號，此時輸出的心率信號為脈沖信號。

在前述基于體域網(wǎng)的多源情感識別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述心率傳感器為貼片式心率傳感器，所述貼片式心率傳感器穿戴在手腕動脈血管處；

所述電導(dǎo)率傳感器為手環(huán)，穿戴在手腕上；

所述體感溫度傳感器穿戴在大臂內(nèi)側(cè)。

本實(shí)施例中，為了方便，所述心率傳感器、電導(dǎo)率傳感器、體感溫度傳感器被安裝在可穿戴設(shè)備上，且所述心率傳感器、電導(dǎo)率傳感器、體感溫度傳感器穿戴在不同的身體部位，所述心率傳感器可以為貼片式心率傳感器，所述貼片式心率傳感器可以穿戴在手腕動脈血管處，實(shí)時采集用戶心率信號；所述電導(dǎo)率傳感器為手環(huán)，可以穿戴在手腕上，實(shí)時采集用戶皮膚汗液中電導(dǎo)率；所述體感溫度傳感器可以穿戴在大臂內(nèi)側(cè)，實(shí)時采集用戶體感溫度；所述心率傳感器、電導(dǎo)率傳感器、體感溫度傳感器采集的生理信息(用戶心率、用戶皮膚汗液中電導(dǎo)率、用戶體感溫度)通過各自對應(yīng)的藍(lán)牙通信模塊傳輸數(shù)據(jù)至匯聚節(jié)點(diǎn)。

本實(shí)施例中，所述智能移動機(jī)器人硬件包括：獲取用戶面部圖像的攝像頭，負(fù)責(zé)所述述智能移動機(jī)器人進(jìn)行移動的移動裝置，分布式微處理器，觸控屏，第五藍(lán)牙通信模塊，為所述智能移動機(jī)器人供電的電源模塊，與用戶進(jìn)行交互的交互設(shè)備等，其中，所述交互設(shè)備包括但不限于顯示屏、語音模塊、通話模塊、緊急報警模塊；所述移動裝置包括：兩個驅(qū)動輪、兩個萬向輪及紅外避障傳感器。

本實(shí)施例中，由于生理信息與面部數(shù)據(jù)繁雜，運(yùn)算量大，所述采用分布式微處理器搭建用戶情感識別模型，其中，所述分布式微處理器包括：至少3個以上的微處理器，所述分布式微處理器采用hadoop結(jié)構(gòu)搭建，可選的，操作系統(tǒng)采用紅帽開源linux。

本實(shí)施例中，第五藍(lán)牙通信模塊主要與體域網(wǎng)可穿戴設(shè)備中的匯聚節(jié)點(diǎn)進(jìn)行通信，由于匯聚節(jié)點(diǎn)是體感溫度傳感器子節(jié)點(diǎn)、電導(dǎo)率傳感器子節(jié)點(diǎn)、心率傳感器子節(jié)點(diǎn)的master，匯聚節(jié)點(diǎn)與智能移動機(jī)器人中的第五藍(lán)牙通信模塊可以構(gòu)成自組織網(wǎng)絡(luò)，匯聚節(jié)點(diǎn)又是智能移動機(jī)器人中第五藍(lán)牙通信模塊的slave。智能移動機(jī)器人中的第五藍(lán)牙通信模塊通過串口傳輸?shù)姆绞脚c智能移動機(jī)器人中的分布式微處理器進(jìn)行通訊。

本實(shí)施例中，所述智能移動機(jī)器人軟件組成包括：本地數(shù)據(jù)庫、人臉識別模塊、人臉追蹤模塊、特征提取模塊、多源情感融合分析模塊；其中，所述本地數(shù)據(jù)庫包括：表情特征-情感映射數(shù)據(jù)庫和生理特征-情感映射數(shù)據(jù)庫。

在前述基于體域網(wǎng)的多源情感識別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述智能移動機(jī)器人，用于當(dāng)用戶處于靜止?fàn)顟B(tài)且用戶面部處于智能移動機(jī)器人攝像范圍內(nèi)時，利用人臉識別算法獲取用戶面部信息；

所述智能移動機(jī)器人，還用于當(dāng)用戶處于移動狀態(tài)時，利用平均位移算法，根據(jù)用戶頭部運(yùn)動軌跡控制所述智能移動機(jī)器人進(jìn)行移動，并根據(jù)用戶頭部運(yùn)動軌跡進(jìn)行人臉追蹤，獲取用戶面部信息。

本實(shí)施例中，如圖3所示，當(dāng)用戶處于靜止?fàn)顟B(tài)且用戶面部處于智能移動機(jī)器人攝像范圍內(nèi)時，通過攝像頭獲取用戶面部圖像，并通過所述智能移動機(jī)器人中的人臉識別模塊，利用人臉識別算法，對攝像頭獲取到的用戶面部圖像進(jìn)行預(yù)處理，獲取用戶面部信息。

本實(shí)施例中，當(dāng)用戶處于移動狀態(tài)時，通過所述智能移動機(jī)器人中的人臉追蹤模塊，采用平均位移算法，根據(jù)用戶頭部運(yùn)動軌跡控制所述智能移動機(jī)器人進(jìn)行移動，并根據(jù)用戶頭部運(yùn)動軌跡進(jìn)行人臉追蹤，獲取用戶面部信息，主要用于獲取動態(tài)時的用戶面部信息。

在前述基于體域網(wǎng)的多源情感識別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述智能移動機(jī)器人，用于根據(jù)獲取的用戶面部信息，基于人臉的表情識別算法提取面部區(qū)域表情特征，并基于本地數(shù)據(jù)庫中預(yù)先存儲的表情特征-情感映射數(shù)據(jù)庫的先驗(yàn)知識，利用貝葉斯分類算法，得到面部情感概率矢量，其中，所述面部區(qū)域表情特征是標(biāo)注后的特征點(diǎn)位置。

本實(shí)施例中，如圖3所示，根據(jù)獲取的用戶面部信息，通過所述智能移動機(jī)器人中的特征提取模塊，基于人臉的表情識別算法提取面部區(qū)域表情特征，并基于本地數(shù)據(jù)庫中預(yù)先存儲的表情特征-情感映射數(shù)據(jù)庫的先驗(yàn)知識，利用貝葉斯分類算法，得到面部情感概率矢量，其中，所述面部區(qū)域表情特征可以是標(biāo)注后的特征點(diǎn)位置。

在前述基于體域網(wǎng)的多源情感識別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述智能移動機(jī)器人，用于根據(jù)接收到的生理信息，得到相應(yīng)的統(tǒng)計特征值，基于本地數(shù)據(jù)庫中預(yù)先存儲的生理特征-情感映射數(shù)據(jù)庫的先驗(yàn)知識，利用貝葉斯分類算法，得到生理特征情感概率矢量，其中，所述生理特征情感概率矢量是指由生理特征得到的對應(yīng)驚奇、恐懼、厭惡、憤怒、高興和悲傷這6種情感狀態(tài)的概率所構(gòu)成的矢量。

本實(shí)施例中，如圖3所示，根據(jù)接收到的生理信息，通過所述智能移動機(jī)器人中的特征提取模塊，基于本地數(shù)據(jù)庫中預(yù)先存儲的生理特征-情感映射數(shù)據(jù)庫的先驗(yàn)知識，利用貝葉斯分類算法(例如，ban貝葉斯分類算法)，得到生理特征情感概率矢量(生理特征情感概率矢量為后驗(yàn)概率)，其中，所述生理特征情感概率矢量是指由生理特征得到的對應(yīng)驚奇、恐懼、厭惡、憤怒、高興和悲傷這6種情感狀態(tài)的概率所構(gòu)成的矢量，由于生理特征為連續(xù)變量，可假設(shè)生理特征的取值服從高斯分布。

本實(shí)施例中，可以通過所述智能移動機(jī)器人中的多源情感融合分析模塊對得到的面部情感概率矢量和生理特征情感概率矢量進(jìn)行情感融合分析得出用戶的情感狀態(tài)，如圖3所示，具體的步驟可以包括：

根據(jù)得到的面部情感概率矢量和生理特征情感概率矢量進(jìn)行回歸分析，得到面部特征與生理特征的相關(guān)性及其兩者與目標(biāo)變量之間的概率條件；

所述智能移動機(jī)器人，還用于根據(jù)得到的面部特征與生理特征的相關(guān)性及其兩者與目標(biāo)變量之間的概率條件，利用基于戈登-肖特列夫(gordon-shortliff)算法的證據(jù)推理理論進(jìn)行決策層的融合分析得到基于生理-面部的用戶情感狀態(tài)，得到的基于生理-面部的用戶情感狀態(tài)具有更高的情感識別準(zhǔn)確率。

本實(shí)施例中，所述目標(biāo)變量指特征所對應(yīng)的情感狀態(tài)，賦予了不同情感狀態(tài)離散化的值，使得情感狀態(tài)可計算。兩者與目標(biāo)變量之間的概率條件是指，例：a是面部特征值點(diǎn)的位置，b是心率的特征值(方差和標(biāo)準(zhǔn)差)，通過之前對數(shù)據(jù)庫的計算可知道(a，b)同時存在時對應(yīng)的某種情感狀態(tài)的概率，這個條件概率可用于證據(jù)推理的融合分析。當(dāng)然不僅局限與a和b的組合。

在前述基于體域網(wǎng)的多源情感識別機(jī)器人的具體實(shí)施方式中，進(jìn)一步地，所述智能移動機(jī)器人，還用于根據(jù)得到的基于生理-面部的用戶情感狀態(tài)生成相應(yīng)的行為指令，實(shí)現(xiàn)所述智能移動機(jī)器人與用戶的情感交互。

本實(shí)施例中，在得出用戶情感狀態(tài)后，多源情感融合分析模塊根據(jù)得到的基于生理-面部的用戶情感狀態(tài)生成相應(yīng)的行為指令，控制所述智能移動機(jī)器人中的交互設(shè)備執(zhí)行相應(yīng)的行為指令與用戶進(jìn)行情感交互。

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)語僅僅用來將一個實(shí)體或者操作與另一個實(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。

以上所述是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。