一种人体步态监测方法及装置与流程

本发明涉及计算机网络通信技术领域，尤其涉及一种人体步态监测方法及装置。

背景技术：

随着我国老龄化程度的加剧，因脑卒中引起的下肢运动功能障碍患者正在不断地增加，此外，因工伤、交通事故、疾病等造成精神或肢体损伤的患者也显著增加。及时进行一定程度的集中和重复训练有助于下肢运动功能的恢复，下肢康复机器人作为一种康复医疗设备，通过辅助患者进行科学有效的康复训练，从而达到恢复患者运动功能的目的。

在下肢康复机器人关键技术中，实时获取患者的步态信息是掌握患者康复训练效果的关键指标，用于判断患者是否在符合要求下开展训练，人体步态的识别方法目前主要有两类：基于生物力学信息和基于人机交互作用信息。现有的人体步态识别技术采用了在人体下肢安装传感器的方法来获取步态信息及数据，患者康复训练时需要佩戴传感器设备，造成康复训练操作的不便。

技术实现要素：

为了解决现有的人体步态监测方法需要患者佩戴传感器，造成康复训练操作不便的问题，本发明实施例提供了一种人体步态监测方法及装置。

第一方面，本发明实施例提供了一种人体步态监测方法，包括：

获取训练时间段内利用图像采集设备采集的待监测训练者下肢运动的视频帧以及所述视频帧的采集时间；

针对每一视频帧，根据预设的深度学习训练模型获取所述待监测训练者的下肢各关键关节点的二维像素坐标；

针对每一关键关节点，根据所述关键关节点的二维像素坐标和所述图像采集设备的位置信息确定所述关键关节点的实际位置坐标；

根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态周期和步态信息；

将所述步态周期内的步态信息与预设的所述关键关节点对应的步态标准值进行比对，获得比对结果。

本发明实施例提供的人体步态监测方法，下肢康复机器人获取训练时间段内利用图像采集设备采集的待监测训练者下肢运动的视频帧以及所述视频帧的采集时间，针对每一视频帧，根据预设的深度学习训练模型获取待监测训练者的下肢各关键关节点的二维像素坐标，针对每一关键关节点，根据所述关键关节点的二维像素坐标和所述图像采集设备的位置信息确定所述关键关节点的实际位置坐标，根据所述关键关节点的实际位置坐标与所述视频帧的采集时间，确定所述待监测训练者每步的步态周期和步态信息，其中，所述步态信息用于表征步伐形态，进而，将所述步态周期内的步态信息与预设的所述关键关节点对应的步态标准值进行比对，获得比对结果，根据本发明实施例提供的人体步态监测方法，利用预设的深度学习训练模型对人体下肢各关键关节点的运动捕捉，获取下肢各关键关节点在每一视频帧上的二维像素坐标，可以在不必佩戴传感器设备的前提下，实时获取待监测训练者在康复训练过程中的步态信息，将获取的步态信息与预设的各关键关节点对应的步态标准值进行比对，以根据比对结果评定康复训练过程中的训练姿态的标准率以及评估康复训练效果。

较佳地，根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态周期，具体包括：

根据各视频帧对应的所述关键关节点的实际位置坐标的变化与所述视频帧的采集时间确定所述待监测训练者每步的步态周期。

较佳地，所述步态信息包括步频，则根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态信息，包括：

根据所述每步的步态周期确定所述待监测训练者每步的步频。

较佳地，所述步态信息包括步幅，则根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态信息，包括：

根据所述每步的步态周期内的所述关键关节点的起始实际位置坐标确定所述待监测训练者每步的步幅。

可选地，所述方法，还包括：

根据所述比对结果确定所述待监测训练者的训练姿态标准率；

根据所述训练标准率评估所述待监测训练者的康复程度。

较佳地，根据所述比对结果确定所述待监测训练者的训练姿态标准率，具体包括：

针对每一步态周期，计算所述待监测训练者在所述步态周期内的步态与预设的所述关键关节点对应的步态标准值之间的误差值；

根据所述误差值和所述关键关节点对应的步态标准值确定所述待监测训练者在所述步态周期内的训练姿态标准率。

第二方面，本发明实施例提供了一种人体步态监测装置，包括：

第一获取单元，用于获取训练时间段内利用图像采集设备采集的待监测训练者下肢运动的视频帧以及所述视频帧的采集时间；

第二获取单元，用于针对每一视频帧，根据预设的深度学习训练模型获取所述待监测训练者的下肢各关键关节点的二维像素坐标；

第一确定单元，用于针对每一关键关节点，根据所述关键关节点的二维像素坐标和所述图像采集设备的位置信息确定所述关键关节点的实际位置坐标；

第二确定单元，用于根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态周期和步态信息，其中，所述步态信息用于表征步伐形态；

比对单元，用于将所述步态周期内的步态信息与预设的所述关键关节点对应的步态标准值进行比对，获得比对结果。

较佳地，所述第二确定单元，具体用于根据各视频帧对应的所述关键关节点的实际位置坐标的变化与所述视频帧的采集时间确定所述待监测训练者每步的步态周期。

较佳地，所述步态信息包括步频，则所述第二确定单元，具体用于根据所述每步的步态周期确定所述待监测训练者每步的步频。

较佳地，所述步态信息包括步幅，则所述第二确定单元，具体用于根据所述每步的步态周期内的所述关键关节点的起始实际位置坐标确定所述待监测训练者每步的步幅。

可选地，所述装置，还包括：

第三确定单元，用于根据所述比对结果确定所述待监测训练者的训练姿态标准率；

评估单元，用于根据所述训练标准率评估所述待监测训练者的康复程度。

较佳地，所述第三确定单元，具体用于针对每一步态周期，计算所述待监测训练者在所述步态周期内的步态与预设的所述关键关节点对应的步态标准值之间的误差值；根据所述误差值和所述关键关节点对应的步态标准值确定所述待监测训练者在所述步态周期内的训练姿态标准率。

本发明提供的人体步态监测装置的技术效果可以参见上述第一方面或第一方面的各个实现方式的技术效果，此处不再赘述。

第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明所述的人体步态监测方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明所述的人体步态监测方法中的步骤。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例提供的人体步态监测方法的实施流程示意图；

图2为本发明实施例中，确定待监测训练者的训练姿态标准率的实施流程示意图；

图3为本发明实施例提供的人体步态监测装置的结构示意图；

图4为本发明实施例提供的电子设备的结构示意图。

具体实施方式

为了解决现有的人体步态监测方法需要患者佩戴传感器，造成康复训练操作不便的问题，本发明实施例提供了一种人体步态监测方法及装置。

以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明，并且在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

如图1所示，其为本发明实施例提供的人体步态监测方法的实施流程示意图，可以包括以下步骤：

s11、获取训练时间段内利用图像采集设备采集的待监测训练者下肢运动的视频帧以及所述视频帧的采集时间。

具体实施时，当待监测训练者利用下肢康复机器人进行康复训练时，下肢康复机器人获取训练时间段内利用图像采集设备采集的待监测训练者下肢运动的视频帧，以及所述视频帧的采集时间。其中，图像采集设备可以是内置在下肢康复机器人上的图像采集模块，也可以是外置的图像采集装置，如摄像机等，本发明实施例对此不作限定。

s12、针对每一视频帧，根据预设的深度学习训练模型获取所述待监测训练者的下肢各关键关节点的二维像素坐标。

具体实施时，下肢康复机器人针对每一视频帧，根据预设的深度学习训练模型获取待监测训练者的下肢各关键关节点的二维像素坐标，其中，关键关节点可以但不限于包括：左腿及右腿的膝关节点和踝关节点四个关节点。预设的深度学习训练模型可以为openpose人体姿态识别模型，该模型可以识别出视频帧中人体关键点的位置，实时记录下下肢左腿及右腿的膝关节点和踝关节点的二维像素坐标。

s13、针对每一关键关节点，根据所述关键关节点的二维像素坐标和所述图像采集设备的位置信息确定所述关键关节点的实际位置坐标。

具体实施时，下肢康复机器人根据每一关键关节点的二维像素坐标和所述图像采集设备的位置信息确定所述每一关键关节点的实际位置坐标。

具体地，图像采集设备获取的是二维图像，直接获取的各关键关节点的二维像素坐标是图像上的尺寸坐标，通过小孔成像原理可知，实际尺寸与图像满足三角形相似原理，相似比例可用焦距和图像采集设备与人体距离来确定。

s14、根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态周期和步态信息。

具体实施时，针对每一关键关节点，下肢康复机器人根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态周期和步态信息，其中，所述步态信息包括步频和步幅。

具体地，根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态周期，具体包括：根据各视频帧对应的所述关键关节点的实际位置坐标的变化与所述视频帧的采集时间确定所述待监测训练者每步的步态周期。

具体实施时，当待监测训练者每迈出一步所用的时间即为每步的步态周期。

具体地，可以将第一帧视频中待监测训练者开始运动前静止站立时，所述关键关节点对应的坐标点设置为参考点，所述关键关节点每连续两次经过所述参考点时所用的时间即为一个步态周期。

具体地，可以通过以下公式计算每步的步态周期：

δtn＝tn+1(x＝0)-tn(x＝0)

δtn表示第n个步态周期；

tn+1(x＝0)表示所述关键关节点第n+1次经过参考点处的时刻，即第n+1帧视频帧的采集时间；

tn-1(x＝0)表示所述关键关节点第n次经过参考点处的时刻，即第n帧视频帧的采集时间。

进而，根据每步的步态周期确定所述待监测训练者每步的步频，步态周期的倒数即为步频。

具体计算公式如下：

其中，fn表示所述待监测训练者在第n个步态周期内的步频；

以及根据所述每步的步态周期内的所述关键关节点的起始实际位置坐标确定所述待监测训练者每步的步幅。

具体地，可以通过以下公式计算所述待监测训练者每步的步幅：

an＝hn(xmax)+hn(xmin)

其中，an表示所述待监测训练者在第n个步态周期内的步幅；

hn(xmax)表示所述关键关节点在第n个步态周期在x轴正方向移动的距离的最大值；

hn(xmin)表示所述关键关节点在第n个步态周期在x轴反方向移动的距离的最大值。

通过以上公式，可以基于待监测训练者的左腿(或右腿)膝关节点计算出待监测训练者的每一步态周期内(即每步)的步频、步幅，以及基于待监测训练者的左腿(或右腿)踝关节点计算出待监测训练者的每一步态周期内(即每步)的步频、步幅。

s15、将所述步态周期内的步态信息与预设的所述关键关节点对应的步态标准值进行比对，获得比对结果。

具体实施时，下肢康复机器人预先设置各训练周期内(各训练时间段内)各关键关节点对应的步态标准值(即步频标准值和步幅标准值)，并存储。

具体地，下肢康复机器人将步骤s14获得的所述步态信息与预设的所述关键关节点对应的步态标准值进行比对，获得比对结果。

具体地，分别将待监测训练者基于各关键关节点获得的每步的步频和对应训练周期内的所述各关键关节点对应的步频标准值进行比对，分别将待监测训练者基于各关键关节点获得的每步的步幅和对应训练周期内的所述各关键关节点对应的步幅标准值进行比对，获得比对结果。

进一步地，根据所述比对结果确定所述待监测训练者的训练姿态标准率。

具体实施时，可以按照如图2所示的流程确定待监测训练者的训练姿态标准率，可以包括以下步骤:

s21、针对每一步态周期，计算所述待监测训练者在所述步态周期内的步态与预设的所述关键关节点对应的步态标准值之间的误差值。

具体实施时，针对每一步态周期，分别计算待监测训练者基于每一关键关节点获得的在所述步态周期内的步频和对应训练周期内预设的所述关键关节点对应的步频标准值之间的误差值，以及分别计算待监测训练者基于每一关键关节点获得的在所述步态周期内的步幅和对应训练周期内预设的所述关键关节点对应的步幅标准值之间的误差值。

s22、根据所述误差值和所述关键关节点对应的步态标准值确定所述待监测训练者在所述步态周期内的训练姿态标准率。

具体实施时，针对每一步态周期，可以首先利用以下方式计算每一关键关节点对应的步频标准率：用1减去所述关键关节点对应的步频误差值与步频标准值的比值的绝对值，得出所述关键关节点对应的步频标准率。类似地，可以利用以下方式计算每一关键关节点对应的步幅标准率：用1减去所述关键关节点对应的步幅误差值与步幅标准值的比值的绝对值，得出所述关键关节点对应的步幅标准率。

进而，对所述每一关键关节点对应的步频标准率和步幅标准率加权求和，计算出所述待监测训练者在所述步态周期内的训练姿态标准率，即每步的训练姿态标准率。

较佳地，可以绘制待监测训练者在训练周期内的每一步态周期内的训练姿态标准率曲线。

进一步地，根据所述训练姿态标准率评估所述待监测训练者的康复程度。

具体实施时，根据预设的训练姿态标准率与康复程度的对应关系确定所述训练标准率对应的待监测训练者的康复程度。

本发明实施例提供的人体步态监测方法，下肢康复机器人获取训练时间段内利用图像采集设备采集的待监测训练者下肢运动的视频帧以及所述视频帧的采集时间，针对每一视频帧，根据预设的深度学习训练模型获取待监测训练者的下肢各关键关节点的二维像素坐标，针对每一关键关节点，根据所述关键关节点的二维像素坐标和所述图像采集设备的位置信息确定所述关键关节点的实际位置坐标，根据所述关键关节点的实际位置坐标与所述视频帧的采集时间，确定所述待监测训练者每步的步态周期和步态信息，其中，所述步态信息用于表征步伐形态，进而，将所述步态周期内的步态信息与预设的所述关键关节点对应的步态标准值进行比对，获得比对结果，根据本发明实施例提供的人体步态监测方法，利用预设的深度学习训练模型对人体下肢各关键关节点的运动捕捉，获取下肢各关键关节点在每一视频帧上的二维像素坐标，可以在不必佩戴传感器设备的前提下，实时获取待监测训练者在康复训练过程中的步态信息，将获取的步态信息与预设的各关键关节点对应的步态标准值进行比对，以根据比对结果评定康复训练过程中的训练姿态的标准率以及评估康复训练效果。

基于同一发明构思，本发明实施例还提供了一种人体步态监测装置，由于上述人体步态监测装置解决问题的原理与人体步态监测方法相似，因此上述装置的实施可以参见方法的实施，重复之处不再赘述。

如图3所示，其为本发明实施例提供的人体步态监测装置的结构示意图，可以包括：

第一获取单元31，用于获取训练时间段内利用图像采集设备采集的待监测训练者下肢运动的视频帧以及所述视频帧的采集时间；

第二获取单元32，用于针对每一视频帧，根据预设的深度学习训练模型获取所述待监测训练者的下肢各关键关节点的二维像素坐标；

第一确定单元33，用于针对每一关键关节点，根据所述关键关节点的二维像素坐标和所述图像采集设备的位置信息确定所述关键关节点的实际位置坐标；

第二确定单元34，用于根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态周期和步态信息，其中，所述步态信息用于表征步伐形态；

比对单元35，用于将所述步态周期内的步态信息与预设的所述关键关节点对应的步态标准值进行比对，获得比对结果。

较佳地，所述第二确定单元34，具体用于根据各视频帧对应的所述关键关节点的实际位置坐标的变化与所述视频帧的采集时间确定所述待监测训练者每步的步态周期。

较佳地，所述步态信息包括步频，则所述第二确定单元34，具体用于根据所述每步的步态周期确定所述待监测训练者每步的步频。

较佳地，所述步态信息包括步幅，则所述第二确定单元34，具体用于根据所述每步的步态周期内的所述关键关节点的起始实际位置坐标确定所述待监测训练者每步的步幅。

可选地，所述装置，还包括：

第三确定单元，用于根据所述比对结果确定所述待监测训练者的训练姿态标准率；

评估单元，用于根据所述训练标准率评估所述待监测训练者的康复程度。

较佳地，所述第三确定单元，具体用于针对每一步态周期，计算所述待监测训练者在所述步态周期内的步态与预设的所述关键关节点对应的步态标准值之间的误差值；根据所述误差值和所述关键关节点对应的步态标准值确定所述待监测训练者在所述步态周期内的训练姿态标准率。

基于同一技术构思，本发明实施例还提供了一种电子设备400，参照图4所示，电子设备400用于实施上述方法实施例记载的人体步态监测方法，该实施例的电子设备400可以包括：存储器401、处理器402以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如人体步态监测程序。所述处理器执行所述计算机程序时实现上述各个人体步态监测方法实施例中的步骤，例如图1所示的步骤s11。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如31。

本发明实施例中不限定上述存储器401、处理器402之间的具体连接介质。本申请实施例在图4中以存储器401、处理器402之间通过总线403连接，总线403在图4中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。所述总线403可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器401可以是易失性存储器(volatilememory)，例如随机存取存储器(random-accessmemory，ram)；存储器401也可以是非易失性存储器(non-volatilememory)，例如只读存储器，快闪存储器(flashmemory)，硬盘(harddiskdrive，hdd)或固态硬盘(solid-statedrive，ssd)、或者存储器401是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器401可以是上述存储器的组合。

处理器402，用于实现如图1所示的一种人体步态监测方法，包括：

所述处理器402，用于调用所述存储器401中存储的计算机程序执行如图1中所示的步骤s11、获取训练时间段内利用图像采集设备采集的待监测训练者下肢运动的视频帧以及所述视频帧的采集时间，步骤s12、针对每一视频帧，根据预设的深度学习训练模型获取所述待监测训练者的下肢各关键关节点的二维像素坐标，步骤s13、针对每一关键关节点，根据所述关键关节点的二维像素坐标和所述图像采集设备的位置信息确定所述关键关节点的实际位置坐标，步骤s14、根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态周期和步态信息，其中，所述步态信息用于表征步伐形态，和步骤s15、将所述步态信息与预设的所述关键关节点对应的步态标准值进行比对，获得比对结果。

本申请实施例还提供了一种计算机可读存储介质，存储为执行上述处理器所需执行的计算机可执行指令，其包含用于执行上述处理器所需执行的程序。

在一些可能的实施方式中，本发明提供的人体步态监测方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使所述电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的人体步态监测方法中的步骤，例如，所述电子设备可以执行如图1中所示的步骤s11、获取训练时间段内利用图像采集设备采集的待监测训练者下肢运动的视频帧以及所述视频帧的采集时间，步骤s12、针对每一视频帧，根据预设的深度学习训练模型获取所述待监测训练者的下肢各关键关节点的二维像素坐标，步骤s13、针对每一关键关节点，根据所述关键关节点的二维像素坐标和所述图像采集设备的位置信息确定所述关键关节点的实际位置坐标，步骤s14、根据所述关键关节点的实际位置坐标和所述视频帧的采集时间，确定所述待监测训练者每步的步态周期和步态信息，其中，所述步态信息用于表征步伐形态，和步骤s15、将所述步态信息与预设的所述关键关节点对应的步态标准值进行比对，获得比对结果。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。

本发明的实施方式的用于人体步态监测的程序产品可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在计算设备上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。