行人识别装置及其方法与流程

本发明涉及行人识别技术，更详细地，涉及可通过识别车辆周边的客体来判断行人与否的行人识别装置及其方法。

背景技术：

通常，周边景观监控系统为通过设置于车辆外部的前后左右的摄像头来显示在车辆周边的360度的范围内发生的情况的技术。周边景观监控系统如从天空俯瞰般在显示器显示车辆周边并对车辆周边的停车空间和行驶空间进行监控，由此，可以在狭小的空间方便地进行停车和行驶。

韩国授权专利第10-0499267号中公开了车辆后退或转换前进方向时，可确认后方物体的后方的影像及与后方物体的距离的车辆用后方观测系统。这种技术与后方的影像一同提供后方物体和车辆之间的距离，从而使驾驶人员方便地驾驶。

韩国公开专利第10-2013-0095525号公开了画面提供车辆的周边景观影像和前方及后方影像，根据转向角变化，以更多显示车辆前进方向的影像的方式对前方及后方影像进行处理来画面提供的考虑到车辆前进方向的周边景观系统及周边景观提供方法。这种技术可对驾驶人员提供对车辆前进方向更宽广的视野。

技术实现要素：

(发明所要解决的问题)

本发明一实施例的目的在于，提供可通过识别存在于车辆周边的客体来判断行人与否的行人识别装置。

本发明一实施例的目的在于，提供以从摄像头接收的影像中的客体的移动性来确定行人与否来确定与车辆额碰撞可能性的行人识别装置。

本发明一实施例的目的在于，提供可根据行人与车辆中之间的碰撞可能性来对行人进行视觉指导的行人识别装置。

(解决问题所采用的措施)

在实施例中，行人识别装置包括；影像接收部，用于从摄像头依次接收多个影像；以及行人确定部，用于执行如下步骤：从在上述影像中的至少一个客体检测行人候补客体的行人候补客体检测步骤；利用上述多个影像来判断上述行人候补客体的移动与否而确定为移动行人候补客体的移动性确定步骤；以及对上述移动行人候补客体进行规定的演算，若通过上述规定的演算来求出的值为临界值以上，则将上述移动行人候补客体确定为行人的行人可能性确定步骤。

优选地，还包括行人碰撞可能性确定部，如果上述行人和上述车辆之间的距离靠近，则上述行人碰撞可能性确定部确定存在上述行人和上述车辆之间的碰撞可能性，如果有碰撞可能性，则上述行人碰撞可能性确定部向上述客体覆盖视觉指导来进行显示。

优选地，上述行人确定部通过循环执行上述行人候补客体检测步骤、上述移动性确定步骤及行人可能性确定步骤来确定对于上述至少一个客体的行人可能性。

优选地，上述行人确定部还包括在上述行人候补客体检测步骤之前从所接收的上述影像中提取上述至少一个客体的客体提取步骤。

优选地，在上述行人候补客体检测步骤中，上述行人确定部检测上述至少一个客体的垂直成分并确定对于所检测的上述垂直成分的行人图案的类似度。

优选地，在上述移动性确定步骤中，上述行人确定部以对于从当前时点至过去特定时点为止的影像中的相同行人候补客体的影像差为基础来确定上述行人候补客体的移动性。

优选地，在上述行人可能性确定步骤中，上述行人确定部执行对于上述移动行人候补客体的方向梯度直方图演算，若在对于对应行人候补客体的方向梯度直方图演算结果执行支持向量机加权值演算来算出的值为已设定的临界值以上，则将上述行人候补客体确定为行人。

优选地，上述行人确定部以所接收的上述影像的远近度为基础来推定与对应方向梯度直方图演算区域相对应的行人候补客体的区域。

优选地，上述行人确定部通过可变大小的多个像素来调节上述行人候补客体的区域的大小。

优选地，还包括以对应客体与车辆之间的距离为基础，检测对于对应客体的车辆碰撞可能性来控制车辆的速度减少及警告音生成中的至少一个的磁导率紧急制动部。

在实施例中，行人识别方法包括：从摄像头依次接收多个影像的步骤；以及将移动行人候补客体确定为行人的步骤，其从在上述影像中的至少一个客体检测行人候补客体，利用上述多个影像来判断上述行人候补客体的移动与否而确定为上述移动行人候补客体，对上述移动行人候补客体进行规定的演算，若通过上述规定的演算来求出的值为临界值以上，则将上述移动行人候补客体确定为行人。

优选地，还包括如下步骤：如果上述行人和上述车辆之间的距离靠近，则确定存在上述行人和上述车辆之间的碰撞可能性，如果有碰撞可能性，则向上述客体覆盖视觉指导来进行显示。

优选地，还包括如下步骤：如果上述行人和上述车辆之间的距离靠近，则确定存在上述行人和上述车辆之间的碰撞可能性，如果有碰撞可能性，则还对上述车辆的速度减少及警告音生成中的至少一个进行控制。

(发明的效果)

本发明的行人识别装置可通过识别存在于车辆周边的客体来判断行人与否。

本发明的行人识别装置以从摄像头接收的影像中的客体的移动性来确定行人与否来确定与车辆的碰撞可能性。

本发明一实施例的行人识别装置可根据行人与车辆中之间的碰撞可能性来对行人进行视觉指导。

附图说明

图1为说明本发明一实施例的行人识别装置的图。

图2为说明图1所示的行人识别装置的框图。

图3为说明图1所示的行人识别装置的行人确定部的框图。

图4为说明执行对于行人候补客体的方向梯度直方图演算的过程的图。

图5为例示性说明通过直方图呈现计算的单元内边缘的方向和对于各个方向的值的过程的图。

图6为例示性说明通过在技术人员向量执行支持向量机加权值演算来确定行人的过程的图。

图7为说明通过调节在一个单元中的像素的数量来调节行人候补客体的区域的大小的图。

图8为说明图1所示的行人识别装置中执行的行人识别过程的流程图。

具体实施方式

本发明的描述仅仅是结构或功能说明的示例，并且本发明的范围不应被解释为受到文中描述的实施例的限制。也就是说，实施例被解释为具有各种形式，并且具有各种形式，使得本发明的范围应被理解为包括能够实现技术思想的等同物。此外，本发明的目的或效果不应被解释为限制本发明的范围，因为这并不意味着具体实施方案应包括所有或仅仅这样的效果。

同时，本申请中描述的术语的含义应理解如下。

除非另有定义，本文使用的所有术语具有与本发明所属领域的普通技术人员通常理解的相同的含义。通常使用的预定义术语应被解释为与相关技术的上下文中的含义一致，并且不能被解释为具有理想或过度的形式含义，除非在本申请中明确定义。

图1为说明本发明一实施例的行人识别装置的图。

参照图1，行人识别装置100设置于车辆10，以从摄像头20获取的影像为基础来确定存在于与车辆10周边的客体的行人与否。摄像头20在至少一个时点分别对车辆10周围进行分割来形成至少一个图像。在一实施例中，摄像头20设置于车辆10的前方来使车辆10前方的周边环境成像。根据另一实施例，摄像头20分别设置于车辆10的前方、后方及两侧，从而使车辆10的前方、后方及两侧方各个的周边环境进行成像。

若车辆10的周边的客体对应行人，则行人识别装置100根据对于行人的车辆10碰撞可能性来生成视觉指导。视觉指导与向驾驶人员视觉性提供的引导件。行人识别装置100根据对于行人的车辆10碰撞功能性来控制车辆10的速度减少及警告音生成中的至少一个。以下，在图2中详细说明行人识别装置100。

图2为说明图1所示的行人识别装置的框图。图3为说明图1所示的行人识别装置的行人确定部的框图。

参照图2及图3，行人识别装置100包括影像接收部210、行人确定部220、行人碰撞可能性确定部230、磁导率紧急制动部240及控制部250。

影像接收部210从摄像头20接收影像。影像接收部210以从摄像头20获取的影像为基础来生成周边景观。周边景观为以通过设置于车辆10的前方、后方及两侧方的摄像头20成像的多个图像为基础来生成在车辆10的360度范围发生的周边环境的实时图像。

在一实施例中，影像接收部210以在摄像头20成像的时间为基础来合并至少两个周边景观并生成时间顺序的周边环境景观。以具有连续时间的影像为基础生成至少两个周边景观。

行人确定部220包括客体提取模块211、行人候补提取模块212、移动性确定模块213及行人可能性确定模块214。

客体提取模块211在行人候补检测步骤之前，提取从摄像头20接收的影像中的至少一个客体。客体可包括在影像中的动态客体(例如，行人、动物)及静态客体(例如，如树木、标志牌的物体)。客体提取模块211在影像中检测边缘(或边界线)(edge)来提取具有规定大小以上的区域的至少一个以上的客体。例如，客体提取模块211将通过边缘划分的规定大小以上的区域提取为客体并可以无视小于规定大小的区域。

在一实施例中，客体提取模块211以在影像中的背景和客体之间的颜色差异来提取至少一个客体。客体提取模块211计算影像的像素值来使具有类似颜色值的区域称为一组并可将一个组作为一个客体来提取。其中，客体的像素根据具有类似颜色值的特性来组成一个区域。

在另一实施例中，客体提取模块211利用如canny边缘检测算法、线(line)边缘检测算法、拉普拉斯(laplacian)边缘检测算法等的边缘检测算法来检测影像内边界线并提取客体。例如，客体提取模块211以检测的边界线为基础来将与北京区分的区域形成为一组并提取客体。

行人候补提取模块212通过简单特征分析(simplefeatureanalysis)来在由客体提取模块211提取的至少一个客体中检测行人候补客体。行人候补客体可包括可以与行人相对应的至少一个客体。从客体提取与行人(检测对象客体)的特定特征相对应的特征并对其进行比较，由此，行人候补提取模块212可预先去除与行人(检测对象客体)无关的客体。由此，本发明可减少装置的演算量并提高处理速度。

例如，行人候补提取模块212检测对于提取的至少一个客体的垂直成分，确定检测的垂直成分和行人图案(pattern)之间的类似度来检测行人候补客体。在一实施例中，行人候补提取模块212分析对于提取的客体的边缘来检测边缘的垂直成分。若对于提取的客体的边缘的垂直成分与已定义的行人图案(例如，以垂直成分中开始分为两个的地点的水平线为基准，将水平线的上方定义为垂直成分的上段部，将水平线的下方定义为垂直成分的下段部，垂直成分的上段部长度为下段部长度的60至140％，垂直成分的下段部从水平线向长度方向分为两个的类型)类似，则行人候补提取模块212可第一次验证成对应客体与行人候补客体对应。例如，行人候补提取模块212在对于客体的边缘之中检测垂直方向的边缘(或，与垂直方向倾斜规定角度以内的边缘)，整列及比较检测的边缘所形成的形状和存储于规定表格的人的垂直方向基准形状，在两个形状之间的类似度为临界值以上的情况下，可将对应客体检测为行人候补客体。

行人候补提取模块212分析第一次验证的行人候补客体的边缘的内部区域，若边缘的内部区域与行人图案(例如，垂直成分的下段部内边缘的内部处于空心状态的类型)类似，则可最终验证为对应客体与行人候补客体相对应。

移动性确定模块213对之前影像和当前影像进行比较来确定行人候补客体的移动与否。移动性确定模块213以从当前时点至过去特定时点的影像中的相同行人候补客体的影像差异为基础来确定行人候补客体的移动与否。相同行人候补客体可根据各个行人候补客体所具有的图案来确定相同性。

在一实施例中，移动性确定模块213在当前时点至过去特定时点的影像中提取对于相同行人候补客体的运动向量(对于移动的方向和大小值)来检测前后移动及左右移动中的至少一个。前后移动及左右移动可根据第一时点的影像帧(frame)中对于行人候补客体的运动向量和与第一时点之前的时点对应的第二时点的影像帧中的对于行人候补客体的运动向量之间的变化来检测。

在另一实施例中，移动性确定模块213利用之前时点的影像和当前时点的影像之间的差异来确定行人候补客体的移动与否。

例如，移动性确定模块213将当前时点的影像帧(例如，第k个影像帧)和之前时点的影像帧(例如，第k-1个影像帧)分别分割为规定大小的块(block)。块由m×n个的像素构成(m，n为正数)。移动性确定模块213计算在第k个影像帧选择的特定块和第k-1个影像帧的个别块之间的像素值只差，以块之间的像素值差为基础来确定行人候补客体的移动与否。

例如，在第k个影像帧的特定块(或多个块)包括行人候补客体的情况下，移动性确定模块213比较第k个影像帧的相应块和第k-1个影像帧中规定位置的块来计算块之间对应的像素之间的像素值差异。移动性确定模块213计算块之间对应的像素之间的像素值差异的绝对值来计算绝对差值之和(sad，sumofabsolutedifference)值。绝对差值之和可通过以下数学式1计算。

数学式1

iij(k)中，第k个影像帧的块的第i个行、第j列的像素值，iij(k-1)中，第k-1个影像帧的块的第i个行、第j个列的像素值

在计算最初对应的位置的块之间绝对差值之和值之后，移动性确定模块213改变与第k个影像帧的特定块(包括行人候补客体的块或多个块)相对应的第k-1个影像帧的块的位置来计算绝对差值之和。例如，移动性确定模块213在第k-1个影像帧中沿着螺旋型(spiral)方向改变块的位置并计算块之间的绝对差值之和值。

移动性确定模块213对各个块计算绝对差值之和之后，计算在第k-1个影像帧中的绝对差值之和最小的块。对第k个影像帧的特定块(包括行人候补客体的块或多个块)和第k-1个影像帧的块进行比较来计算绝对差值之和的结果，具有最小的绝对差值之和的第k-1个影像帧的块(或多个块)可以相应于与第k个影像帧的特定块对应的块。

移动性确定模块213以是否改变第k个影像帧和第k-1个影像帧中的对应块的位置为基础来将行人候补客体确定为移动行人候补客体。行人可能性确定模块214确定对于移动行人候补客体的行人可能性。行人可能性确定模块214执行对于移动行人候补客体的方向梯度直方图(hog，histogramoforientedgradient)演算，在对于对应移动行人候补客体的方向梯度直方图演算结果执行支持向量机(svm，supportvectormachine)加权值演算。若对方向梯度直方图演算结果执行支持向量机加权值演算来计算的值为已设定的临界值以上，则行人可能性确定模块214可将对应移动行人候补客体确定为行人。方向梯度直方图为通过直方图呈现出边缘的方向，在客体的形态变化并不严重，内部图案简单，可通过客体的轮廓线识别客体的情况下，可使用方向梯度直方图。另一方面，在上述实施例中，作为当前影像帧和之前影像帧使用了第k个影像帧和第k-1个影像帧，但本发明的技术思想不限于此。即，使用计数器来将第k个影像帧和第k-10个影像帧利用为当前影像帧和之前影像帧，这是本发明所属领域普通技术人员所公知的事项，因而有可能使本发明的本质变得模糊，因此省略具体说明。

图4为说明执行对于行人候补客体的方向梯度直方图演算的过程的图。

行人可能性确定模块214为了执行方向梯度直方图演算而在影像帧中提取包括移动行人候补客体的区域。

以下，为了说明的便利，假设提取64像素呈128像素大小的区域来进行说明(图4的(a))。行人可能性确定模块214借助于规定大小的单元(cell)和块(block)来定义提取的区域。例如，像素为8像素×8像素大小，块可具有2单元×2单元或3单元×3单元大小。单元和块的大小可根据实例改变。

以下，为了说明的便利，单元具有8像素×8像素大小，块具有2单元×2单元的大小。行人可能性确定模块214可将提取的区域划分为8单元×16单元(总共128单元)(图4的(b))。行人可能性确定模块214以沿着垂直或水平方向折叠一个单元线的方式定义块，从而在提取的区域定义7块×15块(总共105块)(参照图4的(c))。

行人可能性确定模块214按定义的单元单位执行方向梯度直方图演算来计算单元内边缘的方向。在一实施例中，行人可能性确定模块214将边缘的方向标准化为规定数量的角度方向(anglebin)来计算。图5为例示性说明通过直方图呈现计算的单元内边缘的方向和对于各个方向的值的过程的图。参照图5，将单元内边缘的方向标准化为8个角度方向，通过直方图表示对于各个方向的值。

行人可能性确定模块214将对各个单元计算的边缘的方向的值分为单元所在的块整体的平均值并执行各个块的标准化(normalize)。行人可能性确定模块214可通过标准化来减少照明、对比(contrast)等的演算结果的影响。

在对各个块执行标准化之后，行人可能性确定模块214罗列各个块的标准化值来计算描述符向量(descriptorvector)。例如，行人可能性确定模块214按已设定的顺序罗列各个块的标准化的各个边缘的方向的值来计算描述符向量。描述符向量呈现出对应块的方向梯度直方图特性。

行人可能性确定模块214对计算的描述符向量执行支持向量机加权值计算，若计算的值为已设定的临界值以上，则可将对应移动行人候补客体确定为行人。

图6为例示性说明通过在技术人员向量执行支持向量机加权值演算来确定行人的过程的图。

图6的(a)为示出对于检测对象(行人)的图像的平均梯度图像的图。图6的(b)为示出以图6的(a)的平均梯度图像为基础计算的正向(positive)的加权值的图，图6的(c)为示出图6的(a)的平均梯度图像为基础计算的负向(negative)支持向量机加权值的图。以梯度图像为基础计算支持向量机加权值的方法，对本技术领域普通技术人员而言是显而易见的，因而有可能使本发明的本质变得模糊，因此省略具体说明。

图6的(d)示出包括在影像帧中提取的行人候补客体的区域，图6的(e)为对图6的(d)进行方向梯度直方图演算来计算的描述符向量的图。图6的(d)为示出以各个单元计算的描述符向量为基础，对于方向的值越高，亮度越亮的图。

图6的(f)为示出对各个单元计算的描述符向量(图6的(d))进行正向支持向量机加权值(图6的(b))进行加权演算(weighted)结果的图，图6的(g)为示出对各个单元计算的描述符向量(图6的(d))进行负向支持向量机加权值(图6的(c))的加权演算的结果的图。图6的(f)表示在描述符向量中检测对象客体(行人)最接近的成分，图6的(g)表示在描述符向量中与检测对象客体(行人)距离最远的成分。

若对计算的描述符向量进行正向支持向量机加权值来计算的值为已设定的临界值以上，则行人可能性确定模块214将对应移动行人候补客体确定为行人。

在一实施例中，行人可能性确定模块214以从摄像头20接收的影像的远近度(nearandfardegree)为基础来规定与对应方向梯度直方图演算区域对应的行人候补客体的区域。与远离的移动行人候补客体的情况相比，移动行人候补客体的区域的大小在靠近的移动行人候补客体的情况下更大。移动行人候补客体以深度值(z轴)为基础来确定远离或靠近程度的远近度。行人候补客体的区域为包括移动行人候补客体的四角形。

在一实施例中，行人可能性确定模块214调节在一个单元中的像素的数量来调节移动行人候补客体的区域的大小。图7为说明通过调节在一个单元中的像素的数量来调节移动行人候补客体的区域的大小的图。

图7的(a)为示出在一个单元包括8像素×8像素的情况的图，图7的(b)为示出一个单元包括6像素×6像素的情况的图。

远离摄像头的移动行人候补客体可作为相对小的区域提取，靠近的移动行人候补客体可作为相对大的区域提取。与距离无关，在将单元的大小固定成规定大小的情况下(例如，8像素×8像素)，移动行人候补客体的区域被定义为少数量的块，从而导致计算的复杂。

行人可能性确定模块214调节在一个单元中的像素的数量，与移动行人候补客体的区域的大小无关，可以使在对应区域中的单元的数量和块的数量相同。因此，行人可能性确定模块214调节在一个单元中的像素的数量来调节移动行人候补客体的区域的大小，可通过相同模板检测更小的(更远离的)行人。

再次参照图2，行人确定部220循环执行行人候补检测步骤、移动性确定步骤及行人可能性确定步骤来确定至少一个客体的行人可能性。行人确定部220可通过行人候补提取模块212、移动性确定模块213及行人可能性确定模块214来提高对于一个客体的行人可能性的准确性。

行人碰撞可能性确定部以被确定为行人的客体的移动性为基础来确定对于对应客体的车辆碰撞可能性。若存在对于对应客体的车辆碰撞可能性，则行人碰撞可能性确定部230在对应客体透明地覆盖(overlay)视觉指导来在画面显示。

若被确定为行人的客体远离车辆10，则行人碰撞可能性确定部230确定为没有车辆碰撞可能性，若被确定为行人的客体靠近车辆10，则以被确定为行人的客体和车辆10之间的距离为基础来确定有车辆碰撞可能性。例如，行人碰撞可能性确定部230比较之前影像帧和当前影像帧，在被确定为行人的客体在影像帧内变大的情况下，可判断为靠近车辆10。相反，在被确定为行人的客体在影像帧内变小的情况下，行人碰撞可能性确定部230可判断为远离车辆10。

在一实施例中，若存在对于被确定为行人等的客体的车辆碰撞可能性，则行人碰撞可能性确定部230在从摄像头20接收的影像突出与被确定为行人的客体相关的客体的区域(例如，若碰撞可能性大，则成为红色，若碰撞可能性普通，则成为黄色)来进行显示或者通过箭头(或其他形状的指示线)显示来向驾驶人员视觉性提供对于行人的危险性。

磁导率紧急制动部240以对应客体和车辆10之间的距离为基础来检测对于对应客体的车辆碰撞可能性来控制车辆10的速度减少及警告音生成中的至少一种。磁导率紧急制动部240根据当前车辆10的速度和对应客体的移动与否来确定对应客体和车辆10之间的距离。例如，磁导率紧急制动部240以基于区域的大小的距离来确定客体和车辆10之间的距离，考虑车辆10的当前速度和客体的移动方向来推定客体和车辆10之间的距离。在一实施例中，行人识别装置可将基于客体的区域大小的距离以表格预先存储。在一实施例中，行人识别装置可将客体的大小变化量或客体的区域的位置变化量的客体移动速度以表格预先存储。

在一实施例中，若对应客体和车辆10之间的距离小于第一基准距离，则磁导率紧急制动部240生成警告音，若对应客体和车辆10之间的距离小于比第一基准距离短的第二基准距离，则生成车辆10的速度减少及警告音。

若在当前时点的影像帧中检测在之前时点的影像帧中我被检测的客体，则磁导率紧急制动部240可以使车辆10紧急制动。例如，磁导率紧急制动部240可判断在车辆10的附近突然出现对应客体来使车辆10紧急制动。

控制部250控制对于行人识别装置100的整体动作，并可控制行人碰撞可能性确定部230及磁导率紧急制动部240之间的动作及数据流动。

图8为说明图1所示的行人识别装置中执行的行人识别过程的流程图。

参照图8，影像接收部210从摄像头20接收影像(步骤s801)。

在一实施例中，影像接收部210以从摄像头20获取的影像为基础来生成周边景观。影像接收部210以在摄像头20成像的时间为基础来合并至少两个周边景观来按时间顺序生成周边环境景观。

行人确定部220在行人候补检测过程之前在从摄像头20接收的影像中提取至少一个客体。在一实施例中，行人确定部220在影像中检测边缘来提取具有通过边缘划分的规定大小以上的区域的一个客体。在另一实施例中，行人确定部220在从摄像头20接收的影像中，以背景和客体之间的颜色差异为基础来提取一个客体。

行人确定部220从由摄像头20接收的影像中提取的至少一个客体检测行人候补客体(步骤s802)。

在一实施例中，行人确定部220通过简单特征分析从客体提取与行人(检测对应客体)的特定特征相对应的特征并对其进行比较，由此，可检测行人候补客体。例如，行人确定部220检测至少一个客体的垂直成分并确定对于检测的垂直成分的行人图案的类似度来检测行人候补客体。

行人确定部220利用之前时点的影像和当前时点的影像之间的差异来确定行人候补客体的移动性与否(步骤s803)。

行人确定部220以对于从当前时点至过去特定时点的影像中的相同行人候补客体的影像差异为基础来确定行人候补客体的移动性。

行人确定部220确定对于移动行人候补客体的行人可能性(步骤s804)。

行人确定部220执行对于移动行人候补客体的方向梯度直方图演算，对在对于对应行人候补客体的方向梯度直方图演算结果执行支持向量机加权值演算，若计算的值为已设定的临界值以上，则可将行人候补客体确定为行人。行人可能性确定模块214以从摄像头20接收的影像的远近度为基础来推定与对应方向梯度直方图演算区域对应的行人候补区域。

行人确定部220循环执行行人候补检测步骤、行人候补的移动性与否确定步骤及行人可能性确定步骤来确定至少一个客体的行人可能性。

行人碰撞可能性确定部230以将被确定为行人的客体的移动与否为基础来确定对应课题的车辆碰撞可能性(步骤s405)。

若存在对于对应客体的车辆碰撞可能性，则行人碰撞可能性确定部230在对应客体透明地覆盖视觉指导来进行显示。

虽然为了说明的目的已经描述了各种实施例，但对本领域技术人员将显而易见的是，在不脱离如权利要求书限定的本发明的精神和范围的情况下可进行各种改变和修改。