课堂监控方法、装置及电子设备与流程

本发明涉及教学管理技术领域，尤其是涉及一种课堂监控方法、装置及电子设备。

背景技术：

近年来，我国教育信息化发展迅速，教育行业在时代变化的大背景下，也正朝着全方位变革的方向进行。教室作为教室和学生的教学和学习的重要场地，对于学生的学习效果影响明显，尤其对自控能力较差的低年龄段学生来说，学习过程中需要老师起到督促和情感支持的作用。

传统教室的教学环境，老师需要通过疑问确认环节、提问互动环节、课堂小测试环节等，在给出简单选择后，学生举手或者口头回答，该方式不能获得准确的统计数据，教师只能根据大体情况来判断学生对知识的接受程度。

因此，传统教学环境单一化、智能化程度低、信息化不足，难以获得准确的教学数据，从而无法进行后期数据统计，进而无法满足人们的日常教学和学习需求。

技术实现要素：

有鉴于此，本发明的目的在于提供课堂监控方法、装置及电子设备，以将教学与图像信息处理相融合，改善了传统教学环境单一化、智能化程度低、信息化不足的问题，并能够获得准确的教学数据，有利于提高课堂教学质量，便于进行后期数据统计，进而满足人们的日常教学和学习需求。

第一方面，本发明实施例提供了一种课堂监控方法，包括：

获取教室内的图像信息；

对所述图像信息进行特征提取，并基于预先存储的特征库，确定学生的课堂接受程度；

其中，所述特征库包括行为特征库和人脸特征库。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述对所述图像信息进行特征提取，并基于预先存储的特征库，确定学生的课堂接受程度包括：

对所述图像信息进行特征提取，获得人脸特征和行为特征；

基于所述人脸特征和所述人脸特征库，确定学生的情绪类型；

基于所述行为特征和所述行为特征库，确定所述学生的行为类型；

根据所述情绪类型和所述行为类型，确定所述学生的课堂接收程度。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述对所述图像信息进行特征提取，并基于预先存储的特征库，确定学生的课堂接受程度包括：

对所述图像信息进行预处理，提取人脸特征；

基于所述人脸特征与人脸特征库，确定检测对象的身份信息及情绪类型；

当根据所述身份信息确定所述检测对象为学生时，对所述图像信息进行行为识别，提取行为特征；

基于所述行为特征与行为特征库，确定所述学生的行为类型；

根据所述情绪类型和所述行为类型，确定所述学生的课堂接受程度。

结合第一方面的第一种或者第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述根据所述情绪类型和所述行为类型，确定所述学生的课堂接受程度包括：

根据所述情绪类型及预设的情绪分值关联信息，确定所述情绪类型对应的情绪分值；

根据所述行为类型及预设的行为分值关联信息，确定所述行为类型对应的行为分值；

根据所述情绪分值和情绪比重值，及所述行为分值及行为比重值，确定所述学生的课堂接收程度。

结合第一方面的第一种或者第二种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述基于所述行为特征与行为特征库，确定所述学生的行为类型之后，还包括：

判断所述学生的行为类型对应的行为是否为危险行为；

如果是，则发送报警信息至对应的家长终端。

结合第一方面的第一种或者第二种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述基于所述行为特征与行为特征库，确定所述学生的行为类型之后，还包括：

判断所述学生的行为类型对应的行为是否为预置行为；

如果是，则保存当前的图像信息至相应的成长档案。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，还包括：

接收家长终端发送的查看请求，所述查看请求包括班级信息；

根据所述查看请求，实时发送相应的图像信息至所述家长终端。

第二方面，本发明实施例还提供一种课堂监控装置，包括：

获取模块，用于获取教室内的图像信息；

确定模块，用于对所述图像信息进行特征提取，并基于预先存储的特征库，确定学生的课堂接受程度；

其中，所述特征库包括行为特征库和人脸特征库。

第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，所述存储器上存储有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计算机程序时实现上述第一方面及其任一种可能的实施方式所述的方法。

第四方面，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行所述第一方面及其任一种可能的实施方式所述方法。

本发明实施例带来了以下有益效果：

在本发明实施例中，该课堂监控方法包括：获取教室内的图像信息；对所述图像信息进行特征提取，并基于预先存储的特征库，确定学生的课堂接受程度；其中，该特征库包括行为特征库和人脸特征库。本发明提供的技术方案，通过人脸特征对比对学生的课堂情绪进行分析，通过行为特征对比对学生的课堂行为进行分析，从而从情绪和行为两个方面对学生的课堂接受程度进行分析，该方式将教学与图像信息处理相融合，改善了传统教学环境单一化、智能化程度低、信息化不足的问题，并能够获得准确的教学数据，有利于提高课堂教学质量，便于进行后期数据统计，进而满足人们的日常教学和学习需求。

本发明的其他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在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种课堂监控方法的流程示意图；

图2为本发明实施例提供的另一种课堂监控方法的流程示意图；

图3为本发明实施例提供的一种课堂监控装置的流程示意图；

图4为本发明实施例提供的电子设备的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前传统教学环境单一化、智能化程度低、信息化不足，难以获得准确的教学数据，从而无法进行后期数据统计，进而无法满足人们的日常教学和学习需求。

基于上述问题，本发明实施例提供的一种课堂监控方法、装置及电子设备，可以通过人脸特征对比对学生的课堂情绪进行分析，通过行为特征对比对学生的课堂行为进行分析，从而从情绪和行为两个方面对学生的课堂接受程度进行分析，该方式将教学与图像信息处理相融合，改善了传统教学环境单一化、智能化程度低、信息化不足的问题，并能够获得准确的教学数据，有利于提高课堂教学质量，便于进行后期数据统计，进而满足人们的日常教学和学习需求。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种课堂监控方法进行详细介绍。该方法可以但不限于应用于云服务器，并依靠相关硬件或者软件实现，主要用于教学应用。

实施例一：

图1示出了本发明实施例提供的一种课堂监控方法的流程示意图。如图1所示，该课堂监控方法包括：

步骤s101，获取教室内的图像信息。

其中，该图像可以通过安装在教室内的摄像头获取。摄像头可以为多个，分别设置在教室的不同的位置，因此其拍摄范围可以覆盖整个教室的各个角落，从而可以对教室内的学生进行拍摄并监控。

具体地，如该摄像头可以每间隔一定时间如1秒拍摄一次，也可以通过摄像头拍摄的课堂视频获得，如从课堂视频中自动截取获得图像。

步骤s102，对上述图像信息进行特征提取，并基于预先存储的特征库，确定学生的课堂接受程度。

其中，该特征库包括行为特征库和人脸特征库。该行为特征库和人脸特征库是基于预先采集的大量的人脸图像样本和行为图像样本为训练样本集而获取的。人脸特征库中存储有预先标记有情绪类型的人脸样本特征，行为特征库中存储有预先标记有行为类型的行为样本特征。

在可能的实施例中，上述步骤s102包括：

(a1)对上述图像信息进行特征提取，获得人脸特征和行为特征。

(a2)基于该人脸特征和人脸特征库，确定学生的情绪类型。

(a3)基于该行为特征和行为特征库，确定学生的行为类型。

(a4)根据该情绪类型和行为类型，确定学生的课堂接收程度。

具体地，对上述包含人脸信息的图像信息进行特征提取，获得学生的人脸特征和行为特征，将该人脸特征与人脸特征库中的人脸样本特征进行对比，以获得匹配的人脸样本特征并确定对应的情绪类型，将行为特征与行为特征库中的行为样本特征进行对比，以获得匹配的行为样本特征并确定对应的行为类型。根据该情绪类型和行为类型确定学生的课堂接受程度。

在可能的实施例中，情绪类型如高兴、伤心、低落、生气、疑惑等等；其中学生的动作类型，如端坐、扭头、低头、吃或喝东西、玩东西、躺靠、交头接耳、拄下巴、趴桌子、跳舞，走路，跑步，举手，跌倒等等。

在可能的实施例中，可以通过图像的拍摄时间确定当前是否在课堂上课阶段。课堂学生在课堂上课阶段中所表现出来的情绪可以表征该课堂学生对课程的专注程度和/或喜爱程度，根据课堂学生在在课堂上课阶段中表现的行为动作，表征该课堂学生对课程的专注程度。

课堂接受程度可以但不限于用低、中、高不同等级表示，或者可以用分数表示。在可能的实施例中，如果确定学生的情绪类型为高兴，动作类型为端坐，则确定学生的课堂接受程度为高；如果确定学生的情绪类型为低落，动作类型为扭头，则确定学生的课堂接受程度为低。

本发明提供的技术方案，通过人脸特征对比对学生的课堂情绪进行分析，通过行为特征对比对学生的课堂行为进行分析，从而从情绪和行为两方面对学生的课堂接受程度进行分析，该方式将教学与图像信息处理相融合，改善了传统教学环境单一化、智能化程度低、信息化不足的问题，并能够获得准确的教学数据，有利于提高课堂教学质量，便于进行后期数据统计，进而满足人们的日常教学和学习需求。

在另外可能的实施例中，上述步骤s102包括：

(b1)对上述图像信息进行预处理，提取人脸特征。

云服务器在接收到摄像头实时发送的图像信息后，通过检测人脸区域，追踪人脸特征随时间变化。当捕捉到一帧符合一定标准(例如符合配置的偏差范围内的正脸)的图像时，对图像进行预处理。

其中为了提高信噪比，上述预处理包括清除或降低图像信息中的图像模糊、运动模糊及几何失真，提高清晰度等。

具体地，从图像中信息中提取的人脸特征包括各种距离比例及角度值，如两眼间距离、两颊间距离、眼睛大小以及各特征点之间的组合形成的距离、角度值等。

(b2)基于上述人脸特征与人脸特征库，确定检测对象的身份信息及情绪类型。

其中检测对象为位于教室内的人，可以是该教室内上课的学生，也可以是其他教工人员。该身份信息可以为非学生，或者为学生及其学生标识。

该教室内上课的学生均事先经过相关软件进行注册登记，从而使得云服务器获取到每个学生对应的人脸样本特征，并将该人脸样本特征标记对应的学生标识。

具体地，人脸特征库中存储有预先标记有学生标识的人脸样本特征。可以将人脸特征与人脸特征库中的预先标记有学生标识的人脸样本特征进行对比，从而确定出与该人脸特征匹配的学生标识，进而定为到确切的学生，通过该方式实现了对检测对象的识别，得到该检测对象的身份信息。

在可能的实施例中，可以将人脸特征与预先标记有情绪类型的人脸样本特征进行对比，从而确定出该人脸特征对应的情绪类型，该情绪类型与对应的学生标识相关联。

另外情绪类型也可以利用如下方式确定：通过连续采集的图像信息，确定出对检测对象面部特征的变化，进而分析出带动产生的情绪类型。

(b3)当根据上述身份信息确定检测对象为学生时，对上述图像信息进行行为识别，提取行为特征。

(b4)基于上述行为特征与行为特征库，确定学生的行为类型。

将行为特征与行为特征库中的行为样本特征进行对比，以获得匹配的行为样本特征并确定对应的行为类型，该行为类型与对应的学生标识相关联。

(b5)根据上述情绪类型和上述行为类型，确定学生的课堂接受程度。

基于上述身份识别可以准确定位到课堂上的每个学生，通过情绪识别和情绪识别，确定每个课堂上每个学生的课堂接受程度。

在可能的实施例中，上述步骤(b5)包括：

(c1)根据上述情绪类型及预设的情绪分值关联信息，确定该情绪类型对应的情绪分值。

具体地，预先设置各个情绪类型对应的情绪分值，如高兴对应的情绪分值为90分，疑惑对应的情绪分值为50分。

(c2)根据上述行为类型及预设的行为分值关联信息，确定该行为类型对应的行为分值。

具体地，预先设置各个行为类型对应的情绪分值，如端坐对应的行为分值为90分，吃或喝东西对应的行动分值为50分。

(c3)根据情绪分值和情绪比重值，及行为分值及行为比重值，确定学生的课堂接收程度。

其中，情绪比重值和行为比重值是预先设定的，且均小于1，如设置情绪比重值为0.6，行为比重值为0.4。

在可能的实施例中，上述课堂接收程度用具体的分数表示，课堂接收程度＝情绪分值×情绪比重值+行为分值×行为比重值。

图2示出了本发明实施例提供的另一种课堂监控方法的流程示意图。如图2所示，该课堂监控方法包括：

步骤s201，获取教室内的图像信息。

其中，接收摄像头发送的图像信息，该图像信息中包括人脸信息。

步骤s202，对该图像信息进行预处理，进行人脸检测。

步骤s203，提取人脸特征，基于人脸特征和人脸特征库，确定人脸特征是否与人脸特征库中的人脸样本特征匹配。

具体地，该教室内进行上课的学生均需要进行注册，云服务器中保存有该学生的人脸样本特征。如果不匹配则确定该待检测对象为非学生，如果匹配则确定该待检测对象为学生。

如果匹配，则执行步骤s204；如果不匹配则流程结束。

步骤s204，确定检测对象的身份信息。

具体地，该待检测对象为学生时，该身份信息包括学生标识。将人脸特征与人脸特征库中预先标记有学生标识的人脸样本特征进行比较，从而确定出与该人脸特征匹配的学生标识，进而定为到确切的学生，如果人脸特征库中不包括与该人脸特征相匹配的人脸样本特征，则流程结束，或者也可以提示该检测对象为非学生。

步骤s205，对上述图像信息进行行为分析，提取行为特征。

步骤s206，基于该行为特征和行为特征库，确定检测对象的行为类型。

步骤s207，判断该检测对象的行为类型对应的行为是否为危险行为。

在可能的实施例中，危险行为包括摔倒、跳跃等行为，具体的可以由相关人员进行预先指定。如果该检测对象的行为类型对应的行为为危险行为，则执行步骤s208；如果检测对象的行为类型对应的行为不是危险行为，则执行步骤s209。

步骤s208，发送报警信息至上述身份信息对应的家长终端。

步骤s209，判断该检测对象的行为类型对应的行为是否为预置行为。

在可能的实施例中，预置行为包括举手、跳舞等行为，具体的可以由相关人员进行预先指定。如果该检测对象的行为类型对应的行为为预置行为，则执行步骤s210；如果检测对象的行为类型对应的行为不是预置行为，则流程结束。

步骤s210，保存当前的图像信息至身份信息对应的成长档案。

需要说明的是，上述步骤s207和步骤s208之间的先后顺序不限。

在可能的实施例中，该成长档案包括学生标识，家长终端可以随时查看该成长档案，上述方法还包括：接收家长终端发送的查看请求，该查看请求包括学生标识；根据该查看请求，实时发送相应的成长档案至家长终端。

为了使学生家长可以随时查看教室内的情况，了解学生在课堂上的表现，在另外的实施例中，每个教室均对应有预设的班级信息。上述方法还包括：接收家长终端发送的查看请求，该查看请求包括班级信息；根据该查看请求，实时发送相应的图像信息至家长终端。通过该手段，家长可以通过图像信息了解到教室内相应学生的上课情况。

综上所述，本发明提供的实施例具有如下优点：

通过采集图像信息并进行分析处理，实现信息技术和教学的融合。

通过人脸识别技术对学生的课堂情绪进行分析，实时判断学生对知识的接受程度，监督到老师教学中的不足，提高老师课堂教学质量。

老师和学生的任何课堂效果能够被系统有效的实时反馈，让学生愿意互动，乐于互动，享受互动。

配合视频监控抓取学员在教室内的片段，识别危险行为对家长端进行报警。家长可以登录特定的账号，随时查看孩子的上课学习情况，保护孩子安全的同时，更可保存珍贵视频片段，及时发现孩子在成长中的不足与优势。

本发明提供的技术方案，通过人脸特征对比对学生的课堂情绪进行分析，通过行为特征对比对学生的课堂行为进行分析，从而从情绪和行为两方面对学生的课堂接受程度进行分析，该方式将教学与图像信息处理相融合，改善了传统教学环境单一化、智能化程度低、信息化不足的问题，并能够获得准确的教学数据，有利于提高课堂教学质量，便于进行后期数据统计，进而满足人们的日常教学和学习需求。

实施例二：

基于实施例一中的课堂监控方法，本发明实施例提供了一种课堂监控装置，参见图3，该装置包括：

获取模块11，用于获取教室内的图像信息；

确定模块12，用于对上述图像信息进行特征提取，并基于预先存储的特征库，确定学生的课堂接受程度；

其中，该特征库包括行为特征库和人脸特征库。

进一步地，上述确定模块12还用于：

对上述图像信息进行预处理，提取人脸特征；

基于人脸特征与人脸特征库，确定检测对象的身份信息及情绪类型；

当根据该身份信息确定所述检测对象为学生时，对该图像信息进行行为识别，提取行为特征；

基于上述行为特征与行为特征库，确定学生的行为类型；

根据上述情绪类型和所述行为类型，确定学生的课堂接受程度。

本发明提供的技术方案，通过人脸特征对比对学生的课堂情绪进行分析，通过行为特征对比对学生的课堂行为进行分析，从而从情绪和行为两方面对学生的课堂接受程度进行分析，该方式将教学与图像信息处理相融合，改善了传统教学环境单一化、智能化程度低、信息化不足的问题，并能够获得准确的教学数据，有利于提高课堂教学质量，便于进行后期数据统计，进而满足人们的日常教学和学习需求。

实施例三：

参见图4，本发明实施例还提供一种电子设备100，包括：处理器40，存储器41，总线42和通信接口43，所述处理器40、通信接口43和存储器41通过总线42连接；处理器40用于执行存储器41中存储的可执行模块，例如计算机程序。

其中，存储器41可能包含高速随机存取存储器(ram，randomaccessmemory)，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线42可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器41用于存储程序，所述处理器40在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中，或者由处理器40实现。

处理器40可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(digitalsignalprocessing，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现成可编程门阵列(field-programmablegatearray，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器40读取存储器41中的信息，结合其硬件完成上述方法的步骤。

本发明实施例提供的课堂监控装置及电子设备，与上述实施例提供的课堂监控方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

本发明实施例所提供的进行课堂监控方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置及电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

附图中的流程图和框图显示了根据本发明的多个实施例方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或行为的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。