基于虚拟现实的人机交互处理方法及系统与流程

1.本技术涉及数据处理技术领域，具体而言，涉及基于虚拟现实的人机交互处理方法及系统。


背景技术：

2.人机交互技术（human-computer interaction techniques）是指通过计算机输入、输出设备，以有效的方式实现人与计算机对话的技术。人机交互技术包括机器通过输出或显示设备给人提供大量有关信息及提示请示等，人通过输入设备给机器输入有关信息，回答问题及提示请示等。人机交互技术是计算机用户界面设计中的重要内容之一。
3.现目前，科学技术不断的发展和进步，使人机交互能够更加快速的完成，提高工作效率。但是，在实际人机交互过程中，可能存在大量的干扰信息，这样一来，使的人机交互精度降低。因此，亟需一种技术方案以改善上述技术问题。


技术实现要素：

4.为改善相关技术中存在的技术问题，本技术提供了基于虚拟现实的人机交互处理方法及系统。
5.第一方面，提供一种基于虚拟现实的人机交互处理方法，应用于人机交互处理系统，所述方法至少包括：通过指定的参考数据识别线程，获取待识别人机交互数据的初始识别结果，所述初始识别结果至少涵盖：所述待识别人机交互数据涵盖的各个识别范围，其中，各个识别范围至少涵盖：根据设定交互内容生成一个识别约束条件；通过所述各个识别范围中，每i个识别范围的相似度，逐一执行如下步骤：基于i个识别范围的相似度各自涵盖识别约束条件的人机交互数据表达，确定对应的i个识别约束条件各自的种类依据，并结合指定的人机交互数据集，生成所述i个识别约束条件的种类依据集，对应的种类匹配程度；其中，i=2；将确定的种类匹配程度满足指定匹配情况的每i个识别范围的相似度，逐一确定为对应的参考识别范围，并基于每个参考识别范围各自涵盖的识别约束条件，确定对应的参考识别结果。
6.在一种独立实施的实施例中，所述通过指定的参考数据识别线程，获取待识别人机交互数据的初始识别结果之前，还包括：获得交互数据调试集，其中，一个交互数据调试中包括：对应不少于i个种类依据确定的关键特征与局部交互依据，所述关键特征至少涵盖：模板人机交互数据簇，其中，各模板人机交互数据涵盖根据设定模板交互内容，确定的不少于i个模板对应的识别约束条件；结合所述交互数据调试集中的交互数据调试，对指定的数据识别线程进行反复优化处理，在符合指定的要求时，输出数据优化线程；其中，在一次优化过程中，执行如下步骤：结合所述数据识别线程，基于交互数据调试中关键特征，获取第一评估结果，并通过所述第一评估结果与对应的局部交互依据之间的量化评估结果，调试所述数据识别线程的向量。
7.在一种独立实施的实施例中，所述第一评估结果与对应的局部交互依据之间的量
化评估结果，是结合以下方式确定的：通过指定的风险评估线程，生成所述第一评估结果与对应的局部交互依据之间的第一量化评估结果；通过指定的差异弥补线程，生成所述第一评估结果与对应的局部交互依据之间的第二量化评估结果；通过指定的分类预估线程，生成所述第一评估结果与对应的局部交互依据之间的第三量化评估结果，其中，所述分类预估线程是通过所述一个交互数据调试中，每i个模板对应的识别约束条件各自的种类依据集的种类匹配程度确定的；通过所述第一量化评估结果，所述第二量化评估结果，所述第三量化评估结果各自的第一可信度，进行处理，获取所述第一评估结果与对应的局部交互依据之间的量化评估结果。
8.在一种独立实施的实施例中，所述第一评估结果至少涵盖：所述数据识别线程通过所述交互数据调试确定的每个交互数据识别结果；则所述通过指定的分类预估线程，生成所述第一评估结果与对应的局部交互依据之间的第三量化评估结果，包括：通过所述交互数据调试中，各模板人机交互数据，逐一执行如下步骤：基于一个模板人机交互数据涵盖的，不少于i个模板对应的识别约束条件各自的约束范围，逐一生成每i个模板对应的识别约束条件的目标值；通过获取的每个目标值，从所述各模板人机交互数据中，确定参考模板范围，并确定与所述参考模板范围对应的参考判定范围；通过获取的每个目标值及所述参考判定范围，结合指定的分类预估线程，生成所述第一评估结果与对应的局部交互依据之间的第三量化评估结果。
9.在一种独立实施的实施例中，所述基于一个模板人机交互数据涵盖的，不少于i个模板对应的识别约束条件各自的约束范围，逐一生成每i个模板变量的目标值，包括：基于一个模板人机交互数据涵盖的，不少于i个模板对应的识别约束条件各自的约束范围，逐一生成每i个模板对应的识别约束条件间，对应的局部差异，并将所述局部差异，确定为所述i个模板对应的识别约束条件对应的目标值；或者，基于一个模板人机交互数据涵盖的，不少于i个模板对应的识别约束条件各自的约束范围，逐一生成每i个模板对应的识别约束条件间，对应的局部比较向量，并将所述局部比较向量，确定为所述i个模板对应的识别约束条件对应的目标值。
10.在一种独立实施的实施例中，所述通过获取的每个目标值及所述参考判定范围，结合指定的分类预估线程，生成所述第一评估结果与对应的局部交互依据之间的第三量化评估结果，包括：将所述参考判定范围涵盖的，不少于i个指定的模板对应的识别约束条件各自匹配的目标值，逐一确定为所述参考判定范围对应的参考匹配值；通过获取的每个参考匹配值，以及每个目标值，分别进行对应的去极化处理，获得对应的第一匹配平均值及第二匹配平均值；通过所述第一匹配平均值及所述第二匹配平均值，结合指定的分类预估线程，生成所述第一评估结果与对应的局部交互依据之间的第三量化评估结果。
11.在一种独立实施的实施例中，所述输出数据优化线程之后，还包括：通过所述交互数据调试集中的交互数据调试，继续对所述数据优化线程进行反复优化处理，并在符合指定的匹配要求时，输出参考数据识别线程；其中，在一次优化过程中，执行如下步骤：结合所述数据优化线程，通过所述交互数据调试中关键特征，获取第二评估结果，并通过所述第二评估结果与对应的局部交互依据之间的量化评估结果，调试所述参考数据识别线程的向量；其中，所述第二评估结果与对应的局部交互依据之间的量化评估结果，是通过指定的第二更新线程，为所述第一量化评估结果，所述第二量化评估结果，所述第三量化评估结果分
别分配对应的第二可信度后，基于分配的每个第二可信度进行处理获得的。
12.在一种独立实施的实施例中，所述初始识别结果还包括：各个识别范围各自的可信度，则所述基于每个参考识别范围各自涵盖的识别约束条件，确定对应的参考识别结果，包括：通过所述每个参考识别范围，逐一执行如下步骤：确定一个参考识别范围的可信度；如果所述一个参考识别范围的可信度小于指定的判定值，则将所述一个参考识别范围涵盖的识别约束条件，确定为异常识别约束条件，并在所述初始识别结果中，对所述异常识别约束条件进行清洗；如果所述一个参考识别范围的可信度不小于指定的判定值，则将所述一个参考识别范围涵盖的识别约束条件，确定为对应的参考识别约束条件，并将所述参考识别约束条件对应的种类依据，确定为对应的参考识别结果。
13.第二方面，提供一种基于虚拟现实的人机交互处理系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
14.本技术实施例所提供的基于虚拟现实的人机交互处理方法及系统，通过指定的参考数据识别线程，获取待识别人机交互数据的初始识别结果，并对初始识别结果进行解析，确定其中每两个识别范围的相似度，这样能有效的降低数据错误的情况，能够准确的确定出种类匹配程度，将确定的种类匹配程度满足指定匹配情况的每i个识别范围的相似度，逐一确定为对应的参考识别范围，并基于每个参考识别范围各自涵盖的识别约束条件，确定对应的参考识别结果。因此，能有效地改善因为数据相似度过高而导致数据出现识别错误的问题，这样一来，提高了人机交互的准确性。
附图说明
15.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
16.图1为本技术实施例所提供的一种基于虚拟现实的人机交互处理方法的流程图。
17.图2为本技术实施例所提供的一种基于虚拟现实的人机交互处理装置的框图。
18.图3为本技术实施例所提供的一种基于虚拟现实的人机交互处理系统的架构图。
具体实施方式
19.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
20.请参阅图1，示出了一种基于虚拟现实的人机交互处理方法，该方法可以包括以下步骤s101和s102所描述的技术方案。
21.s101：通过指定的参考数据识别线程，获取待识别人机交互数据的初始识别结果，所述初始识别结果至少涵盖：所述待识别人机交互数据涵盖的各个识别范围，其中，各个识别范围至少涵盖：根据设定交互内容生成一个识别约束条件；通过所述各个识别范围中，每
i个识别范围的相似度，逐一执行如下步骤：基于i个识别范围的相似度各自涵盖识别约束条件的人机交互数据表达，确定对应的i个识别约束条件各自的种类依据，并结合指定的人机交互数据集，生成所述i个识别约束条件的种类依据集，对应的种类匹配程度；其中，i=2。
22.s102：将确定的种类匹配程度满足指定匹配情况的每i个识别范围的相似度，逐一确定为对应的参考识别范围，并基于每个参考识别范围各自涵盖的识别约束条件，确定对应的参考识别结果。
23.可以理解，在执行s101和s102所描述的内容时，通过指定的参考数据识别线程，获取待识别人机交互数据的初始识别结果，并对初始识别结果进行解析，确定其中每两个识别范围的相似度，这样能有效的降低数据错误的情况，能够准确的确定出种类匹配程度，将确定的种类匹配程度满足指定匹配情况的每i个识别范围的相似度，逐一确定为对应的参考识别范围，并基于每个参考识别范围各自涵盖的识别约束条件，确定对应的参考识别结果。因此，能有效地改善因为数据相似度过高而导致数据出现识别错误的问题，这样一来，提高了人机交互的准确性。
24.s201：获得交互数据调试集，其中，一个交互数据调试中包括：对应不少于i个种类依据确定的关键特征与局部交互依据。
25.示例性的，为配置得到针对关键内容识别的参考数据识别线程，结合对应的涵盖“关键内容”对应的重要内容的每个交互数据调试，对指定的数据识别线程进行配置，进一步的，在该交互数据调试中，针对涵盖“关键内容”对应的重要内容的各模板变量，依据其在交互数据调试中的相对空间关系，批注出对应的各模板人机交互数据，其中，各模板人机交互数据涵盖不少于i个针对该模板变量确定的模板对应的识别约束条件。
26.s202：结合交互数据调试集中的交互数据调试，对指定的数据识别线程进行反复优化处理，在符合指定的要求时，输出数据优化线程。
27.其中，在一次优化过程中，执行如下步骤：结合数据识别线程，基于交互数据调试中关键特征，获取第一评估结果，并基于第一评估结果与对应的局部交互依据之间的量化评估结果，调试数据识别线程的向量。
28.进一步的，将上述交互数据调试集确定为人工智能线程的计算参数，从而对指定的数据识别线程进行反复优化处理，直到线程处理完成，示例性的，在每次配置过程中，通过指定的量化评估结果，确定数据识别线程输出的第一评估结果与对应的交互数据调试中，相应局部交互依据之间的量化评估结果，该局部交互依据表示为针对相应模板对应的识别约束条件确定的实时种类依据，通过将识别出的种类依据与相应局部交互依据表示的实时种类依据进行比对，能够评估实时数据识别线程输出评估结果的好坏，从而对数据识别线程的相关向量进行相应调试。
29.进一步地，为提高线程输出评估结果的精确性，结合以下方式，确定第一评估结果与对应的局部交互依据之间的量化评估结果，包括如下步骤。
30.s301：通过指定的风险评估线程，确定第一评估结果与对应的局部交互依据之间的第一量化评估结果。
31.s302：通过指定的差异弥补线程，确定第一评估结果与对应的局部交互依据之间的第二量化评估结果。
32.s303：通过指定的分类预估线程，确定第一评估结果与对应的局部交互依据之间
的第三量化评估结果。
33.示例性的，本发明实施例中，为提升识别结果的精确性，以每个交互数据调试中，每i个模板对应的识别约束条件各自的种类依据集的种类匹配程度，搭建对应的分类预估线程，从而对数据识别线程进行调试。
34.如果模板对应的识别约束条件的种类数量为2，则基于相应两种种类依据集的种类匹配程度，搭建对应的分类预估线程。
35.示例性的，比如交互数据调试集中，涵盖两种不同的种类依据，譬如，在涵盖两种不同的种类依据的交互数据调试集中，交互数据调试结合以下方式，确定分类预估线程，包括如下内容。
36.s701：针对交互数据调试中，各模板人机交互数据，逐一执行如下步骤：基于一个模板人机交互数据涵盖的不少于i个指定的模板对应的识别约束条件各自的约束范围，逐一生成每i个模板对应的识别约束条件间的目标值。
37.（1）基于一个模板人机交互数据涵盖的不少于i个指定的模板对应的识别约束条件各自的约束范围，逐一生成每i个模板对应的识别约束条件间的局部差异，并将局部差异，确定为对应的i个模板对应的识别约束条件间的目标值。
38.（2）：基于一个模板人机交互数据涵盖的不少于i个指定的模板对应的识别约束条件各自的约束范围，逐一生成每i个模板对应的识别约束条件对应的局部比较向量，并将局部比较向量，确定为对应的i个模板对应的识别约束条件间的目标值。
39.s702：通过获取的每个目标值，从各模板人机交互数据中，确定参考模板范围，并确定与参考模板范围对应的参考判定范围。
40.进一步的，基于上述方式，确定每个目标值后，基于每个目标值，确定涵盖最大目标值的模板人机交互数据x，为对应的参考模板范围，则在数据识别线程输出识别结果后，在每个交互数据识别结果中，确定与参考模板范围（模板人机交互数据x）对应的交互数据识别结果x，并将上述交互数据识别结果x确定为对应的参考判定范围。
41.s703：通过获取的每个目标值及参考判定范围，结合指定的分类预估线程，确定第一评估结果与对应的局部交互依据之间的第三量化评估结果。
42.优选地，基于上述s702，将参考判定范围（交互数据识别结果x）涵盖的，模板对应的识别约束条件x及模板对应的识别约束条件y各自匹配的目标值，逐一确定为参考判定范围对应的参考匹配值，并通过获取的每个参考匹配值，以及对每个目标值，进行去极化处理，获得对应的第一匹配平均值及第二匹配平均值。
43.如果模板对应的识别约束条件的种类数量超过2，则基于相应每个种类依据中，每两种种类依据集的种类匹配程度，搭建对应的分类预估线程。
44.示例性的，假设交互数据调试集中，涵盖两种以上不同的种类依据，则基于上述方式（1）及方式（2）中的随机一种，计算每个种类依据中，每两种种类依据集的目标值，并通过获取的每个目标值，计算对应的第二匹配平均值，以及进一步的，在确定对应的参考判定范围后，基于参考判定范围对应的每个参考匹配值，确定对应的第一匹配平均值。
45.s304：基于第一量化评估结果，第二量化评估结果，第三量化评估结果各自的第一可信度，进行处理，获取第一评估结果与对应的局部交互依据之间的量化评估结果。
46.基于上述过程获得参考数据识别线程后，本发明实施例提出一种基于虚拟现实的
人机交互处理方法，可以包括如下步骤。
47.s1001：通过指定的参考数据识别线程，获取待识别人机交互数据的初始识别结果，初始识别结果至少涵盖：待识别人机交互数据涵盖的各个识别范围，其中，各个识别范围至少涵盖：根据设定交互内容生成一个识别约束条件。
48.譬如，假设将待识别人机交互数据输入上述参考数据识别线程，并获得参考数据识别线程输出的初始识别结果。
49.s1002：针对各个识别范围中，每i个识别范围的相似度，逐一执行如下步骤：基于i个识别范围的相似度各自涵盖的识别约束条件的人机交互数据表达，逐一生成对应的i个识别约束条件各自的种类依据，并结合指定的人机交互数据集，确定i个识别约束条件各自的种类依据集，对应的种类匹配程度。
50.s1003：将确定的种类匹配程度满足指定匹配情况的每i个识别范围的相似度，逐一确定为对应的参考识别范围，并基于每个参考识别范围各自涵盖的识别约束条件，确定对应的参考识别结果。
51.则基于上述步骤，对每个参考识别范围进行可信度挑选，并从中确定出可信度符合指定判定值的每个参考识别范围，并根据相应每个参考识别范围各自表示的识别约束条件对应的种类依据，对初始识别结果进行更新，进一步保障了输出参考识别结果的精确性。
52.在上述基础上，请结合参阅图2，提供了一种基于虚拟现实的人机交互处理装置200，应用于基于虚拟现实的人机交互处理系统，所述装置包括：结果识别模块210，用于通过指定的参考数据识别线程，获取待识别人机交互数据的初始识别结果，所述初始识别结果至少涵盖：所述待识别人机交互数据涵盖的各个识别范围，其中，各个识别范围至少涵盖：根据设定交互内容生成一个识别约束条件；通过所述各个识别范围中，每i个识别范围的相似度，逐一执行如下步骤：基于i个识别范围的相似度各自涵盖识别约束条件的人机交互数据表达，确定对应的i个识别约束条件各自的种类依据，并结合指定的人机交互数据集，生成所述i个识别约束条件的种类依据集，对应的种类匹配程度；其中，i=2；结果确定模块220，用将确定的种类匹配程度满足指定匹配情况的每i个识别范围的相似度，逐一确定为对应的参考识别范围，并基于每个参考识别范围各自涵盖的识别约束条件，确定对应的参考识别结果。
53.在上述基础上，请结合参阅图3，示出了一种基于虚拟现实的人机交互处理系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
54.在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
55.综上，基于上述方案，通过指定的参考数据识别线程，获取待识别人机交互数据的初始识别结果，并对初始识别结果进行解析，确定其中每两个识别范围的相似度，这样能有效的降低数据错误的情况，能够准确的确定出种类匹配程度，将确定的种类匹配程度满足指定匹配情况的每i个识别范围的相似度，逐一确定为对应的参考识别范围，并基于每个参考识别范围各自涵盖的识别约束条件，确定对应的参考识别结果。因此，能有效地改善因为数据相似度过高而导致数据出现识别错误的问题，这样一来，提高了人机交互的准确性。
56.应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本技术的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
57.需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
58.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
59.同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
60.此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
61.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
62.本技术各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完
全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（lan）或广域网（wan），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（saas）。
63.此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
64.同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
65.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本技术一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
66.针对本技术引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本技术作为参考。与本技术内容不一致或产生冲突的申请历史文件除外，对本技术权利要求最广范围有限制的文件(当前或之后附加于本技术中的)也除外。需要说明的是，如果本技术附属材料中的描述、定义、和/或术语的使用与本技术所述内容有不一致或冲突的地方，以本技术的描述、定义和/或术语的使用为准。
67.最后，应当理解的是，本技术中所述实施例仅用以说明本技术实施例的原则。其他的变形也可能属于本技术的范围。因此，作为示例而非限制，本技术实施例的替代配置可视为与本技术的教导一致。相应地，本技术的实施例不仅限于本技术明确介绍和描述的实施例。
68.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。