运动目标识别方法、预警方法以及汽车防追尾预警装置与流程

本发明涉及图像处理技术领域，特别是涉及一种运动目标识别方法、预警方法以及汽车防追尾预警装置。

背景技术：

基于图像特征信息提取的目标识别技术在各个领域都具有广泛的应用，目标识别技术可采用图像分析方法，对图像中的目标进行提取识别。例如在安全监测预警方面，特别是汽车的防追尾预警等领域，可以采用对汽车前后方的车辆、行人等信息进行视频监控并提取出目标预测目标的运动状态，在目标可能发生追尾时发出预警，这就要求在对视频进行目标识别时运用的运动目标识别方法具有高度的实时性和准确性。

现有的运动目标识别方法，根据目标的特征对图像中的目标进行提取识别，然而往往对目标的提取识别不够准确，导致在应用时准确性不足，例如预警分析时由于目标识别不准确而导致预判错误，得到错误的预警信息，降低了安全预警的准确性和可靠性。

技术实现要素：

基于此，有必要针对传统目标识别技术准确性低的问题，提供一种运动目标识别方法、预警方法以及汽车防追尾预警装置。

一种运动目标识别方法，包括如下步骤：

根据获取的当前帧图像中各像素所在像素块与周围像素块之间的色彩差异度，以及该像素所在像素块和周围像素块之间的距离，计算各像素的色彩和距离的差异性测度值；

以所述差异性测度值小于差异性测度阈值的像素所在的像素块为参照像素块，分别计算各像素所在像素块的参照差异性测度值，根据所述参照差异性测度值获取各像素的显著特征值；

将当前帧图像中显著特征值大于显著特征阈值的像素设为显著特征像素，根据所述显著特征像素及其显著特征值获取该当前帧图像的色彩和距离显著信息图；

利用包含所述当前帧图像的连续多帧图像的色彩和距离显著信息图确定运动特征图像，并根据所述运动特征图像识别所述当前帧图像中的运动目标。

还提供一种运动目标识别装置，包括：

第一计算模块，用于根据获取的当前帧图像中各像素所在像素块与周围像素块之间的色彩差异度，以及该像素所在像素块和周围像素块之间的距离，计算各像素的色彩和距离的差异性测度值；

第二计算模块，用于以所述差异性测度值小于差异性测度阈值的像素所在的像素块为参照像素块，分别计算各像素所在像素块的参照差异性测度值，根据所述参照差异性测度值获取各像素的显著特征值；

信息图获取模块，用于将当前帧图像中显著特征值大于显著特征阈值的像素设为显著特征像素，根据所述显著特征像素及其显著特征值获取该当前帧图像的色彩和距离显著信息图；

目标获取模块，用于利用包含所述当前帧图像的连续多帧图像的色彩和距离显著信息图确定运动特征图像，并根据所述运动特征图像识别所述当前帧图像中的运动目标。

上述运动目标识别方法和装置，结合了目标的色彩与背景的差异、像素块距离越近相似概率越大以及目标运动等多方面的特征，对视频帧图像进行色彩、像素块距离和运动的多特征综合运算提取，剔除视频帧图像的背景，得到目标，该运动目标识别方法对目标的识别准确高效，能够精确的从视频帧图像中提取出目标。

一种运动目标预警方法，包括如下步骤：

获取对载体周围设定方向的环境信息进行拍摄的帧图像；

识别当前帧图像中的所有目标，根据预设的帧图像中各个像素点与实际距离的对应关系获取与载体距离最近的目标，并获取该最近的目标与载体之间的距离信息；其中，采用如上任一项所述的运动目标识别方法识别帧图像中的目标；

根据相邻两帧图像的设定的时间间隔和获取的载体当前速度和加速度，以及所述目标与载体之间的距离预判下一设定时间段目标与载体的相对位置信息；

根据预设的速度-加速度-安全距离模型和预判的下一设定时间段目标与载体的相对位置信息进行预警。

上述运动目标预警方法，运用上述运动目标识别方法识别拍摄的帧图像中与载体距离最近的目标，通过分析预判的下一设定时间段目标的位置进行预警。由于在进行目标识别时结合了目标的色彩与背景的差异、像素块距离越近相似概率越大以及目标运动等多方面的特征，对视频帧图像进行色彩、像素块距离和运动的多特征综合运算提取，剔除视频帧图像的背景，能够精确而高效地从拍摄的视频帧图像中提取出目标。从而能够对当前的载体周围目标物体的运动状态做出更精准的预判和预警，提升对运动目标预警的准确性和可靠性。

一种汽车防追尾预警装置，所述装置配置为在执行防追尾预警时执行如上所述的运动目标预警方法。

上述汽车防追尾预警装置，对汽车周围设定方向的环境信息进行拍摄，精确而高效地从拍摄的视频帧图像中提取出目标，对当前汽车周围目标物体的运动状态做出精准及时地预判，在可能发生追尾时进行预警，提升汽车防追尾预警的准确性和可靠性。

附图说明

图1为运动目标识别方法流程图；

图2为运动目标识别装置结构示意图；

图3为运动目标预警方法流程图；

图4为一个实施例的汽车防追尾预警装置结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参见图1，图1为运动目标识别方法流程图，所述运动目标识别方法包括如下步骤：

s101，根据获取的当前帧图像中各像素所在像素块与周围像素块之间的色彩差异度，以及该像素所在像素块和周围像素块之间的距离，计算各像素的色彩和距离的差异性测度值。

运动目标像素与背景像素之间往往存在的色彩差异，例如汽车与道路在颜色和亮度等方面上的特征存在差异，因此可根据目标与背景的色彩差异提取出特定的像素块。

同时，像素块与块之间的位置距离也具备显著特征。背景块在视频帧中往往存在许多相似特性，当它与那些被认为是显著块聚拢在一起时会出现强烈的对比，如果某个像素块具备色彩显著特征，那么越靠近该像素块的子块是色彩显著块的概率就越大，反之越远离该像素块是显著块的概率越低。

因此，可以综合上述各像素所在像素块与周围像素块之间的色彩差异度，以及该像素所在像素块和周围像素块之间的距离两个特征因素，定义一种像素的差异性测度值的计算函数，该函数可与像素块与周围像素块之间的色彩差异度呈正相关，与该像素所在像素块和周围像素块之间的距离呈负相关，从而能够反映该像素与其它像素块之间的色彩与距离的差异度，若某像素的差异性测度值越大，则该像素的色彩与距离特征越显著。

在一个实施例中，所述根据获取的当前帧图像中各像素所在像素块与周围像素块之间的色彩差异度，以及该像素所在像素块和周围像素块之间的距离，计算各像素的色彩和距离的差异性测度值的步骤包括：

按照预设的像素块大小对当前帧图像进行分割，获取当前帧图像中各像素以及该像素对应的像素块；

如果对所有像素点进行运算，将会耗费大量资源，为了提升运算效率，可将帧图像分割成预设大小的像素块，以像素块为单位进行运算，各个像素点的数值可以通过计算像素点所在的像素块来确定。具体的，像素块的分割大小可以根据实际需要设置，例如可以是4×4、8×8或16×16的像素块，像素块越小计算的结果越精准，相应的对运算资源耗费需求越大。

考虑到单一的像素块，假设i代表某像素点，pi代表像素i所在的像素块。如果块pi的各项特征不同于其他块，则像素i可被认为是具备显著特征的。色彩显著特征值可将pi和pj向量化后在lab色彩坐标空间使用欧几里德距离求得，其中lab色彩坐标空间又可称为lab颜色模型，该颜色模型是国际照明委员会(commissioninternationaledel’eclairage，简称cie)组织确定的一个理论上包括了人眼可以看见的所有色彩的色彩模式。

在lab色彩坐标空间中根据各像素对应的像素块计算各像素的色彩显著特征值，其中，像素的色彩显著特征值的计算公式如下：

lc(pi,pj)＝||pi-pj||2

式中，i为像素，pi为像素i所在的设定范围的像素块，j为帧图像中的任意像素点，pj为j所在的设定范围的像素块，lc(pi,pj)为像素i的色彩显著特征值；

获取各像素的距离显著特征值，其中，像素的距离显著特征值的计算公式如下：

lp(pi,pj)＝||pi-pj||2

式中，lp(pi,pj)为像素i的距离显著特征值；

根据各像素的色彩显著特征值和距离显著特征值获取各像素的色彩和距离的差异性测度值，其中，像素的色彩和距离的差异性测度值的计算公式如下：

式中，c为常量，可取值为3，d(pi,pj)为像素i的差异性测度值。

当像素i与图像中其他块的像素差异较大，即d(pi,pj)足够大，则像素i被认为是具备显著特征的像素。

s102，以所述差异性测度值小于差异性测度阈值的像素所在的像素块为参照像素块，分别计算各像素所在像素块的参照差异性测度值，根据所述参照差异性测度值获取各像素的显著特征值。

像素块的差异性测度值越大，则该像素块是目标像素块的概率越高，反之，像素块的差异性测度值越小，则该像素块是背景像素块的概率越高；因此，可以选取前述运算的色彩和距离差异性测度值小于设定的差异性测度阈值的像素所在的像素块作为背景即参照像素块，将各个像素块与可能的背景像素块进行对比运算，获取各个像素的参照差异性测度值，参照差异性测度值越高，则该像素与背景的差异越大，该像素是具有显著特征的目标像素的概率就越高。

在一个实施例中，所述以所述差异性测度值小于差异性测度阈值的像素所在的多个像素块为参照像素块，分别计算各像素所在像素块的多个参照差异性测度值，根据所述参照差异性测度值获取各像素的显著特征值的步骤包括：

获取差异性测度值小于设定的差异性测度阈值的像素对应的多个像素块为不具备显著特征的像素块；其中，不具备显著特征的像素块集合可表示为n为不具备显著特征的像素块的总数目；

以所述不具备显著特征的像素块为参照，得出某像素的多个参照差异性测度值，所述任意一个参照差异性测度值的计算公式如下：

式中，qk为第k个不具备显著特征的像素块，d(pi,qk)为像素i相对于qk的参照差异性测度值；

根据所述参照差异性测度值计算某像素色彩和距离的显著特征值，所述显著特征值由下式得出：

式中，si为像素i的显著特征值，n为不具备显著特征的像素块的总数量

上式指数运算的目的在于使得si的值归一化为[0，1]范围。若某像素的si值越大，说明该像素相对于其它像素越具有显著特征，该像素是目标像素的概率就越高，由此可提取出存在颜色及位置距离上具有显著特征的像素块。

s103，将当前帧图像中显著特征值大于显著特征阈值的像素设为显著特征像素，根据所述显著特征像素及其显著特征值获取该当前帧图像的色彩和距离显著信息图。

像素的显著特征值越大，该像素是目标像素的概率就越高，因此可设定一个显著特征阈值筛选出显著特征值高于该阈值的像素为特征像素，其中，所述阈值可以通过离线训练获取一个目标提取准确率最高的阈值。得出特征像素的显著特征值在该帧图像中的分布图，即为该帧图像的色彩和距离显著信息图。

s104，利用包含所述当前帧图像的连续多帧图像的色彩和距离显著信息图确定运动特征图像，并根据所述运动特征图像识别所述当前帧图像中的运动目标。

视频序列图不仅存在颜色和位置距离的显著特征，也存在运动的显著特征。以检测显著特征的运动目标为目的，剔除静止的像素，可以对连续多帧图像的色彩和距离显著信息图进行相邻帧的差分运算，再将运算得的结果进行逻辑与，可计算得到当前帧图像对应的运动特征图像。再通过设置的分割阈值剔除动态背景，即可得到当前帧图像中的目标。

在一个实施例中，所述利用包含当前帧图像的连续多帧图像的色彩和距离显著信息图确定当前帧图像对应的运动特征图像，并根据所述运动特征图像确定当前帧图像中的运动目标的步骤包括：

计算当前帧图像与前一帧图像的色彩和距离显著信息图的第一差分结果图；

计算当前帧图像与后一帧图像的色彩和距离显著信息图的第二差分结果图；

对第一差分结果图和第二差分结果图进行逻辑与得到运动特征图像；

根据设定的分割阈值将运动特征图像进行分割得到二值图像，其中所述二值图像中各像素的值由下式得出：

上式中，dm.i,t为第一差分结果图，dm.i,t+1为第二差分结果图，t为设定的分割阈值，bsm.i,t为二值图像中各像素的值；

当bsm.i,t的值为1时，表示前景，即目标，当bsm.i,t的值为0时，表示为背景像素。t代表分割阈值，可取值为20。由此可以剔除背景元素，得到目标物体。

将二值图像中值为0的像素作为背景像素剔除，将二值图像中值为1的像素作为目标像素保留，得到当前帧图像中的目标。

在一个实施例中，所述利用包含当前帧图像的连续多帧图像的色彩和距离显著信息图确定当前帧图像对应的运动特征图像的步骤之前，还包括步骤：对包含当前帧图像的连续多帧图像的色彩和距离显著信息图进行中值滤波降噪处理。

载体在行驶过程中拍摄的视频帧图像，可能会由于拍摄的设备精度不足或者设备抖动等原因，拍摄的视频存在一些噪点。中值滤波在降噪的过程中能够有效保留边缘特性，能够在对视频帧图像进行降噪的过程中保留目标像素区域边缘特征，因此计算视频序列运动的显著特征前可以先对色彩和距离显著信息图进行中值滤波降噪处理，剔除图中的噪点对识别结果的影响，提升运动目标识别的准确性。

上述运动目标识别方法，结合了目标的色彩与背景的差异、像素块距离越近相似概率越大以及目标运动等多方面的特征，对视频帧图像进行色彩、像素块距离和运动的多特征综合运算提取，剔除视频帧图像的背景，得到目标，该运动目标识别方法对目标的识别准确高效，能够精确地从视频帧图像中提取出目标。

参见图2，图2为运动目标识别装置结构示意图，所述运动目标识别装置包括：

第一计算模块，用于根据获取的当前帧图像中各像素所在像素块与周围像素块之间的色彩差异度，以及该像素所在像素块和周围像素块之间的距离，计算各像素的色彩和距离的差异性测度值；

第二计算模块，用于以所述差异性测度值小于差异性测度阈值的像素所在的像素块为参照像素块，分别计算各像素所在像素块的参照差异性测度值，根据所述参照差异性测度值获取各像素的显著特征值；

信息图获取模块，用于将当前帧图像中显著特征值大于设定的显著特征值的像素设为显著特征像素，根据所述显著特征像素及其显著特征值获取该当前帧图像的色彩和距离显著信息图；

目标获取模块，用于利用包含所述当前帧图像的连续多帧图像的色彩和距离显著信息图确定运动特征图像，并根据所述运动特征图像识别所述当前帧图像中的运动目标。

上述运动目标识别装置，结合了目标的色彩与背景的差异、像素块距离越近相似概率越大以及目标运动等多方面的特征，对视频帧图像进行色彩、像素块距离和运动的多特征综合运算提取，剔除视频帧图像的背景，得到目标，该运动目标识别方法对目标的识别准确高效，能够精确的从视频帧图像中提取出目标。

本发明的运动目标识别装置与本发明的运动目标识别方法一一对应，在上述运动目标识别方法的实施例阐述的技术特征及其有益效果均适用于运动目标识别装置的实施例中，特此声明。

本发明还提供一种运动目标预警方法，参见图3所示，图3为运动目标预警方法流程图，所述运动目标预警方法包括如下步骤：

s301，获取对载体周围设定方向的环境信息进行拍摄的帧图像。

上述步骤中，所述载体可以为具备执行所述运动目标预警方法功能的任意载体，例如可以是汽车等交通工具；设定的方向可以是载体周围的任意方向，例如对于汽车来说，可以是拍摄汽车前方和/或后方的视频信息，获取拍摄的视频帧图像。

s302，识别当前帧图像中的所有目标，根据预设的帧图像中各个像素点与实际距离的对应关系获取与载体距离最近的目标，并获取该最近的目标与载体之间的距离信息；其中，采用如上任一项所述的运动目标识别方法识别帧图像中的目标。

该步骤中，可以采用前述任一项的运动目标识别方法对当前视频帧图像中的运动目标进行识别，之后可根据预设的帧图像中各个像素点与实际距离的对应关系进行计算分析，得出各个目标与载体之间的距离，选出其中与载体距离最近的目标作为跟踪目标。

其中，所述帧图像中各个像素点与实际距离的对应关系可以通过离线训练获取，在一个实施例中，所述识别当前帧图像中的所有目标的步骤之前，还包括步骤：通过离线训练获取帧图像中各个像素点与实际距离的对应关系。通过该对应关系，即可通过运算获取视频帧图像中各个目标与载体的实际距离。

此外，为了能够通过估算目标后一时段与载体之间的距离判断目标是否处于安全距离之内，还需要建立载体的速度-加速度-安全距离模型，在一个实施例中，所述识别当前帧图像中的所有目标的步骤之前，还包括步骤：建立载体的速度-加速度-安全距离模型。

s303，根据相邻两帧图像的设定的时间间隔和获取的载体当前速度和加速度，以及所述目标与载体之间的距离预判下一设定时间段目标与载体的相对位置信息。

根据相邻两帧图像的时间间隔和前述步骤获得的两帧图像中目标与载体之间的距离，以及获取的载体当前的速度和加速度，计算可得两帧中目标物体与本车的相对位移，进而可估计目标物体的平均速度，通过计算预估该目标接下来与载体例如本汽车的相对位置信息。

s304，根据预设的速度-加速度-安全距离模型和预判的下一设定时间段目标与载体的相对位置信息进行预警。

上述步骤中，可以根据预设的速度-加速度-安全距离模型，以及预判的下一设定时间段目标与载体的相对位置，判断下一时间段目标是否处于安全距离中，并根据目标的运动状态发出预警，例如可以在预判到目标与载体汽车之间的距离可能超出安全距离时，发出预警。在一个实施例中，所述根据预设的速度-加速度-安全距离模型和预判的下一设定时间段目标与载体的相对位置信息进行预警的步骤包括：

根据预设的速度-加速度-安全距离模型和预判的下一设定时间段目标与载体的相对位置信息判断是否存在安全隐患；

当存在安全隐患时，通过指示灯或蜂鸣器发出安全隐患预警提示和/或按照预设的制动模式对运动载体进行减速制动。

其中，所述安全隐患可以是目标物体例如自行车、行人等与载体之间可能的碰撞隐患，对于汽车来说，则可以是车辆之间的追尾事故隐患。

上述运动目标预警方法，运用上述运动目标识别方法识别拍摄的帧图像中与载体距离最近的目标，通过分析预判的下一设定时间段目标的位置进行预警。由于在进行目标识别时结合了目标的色彩与背景的差异、像素块距离越近相似概率越大以及目标运动等多方面的特征，对视频帧图像进行色彩、像素块距离和运动的多特征综合运算提取，剔除视频帧图像的背景，能够精确而高效地从拍摄的视频帧图像中提取出目标。从而能够对当前的载体周围目标物体的运动状态做出更精准的预判和预警，提升对运动目标预警的准确性和可靠性。

此外，还提供一种汽车防追尾预警装置，所述装置配置为在执行防追尾预警时执行如上任一项所述的运动目标预警方法。

上述汽车防追尾预警装置，对汽车周围设定方向的环境信息进行拍摄，精确而高效地从拍摄的视频帧图像中提取出目标，对当前汽车周围目标物体的运动状态做出精准及时地预判，在可能发生追尾时进行预警，提升汽车防追尾预警的准确性和可靠性。

在一个实施例中，所述汽车防追尾预警装置可以包含汽车参数读取装置、视频采集处理装置、防追尾预警提示装置、汽车控制处理装置以及处理器，参见图4所示，该汽车参数读取装置、视频采集处理装置、防追尾预警提示装置、汽车控制处理装置分别与处理器连接，处理器配置为执行如上任一项所述的运动目标预警方法。

其中，汽车参数读取装置可用于获取汽车状态参数，包括速度、加速度等。由于汽车内部已存在测量速度及加速度等参数的控制器，因此本装置需携带能与汽车通信总线相适应的通信协议及接口去获取汽车的参数。

其中，视频采集处理装置可用于获取汽车前方和/或后方的视频信息，以及对采集到的视频信息进行处理，例如采用任一项前述的运动目标分析方法提取视频帧图像中的目标。该视频采集处理装置采集的视频信息可以来自汽车自带的行车记录仪，也可以是另外安装的摄像头，从行车记录仪采集视频信息可以减少携带的传感器，降低成本。

其中，防追尾预警提示装置可以包括预警指示灯和/或蜂鸣器。在视频信息处理后如果有报警指令产生时，指示灯将发出亮灯信号和/或蜂鸣器将鸣响发出报警信号，提醒驾驶员注意前方车辆。

其中，汽车控制处理装置用于对汽车进行减速制动等操作。在报警信号产生时，驾驶员可以设置由控制装置直接对汽车进行控制处理，也可以设置由驾驶员人员对汽车进行控制处理。

下面以一个具体的应用示例阐述上述汽车防追尾预警装置的工作原理，以汽车采集前方的视频信息为例，该汽车防追尾预警装置在进行防追尾预警分析处理时可以包括如下步骤：

视频采集处理装置对汽车前方的视频信息进行拍摄，从获取的视频帧图像中识别运动目标，若识别出多个运动目标，则根据预先通过离线训练获取的像素点与实际距离的对应关系，计算得出各个运动目标与汽车之间的实际距离，将其中距离汽车最近的目标作为跟踪目标，分析相邻两帧图片中距离汽车最近的目标是否为同一物体，若是则继续对该目标进行跟踪。若不是同一物体，则以时间较晚的一帧图像中最近的目标为跟踪目标，将跟踪目标与汽车之间的距离信息实时发送给处理器。

处理器根据接收的跟踪目标与汽车之间的距离信息，结合预设的两帧图像之间的时间间隔，以及从汽车参数读取装置实时获取的本车的速度及加速度，可得两帧中目标物体与本车的相对位移，进而可估计目标物体的平均速度，通过计算预估该目标接下来与本汽车的相对位置信息，根据预设的速度-加速度-安全距离模型判断当前状态持续下去是否存在追尾等安全问题，如果判断存在追尾的可能性，则将预警信息发送至防追尾预警提示装置及汽车控制处理装置，防追尾预警提示装置发出闪灯或蜂鸣预警提示驾驶员操作，或者汽车控制处理装置进行减速或制动处理，消除追尾风险，从而完成对汽车前方运动目标的防追尾预警。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行装置、装置或设备(如基于计算机的装置、包括处理器的装置或其他可以从指令执行装置、装置或设备取指令并执行指令的装置)使用，或结合这些指令执行装置、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行装置、装置或设备或结合这些指令执行装置、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。