本发明涉及特征提取技术领域，具体涉及一种户型特征的自动提取方法、系统、电子设备和存储介质。
背景技术：
用户在挑选户型时，通常最注重的就是户型特征，例如户型的采光要好，通风流畅，最好能有穿堂风，朝向的选择通常以朝南最佳，朝东西次之，朝北最次，除了朝向，窗景也非常重要，以及客厅卧室分离，厨房餐厅分离，但要相互挨着，户门不宜直接对着客厅等。
目前，对户型的关键特征的提前，比如对南北通透、户型方正、全明格局等特征的提取目前还处在人工提取的阶段，完全凭借人的经验或肉眼识别一个户型可能具备何种特征标签，然后人工记录结果，并存入数据库。
但上述方法存在人工提取户型特征费时，费力、描述一个户型的特征有很几十种，依靠人眼识别，容易造成特征提取遗漏，以及，有些户型的特征判定条件复杂，依靠人工，容易造成特征提取不准确的问题。
技术实现要素：
针对现有技术中的问题，本发明提供一种户型特征的自动提取方法、系统、电子设备和存储介质，能够高效、准确且自动地提取户型的各种特征，进而能够有效降低人力和时间成本。
为解决上述技术问题，本发明提供以下技术方案：
第一方面，本发明提供一种户型特征的自动提取方法，所述自动提取方法包括：
读取目标户型图像的矢量信息；
将所述目标户型图像的矢量信息输入预设的户型特征提取模型中，得到对应所述目标户型图像的特征标签，其中，所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系；
根据预设的评分规则，对所述目标户型图像的各个特征标签进行打分，并统计所述目标户型图像的全部特征标签的分数，得到所述目标户型图像的总评分；
以及，输出所述目标户型图像的特征标签及总评分。
进一步地，在所述读取目标户型图像的矢量信息之前，所述自动提取方法还包括：
根据预获取的历史户型特征标签生成各类特征标签模块，其中，一个所述特征标签模块中存储有同一类型的特征标签；
将所述矢量信息输入各个特征标签解析模块中进行解析，使得各类特征标签模块对相应的特征进行提取，进而完成所述户型特征提取模型的建立；
以及，存储所述户型特征提取模型。
进一步地，所述特征标签模块的类型包括：格局特征标签模块、朝向特征标签模块和功能配套特征标签模块。
进一步地，所述读取目标户型图像的矢量信息，包括：
接收用户端发送的用于标识目标户型所在楼盘的第一识别码；
根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像；
以及，读取所述目标户型图像的矢量信息。
进一步地，所述读取目标户型图像的矢量信息，包括：
接收用户端发送的用于标识目标户型的第二识别码；
对所述第二识别码进行识别，确定对应的目标户型所在楼盘；
在预存储的户型数据库中调取对应楼盘的全部户型图像；
根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像；
以及，读取所述目标户型图像的矢量信息。
第二方面，本发明提供一种户型特征的自动提取系统，所述自动提取系统包括：
矢量信息读取单元，用于读取目标户型图像的矢量信息；
特征标签提取单元，用于将所述目标户型图像的矢量信息输入预设的户型特征提取模型中，得到对应所述目标户型图像的特征标签，其中，所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系；
评分单元，用于根据预设的评分规则，对所述目标户型图像的各个特征标签进行打分，并统计所述目标户型图像的全部特征标签的分数，得到所述目标户型图像的总评分；
特征标签及总评分输出单元，用于输出所述目标户型图像的特征标签及总评分。
进一步地，所述自动提取系统还包括：
特征标签模块生成单元，用于根据预获取的历史户型特征标签生成各类特征标签模块，其中，一个所述特征标签模块中存储有同一类型的特征标签；
户型特征提取模型建立单元，用于将所述矢量信息输入各个特征标签解析模块中进行解析，使得各类特征标签模块对相应的特征进行提取，进而完成所述户型特征提取模型的建立；
户型特征提取模型存储单元，用于存储所述户型特征提取模型。
进一步地，所述特征标签模块的类型包括：格局特征标签模块、朝向特征标签模块和功能配套特征标签模块。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在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所述户型特征的自动提取方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述户型特征的自动提取方法的步骤。
由上述技术方案可知，本发明提供的一种户型特征的自动提取方法、系统、电子设备和存储介质，自动提取方法包括：读取目标户型图像的矢量信息；将所述目标户型图像的矢量信息输入预设的户型特征提取模型中，得到对应所述目标户型图像的特征标签，其中，所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系；根据预设的评分规则，对所述目标户型图像的各个特征标签进行打分，并统计所述目标户型图像的全部特征标签的分数，得到所述目标户型图像的总评分；以及，输出所述目标户型图像的特征标签及总评分；能够高效、准确且自动地提取户型的各种特征，进而能够有效降低人力和时间成本，进而提高了房屋交易的中间过程，并有效提高了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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例，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是本发明实施例一中的一种户型特征的自动提取方法的流程示意图；
图2是本发明的包括步骤a01至a03的户型特征的自动提取方法的流程示意图；
图3是本发明的户型特征的自动提取方法中步骤100的第一种具体实施方式的流程示意图；
图4是本发明的户型特征的自动提取方法中步骤100的第二种具体实施方式的流程示意图；
图5是本发明的一种户型特征的自动提取方法的具体应用实例的流程示意图；
图6是本发明实施例二中的一种户型特征的自动提取系统的结构示意图；
图7是本发明实施例三中的一种电子设备的结构示意图。
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，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，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作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。
本发明的实施例提供一种户型特征的自动提取方法的具体实施方式，参见图1，所述户型特征的自动提取方法具体包括如下内容：
步骤100：读取目标户型图像的矢量信息。
在步骤100中，户型特征的自动提取系统接收用户端发送的用于标识目标户型所在楼盘的第一识别码并根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像，或者，户型特征的自动提取系统接收用户端发送的用于标识目标户型的第二识别码，并对所述第二识别码进行识别，确定对应的目标户型所在楼盘，以及在预存储的户型数据库中调取对应楼盘的全部户型图像，而后根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像；之后，所述户型特征的自动提取系统读取目标户型图像的矢量信息。
步骤200：将所述目标户型图像的矢量信息输入预设的户型特征提取模型中，得到对应所述目标户型图像的特征标签，其中，所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系。
在步骤200中，户型特征的自动提取系统将所述目标户型图像的矢量信息输入预设的户型特征提取模型中，得到对应所述目标户型图像的特征标签。可以理解的是，所述户型特征提取模型的获取方式包括：先根据预获取的历史户型特征标签生成各类特征标签模块，其中，一个所述特征标签模块中存储有同一类型的特征标签；将每个特征标签模块均与对应的矢量信息进行匹配，并设置各类特征标签模块对应的特征提取算法，进而完成所述户型特征提取模型的建立。可以理解的是，所述特征提取算法可以为任意适用的图像特征提取方法，且特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是：将图像上的点划分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。可以理解的是，所述户型特征提取模型是依据户型矢量信息对各特征标签设计不同的提取算法模型。步骤300：根据预设的评分规则，对所述目标户型图像的各个特征标签进行打分，并统计所述目标户型图像的全部特征标签的分数，得到所述目标户型图像的总评分。
在步骤300中，户型特征的自动提取系统根据预设的评分规则，对所述目标户型图像的各个特征标签进行打分，并统计所述目标户型图像的全部特征标签的分数，得到所述目标户型图像的总评分。可以理解的是，所述评分规则根据各个特征标签的优劣进行依次打分，例如，“卧室朝南”标签的分值大于“卧室朝北”的分值。
步骤400：输出所述目标户型图像的特征标签及总评分。
在步骤400中，户型特征的自动提取系统输出所述目标户型图像的特征标签及总评分，便于对户型图进行有效评价，进而能够经快速、准确、自动的户型评测。
从上述描述可知，本发明的实施例提供的户型特征的自动提取方法，能够高效、准确且自动地提取户型的各种特征，进而能够有效降低人力和时间成本，进而提高了房屋交易的中间过程，并有效提高了用户体验。
在一种具体实施方式中，参见图2，本发明的户型特征的自动提取方法中的步骤100之前，还包括步骤a01至a03，所述步骤a01至a03具体包括如下内容：
步骤a01：根据预获取的历史户型特征标签生成各类特征标签模块，其中，一个所述特征标签模块中存储有同一类型的特征标签。
在步骤a01中，所述特征标签模块的类型包括：格局特征标签模块、朝向特征标签模块和功能配套特征标签模块。可以理解的是，所述根据预获取的历史户型特征标签生成各类特征标签模块具体可以为：将人类判定某一种特征的经验算法化，某一种，比如“明厨”即厨房中能够获取自然光，我们将这一经验进行型化，从原始的矢量信息中提取出厨房分间的信息，并判断厨房的所有墙体是否有外窗或厨房是否有带外窗的阳台等；或依据大数据分析，统计出某一种户型特征具有什么数据上的规律，比如方正户型，的长宽比具有什么样的特点，所缺角大小有什么样的规律，然后将大数据统计出的规律进行模型化，使计算机获得这一判断能力。步骤a02：将所述矢量信息输入各个特征标签解析模块中进行解析，使得各类特征标签模块对相应的特征进行提取，进而完成所述户型特征提取模型的建立。
步骤a03：存储所述户型特征提取模型。
在一种具体实施方式中，参见图3，本发明的户型特征的自动提取方法中的步骤100的第一种具体实施方式，具体包括如下内容：
步骤101a：接收用户端发送的用于标识目标户型所在楼盘的第一识别码；
步骤102a：根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像；
步骤103a：读取所述目标户型图像的矢量信息。
在一种具体实施方式中，参见图4，本发明的户型特征的自动提取方法中的步骤100的第二种具体实施方式，具体包括如下内容：
步骤101b：接收用户端发送的用于标识目标户型的第二识别码。
步骤102b：对所述第二识别码进行识别，确定对应的目标户型所在楼盘。
步骤103b：在预存储的户型数据库中调取对应楼盘的全部户型图像。
步骤104b：根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像。
步骤105b：读取所述目标户型图像的矢量信息。
从上述描述可知，本发明的实施例提供的户型特征的自动提取方法，能够高效、准确且自动地提取户型的各种特征，进而能够有效降低人力和时间成本，进而提高了房屋交易的中间过程，并有效提高了用户体验。
为进一步的说明本方案，本发明还提供一种户型特征的自动提取方法的具体应用实例，参见图5，具体包括如下内容：
户型特征的自动提取方法通过对历史提取户型特征的经验进行建模，设计户型关键特征的提取算法，构建机器自动提取户型特征的系统，从而可以高效、准确、自动提取户型的多种特征，大大降低人力、时间成本，并提高准确度。
从房屋的布局、朝向、功能配套三个维度，依据户型图的矢量数据，通过将户型特征判定规则进行建模，对不同的特征设计不同提取算法，使机器可以自动解析出户型图所具备的特征标签。用户仅需输入待解析的户型图所在的楼盘id及该户型的id值，即可快速得到该户型所具有的户型特征标签；或输入某个楼盘的id，就可以得到某个楼盘全部户型图的特征标签，最终以json结构呈现给用户。
机器从格局、朝向、功能配套三个维度对解析出户型图的特征标签进行划分并按一定算法进行三个维度的打分，基于打分，我们可以更完善的了解某个户型的优缺点，最终三个维度的分值也会以json结构呈现出来。具体过程如下：
首先根据用户输入户型id及楼盘id从链家楼盘字典中获取相应户型的矢量数据，根据该矢量数据解析得到包含户型基本信息及分间信息的语义树。其中语义树中的基本信息包含：户型面积、户型朝向、层高、室数量、厅数量等，分间的基本信息包含：分间的名称、面积、分间的朝向等。然后根据语义树中的功能间的数量是否大于0，决定是否应该提取“带阁楼”、“带花园”、“带衣帽间”、“带储物间”的等特征标签’；根据分间信息的语义树中，根据厨房和卫生间的朝向数组的长度是否大于0决定是否提取“明厨”和“明卫”的特征标签、根据分间中卧室的关联结构中决定是否提取“卧室带卫”、“卧室带阳台”的特征标签、根据其他分间的朝向数组的具体朝向决定“卧室朝南”、“客厅朝南”、其他分间朝向的提取；依据原始矢量数据，将人工判定“干湿分离”、“户型方正”、“南北通透”、“入户门对厕所门”、“卧室对门”、“厨卫对门”等特征的方法进行建模，各自设计相应解析算法，根据各个算法来决定是否能提取相应的特征标签；同时，系统会给出各个标签所代表的有缺点解释；然后根据上一步中从户型提取出来的所有特征标签按格局、朝向、功能配套进行划分，依据一定的打分策略，对户型在格局、朝向、功能配套三个维度进行打分，给出相应维度上的分值及解释，便于对户型图有全方位了解；最终将从户型中提取的特征标签以及每个特征标签所具有的优缺点解释，及户型在三个维度上的分值以json的方式输出给用户。
在上述描述中，本发明的应用实例通过机器自动对户型的有效关键特征进行提取，对户型图在三个维度上进行打分，便于有效评价户型图，以及经评测能快速、准确、自动的提取出户型的优缺点特征，能够高效、准确且自动地提取户型的各种特征，进而能够有效降低人力和时间成本。
本发明的实施例二提供能够实现上述户型特征的自动提取方法中全部步骤的一种户型特征的自动提取系统的具体实施方式，参见图6，所述户型特征的自动提取系统具体包括如下内容：
矢量信息读取单元10，用于读取目标户型图像的矢量信息；
特征标签提取单元20，用于将所述目标户型图像的矢量信息输入预设的户型特征提取模型中，得到对应所述目标户型图像的特征标签，其中，所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系；
评分单元30，用于根据预设的评分规则，对所述目标户型图像的各个特征标签进行打分，并统计所述目标户型图像的全部特征标签的分数，得到所述目标户型图像的总评分；
特征标签及总评分输出单元40，用于输出所述目标户型图像的特征标签及总评分。
在一种具体实施方式中，所述户型特征的自动提取系统还包括：
特征标签模块生成单元，用于根据预获取的历史户型特征标签生成各类特征标签模块，其中，一个所述特征标签模块中存储有同一类型的特征标签；
户型特征提取模型建立单元，用于将每个特征标签模块均与对应的矢量信息进行匹配，并设置各类特征标签模块对应的特征提取算法，进而完成所述户型特征提取模型的建立；
户型特征提取模型存储单元，用于存储所述户型特征提取模型。
本发明提供的户型特征的自动提取系统的实施例具体可以用于执行上述户型特征的自动提取方法的实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
从上述描述可知，本发明的实施例提供的户型特征的自动提取系统，能够高效、准确且自动地提取户型的各种特征，进而能够有效降低人力和时间成本，进而提高了房屋交易的中间过程，并有效提高了用户体验。
本发明的实施例三提供能够实现上述户型特征的自动提取方法中全部步骤的一种电子设备的具体实施方式，参见图7，所述电子设备具体包括如下内容：
处理器(processor)601、存储器(memory)602、通信接口(communicationsinterface)603和总线604；
其中，所述处理器601、存储器602、通信接口603通过所述总线604完成相互间的通信；所述通信接口603用于实现矢量信息及户型特征提取模型等之间的信息传输；
所述处理器601用于调用所述存储器602中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例一中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤100：读取目标户型图像的矢量信息。
在步骤100中，户型特征的自动提取系统接收用户端发送的用于标识目标户型所在楼盘的第一识别码并根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像，或者，户型特征的自动提取系统接收用户端发送的用于标识目标户型的第二识别码，并对所述第二识别码进行识别，确定对应的目标户型所在楼盘，以及在预存储的户型数据库中调取对应楼盘的全部户型图像，而后根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像；之后，所述户型特征的自动提取系统读取目标户型图像的矢量信息。
步骤200：将所述目标户型图像的矢量信息输入预设的户型特征提取模型中，得到对应所述目标户型图像的特征标签，其中，所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系。
在步骤200中，户型特征的自动提取系统将所述目标户型图像的矢量信息输入预设的户型特征提取模型中，得到对应所述目标户型图像的特征标签。可以理解的是，所述户型特征提取模型的获取方式包括：先根据预获取的历史户型特征标签生成各类特征标签模块，其中，一个所述特征标签模块中存储有同一类型的特征标签；将每个特征标签模块均与对应的矢量信息进行匹配，并设置各类特征标签模块对应的特征提取算法，进而完成所述户型特征提取模型的建立。可以理解的是，所述特征提取算法可以为任意适用的图像特征提取方法，且特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。
步骤300：根据预设的评分规则，对所述目标户型图像的各个特征标签进行打分，并统计所述目标户型图像的全部特征标签的分数，得到所述目标户型图像的总评分。
在步骤300中，户型特征的自动提取系统根据预设的评分规则，对所述目标户型图像的各个特征标签进行打分，并统计所述目标户型图像的全部特征标签的分数，得到所述目标户型图像的总评分。可以理解的是，所述评分规则根据各个特征标签的优劣进行依次打分，例如，“卧室朝南”标签的分值大于“卧室朝北”的分值。
步骤400：输出所述目标户型图像的特征标签及总评分。
在步骤400中，户型特征的自动提取系统输出所述目标户型图像的特征标签及总评分，便于对户型图进行有效评价，进而能够经快速、准确、自动的户型评测。
从上述描述可知，本发明的实施例提供的电子设备，能够高效、准确且自动地提取户型的各种特征，进而能够有效降低人力和时间成本，进而提高了房屋交易的中间过程，并有效提高了用户体验。
本发明的实施例四提供能够实现上述户型特征的自动提取方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例一的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤100：读取目标户型图像的矢量信息。
在步骤100中，户型特征的自动提取系统接收用户端发送的用于标识目标户型所在楼盘的第一识别码并根据所述第一识别码在预存储的户型数据库中调取对应楼盘的全部目标户型图像，或者，户型特征的自动提取系统接收用户端发送的用于标识目标户型的第二识别码，并对所述第二识别码进行识别，确定对应的目标户型所在楼盘，以及在预存储的户型数据库中调取对应楼盘的全部户型图像，而后根据所述第二识别码在对应楼盘的全部户型图像中确定对应所述目标户型的目标户型图像；之后，所述户型特征的自动提取系统读取目标户型图像的矢量信息。
步骤200：将所述目标户型图像的矢量信息输入预设的户型特征提取模型中，得到对应所述目标户型图像的特征标签，其中，所述户型特征提取模型中存储有各矢量信息与特征标签之间的一一对应关系。
在步骤200中，户型特征的自动提取系统将所述目标户型图像的矢量信息输入预设的户型特征提取模型中，得到对应所述目标户型图像的特征标签。可以理解的是，所述户型特征提取模型的获取方式包括：先根据预获取的历史户型特征标签生成各类特征标签模块，其中，一个所述特征标签模块中存储有同一类型的特征标签；将每个特征标签模块均与对应的矢量信息进行匹配，并设置各类特征标签模块对应的特征提取算法，进而完成所述户型特征提取模型的建立。可以理解的是，所述特征提取算法可以为任意适用的图像特征提取方法，且特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。
步骤300：根据预设的评分规则，对所述目标户型图像的各个特征标签进行打分，并统计所述目标户型图像的全部特征标签的分数，得到所述目标户型图像的总评分。
在步骤300中，户型特征的自动提取系统根据预设的评分规则，对所述目标户型图像的各个特征标签进行打分，并统计所述目标户型图像的全部特征标签的分数，得到所述目标户型图像的总评分。可以理解的是，所述评分规则根据各个特征标签的优劣进行依次打分，例如，“卧室朝南”标签的分值大于“卧室朝北”的分值。
步骤400：输出所述目标户型图像的特征标签及总评分。
在步骤400中，户型特征的自动提取系统输出所述目标户型图像的特征标签及总评分，便于对户型图进行有效评价，进而能够经快速、准确、自动的户型评测。
从上述描述可知，本发明的实施例提供的计算机可读存储介质，能够高效、准确且自动地提取户型的各种特征，进而能够有效降低人力和时间成本，进而提高了房屋交易的中间过程，并有效提高了用户体验。
在本发明的描述中，需要说明的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用于说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。