本申请涉及人工智能技术领域，更具体地说，涉及一种基于人脸识别的身份判定方法、装置和云服务器。
背景技术：
随着社会的进步和科技的发展，家用机器人作为一种家用智能终端越来越多地进入到普通家庭中，其能够为家庭成员提供较多的服务和帮助，从而使家庭的生活环境更为美好。
对于普通家庭来说，一般会有多个家庭成员，每个家庭成员的自身需求会有所不同，如有的家庭成员需要较多的学习支持，有的会有较多的娱乐支持等，而目前的家用机器人无法根据具体家庭成员的身份确定差异化服务，即只能根据具体指令而非具体成员的特点提供服务，从而导致用户使用体验较差。
技术实现要素：
有鉴于此，本申请提供一种基于人脸识别的身份判定方法、装置和云服务器，用于对用户的身份进行判定，以便使家用机器人能够根据用户的身份对其提供针对性服务，提高用户的使用体验。
为了实现上述目的，现提出的方案如下：
一种基于人脸识别的身份判定方法，应用于为家用机器人提供数据支持服务的云服务器，所述云服务器配置有人脸识别引擎和人脸特征数据库，所述身份判定方法包括步骤：
根据家用机器人的连接请求建立连接关系；
接收所述家用机器人上传的用户的脸部图像；
利用预先训练的人脸识别模型对所述脸部图像进行识别，并根据识别结果和预存的身份信息数据库得到用户的身份信息，所述人脸识别模型为利用所述人脸特征数据库对所述人脸识别引擎进行训练所得；
驱使所述家用机器人根据所述身份信息与用户进行信息互动。
可选的，所述根据家用机器人的连接请求建立连接关系，包括：
根据所述连接请求与所述家用机器人建立通信；
定义通信格式；
以所述通信格式与所述家用机器人建立所述连接关系。
可选的，所述根据所述身份信息与用户进行信息互动，包括：
接收用户的交互请求；
驱使所述家用机器人根据所述交互请求和所述身份信息与用户进行信息交互。
可选的，所述驱使所述家用机器人根据所述交互请求和所述身份信息与用户进行信息交互，包括：
驱使所述家用机器人根据所述交互请求向用户提供与所述身份信息相匹配的信息；
或，驱使所述家用机器人向用户推送与所述身份信息相匹配的信息。
可选的，所述驱使所述家用机器人根据所述身份信息与用户进行信息互动，还包括：
向用户推送与所述身份信息相匹配的交互提示信息。
可选的，还包括步骤：
响应所述家用机器人发出的注册请求，接收发出所述注册请求的注册用户的脸部图像和注册身份信息；
利用所述人脸识别模型对所述脸部图像进行识别，得到脸部特征信息；
将所述脸部特征信息与所述注册身份信息对应存入所述身份信息数据库。
一种基于人脸识别的身份判定装置，应用于为家用机器人提供数据支持服务的云服务器，所述云服务器配置有人脸识别引擎和人脸特征数据库，所述身份判定装置包括：
连接建立模块，用于根据家用机器人的连接请求建立连接关系；
第一接收模块，用于接收所述家用机器人上传的用户的脸部图像；
人脸识别模块，用于利用预先训练的人脸识别模型对所述脸部图像进行识别，并根据识别结果和预存的身份信息数据库得到用户的身份信息，所述人脸识别模型为利用所述人脸特征数据库对所述人脸识别引擎进行训练所得；
信息互动模块，用于驱使所述家用机器人根据所述身份信息与用户进行信息互动。
可选的，所述连接建立模块包括：
通信建立单元，用于根据所述连接请求与所述家用机器人建立通信；
通信定义单元，用于定义通信格式；
连接建立单元，用于以所述通信格式与所述家用机器人建立所述连接关系。
可选的，所述信息互动模块包括：
请求接收单元，用于接收用户的交互请求；
交互执行单元，用于驱使所述家用机器人根据所述交互请求和所述身份信息与用户进行信息交互。
可选的，所述交互执行单元具体用于驱使所述家用机器人根据所述交互请求向用户提供与所述身份信息相匹配的信息；或，向用户推送与所述身份信息相匹配的信息。
可选的，所述信息互动模块还包括：
提示推送单元，用于驱使所述家用机器人向用户推送与所述身份信息相匹配的交互提示信息。
可选的，还包括：
第二接收模块，用于响应所述家用机器人发出的注册请求，接收发出所述注册请求的注册用户的脸部图像和注册身份信息；
特征提取模块，用于利用所述人脸识别模型对所述脸部图像进行识别，得到脸部特征信息；
信息存储模块，用于将所述脸部特征信息与所述注册身份信息对应存入数据库。
一种云服务器，可选的，设置有如上所述的身份判定装置。
一种云服务器，包括至少一个处理器和与其相连接的存储器，所述存储器用于存储计算机程序或指令，所述处理器用户执行所述计算机程序或指令，以使所述云服务器执行如下步骤：
根据家用机器人的连接请求建立连接关系；
接收所述家用机器人上传的用户的脸部图像；
利用预先训练的人脸识别模型对所述脸部图像进行识别，并根据识别结果和预存的身份信息数据库得到用户的身份信息，所述人脸识别模型为利用所述人脸特征数据库对所述人脸识别引擎进行训练所得；
驱使所述家用机器人根据所述身份信息与用户进行信息互动。
可选的，所述处理器在执行所述计算机程序或指令时，还用于执行如下步骤：
响应所述家用机器人发出的注册请求，接收发出所述注册请求的注册用户的脸部图像和注册身份信息；
利用所述人脸识别模型对所述脸部图像进行识别，得到脸部特征信息；
将所述脸部特征信息与所述注册身份信息对应存入所述身份信息数据库。
从上述的技术方案可以看出，本申请公开了一种基于人脸识别的身份判定方法、装置和云服务器，该方法和装置应用于为家用机器人提供数据支持服务的云服务器，具体为根据家用机器人的连接请求建立连接关系；接收家用机器人上传的用户的脸部图像；利用预先训练的人脸识别模型对脸部图像进行识别，并根据识别结果和预存的身份信息数据库得到用户的身份信息，人脸识别模型为利用人脸特征数据库对人脸识别引擎进行训练所得；驱使所述家用机器人根据身份信息与用户进行信息互动。相比仅根据用户的具体请求与用户进行信息互动来说，通过确定用户的身份信息并提供针对性的服务更能满足用户的需求，从而提高了用户的使用体验。
附图说明
为了更清楚地说明本申请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，下面描述中的附图仅仅是本申请的一些实施例，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为本发明实施例提供的一种基于人脸识别的身份判定方法的步骤流程图；
图2为本发明实施例提供的另一种基于人脸识别的身份判定方法的步骤流程图；
图3为本发明实施例提供的一种基于人脸识别的身份判定装置的结构框图；
图4为本发明实施例提供的另一种基于人脸识别的身份判定装置的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
实施例一
图1为本发明实施例提供的一种基于人脸识别的身份判定方法的步骤流程图。
如图1所示，本实施例提供的身份判定方法应用于为家用机器人提供数据支持服务的云服务器，该云服务器可以理解为计算机硬件，也可以理解为运行于相应服务器上的一组计算机程序，该身份判定方法具体包括如下步骤：
s1、根据家用机器人的连接请求建立连接关系。
家用机器人其实是可以单独离线运行的，当需要为用户提供更为高级的内容或者其本身功能不能满足用户需要时，可以在用户通过其触摸屏或者通过语音方式发出的指令的控制下向云服务器发出连接请求，此时云服务器根据机器人发出的连接请求与其建立连接关系，以便为进一步的信息交互建立基础。该连接关系的建立可以通过如下步骤实现：
首先，根据家用机器人的连接请求在两者之间建立通信；然后，为了保证两者之间进行良好的通信，对通信的格式进行定义，即定义进行通信的数据格式；最后，利用定义的通信格式建立两者之间的连接关系。
s2、接收家用机器人上传的用户的脸部图像。
家用机器人在被相应用户操作时，为了向用户提供更好的服务，利用其摄像设备采集用户的脸部图像。具体来说，是利用摄像设备对用户进行拍摄或拍照，然后利用相应的定位机制选取影像或图像中的面部区域，即用户的脸部图像并进行上传，当家用机器人上传该脸部图像时利用定义的通信格式接收该脸部图像。
s3、利用预先训练的人脸识别模型对脸部图像进行识别。
这里需要强调的是，本方案所应用于的云服务器提前部署有相应的人脸识别引擎和人脸特征数据库。人脸识别引擎用于利用人脸特征数据库进行训练，从而得到该人脸识别模型。且该云服务器中还预存有身份信息数据库，该数据库中存储有多个身份信息，并存储有与每个身份信息相对应的脸部特征。
这里对脸部图像进行识别的实质是根据该人脸识别模型对脸部图像的脸部特征进行提取，并将提取到的脸部特征从身份信息数据库中进行查找，当查找到相应身份信息时根据该身份信息确定用户的身份，从而实现对用户身份的判定。
人脸特征数据库可以选用下面的一种进行部署：
feret人脸数据库(美国军方)
由feret项目创建，此图像集包含大量的人脸图像，并且每幅图中均只有一个人脸。该集中，同一个人的照片有不同表情，光照，姿态和年龄的变化。包含1万多张多姿态和光照的人脸图像,是人脸识别领域应用最广泛的人脸数据库之一.其中的多数人是西方人,每个人所包含的人脸图像的变化比较单一。
.cmu-pie人脸数据库(美国，卡耐基梅隆大学)
所谓pie就是姿态(pose)，光照(illumination)和表情(expression)的缩写。包含68位志愿者的41,368张多姿态,光照和表情的面部图像.其中的姿态和光照变化图像也是在严格控制的条件下采集的,目前已经逐渐成为人脸识别领域的一个重要的测试集合。
其中包括了每个人的13种姿态条件，43种光照条件和4种表情下的照片，现有的多姿态人脸识别的文献基本上都是在cmupie人脸库上测试的。
yale人脸数据库(美国，耶鲁大学)
由耶鲁大学计算视觉与控制中心创建,包含15位志愿者的165张图片,包含光照,表情和姿态的变化。
yale人脸数据库中一个采集志愿者的10张样本，相比较orl人脸数据库yale库中每个对象采集的样本包含更明显的光照、表情和姿态以及遮挡变化。
yale人脸数据库
包含了10个人的5,850幅多姿态,多光照的图像.其中的姿态和光照变化的图像都是在严格控制的条件下采集的,主要用于光照和姿态问题的建模与分析.由于采集人数较少,该数据库的进一步应用受到了比较大的限制。
mit人脸数据库
由麻省理工大学媒体实验室创建,包含16位志愿者的2,592张不同姿态(每人27张照片),光照和大小的面部图像.
orl人脸数据库(英国，剑桥大学)
由英国剑桥大学at&t实验室创建,包含40人共400张面部图像,部分志愿者的图像包括了姿态,表情和面部饰物的变化.该人脸库在人脸识别研究的早期经常被人们采用,但由于变化模式较少,多数系统的识别率均可以达到90％以上,因此进一步利用的价值已经不大.
orl人脸数据库中一个采集对象的全部样本库中每个采集对象包含10幅经过归一化处理的灰度图像，图像尺寸均为92×112，图像背景为黑色。其中采集对象的面部表情和细节均有变化，例如笑与不笑、眼睛睁着或闭着以及戴或不戴眼镜等，不同人脸样本的姿态也有变化，其深度旋转和平面旋转可达20度。
bioid人脸数据库
包含在各种光照和复杂背景下的1521张灰度面部图像，眼睛位置已经被手工标注。
.umist图像集(英国，曼切斯特大学)
20个人共564幅图像，每个人具有不同角度、不同姿态的多幅图像。
bern图像集(德国，伯尔尼大学)
30个人300幅正视图(每人10幅)，150幅侧视图(每人50幅)。
fdb603(中国，南京理工大学)
96人，每人约10幅图像，目前总图像为954幅，黑白照片，人脸在图像中所占比例较大，背景复杂，光照有自然光、室内白炽灯光，每张脸在上下、左右的范围内倾斜，年龄在16～40岁之间。
还有gt人脸库和at&t人脸库。
s4、驱使家用机器人根据用户的身份信息与用户进行信息互动。
在得到目前正在使用该家用机器人的用户的身份信息后，即判定该用户的具体身份后，即可驱使家用机器人根据该该用户的身份信息与其展开针对性的信息互动，从而满足用户所需的特色服务。
具体来说，针对性的信息互动可以包括如下内容：
首先，在被识别出身份的用户发出交互请求时，接收并响应该交互请求；驱使家用机器人根据该交互请求和用户的是否信息与用户进行信息交互。这里具体来说是驱使家用机器人向用户提供与其身份有针对性的或与其身份信息相匹配的信息或数据，或者仅向用户推送与用户的身份信息相匹配的信息或数据。
另外，当用户没有发出相应的交互请求时，也可以在确定用户的身份信息的基础上驱使家用机器人主动向用户推送有针对性的信息，从而使用户感觉该家用机器人的服务更为体贴。
从上述技术方案可以看出，本实施例提供了一种基于人脸识别的身份判定方法，该方法应用于为家用机器人提供数据支持服务的云服务器，具体为根据家用机器人的连接请求建立连接关系；接收家用机器人上传的用户的脸部图像；利用预先训练的人脸识别模型对脸部图像进行识别，并根据识别结果和预存的身份信息数据库得到用户的身份信息，人脸识别模型为利用人脸特征数据库对人脸识别引擎进行训练所得；驱使家用机器人根据身份信息与用户进行信息互动。相比仅根据用户的具体请求与用户进行信息互动来说，通过确定用户的身份信息并提供针对性的服务更能满足用户的需求，从而提高了用户的使用体验。
上述方案的基础是在该云服务器中已经建立有相应的身份信息数据库，如果没有该数据库的情况下或者该数控中没有相应用户的身份信息，此时可以通过如下方式建立相应的数据库或将相应身份信息录入该数据库，如图2所示：
s5、根据用户的注册请求接收脸部图像和注册身份信息。
即响应用户通过家用机器人发送的注册请求，接收家用机器人所采集的该用户的脸部图像和注册身份信息。这里对该用户的脸部图像的采集与前面所述相同，这里就不再赘述。
s6、利用人脸识别模型对脸部图像进行识别。
即利用上述已经训练好的人脸识别模型对该用户的脸部图像进行识别，通过识别取得该脸部图像上的脸部特征信息，并将该脸部特征信息与身份信息进行对应匹配。
s7、将脸部特征信息和注册身份信息对应存入身份信息数据库。
在确定相互对应的脸部特征信息和身份信息后，将两者存入相应的身份信息数据库。如果没有该数据库，则首先建立该数据库，并将上述脸部特征信息和身份信息存入建立好的身份信息数据库。
实施例二
图3为本发明实施例提供的一种基于人脸识别的身份判定装置的结构框图。
如图3所示，本实施例提供的身份判定装置设置于为家用机器人提供数据支持服务的云服务器，该云服务器可以理解为计算机硬件，也可以理解为运行于相应服务器上的一组计算机程序，该身份判定装置具体包括连接建立模块10、第一接收模块20、人脸识别模块30和信息互动模块40。
连接建立模块用于根据家用机器人的连接请求建立连接关系。
家用机器人其实是可以单独离线运行的，当需要为用户提供更为高级的内容或者其本身功能不能满足用户需要时，可以在用户通过其触摸屏或者通过语音方式发出的指令的控制下向云服务器发出连接请求，此时云服务器根据机器人发出的连接请求与其建立连接关系，以便为进一步的信息交互建立基础。该模块具体包括通信建立单元、通信定义单元和连接建立单元。
通信建立单元用于根据家用机器人的连接请求在两者之间建立通信；通信定义单元则用于为保证两者之间进行良好的通信，对通信的格式进行定义，即定义进行通信的数据格式；连接建立单元用于利用定义的通信格式建立两者之间的连接关系。
第一接收模块用于接收家用机器人上传的用户的脸部图像。
家用机器人在被相应用户操作时，为了向用户提供更好的服务，利用其摄像设备采集用户的脸部图像。具体来说，是利用摄像设备对用户进行拍摄或拍照，然后利用相应的定位机制选取影像或图像中的面部区域，即用户的脸部图像并进行上传，当家用机器人上传该脸部图像时利用定义的通信格式接收该脸部图像。
人脸识别模块用于利用预先训练的人脸识别模型对脸部图像进行识别。
这里需要强调的是，本方案所应用于的云服务器提前部署有相应的人脸识别引擎和人脸特征数据库。人脸识别引擎用于利用人脸特征数据库进行训练，从而得到该人脸识别模型。且该云服务器中还预存有身份信息数据库，该数据库中存储有多个身份信息，并存储有与每个身份信息相对应的脸部特征。
这里对脸部图像进行识别的实质是根据该人脸识别模型对脸部图像的脸部特征进行提取，并将提取到的脸部特征从身份信息数据库中进行查找，当查找到相应身份信息时根据该身份信息确定用户的身份，从而实现对用户身份的判定。
信息互动模块用户用于驱使家用机器人根据用户的身份信息与用户进行信息互动。
在得到目前正在使用该家用机器人的用户的身份信息后，即判定该用户的具体身份后，即可根据该该用户的身份信息驱使家用机器人与其展开针对性的信息互动，从而满足用户所需的特色服务。
具体来说，该模块包括请求接收单元和交互执行单元。
请求接收单元用于在被识别出身份的用户发出交互请求时，接收并响应该交互请求；交互执行单元用于根据该交互请求和用户的是否信息驱使家用机器人与用户进行信息交互。这里具体来说是向用户提供与其身份有针对性的或与其身份信息相匹配的信息或数据，或者仅向用户推送与用户的身份信息相匹配的信息或数据。
另外，该模块还可以包括提示推送单元，该单元用于当用户没有发出相应的交互请求时，也可以在确定用户的身份信息的基础上驱使家用机器人主动向用户推送有针对性的信息，从而使用户感觉该家用机器人的服务更为体贴。
从上述技术方案可以看出，本实施例提供了一种基于人脸识别的身份判定装置，该装置部署于为家用机器人提供数据支持服务的云服务器，具体用于根据家用机器人的连接请求建立连接关系；接收家用机器人上传的用户的脸部图像；利用预先训练的人脸识别模型对脸部图像进行识别，并根据识别结果和预存的身份信息数据库得到用户的身份信息，人脸识别模型为利用人脸特征数据库对人脸识别引擎进行训练所得；驱使家用机器人根据身份信息与用户进行信息互动。相比仅根据用户的具体请求与用户进行信息互动来说，通过确定用户的身份信息并提供针对性的服务更能满足用户的需求，从而提高了用户的使用体验。
上述装置的基础是在该云服务器中已经建立有相应的身份信息数据库，如果没有该数据库的情况下或者该数控中没有相应用户的身份信息，此时可以包括第二接收模块50、特征提取模块60和信息存储模块70，以便建立相应的数据库或将相应身份信息录入该数据库，具体如图4所示。
第二接收模块用于根据用户的注册请求接收脸部图像和注册身份信息。
即响应用户通过家用机器人发送的注册请求，接收家用机器人所采集的该用户的脸部图像和注册身份信息。这里对该用户的脸部图像的采集与前面所述相同，这里就不再赘述。
特征提取模块用于利用人脸识别模型对脸部图像进行识别。
即利用上述已经训练好的人脸识别模型对该用户的脸部图像进行识别，通过识别取得该脸部图像上的脸部特征信息，并将该脸部特征信息与身份信息进行对应匹配。
信息存储模块用于将脸部特征信息和注册身份信息对应存入身份信息数据库。
在确定相互对应的脸部特征信息和身份信息后，将两者存入相应的身份信息数据库。如果没有该数据库，则首先建立该数据库，并将上述脸部特征信息和身份信息存入建立好的身份信息数据库。
实施例三
本实施例提供了一种云服务器，该云服务器设置有上一实施例所提供的身份判定装置。该装置具体用于根据家用机器人的连接请求建立连接关系；接收家用机器人上传的用户的脸部图像；利用预先训练的人脸识别模型对脸部图像进行识别，并根据识别结果和预存的身份信息数据库得到用户的身份信息，人脸识别模型为利用人脸特征数据库对人脸识别引擎进行训练所得；驱使家用机器人根据身份信息与用户进行信息互动。相比仅根据用户的具体请求与用户进行信息互动来说，通过确定用户的身份信息并提供针对性的服务更能满足用户的需求，从而提高了用户的使用体验。
实施例四
本实施例提供了一种云服务器，该云服务器设置有至少一个处理器和存储器，该存储器用于存储相应的计算机程序或指令，处理器用于执行该计算机程序或指令，从而使该云服务器实现如下的步骤：
根据家用机器人的连接请求建立连接关系；
接收家用机器人上传的用户的脸部图像；
利用预先训练的人脸识别模型对脸部图像进行识别，并根据识别结果和预存的身份信息数据库得到用户的身份信息，人脸识别模型为利用人脸特征数据库对人脸识别引擎进行训练所得；
驱使家用机器人根据身份信息与用户进行信息互动。
相比现有的仅根据用户的具体请求与用户进行信息互动来说，通过确定用户的身份信息并提供针对性的服务更能满足用户的需求，从而提高了用户的使用体验。
另外，还可以执行如下步骤：
响应家用机器人发出的注册请求，接收发出注册请求的注册用户的脸部图像和注册身份信息；
利用人脸识别模型对脸部图像进行识别，得到脸部特征信息；
将脸部特征信息与注册身份信息对应存入身份信息数据库。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的技术方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。