一种识别可疑对象的方法及装置与流程

本申请涉及检测技术领域，具体而言，涉及一种识别可疑对象的方法及装置。

背景技术：

安全防盗对人们生活非常重要，目前，现有技术中的防盗方法一般是在需要监控的区域安装摄像头，然后通过人工实时查看监控视频的方式来识别是否有可疑人员。这种由人工实时查看监控视频的方式来判断是否有可疑人员，存在识别不准确、效率低的问题。

技术实现要素：

有鉴于此，本申请实施例的目的在于提供一种识别可疑对象的方法及装置，能够通过图像处理技术识别出监控视频中的可疑对象，解决现有技术中由人工实时查看监控视频的方式来识别是否有可疑人员存在的识别不准确、效率低的问题，提高识别的准确率和效率。

第一方面，本申请实施例提供了一种识别可疑对象的方法，包括：

获取目标区域的监控视频，并基于所述监控视频，获取出现在目标区域内的目标对象的第一生物特征；

将所述第一生物特征与指定对象的第二生物特征进行匹配；

当所述第一生物特征与所述第二生物特征匹配不成功时，将所述第一生物特征与数据库中记录的之前已出现在所述目标区域内的各个样本对象的第三生物特征进行匹配；

当所述第一生物特征与所述第三生物特征匹配成功时，从所述数据库中获取在预设时间内所述目标对象出现在所述目标区域内的次数和/或总出现时长；

基于所述次数和/或所述总出现时长，确定所述目标对象是否为可疑对象。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，所述方法还包括：

当所述第一生物特征与所述第三生物特征匹配不成功时，确定所述目标对象首次出现在所述目标区域内；

基于所述监控视频，统计所述目标对象首次在所述目标区域内的出现时间；

将所述目标对象的所述第一生物特征、所述目标对象首次在所述目标区域内的出现时间存储在所述数据库中。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述方法还包括：

当所述第一生物特征与所述第三生物特征匹配成功时，更新所述目标对象出现在所述目标区域内的次数；

基于所述监控视频，统计所述目标对象本次在所述目标区域内的出现时间；

将更新后的次数、所述目标对象本次在所述目标区域内的出现时间存储在所述数据库中。

结合第一方面的第二种可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述从所述数据库中获取在预设时间内所述目标对象出现在所述目标区域内的次数和/或总出现时长，包括：

从所述数据库中提取在所述预设时间内所述目标对象出现在所述目标区域内的次数；以及，

从所述数据库中提取在所述预设时间内所述目标对象每次在所述目标区域内的出现时间，以及，确定在所述预设时间内所述目标对象在所述目标区域内的总出现时长。

结合第一方面，本申请实施例提供了第一方面的第四种可能的实施方式，其中，所述基于所述次数和/或所述总出现时长，确定所述目标对象是否为可疑对象，包括：

当所述次数大于预设次数时，确定所述目标对象是可疑对象；或者，

当所述总出现时长大于预设出现时长时，确定所述目标对象是可疑对象；或者，

当所述次数不大于所述预设次数、且所述出现总时长大于所述预设出现时长时，确定所述目标对象是可疑对象。

结合第一方面，本申请实施例提供了第一方面的第五种可能的实施方式，其中，在确定所述目标对象是所述可疑对象之后，所述方法还包括：

将所述监控视频中出现有所述目标对象的图像帧传输给客户端。

第二方面，本申请实施例提供了一种识别可疑对象的装置，包括：

获取模块，用于获取目标区域的监控视频，并基于所述监控视频，获取出现在目标区域内的目标对象的第一生物特征；

第一匹配模块，用于将所述第一生物特征与指定对象的第二生物特征进行匹配；

第二匹配模块，用于当所述第一生物特征与所述第二生物特征匹配不成功时，将所述第一生物特征与数据库中记录的之前已出现在所述目标区域内的各个样本对象的第三生物特征进行匹配；

处理模块，用于当所述第一生物特征与所述第三生物特征匹配成功时，从所述数据库中获取在预设时间内所述目标对象出现在所述目标区域内的次数和/或总出现时长；

识别结果获取模块，用于基于所述次数和/或所述总出现时长，确定所述目标对象是否为可疑对象。

结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式，其中，所述装置还包括：

第一存储模块，用于

当所述第一生物特征与所述第三生物特征匹配不成功时，确定所述目标对象首次出现在所述目标区域内；

基于所述监控视频，统计所述目标对象首次在所述目标区域内的出现时间；

将所述目标对象的所述第一生物特征、所述目标对象首次在所述目标区域内的出现时间存储在所述数据库中。

结合第二方面，本申请实施例提供了第二方面的第二种可能的实施方式，其中，所述装置还包括：

第二存储模块，用于

当所述第一生物特征与所述第三生物特征匹配成功时，更新所述目标对象出现在所述目标区域内的次数；

基于所述监控视频，统计所述目标对象本次在所述目标区域内的出现时间；

将更新后的次数、所述目标对象本次在所述目标区域内的出现时间存储在所述数据库中。

结合第二方面，本申请实施例提供了第二方面的第三种可能的实施方式，其中，所述装置还包括：

传输模块，用于

在确定所述目标对象是所述可疑对象之后，将所述监控视频中出现有所述目标对象的图像帧传输给客户端。

本申请实施例提供的识别可疑对象的方法及装置，通过获取目标区域的监控视频，并基于所述监控视频，获取出现在目标区域内的目标对象的第一生物特征；将所述第一生物特征与指定对象的第二生物特征进行匹配；当所述第一生物特征与所述第二生物特征匹配不成功时，将所述第一生物特征与数据库中记录的之前已出现在所述目标区域内的各个样本对象的第三生物特征进行匹配；当所述第一生物特征与所述第三生物特征匹配成功时，从所述数据库中获取在预设时间内所述目标对象出现在所述目标区域内的次数和/或总出现时长；基于所述次数和/或所述总出现时长，确定所述目标对象是否为可疑对象。本申请实施例能够通过图像处理技术识别出监控视频中的可疑对象，解决现有技术中由人工实时查看监控视频的方式来识别是否有可疑人员存在的识别不准确、效率低的问题，提高识别的准确率和效率。

为使本申请的上述目的、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申请实施例的技术方案，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申请的某些实施例，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。

图1示出了本申请实施例所提供的一种识别可疑对象的方法的流程图；

图2示出了本申请实施例所提供的识别可疑对象的方法中，将首次出现在目标区域的目标对象的信息存储在数据库的流程图；

图3示出了本申请实施例所提供的识别可疑对象的方法中，更新数据库中存储的信息的流程图；

图4示出了本申请实施例所提供的一种识别可疑对象的装置的结构示意图；

图5示出了本申请实施例所提供的一种计算机设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。

目前由人工实时查看监控视频的方式来判断是否有可疑人员，存在判断不准确、效率低的问题，基于此，本申请提供的一种识别可疑对象的方法及装置，能够通过图像处理技术识别出监控视频中的可疑对象，解决现有技术中由人工实时查看监控视频的方式来识别是否有可疑人员存在的识别不准确、效率低的问题，提高识别的准确率和效率。

为便于对本实施例进行理解，首先对本申请实施例所公开的一种识别可疑对象的方法进行详细介绍。

参见图1所示，本申请实施例所提供的一种识别可疑对象的方法包括步骤s101～s105：

s101：获取目标区域的监控视频，并基于监控视频，获取出现在目标区域内的目标对象的第一生物特征。

例如，目标区域可以为办公楼门口、小区门口、办公室门口、住户门口等一些需要监控的地方。

可选地，第一生物特征包括目标对象的步态特征、人脸特征、虹膜特征、软生物特征的一种或多种。

可选地，本申请实施例采用下述方式获取目标对象的步态特征：

首先，当监控视频中出现目标对象后，从监控视频中出现了目标对象的第n帧图像所对应的至少一个关联图像中提取出目标对象的步态特征。

此处，关联图像包括但不限制于：监控视频中的与第n帧图像相邻且连续的前x帧图像、与第n帧图像相邻且连续的后y帧图像，或与第n帧图像相邻且连续的前x帧图像以及与第n帧图像相邻且连续的后y帧图像。

可选地，在提取步态特征时，可以基于霍夫(hough)变换的步态特征提取算法、粒子滤波跟踪的步态特征提取算法等提取步态特征。

可选地，本申请实施例采用下述方式获取目标对象的人脸特征：

当监控视频中出现目标对象后，从监控视频的中出现有目标对象的图像帧中获取目标对象的人脸特征。首先确定待处理图像帧中目标对象的人体区域；然后，基于人脸与人体的几何关系，确定人体区域中的人脸区域；最后获取人脸区域的图像作为人脸图像。这种方式不用全局图像进行人脸特征识别，而是先识别出人体区域，然后再利用人体区域确定人脸区域，缩短人脸特征识别的识别时间，可以提高识别效率。

可选地，在提取人脸特征的特征向量时，可以采用卷积神经网络、或尺度不变特征变换(scale-invariantfeaturetransform，sift)算法等提取人脸特征的特征向量。

s102：将第一生物特征与指定对象的第二生物特征进行匹配。

例如，指定对象可以为办公楼里的工作人员、小区内的住户等。

可选地，第二生物特征包括目标对象的步态特征、人脸特征、虹膜特征、软生物特征的一种或多种。

具体实现的时候，可选地，通过计算第一生物特征与指定对象的第二生物特征之间的相似度，完成匹配操作。

需要注意的是，匹配的时候，第一生物特征与第二生物特征为同一种生物特征。当生物特征只包括一种时，根据第一生物特征与第二生物特征的相似度，完成匹配操作；当生物特征包括多种时，利用加权平均法根据每一种生物特征之间的相似度，确定第一生物特征与第二生物特征的相似度，完成匹配操作。

s103：当第一生物特征与第二生物特征匹配不成功时，将第一生物特征与数据库中记录的之前已出现在目标区域内的各个样本对象的第三生物特征进行匹配。

可选地，第三生物特征包括目标对象的步态特征、人脸特征、虹膜特征、软生物特征的一种或多种。

具体实现的时候，可选地，当第一生物特征与指定对象的第二生物特征之间的相似度小于预设相似度阈值时，表示匹配不成功。

当匹配不成功时，将第一生物特征与数据库中记录的之前已出现在目标区域内的各个样本对象的第三生物特征进行匹配。

需要注意的是，匹配的时候，第一生物特征与第三生物特征为同一种生物特征。当生物特征只包括一种时，根据第一生物特征与第三生物特征的相似度，完成匹配操作；当生物特征包括多种时，利用加权平均法根据每一种生物特征之间的相似度，确定第一生物特征与第三生物特征的相似度，完成匹配操作。

此处，数据库中存储着之前已出现在目标区域内的各个样本对象的第三生物特征，将第一生物特征与数据库中记录的之前已出现在目标区域内的各个样本对象的第三生物特征进行匹配，是为了判断目标对象是第一次到目标区域，还是之前已经到过目标区域，这次又一次来到目标区域。

需要注意的是，数据库中存储的信息是在预设时间内存储的。例如在某场景下，需要重点监控某时间段内出现在目标区域的目标对象是否可疑，此时的预设时间即为该需要重点监控的时间段。或在另一种场景下，数据库用于存储在一定时间长度内出现在目标区域的目标对象的数据，例如该时间长度可以为8小时，随着时间的推移，在前存储的目标对象的数据进行不断清空，并不断存储当前时间下目标对象的数据，保证数据库中的数据的存储时间是当前时间的前8个小时内的数据。

在执行步骤s104之前，在本申请另一个实施例中，提供了当第一生物特征与第三生物特征匹配不成功时，参见图2所示，通过下述步骤将首次出现在目标区域的目标对象的信息存储在数据库：

s201：当第一生物特征与第三生物特征匹配不成功时，确定目标对象首次出现在目标区域内。

s202：基于监控视频，统计目标对象首次在目标区域内的出现时间。

s203：将目标对象的第一生物特征、目标对象首次在目标区域内的出现时间存储在数据库中。

通过上述步骤将首次出现在目标区域的目标对象的信息储存在数据库中，构成了数据库中的各个样本对象。

s104：当第一生物特征与第三生物特征匹配成功时，从数据库中获取在预设时间内目标对象出现在目标区域内的次数和/或总出现时长。

此处，当第一生物特征与第三生物特征匹配成功时，说明该目标对象不是第一次来到目标区域。

具体实现的时候，参见图3所示，本申请实施例首先采用下述步骤更新数据库中存储的信息：

s301：当第一生物特征与第三生物特征匹配成功时，更新目标对象出现在目标区域内的次数。

具体实现的时候，可选地，本申请实施例采用下述两种方式更新目标对象出现在目标区域内的次数：

方式一：

当第一生物特征与第三生物特征匹配成功时，在目标区域的监控视频中，对目标对象进行追踪；

当在监控视频中无法追踪到目标对象时，记为1次；

将数据库中与该目标对象对应的样本对象的次数加1，完成更新。

方式二：

当第一生物特征与第三生物特征匹配成功时，先让监控视频继续记录一段预设时长的视频段，然后每间隔预设定帧数的图像从这段视频段中提取到若干个子视频段，分别检测这若干个子视频段中的每个对象的生物特征，识别出目标对象，将出现了目标对象的子视频段的个数，作为本次第一生物特征与第三生物特征匹配成功时，目标对象出现在目标区域的次数，例如出现了目标对象的子视频段的个数为n个，则本次第一生物特征与第三生物特征匹配成功时，目标对象出现在目标区域的次数为n；

将数据库中与该目标对象对应的样本对象的次数加n，完成更新。

s302：基于监控视频，统计目标对象本次在目标区域内的出现时间。

可选地，出现时间可以为目标对象本次进入目标区域的时间点和从目标区域消失的时间点；也可以为目标对象本次进入目标区域到从目标区域消失的之间的时间长度。

具体实现的时候，本申请实施例相应的采用下述两种方式统计目标对象本次在目标区域内的出现时间：

方式一：

在目标区域的监控视频中，或子视频段中，对目标对象进行追踪；

当无法追踪到目标对象时，统计目标对象本次在目标区域内的出现时间点和消失时间点，进一步可获取出现时长。

方式二：

在目标区域的监控视频中，或子视频段中，对目标对象进行追踪；

当无法追踪到目标对象时，统计本次在监控视频中或在子视频段中连续出现有目标对象的图像帧数，根据该图像帧数，获取目标对象本次在目标区域内的出现时长。

s303：将更新后的次数、目标对象本次在目标区域内的出现时间存储在数据库中。

通过上述步骤更新完数据库中存储的信息后，从数据库中获取在预设时间内目标对象出现在目标区域内的次数和/或总出现时长。

具体实现的时候，从数据库中提取在预设时间内目标对象出现在目标区域内的次数；以及，

从数据库中提取在预设时间内目标对象每次在目标区域内的出现时间，以及，确定在预设时间内目标对象在目标区域内的总出现时长。

s105：基于次数和/或总出现时长，确定目标对象是否为可疑对象。

具体实现的时候，本申请实施例相应的采用下述三种方式确定目标对象是否为可疑对象:

方式一：当次数大于预设次数时，确定目标对象是可疑对象；

方式二：当总出现时长大于预设出现时长时，确定目标对象是可疑对象；

方式三：当次数不大于预设次数、且出现总时长大于预设出现时长时，确定目标对象是可疑对象。

在本申请的另一实施例中，在确定目标对象是可疑对象之后，本申请实施例提供的识别可疑对象的方法还包括：

将监控视频中出现有目标对象的图像帧传输给客户端。

可选地，可以是一帧图像，也可以是多帧图像，当是多帧图像时，即为视频。

本申请实施例提供的识别可疑对象的方法，通过获取目标区域的监控视频，并基于监控视频，获取出现在目标区域内的目标对象的第一生物特征；将第一生物特征与指定对象的第二生物特征进行匹配；当第一生物特征与第二生物特征匹配不成功时，将第一生物特征与数据库中记录的之前已出现在目标区域内的各个样本对象的第三生物特征进行匹配；当第一生物特征与第三生物特征匹配成功时，从数据库中获取在预设时间内目标对象出现在目标区域内的次数和/或总出现时长；基于次数和/或总出现时长，确定目标对象是否为可疑对象。本申请实施例能够通过图像处理技术识别出监控视频中的可疑对象，解决现有技术中由人工实时查看监控视频的方式来识别是否有可疑人员存在的识别不准确、效率低的问题，提高识别的准确率和效率。

基于同一发明构思，本申请实施例中还提供了与识别可疑对象的方法对应的识别可疑对象的装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述识别可疑对象的方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

参见图4所示，本申请实施例所提供的识别可疑对象的装置，包括：

获取模块41，用于获取目标区域的监控视频，并基于监控视频，获取出现在目标区域内的目标对象的第一生物特征；

第一匹配模块42，用于将第一生物特征与指定对象的第二生物特征进行匹配；

第二匹配模块43，用于当第一生物特征与第二生物特征匹配不成功时，将第一生物特征与数据库中记录的之前已出现在目标区域内的各个样本对象的第三生物特征进行匹配；

处理模块44，用于当第一生物特征与第三生物特征匹配成功时，从数据库中获取在预设时间内目标对象出现在目标区域内的次数和/或总出现时长；

识别结果获取模块45，用于基于次数和/或总出现时长，确定目标对象是否为可疑对象。

可选地，本申请实施例所提供的识别可疑对象的装置，还包括：

第一存储模块46，用于当第一生物特征与第三生物特征匹配不成功时，确定目标对象首次出现在目标区域内；

基于监控视频，统计目标对象首次在目标区域内的出现时间；

将目标对象的第一生物特征、目标对象首次在目标区域内的出现时间存储在数据库中。

可选地，本申请实施例所提供的识别可疑对象的装置，还包括：

第二存储模块47，用于当第一生物特征与第三生物特征匹配成功时，更新目标对象出现在目标区域内的次数；

基于监控视频，统计目标对象本次在目标区域内的出现时间；

将更新后的次数、目标对象本次在目标区域内的出现时间存储在数据库中。

可选地，本申请实施例所提供的识别可疑对象的装置，还包括：

传输模块48，用于在确定目标对象是可疑对象之后，将监控视频中出现有目标对象的图像帧传输给客户端。

可选地，处理模块44，具体采用下述方式从数据库中获取在预设时间内目标对象出现在目标区域内的次数和/或总出现时长：

从数据库中提取在预设时间内目标对象出现在目标区域内的次数；以及，

从数据库中提取在预设时间内目标对象每次在目标区域内的出现时间，以及，确定在预设时间内目标对象在目标区域内的总出现时长。

可选地，识别结果获取模块45，具体用于：当次数大于预设次数时，确定目标对象是可疑对象；或者，

当总出现时长大于预设出现时长时，确定目标对象是可疑对象；或者，

当次数不大于预设次数、且出现总时长大于预设出现时长时，确定目标对象是可疑对象。

本申请实施例提供的识别可疑对象的装置，在识别可疑对象的时候，通过获取目标区域的监控视频，并基于监控视频，获取出现在目标区域内的目标对象的第一生物特征；将第一生物特征与指定对象的第二生物特征进行匹配；当第一生物特征与第二生物特征匹配不成功时，将所述第一生物特征与数据库中记录的之前已出现在所述目标区域内的各个样本对象的第三生物特征进行匹配；当第一生物特征与第三生物特征匹配成功时，从数据库中获取在预设时间内目标对象出现在目标区域内的次数和/或总出现时长；基于次数和/或总出现时长，确定目标对象是否为可疑对象。本申请实施例能够通过图像处理技术识别出监控视频中的可疑对象，解决现有技术中由人工实时查看监控视频的方式来识别是否有可疑人员存在的识别不准确、效率低的问题，提高识别的准确率和效率。

本申请实施例还提供了一种计算机可读存储介质，该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运行时执行上述识别可疑对象的方法的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述识别可疑对象的方法，从而能够通过图像处理技术识别出监控视频中的可疑对象，解决现有技术中由人工实时查看监控视频的方式来识别是否有可疑人员存在的识别不准确、效率低的问题，提高识别的准确率和效率。

对应于图1中的识别可疑对象的方法，本申请实施例还提供了一种计算机设备，如图5所示，该设备包括存储器1000、处理器2000及存储在该存储器1000上并可在该处理器2000上运行的计算机程序，其中，上述处理器2000执行上述计算机程序时实现上述识别可疑对象的方法的步骤。

具体地，上述存储器1000和处理器2000能够为通用的存储器和处理器，这里不做具体限定，当处理器2000运行存储器1000存储的计算机程序时，能够执行上述识别可疑对象的方法，从而能够通过图像处理技术识别出监控视频中的可疑对象，解决现有技术中由人工实时查看监控视频的方式来识别是否有可疑人员存在的识别不准确、效率低的问题，提高识别的准确率和效率。

本申请实施例所提供的识别可疑对象的方法及装置的计算机程序产品，包括存储了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。

在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。

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，上述描述的方法和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。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。

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，在本申请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，本申请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)执行本申请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(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、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，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，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申请揭露的技术范围内，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申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。