一种视频场景分类的方法、系统、设备及存储介质与流程

1.本发明涉及大数据图像处理技术领域，尤其涉及一种视频场景分类的方法、系统、设备及存储介质。


背景技术：

2.随着城市监控建设的不断成熟，摄像设备架设点位越来越多，用户需要分析处理的摄像设备的数量持续增长，如何快速准确的处理这些摄像设备所采集的图像越来越受到从业者的关心。大数据图像处理技术以不同的目标算法对采集到的图像进行目标分析处理，快速生成图像分析结果，大大减轻用户的工作强度，因而备受从业者的青睐。
3.大数据图像处理技术的优势在于实现智能分析，通过不同种类的目标检测算法对图像中的不同目标进行检测识别，但同时，大数据图像处理技术的问题也在于在目标检测算法众多的情况下需要选择合适的目标检测算法才能达到最优的分析效果。而如何针对成千上万个点位不同的部署情况，选择合理的目标检测算法也成为了从业者日趋关心的热点问题。
4.鉴于此，如何为摄像设备选择符合其需求的目标检测算法处理图像，成为一个亟待解决的技术问题。


技术实现要素：

5.本发明提供一种视频场景分类的方法、系统、设备及存储介质，用以解决现有技术中无法为摄像设备选择符合其需求的目标检测算法处理图像的问题。
6.本发明第一方面提供了一种视频场景分类的方法，应用于图像处理设备，所述图像处理设备包括图像采集装置和图像分析装置，所述方法包括：
7.获取一个周期内所述图像采集装置采集的第一图像，分别使用不同的目标检测算法进行目标检测，并统计各个所述目标检测算法的检测结果；
8.对各个所述目标检测算法的检测结果进行权重分析，确定权重最大的检测结果对应目标检测算法所属的场景为当前所述图像采集装置所在的场景；
9.根据所述图像采集装置所在的场景，选取对应的目标检测算法处理所述图像采集装置之后采集的第二图像。
10.可选的，对各个所述目标检测算法的检测结果进行权重分析，包括：
11.分别统计一个周期内，使用每个所述目标检测算法检测到的对应检测目标的目标数量；
12.对各个所述目标检测算法得到检测目标的目标数量进行和运算，获得总目标数量；
13.分别计算每个所述目标检测算法对应检测目标的目标数量在所述总目标数量中的占比，获得各个目标数量对应的目标数量占比。
14.可选的，确定权重最大的检测结果对应目标检测算法所属的场景为当前所述图像
采集装置所在的场景，包括：
15.将所述目标数量占比中的最大值，作为最大占比结果；
16.根据最大占比结果对应的被测目标，确定当前场景为所述被测目标的密集型场景；
17.将所述密集型场景确定为当前所述图像采集装置所在的场景。
18.可选的，根据所述图像采集装置所在的场景，选取对应的目标检测算法处理所述图像采集装置之后采集的第二图像之后，包括：
19.当所述目标检测算法在所述图像采集装置所在的场景下未能达到预设的图像处理效果，则重新判断所述图像采集装置所在的场景是否正确，并重新选择对应的目标检测算法。
20.可选的，所述目标检测算法，包括：
21.人脸目标检测算法、车辆目标检测算法、结构化目标检测算法中的至少任意两种算法的组合。
22.第二方面，本技术实施例提供了一种图像处理系统，包括：
23.至少一个图像采集装置，用于采集目标区域的图像；
24.至少一个图像分析装置，根据所述图像采集装置所采集的图像，确定目标区域的场景分类，并使用与所述场景分类对应的目标检测算法进行图像分析。
25.可选的，确定目标区域的场景分类并使用对应的算法进行图像分析，包括：
26.若所述图像处理设备中仅有一个图像采集装置，则直接确定目标区域的场景并使用对应的算法进行图像分析；
27.若所述图像处理设备中包含多个图像采集装置，则分别确定所述多个图像采集装置各自对应的场景，并根据所述图像采集装置对应的场景使用对应的目标检测算法对采集到的图像进行目标检测。
28.可选的，所述图像处理系统还包括：
29.若所述图像处理设备中包括多个图像分析装置，则可以分别确定所述多个图像分析装置各自使用的目标检测算法；
30.根据所述图像采集装置所在区域的场景分类，选择使用对应目标检测算法的图像分析装置进行图像分析。
31.第三方面，本技术实施例提供了一种图像处理设备，该图像处理设备包括：
32.至少一个处理器，以及
33.与所述至少一个处理器连接的存储器；
34.其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令执行如第一方面所述的方法。
35.第四方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法。
36.本发明实施例中的技术方案具有如下有益效果：图像处理设备获取一个周期内所述图像采集装置采集的第一图像，分别使用不同的目标检测算法进行目标检测，并统计各个所述目标检测算法的检测结果；对各个所述目标检测算法的检测结果进行权重分析，确定权重最大的检测结果对应目标检测算法所属的场景为当前所述图像采集装置所在的场
景；根据所述图像采集装置所在的场景，选取对应的目标检测算法处理所述图像采集装置之后采集的第二图像，从而让图像处理设备可以根据图像采集装置所在的场景，选择对应的目标检测算法处理图像，进而解决了现有技术中无法为摄像设备选择符合其需求的目标检测算法处理图像的问题。
37.由于图像处理设备是利用现有目标检测算法判断图像采集装置所在的场景，无需单独训练场景分类模型，降低了技术门槛，提高了技术的普适度。
38.同时，图像处理设备根据统计结果自动判断图像采集装置所在的场景，根据场景选择对应的目标检测算法，大大减少了人工判断场景和选择目标检测算法的工作量。
附图说明
39.图1是本技术实施例提供的一种视频场景的方法的流程图；
40.图2是本发明实施例提供的一种图像处理设备结构的示意图；
41.图3是发明实施例提供的一场景中各种目标检测算法的检测结果的示意图；
42.图4是本发明实施例提供的另一场景中各种目标检测算法的检测结果的示意图；
43.图5为本发明实施例提供的另一场景中各种目标检测算法的检测结果的示意图；
44.图6为本发明实施例提供的另一场景中各种目标检测算法的检测结果的示意图；
45.图7是本发明实施例提供的一个场景下两种目标检测算法组合的检测结果的示意图；
46.图8为本发明实施例提供的另一场景中各种目标检测算法的检测结果的示意图；
47.图9为本发明实施例提供的一种图像处理系统的示意图；
48.图10是本发明实施例提供的另一种图像处理系统的示意图。
具体实施方式
49.为使本发明的目的、技术方案和优点更加清楚明白，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
50.现有技术中，大数据图像处理技术包含多种目标检测算法，为了保证图像检测的准确度，需要选择与图像采集装置所在场景对应的目标检测算法进行图像分析。针对该问题，目前主要的解决方案为场景分类模型方案，此方案需要提前训练场景分类模型，待视频输入并特征提取后进行分类器处理，得到对应的场景类别。本方案需要提前训练场景分类模型，技术门槛较高，并不能完全解决根据不同的视频场景选择对应的目标检测算法处理图像的问题；
51.为此，本发明提供一种视频场景分类的方法、系统、设备和存储介质，用以解决现有技术中无法为摄像设备选择符合其需求的目标检测算法处理图像选择对应的目标检测算法处理图像的技术问题。
52.下面结合说明书附图介绍本技术实施例提供的技术方案。
53.请参见图1，本发明提供了一种视频场景分类的方法，应用于图像处理设备，图像处理设备包括图像采集装置和图像分析装置，该方法的具体流程描述如下：
54.步骤101、获取一个周期内图像采集装置采集的第一图像，分别使用不同的目标检测算法进行目标检测，并统计各个目标检测算法的检测结果。
55.步骤102、对各个目标检测算法的检测结果进行权重分析，确定权重最大的检测结果对应目标检测算法所属的场景为当前图像采集装置所在的场景。
56.步骤103、根据图像采集装置所在的场景，选取对应的目标检测算法处理图像采集装置之后采集的第二图像。
57.例如，请参见图2，图2为本发明实施例提供的一种图像处理设备结构的示意图。假设一个周期为5s，图像采集装置采集了5s内的多帧图像，每帧图像都被记为第一图像，图像分析装置分别使用人脸目标检测算法、车辆目标检测算法和结构化目标检测算法对所有第一图像进行目标检测，并得到人脸目标检测算法检测出所有第一图像中包含人脸目标7个、车辆目标检测算法检测出的所有第一图像中包含车辆目标1个和结构化目标检测算法检测出所有第一图像中包含非机动车和人体目标2个的检测结果。然后对三种检测结果进行权重分析，确定人脸目标为权重最大的检测结果，当前场景确定为人脸目标检测算法所属的场景。根据确定的人脸目标检测算法所属的场景对图像采集装置之后采集的第二图像均使用人脸目标检测算法进行分析。
58.在本发明提供的实施例中，图像处理设备获取一个周期内图像采集装置采集的第一图像，分别使用不同的目标检测算法进行目标检测，并统计各个目标检测算法的检测结果；对各个目标检测算法的检测结果进行权重分析，确定权重最大的检测结果对应目标检测算法所属的场景为当前图像采集装置所在的场景；根据图像采集装置所在的场景，选取对应的目标检测算法处理图像采集装置之后采集的第二图像，从而让图像处理设备可以根据图像采集装置所在的场景选择对应的目标检测算法，进而解决了现有技术中无法为摄像设备选择符合其需求的目标检测算法处理图像的问题。同时图像处理设备根据统计结果自动判断图像采集装置所在的场景，根据场景选择对应的目标检测算法，大大减少了人工判断场景和选择目标检测算法的工作量。
59.一种可能的实施方式，对各个目标检测算法的检测结果进行权重分析，可以通过下列方式实现：
60.分别统计一个周期内，使用每个目标检测算法检测到的对应检测目标的目标数量；对各个目标检测算法得到检测目标的目标数量进行和运算，获得总目标数量；分别计算每个目标检测算法对应检测目标的目标数量在总目标数量中的占比，获得各个目标数量对应的目标数量占比。
61.例如，以图2中的例子为例，假设一个周期为5s，图像采集装置采集了 5s内的多帧图像，将每帧图像都记为第一图像，然后图像分析设备分别使用人脸目标检测算法、车辆目标检测算法和结构化目标检测算法对所有的第一图像进行分析，得到的统计结果如图3所示，图3为本发明实施例提供的一场景中各种目标检测算法的检测结果的示意图，获得结果分别为人脸目标检测算法检测的所有的第一图像中包含人脸目标7个、车辆检测算法检测的所有的第一图像中包含车辆目标1个和结构化目标检测算法检测的所有的第一图像中包含人体和非机动车目标2个，总目标数为10个，对应的占比分别为人脸目标占比 0.7、车辆目标占比0.1、非机动车与人体目标占比0.2。
62.随着技术的进步，可能会出现针对其它目标的目标检测算法，或针对同一目标进行检测的不同算法，因此，本发明中的目标检测算法不限于人脸目标检测算法、车辆目标检测算法、结构化目标检测算法，例如还可以包括车牌目标检测算法，动物目标检测算法等。
并且，在实际应用中，图像处理设备实际使用的目标检测算法可以为已有目标检测算法中至少任意两种以上的目标检测算法。
63.本发明提供的实施例中，图像分析装置通过对图像采集装置在一个周期内采集的图像使用不同的目标检测算法检测目标，获得当前图像采集装置所在场景中不同目标的数量占比，无需单独训练场景模型，降低了技术门槛，提高了技术的普适度。
64.一种可能的实施方式，确定权重最大的检测结果对应目标检测算法所属的场景为当前图像采集装置所在的场景，可以通过下列方式实现：
65.将目标数量占比中的最大值，作为最大占比结果；根据最大占比结果对应的被测目标，确定当前场景为被测目标的密集型场景；将密集型场景确定为当前图像采集装置所在的场景。
66.例如，以图3中的例子为例，此时人脸目标数量占比为0.7、车辆目标数量占比为0.1、人体和非机动车目标占比为0.2，得到的最大占比结果为人脸目标数量占比0.7，对应当前场景为人脸目标的密集型场景，所以判定该图像采集装置所在的场景为人脸目标密集型场景。
67.本发明提供的实施例中，图像分析装置对一个周期中识别到的各种目标进行权重分析，根据权重确定当前图像采集装置所在的场景，无需使用任何场景分类模型，降低了技术门槛，提高了技术的普适度。
68.一种可能的实施方式，根据图像采集装置所在的场景，选取对应的目标检测算法处理图像采集装置之后采集的第二图像之后，可以通过下列方式实现：
69.当目标检测算法在图像采集装置所在的场景下未能达到预设的图像处理效果，则重新判断图像采集装置所在的场景是否正确，并重新选择对应的目标检测算法。
70.例如，如图3中的例子为例，根据权重最大的检测结果判断当前图像采集设备所在的场景为人脸目标的密集型场景，选择人脸目标检测算法检测图像采集装置采集的图像。假设此时用户发现，当前图像采集装置采集的图像经过人脸目标检测算法的检测后，检测到的目标数量持续偏低，该场景发生变化，不能达到预设的检测当前场景中目标数量权重最大的目标的图像处理效果。此时重新启动图像分析装置的场景判断功能，图像分析装置重新对一个周期内图像采集装置采集的图像使用不同的目标检测算法进行检测，并根据检测结果获取最大占比结果和对应的场景，如图4所示，图4是本发明实施例提供的另一场景中各种目标检测算法的检测结果的示意图，得到的检测结果为人脸目标检测算法检测出所有的图像中包含人脸目标1个、车辆目标检测算法检测出所有的图像中包含车辆目标1个、结构化目标检测算法检测出所有的图像中包含非机动车和人体目标8个，对应的目标数量占比为人脸目标占比0.1、车辆目标占比0.1、非机动车和人体目标占比0.8，对应的权重最大的为非机动车和人体目标，识别的场景为非机动车和人体目标的密集型场景。此时对比人脸目标的密集型场景和非机动车和人体目标的密集型场景，得到原场景分类错误，将图像采集装置所在的场景修正为非机动车和人体目标的密集型场景，对应使用结构化目标检测算法进行图像分析。
71.本发明提供的实施例中，图像分析装置在发现当前场景下使用对应的目标检测算法不能获得预设的图像处理效果时，重新对图像采集设备所在的场景进行判断，并重新选择目标检测算法，保证了在场景发生变化时，图像分析装置可以自行修正当前场景的判断
和重新选择目标检测算法，保证获得预设的图像处理效果。
72.一种可能的实施方式，目标检测算法，可以通过下列方式实现：
73.人脸目标检测算法、车辆目标检测算法、结构化目标检测算法中的任意至少两种及多种算法的组合。
74.例如，以图2中的例子为例，假设图像采集设备采集了周期为5s的多帧第一图像，图像分析设备使用人脸目标检测算法、车辆目标检测算法、结构化目标检测算法对所有的第一图像进行目标检测，得到结果如图5所示，图5是本发明实施例提供的另一场景中各种目标检测算法的检测结果的示意图，其中检测到的人脸目标为4个、车辆目标为2个、非机动车和人体目标为4个，对应目标数量占比为人脸目标数量占比0.4、车辆目标数量占比0.2、非机动车和人体目标数量占比0.4，此时判断当前场景为人脸目标、非机动车和人体目标的密集性场景，则选择对应的目标检测算法为人脸目标检测算法和结构化目标检测算法对图像采集设备之后在当前场景下采集的第二图像进行图像处理。
75.又例如，假设当前图像采集设备更换安装位置，重新采集了周期为5s的多帧第一图像，分别使用人脸目标检测算法、车辆目标检测算法、结构化目标检测算法对所有的第一图像进行目标检测，得到的结果如图6所示，图6是本发明实施例提供的另一场景中各种目标检测算法的检测结果的示意图，其中检测到的人脸目标为3个、车辆目标为3个、非机动车和人体目标为3个，对应的目标数量占比均为0.3。此时三种目标数量占比大小一样，权重一致，则图像分析装置判断此时图像采集设备所在的场景为人脸目标、车辆目标、非机动车和人体目标的密集性场景，对应同时使用人脸目标检测算法、车辆目标检测算法、结构化目标检测算法对图像采集设备之后在当前场景下采集的第二图像进行图像处理。
76.又例如，假设当前图像分析装置使用的目标检测算法为两种算法的组合，图像采集装置采集了周期为5s的多帧图像，记为第一图像，图像分析装置分别使用人脸和车辆目标检测算法、车辆和结构化目标检测算法、人脸和结构化目标检测算法对所有的第一图像进行目标检测，得到的结果如图7所示，图7 是本发明实施例提供的一个场景下两种目标检测算法组合的检测结果的示意图，其中人脸和车辆目标检测算法检测到的目标为7个、车辆和结构化目标检测算法检测出的目标为5个、人脸和结构化目标检测算法检测出的目标为8个，对应的目标数量占比分别为人脸和车辆目标0.35、车辆和结构化目标0.25、人脸和结构化目标0.4，则在当前图像采集装置所在的场景中，人脸和结构化目标的权重最大，此时场景为人脸目标、非机动车和人体目标的密集型场景，对应使用人脸和结构化目标检测算法对图像采集装置在该场景之后采集的第二图像进行图像处理。
77.本发明提供的实施例中，图像分析装置在有多个目标检测算法的检测结果权重最大的情况下，选择同时使用对应的多个目标检测算法对当前场景采集的图像进行分析，保证了图像分析结果的准确性。
78.为了使本领域的技术人员能更充分的理解本发明的上述技术方案，现举一个完整的例子进行说明：
79.例如，以图8中的例子为例，图8是本发明实施例提供的另一场景中各种目标检测算法的检测结果的示意图，图像采集装置采集一个周期为10s的图像，记为第一图像；图像分析装置分别使用人脸目标检测算法、车辆目标检测算法、结构化目标检测算法对第一图像进行目标检测，此时得到的检测结果为人脸目标6个、车辆目标1个、非机动车和人体目标
3个，目标数量占比为人脸目标占比0.6、车辆目标占比0.1、非机动车和人体目标占比0.3，权重最大的为人脸目标，对应场景判断为人脸目标密集型场景，使用人脸目标检测算法检测图像采集设备之后采集的当前场景的第二图像。
80.一段时间后，用户发现图像处理设备处理的图像结果中检测到的目标数量较少，未达到检测当前场景中权重最大的目标的图像处理效果，操作图像处理设备重新判断场景和目标检测算法。图像采集设备重新采集一个周期为10s的图像，记为第一图像；图像分析设备重新分别使用三种目标检测算法对第一图像进行目标检测，得到的结果为人脸目标数量9个、车辆目标数量9个，非机动车和人体目标数量2个，对应的数量占比为人脸目标数量占比0.45、车辆目标数量占比0.45、非机动车和人体目标数量占比0.1，则判断权重最大的为人脸目标和车辆目标，即图像采集装置当前所在场景为人脸目标和车辆目标密集型场景，与根据之前判断得到的人脸目标密集型场景不同，重新选择使用脸目标检测算法和车辆目标检测算法一起检测图像采集设备之后采集的当前场景的第二图像。
81.当图像采集装置更改安装位置后，重新采集一个周期为10s的第一图像；图像分析装置分别使用三种目标检测算法对第一图像进行目标检测，得到结果为人脸目标数量、车辆目标数量、非机动车和人体目标数量均为10个，目标数量占比相同为0.3，则此时三种目标数量权重相同，图像分析设备判断当前场景为人脸目标、车辆目标、非机动车和人体目标密集型场景，选择同时使用人脸目标检测算法、车辆目标检测算法、结构化目标检测算法对图像采集装置之后在当前场景下采集的第二图像进行图像分析。
82.基于同一发明构思，本技术提供一种图像处理系统，参见图9，该图像处理系统包括：
83.至少一个图像采集装置901，用于采集目标区域的图像；至少一个图像分析装置902，根据图像采集装置901所采集的图像，确定目标区域的场景分类，并使用与场景分类对应的目标检测算法进行图像分析；该图像处理系统执行如上的视频场景分类的方法，以根据不同的视频场景选择对应的目标检测算法处理图像。
84.一种可能的实施方式，图像处理系统还包括：若图像处理设备中包括多个图像分析装置902，则可以分别确定多个图像分析装置902各自使用的目标检测算法；根据图像采集装置901所在区域的场景分类，选择使用对应目标检测算法的图像分析装置902进行图像分析。
85.例如，请参见图10，图10为本发明实施例提供的另一种图像处理系统的示意图，图像处理系统中包括多个图像分析装置和多个图像采集装置，图像分析装置分别为图像分析装置902
‑
1、图像分析装置902
‑
2和图像分析装置902
‑
3，图像采集装置901
‑
1、图像采集装置901
‑
2和图像采集装置901
‑
3。假设将图像分析装置902
‑
1确定为使用人脸目标检测算法、图像分析装置902
‑
2确定为使用车辆目标检测算法、图像分析装置902
‑
3确定为使用结构化目标检测算法；若此时图像采集装置901
‑
1所在的场景为人脸目标密集型场景、图像采集装置 901
‑
2所在的场景的非机动车和人体目标密集型场景、图像采集装置901
‑
3所在的场景为车辆目标密集型场景，则图像采集装置901
‑
1之后在当前场景下采集的图像由图像分析装置902
‑
1进行图像处理，图像采集装置901
‑
2之后在当前场景下采集的图像由图像分析装置902
‑
3进行图像处理，图像采集装置901
‑
3 之后在当前场景下采集的图像由图像分析装置902
‑
2进行图像处理。
86.一段时间后，图像采集装置901
‑
2更改安装位置，更改后图像采集装置 901
‑
2所在的场景为车辆目标密集型场景，则此时图像处理系统判断将图像采集装置901
‑
2之后在该场景下采集的图像改由图像分析设备902
‑
2进行图像处理。
87.本发明提供的实施例中，当图像处理系统中包含多个图像分析装置时，预先确定每个图像分析装置使用的目标检测算法，然后根据图像采集装置所在的场景选择对应的图像分析装置进行图像处理，减少了图像分析装置更换目标检测算法的必要，降低了对图像分析装置的性能需求，提高了图像处理系统的可靠性。
88.基于同一发明构思，本发明一实施例提供一种图像处理设备，该图像处理设备可以是个人电脑等电子设备，该图像处理设备可以包括：至少一个处理器，处理器用于执行存储器中存储的计算机程序时实现本技术实施例提供的如上的视频场景分类的方法的步骤。
89.可选的，该设备节点定位显示设备还包括与至少一个处理器连接的存储器，存储器可以包括只读存储器(英文：read only memory，简称：rom)、随机存取存储器(英文：random access memory，简称：ram)和磁盘存储器。存储器用于存储处理器运行时所需的数据，即存储有可被至少一个处理器执行的指令，至少一个处理器通过执行存储器存储的指令，执行如图1所示的方法。其中，存储器的数量为一个或多个。
90.本技术实施例还提供一种计算机存储介质，其中，计算机存储介质存储有计算机指令，当计算机指令在计算机上运行时，使得计算机执行如上的视频场景分类的方法的步骤。
91.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术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，本技术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。
92.本技术是参照根据本技术的方法、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。
93.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。
94.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设备上，使得在计算机或其他可编程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。
95.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围
之内，则本技术也意图包含这些改动和变型在内。