辅助康复训练方法、系统、设备以及存储介质与流程

1.本发明涉及计算机视觉与医疗康复，具体地，涉及一种爱茨海默症患者的辅助康复训练方法、系统、设备以及存储介质。


背景技术：

2.随着计算机硬件算力的提升，依托大数据时代，深度学习展现了强大的数据处理和学习能力。在深度学习的推动下，人工智能的各项技术，譬如语音识别技术、图像识别技术、数据挖掘技术等都有了实质性的发展并且成功地应用在多项产品中。在计算机视觉领域，深度学习已经成为各项研究的重点和热点，也是解决复杂环境问题中常用的方法之一。计算机视觉作为人类科学技术发展历史上的一个里程碑，对智能技术的发展起到举足轻重的作用，毋庸置疑地受到了学术界以及工业界的广泛关注。在现有的深度学习方法中，卷积神经网络凭借其自身优势在姿态识别领域取得了很好的成果。
3.在医疗康复领域，目前还是依靠康复护师或是患者家属辅助患者进行康复训练。纯人工的康复训练不仅耗时耗力，训练过程十分枯燥，加之老年患者身体条件的特殊性需要辅助训练人员全程陪同，不论是对患者还是辅助康复训练者都是一项挑战。传统的手势识别利用可穿戴式设备实现其功能，穿戴设备使用繁琐、操作不便，无法提供舒适、愉悦的使用感。且使用过程中需要专业人员全程参与，使用者无法直观看到自己的训练效果。当前利用计算机视觉技术辅助爱茨海默症患者进行康复训练的智能系统尚未成熟，主要原因之一是虽然目前应用在医疗康复领域的技术预警出现，但是依托于深度学习的智能交互系统很少，相关研究较少。其二是受限于计算机技术，深度学习计算量大往往依托于云端计算。随着技术的发展，目前已经有嵌入式计算平台可移植卷积神经网络，使得在嵌入式计算设备中部署卷积神经网络成为可能。


技术实现要素：

4.针对现有技术中的缺陷，本发明的目的是提供一种爱茨海默症患者的辅助康复训练方法、系统、设备以及存储介质。
5.根据本发明提供的爱茨海默症患者的辅助康复训练方法，包括如下步骤：
6.步骤s1：获取用户手指康复训练运动时的手部运动视频，在所述手部运动视频中提取手部运动的关键帧图像；
7.步骤s2：在每一所述关键帧图像中提取手部的多个关键点，并生成对应的所述关键点序列；
8.步骤s3：根据所述关键点序列识别出对应的标准关键点序列，将每一所述关键点序列中关键点与所述标准关键点序列中的关键点进行比对，生成手部姿态的标准度；
9.步骤s4：将标准度低于预设置阈值的关键帧图像提取生成错误手势图像，根据所述错误手势图像与对应的标准图像生成训练指导信息。
10.优选地，在步骤s1之前还包括如下步骤：
[0011]-获取用户的待评估手势图像，所述待评估手势为用户根据展示出的预存储的标准手势进行模仿做成的手势；
[0012]-在所述待评估手势图像中提取手部的多个三维关键点，每一所述三维关键点包括三维坐标；
[0013]-根据多个三维关键点计算出手指弯曲度，根据所述手指弯曲度计推荐不同的手势康复训练操曲目。
[0014]
优选地，所述关键帧图像至少包括：
[0015]-手势起点图像；
[0016]-手势终点图像；
[0017]-位于手势起点图像、手势终点图像之间的根据预设置的间隔时间提取的手势姿态图像。
[0018]
优选地，所述步骤s2包括如下步骤：
[0019]
步骤s201：获取基于卷积神经网络的手势姿态识别模型；
[0020]
步骤s202：将每一所述关键帧图像输入到所述手势姿态识别模型进行识别，提取出所述手部的关键点；
[0021]
步骤s203：提取每一所述关键帧图的关键点，生成每一关键点的坐标。
[0022]
优选地，所述步骤s3包括如下步骤：
[0023]
步骤s301：根据所述关键点序列进行动作识别确定对应的标准动作类别，根据所述标准动作类别确定对应的标准关键点序列；
[0024]
步骤s302：将所述关键点序列与标准关键点序列一一比对，并生成相对应的两个关键点之间的距离；
[0025]
步骤s303：根据所有相对应的两个关键点之间的距离生成用于评价所述关键帧图像中手部姿态与对应的所述标准图像偏差中手部姿态的标准度。
[0026]
优选地，所述步骤s4包括如下步骤：
[0027]
步骤s401：将标准度低于预设置阈值的关键帧图像提取出生成错误手势图像；
[0028]
步骤s402：根据所述错误手势图像和对应标准图像中相对应关键点之间的距离生成点位移动方向；
[0029]
步骤s403：根据多个所述点位移动方向生成所述训练指导信息。
[0030]
优选地，还包括如下步骤：
[0031]
步骤s5：根据所述标准图像将多个所述关键帧图像分为多个动作组，每个动作组至少包括手势起点图像和手势终点图像；
[0032]
步骤s6：根据每个动作组中的手势起点图像和手势终点图像，确定该动作组的完成时间，根据多个动作组的完成时间和所述标准图像对应的标准时间进行比对确定动作的连贯性值。
[0033]
优选地，训练所述手势姿态识别模型时，包括如下步骤：
[0034]
步骤m1：获取多张手势姿态图像，在所述手势姿态图像上标注出关键点，将标注后的根据所述手势姿态图像分为训练图像集和测试图像集；
[0035]
步骤m2：将所述训练图像集输入卷积神经网络模型进行训练生成所述手势姿态识别模型；
[0036]
步骤m3：根据所述测试图像集对所述手势姿态识别模型进行测试确定并保存所述手势姿态识别模型的最优参数。
[0037]
根据本发明提供的爱茨海默症患者的辅助康复训练系统，包括如下模块：
[0038]
关键帧提取模块，用于获取用户手指康复训练运动时的手部运动视频，在所述手部运动视频中提取手部运动的关键帧图像；
[0039]
关键点提取模块，用于在每一所述关键帧图像中提取手部的多个关键点，并生成对应的所述关键点序列；
[0040]
标准度生成模块，用于根据所述关键点序列识别出对应的标准关键点序列，将每一所述关键点序列中关键点与所述标准关键点序列中的关键点进行比对，生成手部姿态的标准度；
[0041]
指导信息生成模块，用于将标准度低于预设置阈值的关键帧图像提取生成错误手势图像，根据所述错误手势图像与对应的标准图像生成训练指导信息。
[0042]
根据本发明提供的爱茨海默症患者的辅助康复训练设备，包括：
[0043]
处理器；
[0044]
存储器模块，其中存储有所述处理器的可执行指令；
[0045]
其中，所述处理器配置为经由执行所述可执行指令来执行所述的爱茨海默症患者的辅助康复训练方法的步骤。
[0046]
根据本发明提供的计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的爱茨海默症患者的辅助康复训练方法的步骤。
[0047]
与现有技术相比，本发明具有如下的有益效果：
[0048]
本发明中通过采集用户手指康复训练运动时的手部运动视频，在视频中提取手部运动的关键帧图像，根据所述关键帧图像提取手部的关键点，将图像中的关键点与预存储的标准关键点序列中的关键点进行比对，生成手部姿态的标准度，进而将标准度低于预设置阈值的关键帧图像提取生成错误手势图像，根据所述错误手势图像与对应的标准图像生成训练指导信息，即能够实时得出爱茨海默症患者的手势动作评估情况，便于爱茨海默症患者的能够针对性的训练。
附图说明
[0049]
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，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
[0050]
图1为本发明实施例中爱茨海默症患者的辅助康复训练方法的步骤流程图；
[0051]
图2为本发明变形例中爱茨海默症患者的辅助康复训练方法的步骤流程图；
[0052]
图3为本发明实施例中手部的关键点提取的步骤流程图；
[0053]
图4为本发明实施例中手部姿态的标准度生成的步骤流程图；
[0054]
图5为本发明实施例中训练指导信息生成的步骤流程图；
[0055]
图6为本发明实施例中手势姿态识别模型训练的步骤流程图；
[0056]
图7为本发明实施例中爱茨海默症患者的辅助康复训练系统的模块示意图；
[0057]
图8为本发明实施例中爱茨海默症患者的辅助康复训练设备的结构示意图；
[0058]
图9为本发明实施例中计算机可读存储介质的结构示意图。
具体实施方式
[0059]
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对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。
[0060]
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0061]
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
[0062]
下面以具体地实施例对本发明的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
[0063]
图1为本发明实施例中爱茨海默症患者的辅助康复训练方法的步骤流程图，如图1所示，本发明提供的爱茨海默症患者的辅助康复训练方法，包括如下步骤：
[0064]
步骤s1：获取用户手指康复训练运动时的手部运动视频，在所述手部运动视频中提取手部运动的关键帧图像；
[0065]
在本发明实施例中，所述关键帧图像至少包括：
[0066]-手势起点图像；
[0067]-手势终点图像；
[0068]-位于手势起点图像、手势终点图像之间的根据预设置的间隔时间提取的手势姿态图像。
[0069]
在步骤s1之前还包括如下步骤：
[0070]-获取用户的待评估手势图像，所述待评估手势为用户根据展示出的预存储的标准手势进行模仿做成的手势；
[0071]-在所述待评估手势图像中提取手部的多个三维关键点，每一所述三维关键点包括三维坐标；
[0072]-根据多个三维关键点计算出手指弯曲度，根据所述手指弯曲度计推荐不同的手势康复训练操曲目。
[0073]
步骤s2：在每一所述关键帧图像中提取手部的多个关键点，并生成对应的所述关键点序列；
[0074]
图3为本发明实施例中手部的关键点提取的步骤流程图，如图3所示，所述步骤s2包括如下步骤：
[0075]
步骤s201：获取基于卷积神经网络的手势姿态识别模型；
[0076]
步骤s202：将每一所述关键帧图像输入到所述手势姿态识别模型进行识别，提取出所述手部的关键点；
[0077]
步骤s203：提取每一所述关键帧图的关键点，生成每一关键点的坐标。
[0078]
步骤s3：根据所述关键点序列识别出对应的标准关键点序列，将每一所述关键点序列中关键点与所述标准关键点序列中的关键点进行比对，生成手部姿态的标准度；
[0079]
图4为本发明实施例中手部姿态的标准度生成的步骤流程图，如图4所示，所述步骤s3包括如下步骤：
[0080]
步骤s301：根据所述关键点序列进行动作识别确定对应的标准动作类别，根据所述标准动作类别确定对应的标准关键点序列；
[0081]
步骤s302：将所述关键点序列与标准关键点序列一一比对，并生成相对应的两个关键点之间的距离；
[0082]
步骤s303：根据所有相对应的两个关键点之间的距离生成用于评价所述关键帧图像中手部姿态与对应的所述标准图像偏差中手部姿态的标准度。
[0083]
在本发明实施例中，为了方便将所述关键点序列与标准关键点序列比对，所述关键点序列与标准关键点序列中对应关键点的存储次序相同。
[0084]
步骤s4：将标准度低于预设置阈值的关键帧图像提取生成错误手势图像，根据所述错误手势图像与对应的标准图像生成训练指导信息；
[0085]
图5为本发明实施例中训练指导信息生成的步骤流程图，如图5所示，所述步骤s4包括如下步骤：
[0086]
步骤s401：将标准度低于预设置阈值的关键帧图像提取出生成错误手势图像；
[0087]
步骤s402：根据所述错误手势图像和对应标准图像中相对应关键点之间的距离生成点位移动方向；
[0088]
步骤s403：根据多个所述点位移动方向生成所述训练指导信息。
[0089]
图6为本发明实施例中手势姿态识别模型训练的步骤流程图，如图6所示，训练所述手势姿态识别模型时，包括如下步骤：
[0090]
步骤m1：获取多张手势姿态图像，在所述手势姿态图像上标注出关键点，将标注后的根据所述手势姿态图像分为训练图像集和测试图像集；
[0091]
步骤m2：将所述训练图像集输入卷积神经网络模型进行训练生成所述手势姿态识别模型；
[0092]
步骤m3：根据所述测试图像集对所述手势姿态识别模型进行测试确定并保存所述手势姿态识别模型的最优参数。
[0093]
图2为本发明变形例中爱茨海默症患者的辅助康复训练方法的步骤流程图，如图2所示，本发明提供的爱茨海默症患者的辅助康复训练方法，还包括如下步骤：
[0094]
步骤s5：根据所述标准图像将多个所述关键帧图像分为多个动作组，每个动作组至少包括手势起点图像和手势终点图像；
[0095]
步骤s6：根据每个动作组中的手势起点图像和手势终点图像，确定该动作组的完
成时间，根据多个动作组的完成时间和所述标准图像对应的标准时间进行比对确定动作的连贯性值。
[0096]
图7为本发明实施例中爱茨海默症患者的辅助康复训练系统的模块示意图，如图7所示，爱茨海默症患者的辅助康复训练系统，其特征在于，包括如下模块：
[0097]
关键帧提取模块，用于获取用户手指康复训练运动时的手部运动视频，在所述手部运动视频中提取手部运动的关键帧图像；
[0098]
关键点提取模块，用于在每一所述关键帧图像中提取手部的多个关键点，并生成对应的所述关键点序列；
[0099]
标准度生成模块，用于根据所述关键点序列识别出对应的标准关键点序列，将每一所述关键点序列中关键点与所述标准关键点序列中的关键点进行比对，生成手部姿态的标准度；
[0100]
指导信息生成模块，用于将标准度低于预设置阈值的关键帧图像提取生成错误手势图像，根据所述错误手势图像与对应的标准图像生成训练指导信息。
[0101]
本发明实施例中还提供一种爱茨海默症患者的辅助康复训练设备，包括处理器；存储器，其中存储有处理器的可执行指令。其中，处理器配置为经由执行可执行指令来执行的爱茨海默症患者的辅助康复训练方法的步骤。
[0102]
如上，该实施例中能够通过采集用户手指康复训练运动时的手部运动视频，在视频中提取手部运动的关键帧图像，根据所述关键帧图像提取手部的关键点，将图像中的关键点与预存储的标准关键点序列中的关键点进行比对，生成手部姿态的标准度，进而将标准度低于预设置阈值的关键帧图像提取生成错误手势图像，根据所述错误手势图像与对应的标准图像生成训练指导信息，即能够实时得出爱茨海默症患者的手势动作评估情况，便于爱茨海默症患者的能够针对性的训练。
[0103]
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
[0104]
图8为本发明实施例中爱茨海默症患者的辅助康复训练设备的结构示意图，如图8所示，本发明提供的爱茨海默症患者的辅助康复训练设备，包括如下模块：
[0105]
人机交互模块，用于获取使用者指令；
[0106]
信息采集模块，用于采集手部运动视频，在所述手部运动视频中提取手部运动的关键帧图像，以剔除冗余信息。关键帧的定义为：包括某一动作周期的完整手部动作。对完成提取后的关键帧还需进行手部检测与定位。
[0107]
手势识别模块，用于识别采集的手势姿态，即根据所述关键帧图像识别对应的标准图像；具体为，输入为经过前期处理的关键帧，采用卷积神经网络搭建手势姿态估计子网络，该网络的最终输出为手部关键点的三维坐标点。姿态估计子网络的输出为动作识别子网络的输入，动作识别网络采用卷积神经网络搭建，完成对输入的手势关键点三维坐标的识别，最终输出为动作识别结果。
[0108]
后处理模块，用于手势姿态的量化与评估，根据所述手势识别模块生成的手部骨骼关键点数据和姿态分类结果完成当前手部姿态的评估；具体的，评估标准包括但不限于
动作完成完整度评估、动作完成时间评估与动作连贯性评估，并存储评估结果。具体为，根据识别的结果，采用关键点距离误差量化的评估标准、完成时间评估标准、完成动作流畅性评估标。关键点距离误差量化的评估标准，将当前的手部姿态与标准图像中姿态数据进行对比，并将误差量化为数字。完成时间评估标准，将整个动作完成时间与各个时间阶段阈值作对比，并给出相应的评估结果，完成动作流畅性评估标，评估期间有无较长时间的停滞；
[0109]
手指功能评估模块，用于根据手部关键点的三维坐标点进行手指弯曲度的计算，若使用者所做手势的手指弯曲度与标准手势弯曲度差距较大认为手指灵活度不佳，反之则认为手指灵活度较佳；
[0110]
信息显示模块，用于显示相关信息，如标准度、训练指导信息与建议。
[0111]
语音模块，用于语音播放；
[0112]
存储模块，用于存储采集的视频；
[0113]
外部电源，用于整套训练设备的供电。
[0114]
当使用本发明提供的爱茨海默症患者的辅助康复训练设备时，使用者通过人机交互模块输入文字或语音信息开启训练系统。人机交互模块给出三种模式可供选择：手势训练模式、功能评估模式以及教学演示模式。
[0115]
在手势训练模块模式下时，信息采集模块开始工作，摄像头开启，捕获使用者在摄像头有效范围内的手势动作。对手部动作视频做关键帧筛选，关键帧筛选标准为包含完整手部的视频帧。将上述关键帧数据输入手势识别模块，手势识别模块给出手势识别结果和关键点序列，后处理模块完成手势的评估。
[0116]
在功能评估模式下时，启动摄像头，显示模块显示预先存储的标准手势。使用者在摄像头可摄范围内，根据屏幕显示手势做相应的动作。数据传输模块将所获手势数据传输到姿态估计模块，得到使用者所做手势的关键点。根据返回的三维关键点在识别后处理模块调用手指弯曲度计算算法，完成对手指弯曲度的计算。若使用者所做手势的手指弯曲度与标准手势弯曲度差距较大认为手指灵活度不佳，反之则认为手指灵活度较佳。根据手指功能评估模块所给出的评估结果，划分推荐常规训练和推荐灵活性训练。手指功能较佳的使用者推荐常规训练，手指功能欠佳的使用者推荐灵活性训练。处理器根据手指功能评估模块结果，调用不同的手势康复训练操曲目。
[0117]
在教学演示模式下时，设备启动，使用者可使用文字或语音指令选择开启教学演示模块。处理器接收相应的启动指令后，发送到教学演示模块，教学演示模块接收开启指令，模块开启。所述教学演示模块在接收到开启指令后自动播放预先存储的教学演示视频。教学演示视频详细讲解相应曲目手势动作要领，帮助使用者快速掌握使用方法。
[0118]
本发明还可实现对所有人群的老年痴呆检测。使用者面对摄像头按照显示模块的指令提使和视频动作做出相应的动作。系统会根据使用者所做动作打分，若多次评估结果均不理想认定为有患老年痴呆症倾向，反之则无。
[0119]
本发明实施例中还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的多台结构光模组深度重建方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述多台结构光模组深度重建方法部分中描述的根据本发明各种示例性实施方式的步骤。
[0120]
如上所示，该实施例的计算机可读存储介质的程序在执行时，通过采集用户手指康复训练运动时的手部运动视频，在视频中提取手部运动的关键帧图像，根据所述关键帧图像提取手部的关键点，将图像中的关键点与预存储的标准关键点序列中的关键点进行比对，生成手部姿态的标准度，进而将标准度低于预设置阈值的关键帧图像提取生成错误手势图像，根据所述错误手势图像与对应的标准图像生成训练指导信息，即能够实时得出爱茨海默症患者的手势动作评估情况，便于爱茨海默症患者的能够针对性的训练。
[0121]
图9是本发明实施例中的计算机可读存储介质的结构示意图。参考图9所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0122]
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0123]
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0124]
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0125]
本发明实施例中，通过采集用户手指康复训练运动时的手部运动视频，在视频中提取手部运动的关键帧图像，根据所述关键帧图像提取手部的关键点，将图像中的关键点与预存储的标准关键点序列中的关键点进行比对，生成手部姿态的标准度，进而将标准度低于预设置阈值的关键帧图像提取生成错误手势图像，根据所述错误手势图像与对应的标准图像生成训练指导信息，即能够实时得出爱茨海默症患者的手势动作评估情况，便于爱茨海默症患者的能够针对性的训练。
[0126]
本说明书中各个实施例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部分互相参见即可。对所公开的实施例的上
述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
[0127]
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。