人员骑乘监控管理方法及系统与流程

1.本技术涉及交通检测的领域，尤其是涉及一种人员骑乘监控管理方法及系统。


背景技术：

2.随着人们对绿色出行意识的增强，市面上出现了如共享单车、电动助力车、共享助力车等交通工具，这一类交通工具具有轻巧、方便、价格低、停车方便的特点，这一类交通工具在城市交通中的投入量和投入范围也越来越大。在交通出行中，为了完善交通安全措施，交通工具需要限制骑乘人员的最小年龄，如12岁以下的低龄人员禁止骑乘共享单车。但是，对于共享单车和共享助力车等共享型交通工具而言，其开锁方式一般通过app实现，难以有效地限制低龄人员进行开锁，具有局限性。
3.现有技术中，如申请公布号为cn108454740a的中国发明申请公开一种共享单车的检测控制装置，该检测控制装置包括有压力传感器和51单片机，压力传感器用于检测骑乘共享单车的人员的体重数据，51单片机的内置程序可通过体重数据分析出判断骑乘人员是否满足体重要求，只有当体重达到12岁人员平均体重以上的骑乘时才会执行。
4.针对上述技术方案，发明人认为，当低龄人员背负重物骑乘共享单车时，压力传感器测得的体重数据与低龄人员实际的体重数据相差较大，系统难以准确地对低龄人员的年龄进行估算，难以及时对低龄人员进行警示。


技术实现要素：

5.本技术目的一是提供一种人员骑乘监控管理方法，具有提高检测准确率的特点。
6.本技术的上述发明目的一是通过以下技术方案得以实现的：人员骑乘监控管理方法，包括：图像获取：获取监控图像；行为检测：判断监控图像是否满足检测条件，根据判断结果执行信息提取步骤；其中，所述检测条件为所述监控图像中记录有交通工具和骑乘于所述交通工具的骑乘人员；信息提取：基于监控图像，确定识别信息；其中，所述识别信息包括骨架信息，所述骨架信息用于反映所述骑乘人员的身材；年龄估算：基于识别信息，确定目标年龄信息；报警检测：判断目标年龄信息是否满足年限条件，根据判断结果执行骑乘警示步骤。
7.通过采用上述技术方案，当监控图像监控到有人员骑乘交通工具时，则会通过监控图像提取骨架信息，骨架信息能够反映出骑乘人员的身材，利用人员的身材可以估算骑乘人员的年龄，当骑乘人员为低龄人员时，则会触发骑乘警示。利用人员的身材比例，系统可以较为准确地对人员的年龄进行估算，以及时对低龄骑乘人员进行警示。
8.可选的，在行为检测步骤的具体方法中，包括：基于监控图像，确定人体区域和车体区域；其中，所述人体区域用于指示所述骑乘
人员，所述车体区域用于指示所述交通工具；基于人体区域和车体区域，确定重合区域；基于重合区域进行面积比较，若重合区域的面积大于面积阈值，则监控图像满足检测条件，执行信息提取步骤。
9.通过采用上述技术方案，基于人体区域和车体区域得到重合区域，并基于重合区域和面积阈值进行比对判断，检测人员是否处于骑乘状态，当人员不处于骑乘状态时则不进行后续的计算，减少分析错误的概率。
10.可选的，在基于监控图像，确定识别信息的具体方法中，包括：基于人体区域、车体区域和监控图像，确定目标区域图像；其中，所述目标区域图像能够反映所述骑乘人员和所述交通工具；基于目标区域图像进行透视变换，确定优化图像；基于优化图像，确定骨架信息。
11.通过采用上述技术方案，透视变换能够对图像拍摄时的倾角问题进行缓解，提高后续的数据分析的准确性。
12.可选的，在年龄估算的步骤中，包括：将骨架信息代入年龄估算模型中，确定目标年龄信息；其中，所述骨架信息包括用于反映所述骑乘人员的手臂长度的臂长信息、用于反映所述骑乘人员的腿部长度的腿长信息和用于反映所述骑乘人员的脊椎长度的脊椎信息。
13.通过采用上述技术方案，骨架信息能够反映骑乘人员的手臂长度、腿部长度和脊椎长度，更加全面地反映骑乘人员的身材骨架，提高后续分析中年龄估算的准确性。
14.可选的，在所述年龄估算模型的生成方法中，包括：确定拟合信息；其中，所述拟合信息包括有对应于不同年龄段的人员的年龄拟合信息、对应于不同年龄段的人员的臂长拟合信息、对应于不同年龄段的人员的腿长拟合信息和对应于不同年龄段的人员的脊椎拟合信息；所述年龄拟合信息用于反映人员的年龄段；将拟合信息代入多元函数模型进行正交多项式拟合，生成年龄估算模型。
15.通过采用上述技术方案，通过正交多项式对年龄估算模型进行曲线拟合，可以减少拟合过程中自变量和因变量由于误差带来的影响，使得年龄估算模型更加合理。
16.可选的，在信息提取步骤的具体方法中，包括：基于监控图像，确定人脸信息；在年龄估算的具体方法中，包括：基于识别信息，确定第一年龄信息；基于人脸信息，确定第二年龄信息；基于第一年龄信息和第二年龄信息，确定目标年龄信息。
17.通过采用上述技术方案，人脸信息能够反映骑乘人员的脸部，通过分析骑乘人员的脸部数据可以估算骑乘人员的年龄，结合骨架信息估算的年龄以及人脸信息估算的年龄，可以结合骑乘人员的身材和脸部对年龄进行估算，从而提高年龄估算的准确性。
18.可选的，在骑乘警示步骤的具体方法中，包括：将人脸信息发送至运营方；
运营方基于人脸信息在数据库中进行比较，确定身份信息；运营方向身份信息所对应的用户端发送警告信息。
19.通过采用上述技术方案，运营方可以向用户端发送警告信息，及时锁定骑乘人员的用户和正在使用的交通工具，对骑乘人员进行警告。
20.本技术目的二是提供一种人员骑乘监控管理系统，具有提高检测准确率的特点。
21.本技术的上述发明目的二是通过以下技术方案得以实现的：图像获取模块，用于获取监控图像；行为检测模块，用于判断监控图像是否满足检测条件，根据判断结果执行信息提取步骤；其中，所述检测条件为所述监控图像中记录有交通工具和骑乘于所述交通工具的骑乘人员；信息提取模块，用于基于监控图像，确定识别信息；其中，所述骨架信息用于反映所述骑乘人员的身材；年龄估算模块，用于基于识别信息，确定目标年龄信息；报警检测模块，用于判断目标年龄信息是否满足年限条件，根据判断结果执行骑乘警示步骤。
22.本技术目的三是提供一种智能终端，具有提高检测准确率的特点。
23.本技术的上述发明目的三是通过以下技术方案得以实现的：一种智能终端，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行上述一种人员骑乘监控管理方法的计算机程序。
24.本技术目的四是提供一种计算机存储介质，能够存储相应的程序，具有提高检测准确率的特点。
25.本技术的上述发明目的四是通过以下技术方案得以实现的：一种计算机可读存储介质，存储有能够被处理器加载并执行上述任一种人员骑乘监控管理方法的计算机程序。
附图说明
26.图1是本技术实施例一的人员骑乘监控管理方法的流程示意图。
27.图2是图像获取模块采集监控图像的示意图。
28.图3是本技术实施例一的人员骑乘监控管理方法的子流程示意图。
29.图4是本技术实施例二的人员骑乘监控管理方法的流程示意图。
30.图5是本技术的人员骑乘监控管理系统的模块示意图。
31.图中，1、图像获取模块；2、行为检测模块；3、信息提取模块；4、年龄估算模块；5、报警检测模块；6、骑乘警示模块。
具体实施方式
32.为使本技术实施例的目的、技术方案和优点更加清楚，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，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
33.另外，本实施例中各步骤的标号仅为方便说明，不代表对各步骤执行顺序的限定，在实际应用时，可以根据需要各步骤执行顺序进行调整，或同时进行，这些调整或者替换均属于本发明的保护范围。
34.下面结合说明书附图1-图5对本技术实施例作进一步详细描述。
35.实施例一：本技术实施例提供一种人员骑乘监控管理方法，所述方法的主要流程描述如下。
36.参照图1和图2，s1、图像获取：获取监控图像。
37.其中，监控图像由图像获取模块1通过拍摄交通路段获得。在本实施例中，图像获取模块1为设置于交通岗位的监控摄像头。
38.具体的，监控图像在进入步骤s2之前进行维纳滤波进行图像复原，以减少图像中的噪声干扰，提高后续步骤中图像数据提取的准确性。
39.s2、行为检测：判断监控图像是否满足检测条件，根据判断结果执行s3。
40.其中，检测条件为监控图像同时中记录有交通工具，以及骑乘于该交通工具的骑乘人员。监控图像基于公共的交通路段拍摄获得，监控图像中可能存在没有骑乘交通工具的人员，也可能存在没有人员骑乘的交通工具，而只有当骑乘人员在骑乘公交工具时才能进行后续的数据分析。在本实施例中，交通工具以共享单车为例。
41.参照图1和图3，在步骤s2中，包括：s21、基于监控图像，确定人体区域和车体区域。
42.其中，在监控图像中，对骑乘人员和交通车辆分别进行识别，将识别出来的对应于骑乘人员的局部区域进行抠图，可以得到人体区域，而将识别出来的对应于交通工具的局部区域进行抠图，可以得到车体区域。因此，人体区域能够指示骑乘人员，车体区域能够指示交通工具。
43.s22、基于人体区域和车体区域，确定重合区域。
44.其中，人体区域和车体区域一一对应，重合区域指的是其中一个人体区域和对应的车体区域之间的重合部分。
45.s23、判断重合区域的面积是否大于面积阈值，若是则执行s3；若否则结束。
46.其中，通过将人体区域和车体区域分别加入到预设的基准坐标系中，可以分别得到人体区域、车体区域和重合区域的各个边角点的坐标，进而可以分别计算出人体区域、车体区域和重合区域的面积。
47.当重合区域的面积大于面积阈值时，则说明骑乘人员和交通工具的重合度较高，骑乘人员使用该交通工具的概率较高，因此可以判断人体区域所对应的骑乘人员正在骑乘车体区域所对应的交通工具，满足检测条件，可以进行后续的年龄估算。反之，则可以判断人体区域所对应的骑乘人员并非骑乘车体区域所对应的交通工具，不满足检测条件，不需要进行后续的年龄估算。
48.具体的，面积阈值关联于重合系数和总面积，其中，总面积为人体区域和车体区域的面积之和，面积阈值为重合系数与总面积的乘积。在本实施例中，重合系数优选为0.7。
49.s3、信息提取：基于监控图像，确定识别信息。
50.其中，识别信息指的是从监控图像中提取的能够反映人体的信息。
51.参照图1和图3，在步骤s3中，包括：
s31、基于监控图像，确定骨架信息。
52.其中，骨架信息用于反映所述骑乘人员的身材。
53.在步骤s31中，包括：s311、基于人体区域、车体区域和监控图像，确定目标区域图像。
54.其中，在监控图像中，对人体区域对应的骑乘人员和车体区域对应的交通车辆进行组合抠图，可以得到目标区域图像，目标区域图像中记录有骑乘人员和骑乘人员正在骑乘的交通工具。
55.s312、基于目标区域图像进行图像矫正，确定优化图像。
56.其中，图像矫正包括透视变换；透视变换能够对目前区域图像进行透视矫正，得到优化图像。
57.参照图2，由于图像获取模块1在采集监控图像时，图像获取模块1难以正对交通工具或骑乘人员，以本实施例中，图像获取模块1选用监控摄像头为例，监控摄像头由于安装高度和仰角的问题，导致监控图像中会存在像素偏移，导致目前区域图像中的人车比例与实际的人车比例相差较大，因此，需要对目前区域图像进行透视变换。
58.透视变换的具体方法为：将目前区域图像的各个像素点的像素坐标代入公式（1）、公式（2）中，得到透视转换后的像素点的像素坐标。
59.（1）（2）其中，目前区域图像中的像素点的像素坐标为（u，v，w），且w=1；透视变换后的像素点的像素坐标为（x’，y’，w’），且w’=1；a
11
、a
12
、a
13
、
…
、a
33
为系统设置的转换参数。
60.具体的，在透视变换的过程中，还包括：识别目前区域图像中的车头，并判断目前区域图像中的车头方向与预设的标准方向是否一致，若是则执行下一步；若否，则矫正识别目前区域图像中的车头方向，以使优化图像中的车头方向与预设的标准方向是否一致。
61.其中，车头指的是目前区域图像中的交通工具的头部，车头方向指的是交通工具的头部的方向。以标准方向设置为从左到右为例，若目前区域图像中的车头方向为从右到左，则在透视变换的过程中，还需要将目前区域图像中的车头方向改变为从左到右，以使优化图像中的车头方向与预设的标准方向一致。
62.由于各个优化图像中的车头方向均与预设的标准方向一致，因此可以大致固定优化图像中的交通工具的车头的位置，增强后续判断的正确率。
63.确定标准尺寸，使优化图像的尺寸与标准尺寸一致。
64.其中，标准尺寸是系统预设的标准值，各个优化图像的尺寸均需要与标准尺寸一致，从而规范所有优化图像的尺寸。
65.若优化图像的尺寸过小，在后续的步骤中，若直接将优化图像导入的分析模型中，可能会造成图像信息的损失，利用标准尺寸规范优化图像的尺寸大小，可减少目前区域图像因抠图后尺寸较小而造成的损失。
66.参照图1和图3，s313、基于优化图像，确定骨架信息。
67.其中，对优化图像进行人体骨骼识别，可以得到对应于骑乘人员的骨架信息，骨架信息能够反映骑乘人员的人体骨架。在本实施例中，骨架信息包括臂长信息、腿长信息和脊椎信息，其中，臂长信息能够反映手臂长度，腿长信息能够反映腿部长度，基准信息能够反映脊椎长度。
68.s4、年龄估算：基于识别信息，确定目标年龄信息。
69.其中，目标年龄信息用于指示骑乘人员的年龄的估算结果。识别信息包括骨架信息，通过分析骨架信息，可以分析骑乘人员的手臂长度、腿部长度和基准长度，从而估算骑乘人员的年龄。
70.参照图3，在步骤s4中，包括：s41、基于骨架信息，确定第一年龄信息。
71.其中，将骨架信息代入年龄估算模型中，可以估算当前的骑乘人员的年龄。
72.具体的，年龄估算模型为曲线模型，由拟合信息通过多元线性回归的方法拟合得到。
73.在年龄估算模型的生成方法中，包括：1）确定拟合信息。
74.其中，拟合信息包括有对应于不同年龄段的人员的年龄拟合信息、对应于不同年龄段的人员的臂长拟合信息、对应于不同年龄段的人员的腿长拟合信息和对应于不同年龄段的人员的脊椎拟合信息；年龄拟合信息用于反映人员的年龄段。拟合信息相当于收集了不同的年龄段的人员的手臂长度、腿部长度和脊椎长度。
75.2）将拟合信息代入多元函数模型进行正交多项式拟合，生成年龄估算模型。
76.其中，将收集的不同年龄段的人员的手臂长度、腿部长度和脊椎长度作为输入，以对应人员的年龄段作为输出，进行正交多项式拟合，可以拟合得到一项多元函数，即年龄估算模型。
77.s42、基于第一年龄信息，确定目标年龄信息。
78.其中，目标年龄信息所对应的年龄为第一年龄信息中估算得到的年龄，完成对骑乘人员的年龄的估算。
79.s5、报警检测：判断目标年龄信息是否满足年限条件，若是则结束；若否则执行s6。
80.其中，年限条件指的是目标年龄信息所对应的年龄是否大于等于年龄阈值，年龄阈值是系统预设的年龄下限。以年龄下限为12岁为例，则年龄阈值为12；当目标年龄信息对应的年龄数值大于等于12时，则骑乘人员的年龄满足年限条件，骑乘人员可以正常使用交通工具；当目标年龄信息对应的年龄数值小于12时，则骑乘人员的年龄不满足年限条件，需要对骑乘人员进行警告，触发骑乘警示步骤。
81.s6、骑乘警示。
82.其中，对不满足年限条件的骑乘人员进行警告示意，提醒骑乘人员及时停止骑乘行为。
83.本技术实施例一的实施原理为：当监控图像监控到有人员骑乘交通工具时，则会通过监控图像提取骨架信息，骨架信息能够反映出骑乘人员的手臂长度、腿部长度和脊椎长度。结合手臂长度、腿部长度和脊椎长度，可以利用人员的身材全面地估算骑乘人员的年龄，提高后续分析中年龄估算的准确性。当骑乘人员为低龄人员时，则会触发骑乘警示。利用人员的身材比例，系统可以较为准确地对人员的年龄进行估算，以及时对低龄骑乘人员进行警示。
84.另一方面，图像获取模块1采用交通岗位预设的监控摄像头，在获取图像信息的过程中，不需要在交通工具本体上额外增加外部硬件设备，更加方便。
85.实施例二：本技术实施例提供一种人员骑乘监控管理方法，与实施例一的区别之处在于：参照图4，在步骤s3中，还包括：s32、基于监控图像，确定人脸信息。
86.其中，识别信息还包括有骨架信息和人脸信息，人脸信息指的是从监控图像中提取的能够反映人体脸部的图像。对优化图像进行人脸识别，可以得到对应于骑乘人员的人脸信息。
87.在步骤s4中，还包括：s42、基于人脸信息，确定第二年龄信息。
88.其中，通过将人脸信息中的人脸图像输入至预设的神经网络中，可以估算骑乘人员的年龄，确定第二年龄信息。
89.在步骤s43中，基于第一年龄信息和第二年龄信息，确定目标年龄信息。
90.其中，第一年龄信息为通过对人体的骨架进行分析得到的估算年龄，第二年龄信息为通过对人体的脸部进行分析得到的估算年龄，结合第一年龄信息和第二年龄信息，可以得到目标年龄信息。
91.在本实施例中，目标年龄信息所对应的年龄数值为第一年龄信息的年龄数值和第二年龄信息的年龄数值之间的平均值。
92.在步骤s6中，包括：s61、将人脸信息发送至运营方。
93.其中，本实施例中以交通工具为共享单车为例，运营方指的是交通工具的运营方。
94.s62、运营方基于人脸信息在数据库中进行比较，确定身份信息。
95.其中，将抓拍得到的人脸信息中的人脸图像上传到运营方的数据库中进行比较，可以确定人脸信息所对应的用户的身份，从而确定身份信息。
96.s63、运营方向身份信息所对应的用户端发送警告信息。
97.本实施例二的实施原理为：人脸信息能够反映骑乘人员的脸部，通过分析骑乘人员的脸部数据可以估算骑乘人员的年龄，结合骨架信息估算的年龄以及人脸信息估算的年龄，可以结合骑乘人员的身材和脸部对年龄进行估算，从而提高年龄估算的准确性。
98.实施例三：
在一个实施例中，提供一种人员骑乘监控管理系统，与上述实施例一中的人员骑乘监控管理方法一一对应。参照图5, 人员骑乘监控管理系统包括图像获取模块1、行为检测模块2、信息提取模块3、年龄估算模块4、报警检测模块5和骑乘警示模块6。各功能模块详细说明如下：图像获取模块1，用于获取监控图像，向行为检测模块2发送监控图像信息。
99.行为检测模块2，用于判断监控图像是否满足检测条件，根据判断结果执行信息提取步骤，向信息提取模块3发送图像检测信息；其中，检测条件为监控图像中记录有交通工具和骑乘于交通工具的骑乘人员。
100.信息提取模块3，用于基于监控图像，确定识别信息，向年龄估算模块4发送骨架信息；其中，识别信息包括骨架信息，骨架信息用于反映骑乘人员的身材。
101.年龄估算模块4，用于基于识别信息，确定目标年龄信息，向报警检测模块5发送目标年龄信息。
102.报警检测模块5，用于判断目标年龄信息是否满足年限条件，根据判断结果执行骑乘警示步骤。
103.骑乘警示模块6，用于执行骑乘警示步骤。
104.本实施例提供的人员骑乘监控管理系统，由于其各模块本身的功能及彼此之间的逻辑连接，能实现前述实施例的各个步骤，因此能够达到与前述实施例相同的技术效果，原理分析可参见前述方法步骤的相关描述，在此不再累述。
105.实施例四：在一个实施例中，提供了一种智能终端，其包括存储器、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，其中存储器存储训练模型中的训练数据、算法公式以及滤波机制等。处理器用于提供计算和控制能力，处理器执行计算机程序时实现以下步骤：s1、图像获取：获取监控图像。
106.s2、行为检测：判断监控图像是否满足检测条件，根据判断结果执行s3。
107.在步骤s2中，包括：s21、基于监控图像，确定人体区域和车体区域。
108.s22、基于人体区域和车体区域，确定重合区域。
109.s23、判断重合区域的面积是否大于面积阈值，若是则执行s3；若否则结束。
110.s3、信息提取：基于监控图像，确定识别信息。
111.在步骤s3中，包括：s31、基于监控图像，确定骨架信息。
112.s32、基于监控图像，确定人脸信息。
113.在步骤s31中，包括：s311、基于人体区域、车体区域和监控图像，确定目标区域图像。
114.s312、基于目标区域图像进行图像矫正，确定优化图像。
115.s313、基于优化图像，确定骨架信息。
116.s4、年龄估算：基于识别信息，确定目标年龄信息。
117.在步骤s4中，包括：s41、基于骨架信息，确定第一年龄信息。
118.s42、基于人脸信息，确定第二年龄信息。
119.s43、基于第一年龄信息和第二年龄信息，确定目标年龄信息。
120.s5、报警检测：判断目标年龄信息是否满足年限条件，若是则结束；若否则执行s6。
121.s6、骑乘警示。
122.在步骤s6中，包括：s61、将人脸信息发送至运营方。
123.s62、运营方基于人脸信息在数据库中进行比较，确定身份信息。
124.s63、运营方向身份信息所对应的用户端发送警告信息。
125.本实施例提供的智能终端，由于其存储器中的计算机程序在处理器上运行后，会实现前述实施例二的各个步骤，因此能够达到与前述实施例二相同的技术效果，原理分析可参见前述方法步骤的相关描述，在此不再累述。
126.实施例五：在一个实施例中，提供了一种计算机可读存储介质，其存储有能够被处理器加载并执行上述人员骑乘监控管理方法的计算机程序，计算机程序被处理器执行时实现以下步骤：s1、图像获取：获取监控图像。
127.s2、行为检测：判断监控图像是否满足检测条件，根据判断结果执行s3。
128.在步骤s2中，包括：s21、基于监控图像，确定人体区域和车体区域。
129.s22、基于人体区域和车体区域，确定重合区域。
130.s23、判断重合区域的面积是否大于面积阈值，若是则执行s3；若否则结束。
131.s3、信息提取：基于监控图像，确定识别信息。
132.在步骤s3中，包括：s31、基于监控图像，确定骨架信息。
133.s32、基于监控图像，确定人脸信息。
134.在步骤s31中，包括：s311、基于人体区域、车体区域和监控图像，确定目标区域图像。
135.s312、基于目标区域图像进行图像矫正，确定优化图像。
136.s313、基于优化图像，确定骨架信息。
137.s4、年龄估算：基于识别信息，确定目标年龄信息。
138.在步骤s4中，包括：s41、基于骨架信息，确定第一年龄信息。
139.s42、基于人脸信息，确定第二年龄信息。
140.s43、基于第一年龄信息和第二年龄信息，确定目标年龄信息。
141.s5、报警检测：判断目标年龄信息是否满足年限条件，若是则结束；若否则执行s6。
142.s6、骑乘警示。
143.在步骤s6中，包括：s61、将人脸信息发送至运营方。
144.s62、运营方基于人脸信息在数据库中进行比较，确定身份信息。
145.s63、运营方向身份信息所对应的用户端发送警告信息。
146.本实施例提供的可读存储介质，由于其中的计算机程序在处理器上加载并运行后，会实现前述实施例二的各个步骤，因此能够达到与前述实施例二相同的技术效果，原理分析可参见前述方法步骤的相关描述，在此不再累述。
147.所述计算机可读存储介质例如包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
148.具体实施方式的实施例均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的方法、原理所做的等效变化，均应涵盖于本技术的保护范围之内。