目标动作的检测方法、装置、存储介质和电子设备与流程

1.本技术涉及视觉识别技术领域，具体而言，涉及一种目标动作的检测方法、装置、存储介质和电子设备。


背景技术：

2.对于某些生产线中比较重要的岗位，需要对其工作的目标动作进行检测，相关技术中，通常通过预先训练好的模型检测该岗位监控图像中的人体和物品的方式对目标动作进行检测，采用这种方法对于不同的目标动作均需要事先采集大量的相关图片素材进行标注训练后生成相应的模型，然后才能通过相应的模型对目标动作进行检测。


技术实现要素：

3.本技术旨在至少解决相关技术中存在的技术问题之一。
4.为此，本技术的第一个方面在于提出一种目标动作的检测方法。
5.本技术的第二个方面在于提出一种目标动作的检测装置。
6.本技术的第三个方面在于提出另一种目标动作的检测装置。
7.本技术的第四个方面在于提出一种可读存储介质。
8.本技术的第五个方面在于提出一种电子设备。
9.本技术的第六个方面在于提出一种计算机程序产品。
10.有鉴于此，根据本技术的一个方面，提出了一种目标动作的检测方法，该检测方法用于检测监控图像中的目标动作，该检测方法包括：获取监控图像；提取监控图像的第一图像特征，并根据第一图像特征和多个模板图像的第二图像特征，确定第一图像特征和多个第二图像特征的相似度分数；根据相似度分数确定多个模板图像中的目标模板图像；在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为目标动作的模板图像的情况下，确定监控图像中包含有目标动作。
11.需要说明的是，本技术所提出的目标动作的检测方法的执行主体可以是目标动作的检测装置，为了更加清楚的对本技术提出的目标动作的检测方法进行说明，下面技术方案中以目标动作的检测方法的执行主体为目标动作的检测装置进行示例性说明。
12.在该技术方案中，上述监控图像可以表示某条生产线中比较重要的目标岗位的监控图像，例如产品的检测岗位的监控图像；上述目标动作表示上述目标岗位工作过程中待检测的关键动作，上述多个模板图像包括预先设置的目标动作的模板图像以及与目标动作比较相似的动作的模板图像。
13.具体地，检测装置获取对于上述目标岗位的监控图像。具体而言，该监控图像可以是对目标岗位监控视频截取的一帧图像。
14.进一步地，在获取的到上述监控图像后，检测装置可以对该监控图像中的图像特征的图像特征进行提取，以确定出上述第一图像特征。具体而言，检测装置可以通过通用的图像特征提取算法从上述监控图像中提取上述第一图像特征。
15.具体地，检测装置对于多个模板图像的第二图像特征的提取方式与从上述监控图像中提取第一图像特征的方式相同，在此不再赘述。
16.进一步地，检测装置计算上述第一图像特征与上述多个模板图像的第二特征之间的相似度分数。具体而言，检测装置通过上述第一图像特征以及上述多个第二图像特征通过相应的相似度算法即可确定出上述相似度分数。
17.具体而言，工业制造场景下存在与目标动作相似度比较高的动作，如拿扫码枪扫描附件上的条码和拿扫码枪扫描机器条码，则很容易误检测，所以，在本技术中设置了多个模板图像，多个模板图像中即设置了目标动作的模板图像，又包括了与目标动作相接近动作的模板图像。
18.进一步地，检测装置根据上述相似度分数从上述多个模板图像中筛选出目标模板图像。具体而言，目标模板图像表示多个模板图像对应的相似度分数最高的模板图像。
19.具体而言，通过选取上述目标模板图像，可以确定监控图像中的图像特征是与目标动作的模板图像相似度更高还是与目标动作的相近动作的相似度更高。
20.进一步地，检测装置判断目标模板图像对应的相似度分数与分数阈值之间的大小关系，以及上述目标模板图像是否为上述目标动作的模板图像。
21.具体地，在判断得出目标模板图像对应的相似度分数大于上述分数阈值，且目标模板图像为上述目标动作的模板图像的情况下，检测装置确定上述监控图像中存在待检测的目标动作，即检测装置在上述监控图像中检测到了目标动作，此时，可以确定目标岗位的工人做了上述目标动作。
22.具体而言，如果上述目标模板图像对应的相似度分数大于上述分数阈值，则表明监控图像中存在与目标模板图像对应的动作，如果上述目标模板图像为目标动作的模板图像，则目标模板图像对应的动作为上述目标动作，因此，在检测装置判断得出目标模板图像对应的相似度分数大于上述分数阈值，且目标模板图像为上述目标动作的模板图像时，检测装置可以确定监控图像中包含有目标动作。
23.在该技术方案中，检测装置能够根据获取的监控图像的第一图像特征和多个模板图像的第二图像特征确定出相似度分数，能够根据相似度分数确定多个模板图像的中的目标模板图像，能够在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像的类型为目标动作的模板图像的情况下，确定在上述监控图像中检测到了目标动作。在本技术的上述技术方案中，对于监控图像中是否包含有目标动作，是根据监控图像与多个模板图像的相似度分数和模板图像对应的动作类型确定的，使得无需通过大量图片素材训练模型识别监控图像，仅需与少量标准模板图像进行对比即可对监控图像中是否包含有目标动作进行检测，解决了相关技术中，对于不同的目标动作均需要事先采集大量的相关图片素材进行标注训练后生成相应的模型，才能对目标动作进行检测问题。
24.此外，在本技术的上述技术方案中，在上述多个模板图像中，即设置有目标动作的模板图像，又设置有与目标动作相近动作的模板图像，这样，避免了仅根据目标动作的模板图像与监控图像的相似度分数的大小，容易将与目标动作相近的动作检测为目标动作的问题。
25.此外，根据本技术的上述技术方案提出的目标动作的检测方法，还可以具有以下附加技术特征：
26.在上述技术方案中，提取监控图像的第一图像特征的步骤具体包括：在确认多个模板图像为固定位置模板图像的情况下，从监控图像中的固定区域内提取第一图像特征；其中，监控图像用于指示目标岗位的监控图像，固定位置模板图像用于指示对目标岗位的预设位置设定的模板图像。
27.在该技术方案中，上述监控图像表示目标岗位的监控图像，上述固定位置模板图像表示对目标岗位的预设位置设定的模板图像。
28.在该技术方案中，在判断得出上述多个模板图像为固定位置的模板图像的情况下，检测装置仅需提取监控图像中固定区域内的第一图像特征即可，这样，既可以保证提取的第一图像特征的准确性，又能够提升第一图像特征提取的效率。
29.在上述技术方案中，提取监控图像的第一图像特征的步骤具体包括：在监控图像中包括有目标对象的情况下，从监控图像中包括目标对象的区域内提取第一图像特征。
30.在该技术方案中，在判断得出监控图像中存在目标对象情况下，检测装置仅需提取监控图像中目标对象所在区域内的第一图像特征即可，这样，既可以保证提取的第一图像特征的准确性，又能够提升第一图像特征提取的效率。
31.在上述技术方案中，从监控图像中包括目标对象的区域内提取第一图像特征之前，检测方法还包括：将监控图像输入至第一模型中，确认监控图像中是否包含有目标对象；其中，第一模型为预先训练的目标检测模型。
32.在该技术方案中，检测装置是将监控图像输入至预先训练好的第一模型中判断监控图像中是否包含有目标对象，这样，提高了目标对象判断的准确性和效率。
33.在上述技术方案中，多个模板图像中包括与目标动作对应的模板图像，和/或与目标动作相近动作对应的模板图像；目标模板图像为多个模板图像中相似度分数最高的模板图像。
34.在该技术方案中，在多个模板图像中，即设置有目标动作的模板图像，又设置有与目标动作相近动作的模板图像，这样，避免了仅根据目标动作的模板图像与监控图像的相似度分数的大小，容易将与目标动作相近的动作检测为目标动作的问题。
35.需要说明的是，目标动作的相近动作可以通过计算该动作与目标动作的相似度分数确定，在该相似度分数大于预设分数的情况下，确定该动作为目标动作的相近动作，并会将该动作对应的模板图像添加至上述多个模板图像中。在上述技术方案中，检测方法还包括：在目标模板图像对应的相似度分数小于等于分数阈值的情况下，确定监控图像中未包含有目标动作；或在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为非目标动作的模板图像的情况下，确定监控图像中未包含有目标动作。
36.在该技术方案中，在上述多个模板图像中即设置目标动作的模板图像，又设置了与目标动作相近动作的模板图像，这样，避免了仅根据目标动作的模板图像与监控图像的相似度分数的大小，容易将与目标动作相近的动作检测为目标动作的问题。
37.在上述技术方案中，监控图像用于指示目标岗位的监控图像，在获取监控图像之前，检测方法还包括：根据目标岗位和目标动作，配置多个模板图像。
38.在该技术方案中，上述多个模板图像是检测装置根据目标岗位以及目标动作进行配置得到的，这样，保证了后续通过多个模板图像确认监控图像中是否包含有目标对象的准确性。
39.在上述技术方案中，监控图像用于指示目标岗位的监控图像，确定监控图像中包含有目标动作后，检测方法还包括：按照时间顺序，将第一数量的目标动作组合成目标岗位的检测工序动作；在检测工序动作与标准工序动作相同时，确定目标岗位的检测工序动作符合规定。
40.在该技术方案中，在确定出监控对象中包含有目标动作之后，检测装置还可以按照时间顺序将第一数量的目标动作组合成对于目标岗位的检测工序动作，并能够将该检测工序动作与标准工序动作进行对比结果，实现了对目标岗位的工序是否符合规定的判定。
41.在上述技术方案中，将第一数量的目标动作组合成目标岗位的检测工序动作之前，检测方法还包括：根据目标岗位，配置标准工序动作。
42.在该技术方案中，上述标准工序动作是检测装置根据目标岗位的实际情况进行配置得到的，这样，保证了后续通过该标准工序动作确认目标岗位的检测工序动作是否符合规定的准确性。
43.根据本技术的第二个方面，提出了一种目标动作的检测装置，该检测装置用于检测监控图像中的目标动作，该检测装置包括：获取模块，用于获取监控图像；第一处理模块，用于提取监控图像的第一图像特征，并根据第一图像特征和多个模板图像的第二图像特征，确定第一图像特征和多个第二图像特征的相似度分数；第二处理模块，用于根据相似度分数确定多个模板图像中的目标模板图像；第三处理模块，用于在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为目标动作的模板图像的情况下，确定监控图像中包含有目标动作。
44.在该技术方案中，上述监控图像可以表示某条生产线中比较重要的目标岗位的监控图像，例如产品的检测岗位的监控图像；上述目标动作表示上述目标岗位工作过程中待检测的关键动作，上述多个模板图像表示预先设置的目标动作的模板图像以及与目标动作比较相似的动作的模板图像。
45.具体地，首先通过获取模块获取对于上述目标岗位的监控图像。具体而言，该监控图像可以是对目标岗位监控视频截取的一帧图像。
46.进一步地，在获取的到上述监控图像后，第一处理模块可以对该监控图像中的图像特征的图像特征进行提取，以确定出上述第一图像特征。具体而言，第一处理模块可以通过通用的图像特征提取算法从上述监控图像中提取上述第一图像特征。
47.具体地，第一处理模块对于多个模板图像的第二图像特征的提取方式与从上述监控图像中提取第一图像特征的方式相同，在此不再赘述。
48.进一步地，第一处理模块计算上述第一图像特征与上述多个模板图像的第二特征之间的相似度分数。具体而言，第一处理模块通过上述第一图像特征以及上述多个第二图像特征通过相应的相似度算法即可确定出上述相似度分数。
49.具体而言，工业制造场景下存在与目标动作相似度比较高的动作，如拿扫码枪扫描附件上的条码和拿扫码枪扫描机器条码，则很容易误检测，所以，在本技术中设置了多个模板图像，多个模板图像中即设置了目标动作的模板图像，又包括了与目标动作相接近动作的模板图像。
50.进一步地，第二处理模块根据上述相似度分数从上述多个模板图像中筛选出目标模板图像。具体而言，目标模板图像表示多个模板图像对应的相似度分数最高的模板图像。
51.具体而言，通过选取上述目标模板图像，可以确定监控图像中的图像特征是与目标动作的模板图像相似度更高还是与目标动作的相似动作的相似度更高。
52.进一步地，第三处理模块判断目标模板图像对应的相似度分数与分数阈值之间的大小关系，以及上述目标模板图像是否为上述目标动作的模板图像。
53.具体地，在判断得出目标模板图像对应的相似度分数大于上述分数阈值，且目标模板图像为上述目标动作的模板图像的情况下，第三处理模块确定上述监控图像中存在待检测的目标动作，即第三处理模块在上述监控图像中检测到了目标动作，即目标岗位的工人做了上述目标动作。
54.具体而言，如果上述目标模板图像对应的相似度分数大于上述分数阈值，则表明监控图像中存在与目标模板图像对应的动作，如果上述目标模板图像为目标动作的模板图像，则目标模板图像对应的动作为上述目标动作，因此，在第三处理模块判断得出目标模板图像对应的相似度分数大于上述分数阈值，且目标模板图像为上述目标动作的模板图像时，第三处理模块可以确定监控图像中包含有目标动作。
55.在该技术方案中，第一处理模块能够根据获取的监控图像的第一图像特征和多个模板图像的第二图像特征确定出相似度分数，第二处理模块能够根据相似度分数确定多个模板图像的中的目标模板图像，第三处理模块能够在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像的类型为目标动作的模板图像的情况下，确定在上述监控图像中检测到了目标动作。在本技术的上述技术方案中，对于监控图像中是否包含有目标动作，是根据监控图像与多个模板图像的相似度分数和模板图像对应的动作类型确定的，使得无需通过大量图片素材训练模型识别监控图像，仅需与少量标准模板图像进行对比即可对监控图像中是否包含有目标动作进行检测，解决了相关技术中，对于不同的目标动作均需要事先采集大量的相关图片素材进行标注训练后生成相应的模型，才能对目标动作进行检测问题。
56.此外，在本技术的上述技术方案中，在上述多个模板图像中，即设置有目标动作的模板图像，又设置有与目标动作相近动作的模板图像，这样，避免了仅根据目标动作的模板图像与监控图像的相似度分数的大小，容易将与目标动作相近的动作检测为目标动作的问题。
57.根据本技术第三个方面，提出了另一种目标动作的检测装置，包括：存储器，存储器中存储有程序或指令；处理器，处理器执行存储在存储器中的程序或指令以实现如本技术上述技术方案提出的目标动作的检测方法的步骤，因而具有本技术上述技术方案提出的目标动作的检测方法的全部有益技术效果，在此不再做过多赘述。
58.根据本技术的第四个方面，提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现如本技术上述技术方案提出的目标动作的检测方法。因此，该可读存储介质具备本技术上述技术方案提出的目标动作的检测方法的全部有益效果，在此不再赘述。
59.根据本技术的第五个方面，提出了一种电子设备，包括如本技术上述技术方案提出的目标动作的检测装置，和/或如本技术上述技术方案提出的可读存储介质，因此，该电子设备具备本技术上述技术方案提出的目标动作的检测装置和/或本技术上述技术方案提出的可读存储介质的全部有益效果，在此不再赘述。
60.根据本技术的第六个方面，提出了一种计算机程序产品，其包括有计算机程序，该计算机程序被处理器执行时实现如本技术上述技术方案提出的目标动作的检测方法。因此，该计算机程序产品具备本技术上述技术方案提出的目标动作的检测方法的全部有益效果，在此不再赘述。
61.本技术的附加方面和优点将在下面的描述部分中变得明显，或通过本技术的实践了解到。
附图说明
62.本技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
63.图1示出了本技术实施例的目标动作的检测方法的流程示意图之一；
64.图2示出了本技术实施例的目标动作的检测方法的流程示意图之二；
65.图3示出了本技术实施例的目标动作的检测方法的流程示意图之三；
66.图4示出了本技术实施例的目标动作的检测方法的流程示意图之四；
67.图5示出了本技术实施例的目标动作的检测方法的流程示意图之五；
68.图6示出了本技术实施例的目标动作的检测方法的流程示意图之六；
69.图7示出了本技术实施例的目标动作的检测装置的示意框图之一；
70.图8示出了本技术实施例的目标动作的检测装置的示意框图之二；
71.图9示出了本技术实施例的目标动作的检测系统的示意框图。
具体实施方式
72.为了能够更清楚地理解本技术的上述目的、特征和优点，下面结合附图和具体实施方式对本技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
73.在下面的描述中阐述了很多具体细节以便于充分理解本技术，但是，本技术还可以采用其他不同于在此描述的其他方式来实施，因此，本技术的保护范围并不限于下面公开的具体实施例的限制。
74.下面结合图1至图9，通过具体的实施例及其应用场景对本技术实施例提供的一种目标动作的检测方法、装置、存储介质和电子设备进行详细地说明。
75.图1示出了本技术实施例的目标动作的检测方法的流程示意图，其中，该检测方法用于检测控图像中的目标动作，该检测方法包括：
76.s102，获取监控图像；
77.s104，提取监控图像的第一图像特征，并根据第一图像特征和多个模板图像的第二图像特征，确定第一图像特征和多个第二图像特征的相似度分数；
78.s106，根据相似度分数确定多个模板图像中的目标模板图像；
79.s108，在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为目标动作的模板图像的情况下，确定监控图像中包含有目标动作。
80.需要说明的是，本技术所提出的目标动作的检测方法的执行主体可以是目标动作的检测装置，为了更加清楚的对本技术提出的目标动作的检测方法进行说明，下面实施例
中以目标动作的检测方法的执行主体为目标动作的检测装置进行示例性说明。
81.在该实施例中，上述监控图像可以表示某条生产线中比较重要的目标岗位的监控图像，例如产品的检测岗位的监控图像；上述目标动作表示上述目标岗位工作过程中待检测的关键动作，上述多个模板图像包括预先设置的目标动作的模板图像以及与目标动作比较相似的动作的模板图像。
82.具体地，检测装置获取对于上述目标岗位的监控图像。具体而言，该监控图像可以是对目标岗位监控视频截取的一帧图像。
83.示例性地，检测装置可以通过rgb(相机red green and blue，彩色相机)获取的上述监控图像，但不限于此。
84.进一步地，在获取的到上述监控图像后，检测装置可以对该监控图像中的图像特征的图像特征进行提取，以确定出上述第一图像特征。具体而言，检测装置可以通过通用的图像特征提取算法从上述监控图像中提取上述第一图像特征。
85.示例性地，上述通用图像特征提取算法包括yolov5(目标检测)算法或者神经网络算法中的一种或多种，本技术在此不做具体限定。
86.具体地，检测装置对于多个模板图像的第二图像特征的提取方式与从上述监控图像中提取第一图像特征的方式相同，在此不再赘述。
87.进一步地，检测装置计算上述第一图像特征与上述多个模板图像的第二特征之间的相似度分数。具体而言，检测装置通过上述第一图像特征以及上述多个第二图像特征通过相应的相似度算法即可确定出上述相似度分数。
88.具体而言，工业制造场景下存在与目标动作相似度比较高的动作，如拿扫码枪扫描附件上的条码和拿扫码枪扫描机器条码，则很容易误检测，所以，在本技术中设置了多个模板图像，多个模板图像中即设置了目标动作的模板图像，又包括了与目标动作相接近动作的模板图像。
89.示例性地，检测装置具体可以通过md5(message-digest algorithm，信息摘要)算法、直方图算法、psnr(peak signal to noise rat输入输出，峰值信噪比)算法和ssim(structural similarity，图像评估指标)算法中的一种或多种确定上述相似度分数。
90.进一步地，检测装置根据上述相似度分数从上述多个模板图像中筛选出目标模板图像。具体而言，目标模板图像表示多个模板图像对应的相似度分数最高的模板图像。
91.具体而言，通过选取上述目标模板图像，可以确定监控图像中的图像特征是与目标动作的模板图像相似度更高还是与目标动作的相似动作的相似度更高。
92.进一步地，检测装置判断目标模板图像对应的相似度分数与分数阈值之间的大小关系，以及上述目标模板图像是否为上述目标动作的模板图像。
93.具体地，在判断得出目标模板图像对应的相似度分数大于上述分数阈值，且目标模板图像为上述目标动作的模板图像的情况下，检测装置确定上述监控图像中存在待检测的目标动作，即检测装置在上述监控图像中检测到了目标动作，此时，可以确定目标岗位的工人做了上述目标动作。
94.具体而言，如果上述目标模板图像对应的相似度分数大于上述分数阈值，则表明监控图像中存在与目标模板图像对应的动作，如果上述目标模板图像为目标动作的模板图像，则目标模板图像对应的动作为上述目标动作，因此，在检测装置判断得出目标模板图像
对应的相似度分数大于上述分数阈值，且目标模板图像为上述目标动作的模板图像时，检测装置可以确定监控图像中包含有目标动作。
95.示例性地，上述目标动作的检测步骤还可以用于其他场景，例如检测商场门店客户感兴趣的商品、检测固定位置图像变化、检测设备上的指示灯变色情况和监测视频内在某帧内出现的某产品广告等，但不限于此。
96.在该实施例中，检测装置能够根据获取的监控图像的第一图像特征和多个模板图像的第二图像特征确定出相似度分数，能够根据相似度分数确定多个模板图像的中的目标模板图像，能够在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像的类型为目标动作的模板图像的情况下，确定在上述监控图像中检测到了目标动作。
97.在本技术的上述实施例中，对于监控图像中是否包含有目标动作，是根据监控图像与多个模板图像的相似度分数和模板图像对应的动作类型确定的，使得无需通过大量图片素材训练模型识别监控图像，仅需与少量标准模板图像进行对比即可对监控图像中是否包含有目标动作进行检测，解决了相关技术中，对于不同的目标动作均需要事先采集大量的相关图片素材进行标注训练后生成相应的模型，才能对目标动作进行检测问题。
98.此外，在本技术的上述实施例中，在上述多个模板图像中，即设置有目标动作的模板图像，又设置有与目标动作相近动作的模板图像，这样，避免了仅根据目标动作的模板图像与监控图像的相似度分数的大小，容易将与目标动作相近的动作检测为目标动作的问题。
99.图2示出了本技术实施例的目标动作的检测方法的流程示意图，该检测方法包括：
100.s202，获取监控图像；
101.s204，在确认多个模板图像为固定位置模板图像的情况下，从监控图像中的固定区域内提取第一图像特征；
102.s206，根据第一图像特征和多个模板图像的第二图像特征，确定第一图像特征和多个第二图像特征的相似度分数；
103.s208，根据相似度分数确定多个模板图像中的目标模板图像；
104.s210，在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为目标动作的模板图像的情况下，确定监控图像中包含有目标动作。
105.其中，监控图像用于指示目标岗位的监控图像，固定位置模板图像用于指示对目标岗位的预设位置设定的模板图像。
106.在该实施例中，上述目标岗位表示某条生产线比较重要的岗位，上述监控图像表示目标岗位的监控图像，上述固定位置模板图像表示对目标岗位的预设位置设定的模板图像。
107.具体地，从上述监控图像中提取上述第一图像特征的过程为：检测装置首先确定上述多个模板图像是否为固定位置的模板图像。
108.具体地，在判断得出上述多个模板图像为固定位置的模板图像时，检测装置从上述监控图像中与固定位置相对应的区域内提取上述第一图像特征，即从监控图像中的固定区域内提取第一图像特征。
109.具体而言，如果上述多个模板图像为固定位置的模板图像，则表明多个模板图像为对于目标岗位特定位置设定的模板图像，即本次要检测的目标动作为目标岗位中某个固
定位置的动作，例如，检测的是目标岗位所使用的机器的指示灯的状态，因此，检测装置仅需要从监控图像中的固定区域提取上述第一图像特征即可。
110.在该实施例中，在判断得出上述多个模板图像为固定位置的模板图像的情况下，检测装置仅需提取监控图像中固定区域内的第一图像特征即可，这样，既可以保证提取的第一图像特征的准确性，又能够提升第一图像特征提取的效率。
111.图3示出了本技术实施例的目标动作的检测方法的流程示意图，该检测方法包括：
112.s302，获取监控图像；
113.s304，在监控图像中包括有目标对象的情况下，从监控图像中包括目标对象的区域内提取第一图像特征；
114.s306，根据第一图像特征和多个模板图像的第二图像特征，确定第一图像特征和多个第二图像特征的相似度分数；
115.s308，根据相似度分数确定多个模板图像中的目标模板图像；
116.s310，在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为目标动作的模板图像的情况下，确定监控图像中包含有目标动作。
117.在该实施例中，上述目标对象表示目标岗位工作人员的人体部位，例如，工作人员的手、脚、前臂、上臂、头、躯干、大腿和小腿等部位，具体的目标对象根据目标岗位的实际情况进行设置。
118.具体地，从上述监控图像中提取上述第一图像特征的过程为：检测装置首先确认上述监控图像中是否包含有上述目标对象。具体而言，检测装置可以通过预先训练好的模型对监控图像进行识别，确定监控图像中是否包含有目标对象。
119.示例性地，检测装置可以通过神经网络模型、目标检测模型等识别监控图像中是否包含有上述目标对象，但不局限于此。
120.具体地，在判断得出上述监控图像中包含有上述目标对象的情况下，检测装置从监控图像中目标对象所在的区域中对第一图像特征进行提取。
121.具体而言，如果监控图像中包含有目标对象，则表明本次要识别的目标动作与目标对象具有相关关系，例如，要检测的是目标岗位的工作人员对于产品拿取的动作时，检测的是工作人员的手部附近的图像特征。因此，检测装置需要从监控图像中目标对象所在的区域中对上述第一图像特征进行提取。
122.在该实施例中，在判断得出监控图像中存在目标对象情况下，检测装置仅需提取监控图像中目标对象所在区域内的第一图像特征即可，这样，既可以保证提取的第一图像特征的准确性，又能够提升第一图像特征提取的效率。
123.图4示出了本技术实施例的目标动作的检测方法的流程示意图，该检测方法包括：
124.s402，获取监控图像；
125.s404，将监控图像输入至第一模型中，确认监控图像中是否包含有目标对象；
126.s406，在监控图像中包括有目标对象的情况下，从监控图像中包括目标对象的区域内提取第一图像特征；
127.s408，根据第一图像特征和多个模板图像的第二图像特征，确定第一图像特征和多个第二图像特征的相似度分数；
128.s410，根据相似度分数确定多个模板图像中的目标模板图像；
129.s412，在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为目标动作的模板图像的情况下，确定监控图像中包含有目标动作。
130.在该实施例中，上述第一模型表示预先训练的目标检测模型(yolov5检测模型)。
131.具体地，在从监控图像中的目标对象所在的区域内提取第一图像特征之前，检测装置还用于确认监控图像中是否包含有目标对象，其具体的过程为：检测装置将监控图像输入至上述第一模型中进行识别，确定监控图像中是否包含有目标对象。
132.具体而言，通过将监控图像输入至预先训练好的模型中，能够快速准确的确认监控图像中是否包含有目标对象。
133.示例性地，检测装置还可以通过预先训练神经网络模型的方式或者其他算法构建上述第一模型，但不局限于此。
134.在该实施例中，检测装置是将监控图像输入至预先训练好的第一模型中判断监控图像中是否包含有目标对象，这样，提高了目标对象判断的准确性和效率。
135.在上述实施例中，多个模板图像中包括与目标动作对应的模板图像，和/或与目标动作相近动作对应的模板图像；目标模板图像为多个模板图像中相似度分数最高的模板图像。
136.在该实施例中，在多个模板图像中，即设置有目标动作的模板图像，又设置有与目标动作相近动作的模板图像，这样，避免了仅根据目标动作的模板图像与监控图像的相似度分数的大小，容易将与目标动作相近的动作检测为目标动作的问题。
137.需要说明的是，目标动作的相近动作可以通过计算该动作与目标动作的相似度分数确定，在该相似度分数大于预设分数的情况下，确定该动作为目标动作的相近动作，并会将该动作对应的模板图像添加至上述多个模板图像中。
138.在上述实施例中，检测方法还包括：在目标模板图像对应的相似度分数小于等于分数阈值的情况下，确定监控图像中未包含有目标动作；或在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为非目标动作的模板图像的情况下，确定监控图像中未包含有目标动作。
139.在该实施例中，上述非目标动作的模板图像表示与目标动作相接近的动作的模板图像。
140.具体地，在判断得出目标模板图像对应的相似度分数小于或者等于上述分数阈值的情况下，检测装置确定上述监控图像中不存在待检测的目标动作，即检测装置在上述监控图像中未检测到了目标动作，即目标岗位的工人未做出上述目标动作。
141.具体而言，如果上述目标模板图像对应的相似度分数小于或者等于上述分数阈值，则表明监控图像中不存在与目标模板图像对应的动作，因此，在检测装置判断得出目标模板图像对应的相似度分数小于或者等于上述分数阈值时，检测装置可以确定监控图像中未包含有目标动作。
142.具体地，在判断得出目标模板图像对应的相似度分数大于上述分数阈值，且目标模板图像为非上述目标动作的模板图像的情况下，检测装置确定上述监控图像中不存在待检测的目标动作，即检测装置在上述监控图像中未检测到了目标动作，即目标岗位的工人未做出上述目标动作。
143.具体而言，如果上述目标模板图像对应的相似度分数大于上述分数阈值，则表明
监控图像中存在与目标模板图像对应的动作，如果上述目标模板图像为非目标动作的模板图像，则目标模板图像对应的动作为与上述目标动作相近的动作，因此，在检测装置判断得出目标模板图像对应的相似度分数大于上述分数阈值，且目标模板图像为非上述目标动作的模板图像时，检测装置可以确定监控图像中未包含有目标动作。
144.在该实施例中，在上述多个模板图像中即设置目标动作的模板图像，又设置了与目标动作相近动作的模板图像，这样，避免了仅根据目标动作的模板图像与监控图像的相似度分数的大小，容易将与目标动作相近的动作检测为目标动作的问题。
145.图5示出了本技术实施例的目标动作的检测方法的流程示意图，其中，监控图像用于指示目标岗位的监控图像，该检测方法包括：
146.s502，根据目标岗位和目标动作，配置多个模板图像；
147.s504，获取监控图像；
148.s506，提取监控图像的第一图像特征，并根据第一图像特征和多个模板图像的第二图像特征，确定第一图像特征和多个第二图像特征的相似度分数；
149.s508，根据相似度分数确定多个模板图像中的目标模板图像；
150.s510，在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为目标动作的模板图像的情况下，确定监控图像中包含有目标动作。
151.在该实施例中，在获取上述监控图像之前，检测装置还需要配置用于判断监控图像中是否包含有目标动作的多个模板图像。
152.具体地，配置上述多个模板图像的过程为：检测装置首先确定待判断的目标岗位的目标动作的类型，即确认目标岗位为什么岗位，例如，目标岗位为产品质检岗位；确认目标动作为什么动作，例如，目标动作为拿取产品的动作。
153.进一步地，检测装置根据具体的目标岗位和具体的目标动作，对上述多个模板图像进行配置。具体而言，对于上述多个模板图像，检测装置可以根据目标岗位确认想要检测的目标动作，通过在该目标动作的标准图像中目标对象所在的区域或固定区域划定限定区域得到上述模板图像。
154.具体而言，工业制造场景下存在与目标动作相似度比较高的动作，如拿扫码枪扫描附件上的条码和拿扫码枪扫描机器条码，则很容易误检测，所以，在配置上述多个模板图像时，即设置了目标动作的模板图像，又设置了与目标动作相接近动作的模板图像。
155.示例性地，可以将多个模板图像中目标动作的模板图像的属性设置为ok模板，将与目标动作相接近动作的模板图像的属性设置为ng模板，这样，在确认目标对象模板是否为目标动作的模板图像时，直接判断模板图像的属性为ok模板还是ng模板图像即可，便于提高后续步骤判断监控图像中是否包含有目标动作的效率。
156.在该实施例中，上述多个模板图像是检测装置根据目标岗位以及目标动作进行配置得到的，这样，保证了后续通过多个模板图像确认监控图像中是否包含有目标对象的准确性。
157.图6示出了本技术实施例的目标动作的检测方法的流程示意图，其中，监控图像用于指示目标岗位的监控图像，该检测方法包括：
158.s602，获取监控图像；
159.s604，提取监控图像的第一图像特征，并根据第一图像特征和多个模板图像的第
二图像特征，确定第一图像特征和多个第二图像特征的相似度分数；
160.s606，根据相似度分数确定多个模板图像中的目标模板图像；
161.s608，在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为目标动作的模板图像的情况下，确定监控图像中包含有目标动作；
162.s610，按照时间顺序，将第一数量的目标动作组合成目标岗位的检测工序动作；
163.s612，在检测工序动作与标准工序动作相同时，确定目标岗位的检测工序动作符合规定。
164.在该实施例中，上述检测工序动作表示根据对一定时间段内，目标岗位的监控图像确定出的多个目标动作，按照时间顺序组合成的动作。
165.具体地，在确认出监控图像中包含有目标动作之后，检测装置还用于确认目标岗位的工序动作是否符合规定。
166.具体地，确认目标岗位的工序动作是否符合规定的过程为：检测装置首先按照时间顺序，将检测出的第一数量的目标动作进行组合，以确定出目标岗位的检测工序动作。
167.具体而言，由于在不同的时间，检测装置识别的监控图像中包含的目标动作是不相同的，所以，上述第一数量的目标动作可以表示目标岗位的多个关键动作，因此，检测装置可以按照时间顺序，将上述第一数量的目标动作组合成该目标岗位的检测工序动作。
168.进一步地，检测装置判断确定出的检测工序动作与该目标岗位的标准工序动作是否相同，并在相同时，确定该目标岗位的检测工序动作符合相关固定。具体而言，检测装置可以通过判断检测工序中包含的动作的顺序是否与标准工序动作中的动作的顺序是否一致，或者检测工序动作中是否缺少标准工序动作中的动作确定检测工序动作是否符合相关规定。
169.示例性地，以上述标准工序动作为取胆-放胆-绿灯-目测-n号机取出热水胆-挂胆为例，对于检测工序动作判断的几种结果如下表1所示：
170.表1
[0171][0172]
在该实施例中，在确定出监控对象中包含有目标动作之后，检测装置还可以按照时间顺序将第一数量的目标动作组合成对于目标岗位的检测工序动作，并能够将该检测工序动作与标准工序动作进行对比结果，实现了对目标岗位的工序是否符合规定的判定。
[0173]
在上述实施例中，将第一数量的目标动作组合成目标岗位的检测工序动作之前，
检测方法还包括：根据目标岗位，配置标准工序动作。
[0174]
在该实施例中，在构建上述检测工序动作之前，检测装置还用于根据上述目标岗位，配置该目标岗位的标准工序动作。
[0175]
具体地，参考上述目标岗位可以使检测装置配置的该目标岗位的标准操作工序与目标岗位的实际情况相对应。
[0176]
在该实施例中，上述标准工序动作是检测装置根据目标岗位的实际情况进行配置得到的，这样，保证了后续通过该标准工序动作确认目标岗位的检测工序动作是否符合规定的准确性。
[0177]
图7示出了本技术实施例的目标动作的检测装置的示意框图，该目标动作的检测装置700用于检测监控图像中的目标动作，该目标动作的检测装置700包括：获取模块702，用于获取监控图像；第一处理模块704，用于提取监控图像的第一图像特征，并根据第一图像特征和多个模板图像的第二图像特征，确定第一图像特征和多个第二图像特征的相似度分数；第二处理模块706，用于根据相似度分数确定多个模板图像中的目标模板图像；第三处理模块708，用于在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为目标动作的模板图像的情况下，确定监控图像中包含有目标动作。
[0178]
在该实施例中，上述监控图像可以表示某条生产线中比较重要的目标岗位的监控图像，例如产品的检测岗位的监控图像；上述目标动作表示上述目标岗位工作过程中待检测的关键动作，上述多个模板图像表示预先设置的目标动作的模板图像以及与目标动作比较相似的动作的模板图像。
[0179]
具体地，首先通过获取模块702获取对于上述目标岗位的监控图像。具体而言，该监控图像可以是对目标岗位监控视频截取的一帧图像。
[0180]
进一步地，在获取的到上述监控图像后，第一处理模块704可以对该监控图像中的图像特征的图像特征进行提取，以确定出上述第一图像特征。具体而言，第一处理模块704可以通过通用的图像特征提取算法从上述监控图像中提取上述第一图像特征。
[0181]
具体地，第一处理模块704对于多个模板图像的第二图像特征的提取方式与从上述监控图像中提取第一图像特征的方式相同，在此不再赘述。
[0182]
进一步地，第一处理模块704计算上述第一图像特征与上述多个模板图像的第二特征之间的相似度分数。具体而言，第一处理模块704通过上述第一图像特征以及上述多个第二图像特征通过相应的相似度算法即可确定出上述相似度分数。
[0183]
具体而言，工业制造场景下存在与目标动作相似度比较高的动作，如拿扫码枪扫描附件上的条码和拿扫码枪扫描机器条码，则很容易误检测，所以，在本技术中设置了多个模板图像，多个模板图像中即设置了目标动作的模板图像，又包括了与目标动作相接近动作的模板图像。
[0184]
进一步地，第二处理模块706根据上述相似度分数从上述多个模板图像中筛选出目标模板图像。具体而言，目标模板图像表示多个模板图像对应的相似度分数最高的模板图像。
[0185]
具体而言，通过选取上述目标模板图像，可以确定监控图像中的图像特征是与目标动作的模板图像相似度更高还是与目标动作的相似动作的相似度更高。
[0186]
进一步地，第三处理模块708判断目标模板图像对应的相似度分数与分数阈值之
间的大小关系，以及上述目标模板图像是否为上述目标动作的模板图像。
[0187]
具体地，在判断得出目标模板图像对应的相似度分数大于上述分数阈值，且目标模板图像为上述目标动作的模板图像的情况下，第三处理模块708确定上述监控图像中存在待检测的目标动作，即第三处理模块708在上述监控图像中检测到了目标动作，即目标岗位的工人做了上述目标动作。
[0188]
具体而言，如果上述目标模板图像对应的相似度分数大于上述分数阈值，则表明监控图像中存在与目标模板图像对应的动作，如果上述目标模板图像为目标动作的模板图像，则目标模板图像对应的动作为上述目标动作，因此，在第三处理模块708判断得出目标模板图像对应的相似度分数大于上述分数阈值，且目标模板图像为上述目标动作的模板图像时，第三处理模块708可以确定监控图像中包含有目标动作。
[0189]
在该实施例中，第一处理模块704能够根据获取的监控图像的第一图像特征和多个模板图像的第二图像特征确定出相似度分数，第二处理模块706能够根据相似度分数确定多个模板图像的中的目标模板图像，第三处理模块708能够在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像的类型为目标动作的模板图像的情况下，确定在上述监控图像中检测到了目标动作。在本技术的上述实施例中，对于监控图像中是否包含有目标动作，是根据监控图像与多个模板图像的相似度分数和模板图像对应的动作类型确定的，使得无需通过大量图片素材训练模型识别监控图像，仅需与少量标准模板图像进行对比即可对监控图像中是否包含有目标动作进行检测，解决了相关技术中，对于不同的目标动作均需要事先采集大量的相关图片素材进行标注训练后生成相应的模型，才能对目标动作进行检测问题。
[0190]
此外，在本技术的上述实施例，在上述多个模板图像中，即设置有目标动作的模板图像，又设置有与目标动作相近动作的模板图像，这样，避免了仅根据目标动作的模板图像与监控图像的相似度分数的大小，容易将与目标动作相近的动作检测为目标动作的问题。
[0191]
在上述实施例中，第一处理模块704具体用于在确认多个模板图像为固定位置模板图像的情况下，从监控图像中的固定区域内提取第一图像特征；其中，监控图像用于指示目标岗位的监控图像，固定位置模板图像用于指示对目标岗位的预设位置设定的模板图像。
[0192]
在该实施例中，在判断得出上述多个模板图像为固定位置的模板图像的情况下，第一处理模块704仅需提取监控图像中固定区域内的第一图像特征即可，这样，既可以保证提取的第一图像特征的准确性，又能够提升第一图像特征提取的效率。
[0193]
在上述实施例中，第一处理模块704具体用于在监控图像中包括有目标对象的情况下，从监控图像中包括目标对象的区域内提取第一图像特征。
[0194]
在该实施例中，在判断得出监控图像中存在目标对象情况下，第一处理模块704仅需提取监控图像中目标对象所在区域内的第一图像特征即可，这样，既可以保证提取的第一图像特征的准确性，又能够提升第一图像特征提取的效率。在上述实施例中，第一处理模块704还用于将监控图像输入至第一模型中，确认监控图像中是否包含有目标对象；其中，第一模型为预先训练的目标检测模型。
[0195]
在该实施例中，第一处理模块704是将监控图像输入至预先训练好的第一模型中判断监控图像中是否包含有目标对象，这样，提高了目标对象判断的准确性和效率。
[0196]
在上述实施例中，多个模板图像中包括与目标动作对应的模板图像，和/或与目标动作相近动作对应的模板图像；目标模板图像为多个模板图像中相似度分数最高的模板图像。
[0197]
在上述实施例中，第三处理模块708还用于在目标模板图像对应的相似度分数小于等于分数阈值的情况下，确定监控图像中未包含有目标动作；或在目标模板图像对应的相似度分数大于分数阈值，且目标模板图像为非目标动作的模板图像的情况下，确定监控图像中未包含有目标动作。
[0198]
在该实施例中，在上述多个模板图像中即设置目标动作的模板图像，又设置了与目标动作相近动作的模板图像，这样，避免了仅根据目标动作的模板图像与监控图像的相似度分数的大小，容易将与目标动作相近的动作检测为目标动作的问题。
[0199]
在上述实施例中，监控图像用于指示目标岗位的监控图像，第一处理模块704还用于根据目标岗位和目标动作，配置多个模板图像。
[0200]
在该实施例中，上述多个模板图像是第一处理模块704根据目标岗位以及目标动作进行配置得到的，这样，保证了后续通过多个模板图像确认监控图像中是否包含有目标对象的准确性。
[0201]
在上述实施例中，监控图像用于指示目标岗位的监控图像，第三处理模块708还用于按照时间顺序，将第一数量的目标动作组合成目标岗位的检测工序动作；在检测工序动作与标准工序动作相同时，确定目标岗位的检测工序动作符合规定。
[0202]
在该实施例中，在确定出监控对象中包含有目标动作之后，第三处理模块708还可以按照时间顺序将第一数量的目标动作组合成对于目标岗位的检测工序动作，并能够将该检测工序动作与标准工序动作进行对比结果，实现了对目标岗位的工序是否符合规定的判定。
[0203]
在上述实施例中，第三处理模块708还用于根据目标岗位，配置标准工序动作。
[0204]
在该实施例中，上述标准工序动作是第三处理模块708据目标岗位的实际情况进行配置得到的，这样，保证了后续通过该标准工序动作确认目标岗位的检测工序动作是否符合规定的准确性。
[0205]
图8示出了本技术实施例的目标动作的检测装置的示意框图，其中，该目标动作的检测装置800包括：存储器802，存储器802中存储有程序或指令；处理器804，处理器804执行存储在存储器802中的程序或指令以实现如本技术上述实施例提出的目标动作的检测方法的步骤，因而具有本技术上述实施例提出的目标动作的检测方法的全部有益技术效果，在此不再做过多赘述。
[0206]
根据本技术的一个实施例，提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现如本技术上述实施例提出的目标动作的检测方法。因此，该可读存储介质具备本技术上述实施例提出的目标动作的检测方法的全部有益效果，在此不再赘述。
[0207]
根据本技术的一个实施例，提出了一种电子设备，包括如本技术上述实施例提出的目标动作的检测装置，和/或如本技术上述实施例提出的可读存储介质，因此，该电子设备具备本技术上述实施例提出的目标动作的检测装置和/或本技术上述实施例提出的可读存储介质的全部有益效果，在此不再赘述。
[0208]
根据本技术的一个实施例，提出了一种计算机程序产品，其包括有计算机程序，该计算机程序被处理器执行时实现如本技术上述实施例提出的目标动作的检测方法。因此，该计算机程序产品具备本技术上述实施例提出的目标动作的检测方法的全部有益效果，在此不再赘述。
[0209]
本技术上述实施例提出的目标动作的检测方法还可以通过如图9所示的目标动作的检测系统实现，下面结合图9对本技术所提出的目标动作的检测方法进行说明。
[0210]
具体地，上述检测系统包括视频接入模块、信号输入输出模块、业务处理模块、算法处理模块、前端界面模块、前端框架和node-red(公共模块)。
[0211]
具体地，上述视频接入模块包含视频解码和录像管理。视频解码为视频数据输入源的管理，用于根据用户的所需要检测的动作内容，确定视频监测的区域，以确定用于目标岗位的监控录图像。录像管理则是针对要求将处理后的监控录图像按照不同的岗位形成对应的事件类别，如对于洗碗机附件岗位，则对应需要录制员工放置附件到洗碗机内的逐个监控图像和相应的判定结果，结合设备输入输出模块中扫码枪采集的条码，可以实现后期的数据追溯查询。
[0212]
具体地，上述信号输入输出模块：包含io卡、网络继电器、扫码器等工业常见场景的外设设备，实现生产线不同岗位之间的交互功能，包括使用输入输出卡或网络继电器实现将网络信号转换为电信号，可以实现产线启停线、驱动门的开启关闭或灯光信号提醒。一般在生产线上，要求外接三色灯，当上述目标动作识别的结果判定位合规的情况下，通常会通过输入输出卡或网络中继器发送合规信号给到三色灯，三色灯显示绿色；当目标动作识别为遗漏或错误时，三色灯接收信号显示红灯或黄灯，以达到提醒目标岗位工作人员完成相应规范动作的纠正。需要说明的是，上述驱动门可以表示用于间隔生产线两个岗位的门。
[0213]
具体地，上述业务处理模块包含业务事件处理、模板配置与管理、算法事件管理-对接算法模块。其中，业务事件处理主要是处理判断目标岗位的检测工序动作是否合规、如何判定是否合规的逻辑设定、标准工序动作的配置等。如在热水胆试水的岗位下，可以通过业务处理模块定义标准工序动作为取胆-放胆-绿灯-目测-n号机取出热水胆-挂胆，若符合该规则，则确认目标岗位的检测工序动作符合规定。
[0214]
具体地，模板配置与管理用于配置上述多个模板图像，可以对模板图像增删查改、修剪及加工优化等。算法事件管理-对接算法模块主要是计算监控图像与多个模板图像的相似度分数，根据分数阈值与相似度分数的胆小关系确定目标动作的检测结果。例如，对于热水胆试水岗位，可以监测员工的取热水胆的动作，通过识别员工手部附近的特征与多个模板图像特征的相似度分数是否超过分数阈值确认监控图像中是否包含有取热水胆的动作。
[0215]
具体地，上述前端界面模块主要为对目标动作进行检测的展示界面，可以展示实时检测结果、历史检测结果和数据分析结果等。此外，用户可以通过该前端界面模块完成配置上述多个模板图像和上述标准工序动作的工作。
[0216]
在本说明书的描述中，术语“第一”、“第二”仅用于描述的目的，而不能理解为指示或暗示相对重要性，除非另有明确的规定和限定；术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理
解上述术语在本技术中的具体含义。
[0217]
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0218]
另外，本技术各个实施例之间的实施例可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当实施例的结合出现相互矛盾或无法实现时应当认为这种实施例的结合不存在，也不在本技术要求的保护范围之内。
[0219]
以上仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。