一种纸币面向的识别方法、装置、设备及可读存储介质与流程

本发明实施例涉及纸币识别领域，尤其涉及一种纸币面向的识别方法、装置、设备及可读存储介质。

背景技术：

在纸币识别中，纸币面向识别是纸币识别的预处理过程，面向的判断准确与否直接影响随后纸币识别的准确率。但由于纸币存在多种类型，并且经常出现弯折、污损等情况，使得所需要识别的纸币呈现出不同的特点，难以统一处理，同时由于传感器采集纸币图像产生的亮度差也会影响识别的准确率。

目前纸币面向识别多采用基于神经网络的识别算法，将纸币划分为若干网格，然后提取每个网格的灰度值总和形成特征向量，将特征向量输入到分类器中进行训练。但是，基于神经网络的识别算法需要大量的训练样本，工作量大，并且特征向量的选择对图像的亮暗变化十分敏感，很容易导致识别不准确。

技术实现要素：

本发明实施例提供了一种纸币面向的识别方法、装置、设备及可读存储介质，以解决纸币面向识别的难以统一处理和纸币图像的亮度差造成识别准确率低的问题，实现纸币面向的快速准确识别。

第一方面，本发明实施例提供了一种纸币面向的识别方法，包括：

获取目标纸币在待识别面向上的待测面向灰度图像；

根据所述待测面向灰度图像，构造与所述当前待识别面向对应的面向识别向量；

将所述面向识别向量与标准面向库中的各标准面向向量进行匹配，并根据匹配结果确定所述目标纸币的面向。

第二方面，本发明实施例提供了一种纸币面向的识别装置，该装置包括：

待测面向灰度图像获取模块，用于获取目标纸币在待识别面向上的待测面向灰度图像；

面向识别向量构造模块，用于根据所述待测面向灰度图像，构造与所述当前待识别面向对应的面向识别向量；

面向识别模块，用于将所述面向识别向量与标准面向库中的各标准面向向量进行匹配，并根据匹配结果确定所述目标纸币的面向。

第三方面，本发明实施例提供了一种电子设备，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，其特征在于，所述处理器执行所述程序时实现本发明任意实施例所述的纸币面向的识别方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本发明任意实施例所述的纸币面向的识别方法。

本发明实施例通过获取目标纸币在待识别面向上的待测面向灰度图像，根据待测面向灰度图像，构造与所述当前待识别面向对应的面向识别向量，然后将所述面向识别向量与标准面向库中的各标准面向向量进行匹配，并根据匹配结果确定所述目标纸币的面向，解决纸币面向识别的难以统一处理和纸币图像的亮度差造成识别准确率低的问题，实现纸币面向的准确识别。

附图说明

图1是本发明实施例一提供的一种纸币面向的识别方法的流程图；

图2是本发明实施例一提供的一种面向识别向量构造的流程图；

图3是本发明实施例一提供的一种灰度均值计算的流程图；

图4是本发明实施例一提供的一种面向识别向量匹配的流程图；

图5是本发明实施例二提供的另一种纸币面向的识别方法的流程图；

图6是本发明实施例二提供的一种标准面向向量构造的的流程图；

图7是本发明实施例三提供的一种纸币面向的识别装置的结构图；

图8是本发明实施例四提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。

另外还需说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

图1为本发明实施例一提供的一种纸币面向的识别方法的流程图，本实施例可适用于对纸币的纸币面向进行识别的情况，该方法可以由纸币面向的识别装置来执行，该装置可以由软件和/或硬件的方式实现，并一般可集成于无人收费设备(例如：atm、自动售票机或者自动交费机等)中。本实施例的方法具体包括如下步骤：

s110、获取目标纸币在待识别面向上的待测面向灰度图像。

纸币通常包含两个面向(纸币正面以及纸币背面)，而用户在将目标纸币输入至无人收费设备时，纸币的朝向是不确定的。因此，需要将与用户输入方式匹配的纸币面向作为待识别面向，通过获取该待识别面向上的待测面向灰度图像，实现对该目标纸币的纸币面向的识别。

典型的，可以通过存储一体的atm机、验钞机等的接触式图像传感器(contactimagesensor，cis)或者摄像头等图像采集装置获取目标纸币的所述灰度图像。

考虑到纸币在流通过程中，纸币的边缘会有一定程度的磨损或者卷边，为了保证后续纸币面向识别过程的准确性，可选的，可以在s110之后还包括：在待测面向灰度图像的各个图像边缘(也即：上、下、左、右四个图像边缘)上，分别去除设定厚度的像素点(也即：沿着从所述目标纸币的外边缘向着纸币中心的方向，缩小所述目标纸币)，以改善图像边缘误差。

本领域技术人员可以理解，本领域技术人员可以根据实际情况选取所述设定厚度的取值(例如：1mm或者2mm等)，本实施例对此并不进行限制，上述厚度的取值要兼顾图像边缘误差的减少以及图像本身携带的信息量。

s120、根据待测面向灰度图像，构造与当前待识别面向对应的面向识别向量。

其中，向量的引入会避免目前基于神经网络的纸币面向识别对图像的亮暗敏感度较高的问题。

在本实施例的一个可选的实施方式中，可以根据所述待测面向灰度图像的整体灰度特性构造所述面向识别向量，例如，在所述待测面向灰度图像中，分别统计与不同灰度范围(例如，[0，31]，[32，63]，…，[224，255])对应的像素点数量，并根据与各灰度范围对应的所述像素点数量，构造所述面向识别向量；

在本实施例的另一个可选的实施方式中，可以将所述待测面向灰度图像分割等分或者不等分为设定数量的图像分块，例如：等分为3*3、5*5或者9*9的图像分块，通过分别计算与各个图像分块对应的灰度均值，灰度方差、最小灰度值或者最大灰度值，得到与各个图像分块对应的特征值，最后可以将与各个图像的特征值进行组合生成所述面向识别向量。

s130、将面向识别向量与标准面向库中的各标准面向向量进行匹配，并根据匹配结果确定目标纸币的面向。

在本实施例中，可以预先构建与设定币种、设定金额、设定纸币版本的纸币的各个面向分别对应的标准面向向量。通过计算面向识别向量与标准面向库中的各标准面向向量之间的相似度，确定所述目标纸币的面向。

例如针对人民币来说，可以分别构造与2015版的100元人民币对应的两个面向的标准面向向量，与2005版的100元人民币对应的两个面向的标准面向向量以及与1999版100元人品币对应的两个面向的标准面向向量。其中，所述标准面向向量的构造过程与面向识别向量的构造构成相匹配，这样，只要用户输入一个100元的人民币，通过匹配对应的标准面向向量，即可以确定出该输入的人品币的面向。

可以理解的是，所述标准面向库中可以仅包括面向向量与标准面向向量之间的对应关系，例如：(纸币正面，向量1)，(纸币反面，向量2)等，这样设置可以直接确定当前输入的纸币面向，但是信息量较少；进一步的，所述标准面向库中还可以同时包括纸币类型、纸币面向与标准面向向量之间的对应关系，例如：(100元人民币，纸币正面，向量3)，(20元人民币，纸币反面，向量4)，这样设置虽然会增加标准面向库中的数据量，但是可以通过单次向量匹配，获取丰富的信息量。

可以理解的是，如果所述标准面向库中存储有多币种、多面值、多版本的纸币的标准面向向量，在完成向量匹配后，除了可以获取纸币的面向信息，还能够同时获取纸币的币种、面值以及版本等信息。

本发明实施例通过获取目标纸币在待识别面向上的待测面向灰度图像，根据待测面向灰度图像，构造与所述当前待识别面向对应的面向识别向量，然后将所述面向识别向量与标准面向库中的各标准面向向量进行匹配，并根据匹配结果确定所述目标纸币的面向，解决纸币面向识别的难以统一处理和纸币图像的亮度差造成识别准确率低的问题，实现纸币面向和类型的快速准确识别。

进一步的，图2示出了本发明实施例一种面向识别向量构造的流程图(也即s120执行的具体操作)，如图2所示，面向识别向量构造的具体操作包括：

s210、按照设定分块策略，将待测面向灰度图像分割为至少两个待测图像分块。

设定分块策略可以根据实际采用的纸币币种、面值和版本分别设定分块策略，也可以采用统一的分块策略。而采用统一的分块策略，使得纸币无论币种、面值还是版本不同，都可以统一处理，不仅简化了算法，而且使得无人收费设备的功用更加丰富。例如，一台验钞机只可以识别人民币的面向，此时，在不增加算法的情况下，可以实现美元、欧元等其他币种的面向，同时，还可以识别同一币种不同面值的纸币的面向，如100元人民币和50元人民币的面向。

同时，设定分块策略在分块的过程中，可以等分也可以不等分为设定数量的小块，可选的，将待测面向灰度图像等分为5*5的小块。对于不同币种、面值和版本的纸币，将图像均等分为25小块，既能够保证待测面向的灰度图像的特征信息采集到位，又能够避免因为分块数量太多使得运算量增加的问题。

s220、根据待测图像分块中的各个像素点的灰度值，分别计算与各待测图像分块对应的灰度均值。

通过各个像素点的灰度值计算每个分块的灰度均值，以每个分块的分块均值组合构造面向识别向量，从而使面向识别向量尽可能多的包含纸币面向的特征信息。例如，将待测纸等分为25小块，其中每个小块中的像素点由于图像的亮暗变化，其灰度值从(0-255)不等，而在灰度均值计算中，可以选取所有像素点的灰度值的作平均，也可以选取一部分像素点的灰度值平均值作平均。

s230、将与待测处理图像分别对应的各个待测图像分块的灰度均值进行组合，构造面向识别向量。

可以理解的是，将每个小块的灰度均值进行组合，构成面向识别向量，此时，该面向向量包含了目标纸币面向的所有特征信息。

进一步的，图3一种灰度均值计算的流程图(也即s220执行的具体操作)，如图3所示，灰度均值计算的具体操作包括：

s310、按照设定采样规则，获取各个待测图像分块中设定数量的像素点作为均值计算像素点。

其中，按照设定采样规则，获取待测图像分块中设定数量的像素点作为均值计算像素点，包括：

在水平方向上，按照第一采样间隔，分别获取待测图像分块中的水平抽样像素点；

在竖直方向上，按照第二采样间隔，分别获取待测图像分块中的竖直抽样像素点；

s320、根据获取的所述均值计算像素点，分别计算与各标准图像分块对应的灰度均值。

其中，将水平抽样像素点以及竖直抽样像素点的合集作为所述均值计算像素点。

在可选的实施方式中，选取每个待测图像分块中的8个像素点作为水平抽样像素点，选取每个待测图像分块中的6个像素点作为竖直抽样像素点。这样选取水平抽样点和竖直抽样点避免了像素点选取过多导致运算量增加。可以理解的是，将像素点的选取设定数量和采样规则，在不丢失特征信息的情况下，进一步提高了运算的效率。

进一步的，图4示出了本发明实施例一种面向识别向量匹配的流程图(也即s130的具体操作)，如图4所示，面向识别向量匹配的具体操作包括：

s410、分别计算面向识别向量与标准面向库中的各标准面向向量之间的相似度，并获取与面向识别向量满足设定相似度条件的第一标准面向向量。

典型的，相似度计算采用余弦相似度，假设面向识别向量为t1，标准面向向量为t2，则t1和t2的余弦相似度cosθ为：

可以理解的是，当余弦相似度越接近1的时，面向识别向量和标准面向向量所包含的特征信息越相近，此时可以确定该面向识别向量即第一标准面向向量。

s420、将与第一标准面向向量对应的面向确定为目标纸币的面向，并将与所述第一标准面向向量对应的纸币类型确定为所述目标纸币的纸币类型。

可以理解的是，第一标准面向向量包含着体现目标纸币面向的特征信息，而目标纸币面向的特征信息往往包含其类型的特征信息，例如，以2015版的100元人民币为例，其正面第一标准面向向量的特征信息中至少包含了毛主席头像以及100元字样，则根据第一标准面向向量，可以确定的是该目标纸币的面向是正面，并且是100元的人民币，而不是50元或其他面值的人民币。

实施例二

图5中示出了本发明实施例二另一种纸币面向识别的方法流程图，本实施例在实施例一实施之前还包括标准面向库的构建，其具体包括如下步骤：

s510、获取与至少两个纸币类型分别对应的至少两张纸币作为标准纸币。

其中，纸币类型包括：至少一个币种的至少一个纸币金额在至少一个版本下的标准纸币、测试币以及凭条纸。

在本实施例的可选实施方式中，为了进一步丰富纸币面向识别方法的通用性，可以进一步获取与测试币以及凭条纸的各个面向分别对应的标准面向向量，以进一步扩大本实施例的方法能够识别的纸币种类。

s520、根据与目标纸币类型对应的至少两张标准纸币在目标面向上的标准面向灰度图像，构造与目标纸币类型的所述目标面向对应的标准面向向量，其中，目标面向包括第一面向以及第二面向。

在本实施例可选实施方式中，可以按照上述面向识别向量的构造方法来构造标准面向向量，即可以按照标准面向灰度图像的整体灰度特性来构造标准面向向量，也可以按照先将标准面向灰度图像分割，利用分割后的灰度特性来构造标准面向向量。

可以理解的是，由于标准面向灰度图像采集的亮暗程度不同、不同纸币标准面向向量构造不同等，有必要选取至少两张标准纸币，以保证标准面向向量数据库的完整性。而目标面向即目标纸币的面向，是纸币的正面或反面。例如，目标纸币是2015版的100元正面，则至少需要选取两张标准纸币，则其中一张标准纸币的正面为第一面向，另一张标准纸币的正面为第二面向。

s530、将与目标纸币类型的目标面向对应的标准面向向量存储于标准面向库中。

s540、获取目标纸币在待识别面向上的待测面向灰度图像。

s550、根据待测面向灰度图像，构造与当前待识别面向对应的面向识别向量。

s560、将面向识别向量与标准面向库中的各标准面向向量进行匹配，并根据匹配结果确定所述目标纸币的面向。

本发明实施例通过存储不同币种、面值和版本的纸币面向的标准面向向量，构造标准面向数据库，可以实现任何币种、任何面值和任何版本的纸币面向识别，实现纸币面向识别的统一处理。

进一步的，图6示出了本发明实施例一种标准面向向量构造的流程图(也即s520执行的具体操作)，如图6所示，标准面向向量构造的具体步骤包括：

s610、获取与目标纸币类型对应的一张标准纸币在目标面向上的标准面向灰度图像作为当前处理图像。

其中，在s610之后还包括：

对至少一个当前处理图像进行图像归一化处理；和/或

在获取目标纸币在待识别面向上的待测面向灰度图像之后，还包括：

对待测面向灰度图像进行图像归一化处理。

可以理解的是，对当前处理图像和待测面向灰度图像进行归一化处理可以使得图像由于获取方式不同、亮暗变化不同而导致分辨率变化的情况下，无需对算法进行修改，保证算法的统一处理。

s620、按照设定分块策略，将当前处理图像分割为至少两个标准图像分块。

设定分块策略与上述面向识别向量的构造方法中的设定分块策略相同。可以理解的是，分块数量越多，计算量也随之增加，因此，有必要根据当前处理图像的特点对其分割。可选的，将其等分为5*5的小块。

s630、根据标准图像分块中的各个像素点的灰度值，分别计算与各标准图像分块对应的灰度均值。

灰度均值的计算方法与上述面向识别向量的构造方法中的灰度均值的计算相同，可以选择按照每个分块的整体像素点特性计算灰度均值，也可以按照每个分块中一部分像素点特性计算灰度均值。

s640、将与当前处理图像分别对应的各个标准图像分块的灰度均值进行组合，构造与目标面向对应的中间面向向量。

s650、返回执行获取与目标纸币类型对应的一张标准纸币在目标面向上的标准面向灰度图像作为当前处理图像的操作，直至满足设定结束条件。

其中，设定结束条件是为了进一步筛选中间面向向量是否包含了纸币面向的特征信息，可以根据不同币种、面值和版本的纸币面向来设定结束条件。例如，以2015版的100元人民币的正面为例，毛主席头像是正面面向识别的重要特征信息，当中间面向向量包含了毛主席头像时，则确定该中间面向向量满足设定结束条件。

s660、计算构造的各中间面向向量的向量均值作为与目标纸币类型的目标面向对应的标准面向向量。

实施例三

在图7中示出了本发明实施例三提供的一种纸币面向的识别装置的结构图，如图7所示，该装置包括待测面向灰度图像获取模块710、面向识别向量构造模块720和面向识别模块730，其中：

待测面向灰度图像获取模块710，用于获取目标纸币在待识别面向上的待测面向灰度图像；

面向识别向量构造模块720，用于根据待测面向灰度图像，构造与当前待识别面向对应的面向识别向量；

面向识别模块730，用于将面向识别向量与标准面向库中的各标准面向向量进行匹配，并根据匹配结果确定所述目标纸币的面向。

本发明实施例通过获取目标纸币在待识别面向上的待测面向灰度图像，根据待测面向灰度图像，构造与所述当前待识别面向对应的面向识别向量，然后将所述面向识别向量与标准面向库中的各标准面向向量进行匹配，并根据匹配结果确定所述目标纸币的面向，解决纸币面向识别的难以统一处理和纸币图像的亮度差造成识别准确率低的问题，实现纸币面向和类型的准确识别。

进一步的，在上述各实施例的基础上，在待测面向灰度图像获取模块之后，还包括：

图像边缘改善模块，用于在待测面向灰度图像的各个图像边缘上，分别去除设定厚度的像素点，以改善图像边缘误差。

进一步的，还包括：

获取标准纸币模块，用于在获取目标纸币在待识别面向上的待测面向灰度图像之前，获取与至少两个纸币类型分别对应的至少两张纸币作为标准纸币，其中，纸币类型包括：至少一个币种至少一个版本的标准纸币、测试币以及凭条纸；

标准面向向量构造模块，用于根据与目标纸币类型对应的至少两张标准纸币在目标面向上的标准面向灰度图像，构造与所述目标纸币类型的所述目标面向对应的标准面向向量，其中，所述目标面向包括第一面向以及第二面向；

标准面向库构造模块，用于将与目标纸币类型的目标面向对应的标准面向向量存储于标准面向库中。

具体的，标准面向向量构造模块包括：

获取当前处理图像子模块，用于获取与目标纸币类型对应的一张标准纸币在目标面向上的标准面向灰度图像作为当前处理图像；

其中，获取当前处理图像之后还应该对至少一个当前处理图像进行图像归一化处理；和/或在获取目标纸币在待识别面向上的待测面向灰度图像之后对待测面向灰度图像进行图像归一化处理。

第一设定分块子模块，用于按照设定分块策略，将当前处理图像分割为至少两个标准图像分块；

第一灰度均值计算子模块，用于根据标准图像分块中的各个像素点的灰度值，分别计算与各标准图像分块对应的灰度均值；

中间面向向量构造子模块，用于将与当前处理图像分别对应的各个标准图像分块的灰度均值进行组合，构造与目标面向对应的中间面向向量；

设定结束条件子模块，用于触发所述获取当前处理图像子模块，直至满足设定结束条件；

标准面向向量计算子模块，用于计算构造的各中间面向向量的向量均值作为与目标纸币类型的目标面向对应的标准面向向量。

进一步的，面向识别向量构造模块包括：

第二设定分块子模块，用于按照设定分块策略，将待测面向灰度图像分割为至少两个待测图像分块；

第二灰度均值计算子模块，用于根据待测图像分块中的各个像素点的灰度值，分别计算与各所述待测图像分块对应的灰度均值；

面向识别向量计算子模块，用于将与待测处理图像分别对应的各个待测图像分块的灰度均值进行组合，构造所述面向识别向量。

具体的，第二灰度均值计算子模块，包括；

获取像素点单元，用于按照设定采样规则，获取各个待测图像分块中设定数量的像素点作为均值计算像素点；

其中，获取像素点单元，具体用于：在水平方向上，按照第一采样间隔，分别获取待测图像分块中的水平抽样像素点；可选的，选取每个待测图像分块中的8个像素点作为水平抽样像素点；在竖直方向上，按照第二采样间隔，分别获取待测图像分块中的竖直抽样像素点；可选的，选取每个待测图像分块中的6个像素点作为竖直抽样像素点；

计算像素点单元，用于根据获取的所述均值计算像素点，分别计算与各标准图像分块对应的灰度均值，其中，将水平抽样像素点以及竖直抽样像素点的合集作为所述均值计算像素点。

进一步的，面向识别模块包括：

获取第一标准面向向量子模块，用于分别计算面向识别向量与标准面向库中的各标准面向向量之间的相似度，并获取与面向识别向量满足设定相似度条件的第一标准面向向量；

纸币面向和类型确定子模块，用于将与第一标准面向向量对应的面向确定为目标纸币的面向，并将与所述第一标准面向向量对应的纸币类型确定为所述目标纸币的纸币类型。

上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

实施例四

图8为本发明实施例四提供的一种电子设备的结构示意图，如图8所示，该电子设备包括处理器80、存储器81、输入装置82和输出装置83；电子设备中处理器80的数量可以是一个或多个，图8中以一个处理器80为例；电子设备中的处理器80、存储器81、输入装置82和输出装置83可以通过总线或其他方式连接，图8中以通过总线连接为例。

存储器81作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的纸币面向的识别方法对应的程序指令/模块(例如，纸币面向的识别装置中的待测面向灰度图像获取模块710、面向识别向量构造模块720和面向识别模块730)。处理器80通过运行存储在存储器81中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的纸币面向的识别方法。

存储器81可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器81可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器81可进一步包括相对于处理器80远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置82可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置83可包括显示屏等显示设备。

实施例五

本发明实施例五还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现纸币面向识别的方法。

当然,本发明实施例所提供的一种计算机可读存储介质,其计算机可执行指令可以执行但不限于本发明任意实施例所提供的纸币面向的识别方法中的相关操作。

进一步的，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、闪存(flash)、硬盘或光盘等，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)执行本发明各个实施例所述的方法。

值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。