基于自学习的鸡舍养殖安全防控方法及系统

1.本发明涉及禽畜养殖场安全防控技术领域，具体涉及一种基于自学习的鸡舍养殖安全防控方法及系统。


背景技术：

2.自养鸡技术产业规模化以来，不断寻求科学有效的饲养管理方法，以推进畜禽标准化养殖，构建现代养殖体系。养殖安全防控在畜禽的养殖生产中，尤其是鸡舍养殖中，起到举足轻重的作用。防止外来人员流窜鸡舍而影响鸡舍的安全生产，以及鉴别养殖人员异常举动对鸡舍生产带来的不必要损失，已经成为鸡舍管理的工作重心。
3.传统的鸡舍安全防控方法及系统通常采用鸡舍门上锁或者安装密码锁、指纹锁的方式进行安全防控，但是，这一方案无法实现无障碍解锁，而且养殖人员异常举动的识别更是需要鸡舍管理人员时刻盯紧鸡舍监控来实现，浪费人力物力的同时，人为监控导致鸡舍养殖安全防控的工作效率低且监控的误差率高。


技术实现要素：

4.为解决上述现有技术的不足，本发明提供了一种基于自学习的鸡舍养殖安全防控方法及系统，通过自主学习的方式优化人脸识别门禁，对进入鸡舍的养殖人员异常行为进行识别和记录，通过自学习进一步优化异常行为识别，解决鸡舍养殖安全防控受人员限制工作效率低且误差率高的问题，实现鸡舍养殖的智能、高效、安全防控。
5.第一方面，本公开提供了一种基于自学习的鸡舍养殖安全防控方法，包括：
6.采集待进出鸡舍人员的人脸图像并进行人脸识别与匹配，判断待进出人员是否佩戴口罩，若是则采集待进出人员的指纹或id卡信息，根据指纹或id卡信息识别结果控制门禁工作状态，否则直接根据人脸识别与匹配结果控制门禁工作状态，若匹配成功则通过自学习算法更新进出人员的脸部信息；
7.实时采集进入鸡舍人员的行为影像，基于该行为影像获取进入人员的行为数据，以此判断进入人员的行为是否为未知行为，若是则通过自学习算法更新该行为信息，否则再判断该已知行为是否为异常行为，若是则发出告警。
8.进一步的技术方案，基于采集的待进出鸡舍人员的人脸图像进行人脸识别，提取人员的脸部特征数据，基于提取的脸部特征数据进行人脸匹配；
9.若检测到能够正常匹配，则基于提取的脸部特征数据和人员信息存储库中预存储的所有养殖人员的脸部特征数据，进行人脸匹配；
10.若匹配成功，则控制门禁开启，进行进入人员行为识别，同时通过自学习算法更新该人员在人员信息存储库中预存储的脸部特征数据；
11.若匹配失败，则控制门禁仍关闭，同时通过自学习算法将提取的该人员的脸部特征数据存储为可疑人员脸部特征数据。
12.进一步的技术方案，所述通过自学习算法更新该人员在人员信息存储库中预存储
的脸部特征数据，具体是指：
13.若该人员存储在人员信息存储库中的脸部特征数据不足设定条数，则将此次提取的脸部特征数据放入该人员存储的脸部特征数据的队列队尾；
14.若该人员存储在人员信息存储库中的脸部特征数据足够设定条数，则根据脸部特征偏差模型分别计算该人员原存储的脸部特征数据与此次提取的脸部特征数据的偏差值，删除偏差值最大的脸部特征数据，同时将此次提取的脸部特征数据放入该人员存储的脸部特征数据的队列队尾，以此完成自学习更新。
15.进一步的技术方案，若检测到无法正常匹配，则采集待进出人员的指纹或id卡信息，提取指纹特征数据或id卡特征数据，基于提取的指纹特征数据或id卡特征数据和人员信息存储库中预存储的所有养殖人员的指纹特征数据或id卡特征数据，进行数据匹配；
16.若匹配成功，则控制门禁开启，同时记录该人员的id信息和出入时间，并对进入人员进行追踪检测。
17.进一步的技术方案，所述追踪检测是指对进入人员进行人员肤色特征和体型特征匹配，具体的：
18.实时采集进入鸡舍人员的行为影像，获取包含该进入人员的图像，对图像中的进入人员进行人员识别，提取人员的体型特征数据和肤色特征数据，基于提取的体型特征数据和肤色特征数据，与人员信息存储库中预存储的该匹配人员的体型特征数据和肤色特征数据，进行人像匹配；
19.若匹配成功，则进行进入人员行为识别；若匹配失败，则发出告警。
20.进一步的技术方案，所述进入人员行为识别是指：对进入人员的行为进行监控，对进入人员的行为影像进行分帧处理，得到逐帧图像的集合，基于获取的图像集合，获取进入人员的运动行为数据，基于该运动行为数据，判断进入人员的行为是否为未知行为和是否为异常行为。
21.进一步的技术方案，基于该运动行为数据，判断进入人员的行为是否为未知行为和是否为异常行为，具体包括：
22.将获取的该进入人员的运动行为数据和异常行为存储库中预存储的该匹配人员的正常运动行为数据、异常运动行为数据进行行为匹配；
23.若匹配失败，则存储该进入人员的行为影像为未知行为，待管理员标记后，通过自学习算法更新异常行为存储库中的行为信息；
24.若匹配成功，则再次判断进入人员的行为是否为异常行为，若与异常行为数据匹配成功，则判定进入人员的行为异常，向用户终端发送该进入人员的信息和异常行为影像；若与正常行为数据匹配成功，则判定进入人员的行为正常。
25.第二方面，本公开提供了一种基于自学习的鸡舍养殖安全防控系统，包括人脸识别门禁模块、人员异常行为识别模块和控制模块；
26.所述人脸识别门禁模块用于采集人员信息，包括人员的人脸图像、指纹信息和id卡信息，提取人员信息的特征数据，将人员信息特征数据发送至控制模块，并根据控制模块下发的门禁指令控制门禁工作状态；
27.所述人员异常行为识别模块用于采集人员的行为影像，基于该行为影像获取人员的运动行为数据，将人员运动行为数据发送至控制模块，并根据控制模块下发的人员id和
追踪检测指令进行追踪检测；
28.所述控制模块用于接收人脸识别门禁模块发送的人员信息特征数据，结合人员信息存储库，进行人员识别匹配；接收人员异常行为识别模块发送的运动行为数据，结合异常行为存储库，进行异常行为匹配；同时对人员脸部特征和异常行为特征进行自学习更新。
29.第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。
30.第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。
31.以上一个或多个技术方案存在以下有益效果：
32.1、本发明提供了一种基于自学习的鸡舍养殖安全防控方法及系统，通过自主学习的方式优化人脸识别门禁，对进入鸡舍的养殖人员异常行为进行识别和记录，通过自学习进一步优化异常行为识别，解决人为监控导致鸡舍养殖安全防控的工作效率低且监控的误差率高，实现鸡舍养殖的智能、高效、安全防控。
33.2、本公开通过人脸识别门禁采集人脸信息、指纹信息或id卡信息，匹配成功后准许进入，防止外来人员流窜鸡舍对鸡舍安全生产带来危害，通过养殖人员异常行为识别降低养殖人员异常举动对鸡舍生产带来的不必要损失，解决鸡舍安全防控受人员限制而使得工作效率低且误差率大的问题。
附图说明
34.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
35.图1为本发明实施例一所述基于自学习的鸡舍养殖安全防控方法中门禁控制的流程图；
36.图2为本发明实施例一所述基于自学习的鸡舍养殖安全防控方法中行为识别控制的流程图；
37.图3为本发明实施例一所述方法中脸部特征数据自学习算法的流程图；
38.图4为本发明实施例一所述方法中运动行为特征自学习算法的流程图；
39.图5为本发明实施例二所述基于自学习的鸡舍养殖安全防控系统的结构示意图；
40.图6为本发明实施例二所述系统相应设备的分布图；
41.图7为本发明实施例二所述系统中人脸识别门禁模块相应设备的主视图。
具体实施方式
42.应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
43.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包
括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
44.实施例一
45.本实施例提供了一种基于自学习的鸡舍养殖安全防控方法，如图1和图2所示，包括：
46.采集待进出鸡舍人员的人脸图像并进行人脸识别与匹配，判断待进出人员是否佩戴口罩，若是则采集待进出人员的指纹或id卡信息，根据指纹或id卡信息识别结果控制门禁工作状态，否则直接根据人脸识别与匹配结果控制门禁工作状态，若匹配成功则通过自学习算法更新进出人员的脸部信息；
47.实时采集进入鸡舍人员的行为影像，基于该行为影像获取进入人员的行为数据，以此判断进入人员的行为是否为未知行为，若是则通过自学习算法更新该行为信息，否则再判断该已知行为是否为异常行为，若是则发出告警。
48.在本实施例中，采集待进出鸡舍人员的人脸图像，对该采集的人脸图像进行人脸识别。首先，识别人脸在图像中的位置，识别后进行人脸对齐，即找到预设脸部识别关键点，包括眼角、嘴角、鼻尖等，利用对应关键点进行光线、旋转、切割、过滤、降噪、放大、缩小等一系列图像处理变换，将人脸图像变换为标准人脸图像；然后，对变换后的标准人脸图像进行方向梯度直方图hog(histogram of oriented gradient，hog)脸部特征提取，基于提取的脸部特征数据进行人脸匹配。
49.若检测到能够正常匹配，则基于提取的脸部特征数据和人员信息存储库中预存储的所有养殖人员的脸部特征数据，进行人脸匹配，若匹配成功，则控制门禁开启，进行进入人员行为识别，同时，通过自学习算法更新该人员在人员信息存储库中预存储的脸部特征数据，若匹配失败，则控制门禁仍关闭，同时，通过自学习算法将提取的该人员的脸部特征数据存储为可疑人员脸部特征数据。
50.上述通过自学习算法更新该人员在人员信息存储库中预存储的脸部特征数据，如图3所示，具体是指：采用最大偏差替换思想，每次脸部特征数据匹配成功后，若该人员存储在人员信息存储库中的脸部特征数据不足设定条数，在本实施例中设为7条，则将此次提取的脸部特征数据放入该人员存储的脸部特征数据的队列队尾；若该人员存储在人员信息存储库中的脸部特征数据足够设定条数，即足够7条，则根据脸部特征偏差模型分别计算该人员原存储的7条脸部特征数据与此次提取的脸部特征数据的偏差值，将偏差值最大的1条脸部特征数据从该人员存储的脸部特征数据队列中删除，同时将此次提取的脸部特征数据放在该人员存储的脸部特征数据队列队尾，以此完成自学习更新。
51.上述脸部特征偏差模型的表达式为：
[0052][0053]
其中，dj(j＝1,2,3,4,5,6,7)为该人员7条脸部特征数据的偏差值，di为各特征细节偏差值，wi为各特征细节权重。
[0054]
若检测到无法正常匹配，则认为待进出人员佩戴口罩，此时，更换验证方式，即采集待进出人员的指纹或id卡信息，根据指纹或id卡信息识别结果控制门禁工作状态。具体的，采集待进出人员的指纹或id卡信息，提取指纹特征数据或id卡特征数据，基于提取的指纹特征数据或id卡特征数据和人员信息存储库中预存储的所有养殖人员的指纹特征数据
或id卡特征数据，进行数据匹配，若匹配成功，则控制门禁开启，同时记录该人员的id信息和出入时间，并对该进入人员进行追踪检测；若匹配失败，则控制门禁仍关闭。
[0055]
上述追踪检测是指对进入人员进行人员肤色特征和体型特征匹配，以避免其他恶意人员盗取养殖人员的指纹信息或id卡信息进入养殖鸡舍的问题。具体的，实时采集进入鸡舍人员的行为影像，基于行为影像获取包含该进入人员的图像，对图像中的进入人员进行人员识别。具体的，识别进入人员在图像中的位置，识别后进行人像对齐，找到预设体型识别关键点，包括头部、肘关节等，利用对应关键点进行光线、旋转、切割、过滤、降噪、放大、缩小等一系列处理变换，将人像变换为标准人像；然后，基于标准人像，根据标准人像放大倍数得出进入人员的体型特征数据，根据肤色检测算法得出进入人员的肤色特征数据，基于提取的体型特征数据和肤色特征数据，与人员信息存储库中预存储的该匹配人员的体型特征数据和肤色特征数据，进行人像匹配，若匹配成功，则进行进入人员行为识别，若匹配失败，则发出告警，如警示灯亮起、警示扬声器长鸣等。
[0056]
作为另一种实时方式，上述追踪检测也可以是对进入人员进行人员脸部特征匹配，具体的，实时采集进入鸡舍人员的行为影像，基于行为影像获取包含该进入人员的图像，对图像中的进入人员进行人脸识别。当该进入人员摘下口罩时，提取此时的图像，识别进入人员人脸在图像中的位置，通过人脸对齐，将人脸图像变换为标准人脸图像，然后，对变换后的标准人脸图像进行方向梯度直方图hog脸部特征提取，基于提取的脸部特征数据进行人脸匹配，若匹配成功，则进行进入人员行为识别，若匹配失败，则发出告警，如警示灯亮起、警示扬声器长鸣等。
[0057]
上述人员行为识别是指对进入人员的行为进行监控，避免进入人员进行有害于鸡舍养殖的行为。具体的，实时采集进入鸡舍人员的行为影像，对进入人员的行为影像进行分帧处理，得到逐帧图像的集合，基于获取的图像集合，获取进入人员的行为数据。
[0058]
具体的，基于获取的图像集合，采用背景差分法获取运动目标。对视频数据进行分帧处理得到逐帧图像的集合，采用背景差分法获取运动目标，在本实施例中，使用单高斯背景建模，建模过程如下：
[0059]
视频是由多帧图像组成的一个序列，那么对于序列中的某个像素点，其在时间轴上的变化是离散分布的状态。序列中像素值变化过程表示如下：
[0060]
{x1,x2,.....,x
t
}＝{ii(x,y):1≤i≤t}
[0061]
其中，ii(x,y)表示第i帧图像中(x,y)位置处像素值；
[0062]
依据高斯建模原理，各像素点均符合高斯分布，建立如下背景模型：
[0063][0064]
其中，μ和σ分别表示t时刻高斯分布的均值和标准方差，x
t
为t时刻的像素值，均值和方差计算公式如下：
[0065]
[0066][0067]
其中，n为建模的时间窗口长度，计算出μ0和然后对新一帧图像进行背景建模，并更新模型的均值和方差，更新公式如下：
[0068]
μ
t
＝(1-ρ)μ
t-1
+ρx
t
[0069][0070]
其中，ρ为识别速率，本实施例取值为0.01；判断该像素点是背景点还是前景运动目标点，计算公式如下：
[0071][0072]
其中，c为常数取值为2.5，d
t
(x,y)＝0表示背景，d
t
(x,y)＝1表示前景运动目标。
[0073]
通过上述方案，获取运动目标。然后，从逐帧图像中提取运动目标的行为集合，从行为集合中提取每个行为的行为特征，根据行为特征计算出运动目标的运动行为数据。基于该运动行为数据，判断进入人员的行为是否为未知行为，具体的，将获取的该进入人员的运动行为数据和异常行为存储库中预存储的该匹配人员的正常运动行为数据、异常运动行为数据进行行为匹配，若匹配失败，则认为该进入人员的行为为未知行为，此时，存储该进入人员的行为影像和运行行为数据，待鸡舍管理员标记后，通过自学习算法更新异常行为存储库中的行为信息。
[0074]
具体的，如图4所示，当判断进入人员的行为为未知行为时，将该人员的行为影像和运行行为数据发送至用户终端，鸡舍管理员在用户终端根据位置行为影像判断是否为该进入人员的异常行为，若是，则基于该进入人员的工种类型，在异常行为数据库对应的工种类型中存储该获取的运动行为数据，更新该工种类型的异常运动行为数据。
[0075]
若匹配成功，则认为该进入人员的行为为已知行为，此时，根据匹配结果再次判断进入人员的行为是否为异常行为，若与异常行为数据匹配成功，则认为进入人员的行为异常，向客户终端发送该进入人员的信息和异常行为影像；若与正常行为数据匹配成功，则认为进入人员的行为正常。
[0076]
实际上，本实施例中，上述人员信息存储库中预存储所有养殖人员的脸部特征数据、指纹特征数据、id卡特征数据、体型特征数据和肤色特征数据，其中，id卡特征数据包括不同工种人员的id和工种类型，且预存储的脸部特征数据、指纹特征数据、体型特征数据和肤色特征数据分别与id卡特征数据一一对应。上述工种类型包括鸡舍管理员、饲养员、兽医和清洁员，每一工种类型的工作人员具有不同的权限，当工作人员做出超越权限的行为，则识别为异常行为。
[0077]
上述异常行为存储库中预存储所有养殖人员的正常运动行为数据和异常运动行为数据，该正常运动行为数据和异常运动行为数据均与上述人员信息存储库中预存储特征数据相对应，不同养殖人员具有不同的运动行为数据。
[0078]
此外，在鸡舍饲养的鸡出栏时期，针对养殖人员需要进行抓鸡工作并且需要频繁出入鸡舍，门禁和异常行为识别会影响工作效率的问题，可设置为常规模式和开放模式，鸡
舍管理员可以在用户终端设置开放模式使门禁一直处于开启状态，并且关闭异常行为识别。
[0079]
本实施例上述方案，通过自主学习的方式优化人脸识别门禁，对进入鸡舍的养殖人员异常行为进行识别和记录，通过自学习进一步优化异常行为识别，解决鸡舍养殖安全防控受人员限制工作效率低且误差率高的问题，实现鸡舍养殖的智能、高效、安全防控。
[0080]
本实施例上述方案，通过人脸识别门禁采集人脸信息、指纹信息或id卡信息，匹配成功后准许进入，防止外来人员流窜鸡舍对鸡舍安全生产带来危害，通过养殖人员异常行为识别降低养殖人员异常举动对鸡舍生产带来的不必要损失，解决鸡舍安全防控受人员限制而使得工作效率低且误差率大的问题。
[0081]
实施例二
[0082]
本实施例提供了一种基于自学习的鸡舍养殖安全防控系统，如图5所示，包括人脸识别门禁模块、人员异常行为识别模块和控制模块。
[0083]
其中，所述人脸识别门禁模块用于采集人员信息，包括人员的人脸图像、指纹信息和id卡信息，提取人员信息的特征数据，将人员信息特征数据发送至控制模块，并根据控制模块下发的门禁指令控制门禁工作状态。
[0084]
所述人脸识别门禁模块包括采集单元、人脸识别单元、操控单元和警告单元。采集单元用于通过人脸采集设备采集人脸图像，并将采集的人脸图像发送至人脸识别单元，以及通过指纹采集设备采集人员指纹信息，通过读卡设备采集人员id卡信息，将采集的指纹信息和id卡信息发送至控制模块；人脸识别单元用于接收采集单元发送的人脸图像，并对采集到的图像进行人脸识别，提取脸部特征数据，将脸部特征数据发送至控制模块；操控单元用于接收控制模块发送的门禁开启或关闭的指令，根据对应指令改变门禁工作状态；警告单元用于接收控制模块发送的警告指令，根据警告指令控制安装于门禁的警示灯亮起以及警示扬声器长鸣，直接接收到控制模块发出的终止警告指令时，控制安装于门禁的警示灯关闭以及警示扬声器停止长鸣。
[0085]
在本实施例中，所述人脸识别门禁模块基于人脸识别门禁装置，如图7所示，包括网络摄像头、脸部图像显示屏、指纹采集器、id卡读卡器、警示灯和警示扬声器。
[0086]
所述人员异常行为识别模块用于采集人员的行为影像，基于该行为影像获取人员的运动行为数据，将人员运动行为数据发送至控制模块，并根据控制下发的人员id和追踪检测指令进行追踪检测。
[0087]
所述人员异常行为识别模块包括视频采集单元、图像处理单元和数据转换单元。视频采集单元用于通过视频采集设备采集人员行为影像，并将行为影像发送至图像处理单元；图像处理单元用于接收视频采集单元发送的行为影像，基于行为影像得到逐帧图像的集合，对图像集合进行人像识别，将识别的人像变换为标准人人像，将标准人像发送至数据转换单元；数据转换单元用于接收标准人像，基于标准人像获得人员体型特征数据和肤色特征数据，将获取的特征数据发送至控制模块。
[0088]
在本实施例中，上述视频采集单元基于视频采集设备，如图6所示，包括多个覆盖全鸡舍的网络摄像头。
[0089]
所述控制模块用于接收人脸识别门禁模块发送的人员信息特征数据，结合人员信息存储库，进行人员识别匹配，接收人员异常行为识别模块发送的运动行为数据，结合异常
行为存储库，进行异常行为匹配，同时对人员脸部特征和异常行为特征进行自学习更新。
[0090]
所述控制模块包括判断单元、自学习单元、通讯单元、人员信息存储库和异常行为存储库。人员信息存储库中预存储所有养殖人员的脸部特征数据、指纹特征数据、id卡特征数据、体型特征数据和肤色特征数据；异常行为存储库中预存储所有养殖人员的正常运动行为数据和异常运动行为数据。
[0091]
上述判断单元用于接收人脸识别门禁模块发送的人员信息特征数据，将接收到的特征数据在人员信息存储库中进行数据匹配，若匹配成功，则向人脸识别门禁模块的操控单元发送门禁开启指令，并记录该人员此次出入时间，将该人员id发送人员异常行为识别模块，若匹配失败，则向人脸识别门禁模块的操控单元发送验证失败指令。
[0092]
作为另一种实施方式，上述判断单元还用于接收人员异常行为识别模块发送的运动行为数据，将接收到的运动行为数据在异常行为存储库中进行数据匹配，若匹配为异常行为，则由通讯单元向所有用户终端发送该行为主体人员id及其行为影像。
[0093]
上述自学习单元用于当判断单元匹配脸部特征数据成功后，通过自学习算法更新该人员在人员信息存储库中的脸部特征数据，当匹配脸部特征数据失败后，将未知脸部特征数据存储为异常人员脸部特征数据。
[0094]
作为另一种实施方式，上述自学习单元用于当判断单元匹配运动行为数据为未知行为时，则通过通讯模块将该未知行为影像发送至用户终端，待管理员标记后，通过自学习算法更新异常行为存储库中的行为信息。
[0095]
上述通信单元用于将人员信息及其行为影像发送至用户终端，该用户终端包括移动终端和pc终端。
[0096]
实施例三
[0097]
本实施例提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如上所述的基于自学习的鸡舍养殖安全防控方法中的步骤。
[0098]
实施例四
[0099]
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成如上所述的基于自学习的鸡舍养殖安全防控方法中的步骤。
[0100]
以上实施例二至四中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
[0101]
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
[0102]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0103]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。