车辆智能监测方法及其系统与流程

本发明涉及交通监测技术领域，特别涉及一种车辆智能监测方法及其系统。

背景技术：

随着汽车行业的飞速发展，我国汽车保有量呈逐年增长趋势，而汽车排放、交通违章等也开始成为环保部门、交管部门日益关注的问题。根据国际obdii(全称“on-boarddiagnosticsii”，译为“车载自动诊断系统ii”)标准，如果减排系统失效及故障提示灯亮起，则代表车辆的减排系统很大可能发生了问题，驾驶员此时必须进行停车操作并对车辆进行检查及维修。然而，现实中的多数驾驶员并不会立即停车处理，而是选择持续驾驶车辆，从而导致车辆尾气超标排放，而现有的系统也未能很好地对尾气超标排放的情况进行监测。同时，目前对于车辆超速、违章停车、违反信号灯等违规行为，一般采用摄像头加人工监控的方式去识别，但这种监控方式不仅浪费人力，且在雨雪雾等不良天气的情况下，难以拍摄和识别驾驶员，从而导致容易遗漏违规车辆或违规驾驶员，成为交通事故中的隐患。

技术实现要素：

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种车辆智能监测方法及其系统，能够及时监测出车辆或驾驶员存在的违规行为，实现对车辆的智能监控以及对驾驶员的身份识别。

本发明解决其问题所采用的技术方案是：

本发明实施例的第一方面，提供了一种车辆智能监测方法，包括以下步骤：

通过车内信息采集模块分别获取并存储车辆运行信息和驾驶员脑电信息，其中，所述车内信息采集模块包括无线射频识别传感器、车速传感器、尾气检测传感器、故障传感器及脑电信号采集器；

采用固定信息读取模块识别标签并与所述车内信息采集模块进行通信连接，以读取对应车辆的所述车辆运行信息和所述驾驶员脑电信息，其中，所述固定信息读取模块包括无线射频识别读取器；

通过终端设备获取所述车辆运行信息和所述驾驶员脑电信息，并将所述车辆运行信息和所述驾驶员脑电信息发送至云端服务器；

所述云端服务器对接收到的所述驾驶员脑电信息进行处理，得到处理结果，其中，所述云端服务器基于卷积神经网络和长短期记忆网络；

车辆管理系统接收所述云端服务器发送的所述处理结果和所述车辆运行信息，判断驾驶员和车辆是否存在违规行为。

本发明实施例中提供的一个或多个技术方案，至少具有如下有益效果：本发明实施例通过采用基于卷积神经网络和长短期记忆网络(cnn-lstm)的算法以及无线射频识别技术，对车辆进行高效、准确、智能化的监控。相对于现有技术中的影像违规识别系统，本发明实施例的技术方案，减少了人力的投入，更能准确实现对车辆或驾驶员存在的违规行为进行监控，且能更好识别驾驶员身份，不易受天气、光线等环境因素影响，具有实用性。

根据本发明第一方面的一些实施例，所述车辆运行信息包括车辆信息、车速信息、尾气排放信息和故障提示信息。

根据本发明的一些实施例，所述通过车内信息采集模块分别获取并存储车辆运行信息和驾驶员脑电信息，其中，所述车内信息采集模块包括无线射频识别传感器、车速传感器、尾气检测传感器、故障传感器及脑电信号采集器，包括以下步骤：

通过所述无线射频识别传感器获取所述车辆信息；

所述无线射频识别传感器接收和存储所述车速传感器发送的所述车速信息、所述尾气检测传感器发送的所述尾气排放信息、所述故障传感器发送的所述故障提示信息及所述脑电信号采集器发送的所述驾驶员脑电信息。

根据本发明第一方面的一些实施例，所述采用固定信息读取模块识别标签并与所述车内信息采集模块进行通信连接，以读取对应车辆的所述车辆运行信息和所述驾驶员脑电信息，其中，所述固定信息读取模块包括无线射频识别读取器，包括以下步骤：

通过所述无线射频识别读取器识别所述标签；

所述无线射频识别传感器与所述无线射频识别读取器通信连接，所述无线射频识别传感器将所述车辆运行信息和所述驾驶员脑电信息通过无线网络传输至所述无线射频识别读取器；

所述无线射频识别读取器读取所述车辆运行信息和所述驾驶员脑电信息。

根据本发明第一方面的一些实施例，所述云端服务器对接收到的所述驾驶员脑电信息进行处理，得到处理结果，其中，所述云端服务器基于卷积神经网络和长短期记忆网络，包括以下步骤：

所述云端服务器接收所述驾驶员脑电信息；

基于卷积神经网络和长短期记忆网络，构建cnn-lstm网络模型；

通过所述cnn-lstm网络模型对所述驾驶员脑电信息进行分类识别。

根据本发明第一方面的一些实施例，所述cnn-lstm网络模型包括依次连接的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第三最大池化层、全连接层、激活函数和softmax分类器。

本发明实施例的第二方面，提供了一种车辆智能监测系统，包括：

车内信息采集模块，安装在车辆上，包括无线射频识别传感器、车速传感器、尾气检测传感器、故障传感器和脑电信号采集器，所述无线射频识别传感器设有信号转换器和标签；所述车速传感器、所述尾气检测传感器、所述故障传感器及所述脑电信号采集器分别与所述无线射频识别传感器通信连接；

固定信息读取模块，安装在路边设施上，包括无线射频识别读取器，所述无线射频识别传感器与所述无线射频识别读取器通信连接；

终端设备，与所述固定信息读取模块通信连接；

云端服务器，与所述终端设备通信连接；

车辆管理系统，与所述云端服务器通信连接。

根据本发明第二方面的一些实施例，所述无线射频识别传感器，安装在车辆挡风玻璃上，用于获取车辆信息；

所述车速传感器，安装在变速箱或车轮上，用于获取车速信息；

所述尾气检测传感器，安装在靠近车辆排气管的出口位置，用于获取尾气排放信息；

所述故障传感器，安装在靠近发动机位置，用于获取故障提示信息；

所述脑电信号采集器，包括可穿戴式装置，用于获取驾驶员脑电信息。

根据本发明第二方面的一些实施例，所述车内信息采集模块还包括位置传感器，所述位置传感器用于获取车辆的位置信息，所述位置传感器与所述无线射频识别传感器通信连接。

根据本发明第二方面的一些实施例，所述固定信息读取模块安装在交通灯、路灯、车站和停车咪表上。

本发明的附加方面和/或优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/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：

图1是本发明一个实施例所提供的车辆智能监测方法的流程示意图；

图2是本发明一个实施例所提供的无线射频识别传感器和无线射频识别读取器通信传输的流程示意图；

图3是本发明一个实施例所提供的无线射频识别读取器读取数据的流程示意图；

图4是本发明一个实施例所提供的构建cnn-lstm网络模型的流程示意图；

图5是本发明另一个实施例所提供的无线射频识别传感器和无线射频识别读取器通信传输的结构示意图；

图6是本发明另一个实施例所提供的无线射频识别传感器和无线射频识别读取器通信传输的结构示意图；

图7是本发明一个实施例所提供的固定信息读取模块识别标签的示意图；

图8是本发明一个实施例所提供的车辆智能监测方法的结构示意图；

图9是本发明一个实施例所提供的样本数据与识别精度的条形示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。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。

参照图1，本发明实施例的第一方面，提供了一种车辆智能监测方法，包括以下步骤：

步骤s100，通过车内信息采集模块100分别获取并存储车辆运行信息和驾驶员脑电信息，其中，车内信息采集模块100包括无线射频识别传感器110、车速传感器、尾气检测传感器、故障传感器及脑电信号采集器；

步骤s200，采用固定信息读取模块200识别标签并与车内信息采集模块100进行通信连接，以读取对应车辆的车辆运行信息和驾驶员脑电信息，其中，固定信息读取模块200包括无线射频识别读取器210；

步骤s300，通过终端设备300获取车辆运行信息和驾驶员脑电信息，并将车辆运行信息和驾驶员脑电信息发送至云端服务器400；

步骤s400，云端服务器400对接收到的驾驶员脑电信息进行处理，得到处理结果，其中，云端服务器400基于卷积神经网络410和长短期记忆网络420；

步骤s500，车辆管理系统接收云端服务器400发送的处理结果和车辆运行信息，判断驾驶员和车辆是否存在违规行为。

在本实施例中，通过安装在车辆上的车内信息收集模块对车辆运行信息和驾驶员脑电信息进行收集和存储，车内信息采集模块100包括无线射频识别传感器110、车速传感器、尾气检测传感器和故障传感器等多个传感器及脑电信号采集器，脑电信号采集器通过与驾驶员身体接触从而获取驾驶员脑电信息。参照图5至图7，无线射频识别传感器110设有信号转换器和标签，每辆车对应着一个标签，即每个无线射频识别传感器110内的标签对应一辆车。而标签又与车辆的信息绑定，即标签与车牌号、驾驶证号码、身份证号码、手机号等信息进行绑定，还可以绑定日期、时间、标号等信息。每辆车均包括车内信息采集模块100。

具体地，在车辆行驶的过程中，安装在路边设施上的固定信息读取模块200将对每个车辆上的标签进行识别，固定信息读取模块200读取对应车辆的车辆运行信息和驾驶员脑电信息。固定信息读取模块200可以快速对多个标签进行识别，以读取多架车辆上的车辆运行信息。例如可以在路边每隔一段距离就安装一个固定信息读取模块200，即能持续对车辆进行监控。固定信息读取模块200与车载电脑或手机等终端设备300连接，通过终端设备300获取车辆运行信息和驾驶员脑电信息。之后，终端设备300将车辆运行信息和驾驶员脑电信息发送至云端服务器400。参照图8，云端服务器400根据接收到的驾驶员脑电信息进行快速准确的处理。基于卷积神经网络410和长短期记忆网络420(cnn-lstm)的云端服务器400对驾驶员脑电信息进行分类识别，从而判断出该驾驶员是否存在违规行为。例如对即将作出处罚的驾驶员与作出违规行为的驾驶员进行身份识别，将脑电信号采集器与驾驶员身体接触，获取到驾驶员脑电信号后，通过云端服务器400处理及监测两者是否为同一驾驶员，以防出现身份顶替等违法行为。在没有摄像头或者在雨雪雾等不良天气的情况下，相比现有技术中难以拍摄和识别驾驶员，本发明实施例可以准确判断和识别出驾驶员身份。最后，车辆管理系统还将接收云端服务器400发送的处理结果和车辆运行信息，车辆管理系统根据处理结果和车辆运行信息判断驾驶员和车辆是否存在违规行为。例如，通过无线射频识别传感器110获取到车辆信息，通过车速传感器获取到车速信息，通过尾气检测传感器获取到尾气排放信息，以及通过故障传感器获取到故障提示信息。根据这些车辆运行信息，车辆管理系统能够作出准确、快速地判断，以监测车辆是否存在违规行为。本发明实施例便于环保部门、交管部门等相关部门及时获取违规信息，并告知和发送电子监控给该违规车辆的驾驶员。交管部门根据具体违规行为对违规人员或车辆采取扣分、罚单、检车或扣车等措施。在其他实施例中，违规行为可以是尾气超标排放、车辆超速、违章停车、违反信号灯、违规驾驶员身份顶替等。

固定信息读取模块200可以安装在交通灯、路灯、车站和停车咪表上。例如在交通灯上安装固定信息读取模块200，只需要通过一盏交通灯便可以同时监测多部车辆，节省人力。

本发明实施例中提供的一个或多个技术方案，至少具有如下有益效果：本发明实施例通过采用基于卷积神经网络410和长短期记忆网络420以及无线射频识别技术，对车辆进行高效、准确、智能化的监控。相对于现有技术，本发明实施例的技术方案，减少了人力的投入，更能准确实现对车辆或驾驶员存在的违规行为的监控，且能更好识别驾驶员身份，不易受天气、光线等环境因素影响，具有实用性。

根据本发明第一方面的一些实施例，车辆运行信息包括车辆信息、车速信息、尾气排放信息和故障提示信息。

参照图2，根据本发明的一些实施例，通过车内信息采集模块100分别获取并存储车辆运行信息和驾驶员脑电信息，其中，车内信息采集模块100包括无线射频识别传感器110、车速传感器、尾气检测传感器、故障传感器及脑电信号采集器，包括以下步骤：

步骤s110，通过无线射频识别传感器110获取车辆信息；

步骤s120，无线射频识别传感器110接收和存储车速传感器发送的车速信息、尾气检测传感器发送的尾气排放信息、故障传感器发送的故障提示信息及脑电信号采集器发送的驾驶员脑电信息。

参照图3，根据本发明第一方面的一些实施例，采用固定信息读取模块200识别标签并与车内信息采集模块100进行通信连接，以读取对应车辆的车辆运行信息和驾驶员脑电信息，其中，固定信息读取模块200包括无线射频识别读取器210，包括以下步骤：

步骤s210，通过无线射频识别读取器210识别标签；

步骤s220，无线射频识别传感器110与无线射频识别读取器210通信连接，无线射频识别传感器110将车辆运行信息和驾驶员脑电信息通过无线网络传输至无线射频识别读取器210；

步骤s230，无线射频识别读取器210读取车辆运行信息和驾驶员脑电信息。

参照图4，根据本发明第一方面的一些实施例，云端服务器400对接收到的驾驶员脑电信息进行处理，得到处理结果，其中，云端服务器400基于卷积神经网络410和长短期记忆网络420，包括以下步骤：

步骤s410，云端服务器400接收驾驶员脑电信息；

步骤s420，基于卷积神经网络410和长短期记忆网络420，构建cnn-lstm网络模型；

步骤s430，通过cnn-lstm网络模型对驾驶员脑电信息进行分类识别。

在本实施例中，脑电信号采集器可以为头戴式24路干电极采集器，用于获取驾驶员脑电信息。之后通过手机、车载电脑等终端设备300将驾驶员脑电信息传输到云端服务器400。再利用云端服务器400搭建cnn-lstm网络模型(卷积神经-长短期记忆网络模型)对驾驶员脑电信息进行分类，从而完成对驾驶员身份信息的识别。

具体地，通过云端服务器400构建cnn-lstm网络模型(卷积神经-长短期记忆网络模型)。获取多个样本数据并将样本数据输入至cnn-lstm网络模型中，从而根据cnn-lstm网络模型的输出分类结果，判断某条脑电信息是否属于驾驶员本人。

其中，本实施例中的cnn-lstm网络模型识别精度，即分类率(crr)的准确性可以表示为：

其中f表示10折交叉验证(10-foldcross-validation)的次数；对于身份识别检测，u表示样本数据的个数；p(i)表示与检测事件相关的正确识别数。最后，将crrf平均以表示本实施例中的分类率(crr)的准确性。

参照图9，获取了31个人的脑电信息作为样本数据，并将样本数据输入至cnn-lstm网络模型中。第28个样本数据均值对应的识别精度高于31个样本数据均值对应的识别精度，且都采用10折交叉验证，以测试算法准确性，提高精度。

本实施例中的cnn-lstm网络模型的输入层，输入信号为数字化和降噪后的24*250。其中24路信号中的5路信号为采集的5路信号，具体为，本实施例在应用时采用具有可穿戴式装置的脑电信号采集器，即头戴式24路干电极采集器。但为了方便信号路数的增加或减少，以便在不同位置取得脑电信号，故本实施例的脑电信号采集器只对驾驶员进行5路信号采集，其余19路信号全部给予0输入。在本实施例中，脑电信号的采样频率为250hz，即将大小为24*250的脑电信号作为输入。

进一步地，参照图8，cnn-lstm网络模型包括依次连接的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第三最大池化层、全连接层、激活函数和softmax分类器。

在本实施例中，云端服务器400基于卷积神经网络410和长短期记忆网络420，云端服务器400接收驾驶员脑电信息，而卷积神经网络410对接收的驾驶员脑电信息进行判断处理，构建的cnn-lstm网络模型对驾驶员脑电信息进行分类识别，从而快速、准确验证驾驶员身份，为驾驶安全提供更全面的保障。

具体地，参照表1，表1为cnn-lstm网络模型的具体结构参数。

表1cnn-lstm网络模型的结构参数

在本实施例中，第一卷积层、第二卷积层和第三卷积层均执行如下的卷积运算：

激活函数：f(x)＝x·sigmoid(βx)；

其中，式中f(z)、f(x)均为激活函数；β取值为1；mj表示当前神经元的可接受域；表示第l层第j卷积核的第i个加权系数；表示第l层的第j卷积核乘积相对应的偏移系数。

代价函数：

其中，l表示损失函数；yi表示输出向量；hθ表示属于某一类别的样本的概率，xⁱ表示某一类别的样本。

长短期记忆网络420采用softmax分类器，而softmax分类器中的softmax函数的计算公式如下：

在本实施例中，k为31，k表示的是样本数据的个数。在其他实施例中，k还可以为其他数据，而不限于此。

其中，θ1,θ2…θk∈rⁿ⁺¹，表示模型参数；而式中的用于概率分布的归一化，使得概率分布总和为1。

本发明实施例的第二方面，提供了一种车辆智能监测系统，包括：车内信息采集模块100，安装在车辆上，包括无线射频识别传感器110、车速传感器、尾气检测传感器、故障传感器和脑电信号采集器，无线射频识别传感器110设有信号转换器和标签；车速传感器、尾气检测传感器、故障传感器及脑电信号采集器分别与无线射频识别传感器110通信连接；固定信息读取模块200，安装在路边设施上，包括无线射频识别读取器210，无线射频识别传感器110与无线射频识别读取器210通信连接；终端设备300，与固定信息读取模块200通信连接；云端服务器400，与终端设备300通信连接；车辆管理系统，与云端服务器400通信连接。

在本实施例中，在车辆行驶的过程中，安装在路边设施上的固定信息读取模块200将对每个车辆上的标签进行识别。具体地，安装在车辆上的无线射频识别传感器110与安装在路边设施上的无线射频识别读取器210通信连接，无线射频识别读取器210识别标签后，无线射频识别传感器110将接收到的车辆运行信息和驾驶员脑电信息发送给无线射频识别读取器210。将固定信息读取模块200与车载电脑或手机等终端设备300连接，通过终端设备300获取车辆运行信息和驾驶员脑电信息。之后，终端设备300将车辆运行信息和驾驶员脑电信息发送至云端服务器400。云端服务器400根据接收到的驾驶员脑电信息进行快速准确的处理。最后，车辆管理系统还将根据接收到的处理结果和车辆运行信息，判断驾驶员和车辆是否存在违规行为。

根据本发明第二方面的一些实施例，无线射频识别传感器110，安装在车辆挡风玻璃上，用于获取车辆信息；车速传感器，安装在变速箱或车轮上，用于获取车速信息；尾气检测传感器，安装在靠近车辆排气管的出口位置，用于获取尾气排放信息；故障传感器，安装在靠近发动机位置，用于获取故障提示信息；脑电信号采集器，包括可穿戴式装置，用于获取驾驶员脑电信息。

在本发明实施例中，可以通过在车辆挡风玻璃或车身上安装一小块无线射频识别传感器110；车速传感器，安装在变速箱或车轮上；而尾气检测传感器，安装在靠近车辆排气管的出口位置，可以监测减排系统是否失效。尾气检测传感器具体可以为一氧化碳浓度传感器、二氧化碳浓度传感器、碳氢化合物浓度传感器、氮氧化合物浓度传感器120的一种或几种。而故障传感器监测车辆是否发生故障，并获取故障提示信息。在其他实施例中，当车辆发生故障时，故障提示灯还将亮起并发出警告以提示驾驶员。

参照图6，车辆运行信息存储在各传感器中，各传感器还通过内置的无线通信网络将各自获取到的信号传输给无线射频识别传感器110。而无线射频识别传感器110可以包括信号转换器、供电模块及标签，信号转换器能够对信号进行接收和传输，供电模块能够为无线射频识别传感器110提供电源，且每个无线射频识别传感器110对应着一个标签，从而使得每辆车对应的标签也均不相同。

此外，还可以在车内放置具有可穿戴式装置的脑电信号采集器，在无线射频识别传感器110接收到车速信息时，驾驶员的脑电信号将被记录，记录时间可以为10分钟。例如，脑电信号采集器可以为头戴式24路干电极采集器，用于获取驾驶员脑电信息。在其他实施例中，还可以采用干电极采集器贴于胸前，用于获取驾驶员的心电信号，从而可以监测驾驶员是否存在酒驾、疲劳驾驶等违规行为。

信号记录后的驾驶员脑电信息以及通过各传感器接收到的车辆运行信息，都将通过无线射频识别传感器110传递给无线射频识别读取器210；无线射频识别读取器210读取信号后再通过手机、车载电脑等终端设备300，将信号上传给云端服务器400，云端服务器400通过cnn-lstm网络模型对驾驶员进行身份识别，最后通过车辆管理系统判断驾驶员和车辆是否存在违规行为。

根据本发明第二方面的一些实施例，车内信息采集模块100还包括位置传感器，位置传感器用于获取车辆的位置信息，位置传感器与无线射频识别传感器110通信连接。

在本实施例中，车内信息采集模块100还包括位置传感器，位置传感器用于获取车辆的位置信息，位置传感器具体可以通过gps定位。通过位置传感器能够获取车辆活动轨迹及停放位置信息，便于监控违规车辆，以防违规车辆逃逸等情况发生，保障交通安全。

根据本发明第二方面的一些实施例，固定信息读取模块200安装在交通灯、路灯、车站和停车咪表上。

在本实施例中，可以将固定信息读取模块200安装在交通灯、路口、违停区域的路灯、车站和停车咪表等区域，使得固定信息读取模块200全面、准确地读取由车上的无线射频识别传感器110发出的车辆信息、车速信息、尾气排放信息和故障提示信息等车辆运行信息。

例如，由于标签在无电力供应下仍能提供车辆识别信号给固定信息读取模块200。在路上的所有停车咪表都装上固定信息读取模块200，便可自动监测咪表车位内的车辆是否超时停泊，如监测到违停车辆之后，便可将车辆识别信息传送到车辆管理系统，便于相关部门及时对该违规车辆作出处罚。在其他实施例中，还可以通过车辆管理系统、云端服务器400即时自动发出短讯通知到终端设备300，从而告知驾驶员车辆违规需要缴交罚款。本实施例能够智能监控车辆是否存在违规行为，不仅可以减轻交通警员的工作量，还可以减少警民冲突。

又例如，还可以将固定信息读取模块200安装在禁止某些车辆进入的路口、路灯或车站。固定信息读取模块200通过终端设备300、云端服务器400，最终与车辆管理系统联接。本实施例能够自动监测车辆是否违规进入违禁路段，车辆存在违规时，车辆管理系统可通过云端服务器400向终端设备300发出电子监控罚单。在其他实施例中，车辆智能监测系统还可用在公交专道、电自行车专道、重型车辆不准驶进的路段及单双号车牌使用的交通管制时段等。

由于本实施例中的车辆智能监测系统应用于上述任一实施例中的车辆智能监测方法，故车辆智能监测系统具有上述任一实施例中车辆智能监测方法带来的有益效果和功能特性，在此不再详述。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。

以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。