视频编码划分方法、视频处理方法及计算机设备与流程

1.本技术涉及图像处理技术领域，特别涉及一种视频编码划分方法、视频处理方法及计算机设备及存储介质。


背景技术：

2.影音领域对超高清数字视频的需求越来越多，其对于分辨率和帧率的要求也越来越高。相应地，对于视频解编码对视频编解码要求也越来越高。相关技术中，视频编码中的块划分多基于2叉树、3叉树、4叉树等划分方式。然而如此，帧图像在划分的过程中，当在同一深度划分时，若一个目标对象同时存在于多个块之间时，就可能将该目标对象划分到多个块中，然后需要进行下一深度的划分。然而如此，由于变换核的减小，将导致压缩率相应的降低，视频编码效率较低。


技术实现要素：

3.有鉴于此，本技术提供了一种视频编码划分方法、视频处理方法、计算机设备及存储介质。
4.本技术实施方式提供了一种视频编码划分方法，包括：
5.获取当前视频帧图像和与所述当前视频帧图像序列相邻的前一视频帧图像；
6.根据所述当前视频帧图像和所述前一视频帧图像确认所述当前视频帧图像中是否存在运动对象；
7.在确认所述当前视频帧图像中存在运动对象的情况下，采用五叉树划分模式对所述当前视频帧图像进行编码划分。
8.如此，在本技术实施方式的视频编码划分方法中，在视频中存在运动对象的情况下，增加五叉树划分模式进行编码划分，从而更准确将运动对象划分在同一个块中，尽可能的划分大的编码块，减少划分深度。使相似的像素能够被划分到同一个块中，同一个划分块中帧内相邻的像素或者帧间匹配的像素的残差分布更加集中，从而在变换和熵编码中压缩率更高，视频质量提升的同时提高了编码效率和压缩率。
9.在某些实施方式中，所述根据所述当前视频帧图像和所述前一视频帧图像确认所述当前视频帧图像中是否存在运动对象，包括：
10.对所述当前视频帧图像和所述前一视频帧图像进行差分运算，以得到两帧图像亮度的差值；
11.在所述亮度差值的绝对值大于或等于预定阈值的情况下，确定所述当前视频帧图像中存在运动对象。
12.如此，通过对视频图像序列中相邻帧作差分运算，可以根据两帧图像的亮度差来获取到当前帧图像中的运动对象的轮廓。
13.在某些实施方式中，所述在确认所述当前视频帧图像中存在运动对象的情况下，采用五叉树划分模式对所述当前视频帧图像进行编码划，包括：
14.在所述运动对象位于所述当前视频帧图像的非边缘位置的情况下，采用五叉树划分模式对所述当前视频帧图像进行编码划分。
15.如此，本技术中特别对于运动对象在非边缘处采用其他划分方式可能导致同一运动对象可能划分至多个块中的情况，采用五叉树模式进行划分。
16.在某些实施方式中，所述在所述运动对象位于所述当前视频帧图像的非边缘位置的情况下，采用五叉树划分模式对所述当前视频帧图像进行编码划分，包括：
17.在所述当前视频帧图像中存在多个运动对象的情况下，选取区域面积最大的一个作为目标运动对象；
18.根据所述目标运动对象，采用五叉树划分模式对所述当前视频帧图像进行编码划分。
19.如此，对于帧图像中存在多个目标运动对象的情况，选取其中面积最大的一个座位目标，并据此对帧图像进行五叉树划分，可以保证面积最大的运动对象划分在同一个块中，尽可能的划分大的编码块，减少帧图像的划分深度。
20.在某些实施方式中，所述根据所述目标运动对象，采用五叉树划分模式对所述当前视频帧图像进行编码划分，包括：
21.将所述目标运动对象所在区域按照2n*2m进行像素对齐，以将所述目标运动对象所在区域划分为一矩形区域，其中n和m均为大于0的整数。
22.如此，可以将最大目标运动对象以最小矩形将其所在区域划分为一矩形区域，从而据此划分其他区域。
23.在某些实施方式中，所述根据所述目标运动对象，采用五叉树划分模式对所述当前视频帧图像进行编码划分，包括：
24.以所述目标运动对象所在的矩形区域为中心，将所述矩形区域相邻的两条边分别进行延长以与所述目标运动对象所在编码单元的边界相交，从而将所述编码单元在当前深度划分为包括所述目标运动对象所在的矩形区域在内的五个矩形区域。
25.如此，以目标运动对象所在的矩形区域为中心，依据像素之间的相关性，将目标运动对象所在的矩形区域的相邻的两条边分别进行延长，与当前编码单元的边界相交，从而将编码单元划分为五个矩形区域。
26.在某些实施方式中，所述方法还包括：
27.对所述目标运动对象所在的矩形区域以外的四个矩形区域，采用二叉树、三叉树或四叉树或五叉树划分模式在当前深度的后续深度进行编码划分直至预先设定的最大深度。
28.如此，对于其他矩形区域，可根据是否存在运动目标以及运动目标所在的位置进行后续深度的划分直至划分到最大深度。
29.在某些实施方式中，所述方法还包括：
30.在所述运动对象位于所述当前视频帧图像的边缘位置的情况下，采用二叉树、三叉树或四叉树划分模式对所述当前视频帧进行编码划分。
31.如此，本技术中对于运动对象在边缘位置的情况，则无需采用五叉树的划分方式，采用二叉树、三叉树或四叉树等划分模式进行编码划分即可。
32.本技术实施方式提供了一种视频处理方法，包括：
33.采用如上所述的视频编码划分方法对视频帧进行编码处理；
34.对编码处理后的视频帧进行解码处理；以将视频帧还原；
35.对还原后的视频帧进行渲染输出。
36.如此，在视频编码划分过程中，在视频中存在运动对象的情况下，增加五叉树划分模式进行编码划分，从而更准确将运动对象划分在同一个块中，尽可能的划分大的编码块，减少划分深度。使相似的像素能够被划分到同一个块中，同一个划分块中帧内相邻的像素或者帧间匹配的像素的残差分布更加集中，从而在变换和熵编码中压缩率更高，视频质量提升的同时提高了编码效率和压缩率，同时也能更快的解码。
37.本技术实施方式提供了一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上所述的方法。
38.如此，在本技术中，在视频编码划分过程中，在视频中存在运动对象的情况下，增加五叉树划分模式进行编码划分，从而更准确将运动对象划分在同一个块中，尽可能的划分大的编码块，减少划分深度。使相似的像素能够被划分到同一个块中，同一个划分块中帧内相邻的像素或者帧间匹配的像素的残差分布更加集中，从而在变换和熵编码中压缩率更高，视频质量提升的同时提高了编码效率和压缩率，同时也能更快的解码。
39.本技术实施方式提供了一种计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令处理器执行时，使得所述处理器实现上述方法。
40.如此，本技术中，在视频编码划分过程中，在视频中存在运动对象的情况下，增加五叉树划分模式进行编码划分，从而更准确将运动对象划分在同一个块中，尽可能的划分大的编码块，减少划分深度。使相似的像素能够被划分到同一个块中，同一个划分块中帧内相邻的像素或者帧间匹配的像素的残差分布更加集中，从而在变换和熵编码中压缩率更高，视频质量提升的同时提高了编码效率和压缩率，同时也能更快的解码。
附图说明
41.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
42.图1是本技术某些实施方式的视频编码划分方法流程示意图。
43.图2是本技术某些实施方式的视频编码划分方法流程示意图。
44.图3是本技术某些实施方式的视频编码划分方法流程示意图。
45.图4是本技术某些实施方式的视频编码划分方法流程示意图。
46.图5是本技术某些实施方式的视频编码划分方法流程示意图。
47.图6是本技术某些实施方式的视频编码划分方法流程示意图。
48.图7a-7d是本技术某些实施方式的五叉树模式划分方法的示意图。
49.图8a-8e是本技术某些实施方式的二叉树、三叉树、四叉树模式划分方法的示意图。
具体实施方式
50.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终
相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
51.请参阅图1，本技术提供了一种视频编码划分方法，包括：
52.s10：获取当前视频帧图像和与当前视频帧图像序列相邻的前一视频帧图像；
53.s20：根据当前视频帧图像和前一视频帧图像确认当前视频帧图像中是否存在运动对象；
54.s30：在确认当前视频帧图像中存在运动对象的情况下，采用五叉树划分模式对当前视频帧图像进行编码划分。
55.本技术还提供了一种计算机设备，本技术的视频编码划分方法可以由本技术的计算机设备实现。计算机设备包括存储器和多个处理器，存储器中存储有计算机程序。处理器用于取当前视频帧图像和与当前视频帧图像序列相邻的前一视频帧图像，及用于根据当前视频帧图像和前一视频帧图像确认当前视频帧图像中是否存在运动对象，以及用于在确认当前视频帧图像中存在运动对象的情况下，采用五叉树划分模式对当前视频帧图像进行编码划分。
56.具体地，在多功能视频编码中，通常会将一帧图像分割为多个编码单元，进而对每个编码单元采用某一树结构，将编码单元划分为多个矩形块。例如，对于一个编码单元采用四叉树划分，将其划分为4个矩形(或方形)块，然后可以采用如二叉树、三叉树等划分方式，将每个矩形块水平或垂直拆封为2个或3个子块，后续可以再次递归执行此步骤，以便将每个矩形子块再进一步水平或垂直拆封为2个或3个子块，直至达到编码的最大深度。如此，可以使得编码器能够更好地适应输入内容。
57.然而，相关技术中在采用树结构进行编码划分的过程中，多采用单一的二叉树、或三叉树或四叉树划分模式，或二叉树、三叉树、四叉树混合嵌套的划分模式进行划分。如此，将可能导致具有相关性的内容，例如同一个运动对象，被划分到不同的矩形块中，不利于图像的编码。
58.本技术中，针对上述可能出现的情况，对于存在运动对象的视频帧图像，采用五叉树划分模式，可以更准确地将同一运动对象划分在同一个矩形块中，使得同一矩形块中的像素相关性更强，相似性更强，有利于大块划分，降低划分深度，提高压缩率，从而降低编码码率。其他划分的矩形块也具有较强的相似性，减少相似块的搜索时间，提高搜索效率。
59.需要说明地，本技术中采用五叉树模式进行编码划分的前提是视频帧图像中存在运动对象，而对于不存在运动对象的视频帧图像，像素之间的相关性并不如运动对象的像素的关联性明显，因此，采用如前述的单一树结构的划分模式或多种树结构的嵌套结构的划分模式对编码单元进行划分即可。图像中的运动对象可采用如光流法、帧间差分法、背景减除法等方式进行检测。
60.综上所述，在本技术实施方式的视频编码划分方法和计算机设备中，在视频中存在运动对象的情况下，增加五叉树划分模式进行编码划分，从而更准确将运动对象划分在同一个块中，尽可能的划分大的编码块，减少划分深度。使相似的像素能够被划分到同一个块中，同一个划分块中帧内相邻的像素或者帧间匹配的像素的残差分布更加集中，从而在变换和熵编码中压缩率更高，视频质量提升的同时提高了编码效率和压缩率。
61.请参阅图2，在某些实施方式中，s20包括：
62.s21：对当前视频帧图像和前一视频帧图像进行差分运算，以得到两帧图像亮度的差值；
63.s22：在亮度差值的绝对值大于或等于预定阈值的情况下，确定当前视频帧图像中存在运动对象。
64.在某些实施方式中，处理器用于对当前视频帧图像和前一视频帧图像进行差分运算，以得到两帧图像亮度的差值，以及用于在亮度差值的绝对值大于或等于预定阈值的情况下，确定当前视频帧图像中存在运动对象。
65.具体地，本实施方式中通过帧间差分法检测当前帧图像中是否存在运动对象，采用帧间差分法原理简单、易于实现，算法复杂度较低。同时，帧间差分法对环境要求不高，不易受光线等环境因素的影响，对于环境的适应性较强。
66.采用相邻帧间差分法，将当前帧帧图像和图像序列中相邻的前一帧图像相减，通过相邻两帧图像之间亮度差的绝对值来分析图像序列的运动特性，确定图像序列中有无运动对象。如果该值大于设定的阈值，则认为发生了运动，反之则认定为背景图像，也即是不存在运动对象。图像序列的逐帧差分相当于对图像序列进行了滤波，去除了共有的部分。
67.应当理解地，由于帧间差分法需要根据两时间帧之间的差别进行判断，运动物体的运动速度可能会对识别效果产生一定影响。那么也可以基于帧间差分进行相应的改进，例如采用选取连续三帧视频图像进行差分运算，消除由于运动而显露背景影响，从而提取精确的运动目标轮廓信息。该算法的基本原理是先选取视频图像序列中连续三帧图像并分别计算相邻两帧的差分图像，然后将差分图像通过选取适当的阈值进行二值化处理，得到二值化图像，最后在每一个像素点得到的二值化图像进行逻辑与运算，获取共同部分，从而获得运动目标的轮廓信息。提取连续的三帧图像可以第k-1 帧图像、第k帧图像以及第k+1帧图像。
68.如此，通过对视频图像序列中相邻帧作差分运算，可以根据两帧图像的亮度差来获取到当前帧图像中的运动对象的轮廓。
69.请参阅图3，在某些实施方式中，s30包括：
70.s31：在运动对象位于当前视频帧图像的非边缘位置的情况下，采用五叉树划分模式对当前视频帧图像进行编码划分。
71.在某些实施方式中，处理器用于在运动对象位于当前视频帧图像的非边缘位置的情况下，采用五叉树划分模式对当前视频帧图像进行编码划分。
72.具体地，当通过前述的帧间差分算法确认图像中存在运动目标的情况下，则进一步判断运动对象在当前视频帧对象中的位置。当运动对象位于当前视频图像的非边缘位置的情况下，可采用五叉树模式进行编码划分。
73.其中，图像的边缘位置应当广义理解为距离图像边缘预定个像素距离的区域，而并非是物理上绝对的边缘位置。可以理解地，如果图像中存在运动对象，并且运动对象位于图像的边缘位置，那么可采用如前介绍的几种划分模式将运动对象划分至同一个矩形块中。例如，运动对象位于图像左侧上部处，那么可以采用四叉树划分模式进行划分，而如果运动对象在长度方向面积较大则可以采用垂直二叉树划分模式进行编码划分。
74.而当运动对象位于图像非边缘处的情况下，采用如上所述的几种划分方式都有可能导致同一运动目标对象被划分至不同的矩形块中，而采用五叉树划分模式，则可以保证
将位于图像非边缘处的运动对象划分至同一个矩形块中。
75.如此，本技术中特别对于运动对象在非边缘处采用其他划分方式可能导致同一运动对象可能划分至多个块中的情况，采用五叉树模式进行划分。
76.请参阅图4，在某些实施方式中，s31包括：
77.s310：在当前视频帧图像中存在多个运动对象的情况下，选取区域面积最大的一个作为目标运动对象；
78.s311：根据目标运动对象，采用五叉树划分模式对当前视频帧图像进行编码划分。
79.在某些实施方式中，处理器用于在当前视频帧图像中存在多个运动对象的情况下，选取区域面积最大的一个作为目标运动对象；以及用于根据目标运动对象，采用五叉树划分模式对当前视频帧图像进行编码划分。
80.具体地，对于当前帧图像中存在多个运动对象的情况下，选取区域面积最大的一个作为目标运动对象，可优先保证区域最大的运动对象被划分在同一个矩形块中。可以理解地，由于本技术中采用五叉树划分模式，并不需要如上述其他划分模式中按照预定比例将编码单元进行划分。因此，即便运动对象所占面积较大，也能够根据其所在位置将该运动对象划分在同一矩形块中。而选取其他区域面积较小的运动对象作为目标运动对象，并以此为中心进行划分，则可能导致存在区域面积较大的运动对象无法划分至同一矩形块的情况。
81.选取区域面积最大的运动对象作为中心，并据此对进行后续划分，也能够尽可能地将其他运动目标划分在同一个矩形块中，从而保证像素之间较高的相关性。
82.如此，对于帧图像中存在多个目标运动对象的情况，选取其中面积最大的一个座位目标，并据此对帧图像进行五叉树划分，可以保证面积最大的运动对象划分在同一个块中，尽可能的划分大的编码块，减少帧图像的划分深度。
83.请参阅图5，在某些实施方式中，s311包括：
84.s3111：将目标运动对象所在区域按照2n*2m进行像素对齐，以将目标运动对象所在区域划分为一矩形区域，其中n和m均为大于0的整数。
85.在某些实施方式中，处理器用于将目标运动对象所在区域按照2n*2m进行像素对齐，以将目标运动对象所在区域划分为一矩形区域，其中n和m均为大于0的整数。
86.具体地，以图像中存在唯一运动对象为例进行说明。在确认目标运动对象在图像的非边缘位置的情况下，对目标运动对象进行区域划分。以五叉树模式对编码单元进行划分，是将该编码单元划分为五个矩形区域。因此，首先需要将目标运动对象所在区域进行像素对齐。目标运动对象按照长和宽以2n*2m进行像素对齐。其中，n和m均为大于0的整数，n和m可以相等，具体数值不做限定。例如，可以是8x8、8x16、16x16、 16x32、16x64、32x64、64x128等。
87.如此，可以将最大目标运动对象以最小矩形将其所在区域划分为一矩形区域，从而据此划分其他区域。
88.请参阅图6，在某些实施方式中，s311包括：
89.s3112：以目标运动对象所在的矩形区域为中心，将矩形区域相邻的两条边分别进行延长以与目标运动对象所在编码单元的边界相交，从而将编码单元在当前深度划分为包括所述目标运动对象所在的矩形区域在内的五个矩形区域。
90.在某些实施方式中，处理器用于以目标运动对象所在的矩形区域为中心，将矩形区域相邻的两条边分别进行延长以与目标运动对象所在编码单元的边界相交，从而将编码单元在当前深度划分为包括所述目标运动对象所在的矩形区域在内的五个矩形区域。
91.具体地，请参阅图7a-7d，在将目标运动对象所在区域进行像素对齐后，目标运动对象所在区域被划分为一矩形区域，以该矩形区域为中心。根据未划分区域内像素的相似度，将该中心矩形相邻的两条边分别向其所在的编码单元的边缘延长，以与编码单元的边界相交，从而形成一个矩形区域。如此，顺次进行，使得每两条相邻的边延长后都与当前编码单元的边界相交，从而将编码单元在当前深度划分为包括目标运动对象所在的矩形区域在内的五个矩形区域。
92.需要说明地，图7a-图7d仅为示意性说明，并非对于五叉树划分摸式的穷举。其他能够将编码单元划分为五个矩形区域的方式，都包含于本技术的范围中。
93.如此，以目标运动对象所在的矩形区域为中心，依据像素之间的相关性，将目标运动对象所在的矩形区域的相邻的两条边分别进行延长，与当前编码单元的边界相交，从而将编码单元划分为五个矩形区域。
94.在某些实施方式中，视频编码划分方法还包括：
95.s3113：对目标运动对象所在的矩形区域以外的四个矩形区域，采用二叉树、三叉树或四叉树或五叉树划分模式在当前深度的后续深度进行编码划分直至预先设定的最大深度。
96.在某些实施方式中，处理器用于对目标运动对象所在的矩形区域以外的四个矩形区域，采用二叉树、三叉树或四叉树或五叉树划分模式在当前深度的后续深度进行编码划分直至预先设定的最大深度。
97.具体地，对目标运动对象所在的矩形区域以外的其他四个矩形区域，可以在后续的深度继续进行划分，划分方式可参照上述方式进行。例如，检测每个矩形区域中是否存在非边缘处的运动目标，如果存在，则可以对该矩形区域进行五叉树模式划分，如果不存在运动目标或者存在位于边缘处的运动目标，则可以采用二叉树、三叉树或四叉树划分模式，直至划分到最大深度。最大深度在对帧图像编码划分前设定，例如可以是三层或四层，通常满足每一层所划分的矩形区域适合当前编码标准采用的编码核的大小即可，而不适宜划分过多层导致深度过深。
98.如此，对于其他矩形区域，可根据是否存在运动目标以及运动目标所在的位置进行后续深度的划分直至划分到最大深度。
99.请参阅图8a-8e，在某些实施方式中，视频编码划分方法还包括：
100.s32：在运动对象位于当前视频帧图像的边缘位置的情况下，采用二叉树、三叉树或四叉树划分模式对当前视频帧进行编码划分。
101.在某些实施方式中，处理器用于在运动对象位于当前视频帧图像的边缘位置的情况下，采用二叉树、三叉树或四叉树划分模式对当前视频帧进行编码划分。
102.具体地，对于运动对象位于图像的边缘位置的情况，采用如前介绍的几种划分模式即可将运动对象划分至同一个矩形块中。例如，运动对象位于图像左侧上部处，那么可以采用四叉树划分模式进行划分，而如果运动对象在长度方向面积较大则可以采用垂直二叉树划分模式进行编码划分。再如，运动对象位于图像左侧边缘并在宽度方向上占据较大的
面积，则可以采用垂直二叉树或垂直三叉树等划分模式进行划分。
103.如此，本技术中对于运动对象在边缘位置的情况，则无需采用五叉树的划分方式，采用二叉树、三叉树或四叉树等划分模式进行编码划分即可。
104.本技术还提供了一种视频处理方法，包括：
105.采用前述的视频编码划分方法对视频帧进行编码处理；
106.对编码处理后的视频帧进行解码处理；以将视频帧还原；
107.对还原后的视频帧进行渲染输出。
108.具体地，以一个完整的视频处理流程为例进行说明：首先，采集视频图像，对视频帧图像序列采用帧间差分算法确认是否存在运动对象，在存在非边缘位置处的运动对象的情况下，采用如上所述的包含五叉树的编码划分模式进行区域划分，其可以是单一的五叉树划分模式，也可以是嵌套五叉树划分模式，及五叉树与其他树结构混合的划分模式。划分后，进行后续如视频编码帧内预测、帧间预测、视频编码块进行变化、对变换系数进行量化以及熵编码等采集编码的相关处理步骤。
109.编码完成后，进行封装，数据进行传输。在播放设备接收到传输的数据后，进行解码处理。解码处理流程包括解封装、熵解码、反量化、反变换、图像处理、还原视频帧等相关步骤，最后进行视频帧渲染输出，在此不再赘述。
110.增加五叉树划分模式，通过帧间差分进行运动区域划分编码，更准确将运动区域对象的划分在一个块中，尽可能的划分大的编码块，减少划分深度，减少搜索时间，使相关度较高的像素划分到同一个块中，这样同一个划分块中帧内相邻的像素或者帧间匹配的像素的残差分布更加集中，从而在变换和熵编码中压缩率更高。
111.如此，在视频编码划分过程中，在视频中存在运动对象的情况下，增加五叉树划分模式进行编码划分，从而更准确将运动对象划分在同一个块中，尽可能的划分大的编码块，减少划分深度。使相似的像素能够被划分到同一个块中，同一个划分块中帧内相邻的像素或者帧间匹配的像素的残差分布更加集中，从而在变换和熵编码中压缩率更高，视频质量提升的同时提高了编码效率和压缩率，同时也能更快的解码。
112.应当理解地，本技术的视频处理方法是基于本技术的视频编码划分方法，其中相关内容可参考上文的解释说明，在此不在赘述。
113.相类似地，本技术的计算机设备也可以用于实现本技术的视频处理方法。
114.本技术实施方式还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当计算机可执行指令被一个或多个处理器执行时，使得处理器执行上述任一实施方式的方法。
115.如此，本技术提供的计算机程序的非易失性计算机可读存储介质，存储有计算机程序，当计算机程序被一个或多个处理器执行时，使得处理器执行编码方法或视频处理方法。
116.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，程序可存储于一非易失性计算机可读存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等。
117.以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能
因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。