本發(fā)明涉及一種圖像處理技術(shù)，具體涉及一種遺留物檢測(cè)方法。

背景技術(shù)：

智能視頻監(jiān)控技術(shù)在安全防范預(yù)警中發(fā)揮的作用及優(yōu)勢(shì)愈發(fā)明顯，可以代替人力安全監(jiān)控導(dǎo)致的誤差以及資源浪費(fèi)。而目前，出現(xiàn)恐怖分子通過(guò)遺留危險(xiǎn)物品進(jìn)行恐怖活動(dòng)，導(dǎo)致爆炸或釋放有毒物質(zhì)，威脅社會(huì)安全。遺留物通常是指被運(yùn)動(dòng)主體攜帶從運(yùn)動(dòng)到靜止，再與運(yùn)動(dòng)主體分離，靜止超過(guò)了一定時(shí)間并且沒(méi)有所屬主體的物體。保證社會(huì)安全，對(duì)可疑遺留物件的檢測(cè)已成為機(jī)場(chǎng)、體育館、候車廳和展覽館等公眾場(chǎng)合安防系統(tǒng)不可缺少的內(nèi)容。

而目前遺留物檢測(cè)算法，一來(lái)環(huán)境適應(yīng)性較差，需要根據(jù)不同的設(shè)置不同的參數(shù)，而且根據(jù)時(shí)間的推移，遺留物體往往會(huì)融入背景圖像中，造成辨識(shí)困難。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于，提供一種遺留物檢測(cè)方法，解決以上技術(shù)問(wèn)題；

本發(fā)明所解決的技術(shù)問(wèn)題可以采用以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種遺留物檢測(cè)方法，提供一攝像機(jī)用于實(shí)時(shí)采集場(chǎng)景圖像，

初始化步驟，建立第一背景圖像以及第二背景圖像，第一背景圖像由若干第一像點(diǎn)組成，第二背景圖像由若干第二像點(diǎn)組成，每一所述第一像點(diǎn)的位置均與所述場(chǎng)景圖像中的每一像點(diǎn)的位置一一對(duì)應(yīng)，每一所述第二像點(diǎn)的位置點(diǎn)均與所述場(chǎng)景圖像中的每一像點(diǎn)的位置一一對(duì)應(yīng)；

實(shí)時(shí)更新步驟，每隔第一幀數(shù)以第一策略更新第一背景圖像中像點(diǎn)的像素值，每隔第二幀數(shù)以第二策略更新第二背景圖像中像點(diǎn)的像素值，所述第二幀數(shù)大于第一幀數(shù)；

所述第一策略包括將每一第一像點(diǎn)的像素值與該幀的場(chǎng)景圖像中對(duì)應(yīng)位置的像點(diǎn)的像素值比較，根據(jù)比較結(jié)果使每一所述第一像點(diǎn)的像素值趨近所述場(chǎng)景圖像中對(duì)應(yīng)位置的像點(diǎn)的像素值變化；

所述第二策略包括將不處于靜態(tài)目標(biāo)位置的每一所述第二像點(diǎn)的像素值與該時(shí)刻第一背景圖像中對(duì)應(yīng)位置的第一像點(diǎn)的像素值比較，根據(jù)比較結(jié)果使每一所述第二像點(diǎn)的像素值趨近對(duì)應(yīng)位置的所述第一像點(diǎn)的像素值變化；

靜態(tài)目標(biāo)位置判斷步驟，求每一位置的所述第一像點(diǎn)和所述第二像點(diǎn)的像素值差值，當(dāng)任一位置的所述像素值差值大于第一預(yù)設(shè)閾值的持續(xù)時(shí)間超過(guò)第一預(yù)設(shè)遺留時(shí)間時(shí)，則判斷該位置為所述靜態(tài)目標(biāo)位置；

二值化圖像生成步驟，根據(jù)第一預(yù)設(shè)閾值對(duì)所述靜態(tài)目標(biāo)位置判斷步驟中每一位置二值化以生成二值化圖像；

遺留物檢測(cè)步驟，對(duì)所述二值化圖像生成步驟中生成的二值化圖像進(jìn)行輪廓提取以確定遺留物于所述場(chǎng)景圖像中的遺留物區(qū)域。

這樣設(shè)置，本發(fā)明構(gòu)建了全新的環(huán)境自適應(yīng)的雙背景模型，該雙背景模型不使用復(fù)雜的數(shù)學(xué)概率模型，大大降低了背景更新的計(jì)算復(fù)雜度，使算法能滿足視頻監(jiān)控系統(tǒng)實(shí)時(shí)處理的要求；

進(jìn)一步的，所述初始化步驟中還包括

以第三策略提取若干數(shù)量的所述場(chǎng)景圖像進(jìn)入第一隊(duì)列，計(jì)算所述第一隊(duì)列中所述場(chǎng)景圖像的每一像點(diǎn)的亮度值，在第一隊(duì)列中，分別將每一像點(diǎn)位置的出現(xiàn)次數(shù)最多的亮度值，將該亮度值作為第一背景圖像上該像點(diǎn)位置的亮度值、和/或?qū)⒃摿炼戎底鳛榈诙尘皥D像上該像點(diǎn)位置的亮度值。

進(jìn)一步的，所述第二幀數(shù)設(shè)置為第一幀數(shù)的10-30倍。

進(jìn)一步的，所述二值化圖像生成步驟中，所述二值化圖像中的像素值包括第一極值和第二極值，任一位置的所述像素值差值大于第一預(yù)設(shè)閾值時(shí)，則該位置于二值化圖像中的像素值為第一極值；任一位置的所述像素值差值小于第一預(yù)設(shè)閾值時(shí)，則該位置的二值化圖像的像素值為第二極值。

進(jìn)一步的，所述第一策略中，每次比較結(jié)果產(chǎn)生時(shí)，對(duì)應(yīng)像點(diǎn)位置的所述第一像點(diǎn)的像素值變化為1。

進(jìn)一步的，所述第二策略中，每次比較結(jié)果產(chǎn)生時(shí)，對(duì)應(yīng)像點(diǎn)位置的所述第二像點(diǎn)的像素值變化為1。

進(jìn)一步的，還包括陰影抑制步驟，通過(guò)建立陰影模板判斷陰影區(qū)域并陰影區(qū)域從所述二值化圖像生成步驟中生成的所述二值化圖像中去除。

進(jìn)一步的，還包括形態(tài)學(xué)處理步驟，依次對(duì)所述二值化圖像進(jìn)行膨脹算法和腐蝕算法。

進(jìn)一步的，還包括形態(tài)學(xué)處理步驟，依次對(duì)所述二值化圖像進(jìn)行腐蝕算法和膨脹算法。

進(jìn)一步的，所述遺留物檢測(cè)步驟中，對(duì)所述二值化圖像進(jìn)行輪廓提取后得到輪廓形狀，所述輪廓形狀的最小外接矩形為確定的所述遺留物區(qū)域。

有益效果：由于采用以上技術(shù)方案，本發(fā)明構(gòu)建了全新的環(huán)境自適應(yīng)的雙背景模型，分別為前背景模型的第一背景圖像與后背景模型的第二背景圖像，對(duì)第一背景圖像和第二背景圖像設(shè)立了獨(dú)立的更新機(jī)制，第一背景圖像根據(jù)場(chǎng)景圖像更新，第二背景圖像根據(jù)更新后的第一背景圖像更新，并針對(duì)檢測(cè)到的靜態(tài)目標(biāo)位置，進(jìn)行選擇性的局部更新。然后對(duì)第一、第二背景圖像做差值運(yùn)算，同時(shí)使用陰影抑制技術(shù)來(lái)去除靜態(tài)目標(biāo)位置在自然光下的陰影對(duì)檢測(cè)到的靜態(tài)目標(biāo)位置的影響，形態(tài)學(xué)處理算法以及輪廓提取算法等處理圖像形成遺留物區(qū)域，對(duì)環(huán)境的適應(yīng)性、實(shí)時(shí)性、以及魯棒性較高。

附圖說(shuō)明

圖1為本發(fā)明遺留物檢測(cè)方法的流程圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

需要說(shuō)明的是，在不沖突的情況下，本發(fā)明中的實(shí)施例及實(shí)施例中的特征可以相互組合。

下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明，但不作為本發(fā)明的限定。

參照?qǐng)D1所示，一種遺留物檢測(cè)方法，提供一攝像機(jī)用于實(shí)時(shí)采集場(chǎng)景圖像，

初始化步驟，建立第一背景圖像以及第二背景圖像，第一背景圖像由若干第一像點(diǎn)組成，第二背景圖像由若干第二像點(diǎn)組成，每一所述第一像點(diǎn)的位置均與所述場(chǎng)景圖像中的每一像點(diǎn)的位置一一對(duì)應(yīng)，每一所述第二像點(diǎn)的位置點(diǎn)均與所述場(chǎng)景圖像中的每一像點(diǎn)的位置一一對(duì)應(yīng)；所述初始化步驟中還包括以第三策略提取若干數(shù)量的所述場(chǎng)景圖像進(jìn)入第一隊(duì)列，計(jì)算所述第一隊(duì)列中所述場(chǎng)景圖像的每一像點(diǎn)的亮度值，在第一隊(duì)列中，分別將每一像點(diǎn)位置的出現(xiàn)次數(shù)最多的亮度值，將該亮度值作為第一背景圖像上該像點(diǎn)位置的亮度值、和/或?qū)⒃摿炼戎底鳛榈诙尘皥D像上該像點(diǎn)位置的亮度值。第三策略可以是每隔若干幀數(shù)提取一幀場(chǎng)景圖像，以以下內(nèi)容為例，對(duì)初始化步驟進(jìn)行說(shuō)明，

a)每隔一定幀數(shù)(比如20幀)采樣一幀場(chǎng)景圖像；

b)采樣多次得到的若干幀場(chǎng)景圖像(比如30幅)保存在一個(gè)隊(duì)列中；

c)對(duì)場(chǎng)景圖像中的每個(gè)像點(diǎn)，統(tǒng)計(jì)在這30幅圖像中出現(xiàn)次數(shù)最多的亮度，并把這個(gè)亮度值作為第一背景圖像或第二背景圖像在該像點(diǎn)處的亮度值。

通過(guò)該背景初始化方法得到的背景圖像來(lái)同時(shí)對(duì)前背景與后背景進(jìn)行初始化。

實(shí)時(shí)更新步驟，每隔第一幀數(shù)以第一策略更新第一背景圖像中像點(diǎn)的像素值，每隔第二幀數(shù)以第二策略更新第二背景圖像中像點(diǎn)的像素值，所述第二幀數(shù)大于第一幀數(shù)；所述第一策略包括將每一第一像點(diǎn)的像素值與該幀的場(chǎng)景圖像中對(duì)應(yīng)位置的像點(diǎn)的像素值比較，根據(jù)比較結(jié)果使每一所述第一像點(diǎn)的像素值趨近所述場(chǎng)景圖像中對(duì)應(yīng)位置的像點(diǎn)的像素值變化；所述第二策略包括將不處于靜態(tài)目標(biāo)位置的每一所述第二像點(diǎn)的像素值與該時(shí)刻第一背景圖像中對(duì)應(yīng)位置的第一像點(diǎn)的像素值比較，根據(jù)比較結(jié)果使每一所述第二像點(diǎn)的像素值趨近對(duì)應(yīng)位置的所述第一像點(diǎn)的像素值變化；所述第一策略中，每次比較結(jié)果產(chǎn)生時(shí)，對(duì)應(yīng)像點(diǎn)位置的所述第一像點(diǎn)的像素值變化為1。所述第二策略中，每次比較結(jié)果產(chǎn)生時(shí)，對(duì)應(yīng)像點(diǎn)位置的所述第二像點(diǎn)的像素值變化為1。以下例對(duì)實(shí)時(shí)更新步驟進(jìn)行說(shuō)明，

第一背景圖像初始化后，隨著視頻的讀入，需要對(duì)第一背景圖像進(jìn)行實(shí)時(shí)更新。每讀入第3幀視頻場(chǎng)景圖像，將該幀場(chǎng)景圖像與第一背景圖像作對(duì)比，對(duì)每個(gè)像素點(diǎn)，如果該幀場(chǎng)景圖像的像素值大于第一背景圖像的像素值，則第一背景圖像在該點(diǎn)的像素值加1；反之，對(duì)每個(gè)像素點(diǎn)，若該幀場(chǎng)景圖像的像素值小于第一背景圖像的像素值，則第一背景圖像在該點(diǎn)的像素值減1。因此當(dāng)一個(gè)靜態(tài)目標(biāo)進(jìn)入到視頻中，隨著前背景的更新，該靜態(tài)目標(biāo)就會(huì)逐漸融入到前背景中。

第二背景圖像初始化后，隨著視頻的讀入，同樣需要對(duì)第二背景圖像進(jìn)行實(shí)時(shí)更新。例如每讀入第60幀圖像，將第二背景圖像與第一背景圖像作對(duì)比，對(duì)每個(gè)像素點(diǎn)，若該第二像點(diǎn)所在位置已被檢測(cè)為靜態(tài)目標(biāo)像素點(diǎn)所在位置，則該第二像點(diǎn)的像素值不更新，直到該第二像點(diǎn)所在位置不是靜態(tài)目標(biāo)位置為止；若第二像點(diǎn)所在位置目前沒(méi)有檢測(cè)到不是靜態(tài)目標(biāo)位置，并且第二背景圖像的像素值大于第一背景圖像的像素值，則第二背景圖像在該點(diǎn)的像素值減1；若第二像點(diǎn)所在位置目前沒(méi)有檢測(cè)到靜態(tài)目標(biāo)像素，并且后第二背景圖像的像素值小于第一背景圖像的像素值，則第二背景圖像在該點(diǎn)的像素值加1(選擇性局部更新)。

陰影抑制步驟，通過(guò)建立陰影模板判斷陰影區(qū)域并陰影區(qū)域從所述二值化圖像生成步驟中生成的所述二值化圖像中去除。陰影抑制，也叫做陰影去除，目的是去除掉靜態(tài)目標(biāo)在自然光下的陰影對(duì)目標(biāo)檢測(cè)的影響。當(dāng)有靜態(tài)目標(biāo)融入到前背景時(shí)，該目標(biāo)在自然光下的陰影也會(huì)同時(shí)融入到背景中，為了消除后期陰影對(duì)靜態(tài)目標(biāo)檢測(cè)的影響，在前、后背景差分后進(jìn)行陰影去除。

首先，把第一背景圖像和第二背景圖像從RGB色彩空間轉(zhuǎn)換到HSV(H為色調(diào)，S為飽和度，V為亮度)：

V＝max(R，G，B)

if H＜0 then H←H+360

R代表紅色值，G代表綠色值，B代表藍(lán)色值,min(R,G,B)代表R、G、B三個(gè)值的最小者，max(R,G,B)代表R、G、B三個(gè)值的最大者。

基于HSV色彩空間，采用良好的陰影抑制方法去除了在自然光下的陰影對(duì)靜態(tài)目標(biāo)檢測(cè)的影響，也進(jìn)一步改善了背景模型的更新以及后期對(duì)靜態(tài)目標(biāo)的分割與定位效果；陰影模板按照下式計(jì)算，基于第一、第二背景差分產(chǎn)生的二值化靜態(tài)目標(biāo)前景，對(duì)于SM值為1的像素，在前景中保留，否則拋棄：

其中I^H(x,y),I^S(x,y),I^V(x,y)分別為前背景圖像在HSV空間中像素點(diǎn)(x,y)的色調(diào)，飽和度，亮度；其中B^H(x,y),B^S(x,y),B^V(x,y)分別為后背景圖像在HSV空間中像素點(diǎn)(x,y)的色調(diào)，飽和度，亮度。在我們的實(shí)驗(yàn)中，閾值參數(shù)分別為：α＝0.3,β＝1.0,τ_S＝40,τ_H＝48。

靜態(tài)目標(biāo)位置判斷步驟，求每一位置的所述第一像點(diǎn)和所述第二像點(diǎn)的像素值差值，當(dāng)任一位置的所述像素值差值大于第一預(yù)設(shè)閾值的持續(xù)時(shí)間超過(guò)第一預(yù)設(shè)遺留時(shí)間時(shí)，則判斷該位置為所述靜態(tài)目標(biāo)位置；二值化圖像生成步驟，根據(jù)第一預(yù)設(shè)閾值對(duì)所述靜態(tài)目標(biāo)位置判斷步驟中每一位置二值化以生成二值化圖像；所述二值化圖像生成步驟中，所述二值化圖像中的像素值包括第一極值和第二極值，任一位置的所述像素值差值大于第一預(yù)設(shè)閾值時(shí)，則該位置于二值化圖像中的像素值為第一極值；任一位置的所述像素值差值小于第一預(yù)設(shè)閾值時(shí)，則該位置的二值化圖像的像素值為第二極值。

以下同時(shí)對(duì)靜態(tài)目標(biāo)位置判斷步驟以及二值化圖像生成步驟進(jìn)行解釋，由第一背景圖像和第二背景圖像的更新模型可以看出，第一背景與第二背景有著不同的更新速率，前者的更新速率接近是后者的20倍，當(dāng)物體進(jìn)入視頻后停止而成為靜態(tài)目標(biāo)后，首先經(jīng)過(guò)一段時(shí)間，該目標(biāo)會(huì)先融入到第一背景圖像中，在一定時(shí)間內(nèi)目標(biāo)不會(huì)融入到第二背景圖像中，在這段時(shí)間內(nèi)，通過(guò)第一背景圖像和第二背景圖像差分可以一直檢測(cè)到該靜態(tài)目標(biāo)。但是對(duì)于復(fù)雜場(chǎng)景中，我們排除掉一些物體或者人短暫停留的情況，因此我們?cè)O(shè)定遺留物的時(shí)間指標(biāo)，也就是第一預(yù)設(shè)遺留時(shí)間：當(dāng)目標(biāo)停留在場(chǎng)景中超過(guò)30秒時(shí)，該目標(biāo)即為我們要檢測(cè)的靜態(tài)目標(biāo)，也就是遺留物。在算法中，對(duì)每個(gè)像素，我們?cè)O(shè)定一個(gè)計(jì)數(shù)器，當(dāng)像素點(diǎn)對(duì)應(yīng)位置的第一、第二背景差分結(jié)果大于二值化閾值持續(xù)超過(guò)30秒時(shí)(接近800幀)，則認(rèn)定該像素點(diǎn)為靜態(tài)目標(biāo)像素點(diǎn)，其對(duì)應(yīng)的位置就是靜態(tài)目標(biāo)位置，則將該點(diǎn)投射到二值化圖像中(根據(jù)我們的雙背景更新速率，若在30內(nèi)對(duì)應(yīng)目標(biāo)像素點(diǎn)一直沒(méi)有離開(kāi)，則該像素點(diǎn)對(duì)應(yīng)位置的第一、第二背景差分結(jié)果在時(shí)間指標(biāo)內(nèi)是一直大于二值化閾值的，因此該像素點(diǎn)會(huì)被檢測(cè)到)。此時(shí)，第二背景圖像的選擇更新機(jī)制將不會(huì)更新對(duì)應(yīng)位置的像素點(diǎn)，因此只要靜態(tài)目標(biāo)一直停留在場(chǎng)景中，前、后背景差分就可以一直檢測(cè)到；反之，若靜態(tài)目標(biāo)一段時(shí)間后離開(kāi)了，前背景中該目標(biāo)也逐漸消失，則該靜態(tài)目標(biāo)也就會(huì)逐漸消失在二值化圖像中?；谝陨戏椒?，靜態(tài)目標(biāo)像素點(diǎn)通過(guò)持續(xù)的第一、第二背景圖像差分，投射到一張靜態(tài)目標(biāo)的二值化圖像中。

形態(tài)學(xué)處理步驟，依次對(duì)所述二值化圖像進(jìn)行膨脹算法和腐蝕算法，依次對(duì)所述二值化圖像進(jìn)行腐蝕算法和膨脹算法。通過(guò)第一、第二背景差分與陰影抑制得到了靜態(tài)目標(biāo)像素的二值化圖像，然而由于復(fù)雜場(chǎng)景下光照變化、目標(biāo)遮擋以及靜態(tài)目標(biāo)本身的色彩亮度等問(wèn)題，該二值化圖像中存在細(xì)小的或散點(diǎn)形式的噪聲，以及存在靜態(tài)目標(biāo)內(nèi)部空洞問(wèn)題。因此我們對(duì)靜態(tài)目標(biāo)像素二值化圖像首先進(jìn)行形態(tài)學(xué)處理開(kāi)運(yùn)算(先腐蝕后膨脹)，然后繼續(xù)進(jìn)行形態(tài)學(xué)處理閉運(yùn)算(先膨脹后腐蝕)。其中開(kāi)運(yùn)算用來(lái)去除靜態(tài)目標(biāo)二值化圖像中的細(xì)小或孤立噪聲點(diǎn)，平滑靜態(tài)目標(biāo)輪廓；閉運(yùn)算用來(lái)解決靜態(tài)目標(biāo)在二值化圖像中狹小的間斷問(wèn)題和內(nèi)部空洞問(wèn)題。

腐蝕算法：用一個(gè)結(jié)構(gòu)元素(一般是3×3的大小)，掃描圖像的每一個(gè)像素，用結(jié)構(gòu)元素與其覆蓋的二值圖像做“與”操作，如果都為1，結(jié)果圖像的該像素為1，否則為0。

膨脹算法：用一個(gè)結(jié)構(gòu)元素(一般是3×3的大小)，掃描圖像的每一個(gè)像素，用結(jié)構(gòu)元素與其覆蓋的二值圖像做“與”操作，如果都為0，結(jié)果圖像的該像素為0，否則為1。

遺留物檢測(cè)步驟，對(duì)所述二值化圖像生成步驟中生成的二值化圖像進(jìn)行輪廓提取以確定遺留物于所述場(chǎng)景圖像中的遺留物區(qū)域。所述遺留物檢測(cè)步驟中，對(duì)所述二值化圖像進(jìn)行輪廓提取后得到輪廓形狀，所述輪廓形狀的最小外接矩形為確定的所述遺留物區(qū)域。經(jīng)過(guò)上述處理，我們得到了最終的靜態(tài)目標(biāo)像素的二值化圖像。對(duì)于該二值化圖像，我們使用計(jì)算機(jī)開(kāi)源視覺(jué)庫(kù)OpenCV中的cvFindContours函數(shù)來(lái)提取輪廓，提取到的輪廓就是完整的靜態(tài)目標(biāo)(多個(gè)輪廓代表多個(gè)靜態(tài)目標(biāo))。對(duì)于每一個(gè)提取的輪廓，找到包含該輪廓的最小外接矩形，并根據(jù)該矩形的對(duì)應(yīng)坐標(biāo)位置在源視頻幀中框定檢測(cè)到的靜態(tài)目標(biāo)(遺留物)，若遺留物從場(chǎng)景中離開(kāi)，便提取不到它的輪廓，繼續(xù)檢測(cè)該物體。就這樣，基于我們?cè)O(shè)計(jì)的整體算法，實(shí)現(xiàn)了實(shí)時(shí)且精確的靜態(tài)目標(biāo)(遺留物)檢測(cè)?；诒景l(fā)明提出的全新雙背景模型以及后期的細(xì)節(jié)圖像處理構(gòu)成的整體算法框架無(wú)論是理論上還是實(shí)際應(yīng)用實(shí)現(xiàn)上都很魯棒，能實(shí)時(shí)且精確地檢測(cè)復(fù)雜場(chǎng)景中的遺留物以及道路場(chǎng)景中違章停車等靜態(tài)目標(biāo)出現(xiàn)的情況；

另，發(fā)明的算法既可以使用本地的監(jiān)控視頻作為視頻數(shù)據(jù)來(lái)源，也可以將移動(dòng)終端連接到單目實(shí)時(shí)監(jiān)控?cái)z像機(jī)以實(shí)時(shí)監(jiān)控畫面作為視頻數(shù)據(jù)來(lái)源，運(yùn)行場(chǎng)景靈活多變，便于實(shí)驗(yàn)與實(shí)施。

以上所述僅為本發(fā)明較佳的實(shí)施例，并非因此限制本發(fā)明的實(shí)施方式及保護(hù)范圍，對(duì)于本領(lǐng)域技術(shù)人員而言，應(yīng)當(dāng)能夠意識(shí)到凡運(yùn)用本發(fā)明說(shuō)明書(shū)及圖示內(nèi)容所作出的等同替換和顯而易見(jiàn)的變化所得到的方案，均應(yīng)當(dāng)包含在本發(fā)明的保護(hù)范圍內(nèi)。