运动目标实时检测与跟踪方法及目标检测装置与流程

本发明涉及高清视频图像处理领域，尤其涉及一种基于DSP（数字信号处理器）的高清视频运动目标实时检测与跟踪方法及目标检测装置。
背景技术：
：运动目标检测与跟踪技术是智能图像处理和视频处理的热点问题，在场景监控、社会生活、医疗、军事、交通道路监控、气象分析、自主导航领域都有着广阔的应用前景和长久的经济价值。其中运动目标检测为通过视频图像序列之间的关联信息找出运动目标，目前的运动目标检测方法主要有背景差分法、帧间差分法和光流法。然而，由于背景差分法在一直有运动目标的场景中很难获得完整的背景，帧间差分法会存在空洞，光流法的计算量太大等原因，现有的运动目标检测方法都无法满足现实的需求。目标跟踪为通过运动目标的特征信息来跟踪运动目标的运动轨迹，目前比较流行的目标跟踪方法主要有模板匹配法、卡尔曼滤波法、粒子滤波法和自适应均值滤波算法，但是它们的运算量都特别的大，在高清视频的图像的处理中的实时性和准确性无法得到有力的保证。技术实现要素：有鉴于此，有必要提供一种运动目标实时检测与跟踪方法及目标检测装置以保证对运动目标进行检测时的实时性及准确性的要求。一种目标检测装置，包括视频采集单元、处理单元、显示单元及编码器，该视频采集单元用于采集一待检测运动目标的视频图像信号，该编码器用于将视频采集单元采集的视频图像信号转换成数字图像帧序列，该处理单元包括：模型建立模块，用于接收编码器对采集的视频图像信号进行转换后得到的数字图像帧序列，根据改进的三帧差分算法和线段编码填充算法建立并实时更新背景模型直至得到完整稳定的背景模型；模板确定模块，用于根据模型建立模块建立的背景模型及模型建立模块接收到的帧图像运用背景差分算法和形态学处理方法检测出运动目标并获取运动目标模板，确定接收到的下一帧图像中运动目标跟踪的搜索区域,并把该运动目标模板和搜索区域的像素转化成灰度像素；跟踪模块，用于根据模板确定模块确定的运动目标模板及搜索区域运用改进的十字钻石搜索与空间直方图相结合的目标跟踪算法对运动目标进行实时的跟踪；及显示控制模块，用于将经过模型建立模块、模板确定模块及跟踪模块处理后的数字图像帧序列控制显示在显示单元上。一种运动目标实时检测与跟踪方法，该方法包括步骤：接收编码器对采集的视频图像信号进行转换后得到的数字图像帧序列，根据改进的三帧差分算法和线段编码填充算法建立并实时更新背景模型直至得到完整稳定的背景模型；根据建立的背景模型及接收到的帧图像运用背景差分算法和形态学处理方法检测出运动目标并获取运动目标模板，确定接收到的下一帧图像中运动目标跟踪的搜索区域,并把该运动目标模板和搜索区域的像素转化成灰度像素；根据确定的运动目标模板及搜索区域运用改进的十字钻石搜索与空间直方图相结合的目标跟踪算法对运动目标进行实时的跟踪；及将处理后的数字图像帧序列控制显示在显示单元上。本发明提供的运动目标实时检测与跟踪方法及目标检测装置可以满足对运动目标进行检测时的实时性及准确性的要求。附图说明图1为本发明一实施方式中目标检测装置的功能模块图。图2为本发明一实施方式中运动目标实时检测与跟踪系统的功能模块图。图3为本发明一实施方式中接收的连续三帧图像的示意图。图4为图3中连续两帧图像帧间差分并二值化后的示意图。图5为图4中的图像经过线段编码扩充后的示意图。图6为本发明一实施方式中线段编码算法的示意图。图7为本发明一实施方式中小十字形模板的示意图。图8为本发明一实施方式中大十字形模板的示意图。图9为本发明一实施方式中运动目标实时检测与跟踪方法的流程图。图10所示为本发明一实施方式中建立并实时更新背景模型的方法的流程图。图11为本发明一实施方式中获取运动目标模板及确定搜索区域的方法流程图。图12为本发明一实施方式中对运动目标进行跟踪方法的流程图。主要元件符号说明目标检测装置10视频采集单元11存储单元12处理单元13显示单元14编码器15通信单元16运动目标实时检测与跟踪系统100模型建立模块101模板确定模块102跟踪模块103显示控制模块104图像区域A1、A11、A2、A22小十字形模板M1大十字形模板M2步骤S10~S80步骤S101~S111步骤S201~S204步骤S301~308如下具体实施方式将结合上述附图进一步说明本发明。具体实施方式下面结合附图及实施方式对本发明提供的运动目标实时检测与跟踪方法及目标检测装置作进一步详细说明。请参考图1,所示为本发明一实施方式中目标检测装置10的功能模块图。该目标检测装置10用于对接收到的高清视频图像中的运动目标进行实时检测与跟踪。该目标检测装置10包括视频采集单元11、存储单元12、处理单元13、显示单元14及编码器15。该视频采集单元11用于采集一待检测运动目标的视频图像信号。本实施方式中，该视频采集单元11为一CCD（Charge-coupledDevice，电荷耦合器件）摄像头。该编码器15用于将视频采集单元11采集的模拟视频图像信号转换成数字视频图像信号，即转换成数字图像帧序列。其中，该经过编码器15转换后的数字图像帧序列可以方便地对后续的视频图像中的运动目标进行实时检测与跟踪。该处理单元13用于接收编码器15转换后得到的数字视频信号，并对该接收到的数字视频信号中的运动目标进行实时检测与跟踪处理，并将经过实时检测与跟踪处理的图像显示在显示单元14上。本实施方式中，该处理单元13为一DSP（digitalsignalprocessor，数字信号处理器）芯片，特别为一型号为TMS320DM6467的DSP芯片。该显示单元14为一LCD显示屏或一LED显示屏，该编码器15为一型号为TVP5158的编码器。该存储单元12可为内存、闪存、硬盘等。请参考图2，所示为本发明一实施方式中运动目标实时检测与跟踪系统100的功能模块图。本实施方式中，该系统100包括模型建立模块101、模板确定模块102、跟踪模块103及显示控制模块104。本实施方式中，该系统100所称的模块是指能够被目标检测装置10的处理单元13执行且能够完成特定功能的一系列程序指令段，其存储在目标检测装置10的存储单元12中。具体的，请参考图1所示，该目标检测装置10还包括一通信单元16，该目标检测装置10通过该通信单元16与一计算机20进行通信连接。该目标检测装置10接收该计算机20发送的包括有该系统100的程序指令段，并将接收的该系统100的程序指令段存储在存储单元12中。在另一实施方式中，该系统100的程序指令段可预先通过磁盘拷贝等方式存储于该存储单元12中。在其他实施方式中，该系统100为内嵌在目标检测装置10的处理单元13中的程序段/固件(firmware)。该模型建立模块101用于接收编码器15对采集的视频图像信号进行转换后得到的数字图像帧序列，根据改进的三帧差分算法和线段编码填充算法建立并实时更新背景模型直至得到完整稳定的背景模型。具体的，该模型建立模块101每间隔预定时间接收一帧图像，判断接收到的图像的总帧数是否不小于3帧，并在确定接收的图像的总帧数不小于3帧时将接收到的第二帧图像作为初始背景模型，该初始背景模型即为该第二帧图像的背景模型。该模型建立模块101从第三帧图像开始根据改进的三帧差分算法和线段编码填充算法及基于前一帧图像的背景模型计算得出当前帧图像的背景模型，计算当前接收到的一帧图像的背景模型和前一接收到的一帧图像的背景模型之间的差值而得到一帧间差分结果，并对该帧间差分结果进行二值化而得到一二值化图像。其中，对帧间差分结果进行二值化指将背景模型之间的帧间差分结果中不为0的值限定为1，为0的值限定为0。其中，背景模型之间的帧间差分结果是基于两帧图像间的彩色像素点的像素值进行运算得到的。该模型建立模块101并对该二值化图像进行形态学处理以消除二值化图像中的噪声并根据该消噪后的二值化图像判断当前更新的背景是否为完整稳定的背景模型。该模型建立模块101并在判断背景模型之间的帧间差分中的值为0的个数大于99%时确定当前更新的背景为完整稳定的背景模型并将当前更新的背景作为该完整稳定的背景模型，从而生成完整稳定的背景模型。其中，对二值化的图像进行形态学处理以消除图像中的噪声的方法为本领域常用的技术方法，这里不再详述。请参考图3，所示为本发明一实施方式中接收的连续三帧图像、、的示意图。其中，图3(a)为图像的示意图，图3(b)为图像的示意图，图3（c）为图像的示意图，其中，图3中每个方格中的数字表示对应图像的像素值。该模型建立模块101中根据改进的三帧差分算法和线段编码填充算法实时更新背景模型的具体过程包括：计算连续接收的三帧图像、、中相邻两帧图像之间的帧间差分；将帧间差分结果二值化为图像及，即，将图像、之间的帧间差分结果二值化为图像，将图像、之间的帧间差分结果二值化为图像。请参考图4，图4(a)为图像的示意图，图4(b)为图像的示意图。其中，每两帧图像进行帧间差分运算都是基于彩色像素点的像素值进行计算得到的。该模型建立模块101中根据改进的三帧差分和线段编码填充算法实时更新背景模型的具体过程还包括：如图5所示，对二值化图像和分别进行线段编码和连通性分析，并对二值化图像和中属于同一连通区域且位于同一行的线段之间的空白部分进行填充并消除空洞之后得到两个处理后的图像和，请参考图5，图5（a）为经过线段编码扩充后的图像的示意图，图5（b）为经过线段编码扩充后的图像的示意图。其中，线段指的是像素值为1的同一行中的相邻点的连线。例如，图4（a）的图像区域A1的对应像素点的像素值经过线段编码扩充后由0变为1，参见图5（a）的图像区域A11,图4（b）的图像区域A2的对应像素点的像素值经过线段编码后由0变为1，参见图5（b）的图像区域A22；计算的值并将值为-1的二值化为1，其它的值二值化为0，并记为，其中，二值化后的对应像素为1的点即为背景中应该更新的像素点；根据公式，更新背景模型，其中，为初始化背景模型，即为初始输入的第二帧图像的像素点，为第K+1帧图像对应的背景模型，K为任意自然数。其中，该模型建立模块101分别对二值化图像和进行线段编码具体过程为：分别从上到下及从左到右对图像和进行扫描，获取图像和中每一行的线段，并判断当前行中的线段与上一行的任何线段都不相邻时，将该线段初始化为新的连通区域；若判断当前行的线段仅和上一行的一条线段相邻时，将该线段加入到上一行线段所在的连通区域；若判断当前行的线段和上一行的多条线段相邻时，填充上一行多条线段之间的空洞部分，并将当前行的线段加入到这个连通区域，分析被填充线段与上一行线段的连通性，若与多条线段相邻时要继续填充线段；若当前有多条线段与上一行的同一条线段相邻时，直接填充中间的空洞部分，并将该填充线段加入到上一行线段所在的连通区域。例如，如图6中(a)所示，该模型建模模块101对整幅图像进行从上到下及从左到右的逐行扫描，当扫描第1行的时候，发现只有线段1，此时将线段1记为连通区域1；扫描第二行的时候，发现线段2和线段3为两条分离的线段，然后分析线段2和线段3与上一行连通区域的关系，通过分析线段2和线段1相邻，此时把线段2加入到线段1所在的连通区域1，线段3放入初始化的连通区域2；扫描第3行的时候，线段4与上一行的线段2和线段3都相邻，此时将线段2所在的连通区域1和线段3所在的连通区域2合并为连通区域1，然后对线段2和线段3中间的区域进行填充；扫描第4行的时候，线段5与线段6都与线段4相邻，此时将线段5及线段6都加入到连通区域1，然后对线段5和线段6中间的连通区域进行填充；扫描第5行的时候，线段7与线段5和线段6相邻，此时将线段7加入到线段5和线段6所在的连通区域1，填充之后得到如图6中（b）所示的连通区域。该模型建立模块101所采用的背景建模方法能够在获取的视频图像中一直有运动物体的情况下得到实时完整的背景模型，而且算法中是基于彩色像素点的运算，所以背景模型的准确性比基于灰度图像所得的背景模型要高，并且由于是对背景模型的实时更新，所以能够有效的降低噪声和外来小物体对目标检测的干扰，当获取的视频图像中的运动物体突然停止变为背景时，能够迅速的识别并对背景模型进行更新；当获取的视频图像中的背景突然运动变为运动前景时，实时的背景更新能够防止其对运动目标检测的干扰。该模板确定模块102用于根据模型建立模块101建立的背景模型及模型建立模块101接收到的帧图像运用背景差分算法和形态学处理方法检测出运动目标并获取运动目标模板，确定模型建立模块101接收到的下一帧图像中运动目标跟踪的搜索区域,并把该运动目标模板和搜索区域的像素转化成灰度像素。具体的，该模板确定模块102首先根据背景差分算法计算当前接收到的帧图像与背景模型的帧间差分，并对帧间差分结果进行二值化和形态学处理，检测出完整的运动目标前景。其中，通过背景差分算法和形态学处理方法检测出运动目标前景是本领域内技术人员常采用的方法，在此不再详述。该模板确定模块102并以运动目标前景的形心为中心，从运动目标前景中选取的区域，即选取运动目标前景中的2m+1行乘2m+1列的像素区域作为运动目标模板，其中，m为任意自然数。该模板确定模块102并在下一帧图像中以当前帧（即下一帧图像的前一帧）图像中运动目标前景的形心为中心，从下一帧图像中选取的区域作为搜索区域，其中，为大于的任意自然数，该搜索区域表示运动目标模板形心的运动区域。该模板确定模块102并把该运动目标模板和以搜索区域形心为中心的区域的各个像素点的彩色像素值通过一转换公式转化为灰度像素值，该转换公式为：，其中分别表示某一像素点的彩色像素矢量对应三原色值，代表该像素点的灰度像素值。从而，本实施方式中，模板确定模块102运用背景差分算法和形态学处理方法得到完整的运动目标前景，以运动目标前景的形心为中心，选取的区域作为运动目标模板，在下一帧图像中以当前帧中运动目标前景的形心为中心，选取的区域作为搜索区域，其中大于，该搜索区域表示运动目标模板形心的运动区域。目标模板和搜索区域的边长选用奇数个像素是为了后续的计算以及搜索点的寻找。再将运动目标模板和下一帧图像中以搜索区域形心为中心的区域的彩色像素转化为灰色像素，可以降低目标匹配算法的复杂度。该跟踪模块103用于根据模板确定模块102确定的运动目标模板及搜索区域运用改进的十字钻石搜索与空间直方图相结合的目标跟踪算法对运动目标进行实时的跟踪。具体的，请参考图7，所示为本发明一实施方式中小十字形模板M1的示意图。该小十字形模板M1为一中心点及位于该中心点四周的四个端点构成的一“十字形”模板。该跟踪模块103首先对以该模板确定模块102确定的搜索区域中心为中心点的小十字形模板M1中待搜索的五个点进行目标匹配，找到最佳匹配点。其中，该待搜索的五个点为“十字形”的中心点及位于该中心点四周的四个端点。具体的，该跟踪模块103确定待搜索的各个点对应的空间直方图及运动目标模板对应的空间直方图，然后通过公式，分别计算待搜索的各点的空间直方图与运动目标模板对应的空间直方图之间的相似度值，将其中与运动目标模板的空间直方图的相似度值最大的空间直方图对应的点确定为最佳匹配点。其中，及为两个空间直方图，，，其中，，是空间直方图中总区间数，和是第个区间的概率，、为属于第个区间的所有像素坐标的均值，、为属于第个区间的所有像素坐标的协方差，和分别是运用高斯模型对第个区间的像素位置进行建模后所得的空间特征，两者之间的是两个空间特征分别到其估计得到的高斯分布的KL散度之和。该跟踪模块103并判断该最佳匹配点是否位于小十字形模板M1的中心，如果该最佳匹配点位于小十字形模板M1的中心，则停止搜索并记当前的最佳匹配点为最终的最佳匹配点，如果该最佳匹配点不是位于小十字形模板M1的中心，则继续搜索以当前最佳匹配点为中心的小十字形模板M1中未搜索的其他三个点。请参考图8，所示为本发明一实施方式中大十字形模板M2的示意图。该大十字模板M2为一包括中心点及位于中心点四周的八个点构成的一“十字形模板”。该跟踪模块103判断最佳匹配点是否位于当前小十字形模板M1的中心，如果最佳匹配点位于当前小十字形模板M1的中心，则停止搜索并标记当前最佳匹配点为最终的最佳匹配点，如果最佳匹配点不是位于当前小十字形模板M1的中心，则判断最佳匹配点是否位于以搜索区域中心为中心点的大十字形模板M2的最外围。如果最佳匹配点位于该大十字形模板M2的最外围，则搜索以搜索区域中心为中心点的大十字形模板M2最外围的其他三个点，找到最佳匹配点，并以当前最佳匹配点为中心点运用钻石搜索算法找到最终匹配点。如果该跟踪模块103判断最佳匹配点不是位于大十字形模板M2的最外围，则直接以当前最佳匹配点为中心点运用钻石搜索算法找到最终最佳匹配点。其中，该最终的最佳匹配点即为运动目标的位置。其中，该钻石搜索算法为本领域的技术人员对运动目标进行跟踪的常用算法，在此不再详述。该跟踪模块103还用于在对运动目标的跟踪没有结束时，接收下一帧图像并更新运动目标模板，并根据更新后的运动目标模板及下一帧图像对运动目标继续进行跟踪，从而实现运动目标的连续跟踪。具体的，该跟踪模块103首先判断对运动目标的跟踪是否结束，如果没有结束，则以当前帧图像中确定的最佳匹配点为中心，选取的区域作为运动目标模板，完成对运动目标模板的实时更新；接收下一帧图像并在下一帧图像中以当前帧图像中的最佳匹配点为中心，选取的区域作为搜索区域，其中大于，该搜索区域表示更新后的运动目标模板形心的运动区域；把更新后的运动目标模板及下一帧图像中以该下一帧图像的最佳匹配点为中心的的区域的彩色像素转化为灰色像素；继续以改进的十字钻石搜索与空间直方图相结合的目标更新算法对运动目标进行连续跟踪。该显示控制模块104用于控制将经过模型建立模块101、模板确定模块102、跟踪模块103处理后的数字图像帧序列显示在显示单元14上。请参考图9，所示为本发明一实施方式中运动目标实时检测与跟踪方法的流程图。该方法应用在上述的目标检测装置10中。该方法包括步骤：S10：接收编码器15对采集的视频图像信号进行转换后得到的数字图像帧序列，根据改进的三帧差分算法和线段编码填充算法建立并实时更新背景模型直至得到完整稳定的背景模型。S20：根据建立的背景模型及接收到的帧图像运用背景差分算法和形态学处理方法检测出运动目标并获取运动目标模板，确定接收到的下一帧图像中运动目标跟踪的搜索区域,并把该目标模板和搜索区域的像素转化成灰度像素。S30：根据确定的目标模板及搜索区域运用改进的十字钻石搜索与空间直方图相结合的目标跟踪算法对运动目标进行实时的跟踪。S40：判断对运动目标的跟踪是否结束，如果没有结束，则执行步骤S50，如果结束，则执行步骤S80。S50：以当前帧图像中确定的最佳匹配点为中心，选取的区域作为运动目标模板，完成对目标模板的实时更新。S60：接收下一帧图像并在下一帧图像中以该下一帧图像的当前帧图像中的最佳匹配点为中心，选取的区域作为搜索区域，其中大于，该搜索区域表示更新后的目标模板形心的运动区域。S70：把更新后的运动目标模板及下一帧图像中以最佳匹配点为中心的的区域的彩色像素转化为灰色像素后执行步骤S30。S80：将处理后的数字图像序列显示在显示单元14上。请参考图10，所示为本发明一实施方式中建立并实时更新背景模型的方法的流程图，即步骤S10的具体方法流程图。该方法包括步骤：S101：每间隔预定时间接收一帧图像；S102：判断接收的图像的总帧数是否不小于3帧，并在确定接收的图像的总帧数不小于3帧时执行步骤S103，否则，返回步骤S101；S103将接收的第二帧图像作为初始背景模型；S104：计算连续接收的三帧图像、、中相邻两帧图像之间的帧间差分，并将帧间差分结果二值化为图像及，即，将图像、之间的帧间差分结果二值化为图像，将图像、之间的帧间差分结果二值化为图像；S105：对二值化图像和分别进行线段编码和连通性分析，并对二值化图像和中属于同一连通区域且位于同一行的线段之间的空白部分进行填充并消除空洞之后得到两个处理后的图像和；S106：计算的值并将值为-1的二值化为1，其它的值二值化为0，并记为，其中二值化后的对应像素为1的点即为背景中应该更新的像素点；S107：根据公式，更新背景模型，其中为初始化背景模型，即为初始输入的第二帧图像的像素点；S108：计算得出当前接收到的一帧图像的背景模型和前一接收到的一帧图像的背景模型之间的差值而得到一帧间差分结果，并对该帧间差分结果进行二值化而得到一二值化图像；S109：对二值化的图像进行形态学处理以消除二值化图像中的噪声；S110：判断当前更新的背景是否为完整稳定的背景模型，其中，若背景模型之间的帧间差分结果中的值为0的个数大于99%时即可认为当前更新的背景为完整稳定的背景模型，若当前更新的背景模型为完整稳定的背景模型，则执行步骤S111，否则，返回步骤S101；S111：生成完整稳定的背景模型。其中，在步骤S105中对二值化图像和分别进行线段编码和连通性分析具体包括：分别从上到下及从左到右对图像和进行扫描，获取图像和中每一行的线段，并判断当前行中的线段与上一行的任何线段都不相邻时，将该线段初始化为新的连通区域；若判断当前行的线段仅和上一行的一条线段相邻时，将该线段加入到上一行线段所在的连通区域；若判断当前行的线段和上一行的多条线段相邻时，填充上一行多条线段之间的空洞部分，并将当前行的线段加入到这个连通区域，分析被填充线段与上一行线段的连通性，若与多条线段相邻时要继续填充线段；若当前有多条线段与上一行的同一条线段相邻时，直接填充中间的空洞部分，并将该填充线段加入到上一行线段所在的连通区域。请参考图11，所示为本发明一实施方式中获取运动目标模板及确定搜索区域的方法流程图，即步骤S20的具体方法流程图。该方法包括步骤：S201：根据背景差分算法计算当前接收到的帧图像与背景模型的帧间差分，并对帧间差分结果进行二值化和形态学处理，检测出完整的运动目标前景；S202：以运动目标前景的形心为中心，从运动目标前景中选取的区域，即选取运动目标前景图像中的2m+1行乘2m+1列的区域作为运动目标模板，其中，m为任意自然数；S203：在下一帧图像中以当前帧图像中运动目标的形心为中心，选取的区域作为搜索区域，其中，为大于的任意自然数，该搜索区域表示运动目标模板形心的运动区域；S204：把该运动目标模板和以搜索区域形心为中心的区域的各个像素点的彩色像素值通过一转换公式转化为灰度像素值，该转换公式为：，其中分别表示某一像素点的彩色像素矢量对应三原色值，代表该像素点的灰度像素值。请参考图12，所示为本发明一实施方式中对运动目标进行跟踪方法的流程图，即步骤S30的具体方法流程图。该方法包括步骤：S301：首先搜索以搜索区域中心为中心点的小十字形模板M1中待搜索的五个点进行目标匹配，找到最佳匹配点，本实施方式中，通过公式，分别计算待搜索的各点的空间直方图与运动目标模板的空间直方图之间的相似度值，将其中与运动目标模板的空间直方图的相似度值最大的点确定为最佳匹配点；S302：判断该最佳匹配点是否位于小十字形模板M1的中心，如果该最佳匹配点位于小十字形模板M1的中心，则执行步骤S308，否则，执行步骤S303；S303：继续搜索以当前最佳匹配点为中心的小十字形模板M1中未搜索的其他三个点；S304：判断最佳匹配点是否位于当前小十字形模板M1的中心，如果最佳匹配点位于当前小十字形模板M1的中心，则执行步骤S308，否则执行步骤S305；S305：判断最佳匹配点是否位于以搜索区域中心为中心点的大十字形模板M2的最外围，其中，若最佳匹配点位于该大十字形模板M2的最外围，则执行步骤S306，否则执行步骤S307；S306：搜索以搜索区域中心为中心点的大十字形模板M2最外围的其他三个点，找到最佳匹配点；S307：以当前最佳匹配点为中心点运用钻石搜索算法找到最终匹配点；S308：停止搜索并记当前的最佳匹配点为最终的最佳匹配点，其中，该最终的最佳匹配点即为运动目标的位置。以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和实质。当前第1页1 2 3