一种虹膜识别方法、装置及系统与流程

本申请属于虹膜识别技术领域，具体地讲，涉及一种虹膜识别方法、装置及系统。

背景技术：

目前，虹膜识别技术通过前端的采集设备(比如摄像头)采集人类虹膜信息，然后需要对采集的虹膜信息进行加密传输处理。但是，采集设备一般支持人眼与设备之间在30cm～100cm的距离下采集，导致采集虹膜图像包含除虹膜以外的大量冗余信息(比如眼部其他区域或眼球区域中其他区域)，对包含大量冗余信息的虹膜原始图像进行加密传输不仅会耗时长，而且在后端解密处理时运算量大，导致虹膜识别交易耗时长、效率低、用户体验差等问题。

技术实现要素：

本申请提供了一种虹膜识别方法、装置及系统，以至少解决当前采集到的虹膜图像包含有大量冗余信息加重了系统的运算负担的问题。

根据本申请的一个方面，提供了一种虹膜识别方法，包括：

通过边缘检测算法确定获取的虹膜原始图像中的上下眼睑区域和瞳孔区域；

根据上下眼睑区域和瞳孔区域确定虹膜的核心特征区域；

截取核心特征区域并将核心特征区域与数据库中已注册的虹膜核心特征区域采用不同类型的识别算法进行比对识别。

在一实施例中，根据上下眼睑区域和瞳孔区域确定虹膜的核心特征区域，包括：

确定上下眼睑区域中的虹膜外切圆区域；

对虹膜外切圆区域的图像进行梯度计算获取虹膜外切圆边缘；

在虹膜外切圆区域中确定瞳孔区域，并对瞳孔区域进行梯度计算获取瞳孔边缘；

以虹膜外切圆边缘和瞳孔边缘为界，将瞳孔在虹膜外切圆中的补集标记为虹膜的核心特征区域。

在一实施例中，识别算法的类型为：1:1识别算法，截取核心特征区域并将核心特征区域与数据库中已注册的虹膜核心特征区域采用不同类型的识别算法进行比对识别，包括：

提取核心特征区域中的虹膜特征；

通过预先训练的虹膜识别模型将核心特征区域中的虹膜特征与已注册的虹膜特征进行1:1比对并将比对结果返回至用户端。

在一实施例中，识别算法的类型为：1：n识别算法，截取核心特征区域并将核心特征区域与数据库中已注册的虹膜核心特征区域采用不同类型的识别算法进行比对识别，包括：

提取核心特征区域中的虹膜特征；

通过预先训练的虹膜识别模型将核心特征区域中的虹膜特征与已注册的n个虹膜特征进行比对并将比对结果返回至用户端，其中n为大于1的自然数。

在一实施例中，虹膜识别方法还包括：

对虹膜的核心特征区域进行加密后进行存储。

在一实施例中，虹膜识别模型的训练步骤包括：

对获取的历史虹膜图像中的核心特征区域进行标定；

将标定后的历史虹膜图像作为训练样本对虹膜识别模型进行训练。

根据本申请的另一个方面，还提供了一种虹膜识别装置，包括：

边缘检测单元，用于通过边缘检测算法确定获取的虹膜原始图像中的上下眼睑区域和瞳孔区域；

核心特征区域确定单元，用于根据上下眼睑区域和瞳孔区域确定虹膜的核心特征区域；

识别单元，用于截取核心特征区域并将核心特征区域与数据库中已注册的虹膜核心特征区域采用不同类型的识别算法进行比对识别。

在一实施例中，核心特征区域确定单元包括：

虹膜外切圆确定模块，用于确定上下眼睑区域中的虹膜外切圆区域；

虹膜外边缘计算模块，用于对虹膜外切圆区域的图像进行梯度计算获取虹膜外切圆边缘；

瞳孔外边缘计算模块，用于在虹膜外切圆区域中确定瞳孔区域，并对瞳孔区域进行梯度计算获取瞳孔边缘；

求差模块，用于以虹膜外切圆边缘和瞳孔边缘为界，将瞳孔在虹膜外切圆中的补集标记为虹膜的核心特征区域。

在一实施例中，识别算法的类型为：1:1识别算法，识别单元包括：

第一虹膜特征提取模块，用于提取核心特征区域中的虹膜特征；

1:1比对模块，用于通过预先训练的虹膜识别模型将核心特征区域中的虹膜特征与已注册的虹膜特征进行1:1比对并将比对结果返回至用户端。

在一实施例中，识别算法的类型为：1:n识别算法，识别单元包括：

第二虹膜特征提取模块，用于提取核心特征区域中的虹膜特征；

1:n比对模块，用于通过预先训练的虹膜识别模型将核心特征区域中的虹膜特征与已注册的n个虹膜特征进行比对并将比对结果返回至用户端，其中n为大于1的自然数。

在一实施例中，虹膜识别装置还包括：

加密传输存储单元，用于对虹膜的核心特征区域进行加密后进行存储。

通过本申请提供的方法、装置及系统可以解决当前存在的虹膜图像数据传输效率低、运算效率低、安全性低等问题，通过对虹膜图像关键特征区域(也称之为核心特征区域)进行选取后仅针对关键特征区域进行加密传输处理，不仅可以提高前端的加密速度，还可以降低后端解密的运算量，达到了提升虹膜识别效率的目的。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1a为本申请提供的一种以虹膜采集加密端为执行主体的虹膜识别方法流程图。

图1b为本申请提供的一种以虹膜算法处理端为执行主体的虹膜识别方法流程图。

图2为本申请实施例中确定虹膜的核心特征区域的流程图。

图3为本申请实施例中一种虹膜识别比对方法流程图。

图4为本申请实施例中另一种虹膜识别比对方法流程图。

图5为本申请提供的一种虹膜识别装置结构框图。

图6为本申请实施例中一种虹膜识别系统框图。

图7为本申请实施例中虹膜采集模块结构框图。

图8为本申请实施例中虹膜传输加密模块结构框图。

图9为本申请实施例中虹膜算法处理模块结构框图。

图10为本申请实施例中核心特征区域的选取示例。

图11为本申请实施例中一种电子设备的具体实施方式。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本申请实施例提供的方法、装置及系统可用于信息安全技术领域，也可以用于除信息安全技术领域之外的任意技术领域，本申请对应用领域不做限定。

当前采集到的红膜图像中包含除虹膜以外的大量冗余信息，对包含大量冗余信息的虹膜原始图像进行加密传输，在前端加密时耗时长、在后端解密处理时运算量大，导致虹膜识别交易耗时长、效率低、用户体验差等问题，基于此问题，本申请提供了一种基于核心特征的虹膜识别方法，该方法可应用于虹膜采集加密端，如图1a所示，包括：

s101：通过边缘检测算法确定获取的虹膜原始图像中的上下眼睑区域和瞳孔区域。

s102：根据上下眼睑区域和瞳孔区域确定虹膜的核心特征区域。

s103：截取所述核心特征区域并加密发送至虹膜算法处理端，以使虹膜算法处理端将所述核心特征区域与数据库中已注册的虹膜核心特征区域采用不同类型的识别算法进行比对识别。

首先，当进行虹膜识别时，摄像头采集人的虹膜原始图像。由于虹膜原始图像中包含了大量的冗余信息，比如眼皮、眼球区域等，这些冗余信息并不能有助于提升虹膜识别的准确度，相反，冗余信息的存在会占用大量存储空间，使得加密、传输、解密的时间变得更长，因此，需要对虹膜原始图像进行处理，只提取对虹膜识别有用的核心特征区域的信息，然后对核心特征区域进行单独加密传输等，这样可以极大地缩小存储空间的占用。

图1a所示方法的执行主体可以为计算机、pc、终端等，通过对虹膜图像关键特征区域进行选取后仅针对关键特征区域进行加密传输处理，不仅实现了提高前端的加密速度的功能，还实现了降低后端解密的运算量的功能，达到了提升虹膜识别效率的目的。

在一实施例中，根据上下眼睑区域和瞳孔区域确定虹膜的核心特征区域，如图2所示，包括：

s201：确定上下眼睑区域中的虹膜外切圆区域。

s202：对虹膜外切圆区域的图像进行梯度计算获取虹膜外切圆边缘。

s203：在虹膜外切圆区域中确定瞳孔区域，并对瞳孔区域进行梯度计算获取瞳孔边缘。

s204：以虹膜外切圆边缘和瞳孔边缘为界，将瞳孔在虹膜外切圆中的补集标记为虹膜的核心特征区域。

在一具体实施例中，首先发起虹膜关键特征定位请求，如图10所示，通过canny/sobel等边缘检测算法确定虹膜图像上下眼睑区域，然后判断是否成功定位上下眼睑区域内虹膜外切圆边界，如果是，则截取虹膜外切圆的区域，然后对截取的这部分进行梯度计算得到虹膜外切圆的边缘。接下来，在虹膜外切圆区域中定位瞳孔的位置，如果定位成功，则将虹膜外切圆区域与瞳孔区域相减，也就是说，求瞳孔区域在虹膜外切圆区域中的补集，相减后得到的这一部分即为核心特征区域，虹膜识别主要依靠该部分进行识别。

在另一具体实施例中，首先发起虹膜关键特征定位请求，通过canny/sobel等边缘检测算法确定虹膜图像上下眼睑区域，然后判断是否成功定位上下眼睑区域内虹膜外切圆边界，如果是，则截取虹膜外切圆的区域，然后对截取的这部分进行梯度计算得到虹膜外切圆的边缘。然后根据获得的虹膜外切圆的边缘对虹膜图像进行切割，只保留虹膜外切圆边缘内的图像作为核心特征区域以进行后续识别。

本申请还提供了一种基于核心特征的虹膜识别方法，可应用于虹膜算法处理端，如图1b所示，包括：

s1：解密虹膜采集加密端上传的核心特征区域。

s2：将所述核心特征区域与数据库中已注册的虹膜核心特征区域采用不同类型的识别算法进行比对识别。

在一具体实施例中，对从虹膜采集加密端获取的核心特征区域数据进行解密，然后判断识别算法的类型，采用不同类型的识别算法对核心特征区域进行识别。

上述方法的执行主体可以为计算机、pc、终端等，通过对获取的核心特征区域进行解密，然后利用预先建立的虹膜识别模型，根据所需的对应识别算法类型对虹膜进行识别，提升了虹膜识别的效率和灵活性。

在一实施例中，识别算法的类型为：1:1识别算法，截取核心特征区域并将核心特征区域与数据库中已注册的虹膜核心特征区域采用不同类型的识别算法进行比对识别，如图3所示，包括：

s301：提取核心特征区域中的虹膜特征。

s302：通过预先训练的虹膜识别模型将核心特征区域中的虹膜特征与已注册的虹膜特征进行1:1比对并将比对结果返回至用户端。

在一具体实施例中，提取s201-s204中获得的用户虹膜的核心特征区域并进行预处理，当虹膜识别算法为1:1识别算法处理请求时，利用虹膜识别模型与数据库中已经注册的虹膜特征进行1:1比对返回虹膜1:1识别结果至请求用户端。

在一实施例中，识别算法的类型为：1：n识别算法，截取核心特征区域并将核心特征区域与数据库中已注册的虹膜核心特征区域采用不同类型的识别算法进行比对识别，如图4所示，包括：

s401：提取核心特征区域中的虹膜特征。

s402：通过预先训练的虹膜识别模型将核心特征区域中的虹膜特征与已注册的n个虹膜特征进行比对并将比对结果返回至用户端，其中n为大于1的自然数。

在一具体实施例中，提取s201-s204中获得的用户虹膜的核心特征区域并进行预处理，当虹膜识别算法为1:n识别算法处理请求时，利用虹膜识别模型与数据库中已经注册的虹膜特征进行1:n比对，返回虹膜1:n识别结果至用户端。

在另一具体实施例中，提取s201-s204中获得的用户虹膜的核心特征区域并进行预处理，首先采用1:1识别算法对该核心特征区域和数据库中已经注册的虹膜特征进行比对，当比对不成功时，再采用1:n识别算法对该核心特征区域进行比对，获得比对结果，并将比对结果(识别结果)返回给用户端。

在一具体实施例中，在利用s101-s103以及s201-s204中的方法获得了虹膜的核心特征区域后，对核心特征区域进行加密处理并存储，等到需要对虹膜进行识别的时候再对其进行解密。但是，如果未成功定位上下眼睑区域内虹膜外切圆边界，则发起对虹膜图像上下眼睑区域进行加密处理，如果成功定位了上下眼睑区域内虹膜外切圆边界但未成功定位外切圆图像中的瞳孔区域，则发起对虹膜外切圆图像进行加密处理。

在一实施例中，虹膜识别模型的训练步骤包括：

对获取的历史虹膜图像中的核心特征区域进行标定；

将标定后的历史虹膜图像作为训练样本对虹膜识别模型进行训练。

在一具体实施例中，还包括一种虹膜注册流程，包括：

s1：发起虹膜算法处理请求；

s2：对上传的虹膜数据进行解密处理；

s3：判断是否进行虹膜注册算法处理请求；

s4：如果是，进行虹膜注册算法处理；

s5：进行虹膜图像预处理；

s6：提取虹膜核心特征区域；

s7：虹膜特征提取与建模；

s8：将用户信息与虹膜特征注册至虹膜识别系统数据库；

s9：返回虹膜注册结果至请求客户端。

基于同一发明构思，本申请实施例还提供了一种虹膜识别装置，可以用于实现上述实施例中所描述的方法，如下面实施例所述。由于该虹膜识别装置解决问题的原理与虹膜识别方法相似，因此虹膜识别装置的实施可以参见虹膜识别方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本申请还提供了一种基于核心特征的虹膜识别装置，应用于虹膜采集加密端，如图5所示，包括：

边缘检测单元501，用于通过边缘检测算法确定获取的虹膜原始图像中的上下眼睑区域和瞳孔区域；

核心特征区域确定单元502，用于根据上下眼睑区域和瞳孔区域确定虹膜的核心特征区域；

识别单元503，用于截取所述核心特征区域并加密发送至虹膜算法处理端，以使虹膜算法处理端将所述核心特征区域与数据库中已注册的虹膜核心特征区域采用不同类型的识别算法进行比对识别。

在一实施例中，核心特征区域确定单元502包括：

虹膜外切圆确定模块，用于确定上下眼睑区域中的虹膜外切圆区域；

虹膜外边缘计算模块，用于对虹膜外切圆区域的图像进行梯度计算获取虹膜外切圆边缘；

瞳孔外边缘计算模块，用于在虹膜外切圆区域中确定瞳孔区域，并对瞳孔区域进行梯度计算获取瞳孔边缘；

求差模块，用于以虹膜外切圆边缘和瞳孔边缘为界，将瞳孔在虹膜外切圆中的补集标记为虹膜的核心特征区域。

本申请还提供了一种基于核心特征的虹膜识别装置，应用于虹膜算法处理端，包括：

解密单元，用于解密虹膜采集加密端发送的核心特征区域；

比对单元，用于将所述核心特征区域与数据库中已注册的虹膜核心特征区域采用不同类型的识别算法进行比对识别。

在一实施例中，识别算法的类型为：1:1识别算法，识别单元包括：

第一虹膜特征提取模块，用于提取核心特征区域中的虹膜特征；

1:1比对模块，用于通过预先训练的虹膜识别模型将核心特征区域中的虹膜特征与已注册的虹膜特征进行1:1比对并将比对结果返回至用户端。

在一实施例中，识别算法的类型为：1:n识别算法，识别单元包括：

第二虹膜特征提取模块，用于提取核心特征区域中的虹膜特征；

1:n比对模块，用于通过预先训练的虹膜识别模型将核心特征区域中的虹膜特征与已注册的n个虹膜特征进行比对并将比对结果返回至用户端，其中n为大于1的自然数。

除此之外，本申请还提供了一种基于核心特征的虹膜识别系统，包括：

一应用于虹膜采集加密端的虹膜识别装置、一应用于虹膜算法处理端的虹膜识别装置和数据库。

在一具体实施例中，如图6所示，该系统包括：虹膜识别主控模块1、虹膜采集模块2、传输加密模块3、虹膜算法处理模块4。模块1、模块2、模块3、模块4之间通过javascript方式进行即时数据通信。其中：

图7为虹膜采集模块结构框图，用于虹膜图像采集及虹膜图像质量检测功能。通过虹膜近红外设备采集控制单元控制虹膜采集设备采集用户虹膜数据；虹膜采集主控单元将采集完成的虹膜图像送入虹膜质量控制单元，判断采集的虹膜图像是否存在运动模糊、图像过亮、图像过暗、无虹膜特征等情况，若不存在，则发起虹膜传输加密处理请求，以此完成虹膜图像采集流程；

图8为虹膜传输加密模块，主要完成对虹膜图像的核心特征加密后传输处理功能。对需要进行加密传输的图像数据首先进行数据安全检查控制，判断上传图像是否为虹膜图像/图像，若是，则对虹膜图像首先进行虹膜核心特征定位，对核心特征定位完成的虹膜图像进行部分加密，提升系统处理效率与传输效率；然后将加密传输完成虹膜图像数据通过http/socket方式上传至云端数据库，完成虹膜传输加密处理流程；

图9为虹膜算法处理模块，主要完成虹膜注册及虹膜算法识别处理，最终将注册/识别结果返回智能设备处理前端。首先进行虹膜数据加密处理，对需要进行虹膜注册算法处理的图像，进行图像预处理，提取虹膜的核心特征区域、完成虹膜特征提取与建模，然后将用户信息与虹膜特征注册至虹膜识别系统数据库。对需要进行1:1虹膜识别算法处理请求的，进行图像预处理，提取虹膜roi、完成虹膜特征提取与建模，然后将特征数据与数据库中国的虹膜特征进行1:1比对，返回比对结果至请求客户端。对需要进行1:n虹膜识别算法处理的，完成图像预处理，提取虹膜的核心特征区域、完成虹膜特征提取与建模后，与数据库中n个虹膜特征进行1:n识别，并将识别结果返回请求客户端。

进一步的，虹膜采集主控模块的具体操作步骤包括：

步骤s101：发起虹膜图像采集请求；

步骤s102：主控单元接收到虹膜采集请求后，唤起近红外采集设备拍摄用户虹膜图像；

步骤s103：将虹膜图像送入图像质量判断器；

步骤s104：当质量判断单元进行图像质量判别，如发生图像过暗，图像过亮，未有虹膜特征，运动模糊，图像抖动等情况，设备返回s1102采集步骤，重新采集虹膜图像；

步骤s105：发起虹膜传输加密处理请求；

步骤s106：虹膜图像采集完成；

步骤s107：虹膜图像采集流程结束。

虹膜传输加密主控模块的具体操作步骤包括：

步骤s201：发起虹膜传输加密处理请求；

步骤s202：进行虹膜数据安全检查控制；

步骤s203：判断上传图像是否为虹膜图像；

步骤s204：由上一步骤判断上传为虹膜图像数据时，进行虹膜图像核心特征定位；

步骤s205：对虹膜图像核心特征进行加密；

步骤s206：虹膜图像通过http/socket方式上传云端数据库；

步骤s207：发起虹膜算法处理请求；

步骤s208：虹膜传输加加密处理请求完成；

步骤s209：虹膜传输加密处理流程结束；

步骤s210：由步骤s203判定上传不是虹膜图像时，判断上传数据是否为虹膜特征数据；

步骤s211：由上一步骤判断上传为虹膜特征数据时，对虹膜特征数据进行加密处理；

步骤s212：通过http/socket方式上传云端数据库；

步骤s213：发起虹膜算法处理请求；

步骤s214：虹膜传输加加密处理请求完成；

步骤s215：虹膜传输加密处理流程结束；

步骤s216：由步骤210判断上传不是虹膜时，虹膜传输加密处理请求拒绝；

步骤s217：虹膜传输加密处理流程结束。

本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种电子设备的具体实施方式，参见图11，所述电子设备具体包括如下内容：

处理器(processor)1101、内存1102、通信接口(communicationsinterface)1103、总线1104和非易失性存储器1105；

其中，所述处理器1101、内存1102、通信接口1103通过所述总线1104完成相互间的通信；

所述处理器1101用于调用所述内存1102和非易失性存储器1105中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的方法中的全部步骤，例如，所述处理器执行所述计算机程序时实现本方法的所有步骤。

本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的方法的全部步骤，例如，所述处理器执行所述计算机程序时实现本方法的所有步骤。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。