夜间视频监测方法、装置、电子设备及存储介质与流程

1.本发明涉及图像处理技术领域，具体涉及一种夜间视频监测方法、装置、电子设备及存储介质。


背景技术：

2.在日常生活中，深夜由于光线不足且保安人员处于深度疲倦状态，导致监管区域中夜间防盗工作效果不佳。夜间图像由于光照不足，也存在图像亮度较低、对比度不够等问题，这些问题的存在导致夜间图像不能直接用来分析和处理。
3.现有的夜间防盗系统多为依赖红外检测技术和在门上安装传感器来实现，前者在楼宇外围布置大量红外线发射装置，形成红外线防护网，后者在门上安装压力传感器，当大门受到敲打或撬动时，传感器检测到门上压力发生变化，报警模块报警。
4.但使用红外线装置或者传感器来实现防盗保护，首先，对于大范围的应用场景，建设成本很高；其次，无法对触犯防盗报警的目标进行识别，存在很高的误警率。


技术实现要素：

5.本发明提供一种夜间视频监测方法、装置、电子设备及存储介质，用以解决xxxx的技术问题。
6.第一方面，本发明提供一种夜间视频监测方法，包括：
7.对原始夜间视频进行处理，获得图像增强后的夜间视频；
8.根据图像增强后的夜间视频确定语义特征，以及根据原始夜间视频确定运动特征；
9.根据所述语义特征和所述运动特征确定预测结果，根据所述预测结果进行预警，其中，所述预测结果表征在夜间视频中是否有非法行为。
10.在一个实施例中，所述对原始夜间视频进行处理，获得图像增强后的夜间视频，包括：
11.将原始夜间视频输入到图像增强模型中，得到由图像增强模型输出的图像增强后的夜间视频；
12.其中，所述图像增强模型包括生成层和判别层，所述生成层用于将原始夜间视频生成新的夜间视频；所述判别层用于根据新的夜间视频的反射亮度与标准的白间图像的反射亮度确定满足相似条件后，将新的夜间视频作为图像增强后的夜间视频输出；所述白间图像和所述夜间视频中的任一帧图像是采集的同一场景下的图像。
13.在一个实施例中，所述根据图像增强后的夜间视频确定语义特征，以及根据原始夜间视频确定运动特征，包括：
14.将图像增强后的夜间视频输入到slowfast网络模型中，得到由slowfast网络模型输出的语义特征和运动特征；
15.其中，所述slowfast网络模型包括低频通道和高频通道，所述低频通道用于根据
图像增强后的夜间视频确定语义特征；所述高频通道用于根据原始夜间视频确定运动特征。
16.在一个实施例中，所述根据所述语义特征和所述运动特征确定预测结果，根据所述预测结果进行预警，包括：
17.根据所述语义特征和所述运动特征确定存在连续的异常动作，则保存图像增强的夜间视频并发出预警信息。
18.在一个实施例中，所述方法还包括：根据所述语义特征和所述运动特征获取夜间视频中做出连续的异常动作的人员的脸部信息，将所述脸部信息存储预设的黑名单中。
19.在一个实施例中，所述方法还包括确定预警点位置的步骤，包括：
20.确定预警点在夜间视频上的图像坐标；
21.根据所述图像坐标转换成所述预警点对应的第一世界坐标，所述第一世界坐标为以预警摄像头为原点建立的坐标，所述预警摄像头采集到的夜间视频中包含有预警点；
22.根据所述第一世界坐标转换成所述预警点对应的第二世界坐标，所述第二世界坐标为以监控中心为原点建立的坐标；
23.根据所述第二世界坐标和预设的多个标志建筑的世界坐标确定多个相对距离，根据多个相对距离确定与预警点距离最近的标志建筑。
24.在一个实施例中，所述根据所述图像坐标转换成所述预警点对应的第一世界坐标，包括：
25.根据所述图像坐标采用第一公式确定所述预警点对应的第一世界坐标，所述第一公式如下：
[0026][0027]
其中，x,y,z是第一世界坐标，r是转换矩阵，f是焦距，1/dx是一个图像像素的长度，1/dy是一个图像像素的宽度，u0,v0是预警摄像头在图像中的坐标，u,v是预警点在图像中的坐标，s是预警点在图像中的深度值，t是平移矩阵。
[0028]
在一个实施例中，所述根据所述第一世界坐标转换成所述预警点对应的第二世界坐标，包括：
[0029]
根据所述第一世界坐标采用第二公式确定所述预警点对应的第二世界坐标，所述第二公式如下：
[0030][0031]
其中，xr,yr是监控中心的坐标，xc,yc是第二世界坐标，x,y是第一世界坐标。
[0032]
第二方面，本发明提供一种夜间视频监测装置，包括：
[0033]
增强模块，用于对原始夜间视频进行处理，获得图像增强后的夜间视频；
[0034]
确定模块，用于根据图像增强后的夜间视频确定语义特征，以及根据原始夜间视频确定运动特征；
[0035]
预警模块，用于根据所述语义特征和所述运动特征确定预测结果，根据所述预测
结果进行预警，其中，所述预测结果表征在夜间视频中是否有非法行为。
[0036]
第三方面，本发明提供一种电子设备，包括存储器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述夜间视频监测方法的步骤。
[0037]
第四方面，本发明提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行第一方面所述夜间视频监测方法的步骤。
[0038]
本发明提供的夜间视频监测方法、装置、电子设备及存储介质，通过根据图像增强后的夜间视频提取语义特征，以及根据原始夜间视频提取运动特征，结合语义特征和运动特征对触发预警的目标进行精准识别，避免误报，也减少其他辅助设备的增设，节省建设成本。
附图说明
[0039]
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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。
[0040]
图1是本发明提供的夜间视频监测方法的流程示意图；
[0041]
图2是本发明提供的夜间视频监测装置的结构示意图；
[0042]
图3是本发明提供的电子设备的结构示意图。
具体实施方式
[0043]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
[0044]
下面结合图1-图3描述本发明的夜间视频监测方法、装置、电子设备及存储介质。
[0045]
图1示出了本发明提供的夜间视频监测方法的流程示意图，参见图1，该夜间视频监测方法包括以下步骤：
[0046]
11、对原始夜间视频进行处理，获得图像增强后的夜间视频；
[0047]
12、根据图像增强后的夜间视频确定语义特征，以及根据原始夜间视频确定运动特征；
[0048]
13、根据语义特征和运动特征确定预测结果，根据预测结果进行预警，其中，预测结果表征在夜间视频中是否有非法行为。
[0049]
针对步骤11-步骤13，需要说明的是，在本发明中，该方法应用于社区、园区外围的防盗场景。在社区或园区内设置一个监控中心和多个摄像头。该原始夜间视频为各个摄像头在夜间采集到的视频(无监控死角的布置下)。
[0050]
对原始夜间视频进行处理，获得图像增强后的夜间视频，便于后续对夜间视频的监测处理。
[0051]
从图像增强后的夜间视频提取出语义特征。该语义特征可分为视觉层、对象层和
概念层。视觉层即所理解的底层，即颜色、纹理和形状等，这些特征均被称为底层特征语义。对象层即中间层，包含属性特征等，即某一对象在某一时刻的状态。概念层是高层，是图像表达出的最接近人类理解的信息。例如一张图像中有沙子、蓝天、海水等，视觉层是一块块的区分，对象层是沙子、蓝天、海水等，概念层就是海滩。由此可知，该语义特征能够表现视频中每帧图像上的各种信息。
[0052]
从原始夜间视频提取出运动特征。该运动特征能够代表视频中出现的动物(如人)的连续动作信息。例如针对社区防盗中的异常攀爬，攀爬作为关键性判断动作。攀爬也是一个连续的过程，单独使用图像作为动作识别的数据源会对识别的结果造成很大的误判，因此结合运动特征来提升识别的准确率。
[0053]
然后，根据上述提取的语义特征和运动特征确定预测结果，并根据预测结果进行预警，其中，预测结果表征在夜间视频中是否有非法行为。也就是说，根据上述提取的语义特征和运动特征能够从夜间视频中确定是否存在有人盗入监管区域，当有人盗入监管区域，则发出预警信息，已告知监管区域的安保人员。
[0054]
本发明提供的夜间视频监测方法，通过根据图像增强后的夜间视频提取语义特征，以及根据原始夜间视频提取运动特征，结合语义特征和运动特征对触发预警的目标进行精准识别，避免误报，也减少其他辅助设备的增设，节省建设成本。
[0055]
在上述夜间视频监测方法的进一步发明中，主要是对原始夜间视频进行处理，获得图像增强后的夜间视频的处理过程进行解释说明，具体如下：
[0056]
将原始夜间视频输入到图像增强模型中，得到由图像增强模型输出的图像增强后的夜间视频；
[0057]
其中，图像增强模型包括生成层和判别层，生成层用于将原始夜间视频生成新的夜间视频；判别层用于根据新的夜间视频的反射亮度与标准的白间图像的反射亮度确定满足相似条件后，将新的夜间视频作为图像增强后的夜间视频输出；白间图像和夜间视频中的任一帧图像是采集的同一场景下的图像。
[0058]
对此，需要说明的是，该图像增强模型采用gan网络实现对原始夜间视频的图像增强。该gan网络由生成器和判别器组成，生成器用来生成增强后的图像，判别器用来判别生成器生成的图像是否可以作为最终的增强后的图像。
[0059]
在本发明中，图像增强模型包括生成层和判别层，生成层用于将原始夜间视频生成新的夜间视频，但该新的夜间视频要进行后续的判别，以判别该新的夜间视频是否能够作为增强的夜间视频。判别层用于根据新的夜间视频的反射亮度与标准的白间图像的反射亮度确定满足相似条件后，该相似条件是新的夜间视频的反射亮度与标准的白间图像的反射亮度之间的相似度是否满足一定的范围，若满足再将新的夜间视频作为图像增强后的夜间视频输出。其中，白间图像和夜间视频中的任一帧图像是采集的同一场景下的图像。
[0060]
在本发明中，图像增强模型采用以下公式对增强的夜间视频进行判别：
[0061]
i(x，y)＝l(x，y)r(x，y)
[0062]
r(x，y)＝log[i(x，y)]-log[l(x，y)]
[0063]
其中，r(x，y)为反射图像中目标点的像素值，l(x，y)为入射图像中目标点的像素，i(x，y)为原始图像中目标点的像素值。
[0064]
本发明进一步提供的夜间视频监测方法，通过对原始夜间视频进行图像增强，能
够提高对图像中各信息进行识别的精准度，便于后续的异常行为的预测。
[0065]
在上述夜间视频监测方法的进一步发明中，主要是对根据图像增强后的夜间视频确定语义特征，以及根据原始夜间视频确定运动特征的处理过程进行解释说明，具体如下：
[0066]
将图像增强后的夜间视频输入到slowfast网络模型中，得到由slowfast网络模型输出的语义特征和运动特征；
[0067]
其中，slowfast网络模型包括低频通道和高频通道，低频通道用于根据图像增强后的夜间视频确定语义特征；高频通道用于根据原始夜间视频确定运动特征。
[0068]
对此，需要说明的是，在本发明中，针对社区防盗中的异常攀爬，攀爬作为关键性判断动作。攀爬也是一个连续的过程，单独使用图像作为动作识别的数据源会对识别的结果造成很大的误判，因此结合运动特征来提升识别的准确率。为此，需要采用slowfast网络模型对监控数据进行动作识别。该网络模型分为两个通道，一个通道为低频通道，抽取视频帧的频率低，用来根据图像增强后的夜间视频检测图像的语义信息，另一个通道为高频通道，抽取视频帧频率高，用来根据原始夜间视频检测运动信息，通过分开获取已降低整个处理过程的计算量。
[0069]
在上述夜间视频监测方法的进一步发明中，主要是对根据语义特征和所述运动特征确定预测结果，根据所述预测结果进行预警，包括：
[0070]
根据语义特征和运动特征确定存在连续的异常动作，则保存图像增强的夜间视频并发出预警信息。
[0071]
对此，需要说明的是，系统根据语义特征和运动特征进行分析，可以判断视频中是否存有连续的异常动作，视为非法入侵监管区域的行为，此时，会将对应的夜间视频保存以留下证据，并向安保人员发出预警，使安保人员提前做好防范措施。
[0072]
另外，若根据语义特征和运动特征获取夜间视频中做出连续的异常动作的人员的脸部信息，将脸部信息存储预设的黑名单中，后续该人员再次进入监管区域，则直接给出预警，提前做好防范措施。
[0073]
在上述夜间视频监测方法的进一步发明中，主要是对确定预警点位置的处理过程进行解释说明，具体如下：
[0074]
确定预警点在夜间视频上的图像坐标；
[0075]
根据图像坐标转换成预警点对应的第一世界坐标，第一世界坐标为以预警摄像头为原点建立的坐标，预警摄像头采集到的夜间视频中包含有预警点；
[0076]
根据第一世界坐标转换成预警点对应的第二世界坐标，第二世界坐标为以监控中心为原点建立的坐标；
[0077]
根据第二世界坐标和预设的多个标志建筑的世界坐标确定多个相对距离，根据多个相对距离确定与预警点距离最近的标志建筑。
[0078]
对此，需要说明的是，在本发明中，预警点是根据视频中有非法侵入监管区域的行为发生点确定的一个具体位置点。但由于监管区域的面积较大，为此，需要给安保人员一个位置范围，以便安保人员能够及时对该行为发生点的周边区域进行防护。
[0079]
为此，首先要确定预警点在夜间视频上的图像坐标。该图像坐标是以视频界面的某个原点而确定的坐标，故这坐标不是整个监管区域中的地理坐标。故需要根据图像坐标转换成预警点对应的第一世界坐标。但该第一世界坐标是以预警摄像头为原点建立的地理
坐标，该预警摄像头采集到的夜间视频中包含有预警点。由于监管区域设置一监控中心，该监控中心能够对整个区域中的各个建筑进行位置限定，为此，要将第一世界坐标转换到以监控中心为原点的地理坐标上。
[0080]
为此，需要根据第一世界坐标转换成预警点对应的第二世界坐标，第二世界坐标为以监控中心为原点建立的坐标。
[0081]
然后根据第二世界坐标和预设的多个标志建筑的世界坐标确定多个相对距离，根据多个相对距离确定与预警点距离最近的标志建筑。实际上是确定预警点与监管区域中具有识别度的建筑之间的距离，从而确定离预警点最近的标准建筑，输出该建筑的信息，以便安保人员熟识该建筑，能够在第一时间去该建筑与预警点之间的区域建立防护措施。
[0082]
需要说明的是，根据图像坐标转换成预警点对应的第一世界坐标，包括：
[0083]
根据图像坐标采用第一公式确定预警点对应的第一世界坐标，第一公式如下：
[0084][0085]
其中，x,y,z是第一世界坐标，r是转换矩阵，f是焦距，1/dx是一个图像像素的长度，1/dy是一个图像像素的宽度，u0,v0是预警摄像头在图像中的坐标，u,v是预警点在图像中的坐标，s是预警点在图像中的深度值，t是平移矩阵。
[0086]
以及根据第一世界坐标转换成预警点对应的第二世界坐标，包括：
[0087]
根据第一世界坐标采用第二公式确定预警点对应的第二世界坐标，第二公式如下：
[0088][0089]
其中，xr,yr是监控中心的坐标，xc,yc是第二世界坐标，x,y是第一世界坐标。
[0090]
本发明进一步的方法中，通过建立以监控中心为原点的坐标体系，结合摄像头和外围建筑的布局，可以用工作人员熟悉的方式快速定位出预警点。
[0091]
下面对本发明提供的夜间视频监测装置进行描述，下文描述的夜间视频监测装置与上文描述的夜间视频监测方法可相互对应参照。
[0092]
图2示出了本发明提供的一种夜间视频监测装置的结构示意图，参见图2，该装置包括增强模块21、确定模块22和预警模块23，其中：
[0093]
增强模块21，用于对原始夜间视频进行处理，获得图像增强后的夜间视频；
[0094]
确定模块22，用于根据图像增强后的夜间视频确定语义特征，以及根据原始夜间视频确定运动特征；
[0095]
预警模块23，用于根据语义特征和运动特征确定预测结果，根据预测结果进行预警，其中，预测结果表征在夜间视频中是否有非法行为。
[0096]
在上述夜间视频监测装置的进一步发明中，所述增强模块具体用于：
[0097]
将原始夜间视频输入到图像增强模型中，得到由图像增强模型输出的图像增强后的夜间视频；
[0098]
其中，所述图像增强模型包括生成层和判别层，所述生成层用于将原始夜间视频
生成新的夜间视频；所述判别层用于根据新的夜间视频的反射亮度与标准的白间图像的反射亮度确定满足相似条件后，将新的夜间视频作为图像增强后的夜间视频输出；所述白间图像和所述夜间视频中的任一帧图像是采集的同一场景下的图像。
[0099]
在上述夜间视频监测装置的进一步发明中，所述确定模块具体用于：
[0100]
将图像增强后的夜间视频输入到slowfast网络模型中，得到由slowfast网络模型输出的语义特征和运动特征；
[0101]
其中，所述slowfast网络模型包括低频通道和高频通道，所述低频通道用于根据图像增强后的夜间视频确定语义特征；所述高频通道用于根据原始夜间视频确定运动特征。
[0102]
在上述夜间视频监测装置的进一步发明中，所述预警模块具体用于：
[0103]
根据所述语义特征和所述运动特征确定存在连续的异常动作，则保存图像增强的夜间视频并发出预警信息。
[0104]
在上述夜间视频监测装置的进一步发明中，所述预警模块还用于：根据所述语义特征和所述运动特征获取夜间视频中做出连续的异常动作的人员的脸部信息，将所述脸部信息存储预设的黑名单中。
[0105]
在上述夜间视频监测装置的进一步发明中，所述装置还包括定位模块，用于：
[0106]
确定预警点在夜间视频上的图像坐标；
[0107]
根据所述图像坐标转换成所述预警点对应的第一世界坐标，所述第一世界坐标为以预警摄像头为原点建立的坐标，所述预警摄像头采集到的夜间视频中包含有预警点；
[0108]
根据所述第一世界坐标转换成所述预警点对应的第二世界坐标，所述第二世界坐标为以监控中心为原点建立的坐标；
[0109]
根据所述第二世界坐标和预设的多个标志建筑的世界坐标确定多个相对距离，根据多个相对距离确定与预警点距离最近的标志建筑。
[0110]
在上述夜间视频监测装置的进一步发明中，所述定位模块在根据所述图像坐标转换成所述预警点对应的第一世界坐标的处理过程中，具体用于：
[0111]
根据所述图像坐标采用第一公式确定所述预警点对应的第一世界坐标，所述第一公式如下：
[0112][0113]
其中，x,y,z是第一世界坐标，r是转换矩阵，f是焦距，1/dx是一个图像像素的长度，1/dy是一个图像像素的宽度，u0,v0是预警摄像头在图像中的坐标，u,v是预警点在图像中的坐标，s是预警点在图像中的深度值，t是平移矩阵。
[0114]
在上述夜间视频监测装置的进一步发明中，所述定位模块在根据所述第一世界坐标转换成所述预警点对应的第二世界坐标的处理过程中，具体用于：
[0115]
根据所述第一世界坐标采用第二公式确定所述预警点对应的第二世界坐标，所述第二公式如下：
[0116][0117]
其中，xr,yr是监控中心的坐标，xc,yc是第二世界坐标，x,y是第一世界坐标。
[0118]
由于本发明实施例所述装置与上述实施例所述方法的原理相同，对于更加详细的解释内容在此不再赘述。
[0119]
需要说明的是，本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能模块。
[0120]
本发明提供的夜间视频监测装置，通过根据图像增强后的夜间视频提取语义特征，以及根据原始夜间视频提取运动特征，结合语义特征和运动特征对触发预警的目标进行精准识别，避免误报，也减少其他辅助设备的增设，节省建设成本。
[0121]
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)31、通信接口(communication interface)32、存储器(memory)33和通信总线34，其中，处理器31，通信接口32，存储器33通过通信总线34完成相互间的通信。处理器31可以调用存储器33中的计算机程序，以执行夜间视频监测方法的步骤，例如包括：对原始夜间视频进行处理，获得图像增强后的夜间视频；根据图像增强后的夜间视频确定语义特征，以及根据原始夜间视频确定运动特征；根据语义特征和运动特征确定预测结果，根据预测结果进行预警，其中，预测结果表征在夜间视频中是否有非法行为。
[0122]
此外，上述的存储器33中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0123]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的夜间视频监测方法的步骤，例如包括：对原始夜间视频进行处理，获得图像增强后的夜间视频；根据图像增强后的夜间视频确定语义特征，以及根据原始夜间视频确定运动特征；根据语义特征和运动特征确定预测结果，根据预测结果进行预警，其中，预测结果表征在夜间视频中是否有非法行为。
[0124]
另一方面，本技术实施例还提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行上述各实施例提供的方法的步骤，例如包括：对原始夜间视频进行处理，获得图像增强后的夜间视频；根据图像增强后的夜间视频确定语义特征，以及根据原始夜间视频确定运动特征；根据语义特征和运动特征确定预测结果，根据预测结果进行预警，其中，预测结果表征在夜间视频中是否有非法行为。
[0125]
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、
dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd))等。
[0126]
以上所描述的装置实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0127]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0128]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。