技术领域
[0001] 本
发明实施例涉及
图像识别技术，尤其涉及一种手势图像的识别方法及系统。
背景技术
[0002] 随着通信技术的发展，终端集成了越来越多的功能，从而使得终端的系统功能列表中包含了越来越多相应的应用。有些应用中会涉及一些特殊服务，专
门提供给特殊人群使用，例如，向聋哑人所提供的
手势识别服务。这些应用需要利用
图像采集装置，如红外、
超声波、多摄像头等设备，实时采集用户的手臂姿势图像即手势图像，进而，根据所采集的手势图像，进行手势图像的识别处理，以输出所对应的语音
信号。但是
现有技术中，通过多摄像图设备获取的图像采集装置，其识别的图像数据量相对较大，进而导致识别速度慢，识别率低。
发明内容
[0003] 针对现有技术的不足，本发明提供一种手势图像的识别方法及系统，旨在提高手势图像的识别速度及识别准确度。
[0004] 第一方面，本发明实施例提供一种手势图像的识别方法，其中，包括：
[0005] 获取一手势图像，并对所述手势图像做分析处理以获得与所述手势图像相 匹配的手势图像直方图；
[0006] 根据所述手势图像直方图计算形成一分割
阈值；
[0007] 根据所述分割阈值分割所述手势图像以形成一待判别图像；
[0008] 按照预定计算方法识别所述待判断图像并形成一判断结果输出。
[0009] 优选地，上述的手势图像的识别方法，其中，获取所述手势图像，并对所述手势图像做分析处理以获得所述手势图像直方图包括：
[0010] 获取所述手势图像；
[0011] 对所述手势图
图像分割提取手部图像，二值化获得二值化手部图像；
[0012] 根据所述二值化手部图像形成所述手势图像直方图。
[0013] 优选地，上述的手势图像的识别方法，其中；按照预定的计算方法识别所述待判断图像并形成所述判断结果输出,包括：
[0014] 获取所述待判断图像的轮廓周长、待判断图像的手掌宽度；
[0015] 根据所述轮廓周长、所述手掌宽度结合所述计算方法识别所述待判断图像并形成所述判断结果。
[0016] 优选地，上述的手势图像的识别方法，其中；所述判断结果包括第一判断结果、第二判断结果、第三判断结果；所述计算方法包括第一
算法，根据所述轮廓周长、所述手掌宽度结合所述计算方法识别所述待判断图像并形成所述判断结果，包括：
[0017] 预设有第一阈值范围；
[0018] 根据所述轮廓周长、所述手掌宽度结合所述第一算法计算形成第一计算结果；
[0019] 其中，所述第一算法为
[0020] K＝L/W；
[0021] K为所述第一计算结果；L为所述轮廓周长；W为所述手掌宽度；
[0022] 判断所述第一计算结果是否匹配所述第一区间；于所述第一计算结果匹配所述第一区间的状态下输出所述第一判断结果。
[0023] 优选地，上述的手势图像的识别方法，其中；还包括第二区间、第三区间；
[0024] 于所述第一计算结果不匹配第一区间状态下；继续判断所述第一计算结果是否匹配所述第二区间、或所述第三区间，
[0025] 于所述第一计算结果匹配所述第二区间的状态下输出所述第二判断结果；
[0026] 于所述第一计算结果匹配所述第三区间的状态下输出所述第三判断结果。
[0027] 优选地，上述的手势图像的识别方法，其中；还包括：还包括第四区间；所述计算方法包括第二算法，
[0028] 于所述第一计算结果不匹配所述第一阈值的状态下；获取所述待判断图像的
像素总和、待判断图像的轮廓长度；
[0029] 根据待判断图像的像素总和、待判断图像的轮廓长度结合所述第二算法形成第二计算结果；
[0030] 判断所述第二计算结果是否匹配所述第四区间；
[0031] 于所述第二计算结果匹配所述第四区间的状态下输出第二判断结果；
[0032] 于所述第二计算结果不匹配所述第四区间的状态下输出第三判断结果；
[0033] 其中，所述第二算法为：
[0034] K’＝Sp/h
[0035] K’，为所述第二计算结果；Sp，为所述像素总和；h，为所述轮廓长度。
[0036] 第二方面，本发明再提供一种手势图像的识别系统，其中，包括：
[0037] 采集单元，获取一手势图像，
[0038] 处理单元，对所述手势图像，对手势图像图像分割提取手部图像，再二值化处理获得二值化手部图像，做分析处理以获得与所述二值化手部图像相匹配的手势图像直方图；
[0039] 计算单元，根据所述手势图像直方图计算形成一分割阈值；
[0040] 分割单元，根据所述分割阈值分割所述手势图像、轮廓提取以形成一待判别图像；
[0041] 判断单元，按照预定计算方法识别所述待判断图像并形成一判断结果输出。
[0042] 优选地，上述的手势图像的识别系统，其中，所述处理单元包括：
[0043] 第一处理装置，对所述手势图像分割提取手部图像，并二值化处理获取二值化手部图像；
[0044] 直方图计算装置，根据所述二值化手部图像计算获取所述手势图像直方图。
[0045] 优选地，上述的手势图像的识别系统，其中，所述计算方法包括第一算法，所述判断单元包括：
[0046] 第一数据获取装置，获取所述待判断图像的轮廓周长、待判断图像的手掌宽度；
[0047] 判断装置，根据所述轮廓周长、所述手掌宽度结合所述计算方法判断所述待判断图像并形成所述判断结果。
[0048] 优选地，上述的手势图像的识别系统，其中，所述判断装置预设有第一区间，所述判断结果包括第一判断结果、第二判断结果、第三判断结果；所述计算方法包括第一算法，所述判断装置还包括，
[0049] 第一计算装置，根据所述轮廓周长、所述手掌宽度结合所述第一算法计算形成第一计算结果；
[0050] 其中，所述第一算法为
[0051] K＝L/W；
[0052] K，为所述第一计算结果；L，为所述轮廓周长；W，为所述手掌宽度；
[0053] 第一判断器，判断所述第一计算结果是否匹配第一区间；于所述第一计算结果匹配所述第一区间的状态下输出所述第一判断结果。
[0054] 优选地，上述的手势图像的识别系统，其中，所述判断装置还预制有第二区间、第三区间；
[0055] 第二判断器，判断所述第一计算结果是否匹配第二区间、或第三区间，于所述第一计算结果匹配所述第二区间的状态下输出所述第二判断结果；于所述第一计算结果匹配所述第三区间的状态下输出所述第三判断结果。
[0056] 优选地，上述的手势图像的识别系统，其中，还包括：所述计算方法包括第二计算方式，所述判断装置还预制有第四区间；
[0057] 第二数据获取装置，获取所述待判断图像的像素总和、待判断图像的轮廓长度；
[0058] 第二计算器，根据待判断图像的像素总和、待判断图像的轮廓长度所述第二算法形成第二计算结果；
[0059] 第三判断器，判断所述第二计算结果是否匹配第四区间；
[0060] 于所述第二计算结果匹配所述第四区间的状态下输出第二判断结果；
[0061] 于所述第二计算结果不匹配所述第四区间的状态下输出第三判断结果；
[0062] 其中所述第二算法为：
[0063] K’＝Sp/h
[0064] K’：为第二计算结果；Sp：为像素总和；h为轮廓长度。
[0065] 与现有技术相比，本发明的有益效果是：
[0066] 本发明中，单个采集单元获取一手势图像，通过一手势图像直方图形成一分割阈值，通过该分割阈值将手势图像中的非特征画面信息去除，仅提取特征画面信息，通过对特征画面信息的识别形成判断结果，采用此种方法，一方面降低了图像识别的
基础数据量，提高了手势图像的识别效率，另一方面仅通过单个手势图像即可实现判断目的，无需设置多个采集单元，减少
硬件制造成本。
附图说明
[0067] 图1为本发明提供的一种手势图像的识别方法的流程示意图；
[0068] 图2为本发明提供的一种手势图像的识别方法的流程示意图；
[0069] 图3为本发明提供的一种手势图像的识别方法的流程示意图；
[0070] 图4为本发明提供的一种手势图像的识别方法的流程示意图；
[0071] 图5为本发明提供的一种手势图像的识别方法的流程示意图；图6为本发明提供的一种手势图像的识别系统的结构示意图。
具体实施方式
[0072] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0073] 实施例一
[0074] 如图1所示，本实施例提供一种手势图像的识别方法的流程示意图，其中，包括：
[0075] 步骤S110、如图5a所示，获取一手势图像，并对所述手势图像做分析处理以获得与所述手势图像相匹配的手势图像直方图；手势图像通过单个采集单元获取。采集单位可为
照相机、摄像头或其他图像采集装置。
[0076] 步骤S120、如图5b所示，根据所述手势图像直方图计算形成一分割阈值；
[0077] 步骤S130、如图5c所示，根据所述分割阈值分割所述手势图像形成一待判别图像；
[0078] 步骤S140、按照预定计算方法识别所述待判断图像并形成一判断结果输出。
[0079] 本实施例的工作原理是：
[0080] 通过单个摄像装置获取一手势图像，通常该手势图像中至少包括特征画面信息和非特征画面信息，手势图像中因包含了非特征画面信息导致图像识别效率降低，因此为了提高图像识别效率，本发明通过一手势图像直方图形成一分割阈值，通过该分割阈值所述手势图像，将手势图像中的非特征信息去除，以提高手势图像识别效率，具体地，首先对所述手势图像做分析处理以获得与所述手势图像相匹配的手势图像直方图；然后根据手势图像直方图计算形成一分割阈值；继续根据所述分割阈值分割所述手势图像形成一待判别图像，其中待判别图像中保留有手势图像中特征画面信息，去除了非特征画面信息；最后按照预定计算方法识别所述待判断图像并形成一判断结果输出。
[0081] 本发明中，单个采集单元获取一手势图像，通过一手势图像直方图形成一分割阈值，通过该分割阈值将手势图像中的非特征画面信息去除，仅提取特征 画面信息，通过对特征画面信息的识别形成判断结果，采用此种方法，一方面降低了图像识别的基础数据量，提高了手势图像的识别效率，另一方面仅通过单个手势图像即可实现判断目的，无需设置多个采集单元，减少硬件制造成本。
[0082] 作为进一步优选实施方案，上述的手势图像的识别方法，其中，于执行步骤S110、获取一手势图像，并对所述手势
图像分析处理以获得与所述手势图像相匹配的手势图像直方图中，进一步包括：
[0083] 步骤S1101、获取所述手势图像；
[0084] 步骤S1102、对所述手势图图像分割提取手部图像，二值化获得二值化手部图像。
[0085] 步骤S1103、根据所述二值化手部图像形成所述手势图像直方图。手势图像直方图为二值化手部图像垂直方向直方图，二值化手部图像垂直方向直方图反应了二值化手部图像中的垂直方向所对应像素总和的分布信息。
[0086] 通过上述步骤形成的二值化手部图像直方图计算形成一分割阈值，本发明中，分割阈值为像素总和最大值所对应的值。根据所述分割阈值分割所述手势图像以形成一待判别图像。待判别图像中去除了肤色、光照和复杂场景等非特征画面信息。
[0087] 如图2所示，作为进一步优选实施方案，上述的手势图像的识别方法，其中，步骤S140、按照预定的计算方法识别所述待判断图像并形成一判断结果输出,包括：
[0088] 步骤S1401、获取所述待判断图像的轮廓周长、待判断图像的手掌宽度，其中手掌宽度匹配直方图的峰值，或者说是分割线处的值；
[0089] 步骤S1402、根据所述判断图像轮廓周长、所述手掌宽度结合所述计算方 法识别所述待判断图像并形成所述判断结果。
[0090] 作为进一步优选实施方案，上述的手势图像的识别方法，其中，所述判断结果包括第一判断结果、第二判断结果、第三判断结果；所述计算方法包括第一算法，执行步骤S1402、根据所述轮廓周长、所述手掌宽度结合所述计算方法识别所述待判断图像并形成所述判断结果中，具体包括：
[0091] 步骤S140211、预设有第一阈值，所述第一阈值有效值为2.3～2.8；
[0092] 步骤S140212、根据所述轮廓周长、所述手掌宽度结合所述第一算法计算形成第一计算结果；
[0093] 其中，所述第一算法为
[0094] K＝L/W；
[0095] K为所述第一计算结果；L为所述轮廓周长；W为所述手掌宽度；
[0096] 步骤S140213、判断所述第一计算结果是否匹配第一区间；于所述第一计算结果匹配所述第一区间的状态下输出所述第一判断结果。
[0097] 作为进一步优选实施方案，于上述的手势图像的识别方法基础上，其中，还包括第二阈值，所述第二阈值有效值为3.2-3.6；
[0098] 步骤S140214、于所述第一计算结果不匹配第一区间的状态下，继续判断所述第一计算结果是否匹配第二区间或第三区间。其中，第一区间为(0、M1)，M1∈(2.3～2.8)第二区间为[M1，M2)，第三区间为[M2，∞)，M2∈(3.2～3.6)。
[0099] 步骤S140215、于所述第一计算结果匹配所述第二范围的状态下输出所述第二判断结果；
[0100] 步骤S140216、于所述第一计算结果匹配所述第三范围的状态下输出所述第三判断结果。
[0101] 列举一种具体实施方式：
[0102] 预设置第一判断结果用以匹配握拳手势，第二判断结果用以匹配
剪刀手势，第三判断结果用以匹配手掌手势。
[0103] 首先获取所述待判断图像的轮廓周长、待判断图像的轮廓宽度，根据所述轮廓周长、所述轮廓宽度结合所述第一算法K＝L/W计算形成第一计算结果；判断所述第一计算结果是否匹配第一区间；于所述第一计算结果匹配所述第一区间的状态下输出所述第一判断结果，即当前的待判断图像识别为握拳手势。于所述第一计算结果不匹配所述第一区间的状态下，继续判断所述第一计算结果是否匹配第二区间、或第三区间，于所述第一计算结果匹配所述第二区间的状态下输出所述第二判断结果；即当前的待判断图像识别为剪刀手势。于所述第一计算结果匹配所述第三区间的状态下输出所述第三判断结果；即当前的待判断图像识别为手掌手势。
[0104] 实施例二：
[0105] 如图3所示，上述的手势图像的识别方法，其中，所述判断结果包括第一判断结果、第二判断结果、第三判断结果；步骤S1402、根据所述轮廓周长、所述手掌宽度结合所述计算方法识别所述待判断图像并形成所述判断结果，包括：
[0106] 步骤S140211、预设有第一区间；第二区间、第三区间；其中，第一区间为(0、M1)，M1∈(2.3～2.8)第二区间为[M1，M2)，第三区间为[M2，∞)， M2∈(3.2～3.6)。
[0107] 步骤S140222、根据所述轮廓周长、所述手掌宽度结合所述第一算法计算形成第一计算结果；
[0108] 其中，所述第一算法为
[0109] K＝L/W；
[0110] K1为所述第一计算结果；L为所述轮廓周长；W为所述手掌宽度；
[0111] 步骤S140223、判断所述第一计算结果是否匹配第一区间、或第二区间、或第三区间；
[0112] 步骤S140224、于所述第一计算结果匹配所述第一区间的状态下输出所述第一判断结果；
[0113] 步骤S140225、于所述第一计算结果匹配所述第二区间的状态下输出所述第二判断结果；
[0114] 步骤S140226、于所述第一计算结果匹配所述第三区间的状态下输出所述第三判断结果。
[0115] 再次列举一种具体实施方式：
[0116] 预设置第一判断结果用以匹配握拳手势，第二判断结果用以匹配剪刀手势，第三判断结果用以匹配手掌手势。
[0117] 首先获取所述待判断图像的轮廓周长、待判断图像的手掌宽度，根据所述轮廓周长、所述手掌宽度结合所述第一算法K＝L/W计算形成第一计算结果；判断所述第一计算结果是否匹配第一区间、或第二区间、或第三区间；于所述第一计算结果匹配所述第一范围的状态下输出所述第一判断结果，即当前的待判断图像识别为握拳手势。于所述第一计算结果匹配所述第二区间的状态下输出 所述第二判断结果；即当前的待判断图像识别为剪刀手势。于所述第一计算结果匹配所述第三区间的状态下输出所述第三判断结果；即当前的待判断图像识别为手掌手势。
[0118] 需要说明的是，上述的范围仅仅为举例说明，并未对本发明的进一步限定，在实际使用过程中，可以根据具体情况增加、或增加区间来增加范围的数量以匹配不同的手势。例如设置四个范围，用以判断识别四种手势图像等等。此处不一一举例说明。
[0119] 实施例三
[0120] 上述的实施例一、实施例二中均是根据所述轮廓周长、所述手掌宽度结合所述第一算法计算形成第一计算结果；此种方式存在一
缺陷，即当手势A与手势B之间轮廓周长、所述手掌宽度差距较小时，上述方法的匹配准确度相对较低，例如伸出食指、中指、无名指的手势图像的轮廓周长、手掌宽度的比值与伸出食指、无名指、小指的手势图像的轮廓周长、轮廓宽度的比值相近或相似，采用上述的技术方案就容易造成误识别。
[0121] 为了提高手势图像的准确度，如图4所示，本发明再提供一种手势图像的识别方法，具体包括：
[0122] 步骤S310、获取一手势图像，并对所述手势图像分割提取手部图像，对手部图像进行二值化处理，再以所述二值化图像分析处理以获得与所述手势图像相匹配的手势图像直方图。
[0123] 步骤S320、根据所述手势图像直方图计算形成一分割阈值。
[0124] 步骤S330、根据所述分割阈值分割所述二值化手部图像以形成一待判别图像。
[0125] 步骤S340、按照预定计算方法识别所述待判断图像并形成一判断结果输出。其中所述计算方法包括第一算法。
[0126] 具体包括：步骤S3401、预设有第一阈值K1，进一步地，所述第一阈值K1有效值为2.3～2.8；
[0127] 步骤S3402、根据所述轮廓周长、所述手掌宽度结合所述第一算法计算形成第一计算结果；
[0128] 其中，所述第一算法为
[0129] K＝L/W；
[0130] K为第一计算结果；L为所述轮廓周长；W为所述手掌宽度；
[0131] 步骤S3403、判断所述第一计算结果是否匹配所述第一区间；于所述第一计算结果匹配所述第一区间的状态下输出所述第一判断结果。
[0132] 步骤S3404、于所述第一计算结果不匹配所述第一区间的状态下；获取所述待判断图像的像素总和、待判断图像的轮廓长度；
[0133] 步骤S3405、根据待判断图像的像素总和、待判断图像的轮廓长度、结合所述第二算法形成第二计算结果；其中，所述第二算法为：
[0134]
[0135] K′：为所述第二计算结果；Sp：为所述像素总和；h为所述轮廓长度。
[0136] 步骤S3406、设置第三阈值K3,有效范围值38～45；判断所述第二 计算结果是否匹配第四范围为(0,M3)，其中M3∈(38、45)。
[0137] 步骤S3407、于所述第二计算结果匹配所述第四区间的状态下输出第二判断结果；
[0138] 步骤S3408、于所述第二计算结果不匹配所述第四区间的状态下输出第三判断结果。
[0139] 本实施例，在上述实施例一、实施二的基础之上，结合待判断图像的像素总和、待判断图像的轮廓长度数据对图像做进一步的判断，旨在提高图像识别的准确度。
[0140] 列举一种具体实施方式：
[0141] 预设置第一判断结果用以匹配握拳手势，第二判断结果用以匹配剪刀手势，第三判断结果用以匹配手掌手势。
[0142] 首先获取所述待判断图像的轮廓周长、待判断图像的手掌宽度，根据所述轮廓周长、所述手掌宽度结合所述第一算法K＝L/W计算形成第一计算结果；判断所述第一计算结果是否匹配第一范围，于所述第一计算结果匹配所述第一范围的状态下输出所述第一判断结果，即当前的待判断图像识别为握拳手势。于所述第一计算结果不匹配所述第一区间的状态下，获取所述待判断图像的像素总和、待判断图像的轮廓长度；根据待判断图像的像素总和、待判断图像的轮廓长度，结合所述第二算法形成第二计算结果；继续判断所述第二计算结果是否匹配第四范围；于所述第二计算结果匹配所述第四范围的状态下输出第二判断结果；即当前的待判断图像识别为剪刀手势。于所述第二计算结果不匹配所述第四范围的状态下输出所述第三判断结果；即当前的待判断图像识别为手掌手势。
[0143] 需要说明的是，上述的阈值范围仅仅为举例说明，并未对本发明的进一步 限定，在实际使用过程中，可以根据具体情况增加、或增加阈值来增加范围的数量以匹配不同的手势。例如设置四个范围，用以判断识别四种手势图像等等。此处不一一举例说明。
[0144] 实施例四
[0145] 如图6所示，一种手势图像的识别系统结构示意图。
[0146] 针对上述的一种手势图像的识别方法，本发明再提供一种手势图像的识别系统，其中，包括：
[0147] 采集单元1，获取一手势图像，
[0148] 处理单元2，对所述手势图像，对所述手势图像分割提取手部图像，再二值化处理获得二值化手部图像，做分析处理以获得与所述二值化手部图像相匹配的手势图像直方图；
[0149] 计算单元3，根据所述手势图像直方图计算形成一分割阈值；
[0150] 分割单元4，根据所述分割阈值分割所述手势图像提取以形成一待判别图像；
[0151] 判断单元5，按照预定计算方法识别所述待判断图像并形成一判断结果输出。
[0152] 作为进一步有限实施方案，上述的手势图像的识别系统，其中，所述处理单元2包括：
[0153] 第一处理装置21，对所述手势图像分割提取手部图像，并二值化处理获取二值化手部图像；
[0154] 直方图技术装置22，根据所述二值化手部图像计算获取所述手势图像直方 图。
[0155] 作为进一步有限实施方案，上述的手势图像的识别系统，其中，所述计算方法包括第一算法，所述判断单元5包括：
[0156] 第一数据获取装置51，获取所述待判断图像的轮廓周长、待判断图像的手掌宽度；
[0157] 判断装置52，根据所述轮廓周长、所述手掌宽度结合所述第一算法判断所述待判断图像并形成所述判断结果。
[0158] 作为进一步有限实施方案，上述的手势图像的识别系统，其中，所述判断装置52预设有第一范围，所述判断结果包括第一判断结果、第二判断结果、第三判断结果；所述判断装置52还包括，
[0159] 第一计算装置53，根据所述轮廓周长、所述手掌宽度结合所述计算方法计算形成第一计算结果；
[0160] 其中，所述第一算法为
[0161] K＝L/W；
[0162] K，为所述第一计算结果；L，为所述轮廓周长；W，为所述手掌宽度；
[0163] 第一判断器，判断所述第一计算结果是否匹配第一范围；于所述第一计算结果匹配所述第一范围的状态下输出所述第一判断结果。
[0164] 作为进一步有限实施方案，上述的手势图像的识别系统，其中，所述判断装置52还预制有第二范围、第三范围；
[0165] 第二判断器，判断所述第一计算结果是否匹配第二范围、或第三范围，于所述第一计算结果匹配所述第二范围的状态下输出所述第二判断结果；于所述第一计算结果匹配所述第三范围的状态下输出所述第三判断结果。
[0166] 作为进一步有限实施方案，上述的手势图像的识别系统，其中，
[0167] 所述第一阈值有效值为2.3～2.8，所述第二阈值有效值为3.2-3.4，第一区间为(0、M1)，M1∈(2.3～2.8)第二区间为[M1，M2)，第三区间为[M2，∞)，M2∈(3.2～3.6)。
[0168] 作为进一步有效实施方案，上述的手势图像的识别系统，其中，还包括：所述计算方法包括第二计算方式，所述判断装置52还预制有第四范围；
[0169] 第二数据获取装置，获取所述待判断图像的像素总和、待判断图像的轮廓长度；
[0170] 第二计算器，根据待判断图像的像素总和、待判断图像的轮廓长度所述第二算法形成第二计算结果；
[0171] 第三判断器，判断所述第二计算结果是否匹配第四范围；
[0172] 于所述第二计算结果匹配所述第四范围的状态下输出第二判断结果；
[0173] 于所述第二计算结果不匹配所述第四范围的状态下输出第三判断结果；
[0174] 其中所述第二算法为：
[0175]
[0176] K′：为第二计算结果；Sp：为像素总和；h：为轮廓长度。
[0177] 作为进一步有限实施方案，上述的手势图像的识别系统，其中，第四范围为(0,M3)，其中M3∈(38、45)。
[0178] 上述手势图像的识别系统可实现上述手势图像的识别方法，其工作原理相似，此处不做赘述。
[0179] 虽然本发明的各个方面在独立
权利要求中给出，但是本发明的其它方面包括来自所描述实施方式的特征和/或具有
独立权利要求的特征的
从属权利要求的组合，而并非仅是权利要求中所明确给出的组合。
[0180] 这里所要注意的是，虽然以上描述了本发明的示例实施方式，但是这些描述并不应当以限制的含义进行理解。相反，可以进行若干种变化和
修改而并不背离如所附权利要求中所限定的本发明的范围。
[0181] 注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
