本发明实施例公开了一种竖列冠字号识别方法及装置。该方法包括：获取紫外荧光下的竖列冠字号区域图像；根据所述竖列冠字号区域图像中各像素点的灰度值进行聚类处理；根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异；在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置；识别所述竖列冠字号目标图像中的每个竖列冠字号字符。本发明实施例解决了现有竖列冠字号识别方法存在竖列冠字号识别不准确的问题，实现了提高竖列冠字号识别准确性的效果。
1.一种竖列冠字号识别方法，其特征在于，包括：获取紫外荧光下的竖列冠字号区域图像；
根据所述竖列冠字号区域图像中各像素点的灰度值进行聚类处理；
根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异；
在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置；
识别所述竖列冠字号目标图像中的每个竖列冠字号字符。
2.根据权利要求1所述的方法，其特征在于，根据所述竖列冠字号区域图像中各像素点的灰度值进行聚类处理，包括：在所述竖列冠字号区域图像中，选取多个位置的像素点分别作为初始聚类中心，每个所述初始聚类中心对应一个聚类；
将所述竖列冠字号区域图像抽象为m*n的样本数据，其中，m代表列数，n代表行数，每个样本数据为像素点的灰度值；
将各所述样本数据经聚类相似性度量后，分别分配至与聚类中心像素点的灰度值相似度最高的聚类；
分别计算各个聚类中像素点灰度平均值，作为新的聚类中心的像素点灰度值；
返回执行确定样本数据的步骤，直至更新聚类中心使得聚类准则函数收敛。
3.根据权利要求2所述的方法，其特征在于，所述聚类相似性度量采用欧式距离；所述聚类准则函数采用误差平方和准则函数。
4.根据权利要求1所述的方法，其特征在于，根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异包括：根据聚类结果定位冠字号目标聚类；
将所述冠字号目标聚类中像素点的灰度值修正为预设灰度值，以增加各类像素点之间的灰度差异。
5.根据权利要求1所述的方法，其特征在于，在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置，包括：在修正后的竖列冠字号区域图像中，自最左列图像开始，朝右获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的左边界；
在修正后的竖列冠字号区域图像中，自最右列图像开始，朝左获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的右边界；
在修正后的竖列冠字号区域图像中，自最上行图像开始，朝下获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的上边界；
在修正后的竖列冠字号区域图像中，自最下行图像开始，朝上获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的下边界。
6.根据权利要求1所述的方法，其特征在于，识别所述竖列冠字号目标图像中的每个竖列冠字号字符，包括：在所述竖列冠字号目标图像中，根据所述竖列冠字号字符间距固定的原则，确定每个竖列冠字号字符的位置；
7.一种竖列冠字号识别装置，其特征在于，包括：获取模块，用于获取紫外荧光下的竖列冠字号区域图像；
处理模块，用于根据所述竖列冠字号区域图像中各像素点的灰度值进行聚类处理；
修正模块，用于根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异；
确定模块，用于在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置；
识别模块，用于识别所述竖列冠字号目标图像中的每个竖列冠字号字符。
8.根据权利要求7所述的装置，其特征在于，所述处理模块包括：选取单元，用于在所述竖列冠字号区域图像中，选取多个位置的像素点分别作为初始聚类中心，每个所述初始聚类中心对应一个聚类；
抽象单元，用于将所述竖列冠字号区域图像抽象为m*n的样本数据，其中，m代表列数，n代表行数，每个样本数据为像素点的灰度值；
分配单元，用于将各所述样本数据经聚类相似性度量后，分别分配至与聚类中心像素点的灰度值相似度最高的聚类；
计算单元，用于分别计算各个聚类中像素点灰度平均值，作为新的聚类中心的像素点灰度值；
迭代单元，用于返回执行确定样本数据的步骤，直至更新聚类中心使得聚类准则函数收敛。
9.根据权利要求8所述的装置，其特征在于，所述聚类相似性度量采用欧式距离；所述聚类准则函数采用误差平方和准则函数。
10.根据权利要求7所述的装置，其特征在于，所述修正模块包括：定位单元，用于根据聚类结果定位冠字号目标聚类；
调整单元，用于将所述冠字号目标聚类中像素点的灰度值修正为预设灰度值，以增加各类像素点之间的灰度差异。
11.根据权利要求7所述的装置，其特征在于，所述确定模块包括：左边界确定单元，用于在修正后的竖列冠字号区域图像中，自最左列图像开始，朝右获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的左边界；
右边界确定单元，用于在修正后的竖列冠字号区域图像中，自最右列图像开始，朝左获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的右边界；
上边界确定单元，用于在修正后的竖列冠字号区域图像中，自最上行图像开始，朝下获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的上边界；
下边界确定单元，用于在修正后的竖列冠字号区域图像中，自最下行图像开始，朝上获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的下边界。
12.根据权利要求7所述的装置，其特征在于，所述识别模块包括：位置确定单元，用于在所述竖列冠字号目标图像中，根据所述竖列冠字号字符间距固定的原则，确定每个竖列冠字号字符的位置；
字符识别单元，用于利用链码匹配算法识别所述每个竖列冠字号字符。
竖列冠字号识别方法及装置
技术领域
[0001] 本发明实施例涉及钞票鉴伪技术，尤其涉及一种竖列冠字号识别方法及装置。
背景技术
[0002] 2015版百元人民币和2010版港币都添加了荧光冠字号，即纸币正面右侧的竖列冠字号。在紫外荧光下，竖列冠字号会发出荧光，通过记录钞票在紫外荧光下的竖列冠字号，再将所述紫外荧光下的竖列冠字号与可见光下的竖列冠字号进行比对，便可以鉴别出钞票的真伪。
[0003] 目前，通过对比像素点灰度值，以识别竖列冠字号。具体的，在紫外荧光下，若某处图像的灰度值大于预设灰度值，则该处图像即被判定为竖列冠字号目标图像。由于紫外荧光下竖列冠字号区域图像的像素点灰度值区分度不大，因而，现有竖列冠字号识别方法存在竖列冠字号识别不准确的问题。
发明内容
[0004] 本发明实施例提供一种竖列冠字号识别方法及装置，以提高竖列冠字号的识别准确性。
[0005] 第一方面，本发明实施例提供了一种竖列冠字号识别方法，包括：
[0006] 获取紫外荧光下的竖列冠字号区域图像；
[0007] 根据所述竖列冠字号区域图像中各像素点的灰度值进行聚类处理；
[0008] 根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异；
[0009] 在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置；
[0010] 识别所述竖列冠字号目标图像中的每个竖列冠字号字符。
[0011] 进一步地，根据所述竖列冠字号区域图像中各像素点的灰度值进行聚类处理，包括：
[0012] 在所述竖列冠字号区域图像中，选取多个位置的像素点分别作为初始聚类中心，每个所述初始聚类中心对应一个聚类；
[0013] 将所述竖列冠字号区域图像抽象为m*n的样本数据，其中，m代表列数，n代表行数，每个样本数据为像素点的灰度值；
[0014] 将各所述样本数据经聚类相似性度量后，分别分配至与聚类中心像素点的灰度值相似度最高的聚类；
[0015] 分别计算各个聚类中像素点灰度平均值，作为新的聚类中心的像素点灰度值；
[0016] 返回执行确定样本数据的步骤，直至更新聚类中心使得聚类准则函数收敛。
[0017] 进一步地，所述聚类相似性度量采用欧式距离；所述聚类准则函数采用误差平方和准则函数。
[0018] 进一步地，根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异包括：
[0019] 根据聚类结果定位冠字号目标聚类；
[0020] 将所述冠字号目标聚类中像素点的灰度值修正为预设灰度值，以增加各类像素点之间的灰度差异。
[0021] 进一步地，在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置，包括：
[0022] 在修正后的竖列冠字号区域图像中，自最左列图像开始，朝右获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的左边界；
[0023] 在修正后的竖列冠字号区域图像中，自最右列图像开始，朝左获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的右边界；
[0024] 在修正后的竖列冠字号区域图像中，自最上行图像开始，朝下获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的上边界；
[0025] 在修正后的竖列冠字号区域图像中，自最下行图像开始，朝上获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的下边界。
[0026] 进一步地，识别所述竖列冠字号目标图像中的每个竖列冠字号字符，包括：
[0027] 在所述竖列冠字号目标图像中，根据所述竖列冠字号字符间距固定的原则，确定每个竖列冠字号字符的位置；
[0028] 利用链码匹配算法识别所述每个竖列冠字号字符。
[0029] 第二方面，本发明实施例还提供了一种竖列冠字号识别装置，该识别装置包括：
[0030] 获取模块，用于获取紫外荧光下的竖列冠字号区域图像；
[0031] 处理模块，用于根据所述竖列冠字号区域图像中各像素点的灰度值进行聚类处理；
[0032] 修正模块，用于根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异；
[0033] 确定模块，用于在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置；
[0034] 识别模块，用于识别所述竖列冠字号目标图像中的每个竖列冠字号字符。
[0035] 进一步地，所述处理模块包括：
[0036] 选取单元，用于在所述竖列冠字号区域图像中，选取多个位置的像素点分别作为初始聚类中心，每个所述初始聚类中心对应一个聚类；
[0037] 抽象单元，用于将所述竖列冠字号区域图像抽象为m*n的样本数据，其中，m代表列数，n代表行数，每个样本数据为像素点的灰度值；
[0038] 分配单元，用于将各所述样本数据经聚类相似性度量后，分别分配至与聚类中心像素点的灰度值相似度最高的聚类；
[0039] 计算单元，用于分别计算各个聚类中像素点灰度平均值，作为新的聚类中心的像素点灰度值；
[0040] 迭代单元，用于返回执行确定样本数据的步骤，直至更新聚类中心使得聚类准则函数收敛。
[0041] 进一步地，所述聚类相似性度量采用欧式距离；所述聚类准则函数采用误差平方和准则函数。
[0042] 进一步地，所述修正模块包括：
[0043] 定位单元，用于根据聚类结果定位冠字号目标聚类；
[0044] 调整单元，用于将所述冠字号目标聚类中像素点的灰度值修正为预设灰度值，以增加各类像素点之间的灰度差异。
[0045] 进一步地，所述确定模块包括：
[0046] 左边界确定单元，用于在修正后的竖列冠字号区域图像中，自最左列图像开始，朝右获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的左边界；
[0047] 右边界确定单元，用于在修正后的竖列冠字号区域图像中，自最右列图像开始，朝左获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的右边界；
[0048] 上边界确定单元，用于在修正后的竖列冠字号区域图像中，自最上行图像开始，朝下获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的上边界；
[0049] 下边界确定单元，用于在修正后的竖列冠字号区域图像中，自最下行图像开始，朝上获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的下边界。
[0050] 进一步地，所述识别模块包括：
[0051] 位置确定单元，用于在所述竖列冠字号目标图像中，根据所述竖列冠字号字符间距固定的原则，确定每个竖列冠字号字符的位置；
[0052] 字符识别单元，用于利用链码匹配算法识别所述每个竖列冠字号字符。
[0053] 本发明实施例通过对紫外荧光下竖列冠字号区域图像中的各像素点灰度值进行聚类处理，根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异，在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置，进而识别出每个竖列冠字号字符，解决了现有竖列冠字号识别方法存在竖列冠字号识别不准确的问题，实现了提高竖列冠字号识别准确性的效果。
附图说明
[0054] 图1是本发明实施例一中的一种竖列冠字号识别方法的流程图；
[0055] 图2是本发明实施例二中的一种竖列冠字号识别装置的结构图。
具体实施方式
[0056] 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。
[0057] 实施例一
[0058] 图1是本发明实施例一中的一种竖列冠字号识别方法的流程图，本实施例可适用于需要对钞票的荧光冠字号进行识别的情况，该方法可以由竖列冠字号识别装置来执行，其中该装置可以由软件和/或硬件实现，该装置可集成于验钞器中。参考图1，本实施例提供的竖列冠字号识别装置具体可以包括如下步骤：
[0059] S110、获取紫外荧光下的竖列冠字号区域图像。
[0060] 具体地，所述紫外荧光下的竖列冠字号区域图像中，各像素点的灰度值偏低，且各像素点之间的灰度差异较小。
[0061] S120、根据所述竖列冠字号区域图像中各像素点的灰度值进行聚类处理。
[0062] 可选的，所述根据竖列冠字号区域图像中各像素点的灰度值进行聚类处理，包括：
[0063] 在所述竖列冠字号区域图像中，选取多个位置的像素点分别作为初始聚类中心，每个所述初始聚类中心对应一个聚类。
[0064] 例如，可根据最大最小距离聚类算法，在所述竖列冠字号区域图像中，选取3个位置的像素点分别作为初始聚类中心，每个所述初始聚类中心对应一个聚类。进一步地，所述3个初始聚类中心可以分别对应冠字号目标聚类、冠字号附近过渡地带聚类、以及背景地带聚类。
[0065] 将所述竖列冠字号区域图像抽象为m*n的样本数据，其中，m代表列数，n代表行数，每个样本数据为像素点的灰度值。
[0066] 具体的，由于所述样本数据代表像素点的灰度值，则将所述竖列冠字号区域图像抽象为m*n的样本数据(m代表列数，n代表行数)即为：将所述竖列冠字号区域图像抽象为m列*n行个像素点的灰度值。
[0067] 将各所述样本数据经聚类相似性度量后，分别分配至与聚类中心像素点的灰度值相似度最高的聚类。
[0068] 具体的，可根据K-means聚类算法，将各所述样本数据进行聚类相似性度量，其中，所述聚类相似性度量采用欧式距离。进而，将各所述样本数据经聚类相似性度量后，分别分配至与聚类中心像素点的灰度值相似度最高的聚类。
[0069] 分别计算各个聚类中像素点灰度平均值，作为新的聚类中心的像素点灰度值。
[0070] 具体的，分别计算各个聚类中像素点灰度平均值，以更新所述各个聚类的聚类中心的灰度值。
[0071] 返回执行确定样本数据的步骤，直至更新聚类中心使得聚类准则函数收敛。
[0072] 具体的，返回执行确定样本数据的步骤，循环迭代，直至更新聚类中心使得聚类准则函数收敛。其中，所述聚类准则函数可采用误差平方和准则函数。
[0073] S130、根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异。
[0074] 可选的，所述根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异，包括：
[0075] 根据聚类结果定位冠字号目标聚类。
[0076] 具体的，可根据K-means聚类算法的结果，定位冠字号目标聚类，从而确定所述冠字号目标聚类的位置。所述冠字号目标聚类中可能包含有少量噪声像素点的灰度值。
[0077] 将所述冠字号目标聚类中像素点的灰度值修正为预设灰度值，以增加各类像素点之间的灰度差异。
[0078] 具体的，所述预设灰度值可以选择为255，或者可以选择为趋于255。由于其他聚类中像素点的灰度值均远小于所述预设灰度值，因而，将所述冠字号目标聚类中像素点的灰度值修正为预设灰度值，可以增加各类像素点之间的灰度差异，从而使得所述冠字号目标聚类能够突出显示于其他聚类。
[0079] S140、在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置。
[0080] 可选的，在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置，包括：
[0081] 在修正后的竖列冠字号区域图像中，自最左列图像开始，朝右获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的左边界。
[0082] 例如，所述设定阈值可选为245，即在修正后的竖列冠字号区域图像中，自最左列图像开始，朝右获取像素点灰度值之和大于设定阈值245的一列图像，作为所述竖列冠字号目标图像的左边界。
[0083] 在修正后的竖列冠字号区域图像中，自最右列图像开始，朝左获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的右边界。
[0084] 例如，所述设定阈值可选为245，即在修正后的竖列冠字号区域图像中，自最右列图像开始，朝左获取像素点灰度值之和大于设定阈值245的一列图像，作为所述竖列冠字号目标图像的右边界。
[0085] 在修正后的竖列冠字号区域图像中，自最上行图像开始，朝下获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的上边界。
[0086] 例如，所述设定阈值可选为245，即在修正后的竖列冠字号区域图像中，自最上行图像开始，朝下获取像素点灰度值之和大于设定阈值245的一行图像，作为所述竖列冠字号目标图像的上边界。
[0087] 在修正后的竖列冠字号区域图像中，自最下行图像开始，朝上获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的下边界。
[0088] 例如，所述设定阈值可选为245，即在修正后的竖列冠字号区域图像中，自最下行图像开始，朝上获取像素点灰度值之和大于设定阈值245的一行图像，作为所述竖列冠字号目标图像的下边界。
[0089] S150、识别所述竖列冠字号目标图像中的每个竖列冠字号字符。
[0090] 可选的，所述识别所述竖列冠字号目标图像中的每个竖列冠字号字符，包括：
[0091] 在所述竖列冠字号目标图像中，根据所述竖列冠字号字符间距固定的原则，确定每个竖列冠字号字符的位置。
[0092] 具体的，由于所述竖列冠字号字符之间的间距是一定值，因而，在所述竖列冠字号目标图像中，根据所述竖列冠字号字符间距固定的原则，即可确定每个竖列冠字号字符的位置。
[0093] 利用链码匹配算法识别所述每个竖列冠字号字符。
[0094] 具体的，可利用链码匹配算法识别出所述竖列冠字号目标图像中每个竖列冠字号字符。
[0095] 本实施例的技术方案通过对紫外荧光下竖列冠字号区域图像中的各像素点灰度值进行聚类处理，根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异，在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置，进而识别出每个竖列冠字号字符，解决了现有竖列冠字号识别方法存在竖列冠字号识别不准确的问题，实现了提高竖列冠字号识别准确性的效果。
[0096] 实施例二
[0097] 图2是本发明实施例二中的一种竖列冠字号识别装置的结构图，本实施例可适用于需要对钞票的荧光冠字号进行识别的情况。参考图2，本实施例提供的竖列冠字号识别装置的结构具体可以如下：
[0098] 获取模块210，用于获取紫外荧光下的竖列冠字号区域图像；
[0099] 处理模块220，用于根据所述竖列冠字号区域图像中各像素点的灰度值进行聚类处理；
[0100] 修正模块230，用于根据聚类结果修正各像素点的灰度值，以增加各类像素点之间的灰度差异；
[0101] 确定模块240，用于在修正后的竖列冠字号区域图像中，确定竖列冠字号目标图像的位置；
[0102] 识别模块250，用于识别所述竖列冠字号目标图像中的每个竖列冠字号字符。
[0103] 可选的，所述处理模块包括：
[0104] 选取单元，用于在所述竖列冠字号区域图像中，选取多个位置的像素点分别作为初始聚类中心，每个所述初始聚类中心对应一个聚类；
[0105] 抽象单元，用于将所述竖列冠字号区域图像抽象为m*n的样本数据，其中，m代表列数，n代表行数，每个样本数据为像素点的灰度值；
[0106] 分配单元，用于将各所述样本数据经聚类相似性度量后，分别分配至与聚类中心像素点的灰度值相似度最高的聚类；
[0107] 计算单元，用于分别计算各个聚类中像素点灰度平均值，作为新的聚类中心的像素点灰度值；
[0108] 迭代单元，用于返回执行确定样本数据的步骤，直至更新聚类中心使得聚类准则函数收敛。
[0109] 可选的，所述聚类相似性度量采用欧式距离；所述聚类准则函数采用误差平方和准则函数。
[0110] 可选的，所述修正模块包括：
[0111] 定位单元，用于根据聚类结果定位目标聚类；
[0112] 调整单元，用于将所述目标聚类中像素点的灰度值修正为预设灰度值，以增加各类像素点之间的灰度差异。
[0113] 可选的，所述确定模块包括：
[0114] 左边界确定单元，用于在修正后的竖列冠字号区域图像中，自最左列图像开始，朝右获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的左边界；
[0115] 右边界确定单元，用于在修正后的竖列冠字号区域图像中，自最右列图像开始，朝左获取像素点灰度值之和大于设定阈值的一列图像，作为所述竖列冠字号目标图像的右边界；
[0116] 上边界确定单元，用于在修正后的竖列冠字号区域图像中，自最上行图像开始，朝下获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的上边界；
[0117] 下边界确定单元，用于在修正后的竖列冠字号区域图像中，自最下行图像开始，朝上获取像素点灰度值之和大于设定阈值的一行图像，作为所述竖列冠字号目标图像的下边界。
[0118] 可选的，所述识别模块包括：
[0119] 位置确定单元，用于在所述竖列冠字号目标图像中，根据所述竖列冠字号字符间距固定的原则，确定每个竖列冠字号字符的位置；
[0120] 字符识别单元，用于利用链码匹配算法识别所述每个竖列冠字号字符。
[0121] 本实施例提供的竖列冠字号识别装置，与本发明任意实施例所提供的竖列冠字号识别方法属于同一发明构思，可执行本发明任意实施例所提供的竖列冠字号识别方法，具备执行竖列冠字号识别方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的竖列冠字号识别方法。
[0122] 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。
