[0001] 本发明涉及运动数据处理技术领域，具体为基于计算机视觉的运动数据处理方法及装置。

[0002] 运动数据处理技术是一个涉及多个步骤和方法的复杂过程，旨在从运动员或运动设备的原始数据中提取有价值的信息，以优化训练、提高运动表现并减少伤害风险。

[0003] 基于计算机视觉的运动数据处理技术是计算机视觉领域的重要课题。对视频序列中的运动目标进行检测、跟踪，获得目标的位置、速度等运动参数，是进行更高级的运动目标行为分析的基础。快速实时地检测出运动目标，对运动目标进行跟踪，并实现目标的运动数据分析，在体育领域可以得到广泛的应用。例如，对一个用径运动员的训练视频进行处理，提取出其瞬时运动速度、手臂摆动幅度、频率等信息，由于视频序列每秒钟有多幅图像，含有大量的人眼捕捉不到的有价值的信息，可用于分析运动员技术上的不足，提高运动技能。

[0004] 然而，现有的运动数据处理技术仍然存在诸多不足和限制。首先，现有的计算机视觉的运动数据处理技术存在数据耦合的现象，例如，对于一个正在进行长跑项目的田径运动员，若建立空间坐标系进行数据采集，则只能观察到运动员各个身体部分在赛道上的相对移动速度。并不能准确反映运动员在比赛过程中，特别是在加速、保持速度和减速等不同阶段，腿部、臀部等身体各部位的运动模式。

[0005] 其次，现有的运动数据处理技术对于运动数据分析结果的解读难度较大，由于数据分析技术的复杂性，许多非专业用户难以准确解读分析结果，导致数据价值无法得到充分利用。例如，现有的运动数据处理技术难以综合考虑运动员态和重心的动态变化以及对运动员的影响。

[0006] 因此，有必要设计基于计算机视觉的运动数据处理方法及装置以解决上述问题。

[0056] 下面将结合实施例对本发明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的一部分实施例，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。

[0057] 请参阅图1所示，基于计算机视觉的运动数据处理方法，具体包括以下步骤：步骤一：感知网络布置：
请参阅图2所示，布置三台位置固定的摄像机，在预设位置一架设工业级高清摄像
机一，在预设位置二架设工业级高清摄像机二，在预设位置三架设工业级高清摄像机三。令预设位置一为坐标原点O1，以正北方向为Y轴，以正东方向为Y轴，以竖直方向为Z轴建立三维直角坐标系，记为感知坐标系。分别获取预设位置二和预设位置三在感知坐标系中的坐标O2（Xo2，Yo2，Zo2）和03（Xo3，Yo3，Zo3）。

[0058] 预设距离阈值dmax和dmin，预设最大角度θmax和θmin对预设位置一、二和三的布置进行数值限定计算，具体为：依次连接O1、O2和O3点，形成三角形。记O1点坐标为（Xo1，Yo1，Zo1），通过公式
计算预设位置一和二的距离a、预设位置一和三
的距离b以及预设位置二和三的距离c。

[0059] 通过距离约束条件 对所述的距离a、b和c进行限定。

[0060] 通过公式 计算预设位置一、二和三组成的三角形的夹角θa、θb和θc。

[0061] 通过角度约束条件 对所述角度θa、θb和θc进行限定。

[0062] 进一步的，请参阅图3所示，若设置的预设位置超过三个，即架设的工业级高清摄像机大于三个时。依次连接相邻的预设位置坐标点组成若干个三角形。针对各个三角形进行上述的数值限定计算。

[0063] 调整各个工业级高清摄像机，令其视线方向正对运动场地。随后，拍摄运动员脸部图像并从数据库中调取运动员脸部识别特征图，基于计算机视觉技术进行人脸识别比对，根据人脸识别比对结果匹配到具体的运动员并赋予唯一编号。

[0064] 所述唯一编号为i，i=1，2，...，n；其中n为纳入系统的运动员总数。

[0065] 步骤二，图像处理、关节识别和人体模型构建；通过各个工业级高清摄像机进行录像摄影并逐帧分解，得到各个运动员在各个时
刻t的运动图像。针对所述的运动图像进行畸变校正和图像降噪处理。

[0066] 请参阅图4所示，基于计算机视觉技术对所述的运动图像进行特征提取，构建各个运动员的三维数字孪生模型，通过关键点检测神经网络模型在所述的三维数字孪生模型中定位运动员的各个身体结构。将所述的身体结构按运动模式分为连接部分、骨干部分和肢体部分，分别编号为：连接部分：A01颈关节、A02左肩关节、AO3右肩关节、AO4腰关节、A05左髋关节、A06
右髋关节、A07左肘关节、A08左腕关节、A09右肘关节、A10右腕关节、A11左膝关节、A12右膝关节、A13左踝关节和A14右踝关节；
骨干部分：B01头部、B02上躯干、B03下躯干、B04左手掌、B05右手掌、B06左脚掌和
B07右脚掌；
肢体部分：C01左大臂、C02右大臂、C03左小臂、C04右小臂、C05左大腿、C06右大腿、C07左小腿和C08右小腿。

[0067] 请参阅图5所示，针对各个运动员的三维数字孪生模型进行几何抽象，将人体的具体形态抽象为一系列几何图形的组合，进而生成运动简图。

[0068] 所述的几何抽象的过程具体为：用圆形对连接部分进行简化表示，用多边形对骨干部分进行简化表示，用线段对肢体部分进行简化表示。

[0069] 进一步的，每隔预设时间间隔t，在所述的运动简图中提取特征坐标点，进行运动数据量化，其过程具体为：定位各个运动员的运动简图整体的几何形心，即各个运动简图中所有圆形、多边
形组成的图像整体的几何中心。每隔预设时间间隔t记录各个运动员的运动简图在感知坐标系中的几何形心的坐标（xi，yi，zi），记为定位坐标。针对各个运动员的运动简图，在感知坐标系中，每隔预设时间间隔t分别获取各个身体结构的定位坐标，具体为：
针对连接部分，以各个圆形的圆心坐标为连接部分的定位坐标，包括：颈关节定位
坐标iA01（XiA01，YiA01，ZiA01）、左肩关节定位坐标iA02（XiA02，YiA02，ZiA02）、右肩关节定位坐标iA03（XiA03，YiA03，ZiA03）、腰关节定位坐标iA04（XiA04，YiA04，ZiA04）、左髋关节定位坐标iA05（XiA05，YiA05，ZiA05）、右髋关节定位坐标iA06（XiA06，YiA06，ZiA06）、左肘关节定位坐标iA07（XiA07，YiA07，ZiA07）、左腕关节定位坐标iA08（XiA08，YiA08，ZiA08）、右肘关节定位坐标iA09（XiA09，YiA09，ZiA09）、右腕关节定位坐标iA10（XiA10，YiA10，ZiA10）、左膝关节定位坐标iA11（XiA11，YiA11，ZiA11）、右膝关节定位坐标iA12（XiA12，YiA12，ZiA12）、左踝关节定位坐标iA13（XiA13，YiA13，ZiA13）和右踝关节定位坐标iA14（XiA14，YiA14，ZiA14）；
针对骨干部分，以各个多边形的中心坐标为骨干部分的定位坐标，包括：头部定位
坐标iB01（XiB01，YiB01，ZiB01）、上躯干定位坐标iB02（XiB02，YiB02，ZiB02）、下躯干定位坐标（XiB03，YiB03，ZiB03）、左手掌定位坐标iB04（XiB04，YiB04，ZiB04）、右手掌定位坐标iB05（XiB05，YiB05，ZiB05）、左脚掌定位坐标iB06（XiB06，YiB06，ZiB06）和右脚掌定位坐标iB07（XiB07，YiB07，ZiB07）；
针对肢体部分，以各个线段的两个端点坐标为肢体部分的定位坐标。包括：左大臂
定位坐标iC01‑1（XiC01‑1，YiC01‑1，ZiC01‑1）和iC01‑2（XiC01‑2，YiC01‑2，ZiC01‑2）、右大臂定位坐标iC02‑1（XiC02‑1，YiC02‑1，ZiC02‑1）和iC02‑2（XiC02‑2，YiC02‑2，ZiC02‑2）、左小臂定位坐标iC03‑1（XiC03‑1，YiC03‑1，ZiC03‑1）和iC03‑2（XiC03‑2，YiC03‑2，ZiC03‑2）、右小臂定位坐标iC04‑1（XiC04‑1，YiC04‑1，ZiC04‑1）和iC04‑2（XiC04‑2，YiC04‑2，ZiC04‑
2）、左大腿定位坐标iC05‑1（XiC05‑1，YiC05‑1，ZiC05‑1）和iC05‑2（XiC05‑2，YiC05‑2，ZiC05‑2）、右大腿定位坐标iC06‑1（XiC06‑1，YiC06‑1，ZiC06‑1）和iC06‑2（XiC06‑2，YiC06‑
2，ZiC06‑2）、左小腿定位坐标iC07‑1（XiC07‑1，YiC07‑1，ZiC07‑1）和iC07‑2（XiC07‑2，YiC07‑2，ZiC07‑2）以及右小腿定位坐标iC08‑1（XiC08‑1，YiC08‑1，ZiC08‑1）和iC08‑2（XiC08‑2，YiC08‑2，ZiC08‑2）。

[0070] 其中i是运动员的唯一编号；其中A01，A02，...，C08是身体结构的编号；针对肢体部分的定位坐标，取线段的两个端点坐标。

[0071] 例如，C01‑1和C01‑2是与左大臂对应的线段中两个端点的编号，余同。

[0072] 步骤三、坐标变换：建立个人动态坐标系，具体为：
请参阅图6所示，针对各个运动员的运动简图，定位其中与上躯干对应的多边形。
获取所述多边形的几何中心坐标iB02（XiB02，YiB02，ZiB02）。将所述多边形所在的平面记为个人动态基准平面。

[0073] 做一条空间直线，令该直线满足以下条件：条件一、垂直于个人动态基准平面；条件二、直线经过所述多边形的几何中心；将所述直线记为基准法向量一。

[0074] 进一步的，在与上躯干对应的多边形中获取与头部定位坐标iB01（XiB01，YiB01，ZiB01）距离最近的角点，记为特征点。获取特征点的坐标D（Xia，Yib，Zic）。做一条空间直线，令该直线满足以下条件：条件一，直线位于个人动态基准平面中；条件二，该直线经过所述多边形的几何中心坐标；条件三，该直线经过特征点。

[0075] 将所述直线记为基准法向量二。

[0076] 在个人动态基准平面中做垂直于基准法向量二的直线，命名为基准法向量三。所述基准法向量一、二和三两两垂直。

[0077] 以各个运动员的形心坐标为坐标基点，以基准法向量一为X轴、基准法向量二为Y轴、基准法向量三为Z轴建立空间直角坐标系，记为运动员i的个人动态坐标。

[0078] 其中i为运动员的唯一编号，t为当前时刻。在所述的个人动态基准平面中。

[0079] 进一步的，在感知坐标系和个人动态坐标之间建立坐标变换运算关系，具体为：获取各个运动员的几何形心的坐标（Xi，Yi，Zi），令平移变换矩阵为：
，获取基准法向量一与感知坐标系中X轴的夹角θ1，获取基准法向量二
与感知坐标系中Y轴的夹角θ2，获取基准法向量三与感知坐标系中Z轴的夹角θ3.定义旋转变换矩阵为：
。

[0080] 令复合变换矩阵M为 。给定一个感知坐标系中的点P（x，y，z）之后，通过复合变换矩阵M，该点在个人动态坐标系中的新坐标P´（x´，y´，z´）可以通过下式计算： 。

[0081] 进一步的，针对各个运动员，通过所述的坐标变换运算关系将采集到的该运动员的各个身体结构的定位坐标实时变换到该运动员的个人动态坐标系中，得到各个身体结构的自身相对坐标，包括：连接部分的自身相对坐标：颈关节自身相对坐标iA01'（XiA01'，YiA01'，ZiA01'）、左肩关节自身相对坐标iA02'（XiA02'，YiA02'，ZiA02'）、右肩关节自身相对坐标iA03'（XiA03'，YiA03'，ZiA03'）、腰关节自身相对坐标iA04'（XiA04'，YiA04'，ZiA04'）、左髋关节自身相对坐标iA05'（XiA05'，YiA05'，ZiA05'）、右髋关节自身相对坐标iA06'（XiA06'，YiA06'，ZiA06'）、左肘关节自身相对坐标iA07'（XiA07'，YiA07'，ZiA07'）、左腕关节自身相对坐标iA08'（XiA08'，YiA08'，ZiA08'）、右肘关节自身相对坐标iA09'（XiA09'，YiA09'，ZiA09'）、右腕关节自身相对坐标iA10'（XiA10'，YiA10'，ZiA10'）、左膝关节自身相对坐标iA11'（XiA11'，YiA11'，ZiA11'）、右膝关节自身相对坐标iA12'（XiA12'，YiA12'，ZiA12'）、左踝关节自身相对坐标iA13'（XiA13'，YiA13'，ZiA13'）和右踝关节自身相对坐标iA14'（XiA14'，YiA14'，ZiA14'）；
骨干部分的自身相对坐标：以各个多边形的中心坐标为骨干部分的自身相对坐
标'，包括：头部自身相对坐标iB01'（XiB01'，YiB01'，ZiB01'）、上躯干自身相对坐标iB02'（XiB02'，YiB02'，ZiB02'）、下躯干自身相对坐标'（XiB03'，YiB03'，ZiB03'）、左手掌自身相对坐标iB04'（XiB04'，YiB04'，ZiB04'）、右手掌自身相对坐标iB05'（XiB05'，YiB05'，ZiB05'）、左脚掌自身相对坐标iB06'（XiB06'，YiB06'，ZiB06'）和右脚掌自身相对坐标iB07'（XiB07'，YiB07'，ZiB07'）；
肢体部分的自身相对坐标：以各个线段的两个端点坐标为肢体部分的自身相对坐
标。包括：左大臂自身相对坐标iC01‑1'（XiC01‑1'，YiC01‑1'，ZiC01‑1'）和iC01‑2'（XiC01‑
2'，YiC01‑2'，ZiC01‑2'）、右大臂自身相对坐标iC02‑1'（XiC02‑1'，YiC02‑1'，ZiC02‑1'）和iC02‑2'（XiC02‑2'，YiC02‑2'，ZiC02‑2'）、左小臂自身相对坐标iC03‑1'（XiC03‑1'，YiC03‑
1'，ZiC03‑1'）和iC03‑2'（XiC03‑2'，YiC03‑2'，ZiC03‑2'）、右小臂自身相对坐标iC04‑1'（XiC04‑1'，YiC04‑1'，ZiC04‑1'）和iC04‑2'（XiC04‑2'，YiC04‑2'，ZiC04‑2'）、左大腿自身相对坐标iC05‑1'（XiC05‑1'，YiC05‑1'，ZiC05‑1'）和iC05‑2'（XiC05‑2'，YiC05‑2'，ZiC05‑
2'）、右大腿自身相对坐标iC06‑1'（XiC06‑1'，YiC06‑1'，ZiC06‑1'）和iC06‑2'（XiC06‑2'，YiC06‑2'，ZiC06‑2'）、左小腿自身相对坐标iC07‑1'（XiC07‑1'，YiC07‑1'，ZiC07‑1'）和iC07‑2'（XiC07‑2'，YiC07‑2'，ZiC07‑2'）以及右小腿自身相对坐标iC08‑1'（XiC08‑1'，YiC08‑1'，ZiC08‑1'）和iC08‑2'（XiC08‑2'，YiC08‑2'，ZiC08‑2'）。

[0082] 需要说明的是，若以感知坐标系作为唯一的参考系，运动员在进行运动时，自身几何中心的位移数据和各个身体部分的位移数据会产生耦合，影响数据的准确性。坐标变换的意义在于改变各个运动员的运动参考系，准确反映运动员身体结构中各个部分的相对于自身几何中心的位置和运动轨迹，将运动员的运动分解为自身几何形心的质点运动和各个身体结构相对于几何形心的相对运动，进而简化运算的复杂程度。

[0083] 例如，对于一个正在进行长跑项目的田径运动员，若以感知坐标系进行数据采集，则只能观察到运动员各个身体部分在赛道上的相对移动速度。但这并不能准确反映运动员在比赛过程中，特别是在加速、保持速度和减速等不同阶段，腿部、臀部等身体各部位的运动模式。实际上，运动员在起跑时腿部蹬地的力量极大，速度极快，但在感知坐标系中，这种高速仅体现在整体向前推进的加速度上，而无法具体量化到腿部每一次蹬踏的速度。

[0084] 步骤四、数值分析对于各个运动员i，对所有身体结构进行唯一编号，对所有连接部分进行唯一编
号。

[0085] 针对各个身体结构的自身相对坐标，对所有身体结构的具体部位进行唯一编号，所述唯一编号为j1，j1=1，2，...，m1；其中m为身体部位的总数量。

[0086] 针对身体结构中的各个连接部分进行唯一标号，所述唯一编号为j2，j2=1，2，...，m2；其中m2是连接部分的总数量。

[0087] 从运动的线速度、角速度、加速度、幅度和频率五个角度对采集到的运动员各个身体结构的自身相对坐标进行数值分析，具体为：运动线速度分析：每隔预设时间间隔t，针对各个身体结构对应的自身相对坐标。
记录当前时间的自身相对坐标E1=（XE1，YE1，ZE1），获取上一个预设时间间隔t同一个身体结构对应的自身相对坐标E2=（XE2，YE2，ZE2）。通过公式
计算运动员i的身体结构j在时刻T的线
位移S（i1，j，T）。通过公式VS=S（i，j，T）/t计算运动员i的身体结构j1在时刻T的运动线速度VS（i，j1，T）；
运动角速度分析：获取连接部分的自身相对坐标。针对各个连接部分，在运动简图
中分别获取与其连接的肢体部分和骨干部分的自身相对坐标，组成连接折线。针对肢体部分线段端点的两个自身相对坐标，依据远端端点原则选择线段端点，与连接部分组成连接折线。

[0088] 需要说明的是，所述的远端端点原则，指在肢体部分的两个线段端点中，取距离所述连接部分距离更远的一个。

[0089] 例如，请参阅图7所示，针对左肘关节，获取其自身相对坐标iA07'（XiA07'，YiA07'，ZiA07'）。在运动简图中分别获取与其链接的肢体部分的坐标，即左大臂自身相对坐标iC01‑1'（XiC01‑1'，YiC01‑1'，ZiC01‑1'）和iC01‑2'（XiC01‑2'，YiC01‑2'，ZiC01‑2'）以及左小臂自身相对坐标iC03‑1'（XiC03‑1'，YiC03‑1'，ZiC03‑1'）和iC03‑2'（XiC03‑2'，YiC03‑2'，ZiC03‑2'）。组成连接折线左大臂iC01‑1'－左肘关节iA07'‑左小臂iC03‑2'。其中iC03‑1'点与iA07'的距离大于iC03‑2'点与iA07'的距离；其中iC03‑2'点与iA07'的距离大于iC03‑1'的点。

[0090] 每隔预设时间间隔t，通过空间坐标运算获取各个连接折线的夹角，具体过程为：在连接折线中，令两个端点分别为F1点和F2点，令中间的连接点为F0点。

[0091] 分别获取其坐标F0（XF0，YF0，ZF0）、F1（XF1，YF1，ZF1）和F3（XF3，YF3，ZF3）。通过公式 计算运动员i的连接部分j2在当前时刻对应的连接折线夹角θ（i，j2，T），其中i是各个运动员的唯一编号；j2是各个连接部分的唯一编号；其中T是当前时刻。获取上一个预设时间间隔t，计算运动员i的连接部分j2对应的连接折线夹角θ（i，j2，T‑t）。

[0092] 通过公式vθ（i，j2，T）=θ[（i，j2，T）‑θ（i，j2，T‑t）]/t计算该连接折线的夹角θ（i，j2，T）的变化速度，记为各个连接部分夹角的角速度。

[0093] 运动加速度分析：基于运动线速度分析的运算结果，获取运动员i的身体结构j1在时刻T的运动线速
度VS（i，j1，T）和上一个预设时间间隔t的运动线速度VS´（i，j1，T‑t）通过公式aS（i，j2，T）=[VS（i，j1，T）‑VS´（i，j1，T‑t）]/t计算运动员i的身体结构j1在时刻T的线加速度。

[0094] 基于运动角速度分析的运算结果，获取运动员i的连接部分j2在时刻T的运动角速度Vθ（i，j2，T）和上一个预设时间间隔t的运动线速度Vθ´（i，j2，T‑t）通过公式aθ（i，j2，T）=[Vθ（i，j2，T）‑Vθ´（i，j2，T‑t）]/t计算运动员i的连接部分j2在时刻T的线加速度。

[0095] 运动幅度分析：预设一个幅度监测周期T1=n1×t，其中n1是预设的周期基数，n1是大于0的正整数；其中t是预设的时间间隔。

[0096] 基于运动线速度的分析运算结果，每隔幅度监测周期T1，获取运动员i的身体结构j在时刻各个时刻的线位移并提取其最大值Smax（i1，j，T），记为运动员i的身体结构j在幅度监测周期T1内的运动幅度。

[0097] 运动频率分析：预设一个频率监测周期T2=n2×t，其中n2是预设的频率基数，n2是大于0的正整数；其中t是预设的时间间隔。

[0098] 预设一个最小位移基准Smin。基于运动线速度的分析运算结果，获取运动员i的身体结构j在时刻各个时刻的线位移。随后，将其中大于最小位移基准Smin的线位移标记为有效线位移。每隔幅度监测周期T1，统计有效线位移的个数Q，记为运动频率。

[0099] 每隔预设的时间间隔t，重复执行所述的运动线速度、运动角速度、运动加速度、运动幅度和运动频率分析计算，令所述分析计算过程遍历所有运动员的唯一编号i和所有身体结构的唯一编号j1。

[0100] 步骤五、数值可视化显示；对运动简图进行数据可视化处理，具体为：
将运动线速度、运动角速度、线加速度、角加速度、运动幅度和运动频率的具体数
值按运动员的唯一编号i和所有身体结构的唯一编号j1在运动简图中进行标注。

[0101] 预设一组数据阈值，包括运动线速度阈值、运动角速度阈值、线加速度阈值、角加速度阈值、运动幅度阈值和运动频率阈值。在经过标注的运动简图中将超过自身阈值的具体数值进行高亮显示。

[0102] 进一步的，按时间间隔t对经过数据可视化处理的运动简图进行分隔保存，提供随时间推移的运动简图演绎播放窗口。

[0103] 步骤六、数据保存；将各个运动员的所有身体结构的定位坐标、经过坐标转换后的定位坐标、经过分
析计算得到的运动线速度、运动角速度、运动加速度、运动幅度和运动频率数据进行保存。

[0104] 进一步的，将经过具体数值标注和高亮显示的运动简图进行保存。

[0105] 请参阅图8和图9所示，基于计算机视觉的运动数据处理装置，包括：三脚架1，三脚架上端安装有圆形的承台2，承台2上端安装有用于拍摄的工业级高
清摄像机3。三脚架1下端设有可自由伸长的支脚一101、支脚二102和支脚三103。支脚一
101、支脚二102和支脚三103相交于三脚架1的上端且通过三角形的水平限位板104进行刚性连接，三脚架1的顶端设有限位孔105。

[0106] 承台2包括上端的耦合部件一202和下端圆形的承台平面201。承台平面201的下端与三脚架1中的限位孔105进行限位连接，限制承台2的位移，同时确保承台平面在使用中以限位孔105为圆心进行旋转。耦合部件一202在承台平面201和工业级高清摄像机3中的摄影机云台301之间形成限位连接，限制工业级高清摄像机3的位移，同时确保工业级高清摄像机3在使用中以耦合部件一202为圆心进行旋转。

[0107] 工业级高清摄像机3包括下端的摄影机云台301。通过摄像机本体302侧面的耦合部件二303，摄影机云台301上与摄像机本体302形成限位连接。

[0108] 应当理解，本披露的说明书和权利要求书中使用的术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

[0109] 还应当理解，在此本披露说明书中所使用的术语仅仅是出于描述特定实施例的目的，而并不意在限定本披露。如在本披露说明书和权利要求书中所使用的那样，除非上下文清楚地指明其他情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本披露说明书和权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合；以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽
叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明，本发明仅受权利要求书及其全部范围和等效物的限制。