一种无人机巡查个体防护缺失行为与预警矫正系统及方法

摘要

本发明公开一种无人机巡查个体防护缺失行为与预警矫正系统及方法，包括：基于自主建立的个体防护装备穿戴数据库、员工头像数据库、员工工号&防护装备编号数据库进行神经网络算法识别训练，分别构建防护装备缺失检测模块、员工头像识别模块、员工工号&防护装备编号识别模块三大检测识别模块；依托无人机图像采集系统采集作业人员图像，并输入三大检测识别模块进行防护装备缺失检测和员工信息识别；检测识别结果被传输至预警矫正播报系统进行播报，并上传至云平台和客户端进行数据汇总显示、提醒。本发明可实现全自动、无人化、实时在线地精准检测、识别、预警、矫正个体防护缺失行为，为作业人员的生命安全健康保驾护航。

说明书

技术领域

本发明涉及安全监察领域，具体涉及一种无人机巡查个体防护缺失行为与预警矫正系统及方法。

背景技术

建筑施工、船舶制造等露天施工场所往往并存高处作业、高空坠物、粉尘气溶胶等多种复合危害，需要作业人员时刻佩戴安全带、安全帽、呼吸器等个体防护装备，一旦出现部分或全部个体防护缺失行为，极有可能在危险来临时无法保障作业人员生命安全健康，诱发安全生产事故。

为避免上述个体防护缺失行为，需要建立个体防护缺失监督管理体系。而现有的个体防护缺失监察主体往往是作业现场的安全监察人员。但无论是建筑施工还是船舶制造都具有工作场所面积大、作业面林立、劳动力密集、三班倒作业等特点，若要依靠人力实现全时间段、全方位无死角的监督管理，需投放大量监察人员，且难以保障效果。

随着无人机技术逐渐成熟，其应用场所越来越广泛，无人机巡检巡查已成为一种常见应用。鉴于此，针对以上问题，有必要提出一种无人机巡查个体防护缺失行为与预警矫正系统及方法，以期实现全自动、无人化、实时在线地识别、检测、预警与矫正个体防护缺失行为，为作业人员的生命安全健康保驾护航。

发明内容

为实现上述目的，本发明提出一种无人机巡查个体防护缺失行为与预警矫正方法，所述方法包括以下步骤：

S11：建立神经网络训练系统中的个体防护装备穿戴数据库、员工头像数据库、员工工号&防护装备编号数据库三大数据库，基于数据库及神经网络算法进行防护装备缺失检测、员工头像识别、员工工号&防护装备编号识别训练，进而构建个体防护缺失检测系统中的防护装备缺失检测模块、员工头像识别模块及员工工号&防护装备编号识别模块；

S12：依托无人机图像采集系统采集施工现场作业人员图像作为待检测图、记录作业人员位置信息；

S13：将待检测图输入个体防护缺失检测系统中，先进行图像的预处理，再将经过预处理的图像输入防护装备缺失检测模块，若未发现个体防护装备缺失行为，则结束；若发现个体防护装备缺失，则将图像输入员工头像识别模块和员工工号&防护装备编号识别模块，如果可检测到头像，则以头像信息为准进行身份确认，若不能检测到头像，则通过检测呼吸器上的编号进行员工身份信息确认；

S14：将作业人员位置信息传输至无人机图像采集系统，以进行跟踪拍摄；同时，将此位置信息反馈至中控室信息处理系统云平台进行记录；

S15：个体防护缺失检测系统将检测到的个体防护缺失信息、识别的身份信息传输至预警矫正播报系统，预警矫正播报模块根据噪声传感器检测的施工现场噪声自动调整播报音量，并进行预警矫正播报；

S16：预警矫正播报模块将个体防护装备缺失信息、个体防护缺失人员身份信息传输至云平台与作业人员位置信息共同进行数据的统计汇总、实时更新、存档，并将信息显示于数据汇总显示模块，通过云平台连接的客户端可直接查看实时更新、定期汇总的数据。

进一步的，个体防护装备穿戴数据库和员工头像数据库的建立包括以下步骤：

S21：在工作场所密集布设摄像头，获取员工作业状态下穿戴个体防护装备的视频录像；采取头像识别打卡的上、下班的方式，获取全部员工头像；

S22：采用代码将视频录像转换为图片，从图片中找到人物，并将图片格式变成448*448；采用SSD算法检测出图片中的人；对图像进行取均值和归一化处理；

S23：标注train和test；当数据库的量达到百万级别以上时，以数据库的99.5％做训练集，0.25％做验证集和测试集；若数据库的量没有达到百万级别，以70％为训练集，30％为测试集。

进一步的，员工工号&防护装备编号数据库的建立包括以下步骤：

S31：以反光材料对每个员工的每件防护装备进行编号，编号包括员工工号+装备类型+装备编号，每人每件防护装备编号唯一可区分；

S32：录入上述编号，建立员工工号&防护装备编号数据库。

进一步的，所述防护装备缺失训练模块基于个体防护装备穿戴数据库，依托YOLO算法进行目标检测训练，主要由Backbone、Neck、Heads三个组件组成，防护装备缺失训练包括以下步骤：

S41：将经过预处理的图像进行网格划分；

S42：定义训练标签[p

S43：将待检图片导入图像分类和定位算法中，经过卷积和池化操作后，输出n*n*9的特征向量，n为划分网格的大小，并用softmax分类器预测每个网格中所含的个体防护装备，对应步骤S42定义的训练标签即可得到在目标框内是否存在个体防护装备；

S44：判断目标检测结果好坏，采用交并比函数，即设

S45：建立防护装备缺失检测模型，并内置于防护装备缺失检测模块。

进一步的，所述员工工号&防护装备编号识别模块是基于员工工号&防护装备编号数据库，运用卷积神经网络实现的，包括卷积层、池化层、全连接、分类器；员工工号&防护装备编号识别训练包括以下步骤：

S51：引入卷积层(CONV Layer),初步提取图像特征；

S52：引入池化层(Pooling Layer)，提取图像主要特征；

S53：引入全连接层(Fully connected)，将各部分特征汇总；

S54：产生分类器，进行预测识别；

S55：建立员工工号&防护装备编号识别模型，并内置于员工工号&防护装备编号识别模块；

所述员工头像识别模块是基于员工头像数据库，引入Siamese网络实现的，步骤如下：

S61：同上述S51-S53训练Siamese网络；

S62：在全连接层后引入对输入图像的编码f(x

S63：对工作场所所有员工采用相同的Siamese网络参数和步骤得到每一位员工各自对应的编码；

S64：将待检测图的编码与库中编码进行logistic回归的二分类算法匹配，得到员工身份信息；

S65：建立员工头像识别模型，内置于员工头像识别模块。

本发明还提出一种应用于所述的无人机巡查个体防护缺失行为与预警矫正方法的系统，包括神经网络训练系统、无人机图像采集系统、个体防护缺失检测系统、预警矫正播报系统、中控室信息处理系统；

所述神经网络训练系统包括个体防护装备穿戴数据库、员工头像数据库、员工工号&防护装备编号数据库、防护装备缺失训练模块、员工头像识别训练模块、员工工号&防护装备编号识别训练模块；

所述无人机图像采集系统包括无人机机体、无线红外感应模块、高清摄像模块和通信传输模块；

所述个体防护缺失检测系统包括数据预处理模块、防护装备缺失检测模块、员工头像识别模块、员工工号&防护装备编号识别模块；

所述预警矫正播报系统包括噪声检测模块、反馈调节模块和预警矫正播报模块；

所述中控室信息处理系统包括数据汇总显示模块、云平台和客户端。

进一步的，所述无人机图像采集系统安装于无人机机身，所述无线红外感应模块内置于高清摄像模块内，与通信传输模块集成于单片机上；红外感应探测定位作业人员，并将人员位置信息传输至高清摄像模块和中控室信息处理系统的云平台；所述高清摄像模块根据位置信息进行捕捉、锁定、拍摄人员作业图像；将高清摄像模块所采集得到的图像信号进行A/D转换，并对图像数据进行编码，最后通过通信传输模块传输至个体防护缺失检测系统的数据预处理模块。

进一步的，所述个体防护缺失检测系统安装于无人机机身；所述数据预处理模块、防护装备缺失检测模块、员工头像识别模块、员工工号&防护装备编号识别模块经封装后形成库，可直接调用，调用顺序为，在接收到图像后，先经过数据预处理模块，再经过防护装备缺失检测模块，最后经过员工头像识别模块或员工工号&防护装备编号识别模块；所述数据预处理模块对输入的图像进行去均值和归一化处理，并将预处理后的图像导入防护装备缺失检测模块进行个体防护装备缺失与否的目标检测，且根据检测结果确定是否需进行头像和防护装备编号识别；

所述防护装备缺失检测模块基于图像目标检测方法，通过卷积神经网络图像目标检测判断图像中是否存在安全帽、安全带、呼吸器，若都存在，则上述防护装备对应标签显示为[1 1 1],若有防护装备缺失，则缺失的防护装备对应的标签显示为0，以此判断员工缺失了何种防护装备；若同时检测到安全帽、安全带、呼吸器，则不需要进行头像和防护装备编号识别，若检测到防护装备缺失，则进一步将图像导入员工头像识别模块和员工工号&防护装备编号识别模块，精准识别作业人员身份；

所述防护装备缺失检测模块与个体防护装备穿戴数据库、员工头像识别模块与员工头像数据库、员工工号&防护装备编号识别模块与员工工号&防护装备编号数据库一一对应以网络进行数据传输，实现对三个数据库的动态补充。

进一步的，所述预警矫正播报系统安装于无人机机身；所述噪声检测模块与反馈调节模块电连接，通过D/A转换器将测得的施工现场噪声信息转变为数字信号，所得的噪声数字信号与反馈调节模块设定好的预警矫正播报声级对应，将预警矫正播报声级通过电信号传输至预警矫正播报模块，再经D/A转化器实现实时预警矫正，从而达到根据噪声大小自动调节预警矫正播报模块音量的目的；

所述预警矫正播报模块分别与防护装备缺失检测模块、员工头像识别模块、员工工号&防护装备编号识别模块、无线红外感应模块、数据汇总显示模块电连接或网络连接，用于接收个体防护装备缺失信息、个体防护缺失人员身份信息，并将此信息传输至云平台；

所述预警矫正播报模块将接收的信息数据转换为声信号，对个体防护缺失行为进行播报，重复播报多次，并在设定时长内跟踪拍摄此员工作业时的图像，拍摄过程中，对个体防护缺失行为进行循环检测，并在数据汇总显示模块持续显示，若在设定时长内无矫正行为，则云平台自动向客户端进行个体防护缺失人员身份信息、位置信息及个体防护装备缺失信息通知。

进一步的，所述云平台将接收到的数据信息进行统计，将此数据进行实时更新、存档、显示，并进行每隔一定周期的汇总排名，通过数据汇总显示模块进行显示，同时将此数据上传至客户端；所述客户端与云平台采用B/S模式互通，直接通过浏览器查看，避免了移动端和桌面端、IOS系统和安卓系统的差异而导致的软件开发成本。

与现有技术相比，本发明公开的无人机巡查个体防护缺失行为及预警矫正系统的优点是：

(1)本发明中图像采集系统以无人机为载体，通过无人机提供的高空视角，可以全方位、全时间段、无死角对个体防护缺失行为识别、检测、预警与矫正。同时可以设定巡查周期，避免员工存在躲避巡检巡查的侥幸心理。搭载的红外探测器模块能快速探测作业人员，有效避免员工漏检。

(2)本发明在个体防护缺失检测系统中对于员工的个体防护缺失行为能精确到员工个人，即将个体防护缺失行为分为两类：呼吸器缺失、呼吸器未缺失。当呼吸器缺失时，通过面部信息确认员工身份，并同时识别个体防护装备上的编号，两者结合，避免误拿误穿、误识情况发生；当呼吸器未缺失时，只能通过装备上编号确定员工信息。以醒目反光材料对每个员工的每件防护装备进行编号，编号原则为员工工号+装备类型+装备编号，保证每人每件防护装备编号唯一可区分。

(3)本发明在中控室信息处理系统中可统计员工个体防护装备缺失情况、缺失频次，并以周、月、季为周期汇总分析，并通过数据汇总显示模块显示。同时数据将上传至客户端，客户端可直接查看统计数据。企业安全管理人员可基于此信息针对重点员工、重点防护用具加强宣传教育培训，引起重视，并基于取证信息对屡教不改的员工进行处罚。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域中的普通技术人员来说，在不付出创造性劳动的前提下，还可根据这些附图获得其他附图。

图1为一种无人机巡查个体防护缺失行为及预警矫正系统的整体流程图。

图2为一种无人机巡查个体防护缺失行为与预警矫正系统及方法的技术路线图。

图3为一种无人机巡查个体防护缺失行为与预警矫正系统及方法的信息传递流程图。

具体实施方案

请参见图1至图3，本实施方案介绍一种无人机巡查个体防护缺失行为与预警矫正系统及方法，方法包括：

S11：建立神经网络训练系统中的个体防护装备穿戴数据库、员工头像数据库、员工工号&防护装备编号数据库三大数据库，基于数据库及神经网络算法进行防护装备缺失、员工头像识别、员工工号&防护装备编号识别训练，进而构建个体防护缺失检测系统中的防护装备缺失检测模块、员工头像识别模块、员工工号&防护装备编号识别模块三大模块。

S12：依托无人机图像采集系统采集施工现场作业人员全身图像作为待检测图、记录作业人员位置信息。无人机应设定随机的巡查时间和巡查路线，避免工作人员刻意躲避。

S13：将待检测图输入个体防护缺失检测系统中，先进行图像的预处理，再将经预处理的图像输入防护装备缺失检测模块。若未发现个体防护缺失行为，则结束；若发现个体防护缺失行为，则将经预处理的图像输入员工头像识别模块和员工工号&防护装备编号识别模块。如果可检测到头像(未佩戴呼吸器)，则以头像信息为准进行身份确认，若不能检测到头像(佩戴呼吸器、其他防护装备缺失)，则通过检测呼吸器上的编号进行员工身份信息确认。

S14：将作业人员位置信息传输至中控室信息处理系统云平台进行记录，同时将此位置信息反馈至无人机图像采集系统，以进行跟踪拍摄。

S15：个体防护缺失检测系统将检测到的个体防护缺失信息、识别的身份信息传输至预警矫正播报系统，预警矫正播报模块根据噪声传感器检测的施工现场噪声自动调整播报音量，并进行预警矫正播报。

S16：预警矫正播报模块将个体防护装备缺失信息、个体防护缺失人员身份信息传输至云平台与作业人员位置信息共同进行数据的统计汇总、实时更新、存档，并将信息显示于数据汇总显示模块，通过云平台连接的客户端可直接查看实时更新、定期汇总的数据，以此为依据对重点员工、重点防护用具加强宣传教育培训，引起重视，并基于取证信息对屡教不改的员工进行处罚。

个体防护装备穿戴数据库和员工头像数据库的建立包括以下步骤：

S21：在工作场所密集布设摄像头，获取员工作业状态下穿戴个体防护装备的视频录像。采取头像识别打卡的上、下班的方式，获取全部员工头像。

S22：采用代码将视频录像转换为图片，从图片中找到人物，并将图片格式变成448*448；采用SSD算法检测出图片中的人。基于此方法，可在较短时间获取大量图片。对图像进行取均值和归一化处理，均值化处理即对于给定数据的每个特征减去该特征的均值，将数据集的数据中心化到0；归一化操作是在均值化的基础上再除以该特征的方差，将数据集各个维度的幅度归一化到同样的范围内。所采取的公式如下：

式中，ρ为零均值化参数，x为特征值，m为样本数，σ为归一化方差，式(2)和式(4)用于更新特征值。

S23：标注train和test。以安全帽为例，标注佩戴安全帽与未佩戴的图片，当数据库的量达到百万级别以上时，以数据库的99.5％做训练集，0.25％做验证集和测试集；若数据库的量没有达到百万级别，以70％为训练集，30％为测试集。

员工工号&防护装备编号数据库的建立包括以下步骤：

S31：以醒目反光材料对每个员工的每件防护装备进行编号，编号原则为员工工号+装备类型+装备编号，保证每人每件防护装备编号唯一可区分。

S32：录入上述编号，建立员工工号&防护装备编号数据库。

所述防护装备缺失训练模块基于个体防护装备穿戴数据库，依托YOLO算法进行目标检测训练，主要由三个组件组成：Backbone、Neck、Heads。其中Backbone为主干网络，用来提取特征，常用Resnet、VGG等；Neck放在backbone和head之间，进一步提升特征的多样性及鲁棒性；Head获取网络输出，利用提取特征做出预测。防护装备缺失训练包括以下步骤：

S41：将经过预处理的图像进行网格划分，对于输入的图像，一般较为精确的网格划分为19×19。此步骤中，也可采用卷积的滑动窗口对整个图像进行卷积，设定padding、步长s、卷积核大小，使经过卷积和池化操作后得到19×19×9的输出层。输出层的每一格与检测图像被划分的19×19网格一一对应,9为下文S42中的九个参数。这样大量的参数共享可提高检测效率，基本实现实时检测。

S42：定义训练标签[p

S43：将划分好网格的待检图片导入卷积神经网络中，经过卷积、池化等操作后，输出19×19×9的特征向量，对应步骤S42定义的训练标签及可得到在目标框内是否存在个体防护装备。

S44：判断目标检测结果好坏，采用交并比函数，即设

S45：建立防护装备缺失检测模型，并内置于防护装备缺失检测模块。

所述员工工号&防护装备编号识别模块是基于员工工号&防护装备编号数据库，运用卷积神经网络实现的，主要有四个组件：卷积层、池化层、全连接、分类器。卷积层用于提取图片特征，一般用一个正方形卷积核，遍历图片上的每一个像素点，图片与卷积核重合区域内相对应的每一个像素值，乘卷积核内相对应点的权重，然后求和，再加上偏置，最后得到输出图片中的一个像素值。池化层夹在连续的卷积层中间，用于压缩数据和参数的量，减小过拟合。一般选择最大池化(max pooling)，选用f＝2，即2×2大小的卷积核和步长s＝2的操作，对经过卷积之后的图像再进行池化操作，使图像的高度和宽度变为原来的1/2。全连接层用于分类，在经过卷积和池化的特征提取操作之后，将上述操作后的图片像素信息flatten为一个一列的向量，经过多个全连接层。每个全连接层设定不同数量的神经元，设定激活函数和权重W，计算损失函数，最终实现分类。员工头像识别训练和员工工号&防护装备编号识别训练包括以下步骤：

S51：引入卷积层(CONV Layer),初步提取图像特征。一般选择大小为3×3。以VGG-16卷积神经为例，选择3×3大小，步长s＝1的64个过滤器采用same padding构建卷积层。运用公式

S52：引入池化层(Pooling Layer)，提取图像主要特征。采用max pooling，运用S51中公式，得到图像大小变为112×112×64。

S53：引入全连接层(Fully connected)，将各部分特征汇总。

S54：产生分类器Softmax，进行预测识别。

S55：建立员工头像识别模型、员工工号&防护装备编号识别模型，并分别内置于员工头像识别模块、员工工号&防护装备编号识别模块。

对于员工工号&防护装备编号识别训练，可采用已有的经典卷积神经网络：LeNet、AlexNet、VGG、GooLeNet、Resnet。

所述员工头像识别模块步基于员工头像数据库，引入Siamese网络，具体步骤包括：

S61：同上述S51-S53训练Siamese网络。

S62：在全连接层后引入对输入图像的编码f(x

S63：对工作场所所有员工采用相同的Siamese网络参数和步骤得到每一位员工各自对应的编码并存储。

S64：将待检测图的编码与库中编码使用logistic回归的二分类算法匹配，得到员工身份信息。

S65：建立员工头像识别模型，内置于员工头像识别模块。

Logistics回归的处理引入不同编码之间的差别，利用公式

本发明实施例还提出一种无人机巡查个体防护缺失行为与预警矫正系统，其特征在于，包括神经网络训练系统、无人机图像采集系统、个体防护缺失检测系统、预警矫正播报系统、中控室信息处理系统；

所述神经网络训练系统包括个体防护装备穿戴数据库、员工头像数据库、员工工号&防护装备编号数据库、防护装备缺失训练模块、员工头像识别训练模块、员工工号&防护装备编号识别训练模块；

所述无人机图像采集系统包括无人机机体、无线红外感应模块、高清摄像模块和通信传输模块；

所述个体防护缺失检测系统包括数据预处理模块、防护装备缺失检测模块、员工头像识别模块、员工工号&防护装备编号识别模块；

所述预警矫正播报系统包括噪声检测模块、反馈调节模块和预警矫正播报模块；

所述中控室信息处理系统包括数据汇总显示模块、云平台和客户端。

所述无人机图像采集系统安装于无人机机身，所述无线红外感应模块内置于高清摄像模块内，与通信传输模块集成于单片机上。红外感应探测定位作业人员，并将人员位置信息传输至高清摄像模块和中控室信息处理系统的云平台。所述高清摄像模块根据位置信息进行捕捉、锁定、拍摄人员作业图像。将高清摄像模块所采集得到的图像进行A/D转换，并对图像数据进行编码，最后通过通信传输模块传输至个体防护缺失检测系统的数据预处理模块。

所述个体防护缺失检测系统安装于无人机机身；所述数据预处理模块、防护装备缺失检测模块、员工头像识别模块、员工工号&防护装备编号识别模块经封装后形成库，可直接调用。调用顺序为，在接收到图像后，先经过数据预处理模块，再经过防护装备缺失检测模块，最后经过员工头像识别模块或员工工号&防护装备编号识别模块。所述数据预处理模块对输入的图像进行去均值和归一化处理，并将预处理后的图像导入防护装备缺失检测模块进行个体防护装备缺失与否的目标检测，且根据检测结果确定是否需进行头像和防护装备编号识别。所述防护装备缺失检测模块基于图像目标检测方法，通过卷积神经网络图像目标检测判断图像中是否存在安全帽、安全带、呼吸器，若都存在，则上述防护装备对应标签显示为[1 11],若有防护装备缺失，则缺失的防护装备对应的标签显示为0，以此判断员工缺失了何种防护装备。若同时检测到安全帽、安全带、呼吸器，则不需要进行头像和防护装备编号识别，若检测到防护装备缺失，则进一步将图像导入员工头像识别模块和员工工号&防护装备编号识别模块，精准识别作业人员身份。

所述防护装备缺失检测模块与个体防护装备穿戴数据库、员工头像识别模块与员工头像数据库、员工工号&防护装备编号识别模块与员工工号&防护装备编号数据库一一对应以网络进行数据传输，实现对三个数据库的动态补充。网络连接优选为5G连接。

所述预警矫正播报系统安装于无人机机身。所述噪声检测模块与反馈调节模块电连接，通过D/A转换器将测得的施工现场噪声信息转变为数字信号，所得的噪声数字信号与反馈调节模块设定好的预警矫正播报声级对应，将预警矫正播报声级通过电信号传输至预警矫正播报模块，再经D/A转化器实现实时预警矫正，从而达到根据噪声大小自动调节预警矫正播报模块音量的目的。

所述预警矫正播报模块分别与防护装备缺失检测模块、员工头像识别模块、员工工号&防护装备编号识别模块、无线红外感应模块、数据汇总显示模块电连接或网络连接，用于接收个体防护装备缺失信息、个体防护缺失人员身份信息，并将此信息传输至数据汇总显示模块，网络连接优选为5G连接。

所述预警矫正播报模块将接收的信息数据转换为声信号，对个体防护缺失行为进行播报，播报内容为“XXX(员工姓名)，工号XXX，未佩戴XXX(安全帽、呼吸器、安全带以及三者的随机组合)，请立即佩戴”。重复播报多次，并在设定时长内跟踪拍摄此员工，拍摄过程中，对个体防护缺失行为进行循环检测，并在数据汇总显示模块持续显示，若在设定时长内无矫正行为，则云平台自动向客户端进行个体防护缺失人员身份信息、位置信息及个体防护装备缺失信息通知。

所述云平台将接收到的数据信息进行统计，将此数据进行实时更新、显示、存档，并进行每隔一定周期(如一周、一月、一季、一年等)的汇总排名，通过数据汇总显示模块进行显示，同时将此数据上传至客户端。通过云平台连接的客户端可直接查看实时更新、定期汇总的数据，以此为依据对违反规定的员工加强教育。

所述客户端与云平台采用B/S模式互通，直接通过浏览器查看，避免了移动端和桌面端、IOS系统和安卓系统的差异而导致的软件开发成本。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现和使用本发明。对这些实施例的多种修改方式对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神和范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合本文所公开的原理和新颖特点相一致的最宽的范围。