圖像互換格式圖片的生成方法及裝置與流程

2023-11-05 22:58:42 1

本發明涉及圖像處理技術領域，特別是涉及圖像互換格式圖片的生成方法及裝置。

背景技術：

隨著信息網絡的普及，視頻直播業務迅速崛起，成為網際網路最火爆的業務之一。用戶觀看直播業務時只能看到當前直播，有部分直播提供錄播回放，但是直播時間一般較長，用戶很難找到好看、精華的片段，並且在進行直播推送時，簡單的根據點擊率進行推送，很難滿足用戶的需求。總之，現有視頻直播業務缺少高效的推送手段。

gif(graphicsinterchangeformat，圖像互換格式)圖片是流行的分享媒介，通過gif圖片可以提高視頻直播業務的推送效率，吸引更多的用戶進行觀看。但是現有技術中人工將視頻直播業務轉換為gif圖片，需要工作人員觀看大量的視頻直播業務，工作量大，視頻轉換為gif圖片的效率低。

技術實現要素：

本發明實施例的目的在於提供一種圖像互換格式圖片的生成方法及裝置，以實現視頻亮點自動生成圖像互換格式圖片，提高了視頻直播業務的亮點轉換為gif圖片的效率。具體技術方案如下：

一種圖像互換格式圖片的生成方法，包括：

獲取視頻中的關鍵數據，其中，所述關鍵數據標識所述視頻的播放特徵和/或所述視頻的觀眾參與情況；

根據所述關鍵數據，獲取所述視頻的至少一個視頻段；

選取至少一個所述視頻段轉換為圖像互換格式圖片。

可選的，所述關鍵數據，包括：

所述視頻中圖像的視覺特徵、所述視頻中聲音的語音特徵、彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化中的一種或多種。

可選的，所述根據所述關鍵數據，獲取所述視頻的至少一個視頻段，包括：

根據彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化，計算綜合增長率，其中，所述綜合增長率標識彈幕數、觀看人數及禮物數的增長速率；

截取大於預設增長閾值的綜合增長率所對應的視頻段。

可選的，所述根據所述關鍵數據，獲取所述視頻的至少一個視頻段，包括：

對所述關鍵數據進行分析，與預設的識別特徵進行比較，確定待提取的視頻段，其中，所述識別特徵為從預設的亮點視頻段中提取的特徵；

在所述視頻中截取所述待提取的視頻段。

可選的，所述選取至少一個所述視頻段轉換為圖像互換格式圖片，包括：

根據所述關鍵數據，分別為每段所述視頻段進行評分，得到亮點評分；

根據所述亮點評分，選取至少一個所述視頻段轉換為圖像互換格式圖片。

可選的，所述根據所述關鍵數據，分別為每段所述視頻段進行評分，得到亮點評分，包括：

根據彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化，計算所述亮點評分。

可選的，所述根據所述關鍵數據，分別為每段所述視頻段進行評分，得到亮點評分，包括：

利用預設的打分算法，分別對每段所述視頻段對應的關鍵數據進行分析，並計算每段所述視頻段的評分，得到亮點評分。

可選的，所述根據所述亮點評分，選取至少一個所述視頻段轉換為圖像互換格式圖片，包括：

選取所述亮點評分最高的視頻段，作為亮點段；

根據所述亮點段的時長，提取所述亮點段的視頻幀；

根據所述亮點段的視頻幀，生成所述圖像互換格式圖片。

一種圖像互換格式圖片的生成裝置，包括：

數據獲取模塊，用於獲取視頻中的關鍵數據，其中，所述關鍵數據標識所述視頻的播放特徵和/或所述視頻的觀眾參與情況；

視頻段提取模塊，用於根據所述關鍵數據，獲取所述視頻的至少一個視頻段；

圖片生成模塊，用於選取至少一個所述視頻段轉換為圖像互換格式圖片。

可選的，所述數據獲取模塊獲取的所述關鍵數據，包括：

所述視頻中圖像的視覺特徵、所述視頻中聲音的語音特徵、彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化中的一種或多種。

可選的，所述視頻段提取模塊，包括：

第一計算子模塊，用於根據彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化，計算綜合增長率，其中，所述綜合增長率標識彈幕數、觀看人數及禮物數的增長速率；

第一截取子模塊，用於截取大於預設增長閾值的綜合增長率所對應的視頻段。

可選的，所述視頻段提取模塊，包括：

第二計算子模塊，用於對所述關鍵數據進行分析，與預設的識別特徵進行比較，確定待提取的視頻段，其中，所述識別特徵為從預設的亮點視頻段中提取的特徵；

第二截取子模塊，用於在所述視頻中截取所述待提取的視頻段。

可選的，所述圖片生成模塊，包括：

第一評分子模塊，用於根據所述關鍵數據，分別為每段所述視頻段進行評分，得到亮點評分；

第一轉換子模塊，用於根據所述亮點評分，選取至少一個所述視頻段轉換為圖像互換格式圖片。

可選的，所述第一評分子模塊，包括：

第一計算單元，用於根據彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化，計算所述亮點評分。

可選的，所述第一評分子模塊，包括：

第二計算單元，用於利用預設的打分算法，分別對每段所述視頻段對應的關鍵數據進行分析，並計算每段所述視頻段的評分，得到亮點評分。

可選的，所述第一轉換子模塊，包括：

亮點段選取單元，用於選取所述亮點評分最高的視頻段，作為亮點段；

視頻幀提取單元，用於根據所述亮點段的時長，提取所述亮點段的視頻幀；

互換格式圖片生成單元，用於根據所述亮點段的視頻幀，生成所述圖像互換格式圖片。

本發明實施例提供的圖像互換格式圖片的生成方法及裝置，根據關鍵數據，獲取視頻的至少一個視頻段，並為每段視頻段進行評分，根據評分選取至少一個視頻段轉換為圖像互換格式圖片，可以實現視頻自動生成圖像互換格式圖片，提高了視頻轉換為gif圖片的效率。當然，實施本發明的任一產品或方法並不一定需要同時達到以上所述的所有優點。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明實施例的圖像互換格式圖片的生成方法的流程示意圖；

圖2為本發明實施例的圖像互換格式圖片的生成裝置的結構示意圖。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。

gif(graphicsinterchangeformat，圖像互換格式)圖片是流行的分享媒介，通過gif圖片可以提高視頻直播業務的推送效率，吸引更多的用戶進行觀看。本發明實施例提供了一種圖像互換格式圖片的生成方法，包括：

s101，獲取視頻中的關鍵數據，其中，關鍵數據標識視頻的播放特徵和/或視頻的觀眾參與情況。

圖像互換格式圖片的生成裝置獲取待轉換的視頻中的關鍵數據，視頻中的關鍵數據標識了視頻的播放特徵和/或視頻的觀眾參與情況，視頻的播放特徵可以包括聲音的波形、圖像的色彩及圖像的紋理，觀眾參與情況可以包括觀看人數、彈幕數及禮物數。

圖像互換格式圖片的生成裝置可以為一種設備，包括：處理器、存儲器、通信接口和總線；處理器、存儲器和通信接口通過總線連接並完成相互間的通信；存儲器存儲可執行程序代碼；處理器通過讀取存儲器中存儲的可執行程序代碼來運行與可執行程序代碼對應的程序，以用於執行圖像互換格式圖片的生成方法。

圖像互換格式圖片的生成裝置還可以為一種應用於伺服器的應用程式，用於在運行時執行圖像互換格式圖片的生成方法。

圖像互換格式圖片的生成裝置還可以為一種應用於伺服器的存儲介質，用於存儲可執行代碼，可執行代碼用於執行圖像互換格式圖片的生成方法。

s102，根據關鍵數據，獲取視頻的至少一個視頻段。

具體的，根據關鍵數據中彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化計算綜合增長率，其中，綜合增長率標識彈幕數、觀看人數及禮物數的增長速率。截取大於預設增長閾值的綜合增長率所對應的視頻段。

可選的，計算綜合增長率包括：

步驟一，根據關鍵數據中彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化，分別計算每個預設時段內彈幕增長率、觀看人數增長率及禮物數增長率。

預設時段根據圖像互換格式圖片的生成裝置的計算能力及視頻段的實際選取要求進行設定，例如預設時段為1秒或更長，再比如預設時段為3秒或更長。計算每個預設時段內彈幕增長率、觀看人數增長率及禮物數增長率，可以為計算當前預設時段相對於、與當前預設時段相鄰的上一預設時段的三種增長率，也可以選擇任一預設時段為基準時段，分別計算每個預設時段相比於基準時段的三種增長率。

步驟二，根據彈幕增長率、觀看人數增長率及禮物數增長率計算綜合增長率。

例如根據公式a×pb+b×pp+c×pg＝pc，計算綜合增長率，其中，pb為彈幕增長率，pp為觀看人數增長率，pg為禮物數增長率，pc為綜合增長率，a、b及c均為預設的比例係數，根據實際情況自由設定，例如a為0.3，b為0.3，c為0.4。

相應的，預設增長閾值的設定根據綜合增長率的計算方式進行設定，例如將預設增長閾值設定為0.45。

s103，選取至少一個視頻段轉換為圖像互換格式圖片。

在獲取的所有視頻段中，選取至少一個視頻段轉換為圖像互換格式圖片。選取至少一個視頻段，可以為在所有的視頻段中隨機選取，也可以為按照一定的規則進行選取，例如根據綜合增長率的大小進行選取，或對每個視頻段分別進行打分，並根據打分進行選取。選取視頻段後還需要將選取的視頻段轉化為gif圖片，選取視頻段中的視頻幀製作gif圖片。

在本發明實施例中，根據關鍵數據，獲取視頻的至少一個視頻段，並選取至少一個視頻段轉換為圖像互換格式圖片，實現了視頻亮點自動生成圖像互換格式圖片，提高了視頻的亮點轉換為gif圖片的效率。

可選的，在本發明實施例的圖像互換格式圖片的生成方法中，關鍵數據，包括：

視頻中圖像的視覺特徵、視頻中聲音的語音特徵、彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化中的一種或多種。

在本發明實施例中，給出了關鍵數據的具體內容，根據上述內容獲取視頻段，所獲取的視頻段能夠體現出視頻的亮點所在。

可選的，根據關鍵數據，獲取視頻的至少一個視頻段，包括：

步驟一，對關鍵數據進行分析，與預設的識別特徵進行比較，確定待提取的視頻段，其中，識別特徵為從預設的亮點視頻段中提取的特徵。

利用預先根據亮點視頻段訓練的機器學習算法，對關鍵數據與識別特徵進行比較，確定待提取的視頻段，其中，亮點視頻段為已經確認包含精華片段的視頻段。

預先根據亮點視頻段訓練的機器學習算法可以為在監督式學習下進行建立的。建立以圖像識別及音頻識別為目標的神經網絡，輸入包含亮點的視頻段進行監督式學習，以確定包含亮點的視頻段的識別特徵，該識別特徵可以包含圖像紋理的識別特徵、圖像顏色的識別特徵及聲音的識別特徵中的至少一種，當然在機器學習算法訓練的過程中還可以加入觀看人數、彈幕數及禮物數等信息，以增加包含亮點的視頻段的識別度。利用預先根據亮點視頻段訓練的機器學習算法，對關鍵數據進行分析，確定待轉換的視頻中包含亮點的視頻段。

步驟二，在視頻中截取待提取的視頻段。

根據上述步驟一中確定的視頻段，在待轉換的視頻中進行相應的截取。

在本發明實施例中，利用預先根據亮點視頻段訓練的機器學習算法，確定待提取的視頻段，並進行提取，相比於僅根據觀看人數、彈幕數及禮物數進行視頻段的提取，適用範圍更廣。

可選的，選取至少一個視頻段轉換為圖像互換格式圖片，包括：

步驟一，根據關鍵數據，分別為每段視頻段進行評分，得到亮點評分。

根據每段視頻段各自對應的關鍵數據，分別為每個視頻段進行評分。

具體的，根據彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化，計算亮點評分。

根據彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化，分別計算每個視頻段內彈幕增長率、觀看人數增長率及禮物數增長率。計算每段視頻段的彈幕增長率、觀看人數增長率及禮物數增長率，可以選擇任一視頻段為基準視頻段，分別計算每段視頻段相比於基準視頻段的彈幕增長率、觀看人數增長率及禮物數增長率。

根據彈幕增長率、觀看人數增長率及禮物數增長率計算亮點評分。

例如根據公式d×pb+e×pp+f×pg＝score，計算綜合增長率，其中，pb為彈幕增長率，pp為觀看人數增長率，pg為禮物數增長率，score為亮點評分，d、e及f均為預設的比例係數，根據實際情況自由設定，例如d為30，e為30，f為40。

步驟二，根據亮點評分，選取至少一個視頻段轉換為圖像互換格式圖片。

可以選取亮點評分最高的一個視頻段進行gif圖片的轉換，選取亮點評分最高的視頻段，最能體現出視頻的亮點；也可以為選取n個(n為大於1的整數)相鄰的評分較高(此處的評分較高可以為n個相鄰的視頻段中，每段視頻段的亮點評分均不低於最高亮點評分的70％)的視頻段進行gif圖片的轉換，這樣可以增加gif圖片的內容，從而增加用戶對視頻內容的了解；還可以為選取前n個分數最高的視頻段(根據亮點評分的大小，將亮點評分進行降序排列，前n個分數最高的視頻段即為排序為前n個的亮點評分所對應的視頻段)進行gif圖片的轉換，選取分數最高的前n個視頻段，能夠更好的體現出視頻的各種亮點所在；當然還可以選取m個(m為正整數)相鄰的視頻段進行gif圖片的轉換，其中，每個視頻段的評分均需要高於預設的亮點閾值，且m大於預設的第一段數閾值，亮點閾值根據評分規則進行設定，例如亮點閾值設置為60或更大，第一段數閾值根據每段視頻段的時長進行設定，例如第一段數閾值設置為3或更大。為了防止轉換後的gif圖片過大，還可以設定第二段數閾值，規定m及n均不超過第二段數閾值，第二段數閾值同樣根據每段視頻段的時長進行設定，例如第二段數閾值設置為10或更大。

在本發明實施例中，對每段視頻段進行評分，根據評分選取至少一個視頻段轉換為圖像互換格式圖片，轉換後的圖像互換格式的圖片更能夠體現出視頻的亮點。

可選的，根據關鍵數據，分別為每段視頻段進行評分，得到亮點評分，包括：

利用預設的打分算法，分別對每段視頻段對應的關鍵數據進行分析，並計算每段視頻段的評分，得到亮點評分。

預設的打分算法可以為利用預先根據視頻段評分訓練的機器學習算法。預先根據視頻段評分訓練的機器學習算法可以為在監督式學習下進行建立的。建立以圖像識別及音頻識別為目標的神經網絡，輸入包含亮點的視頻段及與該視頻段對應的專家打分進行監督式學習，以確定視頻段的識別特徵與專家打分的關係，該識別特徵與專家打分的關係可以包含圖像紋理的識別特徵與專家打分的關係、圖像顏色的識別特徵與專家打分的關係及聲音的識別特徵與專家打分的關係中的至少一種。

在根據視頻段評分訓練機器學習算法訓練的過程中還可以加入觀看人數、彈幕數及禮物數等信息，以增加視頻段的識別特徵與專家打分的關係的對應程度。提取彈幕的內容，對彈幕內容進行分詞，每個詞語各自對應一個彈幕評分，中和當前時段內的所有彈幕評分，對當前時段進行評分，以獲取亮點評分(例如，詞語「贊」對應彈幕評分為0.3分，詞語「棒極了」對應彈幕評分為0.4分，當一個視頻段的彈幕中包含20個「贊」及10個「棒極了」時，可以對所有的彈幕評分進行相加，獲取亮點評分即10分)。獲取當前時段內的平均觀看人數，根據當前時段內的平均觀看人數，對當前時段進行評分，以獲取亮點評分(例如，當前時段內的平均觀看人數為800，已知的時段中的最大平均觀看人數為1000，計算二者的比值再乘以100作為亮點評分即80分)。獲取當前時段內每個類型的禮物數，每個類型的禮物對應各自的禮物評分，中和當前時段內的所有禮物評分，對當前時段進行評分，以獲取亮點評分(例如，禮物「鮮花」對應彈幕評分為0.1分，禮物「遊艇」對應彈幕評分為0.3分，當一個視頻段的禮物中包含20個「鮮花」及5個「遊艇」時，可以對所有的禮物評分進行相加，獲取亮點評分即3.5分)。

當然，根據視頻段評分訓練機器學習算法還可以綜合當前時段內的所有彈幕評分、當前時段內的平均觀看人數及當前時段內的所有禮物評分中的至少兩種，對當前時段進行評分，以獲取亮點評分。使用svm(supportvectormachine，支持向量機)算法，將任一時段內的所有彈幕評分、任一時段內的平均觀看人數及任一時段內的所有禮物評分中的至少兩種，和專家給出的相應的亮點評分作為輸入的特徵值，根據上述特徵值及特徵值的變化率確定輸入向量，並分別採用linearkernel(線性核函數)和rbf(radialbasisfunction，徑向基函數)訓練算法進行訓練，並選取測試集效果更好的函數以完成根據視頻段評分訓練機器學習算法。

在本發明實施例中，利用預先預設的打分算法，對視頻段進行打分，相比於僅根據觀看人數、彈幕數及禮物數進行視頻段的打分，適用範圍更廣。

可選的，根據亮點評分，選取至少一個視頻段轉換為圖像互換格式圖片，包括：

步驟一，選取亮點評分最高的視頻段，作為亮點段。

步驟二，根據亮點段的時長，提取亮點段的視頻幀。

根據亮點段的時長，提取亮點段的視頻幀，亮點段的時長與提取的亮點段的視頻幀的數量正相關。例如，每1秒視頻段中按照等時間間隔提取15幀視頻幀，或每1秒視頻段中按照等時間間隔提取24幀視頻幀。

步驟三，根據亮點段的視頻幀，生成圖像互換格式圖片。

將提取的視頻幀按照時間順序進行排列，生成gif圖片。

在本發明實施例中，給出了將視頻段轉換為gif圖片的具體方法，選取評分最高的視頻段進行轉換，最能體現出視頻的亮點。

一種圖像互換格式圖片的生成裝置，包括：

數據獲取模塊201，用於獲取視頻中的關鍵數據，其中，關鍵數據標識視頻的播放特徵和/或視頻的觀眾參與情況。

視頻段提取模塊202，用於根據關鍵數據，獲取視頻的至少一個視頻段。

圖片生成模塊203，用於選取至少一個視頻段轉換為圖像互換格式圖片。

在本發明實施例中，根據關鍵數據，獲取視頻的至少一個視頻段，並選取至少一個視頻段轉換為圖像互換格式圖片，實現了視頻亮點自動生成圖像互換格式圖片，提高了視頻亮點轉換為gif圖片的效率。

需要說明的是，本發明實施例中的裝置是應用上述圖像互換格式圖片的生成方法的裝置，則上述圖像互換格式圖片的生成方法的所有實施例均適用於該裝置，且均能達到相同或相似的有益效果。

可選的，數據獲取模塊獲取的關鍵數據，包括：

視頻中圖像的視覺特徵、視頻中聲音的語音特徵、彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化中的一種或多種。

在本發明實施例中，給出了關鍵數據的具體內容，根據上述內容獲取視頻段，所獲取的視頻段能夠體現出視頻的亮點所在。

可選的，視頻段提取模塊，包括：

第一計算子模塊，用於根據彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化，計算綜合增長率，其中，綜合增長率標識彈幕數、觀看人數及禮物數的增長速率。

第一截取子模塊，用於截取大於預設增長閾值的綜合增長率所對應的視頻段。

在本發明實施例中，當視頻播的關鍵信息中包含用戶的互動時，根據彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化截取視頻段，截取的視頻段能夠體現出視頻的亮點所在。

可選的，視頻段提取模塊，包括：

第二計算子模塊，用於對關鍵數據進行分析，與預設的識別特徵進行比較，確定待提取的視頻段，其中，識別特徵為從預設的亮點視頻段中提取的特徵；

第二截取子模塊，用於在視頻中截取待提取的視頻段。

在本發明實施例中，利用識別特徵，確定待提取的視頻段，並進行提取，相比於僅根據觀看人數、彈幕數及禮物數進行視頻段的提取，適用範圍更廣。

可選的，圖片生成模塊，包括：

第一評分子模塊，用於根據關鍵數據，分別為每段視頻段進行評分，得到亮點評分。

第一轉換子模塊，用於根據亮點評分，選取至少一個視頻段轉換為圖像互換格式圖片。

在本發明實施例中，對每段視頻段進行評分，根據評分選取至少一個視頻段轉換為圖像互換格式圖片，轉換後的圖像互換格式的圖片更能夠體現出視頻的亮點。

可選的，第一評分子模塊，包括：

第一計算單元，用於根據彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化，計算亮點評分。

在本發明實施例中，當視頻的關鍵信息中包含用戶的互動時，根據彈幕數隨時間的變化、觀看人數隨時間的變化及禮物數隨時間的變化計算亮點評分，亮點評分的計算結果準確。

可選的，第一評分子模塊，包括：

第二計算單元，用於利用預設的打分算法，分別對每段視頻段對應的關鍵數據進行分析，並計算每段視頻段的評分，得到亮點評分。

在本發明實施例中，利用預設的打分算法，對視頻段進行打分，相比於僅根據觀看人數、彈幕數及禮物數進行視頻段的打分，適用範圍更廣。

可選的，第一轉換子模塊，包括：

亮點段選取單元，用於選取亮點評分最高的視頻段，作為亮點段。

視頻幀提取單元，用於根據亮點段的時長，提取亮點段的視頻幀。

互換格式圖片生成單元，用於根據亮點段的視頻幀，生成圖像互換格式圖片。

在本發明實施例中，給出了將視頻段轉換為gif圖片的具體方法，選取評分最高的視頻段進行轉換，最能體現出視頻的亮點。

需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句「包括一個……」限定的要素，並不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。

本說明書中的各個實施例均採用相關的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對於系統實施例而言，由於其基本相似於方法實施例，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。

以上所述僅為本發明的較佳實施例而已，並非用於限定本發明的保護範圍。凡在本發明的精神和原則之內所作的任何修改、等同替換、改進等，均包含在本發明的保護範圍內。