一種監控業務的處理方法以及服務器與流程

本發明涉及通信技術領域，特別涉及一種監控業務的處理方法，同時本申請還特別涉及一種服務器。

背景技術：

目前視頻監控逐步邁入高清化，智能化。智能監控已應用于眾多領域，如智能交通，智慧園區、平安城市等。隨著計算機圖像識別的發展，視頻智能算法，比如運動檢測、禁區入侵、絆線告警、人數統計、車牌識別、行人識別、人臉檢測和識別等技術，需求日漸強烈。上述的各智能算法能廣泛的應用到各場景，如園區出入口、關鍵區域、廣場、地鐵、人行道、城市及高速公路等。

普通城市街道，高架，園區、樓宇出入口，室外場景目標檢測場景，人車混雜，白天和黑夜，還有陰影的變化，比如雨天，環境的光反射，還有其他影響場景光線變化，這些干擾因素都對目標檢測造成不利影響。要解決這些干擾，需要更多排除干擾的智能分析算法，同時意味著需要更多的系統計算資源和其他系統資源。

現有的智能分析算法方案大部分是服務器方案，通過對接入的監控視頻，圖片進行目標檢測，跟蹤，分析，識別，輸出目標識別分析結果。結合布防規則產生告警，或者根據檢索規則檢索目標。

另外隨著前端設備芯片性能的提升，智能業務已經部分遷移到前端設備。但前端芯片的性能和資源和后端服務器相比，仍然性能仍然相對較低，功能也不夠豐富，準確率指標也不高，有較多的誤報，漏報。

發明人在實現本申請的過程中，發現現有的智能監控業務至少存在以下的問題：

1、單純依靠前端設備的計算資源能夠部署的算法有限，難以滿足精準檢測的要求。

2、單純的依靠后端的服務器進行處理，則需要后端部署大量服務器，解決干擾問題，提供目標精細特征識別信息，提升目標檢測和識別的準確率。但是由于后端服務器價格高，方案的性價比低，也不利于實際大范圍推廣。

因此，如何充分的利用前后端設備的計算資源，進而提升監控系統綜合的資源利用率，成為本領域技術人員亟待解決的問題。

技術實現要素：

本發明提供了一種監控業務的處理方法，用以解決現有技術中無法充分的利用前后端設備的計算資源，進而使得監控系統綜合的資源利用率低的問題。本申請的方法應用于包含前端設備和服務器的監控系統中，所述方法至少包括：

所述服務器接收所述前端設備上報的對指定業務的第一處理結果，并通過預設的置信度評價模型判斷所述第一處理結果的置信度是否高于預設的置信度閾值；

若判斷結果為是，則所述服務器將所述第一處理結果作為所述指定業務的處理結果；

若判斷結果為否，所述服務器對所述指定業務進行處理，獲取對所述指定業務的第二處理結果，并將所述第二處理結果作為所述指定業務的處理結果。

優選地，所述第一處理結果是所述前端設備通過預設的檢測算法對所述指定業務進行處理后獲取的，在所述服務器的判斷結果為否之后，所述方法還包括：

獲取所述前端設備在預設的時間間隔內，對所述指定業務的第一處理結果的置信度低于預設的置信度閾值的頻度；

若所述頻度大于預設的頻度閾值，根據所述前端設備當前所處的場景，調整所述檢測算法的場景參數；

若所述頻度不大于預設的頻度閾值，保持所述檢測算法的場景參數不變。

優選地，所述服務器根據所述前端設備當前所處的場景，調整所述檢測算法的場景參數，具體為：

接收所述前端設備發送的圖像，并獲取所述圖像的圖像信息；

根據所述圖像的圖像信息確定所述前端設備當前所處的場景；

根據預設的對應關系確定與所述前端設備當前所處的場景相對應的特征場景參數，所述對應關系用于指出所述前端設備所處的場景與所述檢測算法的場景參數的關系；

將所述特征場景參數發送給所述前端設備，以使所述前端設備將所述檢測算法的場景參數調整為所述特征場景參數。

優選地，所述置信度評價模型為：

其中，confidence為置信度，a_i為所述指定業務第i個子業務的權重，c_i為所述指定業務第i個子業務的置信度。

優選地，所述指定業務的類型至少包括：目標檢測、目標跟蹤、目標識別分類、以及目標特征細化識別。

相應的，本申請提出一種服務器，應用于包含前端設備和所述服務器的監控系統中，所述服務器至少包括：

判斷模塊，接收所述前端設備上報的對指定業務的第一處理結果，并通過預設的置信度評價模型判斷所述第一處理結果的置信度是否高于預設的置信度閾值；

第一處理模塊，在判斷結果為是時，將所述第一處理結果作為所述指定業務的處理結果；

第二處理模塊，在判斷結果為否時，對所述指定業務進行處理，獲取對所述指定業務的第二處理結果，并將所述第二處理結果作為所述指定業務的處理結果。

優選地，所述第一處理結果是所述前端設備通過預設的檢測算法對所述指定業務進行處理后獲取的，所述服務器還包括：

獲取模塊，獲取所述前端設備在預設的時間間隔內，對所述指定業務的第一處理結果的置信度低于預設的置信度閾值的頻度；

調整模塊，在所述頻度大于預設的頻度閾值時，根據所述前端設備當前所處的場景，調整所述檢測算法的場景參數；

保持模塊，在所述頻度不大于預設的頻度閾值時，保持所述檢測算法的場景參數不變。

優選地，所述調整模塊具體用于：

接收所述前端設備發送的圖像，并獲取所述圖像的圖像信息；

根據所述圖像的圖像信息確定所述前端設備當前所處的場景；

根據預設的對應關系確定與所述前端設備當前所處的場景相對應的特征場景參數，所述對應關系用于指出所述前端設備所處的場景與所述檢測算法的場景參數的關系；

將所述特征場景參數發送給所述前端設備，以使所述前端設備將所述檢測算法的場景參數調整為所述特征場景參數。

優選地，所述置信度評價模型為:

其中，confidence為置信度，ai為所述指定業務第i個子業務的權重，ci為所述指定業務第i個子業務的置信度。

優選地，所述指定業務的類型至少包括：目標檢測、目標跟蹤、目標識別分類、以及目標特征細化識別。

通過應用本申請的技術方案，服務器接收前端設備上報的對指定業務的第一處理結果，并通過預設的置信度評價模型判斷第一處理結果的置信度是否高于預設的置信度閾值；若判斷結果為是，則服務器將第一處理結果作為指定業務的處理結果；若判斷結果為否，服務器對指定業務進行處理，獲取第二處理結果，并將第二處理結果作為所述指定業務的處理結果。通過服務器對前端設備的第一處理結果進行評價，在第一處理結果的置信度較高時，采用第一處理結果，在第一處理結果的置信度較低時，服務器再對指定業務進行進一步地處理，從而在保證業務處理準確性的基礎上，充分利用了前端設備的資源，提升了監控系統綜合的資源利用率。

附圖說明

為了更清楚地說明本申請的技術方案，下面將對實施例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申請的一些實施例，對于本領域普通的技術人員而言，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為本申請實施例提出的一種監控業務的處理方法的流程示意圖；

圖2為本申請具體實施例提出的一種目標識別方法的流程示意圖；

圖3為本申請提出的一種服務器的結構示意圖。

具體實施方式

如背景技術所述，現有的監控業務處理方案中有兩種主要的處理方式，其一，依靠前端設備來對監控業務進行處理，此種方法的缺點在于，限于前端設備處理芯片的處理能力，前端設備的計算資源能夠部署的算法有限，難以滿足精準檢測的要求。其二，依靠后端的服務器來對監控業務進行處理，此種方法的缺點在于，需要后端部署大量服務器，由于后端服務器價格高，方案的性價比低，所以并不利于實際大范圍的推廣。可見，在現有技術中，單純依靠前端設備或者后端服務器的方案，并沒有能夠充分的利用到前后端的資源。

因此，本申請提出了一種監控業務的處理方法，用以解決現有技術中無法充分的利用前后端設備的計算資源，進而使得監控系統綜合的資源利用率低的問題。服務器接收前端設備上報的對指定業務的第一處理結果，并通過預設的置信度評價模型判斷第一處理結果的置信度是否高于預設的置信度閾值；若判斷結果為是，則服務器將第一處理結果作為指定業務的處理結果；若判斷結果為否，服務器對指定業務進行處理，獲取第二處理結果，并將第二處理結果作為所述指定業務的處理結果。通過服務器對前端設備的第一處理結果進行評價，在第一處理結果的置信度較高時，采用第一處理結果，在第一處理結果的置信度較低時，服務器再對指定業務進行進一步地處理，從而在保證業務處理準確性的基礎上，充分利用了前端設備的資源，提升了監控系統綜合的資源利用率。

如圖1所示為本申請提出的一種監控業務的處理方法的流程示意圖，需要說明的是，本申請應用于包含前端設備和服務器的監控系統中，需要說明的是，本申請中的前端設備可以具體為監控攝像機等監控設備。服務器作為后端的設備，能夠實時的獲取前端設備的監控信息，并可對前端設備進行控制、管理的操作。具體的，本申請至少包括以下的步驟：

S101，服務器接收前端設備上報的對指定業務的第一處理結果，并通過預設的置信度評價模型判斷第一處理結果的置信度是否高于預設的置信度閾值。

隨著前端設備芯片的發展，前端設備的芯片以及能實現專門快速計算單元算子，例如簡單的高斯背景建模，簡單的目標跟蹤，CNN網絡等。可見，前端設備完全有能力對監控業務進行處理。但是，由于前端設備的芯片資源有限，這些算子滿足不了更豐富參數的算法應用，因此可能會存在處理結果不準確的情況發生。

針對前端設備芯片目前的發展狀況，在本申請的實施例中，首先通過前端設備對指定業務進行處理。在接收到前端設備發送的對指定業務的第一處理結果時，服務器對第一處理結果進行評價，并根據評價的結果判斷是否需要采用前端設備的第一處理結果。具體的，服務器通過預設的置信度評價模型判斷第一處理結果的置信度是否高于預設的置信度閾值，如果第一處理結果的置信度高于預設的置信度閾值，則說明前端設備對指定業務的第一處理結果可信。如果第一處理結果的置信度不高于預設的置信度閾值，則說明前端設備對指定業務的第一處理結果不可信。

通過以上的處理方法，服務器評價對前端設備的第一處理結果進行評價，并在前端設備的第一處理結果的置信度較高時才采用前端設備的第一處理結果，從而在保證業務處理準確性的基礎上，充分利用了前端設備的業務處理資源，提升了監控系統綜合的資源利用率。

在本申請的優選實施例中，置信度評價模型具體為：

其中，confidence為置信度，a_i為所述指定業務第i個子業務的權重，c_i為所述指定業務第i個子業務的置信度。

通過以上的置信度模型，對指定業務的各個子業務的置信度進行加權求和，每個子業務的置信度是由前端設備提供的，每個子業務的的權重，則是通過對子業務的處理結果進行評價后得到的。

需要說明的是，上述提出的置信度模型，只是本申請提供的一種優選的模型，基于本申請的核心思想，本領域技術人員還可以采用其他置信度模型，這并不會影響本申請的保護范圍。

在本申請的優選實施例中，指定業務的類型至少包括：目標檢測、目標跟蹤、目標識別分類、以及目標特征細化識別。

需要說明的是，本申請的方法的應用范圍并不限于處理上述公開的指定業務類型，基于本申請的核心思想，本領域技術人員還可以通過本申請提供的方法，處理其他類型的指定業務，這并不會影響本申請的保護范圍。

S102，如果判斷結果為是，服務器將前端設備的第一處理結果作為指定業務的處理結果。

在本申請的實施例中，如果前端設備的第一處理結果的置信度高于預設的置信度閾值，則說明前端設備對指定業務的第一處理結果可信。此時，服務器將采用前端設備的第一處理結果，即將其作為指定業務的處理結果提供給客戶。

需要說明的是，置信度閾值可以根據用戶自身的需求進行設定。置信度閾值越高，說明對業務處理結果的準確性要求越高；置信度閾值越低，說明對業務處理結果的準確性要求越低。因此，用戶可以根據自身對業務處理結果的準確性的需求來對置信度閾值進行設定。

通過上述的方法，在前端設備的第一處理結果的置信度高于預設的置信度閾值時，采用前端設備對于指定業務的處理結果，此時服務器不需要對指定業務進行處理，從而在保證業務處理準確性的基礎上，降低了服務器的處理負載。同時本方法可以充分的利用前端設備的業務處理資源，提升了監控系統綜合的資源利用率。

S103，如果判斷結果為否，服務器對指定業務進行處理，獲取對指定業務的第二處理結果，并將第二處理結果作為指定業務的處理結果。

在本申請的實施例中，如果前端設備的第一處理結果的置信度不高于預設的置信度閾值，則說明前端設備對指定業務的第一處理結果不可信。此時，服務器對指定業務進行處理，獲取對指定業務的第二處理結果，并將第二處理結果作為指定業務的處理結果，并提供給用戶。

在前端設備的第一處理結果的置信度較低，即前端設備對指定業務的第一處理結果不可信時，服務器會對指定業務進行進一步地處理，以確保對指定業務處理的結果的準確性。

在本申請的優選實施例中，第一處理結果是前端設備通過預設的檢測算法對指定業務進行處理后獲取。

需要說明的是，前端設備通過預設的檢測算法對指定業務進行處理后，獲取對指定業務的第一處理結果。前端設備處于不同的場景時，檢測算法的場景參數是不同的。因此，當前端設備的第一處理結果的置信度下降時，可能是由于檢測算法的場景參數與前端設備當前所處的場景不匹配造成的。因此，在當前端設備的第一處理結果的置信度下降時，需要對檢測算法的場景參數進行調整。

在本申請的優選實施例中，對檢測算法的場景參數的調整可以通過以下的優選方案實現。具體的，該方案包括以下的步驟：

(1)獲取前端設備在預設的時間間隔內，對指定業務的第一處理結果的置信度低于預設的置信度閾值的頻度。

首先獲取前端設備在預設的時間間隔內(預設的一段時間內)，對于指定業務的第一處理結果的置信度低于預設的置信度閾值的頻度。

如果獲取的頻度大于預設的頻度閾值，說明前端設備所處的場景可能發生了變化，因此需要調整檢測算法的場景參數。

如果獲取的頻度不大于預設的頻度閾值，說明前端設備所處的場景并未發生變化，此次置信度過低，可能是由于偶然因素造成的，因此不需要調整檢測算法的場景參數。

(2)如果獲取到的頻度大于預設的頻度閾值，根據前端設備當前所處的場景，調整檢測算法的場景參數。

(3)如果獲取到的頻度不大于預設的頻度閾值，保持檢測算法的場景參數不變。

在本申請的優選實施例中，上述調整調整檢測算法的場景參數可以具體由以下的優選方案實現，具體的，該方案包括以下的步驟：

(1)接收前端設備發送的圖像，并獲取圖像的圖像信息。

首先對前端設備發送的圖像進行分析，獲取圖像中的圖像信息。圖像信息至少包括:圖像對比度，目標對比度，圖像直方圖，目標直方圖，場景亮度，顏色，紋理，前后幀差圖數據等統計信息。

(2)根據圖像的圖像信息確定前端設備當前所處的場景。

通過對前端設備圖像的圖像信息進行分析，確定前端設備當前所處的場景。在確定了前端設備當前所處的場景后，再進一步確定需要給前端設備設定的參數。

(3)根據預設的對應關系確定與前端設備當前所處的場景相對應的特征場景參數。其中，對應關系用于指出前端設備所處的場景與檢測算法的場景參數的關系。

在服務器中預先儲存前端設備所處的場景與檢測算法的場景參數之間的對應關系。在獲取了前端設備所處的場景之后，通過該對應關系檢測算法當前應該設定的特征場景參數。

(4)將獲取到的特征場景參數發生給前端設備，以使前端設備將檢測算法的場景參數調整為特征場景參數。

通過以上的優選實施方式，在前端設備的第一處理結果的置信度較低時，服務器會根據前端設備當前所處的場景對前端設備中檢測算法的場景參數進行調整，以提高前端設備的檢測結果的置信度。

通過以上實施例的描述可知，服務器接收前端設備上報的對指定業務的第一處理結果，并通過預設的置信度評價模型判斷第一處理結果的置信度是否高于預設的置信度閾值；若判斷結果為是，則服務器將第一處理結果作為指定業務的處理結果；若判斷結果為否，服務器對指定業務進行處理，獲取第二處理結果，并將第二處理結果作為所述指定業務的處理結果。通過服務器對前端設備的第一處理結果進行評價，在第一處理結果的置信度較高時，采用第一處理結果，在第一處理結果的置信度較低時，服務器再對指定業務進行進一步地處理，從而在保證業務處理準確性的基礎上，充分利用了前端設備的資源，提升了監控系統綜合的資源利用率。

為了進一步闡述本發明的技術思想，現結合具體的實施流，對本發明的技術方案進行說明。

本申請提供一種結合前、后端芯片的計算資源，算法協調分配，實現智能分析算法的系統方案。本申請應用于監控業務至少包括：目標檢測、目標跟蹤、目標識別分類、特征細化識別等幾個業務模塊。針對每個模塊的算法效果構建置信度評價模型，同時實時偵測當前視頻圖像場景特征，數據通過高速總線傳遞到后端服務器。后端服務器根據置信度模式進行決策前端結果是否可信，不可信的對視頻進行重新處理，直到目標分析算法得到結果。決策信息包括前端系統的資源信息，算法業務。本申請的技術效果包括：充分發揮前端IPC(監控攝像機)計算優勢，利用冗余的計算能力和內存資源，和未經過視頻壓縮損傷的前端圖像，在此基礎上結合后端服務器設備強大的計算資源和存儲資源，提升算法準確率，降低系統資源需求。

以智能目標識別為例，如圖2所示，具體的實施流程包括以下的步驟：

S201，系統初始化，前端、后端系統啟動。

S202，系統啟動場景信息實時監測與收集。包括但不限于圖像對比度、直方圖，平均亮度，快門、光圈、ISO等場景相關參數。

S203，視頻場景運動目標檢測，以目標檢測分類器作為示例，但不限于該算法。行人檢測采用adboost分類器檢測。分類器檢測輸出包括目標檢測數量，位置，大小，以及目標的置信度。

S204，后端服務器獲取前端目標檢測信息及置信度，建立置信度決策模型，并對前端設備的檢測結果進行評價。判斷前端設備的檢測結果是否高于預設的閾值θ₁。若是轉到S205，否則轉到S206。

S205，采用前端設備的目標檢測結果，后續模塊直接采用目標的數量，位置和大小。

S206，后端根據場景環境實時信息，建立評價模型。評價包括但不限于：白天、夜晚、陰影，雨天等場景因素，對應的選用后端目標檢測算法輸出檢測結果。

S207，獲取對前端設備檢測結果的置信度低于閾值θ₁的頻度。

S208，判斷前端設備的檢測結果的置信度低于閾值θ₁的頻度是否高于預設的頻度閾值，若否轉到S209，否則轉到S210。

S209，保持前端算法參數不變。

S210，依據場景選用前端算法的參數，并將更新后的參數發送給前端。

S211，前端更新目標檢測參數，進入下一個目標檢測循環。直到系統退出。

本申請還建立了一種置信度評價模型，包括：

(1)前端的視頻場景檢測評價，統計前端圖像信息，包含但不限于圖像對比度，目標對比度，圖像直方圖，目標直方圖，場景亮度，顏色，紋理，前后幀差圖數據等統計信息。

(2)環境因素預測，根據前端圖像和傳感器數據信息，判斷場景包括但不限于：白天、夜晚、雨天、晴天、陰天等場景。

(3)前端目標檢測算法模塊的輸出的結果及置信度，前端檢測結果包括：目標數量，目標ID，目標位置，速度等運動特征量。

(4)算法準確性對場景及參數的的后驗統計模型，作為算法置信度評價模型數據。

具體的評價模型為：

其中，confidence為置信度，a_i為所述指定業務第i個子業務的權重，c_i為所述指定業務第i個子業務的置信度。

通過以上具體實施例的描述可知，服務器接收前端設備上報的對指定業務的第一處理結果，并通過預設的置信度評價模型判斷第一處理結果的置信度是否高于預設的置信度閾值；若判斷結果為是，則服務器將第一處理結果作為指定業務的處理結果；若判斷結果為否，服務器對指定業務進行處理，獲取第二處理結果，并將第二處理結果作為所述指定業務的處理結果。通過服務器對前端設備的第一處理結果進行評價，在第一處理結果的置信度較高時，采用第一處理結果，在第一處理結果的置信度較低時，服務器再對指定業務進行進一步地處理，從而在保證業務處理準確性的基礎上，充分利用了前端設備的資源，提升了監控系統綜合的資源利用率。

為了達到以上的技術目的，如圖3所示，本申請提出一種服務器，應用于包含前端設備和所述服務器的監控系統中，所述服務器至少包括：

判斷模塊301，接收所述前端設備上報的對指定業務的第一處理結果，并通過預設的置信度評價模型判斷所述第一處理結果的置信度是否高于預設的置信度閾值；

第一處理模塊302，在判斷結果為是時，將所述第一處理結果作為所述指定業務的處理結果；

第二處理模塊303，在判斷結果為否時，對所述指定業務進行處理，獲取對所述指定業務的第二處理結果，并將所述第二處理結果作為所述指定業務的處理結果。

優選地，所述第一處理結果是所述前端設備通過預設的檢測算法對所述指定業務進行處理后獲取的，所述服務器還包括：

獲取模塊，獲取所述前端設備在預設的時間間隔內，對所述指定業務的第一處理結果的置信度低于預設的置信度閾值的頻度；

調整模塊，在所述頻度大于預設的頻度閾值時，根據所述前端設備當前所處的場景，調整所述檢測算法的場景參數；

保持模塊，在所述頻度不大于預設的頻度閾值時，保持所述檢測算法的場景參數不變。

優選地，所述調整模塊具體用于：

接收所述前端設備發送的圖像，并獲取所述圖像的圖像信息；

根據所述圖像的圖像信息確定所述前端設備當前所處的場景；

根據預設的對應關系確定與所述前端設備當前所處的場景相對應的特征場景參數，所述對應關系用于指出所述前端設備所處的場景與所述檢測算法的場景參數的關系；

將所述特征場景參數發送給所述前端設備，以使所述前端設備將所述檢測算法的場景參數調整為所述特征場景參數。

優選地，所述置信度評價模型為：

其中，confidence為置信度，ai為所述指定業務第i個子業務的權重，ci為所述指定業務第i個子業務的置信度。

優選地，所述指定業務的類型至少包括：目標檢測、目標跟蹤、目標識別分類、以及目標特征細化識別。

通過以上具體設備的描述可知，服務器接收前端設備上報的對指定業務的第一處理結果，并通過預設的置信度評價模型判斷第一處理結果的置信度是否高于預設的置信度閾值；若判斷結果為是，則服務器將第一處理結果作為指定業務的處理結果；若判斷結果為否，服務器對指定業務進行處理，獲取第二處理結果，并將第二處理結果作為所述指定業務的處理結果。通過服務器對前端設備的第一處理結果進行評價，在第一處理結果的置信度較高時，采用第一處理結果，在第一處理結果的置信度較低時，服務器再對指定業務進行進一步地處理，從而在保證業務處理準確性的基礎上，充分利用了前端設備的資源，提升了監控系統綜合的資源利用率。

最后說明的是：以上各實施例僅用以說明本發明的技術方案，而非對其限制；盡管參照前述各實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解；其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發明權利要求所限定的范圍。

通過以上的實施方式的描述，本領域的技術人員可以清楚地了解到本發明可以通過硬件實現，也可以借助軟件加必要的通用硬件平臺的方式來實現。基于這樣的理解，本發明的技術方案可以以軟件產品的形式體現出來，該軟件產品可以存儲在一個非易失性存儲介質(可以是CD-ROM，U盤，移動硬盤等)中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)執行本發明各個實施場景所述的方法。

本領域技術人員可以理解附圖只是一個優選實施場景的示意圖，附圖中的模塊或流程并不一定是實施本發明所必須的。

本領域技術人員可以理解實施場景中的裝置中的模塊可以按照實施場景描述進行分布于實施場景的裝置中，也可以進行相應變化位于不同于本實施場景的一個或多個裝置中。上述實施場景的模塊可以合并為一個模塊，也可以進一步拆分成多個子模塊。

上述本發明序號僅僅為了描述，不代表實施場景的優劣。

以上公開的僅為本發明的幾個具體實施場景，但是，本發明并非局限于此，任何本領域的技術人員能思之的變化都應落入本發明的保護范圍。