具体实施方式

随着科技的快速发展，人们对三维模型及与之相关的需求越来越多。在对体育比赛进行三维建模的过程中，使用多个图像采集装置在不同的角度采集比赛视频，这些图像采集装置分布在赛场的不同的位置，采集的比赛视频的角度也不相同。在利用这些比赛视频进行三维建模时，难以确定至少两个比赛视频中的同一时刻，实现同步。

目前，在多个图像采集装置的视频同步时，依赖于特定的同步设备，由同步设备向所有图像采集装置发送同步信号，通过同步信号控制图像采集装置的快门拍照，实现多个图像采集装置的同步拍摄，进一步实现视频同步。然而，这种同步方式需要依赖同步设备，操作复杂繁琐，难以实现大规模的应用。

发明人在研究中发现，随着移动智能设备中的图像采集装置的不断升级，以及5G和云计算技术的迅速发展，实现视频同步已经有了成熟的硬件条件。使用多个图像采集装置在不同角度拍摄同一场体育比赛时，通过外部同步设备发出的信号同步移动智能终端是不实际的，没有实际可用的外部同步设备。在体育比赛的场景中，比赛开始时都会有标志性的动作，例如，篮球比赛开始时的标志动作是中场发球。所以，可以通过对多个图像采集装置采集的比赛视频进行分析，识别出比赛开始时的标志动作，这些标志动作所在的帧即为同步帧，以此同步所有拍摄同一场体育比赛的图像采集装置的视频。

由此，本申请实施例中提供了一种视频同步方法，获取从不同位置处采集的同一场比赛的至少两个比赛视频；识别每个所述比赛视频中，与目标动作对应的目标片段，所述目标片段由拍摄时间连续的图像构成，所述目标动作为比赛开始的标志性动作；确定所述目标片段中与目标姿势对应的图像，将所述目标姿势对应的图像作为与每个所述比赛视频对应的同步帧；根据所述同步帧，同步所述至少两个比赛视频。从至少两个比赛视频中识别出比赛开始的标志性动作对应的目标片段，再从所述目标片段中确定每个比赛视频中的同步帧，无论比赛视频的采集方式如何基于比赛开始的标志性动作对应的目标姿势相同，其实际发生时间相同，对应的同步帧实际获取时间点一致，为此基于所述同步帧可以准确的实现视频同步，无需依赖任何辅助的同步设备，操作简单方便，易于大规模应用。

本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript，以及Python等。

为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

请参阅图1，示出了本申请提供的视频同步方法的应用环境10，所述应用环境10包括电子设备20，至少两个图像采集装置30以及比赛场地40。其中，所述图像采集装置30和所述电子设备20通信连接，所述图像采集装置30可以采集到的比赛视频发送给所述电子设备20，所述电子设备20可以对所述比赛视频进行处理。

所述图像采集装置30可以是具有图像采集功能的移动设备，例如智能手机，平板电脑等。所述图像采集装置30设置在比赛场地40中，用于采集所述场景40中的环境信息，其中，每个图像采集装置30的拍摄视野覆盖整个比赛场地40。

在一些实施方式中，所述图像采集装置30中可以安装有用于同步的应用程序，所述应用程序可以将图像采集装置30采集的比赛视频通过网络发送至所述电子设备20。所述网络可以5G网络，4G网络，Wi-Fi网络等。所述电子设备20可以是服务器，智能终端，电脑等设备。

从而，所述电子设备20可以获取到同一场比赛的至少两个比赛视频；识别每个所述比赛视频中，与目标动作对应的目标片段，所述目标片段由拍摄时间连续的图像构成，所述目标动作为比赛开始的标志性动作；确定所述目标片段中与目标姿势对应的图像，将所述目标姿势对应的图像作为与每个所述比赛视频对应的同步帧；根据所述同步帧，同步所述至少两个比赛视频。

请参阅图2，本申请实施例提供了一种视频同步方法，可应用于前述应用环境10中的电子设备，所述电子设备可以是智能手机，电脑或服务器等，具体的该方法可以包括以下步骤。

步骤110，获取从不同位置处采集的同一场比赛的至少两个比赛视频。

电子设备可以从不同的图像采集装置处获得同一场比赛的至少两个比赛视频。在场地中可以设置有至少两个图像采集装置，每个图像采集装置可以设置在场地的不同位置，其中，每个图像采集装置的拍摄视野可以覆盖整个场地。

每个图像采集装置拍摄比赛视频后，可以将拍摄的比赛视频发送给电子设备，从而，所述电子设备可以获取到从不同位置处采集的同一场比赛的至少两个比赛视频。

步骤120，识别每个所述比赛视频中，与目标动作对应的目标片段，所述目标片段由拍摄时间连续的图像构成，所述目标动作为比赛开始的标志性动作。

在获取到所述至少两个比赛视频后，由于每个图像采集装置拍摄比赛视频的位置和角度都不相同，从而，对于每个比赛视频，可以识别出所述比赛视频中与目标动作对应的目标片段。其中，所述目标片段为比赛视频中的一个视频片段，是由拍摄时间连续的图像构成。具体的，所述目标动作为比赛开始的标志性动作，例如，在篮球比赛和足球比赛中，可以是中场发球动作，在排球比赛、羽毛球比赛、乒乓球比赛以及网球比赛中，可以是第一次的发球动作。

识别所述比赛视频中，与目标动作对应的目标片段时，可以是利用神经网络模型来实现。具体的，可以是预先训练神经网络得到识别模型，使得所述识别模型具备从比赛视频中识别出目标动作的能力。

在识别所述比赛视频中，与目标动作对应的目标片段时，可以是将所述比赛视频切割为多个视频片段；将所述多个视频片段输入预先训练的预测模型中，得到候选视频片段；根据所述候选视频片段的数量，从所述候选视频片段中确定所述目标片段。

在识别每个比赛视频中，与目标动作对应的目标片段之前，可以先确定所述比赛视频的比赛类别为目标类别；根据所述目标类别查询信息表，确定与所述目标类别对应的目标动作和目标姿势，所述信息表包括比赛类别与动作以及姿势的对应关系。从而可以确定所述比赛视频对应的目标动作，再识别所述比赛视频中，与目标动作对应的视频片段。

步骤130，确定所述目标片段中与目标姿势对应的图像，将所述目标姿势对应的图像作为与每个所述比赛视频对应的同步帧。

由于所述目标片段是由时间连续的图像构成，在视频同步时，是需要确定出一个具体的时刻，这个时刻可以用目标片段中的某一图像来指代。也就是说，可以从所述目标片段中确定与目标姿势对应的图像，为与所述比赛视频对应的同步帧。

具体的，可以是获取所述目标片段中每图像对应的人体骨骼关键点以及物体关键点；根据所述人体骨骼关键点以及物体关键点，确定与所述目标姿势对应的图像。

步骤140，根据每个所述比赛视频对应的同步帧，同步所述至少两个比赛视频。

按照前述步骤可以从每个目标片段中确定出同步帧，那么，每个比赛视频对应一个同步帧，同步帧所对应的时刻为比赛中的同一时刻。例如，比赛视频A中第100帧的画面为同步帧，比赛视频B中第200帧的画面为同步帧，均为比赛开始的时刻。根据所述同步帧，可以实现比赛视频的同步，进一步为根据所述比赛视频进行三维建模提供数据支撑。

本申请实施例提供的视频同步方法，获取从不同位置处采集的同一场比赛的至少两个比赛视频；识别每个所述比赛视频中，与目标动作对应的目标片段，所述目标片段由拍摄时间连续的图像构成，所述目标动作为比赛开始的标志性动作；确定所述目标片段中与目标姿势对应的图像，将所述目标姿势对应的图像作为与每个所述比赛视频对应的同步帧；根据所述同步帧，同步所述至少两个比赛视频。从每个比赛视频中识别目标片段，再从所述目标片段中确定每个比赛视频中的同步帧，基于所述同步帧实现视频同步，无需依赖任何辅助的同步设备，操作简单方便，易于大规模应用。

请参阅图3，本申请另一实施例提供了一种视频同步方法，在前述实施例的基础上重点描述了识别目标片段以及确定同步帧的过程，具体的该方法可包括以下步骤。

步骤210，获取从不同位置处采集的同一场比赛的至少两个比赛视频。

步骤210可参照前述实施例对应部分，在此不再赘述。

步骤220，将所述比赛视频切割为多个视频片段。

在得到所述比赛视频后，对于每个比赛视频，可以是将所述比赛视频切割为多个视频片段。具体的，切割的视频片段的长度可以是预先设置的，切割方式可以根据实际的需要进行选择，在此不做具体限定。例如，可以是使用固定长度的滑动窗口，以步长为1帧的速率滑动，将所述比赛视频切割成多个固定长度的视频片段。

步骤230，将所述多个视频片段输入预先训练好的预测模型中，得到候选视频片段。

每个比赛视频在切割后，可以得到对应的多个视频片段。将一个比赛视频对应的视频片段输入预测模型中，输出候选视频片段。所述候选视频片段中包括所述目标动作。

所述预测模型为预先根据样本片段，以及与所述样本片段对应的标注信息训练得到的。在训练神经网络模型之前，可以是为每个样本片段进行标注得到标注信息，例如，将包括目标动作的样本片段标注为1，不包括目标动作的样本片段标注为0。

将样本片段以及对应的标注信息输入所述神经网络模型中，输出包括目标动作的样本片段。若该样本片段对应的标注信息为0，表明样本片段中不包括目标动作，对所述神经网络模型的参数进行调整，直到所述神经网络模型输出的样本片段中均包括目标动作。

可以理解的是，比赛视频中可能会出现多个包括所述目标动作的视频片段，将这些视频片段作为候选视频片段，进一步根据所述候选视频片段的数量确定目标片段。

步骤240，根据所述候选视频片段的数量，从所述候选视频片段中确定所述目标片段。

在得到所述候选视频片段后，可以确定所述候选视频片段的数量。若所述候选视频片段的数量为1，表明在该比赛视频中，只有一个视频片段中包括目标动作，从而可以认为所述候选视频片段为目标片段。

若所述候选视频片段的数量大于1，表明在该比赛视频中，存在至少两个视频片段包括所述目标动作。由于所述目标动为比赛开始时的标志性动作，在存在至少两个候选视频片段时，可以获取所述候选视频片段出现在比赛视频中的时序，将时序最早的候选视频片段确定为所述目标片段。例如，候选视频片段有两个分别为片段A和片段B，判断A在比赛视频中的时间分别为第2分钟，片段B为第10分钟，从而可以确定片段A所述目标片段。

步骤250，获取所述目标片段中每图像对应的人体骨骼关键点以及物体关键点。

在得到所述目标片段后，可以是通过人体骨骼关键点识别算法以及物体识别算法，识别所述目标片段中每图像对应的人体骨骼关键点以及物体关键点。

步骤260，根据所述人体骨骼关键点以及物体关键点，确定与所述目标姿势对应的图像为所述同步帧。

在识别到所述人体骨骼关键点以及物体关键点，可以基于所述人体骨骼关键点以及物体关键点确定图像中是否为目标姿势，若是，确定所述图像为同步帧。

在一些实施方式中，可以是获取目标姿势对应的目标人体骨骼关键点以及目标物体关键点，在所述人体骨骼关键点与目标人体骨骼关键点匹配，且物体关键点与目标物体关键点匹配时，认为所述图像中为所述目标姿势，从而可以确定该图像为同步帧。

在一些实施方式中，可以是根据所述人体骨骼关键点以及物体关键点在每帧图像中的变化趋势，确定同步帧。例如，在乒乓球赛场中，第一次发球动作中，球员会用一只手朝上抛球，此时，抛球的手朝上运动的最高点的图像为同步帧。

需要说明的是，上述两种方式可以具体的目标姿势进行选择，以确定目标片段中的目标姿势对应的图像为同步帧。

步骤270，根据每个所述比赛视频对应的同步帧，同步所述至少两个比赛视频。

步骤270可参照前述实施例对应部分，在此不再赘述。

本申请实施例提供的视频同步方法，通过预测模型识别出所述比赛视频中，与目标动作对应的目标片段；获取所述目标片段中每图像对应的人体骨骼关键点以及物体关键点；根据所述人体骨骼关键点以及物体关键点，确定与所述目标姿势对应的图像为所述同步帧；根据每个所述比赛视频对应的同步帧，同步所述至少两个比赛视频。从至少两个比赛视频中确定每个比赛视频中的目标片段，再从所述目标片段中确定出同步帧，基于所述同步帧实现视频同步，无需依赖任何辅助的同步设备，操作简单方便，易于大规模应用。

请参阅图4，本申请再一实施例提供了一种视频同步方法，在前述实施例的基础上重点描述了确定目标动作以及目标姿势的过程，具体的该方法可包括以下步骤。

步骤310，获取从不同位置处采集的同一场比赛的至少两个比赛视频。

步骤310可以参照前述实施例对应部分，在此不再赘述。

步骤320，确定所述比赛视频对应的比赛类别。

在获取到所述比赛视频后，可以是确定所述比赛视频对应的比赛类别为目标类别。

作为一种实施方式，可以是由工作人员人工确认所述比赛视频对应的比赛类别。

作为一种实施方式，可以是从所述比赛视频中任意提取一帧图像，通过神经网络模型识别所述图像中的场地，根据识别出的场地确定目标类别。例如，识别出的场地为篮球场地，确定目标类别为篮球比赛。

所述比赛类型可以是篮球比赛、足球比赛、排球比赛、羽毛球比赛、乒乓球比赛、网球比赛、冰球比赛以及冰壶比赛中的一个。

步骤330，根据所述目标类别查询信息表，确定与所述目标类别对应的目标动作和目标姿势，所述信息表包括比赛类别与动作以及姿势的对应关系。

在确定所述目标类别之后，可以通过信息表查询与所述目标类别对应的目标动作以及目标姿势。所述信息表可以是预先设置好存储在电子设备中的，包括比赛类别与动作以及姿势的对应关系。所述信息表可以参照表1。

表1

若确定所述目标类别为类别1，通过所述信息表，可以确定目标动作为动作1，目标姿势为姿势1。

下面将具体描述比赛类别对应的动作以及姿势。

在所述目标类别为篮球比赛时，目标动作为中场发球，目标姿势为球员的手第一次接触到篮球。

在所述目标类别为足球比赛时，目标动作为中场发球，目标姿势为球员的脚第一次接触到足球。

在所述目标类别为排球比赛时，目标动作为第一次发球，目标姿势为球员的手第一次接触到排球。

在所述目标类别为羽毛球比赛时，目标动作为第一次发球，在第一次发球动作中，球员会首先往后挥拍，然后再往前挥拍击打羽毛球，此时，球员往后挥拍时，手臂最靠后的姿势为目标姿势。

在所述目标类别为乒乓球比赛时，目标动作为第一次发球，在第一次发球动作中，球员会用一只手朝上抛球，此时，抛球的手朝上运动的最高点的姿势为目标姿势。

在所述目标类别为网球比赛时，目标动作为第一次发球，在第一次发球动作中，球员会首先往后挥拍，然后再往前挥拍击打网球，此时，球员往后挥拍时，手臂最靠后的姿势为目标姿势。

在所述目标类别为冰球比赛时，目标动作为第一次在中心争球点争球，目标姿势为球员的第一个挥杆姿势。

在所述目标类别为冰壶比赛时，目标动作为比赛双方开始投壶，目标姿势为双方球员都停止滑动的姿势。

步骤340，识别每个所述比赛视频中，与目标动作对应的目标片段，所述目标片段由拍摄时间连续的图像构成，所述目标动作为比赛开始的标志性动作。

步骤350，确定所述目标片段中与目标姿势对应的图像，将所述目标姿势对应的图像作为与每个所述比赛视频对应的同步帧。

步骤360，根据每个所述比赛视频对应的同步帧，同步所述至少两个比赛视频。

步骤340至步骤360可参照前述实施例对应部分，在此不再赘述。

本申请实施例提供的视频同步方法，在获取到比赛视频后，确定比赛视频对应的比赛类别为目标类别；根据所述目标类别以及查询信息表，确定与所述目标类别的对应的目标动作和目标姿势；再识别所述比赛视频中的目标动作以及同步帧，基于所述同步帧进行视频同步。从至少两个比赛视频中识别出比赛开始的标志性动作对应的目标片段，再从所述目标片段中确定每个比赛视频中的同步帧，无论比赛视频的采集方式如何基于比赛开始的标志性动作对应的目标姿势相同，其实际发生时间相同，对应的同步帧实际获取时间点一致，为此基于所述同步帧可以准确的实现视频同步，无需依赖任何辅助的同步设备，操作简单方便，易于大规模应用。

请参阅图5，本申请实施例提供了一种视频同步装置400，所述视频同步装置400包括获取模块410，识别模块420，同步帧确定模块430，同步模块440。所述获取模块410，用于获取从不同位置处采集的同一场比赛的至少两个比赛视频；所述识别模块420，用于识别每个所述比赛视频中，与目标动作对应的目标片段，所述目标片段由拍摄时间连续的图像构成，所述目标动作为比赛开始的标志性动作；所述同步帧确定模块430，用于确定所述目标片段中与目标姿势对应的图像，将所述目标姿势对应的图像作为与每个所述比赛视频对应的同步帧；所述同步模块440，用于根据每个所述比赛视频对应的同步帧，同步所述至少两个比赛视频。

进一步的，所述视频同步装置400还包括目标确定模块，所述目标确定模块用于确定所述比赛视频对应的比赛类别为目标类别；根据所述目标类别查询信息表，确定与所述目标类别对应的目标动作和目标姿势，所述信息表包括比赛类别与动作以及姿势的对应关系。

进一步的，所述识别模块420还用于将所述比赛视频切割为多个视频片段；将所述多个视频片段输入预先训练好的预测模型中，得到候选视频片段；根据所述候选视频片段的数量，从所述候选视频片段中确定所述目标片段。

进一步的，所述识别模块420还用于若所述候选视频片段的数量为1，确定所述候选视频片段为所述目标片段；若所述候选视频片段的数量大于1，确定在所述比赛视频中时序最早的候选视频片段为所述目标片段。

进一步的，所述同步帧确定模块430还用于获取所述目标片段中每图像对应的人体骨骼关键点以及物体关键点；根据所述人体骨骼关键点以及物体关键点，确定与所述目标姿势对应的图像为所述同步帧。

进一步的，在所述比赛类别为篮球比赛时，所述目标动作为中场发球，所述目标姿势为球员的手第一次接触到篮球。

进一步的，在所述比赛类别为排球比赛时，所述目标片段为第一次发球，所述目标姿势为球员的手第一次接触到排球。

本申请实施例提供的视频同步装置，获取从不同位置处采集的同一场比赛的至少两个比赛视频；识别每个所述比赛视频中，与目标动作对应的目标片段，所述目标片段由拍摄时间连续的图像构成，所述目标动作为比赛开始的标志性动作；确定所述目标片段中与目标姿势对应的图像，将所述目标姿势对应的图像作为与每个所述比赛视频对应的同步帧；根据所述同步帧，同步所述至少两个比赛视频。从至少两个比赛视频中识别出比赛开始的标志性动作对应的目标片段，再从所述目标片段中确定每个比赛视频中的同步帧，无论比赛视频的采集方式如何基于比赛开始的标志性动作对应的目标姿势相同，其实际发生时间相同，对应的同步帧实际获取时间点一致，为此基于所述同步帧可以准确的实现视频同步，无需依赖任何辅助的同步设备，操作简单方便，易于大规模应用。

要说明的是，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

请参阅图6，本申请实施例提供了一种电子设备的结构框图，该电子设备500包括处理器510以及存储器520以及一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器520中并被配置为由所述一个或多个处理器510执行，所述一个或多个程序配置用于执行上述视频同步的方法。

该电子设备500可以是智能手机、平板电脑等能够运行应用程序的终端设备，还可以是服务器。本申请中的电子设备500可以包括一个或多个如下部件：处理器510、存储器520、以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器520中并被配置为由一个或多个处理器510执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。

处理器510可以包括一个或者多个处理核。处理器510利用各种接口和线路连接整个电子设备500内的各个部分，通过运行或执行存储在存储器520内的指令、程序、代码集或指令集，以及调用存储在存储器520内的数据，执行电子设备500的各种功能和处理数据。可选地，处理器510可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器510可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器510中，单独通过一块通信芯片进行实现。

存储器520可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器520可用于存储指令、程序、代码、代码集或指令集。存储器520可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备500在使用中所创建的数据(比如电话本、音比赛视频、聊天记录数据)等。

本申请实施例提供的电子设备，获取从不同位置处采集的同一场比赛的至少两个比赛视频；识别每个所述比赛视频中，与目标动作对应的目标片段，所述目标片段由拍摄时间连续的图像构成，所述目标动作为比赛开始的标志性动作；确定所述目标片段中与目标姿势对应的图像，将所述目标姿势对应的图像作为与每个所述比赛视频对应的同步帧；根据所述同步帧，同步所述至少两个比赛视频。从至少两个比赛视频中识别出比赛开始的标志性动作对应的目标片段，再从所述目标片段中确定每个比赛视频中的同步帧，无论比赛视频的采集方式如何基于比赛开始的标志性动作对应的目标姿势相同，其实际发生时间相同，对应的同步帧实际获取时间点一致，为此基于所述同步帧可以准确的实现视频同步，无需依赖任何辅助的同步设备，操作简单方便，易于大规模应用。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。