首页 > 资讯 > 一种基于智能座椅的坐姿矫正方法、系统、设备和介质

一种基于智能座椅的坐姿矫正方法、系统、设备和介质

泰然健康网
2024-12-28 04:49

1.本技术涉及人工智能领域，尤其涉及一种智能座椅的坐姿矫正方法、系统、设备和介质。

背景技术：

2.随着电子信息技术以及学习和生活节奏的逐步加快，越来越多的学生需要长时间在坐姿状态下学习，休息时间缩短，肌肉和脊椎极易产生静力疲劳，并产生腰背部酸疼及腰椎间盘突出等不适应症状，不但影响了学习效率，而且对学生的身心造成了一定的伤害，不正确的坐姿也会影响身体健康。用错误的坐姿长时间坐在椅子上的话，不仅容易导致疲劳，而且引起脊椎以及肌肉的损伤，引起各种腰病和脊柱不正常弯曲，背部不正常成形生长。因此如何对学生坐姿进行有效矫正成为当前热点问题。
3.此外，学生个体差异性，导致不同学生入座时对座椅高度、靠背角度等有着不同的需求，虽然现有的座椅大多能进行一些简单的调节，但这类调节往往依赖于人工进行手动调节，缺乏个体适应性。且纵观目前已有的各种矫正椅，大多都还是传统的约束身体的方式或电子器件辅助的方式来实现矫正功能。这些矫正椅要么是让人起立不方便，操作繁琐，要么就是器件太多，结构复杂，导致成本必然较高。如何有效的适应学生个体需求进行座椅调节以及坐姿矫正成为当前一大难题。
4.申请内容
5.鉴于以上现有技术存在的问题，本技术提出一种基于智能座椅的坐姿矫正方法、系统、设备和介质，主要解决现有座椅不具备对象自适应匹配调节以及坐姿矫正结构复杂的问题。
6.为了实现上述目的及其他目的，本技术采用的技术方案如下。
7.一种基于智能座椅的坐姿矫正方法，包括：
8.获取座椅周围预设区域内的第一目标图像，所述第一目标图像中包含目标对象的人脸图像；
9.将所述第一目标图像与预设人脸库中的参考人脸进行比对，得到与所述第一目标图像匹配的参考人脸作为匹配人脸；
10.根据与所述匹配人脸关联的座椅调节参数修正所述座椅以适配所述目标对象；
11.根据所述座椅上所述目标对象的第二目标图像识别所述目标对象的第一坐姿，若所述第一坐姿与预设参考坐姿偏差超出预设范围，则输出坐姿矫正信息以引导所述目标对象调整所述第一坐姿。
12.在本技术一实施例中，获取座椅周围预设区域内的第一目标图像，包括：
13.通过多个不同拍摄角度的图像传感单元获取所述预设区域内的多张采集图像形成图像集合；
14.对所述图像集合进行筛选，得到包含人脸的面积大于设定面积阈值的采集图像作为所述第一目标图像；
15.若所述图像集合中各采集图像包含的人脸的面积均小于所述面积阈值，则将所述图像集合中的采集图像进行拼接以使人脸区域达到所述面积阈值，并将拼接后的图像作为所述第一目标图像。
16.在本技术一实施例中，将所述第一目标图像与预设人脸库中的参考人脸进行比对，得到与所述第一目标图像匹配的参考人脸作为匹配人脸，包括：
17.将所述第一目标图像输入预训练的分割模型，获取所述第一目标图像中的目标人脸；
18.将所述目标人脸和所述参考人脸输入预训练的识别模型进行相似度比对，将与所述目标人脸相似度达到预设相似度阈值的参考人脸作为所述匹配人脸。
19.在本技术一实施例中，根据与所述匹配人脸关联的座椅调节参数修正所述座椅以适配所述目标对象之前，还包括：
20.若所述人脸库中不存在与所述第一目标图像匹配的参考人脸，则将所述第一目标图像标记为未入库；
21.记录所述目标对象入座后的座椅调节参数，并获取未入库的所述第一目标图像中的人脸图像，建立所述座椅调节参数与人脸图像的关联关系，并将所述第一目标图像中的人脸图像录入所述人脸库中作为参考人脸。
22.在本技术一实施例中，根据与所述匹配人脸关联的座椅调节参数修正所述座椅以适配所述目标对象，包括：
23.根据所述匹配人脸以及所述座椅调节参数与所述人脸图像的关联关系确定当前座椅调节参数；
24.根据所述当前座椅调节参数控制所述座椅的控制端进行座椅修正，其中座椅修正包括：座椅高度、座椅靠背角度以及座椅扶手宽度；
25.获取每次使用所述座椅后的座椅调节记录，根据所述座椅调节记录更新所述目标对象的人脸关联的座椅调节参数。
26.在本技术一实施例中，根据所述座椅上所述目标对象的第二目标图像识别所述目标对象的第一坐姿，若所述第一坐姿与预设参考坐姿偏差超出预设范围，则输出坐姿矫正信息以引导所述目标对象调整所述第一坐姿，包括：
27.预先构建参考坐姿三维模型；
28.获取座椅上多个不同视角的目标对象图像；
29.根据所述目标对象图像的视角从所述参考坐姿三维模型中获取对应角度的二维参考坐姿图像；
30.将每个视角下的目标对象图像与对应的二维参考坐姿图像进行比对，以确定二者的偏差。
31.在本技术一实施例中，将所述第一目标图像中的人脸图像录入所述人脸库中作为参考人脸，还包括：
32.所述人脸库设置于云端，将获取的人脸图像上传至云端进行入库；
33.若所述人脸库中参考人脸被调用频次低于预设的第一阈值则将对应的参考人脸转移到暂存库，优先从所述人脸库中调用参考人脸进行人脸匹配。
34.本技术还提供一种基于智能座椅的坐姿矫正系统，包括：
35.图像获取模块，用于获取座椅周围预设区域内的第一目标图像，所述第一目标图像中包含目标对象的人脸图像；
36.人脸匹配模块，用于将所述第一目标图像与预设人脸库中的参考人脸进行比对，得到与所述第一目标图像匹配的参考人脸作为匹配人脸；
37.座椅调节模块，用于根据与所述匹配人脸关联的座椅调节参数修正所述座椅以适配所述目标对象；
38.坐姿矫正模块，用于根据所述座椅上所述目标对象的第二目标图像识别所述目标对象的第一坐姿，若所述第一坐姿与预设参考坐姿偏差超出预设范围，则输出坐姿矫正信息以引导所述目标对象调整所述第一坐姿。
39.本技术还提供一种设备，包括：
40.一个或多个处理器；和
41.其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行所述的基于智能座椅的坐姿矫正方法。
42.本技术还提供一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行所述的基于智能座椅的坐姿矫正方法。
43.如上所述，本技术一种基于智能座椅的坐姿矫正方法、系统、设备和介质，具有以下有益效果。
44.本技术通过识别进入座椅预设区域的人脸调用关联的座椅调节参数进行自适应调节，以满足不同目标对象的个性化座椅需求，不需要人工干预便可自适应完成如左前的座椅调节，增强使用体验；根据图像识别进行坐姿矫正，引导改善目标对象的不良坐姿，不需要依赖于复杂多样的传感器，简化座椅结构。
附图说明
45.图1为本技术一实施例中基于智能座椅的坐姿矫正方法的流程示意图。
46.图2为本技术一实施例中基于智能座椅的坐姿矫正系统的模块图。
47.图3为本技术一实施例中设备的结构示意图。
48.图4为本技术另一实施例中设备的结构示意图。
具体实施方式
49.以下通过特定的具体实例说明本技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本技术的其他优点与功效。本技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
50.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本技术的基本构想，遂图式中仅显示与本技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
51.在本技术一实施例中，为了更好的实施本技术提供的基于智能座椅的坐姿矫正方
法，本技术实施例的智能座椅可与云端服务器连接，接收云端服务器的指令，通过自身的控制器进行自适应调节，如调节座椅高度、座椅靠背倾斜角度以及两侧扶手之间的间距或者扶手高度等。座椅各部件的调节可通过驱动电机或其他驱动机构实现，座椅的具体结构这里不做限制。
52.请参阅图1，本技术提供一种基于智能座椅的坐姿矫正方法，包括以下步骤。
53.步骤s01，获取座椅周围预设区域内的第一目标图像，所述第一目标图像中包含目标对象的人脸图像。
54.在一实施例中，可在座椅周围指定一个区域，当目标对象进入该区域时，采集目标对象图像。示例性地，该区域可以为绕座椅一周的环形区域，也可以是座椅两侧或单侧距离较近的区域，具体区域设置可根据实际应用场景需求进行选择和调整，这里不作限制。
55.在一实施例中，获取座椅周围预设区域内的第一目标图像，包括以下步骤：
56.通过多个不同拍摄角度的图像传感单元获取所述预设区域内的多张采集图像形成图像集合；
57.对所述图像集合进行筛选，得到包含人脸的面积大于设定面积阈值的采集图像作为所述第一目标图像；
58.若所述图像集合中各采集图像包含的人脸的面积均小于所述面积阈值，则将所述图像集合中的采集图像进行拼接以使人脸区域达到所述面积阈值，并将拼接后的图像作为所述第一目标图像。
59.在一实施例中，可在座椅上设置多个图像传感单元，每个图像传感单元负责不同的拍摄角度。通过图像传感单元采集进入预设区域的目标对象图像，避免单一角度难以采集到有效人脸的问题。进一步地，预设时间范围内各图像传感单元的采集的图像组成图像集合，通过人脸检测算法检测图像集合中各图像的人脸区域，其中人脸检测算法可采用人脸检测器(selective refinement network，srn)等。对检测出的人脸区域采用方框等标注，并将标注的人脸区域与有效人脸对应的预设面积阈值进行比对，判断图像中是否包含有效人脸，若包含有效人脸则将对应的图像作为第一目标图像；若不包含有效人脸，则将图像集合中多张采集图像进行拼接，如图像a包含左侧人脸图像，图像b包含右侧人脸图像，则将两张图像进行拼接得到完整的人脸图像。将拼接后的图像作为第一目标图像。在另一实施例中，图像传感单元也可不设置于座椅上，根据座椅的使用场景，在对应场景的多个角度安装图像传感单元，通过座椅与场景中的图像传感单元配合完成图像采集与人脸匹配。具体安装位置可根据场景进行调整，这里不作限制。座椅位置确定后，可与对应场景中多个图像传感单元建立连接，或者将座椅与对应场景中各图像传感单元接入同一个网络，数据同一上传至该网络的云端服务器进行处理，完成数据处理后由云端服务器将采集图像的处理结果反馈给座椅控制端。
60.步骤s02，将所述第一目标图像与预设人脸库中的参考人脸进行比对，得到与所述第一目标图像匹配的参考人脸作为匹配人脸。
61.在一实施例中，将所述第一目标图像与预设人脸库中的参考人脸进行比对，得到与所述第一目标图像匹配的参考人脸作为匹配人脸，包括以下步骤：
62.将所述第一目标图像输入预训练的分割模型，获取所述第一目标图像中的目标人脸；
63.将所述目标人脸和所述参考人脸输入预训练的识别模型进行相似度比对，将与所述目标人脸相似度达到预设相似度阈值的参考人脸作为所述匹配人脸。
64.在一实施例中，可通过卷积神经网络构建分割网络模型，预先建立样本数据集，样本数据集中包含在各个场景下的人脸图像，对样本数据集中的样本图像进行人脸标注，将标注后的样本图像输入预先构建的分割网络模型进行模型训练，使得模型能够有效分割出图像中的人脸区域。当然也可采用其他网络架构用于构建分割网络模型，具体架构选择可根据实际应用需求进行选择，这里不作限制。
65.在一实施例中，将第一目标图像输入预训练的分割网络模型后，可得到第一目标图像中的目标人脸。将目标人脸与人脸库中存储的参考人脸进行比对。比对过程可通过预训练的识别模型来完成。识别模型可采用长短期记忆神经网络模型、bp神经网络模型、支持向量机等，模型训练过程与分割模型的训练过程相近，这里不再赘述。通过识别模型输出目标人脸与人脸库中参考人脸的相似度值。若相似度值大于预设的相似度阈值，则认为对应的参考人脸为匹配人脸。
66.在一实施例中，若人脸库中不存在与目标人脸匹配的参考人脸，则认为当前目标对象为初次使用，标记对应的第一目标图像为未入库。在该目标对象入座使用过程中，记录目标对象调节座椅的动作，生成调节记录。调节记录中包含调节座椅高度值、座椅靠背角度等。将调节记录上传至云端服务器并与该目标对象的人脸进行关联，将目标人脸存入人脸库作为参考人脸。在用户下次使用时，直接根据人脸和调节参数的关联关系，调用上次的调节参数对座椅进行粗调，以根据用户的使用习惯进行座椅自适应调节，避免用户每次手动调节的繁琐操作，也可保证个体适应性。
67.步骤s03，根据与所述匹配人脸关联的座椅调节参数修正所述座椅以适配所述目标对象。
68.在一实施例中，根据与所述匹配人脸关联的座椅调节参数修正所述座椅以适配所述目标对象，包括以下步骤：
69.根据所述匹配人脸以及所述座椅调节参数与所述人脸图像的关联关系确定当前座椅调节参数；
70.根据所述当前座椅调节参数控制所述座椅的控制端进行座椅修正，其中座椅修正包括：座椅高度、座椅靠背角度以及座椅扶手宽度；
71.获取每次使用所述座椅后的座椅调节记录，根据所述座椅调节记录更新所述目标对象的人脸关联的座椅调节参数。
72.在一实施例中，通过前述步骤对进入预设区域的目标对象进行人脸识别获取人脸库中匹配的人脸后，可进一步根据人脸库中人脸与座椅调节参数的关联关系获取该目标对象历史使用习惯对应的座椅调节参数，将对应座椅调节参数下发至座椅控制端控制座椅自适应调节。若关联的座椅调节参数与座椅初始状态一致，则不需要下发调节指令。通过调节座椅高度等参数，适应不同目标对象需求。在目标对象使用过程中，由于目标对象个人生长变化，之前的调节参数以无法满足需求，可记录目标对象每次使用过程中对座椅的调节动作，生成座椅调节参数与目标对象的人脸进行关联。如6-12岁的青少年，生长发育变化比较大，通过记录每次调节动作可适应身高变化等需求差异，以满足不同阶段同一个体的需求差异。
73.步骤s04，根据所述座椅上所述目标对象的第二目标图像识别所述目标对象的第一坐姿，若所述第一坐姿与预设参考坐姿偏差超出预设范围，则输出坐姿矫正信息以引导所述目标对象调整所述第一坐姿。
74.在一实施例中，根据所述座椅上所述目标对象的第二目标图像识别所述目标对象的第一坐姿，若所述第一坐姿与预设参考坐姿偏差超出预设范围，则输出坐姿矫正信息以引导所述目标对象调整所述第一坐姿，包括：
75.预先构建参考坐姿三维模型；
76.获取座椅上多个不同视角的目标对象图像；
77.根据所述目标对象图像的视角从所述参考坐姿三维模型中获取对应角度的二维参考坐姿图像；
78.将每个视角下的目标对象图像与对应的二维参考坐姿图像进行比对，以确定二者的偏差。
79.在一实施例中，可同构采集样例图像构建参考坐姿三维模型，参考坐姿三维模型可提供全角度的标准坐姿参考。
80.在一实施例中，可在座椅上设置多个图像采集单元采集入座后目标对象的第二目标图像，也可通过调用应用场景中的摄像设备采集多个不同视角的第二目标图像。基于图像采集单元的拍摄角度将参考坐姿三维模型投影到对应拍摄角度上，形成二维参考坐姿图像，将该拍摄角度下的第二目标图像与二维参考坐姿图像进行比对，以确定第二目标图像中的坐姿是否超出标准坐姿允许偏差范围。若超出偏差范围则输出导引信息，通过语音提示或显示面板提示的方式通知目标对象调整当前坐姿，如抬头、后背挺直等。通过三维模型投影进行坐姿矫正，可适应不同场景需求，满足不同安装角度的图像采集单元采集图像的比对矫正需求。
81.在一实施例中，以上所有比对、投影和识别过程都可在云端服务器完成，只需要将结果可指令反馈给座椅即可，避免座椅上安装过多处理器等设备增加成本。多个座椅可连接至一个网络进行数据共享，只要目标对象人脸已注册到云端的人脸库，在任何一个联网的座椅端都可获取对应的座椅调节参数进行自适应调节，增强用户体验。
82.在一实施例中，云端服务器可定期将人脸数据库中长期未被调用的参考人脸移至暂存库，暂存库中保留一段时间后将会删除对应参考人脸以减少对服务器资源的占用。可优先从人脸库中进行图像比对，若人脸库中没有匹配的人脸，再从暂存库中调用参考人脸进行比对。
83.请参阅图2，本实施例中提供了一种基于智能座椅的坐姿矫正系统，用于执行前述方法实施例中所述的基于智能座椅的坐姿矫正方法。由于装置实施例的技术原理与前述方法实施例的技术原理相似，因而不再对同样的技术细节做重复性赘述。
84.在一实施例中，基于智能座椅的坐姿矫正系统，包括：
85.图像获取模块10，用于获取座椅周围预设区域内的第一目标图像，所述第一目标图像中包含目标对象的人脸图像；
86.人脸匹配模块11，用于将所述第一目标图像与预设人脸库中的参考人脸进行比对，得到与所述第一目标图像匹配的参考人脸作为匹配人脸；
87.座椅调节模块12，用于根据与所述匹配人脸关联的座椅调节参数修正所述座椅以
适配所述目标对象；
88.坐姿矫正模块13，用于根据所述座椅上所述目标对象的第二目标图像识别所述目标对象的第一坐姿，若所述第一坐姿与预设参考坐姿偏差超出预设范围，则输出坐姿矫正信息以引导所述目标对象调整所述第一坐姿。
89.本技术实施例还提供了一种设备，该设备可以包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行图1所述的方法。在实际应用中，该设备可以作为终端设备，本技术实施例对于具体的设备不加以限制。
90.本技术实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本技术实施例的图1中基于智能座椅的坐姿矫正方法所包含步骤的指令(instructions)。
91.图3为本技术一实施例提供的终端设备的硬件结构示意图。如图所示，该终端设备可以包括：输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器，第一存储器1103中可以存储各种程序，用于完成各种处理功能以及实现本实施例的方法步骤。
92.可选的，上述第一处理器1101例如可以为中央处理器(central processing unit，简称cpu)、应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，该处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
93.可选的，上述输入设备1100可以包括多种输入设备，例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的，该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如usb接口、串口等)；可选的，该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等)；可选的，上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口，例如芯片的输入引脚接口或者输入接口等；输出设备1102可以包括显示器、音响等输出设备。
94.在本实施例中，该终端设备的处理器包括用于执行各设备中语音识别装置各模块的功能，具体功能和技术效果参照上述实施例即可，此处不再赘述。
95.图4为本技术的另一个实施例提供的终端设备的硬件结构示意图。图4是对图3在实现过程中的一个具体的实施例。如图所示，本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
96.第二处理器1201执行第二存储器1202所存放的计算机程序代码，实现上述实施例中图1所述方法。
97.第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，例如消息，图片，视频等。第二存储器1202可能包含随机存取存储器(random access memory，简称ram)，也可能
还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
98.可选地，第一处理器1201设置在处理组件1200中。该终端设备还可以包括：通信组件1203，电源组件1204，多媒体组件1205，音频组件1206，输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定，本实施例对此不作限定。
99.处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令，以完成上述图1所示方法的全部或部分步骤。此外，处理组件1200可以包括一个或多个模块，便于处理组件1200和其他组件之间的交互。例如，处理组件1200可以包括多媒体模块，以方便多媒体组件1205和处理组件1200之间的交互。
100.电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理系统，一个或多个电源，及其他与为终端设备生成、管理和分配电力相关联的组件。
101.多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中，显示屏可以包括液晶显示器(lcd)和触摸面板(tp)。如果显示屏包括触摸面板，显示屏可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
102.音频组件1206被配置为输出和/或输入语音信号。例如，音频组件1206包括一个麦克风(mic)，当终端设备处于操作模式，如语音识别模式时，麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中，音频组件1206还包括一个扬声器，用于输出语音信号。
103.输入/输出接口1207为处理组件1200和外围接口模块之间提供接口，上述外围接口模块可以是点击轮，按钮等。这些按钮可包括但不限于：音量按钮、启动按钮和锁定按钮。
104.传感器组件1208包括一个或多个传感器，用于为终端设备提供各个方面的状态评估。例如，传感器组件1208可以检测到终端设备的打开/关闭状态，组件的相对定位，用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在，包括检测用户与终端设备间的距离。在一些实施例中，该传感器组件1208还可以包括摄像头等。
105.通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个实施例中，该终端设备中可以包括sim卡插槽，该sim卡插槽用于插入sim卡，使得终端设备可以登录gprs网络，通过互联网与服务器建立通信。
106.由上可知，在图4实施例中所涉及的通信组件1203、音频组件1206以及输入/输出接口1207、传感器组件1208均可以作为图3实施例中的输入设备的实现方式。
107.上述实施例仅例示性说明本技术的原理及其功效，而非用于限制本技术。任何熟悉此技术的人士皆可在不违背本技术的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本技术所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本技术的权利要求所涵盖。