一种加密验证方法、装置、电子设备及存储介质

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种加密验证方法、装置、电子设备及存储介质。

背景技术

目前，随着科技的不断发展，以智能手机为代表的智能终端设备已经走进了人们的日常生活中，智能手机不仅可以实现通话功能，还用于人们的生活记录、工作沟通等多种场合，正逐渐成为了工作生活的必备品。

由于智能手机等智能终端设备的功能不断强大，其中往往存储有大量的个人隐私信息，例如照片、邮件、文件等，因此每台智能终端设备均提供有开机密码等保障个人隐私安全的功能，只有通过加密验证的用户才可以解锁，目前常用的密码方案多为数字密码、指纹密码以及人脸识别等，但是，数字密码的加密方式较为单一，易于被窃取与破解，安全性相应较低，而采用指纹密码、人脸识别等依赖用户生物特征的加密方式，则存在过度采集用户生物特征信息，造成用户身份泄露的问题。

发明内容

本公开实施例至少提供一种加密验证方法、装置、电子设备及存储介质，可以在保护用户生物特征信息的基础上，提升加密的安全性。

本公开实施例提供了一种加密验证方法，包括：

获取实时场景图像；

检测所述实时场景图像中包括的物体，在所述物体中确定与预设的关键物体相匹配的目标物体；

若所述实时场景图像中包括所述目标物体，生成所述目标物体对应的虚拟模型；

响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息；

当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面。

一种可选的实施方式中，基于以下步骤检测所述实时场景图像中包括的物体：

将所述实时场景图像划分为多个网格单元；

提供多个用于检测所述物体的物体检测框，其中，每个所述物体检测框覆盖至少一个所述网格单元；

根据预设的目标检测算法，确定每个所述物体检测框中存在所述物体的置信度；

根据预设的分类识别算法，确定该物体检测框中出现的所述物体对应类别的概率分布预测值；

根据所述概率分布预测值以及所述置信度，确定所述物体检测框中包括所述物体的概率值；

筛选所述概率值大于预设概率阈值的物体检测框，并为该物体检测框配置对应的物体类别标签。

一种可选的实施方式中，基于以下步骤在所述物体中确定与预设的关键物体相匹配的目标物体：

确定所述物体对应的物体特征；

在预设的物体素材库中，调取所述关键物体对应的目标特征，其中，所述关键物体为用户预先在所述物体素材库中选取的；

在所述物体中，筛选出所述物体特征与所述目标特征相匹配的所述目标物体。

一种可选的实施方式中，所述若所述实时场景图像中包括所述目标物体，生成所述目标物体对应的虚拟模型，具体包括：

在所述物体素材库中，调取所述目标物体对应的虚拟模型，其中，所述物体素材库中预先存储有至少一种物体对应的虚拟模型；

将所述虚拟模型叠加在所述实时场景图像中，通过人机交互界面向用户显示。

一种可选的实施方式中，所述响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息，具体包括：

检测用户在所述人机交互界面中，针对所述虚拟模型进行的调整操作，根据所述调整操作，调整所述虚拟模型对应的显示姿态；

实时检测所述虚拟模型对应的所述姿态信息，并将所述姿态信息显示于所述人机交互界面上，其中，所述姿态信息包括：偏航角、俯仰角以及翻滚角。

一种可选的实施方式中，在所述当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面之后，所述方法还包括：

获取用户通过所述验证界面输入的密码；

将携带有所述密码的验证请求发送至后台服务端，由所述后台服务端验证所述密码；

若所述密码与预设的目标密码相匹配，则向用户反馈验证成功信息。

本公开实施例还提供一种加密验证装置，包括：

拍摄模块，用于获取实时场景图像；

检测模块，用于检测所述实时场景图像中包括的物体，在所述物体中确定与预设的关键物体相匹配的目标物体；

模型生成模块，用于若所述实时场景图像中包括所述目标物体，生成所述目标物体对应的虚拟模型；

姿态调整模块，用于响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息；

验证模块，用于当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面。

本公开实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述加密验证方法，或上述加密验证方法中任一种可能的实施方式中的步骤。

本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述加密验证方法，或上述加密验证方法中任一种可能的实施方式中的步骤。

本公开实施例还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序、指令被处理器执行时实现上述加密验证方法，或上述加密验证方法中任一种可能的实施方式中的步骤。

本公开实施例提供的一种加密验证方法、装置、电子设备及存储介质，通过获取实时场景图像；检测所述实时场景图像中包括的物体，在所述物体中确定与预设的关键物体相匹配的目标物体；若所述实时场景图像中包括所述目标物体，生成所述目标物体对应的虚拟模型，响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息；当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面。可以在保护用户生物特征信息的基础上，提升加密的安全性。

为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本公开实施例所提供的一种加密验证方法的流程图；

图2示出了本公开实施例所提供的另一种加密验证方法的流程图；

图3示出了本公开实施例所提供的一种加密验证装置的示意图；

图4示出了本公开实施例所提供的一种电子设备的示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

经研究发现，由于智能手机等智能终端设备的功能不断强大，其中往往存储有大量的个人隐私信息，例如照片、邮件、文件等，因此每台智能终端设备均提供有开机密码等保障个人隐私安全的功能，只有通过加密验证的用户才可以解锁，目前常用的密码方案多为数字密码、指纹密码以及人脸识别等，但是，数字密码的加密方式较为单一，易于被窃取与破解，安全性相应较低，而采用指纹密码、人脸识别等依赖用户生物特征的加密方式，则存在过度采集用户生物特征信息，造成用户身份泄露的问题。

基于上述研究，本公开提供了一种加密验证方法、装置、电子设备及存储介质，通过获取实时场景图像；检测所述实时场景图像中包括的物体，在所述物体中确定与预设的关键物体相匹配的目标物体；若所述实时场景图像中包括所述目标物体，生成所述目标物体对应的虚拟模型，响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息；当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面。可以在保护用户生物特征信息的基础上，提升加密的安全性。

为便于对本实施例进行理解，首先对本公开实施例所公开的一种加密验证方法进行详细介绍，本公开实施例所提供的加密验证方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该加密验证方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。

参见图1所示，为本公开实施例提供的一种加密验证方法的流程图，所述方法包括步骤S101～S105，其中：

S101、获取实时场景图像。

在具体实施中，可以采用智能手机等智能终端设备中的增强现实(AugmentedReality，AR)功能，通过摄像头实时捕获当前周围场景的实时场景图像。

这里，可以采用ARKit框架，当采集实时场景图像的场景为室内场景时，选择AROrientation Tracking Configuration追踪模式，该模式不受限于光线昏暗以及剧烈晃动的环境，将该模式配置给ARKit的ARSession，它负责管理每一帧的信息，通过摄像头实时捕获图像并获取传感器数据，进而对数据进行分析处理并逐帧输出。

S102、检测所述实时场景图像中包括的物体，在所述物体中确定与预设的关键物体相匹配的目标物体。

在具体实施中，在采集到的实时场景图像中，检测实时场景图像中出现的全部物体，并确定实时场景图像中出现的全部物体中是否存在与用户预先设置的关键物体相同的目标物体。

这里，用户预设的关键物体可以为用户在预设的物体素材库中所提供的物体中所选择的物体，例如：杯子、桌子、椅子等。

其中，预设的物体素材库中预先存储有多种不同的物体，以供用户进行选择，并且，针对每种物体，物体素材库中还存储有该种物体对应的虚拟模型，以及该种物体对应的物体特征。

需要说明的是，关键物体可以不仅仅为一个单独的物体，还可以为多个物体的固定组合，例如：桌子上摆放茶杯，茶杯与桌子的固定组合也可以作为关键物体。

作为一种可能的实施方式，可以通过以下步骤检测实时场景图像中包括的物体：

步骤1、将所述实时场景图像划分为多个网格单元。

步骤2、提供多个用于检测所述物体的物体检测框，其中，每个所述物体检测框覆盖至少一个所述网格单元。

步骤3、采用预设的目标检测算法，确定每个所述物体检测框中存在所述物体的置信度。

步骤4、采用预设的分类识别算法，确定该物体检测框中出现的所述物体对应类别的概率分布预测值。

步骤5、根据所述概率分布预测值以及所述置信度，确定所述物体检测框中包括所述物体的概率值。

步骤6、筛选所述概率值大于预设概率阈值的物体检测框，并为该物体检测框配置对应的物体类别标签。

在具体实施中，可以将获取到的实时场景图像送入目标检测模块，由目标检测模块采用预设目标检测算法针对实时场景图像进行物体检测，区分出每个物体。

可选的，预设的目标检测算法可以为SSD算法。

这里，针对实时场景图像中物体的检测可以基于Core ML框架，使用该框架可以将机器学习模型导入，进而通过自动生成的工具类进行分类识别。

其中，用于物体检测的机器学习模型可以为采用YOLO算法预先训练好的物体检测模型。

具体的，YOLO算法将实时场景划分为多个网格单元，同时提供用于检测所述物体的物体检测框，物体检测框为包含一个目标的矩形区域，每个物体检测框至少覆盖实时场景图像中的一个网格单元，优选的，每个物体检测框负责五个网格单元的物体检测。

进一步的，针对每个物体检测框，YOLO算法会为该物体检测框配置对应的置信度，该置信度用于描述物体检测框中包含物体的确定程度，并且，当置信度越高时，对应物体检测框的框线越粗。

进一步的，针对每个物体检测框，YOLO算法还会给出该物体检测框中所包含的物体归属于某一种物体类别的概率分布预测值，将上述的置信度与概率分布预测值相结合，通过YOLO算法得到物体检测框中包括有物体的概率值。

这里，在全部物体检测框中筛选出物体检测框中包括有物体的概率值大于预设概率阈值的物体检测框，此时可以认为该物体检测框中包含有物体，并且为该物体检测框配置概率分布预测值所对应物体类别的物体类别标签。

例如，经过检测后，实时场景图像中包括的物体有：物体1、物体2以及物体3；其中物体1为狗，物体2为自行车，物体3为小汽车。

可选的，预设概率阈值可以选择为85％。

作为另一种可能的实施方式，可以通过以下步骤确定出实时场景图像中是否存在与预设的关键物体相匹配的目标物体：

步骤1、确定所述物体对应的物体特征。

步骤2、在预设的物体素材库中，调取所述关键物体对应的目标特征，其中，所述关键物体为用户预先在所述物体素材库中选取的。

步骤3、在所述物体中，筛选出所述物体特征与所述目标特征相匹配的所述目标物体。

在具体实施中，针对检测出的实时场景图像中出现的物体进行截取，送入目标识别模块，以确定物体对应的物体特征，并且将提取到的物体特征与用户在预设的物体素材库中选取的关键物体对应的物体特征，即，目标特征进行比对，进而在实时场景图像中筛选出与用户所预先选取的关键物体相匹配的目标物体。

这样，用户每次可从物体素材库中灵活预设不同关键物体，其他人几乎无法获知该关键物体，只有当从实时场景图像中识别出的物体是关键物体时才能进行下一步的验证操作，可以极大的提升安全性验证安全性。

S103、若所述实时场景图像中包括所述目标物体，生成所述目标物体对应的虚拟模型。

在具体实施中，若实时场景图像中存在目标物体，则在用户的手机屏幕等人机交互界面中显示的实时场景图像上叠加显示目标物体对应的虚拟模型。

作为一种可能的实施方式，步骤S103可以通过如下步骤1-步骤2实现：

步骤1、在所述物体素材库中，调取所述目标物体对应的虚拟模型，其中，所述物体素材库中预先存储有多种物体对应的虚拟模型。

步骤2、将所述虚拟模型叠加在所述实时场景图像中，通过人机交互界面向用户显示。

S104、响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息。

在具体实施中，用户可以在手机屏幕等人机交互界面上通过滑动等调整操作，旋转该虚拟模型，以调整虚拟模型对应的姿态。

其中，姿态信息可以包括有Yaw(偏航角)、Pitch(俯仰角)和Roll(翻滚角)。Yaw(偏航角)：是虚拟模型围绕Y轴旋转的角度，其范围为

作为一种可能的实施方式，步骤S103可以通过如下步骤1-步骤2实现：

步骤1、检测用户在所述人机交互界面中，针对所述虚拟模型进行的调整操作，根据所述调整操作，调整所述虚拟模型对应的显示姿态。

步骤2、实时检测所述虚拟模型对应的所述姿态信息，并将所述姿态信息显示于所述人机交互界面上，其中，所述姿态信息包括：偏航角、俯仰角以及翻滚角。

在具体实施中，在用户通过滑动等调整操作旋转虚拟模型的过程中，同时向用户展示虚拟模型当前所处的姿态信息，即虚拟模型在偏航角、俯仰角以及翻滚角三个姿态角上的角度值。

S105、当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面。

在具体实施中，当用户调整虚拟模型的姿态时，若虚拟模型调整后的姿态与用户预先设置好的姿态信息相匹配时，则向用户提供所需验证的验证界面，进而用户可以在验证界面上进行输入密码等操作。

这里，用户通过手机屏幕等人机交互界面对虚拟模型进行姿态调整，用户可以实时观察显示出的偏航角、俯仰角以及翻滚角等姿态信息的具体数值，当达到预设的数值时，即可触发验证。

需要说明的是，预设的目标姿态具体包括偏航角、俯仰角以及翻滚角等姿态信息的具体预设数值，可以根据实际需要进行选择，在此不做具体限制。

这样，通过匹配预设的三组角度值的做法，不仅增加了趣味性，也大大增加了密码泄漏的难度。

本公开实施例提供的一种加密验证方法，通过获取实时场景图像；检测所述实时场景图像中包括的物体，在所述物体中确定与预设的关键物体相匹配的目标物体；若所述实时场景图像中包括所述目标物体，生成所述目标物体对应的虚拟模型，响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息；当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面。可以在保护用户生物特征信息的基础上，提升加密的安全性。

参见图2所示，为本公开实施例提供的另一种加密验证方法的流程图，所述方法包括步骤S201～S207，其中：

S201、获取实时场景图像。

S202、检测所述实时场景图像中包括的物体，在所述物体中确定与预设的关键物体相匹配的目标物体。

S203、若所述实时场景图像中包括所述目标物体，生成所述目标物体对应的虚拟模型。

S204、响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息。

S205、当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面。

这里，步骤S201-步骤S205与步骤S101-步骤S105实质相同，具有相同的实施方式并且可以达到相同的技术效果，对此不再进行赘述。

S206、获取用户通过所述验证界面输入的密码；将携带有所述密码的验证请求发送至后台服务端，由所述后台服务端验证所述密码。

S207、若所述密码与预设的目标密码相匹配，则向用户反馈验证成功信息。

在具体实施中，本申请实施例中的密码方案可用于用户验证或者智能密码设备的开锁，当输入密码后，在手机端发出请求去服务端验证成功后验证界面或者在发出开锁指令给智能设备即可。

本公开实施例提供的一种加密验证方法，通过获取实时场景图像；检测所述实时场景图像中包括的物体，在所述物体中确定与预设的关键物体相匹配的目标物体；若所述实时场景图像中包括所述目标物体，生成所述目标物体对应的虚拟模型，响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息；当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面。可以在保护用户生物特征信息的基础上，提升加密的安全性。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

基于同一发明构思，本公开实施例中还提供了与加密验证方法对应的加密验证装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述加密验证方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

请参阅图3，图3为本公开实施例提供的一种加密验证装置的示意图。如图3中所示，本公开实施例提供的加密验证装置300包括：

拍摄模块310，用于获取实时场景图像。

检测模块320，用于检测所述实时场景图像中包括的物体，在所述物体中确定与预设的关键物体相匹配的目标物体。

模型生成模块330，用于若所述实时场景图像中包括所述目标物体，生成所述目标物体对应的虚拟模型。

姿态调整模块340，用于响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息。

验证模块350，用于当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面。

关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。

本公开实施例提供的一种加密验证装置，通过获取实时场景图像；检测所述实时场景图像中包括的物体，在所述物体中确定与预设的关键物体相匹配的目标物体；生成所述目标物体对应的虚拟模型，响应于用户针对所述虚拟模型的调整操作，确定所述虚拟模型对应的姿态信息；当所述姿态信息与预设的目标姿态相匹配时，向用户提供验证界面。可以在保护用户生物特征信息的基础上，提升加密的安全性。

对应于图1与图2中的加密验证方法，本公开实施例还提供了一种电子设备400，如图4所示，为本公开实施例提供的电子设备400结构示意图，包括：

处理器41、存储器42、和总线43；存储器42用于存储执行指令，包括内存421和外部存储器422；这里的内存421也称内存储器，用于暂时存放处理器41中的运算数据，以及与硬盘等外部存储器422交换的数据，处理器41通过内存421与外部存储器422进行数据交换，当所述电子设备400运行时，所述处理器41与所述存储器42之间通过总线43通信，使得所述处理器41执行图1与图2中的加密验证方法的步骤。

本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的加密验证方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。

本公开实施例还提供一种计算机程序产品，该计算机程序产品包括有计算机指令，所述计算机指令被处理器执行时可以执行上述方法实施例中所述的加密验证方法的步骤，具体可参见上述方法实施例，在此不再赘述。

其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

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，上述描述的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。在本公开所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。