本發(fā)明涉及生物動(dòng)作識(shí)別，具體為一種基于運(yùn)動(dòng)生物力學(xué)的動(dòng)態(tài)姿勢(shì)分析方法及系統(tǒng)。

背景技術(shù)：

1、動(dòng)態(tài)姿勢(shì)分析通過捕捉生物在運(yùn)動(dòng)中的三維空間位置、動(dòng)作、速度、關(guān)節(jié)角度和扭矩等數(shù)據(jù)，來實(shí)現(xiàn)對(duì)人體動(dòng)作的精確測(cè)量和分析，這些系統(tǒng)能夠?qū)崟r(shí)監(jiān)測(cè)和評(píng)估人體動(dòng)作，提供動(dòng)作和姿勢(shì)的實(shí)時(shí)風(fēng)險(xiǎn)評(píng)估與預(yù)警，支持多種數(shù)據(jù)采集與編碼方式，包括實(shí)時(shí)數(shù)據(jù)傳輸和后期數(shù)據(jù)導(dǎo)入分析。

2、尤其是在評(píng)估功能性姿勢(shì)行為和感覺不匹配引起的姿勢(shì)障礙方面，綜上所述，動(dòng)態(tài)姿勢(shì)分析系統(tǒng)通過其高精度的數(shù)據(jù)采集、實(shí)時(shí)監(jiān)測(cè)、靈活性和技術(shù)創(chuàng)新，為多個(gè)領(lǐng)域提供了有效的工具，以提高健康、安全和效率。

3、例如公開號(hào)為：cn111951241b的發(fā)明專利公開的一種水生動(dòng)物運(yùn)動(dòng)過程中肌肉形變的測(cè)定與顯示方法，獲得水生動(dòng)物行為視頻，將拍攝到的動(dòng)物行為視頻分解為一張張照片，供ct斷層掃描時(shí)擺設(shè)動(dòng)物姿勢(shì)時(shí)用，通過真實(shí)動(dòng)物的解剖與ct透視，精確提取某塊肌肉的特征點(diǎn)，建立初步肌肉特征點(diǎn)方程組，根據(jù)野外視頻中水生動(dòng)物的姿勢(shì)調(diào)整方程參數(shù)可獲得水生動(dòng)物運(yùn)動(dòng)過程這塊肌肉的三維結(jié)構(gòu)變化，肌肉形態(tài)的連續(xù)形變等信息；這些信息對(duì)生物學(xué)、醫(yī)學(xué)研究具有極大的參考價(jià)值，另外，根據(jù)照片或視頻就可計(jì)算出某塊肌肉三維模型，再將些肌肉三維模型疊加到照片或真實(shí)拍攝視頻中，可獲得有肌肉活動(dòng)透視效果的動(dòng)物運(yùn)動(dòng)視頻。

4、例如公開號(hào)為：cn109741371a的發(fā)明專利公開的一種基于慣性傳感器的人體動(dòng)作描述方法，步驟為：通過慣性傳感器采集動(dòng)作數(shù)據(jù)，定義骨骼層次結(jié)構(gòu)，以運(yùn)動(dòng)捕捉數(shù)據(jù)bvh格式保存；對(duì)bvh歐拉角數(shù)據(jù)進(jìn)行坐標(biāo)轉(zhuǎn)換，以相對(duì)世界坐標(biāo)的形式表征各個(gè)肢體每一幀動(dòng)作，組成數(shù)據(jù)幀序列，便于進(jìn)行后續(xù)動(dòng)作空間方位的分析；得到人體姿勢(shì)幀序列后，采用關(guān)鍵幀提取技術(shù)提取關(guān)鍵幀；最后對(duì)人體運(yùn)動(dòng)空間方位分析，并計(jì)算動(dòng)作關(guān)鍵幀其他運(yùn)動(dòng)特征參數(shù)，建立肢體坐標(biāo)與人體空間方位之間的映射，確定描述語言對(duì)人體動(dòng)作主題內(nèi)容進(jìn)行描述；通過動(dòng)作描述語言對(duì)人體動(dòng)作過程的時(shí)間、空間和力效三個(gè)主題內(nèi)容進(jìn)行詳細(xì)描述，有利于非計(jì)算機(jī)相關(guān)人員應(yīng)用于動(dòng)作分析、識(shí)別領(lǐng)域，為人體動(dòng)作解析與人體運(yùn)動(dòng)生物力學(xué)提供幫助。

5、在進(jìn)行動(dòng)態(tài)姿勢(shì)檢測(cè)分析時(shí)，如果檢測(cè)者周圍存在其他障礙物，障礙物的存在會(huì)被錯(cuò)誤地識(shí)別為檢測(cè)者自身的一部分，導(dǎo)致檢測(cè)者的動(dòng)態(tài)姿勢(shì)數(shù)據(jù)與標(biāo)準(zhǔn)動(dòng)作數(shù)據(jù)之間出現(xiàn)偏差，進(jìn)而誤導(dǎo)專業(yè)人員的判斷。

技術(shù)實(shí)現(xiàn)思路

1、解決的技術(shù)問題

2、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于運(yùn)動(dòng)生物力學(xué)的動(dòng)態(tài)姿勢(shì)分析方法及系統(tǒng)，解決了檢測(cè)者周圍存在障礙物被錯(cuò)誤的識(shí)別為檢測(cè)者自身的一部分，進(jìn)而導(dǎo)致檢測(cè)者動(dòng)態(tài)姿勢(shì)數(shù)據(jù)與標(biāo)準(zhǔn)動(dòng)作數(shù)據(jù)之間出現(xiàn)偏差的問題。

3、技術(shù)方案

4、為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：一種基于運(yùn)動(dòng)生物力學(xué)的動(dòng)態(tài)姿勢(shì)分析方法及系統(tǒng)，包括以下具體步驟：步驟一：獲取掃描范圍內(nèi)的圖像數(shù)據(jù)、掃描范圍內(nèi)的平均血氧含量數(shù)據(jù)以及掃描范圍內(nèi)的平均溫度數(shù)據(jù)，對(duì)掃描范圍內(nèi)的圖像數(shù)據(jù)、掃描范圍內(nèi)的平均血氧含量數(shù)據(jù)以及掃描范圍內(nèi)的平均溫度數(shù)據(jù)均做預(yù)處理，對(duì)預(yù)處理后的圖像數(shù)據(jù)進(jìn)行輪廓掃描，并對(duì)輪廓掃描結(jié)果進(jìn)行輪廓掃描評(píng)估；步驟二：根據(jù)輪廓掃描評(píng)估結(jié)果進(jìn)行人體輪廓判斷，若判斷掃描范圍內(nèi)無障礙物輪廓，則對(duì)人體輪廓關(guān)節(jié)點(diǎn)定位，并獲取人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)，對(duì)人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行預(yù)處理，并對(duì)預(yù)處理后的人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行評(píng)估；步驟三：若判斷掃描范圍內(nèi)有障礙物輪廓，則把掃描范圍內(nèi)的障礙物輪廓屏蔽，對(duì)人體輪廓關(guān)節(jié)點(diǎn)定位，并獲取人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)，對(duì)人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行預(yù)處理，并對(duì)預(yù)處理后的人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行評(píng)估；步驟四：根據(jù)人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)評(píng)估結(jié)果進(jìn)行人體運(yùn)動(dòng)軌跡判斷，若判斷人體的實(shí)際運(yùn)動(dòng)軌跡符合預(yù)設(shè)的運(yùn)動(dòng)軌跡，則對(duì)人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行分析反饋；步驟五：若判斷人體的實(shí)際運(yùn)動(dòng)軌跡不符合預(yù)設(shè)的運(yùn)動(dòng)軌跡，則進(jìn)行預(yù)警提示，繼續(xù)獲取人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)，對(duì)人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行預(yù)處理，并對(duì)預(yù)處理后的人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行評(píng)估。

5、進(jìn)一步地，在步驟一中，通過設(shè)置攝像頭，獲取攝像頭掃描范圍內(nèi)的圖像數(shù)據(jù)，對(duì)圖像數(shù)據(jù)進(jìn)行去噪和銳化處理，利用圖像邊緣檢測(cè)算法對(duì)處理后的每幀圖像進(jìn)行邊緣檢測(cè)，得到單幀圖像中的物體輪廓，利用物體輪廓重疊檢測(cè)算法對(duì)圖像數(shù)據(jù)的物體輪廓重疊情況進(jìn)行檢測(cè)，利用時(shí)間序列分析出單幀圖像中的物體輪廓的位置值，再利用像素點(diǎn)追蹤算法追蹤單幀圖像中的物體輪廓的位置值得到物體輪廓移動(dòng)軌跡；圖像數(shù)據(jù)包括圖像幀的數(shù)量、每幀圖像的像素點(diǎn)坐標(biāo)、每幀圖像中物體輪廓的數(shù)量、每幀圖像中各物體輪廓的面積、每幀圖像中各物體輪廓的中心點(diǎn)到頂部端點(diǎn)的距離以及每幀圖像中各物體輪廓的中心點(diǎn)到底部端點(diǎn)的距離；利用物體輪廓重疊檢測(cè)算法對(duì)圖像數(shù)據(jù)的物體輪廓重疊情況進(jìn)行檢測(cè)；利用物體輪廓分割算法對(duì)有重疊的物體輪廓進(jìn)行輪廓分割；設(shè)置人體輪廓的樣本面積；通過每幀圖像中各物體輪廓的中心點(diǎn)到頂部端點(diǎn)的距離與每幀圖像中各物體輪廓的中心點(diǎn)到底部端點(diǎn)的距離的比值得到每幀圖像中的各物體輪廓上半部分與下半部分的比例值；通過每幀圖像中各物體輪廓的面積與人體輪廓的樣本面積的差的絕對(duì)值得到每幀圖像中各物體輪廓的人體輪廓的容錯(cuò)面積值；根據(jù)每幀圖像中的各物體輪廓上半部分與下半部分的比例值與每幀圖像中各物體輪廓的人體輪廓的容錯(cuò)面積值得到每幀圖像中各物體輪廓的輪廓評(píng)估值；通過設(shè)置血氧傳感器，獲取掃描范圍內(nèi)的平均血氧含量數(shù)據(jù)，對(duì)掃描范圍內(nèi)的平均血氧含量數(shù)據(jù)進(jìn)行數(shù)據(jù)融合與數(shù)據(jù)同步處理，掃描范圍內(nèi)的平均血氧含量數(shù)據(jù)包括每幀圖像中的血氧飽和度與每幀圖像中的氧分壓；設(shè)置人體樣本血氧飽和度，根據(jù)每幀圖像中各物體輪廓的血氧飽和度與人體樣本血氧飽和度的差的絕對(duì)值得到每幀圖像中各物體輪廓的人體血氧飽和度的容錯(cuò)值；設(shè)置人體樣本氧分壓，根據(jù)每幀圖像中各物體輪廓的氧分壓與人體樣本氧分壓的差的絕對(duì)值得到每幀圖像中各物體輪廓的人體氧分壓的容錯(cuò)值；通過設(shè)置溫度傳感器，獲取掃描范圍內(nèi)每幀圖像中的溫度，對(duì)溫度數(shù)據(jù)進(jìn)行可視化處理；設(shè)置人體樣本體溫，根據(jù)每幀圖像中各物體輪廓的溫度與人體樣本體溫的差的絕對(duì)值得到每幀圖像中各物體輪廓的人體體溫的容錯(cuò)值；根據(jù)每幀圖像中各物體輪廓的人體血氧飽和度的容錯(cuò)值、每幀圖像中各物體輪廓的人體氧分壓的容錯(cuò)值以及每幀圖像中各物體輪廓的人體體溫的容錯(cuò)值得到每幀圖像中各物體輪廓的人體評(píng)估值；根據(jù)每幀圖像中各物體輪廓的輪廓評(píng)估值、每幀圖像中各物體輪廓的人體評(píng)估值、每幀圖像中物體輪廓的數(shù)量以及圖像幀的數(shù)量得到人體輪廓評(píng)估值的獲取方式如下：；其中表示人體輪廓評(píng)估值，n表示圖像幀的數(shù)量，表示每幀圖像中的輪廓評(píng)估值，表示每幀圖像中的人體評(píng)估值，表示每幀圖像中物體輪廓的數(shù)量。

6、進(jìn)一步地，所述利用圖像邊緣檢測(cè)算法對(duì)處理后的每幀圖像進(jìn)行邊緣檢測(cè)，得到單幀圖像中的物體輪廓的具體步驟為：s1：在每幀圖像中利用邊緣檢測(cè)算法在水平與垂直方向上分別對(duì)圖像進(jìn)行卷積，得到橫向梯度值與縱向梯度值；s2：把橫向梯度值與縱向梯度值分別通過平方和的平方根與反正切值得到每個(gè)像素點(diǎn)的梯度大小與方向；s3：在梯度方向上，對(duì)每個(gè)像素點(diǎn)只保留局部最大值；s4：設(shè)置強(qiáng)邊線閾值與弱邊線閾值，當(dāng)橫向梯度值與縱向梯度值均大于強(qiáng)邊線閾值則保留該像素點(diǎn)，當(dāng)橫向梯度值與縱向梯度值均大于弱邊線值且小于強(qiáng)邊線值，以及弱邊線值的像素點(diǎn)與強(qiáng)邊線值的像素點(diǎn)相鄰時(shí)保留；s5：把強(qiáng)邊線像素點(diǎn)與弱邊緣像素點(diǎn)連接形成物體輪廓。

7、進(jìn)一步地，所述利用物體輪廓重疊檢測(cè)算法對(duì)圖像數(shù)據(jù)的物體輪廓重疊情況進(jìn)行檢測(cè)的具體步驟為：s1：通過圖像邊緣檢測(cè)算法獲取的每幀圖像的橫向梯度值與縱向梯度值通過從小到大的順序排列；s2：得到局部最小梯度值，即靠近邊緣像素點(diǎn)的像素點(diǎn)，該像素點(diǎn)離邊緣像素點(diǎn)的距離最小，局部最小梯度值在每幀圖像中有多個(gè)；s3：從局部最小梯度值向相鄰的像素點(diǎn)遍歷，直到遇到相鄰的像素點(diǎn)梯度值小于等于該局部最小梯度值，則判定找到分割點(diǎn)；s4：若每個(gè)像素點(diǎn)的局部最小梯度值均判定找到分割點(diǎn)，則將多個(gè)分割點(diǎn)連成線得到重疊輪廓的分割線；s5：繼續(xù)執(zhí)行s1到s4的步驟，直到將每幀圖像中的梯度值遍歷一遍。

8、進(jìn)一步地，在步驟二中，設(shè)置人體輪廓閾值，并與人體輪廓評(píng)估值進(jìn)行比對(duì)；當(dāng)人體輪廓評(píng)估值小于等于人體輪廓閾值，則判定掃描范圍內(nèi)無障礙物輪廓，對(duì)人體輪廓關(guān)節(jié)點(diǎn)定位，并獲取人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)，對(duì)人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行預(yù)處理，并對(duì)預(yù)處理后的人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行評(píng)估；所述對(duì)預(yù)處理后的人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行評(píng)估的步驟為：利用關(guān)節(jié)定位算法對(duì)人體輪廓關(guān)節(jié)點(diǎn)定位，實(shí)時(shí)檢測(cè)圖像中的人體關(guān)鍵點(diǎn)；利用圖像邊緣檢測(cè)算法與像素點(diǎn)追蹤算法實(shí)時(shí)對(duì)人體動(dòng)作姿勢(shì)進(jìn)行識(shí)別和跟蹤，得到人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)，對(duì)人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行特征提取，人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)包括每幀圖像中的像素點(diǎn)坐標(biāo)與每幀圖像中的像素點(diǎn)的總數(shù)量；每幀圖像中的像素點(diǎn)坐標(biāo)通過光流算法得到每幀圖像中的像素點(diǎn)的移動(dòng)方向，每幀圖像中的像素點(diǎn)的移動(dòng)方向通過計(jì)算得到每幀圖像中像素點(diǎn)的角度；根據(jù)每幀圖像中像素點(diǎn)的角度得到動(dòng)態(tài)姿勢(shì)值。

9、進(jìn)一步地，所述根據(jù)每幀圖像中像素點(diǎn)的角度得到動(dòng)態(tài)姿勢(shì)值的具體步驟為：s1：將三百六十度平均分成十個(gè)角度區(qū)間，每個(gè)區(qū)間為三十六度；s2：每幀圖像中的每個(gè)像素點(diǎn)的角度對(duì)應(yīng)的角度區(qū)間通過公式表示；其中表示每幀圖像中的每個(gè)像素點(diǎn)的角度對(duì)應(yīng)的角度區(qū)間，表示每幀圖像中的每個(gè)像素點(diǎn)的角度，表示確定每幀圖像中的每個(gè)像素點(diǎn)的角度向下取整后落在對(duì)應(yīng)的完整角度區(qū)間內(nèi)，由于編號(hào)從1開始，則要加1；s3：統(tǒng)計(jì)每幀圖像中每個(gè)角度區(qū)間內(nèi)像素點(diǎn)的數(shù)量，然后得到每幀圖像中每個(gè)角度區(qū)間的像素點(diǎn)的角度占比，通過公式表示：；其中表示每幀圖像中每個(gè)角度區(qū)間的像素點(diǎn)的角度占比，表示每幀圖像中每個(gè)角度區(qū)間內(nèi)像素點(diǎn)的數(shù)量，表示每幀圖像中像素點(diǎn)的總數(shù)量；s4：將每幀圖像中十個(gè)角度區(qū)間的每幀圖像中每個(gè)角度區(qū)間的像素點(diǎn)的角度占比按從大到小的順序排列；s5：取每幀圖像中占比最大的角度區(qū)間，將這些角度區(qū)間內(nèi)的每個(gè)像素點(diǎn)的角度表示為優(yōu)化角度并進(jìn)行求和得到動(dòng)態(tài)姿勢(shì)值；所述動(dòng)態(tài)姿勢(shì)值獲取方法為：設(shè)置動(dòng)態(tài)姿勢(shì)樣本值，根據(jù)動(dòng)態(tài)姿勢(shì)值與動(dòng)態(tài)姿勢(shì)樣本值得到動(dòng)態(tài)姿勢(shì)評(píng)估值的獲取方式如下：；其中表示動(dòng)態(tài)姿勢(shì)評(píng)估值，表示動(dòng)態(tài)姿勢(shì)值，表示動(dòng)態(tài)姿勢(shì)樣本值。

10、進(jìn)一步地，在步驟三中，當(dāng)人體輪廓評(píng)估值大于人體輪廓閾值，則遮蔽多余的物體輪廓。

11、進(jìn)一步地，在步驟四中，設(shè)置動(dòng)態(tài)姿勢(shì)閾值，并與動(dòng)態(tài)姿勢(shì)評(píng)估值進(jìn)行比對(duì)；當(dāng)動(dòng)態(tài)姿勢(shì)評(píng)估值小于動(dòng)態(tài)姿勢(shì)閾值時(shí)，則判定人體的實(shí)際運(yùn)動(dòng)軌跡符合預(yù)設(shè)的運(yùn)動(dòng)軌跡，繼續(xù)進(jìn)行動(dòng)態(tài)姿勢(shì)檢測(cè)。

12、進(jìn)一步地，在步驟五中，當(dāng)動(dòng)態(tài)姿勢(shì)評(píng)估值大于等于動(dòng)態(tài)姿勢(shì)閾值時(shí)，則人體的實(shí)際運(yùn)動(dòng)軌跡不符合預(yù)設(shè)的運(yùn)動(dòng)軌跡，進(jìn)行預(yù)警提示，繼續(xù)獲取人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)，對(duì)人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行預(yù)處理，并對(duì)預(yù)處理后的人體動(dòng)態(tài)姿勢(shì)數(shù)據(jù)進(jìn)行評(píng)估。

13、進(jìn)一步地，數(shù)據(jù)獲取模塊、數(shù)據(jù)分析模塊以及數(shù)據(jù)執(zhí)行模塊；數(shù)據(jù)獲取模塊，用于獲取圖像數(shù)據(jù)、掃描范圍內(nèi)的平均血氧含量數(shù)據(jù)以及掃描范圍內(nèi)的平均溫度數(shù)據(jù)并進(jìn)行預(yù)處理，把數(shù)據(jù)發(fā)送給數(shù)據(jù)執(zhí)行模塊進(jìn)行輪廓掃描，當(dāng)數(shù)據(jù)執(zhí)行模塊對(duì)人體輪廓關(guān)節(jié)點(diǎn)定位，獲取動(dòng)態(tài)姿勢(shì)數(shù)據(jù)并預(yù)處理，把動(dòng)態(tài)姿勢(shì)數(shù)據(jù)發(fā)送給數(shù)據(jù)分析模塊；數(shù)據(jù)分析模塊，用于分析輪廓掃描的結(jié)果并對(duì)輪廓進(jìn)行判斷，把判斷結(jié)果繼續(xù)發(fā)送給數(shù)據(jù)執(zhí)行模塊進(jìn)行結(jié)果執(zhí)行，直到數(shù)據(jù)執(zhí)行模塊對(duì)人體輪廓關(guān)節(jié)點(diǎn)定位，當(dāng)數(shù)據(jù)分析模塊獲取動(dòng)態(tài)姿勢(shì)數(shù)據(jù)后進(jìn)行動(dòng)作一致判斷，把判斷結(jié)果發(fā)送給數(shù)據(jù)執(zhí)行模塊；數(shù)據(jù)執(zhí)行模塊，根據(jù)數(shù)據(jù)分析模塊的判斷結(jié)果執(zhí)行人體輪廓判斷與動(dòng)作一致判斷。

14、有益效果

15、相對(duì)于現(xiàn)有技術(shù)，本發(fā)明的實(shí)施例至少具有如下優(yōu)點(diǎn)或有益效果：

16、1.通過綜合圖像數(shù)據(jù)、血氧含量和溫度數(shù)據(jù)，能夠提供精確的動(dòng)態(tài)姿勢(shì)分析，這種多維度的數(shù)據(jù)采集和分析方法可以更準(zhǔn)確地捕捉和評(píng)估人體動(dòng)作，尤其是在復(fù)雜環(huán)境中，提高了分析的可靠性和準(zhǔn)確性。

17、2.通過先進(jìn)的圖像處理技術(shù)，能夠有效地區(qū)分人體輪廓和障礙物輪廓，解決了檢測(cè)者周圍存在障礙物被錯(cuò)誤識(shí)別的問題。

18、3.能夠?qū)崟r(shí)監(jiān)測(cè)和評(píng)估人體動(dòng)作的一致性，提供即時(shí)反饋，確保動(dòng)作的正確性和有效性。

19、4.當(dāng)檢測(cè)到人體實(shí)際運(yùn)動(dòng)軌跡與預(yù)設(shè)軌跡不符時(shí)，系統(tǒng)會(huì)及時(shí)發(fā)出預(yù)警提示，這在運(yùn)動(dòng)訓(xùn)練、安全監(jiān)控和健康監(jiān)護(hù)等領(lǐng)域尤為重要，有助于預(yù)防運(yùn)動(dòng)損傷和提升訓(xùn)練效果。

20、當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品并不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。