显示屏排线检测方法、装置、设备及存储介质

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种显示屏排线检测方法、装置、设备及存储介质。

背景技术

排线也叫软性电路板(Flexible Printed Circuit，FPC)，具有柔软、随意弯曲折叠、厚度薄、体积小、连接简单、拆卸方便、易解决电磁屏蔽(ElectromagneticInterference，EMI)等优点，在显示屏的组装生产过程中经常使用，因此需要对排线是否插好进行检测，在现有的生产过程中的排线检测大部分是通过人眼识别判断，检测质量与效率不高，也有部分使用机器视觉进行检测，但同样存在较高误检率，调试修改复杂等问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种显示屏排线检测方法、装置、设备及存储介质，旨在解决现有技术对排线检测误检率高的技术问题。

为实现上述目的，本发明提供了一种显示屏排线检测方法，所述方法包括以下步骤：

获取待检测排线区域样本图像；

根据所述待检测排线区域样本图像确定特征区域；

对所述特征区域图像进行灰度处理，得到特征矩阵；

对所述特征矩阵归一化，得到归一化矩阵；

将所述归一化矩阵进行向量转化，得到特征向量；

将所述特征向量输入到初始化排线检测模型进行训练，得到训练后排线检测模型；

获取待检测排线区域图像，所述训练后排线检测模型对所述待检测排线区域图像检测，得到检测结果。

可选地，所述根据所述待检测排线区域样本图像确定特征区域，包括：

根据预设参数确定所述待检测排线区域样本图像的排线区域；

对所述排线区域进行特征识别，确定排线的位置与方向；

根据所述排线的位置与方向确定特征区域。

可选地，根据所述排线的位置与方向确定特征区域，包括：

对所述排线的方向进行检测；

在所述排线的方向与预设方向不同时，将所述待检测区域图像旋转，使所述待检测区域图像中的排线的方向预设方向一致；

根据所述排线的位置确定所述特征区域。

可选地，所述根据所述排线的位置确定所述特征区域，包括：

根据所述排线的方向确定沿排线插入方向与垂直与排线插入方向；

根据所述沿排线插入方向，所述垂直与排线插入方向与预设数值得到特征区域的大小；

根据所述排线的位置与所述排线区域的大小得到特征区域。

可选地，所述对所述特征矩阵归一化，得到归一化矩阵，包括：

将所述特征矩阵中每一行的数据做均值处理，得到行均值；

将所述行均值按照均值处理前的行号进行组合，得到第一矩阵；

将所述第一矩阵中每一个数据通过计算得到第二矩阵；

将所述第二矩阵进行归一化，得到归一化矩阵。

可选地，所述将所述特征向量输入到初始化排线检测模型进行训练，得到训练后排线检测模型，包括：

确定待检测区域样本图像的类型；

根据所述待检测区域样本图像的类型为对应的所述特征向量添加标签；

根据所述标签对所述初始化排线检测模型进行训练，得到训练后的排线检测模型。

可选地，所述获取待检测排线区域样本图像之后，还包括：

对所述待检测排线区域样本图像检测；

在检测到所述待检测排线区域样本图像为复数排线插槽时，根据所述待检测排线区域样本图像确定复数排线个数；

重复执行重复次数的根据所述待检测排线区域样本图像确定特征区域的步骤，其中，所述重复次数与所述复数排线个数一致。

此外，为实现上述目的，本发明还提出一种显示屏排线检测装置，所述显示屏排线检测装置包括：

样本获取模块，用于获取待检测排线区域样本图像；

特征区域确定模块，用于根据所述待检测排线区域样本图像确定特征区域；

特征矩阵确定模块，用于对所述特征区域图像进行灰度处理，得到特征矩阵；

矩阵归一化模块，用于对所述特征矩阵归一化，得到归一化矩阵；

特征向量生成模块，用于将所述归一化矩阵进行向量转化，得到特征向量；

排线检测模型训练模块，用于将所述特征向量输入到初始化排线检测模型进行训练，得到训练后排线检测模型；

排线检测模块，用于获取待检测排线区域图像，所述训练后排线检测模型对所述待检测排线区域图像检测，得到检测结果。

此外，为实现上述目的，本发明还提出一种显示屏排线检测设备，所述显示屏排线检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的显示屏排线检测程序，所述显示屏排线检测程序配置为实现如上文所述的显示屏排线检测方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有显示屏排线检测程序，所述显示屏排线检测程序被处理器执行时实现如上文所述的显示屏排线检测方法的步骤。

本发明通过获取待检测排线区域样本图像；根据所述待检测排线区域样本图像确定特征区域；对所述特征区域图像进行灰度处理，得到特征矩阵；对所述特征矩阵归一化，得到归一化矩阵；将所述归一化矩阵进行向量转化，得到特征向量；将所述特征向量输入到初始化排线检测模型进行训练，得到训练后排线检测模型；获取待检测排线区域图像，所述训练后排线检测模型对所述待检测排线区域图像检测，得到检测结果，实现了对获取到的样本图像进行一系列处理，将样本图像进行特征提取获得特征向量，根据特征向量对初始化排线检测模型训练得到训练好的排线检测模型，再进行排线检测，保证了再排线检测时具有特征明显的样本输入，进而保证检测结果的准确度。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的显示屏排线检测设备的结构示意图；

图2为本发明显示屏排线检测方法第一实施例的流程示意图；

图3为本发明显示屏排线检测方法第二实施例的流程示意图；

图4为本发明显示屏排线检测方法第三实施例的流程示意图；

图5为本发明显示屏排线检测装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的显示屏排线检测设备结构示意图。

如图1所示，该显示屏排线检测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对显示屏排线检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及显示屏排线检测程序。

在图1所示的显示屏排线检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明显示屏排线检测设备中的处理器1001、存储器1005可以设置在显示屏排线检测设备中，所述显示屏排线检测设备通过处理器1001调用存储器1005中存储的显示屏排线检测程序，并执行本发明实施例提供的显示屏排线检测方法。

本发明实施例提供了一种显示屏排线检测方法，参照图2，图2为本发明一种显示屏排线检测方法第一实施例的流程示意图。

本实施例中，所述显示屏排线检测方法包括以下步骤：

步骤S10：获取待检测排线区域样本图像。

需要说明的是，本实施例的执行主体是显示屏排线检测设备，其中，该显示屏排线检测设备具有数据处理，数据通信及程序运行等功能，所述显示屏排线检测设备可以为集成控制器，控制计算机等设备，当然还可以为其他具备相似功能的设备，本实施例对此不做限制。

可以理解的是，待检测排线区域样本图像指的是通过相机拍摄的显示屏排线插槽区域的图片，待检测排线区域样本图像除了包括图像内容外，还带有对该图片的检测是否通过的结果。

在具体实现中，可以通过外部独立的图像采集设备拍摄显示屏排线插槽区域的图片或是采用显示屏排线检测设备自带的图像采集装置采集显示屏排线插槽区域的图像，其中外部独立的图像采集设备可以为手机，电脑，摄像机等，本实施例对此不作限制。在采集到显示屏排线插槽区域的图像后，可以对该图像进行样本标记，确定所述图像中的排线插入情况是否通过。

步骤S20：根据所述待检测排线区域样本图像确定特征区域。

需要说明的是，特征区域指的是在待检测排线区域样本图像中排线插槽处的区域，根据所述排线插槽的位置来确定特征区域的位置，所述特征区域内包含排线插入排线插槽的插入情况。

在具体实现中，显示屏排线检测设备根据排线插槽的特征在待检测排线区域样本图像中寻找到符合排线插槽的特征的区域，并通过裁剪其他与拍此案插入插槽无关的图像内容来降低其他区域图像的噪音干扰，保留下符合排线插槽特征的图像区域，形成特征区域。

步骤S30：对所述特征区域图像进行灰度处理，得到特征矩阵。

需要说明的是，特征矩阵指的是通过对特征区域进行灰度化处理，将特征区域内的每一个像素对应的颜色进行灰度处理，进而得到灰度像素值，并将所得到的灰度像素值按照对应像素的位置进行排列而得到的矩阵，矩阵内的灰度像素值的取值区间为[0,256)内。

在具体实现中，对特征区域中图像的像素值进行灰度化处理，将每一个灰度化像素值按照原本像素位置组合称为一个特征矩阵M

步骤S40：对所述特征矩阵归一化，得到归一化矩阵。

需要说明的是，归一化矩阵是对特征矩阵进行归一化处理后得到的，归一化矩阵中的矩阵值。

在具体实现中，对矩阵归一化能够使数据处于同一个度量单位，使最终得到归一化矩阵便于处理，具体的归一化形式采用中心化，均值方差归一化，非线性归一化等，本实施例对此不作限制。

步骤S50：将所述归一化矩阵进行向量转化，得到特征向量。

需要说明的是，特征向量V是对归一化矩阵进行向量转化后的结果，特征向量V能够用于标识待检测显示屏排线样本图片中的特征，将图像中的特征转变为数字化形式，利于对特征的检测与分析。

步骤S60：将所述特征向量输入到初始化排线检测模型进行训练，得到训练后排线检测模型。

需要说明的是，初始化排线检测模型可以为具有机器学习功能的模型，优选为支持向量机(Support Vector MAchine，SVM)，其中SVM是一类案监督学习(Supervisedlearning)方式对数据进行二元分类的广义线性分类器(generalized linearclassifier)。

在具体实现中，将所得到的特征向量作为输入，输入到SVM中进行训练，经过长时间大量样本的训练，使SVM训练为能够对待检测显示屏排线样本图像做出准确判断机器模型，进而得到训练好的排线检测模型。

步骤S70：获取待检测排线区域图像，所述训练后排线检测模型对所述待检测排线区域图像检测，得到检测结果。

需要说明的是，检测结果指的是在显示屏排线检测设备在获取到待检测排线区域图像时，训练好的排线检测模型对所述待检测排线区域图像进行检测，输出的通过或不通过的检测结果。

在具体实现中，再进行对待检测排线区域图像检测时，首先会将所述待检测排线区域图像转变为特征向量，再将所述特征向量输入进训练好的排线检测模型，所述训练好的排线检测模型对所述特征向量进行处理，由经SVM算法训练好的排线检测模型做出判断，得到关于待检测排线区域的检测结果。

本实施例通过获取待检测排线区域样本图像；根据所述待检测排线区域样本图像确定特征区域；对所述特征区域图像进行灰度处理，得到特征矩阵；对所述特征矩阵归一化，得到归一化矩阵；将所述归一化矩阵进行向量转化，得到特征向量；将所述特征向量输入到初始化排线检测模型进行训练，得到训练后排线检测模型；获取待检测排线区域图像，所述训练后排线检测模型对所述待检测排线区域图像检测，得到检测结果，实现了对获取到的样本图像进行一系列处理，将样本图像进行特征提取获得特征向量，根据特征向量对初始化排线检测模型训练得到训练好的排线检测模型，再进行排线检测，保证了再排线检测时具有特征明显的样本输入，进而保证检测结果的准确度。

参考图3，图3为本发明一种显示屏排线检测方法第二实施例的流程示意图。

基于上述第一实施例，本实施例显示屏排线检测方法所述步骤S20,包括：

步骤S201：根据预设参数确定所述待检测排线区域样本图像的排线区域。

需要说明的是，预设参数是用于约束待检测排线区域样本图像中排线所在的区域，用于确定待检测排线区域样本图像中排线的所在位置，可以根据排线的颜色特征参数或区域的大小来设置预设参数，通过颜色来定位，通过大小确定排线区域。

在具体实现中，在获取到待检测排线区域样本图像后，需要先从图像中确定出排线处在的位置，并将排线所在的区域进行切割划分，并将排线所在的区域提取出来，得到一个包含排线、排线插槽以及其他无关的噪音图像的排线区域。

步骤S202：对所述排线区域进行特征识别，确定排线的位置与方向。

需要说明的是，排线的位置与方向指的是排线在排线区域内，排线所处于的位置，根据所述位置与方向，能够确定出排线与排线插槽的位置与方向。

在具体实现中，由于样本摆放位置与拍摄角度的不同，排线在待检测排线区域样本图像中的位置与方向是不完全一致。因此需要首先根据排线插槽的特征确定出排线插槽的轮廓边界，通过所述边界确定大致的排线插槽所在的位置，在确定了排线插槽位置后，在所述排线插槽周围匹配排线的特征，由于排线具有垂直与插入方向几乎相同，因此排线也是与排线插槽是垂直的位置关系，因此可以找出排线的位置与方向。

步骤S203：根据所述排线的位置与方向确定特征区域。

在具体实现中，根据所述排线的位置与方向可以确定出排线的对应的区域轮廓，将所述排线的区域轮廓与所述排线插槽的区域轮廓组合在一起，能够得到所述特征区域。

进一步地，为了得到更加规则的特征区域，所述步骤S203还包括：

对所述排线的方向进行检测；

在所述排线的方向与预设方向不同时，将所述待检测区域图像旋转，使所述待检测区域图像中的排线的方向预设方向一致；

根据所述排线的位置确定所述特征区域。

需要说明的是，所述排线方向指的是在所述待检测排线区域样本图像中排线所指向的方向，其中方向可以是以样本图像为参照基准，也可以将图中任意标志作为参照物，本实施例对此不作限制。

应当理解的是，预设方向为在设计过程中认为设置的方向，所述预设方向为本实施例中的优选方向，在本实施例中预设方向为排线的插入方向以图片来看为从下自上。

在具体实现中，对排线的方向进行检测，首先确定排线与排线插槽的相对位置，预设方向的相对位置即为排线插槽在排线的正上方的位置，并且是与图像的上下边界垂直，在对排线的方向检测的过程中，发现排线插入方向从图片看不是从下自上而是呈倾斜或是颠倒状态时，可以根据当前的方向确定偏移角度，可以获取排线与排线插槽中轴线与图像上下边界的夹角，根据所述夹角将所述待检测排线区域样本图像进行旋转，使排线的插入方向符合预设方向后，再提取排线与排线插槽的特征区域；若图像中排线的插入方向符合预设方向时，可以直接提取排线与排线插槽的特征区域。

进一步地，为了进一步提取到特征区域，还包括以下步骤：

根据所述排线的方向确定沿排线插入方向与垂直与排线插入方向；

根据所述沿排线插入方向，所述垂直与排线插入方向与预设数值得到特征区域的大小；

根据所述排线的位置与所述排线区域的大小得到特征区域。

需要说明的是，排线在插入排线插槽时，排线插槽是有与排线接触的触点的，所述沿排线插入方向是在排线插入到排线插槽这一过程中，排线的移动方向，而垂直与排线插入方向指的是与所述沿排线插入方向相垂直的方向。

应当理解的是，由于特征区域中需要包含排线的插入情况，因此需要对排线以外的内容进行剔除，因此需要进行特征区域的大小约束，而预设数值指的是从约束特征区域大小的数值，其中，特征区域为一个矩形，其矩形的长和宽的具体数值可以根据实际的应用场景进行设置，本实施例对此不作限制。

在具体实现中，可以将沿着排线插入方向的长度设为n，将垂直与排线方向的长度设为m，因此可以对所述特征区域进行大小上的限制，得到一个边长为n和m的矩形特征区域，所述矩形特征区域能够包含排线插入排线插槽的全部特征。

本实施例通过对待检测排线区域样本图像进行图像处理，将原始的样本图像根据排线以及排线插槽的特征提取出特征区域，并根据排线与排线插槽的位置关系能够将特征区域的位置或样式进行纠正，同时为了保证特征区域能够包含全部的特征信息，因此可以为特征区域的大小进行限制，从特征区域的位置，大小上进行统一，保证了对特征区域选取的准确性。

参考图4，图4为本发明一种显示屏排线检测方法第三实施例的流程示意图。

基于上述全部实施例，本实施例显示屏排线检测方法在所述步骤S40，包括：

步骤S401：将所述特征矩阵中每一行的数据做均值处理，得到行均值；

步骤S402：将所述行均值按照均值处理前的行号进行组合，得到第一矩阵；

步骤S403：将所述第一矩阵中每一个数据通过计算得到第二矩阵；

步骤S404：将所述第二矩阵进行归一化，得到归一化矩阵。

需要说明的是，第一矩阵指的是对特征矩阵M

在具体实现中，对于在特征矩阵M

将每一行所得到的均值按照原来的行号进行组合，得到一个为n*1的第一矩阵M

其中，其中N为该数据所在行数，n

进一步地，为了对初始化排线检测模型进行训练，还包括以下步骤：

确定待检测区域样本图像的类型；

根据所述待检测区域样本图像的类型为对应的所述特征向量添加标签；

根据所述标签对所述初始化排线检测模型进行训练，得到训练后的排线检测模型。

需要说明的是，所述检测区域样本图像的类型指的是在训练开始时，所述检测区域样本图像对应的合格情况，即在样本图像进行训练时，先说明此时是通过或是不通过的情况，而标签指的就是通过或不通过。

在具体实现中，在进行初始化排线检测模型进行训练之前，需要明确检测区域样本图像的检验情况，使检测区域样本图像与检测结果一一对应，同时在根据检测区域样本图像得到特征向量时，特征向量V是等效与检测区域样本图像的，因此所述特征向量V也需要有对应的标签，在初始化排线检测模型进行训练时，SVM能够根据所述特征向量V与其携带的标签进行学习训练，同时也能够根据训练结果对校准，保证训练最佳化，进而得到训练好的排线检测模型同时将训练后的排线检测模型保存。

进一步地，为了保证更全面的对排线区域进行检测，还包括以下步骤：

对所述待检测排线区域样本图像检测；

在检测到所述待检测排线区域样本图像为复数排线插槽时，根据所述待检测排线区域样本图像确定复数排线个数；

重复执行重复次数的根据所述待检测排线区域样本图像确定特征区域的步骤，其中，所述重复次数与所述复数排线个数一致。

需要说明的是，复数排线指的是存在多个排线与排线插槽插入的情况，因此在进行检测的时候，需要逐个进行检测。

在具体实现中，在获取到待检测排线区域样本图像后，需要对待检测排线区域样本图像进行检测，判断图像内是否存在复数排线的情况，在检测出存在复数排线时，首先确定复数排线的个数，并根据所述个数逐个进行检测，获取特征区域得到特征向量，并判断是否通过。当对其中的一个进行检测后，可以对检测过的进行标记，用于区分已检测和待检测的排线插槽。

本实施例通过对特征区域进行一系列的变化得到特征向量，在对图像像素值进行处理时，能够降低像素值中噪音的影响，使得最终得到的特征向量更能够表示待检测排线区域的实际情况，进而能够提高检测结果的准确度，另一方面，通过上述操作也使得样本的大小相对于常规方式急剧减小，也能够是检测时间大大降低，同时也考虑到可能存在复数排线形式的存在，在测试时也对存在的排线区域进行核实，确保检测结果更加全面。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有显示屏排线检测程序，所述显示屏排线检测程序被处理器执行时实现如上文所述的显示屏排线检测方法的步骤。

参照图5，图5为本发明显示屏排线检测装置第一实施例的结构框图。

如图5所示，本发明实施例提出的显示屏排线检测装置包括：

样本获取模块10，用于获取待检测排线区域样本图像；

特征区域确定模块20，用于根据所述待检测排线区域样本图像确定特征区域；

特征矩阵确定模块30，用于对所述特征区域图像进行灰度处理，得到特征矩阵；

矩阵归一化模块40，用于对所述特征矩阵归一化，得到归一化矩阵；

特征向量生成模块50，用于将所述归一化矩阵进行向量转化，得到特征向量；

排线检测模型训练模块60，用于将所述特征向量输入到初始化排线检测模型进行训练，得到训练后排线检测模型；

排线检测模块70，用于获取待检测排线区域图像，所述训练后排线检测模型对所述待检测排线区域图像检测，得到检测结果。

本实施例通过获取待检测排线区域样本图像；根据所述待检测排线区域样本图像确定特征区域；对所述特征区域图像进行灰度处理，得到特征矩阵；对所述特征矩阵归一化，得到归一化矩阵；将所述归一化矩阵进行向量转化，得到特征向量；将所述特征向量输入到初始化排线检测模型进行训练，得到训练后排线检测模型；获取待检测排线区域图像，所述训练后排线检测模型对所述待检测排线区域图像检测，得到检测结果，实现了对获取到的样本图像进行一系列处理，将样本图像进行特征提取获得特征向量，根据特征向量对初始化排线检测模型训练得到训练好的排线检测模型，再进行排线检测，保证了再排线检测时具有特征明显的样本输入，进而保证检测结果的准确度。

在一实施例中，所述特征区域确定模块20，还用于根据预设参数确定所述待检测排线区域样本图像的排线区域；对所述排线区域进行特征识别，确定排线的位置与方向；根据所述排线的位置与方向确定特征区域。

在一实施例中，所述特征区域确定模块20，还用于对所述排线的方向进行检测；在所述排线的方向与预设方向不同时，将所述待检测区域图像旋转，使所述待检测区域图像中的排线的方向预设方向一致；根据所述排线的位置确定所述特征区域。

在一实施例中，所述特征区域确定模块20，还用于根据所述排线的方向确定沿排线插入方向与垂直与排线插入方向；根据所述沿排线插入方向，所述垂直与排线插入方向与预设数值得到特征区域的大小；根据所述排线的位置与所述排线区域的大小得到特征区域。

在一实施例中，所述矩阵归一化模块40，还用于将所述特征矩阵中每一行的数据做均值处理，得到行均值；将所述行均值按照均值处理前的行号进行组合，得到第一矩阵；将所述第一矩阵中每一个数据通过计算得到第二矩阵；将所述第二矩阵进行归一化，得到归一化矩阵。

在一实施例中，所述排线检测模型训练模块60，还用于确定待检测区域样本图像的类型；根据所述待检测区域样本图像的类型为对应的所述特征向量添加标签；根据所述标签对所述初始化排线检测模型进行训练，得到训练后的排线检测模型。

在一实施例中，所述样本获取模块10，还用于对所述待检测排线区域样本图像检测；在检测到所述待检测排线区域样本图像为复数排线插槽时，根据所述待检测排线区域样本图像确定复数排线个数；重复执行重复次数的根据所述待检测排线区域样本图像确定特征区域的步骤，其中，所述重复次数与所述复数排线个数一致。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。