一种监控方法及装置

技术领域

本申请涉及监控技术领域，尤其涉及一种监控方法及装置。

背景技术

随着社会的进步，精神文化风貌建设成为城市的重点，乞讨卖艺等行为严重影响了社会秩序和市容，尤其是在人员密集的公共场所，例如车站等位置，上述人员的出现常常给交通带来堵塞给人们的出行带来不便，有些乞讨行为甚至存在欺诈，严重败坏社会风气。为了解决上述问题，城市管理人员会进行人工巡查，并对这些人员进行管制。

然而，人工巡查的效率比较低下，且存在漏查的情况。

发明内容

本申请实施例的目的在于提供一种监控方法及装置，以解决人工巡查的效率比较低下，且存在漏查的问题。具体技术方案如下：

第一方面，提供了一种监控方法，其特征在于，所述方法包括：

获取目标区域中的目标监控设备采集到的监控视频；

根据对象跟踪算法，确定所述监控视频所包含的各检测对象在所述目标区域中的跟踪信息；

确定跟踪信息满足预设驻留条件的目标检测对象，并获取所述目标检测对象的监控特征；

如果所述目标检测对象的监控特征满足预设的目标监控条件，则输出所述目标检测对象对应的预警信息。

可选的，所述跟踪信息包括出现时长和/或出现频率；

所述确定跟踪信息满足预设驻留条件的目标检测对象，包括：

确定出现时长大于预设时长阈值的检测对象，作为目标检测对象；或者，

确定出现频率大于预设频率阈值的检测对象，作为目标检测对象。

可选的，所述监控特征至少包括行为特征、人脸特征和环境音量；

所述如果所述目标检测对象的监控特征满足预设的目标监控条件，则输出所述目标检测对象对应的预警信息，包括：

如果所述目标检测对象的行为特征与预设行为特征相匹配，则输出所述目标检测对象对应的预警信息；或者，

如果所述目标检测对象的人脸特征与预设的目标监控对象的人脸特征相匹配，则输出所述目标检测对象对应的预警信息；或者，

如果获取到的环境音量大于预设噪音阈值，则输出所述目标检测对象对应的预警信息。

可选的，所述获取所述目标检测对象的监控特征，包括：

通过行为特征提取算法，从所述监控视频中提取所述目标检测对象的行为特征；

通过人脸特征提取算法，从所述监控视频中提取所述目标检测对象的人脸特征；

在所述监控视频中确定包含所述目标检测对象的视频段，提取所述视频段对应的声音数据，并确定所述声音数据包含的环境音量。

可选的，所述输出所述目标检测对象对应的预警信息，包括：

生成包含所述目标监控设备的位置信息和所述目标检测对象的监控特征的预警信息；

将所述预警信息发送给预设监控终端。

第二方面，提供了一种监控装置，所述装置包括：

第一获取模块，用于获取目标区域中的目标监控设备采集到的监控视频；

确定模块，用于根据对象跟踪算法，确定所述监控视频所包含的各检测对象在所述目标区域中的跟踪信息；

第二获取模块，用于确定跟踪信息满足预设驻留条件的目标检测对象，并获取所述目标检测对象的监控特征；

输出模块，用于如果所述目标检测对象的监控特征满足预设的目标监控条件，则输出所述目标检测对象对应的预警信息。

可选的，所述跟踪信息包括出现时长和/或出现频率；

所述第二获取模块，具体用于：

确定出现时长大于预设时长阈值的检测对象，作为目标检测对象；或者，

确定出现频率大于预设频率阈值的检测对象，作为目标检测对象。

可选的，所述监控特征至少包括行为特征、人脸特征和环境音量；

所述输出模块，具体用于：

如果所述目标检测对象的行为特征与预设行为特征相匹配，则输出所述目标检测对象对应的预警信息；或者，

如果所述目标检测对象的人脸特征与预设的目标监控对象的人脸特征相匹配，则输出所述目标检测对象对应的预警信息；或者，

如果获取到的环境音量大于预设噪音阈值，则输出所述目标检测对象对应的预警信息。

可选的，所述第二获取模块，具体用于：

通过行为特征提取算法，从所述监控视频中提取所述目标检测对象的行为特征；

通过人脸特征提取算法，从所述监控视频中提取所述目标检测对象的人脸特征；

在所述监控视频中确定包含所述目标检测对象的视频段，提取所述视频段对应的声音数据，并确定所述声音数据包含的环境音量。

可选的，所述输出模块，具体用于：

生成包含所述目标监控设备的位置信息和所述目标检测对象的监控特征的预警信息；

将所述预警信息发送给预设监控终端。

第三方面，提供了一种服务器，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现第一方面任一所述的方法步骤。

第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。

第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的监控方法。

本申请实施例有益效果：

本申请实施例提供了一种监控方法，可以获取目标区域中的目标监控设备采集到的监控视频，然后根据对象跟踪算法，确定监控视频所包含的各检测对象在目标区域中的跟踪信息，进而确定跟踪信息满足预设驻留条件的目标检测对象，并获取目标检测对象的监控特征，如果目标检测对象的监控特征满足预设的目标监控条件，则输出目标检测对象对应的预警信息。这样，可以从监控视频中自动识别出需要管制的人员，并进行报警，无需人工搜寻，提高了搜寻效率，并且可以降低误差率。

当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种监控方法的流程图；

图2为本申请实施例提供的另一种监控方法的流程图；

图3为本申请实施例提供的另一种监控方法的流程图；

图4为本申请实施例提供的一种监控装置的结构示意图；

图5为本申请实施例提供的一种服务器的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请实施例提供了一种监控方法，可以应用于服务器中，其中，该服务器可以是监控系统中的后台服务器。该服务器可以与各监控设备连接，并接收各监控设备发送的监控视频。

下面将结合具体实施方式，对本申请实施例提供的一种监控方法进行详细的说明，如图1所示，具体步骤如下：

步骤101，获取目标区域中的目标监控设备采集到的监控视频。

本申请实施例中，可以在待监控区域中设置监控设备。例如，可以在人员聚集的区域部署摄像头，或者，可以禁止流浪卖艺等人员进入的区域附近设置监控设备，比如地铁站、火车站、商场等。其中，监控设备可以是具图像采集和声音采集功能的设备。监控设备在运行后，可以实时采集所属监控区域的监控视频，然后，可以将采集的监控视频发送给后台的服务器，服务器则可以接收各监控设备发送的监控视频。

可选的，监控设备可以直接将采集的监控视频发送给后台的服务器，或者，监控设备中也可以加入人工智能计算单元，人工智能计算单元可以从监控视频中提取行人图像和人脸图像并通过网络上传至服务器，以减轻服务器的计算压力。

步骤102，根据对象跟踪算法，确定监控视频所包含的各检测对象在目标区域中的跟踪信息。

本申请实施例中，服务器中可以预先存储有对象跟踪算法，对象跟踪算法可以为YOLOv3框架算法、深度学习神经网络等，比如Faster-RCNN(Faster Region-basedConvolutional Neural Network，基于高速区域提议的卷积神经网络)、RCNN等。通过对象跟踪算法，可以识别并跟踪监控视频中包含的各检测对象。具体的，可以先识别该监控图像中包含的检测对象的轮廓，然后根据该检测对象的轮廓确定检测对象对应的候选区域框，进而提取该候选区域框所包含的图像，得到该检测对象的人像图片，该人像图片为包含整个检测对象的图片。然后，可以计算各监控图像包含的各检测对象的人像图片的相似度，将相似度大于预设相似度阈值的检测对象确定为同一检测对象，并且，针对每个检测对象，可以统计该检测对象在监控视频中持续出现的时长，或者，可以统计该检测对象预设时长内的出现次数(即出现频率)，从而得到该检测对象在目标区域中的跟踪信息。

步骤103，确定跟踪信息满足预设驻留条件的目标检测对象，并获取目标检测对象的监控特征。

本申请实施例中，针对每个检测对象，服务器可以判断该检测对象的跟踪信息满足预设驻留条件。其中，跟踪信息可以包括出现时长和/或出现频率，相应的，确定目标检测对象的具体过程可以为：确定出现时长大于预设时长阈值的检测对象，作为目标检测对象；或者，确定出现频率大于预设频率阈值的检测对象，作为目标检测对象。

如果服务器判定该检测对象的跟踪信息满足预设驻留条件，则说明该检测对象在监控区域中存在驻留行为(即停留时间较长)，服务器可以通过预设的特征提取算法，提取该检测对象(即目标检测对象)的监控特征。如果不满足，则不进行处理。其中，监控特征的内容可以是多种多样的，例如，监控特征可以包括行为特征、人脸特征和环境音量等，监控特征的提取过程后续会进行详细说明。

步骤104，如果目标检测对象的监控特征满足预设的目标监控条件，则输出目标检测对象对应的预警信息。

本申请实施例中，服务器获取到目标检测对象的监控特征后，可以判断该监控特征是否满足预设的目标监控条件。如果满足，则说明目标检测对象是需要管制的人员，可以输出目标检测对象对应的预警信息。如果不满足，则说明目标检测对象不是需要管制的人员，可以不进行处理。

基于上述方法，可以自动识别出某监控区域中需要进行管制的人员(比如街头流浪或卖唱者)，并通知城市管理者，管理者出勤劝阻引导这些人员离开。

可选的，对于监控特征包括行为特征、人脸特征和环境音量的情况，如果目标检测对象满足以下任一条件，则确定目标检测对象的监控特征满足目标监控条件，输出目标检测对象对应的预警信息。

条件一、目标检测对象的行为特征与预设行为特征相匹配。

本申请实施例中，技术人员可以预先设置需要管制的人员可能做出的行为，服务器则可以存储这些行为对应的行为特征。例如，需要管制的人员为流浪者、乞讨者和卖艺者，则预设行为特征可以包括躺卧、下跪、蹲守、摆摊、弹奏乐器、或乞讨等行为的特征。服务器可以确定目标检测对象的行为特征与预设行为特征的匹配度，如果该匹配度大于或等于预设匹配度阈值，则说明目标检测对象可能做出预设行为；如果该匹配度小于预设匹配度阈值，则说明目标检测对象未做出预设行为。

条件二、目标检测对象的人脸特征与预设的目标监控对象的人脸特征相匹配。

本申请实施例中，服务器中可以存储有预设惯常流浪者、乞讨卖艺等人员的人脸图像，并可以从这些人脸图像中提取人脸特征。服务器可以确定目标检测对象的人脸特征与预设的目标监控对象的人脸特征的匹配度，如果该匹配度大于或等于预设匹配度阈值，则说明目标检测对象为需要管制的人员；如果该匹配度小于预设匹配度阈值，则说明目标检测对象不是需要管制的人员。

条件三、获取到的环境音量大于预设噪音阈值。

本申请实施例中，服务器中还可以存储有预设噪音阈值，由于商贩、乞讨、卖艺等人员通常会发出较大声音，以获得周围行人的关注，因此，服务器中可以预先设置有噪音阈值。当服务器在检测到目标检测对象驻留的情况下，如果此时监控视频中的环境音量大于或等于预设噪音阈值，则可以判定目标检测对象可能是噪音制造源，即目标检测对象是需要管制的人员；如果此时监控视频中的环境音量小于预设噪音阈值，则说明目标检测对象不是噪音制造源，即目标检测对象不是需要管制的人员。

上述条件仅为目标监控条件的示例，目标监控条件还可以包括其他条件，例如，可以检测监控视频中的噪声变化，如果出现目标检测对象出现时的环境噪声，与目标检测对象出现之前的环境噪声的差值大于预设阈值，则说明目标检测对象的监控特征满足目标监控条件，输出目标检测对象对应的预警信息。又如，可以检测目标检测对象的外部特征，比如服饰特征、配饰、或携带的物品等，如果目标检测对象的外部特征，与预设的目标监控对象的外部特征相匹配，则说明目标检测对象的监控特征满足目标监控条件，输出目标检测对象对应的预警信息。

可选的，如果目标检测对象的监控特征满足上述条件一或条件三，但不满足条件二，则服务器可以在数据库中，添加目标检测对象的人脸特征。

可选的，如图2所示，获取目标检测对象的监控特征的过程具体包括以下步骤。

步骤201，通过行为特征提取算法，从监控视频中提取目标检测对象的行为特征。

本申请实施例中，服务器可以通过预设的行为特征提取算法，从目标检测对象对应的人像图片中提取目标检测对象的行为特征。其中，行为特征提取算法可以为ResNet50网络模型，也可以为机器学习算法、深度学习神经网络等，该深度学习神经网络可以是Faster-RCNN、RCNN等，本申请实施例不做限定。

步骤202，通过人脸特征提取算法，从监控视频中提取目标检测对象的人脸特征。

本申请实施例中，服务器识别出人像图片后，可以通过预设的人脸检测算法，从人像图片中进一步提取检测对象的人脸图片。其中，人脸检测算法可以是现有的任意具有人脸检测功能的算法，比如SSD(single shot multibox detector，单发多盒探测器)算法、机器学习算法、深度学习神经网络等，该深度学习神经网络具体可以是Faster-RCNN、RCNN等。服务器还可以通过预设的人脸特征提取算法，从人脸图片中提取检测对象的人脸特征。其中，人脸特征提取算法可以为MobileFaceNet算法，也可以为机器学习算法、深度学习神经网络等，该深度学习神经网络可以是Faster-RCNN、RCNN等，本申请实施例不做限定。

步骤203，在监控视频中确定包含目标检测对象的视频段，提取视频段对应的声音数据，并确定声音数据包含的环境音量。

本申请实施例中，服务器可以在监控视频中确定包含目标检测对象的视频段。其中，该视频段可以仅由包含目标检测对象的监控图像构成，或者，也可以由包含目标检测对象的监控图像、以及与该监控图像前后相邻的预设时长内的监控图像构成。

服务器可以提取该视频段对应的声音数据，并可以检测该声音数据中的环境音量，即环境声音的分贝值。

可选的，如图3所示，输出目标检测对象对应的预警信息的过程具体包括以下步骤。

步骤301，生成包含目标监控设备的位置信息和目标检测对象的监控特征的预警信息。

本申请实施例中，服务器可以获取预先存储的目标监控设备的位置信息，并根据该位置信息、以及目标检测对象的监控特征(比如行为特征、人脸特征等)，生成预警信息。另外，预警信息还可以包括监控视频的拍摄时间、人脸图像等其他信息，本申请实施例不做限定。

步骤302，将预警信息发送给预设监控终端。

本申请实施例中，可以获取目标区域中的目标监控设备采集到的监控视频，然后根据对象跟踪算法，确定监控视频所包含的各检测对象在目标区域中的跟踪信息，进而确定跟踪信息满足预设驻留条件的目标检测对象，并获取目标检测对象的监控特征，如果目标检测对象的监控特征满足预设的目标监控条件，则输出目标检测对象对应的预警信息。这样，可以从监控视频中自动识别出需要管制的人员，并进行报警，无需人工搜寻，提高了搜寻效率。

本申请实施例还提供了一种监控方法的示例，具体内容如下。

在监控后台系统录入某监控区域经常出没的流浪者人脸图片A1～A12，服务器存储人脸图片A1～A12。

在人流密集的交通路口P1，大型购物商场前广场P2的监控视频加装人工智能计算单元，可对监控视频内出现的行人进行抓拍。可以根据该区域人流量密集的时段，开启人工智能计算单元进行图片上传。

在P1出现了行乞人员C1，监控设备以10秒为间隔上传图片，上传的图片为I1～I6，服务器通过比对，得出行人X1在图片内连续出现，通过行为特征检测算法得出I2～I6的行为为蹲守。服务器将图片I2～I6与流浪者人脸库图片A1～A12进行人脸比对，比对相似度均低于预设阈值。服务器将图片I6及行为检测结果以及监控地点发送信息给系统使用者。

另外，在P2处出现了卖唱人员C2、C3，监控间隔10秒一分钟内上传了图片I7～I12，后台通过图片比对，得出行人X2～X3在图片内连续出现，通过行为检测得出I7～I12的行为为站立。服务器通过对P2监控的环境音量进行检测，在一分钟内音量由正常88分贝提升至135分贝，且超过预设阈值100分贝，则判定为出现噪音污染。服务器将图片I12及音量检测结果以及监控地点发送信息给系统使用者。

假设行乞者C1没有接受管理人员的劝导，管理人员将人脸图片A13登记至系统，以便服务器进行存储。半小时后，C1出现在P2，以10秒为间隔一分钟内上传了图片I13～I8，后台通过图片比对，得出行人X4在图片内连续出现，通过行为检测得出I14～I18的行为为蹲守。服务器将图片I14～I18与流浪者人脸库图片A1～A13进行人脸比对，比对出于A13的相似度高于预设阈值。服务器将图片I18、行为检测结果、与流浪者A13相似度以及监控地点发送信息给系统使用者。

基于相同的技术构思，本申请实施例还提供了一种监控装置，如图4所示，该装置包括：

第一获取模块410，用于获取目标区域中的目标监控设备采集到的监控视频；

确定模块420，用于根据对象跟踪算法，确定监控视频所包含的各检测对象在目标区域中的跟踪信息；

第二获取模块430，用于确定跟踪信息满足预设驻留条件的目标检测对象，并获取目标检测对象的监控特征；

输出模块440，用于如果目标检测对象的监控特征满足预设的目标监控条件，则输出目标检测对象对应的预警信息。

可选的，跟踪信息包括出现时长和/或出现频率；

第二获取模块430，具体用于：

确定出现时长大于预设时长阈值的检测对象，作为目标检测对象；或者，

确定出现频率大于预设频率阈值的检测对象，作为目标检测对象。

可选的，监控特征至少包括行为特征、人脸特征和环境音量；

输出模块，具体用于：

如果目标检测对象的行为特征与预设行为特征相匹配，则输出目标检测对象对应的预警信息；或者，

如果目标检测对象的人脸特征与预设的目标监控对象的人脸特征相匹配，则输出目标检测对象对应的预警信息；或者，

如果获取到的环境音量大于预设噪音阈值，则输出目标检测对象对应的预警信息。

可选的，第二获取模块430，具体用于：

通过行为特征提取算法，从监控视频中提取目标检测对象的行为特征；

通过人脸特征提取算法，从监控视频中提取目标检测对象的人脸特征；

在监控视频中确定包含目标检测对象的视频段，提取视频段对应的声音数据，并确定声音数据包含的环境音量。

可选的，输出模块440，具体用于：

生成包含目标监控设备的位置信息和目标检测对象的监控特征的预警信息；

将预警信息发送给预设监控终端。

本申请实施例中，可以获取目标区域中的目标监控设备采集到的监控视频，然后根据对象跟踪算法，确定监控视频所包含的各检测对象在目标区域中的跟踪信息，进而确定跟踪信息满足预设驻留条件的目标检测对象，并获取目标检测对象的监控特征，如果目标检测对象的监控特征满足预设的目标监控条件，则输出目标检测对象对应的预警信息。这样，可以从监控视频中自动识别出需要管制的人员，并进行报警，无需人工搜寻，提高了搜寻效率。

基于相同的技术构思，本发明实施例还提供了一种服务器，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，

存储器503，用于存放计算机程序；

处理器501，用于执行存储器503上所存放的程序时，实现如下步骤：

获取目标区域中的目标监控设备采集到的监控视频；

根据对象跟踪算法，确定所述监控视频所包含的各检测对象在所述目标区域中的跟踪信息；

确定跟踪信息满足预设驻留条件的目标检测对象，并获取所述目标检测对象的监控特征；

如果所述目标检测对象的监控特征满足预设的目标监控条件，则输出所述目标检测对象对应的预警信息。

可选的，所述跟踪信息包括出现时长和/或出现频率；

所述确定跟踪信息满足预设驻留条件的目标检测对象，包括：

确定出现时长大于预设时长阈值的检测对象，作为目标检测对象；或者，

确定出现频率大于预设频率阈值的检测对象，作为目标检测对象。

可选的，所述监控特征至少包括行为特征、人脸特征和环境音量；

所述如果所述目标检测对象的监控特征满足预设的目标监控条件，则输出所述目标检测对象对应的预警信息，包括：

如果所述目标检测对象的行为特征与预设行为特征相匹配，则输出所述目标检测对象对应的预警信息；或者，

如果所述目标检测对象的人脸特征与预设的目标监控对象的人脸特征相匹配，则输出所述目标检测对象对应的预警信息；或者，

如果获取到的环境音量大于预设噪音阈值，则输出所述目标检测对象对应的预警信息。

可选的，所述获取所述目标检测对象的监控特征，包括：

通过行为特征提取算法，从所述监控视频中提取所述目标检测对象的行为特征；

通过人脸特征提取算法，从所述监控视频中提取所述目标检测对象的人脸特征；

在所述监控视频中确定包含所述目标检测对象的视频段，提取所述视频段对应的声音数据，并确定所述声音数据包含的环境音量。

可选的，所述输出所述目标检测对象对应的预警信息，包括：

生成包含所述目标监控设备的位置信息和所述目标检测对象的监控特征的预警信息；

将所述预警信息发送给预设监控终端。

上述服务器提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述服务器与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一监控方法的步骤。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一监控方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。