一种数据处理方法、装置及系统

技术领域

本公开涉及计算机技术领域，尤其涉及一种数据处理方法、装置及系统。

背景技术

时间序列数据(也称时序数据)是在时间上分布的一系列数据，其广泛应用于生活中，常见的如股票价格、广告数据、气温变化、个人健康数据、工业传感器数据、服务器系统监控数据(比如CPU和内存占用率)等。

由于时序数据的时间信息及空间信息都是不可逆改的数据，且数据量较大，因此，目前以时序数据库的方式在进行时序数据处理前，需要预先基于时间优先原则加载并查询时序数据，而后再使用CPU(Central Processing Unit，中央处理器)对数据进行浮点运算等处理。然而，上述时序数据的处理方式速度慢，执行效率低下，且严重依赖服务器CPU性能。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种数据处理方法、装置及系统。

本公开提供了一种数据处理方法，所述方法包括：获取多个对象的时序数据；基于所述多个对像的时序数据生成图像，所述图像中的不同元素上包括不同对象的时序数据；将所述图像发送至用户终端，以使所述用户终端从所述图像的元素上获取所述多个对象的时序数据，并对所述时序数据进行处理。

进一步，所述基于所述多个对像的时序数据生成图像，包括：针对每个对象，从所述对像的时序数据中提取出所述对象的时空数据；其中，所述时空数据包括所述对像的位置数据，以及所述对象处于每个位置时的时间数据；基于所述多个对象的时空数据生成图像。

进一步，所述位置数据包括经度和纬度；所述基于所述多个对象的时空数据生成图像，包括：生成空白图像；针对每个对象所处的每个位置，在所述空白图像上生成对应的元素，得到包含所述对象的元素的图像；其中，所述元素的红色分量由所述位置数据的经度转换得到，所述元素的绿色分量由所述位置数据的纬度转换得到，所述元素的蓝色分量由所述位置对应的时间数据转换得到；且不同所述元素的透明度分量不同，不同的上述透明度分量表示不同的所述对象。

进一步，所述方法还包括：从所述对像的时序数据中提取出所述对象的身份数据。

进一步，所述时空数据为数值型数据；每个所述元素均包括至少两个像素点，且同一所述元素中的不同所述像素点存储同一所述对象的时空数据的不同数值部分。

进一步，所述将所述图像发送至用户终端，包括：将所述图像发送至资源调度系统，以使所述资源调度系统根据各用户终端的计算性能，向各所述用户终端分发不同计算量的所述图像。

本公开还提供了一种数据处理方法，所述方法包括：获取图像；其中，所述图像是服务器基于多个对象的时序数据生成的，且所述图像中的不同元素上包括不同对象的时序数据；从所述图像的元素上获取所述多个对象的时序数据，并对所述时序数据进行处理。

进一步，所述从所述图像的元素上获取所述多个对象的时序数据，并对所述时序数据进行处理，包括：确定所述图像中的关键元素；其中，所述关键元素为所述图像中关键对象的时序数据对应的元素；从所述图像中的元素中查找与所述关键元素具有关联关系的目标元素；对所述目标元素进行处理，得到目标对象的时序数据。

进一步，所述对象的时序数据包括所述对象的时空数据，所述时空数据包括：位置数据和时间数据，且所述位置数据包括经度和纬度；所述从所述图像中的元素中查找与所述关键元素具有关联关系的目标元素，包括：提取所述图像中各元素的色彩分量；其中，所述色彩分量包括：由所述位置数据的经度转换得到的红色分量、由所述位置数据的纬度转换得到的绿色分量、由所述时间数据转换得到的蓝色分量；根据所述关键元素的蓝色分量和其他元素的蓝色分量，在所述其他元素中查找与所述关键元素相差预设时间范围的候选元素；其中，所述其他元素为所述图像中除所述关键元素之外的其他的所述元素；根据所述关键元素的红色分量、绿色分量，和所述候选元素的红色分量、绿色分量，分别计算各所述候选元素与所述关键元素之间的位置距离；将所述位置距离低于预设值的候选元素确定为与所述关键元素具有关联关系的目标元素。

进一步，所述对所述目标元素进行处理，得到目标对象的时序数据，包括：提取所述目标元素的透明度分量；其中，不同的所述透明度分量表示不同的所述对象；基于提取到的透明度分量确定目标对象和所述目标对象的时序数据。

进一步，所基于提取到的透明度分量确定目标对象和所述目标对象的时序数据，包括：将提取到的透明度分量发送至所述服务器，以使所述服务器确定所述提取到的透明度分量对应的目标对象，并在所述多个对象的时序数据中查找所述目标对象的时序数据；接收所述服务器返回的所述目标对象的时序数据。

进一步，所述时序数据还包括身份数据；所述基于提取到的透明度分量确定目标对象和所述目标对象的时序数据，包括：将所述目标元素的色彩分量映射为目标时空数据；将提取到的透明度分量发送至所述服务器，以使所述服务器确定所述提取到的透明度分量对应的目标对象，并在所述多个对象的时序数据的身份数据中查找所述目标对象的身份数据；接收所述服务器返回的所述目标对象的身份数据；将所述目标对象的身份数据和目标时空数据确定为所述目标对象的时序数据。

本公开还提供了一种数据处理装置，所述装置包括：数据获取模块，用于获取多个对象的时序数据；图像生成模块，用于基于所述多个对像的时序数据生成图像，所述图像中的不同元素上包括不同对象的时序数据；图像发送模块，用于将所述图像发送至用户终端，以使所述用户终端从所述图像的元素上获取所述多个对象的时序数据，并对所述时序数据进行处理。

本公开还提供了一种数据处理装置，所述装置包括：图像获取模块，用于获取图像；其中，所述图像是服务器基于多个对象的时序数据生成的，且所述图像中的不同元素上包括不同对象的时序数据；数据处理模块，用于从所述图像的元素上获取所述多个对象的时序数据，并对所述时序数据进行处理。

本公开还提供了一种数据处理系统，包括通信连接的服务器和用户终端；所述服务器设置有前述数据处理装置，所述用户终端设置有前述数据处理装置。

本公开还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上存储有计算机程序，所述计算机程序被处理设备运行时执行上述有服务器执行的方法的步骤，或者，所述计算机程序被处理设备运行时执行上述由用户终端执行的方法的步骤。

本公开实施例提供的技术方案与现有技术相比具有如下优点：

本公开实施例提供了一种数据处理方法、装置及系统，服务器能够首先基于获取的多个对像的时序数据生成图像，图像中的不同元素上包括不同对象的时序数据；然后将图像发送至用户终端，以通过用户终端从图像的元素上获取多个对象的时序数据，并对时序数据进行处理。这种数据处理方式根据时序数据不可逆改的特性，将时序数据转换为能存放在显存上的图像，进而可以通过用户设备对时序数据进行处理；将服务器CPU的数据处理压力转移到用户设备的GPU，既能够降低对服务器CPU性能的依赖性，又能够提升数据处理速度和效率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

为了更清楚地说明本公开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为本公开实施例提供的一种应用于服务器的数据处理方法的流程图；

图2为本公开实施例提供的一种应用于用户终端的数据处理方法的流程图；

图3为本公开实施例提供的一种数据处理装置的结构框图；

图4为本公开实施例提供的一种数据处理装置的结构框图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。

考虑到现有时序数据的处理方式，需要在数据处理前预先加载数据，而后再使用服务器CPU进行数据处理，这样的数据处理方式速度慢、执行效率低且严重依赖服务器CPU性能。基于此，为改善以上问题至少之一，本公开实施例提供的一种数据处理方法、装置及系统，该技术可以应用于诸如个人健康数据、服务器系统监控数据等任一需要对时序数据进行处理的场景，为便于理解，以下对本公开实施例进行详细介绍。

实施例一：

参照图1所示的一种应用于服务器的数据处理方法的流程图，该方法可以由服务器执行，该服务器又可称为后台服务器或平台服务器，该方法具体包括如下步骤：

步骤S102，获取多个对象的时序数据。其中，时序数据可以为各种类型的具有时序关系的数据，比如：通过可穿戴设备记录的个人健康数据(如心跳、体温)，还比如在疫情防控中，通过手机扫码、摄像头拍照等方式采集用户的活动数据等。

本实施例中的时序数据可以包括时空数据和对象的身份数据；其中，时空数据用于表示对象的位置数据，以及对象处于每个位置时的时间数据；身份数据诸如对象的姓名、身份证号、住址、联系方式等数据。

步骤S104，基于多个对像的时序数据生成图像，图像中的不同元素上包括不同对象的时序数据。

在本实施例中，服务器可以生成多个对像的时序数据对应的图像；图像的存储格式诸如位图格式(BMP)、联合照片专家组格式(JPEG)等。图像中的一个元素对应一条时序数据，其中，元素为组成图像的单个点，并配置有色彩数值，在一种可能的实现方式中，可以将时序数据中的时空数据转换为元素的色彩数值。

步骤S106，将图像发送至用户终端，以使用户终端从图像的元素上获取多个对象的时序数据，并对时序数据进行处理。

该用户终端为具有GPU(Graphic Processing Unit，图形处理器)的电子设备，如手机、平板电脑、笔记本电脑等设备。由于服务器CPU本身的运算方式主要是串行计算，所以，采用CPU对图像进行处理时，效率很低。本实施例利用GPU的强大的并行计算能力，进行图像的处理，既能够分担服务器CPU数据处理压力，又能够提升数据处理效率。

用户设备对时序数据的处理方式可以有多种，比如，对时序数据进行平滑处理以提升时序数据的准确度，对时序数据进行聚合处理以获取用户关心的诸如流量的平均值、流量的峰值等信息，还比如对时序数据进行查询以获取用户想要的目标时序数据，等等。

本实施例提供的上述数据处理方法，服务器能够首先基于获取的多个对像的时序数据生成图像，然后将图像发送至用户终端，以通过用户终端从图像的元素上获取多个对象的时序数据，并对时序数据进行处理。这种数据处理方式根据时序数据不可逆改的特性，将时序数据转换为能存放在显存上的图像，进而可以通过用户设备对时序数据进行处理；将服务器CPU的数据处理压力转移到用户设备的GPU，既能够降低对服务器CPU性能的依赖性，又能够提升数据处理速度和效率。

本实施例给出了一种基于多个对像的时序数据生成图像的具体实施方式，可以参照如下两步骤执行：

第一步，针对每个对象，从对像的时序数据中提取出对象的时空数据。

在一种可能的实现方式中，可以按照预设的关键词和/或关键字段，将对象的时序数据拆分为时空数据和身份数据；基于拆分结果，从对像的时序数据中提取出对象的时空数据。其中，时空数据包括对像的位置数据，以及对象处于每个位置时的时间数据；位置数据可以由经度和纬度组成。

当然，也可以基于拆分结果，从对像的时序数据中提取出对象的身份数据。考虑到身份数据比较敏感，为了避免身份数据泄露可能造成的隐私安全问题，在实际应用中，可以将时空数据和身份数据分开保存在不同的位置，且当保存同一对象的时空数据和身份数据时，对属于同一对象的时空数据和身份数据进行关联关系的标记。

第二步，基于多个对象的时空数据生成图像。

为了更好地理解图像的生成方式，本实施例以位图格式的图像(可称为位图)为例对此展开描述，参照如下所示：

首先生成空白图像；然后针对每个对象所处的每个位置，在空白图像上生成对应的元素，得到包含对象的元素的图像。

具体的，位图可以采用RGBA的编码方式，也即采用红色分量、绿色分量、蓝色分量和透明度分量表示位图中元素的颜色。其中，元素的红色分量由位置数据的经度转换得到，元素的绿色分量由位置数据的纬度转换得到，元素的蓝色分量由位置对应的时间数据转换得到；且不同元素的透明度分量不同，不同的上述透明度分量表示不同的对象。当然，颜色分量与数据的转换关系还可以为其他，诸如红色分量还可以为由时间数据转换得到，以上仅为示例性描述，不应理解为限制。

在实际应用中，时空数据通常为数值型数据，比如，经度23°27′，其对应的数据为数值型数据，表示为23.45；时间9时15分，其对应的时间数据为数值型数据，表示为9.24。为了提高元素所表示时空数据的完整性，本实施例可以每个元素中包括至少两个像素点，同一元素中的不同像素点存储同一对象的时序数据的不同数值部分，也即每条时空数据占用至少两个像素点。以一个元素中包括两个像素点为例，一个像素点可以用于存储时空数据的整数部分，另一个像素点可以用于存储时空数据的小数部分。诸如，第一个像素点中的蓝色分量用于存储时间数据中的整数部分：9，第二个像素点中的蓝色分量用于存储时间数据中的小数部分：24，在此情况下，第一个像素点和第二个像素点组成的元素能够更完整的表示时空数据。

由于一个元素内的两个像素点是由时空数据同时转换得到的，故两个像素点在生成的同时也建立了映射关系，在此情况下，可以仅分配其中一个像素点的透明度分量，通过一个像素点的透明度分量表示同一个元素内两个像素点与对象的映射关系。

时空数据占用像素点的个数，也即元素中包括的像素点的个数，主要与时序数据的精度和图像的格式有关。

以疫情防控的场景为例，对象的时序数据通常是以天为单位进行存储的，且将时间精确到秒的实际意义不大，位置数据也一样，无需精确到秒。从而，时序数据中的时间数据是包括小时和分钟的数据，位置数据是包括度和角分的数据。在此情况下，占用两个像素点能够相对完整的表示时空数据。如果在其他应用场景中，当需要更精确的表示时序数据时，可以占用更多像素点来表示时序数据。

关于图像的格式，继续沿用疫情防控场景下的时空数据为例。该时空数据中的经度、维度和时间数据分别需要占用两个存储位，一个存储位为一个像素点的一个色彩分量，如经度，其占用两个像素点的红色分量，即占用两个存储位；同时，两个像素点中至少一个像素点具有表示对象的透明度分量，以上共需要七个或八个存储位。但图像为采用RGB编码的JPEG格式的图像时，由于一个像素点只能提供三个存储位，故需要至少三个像素点才能较完整的表示上述时空数据。

在生成多个对象的时空数据对应的图像后，服务器可以通过如下方式将图像发送至用户终端：将图像发送至资源调度系统，以使资源调度系统根据各用户终端的计算性能，向各用户终端分发不同计算量的图像。

比较用户终端分别为手机和电脑时，手机的计算性能显然低于电脑的计算性能，从而可以向手机分发10天内时空数据对应的图像，向电脑分发15天内时空数据对应的图像。

当将图像分发至用户终端后，用户终端可以通过诸如HLSL(High Level ShadeLanguage或High-Level Shading Language，高级着色器语言)、OpenGL着色器语言GLSL(OpenGL Shading Language，高阶著色语言)、WebGL(Web Graphics Library，web图形库)等方式对图像进行显卡运算。

通过上述数据处理方式，将时序数据转换为能存放在用户终端显存上的图像，进而可以通过用户设备对时序数据进行处理；将服务器CPU进行数据处理的部分压力转移到用户设备的GPU，既能够降低对服务器CPU性能的依赖性，又能够提升数据处理速度和效率。

实施例二：

结合前述实施例一，参照图2所示的一种应用于用户终端的数据处理方法的流程图，该方法可以由用户终端执行，该用户终端可以是手机、iPad或者电脑等终端，该方法包括：

步骤S202，获取图像；其中，图像是服务器基于多个对象的时序数据生成的，且图像中的不同元素上包括不同对象的时序数据。上述时序数据包括时空数据和身份数据，时空数据包括位置数据和时间数据，且位置数据包括经度和纬度。图像的具体生成方式可参照前述实施例一，在此不再展开描述。

用户终端获取到图像后，可以将图像存储于显卡的显存上，以在显卡上进行图像的处理。

步骤S204，从图像的元素上获取多个对象的时序数据，并对时序数据进行处理。

在本实施例中，图像中元素的色彩分量和透明度分量是经由时空数据转换得到的；基于此，用户设备可以利用opencv、MATLAB等工具提取图像的色彩分量和透明度分量，来获取多个对象的时序数据。

上述实施例提供的数据处理方法，用户设备能够从服务器获取由时序数据生成的图像，而后从图像的元素上获取多个对象的时序数据，并对时序数据进行处理。这种数据处理方式，可以通过用户设备对时序数据进行处理；将服务器CPU的数据处理压力转移到用户设备的GPU，既能够降低对服务器CPU性能的依赖性，又能够提升数据处理速度和效率。

在一种实施方式中，上述步骤S204可以参照如下步骤I至III执行：

步骤I，确定图像中的关键元素；其中，关键元素为图像中关键对象的时序数据对应的元素。

在实际应用中，关键对象可能为疫情防控中的发热人员，并通过人工方式在图像上标记出该关键对象对应的关键元素。

步骤II，从图像中的元素中查找与关键元素具有关联关系的目标元素。

在具体实现时，(1)提取图像中各元素的色彩分量；其中，色彩分量包括：由位置数据的经度转换得到的红色分量、由位置数据的纬度转换得到的绿色分量、由时间数据转换得到的蓝色分量。

(2)根据关键元素的蓝色分量和其他元素的蓝色分量，在其他元素中查找与关键元素相差预设时间范围(如15分钟内)的候选元素；其中，其他元素为图像中除关键元素之外的其他的元素。

(3)根据关键元素的红色分量、绿色分量，和候选元素的红色分量、绿色分量，分别计算各候选元素与关键元素之间的位置距离。

红色分量表示的经度和绿色分量表示的纬度，共同确定元素所对应对象的位置；在此情况下，可以计算关键元素所对应关键对象与各个候选元素所对应候选对象之间的位置距离，该位置距离诸如欧几里得距离、马哈拉诺比斯距离或切比雪夫距离等。

(4)将位置距离低于预设值的候选元素确定为与关键元素具有关联关系的目标元素。

至此，确定的目标元素是在时间范围和位置距离上同时与关键元素具有关联关系的元素。

步骤III，对目标元素进行处理，得到目标对象的时序数据。

在一种实施方式中，可以首先提取目标元素的透明度分量，其中，不同的透明度分量表示不同的对象。

当元素包括两个像素点，且仅通过一个像素点的透明度分量表示所映射的对象时，本实施例可通过像素整除2的方式，更快速的提取透明度分量。在实际应用中，可能元素中的第二个像素点具有透明度分量，基于此，可以通过像素整除2的方式，获取目标元素中能够整除2的像素点，并提取该像素点的透明度分量。

然后基于提取到的透明度分量确定目标对象和目标对象的时序数据。不同对象分配不同的透明度分量，可以通过透明度分量直接确定目标元素对应的目标对象。

目标对象以及目标对象的时序数据的确定方式可以参照如下两种方式。

方式一：用户终端将提取到的透明度分量发送至服务器，以使服务器确定提取到的透明度分量对应的目标对象，并在多个对象的时序数据中查找目标对象的时序数据。而后，用户终端接收服务器返回的目标对象的时序数据。该方式利用服务器对时序数据进行查找，效率较高，同时，在用户终端向服务器发送透明度分量之前，包含身份数据的时序数据一致存储在服务器，降低了身份数据的泄露风险。

方式二：

(a)将目标元素的色彩分量映射为目标时空数据；也即将目标元素的红、绿、蓝色彩分量映射为目标时空数据。

(b)将提取到的透明度分量发送至服务器，以使服务器确定提取到的透明度分量对应的目标对象，并在多个对象的时序数据的身份数据中查找目标对象的身份数据。

(c)接收服务器返回的目标对象的身份数据。

(d)将目标对象的身份数据和目标时空数据确定为目标对象的时序数据。具体的，可以将目标对象的身份数据和目标时空数据进行拼接组合，得到目标对象的时序数据。

在该方式中，时序数据中的身份数据和时空数据分别存储于服务器的不同位置，进一步保障了身份数据的安全性。

在另外的实施例中，为了降低图像或时序数据占用用户设备的存储空间，还可以将图像中除目标元素之外的剩余元素清除，将多个对象的时序数据中除目标对象的时序数据之外的剩余时序数据清除。

实施例三：

参见图3所示的一种数据处理装置的结构框图，该装置设置于服务器，该装置包括：

数据获取模块302，用于获取多个对象的时序数据；

图像生成模块304，用于基于多个对像的时序数据生成图像，图像中的不同元素上包括不同对象的时序数据；

图像发送模块306，用于将图像发送至用户终端，以使用户终端从图像的元素上获取多个对象的时序数据，并对时序数据进行处理。

本实施例提供的数据处理装置，服务器能够首先基于获取的多个对像的时序数据生成图像，然后将图像发送至用户终端，以通过用户终端从图像的元素上获取多个对象的时序数据，并对时序数据进行处理。这种数据处理方式根据时序数据不可逆改的特性，将时序数据转换为能存放在显存上的图像，进而可以通过用户设备对时序数据进行处理；将服务器CPU的数据处理压力转移到用户设备的GPU，既能够降低对服务器CPU性能的依赖性，又能够提升数据处理速度和效率。

在一种实现方式中，上述图像生成模块304还用于：针对每个对象，从对像的时序数据中提取出对象的时空数据；其中，时空数据包括对像的位置数据，以及对象处于每个位置时的时间数据；基于多个对象的时空数据生成图像。

在一种实现方式中，位置数据包括经度和纬度；上述图像生成模块304还用于：生成空白图像；针对每个对象所处的每个位置，在空白图像上生成对应的元素，得到包含对象的元素的图像；其中，元素的红色分量由位置数据的经度转换得到，元素的绿色分量由位置数据的纬度转换得到，元素的蓝色分量由位置对应的时间数据转换得到；且不同元素的透明度分量不同，不同的上述透明度分量表示不同的对象。

在一种实现方式中，上述图像生成模块304还用于：从对像的时序数据中提取出对象的身份数据。

在一种实现方式中，图像发送模块306还用于：将图像发送至资源调度系统，以使资源调度系统根据各用户终端的计算性能，向各用户终端分发不同计算量的图像。

本实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，本实施例部分未提及之处，可参考前述实施例中相应内容。

实施例四：

参见图4所示的一种数据处理装置的结构框图，该装置设置于用户终端，该装置包括：

图像获取模块402，用于获取图像；其中，图像是服务器基于多个对象的时序数据生成的，且图像中的不同元素上包括不同对象的时序数据；

数据处理模块404，用于从图像的元素上获取多个对象的时序数据，并对时序数据进行处理。

本实施例提供的数据处理装置，用户设备能够从服务器获取由时序数据生成的图像，而后从图像的元素上获取多个对象的时序数据，并对时序数据进行处理。这种数据处理方式，可以通过用户设备对时序数据进行处理；将服务器CPU的数据处理压力转移到用户设备的GPU，既能够降低对服务器CPU性能的依赖性，又能够提升数据处理速度和效率。

在一种实现方式中，上述数据处理模块404还用于：确定图像中的关键元素；其中，关键元素为图像中关键对象的时序数据对应的元素；从图像中的元素中查找与关键元素具有关联关系的目标元素；对目标元素进行处理，得到目标对象的时序数据。

在一种实现方式中，对象的时序数据包括对象的时空数据，时空数据包括：位置数据和时间数据，且位置数据包括经度和纬度；上述数据处理模块404还用于：提取图像中各元素的色彩分量；其中，色彩分量包括：由位置数据的经度转换得到的红色分量、由位置数据的纬度转换得到的绿色分量、由时间数据转换得到的蓝色分量；根据关键元素的蓝色分量和其他元素的蓝色分量，在其他元素中查找与关键元素相差预设时间范围的候选元素；其中，其他元素为图像中除关键元素之外的其他的元素；根据关键元素的红色分量、绿色分量，和候选元素的红色分量、绿色分量，分别计算各候选元素与关键元素之间的位置距离；将位置距离低于预设值的候选元素确定为与关键元素具有关联关系的目标元素。

在一种实现方式中，上述数据处理模块404还用于：提取目标元素的透明度分量；其中，不同的透明度分量表示不同的对象；基于提取到的透明度分量确定目标对象和目标对象的时序数据。

在一种实现方式中，上述数据处理模块404还用于：将提取到的透明度分量发送至服务器，以使服务器确定提取到的透明度分量对应的目标对象，并在多个对象的时序数据中查找目标对象的时序数据；接收服务器返回的目标对象的时序数据。

在一种实现方式中，时序数据还包括身份数据；上述数据处理模块404还用于：将目标元素的色彩分量映射为目标时空数据；将提取到的透明度分量发送至服务器，以使服务器确定提取到的透明度分量对应的目标对象，并在多个对象的时序数据的身份数据中查找目标对象的身份数据；接收服务器返回的目标对象的身份数据；将目标对象的身份数据和目标时空数据确定为目标对象的时序数据。

本实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，本实施例部分未提及之处，可参考前述实施例中相应内容。

基于前述实施例，本实施例给出了一种数据处理系统，包括通信连接的服务器和用户终端；服务器设置有实施例三提供的数据处理装置，用户终端设置有实施例四提供的数据处理装置。

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，上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

进一步，本实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理设备运行时执行上述实施例一提供的任一项方法的步骤，或者，计算机程序被处理设备运行时执行上述实施例二提供的任一项的方法的步骤。

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。

以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。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公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。