基于视频监控的行人越界预警方法、设备及存储介质

技术领域

本申请涉及图像处理技术领域，尤其涉及一种基于视频监控的行人越界预警方法、设备及存储介质。

背景技术

相关技术中，采用视频图像进行跨线监控时，需要通过人工对视频图像中的特定区域划线，当有行人跨线时，产生报警。在一些监控区域经常变化的应用场景中，例如对外场作业的安全生产进行监控时，由于施工区域经常变动，监控区域每次变化时都需要人工重新划线，操作效率低下，且针对不同的应用场景采用的跨线监控方式单一，只对行人已经跨线的情况进行报警，不能对行人跨界提前进行准确预判。

可见，有必要提供一种解决方式，能够针对多种应用场景，对行人跨界提前进行准确预判。

发明内容

本申请实施例的主要目的在于提出一种基于视频监控的行人越界预警方法、设备及存储介质，能够针对多种应用场景，对行人跨界提前进行准确预判。

为实现上述目的，本申请实施例的第一方面提出了一种基于视频监控的行人越界预警方法，所述方法包括：

获取对监控区域采集得到的监控视频；其中，所述监控区域内设置有对施工区域进行围蔽的多个标志杆；

从所述监控视频中解码得到单帧图像，采用标志杆检测模型对所述单帧图像进行图像识别，得到各个标志杆在所述单帧图像中对应的像素点；其中，所述标志杆检测模型基于实例分割模型预先训练得到；

基于各个标志杆在所述单帧图像中对应的像素点确定各个标志杆的位置信息和警示颜色，基于各个标志杆的位置信息确定基准线，基于各个标志杆的位置信息和警示颜色对所述基准线外延得到警戒线，将所述警戒线和所述基准线之间的区域作为警戒区域；其中，所述警示颜色用于表征所述标志杆的警示级别；

对所述监控视频中的警戒区域进行行人检测，若确定有行人进入所述警戒区域，则确定所述行人在连续多个时刻与所述基准线的垂直距离和夹角，基于所述行人在连续多个时刻与所述基准线的垂直距离和夹角计算得到所述行人越过所述基准线的风险值；

将所述行人越过所述基准线的风险值与预先设定的风险阈值进行比较，若确定所述风险值大于预先设定的风险阈值，则触发越界报警。

在一些实施例中，所述基于各个标志杆在所述单帧图像中对应的像素点确定各个标志杆的位置信息和警示颜色，基于各个标志杆的位置信息确定基准线，基于各个标志杆的位置信息和警示颜色对所述基准线外延得到警戒线，包括：

基于标志杆在所述单帧图像中对应的像素点确定所述标志杆的底部角点，将各个标志杆的底部角点依次连接形成基准线；

基于标志杆在所述单帧图像中对应的像素点确定所述标志杆的顶部角点，基于所述标志杆的底部角点和顶部角点的距离确定所述标志杆的高度，基于所述标志杆的高度确定所述标志杆的最大观察距离，以所述底部角点为原点，以所述最大观察距离为半径确定所述标志杆的有效作用线，得到各个标志杆的有效作用线，进而确定相邻有效作用线的外切线，得到多条外切线，将多条外切线依次连接形成外延线；

基于所述标志杆对应的像素点的颜色信息确定标志杆的警示颜色，基于所述标志杆的警示颜色确定风险系数，进而确定所述外延线和所述基准线的垂直距离，基于所述风险系数和所述垂直距离的乘积确定警戒距离，将所述外延线收缩到与所述基准线的距离为所述警戒距离，得到警戒线；所述警戒线位于所述基准线和所述外延线之间。

在一些实施例中，所述基于所述标志杆对应的像素点的颜色信息确定标志杆的警示颜色，基于所述标志杆的警示颜色确定风险系数，包括：

采用DBScan算法对各个标志杆对应的像素点进行颜色聚类，得到多个颜色簇；

对每个颜色簇中像素的颜色值求平均值，得到各个颜色簇的平均色；

将平均色为白色和黑色的颜色簇剔除后，将剩余的颜色簇中像素数量最多的颜色簇对应的平均色作为标志杆的主体色；

将与所述主体色相似度最高的警示颜色作为所述标志杆的警示颜色；

确定与所述标志杆的警示颜色对应的风险系数；其中，所述警示颜色对应的风险系数随警示级别的升高而增加。

在一些实施例中，所述对所述监控视频中的警戒区域进行行人检测，若确定有行人进入所述警戒区域，则确定所述行人在连续多个时刻与所述基准线的垂直距离和夹角，基于所述行人在连续多个时刻与所述基准线的垂直距离和夹角计算得到所述行人越过所述基准线的风险值，包括：

对所述监控视频采样得到监控图像，确定所述监控图像中的警戒区域，并对所述警戒区域进行行人检测；

若确定有行人进入所述警戒区域，则以设定时间间隔对所述监控视频连续采样得到多帧采样图像，确定所述行人在连续多帧的采样图像中的位置；

确定所述行人在多帧采样图像中的最小外接矩形，将所述最小外接矩形的中心作为所述行人的质心，得到所述行人在连续多个时刻的质心；

分别确定所述行人在连续多个时刻的质心与所述基准线的垂直距离，基于所述行人在连续多个时刻的质心确定所述行人在连续多个时刻与所述基准线的夹角；

当确定所述垂直距离小于距离阈值时，通过以下公式计算得到所述行人在当前时刻的风险值：

其中，n为采样图像的总帧数，d(i)为第i帧采样图像内的质心与基准线的垂直距离，d(i-1)为第i-1帧采样图像内的质心与基准线的垂直距离，θ(i)为第i帧采样图像内的质心的切线方向与基准线的夹角，θ(i)的取值范围为[0，90°]，Ri sk(n)为所述行人在当前时刻的风险值。

在一些实施例中，所述基于所述行人在连续多个时刻的质心确定所述行人在连续多个时刻与所述基准线的夹角，包括：

确定第i帧采样图像内质心的坐标和第i-1帧采样图像内质心的坐标，基于所述第i帧采样图像内质心的坐标和第i-1帧采样图像内质心的坐标计算得到第i帧采样图像内质心的方向角；

在所述基准线上任意选取两个像素点，确定所述基准线上两个像素点的坐标，基于所述两个像素点的坐标确定所述基准线的方向角；

将所述基准线的方向角和所述第i帧采样图像内质心的方向角确定在第i帧采样图像的采样时刻所述行人与所述基准线的夹角；

将n帧采样图像的采样时刻所述行人与所述基准线的夹角作为所述行人在连续多个时刻与所述基准线的夹角。

为实现上述目的，本申请实施例的第二方面提出了一种电子设备，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现上述第一方面所述的方法。

为实现上述目的，本申请实施例的第三方面提出了一种计算机可读存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述第一方面所述的方法的步骤。

本申请提出的基于视频监控的行人越界预警方法、设备及存储介质，通过识别单帧图像中的定位杆，基于各个标志杆的位置信息确定基准线，能够针对变化的应用场景自适应调整基准线；基于各个标志杆的位置信息和警示颜色对所述基准线外延得到警戒线，从而根据警示级别的高低对基准线合理外扩，适应不同的施工场景，提高风险识别精准度，通过对所述监控视频中的警戒区域进行行人检测，避免图像噪音干扰，提高运算速度和监控准确度；基于所述行人在连续多个时刻与所述基准线的垂直距离和夹角，更加全面准确的得出行人越过所述基准线的风险值。本申请能够针对多种应用场景，对行人跨界提前进行准确预判。

附图说明

图1是本申请实施例提供的基于视频监控的行人越界预警方法的流程图；

图2是本申请实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

本申请实施例提供基于视频监控的行人越界预警方法、设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中基于视频监控的行人越界预警方法。

下面结合附图，对本申请实施例作进一步阐述。

图1是本申请实施例提供的基于视频监控的行人越界预警方法的一个可选的流程图，图1中的方法包括以下步骤：

步骤S100，获取对监控区域采集得到的监控视频；其中，所述监控区域内设置有对施工区域进行围蔽的多个标志杆；

需要说明的是，同一监控区域内采用相同的标志杆，在一实施例中，通过摄像机对需要设定标志杆的监控区域进行视频拍摄，采集得到监控视频，监控视频的画面中包含有标志杆，监控区域还包括施工区域的外围区域，即下文所述的警戒区域。

步骤S200，从所述监控视频中解码得到单帧图像，采用标志杆检测模型对所述单帧图像进行图像识别，得到各个标志杆在所述单帧图像中对应的像素点；其中，所述标志杆检测模型基于实例分割模型预先训练得到；

在一些实施例中，实例分割模型可以为Mask R-CNN模型、PANet模型、HTC模型、Blend Mask模型、Center Mask模型等，基于实例分割模型预先训练得到的标志杆检测模型能够对单帧图像中的标志杆进行像素级的图像识别，从而识别出所述单帧图像中各个标志杆对应的像素点；例如，可以从采集到的多个标志杆样本图像中确定当前需要进行训练的标志杆样本图像，得到当前标志杆样本图像，然后，将该当前标志杆样本图像导入预设的实例分割模型中进行训练，学习和识别标志杆样本图像中标志杆的形状特征，得到标志杆检测模型。

步骤S300，基于各个标志杆在所述单帧图像中对应的像素点确定各个标志杆的位置信息和警示颜色，基于各个标志杆的位置信息确定基准线，基于各个标志杆的位置信息和警示颜色对所述基准线外延得到警戒线，将所述警戒线和所述基准线之间的区域作为警戒区域；其中，所述警示颜色用于表征所述标志杆的警示级别；

在一些实施例中，所述位置信息包含所述标志杆中每个像素点在所述单帧图像中的位置；基准线为对各个标志杆所在位置连线得到的外围线段；基于各个标志杆的警示颜色确定对应的警示级别，进而依据警示级别对基准线进行相应的外延，得到警戒线能够与警示级别所代表的风险相适应，提高风险识别精准度。

步骤S400，对所述监控视频中的警戒区域进行行人检测，若确定有行人进入所述警戒区域，则确定所述行人在连续多个时刻与所述基准线的垂直距离和夹角，基于所述行人在连续多个时刻与所述基准线的垂直距离和夹角计算得到所述行人越过所述基准线的风险值；

本步骤中，在确定警戒区域后，继续对所述监控视频进行解码，由于仅对监控视频中的警戒区域进行行人检测，可使图像处理的区域缩小到警戒区域，通过去掉不必要的图像处理区域，避免图像噪音干扰，提高运算速度和监控准确度。在一些实施例中，所述对所述监控视频中的警戒区域进行行人检测的方法为基于机器学习的方法，例如基于HOG特征的方法等，能够识别出行人的外界矩形框，并对行人进行跟踪，从而通过行人检测和跟踪，确定所述行人在连续多个时刻的位置信息，进而确定所述行人在连续多个时刻与所述基准线的垂直距离和夹角；需要说明的是，行人与基准线的垂直距离越小，说明离基准线越近，越过所述基准线的风险越大；行人与基准线的夹角越大，说明朝向基准线行走的可能性越大，越过所述基准线的风险越大；本步骤结合行人与所述基准线的垂直距离和夹角这两个因素，从而更加全面准确的得出行人越过所述基准线的风险值。

步骤S500，若确定所述行人越过所述基准线的风险值大于设定的风险阈值，则触发越界报警；

在一些实施例中，在对外场作业的安全生产监控时，施工人员抵达施工区域现场后，将标志杆部署在施工区域周边，作为设置基准线的端点位置；架设监控摄像头对准施工区域，监控摄像头采集的监控区域的图像覆盖标志杆和警戒区域；监控摄像头连接有电子设备，将对监控区域采集得到的监控视频传递给电子设备；电子设备从所述监控视频中解码得到单帧图像，确定所述单帧图像中标志杆的位置信息和警示颜色；根据单帧图像中标志杆的位置信息和警示颜色，自动生成警戒区域。当有行人进入警戒区域时，监控画面中就对对行人进行检测和追踪，确定行人越过所述基准线的风险值，若确定所述行人越过所述基准线的风险值大于设定的风险阈值，则触发越界报警。

本申请通过识别单帧图像中的定位杆，基于各个标志杆的位置信息确定基准线，将原来的人工划线方式改进为自动划线，并基于各个标志杆的位置信息和警示颜色对所述基准线外延得到警戒线，从而根据警示级别的高低对基准线合理外扩，适应不同的施工场景，提高风险识别精准度，通过对所述监控视频中的警戒区域进行行人检测，避免图像噪音干扰，提高运算速度和监控准确度；基于所述行人在连续多个时刻与所述基准线的垂直距离和夹角，更加全面准确的得出行人越过所述基准线的风险值；可见，本申请能够针对多种应用场景，对行人跨界提前进行准确预判。

在一些实施例中，步骤S300中，所述基于各个标志杆在所述单帧图像中对应的像素点确定各个标志杆的位置信息和警示颜色，基于各个标志杆的位置信息确定基准线，基于各个标志杆的位置信息和警示颜色对所述基准线外延得到警戒线，包括：

步骤S310，基于标志杆在所述单帧图像中对应的像素点确定所述标志杆的底部角点，将各个标志杆的底部角点依次连接形成基准线；

在一些实施例中，对所述单帧图像中相邻标志杆的底部角点沿顺时针或逆时针方向依次连线，得到所述单帧图像中的基准线，所述基准线以内的区域为所述单帧图像中标志杆围蔽的施工区域。

步骤S320，基于标志杆在所述单帧图像中对应的像素点确定所述标志杆的顶部角点，基于所述标志杆的底部角点和顶部角点的距离确定所述标志杆的高度，基于所述标志杆的高度确定所述标志杆的最大观察距离，以所述底部角点为原点，以所述最大观察距离为半径确定所述标志杆的有效作用线，得到各个标志杆的有效作用线，进而确定相邻有效作用线的外切线，得到多条外切线，将多条外切线依次连接形成外延线；

需要说明的是，最大观察距离代表行人应该能够准确识别标志杆中符号要素的临界位置；最大观察距离为所述标志杆的高度和观察因子的乘积，观察因子基于标志杆的表面垂直照度、行人的预期视敏度等确定；本领域技术人员可事先设置，在一些实施例中，观察因子的取值范围为2至50；基于最大观察距离确定的有效作用线能够反映标志杆对行人的作用范围，通过将多条外切线依次连接形成外延线，能够反映全部标志杆对行人的最大作用范围，从而初步确定图像处理的区域。在一些实施例中，外延线包含在监控区域内。

步骤S330，基于所述标志杆对应的像素点的颜色信息确定标志杆的警示颜色，基于所述标志杆的警示颜色确定风险系数，进而确定所述外延线和所述基准线的垂直距离，基于所述风险系数和所述垂直距离的乘积确定警戒距离，将所述外延线收缩到与所述基准线的距离为所述警戒距离，得到警戒线；所述警戒线位于所述基准线和所述外延线之间。

在一些实施例中，施工区域有不同的作业类型，例如材料堆放、路面检修、高空作业等，不同的作业类型具有不同的风险，出于风险防范的需要，行人在看到标志杆后，不应过于靠近施工区域，需要设置一定的警戒距离，本步骤基于标志杆的警示颜色确定风险系数，进而基于所述风险系数和所述垂直距离的乘积确定警戒距离，得出全部标志杆对行人的实际作用范围，从而与实际应用场景中不同标志杆对应的风险相适应，准确确定后续图像处理的警戒区域。

在一些实施例中，步骤S330中，所述基于所述标志杆对应的像素点的颜色信息确定标志杆的警示颜色，基于所述标志杆的警示颜色确定风险系数，包括：

步骤S331，采用DBScan算法对各个标志杆对应的像素点进行颜色聚类，得到多个颜色簇；

步骤S332，对每个颜色簇中像素的颜色值求平均值，得到各个颜色簇的平均色；

步骤S333，将平均色为白色和黑色的颜色簇剔除后，将剩余的颜色簇中像素数量最多的颜色簇对应的平均色作为标志杆的主体色；

步骤S334，将与所述主体色相似度最高的警示颜色作为所述标志杆的警示颜色；

步骤S335，确定与所述标志杆的警示颜色对应的风险系数；其中，所述警示颜色对应的风险系数随警示级别的升高而增加。

需要说明的是，在一些实施例中，所述警示颜色包括红色、黄色和蓝色，每种警示颜色分别对应一个风险系数，所述警示颜色为红色、黄色和蓝色对应的风险系数依次减少，且取值范围均在0到1之间，不同的警示颜色具有不同的警示级别，分别起到禁止、警告、指令、提示等作用；例如，红色表示不准或制止某种行为，黄色表示使人注意可能发生的危险，蓝色表示必须遵守，用来强制或限制人们的行为。本实施例基于不同颜色的警示级别确定对应的风险系数，风险系数越大表示防护等级越高。

在一些实施例中，步骤S400中，所述对所述监控视频中的警戒区域进行行人检测，若确定有行人进入所述警戒区域，则确定所述行人在连续多个时刻与所述基准线的垂直距离和夹角，基于所述行人在连续多个时刻与所述基准线的垂直距离和夹角计算得到所述行人越过所述基准线的风险值，包括：

步骤S410，对所述监控视频采样得到监控图像，确定所述监控图像中的警戒区域，并对所述警戒区域进行行人检测；

在确定警戒区域后，继续对所述监控视频进行采样，由于仅对视频流中的警戒区域进行行人检测，可使图像处理的对象缩小到警戒区域，通过减少处理范围小，提高运算速度，提高监控效率。

步骤S420，若确定有行人进入所述警戒区域，则以设定时间间隔对所述监控视频连续采样得到多帧采样图像，确定所述行人在连续多帧的采样图像中的位置；

步骤S430，确定所述行人在多帧采样图像中的最小外接矩形，将所述最小外接矩形的中心作为所述行人的质心，得到所述行人在连续多个时刻的质心；

也就是说，若确定有行人进入所述警戒区域，则基于连续采样得到的多帧采样图像对该行人进行目标追踪，并对行人所在位置进行简化，以行人的质心作为处理对象，提高计算效率。

步骤S440，分别确定所述行人在连续多个时刻的质心与所述基准线的垂直距离，基于所述行人在连续多个时刻的质心确定所述行人在连续多个时刻与所述基准线的夹角；

步骤S450，当确定所述垂直距离小于距离阈值时，通过以下公式计算得到所述行人在当前时刻的风险值：

其中，n为采样图像的总帧数，d(i)为第i帧采样图像内的质心与基准线的垂直距离，d(i-1)为第i-1帧采样图像内的质心与基准线的垂直距离，θ(i)为第i帧采样图像内的质心的切线方向与基准线的夹角，θ(i)的取值范围为[0，90°]，Ri sk(n)为所述行人在当前时刻的风险值。

在一些实施例中，d(i)的取值范围为[0，d]，单位为米；d为距离阈值，d≥30米，在一实施例中，d＝30米，则30米以外的距离认为无越过警戒线的风险，不进行风险值计算；

需要说明的是，距离警戒线越近，和/或与警戒线的夹角越大，表示越过警戒线的趋势越明显，越有可能越过警戒线，当距离接近于0时，处于警戒线边缘，其运动趋势极可能越过警戒线，累计得到的风险值会增加；夹角越大，风险值增加的越快，当风险值达到风险阈值时，触发越线报警，从而警示行人尽快远离；距离警戒线越远，表示远离警戒线的趋势越明显，越有可能离开警戒线，累计得到的风险值减少，夹角越大，风险值减少的越快，当风险值低于风险阈值时，解除越线报警；当垂直距离大于距离阈值时，与警戒线相距甚远，无论夹角多大，其运动趋势均不可能越过警戒线，不会达到风险阈值；本实施例综合考虑过往多个时刻的距离和夹角，形成行为趋势，准确预测行人的运动趋势，

在一些实施例中，步骤S440中，所述基于所述行人在连续多个时刻的质心确定所述行人在连续多个时刻与所述基准线的夹角，包括：

步骤S441，确定第i帧采样图像内质心的坐标和第i-1帧采样图像内质心的坐标，基于所述第i帧采样图像内质心的坐标和第i-1帧采样图像内质心的坐标计算得到第i帧采样图像内质心的方向角；

步骤S442，在所述基准线上任意选取两个像素点，确定所述基准线上两个像素点的坐标，基于所述两个像素点的坐标确定所述基准线的方向角；

步骤S443，将所述基准线的方向角和所述第i帧采样图像内质心的方向角确定在第i帧采样图像的采样时刻所述行人与所述基准线的夹角；

步骤S444，将n帧采样图像的采样时刻所述行人与所述基准线的夹角作为所述行人在连续多个时刻与所述基准线的夹角。

在一些实施例中，第i帧采样图像内质心的方向角的计算公式为：

其中，(x

所述基准线的方向角的计算公式为：

其中，(x1，y1)、(x2，y2)表示所述基准线上两个像素点的坐标，θ(0)表示所述基准线的方向角。

在一些实施例中，在第i帧采样图像的采样时刻所述行人与所述基准线的夹角的计算公式为：

其中，θ(i)表示在第i帧采样图像的采样时刻所述行人与所述基准线的夹角。

需要说明的是，φ(i)、θ(0)的取值范围均为[-90°,90°]，计算得到的θ(i)的取值范围为[0,90°]。

另外，参照图2，本发明的一个实施例还提供了一种电子设备10，该电子设备10包括：存储器11、处理器12及存储在存储器11上并可在处理器12上运行的计算机程序。

处理器12和存储器11可以通过总线或者其他方式连接。

实现上述实施例的基于视频监控的行人越界预警方法所需的非暂态软件程序以及指令存储在存储器11中，当被处理器12执行时，执行上述实施例中的基于视频监控的行人越界预警方法。

此外，本发明的一个实施例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存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述电子设备实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的基于视频监控的行人越界预警方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。

在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。

作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

上述本申请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，本申请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/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台多媒体终端设备(可以是手机，计算机，电视接收机，或者网络设备等)执行本申请各个实施例所述的方法。

以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。