一种摄像头的自动除雾方法、装置、设备和介质

技术领域

本申请涉及智能控制技术领域，尤其涉及一种摄像头的自动除雾方法、装置、设备和介质。

背景技术

在自动驾驶系统方案中，摄像头已经成为了不可或缺的组成部分，是最重要的传感器之一。当摄像头出现故障，不能正常工作时，自动驾驶的功能基本无法使用。

自动驾驶车辆的驾驶室内均会配备向前的摄像头，摄像头的安装位置在前挡风玻璃上，车辆行驶过程中，特别是在冬天，因车内外温差较大，驾驶室前风挡玻璃以及摄像头镜头极易产生雾气，当雾气较大时，摄像头图像就会变得越来越模糊，影响自动驾驶功能。当摄像头前方产生雾气时，摄像头获取的图像模糊不清，自动驾驶系统的感知算法在识别目标、车道线时就会出现错误，不能准确识别前方目标，产生漏检、误检，车道线不能识别或者识别的车道线扭曲、类型错误，距离变短等问题，目标和车道线的问题会导致自动驾驶功能的降级，甚至出现安全事故。

现有的技术方案是通过拍摄角度向前的摄像头获取车头前方图像，然后基于拍摄图像中物体的清晰度，物体之间的相似度，来确定摄像头是否起雾。然而，在实际车辆行驶过程中，行驶速度较快，车辆抖动较大，拍摄的图像本身就不清晰，基于不清晰的图像去检测摄像头的起雾状态，存在误检的可能性比较高，在行驶过程中单一的道路场景下，物体之间的相似度也比较高，也容易发生误检，导致除雾不及时。并且如果在车辆启动前就已经产生雾气或者车辆在连续弯道产生雾气等情况下，无法识别起雾状态，也就无法启动自动除雾功能，为自动驾驶功能埋下安全隐患。

因此，如何对摄像头的起雾情况进行准确判断，并快速除雾是亟需解决的技术问题。

发明内容

本申请的主要目的在于提供一种摄像头的自动除雾方法、装置、设备和截止，旨在解决上述技术问题。

第一方面，本申请提供一种摄像头的自动除雾方法，所述方法包括以下步骤：

将摄像头拍摄的图像输入至训练好的雾气检测模型中，以获取所述摄像头的起雾程度；

根据所述摄像头的起雾程度确定所述摄像头的起雾等级；

根据所述摄像头的起雾等级开启对应的除雾模式，以对所述摄像头进行除雾。

一些实施例中，该方法还包括训练所述雾气检测模型的步骤，其包括：

将多张摄像头起雾时拍摄的图像划分为雾气检测模型的训练集和测试集；

通过所述训练集对所述雾气检测模型进行训练，并通过损失函数计算所述雾气检测模型的分类任务和回归任务的损失；

利用反向传播算法根据所述雾气检测模型的损失更新所述雾气检测模型的网络权重，直至将所述测试集输入至所述雾气检测模型后，所述雾气检测模型输出的摄像头的起雾程度的准确率大于预设的准确率阈值，以获得训练好的雾气检测模型。

一些实施例中，将多张摄像头起雾时拍摄的图像划分为雾气检测模型的训练集和测试集，包括：

将M张摄像头起雾时拍摄的图像中的N张图像的起雾程度进行标注；

通过标注后的N张图像对原始的雾气检测模型进行训练，以获得预训练的雾气检测模型；

将M张图像中未进行标注的L图像输入至预训练的雾气检测模型中，通过预训练的雾气检测模型对L张图像的起雾程度进行标注，以获取L张图像起雾程度的标注结果；

检查L张图像的标注结果，并对标注结果不合格的图像的起雾程度结果进行调整；

将完成标注的M张图像进行翻转、缩放、均值归一化和色调变化处理，并将处理后的M张图像划分为雾气检测模型的训练集和测试集。

一些实施例中，根据所述摄像头的起雾等级开启对应的除雾模式，以对所述摄像头进行除雾，还包括：

根据所述摄像头的起雾等级控制车载空调开启对应的除雾模式，并根据所述起雾等级的变化调整所述车载空调的除雾模式，以对所述摄像头进行除雾。

一些实施例中，根据所述摄像头的起雾等级控制车载空调开启对应的除雾模式，并根据所述起雾等级的变化调整所述车载空调的除雾模式，以对所述摄像头进行除雾，包括：

若所述摄像头的起雾等级为第一等级，则所述车载空调不开启除雾模式；

若所述摄像头的起雾等级为第二等级，则控制所述车载空调开启第一除雾模式，并在所述摄像头的起雾等级降低到第一等级且维持预设时长后，控制所述车载空调退出除雾模式；

若所述摄像头的起雾等级为第三等级，则控制所述车载空调开启第二除雾模式，并在所述摄像头的起雾等级降低到第二等级且维持预设时长后，控制所述车载空调调整为第一除雾模式，在所述摄像头的起雾程度降低到第一等级且维持预设时长后，控制所述车载空调退出除雾模式；

若所述摄像头的起雾程度为第四等级，则控制所述车载空调开启第三除雾模式，并在所述摄像头的起雾程度降低到第三等级且维持预设时长后，控制所述车载空调调整为第二除雾模式，在所述摄像头的起雾程度降低到第二等级且维持预设时长后，控制所述车载空调调整为第一除雾模式，在所述摄像头的起雾程度降低到第一等级且维持预设时长后，控制所述车载空调退出除雾模式。

一些实施例中，所述车载空调在不同除雾模式下的风力档位不同，其中，所述第三除雾模式的风力档位大于所述第二除雾模式，所述第二除雾模式的风力档位大于所述第一除雾模式。

一些实施例中，所述根据所述摄像头的起雾程度确定所述摄像头的起雾等级，包括：

当所述摄像头的起雾程度低于25％时，确定所述摄像头的起雾程度为第一等级；

当所述摄像头的起雾程度大于或等于25％，且小于50％时，确定所述摄像头的起雾程度为第二等级；

当所述摄像头的起雾程度大于或等于50％，且小于75％时，确定所述摄像头的起雾程度为第三等级；

当所述摄像头的起雾程度大于或等于50％，且小于或等于100％时，确定所述摄像头的起雾程度为第四等级。

第二方面，本申请还提供一种摄像头的自动除雾装置，所述装置包括：

获取模块，其用于将摄像头拍摄的图像输入至训练好的雾气检测模型中，以获取所述摄像头的起雾程度；

确定模块，其用于根据所述摄像头的起雾程度确定所述摄像头的起雾等级；

除雾模块，其用于根据所述摄像头的起雾等级开启对应的除雾模式，以对所述摄像头进行除雾。

第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的摄像头的自动除雾方法的步骤。

第四方面，本申请还提供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，其中所述计算机程序被处理器执行时，实现如上述的摄像头的自动除雾方法的步骤。

本申请提供一种摄像头的自动除雾方法、装置、设备及和介质，通过将摄像头拍摄的图像输入至训练好的雾气检测模型中，以获取所述摄像头的起雾程度；根据所述摄像头的起雾程度确定所述摄像头的起雾等级；根据所述摄像头的起雾等级开启对应的除雾模式，以对所述摄像头进行除雾。实现了对摄像头起雾程度的准确识别，不会被外部道路环境影响，并且能够根据起雾程度的不同打开不同的除雾模式，实现了自动快速除雾，有效的提高了车辆的驾驶安全。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，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摄像头的自动除雾方法的流程示意图；

图2为雾气检测模型的训练过程示意图；

图3为雾气检测模型的测试过程示意图；

图4为本申请实施例提供的一种摄像头的自动除雾装置的示意性框图；

图5为本申请一实施例涉及的计算机设备的结构示意框图。

本申请目的的实现、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

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

附图中所示的流程图仅是示例说明，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、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

本申请实施例提供一种摄像头的自动除雾方法、装置、设备及介质。其中，该摄像头的自动除雾方法可应用于计算机设备中，该计算机设备可以是车身控制器、车载电脑等电子设备。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请参照图1，图1为本申请的实施例提供的一种摄像头的自动除雾方法的流程示意图。

如图1所示，该方法包括步骤S1至步骤S3。

步骤S1、将摄像头拍摄的图像输入至训练好的雾气检测模型中，以获取所述摄像头的起雾程度。

值得说明的是，车辆行驶过程中，通过摄像头实时采集图像，然后将采集的图像输入至训练好的雾气检测模型，通过雾气检测模型实时对图片进行检测，以实现实时确定摄像头的起雾程度。

一些实施例中，在使用训练好的雾气检测模型检测摄像头拍摄的图像，以获取摄像头的起雾程度之前，需要对雾气检测模型进行训练。训练雾气检测模型的步骤包括：将多张摄像头起雾时拍摄的图像划分为雾气检测模型的训练集和测试集；通过所述训练集对所述雾气检测模型进行训练，并通过损失函数计算所述雾气检测模型的分类任务和回归任务的损失；利用反向传播算法根据所述雾气检测模型的损失更新所述雾气检测模型的网络权重，直至将所述测试集输入至所述雾气检测模型后，所述雾气检测模型输出的摄像头的起雾程度的准确率大于预设的准确率阈值，以获得训练好的雾气检测模型。

值得说明的是，对于图片中雾气的准确识别是确定摄像头起雾程度和后续自动除雾的关键前提，通过间接的方式如物体清晰度、相似度等存在误检的较多，本申请采用直接方式识别雾气，雾气最直接的特点是白茫茫一片，摄像头拍摄到的图像上会存在明显的白色模糊部分，起雾程度不同，白色模糊部分的程度也不一样，应用深度学习检测算法，训练雾气检测模型，检测各种工况下的起雾程度。

示范性的，如图2所示，雾气检测模型包括基础骨干网络、特征融合网络以及预测网络三个部分，基础骨干网络采用的是用于图像分类的深度卷积网络，然后特征融合网络对基础骨干网络提取的特征进行融合，用于后续的分类和回归，常用的方法是特征金字塔结构，最后，预测网络进行分类和回归。其中，在对雾气检测模型进行训练时还设置有标签匹配模块，主要是为检测器提供真实值，在训练时常用交并比准则的目标检测方法，根据瞄点框与物体真实框之间的交并比将瞄点框分配到对应的物体，基于标签分类、匹配的结构，并且采用损失函数计算分类任务和回归任务的损失，并利用反向传播算法更新雾气检测模型的网络权重，从而提高雾气检测模型的检测效果。

值得说明的是，在对雾气检测模型进行训完之后，可以使用测试集对雾气检测模型进行测试。雾气检测模型在测试阶段输出给定图像中的起雾程度，如图3所示，主要包括输入图像、检测网络、后处理以及检测结果输出等过程。对于一张给定的图像，我们先利用训练好的检测网络生成分类和回归结果，一般而言，同一张图像会生成多个检测结果，因此，需要一个后处理步骤，旨在保留一个检测结果，并去除其他冗余的检测结果。在雾气检测模型输出检测结果，即输出摄像头的起雾程度后，将模型输出的结果与实际结果进行对比，当检测率和准确率达到95％以上时，即可以认为雾气检测模型训练完成，摄像头可以准确识别起雾场景，且只要控制器、摄像头上电后，即可实时检测起雾程度，不依赖于外部道路环境。

作为一种优选的实施方式，雾气检测模型的训练集和测试集中的图像，再被划分之前，需要进行预处理。将多张摄像头起雾时拍摄的图像划分为雾气检测模型的训练集和测试集，包括：将M张摄像头起雾时拍摄的图像中的N张图像的起雾程度进行标注；通过标注后的N张图像对原始的雾气检测模型进行训练，以获得预训练的雾气检测模型；将M张图像中未进行标注的L图像输入至预训练的雾气检测模型中，通过预训练的雾气检测模型对L张图像的起雾程度进行标注，以获取L张图像起雾程度的标注结果；检查L张图像的标注结果，并对标注结果不合格的图像的起雾程度结果进行调整；将完成标注的M张图像进行翻转、缩放、均值归一化和色调变化处理，并将处理后的M张图像划分为雾气检测模型的训练集和测试集。

示范性的，选取多张摄像头起雾时拍摄的图像作为原始图像进行特征工程，得到模型训练所需的原始数据集，然后对原始数据集进行数据增强等操作，把数据集分为训练集、测试集。具体的操作时，对原始数据集(M张)的中的一小部分图片(N张)的起雾程度进行任务标注。然后基于小部分标注图片，训练一个较弱的雾气检测模型成为预训练雾气检测模型，然后使用该模型对原始数据集中剩余的图片(L张)的起雾程度进行预标注。因为预训练的雾气检测模型的训练样本较少，其标注结果并不准确，因此在预标注完成后，对其中标注与实际不符的图片进行人工调整，即可得到全部已标注的图片。在获得标注后的图片后，可以通过预处理增强训练数据的多样化，例如翻转、缩放、均值归一化、色调变化等，然后将处理后的图片按照预设的比例划分为训练集和测试集，以此来提升检测网络的检测能力。

步骤S2、根据所述摄像头的起雾程度确定所述摄像头的起雾等级。

本实施例中，按照起雾程度不同划分为4个等级，当所述摄像头的起雾程度低于25％时，确定所述摄像头的起雾程度为第一等级；当所述摄像头的起雾程度大于或等于25％，且小于50％时，确定所述摄像头的起雾程度为第二等级；当所述摄像头的起雾程度大于或等于50％，且小于75％时，确定所述摄像头的起雾程度为第三等级；当所述摄像头的起雾程度大于或等于50％，且小于或等于100％时，确定所述摄像头的起雾程度为第四等级。

步骤S3、根据所述摄像头的起雾等级开启对应的除雾模式，以对所述摄像头进行除雾。

在一个实施例中，本申请的摄像头的自动除雾方法应用于车载摄像头时，根据所述摄像头的起雾等级控制车载空调开启对应的除雾模式，并根据所述起雾等级的变化调整所述车载空调的除雾模式，以对所述摄像头进行除雾。

再具体的实施例中，若所述摄像头的起雾等级为第一等级，则所述车载空调不开启除雾模式。即当起雾程度小于25％时，此时不影响谁信那个图对目标、车道线的识别，对自动驾驶没有影响。

若所述摄像头的起雾等级为第二等级，则控制所述车载空调开启第一除雾模式，并在所述摄像头的起雾等级降低到第一等级且维持预设时长后，控制所述车载空调退出除雾模式。即当起雾程度为大于或等于25％，小于50％之间时，此时摄像头处于轻微起雾状态，对自动驾驶有一定的影响，需开启除雾模式，摄像头发送信号给到车身控制模块BCM，BCM控制车载空调，开启前风挡玻璃自动除雾模式1，当摄像头持续2分钟实时识别的起雾程度低于25％时，退出自动除雾模式。

若所述摄像头的起雾等级为第三等级，则控制所述车载空调开启第二除雾模式，并在所述摄像头的起雾等级降低到第二等级且维持预设时长后，控制所述车载空调调整为第一除雾模式，在所述摄像头的起雾程度降低到第一等级且维持预设时长后，控制所述车载空调退出除雾模式。即当起雾程度为大于或等于50％，小于75％之间时，此时处于中度起雾状态，对自动驾驶影响增大，需降级，此时需开启除雾模式，摄像头发送信号给到BCM，BCM控制车载空调，开启前风挡玻璃自动除雾模式2，当摄像头持续2分钟实时识别的起雾程度处于大于或等于25％，小于50％时，切换为自动除雾模1，当摄像头持续2分钟实时识别的起雾程度低于25％时，退出自动除雾模式1。

若所述摄像头的起雾程度为第四等级，则控制所述车载空调开启第三除雾模式，并在所述摄像头的起雾程度降低到第三等级且维持预设时长后，控制所述车载空调调整为第二除雾模式，在所述摄像头的起雾程度降低到第二等级且维持预设时长后，控制所述车载空调调整为第一除雾模式，在所述摄像头的起雾程度降低到第一等级且维持预设时长后，控制所述车载空调退出除雾模式。即当起雾程度大于75％时，此时处于严重起雾状态，对自动驾驶有极大影响，自动驾驶功能无法开启，需开启除雾模式，摄像头发送信号给到BCM，BCM控制车载空调，开启前风挡玻璃自动除雾模式3，当摄像头持续2分钟实时识别的起雾程度处于大于或等于50％，小于75％时，切换为自动除雾模式2，当摄像头持续2分钟实时识别的起雾程度处于大于或等于25％，小于50％时，切换为自动除雾模1，当摄像头持续2分钟实时识别的起雾程度低于25％时，退出自动除雾模式1。

值得说明的是，所述车载空调在不同除雾模式下的风力档位不同，其中，所述第三除雾模式的风力档位大于所述第二除雾模式，所述第二除雾模式的风力档位大于所述第一除雾模式。

示范性的，自动除雾模式分为3个等级，假设空调风力为10档，自动除雾模式1，风力3档，温度25℃；自动除雾模式2，风力6档，温度25℃；自动除雾模式3，风力10档，温度25℃。

在一个具体的实时例中，车辆行驶过程中，由于内外温差，车内产生雾气，前风挡及摄像头镜头上产生雾气，对自动驾驶存在一定影响，检测到拍摄的图像的雾气程度处于25％～～50％之间，此时摄像头发送信号给BCM，BCM开启自动除雾模式1，待雾气消散后关闭。

在另一个具体的实时例中，车辆停放在路边，未启动，已产生雾气，前风挡玻璃及摄像头镜头上均有雾气，上电后，检测到摄像头拍摄的图像雾气程度大于75％，目标和车道线识别失败，自动驾驶不能使用，此时摄像头发送信号给BCM，BCM开启自动除雾模式3，待雾气逐渐消散后关闭。需要理解的是，车载摄像头通常安装在车辆的前挡风玻璃附近，当前挡风玻璃起雾时，也会使得摄像头拍摄的画面产生白色模糊效果，因此本实施例中通过雾气检测模型检测对图片起雾程度进行检测，对摄像头起雾和前挡风玻璃起雾有同等的检测效果。

本申请提供了一种摄像头的自动除雾方法，通过将摄像头拍摄的图像输入至训练好的雾气检测模型中，以获取所述摄像头的起雾程度；根据所述摄像头的起雾程度确定所述摄像头的起雾等级；根据所述摄像头的起雾等级开启对应的除雾模式，以对所述摄像头进行除雾。实现了对摄像头起雾程度的准确识别，不会被外部道路环境影响，并且能够根据起雾程度的不同打开不同的除雾模式，实现了自动快速除雾，有效的提高了车辆的驾驶安全。

请参照图4，图4为本申请实施例提供的一种摄像头的自动除雾装置的示意性框图。

如图4所示，该装置包括：

获取模块，其用于将摄像头拍摄的图像输入至训练好的雾气检测模型中，以获取所述摄像头的起雾程度；

确定模块，其用于根据所述摄像头的起雾程度确定所述摄像头的起雾等级；

除雾模块，其用于根据所述摄像头的起雾等级开启对应的除雾模式，以对所述摄像头进行除雾。

其中，该装置还用于：

将多张摄像头起雾时拍摄的图像划分为雾气检测模型的训练集和测试集；

通过所述训练集对所述雾气检测模型进行训练，并通过损失函数计算所述雾气检测模型的分类任务和回归任务的损失；

利用反向传播算法根据所述雾气检测模型的损失更新所述雾气检测模型的网络权重，直至将所述测试集输入至所述雾气检测模型后，所述雾气检测模型输出的摄像头的起雾程度的准确率大于预设的准确率阈值，以获得训练好的雾气检测模型。

其中，该装置还用于：

将M张摄像头起雾时拍摄的图像中的N张图像的起雾程度进行标注；

通过标注后的N张图像对原始的雾气检测模型进行训练，以获得预训练的雾气检测模型；

将M张图像中未进行标注的L图像输入至预训练的雾气检测模型中，通过预训练的雾气检测模型对L张图像的起雾程度进行标注，以获取L张图像起雾程度的标注结果；

检查L张图像的标注结果，并对标注结果不合格的图像的起雾程度结果进行调整；

将完成标注的M张图像进行翻转、缩放、均值归一化和色调变化处理，并将处理后的M张图像划分为雾气检测模型的训练集和测试集。

其中，所述除雾模块还用于：

根据所述摄像头的起雾等级控制车载空调开启对应的除雾模式，并根据所述起雾等级的变化调整所述车载空调的除雾模式，以对所述摄像头进行除雾。

其中，所述除雾模块还用于：

若所述摄像头的起雾等级为第一等级，则所述车载空调不开启除雾模式；

若所述摄像头的起雾等级为第二等级，则控制所述车载空调开启第一除雾模式，并在所述摄像头的起雾等级降低到第一等级且维持预设时长后，控制所述车载空调退出除雾模式；

若所述摄像头的起雾等级为第三等级，则控制所述车载空调开启第二除雾模式，并在所述摄像头的起雾等级降低到第二等级且维持预设时长后，控制所述车载空调调整为第一除雾模式，在所述摄像头的起雾程度降低到第一等级且维持预设时长后，控制所述车载空调退出除雾模式；

若所述摄像头的起雾程度为第四等级，则控制所述车载空调开启第三除雾模式，并在所述摄像头的起雾程度降低到第三等级且维持预设时长后，控制所述车载空调调整为第二除雾模式，在所述摄像头的起雾程度降低到第二等级且维持预设时长后，控制所述车载空调调整为第一除雾模式，在所述摄像头的起雾程度降低到第一等级且维持预设时长后，控制所述车载空调退出除雾模式。

其中，所述车载空调在不同除雾模式下的风力档位不同，其中，所述第三除雾模式的风力档位大于所述第二除雾模式，所述第二除雾模式的风力档位大于所述第一除雾模式。

其中，所述确定模块还用于：

当所述摄像头的起雾程度低于25％时，确定所述摄像头的起雾程度为第一等级；

当所述摄像头的起雾程度大于或等于25％，且小于50％时，确定所述摄像头的起雾程度为第二等级；

当所述摄像头的起雾程度大于或等于50％，且小于75％时，确定所述摄像头的起雾程度为第三等级；

当所述摄像头的起雾程度大于或等于50％，且小于或等于100％时，确定所述摄像头的起雾程度为第四等级。

需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块及单元的具体工作过程，可以参考前述实施例中的对应过程，在此不再赘述。

上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图5所示的计算机设备上运行。

请参阅图5，图5为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为车身控制器。

如图5所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。

非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种摄像头的自动除雾方法。

处理器用于提供计算和控制能力，支撑整个计算机设备的运行。

内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种摄像头的自动除雾方法。

该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，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、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本申请实施例还提供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，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本申请的各个实施例。

其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

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。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。