一种基于改进LCS的网络视频识别匹配方法、装置和设备

技术领域

本申请属于网络流量分析技术领域，具体涉及一种基于改进LCS(Longest CommonSubsequence，最长公共子序列)的网络视频识别匹配方法、装置和设备。

背景技术

随着互联网技术的高速发展，全球网络用户对视频业务的需求快速增长。为了能够进一步提升网络用户的视频服务体验，以及不断完善互联网信息安全的管理制度，运营商及相关网络管理部门对于网络视频识别匹配的研究越来越重视。

目前，针对网络视频识别匹配的方法主要是基于视频的报文响应的地址、协议、响应时间等作为特征进行识别。然而，在识别匹配过程中，由于视频的报文响应的地址、协议、响应时间等特征容易受到复杂网络环境的影响，因而这种方式不能准确的识别网络视频。

发明内容

为此，本申请提供一种基于改进LCS的网络视频识别匹配方法、装置和设备，有助于帮助解决网络视频在识别匹配过程中存在的因复杂网络环境导致的识别误差较大、准确率低的问题。

为实现以上目的，本申请采用如下技术方案：

第一方面，本申请提供一种基于改进LCS的网络视频识别匹配方法，包括：

获取目标视频的目标视频特征和目标音频特征；

基于所述目标视频特征和所述目标音频特征，生成所述目标视频的目标视频指纹；

基于对所述目标视频指纹和样本视频指纹库中的每个样本视频指纹求改进最长公共子序列，得到所述目标视频指纹和每个样本视频指纹之间的视频相似度和音频相似度；其中，所述样本视频指纹库包括多个样本视频对应的样本视频指纹，每个样本视频对应的样本视频指纹包括该样本视频的样本音频特征和样本视频特征；

根据所述视频相似度和所述音频相似度，生成所述目标视频指纹和每个样本视频指纹之间的音视频结合相似度；

按照所述音视频结合相似度由高至低的顺序，从各个样本视频中选取预设数量个样本视频，并根据所述预设数量个样本视频生成所述目标视频对应的匹配视频列表。

进一步地，所述基于对所述目标视频指纹和样本视频指纹库中的每个样本视频指纹求改进最长公共子序列，得到所述目标视频指纹和每个样本视频指纹之间的视频相似度和音频相似度，包括：

对所述目标视频指纹中的目标视频特征和所述样本视频指纹库中每个样本视频指纹中的样本视频特征求第一改进最长公共子序列，并根据所述第一改进最长公共子序列确定所述视频相似度；以及

对所述目标视频指纹中的目标音频特征和所述样本视频指纹库中每个样本视频指纹中的样本音频特征求第二改进最长公共子序列，并根据所述第二改进最长公共子序列确定所述音频相似度。

进一步地，所述根据所述第一改进最长公共子序列确定所述视频相似度，包括：

根据所述样本视频特征的数据序列长度、所述目标视频特征的数据序列长度、所述第一改进最长公共子序列的长度以及预设的视频相似度计算公式，计算得到所述视频相似度，其中，所述预设的视频相似度计算公式如下：

Sv

其中，Sv

进一步地，所述根据所述第二改进最长公共子序列确定所述音频相似度，包括：

根据所述样本音频特征的数据序列长度、所述目标音频特征的数据序列长度、所述第二改进最长公共子序列的长度以及预设的音频相似度计算公式，计算得到所述音频相似度，其中，所述预设的音频相似度计算公式如下：

Sa

其中，Sa

进一步地，所述改进最长公共子序列为第一字符串与第二字符串之间满足预设条件、且长度最大的目标字符串，其中，所述预设条件如下：

所述目标字符串是基于所述第一字符串的字符相对顺序生成的；并且

所述目标字符串的每个元素满足预设的误差条件。

进一步地，所述根据所述视频相似度和所述音频相似度，生成所述目标视频指纹和每个样本视频指纹之间的音视频结合相似度，包括：

对于每个样本视频指纹，将所述视频相似度、所述音频相似度、所述视频相似度的权重以及所述音频相似度的权重代入预设的音视频结合相似度计算公式，得到所述目标视频指纹和该样本视频指纹之间的音视频结合相似度；其中，所述预设的音视频结合相似度计算公式如下：

S

其中，S

进一步地，所述获取目标视频的目标视频特征和目标音频特征，包括：

获取所述目标视频的目标视频数据序列；

根据所述目标视频数据序列中数据长度大于长度阈值的多个视频数据，生成所述目标视频的所述目标视频特征；以及

根据所述目标视频数据序列中数据长度小于或等于所述长度阈值的多个视频数据，生成所述目标视频的所述目标音频特征。

进一步地，所述方法还包括：

获取每个样本视频在不同分辨率下的样本视频数据序列；

根据每个样本视频对应的样本视频数据序列中数据长度大于长度阈值的多个视频数据，生成每个样本视频对应的样本视频特征；以及

根据每个样本视频对应的样本视频数据序列中数据长度小于或者等于所述长度阈值的多个视频数据，生成每个样本视频对应的样本音频特征；

基于每个样本视频对应的样本视频特征和样本音频特征，生成每个样本视频的样本指纹；

基于各个样本视频的样本指纹，生成所述样本视频指纹库。

第二方面，本申请提供一种基于改进LCS的网络视频识别匹配装置，包括：

目标视频获取模块，用于获取目标视频的目标视频特征和目标音频特征；

目标视频指纹生成模块，用于基于所述目标视频特征和所述目标音频特征，生成所述目标视频的目标视频指纹；

相似度计算模块，用于基于对所述目标视频指纹和样本视频指纹库中的每个样本视频指纹求改进最长公共子序列，得到所述目标视频指纹和每个样本视频指纹之间的视频相似度和音频相似度；其中，所述样本视频指纹库包括多个样本视频对应的样本视频指纹，每个样本视频对应的样本视频指纹包括该样本视频的样本音频特征和样本视频特征；

结合相似度计算模块，用于根据所述视频相似度和所述音频相似度，生成所述目标视频指纹和每个样本视频指纹之间的音视频结合相似度；

视频匹配分析模块，用于按照所述音视频结合相似度由高至低的顺序，从各个样本视频中选取预设数量个样本视频，并根据所述预设数量个样本视频生成所述目标视频对应的匹配视频列表。

第三方面，本申请提供一种基于改进LCS的网络视频识别匹配设备，包括：

一个或者多个存储器，其上存储有可执行程序；

一个或者多个处理器，用于执行所述存储器中的所述可执行程序，以实现上述所述方法的步骤。

本申请采用以上技术方案，至少具备以下有益效果：

本申请，通过获取目标视频的视频特征和音频特征，与样本视频指纹库中的每个视频的视频指纹进行匹配，识别视频本身的特征，相较于基于视频的报文响应的地址、协议、响应时间等作为特征进行识别，能够充分准确的进行视频识别匹配。并且，由于视频本身的特征不受复杂网络环境的干扰，因而能够减少识别匹配过程中因复杂网络环境导致的误差。通过计算视频指纹之间的改进最长公共下降子序列，得到音视频结合相似度，生成匹配视频列表，提高网络视频识别匹配的准确率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

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，下面描述中的附图仅仅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是本申请实施例示出的一种基于改进LCS的网络视频识别匹配方法的流程图；

图2是本申请实施例示出的一种基于改进LCS的网络视频识别匹配装置的框图示意图；

图3是本申请实施例示出的一种基于改进LCS的网络视频识别匹配设备的框图示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅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的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。

请参阅图1，图1是本申请实施例示出的一种基于改进LCS的网络视频识别匹配方法的流程图，如图1所示，该方法包括：如下步骤：

步骤S11、获取目标视频的目标视频特征和目标音频特征；

步骤S12、基于所述目标视频特征和所述目标音频特征，生成所述目标视频的目标视频指纹；

步骤S13、基于对所述目标视频指纹和样本视频指纹库中的每个样本视频指纹求改进最长公共子序列，得到所述目标视频指纹和每个样本视频指纹之间的视频相似度和音频相似度；其中，所述样本视频指纹库包括多个样本视频对应的样本视频指纹，每个样本视频对应的样本视频指纹包括该样本视频的样本音频特征和样本视频特征；

步骤S14、根据所述视频相似度和所述音频相似度，生成所述目标视频指纹和每个样本视频指纹之间的音视频结合相似度；

步骤S15、按照所述音视频结合相似度由高至低的顺序，从各个样本视频中选取预设数量个样本视频，并根据所述预设数量个样本视频生成所述目标视频对应的匹配视频列表。

在本实施例中，执行主体可以为终端设备、服务器等电子设备。

具体的，在网络视频识别匹配过程中，由于视频的报文响应的地址、协议、响应时间等特征容易受到复杂网络环境的影响，因而这种基于视频的报文响应的地址、协议、响应时间等作为特征进行识别的方式不能准确的识别网络视频。本申请，执行主体通过获取目标视频的视频特征和音频特征，与样本视频指纹库中的每个视频的视频指纹进行匹配，识别视频本身的特征，相较于基于视频的报文响应的地址、协议、响应时间等作为特征进行识别，能够充分准确的进行视频识别匹配。

在实际应用中，本申请方法对于网络视频的识别可以是Youtube视频，也可以是其他视频服务提供商提供的视频。

具体地，在执行本申请方法时，先离线构建样本视频指纹库，具体如下：

获取每个样本视频在不同分辨率下的样本视频数据序列；

根据每个样本视频对应的样本视频数据序列中数据长度大于长度阈值的多个视频数据，生成每个样本视频对应的样本视频特征；以及

根据每个样本视频对应的样本视频数据序列中数据长度小于或者等于所述长度阈值的多个视频数据，生成每个样本视频对应的样本音频特征；

基于每个样本视频对应的样本视频特征和样本音频特征，生成每个样本视频的样本指纹；

基于各个样本视频的样本指纹，生成所述样本视频指纹库。

需要说明的是，网络视频在传输过程中，通常是将视频内容切片成多个很短的文件片段，以切片的形式进行传输。每个文件片段都有不同的码率，每个片段就是一个小的切片，对应着视频的多个数据序列。传输过程中，音频和视频的切片会分开，不同的视频分辨率也对应不同的视频切片。

样本视频数据序列就是将视频内容切片成具有不同码率的片段数据，其中既包括用于描述视频画面的特征数据，又包括用于描述视频声音的特征数据，用于描述视频画面的特征数据的长度往往较长，用于描述视频声音的特征数据往往较短。对此，可以设置预设的长度阈值来从样本视频数据序列中区分用于描述视频画面的特征数据和用于描述视频声音的特征数据。其中，样本视频特征是样本视频数据序列中数据长度大于预设的长度阈值的多个特征数据，样本音频特征是样本视频数据序列中数据长度小于或者等于预设的长度阈值的多个特征数据。将样本视频特征和样本音频特征中的视频数据进行长度降序排列后，得到的特征向量就构成了样本视频指纹。

在离线构建样本视频指纹库时，需要搭建一台可访问网络视频的服务器，并且准备需要构建的样本视频的播放列表，将播放列表中的所有视频，使用所有分辨率分别进行播放，记录每个视频的数据序列，从而获取到每个样本视频在不同分辨率下的样本视频数据序列。视频数据序列中的数据长度一般为几百到几万的。

预设一个数据序列的长度阈值，其中，样本视频数据序列中数据长度大于预设的长度阈值的多个视频数据，对应生成样本视频特征；样本视频数据序列中数据长度小于或者等于预设的长度阈值的多个视频数据，对应生成样本音频特征；对每个样本视频每个分辨率下的样本视频特征、样本音频特征中的数据长度进行降序排序，得到每个样本视频的样本指纹，各个样本视频的样本指纹生成样本视频指纹库，样本视频指纹库构建完成。这样，每次进行网络视频识别匹配时，只需直接调用样本视频指纹库中的样本视频指纹即可。

以Youtube视频举例说明，搭建一台可访问Youtube的服务器并配置代理；准备样本视频的播放列表，使用分辨率f＝1080p逐一播放10个视频URL；获取所有的10个样本视频的视频数据序列；设样本视频编号为n，数据序列长度阈值为L，对于数据序列中数据长度大于L的数据，记为样本视频特征V

例如，其中一个样本视频n(Youtube id：ANpKMtl2buE)，设定的数据序列长度阈值L＝493000，这里的L即为上述的长度阈值。

该样本视频n的样本视频特征V

V

该样本视频n的样本音频特征A

A

具体地，对于所述获取目标视频的目标视频特征和目标音频特征，主要包括：

获取所述目标视频的目标视频数据序列；

根据所述目标视频数据序列中数据长度大于长度阈值的多个视频数据，生成所述目标视频的所述目标视频特征；以及

根据所述目标视频数据序列中数据长度小于或等于所述长度阈值的多个视频数据，生成所述目标视频的所述目标音频特征。

具体地，对于基于所述目标视频特征和所述目标音频特征，生成所述目标视频的目标视频指纹。

需要说明的是，目标视频数据序列就是将当前播放的视频的视频内容切片成具有不同码率的片段数据，其中既包括用于描述视频画面的特征数据，又包括用于描述视频声音的特征数据，用于描述视频画面的特征数据的长度往往较长，用于描述视频声音的特征数据往往较短。对此，可以设置预设的长度阈值来从样本视频数据序列中区分用于描述视频画面的特征数据和用于描述视频声音的特征数据。

目标视频特征和目标音频特征是目标视频的两个主要特征，其中，目标视频特征是当前播放的视频数据序列中数据长度大于预设的长度阈值的多个特征数据，目标音频特征是当前播放的视频数据序列中数据长度小于或者等于预设的长度阈值的多个特征数据。目标视频指纹包括目标视频的目标视频特征和目标音频特征，将目标视频特征和目标音频特征中的视频数据进行降序排列，得到的特征向量构成目标视频指纹。此处获取的是目标视频的视频特征和音频特征，识别视频本身的特征，相较于基于视频的报文响应的地址、协议、响应时间等作为特征进行识别，能够充分准确的进行视频识别匹配。并且，由于视频本身的特征不受复杂网络环境的干扰，因而能够减少识别匹配过程中因复杂网络环境导致的误差。

例如，实时播放一个Youtube视频，实时记录其数据序列长度，设该目标视频编号为x，数据序列长度阈值为L，这里的L即为上述长度阈值，对于数据序列中数据长度大于L的数据，记为该目标视频特征V

例如，当前目标视频x的数据序列长度阈值L＝520000，该目标视频x的目标视频特征V

[2097152,2097152,2097152,2097152,2097152,2097152,2097152,2097152,2097152,2097152,2097152,2091698,2083960,2082450,2070884,2068447,2058701,2050150,2038049,2036862,2024103,2020716,2013977,2005756,1992524,1991255,1982544,1971071,1947342,1936234,1934244,1929030,1907200,1907200,1896321,1880126,1878076,1870428,1862222,1841600,1825162,1805162,1796668,1774927,1752506,1752506,1746222,1729134,1719107,1705920,1703867,1670481,1648178,1640274,1631820,1627063,1613984,1585097,1583683,1574740,1574740,1555951,1555951,1551645,1540113,1527956,1523747,1521226,1518288,1469992,1454392,1438126,1407858,1403340,1384251,1354914,1354297,1352889,1341463,1324323,1317133,1309408,1304443,1294861,1282131,1080172,956597,928749,748502,591922,542087]；

该目标视频x的目标音频特征A

A

具体地，所述基于对所述目标视频指纹和样本视频指纹库中的每个样本视频指纹求改进最长公共子序列，得到所述目标视频指纹和每个样本视频指纹之间的视频相似度和音频相似度，包括：

对所述目标视频指纹中的目标视频特征和所述样本视频指纹库中每个样本视频指纹中的样本视频特征求第一改进最长公共子序列，并根据所述第一改进最长公共子序列确定所述视频相似度；以及

对所述目标视频指纹中的目标音频特征和所述样本视频指纹库中每个样本视频指纹中的样本音频特征求第二改进最长公共子序列，并根据所述第二改进最长公共子序列确定所述音频相似度。

其中，所述改进最长公共子序列为第一字符串与第二字符串之间满足预设条件、且长度最大的目标字符串，其中，所述预设条件如下：

所述目标字符串是基于所述第一字符串的字符相对顺序生成的；并且

所述目标字符串的每个元素满足预设的误差条件。

需要说明的是，最长公共子序列是一个在一个序列集合中(通常为两个序列)用来查找所有序列中最长子序列的问题。一个数列，如果分别是两个或多个已知数列的子序列，且是所有符合此条件序列中最长的，则称为已知序列的最长公共子序列。同时，最长公共子序列可以描述两段文字之间的“相似度”。

本申请中提到的改进最长公共子序列的定义为：

设字符串A’＝[A’

A’＝[A’

此处，A’＝[A’

需要说明的是，本申请中提到的第一改进最长公共子序列是目标视频指纹中的目标视频特征和样本视频指纹库中每个样本视频指纹中的样本视频特征的改进最长公共子序列，第二改进最长公共子序列是目标视频指纹中的目标音频特征和样本视频指纹库中每个样本视频指纹中的样本音频特征的改进最长公共子序列。

同时，本申请中求改进最长公共子序列的长度的具体计算过程如下：

对于长度为m的字符串A＝[A

对于所有的i和j，令D[i][0]＝0，D[0][j]＝0；

对于所有大于0的i和j，根据以下状态转移方程计算：

若A

若A

其中，Delta为误差范围值常量，

最终D[m][n]就是改进最长公共子序列的长度。

具体地，所述根据所述第一改进最长公共子序列确定所述视频相似度，包括：

根据所述样本视频特征的数据序列长度、所述目标视频特征的数据序列长度、所述第一改进最长公共子序列的长度以及预设的视频相似度计算公式，计算得到所述视频相似度，其中，所述预设的视频相似度计算公式如下：

Sv

其中，Sv

所述根据所述第二改进最长公共子序列确定所述音频相似度，包括：

根据所述样本音频特征的数据序列长度、所述目标音频特征的数据序列长度、所述第二改进最长公共子序列的长度以及预设的音频相似度计算公式，计算得到所述音频相似度，其中，所述预设的音频相似度计算公式如下：

Sa

其中，Sa

那么，针对上述实施例提到目标视频编号x与样本视频编号n的相似度计算情况如下：

目标视频编号x的目标视频特征数据序列长度Lv

类似的，计算得到目标视频编号x与样本视频编号n的音频相似度Sa

具体地，所述根据所述视频相似度和所述音频相似度，生成所述目标视频指纹和每个样本视频指纹之间的音视频结合相似度，包括：

对于每个样本视频指纹，将所述视频相似度、所述音频相似度、所述视频相似度的权重以及所述音频相似度的权重代入预设的音视频结合相似度计算公式，得到所述目标视频指纹和该样本视频指纹之间的音视频结合相似度；其中，所述预设的音视频结合相似度计算公式如下：

S

其中，S

需要说明的是，视频相似度是对目标视频特征与样本视频特征匹配的相似程度的一个表征，音频频相似度是对目标音频频特征与样本音频特征匹配的相似程度的一个表征，音视频结合相似度是目标视频指纹与样本视频指纹匹配的相似程度的一个表征，是视频相似度和音频相似度按权重相结合得到的视频匹配的相似程度。通过分别计算目标视频指纹与样本视频指纹之间的改进最长公共子序列，分别得到视频相似度和音频相似度，再根据视频相似度和音频相似度得到音视频结合相似度，生成匹配视频列表，提高网络视频识别匹配的准确率。

那么，在上述实施例中，设视频相似度的权重为Wv＝0.8，音频相似度的权重为Wa＝0.2，则，计算得到目标视频编号x与样本视频编号n的音视频结合相似度S

以同样的方法，计算目标视频与样本指纹库中其他样本视频的音视频结合相似度，将得到的音视频结合相似度由高至低的顺序，根据预设数量个样本视频生成目标视频对应的匹配视频列表，完成视频识别匹配。

需要说明的是，音视频结合相似度的数值越高，表示目标视频与样本视频匹配的相似程度越高。生成的匹配视频列表表明了目标视频与样本视频匹配的相似程度的高低。

请参阅图2，图2是本申请实施例示出的一种基于改进LCS的网络视频识别匹配装置的框图示意图，该基于改进LCS的网络视频识别匹配装置100，包括：

目标视频获取模块101，用于获取目标视频的目标视频特征和目标音频特征；

目标视频指纹生成模块102，用于基于所述目标视频特征和所述目标音频特征，生成所述目标视频的目标视频指纹；

相似度计算模块103，用于基于对所述目标视频指纹和样本视频指纹库中的每个样本视频指纹求改进最长公共子序列，得到所述目标视频指纹和每个样本视频指纹之间的视频相似度和音频相似度；其中，所述样本视频指纹库包括多个样本视频对应的样本视频指纹，每个样本视频对应的样本视频指纹包括该样本视频的样本音频特征和样本视频特征；

结合相似度计算模块104，用于根据所述视频相似度和所述音频相似度，生成所述目标视频指纹和每个样本视频指纹之间的音视频结合相似度；

视频匹配分析模块105，用于按照所述音视频结合相似度由高至低的顺序，从各个样本视频中选取预设数量个样本视频，并根据所述预设数量个样本视频生成所述目标视频对应的匹配视频列表。

请参阅图3，图3是本申请实施例示出的一种基于改进LCS的网络视频识别匹配设备200，包括：

一个或者多个存储器201，其上存储有可执行程序；

一个或者多个处理器202，用于执行所述存储器中的所述可执行程序，以实现上述所述方法的步骤。

关于上述实施例中的一种基于改进LCS的网络视频识别匹配设备200，其处理器202执行存储器201中程序的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”、“多”的含义是指至少两个。

应该理解，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者可能同时存在居中元件；当一个元件被称为“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件,此外，这里使用的“连接”可以包括无线连接；使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为：表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。