一种基于脉冲神经网络的人体移动检测方法及系统

技术领域

本发明涉及图像处理领域，具体涉及一种基于脉冲神经网络的人体移动检测方法及系统。

背景技术

现如今许多场合需要对人体移动、靠近做出监测提醒。获知人体移动变化的信息，进行智能判断分析，可实现人体移动检测提醒功能。目前实现人体移动信息获取的方法主要包括有位置变化检测、人体传感器等。尽管人体传感器方法实现的策略更多样化、可以面对不同场景，但是在家用背景下的位置变化检测方法在系统代价上拥有更强的竞争力，例如家用智能开关灯。其主要原因在于基于图像识别的监测方式虽然具有更准确的特点，但是硬件部署成本较高，同时也具有较高的设备工作能耗。

发明内容

为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于脉冲神经网络的人体移动检测方法及系统。

第一方面，本申请实施例提供了一种基于脉冲神经网络的人体移动检测方法，包括：

对目标视频进行图像采样获取多个目标图像；

对所述目标图像进行边缘提取形成边缘矩阵，并根据背景图像对所述目标图像进行背景差分计算形成背景差分矩阵；所述背景图像为所述目标图像中的一张或者为预设的背景图像；

采用第一阈值编码对所述目标视频所有的所述边缘矩阵进行编码形成边缘脉冲序列，并采用第二阈值编码对所述目标视频所有的所述背景差分矩阵进行编码形成检测脉冲序列；所述边缘脉冲序列和所述检测脉冲序列中的元素均为0或1；

对所述边缘脉冲序列和所述检测脉冲序列进行点火数量检测，并根据点火数量检测结果作为所述目标视频的人体移动检测结果。

本申请实施例中，采用了一种脉冲神经网络和图像处理相结合的方案进行人体识别。图像处理是根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读。而脉冲神经网络(SNN)作为第三代人工神经网络，通过脉冲序列传输时间与空间信息，高度拟合生物神经网络中神经元的动态信息处理过程。脉冲神经元作为最基础的计算单元，在空间上整合所有突触(权重)传来的脉冲信号，在时间上累计历史信息的影响，具有强大的时空处理能力。同时，得益于SNN特殊的信息传输方式，SNN模型在功耗上远低于常规深度学习模型，十分适用于部署到轻量级边缘计算设备上。将SNN与图像处理的方法相结合，应用于人体移动检测领域，可以汲取卷积神经网络(CNN)提取空间视觉特征的优势，利用SNN提取时序信息的特长和超低功耗的特点。

具体的，通过对目标视频进行多个静态图像的提取从而生成目标图像，其为现有技术，本申请实施例不多做复述。同样的对于目标图像进行边缘检测和背景差分计算，提取边缘矩阵和背景差分矩阵也是成熟技术，本申请实施例也不多做复述。

在本申请实施例中，需要减少在边缘设备中部署的硬件要求和能耗，不通过边缘矩阵和背景差分矩阵直接进行人体识别，即不通过需要训练的卷积神经网络对边缘矩阵和背景差分矩阵进行处理，而是将边缘矩阵和背景差分矩阵转化为元素只有0和1的脉冲序列。具体的，当待编码数据大于等于相应的阈值时，发放一次脉冲，即编码为1，而待编码数据小于相应的阈值时，不发放脉冲，即编码为0。这种编码方式无论对于后续检测，还是对于信息发送，都可以节省大量的算力，并且能耗很低。同时，基于边缘检测和背景差分双重识别的方案，在SNN网络中进行计算时，可以很好的提高本申请实施例的鲁棒性，提高检测精度。在本申请实施例中，需要基于SNN网络对边缘脉冲序列和检测脉冲序列进行点火数量检测，最终确定是否有人体在目标视频中移动。

在一种可能的实现方式中，对所述边缘脉冲序列和所述检测脉冲序列进行点火数量检测包括：

将所述边缘脉冲序列输入边缘输入神经元，并将所述检测脉冲序列输入主体输入神经元；

通过所述边缘输入神经元抑制预设抑制半径范围内所述主体输入神经元的脉冲输出；

通过主体检测神经元对所述主体输入神经元输出的脉冲序列进行预设神经元感受野窗口内基于第一阈值的判断生成第一脉冲序列；

通过边缘检测神经元对所述边缘输入神经元输出的脉冲序列进行所述预设神经元感受野窗口内基于第二阈值的判断生成第二脉冲序列；

通过人体检测神经元对所述第一脉冲序列和所述第二脉冲序列进行点火数量检测，并在点火数量超过点火数量阈值时判定所述第一脉冲序列和所述第二脉冲序列对应的所述目标视频内存在人体。

在一种可能的实现方式中，通过主体检测神经元对所述主体输入神经元输出的脉冲序列进行预设神经元感受野窗口内基于第一阈值的判断生成第一脉冲序列包括：

通过所述预设神经元感受野窗口对所述主体输入神经元输出的脉冲序列进行滑窗检测形成所述第一脉冲序列；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量大于或等于第一阈值时，将对应该预设神经元感受野窗口的第一脉冲序列的元素记为1；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量小于第一阈值时，将对应该预设神经元感受野窗口的第一脉冲序列的元素记为0。

在一种可能的实现方式中，通过边缘检测神经元对所述边缘输入神经元输出的脉冲序列进行所述预设神经元感受野窗口内基于第二阈值的判断生成第二脉冲序列包括：

通过所述预设神经元感受野窗口对所述边缘输入神经元输出的脉冲序列进行滑窗检测形成所述第二脉冲序列；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量大于或等于第二阈值时，将对应该预设神经元感受野窗口的第二脉冲序列的元素记为1；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量小于第二阈值时，将对应该预设神经元感受野窗口的第二脉冲序列的元素记为0。

在一种可能的实现方式中，通过人体检测神经元对所述第一脉冲序列和所述第二脉冲序列进行点火数量检测，并在点火数量超过点火数量阈值时判定所述第一脉冲序列和所述第二脉冲序列对应的所述目标视频内存在人体包括：

通过人体检测神经元统计所述第一脉冲序列和所述第二脉冲序列中为1的元素的数量作为所述点火数量。

在一种可能的实现方式中，采用第一阈值编码对所述目标视频所有的所述边缘矩阵进行编码形成边缘脉冲序列包括：

将所述边缘矩阵中高于或等于第一阈值编码的元素编码为1，并将所述边缘矩阵中低于第一阈值编码的元素编码为0；

将所述目标视频所有完成了编码的边缘矩阵作为三维的所述边缘脉冲序列。

在一种可能的实现方式中，采用第二阈值编码对所述目标视频所有的所述背景差分矩阵进行编码形成检测脉冲序列包括：

将所述背景差分矩阵中高于或等于第二阈值编码的元素编码为1，并将所述背景差分矩阵中低于第二阈值编码的元素编码为0；

将所述目标视频所有完成了编码的背景差分矩阵作为三维的所述检测脉冲序列。

第二方面，本申请实施例提供了一种基于脉冲神经网络的人体移动检测系统，包括：

获取单元，被配置为对目标视频进行图像采样获取多个目标图像；

矩阵生成单元，被配置为对所述目标图像进行边缘提取形成边缘矩阵，并根据背景图像对所述目标图像进行背景差分计算形成背景差分矩阵；所述背景图像为所述目标图像中的一张或者为预设的背景图像；

编码单元，被配置为采用第一阈值编码对所述目标视频所有的所述边缘矩阵进行编码形成边缘脉冲序列，并采用第二阈值编码对所述目标视频所有的所述背景差分矩阵进行编码形成检测脉冲序列；所述边缘脉冲序列和所述检测脉冲序列中的元素均为0或1；

检测单元，被配置为对所述边缘脉冲序列和所述检测脉冲序列进行点火数量检测，并根据点火数量检测结果作为所述目标视频的人体移动检测结果。

在一种可能的实现方式中，所述检测单元还被配置为：

将所述边缘脉冲序列输入边缘输入神经元，并将所述检测脉冲序列输入主体输入神经元；

通过所述边缘输入神经元抑制预设抑制半径范围内所述主体输入神经元的脉冲输出；

通过主体检测神经元对所述主体输入神经元输出的脉冲序列进行预设神经元感受野窗口内基于第一阈值的判断生成第一脉冲序列；

通过边缘检测神经元对所述边缘输入神经元输出的脉冲序列进行所述预设神经元感受野窗口内基于第二阈值的判断生成第二脉冲序列；

通过人体检测神经元对所述第一脉冲序列和所述第二脉冲序列进行点火数量检测，并在点火数量超过点火数量阈值时判定所述第一脉冲序列和所述第二脉冲序列对应的所述目标视频内存在人体。

在一种可能的实现方式中，所述检测单元还被配置为：

通过所述预设神经元感受野窗口对所述主体输入神经元输出的脉冲序列进行滑窗检测形成所述第一脉冲序列；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量大于或等于第一阈值时，将对应该预设神经元感受野窗口的第一脉冲序列的元素记为1；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量小于第一阈值时，将对应该预设神经元感受野窗口的第一脉冲序列的元素记为0。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明一种基于脉冲神经网络的人体移动检测方法及系统，将视频像素值转化为脉冲序列，不仅考虑了静态背景与人物动态之间的关系，突出背景与移动人体之间的区别，而且保证只有人体移动进入监测范围内时才产生脉冲信号，减少了神经网络的总体脉冲数量，降低了计算复杂度；同时不需要传统神经网络的训练，仅需根据实际情况调整个别参数，便于部署于边缘设备上，无须额外算力投入，且能耗更低。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1是本申请实施例方法步骤示意图；

图2是本申请实施例架构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，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，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其它操作，也可以从流程图中移除一个或多个操作。

另外，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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。

请结合参阅图1，为本发明实施例所提供的一种基于脉冲神经网络的人体移动检测方法的流程示意图，进一步地，所述一种基于脉冲神经网络的人体移动检测方法具体可以包括以下步骤S1-步骤S4所描述的内容。

S1：对目标视频进行图像采样获取多个目标图像；

S2：对所述目标图像进行边缘提取形成边缘矩阵，并根据背景图像对所述目标图像进行背景差分计算形成背景差分矩阵；所述背景图像为所述目标图像中的一张或者为预设的背景图像；

S3：采用第一阈值编码对所述目标视频所有的所述边缘矩阵进行编码形成边缘脉冲序列，并采用第二阈值编码对所述目标视频所有的所述背景差分矩阵进行编码形成检测脉冲序列；所述边缘脉冲序列和所述检测脉冲序列中的元素均为0或1；

S4：对所述边缘脉冲序列和所述检测脉冲序列进行点火数量检测，并根据点火数量检测结果作为所述目标视频的人体移动检测结果。

本申请实施例中，采用了一种脉冲神经网络和图像处理相结合的方案进行人体识别。图像处理是根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读。而脉冲神经网络(SNN)作为第三代人工神经网络，通过脉冲序列传输时间与空间信息，高度拟合生物神经网络中神经元的动态信息处理过程。脉冲神经元作为最基础的计算单元，在空间上整合所有突触(权重)传来的脉冲信号，在时间上累计历史信息的影响，具有强大的时空处理能力。同时，得益于SNN特殊的信息传输方式，SNN模型在功耗上远低于常规深度学习模型，十分适用于部署到轻量级边缘计算设备上。将SNN与图像处理的方法相结合，应用于人体移动检测领域，可以汲取卷积神经网络(CNN)提取空间视觉特征的优势，利用SNN提取时序信息的特长和超低功耗的特点。

具体的，通过对目标视频进行多个静态图像的提取从而生成目标图像，其为现有技术，本申请实施例不多做复述。同样的对于目标图像进行边缘检测和背景差分计算，其中边缘提取方法包括但不限于Canny边缘检测算法、sobel边缘检测算法、DoG边缘检测算法，提取边缘矩阵和背景差分矩阵也是成熟技术，本申请实施例也不多做复述。

在本申请实施例中，需要减少在边缘设备中部署的硬件要求和能耗，不通过边缘矩阵和背景差分矩阵直接进行人体识别，即不通过需要训练的卷积神经网络对边缘矩阵和背景差分矩阵进行处理，而是将边缘矩阵和背景差分矩阵转化为元素只有0和1的脉冲序列。具体的，当待编码数据大于等于相应的阈值时，发放一次脉冲，即编码为1，而待编码数据小于相应的阈值时，不发放脉冲，即编码为0。这种编码方式无论对于后续检测，还是对于信息发送，都可以节省大量的算力，并且能耗很低。同时，基于边缘检测和背景差分双重识别的方案，在SNN网络中进行计算时，可以很好的提高本申请实施例的鲁棒性，提高检测精度。在本申请实施例中，需要基于SNN网络对边缘脉冲序列和检测脉冲序列进行点火数量检测，最终确定是否有人体在目标视频中移动。

在一种可能的实现方式中，对所述边缘脉冲序列和所述检测脉冲序列进行点火数量检测包括：

将所述边缘脉冲序列输入边缘输入神经元，并将所述检测脉冲序列输入主体输入神经元；

通过所述边缘输入神经元抑制预设抑制半径范围内所述主体输入神经元的脉冲输出；

通过主体检测神经元对所述主体输入神经元输出的脉冲序列进行预设神经元感受野窗口内基于第一阈值的判断生成第一脉冲序列；

通过边缘检测神经元对所述边缘输入神经元输出的脉冲序列进行所述预设神经元感受野窗口内基于第二阈值的判断生成第二脉冲序列；

通过人体检测神经元对所述第一脉冲序列和所述第二脉冲序列进行点火数量检测，并在点火数量超过点火数量阈值时判定所述第一脉冲序列和所述第二脉冲序列对应的所述目标视频内存在人体。

本申请实施例实施时，请参阅图2，示出了各神经元之间的关系，边缘检测神经元、主体检测神经元和人体检测神经元优选为LIF模型，进行边缘输入神经元和主体输入神经元的脉冲序列输入时，其主要作用是通过边缘输入神经元对主体输入神经元的输出进行抑制；因为通过边缘检测所生成的脉冲序列中，表征为1的元素可能会在背景差分检测所生成的脉冲序列中也被表征为1，并且可能会出现多个元素重复为1的情况出现，所以为了提高检测精度，本申请实施例为边缘输入神经元设置了预设抑制半径，在该范围内抑制主体输入神经元的脉冲输出，即在该范围内主体输入神经元无法产生脉冲信号。

本申请实施例中，检测神经元需要对对应的输入神经元进行脉冲序列的采样，具体采用预设神经元感受野窗口的序列进行滑窗采样，滑窗采样本身可以减少由于算法误差所产生的误报点，第一阈值和第二阈值用于对滑窗采样过程所产生的数据进行脉冲序列的生成，从而生成第一脉冲序列和第二脉冲序列。

本申请实施例实施时，对于人体检测神经元来说，在获取了第一脉冲序列和第二脉冲序列后，可以进行点火数量检测，即脉冲序列中为1的元素的数量统计，并通过点火数量阈值进行最终的判断。

在一种可能的实现方式中，通过主体检测神经元对所述主体输入神经元输出的脉冲序列进行预设神经元感受野窗口内基于第一阈值的判断生成第一脉冲序列包括：

通过所述预设神经元感受野窗口对所述主体输入神经元输出的脉冲序列进行滑窗检测形成所述第一脉冲序列；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量大于或等于第一阈值时，将对应该预设神经元感受野窗口的第一脉冲序列的元素记为1；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量小于第一阈值时，将对应该预设神经元感受野窗口的第一脉冲序列的元素记为0。

在一种可能的实现方式中，通过边缘检测神经元对所述边缘输入神经元输出的脉冲序列进行所述预设神经元感受野窗口内基于第二阈值的判断生成第二脉冲序列包括：

通过所述预设神经元感受野窗口对所述边缘输入神经元输出的脉冲序列进行滑窗检测形成所述第二脉冲序列；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量大于或等于第二阈值时，将对应该预设神经元感受野窗口的第二脉冲序列的元素记为1；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量小于第二阈值时，将对应该预设神经元感受野窗口的第二脉冲序列的元素记为0。

在一种可能的实现方式中，通过人体检测神经元对所述第一脉冲序列和所述第二脉冲序列进行点火数量检测，并在点火数量超过点火数量阈值时判定所述第一脉冲序列和所述第二脉冲序列对应的所述目标视频内存在人体包括：

通过人体检测神经元统计所述第一脉冲序列和所述第二脉冲序列中为1的元素的数量作为所述点火数量。

在一种可能的实现方式中，采用第一阈值编码对所述目标视频所有的所述边缘矩阵进行编码形成边缘脉冲序列包括：

将所述边缘矩阵中高于或等于第一阈值编码的元素编码为1，并将所述边缘矩阵中低于第一阈值编码的元素编码为0；

将所述目标视频所有完成了编码的边缘矩阵作为三维的所述边缘脉冲序列。

在一种可能的实现方式中，采用第二阈值编码对所述目标视频所有的所述背景差分矩阵进行编码形成检测脉冲序列包括：

将所述背景差分矩阵中高于或等于第二阈值编码的元素编码为1，并将所述背景差分矩阵中低于第二阈值编码的元素编码为0；

将所述目标视频所有完成了编码的背景差分矩阵作为三维的所述检测脉冲序列。

本申请实施例实施时，请参阅图2，示出了更具体的实现方案，具体的包括：

通过摄像头拍摄一段视频，分辨率为120x120，帧速率为25帧/秒，长度为10秒，视频采样间隔为0.2秒。得到一段120x120x500的视频数据；

对视频中的第一帧以外的每一帧图片使用canny边缘提取算法，得到大小为120x120x499的边缘矩阵E；

对视频中的第一帧以外的每一帧图片使用canny边缘提取算法，得到大小为120x120x499的边缘矩阵E；

将视频中的每一帧图片和第一帧背景图片相减，之后取绝对值，得到大小为120x120x499背景差分矩阵D；

设置阈值θ＝0.5编码得到大小为120x120x500，元素只有0或者1的检测脉冲序列Sl；至此，将原本120x120x2500大小原始视频转化为120x120x499x2，元素只有0或1的脉冲序列。

然后需要设定脉冲神经元参数，利用脉冲神经元构建检测网络：

搭建120x120个主体输入神经元和120x120个边缘输入神经元，设置边缘神经元抑制半径r＝1。每个边缘输入神经元连向像素空间距离1以内的主体输入神经元权重设置为-1，其它设置为1；

搭建主体检测神经元，设置神经元感受野窗口大小w＝5，阈值θl＝11，权重为1；在接收到主体输入神经元的脉冲序列后，可以得到116x116大小，元素为0或1的脉冲序列。

搭建边缘检测神经元，设置神经元感受野窗口大小w＝5，阈值θe＝6，权重为1；在接收到边缘输入神经元的脉冲序列后，可以得到116x116大小，元素为0或1的脉冲序列。

搭建人体检测神经元，设置神经元阈值θ＝2，权重为1。人体检测神经元接收来自主体检测神经元和边缘检测神经元的脉冲序列。

设置人体检测神经元点火数量阈值θf＝145。当人体检测神经元点火个数超过145个时，代表检测区域有人出现或经过。

基于上述同样的发明构思，还提供了一种基于脉冲神经网络的人体移动检测系统，关于所述一种基于脉冲神经网络的人体移动检测系统的详细描述如下。

一种基于脉冲神经网络的人体移动检测系统，包括：

获取单元，被配置为对目标视频进行图像采样获取多个目标图像；

矩阵生成单元，被配置为对所述目标图像进行边缘提取形成边缘矩阵，并根据背景图像对所述目标图像进行背景差分计算形成背景差分矩阵；所述背景图像为所述目标图像中的一张或者为预设的背景图像；

编码单元，被配置为采用第一阈值编码对所述目标视频所有的所述边缘矩阵进行编码形成边缘脉冲序列，并采用第二阈值编码对所述目标视频所有的所述背景差分矩阵进行编码形成检测脉冲序列；所述边缘脉冲序列和所述检测脉冲序列中的元素均为0或1；

检测单元，被配置为对所述边缘脉冲序列和所述检测脉冲序列进行点火数量检测，并根据点火数量检测结果作为所述目标视频的人体移动检测结果。

在一种可能的实现方式中，所述检测单元还被配置为：

将所述边缘脉冲序列输入边缘输入神经元，并将所述检测脉冲序列输入主体输入神经元；

通过所述边缘输入神经元抑制预设抑制半径范围内所述主体输入神经元的脉冲输出；

通过主体检测神经元对所述主体输入神经元输出的脉冲序列进行预设神经元感受野窗口内基于第一阈值的判断生成第一脉冲序列；

通过边缘检测神经元对所述边缘输入神经元输出的脉冲序列进行所述预设神经元感受野窗口内基于第二阈值的判断生成第二脉冲序列；

通过人体检测神经元对所述第一脉冲序列和所述第二脉冲序列进行点火数量检测，并在点火数量超过点火数量阈值时判定所述第一脉冲序列和所述第二脉冲序列对应的所述目标视频内存在人体。

在一种可能的实现方式中，所述检测单元还被配置为：

通过所述预设神经元感受野窗口对所述主体输入神经元输出的脉冲序列进行滑窗检测形成所述第一脉冲序列；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量大于或等于第一阈值时，将对应该预设神经元感受野窗口的第一脉冲序列的元素记为1；

当当前所述预设神经元感受野窗口范围内的脉冲序列中元素为1的数量小于第一阈值时，将对应该预设神经元感受野窗口的第一脉冲序列的元素记为0。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显然本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网格设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。