身份识别方法、装置、终端设备及存储介质

技术领域

本发明涉及图像处理领域，特别涉及一种身份识别方法、装置、终端设备及存储介质。

背景技术

随着国家对安防要求的不断提高，身份识别技术越来越普及。例如，对于监控系统，需要识别监控视频内出现的人员的身份。传统的基于视频分析的身份识别方案，可能会由于人员无意低头、活动中相互遮挡、光线分布不均匀、摄像头角度和画质不同、季节性服饰接近等场景导致身份识别准确率低。

因此，现有识别方法中，存在身份识别准确率低的问题。

发明内容

本发明的主要目的是提供一种身份识别方法、装置、终端设备及存储介质，旨在解决现有身份识别准确率低的技术问题。

为实现上述目的，本发明提出一种身份识别方法，应用于监控系统，所述监控系统包括至少两个摄像头，所述身份识别方法包括以下步骤：

获取所述摄像头在预设时刻采集的待识别图像；

从所述待识别图像中，确定待识别人体；

获取所述待识别人体的人体特征；

根据所述待识别人体的人体特征，从预设人体特征数据库中，获取满足预设条件的人员，以得到候选人员集合；所述预设人体特征数据库包括人员的身份和对应的人体特征；

根据预设图像特征集合，判断所述待识别人体与所述候选人员集合中的候选人员是否匹配；所述预设图像特征集合包括：同一摄像头采集的第一历史图像特征集以及不同摄像头采集的第二历史图像特征集；

若是，将匹配的候选人员作为所述待识别人体的最终识别结果。

此外，为实现上述目的，本发明还提出一种身份识别装置，应用于监控系统，所述监控系统包括至少两个摄像头，所述身份识别装置包括：

第一获取模块，用于获取所述摄像头在预设时刻采集的待识别图像；

第一确定模块，用于从所述待识别图像中，确定待识别人体；

第二获取模块，用于获取所述待识别人体的人体特征；

第三获取模块，用于根据所述待识别人体的人体特征，从预设人体特征数据库中，获取满足预设条件的人员，以得到候选人员集合；所述预设人体特征数据库包括人员的身份和对应的人体特征；

判断模块，用于根据预设图像特征集合，判断所述待识别人体与所述候选人员集合中的候选人员是否匹配；所述预设图像特征集合包括：同一摄像头采集的第一历史图像特征集以及不同摄像头采集的第二历史图像特征集；

第二确定模块，用于若是，将匹配的候选人员作为所述待识别人体的最终识别结果。

此外，为实现上述目的，本发明还提出一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行身份识别程序，所述身份识别程序被所述处理器执行时实现上述任一项所述的身份识别方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，其特征在于，所述存储介质上存储有身份识别程序，所述身份识别程序被处理器执行时实现上述任一项所述的身份识别方法的步骤。

本发明技术方案通过采用一种身份识别方法，应用于监控系统，监控系统包括至少两个摄像头，身份识别方法包括以下步骤：获取摄像头在预设时刻采集的待识别图像；从待识别图像中，确定待识别人体；获取待识别人体的人体特征；根据待识别人体的人体特征，从预设人体特征数据库中，获取满足预设条件的人员，以得到候选人员集合；预设人体特征数据库包括人员的身份和对应的人体特征；根据预设图像特征集合，判断待识别人体与候选人员集合中的候选人员是否匹配；预设图像特征集合包括：同一摄像头采集的第一历史图像特征集以及不同摄像头采集的第二历史图像特征集；若是，将匹配的候选人员作为待识别人体的最终识别结果；也就是说，本发明中，先根据待识别人体的人体特征，确定候选人员集合，再根据同一摄像头采集的第一历史图像特征集以及不同摄像头采集的第二历史图像特征集，从候选人员集合中确定最终识别结果，即根据历史图像特征集，对基于人体特征识别出的人员进行了进一步校验，相比仅根据人脸进行识别的方案，可以提升身份识别的准确性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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发明的一些实施例，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示出的结构获得其他的附图。

图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图；

图2为本发明第一实施例的身份识别方法的流程示意图；

图3为本发明第一实施例的确定待识别人体图像的示意图；

图4为本发明第一实施例的获取人体特征的流程示意图；

图5为本发明第九实施例的获取目标人员的地理位置信息的流程示意图；

图6为本发明第九实施例的确定待识别图像的示意图；

图7为本发明身份识别装置的模块示意图。

本发明目的的实现、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

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图。

终端设备可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment，UE)、手持设备、车载设备、可穿戴设备、计算设备、智能家居设备(例如智能电视、冰箱、洗衣机、空调、抽油烟机等)、监控设备或连接到无线调制解调器的其它处理设备、移动台(Mobile station，MS)等，终端设备台可以是控制面板灯智能家居设备。设备可能被称为用户终端、便携式终端、台式终端等。

通常，终端设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的身份识别程序，所述身份识别程序配置为实现如下任一实施例所述的身份识别方法的步骤。

处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关身份识别方法操作，使得身份识别方法模型可以自主训练学习，提高效率和准确度。

存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的身份识别方法。

在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。

通信接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WIFI(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。本领域技术人员可以理解，图1中示出的结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有身份识别程序，所述身份识别程序被处理器执行时实现如下文任一实施例所述的身份识别方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序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。

本领域普通技术人员可以理解实现下文任一实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述第一身份识别程序或第二身份识别程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如下述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

基于前述硬件结构，提出本发明身份识别方法的实施例。

参照图2，图2为本发明身份识别方法的第一实施例的流程示意图，身份识别方法包括以下步骤：

步骤S11：获取摄像头在预设时刻采集的待识别图像。

需要说明的是，本实施提供的身份识别方法，应用于监控系统，监控系统包括至少两个摄像头，可以根据实际需要将摄像头安装在对应的区域内以对该区域进行监控。其中，摄像头可以安装在室内，用于对室内环境进行监测；摄像头也可以安装在室外，用于对室外环境进行监测。

预设时刻可以是预先设置的时刻，其可以是具体的时刻；也可以是根据预设获取频率确定的时刻，预设获取频率可以根据实际需要灵活设置，例如，假设获取频率为30秒/次，也就是说，每隔30秒获取一次摄像头采集的待识别图像，假设上次获取摄像头采集的待识别图像的时刻为12:00:00，则下一次获取摄像头在12:00:30采集的待识别图像。

监控系统中的摄像头在监控过程中，会采集图像，本实施例中，获取监控系统中的摄像头在预设时刻采集的图像，作为待识别图像。为了便于区分，本实施例中，将采集待识别图像的摄像头记为第一摄像头，将第一摄像头外的摄像头记为第二摄像头。

步骤S12：从待识别图像中，确定待识别人体。

本实施中，对待识别图像进行人体检测，以从待识别图像中，确定待识别人体。

在一些实施方式中，步骤S12包括：从待识别图像中，确定待识别人体的待识别人体图像。

在对待识别图像进行人体检测，确定待识别人体后，截取待识别人体所在的区域，作为待识别人体图像。具体的提取方式可以根据实际需要灵活设置。

在一些实施方式中，步骤S12包括：

步骤1：对待识别图像进行人体检测，以得到人体检测框的数量，人体检测框的坐标，以及人体mask(掩模)遮罩区域坐标。

其中，人体检测框为矩形框，人体检测框内包括人体，一个人体检测框内包括一个人体，人体检测框的数量即人体的数量，人体检测框的坐标即人体所在的区域对应的坐标；人体mask遮罩区域为人体轮廓外的区域。

步骤2：根据人体检测框的数量，人体检测框的坐标，以及人体mask遮罩区域坐标，截取人体检测框内的区域作为待识别人体图像。

需要说明的是，人体检测框内、人体轮廓外的区域被人体mask遮罩，因此，在截取后，该部分可以用零像素点补齐。例如，参见图3所示，假设待识别图像中，人体检测框101内有人体102，人体102外的区域被人体mask(即图中斜线填充的区域)遮罩，在截取人体检测框101的区域后，将人体102外、人体检测框101内的区域用零像素点补齐。

步骤S13：获取待识别人体的人体特征。

本实施例中，在确定待识别人体后，获取待识别人体的人体特征。其中，人体特征的类别包括但不限于人脸特征、人体属性特征、行人特征。需要说明的是，人脸特征即脸部的特征，人体属性特征包括但不限于衣服的类型、颜色等。

在一些实施方式中，为了提高识别的准确性，步骤S13包括：获取待识别人体的至少两种人体特征。例如，可以获取待识别人体的人脸特征、人体属性特征、行人特征。这样，在后续识别时，相比现有仅通过人脸特征进行身份识别的情况，通过至少两种人体特征进行身份识别，可以避免在人脸不全(例如戴口罩、戴帽子、角度不好等导致采集的图像中人脸不全)、换衣服等情况下，无法识别人员的问题，从而提升身份识别的准确性。

本实施例中，获取待识别人体的人体特征的方式可以根据实际需要灵活设置。

例如，在一些实施方式中，可以直接从待识别图像中，获取待识别人体的人体特征，以得到待识别人体特征。

又如，在一些实施方式中，当步骤S12包括从待识别图像中，确定待识别人体的待识别人体图像时，步骤S13包括：从待识别人体图像中，获取待识别人体的至少两种人体特征。例如，在一个示例中，步骤S13包括：从待识别人体图像中，提取人脸特征、人体属性特征和行人特征。

当从待识别人体图像中，提取人脸特征、人体属性特征和行人特征时，考虑到待识别人体图像中，可能存在人脸不全、人体不全等情况，无法提取人体特征、或提取出的人体特征不可用，浪费功耗的情况，在一些实施方式中，参见图4所示，步骤S13包括：

步骤S131：对待识别人体图像进行人脸检测，以获得人脸完整度值。

其中，人脸完整度值用于评估人脸的完整度。

步骤S132：判断人脸完整度值是否大于预设人脸完整度阈值。

人脸完整度阈值可以根据实际需要灵活设置。

步骤S133：若是，从待识别人体图像提取人脸特征。

由于待识别人体图像中存在的人脸的人脸完整度大于预设人脸完整度阈值，表明待识别人体图像中存在的人脸比较完整，提取待识别人体图像中存在的人脸的人脸特征。具体提取人脸特征的方式可以根据实际需要灵活设置。

例如，在一些实施方式中，步骤S131中，对待识别人体图像进行人脸检测时，可以获取到人脸检测框的坐标。步骤S133可以包括：根据人脸检测框的坐标，从待识别人体图像中，截取人脸检测框内的部分作为待识别人脸图像；对待识别人脸图像进行3D人脸矫正，并对其图像尺寸进行归一化，将归一化处理后的待识别人脸图像输入至人脸特征提取模型，以获得人脸特征。其中，若人脸检测框超出待识别人体图像的范围，可以用零像素补齐。其中，人脸特征提取模型为预先训练完成的、用于提取人脸特征的神经网络模型。

步骤S134：判断待识别人体图像中存在的人体的人体完整度值是否大于预设人体完整度阈值。

人体完整度值用于表征人体完整度；预设人体完整度阈值可以根据实际需要灵活设置。

本实施例中，获取待识别人体图像中存在的人体的人体完整度值，并将其与预设人体完整度阈值进行比较，从而判断人体完整度值是否大于预设人体完整度阈值。

步骤S135：若是，从待识别人体图像提取行人特征和人体属性特征。

由于待识别人体图像中存在的人体的人体完整度大于预设人体完整度阈值，表明待识别人体图像中存在的人体比较完整，提取待识别人体图像中存在的人体的人体属性特征和行人特征。具体提取人体属性特征和行人特征的方式可以根据实际需要灵活设置。

例如，在一些实施方式中，从待识别人体图像中提取行人特征和人体属性特征的方式包括：将待识别人体图像的尺寸进行归一化处理，将归一化处理后的待识别人体图像输入至人体属性特征提取模型，以得到人体属性特征；将归一化处理后的待识别人体图像输入re-id(Person Re-identification，行人重识别)模型，以得到行人特征。其中，人体属性特征提取模型为预先训练完成的、用于提取人体属性特征的神经网络模型；re-id模型为预先训练完成的、用于分析行人特征的神经网络模型。

本实施例中，不对步骤S131和步骤134的执行顺序进行限定，在一些实施方式中，步骤S131和步骤134可以同时执行；在一些实施方式中，可以先执行步骤S131，再执行步骤134；在一些实施方式中，可以先执行步骤S134，再执行步骤131。

步骤S14：根据待识别人体的人体特征，从预设人体特征数据库中，获取满足预设条件的人员，以得到候选人员集合。

预设人像特征数据库包括人员的身份以及人员对应的人体特征。

其中，预设条件可以根据实际需要灵活设置。

步骤S15：根据预设图像特征集合，判断待识别人体与候选人员集合中的候选人员是否匹配。

预设图像特征集合包括：同一摄像头采集的第一历史图像特征集以及不同摄像头采集的第二历史图像特征集。其中，同一摄像头为采集待识别图像的摄像头，不同摄像头为与采集待识别图像不同的摄像头，应当理解的是，同一摄像头和不同摄像头均为监控系统内的摄像头。

在一些实施方式中，第一历史图像特征集可以包括：第一摄像头在预设时刻和预设时刻前的第一存储时间段内采集的第一图像、从第一图像中提取出的第一人体特征和第一人体特征对应的人员。其中，第一存储时间段可以根据实际需要灵活设置，例如，可以设置为3分钟，2分钟等。在一个示例中，假设预设时刻为12:00:00，第一存储时间段为3分钟，则第一历史图像特征集包括：第一摄像头在11:57:00-12:00:00内采集的第一图像、第一图像中提取出的第一人体特征和第一人体特征对应的人员。

在一些实施方式中，第二历史图像特征集可以包括：第二摄像头在预设时刻和预设时刻前的第二存储时间段内采集的图像、从图像中提取出的人体特征和人体特征对应的人员。其中，第二存储时间段可以根据实际需要灵活设置，例如，可以设置为4分钟、5分钟等。第一存储时间段和第二存储时间段可以一致，也可以不一致(也即各摄像头对应的存储时间段不一致)。

无论是第一人体特征对应的人员还是第二人体特征对应的人员，其可以是根据该人体特征从预设人体特征数据库中获取的候选人员，也可以是根据预设图像特征集合确定出的与该人体特征匹配的人员。

由于预设图像特征集合包括：第一摄像头在预设时刻采集的第一图像(即即待识别图像)、从该图像中提取出的人体特征和人体特征对应的人员，因此，在步骤S14之后，步骤S15之前，还可以将待识别图片、待识别图片中提取的待识别人体对应的特征、待识别人体的候选人员更新至预设图像特征集合。

在一些实施例中，图像特征集合还可以包括各人体特征的采集时间，识别状态等，其中，识别状态包括初步识别和最终识别，其中，初步识别为未得到最终识别结果的状态，最终识别为已得到最终识别结果的状态，即执行了步骤S16的状态。

例如，参见表1所示，表1为图像特征集合的一个示例。

表1

在一些实施方式中，步骤S15包括但不限于以下方式：

第一种：由于同一个摄像头在一定时间范围内通常会多次拍摄到同一个人员，因此，可以根据预设图像特征集合，判断前帧图像对应的人员中是否存在候选人员，其中，前帧图像为第一摄像头在预设时刻前的采集的第一图像；若是，表明同一摄像头在不同的时刻拍摄到该候选人员，极大程度表明待识别图像上的待识别人员是该候选人员，判定该候选人员与待识别人体匹配；若否，表明同一摄像头在一段时间内未拍摄到该候选人员，极大程度上表明待识别图像上的待识别人员不是该候选人员，判定该候选人员与待识别人体不匹配；也就是说，通过判断同一摄像头在预设时刻之前采集的第一图像中是否存在候选人员，以确定该候选人员与待识别人体是否匹配。例如，参见表1所示，假设预设时刻为11:55:40，第一摄像头为摄像头1，则待识别图像为图像2，待识别人体的人体特征为人体特征2，候选人员为人员2、人员3，则判断图像1(图像1为前帧图像)对应的人员中是否存在人员2、人员3，由于图像1对应的人员中存在人员2，因此，人员2与待识别人体匹配；由于图像1对应的人员中不存在人员3，因此，人员3与待识别人体不匹配。

第二种：由于覆盖范围相同的摄像头在同一时刻会拍摄到同一人员，因此，可以根据预设图像特征集合，判断第一关联图像对应的人员中是否存在候选人员，其中，第一关联图像为与第一摄像头覆盖区域相同的第二摄像头、在预设时刻采集的图像；若第一关联图像对应的人员中存在候选人员，表明覆盖区域相同的摄像头在同一时刻均拍摄到该候选人员，极大程度上表明待识别图像上的待识别人员为该候选人员，判定该候选人员与待识别人体匹配；若第一关联图像对应的人员中不存在候选人员，表明覆盖区域相同的其他摄像头在同一时刻没有拍摄到该候选人员，极大程度上表明待识别图像上的待识别人员不是该候选人员，判定该候选人员与待识别人员不匹配。也就是说，通过判断覆盖范围相同的摄像头在预设时刻采集的第二图像中，是否存在候选人员，以确定该候选人员与待识别人体是否匹配。例如，参见表1所示，假设预设时刻为11:55:40，第一摄像头为摄像头1，则待识别图像为图像2，待识别人体为人体特征2对应的人体，候选人员为人员2、人员3，摄像头2与摄像头1的覆盖范围相同，则第一关联图像为图像4，由于图像4中存在人员2，因此，人员2与待识别人体匹配；图像4中不存在人员3，因此，人员3与待识别人体不匹配。

第三种：由于覆盖范围不同的摄像头在同一时刻拍摄到的人员不同，因此，可以根据预设图像特征集合，判断第二关联图像对应的人员中是否不存在候选人员，第二关联图像为与第一摄像头覆盖区域不同的摄像头、在预设时刻采集的图像；若第二关联图像对应的人员中不存在候选人员，判定该候选人员与待识别人体匹配；若第二关联图像对应的人员中存在候选人员，由于覆盖范围不同的摄像头在同一时刻不可能拍摄到同一人员，因此，判定该候选人员与待识别人体不匹配。也就是说，通过判断覆盖范围不同的摄像头在预设时刻采集的第二图像中，是否不存在候选人员，以确定该候选人员与待识别人体是否匹配。例如，参见表1所示，假设预设时刻为11:55:40，第一摄像头为摄像头1，则待识别图像为图像2，待识别人体为人体特征2对应的人体，候选人员为人员2、人员3，摄像头3与摄像头1的覆盖范围不同，则第二关联图像为图像6，由于图像6中存在人员3、4，因此，人员3与待识别人体不匹配，人员2与待识别人体匹配。

第四种：由于人员的活动轨迹必然是从一个地方移动至相邻的地方，因此，可以根据预设图像特征集合，判断图像特征集合中，目标摄像头与第一摄像头的覆盖区域是否相邻，其中，目标摄像头为预设时刻外采集的第二图像中，存在候选人员的摄像头；若相邻，则匹配，若不相邻，则不匹配。其中，若目标摄像头只有一个，则判断目标摄像头与第一摄像头的覆盖区域是否相邻，若目标摄像头有至少两个，则判断目标摄像头和第一摄像头中，任一摄像头是否存在覆盖区域相邻的摄像头。

在一些实施方式中，为了进一步提升判断的准确性，若目标摄像头有至少两个，则判断目标摄像头和第一摄像头中，第一采集时间相邻的两个摄像头的覆盖区域是否相邻，其中，此处的第一采集时间为目标摄像头和第一摄像头中，存在候选人员的图像的采集时间。例如，参见表1所示，假设预设时刻为11:55:40，第一摄像头为摄像头1，则待识别图像为图像2，待识别人体为人体特征2对应的人体，候选人员为人员2、人员3，由于摄像头4和摄像头5对应的图像中存在人员2，因此，目标摄像头为摄像头4、5，图像7与图像9的采集时间相邻，图像9与图像2的采集时间相邻，判断摄像头4与摄像头5的覆盖区域是否相邻，判断摄像头5和摄像头1的覆盖区域是否相邻，若摄像头4与摄像头5的覆盖区域相邻，且摄像头5和摄像头1的覆盖区域相邻，则人员2与摄像头1匹配。

需要说明的是，上述四种方式还可以结合。若上述四种方式中的任意两种结合，可以在其中一种方式的匹配结果为候选人员与待识别人体匹配的时候，即判定该候选人员与待识别人体匹配，或者，也可以在至少两种方式的匹配结果均为该候选人员与待识别人体匹配的时候，即判定该候选人员与待识别人体匹配。例如，假设为上述第一种方式和上述第二种方式的结合，对于候选人员1，可以在判定前帧图像对应的人员中存在候选人员1或第一关联图像对应的人员中存在候选人员1时，判定该候选人员1与待识别人体图像匹配；或者，可以在判定前帧图像对应的人员中存在候选人员1且第一关联图像对应的人员中存在候选人员1时，判定该候选人员1与待识别人体图像匹配。

步骤S16：若是，将匹配的候选人员作为待识别人体的最终识别结果。

若待识别人体与候选人员匹配，则将与待识别人体匹配的候选人员作为待识别人体的最终识别结果。

本实施例提供的身份识别方法，应用于监控系统，监控系统包括至少两个摄像头，身份识别方法包括以下步骤：获取摄像头在预设时刻采集的待识别图像；从待识别图像中，确定待识别人体；获取待识别人体的人体特征；根据待识别人体的人体特征，从预设人体特征数据库中，获取满足预设条件的人员，以得到候选人员集合；预设人体特征数据库包括人员的身份和对应的人体特征；根据预设图像特征集合，判断待识别人体与候选人员集合中的候选人员是否匹配；预设图像特征集合包括：同一摄像头采集的第一历史图像特征集以及不同摄像头采集的第二历史图像特征集；若是，将匹配的候选人员作为待识别人体的最终识别结果；也就是说，本实施例中，先根据待识别人体的人体特征，确定候选人员集合，再根据同一摄像头采集的第一历史图像特征集以及不同摄像头采集的第二历史图像特征集，从候选人员集合中确定最终识别结果，即根据历史图像特征集，对基于人体特征识别出的人员进行了进一步校验，相比仅根据人脸特征进行识别的方案，可以提升身份识别的准确性。

基于第一实施例，提出本发明身份识别方法的第二实施例。本实施例中，步骤S11之后，步骤S12之前，身份识别方法还包括以下步骤：

步骤S17：对待识别图像的图像质量进行评估，以获得图像质量评估值。

图像质量评估值用于表征图像的质量，图像质量评估值越大，图像质量越好。

本实施例中，可以将待识别图像输入图像质量评估模型，以获取图像质量评估值。其中，图像质量评估模型为预先训练完成的、用于对图像质量进行评估的神经网络模型。

步骤S18：判断图像质量评估值是否大于预设图像质量阈值。

预设图像质量阈值为预先设置的图像质量值。预设图像质量阈值的具体取值可以根据实际需要灵活设置。

步骤S19：若否，对待识别图像进行预处理。

若待识别图像的图像质量评估值小于预设图像质量阈值，表明待识别图像的图像质量不好，例如，图像可能比较模糊、噪声比较大等。因此，为了避免后续无法识别，对待识别图像进行预处理，以提升图像质量。其中，预处理包括但不限于以下方式中的至少一种：去模糊处理、纹理增强处理、去噪处理、光线平衡处理等。步骤S19包括以下方式中的至少一种：对待识别图像进行去模糊处理；对待识别图像进行纹理增强处理；对待识别图像进行去噪处理；对待识别图像进行光线平衡处理。当预处理的方式包括至少两种处理方式时，各处理方式的执行顺序可以根据实际需要灵活设置。例如，在一个示例中，预处理包括：去模糊处理、纹理增强处理、去噪处理、光线平衡处理，对待识别图像进行预处理包括：先对待识别图像进行去模糊处理；再对去模糊处理后的待识别图像进行纹理增强处理、去噪处理、光线平衡处理。

本实施例中，步骤S12包括：从预处理后的待识别图像中，确定待识别人体。由于在步骤S12之前，对待识别图像进行预处理，则步骤S12中，则从预处理后的待识别图像中，确定待识别人体。

在其他实施例中，步骤S18的判断结果为：待识别图像的图像质量评估值大于预设图像质量阈值。表明待识别图像的图像质量较好，因此，可以直接转S12，也就是说，步骤S18之后，身份识别方法包括：若是，直接转步骤S12。

本实施例提供的身份识别方法，在获取到待识别图像中，先对待识别图像的图像质量进行评估，以获得图像质量评估值，在图像质量评估值小于等于预设图像质量阈值时，对待识别图像进行预处理，基于预处理后的待识别图像，执行从待识别图像中确定待识别人体及后续步骤，也就是说，本实施例中，若获取的待识别图像质量不好，会对待识别图像进行预处理，从而提升待识别图像的图像质量，提升身份识别的准确度，避免由于光线分布不均匀等原因，导致摄像头采集的待识别图像质量不佳，无法识别的情况。

基于第一实施例，提出本发明身份识别方法的第三实施例。本实施例中，步骤S13包括：获取待识别人体的人脸特征、人体属性特征、行人特征。

本实施例中，步骤S14包括：从预设人体特征数据库中，查找与待识别人体的人脸特征相似度大于预设第一人脸特征相似度阈值、人体属性特征相似度大于预设第一人体属性特征相似度阈值、行人特征相似度大于预设第一行人特征相似度阈值的人员，以得到候选人员集合。

也就是说，将待识别人体的人脸特征与预设人体特征数据库中的人脸特征进行比对，将待识别人体的人体属性特征与预设人体特征数据库中的人体属性特征进行比对，将待识别人体的行人特征与预设人体特征数据库中的行人特征进行比对，然后，查找到与待识别人体的人脸特征相似度大于预设第一人脸特征相似度阈值、人体属性特征相似度大于预设第一人体属性特征相似度阈值、且行人特征相似度大于预设第一行人特征相似度阈值的人员，作为候选人员集合中的候选人员，或者，查找到与待识别人体的人脸特征相似度大于预设第一人脸特征相似度阈值、人体属性特征相似度大于预设第一人体属性特征相似度阈值、或行人特征相似度大于预设第一行人特征相似度阈值的人员，作为候选人员集合中的候选人员。

其中，预设第一人脸特征相似度阈值、预设第一人体属性特征相似度阈值、预设第一行人特征相似度阈值可以根据实际需要灵活设置。

当然，在一些实施方式中，若无法提取出人脸特征、人体属性特征、行人特征中的至少一个(例如，人脸不完整等情况)，则不进行该特征的比较。

本实施例提供的身份识别方法，从预设人体特征数据库中，查找与待识别人体的人脸特征相似度大于预设第一人脸特征相似度阈值、人体属性特征相似度大于预设第一人体属性特征相似度阈值、行人特征相似度大于预设第一行人特征相似度阈值的人员，以得到候选人员集合，也就是说，根据人脸特征、人体属性特征、行人特征对待识别人体进行识别，从而提升识别的准确性，避免仅根据人脸特征进行识别，在人脸被遮挡的情况下，无法识别出身份的情况。

基于第三实施例，提出本发明身份识别方法的第四实施例。本实施例中，步骤S14之前，身份识别方法还包括以下步骤：

步骤S20：采集人体图像。

由于步骤S14中，需要从预设人体特征数据库中，查找满足预设条件的的人员，因此，在步骤S14之前，需要创建人像特征数据库。为了创建人像特征数据库，本实施例中，先采集人体图像。其中，人体图像可以是只包括人脸的图像，也可以是包括人脸和身体的图像。

步骤S21：从人体图像中获取人体特征。

本实施例中，在采集人体图像后，从人体图像提取人像特征，其中，人体特征包括但不限于人脸特征、人体属性特征、行人特征等中的至少一种，为了提升身份识别的准确性，人体特征可以包括至少两种人像特征，例如，人体特征可以包括人脸特征、人体属性特征和行人特征，则此时，步骤S20包括：获取人体图像的人脸特征、人体特征和行人特征，以作为人像特征。

步骤S22：根据人体特征和人体图像对应的人员，创建人体特征数据库。

也就是说，人体特征数据库中，包括人员和该人员对应的人体特征。

本实施例提供的身份识别方法，先采集人体图像，从人体图像中获取人体特征，根据人体特征和人体图像对应的人员，创建人体特征数据库，以供后续根据待识别人体的人体特征，从预设人体特征数据库中，获取满足预设条件的人员的步骤使用。

基于第一实施例，提出本发明身份识别方法的第五实施例。本实施例中，步骤S15之前，身份识别方法还包括以下步骤：

步骤S23：根据预设人员轨迹库，对候选人员集合中的候选人员进行筛选。

其中，预设人员轨迹库包括人员以及各人员的轨迹。

本实施例中，在获取候选人员集合后，根据预设人员轨迹库对候选人员集合中的候选人员进行筛选。

在一些实施方式中，步骤S23包括：

步骤1：根据预设人员轨迹库，估测候选人员集合中各候选人员在预设时刻的估测地理位置。

根据预设人员轨迹，估测候选人员集合中，各候选人员在预设时刻可能出现的地理位置，作为估测地理位置。

例如，假设预设时刻之前，预设人员轨迹库中，候选人员1的最后地理位置为房间1，与房间1相邻的房间为2、3，则预设时刻，候选人员1的可能出现的地理位置是：房间1、2、3；预设时刻之前，预设人员轨迹库中，候选人员2的最后地理位置为房间4，与房间4相邻的房间为5、6，则预设时刻，候选人员2的可能出现的地理位置是：房间4、5、6。

步骤2：删除估测地理位置与第一摄像头对应的地理位置不匹配的候选人员。

判断各候选人员的估测地理位置中，是否存在第二摄像头对应的地理位置；若是，则保留该候选人员；若否，则删除该候选人员。

承接上例，假设第一摄像头对应的地理位置为房间3，因此，删除候选人员2，保留候选人员1。

步骤S15包括：根据预设图像特征集合，判断待识别人体与筛选后的候选人员集合中的候选人员是否匹配。由于步骤S15之前，对后续人员进行了筛选，因此，步骤S15中，根据预设图像特征集合，判断待识别人体与筛选后的候选人员集合中的候选人员是否匹配。

本实施例中，根据预设人员轨迹库，对候选人员集合中的候选人员进行筛选，然后根据筛选后的候选人员集合进行后续的识别，得到最终识别结果，从而提升识别的准确性。

基于第五实施例，提出本发明身份识别方法的第六实施例。本实施例中，步骤S23之后，步骤S15之前，身份识别方法还包括以下步骤：

步骤S25：根据待识别人体的人体特征对筛选后的候选人员集合进行筛选。

本实施例中，根据待识别人体的人体特征对根据预设人员轨迹库筛选后的候选人集合进行进一步筛选。

在一些实施方式中，步骤S25包括：

步骤1：判断待识别人体与第一候选人员的人脸特征相似度值是否大于预设第二人脸特征相似度阈值。

其中，第一候选人员为根据预设人员轨迹库筛选后的候选人员集合中，与待识别人体的人脸特征相似度值最高的候选人员。

第二人脸特征相似度阈值大于第一人脸特征相似度阈值。

步骤2：若是，只保留第一候选人员。

若待识别人体与第一候选人员的人脸特征相似度值大于预设第二人脸特征相似度阈值，则保留第一候选人员，删除候选人员集合中的其他候选人员，也就是说，候选人员集合中只包括第一候选人员。

步骤3：若否，判断待识别人体与第二候选人员的行人特征相似度值是否大于预设第二行人特征相似度阈值。

其中，第二候选人员为根据预设人员轨迹库筛选后的候选人员集合中，与待识别人体的行人特征相似度值最高的候选人员。

预设第二行人特征相似度阈值大于预设第一行人特征相似度阈值。

步骤4：若待识别人体与第二候选人员的行人特征相似度值大于预设第二行人特征相似度阈值，则只保留第二候选人员。

若待识别人体与第二候选人员的行人特征相似度值大于预设第二行人特征相似度阈值，则保留第二候选人员，删除候选人员集合中的其他候选人员，也就是说，候选人员集合中只包括第二候选人员。

步骤5：若待识别人体与第二候选人员的行人特征相似度值小于等于预设第二行人特征相似度阈值，则判断待识别人体与第三候选人员的人体属性特征相似度值是否大于预设第二人体属性特征相似度阈值。

第三候选人员为根据预设人员轨迹库筛选后的候选人员集合中，与待识别人体的人体属性特征相似度值最高的候选人员。

预设第二人体属性特征相似度阈值大于预设第一人体属性特征相似度阈值。

在一些实施方式中，在判断待识别人体与第三候选人员的人体属性特征相似度值是否大于预设第二人体属性特征相似度阈值之前，还可以判断先判断各候选人员中，是否存在唯一人体属性特征，且该唯一人体属性特征与待识别人体的人体属性特征匹配，其中，唯一人体属性特征为只有一个候选人员具有的、其他候选人员没有的人体属性特征；若是，增加该候选人员的人体属性特征相似度值，并根据人体属性特征相似度值增加后的值，从候选人员中确定第三候选人员。例如，假设待识别人体的衣服为白色短袖，候选人员1的人体属性特征相似度值为10，由于候选人员中，只有候选人员1的衣服为白色短袖，因此，增加候选人员1的人体属性特征相似度值，并以增加后的人体属性特征相似度值，从候选人员中确定第三候选人员。

步骤6：若待识别人体与第三候选人员的人体属性特征相似度值大于预设第二人体属性特征相似度阈值，只保留第三候选人员。

也就是说，候选人员集合中只包括第三候选人员。

步骤S15包括：根据预设图像特征集合，判断待识别人体与筛选后的候选人员集合中的候选人员是否匹配。

本实施例中，根据待识别人体的人体特征对筛选后的候选人员集合进行筛选，然后根据筛选后的候选人员集合进行后续的识别，得到最终识别结果，从而提升识别的准确性。

基于第一实施例，提出本发明身份识别方法的第七实施例。本实施例中，步骤S16之后，身份识别方法还包括以下步骤：

步骤S25：根据待识别人体的人体特征和最终识别结果，更新预设图像特征集合和预设人体特征数据库。

本实施例中，获得最终识别结果后，根据待识别人体的人体特征和最终识别结果，更新预设人体特征数据库。

本实施例中，获得最终识别结果后，根据待识别人体的人体特征和最终识别结果，更新预设图像特征集合。其中，更新预设图像特征集合包括但不限于以下方式中的至少一种：

第一种：更新预设图像特征集合中，待识别人体对应的人员、识别状态。例如，参见表1所示，假设待识别图像为图像2，待识别人体的人体特征为人体特征2，最终识别结果为待识别人体为人员2，则将人体特征2对应的人员更新为只包括人员2，识别状态更新为最终识别。

第二种：根据待识别人体的人体特征和最终识别结果，更新能够确定最终识别结果的人体特征对应的人员和识别状态。例如，参见表1所示，待识别人体的人体特征为人体特征2，最终识别结果为待识别人体为人员2，由于摄像头2在预设时刻采集的图像对应的人员为人员2，而摄像头1和摄像头2的覆盖区域相同，因此，可以判定摄像头2在预设时刻采集的图像中存在的人员的最终识别结果为人体2，因此，将人体特征4对应的识别状态更新为最终识别。

本实施例中，在获取最终识别结果后，根据待识别人体的人体特征和最终识别结果，更新预设图像特征集合和预设人体特征数据库，以使预设图像特征集合和预设人体特征数据库保持最新状态，提升识别的准确度。

基于第一实施例，提出本发明身份识别方法的第八实施例。本实施例中，步骤S16之后，身份识别方法还包括以下步骤：

步骤S26：根据各摄像头在预设时间段内采集的图像中，是否获得最终识别结果，调整各摄像头对应的参数。

其中，预设时间段可以根据实际需要灵活设置，例如，可以设置为10分钟、15分钟等。各摄像头对应的参数包括但不限于：图像质量阈值人脸完整度阈值、人体完整度阈值、图像特征集合中各摄像头对应的存储时间段(第一存储时间段、第二存储时间段)

其中，调整方式可以是：

第一种：若该摄像头在预设时间段内，采集的图像中，均没有获得最终识别结果，则下调图像质量阙值、下调人脸完整度阈值、下调人体完整度阈值、延长该摄像头对应的存储时间段，以提高人员识别精度。

第二种：若该摄像头在预设时间段内，采集的图像中，获得最终识别结果，则上调图像质量阙值、上调人脸完整度阈值、上调人体完整度阈值、缩短该摄像头对应的存储时间段，以维持识别精度的同时并减少数据处理量。

本实施例中，在获取最终识别结果后，根据各摄像头在预设时间段内采集的图像中，是否获得最终识别结果，调整各摄像头对应的参数，以在提高识别精度的同时，降低数据处理量。

基于第一实施例，提出本发明身份识别方法的第九实施例。本实施例中，步骤S16之后，身份识别方法还包括以下步骤：

步骤S27：根据待识别图像，获取目标人员的地理位置信息。

目标人员为待识别人体的最终识别结果。

本实施例中，预先设置有不同的空间信息和地理位置信息，根据待识别图像，获取目标人员的地理位置信息。

在一种实施方式中，参见图5所示，步骤S27包括：

步骤S271：获取第一摄像头的第一空间网格信息。

第一空间网格信息包括对第一摄像头的覆盖区域进行划分所得的空间网格和各空间网格对应的地理位置，也就是说，本实施例中，预先将第一摄像头的覆盖区域划分为了多个空间网格，并为每个空间网格设置了对应的地理位置信息，应当理解的是，摄像头的覆盖区域为摄像头能拍摄到的区域。

步骤S272：根据待识别人体图像在待识别图像中的坐标，以及第一空间网格信息，确定第一地理位置。

本实施例中，根据待识别人体图像在待识别图像中的坐标，确定其对应的空间网格，并根据对应的空间网格和第一空间网格信息，确定第一地理位置。

例如，参见图6所示，图6中，第一摄像头的覆盖区域划分为了4个空间网格，待识别图像601中，待识别人体图像处于空间网格602中，因此，获取空间网格602对应的地理位置作为第一地理位置。

步骤S273：判断是否在第二摄像头采集的参考图像中，识别出目标人员。

本实施例中，参考图像为第二摄像头在预设时刻采集的图像。其中，此处的识别为获得最终识别结果，也就是说，判断在第二摄像头采集的参考图像的最终识别结果中，是否存在目标人员。

其中，在参考图像中获取最终识别结果的方式可以与在待识别图像中获取最终识别结果的方式相同，此处不再赘述。

步骤S274：若是，根据目标人员对应的人体在参考图像中的坐标，以及第二摄像头对应的第二空间网格信息，确定第二地理位置。

第二空间网格信息包括对第二摄像头的覆盖区域进行划分所得的空间网格和各空间网格对应的地理位置，也就是说，本实施例中，预先将第二摄像头的覆盖区域划分为了多个空间网格，并为每个空间网格设置了对应的地理位置信息，应当理解的是，摄像头的覆盖区域为摄像头能拍摄到的区域。

确定第二地理位置的方式可以参见确定第一地理位置的方式，此处不再赘述。

若在第二摄像头采集的参考图像中，识别出目标人员，根据目标人员对应的人体在参考图像中的坐标，以及第二摄像头对应的第二空间网格信息，确定第二地理位置。

步骤S275：获取第一地理位置和第二地理位置的重叠区域，作为目标人员的地理位置信息。

本实施中，由于第一摄像头和第二摄像头拍摄的图像中，都存在目标人员，为了提高准确性，获取第一地理位置和第二地理位置的重叠区域，作为目标人员的地理位置信息。

步骤S276：若否，将待识别图像中，待识别人体对应的像素点的像素值设置为零，以得到背景图像。

若在第二摄像头采集的参考图像中，没有识别出目标人员，将待识别图像中，待识别人体对应的像素点的像素值设置为零，以得到背景图像。

步骤S277：判断是否从背景图像中检测出物体。

本实施例中，通过物体检测模型对背景图像进行检测，判断是否从背景图像中检测出物体。其中，物体检测模型为预先训练完成的、用于从图像中检测物体的神经网络模型。

步骤S278：若否，将第一地理位置作为目标人员的地理位置信息。

若没有从背景图像中检测出物体，则直接将第一地理位置作为目标人员的地理位置信息。

步骤S279：若是，将物体与预设参照物进行比对。

若从背景图像中检测出物体，则将检测出的物体与预设参照物进行比对。其中，预设参照物可以是预先设置的，摄像头的覆盖范围内存在的参照物，例如，可以是盆栽、桌子等不易挪动的物体。

步骤S2710：若物体与预设参照物不匹配，则将第一地理位置作为目标人员的地理位置信息。

若物体与预设参照物不匹配，则直接将第一地理位置作为目标人员的地理位置信息。

步骤S2711：若目标物体与预设参照物匹配，根据物体在待识别图像中的坐标、待识别人体在待识别图像中的坐标、预设参照物对应的关键地理位置，确定第三地理位置。

本实施例中，每一预设参照物设置了对应的地理位置，即关键地理位置。

根据从背景图像中识别出的物体在背景图像中的坐标、以及待识别人体图像的坐标，确定二者之间的差距，根据该差距，以及物体对应的预设参照物的关键地理位置，确定第三地理位置。

步骤S2712：获取第一地理位置和第三地理位置的重叠区域，作为目标人员的地理位置信息。

获取第一地理位置和第三地理位置的重叠区域，作为目标人员的位置信息。

步骤S28：根据目标人员的地理位置信息，更新预设人员轨迹库。

在获取目标人员的位置信息后，根据目标人员的地理位置信息，更新预设人员轨迹库。

本实施例中，可以预先设置GIS(Geographic Information System，地理信息系统)服务模块，以存储前述与地理位置相关的信息，例如，各摄像头对应的地理位置、第一空间网格信息、第二空间网格信息、预设参照物以及参照物对应的关键地理位置。这样，在需要获取与地理位置相关的信息时，可以从GIS服务模块获取。

本实施例中，在获取最终识别结果后，根据待识别图像，获取目标人员的地理位置信息，并根据目标人员的地理位置信息，更新预设人员轨迹库，以使预设人员轨迹库保持最新状态，提升识别准确性。并且，本实施例中，通过空间网格信息、参照物等，确定目标人员的地理位置信息，可以提升地理位置的识别精度。

本实施例中，在前述身份识别方法实施例的基础上，提供一种身份识别装置，应用于监控系统，监控系统包括至少两个摄像头，参照图7，图7为本发明身份识别装置的模块示意图，身份识别装置包括：

第一获取模块71，用于获取摄像头在预设时刻采集的待识别图像；

第一确定模块72，用于从待识别图像中，确定待识别人体；

第二获取模块73，用于获取待识别人体的人体特征；

第三获取模块74，用于根据待识别人体的人体特征，从预设人体特征数据库中，获取满足预设条件的人员，以得到候选人员集合；预设人体特征数据库包括人员的身份和对应的人体特征；

判断模块75，用于根据预设图像特征集合，判断待识别人体与候选人员集合中的候选人员是否匹配；预设图像特征集合包括：同一摄像头采集的第一历史图像特征集以及不同摄像头采集的第二历史图像特征集；

第二确定模块76，用于若是，将匹配的候选人员作为待识别人体的最终识别结果。

需要说明的是，身份识别装置还可选的包括有对应的模块，以实施上述身份识别方法的其他步骤。

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。

上述本发明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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述仅为本发明的可选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。