图像处理的方法及电子设备

技术领域

本申请涉及图像处理技术领域，尤其涉及图像处理的方法及电子设备。

背景技术

随着计算机技术的快速发展，人脸识别越来越受到人们的关注。人脸识别是刑侦破案中的一种有效的身份认证技术。通常情况下，在刑侦中，可以先由模拟画像师根据目击者的描述绘制犯罪嫌疑人的人脸绘图，再由警方根据该人脸绘图在人脸数据库中进行检索和识别，确认犯罪嫌疑人的身份。

但是，由于模拟画像师绘制的人脸绘图难以表现色彩层次丰富的逼真图像效果，如人脸的纹理信息。直接利用模拟画像师描绘的人脸绘图进行人脸识别的准确度不高。因此，为了更加准确地识别犯罪嫌疑人的身份，可以将人脸绘图转换为人脸图像，再进行人脸识别。而如何通过人脸绘图获取更详细的人脸图像是当前亟需解决的问题。

发明内容

鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像处理的方法及电子设备。采用本申请提供的方法，电子设备将人脸绘图转换为人脸图像，使得人脸图像描述的人物更详细，进而提高人脸识别的准确性。

第一方面，本申请实施例提供了一种图像处理的方法，可包括：电子设备获取人物的第一绘图，第一绘图是由线条轮廓构成的图像，第一绘图包括M个关键区域，M为正整数；电子设备根据第I个关键区域，确定图像库中的每个图像的第I个区域和第I个关键区域的相似度，第I个区域和所述第I个关键区域对应相同的人脸部位，1≤I≤M；电子设备确定所述图像库中，第I个区域和第I个关键区域的相似度最高的N个图像，N为正整数；电子设备将N个图像分别对应的第I个区域，融合得到第I个目标区域，第I个目标区域和第I个关键区域对应相同的人脸部位；电子设备根据获取的M个目标区域确定人物的第一人脸图像。

通过第一方面所述的方法，电子设备将人物的第一绘图划分为M个关键区域。M个关键区域中第I个关键区域对应的N个图像的第I个区域，加权融合得到第I个目标区域，将M个第I个区域拼接得到最后的第一人脸图像。M个关键区域中的多个关键区域可以同时获得目标区域，提升工作效率。第I个关键区域是由N个第I个区域加权融合得到的，第I个目标区域拥有更多的图像特征，生成的第一人脸图像能描述的人物更准确，提高人脸识别的准确性。

在一些可能的实现方式中，N个图像分别对应的所述第I个区域包括：第1个图像的第I个区域、第2个图像的第I个区域、…、第N个图像的第I个区域；电子设备将N个图像分别对应的第I个区域，融合得到第I个目标区域，具体包括：电子设备确定N个图像分别对应的第I个区域的特征向量；电子设备使用以下公式得到第I个目标区域的特征向量：

在一些可能的实现方式中，电子设备确定N个图像分别对应的第I个区域的特征向量，之前，包括：电子设备将第I个关键区域和N个图像中的第I个区域的相似度输入预先训练的机器学习模型，得到N个第I个区域的特征向量的权重，即所述第I个关键区域对应的一组权重；其中，所述机器学习模型由多个人物的人脸绘图和人脸图像训练得到。

在一些可能的实现方式中，电子设备获取人物的第一绘图，具体包括：电子设备获取人物的第二人脸图像，第二人脸图像是由监控设备拍摄到的；确定第二绘图中未包含的第二人脸图像中的图像特征；第二绘图是由第二用户根据第三用户对人物的描述绘制的；将第二绘图中未包含的第二人脸图像中的图像特征，添加至第二绘图中，得到第一绘图。

第二方面，本申请实施例提供了一种图像处理的电子设备，包括：第一获取单元，用于获取第一绘图，第一绘图是由线条轮廓构成的图像，第一绘图包括M个关键区域，M为正整数；第一确定单元，用于根据第I个关键区域，确定图像库中的每个图像的第I个区域和第I个关键区域的相似度，第I个区域和第I个关键区域对应相同的人脸部位，1≤I≤M；第二确定单元，用于确定图像库中，第I个区域和第I个关键区域的相似度最高的N个图像，N为正整数；融合单元，用于将N个图像分别对应的第I个区域，融合得到第I个目标区域，第I个目标区域和第I个关键区域对应相同的人脸部位；第三确定单元，用于根据获取的M个目标区域确定人物的第一人脸图像。

在一些可能的实现方式中，N个图像分别对应的所述第I个区域包括：第1个图像的第I个区域、第2个图像的第I个区域、…、第N个图像的第I个区域；电子设备将N个图像分别对应的第I个区域，融合得到第I个目标区域，具体包括：第四确定单元，用于确定N个图像分别对应的第I个区域的特征向量；第一处理单元，用于使用以下公式得到第I个目标区域的特征向量：

在一些可能的实现方式中，确定所述N个图像分别对应的所述第I个区域的特征向量，之前，包括：第三处理单元，用于在第四确定单元确定N个图像分别对应的所述第I个区域的特征向量之前，将所述第I个关键区域和所述N个图像中的第I个区域的相似度输入预先训练的机器学习模型，得到N个所述第I个区域的特征向量的权重，即所述第I个关键区域对应的一组权重；其中，所述机器学习模型由多个人物的人脸绘图和人脸图像训练得到。

在一些可能的实现方式中，电子设备获取人物的第一绘图，具体包括：第二获取单元，用于获取人物的第二人脸图像，第二人脸图像是由监控设备拍摄到的；第五确定单元，用于确定第二绘图中未包含的第二人脸图像中的图像特征；第二绘图是由第二用户根据第三用户对人物的描述绘制的；添加单元，用于将第二绘图中未包含的第二人脸图像中的图像特征，添加至第二绘图中，得到第一绘图。

第三方面，本申请实施例提供了一种图像处理的电子设备，包括存储器、一个或多个处理器；存储器与一个或多个处理器耦合，存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，一个或多个处理器调用计算机指令以使得电子设备执行第一方面所述的方法，此处不再赘述。

第四方面，本申请实施例提供了一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储有计算机程序，计算机程序被处理器执行以实现上述第一方面的方法。

实施本申请实施例提供的技术方案，电子设备将人脸绘图转换为人脸图像，使得人脸图像描述的人物更详细，进而提高人脸识别的准确性。

附图说明

图1A是本申请实施例提供的一种人脸绘图的示意图；

图1B是本申请实施例提供的一种人脸图像的示意图；

图2是本申请实施例提供的一种图像处理的方法的流程示意图；

图3是本申请实施例提供的第一绘图中多个关键区域的示意图；

图4是本申请实施例提供的第I个区域融合得到第I个目标区域的流程示意图；

图5是本申请实施例提供的第I个区域融合得到第I个目标区域的图像示意图；

图6是本申请实施例提供的一种图像处理的电子设备的结构示意图；

图7是本申请实施例提供的一种图像处理的电子设备实体结构示意图。

具体实施方式

本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

在本申请中使用的术语“服务器”、“单元”、“系统”等用于表示计算机相关的实体、硬件、固件、硬件和软件的组合、软件、或执行中的软件。例如，服务器可以是但不限于，处理器，数据处理平台，计算设备，计算机，两个或更多个计算机等。

本申请实施例的图像处理方法及电子设备可以应用在多个领域，例如，将模拟画像师描绘的人脸绘图转换为人脸图像来进行身份认证的刑侦领域。此处不做限定。

下面简单介绍人脸绘图和人脸图像的区别。

在本申请实施例中，人脸绘图是由线条轮廓构成的图像，即该人脸绘图是用直线和曲线描述的图像。图像中保存的是线条和图块的信息，无法表现色彩层次丰富的图像效果。例如，阴影。如图1A所示，示出了一个人脸绘图的示意图。图像块101和图像块102组成了图像103。

人脸图像是像素点阵构成的图像。每一个像素都是单独染色的，只要有足够多的不同色彩的像素，就可以制作出色彩丰富的图像，逼真地表现自然界的景象。如图1B所示，示出了一个人脸图像的示意图。多个111像素构成了图像112。

人脸绘图和人脸图像均属于图像。一个图像对应有特征向量，特征向量用于描述该图像的形状特征。

在本申请实施例中，电子设备可以是智能手机、平板电脑、笔记本电脑、可穿戴设备(如智能手表)等便携式电子设备，可以是具有触敏表面或触控面板的台式计算机等非便携式电子设备，还可以是服务器。电子设备可以搭载iOS、Android、Microsoft或者其它操作系统，本申请实施例对此不作限制。并且，电子设备拥有足够的存储空间，可存储数据。

本申请实施例提供了一种图像处理的方法及电子设备，在该方法中，电子设备获取人物的第一绘图，并根据第一绘图中的关键区域，确定图像库中的每个图像的第I个区域和第I个关键区域的相似度最高的N个图像。然后，电子设备将N个图像对应的N个第I个区域，融合得到第I个目标区域，最后，根据第I个目标区域确定人物的第一人脸图像。图像库中的图像也可被称为人脸图像。具体可参考后续实施例的描述，这里不做赘述。

通过本申请提供的方法，电子设备将人物的第一绘图划分为M个关键区域。M个关键区域中第I个关键区域对应的N个图像的第I个区域，加权融合得到第I个目标区域，将M个第I个区域拼接得到最后的第一人脸图像。M个关键区域中的多个关键区域可以同时获得目标区域，提升工作效率。第I个关键区域是由N个第I个区域加权融合得到的，第I个目标区域拥有更多的图像特征，生成的第一人脸图像能描述的人物更准确，提高人脸识别的准确性。

下面将对本申请实施例进行详细描述。

请参见图2，是本申请实施例提供的一种图像处理的方法的流程示意图。如图2所示，该图像处理的方法可以包括：

步骤S201：电子设备获取人物的第一绘图。

电子设备获取的人物的第一绘图有以下几种方式：

1.该人物的第一绘图是模拟画像师根据目击者对犯罪嫌疑人的描述绘制的犯罪嫌疑人的人脸绘图。其中，人脸绘图是由线条轮廓构成的图像。

2.该人物的第一绘图是结合模拟画像师绘制的犯罪嫌疑人的人脸绘图和监控设备拍摄的犯罪嫌疑人的人脸图像确定的。

其中，本申请实施例中的电子设备可与多个监控设备连接，每一个监控设备均用于抓拍视频图像。通常情况下，监控设备可安装在公共场所，例如，加油站、机场、车站、超市、十字路口、医院、娱乐场所等等。监控设备在拍摄到视频图像后，可将该视频图像保存到电子设备中。

进一步的，监控设备采集的视频图像通常为动态人脸图像，因而，本申请实施例中电子设备可以对动态人脸图像进行筛选。电子设备筛选得到的人脸图像包括但不限于以下特征：人脸的两眼间距不小于30像素、人脸的俯仰角不超过20度、人脸的水平转动角度不超过30度。

电子设备结合模拟画像师绘制的犯罪嫌疑人的人脸绘图和监控设备拍摄的犯罪嫌疑人的人脸图像确定人物的第一绘图包含以下几种方式：

1.电子设备将监控设备拍摄的人脸图像的图像特征与人脸绘图的图像特征进行比对，然后将包含在监控设备拍摄的人脸图像内的但是不包含在人脸绘图内的图像特征添加至该人脸绘图中，从而得到人物的第一绘图。其中，人脸绘图为模拟画像师根据目击者的描述绘制的犯罪嫌疑人的人脸图像。

2.电子设备将监控设备拍摄的人脸图像的图像特征与人脸绘图的图像特征进行比对，然后将包含在人脸绘图内的但是不包含在监控设备拍摄的人脸图像内的图像特征添加至该监控设备拍摄的人脸图像中，从而得到人物的第一绘图。其中，人脸绘图为模拟画像师根据目击者的描述绘制的犯罪嫌疑人的人脸图像

步骤S202：电子设备根据第I个关键区域，确定图像库中的每个图像的第I个区域和所述第I个关键区域的相似度。

其中，第一绘图中包括M个关键区域，关键区域描述人物脸部的重要区域，1≤I≤M，M为正整数，I为正整数。

如图3所示，第一绘图中的M个关键区域包括：关键区域1、关键区域2、关键区域3、关键区域4、关键区域5、关键区域6。其中，关键区域1对应于人脸的右耳垂，关键区域2对应于人脸的左眉峰，关键区域3对应于人脸的右眼眼角，关键区域4对应于人脸的左眼瞳孔，关键区域5对应于人脸的左嘴角，关键区域6对应于人脸的下巴。需要明白，上述的M个关键区域仅仅是为了示例，不应构成限定。电子设备在第一绘图中确定的关键区域越多，即M越大，该第一绘图描述的人物图像越准确，从而人物图像描述的人物越清晰。

电子设备确定第一绘图中的M个关键区域的方式包含以下几种：

1.电子设备确定第一绘图中的M个关键区域是由第一用户的用户操作确定的。用户操作可包括：基于重要区域的点击操作、按压操作、划动操作等等，这里不做限制。

2.电子设备确定第一绘图中的M个关键区域是由人脸部位关系确定的。电子设备存储有人脸部位关系。例如，人脸部位关系：嘴巴上方3厘米处为鼻子，嘴巴下方4厘米为下巴。如图3所示，电子设备响应用户操作确定的左眼瞳孔所在的关键区域后，可以根据人脸部位关系中左眼瞳孔与左嘴角的相对位置确定左嘴角所在的关键区域。也就是说，可以根据用户操作标注的一个或多个关键区域确定第一绘图中的其余一个或多个关键区域。

3.电子设备确定第一绘图中的M个关键区域是根据人脸部位识别结果确定的。例如，电子设备根据主动形状模型(Active Shape Model，ASM)算法、级联形状回归(CascadedPose Regression，CPR)算法等确定第一绘图中的人脸部位识别结果，并根据人脸部位识别结果确定第一绘图中的M个关键区域，不做限定。

进一步的，电子设备在第一绘图中确定的M个关键区域的形状可以为正方形，可以为矩形，还可以为圆形，不做限定。

具体的，图像库中包括多P个人脸图像。在一些可行的实施方式中，图像库包括多个子图像库，子图像库包括：中国人脸图像库、美国人脸图像库、越南人脸图像库。在电子设备将中国人的人脸绘图转换为人脸图像时，可选用通用的中国人脸图像库，例如，北京工业大学人脸数据库(BJUT Face Database)。

电子设备根据第I个关键区域，确定图像库中的每个图像的第I个区域和所述第I个关键区域的相似度。可包括以下几种方式：1.电子设备可根据图像库中的每个人脸图像的第I个区域和第I个关键区域的特征向量确定相似度。2.电子设备可根据图像库中的每个人脸图像的第I个区域和第I个关键区域的信息序列确定相似度。其中，第I个区域和第I个关键区域对应相同的人脸部位。

电子设备可根据图像库中的每个人脸图像的第I个区域和第I个关键区域的特征向量确定相似度。图像库中的人脸图像的第I个区域的特征向量与第I个关键区域的特征向量差异越小，该人脸图像的第I个区域与第I个关键区域的相似度越高。其中，特征向量指示图像的形状特征。

在一些可行的实施方式中，特征向量可以是一个k维的向量。特征向量之间的差异可以用特征向量之间的欧式距离来衡量，欧式距离越小，特征向量之间的差异越小，人脸图像的第I个区域与第I个关键区域的相似度越高。在另一些可行的实施方式中，特征向量之间的差异还可以用特征向量之间的余弦距离来衡量，余弦距离越小，特征向量之间的差异越小，人脸图像的第I个区域与第I个关键区域的相似度越高。

电子设备可根据图像库中的每个人脸图像的第I个区域和第I个关键区域的信息序列确定相似度。图像库中的人脸图像的第I个区域的信息序列与第I个关键区域的信息序列相同的位数越多，该人脸图像的第I个区域和第I个关键区域的相似度越高。

步骤S203：电子设备确定图像库中第I个区域和第I个关键区域的相似度最高的N个图像，N为正整数。

举例说明，假设图像库中包括1000个人脸图像，电子设备确定这1000个人脸图像的第I个区域和第I个关键区域的相似度最高的3个人脸图像。此处仅仅为示例，不应构成限定。

步骤S204：电子设备将N个图像分别对应的第I个区域，融合得到第I个目标区域，第I个目标区域和第I个关键区域对应相同的人脸部位。

在一些可行的实施方式中，N个人脸图像中的第I个目标区域的尺寸大小均与第I个关键区域的尺寸大小相同。

步骤S204可包括以下步骤：

参见图3，是本申请实施例提供的一种融合得到目标区域的流程示意图。如图3所示，该图像处理的方法可包括：

步骤S2041：电子设备确定N个图像分别对应的第I个区域的特征向量，N个第I个区域的特征向量I包括：特征向量I

进一步，N个人脸图像对应的N个图像的第I个区域对目标区域的影响不同。具体的，N个人脸图像中的第I个区域和第I个关键区域的相似度越高，该第I个区域对目标区域的影响越大。

M个关键区域中，第I个关键区域对应的一组权重与第K个关键区域对应的一组权重可以相同，也可以不同，其中1≤I≤M，1≤K≤M，I≠K。

针对同一绘图中M个关键区域，在一些可行的实施方式中，第I个关键区域对应的一组权重与第K个关键区域对应的一组权重相同。例如，电子设备根据图像库中和第I个关键区域相似度高低确定的N个人脸图像中的第I个区域的特征向量的权重为A

在另一些可行的实施方式中，针对同一绘图中M个关键区域，在一些可行的实施方式中，第I个关键区域对应的一组权重与第K个关键区域对应的一组权重不同。例如，电子设备根据图像库中和第I个关键区域相似度高低确定的N个人脸图像中的第I个区域的特征向量的权重为A

以下实施例，均以第I个关键区域为例，说明电子设备如何根据第I个关键区域相似度最高的N个人脸图像对应的N个第I个区域，融合得到目标区域。该第I个关键区域对应有N个第I个区域，分别是：第1个图像的第I个区域、第2个图像的第I个区域、…、第N个图像的第I个区域。

在一些可行的实施方式中，第I个关键区域对应有一组权重。每个权重是第I个关键区域对应的第I个区域的特征向量I

具体的，第I个关键区域对应有N个第I个区域。第I个关键区域对应的第I个区域的特征向量I

表1第I个关键区域对应的第I个区域的特征向量的权重

步骤S2042：电子设备根据N个第I个区域的特征向量融合得到第I目标区域。

电子设备通过N个第I区域的特征向量确定第I目标区域的特征向量，再通过第I个目标区域的特征向量确定第I个目标区域。在一些可行的实施方式中，电子设备可以通过以下公式来计算第I个目标区域的特征向量：

其中，J为第I个目标区域的特征向量，I

电子设备通过N个第I个区域的特征向量确定第I个目标区域的特征向量，假设第I个关键区域对应的3个第I个区域的特征向量为二维向量，特征向量为I

图5为第I个关键区域对应的3个人脸图像的第I个区域融合得到第I个目标区域的示意图。参考图5，特征向量I

第I个关键区域对应的N个人脸图像的第I个区域的特征向量的权重可以由以下几种方式获得：

1.第I个关键区域对应的N个人脸图像的第I个区域的特征向量的权重可以是第一用户设置的。

2.第I个关键区域对应的N个人脸图像的第I个区域的特征向量的权重可以是根据机器学习模型确定的。

机器学习模型描述了第I个关键区域和N个图像中的第I个区域的相似度与一组权重的关系。该机器学习模型是由多个人物的人脸绘图和人脸图像确定的。

步骤S205：电子设备根据获取的M个目标区域确定所述人物的第一人脸图像。

第一绘图中包括M个关键区域，每个关键区域都可以确定出一个目标区域，因此，可以有M个目标区域。电子设备将M个目标区域拼接得到人物的第一人脸图像。

在一些可能的实施方式中，电子设备通过M个目标区域拼接得到任务的第一人脸图像不完整，即该第一人脸图像没有覆盖人脸的全部部位。电子设备提取第一人脸图像中占比最大的肤色参数，然后根据该肤色参数对第一人脸图像中缺失的人脸部位进行着色，得到完整的第一人脸图像。

通过本申请实施例的方案，电子设备将人物的第一绘图划分为M个关键区域。M个关键区域中第I个关键区域对应的N个图像的第I个区域，加权融合得到第I个目标区域，将M个第I个区域拼接得到最后的第一人脸图像。M个关键区域中的多个关键区域可以同时获得目标区域，提升工作效率。第I个关键区域是由N个第I个区域加权融合得到的，第I个目标区域拥有更多的图像特征，生成的第一人脸图像能描述的人物更准确，提高人脸识别的准确性。

上述详细阐述了本申请实施例的方法，下面提供了与本申请实施例的图像处理的电子设备可以是一种通过快速获取、处理、分析和提取有价值的数据，以交互数据为基础，为第三方使用带来各种便利的服务设备。请参考附图6，图6是本申请实施例提供的一种图像处理的电子设备的结构示意图。可以包括第一获取单元601、第一确定单元602、第二确定单元603、融合单元604、第三确定单元605。还可以包括第四确定单元606、第一处理单元607、第二处理单元608、第三处理单元609，第二获取单元6,10、第五确定单元611、添加单元612。

第一获取单元601，用于获取第一绘图，第一绘图是由线条轮廓构成的图像，第一绘图包括M个关键区域，M为正整数。

第一确定单元602，用于根据第I个关键区域，确定图像库中的每个图像的第I个区域和第I个关键区域的相似度，第I个区域和第I个关键区域对应相同的人脸部位，1≤I≤M。

第二确定单元603，用于确定图像库中，第I个区域和第I个关键区域的相似度最高的N个图像，N为正整数。

融合单元604，用于将N个图像分别对应的第I个区域，融合得到第I个目标区域，第I个目标区域和第I个关键区域对应相同的人脸部位。

第三确定单元605，用于根据获取的M个目标区域确定人物的第一人脸图像。

第四确定单元606，用于确定N个图像分别对应的第I个区域的特征向量。

第一处理单元607，用于使用以下公式得到第I个目标区域的特征向量：

第二处理单元608，用于根据第I个目标区域的特征向量J，得到第I个目标区域。

第三处理单元609，用于在所述第四确定单元确定所述N个图像分别对应的所述第I个区域的特征向量之前，将所述第I个关键区域和所述N个图像中的第I个区域的相似度输入预先训练的机器学习模型，得到N个所述第I个区域的特征向量的权重，即所述第I个关键区域对应的一组权重；其中，所述机器学习模型由多个人物的人脸绘图和人脸图像训练得到。

第二获取单元610，用于获取人物的第二人脸图像，第二人脸图像是由监控设备拍摄到的。

第五确定单元611，用于确定第二绘图中未包含的第二人脸图像中的图像特征；第二绘图是由第二用户根据第三用户对人物的描述绘制的。

添加单元612，用于将第二绘图中未包含的第二人脸图像中的图像特征，添加至第二绘图中，得到第一绘图。

请参考附图7，图7是本申请实施例提供的一种图像处理的电子设备简化的实体装置结构示意图，便于理解和图示方便，图7电子设备70中，可以包括以下一个或多个部分：存储器701，一个或多个处理器702。

存储器701可以包括一个或多个存储单元，每个单元可以包括一个或多个存储器，存储器701与一个或多个处理器耦合，可用于存储程序和各种数据，并能在电子设备70运行过程中高速、自动地完成程序或数据的存取。在本申请实施例中，存储器701可用于存储图像库中的人脸图像以及相关的程序代码。

处理器702，处理器可以是中央处理器(central processing unit，CPU)，网络处理器(network processor，NP)或者CPU和NP的组合。处理器702用于调用所述存储器701的数据执行所述方法的相关描述，此处不再赘述。

需要说明的是，各个操作的具体实现还可以对应参照方法实施例的相应描述，此处不再赘述。

在本申请中，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，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。

另外，在本申请各个实施例中的各功能组件可以集成在一个组件也可以是各个组件单独物理存在，也可以是两个或两个以上组件集成在一个组件中。上述集成的组件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。

所述集成的组件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，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，或者网络设备等)执行各个本申请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(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

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。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。尽管在此结合各实施例对本申请进行了描述，然而，在实施例所要求保护的本申请过程中，本领域技术人员可理解并实现公开实施例的其他变化。