三维人脸重建方法、装置、设备以及存储介质

技术领域

本公开涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术领域，尤其涉及三维人脸重建方法、装置、设备以及存储介质，可应用于人脸识别和人脸重建场景下。

背景技术

随着视频技术的发展，有人脸画面显示需求的人脸动画、人脸识别和增强现实(Augmented Reality，AR)等娱乐应用中对于逼真的人脸模型的创建需求也越来越大。由于在同一人脸录制的视频中，不同视频帧内通常会存在多种表情，因此在三维人脸重建时需要对各个视频帧中的人脸表情进行跟踪，以使重建后的三维人脸中配置有相应的表情，增强三维人脸重建的逼真性。

三维人脸重建包含了人脸形状重建和人脸纹理重建两个重要部分。通过纹理重建技术，可以实现在三维人脸模型上重现逼真的人脸效果，从而在三维人脸动画、三维人脸识别等应用中充分发挥三维人脸重建的作用。

发明内容

本公开提供了一种三维人脸重建方法、装置、设备以及存储介质。

根据第一方面，提供了一种三维人脸重建方法，包括：获取目标二维人脸图像；对目标二维人脸图像进行人脸分割，得到第一人脸掩膜图像；利用预设的参数化人脸模型，对第一人脸掩膜图像进行空间转换，得到第二人脸掩膜图像；根据第二人脸掩膜图像以及目标二维人脸图像，确定第一纹理图像；基于第一纹理图像，确定目标二维人脸图像对应的三维人脸模型。

根据第二方面，提供了一种三维人脸重建装置，包括：图像获取单元，被配置成获取目标二维人脸图像；人脸分割单元，被配置成对目标二维人脸图像进行人脸分割，得到第一人脸掩膜图像；掩膜转换单元，被配置成利用预设的参数化人脸模型，对第一人脸掩膜图像进行空间转换，得到第二人脸掩膜图像；纹理确定单元，被配置成根据第二人脸掩膜图像以及目标二维人脸图像，确定第一纹理图像；人脸重建单元，被配置成基于第一纹理图像，确定目标二维人脸图像对应的三维人脸模型。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面所描述的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，上述计算机指令用于使计算机执行如第一方面所描述的方法。

根据第五方面，一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如第一方面所描述的方法。

根据本公开的技术能够基于二维人脸图像进行三维人脸重建，得到三维人脸模型。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的三维人脸重建方法的一个实施例的流程图；

图3是根据本公开的三维人脸重建方法的一个应用场景的示意图；

图4是根据本公开的三维人脸重建方法的另一个实施例的流程图；

图5是图4所示实施例中三维人脸重建过程的示意图；

图6是根据本公开的三维人脸重建装置的一个实施例的结构示意图；

图7是用来实现本公开实施例的三维人脸重建方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的三维人脸重建方法或三维人脸重建装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如三维重建类应用、图像处理类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上提供各类模型的后台服务器。后台服务器可以将三维人脸重建过程中所需的模型反馈给终端设备101、102、103。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开实施例所提供的三维人脸重建方法可以由终端设备101、102、103执行。相应地，三维人脸重建装置一般设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的三维人脸重建方法的一个实施例的流程200。本实施例的三维人脸重建方法，包括以下步骤：

步骤201，获取目标二维人脸图像。

本实施例中，三维人脸重建方法的执行主体可以获取目标二维人脸图像。目标二维人脸图像可以来自于公开数据集，或者目标二维人脸图像的获取是经过了人脸图像对应的用户的授权。上述目标二维人脸图像中可以包括人脸的信息，例如包括五官、额头、下巴等信息。

步骤202，对目标二维人脸图像进行人脸分割，得到第一人脸掩膜图像。

本实施例中，执行主体在获取到目标二维人脸图像后，可以对目标二维人脸图像进行人脸分割，得到第一人脸掩膜图像。具体的，执行主体可以利用预先训练的图像分割模型对目标二维人脸图像进行人脸分割，或者利用现有的图像处理算法对目标二维人脸图像进行人脸分割。通过人脸分割，执行主体可以确定出人脸所在区域，将人脸区域的像素值设定为1，将非人脸区域的像素值设定为0，从而可以得到人脸掩膜图像，记为第一人脸掩膜图像。本实施例将人脸皮肤区域按像素分割，能够大概地提取比较纯粹的人脸区域，去除背景。

步骤203，利用预设的参数化人脸模型，对第一人脸掩膜图像进行空间转换，得到第二人脸掩膜图像。

本实施例中，执行主体可以利用预先设置的参数化人脸模型，对第一人脸掩膜图像进行空间转换，得到第二人脸掩膜图像。上述参数化人脸模型可以包括Basel FaceModel(BFM)、Surrey Face Model(SFM)、FaceWarehouse、Large Scale Facial Model(LSFM)、3D Morphable Models(3DMM)等。利用上述参数化人脸模型可以确定空间转换函数，将第一人脸掩膜图像转换至UV空间，得到第二人脸掩膜图像。

步骤204，根据第二人脸掩膜图像以及目标二维人脸图像，确定第一纹理图像。

执行主体可以从目标二维人脸图像采集人脸纹理图像，然后结合第二人脸掩膜图像，得到第一纹理图像。具体的，执行主体可以首先将目标二维人脸图像变换至UV空间，得到与目标二维人脸图像对应的三维人脸图像。然后，从上述三维人脸图像中均匀采集纹理，得到人脸纹理图像。将人脸纹理图像与第二人脸掩膜图像进行融合，得到第一纹理图像。或者，执行主体可以根据图像坐标系与UV坐标系之间的对应关系，在人脸区域内进行纹理采样，得到第一纹理图像。

步骤205，基于第一纹理图像，确定目标二维人脸图像对应的三维人脸模型。

执行主体在得到第一纹理图像后，可以直接对第一纹理图像进行渲染，得到目标二维人脸图像对应的三维人脸模型。或者，执行主体还可以进一步对第一纹理图像进行处理(例如肤色调整、磨皮处理等)。然后，对处理后的第一纹理图像进行渲染，得到三维人脸模型。

继续参见图3，其示出了根据本公开的三维人脸重建方法的一个应用场景的示意图。在图3的应用场景中，用户通过手机采集自身的人脸图像。手机中安装的应用可以对上述人脸图像进行步骤201～205的处理，得到三维人脸模型。

本公开的上述实施例提供的三维人脸重建方法，可以基于二维人脸图像进行三维人脸重建，且在重建过程中采用了二维人脸图像的纹理，使得得到的三维人脸模型更贴近原图。

继续参见图4，其示出了根据本公开的三维人脸重建方法的另一个实施例的流程400。如图4所示，本实施例的方法可以包括以下步骤：

步骤401，获取目标二维人脸图像。

步骤402，利用预先训练的人脸分割模型对目标二维人脸图像进行人脸分割，得到第一人脸掩膜图像。

本实施例中，为了提高人脸分割的处理效率，执行主体可以利用轻量化的人脸分割模型对目标二维人脸图像处理。具体的，执行主体可以将256×256×3大小的目标二维人脸图像输入一个轻量化人脸分割模型，获得一个256×256×1大小的人脸掩膜图像。上述轻量化人脸模型可以为UNet分割模型。

人脸分割的过程主要包括数据准备、数据标注、模型训练、模型预测阶段。数据准备是指从开源数据集中可以收集到大量的包含人脸的RGB图像数据。数据标注是指对RGB图像数据中的人脸进行像素级的标注，获得人脸的掩膜。模型训练是指把人脸的掩膜作为模型训练的标签，训练UNet分割模型。模型预测是指在模型训练收敛完成后，可对RGB图像进行预测，获取RGB图像中的人脸掩膜。

步骤403，利用预设的参数化人脸模型，确定三维空间变换函数；利用三维空间变换函数，对第一人脸掩膜图像进行空间转换，得到第二人脸掩膜图像。

本实施例中，三维空间变换函数可以包括缩放因子、平移向量、旋转矩阵等等。执行主体可以利用三维空间变换函数，对第一人脸掩膜图像进行空间转换，得到第二人脸掩膜图像。具体的，执行主体可以对第一人脸掩膜图像中各像素的位置与上述三维空间变换函数进行运算，得到第二人脸掩膜图像。

步骤404，对目标二维人脸图像进行纹理采样，得到人脸纹理图像；根据第二人脸掩膜图像以及人脸纹理图像，确定第一纹理图像。

本实施例中，执行主体可以对目标二维人脸图像进行纹理采样，得到人脸纹理图像。具体的，执行主体可以根据图像坐标系与UV空间坐标系的对应关系，对目标二维人脸图像均匀纹理采样，得到人脸纹理图像。或者，执行主体可以首先对目标二维进行纹理采样，然后，将采样后的图像变换至UV空间，得到人脸纹理图像。

执行主体在得到人脸纹理图像后，可以将第二人脸掩膜图像与上述人脸纹理图像进行融合，得到第一纹理图像。具体的，执行主体可以利用现有的多种图像融合算法执行上述融合。

在本实施例的一些可选的实现方式中，执行主体可以通过图4中未示出的以下步骤实现对目标二维人脸图像的纹理采样：根据目标二维人脸图像以及预先训练的三维人脸重建模型，确定人脸参数，三维人脸重建模型用于表征人脸图像与人脸参数的对应关系；根据人脸参数以及参数化人脸模型，确定初始三维人脸模型；将初始三维人脸模型投影到图像坐标系，得到投影图；根据预先设置的UV空间的纹理坐标对投影图进行纹理采样，得到人脸纹理图像。

本实现方式中，执行主体可以将目标二维人脸图像输入预先训练的三维人脸重建模型中，得到与目标二维人脸图像对应的参数。上述三维人脸重建模型用于表征人脸图像与人脸参数的对应关系。上述人脸参数可以作为参数化人脸模型的参数。上述人脸参数可以包括人脸的姿态参数和相机参数。基于上述人脸参数，执行主体可以利用参数化人脸模型，得到初始三维人脸模型。然后将初始三维人脸模型的三维点坐标投影到图像坐标系，得到投影图。由于UV空间的坐标与二维图像坐标系的坐标之间存在映射关系，则执行主体可以根据参数化人脸模型的UV空间的纹理坐标对投影图进行纹理采样，得到人脸纹理图像。

在本实施例的一些可选的实现方式中，上述三维人脸重建模型可以通过以下步骤训练得到：获取训练样本集合；将各训练样本中的样本人脸图像作为输入，将输出的参数作为预先获取的参数化人脸模型的参数，得到三维人脸模型；对三维人脸模型进行渲染，得到与输入的样本人脸图像对应的二维图像；根据样本人脸图像以及二维图像，调整三维人脸重建模型的参数。

本实现方式中，三维人脸重建模型的训练过程可以由本实施例的执行主体来执行，也可以由其它电子设备来执行。如果有其它电子设备来执行，其它电子设备可以将训练完成的三维人脸重建模型发送给本实施例的执行主体以供使用。

电子设备可以首先获取训练样本集合。上述训练样本集合中的各训练样本包括样本人脸图像以及对应的参数。需要说明的是，上述样本人脸图像可以来自于公开数据集，或者样本人脸图像的采集以及使用经过了人脸对象的授权或允许。执行主体可以将各训练样本中的样本人脸图像作为输入，将训练过程中得到的输出参数作为预先获取的参数化人脸模型的参数。上述参数化人脸模型可以基于上述参数生成三维人脸模型。电子设备可以对得到的三维人脸模型进行渲染等操作，得到与上述三维人脸模型对应的二维图像。最后，基于上述二维图像以及输入的样本人脸图像，确定损失函数值。并基于上述损失函数值调整三维人脸重建模型的参数，最终完成三维人脸重建模型的训练。具体的，执行主体可以将得到的二维图像与样本人脸图像作差，将得到的差值作为第一损失函数。然后，执行主体还可以分别提取二维图像和样本人脸图像的关键点，将关键点之间的差值作为第二损失函数。根据上述第一损失函数和第二损失函数计算损失函数值。

步骤405，根据参数化人脸模型，确定第二纹理图像；融合第一纹理图像和第二纹理图像，得到融合纹理图像；对融合纹理图像进行渲染，得到目标二维人脸图像对应的三维人脸模型。

本实施例中，执行主体还可以通过参数化人脸模型，确定第二纹理图像。具体的，执行主体可以参数化人脸模型的系数，通过纹理基底线性组合获得完整的初版纹理。然后，通过双边滤波对初版纹理进行磨皮处理，去掉皮肤表面的不平滑和疤痕，达到初步美颜的效果，并将磨皮处理后的纹理作为第二纹理图像。然后，执行主体可以融合第一纹理图像和第二纹理图像，得到融合纹理图像。上述融合可以是泊松融合。最后，对融合纹理图像进行渲染，得到目标二维人脸图像对应的三维人脸模型。由于初版纹理中包括完整人脸区域的纹理，通过融合原图采样纹理和参数化模型纹理，可是最大程度保留原图纹理真实性，同时解决了由于无法某些角度不可见导致原图采样的纹理存在空洞的问题。

在本实施例的一些可选的实现方式中，执行主体还可以对第一纹理图像进行形态学腐蚀，并融合形态学腐蚀处理后的第一纹理图像和第二纹理图像。具体的，执行主体可以利用卷积核大小为5×5的卷积层对第一纹理图像连续做多次(例如3次)形态学腐蚀，以去除采样不完整的小纹理块、离群点以及梯度较高的点。

在本实施例的一些可选的实现方式中，执行主体还可以通过图4中未示出的以下步骤对融合图像进行处理：根据目标二维人脸图像，对融合纹理图像进行肤色调整，得到调整后图像；对调整后图像进行渲染，得到目标二维人脸图像对应的三维人脸模型。

本实现方式中，由于泊松融合会改变融合后人脸颜色，为了得到与原图类似的人脸皮肤颜色，对泊松融合后的人脸做颜色迁移。具体地，执行主体可以对目标二维人脸图像中的人脸区域和融合图像中的人脸区域(UV空间人脸区域)计算像素值均值和方差，利用目标二维人脸图像中的人脸区域像素均值和方差调整UV空间人脸区域的像素值，从而拉近UV空间人脸区域和原图人脸区域的皮肤颜色。

上述三维人脸重建过程可以参考图5，其示出了由二维人脸图像值三维人脸重建过程的示意图。需要说明的是，图5中的人脸图像对眼部进行了模糊化处理，目的在于保护用户的隐私，并不是遮盖眼部图像。因此，得到的纹理图像中仍然包括眼部的纹理。

本公开的上述实施例提供的三维人脸重建方法，可以保持类似原图采样纹理方法的真实度同时避免出现纹理空洞；同时还可以使得三维人脸模型拥有接近原图肤色的人脸纹理。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种三维人脸重建装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的三维人脸重建装置600包括：图像获取单元601、人脸分割单元602、掩膜转换单元603、纹理确定单元604和人脸重建单元605。

图像获取单元601，被配置成获取目标二维人脸图像。

人脸分割单元602，被配置成对目标二维人脸图像进行人脸分割，得到第一人脸掩膜图像。

掩膜转换单元603，被配置成利用预设的参数化人脸模型，对第一人脸掩膜图像进行空间转换，得到第二人脸掩膜图像。

纹理确定单元604，被配置成根据第二人脸掩膜图像以及目标二维人脸图像，确定第一纹理图像。

人脸重建单元605，被配置成基于第一纹理图像，确定目标二维人脸图像对应的三维人脸模型。

在本实施例的一些可选的实现方式中，掩膜转换单元603可以进一步被配置成：利用预设的参数化人脸模型，确定三维空间变换函数；利用三维空间变换函数，对第一人脸掩膜图像进行空间转换，得到第二人脸掩膜图像。

在本实施例的一些可选的实现方式中，纹理确定单元604可以进一步被配置成：对目标二维人脸图像进行纹理采样，得到人脸纹理图像；根据第二人脸掩膜图像以及人脸纹理图像，确定第一纹理图像。

在本实施例的一些可选的实现方式中，纹理确定单元604可以进一步被配置成：根据目标二维人脸图像以及预先训练的三维人脸重建模型，确定人脸参数，三维人脸重建模型用于表征人脸图像与人脸参数的对应关系；根据人脸参数以及参数化人脸模型，确定初始三维人脸模型；将初始三维人脸模型投影到图像坐标系，得到投影图；根据预先设置的UV空间的纹理坐标对投影图进行纹理采样，得到人脸纹理图像。

在本实施例的一些可选的实现方式中，装置600还可以进一步包括图6中未示出的模型训练单元，被配置成通过以下训练步骤训练得到三维人脸重建模型：获取训练样本集合，训练样本集合中的各训练样本包括样本人脸图像以及对应的参数；将各训练样本中的样本人脸图像作为输入，将输出的参数作为预先获取的参数化人脸模型的参数，得到三维人脸模型；对三维人脸模型进行渲染，得到与输入的样本人脸图像对应的二维图像；根据样本人脸图像以及二维图像，调整三维人脸重建模型的参数。

在本实施例的一些可选的实现方式中，人脸重建单元605可以进一步被配置成：根据参数化人脸模型，确定第二纹理图像；融合第一纹理图像和第二纹理图像，得到融合纹理图像；对融合纹理图像进行渲染，得到目标二维人脸图像对应的三维人脸模型。

在本实施例的一些可选的实现方式中，人脸重建单元605可以进一步被配置成：根据目标二维人脸图像，对融合纹理图像进行肤色调整，得到调整后图像；对调整后图像进行渲染，得到目标二维人脸图像对应的三维人脸模型。

在本实施例的一些可选的实现方式中，人脸分割单元602可以进一步被配置成：利用预先训练的人脸分割模型对目标二维人脸图像进行人脸分割，得到第一人脸掩膜图像。

应当理解，三维人脸重建装置600中记载的单元601至单元605分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对三维人脸重建方法描述的操作和特征同样适用于装置600及其中包含的单元，在此不再赘述。

本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图7示出了根据本公开实施例的执行三维人脸重建方法的电子设备700的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，电子设备700包括处理器701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储器708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM703中，还可存储电子设备700操作所需的各种程序和数据。处理器701、ROM 702以及RAM 703通过总线704彼此相连。I/O接口(输入/输出接口)705也连接至总线704。

电子设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储器708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器701可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器701执行上文所描述的各个方法和处理，例如三维人脸重建方法。例如，在一些实施例中，三维人脸重建方法可被实现为计算机软件程序，其被有形地包含于机器可读存储介质，例如存储器708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由处理器701执行时，可以执行上文描述的三维人脸重建方法的一个或多个步骤。备选地，在其他实施例中，处理器701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行三维人脸重建方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器701执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学存储设备、磁存储设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(“Virtual Private Server”，或简称“VPS”)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以是分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开的保护范围之内。