图像处理方法、装置和电子设备

技术领域

本发明涉及图像处理的技术领域，尤其是涉及一种图像处理方法、装置和电子设备。

背景技术

随着拍摄设备的发展，人们广泛应用广角和超广角镜头拍摄图像。当采用广角或超广角镜头对目标对象进行拍摄时，目标对象的成像点会发生偏移，得到各种畸变图像。如图1所示，当通过广角镜头对目标对象p进行拍摄时，成像点P在成像平面上会发生不同偏移，得到成像点P1和成像点P2，对应的得到两种畸变图像，分别为桶形畸变图像和枕形畸变图像。上述畸变图像将会影响图像的应用价值，因此，需要通过畸变矫正(imageundistoration)方法对畸变图像进行矫正，得到符合人体视觉特性的非畸变图像，其在图像视频处理中的作用越来越大。通常情况下，图像的前景(即拍摄目标)和背景的畸变程度不同，若希望得到符合人体视觉特性的非畸变图像，需对二者进行不同的畸变校正方式。

传统的畸变矫正方法为：通过标定获得相机镜头的畸变参数，继而将畸变图像反变形为正常图像。在反变形的过程中，畸变图像的四角不可避免会出现拉伸，当目标对象位于图像边界上时，就会导致目标对象变形。目前主流的算法是先获得目标对象的位置，然后在畸变校正的过程中对背景和目标对象采取不同的畸变校正方式，或者先对整幅图像采取同样的畸变校正方式，再单独调整目标对象的部分。如此，可确保背景和目标对象都得到符合视觉特性的校正。即便如此，上述图像处理方法仍存在几种问题：一是优化过程慢，为了求解优化算法，通常需要非常多次的迭代才能收敛到一个正确解，而且还存在收敛到局部最小的风险；二是参数适应性差，适用于A图像的校正参数不一定适合B图像，难以找到适应所有图像或大多数图像的校正参数；三是优化效果差，目标对象和背景的边界常常出现线条扭曲等不自然的效果。

综上，现有的图像处理方法存在效果差、效率低的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种图像处理方法、装置和电子设备，以缓解现有的图像处理方法效果差、效率低的技术问题。

第一方面，本发明实施例提供了一种图像处理方法，包括：获取包含目标对象的待处理图像和与所述待处理图像对应的目标对象蒙版；将所述待处理图像和所述目标对象蒙版输入畸变模型，得到与所述待处理图像对应的变形网格图，其中，所述变形网格图的每个像素点的像素值表示所述待处理图像中对应像素点的偏移量；基于所述变形网格图对所述待处理图像进行变形矫正，得到所述待处理图像的矫正图像。

进一步的，所述方法还包括：将所述待处理图像缩放至第一预设尺度，得到第一预设尺度的待处理图像。

进一步的，获取与所述待处理图像对应的目标对象蒙版包括：将所述第一预设尺度的待处理图像输入至分割模型，得到所述目标对象蒙版。

进一步的，所述方法还包括：将所述待处理图像和所述目标对象蒙版分别缩放至第二预设尺度，得到第二预设尺度的待处理图像和第二预设尺度的目标对象蒙版。

进一步的，将所述待处理图像和所述目标对象蒙版输入畸变模型包括：将所述第二预设尺度的待处理图像和所述第二预设尺度的目标对象蒙版输入至畸变模型，得到与所述待处理图像对应的变形网格图。

进一步的，基于所述变形网格图对所述待处理图像进行变形矫正包括：将所述变形网格图缩放至目标尺度，得到目标尺度的变形网格图，其中，所述目标尺度等于所述待处理图像的尺度；根据所述目标尺度的变形网格图中每个像素点的像素值所表示的偏移量对所述待处理图像中对应像素点进行偏移，得到所述待处理图像的矫正图像。

进一步的，所述方法还包括：获取训练样本集合，其中，所述训练样本集合中包括：训练对象图像、与所述训练对象图像对应的训练对象蒙版和与所述训练对象图像对应的变形网格图；通过所述训练样本集合对原始畸变模型进行训练，得到所述畸变模型。

第二方面，本发明实施例还提供了一种图像处理装置，包括：获取单元，用于获取包含目标对象的待处理图像和与所述待处理图像对应的目标对象蒙版；处理单元，用于将所述待处理图像和所述目标对象蒙版输入畸变模型，得到与所述待处理图像对应的变形网格图，其中，所述变形网格图的每个像素点的像素值表示所述待处理图像中对应像素点的偏移量；变形矫正单元，用于基于所述变形网格图对所述待处理图像进行变形矫正，得到所述待处理图像的矫正图像。

第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。

第四方面，本发明实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面任一项所述的方法的步骤。

在本发明实施例中，首先，获取包含目标对象的待处理图像和与待处理图像对应的目标对象蒙版，然后，将待处理图像和目标对象蒙版输入畸变模型，得到与待处理图像对应的变形网格图，其中，变形网格图的每个像素点的像素值表示待处理图像中对应像素点的偏移量；基于变形网格图对待处理图像进行变形矫正，得到待处理图像的矫正图像。通过上述描述可知，本发明采用畸变模型对待处理图像和目标对象蒙版进行处理，直接获得与待处理图像对应的变形网格图，进而再基于变形网格图对待处理图像进行变形矫正，该过程无需进行参数优化，能够大大提高运算效率、提升校正效果；对畸变模型进行训练和使用的过程中使用了目标对象蒙版，有利于加强模型对目标对象所在区域的关注；畸变模型输出的变形网格图用于对整幅图像进行校正，不再对目标对象和背景进行区别处理，使校正后的图像中目标对象和背景的边界过度更为自然。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的生成畸变图像的示意图；

图2为本发明实施例提供的一种电子设备的示意图；

图3为本发明实施例提供的一种图像处理方法的流程图；

图4为本发明实施例提供的待处理图像的示意图；

图5为本发明实施例提供的与图4对应的目标对象蒙版；

图6为本发明实施例提供的与图4和图5中人像的头部蒙版所对应的变形网格图；

图7为本发明实施例提供的图4的矫正图像的示意图；

图8为本发明实施例提供的图像处理方法的过程示意图；

图9(a)为本发明实施例提供的待处理图像的示意图；

图9(b)为本发明实施例提供的图9(a)的矫正图像的示意图；

图10为本发明实施例提供的一种图像处理装置的示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

首先，参照图2来描述用于实现本发明实施例的电子设备100，该电子设备可以用于运行本发明各实施例的图像处理方法。

如图2所示，电子设备100包括一个或多个处理器102、一个或多个存储器104、输入装置106、输出装置108以及摄像机110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图2所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。

所述处理器102可以采用数字信号处理器(DSP，Digital Signal Processing)、现场可编程门阵列(FPGA，Field－Programmable Gate Array)、可编程逻辑阵列(PLA，Programmable Logic Array)和ASIC(Application Specific Integrated Circuit)中的至少一种硬件形式来实现，所述处理器102可以是中央处理单元(CPU，Central ProcessingUnit)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。

所述存储器104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。

所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。

所述输出装置108可以向外部(例如，用户)输出各种信息(例如，图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。

所述摄像机110用于进行待处理图像的采集，其中，摄像机所采集的待处理图像经过所述图像处理方法进行处理之后得到矫正图像，例如，摄像机可以拍摄用户期望的图像(例如照片、视频等)，然后，将该图像经过所述图像处理方法进行处理之后得到矫正图像，摄像机还可以将所拍摄的图像存储在所述存储器104中以供其它组件使用。

示例性地，用于实现根据本发明实施例的图像处理方法的电子设备可以被实现为诸如智能手机、平板电脑等智能移动终端。

实施例2：

根据本发明实施例，提供了一种图像处理方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图3是根据本发明实施例的一种图像处理方法的流程图，如图3所示，该方法包括如下步骤：

步骤S302，获取包含目标对象的待处理图像和与待处理图像对应的目标对象蒙版；

在本发明实施例中，上述目标对象可以是人，也可以为动物，还可以为其它任何实物，本发明实施例对上述目标对象不进行具体限制。

上述待处理图像可以为实时获取的视频流中的包含目标对象的图像帧，也可以为之前拍照得到的包含目标对象的图像。即该方法可以实时对视频流中的包含目标对象的图像帧进行处理，也可以对已拍摄的包含目标对象的图像进行后期处理，本发明实施例对上述待处理图像的具体形式不进行限定。

在本发明实施例中，与待处理图像对应的目标对象蒙版用于表示需要畸变模型加以关注的目标对象的像素点的位置，上述与待处理图像对应的目标对象蒙版可以是整个目标对象，也可以为目标对象的一部分。例如，目标对象蒙版可以是目标对象外轮廓，也可以目标对象部分区域，例如头部的外轮廓。当只需要畸变模型关注目标对象的一部分时，目标对象蒙版就只需要目标对象的一部分所对应像素点的位置；当畸变矫正需要保持整个目标对象准确时，目标对象蒙版需要包含目标对象所有像素点的位置。在目标对象蒙版中，目标对象对应的位置可以为1，其它位置可以为0。

当目标对象为人时，若待处理图像如图4所示，图5中示出了与图4对应的两种目标对象蒙版，一种为整个人像蒙版，另一种为人像的头部蒙版。

步骤S304，将待处理图像和目标对象蒙版输入畸变模型，得到与待处理图像对应的变形网格图，其中，变形网格图的每个像素点的像素值表示待处理图像中对应像素点的偏移量；

上述畸变模型为预先训练得到的畸变模型，而上述变形网格图可以为一个双通道变形矩阵，其中每个通道的变形矩阵为一个二维矩阵，包括x和y两个方向。变形矩阵中各像素点的像素值表示待处理图像中对应像素点的偏移量。例如，双通道变形矩阵中(1，1)的像素点在两个通道中对应的像素值为(2，2)，那么可以确定将待处理图像(1，1)的像素点应向右偏移2个像素点，向上偏移2个像素点，可得到校正后的图像。变形矩阵中各像素点的像素值还可以表示待处理图像中对应像素点在校正后图像中的位置。例如，双通道变形矩阵中(1，1)的像素点在两个通道中对应的像素值为(2，2)，那么可以确定待处理图像(1，1)的像素点在校正后图像中的位置为(2，2)。

在一例中，将待处理图像和目标对象蒙版输入畸变模型输入畸变模型，是指将RGB的待处理图像的R层、G层、B层和目标对象蒙版作为4层图像输入畸变模型。图6中示出了与图4和图5中人像的头部蒙版所对应的变形网格图的可视化效果。

步骤S306，基于变形网格图对待处理图像进行变形矫正，得到待处理图像的矫正图像。

具体的，可基于变形网格图计算待处理图像中某个像素点A在校正后的图像中的位置，将校正后的图像中相应位置的像素点的像素值修改为像素点A在待处理图像中的像素值，由此可实现待处理图像中像素点的偏移。

可以理解的是，若根据变形矩阵，待处理图像中有多个的像素点对应校正后图像的同一位置B，则可将待处理图像中多个的像素点的像素值进行融合，得到校正后图像中位置B的像素值。若根据变形矩阵，校正图像中位置C不对应任何待处理图像中的像素点，则可根据校正图像中位置C周边位置像素值插值得出位置C的像素值。

图7中示出了基于图6中的变形网格图对图4中的待处理图像进行变形矫正后得到的矫正图像。

在本发明实施例中，首先，获取包含目标对象的待处理图像和与待处理图像对应的目标对象蒙版，然后，将待处理图像和目标对象蒙版输入畸变模型，得到与待处理图像对应的变形网格图，其中，变形网格图的每个像素点的像素值表示待处理图像中对应像素点的偏移量；基于变形网格图对待处理图像进行变形矫正，得到待处理图像的矫正图像。通过上述描述可知，本发明采用畸变模型对待处理图像和目标对象蒙版进行处理，直接获得与待处理图像对应的变形网格图，进而再基于变形网格图对待处理图像进行变形矫正，该过程无需进行参数优化，能够大大提高运算效率、提升校正效果；对畸变模型进行训练和使用的过程中使用了目标对象蒙版，有利于加强模型对目标对象所在区域的关注；畸变模型输出的变形网格图用于对整幅图像进行校正，不再对目标对象和背景进行区别处理，使校正后的图像中目标对象和背景的边界过度更为自然。

上述内容对本发明的图像处理方法进行了简要介绍，下面对其中涉及到的具体内容进行详细描述。

在本发明的一个可选实施例中，步骤S302，获取与待处理图像对应的目标对象蒙版的步骤包括：将第一预设尺度的待处理图像输入至分割模型，得到目标对象蒙版。所述第一预设尺度小于待处理图像的尺度。

上述第一预设尺度的待处理图像为在获取到包含目标对象的待处理图像后，在将待处理图像输入至分割模型之前，将待处理图像缩放至第一预设尺度，进而得到第一预设尺度的待处理图像，再将第一预设尺度的待处理图像输入至分割模型。

一般的，待处理图像的原始分辨率较大，将待处理图像缩放至第一预设尺度(可以为640*480，本发明实施例对上述第一预设尺度不进行具体限制)后，再将其输入至分割模型，可大大减小模型的计算量，提高计算效率，进而使得整个的图像处理方法可在终端例如手机上实时运行。

上述分割模型可以是任意的图像分割模型或实例分割模型，输入第一预设尺度的待处理图像，通过多层卷积和下采样的特征网络，抽取图像不同尺度的特征，再通过一个不断上采样的解码网络，对不同尺度的特征进行融合，输出得到目标对象蒙版。在本发明中，采用了一个实时的人像分割模型并将待处理图像缩放至第一预设尺度输入人像分割模型，在手机端实现10ms即可完成图像分割。

在本发明的一个可选实施例中，步骤S304，将待处理图像和目标对象蒙版输入畸变模型的步骤包括：将第二预设尺度的待处理图像和第二预设尺度的目标对象蒙版输入至畸变模型，得到与待处理图像对应的变形网格图。

上述第二预设尺度的待处理图像和第二预设尺度的目标对象蒙版的获取为在获取待处理图像和获取目标对象蒙版后，在将待处理图像和目标对象蒙版输入至畸变模型之前，将待处理图像和目标对象蒙版分别缩放至第二预设尺度，进而得到第二预设尺度的待处理图像和第二预设尺度的目标对象蒙版，再将第二预设尺度的待处理图像和第二预设尺度的目标对象蒙版输入至畸变模型。

待处理图像的原始分辨率较大，目标对象蒙版的分辨率为第一预设尺度，将待处理图像和目标对象蒙版分别缩放至第二预设尺度后，进而再将其输入至畸变模型，可大大减小模型的计算量，提高计算效率，进而使得整个的图像处理方法可在终端例如手机上实时运行。

上述第二预设尺度可以与第一预设尺度相同，也可以与第一预设尺度不同，本发明实施例对上述第二预设尺度不进行具体限制。

上述畸变模型可以是任意的图像生成模型，输入是第二预设尺度的待处理图像和第二预设尺度的目标对象蒙版，通过多层卷积和下采样的特征网络，抽取图像不同尺度的特征，再通过一个不断上采样的解码网络，对不同尺度的特征进行融合，输出一张与第二预设尺度的待处理图像尺寸相同的变形网格图。在本发明实施例中，为了实现快速的变形矫正，采用了轻量的畸变模型并将待处理图像、目标对象蒙版缩放至第二尺度输入畸变模型，在终端例如手机上实现10ms即可完成变形网格图输出。

在本发明的一个可选实施例中，步骤S306，基于变形网格图对待处理图像进行变形矫正的步骤包括：将变形网格图缩放至目标尺度，得到目标尺度的变形网格图，其中，目标尺度等于待处理图像的尺度；根据目标尺度的变形网格图中每个像素点的像素值所表示的偏移量对待处理图像中对应像素点进行偏移，得到待处理图像的矫正图像。

下面参考图8对本发明的图像处理方法的过程进行整体介绍。参考图8，获取待处理图像，然后将待处理图像缩放至第一预设尺度，得到第一预设尺度的待处理图像，进而将第一预设尺度的待处理图像输入至分割模型，输出得到第一预设尺度的目标对象蒙版，然后再将待处理图像和第一预设尺度的目标对象蒙版分别缩放至第二预设尺度，得到第二预设尺度的待处理图像和第二预设尺度的目标对象蒙版，进而将第二预设尺度的待处理图像和第二预设尺度的目标对象蒙版输入至畸变模型，得到与待处理图像对应的变形网格图，再将变形网格图缩放至目标尺度(目标尺度等于待处理图像的尺度)，得到目标尺度的变形网格图，最后根据目标尺度的变形网格图中每个像素点的像素值所表示的偏移量对待处理图像中对应像素点进行偏移，得到待处理图像的矫正图像。

上述内容对本发明的畸变模型对待处理图像进行处理的过程进行了详细介绍，下面对畸变模型的训练过程进行详细描述。

在本发明的一个可选实施例中，畸变模型的训练过程如下：

(1)获取训练样本集合，其中，训练样本集合中包括：训练对象图像、与训练对象图像对应的训练对象蒙版和与训练对象图像对应的变形网格图；

上述训练对象图像是指包含训练对象的图像，可以为采用超广角镜头对训练对象进行拍摄得到的原始图像，还可以为现有数据集中包含训练对象的图像，上述与训练对象图像对应的训练对象蒙版具体可以为基于对训练对象图像中的训练对象进行标注的训练对象位置生成的，也可以为将训练对象图像输入已训练好的分割模型得到的。

在得到训练对象图像后，可以利用传统的畸变矫正方法估计出对训练对象图像进行变形矫正所需的变形网格图。由于上述训练样本集合线下生成即可，所以在利用传统的畸变矫正方法对训练对象图像的变形网格图进行估计时，先根据传统的畸变矫正方法中的一组参数估计出各个训练对象图像对应的变形网格图，然后通过人工的方式在得到的所有变形网格图中挑选出错误的结果，再对传统的畸变矫正方法中的参数进行调整，通过参数调整后的方法再对上述错误的结果对应的训练对象图像的变形网格图进行估计，直至绝大部分训练对象图像对应的变形网格图准确，就能得到与训练对象图像对应的变形网格图。

(2)通过训练样本集合对原始畸变模型进行训练，得到畸变模型。

将训练对象图像、与训练对象图像对应的训练对象蒙版输入畸变模型，根据畸变模型输出的变形网格图与训练对象图像对应的变形网格图确定损失，根据损失调整畸变模型参数。当满足训练完成条件时，结束训练。训练对象蒙版有利于提示畸变模型对训练对象蒙版处加以关注，相比于训练对象图像输入畸变模型而不将训练对象蒙版输入畸变模型的方式，该方法更容易获得更接近真实值的变形网格图。

在一例中，将训练对象图像、与训练对象图像对应的训练对象蒙版输入畸变模型，是指将RGB的训练对象图像的R层、G层、B层和训练对象蒙版作为4层图像输入畸变模型。

本发明的图像处理方法可以用于图像畸变矫正，而也可以用于视频畸变矫正，图像处理的速度快，且图像矫正的效果好。通过在一台高通855的手机上实验本发明的方法可知，对图9(a)中的图像进行矫正所需的时间为25ms，对应的矫正图像如图9(b)所示。

实施例3：

本发明实施例还提供了一种图像处理装置，该图像处理装置主要用于执行本发明实施例上述内容所提供的图像处理方法，以下对本发明实施例提供的图像处理装置做具体介绍。

图10是根据本发明实施例的一种图像处理装置的示意图，如图10所示，该图像处理装置主要包括：获取单元10，处理单元20和变形矫正单元30，其中：

获取单元10，用于获取包含目标对象的待处理图像和与待处理图像对应的目标对象蒙版；

处理单元20，用于将待处理图像和目标对象蒙版输入畸变模型，得到与待处理图像对应的变形网格图，其中，变形网格图的每个像素点的像素值表示待处理图像中对应像素点的偏移量；

变形矫正单元30，用于基于变形网格图对待处理图像进行变形矫正，得到待处理图像的矫正图像。

在本发明实施例中，首先，获取包含目标对象的待处理图像和与待处理图像对应的目标对象蒙版，然后，将待处理图像和目标对象蒙版输入畸变模型，得到与待处理图像对应的变形网格图，其中，变形网格图的每个像素点的像素值表示待处理图像中对应像素点的偏移量；基于变形网格图对待处理图像进行变形矫正，得到待处理图像的矫正图像。通过上述描述可知，本发明采用畸变模型对待处理图像和目标对象蒙版进行处理，直接获得与待处理图像对应的变形网格图，进而再基于变形网格图对待处理图像进行变形矫正，该过程无需进行参数优化，能够大大提高运算效率、提升校正效果；对畸变模型进行训练和使用的过程中使用了目标对象蒙版，有利于加强模型对目标对象所在区域的关注；畸变模型输出的变形网格图用于对整幅图像进行校正，不再对目标对象和背景进行区别处理，使校正后的图像中目标对象和背景的边界过度更为自然。

可选地，该装置还用于：将待处理图像缩放至第一预设尺度，得到第一预设尺度的待处理图像。

可选地，获取单元还用于：将第一预设尺度的待处理图像输入至分割模型，得到目标对象蒙版。

可选地，该装置还用于：将待处理图像和目标对象蒙版分别缩放至第二预设尺度，得到第二预设尺度的待处理图像和第二预设尺度的目标对象蒙版。

可选地，处理单元还用于：将第二预设尺度的待处理图像和第二预设尺度的目标对象蒙版输入至畸变模型，得到与待处理图像对应的变形网格图。

可选地，变形矫正单元还用于：将变形网格图缩放至目标尺度，得到目标尺度的变形网格图，其中，目标尺度等于待处理图像的尺度；根据目标尺度的变形网格图中每个像素点的像素值所表示的偏移量对待处理图像中对应像素点进行偏移，得到待处理图像的矫正图像。

可选地，该装置还用于：获取训练样本集合，其中，训练样本集合中包括：训练对象图像、与训练对象图像对应的训练对象蒙版和与训练对象图像对应的变形网格图；通过训练样本集合对原始畸变模型进行训练，得到畸变模型。

本发明实施例所提供的图像处理装置，其实现原理及产生的技术效果和前述实施例2中的方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

在另一个实施例中，还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行上述权实施例2中任意实施例的方法的步骤。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，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，又例如，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。另一点，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通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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实施例方案的目的。

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，也可以两个或两个以上单元集成在一个单元中。

功能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，可以存储在一个处理器可执行的非易失的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)执行本发明各个实施例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。

最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。