一种人脸识别方法、电子设备以及可读介质

技术领域

本申请涉及计算机视觉领域技术领域，尤其涉及一种人脸识别方法、电子设备以及可读介质。

背景技术

随着互联网功能的日益强大，依托于互联网的技术正在兴起，其中人脸识别技术已经成功应用到很多领域中。

例如在计算机视觉领域中，行人分析就是一个热点研究方向，在现有技术中，行人分析大多是将图像采集设备拍摄的图像上传至服务器，然后由服务器从多幅图像中筛选出包含行人的行人图像，再从行人图像中进一步筛选出清晰的行人图像，进行人脸检测等工作。

但是，由于各种环境因素和拍摄角度因素的影响等，图像采集设备采集的大量行人图像中可能只有很少一部分图像符合质量标准，服务器需要对大量图像进行质量筛选工作，服务器运算量增加，导致运算时间过长。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种人脸识别方法、电子设备以及可读介质。

第一方面，本申请提供了一种人脸识别方法，所述方法包括：

获取图像采集装置采集的行人图像；

若在所述行人图像中检测到人眼，根据所述人眼在所述行人图像中的位置信息确定所述行人图像中人脸的偏转角度评分；

根据所述行人图像计算图像质量评分；

若根据所述偏转角度评分和所述图像质量评分确定所述行人图像满足预设条件，向目标服务器发送所述行人图像，以用于人脸识别。

可选地，根据所述人眼在所述行人图像中的位置信息确定所述行人图像中人脸的偏转角度评分的步骤，包括：

根据所述位置信息确定所述人眼在所述行人图像上的人眼坐标；

基于两个所述人眼坐标在所述行人图像上构建矩形框；

对所述行人图像进行人脸检测，得到人脸图像；

判断矩形框的任意一边是否均在所述人脸图像区域内；

若所述矩形框的任意一边均在所述人脸图像区域内，则计算所述矩形框的面积，得到人脸面积；

根据公式：

计算所述人脸大小评分，其中，S

或者，若所述矩形框的任意一边不在所述人脸图像区域内，则确定所述人脸大小评分为0；

将所述人脸大小评分确定为所述偏转角度评分。

可选地，基于两个所述人眼坐标在所述行人图像上构建矩形框的步骤，包括：

将两个所述人眼坐标连线中点确定为原点，并建立平面直角坐标系；

计算两个所述人眼坐标之间的距离与预设倍数的乘积，得到矩形框的宽，所述矩形框的宽的中点位于所述平面直角坐标系的纵轴正半轴上第一预设位置处；

计算所述矩形框的宽与预设长宽比的乘积，得到矩形框的长；

根据所述矩形框的长、所述矩形框的宽以及所述第一预设位置构建所述矩形框。

可选地，根据所述人眼在所述行人图像中的位置信息确定所述行人图像中人脸的偏转角度评分的步骤，包括：

根据所述位置信息确定所述人眼在所述行人图像上的人眼坐标；

基于两个所述人眼坐标在所述行人图像上构建矩形框；

确定所述矩形框的中心点在所述行人图像上的中心坐标；

对所述行人图像进行人脸检测，得到人脸图像；

确定所述人脸图像的中心点在所述行人图像上的中点坐标；

计算所述中心点坐标与所述中点坐标之间的距离，得到参考距离；

利用公式λ

将所述人脸对称性评分确定为所述偏转角度评分。

可选地，根据所述行人图像计算图像质量评分的步骤，包括：

对所述行人图像进行灰度化处理，得到灰度图；

基于所述灰度图像确定所述人脸图像的归一化直方图；

根据公式：

计算所述归一化直方图的若干个分布概率的均值，得到所述人脸图像的清晰度评分，其中n

将所述清晰度评分确定为所述图像质量评分。

可选地，根据所述行人图像计算图像质量评分的步骤，包括：

对所述行人图像进行灰度化处理，得到灰度图；

基于所述灰度图像确定所述人脸图像的归一化直方图；

根据公式：

计算人脸对比度评分，其中，其中n

将所述人脸对比度评分确定为所述图像质量评分。

可选地，根据所述行人图像计算图像质量评分的步骤，包括：

对所述行人图像进行人脸检测，得到人脸图像；

对所述行人图像进行灰度化处理，得到灰度图；

提取所述灰度图像中每个像素点的灰度值，得到多个灰度值；

计算所述多个灰度值的平均值，得到行人图像灰度平均值；

计算所述人脸图像区域中多个像素点的灰度值的平均值，得到人脸图像灰度平均值；

根据公式：

计算所述明亮度评分，其中，

将所述明亮度评分确定为所述图像质量评分。

可选地，获取图像采集装置采集的行人图像的步骤之前，还包括：

控制所述图像采集装置采集预设监控区域的图像；

若在所述图像内检测到行人，对所述图像进行卡尔曼滤波，得到下一时刻所述行人在所述图像上的位置信息；

根据所述位置信息控制所述图像采集装置对所述行人进行拍摄。

第二方面，本申请还提供了一种电子设备，包括存储器、处理器，所述存储器中存储有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。

第三方面，本申请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，所述程序代码使所述处理器执行第一方面任一所述方法。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请通过获取图像采集装置采集的行人图像；若在所述行人图像中检测到人眼，根据所述人眼在所述行人图像中的位置信息确定所述行人图像中人脸的偏转角度评分；根据所述行人图像计算图像质量评分；若根据所述偏转角度评分和所述图像质量评分确定所述行人图像满足预设条件，向目标服务器发送所述行人图像，以用于人脸识别，通过计算人脸的偏转角度评分和图像质量评分的方式，达到筛选出符合质量标准的行人图像目的，降低了数据传输量的同时，还减少服务器对大量图像进行质量筛选工作，提升行人图像分析的精确度。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种人脸识别方法流程示意图；

图2为本申请实施例提供的步骤S102的流程示意图；

图3为本申请实施例提供的步骤S202的流程示意图；

图4为本申请实施例提供的另一种人脸识别方法流程示意图；

图5为本申请实施例提供的一种电子设备的结构图。

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，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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他实施例，都属于本申请保护的范围。

目前，在行人分析领域中，行人分析大多是将图像采集设备拍摄的图像上传至服务器，然后由服务器从多幅图像中筛选出包含行人的行人图像，再从行人图像中进一步筛选出清晰的行人图像，进行人脸检测等工作。但是，由于各种环境因素和拍摄角度因素的影响等，图像采集设备采集的大量行人图像中可能只有很少一部分图像符合质量标准，服务器需要对大量图像进行质量筛选工作，服务器运算量增加，导致运算时间过长，基于此，本发明首先提供了一种人脸识别方法，如图1所示，所述方法包括：

步骤S101，获取图像采集装置采集的行人图像；

在本发明实施例中，图像采集装置可以使监控摄像头，用于采集监控区域的行人图像，其中，采集到的行人图像可以存储在图像采集装置上的存储器中，也可以存储在其他终端上，具体设置方式可以依据实际情况而定。

在实际应用中，所述人脸识别方法可以应用于前端设备上，前段设备与该图像处理装置连接，以获取图像采集装置采集到的行人图像。

步骤S102，若在所述行人图像中检测到人眼，根据所述人眼在所述行人图像中的位置信息确定所述行人图像中人脸的偏转角度评分；

在本发明实施例中，若在行人图像中检测到人眼，先确定人眼在行人图像上的位置信息，具体地，位置信息可以是人眼在行人图像上的位置坐标，也可以是人眼在行人图像上的偏移量等等，然后再根据该位置信息计算人眼所在人脸的偏转角度评分，达到检测该行人图像人脸部分的图像质量的目的。

其中，利用位置信息计算人眼所在人脸的偏转角度评分的方式，可以采用行人图像上人眼实际的位置信息与预设的标准位置信息匹配的方式，获取与标准位置信息对应的人脸的偏转角度评分，即得到实际测试中人脸的偏转角度评分，或者，使用预先标记人脸的偏转角度评分和人眼位置信息的行人图像训练样本对训练神经网络模型，利用神经网络模型，达到根据位置信息确定行人图像中人脸的偏转角度评分，具体设置可以依据实际情况而定。

步骤S103，根据所述行人图像计算图像质量评分；

在本申请实施例中，图像质量评分是用于反映行人图像整体质量的评分，例如：对行人图像的清晰度评分，对行人图像中人脸的对比度的评分，对行人图像的明亮度评分等等。

根据行人图像计算图像质量评分的方式，可以使用预先训练好的神经网络模型，计算行人图像的图像质量评分，也可以采用与参考图像匹配的方式，获取与匹配的参考图像对应的图像质量评分的方式，得到图像质量评分，上述仅为本发明实施例提供的示例，具体设置情况可以依据实际情况而定。

步骤S104，若根据所述偏转角度评分和所述图像质量评分确定所述行人图像满足预设条件，向目标服务器发送所述行人图像，以用于人脸识别。

在本发明实施例中，预设条件可以根据实际情况而定，例如：预设条件可以是预设阈值，所述偏转角度评分和所述图像质量评分分别对应一个预设的权重，参照实际情况，关注度越高的类型评分权重越大，当偏转角度评分和权重的乘积，与图像质量评分和权重的乘积的和大于预设阈值时，可以确定该行人图像满足预设条件，并向目标服务器发送该行人图像，以供服务器基于该行人图像进行人脸识别工作。

在实际应用中，所述人脸识别方法可以应用于前端设备上，前段设备与该图像处理装置连接，以获取图像采集装置采集到的行人图像，将符合预设条件的行人图像发送到服务器，减少了数据传输量的同时，还减少服务器的运算量，提升行人图像分析的精确度。

发明人在行人检测的实际应用中发现，传统的人脸检测方式，只是将人脸部分进行标记，但是当行人的脸部不是正对摄像头拍摄区域，甚至人的低头，或者转向侧面时，依旧会对行人进行抓拍，但是行人图像的质量差，不利于后续人脸识别工作的进行，基于此，进一步地，在本发明提供的又一实施例中，还提供了一种基于步骤S102的可选实施方式，如图2所示，步骤S102，根据所述人眼在所述行人图像中的位置信息确定所述行人图像中人脸的偏转角度评分，包括：

步骤S201，根据所述位置信息确定所述人眼在所述行人图像上的人眼坐标；

在本发明实施例中，在行人图像上建立平面直角坐标系，平面直角坐标系的原点可以根据实际情况而定，根据人眼在行人图像上的位置信息可以确定人眼坐标。

步骤S202，基于两个所述人眼坐标在所述行人图像上构建矩形框；

在本发明实施例中，两个人眼均在同一人脸上，在行人图像上构建矩形框的方式，可以采用预先设置矩形框与两个人眼坐标间距的比例，以及人眼坐标连线的线段在矩形框中的位置信息，在行人图像上构建矩形框，基于此，如图3所示，进一步地，步骤S202，基于两个所述人眼坐标在所述行人图像上构建矩形框的步骤，包括：

步骤S301，将两个所述人眼坐标连线中点确定为原点，并建立平面直角坐标系；

在本发明实施例中，将两个人眼坐标连线得到一条线段，取线段的中点作为坐原点，建立平面直角坐标系，该平面直角坐标系可以与两个人眼坐标所在原坐标系相同，也可以不同，具体设置可以根据实际情况而定。

步骤S302，计算两个所述人眼坐标之间的距离与预设倍数的乘积，得到矩形框的宽，所述矩形框的宽的中点位于所述平面直角坐标系的纵轴正半轴上第一预设位置处；

在本发明实施例中，首先计算两个坐标之间的在坐标系上的距离 (为了方便计算，通常以实际物理距离划分坐标轴，例如：坐标系上一个单位对应实际距离的一厘米，当坐标系上两点间距两个单位长度，即两点间距为两厘米)，然后乘以预设倍数，得到矩形框的宽，其中预设倍数是根据人眼间距与脸宽的比例而定，进而可以通过两个人眼坐标之间的距离，计算出矩形框的宽，即理想状态(人脸没有发生偏转的情况)下人脸的宽，然后再将计算出的矩形框的宽的中点设置在纵轴的正半轴上第一预设位置处，其中，第一预设位置是根据人眼到人脸顶部距离的经验值而定。

步骤S303，计算所述矩形框的宽与预设长宽比的乘积，得到矩形框的长；

在本发明实施例中，预设长宽比是根据人脸长宽比例的经验值而定，例如一般人脸长宽比例为4：3，则可以设置预设长宽比为4：3，通过长宽比例计算出矩形框的长，例如：矩形框的宽为30cm，则根据预设长宽比可以计算出矩形框的长为40cm。

步骤S304，根据所述矩形框的长、所述矩形框的宽以及所述第一预设位置构建所述矩形框。

在本发明实施例中，在得到矩形框的宽以及矩形框的宽在行人图像上的位置后，通过长宽比例计算出矩形框的长，分别在矩形框的宽两端作矩形框的长，其中，矩形框的长与矩形框的宽垂直，以构成矩形框。

步骤S203，对所述行人图像进行人脸检测，得到人脸图像；

在本发明实施例中，人脸图像中包含行人的人脸部分，但可能因为行人抬头或者左右偏转的原因，人脸图像中的人脸部分存在不能展示整张人脸的可能。

步骤S204，判断矩形框的任意一边是否均在所述人脸图像区域内；

在本发明实施例中，通过判断矩形框与人脸图像区域的重叠部分可以判断出人脸的偏转程度，由于矩形框是根据人眼间距构建的理想大小的人脸，当人脸相对于图像采集装置拍摄角度发生偏转时，矩形框的边会超出人脸图像区域。

在实际应用中，当人脸相对于图像采集装置拍摄角度发生左右偏转时，在行人图像中人眼的间距缩小，矩形框的整体面积会缩小；当人脸相对于于图像采集装置拍摄角度发生上下偏转(抬头或者低头) 时，矩形框会超出行人图像中人脸区域。

若是，步骤S205，计算所述矩形框的面积，得到人脸面积；

步骤S206，根据公式计算所述人脸大小评分：

其中，S

在本发明实施例中，n表示预设的人脸面积参考值，即人脸面积的经验值，当矩形框的面积越大时，人脸大小评分越高，可以判断行人图像是否人脸大小符合预设条件，从而减少服务器的运算量，提高人脸识别精确度。

若否，步骤S207，确定所述人脸大小评分为0；

在本发明实施例中，若矩形框的任意一边超出人脸区域，代表人脸相对于图像采集装置的拍摄角度出现上下偏转(抬头或者低头)的可能，此时为了保证人脸识别的精确度，不考虑选用该行人图像，所以当矩形框的任意一边超出人脸区域，确定人脸大小评分为0。

步骤S208，将所述人脸大小评分确定为所述偏转角度评分。

在本发明实施例中，由于矩形框是根据人眼间距构建的理想大小的人脸，当人脸相对于图像采集装置拍摄角度发生偏转时，矩形框的边会超出人脸图像区域，所以通过判断矩形框与人脸图像区域的重叠部分可以判断出人脸的偏转程度，进而确定行人图像中人脸的偏转角度评分。

另外，在本发明实施例中，还可以通过人眼坐标进一步计算出人脸的对称性评分，步骤S102，根据所述人眼在所述行人图像中的位置信息确定所述行人图像中人脸的偏转角度评分，包括：

根据所述位置信息确定所述人眼在所述行人图像上的人眼坐标；

基于两个所述人眼坐标在所述行人图像上构建矩形框；

在本发明实施例中，确定所述人眼在行人图像上的人眼坐标的方式，和基于两个所述人眼坐标在行人图像上构建矩形框都可参照上述实施例中所述的具体实施方式，此处便不再赘述。

确定所述矩形框的中心点在所述行人图像上的中心坐标；

在本发明实施例中，矩形框的中心点在矩形框的两条对角线交点上，确定中心点在行人图像上的中点坐标，所述中心点坐标与人眼坐标位于同一坐标系中。

对所述行人图像进行人脸检测，得到人脸图像；

在本发明实施例中，人脸图像中包含行人的人脸部分。

确定所述人脸图像的中心点在所述行人图像上的中点坐标；

在本发明实施例中，人脸图像的中心点在人脸图像的两条对角线交点上，确定中心点在行人图像上的坐标得到中点坐标。

计算所述中心点坐标与所述中点坐标之间的距离，得到参考距离；

在本发明实施例中，计算中心点坐标与中点坐标之间的距离可以得到参考距离，例如：中心点坐标为(0，1)，中点坐标为(0，0)，则参考距离为1。

利用公式λ

在本发明实施例中，d表示所述参考距离的归一化数值，目的是将得到的参考距离了归一化，使参考距离的范围在0到1之间，在实际应用中，例如人脸图像中心的距离到对焦点的距离为2，参考距离为1，则先将人脸图像中心的距离到对焦点的距离设置为1，其中，对焦点是图像采集装置拍摄行人图像时的焦点，在实际应用中，图像采集装置拍摄行人图像时会记录对焦点的位置信息，并存储，则参考距离等比计算，得到归一化后的参考距离0.5，最后再通过公式λ

将所述人脸对称性评分确定为所述偏转角度评分。

本发明实施例，由于矩形框是根据实际拍摄的人眼的中心点构建的，所以矩形框的中心点与人眼中心在同一直线上，通过将矩形框的中心与人脸图像中心比对的方式，即可计算人脸的对称性。

进一步地，综合人脸对称性评分与所述人脸大小评分可以确定行人图像中人脸图像的偏转角度评分，在实际应用中，所述人脸对称性评分和所述人脸大小评分可以分别对应一个预设的权重，参照实际情况，关注度越高的类型评分权重越大，所述人脸对称性评分和所述人脸大小评分乘以各自对应的权重后相加，得到偏转角度评分，具体权重配比方式可以根据实际情况而定。

在本发明实施例中，步骤S103，根据所述行人图像计算图像质量评分的步骤，包括：

对所述行人图像进行灰度化处理，得到灰度图；

基于所述灰度图像确定所述人脸图像的归一化直方图；

根据公式：

计算所述归一化直方图的若干个分布概率的均值，得到所述人脸图像的清晰度评分，其中n

在本发明实施例中，对行人图像进行灰度化处理以后，得到灰度图，再对灰度图中每个像素点的灰度值分布进行概率统计，得到归一化直方图，其中，归一化直方图中包含若干个不同灰度值的分布概率，通过计算若干个分布概率的均值，得到所述人脸图像的清晰度评分，进而确定行人图像的清晰度是否符合预设条件，在本发明实施例中图像质量评分仅以行人图像的清晰度评分为依据，进一步地，步骤S103，根据所述行人图像计算图像质量评分，包括：

对所述行人图像进行灰度化处理，得到灰度图；

基于所述灰度图像确定所述人脸图像的归一化直方图；

根据公式：

计算人脸对比度评分，其中，其中n

在本发明实施例中，通过计算0-256级的灰度值的方差，可以确定行人图像中人脸的对比度的评分，从而筛选符合人脸的对比度预设条件的行人图像，减少后续服务器的运算量，提升人脸识别精确度。

可选地，在实际应用中，还可以所述人脸对比度评分和所述人脸清晰度评分可以分别对应一个预设的权重，参照实际情况，关注度越高的类型评分权重越大，所述人脸对比度评分和所述人脸清晰度评分乘以各自对应的权重后相加，得到图像质量评分，具体权重配比方式可以根据实际情况而定。

进一步地，根据步骤S103，根据所述行人图像计算图像质量评分的步骤，包括：

对所述行人图像进行人脸检测，得到人脸图像；

在本发明实施例中，人脸检测用于从行人图像中检测出人脸图像，人脸图像中包含行人的人脸部分。

对所述行人图像进行灰度化处理，得到灰度图；

提取所述灰度图像中每个像素点的灰度值，得到多个灰度值；

计算所述多个灰度值的平均值，得到行人图像灰度平均值；

计算所述人脸图像区域中多个像素点的灰度值的平均值，得到人脸图像灰度平均值；

根据公式：

计算所述明亮度评分，其中，

在本发明实施例中，用过人脸图像区域的像素点的平均灰度值与行人图像的像素点的平均灰度值的差，可以直观的反应行人图像中人脸的明亮度，人脸区域的平均灰度值与行人图像的平均灰度值之差越小，明亮度评分越高，代表图像整体的明亮度差距小，符合预设条件。

另外在实际应用中，可以根据明亮度评分、所述人脸对比度评分、所述清晰度评分、以及各自对应的权重计算得到图像质量平均，具体权重配比过程可以参照上述实施例，此处便不再赘述。

在本发明实施例中，如图4所示，步骤S101，获取图像采集装置采集的行人图像的步骤之前，还包括：

步骤S401，控制所述图像采集装置采集预设监控区域的图像；

在本发明实施例中，图像采集装置可以是监控摄像头，用于采集预设监控区域的图像。

步骤S402，若在所述图像内检测到行人，对所述图像进行卡尔曼滤波，得到下一时刻所述行人在所述图像上的位置信息；

在本发明实施例中，在图像内检测到行人时，可以使用卡尔曼滤波预测行人下一时刻在图像上的位置信息，进而可以实现图像采集装置对行人的抓拍，优选的，可以采用思35xx系列芯片的NNIE模块执行上述步骤，可以进一步提升运算的准确度。

步骤S403，根据所述位置信息控制所述图像采集装置对所述行人进行拍摄。

在本发明实施例中，通过预测行人下一时刻的位置，控制图像采集装置对行人进行抓拍可以提高拍摄图像的清晰度，以保证后续进行人脸识别的精确度。

在本发明的又一实施例中，还提供一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现方法实施例所述的人脸识别方法。

本发明实施例提供的电子设备，处理器通过执行存储器上所存放的程序实现了获取图像采集装置采集的行人图像；若在所述行人图像中检测到人眼，根据所述人眼在所述行人图像中的位置信息确定所述行人图像中人脸的偏转角度评分；根据所述行人图像计算图像质量评分；若根据所述偏转角度评分和所述图像质量评分确定所述行人图像满足预设条件，向目标服务器发送所述行人图像，以用于人脸识别，通过计算人脸的偏转角度评分和图像质量评分的方式，达到筛选出符合质量标准的行人图像目的，降低了数据传输量的同时，还减少服务器对大量图像进行质量筛选工作，提升行人图像分析的精确度。

上述电子设备提到的通信总线1140可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构 (ExtendedIndustryStandardArchitecture，简称EISA)总线等。该通信总线 1140可以分为地址总线、数据总线、控制总线等。为便于表示，图5 中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口1120用于上述电子设备与其他设备之间的通信。

存储器1130可以包括随机存取存储器(RandomAccessMemory，简称RAM)，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器1110可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称 DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明的又一实施例中，还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有人脸识别方法的程序，所述人脸识别方法的程序被处理器执行时实现方法实施例所述的人脸识别方法的步骤。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘 SolidStateDisk(SSD))等。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。