用于在安检中判别图像的方法、装置、设备和介质

技术领域

本公开涉及人工智能领域，更具体地涉及一种用于在安检中判别图像的方法、装置、设备、介质和程序产品。

背景技术

安检是公共交通运输中保障公共安全不可或缺的环节。根据安检场景不同，可以分为旅客随身行李安检、托运行李安检、货运安检等，其中不同场景中违禁品的种类不同。另外，不同交通工具或不同场所对违禁品的种类规定也会不同。目前当将人工智能技术引入到安检图像判别时，通常会根据不同的判别需求构建对应的人工智能模型。从而，人工智能模型的算法库会因为业务领域的判别需求的不同而不同。然而，不同业务领域的业务量和高峰期也会有不同，这常常会导致在某些业务领域的高峰时段，与该业务领域对应的人工智能服务计算资源被大量占用甚至枯竭，而与其他业务领域对应的人工智能服务的计算资源闲置，导致人工智能服务的计算资源并不能够被有效地利用。

发明内容

鉴于上述问题，本公开提供了一种可以更均衡地利用人工智能服务的计算资源的用于在安检中判别图像的方法、装置、设备和介质方法、装置、设备、介质和程序产品。

本公开实施例的第一方面，提供了一种用于在安检中判别图像的方法。所述方法包括：接收判图服务请求，所述判图服务请求包括安检图像和请求来源信息；根据所述请求来源信息，确定所述判图服务请求所属的源端业务领域；获取针对所述源端业务领域配置的嫌疑物品类别的信息，以得到目标嫌疑物品类别的信息；将所述安检图像和所述目标嫌疑物品类别的信息调度至资源池中的M个智能判图设备其中之一；其中，被调度的所述智能判图设备通过部署于其上的图像识别算法模型来识别所述安检图像中的物品的类别，并结合所述目标嫌疑物品类别得到对所述安检图像的判别结论；M为大于或等于2的整数，其中，所述资源池中不同的所述智能判图设备中部署的所述图像识别算法模型相同。

根据本公开的实施例，其中所述源端业务领域为预定的N个业务领域其中之一，N为大于或等于2的整数。

根据本公开的实施例，所述N个业务领域包括以下至少二者：旅客随身行李安检领域、托运行李安检领域、或货运安检领域。

根据本公开的实施例，在所述接收判图服务请求之前，所述方法还包括：针对所述N个业务领域中的每个业务领域，分别配置嫌疑物品类别的信息。

根据本公开的实施例，在所述接收判图服务请求之前，所述方法还包括：设置所述资源池。

根据本公开的实施例，所述将所述安检图像和所述目标嫌疑物品类别的信息调度至资源池中的M个智能判图设备其中之一包括：根据M个所述智能判图设备的运行负载进行调度。

根据本公开的实施例，所述方法还包括：获取所述判别结论；以及将所述判别结论返回给发送所述判图服务请求的用户。

根据本公开的实施例，当图像识别算法模型识别出所述安检图像中的物品含有所述目标嫌疑物品类别中的嫌疑物品时，所述判别结论包括所述嫌疑物品的类别信息。

本公开实施例的第二方面，提供了一种用于在安检中判别图像的装置。所述装置包括接收模块、确定模块、获取模块以及调度模块。接收模块用于接收判图服务请求，所述判图服务请求包括安检图像和请求来源信息。确定模块用于根据所述请求来源信息，确定所述判图服务请求所属的源端业务领域。获取模块用于获取针对所述源端业务领域配置的嫌疑物品类别的信息，以得到目标嫌疑物品类别的信息。调度模块用于将所述安检图像和所述目标嫌疑物品类别的信息调度至资源池中的M个智能判图设备其中之一；其中，被调度的所述智能判图设备通过部署于其上的图像识别算法模型来识别所述安检图像中的物品的类别，并结合所述目标嫌疑物品类别得到对所述安检图像的判别结论；M为大于或等于2的整数；其中，所述资源池中不同的所述智能判图设备中部署的所述图像识别算法模型相同。

根据本公开的实施例，所述装置还可以包括资源池设置模块。所述资源池设置模块用于设置所述资源池。

根据本公开的实施例，所述装置还包括嫌疑类别配置模块。嫌疑类别配置模块用于针对N个业务领域中的每个业务领域，分别配置嫌疑物品类别的信息，其中，所述源端业务领域为预定的N个业务领域其中之一，N为大于或等于2的整数。

本公开实施例的第三方面，提供了一种用于在安检中判别图像的系统。所述系统包括调度服务器以及M个智能判图设备。其中，M个智能判图设备，分别与所述调度服务器通信。不同的所述智能判图设备中部署的图像识别算法模型相同，M为大于或等于2的整数。所述调度服务器用于：接收判图服务请求，所述判图服务请求包括安检图像和请求来源信息；根据所述请求来源信息，确定所述判图服务请求所属的源端业务领域；获取针对所述源端业务领域配置的嫌疑物品类别的信息，以得到目标嫌疑物品类别的信息；向M个所述智能判图设备其中之一发送调度请求，其中，所述调度请求包括所述安检图像和所述目标嫌疑物品类别的信息。所述智能判图设备用于：接收所述调度请求，所述调度请求包括所述安检图像以及所述目标嫌疑物品类别的信息利用所述图像识别算法模型识别所述安检图像中的物品的类别；当识别出的类别属于所述目标嫌疑物品类别时，得到所述安检图像中的物品存在违禁品的判别结论；以及将所述判别结论发送给所述调度服务器。

根据本公开的实施例，所述调度服务器还用于：接收所述判别结论；以及将所述判别结论反馈给发送所述判图服务请求的用户。

本公开实施例的第三方面提供了一种电子设备。所述电子设备包括一个或多个处理器、以及存储器。所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。

本公开实施例的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。

本公开实施例的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的用于在安检中判别图像的方法、装置、设备、介质和程序产品的应用场景图；

图2示意性示出了根据本公开一实施例的用于在安检中判别图像的方法流程图；

图3示意性示出了根据本公开另一实施例的用于在安检中判别图像的方法流程图；

图4示意性示出了根据本公开实施例的用于在安检中判别图像的装置的框图；

图5示意性示出了根据本公开实施例的用于在安检中判别图像的系统的框图；以及

图6示意性示出了适于实现根据本公开实施例的用于在安检中判别图像的方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

图1示意性示出了根据本公开实施例的用于在安检中判别图像的方法、装置、设备、介质和程序产品的应用场景100图。

如图1所示，该应用场景100可以包括对应于不同业务领域的X射线安检设备101、102、103，调度服务器104、M个智能判图设备105。另外，应用场景100还可以进一步包括质控终端106。

根据本公开实施例，业务领域可以根据安检业务的内容、判别需求、业务场景等进行划分。在不同业务领域中进行安检判别时要判别出的嫌疑物品类别不同。

X射线安检设备101、102、103例如可以分别对应于航空安检中的旅客随身行李安检领域、托运行李安检领域、或货运安检领域。可以理解，此处以航空为例仅是示例性的，不对本公开构成限定。另外，针对每个X射线安检设备101、102、103，可以设置有对应相通信的的判图终端。例如图1中的判图终端11和13，供安检人员现场对X射线安检设备101和103扫描得到的安检图像进行现场人工判别。

M个智能判图设备105中，每个智能判图设备105都部署有相同的图像识别算法模型，从而构成人工智能图像判别服务资源池。

在应用场景100中，可以将通过人工智能图像判别服务资源池对安检图像的判别和安检人员现场对安检图像的判别相结合，提高对安检图像的判别准确率，降低漏检率和误判率。此外在必要时还可以将安检图像发送给质控终端106，由质控人员对安检图像进行复检等。

根据本公开的实施例，调度服务器104可以按不同业务领域对人工智能图像判别服务资源池中的M个智能判图设备105进行统一调用。当不的业务领域的X射线安检设备101、102、103采集了安检图像后，可以通过X射线安检设备101、102、103或判图终端11、13等设备向调度服务器104发送判图服务请求。其中，判图服务请求中可以携带有X射线安检设备101、102、103的标识或判图终端11和13的标识等请求来源信息。调度服务器104可以根据这些请求来源信息查询本地配置文件或数据库，以确定当前请求的图像判别任务所属的业务领域。然后，调度服务器104可以可以根据不同的业务领域标识，获取对应领域的嫌疑物品类别，并将嫌疑物品类别的信息和安检图像发送给请求被调用的智能判图设备105。智能判图设备105根据嫌疑物品类别对安检图像进行识别并返回是否有嫌疑物品、以及识别出的嫌疑物品类别标记等信息。调度服务器104还可以将智能判图设备105的判别结果以及嫌疑物品标记下发给判图终端11、13，或质控服务器106。

根据本公开的实施例，可以利用相同的图像识别算法模型对不同业务领域的安检图像进行判别，从而可以屏蔽不同的业务领域的安检图像判别的区别，对资源池中的M个智能判图设备105进行统一调度，使得资源池中的人工智能判图服务资源能够得到更均衡有效的利用。

可以理解，图1所示的应用场景仅是示例性的，本公开实施例可以应用于任何场景、架构和环境中。图1中的X射线安检设备、终端设备和服务器的数目和种类仅仅是示意性的。根据实现需要，可以具有任意数目和种类的X射线安检设备、终端设备和服务器。

以下将基于图1描述的场景，通过图2～图3对公开实施例的用于在安检中判别图像的方法进行详细描述。

图2示意性示出了根据本公开一实施例的用于在安检中判别图像的方法流程图。

如图2所示，该用于在安检中判别图像的方法可以包括操作S210～操作S240。

在操作S210，接收判图服务请求，判图服务请求包括安检图像和请求来源信息。

在操作S220，根据请求来源信息，确定判图服务请求所属的源端业务领域。源端业务领域例如可以是预定的N个业务领域其中之一，N为大于或等于2的整数。N个业务领域例如包括以下至少二者：旅客随身行李安检领域、托运行李安检领域、或货运安检领域。

在操作S230，获取针对源端业务领域配置的嫌疑物品类别的信息，以得到目标嫌疑物品类别的信息。

在操作S240，将安检图像和目标嫌疑物品类别的信息调度至资源池中的M个智能判图设备其中之一。

其中，被调度的智能判图设备通过部署于其上的图像识别算法模型来识别安检图像中的物品的类别，并结合目标嫌疑物品类别得到对安检图像的判别结论，M为大于或等于2的整数，其中，资源池中不同的智能判图设备中部署的图像识别算法模型相同。

该图像识别算法模型例如可以是由人工智能学习平台通过学习X射线扫描图像生成的分析算法，例如，基于深度学习的目标检测算法(卷积神经网络)，通过从海量的包含N个业务领域在内的各个业务领域的X射线扫描图像数据中提取违禁品数据特征，对违禁品特征建模，完成目标检测和识别得到的人工智能算法模型。

该图像识别算法模型例如可以识别出N个业务领域所涵盖的全部类型的嫌疑物品。然后在对安检图像判别时，根据输入的目标嫌疑物品类别与图像识别算法模型对安检图像中识别出的物品类别的匹配，来确定安检图像中是否有该业务领域所规定的嫌疑物品。

可见，本公开实施例在调度时同时向图像识别算法模型输入安检图像和目标嫌疑物品类别，从而可以基于一个图像识别算法模型，来满足不同业务领域的不同嫌疑物识别类型的需求。

根据本公开的实施例，操作S240中具体调度时可以根据辅助判图、智能复检、批量辅助筛查等不同的实时性要求设置相应的调度算法进行调度。在操作S240之后还可以获取智能判图设备反馈的判别结论，并将判别结论返回给发送判图服务请求的用户。其中，当图像识别算法模型识别出安检图像中的物品含有目标嫌疑物品类别中的嫌疑物品时，判别结论还可以包括嫌疑物品的类别信息。

根据本公开的实施例，可以根据不同业务领域的判图服务请求，获得不同的嫌疑物品类别，进行智能判图设备的调用，有效屏蔽了不同业务领域的算法差异带来的资源调度冲突。通过将智能判图设备的计算资源与业务领域解耦，方便了对智能判图设备的统一调度。

图3示意性示出了根据本公开另一实施例的用于在安检中判别图像的方法流程图。

如图3所示，该用于在安检中判别图像的方法可以包括操作S310～操作S360。

首先在操作S310，设置资源池。资源池中包括M个智能判图设备，不同的智能判图设备中部署的图像识别算法模型相同。

并且在操作S320，针对N个业务领域中的每个业务领域，分别配置嫌疑物品类别的信息。其中，不同业务领域的嫌疑物品类别不同。

然后在操作S330，接收判图服务请求，判图服务请求包括安检图像和请求来源信息。操作S330与上文的操作S210一致，可以参考上文的相关描述。

接下来在操作S340，根据请求来源信息，确定判图服务请求所属的源端业务领域。源端业务领域为预定的N个业务领域其中之一。操作S340与上文的操作S220一致，可以参考上文的相关描述。

此后在操作S350，获取针对源端业务领域配置的嫌疑物品类别的信息，以得到目标嫌疑物品类别的信息。可以从操作S320中配置的嫌疑物品类别的信息中查找出源端业务领域对应的嫌疑物品类别的信息。

然后在操作S360，根据M个智能判图设备的运行负载将安检图像和目标嫌疑物品类别的信息调度至资源池中的M个智能判图设备其中之一。被调度的智能判图设备通过部署于其上的图像识别算法模型来识别安检图像中的物品的类别，并结合目标嫌疑物品类别得到对安检图像的判别结论。

由于本公开实施例屏蔽了不同领域算法区别，从而可以根据M个智能判图设备的运行负载进行统一调度，可以充分利用人工智能模型的计算能力。

根据本公开的实施例，通过对资源池中的智能判图设备的统一调度，对于不同业务领域的业务量和高峰期的差异，人工智能判别图像可应用于辅助判图、智能复检以及批量安检智能辅助研判，根据业务的及时性要求不同可动态调整调度算法，以满足不同业务领域和不同业务需求下对人工智能判图服务的需求。

图4示意性示出了根据本公开实施例的用于在安检中判别图像的装置400的框图。

如图4所示，根据本公开的一些实施例，该用于在安检中判别图像的装置400可以包括接收模块410、确定模块420、获取模块430以及调度模块440。根据本公开的另一些实施例，该用于在安检中判别图像的装置400还可以包括资源池设置模块450、和/或嫌疑类别配置模块460。该装置400可以用于执行参考图2和图3所描述的方法。

接收模块410用于接收判图服务请求，判图服务请求包括安检图像和请求来源信息。在一些实施例中，接收模块410可以用于执行上文描述的操作S210或操作S330。

确定模块420用于根据请求来源信息，确定判图服务请求所属的源端业务领域。在一些实施例中，确定模块420可以用于执行上文描述的操作S220或操作S340。

获取模块430用于获取针对源端业务领域配置的嫌疑物品类别的信息，以得到目标嫌疑物品类别的信息。获取模块430可以用于执行操作S230或操作S350。

调度模块440用于将安检图像和目标嫌疑物品类别的信息调度至资源池中的M个智能判图设备其中之一；其中，被调度的智能判图设备通过部署于其上的图像识别算法模型来识别安检图像中的物品的类别，并结合目标嫌疑物品类别得到对安检图像的判别结论；M为大于或等于2的整数；其中，资源池中不同的智能判图设备中部署的图像识别算法模型相同。在一些实施例中，调度模块440可以用于执行操作S240和操作S360。

资源池设置模块450用于设置资源池。在一些实施例中，资源池设置模块450可以用于执行操作S310。

嫌疑类别配置模块460用于针对N个业务领域中的每个业务领域，分别配置嫌疑物品类别的信息，其中，源端业务领域为预定的N个业务领域其中之一，N为大于或等于2的整数。在一些实施例中，嫌疑类别配置模块460可以用于执行操作S320。

根据本公开的实施例，接收模块410、确定模块420、获取模块430、调度模块440、资源池设置模块450、或嫌疑类别配置模块460中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，接收模块410、确定模块420、获取模块430、调度模块440、资源池设置模块450、或嫌疑类别配置模块460中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，接收模块410、确定模块420、获取模块430、调度模块440、资源池设置模块450、或嫌疑类别配置模块460中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图5示意性示出了根据本公开实施例的用于在安检中判别图像的系统500的框图。

如图5所示，系统500可以包括调度服务器510以及M个智能判图设备520，其中，M为大于或等于2的整数。M个智能判图设备520中不同的智能判图设备520中部署的图像识别算法模型相同，从而组成一个人工智能图像判别服务资源池。

M个智能判图设备520分别与调度服务器510通信。每个智能判图设备520可以是有图像智能识别算法功能的单一设备或基于云的智能图像判别服务。

调度服务器510例如可以用于执行操作S210～操作S240，包括：接收判图服务请求，判图服务请求包括安检图像和请求来源信息；根据请求来源信息，确定判图服务请求所属的源端业务领域；获取针对源端业务领域配置的嫌疑物品类别的信息，以得到目标嫌疑物品类别的信息；向M个智能判图设备520其中之一发送调度请求，其中，调度请求包括安检图像和目标嫌疑物品类别的信息。

在一个实施例中，调度服务区510可以接收X射线安检设备或判图终端发送的判图服务请求，其中携带有的X射线安检设备的数据以及判图终端的标识；然后根据配置文件或数据库查询判图服务请求来源的业务领域信息。接下来可以根据预先的配置，获得相应业务领域对应的嫌疑物品类别。然后将需要识别的嫌疑物品类别、安检图像发送给智能判图设备520进行图像判别。之后，接收智能判图设备520的判别结论和嫌疑物品标记等信息，并反馈给发送判图服务请求的用户。

智能判图设备520可以用于：接收调度请求，调度请求包括安检图像以及目标嫌疑物品类别的信息利用图像识别算法模型识别安检图像中的物品的类别；当识别出的类别属于目标嫌疑物品类别时，得到安检图像中的物品存在违禁品的判别结论；以及将判别结论发送给调度服务器520。其中，其中，当图像识别算法模型识别出安检图像中的物品含有目标嫌疑物品类别中的嫌疑物品时，判别结论还可以包括嫌疑物品的类别信息。。

该系统500可以用于执行参考图2或图3所描述的方法，具体可以参考上文的描述，此处不再赘述。

图6示意性示出了适于实现根据本公开实施例的用于在安检中判别图像的方法的电子设备的方框图。

如图6所示，根据本公开实施例的电子设备600包括处理器601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 603中，存储有电子设备600操作所需的各种程序和数据。处理器601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备600还可以包括输入/输出(I/O)接口605，输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至I/O接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的方法。

在该计算机程序被处理器601执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分609被下载和安装，和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。