一种基于图像识别算法的镜头画面质量分析方法及系统

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于图像识别算法的镜头画面质量分析方法及系统。

背景技术

视频监控系统包括前端摄像机、传输线缆、视频监控平台。摄像机可分为网络数字摄像机和模拟摄像机，可作为前端视频图像信号的采集。完整的视频监控系统是由摄像、传输、控制、显示、记录登记5大部分组成。摄像机通过网络线缆或同轴视频电缆将视频图像传输到控制主机，控制主机再将视频信号分配到各监视器及录像设备，同时可将需要传输的语音信号同步录入到录像机内。通过控制主机，操作人员可发出指令，对云台的上、下、左、右的动作进行控制及对镜头进行调焦变倍的操作，并可通过视频矩阵实现在多路摄像机的切换。利用特殊的录像处理模式，可对图像进行录入、回放、调出及储存等操作。

在视频监控的过程中，通过摄像机拍摄的图像的质量，直接决定了视频监控的质量，例如，视频监控的图像出现了画面模糊、画面被遮挡、画面噪点、色彩异常、画面亮度过亮或过暗等情况的时候，会导致监控的效率降低甚至无法进行监控。为此，如何自动且准确的对摄像机拍摄的镜头画面质量进行评价，是需要解决的问题。

发明内容

有鉴于此，本发明实施例提供一种基于图像识别算法的镜头画面质量分析方法及系统，至少部分解决现有技术中存在的问题。

第一方面，本发明实施例提供了一种基于图像识别算法的镜头画面质量分析方法，包括：

获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3；

针对第一图像P1和第二图像P2执行快速特征点计算，得到第一特征点集合S1和第二特征点集合S2，通过比较第一特征点集合S1和第二特征点集合S2中特征点的位置，确定第一图像P1和第二图像P2共同的背景特征点集合S0、第一图像P1的前景特征点集合S11以及第二图像P2的前景特征点集合S21；

对背景特征点集合S0中的特征点按照最小临近原则进行连线，形成n条线段，确定n条线段中最长线段的长度L，通过将n条线段进行m-1次等分，得到n×m个等分点，n×m个等分点的位置坐标用于形成n×m系列的位置矩阵J，对前景特征点集合S11进行特征点曲线闭合连接，在得到的多个闭合图形中选取面积最大的闭合图形U1，对前景特征点集合S21进行特征点曲线闭合连接，在得到的多个闭合图形中选取面积最大的闭合图形U2；

构建评价函数F(L,g(J,P3),U1,U2)，以获得针对图像拍摄装置拍摄画面的评价结果，g(J)为位置矩阵J的计算函数。

根据本公开实施例的一种具体实现方式，所述获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3，之前，所述方法还包括：

获取图像拍摄装置拍摄图像的帧频数；

基于所述帧频数，确定△t的值。

根据本公开实施例的一种具体实现方式，所述获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3，之前，所述方法还包括：

获取图像拍摄装置拍摄的任意相邻的第一视频帧和第二视频帧；

计算第一视频帧和第二视频帧所对应的第一灰度直方图和第二灰度直方图；

根据第一灰度直方图和第二灰度直方图的相似度值α以及所述图像拍摄装置拍摄视频的帧率f，确定△t的值为：△t＝γ*(1-α)/f，γ为数值大于零的调节参数。

根据本公开实施例的一种具体实现方式，所述获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3，之前，所述方法还包括：

对所述第一视频帧和第二视频帧进行灰度化处理，得到第一灰度图像和第二灰度图像；

确定第一灰度图像和第二灰度图像所对应的第一像素矩阵M1和第二像素矩阵M2；

当第一像素矩阵M1和第二像素矩阵M2的特征值差值小于预设值时，增大γ的值，以便于利用增大之后的γ来确定△t的值。

根据本公开实施例的一种具体实现方式，所述构建评价函数F(L,g(J,P3),U1,U2)，以获得针对图像拍摄装置拍摄画面的评价结果，包括：

利用函数g(J,P3)，计算第三图像在位置矩阵J处的图像点所对应图像特性，所述图像特性包括图像明亮度、图像清晰度、图像偏色度以及图像噪音值，得到评价值ε。

根据本公开实施例的一种具体实现方式，所述构建评价函数F(L,g(J,P3),U1,U2)，以获得针对图像拍摄装置拍摄画面的评价结果，还包括：

计算闭合图形U1与第一图像P1的面积比值，得到ξ

计算闭合图形U2与第二图像P2的面积比值，得到ξ

则

其中，D为第一图像P1和第二图像P2对角线的长度。

根据本公开实施例的一种具体实现方式，所述利用函数g(J,P3)，计算第三图像在位置矩阵J处的图像点所对应图像特性，包括：

计算第三图像在位置矩阵J处的图像点所对应的像素的方差值，确定第三图像亮度评价值ε

计算第三图像在位置矩阵J处的图像点所对应的像素的拉普拉斯算子值，确定第三图像的清晰度评价值ε

计算第三图像在位置矩阵J处的图像点所对应的像素的LAB颜色值，确定第三图像的偏色评价值ε

根据本公开实施例的一种具体实现方式，所述利用函数g(J,P3)，计算第三图像在位置矩阵J处的图像点所对应图像特性，还包括：

计算第三图像在位置矩阵J处的图像点所对应的像素的Sobel梯度值，确定第三图像的噪音评价值ε

根据本公开实施例的一种具体实现方式，利用函数g(J,P3)，计算第三图像在位置矩阵J处的图像点所对应图像特性，还包括：

通过公式计算评价值ε＝τ

第二方面，本发明实施例提供了一种基于图像识别算法的镜头画面质量分析系统，包括：

获取模块，用于获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3；

计算模块，用于针对第一图像P1和第二图像P2执行快速特征点计算，得到第一特征点集合S1和第二特征点集合S2，通过比较第一特征点集合S1和第二特征点集合S2中特征点的位置，确定第一图像P1和第二图像P2共同的背景特征点集合S0、第一图像P1的前景特征点集合S11以及第二图像P2的前景特征点集合S21；

确定模块，用于对背景特征点集合S0中的特征点按照最小临近原则进行连线，形成n条线段，确定n条线段中最长线段的长度L，通过将n条线段进行m-1次等分，得到n×m个等分点，n×m个等分点的位置坐标用于形成n×m系列的位置矩阵J，对前景特征点集合S11进行特征点曲线闭合连接，在得到的多个闭合图形中选取面积最大的闭合图形U1，对前景特征点集合S21进行特征点曲线闭合连接，在得到的多个闭合图形中选取面积最大的闭合图形U2；

评价模块，用于构建评价函数F(L,g(J,P3),U1,U2)，以获得针对图像拍摄装置拍摄画面的评价结果，g(J)为位置矩阵J的计算函数。

第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的基于图像识别算法的镜头画面质量分析方法。

第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的基于图像识别算法的镜头画面质量分析方法。

第五方面，本发明实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的基于图像识别算法的镜头画面质量分析方法。

本发明实施例中的基于图像识别算法的镜头画面质量分析方案，包括：获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3；针对第一图像P1和第二图像P2执行快速特征点计算，得到第一特征点集合S1和第二特征点集合S2，通过比较第一特征点集合S1和第二特征点集合S2中特征点的位置，确定第一图像P1和第二图像P2共同的背景特征点集合S0、第一图像P1的前景特征点集合S11以及第二图像P2的前景特征点集合S21；对背景特征点集合S0中的特征点按照最小临近原则进行连线，形成n条线段，确定n条线段中最长线段的长度L，通过将n条线段进行m-1次等分，得到n×m个等分点，n×m个等分点的位置坐标用于形成n×m系列的位置矩阵J，对前景特征点集合S11进行特征点曲线闭合连接，在得到的多个闭合图形中选取面积最大的闭合图形U1，对前景特征点集合S21进行特征点曲线闭合连接，在得到的多个闭合图形中选取面积最大的闭合图形U2；构建评价函数F(L,g(J,P3),U1,U2)，以获得针对图像拍摄装置拍摄画面的评价结果，g(J)为位置矩阵J的计算函数。采用本方案，能够精确的对系统软件中存储的数据进行梳理，提高了系统软件数据运维的效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还根据这些附图获得其它的附图。

图1为本发明实施例提供的基于图像识别算法的镜头画面质量分析方法流程示意图；

图2为本发明实施例提供的另一基于图像识别算法的镜头画面质量分析方法流程示意图；

图3为本发明实施例提供的另一基于图像识别算法的镜头画面质量分析方法流程示意图；

图4为本发明实施例提供的另一基于图像识别算法的镜头画面质量分析方法流程示意图；

图5本发明实施例提供的基于图像识别算法的镜头画面质量分析系统结构示意图；

图6为本发明实施例提供的电子设备示意图。

具体实施方式

下面结合附图对本发明实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本发明中所描述的方面可体现于广泛多种形式中，且本发明中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本发明中所描述的一个方面可与任何其它方面独立地实施，且各种方式组合这些方面中的两者或两者以上。举例来说，可使用本发明中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本发明中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本公开实施例提供一种基于图像识别算法的镜头画面质量分析方法。本实施例提供的基于图像识别算法的镜头画面质量分析方法由一计算装置来执行，该计算装置实现为软件，或者实现为软件和硬件的组合，该计算装置集成设置在服务器、终端设备等中。

参见图1，图2，图3及图4，本公开实施例提供了一种基于图像识别算法的镜头画面质量分析方法，包括：

S101，获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3。

为了提高图像质量判断的准确性，可以采集3个不同时刻拍摄装置所拍摄的图像，即第一图像P1、第二图像P2和第三图像P3，通过第一图像P1、第二图像P2和第三图像P3进行综合分析，进而确定拍摄装置拍摄的镜头画面的质量。

可以在t-△t时刻、t时刻和t+△t时刻对图像进行采集，其中，可以根据实际的需要来设置△t的值，以便于通过设置合适的△t来获取质量更高的图像。

作为一种方式，获取图像拍摄装置拍摄图像的帧频数，基于所述帧频数，确定△t的值，例如，帧频数为24，则可以选择

作为另外一种方式，可以通过获取图像拍摄装置拍摄的任意相邻的第一视频帧和第二视频帧；计算第一视频帧和第二视频帧所对应的第一灰度直方图和第二灰度直方图；根据第一灰度直方图和第二灰度直方图的相似度值α以及所述图像拍摄装置拍摄视频的帧率f，确定△t的值为：△t＝γ*(1-α)/f，γ为数值大于零的调节参数，γ的值可以根据经验值进行设置，也可以根据实际环境的变化来动态的调整。

为此，对所述第一视频帧和第二视频帧进行灰度化处理，得到第一灰度图像和第二灰度图像；确定第一灰度图像和第二灰度图像所对应的第一像素矩阵M1和第二像素矩阵M2；当第一像素矩阵M1和第二像素矩阵M2的特征值差值小于预设值时，表明第一视频帧和第二视频帧的相似度较高，此时可以增大γ的值，以便于利用增大之后的γ来确定△t的值，从而使得第一图像P1、第二图像P2和第三图像P3具有一定的区分度。

S102，针对第一图像P1和第二图像P2执行快速特征点计算，得到第一特征点集合S1和第二特征点集合S2，通过比较第一特征点集合S1和第二特征点集合S2中特征点的位置，确定第一图像P1和第二图像P2共同的背景特征点集合S0、第一图像P1的前景特征点集合S11以及第二图像P2的前景特征点集合S21。

针对第一图像P1和第二图像P2，可以采用计算角点的方式，来获得快速特征点。例如，可以针对第一图像P1和第二图像P2执行Fast角点检测，当然，也可以采用Harris角点监测方式执行角点检测，从而分别得到第一图像P1和第二图像P2的特征点集合，记为第一特征点集合S1和第二特征点集合S2，第一特征点集合S1和第二特征点集合S2中同时包含了前景特征点集合和背景特征点集合，通过比较第一特征点集合S1和第二特征点集合S2中特征点的位置，确定第一图像P1和第二图像P2共同的背景特征点集合S0、第一图像P1的前景特征点集合S11以及第二图像P2的前景特征点集合S21。例如，可以将第一特征点集合S1和第二特征点集合S2中具有同样坐标位置的特征点标记为背景特征点，将第一特征点集合S1和第二特征点集合S2中与背景特征点位置不同的特征点标记为第一图像P1的前景特征点集合S11以及第二图像P2的前景特征点集合S21。

S103，对背景特征点集合S0中的特征点按照最小临近原则进行连线，形成n条线段，确定n条线段中最长线段的长度L，通过将n条线段进行m-1次等分，得到n×m个等分点，n×m个等分点的位置坐标用于形成n×m系列的位置矩阵J，对前景特征点集合S11进行特征点曲线闭合连接，在得到的多个闭合图形中选取面积最大的闭合图形U1，对前景特征点集合S21进行特征点曲线闭合连接，在得到的多个闭合图形中选取面积最大的闭合图形U2。

对背景特征点集合S0中的特征点按照最小临近原则进行连线，例如可以将特征点间距小于特定值(例如50个像素值的距离)的特征点按照邻近值最近的原则进行连线，从而形成多个线段，这些按照最小临近原则连接的线段能够表示图像中存在的物体对象的边缘特征，从而能够基于n条线段得到n条边缘对象特征，通过将n条线段进行m-1次等分，得到n×m个等分点，n×m个等分点的位置，能够有效的表示目标对象的所在的位置，从而基于n×m个等分点的位置坐标形成n×m系列的位置矩阵J，位置矩阵J表征了图像中最具有典型特征的位置点，从而便于基于这些位置点对图像的质量进行判断。

S104，构建评价函数F(L,g(J，P3),U1,U2)，以获得针对图像拍摄装置拍摄画面的评价结果，g(J)为位置矩阵J的计算函数。

利用函数g(J，P3)，计算第三图像在位置矩阵J处的图像点所对应图像特性，所述图像特性包括图像明亮度、图像清晰度、图像偏色度以及图像噪音值，得到评价值ε。

具体的，可以计算闭合图形U1与第一图像P1的面积比值，得到ξ

针对亮度值，示例性的，可以计算第三图像在位置矩阵J处的图像点所对应的像素的方差值，确定第三图像亮度评价值ε

针对色差值，示例性的，可以计算第三图像在位置矩阵J处的图像点所对应的像素的拉普拉斯算子值，确定第三图像的清晰度评价值ε

针对偏色，示例性的，可以计算第三图像在位置矩阵J处的图像点所对应的像素的LAB颜色值，确定第三图像的偏色评价值ε

针对图像噪音，示例性的，可以计算第三图像在位置矩阵J处的图像点所对应的像素的Sobel梯度值，确定第三图像的噪音评价值ε

最后，可以通过公式计算评价值ε＝τ

通过上述实施例的方案，能够自动的从多个维度来综合的对摄像装置拍摄的图像质量进行评价，从而提高了图像质量评价的实时性和准确性。

根据本公开实施例的一种具体实现方式，所述获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3，之前，所述方法还包括：

获取图像拍摄装置拍摄图像的帧频数；

基于所述帧频数，确定△t的值。

参见图2，根据本公开实施例的一种具体实现方式，所述获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3，之前，所述方法还包括：

S201，获取图像拍摄装置拍摄的任意相邻的第一视频帧和第二视频帧；

S202，计算第一视频帧和第二视频帧所对应的第一灰度直方图和第二灰度直方图；

S203，根据第一灰度直方图和第二灰度直方图的相似度值α以及所述图像拍摄装置拍摄视频的帧率f，确定△t的值为：△t＝γ*(1-α)/f，γ为数值大于零的调节参数。

参见图3，根据本公开实施例的一种具体实现方式，所述获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3，之前，所述方法还包括：

S301，对所述第一视频帧和第二视频帧进行灰度化处理，得到第一灰度图像和第二灰度图像；

S302，确定第一灰度图像和第二灰度图像所对应的第一像素矩阵M1和第二像素矩阵M2；

S303，当第一像素矩阵M1和第二像素矩阵M2的特征值差值小于预设值时，增大γ的值，以便于利用增大之后的γ来确定△t的值。

根据本公开实施例的一种具体实现方式，所述构建评价函数F(L,g(J，P3),U1,U2)，以获得针对图像拍摄装置拍摄画面的评价结果，包括：

利用函数g(J，P3)，计算第三图像在位置矩阵J处的图像点所对应图像特性，所述图像特性包括图像明亮度、图像清晰度、图像偏色度以及图像噪音值，得到评价值ε。

根据本公开实施例的一种具体实现方式，所述构建评价函数F(L,g(J，P3),U1,U2)，以获得针对图像拍摄装置拍摄画面的评价结果，还包括：

计算闭合图形U1与第一图像P1的面积比值，得到ξ

计算闭合图形U2与第二图像P2的面积比值，得到ξ

则

其中，D为第一图像P1和第二图像P2对角线的长度。

参见图4，根据本公开实施例的一种具体实现方式，所述利用函数g(J，P3)，计算第三图像在位置矩阵J处的图像点所对应图像特性，包括：

S401，计算第三图像在位置矩阵J处的图像点所对应的像素的方差值，确定第三图像亮度评价值ε

S402，计算第三图像在位置矩阵J处的图像点所对应的像素的拉普拉斯算子值，确定第三图像的清晰度评价值ε

S403，计算第三图像在位置矩阵J处的图像点所对应的像素的LAB颜色值，确定第三图像的偏色评价值ε

根据本公开实施例的一种具体实现方式，所述利用函数g(J，P3)，计算第三图像在位置矩阵J处的图像点所对应图像特性，还包括：

S404，计算第三图像在位置矩阵J处的图像点所对应的像素的Sobel梯度值，确定第三图像的噪音评价值ε

根据本公开实施例的一种具体实现方式，利用函数g(J，P3)，计算第三图像在位置矩阵J处的图像点所对应图像特性，还包括：

通过公式计算评价值ε＝τ

参见图5，本发明实施例还公开了一种基于图像识别算法的镜头画面质量分析系统50，包括：

获取模块501，用于获取图像拍摄装置在t-△t时刻、t时刻和t+△t时刻拍摄的第一图像P1、第二图像P2和第三图像P3；

计算模块502，用于针对第一图像P1和第二图像P2执行快速特征点计算，得到第一特征点集合S1和第二特征点集合S2，通过比较第一特征点集合S1和第二特征点集合S2中特征点的位置，确定第一图像P1和第二图像P2共同的背景特征点集合S0、第一图像P1的前景特征点集合S11以及第二图像P2的前景特征点集合S21；

确定模块503，用于对背景特征点集合S0中的特征点按照最小临近原则进行连线，形成n条线段，确定n条线段中最长线段的长度L，通过将n条线段进行m-1次等分，得到n×m个等分点，n×m个等分点的位置坐标用于形成n×m系列的位置矩阵J，对前景特征点集合S11进行特征点曲线闭合连接，在得到的多个闭合图形中选取面积最大的闭合图形U1，对前景特征点集合S21进行特征点曲线闭合连接，在得到的多个闭合图形中选取面积最大的闭合图形U2；

评价模块504，用于构建评价函数F(L,g(J，P3),U1,U2)，以获得针对图像拍摄装置拍摄画面的评价结果，g(J)为位置矩阵J的计算函数。

参见图6，本发明实施例还提供了一种电子设备60，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中基于图像识别算法的镜头画面质量分析方法。

本发明实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中。

本发明实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的基于图像识别算法的镜头画面质量分析方法。

下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备60包括处理装置(例如中央处理器、图形处理器等)601，其根据存储在只读存储器(ROM)602中的程序或者从存储装置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。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，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。在这样的实施例中，该计算机程序通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子包括但不限于：具有一个或多个导线的电连接、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)、光纤、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是任何包含或存储程序的有形介质，该程序被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质是上述电子设备中所包含的；也是单独存在，而未装配入该电子设备中。

上述计算机可读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该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读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该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，连接到外部计算机(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代表一个模块、程序段、或代码的一部分，该模块、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基本并行地执行，它们有时也按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，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，或者用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元通过软件的方式实现，也通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还被描述为“获取至少两个网际协议地址的单元”。

应当理解，本发明的各部分用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到的变化或替换，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。