一种短步长确定方法、装置、电子设备及存储介质

技术领域

本发明涉及行人导航定位技术领域，具体而言，涉及一种短步长确定方法、装置、电子设备及存储介质。

背景技术

步态冻结(Freezing of Gait,FoG)是一种阵发性步态障碍，通常发生在帕金森病的晚期，其特征包括突然的行走中断和严重的运动困难，并增加跌倒的风险。由于FoG的病理生理学和神经机制不明，目前仍缺乏高效、长效的药物治疗与康复手段。

近些年来的研究表明，视觉提示技术可改善与调控FoG步态，视觉提示技术通过估算患者的行走步长，并利用可穿戴设备向患者发送视觉提示，以对患者的步态进行调控，从而提高FoG患者行走时的步速和步长。

现有的视觉提示技术在估算步长时，需要用户穿戴多个传感器，并将传感器放置于身体上尽可能不发生方向变化的部位，如骨盆和腰部，并利用多个传感器收集的数据估算步长。一方面，多个传感器采集的数据较多，降低了数据处理效率，增加了步长估算时间，另一方面上述的视觉提示技术可以准确地估算正常人在60厘米至80厘米的行走步长，却无法准确地估算用户在30厘米及30厘米以下短步长。

发明内容

为解决上述问题，本发明提供一种短步长确定方法、装置、电子设备及存储介质。

根据本发明的第一方面，本发明提供一种短步长确定方法，应用于包括摄

像头和惯性检测单元的智能穿戴设备，包括：

获取所述智能穿戴设备对应的用户在行走过程中所述摄像头采集的图像数据和所述惯性检测单元采集的加速度数据；

对所述加速度数据进行峰值检测，确定多个目标峰值点；

根据多个所述目标峰值点中相邻两个所述目标峰值点分别对应的时间戳，在所述图像数据中确定相邻两个图像帧，其中，所述相邻目标峰值点用于表示一步；

根据所述相邻两个所述图像帧之间的位置差异，确定所述相邻两个所述目标峰值点之间的位移距离，以确定所述用户在行走时的所述短步长。

可选地，所述加速度数据包括多个采样点加速度，每个所述采样点加速度包括X轴加速度、Y轴加速度和Z轴加速度加速度数据；

所述对所述加速度数据进行峰值检测，确定多个目标峰值点，包括：

根据所述X轴加速度、所述Y轴加速度和所述Z轴加速度，确定所述加速度数据中各个采样点对应的范数；

根据所述范数，确定范数加速度数据；

对所述范数加速度数据进行峰值检测，确定多个峰值点；

在检测到所述峰值点的所述范数大于预设范数的情况下，确定所述峰值点为所述目标峰值点。

可选地，所述对所述加速度数据进行峰值检测，确定多个目标峰值点，还包括：

对所述范数加速度数据进行一阶低通滤波，确定目标范数加速度数据，并对所述目标范数加速度数据进行峰值检测，确定多个所述峰值点。

可选地，相邻两个所述目标峰值点包括第一目标峰值点和第二目标峰值点，相邻两个所述图像帧包括第一图像帧和第二图像帧；

所述根据所述目标峰值点中相邻两个所述目标峰值点分别对应的时间戳，在所述图像数据中确定相邻两个图像帧，包括：

获取所述图像数据中各个所述图像帧的图像时间戳；

确定与第一时间戳对应的所述图像时间戳，将所述图像时间戳对应的所述图像帧确定为第一图像帧，其中，所述第一时间戳为所述第一目标峰值点的时间戳；

确定与第二时间戳对应的所述图像时间戳，将所述图像时间戳对应的所述图像帧确定为第二图像帧，其中，所述第二时间戳为所述第二目标峰值点的时间戳；

根据所述第一图像帧和所述第二图像帧，确定相邻两个所述图像帧。

可选地，所述根据相邻两个所述图像帧之间的位置差异，确定相邻两个所述目标峰值点之间的位移距离，以确定所述用户在行走时的所述短步长，包括：

获取第一图像帧的第一位置数据和第二图像帧的第二位置数据，其中，所述第一位置数据和所述第二位置数据之间的坐标系是不同的；

根据所述第一位置数据和所述第二位置数据之间差异，确定相邻两个所述目标峰值点之间的所述位移距离，以确定所述用户在行走时的所述短步长。

可选地，所述位置数据包括摄像头位姿和旋转矩阵四元数，所述位置数据包括所述第一位置数据和所述第二位置数据；

所述根据所述第一位置数据和所述第二位置数据之间差异，确定所述相邻目标峰值点之间的位移距离，以确定所述用户在行走时的所述短步长，包括：

根据所述第一位置数据中的第一摄像头位姿和第一旋转矩阵四元数，确定所述第一摄像头位姿在目标坐标系下的目标摄像头位姿，其中，所述目标坐标系为第二图像帧所在的坐标系；

根据所述目标摄像头位姿和第二摄像头位姿之间的距离，确定相邻两个所述目标峰值点之间的所述位移距离，以确定所述用户在行走时的所述短步长。

可选地，所述根据所述目标摄像头位姿和第二摄像头位姿之间的距离，确定所述相邻目标峰值点之间的所述位移距离，包括：

确定所述目标摄像头位姿和所述第二摄像位姿之间的绝对差；

将所述绝对差确定为所述位移距离。

第二方面，本发明提供一种短步长确定装置，应用于包括摄像头和惯性检测单元的智能穿戴设备，包括：

获取模块，用于获取所述智能穿戴设备对应的用户在行走过程中所述摄像头采集的图像数据和所述惯性检测单元采集的加速度数据；

检测模块，用于对所述加速度数据进行峰值检测，确定多个目标峰值；

确定模块，用于根据所述目标峰值点中相邻两个所述目标峰值点分别对应的时间戳，在所述图像数据中确定相邻两个图像帧，其中，所述相邻两个所述目标峰值点用于表示一步；

步长模块，用于根据相邻两个所述图像帧之间的位置差异，确定相邻两个所述目标峰值点之间的位移距离，以确定所述用户在行走时的所述短步长。

第三方面，本发明提供一种电子设备，所述电子设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时基于第一方面所述的短步长确定方法。

第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现第一方面所述的短步长确定方法。

本发明提供的技术方案可以包括以下有益效果：

本发明提供的短步长确定方法，首先获取智能穿戴设备对应的用户在行走时摄像头采集的图像数据和惯性检测单元检测的加速度数据，进一步地，通过对加速度数据进行峰值检测，确定多个目标峰值点，以利用多个目标峰值点对步伐进行分割，从而确定一步的起点和终点，进一步地，利用相邻两个目标峰值点对应的时间戳，确定相邻两个图像帧，从而确定一步的起点图像帧和终点图像帧，最后通过相邻两个图像帧之间的位置差异，确定一步的短步长。本发明通过利用摄像头采集的图像数据和惯性检测单元检测的加速度数据对短步长进行估算，有效的避免了现有技术中需要佩戴多个传感器进行采集数据以步长进行估算的问题，进而降低数据采集量，提高了数据处理效率，同时通过利用相邻图像帧之间的位置差异确定短步长，提高了短步长估算的准确率，有效的避免了现有技术中无法对短步长进行准确估算的问题。

附图说明

图1为本发明实施例提供一种短步长确定方法的流程示意图；

图2为本发明实施例提供一种峰值检测的示意图；

图3为本发明另一实施例提供一种短步长确定方法的流程示意图；

图4为本发明实施例提供一种短步长确定装置的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

第一方面，本发明实施例提供一种短步长确定方法，应用于包括摄像头和惯性检测单元的智能穿戴设备。该智能穿戴设备可以包括AR智能眼镜和WR智能眼镜，具体如图1所示，包括：

S101，获取所述智能穿戴设备对应的用户在行走过程中所述摄像头采集的图像数据和所述惯性检测单元采集的加速度数据。

本实施例中，在用户佩戴智能穿戴设备行走的过程中，智能穿戴设备中集成的摄像头实时采集用户行走过程中的图像数据，惯性检测单元实时检测用户在行走过程中采集的加速度数据，即用户的身体速度变化数据。

在一个示例中，本发明实施例中摄像头的优选采样频率为每秒30赫兹，惯性检测单元的优选采样频率为每秒830赫兹。

S102，对所述加速度数据进行峰值检测，确定多个目标峰值点；

本实施例中，在执行S101之后，在得到加速度数据之后，则利用预设峰值检测算法对加速度数据进行峰值检测，确定加速度数据中的多个目标峰值点，其中，多个目标峰值点用于对用户的步伐进行分割。

在一个示例中，本发明实施例中的预设峰值检测算法可以包括阈值法、一阶差分法、二阶差分法，本实施例中优选的预设峰值检测算法为阈值法。

在一个示例中，本发明实施例提供一种峰值检测的示意图，如图2所示，图中的三角点为对加速度数据进行峰值检测确定的目标峰值点，图中与图像相交的线为预设阈值。

S103，根据所述目标峰值点中相邻两个所述目标峰值点分别对应的时间戳，在所述图像数据中确定相邻两个图像帧。

本实施例中，在执行S102确定多个目标峰值点之后，则在多个目标峰值点中选择相邻的两个目标峰值点，其中，每相邻两个目标峰值点用于表示一步，并同时获取相邻两个目标峰值点中每个目标峰值点的时间戳，即获取目标峰值点对应的采集时间，进而利用每个目标峰值点的时间戳，确定每个目标峰值点对应图像帧，进而确定相邻连个图像帧。

S104，根据相邻两个所述图像帧之间的位置差异，确定相邻两个所述目标峰值点之间的位移距离，以确定所述用户在行走时的所述短步长。

本实施例中，在执行S103之后，在确定相邻两个图像帧时，则分别获取相邻两个图像帧中每个图像帧的位置，进而利用相邻两个图像帧之间的位置差异，确定相邻两个目标峰值点之间的位移距离，从而可以用户在行走时一步的短步长。

本发明提供的短步长确定方法，首先获取智能穿戴设备对应的用户在行走时摄像头采集的图像数据和惯性检测单元检测的加速度数据，进一步地，通过对加速度数据进行峰值检测，确定多个目标峰值点，以利用多个目标峰值点对步伐进行分割，从而确定一步的起点和终点，进一步地，利用相邻两个目标峰值点对应的时间戳，确定相邻两个图像帧，从而确定一步的起点图像帧和终点图像帧，最后通过相邻两个图像帧之间的位置差异，确定一步的短步长。本发明通过利用摄像头采集的图像数据和惯性检测单元检测的加速度数据对短步长进行估算，有效的避免了现有技术中需要佩戴多个传感器进行采集数据以步长进行估算的问题，进而降低数据采集量，提高了数据处理效率，同时通过利用相邻图像帧之间的位置差异确定短步长，提高了短步长估算的准确率，有效的避免了现有技术中无法对短步长进行准确估算的问题。

进一步地，本实施例中的S102可以包括以下步骤：

S1021，根据所述X轴加速度、所述Y轴加速度和所述Z轴加速度，确定所述加速度数据中各个所述采样点对应的范数。

本实施例中，在确定多个目标峰值点时，首先获取加速度数据中每个采样的加速度，其中，加速度数据包括多个采样点加速度，每个所述采样点加速度包括X轴加速度、Y轴加速度和Z轴加速度，并根据X轴加速度、Y轴加速度和Z轴加速度，确定加速度数据中各个采样点对应的范数，其中，范数用于表示惯性检测单元检测的每个采样点的总体加速度。

在一个示例中，本实施例通过第一公式确定范数，具体公式如下：

其中，Accelnorm为范数，Ax为X轴加速度，Ay为Y轴加速度，Az为Z轴加速度。

S1022，根据所述范数，确定范数加速度数据。

本实施例中，在执行S1021后，在确定每个采样点的范数后，则对全部范数进行整理，生成范数加速度数据，进而确定范数加速度数据。

S1023，对所述范数加速度数据进行峰值检测，确定多个峰值点。

本实施例中，在执行1022之后，则利用预设峰值检测算法对范数加速度数据进行峰值检测，从而确定范数加速度数据中的多个峰值点。

S1024，在检测到所述峰值点的所述范数大于预设范数的情况下，确定所述峰值点为所述目标峰值点。

本实施例中，在执行S1023后，将每个峰值点对应的范数分别与预设范数进行比对，在峰值点的范数大于预设范数的情况下，确定该峰值点为目标峰值点，在峰值点的范数小于或等于预设范数的情况下，确定该峰值点为非目标峰值点。

在一个示例中，本发明实施例中的预设范数可以为采集周期内范数的平均值。

本发明实施例通过计算加速度数据中每个采样点的范数，可以准确地确定每个采样点的总体加速度，进一步地，通过对范数加速度数据进行峰值检测，可以准确地确定目标峰值点，进而可以利用目标峰值点对步伐进行分割，从而可以对每个步伐的步长进行估算，提高了短步长估算的准确率。

进一步地，本发明实施例还可以包括S1025，S1025具体如下：

S1025，对所述范数加速度数据进行一阶低通滤波，确定目标范数加速度数据，并对所述目标范数加速度数据进行峰值检测，确定多个所述峰值点。

本实施例中，在对进行峰值检测之前，可以对范数加速度数据进行一阶低通滤波，以对范数加速度数据进行过滤，去除范数加速度数据中的高频噪声，进而确定目标范数加速度数据，并对目标范数加速度数据进行峰值检测，确定多个所述峰值点。

进一步地，S103可以包括以下步骤：

S1031，获取所述图像数据中各个所述图像帧的图像时间戳。

本实施例中，在确定相邻图像帧时，首先在图像数据中，获取每个图像帧的图像时间戳，即获取每帧图像的采集时间。

S1032，确定与第一时间戳对应的所述图像时间戳，将所述图像时间戳对应的所述图像帧确定为第一图像帧。

本实施例中，在执行S1031之后，则获取第一目标峰值点的第一时间戳，将第一时间戳与图像时间戳进行比对，在第一时间戳和图像时间戳相对应时，即第一时间戳与图像时间戳相同时，将该图像帧作为第一图像帧。其中，本实施例中的相邻目标峰值点包括第一目标峰值点和第二目标峰值点，相邻图像帧包括第一图像帧和第二图像帧。

S1033，确定与第二时间戳对应的所述图像时间戳，将所述图像时间戳对应的所述图像帧确定为第二图像帧。

本实施例中，在执行S1031之后，则获取第二目标峰值点的第二时间戳，将第二时间戳与图像时间戳进行比对，在第二时间戳和图像时间戳相对应时，即第二时间戳与图像时间戳相同时，将该图像帧作为第二图像帧。

S1034，根据所述第一图像帧和所述第二图像帧，确定相邻两个所述图像帧。

本实施例中，在执行S1032和S1033后，则利用确定的第一图像帧和第二图像帧，确定相邻两个图像帧。

进一步地，S104可以包括以下步骤：

S1041，获取第一图像帧的第一位置数据和第二图像帧的第二位置数据。

本实施例中，在执行103之后，则获取第一图像帧的第一位置数据，即摄像头在采集第一图像帧时所处的位置数据，同时获取第二图像帧的位置数据，即摄像头在采集第二图像帧时所处的位置数据。其中，本实施例中的第一位置数据和第二位置数据之间的坐标系是不同的。

S1042，根据所述第一位置数据和所述第二位置数据之间差异，确定所述相邻目标峰值点之间的所述位移距离，以确定所述用户在行走时的所述短步长。

本实施例中，在执行1041之后，则将第一位置数据和第二位置数据进行比对，从而确定第一位置数据与第二位置数据之间的位置差异，从而确定相邻目标峰值点之间的位移距离，从而得到一步对应的短步长。

进一步地，S1042可以包括以下步骤：

S10421，根据所述第一位置数据中的第一摄像头位姿和第一旋转矩阵四元数，确定所述第一摄像头位姿在目标坐标系下的目标摄像头位姿。

本实施例中，在确定位置数据之后，则获取第一位置数据中的第一摄像头位姿和第一旋转矩阵四元数，并利用第一摄像头位姿和第一旋转矩阵四元数确定第一摄像头位姿在目标坐标系下的目标摄像头位姿。即确定第一图像帧在第二图像帧的坐标系下的目标摄像头位姿。其中，本实施例中的位置数据包括摄像头位姿和旋转矩阵四元数，所述位置数据包括第一位置数据述第二位置数据。

在一个示例中，第一摄像头位姿可以表示为P＝(tx,ty,tz)。

在一个示例中，第一旋转矩阵四元数可以表示为Q＝(qx,qy,qz,qw)。

在一个示例中，目标摄像头位姿可以通过第二公式确定，第二公式具体如下：

P′＝RP；

其中，P′为目标摄像头位姿，P为第一摄像头位姿，R为旋转矩阵，其中，旋转矩阵是根据第一旋转矩阵四元数确定的，旋转矩阵R具体可以表示为：

S10422，根据所述目标摄像头位姿和第二摄像头位姿之间的距离，确定所述相邻目标峰值点之间的所述位移距离，以确定所述用户在行走时的所述短步长。

本实施例中，在执行S10421之后，在确定第一图像帧的目标摄像头位姿时，则利用目标摄像头位姿和第二摄像头位姿，确定所述相邻目标峰值点之间的所述位移距离，以确定所述用户在行走时的所述短步长。具体地，在确定位移距离时，首先确定所述目标摄像头位姿和所述第二摄像位姿之间的绝对差，并将所述绝对差确定为所述位移距离。

在一个示例中，可以通过第三公式确定绝对差Di，第三公式具体如下：

进一步地，本发明实施例的短步长确定方法还可以包括以下步骤：

S105，对所述图像数据和所述身体速度数据进行融合，确定所述图像数据中各个图像帧的位置数据。

本实施例中，获取到摄像头采集的图像数据和惯性检测单元采集的加速度数据之后，将图像数据和加速度数据进行融合，以确定图像帧数据中每个图像帧的位置数据。

在一个示例中，在将图像数据和加速度数据进行融合时，可以将图像数据和加速度数据一同输入ORB-SLAM系统，以利用ORB-SLAM系统输出每个图像帧对应的位置数据。其中，ORB-SLAM系统是一种基于特征点的视觉同时定位与地图构建(SimultaneousLocalization and Mapping)系统。

进一步地，本发明另一实施例提供一种短步长确定方法，具体步骤如图3所示，包括：

在用户佩戴智能穿戴设备行走的过程中，智能穿戴设备中集成的摄像头实时采集用户行走过程中的图像数据，惯性检测单元实时采集加速度数据，并将图像数据和加速度数据一同输入ORB-SLAM系统，以对所述图像数据和所述身体速度数据进行融合，确定图像数据中各个图像帧的位置数据。

同时，获取加速度数据中每个采样的加速度，其中，加速度数据包括多个采样点加速度，每个所述采样点加速度包括X轴加速度、Y轴加速度和Z轴加速度，并根据X轴加速度、Y轴加速度述Z轴加速度，确定加速度数据中各个采样点对应的范数，进而确定范数加速度数据，进一步地，对所述范数加速度数据进行一阶低通滤波，确定目标范数加速度数据，并对所述目标范数加速度数据进行峰值检测，确定多个所述峰值点，进一步地，在检测到所述峰值点的所述范数大于预设范数的情况下，确定所述峰值点为所述目标峰值点。

在确定多个目标峰值点之后，在图像数据中，获取每个图像帧的图像时间戳、第一目标峰值点的第一时间戳和第二目标峰值点的第二时间戳，将第一时间戳与图像时间戳进行比对，在第一时间戳和图像时间戳相对应时将该图像帧作为第一图像帧。将第二时间戳与图像时间戳进行比对，在第二时间戳和图像时间戳相对应时，将该图像帧作为第二图像帧，进而确定相邻两个图像帧。

在确定相邻两个图像帧后，获取第一图像帧的第一位置数据和第二图像帧的第二位置数据，并利用第一摄像头位姿和第一旋转矩阵四元数确定第一摄像头位姿在目标坐标系下的目标摄像头位姿，利用目标摄像头位姿和第二摄像头位姿，确定目标摄像头位姿和所述第二摄像位姿之间的绝对差，并将所述绝对差确定为所述位移距离，以确定所述用户在行走时的所述短步长。

第二方面，本发明另一实施例提供一种短步长确定装置，应用于包括摄像头和惯性检测单元的智能穿戴设备，如图4所示，包括：

获取模块401，用于获取所述智能穿戴设备对应的用户在行走过程中所述摄像头采集的图像数据和所述惯性检测单元采集的加速度数据。

检测模块402，用于对所述加速度数据进行峰值检测，确定多个目标峰值点。

确定模块403，用于根据所述目标峰值点中相邻两个所述目标峰值点分别对应的时间戳，在所述图像数据中确定相邻两个图像帧，其中，所述相邻目标峰值点用于表示一步。

步长模块404，用于根据所述相邻两个图像帧之间的位置差异，确定相邻两个所述目标峰值点之间的位移距离，以确定所述用户在行走时的所述短步长。

第三方面，本发明另一实施例提供一种电子设备，所述电子设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时基于本发明实施例所述的短步长确定方法。

第四方面，本发明另一实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例所述的短步长确定方法。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，电子设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。