标签质量优化方法及装置

技术领域

本申请涉及安全防范技术领域，尤指一种标签质量优化方法及装置。

背景技术

随着智慧安防社区的大规模普及，越来越多的人或车的图像及声音被行 人道闸、车辆道闸、道路或电梯等处的图像声音采集设备采集并存储。海量 的图像、视频、音频经过结构化分析、聚档、标签化后可以生成人员、车辆 等安防对象的画像信息。目前仅以个人为中心，将画像信息与其相关联的各 目标数据进行对比分析，产生关联数据，将融合后的数据进行多屏联动展示。 上述方法对于生成的目标对象画像信息及关联数据的有效性没有进行检验， 更没有提供有效的优化建议，不利于持续提高相关数据的利用价值，也不利 于提高破案率。

发明内容

本申请提供了一种标签质量优化方法及装置，能够自动对标签进行优化， 有效提升了标签质量，减少了人力投入，提高了人员、车辆等安防对象的画 像准确度。

本申请提供的一种标签质量优化方法，包括：

确定待优化标签；

对于每个待优化标签，进行如下操作：

根据该待优化标签的所有原始业务参数、以及与该待优化标签对应的案 件类型相应的全部通用业务参数构建该待优化标签的业务参数组合的集合；

分别根据所述集合中的不同业务参数组合构建新的标签，计算新的标签 的质量评价指数，当任一新的标签的质量评价指数达到预设范围值时，根据 该标签的业务参数组合更新该待优化标签的原始业务参数。

一种示例性的实施例中，根据该待优化标签的所有原始业务参数、以及 与该待优化标签对应的案件类型相应的全部通用业务参数构建该待优化标签 的业务参数组合的集合，包括：

将待优化标签的所有业务参数和与所述待优化标签对应的案件类型相应 的全部通用业务参数进行去重处理；

根据去重后的业务参数和通用业务参数按照不同的各种组合方式构建业 务参数组合，得到业务参数组合的集合。

一种示例性的实施例中，计算新的标签的质量评价指数之前，还包括：

通过回溯算法选择新的标签；

并将回溯点设置为大于预设阈值。

一种示例性的实施例中，根据该标签的业务参数组合更新该待优化标签 的原始业务参数化，包括：

将该待优化标签的原始业务参数全部替换为当前的业务参数组合。

一种示例性的实施例中，所述确定待优化标签，包括：

根据包含原始业务参数的标签的质量评价指数确定待优化标签；

当包含原始业务参数的标签的质量评价指数达到预设范围值时，将包含 原始业务参数的标签确定为待优化标签；

或者，

当根据业务参数组合的集合中的每个业务参数组合所构建的新的标签的 质量评价指数均不大于预设阈值时，将该待优化标签再次确定为待优化标签。

一种示例性的实施例中，按照如下方法计算标签的质量评价指数：

根据第一概率、第二概率和第三概率计算标签的质量评价指数；

其中，第一概率是指标签在第一集合中的出现概率，第一集合包括全部 对象与案件池中在第一预设时间段内发生的案件进行数据碰撞后碰撞成功的 全部案件；

第二概率是指标签在第二集合中的出现概率，第二集合包括所述第一集 合中与标签对应的案件类型相同的全部案件；

第三概率是指标签在预设时长内没有出现的概率；

其中，所述对象是指包含一个或多个标签的实体。

一种示例性的实施例中，根据第一概率、第二概率和第三概率计算标签 的质量评价指数，包括：

根据第一概率、第二概率、第三概率、所述第一概率的预设权重、所述 第二概率的预设权重、以及所述第三概率的预设权重计算标签的质量评价指 数。

一种示例性的实施例中，所述标签在第一集合中的出现概率是根据标签 在所述第一集合中出现的次数、以及所述第一集合中的案件总数计算；

所述标签在第二集合中的出现概率是根据标签在所述第二集合中出现的 次数、以及所述第二集合中的案件总数计算；

所述标签在预设时长内没有出现的概率是根据标签的不同预设时长内的 没有出现的概率的加权平均计算。

一种示例性的实施例中，将该待优化标签再次确定为待优化标签时，还 包括：

给该待优化标签添加优化次数标识；

判断该待优化标签添加优化次数标识的次数是否超过预设次数，若是， 则将该待优化标签标记为待删除。

本申请提供的一种标签质量优化装置，包括确定模块、业务参数组合构 建模块、以及优化模块；

所述确定模块，设置为确定待优化标签；

所述业务参数组合构建模块，设置为根据每个待优化标签的所有原始业 务参数、以及与该待优化标签对应的案件类型相应的全部通用业务参数构建 该待优化标签的业务参数组合的集合；

所述优化模块，设置为根据所述集合中的不同业务参数组合构建新的标 签，计算新的标签的质量评价指数，当任一新的标签的质量评价指数达到预 设范围值时，根据该标签的业务参数组合更新该待优化标签的原始业务参数。

本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说 明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通 过在说明书以及附图中所描述的方案来实现和获得。

附图说明

附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与 本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方 案的限制。

图1为本申请实施例的标签质量优化方法的流程图；

图2为本申请实施例的安防对象标签优化方法的流程图；

图3为本申请实施例的业务参数组合示例；

图4为本申请实施例的标签优化过程的示意图；

图5为本申请实施例的标签质量优化装置的示意图。

具体实施方式

图1为本申请实施例的标签质量优化方法的流程图，如图1所示，本实 施例的标签质量优化方法，包括S11-S12步骤：

S11、确定待优化标签；

S12、对于每个待优化标签，进行如下操作：

根据该待优化标签的所有原始业务参数、以及与该待优化标签对应的案 件类型相应的全部通用业务参数构建该待优化标签的业务参数组合的集合；

分别根据所述集合中的不同业务参数组合构建新的标签，计算新的标签 的质量评价指数，当任一新的标签的质量评价指数达到预设范围值时，根据 该标签的业务参数组合更新该待优化标签的原始业务参数。

一种示例性的实施例中，所述预设范围值可以为[0.1-0.6]，其中，[]表示 闭区间，在其他一些实施例中，用户也可根据实际需要设定预设范围值为其 他值。

一种示例性的实施例中，根据该待优化标签的所有原始业务参数、以及 与该待优化标签对应的案件类型相应的全部通用业务参数构建该待优化标签 的业务参数组合的集合，包括：

将待优化标签的所有业务参数和与所述待优化标签对应的案件类型相应 的全部通用业务参数进行去重处理；

根据去重后的业务参数和通用业务参数按照不同的各种组合方式构建业 务参数组合，得到业务参数组合的集合。

比如，待优化标签的所有原始业务参数包括参数1、参数2、参数3，待 优化标签对应的案件类型相应的全部通用业务参数包括参数4、参数5，而参 数2和参数5相同，则删除参数2或删除参数5，假设删除参数2，则剩下的 待优化标签的所有原始业务参数和待优化标签对应的案件类型相应的全部通 用业务参数为参数1、参数3、参数4和参数5，将这4个参数按照不同的组 合方式构建参数组合，全部参数组合组成参数组合的集合。

参数1、参数3、参数4和参数5构建的参数组合包括(参数1，参数3)、 (参数1，参数4)、(参数1，参数5)、(参数3，参数4)、(参数3， 参数5)、(参数4，参数5)、(参数1，参数3，参数4)、(参数1，参 数3，参数5)、(参数3，参数4，参数5)、(参数1，参数3，参数4， 参数5)。

一种示例性的实施例中，计算新的标签的质量评价指数之前，还包括：

通过回溯算法选择新的标签；

并将回溯点设置为大于预设阈值。

其中，预设阈值可以为0.6，用户可根据实际需要设定该预设阈值。

在其他一些示例性的实施例中，也可以不采用回溯算法选择计算新的标 签的质量评价指数之前，而是计算全部新的标签的质量评价指数。但是采用 回溯算法一旦选择的新的标签的质量评价指数大于预设阈值，就可以不用计 算剩余的新的标签的质量评价指数，从而提高了效率，减少了运算量。

一种示例性的实施例中，根据该标签的业务参数组合更新该待优化标签 的原始业务参数，包括：将该待优化标签的原始业务参数全部替换为该标签 的业务参数组合。

一种示例性的实施例中，所述确定待优化标签，包括：

根据包含原始业务参数的标签的质量评价指数确定待优化标签；

当包含原始业务参数的标签的质量评价指数达到预设范围值时，将包含 原始业务参数的标签确定为待优化标签；

或者，

当根据业务参数组合的集合中的每个业务参数组合所构建的新的标签的 质量评价指数均不大于所述预设阈值时，将该待优化标签再次确定为待优化 标签。

一种示例性的实施例中，按照如下方法计算标签的质量评价指数：

根据第一概率、第二概率和第三概率计算标签的质量评价指数；

其中，第一概率是指标签在第一集合中的出现概率，第一集合包括全部 对象与案件池中在第一预设时间段内发生的案件进行数据碰撞后碰撞成功的 全部案件；

第二概率是指标签在第二集合中的出现概率，第二集合包括所述第一集 合中与标签对应的案件类型相同的全部案件；

第三概率是指标签在预设时长内没有出现的概率；

其中，所述对象是指包含一个或多个标签的实体。标签是通过对实体进 行信息分析而得到的高度精炼的特征标识。

所述对象可以为案件可疑人或可疑车辆等。

一种示例性的实施例中，根据第一概率、第二概率和第三概率计算标签 的质量评价指数，包括：

根据第一概率、第二概率、第三概率、所述第一概率的预设权重、所述 第二概率的预设权重、以及所述第三概率的预设权重计算标签的质量评价指 数。

一种示例性的实施例中，所述标签在第一集合中的出现概率是根据标签 在所述第一集合中出现的次数、以及所述第一集合中的案件总数计算；

所述标签在第二集合中的出现概率是根据标签在所述第二集合中出现的 次数、以及所述第二集合中的案件总数计算；

所述标签在预设时长内没有出现的概率是根据标签的不同预设时长内的 没有出现的概率的加权平均计算。

例如，各标签在案(事)件中的发生概率(即第一概率)＝各标签在案 (事)件中分别出现次数(1年内)/碰撞成功的案(事)件总数(1年内)；

各标签在相同类型案(事)件中的发生概率(即第二概率)＝各标签在 相同类型的案(事)件总数中分别出现次数/碰撞成功的相同类型的案(事) 件总数；

各标签长期未现概率(即第三概率)＝5％*近7天未现概率+10％*近 30天未现概率+25％*近180天未现概率+60％*近360天未现概率；

标签质量评价指数＝10％*各标签案(事)件发生概率+80％*各标签 对应类型案(事)件发生概率+10％*各标签长期未现概率。

一种示例性的实施例中，将该待优化标签再次确定为待优化标签时，还 包括：

给该待优化标签添加优化次数标识；

判断该待优化标签添加优化次数标识的次数是否超过预设次数，若是， 则将该待优化标签标记为待删除。

其中，优化次数标识可以为在标签右上角加上一个标识，如“*”等。标 记为待删除的标签可以定期删除。

本申请实施例提供的标签优化方法，能够自动对标签进行优化，有效提 升了标签质量，减少了人力投入，提高了人员、车辆等安防对象的画像准确 度。

图2为本申请实施例的安防对象标签优化方法的流程图，如图2所示， 包括S21-S25步骤：

S21、确定待优化标签；

S22、按照案件或事件类型提取关键业务参数，构建各个案件或事件类型 的通用标签优化模型；

S23、根据待优化标签的业务参数、以及待优化标签对应的案件或事件类 型的通用标签优化模型中的业务参数进行合并及去重处理。

S24、采用回溯算法遍历合并去重处理后的业务参数组合，计算各个业务 参数组合分别构成的多个标签的质量指数。

S25、当存在标签的质量指数满足预设的回溯点条件(即上文中的第一预 设条件)时，按照预设策略对待优化标签和通用优化模型进行处理，并将处 理后的待优化标签作为优化标签；当标签的质量指数不满足预设的回溯点条 件时，将标签确定为待优化标签。

在步骤S21中，确定待优化标签包括以下分步骤：

S211、将全部安防对象与案件库和/或事件库中在预设事件段内发生的案 件和/或事件进行数据碰撞，统计碰撞成功的案件和/或事件总数，以及分别统 计碰撞成功的案件和/或事件中各案件类型或事件类型的案件或事件总数。

S212、对于每个安防对象的每个标签，确定该标签对应的案件类型或事 件类型；

S213、根据该标签在碰撞成功的案件和/或事件中出现的次数、以及碰撞 成功的案件和/或事件总数计算第一概率；

S214、根据该标签在碰撞成功的案件和/或事件中的与该标签对应的案件 类型和/或事件类型中出现的次数、以及在碰撞成功的案件和/或事件中的与该 标签对应的案件类型和/或事件类型的总数计算第二概率；

S215、分别计算根据该标签在不同预设时间段内的未现概率及对应权重 计算第三概率；

S216、根据第一概率、第二概率、第三概率、第一概率对应的权重、第 二概率对应的权重、以及第三概率对应的权重计算该标签的质量指数；

S217、当该标签的质量指数满足预设条件时，确定该标签为待优化标签。

例如，标签质量评价指数的具体示例如下：

假定当前案池中近1年(以360天计)的案件共有1000件，其中盗窃500 件，抢劫100件，诈骗400件。最近7天盗窃3件，抢劫1件，诈骗5件； 最近30天盗窃35件，抢劫7件，诈骗30件；最近180天盗窃315件，抢劫 80件，诈骗165件；

安防对象A、安防对象B与案件池碰撞成功共计60件，其中盗窃30件， 抢劫10件，诈骗20件。其中安防对象A碰撞成功案件20件，其中盗窃10 件(即“经常夜间经过停车场”标签发生10次)，抢劫5件，诈骗5件；安 防对象B碰撞成功案件40件，其中盗窃20件，抢劫5件，诈骗15件。

以1年为时间范围，各标签在案(事)件中的发生概率(即第一概率)＝ 各标签在案(事)件中分别出现次数(1年内)/碰撞成功的案(事)件总数 (1年内)；

各标签在相同类型案(事)件中的发生概率(即第二概率)＝各标签在 相同类型的案(事)件总数中分别出现次数(1年内)/碰撞成功的相同类型 的案(事)件总数(1年内)；

各标签长期未现概率(即第三概率)＝5％*近7天未现概率+10％*近 30天未现概率+25％*近180天未现概率+60％*近360天未现概率；

其中，各标签未现概率＝1-各标签对应类型案(事)件发生概率；例如，

标签近7天未现概率＝1-标签对应类型案(事)件发生概率(近7天内)。

标签质量评价指数＝10％*各标签案(事)件发生概率+80％*各标签 对应类型案(事)件发生概率+10％*各标签长期未现概率。

那么，

“经常夜间经过停车场”标签案件发生概率(360天)＝10/60≈0.17；

“经常夜间经过停车场”标签对应的盗窃类型案件发生概率(360天)＝ 10/30≈0.33；

“经常夜间经过停车场”标签对应的盗窃类型案件发生概率(180天)＝ 7/18≈0.39；

“经常夜间经过停车场”标签对应的盗窃类型案件发生概率(30天)＝2/4 ＝0.50；

“经常夜间经过停车场”标签对应的盗窃类型案件发生概率(7天)＝1 /1＝1.00；

“经常夜间经过停车场”标签未现概率(360天)＝1-10/30≈0.67；

“经常夜间经过停车场”标签未现概率(180天)＝1-7/18≈0.61；

“经常夜间经过停车场”标签未现概率(30天)＝1-2/4＝0.50；

“经常夜间经过停车场”标签未现概率(7天)＝1-1/1＝0.00；

“经常夜间经过停车场”标签长期未现概率＝5％*0+10％*0.50+25％ *0.61+60％*0.67≈0.60；

“经常夜间经过停车场”标签质量评价指数＝10％*0.17+80％*0.33+ 10％*0.60＝0.017+0.264+0.06＝0.341。

根据标签质量评价指数对标签进行标记，例如当标签评价指数小于0.1时 将标签标记为待删除，当标签评价指数介于0.1到0.6之间时，将标签标记为 待优化，当标签质量评价指数大于0.6时，将标签标记为优化标签。

在步骤S211中，使用现有技术，通过结构化数据和图像特征进行碰撞对 比。结构化数据中的唯一标识相同即为碰撞成功，或者图像特征相似度大于 或等于一定阈值(例如95％)即为碰撞成功。例如，对于人员对象，其结构 化数据中的唯一标识可以为“证据号码”，图像特征可以为“人脸”和“人 体图像”，如果人员对象的证件号码与案件库或者事件库中的案件或事件的 相似度达到一定阈值则视为碰撞成功。

案件库或者事件库中的案件或事件可按照类型分类，例如案件类型可以 为盗窃、抢劫、诈骗等。每个安防对象可以有多个标签。对于每个标签也可 以有多个业务参数。每个标签也有对应的案(事)件类型。比如“经常夜间 经过停车场”标签对应的案(事)件类型可以为盗窃类。

由于标签的业务参数随着标签的优化会不断地发生变化，导致安防对象 与案件库或事件库中碰撞成功的案件或事件也发生变化，从而导致碰撞成功 的案件和/或事件总数、碰撞成功的案件和/或事件中各案件类型或事件类型的 案件或事件总数、第一概率、第二概率及未现概率等各数据都会发生变化。

在步骤S22中，关键业务参数例如作案时间、作案地点等。各个案件或 事件类型的通用标签优化模型中包括关键业务参数。

在步骤S24中，此步骤中使用的回溯算法类似枚举的搜索尝试过程，主 要是在搜索尝试过程中寻找问题的解，当发现已不满足求解条件时，就“回溯” 返回，尝试别的路径。回溯法是一种选优搜索法，按选优条件向前搜索，以 达到目标。但当探索到某一步时，发现原先选择并不优或达不到目标，就退 回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件 的某个状态的点称为“回溯点”。许多复杂的，规模较大的问题都可以使用回溯 法。

在该步骤中的回溯点条件可以为“标签质量指数大于预设阈值”。例如标 签质量评价指数大于0.6作为回溯点条件。此处的回溯点条件与上文中的优化 标签的评价标准相同。

合并去重处理后的业务参数组合可以如图3所示，该图只是组合示例，并 未包括全部组合。

在步骤S25中，当满足回溯点条件时，预设策略可以为将满足回溯点的 业务参数组合与待优化标签业务参数作比较，删除待优化标签业务参数中不 在满足回溯点业务参数组合中的业务参数，添加满足回溯点时在通用优化标 签模型中但不在待优化标签业务参数中的参数，更新满足回溯点时即在通用 优化标签模型中也在待优化标签业务参数中的参数值为通用优化模型中的参 数值。将修改后的标签业务参数作为优化标签的参数。还可以将修改后的标 签写入标签池中的优化标签列表。

也可以给该标签添加优化次数标识，当达到一定的优化次数后可以删除 该标签。

本申请实施例提供的标签优化方法，可以有效提升标签质量，减少人力 投入，提高人员、车辆等安防对象的画像准确度。

图4为本申请实施例的标签优化过程的示意图，如图4所示，假设待优 化标签为“经常夜间经过停车场”，该标签包括“最近30天出现5天及以上”、 “最近30天出现10次及以上”、“晚9点至次日凌晨5点出现”这3个参 数。确定待优化标签对应的案件类型为机动车盗抢案，机动车盗抢案件通用 业务模型包括“最近30天出现5天及以上”、“晚11点至次日凌晨3点出 现”这2个参数。将这5个参数合并去重，得到合并去重后的参数为“最近 30天出现5天及以上”、“最近30天出现10次及以上”、“晚9点至次日 凌晨5点出现”以及“晚11点至次日凌晨3点出现”这4个参数，对着4个 参数按照不同组合方式进行组合，例如，其中的部分参数组合包括{[“最近 30天出现5天及以上”，“晚11点至次日凌晨3点出现”]，[“最近30天 出现10次及以上”，“晚11点至次日凌晨3点出现”]，[“晚9点至次日凌 晨5点出现”，“晚11点至次日凌晨3点出现”]，[“最近30天出现5天及 以上”，“最近30天出现10次及以上”，“晚11点至次日凌晨3点出现”]， [“最近30天出现5天及以上”，“晚9点至次日凌晨5点出现”，“晚11点至次日凌晨3点出现”]，[“最近30天出现10次及以上”，“晚9点至次 日凌晨5点出现”，“晚11点至次日凌晨3点出现”]，[“最近30天出现5 天及以上”，“最近30天出现10次及以上”，“晚9点至次日凌晨5点出 现”，“晚11点至次日凌晨3点出现”]}，对每种参数组合构建新的标签， 计算新的标签的质量指数(计算方法如上所述)，分别为0.35、0.38、0.23、 0.69、0.29、0.41、0.31，选择标签质量指数大于0.6的参数作为优化后的标签 业务参数。即优化后的“经常夜间经过停车场”标签，包括“最近30天出 现5天及以上”、“最近30天出现10次及以上”、“晚11点至次日凌晨3 点出现”这3个参数。

图5为本申请实施例的标签优化装置的示意图，如图5所示，本实施例 的一种标签质量优化装置，包括确定模块、业务参数组合构建模块、以及优 化模块；

所述确定模块，设置为确定待优化标签；

所述业务参数组合构建模块，设置为根据每个待优化标签的所有原始业 务参数、以及与该待优化标签对应的案件类型相应的全部通用业务参数构建 该待优化标签的业务参数组合的集合；

所述优化模块，设置为根据所述集合中的不同业务参数组合构建新的标 签，计算新的标签的质量评价指数，当任一新的标签的质量评价指数达到预 设范围值时，根据该标签的业务参数组合更新该待优化标签的原始业务参数。

本申请实施例提供的标签优化装置，可以有效提升标签质量，减少人力 投入，提高人员、车辆等安防对象的画像准确度。

本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的， 并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施 例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多 可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许 多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的 任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用， 或可以替代任何其它实施例中的任何其他特征或元件。

本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。 本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合， 以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也 可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定 的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征 可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其 等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要 求的保护范围内进行各种修改和改变。

此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程 呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特 定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域 普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述 的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或 过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可 以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、 系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组 合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一 定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一 个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实 施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬 件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质) 和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机 存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块 或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可 移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或 其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、 磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以 被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通 信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他 传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。