线上用户识别方法、装置、电子设备及存储介质

技术领域

本发明涉及计算机技术领域，具体涉及一种线上用户识别方法、装置和电子设备以及计算机存储介质。

背景技术

现有技术中，通常借用Wi-Fi嗅探技术，在线下识别到店用户的MAC地址信息，进而通过数据交易等手段获取和MAC地址匹配的用户手机号，将其与线上浏览的用户的手机号相对照，从而完成线上浏览与线下到店行为的匹配。然而，在使用Wi-Fi嗅探的过程中，会有多种情况导致数据结果不准确，首先，随着手机生产商软/硬件加密技术的进步，Wi-Fi嗅探的准确率降低至70％以下，其次，以手机号作为用户身份识别ID，由于数据的反复清洗、倒卖、人工干扰等情况使得用户ID被错填、漏填，数据准确率较低，另外，在2018年315晚会上，曝光了大量企业通过Wi-Fi嗅探技术访问、盗取用户信息，侵犯用户隐私，为使用此类技术产品的企业带来潜在法律风险。

发明内容

为解决上述技术问题，本发明的一个目的在于提供一种线上用户识别方法，该方法可比较准确的匹配用户的线上浏览和线下到店的行为，从而可便于商户精准的评估商业广告的投放效果以及较精准的评估商飞单的情况。

本发明的另一个目的在于提供一种实现上述线上用户识别方法的线上用户识别装置。

为达到上述目的，本发明采用如下技术方案：

根据本发明第一方面实施例的线上用户识别方法，包括如下步骤：

获取用户的通过可穿戴设备采集的用户数据，所述用户数据包括体态数据；

根据所述体态数据，通过体态模型得到体态特征，并将所述体态特征与该用户的用户ID相关联；

获取线上用户的用户ID，根据所述用户ID得到所述线上用户的体态特征；

获取门店中的线下用户的视频，并基于所述线下用户的视频得到所述线下用户的体态数据，针对所述线下用户的体态数据，通过所述体态模型得到所述线下用户的体态特征；

将所述线下用户的体态特征与所述线上用户的体态特征进行相似度匹配，当相似度超过预定值时，确定所述线下用户即为所述线上用户。

优选地，所述体态数据包括面部数据、手部动作数据、步态数据以及走路速度数据中的一种或多种。

优选地，所述用户数据还包括活动区域，通过所述线上用户的用户ID还获取所述线上用户的活动区域，

首先将当前位置与所述线上用户的活动区域进行匹配，在当前位置属于所述线上用户的活动区域的情况下将所述线下用户的体态特征与所述线上用户的体态特征进行相似度匹配。

优选地，所述体态模型通过如下方法获得：

采集大量用户的体态数据样本；

对于所述体态数据样本进行标注；

基于所述标注进行训练，得到所述体态模型。

优选地，所述体态模型随着匹配成功的用户的体态数据进行更新。

优选地，基于所述线下用户的视频得到所述线下用户的体态数据包括：基于所述线下用户的视频，通过机器视觉算法提取所述线下用户的体态数据。

根据本发明第二方面实施例的线上用户识别装置，包括：

第一获取模块：用于获取用户的通过可穿戴设备采集的用户数据，所述用户数据包括体态数据；

关联模块：用于根据所述体态数据，通过体态模型得到体态特征，并将所述体态特征与该用户的用户ID相关联；

第二获取模块：用于获取线上用户的用户ID，根据所述用户ID得到所述线上用户的体态特征；

第三获取模块：用于获取门店中的线下用户的视频，并基于所述线下用户的视频得到所述线下用户的体态数据，针对所述线下用户的体态数据，通过所述体态模型得到所述线下用户的体态特征；

匹配模块：用于将所述线下用户的体态特征与所述线上用户的体态特征进行相似度匹配，当相似度超过预定值时，确定所述线下用户即为所述线上用户。

优选地，所述体态数据包括面部数据、手部动作数据、步态数据以及走路速度数据中的一种或多种。

优选地，所述用户数据还包括活动区域，

所述第二获取模块还用于，通过所述线上用户的用户ID还获取所述线上用户的活动区域，

所述匹配模块具体用于，首先将当前位置与所述线上用户的活动区域进行匹配，在当前位置属于所述线上用户的活动区域的情况下将所述线下用户的体态特征与所述线上用户的体态特征进行相似度匹配。

优选地，所述体态模型通过如下方法获得：

采集大量用户的体态数据样本；

对于所述体态数据样本进行标注；

基于所述标注进行训练，得到所述体态模型。

优选地，所述体态模型随着匹配成功的用户的体态数据进行更新。

优选地，所述第三获取模块用于：基于所述线下用户的视频，通过机器视觉算法提取所述线下用户的体态数据。

根据本发明第三方面实施例的用于线上用户识别的电子设备，包括：

一个或多个处理器；

一个或多个存储器，其中存储了计算机可读代码，所述计算机可读代码当由所述一个或多个处理器执行时进行如下处理：

获取用户的通过可穿戴设备采集的用户数据，所述用户数据包括体态数据；

根据所述体态数据，通过体态模型得到体态特征，并将所述体态特征与该用户的用户ID相关联；

获取线上用户的用户ID，根据所述用户ID得到所述线上用户的体态特征；

获取门店中的线下用户的视频，并基于所述线下用户的视频得到所述线下用户的体态数据，针对所述线下用户的体态数据，通过所述体态模型得到所述线下用户的体态特征；

将所述线下用户的体态特征与所述线上用户的体态特征进行相似度匹配，当相似度超过预定值时，确定所述线下用户即为所述线上用户。

根据本发明第四方面实施例的非暂时性计算机存储介质，其中存储了计算机可读代码，所述计算机可读代码当由一个或多个处理器执行时进行如下处理：

获取用户的通过可穿戴设备采集的用户数据，所述用户数据包括体态数据；

根据所述体态数据，通过体态模型得到体态特征，并将所述体态特征与该用户的用户ID相关联；

获取线上用户的用户ID，根据所述用户ID得到所述线上用户的体态特征；

获取门店中的线下用户的视频，并基于所述线下用户的视频得到所述线下用户的体态数据，针对所述线下用户的体态数据，通过所述体态模型得到所述线下用户的体态特征；

将所述线下用户的体态特征与所述线上用户的体态特征进行相似度匹配，当相似度超过预定值时，确定所述线下用户即为所述线上用户。

本发明的有益效果在于：

通过获取用户的通过可穿戴设备采集的体态数据，并将根据该体态数据得到的体态特征与用户的ID相关联，进而通过线上用户的用户ID得到线上用户的体态特征，另外基于门店中的线下用户的视频得到线下用户的体态特征，然后将线下用户的体态特征与线上用户的体态特征进行相似度匹配，可比较准确的匹配用户的线上浏览和线下到店的行为，从而可便于商户精准的评估商业广告的投放效果以及较精准的评估商飞单的情况。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

图1为本发明实施例的线上用户识别的一种应用场景示意图；

图2为本发明实施例的线上用户识别方法的流程图；

图3为本发明实施例的线上用户识别装置的结构示意图；

图4为本发明实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例仅用于说明本发明，但不用来限制本发明的范围。

可以理解的是，如本文所使用的，术语“模块””可以指代或者包括专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用、或群组)和/或存储器、组合逻辑电路、和/或提供所描述的功能的其他适当硬件组件，或者可以作为这些硬件组件的一部分。

可以理解的是，在本发明各实施例中，处理器可以是微处理器、数字信号处理器、微控制器等，和/或其任何组合。根据另一个方面，所述处理器可以是单核处理器，多核处理器等，和/或其任何组合。

如图1所示，根据本发明实施例的本申请技术方案的一种应用场景示意图，商户在某线上平台投放了商业广告，通过本线上用户11识别方法，可将通过移动终端13浏览该广告的线上用户11的体态特征与门店14到访的线下用户12的体态特征进行相似度匹配，从而比较准确的匹配用户的线上浏览和线下到店的行为，方便商户精准的评估商业广告的投放效果。

当然，本申请技术方案还可应用于多种场景，例如，可用于为购物平台统计为门店14引流的用户，从而较精准的评估商飞单的情况。

如图2所示，根据本发明实施例的线上用户12识别方法，包括如下步骤：

步骤S1，获取用户的通过可穿戴设备采集的用户数据，所述用户数据包括体态数据。

具体地，可穿戴设备可以为智能手环、智能手表以及智能眼镜等，可穿戴设备持续收集用户的用户数据，线上平台可通过用户的授权获得用户的可穿戴设备采集的用户数据。

优选地，所述体态数据包括面部数据、手部动作数据、步态数据以及走路速度数据中的一种或多种。

步骤S2，根据所述体态数据，通过体态模型得到体态特征，并将所述体态特征与该用户的用户ID相关联。

具体地，用户的用户ID可以为用户的手机号，可以将用户的手机号与体态特征相关联，且随着用户的通过可穿戴设备采集的用户数据的不断更新，用户的体态特征不断地进行更新。

优选地，所述体态模型通过如下方法获得：

采集大量用户的体态数据样本；

对于所述体态数据样本进行标注；

基于所述标注进行训练，得到所述体态模型。

基于大量用户的体态数据通过训练得到体态模型，从而使通过该体态模型得到的用户的体态特征更加准确，更加利于线下用户12的体态特征与线上用户11的体态特征进行相似度匹配，进而利于较为准确的匹配用户的线上浏览和线下到店的行为。

步骤S3，获取线上用户11的用户ID，根据所述用户ID得到所述线上用户11的体态特征。

具体地，当线上用户11进行线上浏览时，获取线上用户11的用户ID，并将浏览记录与用户ID相关联，另外，通过用户ID得到线上用户11的体态特征，从而将浏览记录与线上用户11的体态特征相关联。

步骤S4，获取门店中的线下用户12的视频，并基于所述线下用户12的视频得到所述线下用户12的体态数据，针对所述线下用户12的体态数据，通过所述体态模型得到所述线下用户12的体态特征。

具体地，通过门店中的摄像头可获取线下用户12的视频，通过线下用户12的视频得到线下用户12的体态数据，进而得到线下用户12的体态特征。

优选地，基于所述线下用户12的视频得到所述线下用户12的体态数据包括：基于所述线下用户12的视频，通过机器视觉算法提取所述线下用户12的体态数据。

步骤S5，将所述线下用户12的体态特征与所述线上用户11的体态特征进行相似度匹配，当相似度超过预定值时，确定所述线下用户12即为所述线上用户11。

具体地，该预定值可根据储存线上用户11的体态特征的数据库的大小进行调整，以平衡相似度匹配成功率和误报率两个参数指标。将所述线下用户12的体态特征与所述线上用户11的体态特征进行相似度匹配具体为，将每个线下用户12的体态特征与储存线上用户11的体态特征的数据库中的N个线上用户11的ID分别相对应的N个线上用户11的体态特征逐一的进行匹配。

优选地，所述用户数据还包括活动区域，通过所述线上用户11的用户ID还获取所述线上用户11的活动区域，

首先将当前位置与所述线上用户11的活动区域进行匹配，在当前位置属于所述线上用户11的活动区域的情况下将所述线下用户12的体态特征与所述线上用户11的体态特征进行相似度匹配。

具体地，通过可穿戴设备采集的用户数据还包括用户的活动区域，通过线上用户11的用户ID还获取线上用户11的活动区域，从而将浏览记录与线上用户11的活动区域也进行相关联，在将线下用户12与线上用户11进行匹配时，首先将门店的位置与线上用户11的活动区域进行匹配，在当前位置属于线上用户11的活动区域的情况下再将线下用户12的体态特征与线上用户11的体态特征进行相似度匹配，例如，线下门店位于上海市，则只有线上用户11的活动区域包括上海市的情况下，将线下用户12的体态特征与线上用户11的体态特征进行相似度匹配。从而，减少了匹配的计算量，提高了线下用户12与线上用户11进行匹配的效率，能够更加快速地匹配用户的线上浏览和线下到店的行为。

需要说明的是，这里并不强制将“当前位置属于所述线上用户11的活动区域”作为判断所述线下用户12即为所述线上用户11的条件。而是指，当储存线上用户11的体态特征的数据库非常大时，可以用“线上用户11的活动区域”来减少线下用户12的体态特征与线上用户11的体态特征进行相似度匹配的匹配量，是一个优化比对结果、降低误报率的手段。

优选地，所述体态模型随着匹配成功的用户的体态数据进行更新。使体态模型持续优化，为一种提高线下用户12的体态特征与线上用户11的体态特征的相似度匹配的准确率的优化方法，从而更为准确的对线下用户12的体态特征与线上用户11的体态特征进行相似度匹配，进而更加准确地匹配用户的线上浏览和线下到店的行为。

具体地，线上用户11识别方法包括如下步骤：(1)线上用户11身份识别：获取用户佩戴的可穿戴设备采集的用户的体态数据，并基于体态模型得到用户的体态特征，将用户的体态特征与用户的用户ID相关联，用户ID通常为手机号，当线上用户11进行线上浏览时，获取线上用户11的用户ID，并根据用户ID得到线上用户11的体态特征；(2)线下用户12身份识别：获取门店中的视频采集设备采集的用户的视频，并通过机器视觉算法提取得到线下用户12的体态数据，然后通过体态模型得到线下用户12的体态特征；(3)线上与线下的匹配：将线下用户12的体态特征与储存线上用户11的体态特征的数据库中的N个线上用户11的ID分别相对应的N个线上用户11的体态特征逐一的进行匹配，当相似度超过预定值时，确定所述线下用户12即为所述线上用户11，进而可完成线下用户12的行为与线上用户11的信息和行为的关联，其中，线下用户12的行为包括门店到访时间、到访门店地点以及消费情况等，线上用户11的信息和行为包括用户身份信息、浏览历史以及偏好等。

通过获取用户的通过可穿戴设备采集的体态数据，并将根据该体态数据得到的体态特征与用户的ID相关联，进而通过线上用户11的用户ID得到线上用户11的体态特征，另外基于门店中的线下用户12的视频得到线下用户12的体态特征，然后将线下用户12的体态特征与线上用户11的体态特征进行相似度匹配，可比较准确的匹配用户的线上浏览和线下到店的行为，从而可便于商户精准的评估商业广告的投放效果以及较精准的评估商飞单的情况。

如图3所示，实现上述根据发明实施例的线上用户11识别方法的根据本发明实施例的线上用户11识别装置，包括第一获取模块20、关联模块30、第二获取模块40、第三获取模块50和匹配模块60。

其中，第一获取模块20，用于获取用户的通过可穿戴设备采集的用户数据，所述用户数据包括体态数据。

关联模块30，用于根据所述体态数据，通过体态模型得到体态特征，并将所述体态特征与该用户的用户ID相关联。

第二获取模块40，用于获取线上用户11的用户ID，根据所述用户ID得到所述线上用户11的体态特征。

第三获取模块50，用于获取门店中的线下用户12的视频，并基于所述线下用户12的视频得到所述线下用户12的体态数据，针对所述线下用户12的体态数据，通过所述体态模型得到所述线下用户12的体态特征。

匹配模块60，用于将所述线下用户12的体态特征与所述线上用户11的体态特征进行相似度匹配，当相似度超过预定值时，确定所述线下用户12即为所述线上用户11。

优选地，所述体态数据包括面部数据、手部动作数据、步态数据以及走路速度数据中的一种或多种。

优选地，所述用户数据还包括活动区域，

所述第二获取模块40还用于，通过所述线上用户11的用户ID还获取所述线上用户11的活动区域，

所述匹配模块60具体用于，首先将当前位置与所述线上用户11的活动区域进行匹配，在当前位置属于所述线上用户11的活动区域的情况下将所述线下用户12的体态特征与所述线上用户11的体态特征进行相似度匹配。

优选地，所述体态模型通过如下方法获得：

采集大量用户的体态数据样本；

对于所述体态数据样本进行标注；

基于所述标注进行训练，得到所述体态模型。

优选地，所述体态模型随着匹配成功的用户的体态数据进行更新。

优选地，所述第三获取模块50用于：基于所述线下用户12的视频，通过机器视觉算法提取所述线下用户12的体态数据。

通过获取用户的通过可穿戴设备采集的体态数据，并将根据该体态数据得到的体态特征与用户的ID相关联，进而通过线上用户11的用户ID得到线上用户11的体态特征，另外基于门店中的线下用户12的视频得到线下用户12的体态特征，然后将线下用户12的体态特征与线上用户11的体态特征进行相似度匹配，本发明实施例的线上用户11识别装置，可比较准确的匹配用户的线上浏览和线下到店的行为，从而可便于商户精准的评估商业广告的投放效果以及较精准的评估商飞单的情况。

如图4所示，基于与上述线上用户11识别方法相同的发明构思，本申请还提供一种电子设备1400，该电子设备1400包括一个或多个处理器1401和一个或多个存储器1402，存储器1402中存储了计算机可读代码，

其中，计算机可读代码当由一个或多个处理器1401执行时进行如下处理：

获取用户的通过可穿戴设备采集的用户数据，所述用户数据包括体态数据；

根据所述体态数据，通过体态模型得到体态特征，并将所述体态特征与该用户的用户ID相关联；

获取线上用户11的用户ID，根据所述用户ID得到所述线上用户11的体态特征；

获取门店中的线下用户12的视频，并基于所述线下用户12的视频得到所述线下用户12的体态数据，针对所述线下用户12的体态数据，通过所述体态模型得到所述线下用户12的体态特征；

将所述线下用户12的体态特征与所述线上用户11的体态特征进行相似度匹配，当相似度超过预定值时，确定所述线下用户12即为所述线上用户11。

优选地，所述体态数据包括面部数据、手部动作数据、步态数据以及走路速度数据中的一种或多种。

优选地，所述用户数据还包括活动区域，通过所述线上用户11的用户ID还获取所述线上用户11的活动区域，

首先将当前位置与所述线上用户11的活动区域进行匹配，在当前位置属于所述线上用户11的活动区域的情况下将所述线下用户12的体态特征与所述线上用户11的体态特征进行相似度匹配。

优选地，所述体态模型通过如下方法获得：

采集大量用户的体态数据样本；

对于所述体态数据样本进行标注；

基于所述标注进行训练，得到所述体态模型。

优选地，所述体态模型随着匹配成功的用户的体态数据进行更新。

优选地，基于所述线下用户的视频得到所述线下用户的体态数据包括：基于所述线下用户12的视频，通过机器视觉算法提取所述线下用户12的体态数据。

进一步地，电子设备1400还包括网络接口1403、输入设备1404、硬盘1405、和显示设备1406。

上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器1401代表的一个或者多个中央处理器(CPU)，以及由存储器1402代表的一个或者多个存储器1402的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解，总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外，还包括电源总线、控制总线和状态信号总线，这些都是本领域所公知的，因此本文不再对其进行详细描述。

网络接口1403，可以连接至网络(如因特网、局域网等)，从网络中获取相关数据，并可以保存在硬盘1405中。

输入设备1404，可以接收操作人员输入的各种指令，并发送给处理器1401以供执行。输入设备1404可以包括键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

显示设备1406，可以将处理器1401执行指令获得的结果进行显示。

存储器1402，用于存储操作系统14021运行所必须的程序和数据，以及处理器1401计算过程中的中间结果等数据。

可以理解，本申请实施例中的存储器1402可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)，其用作外部高速缓存。本文描述的装置和方法的存储器1402旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器1402存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统14021和应用程序14014。

其中，操作系统14021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序14014，包含各种应用程序，例如浏览器(Browser)等，用于实现各种应用业务。实现本申请实施例方法的程序可以包含在应用程序14014中。

本申请上述实施例揭示的方法可以应用于处理器1401中，或者由处理器1401实现。处理器1401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1401可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1402，处理器1401读取存储器1402中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

本申请实施例中，该电子设备1400通过获取用户的通过可穿戴设备采集的体态数据，并将根据该体态数据得到的体态特征与用户的ID相关联，进而通过线上用户11的用户ID得到线上用户11的体态特征，另外基于门店中的线下用户12的视频得到线下用户12的体态特征，然后将线下用户12的体态特征与线上用户11的体态特征进行相似度匹配，该用于线上用户11识别的电子设备，可比较准确的匹配用户的线上浏览和线下到店的行为，从而可便于商户精准的评估商业广告的投放效果以及较精准的评估商飞单的情况。

另外，本申请实施例还提供了一种计算机存储介质，所述计算机存储介质存储了计算机可读代码，计算机可读代码当由一个或多个处理器执行时进行如下处理：

获取用户的通过可穿戴设备采集的用户数据，所述用户数据包括体态数据；

根据所述体态数据，通过体态模型得到体态特征，并将所述体态特征与该用户的用户ID相关联；

获取线上用户11的用户ID，根据所述用户ID得到所述线上用户11的体态特征；

获取门店中的线下用户12的视频，并基于所述线下用户12的视频得到所述线下用户12的体态数据，针对所述线下用户12的体态数据，通过所述体态模型得到所述线下用户12的体态特征；

将所述线下用户12的体态特征与所述线上用户11的体态特征进行相似度匹配，当相似度超过预定值时，确定所述线下用户12即为所述线上用户11。

该计算机可读代码被处理器执行时实现上述线上用户11识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再对详细的过程进行赘述。其中，所述的计算机存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(RandomAccess Memory，简称RAM)、磁碟或者光盘等。

在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。