一种图像识别方法、装置及设备

技术领域

本发明实施例涉及计算机领域，涉及一种图像识别方法、装置及设备。

背景技术

图像识别技术是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的识别对象的技术。现有的图像识别技术的识别对象按照维度划分通常划分为二维(twodimension，2D)对象以及三维(three dimension，3D)对象。在一些检测识别的场景中，通常需要计算机根据图片信息对2D对象以及3D对象进行识别区分。

对于2D对象的识别，通常采用2D图片信息结合相应的学习方法对计算机进行训练，方法较为成熟，并且识别过程较为简单。对于3D对象的识别，通常由设置在不同角度的多个图像采集设备对3D对象进行深度信息获取，并结合点云技术得到3D对象相应的空间特征，使计算机通过相应的空间特征完成3D对象的识别。

当前对于3D对象的识别，一方面，在深度信息的获取以及点云技术的应用，过程均较为复杂，导致实际应用难度较大；另一方面，训练对象为实际物体，因此可用的训练集资源较2D对象的识别可用的训练集资源偏少，导致训练效率偏低。

发明内容

本申请实施例提供了一种图像识别方法、装置及设备，以解决现有检测识别场景中对于3D图像的区分识别难度大以及训练效率偏低的问题。

第一方面，本申请实施例提供了一种图像识别方法，所述方法包括：

获取至少一个识别目标的图片信息，其中，每个识别目标对应一个图片信息，每个所述图片信息包括：所述每个识别目标对应的颜色信息；

依据所述每个识别目标对应的颜色信息得到所述每个识别目标在对应图片信息中的第一坐标信息；

获取所述至少一个识别目标的深度图信息，其中，所述每个识别目标对应一个深度图信息；

依据所述每个识别目标对应的图片信息以及所述每个识别目标对应的深度图信息得到所述每个识别目标对应的空间变换特征；

依据所述每个识别目标对应的第一坐标信息以及所述每个识别目标对应的空间变换特征，得到每个识别目标对应的第二坐标信息，所述第二坐标信息作用于所述深度图信息中；

依据所述识别目标对应的第二坐标信息得到所述识别目标维度信息。

这样，通过识别目标的图片信息以及深度图信息建立空间变换特征关系，通过图片信息得到的像素坐标可以计算得到所述识别目标的维度信息，减轻了对于3D识别对象的识别难度。

在一些可能的实施方式中，所述图片信息通过图片采集设备获取，所述深度图信息通过灰度图采集设备获取。

这样，可以使采集到的图片信息以及深度图信息相互独立，便于后续建立空间变换特征。

在一些可能的实施方式中，所述每个识别目标在对应图片信息中的第一坐标信息包括：所述每个识别目标在对应图片信息中的外轮廓的四个像素坐标信息。

这样，通过四个像素坐标信息可以得到所述识别目标外轮廓所在的矩形区域，便于后续通过空间变换特征得到第二坐标信息。

在一些可能的实施方式中，所述空间变换特征由畸变矫正矩阵得到。

在一些可能的实施方式中，所述每个识别目标对应的第二坐标信息包括：所述每个识别目标在对应灰度图中的外轮廓的四个深度值信息，每个所述每个识别目标的外轮廓的像素坐标信息与每个所述每个识别目标的外轮廓的深度值信息一一对应。

这样，可以使所述第一坐标信息通过所述空间变换特征转换为所述第二坐标信息，将所述识别目标在图片信息中的特征在灰度图中体现。

在一些可能的实施方式中，所述依据所述识别目标对应的第二坐标信息得到所述识别目标维度信息，实现方式包括：

若所述第二坐标信息大于或等于预设阈值，则判定所述识别目标对应的维度信息为三维目标；

若所述第二坐标信息小于预设阈值，则判定所述识别目标对应的维度信息为二维目标。

在一些可能的实施方式中，所述依据所述每个识别目标对应的颜色信息得到所述每个识别目标在对应图片信息中的第一坐标信息通过目标检测神经网络，R-CNN实现。

第二方面，本申请实施例还提供了一种图像识别装置，所述装置包括：

第一获取模块，用于获取至少一个识别目标的图片信息，其中，每个识别目标对应一个图片信息，每个所述图片信息包括：所述每个识别目标对应的颜色信息；

第一处理模块，用于依据所述每个识别目标对应的颜色信息得到所述每个识别目标在对应图片信息中的第一坐标信息；

第二获取模块，用于获取所述至少一个识别目标的深度图信息，其中，所述每个识别目标对应一个深度图信息；

特征构建模块，用于依据所述每个识别目标对应的图片信息以及所述每个识别目标对应的深度图信息得到所述每个识别目标对应的空间变换特征；

第二处理模块，用于依据所述每个识别目标对应的第一坐标信息以及所述每个识别目标对应的空间变换特征，得到每个识别目标对应的第二坐标信息，所述第二坐标信息作用于所述深度图信息中；

判定模块，用于依据所述识别目标对应的第二坐标信息得到所述识别目标维度信息。

第三方面，本申请实施例还提供了一种电子设备，所诉电子设备包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存储有可执行指令，所述可执行指令运行时使所述处理器执行第一方面或者第二方面任一可能的实施方式中的测试方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，所述存储介质中存储有可执行指令，所述可执行指令运行时使计算设备执行第一方面或者第二方面任一可能的实施方式中的测试方法。

本申请实施例提供了一种图像识别方法的技术方案，本方案中，首先获取至少一个识别目标的图片信息，其中，每个识别目标对应一个图片信息，每个所述图片信息包括：所述每个识别目标对应的颜色信息；依据所述每个识别目标对应的颜色信息得到所述每个识别目标在对应图片信息中的第一坐标信息；获取所述至少一个识别目标的深度图信息，其中，所述每个识别目标对应一个深度图信息；依据所述每个识别目标对应的图片信息以及所述每个识别目标对应的深度图信息得到所述每个识别目标对应的空间变换特征；依据所述每个识别目标对应的第一坐标信息以及所述每个识别目标对应的空间变换特征，得到每个识别目标对应的第二坐标信息，所述第二坐标信息作用于所述深度图信息中；依据所述识别目标对应的第二坐标信息得到所述识别目标维度信息。由于过程中使用识别目标的颜色信息得到识别目标在图片信息中所在区域位置的坐标，并根据图片信息以及深度图信息之间的空间特征变换，可以计算得到识别目标在灰度图中对应的第二空间坐标，使用第二空间坐标值的大小结合预设在相应灰度图中的阈值进行比较，最终的判定结果作为对识别目标的维度信息的确认。可见，本申请技术方案通过利用目标对象的图片信息以及相应的空间特征变换，将原有的3D识别对象的识别过程转换为2D图片信息的识别的过程。这样，一方面，可以使目标对象的识别过程更简易，降低应用难度；另一方面，实现了采用2D图片信息对3D识别对象识别的训练，提高了训练效率。

附图说明

图1是本申请实施例提供的图像处理方法流程示意图；

图2是本申请实施例提供的图像处理装置示例性组成示意图；

图3是本申请实施例提供的图像处理设备示例性结构示意图。

具体实施方式

本申请以下实施例中所使用的术语是为了描述可选实施方式的目的，而非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式。还应当理解，尽管在以下实施例中可能采用术语第一、第二等来描述某一类对象，但所述对象不限于这些术语。这些术语用来将该类对象的具体对象进行区分。例如，以下实施例中可能采用术语第一、第二等来描述的其他类对象同理，此处不再赘述。

本申请实施例提供了一种图像识别方法的技术方案，本方案中，首先获取至少一个识别目标的图片信息，其中，每个识别目标对应一个图片信息，每个所述图片信息包括：所述每个识别目标对应的颜色信息；依据所述每个识别目标对应的颜色信息得到所述每个识别目标在对应图片信息中的第一坐标信息；获取所述至少一个识别目标的深度图信息，其中，所述每个识别目标对应一个深度图信息；依据所述每个识别目标对应的图片信息以及所述每个识别目标对应的深度图信息得到所述每个识别目标对应的空间变换特征；依据所述每个识别目标对应的第一坐标信息以及所述每个识别目标对应的空间变换特征，得到每个识别目标对应的第二坐标信息，所述第二坐标信息作用于所述深度图信息中；依据所述识别目标对应的第二坐标信息得到所述识别目标维度信息。由于过程中使用识别目标的颜色信息得到识别目标在图片信息中所在区域位置的坐标，并根据图片信息以及深度图信息之间的空间特征变换，可以计算得到识别目标在灰度图中对应的第二空间坐标，使用第二空间坐标值的大小结合预设在相应灰度图中的阈值进行比较，最终的判定结果作为对识别目标的维度信息的确认。可见，本申请技术方案通过利用目标对象的图片信息以及相应的空间特征变换，将原有的3D识别对象的识别过程转换为2D图片信息的识别的过程。这样，一方面，可以使目标对象的识别过程更简易，降低应用难度；另一方面，实现了采用2D图片信息对3D识别对象识别的训练，提高了训练效率。

本申请实施例涉及的任一电子设备可以是诸如手机、平板电脑、可穿戴设备(例如，智能手表、智能手环等)、笔记本电脑、台式计算机和车载设备等电子设备。该电子设备预先安装有软件部署应用程序。可以理解的是，本申请实施例对电子设备的具体类型不作任何限制。

图像识别技术是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的识别对象的技术。现有的图像识别技术的识别对象按照维度划分通常划分为二维(twodimension，2D)对象以及三维(three dimension，3D)对象。在一些检测识别的场景中，通常需要计算机根据图片信息对2D对象以及3D对象进行识别区分。

对于2D对象的识别，通常采用2D图片信息结合相应的学习方法对计算机进行训练，方法较为成熟，并且识别过程较为简单。对于3D对象的识别，通常由设置在不同角度的多个图像采集设备对3D对象进行深度信息获取，并结合点云技术得到3D对象相应的空间特征，使计算机通过相应的空间特征完成3D对象的识别。

当前对于3D对象的识别，一方面，在深度信息的获取以及点云技术的应用，过程均较为复杂，导致实际应用难度较大；另一方面，训练对象为实际物体，因此可用的训练集资源较2D对象的识别可用的训练集资源偏少，导致训练效率偏低。

下面是对几个示例性实施方式的描述，对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。

在本申请的第一方面，提出了一种图像识别方法，参见图1，图1使本申请实施例提供的图像处理方法流程示意图，包括以下步骤：

获取至少一个识别目标的图片信息，其中，每个识别目标对应一个图片信息，每个所述图片信息包括：所述每个识别目标对应的颜色信息；

依据所述每个识别目标对应的颜色信息得到所述每个识别目标在对应图片信息中的第一坐标信息；

获取所述至少一个识别目标的深度图信息，其中，所述每个识别目标对应一个深度图信息；

依据所述每个识别目标对应的图片信息以及所述每个识别目标对应的深度图信息得到所述每个识别目标对应的空间变换特征；

依据所述每个识别目标对应的第一坐标信息以及所述每个识别目标对应的空间变换特征，得到每个识别目标对应的第二坐标信息，所述第二坐标信息作用于所述深度图信息中；

依据所述识别目标对应的第二坐标信息得到所述识别目标维度信息。

可选的，所述图片信息通过图片采集设备(例如高清摄像机)获取，所述深度图信息通过深度图(例如深度摄像机)采集设备获取。

可选的，对于得到的深度图信息，其表现形式可以通过灰度图形式呈现，以某平台的K设备为例，获得的深度图数据信息的数量与像素数量相同，取值范围可以为0～65535帧。根据实际应用的设备精度不同，对取值范围进行相应的映射处理到0～1帧便得到了相应的灰度图。

可选的，所述每个识别目标在对应图片信息中的第一坐标信息包括：所述每个识别目标在对应图片信息中的外轮廓的四个像素坐标信息。

可选的，所述四个像素坐标信息可以为两个像素点分别对应的横纵坐标信息例如：像素点A对应的坐标(x1,y1)，像素点B对应的坐标(x2，y2),所述四个像素坐标信息即：x1、y1、x2以及y2。

可选的，所述四个像素坐标信息包括：x(目标所在平面直角坐标系的横坐标)，y(目标所在平面直角坐标系的纵坐标)、width(目标对应的水平宽度)以及height(目标对应的垂直高度)。

可选的，所述空间变换特征由畸变矫正矩阵得到。

可选的，所述每个识别目标对应的第二坐标信息包括：所述每个识别目标在对应灰度图中的外轮廓的四个深度值信息，每个所述每个识别目标的外轮廓的像素坐标信息与每个所述每个识别目标的外轮廓的深度值信息一一对应。

可选的，所述依据所述识别目标对应的第二坐标信息得到所述识别目标维度信息，实现方式包括：

若所述第二坐标信息大于或等于预设阈值，则判定所述识别目标对应的维度信息为三维目标；

若所述第二坐标信息小于预设阈值，则判定所述识别目标对应的维度信息为二维目标。

可选的，所述依据所述每个识别目标对应的颜色信息得到所述每个识别目标在对应图片信息中的第一坐标信息通过目标检测神经网络，R-CNN实现。

示例性的，某公司需要对货架上特定的饮料数量进行识别(即三维识别对象)，但是需要区分放置在货架附近的广告牌上的饮料瓶图片(即二维识别对象)，避免在数量比对的时候造成干扰，即实现识别目标的二维信息以及三维信息的区分。

首先，可以使用图片采集设备以及灰度图采集设备对广告牌上的饮料瓶图片进行颜色信息以及深度图信息的获取。这样就可以得到二维识别目标对应的颜色信息以及深度图信息；

通过颜色信息，并且结合相应神经网络的训练(例如使神经网络可以根据颜色信息，识别在图片中饮料瓶所在的位置)，得到广告牌中饮料瓶轮廓对应的像素坐标(即第一坐标信息)或广告牌中饮料瓶所在区域的矩形框的四个像素顶点坐标(也可以被用作第一坐标信息)；

根据获取到的图片信息以及深度图信息，得到广告牌中饮料瓶对应的畸变矫正矩阵(即空间变换特征)，通过所述矩阵可以得到所述图片信息中的识别对象(即广告牌中的饮料瓶)逐像素对应灰度值的关系；

进一步的，通过对二维识别目标的深度图信息的获取(包括了第二坐标信息以及对应的深度值信息)，可以得到并设定区分所述识别目标维度信息的阈值，例如当所述识别目标的深度值信息小于此阈值时，会被判定为二维目标(即所述识别目标维度信息为二维目标)，当所述识别目标的深度值信息大于或等于此阈值时，会被判定为三维目标(即所述识别目标维度信息为三维目标)。过程中未借助多台深度图像采集设备并且未采用点云方式对识别目标进行二维三维的区分识别，简化了对于二维以及三维识别目标的区分过程。并且，此过程可以得到二维目标的训练集，用作系统对二维识别目标的训练识别。

同样的，对三维的识别目标(即货架上的饮料瓶)进行识别，如上述过程，此处不再一一赘述。最后得到三维目标的训练集，由于对于三维目标同样采用图片信息以及灰度图片信息，因此得到的三维目标的训练集，同样为图片集。这样，就可以实现使用图片集(二维训练集)对三维目标的训练，提升了训练效率。

本申请实施例提供了一种图像识别方法的技术方案，本方案中，首先获取至少一个识别目标的图片信息，其中，每个识别目标对应一个图片信息，每个所述图片信息包括：所述每个识别目标对应的颜色信息；依据所述每个识别目标对应的颜色信息得到所述每个识别目标在对应图片信息中的第一坐标信息；获取所述至少一个识别目标的深度图信息，其中，所述每个识别目标对应一个深度图信息；依据所述每个识别目标对应的图片信息以及所述每个识别目标对应的深度图信息得到所述每个识别目标对应的空间变换特征；依据所述每个识别目标对应的第一坐标信息以及所述每个识别目标对应的空间变换特征，得到每个识别目标对应的第二坐标信息，所述第二坐标信息作用于所述深度图信息中；依据所述识别目标对应的第二坐标信息得到所述识别目标维度信息。由于过程中使用识别目标的颜色信息得到识别目标在图片信息中所在区域位置的坐标，并根据图片信息以及深度图信息之间的空间特征变换，可以计算得到识别目标在灰度图中对应的第二空间坐标，使用第二空间坐标值的大小结合预设在相应灰度图中的阈值进行比较，最终的判定结果作为对识别目标的维度信息的确认。可见，通过利用目标对象的图片信息以及相应的空间特征变换，将原有的3D识别对象的识别过程转换为2D图片信息的识别的过程。这样，一方面，可以使目标对象的识别过程更简易，降低应用难度；另一方面，实现了采用2D图片信息对3D识别对象识别的训练，提高了训练效率。

上述实施例从至少一个识别目标的图片信息的获取、第一坐标信息的获取、至少一个识别目标的深度图信息的获取、空间变换特征的获取、第二坐标信息的获取以及目标维度信息的获取等方面，对本申请实施例提供的图像处理方法的各实施方式进行了介绍。应理解，至少一个识别目标的图片信息的获取、第一坐标信息的获取、至少一个识别目标的深度图信息的获取、空间变换特征的获取、第二坐标信息的获取以及目标维度信息的获取等的处理步骤，本申请实施例可以以硬件或硬件和计算机软件的结合形式来实现上述功能。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

例如，若上述实现步骤通过软件模块来实现相应的功能。如图2所示，图像识别装置可以包括第一获取模块，第一处理模块，第二获取模块、特征构建模块、第二处理模块以及判定模块。所述图像处理装置可用于执行上述图像处理方法的部分或全部操作。

例如：

第一获取模块，用于获取至少一个识别目标的图片信息，其中，每个识别目标对应一个图片信息，每个所述图片信息包括：所述每个识别目标对应的颜色信息；

第一处理模块，用于依据所述每个识别目标对应的颜色信息得到所述每个识别目标在对应图片信息中的第一坐标信息；

第二获取模块，用于获取所述至少一个识别目标的深度图信息，其中，所述每个识别目标对应一个深度图信息；

特征构建模块，用于依据所述每个识别目标对应的图片信息以及所述每个识别目标对应的深度图信息得到所述每个识别目标对应的空间变换特征；

第二处理模块，用于依据所述每个识别目标对应的第一坐标信息以及所述每个识别目标对应的空间变换特征，得到每个识别目标对应的第二坐标信息，所述第二坐标信息作用于所述深度图信息中；

判定模块，用于依据所述识别目标对应的第二坐标信息得到所述识别目标维度信息。

由此可见，

本申请实施例提供了一种图像识别方法的技术方案，本方案中，首先获取至少一个识别目标的图片信息，其中，每个识别目标对应一个图片信息，每个所述图片信息包括：所述每个识别目标对应的颜色信息；依据所述每个识别目标对应的颜色信息得到所述每个识别目标在对应图片信息中的第一坐标信息；获取所述至少一个识别目标的深度图信息，其中，所述每个识别目标对应一个深度图信息；依据所述每个识别目标对应的图片信息以及所述每个识别目标对应的深度图信息得到所述每个识别目标对应的空间变换特征；依据所述每个识别目标对应的第一坐标信息以及所述每个识别目标对应的空间变换特征，得到每个识别目标对应的第二坐标信息，所述第二坐标信息作用于所述深度图信息中；依据所述识别目标对应的第二坐标信息得到所述识别目标维度信息。由于过程中使用识别目标的颜色信息得到识别目标在图片信息中所在区域位置的坐标，并根据图片信息以及深度图信息之间的空间特征变换，可以计算得到识别目标在灰度图中对应的第二空间坐标，使用第二空间坐标值的大小结合预设在相应灰度图中的阈值进行比较，最终的判定结果作为对识别目标的维度信息的确认。可见，本申请技术方案通过利用目标对象的图片信息以及相应的空间特征变换，将原有的3D识别对象的识别过程转换为2D图片信息的识别的过程。这样，一方面，可以使目标对象的识别过程更简易，降低应用难度；另一方面，实现了采用2D图片信息对3D识别对象识别的训练，提高了训练效率。

可以理解的是，以上各个模块的功能可以集成到硬件实体实现，例如，获取模块可以集成到收发器实现，生成模块、选择模块以及构建模块可以集成在处理器实现，实现上述各模块功能的程序和指令，可以维护在存储器中。如图3所示，提供了一种电子设备，电子设备包括处理器，收发器以及存储器，其中收发器用于执行图像生成方法中对于图像信息以及对象图片获取，存储器用于存储前述部署装置预装的程序/代码，也可以存储用于处理器执行的代码等。当处理器运行存储器存储的代码过程中，使得电子设备执行上述方法中软件部署方法的部分或全部操作。

具体过程详见上述方法的实施例所述，此处不再详述。

具体实现中，对应前述电子设备，本申请实施例还提供一种计算机存储介质，其中，设置在电子设备中的计算机存储介质可存储有程序，该程序执行时，可实施包括上述软件部署方法的各实施例中的部分或全部步骤。该存储介质均可为磁碟、光盘、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(random access memory，RAM)等。

以上模块或单元的一个或多个可以软件、硬件或二者结合来实现。当以上任一模块或单元以软件实现的时候，所述软件以计算机程序指令的方式存在，并被存储在存储器中，处理器可以用于执行所述程序指令并实现以上方法流程。所述处理器可以包括但不限于以下至少一种：中央处理单元(central processing unit，CPU)、微处理器、数字信号处理器(DSP)、微控制器(microcontroller unit，MCU)、或人工智能处理器等各类运行软件的计算设备，每种计算设备可包括一个或多个用于执行软件指令以进行运算或处理的核。该处理器可以内置于SoC(片上系统)或专用集成电路(application specific integratedcircuit，ASIC)，也可是一个独立的半导体芯片。该处理器内处理用于执行软件指令以进行运算或处理的核外，还可进一步包括必要的硬件加速器，如现场可编程门阵列(fieldprogrammable gate array，FPGA)、PLD(可编程逻辑器件)、或者实现专用逻辑运算的逻辑电路。

当以上模块或单元以硬件实现的时候，该硬件可以是CPU、微处理器、DSP、MCU、人工智能处理器、ASIC、SoC、FPGA、PLD、专用数字电路、硬件加速器或非集成的分立器件中的任一个或任一组合，其可以运行必要的软件或不依赖于软件以执行以上方法流程。

进一步的，图3中还可以包括总线接口，总线接口可以包括任意数量的互联的总线和桥，具体由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起。总线接口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他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器提供用于在传输介质上与各种其他设备通信的单元。处理器负责管理总线架构和通常的处理，存储器可以存储处理器在执行操作时所使用的数据。

当以上模块或单元使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

应理解，在本申请的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对实施例的实施过程构成任何限定。

本说明书的各个部分均采用递进的方式进行描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点介绍的都是与其他实施例不同之处。尤其，对于装置和系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例部分的说明即可。

尽管已描述了本申请的可选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

以上所述的具体实施方式，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施方式而已，并不用于限定本申请的保护范围，凡在本申请的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。