门店拜访图片的审核方法、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，尤其涉及一种门店拜访图片的审核方法、装置、电子设备及存储介质。

背景技术

在现有的快消行业如饮料、烟草、食品等行业的线下门店拜访流程，存在业务员对客户门店进行实地拜访，然后对上级人员需要对拜访图片进行分析、处理和审核这一业务场景。然而，随着快消门店拜访管理系统对线下门店管理数量的逐渐增加，传统的拜访流程存在着许多问题，如数据不准确、效率低下、工作量大等。且对门店拜访记录的审核需要大量的人工操作，不仅耗费时间和人力，而且也容易出错。

发明内容

本发明实施例提供一种门店拜访图片的审核方法、装置、电子设备及存储介质，能有效解决传统的拜访流程存在着许多问题，不仅能够减轻工作人员在门店图片分析、处理和审核方面的工作负担，而且还能减少人工操作带来的错误率，有效地提高了门店拜访流程的效率和准确性。

本发明一实施例提供一种门店拜访图片的审核方法，包括：

获取所拜访的门店的门店图片以及业务场景编码；

根据所述业务场景编码，确定用于解析所述业务场景编码所对应的业务场景的AIGC模型、以及用于评价所述业务场景的评价规则；

将所述门店图片以及所述业务场景编码发送至所述AI GC模型中，以使所述AI GC模型，根据所述业务场景编码所对应的业务场景，对所述门店图片进行解析，并返回用于表征所述门店图片的真伪以及内容的解析结果；

根据所述解析结果以及所述评价规则，生成所述门店在业务场景编码所对应的业务场景下的审核结果。

进一步的，所述根据所述业务场景编码，确定用于解析所述业务场景编码所对应的业务场景的AI GC模型、以及用于评价所述业务场景的评价规则，包括：

根据所述业务场景编码，确定用于解析所述业务场景编码所对应的业务场景的AIGC模型以及AI GC模型标识；

根据所述AI GC模型标识以及所述所述业务场景编码，确定用于根据所述AI GC模型的解析结果对所述业务场景进行评价的评价规则。

进一步的，在根据所述AI GC模型标识以及所述所述业务场景编码，确定用于根据所述AI GC模型的解析结果对所述业务场景进行评价的评价规则之后，还包括：

获取所述门店图片的获取时间以及获取来源标识；

判断由所述获取时间、所述获取来源标识、所述门店图片、所述业务场景编码、所述AI GC模型标识、以及所述评价规则所构成的业务场景信息是否完整；

在判断所述业务场景信息完整时，将所述业务场景信息存入数据库的一选定数据行中，并标识所述选定数据行的审核状态为第一状态；其中，第一状态用于表征数据行未进行审核。

进一步的，所述将所述门店图片以及所述业务场景编码发送至所述AI GC模型，以使所述AI GC模型，根据所述业务场景编码所对应的业务场景，对所述门店图片进行解析，并返回用于表征所述门店图片的真伪以及内容的解析结果，包括：

按照所述获取时间，从所述数据库中获取审核状态为第一状态的待解析数据行；

在确定所述待解析数据行为所述选定数据行时，提取所述选定数据行中的业务场景信息，封装为待解析数据，并放入所述AIGC模型审核队列中；

通过所述AIGC模型对应的数据传输接口，将所述待解析数据的门店图片以及业务场景编码发送至所述AIGC模型中，以使所述AIGC模型，根据所述业务场景编码所对应的业务场景，对所述门店图片进行解析，并在解析失败时，返回用于表述解析失败的失败结果；在解析成功时，返回用于表征所述门店图片的真伪以及内容的解析结果。

进一步的，所述门店拜访图片的审核方法，还包括：

在接收到所述AIGC模型返回的解析结果时，将所述待解析数据的解析结果以及审核结果更新到所述选定数据行中，并将所述选定数据行的审核状态更新为用于表征数据行已完成审核的第二状态；

在接收到所述AIGC模型返回的失败结果时，将所述选定数据行的审核状态更新为用于表征数据行解析失败的第三状态。

进一步的，所述门店拜访图片的审核方法，还包括：

定时获取所述数据库中获取审核状态为第三状态的若干解析失败数据行；

提取所述解析失败数据行中的业务场景信息，封装为重解析数据；

根据所述重解析数据中的AIGC模型标识，将所述重解析数据放入对应的AIGC模型审核队列中；

通过对应的AIGC模型对应的数据传输接口，将所述重解析数据的门店图片以及业务场景编码发送至对应的AIGC模型中，以使AIGC模型，根据业务场景编码所对应的业务场景，对门店图片进行解析，并在解析失败时，返回用于表述解析失败的失败结果；在解析成功时，返回用于表征门店图片的真伪以及内容的解析结果。

进一步的，所述门店拜访图片的审核方法，还包括：

根据所述选定数据行中的所述获取来源标识，确定拜访所述门店的流程是否结束；

在确定拜访所述门店的流程已结束，且确定所述数据库中携带所述获取来源标识的若干数据行的审核状态均为第二状态时，整合所述获取来源标识所在的若干数据行的审核结果，生成门店拜访报告。

本发明另一实施例提供了一种门店拜访图片的审核装置，包括：

门店拜访信息获取模块，用于获取所拜访的门店的门店图片以及业务场景编码；

模型及规则确定模块，用于根据所述业务场景编码，确定用于解析所述业务场景编码所对应的业务场景的AI GC模型、以及用于评价所述业务场景的评价规则；

模型解析模块，用于将所述门店图片以及所述业务场景编码发送至所述AI GC模型中，以使所述AI GC模型，根据所述业务场景编码所对应的业务场景，对所述门店图片进行解析，并返回用于表征所述门店图片的真伪以及内容的解析结果；

审核结果生成模块，用于根据所述解析结果以及所述评价规则，生成所述门店在业务场景编码所对应的业务场景下的审核结果。

本发明另一实施例提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述发明实施例中任意一项所述的门店拜访图片的审核方法。

本发明另一实施例提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行如上述发明实施例中任意一项所述的门店拜访图片的审核方法。

通过实施本发明具有如下有益效果：

本发明提供了一种门店拜访图片的审核方法、装置、电子设备及存储介质，所述方法通过将门店拜访信息发送至业务场景对应的AI GC模型中进行审核，以借助所述AI GC模型的图像识别能力，对门店图片的内容以及内容质量进行解析，并返回解析结果。根据所述解析结果以及业务场景对应的评价规则，并生成门店拜访信息对应的审核结果。因此，本发明通过利用AI GC模型的智能分析功能对门店图片的内容以及内容质量进行解析，不仅能够减轻工作人员在门店图片分析、处理和审核方面的工作负担，而且还能减少人工操作带来的错误率，有效地提高了门店拜访流程的效率和准确性。

附图说明

图1是本发明一实施例提供的一种门店拜访图片的审核方法的流程示意图。

图2是本发明一实施例提供的雪花算法模型示意图。

图3是本发明一实施例提供的一种门店拜访图片的审核方法的数据处理流程的示意图。

图4是本发明一实施例提供的分布式任务调度平台的结构示意图。

图5是本发明一实施例提供的一种门店拜访图片的审核装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

参见图1，是本发明一实施例提供的一种门店拜访图片的审核方法的流程示意图，包括：

S1、获取所拜访的门店的门店图片以及业务场景编码；

在本发明一优选的实施例中，如图3所示，当正在进行门店拜访的业务员在对应的业务场景接口上传对应的门店图片后，获取门店图片以及对应的业务场景编码。需要说明的是，为节约存储资源，当正在进行门店拜访的业务员在业务场景接口上传对应的门店图片后，还可以将门店图片上传至指定的云服务器中，此时，需要获取门店图片对应的门店图片标识，以及门店图片的云存储访问链接。进一步的，为提高数据的安全性，通过如图2所示的雪花算法模型，生成所述门店图片标识以及业务场景编码。容易理解的，雪花算法模型生成所述门店图片标识以及业务场景编码为长整形数值。

进一步的，为保证数据的完整性，在获取所拜访的门店的门店图片以及业务场景编码之后，按照AP I逻辑的使用需要进行校验，如必传参数是否为空、强类型要求是否准确、操作用户是否存在等。若不满足校验，则返回对应的校验结果；若满足校验，则进行后续的流程。

S2、根据所述业务场景编码，确定用于解析所述业务场景编码所对应的业务场景的AI GC模型、以及用于评价所述业务场景的评价规则；

在本发明一优选的实施例中，在进行门店拜访图片的审核之前，需要设定门店拜访流程，以及门店拜访流程中各业务场景的审核规则，即用于解析各业务场景的AI GC模型以及对应的评价规则。

在本实施例中，设定门店拜访流程为：进店签到、铺货执行、离店签退。且设定评价规则包括：计分规则以及建议规则。以进店签到的业务场景为例，选择玄武云作为进店签到的业务场景之后，选择玄武云提供的识别能力为：翻拍、以及店头。进而采用权重作为计分规则。店头权重设置为2，非翻拍权重设置为1。设置根据玄武云的解析结果的输出建议的建议规则为：当解析结果中，非翻拍为“是"，建议内容为：“翻拍检测良好，请继续保持！”。当解析结果中，非翻拍为“否”时，建议内容为：“图片翻拍，建议重拍！”。当解析结果中，店头为“是"，建议内容为：“店头拍照识别良好，请继续保持！”。当解析结果中，店头为“否”时，建议内容为：“非店头，请重拍！”。

优选的，根据所述业务场景编码，确定用于解析所述业务场景编码所对应的业务场景的AIGC模型、以及用于评价所述业务场景的评价规则，包括：

S201、根据所述业务场景编码，确定用于解析所述业务场景编码所对应的业务场景的AIGC模型以及AIGC模型标识；

在本发明一优选的实施例中，根据预先设置的审核规则以及业务场景编码，可以确定用于解析所述业务场景编码所对应的业务场景的AIGC模型以及AIGC模型标识。以进店签到的业务场景为例，当所述业务场景编码为进店签到的业务场景编码时，则可以确定用于解析进店签到的AIGC模型为玄武云，以及玄武云对应的AIGC模型标识。

S202、根据所述AIGC模型标识以及所述所述业务场景编码，确定用于根据所述AIGC模型的解析结果对所述业务场景进行评价的评价规则。

在本发明一优选的实施例中，根据预先设置的审核规则、AIGC模型标识以及业务场景编码，可以确定用于根据所述AIGC模型的解析结果对所述业务场景进行评价的评价规则。以进店签到的业务场景为例，根据进店签到的业务场景编码，以及玄武云的AIGC模型标识，可以确定用于根据玄武云的解析结果进行评价的评价规则：以权重作为计分规则。店头权重设置为2，非翻拍权重设置为1。设置根据玄武云的解析结果的输出建议的建议规则为：当解析结果中，非翻拍为“是"，建议内容为：“翻拍检测良好，请继续保持！”。当解析结果中，非翻拍为“否”时，建议内容为：“图片翻拍，建议重拍！”。当解析结果中，店头为“是"，建议内容为：“店头拍照识别良好，请继续保持！”。当解析结果中，店头为“否”时，建议内容为：“非店头，请重拍！”

优选的，在根据所述AIGC模型标识以及所述所述业务场景编码，确定用于根据所述AIGC模型的解析结果对所述业务场景进行评价的评价规则之后，还包括：

S210、获取所述门店图片的获取时间以及获取来源标识；

在本发明一优选的实施例中，将包含在token中的业务员对象唯一标识作为所述获取来源标识，并以业务员上传门店图片触发API的时间作为所述获取时间。

S211、判断由所述获取时间、所述获取来源标识、所述门店图片、所述业务场景编码、所述AIGC模型标识、以及所述评价规则所构成的业务场景信息是否完整；

S212、在判断所述业务场景信息完整时，将所述业务场景信息存入数据库的一选定数据行中，并标识所述选定数据行的审核状态为第一状态；其中，第一状态用于表征数据行未进行审核。

在本发明一优选的实施例中，为方便后续将业务场景信息传输给对应的AI GC模型，将所述获取时间、所述获取来源标识、所述门店图片、所述业务场景编码、所述AIGC模型标识、以及所述评价规则构成业务场景信息存入数据库中，方便后续线程的调取。

需要说明的是，为提高数据的安全性以及完整性，通过雪花算法模型生成所述业务场景信息的唯一数据标识存入数据库中，通过判断唯一数据标识是否生成成功，来判断业务场景信息是否完整是否达到解析标准。若生成成功，则进入后续的流程，若生成失败，则提示执行门店拜访的业务员条件不满足，并中断解析流程。

S3、将所述门店图片以及所述业务场景编码发送至所述AI GC模型中，以使所述AIGC模型，根据所述业务场景编码所对应的业务场景，对所述门店图片进行解析，并返回用于表征所述门店图片的真伪以及内容的解析结果；

在本发明一优选的实施例中，以进店签到的业务场景为例，将门店图片以及所述进店签到的业务场景编码发送至玄武云中，以使玄武云判断门店图片是否为店头图片，若确定门店图片为店头图片，则在解析结果中，店头为“是”，否则，在解析结果中，店头为“否”。若确定门店图片为翻拍图片，则在解析结果中，非翻拍为“否”，否则，在解析结果中，非翻拍为“是”。

优选的，将所述门店图片以及所述业务场景编码发送至所述AI GC模型中，以使所述AI GC模型，根据所述业务场景编码所对应的业务场景，对所述门店图片进行解析，并返回用于表征所述门店图片的真伪以及内容的解析结果，包括：

S301、按照所述获取时间，从所述数据库中获取审核状态为第一状态的待解析数据行；

在本发明一优选的实施例中，为提高解析效率，按照数据库中，每一数据行中的获取时间，按批次获取一定数量审核状态为第一状态的数据行作为待解析数据行。

需要说明的是，在本实施例中，通过CPU密集型算法公式搭建出一个异步多路的线程处理方式，每个线程都分别地按每个批次最多处理5条数据的固定值批量地从数据库中按照获取时间的先后顺序获取同一AI GC模型的待解析数据行；具体的，通过线程在数据库中，按照获取时间，提取选用玄武云进行解析的5个待解析数据行。

其中，CPU密集型算法公式：

Count

其中，Count

S302、在确定所述待解析数据行为所述选定数据行时，提取所述选定数据行中的业务场景信息，封装为待解析数据，并放入所述AI GC模型审核队列中；

在本发明一优选的实施例中，预构建有与各AI GC模型一一对应的审核队列，容易理解的是，所述审核队列为消息队列中间件的队列通道。将在前一步骤获得的5个待解析数据行，以计算机程序语言的循环逻辑，按照“业务场景编码-AI GC模型标识-获取时间-业务员对象唯一标识-是否完成增强”的格式，将业务场景信息封装为待解析数据，并放入玄武云的审核队列中。

S303、通过所述AI GC模型对应的数据传输接口，将所述待解析数据的门店图片以及业务场景编码发送至所述AI GC模型中，以使所述AI GC模型，根据所述业务场景编码所对应的业务场景，对所述门店图片进行解析，并在解析失败时，返回用于表述解析失败的失败结果；在解析成功时，返回用于表征所述门店图片的真伪以及内容的解析结果。

在本发明一优选的实施例中，当监听到审核队列中存在待解析数据时，立即从线程池中随机地拉起一个线程，通过消息队列中间件的获取任务API得到具体待解析数据。然后按照待解析数据中的AI GC模型标识，获取对应的AI GC模型的软件开发工具包(Software Development Kit，SDK)中的模型解析API。

在本实施例中，选用玄武云进行业务场景的解析，则根据玄武云的SDK提供的API封装好相关发送参数，所述相关发送参数，包括：门店图片链接，门店图片标识，当前发送时间，业务场景标识，继而向玄武云发送网络请求，并记录返回的结果。如解析成功，则解析结果为，门店图片是否为店头，且门店图片是否为翻拍图片的判断结果。如解析失败，则返回解析失败的结果。

S4、根据所述解析结果以及所述评价规则，生成所述门店在业务场景编码所对应的业务场景下的审核结果。

在本发明一优选的实施例中，依旧以进店签到的场景为例，当玄武云返回的解析结果的内容为：非翻拍为“是”，店头为“是”。匹配当前业务场景的计分规则和建议规则，分值为：(非翻拍权重+店头权重)/(非翻拍权重+店头权重)*100，保留一位小数，计算得分为100.0分。建议内容：为“翻拍检测良好，请继续保持！店头拍照识别良好，请继续保持！”。若返回的解析结果的内容为：非翻拍为“否”，店头为“是”，则分值为：2/(1+2)*100＝66.7。

优选的，门店拜访图片的审核方法，还包括：

S5、在接收到所述AIGC模型返回的解析结果时，将所述待解析数据的解析结果以及审核结果更新到所述选定数据行中，并将所述选定数据行的审核状态更新为用于表征数据行已完成审核的第二状态；

S6、在接收到所述AIGC模型返回的失败结果时，将所述选定数据行的审核状态更新为用于表征数据行解析失败的第三状态。

在本发明一优选的实施例中，为提高数据处理效率，在确定本次提取的所有待解析数据行的生成对应的审核结果，或接收到失败结果时，再将本次提取的待解析数据行的审核状态、解析结果、以及审核结果进行同步更新；

优选的，门店拜访图片的审核方法，还包括：

S7、定时获取所述数据库中获取审核状态为第三状态的若干解析失败数据行；

在本发明一优选的实施例中，采用如图4所示的分布式任务调度平台-XXL-JOB平台，按照计划任务配置公式(即CORN表达公式)运行机制启动一个调度线程；

调度线程按每个批次最多处理100条数据的固定值批量地从数据库中以记录创建时间递增顺序获取审核状态为第三状态数据行作为解析失败数据行；

需要说明的是，为提高数据处理的效率，记录每个数据行的补偿次数，即采用AIGC进行重新解析的次数，并控制调度线程以记录创建时间递增顺序获取审核状态为第三状态的记录信息，且补偿次数少于3次的数据行作为解析失败数据行；

S8、提取所述解析失败数据行中的业务场景信息，封装为重解析数据；

在本发明一优选的实施例中，依旧按照“业务场景编码-AIGC模型标识-获取时间-业务员对象唯一标识-是否完成增强”的格式，将业务场景信息封装为待解析数据。

S9、根据所述重解析数据中的AIGC模型标识，将所述重解析数据放入对应的AIGC模型审核队列中；

在本发明一优选的实施例中，根据所述重解析数据中的AIGC模型标识，将所述重解析数据放入对应的AIGC模型审核队列中，容易理解的是，若重解析数据中的AIGC模型标识为玄武云的AIGC模型标识，则将重解析数据放入玄武云的审核队列中。

S10、通过对应的AI GC模型对应的数据传输接口，将所述重解析数据的门店图片以及业务场景编码发送至对应的AI GC模型中，以使AI GC模型，根据业务场景编码所对应的业务场景，对门店图片进行解析，并在解析失败时，返回用于表述解析失败的失败结果；在解析成功时，返回用于表征门店图片的真伪以及内容的解析结果。

在本发明一优选的实施例中，在设定了补偿次数的情况下，若接收到重解析数据的失败结果时，则在原补偿次数的基础上+1，在补偿次数等于3后，不再提取该数据行作为提取解析失败数据行，进行重新解析。

优选的，门店拜访图片的审核方法，还包括：

S11、根据所述选定数据行中的所述获取来源标识，确定拜访所述门店的流程是否结束；

在本发明一优选的实施例中，根据业务员对象唯一标识，判断该业务员是否已经执行离店签退，若是，则确定拜访所述门店的流程已经结束，若否，则确定拜访所述门店的流程还在进行中。

S12、在确定拜访所述门店的流程已结束，且确定所述数据库中携带所述获取来源标识的若干数据行的审核状态均为第二状态时，整合所述获取来源标识所在的若干数据行的审核结果，生成门店拜访报告。

在本发明一优选的实施例中，通过列举前面步骤生成建议以及分数平均值，形成一份当前业务员拜访当前门店的拜访报告。

本发明提供了一种门店拜访图片的审核方法，通过将门店拜访信息发送至业务场景对应的AI GC模型中进行审核，以借助所述AI GC模型的图像识别能力，对门店图片的内容以及内容质量进行解析，并返回解析结果。根据所述解析结果以及业务场景对应的评价规则，并生成门店拜访信息对应的审核结果。因此，本发明通过利用AI GC模型的智能分析功能对门店图片的内容以及内容质量进行解析，不仅能够减轻工作人员在门店图片分析、处理和审核方面的工作负担，而且还能减少人工操作带来的错误率，有效地提高了门店拜访流程的效率和准确性。

参见图5，是本发明一实施例提供的一种门店拜访图片的审核装置的结构示意图，包括：

门店拜访信息获取模块，用于获取所拜访的门店的门店图片以及业务场景编码；

模型及规则确定模块，用于根据所述业务场景编码，确定用于解析所述业务场景编码所对应的业务场景的AI GC模型、以及用于评价所述业务场景的评价规则；

模型解析模块，用于将所述门店图片以及所述业务场景编码发送至所述AI GC模型中，以使所述AI GC模型，根据所述业务场景编码所对应的业务场景，对所述门店图片进行解析，并返回用于表征所述门店图片的真伪以及内容的解析结果；

审核结果生成模块，用于根据所述解析结果以及所述评价规则，生成所述门店在业务场景编码所对应的业务场景下的审核结果。

本发明提供了一种门店拜访图片的审核装置，通过将门店拜访信息发送至业务场景对应的AI GC模型中进行审核，以借助所述AI GC模型的图像识别能力，对门店图片的内容以及内容质量进行解析，并返回解析结果。根据所述解析结果以及业务场景对应的评价规则，并生成门店拜访信息对应的审核结果。因此，本发明通过利用AI GC模型的智能分析功能对门店图片的内容以及内容质量进行解析，不仅能够减轻工作人员在门店图片分析、处理和审核方面的工作负担，而且还能减少人工操作带来的错误率，有效地提高了门店拜访流程的效率和准确性。

需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

所述领域的技术人员可以清楚地了解到，为了方便和简洁，上述描述的装置的具体工作过程，可参考前述方法实施例中对应的过程，在此不再赘述。

本发明另一实施例提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述发明实施例中任意一项所述的门店拜访图片的审核方法。

所述电子设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备可包括，但不仅限于，处理器、存储器。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。

所述存储器可用于存储所述计算机程序，所述处理器通过运行或执行存储在所述存储器内的计算机程序，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

本发明另一实施例提供了一种存储介质，所述存储介质为计算机可读存储介质，所述计算机程序存储在所述计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。