本申请涉及智能交通
技术领域：
，特别涉及一种路面的气象状态确定方法、装置及系统。
背景技术：
：路面的气象状态包括：干燥、潮湿、积水、积雪、结冰等，随着智能交通技术的发展，确定路面的气象状态对于交通运输越来越重要。相关技术中，通过分析路面的图像来确定路面的气象状态。示例的，首先可以获取交通监控设备拍摄的图像，由于交通监控设备拍摄的图像的中心区域为路面的图像，所以需要提取该图像的中心区域的部分。然后对该提取的图像部分进行分析以确定该图像部分对应的气象状态，并将该气象状态确定为路面的气象状态。由于相关技术中，仅通过图像的中心区域对应的气象状态来确定路面的气象状态，因此确定的路面状态的准确性较低。技术实现要素：本申请提供了一种路面的气象状态确定方法、装置及系统，可以解决仅通过图像的中心区域对应的气象状态来确定路面的气象状态的准确性较低的问题。所述技术方案如下：一方面，提供了一种路面的气象状态确定方法，所述方法包括：获取路面的图像；按照预设提取方式提取所述路面的图像中的多个图像块；获取所述多个图像块中每个图像块的目标特征向量；根据所述每个图像块的目标特征向量确定所述每个图像块的气象状态；根据所述多个图像块的气象状态确定所述路面的气象状态分布情况。可选的，所述根据所述每个图像块的目标特征向量确定所述每个图像块的气象状态，包括：获取预设分类模型，所述预设分类模型用于根据图像块的目标特征向量确定图像块的气象状态，所述预设分类模型包括至少一个函数，所述至少一个函数中的参数是根据多个特征向量样本训练得到的；将所述每个图像块的目标特征向量输入所述预设分类模型，以得到所述每个图像块的气象状态。可选的，所述预设分类模型包括支持向量机svm。可选的，在所述根据所述每个图像块的目标特征向量确定所述每个图像块的气象状态之后，所述方法还包括：确定每种气象状态对应的个数占比，其中，所述每种气象状态对应的个数占比为：具有每种气象状态的图像块在所述多个图像块中的个数占比。可选的，所述获取所述多个图像块中每个图像块的目标特征向量，包括：获取所述每个图像块的颜色特征向量；获取所述每个图像块的纹理特征向量；对所述每个图像块的颜色特征向量和纹理特征向量进行归一化处理，得到所述每个图像块的目标特征向量。可选的，所述颜色特征向量为九维颜色矩向量，所述纹理特征向量为四维向量，所述目标特征向量为十三维向量。可选的，每个所述图像块包含的像素量与所述路面的图像包含的像素量正相关。另一方面，提供了一种路面的气象状态确定装置，所述路面的气象状态确定装置包括：第一获取模块，用于获取路面的图像；提取模块，用于按照预设提取方式提取所述路面的图像中的多个图像块；第二获取模块，用于获取所述多个图像块中每个图像块的目标特征向量；第一确定模块，用于根据所述每个图像块的目标特征向量确定所述每个图像块的气象状态；第二确定模块，用于根据所述多个图像块的气象状态确定所述路面的气象状态分布情况。可选的，所述第一确定模块还用于：获取预设分类模型，所述预设分类模型用于根据图像块的目标特征向量确定图像块的气象状态，所述预设分类模型包括至少一个函数，所述至少一个函数中的参数是根据多个特征向量样本训练得到的；将所述每个图像块的目标特征向量输入所述预设分类模型，以得到所述每个图像块的气象状态。可选的，所述预设分类模型包括支持向量机svm。可选的，所述路面的气象状态确定装置还包括：第三确定模块，用于确定每种气象状态对应的个数占比，其中，所述每种气象状态对应的个数占比为：具有每种气象状态的图像块在所述多个图像块中的个数占比。可选的，所述第二获取模块还用于：获取所述每个图像块的颜色特征向量；获取所述每个图像块的纹理特征向量；对所述每个图像块的颜色特征向量和纹理特征向量进行归一化处理，得到所述每个图像块的目标特征向量。可选的，所述颜色特征向量为九维颜色矩向量，所述纹理特征向量为四维向量，所述目标特征向量为十三维向量。每个所述图像块包含的像素量与所述路面的图像包含的像素量正相关。再一方面，提供了一种路面的气象状态确定系统，所述路面的气象状态确定系统包括上述的路面的气象状态确定装置。本申请提供的技术方案带来的有益效果是：本申请提供了一种路面的气象状态确定方法、装置及系统，在路面的气象状态确定方法中，可以提取路面的图像中的多个图像块，并根据每个图像块的目标特征向量确定该每个图像块的气象状态，进而确定路面的气象状态分布情况。由于确定出的路面的气象状态分布情况能够表征路面的所有区域的气象状态，因此提高了确定路面的气象状态的准确性。附图说明为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本发明实施例提供的一种路面的气象状态确定系统的示意图；图2是本发明实施例提供的一种路面的气象状态确定方法的方法流程图；图3是本发明实施例提供的另一种路面的气象状态确定方法的方法流程图；图4是本发明实施例提供的一种路面的图像的示意图；图5是本发明实施例提供的一种多个图像块的示意图；图6是本发明实施例提供的一种已知气象状态的路面的图像块的示意图；图7是本发明实施例提供的一种路面的气象状态分布情况示意图；图8是本发明实施例提供的另一种路面的气象状态分布情况示示意图；图9是本发明实施例提供的一种路面的气象状态确定装置的结构示意图；图10是本发明实施例提供的另一种路面的气象状态确定装置的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。随着智能交通技术的发展，确定路面的气象状态对于交通运输至关重要。若可以准确获知各个地方路面的气象状态，则可以较好的进行交通管理，或者避免经过气象状态较差(如积雪，结冰的气象状态)的路面，提高交通安全性。图1是本发明实施例提供的一种路面的气象状态确定系统的示意图。如图1所示，该路面的气象状态确定系统10可以包括：路面的气象状态确定装置101。可选的，该路面的气象状态确定系统10还可以包括：图像采集装置102以及客户端103。示例的，路面的气象状态确定装置101可以为计算机、服务器或服务器集群；该图像采集装置102可以为交通监控设备(如道路上安装的摄像头)，需要说明的是，图像采集装置也可以为可以采集道路的图像的其他设备，本发明实施例对此不做限定；客户端103可以部署在终端上，终端可以为手机、笔记本电脑、台式电脑、平板电脑、智能电视机等电子设备。该图像采集装置102与路面的气象状态确定装置101，以及图像采集装置102与该客户端103均可以通过有线网络或者无线网络连接，其中，有线网络可以包括但不限于：通用串行总线(英文：universalserialbus；简称：usb)，无线网络可以包括但不限于：无线保真(英文：wirelessfidelity；简称：wifi)、蓝牙、红外、紫蜂(英文：zigbee)、数据等。路面的气象状态确定装置101可以通过图像采集装置102获取路面的图像，并进行分析以确定路面的气象状态分布情况，然后可以将该路面的气象状态分布情况发送给与路面的气象状态确定装置101相连接的客户端103。可选的，该路面的气象状态确定系统10还可以包括补光装置(图1未示出)，补光装置可以设置在图像采集装置102上。当路面所处的环境亮度较低时，该补光装置可以对路面进行补光，以使得图像采集装置可以采集路面的图像。可选的，该客户端可以与图像采集装置、路面的气象状态确定装置以及补光装置均连接。用户可以通过客户端获取图像采集装置采集的路面的图像，或者通过客户端控制补光灯对路面进行补光并调节补光强度，还可以通过客户端控制路面的气象状态确定装置确定路面的气象状态的频率(例如每隔5小时确定一次路面的气象状态)。图2是本发明实施例提供的一种路面的气象状态确定方法的方法流程图。该方法可以用于图1中的路面的气象状态确定装置，如图2所示，该方法可以包括：步骤201、获取路面的图像。步骤202、按照预设提取方式提取路面的图像中的多个图像块。步骤203、获取多个图像块中每个图像块的目标特征向量。步骤204、根据每个图像块的目标特征向量确定每个图像块的气象状态。步骤205、根据多个图像块的气象状态确定路面的气象状态分布情况。综上所述，本发明实施例提供的路面的气象状态确定方法中，可以提取路面的图像中的多个图像块，并根据每个图像块的目标特征向量确定该每个图像块的气象状态，进而确定路面的气象状态分布情况。由于确定出的路面的气象状态分布情况能够表征路面的所有区域的气象状态，因此提高了确定路面的气象状态的准确性。图3是本发明实施例提供的另一种路面的气象状态确定方法的方法流程图。该方法可以用于图1中的路面的气象状态确定装置，如图3所示，该方法可以包括：步骤301、获取路面的图像。图像采集装置可以实时的采集图像，且图像采集装置采集到的图像包括路面的图像，路面的气象状态确定装置可以通过与其连接的图像采集装置获取路面的图像。示例的，图像采集装置可以将采集到的图像发送给路面的气象状态确定装置，以便于路面的气象状态确定装置可以从图像采集装置所采集的图像中识别和提取出路面的图像。图像采集装置采集的图像分辨率可以为1080p(英文：progressive；中文：逐行扫描)，采集区域范围可以为10平方米，采集的图像可以存储为“.jpg”的图像格式，若该图像采集装置在夜间采集图像，则该图像采集组件对应的补光灯可以向图像采集区域补光，该补光强度可以为500～1000勒克斯。步骤302、按照预设提取方式提取路面的图像中的多个图像块。在提取图像块时，路面的气象状态确定装置可以按照预设提取方式提取路面的图像中的多个图像块。如，路面的气象状态确定装置可以首先获取像素量范围与单位像素量的预设对应关系，并根据路面的图像包含的像素量，确定路面的图像包含的像素量所在的像素量范围，以及该像素量范围对应的目标单位像素量；接着，路面的气象状态确定装置可以根据该目标单位像素量，提取路面的图像中的多个图像块，且可以根据该目标单位像素量确定每个图像块的边长以及包含的像素量。需要说明的是，按照预设提取方式提取的每个图像块包含的像素量与路面的图像包含的像素量可以正相关，也即该像素量范围与单位像素量的预设对应关系中像素量范围与单位像素量可以正相关，路面的图像包含的像素量决定了每个图像块包含的像素量。若路面的图像包含的像素量较大，则提取得到的每个图像块包含的像素量也较大，避免了提取得到的图像块的个数过大，保证了路面的气象状态确定装置能够较快的对这些图像块进行处理。示例的，像素量范围与单位像素量的预设对应关系可以如表1所示。若图像采集装置获取的图像如图4所示，且该图像中包括路面的图像40，则在步骤301中可以提取该图像中路面的图像部分。假设该路面的图像所包含的像素量为2500000，则该像素量所在的像素量范围为[2000000，3000000)，目标单位像素量为200×200。然后路面的气象状态确定装置可以借助matlab(也称为矩阵实验室)等软件的图像处理功能，按照该目标单位像素量提取路面的图像中的多个图像块，使得提取的每个图像块为边长为200像素的正方形。假设路面的图像边缘的区域无法按照目标单位像素量形成边长为200像素的正方形，则可以将该无法形成完整的正方形的区域忽略不计入图像块，进而使得提取到图5所示路面的图像中的多个图像块。需要说明的是，本发明实施例仅以提取得到的图像块均为正方形为例，实际应用中，提取得到的图像块也可以为长方形，本发明实施例对此不作限定。表1像素量范围单位像素量[100000，1000000)80×80[1000000，2000000)100×100[2000000，3000000)200×200[3000000，5000000)300×300[5000000，8500000)500×500步骤303、获取多个图像块中每个图像块的目标特征向量。每个图像块的目标特征向量可以包括：颜色特征向量(也即表征颜色特征的向量)与纹理特征向量(也即表征纹理特征的向量)。其中，颜色特征可以包括：色调、饱和度和亮度，纹理特征可以包括：能量、熵、对比度和相关性。路面的气象状态确定装置可以包括图像处理器，图像处理器可以获取每个图像块的颜色特征向量与纹理特征向量，然后将该颜色特征向量和纹理特征向量进行归一化处理，以得到每个图像块的目标特征向量。示例的，首先，图像处理器可以采用三阶颜色矩法提取每个图像块的颜色特征，图像的颜色特征的表达式为：其中，i为颜色通道，j为像素灰度值，μi为图像在i颜色通道下的一阶颜色矩，σi为图像在i颜色通道下的二阶颜色矩，si为图像在i颜色通道下的三阶颜色矩，pi,j为图像中i颜色通道中灰度值为j的像素出现的频率，n为图像中的像素个数。每个图像块的颜色特征向量可以用基于hsv(英文：hue，saturation，value；中文：色调，饱和度，亮度)颜色模型的九维颜色矩向量表示，该九维颜色矩向量的表达式为：fcolor＝[μh,σh,sh,μs,σs,ss,μv,σv,sv]；其中，fcolor表示该九维颜色矩向量，μh为该图像块在色调分量下的一阶颜色矩，σh为该图像块在色调分量下的二阶颜色矩，sh为该图像块在色调分量下的三阶颜色矩，μs为该图像块在饱和度分量下的一阶颜色矩，σs为该图像块在饱和度分量下的二阶颜色矩，ss为该图像块在饱和度分量下的三阶颜色矩，μv为该图像块在亮度分量下的一阶颜色矩，σv为该图像块在亮度分量下的二阶颜色矩，sv为该图像块在亮度分量下的三阶颜色矩。然后，图像处理器可以采用灰度共生矩阵提取每个图像块的四个纹理特征：能量特征asm＝∑∑q(x,y|d,θ)2、熵特征ent＝-∑∑q(x,y|d,θ)logq(x,y|d,θ)、对比度特征con＝∑∑(x-y)2q(x,y|d,θ)和相关性特征其中，x，y均表示像素的灰度值，d表示两个像素间的空间位置关系，θ表示灰度共生矩阵的生成方向；q表示图像上位置关系为d，灰度值分别为x，y的两个像素出现的次数。最后，图像处理器可以对得到的颜色特征向量和纹理特征进行归一化处理，得到每个图像块的十三维目标特征向量：feature＝[μh,σh,sh,μs,σs,ss,μv,σv,sv,asm,ent,con,cor]。可选的，可以将图像的灰度等级压缩至16级，也即上述灰度值为灰度等级为16级的图像中像素的灰度值，以提高得到目标特征向量的速度。步骤304、根据每个图像块的目标特征向量确定每个图像块的气象状态。当路面的气象状态确定装置在步骤303中获取到多个图像块中每个图像块的目标特征向量后，可以获取用于根据图像块的目标特征向量确定图像块的气象状态的预设分类模型。接着，路面的气象状态确定装置可以将每个图像块的目标特征向量输入该预设分类模型，以得到该预设分类模型输出的每个图像块的气象状态。示例的，预设分类模型可以包括至少一个函数，该至少一个函数中的参数可以根据多个特征向量样本进行训练得到，且预设分类模型可以包括支持向量机(英文：supportvectormachine；简称：svm)，且使用svm确定每个图像块的气象状态的速率较快。需要说明的是，该预设分类模型可以是工作人员预先对分类模型进行训练得到的。在训练分类模型前，工作人员可以将sqlserver中的多个已知气象状态的路面的图像块(图6示出了其中的部分图像块)依次输入图像处理器，使得图像处理器可以提取该多个图像块中每个图像块的目标特征向量，从而得到样本特征数据库。该样本特征数据库可以包括：每个图像块的气象状态和目标特征向量的对应关系。为了保证训练所得的预设分类模型可以有效的确定每个图像块的气象状态，该多个已知气象状态的路面图像块的个数需大于或者等于2500，且每种气象状态的路面图像的个数需大于或者等于500。需要说明的是，sqlserver的英文全称为structuredquerylanguageserver，也叫作结构化查询语言管理系统。sqlserver可以更新与升级，也即是sqlserver中的多个已知气象状态的路面的图像块可以更新。在sqlserver每次更新或升级后，图像处理器均需要重新提取更新后的图像块的目标特征向量，并得到新的样本特征数据库。示例的，被训练的分类模型可以包括个svm，其中，k为预设的气象状态的个数，每个svm均可根据每个图像块的目标特征向量得到气象状态。分类模型可以将该个svm得到的气象状态进行统计，并将占比最高的气象状态确定为分类模型得到的图像块的气象状态。之后，分类模型可以将该得到的气象状态与该图像块实际的气象状态进行比较，并根据比较结果调整svm中的参数，且多次重复该调整参数的过程，以使得最终得到的分类模型可以根据图像块的目标特征向量确定出较准确的图像块的气象状态。示例的，每个svm具有高斯核函数因子c和惩罚因子g，在对该分类模型进行训练时，分类模型可以将样本特征数据库中的多个目标特征向量依次输入svm，使得svm根据该每个目标特征向量输出气象状态。然后，分类模型可以通过网格搜索(英文：gridsearch)方法或最小二乘法，调整svm的高斯核函数因子c和惩罚因子g直至确定svm中较优的高斯核函数因子c和惩罚因子g的取值。之后，工作人员就可以将具有较优的高斯核函数因子c和惩罚因子g的svm确定为预设分类模型。若svm具有该较优的高斯核函数因子c和惩罚因子g，则该svm可以根据输入的目标特征向量而输出准确度较高的气象状态。可选的，工作人员可以将样本特征数据库中的部分图像块的目标特征向量用于训练分类模型以得到预设分类模型，将另一部分图像块的目标特征向量用于验证该预设分类模型的准确性。该用于训练分类模型的部分目标特征向量可以占该图像块中的目标特征向量的90％，验证准确性的部分目标特征向量可以占该图像块中的目标特征向量的20％。示例的，假设样本特征数据库中的目标特征向量的个数为2500，每种气象状态的图像块的个数为500，且高斯核函数因子c的范围为[2-8，28]，惩罚因子g的范围为[2-8，28]，则可以使用2000个图像块的目标特征向量对分类模型进行训练，训练结果可以如表2所示；可以使用未用于训练的500个图像块的目标特征向量对预设分类模型的准确性进行验证，验证结果可以如表3所示。由表2与表3可知，对于分类模型的训练耗时较短，且得到的预设分类模型的识别精度大于90％，该识别精度较高。表2训练图像块数训练耗时(秒)c的较优值g的较优值识别精度20002.6482160.583.57％表3验证图像块数识别精度50081.02％步骤305、根据多个图像块的气象状态确定路面的气象状态分布情况。在确定路面的图像中每个图像块的气象状态后，可以确定路面的气象状态分布情况，并可以为每种气象状态设置对应的标识，以直观的表示路面的气象状态分布情况。若路面的不同位置处于不同的气象状态，则本发明实施例确定的路面的气象状态的分布情况可以展现该路面的混合气象状态。示例的，可以将不同的气象状态用不同的数字进行标识，如干燥状态对应的标识为1，潮湿状态对应的标识为2，积水状态对应的标识为3，积雪状态对应的标识为4，结冰状态对应的标识为5。在路面的气象状态确定装置确定每个图像块的气象状态后，可以直接在路面的图像中每个图像块的位置，显示该每个图像块的气象状态对应的数字。假设，在步骤304中确定的图6所示的每个图像块的气象状态均为干燥，则所有图像块的位置均可以显示1，气象状态分布情况可以如图7所示；假设图6所示的图像块中有部分图像块的气象状态为潮湿，其余图像块的气象状态为干燥，则该潮湿状态的图像块的位置可以显示2，其余图像块的位置可以显示1，气象状态分布情况可以如图8所示。步骤306、确定每种气象状态对应的个数占比。气象状态对应的个数占比为：具有该种气象状态的图像块在多个图像块中的个数占比。示例的，若在路面的图像共提取了48个图像块，在步骤304中确定有9个图像块的气象状态为潮湿，剩余39个图像块的气象状态为干燥，则路面的气象状态确定装置可以确定潮湿的气象状态对应的个数占比为干燥的气象状态对应的个数占比为可选的，路面的气象状态确定装置可以将在步骤305中确定的路面的气象状态分布情况，以及在步骤306中确定的每种气象状态对应的个数占比均发送给其连接的客户端。用户在接收到该路面的图像中每种气象状态对应的个数占比后，可以将个数占比最高的气象状态确定为该路面的气象状态。若几种气象状态的个数占比相差较小，用户也可以根据具体需求确定路面的气象状态。示例的，若干燥状态的个数占比为90％，潮湿状态的个数占比为10％，则用户可以将干燥状态确定为路面的主要气象状态；若干燥状态的个数占比为10％，积水状态的个数占比为44％，积雪状态的个数占比为46％，则用户可以将积水状态确定为路面的主要气象状态，也可以将积雪状态确定为路面的主要气象状态。本发明实施例提供的路面的气象状态确定方法中，可以首先获取路面的图像，并将按照预设提取方式提取该路面的图像中的多个图像块；然后，可以分别提取每个图像块的目标特征向量，进而对每个图像块分别进行气象状态的识别，最终得到路面的气象状态的分布情况，以及路面具有的每种气象状态对应的个数占比。综上所述，本发明实施例提供的路面的气象状态确定方法中，可以提取路面的图像中的多个图像块，并根据每个图像块的目标特征向量确定该每个图像块的气象状态，进而确定路面的气象状态分布情况。由于确定出的路面的气象状态分布情况能够表征路面的所有区域的气象状态，因此提高了确定路面的气象状态的准确性。图9是本发明实施例提供的一种路面的气象状态确定装置的结构示意图。该路面的气象状态确定装置可以为图1中的路面的气象状态确定装置，如图9所示，该路面的气象状态确定装置90可以包括：第一获取模块901，用于获取路面的图像。提取模块902，用于按照预设提取方式提取路面的图像中的多个图像块。第二获取模块903，用于获取多个图像块中每个图像块的目标特征向量。第一确定模块904，用于根据每个图像块的目标特征向量确定每个图像块的气象状态。第二确定模块905，用于根据多个图像块的气象状态确定路面的气象状态分布情况。综上所述，本发明实施例提供的路面的气象状态确定装置中，提取模块可以提取路面的图像中的多个图像块，第一确定模块可以根据每个图像块的目标特征向量确定该每个图像块的气象状态，进而第二确定模块可以确定路面的气象状态分布情况。由于第二确定模块确定出的路面的气象状态分布情况能够表征路面的所有区域的气象状态，因此提高了确定路面的气象状态的准确性。可选的，第一确定模块还可以用于：获取预设分类模型，预设分类模型用于根据图像块的目标特征向量确定图像块的气象状态，预设分类模型包括至少一个函数，至少一个函数中的参数是根据多个特征向量样本训练得到的；将每个图像块的目标特征向量输入预设分类模型，以得到每个图像块的气象状态。可选的，预设分类模型可以包括支持向量机svm。可选的，图10是本发明实施例提供的一种路面的气象状态确定装置的结构示意图。在图9的基础上，该路面的气象状态确定装置90还可以包括：第三确定模块906，用于确定每种气象状态对应的个数占比，其中，每种气象状态对应的个数占比为：具有每种气象状态的图像块在多个图像块中的个数占比。可选的，第二获取模块还可以用于：获取每个图像块的颜色特征向量；获取每个图像块的纹理特征向量；对每个图像块的颜色特征向量和纹理特征向量进行归一化处理，得到每个图像块的目标特征向量。可选的，颜色特征向量为九维颜色矩向量，纹理特征向量为四维向量，目标特征向量为十三维向量。可选的，每个图像块包含的像素量与路面的图像包含的像素量正相关。综上所述，本发明实施例提供的路面的气象状态确定装置中，提取模块可以提取路面的图像中的多个图像块，第一确定模块可以根据每个图像块的目标特征向量确定该每个图像块的气象状态，进而第二确定模块可以确定路面的气象状态分布情况。由于第二确定模块确定出的路面的气象状态分布情况能够表征路面的所有区域的气象状态，因此提高了确定路面的气象状态的准确性。本发明实施例还提供了一种路面的气象状态确定系统，该路面的气象状态确定系统可以如图1所示，该路面的气象状态确定系统可以包括图8或图9所示的路面的气象状态确定装置。需要说明的是：上述实施例提供的路面的气象状态确定装置在确定路面的气象状态时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将路面的气象状态确定的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。需要说明的是，本发明实施例提供的方法实施例能够与相应的装置实施例相互参考，本发明实施例对此不做限定。本发明实施例提供的方法实施例步骤的先后顺序能够进行适当调整，步骤也能够根据情况进行相应增减，任何熟悉本
技术领域：
的技术人员在本申请揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本申请的保护范围之内，因此不再赘述。本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。当前第1页12