目标对象的识别方法和装置与流程
本发明涉及图像识别领域，具体而言，涉及一种目标对象的识别方法和装置。
背景技术
在自动化领域中的物体识别定位方向，机器视觉的引入使一些工作稳定、可靠、高效的同时更加智能化，消除人为操作的弊端，也可使工人脱离枯燥单一的工作。但在实际应用中，机器视觉往往会由于各种原因产生不稳定的结果。比如实际生产中，环境很难达到理想的状态，大量的光照变化对图像处理影响也很大。另外由于被识别物本身标准化不高存在参差不齐的现象，导致各种干扰产生，影响识别率。在这种情况下，往往是采用更为复杂的图像处理方法，处理速度会大大降低，难以满足某些对效率要求高的工位。在四通阀的组装过程中，需要区分加强板正反面，在其正面会有一个冲压出来的“l”标识。但是，由于加强板本身制作过程会导致其表面会有各种划痕，对标识的识别造成干扰，再加之由于工位空间的限制，无法遮挡环境光，环境光照的变化，使识别率大大降低。
针对上述的问题，目前尚未提出有效的解决方案。
技术实现要素：
本发明实施例提供了一种目标对象的识别方法和装置，以至少解决现有技术中对目标对象的识别方法受到环境光照的影响，导致识别准确度低且效率低的技术问题。
根据本发明实施例的一个方面，提供了一种目标对象的识别方法，包括：获取样本图像中第一识别区域内每个第一边缘点的方向向量，其中，第一识别区域中包含目标对象；获取待识别图像中第二识别区域内每个第二边缘点的方向向量；根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量；基于每个第二边缘点的相似度量，得到待识别图像的识别结果，其中，识别结果用于表征待识别图像中是否包含目标对象。
根据本发明实施例的另一方面，还提供了一种目标对象的识别装置，包括：第一获取模块，用于获取样本图像中第一识别区域内每个第一边缘点的方向向量，其中，第一识别区域中包含目标对象；第二获取模块，用于获取待识别图像中第二识别区域内每个第二边缘点的方向向量；第一处理模块，用于根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量；第二处理模块，用于基于每个第二边缘点的相似度量，得到待识别图像的识别结果，其中，识别结果用于表征待识别图像中是否包含目标对象。
根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的目标对象的识别方法。
根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述的目标对象的识别方法。
在本发明实施例中，获取样本图像中第一识别区域内每个第一边缘点的方向向量，同时获取待识别图像中第二识别区域内每个第二边缘点的方向向量，进一步根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量，从而可以根据相似度量得到待识别图像的识别结果。与现有技术相比，从第一识别区域中获取第一边缘点的方向向量，从第二识别区域中获取第二边缘点的方向向量，并根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量，从而避免受到遮挡、混乱和非线性光照变化的影响，达到了提高识别率、提升识别速度、使视觉系统更具有鲁棒性的技术效果，进而解决了现有技术中对目标对象的识别方法受到环境光照的影响，导致识别准确度低且效率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种目标对象的识别方法的流程图；以及
图2是根据本发明实施例的一种目标对象的识别装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种目标对象的识别方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种目标对象的识别方法的流程图，如图1所示，该方法包括如下步骤：
步骤s102，获取样本图像中第一识别区域内每个第一边缘点的方向向量，其中，第一识别区域中包含目标对象。
具体地，上述的样本图像可以是加强板图像，上述的目标对象可以是加强板正面的“l”标识。对于样本图像，可以通过人工标注的方式在样本图像中标出目标对象。对加强件正反面进行区分的实现方案为识别图像中是否包含“l”标识，因此，可以仅仅将加强件正面图像作为样本图像。
为了避免对整个样本图像进行后续处理，提升识别效率，可以预先根据加强件正面中“l”标识的位置，确定第一识别区域，对样本图像进行裁剪，也即，可以得到“l”标识所在区域。对于待识别图像，如果可以在相应区域内识别出“l”标识，则可以确定该图像为加强件正面图像，进一步可以确定加强件正面；如果在相应区域内未识别出“l”标识，则可以确定该图像为加强件反面图像，进一步可以确定加强件反面。
在一种可选的方案中，对于样本图像，可以在样本图像中提取出包含“l”标识的感兴趣区域，然后通过边缘滤波器得到每个第一边缘点的方向向量。在获取到每个第一边缘点的方向向量之后，可以将模板表示为点集pi＝(ri+ci)t及每个点方向向量di＝(ti+ui)t，i＝1，...，n。
步骤s104，获取待识别图像中第二识别区域内每个第二边缘点的方向向量。
具体地，上述的待识别图像可以是通过拍摄设备拍摄的到的加强件的图像，可以是正面或者反面。为了提升识别效率，可以根据第一识别区域确定第二识别区域，第二识别区域可以与第一识别区域相同，也可以根据识别结果进行调整。
在一种可选的方案中，对于待识别图像，为了确保后续处理过程中相似度量不受遮挡和混乱的影响，可以采用和模板相同的边缘滤波器对图像进行滤波，得到第二边缘点的方向向量er，c＝(vr，c，wr，c)t。
步骤s106，根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量。
具体地，相似度量用于表征待识别图像与样本图像的吻合百分数，例如，待识别图像中的“l”标识有50％的遮挡，则相似度量不会超过0.5。相似度量越大，表明吻合度越高，从而可以确定待识别图像中越有可能包括“l”标识。
需要说明的是，现有的相似度量方法是计算样本图像与待识别图像之间差值的绝对值总和(sad)或所有差值的平方和(ssd)，以及另一种ncc。前两种方案只有在光照情况不发生变化的情况下才可以使用，最后一种也只能适用线性关照变化，无法做到不受遮挡、混乱和非线性光照变化。
为了解决上述问题，本发明中采用如下方法，对待识别图像中的任意一点q＝(r，c)t，计算模板中所有第一边缘点的方向向量和相应点的方向向量的点积，在求出平均值，可以得到该点的相似度量s。由于方向向量是受到图像亮度影响的，可以根据归一化后的方向向量，计算得到可以得到相似度量s′。进一步地，为了适应非线性的光照变化，可以对相似度量s′取绝对值，得到最终用于确定识别结果的相似度量s″。
步骤s108，基于每个第二边缘点的相似度量，得到待识别图像的识别结果，其中，识别结果用于表征待识别图像中是否包含目标对象。
具体地，为了能够得到最终的识别结果，可以通过将待识别图像中所有第二边缘点的相似度量与阈值进行比较，当相似度量超过该阈值时，可以确定待识别图像与样本图像一致，待识别图像中包含“l”标识，也即，待识别图像是加强件的正面图像。如果所有相似度量未超过该阈值，可以确定待识别图像与样本图像不一致，待识别图像中未包含“l”标识，也即，待识别图像是加强件的反面图像。
采用本发明上述实施例，获取样本图像中第一识别区域内每个第一边缘点的方向向量，同时获取待识别图像中第二识别区域内每个第二边缘点的方向向量，进一步根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量，从而可以根据相似度量得到待识别图像的识别结果。与现有技术相比，从第一识别区域中获取第一边缘点的方向向量，从第二识别区域中获取第二边缘点的方向向量，并根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量，从而避免受到遮挡、混乱和非线性光照变化的影响，达到了提高识别率、提升识别速度、使视觉系统更具有鲁棒性的技术效果，进而解决了现有技术中对目标对象的识别方法受到环境光照的影响，导致识别准确度低且效率低的技术问题。
可选地，本发明上述实施例中，在步骤s106，根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量之前，该方法还包括：对每个第一边缘点的方向向量进行平移变换，得到每个第一边缘点的变换后的向量；根据每个第二边缘点的方向向量与每个第一边缘点的变换后的向量，得到每个第二边缘点的相似度量。
具体地，可以对模板进行仿射变换，沿待识别图像中所有点移动变换，也即，对第一边缘点的方向向量进行平移变换，然后将变换后的模板与待识别图像进行比较，在每个边缘点的位置计算相似度量。上述的平移变换可以通过平移矩阵与方向向量的乘法实现。
可选地，本发明上述实施例中，根据每个第二边缘点的方向向量与每个第一边缘点的变换后的向量，得到每个第二边缘点的相似度量，包括：获取每个第二边缘点的方向向量与每个第一边缘点的变换后的向量的点积；获取每个第二边缘点的方向向量与第一识别区域内所有第一边缘点的变换后的向量的点积的平均值，得到每个第二边缘点的相似度量。
具体地，对于待识别图像中的任意一点q＝(r，c)t，可以计算变换后的模板中所有第一边缘点的方向向量与待识别图像中相应点的方向向量的点积，再求出平均值作为变换后的模板在此点的相似度量s。公式如下：
其中，n为第一边缘点的数量，d′i为第i个第一边缘点的变换后的向量，eq+p′为该点的方向向量。
可选地，本发明上述实施例中，在获取每个第二边缘点的方向向量与每个第一边缘点的变换后的向量的点积之前，方法还包括：对每个第二边缘点的方向向量和每个第一边缘点的变换后的向量进行归一化处理，得到每个第二边缘点的归一化向量和每个第一边缘点的归一化向量；获取每个第二边缘点的归一化向量和每个第一边缘点的归一化向量的点积。
具体地，由于获取到的方向向量是受图像亮度影响的，相似度量s不能完全不受光照变化的影响，为了改善这一点，可以对方向向量进行归一化处理，并计算新的相似度量s′，公式如下：
其中，||.||表示向量的模。
可选地，本发明上述实施例中，获取每个第二边缘点的方向向量与第一识别区域内所有第一边缘点的变换后的向量的点积的平均值，得到每个第二边缘点的相似度量，包括：获取每个第二边缘点的归一化向量和每个第一边缘点的归一化向量的点积的平均值，得到每个第二边缘点的初始相似度量；获取每个第二边缘点的初始相似度量的绝对值，得到每个第二边缘点的相似度量。
具体地，为了适应非线性的光照变化，对之前计算得到的相似度量s′取绝对值求得最终的相似度量s″，同时又不受遮挡和混乱的影响。公式如下：
其中，|.|表示绝对值。
需要说明的是，相似度量s″是一个小于1的数值，用来表示样本图像与待识别图像的吻合百分数，s″＝1表示模板与图像完全吻合，相反其越接近0表示二者越不一致。
可选地，本发明上述实施例中，步骤s108，基于每个第二边缘点的相似度量，得到待识别图像的识别结果，包括：判断第二识别区域内是否在相似度量大于或等于预设阈值的第二边缘点；如果第二识别区域内存在相似度量大于或等于预设阈值的第二边缘点，则判断第二边缘点的相似度量是否为预设区域内的局部最大值，其中，第二边缘点为预设区域的中心点，局部最大值用于表征第二边缘点的相似度量大于预设区域内其他第二边缘点的相似度量；如果第二边缘点的相似度量是预设区域内的局部最大值，则确定识别结果为待识别图像中包含目标对象；如果第二识别区域内不存在相似度量大于或等于预设阈值的第二边缘点，或第二边缘点的相似度量不是预设区域内的局部最大值，则确定识别结果为待识别图像中未包含目标对象。
具体地，上述的预设阈值可以是根据实验，预先设置的用于确定待识别图像与样本图像是否一致的阈值s″min。
在一种可选的方案中，可以依次计算第二识别区域中每个第二边缘点的相似度量s″，然后将每个相似度量s″与阈值s″min进行比较，当待识别图像中某一个第二边缘点位置上，得到s″＞s″min，同时该相似度量s″也是局部最大值，则可以确定识别到“l”标识，也即确定待识别图像中包含“l”标识，是加强件的正面图像；如果待识别图像中所有第二边缘点的位置上，均未得到s″＞s″min，或者不是局部最大值，则可以确定未识别到“l”标识，也即确定待识别图像中未包含“l”标识，是加强件的反面图像。
可选地，本发明上述实施例中，在步骤s104，获取待识别图像中第二识别区域内每个第二边缘点的方向向量之后，该方法还包括：根据第二识别区域内任意一个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到任意一个第二边缘点的相似度量；判断任意一个第二边缘点的相似度量是否大于或等于预设阈值；如果任意一个第二边缘点的相似度量大于或等于预设阈值，则判断任意一个第二边缘点的相似度量是否为预设区域内的局部最大值；如果任意一个第二边缘点的相似度量小于预设阈值，或任意一个第二边缘点的相似度量不是预设区域内的局部最大值，则将下一个第二边缘点作为任意一个第二边缘点，并返回执行根据任意一个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到任意一个第二边缘点的相似度量的步骤，直至下一个第二边缘点为第二识别区域内的最后一个第二边缘点；如果任意一个第二边缘点的相似度量是预设区域内的局部最大值，则确定识别结果为待识别图像中包含目标对象；如果最后一个第二边缘点的相似度量小于预设阈值，或最后一个第二边缘点的相似度量不是预设区域内的局部最大值，则确定识别结果为待识别图像中未包含目标对象。
具体地，由于相似度量的计算量庞大，为了提高识别速度，可以从第一个第二边缘点开始，依次计算到第j个第二边缘点的相似度量
可选地，本发明上述实施例中，待识别图像是基于原始图像构建的图像金字塔中任意一层图像，其中，图像金字塔中每层图像的分辨率不同，每层图像对应的第二识别区域不同，每层图像对应的预设阈值不同。
具体地，上述的原始图像可以是对加强件拍摄得到的图像，为了高效地搜索目标对象，可以为原始图像创建图像金字塔。在图像金字塔的每层图像中获取第二边缘像素点的方向向量。在图像金字塔每层图像均可以进行上述识别过程，因此，可以将图像金字塔每层图像作为待识别图像进行处理。由于不同层次图像的分辨率不同，为了确保识别率，从每层图像中提取出的第二识别区域不同，而且得到识别结果的预设阈值也不同。
可选地，本发明上述实施例中，在步骤s108，基于每个第二边缘点的相似度量，得到待识别图像的识别结果之后，该方法还包括：在任意一层图像的识别结果为待识别图像中包含目标对象的情况下，将下一层图像作为待识别图像，根据目标对象所处位置，得到下一层图像对应的第二是被区域，并返回执行获取待识别图像中第二识别区域内每个第二边缘点的方向向量，得到下一层图像的识别结果，直至待识别图像为图像金字塔中最后一层图像；在最后一层图像的识别结果为任意一层图像中包含目标对象的情况下，则确定原始图像中包含目标对象；在任意一层图像的识别结果为任意一层图像中不包含目标对象的情况下，则确定原始图像中不包含目标对象。
在一种可选的方案中，由于图像金字塔中层次越高，分辨率越低，因此，可以在高层中的阈值s″min设置低一些，可以根据高层图像中搜索到“l”表示的位置，确定下一层的第二识别区域，然后在该区域内计算相似度量。依次循环下去，直至搜索不到“l”表示，或者到达图像金字塔的最底层。从而可以高效的搜索到准确的“l”标识。
可选地，本发明上述实施例中，步骤s102，获取样本图像中第一识别区域内每个第一边缘点的方向向量，包括：利用边缘滤波器对第一识别区域进行滤波处理，得到每个第一边缘点的方向向量，其中，在对第一识别区域进行滤波处理的过程中，不进行阈值分割处理；步骤s104，获取待识别图像中第二识别区域内每个第二边缘点的方向向量，包括：利用边缘滤波器对第二识别区域进行滤波处理，得到每个第二边缘点的方向向量。
具体地，由于阈值分割受光照影响较大，因此，在对从样本图像中提取出的第一识别区域进行边缘滤波处理时，不进行阈值分割，只获取每个第一边缘点的方向向量。同样地，在对从待识别图像中提取出的第二识别区域进行边缘滤波处理时，也不进行阈值分割，只获取每个第二边缘点的方向向量。
通过上述方案，提供了一种快速、稳定的图像处理方法，在加强板表面存在划痕(混乱)，标识不清晰，环境光照变化大的情况下，快速、稳定的搜索到加强板上的“l”标识，以便识别出加强板的正反面，提高识别率，加快了识别速度，使视觉系统更具有鲁棒性。
实施例2
根据本发明实施例，提供了一种目标对象的识别装置的实施例。
图2是根据本发明实施例的一种目标对象的识别装置的示意图，如图2所示，该装置包括：
第一获取模块22，用于获取样本图像中第一识别区域内每个第一边缘点的方向向量，其中，第一识别区域中包含目标对象。
具体地，上述的样本图像可以是加强板图像，上述的目标对象可以是加强板正面的“l”标识。对于样本图像，可以通过人工标注的方式在样本图像中标出目标对象。对加强件正反面进行区分的实现方案为识别图像中是否包含“l”标识，因此，可以仅仅将加强件正面图像作为样本图像。
为了避免对整个样本图像进行后续处理，提升识别效率，可以预先根据加强件正面中“l”标识的位置，确定第一识别区域，对样本图像进行裁剪，也即，可以得到“l”标识所在区域。对于待识别图像，如果可以在相应区域内识别出“l”标识，则可以确定该图像为加强件正面图像，进一步可以确定加强件正面；如果在相应区域内未识别出“l”标识，则可以确定该图像为加强件反面图像，进一步可以确定加强件反面。
在一种可选的方案中，对于样本图像，可以在样本图像中提取出包含“l”标识的感兴趣区域，然后通过边缘滤波器得到每个第一边缘点的方向向量。在获取到每个第一边缘点的方向向量之后，可以将模板表示为点集pi＝(ri+ci)t及每个点方向向量di＝(ti+ui)t，i＝1，...，n。
第二获取模块24，用于获取待识别图像中第二识别区域内每个第二边缘点的方向向量。
具体地，上述的待识别图像可以是通过拍摄设备拍摄的到的加强件的图像，可以是正面或者反面。为了提升识别效率，可以根据第一识别区域确定第二识别区域，第二识别区域可以与第一识别区域相同，也可以根据识别结果进行调整。
在一种可选的方案中，对于待识别图像，为了确保后续处理过程中相似度量不受遮挡和混乱的影响，可以采用和模板相同的边缘滤波器对图像进行滤波，得到第二边缘点的方向向量er，c＝(vr，c，wr，c)t。
第一处理模块26，用于根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量。
具体地，相似度量用于表征待识别图像与样本图像的吻合百分数，例如，待识别图像中的“l”标识有50％的遮挡，则相似度量不会超过0.5。相似度量越大，表明吻合度越高，从而可以确定待识别图像中越有可能包括“l”标识。
需要说明的是，现有的相似度量方法是计算样本图像与待识别图像之间差值的绝对值总和(sad)或所有差值的平方和(ssd)，以及另一种ncc。前两种方案只有在光照情况不发生变化的情况下才可以使用，最后一种也只能适用线性关照变化，无法做到不受遮挡、混乱和非线性光照变化。
为了解决上述问题，本发明中采用如下方法，对待识别图像中的任意一点q＝(r，c)t，计算模板中所有第一边缘点的方向向量和相应点的方向向量的点积，在求出平均值，可以得到该点的相似度量s。由于方向向量是受到图像亮度影响的，可以根据归一化后的方向向量，计算得到可以得到相似度量s＇。进一步地，为了适应非线性的光照变化，可以对相似度量s＇取绝对值，得到最终用于确定识别结果的相似度量s″。
第二处理模块28，用于基于每个第二边缘点的相似度量，得到待识别图像的识别结果，其中，识别结果用于表征待识别图像中是否包含目标对象。
具体地，为了能够得到最终的识别结果，可以通过将待识别图像中所有第二边缘点的相似度量与阈值进行比较，当相似度量超过该阈值时，可以确定待识别图像与样本图像一致，待识别图像中包含“l”标识，也即，待识别图像是加强件的正面图像。如果所有相似度量未超过该阈值，可以确定待识别图像与样本图像不一致，待识别图像中未包含“l”标识，也即，待识别图像是加强件的反面图像。
采用本发明上述实施例，获取样本图像中第一识别区域内每个第一边缘点的方向向量，同时获取待识别图像中第二识别区域内每个第二边缘点的方向向量，进一步根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量，从而可以根据相似度量得到待识别图像的识别结果。与现有技术相比，从第一识别区域中获取第一边缘点的方向向量，从第二识别区域中获取第二边缘点的方向向量，并根据每个第二边缘点的方向向量和第一识别区域内所有第一边缘点的方向向量，得到每个第二边缘点的相似度量，从而避免受到遮挡、混乱和非线性光照变化的影响，达到了提高识别率、提升识别速度、使视觉系统更具有鲁棒性的技术效果，进而解决了现有技术中对目标对象的识别方法受到环境光照的影响，导致识别准确度低且效率低的技术问题。
实施例3
根据本发明实施例，提供了一种存储介质的实施例，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例1中的目标对象的识别方法。
实施例4
根据本发明实施例，提供了一种处理器的实施例，处理器用于运行程序，其中，程序运行时执行上述实施例1中的目标对象的识别方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明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存在，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，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅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，这些改进和润饰也应视为本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！