监控图像的处理方法、装置、网关设备及存储介质与流程

本申请涉及物联网技术领域，更具体地，涉及一种监控图像的处理方法、装置、网关设备及存储介质。

背景技术：

随着科技水平的不断发展，监控技术逐渐的遍布于生活中的各处。在物联网系统中，通常是摄像机对监控的场景进行实时采集场景的图像，然后通过网关设备将监控图像存储并发送至服务器进行处理，而在监控时通常是持续采集图像，会使网关设备存储的大量的图像会存在无用的监控图像，导致网关设备的存储空间的浪费。

技术实现要素：

鉴于上述问题，本申请提出了一种监控图像的处理方法、装置、网关设备及存储介质，能够节省网关设备的存储空间。

第一方面，本申请实施例提供了一种监控图像的处理方法，包括：获取摄像机实时采集的监控图像；获取所述监控图像与预先存储的预设图像的相似度；判断所述相似度是否大于预设阈值；当大于所述预设阈值时，将所述监控图像进行存储并将所述监控图像发送至服务器。。

第二方面，本申请实施例提供了一种监控图像的处理装置，所述装置包括：图像获取模块、相似度获取模块、相似度判断模块以及图像发送模块，其中，所述图像获取模块用于获取摄像机实时采集的监控图像；所述相似度获取模块用于获取所述监控图像与预先存储的预设图像的相似度；所述相似度判断模块用于判断所述相似度是否大于预设阈值；所述图像发送模块用于当大于所述预设阈值时，将所述监控图像进行存储并将所述监控图像发送至服务器。

第三方面，本申请实施例提供了一种网关设备，包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述第一方面提供的监控图像的处理方法。

第四方面，本申请实施例提供了一种计算机可读取存储介质，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行上述第一方面提供的监控图像的处理方法。

相对于现有技术，本申请提供的方案，在获取摄像机实时采集的监控图像后，获取该监控图像与预先存储的预设图像的相似度，再判断该相似度是否大于预设阈值，当该监控图像与预先存储的预设图像的相似度大于预设阈值时，才将监控图像进行存储并将监控图像发送至服务器，从而可以节省存储空间。

附图说明

为了更清楚地说明本申请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示出了一种适用于本申请实施例的交互系统的示意图。

图2示出了根据本申请一个实施例的监控图像的处理方法流程图。

图3示出了根据本申请另一个实施例的监控图像的处理方法流程图。

图4示出了根据本申请实施例的监控图像的处理方法中步骤s220的流程图。

图5示出了根据本申请又一个实施例的监控图像的处理方法流程图。

图6示出了根据本申请一个实施例的监控图像的处理装置的框图。

图7是本申请实施例的用于执行根据本申请实施例的监控图像的处理方法的网关设备的框图。

图8是本申请实施例的用于保存或者携带实现根据本申请实施例的监控图像的处理方法的程序代码的存储单元。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

随着科技水平的发展，监控技术不仅遍布于社会安全防治、交通管理、娱乐旅游、生产制造等方面，还遍布于人们的家庭生活中。目前的监控技术通常是以摄像头存在于物联网中的方式，对需要监控的场景进行监控。

在摄像头进行监控时，通常是摄像头在整个监控过程中采集被监控的场景的图像，然后将采集的场景图像发送至网关设备进行存储，并且网关设备将接收的摄像头采集的场景图像发送至服务器，以使服务器根据网关设备发送的图像进行处理。由于摄像头在整个监控过程中是持续性的采集图像，而整个监控过程中摄像头采集的图像会存在大量对于用户而言没有意义的图像，因此会使得网关设备存储的监控图像中存在大量无用的监控图像，造成网关设备存储空间的浪费。

因此，发明人在发现目前的监控技术存在上述的技术问题后，提出了本发明实施例中的监控图像的处理方法、装置、网关设备及存储介质。

下面先对本申请实施例提供的执行监控图像的处理方法的终端设备所对应的交互系统进行介绍。

请参见图1，该交互系统10可以包括：网关设备100、摄像机200以及服务器300。摄像机200通过有线连接或者无线连接方式连接于网关设备100，例如摄像机200通过zigbee(紫峰技术)与网关设备100无线连接。网关设备100通过wifi(wireless-fidelity，无线保真)与服务器通信连接。网关设备100可以与摄像机200以及服务器300进行数据通信或交互。其中，网关设备100可以是智能网关，可以实现系统信息的采集、信息输入、信息输出、集中控制、远程控制、联动控制等功能；摄像机200可以是彩色摄像头、红外摄像头等；服务器300可以是网络服务器、数据库服务器、云服务器等。当然，网关设备100、摄像机200以及服务器300的具体类型在本申请实施例中并不作为限定，与服务器300连接的网关设备100的个数并不作为限定，与网关设备100连接的摄像机200的个数并不作为限定。

在本申请实施例中，摄像机200可以将采集的图像，发送至网关设备100后，由网关设备100进行存储，并且网关设备100可以将摄像机200采集的图像发送至服务器300，网关设备100也可以接收服务器300发送的数据或者指令。

请参阅图2，本申请实施例提供了一种监控图像的处理方法，可应用于网关设备，本实施例描述的是网关设备侧的步骤流程，该方法可以包括：

步骤s110：获取摄像机实时采集的监控图像。

在对监控场景进行监控时，摄像机可以实时采集监控场景的监控图像。摄像机在采集监控场景的监控图像之后，则可以将其采集的监控图像发送至网关设备。对应的，网关设备接收摄像机采集的监控图像，获取到上述监控图像。

在本申请实施例中，摄像机可以设置于室内或者室外，并且与网关设备的距离不超过网关设备与摄像机之间的最大通信距离，具体的应用场景在本申请实施例中可以不作为限定。也就是说，摄像机采集的监控图像可以为室内图像，也可以为室外图像。

步骤s120：获取所述监控图像与预先存储的预设图像的相似度。

由于在监控系统中，网关设备在接收到摄像机采集的监控图像之后，需要对摄像机采集的监控图像进行存储，而在摄像机会采集整个监控过程中的监控场景的图像，摄像机采集的这些监控图像中会存在大量的对于用户而言无用处的图像，如果网关设备将摄像机采集的所有监控图像进行存储，则会导致网设备的存储空间的浪费。

因此，在本申请实施例中，可以利用通过将摄像机采集的监控图像与预先存储的预设图像进行比对，以选择性地存储监控图像。

在本申请实施例中，网关设备中可以预先存储有用户设置的特定情形的预设图像，这些特定情形的预设图像为表征被监控的室内场景和/或室外场景出现异常的图像，即需要网关设备进行存储且需要发送至服务器进行处理的图像。当应用场景是家居监控时，摄像机设置于室内，预设图像可以包括房门打开的图像，室内出现火光的图像，室内出现烟雾的图像以及室内出现人物的图像，以用于判断生产厂是否出现安全异常。当应用场景是生产制造的监控时，摄像机设置于生产厂内，预设图像也可以包括房门打开的图像，厂房内出现火光的图像，厂房内出现烟雾的图像以及厂内出现人物的图像，以用于判断生产厂是否出现安全异常。当应用场景是生产制造的监控时，摄像机设置于生产厂房内，预设图像也可以是表征生产流程的场景出现异常的图像，即流水线异常时的图像，以用于判断生产流程是否出现异常。当然，以上应用场景以及预设图像仅为举例，具体的应用场景以及预设图像在本申请实施例中并不作为限定。

网关设备在得到摄像机采集的监控图像之后，则可以获取监控图像与预设图像之间的相似度。例如，可以通过获取监控图像以及预设图像的直方图，然后根据两者的直方图获取监控图像与预设图像的相似度。当然，具体获取监控图像与预设图像的相似度的方法在本申请实施例中可以不作为限定。

步骤s130：判断所述相似度是否大于预设阈值。

在获得摄像机采集的监控图像与预设图像的相似度之后，则可以判断监控图像与预设图像的相似度是否大于预设阈值，以确定是否对摄像机采集的监控图像进行存储以及发送至服务器进行处理。其中，具体的预设阈值在本申请实施例中并不作为限定，例如，相似度的大小在0～1范围分布时，则预设阈值可以为0.6～1中的一个值。

可以理解的是，当摄像机采集的监控图像与预设图像的相似度大于预设阈值时，则表示两者之间的相似程度较高，网关设备需要对此情况下的监控图像进行存储。例如，预设图像包括房门打开的图像时，当监控图像与预设图像的相似度大于预设阈值时，则表示摄像机采集的场景中的房门被打开，室内出现异常，因此可以将此情况下的监控图像进行存储，以便于后续进行处理和分析。

而当摄像机采集的监控图像与预设图像的相似度不大于预设阈值时，则表示监控图像与预设图像的相似度不高，网关设备不需要对此情况下的监控图像进行存储。例如，预设图像包括房门打开的图像，室内出现火光的图像，室内出现烟雾的图像以及室内出现人物的图像，当监控图像与预设图像的相似度不大于预设阈值时，则表示摄像机采集的场景中没有出现异常情况，因此可以不将监控图像进行存储。

步骤s140：当大于所述预设阈值时，将所述监控图像进行存储并将所述监控图像发送至服务器。

在上述步骤s130中判断出摄像机采集的监控图像与预设图像之间的相似度大于预设阈值时，则可以将监控图像进行存储，以便于用户后续的分析处理等。并且，可以将监控图像及其拍摄时间发送至服务器，以使服务器对监控图像进行存档、处理等。服务器在接收到网关设备发送的与预设图像的相似度大于预设阈值的监控图像之后，则可以根据该监控图像向用户的客户端发送该监控图像以及警报提示等，当然服务器具体的处理方式在本申请实施例中可以不作为限定。

本申请实施例提供的监控图像的处理方法，在获取摄像机采集的监控图像之后，则获取监控图像与预先存储的预设图像的相似度，然后判断监控图像与预设图像的相似度是否大于预设阈值，当大于预设阈值时，才将监控图像进行存储，并将监控图像发送至服务器进行处理，从而可以节省网关设备的存储空间。

请参见图3，本申请另一实施例提供了一种监控图像的处理方法，该方法可以包括：

步骤s210：获取摄像机实时采集的监控图像。

步骤s220：获取所述监控图像与预先存储的预设图像的相似度。

在本申请实施例中，可以根据监控图像与预设图像的特征获取两者之间的相似度。请参见图4，步骤s220可以包括：

步骤s221：利用存储的图像特征提取模型，获取所述监控图像的特征。

在本申请实施例中，可以在对监控图像的特征进行提取之前，先获取图像特征提取模型。

具体的，可以通过机器学习方式获取图像特征提取模型。例如，可以将深度卷积神经网络在imagenet数据集训练，得到训练后的深度卷积神经网络，将训练后的深度卷积神经网络作为图像特征提取模型，可以以训练后的深度卷积神经网络的第一层全连接层的输出作为图像特征。

深度卷积神经网络可以为vgg19-net。例如，对于一副任意尺寸的样本图像，可以将其尺寸调整到224*224*3，再利用vgg19-net对其进行前馈传播，将第一层全连接层的非线性输出作为图像的特征，该图像特征的维数为4096。

当然，图像特征提取模型也可以是利用其他cnn结构以及sift、surf、orb、hog、lbp等非深度的图像特征算子。

在得到图像特征提取模型之后，则可以将图像特征提取模型进行存储，以用于提取监控图像的特征。

在获取监控图像与预设图像的相似度时，则可以读取存储的图像特征提取模型，将监控图像输入图像特征提取模型，得到监控图像的特征。

步骤s222：根据预先存储的预设图像的特征以及所述监控图像的特征，获取所述监控图像与所述预设图像的相似度。

在得到监控图像的特征之后，则可以读取预设图像的特征，并根据监控图像的特征以及预设图像的特征，获取监控图像与预设图像之间的相似度。例如，可以将监控图像的特征与预设图像的特征的比值作为监控图像与预设图像之间的相似度。

从而，可以得到摄像机采集的监控图像与预先存储的预设图像之间的相似度。

步骤s230：判断所述相似度是否大于预设阈值。

步骤s240：当大于所述预设阈值时，将所述监控图像进行存储并将所述监控图像发送至服务器。

步骤s250：当不大于所述预设阈值时，将所述监控图像进行存储，并检测当前时间以后第一预设时间段内所述摄像机采集的所有图像中的每张图像与所述监控图像之间的相似度。

在本申请实施例中，预设图像可以包括表征生产流程的场景出现异常的图像。当判断出监控图像与预设图像之间的相似度不大于预设阈值时，也可以将监控图像进行存储。在将监控图像进行存储后，可以获取当前时候以后的第一预设时间段内的摄像机采集的所有图像中的每张图像与该监控图像之间的相似度，以用于后续确定是否将该监控图像发送至服务器。其中，第一预设时间段的具体大小在本申请实施例中并不作为限定，可以根据用户的实际需求而设定，例如可以为30分钟等。

可以理解的是，在一些场景中，当一段时间内摄像机采集的所有图像与上述监控图像的相似度大于预设阈值，即这段时间内摄像机采集的所有图像均相似，同样表示摄像机采集的场景出现异常。例如，当应用场景是生产制造的监控时，摄像机设置于生产厂内流水线附近，对流水线进行监控，当采集上述监控图像的时间点往后的第一预设时间段内摄像机采集的所有图像中，每张图像与上述监控图像的相似度均大于预设阈值，则表示该生产流水线静止，即表示生产流程存在异常，因此需要将上述监控图像发送至服务器进行处理。当然，以上场景仅为举例，并不代表对实际应用场景的限定，当被监控的场景为其他静止时也是表征异常的场景时，也可以利用上述方法对监控图像进行处理。当一段时间内摄像机采集的所有图像中存在一张图像与上述监控图像的相似度不大于预设阈值，则表示摄像机采集的场景未出现异常，因此不需要将上述监控图像发送至服务器进行处理。

步骤s260：当所述所有图像的每张图像与所述监控图像的相似度均大于预设阈值时，将所述监控图像发送至服务器。

因此，当判断出当前时间以后的第一预设时间段内摄像机采集的所有图像中的每张图像与上述监控图像的相似度均大于预设阈值时，将监控图像发送至服务器，以使服务器对监控图像进行存档、处理等。服务器在接收到网关设备发送的与监控图像之后，同样可以根据该监控图像向用户的客户端发送该监控图像以及警报提示等，当然服务器具体的处理方式在本申请实施例中可以不作为限定。

步骤s270：当所述所有图像中有至少一张图像与所述监控图像的相似度不大于预设阈值时，将所述监控图像删除。

在本申请实施例中，当判断在当前时间以后的第一预设时间段内摄像机采集的所有图像中存在一张图像与上述监控图像的相似度不大于预设阈值时，则表示监控的场景中不存在异常，因此可以将该监控图像删除，以节省网关设备的存储空间。

在一些场景中，网关设备也可以是在当前时间以后的第一预设时间段内摄像机采集的所有图像中，与上述监控图像的相似度不大于预设阈值的图像不超过预设张数时，将上述监控图像发送至服务器；同理，在当前时间以后的第一预设时间段内摄像机采集的所有图像中，与上述监控图像的相似度不大于预设阈值的图像超过预设张数时，将上述监控图像删除。

本申请实施例提供的监控图像的处理方法，在获取摄像机实时采集的监控图像之后，可以利用存储的通过机器学习方式获得的图像特征提取模型，获取监控图像的特征，并根据监控图像的特征以及预先存储的预设图像的特征，获取该监控图像与预设图像的相似度，然后在监控图像与预设图像的相似度大于预设阈值时，将该监控图像进行存储并发送至服务器。在监控图像与预设图像的相似度不大于预设阈值时，则将该预设图像进行存储后，检测当前时间以后的第一预设时间段内摄像机采集的所有图像与上述监控图像的相似度，当所有图像中每张图像与上述监控图像的相似度均大于预设阈值时，将该监控图像发送至服务器进行处理，当所有图像中至少一张图像与上述监控图像的相似度不大于预设阈值时，将该监控图像进行删除，从而可以获得出被监控的场景中的异常情况的图像，并且节省网关设备的存储空间。

请参见图5，本申请另一实施例提供了一种监控图像的处理方法，该方法可以包括：

步骤s310：获取摄像机实时采集的监控图像。

步骤s320：获取所述监控图像与预先存储的预设图像的相似度。

步骤s330：判断所述相似度是否大于预设阈值。

步骤s340：当大于所述预设阈值时，将所述监控图像进行存储并将所述监控图像发送至服务器。

可以理解的是，步骤s310-步骤s340可以参见上述实施例的内容，在此不再一一赘述。

步骤s350：接收所述服务器发送的数据删除指令。

在本申请实施例中，当服务器对网关设备上传的监控图像进行存储和处理后，则可以下发数据删除指令至网关设备，以使网关设备对该监控图像进行删除。对应的，网关设备可以接收服务器发送的数据删除指令。

步骤s360：响应所述数据删除指令，将所述监控图像删除。

网关设备在接收服务器发送的数据删除指令后，则可以响应该数据删除指令，对上述监控图像进行删除，以节省网关设备的存储空间。

在本申请实施例中，该监控图像的处理方法还可以包括：

当第二预设时间段内摄像机采集的所有监控图像中的每张监控图像与预设图像的相似度均大于预设阈值时，将第二预设时间段以后的第三时间段内摄像机采集的所有监控图像均进行存储，并将第三时间段内摄像机采集的所有监控图像发送至服务器。

可以理解的是，如果摄像机在第二预设时间段内采集的所有监控图像中的每张图像与预设图像的相似度均大于预设阈值时，则表示该段时间内摄像机监控的场景一直处于异常，而在该第二预设时间段后的第三预设时间段内，被监控的场景可能处于异常，也可能不处于异常，但是第三预设时间段内被监控的场景的监控图像均与第二时间段内的监控图像相关。因此，可以在第二预设时间段内采集的所有监控图像中的每张图像与预设图像的相似度均大于预设阈值时，除了将后续将第二预设时间段内采集的所有监控图像均进行存储并发送至服务器之外，还可以将第三时间段内接收的摄像机采集的所有监控图像均直接进行存储，并将所有监控图像发送至服务器。从而，当第二预设时间段内采集的所有监控图像中的每张图像与预设图像的相似度均大于预设阈值时，则后续第三预设时间段内摄像机采集的监控图像不需要进行处理和判断，提升网关设备的处理效率，另外，将与第二预设时间段后的第三预设时间段内摄像机采集的监控图像进行存储并发送至服务器，也为用户提供了场景出现的异常的评判依据。

在本申请实施例中，该监控图像的处理方法还可以包括：

在预设时间点将存储的摄像机采集的监控图像进行删除。

可以理解的是，在预先设定的预设时间点，可以将存储的摄像机采集的监控图像进行删除，即网关设备自动的对存储的监控图像进行清理，以节省网关设备的存储空间。

本申请实施例提供的监控图像的处理方法，在获取摄像机采集的监控图像之后，则获取监控图像与预先存储的预设图像的相似度，然后判断监控图像与预设图像的相似度是否大于预设阈值，当大于预设阈值时，才将监控图像进行存储，还可以接收服务器在对监控图像进行存储和处理后而发送的数据删除指令，并响应该数据删除指令对上述监控图像进行删除，节省存储空间。另外，还提供了在第二预设时间段内摄像机采集的监控图像中的每张监控图像与预设图像的相似度均大于预设阈值时，将第二预设时间段以后的第三时间段内摄像机采集的所有监控图像进行存储并发送至服务器进行处理的方案，以及提供了定期删除存储的监控图像的方案，提升网关设备的运行效率并节省网关设备的存储空间。

请参阅图6，其示出了本申请实施例提供的一种监控图像的处理装置400的结构框图，该装置400可以包括：图像获取模块410、相似度获取模块420、相似度判断模块430以及图像发送模块440。其中，所述图像获取模块410用于获取摄像机实时采集的监控图像；所述相似度获取模块420用于获取所述监控图像与预先存储的预设图像的相似度；所述相似度判断模块420用于判断所述相似度是否大于预设阈值；所述图像发送模块430用于当大于所述预设阈值时，将所述监控图像进行存储并将所述监控图像发送至服务器。

在本申请实施例中，该监控图像的处理装置400还可以包括相似度检测模块以及第一图像删除模块。其中，相似度检测模块用于当不大于所述预设阈值时，将所述监控图像进行存储，并检测当前时间以后第一预设时间段内所述摄像机采集的所有图像中的每张图像与所述监控图像之间的相似度；图像发送模块440还用于当所述所有图像的每张图像与所述监控图像的相似度均大于预设阈值时，将所述监控图像发送至服务器；第一图像删除模块用于当所述所有图像中有至少一张图像与所述监控图像的相似度不大于预设阈值时，将所述监控图像删除。

在本申请实施例中，相似度获取模块420可以包括：特征提取单元以及相似度计算单元。其中，特征提取单元用于利用存储的图像特征提取模型，获取所述监控图像的特征；相似度计算单元用于根据预先存储的预设图像的特征以及所述监控图像的特征，获取所述监控图像与所述预设图像的相似度。

进一步的，该监控图像的处理装置400还可以包括：模型获取模块。模型获取模块用于在所述利用存储的图像特征提取模型，获取所述监控图像的特征之前，通过机器学习方式获取所述图像特征提取模型，并将所述图像特征提取模型进行存储。

在本申请实施例中，该监控图像的处理装置400还可以包括：指令接收模块以及第二图像删除模块。指令接收模块用于接收所述服务器发送的数据删除指令；第二图像删除模块用于响应所述数据删除指令，将所述监控图像删除。

在本申请实施例中，图像发送模块440还可以用于：当第二预设时间段内所述摄像机采集的所有监控图像中的每张监控图像与所述预设图像的相似度均大于所述预设阈值时，将所述第二预设时间段以后的第三时间段内所述摄像机采集的所有监控图像均进行存储，并将所述第三时间段内所述摄像机采集的所有监控图像发送至服务器。

在本申请实施例中，该监控图像的处理装置400还可以包括：第三图像删除模块。第三图像删除模块用于在预设时间点将存储的所述摄像机采集的监控图像进行删除。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

综上所述，本申请提供的方案，在获取摄像机实时采集的监控图像后，获取该监控图像与预先存储的预设图像的相似度，再判断该相似度是否大于预设阈值，当该监控图像与预先存储的预设图像的相似度大于预设阈值时，才将监控图像进行存储并将监控图像发送至服务器，从而可以节省存储空间。

请参考图7，其示出了本申请实施例提供的一种网关设备的结构框图。该网关设备100可以是智能手机、平板电脑、电子书等能够运行应用程序的网关设备。本申请中的网关设备100可以包括一个或多个如下部件：处理器110、存储器120、以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器120中并被配置为由一个或多个处理器110执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。

处理器110可以包括一个或者多个处理核。处理器110利用各种接口和线路连接整个网关设备100内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行网关设备100的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(digitalsignalprocessing，dsp)、现场可编程门阵列(field－programmablegatearray，fpga)、可编程逻辑阵列(programmablelogicarray，pla)中的至少一种硬件形式来实现。处理器110可集成中央处理器(centralprocessingunit，cpu)、图像处理器(graphicsprocessingunit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。

存储器120可以包括随机存储器(randomaccessmemory，ram)，也可以包括只读存储器(read-onlymemory)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。

请参考图8，其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质800中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。

计算机可读存储介质800可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。可选地，计算机可读存储介质800包括非易失性计算机可读介质(non-transitorycomputer-readablestoragemedium)。计算机可读存储介质800具有执行上述方法中的任何方法步骤的程序代码810的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码810可以例如以适当形式进行压缩。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。