一种行人数量统计方法和装置与流程

本发明涉及计算机技术领域，特别涉及一种行人数量统计方法和装置。

背景技术：

行人数量统计在不同的应用场合可以发挥不同的作用。例如，统计商场内部不同时段的行人数量，及商场外部人行道上的行人数量。通过统计得到的行人数量可以评估商场选址是否恰当。

在实际应用场景中，一般通过人工画框的方式统计行人数量，即人工画一个检测框，统计进入或离开检测框的行人数量。

但是，该方法人工成本较高。并且，由于检测框位置不同，得到的统计结果也存在差别，进而降低统计结果的可靠性。

技术实现要素：

鉴于此，本发明实施例提供了一种行人数量统计方法和装置，能够降低人工成本和提高统计结果的可靠性。

第一方面，本发明实施例提供了一种确定行人在像素点进入或离开的概率的方法，包括：

获取视频流的若干帧；

确定所述若干帧中的行人的特征信息；

根据所述特征信息，确定行人行走路线及行人在像素点进入或离开的初始概率；

根据所述行人行走路线修正所述行人在像素点进入或离开的初始概率，得到行人在像素点进入或离开的最终概率。

第二方面，本发明实施例提供了一种行人数量统计方法，包括：

获取视频流的若干帧；

确定所述若干帧中的行人的特征信息；

根据所述特征信息，确定行人行走路线及行人在像素点进入或离开的初始概率；

根据所述行人行走路线修正所述行人在像素点进入或离开的初始概率，得到行人在像素点进入或离开的最终概率；

根据所述行人在像素点进入或离开的最终概率，统计未来时间段预设的监控区域内进入或离开的行人数量。

第三方面，本发明实施例提供了一种确定行人在像素点进入或离开的概率的装置，包括：

获取单元，用于获取视频流的若干帧；

确定单元，用于确定所述若干帧中的行人的特征信息；

行人跟踪单元，用于根据所述特征信息，确定行人行走路线及行人在像素点进入或离开的初始概率；

修正单元，用于根据所述行人行走路线修正所述行人在像素点进入或离开的初始概率，得到行人在像素点进入或离开的最终概率。

第四方面，本发明实施例提供了一种行人数量统计装置，包括：

获取单元，用于获取视频流的若干帧；

确定单元，用于确定所述若干帧中的行人的特征信息；

行人跟踪单元，用于根据所述特征信息，确定行人行走路线及行人在像素点进入或离开的初始概率；

修正单元，用于根据所述行人行走路线修正所述行人在像素点进入或离开的初始概率，得到行人在像素点进入或离开的最终概率；

统计单元，用干根据所述行人在像素点进入或离开的最终概率，统计未来时间段预设的监控区域内进入或离开的行人数量。

本发明实施例采用的上述至少一个技术方案能够达到以下有益效果：该方法利用行人行走路线对行人在像素点进入或离开的初始概率进行修正，能够降低行人的遮挡、交叉造成的像素点误统计造成的影响。根据修正得到的行人在像素点进入或离开的最终概率统计行人数量，能够提高统计结果的可靠性及降低人工成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明一个实施例提供的一种确定行人在像素点进入或离开的概率的方法的流程图；

图2是本发明一个实施例提供的一种行人在帧中的像素位置示意图；

图3是本发明一个实施例提供的一种行人在像素点的行走方向的示意图；

图4是本发明一个实施例提供的一种行人数量统计方法的流程图；

图5是本发明一个实施例提供的一种确定行人在像素点进入或离开的概率的装置的结构示意图；

图6是本发明一个实施例提供的一种行人数量统计装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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做出创造性劳动的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。

如图1所示，本发明实施例提供了一种确定行人在像素点进入或离开的概率的方法，该方法可以包括以下步骤：

步骤101：获取视频流的若干帧。

视频流可以由rgb摄像头、rgbd摄像头等拍摄得到。在实际应用场景中，可以按照预设的时间段从视频流中截取不同帧，例如，每20ms截取一帧。

步骤102：确定若干帧中的行人的特征信息。

在本发明实施例中，通过深度学习中目标检测方法识别各帧中的行人，并确定行人的像素位置。其中，深度学习方法包括但不限于fasterr-cnn算法，yolo算法(youonlylookonce，只需看一眼)等。在目标检测过程中，可以对行人进行多点定位，并根据多点的位置确定行人的像素位置。像素位置可以用像素坐标和像素其他标识进行表征。另外，各帧包括的像素数量是相同的。

如图2所示，该帧包括9个像素点，行人的位置为第5像素点。

根据各帧中行人的图像，确定各帧中行人的外观特征。外观特征可以包括五官位置、轮廓等。

步骤103：根据特征信息，确定行人行走路线及行人在像素点进入或离开的初始概率。

本申请包括两种情况，一是行人进入，对应的是行人进入概率图；二是行人离开，对应的是行人离开概率图。行人进入或离开的像素点与实际应用场景中出入口相对应，例如，电梯口、商场门口等。

特征信息包括：外观特征和像素位置。基于此，步骤103具体包括：

a1：根据外观特征和像素位置，区分若干帧中的行人。

在实际应用场景中，还可以仅根据外观特征，区分若干帧中的行人。

在步骤102中，通过目标检测方法虽然可以检测各帧中的行人，但是无法确定不同帧中的行人是否为同一个人。

a1具体包括：

a11：将目标帧中的第一行人的外观特征和像素位置分别与其他帧中的各个行人的外观特征和像素位置进行匹配，确定第一行人与其他帧中的各个行人的相似度。

当其他帧存在多帧时，将目标帧逐一与其他帧进行匹配。即目标帧为t1，其他帧包括t2、t3、t4，将t1中的各个行人先与t2中的各个行人相比，再与t3中的各个行人相比，最后与t4中的各个行人相比。现仅以两帧的匹配为例进行说明。

例如，目标帧中存在行人a、b，其他帧中存在行人e、f、g。在区分目标帧和其他帧中的行人过程中，首先将a的外观特征和像素位置分别与e、f、g的外观特征和像素位置进行匹配，然后将b外观特征和像素位置分别与e、f、g的外观特征和像素位置进行匹配。例如，a的外观特征和像素位置与e的外观特征和像素位置进行匹配，确定两者的相似度。在实际应用场景中，可以根据外观特征和像素位置生成特征向量，进而确定两个行人对应的特征向量的相似度。

a12：当其他帧中的各个行人中存在第二行人时，确定第二行人与第一行人为同一个行人；其中，第二行人与第一行人的相似度大于预设的相似度阈值。

a2：根据各帧中各个行人的像素位置，拟合得到行人行走路线。

a2具体包括：

a21：根据各帧中各个行人的像素位置，统计在各个像素点出现的行人的数量。

a22：根据各帧中各个行人的像素位置，确定在各个像素点出现的行人的行走方向。

在不同的应用场景中，行走方向可能不同，例如，在一种场景中，行走方向包括四个方向，在另一种场景中，行走方向包括八个方向。

如图3所示，基于像素的排列方式，行人的行走方向包括八种可能。

a23：根据在各个像素点出现的行人的数量及行走方向，拟合得到行人行走路线。

a23具体包括：

a231：根据在目标像素点出现的行人的数量及行走方向，确定在目标像素点各个行走方向的行人数量占比。

例如，在像素点m出现的行人有10人，其中5人向东行走，则，向东行走的行人数量占比为1/2。

a232：根据在目标像素点各个行走方向的行人数量占比，确定目标像素点的拟合方向。

可以将行人数量占比最高的行走方向作为拟合方向。

a233：根据各个像素点的拟合方向进行拟合，得到行人行走路线。

在实际应用场景中，为了获取多条行人行走路线，可以根据行人数量占比所处的占比等级进行拟合，得到不同的行人行走路线。

在此情况下，根据行人数量占比，确定当前像素点各个行走方向的占比等级，根据各个像素点同一占比等级的行走方向进行拟合，得到与不同占比等级对应的行人行走路线。

a3：根据各帧中各个行人的像素位置，确定行人在各个像素点进入或离开的初始概率。

a3具体包括：

a31：根据各帧中各个行人的像素位置，确定各个行人进入或离开的像素点。

a31具体包括：

a311：当第一帧中出现第三行人、第一帧后第一数量帧中未出现第三行人时，确定第一帧中第三行人的像素位置对应的像素点为第三行人离开的像素点。

a312：当第二帧中出现第三行人、第二帧前第二数量帧中未出现第三行人时，确定第二帧中第三行人的像素位置对应的像素点为第三行人进入的像素点。

其中，第一数量和第二数量与实际应用场景相关，可以是一个，也可以是多个。

例如，当第一数量和第二数量皆为1时，第一帧与第二帧为连续两帧，参考图2，行人w在第一帧出现在第一像素点，在第二帧没有出现，则行人w在第一像素点离开。

a32：根据各个行人进入或离开的像素点，确定在各个像素点进入或离开的行人的数量。

参考图2，在像素点1-9进入的行人的数量分别为0、1、0、3、2、6、3、9、2。

a33：根据在各个像素点进入或离开的行人的数量，确定行人在各个像素点进入或离开的初始概率。

a33具体包括：

a331：根据预设的数量区间与调整系数的对应关系，确定在各个像素点进入或离开的行人的数量对应的调整系数。

数量区间[0-5]对应的调整系数为0.8，数量区间[6，10]对应的调整系数为1.1。

通过调整系数可以增加进入或离开的行人多的像素点的权重，降低遮挡产生的影响。

a332：根据在各个像素点进入或离开的行人的数量及其对应的调整系数，确定进入或离开的行人的总数。

进入的行人的总数＝(1+3+2+3+2)*0.8+(6+9)*1.1＝25.3。

a333：根据在各个像素点进入或离开的行人的数量和进入或离开的行人的总数，确定行人在各个像素点进入或离开的初始概率。

行人在第4像素点进入的概率＝3/25.3。

步骤104：根据行人行走路线修正行人在像素点进入或离开的初始概率，得到行人在像素点进入或离开的最终概率。

由于摄像头在拍摄视频流的过程中位置是固定的，当行人数量较多时，可能存在行人相互遮挡的情况，造成统计结果存在错误。沿用上例，行人w可能并未在第1像素点离开，而是被出现在其他帧中的行人q遮挡了，由于行人w被遮挡，目标检测过程中仅识别到行人q，从而导致之后的统计结果是不对的。比如，行人在第1概率点离开的概率是存在误差的。

鉴于此，本申请通过行人行走路线对行人在像素点进入或离开的初始概率进行修正。

步骤104具体包括：

b1：根据行人行走路线，确定待修正像素点。

以一条行人行走路线为例，根据行人行走路线的端点，确定修正区域，修正区域内的像素点为待修正像素点。修正区域可以由经过行人行走路线的端点的圆构成，或者由经过行人行走路线的端点的其他几何形状构成，此处不做限定。

在实际应用场景中还可以通过其他的方式确定待修正像素点，例如，待修正像素点为位于行人行走路线上、且存在行人进入或离开的像素点。

b2：根据预设的修正幅度，对行人在待修正像素点进入或离开的初始概率进行修正，得到行人在像素点进入或离开的最终概率。

不同行人行走路线可以对应不同的修正幅度。

通过修正幅度可以使行人在待修正像素点进入或离开的最终概率大于行人在待修正像素点进入或离开的初始概率。

参考a233中的说明，当存在多条行人行走路线时，设置的修正幅度与占比等级(或，行人数量占比)相对应，对于不同的占比等级(或，行人数量占比)对应的待修正像素点，修正幅度是不同的。例如，较大的行人数量占比对应的修正幅度大于较小的行人数量占比对应的修正幅度。

该方法利用行人行走路线对行人在像素点进入或离开的初始概率进行修正，能够降低行人的遮挡、交叉造成的像素点误统计造成的影响。

如图4所示，本发明实施例提供了一种行人数量统计方法，包括：

步骤401：获取视频流的若干帧。

步骤402：确定若干帧中的行人的特征信息。

步骤403：根据特征信息，确定行人行走路线及行人在像素点进入或离开的初始概率。

步骤404：根据行人行走路线修正行人在像素点进入或离开的初始概率，得到行人在像素点进入或离开的最终概率。

对于步骤401-步骤404的内容，已在前述实施例进行了说明，此处不再赘述。

步骤405：根据行人在像素点进入或离开的最终概率，统计未来时间段预设的监控区域内进入或离开的行人数量。

需要说明的是，未来时间段是相对获取的若干帧对应的时间而言的，例如，获取的若干帧对应的时间段为昨天8点到9点，未来时间段可以为今天8点到9点。

步骤405具体包括：

c1：当在未来时间段内检测到当前行人在当前像素点进入或离开时，根据行人在像素点进入或离开的最终概率，确定行人在当前像素点进入或离开的最终概率。

检测当前行人是否在当前像素点进入或离开的方法已在前述实施例做了说明，请参考a31。

c2：当行人在当前像素点进入或离开的最终概率和由预设的随机函数产生的随机数满足预设的增加条件时，将监控区域内进入或离开的行人数量加1。

例如，行人在当前像素点进入或离开的最终概率为0.8，随机函数产生的随机数为0.7，增加条件为“行人在当前像素点进入或离开的最终概率大于随机函数产生的随机数”，则将监控区域内进入或离开的行人数量加1。

当然，还可以将行人在当前像素点进入或离开的最终概率直接作为行人数量，即将监控区域内进入或离开的行人数量加上行人在当前像素点进入或离开的最终概率。

或者，判断行人在当前像素点进入或离开的最终概率是否大于预设的概率阈值，当大于概率阈值时，将监控区域内进入或离开的行人数量加1。

该方法利用行人行走路线对行人在像素点进入或离开的初始概率进行修正，能够降低行人的遮挡、交叉造成的像素点误统计造成的影响。根据修正得到的行人在像素点进入或离开的最终概率统计行人数量，能够提高统计结果的可靠性及降低人工成本。

本发明实施例提供了一种行人数量统计方法，包括以下步骤：

s1：获取视频流的若干帧。

s2：确定若干帧中的行人的特征信息，其中，特征信息包括：外观特征和像素位置。

s3：将目标帧中的第一行人的外观特征和像素位置分别与其他帧中的各个行人的外观特征和像素位置进行匹配，确定第一行人与其他帧中的各个行人的相似度。

s4：当其他帧中的各个行人中存在第二行人时，确定第二行人与第一行人为同一个行人；其中，第二行人与第一行人的相似度大于预设的相似度阈值。

s5：根据各帧中各个行人的像素位置，统计在各个像素点出现的行人的数量。

s6：根据各帧中各个行人的像素位置，确定在各个像素点出现的行人的行走方向。

s7：根据在目标像素点出现的行人的数量及行走方向，确定在目标像素点各个行走方向的行人数量占比。

s8：根据在目标像素点各个行走方向的行人数量占比，确定目标像素点的拟合方向。

s9：根据各个像素点的拟合方向进行拟合，得到行人行走路线。

s10：当第一帧中出现第三行人、第一帧后第一数量帧中未出现第三行人时，确定第一帧中第三行人的像素位置对应的像素点为第三行人离开的像素点。

s11：当第二帧中出现第三行人、第二帧前第二数量帧中未出现第三行人时，确定第二帧中第三行人的像素位置对应的像素点为第三行人进入的像素点。

s12：根据各个行人进入或离开的像素点，确定在各个像素点进入或离开的行人的数量。

s13：根据预设的数量区间与调整系数的对应关系，确定在各个像素点进入或离开的行人的数量对应的调整系数。

s14：根据在各个像素点进入或离开的行人的数量及其对应的调整系数，确定进入或离开的行人的总数。

s15：根据在各个像素点进入或离开的行人的数量和进入或离开的行人的总数，确定行人在各个像素点进入或离开的初始概率。

s16：根据行人行走路线，确定待修正像素点。

s17：根据预设的修正幅度，对行人在待修正像素点进入或离开的初始概率进行修正，得到行人在像素点进入或离开的最终概率。

s18：当在未来时间段内检测到当前行人在当前像素点进入或离开时，根据行人在像素点进入或离开的最终概率，确定行人在当前像素点进入或离开的最终概率。

s19：当行人在当前像素点进入或离开的最终概率和由预设的随机函数产生的随机数满足预设的增加条件时，将监控区域内进入或离开的行人数量加1。

如图5所示，本发明实施例提供了一种确定行人在像素点进入或离开的概率的装置，包括：

获取单元501，用于获取视频流的若干帧；

确定单元502，用于确定若干帧中的行人的特征信息；

行人跟踪单元503，用于根据特征信息，确定行人行走路线及行人在像素点进入或离开的初始概率；

修正单元504，用于根据行人行走路线修正行人在像素点进入或离开的初始概率，得到行人在像素点进入或离开的最终概率。

在本发明的一个实施例中，特征信息包括：外观特征和像素位置；

行人跟踪单元503，用于根据外观特征和像素位置，区分若干帧中的行人；根据各帧中各个行人的像素位置，拟合得到行人行走路线；根据各帧中各个行人的像素位置，确定行人在各个像素点进入或离开的初始概率。

在本发明的一个实施例中，行人跟踪单元503，用于将目标帧中的第一行人的外观特征和像素位置分别与其他帧中的各个行人的外观特征和像素位置进行匹配，确定第一行人与其他帧中的各个行人的相似度；当其他帧中的各个行人中存在第二行人时，确定第二行人与第一行人为同一个行人；其中，第二行人与第一行人的相似度大于预设的相似度阈值。

在本发明的一个实施例中，行人跟踪单元503，用于根据各帧中各个行人的像素位置，统计在各个像素点出现的行人的数量；根据各帧中各个行人的像素位置，确定在各个像素点出现的行人的行走方向；根据在各个像素点出现的行人的数量及行走方向，拟合得到行人行走路线。

在本发明的一个实施例中，行人跟踪单元503，用于根据在目标像素点出现的行人的数量及行走方向，确定在目标像素点各个行走方向的行人数量占比；根据在目标像素点各个行走方向的行人数量占比，确定目标像素点的拟合方向；根据各个像素点的拟合方向进行拟合，得到行人行走路线。

在本发明的一个实施例中，行人跟踪单元503，用于根据各帧中各个行人的像素位置，确定各个行人进入或离开的像素点；根据各个行人进入或离开的像素点，确定在各个像素点进入或离开的行人的数量；根据在各个像素点进入或离开的行人的数量，确定行人在各个像素点进入或离开的初始概率。

在本发明的一个实施例中，行人跟踪单元503，用于当第一帧中出现第三行人、第一帧后第一数量帧中未出现第三行人时，确定第一帧中第三行人的像素位置对应的像素点为第三行人离开的像素点；当第二帧中出现第三行人、第二帧前第二数量帧中未出现第三行人时，确定第二帧中第三行人的像素位置对应的像素点为第三行人进入的像素点。

在本发明的一个实施例中，行人跟踪单元503，用于根据预设的数量区间与调整系数的对应关系，确定在各个像素点进入或离开的行人的数量对应的调整系数；根据在各个像素点进入或离开的行人的数量及其对应的调整系数，确定进入或离开的行人的总数；根据在各个像素点进入或离开的行人的数量和进入或离开的行人的总数，确定行人在各个像素点进入或离开的初始概率。

在本发明的一个实施例中，修正单元504，用于根据行人行走路线，确定待修正像素点；根据预设的修正幅度，对行人在待修正像素点进入或离开的初始概率进行修正，得到行人在像素点进入或离开的最终概率。

如图6所示，本发明实施例提供了一种行人数量统计装置，包括：

获取单元601，用于获取视频流的若干帧；

确定单元602，用于确定若干帧中的行人的特征信息；

行人跟踪单元603，用于根据特征信息，确定行人行走路线及行人在像素点进入或离开的初始概率；

修正单元604，用于根据行人行走路线修正行人在像素点进入或离开的初始概率，得到行人在像素点进入或离开的最终概率；

统计单元605，用于根据行人在像素点进入或离开的最终概率，统计未来时间段预设的监控区域内进入或离开的行人数量。

在本发明的一个实施例中，统计单元605，用于当在未来时间段内检测到当前行人在当前像素点进入或离开时，根据行人在像素点进入或离开的最终概率，确定行人在当前像素点进入或离开的最终概率；当行人在当前像素点进入或离开的最终概率和由预设的随机函数产生的随机数满足预设的增加条件时，将监控区域内进入或离开的行人数量加1。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmablelogicdevice，pld)(例如现场可编程门阵列(fieldprogrammablegatearray，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardwaredescriptionlanguage，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(applicationspecificintegratedcircuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，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的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。