一种复杂场景下调度智能分析算法的管理仓库及调度方法与流程

本发明属于视频分析技术领域，尤其涉及一种复杂场景下调度智能分析算法的管理仓库及调度方法。

背景技术：

近年来，公安各部门不断加强信息化投入，围绕社会治安及警务实战，先后建立了一系列包含案件侦查、治安防控、指挥调度等应用系统，这些应用系统的功能、数据需要多种算法进行支撑，如目标检测和跟踪、视频结构化、人脸识别、车辆识别、行为分析、人脸聚类分析等。

目前不同厂商各自专注于自己的领域，例如有的公司专注于人脸识别、有的公司专注于车辆检测和分析、有的公司专注于行为分析，有的专注于图片方面。并且每家的算法都与其自身的计算资源捆绑，算法也是不开放的，客户在系统建设时无法协同各家的资源，进行统一的资源调度，导致重复建设和资源浪费以及信息孤岛。

技术实现要素：

本发明提供一种复杂场景下调度智能分析算法的管理仓库及调度方法，用以解决现有技术中无法实现计算资源的统一管理的问题。

第一方面，本发明实施例提供一种复杂场景下调度智能分析算法的管理仓库，包括：

全局调度层、计算资源节点层和共享文件存储层；

所述全局调度层接收业务请求，所述业务请求包括待执行业务，根据业务请求确定出执行业务的计算资源节点，并将业务请求发送给所述计算资源节点层，通过计算资源节点层中的执行业务的计算资源节点从所述共享文件存储层中调用一种或多种智能分析算法执行所述待执行业务。

上述技术方案中，实现了统一的业务接入，对业务进行统一的管理，实现了智能化的调度方法。

可选的，所述全局调度层用于接收上层web服务器发送的业务请求，所述业务请求包括待执行业务；根据所述业务请求确定出执行所述待执行业务所需的资源，并基于所述执行所述待执行业务所需的资源确定出执行所述待执行业务的计算资源节点，向所述计算资源节点发送调度策略，在接收到所述计算资源节点层中所述计算资源节点的资源信息和算法实例部署情况后，将所述待执行业务进行下发给所述计算资源节点；

所述计算资源节点层中执行所述待执行业务的计算资源节点用于根据所述全局调度层发送的调度策略，从所述共享文件存储层下载所述执行所述待执行业务所需的一种或多种智能分析算法对应的算法包进行算法实例部署；将自身的资源信息和算法实例部署情况发送给所述全局调度层，在接收到所述全局调度层下发的待执行业务之后，调用所述一种或多种智能分析算法执行所述待执行业务；

所述共享文件存储层用于存储各智能分析算法对应的算法包。

上述技术方案中，通过对算法的统一管理，构建资源池，结合调度策略，实现资源灵活使用，构建智能化的调度方法，实现了计算资源的统一管理，将多算法融合，提升了资源利用率。

可选的，所述全局调度层包括算法调度管理服务和业务请求调度服务；

所述业务请求调度服务接收上层web服务器发送的业务请求，根据所述业务请求中待执行业务的业务类型向算法调度管理服务请求算法资源和算法实例部署；

所述算法调度管理服务接收来自于业务请求调度服务的资源请求，并基于所述资源请求确定出执行所述待执行业务的计算资源节点并向所述计算资源节点发送调度策略。

本发明实施例中，实现了运用自适应的办法结合出调度策略，构建了智能化的调度办法。

可选的，所述全局调度层还包括算法仓库和业务仓库；

所述算法仓库接收来自于算法调度管理服务调度的资源请求，根据资源请求进行分析计算确定出执行所述待执行业务的算法包并进行文件配置，存储至共享文件存储层；

所述业务仓库根据业务请求将执行所述待执行业务所需的多种智能分析算法的算法包及业务逻辑组合为执行所述待执行业务的业务包，并将所述业务包存储在所述共享文件存储层。

本发明实施例中实现了对算法的统一管理，构建资源池，以提供不同的算法，完成构建智能化的调度办法。

可选的，所述计算资源节点层包括多个计算资源节点，其中每个计算资源节点包括资源监控服务、算法集成服务和业务应用服务；

所述资源监控服务用于对计算资源进行统一的申请与调配，并从所述共享文件存储层下载执行所述待执行业务所需的一种或多种智能分析算法对应的算法包并调用算法集成服务进行算法实例部署和启动；将本节点的资源信息和算法实例部署情况发送给所述全局调度层；

所述业务应用服务在接收到所述全局调度层下发的待执行业务之后，调用所述一种或多种智能分析算法执行所述待执行业务。

本发明实施例中，根据计算资源节点结合调度策略进行调配，实现计算资源统一管，资源灵活使用，实现智能化的调度方法，将多算法融合，提升资源利用率。

第二方面，本发明实施例还提供一种基于第一方面的调度方法，包括：

获取业务请求，所述业务请求中包括待执行业务；

根据所述待执行业务确定执行所述待执行业务所需的资源，并基于所述执行所述待执行业务所需的资源确定出执行所述待执行业务的计算资源节点，向所述计算资源节点发送调度策略；

接收所述计算资源节点发送的资源信息和算法实例部署情况；

将所述待执行业务下发给所述计算资源节点。

可选的，所述计算资源节点发送的资源信息和算法实例部署情况是所述计算资源节点在根据所述全局调度层发送的调度策略，从所述共享文件存储层下载所述执行所述待执行业务所需的一种或多种智能分析算法对应的算法包并进行算法实例部署后确定的。

可选的，所述方法还包括：

根据所述执行所述待执行业务所需的资源，进行分析计算确定出执行所述待执行业务的算法包并进行文件配置，存储至共享文件存储层。

可选的，所述方法还包括：

根据所述业务请求将执行所述待执行业务所需的多种智能分析算法的算法包及业务逻辑组合为执行所述待执行业务的业务包，并将所述业务包存储在所述共享文件存储层。

第三方面，本发明实施例还提供一种计算设备，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述第二方面所述的方法。

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要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种复杂场景下调度智能分析算法的管理仓库的结构示意图；

图2为本发明实施例提供的一种复杂场景下调度智能分析算法的管理仓库的结构示意图；

图3为本发明实施例提供的一种算法包的示意图；

图4为本发明实施例提供的一种复杂场景下多算法组合的示意图；

图5为本发明实施例提供的一种基于复杂场景下调度智能分析算法的管理仓库的调度方法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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它实施例，都属于本发明保护的范围。

图1示例性的示出了本发明实施例提供的一种复杂场景下调度智能分析算法的管理仓库的结构，该管理仓库可以包括：全局调度层100、计算资源节点200和共享文件存储层300。

其中，全局调度层100用于接收上层web服务器发送的业务请求，业务请求包括待执行业务，根据业务请求确定出执行待执行业务所需的资源，并基于执行待执行业务所需的资源确定出执行待执行业务的计算资源节点，向计算资源节点发送调度策略，在接收到计算资源节点层200中计算资源节点的资源信息和算法实例部署情况后，将待执行业务进行下发给所述计算资源节点。

计算资源节点层200中执行待执行业务的计算资源节点用于根据全局调度层100发送的调度策略，从共享文件存储层300下载执行待执行业务所需的一种或多种智能分析算法对应的算法包进行算法实例部署，然后将自身的资源信息和算法实例部署情况发送给全局调度层100，在接收到全局调度层100下发的待执行业务之后，调用一种或多种智能分析算法执行待执行业务。

共享文件存储层300用于存储各智能分析算法对应的算法包。

为了更清楚的解释上述管理仓库中各层的结构，图2进一步的示出了一种复杂场景下调度智能分析算法的管理仓库的结构。

基于图2所示，该全局调度层100可以包括算法调度管理服务102、业务请求调度服务103、算法仓库101和业务仓库104。

业务请求调度服务103可以用于接收上层web服务器发送的业务请求，根据业务请求中待执行业务的业务类型向算法调度管理服务102请求算法资源和算法实例部署。

算法调度管理服务102可以用于接收来自于业务请求调度服务103的资源请求，并基于资源请求确定出执行待执行业务的计算资源节点并向计算资源节点中资源监控服务201发送调度策略。

算法仓库101可以用于接收来自于算法调度管理服务102调度的资源请求，根据资源请求进行分析计算确定出执行待执行业务的算法包并进行文件配置，存储至共享文件存储层300。

业务仓库104用于根据业务请求将执行所述待执行业务所需的多种智能分析算法的算法包及业务逻辑组合为执行所述待执行业务的业务包，并将所述业务包存储在所述共享文件存储层。本发明实施例提出的业务包的概念，是提供一个通用的对下层多种算法包的实例的访问接口与调用体系。与算法包类似，业务包也是一套多资源打包的整体实例。

此外，如图2所示，计算资源节点层200可以包括多个计算资源节点，其中每个计算资源节点包括资源监控服务201、业务应用服务202和算法集成服务203。

其中，资源监控服务201可以用于对计算资源进行统一的申请与调配，并从共享文件存储层300下载执行待执行业务所需的一种或多种智能分析算法对应的算法包并调用算法集成服务203进行算法实例部署和启动，并将本节点的资源信息和算法实例部署情况发送给全局调度层100中的算法调度管理服务102。

业务应用服务202可以在接收到所述全局调度层100下发的待执行业务之后，调用一种或多种智能分析算法执行所述待执行业务。当执行该待执行业务得到分析结果之后，可以将分析结果根据数据类型不同，分发到不同的服务器进行存储。例如，图像快照可以直接存储在ftp服务器，结构化信息可以存储在云端服务器，报警信息可以直接推送到web服务器进行存储。本发明实施例尽是示例作用，对此不作具体限定。

在本发明实施例中，业务请求是指由上层web服务器发送的，该业务请求可以包括待处理业务信息、待处理业务的业务类型等信息。其中，上层web服务器可以对待处理业务进行查询和展示。

需要说明的是，上述实施例中提出算法包的目的是为了实现对单一算法实例的抽象和封装，通过算法包来表示一个具体的算法应用实例。

其中，一个“算法包”应该在语义上有不可拆分性，面向业务应用中的算法功能最小单位。例如，具体实施过程中，可以将“目标检测+跟踪”这个功能定义为一个算法包，也可以将“目标检测”、“目标跟踪”分开定义成两个算法包。关键在于进行业务应用开发时，是否会将“目标检测”或者“目标跟踪”单独使用(即可分性)。一个算法/一套算法如果在业务应用中不可分，则没有必要拆分成多个算法包，如果可分则应该考虑定义多个算法包。本发明实施例对此不作具体限定，可以在实际应用过程中根据需求自由组合。

算法包同时对应了程序层面一个具体的封装接口格式、对接协议和代码层面的实例。一个完整的算法包有“配置+数据+代码”三部分。“配置”和“代码”为必需项，其各自定义格式必须遵循指定的格式和接口标准。“数据”为可选项。

每个算法包可以包含3部分内容，如图3所示，其中，配置和代码为必需项目，数据为可选项目。具体包括的内容如下：

a、配置。

配置部分是以文本和数据化方式，对算法包的属性、功能特性等的一个统一描述。里面包含了算法能够运行的硬件架构(如：某类型显卡，或者某开发板，或者某芯片平台，等)、计算资源需求(如，典型pc平台下需求项有：cpu算力，内存占用，gpu算力，显存占用)、算法类型(属性分类——有状态/无状态、功能类型——检测/跟踪/结构化/特征提取等)。

b、数据。

对于深度学习相关算法包来说，数据主要就是算法网络描述和模型参数等。比如对于caffe来说，通用算法模型为.caffemodel，网络描述为.proto_txt。

c、代码。

为了实现对不同类型算法的通用接入，需要将不同算法的接口重新打包封装成统一接口。这个过程要写一部分代码，实现接口的重新封装转换的过程。

此外，算法包将以压缩包格式进行封装，默认压缩格式为zip。每个算法包内将会有如下文件结构分别描述配置、数据和代码。

配置：zip包内根目录下有config.json文件。文件中以json文本方式描述了完整的配置参数信息。主要有：

1、算法名称，厂商等基础信息；

2、算法属性类别，应用类别；

3、算法所部署的硬件架构(arm，x86，jetson，特定asic等)；

4、算法应用所需的计算资源计算公式。针对x86_64架构pc应用，主要分5部分：cpu算力需求，内存需求，cuda计算能力需求，gpu算力需求，显存需求。各自采用f(x)＝ax+b的公式，需要参数提供a，b两个系数。其中x为算法开启的分析任务数量(如开启视频结构化分析的路数)；

5、其他算法相关的配置参数。

数据：zip包内有data目录。目录下相关文件为对应数据。包括模型文件，程序配置参数等。

代码(可执行程序)：zip包内有lib目录。目录下为封装的动态库以及相关依赖库。核心接口库名称为main.so。

需要说明的是，算法包在实际应用时，会被调度程序按需部署到相应节点机上，zip包内相关文件会解压缩至特定文件夹下，保持其中现有的目录结构。

根据上文描述，算法包的整体接口定义是根据“属性类别”进行区分。具体可以分为“无状态算法”和“有状态算法”两类。

对于一个算法包来说，由于需要为调用它的算法服务提供其自身资源的分配/释放相关操作接口，因此，接口可以包括进程级初始化/反初始化/命令控制接口、线程级初始化/反初始化接口。具体可以如表1、表2所示。

裹1

表2

目前，绝大多数深度学习算法因基于cuda(computeunifieddevicearchitecture，统一计算设备架构)技术，在指定线程里运行时需要和线程信息绑定，因此算法层面需要提供专门的线程级资源分配和释放接口。

对于无状态算法而言，每一次业务调用过程是独立的。输入为待处理图像像素数据。输出为算法处理结果，以字典数据结构进行描述(如：json、c++的map、python的dict)，以应对不同算法不同类别字段和数据值的输出。具体可以如表3所示。

表3

对于有状态算法而言，比如检测跟踪算法，需要一个session用来维护其上下文的状态信息。与无状态算法相比，在进程级、线程级初始化得到inst实例指针后，有状态算法还需要对业务session进行初始化，其进程级、线程级的反初始化与无状态算法相同，具体可以如表4所示。

表4

有状态算法的处理业务在指定session上进行，输入输出类与无状态算法相同，具体可以如表5所示。

表5

需要说明的是，上述算法仓库还可以统一管理不同厂商算法的添加、升级、算法使用情况分析、算法性能比对。具体的：

算法仓库是算法的统一存储介质，该模块能够帮助用户了解算法仓体系的算法类型、算法数目等指标，并提供算法的增删改查、安全准入认证、版本管理等功能。算法管理包括算法授权认证、算法调度、运行状态显示等功能。

对于不同厂商的算法，可以根据用户使用，统计出一段时间来哪些算法使用的频次高，使用的累积时间长，并且可以在算法管理这里，直接通过任务来比对同类型的同一厂商或不同厂商的两种算法的性能。实现了对算法的统一管理，构建资源池，统一管理不同厂商算法的添加、升级、算法使用情况分析、算法性能比对。

具体实施过程中，如图4所示，算法仓中可以包含了4大类算法，具体可以分为行为分析算法，人脸结构化算法，视频结构化算法以及图片结构化算法。其中算法既可以组合使用，也可以单独使用。当发起视频图像分析请求后，由全局调度层的算法调度管理服务对任务进行调度，将算法分析任务下发至对应的计算资源节点，计算资源的需求由节点的资源监控服务统一申请与调配。业务调度服务根据算法提供的输出，可以组合不同算法，从而实现一些复杂场景下的业务需求。

具体举例来说：例如，可以前端摄像机进行人车非的检测跟踪，当发现有行人的时候，再进行人脸的检测跟踪算法；在一个主干道上的车辆监控，可以在做视频结构化任务的时候，根据需要添加车辆拥堵检测、车辆逆行检测、车辆超速检测等多种算法融合在一起。这样在边做结构化的同时，可以检测出一些车辆的异常行为以及道路的拥堵情况。

其中所述业务请求调度服务根据算法提供的输出，可以组合不同算法，从而实现一些复杂场景下的业务需求。例如，可以前端摄像机进行人车非的检测跟踪，当发现有行人的时候，再进行人脸的检测跟踪算法；在一个主干道上的车辆监控，可以在做视频结构化任务的时候，根据需要添加车辆拥堵检测、车辆逆行检测、车辆超速检测等多种算法融合在一起。这样在边做结构化的同时，可以检测出一些车辆的异常行为以及道路的拥堵情况。

进一步地，本发明实施例中，不同的算法有不同的场景要求，例如区域入侵算法，场景要求尽量避开玻璃、地砖及湖面等反光的场景选择，尽量避开可能影响准确率的区域，如在检测区域中有树叶摇晃干扰，严重阴影晃动等。

对于不同场景的业务需求，可以通过定制化的业务包来完成了封装。不同场景，不同的用户需求，只需要调用不同的业务包即可。同时也可以对业务包进行标准化的处理，业务包同样可以存在于算法仓库中。如图2中计算资源节点中的业务服务应用202，就是一个业务包实例服务。

具体的，与算法包类似，一个业务包中可以包含两部分内容：

配置：配置部分是以文本和数据化方式，对业务包的名称、属性、所依赖算法等统一描述。一般采用json格式。目前用到的核心属性有两个：名称；依赖的底层算法包名称。

代码：使用统一定义的业务包接口导出的动态库实现。

进一步地，在本发明实施例中，上述计算资源节点可以通过选用zookeeper框架来做分布式服务注册与服务发现。其中，zookeeper主要功能有：配置管理，名字服务，提供分布式同步以及集群管理。zookeeper可以在分布式系统中协作多个任务。在分布式的集群中，经常会由于各种原因，如硬件故障，软件故障，网络问题，使得某些节点进进出出，有新的计算资源节点加入进来，也有老的计算资源节点退出集群。这个时候，集群中其他计算资源节点需要感知到这种变化，然后根据这种变化做出对应的决策。

zookeeper中的计算资源节点的类型包可以包括：临时节点、持久节点、临时有序节点、持久有序节点等，同时它也提供了一些计算资源节点事件的通知机制，可以利用临时节点以及事件通知机制可以在一定时间内获取到注册到zookeeper中的服务的状态信息以及数据。zookeeper还提供了如分布式锁、服务统一配置管理、master选举、发布订阅等功能。可以实现整体架构的动态可伸缩。用以解决复杂场景下，自适应调度不同厂商的算法，达到最优的效果。

本发明实施例中，全局调度层与计算资源节点层之间的通信选用了libuv多线程通信库，各模块之间使用http协议进行交互，保证通讯稳定性。共享存储文件层可以通过全局文件系统来实现，其可视为一个全局调度层与计算资源节点层可访问的磁盘，用于存储算法包文件、业务包文件，以及智能分析得到的人脸、行人、车辆等结构化数据。

进一步地，本发明实施例中所述业务逻辑组合是对多种智能分析算法组合具体的操作步骤，具体举例来说，例如业务请求是人脸报警业务，根据该业务调用相对应的人脸识别算法、人脸跟踪算法和人脸对比算法，业务实例先接收视频流，然后调用人脸跟踪算法进行分析计算，人脸跟踪算法结果通知发现了一张人脸，再调用人脸对比算法，分析计算是否是嫌疑人，如果是，将报警推送给上层web服务器，如果不是，调用人脸识别算法，识别人脸，将结果推送至云端服务器和ftp服务器。

为了更好的解释本发明实施例，下面将通过具体的流程来描述上述全局调度层的调度流程。

基于相同的技术构思，图5示例性的示出了本发明实施例提供的一种复杂场景下调度智能分析算法的管理仓库的调度方法的流程，该流程可以由上述全局调度层来执行。如图5所示，该流程具体包括：

步骤501，获取业务请求，所述业务请求中包括待执行业务。

在本发明实施例中，通过全局调度层中的业务请求调度服务可以接收来自上层web服务器平台的业务请求。

步骤502，根据所述待执行业务确定执行所述待执行业务所需的资源，并基于所述执行所述待执行业务所需的资源确定出执行所述待执行业务的计算资源节点，向所述计算资源节点发送调度策略。

具体的，可以通过全局调度层中的业务请求调度服务根据待执行业务确定执行所述待执行业务所需的资源并向全局调度层中的算法调度管理服务请求算法资源和实例部署，然后通过算法调度管理服务接收来自业务请求调度服务的资源请求，由调度算法选择合适的计算资源节点进行任务下发。

步骤503，接收所述计算资源节点发送的资源信息和算法实例部署情况。

其中，计算资源节点发送的资源信息和算法实例部署情况是计算资源节点在根据全局调度层发送的调度策略，从共享文件存储层下载执行待执行业务所需的一种或多种智能分析算法对应的算法包并进行算法实例部署后确定的。也就是说，计算资源节点在收到调度策略之后，就可以从共享文件存储层下载执行待执行业务所需的一种或多种智能分析算法对应的算法包并进行算法实例部署和启动，然后将该本节点的资源信息和算法实例部署情况发送给全局调度层。

在本发明实施例中，可以通过计算资源节点层中的资源监控服务来根据调度策略从全局文件系统中下载对应的算法包，然后调用算法集成服务，启动算法实例，并返回该节点的计算资源信息。

步骤504，将所述待执行业务下发给所述计算资源节点。

当算法调度管理服务接收到计算资源节点发送的资源信息和算法实例部署情况之后，将资源信息和算法实例部署情况，反馈给业务请求调度服务，业务请求调度服务就可以依据该资源信息和算法实例部署情况将待执行业务转发到对应计算资源节点上进行执行。

例如，在上述调度流程中，对于一个24小时的历史任务，采用tss调度算法进行，该算法可以不断的调整分配给计算节点任务块的大小，在保证任务执行时间的前提下，实现各计算节点间的负载均衡。假设当前的计算节点剩余资源路数有72路，那24小时的任务，就可以将这个任务切分成20分钟的任务块，分配给节点，那么这个24小时的任务，20分钟就能分析完成。而对于那种时间较短的历史任务或者离线任务，利用最简单的met调度算法，即将任务调度到能够最快完成该任务的计算节点上。本文提出的调度机制在多计算节点的情况下，面对高并发的大量复杂计算任务，能够进行合理有效的任务调度，取得良好的调度效果，节点越多，调度效果越好，平均可以提升效率两倍左右。

上述实施例表明，通过对算法的统一管理，构建资源池，结合调度策略，实现资源灵活使用，构建智能化的调度方法，实现了计算资源的统一管理，将多算法融合，提升了资源利用率。

基于相同的技术构思，本发明实施例还提供一种计算设备，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述调度方法。

基于相同的技术构思，本发明实施例还提供一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述调度方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请的方法、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。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。