一种目标追踪方法及装置与流程

本申请属于图像处理技术领域，尤其涉及一种目标追踪方法及装置。

背景技术：

随着摄像头的增加以及算法的改进，人体(人脸)跟踪算法被应用于多种场景下，便于对目标用户进行追踪。

现有的人脸跟踪算法，在影像数据中出现多个目标对象时，无法准确对多个目标对象进行追踪，因此，导致出现目标丢失的问题。

技术实现要素：

本申请实施例提供了一种目标追踪方法及装置，可以解决现有技术容易导致出现目标丢失的问题。

第一方面，本申请实施例提供了一种目标追踪方法，包括：

获取影像数据；

对所述影像数据进行人脸检测，获得一个或一个以上的目标人脸信息；

将每一个目标人脸信息分别和目标数据库内的每一个被追踪人脸信息进行匹配；

若存在目标人脸信息与目标数据库内的所有被追踪人脸信息均不匹配，则判定所述目标人脸信息为新的被追踪人脸信息；

根据所述新的被追踪人脸信息添加新的标识，并将所述新的被追踪人脸信息和标识保存至所述目标数据库。

第二方面，本申请实施例提供了一种目标追踪装置，包括：

获取模块，用于获取影像数据；

人脸检测模块，用于对所述影像数据进行人脸检测，获得一个或一个以上的目标人脸信息；

匹配模块，用于将每一个目标人脸信息分别和目标数据库内的每一个被追踪人脸信息进行匹配；

判断模块，用于若存在目标人脸信息与目标数据库内的所有被追踪人脸信息均不匹配，则判定所述目标人脸信息为新的被追踪人脸信息；

保存模块，用于根据所述新的被追踪人脸信息添加新的标识，并将所述新的被追踪人脸信息和标识保存至所述目标数据库。

第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的目标追踪方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的目标追踪方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的目标追踪方法。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

本申请实施例通过预设算法匹配当前目标对象是否为数据库中的已追踪目标，在匹配失败时，对无法匹配的目标对象赋予新的标识，便于对该目标对象进行追踪，避免出现目标对象丢失的现象，同时能够及时获得每一个目标对象的位置信息。

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性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一实施例提供的目标追踪方法的流程示意图；

图2是本申请一实施例提供的目标追踪方法中步骤s102的流程示意图；

图3是本申请一实施例提供的基于目标追踪方法的根据关键点位置信息确定目标人脸框位置信息的应用场景示意图；

图4是本申请一实施例提供的基于目标追踪方法的获得关键点位置信息的应用场景示意图；

图5是本申请一实施例提供的目标追踪方法中步骤s1022的流程示意图；

图6是本申请另一实施例提供的基于目标追踪方法的确定目标人脸框的位置信息的应用场景示意图；

图7是本申请一实施例提供的目标追踪方法中步骤s103的流程示意图；

图8是本申请一实施例提供的基于目标追踪方法的人脸框的交并比矩阵的示意图；

图9是本申请一实施例提供的目标追踪装置的结构示意图；

图10是本申请一实施例提供的终端设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

本申请实施例提供的目标追踪方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmentedreality，ar)/虚拟现实(virtualreality，vr)设备、笔记本电脑、超级移动个人计算机(ultra-mobilepersonalcomputer，umpc)、上网本、个人数字助理(personaldigitalassistant，pda)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。

例如，所述终端设备可以是wlan中的站点(staion，st)，可以是蜂窝电话、无绳电话、会话启动协议(sessioninitiationprotocol，sip)电话、无线本地环路(wirelesslocalloop，wll)站、个人数字处理(personaldigitalassistant，pda)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、车联网终端、电脑、膝上型计算机、手持式通信设备、手持式计算设备、卫星无线设备、无线调制解调器卡、电视机顶盒(settopbox，stb)、用户驻地设备(customerpremiseequipment，cpe)和/或用于在无线系统上进行通信的其它设备以及下一代通信系统，例如，5g网络中的移动终端或者未来演进的公共陆地移动网络(publiclandmobilenetwork，plmn)网络中的移动终端等。

图1示出了本申请提供的目标追踪方法的示意性流程图，作为示例而非限定，该方法可以应用于上述任一终端设备中。

s101、获取影像数据；

在具体应用中，获取通过预先设置的摄像头拍摄的目标追踪场所的影像数据；其中，影像数据包括但不限于图片和视频。摄像头可以包括单摄像头、双摄像头或三摄像头，或者，摄像头可以设定为广角摄像头或长焦摄像头，本申请实施例对此不作限定。

在本实施例中，可优先设定过滤掉不包括人脸或人体的影像数据，以提高对目标追踪的效率。

s102、对所述影像数据进行人脸检测，获得一个或一个以上的目标人脸信息；

在具体应用中，通过人脸检测算法对影像数据进行人脸检测，获得影像数据中所有的目标人脸信息。其中，影像数据中包括一个或一个以上的目标人脸信息。目标人脸信息可以包括但不限于目标人脸框的位置信息。

若影像数据中不包括任何一个目标人脸信息，则不对该影像数据做任何处理。

s103、将每一个目标人脸信息分别和目标数据库内的每一个被追踪人脸信息进行匹配；

在具体应用中，将影像数据中识别到的每一个目标人脸信息分别和目标数据库内的每一个被追踪人脸信息进行匹配。其中，目标数据库是指包括所有被追踪人脸信息和标识的数据库。被追踪人脸信息包括被追踪人脸的人脸关键点定位信息，被追踪人脸的标识是指被追踪人脸的id，便于区分不同的被追踪人脸。目标数据库可以是运行目标追踪方法的当前终端设备的数据库或者与当前终端设备通信连接的数据库。

s104、若存在目标人脸信息与目标数据库内的所有被追踪人脸信息均不匹配，则判定所述目标人脸信息为新的被追踪人脸信息；

在具体应用中，若识别到的某一个(或一个以上)的目标人脸信息与目标数据库内存储的所有被追踪人脸信息均匹配不上，则判定该匹配失败的目标人脸信息为新的被追踪人脸信息。

若所有目标人脸信息均可分别与目标数据库内的所有被追踪人脸信息匹配上，则判定相匹配的目标人脸信息与被追踪人脸信息为同一个人脸信息。

s105、根据所述新的被追踪人脸信息添加新的标识，并将所述新的被追踪人脸信息和标识保存至所述目标数据库。

在具体应用中，根据新的被追踪人脸信息添加新的标识，并将新的被追踪人脸信息和标识保存到目标数据库中，便于后续进行人脸匹配。其中，标识可以是id。

如图2所示，在一个实施例中，所述s102，包括：

s1021、通过人脸关键点检测算法对所述影像数据进行关键点检测，获得一个或一个以上目标人脸的预设数目的关键点位置信息；

s1022、根据每一个目标人脸的预设数目的关键点位置信息，获得目标人脸框的位置信息。

在具体应用中，通过人脸关键点检测算法(multi-taskconvolutionalneuralnetwork，mtcnn)对影像数据中的每一个人脸分别进行关键点检测，获得一个或一个以上目标人脸的预设数据的关键点位置信息，根据每一个目标人脸的预设数据的关键点位置信息，确定目标人脸框的位置信息。其中，预设数目可根据实际情况进行具体设定，用于根据预设数据的关键点位置信息确定目标人脸框的位置信息。例如，设定预设数目为7，则可根据某一个人脸的7个关键点的位置信息，确定该目标人脸框的位置信息。如图3所示，根据关键点位置信息确定目标人脸框位置信息的应用场景示意图。其中，关键点可以是人脸中多个器官所在的位置点，例如，包括每个眼睛的两个端点、鼻子(例如，可以是鼻尖)以及嘴巴的两个端点等；关键点位置信息可以是该关键点在影像数据中的具体位置。

通过人脸关键点定位算法提高对人脸跟踪的准确率，并且，能够准确获得每一个人脸框的位置信息，从而提高对目标人脸框和被追踪人脸框进行匹配的精确度。

在一个实施例中，所述s1021，包括：

选取所述人脸影像数据中的候选框；

去除冗余的候选框，获得目标候选框；

对所述目标候选框进行关键点定位，获得一个或一个以上目标人脸的预设数目的关键点位置信息。

在具体应用中，通过人脸关键点检测算法对每一个人脸影像数据中选取人脸关键点的候选框，去除冗余的候选框，获得目标候选框，并对目标候选框进行关键点定位，获得每一个目标人脸的预设数目的关键点位置信息。

具体的，通过一个浅层的cnn(全部由卷积层组成的cnn，也即p-net)快速生成人脸的候选窗口，获的人脸候选窗口以及人脸框回归向量。基于人脸框回归向量对候选窗口进行校正。然后，通过一个更复杂的cnn(也即r-net)网络去除大量非人脸窗口(也即冗余窗口)从而精化人脸窗口，包括：利用人脸框回归向量对候选窗口做校正，并执行nms合并高重叠率的候选窗口。最后，通过更复杂的cnn网络(也即0-net)输出预设数目的人脸关键点位置坐标。如图4所示，提供了一种通过人脸关键点检测算法(mctnn)获得关键点位置信息的应用场景示意图；在图4中，设定预设数目为5。

通过大量数据训练后的人脸关键点检测算法具有一定的精度，通过人脸关键点检测算法获得关键点位置信息，进一步提高了对人脸进行检测的效率和准确率。

如图5所示，在一个实施例中，所述s1022，包括：

s10221、根据任一目标人脸的预设数目的关键点位置信息，确定目标人脸框的中心位置；

s10222、对所述目标人脸框的中心位置进行扩展，获得目标人脸框的位置信息。

在具体应用中，根据某一目标人脸的预设数目的关键点位置信息，以所有关键点位置信息中横轴坐标最大值的点与纵轴的平行线，以及横轴坐标最小值的点与纵轴的平行线做高，以所有关键点位置信息中纵轴坐标最大值的点与横轴的平行线，以及纵轴坐标最小值的点与横轴的平行线为宽，确定目标人脸框的中心位置，并根据预设比例对目标人脸框的中心位置进行扩展，获得目标人脸框的位置信息。

其中，预设比例可根据实际情况进行具体设定。例如，根据大量实验证明，可设定以鼻子关键点为中心，将目标人脸框的中心位置分别向左右各扩展0.3倍；将目标人脸框的中心位置向上扩展0.6倍，向下扩展0.2倍，使得扩展后的目标人脸框的宽是目标人脸框中心位置的宽的1.6倍，扩展后的目标人脸框的高是目标人脸框中心位置的高的1.8倍。如图6所示，示出了一种对目标人脸框的中心位置进行扩展，获得目标人脸框的位置信息的应用场景示意图。

通过预设数目的关键点的位置信息获得目标人脸框的中心位置，并根据实际情况对目标人脸框的中心位置获得对应的目标人脸框，避免了人脸部位中任一关键信息的遗失问题，提高了计算目标人脸框和被追踪人脸框交并比的准确度。

在一个实施例中，所述s10221，包括：

获取任一目标人脸的所有关键点位置信息中横轴坐标最大值与横轴坐标最小值；

计算横轴坐标最大值与横轴坐标最小值之间的差，并将横轴坐标最大值与横轴坐标最小值之间的差作为高；

获取所述目标人脸的所有关键点位置信息中纵轴坐标最大值与纵轴坐标最小值；

计算纵轴坐标最大值与纵轴坐标最小值之间的差，并将纵轴坐标最大值与纵轴坐标最小值之间的差作为宽；

根据所述高和所述宽确定人脸关键点位置的最小外接矩形，作为目标人脸框的中心位置。

在具体应用中，获取某一目标人脸的所有关键点位置信息中横轴坐标最大值、横轴坐标最小值、纵轴坐标最大值以及纵轴坐标最小值，分别作出横轴坐标最大值的点和横轴坐标最小值的点与纵轴的平行线，作为目标人脸关键点位置的最小外接矩形的两条高，并将横轴坐标最大值与横轴坐标最小值之间的差作为高的值；分别作出纵轴坐标最大值的点和纵轴坐标最小值的点与横轴的平行线，作为目标人脸关键点位置的最小外接矩形的两条宽，并将纵轴坐标最大值与纵轴坐标最小值之间的差作为宽的值，根据高和宽以及所有关键点的位置信息确定目标人脸关键点位置的最小外接矩形，作为目标人脸框的中心位置。

通过获得大量的关键点位置信息，并根据目标人脸框的关键点位置信息建立对应的最小外接矩形，从而获得目标人脸框的中心位置，为进行人脸匹配操作提供了准确地数据基础。

如图7所示，在一个实施例中，所述s103，包括：

s1031、根据每一个目标人脸框的位置信息与目标数据库内的每一个被追踪人脸框的位置信息，计算每一个目标人脸框与每一个被追踪人脸框之间的交并比；

s1032、以任一目标人脸框与所有被追踪人脸框之间的交并比为行，以任一被追踪人脸框与所有目标人脸框之间的交并比为列，形成矩阵阵列；

s1033、根据预设匹配算法对矩阵阵列进行计算，获得匹配结果。

在具体应用中，根据每一个目标人脸框的位置信息与目标数据库内的每一个被追踪人脸框位置信息，计算每一个目标人脸框和每一个被追踪人脸框的交并比(intersection-over-union，iou)，并以任一目标人脸框与所有被追踪人脸框之间的交并比为行，以任一被追踪人脸框与所有目标人脸框之间的交并比为列，形成交并比矩阵阵列，并根据预设匹配算法对矩阵阵列进行计算，获得矩阵阵列的最优解，从而获得每一个被追踪人脸框与每一个目标人脸框的匹配结果；其中，预设匹配算法包括但不限于匈牙利匹配算法和最大匹配算法。

如图8所示，示例性的示出了一种人脸框的交并比矩阵的示意图。图8中，a1、a2、a3、a4均为目标人脸框，b1、b2、b3、b4均为被追踪人脸框，a1与b1对应的值2表示目标人脸框a1和被追踪人脸框b1的交并比为2.

需要说明的是，若某一个目标人脸框和某一个被追踪人脸框完全重合，则该目标人脸框和该被追踪人脸框的交并比为1。

通过计算每个目标人脸框与每个被追踪人脸框的交并比，获得交并比矩阵阵列，并通过预设匹配算法对交并比矩阵阵列进行计算，获得矩阵的最优解，作为任一行的目标人脸框与任一列被追踪人脸框的匹配结果，简化了人脸匹配的计算量，提高了人脸匹配的效率和准确率。

在一个实施例中，所述s1033，包括：

根据所述预设匹配算法对矩阵阵列进行计算，获得所述矩阵阵列中每一个行与每一列对应交并比的解；

若任一行与任一列对应交并比的解为0，则判定所述行的目标人脸框与对应的列的被追踪人脸框匹配成功；

若任一行与任一列对应交并比的解不为0，则判定所述行的目标人脸框与对应的列的被追踪人脸框匹配失败。

在具体应用中，通过预设匹配算法对矩阵阵列进行计算后(例如，若预设匹配算法为匈牙利匹配算法，则对矩阵阵列进行行归约、列归约、画0盖线等一系列计算)，对矩阵阵列进行更新，获得矩阵阵列的最优解(包括获得矩阵阵列中每一个行与每一列对应交并比的解)。更新后的矩阵中，若某一行与某一列对应的交并比的解为0，则解为0的该行的目标人脸框与解为0对应的列的被追踪人脸框匹配成功，也即解为0的该行的目标人脸框与解为0对应的列的被追踪人脸框为同一个人脸。

若某一行与某一列对应的交并比的解不为0，则解不为0的行的目标人脸框与该解不为0对应的列的被追踪人脸框匹配失败，也即解不为0的行的目标人脸框为新的被追踪人脸。

根据预设匹配算法的特点，对人脸框交并比的矩阵阵列进行计算，以人脸框交并比矩阵阵列的最优解作为对应的人脸框匹配结果，优化了人脸匹配算法，并进一步提高了目标追踪的效率。

本实施例通过预设算法匹配当前目标对象是否为数据库中的已追踪目标，在匹配失败时，对无法匹配的目标对象赋予新的标识，便于对该目标对象进行追踪，避免出现目标对象丢失的现象，同时能够及时获得每一个目标对象的位置信息。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的目标追踪方法，图9示出了本申请实施例提供的目标追踪装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。

参照图9，该目标追踪装置包括：

获取模块101，用于获取影像数据；

人脸检测模块102，用于对所述影像数据进行人脸检测，获得一个或一个以上的目标人脸信息；

匹配模块103，用于将每一个目标人脸信息分别和目标数据库内的每一个被追踪人脸信息进行匹配；

判断模块104，用于若存在目标人脸信息与目标数据库内的所有被追踪人脸信息均不匹配，则判定所述目标人脸信息为新的被追踪人脸信息；

保存模块105，用于根据所述新的被追踪人脸信息添加新的标识，并将所述新的被追踪人脸信息和标识保存至所述目标数据库。

在一个实施例中，所述人脸检测模块102，包括：

检测子模块，用于通过人脸关键点检测算法对所述影像数据进行关键点检测，获得一个或一个以上目标人脸的预设数目的关键点位置信息；

定位子模块，用于根据每一个目标人脸的预设数目的关键点位置信息，获得目标人脸框的位置信息。

在一个实施例中，所述检测子模块，包括：

选取单元，用于选取所述人脸影像数据中的候选框；

去除单元，用于去除冗余的候选框，获得目标候选框；

定位单元，用于对所述目标候选框进行关键点定位，获得一个或一个以上目标人脸的预设数目的关键点位置信息。

在一个实施例中，所述定位子模块，包括：

确定单元，用于根据任一目标人脸的预设数目的关键点位置信息，确定目标人脸框的中心位置；

扩展单元，用于对所述目标人脸框的中心位置进行扩展，获得目标人脸框的位置信息。

在一个实施例中，所述确定单元，包括：

第一获取子单元，用于获取任一目标人脸的所有关键点位置信息中横轴坐标最大值与横轴坐标最小值；

第一计算子单元，用于计算横轴坐标最大值与横轴坐标最小值之间的差，并将横轴坐标最大值与横轴坐标最小值之间的差作为高；

第二获取子单元，用于获取所述目标人脸的所有关键点位置信息中纵轴坐标最大值与纵轴坐标最小值；

第二计算子单元，用于计算纵轴坐标最大值与纵轴坐标最小值之间的差，并将纵轴坐标最大值与纵轴坐标最小值之间的差作为宽；

第三获取子单元，用于根据所述高和所述宽确定人脸关键点位置的最小外接矩形，作为目标人脸框的中心位置。

在一个实施例中，所述匹配模块103，包括：

计算子模块，用于根据每一个目标人脸框的位置信息与目标数据库内的每一个被追踪人脸框的位置信息，计算每一个目标人脸框与每一个被追踪人脸框之间的交并比；

形成子模块，用于以任一目标人脸框与所有被追踪人脸框之间的交并比为行，以任一被追踪人脸框与所有目标人脸框之间的交并比为列，形成矩阵阵列；

匹配子模块，用于根据预设匹配算法对矩阵阵列进行计算，获得匹配结果。

在一个实施例中，所述匹配子模块，包括：

计算单元，用于根据所述预设匹配算法对矩阵阵列进行计算，获得所述矩阵阵列中每一个行与每一列对应交并比的解；

第一判断单元，用于若任一行与任一列对应交并比的解为0，则判定所述行的目标人脸框与对应的列的被追踪人脸框匹配成功；

第二判断单元，用于若任一行与任一列对应交并比的解不为0，则判定所述行的目标人脸框与对应的列的被追踪人脸框匹配失败。

本实施例通过预设算法匹配当前目标对象是否为数据库中的已追踪目标，在匹配失败时，对无法匹配的目标对象赋予新的标识，便于对该目标对象进行追踪，避免出现目标对象丢失的现象，同时能够及时获得每一个目标对象的位置信息。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图10为本申请一实施例提供的终端设备的结构示意图。如图10所示，该实施例的终端设备11包括：至少一个处理器110(图10中仅示出一个)处理器、存储器111以及存储在所述存储器111中并可在所述至少一个处理器110上运行的计算机程序112，所述处理器110执行所述计算机程序112时实现上述任意各个目标追踪方法实施例中的步骤。

所述终端设备11可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器110、存储器111。本领域技术人员可以理解，图10仅仅是终端设备11的举例，并不构成对终端设备11的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所称处理器110可以是中央处理单元(centralprocessingunit，cpu)，该处理器110还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器111在一些实施例中可以是所述终端设备11的内部存储单元，例如终端设备11的硬盘或内存。所述存储器111在另一些实施例中也可以是所述终端设备11的外部存储设备，例如所述终端设备11上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字卡(securedigital，sd)，闪存卡(flashcard)等。进一步地，所述存储器111还可以既包括所述终端设备11的内部存储单元也包括外部存储设备。所述存储器111用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、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。

本申请实施例还提供了一种终端设备，该终端设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。

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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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网络单元上。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。

以上所述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应当理解：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，均应包含在本申请的保护范围之内。