一种纸币表面异物的检测方法及其装置与流程

本发明属于纸币识别技术领域，尤其涉及一种纸币表面异物的检测方法及其装置。

背景技术：

随着经济的发展，纸币流通量也相应越来越大。为了便于整理大量的纸币，常常会对纸币表面是否存在异物进行检测，当判断纸币表面存在异物时，可能需要进行清理等相关操作。现有的纸币表面异物的检测技术主要依赖人眼进行观察及判断。然而，该方法需要的人力成本较高，当需要对大量的纸币进行整理时，检测效率低。

技术实现要素：

本发明实施例的目的在于提供一种纸币表面异物的检测方法及其装置，旨在解决现有的纸币表面异物的检测技术主要依赖人眼进行观察及判断，人力成本较高，当需要对大量的纸币进行整理时，检测效率低的问题。

第一方面，本发明实施例提供一种纸币表面异物的检测方法，所述纸币表面异物的检测方法包括：

获取待检测纸币的厚度数据；

根据所述待检测纸币的厚度数据以及预设的厚度特征信息提取算法，提取所述厚度数据中包含的厚度特征信息；

通过预设的厚度相似度算法，将所述待检测纸币的厚度特征信息与预设的厚度模板进行厚度相似度运算；

根据运算结果判断所述待检测纸币的表面是否存在异物。

第二方面，本发明实施例提供一种纸币表面异物的检测装置，所述纸币表面异物的检测装置包括：

厚度数据获取单元，用于获取待检测纸币的厚度数据；

厚度特征信息提取单元，用于根据所述待检测纸币的厚度数据以及预设的厚度特征信息提取算法，提取所述厚度数据中包含的厚度特征信息；

相似度计算单元，用于通过预设的厚度相似度算法，将所述待检测纸币的厚度特征信息与预设的厚度模板进行厚度相似度运算；

表面异物判断单元，用于根据运算结果判断所述待检测纸币的表面是否存在异物。

实施本发明实施例提供的一种纸币表面异物的检测方法及其装置具有以下有益效果：

本发明实施例通过获取待检测纸币的厚度数据；根据所述待检测纸币的厚度数据以及预设的厚度特征信息提取算法，提取所述厚度数据中包含的厚度特征信息；通过预设的厚度相似度算法，将所述待检测纸币的厚度特征信息与预设的厚度模板进行厚度相似度运算；根据运算结果判断所述待检测纸币的表面是否存在异物，从而可以通过获取待测纸币的厚度数据，与预设的模板进行匹配，确定该纸币的厚度是否正常，由于当纸币粘有胶纸、米粒等异物时，将改变整张纸币的厚度的极值、均值等信息，当该纸币厚度数据与正常纸币的模板的相似度较低时、或与异常纸币模板的相似度较高时，则可判断纸币是否存在异物，从而实现了计算设备识别纸币表面是否存在异物的目的，不再依赖人工进行判断识别，提高了纸币整理的效率。

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是本发明实施例提供的一种纸币表面异物的检测方法的流程图；

图2是本发明另一实施例提供的一种纸币表面异物的检测方法的流程图；

图3是本发明实施例提供的一种纸币表面异物的检测装置的结构框图；

图4是本发明另一实施例提供的一种纸币表面异物的检测置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例通过获取待测纸币的厚度数据，与预设的模板进行匹配，确定该纸币的厚度是否正常，解决了现有的纸币表面异物的检测技术主要依赖人眼进行观察及判断，人力成本较高，当需要对大量的纸币进行整理时，检测效率低的问题。

在本发明实施例中，流程的执行主体为纸币表面异物的检测装置。该纸币表面异物的检测装置可以为具有运算功能的厚度传感器，也可以集成计算处理装置以及厚度传感器，其中，计算处理装置以及厚度传感器也可以独立存在。当计算处理装置以及厚度传感器独立存在时，纸币表面异物的检测装置需要从厚度传感器中纸币的厚度数据。图1示出了本发明实施例提供的纸币表面异物的检测方法的实现流程图，详述如下：

在s101中，获取待检测纸币的厚度数据。

在本实施例中，纸币表面异物的检测装置通过厚度传感器获取待检测纸币的厚度数据信息。其中，厚度数据可以通过数值化表示，也可以通过厚度图像表示。优选地，本实施例中，将通过获取待检测纸币的厚度图像数据。

可选地，在本实施例中，为了使得检测更为准确，减少纸币褶皱对于厚度检测的影响，获取待检测纸币的厚度数据前，需要对纸币进行预处理，即展开、拉伸、铺平等相关操作，从而消除纸币褶皱。

在本实施例中，获取待测纸币的传感器包含多个通道，每个通道具有其对应的检测范围，当获取的厚度数据为图像数据时，则多个通道获得的区域图像按照编号依次组合，则得到该纸币的图像数据；当获取的厚度数据为数值数据时，则每个通道将获取其所测纸币对应列的厚度数列，根据该厚度数列包含的值，确定该列的厚度，当多个通道获得其对应的列的厚度时，通过线性拟合等算法，可得到该纸币连续的厚度数据。

举例性地，获取的厚度数据为数值数据，且用数值“0”表示背景部分，用数值“1”表示检测到的实体部分，一个通道将获取10行数据，通道的实际厚度为10mm。当某一通道获取得到待检测纸币的厚度数列为：[0,0,1,1,1,1,1,0,0,0]，由于获取的厚度数列包含6个数值“1”，即表示该区域的厚度为6行，则可得知该通道对应区域的纸币厚度为t＝10mm*6/10＝6mm。

在s102中，根据所述待检测纸币的厚度数据以及预设的厚度特征信息提取算法，提取所述厚度数据中包含的厚度特征信息。

在本实施例中，由于获取的厚度数据无法直接表现该纸币的厚度特征，因此需要通过厚度特征信息提取算法对厚度信息进行处理，从而提取对应的厚度特征信息，以便进行下一步的判断。

优选地，在本实施例中，将通过厚度数据预处理算法，对厚度数据进行预处理，去除厚度数据中的背景数据以及噪声数据。具体地，当厚度数据为图像数据时，将去除背景图像部分，保留纸币厚度图像部分，并通过去噪算法对纸币厚度图像进行噪声滤除。

在本实施例中，厚度特征信息包括但不限于：厚度平均值、极差值、水平差分值、竖直差分值、厚度矩阵等信息。

在本实施例中，提取的厚度特征信息可以为一个，也可以为至少两个。优选地，厚度特征信息至少包括厚度平均值、极差值、水平差分值以及竖直差分值四个特征信息数值。

在本实施例中，与提取的厚度特征信息对应地，上述厚度特征信息提取算法包括：均值计算算法、极差确定算法、水平差分算法、竖直差分算法等算法。

在s103中，通过预设的厚度相似度算法，将所述待检测纸币的厚度特征信息与预设的厚度模板进行厚度相似度运算。

在本实施例中，通过预设的厚度相似算法，将提取到的厚度特征信息与预设的厚度模板进行厚度相似度运算，得到该纸币与预设的厚度模板的相似度。由于提取得到的厚度特征信息能够较好地表示该纸币的厚度特征，若这些特征与厚度模板的相似度较大，则推断该纸币即包含所有该厚度模板的所有特征。

在本实施例中，得到运算结果后，将执行s104的相关步骤，对纸币表面是否存在异物进行判断。

在本实施例中，预设的厚度模板可以为一个，也可以为至少两个。当所述厚度模板存在至少两个时，分别将该纸币对应的厚度特征信息与每个厚度模板进行相似度运算，根据相似度运算结果，判断该纸币对应的厚度模板。

在s104中，根据运算结果判断所述待检测纸币的表面是否存在异物

在本实施例中，当运算结果表示所述纸币的厚度存在异常情况时，则确定该纸币表面存在异物；当运算结果表示所述识别的厚度在正常的波动范围内，则确定该纸币表面存在异物。

可选地，当判断纸币表面存在异物时，将对其进行分拣，放置于异物纸币存放处，以便纸币分拣人员对其进行人工确认，进一步判断该纸币是否需要进行下一步的处理。

以上可以看出，本发明实施例提供的一种纸币表面异物的检测方法通过获取待检测纸币的厚度数据；根据所述待检测纸币的厚度数据以及预设的厚度特征信息提取算法，提取所述厚度数据中包含的厚度特征信息；通过预设的厚度相似度算法，将所述待检测纸币的厚度特征信息与预设的厚度模板进行厚度相似度运算；根据运算结果判断所述待检测纸币的表面是否存在异物，从而可以通过获取待测纸币的厚度数据，与预设的模板进行匹配，确定该纸币的厚度是否正常，由于当纸币粘有胶纸、米粒等异物时，将改变整张纸币的厚度的极值、均值等信息，当该纸币厚度数据与正常纸币的模板的相似度较低时、或与异常纸币模板的相似度较高时，则可判断纸币是否存在异物，从而实现了计算设备识别纸币表面是否存在异物的目的，不再依赖人工进行判断识别，提高了纸币整理的效率。

图2示出了本发明另一实施例提供的一种纸币表面异物的检测方法的流程图。参见图2所述，相对于上一实施例，本实施例提供的一种纸币表面异物的检测方法还包括以下步骤，详述如下：

进一步地，作为本发明的另一实施例，在所述获取待检测纸币的厚度数据前还包括：

在s201中，通过预设的纸币面向识别算法，识别待检测纸币的面向信息。

在本实施例中，由于纸币在不同面向时，其厚度数据的方向向量也将受到影响，举例性地，当纸币处于正面正方向时，其厚度数据中某一方向向量为则当纸币处于反面反方向是，该方向向量则为在计算相似度时，将会使得判别不准确，因此需对纸币面向进行识别。

在本实施例中，所述纸币面向包括四个面向，分别为：正面正方向、正面反方向、反面正方向以及反面反方向。纸币表面异物的检测装置可以通过内置的面向识别算法，对纸币的面向进行识别，或通过外置的纸币面向装置，进行纸币面向识别后，发送该纸币对应的面向信息至纸币表面异物的检测装置，从而获取到该纸币的面向信息。

可选地，在本实施例中，根据待检测纸币的面向信息，对纸币进行旋正操作，以使待检测的纸币均处于正面正方向。通过对待检测纸币进行旋正操作，统一待检测纸币在进行厚度数据测量时的面向信息。因而，不需要存储多个面向对应的厚度模板，只需存储正面正方向的厚度模板即可。

在s202中，根据所述待检测纸币的面向信息，确定所述面向信息对应的所述预设的厚度模板。

在本实施例中，纸币表面异物的检测装置存储器中包含了各个面向对应的厚度模板，根据获取得到的待检测的纸币的面向信息，选取对应的厚度模板信息。可选地，每个面向对应的厚度模板可以为一个，可以为至少两个。举例性地，每个面向对应于3个厚度模板，分别为第一正常纸币厚度模板、第二正常纸币厚度模板以及异常纸币厚度模板。因此，四个面向将一共包含12个厚度模板，均存储于纸币表面异物的检测装置内。

在本发明实施例中，通过对待检测的纸币的面向进行识别，从而选取该面向对应的厚度模板，消除了因厚度数据中的方向向量在进行相似度运算时的影响，从而提高了相似度计算的准确率，继而提高判断纸币表面是否存在异物的准确性。

进一步地，作为本发明的另一实施例，在所述获取待检测纸币的厚度数据前还包括：

在s203中，根据预设的纸币区域划分规则，对待检测纸币进行区域划分，得到多个待检测的纸币子区域。

在本实施例中，将根据预设的纸币区域划分规则，对待检测纸币整体进行区域划分操作，该区域划分操作为虚拟的区域划分，并非实际对待检测的纸币进行分割操作，换而言之，即将待检测的纸币区分为多个待检测的纸币子区域。

在本实施例中，每个待检测的纸币子区域可以是等面积划分，或按照预定的分割线进行区域划分。

优选地，在本实施例中，将纸币划分为多个纸币子区域后，将对每个纸币子区域都测量其对应的厚度数据。因而在s204及之后的步骤中，都分别对每个纸币子区域进行厚度特征值提取以及相似度计算，并根据多个纸币子区域的厚度特性判断待测纸币表面是否包含异物。

在本发明实施例中，通过将纸币划分为多个区域，继而提高了采集厚度数据的数量，从而提高了纸币表面异物的检测装置的检测准确率。

在s204中，获取待检测纸币的厚度数据。

由于s204与上一实施例中的步骤s101相同，具体请参阅上一实施例中步骤s101的相关描述，此处不再赘述。

需要说明的是，在s204中，还能获取在s203中划分得到的纸币子区域的厚度数据。

在s205中，根据所述待检测纸币的厚度数据以及预设的厚度特征信息提取算法，提取所述厚度数据中包含的厚度特征信息。

由于s205与上一实施例中的步骤s101相同，具体请参阅上一实施例中步骤s101的相关描述，此处不再赘述。

需要说明的是，在s205中，还能提取在s204中得到的纸币子区域的厚度数据中包含的厚度特征信息。

进一步地，作为本发明的另一实施例，所述预设的厚度模板包括标准纸币的厚度模板以及异常纸币的厚度模板；

所述通过预设的厚度相似度算法，将所述待检测纸币的厚度特征信息与预设的厚度模板进行厚度相似度运算具体为：

在s206中，通过预设的马氏距离算法，得到所述待检测纸币的厚度特征信息与标准纸币的厚度模板的第一马氏距离值，以及得到所述待检测纸币的厚度特征信息与异常纸币的厚度模板的第二马氏距离值。

在本实施例中，通过马氏距离算法，计算待检测纸币对应的厚度特征信息与厚度模板之间的马氏距离，根据马氏距离进而判定待测纸币对属于的哪一类厚度模板。

在本实施例中，预设的厚度模板包括了正常纸币的厚度模板以及异常纸币的厚度模板。上述正常纸币的厚度模板具体指的是将表面不存在任何异物的样本纸币，通过多次的模拟训练测量，得到的厚度模板；上述异常纸币的厚度模板具体指的是将包含异物的样本纸币，其中，异物所在纸币表面的位置随机确定，通过多次的模拟训练测量，得到的厚度模板。

在本实施例中，正常纸币的厚度模板与异常纸币的厚度模板包括的厚度特征信息条目相同，只是其中各厚度特征信息的内容具有差异。举例性地，正常纸币的厚度模板与异常纸币的厚度模板均包括：厚度均值、厚度极值、厚度极差、水平差分值、竖直差分值、特征向量以及协方差均值。

在本实施例中，将待检测的纸币的厚度特征信息，优选地，将待检测的纸币子区域的厚度特征信息，与正常纸币的厚度模板进行马氏距离计算，得到第一马氏距离；将待检测的纸币的厚度特征信息，优选地，将待检测的纸币子区域的厚度特征信息，与异常纸币的厚度模板进行马氏距离计算，得到第二马氏距离。具体地，通过纸币子区域的厚度特征信息计算马氏距离时，将匹配对应区域位置的正常纸币的厚度模板与之进行运算，同样地，也将匹配对应区域位置的异常纸币的厚度模板与之进行运算。换而言之，每个纸币子区域对应一个正常纸币的厚度模板以及异常纸币的厚度模板。

所述根据运算结果判断所述待检测纸币的表面是否存在异物具体为：

在s207中，根据所述第一马氏距离值以及所述第二马氏距离值，判断所述待检测纸币为正常纸币或异常纸币；其中，若判断所述待检测纸币为正常纸币，则确定所述待检测纸币的表面不存在异物；若判断所述待检测纸币为异常纸币，则确定所述待检测纸币的表面存在异物。

在本实施例中，当第一马氏距离值大于第二马氏距离值，则表明待检测的纸币或待检测的纸币子区域与异常纸币更为相似，则确定为异常纸币；反之，则表明待检测的纸币或待检测的纸币子区域与正常纸币更为相似，则确定为正常纸币。

在本实施例中，当第一马氏距离值与第二马氏距离值相同时，则重新获取待测纸币的厚度数据，重新计算对应的第一马氏距离值与第二马氏距离值；若重复检测后，两者的马氏距离值相同，则将该纸币确定为异常纸币。

在本实施例中，由于正常纸币的厚度模板与异常纸币的厚度模板，均通过样本纸币计算得到，因而，当待检测的纸币为正常纸币或异常纸币时，则表明其包含对应纸币的厚度特性，继而可以确定该纸币是否包含异物。

在本发明实施例中，通过马氏距离算法计算待测纸币与正常纸币以及异常纸币的相似度，继而通过得到的马氏距离值，确定待测纸币表面是否包含异物。由于马氏距离相对于欧式距离，各特征值间的相关性较大，从而当判断相似度时，具有更为准确的效果，提高了纸币表面异物的检测装置的检测准确率。

进一步地，作为本发明的另一实施例，所述根据运算结果判断所述待检测纸币的表面是否存在异物具体为：

在s208中，根据多个待检测的纸币子区域对应的运算结果，分别判断所述待检测的纸币子区域是否为异常纸币子区域。

在本实施例中，由于在s203中，通过预设的划分区域算法对待检测的纸币进行区域划分，得到多个纸币子区域，因而可以对每个纸币子区域得到的相似度运算结果进行分析，判断每个纸币子区域是否区域异常纸币子区域。

在s209中，判断所述待检测纸币包含的异常纸币子区域的个数是否大于预设阈值；若是，则所述待检测纸币的表面存在异物。

在本实施例中，当纸币子区域判断为异常纸币子区域的个数大于预设阈值，则表明该纸币包含大量厚度异常区域，而造成厚度异常的原因是由于纸币表面存在异物，因而，可直接判断该纸币的表面存在异物。

在本实施例中，预设阈值可根据用户的检测要求进行设定，也直接调用装置寄存器的数值。举例性地，当预设阈值为3时，则当纸币子区域判断为异常纸币子区域的个数大于3个时，这判断该纸币表面存在异物。优选地，当所述纸币子区域的个数大于预设阈值，则不再对余下的纸币子区域进行操作。

在本发明实施例中，通过统计异常子区域的数量，继而确定待检测纸币表面是否包含异物，使得判断的标准可根据用户的需求设置，提高了纸币表面异物的检测装置的用户体验度。另一方面，对于每个纸币子区域分别判断，可提高检测的准确率。

图3示出了本发明实施例提供的纸币表面异物的检测装置的结构框图，该纸币表面异物的检测装置包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。

参见图3，该纸币表面异物的检测装置包括：

厚度数据获取单元31，用于获取待检测纸币的厚度数据；

厚度特征信息提取单元32，用于根据所述待检测纸币的厚度数据以及预设的厚度特征信息提取算法，提取所述厚度数据中包含的厚度特征信息；

相似度计算单元33，用于通过预设的厚度相似度算法，将所述待检测纸币的厚度特征信息与预设的厚度模板进行厚度相似度运算；

表面异物判断单元34，用于根据运算结果判断所述待检测纸币的表面是否存在异物。

可选地，参见图4所示，在另一实施例中，该实施例中的纸币表面异物的检测装置包括的各单元用于运行图2对应的实施例中的各步骤，详述如下：

可选地，纸币表面异物的检测装置包括：

纸币面向识别单元41，用于通过预设的纸币面向识别算法，识别待检测纸币的面向信息；

厚度模板确定单元42，用于根据所述待检测纸币的面向信息，确定所述面向信息对应的所述预设的厚度模板。

可选地，所述纸币表面异物的检测装置还包括：

纸币区域划分单元43，用于根据预设的纸币区域划分规则，对待检测纸币进行区域划分，得到多个待检测的纸币子区域。

厚度数据获取单元44，用于获取待检测纸币的厚度数据。

厚度特征信息提取单元45，用于根据所述待检测纸币的厚度数据以及预设的厚度特征信息提取算法，提取所述厚度数据中包含的厚度特征信息。

可选地，所述预设的厚度模板包括标准纸币的厚度模板以及异常纸币的厚度模板。

所述相似度计算单元具体包括：

马氏距离计算单元46，用于通过预设的马氏距离算法，得到所述待检测纸币的厚度特征信息与标准纸币的厚度模板的第一马氏距离值，以及得到所述待检测纸币的厚度特征信息与异常纸币的厚度模板的第二马氏距离值。

所述表面异物判断单元具体包括：

马氏距离判定单元47，用于根据所述第一马氏距离值以及所述第二马氏距离值，判断所述待检测纸币为正常纸币或异常纸币；其中，若判断所述待检测纸币为正常纸币，则确定所述待检测纸币的表面不存在异物；若判断所述待检测纸币为异常纸币，则确定所述待检测纸币的表面存在异物。

可选地，所述表面异物判定单元具体包括

纸币子区域判定单元48，用于根据多个待检测的纸币子区域对应的运算结果，分别判断所述待检测的纸币子区域是否为异常纸币子区域；

纸币子区域确定单元49，用于判断所述待检测纸币包含的异常纸币子区域的个数是否大于预设阈值；若是，则所述待检测纸币的表面存在异物。

因此，本发明实施例提供的纸币表面异物的检测装置同样可以通过获取待检测纸币的厚度数据；根据所述待检测纸币的厚度数据以及预设的厚度特征信息提取算法，提取所述厚度数据中包含的厚度特征信息；通过预设的厚度相似度算法，将所述待检测纸币的厚度特征信息与预设的厚度模板进行厚度相似度运算；根据运算结果判断所述待检测纸币的表面是否存在异物，从而可以通过获取待测纸币的厚度数据，与预设的模板进行匹配，确定该纸币的厚度是否正常，由于当纸币粘有胶纸、米粒等异物时，将改变整张纸币的厚度的极值、均值等信息，当该纸币厚度数据与正常纸币的模板的相似度较低时、或与异常纸币模板的相似度较高时，则可判断纸币是否存在异物，从而实现了计算设备识别纸币表面是否存在异物的目的，不再依赖人工进行判断识别，提高了纸币整理的效率。

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发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统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。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，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，本发明实施例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(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例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、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。