一种基于步态的身份验证方法、装置、设备及存储介质与流程

本发明实施例涉及通信技术领域，尤其涉及一种基于步态的身份验证方法、装置、设备及存储介质。

背景技术：

步态识别是近年来越来越多的研究者所关注的一种新的生物认证技术。步态识别是指通过人的走路方式来识别人的身份的方法。

随着传感器不断的发展，可以通过传感器在人们无感知情况下，采集人体的步态数据，进而识别人的身份。目前常见的步态识别方法通常是采集人体的步态数据，带入分类模型去识别用户。在现有的步态识别分类模型通常采用knn(最临近算法，k-nearestneighbor)模型，在knn模型中存储两组样本数据，一组是本人样本数据，一组是非本人样本数据；当采集到待识别的步态数据时，根据欧式距离公式，计算待识别的步态数据与knn模型中所有样本数据的距离，选择k个最临近的样本数据构成邻居样本集，计算邻居样本集中本人样本数据和非本人样本数据分别占有的比例，若本人样本数据占有的比例大于非本人样本数据占有的比例，则待识别者是本人，否则待识别者不是本人。

现有技术中的识别方法需要计算待识别者的步态数据与模型中所有样本数据的距离，计算量特别大。且人走路具有很大的随意性，导致一个人的步态数据有好几种。可能某种步态数据在其k个最临近的样本数据中的本人样本数据很少，但是非本人样本数据很多，这样，会导致识别结果错误，降低用户身份识别效果。

技术实现要素：

本发明提供一种基于步态的身份验证方法、装置、设备及存储介质，以减少计算量，提高识别用户的效果。

第一方面，本发明实施例提供了一种基于步态的身份验证方法，所述方法包括：

采集待识别用户的当前步态数据；

计算所述当前步态数据与基准步态数据集中各个基准步态数据的距离；

根据所述当前步态数据与所述基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算所述当前步态数据对应的加权平均值；

根据所述加权平均值对所述待识别用户的身份进行验证。

第二方面，本发明实施例还提供了一种基于步态的身份验证装置，所述装置包括：采集模块、计算模块、验证模块；其中，

所述采集模块，用于采集待识别用户的当前步态数据；

所述计算模块，用于计算所述当前步态数据与基准步态数据集中各个基准步态数据的距离；

根据所述当前步态数据与所述基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算所述当前步态数据对应的加权平均值；

所述验证模块，用于根据所述加权平均值对所述待识别用户的身份进行验证。

第三方面，本发明实施例还提供了一种设备，其特征在于，所述设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述第一方面中任一所述的方法。

第四方面，本发明实施例还提供了一种存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行如上述第一方面中任一所述的方法。

本发明实施例的技术方案，通过采集待识别用户的当前步态数据，计算当前步态数据与基准步态数据集中各个基准步态数据的距离，根据当前步态数据与基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算当前步态数据对应的加权平均值，根据加权平均值对待识别用户的身份进行验证。以减少计算量，提高识别用户的效果。

附图说明

图1是本发明实施例一提供的基于步态的身份验证方法的流程图；

图2是本发明实施例二提供的基于步态的身份验证方法中模型训练的流程图；

图3是本发明实施例三提供的基于步态的身份验证方法的流程图；

图4是本发明实施例四提供的基于步态的身份验证装置的结构示意图；

图5是本发明实施例五提供的设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一提供的基于步态的身份验证方法的流程图，本实施例可适用于身份验证的情况，该方法可以由基于步态的身份验证装置来执行，如图1所示，基于步态的身份验证方法可以包括如下步骤：

s110、采集待识别用户的当前步态数据。

在本实施例中，当前步态数据是指待识别用户当前状态下的一个步态周期数据，一个步态周期是指步行中从一侧足跟着地始到同一侧足跟再次着地止。通过终端设备中的传感器采集待识别用户的当前步态数据。示例性的，传感器可以是加速传感器、陀螺仪传感器或重力传感器等。

s120、计算当前步态数据与基准步态数据集中各个基准步态数据的距离。

s130、根据当前步态数据与基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算当前步态数据对应的加权平均值。

在本实施例中，以有3个基准步态数据的基准步态数据集为例进行说明。示例性的，待识别用户的当前步态数据为[1，3]，基准步态数据集为{[1，2]：3；[3，3]：4；[1，8]：5}，其中，[1，2]，[3，3]，[1，8]为基准步态数据；3，4，5为对应的基准步态数据在基准步态数据集出现的次数。

根据欧式距离公式，

a[x1,y1]；＝[x2,y2]

计算当前步态数据与基准步态数据集中各个基准步态数据的距离。当前步态数据为[1，3]与基准步态数据[1，2]的距离为1，当前步态数据为[1，3]与基准步态数据[3，3]的距离为2，当前步态数据为[1，3]与基准步态数据[1，8]的距离为5。

各个基准步态数据在基准步态数据集出现的次数作为各个基准步态数据对应的加权值。根据当前步态数据与基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算当前步态数据对应的加权平均值。

加权平均值的公式，若n个数d1，d2，d3，……，dn的权重分别为w1，w2，w3，……，wn；这n个数的加权平均值为

根据上述公式计算当前步态数据对应的加权平均值。

当前步态数据为[1，3]与基准步态数据[1，2]的距离为1，加权值为3；当前步态数据为[1，3]与基准步态数据[3，3]的距离为2，加权值为4；当前步态数据为[1，3]与基准步态数据[1，8]的距离为5，加权值为5。

当前步态数据对应的加权平均值为：

s140、根据加权平均值对待识别用户的身份进行验证。

判断加权平均值是否小于预设阈值；当加权平均值小于预设阈值，对待识别者的身份验证通过，即待识别用户是本人，当加权平均值大于等于预设阈值时，对待识别者的身份验证不通过，即待识别用户不是本人。

进一步的，预设阈值的确定，可以根据实际情况人为设定，也可以根据准确率设置合适的阈值。其中准确率等于正确个数除以总个数。

示例性的，预设阈值设置为4，在s130中计算当前步态数据对应的加权平均值为3，加权平均值3小于预设阈值4。则说明待识别用户是本人。

本发明实施例的技术方案，通过采集待识别用户的当前步态数据，计算当前步态数据与基准步态数据集中各个基准步态数据的距离，根据当前步态数据与基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算当前步态数据对应的加权平均值，根据加权平均值对待识别用户的身份进行验证。以减少计算量，提高识别用户的效果。

实施例二

图2是本发明实施例二提供的基于步态的身份验证方法中模型训练的流程图，本实施例在上述各实施例的基础上，进一步增加了基于步态的身份验证方法中模型训练方法。如图2所示。基于步态的身份验证方法中模型训练可以包括如下步骤：

s210、采集待识别用户的当前样本步态数据。

在本实施例中，样本步态数据是指待识别用户的所有的步态数据。

s220、计算当前样本步态数据与预先确定的各个当前基准步态数据的距离。

s230、判断当前样本步态数据与任意一个当前基准步态数据的距离是否小于预设距离；若是则执行s240；若否则执行s250；

s240、当当前样本步态数据与任意一个当前基准步态数据的距离小于预设距离时，将当前基准步态数据对应的加权值加1；

s250、当当前样本步态数据与任意一个当前基准步态数据的距离均不小于预设距离时，将当前样本步态数据设置为新的当前基准步态数据。

在本实施例中，对于每一个待识别用户，以第一次出现的样本步态数据作为第一类基准步态数据，并进行计数，第一类基准步态数据对应个数是1；

计算第二条样本步态数据与第一类基准步态数据的距离，当第二条样本步态数据与第一类基准步态数据的距离小于预设距离，两条数据合并，并进行计数，第一类基准步态数据对应个数是2；

计算第三条样本步态数据与第一类基准步态数据的距离，当第三条样本步态数据与第一类基准步态数据的距离小于预设距离，将第三条样本步态数据合并入第一类数据基准步态数据，第一类基准步态数据对应个数是3；

计算第四条样本步态数据与第一类基准步态数据的距离，当第四条样本步态数据与第一类数据基准步态数据的距离不小于预设距离时，不再和第一类数据基准步态数据合并。而是以第四条样本步态数据作为第二类基准步态数据，第二类基准步态数据计数为1；

计算第五条样本步态数据与第一类基准步态数据的距离，并计算第五条样本步态数据与第二类基准步态数据的距离，如果第五条样本步态数据和第二类基准步态数据的距离小于预设距离，而第五条样本步态数据与第一类基准步态数据的距离大于预设距离，那么将第五条样本步态数据合并入第二类数据基准步态数据，第二类数据基准步态数据计数为2。如果当第五条样本步态数据和第二类基准步态数据距离小于预设距离，且第五条样本步态数据与第一类基准步态数据的距离也小于预设距离，那么将第五条样本步态数与距离最小的那一类基准步态数据合并。示例性的，如果第五条样本步态数据与第一类基准步态数据的距离小于第五条样本步态数据与第二类基准步态数据的距离，那么，第五条样本步态数据与第一类基准步态数据合并，第一类基准步态数据计数为4；如果第五条样本步态数据与第二类基准步态数据的距离小于第五条样本步态数据与第一类基准步态数据的距离，那么，第五条样本步态数据与第二类基准步态数据合并，第二类基准步态数据计数为2。

若出现新的样本步态数据，则以此类推，进行计算合并计数。

示例性的，第一次出现的样本步态数据为[1，2]；第二条样本步态数据为[2，1]；第三条样本步态数据为[1，3]；第四条样本步态数据为[2，2]；第五条样本步态数据为[2，5]；预设距离为2。

第一次出现的样本步态数据为[1，2]作为第一类基准步态数据[1，2]，第一类基准步态数据计数为1。

根据欧式距离公式，计算第二条样本步态数据[2，1]与第一类基准步态数据[1，2]的距离为，小于预设距离2，第二条样本步态数据[2，1]与第一类基准步态数据[1，2]合并，第一类基准步态数据[1，2]的计数记为2。

根据欧式距离公式，计算第三条样本步态数据为[1，3]与第一类基准步态数据[1，2]的距离为1，小于预设距离2，第三条样本步态数据[1，3]与第一类基准步态数据[1，2]合并，第一类基准步态数据[1，2]的计数记为3。

根据欧式距离公式，计算第四条样本步态数据为[2，4]与第一类基准步态数据[1，2]的距离为，大于预设距离2，则将第四条样本步态数据为[2，4]作为第二类基准步态数据[2，4]，第二类基准步态数据计数记为1。

根据欧式距离公式，计算第五条样本步态数据为[2，5]与第一类数据基准步态数据[1，2]的距离为大于预设距离2，计算第五条样本步态数据为[2，5]与第二类基准步态数据[2，4]的距离为1，小于预设距离2，则将第五条样本步态数据为[2，5]与第二类基准步态数据[2，4]进行合并，第二类数据基准步态数据计数记为2。

将第一类基准步态数据与第二类基准步态数据以及各自对应的个数构成基准步态数据集{[1，2]：3；[2，4]：2}。若采集到当前样本步态数据，当样本步态数据与任意一个当前基准步态数据的距离小于预设距离时，将当前基准步态数据对应的加权值加1；当前样本步态数据与任意一个当前基准步态数据的距离均不小于预设距离时，将当前样本步态数据设置为新的当前基准步态数据。以此类推，对样本步态数据进行计算合并计数，不断更新基准步态数据集。

本发明实施例提供的模型训练方法，通过采集待识别用户的当前样本步态数据，计算当前样本步态数据与预先确定的各个当前基准步态数据的距离，当当前样本步态数据与任意一个当前基准步态数据的距离小于预设距离时，将当前基准样本步态数据对应的加权值加1，当当前样本步态数据与任意一个当前基准步态数据的距离均不小于预设距离时，将当前样本步态数据设置为新的当前基准步态数据。解决了现有技术的计算方法中新数据与所有的训练数据计算距离，计算量比较大，在重复计算的问题和简单将训练数据去重，难免丢掉数据的大量信息的问题，可以降低模型训练计算量，又避免了数据信息的丢失。

实施例三

图3是本发明实施例三提供的基于步态的身份验证方法的流程图，本实施例在上述各实施例的基础上，优化了基于步态的身份验证方法，如图3所示，基于步态的身份验证方法可以包括如下步骤：

s310、采集待识别用户的当前步态数据。

s320、计算当前步态数据与基准步态数据集中各个基准步态数据的距离。

s330、在全部基准步态数据中获取与当前步态数据距离最小的预设数量的基准步态数据。

s340、根据与当前步态数据距离最小的预设数量的基准数据，以及与当前步态数据距离最小的预设数量的基准步态数据对应的加权值，计算当前步态数据对应的加权平均值。

在本实施例中，在实施例一中计算的当前步态数据与基准步态数据集中各个基准步态数据的距离的基础上进行说明。当前步态数据为[1，3]与基准步态数据[1，2]的距离为1，当前步态数据为[1，3]与基准步态数据[3，3]的距离为2，当前步态数据为[1，3]与基准步态数据[1，8]的距离为5。在全部基准步态数据中获取与当前步态数据距离最小的预设数量的基准步态数据。示例性的，预设数量为2。在3个基准步态数据中获取2个与当前步态数据距离最小基准步态数据，即为基准步态数据[1，2]和基准步态数据[3，3]。

在基准步态数据集中，获取基准步态数据[1，2]和基准步态数据[3，3]分别对应的次数，作为各自的加权值。获取基准步态数据[1，2]的加权值为3，基准步态数据[3，3]加权值为4。

当前步态数据对应的加权平均值为：

s350、判断加权平均值是否小于预设阈值。

s360、当加权平均值小于预设阈值，对待识别者的身份验证通过。

s370、当加权平均值小于预设阈值，对待识别者的身份验证不通过。

判断加权平均值是否小于预设阈值；当加权平均值小于预设阈值，对待识别者的身份验证通过，即待识别用户是本人，当加权平均值大于等于预设阈值时，对待识别者的身份验证不通过，即待识别用户不是本人。

进一步的，预设阈值的确定，可以根据实际情况人为设定，也可以根据准确率设置合适的阈值。其中准确率＝正确个数除以总个数。

示例性的，预设阈值设置为4，在s340中计算当前步态数据对应的加权平均值为加权平均值小于预设阈值4。则说明待识别用户是本人。

进一步的，在进需要验证一次用户身份的情况下，采集到待识别用户的多条步态数据，且这几条步态数据验证的结果不一样时，可以根据验证通过的步态数据在所有步态数据中所占的比例确定验证结果。进一步的，计算验证通过的步态数据在所有步态数据中所占的比例，当验证通过的步态数据在所有步态数据中所占的比例大于预设比例时，则身份验证通过；否则，身份验证不通过。

本发明实施例中通过在全部基准步态数据中获取与当前步态数据距离最小的预设数量的基准步态数据，根据与当前步态数据距离最小的预设数量的基准步态数据，以及与当前步态数据距离最小的预设数量的基准步态数据对应的加权值，计算当前步态数据对应的加权平均值，判断加权平均值是否小于预设阈值，当加权平均值小于预设阈值，对待识别者的身份验证通过。以减少计算量，提高识别用户的效果。

实施例四

图4是本发明实施例四提供的基于步态的身份验证装置的结构示意图，本实施例可适用于身份验证的情况，该基于步态的身份验证装置的具体结构如下：采集模块410、计算模块420、验证模块430；其中，

采集模块410，用于采集待识别用户的当前步态数据。

计算模块420，用于计算当前步态数据与基准步态数据集中各个基准步态数据的距离；根据当前步态数据与基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算当前步态数据对应的加权平均值。

验证模块430，用于根据加权平均值对待识别用户的身份进行验证。

进一步的，采集模块410，还用于采集待识别用户的当前样本步态数据。

计算模块420，还用于计算当前样本步态数据与预先确定的各个当前基准步态数据的距离；当当前样本步态数据与任意一个当前基准步态数据的距离小于预设距离时，将当前基准样本步态数据对应的加权值加1；当当前样本步态数据与任意一个当前基准步态数据的距离均不小于预设距离时，将当前样本步态数据设置为新的当前基准步态数据。

进一步的，计算模块420包括：获取单元和计算单元；其中，

获取单元，用于在全部基准步态数据中获取与当前步态数据距离最小的预设数量的基准步态数据；

计算单元，用于根据与当前步态数据距离最小的预设数量的基准步态数据，以及与当前步态数据距离最小的预设数量的基准步态数据对应的加权值，计算当前步态数据对应的加权平均值。

进一步的，验证模块，具体用于判断加权平均值是否小于预设阈值；当加权平均值小于预设阈值，对待识别者的身份验证通过。

本发明实施例提供的基于步态的身份验证装置，通过采集待识别用户的当前步态数据，计算当前步态数据与基准步态数据集中各个基准步态数据的距离，根据当前步态数据与基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算当前步态数据对应的加权平均值，根据加权平均值对待识别用户的身份进行验证。以减少计算量，提高识别用户的效果。

本发明实施例所提供的基于步态的身份验证装置可执行本发明任意实施例所提供的基于步态的身份验证方法，具备执行方法相应的功能模块和有益效果。

实施例五

图5为本发明实施例五提供的设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备512的框图。图5显示的设备512仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，设备512以通用设备的形式表现。设备512的组件可以包括但不限于：一个或者多个处理器或者处理单元516，系统存储器528，连接不同系统组件(包括系统存储器528和处理单元516)的总线518。

总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。

设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备512访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)530和/或高速缓存存储器532。设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统534可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom，dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。系统存储器528可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块542的程序/实用工具540，可以存储在例如系统存储器528中，这样的程序模块542包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。

设备512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信，还可与一个或者多个使得用户能与该设备512交互的设备通信，和/或与使得该设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口522进行。并且，设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器520通过总线518与设备512的其它模块通信。应当明白，尽管图中未示出，可以结合设备512使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元516通过运行存储在系统存储器528中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的基于步态的身份验证方法：

采集待识别用户的当前步态数据。

计算当前步态数据与基准步态数据集中各个基准步态数据的距离。

根据当前步态数据与基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算当前步态数据对应的加权平均值。

根据加权平均值对待识别用户的身份进行验证。

进一步的，在采集待识别用户的当前步态数据之前，基于步态的身份验证方法还包括：

采集待识别用户的当前样本步态数据；

计算当前样本步态数据与预先确定的各个当前基准步态数据的距离；

当当前样本步态数据与任意一个当前基准步态数据的距离小于预设距离时，将当前基准步态数据对应的加权值加1；

当当前样本步态数据与任意一个当前基准步态数据的距离均不小于预设距离时，将当前样本步态数据设置为新的当前基准步态数据。

进一步的，根据当前步态数据与基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算当前步态数据对应的加权平均值，包括：

在全部基准步态数据中获取与当前步态数据距离最小的预设数量的基准步态数据；

根据与当前步态数据距离最小的预设数量的基准步态数据，以及与当前步态数据距离最小的预设数量的基准步态数据对应的加权值，计算当前步态数据对应的加权平均值。

进一步的，根据加权平均值对待识别者的身份进行验证，包括：

判断加权平均值是否小于预设阈值；

当加权平均值小于预设阈值，对待识别者的身份验证通过。

本发明实施例提供的设备，通过采集待识别用户的当前步态数据，计算当前步态数据与基准步态数据集中各个基准步态数据的距离，根据当前步态数据与基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算当前步态数据对应的加权平均值，根据加权平均值对待识别用户的身份进行验证。以减少计算量，提高识别用户的效果。

实施例六

本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的基于步态的身份验证方法：

采集待识别用户的当前步态数据。

计算当前步态数据与基准步态数据集中各个基准步态数据的距离。

根据当前步态数据与基准步态数据集中各个基准步态数据的全部距离及与预先保存的各个基准步态数据对应的加权值，计算当前步态数据对应的加权平均值。

根据加权平均值对待识别用户的身份进行验证。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是--但不限于--电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。