基于PAI的状态评估方法、装置、设备和存储介质与流程

本申请涉及数据处理技术领域，尤其涉及一种基于pai的状态评估方法、装置、设备和存储介质。

背景技术：

目前，相关研究中对于睡眠质量的评估主要着眼于不同睡眠阶段在睡眠中所占比例，或者分析个体睡眠期间心率变异率的变化来评估身体恢复情况。

然而，相关技术对于睡眠质量的评估基本都是依据睡眠期间各种睡眠阶段所占比例来评估睡眠质量，对于睡眠质量的评估无法实时进行，以及无法对用户整个状态进行评估。

技术实现要素：

本申请旨在至少在一定程度上解决上述提到的技术问题之一。

为此，本申请的第一个目的在于提出一种基于pai的状态评估方法，解决了现有技术中基于pai的状态评估方式效率低且不够全面的技术问题，通过睡眠质量和pai值对用户在目标时间段的状态进行量化评估，提高用户状态评估的准确性。

本申请的第二个目的在于提出一种基于pai的状态评估装置。

本申请的第三个目的在于提出一种计算机设备。

本申请的第四个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本申请第一方面实施例提出了一种基于pai的状态评估方法，包括：

根据用户的基础信息和目标时间段的心率数据计算个人运动机能指数pai值；

获取所述目标时间段中目标睡眠时间段内的各个单位时间实时心率和基准心率；

计算每个单位时间实时心率与所述基准心率的心率差值，获取每个单位时间心率差值；

对根据所述每个单位时间心率差值进行处理，获取睡眠质量分数值，并根据所述睡眠质量分数值和所述pai值计算所述目标时间段的状态评估分数值。

在本申请的一个实施例中，所述获取所述目标睡眠时间段内的基准心率，包括：

获取穿戴设备采集的静息心率；或，

计算所述目标睡眠时间段内的平均心率；或，

获取所述用户的历史平均心率。

在本申请的一个实施例中，所述对根据所述每个单位时间心率差值进行处理，获取睡眠质量分数值，包括；

对所述每个单位时间心率差值进行归一化处理，获取归一化心率差值；

对所述归一化心率差值进行处理，根据处理结果和所述目标睡眠时间段，获取所述睡眠质量分数值。

在本申请的一个实施例中，所述根据所述睡眠质量分数值和所述pai值计算所述目标时间段的状态评估分数值，包括：

获取所述睡眠质量分数值对应的第一权重系数；

获取所述pai值对应的第二权重系数；其中，所述第一权重系数和所述第二权重系数的和为1；

分别对所述睡眠质量分数值和所述pai值进行归一化处理后，与对应的所述第一权重系数和所述第二权重系数进行相乘后相加处理，获取所述状态评估分数值。

在本申请的一个实施例中，所述的方法，还包括：获取多个用户的入睡时间样本和起床时间样本；

计算多个所述入睡时间样本的平均入睡时间；

计算多个所述起床时间样本的平均起床时间；

根据所述平均入睡时间和所述平均起床时间，确定所述目标睡眠时间段。

为达上述目的，本申请第二方面实施例提出了一种基于pai的状态评估装置，包括：

第一计算模块，用于根据用户的基础信息和目标时间段的心率数据计算个人运动机能指数pai值；

第一获取模块，用于获取所述目标时间段中目标睡眠时间段内的各个单位时间实时心率和基准心率；

第二计算模块，用于计算每个单位时间实时心率与所述基准心率的心率差值，获取每个单位时间心率差值；

处理模块，用于对根据所述每个单位时间心率差值进行处理，获取睡眠质量分数值；

第三计算模块，用于根据所述睡眠质量分数值和所述pai值计算所述目标时间段的状态评估分数值。

在本申请的一个实施例中，所述获取模块，具体用于：

获取穿戴设备采集的静息心率；或，

计算所述目标睡眠时间段内的平均心率；或，

获取所述用户的历史平均心率。

在本申请的一个实施例中，所述处理模块，具体用于；

对所述每个单位时间心率差值进行归一化处理，获取归一化心率差值；

对所述归一化心率差值进行处理，根据处理结果和所述目标睡眠时间段，获取所述睡眠质量分数值。

在本申请的一个实施例中，所述第三计算模块，具体用于：

获取所述睡眠质量分数值对应的第一权重系数；

获取所述pai值对应的第二权重系数；其中，所述第一权重系数和所述第二权重系数的和为1；

分别对所述睡眠质量分数值和所述pai值进行归一化处理后，与对应的所述第一权重系数和所述第二权重系数进行相乘后相加处理，获取所述状态评估分数值。

在本申请的一个实施例中，所述的装置，还包括：

第二获取模块，用于获取多个用户的入睡时间样本和起床时间样本；

第四计算模块，用于获计算多个所述入睡时间样本的平均入睡时间；

第五计算模块，用于计算多个所述起床时间样本的平均起床时间；

确定模块，用于根据所述平均入睡时间和所述平均起床时间，确定所述目标睡眠时间段。

为达上述目的，本申请第三方面实施例提出了一种计算机设备，包括：存储器、处理器及存储在所述存储器上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，实现如上述实施例所描述的基于pai的状态评估方法。

为了实现上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，使得处理器能够实现如上述实施例所描述的基于pai的状态评估方法。

本申请提供的技术方案，至少具有如下有益技术效果：

根据用户的基础信息和目标时间段的心率数据计算个人运动机能指数pai值；获取目标时间段中目标睡眠时间段内的各个单位时间实时心率和基准心率；计算每个单位时间实时心率与基准心率的心率差值，获取每个单位时间心率差值；对根据每个单位时间心率差值进行处理，获取睡眠质量分数值，并根据睡眠质量分数值和pai值计算目标时间段的状态评估分数值。由此，通过睡眠质量和pai值对用户在目标时间段的状态进行量化评估，提高用户状态评估的准确性。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请实施例所提供的一种基于pai的状态评估方法的流程示意图；

图2为本申请实施例所提供的另一种基于pai的状态评估方法的流程示意图；

图3为本申请实施例所提供的又一种基于pai的状态评估方法的流程示意图；

图4为本申请实施例所提供的实时心率与静息心率的偏差示例图；

图5为本申请实施例所提供的心率差值归一化的示例图；

图6为本申请实施例所提供的积分效果的示例图；

图7为本申请实施例提供的一种基于pai的状态评估装置的结构示意图；

图8为本申请实施例提供的另一种基于pai的状态评估装置的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的基于pai的状态评估方法、装置、设备和存储介质。其中，本申请实施例的基于pai的状态评估方法的执行主体，可以是任意便携式终端设备，该终端设备可以是手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统的硬件设备，该穿戴式设备可以是智能手环、智能手表、智能眼镜等。

图1为本申请实施例所提供的一种基于pai的状态评估方法的流程示意图。如图1所示，该基于pai的状态评估方法包括：

步骤101，根据用户的基础信息和目标时间段的心率数据计算个人运动机能指数pai值。

在本申请实施例中，pai(personalactivityintelligence，个人运动智能指数)可以量化用户过去一段时间(比如一周)的有效运动，即当足量的、能够有效提升心率的运动发生时pai值得以增加。

在本申请实施例中，通过智能佩戴设备等接收用户输入的基础信息，比如年龄、性别、体重等基础信息，以及通过智能佩戴设备等中设置的传感器获取心率数据，比如静息心率、分钟级心率等，具体根据应用场景选择获取。

在本申请实施例中，根据用户的基础信息和目标时间段的心率数据计算个人运动机能指数pai值的方式有很多种，举例说明如下：

第一种示例，相关专利cn107077523a通过公式(1)-(8)根据年龄、性别、静息心率和实时心率进行计算个人运动机能指数pai。

具体地：

v＝a2，1，3+a2，1，4(1-e^-z)(2)

hrth＝rhr+hrr×0.2(6)

hrr＝mhr-rhr(7)

mhr＝a2，1，6-a2，1，7×age(8)

其中，hr(t)是实时心率；t是积分时间；rhr表示用户的静息心率；age表示用户的年龄；{a2，1，i|i＝1，2，...，7}是一组系数，系数针对不同人群需要经过统计校准。

因此，在心率超过某个阈值并维持一段时间的情况下，判断这段时间内用户心脏机能得到了有效锻炼，因此pai值加分，相应健康风险会降低。

其中，比如pai值计算时公式(3)内的积分时间t为7天，计分周期为1天，即每天对前7天数据积分计算输出一个pai值，每个用户的输出为向量型序列值。

第二种示例，根据性别、动态心率、最大心率和静息心率通过相关公式、模型计算获取个人运动机能指数pai。

步骤102，获取目标时间段中目标睡眠时间段内的各个单位时间实时心率和基准心率。

在本申请实施例中，目标时间段可以根据应用场景需要选择设置，比如为1天。

在本申请实施例中，确定目标睡眠时间段的方式有很多种，可以根据应用场景需要选择设置，作为一种示例，比如图2所示：

步骤201，获取多个用户的入睡时间样本和起床时间样本。

步骤202，计算多个所入睡时间样本的平均入睡时间，计算多个起床时间样本的平均起床时间。

步骤203，根据平均入睡时间和平均起床时间，确定目标睡眠时间段。

具体地，以目标时间段为1天为例，不同用户之间入睡和起床时间的差异性，同样睡眠时间的人群睡眠的收益可能差异性很大，相关技术中，入睡时间应在9:00pm-0:00am之间，起床时间应在入睡时间7-9小时之后。因此，本申请的目标睡眠时间段指某个人群当中的平均入睡时间到平均起床时间，对于个人来说，凡是在核心睡眠时间段以内的睡眠才被称为有效睡眠，否则被当作无效睡眠。由此，进一步提高睡眠质量分数值计算的准确性。

在本申请实施例中，可以通过智能佩戴设备采集目标睡眠时间段内的各个单位时间实时心率和基准心率，其中，每单位时间可以是每分钟、每秒钟，具体根据应用场景设置。

在本申请实施例中，获取目标睡眠时间段内的基准心率的方式有很多种，举例说明如下：

第一种示例，获取穿戴设备采集的静息心率。

第二种示例，计算目标睡眠时间段内的平均心率。

第三种示例，获取用户的历史平均心率。

步骤103，计算每个单位时间实时心率与基准心率的心率差值，获取每个单位时间心率差值。

步骤104，对根据每个单位时间心率差值进行处理，获取睡眠质量分数值，并根据睡眠质量分数值和pai值计算目标时间段的状态评估分数值。

在本申请实施例中，计算每个单位时间实时心率与基准心率的心率差值，即每单位时间实时心率减去基准心率的差值，为每个单位时间心率差值。

可以理解的是，使用基准心率比如静息心率和夜间睡眠实时心率结合判断睡眠期间人体处于交感神经系统或者副交感神经系统主导的状态，从而判断人体是否处于恢复的状态，恢复程度则以实时心率与基准心率偏差的程度来估计。

具体地，当副交感神经系统调整占主导时，心率低，心率变异率高，可以认为是一个恢复/放松的阶段；当交感神经调整占主导时，心率提升，心率变异率一般会低于其基准线水平，可以认为这个阶段存在一定的压力因素。

在本申请实施例中，对根据每个单位时间心率差值进行处理，获取睡眠质量分数值的方式有很多种，举例说明如下。

第一种示例，对每个单位时间心率差值进行归一化处理，获取归一化心率差值；对归一化心率差值进行取幂并进行积分处理，根据积分结果和目标睡眠时间段，获取睡眠质量分数值。

第二种示例，对每个单位时间心率差值进行归一化处理，获取归一化心率差值；对归一化心率差值进行取幂，获取取幂后的函数对应的总面积值和目标睡眠时间段，获取睡眠质量分数值。

在本申请实施例中，根据睡眠质量分数值和pai值计算所述目标时间段的状态评估分数值的方式有很多种，举例说明如下。

第一种示例，获取睡眠质量分数值对应的第一权重系数，获取pai值对应的第二权重系数；其中，第一权重系数和所述第二权重系数的和为1；分别对睡眠质量分数值和所述pai值进行归一化处理后，与对应的第一权重系数和第二权重系数进行相乘后相加处理，获取状态评估分数值。

第二种示例，计算睡眠质量分数值和pai值的平均值作为状态评估分数值。

综上，本实施例的基于pai的状态评估方法，通过根据用户的基础信息和目标时间段的心率数据计算个人运动机能指数pai值；获取目标时间段中目标睡眠时间段内的各个单位时间实时心率和基准心率；计算每个单位时间实时心率与基准心率的心率差值，获取每个单位时间心率差值；对根据每个单位时间心率差值进行处理，获取睡眠质量分数值，并根据睡眠质量分数值和pai值计算目标时间段的状态评估分数值。由此，通过睡眠质量和pai值对用户在目标时间段的状态进行量化评估，提高用户状态评估的准确性。

为了本领域人员更加清楚上述过程，结合图3进行详细说明。

图3为本申请实施例所提供的又一种基于pai的状态评估方法的流程示意图。如图3所示，该基于pai的状态评估方法包括：

步骤301，根据用户的基础信息和目标时间段的心率数据计算个人运动机能指数pai值。

在本申请实施例中，pai(personalactivityintelligence，个人运动智能指数)可以量化用户过去一段时间(比如一周)的有效运动，即当足量的、能够有效提升心率的运动发生时pai值得以增加。

在本申请实施例中，通过智能佩戴设备等接收用户输入的基础信息，比如年龄、性别、体重等基础信息，以及通过智能佩戴设备等中设置的传感器获取心率数据，比如静息心率、分钟级心率等，具体根据应用场景选择获取。

在本申请实施例中，根据用户的基础信息和目标时间段的心率数据计算个人运动机能指数pai值的方式有很多种，举例说明如下：

第一种示例，通过公式(1)-(8)根据年龄、性别、静息心率和实时心率进行计算个人运动机能指数pai。

具体地：

v＝a2，1，3+a2，1，4(1-e^-z)(2)

hrth＝rhr+hrr×0.2(6)

hrr＝mhr-rhr(7)

mhr＝a2，1，6-a2，1，7×age(8)

其中，hr(t)是实时心率；t是积分时间；rhr表示用户的静息心率；age表示用户的年龄；{a2，1，i|i＝1，2，...，7}是一组系数，系数针对不同人群需要经过统计校准。

因此，在心率超过某个阈值并维持一段时间的情况下，判断这段时间内用户心脏机能得到了有效锻炼，因此pai值加分，相应健康风险会降低。

其中，比如pai值计算时公式(3)内的积分时间t为7天，计分周期为1天，即每天对前7天数据积分计算输出一个pai值，每个用户的输出为向量型序列值。

第二种示例，根据性别、动态心率、最大心率和静息心率通过相关公式、模型计算获取个人运动机能指数pai。

步骤302，获取目标时间段中目标睡眠时间段内的各个单位时间实时心率和静息心率。

步骤303，计算每个单位时间实时心率与静息心率的心率差值，获取每个单位时间心率差值。

步骤304，对每个单位时间心率差值进行归一化处理，获取归一化心率差值，对归一化心率差值进行处理，根据处理结果和目标睡眠时间段，获取睡眠质量分数值。

步骤305，获取睡眠质量分数值对应的第一权重系数，获取pai值对应的第二权重系数，分别对睡眠质量分数值和pai值进行归一化处理后，与对应的第一权重系数和第二权重系数进行相乘后相加处理，获取状态评估分数值。

具体地，目标睡眠时间段实时心率变化记为hr(t)，如图4，睡眠时的心率检测为能够获取每一分钟的心率，使得结果会更加准确，更符合人睡眠结束后的实际体验。

具体地，计算每分钟实时心率与静息心率差值，得到实时心率与静息心率的偏差程度，如图4：dhr(t)＞0时，表示身体处于副交感神经系统占主导的恢复状态，dhr(t)＜0时，表示身体处于交感神经系统占主导的状态，身体恢复程度降低；其中，dhr(t)＝rhr-hr(t)。

具体地，对每分钟心率差值做归一化，实现将心率差值归一化到[-1，1]区间内，如图5所示，为了保证后续取差值的幂运算中数值避免过大，进而保证最终分数不至于过大，

具体地，对归一化心率差值取自然底数e的幂，然后积分并进行平均更具体地，对归一化心率差值取自然底数e的幂是基于睡眠阶段身体整体是处于恢复的状态的，即使是交感神经系统占主导也存在一定程度的恢复，区别在于恢复的程度多少。对归一化心率差值取幂值之后能够保证最终得到的分数始终大于0，积分效果如图6所示曲线下的黑色部分即积分结果；其中，v(t)＝exp(normaldhr(t))，

具体地，上式中的到的积分值v即表示身体恢复程度，再根据时长对分值做平均，m＝t2-t1，

最后结合pai、睡眠质量分数值得到一个整体状态的状态评估分数值：

其中，dhr(t)表示静息心率与夜间睡眠的实时心率随时间变化的心率差值；maxdhr表示心率差值可能的最大值，可以默认为255；normaldhr(t)表示标准化之后的随时间变化的心率差值；v(t)表示差值的自然底数e的幂；v是对v(t)的积分；m是积分开始时间和结束时间间隔的分钟数；rss即最终的睡眠质量分数值；δ表示最终分数中pai分数所占比例，且用到的pai是当天的pai值；α，β分别是pai和rss的归一化参数，可以根据实际分数区间进行确定。

由此，基于夜间睡眠的实时心率和静息心率对身体恢复情况评估，进而对睡眠质量进行打分，实时评估睡眠质量，并结合pai可以对状态进行评估，提高用户状态评估的准确性。

为了实现上述实施例，本申请还提出一种基于pai的状态评估装置。

图7为本申请实施例提供的一种基于pai的状态评估装置的结构示意图。

如图7所示，该基于pai的状态评估装置包括：第一计算模块701、第一获取模块702、第二计算模块703、处理模块704和第三计算模块705。其中，

第一计算模块701，用于根据用户的基础信息和目标时间段的心率数据计算个人运动机能指数pai值。

第一获取模块702，用于获取所述目标时间段中目标睡眠时间段内的各个单位时间实时心率和基准心率。

第二计算模块703，用于计算每个单位时间实时心率与所述基准心率的心率差值，获取每个单位时间心率差值。

处理模块704，用于对根据所述每个单位时间心率差值进行处理，获取睡眠质量分数值。

第三计算模块705，用于根据所述睡眠质量分数值和所述pai值计算所述目标时间段的状态评估分数值。

在本申请的一个实施例中，第一获取模块702，具体用于：获取穿戴设备采集的静息心率；和/或，计算所述目标睡眠时间段内的平均心率；和/或，获取所述用户的历史平均心率。

在本申请的一个实施例中，处理模块704，具体用于；对所述每个单位时间心率差值进行归一化处理，获取归一化心率差值；对所述归一化心率差值进行取幂并进行积分处理，根据积分结果和所述目标睡眠时间段，获取所述睡眠质量分数值。

在本申请的一个实施例中，第三计算模块705，具体用于：获取所述睡眠质量分数值对应的第一权重系数；获取所述pai值对应的第二权重系数；其中，所述第一权重系数和所述第二权重系数的和为1；分别对所述睡眠质量分数值和所述pai值进行归一化处理后，与对应的所述第一权重系数和所述第二权重系数进行相乘后相加处理，获取所述状态评估分数值。

在本申请的一个实施例中，在本申请的一个实施例中，如图8所示，在如图7所示的基础上，该装置还包括：第二获取模块706、第四计算模块707、第五计算模块708和确定模块709。

第二获取模块706，用于获取多个用户的入睡时间样本和起床时间样本。

第四计算模块707，用于获计算多个所述入睡时间样本的平均入睡时间。

第五计算模块708，用于计算多个所述起床时间样本的平均起床时间。

确定模块709，用于根据所述平均入睡时间和所述平均起床时间，确定所述目标睡眠时间段。

需要说明的是，前述对基于pai的状态评估方法实施例的解释说明也适用于该实施例的基于pai的状态评估装置，此处不再赘述。

综上，本实施例的基于pai的状态评估装置，通过根据用户的基础信息和目标时间段的心率数据计算个人运动机能指数pai值；获取目标时间段中目标睡眠时间段内的各个单位时间实时心率和基准心率；计算每个单位时间实时心率与基准心率的心率差值，获取每个单位时间心率差值；对根据每个单位时间心率差值进行处理，获取睡眠质量分数值，并根据睡眠质量分数值和pai值计算目标时间段的状态评估分数值。由此，通过睡眠质量和pai值对用户在目标时间段的状态进行量化评估，提高用户状态评估的准确性。

为了实现上述实施例，本申请还提出一种计算机设备，包括存储器、处理器及存储在所述存储器上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，实现如上述实施例所述的基于pai的状态评估方法。

为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，使得能够执行上述实施例所述的基于pai的状态评估方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。