声纹信息提取方法、装置、电子设备及存储介质与流程

1.本技术涉及音频处理技术领域，更具体地，涉及一种声纹信息提取方法、装置、电子设备及存储介质。


背景技术：

2.声纹识别是一种借助声音完成对语音用户身份识别的技术，是语音领域重要的研究方向之一。随着计算机技术的不断发展，声纹识别在近年来得到很大的发展，加上方便有效的特点，其已然成为一种高效的身份识别方法，在公安、银行、智能家居中都有着广泛地应用。
3.目前，可以通过样本对深度神经网络进行训练，得到声纹提取模型，然后通过声纹提取模型对待提取语音信息进行声纹提取。但是，采用该方法对待提取语音信息进行声纹提取，提取的声纹信息的准确率较低。


技术实现要素：

4.有鉴于此，本技术实施例提出了一声纹信息提取方法、装置、电子设备及存储介质。
5.第一方面，本技术实施例提供了一种声纹信息提取方法，所述方法包括：通过声纹提取模型对目标语音信息进行处理，得到对应所述目标语音信息的目标协方差、目标方差以及目标均值；通过所述声纹提取模型中的双线性参数层对所述目标协方差进行降维处理，得到目标一维数据；对所述目标方差、所述目标均值以及所述目标一维数据进行拼接操作，得到目标拼接结果；通过所述声纹提取模型对所述目标拼接结果进行处理，得到对应所述目标语音信息的声纹信息。
6.第二方面，本技术实施例提供了一种声纹信息提取装置，所述装置包括：语音处理模块，用于通过声纹提取模型对目标语音信息进行处理，得到对应所述目标语音信息的目标协方差、目标方差以及目标均值；降维模块，用于通过所述声纹提取模型中的双线性参数层对所述目标协方差进行降维处理，得到目标一维数据；拼接模块，用于对所述目标方差、所述目标均值以及所述目标一维数据进行拼接操作，得到目标拼接结果；声纹获得模块，用于通过所述声纹提取模型对所述目标拼接结果进行处理，得到对应所述目标语音信息的声纹信息。
7.第三方面，本技术实施例提供了一种电子设备，包括处理器以及存储器；一个或多个程序被存储在存储器中并被配置为由处理器执行以实现上述的方法。
8.第四方面，本技术实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有程序代码，其中，在程序代码被处理器运行时执行上述的方法。
9.第五方面，本技术实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得
该电子设备执行上述的方法。
10.本技术实施例提供的一种声纹信息提取方法、装置、电子设备及存储介质，通过声纹提取模型对目标语音信息进行处理，得到目标协方差、目标方差以及目标均值，并对目标协方差对应的目标一维数据、目标方差以及目标均值进行拼接，得到目标拼接结果，然后再根据目标拼接结果得到声纹信息，目标协方差准确的表征了目标语音信息的时间维度与频率维度的特征信息，从而使得目标拼接结果可以准确的表征目标语音信息的声纹特征，进而提高了提取的声纹信息的准确率。
附图说明
11.为了更清楚地说明本技术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单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
12.图1示出了本技术实施例中声纹提取模型的一种训练方法的流程图；
13.图2示出了本技术实施例中目标模型的结构示意图；
14.图3示出了图1中步骤s140的一种实施方式的流程图；
15.图4示出了本技术实施例中深度统计池化层的结构示意图；
16.图5示出了本技术一个实施例提出的一种声纹信息提取方法的流程图；
17.图6示出了本技术一个实施例提出的一种声纹信息提取装置的框图；
18.图7示出了本技术一个实施例提出的一种电子设备的结构框图。
具体实施方式
19.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。根据本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
20.在以下的描述中，所涉及的术语“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本技术实施例能够以除了在这里图示或描述的以外的顺序实施。
21.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
22.请参阅图1，图1示出了本技术实施例中声纹提取模型的一种训练方法的流程图，方法可以用于电子设备，方法包括：
23.s110、通过目标模型对样本语音信息进行处理，得到对应所述样本语音信息的协方差、方差以及均值。
24.样本语音信息可以是指用于训练目标模型的语音信息，其可以是任意格式的语音，例如mp3、aac等。样本语音信息可以是电子设备录制的或是电子设备从网络上获取的。样本语音信息可以是一条或多条，当样本语音信息包括多条时，每条样本语音信息作为一
个批次的训练样本。
25.目标模型是指用于获得声纹提取模型的基础模型，通过目标模型对样本语音信息进行处理，得到样本语音信息的协方差、方差以及均值。
26.作为一种实施方式，所述样本语音信息包括多个音频帧，s110可以包括：通过所述目标模型对所述多个音频帧进行特征提取，得到与所述多个音频帧一一对应的多个音频帧特征；根据所述多个音频帧特征，得到对应所述样本语音信息的协方差、方差以及均值。其中，在本技术中协方差是指协方差矩阵。
27.样本语音信息可以包括多个音频帧，例如，1s样本语音信息通常可以包括30个音频帧或60个音频帧等。用户可以设定时移(时移是指一个音频帧的时长)，电子设备根据设定的时移，确定样本语音信息所包括的音频帧的总数，例如时移为10ms，样本语音信息为2s，得到的音频帧的总数为200个。
28.目标模型可以包括输入层，输入层可以是神经网络输入层，通过输入层对多个音频帧进行特征提取，得到与所述多个音频帧一一对应的多个音频帧特征，对每个音频帧进行特征提取后，得到的特征作为一个音频帧特征，每个音频帧特征可以包括多个维度的数值。
29.相应的，输入层的维度的数量与音频帧特征的维度的数量是相同的，输入层的一个维度用于对音频帧特征的一个维度进行处理。例如，输入的样本语音信息具有t帧，得到的音频帧特征为xi,i＝1,2,
…
,t，每个音频帧特征包括20个维度，输入层也包括20个维度。
30.作为一种实施方式，获得样本语音信息后，可以将样本语音信息进行格式转换，转换为wav格式的标准样本语音，并对标准样本语音进行傅里叶变换，得到语音特征(语音特征可以为mscc格式的数据，语音特征包括多个音频帧各自对应的语音特征)，然后将语音特征输入目标模型的输入层，得到与多个音频帧一一对应的多个音频帧特征。
31.得到样本语音信息对应的多个音频帧特征之后，根据多个音频帧特征计算协方差、方差以及均值。
32.作为一种实施方式，可以根据多个音频帧特征，通过公式三，计算协方差；公式三如下：
[0033][0034][0035][0036]
其中，c
(k,m)
为协方差中第k行第m列的值，t为多个音频帧特征的总数量，x
ik
、x
im
为第i个音频帧特征的中的任意两个维度各自对应的数值。
[0037]
作为一种实施方式，可以根据多个音频帧特征，通过公式四，计算均值，公式四为：
[0038][0039]
其中，m和为均值，xi为第i个音频帧特征的任意一个维度。
[0040]
作为一种实施方式，可以根据多个音频帧特征，通过公式五，计算方差，公式五为：
[0041][0042]
其中，v为方差。
[0043]
可以理解的是，对于均值和方差，分别包括每个维度的均值和方差，例如，音频帧特征包括10个维度的数值，则方差包括10个维度分别对应的方差，均值包括10个维度分别对应的均值。
[0044]
s120、通过所述目标模型中的双线性参数层对所述协方差进行降维处理，得到降维后的结果，并对所述降维后的结果进行平方根规整操作，得到一维数据。
[0045]
方差和均值是一维数据，而协方差是多维数据，因此无法直接将协方差与方差和均值拼接，需要对协方差进行降维处理，得到一维数据，然后才可以将一维数据与方差和均值进行拼接，得到拼接结果。
[0046]
目标模型可以包括双线性参数层，双线性参数层用于对协方差进行降维处理，以获得一维数据。
[0047]
作为一种实施方式，所述目标模型中的双线性参数层包括参数矩阵；所述通过所述目标模型中的双线性参数层对所述协方差进行降维处理，得到降维后的结果，包括：通过所述参数矩阵，对所述协方差中的每列数据进行转换，得到所述协方差中的每列数据各自对应的转换结果；对所述协方差中的每列数据各自对应的转换结果进行拼接操作，得到所述降维后的结果。
[0048]
其中，所述通过所述参数矩阵，对所述协方差中的每列数据进行转换，得到所述协方差中的每列数据各自对应的转换结果，包括：通过所述参数矩阵，根据公式一，对所述协方差中的每列数据进行转换，得到所述协方差中的每列数据各自对应的转换结果；
[0049]
所述公式一为：
[0050][0051]
其中，wj是所述参数矩阵的第j列，为wj的转置矩阵，c为所述协方差，zj为所述协方差的第j列对应的转换结果。
[0052]
得到zj之后，可以拼接全部的zj，从而得到降维后的结果，其中，该拼接过程可以参照公式六，公式六为：
[0053][0054]
其中，l为协方差的维度。
[0055]
作为一种实施方式，可以通过公式七，对所述降维后的结果进行平方根规整操作，得到一维数据，公式七如下：
[0056][0057]
其中，vec为一维数据，z为降维后的结果。
[0058]
对所述降维后的结果进行平方根规整操作后，得到的一维数据是一维矢量数据，通过平方根规整操作，可以将降维后的结果转换为能有效描述语音特征的时延变化的一维矢量数据，使得一维数据的准确率较高。
[0059]
可以是通过均匀分布或高斯分布等算法，确定目标模型的双线性参数层的初始状态的参数矩阵。然后通过初始状态的参数矩阵对目标模型中的初始双线性参数层进行配置，获得配置后双线性参数层作为目标模型的双线性参数层。
[0060]
s130、对所述方差、所述均值以及所述一维数据进行拼接操作，得到拼接结果。
[0061]
可以根据公式八，对所述方差、所述均值以及所述一维数据进行拼接操作，得到拼接结果，公式八为：
[0062]
y＝cat{m,v,vec}
[0063]
其中，y为拼接结果，vec为一维数据，cat为拼接函数。
[0064]
如图2所示，目标模型可以包括深度统计池化层，深度统计池化层包括双线性参数层，深度统计池化层还用于对协方差对应的降维后的结果进行平方根规整操作，得到一维数据，以及用于对方差、均值和矢量化之后的一维数据进行拼接，得到拼接结果。
[0065]
s140、根据所述拼接结果对所述目标模型进行训练，得到声纹提取模型。
[0066]
得到拼接结果之后，可以根据拼接结果得到损失值，通过损失值对目标模型的参数进行调整，直到迭代次数满足要求，得到声纹提取模型。
[0067]
如图2所示，目标模型还可以包括段级别层以及输出层。段级别层可以包括至少一个隐藏层，用于对拼接结果进行处理，输出层可以是通用的神经网络输出层，输出层用于对段级别层的输出进行处理，得到输出结果。
[0068]
得到输出结果后，根据输出结果确定损失值，然后通过确定的损失值，对目标模型中的输入层、深度统计池化层、段级别层以及输出层进行参数调整，以得到声纹提取模型。
[0069]
在本实施例中，通过目标模型能够样本语音信息进行处理，得到协方差、方差以及均值，并对协方差对应的一维数据、方差以及均值进行拼接，然后通过拼接结果对目标模型进行训练，得到声纹提取模型，协方差准确的表征了样本语音信息的时间维度与频率维度的特征信息，从而使得拼接结果可以准确的表征样本语音信息的声纹特征，进而提高了声纹提取模型的声纹提取准确率。
[0070]
同时，协方差能兼顾考虑时间维度与频率维度信息，能把深度统计池化层的独立无关维度进行整合，提供出全新的信息供段级别网络建模，从而提高了声纹提取模型的声纹提取准确率。通过平方根规整操作，对降维后的结果实现矢量化转换，能有效描述语音特征的时延变化，提高一维数据的准确率。
[0071]
请参阅图3，图3示出了图1中步骤s140的一种实施方式的流程图，方法可以用于电子设备，方法包括：
[0072]
s210、根据所述拼接结果对所述目标模型进行训练；每当迭代次数达到第一目标次数的整倍数时，判断迭代次数是否达到第二目标次数。若是，执行s220，若否，执行s230。
[0073]
s220、得到声纹提取模型。
[0074]
s230、对所述目标模型中的双线性参数层的参数矩阵进行调整，得到调整后的双
线性参数层；若所述调整后的双线性参数层的参数矩阵满足预设约束条件，获取新的样本语音信息，并返回执行步骤s110。
[0075]
得到拼接结果之后，将拼接结果输入目标模型的段级别层，得到段级别层输出的结果，再将段级别层输出的结果输入输出层，得到输出层输出的输出结果，然后根据输出结果确定损失值，通过损失值对目标模型进行训练。
[0076]
第一目标次数可以是根据场景和需求设定的值，例如3次。第二目标次数是指训练声纹提取模型的最大迭代次数，例如10000次，当迭代次数达到第二目标次数时，训练结束，得到声纹提取模型，当迭代次数未达到第二目标次数时，训练未结束，继续进行迭代训练。
[0077]
每当迭代次数达到第一目标次数的整倍数，且未达到第二目标次数时，确定双线性参数层的参数矩阵需要被调整，并对双线性参数层的参数矩阵进行调整，得到调整后的双线性参数层，然后继续对包括调整后的双线性参数层的目标模型进行训练。当迭代次数未达到第一目标次数的整倍数，且未达到第二目标次数时，不对双线性参数层的参数矩阵进行调整，继续对包括双线性参数层的目标模型进行训练。
[0078]
作为一种实施方式，所述对所述目标模型中的双线性参数层的参数矩阵进行调整，得到调整后的双线性参数层，包括：获取预设浮点系数；基于所述预设浮点系数，根据公式二，对所述目标模型中的双线性参数层的参数矩阵进行调整，得到调整后的双线性参数层；
[0079]
所述公式二为：
[0080][0081]
其中，w
′
为调整后的双线性参数层的参数矩阵，w为目标模型中的双线性参数层的参数矩阵，α为预设浮点系数，w
t
为w的转置矩阵，i为单位矩阵。其中，预设浮点系数可以取值为1。
[0082]
作为一种实施方式，所述预设约束条件包括所述样本语音信息的协方差与乘积结果之间的差距小于预设差距，所述乘积结果为所述调整后的双线性参数层的参数矩阵与所述一维数据的乘积，其中，预设差距可以是基于需求设定的值，本技术不做限定。预设约束条件的数学公式如下：
[0083]c→
wvec
[0084]
当调整后的双线性参数层的参数矩阵满足预设约束条件，预设约束条件收敛，此时会有：c＝wvec≈ww
t
，即输出的一维数据vec近似等于双线性参数层的参数矩阵w，在降维操作以及平方根规整操作中能最大限度保留输入的协方差的信息，从而使得一维数据的准确性较高，进而使得根据一维数据训练获得的声纹提取模型的准确率较高。
[0085]
当调整后的双线性参数层的参数矩阵不满足预设约束条件，停止训练目标模型，并输出提示信息，以提示用户训练过程出错，以便于用户重新配置目标模型。
[0086]
新的样本语音信息也可以包括多个音频帧，新的样本语音信息的描述参照上文样本语音信息的描述，不再赘述。得到新的样本语音信息之后，返回执行步骤s110，直到迭代次数达到第二目标次数，得到声纹提取模型。
[0087]
在本实施例中，目标模型中的深度统计池化层的结构可以参照图4。如图4所示，在深度统计池化层中，根据输入层输出的多个音频帧特征，得到对应样本语音信息的协方差、
方差以及均值，并通过深度统计池化层中的双线性参数层对协方差进行降维处理，得到降维后的结果，对降维后的结果进行平方根规整操作，得到一维数据，然后对方差、均值以及一维数据进行拼接操作，得到拼接结果，然后将拼接结果输入段级别层进行处理，最后由输出层对段级别层输出的结果进行处理，得到输出结果。
[0088]
其中，每当迭代次数达到第一目标次数的整倍数，且迭代次数未达到第二目标次数时，通过半正交约束对双线性参数层的参数矩阵进行调整，获得调整后的双线性参数层，调整后的双线性参数层应用于后续的训练过程。其中，半正交约束是指按照公式二进行双线性参数层的参数矩阵的调整，且按照预设约束条件对调整后的双线性参数层的参数矩阵进行判定。
[0089]
在本实施例中，通过半正交约束双线性参数层的参数矩阵为半正交，可使得平方根规整操作之后的特征能最大限度保留有协方差的信息，逼近本征值特征的效果，起到表征重要分量与次要分量；同时，基于双线性参数层与半正交约束的深度统计池化层能明显提升声纹识别模型的识别精度。
[0090]
请参阅图5，图5示出了本技术一个实施例提出的一种声纹提取方法的流程图，方法可以用于电子设备，方法包括：
[0091]
s310、通过声纹提取模型对目标语音信息进行处理，得到对应所述目标语音信息的目标协方差、目标方差以及目标均值。
[0092]
声纹提取模型的训练过程如上文实施例所述，此处不在赘述。
[0093]
目标语音信息是指待进行声纹信息提取的语音信息，其与样本语音信息的描述类似，此处不在赘述。目标语音信息可以包括多个音频帧，作为多个待提取音频帧，可以通过声纹提取模型对多个待提取音频帧进行特征提取，得到与多个待提取音频帧一一对应的多个目标音频帧特征。
[0094]
目标语音信息中的音频帧即为待提取音频帧，对待提取音频帧进行特征提取，获得的音频帧特征即为目标音频帧特征。
[0095]
可以将目标语音信息进行格式转换，转换为wav格式的标准待提取语音，并对标准待提取语音进行傅里叶变换，得到待提取语音特征(待提取语音特征包括多个待提取音频帧各自对应的待提取语音特征)，然后将待提取语音特征输入声纹提取模型的输入层，得到与多个待提取音频帧一一对应的多个目标音频帧特征
[0096]
之后，可以根据多个目标音频帧特征，得到对应目标语音信息的协方差作为目标协方差，并根据多个目标音频帧特征，得到对应目标语音信息的方差作为目标方差，以及根据多个目标音频帧特征，得到对应目标语音信息的均值作为目标均值。
[0097]
其中，根据多个目标音频帧特征得到目标协方差、目标方差以及目标均值的过程，与上文根据多个音频帧特征得到对应样本语音信息的协方差、方差以及均值的过程相似，此处不在赘述。
[0098]
s320、通过所述声纹提取模型中的双线性参数层对所述目标协方差进行降维处理，得到目标一维数据。
[0099]
可以通过声纹提取模型中的双线性参数层目标协方差进行降维处理，得到降维后的结果，并对降维后的结果进行平方根规整操作，得到目标一维数据。
[0100]
其中，根据目标协方差得到目标一维数据的具体过程，可以参照上文根据样本语
音信息的协方差得到一维数据的过程，此处不再赘述。
[0101]
s330、对所述目标方差、所述目标均值以及所述目标一维数据进行拼接操作，得到目标拼接结果。
[0102]
其中，s330的描述参照上文s130的描述，此处不再赘述。
[0103]
目标一维数据是指对通过所述声纹提取模型中的双线性参数层对所述目标语音信息的目标协方差进行降维处理和平方根规整操作之后获得的结果，目标拼接结果是指将目标方差、目标均值以及所述目标一维数据进行拼接后，获得的结果。
[0104]
s340、通过所述声纹提取模型对所述目标拼接结果进行处理，得到对应所述目标语音信息的声纹信息。
[0105]
得到拼接结果之后，通过声纹提取模型的段级别层对拼接结果进行处理，得到处理后的结果，然后根据段级别层输出的处理后的结果，获得目标语音信息的声纹信息。
[0106]
在本实施例中，通过声纹提取模型对目标语音信息进行处理，得到目标协方差、目标方差以及目标均值，并对目标协方差对应的目标一维数据、目标方差以及目标均值进行拼接，得到目标拼接结果，然后再根据目标拼接结果得到声纹信息，目标协方差准确的表征了目标语音信息的时间维度与频率维度的特征信息，从而使得目标拼接结果可以准确的表征目标语音信息的声纹特征，进而提高了提取的声纹信息的准确率。
[0107]
请参阅图6，图6示出了本技术一个实施例提出的一种声纹信息提取装置的框图，所述装置500包括：
[0108]
语音处理模块510，用于通过声纹提取模型对目标语音信息进行处理，得到对应所述目标语音信息的目标协方差、目标方差以及目标均值；
[0109]
降维模块520，用于通过所述声纹提取模型中的双线性参数层对所述目标协方差进行降维处理，得到目标一维数据；
[0110]
拼接模块530，用于对所述目标方差、所述目标均值以及所述目标一维数据进行拼接操作，得到目标拼接结果；
[0111]
声纹获得模块540，用于通过所述声纹提取模型对所述目标拼接结果进行处理，得到对应所述目标语音信息的声纹信息。
[0112]
可选地，装置500还包括训练模块，用于通过目标模型对样本语音信息进行处理，得到对应所述样本语音信息的协方差、方差以及均值；通过所述目标模型中的双线性参数层对所述协方差进行降维处理，得到降维后的结果，并对所述降维后的结果进行平方根规整操作，得到一维数据；对所述方差、所述均值以及所述一维数据进行拼接操作，得到拼接结果；根据所述拼接结果对所述目标模型进行训练，得到声纹提取模型。
[0113]
可选地，所述样本语音信息包括多个音频帧；训练模块，还用于通过所述目标模型对所述多个音频帧进行特征提取，得到与所述多个音频帧一一对应的多个音频帧特征；根据所述多个音频帧特征，得到对应所述样本语音信息的协方差、方差以及均值。
[0114]
可选地，所述目标模型中的双线性参数层包括参数矩阵；训练模块，还用于通过所述参数矩阵，对所述协方差中的每列数据进行转换，得到所述协方差中的每列数据各自对应的转换结果；对所述协方差中的每列数据各自对应的转换结果进行拼接操作，得到所述降维后的结果。
[0115]
可选地，训练模块，还用于通过所述参数矩阵，根据公式一，对所述协方差中的每
列数据进行转换，得到所述协方差中的每列数据各自对应的转换结果；
[0116]
所述公式一为：
[0117][0118]
其中，wj是所述参数矩阵的第j列，为wj的转置矩阵，c为所述协方差，zj为所述协方差的第j列对应的转换结果。
[0119]
可选地，训练模块，还用于根据所述拼接结果对所述目标模型进行训练；每当迭代次数达到第一目标次数的整倍数，且迭代次数未达到第二目标次数时，对所述目标模型中的双线性参数层的参数矩阵进行调整，得到调整后的双线性参数层；若所述调整后的双线性参数层的参数矩阵满足预设约束条件，获取新的样本语音信息；返回执行所述通过目标模型对样本语音信息进行处理的步骤，直到迭代次数达到第二目标次数，得到所述声纹提取模型。
[0120]
可选地，训练模块，还用于获取预设浮点系数；基于所述预设浮点系数，根据公式二，对所述目标模型中的双线性参数层的参数矩阵进行调整，得到调整后的双线性参数层；
[0121]
所述公式二为：
[0122][0123]
其中，w
′
为调整后的双线性参数层的参数矩阵，w为目标模型中的双线性参数层的参数矩阵，α为预设浮点系数，w
t
为w的转置矩阵，i为单位矩阵。
[0124]
需要说明的是，本技术中的装置实施例与前述方法实施例是相互对应的，装置实施例中具体的原理可以参见前述方法实施例中的内容，此处不再赘述。
[0125]
图7示出了本技术一个实施例提出的一种电子设备的结构框图，电子设备用于执行根据本技术实施例的声纹提取模型的训练方法以及声纹提取方法。如图7所示，电子设备1200包括中央处理单元(central processing unit，cpu)1201，其可以根据存储在只读存储器(read-only memory，rom)1202中的程序或者从存储部分1208加载到随机访问存储器(random access memory，ram)1203中的程序而执行各种适当的动作和处理，例如执行上述实施例中的方法。在ram 1203中，还存储有系统操作所需的各种程序和数据。cpu1201、rom1202以及ram 1203通过总线1204彼此相连。输入/输出(input/output，i/o)接口1205也连接至总线1204。
[0126]
以下部件连接至i/o接口1205：包括键盘、鼠标等的输入部分1206；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分1207；包括硬盘等的存储部分1208；以及包括诸如lan(local area network，局域网)卡、调制解调器等的网络接口卡的通信部分1209。通信部分1209经由诸如因特网的网络执行通信处理。驱动器1210也根据需要连接至i/o接口1205。可拆卸介质1211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1210上，以便于从其上读出的计算机程序根据需要被安装入存储部分1208。
[0127]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实
施例中，该计算机程序可以通过通信部分1209从网络上被下载和安装，和/或从可拆卸介质1211被安装。在该计算机程序被中央处理单元(cpu)1201执行时，执行本技术的系统中限定的各种功能。
[0128]
需要说明的是，本技术实施例所示的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，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。而在本技术中，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、有线等等，或者上述的任意合适的组合。
[0129]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0130]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
[0131]
作为另一方面，本技术还提供了一种计算机可读存储介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读存储介质承载计算机可读指令，当该计算机可读存储指令被处理器执行时，实现上述任一实施例中的方法。
[0132]
根据本技术实施例的一个方面，提供了计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行上述任一实施例中的方法。
[0133]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本技术的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0134]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本技术实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本技术实施方式的方法。
[0135]
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。
[0136]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员当理解：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，并不驱使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。