脸部识别方法和装置与流程

本公开涉及图像处理技术领域，尤其涉及一种脸部识别方法和装置。

背景技术：

人脸识别是生物认证中非常热门的研究领域。人脸识别以其交互界面自然、廉价的采集设备、非接触式采集、使用方便等优点受到了人们的青睐，可应用于门禁考勤、系统登陆、出入境管理、嫌疑人照片比对等。但对人脸假冒攻击的检测研究却不多，这制约了人脸认证系统的应用。同时，人脸假冒手段的多样化也给人脸假冒攻击检测技术的研究带来了很大的挑战，因此人脸假冒攻击检测技术的研究日益成为生物认证研究领域中一个热点。

对人脸识别系统来说，合法用户的照片和视频重放是最常用的攻击手段。对现在的科技来说，获取合法用户的照片和视频是轻而易举的事。我们可以从网上或者用针孔摄像机拍摄到。和其它生物特征相比，人脸特征是最容易获取的。因此，如何使人脸识别系统具有较强的抗欺骗功能，已成为人脸认证中迫切需要解决的问题。

从生物特征信息的后处理中来区分活体和重放欺骗攻击的研究方法很多，例如，用小波技术、傅立叶变换、局部纹理分析等图像处理方法来检测活体；通过光流分析活体运动，如指纹弯曲运动、脸部运动。活体中的生理信息还可以从额外的设备中获取，通过额外设备来检测胜利信息。其他还有通过“请求—应答”的方式来检测活体，例如在人脸识别中，Frischholz等人的方法要求用户按信号灯指示做出相应的头部姿势；Kollreider等人的方法要求用户读出系统提示的数字，系统通过唇形来识别出用户读出数字是否与系统提示的相同。

但现有的检测活体的方法存在以下缺点：

1.易用性较差。一些设备需要用户进行简单配合和应答，这就需要抗欺偏技术具有良好的交互性。如三维深度分析法：该方法需要头部产生一定的运动，因为静止的人脸无法产生深度坐标。当照片弯曲变形时，估计得到的深度坐标也会和活体人脸一样变化较大。

2.安全性较差。目前红外人脸识别系统对静态的图像有一定的优势，但是容易受到外来视频或者图片重放、3D模型的攻击。如Kollreider等人实验表明光流法能有效地检测照片欺骗，但无法检测出视频欺骗。该方法也要求用户头部作出少许运动，同时因为该方法通过光流估计头部不同位置的运动，所以光线的变化会严重干扰该方法对不同部位运动的估计

3.适应性较弱。人脸活体识别中部分方法基于图像得质量和反射率，因此图像对应用场景的光照要求较高，这样就限制了人脸识别的应用场合。如J.Li等人提出的高频描述子主要是基于人脸在照片成像后清晰度一般会有所降低，因此如果用高分辨率的大人脸照片欺骗，该方法就无法检测出来了。频率动态描述子对光线变化敏感，当照片上的光照发生变化时，能量也会动态变化。

技术实现要素：

有鉴于此，本公开提出了一种脸部识别方法和装置。

根据本公开的一方面，提供了一种脸部识别方法，包括：

获取包括待测对象的脸部的第一图像和第二图像，所述第一图像和所述第二图像的成像方法不同；

从第一图像中提取第一特征信息；

从第二图像中提取第二特征信息；

对第一特征信息和第二特征信息进行数据融合；

对数据融合后的特征信息进行光流法处理；

根据光流法处理后的特征信息确定所述待测对象是否为活体。

根据本公开的另一方面，提供了一种脸部识别装置，包括：

获取模块，用于获取包括待测对象的脸部的第一图像和第二图像，所述第一图像和所述第二图像的成像方法不同；

第一特征提取模块，用于从第一图像中提取第一特征信息；

第二特征提取模块，用于从第二图像中提取第二特征信息；

数据融合模块，用于对第一特征信息和第二特征信息进行数据融合；

光流处理模块，用于对数据融合后的特征信息进行光流法处理；

判活模块，用于根据光流法处理后的特征信息确定所述待测对象是否为活体。

根据本公开的另一方面，提供了一种脸部识别装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行本公开任一实施例所述的装置。

根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现本公开任一实施例所述的方法。

在本公开中，将不同成像方法所获取的图像的特征进行数据融合，再采用流光法进行处理，能够确定待测对象是否为活体，从而防止采用照片或视频的重放欺骗，提高脸部识别的抗侵略能力。并且，采用脸部的各特征部位对特征进行加权，能进一步提升对脸部识别的识别速度、抗侵略能力，并能够适应于大多数光照环境下的场合，具有较强的光照适应能力。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1是根据一示例性实施例示出的一种脸部识别方法的流程图。

图2是根据一示例性实施例示出的一种脸部识别方法的另一流程图。

图3是根据另一示例性实施例示出的一种脸部识别方法的另一流程图。

图4是根据一示例性实施例示出的一种脸部识别装置的框图。

图5是根据另一示例性实施例示出的一种脸部识别装置的框图。

图6是根据另一示例性实施例示出的一种脸部识别装置的框图。

图7是根据另一示例性实施例示出的一种脸部识别装置的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1是根据一示例性实施例示出的一种脸部识别方法的流程图。如图1所示，该脸部识别方法包括以下步骤：

步骤101、获取包括待测对象的脸部的第一图像和第二图像，所述第一图像和所述第二图像的成像方法不同。

步骤102、从第一图像中提取第一特征信息。

步骤103、从第二图像中提取第二特征信息。

步骤104、对第一特征信息和第二特征信息进行数据融合。

步骤105、对数据融合后的特征信息进行光流法处理。

步骤106、根据光流法处理后的特征信息确定所述待测对象是否为活体。

举例而言，可以采用例如双目摄像头分别拍摄包括待测对象脸部例如人脸的红外光图像和可见光图像。获取红外光图像和可见光图像的过程没有时序要求。在获取红外光图像和可见光图像后，可以分别从红外光图像和可见光图像中提取特征信息。然后，将从红外光图像和可见光图像中提取特征信息进行数据融合，再对融合后的特征信息进行光流法处理。根据光流法处理后的特征信息能够确定待测对象是否为活体。

在一种可能的实现方式中，获取包括待测对象的脸部的第一图像和第二图像，所述第一图像和所述第二图像的成像方法不同，包括：

采用双目摄像头分别拍摄包括所述待测对象脸部的红外光图像和可见光图像；

将所述红外光图像转换为灰度图并进行降噪的预处理后，得到第一图像；

将所述可见光图像转换为灰度图并进行降噪的预处理后，得到第二图像。

在本公开中，可以对拍摄的红外光图像和可见光图像分别进行预处理，例如，将彩色图像转换为灰度图、滤波、降噪等处理，减少噪声对图像的影响，并减少后续处理的数据量，从而减少需要处理的数据量。然后，再对处理后的图像进行特征提取、数据融合、光流法处理，再判断待测对象是否为活体。

在一种可能的实现方式中，在步骤105中，对数据融合后的特征信息进行光流法处理，包括：

对数据融合后的特征信息进行光流法处理，得到所述待测对象的脸部的各像素的运动信息。

在本公开中，经过流光法处理后，能够得到待测对象的脸部所包括的各像素的运动信息。根据这些像素的运动信息，能够判断该待测对象是否为活体。如果待测对象为非活体，可以停止后续的匹配过程，输出待测对象为非活体的提醒，以提醒可能出现了攻击。这样可以防止重放欺骗，提高脸部识别的抗侵略能力。

在一种可能的实现方式中，如图2所示，该方法还包括：

步骤201、如果所述待测对象为活体，则比对光流处理后的特征信息和已知图像信息，以确定所述待测对象的身份。

如果待测对象为活体，可以进一步检测该活体的身份。举例而言，可以预先采集若干对象的图像，并将所采集的图像进行特征提取等处理后，保存到数据库中，作为已知图像信息。并且，还可以录入每个所采集的对象的身份相关信息，例如：姓名、性别、身份证号、家庭住址等。如果预先采集的对象中包括待测对象，则数据库中存在该待测对象的已知图像信息。这样，如果在数据库中匹配到该待测对象的已知图像信息，则可以查找到该待测对象的身份。

在一种可能的实现方式中，在步骤201中，比对光流处理后的特征信息和已知图像信息，以确定所述待测对象的身份，包括：

采用高斯差分滤波器、局部二值模式(LBP)特征算法和支持向量机，对光流处理后的各像素的运动信息，进行滤波、数据优化和统计；

根据脸部的各特征部位，将已知对象的可见光图像的信息与统计后的数据进行加权处理；

比较加权结果和设定阈值，以确定所述待测对象的身份是否是已知对象。

在本实施例中，可以预先采集多个已知对象的可见光图像的信息，并保存到数据库中。在进行身份匹配时，从数据库中提取某个已知对象的可见光图像的信息，与待测对象的统计后的数据进行加权处理。在加权处理时，可以考虑脸部包括的重要的特征部位。

具体而言，脸部包括多个特征部位。例如，眼睛、嘴巴、鼻子、额头等。根据脸部的各特征部位，可以为脸部的各特征部位分别设置对应的权值，以突出重要部位，提高匹配性能。然后根据各特征部位将已知对象的可见光图像的信息与统计后的数据进行加权处理。其中，加权处理的方式可以参见下述的式1及其相关描述。其中，眼睛和嘴巴是红外人脸与可见光人脸之间相关性较强的部位。可以优选采用眼睛和嘴巴这两个特征部位进行加权处理。

本公开将不同成像方法所获取的图像的特征进行数据融合，再采用流光法进行处理，能够确定待测对象是否为活体，从而防止采用照片或视频的重放欺骗，提高脸部识别的抗侵略能力。并且，采用脸部的各特征部位对特征进行加权，能进一步提升红外人脸识别的识别速度、抗侵略能力，并能够适应于大多数光照环境下的场合，具有较强的光照适应能力。

本公开的脸部识别方法的具体实施方式包括：根据光流法，利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的“运动”。从图像序列中得到各个像素点的运行信息。采用高斯差分滤波器、LBP特征和支持向量机进行数据统计分析。同时，由于光流场对物体运动比较敏感，利用光流场可以统一检测眼球移动和眨眼。

通过对人脸各部分的相关性研究，发现眼睛和嘴巴是红外人脸与可见光人脸之间相关性较强的部位。通过对人脸各部位相关性加权来计算整个人脸相关性，其性能优于直接计算整个人脸的相关性方法，特别是对于不戴眼镜的情况。热红外与可见光人脸在脸部不同部位的相关性差异较大，因此在计算人脸相关性时，为脸部各部位设置一个权值，以突出重要部位，提高匹配性能。其中加权公式为式1：

其中，RTotal(xiyj)为加权函数,RK(xiyj)表示xi与yj之间的相关性，n表示脸部的特征部位的个数，k表示脸部的特征部位的编号。特征VK表示人脸分块后第k个特征部位的权重值，xi表示数据库中某一可见光图像的脸部的某块特征部位；yj表示双目拍摄图像的脸部的某块特征部位，i、j为正整数。

图3是根据另一示例性实施例示出的一种脸部识别方法的流程图。如图3所示，在该脸部识别方法中，以红外光图像为红外光人脸照片、可见光图像为可见光人脸照片为例，该方法的具体步骤可以包括：

步骤1：双目摄像头对待测对象进行人脸拾取。双目摄像头包括可见光摄像头和红外光摄像头。分别在可见光摄像头和红外光摄像头下进行人脸照片的拾取，获取红外光人脸照片与可见光人脸照片。

步骤2：对双目摄像头下所拍摄的两种照片进行预处理，提取人脸特征。预处理可以减少噪声对图像的影响，并减少后续处理的数据量。预处理的方式有多种，例如将彩色图像转换为灰度图等，然后滤波和去除噪声等。

步骤3：将所提取的两种照片的人脸特征信息进行数据融合。数据融合是将多信息源的数据和信息加以联合、相关及组合。数据融合的方式有多种，在本公开中不做限定。

在步骤1至步骤3中，对红外光人脸照片与可见光人脸照片的拍摄、预处理和特征提取过程，没有时序要求，既可以同时执行，也可以分先后执行。

步骤4：对融合后的特征信息进行光流法处理，得到待测对象的脸部的各像素的运动信息。

步骤5：根据光流处理后的运动信息，判断待测对象是否是活体。如果是活体，则执行步骤6。如果不是活体，则可以输出“非活体”的提醒，并结束流程。

步骤6：采用高斯差分滤波器与LBP(Local Binary Patterns，局部二值模式)特征算法与支持向量机，对步骤4的数据进行滤波、优化和统计。

步骤7：从数据库中获取某个人的可见光照片的人脸特征数据。采用式1将数据库中的可见光照片中人脸特征数据与步骤6中人脸特征数据，利用人脸的各特征部位例如嘴部、眼睛做加权算法进行加权处理。其中，可以将人脸划分为多个特征部位例如嘴部、眼睛、鼻子、额头、脸颊等，并预先设置各特征部位的权重。

步骤8：将加权处理结果与所设置的阈值进行比较，输出比较结果。例如：比较结果可以为当前所拍摄的待测对象是否与数据库中所录入的某个人的照片信息相符合。如果当前所拍摄的检测对象与数据库中所录入的照片信息相符合，则可以判定这个待检测对象是真实活体。

例如，门口来一人甲。双目摄像头对甲进行拍摄，可见光摄像头所拍的照片为A与红外光所拍摄的照片为B。其中照片A与B分别依照上述流程进行特征提取和数据融合。然后经光流法处理。其中，根据光流法，可以利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，从图像序列中得到各个像素点的运行信息，从而判断甲是否为活体。

如果判断出甲为活体，可以对光流处理后的信息进行加权，再采用高斯差分滤波器、LBP特征和支持向量机进行数据统计分析，形成最终数据W。然后，从数据库中提取待测对象的人脸特征信息X，将W与X经过加权函数处理后，得到值M。将值M与阈值N比较，可得出待测对象是否为目标活体人。

本公开利用红外光与可见光的数据融合，并结合光流法等先进的算法，能提升红外人脸识别的识别速度、抗侵略能力，并能够适应于大多数光照环境下的场合，具有较强的光照适应能力。本公开能有效解决目前红外人脸识别所存在的：安全性差、识别效率低、场景适应性弱等问题。具体而言，对融合后的数据进行光流法处理得到各像素的运动信息，能够确定待测对象是否为活体，从而防止采用照片或视频的重放欺骗，提高脸部识别的抗侵略能力。并且，在比对之前采用脸部的各特征部位对特征进行加权，能进一步提升对人脸识别的识别速度、抗侵略能力，并能够适应于大多数光照环境下的场合，具有较强的光照适应能力。在后续的比较过程中由于已知待测对象是活体，因此不需要待测对象通过晃动或应答进行配合，对交互性没有技术要求，因此使用起来简单方便，即易用性好。与简单的特征提取方式相比，更容易检测出视频或者图像重放等欺骗，安全性高。并且，对于有些模糊的图像，也能够有效进行识别，因此场景适应性强。

图4是根据一示例性实施例示出的一种脸部识别装置的框图。如图2所示，该脸部识别装置可以包括：

获取模块41，用于获取包括待测对象的脸部的第一图像和第二图像，所述第一图像和所述第二图像的成像方法不同；

第一特征提取模块42，用于从第一图像中提取第一特征信息；

第二特征提取模块43，用于从第二图像中提取第二特征信息；

数据融合模块44，用于对第一特征信息和第二特征信息进行数据融合；

光流处理模块45，用于对数据融合后的特征信息进行光流法处理；

判活模块46，用于根据光流法处理后的特征信息确定所述待测对象是否为活体。

在一种可能的实现方式中，如图5所示，该装置还包括：

比较模块51，用于如果所述待测对象为活体，则比对光流处理后的特征信息和已知图像信息，以确定所述待测对象的身份。

在一种可能的实现方式中，所述光流处理模块45还用于对数据融合后的特征信息进行光流法处理，得到所述待测对象的脸部的各像素的运动信息。

在一种可能的实现方式中，所述比较模块51包括：

优化子模块，用于采用高斯差分滤波器、局部二值模式LBP特征算法和支持向量机，对光流处理后的各像素的运动信息，进行滤波、数据优化和统计；

加权子模块，用于根据脸部的各特征部位，将已知对象的可见光图像的信息与统计后的数据进行加权处理；

比较子模块，用于比较加权结果和设定阈值，以确定所述待测对象的身份是否是已知对象。

在一种可能的实现方式中，所述获取模块41包括：

拍摄子模块，用于采用双目摄像头分别拍摄包括所述待测对象脸部的红外光图像和可见光图像；

第一预处理子模块，用于将所述红外光图像转换为灰度图并进行降噪的预处理后，得到第一图像；

第二预处理子模块，用于将所述可见光图像转换为灰度图并进行降噪的预处理后，得到第二图像。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图6是根据另一示例性实施例示出的一种脸部识别装置的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图6，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图像，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。

图7是根据另一示例性实施例示出的一种脸部识别装置1900的框图。例如，装置1900可以被提供为一服务器。参照图7，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、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。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。