图像质量检测模型训练方法及装置、电子设备和存储介质与流程

本公开涉及图像处理技术领域，尤其涉及一种图像质量检测模型训练方法及装置、电子设备和存储介质。

背景技术：

在图像处理技术领域，对图像质量进行检测的需求越来越多。如何利用神经网络模型对图像的质量进行准确的检测，是图像处理领域亟待解决的问题。

技术实现要素：

本公开提出了一种图像质量检测模型训练技术方案。

根据本公开的一方面，提供了一种图像质量检测模型训练方法，包括：

获取人工标记了质量标记的第一标记图像，所述质量标记用于指示图像质量满足设定的质量条件；

利用图像库检索待标记图像，根据检索结果确定所述待标记图像的质量标记，得到第二标记图像；

根据所述第一标记图像和所述第二标记图像训练图像质量检测模型，所述图像质量检测模型用于检测图像质量。

在一种可能的实现方式中，所述利用图像库检索待标记图像，根据检索结果确定所述待标记图像的质量标记，得到第二标记图像，包括：

将在所述图像库中检索与待标记图像相似的图像，作为检索图像；

根据所述待标记图像的标识和所述检索图像的标识，确定所述待标记图像的质量标记，将包括所述质量标记的待标记图像确定为第二标记图像，所述标识为图像中目标对象的标识。

在一种可能的实现方式中，所述在图像库中检索与待标记图像相似的图像，作为检索图像，包括：

提取所述待标记图像的第一特征和所述图像库中各图像的第二特征；

确定所述第一特征与所述图像库中各图像的第二特征之间的相似度；

将所述图像库中与所述第一特征的相似度最高的第二特征对应的图像确定为检索图像。

在一种可能的实现方式中，所述质量标记包括第一质量标记和第二质量标记，所述根据所述待标记图像的标识和所述检索图像的标识，确定所述待标记图像的质量标记，包括：

当所述待标记图像和所述检索图像的标识一致时，确定所述待标记图像的质量标记为第一质量标记，或

当所述待标记图像和所述检索图像的标识不一致时，确定所述待标记图像的质量标记为第二质量标记。

在一种可能的实现方式中，在利用图像库检索待标记图像，根据检索结果确定所述待标记图像的质量标记，得到第二标记图像之前，所述方法还包括：

在原始图像中确定多个图像对，各所述图像对包括第一图像和第二图像，所述第一图像和第二图像中的目标对象相同；

将各所述第一图像确定为所述待标记图像；

将各所述第二图像组成所述图像库。

在一种可能的实现方式中，所述图像质量检测模型为残差网络模型。

在一种可能的实现方式中，所述设定的质量条件包括以下条件中的至少一种：

图像分辨率大于分辨率阈值、图像清晰度大于清晰度阈值、图像中的目标对象无遮挡和图像中的目标对象为活体。

根据本公开的一方面，提供了一种图像质量检测模型训练装置，所述装置包括：

第一标记图像获取模块，用于获取人工标记了质量标记的第一标记图像，所述质量标记用于指示图像质量满足设定的质量条件；

第二标记图像获取模块，用于利用图像库检索待标记图像，根据检索结果确定所述待标记图像的质量标记，得到第二标记图像；

训练模块，用于根据所述第一标记图像和所述第二标记图像训练图像质量检测模型，所述图像质量检测模型用于检测图像质量。

在一种可能的实现方式中，所述第二标记图像获取模块，包括：

检索图像获取子模块，用于将在所述图像库中检索与待标记图像相似的图像，作为检索图像；

质量标记确定子模块，用于根据所述待标记图像的标识和所述检索图像的标识，确定所述待标记图像的质量标记，将包括所述质量标记的待标记图像确定为第二标记图像，所述标识为图像中目标对象的标识。

在一种可能的实现方式中，所述检索图像获取子模块，用于：

提取所述待标记图像的第一特征和所述图像库中各图像的第二特征；

确定所述第一特征与所述图像库中各图像的第二特征之间的相似度；

将所述图像库中与所述第一特征的相似度最高的第二特征对应的图像确定为检索图像。

在一种可能的实现方式中，所述质量标记包括第一质量标记和第二质量标记，所述质量标记确定子模块，用于：

当所述待标记图像和所述检索图像的标识一致时，确定所述待标记图像的质量标记为第一质量标记，或

当所述待标记图像和所述检索图像的标识不一致时，确定所述待标记图像的质量标记为第二质量标记。

在一种可能的实现方式中，所述装置还包括：

图像对确定模块，用于在原始图像中确定多个图像对，各所述图像对包括第一图像和第二图像，所述第一图像和第二图像中的目标对象相同；

待标记图像确定模块，用于将各所述第一图像确定为所述待标记图像；

图像库确定模块，用于将各所述第二图像组成所述图像库。

在一种可能的实现方式中，所述图像质量检测模型为残差网络模型。

在一种可能的实现方式中，所述设定的质量条件包括以下条件中的至少一种：

图像分辨率大于分辨率阈值、图像清晰度大于清晰度阈值、图像中的目标对象无遮挡和图像中的目标对象为活体。

根据本公开的一方面，提供了一种电子设备，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：执行上述任意一项所述的方法。

根据本公开的一方面，提供了一种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上述任意一项所述的方法。

在本公开实施例中，获取人工标记了质量标记的第一标记图像；利用图像库检索待标记图像，根据检索结果确定待标记图像的质量标记，得到第二标记图像；根据第一标记图像和第二标记图像训练图像质量检测模型。第一标记图像和第二标记图像可以互为补充，样本图像的质量标记更加全面、准确，训练得到的图像质量检测模型能够更加准确地对图像质量进行标记。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

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

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的图像质量检测模型训练方法的流程图；

图2示出根据本公开实施例的图像质量检测模型训练方法的流程图；

图3示出根据本公开实施例的图像选择方法中目标对象有遮挡和无遮挡的示意图；

图4示出根据本公开实施例的图像质量检测模型训练装置的框图；

图5是根据一示例性实施例示出的一种电子设备的框图；

图6是根据一示例性实施例示出的一种电子设备的框图。

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。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，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示出根据本公开实施例的图像质量检测模型训练方法的流程图，如图1所示，所图像质量检测模型训练方法包括：

步骤s10，获取人工标记了质量标记的第一标记图像，所述质量标记用于指示图像质量满足设定的质量条件。

在一种可能的实现方式中，可以将人工标记了质量标记的第一标记图像作为样本图像，对图像质量检测模型进行训练。第一标记图像中的目标对象，可以为人、动物、车辆、建筑物等各种类型的对象。第一标记图像中的目标对象可以包括一个或多个对象。可以利用字母、数字或符号中的其中一种或任意组合等作为质量标记的标记内容。例如，可以利用数字“1”表示第一图像质量标识，代表图像质量好，满足使用需求。利用数字“0”表示第二图像质量标记，代表图像质量差，不满足使用需求。本公开对此不做限定。

步骤s20，利用图像库检索待标记图像，根据检索结果确定所述待标记图像的质量标记，得到第二标记图像。

在一种可能的实现方式中，第二标记图像中的目标对象，可以为人、动物、车辆、建筑物等各种类型的对象。第二标记图像中的目标对象可以包括一个或多个对象。可以将在所述图像库中检索到的与所述待标记图像相似的图像，确定为检索图像；根据所述待标记图像的标识和所述检索图像的标识，确定所述待标记图像的质量标记，将包括所述质量标记的待标记图像确定为第二标记图像，所述标识为图像中目标对象的标识。

在一种可能的实现方式中，图像库中可以包括多个对象的图像。可以在图像库各图像中的对象中，检索待标记图像中的目标对象。可以根据图像库各图像中的对象特征和检索待标记图像中的目标对象的特征，检索得到检索图像。

在一种可能的实现方式中，所述将在所述图像库中检索到的与所述待标记图像相似的图像，确定为检索图像，包括：提取所述待标记图像的第一特征和所述图像库中各图像的第二特征；确定所述第一特征与所述图像库中各图像的第二特征之间的相似度；将所述图像库中与所述第一特征的相似度最高的第二特征对应的图像确定为检索图像。

在一种可能的实现方式中，可以利用神经网络模型提取待标记图像的第一特征，以及提取图像库中各图像的第二特征。第一特征和第二特征的特征内容相同。可以利用提取到的特征，在图像库中对待标记图像进行检索。可以将与第一特征的相似度最高的第二图像确定为检索图像。例如，待标记图像可以图像为待选行人图像，可以提取待选行人图像中行人的衣着特征、肢体特征和面部特征等，作为待标记图像的特征。

在一种可能的实现方式中，所述根据所述待标记图像的标识和所述检索图像的标识，确定所述待标记图像的质量标记，包括：当所述待标记图像和所述检索图像的标识一致时，确定所述待标记图像的质量标记为第一质量标记，或当所述待标记图像和所述检索图像的标识不一致时，确定所述待标记图像的质量标记为第二质量标记。

在一种可能的实现方式中，待标记图像包括行人a的标识，图像库中的各图像也可以包括图像中各对象(行人)的标识。当待标记图像的标识与检索图像的标识一致时，可以认为待标记图像的图像质量较好，进行图像处理时的识别率高，可以确定待标记图像的质量标记为表示图像质量好的质量标记。当待标记图像的标识与检索图像的标识不一致时，可以认为待标记图像的图像质量较差，进行图像处理时的识别率低，可以确定待标记图像的质量标记为表示图像质量差的质量标记。

例如，图像库中包括多个行人的图像。根据待标记图像中的行人a，在图像库中进行检索，可以得到与待标记图像中的行人a相似的行人，并将检索到的图像确定为检索图像。当检索图像的标识也是行人a时，可以确定待标记图像的质量标记为代表图像质量好的质量标记。当检索图像的标识不是行人a时，可以确定待标记图像的质量标记为代表图像质量差的质量标记。

在一种可能的实现方式中，与图像选择方法中的图像质量检测模型相同，第二标记图像的产生过程也通过神经网络模型进行了特征提取，因此，第二标记图像的生成过程，可以将人工标记无法准确标记质量的图像进行更加精准的质量标记。

在一种可能的实现方式中，步骤s10和步骤s20可以同时执行或按照任意顺序先后执行。本公开对此不做限定。

步骤s30，根据所述第一标记图像和所述第二标记图像训练图像质量检测模型，所述图像质量检测模型用于检测图像质量。

在一种可能的实现方式中，可以将第一标记图像和第二标记图像组合得到样本图像。可以将样本图像中的一个图像或一组图像输入图像质量检测模型进行处理，得到质量检测结果。可以根据得到的质量检测结果和样本图像的质量标记得到图像质量检测模型的损失。可以向图像质量检测模型反向传播损失的梯度，以调整图像质量检测模型的参数，完成图像质量检测模型的一次训练。可以对图像质量检测模型进行迭代训练。当满足设定的迭代次数，或图像质量检测模型满足设定的收敛条件时，可以停止图像质量检测模型的训练，得到训练好的图像质量检测模型。

在本实施例中，获取人工标记了质量标记的第一标记图像；利用图像库检索待标记图像，根据检索结果确定待标记图像的质量标记，得到第二标记图像；根据第一标记图像和第二标记图像训练图像质量检测模型。第一标记图像和第二标记图像可以互为补充，样本图像的质量标记更加全面、准确，训练得到的图像质量检测模型能够更加准确地对图像质量进行标记。

图2示出根据本公开实施例的图像质量检测模型训练方法的流程图，如图2所示，所图像质量检测模型训练方法还包括：

步骤s40，在原始图像中确定多个图像对，各所述图像对包括第一图像和第二图像，所述第一图像和第二图像中的目标对象相同。

步骤s50，将各所述第一图像确定为所述待标记图像。

步骤s60，将各所述第二图像组成所述图像库。

在一种可能的实现方式中，原始图像可以为利用监控装置拍摄得到的监控图像。可以在原始图像中，将图像中的目标对象相同的一对图像确定为图像对。例如，原始图像可以为路面的监控图像。可以在原始图像中，将行人a的一对图像确定为图像对1，将行人b的一对图像确定为图像对2……。

在一种可能的实现方式中，可以将各图像对中的第一图像作为待标记图像，并根据各图像对中的第二图像组成图像库。例如，第一图像a和第二图像a为图像对a中的两个图像，当根据第一图像a检索到的检索图像是第二图像a时，可以表示第一图像a的图像质量好。当根据第一图像a检索到的检索图像不是第二图像a时，可以表示第一图像a的图像质量差。

在本实施例中，在原始图像中确定多个图像对，各图像对包括第一图像和第二图像；将各第一图像确定为所述待标记图像；将各第二图像组成所述图像库。根据图像对中的第一图像和第二图像，可以提高根据待标记图像检索图像库的检索效率。

在一种可能的实现方式中，所述第一图像和所述第二图像的图像质量满足以下条件中的至少一种：图像分辨率大于分辨率阈值、图像清晰度大于清晰度阈值、图像中的目标对象无遮挡和图像中的目标对象为活体。

在一种可能的实现方式中，可以对组成图像对的第一图像和第二图像的图像质量进行筛选。可以将满足图像分辨率大于分辨率阈值、图像清晰度大于清晰度阈值、图像中的目标对象无遮挡和图像中的目标对象为活体中的至少一种的图像，作为第一图像或第二图像。利用上述条件筛选后得到图像组后生成的第二标记图像，图像质量高，可以更好的作为第一标记图像的补充，使得图像质量检测模型的训练结果更加准确。

在本实施例中，第一图像和第二图像的图像质量满足以下条件中的至少一种：图像分辨率大于分辨率阈值、图像清晰度大于清晰度阈值、图像中的目标对象无遮挡和图像中的目标对象为活体。经过质量筛选的第一图像和第二图像，图像质量高，可以使得图像质量检测模型的训练过程更加高效、结果更加准确。

在一种可能的实现方式中，所述图像质量检测模型为残差网络模型。

在一种可能的实现方式中，残差网络中可以包括两层以上的卷积层通过捷径连接组成的残差块。捷径连接可以跳过一层或多层卷积层进行连接。捷径连接可以执行恒等映射，并将其输出添加到残差块堆叠层的输出中。在残差网络中，随着层数的增加，训练误差相比于传统的多层卷积神经网络的误差越来越小，有助于解决梯度消失和梯度爆炸的问题，在训练更深的图像质量检测模型的同时能够保证良好的网络性能。

在本实施例中，所述图像质量检测模型为残差网络模型。残差网络模型可以使得图像质量检测模型的深度更深，网络性能更好。

在一种可能的实现方式中，所述设定的质量条件包括以下条件中的至少一种：

图像分辨率大于分辨率阈值、图像清晰度大于清晰度阈值、图像中的目标对象无遮挡和图像中的目标对象为活体。

在一种可能的实现方式中，可以根据需求确定设定的质量条件。可以根据需求和设定的质量条件，确定质量标记的标记内容、标记类型和标记的总数量。例如，设定的质量条件可以包括一个清晰度阈值。可以只将图像清晰度大于等于清晰度阈值的待选图像给出第一质量标记。也可以同时将图像清晰度小于清晰度阈值的待选图像给出第二质量标记。此时，第一质量标记可以用于表示图像质量好。第二质量标记可以用于表示图像质量差。

设定的质量条件也可以包括两个分辨率阈值，第一分辨率阈值高于第二分辨率阈值。可以将分辨率大于第一分辨率阈值的待选图像给出第一质量标记，将分辨率小于第一分辨率阈值并大于等于第二分辨率阈值的待选图像给出第二质量标记，将分辨率小于第二分辨率的待选图像给出第三质量标记。此时，第一质量标记表示图像质量最好，第二质量标记表示图像质量次之，第三质量标记表示图像质量最差。

在一种可能的实现方式中，图像分辨率是指图像在单位尺寸中所包括的像素点数。图像的分辨率越高图像的细节越精细。图像清晰度是指图像上各细节部分及其边界的清晰度。图像中的目标对象无遮挡是指图像中的目标对象没有被其他对象所遮挡。例如待选行人图像中的行人无遮挡，是指目标行人不被车辆或其他行人遮挡。图3示出根据本公开实施例的图像选择方法中目标对象有遮挡和无遮挡的示意图。如图3所示，图3中上半部分的图像中行人被其他行人遮挡，图3中下半部分的图像中行人无遮挡，图像中包括行人的全身。图像中的目标对象为活体，是指图像中的目标对象不是来自其它图像。例如待选行人图像中的行人为活体，是指图像中的行人不是路边广告牌上的人物图片等非活体。

在一种可能的实现方式中，可以根据需求，将图像分辨率大于分辨率阈值、图像清晰度大于清晰度阈值、图像中的目标对象无遮挡和图像中的目标对象为活体中的一个或多个条件进行任意组合。满足上述任意条件组合得到的质量条件，可以在待选图像集合中确定出质量好的选择图像。

在本实施例中，图像分辨率、图像清晰度、图像中的目标对象无遮挡和图像中的目标对象为活体，能够在图像的各方面对图像质量进行衡量，确定出的选择图像的质量高。

应用示例：

在公安等安全管理部门，可以利用在路面等处设置的摄像头拍摄路面上的车辆，得到包括各种车辆的图像，并得到图像集合。对图像集合中的图像进行图像处理，可以用于进行嫌疑车辆追踪等不同的安全管理需求。可以对图像质量检测模型进行训练。以使训练得到的图像质量检测模型能够对包括车辆的图像进行质量标记，以使进行了质量标记的图像集合，能够只保存图像质量好的图像，节省存储空间，并提高图像集合的使用效率。

可以利用人工标记的方式，对拍摄得到的车辆的图像进行质量标记，得到第一标记图像。可以将满足设定的质量条件的图像给出相应的质量标记。所述设定的质量条件包括以下条件中的至少一种：图像分辨率大于分辨率阈值、图像清晰度大于清晰度阈值、图像中的目标对象无遮挡和图像中的目标对象为活体。图像质量检测模型给出的质量标记包括表示图像质量好的质量标记“1”和表示图像质量差的质量标记“0”。

可以将拍摄得到的车辆的图像作为待标记图像，可以利用已有的图像库检索待标记图像，根据检索结果确定待标记图像的质量标记，得到第二标记图像。具体过程可参照上述实施例不再赘述。第二标记图像的获取过程，使用了与图像质量检测模型相同的特征，能够对人工标记无法准确区分的图像质量进行准确的质量标记。

可以根据第一标记图像和第二标记图像训练图像质量检测模型。第一标记图像和第二标记图像可以互为补充，提高图像质量检测模型训练的训练效率。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

此外，本公开还提供了图像质量检测模型训练装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像质量检测模型训练方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图4示出根据本公开实施例的图像质量检测模型训练装置的框图，如图4所示，所图像质量检测模型训练装置包括：

第一标记图像获取模块10，用于获取人工标记了质量标记的第一标记图像，所述质量标记用于指示图像质量满足设定的质量条件；

第二标记图像获取模块20，用于利用图像库检索待标记图像，根据检索结果确定所述待标记图像的质量标记，得到第二标记图像；

训练模块30，用于根据所述第一标记图像和所述第二标记图像训练图像质量检测模型，所述图像质量检测模型用于检测图像质量。

在一种可能的实现方式中，所述第二标记图像获取模块，包括：

检索图像获取子模块，用于将在所述图像库中检索与待标记图像相似的图像，作为检索图像；

质量标记确定子模块，用于根据所述待标记图像的标识和所述检索图像的标识，确定所述待标记图像的质量标记，将包括所述质量标记的待标记图像确定为第二标记图像，所述标识为图像中目标对象的标识。

在一种可能的实现方式中，所述检索图像获取子模块，用于：

提取所述待标记图像的第一特征和所述图像库中各图像的第二特征；

确定所述第一特征与所述图像库中各图像的第二特征之间的相似度；

将所述图像库中与所述第一特征的相似度最高的第二特征对应的图像确定为检索图像。

在一种可能的实现方式中，所述质量标记包括第一质量标记和第二质量标记，所述质量标记确定子模块，用于：

当所述待标记图像和所述检索图像的标识一致时，确定所述待标记图像的质量标记为第一质量标记，或

当所述待标记图像和所述检索图像的标识不一致时，确定所述待标记图像的质量标记为第二质量标记。

在一种可能的实现方式中，所述装置还包括：

图像对确定模块，用于在原始图像中确定多个图像对，各所述图像对包括第一图像和第二图像，所述第一图像和第二图像中的目标对象相同；

待标记图像确定模块，用于将各所述第一图像确定为所述待标记图像；

图像库确定模块，用于将各所述第二图像组成所述图像库。

在一种可能的实现方式中，所述图像质量检测模型为残差网络模型。

在一种可能的实现方式中，所述设定的质量条件包括以下条件中的至少一种：

图像分辨率大于分辨率阈值、图像清晰度大于清晰度阈值、图像中的目标对象无遮挡和图像中的目标对象为活体。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述

本公开实施例还提出一种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上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，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上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图5是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备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，个人数字助理等终端。

参照图5，电子设备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通常控制电子设备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电子设备800的操作。这些数据的示例包括用于在电子设备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，图片，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为电子设备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，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备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。当电子设备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)，当电子设备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，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备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被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备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，电子设备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电子设备800的处理器820执行以完成上述方法。

图6是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图6，电子设备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。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如windowsservertm，macosxtm，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电子设备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。