商品信息及补货的处理方法、设备及存储介质与流程

本申请涉及互联网技术领域，尤其涉及一种商品信息及补货的处理方法、设备及存储介质。

背景技术：

目前，针对线下门店(实体门店)以及部分线上门店(网上门店)而言，门店的店主或者工作人员需要对商品进行盘货，并手动记录需要补货的商品，再针对需要补货的商品进行补货。这种方式效率较低，亟待提出一种解决方案。

技术实现要素：

本申请的多个方面提供一种商品信息及补货的处理方法、设备及存储介质，用以提高选择目标商品的效率。

本申请实施例提供一种商品信息处理方法，包括：采集货架的视频数据；对所述视频数据进行处理，识别得到所述货架上的商品信息；根据所述货架上的商品信息，确定目标商品。

本申请实施例还提供一种商品补货的处理方法，包括：响应于用户发起的补货操作，调用视频采集装置拍摄货架的视频数据；对所述视频数据进行处理，识别得到所述货架上的商品信息；根据所述货架上的商品信息，确定待补货商品；输出所述待补货商品，以提示对所述待补货商品进行补货。

本申请实施例还提供一种商品补货的处理方法，包括：响应于用户发起的补货操作，调用视频采集装置拍摄货架的视频数据；对所述视频数据进行处理，识别得到所述货架上的商品信息；将所述货架上的商品信息和设定的商品信息进行对比，以确定所述货架上缺失的商品，作为待补货商品；输出所述待补货商品，以提示对所述待补货商品进行补货。

本申请实施例还提供一种基于终端设备的智能补货处理方法，包括：响应于用户在终端设备上发起的补货操作，由终端设备上的视频采集装置采集得到货架的视频数据；所述终端设备对所述视频数据进行处理，识别得到所述货架上的商品信息；所述终端设备根据所述货架上的商品信息，确定待补货商品。

本申请实施例还提供一种终端设备，包括：存储器和处理器；其中，所述存储器，具体用于存储一条或多条计算机指令；所述处理器，具体用于：执行所述一条或多条计算机指令，以用于：采集货架的视频数据；对所述视频数据进行处理，识别得到所述货架上的商品信息；根据所述货架上的商品信息，确定目标商品。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，其特征在于，计算机程序被执行时能够实现本申请实施例提供的所述的商品信息处理方法。

本申请实施例还提供一种终端设备，包括：存储器、处理器和通信组件；其中，所述存储器，具体用于存储一条或多条计算机指令；所述处理器，具体用于：执行所述一条或多条计算机指令，以用于：响应于用户发起的补货操作，调用视频采集装置拍摄货架的视频数据；对所述货架的视频数据进行处理，识别得到所述货架上的商品信息；根据所述货架上的商品信息，确定待补货商品；通过所述通信组件输出所述待补货商品，以提示对所述待补货商品进行补货。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现本申请实施例提供的终端设备所执行的所述的商品补货方法中的步骤。

本申请实施例还提供一种终端设备，包括：存储器、处理器和通信组件；其中，所述存储器，具体用于存储一条或多条计算机指令；所述处理器，具体用于：响应于用户发起的补货操作，调用视频采集装置拍摄货架的视频数据；对所述视频数据进行处理，识别得到所述货架上的商品信息；将所述货架上的商品信息和设定的商品信息进行对比，以确定所述货架上缺失的商品，作为待补货商品；通过所述通信组件输出所述待补货商品，以提示对所述待补货商品进行补货

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现本申请实施例提供的终端设备所执行的所述的商品补货方法中的步骤。

本申请实施例还提供一种终端设备，包括：存储器和处理器；其中，所述存储器，具体用于存储一条或多条计算机指令；所述处理器，具体用于：响应于用户在终端设备上发起的补货操作，通过终端设备上的视频采集装置采集得到货架的视频数据；对所述视频数据进行处理，识别得到所述货架上的商品信息；根据所述货架上的商品信息，确定待补货商品。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现本申请实施例提供的基于终端设备的智能补货处理方法。

在本申请实施例提供的商品信息及补货的处理方法、设备及存储介质中，根据采集到的货架的视频数据，可识别货架对应的商品信息，并基于识别到的商品信息确定目标商品，进而针对目标商品的选择操作，不再依赖于较为繁琐的人工手动操作，有效提升了目标商品的选择效率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请一示例性实施例提供的一种商品信息处理方法的流程示意图；

图2为本申请另一示例性实施例提供的一种商品信息处理方法的流程示意图；

图3为本申请一示例性实施例提供的一种商品补货的处理方法的流程示意图；

图4为本申请另一示例性实施例提供的一种商品补货的处理方法的流程示意图；

图5为本申请又一示例性实施例提供的基于终端设备的智能补货处理方法的流程示意图；

图6为本申请一示例性实施例提供的模型训练方法的流程示意图；

图7为本申请一示例性实施例提供的终端设备与服务器的交互示意图；

图8为本申请一示例性实施例提供的终端设备的结构示意图；

图9为本申请另一示例性实施例提供的终端设备的结构示意图；

图10为本申请又一示例性实施例提供的终端设备的结构示意图；

图11为本申请又一示例性实施例提供的终端设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

针对现有技术中门店的补货操作依赖于人工记录目标商品，进而导致补货效率较低的技术问题，在本申请一些实施例中，提供了一种解决方案，该解决方案中，根据采集到的货架的视频数据，可识别货架对应的商品信息，并基于识别到的商品信息确定目标商品，进而针对目标商品的选择操作，不再依赖于较为繁琐的人工手动操作，有效提升了目标商品的选择效率。以下结合附图，详细说明本申请各实施例提供的技术方案。

图1是本申请一示例性实施例提供的商品信息处理方法的流程示意图，如图1所示，该方法包括：

步骤101、采集货架的视频数据。

步骤102、对视频数据进行处理，识别得到货架上的商品信息。

步骤103、根据该货架上的商品信息，确定目标商品。

在本实施例中，货架，包含线下门店内用于摆放商品的架子，也包含线上门店中，用于与商品配合展示以使得网上商店更具有真实感的虚拟货架。也就是说，本实施例提供的商品信息处理方法，适用于对线下门店的商品信息进行处理，也适用于对线上门店的商品信息进行处理。

采集货架视频时，可根据用户的实际需求，在不同角度对货架的不同区域进行采集，生成货架的视频数据。在一些实施例中，选择合适的拍摄角度进行视频拍摄并不断变化拍摄角度时，可使得采集到的视频数据覆盖整个货架。基于此，对货架执行一次拍摄操作，即可全面地获取到货架对应的商品信息，即使在货架间距较小导致拍摄角度受限的情况下，也无需重复对货架进行拍摄，极大简化了用户的操作。

货架对应的商品信息，可包含货架上的商品的名称、种类和/或数量等信息。应当理解，上述列举的商品信息仅用于对商品信息进行示例性说明，实际中，货架对应的商品信息包含但不限于此。

在本实施例中，目标商品，可以是货架上陈列的商品，也可以是货架上未陈列但是应当陈列的商品，该目标商品与货架对应的商品信息关联，并可基于货架对应的商品信息确定。

在本实施例中，根据采集到的货架的视频数据，可识别货架对应的商品信息，并基于识别到的商品信息确定目标商品，进而针对目标商品的选择操作，不再依赖于较为繁琐的人工手动操作，有效提升了目标商品的选择效率。

在一些示例性实施例中，上述或下述实施例记载的商品信息处理方法可由终端设备执行，以实现通过边缘计算的方式向用户提供最近端服务，一方面，有利于对商品信息处理请求作出更快的响应，另一方面，有利于保护用户的数据安全和隐私。其中，终端设备可实现为用户一例的手机、平板电脑、智能穿戴设备等等，用户可通过该终端设备发起对货架的视频拍摄请求，并由终端设备执行上述或下述实施例记载的商品信息处理方法。在一些示例性的实施方式中，可选地，终端设备在获取到货架上的商品信息后，可根据货架上的商品信息，展示至少一种商品，以供用户进行选择；并可响应对至少一种商品的选择操作，确定被选择的商品作为目标商品。

值得说明的是，上述或下述实施例记载的商品信息处理方法，可应用于多种不同的应用场景，例如，线下门店或线上门店需要对商品进行补货的应用场景；再例如，消费者在门店内需要购买商品的应用场景等，以下将进行具体说明。

在线下门店的商家需要对商品进行补货的应用场景中，门店的商家或者商家授权的第三人可手持终端设备，在不同的拍摄角度对线下门店内摆放的货架进行视频拍摄；终端设备根据拍摄到的视频，识别货架上的商品，并进行展示。进而，用户可在拍摄结束后，查看终端设备展示的至少一种商品，并从中选择需要补货的商品作为目标商品。其中，商家授权的第三人，可以是店铺的工作人员(例如店小二)、管理人员、运维人员等等。

在线上门店的商家需要对商品进行补货的应用场景中，门店的商家或商家授权的第三人可手持终端设备，对显示屏展示的线上门店的货架图片进行视频拍摄，并可在拍摄的过程中，移动、放大、缩小和/或切换货架图片，以拍摄得到货架的视频数据；终端设备根据该视频数据识别货架上的商品，并进行展示。进而，用户可在拍摄结束后，查看终端设备展示的至少一种商品，并从中选择需要补货的商品作为目标商品。

在消费者需要购买商品的应用场景中，消费者可在商场、超市、便利店等线下门店中，手持终端设备对货架的局部位置或者货架整体进行视频拍摄；终端设备根据拍摄到的视频，识别货架上的商品，并进行展示。进而，用户可在拍摄结束后，查看终端设备展示的至少一种商品，并从中选择需要购买的商品，加入购物车或者列入购物清单。

以下将结合图2，以门店的补货场景为例对本申请实施例提供的商品信息处理方法进行进一步说明。

图2是本申请另一示例性实施例提供的商品信息处理方法的流程示意图，如图2所示，该方法包括：

步骤201、采集货架的视频数据。

步骤202、将该视频数据输入本地设备中的商品识别模型，利用该商品识别模型识别该货架上的商品信息。

步骤203、根据该货架上的商品信息，展示至少一种商品。

步骤204、响应对该至少一种商品的选择操作，确定被选择的商品作为该目标商品。

步骤205、生成与该目标商品对应的补货订单，并输出该补货订单以提示补货。

在步骤201中，可选地，终端设备可基于视频采集装置采集货架的视频数据。其中，视频采集装置可以实现为终端设备内置的摄像头，也可以实现为外接于终端设备上，且与终端设备之间可进行通信的摄像头，本实施例不做限制。

在一些示例性实施例中，用户可通过终端设备发起视频拍摄请求，终端设备响应于视频拍摄请求，可输出摄像头调用服务的授权提示信息，以提示对摄像头调用服务进行授权。可选地，在这种实施方式中，终端设备可展示一视频拍摄入口图标，在检测到用户对该视频拍摄入口图标的触发操作时，认为用户发起了视频拍摄请求。可选地，终端设备还可通过麦克风装置采集用户的发出的语音指令，并在语音指令指示拍摄货架视频时，认为用户发起了视频拍摄请求。

接着，响应对该摄像头调用服务的授权操作，启动摄像头对该货架进行视频拍摄，以获得该货架的视频数据。可选地，终端设备可响应对该摄像头调用服务的授权操作，自动启动摄像头；终端设备也可响应对该摄像头调用服务的授权操作，展示视频拍摄图标，并提示用户触发该视频拍摄图标以启动摄像头，不再赘述。

在这种实施方式中，可选地，终端设备可在用户第一次发起视频拍摄请求时，获取用户对摄像头调用服务授予的权限，并在后续用户再次发起视频拍摄请求时，默认用户始终授予摄像头调用服务的权限。可选地，终端设备也可以在用户每一次发起视频拍摄请求时，均输出摄像头调用服务的授权提示信息，并获取用户对摄像头调用服务授予的权限，本实施例对此不做限制。

在采集到货架的视频数据后，接下来执行步骤202，识别货架上的商品信息。在步骤202中，所采用的商品识别模型位于终端设备本地，进而，终端设备在获取货架的视频数据后，无需将货架视频数据发送至诸如服务器之类的其他设备，在本地即可获取该货架对应的商品信息。基于这种实施方式，一方面，避免了货架的视频数据在传输的过程中遭到恶意拦截，进而导致的泄露店铺隐私或用户隐私的风险；另一方面，减少了视频数据发送至诸如服务器之类的其他设备所花费的通信时间和通信所需流量，降低了商品信息处理所花费的时间成本和通信成本。

以下部分将对利用该商品识别模型识别货架上的商品信息的可选实施方式进行示例性说明。

可选地，商品识别模型在识别货架上的商品信息时，可首先按照设定频率从输入的视频数据中提取多帧图像；其中，设定频率可根据实际需求进行设置，例如，设定的频率可以为2次/秒、5次/秒或者10次/秒。

接着，对提取到的多帧图像进行图像识别；可选地，此处将以提取到的多帧图像中的任意一帧图像为例进行说明：针对该图像，终端设备可基于商品识别模型对该图像进行特征提取，并根据提取到的特征识别该图像中商品区域与非商品区域之间的边界。

可选地，终端设备在确定该图像中商品区域与非商品区域之间的边界之后，可对该边界划定的商品区域进行特征提取，并将提取到的特征与预存的不同商品的特征进行相似度计算。其中，商品识别模型对该边界划定的商品区域进行特征提取得到的特征，和预存的不同商品的特征具有相同的特征类型，例如，特征类型同为色彩特征、亮度特征、纹理特征、灰度特征等等。基于相同的特征类型，可将提取到的特征与预存的不同商品的特征进行相似度计算。

接着，根据该相似度计算的结果，可确定该图像包含的商品。例如，商品模型提取到的商品区域的特征与预存的a商品的特征的相似度大于设定的相似度阈值时，可确定该图像包含a商品。

可选地，当从该商品区域提取到的特征与预存的所有商品的特征之间的相似度均小于或者等于该设定的相似度阈值时，可认为该商品区域包含的商品并非是终端设备侧预存的商品。此时，终端设备可将该图像、该商品区域或者从该商品区域提取到的特征发送至服务器，由服务器根据商品区域的特征识别该图像包含何种商品，并将识别结果返回至终端设备。

在确定该图像上包含的商品后，接着，可根据该图像包含的商品，确定货架上的商品信息。在本实施例中，货架上的商品信息，可包括货架上的商品的名称、种类和/或数量等信息。

可选地，货架上的商品的名称，可根据终端设备处预存的不同商品的特征与商品的名称间的对应关系确定；货架上的商品的种类可根据终端设备处预存的不同商品的特征与商品的种类间的对应关系确定。例如，预存的a商品的特征对应的商品的名称为a1、种类为a2；若识别到图像包含a商品，则货架上的商品信息可包括：货架上的商品的名称为a1、种类为a2。

可选地，当终端设备根据预存的不同商品的特征与商品的名称间的对应关系，无法确定货架上的商品的名称时，可将从该图像上提取到的商品区域的特征发送至服务器，以请求服务器根据该商品区域的特征，确定商品的名称。可选地，当终端设备根据预存的不同商品的特征与商品的种类间的对应关系，无法确定货架上的商品的种类时，可将从该图像上提取到的商品区域的特征发送至服务器，以请求服务器根据该商品区域的特征，确定商品的种类。

可选地，货架上的商品的库存量可根据该商品在门店内的销售记录和进货总量确定；例如，a商品的进货总量为200件，门店内的销售记录指示a商品已售出180件，则可确定货架上的a商品的库存量为20件。需要说明的是，针对门店补货的应用场景而言，货架上的商品的库存量，指的是商品摆放在货架上的数量，以及存储在仓库中但未摆放在货架上的数量。该库存量有利于辅助用户对是否需要对商品进行补货作出迅速判断。

需要说明的是，在一些可选的实施例中，商品识别模型由诸如服务器之类的其他设备训练得到。当商品识别模型由服务器训练得到时，服务器可将商品识别模型动态下发到终端设备上，也可将商品识别模型打包至安装于终端设备上的应用程序的安装包内一并下发至终端设备，终端设备接收服务器发送的商品识别模型后，将该商品识别模型保存在本地。

在确定商品信息后，接下来，执行步骤203。可选地，在本步骤中，可展示一商品展示页面，并根据该商品信息，在该商品展示页面上展示至少一种商品。

可选地，在一些示例性的实施例中，可从商品信息中获取货架上的至少一种商品的名称和/或种类，通过展示该至少一种商品的名称和/或种类来展示该至少一种商品，以便于用户从中选择目标商品。

可选地，在另一些示例性的实施例中，终端设备还可获取该至少一种商品各自对应的商品图片、商品简介、商品价格、商品销售指数等附加信息，并同步展示该至少一种商品和其对应的附加信息，以进一步辅助用户选择目标商品。其中，上述附加信息可实时通过网络从服务器中获取，也可以从预存在终端设备本地的数据中获取，本实施例不做限制。

接着，在步骤204中，终端设备可响应对该至少一种商品的选择操作，确定被选择的商品作为目标商品。在门店补货的应用场景中，门店的商家可根据商品的库存情况选择目标商品，以实现对目标商品的补货操作。例如，终端设备展示了a商品、b商品、c商品以及d商品，若门店内(包括门店内的货架上和门店的仓库内)仅存在少量的b商品，则商家可选择b商品作为目标商品，以实现对b商品进行补货。

可选地，若商品识别模型由服务器训练得到，在确定目标商品之后，终端设备可将包含目标商品的图像发送至服务器，以使服务器根据该目标商品的图像，对商品识别模型进行更新。

接着，针对该目标商品，可执行步骤205，生成补货订单。可选地，补货订单，可包含目标商品的名称、数量、商家的收货地址等信息。

生成补货订单后，终端设备可将补货订单发送至服务器，由服务器执行相应的补货流程；可选地，补货流程可包括：将补货订单发送至提供补货服务的商家进行补货；或者，将补货订单发送至可提供补货服务的仓库和物流系统，以使仓库进行备货，并通过物流系统将目标商品配送至指定地址。基于此，商家不再需要手动记录需要补货的商品，不再需要手动联系提供补货服务的厂家和物流公司即可实现门店的补货操作，极大提升了门店的补货效率。

本实施例中，终端设备根据采集到的货架的视频数据，可识别货架对应的商品信息，并基于识别到的商品信息确定目标商品，进而线下门店的补货操作不再依赖于人工手动记录目标商品，有效提升了线下门店的补货效率；除此之外，在本实施例中，采集货架的视频数据的操作和识别货架对应的商品信息的操作，可同在终端设备侧执行，提升了数据安全性、降低了识别货架对应的商品新所需的时间成本和通信成本。

上述实施例记载了终端设备识别到货架对应的商品信息，并展示与商品信息关联的至少一种商品，以供用户从中选择出目标商品的实施方式。值得说明的是，在一些可选的其他实施方式中，终端设备还可根据货架上的商品信息，以及商品的总库存需求数量，确定需要对商品进行补货的商品作为目标商品。

在这种实施方式中，商品信息包含货架上的商品的库存量，该库存量可根据该商品在门店内的销售记录和进货总量确定，如上述实施例的记载。

在识别某一商品的库存量后，可判断该商品的库存量是否满足商品的总库存需求数量，若不满足，则认为需要对该商品进行补货，并将该商品作为目标商品。其中，商品的总库存需求数量可由用户预先设置，例如，用户可设置a商品的总库存需求数量为200件，设置b商品的总库存需求数量为300件。

需要说明的是，在一些示例性实施例中，商品的总库存需求数量可由终端设备从服务器处获取。

例如，在一种典型的应用场景中，商家可预先通过终端设备设置不同商品的总库存需求量；终端设备获取到不同商品的总库存需求量之后，可将不同商品的总库存需求量和商家的账户信息关联后发送至服务器进行存储。当终端设备根据商家拍摄的货架视频数据识别到某一商品时，终端设备可根据该商家的账户信息向服务器发送查询请求，以从服务器中保存的与该商家的账户信息关联的不同商品的总库存需求量中，获取该商品的总库存需求数量，并可在判断该商品的库存量不满足该商品的总库存需求数量时，将该商品作为目标商品。

再例如，在一些其他的应用场景中，商品的总库存需求量也可以由服务器根据店铺的历史补货记录、商品在门店内的历史销售趋势和/或商品在市场上整体表现出来的销售热度，为商家自动计算得到，本实施例对此不做限制。

在这种实施方式中，用户无需执行从终端设备展示的至少一种商品中选择目标商品的操作，终端设备可自行判断出需要补货的商品，可进一步提升门店的补货效率。

图3是本申请另一实施例提供的商品补货的处理方法的流程示意图，如图3所示，该方法包括：

步骤301、响应于用户发起的补货操作，调用视频采集装置拍摄货架的视频数据。

步骤302、对该视频数据进行处理，识别得到该货架上的商品信息。

步骤303、根据该货架上的商品信息，确定待补货商品。

步骤304、将与该待补货商品对应的补货信息发送至服务器，以使该服务器对该待补货商品进行补货处理。

本实施例可由终端设备执行，在这种实施方式中，终端设备可展示一补货页面，该补货页面上包含一补货图标。用户可通过触发该补货图标，发起补货操作。相应地，终端设备可响应于用户发起的补货操作，调用视频采集装置拍摄货架的视频数据。

接着，终端设备可对该视频数据进行处理，识别得到该货架上的商品信息。可选地，识别货架上的商品信息的操作可通过上述实施例记载的商品识别模型实现，此处不再赘述。

在一些示例性的实施方式中，在获取到货架上的商品信息后，终端设备可根据该商品信息，展示至少一个商品以供用户进行选择；接着，响应于用户对该至少一种商品的选择操作，确定被选择的商品作为待补货商品。

在另一些示例性的实施方式中，在获取到货架上的商品信息后，终端设备可根据货架上的商品信息，确定货架上的商品的库存量，并将库存量小于商品的总库存需求数量的商品作为待补货商品。

在确定待补货商品后，终端设备可向服务器发送与待补货商品对应的补货信息，以使服务器对该待补货商品进行补货处理。

可选地，与待补货商品对应的补货信息，可以是待补货商品对应的补货订单。在这种实施方式中，终端设备可生成待补货商品对应的补货订单，并将补货订单发送至服务器。

可选地，与待补货商品对应的补货信息，可以是待补货商品的名称、数量、收货地址等信息；在这种实施方式中，终端设备可将上述补货信息发送至服务器，由服务器生成待补货商品对应的补货订单，不再赘述。

本实施例中，终端设备根据采集到的货架的视频数据，可识别货架对应的商品信息，并基于识别到的商品信息确定目标商品，进而线下门店的补货操作不再依赖于人工手动记录目标商品，有效提升了线下门店的补货效率；除此之外，在本实施例中，采集货架的视频数据的操作和识别货架对应的商品信息的操作，可同在终端设备侧执行，提升了数据安全性、降低了识别货架对应的商品新所需的时间成本和通信成本。

上述各实施例中，记载了通过采集货架的视频数据，对商品进行补货的可选实施方式。值得说明的是，上述各实施例主要应用于针对货架上摆放的商品，对门店的仓库进行补货的场景。以下实施例将结合图4，对一种针对货架上缺失的商品，对货架进行补货的方法进行说明。

图4是本申请又一实施例提供的商品补货的处理方法的流程示意图，如图4所示，该方法包括：

步骤401、响应于用户发起的补货操作，调用视频采集装置拍摄货架的视频数据。

步骤402、对该视频数据进行处理，识别得到该货架上的商品信息。

步骤403、将该货架上的商品信息和设定的商品信息进行对比，以确定该货架上缺失的商品，作为待补货商品。

步骤404、输出该待补货商品，以提示对该待补货商品进行补货。

在本实施例中，步骤401以及步骤402的可选实施方式可参考前述实施例的记载，此处不再赘述。以下部分将对步骤403的可选实施方式进行说明。

可选地，在步骤403中，设定的商品信息，可指示货架上的商品处于非缺货状态时，货架上应当摆放何种商品。其中，货架上的商品处于非缺货状态，可包括商品摆放在货架上，但未经销售时的商品状态，或者，对货架上的商品进行补货后的商品状态。

在一些示例性实施例中，该设定的商品信息可由用户手动输入；例如，用户可手动输入货架上的商品处于非缺货状态时，货架上应当摆放a商品、b商品以及c商品。

在另一些示例性实施例中，用户可在货架上的商品处于非缺货状态下，通过终端设备，采集货架的视频数据；终端设备可将采集到的货架的视频数据输入商品识别模型，识别到货架处于非缺货状态时，货架上摆放的商品。

本实施例中，终端设备识别到的货架上的商品信息，包含了货架上的商品的名称和/或种类，其指示了货架上当前摆放的商品。基于上述，将该货架上的商品信息和设定的商品信息进行对比，可表现为将货架上当前摆放的商品和货架上的商品处于非缺货状态时，货架上应当摆放的商品做对比，进而识别出货架上缺失的商品。

例如，货架上的商品处于非缺货状态时，货架上应当摆放的商品为：商品m1、m2、m3、m4、m5；根据识别到的商品信息，确定货架上摆放的商品为m1、m3、m5，则可认为商品m2、m4为缺货商品，并将商品m2、m4作为待补货商品。

在确定待补货商品后，可执行步骤404，输出该待补货商品，以提示对该待补货商品进行补货。其中，终端设备输出该待补货商品时，可输出该待补货商品的名称、图片、商品编码等信息，以便于用户快速从仓库中找到该待补货商品。

本实施例中，终端设备可根据采集到的货架的视频数据识别货架上的商品信息，将该货架上的商品信息和设定的商品信息进行对比，即可确定待补货商品，进而用户执行对货架的拍摄操作，即可确定货架上的缺货商品，有利于降低补货操作的复杂度、提升补货效率。

上述各实施例记载的商品的补货处理方法由终端设备执行时，该商品的补货处理方法可实现为基于终端设备的智能补货处理方法。以下将结合图5进行具体说明。

图5为本申请又一示例性实施例提供的基于终端设备的智能补货处理方法的流程示意图，如图5所示，该方法包括：

步骤501、响应于用户在终端设备上发起的补货操作，通过终端设备上的视频采集装置采集得到货架的视频数据。

步骤502、终端设备对该视频数据进行处理，识别得到该货架上的商品信息。

步骤503、终端设备根据该货架上的商品信息，确定待补货商品。

在一些示例性实施方式中，终端设备对该视频数据进行处理，识别得到该货架上的商品信息的一种方式，包括：该终端设备将视频数据输入本地的商品识别模型；利用该商品识别模型识别该货架上的商品信息。

在一些示例性实施方式中，该方法还包括：终端设备接收服务器发送的该商品识别模型，并将该商品识别模型保存在本地。进而，在通过视频采集装置采集到货架的视频数据时，终端设备可直接调用保存在本地的商品识别模型对该视频数据进行处理，避免了将视频数据发送至诸如服务器之类的其他设备造成的时间损失和流量损失。

在一些示例性实施方式中，终端设备根据该货架上的商品信息，确定待补货的商品的一种方式，包括：终端设备根据该货架上的商品信息，展示至少一种商品，并响应对该至少一种商品的选择操作，确定被选择的商品作为该待补货商品；或者，终端设备根据该货架上的商品信息，以及商品的总库存需求数量，确定需要对商品进行补货的商品作为该待补货商品。

在一些示例性实施方式中，终端设备确定待补货商品之后，还可输出该待补货商品，以提示对该待补货商品进行补货。例如，终端设备可向服务器发送该待补货商品的补货信息，使该服务器对该待补货商品进行补货处理，不再赘述。

本实施例提供的基于终端设备的智能补货处理方法，通过边缘计算的方式向用户提供最近端的商品补货服务，一方面，有利于对商品的补货请求作出更快的响应，另一方面，有利于保护用户个人隐私数据和店铺数据免遭泄露。

除上述实施例记载的商品信息处理方法和商品补货的处理方法之外，本申请实施例还提供一种模型训练方法，用以训练上述各实施例记载的商品识别模型，以下将结合图6进行具体说明。

图6是本申请一示例性实施例提供的模型训练方法的流程示意图，如图6所示，该方法包括：

步骤601、基于卷积神经网络对货架样本图像进行迭代训练，得到初始商品识别模型。

步骤602、根据该初始商品识别模型的运行特征，从该卷积神经网络包含的卷积核中选取部分卷积核。

步骤603、基于选取出的部分卷积核对该初始商品识别模型进行迭代训练，得到符合设定要求的商品识别模型。

步骤604、将该商品识别模型发送至终端设备，以使该终端设备根据采集到的货架的视频数据，采用该商品识别模型识别该货架上对应的商品信息。

本实施例可由服务器执行，其中，该服务器可实现为常规服务器、云服务器、云主机、虚拟中心等服务器等设备，本实施例对此不做限制。其中，服务器设备的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类似，不再赘述。

在步骤601中，货架样本图像，可包括基于多渠道采集到的货架图片、陈列有商品的货架的图片以及商品图片。在训练初始商品识别模型时，可将货架样本图像作为卷积神经网络(convolutionalneuralnetwork，cnn)输入层的输入参数，在卷积神经网络的多个卷积层中，对货架样本图像进行特征提取以及相应的计算，得到输出层的输出结果。基于该输出结果和理论结果，可构造代价函数，并基于该代价函数，通过反向传播算法对初始商品识别模型的模型参数不断进行优化调整。

可选地，在本实施例中，可采用smoothl1函数作为代价函数，基于反向传播算法不断调整模型参数以最小化代价函数smoothl1，从而使得初始商品识别模型在识别商品区域和非商品区域之间的边界时，具有较高的识别准确率。

可选地，在本实施例中，可采用softmax函数作为代价函数，基于反向传播算法不断调整模型参数以最小化代价函数softmax，从而使得初始商品识别模型在识别商品以对商品进行分类时，具有较高的识别准确率。

在步骤602中，可选地，在本步骤中，可从该卷积神经网络包含的卷积核中选取部分卷积核，以对最终训练得到的商品识别模型进行压缩。以下将以初始商品识别模型中的任一层卷积层为例进行说明。

针对该初始商品识别模型中的任一层卷积层，可获取该卷积层中的卷积核对该卷积层的输出结果的激活值；其中，该激活值是一个统计量，表征了卷积核对该卷积层的输出结果的贡献程度，基于该贡献程度，可判断卷积核的重要性。接着，从该卷积层包含的卷积核中，选取出该激活值不在设定阈值范围内的卷积核。应当理解，若一卷积核的激活值不在设定阈值范围内，则可认为该卷积核对该卷积层的输出结果的贡献较大，重要程度较高；若一卷积核的激活值在设定阈值范围内，则可认为该卷积核对该卷积层的输出结果的贡献较小，可以舍弃。也就说，基于本步骤，可以从初始商品识别模型中，选出重要性较高的卷积核参与后续的训练过程，以最终达到降低卷积核数量、压缩商品识别模型的目的。

需要说明的是，除选取重要性较高的卷积核参与后续的训练过程之外，本实施例还可从初始商品识别模型包含的卷积核中，过滤较为相似的卷积核，以进一步减少卷积核的数量。例如，本实施例中，可根据卷积核之间的相似度，从该卷积神经网络包含的卷积核中，选取相似度小于设定阈值的卷积核。应当理解，若两个卷积核的相似度小于设定阈值，可认为这两个卷积核的相似度较低。

在步骤603中，基于选取出的部分卷积核对该初始商品识别模型进行迭代训练的可选实施方式可参考步骤601的记载，此处不赘述。其中，符合设定要求的商品识别模型，可以是占用数据体积小于设定体积阈值，且边界识别结果和商品分类结果的精度均大于对应的精度阈值的商品识别模型。

本实施例中，通过从卷积神经网络包含的卷积核中，选取部分卷积核，极大的缩小了训练得到的商品识别模型的数据量，即使将商品识别模型放到终端设备侧运行，也不会占用较多终端设备的存储空间。

除此之外，还需要说明的是，在本实施例中，可将该商品识别模型包含的常量和/或变量的数据类型转化为整型数据。基于此，商品识别模型在训练和运行的过程中，可基于整型数据的位移计算方法实现数据处理，相较于现有技术通常采用的浮点计算而言，本实施例训练得到的商品识别模型运行时，计算量极大减少。基于此，商品识别模型在其所部署的设备上运行时，对设备的计算能力的依赖程度降低，有利于将其下发至终端设备之后，在终端设备上以较快的速度运行，提升商品信息处理的效率。

上述实施例记载了基于货架样本图像训练得到商品识别模型的一些示例性实施方式，在另一些示例性实施方式中，该商品识别模型可由商品边界识别模型和商品分类模型组成。

其中，商品边界识别模型，用于对货架的视频数据所包含的图像进行特征提取，根据提取到的特征判断图像上是存在商品，并在图像上存在商品时，识别商品区域和非商品区域之间的边界。商品分类模型，用于根据商品边界识别模型识别到的商品区域和非商品区域的边界，确定商品区域，提取商品区域的特征，并根据提取到的商品区域的特征和预存的商品的特征之间的相似度，对商品区域包含的商品进行分类。

可选地，训练商品边界识别模型的过程可包括模型初始训练阶段和模型压缩阶段。在初始训练阶段，可将货架样本图像作为cnn输入层的输入参数，在cnn的多个卷积层中，对货架样本图像进行边界特征提取以及相应的计算，得到输出层的输出结果。基于该输出结果和理论结果，构造代价函数，并基于该代价函数，通过反向传播算法对cnn的模型参数不断进行优化调整，以得到初始商品边界识别模型。可选地，代价函数可以是smoothl1函数。接下来，可采用上述实施例记载的方法对初始商品边界识别模型进行压缩，以得到商品边界识别模型，不再赘述。

可选地，训练商品分类模型的过程也可包括模型初始训练阶段和模型压缩阶段。在初始训练阶段，可根据商品边界识别模型识别到的商品区域和非商品区域的边界，分割出包含商品的图像，并将包含商品的图像作为cnn输入层的输入参数。或者，也可从采集到的陈列有商品的货架的图片以及商品图片中，手动分割出包含商品的图像，作为cnn输入层的输入参数，本实施例不做限制。接着，在cnn的多个卷积层中，对包含商品的图像进行商品特征提取以及相应的计算，得到输出层的输出结果。基于该输出结果和理论结果，构造代价函数，并基于该代价函数，通过反向传播算法对cnn的模型参数不断进行优化调整，以得到初始商品分类模型。可选地，代价函数可以是softmax函数。接下来，可采用上述实施例记载的方法对初始商品分类模型进行压缩，以得到商品分类模型，不再赘述。

基于上述实施例，在商品信息处理的的过程中，终端设备和服务器之间的一种示例性的交互过程可如图7所示：

首先服务器可基于cnn对货架样本图像进行训练得到初始商品识别模型；接着，减少初始商品识别模型中卷积核的数量，将初始商品识别模型中的常量和/或变量的数据类型转化为整型数据，对初始商品识别模型进行压缩，得到商品识别模型，并将商品识别模型发送至终端设备。

当商家通过终端设备开启拍摄后，终端设备可获取货架的视频数据，并基于接收到的商品识别模型进行商品信息处理，得到推荐商品并进行展示。进而，商家可从终端设备展示的推荐商品中选择待补货商品。终端设备接收到商家选择的待补货商品后，可向服务器提交补货请求，并由服务器生成补货订单。除上述交互过程之外，终端设备在基于接收到的商品识别模型和货架的视频数据进行商品信息处理时，还可将商品信息处理的过程中生成的中间数据或结果数据发送至服务器，以使服务器对初始商品识别模型进行持续训练，不再赘述。

需要说明的是，在终端设备和服务器之间的其他示例性交互过程中，终端设备在根据货架的视频数据进行商品信息处理时，若未能从货架的视频数据中识别到任何商品，则可将货架的视频数据、货架的视频数据包含的图像或者从货架的视频数据包含的图像中提取到的特征发送至服务器，以请求服务器根据货架的视频数据包含图像中的特征识别得到货架上的商品信息，并将识别到的商品信息返回至终端设备进行展示，不再赘述。

需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤201至步骤204的执行主体可以为设备a；又比如，步骤201和202的执行主体可以为设备a，步骤203的执行主体可以为设备b；等等。

另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如201、202等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

图8是本申请一示例性实施例提供的终端设备的结构示意图，如图8所示，该终端设备包括：存储器801和处理器802。

存储器801，用于存储计算机程序，并可被配置为存储其它各种数据以支持在终端设备上的操作。这些数据的示例包括用于在终端设备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。

处理器802，与存储器801耦合，用于执行存储器801中的计算机程序，以用于：采集货架的视频数据；对该视频数据进行处理，识别得到该货架上的商品信息；根据该货架上的商品信息，确定目标商品。

进一步可选地，处理器802在根据该货架上的商品信息，确定目标商品时，具体用于：根据该货架上的商品信息，展示至少一种商品；响应对该至少一种商品的选择操作，确定被选择的商品作为该目标商品。

进一步可选地，处理器802在根据该货架上的商品信息，确定目标商品时，具体用于：根据该货架上的商品信息，以及商品的总库存需求数量，确定需要对商品进行补货的商品作为该目标商品。

进一步可选地，处理器802在对该视频数据进行处理，识别得到该货架上的商品信息时，具体用于：将该视频数据输入本地设备中的商品识别模型；利用该商品识别模型识别该货架上的商品信息。

进一步可选地，处理器802在利用该商品识别模型识别该货架上的商品信息时，具体用于：按照设定频率从该视频数据中提取多帧图像；针对该多帧图像中的任意一帧图像，对该图像进行特征提取，并根据提取到的特征识别该图像中商品区域与非商品区域之间的边界；对该边界划定的商品区域进行特征提取，并将提取到的特征与预存的商品的特征进行相似度计算；根据该相似度计算的结果，确定该图像包含的商品；基于该图像包含的商品，确定该货架上的商品信息。

进一步可选地，处理器802还用于：接收服务器发送的该商品识别模型，并将该商品识别模型保存在本地。

进一步可选地，处理器802在确定目标商品之后，还用于：生成与该目标商品对应的补货订单，并输出该补货订单以提示补货。

进一步，如图8所示，该终端设备还包括：通信组件803、显示器804、电源组件805、音频组件806等其它组件。图8中仅示意性给出部分组件，并不意味着终端设备只包括图8所示组件。

本实施例中，终端设备根据采集到的货架的视频数据，可识别货架对应的商品信息，并基于识别到的商品信息确定目标商品，进而线下门店的补货操作不再依赖于人工手动记录目标商品，有效提升了线下门店的补货效率；除此之外，在本实施例中，采集货架的视频数据的操作和识别货架对应的商品信息的操作，可同在终端设备侧执行，提升了数据安全性、降低了识别货架对应的商品新所需的时间成本和通信成本。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由终端设备执行的商品信息处理方法包含的各步骤。

图9是本申请另一示例性实施例提供的终端设备的结构示意图，如图9所示，该终端设备包括：存储器901、处理器902和通信组件903。

存储器901，用于存储计算机程序，并可被配置为存储其它各种数据以支持在终端设备上的操作。这些数据的示例包括用于在终端设备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。

处理器902，与存储器901耦合，用于执行存储器901中的计算机程序，以用于：执行该一条或多条计算机指令，以用于：响应于用户发起的补货操作，调用视频采集装置拍摄货架的视频数据；对该货架的视频数据进行处理，识别得到该货架上的商品信息；根据该货架上的商品信息，确定待补货商品；通过该通信组件903将与该待补货商品对应的补货信息发送至服务器，以使该服务器对该待补货商品进行补货处理。

进一步可选地，处理器902在根据该货架上的商品信息，确定待补货商品时，具体用于：根据该货架上的商品信息，展示至少一种商品；响应于该用户对该至少一种商品的选择操作，确定被选择的商品作为该待补货商品。

进一步可选地，处理器902在根据该货架上的商品信息，确定待补货商品时，具体用于：根据该货架上的商品信息，确定该货架上的商品的库存量；将该商品的库存量小于商品的总库存需求数量的商品作为该待补货商品。

进一步，如图9所示，该终端设备还包括：显示器904、电源组件905、音频组件906等其它组件。图9中仅示意性给出部分组件，并不意味着终端设备只包括图9所示组件。

本实施例中，终端设备根据采集到的货架的视频数据，可识别货架对应的商品信息，并基于识别到的商品信息确定目标商品，进而线下门店的补货操作不再依赖于人工手动记录目标商品，有效提升了线下门店的补货效率；除此之外，在本实施例中，采集货架的视频数据的操作和识别货架对应的商品信息的操作，可同在终端设备侧执行，提升了数据安全性、降低了识别货架对应的商品新所需的时间成本和通信成本。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由终端设备执行的商品信息处理方法包含的各步骤。

图10是本申请又一示例性实施例提供的终端设备的结构示意图，如图10所示，该终端设备包括：存储器1001、处理器1002和通信组件1003。

存储器1001，用于存储计算机程序，并可被配置为存储其它各种数据以支持在终端设备上的操作。这些数据的示例包括用于在终端设备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。

处理器1002，与存储器1001耦合，用于执行存储器1001中的计算机程序，以用于：执行该一条或多条计算机指令，以用于：响应于用户发起的补货操作，调用视频采集装置拍摄货架的视频数据；对该视频数据进行处理，识别得到该货架上的商品信息；将该货架上的商品信息和设定的商品信息进行对比，以确定该货架上缺失的商品，作为待补货商品；通过通信组件1003，输出该待补货商品，以提示对该待补货商品进行补货。

进一步，如图10所示，该终端设备还包括：通信组件1003、显示器1004、电源组件1005、音频组件1006等其它组件。图10中仅示意性给出部分组件，并不意味着终端设备只包括图10所示组件。

本实施例中，终端设备可根据采集到的货架的视频数据识别货架上的商品信息，将该货架上的商品信息和设定的商品信息进行对比，即可确定待补货商品，进而用户执行对货架的拍摄操作，即可确定货架上的缺货商品，有利于降低补货操作的复杂度、提升补货效率。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由终端设备执行的商品信息处理方法包含的各步骤。

图11是本申请又一示例性实施例提供的终端设备的结构示意图，如图11所示，该终端设备包括：存储器1101和处理器1102。

存储器1101，用于存储计算机程序，并可被配置为存储其它各种数据以支持在终端设备上的操作。这些数据的示例包括用于在终端设备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。

处理器1102，与存储器1101耦合，用于执行存储器1101中的计算机程序，以用于：执行该一条或多条计算机指令，以用于：响应于用户在终端设备上发起的补货操作，由终端设备上的视频采集装置采集得到货架的视频数据；所述终端设备对所述视频数据进行处理，识别得到所述货架上的商品信息；根据所述货架上的商品信息，确定待补货商品。

进一步可选地，处理器1102，具体用于：将视频数据输入本地的商品识别模型；利用所述商品识别模型识别所述货架上的商品信息。

进一步可选地，如图11所示，该终端设备还包括：通信组件1103；处理器1102，还用于：通过通信组件1103接收服务器发送的所述商品识别模型，并将所述商品识别模型保存在本地。

进一步可选地，处理器1102在根据所述货架上的商品信息，确定待补货的商品时，具体用于：根据所述货架上的商品信息，展示至少一种商品，并响应对所述至少一种商品的选择操作，确定被选择的商品作为所述待补货商品；或者，根据所述货架上的商品信息，以及商品的总库存需求数量，确定需要对商品进行补货的商品作为所述待补货商品。

进一步，如图11所示，该终端设备还包括：显示器1104、电源组件1105、音频组件1106等其它组件。图11中仅示意性给出部分组件，并不意味着终端设备只包括图11所示组件。

本实施例中，终端设备可根据采集到的货架的视频数据识别货架上的商品信息，将该货架上的商品信息和设定的商品信息进行对比，即可确定待补货商品，进而用户执行对货架的拍摄操作，即可确定货架上的缺货商品，有利于降低补货操作的复杂度、提升补货效率。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由终端设备执行的商品信息处理方法包含的各步骤。

上述图8-图11中的存储器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。

上述图8-图11中的通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备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，通信组件可基于近场通信(nfc)技术、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。

上述图8-图11中的显示器包括屏幕，其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。该触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与该触摸或滑动操作相关的持续时间和压力。

上述图8-图11中的电源组件，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上该仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。