识别模型的训练、测试方法和装置与流程

本发明涉及交通标志识别技术领域，尤其涉及一种识别模型的训练、测试方法和装置。

背景技术：

交通标志识别是智能车辆的必备能力之一，交通标志识别主要是通过安装在车辆上的摄像机采集道路上的交通标志信息，通过预先训练的模型进行标志的识别，从而可以及时地向智能车辆的控制系统传递重要的交通信息(例如、限速、禁止停车等)，以控制车辆的安全运行，因此，精确高效且实时的识别交通标志，在车辆驾驶中具有重要地位。

在现有技术中，采用的是深度学习的交通标志识别算法模型，该模型需要大量具有人工事先标注好期望值的原始视频图像作为训练数据，对该模型进行训练，继而采用经过训练的模型进行模型的测试。但交通标志牌种类繁多，采集和标注难度较大，需要耗费大量的人力、财力和物力，并且不能满足多种多样的训练数据和测试数据的需求。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种识别模型的训练方法，通过控制固定位置设置的传感器，对在设定轨迹上移动的待识别对象进行图像采集，并根据已知的待识别对象的标识信息对采集到的图像进行标注，不需要人工对采集到的图像一一识别后进行手动标注，降低了人工成本，同时提高了图像标注的效率。

本发明的第二个目的在于提出一种识别模型的测试方法。

本发明的第三个目的在于提出一种识别模型的训练装置。

本发明的第四个目的在于提出一种识别模型的测试装置。

本发明的第五个目的在于提出一种计算机设备。

本发明的第六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，本发明第一方面实施例提出了一种识别模型的训练方法，包括：

控制待识别对象沿设定轨迹移动；

在所述待识别对象沿所述设定轨迹移动过程中，控制固定位置设置的传感器对所述待识别对象进行图像采集；

根据所述待识别对象的标识，对采集到的图像进行标注；

采用标注后的图像对识别模型进行模型训练。

为达上述目的，本发明第二方面实施例提出了一种识别模型的测试方法，包括：

控制待识别对象沿设定轨迹移动；

在所述待识别对象沿所述设定轨迹移动过程中，控制固定位置设置的传感器对所述待识别对象进行图像采集；

将采集到图像输入识别模型，得到所述识别模型输出的对象标识；

根据所述对象标识与所述待识别对象是否匹配，对所述识别模型进行测试。

为达上述目的，本发明第三方面实施例提出了一种识别模型的训练装置，该装置包括：

控制模块，用于控制待识别对象沿设定轨迹移动；

采集模块，用于在所述待识别对象沿所述设定轨迹移动过程中，控制固定位置设置的传感器对所述待识别对象进行图像采集；

第一标注模块，用于根据所述待识别对象的标识，对采集到的图像进行标注；

训练模块，用于采用标注后的图像对识别模型进行模型训练。

为达上述目的，本发明第四方面实施例提出了一种识别模型的测试装置，该装置包括：

移动模块，用于控制待识别对象沿设定轨迹移动；

处理模块，用于在所述待识别对象沿所述设定轨迹移动过程中，控制固定位置设置的传感器对所述待识别对象进行图像采集；

输入模块，用于将采集到图像输入识别模型，得到所述识别模型输出的对象标识；

第一测试模块，用于根据所述对象标识与所述待识别对象是否匹配，对所述识别模型进行测试。

为达上述目的，本发明第四方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如第一方面所述的训练方法，或者，实现如第二方面所述的测试方法。

为达上述目的，本发明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，其上存储有计算机程序，该程序被处理器执行时，实现如第一方面所述的训练方法，或者，实现如第二方面所述的测试方法。

本发明实施例所提供的技术方案可以包含如下的有益效果：

控制待识别对象沿设定轨迹移动，在待识别对象沿设定轨迹移动过程中，控制固定位置设置的传感器对待识别对象进行图像采集，根据待识别对象的标识，对采集到的图像进行标注，采用标注后的图像对识别模型进行模型训练，通过控制固定位置设置的传感器，对在设定轨迹上移动的待识别对象进行图像采集，并根据已知的待识别对象的标识信息对采集到的图像进行标注，不需要人工对采集到的图像一一识别后进行手动标注，降低了人工成本，同时提高了图像标注的效率。

附图说明

本发明上述的和/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为本发明实施例所提供的一种识别模型的训练方法的流程示意图；

图2为本发明实施例所提供的另一种识别模型训练方法的流程示意图；

图3为本发明实施例所提供的一种识别模型的测试方法的流程示意图；

图4为本发明实施例所提供的另一种识别模型的测试方法的流程示意图；

图5为本发明实施例提供的一种识别模型的训练装置的结构示意图；

图6为本发明实施例提供的一种识别模型的测试装置的结构示意图；以及

图7示出了适于用来实现本申请实施方式的示例性计算机设备的框图。

具体实施方式

下面详细描述本发明的实施例，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，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的识别模型的训练、测试方法和装置。

图1为本发明实施例所提供的一种识别模型的训练方法的流程示意图。

如图1所示，该方法包括以下步骤：

步骤101，控制待识别对象沿设定轨迹移动。

作为一种可能的实现方式，在特定场地的道路两侧，沿着道路搭建一套索道，索道上设置有驱动装置，该驱动装置可以带动待识别对象，沿索道约束的轨迹以设定速度和方向移动。

步骤102，在待识别对象沿设定轨迹移动过程中，控制固定位置设置的传感器对待识别对象进行图像采集。

本发明实施例中，传感器为具有图像采集功能的传感器，例如，图像传感器，该传感器可以设置在摄像机中，也可以设置在监控摄像头中，本实施例中不作限定。

具体地，在道路的特定位置固定设置具有图像采集功能的传感器，在待识别对象沿索道以预先设定的速度、方向移动过程中，控制固定位置设置的传感器对待识别对象进行图像采集，获取得到多个图像。

可选地，待识别对象还可以进行适当的遮挡和/或污损处理等，通过设置各种状态下的待识别对象，并采集上述各种状态下的待识别对象的图像，作为训练样本，用于后续的模型训练，可以提高识别模型对异常场景下待识别对象的识别能力。

步骤103，根据待识别对象的标识，对采集到的图像进行标注。

具体地，获取待识别对象的标识，例如，待识别对象为交通标示牌，则交通标示牌的标识则包含交通标示牌的类型、含义等，如，交通标示牌的类型为限速类标示牌，其含义为限速30公里/小时，或者是限速60公里/每小时等等，其中，待识别对象的标识是预先设定好的参数，根据待识别对象的标识，实现了通过已知的标识信息对采集到的图像自动标注，不需要人工对采集到的图像一一识别后再进行手动标注，降低了人工成本，同时，提高了采集图像标注的效率。

步骤104，采用标注后的图像对识别模型进行模型训练。

具体地，将标注后的采集图像作为训练样本对待识别图像的识别模型进行训练，以使得识别模型可以学习得到输入图像和对象标识之间的对应关系，即训练完成的模型可以识别出当前的待采集图像中包含的待识别对象对应的标识。

本实施例的识别模型训练方法中，控制待识别对象沿设定轨迹移动，在待识别对象沿设定轨迹移动过程中，控制固定位置设置的传感器对待识别对象进行图像采集，根据待识别对象的标识，对采集到的图像进行标注，采用标注后的图像对识别模型进行模型训练，通过控制固定位置设置的传感器，对在设定轨迹上移动的待识别对象进行图像采集，并根据已知的待识别对象的标识信息对采集到的图像进行标注，不需要人工对采集到的图像一一识别后进行手动标注，降低了人工成本，同时提高了图像标注的效率。

上一实施例中描述了，通过对沿预设轨迹移动的待识别对象进行图像采集，由于待识别对象的标识信息是已知的信息，可以利用标识信息实现对采集图像的自动标注，通过标注的图像对识别模型进行训练，本发明实施例的方法主要应用于智能车辆对交通标示牌的识别场景中，智能车辆与交通标示牌的相对位置能否准确识别也会影响车辆的运行安全，例如，指示前方路面故障的交通标示牌，为此，基于上一实施例，本发明实施例提供了另一种识别模型的训练方法，通过计算得到交通标识牌和智能车辆的相对位置信息，将相对位置信息和标识信息均作为标注信息，对采集到的图像进行标注，将标注后的图像作为训练样本对识别模型进行训练，以提高模型识别的精细度。

图2为本发明实施例所提供的另一种识别模型训练方法的流程示意图，如图2所示，该方法可以包括以下步骤：

步骤201，控制待识别对象沿设定轨迹移动。

具体地，可以参照上一实施例中的步骤101，原理相同，此处不再赘述。

本发明实施例中，待识别对象为交通标示牌，交通标示牌为多个，包含标示有各类交通标志的交通标示牌，和/或，各种遮挡状态下的交通标示牌，和/或，各种污损状态下的交通标示牌。通过设置各种状态下的交通标示牌，并采集上述各种状态下的交通标识牌的图像，作为训练样本，用于后续的模型训练，可以提高识别模型对异常场景下交通标示牌的识别能力。

步骤202，在待识别对象沿设定轨迹移动过程中，控制固定位置设置的传感器对待识别对象进行图像采集。

具体地，固定位置设置的传感器，例如为智能车辆实际运行场景中，智能车辆中的图像采集模块，并根据实际智能车辆运行场景中，智能车辆的行驶要求，将传感器以预设的高度、俯仰角，和旋转角度等，固定在测试道路的特定位置，以使得传感器可以采集到预设范围内交通标示牌的图像，由于交通标识牌的标识信息是已知的信息，采集到的图像中包含的交通标识牌即确定了对应的标识信息。

步骤203，确定传感器采集图像时待识别对象沿设定轨迹移动至的位置。

具体地，确定传感器采集图像的时刻，并根据驱动装置移动的设定速度，计算得到传感器采集图像时驱动装置的移动距离，根据驱动装置的移动距离和移动方向，可以确定驱动装置沿设定轨迹移动至的位置。

需要说明的是，本实施例中，为得到采集图像时，待识别对象沿设定轨迹移动至的位置，因此，为了简化计算，驱动装置可以以设定的速度匀速移动，但是本实施例中对比并不作限定。

步骤204，根据传感器采集图像时待识别对象沿设定轨迹移动至的位置，确定传感器与待识别对象的相对位置关系，并获取多种相对位置关系下采集到的图像。

具体地，传感器的位置是固定的，根据传感器采集图像时待识别对象沿设定轨迹移动至的位置，可以确定传感器与待识别对象的相对位置关系，其中，该相对位置关系包含待识别对象与采集图像的传感器之间的相对高度、相对距离和相对方位等。进而，在待识别对象移动过程中，控制传感器多次采集图像，并记录每次采集图像时的时刻，即可获取多种相对位置关系下采集到的图像。

步骤205，采用传感器与待识别对象的相对位置关系以及待识别对象的标识，对采集到的图像进行标注。

具体地，采集得到多个图像后，根据每一个采集图像对应的传感器与待识别对象的相对位置关系，以及当前采集的待识别对象预先确定的标识信息，对采集到的图像进行标注，作为识别模型训练的样本。

步骤206，采用标注后的图像对识别模型进行模型训练。

具体地，样本图像中已经预先标注了图像中待识别对象的标识，以及采集图像时车辆和交通标志的相对位置关系，输入识别模型进行训练，使得模型可以学习得到采集得到的图像和待识别对象的对应关系，可以将该模型应用于实际车辆运行场景中，对交通标志进行智能识别，从而指示车辆进行运行。

本发明实施例的识别模型的训练方法中，在待识别对象沿设定轨迹移动过程中，根据驱动装置移动的设定速度和方向，可计算确定传感器采集图像时驱动装置在索道的位置，从而确定待识别对象沿设定轨迹移动至的位置，进而可确定固定位置设置的传感器与待识别对象的相对位置，根据该相对位置关系和采集图像中待识别对象的标识，对采集图像进行标注，将标注后的图像作为训练样本，实现了通过预设的待识别对象的标识信息和采集图像时计算确定的相对位置关系，对采集图像进行标注，节省了人力，降低了人力成本，并提高了图像的标注效率，可以为模型训练提供足够数量的训练样本，从而可以提高模型训练的准确度。

上述实施例中描述了模型训练场景中，如何根据已知的标识信息和计算得到的相对位置信息对采集的图像进行智能标注，获取训练样本，对模型进行训练的方法，而根据已知的标识信息对图像进行标注后得到图像，还可以作为测试样本，用于对训练完成的识别模型进行测试，为此，本实施例中提供了一种识别模型的测试方法，应用于测试场景中，通过控制待识别对象沿设定轨迹移动过程中，采集待识别对象的图像，将包含已知的对象标识的待识别图像作为测试样本，输入识别模型进行识别，来测试模型的训练效果。

图3为本发明实施例所提供的一种识别模型的测试方法的流程示意图，如图3所示，该方法包含以下步骤：

步骤301，控制待识别对象沿设定轨迹移动。

本发明实施例中，待识别对象为交通标志，交通标志为多个，包含标示有各类交通标志的交通标示牌，和/或，各种遮挡状态下的交通标示牌，和/或，各种污损状态下的交通标示牌。

作为一种可能的实现方式，在特定场地的道路两侧，沿着道路搭建一套索道，索道上设置有驱动装置，交通标志可悬挂在驱动装置上，该驱动装置可以带动待识别对象，沿索道约束的轨迹以设定速度和方向移动。

步骤302，在待识别对象沿设定轨迹移动过程中，控制固定位置设置的传感器对待识别对象进行图像采集。

本发明实施例中，传感器为具有图像采集功能的传感器，例如，图像传感器，该传感器可以设置在摄像机中，也可以设置在监控摄像头中，本实施例中并不作限定。

具体地，在索道的特定位置固定设置具有图像采集功能的传感器，在待识别对象沿索道以预先设定的速度、方向移动过程中，控制固定位置设置的传感器以预设的时间间隔，或者是以预设的时间点对待识别对象进行图像采集，获取得到多个图像。

步骤303，将采集到的图像输入识别模型，得到识别模型输出的对象标识。

其中，对象标识包含对象的名称、对象的类型和含义等等。

具体地，将步骤302中采集到的图像，输入训练完成的识别模型，识别模型已经预先通过训练学习得到图像和对象的标识之间的对应关系，根据输入的图像，即可输出该图像中包含的对象的标识。

步骤304，根据对象标识与待识别对象是否匹配，对识别模型进行测试。

具体地，确定模型输出的对象标识与待识别对象的标识是否匹配，若匹配说明模型训练的效果较好，通过模型可以准确识别出图像中的待识别对象的标识，若不匹配，说明模型训练的效果较差，需要对模型重新进行训练，例如，增加训练样本的数量等。

本发明实施例的识别模型的测试方法中，控制待识别对象沿设定轨迹移动，在待识别对象沿设定轨迹移动过程中，控制固定位置设置的传感器，对在设定轨迹上移动的待识别对象进行图像采集，由于待识别对象的标识信息是已知的参数，将采集到的已包含待识别对象的标识信息的图像作为测试样本，输入到识别模型，得到识别模型输出的对象标识，确定对象标识与待识别对象是否匹配，对识别模型的识别准确度进行测试，实现了不需要人工对测试样本进行标注，降低了人工成本。

基于上一实施例，本发明实施例提供了另一种识别模型的测试方法的流程示意图，进一步说明了，对图像进行采集过程中，不仅可以获取图像中待识别对象的标识信息，还可以计算确定待识别对象与传感器的相对位置关系，因在智能车辆对交通标示牌识别场景下，交通标示牌距离车辆的距离，也对智能车辆的运行具有重要指示作用，例如，指示前方禁止通行的交通标示牌，因此可将包含标识信息和相对位置关系的图像作为测试样本，对识别模型的识别准确度进行测试。图4为本发明实施例所提供的另一种识别模型的测试方法的流程示意图，如图4所示，该方法包含如下的步骤：

步骤401，控制待识别对象沿设定轨迹移动。

步骤402，在待识别对象沿设定轨迹移动过程中，控制固定位置设置的传感器对待识别对象进行图像采集。

具体地，步骤401-步骤402，可以参照上一实施例中的步骤301和302，原理相同，此处不再赘述。

步骤403，确定传感器采集图像时待识别对象沿设定轨迹移动至的位置。

步骤404，根据传感器采集图像时待识别对象沿设定轨迹移动至的位置，确定传感器与待识别对象的相对位置关系，并获取多种相对位置关系下采集到的图像。

具体地，步骤403-步骤404可以参照图2对应实施例中的步骤203-步骤204，原理相同，此处不再赘述。

步骤405，将采集到的图像输入识别模型，得到识别模型输出的测试位置和对象标识。

具体地，上述步骤中已经通过计算确定了采集到的图像中包含的待识别对象，在进行图像采集时，待识别对象与采集图像的传感器之间的相对位置关系，该相对位置关系包含待识别对象与采集图像的传感器之间的相对高度、相对距离和相对方位等，同时，由于待识别对象的标识是已知的，将采集到的图像作为测试样本输入识别模型，得到识别模型输出的该图像对应的测试位置和对象标识。

步骤406，对识别模型进行测试。

作为一种可能的实现方式，将识别模型输出的采集图像对应的测试位置和采集图像的相对位置关系进行比对，若模型输出的测试位置和采集图像的相对位置关系匹配，则说明识别模型准确定较高，否则，说明识别模型的识别准确度较差，需要对模型进一步进行训练，以提高模型的识别准确度。

作为另一种可能的实现方式，将识别模型输出的采集图像对应的测试位置和采集图像的相对位置关系进行比对，并将识别模型输出的对象标识与待识别对象的标识进行比对，若模型输出的测试位置和采集图像的相对位置关系匹配，且模型输出的对象标识与待识别对象的标识也匹配，则说明识别模型准确定较高，否则，说明识别模型的识别准确度不够，需要对模型进一步进行训练，以提高模型的识别准确度。

本发明实施例的识别模型的测试方法中，在待识别对象沿设定轨迹移动过程中，根据驱动装置移动的设定速度和方向，可计算确定传感器采集图像时驱动装置在索道的位置，从而确定待识别对象沿设定轨迹移动至的位置，进而可确定固定位置设置的传感器与待识别对象的相对位置，将采集到的已包含待识别对象的标识信息和相对位置关系的图像作为测试样本，输入到识别模型，得到识别模型输出的对象标识和测试位置，确定对象标识与待识别对象是否匹配，以及确定测试位置与相对位置关系是否匹配，确定识别模型的识别准确度，实现了不需要人工对测试样本进行标注，降低了人工成本。

为了实现上述实施例，本发明还提出一种识别模型的训练装置。

图5为本发明实施例提供的一种识别模型的训练装置的结构示意图。

如图5所示，该装置包括：控制模块51、采集模块52、第一标注模块53和训练模块54。

控制模块51，用于控制待识别对象沿设定轨迹移动。

采集模块52，用于在待识别对象沿设定轨迹移动过程中，控制固定位置设置的传感器对待识别对象进行图像采集。

第一标注模块53，用于根据待识别对象的标识，对采集到的图像进行标注。

训练模块54，用于采用标注后的图像对识别模型进行模型训练。

进一步地，在本发明实施例的一种可能的实现方式中，该装置还包括：第一确定模块、第二确定模块、获取模块和第二标注模块。

作为一种可能的实现方式，驱动装置用于带动待识别对象，沿所述索道约束的轨迹以设定速度和方向移动。

第一确定模块，用于根据所述驱动装置移动的所述设定速度和方向，确定所述传感器采集图像时所述驱动装置在所述索道的位置；根据所述驱动装置在所述索道的位置，确定所述待识别对象沿所述设定轨迹移动至的位置。

第二确定模块，用于根据所述传感器采集图像时所述待识别对象沿所述设定轨迹移动至的位置，确定所述传感器与所述待识别对象的相对位置关系；

获取模块，用于获取多种相对位置关系下采集到的图像。

第二标注模块，用于采用所述传感器与所述待识别对象的相对位置关系，对采集到的图像进行标注。

作为一种可能的实现方式，待识别对象为交通标示牌，所述交通标示牌为多个，包括标示有各类交通标志的交通标示牌，和/或，各种遮挡状态下的交通标示牌，和/或，各种污损状态下的交通标示牌。

需要说明的是，前述对训练方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。

本发明实施例的识别模型的训练装置中，在待识别对象沿设定轨迹移动过程中，根据驱动装置移动的设定速度和方向，可计算确定传感器采集图像时驱动装置在索道的位置，从而确定待识别对象沿设定轨迹移动至的位置，进而可确定固定位置设置的传感器与待识别对象的相对位置，根据该相对位置关系和采集图像中待识别对象的标识，对采集图像进行标注，将标注后的图像作为训练样本，实现了通过预设的待识别对象的标识信息和采集图像时计算确定的相对位置关系，对采集图像进行标注，节省了人力，降低了人力成本，并提高了图像的标注效率，可以为模型训练提供足够数量的训练样本，从而可以提高模型训练的准确度。

为了实现上述实施例，本发明还提出一种识别模型的测试装置。

图6为本发明实施例提供的一种识别模型的测试装置的结构示意图。

如图6所示，该装置包括：移动模块61、处理模块62、输入模块63和第一测试模块64。

移动模块61，用于控制待识别对象沿设定轨迹移动。

处理模块62，用于在待识别对象沿设定轨迹移动过程中，控制固定位置设置的传感器对待识别对象进行图像采集。

输入模块63，用于将采集到图像输入识别模型，得到识别模型输出的对象标识。

第一测试模块64，用于根据对象标识与待识别对象是否匹配，对识别模型进行测试。

进一步地，在本发明实施例的一种可能的实现方式中，该装置还包括：第一确定模块、第二确定模块、获取模块和第二测试模块。

作为一种可能的实现方式，驱动装置用于带动所述待识别对象，沿所述索道约束的轨迹以设定速度和方向移动。

第一确定模块，用于根据所述驱动装置移动的所述设定速度和方向，确定所述传感器采集图像时所述驱动装置在所述索道的位置；根据所述驱动装置在所述索道的位置，确定所述待识别对象沿所述设定轨迹移动至的位置。

第二确定模块，用于根据所述传感器采集图像时所述待识别对象沿所述设定轨迹移动至的位置，确定所述传感器与所述待识别对象的相对位置关系。

获取模块，用于获取多种相对位置关系下采集到的图像。

第二测试模块，用于获取所述识别模型输出的测试位置；根据所述测试位置与所述相对位置关系是否匹配，对所述识别模型进行测试。

作为一种可能的实现方式，待识别对象为交通标示牌，所述交通标示牌为多个，包括标示有各类交通标志的交通标示牌，和/或，各种遮挡状态下的交通标示牌，和/或，各种污损状态下的交通标示牌。

需要说明的是，前述对测试方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。

本发明实施例的识别模型的测试装置中，在待识别对象沿设定轨迹移动过程中，根据驱动装置移动的设定速度和方向，可计算确定传感器采集图像时驱动装置在索道的位置，从而确定待识别对象沿设定轨迹移动至的位置，进而可确定固定位置设置的传感器与待识别对象的相对位置，将采集到的已包含待识别对象的标识信息和相对位置关系的图像作为测试样本，输入到识别模型，得到识别模型输出的对象标识和测试位置，确定对象标识与待识别对象是否匹配，以及确定测试位置与相对位置关系是否匹配，确定识别模型的识别准确度，实现了不需要人工对测试样本进行标注，降低了人工成本。

为了实现上述实施例，本发明实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述训练方法实施例所述的训练方法，或者，实现如前述测试方法实施例所述的测试方法。

为了实现上述实施例，本发明实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如前述训练方法实施例所述的训练方法，或者，实现如前述测试方法实施例所述的测试方法。

图7示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图7显示的计算机设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industrystandardarchitecture；以下简称：isa)总线，微通道体系结构(microchannelarchitecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(videoelectronicsstandardsassociation；以下简称：vesa)局域总线以及外围组件互连(peripheralcomponentinterconnection；以下简称：pci)总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(randomaccessmemory；以下简称：ram)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(compactdiscreadonlymemory；以下简称：cd-rom)、数字多功能只读光盘(digitalvideodiscreadonlymemory；以下简称：dvd-rom)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(localareanetwork；以下简称：lan)，广域网(wideareanetwork；以下简称：wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。

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发明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。在本发明的描述中，“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，并且本发明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，这应被本发明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，本发明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，在本发明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发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。